随着创新活动复杂性的增加,传统技术创新体制的作用日益衰减,已经无法满足当下技术创新的多元化需求。一方面,传统技术创新体制难以引导、调动社会创新资源从事基础科学研究和高端共性技术创新;另一方面,传统技术创新体制利用公共创新资源的效率不高,导致资源浪费、经济效率低下和社会福利损失[1],尤其是大量技术创新成果缺乏市场导向,未能充分体现经济效益和社会效益。
如何有效组织公共创新资源和社会创新资源实现高效协同创新,一直是理论和实践关注的焦点。大量研究表明:以企业为代表的社会组织与政府、大学和公立科研机构等公共部门合作进行技术创新,在微观上可以提升企业创新能力[2],促使技术创新成果在更大范围内推广与应用[3];在宏观上能够使创新资源和生产要素得到优化配置,完善国家创新体系。随着公共部门和社会组织合作技术创新实践的深入,20世纪90年代,一些发达国家公共部门和社会组织之间形成一种紧密的合作关系网络——公私合作技术创新网络(Public-Private Technological Innovation Networks,PPTIN)[4]。由于PPTIN具有优化技术创新政策环境、提高技术创新效率、促进技术创新成果产业化等优势,在发达国家实践中取得了良好的经济效益和社会效益[5-6]。如美国通过实施国家制造业创新网络计划实现制造业复兴,并促进经济增长。
中国自2012年实施创新驱动发展战略以来,公共部门和社会组织展开广泛的技术合作,催生了一批PPTIN。然而,相比于合作主体各方巨大的投入,中国PPTIN发展良莠不齐、收效甚微。因此,探讨PPTIN创新绩效影响因素,对于推进中国PPTIN建设、提高全社会技术创新效率、增强国家技术创新能力具有重要意义。
Djellal &Gallouj[7]率先提出PPTIN的概念,将其定义为公共部门和社会组织为提供某种创新性技术、产品或服务,彼此之间形成紧密的合作关系网络。区别于传统“三螺旋”结构,PPTIN的最大特征在于公共部门在其中扮演着更加复杂的角色,包括基于国家需求提供全部或部分资金引导社会组织技术创新方向,凭借复杂知识和信息优势为社会组织提供技术创新资源,运用组织和制度能力在参与合作创新的各方中发挥协调冲突、关系治理、完善机制的作用等[8]。
尽管PPTIN在减轻政府技术创新投资负担和风险、增加技术创新项目资本金数量、提高技术创新投入回报、提供更高水平的创新产品和服务等方面发挥着多元作用,但作为以技术创新为根本目标的合作网络,PPTIN所产生的利益仍然以创新绩效为核心,即公共部门和社会组织通过PPTIN获得的技术创新网络剩余通常以知识财产及研发项目商业化利润增量衡量(张志娟等,2016)。
现有研究从PPTIN创新绩效影响因素出发,对如何提升PPTIN创新绩效进行了大量研究,主要探讨技术创新要素投入、公私合作伙伴关系特征[9]、合作组织间互动[10]等,缺乏系统性研究,且大部分结论集中于政府和企业两个异质性合作主体层面,对组织间合作层面和创新环境层面影响因素的探讨较少。此外,既有研究并未得出一致结论。例如,Morrar[11]指出,企业技术资源对PPTIN创新效率和传播效率具有显著积极影响;但Brogaard[12]指出,企业技术资源与创新需求不匹配,最终可能阻碍PPTIN取得创新成果。另外,现有研究在样本类型[13]、数据来源[10,14]、绩效测度指标[15-16]等方面存在差异,因而限制了研究结果的准确性,形成不一致结论[17]。因此,对PPTIN创新绩效影响因素进行系统梳理和验证,可以为提升PPTIN创新绩效提供依据。
(1)企业R&D投入。国内外众多学者围绕企业R&D投入与PPTIN创新绩效关系展开了实证研究,但结论并不一致。大部分研究认为,企业R&D投入与PPTIN创新绩效显著正相关,且企业R&D投入越多,PPTIN创新绩效也越高[18]。但也有部分学者指出企业R&D投入并非总是有效,如增加研发人员投入可能对创新绩效产生负面影响[19]。本文认为,企业R&D投入与PPTIN创新绩效可视为投入—产出关系,企业R&D投入不仅能够提高PPTIN中技术创新主体的研发能力,而且能够充分体现企业和国家利益的一致性,进一步吸引政府持续投资,促进PPTIN的形成和壮大[20]。与此同时,较高研发支出水平有利于网络知识溢出,进而提升PPTIN创新绩效[21],而PPTIN创新成果转化需要企业投入大量资金[22]。据此,本文提出如下假设:
H1:企业R&D投入对PPTIN创新绩效具有显著正向影响。
(2)企业技术创新能力。尽管有学者指出PPTIN创新绩效更多取决于技术与创新需求的适配关系而非个别企业的技术创新能力[12],但大量实证研究依然证明,技术创新能力强的企业发展潜力大,技术溢出取得的社会效益也大,且更容易受政府青睐[23],有利于形成更具竞争力的PPTIN。即使在已经形成的PPTIN中,技术创新能力强的企业也能够更加高效地获取高校、科研机构等公共部门复杂的知识和技术能力[11],为技术创新合作提供保障。本文认为,技术创新能力在本质上是企业知识存量的总和,而知识是PPTIN的关键资源,PPTIN创新活动就是利用已有知识生产更新的知识[24]。企业技术创新能力越强,获取外部知识的能力就越强,也就越能够有效提高PPTIN创新绩效。据此,本文提出如下假设:
H2:企业技术创新能力对PPTIN创新绩效具有显著正向影响。
(3)企业市场能力。Drucker将营销和创新视为商业企业应具备的两种能力的观点被理论界广泛接受,PPTIN相关研究也不例外,部分学者认为,在大多数政府只重视研发过程而忽视成果转化的PPTIN中,企业市场能力对创新绩效的影响不显著[25]。然而,随着PPTIN发展成熟,企业市场能力对PPTIN创新绩效的积极影响不断得以证实。Dutta等[26]指出,营销决定技术创新方向,企业市场能力与技术创新能力的交互作用是影响创新绩效的重要因素。本文认为,企业技术创新能力对PPTIN创新绩效的积极影响体现在效益和效率两个方面。首先,突出的市场能力可以帮助企业识别客户需求并开发新市场机会,推动创新成果商业化[22],为PPTIN带来创新效益;其次,市场资源与技术资源整合可以大大提高技术创新效率、降低技术创新风险[27]。据此,本文提出如下假设:
