开放科学(资源服务)标识码(OSID)：
Therefore, following the innovation ecosystem theory, this study extracts the key factors affecting the innovation quality improvement of high-tech industry from three levels: innovation subject, innovation resources and innovation environment, and then constructs an integrated analysis framework for the innovation quality improvement of high-tech industry by combining the group state perspective. On this basis, this study applies the necessary condition analysis (NCA) and fuzzy set qualitative comparative analysis (fsQCA) methods to analyze the multiple paths of innovation quality improvement in high-tech industries and their inner mechanisms by using 31 provinces and cities with high-tech industries as case samples.
The following are the results of this study. (1) Core subject input, R&D subject input, innovation manpower input, technology innovation level and regional marketization level are not necessary conditions for innovation quality improvement in high-tech industries, and they can not ensure innovation quality improvement in high-tech industries alone. (2) There are three high innovation quality paths, which are summarized as two modes of multi-linkage and two-wheel drive. At the same time, there are two non-high innovation quality paths,i.e., the "innovation subject—innovation resource—innovation environment" deficiency type and "innovation resource—innovation environment" deficiency type. Moreover, the driving mechanisms of high-tech industries to achieve high-quality innovation and non-high quality innovation are somewhat different and have causal asymmetry. (3) Under the condition of specific objective endowment , high-tech industries can promote industrial technological innovation by increasing the investment in R&D subjects and can also improve the level of technological innovation to make up for the lack of investment in R&D subjects, so as to promote the quality of innovation in high-tech industries in a "different way".
On the basis of the above research conclusions, this study further puts forward some countermeasure suggestions to improve the innovation quality of high-tech industries at the three levels of innovation subject, innovation resources and innovation environment. Compared with previous studies, this study explores the path of innovation quality improvement in high-tech industries from the perspective of innovation ecology, comprehensively analyzes the key factors of innovation subjects, innovation resources and innovation environment that affect innovation quality improvement in high-tech industries, and deeply analyzes the logic behind the realization of high-quality innovation and non-high-quality innovation in high-tech industries in different regions. The research findings not only enrich the research scope of innovation ecosystem theory, but also provide practical insights for different regions to make strategies to improve innovation quality for high-tech industries according to local conditions.
