知识寻求、知识积累与价值创造——基于高技术产业的门槛效应

王丹， 李柏洲

(哈尔滨工程大学 经济管理学院，黑龙江 哈尔滨 150001)

知识被认为是“无论是正式还是非正式地坚持的一系列命题，并被常规地用于阐述真相”[1]。随着知识经济时代的发展，知识被普遍认为是最有价值的资源，对于任何组织而言，知识是其获得长期可持续竞争优势和成功的关键[2]。利用外部知识的能力是创新能力的关键组成部分，对外部资源的开放有助于提高组织的创新成果，而检验开放创新对创新结果影响的一种方式就是关注外部搜寻对新机会创新的作用[3]。所以，知识寻求是获取外部知识直接而有效的方式，而知识积累是创新能力的基础，组织生成和积累知识的能力是企业可持续竞争力的最重要来源[4]，直接影响技术创新结果[5]。因此，知识寻求和知识积累是组织实现价值创造的核心行为，而价值创造是组织可持续成长的关键[6]，如何通过有效的知识寻求和知识积累实现价值创造最大化是实现创新驱动发展战略的重要途径。高技术产业的知识要素密集且研发投入高，是实现创新驱动发展战略的重要力量，系统深入地探究高技术产业的知识寻求、知识积累与价值创造间的关系，对促进高技术产业发展和提升其竞争力具有重要作用。

关于知识寻求对价值创造的影响研究，较多学者关注知识寻求对组织创新绩效的影响，一定程度上反映了知识寻求对价值创造的影响。知识寻求的实质是对知识的主动学习和再利用，是获得创新所需知识的关键性活动[7]，对创新行为产生影响[8-9]。从大量外部资源中获取知识的组织可以进行更广泛的知识搜寻[10]，获取广泛的知识存量有助于新信息和潜在变化的理解，从而提高组织识别新技术或市场机会的能力，并提高灵活性以应对不可预测的变化，扩大组织的知识存量以实现其突破创新[11-12]。Leiponen等[13]认为拥有更多的互补知识来源能够提高创新成功率，所以从大量外部资源(开放搜寻范围)获取知识与企业突破式创新正相关。Yan等[14]研究发现知识寻求能够导致知识流动状态，并可以进一步促进知识创造。组织绩效越来越依赖于知识驱动活动[15]，Neethu等[16]研究发现知识寻求行为能够激发创造性绩效。

对于知识积累与价值创造间的关系研究，张军等[17]研究了知识积累对企业财务绩效和创新绩效的影响，并通过研究发现知识积累对创新能力具有显著提升作用[18]。武梦超等[19]研究发现知识积累对产品创新性具有正向影响。可见，知识积累是影响价值创造的重要因素。另有学者将知识积累作为门槛变量进行研究，如陈恒等[20]将知识积累作为门槛变量，研究发现高技术产业自主研发创新驱动科技绩效的效应显著受限于知识积累水平的门限效应影响。

对于知识寻求、知识积累与价值创造三者间的关系研究，内部知识积累和外部知识获取是组织增加知识存量的2个基本途径，是提高绩效水平的根本保障[21]，是价值创造的动力源泉[22]。所以，组织在自主知识创造的基础上，还应结合运用外部知识获取手段进行知识寻求，以期获得更多的创新成果和更大的竞争优势[21]，进而实现价值创造。Benedikt等[23]实证研究了知识寻求、知识积累与组织绩效间的关系，发现知识寻求能够显著促进组织绩效，知识积累在知识寻求与组织绩效间起中介作用。对于知识寻求与知识积累间的关系研究，知识寻求扩展了组织的知识优势，进而提升组织知识积累[23]。所以，知识寻求驱动组织绩效依赖于知识积累水平，但不同知识积累水平下知识寻求的驱动效应可能存在不同，知识积累在知识寻求对价值创造的影响中产生异质影响。鉴于先前学者较多将知识积累作为门槛变量探究其门槛效应，因此，深入探究知识积累在知识寻求与价值创造间是否存在门槛效应显得尤为重要。

