組態視角下國家層面創新效率驅動模式研究

黃昕宇 趙玉雙 黃蜀粵 韋雅婷 丁竹慧

（西南民族大學商學院,四川 成都 610041）

國家創新能力是指一個國家管理資源和技能將現有知識轉化為新知識、新技術和創造性產出以提升公司、行業和整個經濟的能力[1]。國家創新能力的重要性已被學者普遍證實[2]。尤其在當今知識化時代，國家創新能力是發展中國家保持經濟持續增長并追趕發達國家的關鍵因素[3]。如何構建可持續發展的創新驅動發展模式，為不同國家的政策設計與優化提供實踐指導，成為研究者和政策制定者共同關注的焦點問題。

現有文獻基于國家創新系統對國家創新能力開展了大量研究。不少學者根據自己的研究目標和需求，從多個理論視角出發挖掘了諸多影響國家創新能力的前因。在技術理論方面，Park H等（2021）通過研究將專利數據轉換為交易數據，并使用關聯規則挖掘生成技術類之間的關聯關系得出區域技術規劃機構能夠有效地利用內部和外部知識來幫助區域公司成功地執行創新系統[4]；胡漢輝等（2019）研究得出高創業國家與非高創業國家的組態路徑存在因果非對稱性，認為加速文化轉型是中國實現“創業超越之路”的關鍵[5]；Beynon等（2016）在探尋不同創新驅動因素和創新市場準備之間的關系后得出內部研發、外部研發、外部知識獲取和培訓的組合是決定創新市場準備程度高低的關鍵[6]。創新活動與國家創新系統密切相關（Lundvall，2007），系統的復雜性使得各影響因素以何種組態構型來提升國家創新績效的問題仍有待深入研究。當前研究缺乏多重理論的整合分析框架，多數文獻僅將創新產出作為衡量國家創新能力的唯一指標，沒有權衡創新投入與創新產出之間的比例，構成的創新驅動效率模式不夠完整。從國家創新系統的角度來看，現有研究存在理論與方法不匹配的問題。國家創新系統的相關研究依然將國家創新體系視為邊界對象[7]，對于不同條件組合的系統觀點，只側重分析單一變量，而忽視了多因素“聯合效應”共同實現國家高創新績效的組合路徑。

1 研究設計

1.1 研究方法

QCA定性比較分析方法由美國社會學者查爾斯·C·拉金（Charles C.Ragin）提出，是基于布爾代數和集合論的研究方法[8]，能夠很好地解決多重并發因果復雜現象的問題。QCA優于傳統回歸分析，采取整體視角，從案例層面比較分析研究各條件間的相互作用。QCA 根據變量類型分為 csQCA（清晰集定性比較分析），mvQCA（多值定性比較分析），以及 fsQCA（模糊集定性比較分析）[9]。fsQCA可以處理類別問題，也可以處理程度變化的問題和部分隸屬的問題，具有質性分析和定量分析的雙重屬性（Ragin，2008），更具分析優勢。本文變量具有連續性特征，基于案例特點采用fsQCA方法對創新驅動模式的多條路徑進行組態分析。

1.2 研究框架

本文基于新熊彼特理論、資源基礎觀和技術創新理論，將影響國家創新能力水平的5個因素視為條件的組態，構建制度、基礎設施、人力資本與研究、研發創新和產業集群創新的多重理論分析框架，剖析國家層面創新效率驅動模式的內在機理。同時，梳理不同經濟體類型之間多維度前因的復雜關系，運用fsQCA方法識別實現國家高創新績效的核心、邊緣條件以及組態路徑。

研究技術路線旨在實現提升國家層面創新效率這一目標，即研究結論對國家創新驅動發展政策制定的實踐啟示。基于創新效率性因素、經濟體類型、情境因素，對國家層面創新能力的投入和產出比進行權衡取舍，最后得出國家高創新效率的組態構型和邊界條件。

