国际研发联盟、技术距离与企业突破性创新

2020-05-09 03:52高太山
当代经济管理 2020年3期

[摘要]以74 家中国企业在 2000—2010 年参与的 224 个国际研发联盟为样本,利用负二项回归模型实证分析了国际研发联盟中技术距离对企业突破性创新的影响。研究发现,国际研发联盟可以显著促进企业突破性创新,联盟伙伴间技术距离与企业突破性创新呈倒 U 型关系,技术距离过大或过小都不利于联盟内知识的流动。紧密的联盟网络关系以及雄厚的技术储备是促进突破性创新的重要手段。

[关键词] 研发联盟;技术距离;创新网络;突破性创新

[中图分类号] F2731;F2792 [文献标识码]A   [文章编号]1673-0461(2020)03-0021-06

一、引 言

当今世界正面临一个新产业革命时代的来临,互联网、人工智能、区块链、新材料、生命科学等新技术的快速发展,使得创新主体间的联系更为快速和紧密,开放的环境使企业在创新投入、产出以及创新商业化过程中的边界越来越模糊 [1] ADDINCNKISM.Ref.{D154A49BE80F48129C25E207E847703A} ,创新也从传统的由制造商为主导,转化为用户、供应商、制造企业、监管部门等利益相关者共同参与完成的创新活动。在这样的商业环境中,传统的组织内研发已经无法满足当下的创新活动要求 [2] ADDINCNKISM.Ref.{75E3C046FDFC4dcdBCD835BED6176577} ,这些新的创新活动正在重构传统的市场竞争规则,也将改变传统的创新管理范式 [3] ADDINCNKISM.Ref.{E4FBDF10274442e68513AC0ACCE92D09} ,对突破性创新而言尤为如此 [4] ADDINCNKISM.Ref.{76B70DC0E6354df694984E51BC7E2263} 。在新的创新活动要求下,越来越多的企业开始走开放创新的路子,从外部寻求新的知识来源。其中,很重要的一种方式就是通过与跨国公司组建国际研发联盟 [5-6],许多企业试图通过研发联盟的方式突破原有的技术开发模式,发现新的知识或技术,从而实现突破性创新 [7]。对本土企业而言,国际研发联盟提高了知识融入复杂产品开发的效率 [8],使得企业能够赶在竞争对手之前进入市场并推出新产品 [9]。

在联盟过程中,企业将来自伙伴企业的知识通过转移吸收变为自身知识的过程即是企业实现知识获取的过程,然而由于联盟企业在技术储备和结构上存在差异,使得聯盟双方的技术互补性或技术距离成为影响知识转移的重要因素 [10]。有研究从组织、战略、资源能力、外部环境、网络视角等多个层面,分析了联盟伙伴间技术距离与企业创新绩效的关系 [11-14]。一般来说,对于处在不同行业的合作伙伴来说,其持有对方互补性技术资源越多,通过联盟实现转移的知识也就越多 [6]。但现有对中国企业参与国际研发联盟的研究较少,也缺少对技术距离与联盟企业突破性创新绩效的关系研究。基于此,本文以2000—2010年的中国企业国际研发联盟作为研究对象,重点考察联盟企业间技术距离对本土企业突破性创新的影响,为企业决策提供参考。

二、文献综述

长期以来,面对根本性的技术变革,在位企业如何应对并实现突破性创新一直是技术战略领域的核心问题 [15] ADDINCNKISM.Ref.{F938464F83DE48a69D42AD519DA2F7BE} 。Fuller从全球生产网络(GPN)和跨国技术社区(TTC)等角度出发,认为跨国网络能够显著促进中国的技术发展 [16] ADDINCNKISM.Ref.{1187FCA6DF324df5BB2C3705A90113A7} 。虽然外部知识网络对企业技术能力的提升发挥了重要作用,但是其对企业技术能力突破受到企业间技术距离的影响 [17] ADDINCNKISM.Ref.{3EB0E673660E436480B42E5CDAB1B43C} 。正如Wu和Levinthal的研究表明,来自外部的互补性技术对现有企业的技术变革起着双重作用,一方面互补性技术能够减缓技术变革对企业的冲击,另一方面也会影响企业应有的研发投入 [15] ADDINCNKISM.Ref.{F938464F83DE48a69D42AD519DA2F7BE} 。因此,技术相似性和技术距离一直是企业选择创新伙伴时要考虑的重要因素。

