协同视角下高技术产业创新网络知识整合研究*

陈旭升 王 欣（哈尔滨理工大学管理学院 黑龙江 哈尔滨 150080）

吴雪梅（哈尔滨工业大学机电学院 黑龙江 哈尔滨 150001）

分工创新、全球化利用资源使高技术产业发展呈现开放式、网络化特征，将技术、产品知识等显性知识与管理经验等隐性知识整合形成的新的创新过程已成为高技术产业发展的基础，创新网络中不同创新主体的知识协同是促进高技术产业发展的关键。思科、苹果、特斯拉等公司的成功，标志着硅谷以技术、信息、人员流动交互作用的创新网络模式逐渐取代了美国波士顿“128公路地区”大公司为核心的创新模式[1]，使得高技术产业创新网络研究成为热点。

高技术产业创新网络通过技术、管理的知识扩散与整合以提高其产业带动作用，目前对其创新网络中的知识整合研究主要集中于影响因素、知识特征、对创新网络绩效促进等方面。Tang Fangcheng等进行的研究表明，创新网络规模、网络成员对知识整合有着直接影响，随着网络规模的增大与网络成员数量的增加，网络节点与其他成员连接的成本会下降，知识转移发生的可能性会提高[2]。

创新网络中非正式组织的知识交流与技术在线咨询服务加快了知识的更新速度[3]。Schilling和Phelps 在研究创新网络结构与知识整体水平关系时，发现其具有“小世界”网络特征，社交网络的短路径能使知识容量达到最大[4]。Paruchuri指出，创新网络中有利位置的企业在获取与利用知识方面具有优势，其中，结构洞和中心性对创新过程的知识整合效果影响最为明显[5]。Dacin认为，对网络中心企业有利的网络关系可以消除知识来源的差异，形成网络成员认可的知识整合内容[6]。创新网络中显性知识与隐性知识整合的途径有着明显的区别，显性知识通过对数据、文字的技术处理得以整合[7]，而隐性知识通过社交网络实现经验、观念的融合[8]。当企业生产的产品复杂性较低时，知识整合主要是由核心厂商完成，其供应商、销售商通过合作关系获得从零部件到最终产品的知识，形成单向输出的整合形式，随着产品复杂性的增加，分工、互补式的知识整合成为主要方式，并且创新网络中成员聚集程度与技术复杂性有相同的变化趋势[9]。Liu Chialing、Ghauri和Sinkovics在分析技术外包效率影响因素时指出，外包企业知识获取和整合能力是提高创新效率的关键[10]。部分学者从组织和创新人员的多样性视角研究了创新网络绩效，认为对多种知识体系与信息来源的整合，有助于形成新的创新模式[11]。

目前，高技术产业创新网络知识整合仍需进一步深入研究，无论从作为网络节点的组织角度分析其技术、治理结构、人员特征对知识整合的影响，还是从网络关系（如网络结构、关联强度等）方面研究知识整合，其大多倾向于重视单一因素作用，缺乏将内、外部综合起来的系统研究。同时，对于整合过程的协同作用还没有文献涉及，高技术产业创新网络知识整合不同要素的协同关系是否存在，其所处的地位和作用的差异是尚待探索的问题。

针对高技术产业创新网络知识整合主导因素的不同，本研究将其知识整合过程分为企业、市场和政府3种导向，构建了不同导向下知识整合要素的因果关系，建立了基于协同的创新网络知识整合系统动力学模型，在对形成的网络进行数据验证的基础上，选取不同模式下的主要指标对其协同关系进行分析，明确了我国高技术产业创新网络知识整合协同的主要特征。

1 协同视角下高技术产业创新网络知识整合的因果关系分析

根据高技术产业创新网络知识整合的主体差异，笔者将知识整合分为企业导向、市场导向和政府导向3个方面，其共同形成了高技术产业创新网络知识整合系统。

1.1 企业导向的知识整合因果关系

随着技术的复杂性及市场需求的急剧变化，知识更新速度不断加快，知识分散性、无序性使其难以发挥创新推动作用。企业获取维持生存和发展所需的知识难度增加，使企业的创新过程面临较大的风险和不确定性，这就要求企业在整合自身内部知识和能力的基础上，应积极吸纳外部知识，将其他企业及创新相关组织（如科研机构、中介等）已有的知识进行整合，形成具有企业优势的产品设计和管理模式。

