Multiple Institutional Logic, Firm Heterogeneity and Enterprise Innovation Performance : A Fuzzy Qualitative Comparative Analysis Based on 125 Listed New Energy Vehicle Firms

Zheng Ailin1, Lan Hailin1,2

(1. School of Business Administration, South China University of Technology;2. China Enterprise Strategic Management Research Center, South China University of Technology, Guangzhou 510641, China)

Abstract：The new energy vehicle industry has the potential to address concerns related to energy scarcity and environmental pollution. However, there are technological bottlenecks, such as insufficient battery life and long charging time, hindering its development. Enhancing innovation performance in new energy vehicle enterprises has become a key concern for various stakeholders. While existing research has examined the impact of factors at different levels, there is a need to further explore the combined effects of multiple factors.

The study aims to enhance the understanding of the intricate causal relationships among multiple factors that influence technological innovation performance in Chinese new energy vehicle enterprises. The study analyzes a sample of 125 companies listed in the A-share new energy vehicle sector from 2012 to 2019 according to the completeness and availability of data. It divides the technological innovation performance of new energy vehicle enterprises into two stages: the emerging stage (2012-2015) and the mature stage (2016-2019) based on the overall development level of new energy vehicles in China, with 2016 as the dividing line. The study organizes the data into a total of 500 observation points for 125 cases within each stage and averages the data in the two stages. Drawing on a framework that considers multiple institutional logics, enterprise heterogeneity, and innovation performance, the study analyzes the complex mechanisms that underlie these factors and explains the differences in technological innovation performance of new energy vehicle enterprises from a configuration perspective. The configuration perspective highlights the interplay of multiple factors in determining outcomes, considering causal asymmetry and configuration equivalence. This approach sheds light on the coupling effect among multiple factors and reveals the intricate causal relationships between antecedent conditions and outcome variables. In addition, the fsQCA method helps to overcome the limitations of causal symmetry and focus on the cross-case multiple concurrent causality and the equivalent substitution relationship among conditions. The fsQCA method is used to capture the comprehensive effects of multiple conditional variables rather than the net effect of a single variable. It helps to explore the idea that different paths lead to the same result and effectively avoids the problem of multicollinearity.

It is found that government subsidies, marketization level, cooperation intensity, corporate profits, equity structure, and R&D investment alone can not consist of necessary conditions for generating high technological innovation performance,while increasing government subsidies and R&D investment play a more general role in improving technological innovation performance, and the subsidy reduction policy has not achieved the desired effect. The study identifies five paths that can lead to high technological innovation performance of new energy vehicle enterprises. In the emerging stage (2012-2015), it includes innovation based on the trend driven by market logic and political logic, and innovation based on the situation driven by enterprise logic and political logic; in the mature stage (2016-2019), it includes the innovation based on the situation driven by political logic, the innovation based on the trend driven by enterprises' logic and political logic, the innovation based on the situation driven by political logic. These different paths represent multiple ways for enterprises to achieve high technological innovation performance, depending on their unique circumstances and strategies. Then it identifies four paths that can lead to non-high technological innovation performance in the two stages, indicating that the generation of non-high technological innovation performance also has multiple equivalent antecedent combinations. Non-high R&D investment is a necessary condition for non-high technological innovation performance, and the path for generating high technological innovation performance is asymmetric.

The findings reveal several viable paths for new energy vehicle enterprises to achieve high technological innovation performance, thereby contributing to the current research on this topic. The use of time series data in QCA analysis expands the research scope of this method and enhances its explanatory power in the context of technological innovation performance of new energy vehicle enterprises, which is constantly evolving. The findings offer valuable insights for both the government and enterprises to accelerate the development of new energy vehicle technology breakthroughs.

Key Words：New Energy Vehicle Enterprises; Technological Innovation Performance; Configuration Analysis; Institutional Logic; Firm Heterogeneity

DOI：10.6049/kjjbydc.2023030340

开放科学(资源服务)标识码(OSID)：

中图分类号：F426.471

文献标识码：A

文章编号：1001-7348(2023)17-0099-09

收稿日期：2023-03-14

修回日期：2023-05-09

基金项目：教育部哲学社会科学研究重大课题攻关项目(15JZD020)

作者简介：郑爱琳(1987-),女,广东江门人,华南理工大学工商管理学院博士研究生,研究方向为产业政策效果评估;蓝海林(1959-),男,广东大埔人,博士,华南理工大学工商管理学院教授,华南理工大学中国企业战略管理研究中心主任、博士生导师,研究方向为企业战略管理、经济体制改革。

0 引言

新能源汽车产业是我国汽车产业实现“弯道超车”的载体[1]。经过14年快速发展,我国新能源汽车产销量连续8年位居全球第一,新能源整车技术已经达到全球领先水平(刘仁厚等,2023),涌现出一批技术领先的新能源汽车企业,如广汽集团、比亚迪、国轩高科、普特力等。但作为新能源汽车产业实现关键技术突破的重要推动力[2],技术创新面临多种发展阻力,如续航能力、充电时间、能源储存与运输等[3]。如何提高新能源技术绩效,促进新能源汽车技术突破是现阶段亟需解决的问题。