Makri、Hitt和Lane认为 互补性知识更有利于突破性创新的实现 [18] ADDINCNKISM.Ref.{38F636087D684b4283CFEA4EFCA52892} ,意味着技术距离越大,越有利于突破性创新。尹航等 基于战略管理理论研究了技术距离对战略联盟企业突破性创新的影响,发现技术距离越远越有利于联盟企业实现突破性创新,二者之间的关系受到企业知识获取能力的调节作用 [7] ADDINCNKISM.Ref.{8EA50C6D70B74aae88064D50BB673936} 。也有研究表明, 技术距离对大学和企业联盟的创新绩效存在显著促进作用 [19-20]。虽然 企业跨技术领域合作程度越高,越有利于突破性创新,但较大的技术距离使得其对突破性创新的正向影响越弱 [21] ADDINCNKISM.Ref.{00348A4C23F24cfdBA9D79D9969C6334} 。邱立成等从外资企业进入本土市场的视角出发,研究发现 大规模外资进入带来的市场竞争在整体上促进了我国企业的研发创新活动,但是外资进入对企业研发创新的促进效应依赖于企业与前沿技术的差距。较大的技术距离对企业创新起到显著的积极效应,而较小的技术距离则对企业创新表现出显著的负面效应 [22] ADDINCNKISM.Ref.{B05656612179449a9785D5F150C8B595} 。

企业在不断扩展的创新网络中合作时,技术距离等要素匹配度处于合理水平时才能形成互补性优势,进而提升企业动态能力 [23]。因此,技术距离与企业创新绩效之间并非严格的线性关系,而是呈现倒U型关系,只有处在最优临界点时,企业创新绩效才能达到最优 [24]。此外,技术距离的影响与企业自身知识储备及新技术的应用密切相关。对于核心技术能力较高的企业,技术距离的倒U形关系会大大削弱,企业能更有效地管理和利用技术多样化来促进其创新发展 [25],互联网等新兴数字技术的应用也能有效促进企业间的知识流动 [13]。

综上所述,学术界关于技术距离与企业创新绩效关系的研究,尚未形成统一结论,也未能回答中国企业国际研发联盟中技术距离与企业创新的关系,对重大的突破性创新而言,联盟企业间技术距离是否也存在最优边界尚不清晰。为此,本文重点分析了国际研发联盟中企业间技术距离对中国企业突破性创新的影响。

三、研究方法与设计

(一) 数据来源

对前述问题进行实证分析需要三类基础数据:第一类是企业国际研发联盟数据,本文从美国SDC Platinum数据库下的Joint Ventures & Alliances子数据库中搜集了2000—2010年中国企业参与的1 567个战略联盟;第二类是联盟企业的专利数据,本文收集了中国企业自1976年至2013年在美国USPTO申请并获授权的发明专利数据,共计15 943件;第三类是企业基本信息,如企业规模、所有制性质等,主要从企业主页以及行业报告中获取。

在搜集完上述基本数据以后,还需要对数据进行清洗和匹配,主要是找出参与国际研发联盟并在美国申请发明专利的企业,以保证联盟数据与专利数据的有效匹配。第一步是统一企业名称。由于检索的时间跨度较长,许多企业在组建联盟和申请专利的时候,使用的名字并不统一,为了更准确地匹配联盟企业及其专利数据,需要将企业名称统一格式。第二步是锁定企业名单。在保证企业名称一致的基础上,进一步比对SDC Platinum数据库和USPTO专利数据库,将联盟企业与专利数据对应起来。最终,共筛选出74家中国企业在2000—2010年间参与的224个联盟数据以及相对应的3 247件发明专利,涉及半导体、汽车制造与零部件、通信设备制造、医药、石油化工设备、航空航天等10个高科技行业。

