External heterogeneous resources provide innovative solutions to enhance core technology competence in enterprises. Limited research has examined the impact of external resources and how they are acquired on core technology competence, including factors such as government subsidies, supply chain, technology diversity, and digital transformation. As a crucial conduit for enterprises to acquire external resources, there has been limited scholarly attention directed towards understanding the influence of interlocking directorates on the advancement of a company's core technology competence and the mechanisms through which this occurs. Compared to other interlocking directorates, technical interlocking directorates — as a distinct type of directorate within corporations — have received comparatively less scholarly attention. Technical interlocking directorates not only link with external resources but also excel in fostering internal technological innovation. Therefore, technical interlocking directorates enhance a company's core-technology competence by bolstering its innovative propensity, enhancing its capability to absorb external technological resources, and promoting a profound integration of internal and external resources. This study investigates how the varied technical backgrounds of interlocking directors impact a company's core-technology competence, holding significant practical and theoretical value.
This study focuses on enterprises and examines how technical interlocking directorates influence their core-technology competence and underlying mechanisms. Firstly, it clarifies the connotation of technical interlocking directorates and core-technology competence and select appropriate proxy variables. Next, a moderated mediation model is constructed from the interaction perspective of technical capital accumulation and R&D productivity. Lastly, it examines the impact of interlocking strength and the technical strength of technical interlocking directorates on core-technology competence, using data from 2 698 listed manufacturing companies from 2010 to 2022, and investigates the mediating role of technical capital accumulation and the moderating role of R&D productivity. The research indicates that the interlocking strength and technical strength of technical interlocking directorates have a significant positive impact on core-technology competence. Technical capital accumulation partially mediates the relationship between the interlocking strength and technical strength of technical interlocking directorates and core-technology competence. R&D productivity plays a positive moderating role between technical capital accumulation and core-technology competence. R&D productivity positively moderates the indirect effects of interlocking strength and technical strength of technical interlocking directorates on core-technology competence through technical capital accumulation. Robustness tests using alternative variables and methods confirm the validity of the conclusions.
