开放科学(资源服务)标识码(OSID)：
The integrated circuit design industry, as a strategic, foundational, and leading sector supporting economic and social development, has become the cornerstone for driving innovation in emerging fields such as artificial intelligence, automotive electronics, and the Internet of Things. Do the mechanisms through which innovation openness and dynamic capabilities influence corporate innovation vary across different industrial supporting environments ?How do open innovation and dynamic capabilities shape the innovation activities of integrated circuit design enterprises?In what ways do regional industrial configuration and industrial capacity affect the enhancement of corporate innovation capabilities?These questions warrant further in-depth investigation. Using panel data from integrated circuit design enterprises in the Yangtze River Delta region of China from 1997 to 2023, this study employs fixed-effects and system GMM models to estimate the impact mechanisms of innovation openness and dynamic capabilities on enterprise innovation capability, while also examining the moderating effect of industrial supporting capability.
The research results indicate that there is an inverted U-shaped relationship between the breadth of enterprise innovation openness and innovation capability, as well as between dynamic capability and innovation capability. The depth of enterprise innovation openness has a positive impact on innovation capability. Currently, the breadth of innovation openness and dynamic capabilities of integrated circuit design enterprises in the Yangtze River Delta region fall significantly short of the optimal levels. For most enterprises in this sector, there is still a need to further expand the breadth of innovation openness to achieve optimal innovation capacity. In addition, industrial supporting capability suppresses the impact of innovation openness depth on innovation capability while promoting the influence of dynamic capabilities on innovation capability. When enterprises exhibit relatively low levels of innovation openness depth and dynamic capabilities, they can leverage the agglomeration effects brought by a high industrial supporting environment,such as cost-effective intermediate products and an abundant labor force,to achieve higher innovation capability. However, for enterprises with high innovation openness depth and dynamic capabilities, greater attention should be paid to the negative impacts of agglomeration effects, such as rising innovation costs and intensified competition.
This study expands the theoretical boundaries of research on enterprise dynamic capabilities and innovation capability, providing a new analytical framework for how open innovation enhances the innovation capability of strategic industry enterprises in complex and dynamic environments. It reveals the intrinsic mechanism through which integrated circuit design enterprises improve innovation performance via resource synergy, thereby establishing a new theoretical foundation for future research. Despite these contributions, the research has several limitations: first, the sample is restricted to IC design enterprises in the Yangtze River Delta, limiting its representativeness of China's entire IC industry; second, temporal discontinuity in some indicator data may affect the reliability of empirical analyses on variable relationships; third, complex nonlinear relationships (e.g., between industrial supporting capability and innovation