The existing literature focuses on the analysis of the impact of the breadth and depth of business or technological collaboration on firms' innovation activities, but the importance of scientific collaboration in promoting the integration of basic and applied research is neglected. Although the existing studies have explored the impact of collaboration with different types of bridging scientists on firms' innovation from a human capital perspective, little is known about the specific ways in which firms engage in scientific collaboration. Recently, some scholars have observed scientific collaboration from the perspectives of social network and social capital, but the role of scientific collaboration breadth and depth on firms' technological innovation processes is understudied. Moreover, scant research has turned the gaze on the boundary conditions of openness to scientific collaboration. Meanwhile, scholars have been highlighting the importance of investing in basic research to enhance self-reliance and self-improvement in science and technology. This investment is expected to bring a breakthrough in bottleneck technology. However, most of the relevant literature focuses on the basic research investments of large and medium-sized state-owned enterprises. Besides, the collaboration modes with colleges, universities, and other research institutes have been discussed, but there is a lack of in-depth analysis of the specific ways of scientific collaboration among SMEs and its role in the technological innovation of firms. Additionally, there is a scarcity of empirical research in this regard.
Following the theory of inter-organizational learning and the lens of knowledge recombination, this paper focuses on the role of scientific collaboration breadth and depth in the exploratory innovation of "little giant" firms. It also examines the moderating roles of firms' knowledge diversity and the technological turbulence of the external environment. By analyzing the paper publication records and patent application data of 933 "little giant" firms during the period of 1997 to 2020, it is confirmed that scientific collaboration breadth and scientific collaboration depth have an inverted U-shaped and negative impact on "little giant" firms' exploratory innovation, respectively. Besides, with the increase in knowledge diversity, the inverted U-shaped relationship between scientific collaboration breadth and exploratory innovation becomes steeper, while the negative relationship between scientific collaboration depth and exploratory innovation becomes weaker with the increase in technological turbulence. Considering the negative impact of scientific collaboration on exploratory innovation, "little giant" firms should concentrate limited resources on expanding partnerships and technological fields to identify, absorb, and integrate heterogeneous scientific knowledge and information. Meanwhile, the findings also suggest "little giant" firms should enhance their cooperation stickiness with partners to defend against uncertain external risks.
