企业技术机会识别与创新绩效作用关系研究

王金凤 毛明云 岳俊举

摘要：技术机会识别的能力水平影响企业对技术信息的搜寻与感知，是企业赢得可持续竞争优势与卓越创新绩效的关键。将创新能力划分为创新决策、R&D投入、生产能力、商业化能力等四维度，进而探讨技术机会识别与创新绩效的作用关系及创新能力发挥的调节效应。研究结果表明，企业技术机会识别与创新绩效具有显著正相关关系，创新决策、R&D投入、生产能力在技术机会识别与创新绩效的作用关系中发挥正向调节效应，商业化能力的调节效应不显著。

Abstract： The ability level of technology opportunity identification impacts the search and perception of technical information by the enterprise， which is the key to the success of the enterprise and the performance of excellence. It divide that innovation ability into four dimensions， such as innovation decision， R&D input， production ability， and commercialization ability， so as to explore the relationship between the technological opportunity and the role of creative performance and the regulation effect of innovation capability. The research results show that there is a significant positive correlation between enterprise technology opportunity identification and innovation performance， and that innovation decision-making， R&D input and production capacity play a positive regulatory effect on the relationship between technology opportunity identification and innovation performance， while the regulatory effect of commercialization ability is not significant.

关键词：技术机会识别;创新绩效;创新能力

Key words： technology opportunity identification;innovation performance;innovation ability

中图分类号：F272.7                                         文献标识码：A                                  文章编号：1006-4311（2019）18-0037-06

0  引言

创新能力是企业形成产业竞争优势的重要因素，但为实现创新绩效最大，企业还需提高识别技术机会的能力。由于技术机会的产生源于技术不连续性，机遇与威胁并存，在研发、生产等系列活动中，有效的技术机会识别能够提供决策信息支持，帮助企业整合有限资源、迅速实现创意知识的商业化。反之，技术机会识别水平较低，会导致企业错失良机，在创新竞争中落后对手企业，甚至影响整体战略部署。因此，技术机会识别是企业把握创新机遇的关键。

众多专家学者从技术机会对企业创新过程的作用角度出发，对技术机会识别开展了相关研究。Cho C 等[1]从产品改进、产品多样化、市场拓展、应用多元化、市场开发、市场创造等六方面归纳了技术机会类型，以供企业开展系统的技术创新与营销活动;Lee J 等[2]针对识别技术机会到实际研发计划的薄弱环节，提出了依据研发可行性确定目标技术性能指标以及技术解决方案，增加技术机会的实际价值，进而提升创新绩效;姜黎辉等[3]利用技术机会识别能力监测外部环境中的产业变化，将机会信息与网络资源结合，引导企业从渐进式创新向不连续性创新转变;潘东华等[4]提出了结合共词分析的技术机会识别新方法，为企业提供更加客观的数据分析结果;郭俊芳等[5]构建了新的技术形态识别方法用于识别技术机会，加强了技术形态识别过程中的客观性。从现有文献可得，企业通过发掘已有技术间的相互关系与发展趋势识别新的技术拐点，并利用有效的技术创新信息提高创新活动的成功率，从而促使企业获取良好创新绩效。

然而，由于各企业创新能力水平不同，导致企业主体与技术机会的匹配程度之间存在较大差异[6]，创新能力水平的高低也會影响技术机会的实际应用效果，进而作用于企业创新绩效。Chiesa V[7]等认为，创新能力是企业能够持续性将创意与知识转化成新产品、新流程和新系统的驱动力量，在企业活动中发挥着重要作用;Crossan等[8]发现，创新能力有利于企业合理分配资源，依据现有条件为不同类型的技术创新活动创造合适的环境，更好地实现产品创新;Liao J等[9]从动态能力的视角探讨了企业资源与创新的关系，他认为企业只有充分利用创新能力将资源与技术机会有效结合，才能在快速变化的环境中获得技术创新与市场竞争的成功。因此，创新能力通过影响技术机会从识别到利用的转化效率，以及资源分配的合理性，进而作用于企业创新绩效。

