开放科学(资源服务)标识码(OSID)：
The study selects seven indicators from three perspectives: innovation subjects, resource input and environmental construction in 30 provinces and autonomous regions in China to build a regional innovation ecosystem. Considering the singularity of the cross-sectional data, the study chooses the data of the result variables in 2020 to match the mean values of the condition variables in 2019 and 2018. The data is derived from the China Business Environment Report, China High-tech Industry Statistical Yearbook, China Statistical Yearbook, etc.
The conclusions drawn from the analysis are presented. First, using NCA and QCA methods, the study confirms that the single antecedent conditions in innovation subjects, resource input and environmental construction cannot constitute the necessary conditions for high innovation performance and non-high innovation performance in high-tech industries alone. Second, the high innovation performance of high-tech industries driven by regional innovation ecosystems has the characteristics of "multiple concurrency" and "asymmetry". Third, under certain conditions, there is a certain substitution relationship among the elements of regional innovation ecosystems. Fourth, there are spatial differences in the high-innovation configuration of high-tech industries driven by regional innovation ecosystems.
The innovation points lie in three aspects. First, the study analyzes the impact of the coupling interaction between innovation subjects and resource input in high-tech industries under the linkage matching of innovation infrastructure environment, legal and government affairs environment, and market open environment on the innovation performance of high-tech industries. Second,the overlapping paths are identified based on the comparative analysis of regional high configuration, and the alternative relationship among innovation subjects, resource input and environmental elements in the regional innovation ecosystem is identified. Third, according to the spatial characteristics, the spatial distribution differences of "innovation subject-resource input-environment" driven strategy in the eastern, central and western regions are further analyzed, and the complexity and importance of regional innovation ecosystem and high-tech industry innovation performance are stressed.
