基于SNA-NK模型的企业渐进式创新绩效提升路径研究

卓入峰　郑俊巍　张云华　谢洪涛　常凯

摘 要：基于企業渐进式创新相关文献调研，运用社会网络分析对梳理得到的影响因素进行关键因素识别并确定关键因素间关联性，进而通过NK模型建立企业创新决策选项合集，再利用计算机仿真计算适应度值并绘制适应度景观，结合不同攀爬策略获取企业渐进式创新绩效提升路径。实例分析表明，企业渐进式创新绩效影响因素存在主次之分，不同关键因素组合状态对应着不同的企业渐进式创新绩效，且因素间相互影响关系以及先后优化顺序是渐进式创新绩效作用差异化的重要原因。其中组织知识管理、外部信息搜寻、组织吸收能力、合作伙伴关系、组织研发能力和组织技术水平6个因素是企业渐进式创新绩效的关键影响因素。以组织知识管理、合作伙伴关系、组织研发能力、外部信息搜寻、组织技术水平和组织吸收能力的顺序进行优化可以避免企业陷入“局部最优”陷阱，使得渐进式创新绩效达到全局最优值，由此为企业创新活动及绩效提升提出了对策与建议。

关键词：渐进式创新；技术创新；社会网络分析；NK模型；适应度景观

中图分类号：F 273.1

文献标识码：A 文章编号：1672-7312（2023）05-0607-11

The Improvement Path of Incremental Innovation Performance for Enterprises Based on the SNA-NK Model

ZHUO Rufeng1，ZHENG Junwei2，ZHANG Yunhua1，XIE Hongtao3，CHANG Kai4

（1.Faculty of Civil Engineering and Mechanics，Kunming University of Science and Technology，Kunming 650500，China；

2.School of Public Policy and Administration，Nanchang University，Nanchang 330031，China；

3.Faculty of Management and Economics，Kunming University of Science and Technology，Kunming 650500，China；

4.Railway Engineering Research Institute，China Academy of Railway Sciences Corporation Limited，Beijing 100081，China）

Abstract：Based on the extant literature focusing on incremental innovation，this paper complies and examines variables impacting incremental innovation，identifies the major determinants affecting incremental innovation success，and analyzes the links between these factors using the method of social network analysis（SNA）.Then a range of choices for creative decision-making are produced，laying the groundwork for the development of an NK model for incremental innovation.Fitness values and fitness landscapes are computed and shown by computer simulations.This approach makes it easier for businesses to acquire an incremental innovation performance enhancement pathway combined with relevant climbing tactics.The case mathematical calculation highlights that the factors that impact the incremental innovation performance of businesses differ in their level of significance.Various combinations of these key factors align with distinct outcomes in terms of incremental innovation performance for companies.The interconnections among these factors，alongside the sequence in which they are optimized，play a crucial role in creating variations in the outcomes of progressive innovation performance.The findings indicate that the six salient factors that have a substantial impact on incremental innovation include knowledge management，external information search，absorptive capacity，partner relationships，research and development capabilities，and technological competency.Companies can avoid falling into the “local optimum” trap and enable incremental innovation performance to reach a global optimum by optimizing the sequence of knowledge management，partner relationships，research and development capability，external information search，technological competency，and absorptive capacity.Finally，this paper provides practical implications and tactics for promoting innovation activities and boosting performance.

Key words：incremental innovation；technological innovation；social network analysis；NK model；fitness landscape

0 引言

在全球竞争抢占技术发展制高点之际，我国始终将技术创新视为国家整体发展的核心[1]，并在“二十大”提出“高质量发展是全面建设社会主义现代化国家的首要任务”。高质量发展在于经济活力、创新力以及竞争力，在充满不确定性的竞争环境以及对高质量发展的迫切需求下，一方面技術创新可作为企业核心竞争力实现高水平技术自立自强[2]，另一方面技术进步是促进经济持续增长的决定因素，能够显著提高企业生产力水平[3]。因此，强化企业自主创新能力，提升科技创新转化效率对构建国家发展新优势具有重要意义[4]。CHRISTENSEN[5]依据创新幅度与所采用的技术类型进行分类，将技术创新分为渐进式创新和突破式创新。其中渐进式创新被定义为对现有产品及技术等的改进和强化[6]，相较于突破式创新，渐进式创新因其创新周期短、不确定性程度较低、创新风险较易控制等特征，逐渐成为企业获取持续性优势和稳定回报的创新首选[7]。因此，提升企业渐进式创新绩效是企业增强竞争优势、提升创新实力的重要途径[8]。