(二)变量定义

1.因变量

突破性创新是一种全新的技术和概念,它能够用于生产全新的产品并创造新的市场,与组织现有的创新实践完全不同 [26] ADDINCNKISM.Ref.{405CA4314F1F4b8d912BCA3387242211} 。Christensen认为突破性技术一般从新兴市场或非主流市场切入,直到性能持续不断的改进,最终得到主流市场的认可。与渐近性创新相比,突破性创新具有独特性和新颖性,对未来的产业技术发展具有重要影响 [27] ADDINCNKISM.Ref.{6FE410908F0046b58315809355E0B076} 。從这一点上看,突破性创新为后发企业跨越式追赶提供了绝佳的机会窗口 [28] ADDINCNKISM.Ref.{DE8FB074154A4af2A519EFCC3EC7B3FA} ,也为中国企业完成从“跟随者”到“领导者”角色转变提供了可能 [29] ADDINCNKISM.Ref.{DF242692CC1C43ac8905AC86084325E0} 。虽然学者们常用专利来代表创新 [23] ADDINCNKISM.Ref.{ED571EDD848D4f26BEE1010CE02BC5CE} ,但是对突破性创新的衡量还存在一定难度。中国企业有意愿、有能力在美国申请发明专利并获得授权,一定程度上代表了更高的科技创新水平,可以归为突破性创新的类别,这样做是有先例的 [30] ADDINCNKISM.Ref.{A527F1D75ED04accB139B8A5BA50440E} 。然而,由于行业之间的差异性,以专利数衡量创新会存在偏差 [27] ADDINCNKISM.Ref.{48C81830172D4aa08737F46A515AA3AC} ,为更准确地分析变量影响程度,保证研究结果的可靠性,本文考虑了专利申请的滞后效应。一般来说,企业从成立联盟到申请专利并获得授权都需要一定的时间,而突破性创新往往还需要前期的长期积累。为此,本文将企业参与联盟滞后1年(patentit+1)和滞后2年(patentit+2)的专利数作为因变量。

2.自变量

已往的研究中关于技术距离的定义稍有差异,Griliches提出技术相似性的概念,将其定义为两个企业在技术空间内的相似程度,认为企业间技术相似性程度越高,知识溢出效果越好 [31]。Jaffe将技术相似性的概念演变为技术距离,并提出了相应的计算公式 [32] ADDINCNKISM.Ref.{5C4FF2D3618E4b9e9BAB6FC5CCB184E8} ,指的是企业间的技术差异性 [33] ADDINCNKISM.Ref.{4109C379E11D429fACEAFD96D1971785} 。在此基础上,国内学者在研究大学和企业协同创新效应的过程中把技术距离定义为进行研发合作的大学和企业间的技术相似度 [19-20]。结合上述研究,本文将技术距离定义为在一个联盟组合中,企业之间在技术储备上的差异化程度。计算公式如下:

其中,Distance代表技术距离,fik表示企业i在第k个技术领域的专利授权量,fjk表示企业j在第k个技术领域的专利授权量,国际专利分类中将专利分成A、B、C、D、E、F、G和H八大部,共120子类。

在计算技术距离(Distance)时,需要对大量的专利数据进行统计分析。由于超过30%的专利存在多个分类码,隶属于多个行业,在具体划分的时候就会产生一个问题,即这一专利究竟应该算在哪一个行业类别中。已往的研究提供了两种分类方法:一种是“全都算”(whole counts),当专利出现多个分类码时,在每个门类的专利数都加1,这种计算方法重视知识的非竞争性,强调某个产业从该专利中的获益并不能影响其他产业从中受益;另一种是采用均摊方式,如果一条专利隶属于n个产业,那么每个产业的专利就增加1/n,这种计算方式强调的是专利的共享 [30] ADDINCNKISM.Ref.{F5093B0D54B748b09E767086DFD98BB9} 。本文在计算技术距离的时候,采用“全都算”(whole counts)的方法。需要注意的是,同一家企业在同一年份可能参与多个联盟,涉及到多个联盟伙伴,在计算技术距离的时候就会产生多组数据,本文采取均值处理办法,将多组数据的平均值作为该企业与联盟伙伴间的技术距离。