H3:企业市场能力对PPTIN创新绩效具有显著正向影响。
(4)企业所有权性质。产权性质与企业效率的关系一直是国内学者研究热点。不同企业由于资源基础、治理结构和社会资本不同,企业在PPTIN中呈现出差异化技术创新行为方式[28],导致创新绩效也不同。随着创新经济的发展和国企改革的深化,不同研究样本、数据期间和估计方法实证研究得出国有产权促进说的结论[29]。本文基于资源依赖理论,认为国有企业在市场地位及关键研发资源和信息获取等方面具有更多优势[30],可为PPTIN提供内部化资源和组织网络,有助于降低PPTIN技术创新风险。即便民营企业劳动生产率更高,但技术创新所需大部分资源仍为国有企业所有,且由于管理体制、组织文化氛围相似[31],PPTIN中国有企业与政府的合作冲突较少。据此,本文提出如下假设:
H4:企业所有权性质对PPTIN创新绩效具有显著正向影响。
(1)政府投资。政府投资作为各国政府常用的用于引导企业行为以解决技术创新市场失灵的行政手段,其对于PPTIN创新绩效存在3种“叠加效应”:一是“普适型”叠加效应,即有更多企业参与到PPTIN中;二是“改进型”叠加效应,即PPTIN中企业创新质量和对社会的贡献度有所提高;三是“创新型”叠加效应,即企业进行突破性创新的比例和质量有所提高[32]。本文从资源基础理论出发,认为首先政府投资可为PPTIN提供特定的冗余资源,提高PPTIN风险承受能力,激励企业技术创新行为[33];其次,政府投资作为一种制度合法性象征,向PPTIN外部利益相关者传递出更加积极的信号,有利于吸引更多技术创新资源[34];最后,政府投资在一定程度上对PPTIN参与主体形成创新压力,督促其改善技术创新绩效[25]。据此,本文提出如下假设:
H5:政府投资对PPTIN创新绩效具有显著正向影响。
(2)政策支持。尽管自由主义学者强烈抨击政府运用政策工具直接对技术创新行为进行干预,认为其会限制或破坏市场公平竞争性[35],但大量研究表明脱离政府支持和干预的技术创新只是一种理想状态。Corredoira等[36]指出,公共政策对PPTIN创新绩效的影响途径包括协调冲突、促进合作和优化环境等。本文认为创新支持政策对PPTIN创新绩效的影响既有直接作用又有间接作用。一方面,政策支持直接影响PPTIN创新资源投入,政府通过税收减免和其它引导性政策刺激创新主体加大投入[34],形成技术创新资源优势;另一方面,政府利用政策工具发挥其在PPTIN中的组织和制度能力,调控网络成员的创新行为和合作关系[36],保证PPTIN创新目标的实现。据此,本文提出如下假设:
H6:政策支持对PPTIN创新绩效具有显著正向影响。
(1)组织间合作紧密度。Granovetter[37]基于组织间合作关系紧密度将创新网络关系分为强关系和弱关系两种,并提出弱关系具有减少关系维持成本和促进新创意获取的独特优势,进而引发了众多学者对于组织间合作紧密度与创新网络绩效关系的讨论。Dyer等[38]认为,基于高度承诺和长期良好合作的强关系有利于创新网络资源共享和技术创新效率提升;Brogaard[12]的研究同样表明强关系为PPTIN知识转移和创新绩效提升提供了便利。本文结合PPTIN合作主体异质性特征,认为由于异质性合作主体创新动机和利益目标不同,所以保持组织间强有力的合作是PPTIN实现创新绩效的关键。组织间频繁互动可以增强信任[39],而信任又能促进异质合作主体间资源、知识和能力流动与融合,实现网络剩余。据此,本文提出如下假设:
H7:组织间合作紧密度对PPTIN创新绩效具有显著正向影响。
(2)组织间知识转移强度。PPTIN中的技术创新活动涵盖知识转移全过程,创新主体从外部搜索到具有潜在价值的异质性知识后,需要与原有知识库进行融合形成创新知识,这样才能对创新绩效发挥促进作用[40]。有研究指出,知识转移加速PPTIN知识的多样性,促进创新主体技术更新,进而提高创新绩效。上述研究说明,组织间知识转移强度对PPTIN创新绩效具有显著促进作用,组织间高强度知识转移可以帮助创新主体建立异质性专业知识,降低PPTIN获取隐性知识的成本,实现异质主体协同创新[41]。同时,知识在PPTIN创新主体组织间有效转移能够强化创新主体的创新动机,形成知识生态创新的良性循环[40]。据此,本文提出如下假设:
H8:组织间知识转移强度对PPTIN创新绩效具有显著正向影响。
(1)外部投资强度。国内外众多学者从不同角度证明金融市场与技术创新存在着密切关系。较为普遍的观点认为流动性较强的外部投资会诱发技术创新,多元化投资渠道组合有利于分散技术创新投资风险[42]。一些基于国外市场的研究指出外部投资缺陷会阻碍PPTIN创新增长,因而需要公共政策的干预[4]。而中国金融市场因存在制度性缺陷,市场结构、金融工具单一,资源配置效率较低[43],难以满足PPTIN创新融资需求。随着近年来科技金融和金融中介的长足发展,外部投资在技术创新领域中发挥的作用越来越大,尤其是社会资本的积极投入显著提高了PPTIN创新投入。相比传统以银行信贷资金为主的融资渠道,股权投资者更关注创新主体成长性,对有形资产的要求较低,因此更愿意为创新项目提供资金支持,以弥补创新主体资金投入不足[16],保障PPTIN创新绩效的实现。据此,本文提出如下假设:
H9:外部投资强度对PPTIN创新绩效具有显著正向影响。
(2)区域经济发展。系统理论认为创新系统创新绩效与区域创新环境密切相关。区域经济发展水平越高,政府越愿意为PPTIN提供更多资源支持[44]。本文综合近年来区域创新系统研究的主流观点,认为健康发展的区域经济有利于形成良好的区域创新环境[45],区域内良好的基础设施和信息网络能够降低PPTIN技术创新资源和信息交易成本,劳动力素质高可以为PPTIN提供丰富的创新人才资源,繁荣的市场可以为PPTIN带来旺盛的市场需求,良好的创新文化和传统可以形成有利于PPTIN发展的社会氛围。据此,本文提出如下假设:
H10:区域经济发展对PPTIN创新绩效具有显著正向影响。
