“互联网+”背景下企业创新开放度影响因素实证研究

(1.赣南师范大学商学院，江西赣州 341000；2.清华大学经管学院，北京 100084)

摘要：互联网时代背景下，越来越多的企业通过开放式创新获取新技术资源，进而实现竞争优势重构。由于过高或过低的开放度都会影响企业创新绩效，因此把握适宜的创新开放度尤为重要。社会网络理论及开放创新实践表明，环境因素对企业创新开放度影响显著。基于这一认知，借助203份样本数据对企业创新开放度环境影响因素进行探讨。结果显示，知识产权保护力度、网络资源易得性、网络交互程度、网络资源交易风险等环境因素对企业创新开放度具有一定影响。因此，企业在开展创新活动时应充分考虑上述影响因素，并以此确定最佳开放度。

0 引言

随着互联网技术的快速发展，其创新成果已深度融合于经济社会各个领域，企业创新平台更加广阔，尤其是在中国政府实施“互联网+”发展战略背景下，开放式创新模式在中国企业更是得到充分应用。企业借助互联网与外界接触，可以获取更多创新资源并提高企业创新绩效，但也面临着由于开放过度而难以合理把握的两难处境[1]。如何利用互联网提升企业创新绩效成为企业开放创新模式应用的新命题。基于此，本文对影响创新开放度的因素进行分析，并实证检验其对开放度的影响。同时，考虑其与知识产权交互作用给企业实施创新带来的综合影响，据此得出结论并提出相应建议，以解决企业家面临的开放性创新难题，在拓宽现有理论研究的基础上，为企业开放式创新的广泛应用提供相应借鉴。

1 理论背景与文献综述

1.1 开放式创新模式

Chesbrough[2-3]基于对施乐公司帕洛阿尔托实验室等的研究，首次提出开放式创新概念，认为研发是一个向外界开放的系统，外部技术源与企业内部技术源同等重要，企业应用开放创新模式能有效整合内外部创新资源和商业化资源并充分提高创新绩效。West 和 Gallagher[4]认为，企业开放式创新是指企业广泛搜寻内外部创新机会，并通过多种渠道开发市场机会的一种创新模式。开放式创新特征主要体现在创新环境开放性、创新主体开放性、创新资源开放性及创意开发开放性等方面，把握合理的开放度是开放式创新实施成功的关键战略点[5]。创新开放度的概念由Laursen和 Salter [1]最早定义，并从开放广度及深度方面将创新开放度定义为企业在外部搜寻创新源的程度，实证得出开放度与创新绩效呈倒 U 型关系。创新开放度是指应用开放式创新模式的企业从外部获取技术资源的程度[6]。

如图1所示，企业通过开放式创新，由不开放转向开放、由低开放度转向高开放度过程中(即A至B点)，创新绩效呈净增长趋势，B点位置为最佳开放点，企业创新绩效最高；但当开放度持续增高转向过度开放时(即B点至C点)，企业创新绩效呈负增长趋势。创新开放度包括创新开放广度和创新开放深度2个方面[3]。本文认为，创新开放广度是指企业在技术创新过程中从外部组织获取技术资源的广泛程度，度量指标包括技术资源获取渠道数量的广泛性、技术资源获取方式的广泛性及从外部组织中获取技术资源的广泛性3种；创新开放深度是指企业在技术创新过程中从外部组织获取技术资源的深入程度，度量指标包括企业从外部组织获取技术资源频度及企业是否获取关键性技术模块两个方面。

1.2 社会网络理论

社会网络理论认为，社会网络是个人、家庭及部门或组织等在内的多个社会参与者及其关系的集合。Granovetter[7]认为,人们生活和生产中的社会网络嵌入了网络参与者的经济行为，网络参与者往往以各自拥有的稀缺性资源，通过传递与互补交换达成期望经济结果。社会资源流动效率和方式受网络参与者关系数量、方向、密度及参与者在网络中所处位置等因素的共同影响。从社会网络理论关系要素分析，参与者之间的社会性粘着关系分为强链接关系和弱链接关系两种。从不同群体之间建立的弱链接关系中获取的信息往往具有高异质性，以弱链接关系充当的信息桥，更能跨越社会边界获取所需信息和资源[7]。从社会网络结构要素看，总存在着具有强连接能力的网络节点，占据着结构洞位置从而在规模化网络中对网络资源配置产生影响作用。基于此，通过构建以企业为中心的网络平台，让网络参与者在群体互动中达成新技术或新产品有效性共识，可实现技术创新互联网化[8]。