综上所述，众多学者肯定了技术机会识别对企业创新的重要性，但现有文献中针对技术机会识别方法、作用的研究较多，将其作为企业的一种能力去探讨技术机会识别与创新绩效之间作用关系的文献较少。并且，文献研究方法多利用文献计量与专利等数据分析技术发展的相关信息，存在时滞性。再者，企业的创新能力水平是影响技术机会转化为创新绩效的关键因素，然而，关于创新能力与技术机会的现有文献集中于创新能力可以提高技术机会与资源的利用效率方面，以其为调节变量，研究创新能力在技术机会识别与创新绩效之间发挥调节效应的文献较少。

针对以上理论缺口，本文构建技术机会识别与创新绩效的关系模型，在此基础上分析创新能力在该模型中发挥的调节效应，通过调查问卷收集样本数据，采用层次回归分析探索三者间作用关系。最后提出相应的对策与建议，帮助企业提高识别与应用技术机会的效率，为技术机会识别与创新绩效的进一步研究提供支持。

1  研究假设

1.1 企业技术机会识别与创新绩效关系假设

技术机会识别是指企业挖掘已有技术的发展趋势以推断未来技术形态与技术拐点的能力，对企业而言至关重要。通过技术机会识别对现有技术进行深入分析，不仅能指明新技术的发展方向，还有助于企业对现有产品实施渐进式技术创新，实现创新绩效最大化。反之，无法准确把握技术进化方向会导致企业浪费大量资金与时间，还会降低企业效益、削弱市场竞争力。

其一，从开发新技术视角看，技术机会识别的主要作用是从外部环境中发现并获取技术拐点，为企业带来创新机遇，在降低创新活动风险下提升创新绩效。首先，技术机会识别能力强的企业拥有多种知识获取途径，可以从外部资源中及时筛选冗余信息，减少创新活动的内在不确定性与模糊性;其次，面向大量的技术创新信息时，企业能够快速从外部环境中识别新技术与新市场[6]，发现并获取与企业最为匹配的有效技术机会[10];最后，强有力的技术机会识别意味企业知识存量大，拥有迅速整合信息资源与制定多创新方案的优势。因此，企业的技术机会识别水平越高，越能获取更多有效的、新颖的技术信息，在迅速整合与分析信息资源的基础上寻找到匹配的技术机会，帮助企业更加准确地把握技术发展趋势，制定长期战略决策与资源规划，最终使企业迅速响应顾客价值需求，保证创新绩效的持续增加。

其二，从改进现有技术与产品视角看，一方面，技术机会识别通过发掘企业内外部现有技术之间的关系来获取技术信息，有利于企业发现产品或材料关键性能的技术改变方式，形成某一领域的技术创新报告及可视化图像，为相关研究人员更新产品性能、选择特定技术手段提供信息支撑。另一方面，从外部获取更多有价值的技术知识，有利于企业从现有的技术活动中发现潜在的技术价值并对其深入开发与改进，降低实施新业务所产生的生产成本，尽可能地将新业务与主流业务结合，转换成主流业务的新业务开发[11]，提高生产效率。

综上，技术机会识别为企业提供可行性强的技术创新机遇及技术发展方向，有助于企业识别新技术、产品与市场变革的趋势，促进新知识的快速传播，推动新技术的研发运用，以及改进已有产品的不足，进而创造新的产品价值。

基于以上分析，本文认为：

H1：企业技术机会识别与创新绩效正相关。

1.2 创新能力调节效应关系假设

创新能力是企业将新创意转化为商业价值的组织潜力，依据技术与管理的内涵，学界多从“投入——产出”与创新过程两个视角对创新能力进行维度划分[12]。徐立平等[13]构建了创新投入、创新生产、创新研发、创新产出、创新管理及创新营销等六个层次的企业创新能力模型;Cropley 等[14]从创新决策、研发投入、生产能力、商业化能力等四维度分析了企业创新能力。本文关注企业技术机会识别与创新绩效之间的作用关系，因此，参考Cropley的研究将创新能力划分四个维度。