The novelty of this article is highlighted in that, firstly, according to the technical and interlocking characteristics of technical interlocking directorates, the study divides them into technical strength and interlocking strength, enriching the theoretical connotation of technical interlocking directorates. Secondly, it examines the effect of technical interlocking directorates on core-technology competence, which further enriches current research on the influencing factors of core technology competence and puts forward the theoretical viewpoint that technical interlocking directorates do not intensify agency problems. Lastly, it analyzes how technical capital accumulation mediates the impact of technical interlocking directorates on a company's core-technology competence. Additionally, the analysis of the moderating effect of R&D productivity contributes to a deeper understanding of the mechanisms and boundary conditions that advance the development of core-technology competence.
These conclusions not only provide new theoretical insights for companies in developing their core-technology competence, but also offer practical guidance for companies to effectively establish their board of directors. Meanwhile, with the limited samples, the universality of the research conclusion needs further verification. Secondly, this study has only focused on the mediating role of technical capital accumulation, and the "black box" of the impact of technical interlocking directorates on core-technology competence has not been fully opened. Thirdly, the assessment of core-technology competence is primarily based on the number of patents owned by a company in a specific technological subdomain, without considering patent quality. Therefore, further exploration is required in sample coverage, variable measurement, and underlying mechanisms.
开放科学(资源服务)标识码(OSID)：
中共二十大报告提出,“以国家战略需求为导向,集聚力量进行原创性引领性科技攻关,坚决打赢关键核心技术攻坚战”。关键核心技术为国之重器,关系到国家安全和经济高质量发展。目前,新一轮产业变革向纵深演进,我国在半导体等高新技术领域面临“卡脖子”问题,亟需发展关键核心技术。作为重要创新主体,企业核心技术能力提升对发展关键核心技术、打赢关键核心技术攻坚战具有重要影响[1]。
核心技术能力是企业通过特有技术要素和技能组合创造具有自身特性的技术,以产生稀缺、不可模仿技术资源的能力[2]。外部异质性资源能够为企业核心技术能力构建提供创造性方案。部分研究基于外部资源及其获取方式视角探索核心技术能力的影响因素。例如,黄华[3]发现,供应商和客户是重要外部资源,加强与供应商及客户联系能够促进核心技术能力水平提升;Kim等[4]发现,多元化战略有助于企业获取外部资源,对核心技术能力构建具有重要意义;卢任等[5]认为,数字化转型有助于企业获取大量外部资源,进而强化核心技术能力。纵观现有研究发现,外部资源对核心技术能力影响的研究有限,鲜有学者关注连锁董事对企业核心技术能力的影响及作用机制。
作为外部资源和信息传递渠道,连锁董事能够为企业技术创新提供优质外部资源。一方面,部分相关研究从网络规模[6]、网络中心度[7]、网络结构洞[8]和网络专业性[9]等连锁董事网络特征视角,探究连锁董事对技术创新的影响;另一方面,部分相关研究探讨绿色连锁董事[10]、独立连锁董事[11] 、财务连锁董事[12]、女性连锁董事[13]、行业内外连锁董事[14]、直接间接连锁董事[15]等不同类型连锁董事对技术创新的影响。需要指出的是,关于连锁董事对技术创新具有何种影响,已有文献并未达成一致意见。部分研究认为,连锁董事是企业重要社会资本,能够为企业技术创新提供外部资源。例如,张维今等[16]发现,企业可以通过连锁董事获取技术和资金等创新资源,且连锁董事的社会资本与企业创新水平正相关;Li[17]发现,目标公司可以通过连锁董事模仿互锁公司技术,从而提升自身创新水平。另一部部分研究则认为,连锁董事会因过度关注自身事业变成忙碌董事,进而导致其工作投入度降低,阻碍技术创新。例如,Boltond&Zhao[18]证实,忙碌的连锁董事会抑制企业创新;Fich&Shivdasani[19]认为,连锁董事可能产生代理成本,过度兼职会影响其履职尽责,导致创新效率降低。上述观点分歧可能缘于现有研究未充分考察连锁董事特征差异,如是否具有技术背景等。已有研究证实,不同类型连锁董事所承担的角色及所起作用不同,故其产生的影响也有所不同[20]。作为特殊连锁董事类型,学者们对技术连锁董事关注较少。技术连锁董事是目标企业具有技术专长的董事同时在另一家或多家企业兼任董事职位的董事[20-21]。有别于其他连锁董事,技术连锁董事既具有与外部技术资源相关联的连锁特性,也具备对内部技术创新掌舵的技术专家特性。因此,技术连锁董事对企业核心技术突破、外部重要技术资源获取以及内外部资源深度融合、核心技术能力培育具有重要影响。在考虑连锁董事技术背景差异的基础上,探讨技术连锁董事对企业核心技术能力的影响具有重要现实价值。
本文立足国家战略需求,聚焦企业这一重要创新主体,剖析技术连锁董事对企业核心技术能力的影响及机制。首先,厘清技术连锁董事与核心技术能力的内涵并选取恰当的代理变量。其次,基于技术资本积累与研发生产率交互视角,构建一个被调节的中介效应模型。最后,选取2010—2022年A股制造业上市公司作为样本,从连锁强度和技术强度两个维度检验技术连锁董事对企业核心技术能力的影响及作用机制,进一步分析上述影响是否受技术资本积累的中介,以及是否因研发生产率差异而有所不同。
资源依赖理论认为,没有组织可以实现资源自给自足,任何组织都需要通过与外部环境交换资源维持自身生存和发展。外部资源利用是核心技术能力培育的关键途径。作为边界跨越者,技术连锁董事不仅是企业间信息传递与沟通交流渠道,还是企业技术创新的主导力量。作为非正式制度安排,技术连锁董事网络具有连接成本低、连接稳定、连接有效等优势,有助于企业以较低成本获取丰富的外部资源[22]。相较于媒体、分析师、审计师及行业协会等外部信息渠道,连锁董事在信息传递方面具有显著成本优势,对公司决策的影响更大。作为企业内部与外部环境的桥梁,连锁董事信息传递效率和准确性较高,有助于企业制定更精准和有效的战略决策[23]。与普通连锁董事相比,技术连锁董事具有专业技术背景优势。实际上,兼任多个企业的技术董事能够快速识别并捕获关键技术领域核心知识和隐性知识。与普通技术董事相比,技术连锁董事能够以独特身份嵌入不同企业社会网络,成为企业不可或缺的社会资本。这种社会资本能够提供独特技术创新资源获取渠道,有助于企业获取丰富和有价值的技术创新资源。企业连锁规模与其所构建的社会网络规模呈正相关关系,随着连锁规模不断扩大,社会网络广度和深度得以拓展。这种网络结构扩展能够为处于网络核心位置的企业提供丰富的资金、技术和人才资源,进而支撑其核心技术研发与创新。因此,技术连锁董事连锁网络规模较大的企业,更容易获取核心技术创新所需的外部资源。
