技術融合對現代制造企業創新績效的影響：知識基的中介效用

李晨光，邱禎君

（1.北方工業大學 經濟管理學院，北京 100144；2.北京工業大學 經濟與管理學院，北京 100124）

一、引言

技術融合是用于創建新技術領域的多種技術要素的組合，對于創造新價值和引入新產品和服務極為重要（Kim 和Sohn，2020）。隨著數字經濟如雨后春筍般蓬勃發展，現代制造業如何識別機會轉型升級實現高質量創新發展是當前尤為重要的議題（賈建鋒等，2022）。當前，數字化轉型對我國制造業企業，特別是汽車制造業企業的創新績效還沒有發揮有效的促進作用（范德成和王婭，2022）。汽車制造業在現代制造業中占據重要地位，且其先進程度代表著國家制造業的水平。根據國家統計局數據，2021 年，我國汽車制造業規模以上工業增加值同比增長5.5%。汽車制造業規模以上工業企業營業收入8.67 萬億元、同比增長6.7%，利潤總額5305.7 億元、同比增長1.7%。然而，汽車制造業與大量上下游產業相關聯，導致企業績效受到供應商材料成本的制約，利潤下滑的新業態正在迫使汽車制造企業尋求新的增長點（杜巧梅，2022）。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要》（“十四五”規劃）針對這一問題提出要“加強前沿技術多路徑探索、交叉融合和顛覆性技術供給”，并強調融合創新已經成為發展關鍵核心技術，搶占未來產業發展先機的重要創新方式。可見，技術融合能夠有效幫助汽車制造業企業在不同技術領域之間的重組交叉過程中識別技術機會，從而創造更高的創新價值和績效（翟東升和張京先，2020；Kim 和Sohn，2020；王艷等，2021）。技術融合還有助于汽車制造企業實現創新能力互補、研發時效增強和風險成本共擔（Sampson，2007）。因此，有必要從企業層面了解組織內外知識共享為基礎的技術聯系，預測技術變革發生和演化趨勢，探究提升汽車制造業創新績效的策略，見微知著。

現有技術融合的研究主要集中于技術軌跡（王艷等，2021）和技術組成（Caviggioli，2016）的視角，揭示出技術機會發現、技術演化路徑、未來新興技術和企業響應動態技術變化能力的重要性。然而，技術多樣性、技術融合網絡復雜性、新興產業技術邊界模糊性等，對以往相似性為基礎的技術融合方向預測和直接效用評價提出了嚴峻的挑戰（Kose 和Sakata，2019；王宏起等，2020）。知識作為創新的重要基礎資源，一方面，為異同領域知識重構和再造提供了技術融合基本單元（烏日汗等，2021）；另一方面，核心知識與其他知識的交互衍生關聯為復雜網絡關系下的技術融合特征分析提供了網絡拓撲視角（劉曉燕等，2019；Cho et al，2021）。學者們開始關注技術融合特征和知識流動、整合與創造，通過不同的組織內外知識整合策略，分析異構技術領域中知識流對企業技術融合機會、雙元創新能力，以及績效的影響（Park 和Yoon，2018；Cho et al，2021）。既然不同技術融合特征決定知識異質性，而知識異質性決定了企業創新績效的差異性（黨興華等，2011），那么技術融合特征分析和知識異質性在技術融合和企業創新績效中發揮何種作用，是本文所要探討的問題。知識基的引入有助于本文從異質性知識組合、融合過程和企業創新績效之間的聯系（Grillitsch et al，2019），以企業自身技術資源、知識（專利）的客觀數據，細化至企業單一技術層面的融合演變，動態性衡量企業自身條件和知識資源整合方式，深入探究技術融合對企業創新績效的影響，挖掘有效的技術融合模式。

本文選取我國滬深股市汽車制造業上市企業為樣本，從萬得數據庫提取2009—2020 年企業相關數據，利用產業領域-國際專利分類（IPC）對照表確定行業，構建了全汽車制造行業技術融合網絡，使用網絡分析方法測度企業技術融合特征，使用負二項回歸模型，實證檢驗技術融合特征對企業創新績效的影響及知識基的中介作用。從網絡拓撲分析層面豐富了技術融合領域的研究方法，知識基作用剖析也為企業技術融合的專利重組策略提供有益參考。

