Mechanisms and Pathways of Enterprise Innovation Leap Based on the Innovation Recombination Theory: The Moderating Role of Enterprise Digitalization Level

Wang Liya1, Wang Shuxiang2, Liang Mengmeng2, Zhou Qian3

(1.School of Business Administration, Shanxi University of Finance and Economics, Taiyuan 030006, China;2.School of Economics and Management, Beijing Jiaotong University, Beijing 100044, China;3.School of Business Administration, Shandong Women's University, Jinan 250300, China)

Abstract：Currently, China's economy has entered a new normal after a period of rapid development, with market demand gradually becoming saturated and the limitations of exploitative innovation increasingly evident. The transition from exploitative innovation to exploratory innovation, known as an innovation leap, is considered a crucial strategy for enterprises to escape from existing innovation routines, identify future technological trajectories, and seize R&D opportunities. If enterprises lack the capability to achieve an innovation leap from exploitative innovation to exploratory innovation, they risk falling into the “exploitative innovation trap” due to their inability to cross the innovation gap in shifting innovation models. Consequently, enterprises urgently need to upgrade and transform their ambidextrous innovation models to break free from the trap. Particularly in the current context of restrictions on key core technologies, enhancing innovation openness has become a critical pathway for enterprises to access external resources and achieve innovation leap. However, previous research has rarely examined the antecedent mechanisms of innovation leap, and there is a lack of exploration into innovation leap in the digital context. To address these research gaps, this study analyzes how innovation openness influences enterprise innovation based on innovation recombination theory.

This study constructs a pathway for achieving enterprise innovation leap based on innovation recombination theory. Using a panel data set of 330 Chinese A-share listed companies spanning the period 2007 to 2024, it empirically examines how innovation recombination differences, manifested in knowledge flexibility and knowledge complexity triggered by the breadth and depth of innovation openness, affect enterprises' innovation leap, as well as the moderating role of enterprise digitalization level in the above relationship.

The study results indicate that the innovation openness breadth positively facilitates the innovation leap from exploitative innovation to exploratory innovation by enhancing knowledge flexibility, while the innovation openness depth exhibits an inverted U-shaped effect on the innovation leap due to increased knowledge complexity. Furthermore, enterprises' digitalization level positively moderates the relationship between innovation openness breadth and innovation leap, and further strengthens the inverted U-shaped relationship between innovation openness depth and innovation leap.

The theoretical contributions of this paper are presented as follows. First, departing from previous studies which have narrowly focused on the consequences of enterprise innovation leap, this paper shifts the focus to the influence mechanism of innovation openness on innovation leap, expanding the knowledge-based antecedents of innovation leap, answering the question of “how innovation leap occurs”. Second, based on innovation recombination theory, this paper distinguishes between the breadth and depth of innovation openness and thoroughly investigates their differential effects on the innovation leap through the distinct recombination mechanisms of knowledge flexibility and knowledge complexity. Thereby, it not only provides a novel theoretical perspective for research on innovation leap but also extends the application boundaries of innovation recombination theory. Finally, this paper introduces the moderating role of enterprise digitalization level in the impact of innovation openness on innovation leap. It delves into the mechanism and impact of digitalization level on changes in enterprises' ambidextrous innovation strategy decisions. The findings not only broaden the research scope of enterprise digitalization but also enrich and deepen the theoretical understanding of ambidextrous innovation strategic management in a digital context.

To foster a virtuous cycle between exploitative innovation and exploratory innovation, enterprises should adopt open innovation strategies while balancing the breadth and depth of openness. Expanding openness breadth requires actively collaborating with suppliers, universities, research institutions, and other external partners to integrate diverse knowledge resources, which fuels sustained innovative breakthroughs. For openness depth, enterprises need moderately close, long-term stable partnerships with collaborators to facilitate effective knowledge sharing and conversion. They should avoid over-reliance on narrow knowledge domains to maintain an optimal level. Additionally, advancing digital transformation is critical. Enterprises can leverage cloud computing, big data, and AI to build a flexible, efficient innovation ecosystem. When enterprises strengthen their capabilities in data analysis and opportunity identification, they can achieve innovation leaps at lower transition costs and enhance the scientific rigor and adaptability of their innovation strategy decisions.

Key Words：Innovation Recombination;Enterprise Innovation Leap; Innovation Openness Breadth; Innovation Openness Depth; Digitalization Level

DOI：10.6049/kjjbydc.D82025050186

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2026)11-0079-11

收稿日期：2025-05-08

修回日期：2025-08-11

基金项目：教育部哲学社会科学研究重大课题攻关项目(23JZD009);中央高校基本科研业务费专项资金资助项目(2023JBWG008)

作者简介：王莉雅(1994-),女,山西太原人,博士,山西财经大学工商管理学院讲师,研究方向为数字经济、知识与创新管理;王树祥(1969-),男,内蒙古赤峰人,博士,北京交通大学经济管理学院教授、博士生导师,研究方向为知识与创新管理;梁梦梦(2000-),女,河北邯郸人,北京交通大学经济管理学院硕士研究生,研究方向为创新管理;周倩(1989-),女,山东淄博人,博士,山东女子学院工商管理学院副教授,研究方向为知识与创新管理。

0 引言

创新是引领发展的第一动力。改革开放以来,中国企业通过模仿创新、吸收创新进行技术追赶,在诸多领域已实现技术赶超。与此同时,我国创新战略开始由“从1到N”的应用创新转向“从0到1”的自主创新[1]。企业层面,由利用式创新向探索式创新转变,意味着企业创新过程呈现紧凑且剧烈变革的特征,将颠覆现有技术创新轨迹,带来研发投入波动,其表征为企业创新跃迁[2-3]。当前,我国经济已由高速增长阶段转向高质量发展阶段。企业作为创新主体,创新能力跃迁成为其适应高质量发展的必然选择。若企业难以实现从利用式创新向探索式创新跃迁,则可能因无法跨越创新模式转换的“创新鸿沟”而陷入“利用式创新陷阱”,即“引进、学习—落后—再引进、再学习—再落后”的低端循环陷阱。因此,若要突破“利用式创新陷阱”,企业亟需通过双元创新模式升级获取竞争优势。

