The Cooperation Mode of Key Generic Technology Innovation Based on Patent Information: An Example from the Biotechnology Industry

Li Yang1, Tang Yujie2

(1.School of Management, Henan University of Technology, Zhengzhou 450001, China;2.College of Economics and Management, Zhengzhou University of Light Industry, Zhengzhou 450000, China)

Abstract：Key generic technology has played an important role in the national economic development and breaking the bottleneck of industrial upgrading. As the quasi-public goods, key generic technology has certain risks, such as complexity and unpredictability in research, a long development cycle and negative externality, which lead to inefficiencies and organizational failures in companies. That means it is difficult for a single company or organization to complete the key generic technology innovation independently. In such a context, the R&D cooperation mode which consists of companies, universities, and research institutions, is a useful way to crack the “bottleneck problem” of key generic technology. It is generally accepted that interfirm cooperation and university-institution-research (UIR) are the two major types of R&D cooperation mode, and that cooperation size and technology diversity are the two major characteristics of the key generic technology innovation process. However, existing studies have failed to combine the cooperation types with the cooperation characteristics, and have yet to answer the question of the difference in the impact of the two types of cooperation on key generic technology innovation, and the impact of the cooperation size and technology diversity in different cooperation types. As there is a lack of discussion on the influence mechanisms of interfirm cooperation and UIR on key generic technology innovation, this paper proposes a novel configuration selection model for key generic technology innovation and helps the policy-maker choose the right R&D cooperation mode, avoiding problems like low innovation efficiency and so on.

This paper takes the biotechnology industry as an example,and the reason is that the biotechnology industry is patent-intensive and the patent data can reflect the key generic technology innovation of the biotechnology industry. In addition, due to the technical foundation and interdisciplinary characteristics of biotechnology, R&D cooperation to apply for a patent is generally common in the biotechnology industry. According to the IPC code for identifying biotechnology patents revised by the Organization for Economic Cooperation and Development (OECD) in 2016, this paper uses a Patyee database to search for patents that were applied by Chinese companies in the biotechnology industry from 1985 to 2021. Then this paper further screens the patent data from 1987 to 2019 by using a 5-year rolling time window. Finally, this paper obtains 108 878 patent data, which includes 12 269 patent data by R&D cooperation (4 099 patents by interfirm cooperation and 8 170 by UIR). It verifies the hypotheses by defining variables and constructing the multiple linear regression model. To further testify the regression results, this paper performs robustness tests based on a 3-year rolling time window by replacing the dependent variable.

The results show that firstly technology cooperation has a positive impact on key generic technology innovation, and UIR has a greater impact. Secondly the cooperation size has no significant positive effect on the key generic technology innovation, but technology diversity has a significant inverted U-shaped effect on the key generic technology innovation. Thirdly the cooperation type moderates the relationship between cooperation size and key generic technology innovation, and weakens the negative effect of technology diversity on key generic technology innovation.

This paper has the following implications for companies and governments on how to construct an R&D cooperation mode for key generic technology. (1) Compared with interfirm R&D cooperation, UIR plays a more positive role in promoting key generic technology innovation. (2) Interfirm R&D cooperation with multiple companies (large, medium, and small companies) on the industrial chain has a positive impact on key generic technology innovation, while UIR with a limited number of organizations plays a greater influence on key generic technology innovation. (3) To meet the needs of industrial upgrading, governments should encourage companies to concentrate their technological advantage, avoiding spanning too many technology fields. But when there is the need to span multiple different technology fields to break through key generic technology, companies should strengthen cooperative relationships with universities and research institutions, alleviating the problems of high communication and management costs.

Key Words：Patent Information; Key Generic Technology;University-Industry-Institution Cooperation; Interfirm Cooperation;Cooperation Size; Technology Diversity

DOI：10.6049/kjjbydc.2022010005

开放科学(资源服务)标识码(OSID)：

中图分类号：G301

文献标识码：A

文章编号：1001-7348(2023)17-0067-11

收稿日期：2022-01-04

修回日期：2022-05-07

基金项目：河南省教育厅人文社会科学研究基金项目(2021-ZZJH-077);河南省哲学社会科学规划基金项目(2019CJJ093)