2 研究模型与假设

网络资源是指企业通过各种网络联结所能调用的外部资源，其能直接或间接提高企业研发效率[9]。互联网时代，企业通过网络连接快速获取分布在世界各地的异质性网络资源[10]。随着网络资源多样性的增加，企业管理者有较高的积极性解决创新过程中遇到的各种问题[11]，并期望获取收益大于支付成本及覆盖可能承受的风险。因此，获取网络资源难易程度及承担风险大小影响企业实施开放式创新的积极性。同时，基于网络成员间互动产生的弱链接关系能给企业带来创新所需的异质性资源，因而与用户交互程度直接影响企业开放式创新的实现[8]。本文从网络资源易得性、网络用户交互程度及网络交易风险角度分析其对企业实施开放式创新的影响。此外，在知识经济及全球经济一体化背景下，知识产权保护有利于研发企业向外部商业化应用并实现创新收益，也为其它企业获取外部创新收益提供了保障。因此，多数研究认为，知识产权保护能扩大企业创新开放度[1,4,12]。综上所述，本文构建互联网发展及法制环境情境下创新开放度影响因素研究模型，如图2 所示。

(1)知识产权保护与创新开放度的关系。知识专属权保护程度越高，技术出让者权益越有保障，技术需求者越容易获取所需技术，企业对外开放创新意愿也越高，企业越趋向于采取高开放度[4,12,13]。反之，如果技术知识法律保护不严格，知识轻易被模仿，创造知识的企业将远离外部合作者，从而影响企业开放水平[14]。基于科斯定理，在产权清晰的前提下, 任何冲突和纠纷都可以通过契约和谈判协议等方式解决，使资源配置以最有效方式实现，进而促使交易成本最小化。显然，当技术知识保护力度较强时，技术知识产权更明晰，技术获取产生的交易成本下降，开放边际收益显著且负效应可控，企业技术创新外部化意愿强烈。技术市场供给量增多，技术获取可选择性更广，企业与外部合作渠道更丰富，采取的合作方式及合作频次增加，企业获取关键性技术模块的可能性提高，企业开放广度及深度增加。知识产权保护力度对企业创新开放度有正向影响。因此，本文提出如下假设：

H1：知识产权保护力度影响企业技术创新开放度。

H1a：知识产权保护力度正向影响企业技术创新开放广度；

H1b：知识产权保护力度正向影响企业技术创新开放深度。

(2)网络资源易得性与技术创新开放度的关系。网络资源易得性是指企业利用网络平台获取外部创新资源的便捷程度[8]。互联网全球化发展背景下，信息种类及信息量快速汇聚、整合，并且信息逐渐免费化[15]。企业依靠网络通道，从外部获取多样性网络资源[9]。随着网络资源丰富度的增加，企业筛选、汲取与企业内部资源相适应的隐性技术知识等外部稀缺性资源，并经过技术知识社会化、外在化及内在化，进而实现技术知识开放创新[16]。互联网全球化发展为技术创意供求双方提供了交流和交易平台，企业利用这一网络平台进行技术外包、技术众包进而获取所需技术资源或解决技术难题[17]。此外，企业搜索效率逐年上升但搜索成本逐年下降。据统计，2010-2014年，中国宽带互联网连接均速分别为0.81Mbps、1.4Mbps、1.6Mbps、3.4Mbps、3.71Mbps，连接速率呈快速上升趋势，宽带费率反而呈下降趋势，开放获取广泛性资源更易实现，企业利用互联网开放式创新的边际收益逐渐上升。

考虑到网络虚拟性、技术传递安全性，同时关键性技术在网络上传播及交易较少，企业能否通过互联网获取关键性模块技术的可能性不明确，这也使得企业内部研发仍需将有限资源集中在核心技术领域[3]，企业开放式创新深度有限。因此，网络资源易得性对开放深度的影响难以推断。

