The Double Spillover Effects of Basic Research:Impacts of Diffusibility and Expandability on Market Performance

Wang Yuhang1,2, Hou Wanfang1,2,Kang Lele1,2

(1.School of Information Management, Nanjing University; 2.Nanjng University Laboratory of Data intelligence and Interdisciplinary Innovation, Nanjing 210046, China)

Abstract：Firms conducting basic research can expand their influence, but at the same time, they also face the risk of knowledge spillover. However, there is little research discussing how different technological features of knowledge spillovers affect source firm′s market performance. Specifically, there are two main gaps first, insufficient attention has been paid to the flow of knowledge between science and technology, lacking a perspective on the dynamic evolution of knowledge; second, there is a lack of differentiation among the technical elements generated by knowledge spillover, overlooking the distinct technical characteristics that the spillover of basic research exhibits in subsequent technological fields. This study delves into the dual effects of knowledge spillover in firms' basic research, focusing on how different technological characteristics emerging from such research impact firms' market performance.

This article presents a statistical analysis of the knowledge spillover from the publication of papers by 216 listed firms in China and subsequent patent citations by other enterprises, and constructs an imbalanced panel data between 2000 and 2022. The study uses two technical characteristics of basic research (technology diffusivity and technology expandability) to analyze the impact mechanism of knowledge spillovers on the market performance of firms. The findings demonstrate how these two dimensions of technology derived from basic research influence a firm′s market performance, both positively and negatively. This study contributes to understanding the specific mechanisms through which knowledge spillover affects firm innovation output and market positioning.

The key findings reveal a contrasting impact of the two technological characteristic mechanisms. Technological diffusivity tends to have a negative impact on market performance, suggesting that when firms' basic research is easily replicable, it diminishes a firm′s competitive edge. Conversely, technological expandability is associated with a positive market impact, indicating that research that can be expanded and built upon stimulates market performance by fostering innovation that is more scalable. The paper also discusses how team member mobility within firms can influence these effects. High team member mobility tends to mitigate the positive impacts of technological scalability on a firm′s market performance while exacerbating the negative impacts of technological diffusivity. This introduces a complex interplay between internal firm dynamics and the external market effects of basic research. Moreover, the research contextualizes these findings within different external market environments, suggesting that the dual effects of knowledge spillover are modulated by external market conditions. This aspect adds a layer of depth to the strategic decisions firms must make regarding their engagement in basic research.

This article helps the academic community understand the behavioral motivations of enterprises in basic research phenomena and their strategic choices in technical elements of basic research. In terms of research innovation, this study contributes to the academic discourse by providing a nuanced analysis of the specific technological characteristics of basic research and their distinct impacts on market performance. It extends the literature on innovation management by highlighting the strategic importance of managing not just the output of basic research but also its inherent characteristics that influence knowledge spillover.

In conclusion, this article enriches the understanding of how firms' basic research impacts market performance through the lens of knowledge spillover. It offers valuable insights for firm strategists and policymakers on optimizing the benefits of basic research while mitigating its risks. The findings advocate for a strategic approach to managing the expandability and diffusivity of technological innovations derived from basic research, ensuring that firms can leverage these for competitive advantage in a dynamic market environment. This comprehensive analysis not only advances academic knowledge but also provides practical frameworks for enhancing firm innovation strategies in the face of global competitive pressures. The nuanced understanding of the dual effects of knowledge spillover as presented in this study is crucial for firms aiming to sustain and enhance their market positions through strategic innovation management.

Key Words：Firms' Basic Research; Knowledge Spillover; Science-technology Integration; Technological Diffusivity; Technological Expandability

收稿日期：2024-09-27

修回日期：2024-12-26

基金项目：国家自然科学基金项目(72072087)

作者简介：王宇航(1997—),男,河南郑州人,南京大学信息管理学院博士研究生,研究方向为创新管理;侯万方(2001—),男,河南安阳人,南京大学信息管理学院硕士研究生,研究方向为创新管理;康乐乐(1987—),男,江苏南通人,博士,南京大学信息管理学院教授、博士生导师,研究方向为创新管理。

