科技和产业

变量类型	变量名称	衡量指标
被解释变量	企业创新绩效(CXJ)	研发投入/主营业务收入
解释变量	探索式搜寻(TS)	企业在本年度内申请发明专利的IPC分类号前3位所代表的技术类别在过去三年内从未申请过的专利数量加1的自然对数
利用式搜寻(LY)	企业在本年度内申请的发明专利数量扣除探索式搜寻的数量加一的自然对数
中介变量	吸收能力(XSN)	对企业研发投入的对数、研发人员的对数和无形资产的对数进行因子分析定权
控制变量	企业规模(Size)	企业人数的自然对数
企业年龄(Age)	企业成立至调查之日的经营年限
总资产净利润率(ROA)	净利润/总资产平均余额
股权集中度(H5)	前五大股东持股比例平方和

变量类型	变量名称	衡量指标
被解释变量	企业创新绩效(CXJ)	研发投入/主营业务收入
解释变量	探索式搜寻(TS)	企业在本年度内申请发明专利的IPC分类号前3位所代表的技术类别在过去三年内从未申请过的专利数量加1的自然对数
利用式搜寻(LY)	企业在本年度内申请的发明专利数量扣除探索式搜寻的数量加一的自然对数
中介变量	吸收能力(XSN)	对企业研发投入的对数、研发人员的对数和无形资产的对数进行因子分析定权
控制变量	企业规模(Size)	企业人数的自然对数
企业年龄(Age)	企业成立至调查之日的经营年限
总资产净利润率(ROA)	净利润/总资产平均余额
股权集中度(H5)	前五大股东持股比例平方和

变量	均值	标准差	CXJ	LY	TS	XSN	Age	Size	ROA	H5
CXJ	9.887	7.947	1
LY	1.247	0.770	-0.310^**	1
TS	1.537	0.633	0.591^**	0.519^**	1
XSN	5.944	0.397	0.660^**	0.212^**	0.467^**	1
Age	14.728	4.052	0.046	-0.147	0.040	0.041	1
Size	3.123	0.443	0.272^**	0.391^**	0.397^**	0.758^**	-0.092	1
ROA	0.044	0.077	0.182^*	0.061	0.110^*	0.082	0.075	0.193^*	1
H5	0.105	0.065	-0.266^*	0.082	-0.094	-0.256^**	-0.112^*	-0.111^*	0.062	1

变量	均值	标准差	CXJ	LY	TS	XSN	Age	Size	ROA	H5
CXJ	9.887	7.947	1
LY	1.247	0.770	-0.310^**	1
TS	1.537	0.633	0.591^**	0.519^**	1
XSN	5.944	0.397	0.660^**	0.212^**	0.467^**	1
Age	14.728	4.052	0.046	-0.147	0.040	0.041	1
Size	3.123	0.443	0.272^**	0.391^**	0.397^**	0.758^**	-0.092	1
ROA	0.044	0.077	0.182^*	0.061	0.110^*	0.082	0.075	0.193^*	1
H5	0.105	0.065	-0.266^*	0.082	-0.094	-0.256^**	-0.112^*	-0.111^*	0.062	1

变量	企业创新绩效(CXJ)	吸收能力(XSN)
LY		-3.397^** (0.638)	-2.230^** (0.611)		-0.098^** (0.020)
TS		2.602^** (0.779)	0.583 (0.771)		0.169^** (0.025)
XSN			11.946^** (1.597)
Age	0.044 (0.103)	0.045 (0.101)	0.018 (0.094)	0.010^** (0.003)	0.006 (0.003)
Size	4.568^** (0.960)	3.686^** (1.030)	11.517^** (1.417)	0.683^** (0.031)	0.656^** (0.033)
ROA	13.401^* (5.500)	14.645^** (5.296)	10.014^* (4.948)	-0.326 (0.179)	-0.388 (0.168)
H5	-10.177 (6.420)	-4.226 (6.272)	-4.607 (5.932)	-0.957^** (0.209)	-0.739^** (0.199)
R²	0.100	0.415	0.539	0.617	0.667
F	9.312^**	11.609^**	19.572^**	135.665^**	111.836^**

变量	企业创新绩效(CXJ)	吸收能力(XSN)
LY		-3.397^** (0.638)	-2.230^** (0.611)		-0.098^** (0.020)
TS		2.602^** (0.779)	0.583 (0.771)		0.169^** (0.025)
XSN			11.946^** (1.597)
Age	0.044 (0.103)	0.045 (0.101)	0.018 (0.094)	0.010^** (0.003)	0.006 (0.003)
Size	4.568^** (0.960)	3.686^** (1.030)	11.517^** (1.417)	0.683^** (0.031)	0.656^** (0.033)
ROA	13.401^* (5.500)	14.645^** (5.296)	10.014^* (4.948)	-0.326 (0.179)	-0.388 (0.168)
H5	-10.177 (6.420)	-4.226 (6.272)	-4.607 (5.932)	-0.957^** (0.209)	-0.739^** (0.199)
R²	0.100	0.415	0.539	0.617	0.667
F	9.312^**	11.609^**	19.572^**	135.665^**	111.836^**

