基于SNA-NK模型的企業漸進式創新績效提升路徑研究

卓入峰　鄭俊巍　張云華　謝洪濤　常凱

摘 要：基于企業漸進式創新相關文獻調研，運用社會網絡分析對梳理得到的影響因素進行關鍵因素識別并確定關鍵因素間關聯性，進而通過NK模型建立企業創新決策選項合集，再利用計算機仿真計算適應度值并繪制適應度景觀，結合不同攀爬策略獲取企業漸進式創新績效提升路徑。實例分析表明，企業漸進式創新績效影響因素存在主次之分，不同關鍵因素組合狀態對應著不同的企業漸進式創新績效，且因素間相互影響關系以及先后優化順序是漸進式創新績效作用差異化的重要原因。其中組織知識管理、外部信息搜尋、組織吸收能力、合作伙伴關系、組織研發能力和組織技術水平6個因素是企業漸進式創新績效的關鍵影響因素。以組織知識管理、合作伙伴關系、組織研發能力、外部信息搜尋、組織技術水平和組織吸收能力的順序進行優化可以避免企業陷入“局部最優”陷阱，使得漸進式創新績效達到全局最優值，由此為企業創新活動及績效提升提出了對策與建議。

關鍵詞：漸進式創新；技術創新；社會網絡分析；NK模型；適應度景觀

中圖分類號：F 273.1

文獻標識碼：A 文章編號：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

在全球競爭搶占技術發展制高點之際，我國始終將技術創新視為國家整體發展的核心[1]，并在“二十大”提出“高質量發展是全面建設社會主義現代化國家的首要任務”。高質量發展在于經濟活力、創新力以及競爭力，在充滿不確定性的競爭環境以及對高質量發展的迫切需求下，一方面技術創新可作為企業核心競爭力實現高水平技術自立自強[2]，另一方面技術進步是促進經濟持續增長的決定因素，能夠顯著提高企業生產力水平[3]。因此，強化企業自主創新能力，提升科技創新轉化效率對構建國家發展新優勢具有重要意義[4]。CHRISTENSEN[5]依據創新幅度與所采用的技術類型進行分類，將技術創新分為漸進式創新和突破式創新。其中漸進式創新被定義為對現有產品及技術等的改進和強化[6]，相較于突破式創新，漸進式創新因其創新周期短、不確定性程度較低、創新風險較易控制等特征，逐漸成為企業獲取持續性優勢和穩定回報的創新首選[7]。因此，提升企業漸進式創新績效是企業增強競爭優勢、提升創新實力的重要途徑[8]。

如何通過設置合理的創新機制以提升企業漸進式創新績效，是技術創新領域的研究重點[9]。盡管已有學者探究了外部知識搜索[10]、政府資助[11]、組織知識管理[12]等因素對企業漸進式創新的影響，但漸進式創新績效的提升過程是由多種因素共同決定的復雜過程，剖析單因素的影響不足以解釋該過程的復雜驅動機制[13]，因此，有必要對多因素共同影響下的企業漸進式創新績效提升路徑進行探究。鑒于此，文中基于復雜系統理論提出了一種基于SNA-NK模型的企業漸進式創新績效提升路徑選擇與優化方法，用于分析多因素共同作用下漸進式創新績效的提升路徑。

1 理論基礎與文獻回顧

1.1 雙元創新與復雜適應系統理論

熊彼特[14]在《經濟發展理論》中首次提出了技術創新理論，該理論將創新定義為一種新的生產函數，即實現生產要素和生產條件在新的生產體系中的新組合、新應用。隨后MARCH[15]通過將“利用”和“探索”定義為不同的組織學習方式，并依據創新程度的不同，將低風險、低成本、漸進式的利用式創新表述為“漸進式創新”，高風險、高成本和顛覆性的探索式創新表述為突破式創新，進而發展出了雙元創新理論。由于漸進式創新和突破式創新的內涵不同，導致二者具有不同的影響機制[16]，同時由于我國多數企業更傾向于選擇創新周期短、不確定性程度相對低、創新風險較易控制的漸進式創新[17]，因此文中針對漸進式創新績效提升路徑展開研究。