(3)技术服务市场。现有研究从战略性视角和经济学视角解释了技术中介对PPTIN的积极意义。战略性视角强调,技术服务市场是PPTIN获取特定资源、尤其是互补性资源和支持性服务的关键途径[5]。同时,技术服务市场还是不同PPTIN的重要连接点,对于知识溢出至关重要[46]。经济学视角则认为技术服务市场的存在起到直接减少搜寻和交易费用的作用[35]。本文综合上述两大观点,认为技术服务市场对PPTIN创新绩效的积极作用体现在以下4个方面:一是直接帮助创新主体选择技术创新合作伙伴[3];二是加速创新成果转化和创新技术传播[6];三是连接不同的PPTIN,形成更广泛的合作网络[11];四是限制政府在PPTIN中非效率管理的负面影响[23]。据此,本文提出如下假设:
H11:技术服务市场对PPTIN创新绩效具有显著正向影响。
(4)技术法制体系。补偿激励理论认为,技术法制体系通过给予PPTIN创新主体一定权利和补偿,激励产权主体进行技术创新[47]。本文认为技术法制体系为PPTIN的组建与开展提供保护性框架,强有力的法制体系能够增加合作稳定性,阻止机会主义行为[47]。此外,完善的法律制度可以有效解决组织间存在的利益冲突、知识产权纠纷等问题[36],保障各方主体权益。据此,本文提出如下假设:
H12:技术法制体系对PPTIN创新绩效具有显著正向影响。
如前所述,现有学者对PPTIN创新绩效影响因素的探讨并不一致,这些不一致很大程度是由于相异研究方法所致[17]。通过对原始数据进行分析发现,现有研究主要在样本类型、数据来源、绩效测度指标方面存在显著差异,这可能是导致研究结果不一致的重要原因。为验证上述假设,本文采用亚组分析比较法检验样本类型、数据来源和绩效测度指标对研究结果的影响。
(1)样本类型。通过对文本内容进行分析发现,现有研究涉及新能源行业、受到高度监管的高污染行业、需要环保验证的可再生资源行业等PPTIN样本,这些行业开展技术创新活动大多与低碳环保、治污技术改造、绿色产品创新有关,因此本文将该类样本归为绿色创新样本,其它样本归为传统创新样本。
(2)数据来源。针对现有研究中数据来源主要集中于问卷调查和统计数据,本文将通过问卷调查直接收集的数据归类为原始数据样本,将通过统计年鉴和官方年报收集的数据归类为二手数据样本。
(3)绩效测度指标。现有研究对PPTIN创新绩效的测度存在差异,主要体现在专利授权、新产品销售收入和企业利润等方面,本文将以专利授权数量等技术产出为绩效测度依据的数据归为技术绩效样本,将以新产品销售收入、企业利润等财务收益为绩效测度依据的数据归为财务绩效样本。
通过查找现有PPTIN相关文献,总结搜索PPTIN创新绩效相关实证研究所需关键词和来源数据库。由于国内关于PPTIN的研究较少,且主要为理论研究,因此本文文献检索以英文文献为主。以Public-Private、government support、government subsidy、government investment &technological innovation、technology innovation、technical innovation、cooperation innovation、cooperative innovation、innovation cooperation等为关键词,在EBSCO-Academic Search Premier、Web of Science、Emerald、Taylor &Francis、Elsevier Science Direct、Google scholar等数据库获得元分析文献,满足Harari等[48]提出的确保能够检索到研究领域5~7个综合性和代表性数据库的要求。从CSSCI中以公私合作、政产学研、政府支持、政府投资并包含技术创新、合作创新等为关键词进行搜索获得中文文献。此外,搜索已识别的PPTIN相关文献、述评性文章中的参考文献,并手动搜索技术创新领域期刊相关文献及创新领域高被引文献,满足元分析中确保文献检索全面覆盖的3种常见的文献检索方式。
为得到元分析所用样本,对初步检索得到的样本文献进行筛选。首先,剔除非实证研究文献;其次,剔除不满足本文研究主题的文献,即研究主题必须与PPTIN相关;再次,剔除数据资料不完整的文献,即需报告样本量与相关系数或样本量及t值、回归系数等可转化指标;最后,核对样本,将同一样本出现在多个研究中的文献视为同一项独立研究。按照这一筛选原则与标准,最终共得到61篇有效文献。其中,中文文献8篇、英文文献53篇,有3篇文献包含多个独立样本,而元分析过程中效应值的产生正是以独立样本为编码单位,最终获得64个研究样本。
本文采用元分析法主要基于以下3方面考虑:①元分析可以整合多项研究成果,有效降低甚至排除单一研究结果存在的测量误差和抽样误差,提高研究结论效度[48];②运用元分析不仅能够评价现有研究结果之间的不一致,得出对该问题更加全面的科学认识,而且能够找出不同研究条件对研究关系的影响[39];③围绕PPTIN创新绩效的不同定义,国内外学者已经识别出众多影响因素,基于大量研究成果的定量回顾和综合分析,有助于PPTIN创新绩效理论建构和发展。因此,本文提取每项研究的统计量,采用Comprehensive Meta-analysis 3.0(CMA 3.0)软件进行数据处理。
(1)数据编码。首先,从文献实质性、量化研究方法步骤、文献来源3个方面进行文献编码,提取文献关键信息,如样本来源、样本量、零阶相关系数、变量测度指标、文献来源、研究结论等;其次,与领域内专家讨论与复核,对存在争议的信息进行回溯,最终获得一致意见和编码信息。
(2)效应值提取与计算。首先,提取文献报告的相关系数、方向及样本量,对未报告相关系数的文献,将t值[49]、回归系数[50]等可转换指标换算成相关系数;其次,采用Fisher'r-Z转换值方法,将相关系数转换为Fisher' Z分数;再次,将标准差转化为标准误,并将标准误平方的倒数作为权重对Fisher' Z分数加权平均;最后,通过逆Fisher'r-Z转换公式,得到最终效应值,以此作为后续研究的数据源。