作者简介：李阳(1985—),男,河南郑州人,博士,河南工业大学管理学院讲师,研究方向为技术创新与战略管理;唐玉洁(1987—),女,河北石家庄人,博士,郑州轻工业大学经济与管理学院讲师,研究方向为技术创新和组织领导力。本文通讯作者:唐玉洁。

0 引言

关键共性技术由关键技术和共性技术组成[1],其中关键技术在技术创新链中处于重要地位,对于解决技术发展瓶颈问题具有重要战略意义[2];而共性技术在技术创新链中处于基础地位,研发成果不但可以共享,而且能够为企业开发专有技术提供保障[3]。因此,学界认为关键共性技术是指与技术发展紧密结合,能够被各技术创新主体广泛共享和应用,并有效驱动技术进步与经济发展的技术群体或技术体系[4]。关键共性技术具有准公共物品属性,研发过程投入大、周期长、外部效应显著[5],这些特征使得关键共性技术成为技术封锁和限制的对象,从而陷入“卡脖子”困境。同时,考虑到关键共性技术的基础性和复杂性,单个企业或组织难以独立完成关键共性技术研发。因此,在这一背景下,构建由企业、大学和科研院所等多主体共同参与的合作研发模式成为破解关键共性技术“卡脖子”难题的重要途径。

关于关键共性技术合作模式的研究主要围绕合作类型与合作特征两个方面展开论述。一是合作类型。现有研究指出关键共性技术合作研发更有可能在多个企业之间开展,且企业对共性技术的需求和预期收益是驱动企—企合作的原动力[6],多个企业参与的企—企合作有利于突破复杂产品装备制造中的关键共性技术[7]。另外,相关研究发现,在生物技术领域,产学研合作也是一种有效的共性技术创新合作形式[3]。产学研合作有利于知识基础雄厚的企业实现共性技术研发,且明显优于企—企合作与企业独立研发[8]。二是合作特征。伙伴规模和技术领域是影响关键共性技术合作研发的主要特征。已有研究发现,伙伴规模影响企业专利合作网络共性技术溢出(岑杰等,2021),且不同技术领域关键共性技术合作模式存在显著差异(马永红等,2021)。

综上所述,学界普遍认为企—企合作和产学研合作是突破关键共性技术的两种有效形式,并指出合作规模和技术领域是关键共性技术合作研发过程的主要特征。然而,现有研究未将合作类型与合作特征有机结合在一起,未揭示企—企合作与产学研合作对关键共性技术创新存在哪些差异化影响,以及合作规模与技术领域在不同合作类型中具有哪些影响作用,导致相关研究存在一定局限。因此,为探讨关键共性技术研发中不同合作类型的适用条件[9],本文基于中国生物技术领域专利信息,从企—企合作和产学研合作入手,引入专利合作规模与技术领域多样性两个变量,考察不同专利合作模式对关键共性技术创新的影响效应,揭示关键共性技术创新合作模式选择机制,旨在解答“企业如何根据合作类型配置合作特征进而实现关键共性技术创新”这一理论问题,以期为企业关键共性技术合作模式构建提供实践启示。

1 研究设计

1.1 研究假设

(1)合作类型对关键共性技术创新的影响。关键共性技术具有复杂性、不确定性、外溢性和公共物品属性特征,导致研发过程存在高研发风险和供给失灵等问题[10]。一般而言,合作研发优于独立研发,是促进关键共性技术创新的主要途径。首先,从知识基础看,合作研发能够弥补单个企业知识储备不足,使异质性知识在各研发主体之间流动与转化,促进不同技术领域知识有效融合,为关键共性技术研发提供跨领域知识基础[11];其次,从交易成本看,合作研发可在一定程度上分摊各合作主体的技术研发成本,降低独立研发风险,从而提高企业关键共性技术创新投资意向[14]。据此,本文提出如下假设:

H1:与企业独立研发相比,合作研发有利于促进关键共性技术创新。

H1a:与企业独立研发相比,企—企合作有利于促进关键共性技术创新;

H1b:与企业独立研发相比,产学研合作有利于促进关键共性技术创新。

关键共性技术具有技术基础性和公共物品属性特征,在企—企合作过程中,企业为追求自身利益最大化有可能出现“搭便车”行为[12],并对关键共性技术创新产生不利影响。而在产学研合作中,高校和科研院所更关注科学研究和成果发表,企业更看重技术吸收和应用[13]。这表明,产学研合作主体之间往往不存在竞争关系,更容易形成稳定的技术合作关系,更有利于实现资源互补、优势叠加,更能促进关键共性技术创新[12]。据此,本文提出如下假设:

H2:与企—企合作相比,产学研合作更有利于促进关键共性技术创新。

(2)合作特征对关键共性技术创新的影响。从知识积累看,随着合作规模扩大,合作主体可获得的异质性知识增多,为知识整合与利用提供了丰富的资源储备[14],提高了各主体匹配内外部知识的可能性;从创新网络看,合作规模扩张意味着网络主体外部知识渠道拓宽,不仅能够降低主体对强联结的依赖,提高其获取有价值知识的议价能力,还能够增强主体弱联结,提高其获取意外知识的概率[15]。据此,本文提出如下假设:

H3:合作规模对关键共性技术创新存在正向影响。

技术领域多样性是合作研发的另一个主要特征,技术领域多样性越广,表明合作技术范围和边界越宽、跨学科知识越丰富。从知识流动视角看,跨技术领域合作能够打破多学科知识边界,加快知识在各主体之间流动与整合[16],并对关键共性技术创新产生积极影响。然而,技术领域多样性对关键共性技术创新的影响可能存在一个拐点,如果涉及过多技术领域,各主体需要打破更多技术边界才能整合不同领域知识,会加大知识整合难度,甚至超出主体知识整合和吸收能力负载[17],从而对关键共性技术创新产生抑制作用。另外,技术范围和边界过大意味着大量跨领域知识涌入,也会大幅提高各合作主体知识组合的复杂性和试验成本[18],甚至超过技术创新所带来的收益,从而对关键共性技术创新带来不利影响。据此,本文提出如下假设:

H4:技术领域多样性对关键共性技术创新存在倒U型影响。

(3)合作类型和合作特征对关键共性技术创新的影响。本文认为,合作类型可能在合作规模与关键共性技术创新之间发挥调节作用。企业通常更倾向于选择能够提供大量互补性知识的合作伙伴进行合作创新[19]。对于企—企合作而言,由于单个企业知识积累有限,为获取技术创新所需的足够知识,企业会选择多个伙伴进行合作创新,这样不仅可以快速获取丰富的互补性知识[20],而且能够避免知识冗余。因此,企—企合作规模扩张有利于促进关键共性技术创新。

然而,对于产学研合作而言,单个高校和科研院所本身已经积累了较为丰富的知识库,随着产学研合作规模的不断扩大,无论是企业、高校还是科研院所都不会显著增加互补性知识,反而会带来更多冗余性知识,导致企业搜寻和知识获取成本上升。因此,构建小规模产学研合作网络可以满足企业关键共性技术创新所需的互补性知识。据此,本文提出如下假设:

H5:企—企合作规模对关键共性技术创新存在正向影响,产学研合作规模对关键共性技术创新存在负向影响。

合作类型同样在技术领域多样性与关键共性技术创新之间发挥调节作用。多领域技术合作为关键共性技术创新带来多学科知识,其与企业吸收能力密切相关。相比于高校或科研院所,企业具有领域限制与路径依赖特征,因此吸收能力较弱[21]。因此,对于企—企合作而言,受限于企业吸收能力,当横跨多技术领域合作时,企业难以对多学科知识进行消化、吸收和利用[22],也无法通过企—企合作改善多领域合作对关键共性技术创新带来的不利影响。然而,对于产学研合作而言,高校和科研院所可通过建立联合实验室、培养人才等方式突破企业吸收能力限制与路径依赖,帮助企业吸收和利用多学科知识[23],从而缓解多技术领域对关键共性技术创新所带来的负面影响。据此,本文提出如下假设:

H6:与企—企合作相比,产学研合作能够削弱技术领域多样性对关键共性技术创新所带来的负面影响。

本文构建理论模型,如图1所示。

1.2 样本选取与数据来源

生物技术产业属于专利密集型产业,专利数据在一定程度上可以反映该产业技术创新水平。由于生物技术的基础性和多学科交叉性,该产业研发主体之间常开展专利合作。因此,本文选取生物技术领域专利作为研究对象,分析步骤如下:

(1)原始样本收集。根据2016年OECD修订的生物技术领域IPC代码,在壹专利(Patyee)数据库中对1985-2021年中国企业在该领域申请的发明专利进行检索,筛选出申请人包含企业的专利数据,共获得138 767条发明专利,检索时间为2022年4月27日。