3.控制变量

网络结构是影响企业创新的重要因素 [17,34],Zaheer和Bell认为联盟网络能够帮助企业弥补结构洞 [35] ADDINCNKISM.Ref.{3D9AE088FC584dd39FCD70D76529DF9F} ,而占据网络中心和结构洞位置对企业创新绩效有显著的正向影响 [36] ADDINCNKISM.Ref.{4DD642B8EEC8490593CBD9042CAD022F} 。为此,本文选择网络密度、平均点度作为衡量网络结构的指标。在计算网络结构数据时,由于SDC Platinum数据库中并没有给出每一个联盟的持续时长,但大多采用1—5年的时间窗口进行研究 [23] ADDINCNKISM.Ref.{960A59973FEA40358E6A3CAB883982A6} 。本文按照已有研究的做法,假定联盟关系平均时长为3年,利用SCI2软件实现无向二元邻接矩阵,据此创建联盟网络(2000—2002年,2001—2003年,2002—2004年,2003—2005年,2004—2006年,2005—2007年,2006—2008年,2007—2009年,2008—2010年)。在联盟网络构建完成之后,本文进一步利用Pajek软件计算所需要的网络结构数据。此外,企业规模、所有制性质、已有的技术储备等都是影响企业创新绩效的重要因素。具体每个控制变量的计算方法和含义如下:

(1)网络密度(Density):用于衡量每个时间窗口内联盟网络的整体紧密程度,取值范围 [0,1],越接近1,说明联盟网络企业联系越紧密。计算公式如下:

Density=l/[n(n-1)/2](2)

其中,l代表联盟网络实际存在的连线数;n代表联盟网络的节点数。

(2)平均点度(Degree):点度是一个顶点所拥有的连线数量,在联盟网络中是指一个企业参与的联盟数量。平均点度是所有顶点的点度数的均值,用于衡量网络的凝聚性,平均点度越高,表示企业参与的联盟数量越多,外部知识来源越丰富。与网络密度相比,平均点度由于不受网络规模制约的影响,更能反映联盟网络中企业间的紧密程度。

(3)企业规模(Size):企业规模是衡量企业是否有能力支持新产品开发和管理风险不确定性的标准之一 [14,28],也是影响研发能力和技术吸收能力的重要因素。在联盟网络中,大企业由于掌握更加充分的资源和研发经验,且具备更好的技术吸收能力,在新产品研发中要比小企业更有优势 [29] ADDINCNKISM.Ref.{FF08CACDDDC94af28C34C9C633CCC649} 。由此,把企业规模作为控制变量,以销售额作为衡量企业规模的标准,按照我国《大、中、小型工业企业划分标准》,本文将销售额在5亿元以上的划分为大型企业,用1表示;销售额在5亿元以下划分为中小企业,用0表示。

(4)所有制(Ownership):参与研发联盟的中国企业主要有国有企业和民营企业两类。这两类企业在制度上的差异性,可能是造成研发产出效率不同的重要原因之一 [31] ADDINCNKISM.Ref.{43661FD4AD214800914A2E568B8321A2} ,为此本文将所有制作为考量因素之一。

