最优区分视角下企业信号传递对技术创新扩散的影响

万君 苗仲桢 季桓永 周思源

摘 要：现有研究认为信号传递有助于降低技术创新扩散过程中企业面临的“非合法性折扣”风险，但就如何有效使用信号传递策略存在悖论。基于最优区分理论，以网络资源身份特征作为企业信号传递的主要表征，在区分一致性和差异性的基础上，探索两者对技术创新扩散的协同效应。基于中国沪深上市高技术企业样本，发现在控制企业信号传递一致性和差异性特征的前提下，二者交互是影响技术创新扩散的主要因素，并且该影响受到企业历史业绩的负向调节。研究结论有助于拓展信号传递理论在技术创新扩散领域的应用，为企业创新实践提供经验参考。

关键词：技术创新扩散；企业信号传递；最优区分理论；企业历史业绩；行业竞争程度

DOI：10.6049/kjjbydc.2022090370

中图分类号：F091.354

文献标识码：A

文章编号：1001-7348（2023）10-0058-09

0 引言

技术创新作为经济范式升级的基本动力，在社会中的广泛扩散成为我国经济高质量发展的关键途径和动能，对于持续优化我国经济结构、实现创新驱动发展以及适应经济发展新常态具有重要意义^［1］。然而，技术创新在社会系统的扩散过程中往往面临市场失灵困境：由于技术创新往往跃迁于既有技术类别体系^［2］，而市场采纳者通常依靠既定类别评估技术价值^［3］，这会导致技术创新与市场采纳者之间存在较大的信息不对称，致使技术价值面临被低估的风险，即“非合法性折扣”^［4］，不利于技术创新广泛扩散^［5］。对此，近期的创新扩散研究指出应引入信号传递理论，认为当技术创新价值难以被市场采纳者有效观测时，企业可以向市场传递其身份特征信息作为替代性观测指标，增强市场采纳者对其技术价值的感知^［6］。但目前学界对于如何有效使用企业信号存在争议：部分研究将信号传递理论与制度理论相结合，强调信号传递应体现企业身份与同类机构的一致性，从而增强市场采纳者对其技术的合法性感知^［7］；另一部分研究则将信号传递理论与战略管理理论相结合，强调信号传递应体现企业身份与同类机构的差异性，从而增强市场采纳者对其技术的创新性感知^［8］。

最优区分理论的提出为解决上述争议提供了契机^［9］。该理论主张企业战略制定应兼顾由制度规范导致的一致性需求和竞争压力带来的差异性需求，并且通过一致性和差异性战略行为的协同形成定位上的最优区分，进而最大程度获得利益相关者认可^［10］。基于最優区分理论，企业信号传递之所以能够通过降低信息不对称获得市场采纳者认可，可能并不是其内在一致性或差异性特征单独作用的结果，而是受二者协同的影响。以往研究通常只关注信号传递的一致性或差异性单一特征，缺乏在统一框架下对二者进行系统区分，进而不利于解析二者的协同模式及其作用效果，这可能是导致对企业信号传递作用机制产生争议的重要原因。

此外，现有研究较少考虑情境因素对企业信号传递效果的影响^［11］。一方面，信号传递理论指出，只有当技术产品价值缺乏可观测性客观指标时，市场采纳者才会依据企业身份特征信息进行购买决策^［12］。因此，不难推测，随着市场采纳者可获取有关技术创新价值的观测客观指标（如历史业绩）增多，企业信号传递对技术创新扩散的影响可能会减弱。另一方面，随着某一技术领域竞争对手的增加，市场中的信号供给量随之增加，这可能增加市场采纳者的信号甄别成本（如分析企业战略伙伴关系），继而造成企业信号传递效用降低。因此，在基于最优区分理论探讨创新扩散中企业信号传递的作用机制时，还需要考虑上述情境因素的影响。基于以上分析，本文提出以下研究问题：①企业信号传递的一致性与差异性协同对技术创新扩散是否具有积极影响？②上述关系如何受到情境因素（企业历史业绩与行业竞争程度）的调节？

为解决上述问题，本文在区分企业信号传递一致性和差异性特征的基础上，引入最优区分理论，探索二者对技术创新扩散的协同效应，并进一步结合权变理论和信号传递理论，考察前述情境因素在其中的调节作用。本文以沪深两市挂牌上市企业为样本，样本涵盖六大制造行业，数据来源涵盖企业专利文本、财务信息等多源异构数据。这六大行业研发强度高，知识外溢明显^［13］，有助于观测本文变量间关系。同时，由于市场采纳者通常对新进入二级公开市场的企业较为陌生，从而有助于发掘企业信号传递对技术创新扩散的作用。此外，不同环境下的市场采纳者对信号类型的关注存在差异^［14］，对于高科技企业而言，其网络资源特征最受市场采纳者关注，并且蕴含的一致性和差异性特征明显^［15］，因而本文将网络资源作为企业信号传递的主要表征。本文研究结论有助于拓展信号传递理论在创新扩散领域中的应用，为企业合理建构身份特征向市场传递有效信号，缓解技术创新实践中的市场失灵困境提供决策建议，并为政府构建竞争有序的营商环境、合理引导企业健康发展、解决市场失灵问题以及实现精准政策供给提供经验参考。

