创新开放度对企业创新绩效的影响：一项Meta分析

随着网络时代的到来，技术更新周期缩短，企业需要持续进行创新才能在激烈的市场竞争中生存与发展。在信息传播迅速的今天，及时、准确地获取组织内外部信息源是企业创造价值与获取持续竞争力的源泉，也是提高企业利润和创新绩效的关键。Chesbrough[1]在传统式创新的基础上提出“开放式创新”概念，强调企业应关注组织外部，因为有价值的信息不仅可以从企业内部获取，而且也可以从外部获取。Laursen & Salter[2]最早系统提出了开放度(Openness)一词，并将其界定为“企业可通过利用外部环境不同主体所拥有的知识资源数量进行创新活动”。在此之后，创新开放度与企业创新绩效间的关系一直是创新管理研究的热点。

本研究通过梳理相关文献发现，创新开放度与企业创新绩效间存在正相关、负相关及倒U型关系[3]等不同观点。一方面，大多数国内外学者认为创新开放度对企业创新绩效存在显著正向影响。Martini等[4]以意大利112家中高科技企业为调查对象，研究得出二者之间呈正相关关系的结论；Ferreras-Mendez等[5]根据西班牙中小型生物技术行业调查数据，通过分析发现二者之间存在正相关关系；国内学者闫春等[5]、张峰等[7]和郭尉(2016)的实证研究也得出相同结论。另一方面，一些研究者从开放成本和过程角度得出相反结论。由于开放意味着成本增加[8]，从而加重了企业成本负担。同时，在开放过程中，企业技术伙伴嵌入可能引发嵌入性依赖，从而掉进“熟悉陷阱”[9]。Moon等[10]以韩国服务行业为调查对象进行实证分析，发现创新开放度与创新绩效负相关；Aloini&Davide等[11]根据芬兰、意大利和瑞典制造企业数据进行分析发现，开放品种与创新绩效负相关。此外，一些学者通过实证研究得出开放度与创新绩效存在“倒U型”关系的结论[3,12]。

综上所述，尽管国内外关于创新开放度与创新绩效的研究日益丰富，但研究结果却存在较大争议。这些争议给相关领域后续研究带来了一定困惑，同时也为管理者创新实践增加了难度。另外，本研究发现，对于创新开放度与创新绩效的研究缺少跨国家或区域样本的综合分析，特别缺少中国企业和非中国企业差异关注。因此，本研究重点探讨创新开放度与创新绩效关系，找出影响二者之间的潜在调节变量，为后续研究及管理实践提供借鉴。一方面，可以补充夯实创新开放和创新绩效理论知识体系；另一方面，能够使管理者在不同环境和情境下正确认识创新开放度与创新绩效的关系，提高企业竞争力。

基于此，本研究运用Meta方法，综合分析以往大量独立研究结果，深入探讨创新开放度与企业创新绩效间的关系，以获得更加客观、准确的研究结论。在分析过程中，按照Meta分析流程和规则对相关文献进行筛选，共获得38个相互独立的实证研究、13 005个独立样本。在完成偏倚检验和异质性检验后，对独立样本进行Meta实证分析，探讨创新开放度对创新绩效的影响，并分析文化维度、行业类型、企业规模及测量方法等变量在二者关系间的调节作用。

1 理论与假设

1.1 创新开放度

广义上的“开放度”概念最早由Chesbrough[15]提出。在此之后，学者们基于不同视角对开放度内涵进行了界定与阐述。一种是基于信息与知识来源范围视角，将开放度分为广度和深度两个维度，其中广度是指在进行创新活动过程中，企业获取和利用外部创新源的数量；深度是指企业搜索外部创新源的程度，以及与外部主体合作的紧密程度。企业通过不同主体从广度和深度两个方面搜寻外部信息，获取、吸收和转化外部创新源，充分发挥其价值，降低创新成本，提高创新能力和创新绩效[16-17]。另一种是基于知识流动方向视角，从内向型和外向型两个方面阐述开放度[19,20]。内向维度即有益于企业的知识或信息源，从企业外部向企业内部流动，使企业资源获取量增加，推动企业创新[19]。Chesbrough&Crowther[19]的研究表明，企业在增加内向开放度时，可以获取和利用内部信息及知识，最终提高创新效果。外向维度主要针对企业内部闲置资源，如技术、设备和专利等，为发挥其价值，企业向外部主体通过授权或出售获得利益，以弥补企业创新资金不足[15]。综上所述，无论从哪种视角分析创新开放度内涵，都旨在证明企业实施开放式创新有利于企业资源积累与整合，增加企业价值，提高和保持企业竞争力。