如何通过设置合理的创新机制以提升企业渐进式创新绩效，是技术创新领域的研究重点[9]。尽管已有学者探究了外部知识搜索[10]、政府资助[11]、组织知识管理[12]等因素对企业渐进式创新的影响，但渐进式创新绩效的提升过程是由多种因素共同决定的复杂过程，剖析单因素的影响不足以解释该过程的复杂驱动机制[13]，因此，有必要对多因素共同影响下的企业渐进式创新绩效提升路径进行探究。鉴于此，文中基于复杂系统理论提出了一种基于SNA-NK模型的企业渐进式创新绩效提升路径选择与优化方法，用于分析多因素共同作用下渐进式创新绩效的提升路径。

1 理论基础与文献回顾

1.1 双元创新与复杂适应系统理论

熊彼特[14]在《经济发展理论》中首次提出了技术创新理论，该理论将创新定义为一种新的生产函数，即实现生产要素和生产条件在新的生产体系中的新组合、新应用。随后MARCH[15]通过将“利用”和“探索”定义为不同的组织学习方式，并依据创新程度的不同，将低风险、低成本、渐进式的利用式创新表述为“渐进式创新”，高风险、高成本和颠覆性的探索式创新表述为突破式创新，进而发展出了双元创新理论。由于渐进式创新和突破式创新的内涵不同，导致二者具有不同的影响机制[16]，同时由于我国多数企业更倾向于选择创新周期短、不确定性程度相对低、创新风险较易控制的渐进式创新[17]，因此文中针对渐进式创新绩效提升路径展开研究。

复杂适应系统（CAS）理论由HOLLAND[18]于1994年提出，该理论强调了复杂系统演化的动力来源于系统内部，即宏观的复杂性现象是由于微观主体导致。复杂适应理论将系统内部的各个要素定义为具有“适应能力的主体”，当外部环境发生改变时会导致各微观主体做出相应的自适应变化，同时由于各个异质性的自适应主体之间存在复杂的相互作用与反馈，会使得整个系统进行动态演化[19]，因此该理论可用于探究系统内在因素的相互作用对客观现象构成原因及演化路径的影响。

1.2 问题提出

目前关于渐进式创新的研究多集中于对渐进式创新绩效影响因素的研究，依据张莹[20]的观点，可将渐进式创新绩效影响因素划分为微观、中观以及宏观3个层面；宏观层面因素包括政府政策[21]、动态竞争环境[22]等；中观层面因素有管理者态度[23]、组织间合作关系[24]等；微观层面因素则涉及企业间网络特征如企业间网络嵌入性[25]、关系网络中心度[26]等，可以看出现有研究大多数是基于因素独立性探讨单个因素对企业渐进式创新绩效的影响，而较少考虑因素间相互关联性对企业渐进式创新绩效所起的作用。另外，复杂系统理论已被运用到技术创新领域，如NGONGONI等[27]将创新生态系统定义为复杂适应系统，通过对系统中关键活动进行探究从而有助于创新生态系统管理，陈雄辉[28]依据复杂适应系统理论构建了产业技术创新和技术创新人才互动支撑系统，并以此探究了影响产业技术创新的因素。WU等[29]则是将产品创新体系视为一个复杂适应性系统，对技术管理和技术耦合间相关关系进行探究从而促进产品创新，提高竞争优势。

技术创新具有复杂系统特征，在受到多种因素影响的同时[30]，还具备开放性和自组织性，在外部环境影响下，会产生一定的发展模式并依照着推进[31]。因此，仅依靠单个层次的因素探究无法明晰技术创新系统的运作规律，有必要借鉴复杂系统思想对企业渐进式创新绩效提升路径展开分析。故文中基于技术创新理论与复杂系统理论，探究多因素共同影响的企业渐进式创新绩效，并基于因素识别分析其绩效提升过程。

2 研究方法

由于渐进式创新是由若干个相互关联、相互影响的因素共同作用的结果，因此文中拟将SNA与NK模型进行结合分析，建立一种基于SNA-NK模型的渐进式创新绩效提升路径研究方法，步骤如图1所示。