1 文献综述

1.1 信号传递理论在创新扩散研究中的应用

信号传递理论自提出以来，已在金融市场、战略管理、公司治理、人力资源、市场营销和产业政策等多个领域得到广泛应用^［16］。学者们考察了政企关系、研发合作、内控质量、高管特征、团队特征、社会责任信息披露及技术授权等多种企业身份特征在应对信息不对称时体现的信号功能^［17］，反映出企业信号的丰富内涵。聚焦本文关注的研发密集型企业，现有研究指出其在网络资源、治理结构和身份表述等方面所传递的信号最受市场采纳者关注。

在创新扩散领域，现有研究基于创新者视角考察了技术特征、基础研发投入和合作伙伴选择等因素对创新扩散的影响^［5］。这些研究为理解企业战略行为与创新扩散间关系作出了贡献，但对于企业应采取何种有效策略应对技术创新在扩散过程中面临的市场失灵问题还缺乏深入探讨。过往研究表明，无论是在位企业还是新创企业，在推广创新技术时，都会面临因其跃迁于既有技术类别体系而产生的市场失灵问题^［18］。对此，近期的创新扩散研究认为企业可以通过向市场传递其身份特征增强市场采纳者对其技术价值的感知^［6］。然而，相关研究在企业信号作用机制上存在一致性与差异性的争议。

一些研究聚焦市场采纳者，认为信号传递的两种作用机制之所以成立是因为企业面对的市场采纳者偏好存在差异^［4］。然而，商业实践发现，即使企业面对的是同种类型或相似的市场采纳者，这种分歧依然普遍存在^［15］。由此表明，现有研究关于企业信号传递对创新扩散影响机制的学理分析尚不充分，有待进一步探究。

1.2 最优区分理论成为前沿研究视角

最优区分理论最早源于社会学，认为组织身份应兼顾与同类组织的一致性和差异性，形成身份上的最优区分，从而更好地获得利益相关者认可^［19］。后续研究将该理论进一步延伸到战略管理领域，强调企业战略定位应兼顾一致性需求和差异性需求，以此提升竞争优势^［4］。关于如何兼顾一致性和差异性，早期研究结合战略平衡观，将一致性和差异性视为一个统一连续体的两端，认为企业应通过平衡二者间的张力从而最大化绩效^［20］。但这种观点遭到后续学者批判，认为适度平衡致使企业陷入“中间陷阱”，损害其竞争优势^［21］。相应地，后期研究进一步提出战略协奏观，指出企业战略具有复杂多维特征，其在某一维度的差异性/一致性特征可以通过与另一维度的一致性/差异性特征协同，从而最大化企业绩效^［22］。考虑到企业信号传递的多维复杂内涵，本文主要基于最优区分理论的战略协奏观进行论证。

借鉴现有文献^［15］，本文将企业信号传递界定为企业向市场释放身份特征信息，该信息能够体现企业与同类机构的一致性或差异性特征。其中，一致性特征是指企业身份特征与同类机构在市场中遵守相同的组织惯例、规则或价值观；差异性特征是指企业身份特征与同类机构在市场环境中展现出的独特优势。基于最优区分理论，企业信号传递之所以能够通过降低信息不对称获得市场采纳者认可，可能并不是其内在一致性或差异性特征单独作用的结果，而是二者协同的体现^［9］。

需要指出的是，虽然过往研究已经发现企业信号传递（如高管团队结构、社会责任信息披露等）的一致性和差异性特征^［16］，但往往仅关注其中某一方面，缺乏在统一框架下对两种特征进行有效区分，进而难以解析两种特征的协同模式及作用效果。此外，最优区分理论框架下的战略协奏观指出，企业最优区分行为与绩效间的关系还受到情境因素影响^［23］，但现有研究较少就企业信号传递对技术创新扩散的边界条件进行深入探讨。探索上述问题有助于在最优区分视角下拓展企业信号传递的概念内涵，深化对企业信号传递与技术创新扩散关系的理解，同时丰富最优区分理论的边界条件。因此，本文的另一个任务是对信号传递理论和创新扩散理论作出补充。

2 理论基础与研究假设

2.1 企业信号传递与技术创新扩散

如前文所述，企业身份特征作为信号传递存在多种表现形式，而网络资源作为企业身份特征的主要表征^［18］，其所传递的信号是市场采纳者评估企业竞争位势和合法性程度^［24］的重要依据。因此，本文以企业网络资源特征为切入点，探索企业信号传递一致性与差异性特征对技术创新扩散的协同效应。

