Configuration Research of Regional Innovation Performance Based on TOE

Su Yi1, Liu Tonghe1, Liu Chuanbin2

(1.School of Economics and Management, Harbin Engineering University, Harbin 150001, China;2.Center for Scientific Research and Development in Higher Education Institutes, Ministry of Education, P.R.China (CSRD), Beijing 100000, China)

Abstract：Regional innovation forms the foundation of national innovation, and the improvement of the levels of regional innovation is conducive to improving the levels of national innovation, thereby enhancing the comprehensive strength of the country.In reality, the enhancement of regional innovation performance is the result of the synergistic effects of various complex factors, and it warrants an exploration of the intrinsic connections between influencing factors and regional innovation performance from a holistic perspective.Therefore, the comprehensive study of the necessity and sufficiency of various factors affecting regional innovation, as well as their configuration, is increasingly becoming a hot issue in management research.However, the existing research often focuses on the influence mechanism of a single factor on regional innovation performance, and ignores the impact of the common effect of multiple factors on regional innovation performance.

Informed by the existing literature and TOE theoretical framework, this study adopts the NCA and fsQCA methods and collects the data of 31 provincial-level administrative divisions to study the combined effects and configuration paths of multiple factors such as technology input, technology capability, organization structure, organization linkage, policy environment, facility environment on regional innovation performance.For the TOE research model of regional innovation performance, from the perspective of discrete mathematics and combinatorics, the configuration path is generated by the permutation and combination of six antecedent conditions, and the possibility of predicting the configuration is analyzed by assuming that the higher regional innovation performance can not be achieved only by a single factor combined within the TOE theoretical framework.

The analysis results show that there are three conditional configuration paths.(1) Configuration S1 is based on technical capability, organization linkage and facility environment, and the edge conditions include technology input and organization structure.This indicates that regions exhibiting stronger technological capabilities, denser organizational linkages, and superior facility environments tend to achieve higher levels of regional innovation performance, especially when these regions are characterized by substantial technology input and intricate organizational structures.(2) Configuration S2 is based on technology capability, organization linkage and facility environment and the edge conditions are technology input and policy environment.This shows that on the basis of strong technology capability, dense organization linkages and higher facility environment levels, regions are likely to achieve higher regional innovation performance, especially when they also have access to greater technological input and a more favorable policy environment.(3) Configuration S3 is based on technology capability, organization linkage and facility environment, and the edge conditions refer to organization structure and policy environment.This shows that on the basis of strong technology capability, enhanced organization linkages and higher facility environment levels, regions with more complex organization structures and higher policy environment levels have higher regional innovation performance.

The innovative nature of this study is underscored by its novel double triangle effect of regional innovation performance, which is the core triangle composed of technical capability, organization linkage and facility environment, and the edge triangle composed of technology input, organization structure, and policy environment.The other two edge conditions can be enhanced to equivalently replace a weaker edge condition that cannot be effectively enhanced, so as to supplement the three core conditions, and then promote the improvement of innovation performance in the region.

The NCA method and the traditional fsQCA analysis method adopted in this study has not incorporated the impact of temporal changes.In the future, other models and research paradigms could be adopted to include the effects of time series in the research domain.Besides, Subsequent research can further explore the spatial characteristics of key economic belts from the perspective of geographical economics.

Key Words：Regional Innovation Performance; TOE Framework; Necessary Condition Analysis; Fuzzy-set Qualitative Comparative Analysis; Entropy Method

收稿日期：2024-02-18

修回日期：2024-04-24

基金项目：国家社会科学基金重大项目(21&ZD122);国家自然科学基金项目(72074059,72004085);黑龙江省社会科学基金项目(20GLB120)

作者简介：苏屹(1983—),男,黑龙江哈尔滨人,博士,哈尔滨工程大学经济管理学院教授,研究方向为企业创新与系统科学;刘桐赫(1997—),男,辽宁沈阳人,哈尔滨工程大学经济管理学院硕士研究生,研究方向为创新管理与创新系统;刘传斌(1991—),男,河南濮阳人,教育部高等学校科学研究发展中心助理研究员,研究方向为科研管理与科技评价。

DOI：10.6049/kjjbydc.2024020105

开放科学(资源服务)标识码(OSID)：

中图分类号：F061.5

文献标识码：A

文章编号：1001-7348(2025)09-0075-12

0 引言

创新是国家经济增长和综合实力增强的动力与源泉,区域创新是国家创新体系的重要组成部分,是创新驱动发展的基础支撑。区域创新绩效是多种复杂因素联动作用的结果,研究区域创新绩效需从整体角度探寻影响因素间的内在关联性[1]。技术—组织—环境生态(Technology-Organization-Environment Framework ,简称TOE)理论框架具有系统性、灵活性和实践导向,能揭示复杂驱动机制,为差异化发展策略提供科学依据。本文基于TOE理论框架,采用NCA和fsQCA研究方法,以探讨复杂因果链条,为区域创新研究提供更全面、深入的分析框架,为提升区域创新能力和推动区域协调发展提供新的理论视角与实践启示。