国内外学者主要从内外部因素出发,探讨其对新能源汽车企业技术创新绩效的影响。从外部因素看,政府补贴、市场化水平、合作网络等是影响新能源汽车企业技术创新绩效的重要因素[4-5]。多个外部因素的协同作用越来越受到学者们关注,良好的区域创新氛围会强化技术准入政策对研发投入的正向激励[6]。经济越发达地区,进入新能源汽车推荐目录对企业技术创新的激励作用越显著(薛晓珊等,2021)。从内部因素看,股权结构、产权性质、研发投入等是影响新能源汽车技术创新绩效的重要因素(刘兰剑等,2021;刘金亚等,2023)。相较于国有企业,新能源汽车产业政策对非国有企业绿色创新的激励作用更显著[4],股权集中度在复杂环境中有助于缓解“搭便车”和代理问题,从而带动企业创新效率提升[7]。企业技术创新绩效既受到自身特征的影响,又受到复杂制度环境的影响,往往是内外因素协同作用的结果。制度逻辑理论不仅可以反映企业所嵌入的多重制度逻辑,而且能够进一步分析不同制度逻辑间的关系,完整地呈现企业外部环境。上述理论关注不同制度逻辑对企业的影响,能够更好地解释产生企业行为异质性的原因(苏敬勤,刘畅,2019)。已有研究主要探索两种制度逻辑协同机制或企业单一特质与某一制度逻辑的协同机制,尚未关注多重制度逻辑协同和多种企业特质与多重制度逻辑的复杂交互作用,因而未能全面反映多重制度逻辑与企业异质性交织情境下的企业技术创新效果。

新能源汽车技术创新绩效受多重制度逻辑与企业异质性等前因条件多重并发影响,是一个高度复杂的问题(杜运周,马鸿佳,2022)。基于集合理论的定性比较分析方法,能够通过必要性和充分性分析解释复杂系统中相互依赖因素的交互作用,适用于多重制度逻辑与企业异质性并发影响新能源汽车技术创新绩效的复杂系统研究。因此,本文基于制度逻辑与企业异质性视角,以125家上市新能源汽车企业为例,运用模糊集定性比较分析方法(fsQCA)对新能源汽车企业技术创新绩效差异进行解释,试图探索多重制度逻辑、企业异质性与新能源汽车企业技术创新绩效的复杂因果关系,进一步挖掘高技术创新绩效实现路径,为促进新能源汽车企业技术突破提供科学参考。

1 理论回顾与模型构建

企业处于复杂环境中,面临多重制度逻辑。Thornton等[8]基于制度秩序类型与构成要素构建矩阵分析框架,将制度逻辑的5个假设纳入其中,概括出现代社会制度系统的核心制度逻辑,即国家逻辑、市场逻辑、社区逻辑、企业逻辑、专业逻辑、家族逻辑以及宗教逻辑。中国情境下,企业战略决策很大程度上受政治逻辑的影响(苏敬勤,刘畅,2019)。作为最活跃的市场主体,企业基于利益最大化目标,其行为以市场逻辑作为重要依据,遵循市场竞争机制制定战略决策[9]。社区逻辑常与市场逻辑结合解释企业行为异质性,作为社区成员,企业在社区中的卷入程度越高,越能促进社区价值提升(吴波等,2021)。一直以来,企业逻辑都是企业行为的主导逻辑[10]。因此,新能源汽车企业处于政治逻辑、市场逻辑、社区逻辑、企业逻辑4类制度逻辑共存与互动的复杂制度环境中。

已有研究关注单个因素对企业技术创新绩效影响的净效应,以及单一制度逻辑与企业异质性因素对企业技术创新绩效影响的协同效应,可为基于多重制度逻辑与企业异质性对新能源汽车企业技术创新复杂因果关系进行组态分析奠定基础。多重制度逻辑与新能源汽车企业技术创新绩效研究认为,政府补贴是政治逻辑的重要信号,市场化水平是衡量市场逻辑地位的公认指标[11],合作强度是衡量社区逻辑影响力的重要指标(吴波等,2021),企业利润是企业逻辑的主要关注内容之一[8]。因此,本文以政府补贴、市场化水平、合作强度、企业利润表征政治逻辑、市场逻辑、社区逻辑、企业逻辑。企业异质性可为利益相关者的主体地位、权利与义务划分提供明确的界线[12],会导致企业技术创新绩效差异。股权结构设置是企业创新治理的基础(黄钟仪等,2023),研发投入作为企业异质性特征,能够影响企业对制度环境的响应[13]。因此,本文选择股权结构、研发投入表征企业异质性。综上,本文从多重制度逻辑与企业异质性两个层面进行前因范围界定,具体包括政府补贴、市场化水平、合作强度、企业利润、股权结构、研发投入6个前因变量。