1.2 创新开放度与企业创新绩效的关系

有价值的外部资源和知识对开放式创新至关重要[20]。企业通过对外开放，获取、利用更多外部创新源，不仅可以增加企业资源数量，还能降低企业自身成本投入。在创新管理活动中，不同企业根据自身特定条件整合内外部信息和资源，能够使企业在激烈竞争中降低技术和市场风险，并进而提高企业创新能力(马文甲等，2016)。另外，企业需要充分利用有价值的外部技术、知识和信息等创新资源，将企业研发项目等相关信息对外公开，进一步获取外部主体支持与帮助，减少企业研发成本，同时解决内部创新能力不足等问题(陈玉芬等，2009)。结合理论分析，国内外学者通过搜集大量数据，运用实证分析得出两者之间具有正相关关系的结论(Egbetokun等，2011；Arvanitis等，2014；吴晓云等，2017)。因此，企业降低成本和风险可以有效增强其行业竞争力，使企业立于不败之地，实现可持续发展，提升企业长期创新绩效。当企业获得的创新源越多时，就越能提高企业创新价值，增强企业创新效果；当企业利用与转化外部创新源程度越深时，就越能合理把握和利用外部创新源，从而帮助企业创造更多价值。因此，本研究提出如下假设：

H1：创新开放度对企业创新绩效具有正向影响。

1.3 调节作用

Jens等[21]认为，在进行Meta分析时，可根据理论分析和判断，并结合两变量间解释方差程度，从而得出影响二者的调节变量。刘程军等(2015)在进行Meta分析时使用了文化维度、测量方法等调节变量。秦辉等[22]、蒋建华等(2014)以及郑秋莹等[23]也根据各自研究使用了类似调节变量。因此，本研究借鉴以往学者研究成果，在分析大量文献的基础上，将文化维度、企业规模、行业类型和测量方法作为两者关系的潜在调节变量。

(1)文化维度。20世纪80年代，Hofstede等[24]基于中国国家文化理论，提出关于儒家文化的“长期倾向、短期倾向”思想观，指出由于中国长期受到传统思想的影响，相比于西方更加倾向于长期导向。根据国家文化理论可知，文化环境深刻影响着企业生存与发展，中西方文化情境差异是影响企业搜索、获取外部资源及知识的重要因素，直接影响企业创新过程与结果[25]。企业所在国家或地区反映了当地特殊的文化背景，调查样本数据综合反映了当地文化习俗，体现了企业管理理念(叶娇等，2012)。因此，中国企业长期受到中国独特管理思想的影响，深深根植于中国传统文化之中，而在其它国家或地区经营的企业也同样受到当地文化的影响，存在其特有的管理理念[26]。Chesbrough[1]强调中国企业更需要实施开放式创新，更大程度地整合和利用外部创新源，形成强大合力，促进创新能力提升。西方文化提倡个人主义，比中国文化更能接受不确定风险以及激发员工参与创新的自我效能感，促进企业和个人进行创新实践。而且，儒家文化中庸、和谐等思想对中国企业有着深远影响，相较于西方企业，中国企业在创新活动中更加保守，外来创新力量不足。基于此，本研究提出以下假设：