1）因素识别。基于理论梳理和文献分析，提取出企业渐进式技术创新绩效影响因素，然后运用社会网络分析方法从所筛选的这些因素中发掘出关键因素，从而确定参数N。

2）关系建立。计算关键因素之间的关联度，进而明确参数K。

3）适应度分析。对因素之间的不同决策结果进行组合，获取企业渐进式创新决策选项合集，利用随机分布函数，为企业渐进式创新的决策选择组合结果随机分配适应度值。

4）适应度景观生成。依据最终得到的关键因素组合及其对应的适应度值，绘制出企业渐进式创新绩效适应度景观。

5）路径选择。运用Python软件对NK模型进行仿真，基于仿真结果根据单因素搜寻方式分析企业渐进式创新绩效提升路径。

2.1 基于关系构建的社会网络分析方法

社会网络分析（SNA）也被称为结构分析法，是一种对因素间网络关系进行量化的研究方法[32]。在社会网络分析中，“网络”被认为是由行动者以及行动者之间的社会联系构成的稳定的社会结构。节点即行动者之间的社会联系可用连线表示，在研究中主要采用关系矩阵量化社会网络中成员及相互之间的关系[33]，具体而言，因素之间关系可用数值进行表示，如数值为0代表因素间不存在相互关联，其他数值大小可以代表因素间关联性程度。

社会网络分析主要包括个体网络特征以及整体网络特征2类测量指标。其中个体网络特征如中心度，用于反映节点是否处于网络核心位置，测量的是能够与某个因素直接建立联系的其他因素数目[34]。现有研究多数采用因素之间的关系进行中心度测量，尚未考虑到因素间关系强度，由此发展得到基于加权网络的度数中心度测量方法，通过将关系强度纳入因素间关系中，能够更加客观真实地反映因素间相对重要性程度[35]。因素i的加权度数中心度DCi的计算公式为

其中：n为节点i所有的相邻节点数；Pk为因素i到第j个相邻节点连线的权重值。

此外，整体网络特征变化的指标涉及网络密度、点度中心势、核心-边缘结构等，其中网络密度用来表示因素关系网络的疏密程度，通过对网络密度分析可以对网络整体性能进行判断，网络密度D越大，说明因素间的联系越紧密[36]；点度中心势C反映了网络的凝聚能力和整体中心性，值越大反映了各节点分布越不均匀，该网络围绕着几个核心因素发散开来[37]；核心-边缘结构分析则是根据网络中结点之间联系的紧密程度，将网络中的结点分为核心区域和边缘区域，处于核心区域的节点在网络中占有比较重要的地位，对整个网络影响较大[38]。网络密度及点度中心势的计算公式分别为下述式（2）和式（3）所示。

其中：D为网络整体密度；n为节点个数；m为节点间实际关系数。

式中：C为度数中心势；CMAX为最大度数中心度；Ci为因素i的中心度。

由于社会网络分析能够对因素之间相对重要性进行准确的定量分析，进而找出其中的重要节点[39]，故被广泛的运用于关键因素识别。例如SHOAR等[40]基于社会网络分析探究了设计缺陷致因因素并对其进行分析和排序，从而厘清核心因素以帮助项目管理人员采取有效措施进而提高设计文件质量；李柏桐等[41]基于社会网络分析构建建筑节能改造市场发展节能服务产业动力的影响因素模型并对其关键因素进行识别；FENG等[42]基于社会网络分析提取市政工程安全生产事故关键致因因素，随后进一步通过偏序集评价得到了市政工程施工现场安全风险HASSE图，从而为项目管理者提供新的风险管理思路。故文中拟运用SNA识别和获取关键因素，即通过对文献梳理初步得到的渐进式创新绩效影响因素展开社会网络分析，找出其中的关键影响因素。

2.2 NK模型

适应度景观由美国遗传学家WRIGHT[43]于1932年在研究生物学的基础上提出，该理论认为生物的进化可以看作是在三维崎岖景观中基因迁移或游走的过程，其主要动力源自于生物内在基因，不同的基因型对应着不同的生物外在表现（用适应度表示）。景观中的每個点代表生物不同基因之间的组合，高度代表该基因组合对应的适应度值，由于不同基因组合对应适应度值的不同，导致整个适应度景观出现多个高峰和低谷，从而呈现出交错起伏的景观地形被称为适应度景观[44]。适应度景观理论后被引入到经济与管理学领域中，逐渐成为了研究复杂系统的方法[45]。

KAUFFMAN等[46]提出将NK模型用于描述适合度景观，该模型以不同要素构成的系统适应度为研究基础，通过研究复杂系统内部不同构成要素间关联作用及其对系统整体适应度的影响，从而探寻较高适应度的系统组成。NK模型主要包括N、K、A这3个因素，N代表生物体中包含的基因数量，K（K

企业技术创新过程可以视为各影响因素在适应度景观中的演化过程[47]，适合用NK模型对这个过程进行描述。文中将企业渐进式技术创新绩效等同于生物适应度值，渐进式创新影响因素对应着生物体内的基因，不同基因的组合状态对应于不同因素的组合状态，由此构建了影响因素数量为N，影响因素间相互影响关系为K的企业渐进式创新绩效NK模型，见表1。