1.1 单个因素与新能源汽车企业技术创新绩效

1.1.1 政府补贴与新能源汽车企业技术创新绩效

政治干预是中国转轨经济的特殊制度特征[14],政府补贴则是政府干预的重要工具(杨国超,芮萌,2020)。作为政府经济补偿,政府补贴能够有效缓解企业对新能源汽车研发风险的焦虑,从而提高技术创新绩效(刘兰剑,张萌,黄天航,2021)。政府补贴往往通过研发投入、企业规模和盈利能力等途径对新能源汽车企业技术创新绩效发挥积极作用(李明珊,姜竹秋,2022)。

1.1.2 市场化水平与新能源汽车企业技术创新绩效

改革开放40余年,中国特色社会主义市场经济改革持续深化,市场化制度与市场化意识逐渐形成,越来越多的企业通过市场进行资源配置[9]。市场发展倒逼企业技术创新(胡登峰等,2021),市场越完善的地方,企业越能从中获取所需资源,缓解地方政策对资源配置的扭曲,发挥政策对企业创新的激励作用(熊勇清,王溪,2021)。市场竞争越激烈,公共领域需求增加越会倒逼企业技术创新,迫使其以低价竞争获得优势。只有当基础设施足够完善时,私人需求增加才能促进企业技术创新绩效提升(熊勇清,王溪,2021)。

1.1.3 合作强度与新能源汽车企业技术创新绩效

科学合作网络能够影响企业技术进步速度[15],企业科学合作网络越广,合作强度越大,创新产出水平越高[5]。适度的社区内合作能够通过快速、高效的本地社区知识渠道增强企业创新能力,但社区内与社区间协作强度的交互作用对创新绩效具有显著负向影响,这是因为企业在社区内面临“边界挑战”,导致本地与外部社区间的知识整合和社会整合成本较高[16]。协作网络中,网络联结强度越高,主体间交流与合作越深入,越有利于利用式创新,适当的联结强度能够在促进异质性知识交流的同时维持知识多样性,从而促进探索性创新(甄美荣,2020)。

1.1.4 企业利润与新能源汽车企业技术创新绩效

企业利润是其盈利能力的重要衡量指标,能够为新能源汽车企业创新行为提供有利的物质条件[17]。企业利润会限制其创新活动(邵慰,杨珂,梁杰,2018),盈利能力较强的企业具有较强的创新动机(Lin &Luan,2018),持续盈利是新能源汽车技术创新的重要保障(李旭,熊勇清,2021)。企业进入新能源汽车生产目录名单后,可获得额外经济补贴,并通过传递品牌信号进一步扩大销售市场,从而提高自身技术创新绩效(Wang &Jiang,2021)。

1.1.5 股权结构与新能源汽车企业技术创新绩效

股权结构是对经营者剩余控制权的重要控制机制之一,适度的股权集中度有利于大股东基于利益最大化诉求支持并推动技术创新活动[18]。适度的股权集中度背景下,企业决策更能维护大多数股东的利益,独立董事更能发挥其监督职能,从而弱化政府补贴对研发投入的挤出效应(熊勇清,范世伟,刘晓燕,2018)。适当的股权集中度能够帮助新能源汽车企业提高决策效率,从而提高技术创新绩效(刘兰剑等,2021)。

1.1.6 研发投入与新能源汽车技术创新绩效

研发投入是衡量企业技术创新能力的重要指标(刘金亚等,2023)。随着研发投入增加,企业技术创新能力增强,其技术创新绩效随之提高(Huang等,2015)。研发投入与专利产出存在门槛效应,故应将政府补贴控制在“适度空间”(李兆友,齐晓东,2017)。“双积分”政策能够推动新能源汽车企业研发投入强度提升,以此激发企业自主创新动力,从而提升企业技术创新绩效(刘金亚等,2023)。

1.2 组态视角下新能源汽车技术创新绩效研究框架

组态分析注重多因素互动对结果的作用,基于因果非对称性与组态等效性,反映多重因素间的耦合效应,揭示前因条件与结果变量的复杂因果关系。因此,本文基于组态视角探讨多重制度逻辑与企业异质性多元互动对新能源汽车企业技术创新绩效的复杂作用机制。综上,本文基于多重制度逻辑与企业异质性两个研究视角,深入挖掘政府补贴、市场化水平、合作强度、企业利润、股权结构、研发投入6个因素对新能源汽车企业技术创新绩效的复杂因果作用机制,并基于上述6个新能源汽车企业技术创新绩效前因变量构建研究分析框架,如图1所示。