(2)专利技术IPC4动态共现网络构建。考虑到较长时间窗口难以捕捉动态变化的合作关系,较短时间窗口又无法反映更多合作互动关系,因此本文借鉴Xu等[24]的研究,以5年滚动窗口(t-2期至t+2期)为基期,绘制1987-2019年专利技术IPC4动态共现网络。

(3)专利关键共性技术创新指标计算。本文借鉴栾春娟[25]的研究,利用SNA技术将度中心度(Degree Centrality)和中介中心度(Betweenness Centrality)设置为生物技术专利关键共性技术创新指标。鉴于一项专利通常包含多个IPC4,故本文在单个IPC4分类的基础上,分别计算每个专利的平均度中心度和平均中介中心度。

(4)合作专利筛选。在全样本专利数据的基础上,筛选出包含两个及以上申请人且申请人为非个人的专利数据,共获得12 269条合作专利,占比为11.27%。其中,企—企合作专利占比3.76%,产学研合作专利占比7.50%,比例分布与以往研究基本一致[4]。

本文样本分布情况如表1所示。全样本用以检验假设H1、H1a和H1b,其它假设则基于合作研发样本数据进行验证。

1.3 变量设计与测量

1.3.1 关键共性技术创新

本文采用专利平均技术广泛度衡量共性技术创新,采用平均技术关键度衡量关键技术创新[25]。

(1)平均技术广泛度(Average Degree Centrality,ADC)。该指标反映专利技术与其它技术的平均共现次数,取值越高,说明其与其它技术平均共现水平越高[25],即具有较高的技术广泛性。

(2)平均技术关键度(Average Betweenness Centrality,ABC)。该指标反映专利技术在技术领域中的平均关键程度,取值越高,说明其在技术网络中越处于“桥”的位置[25],越能制约产业技术创新,对整个产业具有较高的技术关键性。

1.3.2 专利合作类型

(1)专利合作(Patent Cooperation,PC):2个或2个以上主体共同参与的专利合作创新行为。该变量为虚拟变量,若申请人数量大于1,取值为1;否则取值为0。

(2)企—企合作(Industry-Industry Cooperation,II):2个或2个以上企业作为专利申请人。该变量为虚拟变量,若申请人均为企业且数量大于1,取值为1;否则取值为0。

(3)产学研合作(University-Industry-Research Cooperation,UIR):由企业、高校和科研院所作为专利申请人进行专利合作。该变量为虚拟变量,若申请人数量大于1且至少有一个企业、高校或科研院所,取值为1;否则取值为0。

1.3.3 专利合作特征

(1)专利合作规模(Patent Cooperation Size,PCS):参与技术合作的组织数,本文采用专利申请人数量衡量。

(2)技术领域多样性(Patent Technology Diversity,PTD):采用专利所包含的不同类型IPC4代码数衡量。

1.3.4 控制变量

(1)专利知识基础(Knowledge Base of Patent,KBP)。采用专利引用的科学文献数衡量,反映科学与技术之间的关联关系。专利引用的科学文献数越多,说明其越接近基础研究,越有可能影响专利技术关键性。

(2)专利授权区域(Granted Region of Patent, GRP):专利授权所在地理区域。相比于经济和技术欠发达地区,发达地区更有可能对关键共性技术产生影响。根据我国对地区发展水平的划分标准,将专利授权区域划分为东部地区(GRP=1)、中部地区(GRP=2)和西部地区(GRP=3)。

(3)专利族规模(Patent Family Size,PFS)。专利族规模越大,说明在不同国家或区域寻求的专利保护越多,越具有商业化获利潜力和经济价值,并影响关键共性技术创新。

(4)权利要求数量(Patent Claims Number,PCN)。权利要求数量决定专利被授予的法律保护边界,通常被认为是专利包含关键共性技术的重要评估指标。

(5)时间趋势(Year):采用专利申请年份变量衡量。

变量名称及定义如表2所示。

2 实证结果分析

2.1 描述性统计与相关性分析

全样本和子样本变量描述性统计及相关系数结果如表3和表4所示,从中可见主要变量之间存在一定相关性。通过计算方差膨胀因子(VIF)可知,两个样本各变量VIF的最大值分别为1.12和1.13,平均值均为1.07,符合多重共线性检验标准,说明各变量之间不存在严重的多重共线性问题。

