The Influence of Technological Blockade on Enterprises′ Breakthrough Innovation from the Perspective of External Knowledge Acquisition

Jiang Xiujuan,Wang Xiaowei

(School of Economics and Management,Shandong University of Science and Technology,Qingdao 266000, China)

Abstract：Global competition in science and technology has intensified, and the entity list policy formulated by the US Bureau of Industry and Security based on the Export Control Regulations has emerged as a means of sanctions against China, aiming to curb the rapid advancement of Chinese enterprises in key technology fields. Under the technological blockade, enterprises find it challenging to meet the demand for technological innovation and rely more on external knowledge acquisition. Although some scholars have focused on the impact of the technological blockade on enterprise innovation, there is a scarcity of literature specifically dedicated to the influence of breakthrough innovation on Chinese enterprises. The fields of open innovation and cooperative innovation have gained prominence, but research on the acquisition of external knowledge under the US technological blockade against China and its impact on breakthrough innovation is limited.

Enterprises suffered from the technological blockade are concentrated in high-tech industries. In light of this, this study selects A-share high-tech listed companies in the top five industries with the highest number of export-controlled firms from 2014 to 2023 as research samples. These industries specifically include the manufacturing of computers, communications, and other electronic equipment; technology promotion and application services; wholesale trade; software and information technology services; and research and experimental development. After data screening, a total of 390 samples with 3 900 firm-year observations are obtained. From the perspective of external knowledge acquisition, the study adopts the differential fixed-effect regression model for empirical analysis, with the aim of revealing how the US technological blockade on China impedes the development of Chinese enterprises' breakthrough innovation and exploring the effect of the technological blockade on enterprises' breakthrough innovation and its boundary conditions.

The results indicate that in the short term, the American technological blockade inhibits Chinese enterprises' breakthrough innovation by blocking their access to external knowledge. The inhibitory effect is more pronounced in non-state-owned enterprises, enterprises in industries with a low level of competition, and enterprises with a low level of international experience. However, as time progresses, this inhibitory effect is gradually weakening. Faced with the pressure of the technological blockade, Chinese enterprises accelerate the pace of independent research and development and innovation, adjust or find new models to overcome the challenges brought by the technological blockade, in order to reduce their dependence on external technology and thereby promote breakthrough innovation. The moderating effect test reveals that organizational redundancy has a positive moderating effect on the relationship between the technological blockade and the introduction of foreign technology, and TMT social capital has a positive moderating effect on the relationship between the technological blockade and industry-university-research cooperation and industry-industry cooperation. Thus, the negative impact of the technological blockade could be mitigated by strengthening technological capabilities and expanding research cooperation.

This paper integrates industrial organization theory and resource-based theory, comprehensively considers external environmental factors and internal resource endowments, and deeply analyzes the synergistic effect of the technological blockade (external environment), organizational redundancy (strategic resources), and TMT social capital (strategic capability) on corporate knowledge acquisition (strategic behavior), and subsequently, the impact on corporate breakthrough innovation (strategic performance). It also answers the question of "inhibiting effect or forcing effect". Additionally, from the perspective of external knowledge acquisition and in accordance with the internal recessive characteristics of knowledge, the ways of knowledge acquisition are subdivided into explicit knowledge acquisition (foreign technology introduction and domestic technology purchase) and tacit knowledge acquisition (industry-university-research institute cooperation and industry-industry cooperation) , and reveals the transmission mechanism of two kinds of knowledge acquisition approaches in the relationship between technology blockade and enterprise breakthrough innovation. Furthermore, the paper discusses the moderating effect of organizational redundancy and the social capital of the executive team on the relationship between the technological blockade and knowledge acquisition, offering a solid theoretical and empirical basis for enterprises to develop practical strategies when confronted with the technological blockade.

Key Words：External Knowledge Acquisition; Technology Blockade; Breakthrough Innovation; Difference in Differences Model

DOI：10.6049/kjjbydc.D22024120748

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1;F272

文献标识码：A

文章编号：1001-7348(2025)14-0080-13

收稿日期：2024-12-24

修回日期：2025-03-25

基金项目：教育部人文社会科学研究规划基金项目(23YJA790005)

作者简介：姜秀娟(1979—),女,山东莱阳人,博士,山东科技大学经济管理学院副教授、硕士生导师,研究方向为技术经济管理;王晓薇(2001—),女,山东东营人,山东科技大学经济管理学院硕士研究生,研究方向为技术经济管理。

0 引言

自2018年起,美国商务部工业和安全局(BIS)通过出口管制条例(EAR)框架下的实体清单政策持续收紧对中国企业的技术准入。对我国企业而言,一方面,技术封锁影响关键技术和零部件供应链、限制技术转移和知识共享,直接影响企业关键技术和知识获取;另一方面,面对内外部环境不稳定,激烈竞争往往会倒逼企业通过多种途径获取相关知识,在内外部知识整合的基础上实现突破式创新[1]。知识获取通常包括内部知识创造(自主研发)和外部知识获取(购买和合作)两个重要过程[2]。鉴于技术封锁背景下知识、技术和创新资源的有限性,企业自身资源难以满足技术创新需求,因此外部知识获取对于企业实现突破式创新十分关键。本文根据知识的内隐性特征[3],将外部知识获取细分为显性知识获取(指对已有技术的获取,主要包括国外技术引进、国内技术购买两种途径)和隐性知识获取(指对作为创新基础的关键知识的获取,主要包括产学研合作、产产合作两种途径),探讨技术封锁如何通过影响企业外部知识获取进而影响突破式创新,是产生抑制作用还是倒逼作用?