H2 :网络资源易得性正向影响企业创新开放广度；

(3)网络交互程度与技术创新开放度的关系。网络交互程度是指企业通过互联网与网络参与者进行高频度交互以获取技术资源可能性的程度。随着维基、谷歌等门户网站及微博、微信等社交工具的应用，网络参与者对互联网的粘性不断增强，其不再只是信息和知识的接收者，还是信息、知识的传播者和创造者[17]，更是体验企业新技术或新产品并参与企业技术创新的重要来源。20世纪70年代，von Hippel提出“用户是创新者”的观点，指出用户出于自身使用目的，对其产品或工艺提出新设想及改进建议或意见。基于此逻辑，本文认为，互联网参与者即创新者。在网络互动环境和交流空间中，来自企业现有用户、潜在用户、技术拥有者(威客等)、技术爱好者(含组织或个人)在内的互联网参与者都可以成为企业创新源。网络参与者可全程参与创新：在产品开发之初提出新创意和新要求，在产品开发过程中提供技术解决方案，在新技术或产品样品试用期间提出修改意见，并对新产品上市后进行持续技术改进提出相关建议[18]。与网络用户高交互度有助于促进企业技术创新互联网化[8]。企业与网络参与者互动越频繁，网络参与者信任感越强，网络参与者为企业提供的技术资源越丰富，企业从互联网上获取的资源越多，开放式正效应越明显，从而能够提升企业对外开放并获取技术资源的积极性。因此，本文提出如下假设：

H3:网络交互程度影响企业技术创新开放度。

H3a:网络交互程度正向影响企业技术创新开放广度；

H3b:网络交互程度正向影响企业技术创新开放深度。

(4)网络资源交易风险性与创新开放度。网络资源交易风险性是指企业通过互联网进行创新资源交易承担风险的可能性。网络交往与互动在网络技术提供的虚拟信息平台上进行，与传统状态下特定的物理实体和实在的时空位置完全不同，并没有实际可触摸的外在形态及可察觉的时空位置[19]。在这一网络互动中，交往双方还存在着地位、关系等束缚，容易导致两个极端产生：一是无经济利益条件下参与者因网络高虚拟性而呈现真实信息；二是利益参与者因网络低约束性呈现虚假信息，而后者容易产生技术泄密、交易违约和责任逃避，并导致时间成本(机会成本)及资金损失等风险。

此外，网络虚拟性容易导致网络信息丢失，甚至黑客(Hacker)入侵扰乱交易系统、电子邮件泄密和信用证账号被窃等风险。因此，信息系统不安全是网络资源交易的另一个风险因素，易给企业开放式创新带来负面效应，从而导致企业进行网络技术交易的意愿较低、企业开放广度较低。考虑到网络虚拟性带来的风险，企业能否通过互联网进行关键性模块技术交易不好判断。因此，本文提出如下假设：

H4：网络资源交易风险负向影响企业技术创新开放广度。

此外，本研究还控制住了行业因素、企业年龄和企业规模等变量。Laursen 和Salter[1]认为，制造行业中生物制药、机械和化学行业开放度最高，纺织、金属等传统行业开放度较低；Keupp 和 Gassmann[20]发现，企业年龄与开放式创新广度和深度存在显著正向关系；企业规模与开放式创新模式正相关[21]。只有控制住这些变量，才能更好地了解创新开放度。同时，企业销售影响企业创新资源配置。因此，本文将其作为新增变量加入模型中进行稳健性检验。

3 研究设计与因子分析

本研究采用问卷调查方式，使用SPASS20.0统计软件包和AMOS21.0统计软件包对样本数据进行检验，并采用 Harman单因素检测方法检测是否存在同源误差(CMV)问题。创新开放度量表参考Laursen和 Salter、陈劲和陈钰芬[22]及李平等的文献，技术保护力度具体测项参考Zhao[23]、方炜园等(2012)的文献，网络环境相关测项参考吕玉平(2000)、惠新宇和何亮坤(2011)、陈红花和李平(2015)等研究成果并作了适当修正。量表经本文作者编写、企业家建议、专家修改后，在部分企业进行预测试，对不符合标准值的条目予以删减。结果显示，量表具有良好的内部一致性，内容效度较高。