The results are subjective to some limitations. For instance, the antecedent conditions selected in this paper cannot cover all the influencing factors, and other antecedent conditions can be further expanded for configuration analysis. Researchers can further analyze the samples at the municipal level, increase the accuracy of research cases, and conduct in-depth research from the perspective of specific high-tech industries, such as manufacturing and electronic information industry.
开放科学(资源服务)标识码(OSID)：
创新是推动经济高质量发展的重要动力。中共二十大报告指出,“要开辟发展新领域新赛道,不断塑造发展新动能新优势”。区域创新生态系统建设是深入贯彻国家重大发展战略、建设创新型国家的重要支撑,是各地区跨越“中等收入陷阱”、实现经济高质量发展的重要保障。高技术产业是技术创新的重要实践主体,是我国建设世界科学中心和创新高地的重要保证。高技术创新活动是一项动态复杂的系统工程,其创新绩效与所处区域创新生态系统息息相关。构建良好的区域创新生态进而提升区域高技术产业绩效,成为当下学界与业界关注的重要问题。
区域创新生态系统作为以要素群落为基础形成的协同关系网络,网络中各要素相互依赖、共生演进,发挥协同创新效应,为区域创新带来持续增长动力[1]。有关区域创新生态系统对创新绩效影响的研究已蔚然成风,主要从区域创新能力比较、效率与绩效评价、生态系统构建与演进等方面[2-5]展开整体性研究。也有学者基于截面或面板数据对经济韧性与服务价值[6]、区域社会创业[7]和创新绩效等进行计量分析。伴随着创新生态概念的出现与发展,学者开始探讨区域创新生态系统与高技术产业创新之间的关系[8],认为区域创新生态系统构建是提升高技术产业创新能力的最新趋势和必然选择[9]。梳理文献发现,已有研究对创新生态系统内部要素的耦合协调关系探讨不足,更倾向于从单一角度分析创新生态系统对高技术产业的影响,未能深入挖掘系统与产业创新绩效的非线性关系[10],仅着眼于单一要素或部分要素的实现效果,进而将整体视为部分之和展开研究,制约了创新生态系统影响高技术产业高创新绩效的解释力度。
鉴于此,本文基于必要条件分析(NCA)和模糊集定性比较分析方法(fsQCA)[11],分析区域创新生态系统驱动高技术产业创新绩效的复杂因果机制。相比已有研究,本文边际贡献在于:一是探讨创新基础设施、法律政务环境、市场开放环境联动匹配下高技术产业创新主体与资源投入耦合互动对高技术产业创新绩效的影响;二是比较分析高技术产业高创新绩效组态的重叠路径,识别区域创新生态系统中创新主体、资源投入与环境要素之间的替代关系与实际情况;三是进一步分析东、中、西部地区高技术产业高创新绩效驱动策略的空间分布差异,加深对区域创新生态系统与高技术产业创新绩效复杂性和重要性的理解。
创新生态系统是基于生态学理念,考察、审视并分析创新系统后形成的一种概念谱系。20世纪,国家创新系统研究不断兴起,学界认识到创新是一个系统性概念。创新生态系统的概念于2004年在《创新美国——在挑战和变革的世界中实现繁荣》报告中首次被提出,报告指出,不要将创新视为线性或机械的过程,要将其看作一个系统。学界对创新生态系统概念进行界定的同时,也提出了与其相关的其它理论概念,包括企业技术创新生态系统、区域创新生态系统、城市创新生态系统等。其中,区域创新生态系统作为创新生态系统的基础,是理解并分析区域创新活动的关键[12-14]。区域创新生态系统内各要素之间的相互依赖与协同互动是实现价值创造和系统整体效益最大化的关键,具有多样性共生、自组织演化、开放式协同的主要特征,包括创新主体、资源投入和环境建设三方面的主要内容[5,15]。鉴于此,本文从创新主体、资源投入和环境建设维度选取7个具体指标,构建区域创新生态系统的理论分析框架。
(1)技术创新主体。技术创新主体是研发投入、创新活动、成果应用和风险承担的主体(李新男,2007),是技术创新的创造与需求主体,也是价值创造与分配的主体(孙玉涛,刘凤朝,2016)。企业通过纵向、横向网络整合上下游创新主体,有效促进创新生态系统中创新的转移与扩散以及知识与技术的产品化等非线性活动,实现企业价值[16-17]。
(2)知识创新主体。知识创新主体是新思想、新知识、新技能的创造者与掌握者,以高校、科研单位、企业为载体,生产、流通和整合相关知识资源。知识创新主体包括两层含义:一是知识产业的从业者;二是传统产业中的知识型工作者。国家创新主体则是指由政府、企业、高校与科研机构、教育培训和中介机构相互作用形成的推动知识创新的网络体系。
(3)人力资源投入。人力资源投入是指直接从事科技活动以及为科技活动提供直接服务的人员投入,包括数量和质量两方面,前者体现为从事科技活动的人员数量,后者体现为经济人员的文化知识、技能水平和体质素质等。在推动区域创新生态系统知识生产与转移的过程中,人力资源投入发挥关键作用。同时,人力资源投入对专利授权数量、产品销售收入和环境绩效发挥显著促进作用(周密,申婉君,2018)。
(4)科研资金投入。科研资金投入是指企业在产品、技术、材料、工艺、标准的研究与开发过程中产生的各种资金使用,包括研发人员支出费用,研发活动消耗的材料、燃料和动力费用,用于研发活动的器具、设备折旧费用,以及用于研发活动的软件、专利权、非专利摊销费用。科研资金投入是衡量区域创新生态系统创新资源的重要指标,也是促进创新成果转化的重要驱动因素[18]。
(5)创新基础设施。创新基础设施是指创新生态系统中为创新活动提供便利条件,进而保证创新活动正常进行、激励创新活动持续开展的支撑平台。创新基础设施的衡量指标一般包括通信网络、互联网设施以及知识基础设施等方面的建设水平和成效。创新基础设施是创新生态系统运行的物质基础,良好的创新基础设施环境既是系统吸引创新资源流入的主要引力,也是知识流动的重要载体[19]。
