开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
随着经济全球化不断推进，越来越多的中国企业开始放眼全球市场，积极参与国际市场竞争。然而近期爆发的中美“贸易战”让众多中国企业再次聚焦突破式创新，重新思考中国企业突破技术封锁的创新之路。突破式创新是基于完全不同的技术原理，引领产品或技术跃迁至新进化轨道的创新活动[1-3]。鉴于突破式创新技术本身的复杂性、离散性和隐藏性，面向外部知识资源的开放搜索是实现突破式创新的重要途径。Chesbrough[4]提出了基于外部知识获取和经验吸收的开放创新理论。该理论指出，管理者过度关注内部研发，会因内部知识与现行商业环境不符或需整合外部知识而错失大量机会。相反，通过重新定义企业与外部环境边界，将获取的外来知识与自身创新、竞争战略协同，有助于提高企业创新能力。
当前研究已对外部知识搜索与创新绩效的正向关系达成共识。但学界关于采用何种知识搜索方式能实现突破式创新仍存在争论。现有研究形成知识张力学派(tension view)和知识积累学派(foundation view)。知识张力学派强调知识多元性和差异性的重要性，认为宽泛的知识搜索丰富了企业知识库，使企业有更多的知识再组合空间，进而提升突破性组合的可能性[5]。也有学者[6-8]认为多元渠道的知识获取有助于企业从其它领域借鉴方案以解决本领域问题。Katila等[9,10]提出过度专注专业知识可能形成思维惯性，限制创造力发挥。异质性知识组合更有可能突破思维瓶颈，形成突破式创新。然而，知识积累学派主张保持狭窄领域的深入搜索，认为只有深入的知识搜寻才能夯实知识基础，掌握前沿领域的复杂知识并识别创新机会[11-13]。Kaplan & Vakili[14]认为证明异常现象的存在是挑战常规认知的必要条件。只有深入理解特定领域的基础知识、前提假设和潜在缺陷，才有机会发现异常现象，进而启发新思维，突破现有约束条件。Katz & Du Preez[15]认为由宽泛搜索获得的多元知识组合虽然能产生大量创新，但由于缺乏足够的知识积累，难以应对创新商业化过程中出现的次生性问题，阻碍了创新绩效产生。本文通过梳理两种学派观点，发现尽管学者们针对知识搜索宽度/深度与创新绩效的关系作了大量研究，然而并未充分解释两种搜索方式与突破式创新绩效之间存在观点冲突的原因。
本文认为导致以上矛盾的部分原因在于企业对突破式创新实现机制的理解不同。知识张力学派认为创新是多元知识自由组合的结果。秉承此类创新机制的企业注重知识间联系，强调通过新颖的连接方式整合知识，实现创新。而知识积累学派认为创新来自对异常现象的观察与思考并推动认知边界不断外延。秉承此类创新机制的企业注重夯实知识基础，强调通过改变科学技术原理实现突破式创新。本文借鉴Henderson & Clark[16]提出的架构创新策略(architectural strategy)和模块创新策略(modular strategy)，提出企业外部知识搜索需与自身创新策略匹配。架构创新策略强调在整体层面重新配置已有模块，通过改变常规组件链接方式，以新颖的产品结构设计实现新功能或新用途[17]。如便携式打印机和随身听都是通过全新的结构设计而对原有市场格局产生重大影响[18]。模块创新策略认为产品是执行特定功能的模块集合，通过改变模块核心功能的原理，以全新科学原理或工程技术实现产品新功能或大幅提升效率。如特斯拉通过改变发动机技术而对传统汽车行业造成巨大冲击。本文引入模块创新策略和架构创新策略作为调节变量，分析两者对于搜索方式与突破创新绩效关系的调节作用。
本文研究贡献具体表现在以下方面：首先，通过梳理知识搜索方式和突破式创新关系，发现现有文献主要存在知识积累观和知识张力观两种对立的观点。研究进一步总结了两种学派的基本假设、主要逻辑和研究结论，指出对于突破式创新实现过程的不同理解是两种观点相互矛盾的原因所在；其次，研究分析了架构创新策略和模块创新策略对于知识搜索方式与突破创新关系的调节作用，解决了以往观点相互冲突的问题。研究表明，知识搜索方式选择需考虑企业产品创新策略，知识搜索方式与产品创新策略的协同效应能更好地提升突破式创新绩效；最后，研究为知识搜索方式与突破创新绩效关系研究提供了新的实证依据。
自熊彼特对创新理论进行开创性研究后，许多学者根据创新幅度，将产品创新分为渐进式创新和突破式创新。Chandy & Tellis[2]认为突破式创新包含技术和市场两个维度的创新。技术方面的创新代表新产品具备显著区别于以往产品的技术进步。市场方面的创新意味着新产品相比于现有产品，能更好地满足关键客户的市场需求，或者开发了一个全新市场。Robert&Jane[19]认为突破式创新体现为在产品、技术或服务领域中出现前所未有的功能属性，或提供了相似功能且性能显著提升。由于突破式创新会对企业绩效产生重大影响，现有文献多关注突破式创新的前因变量研究。如Nelson & Winter[20]提出企业自身拥有的知识会因环境变化而被淘汰，创新所需的新颖知识往往来源于企业外部，因此具有较高离散性的特点。Shaker & George[21]认为新兴的技术知识往往潜藏于外部混沌的信息背后。鉴于外部知识的重要性，Chesbrough[4]提出“开放创新”理论，强调从外部知识源获取创新所需的资源。然而，考虑到外部知识分布的离散性、知识认知的复杂性和知识形式的多元性，单一形式的外部知识搜索并非总能实现突破式创新。学者们关于何种知识搜索方式更能促进突破创新仍存在争论。
