开放科学(资源服务)标识码(OSID)：
To address the above research gaps, this paper, by adopting a panel dataset of 357 listed Chinese manufacturing firms over the period 2010-2023 and applying a multivariate regression model, studies the impact of product-process integrated innovation on manufacturing firms′ servitization performance, and the moderating effect of production scale and multi-market contact on the relationship between them. It finds that moderate product-process integrated innovation exerts a positive effect, significantly improving manufacturing firms′ servitization performance. However, when product-process integrated innovation exceeds a threshold, the negative effect begins to emerge, which has a negative impact on manufacturing firms′ servitization performance. Both production scale and multi-market contact strengthen the inverted U-shaped relationship between product-process integrated innovation and manufacturing firms′ servitization performance. As production scale and multi-market contact levels increase, moderate product-process integrated innovation becomes more effective in enhancing manufacturing firms′ servitization performance, while excessive innovation further exacerbates its negative impact. Meanwhile, knowledge coupling, as a mediating mechanism, exhibits significantly heterogeneous effects across different levels of production scale and multi-market contact. When production scale and multi-market contact are at an optimal level, moderate product-process integrated innovation, mediated by knowledge coupling, enhances manufacturing firms′ servitization performance. When production scale and multi-market contact reach a high level, excessive product-process integrated innovation, mediated by knowledge coupling, inhibits manufacturing firms′ servitization performance.
The management implications of this paper are as follows: Manufacturing firms should leverage product-process integrated innovation for servitization, avoid blindly escalating innovation efforts and pursue a balanced approach. For example, by establishing cross-functional project teams, they can moderately advance product-process integrated innovation, enabling design and production personnel to collaborate in product development. This fosters tight coordination between design and production phases, ensuring both the feasibility and cost-effectiveness of designs in manufacturing, thereby accumulating collaborative advantages for servitization. Simultaneously, it is critical to guard against excessive integration to prevent negative effects such as process rigidity and technological lock-in, which could inhibit firms′ servitization performance. Additionally, during servitization, manufacturing firms should scientifically plan production scales and multi-market contact based on their level of product-process integration.
开放科学(资源服务)标识码(OSID)：
随着服务主导逻辑和发展范式的兴起,服务化转型逐渐成为传统制造业企业构建独特竞争优势的重要组成部分[1]。如何提升制造企业服务化绩效是当前研究的一个热点问题。有研究发现,由于以往制造领域所储备的资源、经验和能力难以确保制造企业服务转型取得成功[2],因此需要制造企业更新与重塑其资源及能力,以突破“核心刚性”和“能力陷阱”(王琳等,2018)。另外,制造企业服务化转型并非放弃制造环节去做服务,而是围绕产品生命周期服务内容进行技术创新和新服务开发[3-4]。一些学者强调,制造企业服务化转型离不开对原有生产制造体系的继续强化和完善[5]。综上,“通过服务化转型获取新竞争优势”意味着制造企业需要在优化和完善原有生产制造系统的基础上更新与重塑自身资源与能力。产品研发、生产工艺及流程作为生产制造系统的两个重要环节,两者整合创新(下文简称产品—流程整合创新)能够降低企业生产成本、提升企业产品新颖性、质量和性能,是优化生产制造系统、重塑企业能力的重要方式[6-7]。因此,产品—流程整合创新可助力制造企业服务化转型。