復雜適應系統（CAS）理論由HOLLAND[18]于1994年提出，該理論強調了復雜系統演化的動力來源于系統內部，即宏觀的復雜性現象是由于微觀主體導致。復雜適應理論將系統內部的各個要素定義為具有“適應能力的主體”，當外部環境發生改變時會導致各微觀主體做出相應的自適應變化，同時由于各個異質性的自適應主體之間存在復雜的相互作用與反饋，會使得整個系統進行動態演化[19]，因此該理論可用于探究系統內在因素的相互作用對客觀現象構成原因及演化路徑的影響。

1.2 問題提出

目前關于漸進式創新的研究多集中于對漸進式創新績效影響因素的研究，依據張瑩[20]的觀點，可將漸進式創新績效影響因素劃分為微觀、中觀以及宏觀3個層面；宏觀層面因素包括政府政策[21]、動態競爭環境[22]等；中觀層面因素有管理者態度[23]、組織間合作關系[24]等；微觀層面因素則涉及企業間網絡特征如企業間網絡嵌入性[25]、關系網絡中心度[26]等，可以看出現有研究大多數是基于因素獨立性探討單個因素對企業漸進式創新績效的影響，而較少考慮因素間相互關聯性對企業漸進式創新績效所起的作用。另外，復雜系統理論已被運用到技術創新領域，如NGONGONI等[27]將創新生態系統定義為復雜適應系統，通過對系統中關鍵活動進行探究從而有助于創新生態系統管理，陳雄輝[28]依據復雜適應系統理論構建了產業技術創新和技術創新人才互動支撐系統，并以此探究了影響產業技術創新的因素。WU等[29]則是將產品創新體系視為一個復雜適應性系統，對技術管理和技術耦合間相關關系進行探究從而促進產品創新，提高競爭優勢。

技術創新具有復雜系統特征，在受到多種因素影響的同時[30]，還具備開放性和自組織性，在外部環境影響下，會產生一定的發展模式并依照著推進[31]。因此，僅依靠單個層次的因素探究無法明晰技術創新系統的運作規律，有必要借鑒復雜系統思想對企業漸進式創新績效提升路徑展開分析。故文中基于技術創新理論與復雜系統理論，探究多因素共同影響的企業漸進式創新績效，并基于因素識別分析其績效提升過程。

2 研究方法

由于漸進式創新是由若干個相互關聯、相互影響的因素共同作用的結果，因此文中擬將SNA與NK模型進行結合分析，建立一種基于SNA-NK模型的漸進式創新績效提升路徑研究方法，步驟如圖1所示。

1）因素識別。基于理論梳理和文獻分析，提取出企業漸進式技術創新績效影響因素，然后運用社會網絡分析方法從所篩選的這些因素中發掘出關鍵因素，從而確定參數N。

2）關系建立。計算關鍵因素之間的關聯度，進而明確參數K。

3）適應度分析。對因素之間的不同決策結果進行組合，獲取企業漸進式創新決策選項合集，利用隨機分布函數，為企業漸進式創新的決策選擇組合結果隨機分配適應度值。

4）適應度景觀生成。依據最終得到的關鍵因素組合及其對應的適應度值，繪制出企業漸進式創新績效適應度景觀。

5）路徑選擇。運用Python軟件對NK模型進行仿真，基于仿真結果根據單因素搜尋方式分析企業漸進式創新績效提升路徑。

2.1 基于關系構建的社會網絡分析方法

社會網絡分析（SNA）也被稱為結構分析法，是一種對因素間網絡關系進行量化的研究方法[32]。在社會網絡分析中，“網絡”被認為是由行動者以及行動者之間的社會聯系構成的穩定的社會結構。節點即行動者之間的社會聯系可用連線表示，在研究中主要采用關系矩陣量化社會網絡中成員及相互之間的關系[33]，具體而言，因素之間關系可用數值進行表示，如數值為0代表因素間不存在相互關聯，其他數值大小可以代表因素間關聯性程度。

社會網絡分析主要包括個體網絡特征以及整體網絡特征2類測量指標。其中個體網絡特征如中心度，用于反映節點是否處于網絡核心位置，測量的是能夠與某個因素直接建立聯系的其他因素數目[34]。現有研究多數采用因素之間的關系進行中心度測量，尚未考慮到因素間關系強度，由此發展得到基于加權網絡的度數中心度測量方法，通過將關系強度納入因素間關系中，能夠更加客觀真實地反映因素間相對重要性程度[35]。因素i的加權度數中心度DCi的計算公式為