(5)知识基础(Knowledge):与渐进性创新相比,突破性创新的实现更加需要跨领域的知识重组 [37] ADDINCNKISM.Ref.{BEE4D621634242339D4DB29377A7D8B3} ,企业自身的知识储备成为影响这一过程的重要因素 [38] ADDINCNKISM.Ref.{0C5BCF2B71954fbeBABB51C1EE2CD282} 。测度企业知识基础有多种方法,比如企业研发经费投入强度、研发人员占比以及在某一个领域的持续研发时间等 [32] ADDINCNKISM.Ref.{1672A879DD6548559AF0BADAFCCD0058} 。本文以企业过去5年累计申请的专利数作为衡量标准,计算公式如下:

(三)模型设计

采用负二项回归模型对联盟伙伴技术距离与突破性创新的关系进行估计,模型设计如下:

其中,i代表企业,j代表行业,t代表时间。

四、实证分析与讨论

(一)描述性统计

表1提供了变量的描述性统计结果。

表2提供了变量的相关系数矩阵。可以看出,自变量技术距离Distance与因变量Patentit+1、Patentit+2的相关系数分别是-0093、-0122(p<005),初步表明技術距离与专利产出之间存在负向关系。控制变量Ownership与专利产出Patentit+1(-0212,p<0001)和Patentit+2(-0217,p<0001)的相关系数显著为负,表明样本数据中国有企业创新产出低于民营企业;企业知识基础Knowledge与专利产出Patentit+1(0877,p<0001)、Patentit+2(0788,p<0001)的相关系数显著为正,验证了雄厚的知识基础更有利于企业突破性技术的产生。

(二)回归分析结果

表3提供了负二项回归的检验结果。模型1、模型2和模型3以Patentit+1为因变量。发现技术距

离Distance与Patentit+1之间存在负向关系(β=-0665,p=005),表示联盟企业之间技术距离越大,越不利于突破性技术的产生。模型3检验进一步显示,技术距离Distance与Patentit+1之间存在倒U型关系,说明联盟企业之间技术距离过大或过小都不利于企业突破性技术的产生。一种可能的解释是:技术距离过大,企业对技术消化吸收存在难度,更无法进一步利用;技术距离过小,企业间技术储备的相似度较高,很难获取更多的差异化知识,也不利于突破性技术的产生。模型4、模型5和模型6以Patentit+2为因变量,技术距离Distance与Patentit+2之间也存在倒U型关系,进一步说明只有保持适当的技术距离才最有利于联盟企业的创新产出。

图1给出了技术距离(Distance)与企业创新产出(Patentit+1)的关系,随着技术距离的拉大,企业创新产出呈现出先上升后下降的增长趋势,技术距离的最优值在04左右,本文中技术距离(Distance)的均值为0584,大于最优值04,落在下降区间,解释了在相关分析和回归分析中,技术距离(Distance)系数为负的情况。

网络密度(Density)和网络平均点度(Degree)与滞后1年企业专利(Patentit+1)之间是负向关系,与滞后2年专利产出(Patentit+2)是正向关系,可能的原因是企业在联盟初期并未充分了解对方,合作过程中甚至会保留相关技术知识,防止核心技术泄露,使得网络关系越紧密,专利产出反而越少;随着联盟企业之间交流程度的加深,推动了技术转移和知识流动,网络结构紧密的联盟关系更有利于企业创新产出,从而解释了网络结构与专利产出的关系发生改变的情况。

企业规模(Size)和所有制(Ownership)与因变量的关系是负相关的,但不显著。虽然大企业拥有更多的研发资源和技术优势,但相比之下,中小企业参与研发联盟的目的是为了获取外部支持 [30],更容易从联盟中获益。所有制(Ownership)对因变量的影响为负向关系,意味着参与联盟的国有企业创新产出低于民有企业。知识基础(Knowledge)对专利产出的影响呈现显著正相关,再次说明企业前期的技术积累为后续的技术突破奠定了坚实基础,更有利于企业的突破性创新。

五、结论与展望

通过对国际研发联盟伙伴间技术距离对中国企业突破性创新影响的实证分析,本文主要得到以下结论:

第一,企业参与国际研发联盟有助于提升创新能力,但联盟伙伴间技术距离与企业突破性创新的关系是非线性的,呈现倒U型关系。联盟伙伴间技术距离过大或过小都不利于突破性创新的产生,应该保持在一个合理的水平。