企业导向的创新网络知识整合可以分为纵向和横向两个方面，纵向知识整合涉及企业的供应商、零售商，而横向是与科研机构、中介组织的知识整合，企业导向的协同效应是纵向关联企业与横向科研机构、中介组织共同作用的结果。苹果公司通过分布在全球的主要供应商形成了零部件及时供货系统，使得iPod与iPhone在较短时间内得以上市，这种与供应商的知识整合在电子产业较为普遍，来自于供应商的产业创新知识可以达到40%[12]。高技术产业中供应商和企业的知识整合可减少创新风险，提高专业化水平和产品研发速度[13]。同时在产品开发过程中创新网络与营销企业的知识整合可以减少不必要的产品功能，避免不合理定价[14]。目前，交互式学习逐渐成为企业间知识整合的主要方式，形成了知识扩散、吸收、整合的循环过程，其方式既可以是正式的技术转让、生产许可，也可以是非正式的人员交流[15]。在知识整合过程中，企业间固有的特性会影响整合效果，企业地理位置的远近决定了交流、转换成本的高低，近距离企业在交流频次和范围上都具有优势[16]。企业对外部信息的吸收能力是其进一步整合的基础，其本身固有的知识存量较高且和交流企业具有技术相似性，利于形成统一的知识标准[17]。企业间的契约合作、联合研发等强关联关系使合作相对稳定，容易形成长期性的网络知识整合惯例[18]。然而，创新网络中企业的知识整合受竞合关系影响，存在着知识整合与知识保护并存的现象，在企业与竞争对手、协同企业及科研机构的多元化合作中，科研机构、中介组织等创新主体在创新网络中的作用日益突出，企业与科研机构的合作比重远超过其他合作对象[19]。因而，高技术创新网络中企业通过降低网络连接障碍，形成分工创新关系，同时与科研机构合作，形成产品技术与基础理论结合的知识整合。高技术产业创新网络知识整合企业导向因果关系如图1所示。

1.2 市场导向的知识整合因果关系

“先动型”市场导向知识整合是“顾客引领”和了解竞争对手知识共同作用的结果。在研究早期，高技术产业市场导向的知识整合对创新是否有正向影响存在争议，Paschalina认为，明确顾客需求、在产品设计中听取反馈意见有助于优化产品功能[20]，Lukas、Ferrell在实证研究中认为，市场导向能使顾客更快地接受企业新产品，并利于形成新的产品构思[21]。但另外一些学者却得出完全相反的结论，如Narver等指出，依靠现有顾客意见开发新产品具有难以避免的风险，顾客只重视现有产品的缺陷，却没有形成突破性创新的意愿[22]。Lawton和Parasuraman也较早提出，分析顾客对产品的需求特点与企业产品创新活动没有显著联系[23]。最终Narver和Slater将市场导向区分为“反应型”市场导向与“先动型”市场导向，其认为“先动型”市场导向对创新有显著影响[24]，后续学者才大多遵循了这一划分方法。本研究认为，高技术产业市场导向应是对原有产品的根本性创新，其定义与“先动型”市场导向趋于一致。由于产品的全新性，市场对于其价格、功能和适用人群没有先验知识，市场风险明显高于渐进性创新产品，因此企业需要针对市场中顾客的意见进行更为全面的调查与整合[25]。“先动型”市场导向对顾客中的意见领袖的观点往往持否定态度，因其知识有助于深入了解现有产品特点，而对企业突破性创新多数会产生负面影响[26]。“先动型”市场导向要求高技术企业对现有规范与经验进行变革，通过跨组织的“刻意学习”可以形成新的行业规范，在知识转移与整合中形成网络惯例[27]。市场导向中不可忽视的因素是竞争者引起的市场异质性，高技术主导企业对竞争者市场意向相关知识的整合可明确其市场机会，形成具有差异化优势的产品，减少创新活动的盲目性和风险性[28]。企业可以根据与竞争者在技术、品牌、资金等方面的优劣比较，选择恰当的细分市场和进入市场时机[29]。因此在明确目前产品缺陷的前提下，企业应超越现有市场顾客的使用偏好，通过与对手竞争，整合并构建新的市场知识。高技术产业市场导向知识整合因果关系如图2所示。

