Research on Performance Improvement Path of High-tech Industry Innovation Efficiency from the Perspective of Configuration：a Fuzzy-Set Qualitative Comparative Analysis

Feng Xu, Wang Fan

(School of Business, Southwest Minzu University, Chengdu 610041, China)

Abstract：Based on provincial data of in China from 2016 to 2018, with the help of fsQCA3.0 software, from the view of configuration, this paper analyzes the mechanism of the industrial environment, external financial support and regional economic level factors on the two-stage innovation efficiency, and obtains several equivalent combinations constitute sufficient conditions for high R&D and high efficiency of transformation of results.The study found that: there are four paths to achieve high R&D efficiency.That external financial support and regional economic level are substitutes in R&D stage.When the regional economic base is relatively weak, we need to reasonably play the positive role of government support or foreign investment according to the industrial environment.There are also four paths to achieve high achievement transformation efficiency.Good industrial environment or excellent economic base is the important support to achieve high efficiency of achievement transformation.In addition, there is a certain substitution relationship between regional economic development level and industrial structure, enterprise scale and external financial support.The conclusions are helpful to explain the differences of previous research conclusions and provide theoretical support for the innovation and development of high-tech industries.

Key Words:Configuration; High-tech Industry; Industrial Environment; External Financial Support; Regional Economic Level; Innovation Efficiency

收稿日期：2020-11-13

修回日期：2021-02-23

基金项目：国家社会科学基金一般项目(17BGL029)；四川省科技项目(2019JDR0201) ；西南民族大学中央高校项目(2020SYB46)

作者简介：冯旭(1976-)，男，江苏武进人，博士，西南民族大学商学院副院长、副教授，研究方向为创新与创业管理；王凡(1996-)，女，山西长治人，西南民族大学商学院硕士研究生，研究方向为财务管理理论与实务。本文通讯作者：王凡。

DOI：10.6049/kjjbydc.2020110351

开放科学(资源服务)标识码(OSID)：

中图分类号：F264.2

文献标识码：A

文章编号：1001-7348(2021)11-0054-07

0 引言

高技术产业具有知识密集、技术先进、产品附加值高、产业关联性强等特征，既是经济结构转型升级的加速器，也是国家创新驱动发展战略的重要载体。近年来，高技术产业在发展过程中出现规模效应限制和创新资源使用效率低下等问题，尤其是研发效率难以实现与R&D投入同比增长，科研成果经济转化易被忽视，从而拉低整体效率。因此，高技术产业创新效率影响因素及提升路径研究成为学者们关注的热点。

现有文献主要从产业环境(产业结构、企业规模、产业聚集度等)[1-3]和外部资金支持(外商直接投资和政府资金支持等)[4-7]等方面探究创新效率影响因素及提升路径。然而，现有研究还存在诸多争议，学者们尝试从不同角度进行解释[8-9]，但缺乏确定性结论。

本文认为，解释产业环境与外部资金支持等因素对高技术产业创新效率影响的悖论关系，需要从两个方面进行思考：第一，创新效率受同一创新环境中多个要素综合影响，上述复杂因素相互依赖、相互作用，因而在不同情境下可能导致上述关系呈现不同类型；第二，中国各区域间异质性显著[10]，各省市地区在市场化改革进程、经济水平以及创新活动支持等方面存在巨大差异[11]，创新效率表现不一。因此，将区域经济水平与外部资金支持、产业环境等要素进行综合分析，有助于解释变量间的相互关系，进而发现高创新效率路径。

综上，本文从组态视角出发，采用不同于传统回归方法的定性比较分析方法(Qualitative Comparative Analysis QCA)揭示区域经济水平、产业环境、外部资金支持与高技术产业创新效率之间的复杂因果关系，进而发现实现高创新绩效的有效路径。本文研究问题如下：第一，多个要素如何在复杂联系中共同作用于高创新效率或导致低创新效率？这种构成高/低创新效率的路径是否单一？第二，在高技术产业各阶段创新效率实现过程中各影响因素分别扮演何种角色，能否合理解释企业规模、政府支持等要素对创新效率产生不同影响的原因？