开放科学(资源服务)标识码(OSID)：
中共二十大报告提出“高质量发展是全面建设社会主义现代化国家的首要任务”。创新是引领发展的第一动力,以高质量创新带动高质量发展成为国家经济建设的主旋律。实现高质量创新既是推动经济行稳致远的必然要求,也是加快建设创新型国家的内涵所在。作为国民经济战略性先导产业,高技术产业是创新最为活跃的领域,创新活动具有投入成本高、投资风险大和投资周期长等特点。同时,高技术产业还是国际经济和科技竞争的主要阵地,是国家科技创新实力的重要体现。然而,高质量发展背景下中国高技术产业却面临“数量长足、质量跛脚”的创新困境[1]。中国高技术产业迫切需要从“量的积累”转向“质的飞跃”,从“体量优势”转向“质量优势”,从而脱离“重数量、轻质量”的创新陷阱。高技术产业创新质量提升不仅有利于高技术产业突破创新瓶颈、解决“卡脖子”难题,而且还能提升高技术产业科技创新能力,锻造“杀手锏”技术。
在数量积累向质量升级的关键时期,如何实现创新质量提升已成为高技术产业亟待解决的现实问题,同时也引起学界广泛关注。从具体实现路径看,主要包括自主研发[2]、技术引进[3]和协同创新3条路径。在自主研发路径方面,高技术产业主要依靠自身力量开展原始创新,进行基础前沿和高技术相关研究,加强源头供给,促进产业创新质量提升;在技术引进路径方面,高技术产业通过学习国外先进技术和创新经验,不断改进产品性能和提高产品核心竞争力,增强产业吸收和转化能力,进而实现高质量创新;在协同创新路径方面,企业、科研机构等创新主体充分发挥各自优势,通过整合创新资源开展联合研发与集成创新,实现“1+1>2”的创新效果,推动高技术产业创新质量提升。
综上所述,学界关于高技术产业创新质量提升已取得丰硕成果,为后续研究奠定了坚实的理论基础。然而,高质量发展背景下高技术产业创新质量提升面临交叉融合、全面渗透、多方协同等新要求,现有研究存在如下不足:一方面,已有研究大多聚焦于单一层面要素探讨其对高技术产业创新质量产生的净效应,忽视了多层面多要素组合产生的联合效应,未打开多种要素协同提升高技术产业创新质量的“黑箱”。事实上,高技术产业创新质量是高技术产业创新能力与效率的综合体现,受到多个层面因素的协同影响[4]。另一方面,高技术产业创新质量提升是一个复杂的动态演化过程,可以反映创新与企业、产业和区域发展适应性程度,这与创新生态系统理念一脉相承。创新生态系统是推动创新发展的第4种力量(柳卸林等,2022),它既强调不同创新主体之间的相互依赖,也注重创新主体与环境之间的共生演化[8],其独特的创新理念和作用方式为产业创新提供了崭新视角[6]。现有研究未从创新生态系统视角揭示高技术产业创新质量提升的复杂因果机制。鉴于此,本文基于创新生态系统理论,构建高技术产业创新质量提升整合性分析框架。在此基础上,运用必要条件分析(NCA)和模糊集定性比较分析(fsQCA)方法,以中国内地31个省份高技术产业为案例样本,解析高技术产业创新质量提升的多元路径及内在机理,为不同地区选择高技术产业创新质量提升路径提供参考。
创新生态系统理论源自生态系统理论,从生物学角度揭示创新系统范式,指出创新系统具有多样性共生、自组织演化和开放式协同3种主要特征[5]。创新生态系统由创新系统演化而来,更加侧重于系统要素之间、系统要素与外部环境之间的相互作用以及系统与环境之间的动态联系[6],创新生态系统研究也从关注要素构成和资源配置的静态结构性分析演变为强调各创新要素间作用机制的动态演化分析[7]。目前,创新生态系统基础要素构成主要有“二分法”(黄鲁成,2003)和“三分法”[8]。其中,“二分法”认为创新生态系统由创新主体与创新环境两类要素构成,创新环境采用广义的概念,涵盖创新主体以外的所有创新要素(黄鲁成,2003)。然而,这种划分方式存在明显不足,难以有效反映不同创新资源在创新活动中的具体作用。在此基础上,有学者进一步探索出更详细、全面的划分方式,即“三分法”[8]。相比于“二分法”,“三分法”更能体现创新生态系统的整体性和系统性,更能反映创新生态系统各要素之间的协同关系。“三分法”将创新生态系统基础要素划分为创新主体、创新资源和创新环境3个维度[8]。其中,创新主体维度强调具有原始创新能力的企业、高校和科研机构[8]是参与高质量创新的中流砥柱;创新资源维度强调持续产生原创性新知识的创新人才和拥有新理念产品的创新技术(唐开翼等,2022)是开展高质量创新活动的前提条件;创新环境强调政府“有形之手”与市场“无形之手”之间的有机衔接(柳卸林等,2022)是开展高质量创新的基础。三方面紧密联动、相互促进,共同构成以创新环境为基石、以创新主体和创新资源为两大支柱的创新生态系统基础要素群。
在创新生态系统视角下,高技术产业创新活动呈现出3个新特点:一是创新主体间的联系更紧密,创新参与者的相互依存度更高,更注重组织间协同创新;二是创新资源协调与整合更系统,强调异质性资源价值共创与共享;三是创新环境对产业创新成果和创新扩散的影响更深远,关注政府支持、市场培育以及相关产业协同发展[4]。可见,创新生态系统视角下高技术产业创新质量提升并非依赖于单一层面要素,而是创新主体、创新资源和创新环境3个层面要素相互作用的结果。具体而言,单一层面创新要素聚集不仅会对高技术产业创新质量提升产生边际效益递减效应,而且还会挤压另一种创新要素空间集聚,造成创新要素配置结构失衡和配置方式失调(肖兴志等,2019)。因此,本文基于创新生态系统理论,采用更加符合创新生态系统特性的“三分法”,将创新主体、创新资源与创新环境纳入同一分析框架,从“创新主体—创新资源—创新环境”3个层面构建高技术产业创新质量提升整合性分析框架,如图1所示。
图1 高技术产业创新质量提升整合分析框架