openness) remain underexplored, particularly the unobserved critical point at which innovation depth exhibits an inverted U-shaped relationship. Future research could explore the existence and boundary conditions of this critical point, systematically consider the representativeness and coverage of enterprise samples, and conduct large-sample empirical analyses to compare the mechanisms through which open innovation and dynamic capabilities influence enterprise innovation under different regional agglomeration characteristics and industrial policies. Furthermore, comparative studies on industrial supporting capability and its effects across different regions could be undertaken.
开放科学(资源服务)标识码(OSID)：
集成电路产业作为支撑经济社会发展和保障国家安全的战略性、基础性与先导性产业,是助力通信、医疗等传统服务业转型升级,推动人工智能、汽车电子、物联网等新兴产业创新发展的基石。第五次全国经济普查结果显示,2023年我国集成电路总产量达3 946.8亿块,居世界首位,较2018年增长113.1%[1]。为了维护自身技术领先地位,以美国为首的发达国家采取一系列措施阻碍中国集成电路产业技术升级,如限制高端芯片出口,将中国高科技企业、高校列入“实体清单”,进一步加剧了国际竞争环境复杂性。面对复杂的竞争环境和“卡脖子”技术攻关难题,集成电路设计企业如何推动技术创新、实现关键核心技术突破,受到各界广泛关注。
近年来,许多学者针对我国集成电路设计产业的创新演化、政策变迁、协同创新等方面进行研究,但是从资源基础观、创新开放度和动态能力视角出发的研究较少且呈现碎片化。资源基础观指出,企业是否拥有价值潜力高、稀缺性强、难以模仿且不可替代的异质性资源,是其在竞争中持续保持优势的关键[2]。在此基础上,Chesbrough[3]、Teece等[4]分别提出开放式创新和动态能力理论,为企业创新提供新思维。通过跨组织的创新合作,获取并利用互补性资源,有助于企业实现价值创造[5]。目前,相关研究主要聚焦开放式创新的组织形式、作用机制、执行策略、平台构建、价值共创模式等方面,且多为静态视角,未充分展示企业开放度变化的影响。在既有研究中,部分学者认为开放度与企业创新绩效关系受到企业类型的影响,存在促进或“倒U型”影响[6];也有学者指出,不同类型企业都存在倒U型影响[7]。开放式创新与集成电路设计产业具有高度的内在契合性,这是因为集成电路设计企业需要与晶圆厂深度协同,通过开放式创新解决关键的工艺-设计协同优化问题,而浅层次合作难以满足其精度要求。但是开放式创新如何影响集成电路设计企业创新绩效?集成电路设计企业的开放式创新是否存在最佳开放点?这些问题仍需要进一步研究。
与开放式创新理念不同,动态能力理论从另一个视角对资源基础观理论进行补充。其强调企业对异质性资源的开发和利用,通过积累核心资源构建竞争优势。相较于开放式创新,动态能力更强调机会感知与利用[7]。二者协同,有助于企业通过整合异质性资源,实现优势互补,铸就难以模仿的持续竞争优势。因此,本文将开放式创新与动态能力纳入同一理论框架进行研究。现有研究对动态能力的内涵、构成及其在不同行业、不同场景中作用的探讨较充分,但关于动态能力对企业创新绩效的影响仍存在一定分歧。有研究认为动态能力正向影响企业创新绩效,也有学者提出二者为非线性关系,存在最佳动态水平[8]。面对技术路线的频繁突变,企业亟需快速重组设计流程与供应链,这使得动态能力成为企业生存与发展的刚性需求。创新开放度与动态能力紧密相关、相互促进,为揭示集成电路设计企业绩效提升提供了全新视角。受限于数据,现有的开放度、动态能力与企业创新绩效关系研究较多采用截面数据,对于动态能力的测度多采用李克特量表,但在实际过程中企业创新开放度、动态能力是动态变化的,截面数据可能忽略潜在信息。同时,针对个体企业如何与外部产业环境互动的研究较少,在不同产业配套环境下,创新开放度和动态能力对企业创新绩效的作用机制是否受到影响?产业配套能力如何影响企业创新绩效?我国集成电路设计企业应如何调整创新开放度和动态能力?以上问题仍需进一步回答。
基于此,本文采用1997—2023年我国集成电路设计企业面板数据,将产业配套能力纳入研究框架,在检验创新开放度、动态能力与企业创新绩效关系的基础上,进一步探讨产业配套能力在创新开放度、动态能力与企业创新绩效关系中的作用,以期丰富开放式创新和动态能力理论研究,为我国集成电路设计企业创新发展提供借鉴。
受限于单一企业有限的资源,在日益复杂的竞争环境下企业难以通过传统的封闭式创新获得竞争优势,进行开放式创新已成为一种重要的战略选择。Chesbrough[3]首次提出开放式创新范式,主张通过构建创新生态网络,推动创新要素的跨组织流动。相较于传统的封闭式创新,开放式创新具有拓展信息渠道、整合创新要素、促进创新资源流动、集聚创新人才、推动成果商业化等优势[9-10]。创新开放度,是指企业创新时对外开放的程度[7]。现有研究表明,信息获取广度和深度显著影响企业创新绩效[11]。不同企业拥有差异化的知识资源和独特的技术优势,以资源整合为基础的开放式创新的出现,意味着企业可以从外部获取创新资源,丰富自身创新基础,促进新思想、新产品、新技术涌现。借助开放式创新,企业广泛吸收来自外部用户、上下游企业、高校和研究院所甚至是竞争对手的知识[12],促进创新成果产出。同时,随着开放式创新的不断深入,越来越多的企业通过突破知识边界约束、主动向外输出知识、与其他主体进行技术合作和知识交易,降低研发投入成本和研发风险,提高企业创新绩效。
企业在享受开放式创新带来的诸多福利的同时,也面临着开放式创新带来的风险,如信息泄漏和研发活动不确定性增大。现有研究指出,开放式创新收益曲线存在临界点,这是因为过高的开放度可能引发知识外溢、技术泄露、搜索过度、创新合作难度增大、对合作者过度依赖的负效应[6,13]。同时,随着合作网络扩大,创新主体间的协调和交易成本增大,进而对企业创新绩效产生负面影响(高霞等,2019)。
参考现有研究,本文将创新开放度划分为创新开放广度和创新开放深度两个维度,分别指代企业开展创新活动的范围和强度。集成电路设计产业作为我国重要的先导性产业,创新复杂度高,对各学科知识的需求量大[6]。在发展初期,集成电路设计企业搜寻、维系创新合作伙伴的能力弱,创新管理成本低,开放广度提升有助于促进内外部资源、技术、知识、人才自由流动,正向影响企业创新绩效。随着企业开放范围扩大,创新合作伙伴数量上升,维系不同创新合作伙伴的成本也随之上升,导致边际效益降低,开放广度的促进作用减弱甚至抑制企业创新绩效。开放深度与企业创新绩效关系同样受到企业所处发展阶段的影响——开放初期企业与创新伙伴合作频次增大,有助于提高二者间信任水平,降低交流和管理成本,随着开放深度增大,组织间异质性知识减少,知识交流与技术交易效用降低,从而对企业创新绩效产生负向影响。据此,本文提出研究假设:
H1:创新开放广度与创新绩效呈倒U型关系。
H2:创新开放深度与创新绩效呈倒U型关系。