This paper makes an important contribution to the theoretical framework of inter-organizational learning and cross-boundary knowledge search. It reveals the complex relationship between different types of scientific collaboration behaviors and exploratory innovation. Additionally, the paper comprehensively analyzes the boundary conditions of scientific collaboration's role in exploratory innovation activities. The research on "little giant" firms is not rich and mostly focuses on R&D collaboration issues in large and medium-sized enterprises; thus, this paper enriches the existing literature. By revealing how SMEs can design scientific collaboration strategies to promote exploratory innovation, this paper provides both theoretical support and practical insights for the scientific collaboration on exploratory innovation of the "little giant" firms.
开放科学(资源服务)标识码(OSID)：
2023年2月21日,习近平总书记在二十届中共中央政治局第三次集体学习时指出,“加强基础研究是实现高水平科技自立自强的迫切要求,是建设世界科技强国的必由之路”。大科学时代,仅依靠个人或单个组织开展基础研究“独木难支”,合作是解决基础研究难题的重要法宝。对“小巨人”企业而言,与外部伙伴开展科学合作能够获取互补性知识[1],从而提升自身持续创新能力。然而,科学合作过程中,存在资源协调与知识吸收问题以及知识产权保护困境[2]。如何通过科学合作实现基础研究与应用研究融合是“小巨人”企业亟需解决的重要问题。
开放式创新与知识搜索相关研究表明,合作广度与深度是组织间学习的两个重要维度。其中,合作广度反映企业外部合作伙伴数量,合作深度反映企业与外部伙伴合作关系质量[3]。已有文献主要关注商业合作或技术合作广度与深度对企业创新活动的影响。例如,Wang等[4]基于合作广度与深度视角划分了4种专利合作网络类型,并进一步分析其对企业创新绩效的影响;Gimenez-Fernandez等[5]探讨了不同类型中小企业与供应商合作广度对企业创新的影响;刘斐然等[6]、高霞等[7]从技术层面探究了合作开放度对企业创新绩效的影响。相比于利用式创新,探索式创新强调企业突破已有知识限制,通过获取新知识实现新颖性技术研发[8]。科学合作产生的新知识不仅能够帮助企业把握潜在市场机会、技术创新方向,而且可为企业提供前瞻性创新理论,从而推动企业技术突破[9]。需要注意的是,现有相关文献主要关注国有大中型企业基础研究投入及其与高校等科研机构的合作模式,鲜有对中小企业科学合作方式及其对企业技术创新的作用机理进行深入探讨。
基于组织间学习和知识重组理论,本文聚焦科学合作广度与深度对“小巨人”企业探索式创新的作用机理,同时考察企业自身知识多样性和外部环境技术动荡性的调节作用,通过分析933家“小巨人”企业1997—2019年论文发表数据和1998—2020年专利申请数据构建开放式创新研究框架,进一步揭示不同科学合作行为对探索式创新的差异化影响,以期为中小企业制定科学的合作策略以提升探索式创新能力提供科学建议。
合作能够为企业提供有吸引力的产品和服务,进而帮助企业应对不确定性风险。依据合作目的差异,可将合作划分为商业合作、技术合作以及科学合作,如表1所示。技术合作是指高等院校、企业、科研院所等共同开发科技成果的过程[10],以专利为主要产出形式;商业合作体现企业与利益相关者的互动交流,商业产出(商品、服务、商业模式等)是检验合作质量的重要标准[11];科学合作是指研究者为探索和发现新知识在一起工作[12],科学合作主体包括科研人员、高校、企业、国家等,合著论文是主要产出形式。本研究主要关注企业间以及企业与高校等科研机构间的科学合作。已有相关研究主要关注技术合作和商业合作对企业创新活动的影响,忽视了科学合作在基础研究与应用研究融合过程中的重要作用。事实上,与外部伙伴开展科学合作有利于企业获取前沿知识并将其转化为内部知识基础,进而影响企业技术创新绩效。
表1 不同类型合作
Table 1 Different types of collaboration
内容 科学合作 技术合作 商业合作 定义 研究者为生产新的科学知识而在一 起工作 高等院校、企业、科研院所 等 共 同 开 发科技成果的过程 体现企业与利益相关者开展的互动 交流 内涵 知识创造 知识应用 利益共享 合作基础 科学知识 技术能力 市场需求 表现形式 论文发表、项目合作等 专利授权、技术转让等 产品开发、市场推广等 产出方式 合著论文 专利 商业产出(商品、服务、商业模式等)
注:作者根据已有研究整理,下同
现有相关文献基于人力资本视角探讨与不同类型桥接科学家合作对企业创新的影响[13-14],对企业开展科学合作的方式关注不足。尽管部分研究基于社会网络结构和社会资本视角对科学合作进行描述[15],但科学合作广度与深度在企业技术创新过程中的作用有待进一步研究。根据不同合作目的与情境,合作开放度对企业创新绩效具有差异化影响,如表2所示。基于Laursen &Salter[16]的研究成果,Chen等[2]发现,行业差异能够强化科技创新企业开放度与创新绩效的倒U型关系,以及具有创新经验企业开放度与创新绩效的正相关关系;Kobarg等[17]发现,合作广度及深度与企业激进式创新、渐进式创新存在倒U型关系。此外,尽管学者们开始关注企业科学合作相关问题,但对科学合作开放度的作用边界探讨不足。知识基础观认为,知识基础对知识创造和企业探索式创新具有重要影响,外部技术环境不确定性会影响企业创新投入。中小企业的局限性主要体现如下:知识吸收能力弱于大型企业、无法从科学知识中获得问题解决方法、面临较大的资源约束等。现有研究发现,中小企业开展科学合作的回报超过大企业[18],但未进一步探讨中小企业科学合作方式对探索式创新绩效的影响。“小巨人”企业是中小企业中的佼佼者,在科学合作伙伴选择和维系、资源分配等方面面临较大压力。因此,探明科学合作方式对“小巨人”企业创新活动的作用机理尤为重要。