(3)出版偏倚分析和异质性检验。为避免出现出版偏倚问题,本文采用“95%显著性水平上的失安全数(Nfs,0.05=(∑Z/1.645)2-k)”(k为研究数)估计需要多少不显著结果的样本可使研究结果逆转,将失安全数的临界值设为Nfs,0.05>(5k+10),满足该条件说明研究结果具有较高可信度和稳定性。为选择合适的分析模型,本文运用Q值和I2对样本结果进行异质性检验。其中,Q值反映效应值之间的差异程度,Q>k-1表明存在异质性;I2反映异质性部分在效应值总变异中所占的比重,I2>50%表明存在较大的异质性。异质性显著说明适合采用随机效应模型,反之则适合采用固定效应模型 [51]。
(4)效应值合成。采用Hunter &Schmidt [47]提供的效应值合成公式对效应值进行合成。
(1)
∑rxiyi代表X变量与Y变量间相关系数的总和,代表X变量因素间的平均相关系数,代表Y变量因素间的平均相关系数,n代表X变量因素的个数,m代表Y变量因素的个数。通过该公式计算出每个研究的效应值r。
(5)亚组分析。由于样本文献研究结果不一致,因此根据研究方法差异对样本文献进行亚组分析,以确定样本类型、数据来源和绩效测度指标对研究结果的影响。
根据元分析基本程序,本文进行出版偏倚分析和异质性检验,结果见表1。从中可见,企业所有权性质、技术服务市场和技术法制体系3个自变量的失安全系数小于临界值,表明上述3个自变量与因变量研究的出版偏倚超出可接受范围,故不再对这3个因素进行讨论。异质性Q值和I2结果显示,所有影响因素均满足Q>k-1且I2均远高于临界值50%,说明效应值均存在异质性。因此,随机效应模型可以提供更准确的真实效应值。
表1 异质性检验与出版偏倚分析结果
影响因素 研究数(K)总样本(N)异质性检验Q值p值I2出版偏倚失安全数企业主体层面企业R&D投入1016494642.0950.00098.4432057企业技术创新能力82531206.9820.00096.135910企业市场能力310848.1760.01775.537185企业所有权性质41508021.3990.00367.2880政府主体层面政府投资401124404792.2250.00098.8529460政策支持65973161.6200.00095.6691410组织间合作层面组织间合作紧密度84872146.5210.00093.175184组织间知识转移强度33856169.7100.00095.875528创新环境层面外部投资强度3458641.1410.00095.139218区域经济发展3271713.9160.00185.62852技术服务市场4134011.3090.01073.47313技术法制体系53757106.1010.00094.34528
本文采用元分析效应值r解释变量间关系强度,结果如表2所示。根据一般经验法则,效应值小于0.1说明变量间关系强度较小,效应值介于0.1~0.3之间说明关系强度为中等,效应值介于0.3~0.5说明关系强度较大。结果表明,在企业主体层面,企业R&D投入(r=0.271)、企业技术创新能力(r=0.387)、企业市场能力(r=0.458)与PPTIN创新绩效存在显著正向关系(P<0.01),假设H1、H2、H3均得到验证。在政府主体层面,政府投资(r=0.249)、政策支持(r=0.372)与PPTIN创新绩效存在显著正向关系(P<0.01),假设H5、H6均得到验证。在组织间合作层面,组织间合作紧密度(r=0.174)、组织间知识转移强度(r=0.316)与PPTIN创新绩效存在显著正向关系(P<0.01),假设H7、H8均得到验证。在创新环境层面,外部投资强度(r=0.239)、区域经济发展(r=0.151)与PPTIN创新绩效存在显著正向关系(P<0.01;P<0.05),假设H9、H10得到验证。
表2 效应值分析结果
影响因素 模型KN效应值(r)95%CI下限上限Z值P值企业主体层面企业R&D投入随机101124400.2710.1180.4113.4290.001企业技术创新能力随机859730.3870.2110.5394.1170.000企业市场能力随机348720.4580.3460.5587.2340.000政府主体层面政府投资随机4038560.2490.2000.2969.7030.000政策支持随机645860.3720.2500.4815.6810.000组织间合作层面组织间合作紧密度随机827170.1740.0430.2992.5980.009组织间知识转移强度随机31124400.3160.1550.4603.7480.000创新环境层面外部投资强度随机359730.2390.0990.3713.2960.001区域经济发展随机348720.1510.0280.2682.4110.016
结合效应值大小,本文进一步发现企业技术创新能力、企业市场能力、政府政策支持、组织间知识转移强度与PPTIN创新绩效存在较强的正向关系(r=0.387;0.458;0.372;0.316);企业R&D投入、政府投资、组织间合作紧密度、外部投资强度、区域经济发展与PPTIN创新绩效存在中等强度的正向关系(r=0.271;0.249;0.174;0.239;0.151)。通过上述结果可以发现,作为合作技术创新网络的一种表现形式,PPTIN与一般形式的合作技术创新网络既有联系也有区别,其创新绩效影响因素呈现如下特点:
(1)企业R&D投入、企业技术创新能力和企业市场能力对PPTIN创新绩效具有显著正向影响。①企业加大R&D投入,充分调动、发挥自身技术创新能力和市场能力,可以为PPTIN提供坚实的资源基础和能力保障;②企业R&D投入强度越大,越有利于网络成员目标一致,避免合作过程中出现搭便车行为,提高公共创新资源投入效率;③企业技术创新能力越强,PPTIN创新效率越高;④相比一般的合作技术创新网络,PPTIN对企业市场能力的要求更高。这是因为,虽然公共部门参与有助于推动技术创新成果在更大范围内推广与应用,但只有市场能力强的企业才能够保障创新成果成功转化,兑现这一网络剩余,为PPTIN带来更多利润增量。