图1 企业导向创新网络知识整合因果关系图

图2 市场导向创新网络知识整合因果关系图

1.3 政府导向的知识整合因果关系

高技术产业一直以来都被认为是保持国家竞争力、提高区域核心能力的重要基础，各国对其发展采取培育和扶植政策，政府对高科技产业创新网络知识整合的作用主要包括选择前瞻性产业领域、规范制度、间接或直接支持、构建整合平台等方面，其协同是政府引导与支持交互作用的过程。高技术产业的前瞻性在很大程度上是国家经济发展的需要，2009年美国实施“再工业化”战略，重点发展新能源与信息化产业，日本2008年推出“低碳社会”规划，韩国建立“新动力增长”高技术产业发展方向，这些计划是在对现有高技术产业创新可能领域进行整合与选择的结果[30]。知识产权保护是高技术产业中维护知识整合权益和保证研发经费来源的基础，通过限制性标准形成技术壁垒，进而使相关企业在全球范围内通过技术许可获得超额利润，政府构建知识产权管理规则成为有效知识整合的条件[31]。共性技术在高技术产业发展中具有巨大的营利潜力，但由于开发周期长、资金投入大、负外部性等约束，企业将共性技术研发视为禁区，20世纪末发达国家开始通过政府参与，实现共性技术研发的资源整合与专业分工[32]。目前，多数国家通过立法、优惠政策、日常管理等手段发挥政府在创新网络知识整合中的杠杆效应，如美国Bayh-Dole法案提高了大学和科研机构将基础研究成果整合转化为技术专利的比例[33]。对高技术企业税收的减免、政府采购、政府补贴，是政府在知识转移和整合过程中直接支持企业的主要方式[34]。政府基于Web2.0中SNS（Social Netwoking Services，社会性网络服务）、WIKI等技术的各种知识管理平台的建立，可以实现开放性的信息交流——使创新网络中相关组织实现专利披露、技术项目招标等活动，形成以“服务为中心”的自组织知识整合渠道[35]。高技术创新网络发展中政府直接投资于基础学科研发，降低高技术引进壁垒，形成交互式学习的知识管理平台，应用政府补贴或采购促进产业化知识完善，发挥了政府在创新网络知识管理中的支持和引导作用。高技术产业创新网络政府导向知识整合因果关系见图3。

图3 政府导向创新网络知识整合因果关系图

2 协同视角下高技术产业创新网络知识整合系统动力学模型

综合上述各部分的因果关系，考虑到现实因素及数据可得性，笔者构建了高技术产业创新网络知识整合的系统动力学模型。本模型使用的统计数据来源于2006—2013年的《中国统计年鉴》、《中国科技统计年鉴》和《中国高技术产业统计年鉴》。

笔者根据高技术产业不同导向知识整合的内在机理，确立了水平变量、速率变量、辅助变量，建立了包含各影响因素的定量关系公式；选取了专利与新产品产出量，高技术产业收入、创新网络总收益、创新网络科技活动总数、社会资本支出等作为主要水平变量；选取了技术壁垒、企业对科研机构投入力度、网络连接障碍、创新趋同性、市场开放程度、当前顾客意愿尊重程度、前沿知识指数、政府前瞻性、政府补贴等作为创新网络知识整合过程中的主要常量。高技术产业创新网络知识整合系统动力学模型如图4所示。

2.1 模型有效性检验

笔者在对模型构建的过程中，通过德尔菲法确定了模型中变量间关系，忽略了价格指数等一些影响较小的因素。在对模型进行仿真时，由于量纲的不同会导致模型仿真运行出现偏差，笔者借助了vensim软件中的Check Model功能帮助调整量纲影响，这样有助于减少模型仿真过程中出现的变量间相互关系不合理的现象，形成可运行的系统动力学模型。

2.2 模型的一致性检验

笔者将2005年的统计数据作为初始值录入模型，选取专利和新产品产出量、高技术产业总收入这两个水平变量对模型进行仿真，可以得到2005—2012年中各个年份的仿真数值，通过将这些仿真数据与2005—2012年的真实数据进行误差计算，以此来确定模型是否可靠，验证模型的准确程度，并对两个变量进行整体拟合度计算，可以看出总体仿真水平与历史相关程度。

专利与新产品产出量的历史检验具体数值如表1所示，笔者对各年份分别进行误差计算及整体的相关系数计算，最大误差率为0.083 79，整体相关系数为0.997。高技术产业总收入检验具体数据如表2所示，最大误差率为0.059 24，整体相关系数为0.996 6。模型两个指标仿真值与真实值相关度很高，验证了该模型整体的一致性和准确性。