已有学者关注技术封锁对企业创新的影响,程仲鸣等[4]以出口管制为例,分析技术封锁对中国企业技术创新策略影响的内在机理;张亚莉等(2023)研究中美贸易摩擦背景下技术封锁对科研人员颠覆性技术创新投入行为的影响。渐进式创新是在已有知识基础上作出改进和扩展,具有持续进步的特点[5]。突破式创新是一种摆脱既有范式与常规路径,能产生深远辐射效应[6],可塑造企业核心竞争力,并带来持续收益的具有战略价值的创新模式。美国对华技术封锁的根本目的就是遏制中国企业在关键技术领域的突破式创新。为应对技术封锁,更好地获取外部知识,组织自身拥有的关键资源尤为重要。众多学者从不同角度探讨资源约束[7]等因素对企业突破式创新的影响。组织冗余作为企业内部战略资源,为企业应对外部不确定性和知识探索提供缓冲空间,通过有效整合外部资源,支持企业持续研发和创新[8];高管团队作为企业重要战略决策群体,其拥有的社会资本对于企业应对技术封锁、有效整合外部资源尤为关键。

综上,本文基于产业组织理论和资源基础理论,综合考量组织外部环境因素与内部资源禀赋,构建“技术封锁—外部知识获取—企业突破式创新”研究框架,深入剖析面对技术封锁,企业如何运用自身关键资源(包括组织冗余以及高管团队社会资本等战略资源和能力),有效整合外部资源,实施外部知识获取的战略行动,进而推动企业突破式创新战略目标的实现。本文基于2014—2023年中国A股高新技术上市公司面板数据,探究技术封锁对企业突破式创新的影响以及知识获取的传导效应,揭示组织冗余、高管团队社会资本的调节效应,以期为企业应对技术封锁、实现突破式创新提供参考。

本文贡献主要体现在以下几个方面:第一,实证分析技术封锁对企业突破式创新的影响,回答“抑制效应还是倒逼效应”的问题。第二,从外部知识获取视角,根据知识内隐性特征,将企业知识获取途径细分为获取显性知识的国外技术引进、国内技术购买和获取隐性知识的产学研合作、产产合作,揭示两类知识获取途径在技术封锁与企业突破式创新间的传导机制。第三,融合产业组织理论和资源基础理论,深入剖析技术封锁(外部环境)、组织冗余(战略资源)以及高管团队社会资本(战略能力)对企业知识获取(战略行为)的协同作用,进而对企业突破式创新(战略绩效)的影响,有助于丰富创新管理战略理论。

1 理论分析与研究假设

1.1 理论基础

产业组织理论(Industrial Organization)最初由哈佛学派提出,并引入SCP(Structure-Conduct-Performance)研究范式,即结构、行为和绩效分析框架。众多学者推动产业组织理论持续完善,认为组织需要根据外部环境变化灵活调整自身战略行动,进而取得较高的战略绩效[9]。资源基础观(Resource-Based View)源于Penrose的研究,之后Ketchen等[10]提出“战略资源—战略行动—战略绩效”框架,表明企业战略资源或能力对其绩效具有决定性影响。产业组织理论和资源基础理论在战略管理领域长期占据主导地位,但两者侧重点不同:前者关注外部环境与市场结构,后者强调企业内部资源(能力)。鉴于组织战略与环境互动复杂,单一理论难以奏效,Nayak等[11]构建融合两者视角的新框架,凸显其互补性,认为企业应关注环境变化,整合内外部资源制定战略方案,进而提高战略绩效。因此,本文按照“外部环境—战略资源—战略行动—战略绩效”逻辑构建研究框架。

1.2 技术封锁与突破式创新

美国技术封锁的主要意图在于通过阻断中国企业在关键领域的显性知识获取途径和隐性知识获取途径,进而遏制中国企业突破式创新。

(1)显性知识获取方面。美国通过实体清单制裁限制中国高新技术企业从美国进口高端设备、关键核心技术和零部件,并进一步利用域外“长臂管辖”对与列入实体清单企业存在业务往来、高新技术贸易活动以及创新合作关系的全球供应商和客户实施制裁(万源星等,2023),直接切断中国企业引进国外关键零部件和技术的路径,使中国企业通过外部获取技术知识的路径大大受阻。虽然中国企业可以加大技术搜寻范围和力度,购买相关但不受封锁和限制的技术,但是,一方面,技术封锁下先进技术无法顺利进入国内市场,国内技术市场供给减少,导致企业面临的选择有限、价格上升,难以购买到先进技术产品和服务,从而限制企业技术提升;另一方面,由于技术购买需要大量稳定的现金流支持,面对技术封锁的高度信息不对称性和不确定性,管理者因厌恶风险而降低购买意愿,由此企业技术购买行为被大大抑制。

(2)隐性知识获取方面。美国实体清单不仅包括企业,还包括个人、高校、科研院所等,使得中国科研机构及人员赴美交流受限,交流渠道受阻,严重阻碍中国高校和科研院所的对外科研合作。数据显示,2021年中美作者合作发表论文数量有所下降,尤其是2019—2021年,同时隶属于中美两国学术机构的作者人数减少了20%[12]。美国不断对中国高校以及科研院所采取压制性措施,使其无法接触国际最先进的科研成果和技术知识,限制中国企业产学研合作范围和科学基础研究潜力。由此,中国企业通过产学研合作获取先进知识和技术的路径受到一定程度阻断。除此之外,企业间的技术交流与合作模式同样遭受限制。一方面,对于与西方发达国家跨国公司存在研发合作关系的中国企业来说,由于实体清单政策限制及合作伙伴面临的政府压力和风险担忧,可能不得不转变现有合作关系,甚至停止合作;另一方面,由于实体清单企业难以触及最新技术信息与研究成果,致使合作伙伴收益减少,合作积极性降低。为更好地应对技术封锁,尽快解决“卡脖子”难题,中国企业倾向于抱团取暖,但短期内难以找到合适的合作伙伴。此外,技术封锁不仅影响单个企业研发与生产,更是在产业链层面引发连锁反应[13],产生原材料供应中断、生产成本上升等问题,导致上下游企业合作受阻,对整个产业技术进步与创新能力提升构成严重威胁,从而抑制中国企业突破式创新。