基于上述分析,本文提出如下假设:
H1a:技术连锁董事连锁强度正向影响核心技术能力。
履职经历不仅是技术连锁董事个人宝贵的知识、技能和经验,有助于其提升监督与指导能力[24],而且可为互锁企业间研发合作创造机会,具体体现如下:一是高专业技术水平的连锁董事对未来技术发展具有专业判断,能够对董事会重大技术战略决策提供专家意见,降低企业技术战略决策失误风险,一定程度上帮助企业规避创新失败。二是具有较强专业技能的连锁董事能够指导管理层整合内部资源,降低冗余资源和闲置成本,从而提高资源利用效率和研发效率。三是根据背景特征理论,职业、教育、年龄等背景特征能够影响董事创新价值观和认知能力,进而影响其创新偏好。其中,职业背景和教育背景是董事创新价值观的关键影响因素,且专业技术强度与技术创新偏好强度正相关,因而技术连锁董事具有技术创新偏好。四是在创新领域建立技术合作伙伴关系至关重要。具有技术专长的高管通常拥有广泛的合作网络,能够与其它技术领域专家和机构建立联系,促进知识交流和技术合作,从而加速创新进程。同时,受“专家效应”影响,企业管理层吸纳技术员工的动机更强。兼具专业能力和管理经验的人才参与公司技术决策[25],不仅能够提升技术员工忠诚度和组织承诺水平,而且能够为企业核心技术能力培育提供保障。
基于上述分析,本文提出如下假设:
H1b:技术连锁董事技术强度正向影响核心技术能力。
技术资本积累是关键核心技术突破的基础[26]。技术资本积累是企业研发或外购形成的专利、非专利技术、专有技术、系统与软件等各类技术资源的统称[27-28]。知识积累对新知识创造具有显著正反馈效应。拥有丰富技术知识储备的企业能够敏锐洞察和发现新的技术机会,进而推动新知识生产与创造,实现技术创新与知识更新的良性循环。资源学派的观点认为,资源是企业能力构建的必备条件。据此推测,技术资本积累能够有效推动企业核心技术能力形成。
外部技术获取是企业技术资本积累的重要方式。从资源依赖理论视角看,一方面,企业技术连锁董事网络中心度越高,该企业与其它企业建立关系越多,信息和资源传递路径越短,获得核心资源和有效信息的速度越快。另一方面,与处于网络边缘的企业相比,占据网络中心位置的企业更容易获得与研发活动相关的新信息和新资源[29]。作为重要非正式制度安排,技术连锁董事的社会网络关系能够促进企业间形成技术联盟,降低创新试错成本和投资风险,有助于企业增强积累技术资本的积极性。
基于上述分析,本文提出如下假设:
H2a:技术连锁董事连锁强度通过技术资本积累影响核心技术能力。
从代理理论视角看,连锁董事在一定程度上会加剧代理问题。技术连锁董事大多是某一技术领域专家,技术技能较强的连锁董事具有强烈的声誉保护动机,因而技术连锁董事工作积极性和投入度较高,更注重积累技术资本以推动企业高质量发展。从资源视角看,技术连锁董事专业能力是企业的宝贵资源。一方面,技术连锁董事可为研发团队提供专业咨询与建议,帮助企业研发部门科学配置资金、人力和设备等资源,避免创新资源冗余,进而加速技术资本积累。另一方面,技术连锁董事通过专业判断为企业制定合理的技术发展路线。此外,根据背景特征理论观点,技术连锁董事的技术能力越强,其创新偏好水平越高,在董事会决议中越倾向为核心技术突破争取更多资金和人才。
基于上述分析,本文提出如下假设:
H2b:技术连锁董事技术强度通过技术资本积累影响核心技术能力。
技术资本积累能够反映企业现有技术资源,这些资源既包括专有技术资源也包括企业外购技术资源,但并不都是企业难以模仿的专属资源。资源基础学派认为,企业能力来源于异质性、难以模仿的专有资源。技术资本积累对企业核心技术能力的影响有限,因而企业需要在现有知识的基础上形成特有的、难以模仿的专有知识。研发生产率是指企业通过研发投入获得的研发产出水平,既是衡量研发资源利用效率的关键指标,也是影响企业核心技术能力形成的关键要素[30-31]。一方面,高研发生产率意味着组织拥有稳定和专业化的研发团队,以及紧密的外部研发合作者[32]。企业专业研发团队能够凭借深厚的专业素养和敏锐的洞察力,对存量知识中的潜在机会进行精准识别和高效整合,通过系统化研发活动和创新思维方式加速核心技术能力培育。外部研发合作者带来的高质量知识有助于企业避免创新中的路径依赖陷阱,强化技术知识存量优势[33],促进核心技术能力发展。另一方面,高研发生产率能够凸显企业在不同领域的知识资源整合能力,拓展企业认知边界,为多元化知识组合提供更多机会,加速新知识创造进程,进而促进核心技术能力构建。
基于上述分析,本文提出如下假设:
H3: 研发生产率在技术资本积累与核心技术能力间发挥正向调节作用。
研发生产率表面反映企业研发投入与产出关系,深层次则体现企业创新研发团队水平、创新关注度和创新管理能力[30-31]。高研发生产率有利于组织利用内外部资源积累技术资本,进而形成核心技术能力。本研究推测,研发生产率不仅调节技术资本积累与核心技术能力的关系,而且调节技术连锁董事连锁强度、技术强度通过技术资本积累对核心技术能力的间接效应。
具体而言,技术连锁董事连锁强度有助于企业拓展创新视野,丰富创新资源,进而为核心技术能力提升奠定基础。技术连锁董事带来的资源能否成功转化为企业核心技术能力,取决于研发生产率。低研发生产率意味着企业创新人才匮乏,高管对创新重视不够,创新管理混乱,难以将外部资源内化为技术资本,进而抑制核心技术能力形成。相反,高研发生产率的企业更容易吸收和整合技术连锁董事网络内的异质性知识,进一步实现技术和知识积累。丰富的内外部知识能够为企业突破核心技术提供基础支撑。
基于上述分析,本文提出如下假设:
H4a:研发生产率调节技术连锁董事连锁强度通过技术资本积累对核心技术能力的间接效应,即研发生产率越高,连锁强度通过技术资本积累对核心技术能力的间接效应越显著。
技术连锁董事专业技术能力可以从技术创新方向、创新风险管理、合作研发和技术人才激励等方面促进企业核心技术能力形成[21,34]。研发生产率能够影响技术连锁董事的专业技术能力与核心技术能力构建。低研发生产率企业,其技术积累薄弱,在创新研发团队水平、创新关注度和组织创新管理能力3个方面表现欠佳,因而弱化了技术连锁董事专业技术能力通过技术资本积累对企业核心技术能力的促进作用。相反,对于高研发生产率的企业而言,技术连锁董事的专业技术能力得到高管团队认可,在创新管理方面更具话语权。此外,技术连锁董事技术能力越强,越有利于激励企业技术研发团队吸收和整合内外部技术知识。技术连锁董事从内部研发和外部吸收两个方面促进企业技术资本积累,强化核心技术能力。
基于上述分析,本文提出如下假设:
H4b:研发生产率调节技术连锁董事技术强度通过技术资本积累对核心技术能力的间接效应,即研发生产率越高,技术强度通过技术资本积累对核心技术能力的间接效应越显著。
综上所述,本文构建研究框架如图1所示。
图1 理论研究框架
Fig.1 Research framework
本文选取2010—2022年A股制造业上市公司作为样本,并根据以下条件进行样本筛选:第一,剔除ST、*ST样本企业;第二,剔除当年专利申请量为0的样本企业;第三,剔除变量数据不全的样本企业。最终,确定研究对象为2 698家公司,面板数据大小为13 131。企业专利数据来源于中国研究数据服务平台(CNRDS),并结合中国知识产权网(https://cpquery.cponline.cnipa.gov.cn/bridge)和大为Innojoy专利搜索引擎专利数据库进行交叉比对。技术连锁董事原始数据来源于国泰安数据库(CSMAR),并结合百度百科(https://baike.baidu.com)和企查查(https://www.qcc.com)进行补充和验证。研发投入和技术资本积累等其它变量数据均来自国泰安数据库。
2.2.1 被解释变量:企业核心技术能力(CTC)
企业核心技术能力是一个较为抽象的概念,现有研究采用问卷法和专利直接加总法进行测量,但问卷法测量缺乏客观性,专利加总法难以体现企业专业领域技术水平[2,5]。RTA指数(Revealed Technology Advantage Index)更能体现企业某一技术领域优势[5],本文借鉴Kim等[4]的核心技术能力测量方法,根据国际专利分类(IPC)标准,先将企业申请的发明专利和实用新型专利分为23类,并计算23类技术领域RTA指数,再将RTA指数与对应技术领域专利数的乘积最大值取自然对数,如式(1)所示。