2 研究方法与数据处理

2.1 模糊集定性比较分析方法

定性比较分析(QCA)是指基于布尔代数与集合理论的分析方法,广泛应用于比较社会学、商业研究和可持续发展等研究领域[19]。本文选用模糊集定性比较分析(fsQCA)方法的原因如下:其一,现有研究普遍采用面板数据分析不同因素对新能源汽车企业技术创新绩效的影响,未关注多种因素的不同组合对新能源汽车企业技术创新绩效的影响,模糊集定性比较分析(fsQCA)方法可以弥补上述研究的不足。其二,模糊集定性比较分析(fsQCA)方法可以突破因果关系对称性的限制,关注跨案例多重并发因果关系与条件的等效替代关系,旨在解释多个条件变量的综合效应而非单一条件变量的净效应,探索“殊途同归”,并有效规避多重共线性问题(杜运周,贾良定,2017)。

2.2 样本选择、变量测量与数据处理

作为质性研究方法,本文遵循最大程度相似性与最大程度异质性的案例选择原则,以2012—2019年A股上市新能源汽车板块125家企业为研究对象。

(1)时间空间选择依据。2010年《国务院关于加快培育和发展战略性新兴产业的决定》(国发〔2010〕32号)发布,新能源汽车产业被列入中国战略性新兴产业重点发展领域,由此迎来新能源汽车技术创新小高峰,但2010年、2011年新能源汽车技术创新数量依然较少。2012年《节能与新能源汽车产业发展规划(2012—2020年)》颁发,明确了政策导向(乐为等,2022)。因此,本文数据开始时间确定为2012年。鉴于2020年新冠疫情对社会经济的巨大冲击,本文数据时间窗口为2012—2019年。

(2)样本选择依据。参考韩斌等(2023)的研究成果,以同花顺财经新能源汽车概念板块A股上市企业作为基础样本库,剔除金融、保险、广告等行业企业、2012年后上市企业及借壳上市企业、ST和*ST企业以及数据严重缺失样本,最终选取125家新能源汽车企业作为研究样本。

(3)阶段划分依据。fsQCA的最新研究指出,有必要对存在明显阶段性特征的研究对象进行分段分析(杜运周等,2021)。新能源汽车技术具有阶段性特征,根据《2016节能与新能源汽车年鉴》,2015年是我国新能源汽车产业发展的重要转折点,该年我国新能源汽车产销量全球第一,技术整体达到世界领先水平。2016年,我国新能源汽车技术发展进入赶超阶段,财政部、科技部、工信部、发改委联合发布《关于 2016—2020 年新能源汽车推广应用财政支持政策的通知》,宣布新能源汽车“补贴退坡”计划启动,新能源汽车开始全面推广应用。因此,本文对样本数据进行分阶段研究。参考杨波和谢乐(2022)的研究成果,本文以2016年为分界线,对新能源汽车企业技术创新绩效进行阶段划分与数据整理,分为新兴阶段(2012—2015年)和成熟阶段(2016—2019年),每个阶段125个案例共500个观测点,分别对两阶段数据进行均值化处理。由于QCA方法无法处理面板数据,参考程建青等(2019)的面板数据处理方法,本文取阶段平均值。企业创新绩效、政府补助数据来源于同花顺数据库,其它数据来源于国泰安数据库。

本文结果变量为企业技术创新绩效,前因变量为政府补贴、市场化水平、合作强度、企业利润、股权结构、研发投入,各变量测量方法如表1所示。

3 实证结果分析

3.1 校准

为了使数据转化为软件需要的取值,在必要性分析与充分性分析前,需要对数据进行校准。当存在基于相对水平测量的变量时,应根据相对位置对数据进行校准(杜运周等,2020)。参考江彦辰和黄晓霞(2022)的校准方法,本文将结果变量与前因条件变量描述性统计结果的95%、50%、5%分别设定为完全隶属、交叉点、完全不隶属3个校准点。不同阶段结果变量与条件变量特征具有显著差异,因而有必要分阶段进行校准与描述性统计,结果如表2、表3所示。

3.2 必要条件分析

根据QCA方法的要求,在充分性分析前,需要对条件变量进行必要条件分析。一般来说,一致性取值大于阈值的条件变量可判定为必要条件(杜运周,贾良定,2017),不同阶段各变量必要性分析结果如表4所示。由表4可知,在不同阶段,本文所有条件变量对结果变量(新能源汽车企业高技术创新绩效)的一致性均小于0.9。由此表明,所选前因条件在单独情况下均不是新能源汽车企业实现高技术创新绩效的必要条件,单个条件变量对结果变量的解释力较弱,高技术创新绩效是多个因素协同作用的结果。因此,有必要对新能源汽车企业高技术创新绩效影响因素进行组态分析。非高技术创新绩效组态结果中,两个阶段的非高研发投入一致性均大于0.9,故将其判定为新能源汽车企业非高技术创新绩效的必要条件。