3 仿真结果分析

3.1 高技术产业创新网络知识整合的单因素作用

高技术产业创新网络知识整合单因素分析是市场导向、企业导向和政府导向中单个因素对知识整合效果影响的仿真：在市场导向模式中，本文选择市场开放程度和当前顾客意愿尊重程度作为指标进行分析；在企业导向模式中，本文选取企业对科研机构的投入力度和网络连接障碍作为主要因素进行分析；在政府主导模式中，本文选取政府前瞻性和政府补贴作为分析因素。图5中（a）～（f）分别代表了单因素对专利与新产品产出量的影响。在图5中，标记2的曲线代表了该因素处于初始状态；标记1的曲线代表了将该因素增大后专利与新产品产出量的变化趋势；标记3的曲线代表该因素减小后专利与新产品产出量的变化趋势。

图4 高技术产业创新网络知识整合系统动力学模型

表1 专利及新产品产出仿真值与真实值比较单位：项

表2 高技术产业总收入仿真值与真实值比较单位：亿元

由仿真结果可知，市场开放程度、政府前瞻性、企业对科研机构的投入力度、政府补贴等指标同专利与新产品产出量呈正向变化，而当前顾客意愿尊重程度、网络连接障碍同专利与新产品产出量呈负向变化。这6种因素在指标变化相同比例时，上升幅度都略大于下降幅度，即每个因素促进整合效果都较为明显，其中，政府前瞻性对专利与新产品产出的影响最大，当同比例变化时上升趋势明显大于下降趋势，即如果对该指标正向略微改善，将会发生突破性的变化，促进高技术产业创新的快速发展。

图5 高技术产业创新网络知识整合的单因素作用

3.2 高技术产业创新网络知识整合的单导向协同

单导向协同是企业、市场及政府导向模式下知识整合内部指标之间的协同，仿真结果如图6～8所示。在图6～8中，标记2的曲线代表该模式下的两种因素处于初始状态；标记3的曲线代表增大正相关因素，同时将负相关因素按同比重减小时专利与新产品产出量的变化趋势；标记1曲线代表与标记3曲线相反变化时专利与新产品的产出量。

将图6～8分别与图5对比可知，在单导向内部协同后的曲线上升幅度都要大于所在导向下单因素曲线变化幅度的加和，同时协同后曲线下降趋势幅度并没有比累加的大。这种变化表明了单导向内部协同对于专利与新产品产出量都有促进效果。在单导向内部协同中，政府导向模式协同的效果最大，企业导向模式次之，市场导向模式的协同效果最弱。

3.3 高技术产业创新网络知识整合的双导向协同

图6 市场导向创新网络知识整合的内部协同

图7 企业导向创新网络知识整合的内部协同

图8 政府导向创新网络知识整合的内部协同

双导向协同是创新网络中企业、市场、政府其中两个模式知识整合的协同。图9～11分别代表了企业与市场、市场与政府、企业与政府协同下对专利与新产品产出量的影响。图9～11中标记2的曲线代表各指标处于初始状态；标记3的曲线代表在相互协同的两种模式中，正相关因素增大、负相关指标按同比例减小时专利与新产品产出量的变化趋势；标记1曲线代表与标记3曲线相反变化时的仿真结果。

通过对仿真结果的对比可知，市场导向与企业导向协同后曲线上升的趋势要大于企业、市场内部协同单独变化幅度的加和。而市场导向与政府导向协同后曲线的上升趋势反而小于市场、政府内部协同单独变化幅度的加和，企业导向和政府导向协同后的效果具有同样结果。市场导向与企业导向协同对专利与新产品产出量有正向促进作用，而另外的两组协同不仅没有起到协同效果，反倒抑制了专利与新产品的产出。

3.4 高技术产业创新网络知识整合的整体协同

整体协同是创新网络中企业、市场、政府3种导向知识整合的共同作用。图12代表了3种导向共同协同下对专利与新产品产出的影响。图中标记2的曲线代表各指标处于初始状态；标记3的曲线代表在3种导向中所有指标中正相关因素增大、负相关因素按同比例减小时专利和新产品产出量的变化趋势；标记1的曲线代表整体协同各指标相反变化时的知识整合效果。

图9 企业与市场导向知识整合的外部协同

图10 市场与政府导向知识整合的外部协同

图11 企业与政府导向知识整合的外部协同

将整体协同效果仿真结果与上述3个单导的向内部协同效果对比可知，整体协同后的曲线上升趋势远大于3个导向内部协同分别变化幅度的加和，说明创新网络整体协同效果十分明显。

