协同创新中心成员创新能力实证分析

陈宝杰

(郑州航空工业管理学院 航空经济发展河南省协同创新中心，河南 郑州 450046)

协同创新中心成员创新能力实证分析

陈宝杰

(郑州航空工业管理学院 航空经济发展河南省协同创新中心，河南 郑州 450046)

实证分析了我国部分协同创新中心的知识分布结构、知识流动能力、知识整合能力、知识产出能力、环境优化能力对其创新能力的影响。研究表明，协同中心的知识产出能力是其创新能力的源泉，知识流动能力对知识产出能力和创新能力有正向影响，知识分布结构则起反向调节作用，环境优化能力和知识整合能力的调节作用没有显现。

协同创新中心；成员；创新能力

2012年5月7日，被称为“2011计划”的《高等学校创新能力提升计划》正式启动，该计划的核心任务是以人才、学科、科研“三位一体”的创新能力提升，通过构建4类协同创新模式，突破高校内外部机制体制壁垒，深化高校的机制体制改革，在科学前沿、文化传承创新、行业产业以及区域发展重大需求方面释放人才、资源等创新要素活力，探索高校创新方式。2013年公布了首批14家国家协同创新中心(以下简称协同中心)，2014年公布了24家国家协同创新中心。此外，各省、自治区、直辖市也陆续公布了自己区域内的协同创新中心。这些协同中心的合作单位最少2家，多的达到11家。课题组就“2011计划”实施3年来核心任务实施的进度和涉及到的高校创新能力发生的变化向部分协同创新中心发放了调研问卷，对回收的有效问卷进行相关统计和分析，希望调研结果能对协同中心的发展有借鉴意义。

一、文献回顾与研究假设的提出

知识经济时代全球竞争越来越激烈，知识的创新和应用已经成为推动经济增长的主要因素。关于协同创新中心的知识管理理论已成为其提升创新能力的重要理论。李志远等认为，知识管理的整个流程提供了动态的创新平台，如果没有知识管理就没有整个过程的推动，也就没有持续、系统的创新能力[1]。根据Garayannis等人的研究，协同创新的重点在于如何设计一种灵活的跨组织知识界面来确保知识最大程度的共享，知识和知识管理在协同创新中起着重大作用[2]。Koschatzky等人的研究认为，协同实质上是一种知识转移[3]。协同创新中心为各方主体提供一个学习与交流平台，通过构建知识网络，推动知识的整合与创造。因此可以引入创新网络这一概念刻画协同中心的结构。该创新网络体现了在一定的研究类别的基础上进行的知识合作与交流关系，以研究领域相近或相关的高校间关系存在为前提，同时伴随着高校间知识溢出的发生。简而言之，协同中心的创新网络是在合作的高校之间进行知识交换、知识传递过程中所形成的正式或非正式网络联结关系，知识共享的范围由这个创新网络的结构属性差异决定，即寻求的知识范围由该创新网络中拥有的何种知识决定[4]。协同中心创新网络的结构属性可以通过结构维度定性或定量测度，同样可以通过评价网络位置、网络规模、网络密度等获取数据；协同中心成员单位的关系质量和关系强度等关系属性可以通过关系维度定性或定量测度；成员之间特别是高校间知识共享的程度由网络关系属性的差异决定，强调成员之间的信任关系、双方间的需要和行动的一致性。通过创新网络的概念，将协同中心成员之间的知识分布状况、知识流动能力、知识整合能力、知识产出能力等一系列活动看作生成知识和提高创新能力的逻辑链条，以解释协同中心各成员创新能力的变化。

为了能够更广泛地探索协同中心创新网络与高校创新能力的理论关系，笔者通过问卷调查法进一步分析协同中心的知识分布状况、知识流动能力、知识整合能力、知识产出能力、环境优化能力与中心创新能力的关系。知识分布状况主要指知识分布的关联度、贡献度、动态性、创新性等不均衡性表现；知识流动能力主要指知识在协同中心成员单位之间流动的能力；知识整合能力主要指利用其他成员可用知识的能力；知识产出能力主要指知识的经济绩效；环境优化能力主要指协同中心与外部环境之间的信息反馈能力。