通讯作者：康乐乐。

DOI：10.6049kjjbydc.D202409076W

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)03-0120-09

0 引言

基础研究是获取新知识、探索新理论的科学研究活动,其研究产出通常为高外部性公共产品[1]。传统观点认为,企业以利润最大化和市场竞争力提升为目标,往往缺乏开展高外部性基础研究的足够激励。然而,近年来企业参与基础研究的成效日益凸显,引起学术界广泛关注。相关研究主要集中在成果发表动机[1]、产学研协作[2]、知识披露策略[3]以及企业间行为模仿[4]等维度。现有研究普遍认同基础研究能够提升企业的技术能力与社会声誉,并有助于降低长期技术风险。然而,基础研究的开放性特质在产生积极溢出效应的同时,也可能导致显著的负面溢出效应。这类负面效应主要体现在市场价值折损[5-6]、竞争者模仿压力加剧[7-8]以及市场优势地位受到挑战[9]等方面。目前,学术界对基础研究双重溢出效应的系统性探讨仍显不足,探究企业如何通过优化基础研究来抑制负面效应、强化正面效应尤为必要,对于指导企业创新实践也具有重要意义。

目前,学术界对企业基础研究溢出效应的关注集中在对企业能力、技术风险和社会声誉等方面的影响。首先,从企业能力角度,基础研究有助于企业增强吸收能力,掌握与利用相关研究成果和隐性知识[10],同时,提升企业在市场中的技术搜索能力[11];其次,从技术风险角度,基础研究有助于企业预测研究实验结果[11],提升技术创新前瞻性;最后,从社会声誉角度,基础研究有助于企业提高知名度、支持其商业化战略[1],或参与行业标准制定,扩大市场需求[12]。这些溢出效应不仅有助于提高组织内部效率,而且能够促进新技术在行业范围内普及,提高行业对新技术的认可和需求[13]。

与此同时,基础研究成果具备天然的公共物品属性及正外部性[14]。以Nelson[15]、Arrow[16]为代表的经济学家们认为,基础研究具有显著的公共物品属性,企业无法获取基础研究的所有收益,因而开展基础研究并不能对企业产生足够激励。同时,基础研究中的知识溢出会负面影响企业市场表现[5-6]。这是因为基础研究作为一种技术信号,在促进合作的同时,也可能因为学习模仿成本降低而导致竞争加剧[7]。在开放系统中,模仿者可以通过溢出知识学习和产品开发超越创新者[9]。例如谷歌通过学术论文形式公开了包括Map-Reduce、Transformer等在内的一系列技术源代码,加速了这些技术的应用与普及,而竞争对手Open-AI也基于Transformer技术开发出ChatGPT产品并被业界认为冲击了谷歌的搜索引擎业务。

目前学术界的讨论主要集中于企业基础研究的正面影响,如影响机制、动机和组织管理等方面,对基础研究带来的负面影响探讨较少。同时,现有研究也未对知识溢出的技术特征和影响机制开展更微观的机制梳理与讨论。具体而言,一是对“科学-技术”的知识流动关注不足,缺乏基于知识动态演化视角的研究;二是对知识溢出的技术要素缺乏区分,忽视了基础研究知识溢出在后续技术领域展现出的不同技术特征。基础研究会带来知识溢出并转化为技术,这种知识溢出和转化过程构成从科学到技术的流动逻辑。对于企业而言,基于基础研究的知识溢出会产生诸多衍生技术,这些由原公司基础研究溢出的技术元素具有不同技术特征,同时,受到原公司技术结构和外部市场博弈的双重影响。创新团队的稳定性和开放性直接影响企业对创新资源的持续性利用与异质性整合结果,同时,也是影响企业市场表现的关键因素。在外部环境竞争激烈的情况下,企业可以通过组织结构调整、流程优化等手段提高资源整合和利用效率。例如Hu等[7]从最优差序与组织学习角度界定差异化竞争优势,并将因开放带来的竞争优势解释为上下游研发过程一致性和差异化组合的结果。根据科学-技术的知识流动过程,本文将着重探讨基础研究中知识溢出的技术扩散性与技术可拓展性分别对企业市场表现的影响,以及团队成员流动性在基础研究知识溢出与企业市场表现中的作用。

1 文献综述

1.1 企业基础研究的双重溢出机制

基础研究作为科技创新源头,其研究成果可以直接转化为下游的专利或技术标准。专利对论文的引用反映知识从科学界向工业界流动的过程,并被广泛定义为一种知识溢出现象[5-6]。近年来,针对企业基础研究的理论探讨关注到其产生的知识溢出会同时对企业市场表现带来知识增值和知识挤出的双重效果。因此,基础研究的溢出效应并非一种单一化作用机制,而是由多种作用路径共同组成的复杂机制[3,17]。

