区域高技术产业创新环境组态研究——基于模糊集定性比较分析（fsQCA）

赵 蓉，冯凯丽，袁世一，沈晓雪

（1.北京大学经济学院，北京 100871；2.北京易华录信息技术股份有限公司，北京 100043）3.北京工业大学经济与管理学院，北京 100124；4.中国农业科学院农业信息研究所，北京 100081；5.华东师范大学教育管理学院，上海 200241；

1 研究背景

随着发达国家“归核化”和“再工业化”战略的实施，全球技术创新将进入新一轮革命浪潮。而处于新常态情形下的中国经济正由高速增长阶段迈向高质量发展阶段，传统发展方式亟待转变。在这种全球产业结构调整、国内发展转型的背景下，技术创新已成为经济发展的新动能，应不断加快技术创新以实现内生增长。特别是高技术产业，是技术创新和国家创新驱动发展战略的重要实践主体［1］。已有研究表明，高技术产业的发展对创新环境具有更强的依赖性［2］，创造良好的创新环境一方面为高技术产业发展营造特定的政府、市场等环境；另一方面也作用于高技术产业，激励其进行创新，促进成果转化等［3］。不同区域高技术产业所面临的创新环境会因地区政策、市场环境等的不同而存在地区差异［4］，因此有必要对创新环境对区域高技术产业发展的影响展开研究，为优化创新环境进而促进区域高技术产业发展提供借鉴和参考。

创新环境中不同要素以直接或间接的方式影响技术创新活动，进而影响区域高技术产业的发展［5］。关于创新环境对高技术产业发展的影响，已有研究主要阐释了创新环境中的某一个或几个要素影响区域高技术产业发展的净效应，缺乏对创新环境组态效应的研究；在创新环境要素构成上重点关注外部创新环境，缺乏内外部环境结合的研究，也缺乏对高技术产业创新环境的针对性探讨。

因此，本文采用模糊集定性比较分析方法（fuzzy-sets qualitative comparative analysis,fsQCA），以中国各区域的高技术产业为研究对象，从组态视角分析创新环境组态对区域高技术产业发展的影响，探讨导致区域高技术产业高绩效和低绩效对应的创新环境组态，为各区域政府对区域高技术产业的管控、指导、政策出台提供了参考和借鉴，对于促进区域高技术产业的发展具有现实意义。

2 文献综述

创新环境最初由欧洲创新研究小组（GREMI）在1985 年提出，将其定义为有限区域内的主要行为主体，通过相互之间的协同作用与集体学习而建立的非正式的、复杂的社会关系［6］。现有文献关于区域高技术产业创新环境的要素构成主要分为外部环境和内部环境两类［7］，外部环境括政策环境、制度环境［8］、创新基础环境等［9］；内部环境指高技术产业内部与创新活动相关的环境因素，包括相关市场环境［10］、创新投入、产业投资额、研发支出等［11］。根据高技术产业技术密集、资金密集和创新特征，结合已有的文献研究成果，本文将创新环境定义为支持区域高技术产业进行创新活动的环境因素的集合。

从资源基础理论的角度考虑，资源是推动区域高技术产业进行创新活动的重要动因。从双元创新动因视角出发，对于处于转型经济的中国而言，区域高技术产业所获得的资源主要由市场“无形的手”和政府“有形的手”决定［12］；从产业内部资源角度出发，产业内部经济状况的好坏直接影响产业创新可投入资源量，创新重视程度决定最终投入资源［13］。因此，本文从政府、市场和产业三个层面建立了影响区域高技术产业绩效的创新环境前因要素组态，将内外部创新环境纳入到统一研究框架中，包括政府创新环境、市场创新环境和产业创新环境。

2.1 政府创新环境

政府创新环境是指支持区域高技术产业进行创新活动的政府环境，可以从政府支持角度考虑。政府对区域高技术产业的重视和扶持，对于招商引资、高技术人才引进都起着关键作用，可以促进区域高技术产业的发展。王维等以信息技术产业为样本，发现政府补助和研发投入的双重作用会迅速促进区域高技术产业的发展［14］。Cerqua 等［15］通过对政府补助效果的进行研究，发现政府补助对区域高技术产业的发展起到显著提升作用。Montmartin 等［16］研究发现政府补助等措施可降低研发边际成本，提升研发效率，对区域高技术产业的销售额和利润都具有正向激励作用。