企业网络资源由不同类型的利益相关者组成。利益相关者是企业合法性的提供者，而合法性又是企业从组织外部获取資源的重要前提，因而企业只有满足利益相关者需求才能获得其认可^［25］。由于不同类型的利益相关者因制度逻辑差异导致其需求存在区别，因而企业需要考虑如何建立和平衡与不同利益相关者的关联^［26］。由此不难推断，企业与不同类型利益相关者建立的关联越多，越可能符合社会整体的合法性认知^［27］，其在网络资源维度与其它企业身份特征的一致性也就越高。同时，企业也可以重点与某一类利益相关者深化联系，体现其战略部署和资源分配与其它竞争对手在网络资源维度上的差异性。

就技术创新扩散而言，由于其前沿性强，往往跃迁于现有技术经济范式形成的类别体系，因而会造成市场采纳者难以对其进行有效评估^［18］。企业信号传递是在技术价值属性难以被有效观测时，降低信息不对称和增强市场采纳者感知的重要策略^［15］。如果信号传递过于追求一致性，则可能降低市场采纳者对技术创新的价值感知；如果信号传递过于追求差异性，则可能进一步提高市场采纳者的认知门槛^［20］。最优区分视角下的战略协奏观主张不同战略维度在一致性和差异性上可以互为支撑，从而最大化绩效^［10］，这一观点也在近期相关研究中得到支持。如郭海等^［28］基于我国数字经济行业样本发现，二元创新与政治战略交互可以最大化新创企业的市场表现。因此，在网络资源维度，企业信号传递之所以能够影响技术创新扩散可能是由其一致性与差异性特征协同的结果。基于以上分析，本文提出如下假设：

H₁：企业信号传递的一致性与差异性协同对技术创新扩散有显著正向影响。

2.2 企业历史业绩与行业竞争程度的调节作用

企业信号传递一致性与差异性协同对技术创新扩散的作用效果还可能受到情境因素的影响^［11］。基于信号传递理论，信号传递的效用不仅受到信号发出方本身的影响，还受到接收方对信号甄别成本的约束^［16］。一方面，作为技术创新水平的观测指标，企业历史业绩越好，市场采纳者对企业身份特征这一信号的依赖性就越低^［15］；另一方面，行业竞争程度越高，市场采纳者接收到不同企业的身份特征信号数量越多，相应的甄别成本也越高，这会降低单一企业信号传递效果^［29］。因此，需要进一步考察企业历史业绩和行业竞争程度对前述关系的调节效应。

企业历史业绩是指企业业绩随时间发展的动态计量，强调过去一定时间内的业绩水平。现有研究表明，企业历史业绩与新技术、新产品扩散效果具有密切联系，是体现企业技术创新水平的重要观测指标^［30］。例如，Mario等^［31］结合英国制造业样本研究发现，企业历史业绩提升将促进新产品在市场中的扩散；夏清华和王瑜^［32］基于中国企业样本的实证研究也得到类似结论。本文主效应假设的前提是技术创新的价值属性难以被观测，市场采纳者需要借助企业身份特征信息进行推测^［6］，而随着技术价值的可观测客观指标增多，企业以身份特征作为信号传递的重要性则会降低。因此，可以推断，企业历史业绩越好，意味着企业技术价值越容易被市场采纳者观测，其对企业身份特征信息的依赖性将会下降，企业信号传递的效用随之降低。由此，本文提出如下假设：

H_2a：企业历史业绩负向调节企业信号传递一致性、差异性协同与技术创新扩散间的关系。

根据信号传递理论，信号传递效果还受到市场采纳者甄别信号成本的影响。当甄别成本增加时，信号传递效用随之降低^［16］。行业竞争程度越高，意味着向市场采纳者传递的各类信息越丰富，其中包含企业为降低技术创新的“非合法折扣”风险而向市场传递的身份特征信息。市场采纳者对各类企业披露信息进行关注、比较和决策的精力是有限的，这会导致单一企业以身份特征作为信号传递的效用下降。Goldenstein等^［11］研究发现，随着企业所在行业的竞争程度提高，市场政策的效果会削弱；Haans^［23］实证研究发现，行业竞争程度会降低企业战略执行效果。基于以上分析，本文提出以下假设：

