The Mechanism of Different Types of Technology Services Affecting the Resilience of Regional Innovation Ecosystems

Liu Jiashu, Tian Zhongrui, Dong Jinjin

(School of Business, Anhui University of Technology, Ma'anshan 243000, China)

Abstract：Along with the global economic downturn, geopolitical instability, and blockade of key technologies, the risks faced by the innovation ecosystem have been increasing. Therefore, it is urgent to improve the resilience of the regional innovation ecosystem. As an important part of the innovation ecosystem, technology services can provide R&D services, such as innovative R&D, technology promotion, and professional technical consulting on the R&D segment of the innovation ecosystem; on the production side, they can provide production services such as entrepreneurial incubation, financial technology, information supply, etc. Both types of technology services are conducive to promoting the flow and value appreciation of innovation resources, thereby strengthening the output of innovation results, improving the innovation capabilities of each innovation entity, and helping to enhance the resilience of the regional innovation ecosystem. However, on the one hand, due to the heterogeneity of different types of technology services, they may play different roles in enhancing the resilience of the regional innovation ecosystem; on the other hand, current technology services in China are confronted with weak specialization, limited service capabilities and other issues. To this end, it is necessary to further explore the effects and mechanisms of different types of technology services on the resilience of regional innovation ecosystems.

This study examines the internal logic of two types of technology services affecting the resilience of regional innovation ecosystems, and introduces innovation resource redundancy and innovation resource allocation efficiency. After clarifying their role in the impact path, it puts forward five research hypotheses and constructs an index system for the level of forward symbiotic technology service, backward symbiotic technology service and resilience of innovation ecosystem; and the balanced panel data for 30 provinces (municipalities and autonomous regions) from 2011-2021 are collected for empirical test to explore the mechanism of different types of technology services on the resilience of innovation ecosystem under the mediating effect of innovation resource redundancy and innovation resource allocation, and discover the effect of two technology services synergistically affecting the resilience of innovation ecosystem.

The following main conclusions are presented. First, both types of technology services have a significant effect on improving the resilience of innovation ecosystem in China. Compared with forward technology services, the boosting effect of backward technology services is more obvious. Second, innovation resource redundancy plays a mediating role in the process of forward technology services enhancing the resilience of innovation ecosystem; innovation resource redundancy and allocation efficiency play a mediating role in the process of backward technology services enhancing the resilience of innovation ecosystem. Third, as the redundancy of innovation resources increases, the marginal benefits of the two technology services in enhancing the resilience of innovation ecosystem show an inverted U-shaped trend; as the efficiency of innovation resource allocation increases, the marginal benefits of the two technology services in enhancing the resilience of innovation ecosystem increase. Fourth, from the perspective of synergy, the synergy of two types of technology services has a significant enhancement effect on the resilience of innovation ecosystem. The "forward symbiosis" and "backward symbiosis" technology services strengthen synergy and play a complementary role in their functions, which can improve regional innovation ecosystem resilience and sustainability.

Compared with existing research, the marginal contributions of this study are threefold. First, it incorporates technology service level, innovation resource redundancy and innovation resource allocation efficiency into the innovation ecosystem resilience analysis framework to explore the relationship between the three and their paths affecting the resilience of innovation ecosystems. As such, it expands related research on the resilience of innovation ecosystems. Second, it divides technology services into forward symbiotic technology services and backward symbiosis technology services, constructs their evaluation index systems, respectively, studies their impact on the resilience of innovation ecosystem, thus providing evidence for the formulation of relevant policies to improve the level of technology services. Third, it draws on the idea of evolutionary resilience to explore the nonlinear dynamic characteristics of regional innovation ecosystem resilience improvement, which provides theoretical reference for exploring the influencing factors and environmental conditions of regional innovation ecosystem resilience.

Key Words：Technology Services; Innovation Ecosystem Resilience; Innovation Resource Redundancy; Innovation Resource Allocation Efficiency

收稿日期：2023-10-07

修回日期：2023-12-19

基金项目：国家社会科学基金重点项目(22AJL002);安徽省高校人文社科重点项目(2022AH050285)

作者简介：刘家树(1975-),男,安徽六安人,博士,安徽工业大学商学院教授、博士生导师,研究方向为技术创新管理;田中锐(1998-),男,江苏常熟人,安徽工业大学商学院硕士研究生,研究方向为数字经济与科技创新;董津津(1987-),男,安徽怀宁人,博士,安徽工业大学商学院讲师、硕士生导师,研究方向为技术创新管理。

DOI：10.6049/kjjbydc.2023100100

开放科学(资源服务)标识码(OSID)：

中图分类号：F726.9

文献标识码：A

文章编号：1001-7348(2025)06-0023-11

0 引言

完善创新生态系统建设,已成为创新驱动发展战略的重要内容。中共二十大报告强调,完善科技创新体系,提升国家创新体系整体效能,形成具有全球竞争力的开放创新生态。同时,在全球经济下行、地缘政治不稳定、关键技术遭遇封锁等影响下,创新生态系统面临的风险与日俱增,因而提升区域创新生态系统韧性刻不容缓。科技服务作为创新生态系统的重要组成部分,在创新生态系统研发端可以提供创新研发、技术推广、专业技术咨询等研发服务;在生产端能够提供创业孵化、科技金融、信息供给等生产服务(Howells等,2018)。两种科技服务均有利于促进技术、人才、资金等创新资源流动,实现价值增值[1],从而增加创新成果产出、提高创新主体创新能力,助力区域创新生态系统韧性提升。然而,不同类型科技服务具有异质性,其在增强区域创新生态系统韧性过程中可能发挥不同作用,同时我国科技服务体系尚存在专业化不强、服务能力有限等问题(陈洋等,2014),科技服务体系亟待完善。为此,有必要深入探析不同类型科技服务对区域创新生态系统韧性的影响效应与作用机制。