研究发现,企业基础研究同时面临由大量竞争者模仿技术原型带来的获取效应,以及相关企业在知识溢出基础上开展技术追随和产品改进的跟进效应[7-8,17]。基础研究的知识溢出,一方面表现为技术元素在广度和普及度上的横向延展,另一方面表现为技术元素在深度和复杂度上的纵向拓展。据此,本文从基础研究的知识溢出在后续表现出的技术扩散性和技术可拓展性两方面,探讨二者对源头公司市场表现的影响及作用机制。

1.1.1 知识溢出的扩散性机制

基础研究的知识外溢会带来知识模仿的扩散效应。技术扩散性是指一项技术被采用的广泛程度[18]。技术扩散性决定技术稀缺性,开放后的技术信息作为一个信号,会吸引合作者模仿和采用[17]。企业基础研究以论文形式发表知识成果,会削弱长期以来企业利用知识资产独占性形成的竞争优势[3]。同时,大量模仿的知识扩散也会危害公司市场表现。如Yilmaz等[8]指出,开放者的竞争优势取决于模仿者的功能替代性,大量高替代性模仿品出现会弱化原产品需求,产生替代效应,损害原企业市场利益;Huang等[17]指出,当溢出知识的学习成本较低时,知识溢出会带来获取效应,对溢出源头的企业产生负面影响。概括而言,随着基础研究中知识资源的对外溢出,企业会失去拥有独特资源的优势,进而削弱其市场表现[5-6]。

1.1.2 知识溢出的可拓展性机制

基础研究成果的可拓展性使得企业能够灵活应对市场变化,持续优化知识结构和创新能力。企业开展基础研究时,可以通过策略性放弃某些知识资源独占权、选择性推动知识溢出,更好地降低开发成本、保护企业免受模仿竞争压力[19]以及减少外部协调成本[20]。同时,技术的可拓展性有助于企业在知识溢出后吸收更加多元化的新知识,从而提高自身创新能力和市场表现[21]。在竞争激烈的商业环境中,组织可以通过积极分享知识、共同创造价值,谋取竞争优势[22]。企业通过基础研究可以增强自身技术储备可拓展性,同时,高效整合和重组创新资源,以提升自身市场表现。如Yayavaram&Ahuja[23]指出,企业开展新组合,就必须接触新概念和新知识元素。

1.2 团队成员流动性与知识溢出效应

企业基础研究会带来一系列直接的知识溢出效应[1,3],如通过学术论文发表影响技术发展方向[3]、吸引高端人才[1]、提高社会声誉等[14]。但是,知识溢出效应在一定程度上还取决于企业团队流动性水平。这是因为企业团队流动性可以从组织协调与知识协作、知识粘性与社会资本、知识吸收与转化能力等方面影响基础研究成果应用及转化,是基础研究向应用转化的重要影响因素。

首先,基础研究成果在被转化为专利时面临跨领域、跨团队协调成本,而不稳定的组织结构会增加协调成本,不利于信息流动和决策效率提升,从而降低知识吸收能力和创新能力。基础研究中的知识溢出在一定程度上反映为企业与外部竞争者竞争及协作的过程,同时,也是问题扩散(鼓励其他人参与解决问题和补充投资)与议程制定(引导他人投资和协助企业开发解决方案及补充产品)的过程[3]。 其次,基础研究中溢出的知识是一种开放性创新资源,企业需要拥有相对稳定的创新团队以维持知识粘性,进而吸收和利用基础研究产生的创新资源。有研究指出,研发人员用以吸收科学知识的社会资本是一种“粘性”资源,企业高层管理人员无法利用,需要一套相对稳定和广泛交流的社会网络开展知识转移与组合利用[24]。

团队成员稳定性有助于提升企业对溢出知识的利用、吸收和改进。换而言之,组织对外部知识的吸收和扩展改造能力依赖于组织结构稳定性[25-26],具体包括灵活的组织决策权、制度化交流、紧密的纵横向沟通网络等[26-29]。不稳定、高度动态的组织结构不利于企业吸收和利用知识溢出带来的外部创新资源,同时,团队成员的高流动性会带来团队组织经验和生产技术、知识的流失,降低企业核心竞争力,负向影响企业市场表现[30]。相比之下,较为稳定的组织结构则能够为创新决策提供内在激励,促进研发人员吸收科学知识[31]、提升企业市场表现。