其中：n為節點i所有的相鄰節點數；Pk為因素i到第j個相鄰節點連線的權重值。

此外，整體網絡特征變化的指標涉及網絡密度、點度中心勢、核心-邊緣結構等，其中網絡密度用來表示因素關系網絡的疏密程度，通過對網絡密度分析可以對網絡整體性能進行判斷，網絡密度D越大，說明因素間的聯系越緊密[36]；點度中心勢C反映了網絡的凝聚能力和整體中心性，值越大反映了各節點分布越不均勻，該網絡圍繞著幾個核心因素發散開來[37]；核心-邊緣結構分析則是根據網絡中結點之間聯系的緊密程度，將網絡中的結點分為核心區域和邊緣區域，處于核心區域的節點在網絡中占有比較重要的地位，對整個網絡影響較大[38]。網絡密度及點度中心勢的計算公式分別為下述式（2）和式（3）所示。

其中：D為網絡整體密度；n為節點個數；m為節點間實際關系數。

式中：C為度數中心勢；CMAX為最大度數中心度；Ci為因素i的中心度。

由于社會網絡分析能夠對因素之間相對重要性進行準確的定量分析，進而找出其中的重要節點[39]，故被廣泛的運用于關鍵因素識別。例如SHOAR等[40]基于社會網絡分析探究了設計缺陷致因因素并對其進行分析和排序，從而厘清核心因素以幫助項目管理人員采取有效措施進而提高設計文件質量；李柏桐等[41]基于社會網絡分析構建建筑節能改造市場發展節能服務產業動力的影響因素模型并對其關鍵因素進行識別；FENG等[42]基于社會網絡分析提取市政工程安全生產事故關鍵致因因素，隨后進一步通過偏序集評價得到了市政工程施工現場安全風險HASSE圖，從而為項目管理者提供新的風險管理思路。故文中擬運用SNA識別和獲取關鍵因素，即通過對文獻梳理初步得到的漸進式創新績效影響因素展開社會網絡分析，找出其中的關鍵影響因素。

2.2 NK模型

適應度景觀由美國遺傳學家WRIGHT[43]于1932年在研究生物學的基礎上提出，該理論認為生物的進化可以看作是在三維崎嶇景觀中基因遷移或游走的過程，其主要動力源自于生物內在基因，不同的基因型對應著不同的生物外在表現（用適應度表示）。景觀中的每個點代表生物不同基因之間的組合，高度代表該基因組合對應的適應度值，由于不同基因組合對應適應度值的不同，導致整個適應度景觀出現多個高峰和低谷，從而呈現出交錯起伏的景觀地形被稱為適應度景觀[44]。適應度景觀理論后被引入到經濟與管理學領域中，逐漸成為了研究復雜系統的方法[45]。

KAUFFMAN等[46]提出將NK模型用于描述適合度景觀，該模型以不同要素構成的系統適應度為研究基礎，通過研究復雜系統內部不同構成要素間關聯作用及其對系統整體適應度的影響，從而探尋較高適應度的系統組成。NK模型主要包括N、K、A這3個因素，N代表生物體中包含的基因數量，K（K

企業技術創新過程可以視為各影響因素在適應度景觀中的演化過程[47]，適合用NK模型對這個過程進行描述。文中將企業漸進式技術創新績效等同于生物適應度值，漸進式創新影響因素對應著生物體內的基因，不同基因的組合狀態對應于不同因素的組合狀態，由此構建了影響因素數量為N，影響因素間相互影響關系為K的企業漸進式創新績效NK模型，見表1。

2.3 適應度景觀

基于上述關于NK模型的描述可推斷N和K共同反映了系統各主體之間的復雜關聯程度，而等位基因A的變化僅用于反映因素狀態是否發生變化。參照已有研究[48]，將要素的等位基因狀態A設置為0和1兩種情況。因此整個系統可以表示為M=（M1，…，Mi，…，MN），其中Mi代表各因素狀態d=（0，1），則整個系統就可以用0-1二進制數組表示，共包括2N種狀態，每個狀態分別對應著不同的適應度值。