2.2 结果分析

鉴于因变量为非负连续变量,故选取OLS模型进行检验,并使用异方差稳健标准误模型对回归结果进行校正。

(1)合作类型对关键共性技术创新的影响。全样本回归结果如表5所示, M1.0和M2.0作为基准模型,控制变量实证结果基本符合预期。 M1.1和M2.1结果显示,合作研发对平均技术广泛度(β=0.015)和关键度(β=0.015)均存在显著正向影响,说明专利合作有利于关键共性技术创新,H1得到验证。M1.2和M2.2结果显示,与企业单独研发相比,企—企合作(II)对平均技术广泛度(β=0.006)和关键度(β=-0.017)均不存在显著影响,说明未促进关键共性技术创新,H1a未得到支持。原因可能在于,我国企业创新能力较弱,仅通过企—企合作难以解决关键共性技术问题,无法实现关键共性技术突破。同时,与企业单独研发相比,产学研合作(UIR)显著提升平均技术广泛度(β=0.020)和关键度(β=0.031),说明产学研合作比企业单独研发更能促进关键共性技术创新,H1b得到验证。

合作子样本回归结果如表6所示。M1.3和M2.3结果显示,与企—企合作相比,产学研合作(UIR)能够显著提升平均技术广泛度(β=0.011)和关键度(β=0.039),H2得到验证。其中,产学研合作对平均技术广泛度的影响较低,原因可能在于高校和科研院所合作能够帮助企业获取更多关键技术创新资源,但对于共性技术,产学研合作虽能拓展企业技术边界,但优势不明显。

(2)合作特征对关键共性技术创新的影响。表6中M1.4和M2.4结果显示,合作规模(PCS)对平均技术广泛度(β=0.001)和关键度(β=-0.001)均不存在显著影响,说明扩大合作规模未显著促进关键共性技术创新,H3未得到支持。原因在于,合作规模扩张带来的影响在不同合作类型之间存在遮掩效应。对于产学研合作而言,少数学研伙伴可为企业提供关键共性技术创新所需知识,扩大合作规模反而会大幅增加知识获取成本;但对于企—企合作而言,单个企业知识积累和储备有限,增加新伙伴可在一定程度上积累更多知识。由此可见,提高产学研合作规模带来的负面影响抵消了增加企—企合作规模带来的正面影响,这一解释在H5中得到进一步验证。

假设H4回归结果如表6中M1.5和M2.5所示。从中可见,技术领域多样性对平均技术广泛度(一次项β=0.047;二次项β=-0.012)和关键度(一次项β=-0.053;二次项β=-0.006)均存在显著倒U型影响,H4得到验证。通过计算可知,技术领域多样性对平均技术广泛度的作用阈值为1.96,即当合作领域横跨1～2个IPC4类别时,关键共性技术广泛度最高;技术领域多样性对平均技术关键度的作用阈值为负,说明合作领域集中在1个IPC4时关键共性技术关键度最高,但随着IPC4类别的增多,技术关键度逐渐降低。

(3)合作类型与合作特征交互项对关键共性技术创新的影响。如表7中M1.7和M2.7所示,与企—企合作相比,产学研合作(UIR)负向调节合作规模(PCS)与平均技术广泛度(β=-0.038)和关键度(β=-0.042)之间的关系。通过绘制调节效应图发现,企—企合作规模越大,越有利于促进关键共性技术创新;产学研合作规模越小,越有利于促进关键共性技术创新。该结论表明,H3不成立的原因是遮掩效应所致,H5得到支持。

假设H6回归结果如表7中M1.8和M2.8所示。与企—企合作相比,产学研合作(UIR)显著调节技术领域多样性(PTD)与平均技术广泛度(一次交互项β=0.039;二次交互项β=-0.005)和关键度(一次交互项β=0.079;二次交互项β=-0.008)之间的倒U关系。通过绘制调节效应图发现,相比于企—企合作,产学研合作使技术领域多样性对关键共性技术创新的临界值向右移动,缓解了技术领域多样性对关键共性技术创新的负面影响,H6得到验证。