2.2 市场创新环境

市场创新环境是指支持区域高技术产业进行创新活动的市场环境。从创新驱动角度出发，区域高技术产业企业个数越多，市场越活跃，有利于区域内部创新知识、技术的流动和扩散，区域高技术产业出口规模越大，市场越开放，有利于引进国外先进的知识、技术、管理经验，进而推动高技术产业的创新进程［17］。当然，产业内企业个数过多会导致区域内部竞争加剧，促使高技术产业进行创新活动或者开发海外市场。因此，市场创新环境可以从市场活跃程度和市场开放程度两个角度考虑。市场活跃度会使市场主体通过产业集群的创新、技术溢出等外部性提升竞争优势而获得迅速发展。当然，市场的资源与容量是有限的，当进入市场的企业增加时，市场内部活力增加的同时也会导致为获取有限资源而进行竞争［18］，但是当主导产业规模够大时，同类企业的增加容易引起恶性竞争。区域对外贸易水平的提升以及市场开放程度的扩大，伴随贸易额的增加可以促进高技术产业产品出口和发展自主品牌，提升区域高技术产业的国际竞争力，成为打开国际市场的“敲门砖”［19］。同时，市场开放有助于学习国际市场先进的知识、技术、管理经验等，实现内部资源的合理配置，从而拥有更高的竞争力，得以发展区域高技术产业，即出口学习效应［20］。

2.3 产业创新环境

产业创新环境是指支持区域高技术产业进行创新活动的内部产业环境。区域高技术产业内部经济状况直接影响产业创新可投入资源量，创新重视程度直接决定最终投入创新活动的资源［13］。本文涉及产业创新环境将从内部经济状况和创新重视程度两个角度考虑。高技术产业具有高投入、高风险、高效益特点，良好的内部经济状况意味着高技术产业则可以获得更多的可支配的人力与物力资源，为各项经营发展活动提供资金保障［21］。同时，作为技术密集型行业，需要大量的技术创新和研发投入，以推动产品更新换代，丰富产品功能，提升产品品质［22］。

构型理论（Configuration Theory）认为，组织作为一个复杂系统，会受到很多因素的影响，不能只考虑构型单个因素或变量的影响，需要考虑组织内外部因素的组合效应［23］。这种系统性和构型复杂性的主要表现为：多种影响因素的组合效应导致相应的结果，而非单一影响因素的作用；任何单一因素和结果直接的关系是非对称的［24］。因此，本文基于构型理论，从政府、市场和行业三个层面建立了影响区域高技术产业绩效的创新环境前因组态，包括政府支持度、市场活跃程度、市场开放程度、内部经济状况、创新重视程度，突破了传统上仅将独立因素作为研究主体的局限，采用模糊集定性比较分析方法(fsQCA)，从组态视角分析创新环境组态对区域高技术产业绩效的影响，研究框架如图1 所示。

图1 研究框架

3 研究设计

3.1 研究方法选择

定性比较分析法（qualitative comparative analysis，QCA）是介于定性分析和定量分析之间的研究方法，可兼得两种方法的综合优势［25］，用来处理多个因素的交互作用形成“好”和“坏”的组合配置，以集合论和布尔运算作为其方法论的基石，研究条件组态对结果的影响。模糊集定性比较分析是QCA 技术中的一种，允许分析在程度或水平上变化的现象，考虑了两种极端情形的渐变，将各个变量的隶属程度界定在0 和1 的范围之间，表现出模糊性的特征。模糊集允许多个成功配置的出现，适合于给定意向结果的配置研究［26］。本文旨在研究创新环境组态对区域高技术产业绩效的影响，创新环境要素的不同组合对区域高技术产业绩效的影响存在差异，创新环境要素之间存在替代性和互补性。传统定量研究方法主要研究净效应问题，而定性比较分析方法研究的是组态问题，并且本文研究具备样本量小，因果复杂的特征，故采用fsQCA 开展研究更为合适。

