Impact of Institutions and Cooperative Environment on the Open Innovation Path of Enterprises: A Fuzzy-set Qualitative Comparative Analysis Based on 26 Chinese and American Enterprises

Ma Xiaofei，Du Zhongwen

(School of Economics and Management，Beijing University of Posts and Telecommunications，Beijing 100876，China )

Abstract：At present, due to the impact of COVID-19, enterprises are facing a more complex and changeable innovation environment, and the risk of open innovation is greatly increased. At the same time, dual-cycle development pattern also provides opportunities for enterprises to reconstruct the path of open innovation. In this context, it is critical to choose the appropriate open innovation path to adapt to the new changes in the external environment, and then improve the open innovation performance.Open innovation in the United States started earlier, but there is still a lack of comparative research on the open innovation paths of Chinese and American enterprises. Therefore, this paper makes a comparative analysis on the open innovation paths of Chinese and American enterprises, which can provide certain reference significance for Chinese enterprises. The existing open innovation research mostly focuses on the impact of internal factors of enterprises on their open innovation performance, leaving the impact of external environmental factors of enterprises and the influence of different combinations of factors untapped. In fact, the success of open innovation of enterprises is the complex result of the combined action of various factors. Therefore, from the perspective of configuration, this paper makes an in-depth study on the synergistic effects of various external environmental factors in the process of open innovation.

The institutional logic theory and social network theory believe that the behavior of enterprises will be affected by the complex institutional environment and cooperative network, and the key innovation resources needed by enterprises for open innovation widely exist in them. Thus, it is necessary to study what kind of institutional environment elements and cooperation environment can constitute the path of high open innovation performance of enterprises. On the basis of these two theories, this study constructs a framework for studying enterprise open innovation performance from six aspects, including government subsidies, intellectual property protection, foreign direct investment, outward foreign direct investment, cooperation depth and cooperation breadth. Meanwhile, the fuzzy set qualitative comparative analysis method(fsQCA) is used to explore the synergistic mechanism of multiple factors in the complex institutional environment. Thus, this study selects 26 typical enterprises from the Internet and manufacturing industries of China and the United States, then adopts the fuzzy set method to analyze their different paths to achieve high open innovation performance.

Research results show that the open innovation behavior of enterprises is the result of the joint action of multiple factors, and there is no single core condition that can directly contributes to high open innovation performance of enterprises. The core conditions for achieving high open innovation performance are intellectual property protection and cooperation breadth. For both Chinese and American enterprises, there are different conditional paths to obtain high open innovation performance. What these paths have in common are that they have multiple ways to obtain key external innovation resources and all have the core conditions for open innovation performance. On the contrary, the core conditions of those non-high open innovation performance paths are all in a state of absence, and the paths to obtain external innovation resources are also insufficient. These findings indicate that there are multiple ways for enterprises to achieve high open innovation performance. They can choose the open innovation path suitable for their own development according to the actual situation of external environment. By comparing the performance paths of high open innovation between China and the United States, it is found that Chinese enterprises mainly rely on foreign direct investment or outward foreign direct investment to acquire external innovation resources. However, in the long run, this is not conducive to the sustainability of China's open innovation, and weakens China's independent innovation ability.

The contributions of this paper are as follows. Firstly, from the perspective of institutional environment and cooperative environment, this paper studies the influence of the external environment of enterprises on their open innovation performance, and proposes that the synergistic effect of various external environments is more conducive to the enterprises to obtain higher open innovation performance. Secondly, this paper uses QCA fuzzy-set analysis method to reveal the relationship between the external environment factors and enterprise open innovation, and find out the core conditions and multiple paths to improve enterprise open innovation performance，which provides a variety of options for enterprises to obtain high open innovation performance.

Key Words:Institutional Environment；Cooperation Environment；Open Innovation Path；Qualitative Comparative Analysis

收稿日期：2022-06-15

修回日期：2022-09-19

基金项目：教育部人文社会科学研究青年基金项目(19YJC630120)；中国工程院重大战略咨询项目(2019GCYGUO)

作者简介：马晓飞(1979-)，男，河南新乡人，博士，北京邮电大学经济管理学院副教授、博士生导师，研究方向为科技政策与创新管理；杜中文(1997-)，女，山东临沂人，北京邮电大学经济管理学院硕士研究生，研究方向为产业创新。