第二,联盟企业的紧密互动是促进突破性创新的有效途径,企业已有的知识储备与突破性创新存在正向关系,知识储备越丰富,企业越有可能实现突破性创新。

总体上看,本文揭示了国际研发联盟伙伴间技术距离对企业突破性创新的影响,对企业制定研发战略有一定的借鉴意义。但不足之处在于仅考虑了技术距离的影响,忽视了技术互补性的作用。在后续研究中,可以进一步分析技术距离、技术互补性的综合影响,丰富有关联盟伙伴异质性对企业创新的影响。

2020年3月 第42卷 第3期 CONTEMPORARY ECONOMIC MANAGEMENTMar. 2020 Vol.42 No.3

[参考文献]

[1]CHESBROUGH H.Open business models:how to thrive in the new innovation landscape [M].Harvard Business Press,2006

[2]LI YANRU.The technological roadmap of Cisco′s business ecosystem [J].Technovation,2009,29(5):379-386

[3]SVEIBY K,GRIPENBERG P,SEGERCRANTZ B.Challenging the innovation paradigm [M].Routledge,2012

[4]LEVN P,HOLMSTRM J,MATHIASSEN L.Managing research and innovation networks:evidence from a government sponsored crossindustry program [J].Research policy,2014,43(1):156-168

[5]GOMESCASSERES B.The alliance revolution:the new shape of business rivalry [M]Harvard University Press,1996

[6]李垣,陳浩然,赵文红.组织间学习、控制方式与自主创新关系研究——基于两种技术差异情景的比较分析 [J].科学学研究,2008 (1):199-204

[7]尹航,张雨涵,刘佳欣.组织距离、知识流动对联盟企业突破式创新的影响 [J].科研管理,2019,40(1):22-31

[8]GRANT RM,BADENFULLER C.A knowledge accessing theory of strategic alliances [J].Journal of management studies,2004,41(1):61-84

[9]LEONARDBARTON D.Wellsprings of knowledge:building and sustaining the sources of innovation [M].Harvard Business Press,1995

[10]LIN Z YANGHARYAB.Alliance partners and firm performance:resource complementarity and status association [J].Strategic management journal,2009,30(9):921-940

[11]李晓梅,武梦欣.突破性创新驱动因素元分析 [J].科技进步与对策,2019,36(18):1-6

[12]张丽华,林善浪.技术距离对于我国区域技术创新产出的影响——基于省级面板数据的研究 [J].研究与发展管理,2011,23(2):1-7

[13]FORMAN [JP2]C VZN.Digital technology adoption and knowledge flows within firms:can the internet overcome geographic and technological distance? [J].Research policy,2019,48(8)

[14]P FELDMANM.Knowledge complementarity and innovation [J].Small business economics,1994,65(5):363-372

[15]WU [JP3]B,WANZLEVINTHALDA.Complementary assets as pipes and prisms:innovation incentives and trajectory choices [J].Strategic management journal,2014,35(9):1257-1278

[16]FULLER DB.Networks and nations:the interplay of transnational networks and domestic institutions in China′s chip design industry [J].International journal of technology management,2010,51(2):239-257

[17]詹湘东,谢富纪.外部知识网络与企业技术能力:知识距离的调节作用 [J].科学学与科学技术管理,2019,40(4):76-93

[18]MAKRI M HITTMA,LANEPJ.Complementary technologies,knowledge relatedness,and invention outcomes in high technology mergers and acquisitions [J].Strategic management journal,2010,31(6):602-628