图12 市场、企业与政府的外部整体协同

4 结 论

高技术创新网络现有研究多集中于不同组织间的知识整合，没有明确在知识整合过程中不同导向的差异，对于创新网络知识整合的协同作用没有涉及。本研究将高技术产业创新网络知识整合的协同过程区分为企业、市场和政府3种导向，通过构建系统动力学模型，将知识整合相关因素形成交互影响的网络系统，在对模型验证的基础上，通过仿真分析得出了高技术产业知识整合单导向、双导向和整体协同的特点，明确了高技术创新网络在知识整合中绩效差异的内在原因。

实证研究表明：在我国高技术产业创新网络知识整合的单导向、双导向和整体协同中，正向协同效果总是强于负向协同效果，其原因主要是目前我国高技术产业知识大多处于零散分布、无序状态，知识整合水平较低，降低知识整合协同程度对其影响较小，而提高协同程度对其促进作用较为明显。对于知识整合的单导向协同，多数文献认为企业通过对创新网络的知识整合可以显著提高其创新效率，仿真结果也肯定了Katila[36]和Zahra[37]等学者在企业知识整合促进创新绩效的观点，但实证分析表明，政府导向对创新网络的知识整合效果明显优于企业、市场导向，这说明政府在提高高技术产业创新网络知识整合方面作用最为重要；我国高技术产业中高端产品的市场开拓能力不足，对国外竞争对手缺乏深入了解，导致其知识整合协同效果最弱。由于在双导向协同的3个组合中，政府与市场、政府与企业两个组合没有出现正向协同作用，这说明企业过分依赖政府，而市场或企业知识整合滞后会影响创新绩效；相对于政府的调控，企业和市场导向中技术与需求的双向驱动，更能使知识整合具有良好的协同效果。根据计算结果，基于整体协同的高技术产业创新网络知识整合效果明显高于单向和双向协同，体现了高技术产业创新网络的互补性、关联性，其最大产出是系统协同的结果，而不是企业、市场、政府单方面或某两方面作用的结果。

本文由于论文统计样本局限于2005年我国提出创新型国家以后的高技术产业数据，其时间较短，且未对高技术产业不同行业知识整合协同效果进行探讨，今后需进一步收集数据进行详细研究。

[1]Cohen S,Fields G.Social Capital and Gains in Silicon Valley[J].California Management Review,1999,41(2):108.

[2]Tang Fangcheng,Mu Jifeng,Maclachlan D L. Implication of Network Size and Structure on Organizations' Knowledge Transfer[J].Expert Systems with Applications,2008(34):1109-1114.

[3]Doyle B G.On Net Provides Total Solutions Through Superior Connectivity,A pplications[J].CaribbeanB usiness,2014,2(10):34-35.

[4]Schilling M A,Phelps C.Inter-Firm Collaboration Networks:the Impact of Small World Connectivity on Firm Innovation[J].Management Science,2007,53(7):1113-1126.

[5]Paruchuri S.Intra Organizational Networks,Iinter Organizational Networks,and the Impact of Central Inventors:A Longitudinal Study of Pharmaceutical Firms[J].Organization Science,2010,21(1):63-80.

[6]Dacin M T.The Embeddedness of Organizations:Dialogue &Directions[J].Journal of Management,1999(25):317-356.

[7]Liu Yuxian,Ismael R,Ronald R. A Framework for Knowledge Integration and Diffusion[J].Journal of Documentation,2012,1(68):31-44.

[8]Huang J C,Newell S.Knowledge Integration Processes and Dynamics Within the Context of Cross-Functional Projects[J]. International Journal of Project Management,2003,21(3):167-176.

[9]Carrincazeaux C,Lung Y,Rallet A.Proximity and Localization of Corporate R&D Activities[J].Research Policy,2001(30):777-789.

[10]Liu Chialing,Ghauri P N,Sinkovics R R.Understanding the Impact of Relational Capital and Organizational Learning on Alliance Outcomes[J].Journal of World Business,2010 (45):237-249.

[11]Dahlin K B,Weingart L R,Hinds P J.Team Diversity and Information Use[J].The Academy of Management Journal,2005,48(6):1107-1123.

[12]Hippel V.The Sources of Innovation[J].McKinsey Quarterly,1998(1):72-79.