二、文獻回顧與研究假設

（一）技術融合與創新績效

技術融合作被視為創新的主要來源，是知識跨邊界交互、重組的創新活動（Han 和Sohn，2016；Verhoeven et al，2016）。Curran 和Leker（2011）認為技術融合的特點在于產生了新的子領域，這種子領域能夠引發跨域知識流的協同疊加效應，從而為企業帶來新的績效增長機會。企業利用技術融合能夠將不同技術軌道中的知識整合到現有創新進程，其中多樣化的技術融合特征體現了融合技術的廣度，而技術分配的均勻性體現的是融合技術的深度，為技術融合的知識網絡奠定了基礎（趙玉林和李丫丫，2017）。以知識流在技術領域內外協同交互為條件，知識為節點、技術融合為邊、技術突破為關系強度的技術融合（知識）網絡，逐漸成為學術研究的熱點（曹興和孫綺悅，2021）。因此，網絡嵌入方式和結構拓撲為技術融合特征提供了針對大量專利數據為依據的分析方法（Kim et al，2019）。網絡中心性代表著企業知識創造、轉移、積累和利用等行為所映射的技術融合特征，不同的中心性對創新績效具有不同的影響（Yayavaram 和Ahuja，2008；魏江和徐蕾，2014；Wang et al，2014；Kim et al，2019）。如解學梅和王宏偉（2020）從結構和關系兩個維度剖析了網絡特征對創新績效的影響。相關研究往往從結構嵌入和關系嵌入兩方面考慮知識網絡對知識轉移、吸收和創新活動的影響，結構嵌入的研究中結構洞的地位尤為突出（Kim et al，2014；Lee et al，2015；劉曉燕等，2019）。

中介技術融合反映的是技術融合網絡中多領域知識發生融合的深度（Park 和Yoon，2018）。這類特征描述了企業在現存技術基礎上，尋求知識基增加機會，對外廣泛搜索可融合知識的策略（Kim et al，2014）。企業因開啟了“梯次海選”模式，而將待融合技術視為核心技術，任何與核心技術存在知識交互的技術均被嘗試進行技術融合。該特征下的知識流交互具有異質性和多層次性，按中介中心性值由高到低依次嘗試，直到技術創新突破為止（Lee et al，2019）。中介技術融合有利于知識基的增加，加強了企業異質資源的獲取、整合和創造能力，有助于企業識別稀缺性、有價值的可融合技術，以及高度中介難以替代的知識，進而整合自身技術實現技術創新突破和提升創新績效（劉洋等，2015）。同時，企業融合關鍵技術相當于占據了關鍵的“守門員”位置，不但獲得了信息優勢，容易獲得稀缺信息進而把握豐富的知識資源，在技術融合活動中掌握更強的自主性以便洞悉知識流的強度，進一步把握技術融合機會（Kim et al，2014）。中介技術融合特征更加有利于異構技術領域的知識重組，強化企業對原先聯系較少的不同領域技術的了解，推動多領域融合創造的新技術，保障“多鏈路”技術融合創新績效的總體增長（Lee et al，2022）。由此，本文提出假設：

中介技術融合對企業創新績效有顯著的正向影響（H1a）。

接近技術融合反映的是技術融合網絡中企業知識融合的廣度（Cho et al，2015；Cho et al，2021）。這類特征描述了企業內部相似性知識快速整合和外部搜尋鄰近性較高和融合影響力較高的知識的策略，也被稱作做短路徑策略（Kim et al，2019）。企業優先選擇鄰近的、可融合的知識與自身待融合技術進行交互、整合和創造，并借助鏈路預測識別融合過程中每條鏈路知識流的融合機會，進而篩選關鍵技術（Lee et al，2010）。在此模式下，企業擁有較為快的技術融合速度（Cho et al，2021）。技術融合網絡中，接近中心度較高的技術往往是某一行業中基礎、通用的技術，企業選擇的技術路線風險較小（Cho et al，2015）。相反，在知識網絡中覆蓋領域較少或所能發現的潛在技術融合機會較少的企業，在既有的技術知識存量中尋求融合機會不但成功的可能性較小，還可能因為與已有的技術融合類似，造成知識的“重復創造”，花費不必要的時間、金錢和人力資本。因此，當企業的接近技術融合程度較低時，相關知識在技術融合網絡中很難與當前技術進行融合，不利于創新績效的增長（Kim et al，2014；Kim et al，2019）。由此，本文提出假設：