H_2b：行业竞争程度负向调节企业信号传递一致性、差异性协同与技术创新扩散间的关系。

3 研究设计

3.1 样本与数据

本文以2008—2021年为观测期，以沪深两市挂牌上市企业为研究对象。考虑到企业网络资源由不同类型的利益相关者组成，而企业社会责任行为能够反映企业与不同类型利益相关者的交互^［27］，因而本文基于上市企业社会责任报告测度企业网络资源身份特征。样本起始年选择2008年是因为受中国证监会政策影响，自2008年起我国上市企业披露社会责任报告数量显著增加。以2019年为终止年是因为考虑到专利被引具有截断偏差和滞后效应，通常在授权后3年内接近总被引量^［17］，因而从2021年开始倒推，从而使得实证发现的自变量与因变量关系充分接近真实关联。

依據国家统计局印发的《高技术产业（制造业）分类（2017）》，本文研究样本涵盖医药制造业，航空、航天器及设备制造业，电子及通信设备制造业，计算机及办公设备制造业，医疗仪器设备及仪器仪表制造业，信息化学品制造业六大行业。样本筛选步骤如下：①在Osiris数据库中，基于北美产业分类体系（NAICS）收集在中国沪深两市上市的前述6类行业企业样本；②剔除未发布过社会责任报告的企业；③借鉴现有文献^［33］，剔除不在观测期间上市、ST、^*ST以及自变量观测值缺失超过一半年份的企业，最终得到223家样本企业，观测值为1 526个。

3.2 变量测度

（1）因变量：技术创新扩散。借鉴现有文献^［17］，本文使用专利被引用数量测度技术创新扩散，数据来源于国泰安数据库中的“上市公司及其子公司授权专利被引用信息”。相较于传统专利引用信息统计数据库（如德温特世界专利索引），该数据库很好地整合了上市公司及其子公司专利信息，能够极大降低专利引用信息的统计偏差。进一步，为规避由专利授权年份不同引发的专利被引用频次差异，本文借鉴现有文献^［5］，采用年均被引用数（被引频率）表征技术创新扩散，具体计算公式如下：

ID_it=ln（CN_it/N_year）    （1）

其中，ID_it为企业i在t年获得授权专利的总被引频次，CN_it表示截至2021年12月31日，企业i在t年获得授权专利的总被引数，N_year表示2021年与专利授权年份的差值。

（2）自变量：企业信号传递一致性与差异性协同。本文使用企业网络资源身份特征表征企业信号传递，相应地，以企业网络资源一致性与差异性特征的交互项反映其协同效应^［28］。如前文所述，企業网络资源由不同类型的利益相关者组成，包括股东、债权人、职工、供应商、客户、环境、社区和政府8类，相应数据采集自国泰安数据库。

借鉴现有文献^［27］，本文将企业网络资源的一致性特征界定为企业经营中对不同类型利益相关者的覆盖程度。在具体测度时，考虑到不同利益相关者对企业经营的影响存在差异性，企业网络资源的一致性特征用是否涉及该类利益相关者与其网络中心性的加权和表征，具体计算公式如下：

其中，Conformity表示焦点企业网络资源的一致性特征，CEN_it表示利益相关者i在t年的网络中心性，n表示利益相关者类型。Signaltypes_it表示焦点企业涉及的利益相关者i，在企业社会责任报告文本中出现该类利益相关者，记为1，否则为0。

进一步计算企业网络资源的差异性特征。借鉴现有文献^［15］，本文将企业网络资源的差异性特征界定为企业与行业内竞争对手在利益相关者资源分配上的异质性，具体计算公式如下：

其中，Differentiation为焦点企业网络资源的差异性特征，FE_it表示焦点企业对利益相关者i在t年投入的项目数占所有投入项目数的比重，AE_it则是该比重在焦点企业所属行业的平均值。

基于以上分析，企业网络资源的一致性与差异性协同用式（4）表征。

ODs=Conformity*Differentiation    （4）

（3）调节变量：企业历史业绩与行业竞争程度。本文引入企业历史业绩和行业竞争程度进一步考察企业信号传递一致性与差异性协同对技术创新扩散影响的边界条件。借鉴现有文献^［15］，企业历史业绩用t-1年的营业利润测度，数据来源于Osiris数据库，缺失数据通过查阅样本企业年报进行补充。采用赫芬达尔—赫希曼指数（HHI）描述企业所在行业竞争程度，具体计算方法如式（5）所示，HHI的值域为［0，1］，数值越小表示行业竞争程度越高。

其中，x_i表示企业i的主营业务收入，x表示企业所属行业的主营业务收入。

（4）控制变量。为更好地观测自变量的净效应，本文控制其它可能影响技术创新扩散的因素^［17］，包括企业年龄、企业规模、企业盈利能力、企业研发费用占比以及企业创新储备。同时，本文还控制企业信号传递的一致性与差异性特征。各变量及测度如表1所示。

3.3 分析模型

通过Hausman检验发现，固定效应模型比随机效应模型更有利于观察变量间的关系，并且固定效应模型还有助于控制其它未被观测到的潜在因素。因此，本文基于固定效应模型探索企业信号传递一致性、差异性协同与技术创新扩散间的关系以及企业历史业绩和行业竞争程度在其中的调节效应，具体模型构建如下：