近年来世界经济、政治格局动荡,面对不断变化的市场环境,企业需要通过选择、迭代重构核心能力,增强环境适应性,进而维持竞争优势[4]。动态能力具有环境感知、知识吸收、科学决策、资源配置等多维度内涵[14],通过促进组织学习、知识管理、跨界整合、创新迭代,提升组织创新能力[15-16]。高动态能力有助于企业形成特殊的组织架构、决策流程等微观组织结构,增强企业的机会感知、捕捉和转化能力,从而应对环境突变[17]。企业通过对异质性资源的整合、再配置,推出符合用户需求的产品和服务,以实现商业模式创新,响应不断更迭的市场需求[18]。基于不同研究视角,学界针对企业动态能力提出不同划分方式。从知识管理角度,企业动态能力可分为知识生成、集成和重构能力[19];从场景驱动角度,企业动态能力可分为感知能力、整合能力、学习能力、创新能力[20];从数据驱动视角,可分为机会感知能力、产业链协同能力、组织变革能力和价值生态能力4个维度[21]。尽管划分维度有所差异,但是动态能力实质上是一种促使企业从被动适应转向主动调整、快速响应变化的能力。通过构建动态能力,企业可以更快地跟进、响应环境变化并作出决策,有助于企业较竞争对手更快地将新产品投放市场并获得先发优势。
尽管动态能力有助于提升企业创新绩效,但实证研究亦表明,动态能力对企业创新绩效的影响并不是线性的,这是因为动态能力的构建与应用成本较高,一旦资源配置错误会导致资源利用率和组织结构稳定性下降[8]。此外,动态能力对企业绩效的作用还受到环境的影响。在剧烈变化的环境下,动态能力会产生更显著的促进作用,而在趋于稳定的竞争环境下,动态能力甚至可能与企业创新绩效负相关[22]。目前集成电路设计行业尚处于高速发展阶段,新技术不断涌现,创新合作不确定性较大。鉴于稀缺的资源条件和持续更迭的市场,较高的动态能力有助于企业快速适应市场环境,并通过进一步的试错、优化、迭代,构建自身核心竞争优势,在审视与整合内外部资源及能力的基础上进行创新决策,降低技术创新风险,提升企业创新绩效。随着企业面临的竞争环境趋于稳定以及企业核心能力的积累,动态能力对企业创新绩效的边际效用逐渐减弱甚至产生抑制作用。据此,本文提出研究假设:
H3:动态能力与创新绩效呈倒U型关系。
集聚理论指出,产业集聚会通过知识溢出影响企业创新[23]。现有研究多将产业集群划分为专业化和多样化两种。针对前者,Marshall等[24]最早提出规模经济(scale economy)理论,认为提高特定区域相似产业的集聚程度,有助于增强企业创新能力,提高企业创新绩效。该类观点认为,同一产业或相关产业在某地区集聚,有助于形成专业化劳动力市场,为企业提供大量优质廉价的中间投入品,同时,企业间距离缩短,有助于区域内企业以更低成本获取知识和技术资源,促进集群内知识溢出,进而提升企业创新能力和创新绩效[25]。在此基础上,部分学者提出创新集群概念,认为产业集群是创新集群的先决条件[26],创新集群是产业集群发展的高级阶段,是通过专业化分工和上下游企业价值互换,形成一定的经济技术关联网络,并具有促进知识溢出、技术转移、持续学习等优势(解学梅等,2009)。随着特定区域企业集聚水平不断提高,会诱发同质化企业增多与企业间恶性竞争,同时,个体行为的相似性导致集群内冗余信息增加,不利于企业创新(陈劲等,2013;张古鹏,2015)。因此,部分学者提出多样化集聚理论,认为通过提高特定区域异质性产业集聚程度、促进企业跨界合作、丰富异质性创新资源,有助于企业创新和产业经济发展(张古鹏,2015)。Lee等[27]对两种集群进行比较后发现,专业化产业集群有助于传统产业发展,而新兴产业发展则需要多样化的集聚环境。
产业配套能力被认为是企业提供生产经营所需各种原辅材料,即中间投入品的能力。其受到上游企业数量、质量、距离的影响[28],因此产业配套能力可以表征上游产业为企业生产经营提供专业化和多样化中间产品的能力。在一定区域内,集群企业彼此关联、互换资源、共担风险,竞争与合作并存,这与开放式创新和动态能力理念不谋而合,同时,也意味着在企业技术创新过程中,开放度和动态能力的作用可能受到产业配套能力的影响。具体而言,在低产业配套环境下,中间投入品价格昂贵、知识溢出效应弱,企业难以从邻近的上下游企业获得创新资源,因此创新开放度对企业创新能力的影响更显著。随着产业集聚程度提高,较短的地理距离有助于知识、技术、人才等资源流动,降低创新资源获取成本(陈劲等,2013)。集成电路设计产业的专业化分工程度高、知识生产方式复杂,不同类型企业的融通创新有助于企业创新能力提升[29]。此时,创新主体获取创新资源不再单纯依赖开放度提升,即产业配套能力与企业开放度之间存在一定替代效应。但是集聚程度的不断提高也会带来竞争加剧以及技术轨道锁定、成果外泄、创新内卷等问题[30],降低知识溢出效应,导致开放式创新对企业创新绩效的提升作用减弱。同时,动态能力对创新绩效的作用会受到产业配套能力的影响。当产业配套能力较低时,区域内产业链供应链不完善,产业集群的知识溢出效应较弱,企业难以依靠外部环境感知把握市场机会,而动态能力通过跨界整合、自我迭代,能够弥补配套不足的负面影响,提升创新成功率。在高产业配套条件下,同质化企业增加,诱发过度竞争,加之新产品新技术迭代加速,企业迫于市场需求,频繁进行战略、组织结构调整,进而导致资源复用率、组织结构稳定性下降,技术创新成本攀升,即动态能力对企业创新绩效的负效应显著增强。据此,本文提出研究假设:
H4:产业配套能力会抑制创新开放广度与企业创新绩效之间的关系。
H5:产业配套能力会抑制创新开放深度与企业创新绩效之间的关系。
H6:产业配套能力会增强企业动态能力与企业创新绩效之间的关系。
综上,构建理论框架如图1所示。
图1 理论框架
Fig.1 Theoretical framework
我国长三角地区作为重要的集成电路设计基地,在集成电路设计领域发挥举足轻重的作用。来自长三角集成电路融合创新发展产业联盟的数据显示,2023年长三角地区的集成电路产业收入占全国集成电路产业总收入的比重超60%。因此,本文选取长三角地区163个集成电路设计企业为研究对象,获取企业自成立至2023年12月31日拥有的全部专利数据进行实证研究。专利数据主要来源于智慧芽专利数据库,鉴于发明专利更能反映企业创新绩效,因此筛选发明专利数据作为研究对象。去除未申请专利的企业样本和重复专利后,获得143个企业的40 291条发明专利数据,并逐年构建合作创新网络。
考虑到使用面板负二项回归处理非平衡面板数据,易出现模型不收敛情况(汤二子等,2025)。参考现有研究,根据F检验、Hausman 检验结果,构建固定效应模型和两阶段系统GMM以进行假设验证。
lnpatenti,t=α+β0lnpatenti,t-1+β1breadthi,t+β2sqbreadthi,t+βxi,t+ui+εi,t
(1)
lnpatenti,t=α+β0lnpatenti,t-1+β1depthi,t+β2sqdepthi,t+βxi,t+ui+εi,t
(2)
lnpatenti,t=α+β0lnpatenti,t-1+β1dci,t+β2sqdci,t+βxi,t+ui+εi,t
(3)
其中,lnpatentit为对数化的企业创新绩效,xit为控制变量,ui为不随时间变化的个体效应,εit为残差项。
2.3.1 被解释变量
鉴于发明专利从申请到授权有较长的时间跨度,参考现有研究[31],选取企业发明专利申请数(patent)表征企业创新绩效。由于企业并非每年都有创新产出,本文将企业专利数量加1后取自然对数,以减少缺失值[32]。
2.3.2 核心解释变量
创新开放广度(breadth),用于衡量企业创新范围,参考Laursen &Salter[11]及陈钰芬等[6]、马文甲等[7]的测量方法,统计企业i在t时期与不同类型机构的合作次数。具体合作对象包括供应商(上下游企业)、高校、研究机构、技术中介组织、政府部门等外部创新主体。
创新开放深度(depth),用于衡量企业创新强度,参考高霞(2019)的研究,使用企业i在t时期的总合作次数表征。