2.3 适应度景观

基于上述关于NK模型的描述可推断N和K共同反映了系统各主体之间的复杂关联程度，而等位基因A的变化仅用于反映因素状态是否发生变化。参照已有研究[48]，将要素的等位基因状态A设置为0和1两种情况。因此整个系统可以表示为M=（M1，…，Mi，…，MN），其中Mi代表各因素状态d=（0，1），则整个系统就可以用0-1二进制数组表示，共包括2N种状态，每个状态分别对应着不同的适应度值。

基于NK模型，若关键要素i和j之间存在关联，则当因素i的等位基因发生变化或者与之有关系的上位因素（即i的影响因素，如j）发生变化时，则从（0，1）分布的随机变量中抽取一个随机数edi，作为关键要素i的适应度值，即edi～U（0，1），i∈{1，…，N}，d∈{0，1}。由此形成关键要素的适应性矩阵E=[edi]d*N，各个要素适应度值的平均值即为系统整体适应度值，其计算公式为

最后，依据关键影响因素等位基因组合所对应的所有适应度值，将其折射到三维空间上，以横坐标和纵坐标代表因素之间不同状态下的不同组合方式，竖坐标代表该组合方式下整个系统的适应度，进而形成渐进式创新绩效的适应度景观图。

2.4 路径选择

在路径优化选择中可能存在着多种搜寻方式，不同的搜寻方式对应着不同的决策选择模式。主要有2种方式可以通过对影响因素进行修改，进而实现对渐进式创新绩效的提升。其一是单要素改变，即每次只改变一个关键因素的状态，当改变后的整体适应度大于改变前的整体适应度时，则保留这种变化，反之则回到之前的状态。该搜寻方式在适应度景观中呈现出“攀爬”的现象，重复这一过程直至得到全局最高的适应度值，即找到了系统的最佳提升路径。图2所示的适应度景观图反映了单因素搜寻下的攀爬过程，其中虚线代表攀爬路径，①②③④分别代表因素提升顺序。其二是多个要素的改变，即每次同时选择改变多个要素的状态，在适应度景观上表现为从一个顶点到景观中更远的顶点的“跳跃”过程[49]。单因素改变风险较小，但是所需时间较长，且容易陷入“局部最优”陷阱，而多因素改变能够躲避“局部最优”陷阱，且花费时间较少，但是往往伴随着更大的风险。企业渐进式创新绩效提升路径的选择过程是对渐进式创新绩效关键影响因素的选择和改变过程，当关键要素状态发生改变时，整个渐进式创新绩效系统的适应度值也会随之变化。因此文中基于单因素搜寻的方法探究企业渐进式创新绩效提升路径。

文中拟基于社会网络分析方法获得关键因素之间关联性，将其作为K。具体而言，通过文献搜索发现若文章明确提及到因素i的变化会导致另一个因素j发生变化，则称因素i和因素j之间存在关联，且将二者的关联系数rij记为1，否则就将二者之间的关联系数记为0。由此得到关键因素关联矩阵R=[rij]N*N，随后通过集结关联矩阵中的行元素，可以得到关键要素关联度Ki。根据NK模型理论，参数K为各关键要素关联度Ki的平均值，其计算见式（5）。

其中：K为系统复杂度；N为系统要素数量。K为系统中各关键要素受到其他因素的平均影响程度，K越大，系统间关系就越复杂，适应度景观越崎岖，当K=0时，因素之间相互不存在影响，仅有一个最高峰，当K=N-1时，因素之间两两相互影响，适应度景观最复杂，存在多个局部最高峰。对得到的适应度景观图，拟采用单因素搜寻的方式，通过单个因素的变化对适度值不断增加的路线进行辨别，将其反映在适应度景观中以得到企业渐进式创新绩效提升路径。

3 实例分析

3.1 企业渐进式创新绩效影响因素识别

以WOS核心数据库以及中国知网（CNKI）为文献来源，“incremental innovation”和“渐进式创新”分别作为篇名、关键词和主题词分别进行检索。将英文期刊来源限定为SCI/SSCI数据库，中文期刊来源限定为CSSCI/CSCD、北大核心，初步检索得到268篇中文文献以及286篇英文文献，随后通过文献阅读排除与研究主题无关的文献样本，最终得到提及企业渐进式创新绩效影响因素的69篇中文文献及123篇英文文献共计192篇有效文献作为数据研究样本，并得到18个影响企业渐进式创新的主要因素，见表2。