Y_it=β₀+β₁X_it+α_i+β_t+ε_it（6）

其中，i表示企业，t表示时间，Y_it表示因变量技术创新扩散，X_it表示自变量、调节变量、控制变量及其交互项，α_i表示企业个体固定效应，β_t表示时间固定效应，ε_it表示标准残差，β₀、β₁为系数。

4 实证分析

4.1 描述性统计分析

各变量均值、标准差以及相关系数矩阵如表2所示。由表2可知，绝大部分变量的相关系数小于0.3，技术创新扩散与企业信号传递的一致性、差异性协同具有显著正相关关系（r=0.05，p<0.1），企业历史业绩与自变量、因变量的相关关系显著。这一结果为研究假设提供了初步证据。

4.2 多元回归分析

本文运用Stata15并采用层次回归检验研究假设，结果如表3所示。其中，模型1为基准回归结果；模型2在模型1基础上纳入自变量，以解析企业信号传递一致性与差异性协同对技术创新扩散的影响；模型3、4依次引入企业信号传递的一致性、差异性以及二者协同与调节变量的交互项，以分析调节效应。为避免多重共线性，对模型中各交互项值作标准化处理^［34］。

由模型1結果可知，企业信号传递一致性与差异性特征的系数均为负，初步表明上述两个变量对技术创新扩散具有负向影响，但不显著。模型2中，企业信号传递的一致性与差异性协同（β=0.198，p<0.05）对技术创新扩散具有显著积极影响，H₁得到验证。同时，企业信号传递的差异性特征（β=-0.488，p<0.05）对技术创新扩散具有显著负向影响，企业信号传递的一致性特征对技术创新扩散具有负向影响，但不显著。这说明企业信号传递的一致性和差异性特征单独作用并不能正向影响技术创新扩散，而两者协同能促进技术创新扩散。

模型3、4结果显示，在调节效应检验中，在控制企业信号传递一致性、差异性特征与调节变量的交互项后，企业信号传递的一致性与差异性协同（β=0.145，p<0.05；β=0.143，p<0.1）对技术创新扩散具有显著积极影响，其与企业历史业绩的交互项（β=-0.586，p<0.05）显著负向影响技术创新扩散。这表明企业历史业绩会削弱企业信号传递一致性与差异性协同对技术创新扩散的作用，H_2a得到验证。同时，企业信号传递一致性、差异性协同与行业竞争程度的交互项对技术创新扩散不具有显著影响，H_2b未得到支持，即行业竞争程度未能明显削弱企业信号传递一致性、差异性协同与技术创新扩散间的关系。

4.3 稳健性检验

本文采用3种方式进行稳健性检验。首先，由于本文已经考虑样本截断偏差对专利被引数的影响，因而采用专利累计被引数的自然对数（y）测度技术创新扩散^［17］，结果如表4所示。结果显示，企业信号传递一致性与差异性协同对技术创新扩散具有显著积极影响，企业历史业绩负向影响企业信号传递一致性、差异性协同与技术创新扩散间的关系，行业竞争程度的调节效应不明显。上述结论与主效应回归结果一致，说明本文结论稳健。

其次，本文采用工具变量法检验内生性问题。借鉴现有文献，本文选取除焦点企业外的行业内企业信号传递一致性与差异性协同均值（AODs）以及企业信号传递一致性与差异性协同的滞后一期（L.ODs）两个工具变量，采用两阶段最小二乘法进行检验，结果如表5所示。具体模型如下：

第一阶段：ODs=α+β*IVS+γControls+λ    （7）

第二阶段：ID_it=α+β*Fitted_ODs+γControls+λ    （8）

由回归结果可知，工具变量均通过了不可识别检验、弱工具变量检验和过度识别检验，说明工具变量选取合理。同时，工具变量对企业信号传递一致性与差异性协同具有显著影响，第一阶段生成ODs的拟合值（Fitted_ODs）对技术创新扩散具有显著积极影响。上述结论进一步验证了主效应结果。

最后，对6个行业样本分组进行回归，结果均与主效应模型结论基本一致，说明本文实证结果稳健性较强。

5 结语

5.1 研究结论

现有研究认为信号传递有助于降低技术创新扩散过程中企业面临的“非合法性折扣”风险，但就如何有效使用信号传递策略存在争议，制度理论学者强调企业信号传递一致性特征的合法性功能，而战略学者则关注企业信号传递差异性特征的创新性功能。对此，本文引入最优区分理论，认为只有企业信号传递一致性与差异性特征协同才能通过降低信息不对称，获得市场采纳者认可。基于此，本文以企业网络资源身份信息特征为切入点，探析企业信号传递一致性、差异性协同与技术创新扩散间的关系以及边界条件在其中的作用，并利用沪深上市研发密集型企业样本进行实证分析，得到以下主要结论：