Fig.1 Integrated analysis framework for improving innovation quality of high-tech industries
创新主体是指创新生态系统中参与创新活动的个体或种群,主要包括以企业为代表的核心主体和以高校、科研机构为代表的研发主体(赵晓娟等,2021)。创新主体自身拥有的创新能力以及不同创新主体之间的交互作用是高技术产业创新质量提升的主要动力。
(1)核心主体与创新质量。企业是创新主体的关键组成部分,在以企业为核心主体的创新生态系统网络中,存在企业之间、企业—高校之间、企业—科研机构之间的协同关系(柳卸林等,2022)。产学研深度融合协同能够打破企业与高校、科研机构之间的边界,促进各主体创新资源流动和共享,从而提高产业创新资源利用率和使用价值[2]。此外,高技术企业还具备将创新资源转化为创新成果、将技术优势转化为产品优势的创新能力,从而有助于高技术产业实现创新要素优化配置,进而促进产业创新质量提升。
(2)研发主体与创新质量。高校、科研机构是创新主体的重要组成部分,其中高校是知识创新的重要源泉,科研机构则是连接创新链和产业链的“桥梁”(赵晓娟等,2021)。在创新生态系统中,以高校、科研机构为代表的研发主体不仅能够为高技术产业研发提供强大的技术支撑,克服前期技术障碍和难题,而且可能补齐产业基础研究短板、增强产业研发和创新活力,从而提升高技术产业研发创新能力和创新成果质量。
创新资源是指创新生态系统中对创新成果起决定性作用的各类资源,主要包括创新人力资源、创新技术资源等(唐开翼等,2022)。资源基础观认为独特、稀缺和有价值的异质性资源是组织建立竞争优势的关键[9]。创新资源既是创新主体开展创新活动的基础和前提,也是保证高技术产业创新产出的基本条件。熊彼特认为创新就是对生产要素的重新组合,本质上是一种“创造性破坏”[10]。创新资源协调与整合是实现高技术产业创新质量提升的重要途径。
(1)创新人力资源与创新质量。创新人力资源是高技术产业创新质量提升的决定性因素。由于高技术产业具有人才集中和知识密集特征,创新人力资源对高技术产业创新质量的影响主要包括直接影响和间接影响两个方面。从直接影响看,创新人力资源具有一定的能动性和创造性,通过增加创新人力资源增量和激活创新人力资源存量提高创新活动投入产出率,进而促进高技术产业创新质量提升[11];从间接影响看,创新人力资源是高技术产业的知识载体,通过创新人力资本累积可以推动产业知识获取、吸收和运用,从而为高技术产业高质量创新夯实基础[12]。可见,直接机制与间接机制共同影响高技术产业创新质量提升。
(2)创新技术资源与创新质量。创新技术资源是高技术产业创新质量提升的关键驱动力。新经济增长理论认为技术创新是产业创新发展的内生动力(杜运周等,2022)。由于高技术产业资本密集且技术复杂,技术创新对高技术产业创新质量的影响主要体现在两个方面:一方面,技术创新有助于高技术产业降低创新成本,提高组织管理效率,优化创新资源配置,减少产业创新投入,从而实现更大的产业创新成果收益;另一方面,技术创新有利于高技术产业突破技术瓶颈,实现技术之间的优势互补和相互促进,进而推动高技术产业创新质量提升。
创新环境是指创新生态系统中创新主体之间相互作用产生的社会关系或社会网络,主要包括政策环境、市场环境等[13]。创新环境是孕育高技术产业创新活动的“土壤”,是改善产业创新效率、提升产业创新能力的关键。良好的创新环境是高技术产业创新质量提升的“保护伞”,能够为高技术产业创新质量提升提供外部保障,降低产业创新活动风险与不确定性。
(1)政策环境与创新质量。政策环境是高技术产业创新质量提升的“催化剂”。由于高技术产业创新活动具有高风险性和正外部性,因此政府补贴能够有效避免因知识溢出带来的市场失灵问题[14]。政府补贴从微观和宏观两个层面影响高技术产业创新质量提升。在微观层面,政府补贴对高技术产业创新质量的促进作用本质上通过影响微观企业创新研发传导。一方面,政府补贴会产生创新激励效应,不仅能够降低企业研发投入边际成本,而且还能补偿企业创新活动外部性,从而提高企业创新研发效率[15];另一方面,政府补贴会产生信号传递效应,通过向外界传递企业研发创新价值高的积极信号,帮助企业缓解外部融资约束并获取更多创新资源,从而提升企业创新绩效[16]。在宏观层面,政府补贴在高技术产业创新过程中发挥“扶持之手”的作用,帮助高技术产业度过创新发展“幼苗期”、打通产业创新“最后一公里”,促进产业创新成果转化,进而实现高技术产业高质量创新。
(2)市场环境与创新质量。市场环境是高技术产业创新质量提升的“润滑剂”。王小鲁等[17]通过分析中国各省份市场化水平指出,各地区市场化进程存在一定区域差距。由于高技术产业创新活动具有社会和地域根植性特征,各地区市场化水平不均衡意味着各地区市场运行效率大相径庭,对各地区高技术产业创新质量提升会产生不同影响。在市场化程度较高的地区,政府干预力度较小,有利于提高市场对资源的配置效率,促进各种创新要素积极流动,形成良好的创新示范效应。同时,在市场化水平较高地区,产业市场竞争环境良好,有助于产业知识共享和人力资本积累,进一步鼓励高技术产业创新行为,推动高技术产业实现高质量创新。相反,在市场化水平较低地区,法律监管体系不完善,地方政府可能存在寻租行为,导致产业市场竞争秩序不规范,对高技术产业创新质量提升产生负面影响。
本文结合必要条件分析(NCA)和模糊集定性比较分析(fsQCA)方法探究创新生态系统视角下高技术产业创新质量提升的组态效应。首先,高技术产业创新质量提升是多要素协同作用的结果。基于组态思维的fsQCA方法可处理多因并发性、等效性和因果非对称性等一系列复杂因果问题(杜运周等,2017),从而能更好地识别多要素驱动高技术产业高质量创新的组态路径,以及挖掘各要素之间存在的潜在替代关系。其次,本文因果条件均为连续变量,相比于csQCA、mvQCA等其它QCA方法,fsQCA方法在处理连续变量时更具优势,与本研究更加适配。最后,NCA方法可进一步为fsQCA的必要性条件分析提供精准依据。因此本文将NCA和fsQCA方法相结合,从必要性和充分性两个方面揭示高技术产业创新质量提升的复杂因果机制。
2.2.1 结果变量:创新质量(IQ)