创新决策能力主要体现为将已发现的技术机会与企业实际需求结合，在深入分析两者匹配度基础上制定合理的创新策略，以提高技术机会的开发效率，从而提升创新绩效。一方面，技术机会识别为企业制定创新决策、确定发展方向与规划资源配置等提供相关技术信息，促进企业创新活动的开展[15]。另一方面，由于企业异质性，不同企业对外部环境中技术机会的评估存在差异，在很大程度上影响企业的资源配置方案，并作用于企业的创新行为与创新绩效。企业创新决策能力越强，知识与资源转化为新产品研发方案的速度与效果就越好，越容易获得良好的创新绩效。

因此，提出以下假设：

H2a：企業技术机会识别对创新绩效的影响受创新决策能力的正向调节。

R&D投入（Research & Development）即研发经费与研发技术人员两方面的投入，是企业赖以生存与可持续发展的基础。增加R&D投入在一定程度上有助于提升企业的知识存量，减少信息资源的流失，促进隐性知识的传递与转移。由于企业技术机会识别活动需要大量的外部信息与内部知识，因此，一个有利于知识转移与整合利用的研发团队，能够加快技术信息分析速度，提高企业识别技术机会的效率。同时，大量研究表明，R&D投入可以促进企业新技术的产生与进步，有利于缩短新产品工厂化的过程，提高企业创新速度[16]。因此，R&D投入多的企业对技术机会的把握与吸收更加高效，能更迅速地将技术机会转化为创新绩效。

因此，提出以下假设：

H2b：企业技术机会识别对创新绩效的影响受R&D投入的正向调节。

生产能力的作用是将研发成果转化为批量生产产品，体现企业从完成新技术研发到产品投放市场的周期长短与效率水平。生产能力是企业提高绩效和组织价值的关键因素，有助于企业将资源整合分配到不同的市场、技术与产品中，得到新的或改进的产品版本以及改良的产品制造方法，以获得经济效益[17]。具体而言，企业通过研发团队将识别的技术知识与产品创新整合，开发出新的产品工艺或改良的技术流程，利用生产能力进行大规模市场化制造，在竞争市场中占据有利地位。因此，生产能力是企业创新活动是否有成效的重要评判因素，也是企业对技术机会的识别与利用效率的直接表达。生产能力的提高可以加快产品工厂化生产的速度，增加新产品接触到消费者的机会，进而提升企业创新绩效。

因此，提出以下假设：

H2c：企业技术机会识别对创新绩效的影响受生产能力的正向调节。

商业化能力主要表现为企业将产品带进市场获取经济效益，采用的方式包括市场分析与监测、接触顾客与市场规划及销售等[18]。大规模的生产是企业获取绩效的基础，更迅速、更全面地推广则是当今经济时代企业抢占市场最有效的途径。运用技术机会的目的是为企业创造绩效，无法获得经济效益的技术机遇对企业是无用的。当企业具备较强的商业化能力时，不仅能深度挖掘新产品的潜在价值，并定位产品适用人群;还能先于竞争对手接触顾客，监测市场与顾客需求的变化，调整相应的推广方案，以提高新产品的推广效益。商业化能力为企业带来良好绩效的同时，能够弥补企业在研发阶段投入的资源，并为进一步的技术机会识别活动与研发活动提供信息反馈与资金支持。

因此，提出以下假设：

H2d：企业技术机会识别对创新绩效的影响受商业化能力的正向调节。

综合以上假设分析，整理出如图1所示的概念模型。

2  研究设计

2.1 数据收集

本文主要目的是研究企业技术机会识别、创新能力与创新绩效之间的作用关系，为更全面的获取数据，采用调查问卷方式收集相关信息。围绕研究目的设计问卷，包括技术机会识别的6个测量题项、创新能力的7个测量题项、创新绩效的6个测量题项，规定被试者根据自我真实感受对量表内容做出客观打分。

由于长三角地区科技发达、创新活跃，各行业企业的创新水平领先全国，其样本数据具代表性，因此，本文以长三角地区340家企业为调查对象，利用电子邮件向企业高层管理人员发放问卷340份，回收236份，剔除数据缺失等问卷后，共得到有效问卷197份，回收率为57.94%。