接近技術融合對企業創新績效有顯著的正向影響（H1b）。

聚類技術融合反映的是相關技術融合形式重復發生的情況，即技術領域內技術融合的緊密程度（Lee et al，2019）。此類模式下企業對自身每一項研發技術進行融合機會評價，直到發現與其他領域技術單元產生集聚效應后，從技術知識流密度（聚集系數）較高的技術單元組合開始嘗試技術融合（Kim 和Lee，2021）。技術融合網絡中，局部聚類系數的變化，還表示技術知識流動的速度，也就是融合機會和剩余價值的判斷標準（Jung et al，2021）。網絡整體的聚類系數提高能代表著整個網絡信息交換的能力提升，有益于創新績效的提升（Lee et al，2019）。此外，較高的聚類系數便于創新資源的擴散，更可能存在可供遷移或借鑒的知識或經驗（Kim 和Lee，2021）。但是，也可能導致技術方向或選型過多而引發混亂，以及大量近似或重復的知識對技術融合效果的負面影響。此時，企業可以通過嫁接外部知識基來提升創新績效（劉洋等，2015）。聚類技術融合程度較低時，企業對相關技術單元間組合方式探索較少或對其應用場景和應用機會挖掘不足。因此，較高的聚類技術融合程度有助于企業實現相似領域的可替代性技術融合，放大知識獲取、整合和創造的效果，從而提升創新績效。由此，本文提出假設：

聚類技術融合對企業創新績效有顯著的正向影響（H1c）。

（二）知識基的中介作用

知識基的形成依賴于知識的累積，可以用其所有者的一組知識域及知識域之間建立的關系進行表征（Eom 和Kang，2022；Wang 和Nie，2022）。企業現存的知識基是企業內部存在的知識資源，也是輔助技術創新的信息、投入、訣竅及能力等（黨興華等，2011；劉洋等，2015）。知識往往被認為是重要的技術傳遞單元，但是由于在技術融合過程中技術領域規模性和復雜性，使得企業實際識別和交互的是一組知識域（Park 和Yoon，2018）。技術融合特征能夠通過網絡結構的動態改變作用于知識域的交互和重組。因此，知識基在技術融合活動中被賦予了復雜的動態社會關系（Jord?o et al，2020）。知識基的這種社會關系表現為嵌入組織間和組織內的多領域知識關聯所形成的知識網絡（Curran 和Leker，2011；Wang et al，2014），契合了技術融合知識網絡（趙玉林和李丫丫，2017）及其結構影響下知識域交互分析的需求。

知識基被視為判斷企業知識廣度和深度的關鍵標準，知識廣度和深度也被看作是知識基的兩個不同維度（Moaniba et al，2018）。知識基廣度是指知識基的整體范圍，即包含不同的、多領域的知識，該屬性反映了描述異質性知識內容的水平維度，而知識基深度是指關鍵領域知識的復雜程度，該屬性反映了描述獨特的、復雜的、領域內知識內容的垂直維度，此“二維性”揭示了企業所擁有的整體知識的結構和內容，對企業創新績效具有顯著的積極影響（Jin et al，2015；Moaniba et al，2018；Wang 和Nie，2022）。以網絡化為基礎的知識組織方式能夠更加有效地集聚知識資源，不同的知識基維度在知識網絡嵌入對創新力的影響中起到一定的中介作用（王新華等，2019）。

首先，基于知識基礎理論，創新產出可以被視為現有知識組成部分或新知識領域和現有知識領域的重組（Eom 和Kang，2022）。中介技術融合特征更加利于異構技術領域的知識重組（Lee et al，2022），該特征下的知識流交互具有異質性和多層次性（Lee et al，2019）。此時，中介中心性會影響企業知識交互、整合和創造的潛力，進而影響知識基的廣度和深度（Wang 和Nie，2022）。知識基廣度和深度皆作用于新知識的識別并與知識共享、知識獲取、知識整合等知識重組機制密切關聯，不論是擴大異質性知識的搜索范圍，還是延續多層次專業領域的深入認知，都有助于企業強化技術融合能力和創新能力，從而提高創新績效（Jin et al，2015；Cho et al，2021）。特別是，中介技術融合有利于知識基的增加，加強了企業異質資源的獲取、整合和創造能力，有助于企業識別稀缺性、有價值的可融合技術，以及高度中介難以替代的知識（劉洋等，2015）。因此，知識基廣度和深度在中介技術融合與創新績效間的關系中起中介作用。由此，本文提出假設：