专利是创新产出成果的主要标志,也是衡量创新质量常用的指标。根据《中华人民共和国专利法》,专利可划分为发明专利、外观设计专利和实用新型专利3种类型。其中,发明专利相较于外观设计专利、实用新型专利所投入的创新资源更多,所包含的创新价值更高,同时受到政策套利等因素的影响更小,从而能够真实反映高技术产业创新行为[18]。因此,发明专利是高质量创新产出的集中体现。本文参照赵公民等[1]的研究,采用发明专利授权率衡量高技术产业创新质量。其中,高技术产业参照国家统计局发布的《高技术产业(制造业)分类(2017)》,包括医药制造业,电子及通信设备制造业,航空、航天器及设备制造业,医疗仪器设备及仪器仪表制造业,计算机及办公设备制造业,信息化学品制造业6类,本文数据来源于《中国高技术产业统计年鉴(2019—2021)》。
2.2.2 条件变量
(1)核心主体(CS)。高技术企业是高技术产业创新质量提升的主要载体。由高技术企业个体构成的核心主体种群致力于运用自身创新能力实现产业高质量创新。基于此,本文参考赵晓娟等(2021)的研究,采用高技术企业数量衡量核心主体投入。其中,高技术企业是指运用先进科学技术不断研发并有效转化为高技术成果和生产出高技术产品的企业,数据来源于《中国高技术产业统计年鉴(2019—2021)》。
(2)研发主体(RS)。高校和科研机构是高技术产业创新质量提升的重要平台,有助于保障高技术产业创新质量和创新活动的持续性。因此,本文参考赵晓娟等(2021)的研究,采用高校和科研机构数量之和衡量研发主体投入。其中,高校是指全日制普通高等学校;科研机构是指具有一定数量的研究人员和长期从事科学研究的组织机构,包括国家和企业建立的研究院、研究所和研究中心等,数据来源于《中国科技统计年鉴2019—2021》《中国高技术产业统计年鉴(2019—2021)》。
(3)创新人力资源(HR)。R&D人员是指具有一定创新潜力和创新能力的创新型人力资源,是高技术产业创新质量提升的关键引擎。鉴于此,本文参考潘雄锋等[19]的研究,采用R&D人员全时当量衡量创新人力投入,数据来源于《中国高技术产业统计年鉴(2019—2021)》。
(4)创新技术资源(TR)。技术创新是高技术产业创新质量提升的有效途径,技术改造和新产品开发是技术创新的核心体现。本文参考刘伟丽和林玮菡[20]的研究,采用技术改造经费和新产品开发经费支出之和衡量技术创新水平,数据来源于《中国高技术产业统计年鉴(2019—2021)》。
(5)政策环境(PE)。政府补贴是推动高技术产业创新质量提升的重要工具。本文参考潘雄峰等[19]的研究,采用R&D经费内部支出中的政府资金衡量政府补贴投入,数据来源于《中国高技术产业统计年鉴(2019—2021)》。
(6)市场环境(ME)。市场环境是高技术产业创新质量提升的重要依托,市场化水平是衡量地区经济发展水平和市场化进程的综合指标。本文采用王小鲁等[11]构造的市场化指数衡量地区市场化水平,数据来源于《中国分省份市场化指数报告(2021)》。
变量校准在于满足定性比较分析的布尔运算逻辑,需要根据理论知识和实际情况给案例赋予0～1之间的集合隶属分数[21]。本文采用Ragin[22]提出的3种校准法中的直接校准法对数据进行校准,同时结合案例中各变量实际分布的现实情境,将条件变量和结果变量的第90百分位数、中位数、第10分位数值分别作为完全隶属点、交叉点和完全不隶属点的阈值(杜运周等,2022)。条件和结果变量数据校准锚点如表1所示。
表1 高技术产业创新质量提升数据校准锚点
Table Data calibration anchors for innovation quality improvement in high-tech industries
条件与结果校准锚点完全隶属点交叉点完全不隶属点IQ0.6320.5220.329CS2 183.033720.16798.967RS1 172.833199.50027.133HR57 289.50717 413.6331 223.353TR397 401.83769 194.7834 340.560PE262 871.78048 353.0672 162.677ME7.9566.2804.174
单个条件变量必要性分析在于检验该条件变量是否为结果变量的必要条件。在NCA方法中,效应量是判断必要条件的主要指标,用以刻画前因条件变量对结果变量的约束程度[23]。效应量介于0～1之间,数值越大表明条件必要性程度越高。效应量分析主要包括上限回归(CR)和上限包络(CE)两种方法。其中,CR可处理变量均是连续变量或离散变量且变量具有5个以上水平的情况,CE可处理二分变量或变量水平小于5的情况。为保证分析结果的稳健性,本文同时采用CR和CE两种方法进行检验,基于NCA方法的必要条件分析结果如表2所示。对于必要条件的判定标准为效应量数值大于0.1且P值达到显著性水平[24]。由表2可知,核心主体、研发主体、政策环境和市场环境效应量大于0.1,但P值不显著,未达到规定标准,其它条件效应量和显著性水平均不达标。因此,没有任何一个条件是高技术产业创新质量提升的必要条件。
表2 高技术产业创新质量提升的NCA必要条件分析结果
Table 2 Analysis results of NCA for innovation quality improvement in high-tech industries
条件变量方法精确度(%)上限区域(C)范围(S)效应量(d)P值CSCR92.90.0970.940.1040.058CE1000.0870.940.0930.043RSCR82.10.1090.940.1160.057CE1000.0550.940.0580.090HRCR89.30.0780.940.0830.086CE1000.0720.940.0770.048TRCR89.30.0750.940.0790.105CE1000.0180.940.0190.281PECR89.30.1080.940.1150.024CE1000.0970.940.1030.014MECR82.10.1480.940.1570.076CE1000.1110.940.1180.027
注:效应量(d)表示必要条件效应大小,公式d=C/S(0≤d≤1)。通常0≤d<0.1为“低水平”,0.1≤d<0.3为“中等水平”。P值采用NCA分析中的置换检验(permutation test,重抽次数=10 000)