协同中心作为一个认知共同体，其知识结构分布受过滤效应和封闭效应的作用，那些知识水平较高的成员具有更强的知识创造能力和知识流动能力。协同中心内的高校所能获得的创新能力本质上是高校内生能力提升的结果，协同中心创新能力之间的逻辑关系应该是“协同中心的知识产出能力(知识结构分布、知识流动能力、知识整合能力)—创新能力”，即协同中心成员之间的知识产出能力决定了协同中心的创新能力，知识结构分布、知识流动能力和知识整合能力作为中介变量而产生影响[5]。在上述变量中，可以忽略知识生产能力，因为该变量与知识流动能力、知识整合能力高度相关，并且与知识产出能力共线。综合国内外学者的相关研究后发现，如果协同中心成员之间的知识分布结构差异度较高，从学习的角度看，会对知识流动能力和知识整合能力的促进作用更大；当协同中心成员之间的知识分布结构差异度较低，知识分布对流动能力和整合能力的影响将被削弱；环境优化能力是针对创新资源利用的不确定性而言的，主要影响协同中心成员之间对新知识的需求动机，通过知识流动能力和知识整合能力对创新能力发挥调节效应；协同中心必须建立有效的结构与机制促进正式和非正式的知识流动，以产生最大化的知识产出，如果缺少了这一环节，将无法将优势转化为现实的创新能力。因此，协同中心内部的知识整合为成员之间的知识再创新发挥着重大作用。

基于以上分析，提出假设：

假设1 协同中心的知识流动能力对知识产出能力有正向影响;

假设2 协同中心的知识流动能力在知识产出能力与创新能力之间起中介作用;

假设3 协同中心知识分布对知识产出能力与创新能力的关系起反向调节作用;

假设4 环境优化能力对协同中心的知识产出能力与创新能力的关系起调节作用；

假设5 协同中心的知识整合能力对知识产出能力与创新能力的关系起正向调节作用。

二、协同中心成员创新能力的数据获取

课题组开发了协同中心知识分布结构与创新能力相关变量的测量量表，选择了10个协同创新中心作为调研对象，对协同创新中心牵头单位和协作单位分别调研。调研采用问卷方式，主要向协同创新中心牵头单位的行政管理人员、高级职称人员和部分协作单位相关人员发放了400份调查问卷，获得有效问卷320份，有效问卷占80%。

协同中心创新能力的影响变量主要包括协同中心的知识分布结构、知识流动能力、知识整合能力、知识产出能力、环境优化能力等。在变量的测量方式上，采用主观感知法，以Likert 7级量表打分法为主[6]。

知识分布结构主要涉及协同中心的成员之间，具有4个题项：一是不同高校研发型人员的能力存在较大差异；二是不同高校教师的研发能力存在较大差异；三是不同高校倡导的产学研合作类型存在较大差异；四是不同高校在内部管理能力上存在较大差异。因子载荷均超过了0.79，克隆巴赫系数为0.815。

知识流动能力量表有4个题项：一是所在高校搜寻合作伙伴相关信息的能力较强；二是所在高校能很好地识别合作伙伴有关信息的用途；三是所在高校具有较强的引进合作伙伴先进经验的能力；四是所在高校对于合作伙伴的信息具有较强的整理和分类能力。因子载荷均超过了0.78，克隆巴赫系数为0.854。

知识整合能力测量量表有9个题项：一是项目小组由跨部门院系组成；二是协同创新项目的决策经常让员工参与；三是协同创新中心的发展决策经常让员工参与；四是协同中心经常让员工在不同部门之间轮换工作；五是协同创新项目的进展交流现象经常发生在不同部门；六是教育厅和科技厅对协同中心的要求变化经常在不同部门员工之间探讨；七是协同中心的服务目标经常在不同部门员工之间讨论；八是所在行业的技术发展趋势经常在不同部门员工之间探讨；九是所在行业的发展前景经常在不同部门员工之间探讨。因子载荷均超过了0.75，克隆巴赫系数为0.854。