(6)市场开放环境。市场开放环境包含开放范围、开放领域、开放水平等方面,开放程度的提高有利于吸引资金、信息、人才、技术资源。市场开放水平对区域创新具有正向促进作用[20],能够最大限度激发人才的创造力与能动性,吸引并融合一切有利于区域发展的先进技术和成功经验。
(7)法律政务环境。良好的法律政务环境体现为政府职能到位和服务完善。其中,职能到位是指政府在社会治理方面不缺位也不越位;服务完善是指政府在社会管理和公共服务方面能够做到公平公正、高效廉洁。良好的法律政务环境可以保障市场主体的财产安全[21],实现公共机构合法运行,规范政府与市场边界,保障各类市场主体平等参与竞争,进而激发微观主体的创新创造活力。
综上所述,技术创新主体、知识创新主体、人力资源投入、科研资金投入、创新基础设施、市场开放环境和法律政务环境均是影响高技术产业创新的重要因素,但这些要素与产业创新绩效之间并非简单的线性关系,还可能存在复杂的非线性关系,且要素间的共生、竞争也会对高技术产业创新绩效产生非线性作用。因此,区域创新生态系统中各要素如何协同驱动创新绩效是一个复杂的开放性问题。本文基于组态视角整合区域创新生态系统对高技术产业创新绩效的协同机制以及创新要素间的互动关系,构建如图1所示的理论模型。
本文采用fsQCA方法探讨区域创新生态系统驱动高技术产业创新绩效的因果复杂机制。定性比较分析(QCA)方法由Ragin(1987)提出,超越了传统定性与定量的界限。根据变量类型,QCA可划分为csQCA、mvQCA和fsQCA。fsQCA不仅可以处理类别问题,还可以更好地解决程度变化的问题,因而本研究采用模糊集定性比较分析(fsQCA)方法。由于我国内地30个省份(西藏因数据不全,未纳入统计)样本属于中等样本,样本规模与fsQCA方法匹配度较高,使用fsQCA能够深入探究某一区域创新生态系统的独特性,还有助于归纳总结可供复制推广的具有差异化特征的区域创新策略。
图1 区域创新生态系统对高技术产业创新绩效的组态效应模型
Fig.1 Configuration effect model of regional innovation ecological environment on the performance of high-tech industry
本文以我国内地30个省份(西藏因数据不全,未纳入统计)为样本,从创新主体、资源投入和环境建设3个维度选取7个指标分析区域创新生态系统对高技术产业创新绩效的影响路径。由于创新生态系统建设对科技创新的影响具有一定时滞性,为避免截面数据的单一性[22],选取2020年的结果变量数据与2019年、2018年的条件变量均值进行匹配。考虑到新产品销售收入是高技术产业成果转化的最终形式,将其作为高技术产业创新绩效的衡量指标。同时,选择高技术产业专利申请数量、利润总额作为结果变量的替代变量进行稳健性分析。具体前因条件和结果条件的变量选取、数据说明如表1所示。
在fsQCA分析中,每一个条件和结果均可以视为一个集合,每个案例在诸多集合中均有隶属分数,校准是给案例赋予集合分数的过程。首先,需要根据案例实际情况和变量取值分布确定完全隶属、交叉点和完全不隶属3个断点即锚点,再将案例校准为取值在0～1之间的模糊集合。将7个条件变量与结果变量的完全隶属、交叉点和完全不隶属3个校准点分别设定为样本数据的95%分位数、50%分位数和5%分位数。基于fsQCA 3.0软件,对结果变量和条件变量进行校准(见表2)并生成真值表。
表1 变量说明与数据来源
Tab.1 Description of variables and data sources
选取变量具体指标指标内容数据来源高技术产业创新绩效新产品销售收入(Y)高技术产业新产品销售收入取对数《中国高技术产业统计年鉴》创新主体技术创新主体(X1)高技术产业企业数《中国高技术产业统计年鉴》知识创新主体(X2)高技术科研机构数量和高等院校数《中国高技术产业统计年鉴》《中国科技统计年鉴》资源投入科研人员投入(X3)高科技R&D人员折合全时当量《中国高技术产业统计年鉴》科研资金投入(X4)高科技R&D资金投入/ GDP《中国高技术产业统计年鉴》市场环境市场开放环境(X5)地区贸易依存度(海关进出口额/GDP)、外资企业比(外资直接投资企业数/企业数)、对外投资度(对外非金融投资/GDP)《中国贸易外经统计年鉴》《中国对外直接投资统计公报》创新基础设施环境(X6)移动电话数量、普及率、互联网接入流量、科技孵化数量、增长率等方面指标《中国区域创新能力评估报告》法律政务环境(X7)政务环境包含政商关系、政府规模、电子政务水平、政府廉洁指数、政府透明度;法律环境包含司法公正、产权保护、社会治安、司法服务和司法公开《中国营商环境报告》
从一致性和覆盖率两方面对单个条件变量与结果变量间是否构成充分或必要条件进行验证。利用fsQCA 3.0软件对单个变量进行检验时,为确保其稳健性,还需检验该变量缺少状况下对结果的影响。结果显示,单一条件变量的一致性系数均低于构成必要条件的临界值0.9,说明各单一变量对结果的产生具有一定解释力,但不是高技术产业创新绩效发生的必要条件。
表3为7个条件变量对高技术产业创新绩效的组态分析结果。高技术产业高创新绩效共有5条路径,这也反映出我国高技术产业实现高创新绩效的多重并发与殊途同归,与唐开翼等(2021)对区域技术创新的研究存在相似性。在高技术产业高创新绩效组态中,技术创新主体和R&D人员投入是核心条件。其中,解的覆盖度为0.692,单个解的一致性与总体解的一致性均大于0.9,说明5条路径均是高技术产业实现高创新绩效的充分条件。
表2 变量校准
Tab.2 Calibration of variables
变量分类指标描述变量名称及说明完全隶属交叉点完全不隶属结果变量高技术产业创新Y新产品销售收入取对数18.3 15.912.4 条件变量创新主体X1技术创新主体8 160.31 300.098.3X2知识创新主体5 686.7474.583.9资源投入X3R&D人员折合全时当量108 280.113 216.5656.6X4R&D资金投入/ GDP*1000.561 90.2240.036 7市场开放环境X5参考《中国营商环境指数报告》83.265.630.2创新基础设施环境X6参考《中国区域创新能力评价报告》39.724.818.9法律政务环境X7参考《中国营商环境指数报告》135.099.569.6
