创新生态系统的双元能力判别及其演化路径分析——基于1998-2018年的跨案例研究

王 寅，孙 毅，王丹丹，胡汉惠

（天津财经大学 国际工商学院，天津 300222）

一、引 言

在新冠疫情重大突发事件、数字经济及经济逆全球化的复合背景下，创新生态系统的快速、均衡发展面临更为严峻的挑战，造成各地区创新能力差距更为显著。与此同时，在我国供给侧改革、高质量发展和强调内循环的政策空间下，推动创新生态系统均衡发展、提升系统治理能力成为中央和各地区管理部门亟需解决的现实问题。如何更为细致地评价系统的创新能力？进而，如何进行创新生态系统的分类，系统的探索性创新与开发性创新是如何动态交互的？其构成要素有何特征？在上述要素之外，宏观的影响因素与变化规律是什么？双元性创新为创新生态系统的研究提供更为微观的理论视角和范式［1］。

在产业协同和网络化的环境下，企业在相互开放与渗透的组织特征基础上形成了多螺旋创新生态系统［2］，并进行系统融合与互通，系统所具备的网络效应和共同专业化效应推动了全球科技的快速发展［3］。但各地区系统发展状况的显著差异却恶化了科技与经济发展的均衡，造成了明显的“贫富差距”，如美国硅谷的科技持续领先、美国政府对华为等中国科技生态系统的长臂管辖、中国各地区科技与经济发展失衡等。基于此，系统的均衡发展和演化治理成为学界需要探讨的议题，但目前的讨论多数集中于系统构建和共生原理［4］、组织渗透与协同作用［5-6］、系统边界［7］、创新能力评价及环境分析等［8］，少数学者基于双元创新的悖论视角对创新生态系统进行了探讨［1］，但上文的问题却未做出详尽解释，并存在一定的争议。与此同时，党的十八大、十九大报告多次强调了探索式创新对于国家创新体系的重要作用，存在对立统一关系的开发性创新和探索性创新如何在多组织构成的创新生态系统中存在和发展，仍是未被学界揭开的黑箱。

回顾构念，开发性创新是渐进学习型人才利用现有知识和技术，在效率、流程、外形和功能方面对产品和服务进行提炼、改进，以满足市场的短期需求，提升中短期绩效的过程［9-10］。开发性创新与外部环境密切相关，使得企业打破组织界限与外界进行合作与信息交换，其与生态系统技术创新的量变过程交互作用显著［11-12］。探索性创新是指变革引领型人才利用新技术、知识和方法，通过在新技术、新市场进行搜索、实验以及变革，满足市场的未来需求和组织的长期绩效提升［12］。由于面临技术变革，探索性创新的过程更为复杂，较低的成功概率要求利益相关者具备更高的风险偏好，创新单元为获得探索性创新的持续成功与协同共享，对所处生态环境的治理能力、动态能力、知识产权保护强度和孵化能力等要素的需求较高［5］，并对创新生态系统的类型及其变革具有引导与反馈作用［13］。因此，两种创新能力的协同过程——双元性创新，是创新生态系统必备的能力和特性，很多学者都探讨了双元性创新与创新生态绩效的正反馈作用、单轨一元（非双元）创新型生态系统的构建过程及评价指标体系等［14-15］，但基于双元性能力的创新生态系统评价体系、不同阶段的判别体系及演化路径的内在机理等方面鲜有学者问及，而演化过程又显著影响系统整体的价值创造、发展特征和趋势［16-17］，深究此问题正是本文理论意义的所在。而现实管理中，创新生态系统管理者对开发性创新与探索性创新都在规划纲要、绩效考核及统计年鉴等方面进行了设计，但现有的各省市创新生态系统的发展却差异显著，很多地区系统治理水平落后严重阻碍了其科技与经济的发展，因此设计科学的评价、判别体系及策略集并用以指导创新系统管理与治理具备较强的现实意义。

