研发联盟如何激活企业创新绩效——基于fsQCA方法的组态分析

曹阳春,张光宇,张 静

（1.广东海洋大学 管理学院，广东 湛江 524088；2.广东工业大学 管理学院，广东 广州 510520；3.福州大学 经济与管理学院，福建 福州 350108）

面对世界百年未有之大变局深度演化和中国开启全面建设社会主义现代化国家新征程相互交融的时代特征，我国“十四五”规划提出将坚持创新驱动作为塑造发展新优势的重要手段[1]。随着技术经济发展的不断推进，创新系统的模块化和链条化推动创新形式向协同化转变，越来越多的企业打破传统的封闭式创新走向开放式合作模式，通过跨越组织边界谋求合作以获取新知识，这些合作包括跨国界的联盟、跨行业的研发伙伴关系以及与差异性较大的机构建立研发联盟[2]。究其根源有二。其一，技术生命周期的缩短加剧了创新的时间成本压力，单一企业难以在复杂的竞争环境中保持持续性竞争优势；其二，技术复杂性与知识迭代性的提升对知识的流动交互与分工的专业配合提出了更高的要求[3]。

研发联盟是企业进行技术创新活动的重要载体，优质性、价值性、新颖性的要素在研发联盟中不断被吸收、传递及整合，在实现技术优化与产品迭代的基础上推动技术创新的范式转变。然而，如何通过研发联盟来激活企业创新绩效的理论解答仍然不够清晰。一方面研发联盟本身具有合作网络的复杂性和不确定性特征；另一方面研发联盟的绩效产出不仅涉及企业内部的创新方向决策，还与外部政策工具的生态优化息息相关[4]。从社会网络理论来看，随着信息技术范式的形成，企业创新活动日趋复杂化、链条化与网络化，完全依靠自身资源实现技术创新日益困难，通过组建研发联盟，企业可以汇聚资本、知识和人才等核心资源以形成竞争优势，通过在研发联盟中占据有利结构特征与关系特征的优势成为企业完成技术创新和构建核心竞争力的重要手段[5]。从双元创新理论分析，基于研发联盟网络资源，一方面企业可以依托与一流企业的链接关系，融合从外部环境所吸收的创新要素以前瞻性地布局新兴技术的探索性开发；另一方面企业还可以通过与外部企业的资源整合实现内部管理与生产流程优化，以提升现有技术的利用水平。与此同时，在有限资源约束的情况下，如何合理实现双元创新战略的平衡成为企业创新策略选择的重要命题[6]。从政策工具理论出发可知，企业创新活动深嵌复杂多样的制度环境之中，创新的持续性、风险性和不确定性使得政策工具组合对研发联盟的创新生态构建发挥重要影响，是企业创新策略选择和创新绩效产出的重要外部因素[7]。

借助社会网络理论、双元创新理论与政策工具理论，创新管理学者对研发联盟进行了诸多的探索，发现研发联盟对企业创新的影响不仅涉及创新网络的结构特征与创新主体的策略选择，还受到外部政策工具的环境制约，但已有研究仍存在理论视角和研发方法上的局限性。在理论视角上，已有研究多从单个理论出发进行研究检验，忽视了不同理论视角间的协同整合，导致在对类似问题的分析过程中，既存在理论解释的薄弱性，也导致单一视角下研究结论的大相径庭；在研究方法上，已有研究更倾向于探讨特定因素的“净效应”分析，轻视了多个影响因素的“联合效应”，导致在解释、预测和指导研发联盟实践上存在一定的无力感和无效性[8]。因此，基于集合论思想构建多理论融合的整合框架有助于探讨不同相关因素间的互动关系，对于解释和理解研发联盟与企业创新绩效之间的关系变得极其必要与紧迫。

有鉴于此，本研究整合社会网络理论、双元创新理论与政策工具理论视角，基于模糊定性比较分析方法（fsQCA），研究在研发联盟情境下，导致企业高创新绩效的联盟网络特征、创新战略选择与政策工具水平的可行性组合，所聚焦的问题主要包括：影响企业创新绩效水平的关键因素包括哪些；企业产生高（非高）创新绩效的前因组合有哪几种；不同情境下的影响因素如何通过彼此的交互作用形成对企业创新绩效的“联动效应”。对上述问题的解答有利于突破研发联盟与企业创新绩效研究的传统范式，能够为企业整合研发联盟网络资源、优化创新策略选择与政府完善政策工具设计提供智力支撑。

一、文献回顾及研究框架

创新是企业获取和维持市场竞争力的核心战略行为，在经济转型的新发展态势下，整合社会网络理论、双元创新理论与政策工具理论进行情境嵌入式研究，是探讨研发联盟与企业创新绩效影响机制的新思路。本研究立足于中国企业创新生态情境，整合三大理论框架并基于fsQCA方法，研究相关前因条件的交互协同对企业创新绩效的影响机制。其中，社会网络理论从企业研发联盟角度关注宏观网络密度与微观关系强度，双元创新理论包括探索式创新与利用式创新，政策工具理论包含区域创新投入与知识产权保护，本文重点围绕这6个前因条件对企业创新绩效的组态效应进行研究。