动态能力(dc),用于衡量企业的机会感知和市场适应能力。由于该指标考察的是企业整合内外部资源和响应环境的综合能力[17],需从企业自身、企业合作关系以及市场风险应对等多维度测度[18,21]。基于此,本文选择从微观层面的技术拓展和市场适应能力[33-34]、中观层面的创新网络资源获取能力[35-36]、宏观层面的市场风险应对能力[37],分别使用企业IPC新增数量、创新网络结构洞效率以及网络凝聚子群数量3个指标测度,使用熵值法计算指标权重,最后求和得到动态能力指标值。其中,IPC新增数量越多,意味着企业技术多样性越丰富[33],知识跨界搜索能力也越强[34],能够积极主动地内化新知识、新技术,从而具有较强的动态能力;处于创新网络结构洞位置的企业相较于边缘企业,可以更早、更全面地获得信息和资源,并以较低成本筛选信息[35],因此也被认为具有较强的动态能力[36]。此外,动态能力不仅受到企业自身影响,而且受到产业创新网络整体抗风险能力的影响(陈伟等,2015),网络凝聚子群内的核心企业具备强大的自我调节能力,既能重组资源、应对外部冲击,又能辐射带动关联企业,即企业与子群合作伙伴的密切互动有助于企业把握市场变化,增加应对不确定性风险的能力[37],因此本文选择网络中凝聚子群数量作为宏观层面的企业动态能力子指标。凝聚子群越多,企业整合和配置资源的能力越强,抗风险能力也越强,从而动态能力也越强。
2.3.3 调节变量
产业配套能力(limc)。借鉴胡凯等[38]研究,利用地区投入产出表进行测度。本文数据主要来自国家统计局国民经济核算司编制的《中国地区投入产出表》、清华大学研究团队创建的中国碳核算数据库,同时,参考李善同等[39]编制的《中国多区域投入产出模型:1987-2017年》,缺失数据通过插值法补全。其中,limcij表示j部门i行业的产业配套能力,采用j部门i行业的本地中间投入
除以j部门i行业的全部中间投入获得,limcj表示j部门产业配套能力,为j部门i行业(i = 1, 2,…,n)产业配套能力的加权和,权重为i行业向j部门提供的中间投入占全部中间投入的比重。为计算集成电路设计行业的产业配套能力,根据《国民经济行业分类》,选择专用设备,通信设备、计算机及其他电子设备,信息传输、软件和信息技术服务三个部门,分别按年度和省份计算其产业配套能力limcj,最终的limc为3个部门的产业配套能力加权平均值并乘以该产业集聚指标获得。参考许召元等[28]的研究,采用投入产出数据计算总投入,进而测度产业配套能力,计算公式如下:
(4)
(5)
(6)
2.3.4 控制变量
参考高霞等(2019)的研究,采用近5年发明人数量(inventor)、近5年专利授权数(prepatent)分别代表企业研发人员投入和知识积累;采用网络规模(size)、密度(density)衡量整体网络变化。企业创新绩效会受到企业年龄影响[40],同时企业持有专利的时间会影响其对技术的锁定和研发经验积累,产业中动态的技术转移和知识流动是企业成长过程中积累研发资源的基础,企业成立前来自创始人或其他机构的专利将为企业提前锁定嵌入产业所需的关键技术,而企业成立后申请的专利是提升研发能力的重要来源。参考胡欣悦等(2018)和蒋启蒙等(2025)的研究,选取企业研发年龄(R&D age)作为控制变量,用“企业所获取第一项专利所有权的年份—企业成立年份”测度企业研发年龄,该指标值越小说明企业研发经验越少。
对样本进行描述性统计,结果如表1所示,企业创新绩效均值为26.962,标准差为85.882,表明不同企业及不同研发年龄企业创新绩效的差异大。此外,不同企业的创新开放广度、创新开放深度、动态能力也有所差异。企业研发年龄统计中,若企业所获取第一项专利来自创始人或股东企业的专利申请、其他机构或个人的专利转移等,则研发年龄为负值,说明该企业提前锁定某项技术;若企业成立年之后产生专利申请,则研发年龄为正值,说明企业成立后通过提出专利申请锁定某项技术,且随着样本观测年推移,研发年龄和研发经验增加,技术锁定时间也相应增长。
表1 变量描述性统计结果(N=1 495)
Table 1 Descriptive statistics of variables(N=1 495)
变量均值平均方差最小值最大值企业创新绩效26.96285.88201 616创新开放广度0.2580.57604创新开放深度1.0384.7880102动态能力5.3177.7910.0186.847产业配套能力9.5209.663039.739企业研发年龄6.8917.361 -1735研发人员投入48.902115.0801 591网络规模114.58148.0770188网络密度0.0360.05100.526知识积累98.335331.95105 833
对本文核心变量进行皮尔逊(pearson)相关性分析,相关系数如表2所示。仅知识积累(prepatent)变量与其他变量相关性大于0.8,因此不纳入回归模型中。删除该变量后VIF值均小于2,表明变量间不存在显著的多重共线性。
表2 变量相关性分析结果
Table 2 Correlation analysis of variables
变量 (1)(2)(3)(4)(5)(6)(7)(8)(9)网络规模1.000网络密度-0.275∗1.000(0.000)企业研发年龄0.380∗-0.097∗1.000(0.000)(0.000)研发人员投入0.184∗-0.0480.310∗1.000(0.000)(0.063)(0.000)知识积累0.159∗-0.0360.243∗0.920∗1.000(0.000)(0.161)(0.000)(0.000)创新开放广度0.126∗-0.0110.254∗0.346∗0.225∗1.000(0.000)(0.668)(0.000)(0.000)(0.000)创新开放深度0.101∗0.0190.054∗0.190∗0.082∗0.396∗1.000(0.000)(0.460)(0.035)(0.000)(0.001)(0.000)动态能力0.307∗-0.0480.250∗0.647∗0.593∗0.319∗0.246∗1.000(0.000)(0.061)(0.000)(0.000)(0.000)(0.000)(0.000)产业配套能力0.429∗-0.094∗0.134∗0.0290.0000.0270.073∗0.090∗1.000(0.000)(0.000)(0.000)(0.263)(0.987)(0.293)(0.005)(0.000)
注：***p<0.01, **p<0.05, *p<0.1;括号内为企业层指标数据聚类的稳健标准误,下同
鉴于本文为面板数据,涉及时间序列,为避免出现伪回归现象,对核心变量进行面板单位根检验。常见的单位根检验方法包括LLC检验、IPS检验、Fisher-ADF检验和Fisher-PP检验,由于部分企业数据存在不连续情况,故选择Fisher-ADF对本文的非平衡面板数据进行检验。表3显示,所有序列均不存在单位根,因此为平稳序列。
表3 面板数据单位根检验结果
Table 3 Panel unit root test results
变量Fisher-ADF(Z统计量)p值是否平稳企业创新绩效-20.891 90.000 0 是创新开放广度-14.288 20.000 0 是创新开放深度-11.661 50.000 0 是动态能力-17.164 20.000 0 是网络规模-4.631 90.000 0 是网络密度-13.948 60.000 0 是企业研发年龄-6.553 80.000 0 是研发人员投入-4.345 80.000 0 是产业配套能力-10.454 80.000 0 是
常见的面板数据回归模型有混合估计、随机效应和固定效应模型。经过F检验和Hausman检验的结果表明,固定效应模型更优,回归结果如表4所示。
表4 基准回归结果
Table 4 Baseline regression results