H2：相比于西方文化背景下的企业，中国文化背景下企业创新开放度对创新绩效的影响更强。

(2)行业类型。学者在进行创新开放度与企业创新绩效间关系的研究中发现结果随行业不同而不同。Chesbrough[1]认为，开放式创新模式并不适合所有行业，有些行业并未受一些腐蚀性因素的影响，所以封闭式创新仍然能够促进其创新。Jensen&Lundvall等[27]提出基于科学研究的创新和基于经验的创新两种模式。二者之间的区别主要体现在：第一种创新模式一般需要强大的研发和技术能力作为支撑，在企业进行研发活动时需要充足的人力和物力资源，形成企业核心技术，促进企业创新；第二种创新模式主要是指产品在实际生产或使用过程中会遇到一些问题，并且企业通过解决问题实现产品创新，其主要是通过实践与经验增强创新能力，提高创新效率[16]。一般来说，在高新技术企业中，技术是决定企业生存与发展的命脉，企业需要通过快速有效的创新提高竞争力。企业在创新过程中需要较高的研发能力和技术能力，并且需要从组织内部和外部同时获取充足的人力和物质资源支持，提高创新效率。高新技术行业企业更注重知识和信息交流，需要更强的技术创新能力，而传统行业由于市场相对成熟，且对技术要求相对较低，创新行为较少[26]。创新强度越高，创新复杂程度就越高，技术就越复杂，因此越需要整合利用各种知识减少成本，提高创新效率。本研究根据OECD提出的高新技术行业分类标准，并且参考秦辉等[22]的观点分别对各样本包含的研究对象进行行业分类。基于此，本研究提出以下假设：

H3：创新开放度与创新绩效间的关系在高新技术产业比非高新技术产业更强。

(3)企业规模。企业规模是影响企业创新绩效的重要因素[28]。然而，早在1943年熊彼特就通过研究发现，市场集中度越高、规模越大的企业，在实施创新活动时效果越好。不同规模企业拥有不同程度的资源种类和数量，并且获取外部资源的能力也存在差异。由资源基础观可知，企业拥有的信息和资源是其获取竞争力的主要来源。一般而言，企业规模越大，企业拥有的资源越丰富，对创新绩效的影响就越显著，其在行业内的影响力和规模效应就越明显，同时越有利于企业进行产品研发，并且在产品销售方面更具优势。因此，企业规模越大，越有能力从组织外部获取信息资源，进而越有利于创新绩效的产生[25]。根据以上分析，本研究提出以下假设：

H4：相对于中小型企业，大型企业创新开放度与企业创新绩效的相关性更强。

(4)测量维度。元分析对测量因素的研究主要体现在对自变量和因变量的测量上，因此本研究关注创新开放度和创新绩效两个关键构念测量方法，探讨其对二者间关系的影响。创新开放度构念在不同研究中存在较大差异，这可能会影响创新绩效强度和方向。开放度基于不同视角分类，在测量时侧重点不同，因此最终使得开放度与创新绩效间关系存在差异。另外，在对开放度进行测量时，创新源来源数量在不同文献中存在差异，创新源来源数量不同，使得测量开放度的准确性和全面性存在一些问题，这种差异影响最终结果。因此，本研究从广度和深度两个方面测量开放度并与其它测量方法进行对比研究，另外探讨开放度测量条目差异如何影响开放度与创新绩效间的关系。

同时，本研究通过整理相关文献发现，学者们对创新绩效构念的测量在方式上也存在一定差异，观点并不一致，导致相关研究结果不一致，这种差异主要体现在主观测量和客观测量上。因此，本研究提出以下两个假设：

H5：创新开放度测量维度不同，创新开放度对创新绩效的影响不同；

H6：相比于客观测量方法，主观测量方法测量的创新开放度与创新绩效间的关系更加显著。

本研究构建理论框架如图1所示。

2 研究方法与数据来源

Meta分析是通过科学、客观的方式整合大量不同研究结果，将有差异的定量研究结果进行再统计和归纳的一种实证研究方法。由于Meta方法比较客观，具有独特优势，得到了国内外管理学界的广泛肯定，已被普遍运用于管理学研究领域[22-23]。