在利用式创新向探索式创新转换的创新跃迁过程中,企业面临技术轨迹动态转变[4],需要不断学习和吸收新知识。以往学者们强调外来知识的价值,认为企业应突破组织边界,积极与外部行动者建立联系,并高效利用内外部互补性资源促进自身创新[4]。当前,关键核心技术“卡脖子”问题愈演愈烈,提升创新开放度已成为企业突破技术封锁的关键路径[5]。创新开放度有助于企业在动荡环境中搜寻并获取新的创新资源和技术发展轨迹,为追求更高层次的创新活动提供关键外部支持[6]。这意味着创新开放度能够为企业创新跃迁提供新的可能性。因此,有必要从企业创新跃迁视角探讨创新开放度对企业创新活动的影响效应。

创新开放度对企业创新的影响受到众多学者关注。有学者认为,创新开放度积极影响企业创新[7];还有学者认为,创新开放度与企业创新的关系存在最佳开放点,二者呈倒U型关系[5,7]。但相关研究大多未区分探索式创新与利用式创新,且均是基于企业单一创新活动的静态研究,忽略了创新开放度可能影响企业从利用式创新向探索式创新跃迁的动态创新决策。因此,有必要探索创新开放度与企业创新跃迁的关系。创新重组理论强调,不同创新开放度带来的知识结构重组差异对企业创新具有显著影响[4]。不同创新开放广度与创新开放深度可能引致企业知识结构复杂性和灵活性的创新重组差异,进而对企业创新跃迁产生差异化影响。此外,现有相关研究主要聚焦企业创新跃迁对企业绩效或企业失败的影响效应[8-10],鲜少探讨企业创新跃迁前因机制,这不利于企业破解创新跃迁时机。少数探索企业创新跃迁的前因研究也仅考虑管理者特性和企业内部技术知识系统的影响,忽略了开放式创新背景下企业创新开放度的作用。本文基于创新重组视角,从动态层面综合探索创新开放度对企业创新跃迁的影响,旨在进一步深化创新开放度与企业创新关系研究。

数字经济时代,数字化水平提升能够加速企业研发创新与数字技术深度融合[11],促使企业重塑传统研发创新方式,同时也对企业动态掌握创新战略转换时机提出更高要求。因此,企业在制定创新跃迁决策时,亟需嵌入数字化思维,借助数字技术对内外部资源进行优化重组,进而动态掌控创新跃迁轨迹。目前,尽管学者们意识到企业数字化水平对双元创新战略的影响[12],但鲜有研究深入探究企业数字化水平作用于双元创新战略的动态变化过程。数智化时代,企业获取和利用外部知识的方式发生改变,更注重通过智能化手段进行知识搜寻与吸收[13]。创新开放度与数字化水平的适配性,有助于企业精准配置数字技术资源,通过高效资源分配与信息分析,确保创新战略动态转换成功实施。基于此,本文将企业数字化水平作为调节变量,深入探讨企业数字化水平在创新开放度与企业创新跃迁间的影响作用。

本文以2007—2024年中国沪深A股上市企业为研究样本,基于创新重组理论揭示创新开放度影响企业创新跃迁的作用机制,并探讨企业数字化水平在其中的调节作用。

本研究边际贡献如下:第一,以往研究多聚焦于企业创新跃迁结果效应,本文深入探索创新开放度对企业创新跃迁的影响机制,丰富了企业创新跃迁前因研究;第二,将创新开放度细分为广度与深度双维度,揭示其分别通过知识灵活性和知识复杂性重组对创新跃迁的影响,为企业创新跃迁研究提供了新的理论视角;第三,引入企业数字化水平作为调节变量,探究其在创新开放度与创新跃迁间的调节作用,丰富并深化了数字化情境下双元创新战略理论研究。

1 理论分析与研究假设

1.1 创新重组理论

创新重组理论指出,创新源于不同领域专业知识间的随机重组排列、整合与配置[4]。企业所拥有的知识以模块化形式进行分类与储存,并被组织在一个或多个相互关联的知识域中,各知识域由一系列相互联系的认知模式构成[14],而各认知模式由知识属性及属性间的链接构成[15]。企业所拥有的知识域和域间链接强度,以及各知识域内相互关联的认知模式的重组排列可能形成差异化知识结构的复杂性和灵活性,进而影响企业创新成果产生概率与速度[14]。企业知识结构的复杂性体现为企业在特定知识领域内所拥有的认知模式、知识属性及其链接的数量[15]。企业知识结构越复杂,意味着企业在特定领域内能够访问的认知模式越丰富,并通过不同认知模式的创新重组促进企业创新[16]。企业知识结构的灵活性代表企业对知识域内或知识域间添加新元素或建立新链接的开放程度[15]。企业知识结构越灵活,企业越容易跨领域进行知识重组以创造新的创新成果。