现阶段,学者对产品—流程整合创新研究持有不同观点。一种观点认为,产品—流程整合创新能够给企业带来积极影响,提升企业生产制造系统复杂度,产生隔离机制,阻止竞争对手模仿[8];同时,还有助于增强产品设计与研发、生产制造、新服务开发等各环节的互补性,发挥“1+1>2”的效应,成为提升公司绩效的来源[9]。而另一种观点则认为,产品—流程整合创新会使企业对特定技术路线和领域产生路径依赖,强化企业核心刚性,从而降低企业战略灵活性[10]。具体到制造企业服务化转型,产品—流程整合创新是发挥正向作用还是负向作用,抑或两者兼具,现有文献尚未深入探讨。同时,从知识基础观视角看,无论是技术互补还是技术锁定都会涉及知识整合与重组,学术界通常用知识耦合来描述这类知识活动(于飞等,2018)。这意味着,对于要实施服务化转型的制造企业而言,知识耦合可能是其中重要的传导机制。
另外,制造企业生产制造系统效果的发挥还依赖生产规模和市场调节作用。一方面,制造企业需要一定生产规模来获取和保持服务化竞争优势[5]。另一方面,从动态竞争视角看,制造企业服务化转型能否顺利推进很大程度上取决于市场需求及竞争对手行动[11]。尤其是在多市场接触背景下,相互克制效应可能会抑制制造企业服务化转型进程。因此,在生产规模和多市场接触两个变量的调节作用下,产品—流程整合创新对制造企业服务化绩效的影响效果会发生何种变化值得关注。
综上,当制造企业在实践中通过产品—流程整合创新来助力服务化转型时,为使企业取得较高的服务化绩效,需对以下问题进行深入研究:产品—流程整合创新如何影响制造企业服务化转型?知识耦合如何发挥传导作用?生产规模和多市场接触在其中发挥何种调节作用?为解答上述问题,本文基于协同理论和知识管理理论,探究产品—流程整合创新对制造企业服务化绩效的影响机制,以及生产规模和多市场接触所发挥的调节作用。
(1)制造企业服务化领域相关研究表明,生产制造系统是制造企业实施服务化转型战略的基础和起点[12]。产品研发、生产工艺及流程作为生产制造系统中两个最为关键的环节,两者相互渗透、相互影响,通过整合创新和协调优化,最终紧密形成一个整体有机创新系统,从而为制造企业服务化转型中生产制造体系优化、企业资源与能力重塑提供支撑;同时,产品—流程整合创新过程所引发的互补效应、核心刚性和路径依赖会从不同层面影响制造企业服务化绩效。
(2)从知识基础观视角看,制造企业服务化转型本质上是一种复杂而系统的知识管理与创造活动,涵盖整个产品生命周期技术和服务创新实践,需要跨越数个不同技术领域去整合与重组相关知识来开发新服务组合,是不同技术领域间知识整合与重组的体现,属于知识管理领域中“知识耦合”范畴。因此,知识耦合是产品—流程整合创新作用于制造企业服务化绩效的重要传导机制。
(3)产品—流程整合创新对制造企业服务化绩效的影响存在边界。生产规模变化能够引发制造企业产品和服务成本变动,从而影响制造企业服务化转型过程中的成本与利润。多市场接触反映企业同时在多个地区市场上销售产品和服务的状态,其会影响制造企业市场需求、合作伙伴选择和竞争对手能力,两者均是产品—流程整合创新对制造企业服务化绩效影响机制的重要边界条件。
综上所述,这些因素通过共同作用影响制造企业服务化绩效,本文构建理论模型,如图1所示。
图1 理论模型
Fig.1 Theoretical model
1.2.1 产品—流程整合创新对制造企业服务化绩效的直接效应
首先,适度的产品—流程整合创新有助于制造企业生产制造系统产生互补效应,为企业服务化转型提供支撑。一方面,产品创新通过产品功能和质量改进提升客户体验及口碑,为企业后续基于产品的新服务开发提供基础;另一方面,企业生产流程和制造工艺创新能提升企业生产效率、降低企业生产成本、增加企业利润[9],为制造企业服务化转型提供资金支持。其次,产品—流程整合创新能够增强企业生产制造系统的复杂性,使企业逐步形成独特、难以模仿与替代的异质性资源及核心能力[8]。这种异质性资源和核心能力会形成隔离机制,阻止对手模仿和复制,使得企业服务化竞争优势得以持续。最后,产品—流程整合创新有助于提升制造企业服务方案定制化级别,根据Emanuel等[13]的研究,较高级别的服务定制化解决方案有助于增强企业与客户的联系,促使企业将服务内部开发与外部市场需求紧密联系起来,共同创造和交付价值,使服务化方案获得客户认可并带来更高满意度,最终提升制造企业服务化绩效。
而当产品—流程整合创新超过一定阈值后,则会对制造企业服务化绩效产生不利影响。首先,过度的产品—流程整合创新会导致企业整个生产制造系统产生较强的路径依赖,从而增加服务化战略转型难度。其次,Régis[14]发现,产品—流程整合创新会促使系统内各个环节产生深度互联,其中任何环节调整和变化都会激发组件之间的连锁反应,从而导致整个系统发生难以预知的变化。因此,基于上述逻辑,过度的产品—流程整合创新会削弱企业产品和服务的适应性及灵活性,使企业表现出抗拒变化的“核心刚性”,加剧服务化转型失败风险。最后,高度整合的产品—流程创新体系会对企业组织协调能力提出更为严苛的要求。为统筹流程工艺与产品设计协同开发,企业需要建立专门的整合机制、组织架构与管理制度;同时,任务目标与项目序列需在不同部门与团队间预先明确并实现同步。这些刚性约束会增加管理复杂度,引发诸多现实问题,如机会主义行为、搭便车行为和人际关系冲突等,阻碍新服务开发进度,从而降低企业服务化绩效。据此,本文提出如下假设:
H1:产品—流程整合创新与制造企业服务化绩效存在先递增、后递减的倒U型关系。
1.2.2 知识耦合的中介效应
知识耦合是指两个或两个以上技术领域中的知识元素通过联结、拆分、重构和组合等作用方式创造新知识的动态过程,产品—流程整合创新通过知识耦合间接影响制造企业服务化绩效。
适度的产品—流程整合创新有助于提升制造企业知识耦合效果。首先,产品—流程整合创新能够推动制造企业知识基础动态调整和重组,使企业内不同技术领域知识产生互补效应,这种知识互补有助于研发人员深刻理解现有知识体系,并洞察对哪些知识进行组合更容易创造出有价值的服务化方案。其次,Buhagiar等[15]研究发现,产品—流程整合创新能够对企业知识、技术和信息等各种资源进行组合、调配和重组,这一过程是制造企业实现知识耦合的重要方式。最后,产品—流程整合创新还能产生资源拼凑效应,有助于引导制造企业灵活组合信息、知识与资源,赋予知识新价值、新功能与新应用场景,从而推动企业低成本、快速实现知识耦合[16]。另外,过度的产品—流程整合创新不利于制造企业进行知识耦合。知识耦合效果的提升需要不同技术领域知识作为基础,而过度的产品—流程整合创新会使企业被逐渐限制在相对单一、狭窄的知识领域[10],导致企业缺乏接触多领域、异质性知识的途径与机会,从而对知识耦合产生负向影响。高度整合的产品—流程创新体系会增加企业生产制造系统的复杂度,使企业对系统中任何领域知识耦合都有可能产生联动效应,提高系统故障或局部失效的可能性,从而加剧知识耦合失败风险。据此,本文提出如下假设:
H2a:产品—流程整合创新与知识耦合存在先递增、后递减的倒U型关系。