然后针对初步筛选得到的18个影响因素，利用社会网络分析法以及Ucinet软件对渐进式创新绩效影响因素网络关系进行识别和可视化，从而对因素间相对重要性程度进行确定。针对已有文献提及到的相关因素，若2个因素同时出现在同一篇文章之中则认为2个因素之间存在共现，说明2个因素相互关联进而对企业渐进式创新绩效造成了影响，由此对共现频次进行汇总并编制共现频次矩阵，频次越大说因素之间的共现次数越多，通过Ucinet软件绘制共现网络图（图3）。图3网络中节点代表渐进式技术创新绩效影响因素，其中节点大小表明因素被文献提及次数多少，节点间连线代表因素间存在共现关系，连线粗度表明因素共现频次大小。从图中可看出，组织吸收能力、合作伙伴影响以及组织知识管理3个因素被提及次数最多；从连线可看出外部信息搜寻和组织吸收能力间连线最粗，表明二者被文献共同提及次数最多。

随后基于公式（1）-（3）对渐进式技术创新绩效影响因素共现网络进行分析，首先是个体特征分析，见表3，从加权度数中心度的结果来看，因素之间均存在聯系，尚不存在孤立点。其次是整体特征分析，整体来看网络中存在166对关系，网络密度达到了0.542，表明网络聚合度良好。通过将原矩阵进行0-1化处理后得到因素共现网络的整体中心势为38.24%，说明该网络的整体中心势较大，整个网络围绕核心因素发散开来。核心-边缘分析结果得到该网络的基尼系数为0.409，而基尼系数越接近0代表因素之间的关系越平等，由此说明该网络中各因素之间存在主次之分，关系具有区分度。

同时运用表3中因素核心度绘制核心-边缘区域图，如图4所示，其中核心度大于均值的区域为核心区域，可见各因素核心度从中间往四周逐渐降低。综合来看可以发现渐进式技术创新绩效影响因素网络较为集中，呈现出较强的整体性，且大多数因素间存在相互联系，同时网络中存在对整个网络具有较大影响的核心因素。因此，结合加权中心度和核心度，得到影响因素重要性层次图（图5），将处于第一象限（高中心度和高核心度）的6个因素，即组织知识管理（OKM）、外部信息搜寻（EIS）、组织吸收能力（OAC）、合作伙伴关系（EP）、组织研发能力（ORC）、组织技术水平（OTL）作为影响企业渐进式创新绩效的关键因素。

3.2 关联度计算及适应度景观生成

根据上述得到的因素关联性编制6个关键因素（B1～B6）的关联矩阵（见表4），结合适应度值和整体适应度值计算公式（4）-（5），得到企业渐进式创新绩效关键影响因素关联度K=4.17。并以此关联矩阵作为NK模型分析和适应度景观生成的原始数据，运用Python软件开展步骤（3）和（4）。

通过十万次模拟，得到部分相关结果，见表5，其中企业渐进式创新绩效提升的关键要素适应度矩阵见表5中1-6列，关键要素等位基因组合适应度结果见表5中7-13列，B1=1代表对关键因素i进行优化，否则保持不变，如当对关键因素i进行优化（B1=1）而其他因素保持不变（B2～B6=0）时，可以将此时的系统状态表示为二进制数组100 000，以此类推。从表中数据可以看出，一方面，并不是作用因素越多，系统整体适应度越高，如状态011111的适应度（ed=0.486 9）小于状态011110的适应度（ed=0.506 1），这表明在多因素相互作用的情况下，由于因素间的相互影响，反而可能会对系统带来负面作用，这印证了将因素间关联性纳入系统研究的必要性；另一方面，在相同数量的因素影响下，如对初始状态为100001的系统进行优化，状态为100011的系统适应度（ed=0.490 7）大于状态为100101下的系统适应度（ed=0.300 1），这表明对某些单因素进行不同时期或程度的控制确实能够提升渐进式创新绩效，需要考虑不同因素的先后作用；最后，状态111111的系统适应度（ed=0.717 8）高于其他状态，表明当对所有关键因素都进行优化，能够使得系统达到最佳状态。

基于上述适应度矩阵及其对应的适应度值，构建出企业渐进式创新绩效的适应度景观如图6所示。创新复杂程度的增加会导致适应度景观更加崎岖（体现在图6中山峰数量更多），局部最优点的数量（体现在图6中局部最高峰更多）以及通往局部最优点的路径都会增加，使得企业难以达到全局最优值（图6中最高峰），这反映了为什么企业在创新时容易陷入“局部最优”陷阱[50]。