表3 高技术产业创新绩效组态分析
Tab.3 Configuration analysis of innovation performance in high-tech industry
条件变量高创新绩效组态H1H2H3H4H5低创新绩效组态L1L2X1技术创新主体★★★★★X2 知识创新主体●●●●X3 R&D人员折合全时当量★★★★★X4 R&D资金投入●●●●◎◎X5 市场开放环境●●◎●X6 创新基础设施环境●●●X7 法律政务环境●●●◎一致性0.9750.9910.9900.9900.9940.9700.957原始覆盖度0.2950.2940.2810.2710.5000.5940.428唯一覆盖度0.0250.0210.0370.0210.2730.3000.13解的覆盖度0.6920.729解的一致性0.9890.968
注:★表示核心条件,●表示辅助条件,◎表示核心条件缺失,
表示辅助条件缺失,空格表示该条件既可以存在也可以缺失,不影响路径的准确性;下同
3.2.1 高技术产业高创新绩效组态分析
(1)“创新主体—资源投入—特定环境”驱动型。组态H1的一致性为0.975,原始覆盖率为0.295,能够解释29.5%的样本案例。在该组态下,技术创新主体、R&D科研人员发挥核心作用,知识创新主体、研发资金投入和创新基础设施起辅助作用,此类创新生态系统有助于提升区域高技术产业创新绩效,因而将其命名为“创新主体—资源投入—创新基础设施”驱动引导型。该组态以创新基础设施环境为依托,凸显技术创新主体、研发资源投入的重要性,完善的创新基础设施能为高技术企业与高校、科研院所合作交流提供良好的互动保障,提升科研人员与资金的投入产出效率,进而提升区域高技术产业创新绩效。也即,创新基础设施能为区域创新生态系统共生主体与资源互动提供良好的环境支持,是地区高技术产业实现高创新绩效的路径之一。
具体来看,组态H1的代表性省份有湖南、四川。以湖南省为例,2021年全社会研发投入为1 028.9亿元,10年间增长近3倍,跻身全国前10强,高新技术企业数量增长5.43倍,达到11 063家。湖南省通过推行“芙蓉人才行动计划”,集聚中高层次科技创新人才,构建与完善全方位、多层次、宽领域的科技人才服务体系。湖南省加大投入,大力推进国家超算长沙中心、大飞机地面动力学试验平台、轨道交通大科学装置、航空发动机冰风洞实验装置等高精尖技术设施建设,优化区域发展环境。采取“创新主体—资源投入—创新基础设施”的驱动路径,能够很好地弥补湖南作为中部城市开放不足的问题。也即,对于市场开放度有限的地区,仍可以通过加强创新主体培育、加大科研投入等方式提升区域高技术产业创新绩效。
组态H2的一致性为0.991,原始覆盖率为0.294,能够解释29.4%的样本案例。在该组态下,技术创新主体、R&D科研人员发挥核心作用,知识创新主体、研发资金投入和法律政务环境起辅助作用,此类创新生态系统有助于提升区域高技术产业创新绩效,因而将其命名为“创新主体—资源投入—法律政务环境”驱动引导型。该组态以法律政务环境建设为依托,凸显技术创新主体、研发资源投入的重要性,良好的法律政务环境能够为区域高技术产业创新提供法律保护与政府服务,有效促进高技术企业与高校、科研院所合作交流,提高科研人员与资金的投入产出效率,进而提升区域高技术产业创新绩效。也即,法律政务环境能为区域创新生态系统共生主体与资源互动提供良好的制度保障,是区域高技术产业实现高创新绩效的路径之一。
具体来看,组态H2的代表性省市有安徽、四川和重庆。以安徽省为例,在支持技术创新主体发展和保障资源投入的基础上,积极开展法律环境建设,提升政府行政能力,从而有效提升高技术产业创新绩效。在全国首批31个法治政府建设示范区项目落地背景下,安徽省积极参与第二批全国法治政府建设示范活动,向中央依法治国办推荐3个候选地区和5个候选项目。安徽省深入推进“放管服”改革并取得显著成效:2021年,安徽省级政府权责事项精简率超20%,行政许可事项压减至192项,省级涉企收费清单项目压减至88项。建立营商环境法治保障工作协调机制,推深做实7*24“不打烊”随时办服务,45项行政许可政务服务事项实现跨层级全程网办。芜湖市创新开展依法推进公共政策兑现、创优法治化营商环境专项试点行动,兑现资金11.1亿元。安徽省政务服务网累计办理3.7亿余件,“皖事通”APP上线服务9 100余项,访问量突破100亿次,居全国前列。采取“创新主体—资源投入—法律政务环境”的驱动路径,能够很好地弥补安徽省作为中部省份开放水平相对较低带来的现实阻碍,从而助力高技术产业实现高创新绩效。
组态H3的一致性为0.990,原始覆盖率为0.281,能够解释28.1%的样本案例。在该组态下,技术创新主体、R&D科研人员发挥核心作用,知识创新主体、研发资金投入和市场开放环境起辅助作用,此类创新生态系统有助于提升区域高技术产业创新绩效,因而将其命名为“创新主体—资源投入—市场开放环境”驱动引导型。该组态以开放市场为依托,凸显技术创新主体、 研发资源投入的重要性,较高的市场开放度能够为区域高技术产业创新提供更多对外信息交流与技术合作机会,引进与吸收更多国际先进技术,提升科研人员与资金的投入产出效率,进而提升区域高技术产业创新绩效。也即,开放市场能够为区域创新生态系统共生主体与资源互动提供良好的对外交流平台,是区域高技术产业实现高创新绩效的路径之一。
组态H3的代表性省份为福建省。2021年,福建省外贸规模增速、全国占比均创新高,新设外资企业数量增长约两倍,营商环境和口岸通关环境持续优化,对外开放程度进一步提升。截至2022年6月,福建省有66种商品出口规模位居全国第一,一般贸易出口占比达到76.8%;市场采购、跨境电商发展等业态创新全国领先,在30多个国家设立超过100个海外仓,总面积超过180万m2。福建省在支持技术创新主体发展和保障资源投入的基础上,积极利用市场开放优势,推动高技术产业创新发展。较高的市场开放度能够弥补福建省基础设施和法律政务环境建设不足带来的发展约束。该省份案例能够较好地反映开放市场环境支持下的“创新主体—资源投入—市场开放”驱动引导型特征。