企业知识结构并非仅限于内部生成,企业可通过提升创新开放度、在开放中学习改变自身知识结构[17]。知识结构的复杂性和灵活性,会随着不同创新开放度(广度与深度)所带来的知识基础差异,发生不同程度的变化。其中,创新开放广度代表企业与外部主体合作所获取知识的广泛程度[7],其与知识结构的灵活性密切相关。企业创新开放广度越高,越能接触不同领域的新知识,进而提升识别和构建各领域间及各认知模式间新链接的可能性,有利于企业重新配置知识域的认知模式与知识属性[18],提升知识结构的灵活性。创新开放深度代表企业从外部合作中汲取知识的频率及程度[7],其与知识结构的复杂性相关。企业创新开放深度能够增加各认知模式中知识属性及其链接的数量,使特定知识域中各链接间的联系更加紧密并趋于稳定,从而提升企业知识结构的复杂性[14]。基于创新重组理论,本文认为企业创新开放广度与深度差异,可能引致企业知识结构不同程度的灵活性与复杂性,进而对企业创新跃迁产生差异化影响效应。

1.2 企业创新跃迁

探索式创新与利用式创新是两种创新战略范式。其中,利用式创新是企业基于既有知识优化技能、流程和结构以满足市场需求的行为;探索式创新是企业依靠新知识开发新技术、创造新产品,扩展新业务领域和市场以满足未来潜在需求的行为[1]。当前我国已进入高质量发展阶段,由市场驱动的利用式创新难以持续为企业带来价值增量和差异化竞争优势。因此,企业亟需将战略重心转向具有多重价值贡献、更高层次的探索式创新,以实现转型升级。Mudambi等[3]将企业双元创新模式由利用式创新向探索式创新的转型升级过程定义为企业创新跃迁。该过程意味着企业创新过程中会发生紧凑且急剧的变革,企业需要颠覆既有技术轨迹,并实现从“市场驱动,模仿跟随”向“技术引领,创新突破”的决策逻辑重塑。

目前,既有企业创新跃迁研究主要关注企业创新跃迁的作用结果,考察企业创新跃迁对企业绩效[3,8,19]或企业失败[9-10]的影响作用,较少探究企业创新跃迁的前因机制,尚未解答“企业创新跃迁是如何产生的”这一关键问题,这不利于探索企业动态调整创新战略的驱动路径。当前,少数学者从管理者个体心理及行为特征方面探索其对企业创新跃迁的影响,如高管团队注意力[8]、高管过度自信[20]、创始团队矛盾思维等[21],但对企业创新跃迁所涉更深层次知识基础前因缺乏关注。部分研究也仅从知识视角关注企业内部技术知识系统的影响,尚未揭示开放式创新背景下,企业创新开放度引发知识基础差异所发挥的关键作用。从利用式创新向探索式创新跃迁,意味着企业知识基础和技术轨迹急剧变化,这一过程会对企业技术知识储备提出更高要求。为弥补内部知识储备不足,企业需要提升创新开放度,从开放广度与开放深度两方面获取新颖且丰富的知识元素,为创新跃迁奠定基础。因此,本文基于创新重组理论,考察创新开放度对企业创新跃迁的影响作用,探索企业创新跃迁的知识基础前因。

1.3 创新开放度与企业创新跃迁

企业仅依靠自身力量专注内部研发难以满足创新需求,而通过开放式创新从外部合作中搜寻并获取新知识,成为其获得竞争优势的关键途径[22]。开放式创新理论强调,企业需要积极寻求与其他外部组织合作,加速知识在各组织间流动和融合,进而整合多方互补性资源[22]。基于开放式创新理论,Laursen等[7]提出创新开放度的概念,用以刻画企业在创新过程中吸收、整合外部资源的程度,并进一步将其划分为创新开放广度与创新开放深度。其中,创新开放广度强调企业为改善其知识基础所依赖的外部合作主体数量,而创新开放深度反映企业从外部合作中集中获取知识的程度[23]。已有研究表明,创新开放广度与创新开放深度均是促进企业创新的有效战略[6],二者能够从不同路径影响企业知识结构体系构建,进而帮助企业灵活调整创新战略以确保未来可持续竞争优势。

当企业从利用式创新向探索式创新跃迁时,难以仅依靠现有知识基础和知识体系,需要通过提升创新开放广度获取并整合外部知识,进而利用异质性知识实现技术突破。创新开放广度提升可为企业提供更多与外部合作伙伴建立联系的机会,有助于企业获取多元化、多领域新知识,不仅丰富企业知识存量,也提升现有知识与外部知识源创建链接的可能性,进一步提升企业知识结构的灵活性[6]。基于创新重组理论,具有灵活性知识结构的企业更可能在不同知识领域间构建区别于现有范式的知识组合,重新配置知识模式以突破现有技术知识轨迹[18],并通过新知识与旧知识有机耦合增加突破式创新成果,进而实现创新跃迁。知识创造理论表明,从利用式创新向探索式创新的跃迁过程,意味着企业关注点由价值挪用转向价值创造[24]。广泛的外部合作有助于企业突破自身创新思维局限,与外部合作伙伴实现知识共享和价值共创。随着创新开放广度提升,企业能够将外部知识引入内部体系,并以创造性方式将内部知识与异质性知识进行重组及利用,进而产生解决探索式创新问题的多样化选择效应,提高自身探索新知识和新颖性解决方案的潜能,实现从利用式创新向探索式创新跃迁。由此,本文提出如下假设:

H1:创新开放广度积极促进企业从利用式创新向探索式创新跃迁。

创新开放深度是指企业通过外部合作所汲取知识元素的聚焦程度与专业化程度[7]。创新开放深度通过深度合作对相似知识进行吸收和整合,促进企业在现有知识领域培育聚焦能力[25],进一步提高企业知识结构的复杂性。基于创新重组理论,具有复杂性知识结构的企业更有可能在熟练掌握现有知识的基础上识别和选择相关知识元素,建立更有价值的新链接,从而在认知模式间进行创新重组[18]。知识结构的复杂性可为企业提供更为丰富的知识链接模式,不断深化企业对某特定领域知识的认知模式,为探索式创新奠定知识基础,有利于企业从利用式创新向探索式创新跃迁。此外,创新开放深度意味着企业与合作伙伴建立密切且稳定的合作关系,从而促进合作双方互信与互惠[23-24]。高信任和高协作关系能够加速企业对隐性知识的积累和转移,进而开发难以模仿的新技术并形成技术保护屏障,有助于企业实现创新跃迁。随着创新开放深度不断提升,企业所接触的外部知识同质化程度越来越高,导致企业在特定知识领域内各属性间链接僵化[25],最终形成认知刚性,对企业创新跃迁产生破坏性影响。这一过程会固化知识领域内各类属性间的链接关系及链接模式,形成难以轻易改变的路径依赖。这种知识结构僵化导致企业花费更多时间和精力突破现有惯例,不利于企业从利用式创新向探索式创新跃迁。此外,Duan等[16]指出,随着企业创新开放深度不断提升,企业更倾向于采用现有已成功的解决方案。此情境下,企业可能过早停止搜寻与获取外部知识,这进一步加剧对企业知识结构灵活性的负面影响,加大企业陷入“能力陷阱”的风险,从而阻碍企业创新跃迁。创新开放深度过高也会使企业依赖特定和狭窄的外部合作关系,这种单一知识情境会降低企业对外部环境变动的敏感性,不利于企业识别新创意和探索创新机会。由此,本文提出以下假设:

H2:创新开放深度与企业创新跃迁具有倒U型关系,与低水平或高水平创新开放深度相比,中等创新开放深度更有利于企业创新跃迁。

1.4 企业数字化水平的调节作用

企业数字化水平是指企业运用数字技术持续优化组织结构与运营流程,提升业务效率并应对复杂环境和不确定性挑战的程度[26]。数字经济时代,人工智能、大数据、云计算等前沿数字技术能够通过精准识别创新机会并挖掘独特资源,推动企业创新过程中的资源整合、重组,帮助企业有效转化和利用内外部资源,从而实现创新跃迁。因此,创新开放度对企业创新跃迁的影响作用,可能需要依托数字技术应用实现。

创新开放广度需要企业在多元领域开展广泛的外部合作,从而为创新跃迁提供知识储备。数字技术具有延展性特征,其应用能进一步帮助企业拓展创新网络,促进跨时空知识搜索[27]。借助大数据、物联网等数字技术的互联互通功能,企业能够与合作伙伴通过线上及线下多维互动方式进行资源交换和资源共享,突破传统组织边界和技术距离的局限[28],为企业获取异构性知识提供高效搜索路径和方法,促进企业间知识共享和沟通,并支持异构性知识内化和重用以实现创新跃迁。同时,通过外部合作交流所获取的知识往往具有较高异质性,不仅存在差异化的标准、规则与结构,而且知识结构也较为松散。数字化水平较高的企业能够运用数字技术促进各类知识兼容,加快理顺无序知识[29],在对外部知识消化、吸收的基础上,推动外部知识与既有知识间的联系和重组,提高知识结构的灵活性以提升研发效率,从而实现创新跃迁。数字化水平越高,企业越容易利用数字技术的深度挖掘和智能分析功能,精准掌握外部市场信息与技术发展趋势[29]。这不仅能提高企业对市场和消费者需求的反应速度和灵活性,帮助企业识别市场机会并制定科学决策,而且有利于企业及时将创新战略重点从利用式创新向探索式创新转移,提高创新跃迁成功率。反之,数字化水平越低,企业协同处理能力越弱,难以快速处理数量庞大、类型冗杂的外部知识获取与应用创新所需信息。这导致企业需要花费大量时间成本、消耗更多资源,才能将外部知识应用于探索式创新,最终降低其创新跃迁意愿与信心。因此,企业数字化水平越高,越能增强创新开放广度对创新跃迁的作用效果。由此,本文提出以下假设:

H3:企业数字化水平强化创新开放广度与企业创新跃迁间的正向关系。

创新开放深度能够增强企业与关键外部知识源间的相互依赖,这要求企业在开放式创新过程中与合作伙伴维持紧密互动关系,以开展及时、独特的知识交流。数字化转型能够帮助企业创建数字联络中心以高效与其合作伙伴沟通、协作,共享资源、技术知识等,有助于企业间建立和维护相互信任关系[27],加深企业对外部知识的认知,并加速外部知识内化、吸收进程,进一步促进复杂性、隐性知识转化[30]。同时,数字化水平较高的企业能够有效利用大数据分析、云计算等数字技术提升各知识模块间信息交流效率,加速知识整合与重组。上述赋能效应有利于企业通过整合知识、资源实现技术突破以匹配市场需求,进而强化创新开放深度对企业创新跃迁的积极影响。但当创新开放深度过高时,企业内部知识模块间、各领域间的链接增多,进一步加强企业认知固化[15]。此情境下,企业数字化水平提升会加剧过度创新开放深度对企业创新跃迁的负向影响。随着数字技术应用,数字化不断深化企业间现有联系,而这种复杂关系可能催生更隐性、难以转化的新知识。过高的知识复杂性不仅会增加企业创新重组的认知成本[13],也限制企业通过改变现有知识结构实现知识重组。此外,数字技术能够改变信息传播和复制方式,通过降低信息传输成本与提升扩散效率,加速知识要素趋同化进程[11]。这一变革可能加剧企业获取知识的同质化程度,导致企业接触大量相似或重复知识。这种知识同质化过程会强化企业特定知识领域内各节点链接模式,使其逐渐固化,最终导致企业知识结构呈现刚性化特征,进而抑制企业从利用式创新向探索式创新跃迁。从边际收益递减规律看,若企业持续加强对相似知识的利用,其创新效益增量则不断减少[31],这不利于企业从利用式创新向探索式创新跃迁。基于此,本文提出如下假设:

H4:企业数字化水平强化创新开放深度与企业创新跃迁间的倒U型关系,即企业数字化水平越高,创新开放深度与企业创新跃迁的倒U型曲线越陡峭。

综上所述,本文构建研究模型如图1所示。

2 研究设计

2.1 样本选择与数据收集

本文选取2007—2024年我国沪深A股上市公司为研究对象,为确保样本数据的精确性与可靠性,对初始样本进行如下筛选:①剔除金融保险类行业上市企业;②剔除研发投入数据缺失值较多的企业,仅保留至少连续10年提供研发投入观测值的企业;③剔除ST、*ST、PT类企业;④剔除资产负债率大于1的企业;⑤剔除其他关键变量数据缺失的企业样本。经过上述筛选,最终获得330家企业4 650条面板数据。

本研究具体数据来源如下:①测量企业创新跃迁所需的研发投入数据来自国泰安数据库;②测量创新开放度所需的专利数据取自国家知识产权局专利数据库;③测量企业数字化水平的相关数据通过上市公司年报进行手动收集。研究样本观测年份设定为2007—2024年,其中,自变量和调节变量的观测年份设定为2007—2023年。考虑到创新开放度对企业创新跃迁的影响具有滞后性,因变量的观测年份设定为2008—2024年。

2.2 变量测量

2.2.1 因变量:企业创新跃迁(Leap)

以往研究主要采用研发投入波动与专利类型转变等指标对企业创新跃迁进行测度[3,19]。其中,研发投入波动指企业研发支出的剧烈变动,而专利类型转变体现为从实用新型专利向发明专利的升级。但专利类型转变作为企业创新跃迁的测量指标存在以下不足:首先,由于专利申请与授权周期较长,且探索式创新在初期难以形成专利成果,该方法存在时滞问题,难以及时捕捉创新模式的动态转换;其次,该方法本质上是对创新结果的测量,难以实时反映创新过程。相比之下,研发投入波动具有显著优势:一方面,从利用式创新向探索式创新的跃迁过程,往往伴随研发支出急剧增长[3],这种可观测的研发投入轨迹突变可作为创新模式转换的重要信号;另一方面,研发投入波动直接反映企业对创新资源的动态配置,能够更直观、更及时地识别利用式创新向探索式创新的跃迁。基于上述分析,本文选取研发投入波动作为企业创新跃迁的测量指标。

参照Mudambi等[3]、贾慧英等[19]的研究,本文采用GARCH模型的学生化残差绝对值的最大值测量企业创新跃迁。具体计算过程如下:第一,基于企业2008—2024年研发投入数据构建自回归模型,得出残差项uit(其中,i表示第i个企业,t表示第t年)。第二,对uit构建GARCH模型,估算研发费用随时间变化的趋势,得出残差eit。第三,为了使不同企业间研发投入变化更具有可比性,对eit进行学生化处理,得到eit(stud),具体如式(1)所示。其中,si为eit的标准差,hit为调整si的杠杆。hit为矩阵H的对角元素,矩阵X是uit的列向量矩阵,如式(2)所示。第四,计算学生化残差的绝对值的最大值并进行比较。若max|eit (stud)|的eit (stud)>0,则企业已实现从利用式创新向探索创新转换的创新跃迁。Max|eit (stud)|越大,该企业研发投入偏离历史轨迹的波动程度越高,企业创新跃迁的跳跃幅度越大。本研究构建Leap,将企业创新跃迁当年及其后的取值设置为max[eit (stud)],将其他年份取值设置为0,如式(3)所示。

(1)

H=X(X'X)-1X'

(2)

(3)

其中,yearT为企业发生利用式向探索式创新跃迁的年份,2008≤T≤2024。

2.2.2 自变量:创新开放度

创新开放度包括创新开放广度(IOB)与创新开放深度(IOD)。创新开放广度反映企业与外部主体构建直接合作关系的广泛程度。联合申请专利中的企业合作者数量能够在一定程度上反映与企业具有合作关系的实际合作者数量[32]。本文采用企业联合申请专利中的合作者数量衡量创新开放广度。

创新开放深度反映企业与外部主体间的合作紧密程度,即深入合作次数。企业与外部合作伙伴的平均合作次数能够在一定程度上反映企业与外部主体的深入合作程度。借鉴Zhang等[32]的研究,本文采用企业与合作者联合申请专利的平均数量衡量创新开放深度。

2.2.3 调节变量:企业数字化水平(DL)

本文基于大数据、人工智能、云计算和区块链等“底层技术应用”与“技术实践应用”构建企业数字化水平指数。首先,利用Python软件爬取2007—2024年中国沪深A股上市企业年报,并借助Java PDFbox库提取各上市公司年报的所有文本内容,以此作为文本数据池。其次,根据数字化转型特征词图谱,在年报文本数据池中统计特征词的词频数,最终以词频数的加总结果构建数字化指标体系。具体而言,本文将企业数字化词频统计次数加1后进行对数化处理,以此作为企业数字化水平的代理指标。

2.2.4 控制变量

为控制其他因素对企业创新跃迁的影响,本文控制如下变量:企业规模(Size)、资本密集度(CAP)、研发强度(RI)、流动性比率(Liquid)、净资产收益率(ROE)、前期绩效(Preper)和每股收益(Pershar)。本文主要变量说明如表1所示。

2.3 回归模型设定

为检验创新开放广度与创新开放深度对企业创新跃迁的影响效应,本文分别设定如下模型:

Leapi,t+1=α0+α1IOBi,t+π1CT+μi+ε

(4)

Leapi,t+1=β0+β1IODi,t+β2IODi,t2+π2CT+μi+ε

(5)