综上所述,短期内,中国企业无法购买关键领域核心技术,接触国际先进知识的途径受阻,合作范围受限。外部知识获取渠道的阻断使得中国企业短期内只能依赖原有知识存量,容易陷入“知识茧房”陷阱,形成对现有知识重复利用的创新路径依赖惰性[14]。同时,技术创新信息链缩短,使企业难以准确理解并跟踪相关技术轨迹及发展趋势[15],导致技术与知识交流受阻、思维碰撞和融合受限,从而抑制企业突破原有技术轨迹和创新路径。因此,短期来看,美国对华技术封锁会抑制中国企业实现突破式创新。然而,长期来看,技术封锁对中国企业具有倒逼效应,促使其提高自主研发能力,拓宽知识获取途径,实现技术突破。为争夺关键领域市场,中国企业竞相增加研发投入,深化本土技术与知识的探索与合作。其一,中国与西方先进企业探索新型合作模式,规避法律风险,通过与其它海外地区开展多元化合作,寻求多元化技术、知识和零部件供应商。其二,技术封锁还促进隐性知识获取—合作模式创新,如跨领域或跨国合作[13],包括组建技术创新联盟,联合企业、高校及科研机构攻克技术难题,形成自主知识产权;同时,中国企业积极开展国际科技合作,拓宽技术来源,提升全球竞争力。长期技术封锁使中国企业更加审慎地选择技术路线,通过不断试错与迭代推进技术进步,弥补缺失的技术获取机会,并逐渐调整策略寻找补充技术[16]。据此,本文提出如下假设:

H1:短期内,技术封锁会抑制中国企业突破式创新,但长期来看这种抑制作用会不断减弱,并产生倒逼效应。

1.3 组织冗余的调节效应

冗余资源作为战略管理领域的关键概念,在技术封锁背景下对企业的重要性愈发突出。冗余资源是指企业内部超出当前实际需求、可随时调用的过量闲置资源[17],包括但不限于财务资金、人力、技术储备以及未充分利用的生产能力等,为企业应对不确定性、把握机遇、实现战略转型提供基础保障。

(1)对于国外技术引进的影响。由于冗余资源具备“粘性”[18],拥有较多冗余资源的企业具备较强的资源协调能力和稳定的技术基础,在面对技术封锁时能够更精准地识别和选择符合自身战略需求的技术引进对象,确保技术引进的针对性和有效性,便于后期技术消化与吸收,降低技术引进带来的潜在风险。此外,冗余资源使企业在技术引进过程中能够合理地对内外部资源进行有效整合,即使面对技术封锁,拥有强大技术资源和长期经验积累的企业仍能吸引潜在对象。这种吸引力不仅源于企业强大的技术实力和资源储备,更在于企业能够将资源转化为实际创新能力和技术优势,从而吸引更多优质技术合作伙伴,加速显性知识获取和转化,为企业带来新的增长点和竞争优势。

(2)对于国内技术购买的影响。冗余资源因其灵活性和流动性成为企业应对外部环境动荡的缓冲物[19],可强化企业风险抵御能力。面对技术封锁,一方面,冗余资源的灵活性使得企业能够快速调整自身战略,利用冗余资源进行整合和创新,通过灵活调配资源,能够更有针对性地寻找和购买先进技术。另一方面,作为缓冲资源,冗余资源可弱化管理者的失败恐惧心理,激发企业创新意愿,使企业更加敢于尝试新技术和新模式,不断拓展自身技术边界和知识体系,进而创造技术购买机会并增强吸引力[20]。此外,企业可利用冗余资源分散技术封锁可能带来的各种风险,通过多元化投资方式减少对单一技术的依赖,识别和捕捉新的技术机会,积极寻求和购买具有潜力的新技术,同时增强显性知识获取和整合,从而不断为企业注入新的增长动力。据此,本文提出如下假设:

H2:组织冗余会弱化技术封锁对国外技术引进的负向影响。

H3:组织冗余会弱化技术封锁对国内技术购买的负向影响。

1.4 高管团队社会资本的调节作用

社会资本理论是阐释企业创新活动的重要理论。社会资本是指嵌入在个人、团队或组织间复杂关系网络中的现实及潜在可挖掘资源的总和[21]。作为企业创新活动的决策者和积极推动者,高管团队社会资本深刻体现了成员从广泛的内外部社会关系网络中汲取并有效利用资源与机会的能力[22],高管团队通过广泛的社会联系网络,为企业搭建与外部知识沟通“桥梁”[23],促进知识流动和共享。

(1)对于产学研合作的影响。高管凭借丰富的资源、广泛的人脉网络以及深厚的社会背景,能有效获取外部先进技术资源和前沿专业知识,弥补企业内部存在的技术短板,极大地促进企业与高等院校、科研院所之间的信息交流、资源共享以及合作项目的顺利开展。社会背景丰富的高管通常具备卓越的专业能力、缜密的逻辑思维方式,能够敏锐地识别新技术发展趋势和潜在市场机遇[24],准确把握产学研合作方向和重点。隐性知识通常难以通过文字或语言明确表达,而高管的社会背景和人际网络使其能够更深入地参与产学研合作,通过个人交流和互动获取与传递这些宝贵的隐性知识,为合作项目提供富有洞察力的建议和指导意见,共同推动前沿技术探索与创新领域拓展。