(2)“创新主体—人力资源——协调环境”驱动型。组态H4的一致性为0.990,原始覆盖率为0.271,能够解释27.1%的样本案例。在该组态下,技术创新主体、R&D科研人员发挥核心作用,知识创新主体、创新基础设施和法律政务环境起辅助作用,此类创新生态系统有助于区域高技术产业实现高创新绩效,因而将其命名为“创新主体—人力资源—协调环境”驱动引导型。该组态以创新基础设施、法律政务环境建设为保障,凸显技术创新主体、人力资源投入的重要性。完善的基础设施和法律政务环境能够保障区域高技术产业发展所需的硬件设施和软实力,为高技术企业、科研人员的科技创新活动提供设施装备和环境制度支持,增强其研发与创新动力,进而助力区域高技术产业实现高创新绩效。硬实力与软实力建设能为区域创新生态系统共生主体与人力资源互动提供良好的科研环境,是提升区域高技术产业创新绩效的路径之一。
组态H4的代表性省份有河南和四川。以河南省为例,完备的基础设施和良好的法律政务环境成为助力高技术产业实现高创新绩效的保障。截至2022年6月,河南省5G基站达到12.47万个,实现乡镇以上和农村热点区域网络全覆盖,覆盖规模位居全国第一方阵,郑州国家级互联网骨干直联点总带宽达到1 820G。中国联通中原数据基地、中国移动(河南)数据中心、中国电信中部数据中心等建设加速推进,信息通信枢纽和信息集散中心地位持续巩固。在法律政务环境方面,河南省初步建立起覆盖城乡居民的公共法律服务网络,全省建成市级公共法律服务中心18个、县级公共法律服务中心164个、乡镇(街道)公共法律服务中心2 469个、村(社区)公共法律服务室50 821个。河南省在基础设施和法律政务环境建设方面取得一定成绩,硬实力与软实力建设使其在开放程度有限的情况下,仍然能够实现高技术产业的高创新绩效。该省份案例能够较好地反映基础设施与法律政务环境协调配合下的“创新主体—人力资源—协调环境”驱动引导型特征。
(3)“技术创新主体—资源投入—均衡环境”驱动型。组态H5的一致性为0.994,原始覆盖率为0.501,能够解释50.1%的样本案例。在该组态下,技术创新主体、R&D科研人员发挥核心作用,科研资金投入、市场开放、创新基础设施和法律政务环境起辅助作用,此类创新生态系统有助于提升区域高技术产业创新绩效,因而将其命名为“技术创新主体—资源投入—均衡环境”驱动引导型。该组态以市场开放、创新基础设施、法律政务环境为基础,凸显技术创新主体、人力资源投入的重要性。较高的市场开放水平、完善的基础设施以及良好的法律政务环境,能为高技术企业、科研人员的技术创新与应用提供极大便利,从而激发高技术企业创新活力,助力区域高技术产业实现高创新绩效。也即,均衡发展环境能为区域创新生态系统共生主体与资源投入互动提供平台支撑,是我国区域高技术产业实现高创新绩效的主要路径。
组态H5的代表性省市有浙江、广东、江苏、山东、湖北、上海和北京。以浙江省为例,2020年,浙江省营商环境建设评价得分位居全国第一,在民营企业营商环境评价中也位居第一,民营经济500强企业数量连续23年保持第一。可以看出,浙江省营商环境均衡发展、建设水平较高的特点,为其高技术产业实现高创新绩效提供了重要助力。该省份案例能够较好地反映“创新主体—资源投入—均衡环境”驱动引导路径的典型特征,即均衡的创新环境有助于高技术企业实现高创新绩效,也是我国区域高技术产业实现高创新绩效的主要路径。
3.2.2 高技术产业低创新绩效组态路径分析
进一步对区域高技术产业低创新绩效组态进行分析,发现存在两条低创新绩效组态路径。对比两条路径发现,研发资金投入不足是导致高技术产业形成非高创新绩效组态的首要原因。组态L1的一致性、原始覆盖度、唯一覆盖度分别为0.970、0.594和0.300,能够解释59.4%的样本案例,是我国区域高技术产业产生低创新绩效的主要路径。可以看出,研发资金投入不足、市场开放水平不高、法律政务建设相对滞后是区域高技术产业产生低创新绩效的核心因素,技术创新主体、知识创新主体和科研人员缺失是区域高技术产业产生低创新绩效的重要因素,表明科研经费投入不足、环境保障缺位是区域高技术产业产生低创新绩效的重要因素。组态L1的代表性省份有甘肃、黑龙江、内蒙古、贵州、青海和辽宁。
组态L2表明,研发资金投入不足是形成该路径的核心因素,技术与知识创新主体、研发人员缺失以及基础设施建设相对落后是区域高技术产业产生低创新绩效的重要因素。即使区域市场开放程度较高,也无法改善因以上条件缺失造成的低创新绩效。组态L2的代表性省份有广西、新疆、海南和云南,尽管这些地区因地理位置优势与国外市场联系密切,市场开放程度较高,但由于科研资金投入不足,仍表现为低水平创新绩效。因此,增加科研资金投入是提升其高技术产业创新绩效的关键。
比较区域高技术产业创新绩效的7个高低组态发现,低创新绩效组态并非高创新绩效组态的对立面,这也反映出导致非高创新绩效的原因并不是产生高创新绩效原因的反面,说明驱动区域高技术产业产生高创新绩效与非高创新绩效的前因条件具有非对称特征。
比较区域高技术产业高创新绩效组态路径发现,前因条件之间可能存在重叠路径和替代关系。对比各组态的原始覆盖度和唯一覆盖度发现,各路径的要素之间存在一定替代关系。因此,本文尝试对各路径间的要素替代关系进行分析。
(1)环境要素间的替代关系。对比H1、H2发现,创新主体、资源投入和～市场开放环境连接成彼此间的重叠路径,创新基础设施与法律政务环境存在替代关系。对比H1、H2和H3发现,创新主体、资源投入连接成彼此间的重叠路径,～市场开放环境、创新基础设施或法律政务环境的组合与市场开放环境、～创新基础设施、～法律政务环境的组合之间存在替代关系。可以认为,在加强创新主体培育和保障资源投入的基础上,创新基础设施与法律政务环境建设能够弥补市场开放环境的不足,市场开放环境也能克服基础设施和法律政务环境不完善带来的环境约束,助力高技术产业实现高创新绩效。