3.3 条件组态路径分析

组态分析旨在探寻条件的不同组合导致特定结果的充分性,使用一致性水平衡量组态的充分性。本文将数据导入fsQCA3.0软件构建真值表并对组态结果进行赋值,参考已有研究进行阈值设置(杜运周等,2020),将组态充分一致性阈值设置为0.8,PRI一致性阈值设置为0.7,案例频数阈值设置为1,解的覆盖度阈值设置为0.5,运算得到简约解、中间解、复杂解3类解。已有研究一般通过中间解得出组态结果,通过简约解与中间解的对比分析确定核心条件和边缘条件,将只出现在中间解的条件判定为边缘条件,同时出现在简约解与中间解中的条件判定为核心条件。参照Ragin&Fiss[20]的QCA组态结果呈现方式,本文采用图形呈现各条件变量权重,“●”和“⊗”分别表示条件存在与缺失,空白则表示该条件处于模糊状态,可能存在也可能缺失。为区分核心条件与边缘条件,前者以大圆表示,后者以小圆表示。由此,新能源汽车企业高技术创新绩效与非高技术创新绩效组态结果如表5、表6所示。

3.3.1 高技术创新绩效充分性分析

在新兴阶段(2012—2015年)与成熟阶段(2016—2019年),高技术创新绩效分别生成3种和4种组态结果,两阶段单个解和总体解的一致性水平均高于临界值0.8,总体解的覆盖度均高于0.5。由此可见,所得组态结果对高技术创新绩效具有较强的解释力。在不同阶段,新能源汽车企业高技术创新绩效存在多种可能路径,覆盖度取值越大,该路径解释力越强。本文通过对不同组态结果进行分析,探究不同阶段新能源汽车高技术创新绩效的多种因素互动机制。

第一,新兴阶段高技术创新绩效路径(2012—2015年)。

路径一:市场逻辑—政治逻辑主导下的顺势创新型。组态P1a指出,高市场化水平、高政府补贴、高研发投入为核心条件,非高合作强度、非高股权集中度为边缘条件可以充分导致高技术创新绩效。组态P1b指出,高市场化水平、高政府补贴、高研发投入为核心条件,高合作强度、高利润水平为边缘条件可以充分导致高技术创新绩效。比较组态P1a和P1b可知,两种组态的核心条件均为高市场化水平、高政府补贴、高研发投入,因而可以将两者合为一类进行讨论。忽略边缘条件的可能影响发现,企业所在区域市场化水平较高,在高政府补贴与高研发投入的加持下,新能源汽车企业能够实现高技术创新绩效。本文将此类路径命名为市场逻辑—政治逻辑主导下的顺势创新型。属于该类路径的典型企业包括福田汽车、江淮汽车、国民技术、金发科技、汇川技术、铜陵有色长园集团、大洋电机、立讯精密、格林美, 中鼎股份、阳光电源等。

路径二:企业逻辑—政治逻辑主导下的因势创新型。组态P2指出,非高合作强度、高利润水平、高政府补贴、高研发投入为核心条件,非高市场化水平为边缘条件可以充分导致高技术创新绩效。由此可知,当企业处于市场化水平较低地区时,即使没有强合作网络,在高政府补贴与高研发投入的加持下,新能源汽车企业也能实现高技术创新绩效。本文将此类路径命名为企业逻辑—政治逻辑主导下的因势创新型。属于这类路径的典型企业包括宇通客车、潍柴动力、胜利精密、华工科技、富瑞特装等。

第二,成熟阶段高技术创新绩效路径(2016—2019年)。

路径三:政治逻辑主导下的因势创新型。组态M1a指出,非高合作强度、高政府补贴、高研发投入为核心条件,高市场化水平、高利润水平为边缘条件可以充分导致高技术创新绩效。组态M1b指出,非高合作强度、高政府补贴、高研发投入为核心条件,高市场化水平、高股权集中度为边缘条件可以导致高技术创新绩效。比较组态M1a与M1b可知,两者具有相同的核心条件。在边缘条件上,组态M1a的高利润水平与组态M1b的高股权集中度存在替代关系,故两者可合为一类进行讨论。即使没有强合作网络,凭借政府大力扶持,加上自身对研发的重视,企业也能实现高技术创新绩效。本文将此类路径命名为政治逻辑主导下的因势创新型。属于该类路径的典型企业有三花智控、盈峰环境、万马股份、海联金汇等。

路径四:企业逻辑—政治逻辑主导下的顺势创新型。组态M2指出,高利润水平、高股权集中度、高政府补贴为核心条件,高市场化水平、高研发投入为边缘条件可以充分导致高技术创新绩效。由此可知,在高利润水平、高额政府补贴以及股东大力支持下,新能源汽车企业能够实现高技术创新绩效。本文将此类路径命名为企业逻辑—政治逻辑主导下的顺势创新型。属于这类路径的典型企业包括潍柴动力、大华股份、上汽集团、中鼎股份、万丰奥威, 万向钱潮、横店东磁、普利特等。