CTCit=ln[max{RTAijt·Pijt}]
(1)
RTA指数计算如式(2)所示。
(2)
其中,Pijt表示企业i在t年的j领域的专利申请数量;Pjt表示t年所有企业在j领域申请专利数;Pit表示t年企业i申请的专利总数;Pt表示t年所有企业申请的专利总数。
2.2.2 核心解释变量:技术连锁董事(IV)
根据技术连锁董事的连锁特性和技术背景特性,本文将其分为技术连锁董事连锁强度(TIN)和技术连锁董事技术强度(TIT)两个维度。参考胡元木和纪端[21]的研究成果,本文技术董事认定标准如下:①拥有院士、教授级工程师、工程师或其它技术类相关职称;②具有理工医等技术性较强的专业背景,或在相关技术行业协会担任主要负责人;③从事技术研发、技术管理、生产制造和设计等技术相关工作。满足以上3个条件中的任意一个均可被认定为技术董事。
技术连锁董事连锁强度(TIN)采用技术董事个体层面的连锁企业数衡量,原因在于,个体层面构建的连锁董事网络更为全面,公司层面构建的连锁董事网络不如个体层面构建的连锁董事网络紧密。技术连锁董事技术强度(TIT)。参考许秀梅和党晓虹[35]的研究方法,本文从学习背景、从业经历、职称特征3个维度对技术连锁董事技术强度进行测量,具体而言:①若某技术连锁董事具有理工医类技术性较强的专业背景,则计1分,无则计0分;②若有技术、研发、设计和生产相关经历或在相关技术行业协会(学会)担任主要负责人,则计1分,无则计0分;③若有院士、高级工程师或其它技术类相关职称,则计1分,无则计0分。技术连锁董事技术强度为公司所有技术连锁董事以上三维度分值合计再取对数。
具体数据处理如下:第一,按照教育部学位委员会公布的专业目录,确定理工医等技术性较强的专业(如机械工程、智能科学与技术等专业),由此构建学习背景关键词词典。第二,按照技术研发、技术管理、生产制造和设计等技术相关工作(如研发工程师、技术开发中心经理等),构建从业经历关键词词典。第三,选择院士、工程师、研究员等关键词,构建职称特征词典。第四,采用Python对国泰安数据库中的连锁董事简历按照学习背景、从业经历、职称特征进行文本分析。最后,将学习背景、从业经历和职称特征3个维度得分汇总得到技术连锁董事技术得分。
2.2.3 中介变量:企业技术资本积累(TC)
采用汤倩等[28]的测量方法,本文以无形资产明细中的专利、专有技术、专用技术、软件系统等技术资本期末净值之和作为企业技术资本积累的代理变量,考虑到绝对额与正态分布要求不符,进一步取其对数。
2.2.4 调节变量:研发生产率(RDP)
现有研究对研发生产率的测量方法如下:①使用DEA模型或SFA模型计算实际产出与最优产出的差异;②使用企业专利申请数与研发投入的比值测量[31]。DEA模型或SFA模型测量包含技术进步和技术效率,后者与核心技术能力可能在内涵上存在共性。本文探讨的研发生产率,其核心在于评估企业将研发投入转化为知识产权或创新成果的效果,以专利数衡量产出符合其对技术能力作用的逻辑事实[31]。借鉴 Choi&Lee[30]的做法,本文采用企业专利申请数量与研发投入的比值衡量研发生产率。
2.2.5 控制变量
参考现有研究成果[3,5,31],本文将董事会规模(Board)、两职合一(Dual)、上市时间(Age)、两权分离(Separate)、管理层女性比例(Female)、董监高是否具有海外背景(Oversea)、企业规模(Size)、总资产净利润率(Roa)、流动比率(Liquid)、高科技行业(Tech)、行业竞争程度(HHI)设为控制变量。此外,本文对行业和年份进行了双向固定。以上变量具体定义如表 1 所示。
2.3.1 主效应模型
为了探究解释变量(IV)技术连锁董事连锁强度(TIN)和技术强度(TIT)对核心技术能力(CTC)的影响,本文根据假设H1a和H1b设定主效应模型如下:
(3)
式(3)系数c显著,说明技术连锁董事连锁强度(TIN)和技术强度(TIT)对核心技术能力(CTC)具有显著影响。
2.3.2 中介效应模型
为了厘清技术连锁董事连锁强度(TIN)和技术强度(TIT)对核心技术能力(CTC)的传导机制,根据前文假设H2a和H2b,利用逐步回归法对技术资本积累(TC)的中介效应进行验证,设定如下模型:
(4)
(5)
式(4)系数a和式(5)系数b显著,且ab≠0,表明技术资本积累(TC)在技术连锁董事连锁强度(TIN)、技术连锁董事技术强度(TIT)对核心技术能力(CTC)影响过程中具有中介作用。
2.3.3 调节效应模型
为了进一步分析研发生产率(RDP)在企业技术资本积累(TC)到核心技术能力(CTC)转化的边界条件,根据前文假设H3设定模型如下:
(6)
(7)
式(6)系数ζ1和式(7)系数γ3均显著,说明研发生产率(RDP)在技术资本积累(TC)和核心技术能力(CTC)间具有调节作用。
2.3.4 调节中介模型
研发生产率(RDP)影响连锁董事连锁强度(TIN)和技术强度(TIT)通过技术资本积累(TC)对核心技术能力(CTC)的中介效应,在上文假设H4a和假设H4b设定被调节的中介模型如下:
TCit=hm+αIVit+∑Controlsit+Industry+Year+εit
(8)
CTCit=hy+bTCit+c′IVit+b2RDPit+b3IVit×RDPit+∑Controlsit+Industry+Year+εit
(9)
以上模型中介效应为(ab+ab3RDPit),若ab3≠0,则技术资本积累(TC)的中介效应受研发生产率(RDP)的影响。此时,可判定存在被调节的中介效应。
变量描述性统计结果如表2所示。核心技术能力(CTC)均值为3.881,标准差为1.76,说明不同企业核心技术能力差异较大。连锁强度(TIN)均值为1.758,标准差为1.1,说明技术连锁董事在企业中广泛存在,且不同企业技术连锁董事连锁强度存在显著差异。技术强度(TIT)均值为1.392,标准差为0.831,说明不同企业技术连锁董事的技术强度差异显著。技术资本积累(TC)均值为16.5,标准差为4.18,同样说明不同企业技术资本积累具有显著差异。研发生产率(RDP)均值为0.184,标准差为0.068,说明企业整体研发生产率较低,不同企业研发生产率存在显著差异。
变量相关性分析结果如表3所示。技术连锁董事连锁强度、技术强度与核心技术能力正相关,初步验证研究假设H1a和H1b。技术资本积累、研发生产率与企业核心技术能力正相关,其影响机制后文会作进一步探索。控制变量与因变量存在一定相关性,需要在后续研究中加以控制。此外,本文进一步检验各变量多重共线性问题,结果显示,VIF平均值为1.56,各变量的VIF值均小于10。由此表明,本文研究变量不存在严重共线性问题。
为了进一步验证技术连锁董事连锁强度、技术强度、技术资本积累、研发生产率与核心技术能力的关系,本文采用Stata17.0软件,并使用双向固定效应模型进行回归分析。
3.2.1 主效应检验
技术连锁董事连锁强度和技术强度对核心技术能力影响的检验结果如表4模型(1)(2)所示。结果显示,在控制年度效应和行业效应时,技术连锁董事连锁强度对核心技术能力的影响在1%水平上显著,说明技术连锁董事凭借技术专长与外部建立的社会网络能够缓解企业不确定性风险,增强协作创新能力,从而促进企业核心技术能力构建。由此,研究假设H1a成立。技术连锁董事技术强度对核心技术能力的影响在1%水平上显著,说明技术连锁董事的高技术水平有利于其履行咨询和战略决策职能,进而促进企业核心技术能力提升。由此,研究假设H1b得到验证。
3.2.2 技术资本积累的中介效应检验