1 文献回顾

有学者采用TOE+QCA研究方法,聚焦企业层面的创新问题分析,例如瞪羚企业商业模式创新的多元路径[2]、驱动能源型企业绿色创新绩效的整合性分析[3]、能源企业绿色创新的驱动因素研究[4],以及企业原始创新绩效[5]与颠覆式创新绩效探究[6]。相比于企业层面,采用TOE+QCA研究方法探究区域层面创新绩效的研究成果较少。

此外,现有区域创新绩效影响研究多局限于单一因素对区域创新绩效的线性作用,因此只有一个核心解释变量。国外研究中,有学者关注到社会资本、区域创新能力与区域创新关系的复杂性、互为循环性[7],并以美国私营企业为样本,探究社会资本是否以及在何种程度上影响区域创新[8];还有研究侧重分析大学在区域创新[9]、创业[10]中的调节作用以及地区学术参与度[11]对区域创新的影响;或基于地区创新战略比较区域创新体系[12];或研究区域产业结构如何调节内向型FDI溢出对地区创新绩效的影响[13]以及工业4.0转型背景下英国谢菲尔德地区创新组态路径[14];或是从技术导向角度分析区域创新能力[15] 。国内研究中,有学者实证检验互联网发展对技术创新的线性、非线性影响并探讨知识产权保护在该过程中的作用机理[16],以及人工智能对技术创新的影响和创新环境的中介效应[17];还有学者分析数字化对区域创新绩效的影响并对创新网络在数字化与区域创新绩效间的作用机制进行检验[18],探究新型基础设施建设对区域创新创业活跃度的影响及作用机制[19]。综上所述,大多数研究分析了单一因素对区域创新绩效的积极作用,但忽略了多影响因素联动对区域创新绩效的综合作用。

本文的创新之处在于:①将TOE+QCA研究方法与区域创新绩效分析相结合,相较于已有的企业层面研究,扩展了该研究范式的应用范畴;②区别于现有区域创新影响因素的线性作用分析,本文聚焦区域创新绩效前因条件联动匹配的组态效应分析,在构建区域创新绩效TOE研究模型基础上引入多个前因条件,探究区域创新绩效组态路径和联动效应。

2 研究设计

2.1 研究模型

2.1.1 理论基础

TOE框架(Technology-Organization-Environment Framework)于1990 年由Tornatzky等提出,是一个描述技术创新过程如何受到技术、组织以及环境因素影响的理论框架。其中,技术因素包括技术自身特征(Characteristics)以及可用性(Availability);组织因素主要包括组织结构(Structure)、组织规模(Size)、组织沟通机制(Linking and Communication)等;环境因素包括基础设施支持(Support Facility)、政府管制政策(Government Regulation)等(谭海波等,2019)。TOE框架并未具体指明三类因素的解释变量,具有较强灵活性与可操作性。早期的TOE理论框架被应用于微观组织的科技创新分析,学者们根据研究情景和实践经验,不断对TOE理论框架进行拓展和补充,使其应用场景从单一特定的微观组织拓展到中观甚至宏观层面,现已被广泛应用于创新政策、战略变革、商业模式创新、公共卫生治理绩效、大数据产业发展水平、工业数字化水平等领域研究[20]。

借鉴王进富[21]的研究思路,本文采用TOE理论框架分析区域创新绩效。技术因素(Technology)方面,包含技术投入(Input)与技术能力(Capability)两个维度;组织条件(Organization)方面,包含组织结构(Structure)与组织联系(Linkage)两个维度;环境条件(Environment)方面,包含政策环境(Policy)与设施环境(Facility)两个维度,构建研究模型如图1所示。

基于文献研究发现,区域创新具有多重并发和殊途同归特点,即技术、组织、环境要素均不是单独导致高创新绩效的必要条件,高创新绩效是多种前因条件共同作用的结果[5]。结合TOE理论框架,技术(T)、组织(O)和环境(E)三类前因条件组合可归纳为4种类型,即技术—组织驱动型(T—O驱动型)、技术—环境驱动型(T—E驱动型)、组织—环境驱动型(T—E驱动型)和技术—组织—环境驱动型(T—O—E驱动型)。

2.1.2 变量选取

(1)结果变量。新产品销售收入常用于反映一个地区创新产出和绩效。根据李爱国(2023)、李旭辉(2023)、汪凌[22]和陈旭升[23]的研究,本文选取新产品销售收入(万元)衡量创新绩效(Innovation)。

(2)条件变量,具体包括技术、组织与环境3个方面。具体如下:

技术条件(Technology),本文从技术投入与技术能力两个维度衡量。在技术投入维度,借鉴YOO[24]、王锋正[25]等的研究,选取R&D人员全时当量和R&D经费支出作为区域技术投入衡量指标。其中,R&D人员全时当量是全时人员数与按工作量非全时人员数折算为全时人员数的总和,R&D经费支出是报告期内R&D活动实际发生的全部经费支出。在技术能力维度,由于专利授权量能够体现技术层面的区域创新能力,因此借鉴陈邑早(2022)、曾经纬[5]等的研究,本文选取专利授权数衡量技术能力。

组织条件(Organization),本文从内部与外部两个维度分析。在组织内部,由于法人单位数反映组织结构规模,同时,第二产业产值占GDP的比重反映组织结构变化。借鉴鲍鹏程等[26]的研究,本文选取组织结构(Structure)作为组织内部条件的衡量指标。该指标由法人单位数和第二产业产值占GDP的比重进行熵值法计算测定。在组织外部,借鉴陈琦[27]和于世海[28]的研究,选取组织联系(Linkage)作为衡量组织外部条件的衡量指标。具体而言,从客运量、货运量、邮政业务总量、电信业务总量4个方面进行测评并采用熵值法进行综合打分。其中,客运量是一定时期内各种运输工具实际运送的旅客数量;货运量是一定时期内各种运输工具实际运送的货物重量;邮政业务总量是以货币形式表示的邮政企业为社会提供的各类邮政服务总量;电信业务总量是以货币形式表示的电信通信企业为全社会提供各类电信通信服务的总数量。

环境条件(Environment),本文从软环境和硬环境两个方面进行分析。软环境方面,由于科学技术支出反映地方政府对区域创新的政策支持力度。参考王欣亮(2022)和鲍鹏程[26]的研究,本文选取政策环境(Policy)作为硬环境条件的衡量指标。具体地,由地方财政支出中科学技术支出占比衡量。硬环境方面,参考王雪原(2022)和卢飞[29]等的研究,选取互联网设施环境(Facility)作为硬环境衡量指标。具体地,从域名数、网页数、互联网宽带接入端口数、移动互联网接入流量4个方面采用熵值法进行综合打分。上述指标反映一个地区的互联网设施水平。变量解释与说明如表1所示。

2.2 研究方法

2.2.1 必要条件分析

必要条件分析(Necessary Condition Analysis,简写为NCA)是一种新兴的用于科学研究的数据分析方法,由荷兰伊拉斯姆斯大学教授Jan Dul于2016年提出。本文中效应量d的计算方式如式(1)所示。

(1)

其中,d表示效应,C为上限区,S为范围,计算方法如式(2)所示。

S=(Xmax-Xmin)×(Ymax-Ymin)

(2)

2.2.2 模糊集定性比较分析

定性比较分析(Qualitative Comparative Analysis,简称QCA)是一种基于集合论与布尔代数的数据分析方法,用于检验变量与结果的条件关系。该方法于1987年由美国加利福尼亚大学教授Ragin提出。模糊集定性比较分析(fuzzy sets Qualitative Comparative Analysis,简写为fsQCA)是QCA的一个分支。

其中,原始一致性(Raw Consistency)的计算如式(3)所示。

(3)

原始覆盖率(Coverage)的计算如式(4)所示。

(4)

PRI一致性(PRI Consistency)的计算如式(5)所示。

PRI Consistency=

(5)

fsQCA可以识别必要关系,但其只能定性分析某条件是否为必要条件,无法反映必要程度[30]。NCA与fsQCA方法优势互补,二者相结合能更好地挖掘因果复杂关系[31]。因此,本文将NCA方法与QCA方法相结合,研究区域创新绩效。

2.3 数据处理

本文数据来源于《中国统计年鉴》《中国科技统计年鉴》等官方统计资料,以及Wind数据库、CSMAR(国泰安)数据库等专业数据平台。数据均通过MATLAB编程工具进行了标准化处理,以确保数据可比性和分析有效性。

2.3.1 数据测定

熵值法(Entropy Method)作为一种客观赋权方法,被广泛用于综合评价。这里的“熵”是指每个样本中所包含的信息平均量。本文中的前因条件,即技术投入、组织结构、组织联系、设施环境均由熵值法测量得到。

2.3.2 数据校准

Ragin提出3种校准方法——直接赋值法、直接校准法和间接校准法。其中,直接校准法采用统计模型,凸显正式化,是较为常用的校准方法。其利用逻辑函数,依据1(完全隶属)、0.5(交叉点)和0(完全不隶属)三个锚点校准原始数据[32]。通常,当出现0.5时增加一个微小数值(0.001)以避免该值被剔除(张明,2019)。本文使用fsQCA软件,以0.75、0.5、0.25作为校准点,校准后当出现0.5时增加0.001以避免被剔除。校准后结果如表2所示。