据此，本研究将基于两种创新能力细分的视角，对创新生态系统的双元特征分类及创新机制进行分析，刻画不同类型创新生态系统的要素构成及生态图谱，利用多元统计分析设计创新生态系统的双元创新判别体系，以其他成果同样使用的2018年全国创新能力平均数据为“双元交替创新生态系统”的标杆基值，跨案例分析1998-2018年北京、上海和天津地区的系统演化规律，探究系统创新能力递减与边际递减的内在区别与成因，提出相关命题，并针对我国不同类型的创新生态系统提出治理建议与对策。

二、理论基础与系统特征分析

（一）双元性创新

组织为获得长期竞争优势应同时具有适应当下与未来变革的能力，即探索（exploration）与开发（exploitation）两种相悖或互补的能力，随后组织技术创新研究领域内的开发能力——开发性创新和探索能力——探索性创新被提出［18］，并将兼顾这两种创新的过程定义为双元创新（ambidextrous innovation）。部分学者认为开发性创新与探索式创新只是在某些维度上的表现不同，是创新行为连续体的两端［19］，不存在清晰的构念边界。但近年来，有关探索性创新、开发性创新以及双元创新的区分及量化过程研究逐渐占据了主导地位［20-21］，为本文的分类及量化研究提供了理论基础。沿用前人的研究成果，将探索式创新定义为组织通过探索型人才，利用全新知识和技术进行搜索、学习及变革，满足新市场或新客户对产品和服务的需求，追求长期创新绩效的过程；将开发式创新定义为组织通过开发型人才，利用现有知识和技术进行延伸、改进和更新，满足现有客户和市场的需求，追求中短期创新绩效的过程［22-23］。从现有理论来看，将双元性创新与创新生态系统结合的研究较少，胡京波等以中航动力为对象探讨了创新生态系统核心企业的双元创新问题，揭示了创新生态系统核心企业管理创新悖论的过程机理，探讨了核心企业战略、方式、驱动三类悖论性矛盾的内在规律，并证实了O'Reilly和Tushman研究中双元创新三种模式的存在性［1］；刘人怀等基于双元能力视角，以创新生态系统中的平台企业为对象，探究了其互补式资产、平台开放度与双元性创新之间的关系［24］。

（二）创新生态系统

从生态位的角度来看，创新生态系统由各种创新单元构成，后者在环境要素（如经济、政治、组织、制度以及技术等）的制约下，通过长期的、动态的调整与演化过程，进行资源流、资金流、技术流和信息流的互通与耦合，形成了竞争的、共生的、协同的有机整体［25］，进而满足用户和公众需求［26-27］，并且具备影响行业技术标准的能力［28］。学者们大多都在系统的内外部资源、各要素协同作用、能量传递方面对创新生态系统进行了构念的勾勒。据此，本研究将创新生态系统定义为科技型企业、科研型大学或科研院所及中介机构、社会公众等，在开放式创新的推动下集聚各种资源形成生态群落，通过各群落及外部环境的能量、知识流动，把基于客户价值主张［29］、技术创造与转化转让的创新成果扩散至局部地区乃至全球范围的有机整体。在此需要指出的是，为了理清系统纵向时间轴的动态演化过程以及给地方政府提供治理策略，本研究将以我国省域为单位进行区域型生态系统的研究。