变量(1)(2)(3)(4)(5)(6)网络规模0.004 29∗∗0.004 18∗∗0.004 72∗∗0.004 65∗∗-0.000 331-0.003 69∗∗(0.002)(0.002)(0.002)(0.002)(0.002)(0.001)网络密度-0.499-0.517-0.645-0.677-0.499-0.579(0.595)(0.590)(0.626)(0.619)(0.542)(0.461)企业研发年龄0.089 0∗∗∗0.089 7∗∗∗0.087 5∗∗∗0.087 0∗∗∗0.107∗∗∗0.106∗∗∗(0.020)(0.020)(0.021)(0.020)(0.016)(0.014)研发人员投入0.002 82∗∗0.002 90∗∗0.002 92∗∗0.002 93∗∗0.000 8810.001 31∗∗(0.001)(0.001)(0.001)(0.001)(0.001)(0.001)创新开放广度0.272∗∗∗0.629∗∗∗(0.067)(0.115)创新开放广度的平方项-0.166∗∗∗(0.043)创新开放深度0.036 0∗∗∗0.052 6∗∗(0.013)(0.025)创新开放深度的平方项-0.000 279(0.000)动态能力0.079 0∗∗∗0.166∗∗∗(0.015)(0.010)动态能力的平方项-0.001 73∗∗∗(0.000)常数项0.855∗∗∗0.833∗∗∗0.849∗∗∗0.851∗∗∗1.003∗∗∗1.072∗∗∗(0.127)(0.128)(0.127)(0.128)(0.096)(0.081)样本量1 4951 4951 4951 4951 4951 495F110.5∗∗∗90.34∗∗∗75.98∗∗∗62.88∗∗∗134.7∗∗∗213.1∗∗∗R20.5180.5240.5200.5210.6400.732调整后的R20.5160.5220.5180.5190.6390.731
列(1)(2)显示,创新开放广度对企业创新绩效具有正向影响,在1%水平上通过显著性检验,加入创新开放广度的平方项后系数为-0.166(p <0.01),说明当创新开放广度处于较低水平时,提高创新开放广度有助于提升企业创新绩效,随着创新开放广度提高到一定水平,其对企业创新绩效的作用逐渐下降,甚至出现边际效应递减现象,假设H1得到支持。这一结论与Laursen& Salter[11]、陈钰芬和陈劲[6]等的研究结果一致。根据计算,“倒U型”曲线转折点为1.9,即集成电路设计企业创新开放广度为1.9左右时,企业创新绩效最高,达到最佳开放点。
列(3)(4)显示,创新开放深度对企业创新绩效具有显著正向影响,系数为0.036 0,在1%水平上通过显著性检验。加入创新开放深度的平方项后系数为-0.000 279,未通过显著性检验和Utest检验,表明假设H2不成立。可能的原因是,我国集成电路设计企业的开放深度不足,未达到边际效益递减的转折点。同时,以往研究尚未严格区分传统产业与新兴产业。长三角集成电路设计产业具有独特性——技术迭代快、知识高度复杂,企业需要持续创新才能跟上步伐,而稳定可靠的创新合作伙伴至关重要。为应对产业技术生命周期短、新技术更迭频繁的挑战,企业需要与伙伴持续合作、不断产生新知识。由于知识交流、技术交易的收益大于成本,因此与创新开放伙伴的合作频次提升、强度增大对企业创新绩效具有显著正向影响且不存在边际效应递减现象。
列(5)(6)显示,企业动态能力对企业创新绩效具有显著的正向影响,在1%水平上通过显著性检验。加入动态能力的平方项后系数为-0.001 73(p<0.01),通过Utest检验,说明动态能力对企业创新绩效的作用同样是非线性的,当动态能力达到一定阈值时,对企业创新绩效的提升作用减弱,假设H3得到验证,即企业的动态能力与创新绩效间存在“倒U型”关系,与Schilke[8]研究结果一致。根据计算,转折点为47.9,即动态能力达到47.9时,为最佳动态水平。
由于创新开放度、动态能力与创新绩效间存在反向因果关系,为避免内生性问题对回归结果的影响,引入动态面板GMM模型对假设作进一步验证。相较于差分GMM和一步法系统GMM模型,两步法系统GMM模型被认为具有更高的估计效率,因此选择两步法系统GMM进行估计,回归结果如表5所示。可以发现,相较于固定效应模型,两步法系统GMM的回归结果无显著差异,AR(1)、AR(2)和Hansen值均在合理范围内,满足模型的基本假设,即回归结果可靠。
表5 两步法系统GMM回归结果
Table 5 Two-step system GMM regression results
变量(1)(2)(3)(4)(5)(6)企业创新绩效0.580∗∗∗0.575∗∗∗0.573∗∗∗0.577∗∗∗0.434∗∗∗0.313∗∗∗(0.056)(0.055)(0.061)(0.060)(0.066)(0.033)网络规模0.002 17∗∗∗0.002 20∗∗∗0.001 94∗∗∗0.001 93∗∗∗0.001 15∗∗-0.000 031 2(0.001)(0.001)(0.001)(0.001)(0.001)(0.001)网络密度0.4670.4460.2950.1940.0296-0.292(0.373)(0.347)(0.321)(0.267)(0.399)(0.318)企业研发年龄-0.009 23-0.008 89-0.005 23-0.005 950.009 52∗0.011 5∗∗(0.006)(0.006)(0.006)(0.006)(0.006)(0.005)研发人员投入0.004 12∗∗0.004 12∗∗0.004 08∗∗0.003 87∗∗0.000 8710.001 08∗(0.002)(0.002)(0.002)(0.002)(0.001)(0.001)创新开放广度0.202∗∗0.450∗∗∗(0.080)(0.134)创新开放广度的平方项-0.115∗∗∗(0.040)创新开放深度0.028 6∗∗∗0.062 3∗∗∗(0.008)(0.024)创新开放深度的平方项-0.000 452∗(0.000)动态能力0.067 8∗∗∗0.141∗∗∗(0.012)(0.010)动态能力的平方项-0.001 41∗∗∗(0.000)常数项0.648∗∗∗0.631∗∗∗0.692∗∗∗0.675∗∗∗0.794∗∗∗0.892∗∗∗(0.082)(0.083)(0.077)(0.078)(0.085)(0.063)样本量1 2741 2741 2741 2741 2741 274AR(1)2.85e-112.26e-111.13e-101.31e-101.16e-091.12e-10AR(2)0.4020.4100.4200.4070.1150.232Hansen值0.2140.2450.1900.2200.2950.158
表6中列(1)～(6)为产业配套能力对创新开放度、动态能力与企业创新绩效关系的调节效应检验结果。列(1)(4)显示,产业配套能力与创新开放广度平方项的交乘项未通过显著性检验,假设H4不成立。该结果表明,产业配套能力对创新开放广度与企业创新绩效关系的影响并非单纯的抑制或促进作用。在高度动态的竞争环境中,企业开展创新需要合作伙伴的异质性知识,而上游产业的高度集聚会导致企业间技术知识、生产工艺等同质化,降低异质性知识密度,增大企业获取和管理创新资源的难度与不确定性,进而影响企业创新绩效提升。换而言之,产业配套能力在提高产业集聚效应的同时,可能不利于通过提升创新开放广度获取高的创新绩效,因此适度的产业集聚和创新开放广度最有利于提升企业创新绩效。列(2)显示创新开放深度的一次项系数为正(因平方项不显著,此处主效应不考虑非线性调节作用),列(5)显示产业配套能力与创新开放深度的交乘项系数在5%的水平上显著为负,两次回归系数方向相反,表明产业配套能力会削弱创新开放深度对企业创新绩效的正向影响[41],假设H5得到验证。图2直观展示不同产业配套能力对创新开放深度、动态能力的作用机制。如图2(a)所示,低产业配套能力对应直线斜率大于高产业配套能力,表明随着产业配套能力提升,上游企业集聚带来更多的选择,导致企业对特定合作伙伴的依赖程度有所降低。相较于创新开放广度强调创新合作伙伴类型的多样性,开放深度更注重拓展与现有创新伙伴的合作强度,因此显著受到产业配套能力的影响。产生该现象的可能原因是,本地完善的配套体系(涵盖供应商、服务商、人才池、知识源等)显著降低企业对远方合作伙伴的依赖程度,加之企业往往秉持求近理念,从而极大削弱企业向外部寻求资源,尤其是与地理距离较远、文化差异较大地区开展深度合作的意愿。与此同时,高度密集的产业集群内部易滋生诸多问题,如竞争白热化、信息过载、协调复杂性提升、人才激烈争夺以及同质化风险增加等。这些问题可能导致企业在寻求本地深度合作时,面临更高的筛选成本、谈判成本和机会成本以及核心知识泄露风险,进而倾向于维系更浅层、更工具化的本地联系,而非深度嵌入的开放式合作。
表6 调节效应检验结果
Table 6 Moderating effect results