通过单因素改变的方式对最佳提升路径进行搜寻，得到了企业渐进式创新绩效提升路径，截取了部分路径攀爬过程图如图7所示。企业渐进式创新绩效的提升路径就是探究关键因素的优化顺序，使得系统从初始状态000000到系统最佳状态111111之间的路径适应度稳定提升，图7中黑色粗线箭头代表依照该路径能够使得企业渐进式创新绩效不断提高，虚线则代表通过该路径进行攀爬会陷入局部最优陷阱。从图中可以看出，企业每一个决策选项都对应着一个或多个更高绩效的结果，初始状态与全局最优值之间的路径呈现出先发散后集中的现象，这表明企业存在多条渐进式创新绩效提升路径，这些路径能够到达系统局部最优点或者全局最优点。

因此，依据文中攀爬结果模拟结果可知企业达到全局最优适应度值的路径为：000000-100000-100100-100110-110110-110111-111111，即按照组织知识管理（OKM）、合作伙伴影响（EP）、组织研发能力（ORC）、外部信息搜寻（EIS）、组织技术水平（OTL）以及组织吸收能力（OAC）的先后顺序进行路径优化，可以使得整个系统的适应度处于不断增加的状态，从而达到渐进式创新绩效全局最优值。

4 结语

文中结合社会网络分析、NK模型等方法，针对企业渐进式创新这一普遍创新模式，构建了基于SNA-NK的企业渐进式创新绩效影响因素模型，并通过适应度景观获取渐进式创新绩效提升路径，得到结论及启示包括。

1）文中将企业渐进式创新过程视为一个由多因素组成及共同作用的复杂系统，通过文献搜索及社会网络分析，梳理得到影响企业渐进式创新的6个影响关键因素，包括知识管理（OKM）、外部信息搜寻（EIS）、吸收能力（OAC）、外部合作关系（EP）、研发能力（ORC）和技术水平（OTL），对因素间的关联性进行了探究。

2）研究发现因素之间的相互影响及因素先后优化顺序是影响关键因素对渐进式创新绩效作用结果的重要原因。该结论与已有文献研究观点存在差异，尽管已有研究指出政府政策、组织文化、环境动态性等是促进渐进式创新的必要条件，但本研究发现单个影响因素并不一定能决定企业渐进式创新绩效的必要条件，由于各影响因素之间存在关联和相互作用，需系统地分析企业渐进式创新绩效影响因素及因素的作用机制。

3）基于NK模型和适应度景观，以关键因素数量N、关联度K作为NK模型的输入，通过仿真迭代得到企业渐进式创新绩效的提升路径结果，且以知识管理、合作伙伴关系、研发能力、外部信息搜寻、技术水平及吸收能力的顺序进行优化，能够得到较优的渐进式创新绩效。研究结果支持了技术创新过程的复杂系统观，证实了技术创新路径的多元性，也间接解释了企业在进行渐进式创新实践活动可能步入“局部最优”陷阱的原因。

研究结果表明，企业进行技术创新过程中可能陷入“局部最优”陷阱，因此首先需要做好知识管理工作，拓展组织内部知识宽度和知识深度，针对相应的创新活动进行知识储备和利用；然后需要建立合作关系获取技术、知识等资源；同时提高自身研发能力、重视外部信息获取，促进组织内外部信息交流通畅，抢占创新先机；从而提升自身技术水平和吸收能力，加强对内外部信息的吸收以及外部技术与内部资源的整合利用，以提高渐进式创新绩效。

文中仅考虑了渐进式创新绩效的影响因素，尚未考虑其他创新类型，且未区分企业类型或行业类型。因此，未来可以对比不同创新类型的影响因素和提升路径，同时考虑不同的行业类型，如制造业、服务业、建筑业等，乃至研究工程创新与企业创新的绩效提升差异，由此为提升创新绩效、提高创新能力提出对策建议。

参考文献：

[1] XF，GUO S C，LI M N，et al.The effect of technology infrastructure investment on technological innovation：A study based on spatial durbin model[J].Technovation，2021，107：102315.

[2]FRANK G A，CORTIMIGLIA N M，RIBEIRO D L J，et al.The effect of innovation activities on innovation outputs in the Brazilian industry：Market-orientation vs.technology-acquisition strategies[J].Research Policy，2016，45（03）：577-592.

[3]BASEZ O M，HERRERO V F，BUSTINZA F O.Digital service innovation：A paradigm shift in technological innovation[J].Journal of Service Management，2021，33（01）：97-120.