变量	企业创新绩效(CXJ)
LY		-0.288^** (0.038)	-0.236^** (0.039)
TS		0.480^** (0.046)	0.467 (0.049)
XSN			0.079^** (0.102)
Age	0.007 (0.008)	0.006 (0.006)	0.006 (0.006)
Size	0.446^** (0.072)	0.017 (0.061)	0.034 (0.090)
ROA	0.343^* (0.415)	0.249 (0.313)	0.279 (0.316)
H5	-0.704 (0.484)	-0.624 (0.371)	-0.682 (0.378)
R²	0.114	0.500	0.511
F	10.831^**	55.810^**	47.865^**

变量	企业创新绩效(CXJ)
LY		-0.288^** (0.038)	-0.236^** (0.039)
TS		0.480^** (0.046)	0.467 (0.049)
XSN			0.079^** (0.102)
Age	0.007 (0.008)	0.006 (0.006)	0.006 (0.006)
Size	0.446^** (0.072)	0.017 (0.061)	0.034 (0.090)
ROA	0.343^* (0.415)	0.249 (0.313)	0.279 (0.316)
H5	-0.704 (0.484)	-0.624 (0.371)	-0.682 (0.378)
R²	0.114	0.500	0.511
F	10.831^**	55.810^**	47.865^**

知识搜寻、吸收能力与企业创新绩效

PDF下载

谷萌

科技和产业 | 治理绩效 2025,25(4): 360-365

收起

科技和产业 | 治理绩效 2025, 25(4): 360-365

知识搜寻、吸收能力与企业创新绩效

全屏

谷萌

作者信息

同济大学经济与管理学院, 上海 200092

谷萌(1999—),女,山东烟台人,硕士研究生,研究方向为数字经济和企业管理。

Knowledge Search, Absorptive Capacity and Innovation Performance

Meng GU

Affiliations

School of Economics and Management, Tongji University, Shanghai 200092, China

出版时间: 2025-02-25

文章导航

摘要

收起

在开放式创新与跨界融合下,以2015—2017年创业板114家信息技术企业为样本,研究知识搜寻对创新绩效的影响机制至关重要。结果表明:探索式搜寻显著促进了企业的创新绩效,而利用式搜寻则产生了不利影响;吸收能力在探索式搜寻和企业创新绩效之间起到了完全中介作用,在利用式搜寻和企业创新绩效之间起到了部分中介作用。这启示信息技术企业应强化探索式搜寻,提升吸收能力,以优化创新绩效。

关键词

知识搜寻 / 创新绩效 / 吸收能力

Abstract

收起

Under the context of open innovation and cross-boundary integration, the study of the impact mechanism of knowledge search on innovation performance, based on a sample of 114 information technology enterprises listed on the ChiNext from 2015 to 2017, is of paramount importance. The findings reveal that exploratory search has a significant positive impact on corporate innovation performance, while exploitative search has a significant negative impact. Furthermore, absorptive capacity fully mediates the relationship between exploratory search and innovation performance, and partially mediates the relationship between exploitative search and innovation performance. These findings suggest that information technology enterprises should strengthen exploratory search and enhance absorptive capacity to optimize their innovation performance.

Key words

knowledge search / enterprise innovation performance / absorptive capacity

引用本文

谷萌. 知识搜寻、吸收能力与企业创新绩效. 科技和产业, 2025 , 25 (4) : 360 -365 .

Meng GU. Knowledge Search, Absorptive Capacity and Innovation Performance[J]. Science Technology and Industry, 2025 , 25 (4) : 360 -365 .

正文

收起

进入21世纪,全球创新浪潮空前高涨,科技革命正深刻重塑全球经济版图,创新驱动上升为多国提升国际竞争力的核心战略。党的十九大强调构建以企业为核心、市场为导向、产学研紧密融合的技术创新体系,凸显了企业在创新驱动战略中的主体地位及其对经济发展的关键作用。信息技术业作为技术创新的前沿阵地,对创新能力的需求尤为迫切。面对日新月异的科技变革和市场需求的快速迭代,学者与管理层将目光投向如何进一步提升信息技术企业的创新能力,以期在激烈的国际竞争中占据有利位置^[1-2]。因此,加强企业创新能力的培育与提升,不仅是企业自身发展的内在要求,更是国家创新驱动发展战略实施的关键所在。