2.3 稳健性检验

本文替换移动时间窗口和因变量进行稳健性检验。

(1)替换移动时间窗口。借鉴Xu等[24]以3年(t-1期至t+1期)为滚动窗口的做法,绘制1986-2020年专利技术动态共现网络,得到124 553条全样本专利数据。其中,企业独立研发样本110 020条,企-企合作样本5 077条,产学研合作样本9 456条,结果如表8和表9所示。从中可见,回归结果稳健并与之前保持一致,个别变量显著性水平有所下降,可能是因为较短的滚动窗口无法捕捉到组织间更多的互动合作关系[26]。

(2)替换因变量。鉴于平均技术广泛度(ADC)与关键度(ABC)之间具有高度相关性,因此本文对这两个因变量提取主成分,用以衡量专利平均关键共性技术创新度(Average key generic technology,AKGT),稳健性检验结果如表10所示。从中可见,回归结果与之前一致,表明通过稳健性检验。

3 结语

3.1 研究结论

本文基于1985-2021年中国生物技术领域专利数据,从专利合作类型与合作特征入手,构建合作模式对关键共性技术创新影响的理论模型,揭示关键共性技术创新合作模式配置机制,得出如下结论:①相比于企业独立研发与企—企合作,产学研合作在突破关键共性技术上更有优势;②企—企合作规模扩张有利于促进关键共性技术创新,而产学研合作规模扩张则会削弱关键共性技术创新;③技术领域多样性与关键共性技术创新之间存在显著倒U型关系,产学研合作削弱了技术领域多样性带来的负面影响。

3.2 启示

根据上述研究结论,本文提出如下启示:

(1)开展技术合作,特别是产学研合作是实现关键共性技术创新的有效途径。相比于企—企合作,产学研合作对关键共性技术创新的积极影响作用更显著。因此,一方面应提高企业与高校、科研院所的合作意识,培育开放型创新文化氛围,深化各类组织对开放合作重要性的认识,建立专业化产学研合作创新管理机构并培养一批具有产学研合作经验的管理人才。另一方面,发挥政府的组织和协调作用,完善基础设施建设,鼓励更多企业、高校与科研院所共同参与关键共性技术合作研发,加快构建面向产业关键共性技术的创新联合体,形成企业、高校和科研院所多方参与的体制机制。

(2)合作类型差异化规模配置对关键共性技术创新至关重要。多企业参与的企—企合作与“小而精”的产学研合作有利于促进关键共性技术创新。因此,在配置企—企合作规模时,应鼓励产业链上中下游、大中小多家企业广泛参与,共同构建一批新型研发机构和关键共性技术平台,实现关键共性技术联合研发与攻关;同时,在配置产学研合作规模时,企业应避免盲目“贪大”,聚焦关键共性技术节点,选择符合技术创新需求的高校与科研院所,沿产业链形成“分布式”“小而精”产学研合作模式。

(3)由于关键共性技术的基础性和复杂性,跨领域合作研发成为新常态。适度跨领域技术合作可以实现关键共性技术创新,但横跨过多技术领域反而不利于突破关键共性技术。因此,在产业转型升级需求下,应鼓励企业集中优势资源,围绕关键细分领域,与相关企业、高校和科研院所等主体开展纵深式合作,培育一批专精特新小巨人企业,实现关键共性技术创新;但对于需要横跨多个技术领域才能实现技术突破的复合型关键共性技术而言,应鼓励企业加强与高校、科研院所合作,以多种产学研合作形式开展联合攻关与协同创新,并缓解多领域技术合作所带来的沟通难度大、管理成本高等问题。

3.3 不足与展望

本文存在如下不足:首先,虽然生物技术领域被认为是专利合作活动较多的领域,并常用于共性技术创新研究[3],但仅限于一个技术领域,所得结论具有一定局限性,未来可扩展至其它技术领域,得出更具有普适性的结论;其次,本文仅关注国内专利合作活动,未探讨国际专利合作对关键共性技术创新的影响,未来可进一步考察国际专利合作对于突破关键共性技术创新的作用及其与国内专利合作的差异。

参考文献：

[1] 虞锡君. 产业集群内关键共性技术的选择——以浙江为例[J]. 科研管理,2006, 27(1): 80-84.

[2] 赵彦飞,王孝炯,王丽. 国家关键技术选择:三维综合指数方法研究[J]. 科学学研究,2021, 39(6): 1015-1025.