首先，企业信号传递一致性与差异性协同对技术创新扩散具有显著积极影响。一方面，企业信号传递一致性或差异性的单一特征不利于技术创新扩散，在控制一系列变量的情况下，发现企业信号传递一致性与差异性协同正向影响技术创新扩散。这一结论支撑了最优区分理论观点^［9］，即组织应保持其身份特征在一致性与差异性上的高度协同，从而最大程度获得利益相关者的认可和支持。另一方面，早期最优区分理论主要基于战略平衡观，认为企业保持适度一致性与差异性的静态平衡状态就可以获得最优绩效^［20］，但这种观点遭到后续学者批判^［21］。在此基础上，学者们进一步提出战略协奏观，认为企业的一致性与差异性战略行为可以互为支撑，二者交互形成的最优区分战略能够最大程度获得利益相关者认可，进而提升绩效水平^［10］。本文以企业网络资源身份特征为切入点，发现企业信号传递一致性与差异性协同能够正向影响技术创新扩散，有力支持了最优区分理论框架下的战略协奏观。

其次，企业信号传递一致性、差异性协同与技术创新扩散间的关系受到边界条件的影响，支撑了最优区分问题需要考虑情境因素的观点^［23］。具体而言，企业历史业绩负向调节企业信号传递的一致性、差异性协同与技术创新扩散间的关系。这一发现与Buhr等^［15］的研究结论一致，即当企业历史业绩较好时，企业信号传递一致性与差异性协同对市场表现的影响被削弱。本文在技术创新扩散研究情境下，同样发现企业可观测客观指标（如历史业绩）的增加，将使企业信号传递一致性与差异性协同功能下降。此外，行业竞争程度对企业信号传递一致性、差异性协同与技术创新扩散间关系的调节作用不显著。这与已有研究结论并不一致，可能的原因在于，过往研究主要基于西方国家市场情境，而当前我国正处于经济转型阶段，在营商环境营造和市场竞争力培育方面与西方国家尚存在一定差距。

5.2 实践启示

从企业角度出发，一 方面，应积极发挥企业信号传递在技术创新扩散过程中的作用。由于技术创新在扩散过程中往往面临“非合法性折扣”风险，企业作为创新主体，需要通过合理的身份建构向市场传递有效信号，即保持身份特征的一致性与差异性协同，促进技术创新有效扩散，提升企业创新绩效。另一方面，企业应充分披露内部信息，发挥其历史业绩对技术创新扩散的效用，企业历史業绩越好，越能够提高其技术创新扩散水平。

从政府治理角度看，创新在社会系统中的广泛扩散是促进我国经济转型的关键。针对技术创新扩散过程中企业面临的“非合法性折扣”等市场失灵问题，政府需要引导企业策略性地披露身份特征信息，充分兼顾一致性与差异性特征，从而促进技术创新的广泛扩散。同时，政府需要鼓励和引导企业合理竞争、充分竞争，营造竞争有序且健康的市场环境，提高市场运行有效性，最大程度减少市场失灵问题。

5.3 不足与展望

本文存在以下局限性：第一，为更好地观测变量间关系，本文样本仅选取研发密集型行业，后续可将样本选择范围延伸到国内外多个产业，以提高研究结论的普适性。第二，本文对企业信号的考察仅关注了企业网络资源特征，虽然该身份特征信息具有代表性，适合本文研究情境，但未来可考虑探索其它类型的企业身份特征信息，如公司治理结构、身份表述等，以丰富企业信号的概念内涵。

参考文献：

［1］曲立，王璐，季桓永.中国区域制造业高质量发展测度分析［J］.数量经济技术经济研究， 2021，38（9）：45-61.

［2］TYLECOTE A. Biotechnology as a new techno-economic paradigm that will help drive the world economy and mitigate climate change［J］.Research Policy， 2019， 48（4）：858-868.

［3］JONSSON S， GREVE H R， FUJIWARA-GREVE T. Undeserved loss： the spread of legitim-acy loss to innocent organizations in response to reported corporate deviance［J］.Administrative Science Quarterly， 2009， 54： 195-228.

［4］ZHAO E Y， ISHIHARA M， LOUNSBURY M. Overcoming the illegitimacy discount： cultural entrepreneurship in the US feature film industry［J］.Organization Studies， 2013， 34（12）：1747-1776.

［5］刘凤朝， 张淑慧， 朱姗姗. 技术知识多样性的双重作用： 专利受理及创新影响——基于对象—过程视角的研究［J］.中国软科学， 2018，33 （9）： 148-159.

［6］HAHL O.Turning back the clock in baseball： the increased prominence of extrinsic rewards and demand for authenticity［J］.Organization Science，2016，27（4）：929-953.