在开放式创新与跨界融合的新时代背景下,企业仅凭内部资源难以应对市场瞬息万变的需求,亟须跨越组织界限,广泛吸纳外部知识以驱动创新,巩固市场竞争力^[3-5]。尽管知识搜寻对企业创新绩效的研究非常丰富,但结论尚未达成一致。一方面,知识搜寻能拓宽企业知识库,提升适应不确定环境的能力,进而促进创新^[6-8];另一方面,过度搜寻则可能耗竭有限的企业资源,降低效率,从而反制创新^[9]。此外,当前研究多聚焦于知识搜寻的宽度、深度及地域范围,而对利用式与探索式搜寻的具体影响探讨不足,且多为跨行业综合研究,缺乏针对特定行业的深入分析。鉴于此,本文依托知识基础观与开放式创新理论,选取2015—2017年创业板信息技术业上市公司为样本,深入剖析知识搜寻对企业创新绩效的内在作用机制,并特别探讨吸收能力在这一过程中的角色与功能,以期从理论与实践双重视角提供新见解。

1 文献回顾与理论假设

收起

1.1 知识搜寻与企业创新绩效

知识搜寻是企业的一种学习方式^[10-12]。March^[13]将组织学习划分为探索式学习和利用式学习,由此探索式搜寻和利用式搜寻也代表了知识搜寻的两个维度。探索式搜寻是指企业超越现有的知识,开创全新的领域;利用式搜寻是指企业深入搜寻和充分利用现有的知识。Horng等^[14]指出,探索有利于提升企业的技术敏感度,从而增加企业创新的知识储备。此外,在跨界融合的背景下,探索式搜寻增加了企业与外界接触的机会,帮助企业及时掌握市场需求和技术前沿的发展趋势,搜寻外部的新鲜知识与技术^[15-16]。探索式知识搜寻增加企业知识的宽度和广度,弥补企业现有资源的不足,从而提高企业适应环境的能力,有利于企业进一步进行研发创新活动^[17]。

与探索式搜寻不同,利用式搜寻是对企业已拥有的知识进行深度挖掘的过程,在一定程度上可以提高企业知识的转化效率^[18-20]。但在现在开放式创新的背景下,过度依赖企业自身的知识可能会阻碍外部异质性知识和技术的引入,进一步固化企业内部的知识结构,导致知识搜寻路径的狭隘化,从而使企业的创新效率下降^[21]。仅仅在现有技术范式内进行细微改良,不仅难以激发企业的重构与吸收能力,还可能削弱其对外部环境变化的敏感度,使企业逐步陷入创新停滞的困境^[22]。此外,被过度复制与应用的知识,其独特性和价值将随时间流逝而逐渐消减,而这一过程往往伴随着高昂的人力、物力等资源消耗,使得企业在成本与收益之间失衡,面临投资回报率下降、知识搜寻边际效益递减的严峻挑战^[23]。因此,提出以下假设。

H1:探索式搜寻对企业创新绩效有正向影响;

H2:利用式搜寻对企业创新绩效有负向影响。

1.2 吸收能力的中介作用

在深入探讨企业创新机制的过程中,组织学习理论的核心概念——吸收能力,被广泛视为连接外部知识资源与内部创新活动的桥梁。在探索式搜寻过程中,企业面对的是未知或新兴的知识领域。这些领域中的新知识往往具有高度的不确定性和潜在价值。吸收能力首先帮助企业识别和评估这些新知识的潜在价值,将其融入企业的知识体系之中。类似地,在利用式搜寻过程中,企业关注的是对现有知识的深化和拓展。虽然这些知识相对熟悉和稳定,但它们的深度挖掘和重新组合仍然需要吸收能力的支持。吸收能力通过促进企业内部知识的整合和重构,帮助企业发现现有知识中的新联系和新应用点^[24]。

黄磊等^[25]、李柏洲和曾经纬^[26]进一步细化了吸收能力的多维影响,揭示了在不同技术搜寻策略下,吸收能力对高新技术企业创新质量提升的异质性中介效应。蒋丽芹等^[27]将视角拓展至知识整合层面,作为吸收能力的重要拓展,知识整合在连接新旧知识搜寻与创新绩效之间展现出多样化的中介角色。特别是在旧知识的再利用上,知识整合机制作为完全中介,凸显了企业在知识传承与创新实践中积累的连续性与累积性优势,这对于构建企业长期竞争优势具有重要意义^[28]。而艾时钟等^[29]的实证研究更是直接证明了吸收能力对企业创新能力的正向促进作用,这一发现为企业通过增强学习机制来提升核心竞争力提供了坚实的理论支撑(图1)。因此,提出以下假设。