3.1 主研究样本信息

本研究调查问卷对象主要是企业负责人或主管技术创新高管，采用企业走访及“滚雪球”等方式扩大问卷填写范围，问卷内容包括企业基本信息、开放度测量条款、环境因素测量条款。问卷发放与收集历时两个月，共发放问卷400份，实际回收203份，对于问卷中存在的缺失值，本文采用均值替代法处理[24]。行业涉及生物化工、软件信息服务业、机械制造及金融业等，将203个样本企业按照所属行业分类。其中，食品生产业10个，占4.93%；纺织服装业15个，占7.39%；机械制造业31个，占15.27%；建筑业15个，占7.39%；通讯设备制造业24个，占11.82%；IT业38个，占18.72%；石油化工业24个，占11.82%；生物制药业22个，占10.84%；金融业13个，占6.40%；商业与其它11个，占5.42%。企业年龄及企业规模如表1所示。

3.2 探索性因子分析

经检验，本研究所有变量的KMO值为0.829，说明所有变量的偏相关性较强，适合进行因子分析。巴特利特球形度检验(bartlett's检定)概率为0.000，说明各变量间具相关性，因子分析方法有效。所有变量因子主成分分析按特征根值 >1 法判断。统计结果显示，主成分特征根值 > 1 的共有6个，六大因子载荷绝对值都 > 0.6，且小于1，显示出六大因子中的原始变量显著相关。萃取出的六大因子累计方差贡献率达到78.99% (> 60% 临界值)，表明其涵盖数据大部分信息，说明本量表能够较好地解释所测量的概念(见表2)。

3.3 验证性因子分析

根据探索性因子分析(EFA)结果，本文采用AMOS21.0软件包拟合模型，相关结果如下：

(1)创新开放度与验证性因子分析。首先，对创新开放广度、开放深度组合信度及平均变异抽取值进行分析。结果显示,验证性因素分析中因素负荷量最小为0.721，大于0.5的经验水平；组合信度最小值为0.857，大于0.6的经验值;平均变异量抽取值最小为0.711，大于0.5的经验值，显示潜在变量具有良好信度和效度，该模型适配度较好，模型内在质量较高。其次，对创新开放度进行验证性因子分析。在对测量模型初步验证时发现，误差变量KFGD1 与KFGD2 及KFGD3 与KFGD4之间存在共变关系，修正指数大于5，说明需对残差值进行修正。修正后结果见图3。

图3结果表明，

2值为7.713， P值为0.260，大于0.05。因此，此模型与实际数据相契合；自由度df为6，卡方自由度比值为1.285，小于2，NFI、AGFI、TLI、CFI、GFI、IFI的值均大于0.9，RMSEA的值小于0.05，达到优良水平。同时，拟合数据表明，路径系数在P<0.001水平上达到显著性，拟合效果较好，具有较好的聚敛效度。

(2)环境因素验证性因子分析。首先，对环境因素模型组合信度及平均变异抽取值进行分析。结果显示，验证性因素分析中因素负荷量最小值为0.608，大于0.5；组合信度最小值为0.749，大于0.6;平均变异量抽取值最小为0.503，大于0.5，表明潜在变量具有较好信度和效度，该模型适配度较好，模型内在质量佳。其次，对环境因素模型进行验证性因子分析。环境因素拟合结果表明，

2值为58.967， P值为0.180，大于0.05。因此，此模型与实际数据相契合；自由度df为50，卡方自由度比值为1.179，小于2，表明模型比较适配。NFI值为0.952、CFI值为0.992、GFI值为0.956、TLI值为0.990、IFI值为0.992，均大于0.9，RMSE值为0.030<0.05，达到优良水平。同时，模型拟合路径系数统结果表明，除技术保护力度路径显著性水平为P<0.05外，其余均为P<0.001，显示出拟合效果及构念效度较好。

探索性因子分析结果显示，克朗巴哈系数(Cronbach's α)大部分在0.80以上，说明量表题项可靠性较高，表明本问卷对构念测量具有较高信度，见表3。

4 实证结果分析

4.1 相关系数分析

通过变量Pearson相关系数分析能找出变量两两之间可能存在的相关性，本研究中所有变量的相关系数见表4。

从表中均值看，除控制变量外，关键变量均值分布在2.75～3.73之间，而标准差分布也集中在0.81～1.01之间，说明关键变量测量稳定性较好。另外，皮尔逊相关系数显示，被解释变量开放广度与环境因素变量中的知识保护、网络资源及网络交互显著正相关，并与网络风险显著负相关；开放深度与网络资源、网络交互显著正向相关。在此基础上进行回归，并对假设进行验证。