有效问卷中，41.12%的企业来自上海，30.46%的企业来自江苏，28.43%的企业来自浙江。为增加样本数据可靠性，以制造业为重点，样本企业涉及机械与仪器16家（占8.12%）、电子信息110家（占55.83%）、计算机硬件41家（占20.81%）及生物制药30家（占15.23%）等。

从企业规模与年龄看，调研企业基本覆盖处于不同生命周期的组织类型，且处于稳定期与发展期的企业较多，此阶段的企业具备一定的技术能力与资本积累，乐于并能够开展创新活动。就企业规模来看，50人以下的有19家，占总体9.64%;51～500人的有96家，占总体48.73%;501～1000人的有64家，占总体32.49%;1000人以上的有18家，占总体9.14%。可以看出，样本分布较为广泛，行业特征与规模等都具有一定代表性。

收集样本数据后，采用SPSS 21.0软件，首先进行数据信度与效度检验，以确保问卷的合理性;其次进行相关性分析，以验证各变量之间的相关性，为层次回归分析奠定理论基础;最后构建多层回归模型，依次在基础模型中加入控制变量、自变量、调节变量以及自变量与调节变量乘积项，通过多元回归分析进行研究假设验证。

2.2 变量测度

为确保测量量表的信度与效度，选取已有文献中的成熟量表，根据研究目的与样本企业的实际情况做了适当修改与调整，最终形成技术机会识别量表、企业创新绩效量表、企业创新能力量表。所有量表均采用 Likert 5点计分法，1为非常不同意，2为不同意，3为不确定，4为同意，5为非常同意。

2.2.1 技术机会识别

技术机会识别的测度题项借鉴Teece[19]、Liao[9]、Chandler & Jansen[20]等研究，从企业自身、行业、供应商、竞争对手四个角度出发，利用6个题项来测度。分别是：能够准确感知与识别消费者的需求或潜在需求、与供应商及互补企业建立良好合作、能够指导企业内部研发与选择新的技术拐点、监控竞争对手的创新行为、跟踪科学或技术领域的最新研究成果、及时识别目标细分市场的变化。

2.2.2 企业创新绩效

绩效是企业一系列经营活动所产生的结果，直观地表示企业创新活动的有效性，多数研究以财务绩效作为测量数据，参照陈劲[21]、Zhang[22]等的研究，提取新产品数量、新产品产值率、申请的专利数量、新产品开发速度、新产品开发成功率以及新产品市场成功率等6个题项。

2.2.3 企业创新能力

参考Chandler[20]和Yam[23]的研究，基于四個创新能力的维度划分，设计七个测量题项，分别是创新决策的正确性、研发经费投入、研发人员投入、新技术的传播速度、新技术成功运用至产品线的可能性、研发部门和制造部门的友好协作、市场投放精准度。

2.2.4 控制变量

在借鉴国内外大多数相关研究的基础上，考虑到本文实际情况，选择企业规模、行业类型、企业年龄3个选项作为控制变量。其中，企业规模大小影响企业创新模式的选择，大型企业会更愿意承担责任与开展创新活动;行业类型反映企业对于创新活动的需求度与必要性;企业年龄是基于企业成立时间来计算的，反映企业的运营情况与内部制度的成熟性。虽然这些控制变量不是本文研究重点，但现有研究已证实以上变量与企业创新绩效之间存在相关性，因此有必要在研究中作出控制。

3  数据分析与讨论

3.1 信度与效度检验

使用SPSS 21.0 软件进行探索性因子分析，采用主成分分析与最大方差旋转法。根据Cronbachs α 的相关概念，当 α>0.7时，说明问卷的可靠性较好;当0.7>α>0.35时，问卷的可靠性能够被接受;当α<0.35时，问卷需要被放弃。表1结果显示，各变量的Cronbachs α系数均大于0.8，说明量表具有较好的内部一致性;采用KMO样本测度和Bartlett球体检验，各变量的KMO值都在0.700以上，远高于0.500的最低标准，球形检验中Sig.值都为0.000高度显著，各变量的因子载荷值均大于0.7，结果显示量表具有较好的收敛效度与区别效度。分析结果见表1。