(2)政府投资和政策支持均能够显著提升PPTIN创新绩效。一方面,政府可通过直接投资驱动PPTIN组建;另一方面,政府也可以利用多种政策手段,如缺口补助、创新补贴或资源补偿等保障PPTIN技术创新活动得以持续。为克服传统“三螺旋”模型中政府、企业和科研机构之间相互牵制对技术创新效率的影响[40],PPTIN公共部门扮演着更加复杂的角色,其不仅是技术创新的资源支持者,更是技术创新的直接参与者。相比于简单地为技术创新投入要素资源,高水平地为PPTIN量身制定有利于技术创新和成果转化的政策,减少异质性主体间相互牵制,提升技术创新效率更加重要。
(3)组织间合作紧密度和组织间知识转移强度对PPTIN创新绩效具有显著正向影响。同其它形式的合作技术创新网络一样,PPTIN同样需要避免合作冲突给技术创新带来的不确定性,减少合作过程中的沟通成本和交易费用。然而,在PPTIN中,由于公共部门权力能够很好地发挥协调冲突、关系治理和完善机制的作用,因此治理重心应是破除组织间知识转移壁垒。
(4)良好的创新环境是PPTIN取得创新绩效不可或缺的外部条件。虽然本文结果显示外部投资强度和区域经济发展对PPTIN创新绩效的作用相对有限,但不可否认其积极作用。尤其是PPP模式在技术创新领域的应用实践,PPTIN鼓励风险资本和银行资本、社会基金等社会资本积极参与技术创新,成倍扩大社会技术创新投入,能够合理分散技术创新尤其是关键核心技术和复杂技术创新高风险,充分发挥市场引擎在技术创新中的巨大作用。
本文采用亚组分析比较法对样本类型、数据来源和绩效测度指标进行检验,结果如表3~表5所示。为保证研究结果的解释效力,本文仅对文献数不少于4篇的相关研究进行亚组分析。表3为样本类型亚组分析结果,从中可见,企业R&D投入、企业技术创新能力与PPTIN创新绩效的关系受样本类型的影响(组间异质性P<0.05;P<0.01)。在传统创新样本中,企业R&D投入(r=0.339)和企业技术创新能力(r=0.464)对PPTIN创新绩效具有显著正向影响(P<0.01),而在绿色创新样本中,这一影响很小且关系不显著(P>0.1)。
表3 样本类型亚组分析结果
影响因素样本类型Q值Df(Q)P值K效应值下限上限Z值P值企业R&D投入绿色创新4.94610.02630.084-0.0530.2181.2060.228传统创新80.3390.1580.4993.5740.000企业技术创新能力绿色创新12.30710.00020.076-0.0200.1711.5470.122传统创新70.4640.2770.6174.5230.000政府投资绿色创新0.38010.537120.2220.1260.3144.4750.000传统创新440.2560.2000.3108.7210.000政策支持绿色创新0.00011.00030.3720.2390.4915.2300.000传统创新50.3720.1120.5842.7550.006
表4为数据来源亚组分析结果,可以看出,数据来源对企业技术创新能力、政策支持、组织间合作紧密度、组织间知识转移强度与PPTIN创新绩效的关系具有显著影响(组间异质性P<0.01),对其它因素与PPTIN创新绩效的影响关系不显著。在使用问卷调查进行数据收集的研究中,企业技术创新能力(r=0.555)、政策支持(r=0.448)、组织间合作紧密度(r=0.340)和组织间知识转移强度(r=0.350)对PPTIN创新绩效的影响显著,而其它因素的影响效应则不显著。
表4 数据来源亚组分析结果
影响因素 数据来源Q值Df(Q)P值K效应值下限上限Z值P值企业技术创新能力原始数据73.88510.00030.5550.2330.7683.1540.002二手数据60.2880.1200.4413.2980.001政府投资原始数据0.63110.42760.2070.1020.3083.8070.000二手数据500.2540.2010.3059.1670.000政策支持原始数据18.58910.00060.4480.3180.5626.1550.000二手数据20.1110.0410.1793.1010.002组织间合作紧密度原始数据11.19710.00160.3400.1530.5043.4620.001二手数据5-0.023-0.1160.070-0.4920.623组织间知识转移强度原始数据12.57210.00070.3500.2060.4794.5750.000二手数据10.0760.0420.1094.3760.000
表5为绩效测度指标亚组分析结果,其中企业R&D投入、企业技术创新能力与PPTIN创新绩效的关系受绩效测度指标的影响(组间异质性P<0.01)。当以财务指标测度PPTIN创新绩效时,企业R&D投入对PPTIN创新绩效具有显著正向影响(r=0.356,P<0.01),而以技术指标测度PPTIN创新绩效时,这一关系并不显著(P>0.1)。以财务指标测度PPTIN创新绩效时,企业技术创新能力对PPTIN创新绩效的正向影响较小且显著性水平不高(r=0.307,P>0.05),而以技术指标测度PPTIN创新绩效时,企业技术创新能力对PPTIN创新绩效具有更加显著的正向影响(r=0.474,P<0.01)。相比之下,其它影响因素与PPTIN创新绩效的关系未受绩效测度指标的影响。
表5 绩效测度指标亚组分析结果
影响因素 绩效测度Q值Df(Q)P值K效应值下限上限Z值P值企业R&D投入财务指标80.47810.00060.3560.1430.5373.1960.001技术指标50.173-0.0190.4381.1630.245企业技术创新能力财务指标11.85010.00150.307-0.0080.5671.9130.056技术指标40.4740.3300.5965.8530.000政府投资财务指标1.70610.191170.2010.1440.2566.8330.000技术指标390.2650.1850.3426.2960.000政策支持财务指标0.16810.68240.3440.1500.5133.3810.001技术指标40.3990.1960.5693.6980.000组织间合作紧密度财务指标0.26110.61080.195-0.0180.3911.7960.072技术指标30.122-0.0640.3011.2880.198组织间知识转移强度财务指标1.43910.23030.2170.1460.2875.8390.000技术指标50.3720.1230.5772.8640.004