(2)资源投入与环境要素间的替代关系。对比H1、H2和H4发现,创新主体、人力资源投入、～市场开放环境连接成彼此间的重叠路径,科研资金投入、创新基础设施或法律政务环境的组合与创新基础设施、法律政务环境的组合之间存在替代关系。可以认为,在加强创新主体培育和保障人力资源投入的基础上,即使市场开放程度有限,科研资金投入与创新基础设施的配合也能够达到创新基础设施与法律政务环境协调的效果,促进区域高技术产业实现高创新绩效。对比H3、H4发现,创新主体、人力资源投入连接成彼此间的重叠路径,科研资金投入、市场开放环境、～创新基础设施、～法律政务环境的组合与～市场开放环境、创新基础设施、法律政务环境的组合之间存在替代关系。可以认为,在加强创新主体培育和保障人力资源投入的基础上,科研资金投入、市场开放环境能够弥补创新基础设施与法律政务环境的不足,助力区域高技术产业实现高创新绩效。
(3)创新主体与环境要素间的替代关系。对比H1、H5发现,创新主体、资源投入、创新基础设施连接成彼此间的重叠路径,知识创新主体、～市场开放环境的组合与市场开放环境、法律政务环境的组合之间存在替代关系。可以认为,在加强技术创新主体培育、创新基础设施建设和保障资源投入的基础上,知识创新主体能够弥补市场开放环境的不足,达到市场开放与法律政务环境协调的效果,促进区域高技术产业实现高创新绩效。对比H2、H5发现,知识创新主体、～市场开放环境的组合与市场开放环境、创新基础设施的组合之间存在替代关系。可以认为,在加强技术创新主体培育、法律政务环境建设和保障资源投入的基础上,知识创新主体能够弥补市场开放环境的不足,达到市场开放环境与创新基础设施协调的效果,促进区域高技术产业实现高创新绩效。对比H3、H5发现,技术创新主体、资源投入、市场开放环境连接成彼此间的重叠路径,知识创新主体、～创新基础设施、～法律政务环境的组合与创新基础设施、法律政务环境的组合之间存在替代关系。可以认为,在加强技术创新主体培育、保障资源投入和扩大市场开放的基础上,知识创新主体能够弥补创新基础设施、法律政务环境的不足,促进区域高技术产业实现高创新绩效。
(4)创新主体、资源投入、环境要素间的替代关系。对比H4、H5发现,技术创新主体、人力资源投入、创新基础设施、法律政务环境连接成彼此间的重叠路径,知识创新主体、～市场开放环境的组合与科研资金投入、市场开放环境的组合之间存在替代关系。可以认为,在加强技术创新主体培育、创新基础设施与法律政务环境建设以及保障人力资源投入的基础上,知识创新主体能够弥补市场开放环境的不足,达到科研资金投入与市场开放环境联动的效果,促进区域高技术产业实现高创新绩效。
由于我国各区域在要素禀赋、经济发展程度、开放水平以及制度环境等方面存在明显差异,因而区域创新生态系统对高技术产业创新绩效的驱动路径可能存在差异。因此,本文将案例样本按照地理区位划分为东(北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南、黑龙江、吉林和辽宁)、中(山西、安徽、江西、河南、湖北和湖南)、西(内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆)三部分,分别将95%分位数、50%分位数和5%分位数作为完全隶属、交叉点和完全不隶属3个定性锚点进行重新校准。对比分析东、中、西部地区高技术产业高创新绩效组态结果,探索不同区域创新生态系统对高技术产业创新绩效的差异化影响,结果如表4所示。
由表4可知,东部地区高技术产业存在两种高创新绩效组态。组态E1表明,在技术创新主体与资源投入主导下,市场开放环境、法律政务环境与创新基础设施环境的协同联动可以弥补知识创新主体的不足,实现高技术产业高创新绩效,代表性省市有浙江、广东、江苏、山东、上海和北京。组态E2表明,在创新基础设施与法律政务环境建设滞后的情况下,以技术创新主体和资源投入为核心要素,辅之以开放的市场环境,也能驱动高技术产业创新绩效提升(如福建)。中部地区高技术产业存在4种高创新绩效组态。组态M1表明,在技术创新主体、知识创新主体和资源投入主导下,辅之以完善的创新基础设施,可以弥补市场开放环境的不足,代表性省份是湖南。组态M2中的法律政务环境与组态M3中的市场开放环境存在替代关系,即两者中任何一方都可以联合其它要素条件推动高技术产业创新绩效提升(如安徽、河南)。湖北作为组态M4的代表性省份,在要素协同联动方面不存在短板,在技术创新主体、知识创新主体和资源投入主导下,发挥要素的联动作用,促进高技术产业创新绩效提升。西部地区高技术产业仅存在1种高创新绩效组态W,代表性省市有四川、重庆。相较东部地区,四川、重庆的市场开放程度较低,但良好的法律政务环境、充足的研发资金投入,在技术创新主体与资源投入主导下,仍可以实现高技术产业高创新绩效。
综合对比表4中东、中、西部地区的高组态路径发现,对于东部地区而言,技术创新主体和人力资源投入起主导作用,市场开放环境是必要辅助条件;对于中、西部地区而言,除技术创新主体、人力资源投入外,知识创新主体也发挥主导作用,创新基础设施和法律政务环境则发挥辅助作用,说明区域创新生态系统在驱动高技术产业产生高创新绩效时存在一定空间差异。
表4 高技术产业高创新绩效组态分析(分东、中、西部)
Tab.4 Configuration analysis of innovation performance in high-tech industry(divided into eastern, central and western regions)
条件变量高技术产业创新高组态E1E2M1M2M3M4WX1技术创新主体★★★★★★★X2 知识创新主体●★★★★★X3 R&D人员折合全时当量★★★★★★★X4 R&D资金投入●●●●●●X5 市场开放环境●●●X6 创新基础设施环境●●●●X7 法律政务环境●●●●●一致性0.9960.9840.9990.9990.9990.9990.988原始覆盖度0.6410.1800.3720.3650.2900.3650.548唯一覆盖度0.5210.0660.1120.105 0.0670.1050.548总覆盖度0.7240.6510.548总一致性0.9960.9990.988