知識基廣度在中介技術融合與創新績效間的關系中起中介作用（H2a）；

知識基深度在中介技術融合與創新績效間的關系中起中介作用（H3a）。

其次，從信息優勢對技術融合過程中企業創新績效提升作用視角來看（Kim et al，2014），接近技術融合反映的是技術融合網絡中企業內部相似性知識快速整合和外部搜尋鄰近性較高和融合影響力較高的知識的策略（Cho et al，2015；Cho et al，2021）。此時，接近中心性代表了企業技術融合和知識交互能力，接近融合程度較高的組織更有可能通過多渠道信息比較避免被扭曲和不完整的信息誤導（Wang 和Nie，2022）。由于知識基深度能夠保證知識的同源性，同源信息的使用可以有效地減少溝通不匹配，增強識別技術融合的知識域能力，從而在接近技術融合“最短路徑”影響下，快速實現技術融合，提升創新績效（Jin et al，2015）。而隨著知識基廣度增大，企業獲取信息的范圍就越廣，更加有利于新思想、新思維和新觀點的產生，使得知識理解和信息處理能力得到進一步加強，有助于鄰近性技術融合的機會識別和知識整合，進而提升創新績效（Krupskaya 和Pina，2022）。由此，知識基廣度和深度在接近技術融合與創新績效間的關系中起中介作用。由此，本文提出假設：

知識基廣度在接近技術融合與創新績效間的關系中起中介作用（H2b）；

知識基深度在接近技術融合與創新績效間的關系中起中介作用（H3b）。

此外，知識網絡內聚是知識網絡的一個典型特征，知識網絡聚類程度代表了企業重組現有知識資源及整合來自外部組織的知識的能力（Wang 和Nie，2022）。聚類技術融合反映以知識轉移密度衡量技術領域內技術融合的緊密程度（Lee et al，2019；Kim 和Lee，2021）。此類模式下，知識交互的發生并不一定能夠成功完成技術融合，還需要有效地重新組合（Jord?o et al，2020）。Wang 和Nie（2022）稱之為“技術領域耦合”。就知識基而言，耦合是指企業在搜索新技術時可能將兩個領域的知識結合起來的程度，主要分為現有知識領域之間的耦合變化和新知識領域與現有知識領域之間的耦合（Yayavaram 和Ahuja，2008）。耦合資源轉化效率顯著影響技術融合活動的創新績效（Sampson，2007）。企業知識基廣度越大，其知識異質性越高，異構知識提供了多種資源識別和整合渠道，即知識多樣性促進已知知識和新知識的重組成功概率增加，有助于提升技術互補能力和創新績效（Lee et al，2022）。隨著知識基深度的增加，企業長期積累的領域內知識越豐富，擴展已有知識的需要和發現額外的、有價值的新知識的能力越強大，有助于技術創新方向分解為若干研發子領域，子領域技術融合機會能夠以更有序的方式組織和更系統地解決，從而提高技術融合效率，提升創新績效（Jin et al，2015；徐蕾和李明貝，2019）。可知，知識基廣度和深度在聚類技術融合與創新績效間的關系中起中介作用。由此，本文提出假設：

知識基廣度在聚類技術融合與創新績效間的關系中起中介作用（H2c）；

知識基深度在聚類技術融合與創新績效間的關系中起中介作用（H3c）。

基于以上假設，本文的概念模型如圖1 所示。

圖1 概念模型

三、研究設計

（一）樣本選取及數據來源

汽車制造業是知識、技術密集的行業，汽車是制造過程中涉及多種材料、工藝、部件和系統的復雜產品，因而，汽車領域的創新往往要求多種技術的交叉或引進。本文依照中國證監會上市公司行業分類，選擇139家滬深股市（A 股）的汽車制造業企業為研究樣本，并從Wind 數據庫采集2009—2020 年這些企業研發投入、規模、經營時間等數據。再從國家知識產權局公開的專利信息中，采集1985—2020 年139 家樣本企業和汽車制造產業（盡可能全面）的發明和實用新型專利數據。