CHEN&HUNG基于行为网络视角设计了创新生态系统的评价体系，主要对系统联结效率进行了探讨［30］；欧光军等通过指标与评价体系的设计，基于创新的单一维度，以产业集群为研究对象，对创新生态系统的能力进行了评价，并强调了开放性与种群结构两个维度的重要性，但没有在生态系统的构念范畴进行讨论［31］。吴菲菲等［27］则对高技术企业创新生态系统的有机性进行了评价，理论基于四螺旋视角，强调了客户对创新生态系统的重要影响。此外，贺团涛等学者分析了创新生态系统的构建路径、要素特征并最终设计了基于技术标准与网络协作的评价指标体系［4］。陈向东、刘志春以创新生态系统的视角，对我国一些科技园区的发展进行了观测与评价［32］。产业园区的研究模式更适合于创新2.0时代（企业集群和产业联盟的模式），但当前经济转型期和开放式创新时代则需要将研究的重心置于区域型或是无边界型的创新系统［7］。从区域型样本的实证研究角度来看，王发明及其研究团队以资源型城市创新生态系统为研究对象，基于ANP方法评价了黑龙江省8个样本城市创新生态系统的创新效率和效果［15］，其研究基于创新的一级概念，未对开发性创新和探索性创新进行二级概念能力的微观评价与动态演化讨论。而分析省级创新生态系统的是孙琪在2016年的研究，其研究团队利用熵值和TOPSIS方法进行了指标体系构建，并以浙江为评价样本，但如果不进行纵向对比和跨样本比较研究，则难以探索生态系统演化的内因和标杆策略。此外，吴菲菲等学者对创新生态系统的有机性评价则是将研究拓展到了全国范围［27］。国内外开展相关实证评价较早且成上升态势［16，33］，极少数学者涉及相关动态演化能力的研究［34-35］，但目前没有将双元型创新纳入研究范畴并进行动态演化机理研究的相关成果；此外，由于我国特色社会主义的省级行政管理制度和市场经济制度，现有成果亦缺乏对全国各省级创新生态系统双元创新能力及发展阶段的判别标准以及纵向时间序列的演化阶段对比分析及发展趋势分析。

（三）基于双元创新的系统细分及演化路径

现有研究将创新生态系统进行仿生拟合，曾国屏等学者在区域型创新生态系统的研究中提出系统要素主要包含创新群落、创新资源和创新环境，创新群落依照产业链和技术创新流动自上而下分为上游、主体和下游群落［36-37］。上游群落是创新资源的供应者，包括人才、资源、资本和基础产品的供应，代表着创新生态系统的“创新底蕴”；主体群落类似于现有理论中提及的生态系统核心企业或企业集群，决定着系统的演化方向和发展阶段［17，38］；下游群落是对创新产品和服务进行生产并推向客户的成品制造型企业群、运输服务和贸易公司等，其为系统与组中客户的联结和信息反馈提供了便利。各群落在创新生态系统内长期共生和能量交流中巩固了协同、交互作用，属于动态演化的过程［36］，上游群落和下游群落都应动态地匹配主体群落的进化特征和需求［13］，类似于自然生态系统的种群动态均衡过程。

本研究的目的在于探究创新生态系统双元性创新能力评价及其演化发展不同阶段的判别标准，并强调创新生态系统与经济、技术、人才和社会等宏观政策与环境的交互影响［39］，以各群落创新行为重心的偏向性（主要体现在开发性创新与探索性创新的单元数量、相对比重、绩效表现和贡献程度等方面）为出发点，结合系统中各要素和能量流动绘制了创新生态系统图谱，如图1 所示。其中，创新生态系统的分类依据前人对双元创新型组织演化路径的研究成果［12］，以开发式创新能力、探索式创新能力为二维变量，并根据不同的系统创新规模，将创新生态系统划分为初级一元型、中级双元交替型、中级偏开发型、中级偏颠覆型、高级双元均衡型、高级超开发型和高级超颠覆型共7 种，创新能力由低级到高级逐级增强，最优系统为高级双元均衡型［40］，其维度特征见表1所列。

图1 中序号A1 与A2 的创新生态系统分别代表初级开发型系统与初级探索型系统，其特征对应表1 中初级一元型。初级一元型创新生态系统是初创的、落后的系统，产能较弱，科技转化水平低，创新资源匮乏［37］，一般为地理位置较为偏僻的落后地区，其中退化型的初级组织也不鲜见，如底特律、东北旧工业区创新生态系统，其创新能力多数集中于某种创新，如单一的开发性创新或探索性创新，且前者居多。