1 文献综述

1.1 创新效率与影响因素

创新效率是指创新投入到产出的转化率，即一定创新环境和资源配置条件下，单位创新投入获得的产出，或单位创新产出消耗的R&D投入[12]。创新效率的研究已从忽略系统内部结构及内在运行机理的单阶段DEA评价，过渡到深入系统内部测评的多阶段DEA评价。高技术产业创新并非单阶段线性流动，而是分层次、网络化价值流动过程，一般包含研发和成果转化两阶段。例如，冯志军等[13]构建两阶段关联型网络DEA模型对高技术产业细分行业的两阶段效率进行测度，发现多数细分行业表现为双低或一高一低；刘树林等[14]从投入产出视角将高技术产业创新活动划分为技术开发、技术转化和产业化3个阶段，并结合各阶段特征和影响因素对创新活动进行评价。

产业环境是高技术产业创新效率的关键影响因素，学者们通常从产业结构、企业规模等视角研究产业环境对创新效率的影响。产业结构通过激发需求与促进供给为高技术产业研发活动和成果转化行为提供支持，黄磊[1]提出产业结构转型升级对当地经济环境和创新环境起带动作用，肖仁桥[15]也在研究中证实了这种促进作用。企业规模对高技术产业创新效率的影响结论不尽相同，部分学者着眼于产业规模效益带来的资源整合能力、市场掌控力和抗风险能力。杜康等[2]提出，大规模形态下企业组织管理存在繁冗现象并导致相应的弊端，发现市场维护成本对资源优势持续性存在抑制作用。此外，有学者认为，二者之间呈U型关系，即企业规模较大或较小时创新效率较高，而企业规模处于中等水平时创新效率较低[3]。学者们就产业聚集对区域创新能力的影响存在显著、不显著、倒“U”型关系等不同观点，现有研究从政策干预、研发投入边际产出效应、企业竞争等方面加以解释[8-10]。

外部资金支持主要是指外商直接投资和政府支持，是企业研发经费的重要补充，二者对创新效率的影响也存在较大争议。赵庆[4]、Gorodnichenko 等[16]认为，外商直接投资带来的资金支持及技术外溢效应极有可能促进当地企业创新水平提升。但也有学者发现，外商直接投资对高技术产业创新效率的影响不显著，原因可能是引进外资在一定程度上会制约国内自主创新能力[5]。政府支持受地域异质性的影响较为严重，朱有为等[6] 、Czarnitzki[7] 、蔡翔等[17]认为，政府支持及由此伴随的政策优势等可以作为风向标引导更多社会投资，从而降低企业研发成本和风险；余泳泽[3]、余东华等(2015)认为，政府行为易受寻租行为制约或自身身份限制，从而导致资源错配。此外，杨昌浩等[9]发现，政府支持对高技术产业研发效率的影响在我国东部和西部地区存在显著差异。

区域经济水平主要表现为当地市场的有效需求水平与环境承载力，区域经济水平会对创新效率起推动或限制作用。一方面，市场为创新产出提供交易平台，通过竞争和需求影响区域创新协同[18]。市场对创新产品的需求会对创新行为产生积极拉动作用，而当市场竞争较为激烈时会催生周边环境对创新主体的模仿性压力，提升区域创新效率。另一方面，经济发展能力决定区域基础设施水平与产学研链条的完备性，为创新提供坚实的物质基础，能够体现整个区域对于创新要素的包容度和承受度。特别是在我国经济发展不均衡的情况下，东部地区创新环境成熟，汇集大量创新要素，优势显著，而西部地区创新基础设施较为落后。大多数研究认为，经济基础是导致创新效率两极化的主要原因[19]，而且这种差异短时间内难以消除。

1.2 创新绩效提升路径

创新绩效提升路径研究有助于解决创新过程中各影响因素协同发展问题。支燕[20]通过对人力、资金、技术等高技术产业创新绩效影响要素分析，提出前者反哺后者、软硬兼济、低落差高自主等路径建议；段晶晶[21]认为，创新主体与内部要素之间通过协同创新对创新绩效产生叠加非线性效应，提出由政策支持、合作愿景、组织关系、知识等因素共同构成的涵盖知识创新绩效、人才培养绩效和成果转化绩效的产学研协同创新绩效提升路径模型；吴升(2016)从技术创新网络、网络联盟与企业组织学习等维度，提出技术网络协同创新绩效提升政策路径，并通过构建相应模型检验技术创新网络对企业协同创新绩效作用机制的有效性与科学性，但仅验证了知识整合、知识获取及知识利用等因素在上述非法人、合同式协作组织中的单独作用。通过文献梳理发现，国内大多数研究仅提出理论假设或研究展望，部分研究仅探讨3个以内因素对创新绩效的影响，未考虑变量间的相互关系。