[13]Clark K B,Fujiomto T.Product Development Performance:Strategy,Organization,and Management in the World of Auto Industry[M].Boston:Harvard Business Involvement Press,1991:21-25.

[14]Daniel S J,David B,William S E.New Product Development Performance and the Interaction of Cross-Functional Integration and Knowledge Management[J].Journal of Product Innovation Management,2005,22(5):399-411.

[15]Fritsch M. Frank G. Innovation, Regional Knowledge Spillovers and R&D Cooperation[J].Research Policy,2004(33):245-255.

[16]Stefan L,Alain T,Michae B I.The Relational Geography of the Knowledge Economy in Germany:On Functional Urban Hierarchies and Localised Value Chain Systems[J].Urban Studies,2013,2(2):276-293.

[17]Ravichandran T.Organizational Assimilation of Complex Technologies an Empirical Study of Component Based Software Development[J].MIS Quarterly,2007,6(2):219-238.

[18]Simsek Z,Lubatkinm H,Floyd S W.Inter-Firm Networks and Entrepreneurial Behavior:A Structural Embeddedness Perspective[J].Journal of Management,2003,29(3):427-442.

[19]Lpez A.Determinants of R&D Cooperation:Evidence from Spanish Maónufacturing Firms[J].International Journal of Industrial Organization,2008,26(1):113-136.

[20]Paschalina Z.Commercializing New Technologies Consumers Response to a New Interface[J].Journal of Product Innovation Management,2002(19):365-374.

[21]Lukas B A,Ferrell O C.The Effect of Market Orientation on Product Innovation[J].Journal of the Academy of Marketing Science,2000,28(2):339-47.

[22]Narver J C,Slater S F,Maclachlam D L.Responsive and Proactive Market Orientation and New-Product Success[J].Journal of Product Innovation Management,2004,21(5):334-347.

[23]Lawton L,Parasuraman A.The Impact of the Marketing Concept on New Product Planning[J].Journal of Marketing,1980(44):19-25.

[24]Narver J C,Slater S F.Market Orientation and the Learning Organization[J].Journal of Marketing,1995,6(59):63-74.

[25]Lauga D O, Ofek E.Market Research and Innovation Strategy in a Duopoly [J]. Marketing Science,2009,28(2):373-396.

[26]Atuahene G K,Anthony K.An Empirical Investigation of the Effect of Market Orientation and Entrepreneurship Orientation Alignment on Product Innovation[J].Organization Science,2001,12(1):17-25.

[27]Cacciatori E, Tamoschus D,Grabher G.Knowledge Transfer Across Projects:Codification in Creative,High-Tech and Engineering Industries[J].Management Learning,2012,7(3):309-331.

[28]Saji K B,Mishra S S.Antecedents and Consequences of Technology Acquisition Intent:Empirical Evidence from Global High-Tech Industry[J].Journal of Strategic Marketing,2012,20(2):165-183.

[29]Tiger L, Calantone R J.The Impact of Market Knowledge Competence on New Product Advantage:Conceptualization and Empirical Examination[J].Journal of Marketing,1998,62(10):13-29.

[30]Sturgeon T J.Modular Production Networks:A New American Model of Industrial Organization[J].Industrial and Corporate Change,2002,11(3):451-496.

[31]Lee J H.Rewarding Knowledge Sharing under Measurement Inaccuracy[J].Knowledge Management Research Practice, 2005(3):229-243.

[32]Maine E,Garnsey E.Commercializing Generic Technology:The Case of Advanced Materials Ventures[J].Research Policy, 2006,35(3):375-393.

[33]Mowery D C,Shane S.Introduction to the Special Issue on University Entrepreneurship and Technology Transfer[J]. Management Science,2002,48(1):5-9.

[34]McAdam M,McAdam R.High Tech Start-ups in University Science Park Incubators:The Relationship Between the Start-up's Life Cycle Progression and Use of Incubator's Resources[J].Technovation,2008,28(5):277-290.

[35]Marianna S,Kalotina C.Investigating the Exploitation of Web 2.0 for Knowledge Management in the Greek Tourism Industry:An Utilisation-Importance Analysis[J].Computers in Human Behavior,2014,6(30):800-812.

[36]Katila R.New Product Search over Time:Past Ideas in Their Prime?[J].Academy of Management Journal,2002,45(5):995-1010.

[37]Zahra S A,George G.Absorptive Capacity:A Review,Reconceptualization,and Extension[J].Academy of Management Review,2002,27(2):185-203.