DOI：10.6049/kjjbydc.2022060415

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2022)24-0071-10

0 引言

现阶段，受新冠疫情的影响，企业面临复杂多变的创新环境，开放式创新风险加大[1]。同时，国内国际双循环的新发展格局可为企业重构开放式创新路径提供机遇[2]。因此，如何选择合适的开放式创新路径，进而提高企业开放式创新绩效是业界关注的重点问题。美国开放式创新起步较早，20世纪80年代初，在政府鼓励下，美国企业开始探索开放式创新路径[3]。由于企业所处外部环境具有异质性，所以不同企业开放式创新路径存在一定差异。那么，企业应如何选择适合自身的开放式创新路径，从而获得较高的开放式创新绩效？本文对比研究中美企业开放式创新路径，揭示了不同因素组合对开放式创新的影响，对中国企业选择适合的开放式创新路径，进而提高开放式创新绩效具有积极意义。

目前，学术界对开放式创新路径的研究主要关注企业的自身因素，发现企业可以通过提高开放程度、知识吸收转化能力等方式提升自身开放式创新绩效[4-5]。既有研究对企业内部因素关注较多，却较少关注企业外部环境因素的影响。然而，外部环境能为企业提供关键的外部资源和制度保障等条件，其中制度环境与合作环境对开放式创新的影响最为显著[6-7]。从企业所处的制度环境看，企业开放式创新依赖其所在地政府补贴程度、知识产权保护水平等条件[8-9] ；从企业所处的合作环境看，拓展企业合作广度和深度既是其获取外部创新资源的重要手段，也是提高其开放式创新绩效的有效途径[10]。然而，多数研究仅关注单一外部环境因素，忽视了这些因素组合在开放式创新过程中的耦合作用。任何单一要素都不能直接促成企业开放式创新，企业开放式创新成功是多种要素共同作用的结果。在中美不同的外部环境下，企业高开放式创新绩效的获取路径有哪些？这些成功路径的核心条件是什么？基于这些核心条件，中美企业在开放式创新中有何异同点？这对中国企业探索开放式创新路径有什么启示？为回答上述问题，本文基于多元制度逻辑视角，结合制度逻辑理论和社会网络理论，采用模糊集定性比较分析(fsQCA)方法，从合作环境和制度环境两个方面对比分析中美两国企业开放式创新的多重参考，以期为中国企业开放式创新提供路径选择。

1 研究进展与框架构建

1.1 理论基础

制度逻辑理论认为，企业行为受复杂制度环境的影响。制度逻辑理论不仅强调单一逻辑下某个重要制度影响企业行为的可能性，也强调多元逻辑中多层次制度逻辑共存对企业行为的影响。其中，多元逻辑进一步强调复杂制度环境中多种制度的共同作用[11]。目前，企业开放式创新面临更加复杂的环境，制度环境已经成为影响企业开放式创新的重要因素[12]。与此同时，社会网络理论认为，企业处于复杂社会网络中，其开放式创新所需的关键创新资源广泛存在于外部社会组织网络中。因此，企业应积极与外部组织建立合作关系，提高开放式创新合作广度，获取数量多、范围广的创新知识，同时拓展开放式创新深度，从而实现创新资源深度利用[13-14]。基于以上理论，本文认为，企业开放式创新绩效取决于多种外部环境因素的共同作用，企业开放式创新与制度环境、合作环境具有密切联系，制度与合作环境是影响企业创新战略选择的关键要素[9]。因此，有必要研究何种制度环境与合作环境要素可构成企业高开放式创新绩效路径。本文将制度环境与合作环境纳入同一研究框架，两者共同构成影响企业开放式创新绩效的外部环境因素。

1.2 制度环境与开放式创新

从制度环境角度看，制度环境作为企业外部环境的重要组成部分，包括一系列政治、经济、社会和法律活动[15]。制度环境贯穿于整个创新过程，良好的制度环境可为开放式创新提供充足的资金支持、外部知识以及法律保护[16]，能够极大地降低企业开放式创新风险。现有研究表明，制度环境中的政府补贴、知识产权保护、对外直接投资与外商直接投资密切相关，上述因素对企业开放式创新绩效具有显著影响[17-18]。制度环境中，良好的知识产权保护环境能够增进企业与合作伙伴间的信任，抑制企业在开放式创新过程中的不良行为[14]，从而提高开放式创新合作效率与绩效[19]。此外，有学者从企业所处投资环境出发，发现开放式创新过程中外商直接投资或企业对外直接投资有助于企业吸收融合国外先进技术，进而服务于母国技术创新与进步[20]。回顾现有研究发现，学者们更加关注单一制度环境要素在开放式创新过程中的作用。本文通过梳理发现，与开放式创新关系密切的制度环境因素主要包括以下方面：