基于NK模型，若關鍵要素i和j之間存在關聯，則當因素i的等位基因發生變化或者與之有關系的上位因素（即i的影響因素，如j）發生變化時，則從（0，1）分布的隨機變量中抽取一個隨機數edi，作為關鍵要素i的適應度值，即edi～U（0，1），i∈{1，…，N}，d∈{0，1}。由此形成關鍵要素的適應性矩陣E=[edi]d*N，各個要素適應度值的平均值即為系統整體適應度值，其計算公式為

最后，依據關鍵影響因素等位基因組合所對應的所有適應度值，將其折射到三維空間上，以橫坐標和縱坐標代表因素之間不同狀態下的不同組合方式，豎坐標代表該組合方式下整個系統的適應度，進而形成漸進式創新績效的適應度景觀圖。

2.4 路徑選擇

在路徑優化選擇中可能存在著多種搜尋方式，不同的搜尋方式對應著不同的決策選擇模式。主要有2種方式可以通過對影響因素進行修改，進而實現對漸進式創新績效的提升。其一是單要素改變，即每次只改變一個關鍵因素的狀態，當改變后的整體適應度大于改變前的整體適應度時，則保留這種變化，反之則回到之前的狀態。該搜尋方式在適應度景觀中呈現出“攀爬”的現象，重復這一過程直至得到全局最高的適應度值，即找到了系統的最佳提升路徑。圖2所示的適應度景觀圖反映了單因素搜尋下的攀爬過程，其中虛線代表攀爬路徑，①②③④分別代表因素提升順序。其二是多個要素的改變，即每次同時選擇改變多個要素的狀態，在適應度景觀上表現為從一個頂點到景觀中更遠的頂點的“跳躍”過程[49]。單因素改變風險較小，但是所需時間較長，且容易陷入“局部最優”陷阱，而多因素改變能夠躲避“局部最優”陷阱，且花費時間較少，但是往往伴隨著更大的風險。企業漸進式創新績效提升路徑的選擇過程是對漸進式創新績效關鍵影響因素的選擇和改變過程，當關鍵要素狀態發生改變時，整個漸進式創新績效系統的適應度值也會隨之變化。因此文中基于單因素搜尋的方法探究企業漸進式創新績效提升路徑。

文中擬基于社會網絡分析方法獲得關鍵因素之間關聯性，將其作為K。具體而言，通過文獻搜索發現若文章明確提及到因素i的變化會導致另一個因素j發生變化，則稱因素i和因素j之間存在關聯，且將二者的關聯系數rij記為1，否則就將二者之間的關聯系數記為0。由此得到關鍵因素關聯矩陣R=[rij]N*N，隨后通過集結關聯矩陣中的行元素，可以得到關鍵要素關聯度Ki。根據NK模型理論，參數K為各關鍵要素關聯度Ki的平均值，其計算見式（5）。

其中：K為系統復雜度；N為系統要素數量。K為系統中各關鍵要素受到其他因素的平均影響程度，K越大，系統間關系就越復雜，適應度景觀越崎嶇，當K=0時，因素之間相互不存在影響，僅有一個最高峰，當K=N-1時，因素之間兩兩相互影響，適應度景觀最復雜，存在多個局部最高峰。對得到的適應度景觀圖，擬采用單因素搜尋的方式，通過單個因素的變化對適度值不斷增加的路線進行辨別，將其反映在適應度景觀中以得到企業漸進式創新績效提升路徑。

3 實例分析

3.1 企業漸進式創新績效影響因素識別

以WOS核心數據庫以及中國知網（CNKI）為文獻來源，“incremental innovation”和“漸進式創新”分別作為篇名、關鍵詞和主題詞分別進行檢索。將英文期刊來源限定為SCI/SSCI數據庫，中文期刊來源限定為CSSCI/CSCD、北大核心，初步檢索得到268篇中文文獻以及286篇英文文獻，隨后通過文獻閱讀排除與研究主題無關的文獻樣本，最終得到提及企業漸進式創新績效影響因素的69篇中文文獻及123篇英文文獻共計192篇有效文獻作為數據研究樣本，并得到18個影響企業漸進式創新的主要因素，見表2。