H3:吸收能力在探索式搜寻与创新绩效之间具有中介作用;

H4:吸收能力在利用式搜寻与创新绩效之间具有中介作用。

2 研究设计

收起

2.1 样本选择与变量来源

本文选择2015—2017年作为样本期间,主要基于以下几点考虑:首先,这一时间段正值中国创业板市场快速发展与信息技术行业蓬勃兴起的交汇期,能够较好地反映信息技术类上市公司在快速成长阶段的创新活动与市场表现;其次,该时期内的政策环境相对稳定,为研究提供了较为一致的外部条件,有助于减少外部因素对研究结果的干扰。因此,选取这三年间创业板信息技术业(依据中国证监会2001版行业分类)的上市公司作为研究对象,并对原始数据进行以下处理:剔除ST和^*ST的上市公司;剔除未披露主要变量的企业;提出数据缺失的样本观测值。最终确定了114家公司共342个样本观测值,所有相关数据均源自国泰安数据库,该数据库以其数据的全面性、准确性和权威性著称,从而确保了在数据层面的精确性与可靠性。

2.2 变量选取与测度

被解释变量:创新绩效(CXJ)。国家统计局采用研发支出/地区生产总值来衡量某一地区的研发投入强度,类似的,在计算某个企业的研发投入强度时,有学者采用研发投与营业收入或销售收入的比值进行计算。我国在2019年前一直采用 “主营业务收入” 来反映企业的经营状态,在2019年后才改为 “营业收入”,由于本文样本为2015—2017年,利用研发投入/主营业务收入来衡量创新绩效。

解释变量:知识搜寻(SX)。从利用式搜寻(LY)和探索式搜寻(TS)两个维度进行测量。对于探索式搜寻的测量,采用企业在本年度内申请发明专利的国际专利分类(international patent classification,IPC)分类号前3位所代表的技术类别在过去3年内从未申请过的专利数量表示。对于利用式搜寻的测量,则使用企业在本年度内申请的发明专利数量扣除探索式搜寻的部分。考虑到少数专利数量为0的情况,利用专利数量+1的自然对数来衡量知识搜寻。

中介变量:吸收能力(XSN)。参考之前学者的研究,以企业研发投入的对数、研发人员的对数和无形资产的对数对吸收能力进行测量,然后利用因子分析法对以上3个指标赋予相应的权重,计算得出吸收能力的数值。

控制变量:通过查阅已有相关文献,采用企业规模(Size)、企业年龄(Age)、总资产净利润率(ROA)和股权集中度(H5)作为控制变量。

主要变量类别及测量如表1所示。

2.3 模型设定

回归分析能够进一步验证变量和变量间的作用关系和影响程度。通过多次运元回归分析对已提出的研究假设进行检验。为研究知识搜寻、吸收能力和企业创新绩效之间的关系,构建如下数学模型:

(1)CXJ_i_,_t=β₀+β₁SX_i_,_t+β₂XSN_i_,_t+β₃Control_i_,_t+ε_i_,_t

式中:β₀为常量;β₁~β₃为相关系数;CXJ为企业创新绩效;SX为知识搜寻;XSN为吸收能力;Control为控制变量,包括企业规模(Size)、企业年龄(Age)、总资产净利润率(ROA)和股权集中度(H5);ε为残差;i为企业;t为年份。

为检验吸收能力的中介效应,借鉴温忠麟等^[30]的中介变量检验方法,通过层级回归进行假设检验。若中介变量对因变量的影响系数η显著,且自变量对因变量的影响系数α₂不显著,则表示存在完全中介效应;若中介变量对因变量的影响系数η显著,且自变量对因变量的影响系数α₂仍显著,则为存在部分中介效应。若中介变量对因变量的影响系数η不显著,且Sobel检验结果显著,则存在部分中介效应;若Sobel检验结果不显著,则不存在中介效应。该方法既有良好的检验能力,又能控制第一类错误率。

3 数据分析与讨论

收起

3.1 描述性统计与相关性分析

表2列出了114家创业板信息技术企业创新绩效、探索式搜寻、利用式搜寻、吸收能力、企业年龄、企业规模、总资产净利润率和股权集中度8个变量的均值、标准差和Pearson 相关系数。表中数据显示,企业创新绩效的均值和标准差分别为9.887和7.947,说明不同公司的创新绩效存在一定差异。

相关系数可以表明变量间的相关性,相关系数的绝对值越接近1,变量间的相关性就越强。从表2中可以看出,探索式搜寻、吸收能力、企业规模和企业总资产净利润率与企业创新绩效显著正相关;企业年龄与创新绩效正相关但不显著;利用式搜寻、探索式搜寻与吸收能力显著正相关;利用式搜寻和企业股权集中度与企业创新绩效显著负相关,这与前期研究假设相符。从总体来看,各变量的相关系数均小于0.7,总体状况良好,可以进行下一步分析。