本文采用经典的因果逐步回归方法对技术资本积累的中介效应进行检验,结果如表4所示。模型(3)(4)检验技术连锁董事连锁强度、技术强度与技术资本积累的关系,结果显示,技术连锁董事连锁强度系数( β=0.131,p<0.01)和技术连锁董事技术强度系数(β=0.145,p<0.05)均显著。由此表明,技术连锁董事连锁强度、技术强度对技术资本积累具有正向影响。在模型(1)(2)的基础上,引入技术资本积累得到模型(5)(6)。结果显示,技术连锁董事连锁强度、技术连锁董事技术强度和技术资本积累均对企业核心技术能力具有显著正向影响。由此可知,技术资本积累在技术连锁董事连锁强度、技术连锁董事技术强度与企业核心技术能力间发挥中介作用。尽管技术连锁董事带来的外部资源能够在一定程度上促进技术创新,但若企业缺乏深厚的技术积累,也难以构建核心技术能力。由此,研究假设H2a和 H2b得到验证。
3.2.3 研发生产率的调节效应检验
本文进一步验证研发生产率在技术资本积累与核心技术能力间的调节作用,结果如表5所示。在模型(1)的基础上,引入研发生产率得到模型(7),结果表明,在控制研发生产率后,技术资本积累仍对企业核心技术能力具有显著正向影响(β=0.013,p<0.05)。在模型(7)的基础上,引入中心化后的研发生产率与技术资本积累交互项得到调节效应模型(8)。结果显示,交互项(β=0.326,p<0.01)正向影响企业核心技术能力。由此表明,研发生产率正向调节技术资本积累对核心技术能力的影响。在高研发生产率情景下,企业通过对既有技术进行深度优化与整合,创造出全新的技术组合,从而促进核心技术突破。由此,研究假设H3成立。
为进一步验证调节作用,本文根据表5模型(8)绘制研发生产率的调节效应图。图2显示,相较于低研发生产率情景,当研发生产率较高时,技术资本积累与核心技术能力关系直线斜率更大。由此说明,研发生产率能够促进技术资本转化为核心技术能力。
图2 研发生产率的调节效应
Fig.2 Moderating effect of R&D productivity
3.2.4 调节中介效应检验
参考Edwards&Lambert[36]提出的中介效应差异法,本文利用Bootstrap方法重复抽样5 000次,在95%置信区间下对被调节的中介效应进行检验,结果如表6所示。
(1)当研发生产率较低时,技术连锁董事连锁强度通过技术资本积累对核心技术能力的影响不显著(β=-0.002,SE=0.001,CI=[-0.004,0.001]);当研发生产率较高时,技术连锁董事连锁强度通过技术资本积累对核心技术能力的影响显著为正(β=0.014,SE=0.002,CI=[0.010,0.019]),两个系数差异值的靴式检验置信区间不包含0点。由此可知,当研发生产率较高时,企业外部资源获取能够加速技术积累进程。同时,有效的组织创新管理可进一步促使技术积累向技术能力演化。由此,假设H4a得到验证。
(2)当研发生产率较低时,技术连锁董事技术强度通过技术资本积累对核心技术能力的影响不显著(β=-0.002,SE=0.002,CI=[-0.005,0.001]);当研发生产率较高时,技术连锁董事技术强度通过技术资本积累对核心技术能力的影响显著为正(β=0.015,SE=0.003,CI=[0.01,0.021]),两个系数差异值的靴式检验置信区间不包含0点。由此可知,当研发生产率较高时,企业具有较强的资源编排能力,能够实现内外创新资源整合协调,进而促进核心技术能力提升。由此,假设H4b得到验证。
3.3.1 替换被解释变量
本文通过更换核心技术能力的测算方法进行稳健性检验。根据Kim等[4]的研究成果,本文参照国际专利分类(IPC)标准对企业所获专利进行分类,计算出RTA指数,以此衡量企业核心技术能力(CTC2),检验结果如表7所示。模型(1)和(2)为主效应回归结果,模型(3)—(6)为中介效应回归结果,模型(7)为调节效应回归结果。以上回归结果表明,主效应、中介效应和调节效应均得到验证。
有调节的中介效应稳健性检验中,当研发生产率取值不同时,技术连锁董事连锁强度通过技术资本积累对核心技术能力影响的系数分别为0.031、0.005,置信区间分别为[0.023,0.039]、[0.000,0.01]。当研发生产率取值不同时,技术连锁董事技术强度通过技术资本积累对核心技术能力影响的系数分别为0.033、0.005,置信区间分别为[0.023,0.043]、[0.000,0.01]。以上系数均为正且置信区间均不包含0,再次验证了H4a和H4b。由此表明,本文研究结论具有稳健性。
3.3.2 改变中介检验方法
本文采用Bootstrap方法和Sobel方法进一步检验中介效应的稳健性。Bootstrap检验中,设定置信区间为95%,重复抽样5 000次,结果如表8所示。由表8可知,技术连锁董事连锁强度通过技术资本积累显著正向影响企业核心技术能力(β=0.002,Z=3.23,CI=[0.001,0.004]),技术连锁董事技术强度通过技术资本积累显著正向影响企业核心技术能力(β=0.003,Z=2.83,CI=[0.001,0.004])。Sobel检验结果显示,技术资本积累在技术连锁董事连锁强度与核心技术能力的中介占比为3%,Z=3.241,p<0.01;技术资本积累在技术连锁董事技术强度与核心技术能力的中介占比为2.5%,Z=2.91,p<0.01。由此可见,H2a和H2b再次得到验证,本文结论具有稳健性。
3.3.3 中位数回归
为了避免数据结构带来的估计误差,本文进一步采用中位数回归方法进行稳健性检验,如表9所示。技术连锁董事连锁强度(β=0.049,p<0.01)和技术强度(β=0.064,p<0.01)均对企业核心技术能力具有显著正向影响。引入中介变量后,技术连锁董事连锁强度(β=0.047,p<0.01)通过技术资本积累(β=0.018,p<0.01)正向影响企业核心技术能力;技术连锁董事技术强度(β=0.066,p<0.05)通过技术资本积累(β=0.018,p<0.01)正向影响企业核心技术能力。引入调节变量后,技术资本积累(β=0.019,p<0.01)、研发生产率(β=6.009,p<0.01)、技术资本积累与研发生产率的交互项(β=0.326,p<0.01)均对企业核心技术能力具有显著正向影响。由此,主效应、中介效应和调节效应再次得到验证,表明本文结论具有稳健性。
3.3.4 内生性检验
考虑到模型可能存在遗漏变量问题,参考赵胜民和于星慧[37]的研究成果,本文以滞后一期技术连锁董事连锁强度(TINt-1)和技术强度(TITt-1)作为工具变量,采用两阶段OLS方法进行内生性检验。表10列(1)和列(3)显示,第一阶段工具变量TINt-1和TITt-1系数分别为0.824、0.798,均在1%水平上显著;列(2)和列(4)显示,第二阶段解释变量连锁强度(TIN)和技术强度(TIT)系数分别为0.103、0.126,均在1%水平上显著,说明技术连锁董事连锁强度、技术强度对核心技术能力具有显著正向影响。由此表明,在控制潜在内生性问题后,本文结论依旧具有稳健性。
表1 变量定义
Table 1 Variable definitions
变量类型变量符号变量含义变量测量被解释变量CTC核心技术能力具体参照2.2.1解释变量TIN技术连锁董事连锁强度所有技术连锁董事兼职董事企业的数量之和取对数TIT技术连锁董事技术强度所有技术连锁董事的技术能力评分合计取对数中介变量TC技术资本积累无形资产明细中的专利、专有技术、专用技术、软件系统等技术资本期末净值之和取对数调节变量RDP研发生产率企业专利申请数量/ln(研发投入+1)控制变量Board董事会规模董事会人数之和Dual两职合一董事长和CEO是否由同一人兼任,是取值为1,否则为0Separate两权分离实际控制人拥有上市公司控制权比例—实际控制人拥有上市公司所有权比例Age上市年限ln(当年年份 — 上市年份+1)Female管理层女性比例管理层女性人数/管理层总人数Oversea董事是否具有海外背景董监高中是否有人具有海外背景(曾经与现在的海外求学、海外任职),具有海外背景取值为1,否则为0Size企业规模ln(总资产)Roa总资产净利润率净利润 / 总资产平均余额Liquid流动比率流动资产 / 流动负债Tech是否属于高科技行业根据证监会 2012年行业分类标准以及《国家重点支持的高新技术领域》确定,属于高科技行业时为1, 否则为 0HHI 行业竞争程度行业的赫芬达尔—赫尔曼指数Industry行业行业固定效应Year年份年份固定效应
表2 变量描述性统计结果
Table 2 Descriptive statistics of variables