路径五:政治逻辑主导下的顺势创新型。组态M3指出,非高利润水平、高政府补贴、高研发投入为核心条件,高合作强度、高市场化水平、非高股权集中度为边缘条件可以充分导致高技术创新绩效。由此可知,在非高利润水平、高政府补贴、高研发投入下,新能源汽车企业能够实现高技术创新绩效。本文将此类路径命名为政治逻辑主导下的顺势创新型。属于这类路径的典型企业包括福田汽车、江淮汽车。

为进一步分析新能源汽车企业技术创新绩效的共性特征,本文根据制度逻辑与企业异质性整理出5种路径形成条件,如表7所示。由上述分析结果可知,新兴阶段(2012—2015年)有两条高技术创新绩效路径,成熟阶段(2016—2019年)有3条高技术创新绩效路径,每条路径均由不同核心条件构成。本文通过对5条高技术创新绩效路径进行对比、分类与归纳,发现高技术创新绩效路径具有如下特征:其一,新能源汽车企业实现高技术创新绩效离不开政府补助,政府补贴是所有子路径的核心条件;其二,所有子路径均是由制度逻辑与企业异质性两个层面因素交叉组合而成的,高技术创新绩效是通过“内外兼修”实现;其三,当政府支持技术创新且企业内部重视研发投入时,即使创新合作社区尚未形成,企业不依赖外部合作网络也能实现高技术创新绩效。

3.3.2 非高技术创新绩效充分性分析

非高技术创新绩效组态结果如表6所示。由表6可知,新兴阶段(2012—2015年)、成熟阶段(2016—2019年)分别呈现3种和1种组态,且各组态一致性均大于设置阈值。本文对上述4种组态进行分析,探究两个阶段非高技术创新绩效因素组合。

组态NP1指出,当非高市场化水平、非高利润水平、高股权集中度、非高政府补贴、非高研发投入为核心条件时,企业技术创新绩效较低。上述结果说明,对于股权集中的企业而言,处于市场化水平较低地区,利润水平低、政府补贴少、研发投入小,难以实现高技术创新绩效。组态NP2指出,当高合作强度、非高利润水平、高股权集中度、非高研发投入为核心条件,非高政府补贴为边缘条件时,企业技术创新绩效较低。上述结果说明,对于股权集中的企业而言,即使拥有强合作网络,由于利润水平低且缺乏政府补助,也难以实现高技术创新绩效。组态NP3表明,当高合作强度、非高利润水平、非高政府补贴、非高研发投入为核心条件,高股权集中度为边缘条件时,企业技术创新绩效较低。上述结果说明,对于股权集中的企业来说,即使拥有强合作网络,缺乏有效市场、政府补贴、研发投入,企业技术创新绩效也难以提高。组态NM1表明,当非高合作强度、非高政府补贴、非高研发投入为核心条件,高市场化水平为边缘条件时,企业技术创新绩效较低。上述结果说明,即使处于市场化水平较高地区,因缺乏有效合作网络、政府补贴,加上自身研发投入水平较低,企业也无法实现高技术创新绩效。

3.4 实证结果讨论

根据条件必要性分析结果,我国新能源汽车产业发展的不同阶段,单一条件不构成高技术创新绩效的必要条件,但非高研发投入是非高技术创新绩效的必要条件。新能源汽车企业高技术创新绩效往往是由多重因素并发实现的。新能源汽车企业技术创新绩效较低的关键原因在于研发投入不足。对比两个阶段路径可知,在补贴退坡前后,新能源汽车企业高技术创新绩效路径存在明显差异,每个阶段均存在多条路径。由此说明,多重制度逻辑与企业异质性层面各因素不同组合对企业技术创新的激励作用受产业发展的影响,并出现殊途同归的情况,具体分析如下:

(1)新兴阶段路径比较。对两条高技术创新绩效路径进行比较发现,两者具有相同的核心条件,即高政府补助与高研发投入。新兴阶段,上述两个因素对新能源汽车企业技术创新绩效发挥关键性作用,得到高额政府补助与重视研发投入的新能源汽车企业更可能实现高技术创新绩效。同时,比较新兴阶段非高技术创新绩效路径发现,非高研发投入是3条非高技术创新绩效路径的核心条件。综上可知,新兴阶段研发投入是新能源汽车企业技术创新绩效的关键影响因素。

(2)成熟阶段路径比较。对成熟阶段3条高技术创新绩效路径进行分析发现,3条路径具有相同的核心条件(高政府补贴)与边缘条件(高市场化水平)。由此推断,补贴退坡政策实施后,政府补贴对新能源企业技术创新绩效仍具有较大影响力,同时,市场化水平的影响较强。