專利數據分析的設計如下：首先，依據我國發明和實用新型專利的分類特征與IPC 國際專利分類準則，本文利用IPC 分類號的完整的層級分類體系，將采集的專利數據分為部、大類、小類、大組、分組。其次，本文參考文獻綜述中大多數學者的做法將技術精確到大組。如以分類號B60L8/00（用自然力所提供的電力的電力牽引，如太陽能、風力）為例，若僅精確到小類B60L 電動車輛動力裝置，體現的可能僅僅是部件之間的融合關系，而大組的劃分能更多地考慮到實現部件或方法所涉及的技術。再次，整理汽車制造產業的專利和公司控制下的專利①公司控制下的專利是包括上市公司本身及其公開披露的參股或控股的子公司、孫公司所持有的專利。并形成適用于分析數據集。數據集中，本文將產業作為專利檢索的限定邊界，即劃定與汽車制造業相關的專利，并采用國際專利分類（IPC）中的產業對照表進行進一步的分析。

需要說明的是，學者常用的限定邊界方法有IPC 分類號與技術、產業領域對照表確定產業相關的專利，或是針對新興產業挑選一組檢索詞。盡管有學者提出現有的分類對照表尚存在主觀判斷和重于時效等問題，但是為了研究的一致性和穩定性，本文采用IPC 與產業對照表。目前多個國家和機構組織，編制了類似的對照表，包括世界知識產權組織發布的“ISI-OST-INPI”分類體系，歐洲產業局經過多次迭代并于2014 年發布的“Concordance IPC V8 NACE REV.2”等，但這些對照表都更強調IPC 分類號與技術領域的對照，考慮到將產業作為主要劃分依據能夠一定程度上避免內生性和保障數據檢索的一致性，本文最終選用了韓國專利局基于聯合國國際行業標準編制的“KSIC-IPC”對照表。“KSIC-IPC”關聯表是韓國專利局針對產業、商品、科學技術、工業技術編制的分類標準之一②其他標準還有：基于世界海關組織的商品名稱及編碼協調制度的“HSK-IPC”關聯表、基于韓國科技通訊部規定的“國家科學技術標準分類-IPC”關聯表和基于韓國產業同上資源部業務計劃的“工業技術分類-IPC”關聯表。。這一標準在產業領域與技術領域之間有較高的區分度。其中汽車產業對應的IPC 號為：B60B、B60D、B60F、B60G、B60H、B60J、B60K、B60L（B60L13 除外）、B60N、B60P、B60R、B60S（B60S3 除外）、B60T、B60W、B62D、E05F、F02M、F02N、F02P、F16J、G05G。此外，許多公司基于企業總體知識產權戰略會以母公司的名義進行所有的專利申請（如國家電網等），但也有因為業務（產品線）分離、股權并購、資產配置、分攤風險、資質限制、稅收優惠等原因，而由子公司申請專利。不論母公司還是旗下子公司申請的專利，都是母公司創新績效的體現，不能貿然剝離子公司的績效。因此，本文選擇公司控制下的專利為研究對象，增強研究的穩健性。

本文利用知識元在專利文件中的共現關系構建技術融合網絡。IPC 號是對專利申請內容涉及的部件、功能、技術主題的提煉，一項發明為了實現功能、方法或組成部件往往依賴多個不同的技術，這樣一次發明活動就是一次跨技術領域的創新，專利對應的多個分類號標示了其對應技術的融合。研究數據處理過程如圖2 所示。

圖2 數據處理過程示意圖

（二）變量及測量

（1）創新績效：專利申請數量是常用的企業創新績效指標，汽車行業競爭激烈，企業間積極利用知識產權擴大優勢，專利信息很大程度上能體現出汽車企業的創新活動情況。因此，本文借鑒前人研究（Ahuja，2000），采用企業專利申請數來衡量企業的創新績效。

（2）技術融合特征：本文借鑒選取了基于網絡結構特征的三種技術融合特征作為自變量，分別稱為中介技術融合、接近技術融合和聚類技術融合。首先，分年計算技術融合網絡中各IPC 號的中介中心性、接近中心性和局部聚類系數。然后，計算各個企業控制下專利中各IPC 號所占的比例，盡管同行業中各個企業持有專利往往共享類似的IPC 號，但IPC 號的占比是不同的，能夠指示企業間掌握技術的差異。再將各IPC 號的三種網絡結構特征分別與企業的IPC 號占比相乘，將積求和。最后，介于點的結構特征往往呈偏態分布，對求得的和加1 再進行對數處理，得到三種技術融合特征。