(2)对于产产合作的影响。基于社会资本理论,高管团队社会资本可以缓解企业之间的信息不对称[25],企业利用信息优势能够更精准地洞察市场需求和技术发展趋势,全面把握研发动态信息,提升风险管理与控制能力,并据此调整合作策略与方向。此外,高管团队社会资本还有助于增进合作双方之间的信任与沟通,通过构建稳固的合作关系和确立共同发展目标,企业间能够实现更为紧密的协作。而且,高管团队社会资本能够激发企业创新动力和合作意愿,通过利用社会资本中的关系和资源,企业可以寻求新的合作机会和创新方向,从而突破技术封锁限制和束缚。据此,本文提出如下假设:

H4:高管团队社会资本会弱化技术封锁对产学研合作的负向影响。

H5:高管团队社会资本会弱化技术封锁对产产合作的负向影响。

综上,构建本文理论研究框架如图1所示。

2 研究设计

2.1 样本选取与数据来源

根据首陈霄等[26]对出口管制行业分布的研究,受限企业呈现出行业集中的特点。鉴于此,本研究选取2014—2023年出口管制企业分布数量位居前五位行业的A股高新技术上市公司作为研究样本,具体涵盖计算机、通信和其它电子设备制造业,科技推广和应用服务业,批发业,软件和信息技术服务业,研究和实验发展行业。本文通过手工整理美国商务部公布的实体清单,将受美国技术封锁的上市公司样本设置为“处理组”,其余样本设置为“控制组”。为确保数据的代表性以及研究结果的可靠性,本文剔除数据缺失严重、平稳性较差的样本,最终得到390个样本,共3 900个企业—年份观测值。

企业财务数据来源于国泰安CSMAR数据库,专利数据来源于CNRDS数据库、壹专利数据库以及国家知识产权局官网,其它数据来源于企业年报。为消除极端者的影响,本文对所有连续型变量进行1%和99%水平的缩尾处理。

2.2 模型构建与变量定义

本文采用双重差分模型研究技术封锁(美国实体清单)对中国企业突破式创新的影响,模型构建如下:

BIi,t+1=α0+α1DIDi,t+βControli,t+γt+μi+εi,t

(1)

其中,被解释变量BIi,t+1为i企业第t+1年的突破式创新水平。考虑到技术封锁对企业突破式创新的影响存在滞后性,BI取滞后一期(t+1)的值。解释变量DIDi,t为技术封锁的政策效应,即postt*treati;Controli,t为控制变量;γt为时间固定效应;μi为个体固定效应;εi,t为随机误差项。

(1)解释变量:技术封锁(DID)。本文具体解释变量为技术封锁的政策效应,即post*treat。post为时间虚拟变量,2018年及以前post为0,2018年以后post为1;treat为政策虚拟变量,被列入实体清单的上市公司取值为1,否则为0。首先,自2018年起,美国管制力度陡然加强,持续扩容明显。美国于2018年发动对华贸易战,并颁布出口管制改革法案等法规。其次,美国联合其盟友对中国关键技术领域进行打压,冲击力度大、规模空前,远超以往特定贸易领域的对华制裁框架(谢在阳等,2024)。

(2)被解释变量:突破式创新(BI)。既有文献多采用专利被引证次数、申请或授权专利数量等单一指标衡量突破式创新,未充分体现其内涵。本文基于孙健等(2024)和Capponi等[27]的研究,从原有技术路径突破、高新技术影响力、高价值3个角度,选取专利新颖性(Novelty)、高引用专利数量(Classical)和高价值专利数量(Value)来衡量企业突破式创新。①原有技术路径突破方面,计算上市公司专利在不同IPC分类下的集中度情况,专利分布越分散,说明企业创新越具有新颖性,同时表明企业突破既有技术边界的能力越强,即企业突破性创新程度越高[28]。如公式(2)所示,Sik表示i公司在k二级分类下的专利比例,Novelty数值越大,说明专利分布领域越多元,企业突破式创新水平越高。②技术影响力方面,计算被引证次数在同年同IPC分类专利中位于前10%的专利数量,若被引证次数排在前列,则认为该专利属于突破式创新专利。③高价值方面,突破式创新专利通常具备较高异质性和难以模仿性,使得企业在相关技术领域拥有独特优势,相比于一般专利价值更高(彭华涛等,2024)。壹专利数据库使用人工智能技术和复核算法分别从单项专利的专利质量、技术性、经济性、发展前景4个维度综合评价单个专利价值[29]。通过与壹专利数据库专业工作人员进行交流,为突出突破式创新专利的高价值性,本研究将专利价值度大于等于80的专利作为高价值专利。以上3个指标对评估企业突破式创新十分重要,但各指标重要性易带主观性判断。主成分分析法根据指标间的相对重要性进行客观加权,可避免主观因素干扰,既能降低数据“维数”,又能保留原始数据的大部分信息,因此本文采用主成分分析法对以上3个指标进行处理得到综合指标。在主成分分析前完成KMO和Bartlett球度检验。结果显示,Bartlett球度检验P值均为0.000,小于显著性水平,同时KMO值大于0.6,表明适合进行主成分分析。基于总方差解释表,对各主成分对应方差解释率加权,计算得到突破式创新的综合指标。

(2)

(3)机制变量。①国外技术引进(GYJ):采用企业接受国外转让的专利数量并取对数衡量[30]。②国内技术购买(GGM):采用企业接受国内转让的专利数量并取对数衡量[30]。③产学研合作(CXY):基于样本观测期的专利申请明细数据,选取企业与高校、科研院所等联合申请专利作为产学研合作专利,采用联合申请专利数量并取对数衡量[31]。④产产合作(CC):基于样本观测期的专利申请明细数据,选取与企业联合申请的专利作为产产合作专利,采用联合申请专利数量并取对数衡量[31]。