(3)新兴阶段与成熟阶段路径比较。通过对比不同阶段路径发现,政府补贴对新能源汽车企业技术创新绩效极为重要,高政府补贴是全部高技术创新绩效路径的核心条件,非高政府补贴是大部分非高技术创新绩效路径的核心条件。同时,本文发现,研发投入也是重要条件,在非高技术创新绩效路径中,非高研发投入是所有路径的核心条件;在高技术创新绩效路径中,高研发投入只在一条路径中不是核心条件。

3.5 稳健性检验

使用QCA方法过程中,若微调形成的结果间子集合关系不会影响已有解释,则认为结果是稳健的[21]。参考已有研究成果(杜运周等,2020),本文对新能源汽车企业高技术创新绩效前因组态进行如下稳健性检验:第一,将一致性阈值由0.8调整至0.85,形成的组态与原组态相同。第二,将案例频数由1调整至2,形成的组态包含于原组态。第三,结果变量替换为专利获得数量,得到新的组态结果与原组态结果一致。由上述检验结果可知,本文组态分析结果较为稳健。

4 结语

4.1 研究结论

本文以125个新能源汽车企业为研究对象,结合制度理论构建多重制度逻辑、企业异质性与技术创新绩效分析框架,从组态视角探究不同发展阶段不同因素及组合对企业技术创新绩效的作用机制与驱动路径,挖掘多重制度逻辑与企业异质性两个层面因素交互形成的企业技术创新绩效核心条件及联动效应,得到以下主要研究:

(1)多重制度逻辑与企业异质性两个层面的6个因素,即政府补贴、市场化水平、合作强度、企业利润、股权结构、研发投入均不是高技术创新绩效实现的必要条件,但政府补贴和研发投入对企业技术创新发挥普适性作用。随着新能源汽车产业发展,政府补贴对新能源汽车企业技术创新绩效仍具有重要影响。

(2)多重制度逻辑与企业异质性两个层面因素对新能源汽车企业技术创新绩效的驱动效应存在差异,多重因素不同组合对企业技术创新绩效的驱动作用殊途同归。高技术创新绩效存在5条实现路径,新兴阶段(2012—2015年)包括市场逻辑—政治逻辑主导下顺势创新型和企业逻辑—政治逻辑主导下的因势创新型;成熟阶段(2016—2019年)包括政治逻辑主导下的因势创新型、企业逻辑—政治逻辑主导下的顺势创新型和政治逻辑主导下的顺势创新型,不同路径代表不同企业多种高技术创新绩效实现方式。

(3)两个阶段中,非高技术创新绩效有4条实现路径,表明非高技术创新绩效实现具有多个等效前因组合,非高研发投入是非高技术创新绩效的必要条件,且与高技术创新绩效实现路径是非对称的。

4.2 理论贡献

(1)本文基于组态理论,从多重制度逻辑与企业异质性两个层面探究中国新能源汽车企业技术创新绩效实现路径。目前,大多数研究关注不同层面因素组合对新能源汽车企业技术创新绩效的影响机制,如政府补助与企业规模、政策扶持与市场化水平、政府补助与企业产权性质等,停留在两个因素组合层面,缺乏多因素并发驱动效应分析。本文基于多重制度逻辑、企业异质性与企业技术创新绩效分析框架,分析多因素复杂作用机制,揭示新能源汽车企业高技术创新绩效路径,一定程度弥补了现有研究的不足。

(2)从时间维度发现组态动态变化特征,揭示新能源汽车企业技术创新绩效影响因素,验证多重制度逻辑与企业异质性因素及组合在行业不同阶段对企业技术创新绩效的多种驱动机制。对时序数据的分析拓宽了QCA研究范围,也提升了QCA方法对新能源汽车技术创新绩效的解释力。

4.3 实践启示

4.3.1 对新能源汽车企业的启示

(1)基于当前制度环境优化自身资源配置,选择合适的新能源汽车企业高技术创新绩效因素组合,从而抓住技术突破机会。

(2)基于新能源汽车产业发展阶段,及时调整企业技术创新战略。

(3)对于新能源汽车行业潜在进入者而言,可根据当前高技术创新绩效组态结果的核心条件对自身资源进行配置,以此作为行业进入判断依据与战略制定依据。

4.3.2 对政府的启示

(1)加大政策调整力度。政府补贴依然对新能源汽车企业技术创新绩效具有较大影响,但不利于新能源汽车产业市场完善,因而有必要以其它政策替代直接补贴,从而促进新能源汽车产业良性发展。

(2)进一步完善市场环境。市场机制与法律法规进一步完善有助于更好地发挥市场的资源配置作用,提高新能源汽车企业技术创新绩效。

(3)建立健全政策对象选择机制,“广撒网”容易造成资源浪费,只有合理选择政策对象,才能高效实现政策目标。因此,未来需要构建动态评选机制,及时调整政策对象,提高政策执行效率。