(1)政府补贴与开放式创新。政府研发补贴是制度环境的重要组成部分，对开放式创新具有正向调节作用[21]，可以帮助企业整合内外部资源，构建开放式创新网络，从而促进企业开放式创新[22]。此外，研究发现，开放式创新过程中，获得更多政府补贴的企业，其合作意愿更强。此时，企业间的合作关系更加明确，知识交互、协同创新动力更足[19]，有利于确保开放式创新的持续性和稳定性[23]。

(2)知识产权保护与开放式创新。良好的知识产权保护制度能够直接提高企业开放式创新绩效[24]，由于企业专有知识具有扩散性，当知识产权保护不到位时，创新意愿和积极性就会受到影响。开放式创新背景下，企业创新成果的开放边界进一步扩大，能否有效进行知识产权保护成为企业开放式创新成败的关键[25]。完善的知识产权保护制度可以降低企业开放式创新风险，帮助企业更快地获取外部知识和资源，激励企业创新产出，从而提高企业开放式创新水平。

(3)外商直接投资与开放式创新。外商直接投资已成为发展中国家获得先进技术的主要方式，也是企业开放式创新过程中获取外部创新资源的重要渠道[26]。外商直接投资对我国技术创新具有推动作用，在企业开放式创新中，其边际效益不断提升[27]。还有学者认为，发达国家直接投资所产生的技术外溢效果更加显著，对企业开放式创新具有更大的影响[28]。因此，本文认为，外商直接投资型企业在开放式创新过程中更容易获得外部资源，前者能够为其开放式创新提供便利条件，外商直接投资所产生的技术外溢也有助于促进企业开放式创新水平提升。

(4)对外直接投资与开放式创新。对外直接投资是企业获取外部资源的重要渠道。外部资源主要来自于对外直接投资过程中的逆向技术外溢，在企业开放式创新过程中发挥显著作用，并与开放式创新绩效呈正相关关系[29]，企业能够通过对外直接投资从东道国获得先进技术和经验，从而带动自身开放式创新绩效提升。

1.3 合作环境与开放式创新

从合作环境角度看，合作是企业获取异质性资源、提高创新绩效的重要途径[30]，外部组织创新知识在企业开放式创新过程中具有不可替代的作用[31-32]。此外，合作能够帮助企业降低创新成本和创新失败的风险，增强开放式创新意愿[33]，对企业开放式创新效率和质量具有正向影响[34]，具体体现在合作广度和合作深度两个方面。

(1)合作广度与开放式创新。企业合作广度代表企业外部创新资源获取渠道的数量。企业合作广度越高，创新来源越广、外部资源越多、知识越全面，越能对企业内部知识提供有益补充，帮助企业在创新过程中产生更多创意[14]。同时，合作广度越高，企业接触的外部主体越多，意味着企业能够获取越多关键信息，对外部环境了解程度越深，越能在面对市场变化和客户变化需求时快速响应[35]。

(2)合作深度与开放式创新。合作深度代表企业对外部创新资源的利用深度。一方面，企业拓展合作深度有利于其与合作伙伴加强互动关系，确保创新资源获取的稳定性和连续性，从而加快企业开放式创新进程[36]。另一方面，企业拓展合作深度并与合作伙伴建立长期联盟可以有效发挥协同创新效应，降低创新成本，从而在一定程度上抵御外来风险[37]。

以上研究表明，政府补贴、知识产权保护、外商直接投资、对外直接投资、合作广度和合作深度等外部环境因素对企业开放式创新路径，以及开放式创新绩效具有重要作用。然而，既有研究较多关注单一外部环境因素在开放式创新过程中的作用，忽视了对外部环境因素的组合分析。因此，本文采用fsQCA方法，探究何种外部环境因素组合可以促使企业产生高开放式创新绩效，以期帮助企业寻找更优的开放式创新路径。

1.4 研究框架

综上所述，基于制度逻辑理论和社会网络理论，结合已有研究，本文进一步将外部环境因素分为政府补贴、对外直接投资和外商直接投资以及知识产权保护，并关注以下3种因果关系：第一，是否存在外部环境因素构成企业高开放式创新绩效的必要条件；第二，怎样组合这些外部环境因素才能促使企业产生高开放式创新绩效；第三，什么样的外部环境因素组合会阻碍企业获取高开放式创新绩效。本文基于组态视角，探索多元制度逻辑和社会网络影响下，制度环境、合作环境对开放式创新绩效的复杂作用机制，构建理论研究框架如图1所示。

2 研究设计

2.1 研究方法适用性

本文尝试研究企业开放式创新的多重条件组合，揭示企业开放式创新的多种路径，采用fsQCA方法主要基于以下考虑：第一，选取26个案例企业作为研究对象，案例数量属于中等样本规模，与该方法适用案例数量相符；第二，研究多重因素组合对开放式创新绩效的影响，考虑到单个变量难以从根本上促成企业开放式创新，同时开放式创新系统是一个复杂的动态系统，也是多重因素共同作用的结果。结合样本数量，本研究选取6个变量，分析不同条件组合对开放式创新的影响，试图采用该方法分析可能的条件组合路径以及核心影响因素。