2 研究假设

2.1 基础研究扩散性与企业市场表现

在知识外溢下,一方面,其引发的技术水平扩散会催生大量同质竞争性产品出现,对知识溢出企业形成替代效应,降低其产品需求,削弱企业技术优势和产品竞争力,抑制企业市场表现[8]。另一方面,相似知识元素在不同技术领域间流动扩散,促使企业倾向于利用现有知识,从而削弱知识溢出潜力和技术价值。当技术创新或改造遭遇瓶颈时,企业无法通过基础研究的后续反馈获得突破性知识,导致技术核心竞争力下降,制约企业发展。因此,本文提出如下研究假设:

H1:基础研究中知识溢出的技术扩散性对企业市场表现具有负向影响。

2.2 基础研究拓展性与企业市场表现

基础研究的溢出效应还表现为追随者对知识元素的拓展性吸收[17]。技术拓展性是指一项技术可改进的程度[17]。在知识溢出过程中,技术拓展性是提高组织知识搜索和知识吸收能力的重要影响因素。Huang等[17]指出,当企业将知识以论文形式公开后,这种知识溢出会导致技术扩展性信息披露。作为公开技术原理的企业,则可以降低成本,提升创新竞争力,促进企业发展。这主要是因为知识溢出降低知识学习门槛,方便企业补充和拓展知识,提升市场竞争力。因此,本文提出研究假设:

H2:基础研究中知识溢出的技术可拓展性对企业市场表现具有正向影响。

2.3 团队成员流动性的调节作用

过高的团队成员流动性会加剧企业溢出知识带来的负面替代效应。企业学术成果的商业价值和市场影响力建立在企业团队稳定的基础上,包括团队内部协调成本[32]、创新能力[33],以及团队流动性[34]和生产力[35]。团队成员异质性较大易引致组织分化,增加团队资源整合难度,从而不利于团队绩效提升;而在相对稳定的组织中成员之间易形成认同感,消除合作中的不稳定因素,从而促进企业发展[36]。企业组织结构不稳定会导致内部沟通不畅、决策效率低下,影响企业动态能力与市场表现,无法有效应对产品压力。同时,不稳定的组织结构意味着人员流动性高,会影响团队工作积极性和稳定性,不利于粘性知识形成。因此,本文提出以下研究假设:

H3a:高团队成员流动性会增强基础研究中知识溢出的技术扩散性对企业市场表现的负向效应;

H3b:高团队成员流动性会削弱基础研究中知识溢出的技术拓展性对企业市场表现的正向效应。

3 数据收集与变量测量

3.1 样本选择

本文使用4个数据集构建样本。从国泰安数据库获取上市企业基本信息,排除金融领域上市企业;使用企业名称模糊匹配法和人工标注方法,从PATSTAT数据库匹配上市企业专利信息,从Open Alex数据库中匹配上市企业发表论文;使用Marx &Fuegi[37]开发的Patent Citations to Science(PCS)数据库匹配专利对论文的引用关系。最终获得2000-2022年发表过1篇以上论文、获得1项以上专利的上市企业共216家,涉及94 752篇论文和796 431项专利,组成3 332个观察样本的不平衡面板数据。同时,将企业年龄、营业利润、企业市值、流动资产、固定资产、员工人数和研发投入占比等变量作为控制变量纳入模型。

3.2 变量定义

3.2.1 因变量

托宾Q指数(Tobin's Q)是由诺贝尔经济学奖得主詹姆斯·托宾提出的,常用于反映企业市场表现。较高的托宾Q值反映市场对该企业拥有较高预期。计算如下:

(1)

其中,MarketValuet表示企业当年市场价值,TotalAssetst表示企业当年总资产。分析过程中使用滞后一期的对数化托宾Q值作为因变量。

3.2.2 自变量

(1)技术扩散性(Technological Diffusivity,TD),本文使用企业i在t年发表的论文被专利引用后采用过该专利的公司数量反映该企业技术扩散性。计算公式如下:

(2)

其中,Paperi,t表示企业i在t年发表的所有论文数,S(p)表示引用论文p的所有专利集合,F(d)表示专利d的所属企业数量。此外,考虑到企业差异,参照龙小宁等[38]的研究,本文在控制企业固定资产后计算企业基础研究溢出知识的技术扩散性。