知识耦合有助于提升制造企业服务化绩效。首先,服务化转型过程中的新服务开发涉及市场、消费者、供应商等多个主体对于服务解决方案的要求[4],因此企业需对现有知识基础进行一定程度调整和重构。知识耦合是实现上述目的的重要方式,其能推动制造企业知识基础变革,为新服务开发提供知识支撑。其次,制造企业在知识耦合过程中,有助于促使研发团队了解生产能力和工艺流程技术与知识,改进产品设计和新服务开发方案,实现定制化服务项目开发效率、成本与收益之间的平衡,从而提升制造企业服务化绩效。最后,知识耦合是深度利用现有知识与新知识的一种方式,通过尝试新知识组合及采用新问题解决模式,不仅能使制造企业在一定程度上避免陷入“熟悉陷阱”,也会丰富自身知识基础,从而为企业提供多样化知识与技术保障。据此,本文提出如下假设:
H2b:知识耦合正向影响制造企业服务化绩效。
基于产品—流程整合创新对知识耦合的影响以及知识耦合对制造企业服务化绩效的影响,推测知识耦合在产品—流程整合创新与制造企业服务化绩效之间存在中介作用。在适度的产品—流程整合创新情景下,知识耦合所带来的互补效应促使制造企业建立可共享的技术与知识资源,增加实验室、产线设备、生产管理协同潜能,并使相关信息和知识更加方便地在企业不同部门与团队间共享[17],从而为新服务开发提供广泛的信息和技术支持。当产品—流程整合创新程度超过某个阈值后,一方面会使知识耦合产生技术锁定效应[7,18],导致制造企业对某一技术路径产生依赖,阻碍企业利用多领域知识进行新服务开发,并出现服务项目单一化现象,从而降低企业服务化绩效。另一方面,也会使企业在知识耦合过程中产生创新惰性,增加制造企业将研发重心转移到服务相关领域的难度和成本,从而阻碍制造企业服务化转型进程。据此,本研究提出如下假设:
H2c:知识耦合中介产品—流程整合创新与服务化绩效间的倒U型关系。
1.2.3 生产规模的调节作用
经济学领域研究显示,生产规模是影响企业绩效的重要因素,尤其是达到规模效应后,可降低企业产品和服务成本,提高所在行业进入壁垒,形成战略威慑[19]。基于这一逻辑,在适度的产品—流程整合创新情景下,设计与生产环节紧密协作,信息共享和流程优化会减少设计变更与生产浪费[20]。此时,生产规模扩张会扩大上述优势,强化产品—流程整合创新对企业服务化绩效的积极影响。当达到规模效应后使得固定成本(如研发、服务平台建设等)被分摊到更多产品和服务项目上,使得企业能够以更具竞争力的价格提供服务化产品(如远程技术支持、升级服务、零部件整体配送等),在市场上占据更有利地位,从而提升服务化绩效。同时,规模效应所带来的市场份额扩张和利润增加,使得制造企业可以投入更多资金用于研发新技术和新工艺,加速服务化产品迭代,推动服务化绩效提升。
当产品—流程整合创新程度过高时,制造企业生产规模扩张会加剧产品—流程整合创新路径依赖,对服务化绩效产生负向影响。首先,随着生产规模扩大,与之相关的产品—流程整合创新体系会逐渐向更广泛的生产制造系统渗透。因此,当企业实施服务化转型时,需要调整的生产线和产品也会随之增多,导致与之相关的服务项目面临调整成本增加、周期加长的困境,最终会抑制企业服务化绩效提升。其次,生产规模扩张使得产品—流程整合创新系统变得更为复杂和精密,根据Zhou[21]的研究,复杂生产系统内各环节间的关联关系精细而微妙,其中任何环节纰漏都有可能导致整个系统瘫痪,且纠错和溯源难度高,这些因素均会加剧制造企业服务化转型失败风险。
另外,在不同生产规模情景下,产品—流程整合创新通过知识耦合机制影响制造企业服务化绩效的效果存在显著差异。在适度生产规模情景下,适当的产品—流程整合创新可为企业生产制造系统保留冗余空间,并为后续战略调整提供支撑,因此更容易激发知识耦合机制的知识互补效应,提升产品研发与生产流程协同效果,进而间接提升制造企业服务化绩效;而在较高生产规模情景下,企业生产制造系统趋于饱和,过度的产品—流程整合创新容易导致企业被锁定在单一技术领域且难以调整,进而抑制制造企业服务化绩效提升。据此,本文提出如下假设:
H3:生产规模会强化制造企业产品—流程整合创新与制造企业服务化绩效的倒U型关系。
H3a:当生产规模处于适度水平时,适度的产品—流程整合创新通过知识耦合的中介作用提升制造企业服务化绩效;
H3b:当生产规模处于较高水平时,高度的产品—流程整合创新通过知识耦合的中介作用抑制制造企业服务化绩效提升。
1.2.4 多市场接触的调节作用
多市场接触给企业带来的影响主要体现在两个方面:一方面,多市场接触能为企业提供更多市场选择与市场空间以及更多合作机会与场景[22];同时,多市场接触能带来“相互克制”效应,降低企业间竞争强度[23]。另一方面,多市场接触能带来多样化习俗、法律和消费者需求,对企业产品和服务适应能力提出挑战。从动态竞争与市场视角,服务化转型是制造企业面对市场威胁所作出的主动战略选择,多市场接触在其中发挥调节作用。
在适度的产品—流程整合创新情景下,制造企业创新系统相对简单,企业能够对产品与服务进行灵活调整,并根据不同市场需求开发定制化服务项目[24]。在这种情况下,多市场接触为制造企业提供了更多选择空间,有助于提升企业产品销量,使制造企业有更多资金用于新服务开发;同时,也能将产品—流程整合创新所带来的优势扩散到多个市场,从而强化产品—流程整合创新对服务化绩效的积极影响。而在产品—流程整合创新程度过高的情况下,企业产品和服务标准化程度较高,使得根据不同市场需求来开发定制化服务方案的成本和难度增加,此时多市场接触会进一步削弱制造企业的市场响应能力,加剧产品—流程整合创新“核心刚性”对服务化绩效的抑制作用。
另外,适度的市场接触会给企业提供更多市场空间以及多样化市场需求,当企业产品—流程整合创新适中时,企业有足够动机和能力开展不同领域技术互补,开发满足多样化需求的服务;而过度市场接触使得企业需要满足需求的多样化程度和变化程度急剧上升,从而导致企业在知识耦合过程中所接触到的技术领域趋于狭窄和单一以及服务化战略灵活性不足。据此,本文提出如下假设:
H4:多市场接触会强化产品—流程整合创新与制造企业服务化绩效的倒U型关系。
H4a:当多市场接触处于适度水平时,适度的产品—流程整合创新会通过知识耦合提升制造企业服务化绩效;
H4b:当多市场接触处于较高水平时,高度的产品—流程整合创新会通过知识耦合抑制制造企业服务化绩效。
本文以中国A股上市制造业企业为研究样本。首先,按照2012版证监会行业分类标准,选取家电、汽车、通用设备制造业、医疗器械等8个行业上市制造业企业。根据本文研究需要,剔除未开展服务业务的制造企业,同时遴选出涉足服务业务或正在进行服务化转型的制造企业。按照上市公司关于“经营范围”描述中是否明确指出企业主营业务为制造业而兼营业务为服务行业的标准,对上述制造业企业进行第一轮筛选。由于在“经营范围”中没有兼营服务行业的制造企业也有可能刚好处于服务化转型过程,即在实际经营中涉及服务业务,只用该方式筛选会漏掉部分实施服务化转型的制造企业。因此,进一步通过查阅财务“三表”、招股说明书、定期报告、工作资料和企业网站等相关信息确定制造企业是否涉及服务化转型。上述信息涵盖制造企业业务介绍,除在主业产品从事生产制造外,若企业额外开展服务业务,则将其视为涉及服务化转型,初步筛选出502家上市制造业企业。其次,进一步剔除研究期间专利数为0、关键指标缺失以及ST及*ST企业。最后,选取上述8个制造业中的357家企业作为研究对象进行分析,时间窗口设为2010—2023年。
本文研究数据包括两部分:第一部分为专利数据,来源于SIPO专利数据库和中国研究数据服务平台(CNRDS)下的创新专利数据库。第二部分为企业信息,如企业资产、营收等,数据来自CSMAR数据库、Wind数据库、公司年报等。