韧性(Resilience)是指系统受到干扰或破坏后,能够恢复至初始弹性状态并进一步演化达到新平衡状态的能力。基于演化韧性视角的研究认为,区域创新生态系统韧性是指区域在面对外部环境冲击和扰动时,通过自学习、自适应等方式抵抗风险、恢复到初始或更高功能状态的能力[2]。在区域创新生态系统韧性提升过程中,知识、资金及研发人员等创新资源冗余和配置效率发挥至关重要的作用。组织理论研究指出,创新资源冗余能够为组织应对外部压力提供缓冲与支持,使得组织获得更多市场机会、提升创新失败容忍度 [3],从而提高组织抗风险能力,增强区域创新生态系统韧性。与此同时,创新主体还能通过提高创新资源配置效率增强区域创新生态系统韧性——面对外界不确定性因素扰动时,区域创新生态系统主体可通过高效配置知识、资金及人员等创新资源,提高内部创新资源流动性,实现自身效益最大化并提升自身竞争优势,进而强化区域创新生态系统韧性[4]。为此,本研究将创新资源冗余和创新资源配置效率纳入分析框架,探究其在不同类型科技服务影响区域创新系统韧性过程中的作用机制,为完善科技服务体系和推动创新驱动发展战略实施提供理论与实证支持。

1 文献综述

针对科技服务的研究,学者们主要从科技服务内涵界定[5-6]、科技服务类型[7-9]等方面展开。科技服务组织是为科学技术产生、传播和应用,提供综合性、专业化和社会化服务的机构[5],其核心功能是为创新主体提供专业化服务,以促进科技成果转化、产业化等科技活动顺利进行[6]。已有研究认为,科技服务会根据不同服务对象提供不同类型服务[7];在不同政策经济条件下,科技服务组织所呈现出的特点和发挥的作用也存在异质性[8]。根据科技服务在区域创新生态系统研发端或成果转化端介入环节的不同,可将科技服务分为前向共生型与后向共生型[9]。其中,在研发端介入的科技服务称为前向共生型科技服务,其与高校、科研院所等知识或技术源头的共生关系紧密,通过构建创新交流平台、项目交易平台、创新信息数据库等助力学研机构了解前沿科技信息、发现更多创新需求(王小艳,2018)。在成果转化端介入的科技服务称为后向共生型科技服务,其与孵化器、检验检测以及知识产权保护等与生产活动紧密关联领域的共生程度较高,能够为生产端提供产品质量检测、人力资源管理、知识产权法律咨询等服务(刘遥等,2018)。

在创新生态系统韧性方面,学者们主要从创新资源协调与系统演化等角度进行分析。创新生态系统主体包括企业、供应链成员、竞争者、高校和中介机构等(解学梅等,2021),主体创新价值实现需要依靠政府等外部组织的支持,利用新技术平台加强互动,从多维度进行物质资源交换、信息交互(Meerow等,2016)。提升创新生态系统韧性,必须重视创新资源协调发展问题(Surie等,2017)。创新生态系统发展是一个由多个不同利益相关者共同驱动的复杂过程。系统演化能力是创新生态系统韧性提升的关键,系统演化动力可分为外力和内力。从外力来看,用户和新创企业是系统演化的重要动力;从内力来看,不同层级创新主体通过协同和竞争,增加创新资源冗余,从而为提升区域系统创新韧性奠定基础[10]。创新生态系统是创新全要素协调的系统,合理优化创新资源配置可以提高创新资源利用效率,增进创新系统主体整体效能,进而提升系统生态位,增强创新生态系统韧性(曾国屏等,2013)。

此外,现有文献针对科技服务与区域创新关系进行了广泛探讨,多数学者认为,科技服务能够提升区域创新水平。如高效的科技公共服务能够间接帮助创新主体吸引人力、财力等创新资源,增强创新主体竞争力[11];与创新支持有关的公共服务,如科技成果转化服务等是决定区域创新水平的关键因素[12];由政府部门发起和建立的科技园区、技术研发中心和孵化器等科技服务设施,能有效克服中小企业创新不足,促进区域科技创新。一些学者深入分析发现,科技服务对区域创新水平存在正向滞后效应,区域创新水平本身还存在累积效应,即前期创新水平是当期创新的基础(刘琼等,2021)。换而言之,科技服务水平在很大程度上取决于科技服务质量,而科技服务质量对区域创新水平的影响又受到人力资本、制度环境、产业结构等条件制约[13]。