［7］PLUMMER L A， ALLISON T H， CONNELLY B L. Better together？ signaling interactions in new venture pursuit of initial external capital［J］.Academy of Management Journal， 2016， 59： 1585-1604.

［8］VANACKER T， FORBES D P， KNOCKAERT M， et al. Signal strength， media attention， and resource mobilization： evidence from new private equity firms［J］.Academy of Management Journal， 2020， 63（4）：1082-1105.

［9］ZHAO E Y， FISHER G， LOUNSBURY M， et al. Optimal distinctiveness： broadening the interface between institutional theory and strategic management［J］.Strategic Management Journal， 2017， 38（1）： 93-113.

［10］郭海，李永慧，赵雁飞.求同还是存异？最优区分研究回顾与展望［J］.南开管理评论，2020，23（6）：214-224.

［11］GOLDENSTEIN J， HUNOLDT M， OERTEL S. How optimal distinctiveness affects new ventures' failure risk： a contingency perspective［J］.Journal of Business Venturing， 2019， 34：477-495.

［12］FRAKE J. Selling out： the inauthenticity discount in the craft beer industry［J］.Management Science， 2016， 63： 3930-3943.

［13］BELDERBOS R， FAEMS D， LETEN B， et al. Technological activities and their impact on the financial performance of the firm： exploitation and exploration within and between firms［J］.Journal of Product Innovation Management，2010，27（6）：869-882.

［14］PETERSON R A. Creating country music： fabricating authenticity［M］.Chicago： University of Chicago Press，1997.

［15］BUHR H， FUNK R J， OWEN-SMITH J. The authenticity premium： balancing conformity and innovation in high technology industries［J］.Research Policy， 2021， 50： 104085.

［16］CONNELLY B L， CERTO S T， IRELAND， R D， et al. Signaling theory： a review and assessment［J］.Journal of Management， 2011， 37（1）：39-67.

［17］PAPAZOGLOU M E， SPANOS Y E. Bridging distant technological domains： a longitudinal study of the determinants of breadth of innovation diffusion［J］.Research Policy， 2018， 47（9）： 1713-1728.

［18］BENNER M J. The incumbent discount： stock market categories and response to radical technological change［J］.Academy of Management Review， 2007， 32（3）：703-720.

［19］BREWER M B. The social self： on being the same and different at the same time［J］.Personality and Social Psychology Bulletin， 1991，17： 475-482.

［20］DEEPHOUSE D L. To be different， or to be the same？ it's a question （and theory） of strategic balance［J］.Strategic Management Journal，1999， 20（2）：147-166.

［21］CENNAMO C， SANTALO J. Platform competition： strategic trade-offs in platform markets［J］.Strategic Management Journal，2013， 34（11）：1331-1350.

［22］MCKNIGHT B， ZIETSMA C. Finding the threshold： a configurational approach to optimal distinctiveness［J］.Journal of Business Venturing， 2018， 33（4）：493-512.

［23］HAANS R F J. What's the value of being different when everyone is？the effects of distinctiveness on performance in homogeneous versus heterogeneous categories［J］.Strategic Management Journal，2019，40（1）：3-27.

［24］HANNAH D P， EISENHARDT K M. How firms navigate cooperation and competition in nascent ecosystems［J］.Strategic Management Journal，2018，39（12）：3163-3192.

［25］PETERSEN H L， VREDENBURG H. Morals or economics？ institutional investor preferences for corporate social responsibility［J］.Journal of Business Ethics，2009，90： 1-14.

［26］ FISHER G， KURATKO D F， BLOODGOOD J M， et al. Legitimate to whom？ the challenge of audience diversity and new venture legitimacy［J］.Journal of Business Venturing，2017， 32：52-71.

［27］ ZHANG Y， WANG H， ZHOU X. Dare to be different？ conformity vs. differentiation in corporate social activities of chinese firms and market responses［J］.The Academy of Management Journal， 2020， 63（3）：717-742.

［28］ 郭海，李陽，李永慧.最优区分视角下创新战略和政治战略对数字化新创企业绩效的影响研究［J］.研究与发展管理，2021，33 （1）：12-26.

［29］ NEGRO G， HANNAN M T， FASSIOTTO M. Category signaling and reputation［J］.Organization Science，2015，26 （2）：584-600.

［30］ 孙继伟， 李晓琳. 技术型企业过往绩效对团队创新行为的影响：关系冲突的中介效应［J］.科技进步与对策， 2018， 35（5）：88-95.

［31］ KAFOUROS M I， BUCKLEY P J， SHARP J A， et al. The role of internationalization in explaining innovation performance［J］.Technovation， 2008， 28（1-2）： 63-74.