3.2 变量选取及度量

3.2.1 研究对象选择

本文选取中国27 个省份的高技术产业作为研究对象（港澳台、西藏、青海、新疆、宁夏由于数据缺失较多故未选取），研究创新环境组态对区域高技术产业发展的影响。由于fsQCA 使用的是截面数据，为了规避一年中某些省份出现异常值，研究采用2014—2016 年3 年数据的平均值，数据来自2015—2017 年《中国科技统计年鉴》《中国工业经济统计年鉴》《中国高技术产业统计年鉴》1）。

3.2.2 变量定义

结果变量：高技术产业绩效（EP），用来衡量区域高技术产业的发展情况。利润是最直接的表现，代表了高技术产业的经营绩效，收益越高，发展越好。本文参考史欣向等［27］的做法选取区域内高技术产业利润总额作为高技术产业绩效的测量指标。

条件变量：政府支持度（GOV），用来衡量区域政府对高技术产业的支持程度。从创新驱动角度考虑，政府补助是使用手段较为广泛的一种对高技术产业的扶持政策，而且最直接地反映了政府的支持度。本文参考刘伟［28］的做法，本文选取区域高技术产业R&D 经费内部支出中政府资金作为政府支持度的测量指标。

市场活跃程度（MAC），用来衡量区域高技术产业市场的活跃程度。一般而言，高技术产业企业数量越多，市场越活跃，竞争相对也较大；企业数量少，市场则相对闭塞，不利于知识、技术的流动，市场活跃程度较低。参考朱有为等［29］的做法，本文选取区域高技术产业企业个数作为市场活跃程度的测量指标。

市场开放程度（MOP），用来衡量区域高技术产业市场的开放程度。许多研究将出口额作为影响企业创新和发展的重要因素，出口额体现了高技术产业产品竞争力以及与国际接轨程度。参考侯建等［30］的做法选取区域高技术产业的出口交货值作为市场开放程度的测量指标。

内部经济状况（FIN），用来衡量区域高技术产业的内部经济状况。高技术产业的发展需要大量的资金投入，且项目周期都比较长，而源源不断的投资额是高技术产业发展的物质基础。参考董豪等［13］的做法选取区域高技术产业的投资额作为内部经济状况的量测量指标。

创新重视程度（RD），用来衡量区域高技术产业对创新的重视度、投入度。对于高技术产业而言，技术创新才是核心竞争力，而技术创新需要大量人力、物力以及其他资源的投入，需要有充足的科研经费作为保障。参考董豪等［13］的做法，本文的创新重视程度用区域高技术产业R&D 经费内部来表征。变量说明具体见表1。

表1 变量说明

4 研究分析

本文选用模糊集定性比较分析(fsQCA) 技术，运用fsQCA3.0 软件对收集到的数据进行分析，模糊集背后的基本思想是允许集合分数的刻度化，允许部分隶属。基于集合理论，为所有变量设定模糊集的三个定性断点：完全隶属（1）、完全不隶属（0）、模糊交叉点（0.5），因此模糊集同时具备定性和定量的属性。其中，交叉点是区分完全隶属和完全不隶属的中间点，案例在该点是否属于集合的模糊性最大。隶属度确定的依据为：案例在各个变量的得分值在总体样本中的相对位置（以变量分值的均值为参考）。依次探索条件变量和结果变量之间的复杂因果关系。

（1）构造真值表。集合论分析方法是从“集合-子集”关系入手探索条件变量和结果变量之间的因果关系模式，需得到前因条件的所有组合和对应结果，即真值表（truth table）。由于校准后的前因条件素均以“发生”或“不发生”的 0-1 形式存在，真值表将有2k行（其中k表示前因条件的数量），反映前因条件的所有可能组合。

（2）确定一致性最低值和案例频数。在选择一致性阈值时，根据数据性质，寻找一致性分布上的缺口，避免使用低于0.75 的一致性阈值。通常，选择的构型需要占据总样本至少 75%～80%的比例。在选择案例频数时，当样本总量N相对较小时，案例频数门槛值一般设置为 1 或 2。当总N很大时，可根据实际情况增大案例频数门槛值。