综上所述,现有文献对科技服务内涵与类型、区域创新生态系统韧性形成以及科技服务与区域创新关系进行了探讨,积累了较为丰富的研究成果。然而,仍然存在一些不足:①尚未从创新生态系统角度研究科技服务对创新生态系统韧性提升的作用机制;②缺乏从分类视角探索不同类型科技服务对创新生态系统韧性影响的差异性;③区域创新生态系统韧性提升是一个复杂过程,当前研究缺乏对从科技服务角度解构区域创新生态系统韧性提升的作用机制。为此,本文通过搭建前向共生型科技服务水平、后向共生型科技服务水平和创新生态系统韧性指标体系,探讨在创新资源冗余与创新资源配置效率的中介作用下,不同类型科技服务对区域创新生态系统韧性的影响效应及作用机制。与已有研究相比,本文的边际贡献在于:第一,将科技服务水平、创新资源冗余与创新资源配置效率纳入创新生态系统韧性分析框架,探索三者关系以及影响创新生态系统韧性的路径,拓展创新生态系统韧性的理论研究。第二,将科技服务分为前向共生型科技服务与后向共生型科技服务,分别构建评价指标体系,研究其对创新生态系统韧性的异质性影响,为制定提高科技服务水平的相关政策提供实证依据。第三,借鉴演化韧性思想,探索区域创新生态系统韧性提升的非线性动态特征,为探究区域创新生态系统韧性影响因素与环境条件提供理论借鉴。

2 理论分析与研究假设

2.1 不同类型科技服务与区域创新生态系统韧性

创新生态系统中各主体协同是提升创新生态系统韧性的关键,科技服务在此过程中发挥桥梁与纽带作用。前向共生型科技服务与研发端关系密切,后向共生型科技服务与生产端关系密切,两种科技服务有效助力创新主体协同发展,促进创新生态系统韧性提升[14]。其中,前向共生型科技服务通过构建信息数据库、知识交流与共享平台等,有利于创新主体搜索与发现新知识,促进知识整合与储备;通过提供技术咨询、技术检测等服务,加快新技术研发,提升新技术前沿性与稳定性;通过发挥媒介作用,促进政产学研金合作,提高创新资源供需匹配度,加速知识流动,实现价值增值,提高区域创新生态系统整体研发能力(周文泳等,2015)。后向共生型科技服务通过提供市场与用户等需求信息,为科技成果产业化提供支撑,提高科技成果与市场需求契合度;通过提供科技成果小试、中试和试生产等服务,提升科技成果成熟度与可靠性;搭建成果转化与交易平台等,增进各主体协同合作,促进创新要素集聚与合理配置,从而提高区域创新生态系统运作效率,增强区域创新生态系统韧性[15]。概括来说,一方面,科技服务分别嵌入研发端和生产端,有利于创新主体获取创新资源并优化配置,提升核心竞争力,从而提升各主体生态位适宜度[16];另一方面,科技服务为区域创新生态系统构筑共享资源平台,加速资源整合与流动,有效保障区域生态系统稳定性(雷雨嫣等,2019)。综上,科技服务通过新知识发现机制、知识流动与价值增值机制、信息交流与资源共享机制等,提升区域创新生态系统韧性。基于此,本文提出以下研究假设:

H1：前向共生型和后向共生型科技服务对区域创新生态系统韧性均有显著正向作用。

2.2 不同类型科技服务影响区域创新生态系统韧性的内在逻辑

2.2.1 前向共生型科技服务、创新资源冗余与区域创新生态系统韧性

前向共生型科技服务与创新生态系统研发端紧密相关,其本身也是一个知识循环系统[17]。从吸收能力视角,针对创新系统研发端知识、技术等创新要素稀缺的瓶颈,前向共生型科技服务能够帮助创新主体获取更多知识与技术,从而提升创新主体吸收能力和研发能力 [18],增加创新产出,为创新资源冗余提供有力支撑。从服务内容视角,前向共生型科技服务能为高校、科研院所等研发机构提供专业知识、研发和解决问题的新方法,并且通过构筑创新交流平台、项目交易平台、创新信息数据库等提供更多前沿科技信息,发现更多创新需求,进一步增加研发机构创新成果产出,提高创新资源冗余度。

创新资源冗余度反映组织知识、资金、研发人员等创新资源的丰裕程度。当创新主体面对内外部挑战时,冗余资源提供资源缓冲与支持,有助于创新主体获得市场机会、提升创新失败容忍度,从而增强抗风险能力。面对高风险或高不确定性,冗余增加被认为是激活组织韧性的重要策略[19]。创新资源冗余度越高,越有利于创新主体乃至区域创新生态系统减少对单一路径(如特定的知识或技术)的依赖,进而提升创新生态系统韧性。例如,华为依靠前期储备的大量麒麟9000芯片,为自身手机业务持续盈利和抵御“实体清单”打压风险提供了有利条件,从而强化了华为公司在危机情境下的生存和恢复能力。然而,需要注意的是,过多的创新资源冗余有可能使得创新主体资源利用率下降,从而造成创新主体反应延缓、区域创新生态系统韧性下降。基于上述分析,本文提出以下研究假设:

H2：创新资源冗余在前向共生型科技服务与区域创新生态系统韧性关系间存在中介作用。

2.2.2 前向共生型科技服务、创新资源配置效率与区域创新生态系统韧性

前向共生型科技服务作为知识中介,更注重响应区域创新生态系统研发端需求。研发活动的高效开展离不开异质性知识(技术)、资金等创新资源支持,现实中分布于各类创新载体上的创新资源因信息不对称、沟通障碍或竞争壁垒,难以充分流动和交互。而前向共生型科技服务因与高校、科研院所之间存在紧密和广泛联系,能够通过与技术知识源协同促进技术创造及扩散,而技术创造与扩散又会提高创新生态系统中具有关键支撑作用的人才、资金等要素流动性[20],进而提升创新资源配置效率。从嵌入性视角,前向共生型科技服务能够发挥中介作用,降低不同创新主体之间的沟通和协调成本,为创新主体以结构性嵌入方式或关系性嵌入方式嵌入区域创新生态系统奠定基础,由此为不同创新主体基于互惠、再分配或交换等形式实现创新资源交流和配置提供便利[21]。