NCA方法除分析单个条件的必要性外,还能从整体角度研究条件变量的必要性,从而识别出必要条件组合。瓶颈表反映产生某一预期结果所需条件变量组合的最低水平,表3展示了基于NCA方法的高技术产业创新质量提升的瓶颈分析结果。从中可见,要达到60%的高创新质量,需要5%的研发主体、17%的市场环境,其余条件变量均不存在瓶颈;要达到100%的高创新质量,需要66.6%的核心主体、52.4%的研发主体、63.7%的创新人力资源、52.3%的创新技术资源、88.5%的政策环境和53.6%的市场环境。这表明,单个条件变量不是构成高创新质量的必要条件,不能忽视各前因条件变量的组合作用。
表3 高技术产业创新质量提升NCA瓶颈水平(%)分析结果
Table 3 Analysis results of NCA bottleneck level (%) for innovation quality improvement in high-tech industries
IQCSRSHRTRPEME0NNNNNNNNNNNN10NNNNNNNNNNNN20NNNNNNNNNNNN30NNNNNNNNNNNN40NNNNNNNNNNNN50NNNNNNNNNN7.860NN5.0NNNNNN17.0702.416.9NN0.6NN26.18023.828.714.917.820.235.39045.240.639.335.054.444.410066.652.463.752.388.553.6
注:该表采用上限回归CR方法分析得出;NN表示不必要
为对单个条件必要性分析结果进行交叉验证,本文进一步采用QCA方法进行必要性条件检验。在QCA方法中,一致性水平大于0.9则可判定该条件属于结果变量的必要条件(杜运周等,2017)。本文采用fsQCA3.0软件分别对高创新质量和非高创新质量必要条件进行分析,结果如表4所示。由表4可知,本文中6个条件变量一致性水平均小于0.9,均非必要条件,这与NCA方法必要条件分析结果一致,表明必要性分析结果具有科学性,同时证实高技术产业创新质量提升并非由某个条件单独所致,而是多个要素相互作用的结果。因此,高技术产业创新质量提升可能存在“多重并发因果关系”,需要进一步对前因条件变量组合进行充分性分析。
表4 高技术产业创新质量提升的fsQCA必要条件分析结果
Table 4 Analysis results of fsQCA necessary conditions for innovation quality improvement in high-tech industries
条件变量 高创新质量一致性覆盖度非高创新质量一致性覆盖度CS0.661 2790.702 2390.508 3520.522 388～CS0.550 2460.536 3010.710 2400.669 863RS0.602 9510.712 6250.481 4820.550 665～RS0.619 8170.552 6320.748 7290.645 990HR0.638 0880.743 6530.467 6830.527 437～HR0.594 5180.535 7820.772 6940.673 844TR0.647 2240.736 8000.466 9570.514 400～TR0.573 4360.526 4520.761 0750.676 129PE0.706 2540.838 8980.435 7300.500 835～PE0.579 7610.514 9810.859 8400.739 076ME0.664 0900.712 6700.546 1150.567 119～ME0.596 6270.575 9840.723 3120.675 712
注:“～”表示逻辑运算“非”
条件组态充分性分析在于检验多个前因条件变量组态对结果变量的充分性。本文参考杜运周等(2022)的研究,将原始一致性阈值设为0.8,将PRI一致性阈值设为0.7,将案例频数阈值设定为1。通过fsQCA3.0软件分析,可以得到简单解、中间解和复杂解3种类型。本文遵循以中间解为主、简单解为辅的原则,将中间解和简单解中共有的条件定义为“核心条件”,将只出现在中间解的条件定义为“边缘条件”[21]。组态分析结果如表5所示。
表5 高技术产业创新质量提升组态分析结果
Table 5 Analysis results of configuration for innovation quality improvement in high-tech industries
条件变量高创新质量H1aH1bH2非高创新质量NH1NH2CS●●●RS●●HR●●●TR●●PE●●●ME●●●●一致性0.8690.8640.932 0.8800.902 原始覆盖度0.5170.4910.2520.2650.233唯一覆盖度0.0410.0110.0650.0840.052总体一致性0.8840.897总体覆盖度0.5970.317
注:“●”表示核心条件存在,“⊗”表示核心条件缺失,“●”表示边缘条件存在,“⊗”表示边缘条件缺失
3.2.1 高创新质量组态分析
由表5可知,产生高创新质量的组态结果有3种,一致性系数分别为0.869、0.864、0.932,均高于0.8。总体一致性系数为0.884,达到较高水平,表明3种组态是形成高创新质量的充分条件。总体覆盖度为0.597,说明3种条件组合可覆盖59.7%实现高质量创新的高技术产业。
(1)多元联动型:组态H1a和H1b。组态H1a和H1b具有明显的多元联动特征,涵盖创新主体、创新资源、创新环境3个层面条件要素。两者具有相同的核心条件,即高核心主体投入、高创新人力投入、高政府补贴投入和高地区市场化水平,但两者的边缘条件不同,构成二阶等价组态[25]。组态H1a以高核心主体投入、高创新人力投入、高政府补贴投入、高地区市场化水平为核心条件,互补高研发主体投入为边缘条件实现高创新质量。该组态可以解释51.7%的高创新质量案例,其中约4%的高创新质量案例仅能被该组态解释。组态H1b以高核心主体投入、高创新人力投入、高政府补贴投入、高地区市场化水平为核心条件,互补高技术创新水平为边缘条件实现高质量创新。该组态可以解释49.1%的高创新质量案例,其中约1%的高创新质量案例仅能被该组态所解释。