通过上述结果可以发现,现有研究在样本类型、数据来源和绩效测度指标等方面存在的差异是造成PPTIN创新绩效影响因素研究结果不一致的主要原因,主要表现在以下几个方面:
(1)样本类型影响结果。相较于传统创新,现有以绿色创新为样本的研究并未证实企业R&D投入和企业技术创新能力对PPTIN创新绩效的积极作用。这是因为,绿色创新样本PPTIN大多是基于政府环境治理要求组建的,而新古典经济学早已通过大量研究证明环境规制对企业技术创新的抑制作用,从事绿色创新的PPTIN会增加企业污染治理投入,从而挤占R&D投入中真正用于技术创新的资源,导致企业技术创新能力无法得到有效利用,进而阻碍企业R&D投入和企业技术创新能力在提升PPTIN创新绩效方面所发挥的作用。
(2)数据来源影响结果。在原始数据样本研究中,上述因素对PPTIN创新绩效具有较强影响效应,可能是因为这些研究都是基于对现有PPTIN中网络成员的问卷调查数据进行分析,而关于技术创新能力、政策支持、合作紧密度或知识转移强度等要素评价标准的主观性较强,自我认知水平往往高于实际水平,导致研究结果被高估。
(3)绩效测度指标影响结果。其中,相比以技术指标测度创新绩效的研究,企业R&D投入在以财务指标测度创新绩效的研究中显示出更加显著的影响,而企业技术创新能力却完全相反。这可能是由研究数据同源性造成的,即相关研究在选择财务指标评价PPTIN创新绩效时,企业R&D投入和PPTIN创新绩效均采用财务指标,而企业技术创新能力则采用技术指标,因此前二者间的关系更加显著。此外,从短期看,无论PPTIN是否取得预期创新收益,企业都可以通过获得政府或外部投资降低自身技术创新成本,提高财务回报率,从而使企业R&D投入对PPTIN创新绩效产生更加显著的正向影响。
本文运用元分析法对61篇国内外PPTIN创新绩效实证文献进行再分析,从企业主体、政府主体、组织间合作和区域创新环境4个层面,探讨PPTIN创新绩效影响因素,得出以下结论:
(1)企业主体层面,企业R&D投入、企业技术创新能力、企业市场能力,政府主体层面政府投资和政策支持,组织间合作层面,组织间合作紧密度和组织间知识转移强度,以及区域创新环境层面外部投资强度和区域经济发展均对PPTIN创新绩效具有显著正向影响。这也再次证明在创新要素全球流动背景下,开放与合作成为技术创新的主流,而构建更高层次和更高水平的PPTIN需要全社会的共同参与和积极投入。
(2)尽管多个层面多个因素均会对PPTIN创新绩效产生影响,但影响效力不同。其中,企业技术创新能力、企业市场能力、政府政策支持和组织间知识转移强度对PPTIN创新绩效的作用更大。这一结论反映了PPTIN的本质特征,即公共部门和社会组织共同作为技术创新主体在PPTIN中发挥同等重要的作用,企业市场能力是兑现PPTIN成果转移优势的关键因素,而高强度的组织间知识转移是PPTIN取得创新绩效的重要保障。
(3)本文依据现有研究在样本类型、数据来源和绩效测度指标等方面存在的差异进行亚组分析,发现上述差异会对PPTIN影响因素研究结果产生影响,这在一定程度上解释了为何现有研究在诸多观点上出现较大分歧,也再次证明进行规范化、大样本、跨行业实证研究意义重大。
基于上述实证研究结果,本文提出以下管理启示:
(1)PPTIN在发展过程中要尤其重视企业市场能力的重要作用。在PPTIN中,政府和社会资本的积极投入克服了技术创新资源不足的问题,高校、公立科研机构的广泛参与弥补了技术创新能力短板,但走不出实验室的技术不能称之为关键核心技术,也不能保障PPTIN可持续发展。一方面,在组织PPTIN时,除要求企业具备较强的技术创新能力外,还需要选择市场能力强的企业作为合作主体;另一方面,在PPTIN发展过程中,要注意对技术创新进行市场化引导,密切关注市场需求,同时强化企业市场能力培育,提高技术转化成功率。
(2)政府在PPTIN中应发挥更加积极的组织和治理作用。公共部门的直接参与影响PPTIN创新绩效水平。①明确PPTIN组织目标,引导合作主体积极开展一般合作技术创新网络难以进行的基础科学研究和高端共性技术创新工作;②根据PPTIN组织目标和成员特征,有针对性地制定差异化支持政策,避免重复投资、无效投入带来的资源浪费和效率损失;③应充分发挥权力在协调冲突、关系治理和完善机制等方面的作用,增进合作主体间的合作紧密度,积极搭建平台和载体,促进合作主体间知识转移;④重视创新环境建设,尤其是增加PPTIN投资主体,吸引更广泛的社会资本积极参与和投入PPTIN,增加社会创新资本,分散技术创新风险。
本文理论贡献在于:①突破大部分研究囿于政府和企业异质主体层面视角的局限,从企业主体、政府主体、组织间合作和创新环境等多个层面拓展PPTIN创新绩效影响因素视域,更好地还原PPTIN组织和运行实践情境,为PPTIN绩效影响因素研究提供整合框架;②针对既有研究结果的不一致,在更大样本规模基础上对各影响因素的真实效应进行再分析,得到更为准确的研究结果;③检验现有研究样本类型、数据来源与绩效测度指标差异对研究结果的影响,对现有研究结果的不一致进行评价和解释。
本文存在一些不足:①由于目前国内对PPTIN的研究较少,本文收集的文献大多为国外研究,可能与中国情境匹配不够;②关于PPTIN的研究目前仍处于初级阶段,针对创新方向、合同结构、补贴方式等重要因素对PPTIN创新绩效影响的研究较少,限制了研究结论的全面性;③受研究数量限制,本文仅从样本类型、数据来源和绩效测度指标3个方面解释现有研究结果分歧,并未对其它可能产生影响的研究变量作出合理解释。因此,未来需要进一步拓宽研究边界,结合中国PPTIN发展实践情境,综合合作网络内外部双重视角讨论PPTIN创新绩效影响因素问题,以提供更加全面可靠的理论依据。
[1] 赵晶,李林鹏,祝丽敏.产学院合作与企业创新——基于企业博士后工作站的研究[J].中国人民大学学报,2020,34(2):97-113.
[2] 陈关聚,张慧.创新网络中组织异质性、互动强度与合作创新绩效的关系[J].中国科技论坛,2020,36(2):28-35.