在动态环境下，学界普遍认可面向外部知识资源的开放搜索是有效的创新模式[4,10,22]。Katila&Ahuja[9]将搜索方式按搜索方向维度分为搜索宽度和搜索深度。搜索宽度是指从多元领域进行广泛的知识搜集，知识异质性较大，知识结构更松散。搜索宽度体现了知识来源的广泛程度以及知识内容的异质性程度[23]。搜索深度是指对单一知识领域进行深度挖掘，知识联系更加紧密，知识结构更加完整[24]。搜索深度体现了知识体系的完整程度以及知识内容的前沿化、复杂化程度[25]。然而，关于何种形式的知识搜索能实现突破式创新，学界逐渐形成观点对立的两大学派。
知识积累观认为突破式创新来自对异常现象的发掘和思考。研究者只有深入观察和理解特定领域的基础知识，掌握现象产生的前提假设、制约因素等，才有机会洞悉异常现象产生的原因和意义，进而引发思考来挑战常规观点，突破现有约束，实现技术创新[14]。宽泛领域的知识搜索往往浮于现象表面，难以触及知识内涵和本质，因此难以识别突破创新机会。Laursen & Salter[11]基于产品生命周期理论，提出在产品研发早期阶段，关键知识往往来源于少数知识源，如领先用户、供应商或大学。企业与狭窄领域知识源的密切沟通有利于建立知识分享和开发体系，从而加速突破性主导设计。在主导设计形成后，多元性知识擅长在其基础上丰富产品性能以满足不同市场需求，但无法再形成突破性产品创新[26]。知识张力观则认为专注单一领域的知识搜索会带来思维惯性，因此需要广泛搜集多元领域的异质性知识，通过知识组合打破思维惯性，形成突破式创新[27]。Chiang&Hung[22]根据知识流理论认为，组织在获取外部知识时涉及知识内流，不同方式的知识内流可能导致差异化组织学习效果，如探索性学习和应用性学习会形成不同程度的创新。
尽管知识积累观和知识张力观均为实现突破式创新提供了深刻见解，然而两者对创新的实现过程和前提假定存在不同理解，从而导致观点相互冲突。知识张力观强调知识多元性对突破式创新的促进作用，该观点的前提假设是创新来自异质性知识的新颖组合；知识积累观强调夯实知识基础对突破式创新的促进作用，该观点的前提假设是创新来自对前沿领域异常现象的观察和思考。本文认为不同知识搜索方式需匹配相应的产品创新策略，并不是所有的突破式创新活动都需要异质性知识组合或专业性知识基础[28]。本文引入基于模块和架构的创新策略以解决知识搜索观点的矛盾。
Henderson[16]将产品创新策略分为模块创新策略和架构创新策略。模块创新策略认为产品是一系列组件基于标准化排列的有序组合，其创新策略旨在改变组件的核心设计理念而保留产品的结构体系[29]。如使用数字电话代替模拟电话。此类创新策略需获取基于组件的知识，包括核心设计原理以及将原理封装入模块并能功能化表达的方法知识。架构创新策略则认为产品是组件间通过巧妙链接形成的整体系统。架构创新策略旨在重新配置已建立的产品结构，并以全新链接方式整合各功能组件，但是组件的核心设计原理保持不变[30]。如随身听替代传统的磁带放音机。此类创新策略需获取基于架构的知识，包括组件如何被链接成整体以及设计整体结构以实现新颖的功能表达。
模块创新策略和架构创新策略在创新过程、知识需求和资源配置方式上均存在差异。模块策略依赖于核心组件的发展，通过“推敲”狭窄而深入的知识领域以获取前沿、复杂的知识。模块策略往往涉及知识迭代过程，以试错方式开发前沿且复杂的知识并将其封装于模块中。因此，模块策略更需掌握产品功能背后的科学原理或工程技术。架构策略依赖于搜集宽泛且多元的知识，通过创新设计理念或重新编排知识的组合方式，提高和改进现有产品。架构策略重视产品结构知识以及各组件链接的方法知识，然而产品背后的科学原理或工程技术则没有根本性改变。因此，架构策略更需掌握不同领域的多元知识，以充分理解产品结构和组件链接方式[16]。需要指出的是，由于模块/架构创新策略彼此间存在诸多差异，对于企业而言，两种策略是独立存在且不是非此即彼的关系，企业可根据自身发展阶段(创业期、成熟期和衰退期)和发展方向(专业化或多元化)，选择一种策略或两种策略兼而有之。
综上，基于开放创新理论，学界普遍认为企业应建立基于外部知识搜索、获取、整合和利用的开放式创新模式。然而，考虑到目前知识积累观和知识张力观对于外部知识搜索与突破创新关系的矛盾观点，究竟采用何种搜索方式能更好地促进突破式创新尚存争议。本文基于产品生命周期理论和知识组合理论，认为两种知识搜索方式均能提升突破式创新绩效，以往的观点冲突主要来自两种流派对创新实现过程的理解差异。本文提出选择知识搜索方式应考虑企业产品创新策略，通过采用相应的模块或架构创新策略以实现知识搜索方式与产品创新策略的协同效应，进而更好地促进突破式创新绩效提升。根据以上分析，构建图1所示的概念模型。