通过对比组态H1a和H1b发现,创新主体、创新资源、创新环境3个层面多要素协同作用对高技术产业高质量创新至关重要。处于多元联动型路径下的代表省市有北京、上海、广东、江苏、浙江。这些地区经济发展和市场化进程良好,不仅拥有较多创新能力强的高技术企业,而且创新人力资本投入较大、高技术创新人才辈出,同时政府对地区高技术产业创新发展支持作用较大,从而促进高技术产业创新质量提升。以广东省为例,广东省高技术产业发展基础较好,2021年全省高新技术企业数量已超过6万家。此外,相比于全国多数地区,广东省在经济发展状况、高校科研水平、创新人才培育等方面也拥有雄厚实力。与此同时,广东省政府积极推动高技术产业创新质量提升。一方面,通过提高市场配置资源效率,加快创新要素流动,从而全面提高高技术产业科技创新能力;另一方面,加大创新资源投入与研发补贴,加强产业关键核心技术攻关,不断推动高技术产业实现高质量创新。因此,广东省通过多要素联动、彼此协同,打出创新主体、创新资源和创新环境的“组合拳”,确保高技术产业创新质量提升。综上所述,结合组态H1a与H1b的核心条件和具体案例,本文提出如下命题:
命题1:在市场化水平较高地区,加大核心主体、创新人力和政府补贴投入对于高技术产业创新质量提升至关重要。
(2)双轮驱动型:组态H2。组态H2具有明显的双轮驱动特征,包含创新资源和创新环境两个层面条件要素。组态H2以高技术创新水平、高政府补贴投入、非高创新人力投入、非高地区市场化水平为核心条件,互补非高核心主体投入、非高研发主体投入为边缘条件实现高创新质量。该组态可以解释25.2%的高创新质量案例,其中约7%的高创新质量案例仅能被该组态解释。组态H2表明,技术创新水平和政府研发补贴是高技术产业创新质量提升的两个关键因素,代表性省份如贵州省。相比于全国多数地区,贵州省在经济基础、产业规模、人力资本、研发投入等方面存在一定差距。但近年来,贵州省高技术产业转变创新发展思路,依托特色优势产业基础,稳步推进产业创新体系建设,不断追踪产业技术创新前沿,打造了以贵阳高新区为首的多个高技术产业创新发展阵地。《中国区域科技创新评价报告2021》显示,2021年贵州省综合科技创新水平达到49.05%,全国排名持续提升,产业科技创新能力显著增强。同时,当地政府为高技术产业提供各种税收优惠及补助政策,不断优化产业市场环境,引导各类创新资源向高技术产业转移,进一步带动高技术产业创新质量提升。因此,贵州省主要通过技术创新与政府补贴双轮驱动实现高技术产业创新质量提升。综上所述,结合组态H2的核心条件和具体案例分析,本文提出如下命题:
命题2:在市场化水平不高且创新人力投入不足地区,提高技术创新水平、加大政府补贴投入是高技术产业创新质量提升的重要推动力。
3.2.2 非高创新质量组态分析
由表5可知,产生非高创新质量的组态结果有两种,其一致性系数分别为0.880、0.902,均高于0.8。总体一致性系数为0.897,同样达到较高水平,表明两种组态均是产生非高创新质量的充分条件。总体覆盖度为0.317,说明两种条件组合可覆盖31.7%实现非高质量创新的高技术产业。
(1)“创新主体—创新资源—创新环境”条件缺失型:组态NH1。组态NH1存在创新主体、创新资源、创新环境3个层面缺失条件要素,即组态NH1存在非高核心主体投入、非高研发主体投入、非高技术创新水平和非高政府补贴投入4个核心条件。组态NH1以非高核心主体投入、非高研发主体投入、非高技术创新水平、非高政府补贴投入、高地区市场化水平为核心条件,互补非高创新人力投入为边缘条件导致非高创新质量。该组态可以解释26.5%的非高创新质量案例,其中约8%的非高创新质量案例仅能被该组态所解释。组态NH1表明,在核心主体投入不足、研发主体投入不够、技术创新水平不高和缺乏政府补贴投入地区,即使市场化水平较高,高技术产业仍难实现高质量创新。处于“创新主体—创新资源—创新环境”条件缺失型路径下的代表省市如天津。天津作为京津冀城市群核心城市之一,高技术产业科技和智力资源相对密集,具有一定产业基础实现高质量创新。然而,产业固定资产投资规模较小、研发转化效率较低、地区和产业关联度不高等因素共同制约天津高技术产业创新高质量提升[26]。因此,结合组态NH1的核心条件和具体案例,本文提出如下命题:
命题3:在市场化水平较高地区,核心主体投入不足、研发主体投入不够、技术创新水平不高和缺乏政府补贴投入将阻碍高技术产业创新质量提升。
(2)“创新资源—创新环境”条件不足型:组态NH2。组态NH2存在创新资源和创新环境两个层面条件要素不足,即组态NH2存在非高技术创新水平和非高政府补贴投入两个核心条件。NH2以非高技术创新水平、非高政府补贴投入、高创新人力投入为核心条件,互补高核心主体投入、高研发主体投入、高地区市场化水平为边缘条件导致非高创新质量。该组态可以解释23.3%的非高创新质量案例,其中约5%的非高创新质量案例仅能被该组态解释。组态NH2表明,在技术创新水平不高和政府补贴投入不足地区,即使地区创新人力投入较高,高技术产业仍难以产生高创新质量,处于“创新资源—创新环境”条件不足型路径下的代表省份如河南。《中国高技术产业统计年鉴》显示,近年来,虽然河南省高技术产业在R&D人员投入方面处于全国中上游水平,但发明专利申请数、有效发明专利数与发达地区相比仍相差甚远,导致产业创新质量不高。究其原因,一是产业技术创新水平不高。从行业看,河南省高技术产业创新优势主要集中在医药制造业、医疗器械及仪器仪表制造业,但在电子及通讯设备制造业、航空航天制造业等其它领域还存在技术创新壁垒,导致科技创新产出水平偏低。二是政府补贴投入不足。河南省对高技术产业的政府补贴资金投入在全国处于中等偏下水平,使得高技术产业创新活动受限,科研产出效率偏低,发明专利授权占比下降。因此,结合组态NH2的核心条件和具体案例,本文提出如下命题:
命题4:在创新人力投入较高地区,技术创新水平不高和政府补贴投入不足是高技术产业创新质量提升的主要制约因素。
通过对比产生高创新质量的3种构型和产生非高创新质量的两种构型发现,高创新质量与非高创新质量路径存在一定差异,表明高技术产业实现高质量创新与非高质量创新的驱动机制具有因果非对称性,如图2所示。
图2 高技术产业高创新质量与非高创新质量组态
Fig.2 Configuration views of high innovation quality and non-high innovation quality in high-tech industries
注:黑色椭圆表示核心条件存在,白色椭圆表示核心条件缺失;黑色方框表示边缘条件存在,白色方框表示边缘条件缺失