针对既有研究的不足，部分学者尝试从组态视角研究产业或企业创新绩效提升路径。José[22]从组态视角出发，采用定性比较分析方法研究区域技术创新和非技术创新出现的条件并提出创新绩效提升路径；陈寒松[23]基于创业学习和商业模式创新理论，利用模糊集定性比较分析获得4条创新绩效产出关键路径，厘清经验学习、认知学习、新颖型商业模式创新和效率型商业模式创新在实现创新绩效过程中的角色及替代关系；张辉[24]基于集合论思想分析创新绩效形成过程中网络嵌入与动态能力各构成维度间的复杂关系，运用模糊集定性比较分析方法探索实现高绩效的必要条件及多重路径选择，揭示网络嵌入三维度间的替代关系及绩效影响因素与企业绩效间的非对称因果关系。

综上所述，早期研究孤立地分析创新环境因素与效率之间的关系，忽视了各因素间的协同效应，导致产业环境、外部资金支持等因素与高技术产业创新效率之间的悖论关系。因此，需要采用新的视角和研究方法，将产业环境、外部资金支持、区域经济水平视为一个整体，探究各要素对高技术产业创新绩效的影响及相互作用机理。

2 组态分析方法与研究框架

组态分析方法的出现源于学者们对组态问题的深入研究，以及传统分析方法在处理复杂问题上的局限性。引发社会现象的原因条件大多是相互依赖而非独立的，环境、技术、战略、结构、文化、实践、结果及其维度均可以聚合为组态[25]。上述原因条件相互依赖构成不同的组态，决定特定结果出现与否。因此，原因条件与结果集合关系规律需要采取整体的、组合的方式加以解释[26]。近年来，越来越多的研究证实，组态视角适合作为复杂因果关系研究理论的视角。组态分析方法突破传统回归分析方法对于重要变量之间重叠效应的限制，提供了一个系统、全面的视角，能够有效处理由多个因素构成的构型，解释高创新效率产生的各种原因因素组合，这种多方交互使多个高创新效率等效路径的存在成为可能[27]。该分析方法在回答复杂因果问题时充分体现“思想实验”属性，具有更强的探索性[28]。通过思想实验所产生的等效组态方案和因果结论有助于优化相关条件与组合，进而促进合理的战略决策制定。此外，组态分析方法兼具定性分析与定量分析双重属性[29]，并且小样本不影响其结果的可靠性。

基于前文理论分析，本文认为，高技术产业两阶段创新效率实现是综合多种要素的组态效应问题，在研究高技术产业创新效率影响机制和提升路径时，需要采用整体的、组合的方式，符合组织现象的相互依赖性和因果复杂性，从而更好地回答因果关系的非对称性问题。本文构建涵盖产业环境、外部资金支持以及区域经济水平创新效率提升路径模型(见图1)，从“子集—集合”组态构型出发，研究影响因素与创新绩效的多重并发因果关系。

3 研究设计

3.1 数据说明

根据研究目的和研究方法要求，本文选择2016—2018年作为研究区间，剔除数据缺失、创新投入极低的样本省份，以中国(内地)28个省级行政区域高技术产业横截面数据作为研究对象。所有数据均来自《火炬统计年鉴》和《中国统计年鉴》，数据口径一致且较易获得，避免了不同年鉴的计量基础偏差。

3.2 构念测量

在QCA分析中，所有变量分为结果变量(Outcome)和原因因素(Condition)。结果变量为创新效率，包括研发效率和成果转化效率。本文运用DEAP2.1软件，把创新过程划分为研发和成果转化两个阶段，将获得的数据导入BCC模型(第一阶段选择投入导向，第二阶段选择产出导向)。一阶段创新投入指标包括R&D经费内部支出和R&D人员全时当量，一阶段创新产出(二阶段创新投入)指标包括专利申请数和新产品开发项目数，二阶段创新产出包括新产品销售收入和产业利润。由于创新过程中研发投入转化为最终经济产出具有一定时滞性，参考已有研究，取滞后期为两年，即第一阶段投入指标取2016年数据，产出指标取2017年数据，第二阶段产出指标取2018年数据。我国(内地)28个省市以2016—2018年为研究区间的两阶段创新效率测度结果见表1。