2.2.1 因变量:制造企业服务化绩效
为准确把握制造企业服务化情况,本文参考张昊等[25]、赵宸宇[26]的研究,采用定性分析方法(QCA)从上市企业披露的各类文本资料中(如招股说明书、定期报告、致股东公开信和公司网站等)获取企业服务化转型信息。首先,借鉴赵宸宇[26]的处理方式,按照国民经济行业分类标准(GB/T4754-2011),将制造企业中与主营业务相关的生产性服务划分8个类别,分别为技术支持服务、销售服务、咨询服务、培训服务、租赁服务、研发与信息服务、金融服务和物流服务。其次,逐一查阅样本企业年报中是否按照服务业与非服务业分类方式对主营业务收入进行划分。对于已经划分的企业,直接计算其服务业务收入占营业收入的比重来测量服务化绩效。对于没有按照上述方式分类的企业,则根据企业披露的各类文本资料中关于经营范围和业务内容的描述,判断报表中业务收入在上述8个生产性服务类别中所对应的隶属情况,再综合计算服务业务收入占营业收入的比重测量服务化绩效,并对该变量作滞后一期处理。
2.2.2 自变量:产品—流程整合创新
本文参考Mcgahan &Silverman[27]、Toh等[28]的研究,设计以下测量方法:由于一项专利通常具有与创新各方面相对应的多个权利要求,且共同代表该专利所赋予的知识产权边界。因此,通过编码这些权利要求,可将那些包含工艺流程和产品创新的专利与仅有工艺流程创新或仅有产品创新的专利进行区分。本文通过下列方法进行编码:关于工艺流程创新的主权利要求表现为新的生产流程或工艺方法,并包含对实施顺序、所用组件或目的的描述。产品创新权利要求表现为对象/设备/服务,并包含对产品结构、组成、设置或用途创新的描述。
本文用表1中所列出的两项专利为例来说明权利要求编码。对于专利A而言,在第1项～第3项权利要求中对一种应用于轨道车辆氢能源混合动力牵引控制电路的新颖性作出说明,因此被分类编码为产品创新;在第4项～第6项权利要求中,对氢能源混合动力牵引控制方法的新颖性进行说明,因此被分类编码为工艺流程创新。综上,专利A将工艺流程创新和产品创新整合在一起,属于“产品—流程整合创新专利”。在专利B中,第1项权利要求是关于车载电站箱体内部空间的说明,第2项～第10项权利要求分别说明电缆绞盘舱、锂电池舱等装置特征,这十项权利要求都被编码为产品创新。专利B属于“纯产品创新专利”。同理,找出“纯工艺流程创新专利”。另外,专利法中“充分披露”的要求保证基于权利要求的专利不会因专利申请人偏好而失真,而是反映预期创新性质。
表1 专利权利要求分类示例
Table 1 Examples of patent claim coding for innovation type
公开号与专利名称专利ACN115817211A:轨道车辆及其氢能源混合动力牵引控制电路、控制方法专利BCN118107465A:一种基于固态储氢技术的氢燃料电池应急电源车产品创新1. 一种应用于轨道车辆的氢能源混合动力牵引控制电路,包括氢燃料电池模块、DC/DC变流器和锂电池模块。DC/DC变流器连接于氢燃料电池输出端与牵引变流器之间,锂电池模块则设置在DC/DC变流器与牵引变流器之间2. 根据权利要求1所述的控制电路,还包括第一管理单元和第二管理单元。第一管理单元连接至氢燃料电池模块的控制端,用于调节其输出功率;第二管理单元连接至锂电池模块,用于监测其荷电状态(SOC)3. 根据权利要求1或2所述的控制电路,DC/DC变流器控制单元通过CAN总线与列车控制单元通信。列车控制单元连接控制手柄和供电模式选择开关,使DC/DC变流器能获取包含供电模式和控制手柄信号的车辆状态信息1.一种固态储氢燃料电池应急电源车,含车载电站箱体,内分电缆绞盘、锂电池、电气控制、燃料电池发动机舱及上方散热器平台2.电动电缆绞盘卷绕8根负载电缆及2根接地电缆,具备手动/电动、正反转及无级调速功能3.锂电池柜采用磷酸铁锂电池簇,电压422.4V,容量120Ah,由11个电池PACK串联组成4.锂电池、电气控制及燃料电池发动机舱安装吊笼灭火器,接入电缆绞盘舱的自动消防控制箱5.燃料电池发动机舱侧壁通风百叶窗通过轴流风机进行散热排气6.固态储氢模块在5MPa下充氢,最大速率≥1650L/min,储氢密度≥1.24wt%,容量114kgH7.燃料电池发动机模块由4台60kW质子交换膜燃料电池并联组成8.两锂电池柜通过电缆接汇流控制柜,再经UPS柜连接至两个接插箱9.固态储氢模块经氢气管路盒连接燃料电池发动机,后者与DCDC模块同接电控箱,DCDC模块连接锂电池柜10.车载电站箱体骨架为高强度折弯钢板,箱壁为夹层结构,外壁为专用钢板,内壁为镀锌冲孔板制造工艺创新4.一种氢能源混合动力牵引控制方法,根据供电模式、锂电池SOC状态及控制手柄信号,控制DC/DC变流器工作模式及氢燃料电池输出功率,实现启动准备、小功率牵引、大功率牵引和制动能量回收等不同工况的协调控制5.根据权利要求4所述的控制方法,当小功率牵引时,根据锂电池SOC状态与预设阈值比较,控制DC/DC变流器工作模式及氢燃料电池输出功率,实现不同SOC状态下的充放电策略切换6.根据权利要求5所述的控制方法,在调整氢燃料电池输出功率至目标值过程中,由锂电池和氢燃料电池共同向牵引变流器供电;达到目标功率后,氢燃料电池同时为牵引变流器供电并向锂电池充电专利B不涉及工艺创新方面的权利要求
本文利用公式(1)构建变量测量指标,其中pijt表示企业i第t年专利j中关于产品创新的权利要求条目数,Tijt表示企业i第t年专利j中的全部权利要求条目数。pijt/Tijt为专利j中关于产品创新的权利要求条目数与该专利全部权利要求条目数的比值(以下简称权利要求比率),Sit为企业i在第t年所获全部专利的权利要求比率的平均值,其值在0～1之间。该值为0表示企业i第t年全部专利均为纯工艺流程创新专利,该值为1则表示企业i第t年全部专利均为纯产品创新专利,0～1之间的值表示企业i第t年全部专利的产品—流程整合创新情况。
(1)
ZHit=1-|0.5-Sit|
(2)
利用公式(2)对Sit的值进行转化,使得ZHit的值能够反映企业产品—流程整合创新程度。ZHit的最小值为0.5,表示公司年度所有专利要么是纯工艺流程权利要求(Sit=0),要么是纯产品创新权利要求(Sit=1);最大值为1,该值越大,表明制造企业产品—流程整合创新程度越高。
2.2.3 调节变量
(1)生产规模。参照大多数文献做法,采用总资产周转率作为企业生产规模的衡量指标,反映企业短期生产能力[19]。
(2)多市场接触。本文采用Evans &Kessides[29]的方法测量制造企业多市场接触水平,公式如下:
(3)
其中,MMCit为企业i第t年所参与的所有产品市场中多市场接触水平的平均值。Dimt、Djmt为虚拟变量,如果在第t年,企业i(j)进入产品市场m,则Dimt、Djmt等于1,否则等于0。∑mDimt为企业i第t年涉及的产品市场总数。MMCit值越大,表明企业在市场上与竞争对手平均接触的次数越多,其多市场接触水平也就越高。
2.2.4 中介变量:知识耦合
本文借鉴Yayavaram &Ahuja[30]的研究,首先设置两个时期(T1期、T2期),每期通过3年时间窗观测企业知识耦合动态变化情况,同时用IPC主分类号的前4位表征某类技术领域,则企业于t-5～t-3年在技术领域j和k之间的知识耦合为:
(4)