其中,Leapi,t+1代表被解释变量Leap延后一期值,IOBi,t表示解释变量,CT代表控制变量。α0为截距项,α1、π1为各变量回归系数,μi代表不随时间变化的个体效应,ε为随机误差项。若α1显著为正,则表明创新开放广度积极影响企业创新跃迁,H1成立。IODi,t为解释变量,IODi,t2为解释变量平方项。β0是截距项,β1、β2、π2为各变量回归系数。若β2显著为负,β1显著为正,表明创新开放深度与企业创新跃迁呈倒U型关系,H2成立。

为进一步验证企业数字化水平的调节作用,本研究引入调节变量DLi,t,并构建其与创新开放广度、创新开放深度的交互项,以及与创新开放深度平方项的交互项,设定如下模型:

Leapi,t+1=γ0+γ1IOBi,t+γ2IOBi,t·DLi,t+γ3DLi,t+π3CT+μi+ε

(6)

Leapi,t+1=σ0+σ1IODi,t+σ2IODi,t2+σ3IODi,t·DLi,t+σ4IODi,t2·DLi,t+σ5DLi,t+π4CT+μi+ε

(7)

其中,γ0为截距项,γ1～γ3、π3为各变量回归系数。若γ2显著为正,表明企业数字化水平正向调节创新开放广度与企业创新跃迁的关系,H3成立。σ0是截距项,σ1～σ5、π4为各变量回归系数。若σ4显著为负,表明企业数字化水平能够强化创新开放深度与企业创新跃迁间的倒U型关系,H4成立。

3 实证分析

3.1 描述性统计分析与相关性检验

本文变量描述性统计及相关性分析结果如表2所示。结果显示,企业创新跃迁的最大值为7.211,均值为1.524,表明大部分企业利用式创新向探索式创新跃迁的强度较小。创新开放广度和创新开放深度的标准差较大,说明企业创新开放度具有较大差异。相关性分析结果表明,各主要变量间显著相关,且相关系数均小于0.5,各主要变量方差膨胀因子(VIF)值均小于2,表明本研究数据不存在严重多重共线性问题。

3.2 回归结果分析

3.2.1 主效应分析

本文对模型1～模型8进行固定效应回归,结果如表3所示。由模型2可知,创新开放广度显著正向影响企业创新跃迁(β=0.119,p<0.01),H1得到验证。模型3结果显示,创新开放深度的一次项系数显著为正(β=0.203,p<0.01),其平方项系数显著为负(β=-0.031,p<0.01),表明创新开放深度与企业创新跃迁呈倒U型关系。本文借鉴Haans等[33]提出的检验标准验证上述倒U型关系:①创新开放深度的平方项系数显著为负(β=-0.031);②曲线斜率在创新开放深度取值范围左端显著为正(0.226),在取值范围右端显著为负(-0.227);③曲线拐点(3.270)在创新开放深度区间范围内(-0.368,6.913)。由此表明,创新开放深度与企业创新跃迁呈现倒U型关系,H2得到支持。

3.2.2 调节效应分析

表3模型6检验企业数字化水平在创新开放广度与企业创新跃迁间的调节作用,结果显示,企业数字化水平与创新开放广度的交互效应对企业创新跃迁具有显著正向影响(β=0.027, p<0.1),这表明企业数字化水平在创新开放广度与企业创新跃迁间发挥正向调节作用,即企业数字化水平越高,创新开放广度越有利于企业从利用式创新向探索式创新跃迁,H3得到验证。表3模型8检验企业数字化水平在创新开放深度与企业创新跃迁间的调节效应,结果显示,创新开放深度平方项与企业数字化水平的交互项系数显著为负(β=-0.013, p<0.1),表明企业数字化水平能够强化创新开放深度与企业创新跃迁的倒U型关系,H4得到支持。由图2可知,创新开放深度与企业创新跃迁的倒U型曲线斜率随着企业数字化水平提升而提升,即企业数字化水平越高,创新开放深度对企业创新跃迁的反应越敏感,振幅范围越小,倒U型曲线越陡峭。随着数字化水平提升,倒U型曲线会向左边移动,H4再次得到验证。

3.3 稳健性检验

为有效解决内生性问题,本文采用以下方法进行稳健性检验:一是替换参数估计方法;二是更换因变量测度方式;三是基于企业行业性质进行分组回归,结果如表4所示。首先,本文采用混合OLS对研究数据进行重新回归(模型1～模型4)。其次,参考赵文等[10]的研究,更换企业创新跃迁测度方式,采用虚拟变量进行测量。若企业某年发生从利用式向探索式创新跃迁,则将该年及其后年份的Leap赋值为1,其余年份赋值为0(模型5～模型8)。最后,通过行业划分(制造业、非制造业),将制造企业作为研究样本进行固定效应回归(模型9～模型12)。以上结果表明,回归结果方向与显著性水平无显著差异,研究结论具有较强的稳健性。

4 结语

4.1 研究结论

本文基于创新重组理论,揭示创新开放度影响企业创新跃迁的路径与作用机理,并分析企业数字化水平在创新开放度与企业创新跃迁间的调节作用,得出以下主要结论:

(1)创新开放广度对企业创新跃迁具有显著正向影响。创新开放广度越高,企业越能突破组织边界广泛接触外部异质性知识,进而快速实现认知模式迭代与知识属性链接重构,这一过程可显著提升企业知识结构的灵活性。依托灵活性知识结构,企业能够实现跨域知识模块重组,为新创意及解决方案的产生提供支撑,进而实现从利用式创新向探索式创新跃迁。研究结论部分支持并补充了Flor等[6]的观点,即企业创新开放广度是驱动企业实现探索式创新的重要因素。