3.2 相关性分析

运用SPSS软件对变量进行描述性统计分析，包括均值、标准差与相关系数。相关系数表能够初步反映变量之间相互作用的可能性，以便于下一步的层次回归分析。由结果可知，变量均具有相关性，技术机会识别与创新绩效在0.01的水平上显著正相关，与研究假设基本一致。具体数据分析见表2。

3.3 层次回归分析

本文以技术机会识别为自变量、创新能力为调节变量，以創新绩效为因变量，对相关数据分别进行层次回归分析。由于涉及到创新能力的调节效应，通过在回归方程中引入交互项进行检验，并对相关变量数据做中心化处理。分步骤构建模型做回归分析，获取相应数据结果：第一步做控制变量对因变量的回归;第二步做控制变量与自变量对因变量的回归;第三步做控制变量、自变量与调节变量对因变量的回归;最后做控制变量、自变量、调节变量以及自变量与调节变量乘积项对因变量的回归，若乘积项回归系数显著，则调节效应显著。

各变量对企业创新绩效的影响分别用模型1（M1）～模型10（M10）表示，其中模型1（M1）表示仅有控制变量的基础模型，模型2（M2）增加了技术机会识别变量，模型3（M3）在模型2的基础上增加了创新决策能力变量，模型4（M4）在模型2的基础上增加了R&D投入变量，模型5（M5）在模型2的基础上增加了生产能力变量，模型6（M6）在模型2的基础上增加了商业化能力变量，模型7（M7）在回归方程中引入了技术机会识别与创新决策能力的交互项，模型8（M8）在回归方程中引入了技术机会识别与R&D能力的交互项，模型9（M9）在回归方程中引入了技术机会识别与生产能力的交互项，模型10（M10）在回归方程中引入了技术机会识别与商业化能力的交互项。结果见表3。

假设H1探讨了技术机会识别对创新绩效的影响，模型2中技术机会识别与创新绩效的回归系数为0.337，p<0.001，表明两者之间是线性正相关关系，因此H1得到验证。

假设H2a探讨了创新决策能力对技术机会识别与创新绩效关系的调节作用，模型7的回归结果表明，创新决策能力与技术机会识别的交互项与创新绩效的回归系数为0.302，p<0.001，因此H2a得到验证。

假设H2b探讨了R&D投入对技术机会识别与创新绩效关系的调节作用，模型8表明，R&D投入与技术机会识别的交互项与创新绩效的回归系数为0.359，p<0.001，因此H2b得到验证。

假设H2c探讨了生产能力对技术机会识别与创新绩效关系的调节作用，模型9的回归结果显示，生产能力与技术机会识别的交互项与创新绩效的回归系数为0.289，p<0.005，生产能力起到正向调节作用，因此H2c得到验证。

假设H2d探讨了商业化能力对技术机会识别与创新绩效关系的调节作用，模型10中p值并不显著，说明企业的商业化能力对技术机会识别与创新绩效的之间的关系并无显著调节作用，H2d未得到验证。

3.4 结果讨论

基于创新能力的调节效应，本文探讨了技术机会识别对企业创新绩效的作用关系，得到了以下结论：

①技术机会识别对企业的创新绩效有显著正向影响，假设H1得到验证。技术机会识别有利于提高搜寻与分析技术信息的效率，帮助企业系统地考虑技术发展趋势，从而更好地获取技术机会，以提升创新绩效。一方面，企业识别的技术拐点是技术进化趋势的关键所在，是否成功运用在很大程度上决定着企业未来发展的成败。另一方面，大量地搜寻外部环境信息资源有利于企业对现有技术产品进行改良，提高产品性能与竞争力。

②企业的创新决策能力对技术机会识别与创新绩效的关系具有正向调节效应，假设H2a得到验证。具备较强创新决策能力的企业依据识别的技术机会，能够制定战略规划与发展方向，降低企业在发展过程中因方向错误而浪费资源的风险，从而影响企业的创新绩效。