表2 部分相关实证研究结果
Table 2 Selected empirical findings
作者 年份 期刊 理论视角 研究对象 主要结论 陈钰芬、陈劲 2008 科学学研究 开放式创新 209 家 创 新 型 企 业 (问卷调查) 科技驱动产业企业开放度和创新绩效呈倒 U 型关系;经验驱动产业企业开放度和创新绩效 正相关 韵江等 2012 科研管理 开放式创新、网 络能力 206家 制 造 企 业(问 卷调查) 网络能力对创新绩效有正向影响;不同开放度 下,网络能力对创新绩效的影响不同 马艳艳等 2014 科研管理 开放式创新 12665 家 制 造 企 业 (面板数据) 企业跨组织研发合作广度存在一个最佳规模; 合作深化有助于企业创新绩效的提升 马文甲、高良谋 2016 科研管理 开放式创新、动 态能力 246家 企 业(问 卷 调 查) 开放广度与创新绩效正相关,开放深度与创新 绩效存在最佳开放点;动态能力调节二者关系 高霞等 2019 科研管理 开放式创新 2603 家 ICT 企 业 (面板数据) 研发合作开放度与创新绩效呈 U 型关系 Kobarg等[17] 2019 ResearchPolicy 开放式创新 218 家 德 国 制 造 企 业(问卷、电话) 合作广度与探索式创新绩效之间以及合作深 度与渐进式创新绩效之间呈倒 U 型关系 Wang等 2020 Journalof KnowledgeManage- ment 开放式创新、知 识管理 246 家 高 科 技 企 业 (问卷调查) 企业开放度与创新绩效呈倒 U 型 关 系;二 元 搜索策略起正向调节作用 Brenk等[19] 2020 Academyof Management Pro- ceedings 开放式创新、知 识获取创造力 合作深度对商业模式创新有积极影响;合作广 度与合作自由度共同提高了 BMI 高霞等[7] 2021 科研管理 开放式创新 14596 家ICT 企 业 (面板数据) 企业与大学合作广度、深度对企业创新绩效具 有正向影响 Zhang等[20] 2022 IndustrialMarketing Management 开放式创新、联 盟投资组合 149 家 中 国 上 市 制 造企业(面板数据) 产学合作深度与企业成长负相关;产学合作广度 与企业成长正相关;政府补贴削弱了其中关系
本文从合作广度和深度两个维度探讨科学合作对“小巨人”企业探索式创新的作用机理,并揭示企业知识多样性及行业技术动荡性的调节作用。
1.2.1 科学合作对“小巨人”企业探索式创新的影响
科学合作广度能够刻画焦点企业在科学研究过程中的合作伙伴数量[21]。“小巨人”企业往往会将有限的资源投入到特定技术领域的应用性研发活动中。一般来说,科技型中小企业外部学习以及内部知识整合能力越强,企业创新绩效水平越高。本研究认为,拓展科学合作广度有利于“小巨人”企业探索式创新。首先,探索式创新需要企业在研发过程中对未知领域知识进行学习和重组。随着伙伴数量增加,“小巨人”企业通过科学合作获取的异质性知识增加。通过内外部知识重组,“小巨人”企业有可能获得探索式创新成果。其次,相对于技术知识,基础研究产生的科学知识更注重对基础原理和基本规律的解释,有助于“小巨人”企业在特定技术领域深耕。通过参与科学合作获取技术突破的底层知识与逻辑框架,有助于“小巨人”企业降低探索式研发活动的不确定性风险。第三,提升科学合作广度有助于“小巨人”企业与不同类型组织机构建立合作关系,从而摆脱路径依赖。相比于技术合作或商业合作,科学合作能够为焦点企业搭建更多与大学、科研机构及第三方科技服务组织沟通渠道。此外,提升科学合作广度有助于“小巨人”企业跳出“能力刚性”陷阱。
然而,过高的科学合作广度对“小巨人”企业探索式创新提出挑战。首先,组织间学习存在知识吸收与整合应用问题。异质性知识在拓展“小巨人”企业知识重组空间的同时,对企业知识吸收、知识转化提出了更高的要求[22],由此挤出企业原本用于前沿技术探索的资源[23]。其次,科学合作广度提升导致知识搜索成本激增[24]。维系与多个伙伴的科学合作关系需要足够的资源,随着合作广度提高,“小巨人”企业沟通成本和协调成本激增。第三,过高的科学合作广度可能分散“小巨人”企业研发资源。基础研究产生的知识成果可为企业提供不同的技术演进路线,但技术突破路径并非越多越好。事实上,“小巨人”企业往往已经在特定技术领域建立起技术优势,从科学合作伙伴处获取的技术研发思路在拓展技术探索空间的同时,也会加大探索式创新的不确定性风险。综上,本文提出以下假设:
H1：科学合作广度与“小巨人”企业探索式创新呈倒U型关系。
科学合作深度能够反映焦点企业与伙伴在基础研究领域的合作频次及关系质量[21]。相关文献表明,随着合作不断深入,焦点企业与外部伙伴更容易建立稳定和信任关系,从而降低交易成本和信息不对称程度[25]。这有助于焦点企业与伙伴实现知识共享,从而促进协同创新产出。考虑到探索式创新主要聚焦对新知识的消化吸收与转化应用,本文认为,科学合作深度提升对“小巨人”企业探索式创新具有消极影响。首先,探索式创新强调组织对外部异质性知识的获取与吸收。不断深化的科学合作在降低沟通和协调成本的同时,也会缩小科学合作过程中涉及的知识范围或技术领域。长期合作关系有助于各主体对彼此情况深入了解,在提供知识或研发服务过程中以放弃长期或不确定性的创新目标为代价,优先满足焦点企业研发需求。其次,有限的资源决定了“小巨人”企业无法同时与多个外部伙伴维持高质量合作关系。科学合作深度提高将以“小巨人”企业牺牲与更多外部伙伴建立科学合作关系为代价,减少企业获取不同高校及研发机构科学知识的机会,这不利于“小巨人”企业通过科学合作拓展自身知识重组空间。第三,由于规模较小和合作经验不足,一旦构建高频或持续合作关系,“小巨人”企业可能与特定合作伙伴频繁合作,反而不利于“小巨人”企业选择技术跃迁路径。随着合作不断加深,“小巨人”企业路径依赖逐渐增强,如何最大化地利用现有知识和改进既有技术[27],进而降低知识资源投入,成为“小巨人”企业需要关注的问题。综上,本文提出以下假设:
H2：科学合作深度与“小巨人”企业探索式创新呈负相关关系。
1.2.2 企业知识多样性的调节作用
知识多样性能够刻画企业知识基础中不同领域知识的丰富程度[21],是企业知识吸收能力的重要体现。知识重组理论指出,组织知识元素类型及数量决定知识重组机会与潜力[25]。“小巨人”企业知识多样性水平在科学合作与探索式创新间发挥重要调节作用。
一方面,高水平知识多样性有助于“小巨人”企业从科学合作中识别出有价值的技术发展方向与突破路径。首先,在多样化知识基础形成过程中,企业能够积累跨专业知识整合经验,这有助于“小巨人”企业从多主体科学合作中理解不同的基础理论。其次,多样化知识体系可为“小巨人”企业融合与重组科学知识提供支撑。企业开展科学合作的目的在于将基础研究的科学知识与应用研究的技术知识进行组合,进而创造新颖性产品。基于异质性科学知识,“小巨人”企业可能在多样化知识体系中找到知识重组机会。第三,多样化知识基础能够反映企业研发人员的包容性认知框架[26],有利于“小巨人”企业将科学合作过程中产生的前沿理论与已有技术体系融合。