3.2 基准回归

解释变量的方差膨胀因子均小于4,平均方差膨胀因子均小于2,因此,各变量不存在严重的共线性,模型设定可行。为检验知识搜寻对企业创新绩效的影响,并验证吸收能力的中介作用,共建立了5个回归模型,回归结果如表3所示。

模型(1)和模型(2)检验知识搜寻对企业创新绩效的影响。模型(1)检验了企业年龄、企业规模、总资产净利润率和股权集中度等控制变量对因变量创新绩效的影响。模型(2)是在模型(1)的基础上加入了探索式搜寻和利用式搜寻作为自变量,可以看出利用式搜寻对企业创新绩效的回归系数为-3.397,且在P<0.01的水平下显著,这表明利用式搜寻对企业创新绩效具有显著负向影响;探索式搜寻对企业创新绩效的回归系数为2.602,且在P<0.01的水平下显著,这表明探索式知识搜寻对企业创新绩效具有显著正向影响。假设H₁、H₂得到支持,也表明中介检验模型第一步结果显著。

模型(4)和模型(5)检验了知识搜寻对吸收能力的影响。模型(4)检验了企业年龄、企业规模、总资产净利润率和股权集中度等控制变量对吸收能力的影响,模型(5)在模型(4)的基础上,检验了知识搜寻对吸收能力的影响。相关系数显示,在1%的显著性水平下,利用式搜寻对吸收能力的回归系数为-0.098,说明利用式知识搜寻对企业吸收能力具有显著负向影响;探索式搜寻对吸收能力的回归系数为0.169,这表明探索式搜寻对吸收能力具有显著正向影响。模型(4)和模型(5)的数据表明知识搜寻对吸收能力具有显著性影响,也表明中介检验模型的第二步结果显著。

模型(3)主要检验在模型(2)中加入吸收能力这一中介变量后,知识搜寻对企业创新绩效的影响。结果显示,吸收能力对创新绩效的正向影响显著(β=11.517,P<0.01),利用式搜寻对企业创新绩效(β=-2.230,P<0.01)有显著负向影响,因此根据中介检验模型可知吸收能力在利用式搜寻和创新绩效之间存在部分中介效应;探索式搜寻对企业创新绩效(β=0.583,P>0.05)具有正向影响,但变得不显著,因此吸收能力在探索搜寻和创新绩效之间存在完全中介效应。H3、H4得到支持。

此外,研究发现企业规模和企业总资产净利润率正向显著影响企业创新绩效,企业规模和总资产净利润率对企业创新绩效的回归系数分别为4.568和13.401,并且分别通过了1%和5%的显著性检验,这表明企业规模越大,企业盈利能力越强,具备的创新优势越大,企业的创新绩效越高。企业年龄对企业创新绩效的影响系数为0.044,这表明企业年龄正向影响企业创新绩效,但并不显著,可能是因为创业板信息技术企业的成立年龄相差不大。企业的股权集中度对企业的创新绩效有负向影响,股权越集中,大股东可能会因为考虑自身利益而不愿意对风险高的创新活动的进行过多投入,企业的创新绩效就会降低。

3.3 稳健性检验

为了进一步增强研究结论的稳健性和可信度,采用另一种衡量创新绩效的方法,即企业每年的专利申请总数,作为前文中研发支出比例的替代指标进行稳健性检验。专利申请总数直接反映企业在一定时期内创新活动的产出成果,是衡量企业创新能力与绩效的重要指标之一。具体而言,收集了样本企业在研究期间内每年的专利申请数据,并计算了每年的专利申请总数,并将这一新构建的指标作为因变量,重新进行回归分析,以检验前文知识搜寻与企业创新绩效之间的关系是否依旧显著且稳定。回归结果如表4所示。

表4中数据显示,在1%的水平下利用式搜寻对企业创新绩效有显著负向影响,探索式搜寻对企业创新绩效有显著正向影响,H1、H2成立。将自变量和中介变量吸收能力同时带入回归方程进行回归分析,吸收能力对企业创新绩效具有显著正向影响,利用式搜寻对企业创新绩效的影响仍然显著,而探索式搜寻对企业创新绩效的影响不再显著,由此H3、H4成立,并且吸收能力在利用式搜寻和企业创新绩效之间起部分中介作用,在探索式搜寻和企业创新绩效之间起完全中介作用。稳健性检验结果与前文研究结论基本一致,说明实证分析结果是稳健可靠的。