（3）组合分析和结果整理。在fsQCA3.0 软件中进行标准分析（standard analyses），可以得到三个解，依次为：复杂解、简约解、中间解。解读QCA 分析的结果，有两项关键指标：Consistency 指标衡量了该前因条件或组合是结果变量必要条件的强度；Coverage 指标衡量了某一组合与结果变量的相关程度，即可以解释的样本比例。最后通过比较简化解与中间解，能够得到引致结果发生的核心条件（Core Condition）与边缘条件（Peripheral Condition）：核心条件在两解中均存在，而边缘条件仅出现在中间解中。核心条件对结果产生着较为重要的影响，而边缘条件则起到相对辅助的作用。参考Fiss［24］表述方式，对各构型进行整理，得到最终结果。

5 研究结果分析

5.1 必要条件分析

必要条件是导致结果发生必须存在的条件，但是它的存在并不能保证结果必然发生。在模糊集分析中，当结果的实例构成条件实例的子集，必要条件就存在。依据模糊集分析的程序，在进行条件组合的真值分析之前，需要进行必要条件分析，检测单个条件是否为结果的必要条件。按照术语，必要性模糊子集关系的一致性可以使用公式（1）评估。

当一致性得分大于0.9 时，则认为该条件为结果的必要条件。在fsQCA 3.0 软件中进行“Necessary Conditions”分析，可以得到单项前因条件对结果的一致性得分如表2 所示。

表2 单个条件变量的必要性分析

由表2 可知，在结果变量指向高绩效前提下，所有单个前因条件变量的一致性都没有超过0.9，即不存在作为高绩效结果变量必要条件的单个条件变量，高绩效不一定必须通过某个条件实现。在结果变量指向低绩效前提下，“～MAC”（市场活跃程度低）这一变量的一致性得分超过0.9，结合其覆盖率，可以发现市场活跃程度低对区域高技术产业绩效有显著制约作用。可见高绩效是多个因素相互组合、共同作用的，而非某一因素在起作用，也说明要素间组合具有等价性，不同组合同样可以导致高绩效，符合进一步组态研究的要求。

基于真值表的分析结果2），在fsQCA 3.0 软件中进行“Standard Analyses”（标准分析），可以得到三个解（如表3、表4 所示），依次为：复杂解、简约解、中间解。其中，复杂解是完全按照条件设置产生的结果，较为复杂且普适性差；简约解结果较为简单，但可能存在反事实的情况，且必要条件有可能被简约解消去；中间解介于复杂解和简约解之间，简化过程中保留了必要条件，所以，中间解相对而言优于复杂解和简约解，并且大多数学者都采用了中间解。

表3 高绩效的创新环境前因条件构型（结果=EP）

表4 低绩效的创新环境前因条件构型（结果=～EP）

参考Fiss［24］的研究，中间解和简约解共同包含的前因条件为核心条件，中间解中包含但简约解不包含的前因条件为边缘或者辅助条件，将结果为EP（高成长绩效）和～EP（低成长绩效）中间解对应的前因条件组态列入表5。

表5 高低绩效的创新环境前因条件组态

5.2 高绩效的创新环境组态分析

通过表5 可以发现结果变量为高绩效的三条路径具有相同的核心条件组合，高市场开放程度和高创新重视程度，具体路径如下：

高绩效路径H1（MAC*MOP*FIN*RD），表示核心条件高市场开放程度、高创新重视程度，加上辅助条件良好的内部经济状况、高市场活跃程度构成的前因条件组态，有助于区域高技术产业的发展。H1 组态的一致性分数0.987 294（consistency ≥0.9），即H1 组态是高绩效结果变量的一组充分条件组合。这一组态包括两种情形：第一种，案例的五个条件变量取值都较高，有江苏、浙江、山东、湖北、广东、四川、湖南7 个地区。以广东为例，广东市场开放程度、创新重视程度、市场活跃程度都位列所有省份第一，政府支持度位列第三，内部经济状况位列第四；第二种，案例的五个条件变量除了政府支持度比较低外，其余四个条件变量取值都较高，代表案例是安徽。此路径中，政府支持度为无关变量。

（2）高绩效路径H2（～GOV*MOP*FIN*RD），表示核心条件高市场开放程度、高创新重视程度，加上辅助条件较好的内部经济状况、较低的政府支持力度构成的前因条件组态，有助于区域高技术产业的发展。且H2 组态的一致性分数0.975 352（consistency ≥0.9），即充分性得到支持。这一组态也包括两种情形：第一种，除了政府支持度比较低外，其余四个条件变量取值都比较高，代表案例是安徽；第二种，政府支持度较低、市场活跃程度较低，但其余三个条件变量取值较高，代表案例是福建。此路径中，市场活跃程度为无关变量。