然后針對初步篩選得到的18個影響因素，利用社會網絡分析法以及Ucinet軟件對漸進式創新績效影響因素網絡關系進行識別和可視化，從而對因素間相對重要性程度進行確定。針對已有文獻提及到的相關因素，若2個因素同時出現在同一篇文章之中則認為2個因素之間存在共現，說明2個因素相互關聯進而對企業漸進式創新績效造成了影響，由此對共現頻次進行匯總并編制共現頻次矩陣，頻次越大說因素之間的共現次數越多，通過Ucinet軟件繪制共現網絡圖（圖3）。圖3網絡中節點代表漸進式技術創新績效影響因素，其中節點大小表明因素被文獻提及次數多少，節點間連線代表因素間存在共現關系，連線粗度表明因素共現頻次大小。從圖中可看出，組織吸收能力、合作伙伴影響以及組織知識管理3個因素被提及次數最多；從連線可看出外部信息搜尋和組織吸收能力間連線最粗，表明二者被文獻共同提及次數最多。

隨后基于公式（1）-（3）對漸進式技術創新績效影響因素共現網絡進行分析，首先是個體特征分析，見表3，從加權度數中心度的結果來看，因素之間均存在聯系，尚不存在孤立點。其次是整體特征分析，整體來看網絡中存在166對關系，網絡密度達到了0.542，表明網絡聚合度良好。通過將原矩陣進行0-1化處理后得到因素共現網絡的整體中心勢為38.24%，說明該網絡的整體中心勢較大，整個網絡圍繞核心因素發散開來。核心-邊緣分析結果得到該網絡的基尼系數為0.409，而基尼系數越接近0代表因素之間的關系越平等，由此說明該網絡中各因素之間存在主次之分，關系具有區分度。

同時運用表3中因素核心度繪制核心-邊緣區域圖，如圖4所示，其中核心度大于均值的區域為核心區域，可見各因素核心度從中間往四周逐漸降低。綜合來看可以發現漸進式技術創新績效影響因素網絡較為集中，呈現出較強的整體性，且大多數因素間存在相互聯系，同時網絡中存在對整個網絡具有較大影響的核心因素。因此，結合加權中心度和核心度，得到影響因素重要性層次圖（圖5），將處于第一象限（高中心度和高核心度）的6個因素，即組織知識管理（OKM）、外部信息搜尋（EIS）、組織吸收能力（OAC）、合作伙伴關系（EP）、組織研發能力（ORC）、組織技術水平（OTL）作為影響企業漸進式創新績效的關鍵因素。

3.2 關聯度計算及適應度景觀生成

根據上述得到的因素關聯性編制6個關鍵因素（B1～B6）的關聯矩陣（見表4），結合適應度值和整體適應度值計算公式（4）-（5），得到企業漸進式創新績效關鍵影響因素關聯度K=4.17。并以此關聯矩陣作為NK模型分析和適應度景觀生成的原始數據，運用Python軟件開展步驟（3）和（4）。

通過十萬次模擬，得到部分相關結果，見表5，其中企業漸進式創新績效提升的關鍵要素適應度矩陣見表5中1-6列，關鍵要素等位基因組合適應度結果見表5中7-13列，B1=1代表對關鍵因素i進行優化，否則保持不變，如當對關鍵因素i進行優化（B1=1）而其他因素保持不變（B2～B6=0）時，可以將此時的系統狀態表示為二進制數組100 000，以此類推。從表中數據可以看出，一方面，并不是作用因素越多，系統整體適應度越高，如狀態011111的適應度（ed=0.486 9）小于狀態011110的適應度（ed=0.506 1），這表明在多因素相互作用的情況下，由于因素間的相互影響，反而可能會對系統帶來負面作用，這印證了將因素間關聯性納入系統研究的必要性；另一方面，在相同數量的因素影響下，如對初始狀態為100001的系統進行優化，狀態為100011的系統適應度（ed=0.490 7）大于狀態為100101下的系統適應度（ed=0.300 1），這表明對某些單因素進行不同時期或程度的控制確實能夠提升漸進式創新績效，需要考慮不同因素的先后作用；最后，狀態111111的系統適應度（ed=0.717 8）高于其他狀態，表明當對所有關鍵因素都進行優化，能夠使得系統達到最佳狀態。

基于上述適應度矩陣及其對應的適應度值，構建出企業漸進式創新績效的適應度景觀如圖6所示。創新復雜程度的增加會導致適應度景觀更加崎嶇（體現在圖6中山峰數量更多），局部最優點的數量（體現在圖6中局部最高峰更多）以及通往局部最優點的路徑都會增加，使得企業難以達到全局最優值（圖6中最高峰），這反映了為什么企業在創新時容易陷入“局部最優”陷阱[50]。