(2)技术可拓展性(Technological Expandability,

TE)。基于Wang[39-40]提出的企业知识特有程度的测量方法,本文使用企业i在t年发表的论文被专利引用后其后续专利范围相较于企业本身技术范围的扩展程度,衡量该企业基础研究溢出知识的技术可拓展性。计算公式如下:

(3)

其中,Paperi,t表示企业i在t年发表的所有论文数,FirmSizei,t表示企业i在t年的规模并取对数,Technological Scopei,t表示公司i在t年的技术范围,该值通过企业累积的专利中IPC代码前四位的集合数衡量,Expanded Technological Scopei,t表示企业i在第t年发表的论文被引用的专利所涵盖的IPC前四位技术领域与企业自身累积的技术领域的差值,反映在原有技术基础上扩充的程度。

3.2.3 调节变量:团队成员流动性(Team Member Mobility,TMM)

本文使用组织结构变异系数衡量企业团队成员流动性,即5年内员工人数的标准差与员工人数均值的比值。变异系数越小,表明组织结构变化越小,组织团队成员流动性越弱;反之,变异系数越大,说明组织结构变化越大,组织团队成员流动性越强。

3.3 模型建构

本文采用最小二乘法构建模型。同时,考虑到数据存在离散性,企业层面则采用聚类稳健标准误,以避免异方差的影响。聚类稳健标准误的主要作用是解决数据异方差性和相关性问题,特别是在面板数据或者群组数据中通过控制内部相关性,提高模型估计效率和准确性。另外,在大样本情况下,根据中心极限定理,即使误差项不服从正态分布,OLS估计量的抽样结果也会趋近于正态分布。因此,对于大样本可以使用渐近理论进行推断。本文认为,采用最小二乘法线性回归模型是可以接受的。基于上述分析,构建模型如下:

ln _Tobin's Qi,t+1=β0+β1TDi,t+αi+δt+ζ1ControlVarsi,t+εi,t

(4)

其中,控制变量包括公司年龄、营业利润、公司市值、流动资产、固定资产、员工人数和研发投入占比等,用ControlVars表示,变量定义见表1。式(4)中加入解释变量技术扩散性,以检验技术扩散性对企业市场表现的影响效应。同时,从企业(αi)和年份(δt)层面添加固定效应,以控制可能未观察到的异质性。

与式(4)类似,为检验技术可拓展性对企业市场表现的影响效应,加入解释变量技术可拓展性,构建模型如下:

ln _Tobin's Qi,t+1=β0+β1TEi,t+αi+δt+ζ1ControlVarsi,t+εi,t

(5)

为了检验团队成员流动性的调节效应,分别建构模型,将变量团队成员流动性作为调节变量加入模型,分别估计其与技术扩散性和技术可拓展性的相互作用系数。具体公式如下:

ln _Tobin's Qi,t+1=β0+β1TDi,t+β2TMMi,t+β3TDi,tTMMi,t+αi+δt+ζ1ControlVarsi,t+εi,t

(6)

ln _Tobin's Qi,t+1=β0+β1TEi,t+β2TMMi,t+β3TEi,tTMMi,t+αi+δt+ζ1ControlVarsi,t+εit

(7)

4 实证分析

主要变量描述性统计结果见表2。

4.1 扩散性与可拓展性机制分析

由表3中的模型(3)可知,技术扩散性对企业市场表现具有负面影响,模型(2)则显示技术可拓展性对企业市场表现具有正面影响,验证了研究假设H1、H2。

4.2 团队成员流动性的调节效应检验

由表4中的模型(1)发现,团队成员流动性对企业市场表现具有显著正向影响,这可能是因为人才流动可以促进创新要素吸收、重组和再利用,从而带来更好的企业市场表现。模型(2)(4)为分别加入自变量技术扩散性与技术可拓展性的结果,自变量与调节变量系数均保持显著;模型(3)(5)则分别同时加入自变量、调节变量、自变量与调节变量的交互项,结果显示技术扩散性与团队成员流动性的交互项系数显著为负,支持了研究假设H3a,表明在团队成员流动性强的情况下技术扩散性对基础研究企业市场表现的负向作用被强化。同时,技术可拓展性与团队成员流动性的交互项系数也显著为负,支持研究假设H3b,表明在团队成员流动性强的情况下技术可拓展性对企业市场表现的正向促进作用被抑制。基于上述分析,绘制团队成员流动性对知识溢出效应的调节效应如图1所示。