图1 基于双元性的创新生态系统构成图谱

表1 创新生态系统不同创新模式的特征归纳

图1中序号B1、B2、B3的创新生态系统分别代表中级创新生态系统的双元交替型、偏颠覆型和偏开发型（特征见表1），交替型的出现是基于系统作为经济个体的资源稀缺理论，当开发性创新、探索性创新的投入和资源能力稀缺、有限时，系统会轮转式地进行创新重心的转换以维持系统功能的全面性和创新的可持续性［22］，但系统惯性的存在会阻碍交替模式的切换，造成创新的重心偏移导致系统退化［41］。上述退化所造成的次优状态分别是偏开发型系统和偏探索型系统，系统由于路径依赖和“能力陷阱”的存在，在长期的自强化作用下会形成系统存在较多的开发性创新单元或探索性创新单元，造成产业链、创新群落及系统环境对某种创新的同类依赖［42-44］。前者多见于发展中国家崇尚科技创新的地区，如中国深圳、印度班加罗尔等；后者则同样为发展中国家的制造业中心，如印度孟买以及东南亚国家的工业中心等。高级创新生态系统主要包括双元均衡型、超探索型和超开发型（图1中C1、C2、C3及表1中对应特征），均衡型是指系统保持开发性创新与探索性创新的快速发展及均衡［45］，实现开发式创新和探索式创新的协同作用和螺旋式上升态势，是创新生态系统的最优模式［46-47］。超探索型和超开发型体现在某种能力短期的相对增强，与偏探索型和偏开发型类似，会存在潜在的能力陷阱、路径依赖，导致某种创新能力的“自强化”［23］，但系统的风险和产出效率则会出现严重问题，不利于可持续发展，甚至出现系统退化。

理论界对于组织双元能力退化的研究主要集中在能力陷阱和路径依赖视角［23］。此外，动态能力较弱、资源不匹配、系统机制不完善等因素对创新生态系统会产生显著的消极影响，亦是系统不稳定并产生退化的诱因［42-44，48］，而如何及时甄别创新生态系统退化和所处演化阶段正是本研究的侧重点。

基于双元性创新视角，创新生态系统所处不同阶段的主要二维变量是开发式创新能力和探索式创新能力，亦代表着系统中多种群落在长期开放式创新过程中形成的稳定性及柔韧性。此外，不同阶段的创新投入、产出也有所不同，这是由其所处的宏观环境、政策以及系统科技孵化能力所共同决定的。尤其在我国，各省级科学技术管理委员会等相关部门都会对当地的创新发展进行管理、治理和政策引导，政府也会有专项的投资资金、税收补贴以及招商引资等活动。由于目前我国地域广阔和经济发展水平的不同，各地区的创新生态系统在创新方面“贫富差距”较大，其原因之一则是管理当局不能够识别自身的发展阶段和能力等级，从而进行精准的、定向的政策引导和支持，制定可持续的、正向动态演化的发展战略。

因此，本研究将根据我国各地区创新生态系统可获得的官方原始统计数据，基于现有相关研究的成果，利用多元统计分析的子方法探寻并构建指标体系和判别体系，即对创新微观环境、创新宏观环境、上游群落、下游群落以及主体群落等主要元素进行基于双元性创新能力的测度与指标体系构建，并进一步对北京、上海、天津等样本地区不同发展阶段的创新生态系统进行横、纵向的比较分析，探究创新能力动态演化的内在规律及差距成因，并据此提出针对性的政策建议。

三、评价指标体系的设计与模型构建

（一）指标体系设计

首先，研究参考了张仁开［49］、王发明和朱美娟［15］、欧光军等［31］、姜庆国［50］、陆燕春等［51］有关创新生态系统研究的现有评价指标体系，进行指标初筛汇总，具体见表2所列。