通過單因素改變的方式對最佳提升路徑進行搜尋，得到了企業漸進式創新績效提升路徑，截取了部分路徑攀爬過程圖如圖7所示。企業漸進式創新績效的提升路徑就是探究關鍵因素的優化順序，使得系統從初始狀態000000到系統最佳狀態111111之間的路徑適應度穩定提升，圖7中黑色粗線箭頭代表依照該路徑能夠使得企業漸進式創新績效不斷提高，虛線則代表通過該路徑進行攀爬會陷入局部最優陷阱。從圖中可以看出，企業每一個決策選項都對應著一個或多個更高績效的結果，初始狀態與全局最優值之間的路徑呈現出先發散后集中的現象，這表明企業存在多條漸進式創新績效提升路徑，這些路徑能夠到達系統局部最優點或者全局最優點。

因此，依據文中攀爬結果模擬結果可知企業達到全局最優適應度值的路徑為：000000-100000-100100-100110-110110-110111-111111，即按照組織知識管理（OKM）、合作伙伴影響（EP）、組織研發能力（ORC）、外部信息搜尋（EIS）、組織技術水平（OTL）以及組織吸收能力（OAC）的先后順序進行路徑優化，可以使得整個系統的適應度處于不斷增加的狀態，從而達到漸進式創新績效全局最優值。

4 結語

文中結合社會網絡分析、NK模型等方法，針對企業漸進式創新這一普遍創新模式，構建了基于SNA-NK的企業漸進式創新績效影響因素模型，并通過適應度景觀獲取漸進式創新績效提升路徑，得到結論及啟示包括。

1）文中將企業漸進式創新過程視為一個由多因素組成及共同作用的復雜系統，通過文獻搜索及社會網絡分析，梳理得到影響企業漸進式創新的6個影響關鍵因素，包括知識管理（OKM）、外部信息搜尋（EIS）、吸收能力（OAC）、外部合作關系（EP）、研發能力（ORC）和技術水平（OTL），對因素間的關聯性進行了探究。

2）研究發現因素之間的相互影響及因素先后優化順序是影響關鍵因素對漸進式創新績效作用結果的重要原因。該結論與已有文獻研究觀點存在差異，盡管已有研究指出政府政策、組織文化、環境動態性等是促進漸進式創新的必要條件，但本研究發現單個影響因素并不一定能決定企業漸進式創新績效的必要條件，由于各影響因素之間存在關聯和相互作用，需系統地分析企業漸進式創新績效影響因素及因素的作用機制。

3）基于NK模型和適應度景觀，以關鍵因素數量N、關聯度K作為NK模型的輸入，通過仿真迭代得到企業漸進式創新績效的提升路徑結果，且以知識管理、合作伙伴關系、研發能力、外部信息搜尋、技術水平及吸收能力的順序進行優化，能夠得到較優的漸進式創新績效。研究結果支持了技術創新過程的復雜系統觀，證實了技術創新路徑的多元性，也間接解釋了企業在進行漸進式創新實踐活動可能步入“局部最優”陷阱的原因。

研究結果表明，企業進行技術創新過程中可能陷入“局部最優”陷阱，因此首先需要做好知識管理工作，拓展組織內部知識寬度和知識深度，針對相應的創新活動進行知識儲備和利用；然后需要建立合作關系獲取技術、知識等資源；同時提高自身研發能力、重視外部信息獲取，促進組織內外部信息交流通暢，搶占創新先機；從而提升自身技術水平和吸收能力，加強對內外部信息的吸收以及外部技術與內部資源的整合利用，以提高漸進式創新績效。

文中僅考慮了漸進式創新績效的影響因素，尚未考慮其他創新類型，且未區分企業類型或行業類型。因此，未來可以對比不同創新類型的影響因素和提升路徑，同時考慮不同的行業類型，如制造業、服務業、建筑業等，乃至研究工程創新與企業創新的績效提升差異，由此為提升創新績效、提高創新能力提出對策建議。

參考文獻：

[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]趙奇鋒，鞠曉生，羅千峰.何種治理糾治企業創新短視？基于熊彼特傳統的創新型企業理論[J].技術經濟，2023，42（07）：25-40.