4.2 回归分析与稳健性检验

本研究采用数理统计多层线性模型方法，同时考虑环境复杂性可能带来的自变量间存在的交互效应，对涉及交互效应的变量标准化，经相关性检测，确定不存在多重共线性问题后，按以下步骤对假设进行实证检验。

第一步：为检验控制变量与创新开放广度及深度之间的关系，建立回归分析模型一：

第二步：在回归分析模型一的基础上增加法制环境因素知识产权保护力度，建立回归分析模型二，以检验其对创新开放广度及深度的单向影响：

第三步：在回归分析模型二的基础上增加网络环境变量，建立回归分析模型三，以检验法制与网络环境因素对创新开放广度及深度的影响：

δ31X21+δ32X22+δ33X23+ε3

第四步：在回归分析模型三的基础上增加法制环境因素与网络环境因素的交互项变量，检验交互项对创新开放广度及深度的影响，建立回归分析模型四：

γ32X22+γ33X23+γ41X1×X21+γ42X1×X22+

注：N=203，*表示显著性水平P<0.05；**表示显著性水平P<0.01(双尾检验)

(1)开放广度模型验证。如表5所示，在模型1 中，仅仅加入控制变量行业因素、企业年龄及企业规模后，对结果变量创新开放广度进行解释；模型2 加入知识产权保护力度，在控制行业因素、企业年龄及企业规模变量后，知识产权保护力度(系数为0.315，且P<0.001)对创新开放广度具有显著正向影响，假设H1a 得到验证。模型3加入网络环境变量即网络资源易得性、网络交互程度和网络资源交易风险性后，网络资源易得性、网络交互程度系数值分别为0.289、0.340，且P值均小于0.001，说明网络资源易得性及网络交互程度对开放广度都具有显著正向影响，假设H2、H3a 得到验证；网络资源交易风险系数为-0.201，且P< 0.001，说明网络交易风险性对开放广度具有显著负向影响，假设H4 得到验证。同时，对法制环境及网络环境因素交互项进行检验后发现，交互项的 P值均大于0.05，对创新开放度的影响不显著。

注：N=203，*表示显著性水平P<0.05；**表示显著性水平P<0.01; ***表示显著性水平P<0.001(双尾检验)

(2)开放深度模型检验。如表6所示，在模型1 中，仅仅加入控制变量行业因素、企业年龄及企业规模后，对结果变量创新开放深度进行解释，发现企业年龄与创新开放深度呈显著负向影响；模型2 加入知识产权保护力度，在控制行业因素、企业年龄及企业规模变量后，知识产权保护力度(系数为0.093，且P>0.05)对创新开放深度无显著影响，假设H1b 未得到验证。模型3加入网络交互程度后发现，网络交互程度系数值分别为0.287，且P值均<0.001，说明网络交互程度对开放深度具有显著正向影响，假设H3b得到验证。

将知识产权保护与网络交互程度的交互项加入模型4 中。结果显示，知识产权保护对创新开放深度无明显影响，网络交互程度对开放深度呈正向显著影响；且交互项系数值为-0.161，P<0.05，对创新开放深度负向影响显著。

通常情况下，交互作用分为增强型交互作用和干扰型交互作用两类。实证结果显示，知识保护力度与网络交互程度交互项系数为-0.161，表明产生了干扰型交互作用，即随着知识产权保护力度的增强，网络交互程度对创新开放深度的正向影响减弱。交互作用图4所示。

此外，加入销售额作为企业规模的替代变量，对开放广度、深度模型分别进行测试，模型中各自变量符号及显著性未受到显著影响，说明该创新度影响模型具备较强的稳健性。

5 研究结论与讨论

本文从环境因素视角研究创新开放度影响因素，重点关注法制环境、网络环境及两者交互对企业创新开放度的影响，最终得出以下结论并提出相应建议:

知识产权保护力度与企业创新开放广度高度正相关，说明完善的知识产权保护机制能帮助企业广泛获取外部创新资源。中国是关贸协定缔约国家，从战略角度健全知识产权保护并加强执法，合理保护供需双方权益，有利于先进技术流入中国，增加中国企业获取先进技术资源的可能性，促进中国企业在高技术起点上进行二次创新并实现高创新绩效。实证结果显示，知识产权保护与开放深度的正向关系虽然存在但并不显著，原因在于：①开放深度涉及关键性技术，而其通过网络传播的可能性较小；②中国知识产权保护力度有待加强，技术拥有者可能在关键性技术模块转让或合作上有所顾忌。此外，还可能存在国家政策限制等原因。