图1 概念模型
搜索深度从3个方面影响突破式创新绩效：①知识专业性。突破式技术产生的重要原因之一是技术原理发生根本性转变。Kuhn[31]提出技术轨道跃迁模型，认为对异质性和反常现象的积累、解释是引起技术发展轨迹跃迁的重要原因。前沿技术存在的异常现象不易被观察和理解，唯有坚持专业领域的深入搜索，才能系统掌握复杂知识间的关联性，如技术产生的原因、限制、调节和实现机理，识别并理解异常现象的存在及原因。因此，搜索深度被认为是推动知识边界外延的重要力量；②认知前沿性。Laursen&Salter[11]认为在产品生命周期早期，利用少数前沿知识是实现创新的关键。研究表明，产品早期研发的关键前沿知识来自狭窄的知识源，如领先用户、供应商和大学。针对不同知识源类型，企业需建立并维持独特的搜索模式，才能形成知识获取和分享交流机制。搜索深度通过有限渠道与少数知识源建立频繁联系，有助于前沿知识的密集获取和有效理解，帮助前沿知识进入企业内部创新流程，从而建立有效的知识交换和开发模式；③市场专业性。市场的潜在需求往往难以被识别，唯有深耕行业市场多年，谙熟行业发展规律，才有可能提前预判市场发展趋势，提前布局新兴消费者市场。深耕狭窄领域的行业知识，使企业集中注意力于专业市场，从而帮助企业掌握特定市场发展规律，率先开发满足未来客户需求的创新产品。因此，搜索深度能通过预判市场发展方向以促进突破式创新。综上，提出如下研究假设：
H1：搜索深度与突破式创新存在正相关关系。
搜索宽度从两个方面影响突破式创新绩效：①知识多元性。Zhou[32]认为真正的知识组合创新产生于“万花筒思维”。当拥有多元领域知识时，企业通过“震荡”碎片化知识并以新颖链接萌生突破性观点。搜索宽度代表了知识搜索领域的数量和广度，特别是在研究者缺乏先前经验和能力积累的知识领域[31]。搜索宽度增加了企业知识库的知识元素，产生更多可供选择的知识组合。虽然更多的知识组合可能导致更高的平均失败率，但同时也产生了真正具有价值的新颖组合。此外，多元知识提升了企业从多角度、多方面分析问题的能力。基于多元知识视角的问题分析和解释，有助于将具体问题概念化和抽象化，帮助企业从其它领域借鉴方法以解决本领域问题；②探索性学习能力。Chiang&Hung[22]提出不同的外部知识获取方式导致不同模式的组织学习，进而促进不同程度的突破式创新。March[33]提出探索性学习是基于广泛和一般知识源的学习模式。采用搜索宽度策略获取外部知识的企业，往往倾向于采用更广泛的知识搜索。根据March理论，企业会开展更多的探索性组织学习。探索性学习有助于企业获取更多的异质性、灵活性和创新性知识。探索性学习有助于企业灵活适应不可预见的变化，扩大企业知识库，并产生显著异于现有产品的新产品。因此，搜索宽度可能导致探索性学习并促进突破式创新。综上，提出如下研究假设：
H2：搜索宽度与突破式创新存在正相关关系。
本研究认为以往有关搜索深度/宽度与突破式创新关系研究的差异主要源于企业对创新实现过程的理解不同[34]。搜索深度旨在强调企业夯实知识基础，通过攫取技术背后的科学或工程原理实现突破式创新[35]。当企业秉承模块创新策略时，往往将产品视为一系列组件的组合[16]。模块策略力求简化产品内部结构，降低组件间的相互依赖，使企业便于以模块为单位开展创新性研究[36]。当模块创新程度较低时，意味着产品内部结构复杂且相互关联，企业难以集中资源进行针对性研究。企业通过深度搜索积累了大量特定领域的前沿且复杂知识，而此类知识的开发利用需大量资源支持,较低的模块策略难以匹配相应资源，限制了知识开发程度。随着模块创新程度提升，企业资源和科研能力就能以模块研发为中心进行配置，研发人员有时间和精力对特定领域内的前沿复杂知识作系统全面的了解。因此，模块创新策略集中了资源优势，有利于夯实知识基础，积累专业经验，从而针对性地开发和利用关键知识。
与搜索深度的创新理念不同，搜索宽度认为通过丰富的知识源和知识渠道搜索，才能获取足够的多元性知识，而多元性知识的广泛组合是实现突破式创新的根本途径[37]。当模块策略创新程度较低时，企业尚未将资源和注意力投向特定知识领域，而是在充分考虑产品技术条件、市场环境和政策背景的基础上，将注意力和资源广泛分配于与产品相关的技术创新、市场竞争战略和政策扶持条件等不同环节。在各方环节同步关注的情况下，搜索宽度通过多领域多渠道获取的多元性知识和信息才能够被充分利用，从而有利于产品创新。当模块策略创新程度较高时，企业集中精力和资源于专项知识领域，深入挖掘潜藏于技术背后的工程科学原理，以实现技术的功能化表达。模块策略始终围绕以专项知识开发利用为中心，因此需投入大量资源到专项知识的探索和运用中。基于模块策略的知识属性要求，搜索宽度基于多领域多渠道积累的一般且多元知识难以被有效利用。同时,模块策略集中了企业注意力和配置于专项领域的资源，根据注意力理论，搜索宽度获取的多元视角难以被有效关注，所获取的知识难以得到有效开发，阻碍了突破式创新进程。因此，提出如下研究假设：
H3：模块创新策略增强了搜索深度对突破式创新的促进作用；
H4：模块创新策略削弱了搜索宽度对突破式创新的促进作用。