通过上述研究发现，学者们普遍认为知识寻求与价值创造间存在正向的线性关系，知识积累在知识寻求与价值创造间的作用也呈线性关系。但知识寻求驱动实现价值创造的过程可能并非仅是先前学者研究中假定的简单线性关系。所以，研究将知识寻求、知识积累与价值创造置于同一个研究框架，将知识积累引入知识寻求与价值创造间复杂关系的非线性机制，建立知识寻求驱动价值创造的门槛效应回归模型，探究知识积累如何影响知识寻求与价值创造之间的关系，深入探究三者之间非线性的复杂关系，明确利用知识寻求与知识积累实现价值创造的有效路径，为价值创造研究提出新的研究思路和分析框架，进一步丰富和发展知识管理与价值创造相关理论。研究结果也以期为高技术产业利用知识寻求与知识积累实现价值创造提供理论依据、建议参考和有效的管理启示。

1 变量选择与模型设计

1.1 变量选择与数据来源

1)变量选择。

对于被解释变量价值创造(C)，借鉴先前学者的研究方法，从有形和无形2个方面衡量高技术产业价值创造，最终结果表现在有形(财务)和无形(专利)上[24]，论文采用各地区高技术产业有效发明专利数量(已授权)和当年价总产值共同衡量不同地区高技术产业的价值创造。

对于核心解释变量知识寻求(S)，其实质是获得创新所需知识的关键性活动[7]，利用各地区高技术产业技术引进经费、消化吸收经费和购买国内技术经费共同衡量高技术产业知识寻求。

对于门槛变量知识积累(A)，指的是通过内部研究与开发活动增加知识存量的过程[21]，借鉴先前学者关于知识积累的研究[20-25]，采用各地区高技术产业专利申请数衡量高技术产业知识积累。

对于控制变量，由于研发经费投入和人力资本投入是高技术产业创新成果的重要影响因素[26]，会在一定程度上影响高技术产业价值创造。因此，选取研发经费内部投入(B)和人力资本投入(D)作为控制变量。其中研发经费内部投入以各地区R&D活动经费内部支出测度，人力资本投入以研发人员全时当量测度。

2)数据来源。

论文所用有效发明专利量、当年价总产值、技术引进费、消化吸收经费、购买国内技术经费、专利申请量、R&D活动经费内部支出、研发人员全时当量等均来源于《中国高技术产业统计年鉴》和《中国科技统计年鉴》(2010—2020)。论文选取2009—2019年共计11年的高技术产业面板数据，并剔除部分缺失值严重的内蒙古、云南、西藏、甘肃、青海、新疆、宁夏7个省份，对中国大陆剩余24个省市的面板数据进行实证研究与分析。为消除各地区高技术产业统计数据量纲不同的影响，在实证研究之前对模型所用数据进行标准化处理。

1.2 模型设计

以知识积累为门槛变量，建立知识寻求对价值创造影响的门槛效应回归模型如下所示。

单一门槛效应回归模型：

lnCit=β1lnSitI(Ait≤φ)+β2lnSitI(Ait>φ)+

α1lnBit+α2lnDit+μi+νt+εit

(1)

多重门槛效应回归模型(以双重门槛效应为例)：

lnCit=β1lnSitI(Ait≤φ1)+β2lnSitI(φ1

β3lnSitI(Ait>φ2)+α1lnBit+α2lnDit+μi+νt+εit

(2)

式中：Cit为因变量，表示价值创造；Bit和Dit为控制变量，分别表示研发经费内部投入和研发人员全时当量；Sit为自变量，表示知识寻求；I表示指示函数(当满足条件时其值取1，否则取0)；Ait为门槛变量，表示知识积累；μi、νt和εit分别表示个体特定效应，时间特定效应和随机误差项;α、β为模型参数估计值。

门槛效应回归模型检验过程：借鉴Hansen提出的门槛效应回归模型估计方法得出门槛估计值和相关参数[27]，主要包括运用Bootstrap(自助抽样)法构造F统计量和P值对门槛效应的显著性进行检验；利用LR(似然比)统计量对门槛估计值是否等于真实值的真实性进行检验，在5%显著性水平下，LR值为7.352 3。依次对单一门槛、双重门槛和三重门槛分别进行门槛检验，以确定门槛值个数和模型类型。首先，检验是否存在单一门槛效应，若通过显著性检验即存在第1个门槛值。然后，检验是否存在双重门槛效应，需先固定第1个门槛值，估计第2个门槛值并检验其显著性，再固定第2个门槛值重新估计第1个门槛值，重复以上步骤，从而确定门槛值及其数量。在得到门槛估计值后，利用LR统计量计算门槛值的置信区间并进行真实性检验，当LR≤7.352 3时，门槛估计值与真实值相等。