进一步分析,高效的创新资源配置能够通过提升系统稳定性和结构洞优势,增强区域创新生态系统韧性。一方面,区域创新生态系统中创新资源配置效率越高,创新主体之间的知识传递和技术扩散越频繁,因而更易于推动创新生态系统形成较高的网络聚集度和网络核心度(雷语嫣等,2019),助力创新生态系统结构稳定;另一方面,高效的创新资源配置有利于巩固相关创新主体的结构洞优势[22],从而促使区域创新生态系统在信息掌握、创新资源获取以及资源集聚等方面相对于竞争对手拥有更大的竞争优势。基于上述两种机制,各创新主体在面对外界不确定环境等因素挑战时能够持续有效地实施创新资源交换,进而增强区域创新生态系统韧性。基于此,本文提出以下研究假设:

H3：前向共生型科技服务通过提高创新资源配置效率增强区域创新生态系统韧性。

2.2.3 后向共生型科技服务、创新资源冗余与区域创新生态系统韧性

后向共生型科技服务与创新生态系统生产端紧密结合,使得后向共生型科技服务与靠近生产端的企业易形成互动、融合、协调的发展关系,从而有助于建立以创新型企业为主体,联合大学、研究机构和其它科技服务组织的技术创新联盟[23]。在当前科技与经济存在“两张皮”的情况下,后向共生型科技服务机构作为联结科技与经济的“粘合剂”,有利于提高区域创新生态系统科技成果转移转化效率,从而为知识创造与交互、资金流转及人才流动提供良好条件。从服务内容看,后向共生型科技服务可以通过共生网络为各创新主体提供科技金融、知识产权、检验检测等科技服务,增强企业技术创新能力并据此形成竞争优势,从而增加创新产出,提高创新资源冗余度,增强区域创新生态系统韧性。基于此,结合前述研究假设H2中创新资源冗余与区域创新生态系统韧性关系的论述,本文提出以下研究假设:

H4：创新资源冗余度在后向共生型科技服务与区域创新生态系统韧性关系间发挥中介作用。

2.2.4 后向共生型科技服务、创新资源配置效率与区域创新生态系统韧性

后向共生型科技服务通过孵化器、技术咨询等平台为生产端提供科技信息、政策法规、知识产权等咨询服务以及技术市场监督服务,将各类创新主体纳入区域科技信息网络(赵玉帛等,2022),进而降低创新风险,促进创新生态系统中具有关键支撑作用的技术、人才、市场等要素流动,有效提升创新资源配置效率。从市场需求与供给匹配视角,后向共生型科技服务可以通过构建连接科技成果转化主体、充当创新要素搜索及成果转让交易等各类活动平台,克服科技成果转化面临的与市场需求脱节、与企业需求不匹配等问题(王丽平等,2019),从而强化科技成果供给质量、提高创新资源配置效率。例如海尔HOPE平台通过提供技术咨询、技术寻源等服务,帮助创新生态系统内企业对全球范围内的技术进行扫描、识别与挖掘,推动企业实现技术应用与转化[22],在提升创新资源配置效率的同时也响应了市场需求。基于此,结合前述假设H3中创新资源配置效率与区域创新生态系统韧性关系的论述,本文提出以下研究假设:

H5：后向共生型科技服务通过提高创新资源配置效率增强区域创新生态系统韧性。

3 研究设计

3.1 计量模型设定

为了验证两种科技服务是否增强区域创新生态系统韧性,构建基准回归模型,如式(1)、式(2)所示:

RESit=α0+α1FTSOit+αcZit+μi+δt+εit

(1)

RESit=β0+β1BTSOit+βcZit+μi+δt+εit

(2)

其中,i、t分别表示省份和年份。被解释变量RES为区域创新生态系统韧性。核心解释变量FTSO、BTSO分别为前向共生型科技服务水平与后向共生型科技服务水平。Z为其它一系列控制变量,本文从经济水平与科技水平两个角度构建5个控制变量,分别为经济发展水平(ECO),使用人均地区生产总值指数计算;城镇化水平(URB),使用城镇人口占总人口的比值测度;产业结构(IND),使用第三产业产值与第二产业产值的比值计算;人力资本水平(HUM),使用在校大学生数占总人口的比值计算;对外开放程度(OPEN),使用货物进出口金额占地区生产总值的比值衡量。此外,μi表示个体固定效应,δt表示时间固定效应。εit表示随机扰动项,服从正态分布且与μi不相关。α0、β0为常数项。

为了进一步探析科技服务影响区域创新生态系统韧性的非线性机制,构建两种科技服务水平与区域创新生态系统韧性关系的门槛模型,如式(3)、式(4)所示。其中,I(*)为指示函数,TRE为门槛变量,ωi、θi为第i个门槛估计值(i=1,2,…,n),γ0、η0为常数项,其余变量含义同上。

RESit=γ0+γ1FTSOitI(TREit<ω1)+γ2FTSOitI(ω1≤TREit<ω2)+…+γnFTSOitI(TREit≥ωn)+γcZit+μi+δt+εit

(3)

RESit=η0+η1BTSOitI(TREit<θ1)+η2BTSOitI(θ1≤TREit<θ2)+…+ηnBTSOitI(TREit≥θn)+ηcZit+μi+δt+εit