（一）研发联盟：宏观网络密度与微观关系强度

研发联盟的研究可以追溯到Powell等人提出的合作创新网络概念，他们将网络视为创新的中心，迅速得到其他学者的关注和拓展，在此基础上所形成的社会网络理论也成为研发联盟研究的核心指导思想[9]。相关研究从创新复杂性、知识异质性、网络特征性等不同视角以及企业层面和网络层面等不同维度展开探讨，解释联盟网络对创新绩效的作用机制[10]。其中，网络特征对创新绩效的影响是研发联盟研究的重要主题之一，该类研究主要通过分析相关因素的作用效果，如网络结构组成、网络位置差异、主体异质性等，来解释创新绩效的差异[11]。关于研发联盟网络特征的研究可以进一步划分为互补的两个层面，即宏观层面的网络结构属性与微观层面的网络关系属性[12]。

宏观网络特征重点关注研发联盟的整体网络结构，分析紧密网络与分散网络的特点，强调不同层面要素对创新绩效影响机制的差异性。参考Crespo等学者的做法，将网络密度作为结构属性的测度指标，以刻画研发联盟中各主体之间的资源整合状态，体现其资源交互的范围和广度[13]。网络密度水平越高表明企业在研发联盟中具有更加全面和广泛的合作伙伴关系，在创新合作体系中就拥有多样化的信息资源渠道，在创新机会发现与资源整合过程中就处于相对优势的地位，这有利于降低创新的不确定性风险[14]。

微观网络特征主要分析组织之间联系的性质，探讨强关系与弱关系的差异以及网络联系的动态性。参考Huggins和Thonmpson的研究，利用关系强度指标来测度联盟网络主体之间相互联系水平[15]。关系强度水平越高表明创新主体之间的相互信任和社会认同更高，有利于降低创新主体对机会主义的担心，增加资源分享与研发合作的意愿，从而提升技术创新的转化效率；此外，高关系强度也表明创新主体之间对共同目标领域有更为深入的理解和共识，能够有利于解决研发合作中的相关矛盾冲突[16]。

（二）双元创新：探索式创新与利用式创新

社会网络理论指导下的研发联盟不仅承认网络资源在创新过程中的重要性，也十分关注企业如何对网络资源进行整合与利用。在此背景下，双元创新作为指导企业创新策略决策的重要理论开始逐步进入学者视野。双元创新是指企业在创新战略选择上的探索式创新与利用式创新，二者的主要区别在于企业技术轨道、创新程度与知识基础的不同。企业的探索式创新往往会偏离传统技术轨道，是一种大幅度、激进式的创新形式，指企业在现有产品模式和功能定位上进行颠覆，以创造全新的技术产品和商业模式来开拓新的市场空间[17]。利用式创新是相对保守的创新形式，企业基于现有技术轨道路线进行小幅度、渐进式的创新改进，对现有产品模式和技术性能进行优化，这是对既有资源的整合利用和产品功能的拓展开发，其目的往往是通过降低成本和提升效率来为消费者提供更好的服务[18]。

探索式创新虽然存在周期长、风险高等特点，但却是企业迅速突破现有创新体系，创造新市场敏感点和消费需求的重要手段。探索式创新的技术或产品一旦成功面向市场，行业竞争对手难以在短时间内进行模仿，将为企业建立显著性的竞争优势，加速构建企业核心竞争力，在开拓市场机遇的同时，能够直接提升企业的创新绩效。相对于探索式创新而言，企业在进行利用式创新活动时面临的潜在风险和经营压力相对较低，短期回报性也更加明显。利用式创新能够在短期内通过完善技术性能和功能作用优化技术产品的消费体验，提升企业的市场竞争力；此外，在企业内部运营方面，利用式创新能够推动生产工艺和流程的优化，提升企业资源利用效率，进而促进企业创新绩效的提升[19]。

关于探索式创新与利用式创新之间的平衡一直是学者们关注的焦点。资源基础观学者认为，企业无论是长期还是短期都需要提升对异质资源和核心能力的培育，单独重视探索式创新将导致企业在追求长期利润的同时面临较大的经营压力，仅强调利用式创新则会使企业在沉浸于对短期回报的满足中失去可持续竞争的发展动力[20]。因此，从双元创新的角度来看，正确的企业创新发展战略既要坚持对未来潜在技术的探索，也要强化对现有技术路线的不断优化，在保障短期收益的同时抢占未来竞争的优势地位。

（三）政策工具：区域研发投入与知识产权保护

为了保障技术创新的顺利推进，除了通过企业研发联盟的形式来加快技术突破和组织双元创新策略的有机组合来优化资源利用效率，还需要营造良好的创新环境。政府通过政策工具培育适宜技术成长的生态土壤，继而提升技术创新潜力以及创新绩效的产出[21]。关于政策工具的分类方式，目前学者沿用最多的是参考Rothwell等的观点，从供给侧、需求侧与环境侧对政策工具类型进行划分[22]。在三类政策工具的实践运行效果上，当下使用频率最高的是环境型政策工具，并且新时期不断强调加大在供给侧结构性改革上的力度[23]。基于已有研究基础与现实发展情境，本文基于资源禀赋视角，从供给侧的区域创新投入与环境侧的知识产权保护探讨其在研发联盟与企业创新绩效中的组合效应。