2.2 案例选择与数据来源

2.2.1 案例选择

美国企业在开放式创新领域获得的成果和经验值得更多企业学习，中国企业在开放式创新领域起步虽晚，但也取得了一定的成绩。目前，开放式创新在各行业展开，但开放式创新最早出现在制造业与互联网行业。同时，本文在中国知网对相关文献进行检索发现，开放式创新主题相关文章(案例研究类型)共有69篇，其中对制造企业和互联网企业的研究占比高达95.6%。因此，选取制造企业和互联网企业具有一定的代表性。本文在选择案例时主要基于以下考虑：首先，企业具有开放式创新行为，并在开放式创新领域进行了长时间探索，取得了一定的成绩，值得研究与学习；其次，企业成立年份较早，经历了长期发展，是国际知名企业，具有较强的影响力；最后，企业属于上市公司，数据具有可得性。综上所述，本文最终选择来自中国和美国不同行业的26家开放式创新型企业进行比较分析，如表1～3所示。

2.2.2 数据来源

本文数据来源主要有3种渠道：第一，政府网站数据。中国企业所在省份专利侵权案件数量来自国家知识产权局网站每月公布的各省专利侵权量，企业所在省(中国)或州(美国)的专利数据分别来自中国国家知识产权局和美国国家知识产权局(USPTO)。第二，企业年报和企业网站数据。企业政府补贴、外商投资和对外直接投资情况等相关数据来自各企业官方网站以及各交易所公布的企业年报与补充报告，企业合作广度相关数据来自企业网站发布的信息。第三，研究报告。美国各州专利侵权数据主要来自于Lex Machina诉讼数据分析系统发布的《美国专利诉讼报告》。

2.3 变量测量与校准

2.3.1 解释变量

(1)政府补贴。政府补贴是企业开放式创新的重要外部创新资源，企业在政府补贴的支持下可以建立外部创新网络、整合创新资源，从而提高开放式创新绩效[38-39]。无论是对发达国家还是对发展中国家而言，政府补贴对开放式创新都具有显著正向影响；一方面，能够帮助企业降低开放式创新风险；另一方面，向社会传递正面信号，从而吸引更多企业合作[40]。基于数据可得性，本文采用政府补贴金额与企业营业总收入的比值衡量政府对企业的补贴程度。

(2)知识产权保护。专利侵权率以专利侵权数量和专利授权量的比值表示，能够在一定程度上表示一个地区知识产权保护水平，具有一定的代表性，本文以此衡量企业知识产权保护水平。专利侵权率越低，代表该省(中国)或州(美国)知识产权保护水平越高。因此，借鉴吴超鹏和唐菂[41]的研究成果，本文在对中美企业所处知识产权保护环境进行测量时，采用各省、各州专利侵权率作为判断标准。

(3)对外直接投资。企业通过对外直接投资与更多企业取得联系，提高企业间知识共享效率和速度，促进开放式创新绩效提升。借鉴何彬和范硕[42]的做法，根据商务部提供的《境外投资企业(机构)备案结果公开名录》检索企业名称，以判断该企业是否为对外投资企业。对于美国企业，通过其年报、官网公开信息可以判断其是否在美国境外建立合资或独资企业及跨国公司，并记录其投资企业数量。

(4)外商直接投资。大量研究表明，外商直接投资对我国企业技术创新具有显著外溢效应，境外法人持股比例越高，其技术外溢越显著。对于中国企业，借鉴李昕和杨皎平[43]的研究，本文基于企业年报中披露的前十大股东信息计算境外法人持股比例；对于美国企业，根据企业年报以及年报补充文件中披露的股东持股情况，结合中国新浪财经官网美股动态栏目下美国企业股东持股状况，判断前十大股东持股信息，记录境外法人持股比例。

(5)合作广度和合作深度。合作环境作为外部知识的重要来源，能够促进企业内部知识融合与互相溢出，对于企业开放式创新具有积极影响。为了进一步研究合作环境对企业开放式创新的影响，学者们主要从合作广度和合作深度两个方面衡量开放式创新合作环境。因此，借鉴刘斐然和胡立君[44]的做法，本文采用合作广度和合作深度两个指标衡量企业开放式创新过程中的合作环境。合作广度即与该企业合作的外部企业、研究院所、实验室及高校数量，合作广度越高，企业开放式创新可用资源越多。合作深度是指企业与合作伙伴的合作次数，合作次数越多，合作关系越稳定，开放式创新资源利用程度越高。