变量固定效应模型(1)(2)(3)两步法系统GMM模型(4)(5)(6)企业创新能力0.045 40.040 70.034 4(0.060)(0.069)(0.032)网络规模0.003 95∗0.004 52∗∗-0.003 45∗∗0.005 60∗∗∗0.005 26∗∗∗0.001 41∗(0.002)(0.002)(0.002)(0.001)(0.001)(0.001)网络密度-0.689-0.854-0.4630.4020.154-0.360(0.580)(0.610)(0.447)(0.622)(0.610)(0.607)企业研发年龄0.079 6∗∗∗0.077 2∗∗∗0.098 4∗∗∗0.018 0∗∗0.021 5∗∗0.024 7∗∗∗(0.020)(0.021)(0.014)(0.009)(0.009)(0.007)研发人员投入0.002 96∗∗0.003 05∗∗0.001 80∗∗0.006 04∗∗∗0.006 20∗∗∗0.002 52∗∗∗(0.001)(0.001)(0.001)(0.002)(0.002)(0.001)产业配套能力0.017 4∗0.015 90.003 380.001 280.000 125-0.005 79(0.010)(0.010)(0.009)(0.008)(0.007)(0.008)创新开放广度0.664∗∗∗0.440(0.148)(0.271)创新开放广度的平方项-0.141∗∗-0.070 8(0.055)(0.073)产业配套能力×创新开放广度0.000 758-0.012 2(0.013)(0.017)产业配套能力×创新开放广度的平方项-0.004 570.001 47(0.006)(0.008)创新开放深度0.059 8∗∗∗0.044 0∗∗∗(0.020)(0.010)产业配套能力×创新开放深度-0.001 50∗-0.001 25∗∗(0.001)(0.000)动态能力0.167∗∗∗0.143∗∗∗(0.012)(0.014)动态能力的平方项-0.001 37∗∗∗-0.001 11∗∗∗(0.000)(0.000)产业配套能力×动态能力0.000 8450.001 39(0.000)(0.001)产业配套能力×动态能力的平方项-0.000 070 8∗-0.000 070 0∗∗(0.000)(0.000)常数项0.765∗∗∗0.789∗∗∗1.014∗∗∗1.038∗∗∗1.101∗∗∗1.123∗∗∗(0.128)(0.128)(0.101)(0.113)(0.107)(0.084)样本量1 4951 4951 4951 2741 2741 274F69.50∗∗∗60.03∗∗∗175.1∗∗∗R20.5270.5250.741调整后的R20.5240.5230.739AR(1)0.000 089 10.000 4660.000 017 2AR(2)0.1220.1330.981Hansen值0.3560.3200.424
图2 产业配套能力的调节效应
Fig.2 Moderating effect of industrial supporting capability
列(3)显示,企业动态能力平方项系数为负(因平方项显著,此处主效应仅考虑非线性调节作用),列(6)显示产业配套能力与企业动态能力平方项的交乘项系数在5%水平上显著为负,两次回归系数均为负,因此可以认为产业配套能力能够强化企业动态能力与企业创新绩效的关系[41-42],故假设H6得到验证。如图2(b)所示,无论是在低产业配套能力还是高产业配套能力条件下,企业动态能力与创新绩效均呈“倒U型”关系。当产业配套能力处于高水平时,U型曲线相较于低水平时发生显著变化,即曲线更陡峭、开口更小且转折点左移,说明产业配套能力有助于企业在更低的动态能力水平下达到“最优动态点”。在转折点左侧,动态能力对企业创新绩效的促进作用增强,在转折点右侧,动态能力对企业创新绩效的抑制作用也大幅增强。其原因在于,长三角地区凭借丰富的人才、技术、设备、服务和信息等配套资源,在集成电路设计产业早期发展阶段发挥了重要的基础性作用。这些完善的配套资源大幅降低企业识别、获取和整合资源的压力。同时,完善的配套体系有力地促进非正式交流、人员流动、集体学习,且发挥示范效应,赋能企业敏捷响应市场变化和进行技术迭代,快速重组资源,从而增强自身适应性和提升创新绩效。然而,随着集成电路产业不断发展,其成熟度日益提高、布局臻于完善,产业配套能力提升下所带来的竞争加剧、合作协同成本增大等问题也日益凸显,进一步强化了动态能力对企业创新绩效的负面影响。此外,高水平动态能力带来的组织架构灵活性和核心知识复杂化,也不利于企业创新绩效提升。
为保证回归结果稳健性,本文从如下方面进行稳健性检验:一是调整创新开放广度、创新开放深度衡量指标,其中,前者使用企业在创新网络中的度数(与节点直接相连的边的数量)进行衡量(高霞等,2019)。根据创新开放广度重新计算创新开放深度,计算方法与前文一致。二是为避免产业发展阶段差异性对估计结果的干扰,本文采用分组回归策略。2014年9月国家集成电路产业投资基金正式成立,重点投向芯片设计与先进制造领域,随后,深圳、上海等地迅速设立区域基金,配套支持 EDA 工具研发,集成电路设计企业由此步入高速增长期。考虑到政策影响存在一定滞后性,本文以 2015 年为界,将样本划分为“探索期”(2015年及以前,占43%)与“快速增长期”(2015 年以后,占57%),并分别进行回归检验。三是加入时间效应,重新进行双向固定效应模型回归。回归结果如表7、表8所示,显示均无显著差异,调节效应结果中仅产业探索期符号有所差异,表明本文研究结论具有较好的稳健性。
表7 基准回归的稳健性检验结果
Table 7 Robustness test results of baseline regression
变量替换变量(1)(2)加入时间效应(3)(4)(5)探索期(6)(7)(8)快速增长期(9)(10)(11)创新开放广度0.252∗∗∗0.632∗∗∗0.924∗∗∗0.459∗∗∗(0.049)(0.116)(0.258)(0.138)创新开放广度的平方项-0.010 4∗∗∗-0.168∗∗∗-0.350∗∗-0.101∗∗(0.003)(0.045)(0.140)(0.046)创新开放深度0.045 9∗∗0.036 6∗∗∗0.116∗∗∗0.034 6∗∗∗(0.021)(0.012)(0.028)(0.010)动态能力0.170∗∗∗0.226∗∗∗0.136∗∗∗(0.010)(0.024)(0.010)动态能力的平方项-0.001 75∗∗∗-0.002 35∗∗∗-0.001 32∗∗∗ (0.000)(0.000)(0.000)常数项0.883∗∗∗0.832∗∗∗0.2560.3301.382∗∗∗0.781∗∗∗0.842∗∗∗0.599∗∗∗0.680∗∗∗0.671∗∗∗1.168∗∗∗(0.131)(0.126)(0.335)(0.321)(0.265)(0.132)(0.141)(0.092)(0.212)(0.208)(0.150)时间固定否否是是是否否否否否否控制变量是是是是是是是是是是是样本量1 4951 4951 4951 4951 495643643643852852852R 20.5250.5180.5300.5270.7420.5150.5160.7540.3050.3160.598调整后的R20.5230.5160.5210.5180.7370.5100.5120.7520.3000.3120.595
表8 调节效应的稳健性检验结果
Table 8 Robustness test results of moderating effect