③企业R&D投入对技术机会识别与创新绩效的关系具有正向调节效应，假设H2a得到验证。企业在综合考量自身能力与发展前景的基础上，制定合理的R&D投入计划，增加研发团队规模与资源投入，能够增加企业内部的知识存量与提高知识吸收能力，减少知识搜索成本，提高知识传递、整合、利用的效率，从而提高企业的创新绩效。

④企业的生产能力对技术机会识别与创新绩效的关系具有正向调节效应，假设H2c得到验证。生产能力对企业而言至关重要，是产品从研发端到达市场端的关键环节。大批量、高质量的生产有助于企业快速获取竞争优势，落实技术机会的实际效益，赢得创新绩效。

⑤企业的商业化能力调节效应未得到验证，假设H2d不成立。原因可能在于，商业化能力影响企业创新过程末端的经济效益，有利于挖掘产品本身的潜在效益，获得的资金可以弥补搜寻技术机会与研发投入方面的支出，但是对创新活动最前端所涉及到的技术机会识别影响很小。

4  结论与启示

本文对企业技术机会识别与创新绩效的作用关系进行了理论分析与应用研究，根据创新能力维度探讨了其对主效应的调节作用，并运用层次回归分析进行验证。主要取得了以下研究成果：

①研究企业技术机会识别对创新绩效的直接影响，发现两者之间存在显著正相关关系。本文从企业的能力角度出发，发现了技术机会识别作为企业能力在创新活动中的主动性与重要性，有助于指导企业在创新实践中发挥主观能动性，提高技术创新的成功率。

②探讨了创新能力在技术机会识别与创新绩效之间的调节效应。细分创新决策能力、R&D投入、生产能力、商业化能力作为创新能力的四个维度展开分析，探讨了调节变量的具体作用，丰富和细化了已有研究成果，有利于企业在创新活动中有所倚重的提高其所需的能力维度。

研究结论对企业的经营管理活动具有一定启示。

①企業战略选择时需要根据自身技术研发水平选择合适的技术机会。为应对激烈的日常竞争，企业应当重视技术机会识别水平的培养与提升，在面临资源不平衡问题时，通过对技术机会的分析与考量，将有限资源集中在最有效的机会上，实现利益与资源利用效果最大化。

②提升技术机会识别的能力水平是一个逐渐演化的过程，首先，企业需要时刻关注行业领域内的信息流通与竞争对手的创新行为，注意细分市场的技术变化，确保掌握最新的技术信息。其次，与供应商以及客户建立良好合作关系，以便企业及时获得产品的反馈信息，也有利于节省研发成本、迎合市场需求。

③创新能力作为企业的综合能力，影响技术机会识别对企业创新绩效的作用效果。在发现同一技术机会的前提下，创新能力强的企业比弱势企业更有利于提升创新绩效。为实现创新绩效的长期改善，企业应通过创新能力的提升，来降低创新风险和投入成本，促进技术机会到产品绩效的高效转化。

④由于资源的有限性，企业在探索提高创新能力的时候，可以从创新决策、R&D投入、生产能力、商业化能力四个维度进行能力分析与研究。但商业化能力直接影响产品绩效，对于技术机会识别与创新绩效之间的关系并无显著作用，企业还需根据现实情况作出计划方案。

鉴于篇幅所限，本文存在以下不足：第一，样本数据规模不大，且由企业高管进行客观评价，无法避免个人主观意识的影响，在一定程度上限制了本文结论应用于管理实践的效果。第二，本文探索了技术机会识别、创新能力与创新绩效之间的作用关系，但缺乏考量影响创新绩效的情景条件。因此，在未来的研究中，应该扩大样本数量，进一步增强数据的客观性，并考虑情景变量的影响，以更全面分析技术机会识别与创新能力影响创新绩效的动态变化过程。

参考文献：

[1]Cho C， Yoon B， Coh B Y， et al. An empirical analysis on purposes， drivers and activities of technology opportunity discovery： the case of Korean SMEs in the manufacturing sector[J]. R & D Management， 2016，46（1）：13-35.