知识产出能力的测量量表有5个题项：一是所在高校在该协同创新领域的研发投入更多；二是所在高校拥有该协同创新领域更多的高学历员工；三是所在高校拥有该协同创新领域更多的独特技术或专利；四是所在高校管理人员拥有更为丰富的管理经验；五是所在高校引进和培养了该协同创新领域的多名领导人才。因子载荷均超过了0.75，克隆巴赫系数为0.882。

环境优化能力的测量量表有7个题项：一是创新项目运用了较为复杂的技术；二是创新项目运用了非常新颖的技术；三是创新项目技术经常发生变化；四是创新项目需要投入非常大的研发资金；五是创新项目对国民经济或产业发展具有重大影响；六是创新项目市场的多样化需求潜力巨大；七是创新项目经常面对成员的不同要求进行协调。因子载荷均超过了0.75，克隆巴赫系数为0.828。

创新能力的测量量表有4个题项：一是近两年高校有关的专利申请和获支持的项目等科研成果更多；二是近两年高校有关的产品开发速度更快；三是近两年高校有关研究的社会声誉更好；四是近两年高校服务于社会相近领域的经济效益更大。因子载荷均超过了0.78，克隆巴赫系数为0.833。

以上结果显示，各个题项的克隆巴赫系数测量结果均大于0.8，意味着题项的内部一致性极好。在接下来的研究过程中，选择高校研究开发经费的投入作为控制变量，采用高校专职教师总人数表示其规模，通过SPSS 13.0统计软件包进行分析。

三、协同中心成员创新能力因素的统计分析

采用相关分析法对研究变量之间的关系进行初步探讨，各主要变量的Pearson相关性分析及统计显著性见表1。

表1 协同中心创新能力变量相关性分析

注：上标***、**、*分别表示双尾检验在0.1%、1%、5%水平下显著。

由表1可知，协同中心的知识流动能力与产出能力之间存在正相关(0.596，P<0.01)，这意味着协同中心成员之间的知识流动对于它的产出能力有着重要影响，研究假设1得到初步支持。知识流动能力与创新能力呈显著正相关(0.392，P<0.001)；知识产出能力与创新能力呈显著正相关(0.482，P<0.001)。说明知识流动能力和知识产出能力对创新能力都有着正向影响。

知识分布结构与环境优化能力不存在相关性(-0.665，P≥0.05)，与知识流动能力存在负的弱相关性(-0.136，P<0.01)，与知识产出能力存在弱相关性(0.580，P<0.01)，与创新能力不存在相关性(-0.003，P≥0.05)。

知识流动能力与创新能力具有强相关性(0.392，P<0.001)，与知识产出能力(0.596，P<0.01)和知识整合能力(0.484，P<0.01)也存在相关性。

知识产出能力与环境优化能力没有相关性(0.289，P≥0.05)，与知识整合能力存在弱相关性(0.066，P<0.05)。

考虑到相关性分析只能说明变量之间是否存在关联，而无法说明变量之间的影响大小及因果关系。借助层次回归分析法对研究假设予以检验，并对回归结果进行多重共线性检验。以知识产出能力为自变量、知识流动能力为中介量，采用层次回归法分析协同中心知识流动能力对知识产出能力与创新能力关系的中介效应。

前面的回归分析已验证了知识流动能力、知识产出能力和创新能力3个变量之间的相关性，且相关性均显著。在上述结果中发现，高校专职教师数量和高校科研经费支出对协同中心流动能力的影响作用不大，而关键的因子是知识产出能力。此外，协同中心的知识产出能力，一方面以流动能力为中介变量促进创新能力的形成，另一方面对高校创新能力也有着直接的正向效应，而高校专职教师数量对创新能力并未产生显著影响，但高校科研经费支出和创新能力之间存在着显著的正向联系。