4 结论与建议

收起

本文从组织学习的角度将知识搜寻划分为利用式搜寻和探索式搜寻,然后通过理论分析,引入吸收能力这一中介变量,以理清知识搜寻对企业创新绩效的内部影响机制。基于以上理论分析,引入利用式搜寻、探索式搜寻、吸收能力、企业创新绩效等变量,运用创业板114家信息技术企业的数据,建立回归模型,对研究假设进行实证检验,最终得出以下研究结论:第一,知识搜寻的不同维度对企业创新绩效有差异化影响。探索式知识搜寻正向显著影响企业创新绩效,利用式知识搜寻负向显著影响企业创新绩效。第二,探索式搜寻和企业创新绩效之间发挥完全中介作用,在利用式搜寻和企业创新绩效之间发挥部分中介作用。

基于以上结论,提出以下建议:

第一,加大探索式知识搜寻。对大部分信息技术企业而言,其成立年份较晚,自身创新资源有限,通过跨越组织边界寻找新的知识已经成为其未来发展的必然选择。在开放式创新和跨界融合的背景下,信息技术企业需要结合自身实际,加大探索式知识搜寻,打破企业固有的知识基,在更广的范围内寻找有价值的信息,在提高吸收能力的同时为企业的创新行为提供知识基础和条件保障。此外,信息技术企业的利用式搜寻会因为过度关注已有资源而降低企业的创新绩效,因此企业应该注意避免陷入“熟悉性陷阱”,适当减少利用式搜寻。

第二,重视企业内部的吸收能力。在探索式搜寻促进企业创新绩效提升的过程中,吸收能力起到完全中介作用。研究表明,探索式知识搜寻能够提高企业的吸收能力,并且吸收能力较强的企业,更有机会通过探索式搜寻来提高企业的创新绩效。因此,企业应该重视内部吸收能力的培养,并通过积极提高吸收能力来促进企业创新绩效。

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

ZAKI

. Digital transformation: harnessing digital technologies for the next generation of services[J]. Journal of Services Marketing, 2019, 33(4): 429-435.

[2]

李钧, 段帅航, 王振源. “技术-组织-环境”因素联动对企业数字创新的影响——基于新一代信息技术企业的QCA分析[J]. 科技管理研究, 2024, 44(11): 131-140.

[3]

LONG

N V

, RAFF

, STÄHLER

. Innovation and trade with heterogeneous firms[J]. Journal of International Economics, 2011, 84(2): 149-159.

[4]

GUAN

J C

, YAM

R C

. Effects of government financial incentives on firms’ innovation performance in China: evidences from Beijing in the 1990s[J]. Research Policy, 2015, 44(1): 273-282.

[5]

VERBANO

, CREMA

. Linking technology innovation strategy, intellectual capital and technology innovation performance in manufacturing SMEs[J]. Technology Analysis & Strategic Management, 2016, 28(5): 524-540.

[6]

孙耀吾, 秦毓, 贺石中. 高技术中小企业知识搜索对创新能力的影响[J]. 科学学研究, 2018(3): 550-557.

[7]

袁胜军, 李享, 吴俊. 知识搜索对企业创新质量的影响研究——冗余资源和吸收能力的调节作用[J]. 审计与经济研究, 2021, 36(3): 99-106.

[8]

朱云鹃, 陈金标. 跨界搜寻联合与匹配平衡对企业技术创新绩效的影响——知识耦合的中介作用与柔性惯例的调节作用[J]. 软科学, 2024, 38(2): 95-102.

[9]

李柏洲, 曾经纬. 知识搜寻与吸收能力契合对企业创新绩效的影响——知识整合的中介作用[J]. 科研管理, 2021, 42(6): 120-127.

[10]

CYERT

R M

, MARCH

J G

. A behavioral theory of the firm[M]. Englewood Cliffs, NJ: Prentice -Hall, 1963.

[11]

雷志柱, 雷育生. 国外知识搜索理论研究进展综述[J]. 图书情报工作, 2011, 55(2): 33-36.

[12]

李乾文, 赵曙明, 张玉利. 组织探索能力、开发能力与企业绩效的实证研究[J]. 当代财经, 2009(6): 71-76.

[13]

MARCH

J G

. Exploration and exploitation in organizational learning[J]. Organization Science, 1991, 2(1): 71-87.

[14]

HORNG

, TSWEI

, CHEN

. Exploitation and exploration: learning through key buyers and overseas subsidiaries[J]. Asia Pacific Management Review, 2009, 14(1): 47-67.

[15]

苏道明, 吴宗法, 刘臣. 外部知识搜索及其二元效应对创新绩效的影响[J]. 科学学与科学技术管理, 2017, 38(8): 109-121.

[16]

贾涛, 严蕊, 王玉, 等. 客户参与、双元绿色创新与企业绩效:产品智能化的调节作用[J]. 科技进步与对策, 2022, 40(7): 91-101.