(1)网络资源易得性与创新开放广度在显著正相关。这表明，互联网发展为企业开放式创新提供了较好的外部环境并为企业提供了丰富的创新资源。林南[25]提出，社会网络资源异质性越高，通过弱关系获取社会资源的概率就越大；拥有网络社会资源越多，企业行动结果也就越理想。因此，“互联网+”发展背景下，企业可通过利用互联网弱链接关系带来的异质性知识资源实现创新。基于此，国家也应完善网络基础设施，加快骨干网高速化建设力度，优化网络结构及性能，促进与中、西部地区互联网合作和协调发展，解决欠发达地区互联网“最后一公里”问题，促进更多企业应用互联网进行开放式创新。

(2)网络交互程度显著正向影响创新开放广度、开放深度。这表明，企业通过与网络参与者频繁交流能获取更多新创意、新设想并提高创新绩效。互联网网络参与者即创新者，企业应有意识地将网络参与者转化为企业技术迭代开发过程不可或缺的一份子。企业应基于互联网构建强大的异质性创新网络，利用其在网络结构洞中心的有利位置，吸引更多有兴趣的网络参与者进来，建立健全参与者协商机制，促进有价值的创新思想的涌现(Emergence)，及时获取参与者体验感知和反馈信息，在与参与者高频度互动中实现对技术或产品的快速迭代及优化。

(3)网络资源交易风险性负向影响创新开放广度，说明企业获取网络资源受网络本身虚拟性风险的影响。网络虚拟性下的法制低约束性，使网络交易者行为缺乏相应管制，网络资源交易存在技术虚假、交易违约等风险，使得企业通过互联网获取技术信息及资源更加谨慎。实证研究表明，网络交易风险均值为2.75，说明企业网络风险意识普遍不高，建议企业及时建立网络交易信用评估体系或通过信誉度较高的第三方交易平台控制虚拟交易风险。国家也应完善网络法规，加强网络监管，规范网络行为，以“鼓励创新+规范管理”的方式规范管理网络交易市场并防范风险。

(4)知识产权保护与网络交互程度因素对创新开放深度具有显著交互效应。实证结果表明，两者交互项负向影响创新开放深度，说明随着知识产权保护力度的加强，企业通过深度交互获取关键技术的可能性逐步减弱。这是因为在强知识产权保护力度下，网络用户权益意识加强，网维资源让渡权益受到严格保护，企业与网络用户深度交互获取创新资源的成本加大，企业开放意愿下降。因此，企业应把控合理的边界，慎重考虑法制因素对互动双方的影响，做到既能充分发挥互联网作用，对于关键性技术模块创新又不完全依赖于外部开放。

(5)企业年龄负向影响开放度。新创企业因资源贫乏而开放意愿更高，其对互联网接纳程度更高、应用能力较强，这也说明成立时间较长企业在应用互联网获取外部创新源程度上存在提升空间。本文创新之处在于，从外部环境视角构建了创新开放度影响因素模型，并经实证检验，为后续开放式创新理论研究提供了新路径。同时，提出互联网参与者即是创新者的观点，进一步拓宽了企业开放式创新合作对象。本研究属于探索性研究，不足之处在于尚未深入研究网络资源易得性、网络资源交易风险性与开放深度的关系，在研究设计上对环境中的某些重要因素存在遗漏，未来将进一步深入探讨。

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

[2] CHESBROUGH H.Open business models: how to thrive in the new innovation landscape[M].Harvard Business Press，2013:109-156.

[3] CHESBROUGH H.Open innovation: the new imperative for creating and profiting from technology[M].Harvard Business School Press Books, 2003:5-69.

[4] WEST J, GALLAGHER S.Challenges of open innovation: the paradox of firm investment in open-source software.R&D Management[J].2006,36(3):319-331.

[5] 高良谋,马文甲.开放式创新：框架、内涵与中国情境[J].管理世界, 2014(6):157-169.