另一方面,当科学合作广度达到一定水平时,知识多样性会导致“小巨人”企业在探索性创新过程中面临更大的挑战。首先,得益于异质性合作伙伴,企业知识基础多元化水平提升会促进知识重组空间拓展。对“小巨人”企业而言,基于大量知识重组机会确定高价值技术研发方向的难度较大[27]。其次,多样化知识基础导致外部伙伴理解焦点企业技术特性和优势领域的难度加大,不利于焦点企业与外部伙伴开展基础研究并从中获取互补性知识[28]。第三,企业知识多样性水平提升会进一步分散有限的研发资源,从而强化科学合作广度对“小巨人”企业探索性创新活动的消极影响。综上,本研究提出如下假设:
H3：随着知识多样性水平提升,“小巨人”企业科学合作广度与探索性创新的倒U型关系曲线变得更为陡峭。
1.2.3 行业技术动荡性的调节作用
行业技术动荡性体现焦点企业所在技术领域的总体变动程度[29]。技术动荡性水平越高,企业越难以预测或感知外部技术环境变化。此时,在技术研发和新产品开发过程中,企业面临新颖性和时效性的双重压力。本文认为,“小巨人”企业所处行业技术动荡性对科学合作深度与探索式创新的关系发挥调节作用。
(1)技术动荡性水平提升能够加快科学知识与技术知识更新速度,有助于企业从合作伙伴处获取更多异质性知识。基于技术演化的S曲线,行业技术环境动荡性与基础研究的重大进展密切相关[30]。李平和李蕾蕾[31]通过实证检验发现,在经济发展水平较高地区,基础研究通过强化知识溢出、提升人力资本以及增加科技设备等途径促进技术进步。这意味着“小巨人”企业可以从科学合作伙伴处获得基础研究的前沿知识,进而实现探索性创新。
(2)与外部伙伴的深度合作关系有利于“小巨人”企业应对不确定性技术环境带来的压力。随着技术动荡性水平提升,产品生命周期迅速缩短,企业与合作伙伴构建深度信任关系及沟通惯例,有助于加快科学知识分享并提升技术开发效率。
(3)从微观基础角度看,随着技术环境动荡性水平提升,“小巨人”企业决策者对“核心刚性”陷阱的风险意识愈发强烈,有利于企业在与合作伙伴开展基础科学研究过程中摆脱路径依赖。综上,本文提出以下假设:
H4：随着技术动荡性程度提升,“小巨人”企业科学合作深度与探索性创新的负相关关系减弱。
基于上述分析,本文构建概念模型,如图1所示。
图1 概念模型
Fig. 1 Conceptual model
本文研究样本是工业和信息化部公布的前3批次专精特新“小巨人”企业,共4 762家。首先,专利申请是“小巨人”企业保护创新成果、稳定市场地位的主要方式。其次,“小巨人”企业大多长期深耕核心基础元器件和零部件、先进基础工艺、关键基础材料、产业技术基础等关键核心技术领域,是我国稳链强链补链的中坚力量。再次,“小巨人”企业在成长过程中对基础科学知识的依赖程度较高且与高校等科研机构的协同性较强,是较为理想的研究对象。
首先,为了刻画科学合作情况,本文从中国知网数据库检索4 762家专精特新“小巨人”企业发表的学术论文(检索时间为2023年3月),下载包括题名、作者、单位、发表时间等关键信息在内的35 170篇论文数据。本文利用数据透视表提取出焦点企业,再根据标题对论文数据进行去重,最终筛选出25 067篇合著论文数据(1997—2019年,占比为71.27%)。在此基础上,本研究以3年为时间窗口,构建1997—1999年等21个时间窗口,再对企业名称进行去重,得到1997—2019年发表合著论文的935家焦点企业。其次,本文借助智慧芽数据库的高级检索功能下载4 762家“小巨人”企业共528 382条专利申请数据,对数据进行清洗和筛选后,得到935家焦点企业对应专利数据。最后,本文通过天眼查等平台收集整理焦点企业年龄等组织特征数据,经过数据清洗和匹配,最终得到933家“小巨人”企业面板数据(N=3 779)。
2.2.1 因变量
探索式创新能够刻画企业对除现有知识基础外的新知识元素进行学习与应用的能力。借鉴Wang等[22]、Guan &Liu[8]的测度方法,本文以4位国际专利分类号(IPC)作为知识元素,对比焦点企业i第t年申请的专利中包含的知识元素与企业i在t-3至t-1年期间申请的专利中包含的知识元素,以企业第t年申请的专利中包含的新知识元素数量测度探索式创新。此外,考虑到学术论文发表时间晚于投稿时间,本文对因变量作滞后一期(一年)处理。
2.2.2 自变量
(1)科学合作广度。本文中的科学合作广度即企业合作伙伴数量,以焦点企业i在t-3至t-1年期间合作发表学术论文的伙伴数量表征[17],计算公式如下:
(1)
其中,kit是焦点企业i在t年的合作组织数量。
(2)科学合作深度。借鉴Gonzalez-Brambila等[32]的测量方法,本文结合焦点企业i在t-3至t-1年期间合作论文发表情况,采用科学合作次数与合作伙伴数量之比衡量,计算公式如下:
(2)
其中,jit为焦点企业i与外部科学合作伙伴在t年合作发表论文的次数。
2.2.3 调节变量
(1)知识多样性。企业知识基础中不同技术领域知识单元的分布情况是衡量知识多样性的重要指标。目前,知识多样性的测量方法主要有文献计量学方法、社会网络分析等。借鉴Quintana-García &Benavides-Velasco [33]的测度方法,本文采用1-Herfindahl指数对知识多样性进行测度。知识多样性(div)是指该项专利涉及的所有知识领域,可计算该专利所有分类号在不同领域中所占比重,具体公式如下:
(3)
其中,pi表示N个分类号中属于第i个大类IPC分类号的个数占IPC分类号总数的比值。当企业申请的专利属于同一个IPC分类号时,divt为0;当企业将研究活动扩展到广泛的技术领域时,divt接近1。
(2)行业技术动荡性。根据Dai等(2018)的研究成果,本文利用3年移动窗口(t-3至t-1)对行业申请专利数进行回归,得到回归系数标准差,将结果除以行业平均专利申请数量,以其标准化系数表征行业技术动荡性水平。
2.2.4 控制变量
本文控制以下与探索性创新相关的因素:第一,企业年龄。成立不久的企业倾向于扩大知识基础以提高长期绩效,因而将企业自成立到第t年的时间作为控制变量。第二,研发经验。由观察期年份与企业首次申请专利的年份相减得到,能够体现企业研发经验水平。第三,研发团队平均规模(简称研发团队规模)。采用企业t-3至t-1年发明专利与实用新型专利的发明人数量除以上述两类专利总量的值衡量。第四,发明人数量。拥有更多发明人员可能增强企业创新能力[13]。第五,科学知识积累。采用企业t-3至t-1年论文数量之和衡量,这一变量能够反映企业科学知识基础。第六,知识基础宽度。本文采用企业t-3至t-1年申请的专利所包含的技术领域数量测度企业涉及的知识范围对创新活动的影响。