[17]

王健, 黄群慧. 组织遗忘、组织即兴与环境动态性视角下企业原始性创新构建路径[J]. 科技进步与对策, 2019, 36(10): 84-90.

[18]

吴航, 陈劲. 企业外部知识搜索与创新绩效: 一个新的理论框架[J]. 科学学与科学技术管理, 2015, 36(4): 143-151.

[19]

胡畔, 于渤. 追赶企业的本地搜索、能力重构与创新绩效[J]. 科研管理, 2017, 38(7): 72-80.

[20]

齐秀辉, 程娟. 碳交易制度、双元创新与制造业企业高质量发展[J]. 生态经济, 2024, 40(9): 64-74.

[21]

韩菲. 跨界搜寻策略、吸收能力对双元能力结构的影响研究[D]. 济南: 山东师范大学, 2019.

[22]

姚艳虹, 谌逸娴, 陈欢欢. 元素-架构双元知识搜寻对企业创新绩效的影响:创新战略的调节作用[J]. 科技进步与对策, 2022, 39(4): 112-120.

[23]

叶江峰, 陈珊, 郝斌. 知识搜寻如何影响企业创新绩效?——研究述评与展望[J]. 外国经济与管理, 2020, 42(3): 17-34.

[24]

路世昌, 佟晓琳, 李丹. 跨界知识搜寻、吸收能力对制造企业突破式创新的影响研究[J]. 辽宁工程技术大学学报(社会科学版), 2024, 26(1): 6-14.

[25]

黄磊, 段云龙, 覃大嘉, 等. 技术搜寻与高新技术企业创新质量: 抑制还是促进?——吸收能力的多重中介效应分析[J]. 管理评论, 2023, 35(4): 91-104.

[26]

李柏洲, 曾经纬. 知识搜寻与吸收能力契合对企业创新绩效的影响——知识整合的中介作用[J]. 科研管理, 2021, 42(6): 120-127.

[27]

蒋丽芹, 张慧芹, 李思卉. 关系嵌入、外部知识搜寻与企业创新绩效——长三角产业集群高新技术企业的调研[J]. 软科学, 2022, 36(9): 116-123.

[28]

王庆金, 石仁波, 杜甜甜, 等. 跨界搜寻如何促进企业管理创新——认知柔性与吸收能力的作用[J]. 科技进步与对策, 2022, 39(15): 67-78.

[29]

艾时钟, 邬盼莹, 杜荣. 服务外包企业创新能力提升路径——知识共享与吸收能力的中介作用[J]. 科技管理研究, 2016(1): 135-140.

[30]

温忠麟, 张雷, 侯杰泰, 等. 中介效应检验程序及其应用[J]. 心理学报, 2004(5): 614-620.

2025年第25卷第4期

PDF下载

342

177

引用本文

BibTeX

文章信息

接收时间：2024-08-29
首发时间：2025-07-21
出版时间：2025-02-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-08-29

基金

作者信息

同济大学经济与管理学院, 上海 200092

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/kjhcy/CN/1153987696335770432

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

变量类型	变量名称	衡量指标
被解释变量	企业创新绩效(CXJ)	研发投入/主营业务收入
解释变量	探索式搜寻(TS)	企业在本年度内申请发明专利的IPC分类号前3位所代表的技术类别在过去三年内从未申请过的专利数量加1的自然对数
利用式搜寻(LY)	企业在本年度内申请的发明专利数量扣除探索式搜寻的数量加一的自然对数
中介变量	吸收能力(XSN)	对企业研发投入的对数、研发人员的对数和无形资产的对数进行因子分析定权
控制变量	企业规模(Size)	企业人数的自然对数
企业年龄(Age)	企业成立至调查之日的经营年限
总资产净利润率(ROA)	净利润/总资产平均余额
股权集中度(H5)	前五大股东持股比例平方和

变量类型

变量名称

衡量指标

被解释变量

企业创新绩效(CXJ)

研发投入/主营业务收入

解释变量

探索式搜寻(TS)

企业在本年度内申请发明专利的IPC分类号前3位所代表的技术类别在过去三年内从未申请过的专利数量加1的自然对数

利用式搜寻(LY)

企业在本年度内申请的发明专利数量扣除探索式搜寻的数量加一的自然对数

中介变量

吸收能力(XSN)

对企业研发投入的对数、研发人员的对数和无形资产的对数进行因子分析定权

控制变量

企业规模(Size)

企业人数的自然对数

企业年龄(Age)

企业成立至调查之日的经营年限

总资产净利润率(ROA)

净利润/总资产平均余额

股权集中度(H5)