组态分析的另一大优势在于通过组态分析结果进一步识别出条件变量之间的互动关系[25]。本文通过对比组态H1a和组态H1b发现,创新主体、创新资源和创新环境之间存在潜在替代关系,如图3所示。在市场化水平较高地区,对于拥有一定高技术企业数量、创新人力投入较高且政府补贴投入充足的高技术产业而言,研发主体投入可以等效替代技术创新水平,以“殊途同归”的方式实现产业创新质量提升。究其原因:一方面,研发主体投入水平是产业技术创新的价值体现,高校与科研机构是产业技术创新和成果转化的重要基地;另一方面,产业技术创新水平可从侧面反映研发主体投入水平,新技术研发、技术创新成果应用都离不开研发主体的支撑。同时,产业技术创新以技术传播和技术活动为媒介,进一步推动产学研协同创新与深度合作。研发主体投入与技术创新水平的潜在替代关系表明,高质量发展背景下高技术产业创新质量提升可以“另辟蹊径”。在特定客观禀赋条件下,高技术产业既可以通过增加研发主体投入促进产业技术创新,又可以提高技术创新水平适当弥补研发主体投入不足的缺陷,从而以不同途径实现高质量创新。
图3 创新主体、创新资源、创新环境之间的替代关系
Fig.3 Substitution relationship among innovation subject, innovation resources and innovation environment
稳健性检验是确保研究结论可靠的重要环节。为确保研究结论的可靠性,本文采用3种方法进行稳健性检验。一是调整一致性门槛值[21],将案例一致性门槛值从0.8调至0.85,产生的组态结果前后基本一致。二是改变PRI一致性水平[21],将PRI一致性水平由0.7降至0.65,产生的组态结果前后基本一致。三是替换结果变量测量指标,参考范德成和李盛楠[27]的研究,采用新产品销售收入占主营业务收入的比重替换发明专利授权率衡量创新质量,产生的组态结果前后基本一致,表明本文研究结果具有较好的稳健性。
本文基于创新生态系统视角,以中国内地31个省份高技术产业为案例样本,结合必要条件分析(NCA)和模糊集定性比较分析(fsQCA)方法,探究高技术产业创新质量提升的多重并发因果关系与多元实现路径,得出如下结论:
(1)通过NCA方法和fsQCA必要条件分析双重检验发现,高技术产业创新质量受多方因素的协同影响,单个创新生态系统要素均不是产生高创新质量、非高创新质量的必要条件。核心主体投入、研发主体投入、创新人力投入、技术创新水平、政府补贴和地区市场化水平6个条件要素无法单独实现高技术产业创新质量提升。
(2)通过条件组态充分性分析发现,高技术产业存在3条高创新质量路径,概括为多元联动型和双轮驱动型两种模式。同时,存在两条非高创新质量路径,总结为“创新主体—创新资源—创新环境”条件缺失型和“创新资源—创新环境”条件不足型两种模式。高技术产业实现高质量创新与非高质量创新的驱动机制存在一定差异,具有因果非对称性。
(3)通过替代关系分析发现,创新主体、创新资源和创新环境之间存在潜在替代关系。在特定客观禀赋条件下,高技术产业既可以通过增加研发主体投入促进产业技术创新,又可提高技术创新水平适当弥补研发主体投入不足,从而以“殊途同归”的方式推动高技术产业创新质量提升。
本文研究主要贡献如下:
(1)有助于完善高技术产业创新质量提升理论体系。本文基于创新生态系统理论,综合分析影响高技术产业创新质量提升的创新主体、创新资源、创新环境等关键因素,提出高技术产业创新质量提升整合性分析框架,为解释高技术产业创新质量提升因果关系复杂性提供了理论依据,具有一定理论价值。
(2)有助于在高质量发展背景下为各地区高技术产业实现高质量创新提供决策支撑。本文以中国内地31个省份高技术产业为案例样本,探究创新生态系统视角下高技术产业创新质量提升的实现路径。根据组态路径结果,进一步归纳和总结高技术产业创新质量提升的驱动模式。同时,结合案例样本自身情况,深入剖析不同地区高技术产业实现高质量创新与非高质量创新的深层逻辑,对各地区因地制宜地提升高技术产业创新质量具有一定参考价值。
(3)有助于丰富高技术产业创新质量提升研究领域的“工具箱”。本文基于组态视角将NCA和fsQCA方法相结合,揭示高技术产业创新质量提升的支撑力量和推动因素,并探究6个条件变量对高技术产业创新质量的“联合效应”及其互动关系,为该领域研究提供了新思路和新洞见,拓展了研究方法边界。
基于本文研究结论,得出如下实践启示:
(1)各地区应结合自身实际情况,因地制宜、扬长避短,通过多要素联动、彼此协同,打出创新主体、创新资源和创新环境的“组合拳”,实现高技术产业创新质量提升。具体而言,各级政府应从创新生态系统整体视角出发,立足于地区条件禀赋优势,不断壮大创新主体、整合创新资源、优化创新环境,有针对性地制定提升高技术产业创新质量的差异化策略,走出适合自身高技术产业发展的高质量创新之路。
(2)从创新主体层面看,创新主体是高技术产业创新质量提升的“奠基石”。各地区应在认真贯彻落实《质量强国建设纲要》的基础上,强化以高技术企业为核心的创新主体地位,建立以企业为主导的产学研协同创新体系。通过加强高技术企业与高校、科研机构之间的交流、互动和合作,消除科技创新中的“孤岛现象”,激发各类创新主体的创新活力和自身潜力,推动地区高技术产业实现高质量创新。
(3)从创新资源层面看,创新资源是高技术产业创新质量提升的“发动机”。各地区要努力践行“十四五”规划,充分发挥人才是第一资源的引领作用,完善产业科技创新体制机制。在创新人力资源方面,增加创新人力资本投入,大力培养高层次创新人才,健全创新人才引进机制与流动机制,发挥创新人才辐射带动作用,为高技术产业输出更多优质创新成果;在创新技术资源方面,加快突破关键核心技术,提高产业技术创新水平,实现更多“从0到1”的原创性技术创新,促进高技术产业创新质量提升。
(4)从创新环境层面看,创新环境是高技术产业创新质量提升的“助推器”。各地区要紧紧围绕国家创新驱动发展战略目标,不断优化产业创新环境。一是要加大地方政府支持力度,增加产业创新源头供给。通过政府补贴、简政放权等举措释放创新主体创新活力,鼓励创新主体大胆创新、勇于创新,促进高技术产业创新质量提升。二是提高地区市场化水平,培育公平开放的市场环境。充分发挥市场在资源配置中的决定性作用,建立公平竞争的市场秩序,同时完善产学研创新体制机制,加强知识产权保护,保护和调动各类创新主体的积极性、主动性和创造性,进而促进高技术产业创新质量提升。
[1] 赵公民, 俞立平, 戴化勇. 创新数量、创新质量与高技术产业出口[J]. 中国管理科学, 2021, 29(2): 61-68.