基于Meta分析运用的两个条件，一是截至目前关于创新开放度与企业创新绩效的实证研究日益丰富，二是其结果尚存争议。因此，本研究运用Meta方法综合分析创新开放度与企业创新绩效间的关系，对众多研究进行分类整理，寻找形成差异的原因，探索影响创新开放度与创新绩效间关系的潜在调节变量，最终为相关领域提出新问题，旨在促进理论发展，并为以后学者研究提供参考。

2.1 研究样本

(1)文献检索方法。为收集本研究所需文献，通过关键词“开放度”与“创新绩效”搜索中文和英文数据库，检索时间跨度为2001-2017年，从而得到所需文献。主要数据库包括Springer Link、Direct science、IEExplore、Web of Knowledge、ProQuest Dissertations & Theses 全文数据库、Taylor & Francis科技期刊数据库、中国期刊全文数据库和万方数据库等，并通过谷歌学术等人工查阅方式确保所查文献的全面性，共获得5 000多篇文献检索结果。

(2)文献筛选和纳入标准。为确保研究所获文献的全面性和严谨性，本研究按照以下步骤进行文献筛选：①按照题目、摘要是否基本符合主题进行初步筛选，得到165篇文献，并将其导入endnote8；②根据Meta分析要求，所选文献必须包含实证分析，对165篇文献进一步筛选得到62篇；③与以往管理学领域所作的Meta分析类似(刘程军等，2015；蒋建华等，2014)，本研究仅纳入报告创新开放度与创新绩效的pearson相关系数(r)，在研究中没有报告相关系数的文章通过写信给原作者方式获取相应数据,另外10篇文献由于使用相同数据库，为避免重复加权，删去其中一篇；④由于研究对象针对的是企业层面创新开放度与创新绩效间的关系，所以排除其它层面研究。最终获得可转换为Meta分析效应值的文献共38篇，样本总量为13 005。

2.2 变量编码

Meta分析要求将纳入研究的文献进行数据化处理，进而对各项研究进行编码。本研究编码的主要内容是研究样本来源、企业规模、企业所属产业类型及测量方式等潜在调节变量。为确保样本的可靠性和独立性，减少编码者的主观干扰，编码由两位企业管理研究生独立进行，其结果具有一致性，并由从事元分析研究的教授审核。本研究遵循以下编码规则：

(1)研究样本所属地区为中国文化背景下的企业记为1，所属地区为西方文化背景的企业记为0。

(2)研究样本中企业所属产业类型主要部分属于高新技术行业记为1，所属类型为其它行业记为0。

(3)研究样本中企业规模主要部分为中小型企业记为1，主要部分为大型企业记为0。

(4)研究样本中对开放度的测量分为广度和深度的文献记为1，其余为0；创新开放度测量条目大于7记为1，小于等于7记为0；研究样本中对创新绩效的测量是客观指标记为1，主观测量指标则为0。

在严格遵循以上编码规则的前提下，两位编码者编码结果相似率为92%。当意见不一致时，两人进行详细讨论并形成统一答案。得到最终文献编码表，见表1。

2.3 效应值计算

为得到研究所需效应值，在每个组重复进行以下步骤[29-30]：首先，提取每个原始文献中创新开放度与创新绩效的相关系数以及各维度之间的相关系数ri，即初始效应值；其次，计算出每个组的总体效应值ρ。按照公式(1)，对ri进行Fisher`Z转化，然后将Z值的加权平均数转换成相关系数，见公式(2)，得到总体效应值ρ。最后，计算标准差，见公式(3)。根据标准差计算出总体效应值95%的置信区间。