（3）知識基廣度：本文使用技術多元化表示知識基廣度（breadth）（Jin et al，2015），并使用熵指數法計算（Park 和Yoon，2018），計算公式為breadth=，并按照IPC 分類號的前三位進行分類。其中，pj為技術單元j在企業i持有專利IPCi中的占比，即IPC 號j與企業專利總數的比值。

（4）知識基深度：本文參考姜南等（2020）的做法，使用企業控制下專利的平均權利要求數表示知識基深度。專利權利要求是對專利申請所給予的保護范圍，往往要求以科學用語對專利的方法或功能等技術特性進行描述，專利的權利要求項數越多，相應的技術特征也就越多，專利權人對專利保護和實施的要求更高，說明專利更重要或更前沿。

（5）控制變量：本文選取財務杠桿、總資產收益率、內部研發強度和企業年齡等指標作為控制變量。其中財務杠桿使用資產負債率衡量，內部研發強度用研發投入對主營業務收入的比值加一后對數化處理表示，企業年齡以企業成立時間為基數測量，同樣加一后對數化處理。

（三）模型選擇

本文的因變量（專利申請數）是非負整數變量，計數模型比一般的線性回歸模型更適用于對其分析，技術創新領域的研究中常見的有負二項回歸和泊松回歸，加之因變量方差遠大于均值，與泊松分布方差與均值相等的假設不符。此外，隨機效應需要依賴更為嚴格的協方差相等假定。因此，本文選用負二項回歸固定效應模型進行分析。

四、實證分析

（一）描述性統計及相關分析

描述性統計結果見表1。由于企業上市開始披露數據和開展專利申請活動的時間不同，數據為非平衡面板。因變量創新績效專利申請數最小值和最大值分別是0 和4021，平均值為141.764，標準差為374.766，個體間差別較大。自變量中中介技術融合最大值12.687，最小值1.806，標準差為1.406，企業間有一定差異，而接近技術融合最小值為-3.880，最大值為-0.717，平均值為-1.025，標準差0.239，聚類技術融合最小值-3.457，最大值0，標準差為0.278，兩者企業間差距都比較小，由于對數處理，接近技術融合和聚類技術融合呈現為負值，原因可能是技術融合網絡比較稀疏或企業在技術融合網絡中占據了更多媒介地位，而接近中心和局部聚類的關系捕捉較少。中介變量中知識基廣度的平均值為3.381，標準差為1.221，知識基深度的平均值為4.945，標準差為1.770，在企業間有一定差異。控制變量財務杠桿的標準差為3.381，存在較大的個體差異，內部研發標準差為0.696，企業年齡標準差為0.448，個體間差異都比較小。

表1 變量描述性統計

本文采用Pearson 相關系數對選取變量之間的相關性進行檢驗，相關性分析結果見表2。可以看出自變量中介技術融合、接近技術融合，中介變量知識基廣度、知識基深度及控制變量企業年齡都與專利申請數在1%的水平上顯著相關，有較強的相關性。中介技術融合和接近技術融合與專利申請數的相關系數為正，而聚類中介融合與專利申請數相關系數為-0.284，呈負向相關。自變量中介技術融合、接近技術融合、聚類技術融合都在1%的水平上對中介變量知識基廣度顯著相關，且均為正向相關關系，驗證技術融合程度的增強不同程度上加強了企業對自身知識基的拓展。因此認為知識基廣度和深度在中介技術融合、接近技術融合和聚類技術融合對創新績效的影響中起到正向的中介作用。自變量之間也都在1%的顯著水平上相關，但相關系數的正負和大小不一，這一方面是因為三個自變量分別基于中介中心性、接近中心性和局部聚類系數，三類網絡特征并不是相互排斥的，有怎樣的相關關系取決于特定的技術融合網絡；另一方面，三個變量的計算采用了相同的加總方式，一定程度上也提升了相關系數的顯著性。

表2 相關性和共線性分析

由于部分變量間存在顯著的線性關系，為了排除變量之間多重共線性的影響，借助方差膨脹因子VIF進行共線性分析。共線性在變量間普遍存在，一般認為VIF＞5 說明存在共線性問題，VIF＞10 意味著嚴重的共線性問題需要解決。共線性分析的結果也在表中，發現變量的VIF均小于4，可以進行下一步的研究。