[4]趙奇锋，鞠晓生，罗千峰.何种治理纠治企业创新短视？基于熊彼特传统的创新型企业理论[J].技术经济，2023，42（07）：25-40.

[5]克莱顿·克里斯坦森.创新者的窘境[M].胡建桥，译.北京：中信出版社，2014.

[6]FORES B，CAMISON C.Does incremental and radical innovation performance depend on different types of knowledge accumulation capabilities and organizational size？[J].Journal of Business Research，2016，69（02）：831-848.

[7]程聪，曹烈冰，张颖，谢洪明.中小企业渐进式创新影响因素结构分析：资源基础还是能力制胜？[J].科学学研究，2014，32（09）：1415-1422.

[8]WAN Q C，CHEN J，YUAN L，et al.Preferential tax policy and R&D personnel flow for technological innovation efficiency of Chinas high-tech industry in an emerging economy[J].Technological Forecasting & Social Change，2022，174：121228.

[9]苏屹，郭稳，孙笑明.技术距离对跨国并购双元创新绩效的影响及机制研究：文化相似性的调节作用[J].系统工程理论与实践，2023，43（06）：1668-1685.

[10]董媛媛，魏泽鹏.跨界双元搜索对双元创新绩效的影响：知识合作链与战略柔性整合视角[J].科技进步与对策，2021，38（22）：124-131.

[11]ZHOU J，LI J，JIAO H，et al.The more funding the better？The moderating role of knowledge stock on the effects of different government-funded research projects on firm innovation in Chinese cultural and creative industries[J].Technovation，2020，92-93：102059.

[12]SAHAR H，REZA H，REZA M A.The impact of knowledge management strategies on the relationship between intellectual capital and innovation：Evidence from SMEs[J].Journal of Intellectual Capital，2022，23（04）：765-798.

[13]张贝贝，李存金，尹西明.关键核心技术产学研协同创新机理研究：以芯片光刻技术为例[J].科技进步与对策，2023，40（01）：1-11.

[14]约瑟夫·熊彼特.经济发展理论[M].北京：中国人民大学出版社，2019.

[15]MARCH J G.Exploration and exploitation in organizational learning[J].Organization Science，1991，2（01）：71-87.

[16]李其容，李春萱，杨艳宇，等.基于被调节中介模型的团队绩效压力与双元创新的影响研究[J].管理学报，2022，19（12）：1811-1818.

[17]赫连志巍，闫阳.渐进式创新与企业绩效关系实证研究：基于财务绩效与成长绩效模型构建[J].财会通讯，2014（29）：30-32.

[18]HOLLAND J.Bank lending relationships and the complex nature of bank-corporate relations[J].Journal of Business Finance & Accounting，2010，21（03）：367-393.

[19]黄春萍，赵林，刘璞，等.新创企业品牌联合伙伴选择的计算实验研究[J].中国管理科学，2019，27（08）：129-141.

[20]張莹.组织内部协作网络特征对二元创新绩效的影响：基于半导体企业专利数据分析[J].情报工程，2018，4（02）：73-82.

[21]JIANG Z，LIU Z.Policies and exploitative and exploratory innovations of the wind power industry in China：The role of technological path dependence[J].Technological Forecasting and Social Change，2022，177：121519.

[22]王道金，吕鸿江，周应堂.CS视角下正式网络与非正式网络互动对创新能力影响的实证研究[J].管理工程学报，2022，36（03）：51-61.

[23]GUI L，LEI H，LE P B.Determinants of radical and incremental innovation：The influence of transformational leadership，knowledge sharing and knowledge-centered culture[J].European Journal of Innovation Management，2021，25（05）：1221-1241.

[24]KOBARG S，STUMPF-WOLLERSHEIM J，WELPE M I.More is not always better：Effects of collaboration breadth and depth on radical and incremental innovation performance at the project level[J].Research Policy，2018，48（01）：1-10.

[25]SHI X，LU L，ZHANG W，et al.Structural network embeddedness and firm incremental innovation capability：The moderating role of technology cluster[J].Journal of Business & Industrial Marketing，2020，36（11）：1988-2000.

[26]汪涛，王璐玮，储姗姗.中国高成长企业的双元创新路径探析：以苏南自创区瞪羚企业为例[J].中国科技论坛，2021（11）：57-68.

[27]NGONGONI C N，GROBBELAAR S S，SCHUTTE C S.Making sense of the unknown：Using change attractors to explain innovation ecosystem emergence[J].Systemic Practice and Action Research，2021，35（02）：227-252.