(2)创新开放深度与企业创新跃迁呈倒U型关系。适度的创新开放深度有助于企业从外部合作网络中吸收并反复调用特定知识域的知识属性与链接,通过增加特定知识域认知模式数量和提升链接强度,提高企业知识结构复杂性。知识结构复杂性有利于企业在特定领域内访问更为丰富的认知模式,并通过不同认知模式的创新重组促进创新跃迁。该结论支持并深化了Stanko等[24]关于“创新开放深度可有效促进探索式创新”的论述。但当创新开放深度过高时,外部知识过度聚焦某一特定知识域,导致企业知识域认知模式与链接高度固化,进而形成认知刚性,阻碍企业跨领域知识重组,不利于企业创新跃迁。

(3)调节效应检验发现,企业数字化水平正向调节创新开放广度对企业创新跃迁的积极影响,并强化创新开放深度与企业创新跃迁的倒U型关系。首先,数字化水平越高,越有利于企业借助数字技术拓展自身知识基础,快速处理外部异质性知识兼容问题,促进现有知识与外部知识间的联结及重组,进而正向调节创新开放广度对企业创新跃迁的积极影响。其次,较高的数字化水平能够深化企业对外部知识的认知并加速知识整合与重组,强化创新开放深度对企业创新跃迁的积极影响,但也会加剧过度创新开放深度所造成的认知刚性,进而强化过高创新开放深度对企业创新跃迁的消极影响。

4.2 理论贡献

(1)以往研究多侧重于考察创新跃迁对企业绩效、企业失败等结果变量的影响机制及影响效果[3,9,19],对企业创新跃迁的前因机制关注不足。本文聚焦创新开放度与企业创新跃迁的关系,考察创新开放度对企业创新跃迁的影响作用,既拓展了企业创新跃迁的知识基础前因研究,也响应了Mudambi等[3]从知识观研究企业创新跃迁的倡议。

(2)本文基于创新重组理论,将创新开放度细分为创新开放广度和创新开放深度,深入探究二者引发的知识灵活性和知识复杂性重组差异对企业创新跃迁的差异化影响,既为企业创新跃迁研究提供了新的理论视角,也拓宽了创新重组理论应用范畴。

(3)以往研究主要关注数字化水平对企业创新战略决策的影响[12],鲜有学者深入探索数字化水平对企业双元创新战略决策变化的影响机制及效果。本文引入企业数字化水平,考察其在创新开放度与企业创新跃迁间的调节作用,不仅拓展了企业数字化水平研究领域,也丰富并深化了数字化情境下双元创新战略管理理论成果。

4.3 管理启示

(1)企业需动态调整创新跃迁战略决策,把握创新跃迁时机,推动利用式创新与探索式创新形成良性循环。同时,需加强与外部创新主体交流合作,促进外部知识获取和积累,并结合外部环境信息灵活调整自身研发重点和资源配置模式,以最低转换成本提高创新跃迁成功的可能性。

(2)企业需从创新开放广度和创新开放深度两方面制定开放式创新战略,促进创新跃迁。一方面,企业需要通过与供应商、大学及科研机构等外部创新主体建立广泛的合作关系,引入多元化创新资源与知识。企业可通过外部合作接触更多的创新理念、技术和管理模式,为创新跃迁提供动力。另一方面,企业需采用适度的创新开放深度,通过与各类创新主体建立相对紧密、长期稳定的合作关系,获取并理解特定领域知识,促进知识共享和转化,为创新跃迁提供支持。同时,企业需将创新开放深度控制在合理范围内,过高的创新开放深度会导致企业过度依赖特定狭窄的知识域,反而不利于创新跃迁。当依靠创新开放深度推动创新跃迁的路径不再可行时,企业可考虑拓展现有开放式创新边界。

(3)企业需在双元创新战略中嵌入数字化思维,加速数字化转型,重视数字化水平构建与提升。具体而言,企业通过利用云计算、大数据、人工智能等数字技术,构建高效、灵活、可扩展的创新环境以支持跨部门、跨领域创新活动。同时,企业利用先进数据分析工具和技术,深入挖掘数据潜在价值,发掘市场需求变化和创新机会,加速利用式创新向探索式创新跃迁。

4.4 研究局限与展望

本文存在以下不足:首先,本研究将研发支出的急剧增加作为企业创新跃迁的衡量指标,当企业出现一次研发支出脱离历史趋势的急剧增长时,表明企业实现一次创新跃迁。但在现实中,企业创新跃迁并非仅发生一次。因此,有必要考察企业创新跃迁频率以及影响创新跃迁频率的关键因素。其次,本文基于创新重组理论考察了创新开放度对企业创新跃迁的影响作用,但关于企业创新跃迁前因机制的研究仍不充分。企业双元创新战略动态调整既可能受到高管团队决策、组织结构变革等内部因素影响,也可能受到环境动态性及数字化引发的技术革新等外部因素影响,未来可从不同视角出发考察内外部因素对企业创新跃迁的影响机制,以期丰富企业创新跃迁前因研究。此外,创新开放度与企业创新跃迁之间可能存在一些潜在中介变量,如吸收能力、资源整合能力等。未来可进一步考察创新开放度与企业创新跃迁间的作用机制,以打开二者间的“黑箱”。

参考文献：

[1] 程磊. 新中国70年科技创新发展: 从技术模仿到自主创新[J].宏观质量研究, 2019, 7(3): 17-37.

[2] 杨东,陈朝,杨鹏.数字化程度、双元创新与企业绩效[J].统计与决策,2023,39(19):167-172.

[3] MUDAMBI R, SWIFT T. Knowing when to leap: transitioning between exploitative and explorative R&D[J].Strategic Management Journal, 2014, 35(1): 126-145.

[4] EHLS D, POLIER S, HERSTATT C. Reviewing the field of external knowledge search for innovation: theoretical underpinnings and future (re-) search directions[J].Journal of Product Innovation Management, 2020, 37(5): 405-430.