3 研究结果

3.1 必要条件分析

3.1.1 NCA分析结果

在 NCA 方法中必要条件需满足两个要求,即效应量(d)不小于 0.1[33],且蒙特卡洛仿真置换检验显示效应量显著[34]。必要条件分析结果如表3所示。

在技术方面,技术投入的效应量为0.398>0.3,P值为0,通常认为技术投入的必要程度达到高水平;技术能力的效应量为0.388>0.3,P值为0,通常认为技术能力的必要程度也达到高水平,二者的上限包络函数与上限回归函数如图2所示。 在组织方面,组织结构的效应量为0.093<0.1,P值为0,通常认为组织结构的必要程度较弱;组织联系的效应量为0.289<0.3且>0.1,P值为0,通常认为组织联系的必要程度处于中等水平,二者的上限包络函数与上限回归函数如图3所示。

在环境方面,政策环境的效应量为0.130<0.3且大于0.1,P值为0,通常认为政策环境的必要程度处于中等水平;设施环境的效应量为0.130<0.3且大于0.1,P值为0,通常认为设施环境的必要程度处于中等水平,二者的上限包络函数与上限回归函数如图4所示。

综上所述,必要程度处于高水平的前因条件有技术投入(Input)与技术能力(Capability)。必要程度处于中等水平的前因条件有组织联系(Linkage)、政策环境(Policy)、设施环境(Facility)。必要程度处于低水平的前因条件是组织结构(Structure)。

3.1.2 NCA瓶颈水平分析结果

瓶颈水平(%)是指达到结果最大观测范围的水平[31]。NCA方法中的瓶颈水平分析结果如表4所示。

观察发现,在不同区域创新水平(10%～100%)下,技术投入、技术能力、组织结构、组织联系、政策环境、设施环境6个前因条件都存在瓶颈效应。

3.2 模糊集定性比较分析

3.2.1 单个条件必要性分析

在fsQCA 中,当结果发生时某个条件始终存在,那么该条件就成为结果的必要条件[32]。一致性是必要条件的重要检测标准,当一致性大于 0.9 时,该条件就是结果的必要条件[35]。同时,必要条件的覆盖度通常较高,远低于0.5的情况较为罕见,通常予以剔除[36]。本文使用fsQCA软件对数据进行单个条件的必要性分析,结果如表5所示。

以0.75、0.5、0.25作为校准点,进行单因素必要性分析。结果显示,技术投入(Input)的一致性大于0.9,因此技术投入(Input)可能是影响创新绩效(Innovation)的必要因素。

3.2.2 fsQCA条件组态充分性分析

在实际操作过程中,普遍遵循的准则是:频数阈值至少保留总案例数75%的比例。在原始一致性方面,fsQCA方法专家提出最低阈值为0.8[37]。在结果方面,通常输出三类,即复杂解、中间解、简约解。其中,中间解被认为是fsQCA研究中汇报和诠释的首选[38]。本文使用fsQCA软件,对条件组态进行充分性分析,剔除原始一致性低于0.9的组态和一致性低于0.7的组态,结果如表6所示。

高区域创新绩效模型解的总体一致性为0.941,总体覆盖率为0.874,均高于标准。从简单解来看,核心条件中技术能力(Capability)与组织联系(Linkage)同时存在,或技术能力(Capability)与设施环境(Facility)同时存在,且两种组合均存在于三条中间解的组态路径中。从中间解来看,边缘条件中的技术投入(Input)、组织结构(Structure)与政策环境(Policy)之间存在一定程度的替代效应(任意两个边缘条件同时存在可替代另一个边缘条件)。与大多数模型不同,此模型中间解的每条组态路径均对应简单解的两条组态路径。参考Pappas i o[39] 的方法,本文将两条简单解的路径进行合并,共同作为核心条件,即中间解的3条组态路径具有相同的一阶组态路径(S),但存在3个不同的二阶组态路径(S1、S2和S3),其核心条件均为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),边缘条件为技术投入(Input)、组织结构(Structure)和政策环境(Policy)中的任意二者搭配。

低区域创新绩效模型解的总体一致性为0.967,总体覆盖率为0.843,均大于标准值。从核心条件来看,呈现一条一阶组态路径和三条二阶组态路径,缺失的核心条件均为技术投入(Input)与技术能力(Capability)。从边缘条件来看,二阶组态路径～S1缺失的边缘条件为组织联系(Linkage)、政策环境(Policy)和设施环境(Facility);二阶组态路径～S2缺失的边缘条件为组织结构(Structure)、组织联系(Linkage)和设施环境(Facility);二阶组态路径～S3缺失的边缘条件为组织结构(Structure)和政策环境(Policy),存在的边缘条件是设施环境(Facility)。不难发现,高区域创新绩效模型的解与低区域创新绩效模型的解是非对称的,符合QCA分析中的非对称因果关系。