(4)调节变量。①组织冗余(RY)。冗余资源可划分为未沉淀冗余资源、沉淀冗余资源和潜在冗余资源[32]。采用流动资产与流动负债的比值衡量未沉淀冗余资源,采用管理费用与销售费用之和与销售收入的比值衡量沉淀冗余资源,采用所有者权益总额与负债总额的比值衡量潜在冗余资源(宋铁波等,2017)。3个指标标准化后取平均值即为冗余资源。②高管团队社会资本(TMTS):采用具有海外背景、学术背景、金融背景的高管人数占企业董监高团队总人数的比重衡量(叶阳平等,2023)。海外背景以是否具有海外任职、求学背景以及同时具有多种海外背景判断;学术背景以是否具有高校任教、科研机构任职、协会从事研究背景判断;金融背景以是否具有监管部门、政策性银行以及证券公司等金融机构背景判断。

(5)控制变量。参考已有研究,将可能影响企业突破式创新的因素纳入控制变量,包括资产负债率(LEV)、研发费用(R&D)、研发人员数量(RDM)、净资产收益率(ROE)、总资产周转率(ATO)、公司规模(SIZE)、两职合一(TWO)、托宾Q值(Q)、应收账款占比(REC)及第一大股东持股比例(FGD)。

综上,相关变量定义如表1所示。

3 实证结果分析

3.1 描述性统计分析

相关变量描述性统计结果见表2,包括各变量的平均值、中位数、标准差、最小值、最大值。被解释变量企业突破式创新(BI)的均值为0.228,标准差为0.13,且最小值最大值差距较大,说明样本企业突破式创新水平差异较大,仅少部分企业实现了突破式创新;产学研合作最大值最小值差距最大,说明样本企业产学研合作情况差异较大;控制变量中研发费用占比、研发人员数量、企业规模及托宾Q值的标准差大于1,其它控制变量差异较小。

3.2 相关性分析

对主要变量进行相关性分析,结果如表3所示,技术封锁与企业突破式创新显著负相关,初步验证了假设H1的短期抑制作用。此外,所有变量间相关系数绝对值较小。

3.3 基准回归分析

本文使用双重差分固定效应模型分析技术封锁对企业突破式创新的影响,主效应回归结果见表4。结果显示,无论是否加入控制变量,技术封锁对企业突破式创新均呈显著负向影响。此外,将被解释变量分别滞后2、3、4、5期考察技术封锁更长期的影响效应,发现自第3期开始抑制作用呈消退迹象。在危机的反向倒逼作用下,企业外部压力转化为推动创新的潜力,驱动企业不断加大创新投入,促进关键核心技术突破。可见,美国技术封锁对我国企业突破式创新的影响存在长短期效应的明显差异。短期内美国技术封锁对中国企业突破式创新存在抑制作用,但随着时间推移抑制效应逐渐消退,其倒逼作用逐步显现。因此,H1部分得证。

3.4 稳健性检验

3.4.1 平行趋势检验

平行趋势假定是指在事件发生之前处理组和控制组应有相同变化趋势,即当不存在美国对华技术封锁的强烈冲击时,处理组和控制组具有相同变化趋势[33]。如图2所示,美国对华技术封锁政策实施前所有时期的估计系数均在0值附近波动且在95%置信区间不显著,表明美国实体清单制裁之前,处理组和控制组系数无显著差异;政策实施后第一年和第二年估计系数在90%置信区间显著,表明本文处理组和控制组基本满足平行趋势假设,说明本文实证结果具有稳健性。

3.4.2 倾向得分匹配

企业突破式创新可能会受到处理组和控制组自身差异的影响,从而引发内生性问题,即选择性偏差。为降低这种影响,采用倾向得分匹配(PSM-DID)法对变量进行稳健性检验,采用半径为0.01的最邻近1∶1重复配对方法对实验组与控制组进行匹配。表5结果显示,匹配后两组特征因子的均值差异都降至10%以内,配对结果满足平衡性假设。进一步地,对实验组和控制组进行回归,结果显示DID系数为-0.043 7(篇幅所限,不再展示),在1%水平上显著,与基准回归结果一致。

3.4.3 安慰剂检验

(1)改变政策时间。如果将美国技术封锁时间点提前,处理组和控制组突破式创新无显著差异,即DID估计系数不显著,则可以排除其它外生变量对企业突破式创新的影响,反之则意味着企业突破式创新变化是由其它事件所致。为验证估计结果的稳健性,本文将时间点分别提前2年和3年。表6结果显示,政策时间提前后,DID估计系数不显著,因此可排除其它外生变量对企业突破式创新的影响。

(2)随机抽样。为进一步提升检验的准确性和有效性,在全样本范围内随机抽取样本进行安慰剂检验,排除其它非观测变量对研究结果的影响。图3汇报了500次随机生成处理组的估计系数核密度以及对应P值的分布。结果显示,随机抽样系数均值接近于0,呈正态分布,且实际估计系数远离随机抽样系数,说明随机抽样系数小于-0.042 8是一个小概率事件,表明企业突破式创新受其它不可观测因素影响较小,本文估计结果稳健。

3.4.4 内生性问题:工具变量法

美国对华技术封锁的深层目的在于制约中国突破式创新发展。鉴于实体清单中的企业普遍具有较强创新能力和高新技术产业背景,本文采用工具变量法缓解潜在反向因果内生性问题,选取美国技术封锁整体强度(QD)作为工具变量[34],衡量受影响企业的被封锁程度。工具变量采用样本期内实体清单变更次数(剔除中国实体企业样本),满足变量内生性要求。由于中国企业突破式创新能力并不影响美国对除中国以外国家和地区的技术封锁强度,所以符合工具变量选取原则。结果如表7所示,第一阶段QD系数在1%显著性水平上为正,验证了工具变量与技术封锁的相关性。第二阶段进一步表明,所选工具变量不存在不可识别和弱工具变量问题,DID系数方向和显著性与基准回归模型一致,表明“技术封锁短期内对中国企业突破式创新具有显著负向影响”这一研究结论具有稳健性。