为原始研究数量

2.4 偏倚检验

尽管本研究进行了全面的文献搜索，并严格按照筛选标准选取纳入研究的文献，但仍不可能找到与创新开放度和创新绩效相关的全部实证文献。因此，发表偏倚是进行Meta分析时不容忽视的问题，而纳入研究结果并不显著的学位论文和个人手稿等是减少发表偏倚的有效手段[31]。但获取未发表的手稿具有一定难度。为了下一步分析，本研究运用CMA2.0进行发表偏倚检验，形成漏斗图。漏斗图是检验发表偏倚的常用方法，其横轴代表数据转化之后的Fisher's Z效应值，纵轴表示对应的标准差。根据漏斗图原理判断是否存在发表偏倚，如果点主要集中在漏斗图顶部，且沿线向下扩散并均匀分布在中间垂直线两侧，则代表基本不存在发表偏倚；反之，则表示样本存在发表偏倚。由CMA2.0运行结果可知，效应值分布在顶端并沿线向下扩散，分布较均匀，证明本研究发表偏倚较小，研究结果可靠。

为进一步估计发表偏倚风险，按照Meta分析惯例，研究引入Rosenthal提出的失安全系数(failsafe N, N fs )，即估计需要多少具有无效结果的研究才能反方向改变元分析结果，失安全系数计算公式为：

其中，zi为第i个原始文献显著水平对应的标准差，Zα为设定的p单侧检验临界值，K为原始文献数。Rosenthal建议：若Nfs<5K+10，则需要警惕发表偏倚带来的影响。得到的失安全系数越大，则表明结果越可靠。运行CMA2.0得到失效安全系数为7 392，远远大于5K+10，证明研究存在的发表偏倚较小。

注：a: C中国文化背景下，F西方文化背景下； b: S中小型企业，L大型企业；c: H高新技术产业，M传统产业； d:A开放广度和深度，B其他；f: D开放度测量条目小于等于7 ，E测量条目大于7； g: Z 主观测量指标，K 客观测量指标；N表示没有获取到信息

2.5 剪补法

剪补法可以对由发表偏倚引起的效应量计算偏误进行合理补足并重新估计。本研究基于严谨态度，运用剪补法进行分析。为降低发表偏倚，围绕漏斗图中心在镜像位置上补足了16个类似研究，使漏斗图基本对称，发表偏倚消失。将之前的38个研究数据与新增添的16个研究数据合并共计54个研究数据重新估计发现，随机效应模型下的RoM=0.185(LL=0.036, UL=0.327 )，固定效应模型下的RoM=0.162(LL=0.147, UL=0.176)，且两个效应值都非常显著(P<0.001)，拒绝创新开放度对创新绩效无影响的假设，从而得出虽然研究存在较小的发表偏倚，但对最终结果的影响并不显著。

2.6 异质性检验

异质性检验和同质性检验是Meta分析方法中非常重要的两个方法，并且两者对应存在。异质性检验是指检验众多研究对象结果之间是否存在不一致。根据以往研究方法，运用卡方检验即Q检验法进行检验。卡方检验依据研究数据效应值的总体平方误差，计算出服从卡方分布的Q统计量，当Q值大于对应自由度时，则表明存在异质性。本研究通过运行CMA2.0得出效应值异质性检验和整体效应检验结果。由表2可知，异质性检验Q值为2 182.058，自由度为37，I2为98.304，证明研究样本之间存在异质性，说明研究应采用随机模型分析，并且存在调节变量影响创新开放度与创新绩效的关系，需要进行调节作用分析，找出异质性来源。

3 实证结果

3.1 创新开放度与创新绩效

由表2可知，运行CMA2.0得出研究样本的Q值为2 182.058(p<0.001)，大于自由度37，表明本研究应选取随机效应模型。通过数据分析得到创新开放度与创新绩效的整体相关系数为0.402(P<0.001)，I-squared的值为98.304，说明由效应值间差异而得出的观察变异为98.3%，而只有1.7%的观察变异是由随机误差造成的。由此可知，创新开放度与企业创新绩效整体相关系数为0.402，假设H1成立。