5 稳健性检验

通过替换样本的方式进行稳健性检验。我国专利分为发明专利、实用新型专利、外观设计专利3种类型。其中,发明专利相较于其他两种专利在新颖性方面要求更高。因此,本文将基础研究溢出的专利类型限制为发明专利,重新建构数据样本,具体结果见表5。

参考施炳展等(2020)研究方法,通过增加联合固定效应的方法检验研究结果稳健性。稳健性检验中使用“公司-行业-年份”的三重固定效应进行回归分析。

借鉴陈勇兵等(2023)研究做法,通过替换层面聚类稳健标准误的方式进行稳健性检验。稳健性检验中使用行业层面聚类稳健标准误进行回归分析。以上稳健性检验结果均与前文研究结果一致,说明回归结果稳健。

6 异质性分析与进一步讨论

市场竞争程度反映资源分布与占有的均衡程度。本文使用市场竞争度指标分析在不同外部环境下上市企业基础研究的溢出效应对自身市场表现的影响。在不同市场竞争程度下,知识溢出效应也不同。赫芬达尔指数(HHI)可衡量市场份额的集中程度,它是由每家企业市场份额的平方和得到的,指数值越高,表示该市场或行业竞争越弱;反之,则意味着该市场或行业中竞争越激烈。本文利用主营业务收入计算上市公司所处行业的赫芬达尔指数,以赫芬达尔指数均值为分界线,将企业所处外部环境分为高市场竞争度和低市场竞争度两种,对于高-低市场竞争度下的企业知识溢出情况进行异质性分析。如表6和表7所示,基础研究溢出知识的技术扩散性主要在低市场竞争度环境下对企业市场表现产生负面影响,而基础研究溢出知识的技术可拓展性则主要在高市场竞争度环境下对企业市场表现产生正向影响。

这说明在市场资源分布不均衡时,缺乏资源优势的竞争者难以通过简单的模仿学习形成市场竞争力,即基础研究溢出知识的技术扩散性作用有限,需要开展更深入的知识拓展。而在市场资源分布较均衡的行业内,企业可以通过扩散性知识显著提升竞争力,此时扩散性的知识溢出效应仍然显著,然而拓展性的知识学习需要投入更多组织资源,因此效果并不显著。

7 结语

本文利用2000-2022年上市企业样本,分析基础研究外溢知识的技术特征如何影响企业自身市场表现。基于企业基础研究成果溢出后的技术特征,本文将知识外溢分为技术扩散性和技术可拓展性两个维度,发现技术扩散性对企业市场表现产生负向影响,而技术可拓展性则对企业市场表现产生正向影响。同时,从团队成员流动性角度,进一步分析上述两种作用机制的发生逻辑。

本文从理论角度拓展了目前学术界关于知识溢出的讨论。Arora等[6]认为,企业减少基础研究的原因可能是知识溢出速度快于企业使用速度。本文将论文和专利视为技术在不同阶段的呈现形式,丰富了学术界对于开放式创新的讨论,有助于深刻理解科学突破的形成机制,同时,深化了对企业基础研究能力和基础研究机制的认知,也是对资源基础理论的进一步补充。根据资源基础理论,组织创新行为需要建立在广泛占有排他性知识与技术的基础上,由于可能导致核心技术资产流失,包括基础研究在内的技术开放被视为一种潜在风险。本文通过构建复杂、动态的分析框架,对企业基础研究行为重新进行解读。企业通过论文发布与专利申请相结合,不仅保留技术独占权,而且利用论文开放性促进技术领域内的学术交流和知识共享。这种策略不仅有助于增强组织创新能力,而且通过形成独特的知识组合,增强企业竞争力与提升市场表现。

研发上游的基础研究开放性知识溢出可与下游专利通过差异化的技术要素组合构成知识溢出策略。同时,通过对基础研究知识溢出的策略性选择,利用溢出知识的开放性,实现对溢出知识市场效益的最大化“独占”。我国企业基础研究正转向高质量发展阶段,内驱因素、机制障碍有待进一步探索(贺俊等,2024)。本文拓展了这一方向研究,指出论文发表和专利申请可以组合形成资源捆绑,企业通过知识布局的资源捆绑策略,强化下游专利开发带来的经济收益。这种差异化的知识组合策略,实际上是一种多层次的知识管理战略,使得企业在保持关键技术秘密的同时,通过论文开放促进技术标准制定和行业影响力提升。这种策略应用有助于企业在全球市场中占据技术领导地位,同时通过专利保护保障其商业利益。