变量替换变量(1)(2)加入时间效应(3)(4)(5)探索期(6)(7)(8)发力期(9)(10)(11)产业配套能力0.016 8∗0.016 2∗0.022 2∗∗0.020 8∗∗0.013 30.036 50.030 60.014 60.021 50.022 00.011 9(0.010)(0.010)(0.011)(0.010)(0.010)(0.032)(0.031)(0.020)(0.015)(0.015)(0.013)创新开放广度0.280∗∗∗0.670∗∗∗1.163∗∗∗0.387∗∗(0.058)(0.151)(0.289)(0.188)创新开放广度的平方项-0.007 80-0.140∗∗-0.528∗∗∗-0.045 0(0.006)(0.056)(0.155)(0.058)产业配套能力×创新开放广度0.000 1700.000 629-0.051 0∗0.012 5(0.007)(0.013)(0.030)(0.013)产业配套能力×创新开放广度的平方项-0.001 28-0.004 810.035 7∗∗-0.008 49(0.002)(0.006)(0.016)(0.006)创新开放深度0.092 6∗∗∗0.061 5∗∗∗0.084 9∗∗0.052 4∗∗∗(0.033)(0.020)(0.040)(0.009)产业配套能力×创新开放深度-0.002 42∗-0.001 56∗∗0.009 63-0.001 08∗(0.001)(0.001)(0.007)(0.001)动态能力0.171∗∗∗0.190∗∗∗0.132∗∗∗(0.013)(0.027)(0.014)动态能力的平方项-0.001 40∗∗∗-0.000 811-0.000 849∗∗∗(0.000)(0.002)(0.000)产业配套能力×动态能力0.000 6950.008 460.001 31(0.001)(0.007)(0.001)产业配套能力×动态能力的平方项-0.000 068 2∗-0.000 416-0.000 078 1∗∗∗ (0.000)(0.001)(0.000)常数项0.828∗∗∗0.761∗∗∗0.099 70.1861.187∗∗∗0.611∗∗∗0.686∗∗∗0.535∗∗∗0.624∗∗∗0.584∗∗∗1.115∗∗∗(0.132)(0.127)(0.337)(0.318)(0.275)(0.177)(0.179)(0.109)(0.211)(0.206)(0.165)时间固定否否是是是否否否否否否控制变量是是是是是是是是是是是样本量1 4951 4951 4951 4951 495643643643852852852R20.5280.5240.5350.5340.7520.5180.5190.7580.3100.3230.619调整后的R20.5250.5220.5250.5240.7460.5120.5140.7550.3030.3170.615
创新是推动企业发展、维持竞争优势的重要动力。企业通过开放式创新、动态能力提升的双路径,合理配置、优化并更新企业创新资源,助力企业发展。本文选取1997-2023年我国长三角地区143个企业进行创新开放度、动态能力与企业创新绩效关系的实证分析,发现创新开放深度对企业创新绩效具有显著正向影响,而创新开放广度、动态能力与企业创新绩效呈“倒U型”关系。目前我国集成电路设计企业创新开放广度的均值较低,较最佳开放广度差距较大,需进一步提高创新开放广度。在创新开放深度表现方面,我国集成电路设计企业同样存在均值偏低的情况,说明我国集成电路设计企业的创新开放深度大多处于较低水平,这或许可以解释与Laursen&Salter[11]、陈钰芬和陈劲[6]等研究的差异性,即我国集成电路设计企业整体的创新开放深度不足,未达到最佳开放点,因此拓展开放深度可能是提升创新绩效的最优策略。在动态能力表现方面,我国集成电路设计企业均值较低,距离倒U型曲线对应的转折点较远,表明集成电路设计企业仍需进一步提升动态能力,促进企业创新。
进一步研究表明,产业配套环境对企业创新开放度、动态能力与创新绩效关系的影响存在差异性,其中,产业配套能力抑制创新开放深度对企业创新绩效的正向影响,增强企业动态能力对企业创新绩效的正向影响,同时,创新开放广度、深度均与创新绩效呈显著的正相关性。因此,当企业创新开放深度与动态能力整体处于较低水平时,可以借助高水平产业配套环境带来价廉质优的中间品、丰富的劳动力等集聚效应提升企业创新绩效;随着企业创新开放度不断提高、动态能力不断增强,需要关注产业集聚效应所带来的创新成本上升、竞争加剧等负面影响。在享受高产业集聚带来的产业配套资源时,企业还要关注过度提高动态能力所隐藏的创新成本大于创新收益的问题,因此需对动态能力进行适度约束,以避免产生负向效应。
(1)实施开放式创新有助于提升企业创新绩效,但需在合理范围内。过低的开放广度会导致企业获取创新资源的效率降低、新知识和新技术流动性减弱、成果商业化难度提高等问题,而过高的开放广度易导致创新管理成本急剧上升,并带来企业核心技术泄露、创新独占性降低等隐患,不利于企业创新绩效提升。因此,企业应谨慎选择开放式创新合作者,不应盲目扩大合作者范围。由于拓展创新开放深度能有效提升企业创新绩效,可通过对企业合作者的评估,筛选出资源互补、战略契合的优质创新合作对象,建立长期稳定的合作关系,助力企业创新绩效提升。针对集成电路设计这类技术快速演进的技术密集型产业,相较于扩大创新开放广度,应优先拓展合作深度,将主要资源投入与核心伙伴的联合开发,建立长期技术共演进关系。这是因为在产业集聚程度较低、外部资源匮乏的情境下,企业间的深度合作能有效弥补产业配套能力与创新环境不足的短板。
(2)动态能力是一把“双刃剑”,企业动态能力应控制在合理范围内。企业应积极关注市场动态,在持续吸收内化新知识、新技术的基础上,对不适宜的组织架构、能力、资源进行重构。同时,过高的动态能力也会给企业带来一系列负向影响,故企业应维持核心资源优势和组织结构稳定性,减少过高的动态能力给组织带来的负面效应。因此,应系统培育动态能力,构建技术趋势感知、外部资源整合及内部流程重构能力,分阶段设置目标并配套专项投入,确保开放资源有效转化为创新产出。同时,完善风险预警机制,实时监测区域生态变化,当合作环境出现同质化倾向时,及时调整创新策略,加大对颠覆性技术的研发投入。
(3)产业配套能力的作用具有两面性,其在促进企业动态能力发挥作用的同时也会抑制企业创新开放深度对创新绩效的积极作用。初创企业需要深度嵌入高产业配套环境,以弥补自身在创新开放度和动态能力方面的不足。相比较而言,处于低产业集聚度环境的企业应着力提高创新开放度、增强动态能力,与合作伙伴达成长期深度合作,以构筑技术领域的核心优势;而处于高产业集聚区域的企业需合理提升和配置企业动态能力,通过跨领域合作应对激烈的市场竞争。
以往研究多基于开放式创新或动态能力的单一视角,探讨企业创新能力演化与绩效提升等问题,本研究构建了一个整合开放式创新、动态能力与企业创新绩效的综合分析框架,并引入产业配套能力作为关键调节变量。研究结果表明,在竞争全球化与需求多元化的集成电路设计市场中,企业创新结果由创新开放度与动态能力共同塑造,且二者关系受到产业配套能力的显著调节。本研究拓展了企业动态能力与创新绩效关系研究的理论边界,并为复杂的动态环境下战略性新兴产业企业提升创新绩效提供了新的分析框架,揭示了集成电路设计企业通过资源协同提升创新绩效的内在机理,从而为不同产业、不同政策环境下企业创新绩效研究提供了新的理论视阈。
本文采用长三角地区集成电路设计企业数据,样本数量相对全产业样本量较少,未能涵盖全国集成电路产业发展情况,且部分指标数据在时间上具有不连续性,可能对变量关系的可靠性产生一定影响,比如产业配套能力的计算源于地区投入产出表,缺失值通过插值法补全,可能影响结果可靠性。同时,产业配套能力与创新开放度之间可能存在更为复杂且未被探明的非线性关系,特别是本研究未观察到集成电路设计产业开放深度对创新能力的“倒U型”关系,如何阐释这种复杂的作用关系?未来可探索这一临界点的存在性及边界条件,系统考虑企业样本代表性与覆盖面,对长三角、珠三角等多个集成电路企业集聚区进行大样本实证分析,对比不同区域集聚特征和区域产业政策下企业开放式创新、动态能力对企业创新绩效的作用机制,同时,对比不同区域产业配套能力及其作用效果的差异,以为不同地区企业提高创新绩效提供建议。
[1] 国家统计局.第五次全国经济普查结果显示:我国工业经济持续发展壮大 新动能茁壮成长[EB/OL].(2025-02-28)[2025-04-12]. https://www.stats.gov.cn/sj/sjjd/202502/t20250227_1958812.html.