（3）高绩效路径H3（GOV*MOP*～FIN*RD），表示核心条件高市场开放程度、高创新重视程度，加上辅助条件政府高度支持、内部经济状况较差构成的前因条件组态，有助于区域高技术产业的发展，H3 组态的一致性分数为0.958 932（consistency≥0.9）。这一组态也有两种情形：第一种，内部经济状况较差，其余四个条件变量取值都比较高，代表城市上海；第二种，内部经济状况较差、市场活跃程度较低，其余三个条件变量取值都较高，代表城市天津、北京。此路径中，市场活跃程度为无关变量。

综上，根据构型的不同，将区域高技术产业高绩效的构型分为两类：（1）市场*产业驱动型-H1和H2 两种构型。（2）政府*市场*创新共同驱动型——H3 构型。H1、H2 和H3 构型具有相同的核心条件高市场开放程度和高创新重视程度，在此核心构型基础上高政府支持度、高市场活跃程度和高内部经济状况可以创造高绩效。对比H1 和H2 构型，可以发现较强的市场活跃程度和较低的政府支持度具有互补性和替代性，可见，当政府支持度缺失时，市场活跃程度可以成为有效的代替，促进区域高技术产业的发展。对比H2 和H3 构型，可以发现政府支持度和内部经济状况具有互补性和替代性。对比H1、H2 和H3 构型，可以发现核心条件高市场开放程度、高创新重视程度具备的条件下，只需辅助以高政府支持度、高市场活跃程度、高内部经济状况之一就可以达到高绩效。

5.3 低绩效的创新环境组态分析

通过表5 可以发现结果变量为低绩效的三条路径，具有不一样的核心条件，具体路径如下：

（1）低绩效路径L1（～MAC*～MOP*～RD）表示：核心条件低市场开放程度、低创新重视程度，加上辅助条件低市场活跃程度构成的前因条件组态，该组态对应的区域高技术产业绩效较低，且L1 组态的一致性分数0.974 494（consistency ≥0.9）。这一组态包括广西、贵州、云南、内蒙古、甘肃、海南、黑龙江、西藏，除黑龙江政府支持度较高外，以上省份各项条件变量取值都较低且各方面发展也相对落后，应该从核心条件提升做起，扩大市场开放程度，加大对创新的重视程度，再根据自身情况，逐步改善辅助条件，进而提高绩效。

（2）低绩效路径L2（～GOV*～MAC *FIN*～RD）表示：核心条件低创新重视程度，附加上辅助条件的较好的内部经济状况、较低的政府支持度、低市场活跃程度构成的前因条件组态，该组态对应的区域高技术产业绩效较低。这一组态包括的省份有吉林、河北、重庆，其中重庆的市场开放程度很高，产业投资额也比较高，因此对重庆而言，只需要加大研发投入，就可以满足高绩效的充分条件。

（3）低绩效路径L3（GOV*～MAC *～MOP*FIN）表示：核心条件低市场开放程度，加上辅助条件良好的内部经济状况、较高的政府支持度、低市场活跃程度构成的前因条件组态，该组态对应的区域高技术产业绩效较低。这一组态包括的省份有辽宁、陕西,其中陕西的内部经济情况、政府支持度以及创新重视程度都比较高，只需要扩大市场开放程度，提高其出口交货值，就可以满足高绩效的充分条件。

综上，在低绩效的3 种组态中，条件变量中至少有2 个取值较低，其中低市场开放程度和低创新重视程度是核心条件，低市场活跃程度是必要条件，可以发现区域高技术产业即使具有较高的内部经济状况和政府支持度，如果没有市场且创新没有及时跟进，依旧无法实现高绩效。