为保证结果的稳健性,将样本案例分成东部与非东部地区两类,分别将95%分位数、50%分位数和5%分位数作为完全隶属、交叉点和完全不隶属3个定性锚点进行重新校准。结果显示,组态的空间差异结果较为稳健。
为保证研究结论的稳健性,采用如下方式进行稳健性检验:一是更换阈值。借鉴林艳和卢俊尧[23]的研究,将PRI一致性阈值从0.8调整为0.85后进行QCA组态分析,结果如表5所示。结果显示,单项一致性和总体一致性均高于0.9,证明结论稳健可靠。二是更换结果变量。一种方式是将原结果变量新产品销售收入替换为同年份的专利申请数量和利润总额,作为高技术产业创新的结果变量;另一种方式是改变结果变量的滞后期,将结果变量更换为2019年的新产品销售收入进行QCA分析。表6结果显示,单项一致性和总体一致性均高于0.9,同样证明上述结果可靠。三是重新划分条件变量类别。将原有技术创新主体和知识创新主体合并为创新主体(X1),将法律政务环境细分为政府环境(X6)和法律环境(X7),其它变量与前文保持一致,同样证明上述结果可靠。
表5 阈值调整后的稳健性检验结果
Tab.5 Robustness test results after threshold adjustment
条件变量高技术产业高创新绩效组态H1H2H3H4高技术产业低创新绩效组态L1L2X1技术创新主体★★★★X2 知识创新主体●●●X3 R&D人员折合全时当量★★★★X4 R&D资金投入●●●◎◎X5 市场开放环境●●◎●X6 创新基础设施环境●●X7 法律政务环境●●●◎一致性0.9910.990 0.9940.9900.9700.957 解的覆盖度0.6670.729解的一致性0.9960.968
表6 更换结果变量与滞后分析的稳健性检验结果
Tab.6 Robustness test results after replacement of result variables and lag analysis
条件变量专利申请数量H1aH2aH3aH4aH5a利润总额H1bH2bH3b高技术产业创新(2019)H1cH2cH3cH4cH5cX1★★★★★★★★★★★★★X2 ●●●●●●●●●●X3 ★★★★★★★★★★★★★X4 ●●●●●●●●●●X5 ●●●●●X6 ●●●★★★●●●X7 ●●●●●●●●一致性0.993 0.988 0.9900.994 0.9830.9910.990 0.993 0.9890.993 0.992 0.996 0.993 解的覆盖度0.8700.7320.697解的一致性0.9870.9920.995 2
本文从区域创新生态系构成要素出发,选取创新主体、资源投入和环境建设维度的7个前因条件,运用NCA与fsQCA相结合的方法,探究区域创新生态系统如何驱动高技术产业创新绩效以及各要素间的互动关系,得出如下主要结论:
第一,创新主体、资源投入和环境建设中的单一前因条件不能单独构成高技术产业高/非高创新绩效的必要条件。相比其它前因条件,技术创新主体、科研资金投入发挥更加重要的作用,是区域高技术产业实现高创新绩效的必要条件。
第二,区域创新生态系统驱动高技术产业产生高创新绩效具有多重并发和非对称性特点。高技术产业高创新绩效组态存在3条驱动路径:“创新主体—资源投入—特定环境”驱动型、“创新主体—人力资源—协调环境”驱动型和“技术创新主体—资源投入—均衡环境”驱动型。非高创新绩效驱动路径有两条且与高创新绩效驱动路径存在非对称关系。
第三,在一定条件下,区域创新生态系统内要素间存在一定替代关系。对比区域高技术产业高创新绩效组态发现,环境要素之间、科研资金投入与环境要素之间、知识创新主体与环境要素之间以及环境要素、资源投入与创新主体之间存在一定程度的替代关系。
第四,区域创新生态系统驱动高技术产业产生高创新绩效存在空间差异。东部地区在技术创新主体和人力资源主导下,以开放市场为重要辅助条件实现高创新绩效;相比东部地区,中、西部地区更加依赖知识创新主体的作用,在市场开放水平不高的情况下,创新基础设施与法律政务环境协调是中、西部地区高技术产业实现高创新绩效的重要辅助条件。
各要素间的联动协同效应反映了高技术产业高创新绩效的复杂性,各地区应立足自身发展优势和特色禀赋条件,建设高效、高质的区域创新生态系统,通过多种因素的协同影响,探索适合自身发展的创新绩效提升路径,营造适宜高技术产业发展的特色环境。
第一,完善环境要素协调配合与互动机制,构建良好的创新生态系统。提升系统内各要素的流通与互动效率,重点把握各要素的“配方”效果,促进区域高技术产业创新绩效提升。立足区域优势,搭建开放平台,重塑经济空间,畅通政府法律、基础设施等环境要素互动渠道,提升要素供给与高技术产业发展的匹配度,健全环境要素在创新领域的前置、跟进等机制,打造优势互补、协调发展的要素互动环境。
第二,重视创新主体培育和科研资金投入,发挥核心要素的驱动引导作用。通过地方政府财政支出、科技资金投入、产业基金扶持等方式,加大对高技术创新主体的支持和扶持力度,引导社会资金进入高技术产业,吸引更多科研人员创新创业,激发高技术企业的创新活力和内生驱动力,使其更好地与区域市场环境优势有机结合,发挥区域创新生态系统对高技术产业的促进作用。
第三,建立政府与市场互动协作机制,持续优化市场化、法治化、国际化的营商环境。围绕当前区域营商环境存在的突出问题,以经济高质量发展为目标,持续优化市场环境、法治环境和国际开放环境。降低制度管理成本,提升政府服务效率,合理集中和利用政府资源,提升管理效率,如设立新兴高技术产业发展领导小组和集体办事机构,统筹各部门资源。依托地区优质资源和区位优势,提升基础设施建设、市场开放等环境优势,不断激发高技术产业创新活力,进而实现区域间、市场与社会间的协同良性互动。