搜索宽度认为来自广泛领域的多元性知识组合是实现创新的必要条件。多元知识涉及学科领域的异质性越大、“距离”越远、种类越繁多，产生的知识组合变异程度越大。新颖的知识组合建立于大量知识冗余的基础上，多元知识组合虽然会导致更高的平均失败率，但也提升了突破式创新的可能性。当企业秉承架构创新策略时，往往将产品视为一整套系统结构，各功能组件通过链接相互联系、相互支撑[14]。企业根据产品价值主张，配置全新系统，以新方式链接组件，形成具有独特性能或用途的新产品。当架构创新程度较低时，意味着企业对产品系统性的认知较低，未充分重视架构知识和链接知识的重要性，仍以部分组件的性能提升或功能拓展为创新方向，搜索宽度积累的各方面多元性知识难以被有效利用，延缓了创新进程。当架构策略创新程度较高时，企业视产品为组件间有复杂联系的系统整体，充分重视组件间链接的重要性。由搜索宽度基于多元领域积累的组件知识、链接知识和架构知识，能够得到有效开发和使用，通过架构策略将各类知识相互协调、相互匹配，并利用新颖的连接方式将各类知识整合起来，形成功能新颖或用途独特的新产品，有助于突破式创新“落地”。
与搜索宽度侧重于多元性知识组合不同，搜索深度重点挖掘产品功能背后的科学原理或工程技术差异。搜索深度认为全新科学原理或工程技术的应用是导致技术轨道跃迁的根本原因[31]，而技术轨道跃迁将引发产品效率的突破性提升。当架构策略创新程度较低时，企业更多视产品为组件组合而非系统整体，侧重于对产品组件知识的专项研究，而未对架构知识予以充分重视。因此，企业将资源和注意力重点分配于组件开发，对组件功能背后的原理性知识进行探索、挖掘和利用。当架构创新程度较高时，企业视产品为组件间通过复杂联系而形成的系统整体，旨在寻找产品组件的链接知识和产品架构知识，通过知识间相互匹配和协调方式将其链接成整体，主要涉及各组件间、组件与整体间的接口知识、连接整合知识，而较少涉及组件功能原理方面的知识，导致搜索深度积累的专业知识难以得到开发利用，降低了知识使用效率。因此，提出如下研究假设：
H5：架构创新策略增强了搜索宽度对突破式创新的促进作用；
H6：架构创新策略削弱了搜索深度对突破式创新的促进作用。
通过整理现有文献并对相关企业进行跟踪访谈，完成问卷初步设计。根据问卷样本，挑选12名MBA在读学员进行谈话沟通，就问卷题项是否表述清楚、是否具有针对性和有效性进行预调研。根据反馈结果，再次邀请受访者进行沟通交流，就问卷争议题项进行优化修改。在正式问卷生成后，采取实地调研方法，先后赴广东、江苏、山东、河南和陕西5个省份进行面对面的高管访谈。在实地调研过程中，研究团队得到了当地高新区管理委员会的帮助，获得包含当地企业名称及高管联系方式的企业名录。从中挑选出来自化学、电子通信、生物制药、仪器设备等不同领域的共500家企业作为访谈对象并进行电话邀约。最终，有252家企业同意参加调研活动。为确保问卷为高管本人填写、消除歧义、保证调研质量，安排两名博士生共同访问。在与高管就调研目的、问卷内容和填写方法等进行充分沟通后，问卷由高管独立填写完成。在实际调研过程中，有46份问卷由于信息不全或完成时间过短而被剔除，最终回收有效问卷206份，问卷回收率为41.2%。在填写问卷的高管群体中，副总经理以上级别占60.3%，研发部门总监占39.7%。高管在所属企业的平均工龄为6.7年，年龄在30岁以上者占82.98%，拥有本科及以上学历者占72.4%。通过对回收与未回收企业年龄、规模进行T检验分析，结果表明两者之间并不存在显著统计学差异。
3.2.1 自变量：外部搜索宽度与外部搜索深度
Katila&Ahuja[9]将搜索方式按搜索方向维度分为搜索宽度和搜索深度。作为企业创新绩效的决定因素，借鉴Laursen&Salter[11]以及Leiponen&Helfat[38]对于外部搜索宽度和深度的测量方法，采用10种知识或信息来源衡量外部搜索宽度/深度倾向。即在过去3年中，企业获取与创新相关的知识和信息渠道包括：①供应商；②分销商；③终端客户；④同行；⑤大学；⑥政府部门；⑦科研机构；⑧大众媒体；⑨学术会议；⑩非相关消费者。企业被要求填写李克特5级量表问卷，以体现企业创新层面知识源使用程度的差异[39]。
在测量外部搜索宽度变量时，为反映企业使用各类知识源的频繁程度，采取如下措施：①要求企业针对每个知识源使用情况进行李克特量表打分；②将每个指标编码为二进制变量，0代表知识源未被使用或极少被使用(对应李克特量表1-2级)，1代表知识源经常或频繁被使用(对应李克特量表3-5级)；③将10个知识源的编码值叠加，当所有知识源都没有或极少被使用时，企业得分为0。当所有知识源都被经常使用时，企业得分10。因此，相比于低分企业，得分越高的企业在外部搜索宽度方面表现得越开放。经计算，该变量呈现出高度的内部一致性(Alpha值为0.839)。