其中,nj表示企业在IPC主分类j上所获专利数,nk表示企业在IPC主分类k上所获专利数,njk表示企业同时在IPC主分类j和k上所获的专利数,t为年份。随后,将知识耦合mj-k,t-5 to t-3组合成企业知识耦合矩阵M,表示该企业的知识基础,对知识耦合矩阵M中的所有元素作加权处理。在两个时期(T1期、T2期),当矩阵M中某个知识耦合m的加权值达到或超过矩阵中所有元素排列后的第一四分位数时,该耦合m才被视为发生显著变化。加权数计算公式如下:(pi+pj)/2+(qi+qj)/2,其中pi、pj和qi、qj分别表示在T1和T2时期,企业在IPC主分类i和j上的专利数分别占企业所有专利数的比重。利用上述方法对每个样本企业中的知识耦合矩阵M在T1时期(t-5～t-3)与T2时期(t-2～t)的变化进行比较,则某个样本企业知识耦合(CKD)的计算公式如下:
CKD=∑|un,T2-un,T1|, n=1,2,…,S
(5)
其中,S为发生显著变化的知识耦合数目,un,T1、un,T2为经过T1和T2两个时期在知识耦合矩阵M中发生显著变化的所有知识耦合。
2.2.5 控制变量
赵宸宇[26]指出,企业规模越大越有能力加大服务创新投入,企业规模用企业员工数量取对数测量;肖挺[31]发现,员工素质越高,越有利于促进企业服务化转型,采用本科及以上学历员工人数占企业总人数比重测量员工素质;李虹等[32]认为,环境规制有助于促进产业结构服务化转型,采用公众环境研究中心的企业环境监管记录数量测量环境规制。此外,基于相关研究,服务化转型需要耗费大量冗余资源,采用企业流动资产与流动负债的比值测量企业冗余资源;企业年龄选取企业从成立年份到观测年份的年数测量;财务杠杆用资产负债率测量;行业以计算机通信和其它电子设备制造业为基准设置虚拟变量。
变量间描述性统计与相关性分析结果如表2所示,自变量间相关系数小于0.6;控制变量与因变量相关系数显著,表明在回归方程中对这些变量进行控制是有必要的。
表2 变量描述性统计与相关性分析结果
Table 2 Descriptive statistics and correlation analysis of variables
变量均值标准差 12345678910111.产品—流程整合创新0.8030.113 1 2.生产规模1.6232.0520.132∗ 1 3.多市场接触1.5871.743-0.1750.172∗∗ 1 4.服务化绩效0.3350.5020.393∗∗0.208∗∗0.277∗1 5.知识耦合3.9423.6410.437∗∗∗0.172∗0.2030.344∗∗ 1 6.冗余资源1.3212.1250.188∗0.366∗∗0.204∗0.312∗∗0.287∗∗ 17.财务杠杆0.4630.1840.133-0.154∗0.093-0.103∗-0.1480.211 18.企业年龄8.6034.3360.340∗0.2450.1350.182∗∗0.119∗0.1660.114 19.环境规制0.5071.8360.125-0.155-0.0920.106∗0.1360.0880.0570.083 1 10.企业规模3.4824.7930.068∗0.401∗∗0.083∗0.121∗∗0.095∗0.208∗0.0860.269∗∗∗0.045 1 11.员工素质0.3240.2060.105∗0.0640.1160.269∗∗0.137∗∗0.0760.0430.0310.027-0.024∗ 1
注：***、**、*分别表示p<0.01、p<0.05和p<0.1,下同
3.2.1 企业产品—流程整合创新对制造企业服务化绩效的影响
表3为回归分析结果。模型1为只加入控制变量的基础模型,其它模型与基础模型1相比,ΔR2值显著增加,且均达到显著性水平(p<0.05),表明所选自变量和调节变量改善了回归方程的拟合效果。另外,VIF值均小于5,TOL值均大于0.5,表明回归模型中变量间不存在严重的多重共线性问题。
表3 回归分析结果
Table 3 Regression analysis results
变量模型1模型2模型3模型4模型5产品—流程整合创新0.254∗∗0.244∗∗0.213∗∗0.239∗∗产品—流程整合创新二次项-0.181∗∗-0.157∗-0.214∗-0.232∗生产规模0.192∗∗0.138∗∗多市场接触0.127∗∗0.115∗产品—流程整合创新×生产规模0.115∗∗产品—流程整合创新二次项×生产规模-0.088∗产品—流程整合创新×多市场接触0.091∗产品—流程整合创新二次项×多市场接触-0.079∗企业规模0.055∗∗0.051∗∗0.041∗∗0.047∗∗0.044∗∗员工素质0.487∗∗∗0.426∗∗∗0.404∗∗∗0.393∗∗∗0.412∗∗∗企业年龄0.163∗∗0.160∗∗0.154∗∗0.148∗∗0.145∗∗冗余资源0.206∗∗0.178∗∗0.194∗∗0.181∗∗0.189∗∗财务杠杆-0.073∗-0.062∗-0.067∗-0.057∗-0.061∗环境规制0.019∗0.024∗0.020∗0.015∗0.018∗所属行业控制控制控制控制控制R20.1690.2860.3390.3310.323ΔR20.117∗∗0.170∗∗0.162∗∗0.154∗∗F3.598∗∗5.645∗∗7.438∗∗7.971∗∗7.983∗∗TOL0.9210.7790.6720.5350.574VIF1.9332.4653.6894.4334.603
模型2结果显示,产品—流程整合创新一次项回归系数显著为正,二次项回归系数显著为负;同时,对模型2中的自变量进行一次求导,令斜率方程等于0,发现求得的自变量拐点值落在取值范围内。综上,参考Haans等[33]的研究,认为产品—流程整合创新与制造企业服务化绩效呈倒U型曲线关系,H1得到验证。
3.2.2 稳健性检验
(1)替换因变量测量方式。Bernard等[34]研究发现,员工从生产制造部门向服务部门转移趋势明显,服务部门员工数量持续攀升,在这一过程中企业营收也不断增加。基于此,参考赵宸宇等[26]的研究,将制造企业服务化绩效(因变量)测量方法替换为服务化人员结构这一指标,采用制造企业中非生产人员数量占员工总人数的比值测度。结果如表4所示,产品—流程整合创新一次项回归系数显著为正,二次项回归系数显著为负,假设H1进一步得到验证。
表4 稳健性检验结果(替换因变量)
Table 4 Robustness check results (alternative dependent variable)
变量模型1a模型2a模型3a产品—流程整合创新0.093∗0.087∗产品—流程整合创新二次项-0.032∗企业规模0.382∗∗∗0.354∗∗∗0.341∗∗∗员工素质0.632∗∗∗0.593∗∗∗0.587∗∗∗企业年龄0.138∗∗0.135∗∗0.130∗∗冗余资源0.116∗0.108∗0.101∗财务杠杆-0.062-0.058-0.056环境规制0.0390.0320.031所属行业控制控制控制R20.0790.2020.210ΔR20.123∗∗0.131∗∗F3.766∗∗4.276∗∗5.926∗∗
(2)剔除部分研究区间。由于在新冠疫情期间,企业经营与研发活动可能会受到较大影响,因此剔除2020—2022年数据进行回归分析,结果见表5,产品—流程整合创新一次项回归系数、二次项回归系数依然分别显著为正和显著为负,回归结果支持假设H1。
表5 稳健性检验结果(剔除部分研究区间)