2 实证结果与分析

2.1 门槛效应检验

基于上述门槛效应回归模型设计，利用Stata 15.0统计分析软件对高技术产业知识积累作为门槛变量下知识寻求对价值创造的非线性作用关系进行实证检验。门槛效应回归模型检验结果如表1和表2所示。从结果中可以看到，单一门槛模型、双重门槛模型和三重门槛模型的500次自助抽样的P值分别为0.098、0.000、0.398，单一门槛通过10%的显著性水平检验，双重门槛通过1%显著性水平检验，三重门槛效应没有通过显著性水平检验，这说明高技术产业知识寻求对价值创造的作用模型中，知识积累存在双重门槛效应。由表2可知，双重门槛回归估计值分别为1.593 9和2.407 7。

表1 门槛效应检验结果Table 1 Results of threshold effect test

表2 门槛估计值与置信区间Table 2 Threshold estimates and confidence intervals

2.2 门槛效应模型回归结果分析

门槛回归模型参数估计结果如表3所示，其中单一门槛和双重门槛回归模型的R2分别为0.950 0和0.957 7，双重门槛回归模型的总体拟合结果比单一门槛的总体拟合结果更好，这也再次验证了模型存在双重门槛效应。对于核心解释变量知识寻求和门槛变量知识积累，当知识积累小于第1个门槛估计值(1.593 9)时，高技术产业知识寻求对价值创造的影响产生正向影响，但并不显著，表明当知识积累水平低于1.593 9时，知识寻求对价值创造的促进作用不明显，较低的知识积累水平下知识寻求难以发挥对价值创造的驱动作用；当知识积累介于第1门槛值(1.593 9)和第2个门槛值(2.407 7)之间时，高技术产业知识寻求对价值创造的影响产生显著的负向影响，表明中知识积累水平下知识寻求对价值创造具有显著的抑制作用，需进一步提高知识积累水平以克服门槛效应的负向影响；而当知识积累高于第2个门槛值(2.407 7)时，知识寻求对价值创造产生显著的正向影响，表明提升知识积累有利于知识寻求对价值创造产生显著的正向效应，突破门槛值2.407 7后，知识寻求将明显驱动价值创造提升。回归估计结果表明随着高技术产业知识积累门槛水平的逐渐提升，知识寻求对价值创造的作用系数和作用方向均逐渐发生变化，由显著的负向作用效果向显著的正向作用效果转变，知识积累表现出明显的门槛效应特征。

表3 门槛模型参数估计结果Table 3 Parameters estimation results of threshold model

而对于控制变量，在双重门槛回归模型中，研发经费内部投入对高技术产业价值创造具有显著的正向影响，作用系数为1.002 7，在1%显著性水平下显著；人力资本投入同样显著正向影响高技术产业价值创造，作用系数为0.428 5，在1%显著性水平下显著；并且研发经费内部投入对价值创造的影响系数大于人力资本投入对价值创造的影响系数。

为了检验门槛估计值的真实性，下面利用LR统计量对双重门槛估计值与真实值的一致性进行检验。门槛效应检验后为了更加清晰、直观地了解双重门槛估计值和置信区间，借助绘制的LR函数图对双重门槛估计值的真实性及其置信区间进行检验。LR函数图如图1和图2所示。当LR统计值为0时所对应的知识积累水平即为门槛估计值。在图1和图2中，图中虚线表示所有LR值小于5%显著水平下的临界值7.352 3，即为置信区间。当LR统计值为0时，所对应的门槛参数知识积累分别为1.593 9和2.407 7，当置信区间为95%水平时，知识积累的门槛估计值1.593 9和2.407 7对应的置信区间分别为[1.382 2, 1.704 5]、[2.304 6, 2.737 3]，上述2个门槛估计值均位于对应的95%置信水平下的置信区间内，所以，模型门槛估计值与真实值一致，双重门槛估计值均通过真实性检验。据此，可以将高技术产业知识积累水平划分为以下3类：低知识积累(A≤1.593 9)、中知识积累(1.593 92.407 7)。

综上所述，我国高技术产业知识积累对知识寻求与价值创造间作用关系的影响呈现出显著的非线性动态门槛效应，并不是简单的线性或倒U型关系，并且随着知识积累水平的提高，将有利于促进高技术产业知识寻求对价值创造的影响。

图1 双重门槛模型下门槛估计值和95%置信区间(第1轮)Fig.1 Threshold estimate and 95% confidence interval under the double threshold model(Round I)

图2 双重门槛模型下门槛估计值和95%置信区间(第2轮)Fig.2 Threshold estimate and 95% confidence interval under the double threshold model(Round II)