为了验证知识流动能力在知识产出能力与创新能力之间的中介作用，在回归方程中加入中介变量后，观察自变量与因变量的关系变化。分析结果表明，所有的VIF取值都接近l，表明不存在多重共线性问题。当中介变量知识流动能力加入后，其与因变量创新能力的回归系数不显著，说明知识流动能力起完全中介作用；知识流动能力与创新能力的回归系数、知识产出能力与创新能力的回归系数都显著，而知识产出能力对创新能力的回归系数在加入中介变量后显著下降，说明知识流动能力起部分中介作用。根据分析结果，知识流动能力与创新能力的回归系数显著，而知识产出能力对创新能力的β值由 0.362下降到 0.227，明显减弱了。由于其回归系数依然显著，说明知识流动能力在知识产出能力与创新能力之间起部分中介作用。高校科研经费和高校专职教师对于流动能力没有显著的影响。研究假设1和假设2得到支持。

利用回归方程的方法验证协同创新中心的知识分布是否对知识产出能力与创新能力的关系起调节作用。

第一步，把各个变量转换为虚拟变量。

第二步，将知识分布结构和知识产出能力进行中心化处理，目的在于减少回归方程中变量间的多重性，即用每个变量中测量的每个数据点减去均值，使其新样本的数据均值为0。

第三步，把经过中心化处理后的知识产出能力与知识分布结构相乘，构造乘积项。

第四步，将未经中心化的知识产出能力、未经中心化的创新能力、乘积项3个变量一起放入回归方程中，如果乘积项的系数显著，则说明知识分布结构的调节作用存在；若不显著，则表明不存在调节作用。

统计结果显示，协同中心的知识分布结构与知识产出能力和创新能力之间在 0.001 水平上呈现显著的相关关系，其β值为-0.259，说明知识分布结构对知识产出能力和创新能力之间的关系起着显著的负向调节作用。也就是说，当协同中心的成员单位知识分布结构存在较大差异时，知识产出能力与创新能力之间的正向关联性较弱；当协同中心的成员单位知识分布结构存在较小差异时，知识产出能力与创新能力之间的正向关联性较强。该结论验证了假设3。

利用上述方法验证环境优化能力的调节效应，将协同中心知识产出能力、环境优化能力这两个解释变量也中心化处理，进行回归分析，统计结果显示，环境优化能力对流动能力有着重要的影响，对创新能力也有重要的影响，但是环境优化能力对于协同中心知识产出能力与流动能力关系起的调节作用不明显。研究假设4没有得到支持。

以协同中心流动能力为自变量、高校创新能力为因变量，采用层次回归法分析知识整合能力对知识流动能力与创新能力关系的调节效应。将协同中心流动能力、知识整合这两个解释变量进行中心化处理后，由回归统计结果可知，协同中心的知识整合对于创新能力有重要影响，知识整合对于协同中心的创新能力有正向促进作用，但对知识流动能力与创新能力之间的调节效应并不存在。研究假设5没有得到支持。

四、协同中心成员创新能力的统计结果

问卷题项并没有完全符合人才、学科、科研“三位一体”的要求，但创新能力提升不能用“投资少、见效快”的标准来考量，没有用量化的专利、论文、科研经费来作为指标，否则大学的科学精神不在，学术更加浮躁[7]。基于此，更多的是强调知识投资和储备，这也符合实施创新驱动发展战略的主旨思想。综上分析，通过对模型相关变量的层次回归分析，结果对假设1、假设2、假设3支持，对假设4、假设5不支持。

检验结果对假设l和假设2支持表明：知识流动能力对产出能力确实有着显著的影响，当高校具有较强的知识流动能力时，相应的知识产出能力也就越强，创新绩效水平也越高。对于协同中心中的各个高校来说，加强彼此的正式或者非正式交流是增加知识产出的有效途径，是提高创新能力的重要手段，这意味着协同中心的知识产出能力是其创新能力的真正来源，成员单位必须不断加强知识产出。

检验结果对假设3支持表明：知识分布结构的调节效应以流动能力为中介影响知识产出能力与创新能力的关系。对于协同中心而言，相似的知识分布结构虽然会带来同质竞争的问题，从知识获取和学习的角度来说却是有益的，而且这种竞争会倒逼创新思想、创新方法和创新工具的产生。这也从侧面反映了协同中心的企业成员能否从与其知识分布结构迥异的高校合作伙伴中吸取知识，高校能否从知识异形分布结构的企业中吸收有用的知识，是一个需要观察的焦点[8]。