Table 5 Robustness check results
(exclusion of partial sample period)
变量模型1a模型2a模型3a产品—流程整合创新0.268∗0.260∗∗产品—流程整合创新二次项-0.162∗∗企业规模0.052∗∗0.050∗∗0.049∗∗员工素质0.484∗∗∗0.428∗∗∗0.422∗∗∗企业年龄0.161∗∗0.159∗∗0.157∗∗冗余资源0.217∗∗0.208∗∗0.192∗∗财务杠杆-0.078∗-0.065∗-0.060∗环境规制0.015∗0.019∗0.017∗所属行业控制控制控制R20.1740.2950.303ΔR20.121∗∗0.129∗∗F3.822∗∗4.488∗∗6.061∗∗
3.2.3 内生性处理
(1)为避免由样本选取偏差而造成的内生性问题,本文采用Heckman两阶段法进行处理。首先,建立Probit选择模型,估计样本选取偏差的可能性,并计算样本企业的逆米尔斯率(inverse Mills ratio,IMR);其次,将IMR设置为控制变量加入回归分析。表6回归结果显示,IMR的影响效应不显著,说明样本选取不存在偏差。
表6 内生性问题检验结果
Table 6 Results of endogeneity analysis
变量模型8模型9产品—流程整合创新0.207∗∗产品—流程整合创新二次项-0.143∗IMR0.0340.023企业规模0.046∗∗0.042∗∗员工素质0.465∗∗∗0.459∗∗∗企业年龄0.145∗∗0.140∗∗冗余资源0.202∗∗0.173∗∗财务杠杆-0.064∗-0.055∗环境规制0.023∗0.025∗所属行业控制控制R20.1710.311ΔR20.140∗∗F3.662∗∗4.717∗∗
(2)为避免反向因果造成的内生性问题,利用Durbin-Wu-Hausman方法进行检验,发现回归模型存在一定的内生性问题。随后,设置滞后期工具变量来缓解这一问题,对产品—流程整合创新作滞后1～2期处理,将其作为工具变量加入回归模型,运用二阶段最小二乘法进行回归,结果与基准回归结论一致。
3.2.4 调节效应检验
本文利用表3中模型4对生产规模在产品—流程整合创新与制造企业服务化绩效中的调节作用进行检验。结果显示,产品—流程整合创新与生产规模交互项系数显著为正,而产品—流程整合创新二次项与生产规模交互项系数显著为负,说明生产规模强化了产品—流程整合创新与制造企业服务化绩效的倒U型关系,假设H3得到验证。进一步,利用模型5对多市场接触在产品—流程整合创新与制造企业服务化绩效关系中的调节作用进行检验,按照上述检验步骤,发现多市场接触强化了产品—流程整合创新与制造企业服务化绩效的倒U型关系,假设H4成立。
为直观考察在不同水平生产规模和多市场接触情境下,产品—流程整合创新对制造企业服务化绩效的影响,参考Aiken等[35]的研究,将生产规模和多市场接触划分为高、低两个水平(均值加减1.5个标准差),将产品—流程整合创新划分为适度、高度两个水平(均值加减1.5个标准差),描述在不同水平生产规模和多市场接触情境下产品—流程整合创新对制造企业服务化绩效的影响,如图2和图3所示。在图2中,在生产规模较高情境下,产品—流程整合创新与服务化绩效之间的倒U型关系曲线变得更加陡峭,即随着产能增加,产品—流程整合创新与服务化绩效的倒U型关系被强化。同理,由图3可知,随着多市场接触水平的提高,产品—流程整合创新与服务化绩效的倒U型关系被强化,进一步验证了假设H3和假设H4。
图2 生产规模对产品—流程整合创新与制造企业服务化绩效关系的调节作用
Fig.2 Moderating effect of production scale on the relationship between product-process integration innovation and manufacturing firms′ servitization performance
图3 多市场接触对产品—流程整合创新与制造企业服务化绩效关系的调节作用
Fig.3 Moderating effect of multimarket contact on the relationship between product-process integration innovation and manufacturing firms′ servitization performance
3.2.5 影响机制分析
(1)中介效应检验。为检验知识耦合的中介作用,本文采用Baron等的三步检验法,结合Hayes &Preacher的瞬时中介效应法进行检验,结果如表7所示。模型6b和模型7a结果显示,产品—流程整合创新与知识耦合之间的倒U型关系显著,且知识耦合对服务化绩效呈显著正向影响;进一步,在模型7b中,将自变量二次项和中介变量同时加入方程,结果显示产品—流程整合创新与服务化绩效依然呈显著倒U型关系,但对比表3模型2,回归系数绝对值变小(0.114<0.181),表明知识耦合起到部分中介作用,假设H2a、H2b得到验证。
表7 影响机制检验结果
Table 7 Test results of the mediation mechanism
变量知识耦合模型6a模型6b制造企业服务化绩效模型7a模型7b产品—流程整合创新0.296∗∗0.224∗∗产品—流程整合创新二次项-0.207∗∗-0.114∗知识耦合0.313∗∗0.263∗∗企业规模0.1410.1520.062∗∗0.057∗∗员工素质0.235∗∗0.217∗∗0.466∗∗∗0.458∗∗∗财务杠杆0.0360.032 -0.070∗-0.064∗冗余资源0.211∗∗0.203∗∗0.191∗∗0.185∗∗环境规制0.041∗0.037∗0.022∗0.018∗企业年龄0.177∗∗0.171∗∗0.143∗∗0.141∗∗所属行业控制控制控制控制R20.1750.3980.3070.399ΔR20.223∗∗0.092∗∗F值5.477∗∗8.234∗∗8.452∗∗9.135∗∗
本文利用瞬时中介效应进一步检验知识耦合的非线性中介作用,将Bootstrap次数设置为5 000,偏差校正置信区间设为95%。当自变量分别取均值减1个标准差、均值以及均值加1个标准差时,对应瞬时中介效应的变化情况及显著性水平如表8所结果表明,在上述3个取值情况下,瞬时中介效应的95%置信区间均不包含0;同时,从中介效应系数看,中介效应随着产品—流程整合创新程度提升而下降,假设H2c得到验证。
表8 非线性中介效应Bootstrap检验结果
Table 8 Bootstrap test for nonlinear mediation effect
自变量取值非线性中介效应95%置信区间下限值上限值M-1SD0.1920.1580.371M0.0890.0630.115M+1SD-0.022-0.145-0.032
(2)不同生产规模及多市场接触水平下的中介效应检验。本文根据企业生产规模与多市场接触水平高低对总体样本进行分组回归检验。表9和表10结果显示,在适度生产规模分组中,适度的产品—流程整合创新通过知识耦合的中介作用提升制造企业服务化绩效。然而,当产品—流程整合创新程度较高时(0.904),瞬时中介效应置信区间包含0,此时中介效应不显著,假设H3a得到验证。而在高水平生产规模分组中,高度的产品—流程整合创新通过知识耦合的间接作用抑制制造企业服务化绩效(0.995)提升,假设H3b得到验证。同理,对多市场接触水平两组样本进行检验(篇幅所限,结果未一一列示),假设H4a和H4b得到验证。