（二）回歸分析

本文負二項回歸結果見表3。根據研究假設，共列出了15 個回歸模型。模型（1）～模型（3）分別在控制變量的基礎上加入中介技術融合、接近技術融合和聚類技術融合，檢驗三者對企業創新績效的影響。中介技術融合、接近技術融合、聚類技術融合的回歸系數分別為0.134、0.596、0.413（p值均小于0.01），三者對創新績效均有顯著的正向影響。較高的中介技術融合意味著企業往往作為技術領域間的橋梁，更有機會把握知識流動向，企業通過聯系不同的技術在產生前沿成果方面獲得優勢。接近技術融合代表著技術領域間融合的實際潛力，高接近技術融合的企業更有可能接觸到其他技術領域并發生技術融合。聚類技術融合意味著企業在自身掌握的技術之間尋求融合機會，因為對相關技術領域都比較熟悉，也更有機會申請新專利。其中接近技術融合和聚類技術融合的系數大于中介技術融合，說明企業加強接觸廣泛的知識領域或加深對自身掌握技術知識的內在聯系有較大的創新收益。假設H1a、假設H1b、假設H1c 得到了實證結果的支持。

表3 負二項回歸結果

模型（4）～模型（9）探討知識基廣度對中介、接近、聚類技術融合與企業創新績效之間關系的中介作用，見表4。模型（4）～模型（6）表明三種技術融合特征對企業知識基廣度有顯著的正向作用。模型（7）～模型（9）在模型（1）～模型（3）的基礎上增加知識基廣度回歸后，中介和接近技術融合的系數仍顯著但均有明顯降低（0.088，p＜0.01；0.395，p＜0.05），聚類技術融合的系數大幅度下降（0.068，不顯著）。實證結果支持了假設H2a、假設H2b、假設H2c。說明知識基越廣、掌握知識越多樣的企業越能從技術融合中獲得好處，通過探索掌握的技術之間聯系實現創新的企業，研發活動尤其依賴于自身多元化的知識儲備。

表4 知識基廣度的中介效應回歸

見表5，模型（10）～模型（15）探討了知識基深度對中介、接近、聚類技術融合與企業創新績效之間關系的中介作用。模型（10）～模型（12）表明三種技術融合特征對企業知識基深度有顯著的正向作用。模型（13）～模型（15）在模型（1）～模型（3）的基礎上增加知識基深度回歸后，中介和聚類技術融合的系數仍顯著但均有降低（0.115，p＜0.01；0.333，p＜0.01），接近技術融合的系數下降較多（0.285，p＜0.05），假設H3a、假設H3b、假設H3c 得到驗證。說明企業選擇的技術更容易與新的領域實現交叉還需要企業對自身掌握的技術有足夠深的了解才能更好地實現創新。

表5 知識基深度的中介效應回歸

（三）穩健性檢驗

本文進行的穩健性檢驗包括：①針對計數變量常用的另一種模型，替換使用泊松模型進行穩健性檢驗，見表6，與基準模型相比得到了一致的結果；②更替因變量的穩健性檢驗。基準回歸使用的企業當年專利申請數沒有考慮到專利間重要性存在的差異。因此參考Sampson（2007）的做法，用企業當年申請專利3、5 年內的前向引用次數測度創新績效，用cited表示，篇幅所限，只報告了替換企業申請專利3 年內前向引用數為因變量的結果，見表7，回歸后得到的結論均與基準回歸一致。因為需要前向幾年專利前向引用數據，報告期縮短，觀測值有所減少。

表6 泊松模型穩健性檢驗結果

續表6

表7 替換因變量穩健性檢驗結果

五、結論及啟示

本文從理論和實證兩個層面分析技術融合對企業創新績效的作用及通過知識基為中介變量的間接作用。研究結果表明：①中介技術融合、接近技術融合和聚類技術融合均對企業創新績效存在顯著正向影響。其中接近技術融合的影響最大，中介技術融合的影響最小，映射出持續性嘗試整合熟知領域內影響力較高和風險較小的技術已成為企業技術融合的主要策略。②企業知識基廣度在技術融合特征與創新績效的關系中起中介作用。知識基廣度的介入，導致聚類技術融合的直接作用效果受到極大影響，可見，知識異質性的提高加劇了企業對熟知領域技術的融合機會識別壓力，對企業自身知識積累的多元化有正向的促進作用。③企業知識基深度在技術融合特征與創新績效的關系中起中介作用。知識基深度的介入，較大影響了接近技術融合的直接作用效果，由此，知識復雜性和技術累積度對企業快速搜索影響力較高的中介性技術有正向的促進作用。