3.2 调节效应分析

由表3可知，首先，创新开放度与创新绩效间相关系数在中国文化背景下的企业效应值为0.406(p<0.001)，大于西方文化背景下创新开放度与创新绩效的效应值0.293(p<0.001)，并且通过了异质性检验(Q=2 182.058，p<0.001)。这表明，相比于西方文化背景，中国文化背景下企业创新开放度与创新绩效相关性更强，即假设H2得到验证。其次，研究样本所属行业类型为高新技术产业时，创新开放度与创新绩效之间的效应值为0.431(p<0.001)，略大于非高新技术产业两者间的效应值0.174(p<0.001)，并且通过了异质性检验。这表明，相对于非高新技术产业，高新技术产业企业创新开放度与创新绩效间的关系更强，即假设H3得证。再次，创新开放度与创新绩效间相关系数在大型企业中的效应值为0.519(p<0.001)，大于在中小型企业两者间的效应值0.196(p<0.001)，并且通过了异质性检验。这表明，企业规模是影响创新开放度和企业创新创新绩效间关系的重要调节变量，在大型企业中，创新开放度与创新绩效间的相关系数更大，即假设H3得到验证。最后，创新开放度与创新绩效在开放度以广度和深度为分类的效应值为0.440(p<0.001)，大于对开放度分类属于其它类型的效应值0.306(p<0.001)；创新开放度测量条目大于7时两者之间的效应值为0.358，大于测量条目小于等于7的效应值0.306，并且均通过了异质性检验，表明创新开放度测量方法不同，创新开放度对企业创新绩效的影响也存在差异，即假设H5得到验证。同理，假设H6得到验证。

3.3 Meta回归分析

为进一步检验Meta二元异质性检验结果的可靠性和以上假设是否成立，本研究与相关管理学领域研究方法类似[22]，用回归分析进一步验证影响创新开放度与创新绩效间关系的调节效应。运用Spss进行回归检验时分为模型1和模型2，模型1包括文化维度和行业类型；模型2增加了企业规模和测量方法4个变量，见表4。

由表4可知，模型1总体检验结果显著(p<0.01)，且文化维度和行业类型都显著(p<0.05； p<0.01)，由此假设H2和H3得到验证。同理，通过模型2发现，整个模型2显著(P<0.01)，进一步研究发现文化维度、行业类型和企业规模分别达到显著性水平(P<0.05；P<0.01；P<0.01)。企业规模系数为负，表明相对于中小型企业，大型企业创新开放度对创新绩效的影响更加显著，H4成立。同理可得，假设H5和H6也成立。

4 结语

文献回顾显示，虽然大多数研究表明创新开放度与企业创新绩效正相关，但在不同情境和环境下，二者关系强弱存在差别，甚至出现负相关。为进一步明确二者之间的关系，探讨形成差异的原因，本研究采用Meta分析方法，对以往关于创新开放度与企业创新绩效的文献进行综合分析，深入探讨文化维度、企业规模、行业类型及测量方法如何影响创新开放度与创新绩效间关系。最终发现，企业在进行创新管理活动时，应不断吸收并利用有价值的外部创新源，融入企业研发活动，提高创新绩效。通过以上分析，本研究得到以下结论：

(1)创新开放度与企业创新绩效的相关系数为0.408(p<0.001)，表明创新开放度是影响企业创新绩效的重要因素，企业需要引起重视。企业通过对组织内部和外部开放，扩大信息资源广度和深度，加强企业内部资源整合、协调和利用，转化并吸收外部创新源，促进创新绩效的产生，进一步提升企业竞争力。因此，企业在进行创新管理活动时，应不断吸收、转化有价值的外部创新源，提高企业创新绩效。

(2)文化维度对创新开放度与企业创新绩效间关系起重要调节作用。与西方文化背景下生存和发展的企业相比，中国文化背景下创新开放度与企业创新绩效间关系更强。由于我国传统管理思想比西方文化更加保守，开放力度不足，中国企业开放程度距离最佳开放点尚存在较大差距。因此，中国企业需要进一步扩大开放度，充分利用外部创新源，通过资源整合，扩大自身知识和技术储备，提升创新效果。