在测量外部搜索深度变量时，同样要求企业完成李克特量表问卷，并采用二进制编码变量，其中，0代表知识源未使用或一般程度使用(对应李克特量表1-3级)，1代表知识源被较高或高频繁度使用(对应李克特量表4-5级)。与上述一样，进行10个编码值的累计叠加，当没有一项知识源被较高程度使用时，企业得分为0；当所有知识源都被较高程度使用时，企业得分为10。因此，相比于低分企业，得分越高的企业在外部搜索深度方面表现得越开放。该变量同样呈现出高度的内部一致性(Alpha值为0.847)。由于回答者可能难以区分知识源使用中“经常”与“频繁”、“较高”与“高”之间的细微区别，使用二进制编码方法有助于减少因李克特量表使用中出现的潜在测量误差，同时解决了传统李克特量表不能被理解为等距量表的问题[39]。
3.2.2 因变量：突破式创新绩效
突破式创新衡量企业在技术突破和性能改进方面的进步程度。本研究借鉴Laursen&Salter[15]的研究方法，采用过去3年里公司有较大技术突破产品的销售额占总销售额的比重测量突破式创新绩效。
3.2.3 调节变量：模块创新策略与架构创新策略
基于Henderson&Clark[16]对模块和架构策略的研究，采用5个指标测量模块创新策略：①强调投入大量资源密集攻关专项技术；②强调以单位模块或元件作为技术突破口；③强调在专项技术领域赶超竞争对手；④努力创造全新单项技术以开发新产品；⑤依赖单项技术突破而不是整合现有技术。
本文采用4个指标测量架构创新策略：①通过整合现有技术使新产品具有多种用途；②通过整合现有多种技术开发新产品；③通过融合多种现有技术创造产品优势；④强调依赖现有技术组合创造新产品。
3.2.4 控制变量
为消除模型外的影响因素，研究选取企业年龄、企业规模、高新企业资质、行业发展阶段、需求不确定性和技术不确定性作为主要控制变量。企业年龄采用截止到被采访时的企业经营年数。考虑到数量型变量因左偏或右偏分布而产生误差，研究采用企业年龄自然对数的转换值作为衡量指标；企业规模采用企业员工数量作为衡量指标，采用企业员工数量自然对数的转换值测量；利用虚拟变量测量企业是否为高新技术企业(1=高科技行业，0=否)。本文根据由中华人民共和国科学技术部颁布的《高新技术企业认证指南(2008)》，定义高新技术企业(如化学制药、生物制药、航空航天、高新材料、新能源、电力设备等)。根据关键产品的生命周期阶段(1=引入阶段，2=成长阶段，3=成熟阶段，4=衰退阶段)评估行业发展阶段。需求不确定和技术不确定变量采用李克特1-5级量表测量。需求不确定性用“顾客对于产品和服务存在不断变化的需求”进行评价。技术不确定性通过“很难确定哪种技术路线会主导未来发展”题项进行测量。
首先对模型主成分进行探索性因子分析，5个研究因子被提取，分别为外部搜索宽度、外部搜索深度、模块创新策略、架构创新策略及突破式创新绩效。在检验研究模型与数据拟合程度方面，采用验证性因子分析并发现数据拟合程度较好。使用Alpha值进行效度检验，结果显示所有测量变量的Alpha值都超过0.7，说明量表可靠性达标，具体见表2。采用因子载荷和AVE值检测变量聚敛效度，如表2所示,所有测量指标的因子载荷都大于0.6，AVE都大于0.5，说明具有较好聚敛效度。采用比较变量AVE的开方值测量区分效度。当表3对角线上的AVE开方值大于其所在行和列的所有相关系数时，说明变量具有较好区分效度。
数据来源于同一评分者被认为是造成普通方法误差的主要原因。研究普遍认为规避普通方法误差的途径之一是邀请同企业不同人员参与调研[40]。本研究在问卷填写阶段，要求同一企业的两位高管参与调研，并将他们进行隔离谈话并要求独立填写A、B问卷。因此，从源头上规避了自变量和因变量的同源问题，较好降低了因普通方法误差导致的测量风险。
为检验可能的多重共线性问题，对每个变量进行描述性统分析和相关性分析，各变量均值、标准差和相关系数见表3。相关性分析结果显示，大多数变量的相关系数均小于0.6，说明结果受多重共线性威胁的可能性较小[41]。同时，通过对各方程VIF值的计算，研究发现，最大的VIF=2.217，远小于共线性临界值10，说明研究不存在严重的多重共线性问题，具体见表4。
采用Kenny&Judd[42]的分步回归方法验证理论模型的调节效应，如表4所示。
表2 信度与效度检验结果
变量测量指标载荷信度和效度在过去3年创新过程中1)强调投入大量资源密集攻关专项技术0.8232)强调以单位模块或元件作为技术突破口0.836模块创新策略3)强调在专项技术领域赶超竞争对手0.884Alpha=0865;AVE=0.6594)努力创造全新的单项技术以开发新产品0.8735)依赖单项突破而不是现有技术整合0.612在过去3年创新过程中1)通过整合现有技术让新产品具有多种用途0.806架构创新策略2)通过整合现有多种技术来开发新产品0.869Alpha=0.918;AVE=0.6593)通过融合多种技术创造产品优势0.8564)强调以现有技术组合创造新产品0.706
首先，检验企业年龄、规模、高新技术资格、行业成长阶段等控制变量对突破式创新绩效的影响。在此基础上，为了验证外部搜索宽度、外部搜索深度与突破式创新绩效的关系，在模型1中加入外部搜索宽度与外部搜索深度两个自变量，得到模型2。结果显示，外部搜索宽度对突破式创新绩效的回归系数显著为正(0.132，P<0.05),外部搜索深度对突破式创新绩效的回归系数显著为正(0.130，P<0.05)，说明外部搜索宽度、外部搜索深度均与突破式创新绩效正相关的假设H1和H2得到支持。