条件组态S1的核心条件为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),边缘条件为技术投入(Input)和组织结构(Structure)。这表明在技术能力强、组织联系频繁、设施环境水平高的地区,技术投入越多、组织结构越复杂,该区域创新绩效越高。条件组态S1的一致性为0.978,该组态路径可以解释71.5%的高创新绩效案例,其中7.4%的案例仅由该路径解释,代表性地区有浙江(1,1)、广东(1,1)、江苏(0.99,1)、河南(0.96,0.89)、山东(0.95,1)、福建(0.84,0.82)、河北(0.79,0.92)、安徽(0.74,1)、四川(0.71,0.65)、湖北(0.64,0.99)、湖南(0.63,0.98)、江西(0.501,0.92)。具体来看,在条件组态S1案例中,浙江与广东在所有前因条件上都占据绝对优势;江苏在技术投入、技术能力、组织结构、组织联系和政策环境上占据绝对优势;河南在组织结构上占据绝对优势;山东在技术投入、技术能力、组织结构、组织联系上占据绝对优势;安徽在政策环境上占据绝对优势;其余省份在不同前因条件上处于优势或劣势。其中,河北在组织方面占有优势,即组织结构和组织联系水平较高,设施水平也较高,因此河北在条件组态S1中具有代表性。组态S1下的全部案例分布和符合组态S1的案例分布如图5所示,其中,横轴表示组态S1,纵轴表示区域创新绩效。

条件组态S2的核心条件为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),边缘条件为技术投入(Input)和政策环境(Policy)。这表明在技术能力强、组织联系频繁、设施环境水平高的地区,技术投入越多、政策环境优越,该地区创新绩效越高。条件组态S2的一致性为0.984,较高,该组态路径能解释69.4%的高创新绩效案例,其中,5.3%的案例仅由该路径解释。代表性地区有浙江(1,1)、广东(1,1)、江苏(0.99,1)、河南(0.95,0.89)、山东(0.93,1)、上海(0.87,0.95)、福建(0.84,0.82)、安徽(0.74,1)、四川(0.71,0.65)、湖北(0.64,0.99)、湖南(0.63,0.98)、江西(0.501,0.92)。具体来看,在条件组态S2案例中,浙江与广东两省在所有前因条件上均占据绝对优势;江苏在技术投入、技术能力、组织结构、组织联系和政策环境上占据绝对优势;河南在组织结构上占据绝对优势;山东在技术投入、技术能力、组织结构、组织联系上占据绝对优势;安徽在政策环境上占据绝对优势。其余省份拥有不同优势或弱势的前因条件。其中,上海技术能力较强且组织联系较频繁,在两种环境方面也表现突出,即政策环境与设施环境均较佳,因此上海是条件组态S2中的代表性城市。组态S2下的全部案例分布和符合组态S2的案例分布如图6所示。其中,横轴表示组态S2,纵轴表示区域创新绩效。

条件组态S3的核心条件为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),边缘条件为组织结构(Structure)和政策环境(Policy)。这表明在技术能力强、组织联系频繁、设施环境水平高的地区,组织结构越复杂、政策环境越优越,其创新绩效越高。条件组态S3的一致性为0.983,数值较高,该组态路径能解释65.0%的高创新绩效案例,其中,0.9%的案例仅由该路径解释。代表性地区有浙江(1,1)、山东(1,1)、江苏(0.99,1)、河南(0.95,0.89)、山东(0.93,1)、福建(0.84,0.82)、安徽(0.74,1)、四川 (0.71,0.65)、湖北(0.64,0.99)、湖南(0.63,0.98)、北京(0.54,0.85)、江西(0.501,0.92)。具体来看,在条件组态S3的案例中,浙江与广东在所有前因条件上均占据绝对优势;江苏在技术投入、技术能力、组织结构、组织联系和政策环境上占据绝对优势;河南在组织结构上占据绝对优势;山东在技术投入、技术能力、组织结构、组织联系上占据绝对优势;安徽在政策环境上占据绝对优势。其余省份拥有不同处于优势或弱势的前因条件。其中,湖南在技术投入与组织联系方面具有优势,因此湖南在条件组态S3中具有代表性。组态S3下的全部案例分布和符合组态S3的案例分布如图7所示。其中,横轴表示组态S3,纵轴表示区域创新绩效。

由3条组态路径的分析结果可知,组态S1、S2和S3的一致性均高(分别为0.978、0.984和0.983),不同的是,组态S1的原始覆盖率较高(为71.5%),组态S2与组态S3的原始覆盖率略低(分别为69.4%和65.0%)但均在可接受范围内;3条组态路径具有相同的一阶组态路径(S),即其核心条件均为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),但存在3个不同的二阶组态路径(S1、S2和S3),其边缘条件为技术投入(Input)、组织结构(Structure)和政策环境(Policy)中的任意两者搭配,并且三者之间存在一定程度的替代效应。这表明在技术能力强、组织联系频繁、设施环境较好的情况下,充足的技术投入+复杂的组织结构(S1)、充足的技术投入+优越的政策环境(S2)、复杂的组织结构+优越的政策环境(S3)均可以提升区域创新绩效。