本文所有变量均值与标准差,以及变量间相关系数如表3所示。其中,探索式创新的均值达到4.31,表明专精特新“小巨人”企业已经具备一定的探索式创新成果;科学合作广度和科学合作深度的均值分别达到5.39、1.94,说明大多数“小巨人”企业已与外部伙伴建立起较为稳定的科学合作关系。相关系数矩阵中,除发明人数量与知识基础宽度的相关系数,以及科学知识积累与科学合作广度的相关系数大于0.5外,其它自变量间的相关性水平较低。所有自变量的VIF值均小于2.3,表明多重共线性问题对回归分析结果的影响较小。
表3 描述性统计分析与相关分析结果
Table 3 Descriptive statistical analysis and correlation analysis
变 量 平 均 值 标 准 差 1 2 3 4 5 6 7 8 9 1 0 1 1 V I F 1 . 探 索 式 创 新 4 . 3 1 9 . 6 6 1 . 0 0 0 — 2 . 企 业 年 龄 1 4 . 8 9 6 . 5 5 - 0 . 0 0 8 1 . 0 0 0 1 . 2 2 3 . 研 发 经 验 1 0 . 1 0 4 . 5 9 0 . 0 3 7 0 . 4 0 0 * 1 . 0 0 0 1 . 4 0 4 . 研 发 团 队 规 模 4 . 4 7 2 . 7 3 0 . 0 0 3 0 . 0 6 7 * 0 . 1 4 3 * 1 . 0 0 0 1 . 1 4 5 . 发 明 人 数 量 2 . 0 0 2 . 2 3 0 . 1 0 7 * 0 . 1 1 6 * 0 . 2 6 8 * 0 . 2 9 9 * 1 . 0 0 0 1 . 8 2 6 . 科 学 知 识 积 累 1 . 0 1 1 . 6 9 0 . 0 0 5 0 . 0 5 3 * 0 . 1 2 5 * 0 . 2 0 3 * 0 . 3 8 0 * 1 . 0 0 0 1 . 9 9 7 . 知 识 基 础 宽 度 2 . 4 6 1 . 5 8 0 . 2 6 1 * 0 . 0 8 6 * 0 . 2 6 6 * 0 . 1 5 8 * 0 . 5 6 2 * 0 . 1 4 2 * 1 . 0 0 0 1 . 5 7 8 . 知 识 多 样 性 0 . 4 3 0 . 3 0 0 . 0 3 2 - 0 . 0 6 0 * 0 . 0 0 5 - 0 . 0 5 6 * 0 . 0 2 5 0 . 0 3 2 0 . 1 3 5 * 1 . 0 0 0 1 . 0 3 9 . 技 术 动 荡 性 0 . 0 7 0 . 0 4 0 . 0 7 8 * 0 . 2 5 0 * 0 . 3 7 9 * 0 . 1 7 9 * 0 . 2 1 3 * 0 . 0 1 2 0 . 2 5 9 * - 0 . 0 1 4 1 . 0 0 0 1 . 2 6 1 0 . 科 学 合 作 广 度 5 . 3 9 6 . 9 8 0 . 0 3 7 0 . 0 1 5 0 . 1 2 3 * 0 . 1 4 5 * 0 . 3 3 3 * 0 . 6 7 1 * 0 . 1 3 0 * 0 . 0 3 3 0 . 0 3 7 1 . 0 0 0 2 . 2 9 1 1 . 科 学 合 作 深 度 1 . 9 4 0 . 9 9 - 0 . 0 1 8 0 . 0 2 2 0 . 0 2 6 0 . 0 6 3 * 0 . 0 8 0 * 0 . 1 9 8 * 0 . 0 4 0 - 0 . 0 0 8 0 . 0 8 2 * 0 . 4 4 6 * 1 . 0 0 0 1 . 3 0
注:为了使得回归系数具有可比性,将研发团队规模和发明人数量除以10;* p <0.01
本文回归模型为计数型因变量,且因变量的标准差(S.D.=9.66)大于其平均值(Mean=4.31),因而考虑采用面板负二项回归。所有回归模型的豪斯曼检验结果均拒绝原假设,表明固定效应和随机效应在系数估计上具有显著差异。因此,本文基于固定效应面板负二项回归的结果进行假设检验(见表4),同时在稳健性检验中汇报随机效应模型的回归结果(见表5)。
表4 固定效应面板负二项回归结果
Table 4 Results of fixed-effect negative binomial panel models
变量 模型1 模型2 模型3 模型4 模型5 控制变量 企业年龄 0.00432 0.00381 0.00403 0.00379 0.00398 (0.00664) (0.00668) (0.00669) (0.00669) (0.00669) 研发经验 -0.0229 ** -0.0229 ** -0.0232 ** -0.0219 ** -0.0222 ** (0.00937) (0.00938) (0.00939) (0.00939) (0.00940) 研发团队规模 -0.0118 -0.0158 -0.0162 -0.0161 -0.0164 (0.0119) (0.0120) (0.0120) (0.0120) (0.0120) 发明人数量 -0.128 *** -0.122 *** -0.119 *** -0.122 *** -0.119 *** (0.0168) (0.0167) (0.0167) (0.0166) (0.0167) 科学知识积累 -0.00465 0.00275 0.00219 0.00447 0.00388 (0.0168) (0.0236) (0.0242) (0.0235) (0.0241) 知识基础宽度 0.683 *** 0.685 *** 0.684 *** 0.687 *** 0.685 *** (0.0225) (0.0225) (0.0224) (0.0225) (0.0225) 调节变量 知识多样性 -0.733 *** -0.733 *** -1.063 *** -0.738 *** -1.038 *** (0.113) (0.113) (0.185) (0.114) (0.184) 技术动荡性 -1.482 ** -1.557 ** -1.640 ** -4.206 *** -3.977 *** (0.690) (0.691) (0.693) (1.440) (1.433) 解释变量 科学合作广度 0.0248 ** -0.0227 0.0231 * -0.0206 (0.0120) (0.0230) (0.0120) (0.0229) 科学合作广度2 -0.0003 *** 0.000847 * -0.000248 *** 0.000782 (9.71e-05) (0.000513) (9.63e-05) (0.000512) 科学合作深度 -0.112 *** -0.0937 ** -0.196 *** -0.169 *** (0.0404) (0.0406) (0.0575) (0.0580) 科学合作广度× 0.0844 ** 0.0774 ** 知识多样性 (0.0359) (0.0359) 科学合作广度2× -0.0018 ** -0.0016 ** 知识多样性 (0.000790) (0.000788) 科学合作深度× 1.325 ** 1.171 * 技术动荡性 (0.630) (0.627) 常数项 -2.049 *** -1.935 *** -1.783 *** -1.775 *** -1.654 *** (0.113) (0.125) (0.141) (0.147) (0.157) Waldχ2 1060.12 1067.30 1071.63 1070.06 1073.92 Hausmantest 157.46 164.82 166.32 166.50 167.65 Loglikelihood -4750.79 -4743.33 -4740.35 -4741.15 -4738.62 观测数 3442 3442 3442 3442 3442 企业数 652 652 652 652 652