2.3.2 被解释变量赋值标准

与开放式创新绩效相关的数据，企业并不会向外界披露。因此，借助曾江洪等[45]的研究方法，本文将企业联合专利申请作为开放式创新绩效衡量指标，在国家知识产权局官网检索2018—2020年每个中国企业专利授权量，筛选出申请人大于2的联合申请专利。在此基础上，剔除该企业与其子公司联合专利申请。同样，在美国国家知识产权局(USPTO)网站检索企业专利申请情况，并记录合作专利数量。

在对解释变量和被解释变量进行校准时，本文采用直接校准法，选择95%、50%、5%分位数作为6个前因条件和1个结果变量的完全隶属点、交叉点及完全不隶属点，利用fsQCA软件中Calibrate函数将原始数据校准到0～1之间。非高开放式创新绩效通过取高开放式创新绩效的非集实现。

2.3.3 校准后的真值表

校准后的数据如表4、表5所示。

3 组态分析

3.1 单变量必要性分析

在完成真值表构建后，将数据导入fsQCA3.0软件进行单变量必要性分析，结果如表6、表7所示。

3.2 开放式创新原因组合路径分析

利用fsQCA3.0软件分别对中国企业和美国企业进行分析，结果如表8、表9所示。

3.2.1 中国企业开放式创新路径分析

路径S1表明，以高知识产权保护水平和合作广度为核心条件，以合作深度为辅助条件可以帮助企业获得高开放式创新绩效。在上述情况下，政府补贴、投资环境对企业的影响不显著。被这一路径覆盖的企业有东软、海信、小米和腾讯。首先，上述企业所在省份专利侵权率较低，知识产权司法保护水平较高。此外，上述企业总部所在城市均为知识产权示范城市。知识产权示范城市评审要求表明，上述企业所在城市未发生过严重的知识产权侵权事件，或相关事件得到有关部门及时处理。其次，从合作广度和合作深度看，以腾讯为例，其合作伙伴范围广、数量多。2018—2020年，腾讯公司与华中科技大学、中国科学院自动化研究所等高校和研究院达成多次合作，共同产出16项专利。

路径S2表明，以高知识产权保护水平为核心条件，以政府补贴和对外直接投资为辅助条件可以帮助企业获得高开放式创新绩效。其中，合作深度处于较低水平。被这一路径覆盖的企业有京东方、光华伟业和比亚迪，三者所在省份均具备良好的知识产权保护环境，所在城市均为知识产权保护示范区。因此，上述企业在知识产权保护方面具有相对优势。同时，在对外直接投资方面，海信在美国、英国等发达国家均有直接投资企业；京东方在巴西、俄罗斯也设有10多家境外投资企业。上述境外投资企业尤其是在发达国家设立的企业可以给母公司带来逆向技术溢出，提高母公司创新效率，从而帮助公司实现高开放式创新绩效[46]。从政府补贴看，这3家企业获得的政府补贴强度高于其它样本企业，说明即便企业合作深度处于较低水平，企业也可以凭借对外直接投资获取先进技术，依靠较高的知识产权保护水平获得高开放式创新绩效。

路径S3表明，以较高的知识产权保护水平为核心条件，以外商直接投资和合作深度为辅助条件可以帮助企业产生高开放式创新绩效。其中，对外直接投资和合作广度对企业开放式创新的影响不显著。被这一路径覆盖的企业有百度，百度处于知识产权保护水平较高的北京，其总部所在的北京海淀区为知识产权示范城区。就合作深度而言，百度对外部创新资源进行深度利用，分别与清华大学、南开大学联合产出专利21项和5项。同时，百度是一家外资持股企业，获取外部创新资源也十分便利。

路径S4表明，以较高的知识产权保护水平为核心条件，以对外直接投资、外商直接投资和合作深度为辅助条件可以促使企业产生高开放式创新绩效。被这一路径覆盖的企业有海尔和美的。海尔集团总部所在地青岛是最早一批国家知识产权示范城市，从投资环境看，这两家企业均为对外投资型企业和外商投资型企业。其中，海尔境外直接投资企业分布在全球20多个国家，这为企业学习发达地区先进技术创造了良好的条件。从合作深度看，两家企业都具有稳定的合作伙伴，如美的集团与中山大学共同合作产出24项专利。