(4)

3.2 数据来源与变量说明

3.2.1 数据来源

结合2011-2021年中国内地30个省市(西藏因数据缺失较多,未纳入)平衡面板数据,实证研究不同类型科技服务对区域创新生态系统韧性的影响机制。区域创新生态系统韧性指标数据与控制变量数据来源于《中国统计年鉴》《中国科技统计年鉴》和各省市统计年鉴;科技服务水平指标数据来源于国家统计局的规模以上工业企业数据库和国家专利局的专利数据库,按照省市进行合并,得到2011—2021年不同年份、不同省市的面板数据。

3.2.2 变量说明

(1)区域创新生态系统韧性(RES)。参考Chen[24]的方法,结合区域创新生态系统韧性内涵,将区域创新生态系统韧性由遭受冲击后能够维持自身稳定的抵抗力水平、能够回复到原有发展态势的恢复力水平和依靠自身禀赋实现转型发展的演化力水平综合反映,构建区域创新生态系统韧性评价指标体系,具体见表1,并运用全局熵法进行TOPSIS权重计算。传统的熵权法只能水平评估一年中不同区域或垂直评估不同年份的区域韧性,导致评估结果无法比较,因此使用全局熵权法结果作为每个指标权重以减少误差,进而衡量区域创新生态系统韧性水平。具体步骤如下:

(5)

(6)

(7)

其中,分别表示第j个指标的最大值和最小值,i表示年份,表示数据标准化值,ωj表示第j个指标的全局权重,分别表示最优解和最差解,接近度Ci反映评估对象与最优解决方案的接近程度,其值越大,表示韧性越强。

(2)前向共生型科技服务水平(FTSO)。在科技服务水平研究中,学者们多采用数据包络分析法(DEA)测度服务水平[25]。参照孟庆涛等[9]的相关研究,根据科技服务对研发活动与产业活动的介入程度,将科技服务分为前向共生型与后向共生型。其中,前向共生型科技服务(后文简称“前向科技服务”)与作为知识或技术源头的高校、科研院所联系密切,故采用DEA-Malmquist指数法,选取与高校、科研院所相关的科技投入和科技产出指标构建前向科技服务水平评价指标体系。

(3)后向共生型科技服务水平(BTSO)。后向共生型科技服务(后文简称“后向科技服务”)与产业活动紧密相关,与孵化器、检验测试以及知识产权保护等领域的共生程度较高,故选取与孵化器、中试平台相关的科技投入和科技产出指标构建后向科技服务水平评价指标体系。具体指标见表2。

(4)中介变量。创新资源冗余度(SLA),借鉴组织管理学中采用费用收入比表征组织冗余水平的做法[26],本文使用R&D经费支出与技术市场交易额的比值衡量创新资源冗余度;创新资源配置效率(EFF),借鉴张伯超等[27]构建的创新资源配置效率定量评估模型,定量计算各省市创新资源配置效率。

4 实证结果分析

4.1 描述性统计

本文以中国内地30个省市面板数据为样本,共获得330个样本观测值。主要变量描述性统计结果如表3所示。

4.2 回归结果分析

对2011—2021年各省市数据首先进行VIF检验,结果显示,方差膨胀因子均小于5,说明不存在多重共线性问题。然后进行豪斯曼检验,χ2=187.46,相应的P值趋近于0,说明固定效应模型比随机效应模型更合适,故选择固定效应模型。具体回归结果如表4所示。

表4中前三列是前向科技服务水平对区域创新生态系统韧性影响的检验结果,后三列是后向科技服务水平对区域创新生态系统韧性影响的检验结果。模型(1)和模型(4)是混合OLS模型估计结果,模型(2)和模型(5)是双向固定效应模型估计结果,模型(3)和模型(6)是消除异方差与自相关的双向固定效应模型估计结果。表中数据显示,两种科技服务水平的回归系数在0.05水平上显著为正,说明两种科技服务水平提升能够增强创新生态系统韧性,假设H1得到初步验证。这可能是因为:其一,科技服务通过各类研发服务平台与生产服务中心实现创新资源共享,促进科技成果产出,增加创新资源冗余,进而增强区域创新生态系统韧性;其二,科技服务能够将各类创新主体纳入区域科技信息网络,促进创新生态系统中具有关键支撑作用的技术、人才、市场等要素流动[20],从而提升创新资源配置效率,增强区域创新生态系统韧性。后向科技服务水平的影响系数大于前向的系数,初步说明后向科技服务对创新生态系统韧性的促进作用更显著。这可能是因为,前向科技服务忽视了管理、资源流动等制约因素[13],导致科技服务对科研成果共享的促进功能无法充分发挥。

4.3 稳健性检验

为了确保两种科技服务对区域创新生态系统韧性影响效应的结论可靠,分别采用调整样本(剔除4个直辖市样本)和更换回归模型(更换为系统广义矩估计模型)两种方式进行实证检验,结果如表5所示。由于两种科技服务对区域创新生态系统韧性存在滞后效应,说明前述静态模型可能存在内生性问题。为避免内生性问题以及反向因果关系的影响,本文模型(7)和模型(9)是剔除特殊样本的固定效应模型估计结果,模型(8)和模型(10)是将两种科技服务水平滞后一期作为工具变量的系统广义矩估计结果。结果显示,回归系数的方向和显著性基本保持不变,说明原模型具有较高稳健性。