原因因素反映企业所处的区域创新环境，主要包括3个维度。产业环境包括产业结构和企业规模，借鉴白俊红[30]的研究成果，产业结构由第二产业产值占总产值的比重表示；企业规模借鉴余泳泽等[3]的研究成果，表现为区域内单位高技术产业产值，由高新技术产业总产值除以企业数量计算得出。外部资金支持主要从外商和政府两个维度出发，借鉴杨浩昌等[9]的研究成果，外商投资由外商直接投资的自然对数表示；借鉴刘杨等[31]的研究成果，政府支持由政府科学技术支出占地方一般公共预算支出比重表示，反映地方政府对科技创新活动的支持力度。区域经济水平借鉴于明超等[11]的研究成果，本文认为包括当地创新产品的有效需求水平，由人均GDP表示。结合创新活动时间周期，研发阶段创新效率考虑2016年原因因素的影响，成果转化阶段创新效率考虑2017年原因因素的影响。

3.3 变量标准化

将模糊集通过外部标准进行校准，遵循并符合各集合的概念化、定义及标记过程。首先，采用上下四分位法，选取0.25和0.75及二者均值作为定距尺度值；其次，其对应的3个定性断点可构成一个模糊集标准，即完全隶属、完全不隶属和交叉点。这3个基准用于将原始定距尺度值转换为模糊隶属分数。原因因素与结果变量的两阶段校准信息参见表2。

4 数据结果分析

4.1 单向前因变量必要性分析

检验各原因因素能否构成结果变量的必要条件是进一步组合分析的前提。借鉴Ragin[32]和Schneider[33]的研究成果，本文认为，一般构成其必要条件的一致性阈值为0.9。表3和表4显示，各原因因素影响两阶段创新效率的必要性水平均未超过0.9，因此，任何因素都无法构成两阶段结果变量(高创新效率和低创新效率)的必要条件。

4.2 构型分析

各前因因素的必要性检验表明，单个原因因素对高创新效率或低创新效率的解释力较弱。因此，进一步对上述原因因素进行fsQCA分析，以明确高创新效率和低创新效率的构成要素，结果见表5和表6。表中的“●”、“⊗”分别表示某一原因因素存在与不存在，核心因素与边缘因素分别标记为大写、小写，空白处为某一因素既可存在也可不存在。

4.2.1 高创新效率分析

对28个省市数据采用fsQCA分析得到高创新效率组合结果，见表5和表6，给出Consistency 水平在0.80以上的因素组合，高研发效率组合总体一致性为0.815 476，高成果转化效率组合0.800 475，意味着其适合解释高研发效率和高成果转化效率[34]。前者覆盖率为0.501 792，后者为0.623 310，表明各组合共计解释了50.18%的高研发效率样本和62.33%的高成果转化效率样本。同时，发现4条高研发效率实现路径和4条高成果转化效率实现路径，虽然上述路径不同却均构成高创新效率路径。

(1)高研发效率。由表5可知，在多个创新因素的作用下，具有高研发效率的高技术产业呈现4种组合：组合1显示，区域经济水平高、产业结构合理再加上高水平外商投资与政府支持，能够带来高研发效率。组合2和组合3分别表现为在经济发展较差的地区，如果企业具备一定规模，那么获得政府资金支持可保障研发活动正常进行，支持Czarnitzki[7] 的研究结论。如果产业环境基础较差且政府资金不到位，那么引入外商资金和技术就尤为重要，与Gorodnichenko[16]和朱有为等[6]的研究结论基本一致。组合4中，在产业环境不佳且缺乏相应外部资金支持时，如果区域经济水平较高也能促进高研发效率的实现。

为更好地分析高研发效率实现路径，在表5的基础上绘制表7。表7显示，在高研发效率组合中，区域经济水平和外部资金呈现一定的替代关系。我国东部地区经济发展优势显著，产业基础较好，政府和外商投资对研发效率的影响不大。中西部地区由于产业结构尚不完善，外部资金投入对研发效率具有较大的促进作用，这与杨浩昌等[9]的研究结论比较接近。