本文存在一定局限性,有待未来继续深入研究:一是本文选取的前因条件未能涵盖所有影响因素,未来可以继续拓展其它前因条件进行组态分析;二是可以进一步针对市级层面样本进行剖析,提高研究案例的精准度;三是可以从具体的高技术行业(如制造业、电子信息产业等)角度进行深入研究。
[1] 陈邑早,黄诗华,王圣媛.我国区域创新生态系统运行效率:基于创新价值链视角[J].科研管理,2022,43(7):11-19.
[2] 殷尹,梁梁.区域技术创新能力短期评估[J].中国软科学,2001,16(1):71-74.
[3] TSAU C L, CHANG H C. Evaluation of critical factors for the regional innovation system within the HsinChu science-based park[J]. Kybernetes, 2016, 45(4): 699-716.
[4] ADNER R. Ecosystem as structure: an actionable construct for strategy[J]. Journal of Management, 2017, 43(1): 39-58.
[5] XU G, WU Y, MINSHALL T, et al. Exploring innovation ecosystems across science, technology, and business: a case of 3D printing in China[J]. Technological Forecasting and Social Change, 2018, 136: 208-221.
[6] 武翠,谭清美.产业相关多样性对区域经济韧性的影响——来自创新生态系统共生性的解释[J/OL].科技进步与对策:1-11[2022-12-07].https://kns.cnki.net/kns8/defaultresult/index.
[7] 彭伟,殷悦,沈仪扬,等.创业生态系统如何影响区域社会创业活跃度——基于模糊集的定性比较分析[J].外国经济与管理,2022,44(9):121-134.
[8] 伊辉勇,曾芷墨,杨波.高技术产业创新生态系统生态位适宜度与创新绩效空间关系研究[J].中国科技论坛,2022,38(11):82-92.
[9] 赵长轶,刘海月,邓金堂,等.创新生态视角下对外技术引进与高技术产业创新效率关系[J/OL].软科学:1-24[2022-12-07].https://kns.cnki.net/kns8/defaultresult/index.
[10] 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.
[11] 杜运周,李佳馨,刘秋辰,等.复杂动态视角下的组态理论与QCA方法:研究进展与未来方向[J].管理世界,2021,37(3):180-197,12-13.
[12] COOKE P, URANGA M G, ETXEBARRIA G. Regional innovation systems: institutional and organisational dimensions[J]. Research Policy, 1997, 26(4-5): 475-491.
[13] ANDERSEN J B. What are innovation ecosystems and how to build and use them[J]. Innovation Management, 2011, 16(2): 50-57.
[14] 杨海波.创新生态视角下的科技管理模式变革[J].科学管理研究,2017,35(6):43-46.
[15] DOLOREUX D. What we should know about regional systems of innovation[J]. Technology in Society, 2002, 24(3): 243-263.
[16] ADNER R, KAPOOR R. Value creation in innovation ecosystems: how the structure of technological interdependence affects firm performance in new technology generations[J]. Strategic Management Journal, 2010, 31(3): 306-333.
[17] CLARYSSE B, WRIGHT M, BRUNEEL J, et al. Creating value in ecosystems: crossing the chasm between knowledge and business ecosystems[J]. Research Policy, 2014, 43(7): 1164-1176.
[18] 张贵,吕长青.基于生态位适宜度的区域创新生态系统与创新效率研究[J].工业技术经济,2017,36(10):12-21.
[19] 贺灵,单汨源,邱建华.创新网络要素及其协同对科技创新绩效的影响研究[J].管理评论,2012,24(8):58-68.
[20] 刘洋,臧日宏.资本市场开放与企业创新——基于沪港通的经验数据[J].北京工商大学学报(社会科学版),2021,36(3):79-90.
[21] 涂永珍,赵长玲.我国民营经济法治化营商环境的优化路径[J].学习论坛,2022,37(3):131-136.
[22] 高霞,贺至晗,张福元.政府补贴、环境规制如何提升区域绿色技术创新水平——基于组态视角的联动效应研究[J].研究与发展管理,2022,34(3):162-172.
[23] 林艳,卢俊尧.什么样的数字创新生态系统能提高区域创新绩效——基于NCA与QCA的研究[J].科技进步与对策,2022,39(24):19-28.