［32］ 夏清华， 王瑜. 不同年龄阶段下中国企业绩效对创新投入的影响——来自制造业上市公司的动态面板数据［J］.工业技术经济， 2015， 34（12）：88-95.

［33］ LUO X R， WANG D， ZHANG J. Whose call to answer： institutional complexity and firms' CSR reporting［J］.Academy of Management Journal， 2017，60（1）：321-344.

［34］ ZHANG Y， YANG Z， ZHANG T. Strategic resource decisions to enhance the performance of global engineering services［J］.International Business Review， 2018， 27（3）： 678-700.

（责任编辑：陈 井）

The Influence of Firms' Signals on Technological Innovation Diffusion

from the Perspective of Optimal Distinctiveness

Wan Jun ¹， Miao Zhongzhen²， Ji Huanyong ³， Zhou Siyuan³

（1. School of Economics and Management， Beijing University of Posts and Telecommunications， Beijing 100876， China;

2. School of Public Policy and Management， Tsinghua University， Beijing 100084， China; 3. School of

Economics and Management， Beijing Information Science and Technology University， Beijing 100096， China）

Abstract：Market audiences rely on categories to evaluate market offerings， and there might be the “illegitimacy discount” problem when they deviate from category norms. By definition， technological innovation naturally suffers from such a problem， yet it is usually rewarded by the market. Recent studies employ the signaling theory to explain this phenomenon. They argue that innovation suppliers may use their identities as signals to reduce the information asymmetry between their innovations and market audiences. However， some studies emphasize signal conformity， i.e.，the identity of an innovation supplier should be similar with peer organizations to achieve institutional legitimacy; while others highlight signal differentiation， i.e.，the identity of an innovation supplier should be different from peer organizations to obtain competitive advantages. Such an inconsistency requires further investigation.

The above paradoxical arguments may be caused by the complexity of signaling strategies as well as the influence of boundary conditions. First， this study draws on optimal distinctiveness theory which argues that a firm's strategy should concern both conformity and differentiation to achieve legitimacy and competitive advantages simultaneously for the maximization of economic performance. As such， the reason for using identities as signals to promote audiences' perception is the orchestration of signal conformity and signal differentiation. However， these two signal attributes are commonly assessed in isolation rather than in their entirety. Second， most extant literature has taken a general view that firms' signals are related to technological innovation diffusion， yet few studies examine under what conditions signals are more or less effective. Drawing on the contingency theory， the study argues that the effectiveness of a strategy depends on both a firm's internal resources and the business environment. On the one hand， the signaling theory suggests that market audiences rely on signals when the value of innovation is unobservable. Thus， the effect of a firm's signals on technological innovation diffusion may become weaker when audiences have greater visibility of innovations' objective properties， such as track record. On the other hand， with the increase of the number of competitors in an industry， more efforts are required to evaluate these signals from audiences， which may result in lower signals' effectiveness.

To resolve the aforementioned research gaps， this paper uses a firm's network as the proxy for signals to explore the impact of the orchestration of the conformity and differentiation of signals on technological innovation diffusion. This is because network is one of the most important signals as previous studies have implied. The moderating effects of track record and competition on this relationship are investigated. The framework is examined based on the sample collected from high-tech firms that went public between 2008 and 2021 in the pharmaceutical manufacturing， aerospace product and parts manufacturing， computer and electronic product manufacturing， electrical equipment and component manufacturing， and chemical manufacturing sectors. The final sample includes 223 firms after a series of assembling steps.The  fixed-effect model is employed to test hypotheses， other methods including alternative measurements， instrumental variable estimation and sub-group re-estimation are all applied in the robustness tests.

The empirical results show that （1） the orchestration of the conformity and differentiation of signals could promote technological innovation diffusion; （2） such a relationship is weakened when a firm has outstanding track records.These findings contribute to the existing literature in three ways. First， drawing on the optimal distinctiveness theory， this study  conceptualizes a firm's signals as signal conformity and signal differentiation， and it measures them by employing text mining analysis. Second， it enriches the understanding of the relationship between a firm's signals and technological innovation diffusion by showing that signal conformity and signal differentiation may impact technological innovation diffusion interactively. Third， it advances the boundary conditions of the application of optimal distinctiveness theory.

Accordingly，enterprises should play an active role in enterprise signal transmission in the process of technological innovation diffusion. They could fully disclose internal information and play an active role in the diffusion of technological innovation. The better their historical performance is， the better their level of technological innovation diffusion will be. Meanwhile， the government needs to guide enterprises to strategically disclose identity information， give full consideration to consistency and diversity， and encourage enterprises to compete reasonably so as to build an orderly and healthy market environment， improve the effectiveness of market operation and minimize market failure.

Key Words：Technological Innovation Diffusion;Firms' Signaling; Optimal Distinctiveness Theory;Track Records; Industry Competition