路径S5和S6属于非高开放式创新绩效路径，该路径覆盖案例为伊利和新奥科技。与高开放式创新绩效路径相比，路径S5和S6中，能够帮助企业获得外部创新资源的条件较为单一且核心条件均处于缺失状态。例如，路径S5中知识产权保护水平、合作广度、合作深度均处于缺失状态，路径S6仅有政府补贴和外商直接投资两个辅助条件。此时，企业既没有足够渠道获取外部创新资源，也不具备良好的创新成果保护条件，只凭借较高的对外直接投资水平或政府补贴作为核心条件并不能促使企业产生高开放式创新绩效。通过对覆盖案例进行分析发现，相较于京东方和海尔等企业，伊利、新奥科技及其所在城市在知识产权保护方面不能满足知识产权示范企业或知识产权示范城市的要求，且其境外直接投资企业所在地多分布在发展中国家。同时，新奥科技在合作广度和合作深度方面均处于较低水平，一定程度上阻碍其获得更多创新资源，这些核心要素同时缺失导致企业开放式创新绩效大打折扣。

3.2.2 中美企业对比分析

首先，对比分析中国和美国高开放式创新绩效路径发现，虽然中美企业高开放式创新绩效的核心条件均为知识产权保护和合作广度，但中美企业获取外部创新资源的方式存在较大差异。美国企业主要通过知识产权合作获取外部创新资源，进而实现高开放式创新绩效，外商直接投资为其边缘条件。通过对美国企业进行深入分析发现，多数美国企业外资持股比例不超过5%。由此可见，美国企业开放式创新并不依赖外商直接投资带来的技术外溢。除高水平知识产权保护外，中国企业主要从优越的投资环境中获取技术外溢，外商直接投资虽然可为我国企业带来外部技术，但也在一定程度上削弱了我国企业的自主创新能力[47]。其次，对比中国和美国非高开放式创新绩效路径发现，核心条件知识产权保护水平和合作广度缺失会对企业开放式创新绩效产生不利影响。组态S6和U3(U3是美国企业非高开放式创新绩效的路径)表明，即便企业拥有相对充足的政府补贴和对外直接投资带来的技术外溢，当知识产权保护和合作广度缺失时，其开放式创新绩效也不理想。由此可见，对于中美企业而言，知识产权保护和合作广度在开放式创新过程中具有重要作用。最后，在中美企业所有条件组合中，政府补贴存在与否对最终结果并不会产生影响。具体分析发现，中美企业获得的政府补贴金额有多有少，但对于开放式创新绩效较高的企业而言，政府补贴占比很小，企业主要依靠自身研发投入为开放式创新提供资金支持。例如，2018年腾讯研发费用突破200亿人民币，2020年高达389.72亿人民币。微软、苹果、英特尔位于全球企业研发投入排行榜前十，2019年微软研发投入为857亿人民币，位居全球第二。与美国企业相比，我国企业在研发投入方面存在一定差距。

4 结语

4.1 结论

本文通过收集26个中美企业相关信息，综合选取6个外部环境变量，运用fsQCA方法探究何种外部环境条件组合能够促使企业产生高开放式创新绩效，为企业寻找多种开放式创新路径，并探讨中美两国企业开放式创新异同，得到以下主要结论：

(1)单个制度环境和合作环境要素不能构成企业高开放式创新绩效的必要条件。

(2)中国企业获取高开放式创新绩效的条件路径有4种，路径1以高知识产权保护水平和合作广度为核心条件，以合作深度为辅助条件；路径2以高知识产权保护水平为核心条件，以政府补贴和对外直接投资为辅助条件；路径3以较高的知识产权保护水平和合作深度为核心条件，以外商直接投资为辅助条件；路径4以较高的知识产权保护水平为核心条件，以对外直接投资、外商直接投资和合作深度为辅助条件。

(3)美国企业获取高开放式创新绩效的条件路径有2种，路径1以知识产权保护和合作广度为核心条件，以外商直接投资为辅助条件；路径2以知识产权保护和合作广度为核心条件，以政府补贴和合作深度为辅助条件。由此可见，核心条件均为知识产权保护和合作广度。

(4)中国企业主要依赖对外直接投资或外商直接投资获取外部技术，从长期看，不利于我国开放式创新的持续稳定发展，在一定程度上会削弱我国企业自主创新能力。

(5)中美两国企业获得高开放式创新绩效的核心条件均为知识产权保护和合作广度。对中美尚未获得高开放式创新绩效的企业而言，这两种核心条件缺失会导致企业外部创新资源获取受限，因而无法取得高开放式创新绩效。

4.2 启示

本研究结论既能为其它相关企业提供借鉴，也可为政府营造良好的开放式创新环境提供启发。因此，本文从企业和政府两个方面提出建议。

(1)企业要持续提升开放程度，注重外部知识资源内化和吸收，实现创新资源合理配置，逐步构建以自身为中心的开放式创新网络。外部资源获取主要有两种途径：一是与外部组织合作，加快企业间资源共享与流通，通过获取外部资源提高企业研发效率；二是利用外商直接投资或对外直接投资获得技术外溢。