3.3 稳健性检验

3.3.1 检验方法与过程

本文采用替换校准点的方法,将原来的校准点即0.75、0.5和0.25提高至新标准,即0.85、0.5和0.15,其它保持不变,重复使用fsQCA进行单因素必要性分析和多条件组态分析。校准点如表7所示。

3.3.2 结果检验与分析

单因素必要性分析的稳健性检验结果如表8所示,多因素组态分析的稳健性检验结果如表9所示。

技术投入(Input)的一致性为0.945、技术能力(Capability)的一致性为0.904,均大于0.9,说明技术投入(Input)与技术能力(Capability)可能是产生高区域创新绩效的必要条件。

稳健性检验结果显示,高创新绩效模型解的总体一致性为0.975,总体覆盖率为0.802,均满足要求。从核心条件来看,三条路径的核心条件均为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),即三条路径具有相同的一阶组态(S*(=S)),以及3个不同的二阶组态和从边缘条件来看,技术投入(Input)、组织结构(Structure)和政策环境(Policy)三者之间存在一定程度的替代效应(任意两个边缘条件可替代另一个边缘条件)。稳健性检验中低创新绩效模型解的总体一致性为0.982,总体覆盖率为0.826,均满足要求。此外,出现一条一阶组态路径的三条二阶组态路径,其核心条件均为技术投入(Input)和技术能力(Capability)。从缺失的边缘条件来看,二阶组态路径～S1缺失的边缘条件为组织联系(Linkage)、政策环境(Policy)和设施环境(Facility);二阶组态路径～S2缺失的边缘条件为组织结构(Structure)、组织联系(Linkage)和设施环境(Facility);二阶组态路径～S3缺失的边缘条件为组织结构(Structure)和政策环境(Policy),存在的边缘条件是设施环境(Facility)。稳健性检验结果与先前研究结果基本一致,具体分析如下:

条件组态的核心条件与条件组态S1相同,均为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),条件组态的边缘条件也与条件组态S1相同,均为技术投入(Input)和组织结构(Structure)。条件组态的一致性为0.974,该组态路径能解释约74.7%的高区域创新绩效案例,其中7.8%的案例仅由该路径解释。条件组态的核心条件与条件组态S2相同,均为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),条件组态的边缘条件也与条件组态S2相同,均为技术投入(Input)和政策环境(Policy)。条件组态的一致性为0.982,该组态路径能解释约71.6%的高区域创新绩效案例,其中4.7%的案例仅由该路径解释。条件组态的核心条件与条件组态S3相同,均为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),条件组态的边缘条件也与条件组态S3相同,均为组织结构(Structure)和政策环境(Policy)。条件组态的一致性为0.982,该组态路径能解释约67.7%的高区域创新绩效案例,其中0.8%的案例仅由该路径解释。稳健性检验结果与先前研究基本一致,表明原研究结果稳健。

4 结论与建议

4.1 研究结论

本文在TOE理论框架下,基于NCA和fsQCA方法,研究区域创新绩效提升的前因条件以及组态路径。结果显示,一阶条件组态路径一条,二阶条件组态路径三条。其中,第一条组态路径的核心条件为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),边缘条件为技术投入(Input)和组织结构(Structure),表明当技术能力强、组织联系频繁、设施环境水平高时,技术投入越充足、组织结构越复杂的区域,其创新绩效越高。第二条组态路径的核心条件为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),边缘条件为技术投入(Input)和政策环境(Policy),表明在技术能力强、组织联系频繁、设施环境好的情况下,技术投入越充足、政策环境越优越的区域,其创新绩效越高。第三条组态路径的核心条件为技术能力(Capability)、组织联系(Linkage)和设施环境(Facility),边缘条件为组织结构(Structure)和政策环境(Policy),表明在技术能力强、组织联系频繁、设施环境好的情况下,组织结构越复杂、政策环境越优越的区域,其创新绩效越高。

此外,通过组态分析还发现,作为边缘条件的技术投入(Input)、组织结构(Structure)和政策环境(Policy)之间存在一定程度的替代效应(任意两个边缘条件可替代另一个边缘条件)。综上所述,在三条二阶组态路径下,技术能力(Capability)、组织联系(Linkage)和设施环境(Facility)均为核心条件,3个前因条件在区域创新绩效提升过程中发挥重要作用。