相较于既有的企业基础研究成果而言[5-6],本文侧重从知识溢出的知识流动和技术特征角度解释基础研究对企业市场表现的作用机制。虽然基础研究的知识溢出会对企业市场表现产生负面影响,但这取决于知识溢出的技术要素特征与市场应用情景。当溢出的知识要素具有较高可拓展性时,被竞争对手使用的基础研究溢出部分不仅不会阻碍溢出者市场表现,反而会提升知识溢出者市场表现;与之相反的,仅仅被学习者模仿的溢出知识则会削弱企业市场表现,表现为一种“开放负担”。从组织结构和行业环境角度,本文进一步讨论了这一现象,指出在高度不确定的环境里,基础研究溢出知识的两种利用方式会呈现出较大差异。

本文研究有助于推动企业开放式创新、知识重组与再利用等相关领域的深入探索。企业实施开放式创新战略时,需要平衡内外部知识应用,不断优化知识价值链。开放式创新研究除关注企业知识开放强度外,还可关注知识开放方向和要素类型,二者同样会显著影响企业市场表现。本文基于知识溢出后的技术特征及开放知识的情境化利用揭示开放知识的差异化结果,拓展了知识开放的相关讨论,从新角度丰富了关于知识整合、知识协同以及知识要素之间互补性的认知。同时,获得新启示,即企业开展高广度的知识要素重组时应积极探索知识组合边界。这是因为当知识要素被重新部署到不同应用领域时,有助于丰富原有知识要素,增强企业处理和解决复杂问题的能力,形成开放式创新的反哺效应。

参考文献：

[1] ROTOLO D, CAMERANI R, GRASSANO N, et al. Why do firms publish a systematic literature review and a conceptual framework[J]. Research Policy, 2022, 51(10):104606.

[2] COLEN L, BELDERBOS R, KELCHTERMANS S, et al. Reaching for the stars when does basic research collaboration between firms and academic star scientists benefit firm invention performance[J]. Journal of Product Innovation Management, 2022, 39(2): 222-264.

[3] ALEXY O, GEORGE G, SALTER A J. Cui bono?the selective revealing of knowledge and its implications for innovative activity[J]. Academy of Management Review, 2013, 38(2): 270-291.

[4] 蒋舒阳, 庄亚明. 企业基础研究同群效应及其社会参照影响研究[J]. 科技进步与对策, 2023, 40(21): 56-65.

[5] 孟巧爽, 李乐逸, 王艺萌. 企业基础研究的知识溢出效应研究[J]. 科学学研究,2025,43(1):91-102.

[6] ARORA A, BELENZON S, SHEER L. Knowledge spillovers and corporate investment in scientific research[J]. American Economic Review, 2021, 111(3): 871-898.

[7] HU Y, ZHANG H, GAO Y. In search of optimal distinctiveness balancing conformity and differentiation via organizational learning[J]. Management and Organization Review, 2021, 17(4): 690-725.

[8] YILMAZ E D, NAUMOVSKA I, MIRIC M. Does imitation increase or decrease demand for an original product understanding the opposing effects of discovery and substitution[J]. Strategic Management Journal, 2023, 44(3): 639-671.

[9] WATANABE C, SHIN J H, HEIKKINEN J, et al. New functionality development through follower substitution for a leader in open innovation[J]. Technological Forecasting and Social Change, 2011, 78(1): 116-131.

[10] CALLON M. Is science a public good?Fifth Mullins Lecture, Virginia Polytechnic Institute, 23 March 1993[J]. Science, Technology, &Human Values, 1994, 19(4): 395-424.

[11] FABRIZIO K R. Absorptive capacity and the search for innovation[J]. Research Policy, 2009, 38(2): 255-267.

[12] LAMPE H W, IHL C. Released, but not lost motives and environments driving firms′ knowledge disclosure[J]. International Journal of Innovation Management, 2021, 25(8): 2150089.

[13] DAHLANDER L, GANN D M, WALLIN M W. How open is innovation a retrospective and ideas forward[J]. Research Policy, 2021, 50(4): 104218.

[14] ROSENBERG N. Why do firms do basic research (with their own money)[J]. Research Policy, 1990, 19(2): 165-174.

[15] NELSON R R. The simple economics of basic scientific research[J]. Journal of Political Economy, 1959, 67(3): 297-306.

[16] ARROW K. Economic welfare and the allocation of resources for invention[M]. Princeton:Princeton University Press,1962:609-626.