2.3 地区分布异质性分析

由于我国不同省市高技术产业发展情况存在明显差异，下面基于2009—2019年我国24个省市高技术产业知识积累对知识寻求与价值创造间的双重门槛作用，对不同门槛区间下省市分布情况进行分析，结果如表4所示。从表4可以看出，分布在低知识积累水平(知识积累小于1.593 9)的省市数量由2009年的23个下降至2019年的22个，低知识积累水平省市分布呈现逐渐下降趋势，并存在明显的波动，这也体现出我国高技术产业知识积累水平整体呈现逐渐提高的趋势。而分布在中知识积累[1.593 9, 2.407 7]的省市数量在0～1间频繁波动，呈现出明显的波动态势。对于高知识积累水平的省市数量由2009的0个增加至2012年的1个，并一直持续至2018年，到2019年数量增加为2个，同样呈现出逐渐增加趋势。整体而言，我国高技术产业知识积累水平位于低知识积累区间(知识积累小于1.593 9)的省市分布仍然较多，处于中知识积累和高知识积累水平区间的省市数量随时间呈现逐渐增长的态势，我国各省市高技术产业应努力提升自身知识积累水平，使知识积累在知识寻求与价值创造间的作用中表现出显著的正向影响。

表4 历年不同门槛区间下省市数量

对于历年省市分布的动态变化情况，处于低知识积累门槛值的省市数量在逐渐减少，而处于中高知识积累门槛值的省市数量逐渐增加。截至2019年，只有江苏和广东2个省处于高知识积累水平行列，这2个省份的知识积累水平处于明显优势地位，其他省市均一直保持在低知识积累水平。广东省在2009年处于中知识积累水平区间，在2010年回落至低知识积累水平区间，在2011年再次进入中知识积累水平区间，在2012年跻身高知识积累水平区间，并持续至2019年。江苏省在2009—2016年一直处于低知识积累水平区间，在2017年进入中知识积累水平区间，并在2019年进入高知识积累水平行列。可见，我国绝大部分省市的知识积累水平亟需提升，且不同省市间的知识积累水平差距较大。所以，不同省市为了更好地实现高技术产业价值创造，应根据不同地区的知识积累水平现状，努力提升本地区高技术产业知识积累水平，克服知识积累对知识寻求与价值创造的门槛效应约束并实现知识积累水平升级。

3 结论

1)知识积累在高技术产业知识寻求对价值创造的作用模型中存在显著的双重门槛效应，门槛估计值分别为1.593 9和2.407 7。

2)随着高技术产业知识积累门槛水平的逐渐提升，知识寻求对价值创造的作用系数和作用方向均逐渐发生变化，由显著的负向作用效果转变为显著的正向作用效果，表现出明显的动态门槛效应特征。

3)从历年知识积累不同门槛区间省市变化情况来看，处于低知识积累门槛值的省市数量呈现出逐渐下降趋势，处于中高知识积累门槛值的省市数量呈现逐渐增长的态势，且不同省市间的知识积累水平差距较大，发展不平衡。

基于上述实证研究结论，结合我国高技术产业知识积累水平现状，提出以下促进高技术产业价值创造的管理启示与对策建议:

1)充分发挥知识积累在高技术产业知识寻求与价值创造间的双重门槛效应，为提高知识积累水平营造良好的环境。随着知识积累水平的提高，高技术产业知识寻求对价值创造产生显著正向影响，所以理应为提升省域知识积累水平创造良好的条件，重视高技术产业知识积累在知识寻求与价值创造间的非线性作用效果，努力克服其门槛效应。

2)进一步重视研发经费和人力资本投入对高技术产业价值创造的影响。研发经费内部投入和人力资本投入对高技术产业价值创造均具有显著的正向影响，各省市应注重研发经费和人力资本投入对高技术产业价值创造的促进作用，实现高技术产业更好发展。

3)针对不同省市制定合适的高技术产业知识积累发展政策。由于不同省市的高技术产业知识积累水平和高技术产业发展现状存在显著差异，各省市应在明确现实条件的基础上制定符合自身省域特征的高技术产业知识积累发展政策，通过提升高技术产业知识积累水平促进知识寻求对价值创造的影响，进而提升高技术产业价值创造。

4)不同省市之间政策协调和联动机制亟待加强，知识积累水平较低的地区应充分借鉴中高知识积累水平地区的发展经验，努力实现区域高技术产业协同发展，缩小地区间高技术产业知识积累水平发展差异。