4.4 两种科技服务影响区域创新生态系统韧性的中介效应检验

在科技服务影响区域创新生态系统韧性的过程中,创新资源冗余、创新资源配置效率等因素发挥重要作用。表6与表7为Sobel检验结果。表6中模型(11)与模型(12)为中介变量创新资源冗余对前向科技服务水平与区域创新生态系统韧性关系的影响。结果显示,前向科技服务有助于提升创新资源冗余水平,其间接效应在0.01水平上显著,说明前向科技服务可以显著促进创新资源冗余度提升,进而增强区域创新生态系统韧性,假设H2得到部分验证。模型(13)与模型(14)为创新资源配置效率作为中介变量的检验结果,值得注意的是,在检验前向科技服务水平对创新资源配置效率的影响时,模型并没有通过显著性检验,说明前向科技服务没有显著提升区域创新资源配置效率,创新资源配置效率在前向科技服务水平对区域创新生态系统韧性的影响中不存在中介效应,因此假设H3不成立。这进一步验证在提供前向科技服务时,高校、科研院等研发机构的创新成果难以契合生产端,易造成 “曲高和寡”及科研成果被“冷藏”(陈洋等,2014),从而无法提升创新资源配置效率。进一步,模型(15)将创新资源冗余和创新资源配置效率两种中介变量同时引入模型,结果显示,中介变量的作用方向和显著性并未发生转变,验证了模型(11)～模型(14)的结论。

模型(16)和模型(17)为中介变量创新资源冗余影响后向科技服务水平与区域创新生态系统韧性关系的作用效果,结果表明,后向科技服务对创新资源冗余作用显著,Sobel检验结果也为显著,说明伴随后向科技服务的提供与完善,创新资源冗余增大,增强了区域创新生态系统韧性,假设H4得到部分验证。这是因为,后向科技服务通过孵化器、技术咨询等平台为生产端提供科技信息、政策法规、知识产权保护等咨询服务以及技术市场监督服务,将各类创新主体纳入区域科技信息网络(赵玉帛等,2022),从而降低创新风险,促进创新生态系统中具有关键支撑作用的技术、人才、市场等要素充分流动[1],从而提升创新资源配置效率,增强区域创新生态系统韧性。模型(18)和模型(19)为创新资源配置效率的中介效应,结果显示,后向科技服务显著提升创新资源配置效率,进而增强区域创新生态系统韧性,因此假设H5通过检验。进一步,模型(20)将创新资源冗余和创新资源配置效率两种中介变量同时引入模型,结果显示,中介变量的作用方向和显著性并未发生转变,验证了模型(16)至模型(19)的结论。

4.5 两种科技服务影响区域创新生态系统韧性的门槛效应检验

为分析两种科技服务影响区域创新生态系统韧性的内在机制,明晰不同发展情境下科技服务影响区域创新生态系统韧性的异质性,从创新资源冗余与创新资源配置效率两个角度分析不同情境下两种科技服务对区域创新生态系统韧性的非线性影响,并对模型进行门槛效应检验。表8为门槛回归结果,数据显示,创新资源冗余和创新资源配置效率均存在显著的门槛效应。其中,模型(21)和模型(22)是前向科技服务水平影响区域创新生态系统韧性的门槛效应检验结果,模型(23)和模型(24)是后向科技服务水平影响区域创新生态系统韧性的门槛效应检验结果。

4.5.1 创新资源冗余门槛变量回归结果

以创新资源冗余作为门槛变量,对两种科技服务对区域创新生态系统韧性的影响进行回归分析,结果见表8的模型(21)和模型(23)。可以发现,当两种科技服务水平作为核心解释变量时,创新资源冗余存在显著的双门槛效应。

以前向科技服务水平为核心解释变量时,门槛值分别为0.143与0.571。当创新资源冗余低于第一个门槛值0.143时,前向科技服务水平对区域创新生态系统韧性的影响系数为0.031且未通过显著性检验;当冗余值介于0.143～0.571之间时,影响系数为0.265且在0.05的水平显著;当冗余值大于第二个门槛值0.571时,影响系数降为0.135,但仍在0.05的水平上显著。以后向科技服务水平为核心解释变量时,门槛值分别为0.231与0.603。当创新资源冗余值低于第一个门槛值0.231时,后向科技服务水平对区域创新生态系统韧性的影响系数为0.002且在0.05的水平上显著;当冗余值介于0.231～0.603之间时,影响系数为0.973且在0.01的水平上显著;当冗余值大于第二个门槛值0.603时,影响系数降为0.594,但仍在0.05的水平上显著。这说明随着创新资源冗余增大,两种科技服务促进区域创新生态系统韧性增强的边际效应得到非线性提升。这是因为,当区域创新资源冗余处于较低水平时,区域创新系统中的创新资源供给不足,前向科技服务难以与研发端协同,后向科技服务对区域创新生态系统韧性的赋能作用也微乎其微;随着冗余增大,两种科技服务对区域创新生态系统韧性的助力作用得到显著提升;但是当冗余超过某特定值后,两种科技服务对区域创新生态系统的边际效应会产生挤出作用,其助力作用会出现一定程度下降,这是由于创新资源与区域吸收能力失调造成资源浪费[18],导致两种科技服务无法充分发挥其配置和消化创新资源的能力。至此,假设H2和假设H4得到验证。

4.5.2 创新资源配置效率门槛变量回归结果

以创新资源配置效率作为门槛变量,对两种科技服务增强区域创新生态系统韧性的影响效应进行回归分析,结果见表8的模型(22)和模型(24)。可以发现,将两种科技服务水平作为核心解释变量,创新资源配置效率均存在显著的单门槛效应。