1.3 數據收集

本文相關數據來源于《2019年全球競爭力報告》（Global Competitiveness Report 2019）中141個國家的11個全球競爭力指數和《全球創業觀察2021/2022全球報告》《全球創業觀察 2019/2020全球報告》《全球創業觀察 2017/2018報告要點》中47個國家的影響創新創業活動因素的得分、各國家收入水平、經濟體類型劃分和國家創業情境指數，從中確定了8個劃分指標，其中市場成熟度（Market sophistication）恰好與產業集群創新的影響因素，即信用、投資、多元化和市場規模有關，所以本項目用市場成熟度來關聯產業集群創新，探究產業集群創新對國家創新能力的影響；而“Business sophistication”的中文全稱是商業成熟度，GII中數據以各個國家在知識工作者、創新聯系、知識吸收這三方面的因素來衡量國家的商業成熟度，因此本項目用商業成熟度來衡量研發對國家創新能力的影響。同時根據指標選取《全球2022年經濟概況》中132個國家的創新表現總分、28個創新指標，從中確定了132組研究數據作為本文研究數據（見表1）。

1.4 變量測度與校準

本文采用直接校準法，基于理論和實踐使用3個定性錨點：完全隸屬閾值、完全不隸屬閾值以及交叉點，對制度、基礎設施、人力資本與研究、產業集群創新和研發創新這5類前因要素，以及創新投入產出比作為結果變量進行結構化模糊集校準。

錨點選取借鑒以往運用fsQCA方法的經驗，同時為保證數據的穩健性，分別以95%的分位數為完全隸屬臨界值，50%的分位數為交叉點，5%的分位數為完全不隸屬臨界值；75%的分位數為完全隸屬臨界值，50%的分位數為交叉點，25%的分位數為完全不隸屬臨界值，來選取兩組不同的錨點數據作為校準閾值。利用fsQCA中的Calibrate校準程序進行模糊集校準，將案例數據校準在0～1范圍內的集合隸屬分數（見表2）。

表2 模糊集校準

2 研究結果

2.1 充分性和必要性分析

本文使用fsQCA分析，以《2022年全球創新指數報告》中132個國家的數據為樣本，數據校準后首先進行單個條件變量的一致性檢驗。通過閱讀梳理文獻可知，當單個條件一致性指標大于0.9時，則認定該條件變量是結果變量的必要條件。由表3可知，無條件一致性指標大于0.9的數據，則單個條件變量不能構成結果變量的必要條件，因此本文需將各個單項條件納入fsQCA進行組態分析。

表3 必要性檢驗結果

2.2 組態分析

為保證數據分析的完整性，應考慮兩種情況：（1）針對132組樣本數據得出1張整體QCA分析表。（2）將132組樣本數據按不同國家收入類型分為高等、中高等、中低等進行分析，即低收入樣本不分析，得出1張分組QCA分析表。

對132個國家的創新表現分數數據采用fsQCA 3.0計算，分別將整體樣本、中低等樣本、中高等樣本、高等樣本的數據輸入其中進行充分分析；分別以95%、50%、5%和75%、50%、25%兩組校準閾值以及PRI=0.75、0.7、0.6或0.05，CUTOFF=1、2為核心條件，檢驗滿足條件的核心組態。所得到的高創新效率結果如表4所示。整體樣本可以得出1條高績效組態路徑，分組樣本可以得出4條高績效組態路徑。結果變量總體一致性為0.91，大于0.8的閾值，覆蓋率達0.67，可以保證結論的合理性。5個高績效組態構型如表5所示。

表4 高創新組態

表5 高績效組態路徑

（1）路徑1：人力資本與研究&基礎設施&市場成熟度&商業成熟度，一致性高達0.91。該路徑表明無論制度如何，只要加強人力資本與研究，完善基礎設施并提升市場成熟度與商業成熟度，創新驅動效率就能達到高水平。可得出人力資本與研究、基礎設施、市場成熟度以及商業成熟度是實現高創新的重要條件。

（2）路徑2：制度&人力資本與研究&基礎設施&市場成熟度&商業成熟度，一致性達到0.90。該路徑表明，具有良好的人力資本與研究的能力以及完備商業成熟度，就可以實現高創新水平。強調國家要重視對人才的培養與研發投入，進一步實施人才強國戰略。同時不斷發展商業，為發展提供肥沃的土壤。