协同中心创新能力的变化在很大程度上是由环境决定的。产业结构、市场机制等经济环境，资金、技术、人才等要素环境，城市品位、居民素质、文化积淀等社会环境，都是高等院校只能施加影响而不能左右的。环境优化能力主要指的是高等院校能否利用自身的有利条件影响环境，推动各种环境因素有利于协同中心创新能力的提升。检验结果对假设4不支持的原因在于：创新环境的优化主要是政府的责任，政府要创新管理服务理念，提高机关效能，扶持中介机构，推进各类资源优化组合，进行舆论宣传的支持和配合，营造推崇探索、宽容失败，激励成功、善待挫折的文化氛围，形成倡导创新的鲜明导向，这些都是高等院校能力所不及的。因此，站在高等院校的角度看，自身的环境优化能力对创新能力的影响有限。

检验结果对假设5不支持的原因由两方面组成：一方面是由众多高等院校组成的协同中心在内部管理方式上基本上是由一家高校主导，内部知识整合对管理决策不能产生较大影响；另一方面是行业中所用的知识比较成熟，没有复杂的生产和经营活动，高校所需的知识基本是围绕内部个别教授和专家的知识和技术，知识整合的作用就变得相对较小[9]。由于知识整合对创新能力存在显著的正向影响，其可能是通过提高协同中心各成员的内部凝聚力等其他方式对创新能力的形成产生影响。

[1] 李志远,李月萍. 基于知识管理的企业创新能力提升策略研究[J].改革与战略，2011(10)：53-55.

[2] GARAYANNIS E，KASSICIEH S K，RADOSEVICH R.Strategic alliances as a source of early-stage seed capital in new technology-based firms[J].Technovation，2000(20)：600-615.

[3] KOSOHATZKY K.Networking and knowledge transfer between research and industry in transition countries：empirical evidence from the Slovenian innovation system[J]. Journal of Technology Transfer,2012(1)：27-38.

[4] 刘佳. 2011计划协同创新中心建设的组织管理保障与政策创新研究[J].科技进步与对策，2013(10)：1-6.

[5] 陈恒,徐睿姝,振通.企业技术创新能力与知识管理能力耦合评价研究[J].经济经纬,2014(1)：101-106.

[6] 朱鹏,潘琳.协同创新中心评价体系构建研究：基于利益相关者视角[J].河南师范大学学报(哲学社会科学版),2013(5)：92-95.

[7] 胡冬云,陶丹.协同创新中心建设关键问题研究：美国第三代工程研究中心的启示[J].科技进步与对策，2013(14):1-4.

[8] 危怀安,聂卓,疏腊林.协同创新中心合作伙伴选择机理研究：基于2012年度“2011计划”名单的分析[J].科技进步与对策，2014(9):1-4.

[9] 魏守华,吴贵生,吕新雷.区域创新能力的影响因素：兼评我国创新能力的地区差距[J].中国软科学,2010(9):76-85.

(责任编辑：蔡洪涛)

Empirical Analysis of Innovation Ability of Collaborative Innovation Center Members

CHEN Baojie

(Cooperative Innovation Center for Aviation Economy Development, Zhengzhou University of Aeronautics, Zhengzhou 450046, China)

This paper analyzes the influence of knowledge distribution structure, knowledge flow capability, knowledge integration, knowledge output capability on innovation ability of part of the collaborative innovation center in China. The result shows that collaborative knowledge is the source of its innovation ability, knowledge flow ability has a positive effect on knowledge production ability and innovation ability, knowledge distribution structure is reverse adjustment function, there is no important role in the regulation of environmental optimization capability and knowledge integration capability.

Collaborative Innovation Center; members; innovation ability

2016-09-03

国家社科基金“推进创新驱动发展的质量控制研究”(14BJL004)；河南省教育厅人文社科项目“动态能力对企业创新绩效提升的影响机制研究”(2017-ZZJH-110)

陈宝杰(1972—)，男，河南长葛人，郑州航空工业管理学院副教授，研究方向为人力资源管理与创新管理。

G322

A

1008—4444(2016)06—0005—05