注:括号中为标准误;*** p<0.01, ** p<0.05, * p<0.1,下同
表5 稳健性检验结果
Table 5 Results of robustness checks
变量 负二项随机效应 模型6 模型7 泊松模型随机效应 模型8 模型9 替换因变量a 模型10 模型11 替换因变量b 模型12 模型13 控制变量 企业年龄 0.00169 0.00196 -0.00710 -0.00633 0.00367 0.00391 -0.154 -0.147 (0.00392) (0.00393) (0.00641) (0.00643) (0.00791) (0.00793) (0.256) (0.255) 研发经验 -0.0169 *** -0.0167 *** -0.0228 *** -0.0247 *** -0.0308 *** -0.0300 *** 0.120 0.113 (0.00603) (0.00604) (0.00728) (0.00731) (0.0107) (0.0107) (0.256) (0.255) 研发团队规模 -0.00358 -0.00330 -0.0316 *** -0.0330 *** -0.0121 -0.0125 -0.0283 *** -0.0284 *** (0.00946) (0.00946) (0.00520) (0.00522) (0.0121) (0.0121) (0.00870) (0.00869) 发明人数量 -0.112 *** -0.110 *** -0.0503 *** -0.0400 *** -0.114 *** -0.111 *** -0.0583 *** -0.0577 *** (0.0132) (0.0132) (0.00729) (0.00733) (0.0168) (0.0169) (0.0138) (0.0138) 科学知识积累 -0.0137 -0.0128 -0.117 *** -0.130 *** -0.000255 0.00144 -0.0286 -0.0269 (0.0213) (0.0216) (0.0123) (0.0126) (0.0238) (0.0242) (0.0207) (0.0207) 知识基础广度 0.556 *** 0.556 *** 0.616 *** 0.623 *** 0.689 *** 0.689 *** 0.591 *** 0.590 *** (0.0189) (0.0189) (0.00963) (0.00972) (0.0228) (0.0228) (0.0163) (0.0163) 调节变量 知识多样性 -0.664 *** -0.927 *** -0.665 *** -1.624 *** -0.726 *** -0.993 *** -0.117 ** -0.382 *** (0.0975) (0.159) (0.0456) (0.0744) (0.114) (0.183) (0.0590) (0.105) 技术动荡性 -0.519 -2.342 ** 0.943 *** -1.240 ** -1.683 ** -4.356 *** 0.180 -0.455 (0.556) (1.194) (0.313) (0.568) (0.709) (1.430) (0.574) (1.003) 解释变量 科学合作广度 0.0141 -0.0253 0.0729 *** -0.0579 *** 0.0257 ** -0.0158 0.0297 *** -0.00555 (0.00940) (0.0197) (0.00554) (0.00917) (0.0122) (0.0231) (0.0100) (0.0153) 科学合作广度2 -0.000121 * 0.000768 * -0.000544 *** 0.00195 ***-0.000291 *** 0.000660 -0.000217 *** 0.000553 (7.08e-05) (0.000460) (4.09e-05) (0.000154)(0.000102) (0.000514) (6.48e-05)(0.000345) 科学合作深度 -0.0631 * -0.114 ** -0.239 *** -0.275 *** -0.123 *** -0.190 *** -0.111 *** -0.121 *** (0.0327) (0.0521) (0.0170) (0.0254) (0.0405) (0.0580) (0.0299) (0.0382) 科学合作广度× 0.0673 ** 0.245 *** 0.0682 * 0.0656 *** 知识多样性 (0.0311) (0.0144) (0.0355) (0.0211) 科学合作广度2× -0.00140 ** -0.00398 *** -0.00146 * -0.00122 ** 知识多样性 (0.000710) (0.000246) (0.000782) (0.000514) 科学合作深度× 0.897 * 0.952 *** 1.294 ** 0.301 技术动荡性 (0.536) (0.242) (0.617) (0.413) 常数项 -1.757 *** -1.514 *** 0.854 *** 1.414 *** -1.366 *** -1.084 *** 0.963 1.086 (0.0986) (0.132) (0.0690) (0.0791) (0.131) (0.161) (1.227) (1.227) 估计模型 随机效应 随机效应 随机效应 随机效应 固定效应 固定效应 固定效应 固定效应 Waldχ2 989.32 992.56 5092.34 5287.05 1039.48 1045.80 138.59 c 109.89 c Loglikelihood -8085.21 -8080.98 -14737.36 -14553.42 -3874.06 -3869.37 0.3493 d 0.3516 d 观测数 3784 3784 3784 3784 3442 3442 3784 3784 企业数 933 933 933 933 652 652 933 933
注:a以非重复计数的方式测度新知识元素的数量;b以log(新知识元素数量+1)作为因变量;c代表回归方程的F检验;d代表回归方程的R2