3.4.5 替换被解释变量

为进一步验证研究结论的准确性,用专利新颖性、高引用专利、高价值专利标准化后的加权平均值(TBI)进行稳健性检验。同样地,考虑到技术封锁对企业突破式创新的影响存在滞后性,TBI取滞后一期(t+1)的值,同时将替换后的被解释变量滞后2期、3期、4期和5期。表8回归结果显示,DID系数方向和显著性水平均与基准回归模型一致,说明本文研究结论具有稳健性。

3.4.6 基于双重机器学习的稳健性检验

传统研究采用因果推断模型评估政策效果存在一定局限性,部分学者开始关注机器学习在因果推断中的应用,尤其是双重机器学习[35-36]。双重机器学习在变量筛选与模型估计方面独具优势,契合本文研究需要。

首先,突破式创新受多元因素影响,为准确评估政策效应,需控制其它因素干扰。传统回归模型处理高维控制变量时易陷入维度诅咒与多重共线性困境。而双重机器学习运用多种机器学习及正则化算法,在预选的高维控制变量集内自动筛选与获取高预测精度的有效控制变量集,既能化解控制变量冗余引发的“维度诅咒”,又能纠偏因主要控制变量有限所致的估计偏差。其次,常规线性回归容易导致模型设定偏误,而双重机器学习依托机器学习算法处理非线性数据,可有效规避模型误设问题[37]。最后,基于两阶段预测残差回归与样本分割拟合理念,双重机器学习能缓解机器学习估计中的“正则偏误”,在小样本情境下确保处置系数估计量的无偏性(王茹婷等,2023)。基于此,本文借鉴欧阳志刚和李伟[38]的做法,将双重机器学习扩展至双重差分模型,对技术封锁的政策效应进行评估,模型构建如下:

BIi,t+1=θ0DIDi,t+g(Xi,t)+λt+μi+εi,t

(3)

E(εi,t|DIDi,t,Xi,t)=0

(4)

其中,BIi,t+1为i样本企业第t+1年的突破式创新,DIDi,t为技术封锁政策虚拟变量,θ0为政策对应的处置系数,Xi,t为控制变量集合,g (Xi,t)为Xi,t的函数,本文采用机器学习算法对其进行估计。λt为时间固定效应,μi为个体固定效应,εi,t为扰动项,条件均值为0。若采用机器学习算法对上述模型中的g(Xi,t)直接求解,则此时得到的估计系数θ0为正则化估计量,在有限样本下有偏,因此进一步构建如下辅助回归模型:

DIDi,t=m(Xi,t)+γi,t

(5)

E(γi,t|Xi,t)=0

(6)

其中,函数形式m(Xi,t)未知,γi,t为扰动项,条件均值为0。

为提高模型估计的稳定性和可靠性,本文在回归分析中采用5折分割拟合方法处理回归样本[35],并采用随机森林算法对主回归和辅助回归模型进行求解,结果见表9。模型(1)在全样本区间内控制个体、时间以及控制变量的一次项,回归系数在5%水平上显著为负,说明短期内美国对华技术封锁阻碍企业突破式创新。基于此,进一步控制了控制变量二次项,回归系数仍显著为负,且数值变化不大,未改变先前结论。为避免双重机器学习模型设定偏误对研究结论的影响,首先,将双重机器学习模型的样本分割比例由1∶5改为1∶3和1∶8,探究样本分割比例对研究结论的影响;其次,更换机器学习算法,将随机森林算法更换为套索回归,探究预测算法对研究结论的影响。经检验发现,均未改变核心研究结论。

3.5 机制检验

为检验技术封锁对企业突破式创新的影响机理,通过中介效应3步法探究显性与隐性两类知识获取途径的中介作用。表10结果显示,关键核心变量DID系数均在10%水平上显著为负,说明国外技术引进、国内技术购买、产学研合作和产产合作在技术封锁对企业突破式创新的作用过程中发挥中介作用。再由列(2)、(4)、(6)、(8)可知,关键核心变量DID和中介变量均在1%水平上显著,表明GYJ、GGM、CXY和CC在技术封锁对企业突破式创新影响中发挥部分中介作用。即受技术封锁影响,企业从外部获取知识的4个途径均受到显著抑制,进而影响突破式创新,由此形成“对华技术封锁→(制约)国外技术引进、国内技术购买、产学研合作、产产合作→(阻碍)企业突破式创新”的影响路径。

3.6 调节效应检验

组织冗余和高管团队社会资本调节效应回归结果如表10所示,列(9)显示DID与RY交互项系数显著为正,说明组织冗余正向调节技术封锁与国外技术引进的关系,弱化了技术封锁的负向影响,H2得证。列(10)显示DID与RY交互项系数不显著,表明组织冗余对技术封锁与国内技术购买的负向关系无显著影响,H3未得证。这说明,企业在面对外部技术封锁时,组织冗余是应对挑战的关键资源,不仅能促使企业寻求国外技术引进等替代方案,而且还能使企业拥有更多选择,便于加强国际合作,引进先进技术。然而,相较于国外技术引进,国内技术购买受市场成熟度、技术供应方实力等因素制约。尽管组织冗余具备一定灵活性,但当国内市场不完善或供应方实力不足时,其调节作用可能受限。列(11)(12)显示,DID与TMTS交互项系数在1%和10%水平上显著为正,说明高管团队社会资本正向调节技术封锁与产学研合作、产产合作的关系,弱化了技术封锁的负向影响,H4、H5得证。

3.7 异质性分析

在不同企业性质及特征下,技术封锁对企业突破式创新的影响可能存在非对称性,本文从企业产权性质、行业竞争程度和国际化经验水平3个方面探讨技术封锁对企业突破式创新的异质性影响。