[2]Lee J， Kim C， Shin J. Technology opportunity discovery to R&D planning： Key technological performance analysis [J]. Technological Forecasting & Social Change， 2017， 119.

[3]姜黎辉，张朋柱，彭诗金.技术机会识别能力与企业网络合作能力关系研究[J].科技进步与对策，2006，23（7）：8-13.

[4]潘东华，徐珂珂.基于共词分析的技术机会分析[J].科研管理，2014，V35（4）：10-17.

[5]郭俊芳，汪雪锋，李乾瑞，等.一种新型的技术形态识别方法——基于SAO语义挖掘方法[J].科学学研究，2016，34（01）：13-21.

[6]田莉.机会导向型的新技术企业商业化战略选择——基于技术属性与产业环境匹配的视角[J].经济管理，2008（z1）：40-43.

[7]Chiesa V， Coughlan P， Voss C A. Development of a Technical Innovation Audit[J]. Journal of Product Innovation Management， 2010， 13（2）：105-136.

[8]Crossan M M， Apaydin M. A Multi‐Dimensional Framework of Organizational Innovation： A Systematic Review of the Literature[J]. Journal of Management Studies， 2010， 47（6）：1154-1191.

[9]Liao J， Kickul J R， Ma H. Organizational Dynamic Capability and Innovation： An Empirical Examination of Internet Firms[J]. Journal of Small Business Management， 2009， 47（3）：263-286.

[10]Teece D J. Capturing Value from Knowledge Assets： The New Economy， Markets for Know-How， and Intangible Assets[M]// Essays In Technology Management And Policy：Selected Papers of David J Teece. 1998：47-73.

[11]Kanter R M. The new managerial work[J]. Harvard Business Review， 1989， 67（6）：85-92.

[12]曹勇，蒋振宇，孙合林，等.知识溢出效应、创新意愿与创新能力——来自战略性新兴产业企业的实证研究[J].科学学研究，2016，34（1）：89-98.

[13]徐立平，姜向荣，尹翀.企业创新能力评价指标体系研究[J].科研管理，2015（s1）：122-126.

[14]David H. Cropley， Arthur J. Cropley， Belinda A. Chiera， et al. Diagnosing Organizational Innovation： Measuring the Capacity for Innovation[J]. Creativity Research Journal， 2013， 25（4）：388-396.

[15]Bowen F E， Rostami M， Steel P. Timing is everything： A meta-analysis of the relationships between organizational performance and innovation[J]. Journal of Business Research， 2010， 63（11）：1179-1185.

[16]Beneito P. Choosing among alternative technological strategies： an empirical analysis of formal sources of innovation[J]. Research Policy， 2003， 32（4）：693-713.

[17]Subrahmanya， M.H.B. （2005）， Pattern of technological innovations in small enterprises： a comparative perspective of Bangalore （India） and Northeast England （UK）， Technovation， Vol. 25， pp. 269-280.

[18]Chakravorti B. The new rules for bringing innovations to market.[J]. Harvard Business Review， 2004， 82（3）：58.

[19]Teece D J. Explicating Dynamic Capabilities： The Nature and Microfoundations of （Sustainable） Enterprise Performance[J]. Strategic Management Journal， 2007， 28（13）：1319-1350.

[20]Chandler G N， Jansen E. The founder's self-assessed competence and venture performance[J]. Journal of Business Venturing， 1992， 7（3）：223-236.

[21]Chen J， Chen Y， Vanhaverbeke W. The influence of scope， depth， and orientation of external technology sources on the innovative performance of Chinese firms[J]. Technovation， 2011， 31（8）：362-373.

[22]Zhang Y， Li H. Innovation search of new ventures in a technology cluster： the role of ties with service intermediaries[J]. Strategic Management Journal， 2010， 31（1）：88-109.

[23]Yam R C M， Guan J C， Pun K F， et al. An audit of technological innovation capabilities in chinese firms： some empirical findings in Beijing， China[J]. Research Policy， 2004， 33（8）：1123-1140.