表4模型1表明,研发经验、发明人数量与“小巨人”企业探索式创新呈负相关关系,而知识基础宽度对探索式创新具有积极影响。模型2表明,科学合作广度的回归系数显著为正(β=0.024 8,p<0.05),而科学合作广度平方项的系数显著为负(β=-0.000 3,p<0.01)。由此,初步支持假设H1。借鉴Li等[34]的研究方法,本文对科学合作广度与探索式创新的倒U型关系作进一步检验。首先,对拐点位置进行估计得到47.55,95%水平的置信区间为[24.02,69.89]。结合样本企业科学合作广度取值范围([2,152])发现,拐点位置的点估计和区间估计均处于有效取值范围内。其次,对科学合作广度一次项和平方项的系数进行联合检验,结果拒绝系数为零的原假设(χ2=7.46,p<0.05)。再次,对科学合作广度取最小值和最大值时的斜率进行估计,结果发现,科学合作广度取最小值时的斜率显著为正(δmin=0.023,p<0.05),科学合作广度取最大值时的斜率显著为负(δmax=-0.054,p<0.01),符合倒U型关系曲线斜率特征。第四,运行Stata软件的utest命令,t值为2.03(p<0.05),拒绝单调或U型曲线的假设。在模型2的基础上,加入科学合作广度三次项后的回归结果表明,科学合作广度三次项的系数为正但不显著(p=0.494),表明科学合作广度与探索式创新的非线性关系曲线并非是S曲线。综上,假设H1得到支持。同时,科学合作深度的回归系数显著为负(β=-0.112,p<0.01),假设H2得到支持。
为了检验假设H3和假设H4,在模型3、模型4中加入交互项,并在模型5中将所有交互项纳入回归方程。结果显示,各交互项的估计结果基本一致。具体地,模型3中知识多样性与科学合作广度二次项的交互项系数显著为负(β= -0.001 8,p<0.05)。由此表明,随着知识多样性水平提升,科学合作广度与探索式创新的倒U型关系曲线变得更为陡峭。不同知识多样性水平下,科学合作广度与探索式创新的倒U型关系曲线斜率变化情况如图2所示。由此,假设H3得到支持。
图2 知识多样性的调节效应
Fig. 2 Moderating role of knowledge diversity
模型4中,技术动荡性与科学合作深度的交互项估计系数显著为正(β=1.325,p<0.05),表明随着行业技术动荡性水平提升,科学合作深度对“小巨人”企业探索式创新的消极作用减弱。不同技术动荡性水平下,科学合作深度与探索式创新关系变化情况如图3所示。由此,假设H4得到支持。
图3 技术动荡性的调节效应
Fig.3 Moderating role of technological turbulence
本文采用以下方法对实证分析结果进行稳健性检验,结果如表5所示。一是采用不同回归估计模型对假设进行检验,包括采用面板负二项回归的随机效应(模型6、模型7)和面板泊松回归的随机效应(模型8、模型9);二是替换因变量,包括以非重复计数方式测算企业知识元素数量(模型10、模型11),以及对探索式创新进行对数化处理(模型12、模型13);三是将具有较强相关性的变量移出回归模型,如研发团队平均规模与发明人数量,以及知识基础广度与知识多样性(限于篇幅,结果备索)。除模型13中技术动荡性的调节效应不显著外,其它估计结果与前文结果基本一致。因此,本文回归结果具有稳健性。
本文以933家“小巨人”企业为研究对象,结合组织间学习与知识重组理论,基于1997—2019年论文发表数据和1998—2020年专利申请数据,揭示了科学合作对“小巨人”企业探索式创新的作用机理,以及企业知识基础多样性和外部技术动荡性的调节作用,得出以下主要结论:
(1)科学合作广度与“小巨人”企业探索式创新呈倒U型关系。
(2)科学合作深度与“小巨人”企业探索式创新呈负相关关系。
(3)随着知识多样性水平提升,科学合作广度与探索性创新的倒U型关系曲线变得更为陡峭。
(4)随着技术动荡性水平提升,科学合作深度与探索性创新的负相关关系减弱。
(1)拓展了组织间学习与跨界知识搜索理论分析框架。已有文献主要关注技术合作与商业合作对企业创新绩效的影响,未对基础研究过程中企业与外部伙伴的合作行为进行深入探讨。本文基于科学合作广度与深度视角,揭示了基础研究过程中不同类型科学合作行为与探索式创新的关系,为中小企业通过科学合作促进基础研究与应用研究融合,进而实现科学成果转化提供了理论参考。
(2)揭示了企业知识基础特征、行业技术环境特征对科学合作与探索式创新关系的调节效应。已有相关文献对边界条件的考量不全面,不同情境特征在企业探索式创新过程中发挥复杂的调节作用。本文认为,企业应对自身知识基础和行业技术特征进行动态调整,从而促进探索式创新。结论不仅有助于“小巨人”企业协调合作伙伴关系,而且能够为其适应行业发展、解决自身难题提供新路径。
(3)本文聚焦专精特新“小巨人”企业,探讨“小巨人”企业科学合作不同维度对探索式创新的影响,弥补了已有研究的不足,是对现有相关文献的有益补充。
(1)“小巨人”企业在积极寻求外部伙伴开展科学合作时,需要警惕“过犹不及”。广泛开展科学合作能够为“小巨人”企业探索式创新带来异质性和互补性知识。同时,考虑到科学合作深度对探索式创新的消极影响,“小巨人”企业应将有限资源投入到合作伙伴关系维护和技术领域范围拓展方面,从而识别、吸收和整合异质性知识。然而,合作伙伴过多可能导致沟通成本和协调成本激增,“小巨人”企业应避免“为了合作而合作”,而要选择合适的合作伙伴。
(2)“小巨人”企业需要根据自身知识基础以及行业技术发展情况及时调整科学合作策略。多样性知识越丰富,“小巨人”企业越能从合作伙伴处获取前沿知识,从而促进探索式创新。此外,“小巨人”企业不能盲目扩大知识搜寻范围,需要避免因合作伙伴过多导致合作难度增加、资源分散等问题。同时,在行业技术动荡性加剧情景下,“小巨人”企业可以通过加强与合作伙伴的合作抵御外界不确定性风险。
本文存在以下不足:第一,通过学术论文发表情况筛选研究对象,导致研究样本未能覆盖工业和信息化部发布的前3批“小巨人”企业。未来可以通过问卷调查和其它二手数据全面刻画“小巨人”企业科学合作行为,进一步扩大实证研究样本规模。第二,本文研究对象是专精特新“小巨人”企业群,而非某一特定行业企业。未来可以进行行业分类,进一步揭示不同行业“小巨人”企业探索式创新行为差异,提升结论的实践价值。同时,考虑到“小巨人”企业与其它类型民营企业及大中型国有企业的差异,后续可以通过扩展研究样本进一步检验结论的外部效度。第三,本文探讨了企业知识基础特征和行业环境特征的调节作用,后续可以将组织特征其它维度(如合作伙伴类型、研发投入)纳入分析框架,进一步丰富科学合作与探索式创新关系研究。
[1] BEAUDRY C, SCHIFFAUEROVA A. Impacts of collaboration and network indicators on patent quality: the case of Canadian nanotechnology innovation[J].European Management Journal, 2011, 29(5): 362-376.