[5] WANG C, CHIN T, LIN J-H. Openness and firm innovation performance: the moderating effect of ambidextrous knowledge search strategy[J].Journal of Knowledge Management, 2020, 24(2): 301-323.

[6] FLOR M L, COOPER S Y, OLTRA M J. External knowledge search, absorptive capacity and radical innovation in high-technology firms[J].European Management Journal, 2018, 36(2): 183-194.

[7] LAURSEN K, SALTER A. Open for innovation: the role of openness in explaining innovation performance among U.K. manufacturing firms[J].Strategic Management Journal, 2006, 27(2): 131-150.

[8] 吴建祖, 肖书锋. 创新注意力转移、研发投入跳跃与企业绩效——来自中国A股上市公司的经验证据[J].南开管理评论, 2016, 19(2): 182-192.

[9] SWIFT T. The perilous leap between exploration and exploitation[J].Strategic Management Journal, 2016, 37(8): 1688-1698.

[10] 赵文, 赵会会, 吉迎东, 等. 双元创新跃迁与企业失败: 社会关系网络的调节作用[J].科研管理, 2022, 43(1): 124-133.

[11] YOO Y, HENFRIDSSON O, LYYTINEN K. Research commentary: the new organizing logic of digital innovation: an agenda for information systems research[J].Information Systems Research, 2010, 21(4): 724-735.

[12] 肖仁桥, 沈佳佳, 钱丽. 数字化水平对企业新产品开发绩效的影响——双元创新能力的中介作用[J].科技进步与对策, 2021, 38(24): 106-115.

[13] LANZOLLA G, PESCE D, TUCCI C L. The digital transformation of search and recombination in the innovation function: tensions and an integrative framework[J].Journal of Product Innovation Management, 2021, 38(1): 90-113.

[14] DANE E. Reconsidering the trade-off between expertise and flexibility: a cognitive entrenchment perspective[J].The Academy of Management Review, 2010, 35(4): 579-603.

[15] MANNUCCI P V, YONG K. The differential impact of knowledge depth and knowledge breadth on creativity over individual careers[J].The Academy of Management Journal, 2018, 61(5): 1741-1763.

[16] DUAN C G, LIU X M, YANG X M, et al. Knowledge complexity and team information processing: the mediating role of team learning goal orientation[J].Journal of Knowledge Management, 2023, 27(5): 1279-1298.

[17] LOVE J H,ROPER S,VAHTER P.Learning from openness: the dynamics of breadth in external innovation linkages[J].Strategic Management Journal, 2014, 35(11): 1703-1716.

[18] XU S C, CAVUSGIL E. Knowledge breadth and depth development through successful R&D alliance portfolio configuration: an empirical investigation in the pharmaceutical industry[J].Journal of Business Research, 2019, 101: 402-410.

[19] 贾慧英, 王宗军, 曹祖毅, 等. 研发投入跳跃与组织绩效: 环境动态性和吸收能力的调节效应[J].南开管理评论, 2018, 21(3): 130-141.

[20] 马海燕,黎玉杰,周天怡.企业数字邻近对创新绩效的影响——高管特质的调节作用[J].科技进步与对策,2024,41(24):1-11.

[21] 王双龙, 牟祎楠. 创始团队的矛盾思维对新创企业间断平衡创新的影响[J].软科学, 2022, 36(10): 117-123.

[22] CHESBROUGH H,CROWTHER A K.Beyond high tech: early adopters of open innovation in other industries[J].R&D Management, 2006, 36(3): 229-236.

[23] 姜秀娟, 王晓薇. 外部知识获取视角下技术封锁对企业突破式创新的影响研究[J].科技进步与对策, 2025, 42(14): 80-92.

[24] STANKO M A, HENARD D H. Toward a better understanding of crowdfunding, openness and the consequences for innovation[J].Research Policy, 2017, 46(4): 784-798.

[25] WANG J R,XUE Y J,YANG J.Boundary-spanning search and firms' green innovation: the moderating role of resource orchestration capability[J].Business Strategy and the Environment, 2020, 29(2): 361-374.

[26] 陈冬梅, 王俐珍, 陈安霓, 等. 数字化与战略管理理论——回顾、挑战与展望[J].管理世界, 2020, 36(5): 220-236.

[27] DUAN Y L, YANG M, LIU H X, et al. How does digital transformation affect innovation in knowledge-intensive business services firms? the moderating effect of R&D collaboration portfolio[J].Journal of Knowledge Management, 2024, 28(4): 994-1019.

[28] 周惠平, 姚艳虹. 数字化背景下知识跨界搜寻对企业迭代创新的影响——关系嵌入与政府支持政策的调节作用[J].科技进步与对策, 2023, 40(13): 113-122.

[29] URBINATI A, CHIARONI D, CHIESA V, et al. The role of digital technologies in open innovation processes: an exploratory multiple case study analysis[J].R&D Management, 2020, 50(1): 136-160.

[30] 邢乐斌, 任春雪, 曾琼. 开放度组合策略与创新绩效类型匹配关系研究——吸收能力的调节效应[J].科技进步与对策, 2021, 38(1): 18-25.

[31] 王树祥, 张明玉, 王杰群. 生产要素的知识属性与知识价值链研究[J].中国软科学, 2014(4): 160-168.

[32] ZHANG H, XIONG H H, WANG Q, et al. The impact of enterprise niche on dual innovation performance: moderating role of innovation openness[J].European Journal of Innovation Management, 2023, 26(6): 1547-1569.

[33] HAANS R F J, PIETERS C, HE Z L. Thinking about U: theorizing and testing U- and inverted U-shaped relationships in strategy research[J].Strategic Management Journal, 2016, 37(7): 1177-1195.

(责任编辑：张 悦)