(2)政府要提供持续研发补贴，营造良好的知识产权保护氛围，充分激发我国企业开放式创新意愿和活力。一方面，政府需要引导知识产权示范城市和示范企业发挥引领作用，以点带面，鼓励更多企业开展开放式创新活动；另一方面，应强化知识产权示范城市和示范企业的宣传示范效应，让更多企业开放式创新成果得到政策保护。

4.3 研究展望

本文存在以下不足：第一，虽然对促成开放式创新的外部环境因素进行了分析，但这些因素可能尚未覆盖全面。后续可以利用fsQCA或其它方法，选择更多行业或不同国家样本进行分析。第二，由于美国企业在城市层面的知识产权保护数据难以获取，为了确保中美企业知识产权衡量指标处于同一层级，统一采用企业所在省或州的专利侵权率作为中美企业知识产权保护数据的替代数据，导致测量不够精准。因此，在测量中美企业知识产权保护情况时，未来研究可以寻找更精确的替代数据或计算方法。

参考文献:

[1] D'ATTOMA I, IEVA M. Determinants of technological innovation success and failure: does marketing innovation matter[J]. Industrial Marketing Management,2020,91(1):64-81.

[2] 杨震宁,侯一凡,李德辉，等.中国企业“双循环”中开放式创新网络的平衡效应——基于数字赋能与组织柔性的考察[J].管理世界,2021,37(11):184-205,12.

[3] ETZKOWITZ H,LEYDESDORFF L. The triple helix-university-industry-government relations: a laboratory for knowledge based economic development[J]. Easst Review,1995,14(1):14-19.

[4] 杨磊,刘海兵.创新情境、吸收能力与开放式创新共演路径——基于华为、海尔、宝洁的跨案例研究[J].中国科技论坛,2020,36(2):36-45,53.

[5] WU H, HAN Z, ZHOU Y. Optimal degree of openness in open innovation: a perspective from knowledge acquisition & knowledge leakage[J]. Technology in Society,2021,67(11):1-15.

[6] GAO Y, GAO S, ZHOU Y, et al. Picturing firms' institutional capital-based radical innovation under China's institutional voids[J]. Journal of Business Research,2015,68(6):1166-1175.

[7] 罗颖,王腾,易明.开放式创新与产业集群创新绩效的关联机理研究[J].管理学报,2017,14(2):229-234.

[8] BRONZINI R, PISELLI P. The impact of R&D subsidies on firm innovation[J]. Research Policy,2016,45(2):442-457.

[9] 王锋正,刘宇嘉,孙玥.制度环境、开放式创新与资源型企业转型[J].科技进步与对策,2020,37(5):114-123.

[10] WIRSICH A, KOCK A, STRUMANN C, et al. Effects of university-industry collaboration on technological newness of firms[J]. Journal of Product Innovation Management,2016,33(6):708-725.

[11] FRIEDLAND R, ALFORD R. Bringing society back in: symbols, practices, and institutional contradictions[J]. Chicago University of Chicago,1991,232-263.

[12] ZOBEL A K, LOKSHIN B, HAGEDOORN J. Formal and informal appropriation mechanisms: the role of openness and innovativeness[J]. Technovation,2017,59(5):44-54.

[13] LOVE J H,ROPER S,VAHTER P.Learning from openness: the dynamics of breadth in external innovation linkages[J]. Strategic Management Journal, 2014,35(11):1703-1716.

[14] 郭海,韩佳平.数字化情境下开放式创新对新创企业成长的影响:商业模式创新的中介作用[J].管理评论,2019,31(6):186-198.

[15] LUNDVALL B A. National innovation systems—analytical concept and development tool[J]. Industry and Innovation, 2007,14(1): 95-119.

[16] BOUBAKRI N, COSSET J C,SAFFAR W.Political connections of newly privatized firms[J]. Journal of Corporate Finance,2008,14(5):654-673.

[17] 倪自银,张益明.影响开放式创新的政府行为及政策环境研究[J].华东经济管理,2015,29(1):148-152.

[18] MO J, LEE W, MORTARA L. Do government R&D subsidies stimulate collaboration initiatives in private firms [J]. Technological Forecasting & Social Change,2020,151:119840.

[19] 马永军,李毅凡.政府研发补贴、制度环境与战略性新兴产业创新绩效[J].技术经济,2021,40(8):1-8.

[20] 杨浩,孙建.双向投资对技术进步、环境的影响——基于面板门限模型分析[J].科技管理研究,2019,39(12):103-109.