[2] CHEN J, CHEN Y, VANHAVERBEKE W. The influence of scope, depth, and orientation of external technology sources on the innovative performance of Chinese firms[J].Technovation, 2011, 31(8): 362-373.
[3] BURT R S. Structural holes: the social structure of competition[M].Cambridge, Mass: Harvard University Press, 1995.
[4] WANG L, WANG Y, LOU Y, et al. Impact of different patent cooperation network models on innovation performance of technology-based SMEs[J].Technology Analysis &Strategic Management, 2020, 32(6): 724-738.
[5] GIMENEZ-FERNANDEZ E M,SANDULLI F D, BOGERS M.Unpacking liabilities of newness and smallness in innovative start-ups: investigating the differences in innovation performance between new and older small firms[J].Research Policy, 2020, 49(10): 104049.
[6] 刘斐然, 胡立君, 范小群. 产学研合作对企业创新质量的影响研究[J].经济管理, 2020, 42(10): 120-136.
[7] 高霞, 曹洁琼, 包玲玲. 产学研合作开放度的异质性对企业创新绩效的影响[J].科研管理, 2021, 42(9): 112-119.
[8] GUAN J, LIU N. Exploitative and exploratory innovations in knowledge network and collaboration network: a patent analysis in the technological field of nano-energy[J].Research Policy, 2016, 45(1): 97-112.
[9] 柳卸林, 何郁冰. 基础研究是中国产业核心技术创新的源泉[J].中国软科学, 2011, 26(4): 104-117.
[10] 朱桂龙, 彭有福. 产学研合作创新网络组织模式及其运作机制研究[J].软科学, 2003, 17(4): 49-52.
[11] AMBOS T C, MAKELAK, BIRKINSHAW J, et al. When does university research get commercialized? creating ambidexterity in research institutions[J].Journal of Management Studies, 2008, 45(8): 1424-1447.
[12] KATZ J S, MARTIN B R. What is research collaboration [J].Research Policy, 1997, 26(1): 1-18.
[13] BABA Y, SHICHIJO N, SEDITA S R. How do collaborations with universities affect firms' innovative performance? the role of "pasteur scientists" in the advanced materials field[J].Research Policy, 2009, 38(5): 756-764.
[14] COLEN L, BELDERBOS R, KELCHTERMANS S, et al. Reaching for the stars: when does basic research collaboration between firms and academic star scientists benefit firm invention performance[J].Journal of Product Innovation Management, 2022, 39(2): 222-264.
[15] LIANG X, LIU A M M. The evolution of government sponsored collaboration network and its impact on innovation: a bibliometric analysis in the Chinese solar PV sector[J].Research Policy, 2018, 47(7): 1295-1308.
[16] LAURSEN K, SALTER A. Open for innovation: the role of openness in explaining innovation performance among UK manufacturing firms[J].Strategic Management Journal, 2006, 27(2): 131-150.
[17] KOBARG S, STUMPF-WOLLERSHEIM J, WELPE I M. More is not always better: effects of collaboration breadth and depth on radical and incremental innovation performance at the project level[J].Research Policy, 2019, 48(1): 1-10.
[18] AUDRETSCH D B, BELITSKI M, CAIAZZA R, et al. Collaboration strategies and SME innovation performance[J].Journal of Business Research, 2023,164(1): 114018.
[19] BRENK S. Open business model innovation—the impact of breadth, depth, and freedom of collaboration[C]//Academy of Management Proceedings. Briarcliff Manor, NY 10510: Academy of Management, 2020.
[20] ZHANG Y, YUAN C, ZHANG S. Influences of university-industry alliance portfolio depth and breadth on growth of new technology-based firms: evidence from China[J].Industrial Marketing Management, 2022,102(13): 190-204.
[21] NELSON R R. The simple economics of basic scientific research[J].Journal of Political Economy, 1959, 67(3): 297-306.
[22] 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.
[23] 应瑛, 刘洋, 魏江. 开放式创新网络中的价值独占机制: 打开“开放性”和“与狼共舞”悖论[J].管理世界, 2018, 34(2): 144-160,188.
[24] D'AMBROSIO A, GABRIELE R, SCHIAVONE F, et al. The role of openness in explaining innovation performance in a regional context[J].The Journal of Technology Transfer, 2017, 42(2): 389-408.
[25] GOERZEN A. Alliance networks and firm performance: the impact of repeated partnerships[J].Strategic Management Journal, 2007, 28(5): 487-509.
[26] 赵蓓, 陈三可. 内部知识多样性与组织突破式创新——外部知识获取与知识整合机制的调节作用[J].厦门大学学报(哲学社会科学版), 2017,92(1): 58-68.
[27] 王泓略, 曾德明, 陈培帧. 企业知识重组对技术创新绩效的影响: 知识基础关系特征的调节作用[J].南开管理评论, 2020, 23(1): 53-61.
[28] SAMMARRA A, BIGGIERO L. Heterogeneity and specificity of inter-firm knowledge flows in innovation networks[J].Journal of Management Studies, 2008, 45(4): 800-829.
[29] JAWORSKI B J, KOHLI A K. Market orientation: antecedents and consequences[J].Journal of Marketing, 1993, 57(3): 53-70.
[30] ADNER R, KAPOOR R. Innovation ecosystems and the pace of substitution: re-examining technology s-curves[J]. Strategic Management Journal,2016, 37(4): 625-648.
[31] 李平, 李蕾蕾. 基于中国地区差异及门槛回归的基础研究与技术进步实证分析[J].管理学报, 2013, 10(12): 1810-1817.
[32] GONZALEZ-BRAMBILA C N, VELOSO F M, KRACKHARDT D. The impact of network embeddedness on research output[J].Research Policy, 2013, 42(9): 1555-1567.
[33] QUINTANA-GARCIA C, BENAVIDES-VELASCO C A. Innovative competence, exploration and exploitation: the influence of technological diversification[J].Research Policy, 2008, 37(3): 492-507.
[34] LI J, LI Y, YU Y, YUAN L. Search broadly or search narrowly? role of knowledge search strategy in innovation performance[J].Journal of Knowledge Management, 2019, 23(5): 809-835.