以前向科技服务水平作为核心解释变量时,门槛值为0.388。当创新资源配置效率低于门槛值0.388时,前向科技服务水平对区域创新生态系统韧性的影响系数为0.073且未通过显著性检验;当配置效率超过门槛值0.388时,影响系数为0.385且在0.05的水平上显著。以后向科技服务水平为核心解释变量时,门槛值为0.395,当创新资源配置效率低于门槛值0.395时,后向科技服务水平对区域创新生态系统韧性的影响系数为0.005且在0.1的水平上显著;当配置效率超过门槛值0.395时,影响系数为1.279且在0.01的水平上显著。创新资源配置效率是区域创新生态系统中促进科技服务转化为技术支撑、提升系统主体创新效率的关键因素[27],在不同的创新资源配置效率下两种科技服务会对区域创新生态系统韧性产生差异化影响。相对于配置效率低下地区,配置效率高效地区能够充分利用区域科技服务供给,更好地发挥其对区域创新生态系统的正向作用。

4.6 进一步研究:两种科技服务协同对区域创新生态系统韧性的影响效应检验

科技服务的目的在于强化创新主体互动与合作,进而促进科技创新向生产力转化(王丽平等,2019)。从创新生态系统视角,具备科技活动介入优势的前向共生型科技服务与拥有产业活动介入优势的后向共生型科技服务协同,有可能演化形成双向共生型科技服务,通过科技服务前后向的紧密连接,促进形成科技与产业深度融合的良性循环[9],提升创新体系生态位,进而增强区域创新生态系统韧性。为此,将前向与后向科技服务水平的乘积项作为变量,引入基准回归模型,探讨双向共生型科技服务对区域创新生态系统韧性的影响。计量模型如下:

RESit=λ0+λ1FTSOit+λ2BTSOit+λ3PROit+αcZit+μi+δt+εit

(8)

其中,PRO为前向科技服务水平与后向科技服务水平中心化后的乘积项,回归结果如表9所示。

模型(25)是混合OLS模型估计结果,模型(26)是双向固定效应模型估计结果,模型(27)是消除异方差和自相关的双向固定效应模型估计结果。结果显示,乘积项系数均在0.1的水平上显著为正,且前向科技服务水平与后向科技服务水平的作用方向并未发生改变,说明双向共生型作为前向共生型与后向共生型共同演化的方向,可以有效促进科技创新与产业发展良性互动,提高区域创新生态系统韧性。

5 结论与启示

5.1 研究结论

本文以2011—2021年中国内地30个省市面板数据为样本,测度各地区前向科技服务水平、后向科技服务水平和创新生态系统韧性,实证检验两种科技服务对区域创新生态系统韧性的影响效应及作用机制,得出如下结论:

(1)两种科技服务均对区域创新生态系统韧性具有显著促进作用,与前向科技服务比较,后向科技服务的助力作用更显著,且该结论经过多重稳健性检验后仍然成立。

(2)创新资源冗余在前向科技服务增强区域创新生态系统韧性的过程中发挥中介作用,创新资源冗余和配置效率在后向科技服务增强区域创新生态系统韧性的过程中也发挥中介作用。

(3)随着创新资源冗余度提升,两种科技服务增强区域创新生态系统韧性的边际效应呈现倒U型发展趋势;随着创新资源配置效率提升,两种科技服务增强区域创新生态系统韧性的边际效应呈现提升态势。

(4)从协同角度进一步检验发现,两种科技服务协同对区域创新生态系统韧性具有显著增强效应,说明前向共生型、后向共生型科技服务协同能发挥功能互补作用,是增强区域创新生态系统韧性的重要手段之一。

5.2 实践启示

(1)注重科技服务与创新生态系统融合,提升科技服务水平。首先,遵循前向型和后向型科技服务特点,完善价值共创、利益共享、风险共担等机制,促进科技服务与创新生态系统深度融合。其次,为响应创新生态系统韧性提升诉求,科技服务部门需强化主动服务意识,加强与高校、科研院所等合作,积极获取新知识与新技术,持续提供高质量服务。最后,注重科技服务政策的保障功能,完善知识产权保护、科技金融服务、科技服务人才培育等政策,发挥不同类型科技服务功能,增强区域创新生态系统韧性。

(2)保持合适的创新资源冗余度,进一步提高创新资源配置效率。发挥创新资源冗余与创新配置效率在科技服务增强区域创新生态系统韧性过程中的助力作用,其一,拓展区域创新资源供给渠道,搭建创新资源共享平台;优化创新环境,引导各类创新资源集聚,进而提升区域创新资源冗余度,保障创新生态系统所需的创新资源多样性和丰富性;合理调控资源冗余度,避免资源过度拥挤而产生利用率低下现象。其二,区域创新系统主体要提升管理水平,构建数字化管理系统,优化资源配置机制;打破创新资源跨部门、跨组织流动壁垒,促进资金、人才、信息等创新要素合理流动和价值增值。

(3)加强不同类型科技服务协同,提高科技服务整体效能。增强区域创新生态系统韧性,需要加强前向型与后向型科技服务的协同。一方面,需要将科技咨询服务、检验检测服务、科技人员培训服务、法律法规服务、金融保险服务等集成,构建“一站式”服务体系。另一方面,完善技术交易市场,搭建科技成果小试、中试平台,加大科技孵化器、产业技术联盟等建设,实现科技服务整体效能提升,增强区域创新生态系统韧性。

5.3 不足与展望

本文探讨了创新资源冗余、创新资源配置效率对两类科技服务与区域生态系统韧性关系的影响机理和异质性作用,尚存在以下不足之处:①变量测量方面,依照惯例,采用组织冗余测量方法衡量创新资源冗余度,然而不同创新主体创新资源冗余的构成具有较大差异性,可能对测量结果产生一定影响;②未考察创新资源冗余度与创新资源配置效率间可能存在的交互作用。后续研究将进一步围绕以上局限进行完善。

参考文献：

[1] 袁汝华,马城楠.江苏省科技服务业创新生态系统适宜度评价——基于Vague集理论[J].科技管理研究,2020,40(6):75-82.