(2)高成果转化效率。由表6可知，在多个创新因素作用下，具有高成果转化效率的高技术产业呈现4种组合：组合1中，在区域经济水平较低且外部资金匮乏的情况下，产业结构合理和企业规模较大可以促进高成果转化率实现，这符合胡艳等[35]的结论。组合2和组合3显示，经济发展较好但产业结构不完善的地区，如果企业规模较大或能获得外部资金与技术支持也有助于高成果转化率实现。组合4表明，在企业规模和外部资金支持为核心因素，产业结构与区域经济水平为辅助因素的条件下，区域具备良好的成果转化环境，有充足的动力完成成果转化。

为更好地说明高成果转化效率实现路径，以表6为基础绘制表8。表8显示：①区域经济水平和企业规模是实现高效率成果转化的重要因素，区域经济水平等外部宏观经济环境能够为成果转化提供物质支持与智力支持，有助于促进产业聚集、资源共享和人才引进等；规模较大企业拥有完善的创新基础设施和创新产业链条，能够为成果转化提供充分的空间，这与肖仁桥等[15]的研究结论一致；②在高成果转化实现过程中，区域经济水平与产业结构存在一定的替代关系，区域经济水平是实现高成果转化效率的重要因素，但当区域发展水平较低时合理的产业结构也能促进高技术产业成果转化；③企业规模与外部资金支持之间存在一定的替代关系，企业规模是实现高成果转化效率的关键因素，企业规模较大有助于企业降低对外部资金的依赖，可以凭借规模优势带来的资源整合能力、资金实力与市场掌控力实现研发成果转化并投入市场，这与Czarnitzki[7]的观点一致，更进一步验证了熊彼特[36]提出的企业规模与创新效率具有正相关关系的观点。而当企业规模有限时，高水平外部资金支持也有助于促进高技术产业成果转化效率提升。

4.2.2 低创新效率分析

为检验高/低创新效率因素组合是否具有对称性，以低创新效率为研究对象，得出低研发效率和低成果转化效率的不同组合结果，见表9和表10。前者总体一致性为0.865 385，后者为0.814 910，均大于0.80的阈值；前者覆盖率为0.301 068，后者为0.526 062，表明各组合共解释了30.11%的低研发效率样本和52.61%的低成果转化效率样本，同时发现3条低研发效率实现路径和2条低成果转化效率实现路径。

(1)低研发效率。低研发效率构型如表9所示。

(2)低成果转化效率。低成果转化效率构型如表10所示。

分析表9、表10发现：①5个低创新效率组合与表5、表6中的高效率组合并非简单对立关系，彼此并非完全对称；②外商投资缺失分别出现在两阶段的5个低效率组合中，说明外商资金与技术支持缺失是导致两阶段低创新效率的重要因素；③仅凭政府扶持难以扭转成果转化阶段低效率的局面，较低的区域经济水平和对外合作等因素缺失将难以获得良好的外部环境支持。

4.3 稳健性检验

为降低参数设定威胁与模型设定威胁带来的随机性、敏感性[37]，众多学者提出，应对定性比较分析结果进行相应的稳健性检验。本文参考借鉴已有研究，首先，采取普遍认可的统计论特定检验方法，调整时间跨度[38]，以2014—2016年为创新周期替代原有创新周期，所获得的两阶段高创新效率路径组合与原有研究结论基本契合；其次，采用张明等[39]推荐的集合论特定检验方法，通过调整一致性门槛值应对参数设定威胁，采用阈值0.85替换0.8，获得少于原有研究的路径组合，但各原因因素作用关系和角色与原有研究无异。

5 结语

5.1 结论

(1)实现高研发效率有4条路径，通过路径分析发现外部资金支持与区域经济水平互为替代，当区域经济水平较低时，高水平政府扶持或外商投资能够实现高研发效率。4种高研发效率路径可以归纳为3种类型：一是区域经济水平高、产业结构合理，加上高水平的外商投资与政府支持，能够带来高研发效率；二是当地方经济较为落后时，如果企业规模达到一定程度就可依靠政府资金等外部经济支持推动研发活动，但若未满足上述条件则需要引入外商资金和技术；三是当产业环境不佳且缺乏外部资金支持时，可以依赖区域高经济水平实现高效率。