[21] 徐一平,蒋伏心.开放式创新背景下制造业创新绩效提升路径——技术标准与政府支持视角的研究[J].管理现代化,2021,41(3):25-31.

[22] CALOFFI A, ROSSO F, RUSSO M. What makes SMEs more likely to collaborate? analysing the role of regional innovation policy[J]. European Planning Studies,2014,23(7):1-20.

[23] WANG D. Will increasing government subsidies promote open innovation? a simulation analysis of China's wind power industry[J]. Sustainability,2021,13(23):441-452.

[24] 王钰,胡海青.知识产权保护与新创企业绩效——创业导向与社会责任的中介效应[J].科技进步与对策,2021,38(4):62-69.

[25] GRIMALDI M, GRECO M, CRICELLI L. A framework of intellectual property protection strategies and open innovation[J]. Journal of Business Research,2021,123(2):156-164.

[26] 李政,杨思莹,何彬.FDI抑制还是提升了中国区域创新效率——基于省际空间面板模型的分析[J].经济管理,2017,39(4):6-19.

[27] 周荣军.知识产权保护、FDI技术溢出对企业创新绩效影响[J].统计与决策,2020,36(2):179-182.

[28] POTTERIE B P, LICHTENBERG F. Does foreign direct investment transfer technology across borders[J]. Review of Economics and Statistics,2001,83(3):490-497.

[29] CHESBROUGH H W. Open innovation：the new imperative for creating and profiting from technology[M]. Boston, MA: Harard Business School Press,2003.

[30] SHINKLE G A, MCCANN B T. New product deployment: the moderating influence of economic institutional context[J]. Strategic Management Journal,2014,35(7):1090-1101.

[31] LIU Q, TANG J, TIAN G G. Does political capital create value in the IPO market? evidence from China[J]. Journal of Corporate Finance,2013,23:395-413.

[32] PAOLA C,VALERIA P, FERNANDA R. University technology transfer and manufacturing innovation: the case of Italy[J]. Review of Policy Research,2015,32(3):297-322.

[33] SCHARFFER V,OCALAN-OZEL S, PENIN J.The complementarities between formal and informal channels of university-industry knowledge transfer: a longitudinal approach[J]. The Journal of Technology Transfer,2020,45(1):31-55.

[34] 蒋樟生.开放式创新对制造业企业研发投入的影响——政府补助与市场竞争的调节作用[J].科技进步与对策,2021,38(9):100-108.

[35] ZAHRA S A, SAPIENZA H J, DAVIDSSON P. Entrepreneurship and dynamic capabilities: a review, model and research agenda[J]. Journal of Management Studies,2006,43(4):917-955.

[36] LAURSEN K, SALTER A. Open for innovation: the role of openness in explaining innovation performance among UK Manufacturing Firms[J]. Strategic Management Journal,2006,27(2):131-150.

[37] WYNARCZYK P, PIPEROPOULOS P, MCADAM M. Open innovation in small and medium-sized enterprises: an overview[J]. International Small Business Journal,2013,31(3):240-255.

[38] GUAN J C, YAM R C M, MOK C K, et al. A study of the relationship between competitiveness and technological innovation capability based on DEA models[J]. European Journal of Operational Research,2006,170(3):971-986.

[39] MARINO M, LHUILLERY S, PARROTTA P, et al. Additionality or crowding-out? an overall evaluation of public R&D subsidy on private R&D expenditure[J]. Research Policy,2016,45(9):1715-1730.

[40] 赵奇伟,李露琦. 制度环境质量变动下政治关联对企业技术创新的影响——基于数字新媒体行业民营上市公司的实证考察[J]. 珞珈管理评论,2020(4):16-33.

[41] 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.

[42] 何彬,范硕.对外直接投资是否影响企业创新效率——基于上市公司微观数据的因果检验[J].学习与探索,2019,41(12):148-155.

[43] 李昕,杨皎平.FDI对企业创新绩效的影响研究——兼论网络位置的调节作用[J].技术经济与管理研究,2021,42(1):7-12.

[44] 刘斐然,胡立君,范小群.产学研合作对企业创新质量的影响研究[J].经济管理,2020,42(10):120-136.

[45] 林斌,廖友亮. 企业所得税优惠、高管团队组织认同与创新投入[J]. 财会月刊,2021(23):105-112.

[46] 王桂军,张辉.“一带一路”与中国OFDI企业TFP:对发达国家投资视角[J].世界经济,2020,43(5):49-72.

[47] 王然,燕波,邓伟根.FDI对我国工业自主创新能力的影响及机制——基于产业关联的视角[J].中国工业经济,2010,28(11):16-25.

(责任编辑：张 悦)