本文研究的理論貢獻在于：

首先，本文整合技術創新網絡、知識網絡、合作創新網絡的理念，將研究視角轉向技術融合網絡，從網絡微觀結構的角度研究技術融合現象和特征，加深了對技術融合、技術創新過程的認識。以此嘗試研究視角上的創新。

其次，借助網絡拓撲結構界定技術融合特征，深化了技術融合及其效果的研究。已有研究認知了網絡中心性對技術融合的影響（Kim et al，2014；Lee et al，2015；Kim 和Sohn，2020）。然而，該領域還需要在網絡結構靜態分析基礎上，考慮技術融合動態模式和演化軌跡（Kim et al，2014）。本文從網絡連接、結構洞和知識基作用入手，歸納中介、接近和聚類技術融合特征的作用機制，在度分布、中心性、熵和重力等靜態分析基礎上，嘗試引入知識基的影響探究技術融合特征對創新績效影響的變化。

最后，通過技術融合特征的作用分析，揭示知識基效用發揮的前因。已有研究論述了知識基的重要性及其對創新績效的積極作用（黨興華等，2011；劉洋等，2015；Jin et al，2015；Moaniba et al，2018）。隨著知識網絡中知識基的跨結構邊界交互被大多數學者所認知，知識基的研究也需要明晰影響自身變化的動因。研究知識基效用發揮的前因，有助于企業改進現有的知識域或融合新知識域應對新的發展需求（Wang 和Nie，2022）。本文通過實證分析，發現了技術融合內在技術單元的知識網絡中心性對知識基“二維性”的影響，進一步探究知識基廣度和知識基深度的效用，對知識基在技術創新領域的研究進行了拓展。

本文還對于技術融合管理實踐提出如下啟示：一是企業層面，在技術融合網絡中企業具有重要的作用，技術融合過程中發生的知識和資源流動既有正式的關系如產學研合作關系，也通過非正式的關系發生，如技術人員的交流和流動。特別是汽車制造業企業匯集異質性的信息、知識和資源是通過多層次的網絡關系進行的。企業可以從技術元，具體到研發項目、研究小組的層面配置網絡關系，選擇合作對象。企業制定發展目標、技術策略應當結合自身優劣勢和競爭環境，挖掘自身在技術鏈路、技術棧、產業鏈的優勢，清楚在未來技術發展過程中可能出現的風險，不僅要關注新興技術，還要分析是否對自身創新能力的提升有較大的推動作用。此外，要做好知識資產的管理，包括保持核心技術的前沿性、“專利圍欄”的搭建、企業知識庫的建設等。二是行業層面，現代制造業應積極引導該行業建立更健全的研發機制和健康的市場環境，動態關注技術融合狀況。對萌發的融合技術，針對相關創新主體，增強異質性資源共享，對相對成熟的技術領域，探索潛在的技術融合機會，積極培育新興技術和市場。提高行業整體的國際競爭力，保護關鍵核心技術，維護制造業體系完整，建立更權威更開放的標準體系。三是政府層面，應該針對技術融合狀況和產學研主體采取更精準的政策培育，如技術融合初期，相關學研主體往往需要更多的資助，而相關企業往往需要更多的知識、資源交流機會。做好戰略核心技術保護和產業化的平衡，軍工體系長期依賴國家扶持和科研人員的熱情，都是參考發達國家往往建立了比較健全的軍民融合機制，飛機、汽車、芯片等領域自主可控的核心技術往往來自于軍用研發成果與民用技術相融合產生，而民用市場能夠反哺支持后續研究，政府應當培育健全的軍民融合體系，避免人才流失。

本文研究的局限性主要技術融合趨勢和企業知識基的構建是長期漸進的過程，本文選擇的時間跨度不足以完全其直接或間接的影響，樣本量有限，僅選擇了主要利用專利保障知識產權的汽車制造業，推廣結論還需要進一步的工作。