[28]陈雄辉.产业技术创新和技术创新人才互动支撑系统的标识[J].科技管理研究，2020，40（24）：26-32.

[29]WU W，LIANG Z，ZHANG Q，et al.Coupling relationships and synergistic mechanisms between technology management capability and technological capability in product innovation：A simulation study[J].Technology Analysis and Strategic Management，2020，32（09）：1998-1112.

[30]ANH T L，NGUGEN T，TRAN L.Relationships between innovation，its antecedents，and organisational performance：Evidences from auditing service industry[J].Knowledge Management Research & Practice，2021，21（03）：607-621.

[31]ANADON L D，CHAN G，HARLEY A G，et al.Making technological innovation work for sustainable development[J].Proceedings of the National Academy of Sciences，2015，113（35）：9682-9690.

[32]邵帅，徐俐俐，杨莉莉.千里“碳缘”一线牵：中国区域碳排放空间关联网络的结构特征与形成机制[J].系统工程理论与实践，2023，43（04）：958-983.

[33]金飞飞，刘金培，陈华友，等.基于信任关系和信息测度的概率语义社会网络群决策模型[J].中国管理科学，2021，29（10）：178-190.

[34]赵文霞，席艳玲，杨经国.数字产品贸易网络结构特征与合作态势研究[J].中国科技论坛，2023（02）：146-158.

[35]郭红梅，张智雄.加权网络中h类杂合中心度测度指标研究[J].情报杂志，2014，33（01）：55-57+43.

[36]WU X，WANG L，ZHENG H.A network effect on the decoupling of industrial waste gas emissions and industrial added value：A case study of China[J].Journal of Cleaner Production，2019，234（C）：1338-1350.

[37]劉思薇，周立军，杨静，等.人工智能产业技术标准合作网络演化与主体识别：基于社会网络分析法与TOPSIS熵权法[J].科技管理研究，2022，42（06）：143-152.

[38]焦建玲，杨宇飞，白羽.工业行业R&D技术溢出的社会网络分析[J].中国科技论坛，2017（10）：55-64.

[39]周向红，姚轶力，刘雨欣.数据要素流动背景下城市治理关键节点识别及影响因素分析：以上海市两区51个部门的数据为例[J].东南学术，2023（01）：137-149+247.

[40]SHOAR S，CHILESHE N，PAYAN S.Assessment of the causes and effects of design deficiencies for large construction projects using social network analysis[J].International Journal of Managing Projects in Business，2021，15（02）：371-395.

[41]李柏桐，郭汉丁，伍红民.基于SNA的既有建筑节能改造市场发展ESCO动力影响因素研究[J].科技进步与对策，2018，35（24）：150-154.

[42]FENG Y J，HE T.Safety risk evaluation of municipal engineering based on Poset+SNA[J].Safety and Environmental Engineering，2021，29（02）：1-8.

[43]WRIGHT S.The roles of mutation，inbreeding，crossbreeding，and selection in evolution[C]//Proceedings of the Sixth International Congress on Genetics，1932，Brooklyn，New York：356-366.

[44]KAUFFMAN S A，JOHNSEN S.Coevolution to the edge of chaos：Coupled fitness landscapes，poised states，and coevolutionary avalanches[J].Journal of Theoretical Biology，1991，149（04）：467-505.

[45]錢洪伟，郭晶，李甜甜.复杂适应系统理论视角下我国应急科技系统发展研究[J].科技进步与对策，2022，39（17）：19-29.

[46]KAUFFMAN S A，WEINBERGER E D.The NK model of rugged fitness landscapes and its application to maturation of the immune response[J].Journal of Theoretical Biology，1989，141（02）：211-245.

[47]张延禄，杨乃定，刘效广.企业技术创新系统的自组织演化机制研究[J].科学学与科学技术管理，2013，34（06）：58-65.

[48]汤洪霞，曹吉鸣，邵志国.BIM情境下综合设施管理组织合作关系提升路径选择[J].系统工程理论与实践，2020，40（09）：2406-2417.

[49]刘凯宁，樊治平，于超.基于NK模型的商业模式创新路径选择[J].管理学报，2017，14（11）：1650-1661.

[50]王建，胡珑瑛，马涛.联盟网络中企业创新平衡模式选择的影响研究：基于网络结构的视角[J].科学学研究，2014，32（02）：305-313.

（责任编辑：严焱）

收稿日期：2023-04-21

基金项目：国家自然科学基金项目（72161021；72162026；721942006）

作者简介：卓入峰（1999—），男，贵州毕节人，硕士研究生，主要从事技术创新与管理方面的学习与研究。