[6] 李平,陈红花,刘元名.开放式创新模式下创新开放度实证研究[J].中国科技论坛, 2014(1): 10-15.

[7] GRANOVETTER S.The strength of weak ties[J].American journal of sociology, 1973,18(6):1360-1380.

[8] 陈红花,李平.企业技术创新互联网化研究——基于海尔集团的案例分析[J].科技管理研究,2015(22):167-171.

[9] 甄珍,周政,李健.外源性研发与企业绩效:基于网络资源观的实证研究[J].科技进步与对策,2015，(32)6：93-99.

[10] 覃雪源,高慧超.爱国主义教育网络资源的有效运用与创新开发[J].昆明理工大学学报：社会科学版,2009,9(10):99-103.

[11] SRIVASTAVA K, GNYAWALI R.When do relational resources matter leveraging portfolio technological resources for breakthrough innovation[J].Academy of Management Journal,2011,54(4):797-810.

[12] KNUDSEN G.Determinants of openness in R&D collaboration: the roles of absorptive capacity and appropriability[C].In druid-dime Academy Winter 2006 PHD Conference, Aalborg,2006.

[13] 方炜园, 童泽林, 张凯乐.专利保护程度对公司创新战略的影响[J].科技信息, 2012(5):80+79.

[14] 吴欣望, 陶世隆, 刘京军.强化专利保护影响技术创新的实证分析[J].经济评论,2006(5): 53-58.

[15] 克里斯, 安德森.免费[M].北京:中信出版社,2009:89-256.

[16] SAMPSON C.R&D alliances and firm performance: the impact of technological diversity and alliance organization on innovation[J].Academy of Management Journal,2007,50(2):364-386.

[17] 惠新宇, 何亮坤.互联网环境下公众参与社会管理创新研究[J].电子政务,2011(9):48-54.

[18] 赵夫增, 丁雪伟.基于互联网平台的大众协作创新研究[J].中国软科学, 2009(5):63-72.

[19] 吕玉平.网络交往:信息时代的新交往观[J].理论观察, 2000(4): 43-45.

[20] KEUPP M,GASSMANN O.The past and the future of international entrepreneurship: a review and suggestions for developing the field[J].Journal of management,2009,35(3):600-633.

[21] ENKEL E, GASSMANN O, CHESBROUGH H.Open R&D and open innovation: exploring the phenomenon[J].R & D Management, 2009, 39(4):311-316.

[22] 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, 2008,26(2):419-426.

[23] ZHAO H, SEIBERT E.The big five personality dimensions and entrepreneurial status: a meta-analytical review[J].Journal of Applied Psychology, 2006,91(2):259.

[24] HAIR F, BLACK C, BABIN J,et al.Multivariate data analysis : pearson new international edition[J].Pearson Schweiz Ag, 2013,3(2):128-134.

[25] 林南.社会资本: 争鸣的范式和实证的检验[J].香港社会学学报, 2001(2):1-38.

An Empirical Study on the Factors Influencing the Openness ofEnterprise Innovation under the Internet Plus

(1. Business school, Gannan Normal University, Ganzhou 341000,China;2. School of Economics and Management, Tsinghua University, Beijing 100084,China)

Abstract ：In the context of the internet era, more and more enterprises obtain new technological resources to reconstruct competitive advantage through open innovation. However, the empirical results show that innovation openness is difficult to be controlled and it influences innovation performance of enterprise under open innovation model. Based on the Social Network Theory and open innovation practices, the environmental factors effect innovation openness. Empirical from the 203 samples indicates that intellectual property, network resource availability, network interaction and network resource transaction risk have significant impact on the innovation openness. Enterprises should fully consider these factors in the process of open innovation and determine the optimal opening degree.

Key Words:Internet Plus; Open Innovation Model; Innovation Openness; Network Environment

基金项目：江西省社会科学“十三五”规划项目(2016GL23)；赣南师范大学重点学科开放招标项目(2017GS06)

作者简介：陈红花(1973-)，女，江西南昌人，博士，赣南师范大学商学院讲师、硕士生导师，研究方向为创新管理；臧树伟(1987-)，男，山东烟台人，博士，清华大学经管学院博士后，研究方向为创新管理；罗小根(1973-)，男，江西南昌人，赣南师范大学商学院助教，研究方向为创新管理与战略管理。