[2] BARNEY J B. Firm resources and sustained competitive advantage[J].Advances in Strategic Management, 1991, 17(1):3-10.
[3] CHESBROUGH H W. Open innovation: the new imperative for creating and profiting from technology[M]. Boston: Harvard Business School Press, 2003.
[4] TEECE D J, PISANO G, SHUEN A. Dynamic capabilities and strategic management[J]. Strategic Management Journal, 1997, 18(7): 509-533.
[5] CHESBROUGH H W, LETTL C, RITTER T. Value creation and value capture in open innovation[J]. Journal of Product Innovation Management, 2018,35(6):930-938.
[6] 陈钰芬, 陈劲. 开放度对企业技术创新绩效的影响[J]. 科学学研究, 2008, 16(2): 419-426.
[7] 马文甲, 高良谋. 开放度与创新绩效的关系研究——动态能力的调节作用[J]. 科研管理, 2016, 37(2): 47-54.
[8] SCHILKE O. The contingent value of dynamic capabilities for competitive advantage: the nonlinear moderating effect of environmental dynamism[J]. Strategic Management Journal,2014,35(2):179-203.
[9] GRIMPE C, KAISER U. Balancing internal and external knowledge acquisition: the gains and pains from R&D outsourcing[J]. Journal of Management Studies, 2010, 47(8): 1483-1509.
[10] 陈劲, 阳银娟. 协同创新的理论基础与内涵[J]. 科学学研究, 2012, 30(2): 161-164.
[11] 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.
[12] 陈劲,刘振. 开放式创新模式下技术超学习对创新绩效的影响[J]. 管理工程学报, 2011, 25(4):1-7.
[13] ASHISH A, SUMA A, CAN H. The paradox of openness revisited: collaborative innovation and patenting by UK innovators[J]. Research Policy, 2016, 45(7): 1352-1361.
[14] 陈玉宏,胡延琦.动态能力、资源要素对制造企业数字化转型路径选择影响研究[J].创新科技,2024,24(8):69-78.
[15] 周伟,利浩冬,王丁曼,等.跨国企业动态能力与海外子公司生存风险——东道国数字化水平的调节[J/OL].科技进步与对策: 1-12 [2025-05-24]. http://kns.cnki.net/kcms/detail/42.1224.G3.20250413.0200.002.html.
[16] 王琦, 张玲玲, 葛元骎. 知识动态能力视角下跨界搜寻对企业双元创新绩效的作用机制研究[J]. 中国软科学, 2024, 39(11): 124-138.
[17] 郭海, 陈沁悦. 企业数字化、战略柔性与公共危机应对——基于动态能力的视角[J]. 管理科学学报, 2024, 27(9): 29-47.
[18] 陈衍泰, 吕祖庆, 胡旭辉,等. 大数据分析能力、动态能力与制造企业商业模式创新——来自资源编排视角[J]. 科技进步与对策, 2024, 41(24): 107-117.
[19] EASTERBY-SMITH M, PRIETO I M. Dynamic capabilities and knowledge management: an integrative role for learning[J]. British Journal of Management, 2008, 19(3): 235-249.
[20] 王进富,王炎,张颖颖.不同发展阶段裂变型科技企业动态能力、双元创新与企业价值链升级[J].科技进步与对策,2024,41(22):119-128.
[21] 陈瑜, 陈衍泰, 谢富纪. 传统制造企业数据驱动动态能力的构建机制研究——基于娃哈哈集团数字化实践的案例分析[J]. 管理评论, 2023, 35(10): 340-352.
[22] WILDEN R, GUDERGAN S P. The impact of dynamic capabilities on operational marketing and technological capabilities: investigating the role of environmental turbulence[J]. Journal of The Academy of Marketing Science, 2015, 43(2): 181-199
[23] FELDMAN M P, AUDRETSCH D B. Innovation in cities: science-based diversity, specialization and localized competition[J]. European Economic Review, 1999, 43(2): 409-429.
[24] MARSHALL A. Principles of economics: an introductory volume[M]. London: The Macmillan Press, 1920.
[25] GLAESER E L, KALLAL H D, SCHEINKMAN J A, et al. Growth in cities[J]. Journal of Political Economy, 1992, 100(6): 1126-1152.
[26] 田桂玲. 区域创新链、创新集群与区域创新体系探讨[J]. 科学学与科学技术管理, 2007,28 (7): 197-198.
[27] LEE B S, JANG S, HONG S Y. Marshal's scale eeonomies and Jacobs extemality in Korea: the role of age, size and the legal form of organization of establishments[J]. Urban Sudies, 2010,63(47): 3131 -3156.
[28] 许召元, 胡翠, 来有为. 产业配套能力对中国制造业生产率的贡献[J]. 经济与管理研究, 2014,35(7): 74-84.
[29] 尹西明,张贝贝,陈泰伦,等.我国集成电路现代化产业体系构建的战略与路径思考[J].中国科学院院刊,2024,39(7):1191-1204.
[30] 凌永辉, 查婷俊. 我国地方创新集群形成与演化研究——基于产业链整合视角[J]. 经济学家, 2022,34 (5): 69-77.
[31] 王班班, 赵程. 中国的绿色技术创新——专利统计和影响因素[J]. 工业技术经济, 2019, 38(7): 53-66.
[32] 方晓晖, 耿伟栋, 袁野. 知识产权保护、人力资本与企业创新[J]. 产业经济评论, 2023, 22(5): 126-141.
[33] 郭锐,董坤,田常伟,等.产业技术内卷指数测度模型研究——以山东省战略性新兴产业为例[J].信息资源管理学报,2025,15(1):102-112.
[34] 杨震宁,袁梓晋.数字创新网络嵌入与关键核心技术攻关[J].中国工业经济,2025,43(5):156-173.
[35] 姜忠辉, 罗均梅, 孟朝月. 动态能力、结构洞位势与持续竞争优势——青岛红领1995—2018年纵向案例研究[J]. 研究与发展管理, 2020, 32(3): 152-164.
[36] 袁红梅, 田会静, 刘心蕊, 等. 动态网络能力、技术融合能力对生物医药新产品开发绩效的影响——企业创新绩效的中介效应[J]. 科技进步与对策, 2024, 41(18): 108-118.
[37] 杨震宁, 赵红. 中国企业的开放式创新:制度环境、“竞合”关系与创新绩效[J]. 管理世界, 2020, 36(2): 139-160,224.
[38] 胡凯, 吴清, 朱敏慎. 地区产业配套能力测度及其影响因素[J]. 产业经济研究, 2017, 16(2): 62-75.
[39] 李善同, 何建武, 祝坤福,等. 中国多区域投入产出模型:1987—2017年[M]. 北京:经济科学出版社, 2023.
[40] 肖久灵,赵亚宁.合作网络结构嵌入对探索式创新绩效的影响研究:基于知识组合能力视角[J].创新科技,2024,24(1):22-36.
[41] 林伟鹏,冯保艺.管理学领域的曲线效应及统计检验方法[J].南开管理评论,2022,25(1):155-166.
[42] 曹伟,柏淑嫄.线性关系的“U”型调节效应与“U”型关系的线性调节效应研究[J].统计与决策,2025,41(4):46-50.