[2] 俞立平, 方建新. 自主研发与协同创新协调发展研究[J]. 科研管理, 2015, 36(7): 56-63.
[3] 马永军, 张志武, 赵泽. 技术引进、吸收能力与创新质量——来自中国高技术产业的经验证据[J]. 宏观质量研究, 2021, 9(2): 59-73.
[4] 姜博, 马胜利, 王大超. 中国高技术产业创新质量内涵与测度研究[J]. 社会科学, 2019, 41(3): 64-75.
[5] ADNER R. Match your innovation strategy to your innovation ecosystem[J]. Harvard Business Review, 2006, 84(4): 98-107.
[6] 谭劲松, 宋娟, 陈晓红. 产业创新生态系统的形成与演进:“架构者”变迁及其战略行为演变[J]. 管理世界, 2021, 37(9): 167-191.
[7] GRANSTRAND O, HOLGERSSON M. Innovation ecosystems: a conceptual review and a new definition[J]. Technovation, 2020, 90-91: 102098.
[8] 李晓娣, 张小燕. 区域创新生态系统对区域创新绩效的影响机制研究[J]. 预测, 2018, 37(5): 22-28.
[9] BARNEY J. Firm resources and sustained competitive advantage[J]. Journal of Management, 1991, 17(1): 99-120.
[10] SCHUMPETER J A.The theory of economic development[M]. Harvard:Harvard University Press, 1912.
[11] 陶长琪, 丁煜. 数据要素何以成为创新红利——源于人力资本匹配的证据[J]. 中国软科学, 2022, 37(5): 45-56.
[12] 侯建, 李思雨, 庄彩云, 等. 外部知识源化驱动制造业高质量创新的影响机理:创新型人力资本视角[J]. 系统管理学报, 2023, 32(1): 111-117.
[13] 王晓珍, 刘珊, 陈劲. 何种区域创新环境组合能有效提升风电产业创新质量——基于fsQCA的组态分析[J]. 科技进步与对策, 2021, 38(15): 57-65.
[14] ARROW K J. The economic implications of learning by doing[J]. The Review of Economic Studies, 1962, 29(3): 155-173.
[15] 应千伟, 何思怡. 政府研发补贴下的企业创新策略:“滥竽充数”还是“精益求精”[J]. 南开管理评论, 2022, 25(2): 57-69.
[16] 郭玥. 政府创新补助的信号传递机制与企业创新[J]. 中国工业经济, 2018, 36(9): 98-116.
[17] 王小鲁, 胡李鹏, 樊纲. 中国分省份市场化指数报告(2021)[M]. 北京:社会科学文献出版社, 2021.
[18] 毛昊, 尹志锋, 张锦. 中国创新能够摆脱“实用新型专利制度使用陷阱”吗[J]. 中国工业经济, 2018, 36(3): 98-115.
[19] 潘雄锋, 潘仙友, 李昌昱. 中国政府R&D资助对技术创新的影响效应研究[J]. 管理工程学报, 2020, 34(1): 9-16.
[20] 刘伟丽, 林玮菡. 质量创新与创新质量空间差异及耦合协调研究——基于中国高技术产业的经验分析[J]. 财经问题研究, 2018, 40(6): 3-10.
[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.
[22] RAGIN C C. Redesigning social inquiry: fuzzy sets and beyond[M]. Chicago: University of Chicago Press, 2008.
[23] DUL J, VAN D L E, KUIK R. A statistical significance test for necessary condition analysis[J]. Organizational Research Methods, 2020, 23(2): 385-395.
[24] DUL J, HAUFF S, BOUNCKEN R B. Necessary condition analysis (nca): review of research topics and guidelines for good practice[J]. Review of Managerial Science, 2023, 17: 683-714.
[25] 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.
[26] 孙威, 高沙尔·吾拉孜. 京津冀地区高技术产业地位变化的成因探析[J]. 智库理论与实践, 2022, 7(2): 130-140.
[27] 范德成, 李盛楠. 中国高技术产业省际知识溢出对创新质量的影响——基于知识吸收能力的门槛效应分析[J]. 商业研究, 2019, 62(12): 37-45.