[3] 朱桂龙,黄妍. 产学研合作对共性技术研发创新影响的实证检验——以生物技术领域为例[J]. 科技进步与对策,2017, 34(11): 47-54.

[4] 马永红,杨晓萌,孔令凯. 关键共性技术合作网络演化机制研究——以医药产业为例[J]. 科技进步与对策, 2021, 38(8): 60-69.

[5] 周源. 制造范式升级期共性使能技术扩散的影响因素分析与实证研究[J]. 中国软科学,2018,33(1): 19-32.

[6] 郑月龙,王琳. 多企业共性技术合作研发行为的演化动态[J]. 系统工程, 2018, 36(2): 71-79.

[7] 周国华,谭晶菁. 复杂产品装备关键共性技术合作研发模式研究[J]. 科技管理研究, 2018, 38(6): 99-105.

[8] 樊霞,陈双丽. 产学研合作更有利于产业共性技术研发创新吗——对USPTO中国专利数据的实证检验[J]. 科技进步与对策,2016, 33(13): 59-65.

[9] 郑月龙,刘思漫,白春光. 考虑多主体参与的产业共性技术研发模式比较研究[J]. 中国管理科学, 2021, 29(8): 44-56.

[10] 孙福全,李纪珍,顾淑林,等. 如何促进我国产业共性技术的研发[J]. 中国科技论坛,2006,22(5): 3-7.

[11] PARK H W, HONG H D, LEYDESDORFF L. A comparison of the knowledge-based innovation systems in the economies of South Korea and the Netherlands using Triple Helix indicators[J]. Scientometrics, 2005, 65(1): 3-27.

[12] TASSEY G.The disaggregated technology production function: a new model of university and corporate research[J]. Research Policy, 2005, 34(3): 287-303.

[13] YUAN C, LI Y, VLAS C O, et al. Dynamic capabilities, subnational environment, and university technology transfer[J]. Strategic Organization, 2018, 16(1): 35-60.

[14] GOERZEN A. Managing alliance networks: emerging practices of multinational corporations[J].Academy of Management Perspectives,2005, 19(2): 94-107.

[15] WANG C, SUNG H, CHEN D, et al. Strong ties and weak ties of the knowledge spillover network in the semiconductor industry[J]. Technological Forecasting and Social Change, 2017, 118(5): 114-127.

[16] EHLS D, POLIER S, HERSTATT C. Reviewing the field of external knowledge search for innovation: theoretical underpinnings and future (Re-)search directions[J]. Journal of Product Innovation Management,2020, 37(5): 405-430.

[17] 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.

[18] KNEELAND M K, SCHILLING M A, AHARONSON B S. Exploring uncharted territory: knowledge search processes in the origination of outlier innovation[J]. Organization Science, 2020, 31(3): 535-557.

[19] DEGENER P, MAURER I, BORT S. Alliance portfolio diversity and innovation: the interplay of portfolio coordination capability and proactive partner selection capability[J]. Journal of Management Studies,2018, 55(8): 1386-1422.

[20] WANG C,CHEN M,CHANG C.The double-edged effect of knowledge search on innovation generations[J]. European Journal of Innovation Management,2019, 23(1): 156-176.

[21] O'REILLY N M, ROBBINS P, SCANLAN J. Dynamic capabilities and the entrepreneurial university: a perspective on the knowledge transfer capabilities of universities[J]. Journal of Small Business and Entrepreneurship,2019, 31(3): 243-263.

[22] ZAHRA S A, GEORGE G. Absorptive capacity: a review, reconceptualization, and extension[J]. Academy of Management Review,2002, 27(2): 185-203.

[23] LI Y, TANG Y. A dynamic capabilities perspective on pro-market reforms and university technology transfer in a transition economy[J]. Technovation,2021, 103(5):1-15.

[24] XU L, LI J, ZHOU X. Exploring new knowledge through research collaboration: the moderation of the global and local cohesion of knowledge networks[J]. The Journal of Technology Transfer,2019, 44(3): 822-849.

[25] 栾春娟. 战略性新兴产业共性技术测度指标研究[J]. 科学学与科学技术管理,2012, 33(2): 11-16.

[26] WANG C, RODAN S, FRUIN M, et al. Knowledge networks, collaboration networks, and exploratory innovation[J]. Academy of Management Journal,2014, 57(2): 484-514.

(责任编辑:王敬敏)