(2)实现高成果转化效率也有4条路径，其中良好的产业环境或扎实的经济基础是关键要素，区域经济水平和产业结构、企业规模与外部资金支持之间存在一定的替代关系。4种高成果转化效率路径也可以归纳为3种类型：一是当区域经济发展落后且外部资金不足时，成果转化依赖于完善的产业结构和较大的企业规模；二是经济发展较好的地区，拥有较大的企业规模或借助政府资金等外部支持就能实现成果转化；三是通过内外部环境共同作用为成果转化提供充足的动力。

5.2 启示

(1)在外部资金支持方面，各级政府应因地制宜，采取针对性政策，以达到最佳资金使用效率。例如，对于经济水平较高和产业环境较好的地区，给予适当的外部资金支持以实现高研发效率和高成果转化效率；经济水平较高而产业环境较差的地区，在研发效率方面具有优势，政府应重点考虑在成果转化阶段给予高水平外部资金支持，从而促进成果转化；经济水平较低而产业环境较好的地区，企业自主创新能力强，政府应关注研发阶段效率，在研发阶段提供必要的外部资金支持；对于经济水平较低和产业环境较差的地区，可以重点考虑通过吸引外商投资提高研发效率，并逐步改善当地产业环境。

(2)在规划外部资金支持时，合理配置研发资源，避免外部支持对研发效率的挤出效应。

(3)地方政府应将吸引外商高技术产业的直接投资作为引资重点，此举不仅能够避免低创新绩效出现，还能通过外商直接投资带来的资金支持及技术外溢效应提升当地企业创新水平。

(4)从长远发展看，各地区应逐步优化区域产业环境，鼓励高技术企业做大做强，促进区域产业结构优化升级。

5.3 不足与展望

本文存在以下不足之处：理论建构方面，变量选取主要考虑数据可得性，未能涵盖多维度、多层次的高技术产业创新环境，具有一定的局限性。未来研究可以考虑从更多角度与层面展开，如劳动力素质和产业聚集程度等。研究方法方面，本文采用规范的fsQCA方法进行分析，但缺少将其与传统定量研究方法的比较。未来可以结合更为严谨的定量研究方法进一步证实本文主要构型的稳健性和可靠性。

参考文献:

[1] 黄磊,吴传清.长江经济带城市工业绿色发展效率及其空间驱动机制研究[J].中国人口·资源与环境,2019,29(8):40-49.

[2] 杜康,袁宏俊,郑亚男.安徽省大中型工业企业全要素生产率及影响因素研究:基于DEA-Malmquist生产率指数法[J].科技管理研究,2019,39(6):41-48.

[3] 余泳泽.创新要素集聚、政府支持与科技创新效率:基于省域数据的空间面板计量分析[J].经济评论,2011，32(2):93-101.

[4] 赵庆.产业结构优化升级能否促进技术创新效率[J].科学学研究,2018,36(2):239-248.

[5] 李金滟,李超,李泽宇.城市绿色创新效率评价及其影响因素分析[J].统计与决策,2017，33(20):116-120.

[6] 朱有为,徐康宁.中国高技术产业研发效率的实证研究[J].中国工业经济,2006,23(11):38-45.

[7] CZARNITZKI D,HUSSINGER K.The link between R&D subsidies,R&D spending and technological performance[J].SSRN Electronic Journal, 2004(9):4-56

[8] 刘军,李廉水,王忠.产业聚集对区域创新能力的影响及其行业差异[J].科研管理,2010,31(6):191-198.

[9] 杨浩昌,李廉水,刘军.高技术产业聚集对技术创新的影响及区域比较[J].科学学研究,2016,34(2):212-219.

[10] 蔡昉,王美艳,曲玥.中国工业重新配置与劳动力流动趋势[J].中国工业经济,2009，26(8):5-16.

[11] 于明超,申俊喜.区域异质性与创新效率:基于随机前沿模型的分析[J].中国软科学,2010,25(11):182-192.

[12] 李秦阳.基于随机前沿方法的区域创新效率影响因素分析[J].统计与决策,2019,35(14):108-111.