表2 创新生态系统现有研究指标体系概要

续表2

其次，与课题组另一个研究类似，在参照现有研究指标体系的基础上［27，49-50］，结合双元性创新的构念内涵对可用科技指标进行初步筛选与分类［22-23，52］。但不同的是，本研究结合了预研样本城市的特征，在先前研究基础上，额外引入地区人口、GDP、知识产权保护强度（IPP Index）［53］、创新政策强度［54］等4 个指标作为系统宏观环境的三级指标，以去除规模因素的干扰并强调地区政策的影响，从而深入地分析创新能力与效率，据此搜索全国各地区创新生态系统的统计数据。其中，国家统计年鉴和科技统计年鉴中对应用性（官方释义对应本研究中“开发性创新”）和开发性（官方释义对应本研究中的“探索性创新”）技术创新指标进行了分类记录，在巩固了论证基础的同时，佐证了政府创新管理部门对两种创新能力分类治理的必要性和先见性。同样，经过同行专家和课题组讨论及其评价收集，采用spss26.0 软件运用方差、相关性、聚类和判别分析等方法，严格排除了初筛指标中存在共线性的所有指标，在66 个三级指标中选取开发式、探索式创新两套指标系统的指标各21个，分别代表创新系统环境（包括系统投入和产出能力、系统宏观环境二级指标）和创新群落（包括上游群落、主体群落和下游群落等三个二级指标），见表3所列。

表3 基于宏观环境的创新生态系统双元创新能力评价指标预选

（二）因子分析与评价模型

本文利用表3 所列指标体系，通过1998-2018年的《中国统计年鉴》《中国科技统计年鉴》等官方数据以及吴超鹏和唐菂［53］、张炜等［54］的研究成果与计量方法，手工收集了原始统计数据。由于要对不同量纲的数据进行加权打分，本研究运用SPSS 22.0 中的Z-scores 法对数据进行标准化处理，使Xij、Yij∈［0，1］。进一步地，利用SPSS 对指标体系中的全国各地区样本指标统计值进行因子分析预处理，见表4 所列。其中开发式创新指标的KMO 值为 0.729＞0.7，探索式创新的 KMO 值为 0.741＞0.7，内部效度符合标准。此外，Bartlett球形度检验的sig值均为0，说明指标体系中的各个指标之间不存在显著的多重共线性，呈球形分布表示其独立性较强。

表4 KMO检验与BARTLETT的球形度检验结果

通过主成分分析法各提取两种创新前5 个取值大于1的因子特征根，共能够解释原始数据变量标准方差的95.198%和89.259%，包含了原始数据的绝大部分信息，并且能够与表3指标体系的二级指标一一对应，具有较好的代表性。进一步地，通过最大方差法进行因子旋转，改善其解释变量的现实效度，得到的结果见表5 所列，因子得分系数可根据表内数据计算得出，此处不再赘述。

表5 开发性创新、探索性创新指标总方差解释结果

（三）截面数据分析、判别体系设计与分析

本研究利用该评价指标体系，对2017年我国31个省份（不包括港澳台地区）创新生态系统指标的截面数据进行收集，进而设定区域性创新生态系统评价的分数基值与判别标准。利用区域性统计数据一方面能够满足地方政府制定针对性政策的需求，另一方面可以保证统计数据界限清晰、可获得性和客观性。同时为了实现生态系统双元型创新发展阶段判别体系的建立，研究把2017年全国分数的算数平均水平设置为“基值单位1”，进而得出各地区创新生态系统基于2017年全国单位水平的相对得分，见表6、表7所列，表中按综合得分的降序排列。

表6 全国区域性创新生态系统探索性创新能力因子得分

表6中，2017年区域性创新生态系统的探索性创新能力排名前列的依次为北京、江苏、广东、山东和浙江等东部沿海城市，天津市是唯一东部沿海且为直辖市的落后地区。在引入GDP 增速、人口基数、知识产权保护强度和创新政策强度的指标后，除了北京之外，其他直辖市和经济增速较快的城市样本中，上海、天津的探索性创新能力与其经济、政策和人口密度的排名次序偏离明显，在此可以推断上述样本的金融、贸易能力更多地决定了地方经济发展水平，而探索性创新与地方经济发展的相关性和影响滞后性等特征有待考量。

表7 全国区域性创新生态系统开发性创新能力因子得分

由表7 可知，广东、北京、江苏、浙江和上海在创新生态系统开发性创新能力方面排名靠前，与探索性创新排名差异明显，天津市仍为东部沿海、直辖市中落后于全国水平的城市，进一步强调了对天津市创新生态系统进行跨案例对比分析的现实必要性。在引入GDP增速、人口基数、知识产权保护强度和创新政策强度的指标后，很多城市仍未体现出创新宏观环境方面的优势，如上海市、天津市等，也进一步提出了考究上海市的创新要素与双元创新能力内在关联的必要性。