6 结论与建议

6.1 结论

本文选取了中国27 个省份的高技术产业作为研究对象，采用模糊集定性比较分析方法（fsQCA），研究了政府创新环境、市场创新环境、产业创新环境构成的创新环境组态对区域高技术产业绩效的影响，得到了导致区域高技术产业高绩效和低绩效的创新环境前因条件组合。主要结论有：（1）导致区域高技术产业高绩效的路径有3 条，其中高市场开放程度和高创新重视程度为核心条件，在边缘条件中，市场活跃程度和政府支持度具有逆向互补性和替代性，政府支持度和内部经济状况具有互补性和替代性，即政府支持度缺失时，内部经济状况可以成为有效替代。可见，在市场开放程度和创新重视程度具备的条件下，只需辅助以政府支持度和内部经济状况之一就可以达到高绩效。（2）导致区域高技术产业低绩效的路径也有3 条：主要是缺失核心条件市场开放程度或创新重视程度以及边缘条件市场活跃程度，并且市场活跃程度也是必要条件，较低的市场活跃程度不利于形成产业集群效应，同时缺乏适度的产业内部良性竞争促进区域高技术产业的发展。可见，即使具备政府支持度和内部经济状况，没有市场活跃程度以及创新重视程度的促进，依旧无法实现高绩效。（3）fsQCA 不同于传统计量方法，重在发现对于结果变量有解释力的条件组合，考虑了条件变量间的相互依赖、共同作用于结果变量，比较高、低绩效的不同路径还可以发现QCA 结果的多重并发性（多条路径）和非对称性（低绩效条件组态并非高绩效条件组态的简单“非”运算）。

6.2 启示

通过对影响区域高技术产业绩效的创新环境组态进行定性比较分析，得到的启示有：（1）市场开放程度和创新重视程度对区域高技术产业的发展而言非常重要，是高绩效必须具备的核心条件，但不是充分条件；（2）政府支持度和内部经济状况对区域高技术产业绩效的提升，必须建立在良好的市场开放程度和创新重视程度基础上，且政府支持度和内部经济状况具有互补性和替代性；（3）市场活跃程度取值较低时会抑制区域高技术产业的发展，但是高绩效的省份市场活跃程度取值不一定高，所以政府应该根据自身资源情况控制省内高技术企业个数，维持良好的市场活跃程度；（4）创新环境要素的五个方面相互影响，不同的条件组合结果可能相同，所以应该注意创新环境要素之间的协调配合。

6.3 建议

本文结论为创新驱动背景下如何通过多种条件组合实现资源的最佳配置，促进区域高技术产业的发展提供了理论依据和决策基础。为各区域政府基于自身的条件改善区域高技术产业绩效提供了路径选择以及如何避免资源配置不当而造成低绩效，对于促进各地区高技术产业的发展具有现实意义。结合上述启示，给出如下建议：

（1）任何高绩效的组态都离不开市场开放程度和创新重视程度，而低绩效组态的市场开放程度和创新重视程度都比较低，可见这两个条件是实现高绩效的必要非充分条件。所以相关部门应该着重对上述两项条件进行评估和重新配置，出台鼓励出口、激励创新等相关政策，配套实施多种切实可行的优惠奖励方案，如出口税收优惠、科研经费补助、专利奖励、知识产权保护等来改善现有的市场开放程度和创新重视程度。

（2）高绩效构型具有相同的核心条件市场开放程度和创新重视程度，在此核心构型基础上，市场开放程度和创新重视程度可以为区域高技术产业带来高绩效。因此在两个核心条件具备后，相关部门可根据自身实际情况，辅助以政府支持度和内部经济状况，可采取税收优惠、政府补助增强政府支持度。如若政府本身资金实力不强，可采取招商引资、增加商业贷款等增大产业投资额，改善内部经济状况，进而满足高绩效的组态，提升区域高技术产业绩效。

（3）关于市场活跃程度，如果区域内高技术产业的企业个数较少，不利于形成产业集群，也没有良好的市场竞争环境促进相互进步。而如果企业个数过多，相互竞争激烈，会增加产业间的内耗，不利于区域高技术产业的发展，所以对于目前绩效较低的省份而言，应根据实际情况调整区域内高技术产业企业数量和规模。

注释：

1）《中国高技术产业统计年鉴》在2018 年中断更新一年，之后更新的2019 年和2020 年的统计口径发生变更，为保证数据的一致性和连贯性，本文选用2014—2016 年数据。

2）篇幅受限，未在正文中列示真值表结果，留存备索。