表9 分样本影响机制检验结果(生产规模)
Table 9 Test results of sub-sample mediation mechanism(production scale)
变量 知识耦合(适度生产规模)模型8a制造企业服务化绩效(适度生产规模)模型8b模型8c知识耦合(高生产规模)模型9a制造企业服务化绩效(高生产规模)模型9b模型9c产品—流程整合创新0.325∗∗0.189∗∗0.273∗∗0.195∗产品—流程整合创新二次项-0.274∗∗-0.168∗∗-0.224∗∗-0.134∗知识耦合 0.335∗∗0.322∗∗-0.087∗-0.075∗企业规模0.1660.075∗∗0.069∗∗0.1330.061∗∗0.046∗∗员工素质0.229∗∗0.495∗∗∗0.477∗∗0.284∗∗0.470∗∗∗0.462∗∗财务杠杆0.027-0.078∗-0.074∗0.025-0.058∗-0.061∗冗余资源0.207∗∗0.198∗∗0.179∗∗0.215∗∗0.186∗∗0.172∗∗环境规制0.036∗0.025∗0.020∗0.031∗0.019∗0.016∗企业年龄0.137∗∗0.126∗∗0.122∗∗0.141∗∗0.135∗∗0.128∗∗所属行业控制控制控制控制控制控制R2 0.3360.3110.3180.3270.3060.354F值4.474∗∗4.864∗∗5.948∗∗4.911∗∗4.905∗∗5.993∗∗
注：适度生产规模样本量为208,高水平生产规模样本量为149
表10 非线性中介效应Bootstrap检验结果(生产规模)
Table 10 Bootstrap test results of nonlinear mediation effect(production scale)
样本分组自变量取值非线性中介效应95%置信区间下限值上限值适度生产规模样本组0.6640. 1830.1620.3880.7840. 0840.0540.1060.904-0. 032-0.0550.029高水平生产规模样本组0.7610. 093-0.1190.0890.8780. 042-0.1960.0340.995-0. 019-0.244-0.047
综上所述,在产品—流程整合创新通过知识耦合间接影响制造企业服务化绩效过程中,知识耦合作为中介机制在不同生产规模和多市场接触水平下的影响效应存在显著差异,从而产生改善和抑制两种效果。在适度生产规模和多市场接触水平下,产品—流程整合创新对制造企业服务化绩效的间接影响主要通过知识耦合机制中的知识互补效应提升制造企业服务化绩效;而在高生产规模和高水平多市场接触情境下,高度产品—流程整合创新主要通过知识耦合机制中的技术锁定效应抑制制造企业服务化绩效提升。
本文运用协同理论和知识管理理论,通过对2010—2023年中国357家A股上市制造企业进行实证分析,研究产品-流程整合创新对制造企业服务化绩效的非线性影响以及生产规模、多市场接触的调节作用,得出如下结论:
(1)制造企业产品—流程整合创新与服务化绩效之间存在先递增、后递减的倒U型关系。适度的产品—流程整合创新能够显著提升制造企业服务化绩效,但当产品—流程整合创新超过阈值后,会对制造企业服务化绩效产生抑制作用。
(2)产品—流程整合创新通过知识耦合间接影响制造企业服务化绩效,知识耦合在其中发挥中介作用。这揭示了产品—流程整合创新对制造企业服务化绩效的内在影响机制。
(3)生产规模和多市场接触会强化产品—流程整合创新与制造企业服务化绩效的倒U型关系。随着生产规模和多市场接触水平的提升,适度的产品—流程整合创新对制造企业服务化绩效的促进作用更加有效,而过度的产品—流程整合创新对制造企业服务化绩效的负向影响会被进一步强化。同时,知识耦合在不同生产规模和多市场接触水平下所体现的影响效应存在显著差异,其对制造企业服务化绩效存在改善和抑制两种相反作用。
(1)通过研究产品—流程整合创新对制造企业服务化绩效的非线性影响,以及知识耦合所发挥的中介作用,一方面厘清了产品—流程整合创新对制造企业服务化绩效的影响机制,发现在产品—流程整合创新不同阶段,知识耦合具有差异化影响作用,打开了产品—流程整合创新影响制造企业服务化绩效的“黑箱”,以非线性思维拓展了该领域研究。另一方面,也响应了Wagner等[3]、Martinpena等[36]所提出的“探讨多种效应综合作用下制造企业服务化战略选择”的呼吁,为厘清制造企业服务化转型作用机理提供了参考。
(2)通过研究生产规模和多市场接触在产品—流程整合创新对制造企业服务化绩效影响中的调节作用,揭示生产规模和多市场接触对产品—流程整合创新以及知识耦合这一中介机制的强化和抑制作用,从内部生产规模和外部市场视角诠释制造企业服务化绩效的边界条件和情景依赖性,丰富了相关研究。
(3)通过对专利的权利要求进行创新性编码设计,对产品—流程整合创新这一抽象概念进行量化操作和分析,为后续研究提供了参考。同时,通过构建产品—流程整合创新、知识耦合、生产规模、多市场接触与制造企业服务化绩效理论框架,将协同理论和知识管理理论引入制造企业服务化转型这一细分研究领域,推动了其理论发展。
(1)产品—流程整合创新是实现制造企业服务化转型的重要方式。然而,制造企业在推进服务化转型过程中对产品—流程整合创新存在“过犹不及”的现象。企业需将产品—流程整合创新控制在一个合理范围,而不是一味提高产品—流程整合创新程度。可通过建立跨部门项目团队,适度推进产品—流程整合创新,让设计与生产人员共同参与产品开发,促进设计与生产环节紧密协作,确保设计方案在生产中的可行性和经济性,为服务化转型积累协同优势。同时,警惕过度一体化带来的流程僵化、技术锁定等负向效应对服务化绩效提升的抑制作用。
(2)在制造企业服务化转型过程中,要根据产品—流程整合创新科学规划生产规模以及进行多市场接触。在适度的产品—流程整合创新情境下,可充分发挥规模经济优势,分摊固定成本,提高生产效率,促进服务化绩效提升。同时,积极拓展新潜力市场,根据不同市场反馈改进服务项目,占据更多市场份额,为服务化转型提供更多市场空间。当产品—流程整合创新程度过高时,一方面,企业要避免盲目扩张,避免管理成本上升、生产灵活性下降等问题;另一方面,过度的产品—流程整合创新会限制企业灵活性和适应性,因此对于一些与现有产品线和服务项目不匹配的市场,企业可果断退出,集中资源开拓优势市场。总之,制造企业要根据自身情况,发现产品—流程整合创新的最佳平衡点,促进服务化绩效最大化提升。
本文存在如下不足:首先,制造企业服务化存在不同层次和类别,如投入服务化和产出服务化,未来可探讨产品—流程整合创新对不同类型制造企业服务化绩效的影响是否存在显著差异。其次,由于企业并非按照其专利的全部内容实现产品创新或工艺流程创新,因此用专利测度产品—流程整合创新存在一定不足,未来可开发更准确的测量方法。
[1] KASTALLI I V, LOOY B V. Servitization: disentangling the impact of service business model innovation on manufacturing firm performance [J]. Journal of Operations Management, 2013, 31(7): 169-180.