(1)企业产权性质以虚拟变量衡量,国有企业取值为1,非国有企业取值为0,结果如表11所示。无论是国有企业还是非国有企业,一旦被列入实体清单,突破式创新均受到显著阻碍,且在非国有企业表现尤为明显。国有企业凭借资源禀赋、市场占有等优势,往往能够迅速响应市场需求,并展现出较强的抗风险能力(单宇等,2023)。相比之下,非国有企业则面临着更为严峻的资源限制和市场压力,在关税壁垒、出口管制等多重冲击下,更容易陷入困境,进而抑制企业突破式创新。

(2)行业竞争程度以赫芬达尔指数衡量,根据中位数将样本划分为两组。技术封锁对行业竞争程度较低组企业突破式创新的影响显著为负,而对行业竞争程度较高组企业突破式创新的影响不显著。激烈的行业竞争会淬炼企业的核心竞争力、创新思维、应变能力,使其更好地应对技术封锁带来的困境,而市场竞争程度低的企业经营压力相对较小,往往缺乏足够创新动力,更难以抵御和突破美国技术封锁的冲击。

(3)企业国际化经验以海归高管人数占比衡量,根据中位数将样本划分为两组。相对于国际化经验水平较低的企业,国际化经验水平高的企业能够及时感知国际市场变化,利用其积累的海外知识与资源在全球范围内进行资源重组和优化配置,不仅能削弱技术封锁带来的负向影响,还能为突破式创新提供机遇。

4 研究结论

4.1 研究结论

本文基于外部知识获取视角,运用双重差分固定效应回归模型探究美国对华技术封锁对中国企业突破式创新的影响路径,得出如下研究结论:

(1)短期内,技术封锁会阻碍企业突破式创新。技术封锁通过阻断中国企业外部知识获取抑制企业突破式创新。技术封锁不仅使企业难以通过国外技术引进获取先进技术,通过国内技术购买获取外部知识的积极性也会受到抑制;同时,技术封锁使高校和科研院所接触国外先进技术的机会大大减少,一定程度上会抑制企业通过产学研合作获取外部知识。此外,技术封锁使实体清单企业与能够接触到国外先进技术和最新研究成果的企业合作受阻,且短期内难以找到合适的合作伙伴,从而抑制企业通过产产合作获取外部知识。异质性分析发现,在非国有企业、行业竞争程度低的企业及国际化经验水平低的企业,这种抑制作用更明显。

(2)长期效应检验发现,随着时间推移,抑制作用逐渐减弱,倒逼作用逐步显现。长期来看,面对技术封锁,一方面,中国企业需加快自主研发创新步伐;另一方面,需加强外部知识获取,通过技术购买和合作研发的方式整合内外部资源,推进关键核心技术突破。这与李正卫等(2024)关于“美国实体清单制裁对我国企业自主创新的影响存在长短期效应”及余典范等(2023)关于“出口管制对中国企业创新短期内具有负面冲击,长期会产生倒逼效应”的结论相似,但本文主要聚焦技术封锁对中国企业突破式创新的影响。

(3)调节效应检验发现,组织冗余能缓解技术封锁对国外技术引进的负向影响,具有较多冗余资源能有效支持企业技术引进及显性知识获取、吸收和转化;高管团队社会资本能缓解技术封锁对产学研合作、产产合作的负向影响,企业高管团队拥有丰富的社会资本,能够为企业带来更广泛的合作机会。

4.2 管理启示

(1)中国企业应聚焦技术突破,实现关键技术自主可控。中国企业应在关键领域具备战略眼光,实施探索式创新战略,实现技术突破。技术封锁短期内给中国企业创新带来挑战,中国企业应不断加大研发投入、培养创新人才、建设创新平台,变压力为动力,利用技术封锁的倒逼效应实现关键技术突破式创新。

(2)通过与拥有先进技术的第三国进行技术引进或者收购拥有核心技术的第三国企业,利用国际技术转移机构丰富的资源与经验规避相关规制风险,助力技术对接,弥补封锁缺口。关注国内企业最新研发成果,根据需要购买相关专利技术。技术引进和购买能使企业快速获得关键技术及知识,但企业应进行充分开展调研和风险评估。同时,也要认识到冗余资源(包括资金、人才和技术等)对企业应对外部环境不确定性的重要性,积极建立技术储备机制,对关键技术进行备份和冗余设计,应对技术封锁可能导致的供应链中断或技术失效,增强企业技术韧性,提升企业应对外部不确定性的能力。

(3)加大合作力度,推动协同创新。与国内外高校及科研院所合作,实施联合研发、人才培养与交流,搭建研发平台;同时,鼓励跨学科、跨领域协同合作;与产业链上下游企业开展深度合作,共同攻克技术难题;与同行业企业强强联合,共同打破封锁限制。同时,充分利用高管团队的社会背景、专业知识和人脉资源,助力企业建立更加紧密和深入的合作关系,促进知识共享和研发合作。

4.3 局限与展望

本文存在如下不足:由于涉及样本及数据期限限制,本研究分析滞后5期的长期效应,结果显示主效应已由负向显著转变为不显著,要明确倒逼效应需更长期的数据支持,未来可采用长周期数据进行跟踪研究。此外,可结合多家成功企业案例开展定性分析,提炼应对模式,为企业应对外部挑战提供参考。

参考文献：

[1] 李玉花,简泽.从渐进式创新到颠覆式创新:一个技术突破的机制[J].中国工业经济,2021,38(9):5-24.

[2] LIN B W,WU C H.How does knowledge depth moderate the performance of internal and external knowledge sourcing strategies[J].Technovation,2010,30(11-12):580-589.

[3] 赵大丽,江媛,孙道银.基于吸收能力中介作用的知识获取与区域创新能力研究[J].科技管理研究,2018,38(19):146-153.

[4] 程仲鸣,陈宇航.技术封锁对企业创新策略选择的影响——基于美对华“实体清单”的经验证据[J].中国科技论坛,2023,39(2):135-145.