4.2 理论贡献

本研究发现提升区域创新绩效的“双三角效应”,即分别由技术能力(Capability)、组织联系(Linkage)、设施环境(Facility)组成“核心三角”,由技术投入(Input)、组织结构(Structure)以及政策环境(Policy)组成“边缘三角”。从核心条件角度,通过技术能力、组织联系和设施环境三个条件能有效实现区域创新绩效提升;从边缘条件角度,技术投入、组织结构和政策环境之间存在一定程度的替代效应,即通过增强两个边缘条件可等效替代余下较弱或无法得到增强的边缘条件,进而促进区域创新绩效提升。

4.3 管理启示

(1)技术能力方面,提高区域创新绩效,科研水平是关键。在积极学习新技术的同时,加大专利引进,促进技术能力提升。此外,不断完善科研管理模式与创新机制。各地区要将提高自身技术能力作为区域创新发展的基础,在技术创新中抢抓先发优势,以技术优势推动区域创新绩效提升。

(2)组织联系方面,我国区域发展存在显著差异,这种不平衡对区域创新绩效提升存在较大阻碍。可引导地区加强联系与沟通,促进区域创新要素无缝对接,进而助力区域创新优势互补和成果共享,推动区域创新绩效提升。

(3)设施环境建设方面,首先,加大网络基础设施建设、促进不同地区协同发展,以此推动区域创新绩效提高。其次,加大核心技术投入,发挥财政资金引导作用,构建互联网人才培养体系,开展互联网基础知识和应用培训,不断完善网络治理体系,提高互联网发展水平,进而推动区域创新绩效提升。最后,重点关注农村居民互联网应用,不断缩小城乡居民间的“数字鸿沟”,以良好的设施环境促进区域创新绩效提升。

4.4 不足与展望

本文仍存在一些不足:首先,采用的NCA方法和传统fsQCA分析方法未将时间因素影响纳入研究范围,未来可采取其它模型或研究范式,将时间序列的影响纳入研究范畴。其次,本文聚焦中观层面,以省级行政区划为单位,未对具体城市创新绩效进行组态路径研究,未来可选取城市数据进行中观层面研究。最后,本文主要是针对31个省级行政区划创新绩效提升进行组态分析,未对重点经济带(例如长三角、珠三角)进行针对性分析,后续研究可进一步从地理经济学角度研究其空间特征。

参考文献：

[1] 彭永涛, 侯彦超. 区域创新能力提升条件组态路径研究——基于中国内地29个省市的QCA分析[J].科技进步与对策, 2020, 37(23): 54-62.

[2] 姜宝山, 李依媛. 基于TOE框架的瞪羚企业商业模式创新多元路径研究[J].科学与管理, 2021, 41(6): 21-30.

[3] 单婷婷, 黄卫东, 邱兆轩. TOE框架下能源型企业绿色创新绩效的“殊途同归”效应分析[J].物流科技, 2021, 44(12): 14-20.

[4] 欧阳榕襄. TOE框架下能源企业绿色创新的驱动因素研究——基于面板数据的动态QCA分析[J].西安石油大学学报(社会科学版), 2024, 33(1): 1-8.

[5] 曾经纬, 李柏洲, 宋鹏, 等. 企业原始创新驱动路径研究——基于TOE框架的组态分析[J].科技进步与对策, 2023, 40(1): 71-80.

[6] 冯立杰, 李燕燕, 王金凤, 等. 组态视角下后发企业颠覆式创新驱动模式研究[J].科技进步与对策, 2024, 41(10): 89-98.

[7] PARK J. The meaning of social capital and its link to regional innovation[J]. The Korea Spatial Planning Review, 2019, 103: 79-98.

[8] KOBEISSI N, HASAN I, WANG B, et al. Social capital and regional innovation: evidence from private firms in the US[J].Regional Studies, 2023, 57(1): 57-71.

[9] THEERANATTAPONG T, PICKERNELL D, SIMMS C. Systematic literature review paper: the regional innovation system-university-science park nexus[J].The Journal of Technology Transfer, 2021, 46(6): 2017-2050.

[10] THOMAS E, FACCIN K, ASHEIM B T. Universities as orchestrators of the development of regional innovation ecosystems in emerging economies[J].Growth and Change, 2021, 52(2): 770-789.

[11] RAPINI M S, CHIARINI T, STEIN A DE Q. Universities in inclusive regional innovation systems: Academic engagement and uneven knowledge use in Brazil[J].Journal of Regional Science, 2024, 64(1): 108-135.

[12] OZEN B S, BAYCAN T. A comparison of innovation strategies of regional development agencies in Turkey[J].Economic and Social Changes-Facts Trends Forecast, 2022, 15(3): 236-258.

[13] GARCIA R, ARAUJO V, MASCARINI S, et al. How industrial diversity shapes the effects of foreign direct investment spillovers on regional innovation[J].International Regional Science Review, 2023, 46(1): 98-122.