研究在模型3的基础上加入调节变量与前因变量的交互项，以检验架构创新策略和模块创新策略的调节作用。为了降低多重共线性的威胁，研究对交互项变量作了均值中心化处理。结果表明，架构创新策略与外部搜索宽度交互项的回归系数显著为正(0.123，P<0.05)，架构创新策略与外部搜索深度交互项的回归系数显著为负(-0.145，P<0.05)，说明架构创新策略会强化外部搜索宽度对突破式创新绩效的促进作用，同时降低外部搜索深度对突破式创新绩效的促进作用，假设H5与H6均得到验证。同样，模块创新策略与外部搜索宽度交互项的回归系数显著为负(-0.243，P<0.01),说明模块创新策略会降低外部搜索宽度对突破式创新绩效的促进作用，假设H4得到验证。然而，模块创新策略与外部搜索深度交互项的回归系数显著为负(-0.119，P<0.1),说明模块创新策略未强化外部搜索深度对突破式创新绩效的促进作用，假设H3未得到验证。
表3 描述性统计分析与相关系数(N=238)
MeanS.D12345678910111.企业年龄2.2220.745N/A2.企业规模8.8012.1500.534∗∗N/A3.高新企业0.0001.0000.095-0.024N/A4.行业阶段2.1800.5940.526∗∗0.314∗∗-0.060N/A5.需求不确定性3.9100.906-0.166-0.165∗0.152∗-0.117N/A6.技术不确定性3.1700.985-0.023-0.072∗0.1000.0010.129N/A7.外部搜索宽度7.5612.709-0.0090.0830.015-0.0610.181∗∗0.027N/A8.外部搜索深度3.8303.108-0.075-0.0020.080-0.0290.316∗∗-0.0070.566∗∗N/A9.模块创新策略3.8530.682-0.045-0.0210.254∗∗-0.0590.369∗∗-0.0500.205∗∗0.323∗∗0.81210.架构创新策略3.5700.7510.057-0.0740.204∗∗-0.0080.319∗∗0.1010.184∗∗0.347∗∗0.453∗∗0.81211.突破产品销售占比3.5401.214-0.074-0.0660.246∗∗-0.0360.206∗∗0.0210.156∗0.166∗0.287∗∗0.247∗∗N/A
注：*表示在0.05水平下显著；**表示在0.01水平下显著； ***表示在0.001水平下显著。斜对角线上为AVE的开方值，N/A表示不适合
表4 回归系数
变量因变量:突破式创新绩效模型1模型2模型3企业年龄-0.200∗∗-0.178∗∗-0.207∗∗企业规模0.105+-0.148∗∗0.102高新技术企业0.282∗∗0.271∗∗-0.213∗∗行业成长阶段0.220∗∗0.201∗∗0.171∗∗需求不确定0.173∗∗0.180∗∗0.126∗技术不确定-0.150∗∗-0.157∗∗-0.166∗∗外部搜索宽度0.132∗0.120+外部搜索深度0.130∗0.071架构创新策略0.166∗∗模块创新策略0.064架构创新策略∗外部搜索宽度0.123∗架构创新策略∗外部搜索深度-0.145∗模块创新策略∗外部搜索宽度-0.243∗∗模块创新策略∗外部创新深度-0.119+F-value3.550∗∗2.552∗∗2.109∗∗R Square0.1810.2260.295A.D R Square0.1300.1370.155最大VIF1.541.602.217
注：+表示在0.1水平下显著；*表示在0.05水平下显著；**表示在0.01水平下显著
首先，研究基于中国制造企业的实证分析，发现外部搜索宽度和搜索深度均能提升突破式创新绩效。外部搜索宽度通过广泛涉猎知识领域，获取多元性知识以形成探索性学习能力和独特知识组合，进而促进突破式创新。外部搜索深度通过深耕狭窄领域的专业知识，发现知识前端的异常现象，启发创新思维。通过专一领域系统研究形成完整的知识结构体系，有助于应对创新过程中出现的次生性问题，进而实现突破式创新。研究结果支持了先前学者的部分观点。
其次，由于知识积累观和知识张力观对突破式创新的产生存在观点冲突，本文梳理了两种学派观点，并认为企业在选择外部搜索方式时需考虑与自身创新策略匹配的问题。知识积累观从专业性视角出发，认为通过夯实狭窄领域的基础知识，洞察现有技术背后的科学原理和工程技术知识，才有可能突破现有技术约束或超越已有研究成果。宽泛领域的知识搜索由于未能抓住知识本质，因此创新往往浮于技术表面而非本质性进步。知识张力观从多元性视角出发，认为通过宽泛领域的知识搜索，有助于获取异质性知识。异质性知识的巧妙组合是实现突破式创新的有效途径。相反，执着于狭窄领域的知识搜索容易使人产生认知惯性，限制研究者的想象力和创造力。本研究以开放创新理论为基础，分析了模块创新和架构创新两种创新策略如何影响外部搜索方式对突破式创新绩效的提升作用，为解决两种流派的观点冲突提供了新思路。