[2] 梁林,赵玉帛,刘兵.国家级新区创新生态系统韧性监测与预警研究[J].中国软科学,2020,35(7):92-111.

[3] 李德辉,潘丽君,尚铎.企业数字化转型、冗余资源与创新产出——基于中国非金融上市公司的考察[J].软科学,2023,37(9):1-7.

[4] ALMEIDA H, WOLFENZON D. Should business groups be dismantled?the equilibrium costs of efficient internal capital markets[J]. Journal of Financial Economics,2006,79(1):99-144.

[5] 蒋永康,梅强,李文远.关于科技服务业内涵和外延的界定[J].商业时代,2010,6(1):111-112.

[6] ZIEBA M, BOLISANI E, PAIOLA M, et al. Searching for innovation knowledge: insight into KIBS companies [J]. Knowledge Management Research Practice,2017,15(2):282-293.

[7] GALLOUJ F. Knowledge-intensive business services: processing knowledge and producing innovation[J]. Productivity, Innovation and Knowledge in Services: New Economic and Socio-economic Approaches,2002,4(12):256-284.

[8] ZHANG Y. Research on agglomeration characteristics and influencing factors of technology service industry-taking the pearl river delta as an example[J]. Science Technology Economy,2017,30(5):16-20.

[9] 孟庆涛,徐雨森,李海波.科技服务组织类型与支撑能力组合研究[J].科研管理,2020,41(10):156-163.

[10] 赵冬月,施波,陈以琴,等.协同管理对城市韧性增强机制的影响[J].管理评论,2016,28(8):207-214.

[11] RANGUS K, SLAVEC A. The interplay of decentralization, employee involvement and absorptive capacity on firms' innovation and business performance[J]. Technological Forecasting and Social Change,2017,120(3):195-203.

[12] STERNBERG R. Innovation networks and regional development—evidence from the European regional innovation survey (ERIS): theoretical concepts, methodological approach, empirical basis and introduction to the theme issue[J]. European Planning Studies,2000,8(4):389-407.

[13] 王雅洁,张淼.中国省域知识溢出对区域创新的影响研究——基于吸收能力的视角[J].华东经济管理,2020,34(8):44-54.

[14] 孟庆涛,徐雨森.知识关联对科技服务组织的作用机制研究[J].管理案例研究与评论,2018,11(4):380-393.

[15] RANGUS K, SLAVEC A. The interplay of decentralization, employee involvement and absorptive capacity on firms' innovation and business performance[J]. Technological Forecasting &Social Change,2017,120(1):195-203.

[16] 孙丽文,李跃.京津冀区域创新生态系统生态位适宜度评价[J].科技进步与对策,2017,34(4):47-53.

[17] DESYLLAS P, MIOZZO M, LEE H, et al. Capturing value from innovation in knowledge-intensive business service firms: the role of competitive strategy[J]. British Journal of Management,2018,29(4):769-795.

[18] 刘琼,郭俊华,徐倪妮.科技公共服务质量对区域创新水平的影响——基于吸收能力的门槛效应分析[J].中国科技论坛,2021,38(6):77-87.

[19] 宋耘,王婕,陈浩泽.逆全球化情境下企业的组织韧性形成机制——基于华为公司的案例研究[J].外国经济与管理,2021,43(5):3-19.

[20] 武翠,谭清美.产业相关多样性对区域经济韧性的影响——来自创新生态系统共生性的解释[J].科技进步与对策,2023,40(6):69-79.

[21] 董津津,陈关聚.创新网络嵌入性、社区意识对企业创新绩效的影响[J].科技进步与对策,2020,37(5):77-86.

[22] 董津津,陈关聚.技术创新视角下平台生态系统形成、融合与治理研究[J].科技进步与对策,2020,37(20):20-26.

[23] 陈静,曾德明,欧阳晓平.基于探索式创新的知识整合能力对制造企业绩效的影响[J].系统管理学报,2021,30(4):631-642.

[24] CHEN H, CAI S. Research on evaluation and influencing factors of regional digital innovation ecosystem resilience—empirical research based on panel data of 30 provinces and cities in China[J]. Sustainability,2023,15(13):10477.

[25] 胡税根,莫锦江,李倩.基于数据包络分析的公共文化科技服务资源配置效率研究[J].行政论坛,2018,25(5):99-105.

[26] 周建,秦蓉,王顺昊.连锁董事任职经验与企业创新——组织冗余的调节作用[J].研究与发展管理,2021,33(5):40-53.

[27] 张伯超,姚瑾,尹良富.上海市创新资源结构性配置效率定量评估与特征分析[J].上海经济研究,2023,8(1):42-54.

(责任编辑：胡俊健)