[3] 周贵川,罗文雪,何亚惠,等.公私合作技术创新网络中企业创新产出提升路径——基于美国制造业创新网络的模糊集定性比较分析[J].中国科技论坛,2020,36(10):179-188.
[4] GALLEGO J,RUBALCABA L.Patterns of public-private collaboration for innovation in Europe[M]// InGALLOUJ F,RUBALCABA L,WINDRUM P.Public-private innovation networks in services.Cheltenham:Edward Elgar Publishing,2013:139-163.
[5] RYAN P.Patent incentives,technology markets,and public-private biomedical innovation networks in Brazil[J].World Development,2010,38(8):1082-1093.
[6] SARUCHERA F,PHIRI A,CHITAKUNYE P.Enhancing commercialization of technological innovations through public-private-partnerships (PPPs)in Zimbabwe's research institutes[J].Mediterranean Journal of Social Sciences,2014,5(25):176-186.
[7] DJELLAL F,GALLOUJ F.A model for analyzing the innovation dynamic in services:the case of "Assembled" services[J].International Journal of Services Technology and Management,2008,9(3):285-304.
[8] MANLEY K.The systems approach to innovation studies[J].Australasian Journal of Information Systems,2002,9(2):94-102.
[9] CARBONARA N,PELLEGRINO R.The role of public private partnerships in fostering innovation[J].Construction Management and Economics,2020,38(2):140-156.
[10] ZENG S,XIE X,TAM C.Relationship between cooperation networks and innovation performance of SMEs[J].Technovation,2010,30(3):181-194.
[11] MORRAR R.Technological public-private innovation networks:a conceptual framework describing their structure and mechanism of interaction[J].Technology Innovation Management Review,2015,5(8):25-33.
[12] BROGAARD L.Innovative outcomes in public-private innovation partnerships:a systematic review of empirical evidence and current challenges[J].Public Management Review,2021,23(1):135-157.
[13] LIU Z,LI X,PENG X,et al.Green or nongreen innovation?different strategic preferences among subsidized enterprises with different ownership types[J].Journal of Cleaner Production,2020,245:118786.
[14] KAFOUROS M,WANG C,PIPEROPOULOS P,et al.Academic collaborations and firm innovation performance in China:the role of region-specific institutions[J].Research Policy,2015,44(3):803-817.
[15] ZHOU J,LI J,JIAO H,et al.The more funding the better?the moderating role of knowledge stock on the effects of different government-funded research projects on firm innovation in Chinese cultural and creative industries[J].Technovation,2020,92-93:1-13.
[16] KOU M,YANG Y,CHEN K.The impact of external R&D financing on innovation process from a supply-demand perspective[J].Economic Modelling,2020,92:375-387.
[17] HEDGES L V,OLKIN I.Statistical methods for meta-analysis[M].Academic Press,2014.