[14] MARTINS J T, HUKAMPAL SINGH S. Boundary organisations in regional innovation systems: traversing knowledge boundaries for industry 4.0 regional transformations[J].R&D Management, 2023, 53(3): 364-390.

[15] PARK H, ANDERSON T R, SEO W. Regional innovation capability from a technology-oriented perspective: an analysis at industry level[J].Computers in Industry, 2021, 129: 103441-103459.

[16] 陈伟, 邓堯, 李玉山, 等. 互联网发展对技术创新的影响研究——基于知识产权保护的视角[J].科研管理, 2024, 45(3): 151-160.

[17] 陈伟, 邓堯, 杨柏, 等. 人工智能能否赋能区域技术创新——创新环境的中介效应[J].科技进步与对策, 2024, 41(10): 57-66.

[18] 欧阳娟, 唐开翼, 任浩, 等. 数字化如何赋能区域创新效率提升——基于创新网络的作用机制[J].科技进步与对策,2025,42(2):40-50.

[19] 王亚飞, 石铭, 刘静, 等. 新型基础设施建设对区域创新创业活跃度的影响研究[J].管理学报, 2024, 21(5): 711-720.

[20] 乔晗, 李卓伦, 黄朝椿. 数据要素市场化建设的影响因素与提升路径——基于复杂经济系统管理视角的组态效应分析[J].外国经济与管理, 2023, 45(1): 38-54.

[21] 王进富, 邱婧, 张颖颖. 多要素驱动区域创新链耦合协调度提升的路径研究——TOE框架下的fsQCA分析[J].科技进步与对策, 2023, 40(4): 34-44.

[22] 汪凌, 邹建辉, 高心仪. 长江经济带协同创新发展水平测度、区域差异及空间分布[J].统计与决策, 2023, 39(22): 117-122.

[23] 陈旭升, 汪鹏飞, 张旭东. 数智赋能区域传统工业企业创新路径研究——基于TOEP理论框架[J].科技进步与对策, 2024, 41(2): 68-78.

[24] YOO G, KIM D. Decomposition analysis on performance of regional innovation applying logarithmic mean divisia index(LMDI)[J]. The Journal of Industrial Innovation, 2021, 37(1): 37-63.

[25] 王锋正, 刘向龙, 张蕾, 等. 数字化促进了资源型企业绿色技术创新吗 [J].科学学研究, 2022, 40(2): 332-344.

[26] 鲍鹏程, 朱付彪. 数字经济对区域创新影响的实证检验[J].统计与决策, 2023, 39(16): 101-105.

[27] 陈琦, 李风. 市场规模、要素集聚对区域创新能力的影响[J].统计与决策, 2023, 39(11): 100-105.

[28] 于世海, 王梦乐, 孔令乾. 数字贸易发展与区域创新耦合协调性的时空格局与收敛性[J].科技管理研究, 2023, 43(13): 91-102.

[29] 卢飞, 袁苏湘, 范斐. 国家级新区对区域创新的影响——基于中国280个城市的实证[J].统计与决策, 2023, 39(18): 179-183.

[30] VIS B, DUL J. Analyzing relationships of necessity not just in kind but also in degree[J].Sociological Methods &Research, 2018, 47(4): 872-899.

[31] 杜运周, 刘秋辰, 程建青. 什么样的营商环境生态产生城市高创业活跃度——基于制度组态的分析[J].管理世界, 2020, 36(9): 141-155.

[32] RAGIN C C. Redesigning social inquiry: fuzzy SETS and beyond[M].Chicago: University of Chicago Press, 2008.

[33] DUL J. Necessary condition analysis (NCA): logic and methodology of "necessary but not sufficient" causality[J].Organizational Research Methods, 2016, 19(1): 10-52.

[34] DUL J, VAN DER LAAN E, KUIK R. A statistical significance test for necessary condition analysis[J].Organizational Research Methods, 2020, 23(2): 385-395.

[35] FISS P C. A set-theoretic approach to organizational configurations[J].Academy of Management Review, 2007,32(4):1180-1198.

[36] SCHNEIDER C Q, WAGEMANN C. Set-theoretic methods for the social sciences:a guide to qualitative comparative analysis[M].Cambridge: Cambridge University Press, 2012.

[37] RIHOUXB, RAGIN C C. Configurational comparative methods: qualitative comparative analysis(QCA)and related techniques[M].Thousand Oaks: Sage Publications, 2009.

[38] SCHNEIDER C Q, WAGEMANN C. Doing justice to logical remainders in QCA:moving beyond the standard analysis[J].Political Research Quarterly, 2013, 66(1): 211-220.

[39] PAPPAS I O,WOODSIDE A G.Fuzzy-set qualitative comparative analysis (fsQCA): guidelines for research practice in information systems and marketing[J].International Journal of Information Management, 2021, 58: 102310-102333.

(责任编辑:胡俊健)