[5]克萊頓·克里斯坦森.創新者的窘境[M].胡建橋，譯.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]程聰，曹烈冰，張穎，謝洪明.中小企業漸進式創新影響因素結構分析：資源基礎還是能力制勝？[J].科學學研究，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]蘇屹，郭穩，孫笑明.技術距離對跨國并購雙元創新績效的影響及機制研究：文化相似性的調節作用[J].系統工程理論與實踐，2023，43（06）：1668-1685.

[10]董媛媛，魏澤鵬.跨界雙元搜索對雙元創新績效的影響：知識合作鏈與戰略柔性整合視角[J].科技進步與對策，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]張貝貝，李存金，尹西明.關鍵核心技術產學研協同創新機理研究：以芯片光刻技術為例[J].科技進步與對策，2023，40（01）：1-11.

[14]約瑟夫·熊彼特.經濟發展理論[M].北京：中國人民大學出版社，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，楊艷宇，等.基于被調節中介模型的團隊績效壓力與雙元創新的影響研究[J].管理學報，2022，19（12）：1811-1818.

[17]赫連志巍，閆陽.漸進式創新與企業績效關系實證研究：基于財務績效與成長績效模型構建[J].財會通訊，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]黃春萍，趙林，劉璞，等.新創企業品牌聯合伙伴選擇的計算實驗研究[J].中國管理科學，2019，27（08）：129-141.

[20]張瑩.組織內部協作網絡特征對二元創新績效的影響：基于半導體企業專利數據分析[J].情報工程，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，呂鴻江，周應堂.CS視角下正式網絡與非正式網絡互動對創新能力影響的實證研究[J].管理工程學報，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]汪濤，王璐瑋，儲姍姍.中國高成長企業的雙元創新路徑探析：以蘇南自創區瞪羚企業為例[J].中國科技論壇，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]陳雄輝.產業技術創新和技術創新人才互動支撐系統的標識[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]邵帥，徐俐俐，楊莉莉.千里“碳緣”一線牽：中國區域碳排放空間關聯網絡的結構特征與形成機制[J].系統工程理論與實踐，2023，43（04）：958-983.

[33]金飛飛，劉金培，陳華友，等.基于信任關系和信息測度的概率語義社會網絡群決策模型[J].中國管理科學，2021，29（10）：178-190.

[34]趙文霞，席艷玲，楊經國.數字產品貿易網絡結構特征與合作態勢研究[J].中國科技論壇，2023（02）：146-158.

[35]郭紅梅，張智雄.加權網絡中h類雜合中心度測度指標研究[J].情報雜志，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，周立軍，楊靜，等.人工智能產業技術標準合作網絡演化與主體識別：基于社會網絡分析法與TOPSIS熵權法[J].科技管理研究，2022，42（06）：143-152.

[38]焦建玲，楊宇飛，白羽.工業行業R&D技術溢出的社會網絡分析[J].中國科技論壇，2017（10）：55-64.

[39]周向紅，姚軼力，劉雨欣.數據要素流動背景下城市治理關鍵節點識別及影響因素分析：以上海市兩區51個部門的數據為例[J].東南學術，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，郭漢丁，伍紅民.基于SNA的既有建筑節能改造市場發展ESCO動力影響因素研究[J].科技進步與對策，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]錢洪偉，郭晶，李甜甜.復雜適應系統理論視角下我國應急科技系統發展研究[J].科技進步與對策，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]張延祿，楊乃定，劉效廣.企業技術創新系統的自組織演化機制研究[J].科學學與科學技術管理，2013，34（06）：58-65.

[48]湯洪霞，曹吉鳴，邵志國.BIM情境下綜合設施管理組織合作關系提升路徑選擇[J].系統工程理論與實踐，2020，40（09）：2406-2417.

[49]劉凱寧，樊治平，于超.基于NK模型的商業模式創新路徑選擇[J].管理學報，2017，14（11）：1650-1661.

[50]王建，胡瓏瑛，馬濤.聯盟網絡中企業創新平衡模式選擇的影響研究：基于網絡結構的視角[J].科學學研究，2014，32（02）：305-313.

（責任編輯：嚴焱）

收稿日期：2023-04-21

基金項目：國家自然科學基金項目（72161021；72162026；721942006）

作者簡介：卓入峰（1999—），男，貴州畢節人，碩士研究生，主要從事技術創新與管理方面的學習與研究。