4.4 研究创新性

(1)研究视角。区别于现有研究大多关注单个或两个因素组合对企业技术创新绩效的影响,本文构建多重制度逻辑、企业异质性与技术创新绩效系统性分析框架,通过整合各类因素探究多个因素及其组合对结果的联动机制,以更全面的视角探讨企业技术创新绩效的复杂作用机制。

(2)方法应用。一方面,区别于现有研究采用线性定量分析方法探讨不同因素对企业技术创新绩效的影响,本文使用QCA方法研究企业高技术创新绩效多路径因素组合;另一方面,本文引入时间序列,突破常用于面板数据分析的QCA方法使用范围,使其应用范围得到进一步拓展。

4.5 不足与展望

本文存在以下局限:其一,阶段划分不够完善。受限于数据可得性,本文选择2012—2019年作为时间跨度,依据技术整体发展情况进行阶段划分,并未严格依据新能源汽车生命周期,因而难以基于产业生命周期得出未来阶段的相关结论。因此,未来可考虑根据产业生命周期进行阶段划分[30]。其二,本文研究对象为中国上市企业,具有一定的地理局限性。未来可以纳入国外企业,通过国际比较挖掘更多新能源汽车企业技术创新绩效路径。

参考文献：

[1] 王海啸, 缪小明. 我国新能源汽车研发补贴的博弈研究[J]. 软科学, 2013, 27(6):29-32.

[2] 方东霖. 促进新能源汽车产业发展的税收优惠政策分析[J]. 税务研究, 2022,455(12):99-104.

[3] 沈峰, 马铁驹, 赵兴荣,等. 激励政策退坡下私家电动汽车扩散分析——以上海市为例[J]. 管理科学学报, 2021, 24(9):79-104.

[4] 刘和旺, 黄织娇, 郑世林. 新能源汽车产业政策何以激励企业技术创新[J]. 科研管理, 2023, 44(2):21-31.

[5] YANG J, ZHANG J, ZENG DM. Scientific collaboration networks and firm innovation: the contingent impact of a dynamic environment[J]. Management Decision, 2022, 60(1):278-296.

[6] 熊勇清, 张秋玥. 中国新能源汽车“非补贴型”政策的研发投入激励研究——基于区域创新氛围的差异性分析[J]. 研究与发展管理, 2022, 34(1):81-94.

[7] 韩斌, 冯筱伟, 苏屹, 等. 中国新能源汽车上市公司创新效率测度及影响因素研究——基于三阶段 DEA与Tobit面板模型[J]. 科技进步与对策, 2023, 40(6):110-120.

[8] THORNTON PH, LOUNSBURY W. The institional logics perspective: a new approach to culture, structure and process[M]. The Institional Logics Perspective: A New Approach to Culture, Structure and Process,2012.

[9] 缑倩雯, 蔡宁. 制度复杂性与企业环境战略选择:基于制度逻辑视角的解读[J]. 经济社会体制比较, 2015,31(1):125-138.

[10] 梁强, 王博, 宋丽红, 等. 制度复杂性与家族企业成长——基于正大集团的案例研究[J]. 南开管理评论, 2020, 23(3):51-62.

[11] 杨洋, 魏江, 罗来军. 谁在利用政府补贴进行创新——所有制和要素市场扭曲的联合调节效应[J]. 管理世界, 2015, 31(1):75-86,98-188.

[12] 李健, 杨蓓蓓, 潘镇. 政府补助、股权集中度与企业创新可持续性[J]. 中国软科学, 2016, 31(6):180-192.

[13] 任曙明, 孙飞. 需求规模、异质性研发与生产率——基于ACF法的实证研究[J]. 财经研究, 2014, 40(8):42-56.

[14] 吴丹红, 王德发, 杨元. 制度复杂性与企业社会责任报告策略反应——基于多元制度逻辑的视角[J]. 会计研究, 2021, 42(8):68-82.

[15] 孙兰, 梅长杉. 上下游企业间R&D合作网络形成及其社会福利[J]. 中国管理科学, 2020, 28(9):76-85.

[16] ZHANG SH, ZHANG N, ZHU SS, et al. A foot in two camps or your undivided attention? the impact of intra- and inter-community collaboration on firm innovation performance[J]. Technol. Anal. Strateg. Manage, 2020, 32(7):753-768.

[17] 苗文龙, 何德旭, 周潮. 企业创新行为差异与政府技术创新支出效应[J]. 经济研究, 2019, 54(1):85-99.

[18] 冯根福, 温军. 中国上市公司治理与企业技术创新关系的实证分析[J]. 中国工业经济, 2008,25 (7):91-101.

[19] EISENACK K, ROGGERO M. Many roads to Paris: explaining urban climate action in 885 European cities[J]. Glob. Environ. Change-Human Policy Dimens., 2022(72):12.

[20] RAGIN CC, FISS PC. Net effects analysis versus configurational analysis: an empirical demonstration[M]. Chicago,IL:University of Chicago Press, 2008.

[21] 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)