[18] 曾德明,苏蕊蕊,文金艳.研发投入与企业创新绩效——企业研发团队网络结构调节作用研究[J].科技管理研究,2015,18(1):71-77.
[19] 曹勇,苏凤娇,赵莉.技术创新资源投入与产出绩效的关联性研究——基于电子与通讯设备制造行业的面板数据分析[J].科学学与科学技术管理,2010,12(1):29-35.
[20] 李平,刘利利.政府研发资助、企业研发投入与中国创新效率[J].科研管理,2017,38(1):21-29.
[21] XU E,XU K.A multilevel analysis of the effect of taxation incentives on innovation performance[J].IEEE Transactions on Engineering Management,2013,60(1):137-147.
[22] SONG M,DROGE C,HANVANICH S,et al.Marketing and technology resource complementarity:an analysis of their interaction effect in two environmental contexts [J].Strategic Management Journal,2005,26(3):259-276.
[23] 连红军.中小企业参与PPP模式与技术创新关系的实证研究[J].改革与战略,2011,27(5):155-157.
[24] 梁海山,魏江,万新明.企业技术创新能力体系变迁及其绩效影响机制——海尔开放式创新新范式[J].管理评论,2018,30(7):281-291.
[25] MUNKSGAARD K,EVALD M,CLARKE A,et al.What is in it for me:firms strategizing for public-private innovation[J].IMP Journal,2017,11(1):72-90.
[26] DUTTA S,NARASIMHAN O,SURENDRA R.Success in high-technology markets:is marketing capability critical[J].Marketing Science,1999,18(4):547-568.
[27] ZHANG Y,JIANG W,YAO Q,et al.Do marketing and government R&D subsidy support technological innovation[J].International Journal of Technology,Policy and Management,2015,15(3):213-225.
[28] 吴延兵.不同所有制企业技术创新能力考察[J].产业经济研究,2014,13(2):53-64.
[29] 曾铖,郭兵.产权性质、组织形式与技术创新绩效——来自上海微观企业数据的经验研究[J].科学学与科学技术管理,2014,35(12):128-139.
[30] 贺京同,高林.企业所有权、创新激励政策及其效果研究[J].财经研究,2012,57(3):15-25.
[31] 李春涛,宋敏.中国制造业企业的创新活动:所有制和CEO激励的作用[J].经济研究,2010,55(5):135-137.
[32] 吴剑峰,杨震宁.政府补贴、两权分离与企业技术创新[J].科研管理,2014,35(12):54-61.
[33] NOHRIA A,GULATI R.Is slack good or bad for innovation[J].Academy of Management Journal,1996,39(1):1245-1264.
[34] FELDMAN M,KELLY M.The extant assessment of knowledge spllovers:government R&D policy,economic incentives and private firm behavior[J].Research Policy,2006,35(1):1509-1521.
[35] SMITH G,SOCHOR J,KARLSSON M.Public-private innovation:barriers in the case of mobility as a service in West Sweden[J].Public Management Review,2019,21(1):116-137.
[36] CORREDOIRA R,MCDERMOTT G.Adaptation,bridging and firm upgrading:how non-market institutions and MNCs facilitate knowledge recombination in emerging markets[J].Journal of International Business Studies,2014,45(6):699-722.
[37] GRANOVETTER M.Economic action and social structure:the problem of embeddedness[J].American Journal of Sociology,1985,91(3):481-510.
[38] DYER J,SINGH H.The relational view:cooperative strategy and sources of interorganizational competitive advantage[J].Academy of Management Review,1998,23(4):660-679.
[39] HAMEED M,COUNSELL S.Establishing relationships between innovation characteristics and it innovation adoption in organizations:a meta-analysis approach [J].International Journal of Innovation Management,2014,18(1):1450007.
[40] BROGAARD L.The impact of innovation training on successful outcomes in public-private partnerships[J].Public Management Review,2017,19(8):1184-1205.
[41] HEWITT-DUNDAS N.Resource and capability constraints to innovation in small and large plants[J].Small Business Economics,2006,26(3):257-277.
[42] 王明海,李小静.政府干预、外部投资与企业自主创新——基于信号传递视角的研究[J].上海经济研究,2017,2(1):9-16.
[43] GUO F,ZOU B,ZHANG X,et al.Financial slack and firm performance of SMMEs in China:moderating effects of government subsidies and market-supporting institutions[J].International Journal of Production Economics,2019,223:107530.
[44] MARQUIS C,QIAN C.Corporate social responsibility reporting in China:symbol or substance[J].Organization Science,2014,25(1):127-148.
[45] 马永红.区域创新系统与区域经济发展协调度评价模型构建[J].经济问题探索,2008,5(1):39-41.
[46] NISSEN H,EVALD M,CLARKE A.Knowledge sharing in heterogeneous teams through collaboration and cooperation:exemplified through public-private-innovation partnerships[J].Industrial Marketing Management,2014,43:473-482.
[47] 吴超鹏,唐菂.知识产权保护执法力度、技术创新与企业绩效——来自中国上市公司的证据[J].经济研究,2016,51(11):125-139.
[48] HARARI M,PAROLA H,HARTWELL C,et al.Literature searches in systematic reviews and meta-analyses:a review,evaluation,and recommendations[J].Journal of Vocational Behavior,2020,118:103377.
[49] MARK W L,DAVID B W.Practical Meta-analysis[M].Thousand Oaks,CA:Sage Publications,2001.
[50] PETERSON R A,BROWN S P.On the use of beta coefficients in Meta-analysis[J].Journal of Applied Psychology,2005,90(1):175-181.
[51] EREZ A,BLOOM M C,WELLS M T.Using random rather than fixed effects models in meta-analysis:implications for situational specificity and validity generalization[J].Personnel Psychology,1996,49(2):275-306.