[13] 冯志军,陈伟.中国高技术产业研发创新效率研究:基于资源约束型两阶段DEA模型的新视角[J].系统工程理论与实践,2014,34(5):1202-1212.

[14] 刘树林,姜新蓬,余谦.中国高技术产业技术创新三阶段特征及其演变[J].数量经济技术经济研究,2015,32(7):104-116.

[15] 肖仁桥,钱丽,陈忠卫.中国高技术产业创新效率及其影响因素研究[J].管理科学,2012,25(5):85-98.

[16] GORODNICHENKO Y,SVEJNAR J,TERRELL K.Do foreign investment and trade spur innovation[J].European Economic Review, 2020,121:103343.

[17] 蔡翔,赵娟.大学—企业—政府协同创新效率及其影响因素研究[J].软科学,2019,33(2):56-60.

[18] 王小鲁.中国城市化路径与城市规模的经济学分析[J].经济研究,2010,45(10):20-32.

[19] 崔蓉,费锦华,孙亚男.中国省际绿色创新生产率的变动及其空间溢出效应研究[J].宏观经济研究,2019，41(6):132-145.

[20] 支燕,白雪洁.我国高技术产业创新绩效提升路径研究:自主创新还是技术外取[J].南开经济研究,2012，28(5):51-64.

[21] 段晶晶.产学研协同创新绩效提升路径研究:一个理论分析框架[J].内蒙古社会科学(汉文版),2014,35(2):119-123.

[22] GARCA LVAREZ-COQUE J M,MAS-VERD F,ROIG-TIERNO N.Technological innovation versus non-technological innovation:different conditions in different regional contexts[J].Quality & Quantity,2017,51(5):1955-1967.

[23] 陈寒松,牟筱笛,贾竣云.创业企业何以提高创新绩效:基于创业学习与商业模式创新协同联动视角的QCA方法[J].科技进步与对策,2020,37(6):19-26.

[24] 张辉,苏昕.网络嵌入、动态能力与企业创新绩效——模糊集定性比较分析[J].科技进步与对策, 2020,37(6): 1-9.

[25] MEYER A D,TSUI A S,HININGS C R.Configurational approaches to organizational analysis[J].Academy of Management Journal,1993,36(6):1175-1195.

[26] RAGIN C C.Fuzzy-eet social science[M].Chicago：University of Chicago Press,2000.

[27] 池毛毛,赵晶,李延晖,等.企业平台双元性的实现构型研究:一项模糊集的定性比较分析[J].南开管理评论,2017,20(3):65-76.

[28] 杜运周,贾良定.组态视角与定性比较分析(QCA):管理学研究的一条新道路[J].管理世界,2017，33(6):155-167.

[29] RAGIN C C.The comparative method[M].California:University of California Press,2014.

[30] 白俊红.企业规模、市场结构与创新效率:来自高技术产业的经验证据[J].中国经济问题,2011，53(5):65-78.

[31] 刘杨,王海芸.政府科技投入与企业技术创新效率的耦合协调度:以北京市为例[J].技术经济,2016,35(10):66-71.

[32] RAGIN C C.Redesigning social inquiry: fuzzy sets and beyond [M].Chicago：University of Chicago Press, 2008.

[33] SCHNEIDER C Q,WAGEMANN C.Set-theoretic methods for the social sciences[M].Cambridge:Cambridge University Press,2012.

[34] FISS P C.Building better causal theories:a fuzzy set approach to typologies in organization research[J].Academy of Management Journal,2011,54(2):393-420.

[35] 胡艳,汪徐.长江经济带产业结构优化对区域创新绩效的影响差异分析[J].科技管理研究,2019,39(14):86-93.

[36] PORTER M E.The competitive advantage of nations[M].New York：Free Press, 1990.

[37] KROGSLUND C,CHOI D D,POERTNER M.Fuzzy sets on shaky ground:parameter sensitivity and confirmation bias in fsQCA[J].Political Analysis,2015,23(1):21-41.

[38] KIM M.Many roads lead to Rome:implications of geographic scope as a source of isolating mechanisms[J].Journal of International Business Studies,2013,44(9):898-921.

[39] 张明,杜运周.组织与管理研究中QCA方法的应用:定位、策略和方向[J].管理学报,2019,16(9):1312-1323.

(责任编辑：张 悦)