[5] 毕晓方,刘晟勇,傅绍正.盈余平滑影响企业突破式创新吗——外部利益相关者评价的视角[J].会计研究,2023,38(12):91-102.

[6] 庄子银,贾红静,肖春唤.突破性创新研究进展[J].经济学动态,2020,61(9):145-160.

[7] BECK M, LOPES B C, SCHENKER W A. Radical or incremental: where does R&D policy hit[J]. Research Policy,2016,45(4):869-883.

[8] YAFEI M, PEISI L, YI L. The relationship between slack resources and organizational resilience: the moderating role of dual learning[J].Heliyon,2023,9(3):e14044.

[9] MILLER D. Relating Porter′s business strategies to environment and structure: analysis and performance implications[J]. Academy of Management Journal,1988,2(31):280-308.

[10] KETCHEN D J,HULT G T M.Bridging organization theory and supply chain management: the case of best value supply chains[J]. Journal of Operations Management,2007,25(2):573-580.

[11] NAYAK B, BHATTACHARYYA S S, KRISHNAMOORTHY B. Integrating the dialectic perspectives of resource-based view and industrial organization theory for competitive advantage——a review and research agenda[J]. Journal of Business &Industrial Marketing,2023,38(3):656-679.

[12] RICHARD V N.The number of researchers with dual US &China affiliations is falling[J].Nature,2023,606(7913):235-236.

[13] 陈文玲.美国在几个重要经济领域对华遏制的新动向[J].人民论坛·学术前沿,2023,12(5):80-100.

[14] HILLMAN A J,WITHERS M C,COLLINS B J.Resource dependence theory:a review[J].Journal of Management, 2009,35(6):1404-1427.

[15] 吕一博,朱雨晴,鲍丽宁.内向型开放式创新与突破性创新绩效——网络位置的调节效应[J].管理科学,2020,33(5):86-100.

[16] 张杰,陈志远,吴书.对外技术引进与中国本土企业自主创新[J].经济研究,2020,55(7):92-105.

[17] BOURGEOIS L J. On the measurement of organizational slack[J].Academy of Management Review,1981,6(1):29-39.

[18] 肖红军,李井林.责任铁律的动态检验:来自中国上市公司并购样本的经验证据[J].管理世界,2018,34(7):114-135.

[19] AGUSTI M, GALAANJ L, ACEDOF J. Relationship between slack resources and performance: temporal symmetry and duration of effects[J].European Journal of Management and Business Economics,2020,29(3):255-275.

[20] SIRMON D G, HITT M A, ARREGLE J L. Capability strengths and weaknesses in dynamic markets: investigating the bases of temporary competitive advantage[J].Strategic Management Journal,2010,31(13):1386-1409.

[21] 陈行泰,许燕飞,郭彦琳.数据驱动的动态管理能力构建机制研究——以杭州泛嘉集团为例[J].管理评论,2023,34(1):338-352.

[22] XIA T, LIU X. The innovation paradox of TMT political capital in transition economy firms[J].Journal of Business Research,2023,142(1):775-790.

[23] IGALLA M, EDELENBOS J, MEERKERK V I. What explains the performance of community-based initiatives? testing the impact of leadership, social capital, organizational capacity, and government support[J]. Public Management Review,2019,22(4):602-632.

[24] LUO X, DU S. Exploring the relationship between corporate social responsibility and firm innovation[J]. Marketing Letters,2015,26(4):703-714.

[25] 顾建平,崔雨欣.高管团队社会资本与企业发展韧性:团队心理资本与风险承担能力的链式中介作用[J].技术经济,2023,42(4):172-184.

[26] 首陈霄,白忠慧,谈振林.美国实体清单政策对我国企业创新投入的影响分析[J].对外经贸实务,2023,41(2):43-51.

[27] CAPPONI G, MARTINELLI A, NUVOLARI A. Breakthrough innovations and where to find them[J].Research Policy,2023,51(1):14-16.

[28] 李哲,黄静,孙健.突破式创新对分析师行为的影响——基于上市公司专利分类和引证数据的证据[J].经济管理,2021,43(5):192-208.

[29] 刘妍.专利价值评估研究综述与趋势展望[J].图书情报工作,2023,66(15):127-139.

[30] 张晨,孙玉涛,张晓飞,等.企业研发合作对技术要素市场进入的影响研究[J].科研管理,2024,45(9):124-132.

[31] 龙小宁,刘灵子,张靖.企业合作研发模式对创新质量的影响——基于中国专利数据的实证研究[J].中国工业经济,2023,41(10):174-192.

[32] TYLER B B, CANER T. New product introductions below aspirations, slack and R&D alliances:a behavioral perspective [J].Strategic Management Journal,2016,37(5):896-910.

[33] 孙林,吕雅洁.区域贸易政策不确定性对中国多产品企业出口种类决策的影响——基于中国—东盟自由贸易区建立的准自然实验研究[J].经济研究参考,2023,44(4):98-115.

[34] 干越倩,王佳希.美国对华出口管制对中国企业创新的影响与应对——基于全球创新网络的视角[J].南方经济,2023,41(9):140-160.

[35] CHERNOZHUKOV V, CHETVERIKOV D, DEMIRER M,et al. Double/debiased machine learning for treatment and structural parameters[J].Econometrics Journal,2018,21(1):1-68.

[36] KNITTEL C R, STOLPER S. Machine learning about treatment effect heterogeneity:the case of household energy use[R].AEA Papers and Proceedings,2021,111:440-444.

[37] YANG J,CHUANG H,KUAN C.Double machine learning with gradient boosting and its application to the Big N audit quality effect[J].Journal of Econometrics,2020,216(1):268-283.

[38] 欧阳志刚,李伟.借贷便利工具、担保品渠道与小微企业贷款——基于双重机器学习的DID研究[J].管理评论,2024,36(8):28-38.

(责任编辑：王敬敏)