变量观测值均值中位数标准差最小值最大值CTC13 1313.8813.8761.760-2.7009.969TIN13 1311.7581.7921.10005.352TIT13 1311.3921.3860.83104.025TC13 13116.5017.304.180024.16RDP13 1310.1840.1890.06800.417Separate13 1314.51807.325-23.6545Dual13 1310.34000.47401Age13 1311.8271.9460.91503.466Board13 1318.31691.518318Oversea13 1310.58110.49301Female13 13119.3718.1811.26080Size13 13121.9621.811.10517.0227.47Roa13 1310.0410.0380.074-0.9571.285Liquid13 1312.9161.9133.5910.094144Tech13 1310.83510.37101HHI13 1310.1580.1250.11201
表3 相关性分析结果
Table 3 Results of correlation analysis
变量CTCTINTITTCRDPSeparateDualAgeCTC1TIN0.054∗∗∗1TIT0.056∗∗∗0.862∗∗∗1TC0.065∗∗∗0.083∗∗∗0.068∗∗∗1RDP0.128∗∗∗0.077∗∗∗0.070∗∗∗0.221∗∗∗1Separate0.057∗∗∗0.070∗∗∗0.067∗∗∗-0.0120.030∗∗∗1Dual-0.023∗∗∗0.019∗∗-0.022∗∗-0.050∗∗∗-0.055∗∗∗-0.083∗∗∗1Age0.102∗∗∗-0.157∗∗∗-0.127∗∗∗0.197∗∗∗0.148∗∗∗0.096∗∗∗-0.264∗∗∗1Board0.104∗∗∗0.094∗∗∗0.137∗∗∗0.032∗∗∗0.060∗∗∗0.096∗∗∗-0.180∗∗∗0.162∗∗∗Oversea0.040∗∗∗0.110∗∗∗0.097∗∗∗0.106∗∗∗0.068∗∗∗-0.048∗∗∗0.004-0.027∗∗∗Female-0.034∗∗∗0.017∗∗-0.052∗∗∗0.008-0.094∗∗∗-0.086∗∗∗0.153∗∗∗-0.153∗∗∗Size0.244∗∗∗0.058∗∗∗0.067∗∗∗0.265∗∗∗0.365∗∗∗0.136∗∗∗-0.181∗∗∗0.503∗∗∗Roa0.058∗∗∗-0.006-0.011-0.039∗∗∗0.016∗0.028∗∗∗0.022∗∗-0.075∗∗∗Liquid-0.022∗∗0.021∗∗0.026∗∗∗-0.117∗∗∗-0.150∗∗∗-0.057∗∗∗0.108∗∗∗-0.301∗∗∗Tech-0.070∗∗∗0.078∗∗∗0.120∗∗∗0.094∗∗∗0.077∗∗∗-0.044∗∗∗0.008-0.030∗∗∗HHI-0.050∗∗∗-0.055∗∗∗-0.063∗∗∗-0.065∗∗∗0.070∗∗∗0.027∗∗∗-0.001-0.001VIF—4.034.041.151.211.041.111.55变量BoardOverseaFemaleSizeRoaLiquidTechHHICTCTINTITTCRDPSeparateDualAgeBoard1Oversea0.049∗∗∗1Female-0.186∗∗∗0.044∗∗∗1Size0.250∗∗∗0.065∗∗∗0.044∗∗∗1Roa0.0040.027∗∗∗0.065∗∗∗0.032∗∗∗1Liquid-0.103∗∗∗0.0090.027∗∗∗-0.283∗∗∗0.131∗∗∗1Tech-0.0010.023∗∗∗0.009-0.024∗∗∗-0.026∗∗∗0.053∗∗∗1HHI0.013-0.039∗∗∗0.023∗∗∗0.01-0.023∗∗∗-0.042∗∗∗-0.213∗∗∗1VIF1.131.041.111.691.041.161.091.07
注：*p<0.1, **p<0.05, ***p<0.01,下同
表4 主效应与中介效应检验结果
Table 4 Test results of main effect and mediation effect
变量(1)(2)(3)(4)(5)(6)CTCCTCTCTCCTCCTCTIN0.079∗∗∗0.131∗∗∗0.077∗∗∗(0.023)(0.049)(0.023)TIT0.103∗∗∗0.145∗∗0.101∗∗∗(0.029)(0.065)(0.029)TC0.018∗∗∗0.018∗∗∗(0.006)(0.006)Constant-4.846∗∗∗-4.880∗∗∗-4.736∗∗∗-4.818∗∗∗-4.761∗∗∗-4.793∗∗∗(0.762)(0.762)(1.696)(1.693)(0.762)(0.762)ControlsYESYESYESYESYESYESIndustryYESYESYESYESYESYESYearYESYESYESYESYESYESN13 13113 13113 13113 13113 13113 131R20.1670.1670.2100.2100.1690.169
注：括号内为聚类稳健标准误,下同
表5 研发生产率的调节效应检验结果
Table 5 Moderating effect test results of R&D productivity
变量(7)(8)CTCCTCTC0.013∗∗0.018∗∗∗(0.006)(0.006)RDP4.644∗∗∗4.726∗∗∗(0.470)(0.473)TC×RDP0.326∗∗∗(0.068)Constant-3.308∗∗∗-5.753∗∗∗(0.809)(0.845)ControlsYESYESIndustryYESYESYearYESYESN13 13113 131R20.1880.191
表6 被调节的中介效应检验结果
Table 6 Regression test results of the moderated mediation effect
调节变量连锁强度—技术资本积累—核心技术能力间接效应标准误95%置信区间技术强度—技术资本积累—核心技术能力间接效应标准误95%置信区间低研发生产率-0.0020.001[-0.004,0.001]-0.0020.002[-0.005,0.001]高研发生产率0.0140.002[0.010,0.019]0.0150.003[0.010,0.021]高、低组差异0.0080.001[0.009,0.015]0.0100.002[0.006,0.014]
注： 低研发生产率是均值减1个标准差,高研发生产率是均值加1个标准差
表7 替换被解释变量的检验结果
Table 7 Regression results of substituting explained variable
变量(1)(2)(3)(4)(5)(6)(7)CTC2CTC2TCTCCTC2CTC2CTC2TIN0.129∗∗∗0.131∗∗∗0.124∗∗∗(0.030)(0.049)(0.030)TIT0.204∗∗∗0.145∗∗0.198∗∗∗(0.039)(0.065)(0.038)TC0.040∗∗∗0.040∗∗∗0.047∗∗∗(0.008)(0.008)(0.008)RDP0.882(0.598)TC×RDP0.527∗∗∗(0.097)Constant-7.002∗∗∗-7.023∗∗∗-4.736∗∗∗-4.818∗∗∗-6.816∗∗∗-6.762∗∗∗-8.802∗∗∗(0.939)(0.936)(1.696)(1.693)(0.935)(0.963)(0.997)ControlsYESYESYESYESYESYESYESIndustryYESYESYESYESYESYESYESYearYESYESYESYESYESYESYESN12 27412 27412 27412 27412 27412 27412 274R20.1430.1440.2100.2100.1470.1480.148