(3)行业类型是创新开放度与企业创新绩效的重要调节变量，在高新技术产业领域，创新开放度对企业创新绩效的影响更加显著。高新技术产业比非高新技术产业创新资金需求更大，对信息量、资源数量的获取要求更高。同时，高新技术企业技术周期更短，产品更新换代速度更快，在激烈的市场竞争中，核心技术是企业的重要竞争力。因此，缩短研发时间、降低研发成本、促进研发效率提升是高新技术企业的生存之道。对高新技术产业来说，外部资源主要从科研机构、高新技术园区、金融机构等主体中获取。企业在管理实践中需要加强内部与外部主体间的联系和沟通，获取有价值的信息源，充分发挥两者之间关系的积极作用，建立更加和谐、长久的合作关系。

(4)企业规模在创新开放度与创新绩效关系中起重要调节作用。大企业拥有更多资源与合作对象，又具有更强的风险承受能力，因此，大型企业开放策略对企业创新绩效更加显著。在以往学者研究中，由于选取的样本企业规模不同，造成研究结果差异较大，这也为以后学者研究提供了一定借鉴。同时，在企业管理实践中，企业需要不断提高自身效益，适当扩大企业规模，并积极进行组织外部信息、资源探索，提高企业创新能力及创新效率，提升企业竞争力。

(5)测量方法是创新开放度与创新绩效的重要调节变量。本研究从开放广度和深度两个方面测量开放度发现，创新开放度与创新绩效间的关系更强。不同学者在对开放度进行测量时在细分维度方面存在差异，对构念的解释程度也不同。当将开放度分为开放广度和深度时，更能充分解释构念，从而更加准确地反映二者间的作用路径。另外，创新开放度测量条目显著影响开放度与创新绩效间的关系，适当选取更多测量条目，能够更加准确地测量创新开放度，明确二者之间的关系。这些结果为以后学者提供了相关借鉴，完善了创新管理理论。同时，用主观测量方法衡量创新绩效时，创新开放度对创新绩效的影响作用更强，这有可能是由于主观原因放大了创新开放度对创新绩效的影响，夸大了二者之间的联系。因此，今后研究应该以更加严格的变量测量标准，考察各变量信效度。

本研究仍存在以下不足之处：一方面，由于研究者自身条件与能力有限，只搜索了中文和英文数据库，并未对其它语种数据库进行搜索。另外，尽管本研究在文献搜索和筛选部分进行了严格审查，并按照Meta分析规则与流程进行分析，但仍不全面，尤其缺少对未发表论文的整理和分析，从而造成样本存在一定偏差。另一方面，基于国内外数据库，本研究共搜索到63篇关于创新开放度与创新绩效关系的实证研究，根据Meta分析数据要求只纳入存在二者相关系数的文献，另外有25篇文献不能纳入Meta分析研究。为克服这一问题，在后续研究中需要获取更加全面的数据信息。

[1] CHESBROUGH H.Open innovation, the new imperative for creating and profiting from techno logy [M].Harvard business school press, 2003.

[2] 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.

[3] ALMIRALL E, CASADESUS-MASANELL R.Open versus closed innovation: a model of discovery and divergence[J].Academy of Management Review, 2010, 35(1):27-47.

[4] MARTINI A, ALOINl D, NEIROTTI P.Degree of openness and performance in the search for innovation[J].International Journal of Engineering Business Management, 2012, 4(22).

[5] FERRERAS-MÉNDEZ J L,S NEWELL A FERN width=8,height=11,dpi=110

NDEZ-MESA，J ALEGRE.Depth and breadth of external knowledge search and performance:the mediating role of absorptive capacity[J].Industrial Marketing Management,2015，47:86-97.

[6] 闫春,蔡宁.创新开放度对开放式创新绩效的作用机理[J].科研管理, 2014(3):18-24.

[7] 张峰, 刘侠.外部知识搜寻对创新绩效的作用机理研究[J].管理科学, 2014(1):31-42.