（3）路徑3：制度&人力資本與研究&基礎設施&市場成熟度&商業成熟度，一致性達到了0.91。該路徑表明在缺少基礎設施的情況下，通過加強人力資本與研究、提升商業成熟度、完善制度，以及提高市場成熟度，也能使國家達到高創新的水平。

（4）路徑4：人力資本與研究&基礎設施&市場成熟度&商業成熟度，一致性達到了0.90。與路徑1相似，但路徑4的覆蓋度為0.62，路徑1的覆蓋度高達0.67，路徑1的解釋程度更高，進一步說明這4個因素對高創新水平的作用舉足輕重。

（5）路徑5：人力資本與研究&基礎設施&商業成熟度，一致性為0.89，覆蓋度高達0.96。該路徑表明只要人力資本與研究、商業成熟度以及基礎設施建設均發展良好，國家就能達到高創新水平。對于高等收入的國家而言，高創新水平與上述的3個因素一致性較高，同時覆蓋率極高，即該路徑對結果變量的解釋程度高于其他路徑。

3 結論與展望

3.1 研究結論

本文打破傳統研究范式，整合了影響國家創新驅動的5個維度，審視了國家創新層面不同維度前因條件的互補性，發現了高創新水平國家的5條前因組態和相應的核心條件路徑。

角度1：從整體樣本看，在制度、基礎設施、人力資本與研究、產業集群創新和研發創新多個因素的復雜作用下，實現國家高創新績效的路徑只有1條，強調人力資本與研究、基礎設施、市場成熟度與商業成熟度的變量影響。

角度2：從經濟體類型看，針對不同的經濟體類型有不同的最優核心條件路徑。中低等收入樣本高創新績效的核心條件存在2個組態，但都主要強調以人力資本與研究和商業成熟度為核心因果條件存在，在這2個因素的共同作用下，可以取得國家創新的高績效結果。例如：中低收入樣本中制度、基礎設施、市場成熟度為核心條件缺失，但仍然可以達到國家高創新水平；中高等收入樣本的高創新績效的核心條件與整體樣本一致；高等收入樣本的高創新績效的核心條件也主要強調人力資本與研究和商業成熟度為核心條件。

由此可以看出，在國家發展中，無論是從整體數據上看，還是從不同經濟體類型上看，影響國家高創新效率的最重要的變量是人力資本與研究和商業成熟度，要想獲得高績效組態結果，兩者不可或缺。

3.2 對我國創新發展的啟示

我國是擁有14億多人口的發展中國家，基于復雜的國情，當政策制定者在制定和改善國家創新能力相關政策時，需要多方面考慮其創新系統中不同因素的影響。

首先，加強人力資本與研究對提升創新效率至關重要。雖然我國人口基數龐大，但并不表示人力資本存量大。加強人力資本與研究，需要直接或間接地加大人力投資。可以直接加大資金支持，也可以關注高校學生創新意識發展，提前為充盈人力資本做出準備。其次，商業成熟度對于創新驅動的作用也不容忽視。促進企業加強創新研究與投入，有利于形成良性的創新環境；國家可以通過出臺專利保護、研發投入的減免扶持政策，來調動商業的研發創新積極性，達到提高商業成熟度的目的。

3.3 研究局限與未來展望

首先，本文只選取了5個變量對創新效率進行分析，數據時間跨度較短，樣本存在一定信息局限；其次，本文雖然對數據整體，以及高等、中高等和中低等經濟體分組進行了國家高創新效率驅動路徑的探討，但并未研究非高績效結果和低等經濟體類型國家的高創新性能的配置條件。

運用fsQCA方法能研究多種情況下的不同等效路徑，實現組態的“殊途同歸”，不僅可以運用在國家創新驅動模式的研究上，還可以運用到其他領域。未來，可以進一步研究低等經濟體類型的高創新性能的配置條件，完善國家創新驅動模式。