表8 Bootstrap与Sobel方法中介检验结果
Table 8 Mediation test results of the Bootstrap and Sobel methods
路径Bootstrap间接效应Z95%置信区间Sobel中介占比ZPTIN-TC-CTC0.0023.23[0.001,0.004]0.0303.2410.000TIT-TC-CTC0.0032.83[0.001,0.004]0.0252.9100.004
表9 中位数回归结果
Table 9 Median regression results
变量(1)(2)(3)(4)(5)(6)(7)CTCCTCTCTCCTCCTCCTCTIN0.049∗∗∗0.099∗∗∗0.047∗∗∗(0.016)(0.016)(0.016)TIT0.064∗∗∗0.094∗∗∗0.066∗∗(0.023)(0.020)(0.026)TC0.018∗∗∗0.018∗∗∗0.019∗∗∗(0.005)(0.006)(0.006)RDP6.009∗∗∗(0.329)TC×RDP0.326∗∗∗(0.072)Constant-4.332∗∗∗-4.420∗∗∗-2.124∗∗∗-2.235∗∗∗-4.202∗∗∗-4.178∗∗∗-4.770∗∗∗(0.762)(1.036)(0.386)(0.369)(0.960)(0.995)(1.114)ControlsYESYESYESYESYESYESYESIndustryYESYESYESYESYESYESYESYearYESYESYESYESYESYESYESN13 13113 1311 313113 13113 13113 13113 131Pseudo R20.0930.0930.1650.1640.0940.0940.111
表10 工具变量检验结果
Table 10 Instrumental variable test results
变量第一阶段(1)第二阶段(2)第一阶段(3)第二阶段(4)TINtCTCt+1TITtCTCt+1TINt-10.824∗∗∗(0.006)TIN0.103∗∗∗(0.020)TITt-10.798∗∗∗(0.007)TIT0.126∗∗∗(0.027)Constant-0.281-4.673∗∗∗-0.150-4.741∗∗∗(0.187)(0.475)(0.172)(0.477)ControlsYESYESYESYESIndustryYESYESYESYESYearYESYESYESYESN8 8268 8268 8268 826R20.7130.1810.6900.181
本文以2010—2022年A股2 698家制造业上市公司为样本,考察技术连锁董事连锁强度和技术强度对核心技术能力的影响,并揭示技术资本积累的中介效应以及研发生产率的调节效应,得到以下主要结论:
(1)技术连锁董事连锁强度、技术强度对核心技术能力具有显著正向影响。一方面,技术连锁董事通过兼职外部企业董事形成连锁网络,有助于目标企业跨越组织边界获取创新活动所需的异质性资源,进而实现核心技术能力构建。另一方面,高水平技术连锁董事通过影响企业创新偏好,以及为技术创新提供指导助力企业核心技术创新。与既有研究认为连锁董事会抑制企业创新的结论相反[18-19],本文进一步拓展了异质性连锁董事对企业创新存在差异性影响的研究结论[12,20]。
(2)技术资本积累在技术连锁董事连锁强度、技术强度与核心技术能力间发挥部分中介作用。既有文献较少考虑技术资本积累的中介机制,本文弥补了这方面的不足,也进一步印证了陈劲等[26]关于技术积累是核心技术创新必要条件的观点。
(3)研发生产率不仅正向调节技术资本积累与核心技术能力的关系,而且调节技术连锁董事连锁强度和技术强度通过技术资本积累对核心技术能力的间接效应。本文聚焦企业核心技术能力,进一步揭示技术资本积累、研发生产率对核心技术能力的作用机理,支持现有研究关于技术积累离不开研发生产率支持的观点[28,32]。
(1)本文聚焦技术连锁董事这一独特类型的连锁董事,基于代理理论为解释连锁董事现象提供了新视角。根据委托代理理论,董事会成员受股东委托对公司进行管理。当董事与股东潜在目标和利益不一致时就会引发代理问题,进而产生代理成本。现有研究认为,连锁董事在帮助企业获取创新资源的同时,也推进了自身事业发展[38]。事实上,连锁董事也可能为追求自身利益而变成忙碌董事[19]。连锁董事工作投入程度可能受时间和个人能力影响,这种影响可能导致代理问题进一步加剧,进而对企业运营和创新产生负面影响[18-19]。本文发现,技术连锁董事能够促进企业核心技术能力成长,与现有研究结论相反(连锁董事会带来代理问题),原因在于,作为特定技术领域的专家,技术连锁董事更加珍视个人声誉,相较于其他连锁董事,其兼职的企业数量有限,工作投入度较高。因此,技术连锁董事不仅不会加剧代理问题,而且有助于企业获得专业、高效的决策支持,进而推动企业高质量发展。
(2)拓展了技术连锁董事理论内涵。以往研究将技术连锁董事视为连锁董事的子分类,仅探讨连锁董事的连锁特性及其影响,对连锁董事技术特性的关注不足[38]。技术连锁董事具有连锁与技术的双重特性,本文进一步将其细化为技术连锁董事连锁强度和技术强度两个维度,拓展了技术连锁董事理论内涵,为进一步研究技术连锁董事提供了参考。
(3)本文在前因、机制和边界条件3个方面丰富了核心技术能力研究。一方面,基于外部资源获取视角对核心技术能力成长前因研究进行了有益补充。现有研究探讨了供应链[3]、技术多元化[4]以及数字化转型[5]等外部资源及获取方式对核心技术能力的影响。本文探讨技术连锁董事这一独特的外部资源获取途径,结果发现,技术连锁董事能够促进企业核心技术能力提升。另一方面,揭示了技术资本积累的中介作用,以及研发生产率的调节作用,为核心技术能力形成机理研究提供了新视角。
(1)在选聘董事时,企业应有意识地优化董事会成员结构,即聘请一定数量的技术连锁董事。企业可以通过技术连锁董事与其它企业建立联结关系,进而从连锁网络获取核心技术创新所需的异质性资源。此外,企业需要充分发挥技术连锁董事的监督与咨询职能,为自身核心技术能力提升提供战略指导。
(2)企业应平衡技术创新质量和创新数量。技术创新数量是企业实现技术创新质量飞跃的基础,企业可以通过创新资源投入提高创新效率,从而加速技术积累。一方面,高素质人才是创新的基石,企业需要畅通人才招聘渠道、优化创新人才培养机制,储备高端人才。另一方面,积极引进先进设备和加强研发资金投入,从而增加创新产出。企业在重视创新产出的同时,更要关注创新质量。在具备一定技术积累基础时,企业可以通过调整内部创新激励机制和提高技术创新质量考核标准等加快技术创新。
(3)企业核心技术能力培育离不开政府整体布局与政策供给。政府应对创新支持政策进行动态调整(如制定核心技术创新专项支持政策),引导企业在核心技术领域进行科技攻关,同时为企业构建产学研合作创新平台提供政策支持。借助产学研平台,企业不仅可以获取核心技术创新所需的人才资源和研究设备,而且能够提高研发生产率,从而加速科研成果转化和应用。此外,政府应加强知识产权保护,为企业核心技术能力培育营造良好环境。
本文存在以下不足:第一,鉴于数据可得性,仅选取制造业上市公司作为研究样本,尚未考虑非上市公司,样本覆盖范围有限,结论普适性有待验证。未来可以借助Python等技术工具合法获取非上市公司相关数据,进一步提升结论普适性。第二,仅探讨了技术资本积累的中介作用,未来可以进一步探究其它作用机制,打开技术连锁董事对核心技术能力影响的“黑箱”。第三,核心技术能力测量指标主要考虑企业某一细分技术领域的专利数量。该指标虽具有一定的科学性,但未考虑专利质量的影响,仍存在一定缺陷。未来对核心技术能力的测量应综合考虑专利数量和质量两方面因素。
[1] 陈钰芬,黄俊杰,王科平. MOA框架下关键核心技术突破路径研究——以光刻技术领域为例[J/OL].情报杂志, 1-10[2024-05-15].http://kns.cnki.net/kcms/detail/61.1167.G3.20240411.0835.002.html.