基于此，研究将选取双元创新能力领先的北京市、宏观要素与创新能力相背离的上海市以及创新能力落后但具备东部沿海与直辖市双重身份的天津市进行跨案例的纵向比较分析。

四、1998-2018年北京、上海、天津地区的跨案例分析

首先，通过指标数据的收集，对1998-2018 年北京、上海和天津的双元创新能力进行打分，其中部分年份缺失的数据利用时间序列模型进行回归补全。参考已有研究，将两种创新能力均小于1、平方和值小于2的地区定义为初级创新生态系统，将两种创新能力均介于1～2 之间、平方和值介于2～8 之间的系统定义为中级创新生态系统，而两种创新能力均大于2 的系统定义为高级创新生态系统。因此从演化阶段来看，北京、上海、天津在2018年分别属于高级、中级和初级创新生态系统，分别对应生态图谱中C2、B2 与A1，案例各指标维度的具体得分见表8-表13所列。

表8 1998-2018年北京市开发性创新能力得分

续表8

表9 1998-2018年北京市探索性创新能力得分

表10 1998-2018年上海市开发性创新能力得分

续表10

表11 1998-2018年上海市探索性创新能力得分

表12 1998-2018年天津市开发性创新能力得分

续表12

表13 1998-2018年天津市探索性创新能力得分

利用因子分析中的方差贡献比可以考察北京市、上海市和天津市三个创新生态系统的维度贡献率，亦能挖掘造成差异的原因，锁定核心指标及问题，并通过理论分析指导管理实践。首先，对样本系统进行开发性创新能力及核心因素的分析，在投入产出方面，北京1998年的初始得分较高，但增速低于上海，说明上海市经济对科技创新的投入产出影响较大，且地方财政较为重视开发性创新投入产出，但转化率并不高；反观天津长期处于较低水平，唯有2005-2010年增速较快，应归因于滨海新区的建设与规划，2015 年之后出现的数据滑坡则是因为“统计挤水”事件，2015 年前天津的科技和宏观统计数据应存在部分失真性。从宏观环境角度分析，北京和上海两个地区持续快速增长，受益于其经济增长、人口流入以及知识产权保护强度的贡献，但从政策数量角度来讲，天津与其他两个地区的差距并不明显，天津的长期落后主要是由于其政策深度和有效度、人口流入速度边际下降以及经济增速减缓的原因，同样2015 年的天津港爆炸事件和统计挤水事件对宏观环境要素的影响较为明显。最后，从创新群落的角度观察，北京、上海和天津的高校密度相对较大，所以三个样本地区在上游群落得分方面都较高，但北京低于上海，可以看出北京高校对开发性创新的贡献程度较低，而上海则更注重开发性创新的发展和培育；再看下游群落，上海的得分显著高于其他两个城市，得益于其长期较高的贸易水平和金融水平，同样为港口城市和自由贸易区的天津则在下游群落方面存在明显不足，没有发挥区位优势；主体群落中，北京的优势显著，主要原因是由于北京具有较多的创新型企业和产业园区，多数科技公司、科研机构的总部都坐落于北京［38］，上海和天津则较为落后。

进而，从探索性创新的角度对三个样本城市进行比较分析，在投入产出方面，北京长期处于领先状态，上海和天津呈缓慢上升趋势，说明北京科技人才引进和专利激励政策方面投入较大，而上海、天津更注重贸易和金融的发展，科技人才的引进相对缓慢。此外，三个城市的教育资源水平也是上述问题的诱因之一。宏观环境同时促进开发性创新与探索性创新，因此影响机理与上文相似。从创新群落来看，北京的主体群落和上游群落明显优于上海和天津，但三地的高校数量差距并不明显，可知北京高校更倾向于进行探索性创新。此外科研机构和高新技术企业的数量差距亦是上述现象的主要成因之一，北京作为IT产业、军工产业等技术密集企业总部集聚地，主体群落的领先毋庸置疑。反观下游群落得分，北京落后于上海，天津最低，说明上海的贸易和销售终端在探索性技术领域基础更好，在消费驱动型技术创新时代，可利用下游群落优势实现创新生态系统的快速发展。天津则是由于长期的经济增长缓慢、优秀企业流失等问题导致下游群落的发展较为缓慢［55-56］，同时造成区位优势损失。