[8] OLIVER E.Williamson.the economics of organization: the transaction cost approach[J].American Journal of Sociology, 1981, 87(3):548-577.

[9] GAUTAM AHUJA.The duality of collaboration: inducements and opportunities in the formation of interfirm linkages[J].Strategic Management Journal, 2000, 21(3):317-343.

[10] MOON S.How does the use of external knowledge influence innovative performance of service firm? an introductory study of openness and service innovation[J].Seoul Journal of Business, 2014, 20(1).

[11] ALOINI D,L PELLEGRINI VLAZZAROTTI，R MANZINI.Technological strategy, open innovation and innovation performance: evidences on the basis of a structural-equation-model approach [J].Measuring Business Excellence, 2015, 19(3) :22-41.

[12] CHEN J, CHEN Y.The influence of scope, depth, and orientation of external technology sources on the innovative performance of Chinese firms[C]// University Library of Munich, Germany, 2010:362-373.

[13] 任爱莲.创新开放度、吸收能力与创新绩效的关系研究——来自中小电子科技企业的证据[J].科技进步与对策, 2010, 27(20):10-14.

[14] C BAYONA-SD width=8,height=11,dpi=110

EZ, T GARC width=4,height=11,dpi=110

A-MARCO, M SANCHEZ-GARCIA, et al.The impact of open innovation on innovation performance: the case of Spanish agri-food firms[J].Open Innovation in the Food & Beverage Industry, 2013:74-94.

[15] CHESBROUGH H.Open platform innovation: creating value from internal and external innovation[J].Intel Technology Journal, 2003(3).

[16] 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.

[17] D'AMBROSIO A, GABRIELE R,SCHIAVONE F,et al.The role of openness in explaining innovation performance in a regional context[J].Journal of Technology Transfer, 2017, 42:1-20.

[18] 杨洪涛, 杨平晓.开放度、关系网络及知识共享对企业创新绩效的影响[J].工业工程与管理, 2015, 20(2):68-73.

[19] 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.

[20] CHESBROUGH H, BRUNSWICKER S.Managing open innovation in large firm[J].Fraunhofer Verlag, 2013, 47(1):23-26(4).

[21] UNGER J M, RAUCH A, FRESE M, et al.Human capital and entrepreneurial success:a meta-analytic review and path analysis[J].Journal of Business Venturing,2008.

[22] 秦辉, 王瑜炜.智力资本提升组织绩效了吗?——基于Meta分析的检验[J].科学学与科学技术管理, 2014(3):154-163.

[23] 郑秋莹, 姚唐, 范秀成,等.基于Meta分析的“顾客满意-顾客忠诚”关系影响因素研究[J].管理评论, 2014, 26(2):111-120.

[24] HOFSTEDE G, HOFTEDE G J.Cultures and oranization: software of the mind[M].NV:Mc Graw Hill, 2005.

[25] SANG K K, ARTHURS J D, SAHAYM A,et al.Search behavior of the diversified firm: the impact of fit on innovation[J].Strategic Management Journal, 2013, 34(8):999-1009.

[26] 赵曙明.跨国公司在华面临的挑战:文化差异与跨文化管理[J].管理世界, 1997(3):75-80.

[27] JENSEN M B M B, JOHNSON B, LORENZ E, et al.Absorptive capacity, forms of knowledge and economic development[C].Absorptive Capacity, Forms of Knowledge and Economic Development,2004.

[28] AHUJA G.Collaboration networks, structural holes, and innovation: a longitudinal study[J].Administrative Science Quarterly, 2000, 45(3):425-455.

[29] Card N A. Applied meta-analysis for social science research[M].Applied Meta-Analysis for Social Science Research, 2012.

[30] 马克·W,利普西, 戴维·B,威尔逊.实用数据再分析法[M].重庆：重庆大学出版社, 2008.

[31] 宋佳萌,范会勇.社会支持与主观幸福感关系的元分析[J].心理科学进展, 2013, 21(8): 1357-1370.