研究发现，模块创新策略视产品为一系列模块的组合，强调围绕模块开发配置资源。企业采用模块创新策略为利用科学原理和工程技术提供了资源支持，强化了搜索深度对创新绩效的正向作用。模块创新策略主张企业集中资源实施专项突破，难以有效利用搜索宽度积累的大量异质性知识，降低了搜索宽度对创新绩效的促进作用。架构创新策略视产品为整体系统，强调组件间的巧妙链接和组合。企业采用架构创新策略为异质性知识的自由组合和链接提供了资源支持，强化了搜索宽度对创新绩效的正向作用。架构创新策略主张链接和编排易得的常规知识，而难以组合具有复杂性和前沿性的专业知识，降低了搜索深度对创新绩效的促进作用。研究结果表明，外部搜索方式与突破创新绩效的关系受到创新策略的影响，通过引入模块与架构创新策略，有助于解决以往观点相矛盾的问题。
本研究为企业突破式创新绩效提升路径选择提供了理论指导。首先，企业在实现突破式创新时，可以采用开放的知识搜索形式。传统研发集中于企业内部的R&D部门，然而在经济全球化、行业模糊化和信息互联化时代，企业通过外部知识源的搜索、获取和利用，能加速产品创新进程。外部知识获取可分为宽度搜索和深度搜索，研究表明两者均能提升突破式创新绩效。
其次，企业采用的外部搜索战略需与企业创新策略相匹配。尽管研究和实践均证明开放搜索有助于提升创新绩效，然而关于采用何种方式的外部搜索战略可以实现突破式创新，目前学界和业界仍存在争论。本研究认为，企业外部搜索方式存在差异的背后是对创新实现过程的理解不同。企业需将外部搜索方式与企业创新策略整合，才能最大程度地发挥由外部搜索积累的知识和信息资源优势。研究发现，当企业认为创新是利用现象背后的科学原理或工程技术，需要夯实该领域知识基础时，模块创新策略有助于企业集中资源进行难点攻克，加速突破式创新。当企业认为创新是多元知识的异质性组合时，则需扩展不同知识领域的搜索范围，而架构创新策略有助于企业调整知识链接方式，实现突破式创新。
本文也存在一定局限性。首先，本文采用的问卷调查方法可能存在调查者主观感知偏差，未来研究应采用更多二手数据和客观指标验证本文结论；其次，知识搜索方式和企业创新策略可能存在内生性问题。尽管本研究已经通过数据处理， 排除了可能导致内生性问题的因素，但后续研究应进一步分析战略搜索方式与企业创新策略之间的相互作用。
[1] 唐青青,谢恩,梁杰.知识库与突破性创新:关系嵌入强度的调节[J].科学学与科学技术管理,2015,36(7): 21-7.
[2] CHANDY R K,TELLIS G J.Organizing for radical product innovation: the overlooked role of willingness to cannibalize [J].Journal of marketing research,1998,35(4): 474-87.
[3] 赵息,李文亮.企业知识搜索战略、技术不确定性与突破性创新关系研究[J].科技进步与对策,2016(9): 122.
[4] CHESBROUGH H W.The era of open innovation[J].MIT Sloanmanagement Review,2003,44(3): 35-41.
[5] PINO G A,JACK A G.Past success and creativity over time: a study of inventors in the hard disk drive industry [J].Management Science,2007,53(1): 1.
[6] GENTNER D.Flowing waters or teeming crowds: mental models of electricity [J].Mental Models,1983,21(1):95-117.
[7] LOEWENSTEIN J,THOMPSON L,GENTNER D.Analogical encoding facilitates knowledge transfer in negotiation [J].Psychonomic Bulletin and Review,1999,6(4): 586-597.
[8] MELISSA A S,PATRICIA V,ROBERT E P,et al.Learning by doing something else: variation,relatedness,and the learning curve [J].Management Science,2003,49(1): 39.
[9] KATILA R,AHUJA G.Something old,something new: a longitudinal study of search behavior and new product introduction [J].Academy of Management Journal,2002,45(6): 1183-1194.