[19]刘志迎,单洁含.技术距离、地理距离与大学-企业协同创新效应——基于联合专利数据的研究 [J].科学学研究,2013,31(9):1331-1337

[20]史烽,高阳,陈石斌,等.技术距离、地理距离对大学-企业协同创新的影响研究 [J].管理学报,2016,13(11):1665-1673

[21]曾德明,孙佳,戴海闻.技术多元化、技术距离与企业二元式创新:以中国汽车产业为例 [J].科技进步与对策,2015,32(17):61-67

[22]邱立成,康茂楠,刘灿雷.外资进入、技术距离与企业研发创新 [J].国际贸易问题,2017(9):142-148,152-153

[23]任宗强,吴志岩.创新网络中的异质性、匹配度与能力动态仿真研究 [J].科学学与科学技术管理,2012,33(8):51-57

[24]张峥,高明明,陈清生.技术相似度对中国制造业并购创新绩效影响模拟 [J].科技进步与对策,2016,33(19):69-75

[25]KIM J LEECYCHOY.Technological diversification,coretechnology competence,and firm growth [J].Research policy,2016,45(1):113-124

[26]ABERNATHY WJ,UTTERBACK JM.Patterns of industrial innovation [J]Technology review,1978,80(7):40-47

[27]陳傲,柳卸林.突破性技术创新的形成机制 [M].北京:科学出版社,2013

[28]HOBDAY M.Innovation in East Asia:the challenge to Japan [M].Edward Elgar Aldershot,1995

[29]陈傲,柳卸林.突破性技术从何而来?——一个文献评述 [J].科学学研究,2011(9):1281-1290

[30]AKKERMANS D,CASTALDI C,LOS B.Do liberal market economies really innovate more radically than coordinated market economies?:hall and soskice reconsidered [J].Research policy,2009,38(1):181-191

[31]GRILICHES Z.Issues in assessing the contribution of research and development to productivity growth [J].The bell journal of economics,1979,10(1):92-116

[32]JAFFE AB.Technological opportunity and spillovers of R&D:evidence from firms′ patents,profits and market value [Z].National Bureau of Economic Research Cambridge,Mass,USA,1986

[33]MAKRI M,HITT MA,LANE PJ.Complementary technologies,knowledge relatedness,and invention outcomes in high technology mergers and acquisitions [J].Strategic management journal,2010,31(6):602-628

[34]KLERKX L,AARTS N.The interaction of multiple champions in orchestrating innovation networks:conflicts and complementarities [J].Technovation,2013,33(6):193-210

[35]ZAHEER A,BELL GG.Benefiting from network position:firm capabilities,structural holes,and performance [J].Strategic management journal,2005,26(9):809-825

[36]迟嘉昱,孙翎,刘波.网络位置、技术距离与企业合作创新——基于2003-2013企业专利合作数据的研究 [J].科技管理研究,2015,35(22):22-25,31

[37]SCHOENMAKERS WILFRED,DUYSTERS GEERT.The technological origins of radical inventions [J].Research policy,2010,39(8):1051-1059

[38]CHUNG DS.Knowledge sharing,absorptive capacity and innovation performance [J].Journal of international management studies,2013(3):93-98

International R&D Alliances, Technology Distance

and Radical Innovation of Enterprises

Gao Taishan

(Development Research Center of the State Council, Beijing 100010, China)

Abstract:

To uncover how technology distance between international R&D alliances affects radical innovation, this paper analyzes 224 alliances which are joined by 74 Chinese enterprises during 2000-2010 using a negative binomial regression model based on panel data. The results show that: there is an invertedU relationship between technology distance and radical innovation; the technology distance should keep on a reasonable level; too much and too little distance will prevent the knowledge exchange in the alliance. Additionally, close network relations and great knowledge reserve are positively related to the breakthrough innovation.

Key words:  R&D alliances; technology distance; innovation network; radical innovation

(责任编辑:李 萌)

收稿日期: 2019-11-20

网络出版网址: http://kns.cnki.net/kcms/detail/13.1356.f.20191207.1737.008.html 网络出版时间:2019-12-09 13:00:32

基金項目: 国家自然科学基金重点项目(71932009)。

作者简介: 高太山(1987—),男,山东莒南人,管理学博士,国务院发展研究中心副研究员,研究方向为新经济、创新与增长。