旨在便于观察，本研究将北京市、上海市、天津市的开发性创新和探索性创新能力得分按照1998-2018年纵向时间轴绘制时间序列图，以分析其周期趋势等内在规律，如图2-图4所示。

图4 1998-2017年天津市创新生态系统双元创新能力演化

从时间序列图来看，并结合案例样本的GDP增速、知识产权保护强度、人口流入数量以及创新政策强度的指标对比，可以发现两种创新能力与GDP增速和经济发展存在潜在的相关性，呈螺旋上升趋势。与Benner和Tushman（2003）的结论相同，开发性创新与探索性创新的变化呈反相关状态，说明两种创新存在明显的界限，并争夺创新生态系统的创新资源（March，1991）［57］。因此提出命题1：系统开发性创新、探索性创新能力的边际变化与地区GDP 增速正相关［55-56］；命题2：开发性创新、探索性存在周期性的螺旋交互上升关系［40，58］。

此外，根据上文三个地区指标构成因素的分析可以发现，开发性创新与下游群落要素关系较为显著，良好的贸易水平促进了其产品和技术流出与创新资源流入，而贸易较好的地区，如上海市，其贸易对经济的拉动作用降低了其对探索性创新的技术拉动需求，创新生态系统的贸易水平与探索性创新存在挤出作用。因此提出命题3：开发性创新与地区贸易水平正相关，探索性创新反之。

五、研究结论与管理启示

（一）研究结论

经过对开发性创新能力、探索性创新能力双维度的创新生态系统指标和评价体系的设计，以2017 年我国创新生态系统指标平均得分为基值，对北京、上海和天津的创新生态系统进行了跨案例研究，得到以下结论：

第一，我国区域型创新生态系统发展水平存在显著差异，东部沿海整体水平偏高，宏观环境、投入产出、主体、上游和下游群落是组成系统并影响系统演化的重要因素。在当前发展阶段，各地的政策强度、经济底蕴、人才质量和区位优势等创新生态环境方面的影响最为显著，仍属于政府主导型阶段。此外，除大多数学者已论证的政策和创新主体的显著作用之外，近年来上游群落的知识、文化网络建设和下游群落的用户创新信息的扩散、反馈等方面的影响持续增强。

第二，高级均衡型创新生态系统所属地区的GDP增速和科技产出水平优势显著，当前我国大部分创新生态系统没有达到高级均衡，仍有天津等发达地区出现创新生态退化的现象。统计数据方面，截至2017 年仅有22.58%的地区达到高级创新生态系统水平，京、浙、粤三地分别在2008年、2015年和2009 年经过长期的演化达到高级水平，创新产出和GDP领先于全国水平；仍有天津、重庆等发达省份没有达到全国水平，在GDP 和创新产出方面亦落后明显，地方政府的创新治理值得改善。此外，由于当前创新项目的真实成功率/转化率、客户对改进/全新产品购买率等统计数据不全面，难以有效测度系统的创新刚性风险和双元创新的终端传导。

第三，创新生态系统的开发式创新能力、探索式创新能力在经济生命周期不同阶段有不同的变化特征，呈螺旋上升趋势。其中，在现有理论基础上，研究加入了地方GDP 增速、人口流入水平、知识产权保护强度和创新政策强度等评价指标，进一步挖掘了创新生态系统开发性创新、探索性创新能力的边际变化与地区GDP 增速、贸易水平等变量之间潜在的相关关系。其中，开发性创新和探索性创新的边际变化呈负相关关系，并在地区GDP 增速缓慢时更加明显，说明地区经济水平能通过资源约束影响两种创新之间的互动关系；系统所在地区贸易水平高会对探索性创新有代偿和替代作用，会在一定程度上降低该地区探索性创新能力，促进成本更低的开发性创新能力。