[10] GAUTAM A,CURBA MORRIS L.Entrepreneurship in the large corporation: a longitudinal study of how established firms create breakthrough inventions [J].Strategic Management Journal,2001,6(7): 521.
[11] LAURSEN K,SALTER A.Open for innovation: the role of openness in explaining innovation performance among U.K.manufacturing firms [J].Strategic Management Journal,2006,27(2): 131-150.
[12] ALVA T,HENRICH R G.Superman or the fantastic four? knowledgecombination and experience in innovative teams [J].The Academy of Management Journal,2006,49(4): 723.
[13] WEISBERG R.The study of creativity: from genius to cognitive science [J].International Journal of Cultural Policy,2010,16(3): 235-253.
[14] KAPLAN S,VAKILI K.The double-edged sword of recombination in breakthrough innovation [J].Strategic Management Journal,2015,36(10): 1435-1457.
[15] KATZ B,DU PREEZ N.The role of knowledge management in supporting a radical innovation project [M].Springer Berlin Heidelberg,2008.
[16] HENDERSON R M,CLARK K B.Architectural innovation: the reconfiguration of existing product technologies and the failure of established firms [J].Administrative Science Quarterly,1990,35(1): 9-30.
[17] 刘洋,应瑛.架构理论研究脉络梳理与未来展望[J].外国经济与管理,2012(6): 74.
[18] LEE W S.Innovation and competition in standard-based industries: an analysis of the high definition U.S.home video market [M].UWSpace,2009.
[19] ROBERT D D,JANE E D.The adoption of radical and incremental innovations: an empirical analysis [J].Management Science,1986,32(11): 1422.
[20] NELSON R R.An evolutionary theory of economic change [M].Cambridge,Mass.: Belknap Press of Harvard University Press,1982.
[21] SHAKER A Z,GERARD G.Absorptive capacity: a review,reconceptualization,and extension [J].The Academy of Management Review,2002,27(2): 185.
[22] CHIANG Y H,HUNG K P.Exploring open search strategies and perceived innovation performance from the perspective of inter-organizational knowledge flows [J].R & D Management,2010,40(3): 292-299.
[23] KATILA R.In search of innovation: search determinants of new product introductions [D].University of Texas at Austin,2000.
[24] LEE F.Recombinant uncertainty in technological search [J].Management Science,2001,47(1): 117.
[25] BIERLY P,CHAKRABARTI A.Generic knowledge strategies in the U.S.pharmaceutical industry [J].Strategic Management Journal,1996,17(2): 123-135.
[26] PAVITT K.Technologies,products and organization in the innovating firm: what Adam Smith tells Us and Joseph Schumpeter doesn't [J].Industrial and Corporate Change,1998,7(3): 433-452.
[27] STERNBERG R J.An evolutionary interpretation of intelligence,creativity,and wisdom: a link between the evolution of organisms and the evolution of ideas [J].Behavioral & Brain Sciences,2000,23(1):160-161.
[28] DE LUCA L M,ATUAHENE-GIMA K.Market knowledge dimensions and cross-functional collaboration: examining the different routes to product innovation performance [J].Journal of Marketing,2007,71(1): 95-112.
[29] SENDIL K E,DANIEL L,RISHI R R.The dual role of modularity: innovation and imitation [J].Management Science,2008,54(5): 939.
[30] THOMAS M,G?RAN L,CHRISTIAN B.Architectural or modular innovation? managingdiscontinuous product development in response to challenging environmental performance targets [J].International Journal of Innovation Management,2003(1): 1.
[31] KUHN T S.The structure of scientific revolutions [M].Chicago: The University of Chicago Press,2012.
[32] ZHOU K Z,LI C B.How knowledge affects radical innovation: knowledge base,market knowledge acquisition,and internal knowledge sharing [J].Strategic Management Journal,2012,33(9): 1090-1102.
[33] JAMES G M.Exploration and exploitation in organizational learning [J].Organization Science,1991,2(1): 71.
[34] IKUJIRO N.A Dynamic theory of organizational knowledge creation [J].Organization Science,1994,5(1): 14.
[35] ARTHUR W B.The nature of technology: what it is and how it evolves [M].London: Allen Lane,2009.
[36] GIOVANNI G,DANIEL L.Looking forward and looking backward: cognitive and experiential search [J].Administrative Science Quarterly,2000,45(1): 113.
[37] ABERNATHY W J,CLARK K B.Innovation: mapping the winds of creative destruction[J].Research Policy,1993(2): 102.
[38] LEIPONEN A,HELFAT C E.Innovation objectives,knowledge sources,and the benefits of breadth[J].Strategic Management Journal,2010,31(2): 224-236.
[39] WESLEY M C,DANIEL A L.Absorptive capacity: a new perspective on learning and innovation[J].Administrative Science Quarterly,1990,35(1): 128.
[40] BOYER K K,VERMA R.Multiple raters in survey-based operations management research: a review and tutorial[J].Production and Operations Management,2000,9(2): 128-140.
[41] STEYVERS M,TENENBAUM J B.The large-scale structure of semantic networks: statistical analyses and a model for semantic growth [J].Cognitive Science,2005,29(1):41.
[42] KENNY D A,JUDD C M.Estimating the nonlinear and interactive effects of latent variables[J].Psychological Bulletin,1984,96(1): 201-210.