[2] TONG T, IQBAL K, RAHMAN A A. Core technological competence and competitive advantage: a study on Chinese high-tech SMEs[J].Frontiers in Psychology, 2022,13(7): 959448.
[3] 黄华. 资源平衡视角下企业核心技术能力形成机制研究[D].武汉:中南财经政法大学,2023.
[4] KIM J, LEE C Y, CHO Y. Technological diversification, core-technology competence, and firm growth[J].Research Policy, 2016, 45(1): 113-124.
[5] 卢任,赵相英,吕大国.企业数字化转型、管理者时间导向与核心技术能力:一个倒U型关系[J].科技进步与对策,2024,41(7):11-20.
[6] JIANG Y, YANG Y, ZHAO Y, et al. Partners' centrality diversity and firm innovation performance: evidence from China[J].Industrial Marketing Management, 2020, 88(3): 22-34.
[7] 郑方,单文涛,王永青.连锁董事网络与企业动态创新能力——基于多重治理情境的调节作用[J].财经论丛,2021,37(11):77-88.
[8] MAZZOLA E, PERRONE G, KAMURIWO D S. The interaction between inter-firm and interlocking directorate networks on firm's new product development outcomes[J].Journal of Business Research, 2016, 69(2): 672-682.
[9] 张丹,郝蕊.连锁董事网络能够促进企业技术创新绩效吗——基于研发投入的中介效应研究[J].科技管理研究,2018,38(12):183-191.
[10] 王分棉,贺佳,陈丽莉.连锁董事绿色经历会促进企业绿色创新“增量提质”吗[J].中国工业经济,2023,40(10):155-173.
[11] TJONDRO E,CHANG N,LIANATA I,et al. Does board interlock control high-tech firm performance?evidence from ASEAN's growth triangle countries[J].AKRUAL: Jurnal Akuntansi, 2021, 12(2): 117-131.
[12] HERN
NDEZ-LARA A B, GONZALES-BUSTOS J P. The impact of interlocking directorates on innovation: the effects of business and social ties[J].Management Decision, 2019, 57(10): 2799-2815.
[13] BERG C. Women on board: the disregarded issue of board interlocks[J].Gender in Management: An International Journal, 2021, 36(1): 39-60.
[14] SHAFEEQ NIMR AL-MALIKI H, SALEHI M, KARDAN B. The relationship between board characteristics and social responsibility with firm innovation[J].European Journal of Management and Business Economics, 2023, 32(1): 113-129.
[15] TENG Y, GIMMON E, LU W. Do interlocks lead to the convergence of interfirm innovation performance? evidence from China[J].Sage Open,2021,11(2):1-20.
[16] 张维今,李凯,王淑梅.CEO权力的调节作用下董事会资本对公司创新的内在机制影响研究[J].管理评论,2018,30(4):70-82.
[17] LI M. Exploring novel technologies through board interlocks: spillover vs. broad exploration[J].Research Policy, 2021, 50(9): 104337.
[18] BOLTON B, ZHAO J. Busy boards, entrenched directors and corporate innovation[J].International Journal of Financial Studies, 2022, 10(4): 83.
[19] FICH E M, SHIVDASANI A. Are busy boards effective monitors[J].The Journal of Finance, 2006, 61(2): 689-724.
[20] 任兵,区玉辉,林自强.企业连锁董事在中国[J].管理世界,2001,17(6):132-141,159.
[21] 胡元木,纪端.董事技术专长、创新效率与企业绩效[J].南开管理评论,2017,20(3):40-52.
[22] LARCKER D F, SO E C, WANG C C Y. Boardroom centrality and firm performance[J].Journal of Accounting and Economics, 2013, 55(2-3): 225-250.
[23] LIANG X, DAI L, XIE S. Examining the social pressures on voluntary CSR reporting: the roles of interlocking directors[J].Sustainability Accounting, Management and Policy Journal, 2022, 13(3): 653-679.
[24] GELETKANYCZ M A, BOYD B K. CEO outside directorships and firm performance: a reconciliation of agency and embeddedness views[J].Academy of Management Journal, 2011, 54(2): 335-352.
[25] 龚红,彭玉瑶.技术董事的专家效应、研发投入与创新绩效[J].中国软科学,2021,36(1):127-135.
[26] 陈劲,阳镇,朱子钦.“十四五”时期“卡脖子”技术的破解:识别框架、战略转向与突破路径[J].改革,2020,33(12):5-15.
[27] MCGRATTAN E R, PRESCOTT E C. Technology capital and the US current account[J].American Economic Review, 2010, 100(4): 1493-1522.
[28] 汤倩,罗福凯,刘源,等.CEO多职业背景对企业技术资本积累的影响——基于沪深A股上市公司数据的研究[J].会计研究,2021,42(11):88-101.
[29] LUO K, ZOR S. How does social network in patent provide changes in the Chinese manufacturing firm market value[J].Heliyon, 2023, 9(3): e14358.
[30] CHOI M, LEE C Y. Technological diversification and R&D productivity: the moderating effects of knowledge spillovers and core-technology competence[J].Technovation, 2021, 104(6): 102249.
[31] 胡川,黄华.沉淀冗余、研发生产率与核心技术能力——数字化转型的调节作用[J].软科学,2023,37(9):17-22,66.
[32] JAIN A, MITCHELL W. Specialization as a double—edged sword: the relationship of scientist specialization with R&D productivity and impact following collaborator change[J].Strategic Management Journal, 2022, 43(5): 986-1024.
[33] MARTINEZ-ALONSO R, MARTINEZ-ROMERO M J, ROJO-RAMIREZ A A, et al. Process innovation in family firms: family involvement in management, R&D collaboration with suppliers, and technology protection[J].Journal of Business Research, 2023, 157(3): 113581.
[34] WU Q. Power play in carbon trading market: how status of executives with R&D background incentives companies' low-carbon innovation[J].Energy Policy, 2024, 188(5): 114049.
[35] 许秀梅,党晓虹.CEO技术专长与企业技术资本积累——CEO过度自信的调节效应[J].科技进步与对策,2022,39(22):140-150.
[36] EDWARDS J R, LAMBERT L S. Methods for integrating moderation and mediation: a general analytical framework using moderated path analysis[J].Psychological Methods, 2007, 12(1): 1-22.
[37] 赵胜民,于星慧.创新失败对企业再创新绩效的影响:高管薪酬激励的调节作用[J].科研管理,2023,44(6):183-192.
[38] 王理想,姚小涛,吴瀚.从连锁董事资本到企业资本的转化:机制、动机与影响因素[J].经济管理,2016,38(6):59-70.