第四，创新生态系统的开发性创新能力、探索性创新能力呈周期发展趋势，其中创新能力的路径依赖作用导致了探索性创新或开发性创新的自强化，影响系统双元均衡。组织或系统的创新路径存在路径依赖和惯性的特征，致使创新生态系统在追求开发性创新或探索性创新的过程中容易造成持续成功或持续失败、在某种创新中持续投入以期获得突破的“能力陷阱”。其中，持续成功的路径依赖，容易导致系统由双元均衡型向超开发型或超探索型偏移；而持续失败的能力陷阱，容易导致系统由交替型向偏开发型或偏探索型退化，因此系统柔性能够抑制路径退化的产生。

（二）管理启示

对应结论和研究分析过程，经过专家小组讨论以及借鉴其他文献，对我国区域型创新生态系统相关管理部门提出以下建议：

第一，相关管理部门可参考基于双元性的创新生态系统评价体系，并结合自身发展的特征要素，完善统计指标体系，设计所辖地区的系统考核方式，引导并激励创新单元为促进系统整体均衡发展贡献力量。在知识产权保护、创新政策设计、人才引进、投资融资及技术孵化方面给予创新单元定向的引导和敦促，以高级均衡型创新生态系统为目标，营造适合地区的创新文化氛围和特色产业；设计长期发展规划纲要和系统退化的预警红线，利用定期指标监测与差距分析引导系统的可持续、均衡发展。

第二，相关管理部门可以敦促各创新生态系统基于优势互补原则，结对子进行双元创新帮扶、互通与均衡发展，或利用先进的创新生态系统带动落后的系统共同发展。北京、浙江、江苏、广东等高级创新生态系统可发挥自身优势与低级、中级创新生态系统进行协同发展，以辐射的方式带动地域创新能力扩散式进化；效仿全面建设小康过程中的结对子方式，对落后地区进行定向技术支持、人才输送与培养、经验交流和投融资优惠等，淘汰老旧技术与方法，推动供给侧改革，实现全国创新生态系统的高质量转型。

第三，相关管理部门应深究落后地区的内在原因，通过基于双元的指标体系设计合理的、具备地方特色的发展方式。中央和地方政府可参考海南自贸区、川渝经济区等落后地区发展的成功案例，将成功经验复制到创新生态系统建设中，挖掘落后地区的特色改革路线，发挥历史和区位优势，同步实现技术创新脱贫和经济脱贫。如天津市等出现系统退化的地区，应从微观、中观、宏观的角度锁定自身的竞争和合作优势，在微观层面建立自身生态系统的良性种群和环境构成，在中观层面锁定自身在京津冀一体化过程中的产业和区位定位，在宏观上利用港口、交通、直辖市等方面的国内和国际特色，设计符合自身定位、长期进化的治理战略。

第四，创新生态系统的管理部门应注重风险控制，防止系统出现某种创新能力的路径依赖或陷阱，从而规避系统退化导致的创新效率和效果下滑。管理部门应注重技术创新指标的建设，如投入产出比、创新转化率、创新价值和跨越程度等，并对上述指标进行长期跟踪观察，建立预警机制，识别系统由于路径依赖而产生的退化风险。此外，系统管理者应注重系统资源的储备，缓解系统内创新单元的资源约束，从而为双元均衡型系统提供良好的进化条件，并为上述退化起到风险缓冲的作用。

（三）研究不足与展望

首先，由于篇幅原因，只对北京、上海、天津三个地区进行了20 年的纵向跨案例研究，缺乏一定的全面性和普适性，没有将时间序列的回归过程详细展示和分析；其次，案例地区并没有覆盖创新生态系统分类图谱中的全部类型，可在日后进行多案例的深入探讨，挖掘其演化规律，增强理论严谨性。