前五大股东持股比例平方和

变量	均值	标准差	CXJ	LY	TS	XSN	Age	Size	ROA	H5
CXJ	9.887	7.947	1
LY	1.247	0.770	-0.310^**	1
TS	1.537	0.633	0.591^**	0.519^**	1
XSN	5.944	0.397	0.660^**	0.212^**	0.467^**	1
Age	14.728	4.052	0.046	-0.147	0.040	0.041	1
Size	3.123	0.443	0.272^**	0.391^**	0.397^**	0.758^**	-0.092	1
ROA	0.044	0.077	0.182^*	0.061	0.110^*	0.082	0.075	0.193^*	1
H5	0.105	0.065	-0.266^*	0.082	-0.094	-0.256^**	-0.112^*	-0.111^*	0.062	1

变量

均值

标准差

CXJ

XSN

Age

Size

ROA

CXJ

9.887

7.947

1.247

0.770

-0.310^**

1.537

0.633

0.591^**

0.519^**

XSN

5.944

0.397

0.660^**

0.212^**

0.467^**

Age

14.728

4.052

0.046

-0.147

0.040

0.041

Size

3.123

0.443

0.272^**

0.391^**

0.397^**

0.758^**

-0.092

ROA

0.044

0.077

0.182^*

0.061

0.110^*

0.082

0.075

0.193^*

0.105

0.065

-0.266^*

0.082

-0.094

-0.256^**

-0.112^*

-0.111^*

0.062

变量	企业创新绩效(CXJ)	吸收能力(XSN)
LY		-3.397^** (0.638)	-2.230^** (0.611)		-0.098^** (0.020)
TS		2.602^** (0.779)	0.583 (0.771)		0.169^** (0.025)
XSN			11.946^** (1.597)
Age	0.044 (0.103)	0.045 (0.101)	0.018 (0.094)	0.010^** (0.003)	0.006 (0.003)
Size	4.568^** (0.960)	3.686^** (1.030)	11.517^** (1.417)	0.683^** (0.031)	0.656^** (0.033)
ROA	13.401^* (5.500)	14.645^** (5.296)	10.014^* (4.948)	-0.326 (0.179)	-0.388 (0.168)
H5	-10.177 (6.420)	-4.226 (6.272)	-4.607 (5.932)	-0.957^** (0.209)	-0.739^** (0.199)
R²	0.100	0.415	0.539	0.617	0.667
F	9.312^**	11.609^**	19.572^**	135.665^**	111.836^**

变量

企业创新绩效(CXJ)

吸收能力(XSN)

模型(1)

模型(2)

模型(3)

模型(4)

模型(5)

-3.397^**
(0.638)

-2.230^**
(0.611)

-0.098^**
(0.020)

2.602^**
(0.779)

0.583
(0.771)

0.169^**
(0.025)

XSN

11.946^**
(1.597)

Age

0.044
(0.103)

0.045
(0.101)

0.018
(0.094)

0.010^**
(0.003)

0.006
(0.003)

Size

4.568^**
(0.960)

3.686^**
(1.030)

11.517^**
(1.417)

0.683^**
(0.031)

0.656^**
(0.033)

ROA

13.401^*
(5.500)

14.645^**
(5.296)

10.014^*
(4.948)

-0.326
(0.179)

-0.388
(0.168)

-10.177
(6.420)

-4.226
(6.272)

-4.607
(5.932)

-0.957^**
(0.209)

-0.739^**
(0.199)

R²

0.100

0.415

0.539

0.617

0.667

9.312^**

11.609^**

19.572^**

135.665^**

111.836^**

变量	企业创新绩效(CXJ)
LY		-0.288^** (0.038)	-0.236^** (0.039)
TS		0.480^** (0.046)	0.467 (0.049)
XSN			0.079^** (0.102)
Age	0.007 (0.008)	0.006 (0.006)	0.006 (0.006)
Size	0.446^** (0.072)	0.017 (0.061)	0.034 (0.090)
ROA	0.343^* (0.415)	0.249 (0.313)	0.279 (0.316)
H5	-0.704 (0.484)	-0.624 (0.371)	-0.682 (0.378)
R²	0.114	0.500	0.511
F	10.831^**	55.810^**	47.865^**

变量

企业创新绩效(CXJ)

-0.288^**
(0.038)

-0.236^**
(0.039)

0.480^**
(0.046)

0.467
(0.049)

XSN

0.079^**
(0.102)

Age

0.007
(0.008)

0.006
(0.006)

Size

0.446^**
(0.072)

0.017
(0.061)

0.034
(0.090)

ROA

0.343^*
(0.415)

0.249
(0.313)

0.279
(0.316)

-0.704
(0.484)

-0.624
(0.371)

-0.682
(0.378)

R²

0.114

0.500

0.511

10.831^**

55.810^**

47.865^**