[17] HUANG H, PARKER G, TAN Y, et al. Altruism or shrewd business implications of technology openness on platform innovations and competition[J]. MIS Quarterly, 2020, 44(3): 1049-1071.

[18] GAO J P, DING K, TENG L, et al. Hybrid documents co-citation analysis making sense of the interaction between science and technology in technology diffusion[J]. Scientometrics, 2012, 93(2): 459-471.

[19] PARK G, YI S. Why do leaders help followers follow [J]. Technology Analysis &Strategic Management,2024,36(12):4084-4097.

[20] VERREYNNE M L, TORRES DE OLIVEIRA R, STEEN J, et al. What motivates ′ free′ revealing measuring outbound non-pecuniary openness, innovation types and expectations of future profit growth[J]. Scientometrics, 2020, 124(1): 271-301.

[21] AKCIGIT U, HANLEY D, SERRANO-VELARDE N. Back to basics basic research spillovers, innovation policy, and growth[J]. The Review of Economic Studies, 2021, 88(1): 1-43.

[22] 崔小委, 吴新年. 面向产业技术开放创新模式的情报服务策略研究[J]. 情报学报, 2016, 35(2): 159-168.

[23] YAYAVARAM S, AHUJA G. Decomposability in knowledge structures and its impact on the usefulness of inventions and knowledge-base malleability[J]. Administrative Science Quarterly, 2008, 53(2): 333-362.

[24] INKPEN A C, TSANG E W K. Social capital, networks, and knowledge transfer[J]. Academy of Management Review, 2005, 30(1): 146-165.

[25] COHEN W M, LEVINTHAL D A. Innovation and learning the two faces of R&D[J].The Economic Journal, 1989, 99(397): 569-596.

[26] ZAHRA S A, GEORGE G. Absorptive capacity a review, reconceptualization, and extension[J]. Academy of Management Review, 2002, 27(2): 185-203.

[27] ARORA A, BELENZON S, RIOS L A. Make, buy, organize the interplay between research, external knowledge, and firm structure[J]. Strategic Management Journal, 2014, 35(3): 317-337.

[28] FOSS N, LYNGSIE J, ZAHRA S A. The role of external knowledge sources and organizational design in opportunity exploitation[J]. Strategic Management Journal, 2013, 34(12): 1453-1471.

[29] COLOMBO M G, PIVA E, ROSSI-LAMASTRA C. Authorising employees to collaborate with communities during working hours when is it valuable for firms[J]. Long Range Planning, 2013, 46(3): 236-257.

[30] BEVAN S. The management of labour turnover[J].Human Relations,1971,24(3).

[31] BÉNABOU R, TIROLE J. Intrinsic and extrinsic motivation[J]. The Review of Economic Studies, 2003, 70(3): 489-520.

[32] KOTHA R, GEORGE G, SRIKANTH K. Bridging the mutual knowledge gap coordination and the commercialization of university science[J]. Academy of Management Journal, 2013, 56(2): 498-524.

[33] JAIN A. Learning by doing and the locus of innovative capability in biotechnology research[J]. Organization Science, 2013, 24(6): 1683-1700.

[34] FRANZONI C, SCELLATO G, STEPHAN P. Context factors and the performance of mobile individuals in research teams[J]. Journal of Management Studies, 2018, 55(1): 27-59.

[35] FINI R, RASMUSSEN E, WIKLUND J, et al. Theories from the lab how research on science commercialization can contribute to management studies[J]. Journal of Management Studies, 2019, 56(5): 865-894.

[36] PFEFFER J. Organizational demography[J]. Research in Organizational Behavior, 1983, 5:299-357.

[37] MARX M, FUEGI A. Reliance on science worldwide front-page patent citations to scientific articles[J]. Strategic Management Journal, 2020, 41(9): 1572-1594.

[38] 龙小宁, 易巍, 林志帆. 知识产权保护的价值有多大——来自中国上市公司专利数据的经验证据[J]. 金融研究, 2018,61(8): 120-136.

[39] WANG H C, HE J, MAHONEY J T. Firm-specific knowledge resources and competitive advantage the roles of economic-and relationship-based employee governance mechanism[J]. Strategic Management Journal, 2009, 30(12): 1265-1285.

[40] WANG H, CHOI J, WAN G, et al. Slack resources and the rent-generating potential of firm-specific knowledge[J]. Journal of Management, 2016, 42(2): 500-523.

(责任编辑：胡俊健)