[2] GUSTAFSSON A, SNYDER H, WITELL L. Service innovation: a new conceptualization and path forward [J]. Journal of Service Research, 2020, 23(2):111-115.
[3] WAGNER S, HOISL K, THOMA G. Overcoming localization of knowledge the role of professional service firms [J]. Strategic Management Journal, 2014, 35(11): 1671-1688.
[4] 綦良群,乔谦,王金石.双循环背景下服务化对先进制造业全要素生产率的影响机制[J].科技进步与对策,2025,42(6):11-22.
[5] RADDATS C, NAIK P, BIGDELL A Z. Creating value in servitization through digital service innovations[J]. Industrial Marketing Management, 2022,104:1-13.
[6] ADNER R, LEVINTHAL D. Demand heterogeneity and technology evolution: implications for product and process innovation [J]. Management Science, 2001, 47(5): 611-733.
[7] LUCA L, ANDREA M. Process and product innovation: a differential game approach to product life cycle [J]. International Journal of Economic Theory, 2010,6(2): 227-252.
[8] LI S D. Dynamic optimal control of a firm′s product-process innovation with expected quality effects in a monopoly exhibiting network externality[J]. Journal of the Operational Research Society,2021, 72(11): 2557-2579.
[9] ANDREA M.Complementarity between product and process innovation in a monopoly setting [J]. Economics of Innovation and New Technology, 2006, 15(3):219-234.
[10] MILGROM P, ROBERTS J. Complementarities and fit: strategy, structure, and organizational change in manufacturing [J]. Journal of Accounting and Economics, 1995,19:179-208.
[11] HAO Z, LIU C, GOH M. Determining the effects of lean production and servitization of manufacturing on sustainable performance [J].Sustainable Production and Consumption,2021,25:374-389.
[12] FONTAGNE L, HARRISON A. The factory-free economy: outsourcing, servitization and the future of industry [M]. New York: Oxford University Press, 2017.
[13] EMANUEL DE B, CHRISTIAN H, KENICHI I, et al. Personalizing the customization experience: a matching theory of mass customization interfaces and cultural information processing[J]. Journal of Marketing Research, 2019, 56(6):1050-1065.
[14] REGIS C. Dynamic pricing, product and process innovation[J]. European Journal of Operational Research, 2012, 222(3): 553-557.
[15] BUHAGIAR K, PACE L A, DINGLI S M. Service innovation: a knowledge-based approach[J]. Knowledge Management and Information Systems, 2021,3:119-125.
[16] 吴群,胡勇浩,李梦晓.数字化能力对制造企业绿色创新的影响——关系强度与知识耦合的链式中介作用[J].科技进步与对策, 2024, 41(17):87-96.
[17] OSCAR F B,EMANUEL G,FERRAN V H,et al.Product-service innovation and performance: the role of collaborative partnerships and R&D intensity [J]. R&D Management, 2019, 49(1): 33-45.
[18] BJORNAVOLD A,VAN P S. The lock-in effect and the greening of automotive cooling systems in the European Union [J]. Journal of Environmental Management, 2017, 203:1199-1207.
[19] 王思文,曹海鹏,刘雪强. 规模经济、生产性服务业与制造业产业转移:来自空间计量模型的实证检验[J].商业经济研究, 2019, 38(19):179-181.
[20] 李寿德,丁一珊.网络外部性条件下企业产品创新与过程创新动态控制研究[J]. 系统管理学报, 2020,29(3): 607-618.
[21] ZHOU Y, WAN X. Product variety, sourcing complexity, and the bottleneck of coordination [J]. Strategic Management Journal, 2017, 38(8):1569-1587.
[22] RYU W, REUER J J, BRUSH T H. The effects of multimarket contact on partner selection for technology cooperation [J]. Strategic Management Journal, 2020, 41(2): 267-289.
[23] CHUANG Y T, WENG D H, WU C H. See you in your backyard: multi-point contact, firm's capacity and capability, and technological expansion [J]. Strategy Science, 2023, 8(1):81-102.
[24] ZHONG G Y,ZHANG W H.Product and process innovation with knowledge accumulation in monopoly:a dynamic analysis[J].Economics Letters,2018,72(1):51-61.
[25] 张昊, 刘德佳.数字化发展对先进制造企业服务创新的影响研究——基于企业动态能力视角[J].中国软科学,2023,38(3): 150-161.
[26] 赵宸宇.数字化发展与服务化转型——来自制造业上市公司的经验证据[J].南开管理评论, 2021, 24(2): 149-163.
[27] MCGAHAN A, SILVERMAN B. How does innovative activity change as industries mature[J]. International Journal of Industrial Organization, 2001, 19:1141-1160.
[28] TOH P K. Chicken, or the egg, or both the interrelationship between a firm's inventor specialization and scope of technologies[J]. Strategic Management Journal, 2014, 35(5): 723-738.
[29] EVANS W N, KESSIDES E N. Living by the "golden rule": multi-market contact in the U.S. airline industry [J]. The Quarterly Journal of Economics, 1994, 109(2): 341-366.
[30] 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.
[31] 肖挺.高管团队特征、制造企业服务创新与绩效[J].科研管理,2016,37(11):142-149.
[32] 李虹, 邹庆. 环境规制、资源禀赋与城市产业转型研究——基于资源型城市与非资源型城市的对比分析 [J].经济研究, 2018,53(11): 182-198.
[33] HAANS R F, 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.
[34] BERNARD A B, SMEETS V, WARZYNSKI F. Rethinking deindustrialization[J]. Economic Policy, 2017, 32(89): 5-38.
[35] AIKEN L S, WEST S G. Multiple regression: testing and interpreting interactions[M]. Newbury Park, CA: Sage,1991.
[36] MARTINPENA M, SANCHEZLOPEZ J, DIAZGARRIDO E. Servitization and digitalization in manufacturing: the influence on firm performance[J]. Journal of Business &Industrial Marketing, 2019, 35(3): 564-574.