区域研发投入是企业开展创新活动时除了企业内部的创新投入之外，来自政府财政支持的外部创新资源，是政府激励企业创新的重要政策工具[24]。关于区域研发投入对企业创新绩效的影响机制问题，学者们尚存在一定程度的争议。Leyden等人提出区域研发投入增长悖论，指出政府研发投入会提升企业创新惰性，对企业内部创新投入产生挤出效应，不利于企业创新绩效的提升[25]。大多数学者倾向于区域研发投入的正向作用，认为区域研发投入有利于缓解企业技术创新的外部性问题，缓解企业研发投入的压力，对创新绩效具有推动作用[26]。针对新兴技术领域投资规模大、周期长、风险大等不确定风险，区域研发投入可以通过资源引导机制弥补市场失灵，促进企业创新绩效的提升。

知识产权保护是企业创新动力的基本保障，也是激发其创新活力的重要手段。创新的外部性风险和模仿机会行为是影响企业创新积极性的重要原因，政府对创新成果的法律保护制度越健全，企业开展创新研发的积极性就越高。当知识产权保护缺位时，企业的创新成果容易成为社会公益品，竞争对手的模仿创新亦可商业化，而有力的知识产权保护能够缓解企业创新的外部性风险，使得企业的创新成果具有法律保护性，从而提升企业开展创新活动的积极性和保障创新绩效的产出[27]。

（四）研究框架

通过梳理研究领域的相关文献发现，在研发联盟情境下，研发联盟网络特征、双元创新策略选择与政策工具效度水平对企业创新绩效具有重要的影响，围绕相关因素的影响机制问题已经取得了一定的研究成果。本研究在已有文献对单一因素与企业创新绩效影响机制的分析基础上，通过组态视角对企业创新绩效的协同驱动路径进行探讨，结合研发联盟、双元创新与政策工具的主要指标构建起企业创新绩效的组态研究框架，具体如图1所示。

图1 企业创新绩效分析的组态研究框架

二、研究设计

（一）研究方法

区别于传统实证计量分析的线性思维模式，本研究尝试基于集合论思想，选择模糊定性比较分析法（fsQCA）探索研发联盟情境下企业创新绩效的多重并发因果组合，其原因主要基于以下思考：首先，在解释力方面，企业创新绩效的产生是一个复杂过程，文献梳理发现，研发联盟、双元创新和政策工具等因素的独立作用难以完美地解释创新绩效背后的产生逻辑，基于集合论的fsQCA方法能够从整体性的角度来处理多个变量的协同驱动机制，并识别哪些因素为核心变量以及边缘条件。其次，在非对称性上，在企业获取创新绩效的过程中，各因素的影响程度和作用方向可能不尽相同，fsQCA方法能够较好地解释自变量与因变量之间的非对称性关系。最后，在等效性上，企业获取高创新绩效的路径可能存在多种，fsQCA方法可以用来解释不同前因变量组合形成等效结果的多重策略，契合现实情境特点[28]。

综上所述，fsQCA方法基于集合论思想，能够更加契合企业创新绩效分析中影响因素的依赖性和因果复杂性情境，并且，其整体性和多维度理念有助于深化对研发联盟与企业创新绩效的系统逻辑认识。

（二）数据选取

本文选取的样本数据来自国内自动驾驶技术领域相关企业的专利数据与地区统计年鉴数据。首先，通过专利数据挖掘，从CNKI标准数据库中获取国内自动驾驶领域的专利申请数据，专利检索式为“TI=（自动驾驶or无人驾驶）NOT TI=（飞行器or飞机or轮船）”，设置公开日期的截止时间为2019年12月31日。其次，利用Python工具提取专利信息中的合作关系，当存在专利的联合申请现象时，定义合作主体之间存在联盟关系，以此构建自动驾驶技术领域的研发联盟网络，利用Python工具的网络指标测度功能，对关系总数、网络规模等指标进行测度。由于研究的主体是企业创新绩效，故剔除了样本中的非企业主体。最后，从国家知识产权局、地区统计年鉴获得知识产权保护与区域研发投入等数据信息。根据Paolo、陈红等人的研究，利用fsQCA方法进行年度数据分析需要加入时间轴，即对单个年度的路径进行独立分析，缘于在时间跨度大的情况下，企业的条件因素不一，路径也会发生改变[29-30]。此外，由于创新绩效具有滞后效应，考虑到滞后处理的需求，研究选取2018年度的横截面数据进行分析，最终得到包含121家企业信息的样本数据。

（三）变量测量

1.结果变量

创新绩效是表示企业创新产出数量与竞争优势的重要指标，许多学者将企业的专利申请数量作为衡量企业创新绩效的方式，缘于专利信息相对客观，并且具有时间和数量序列上的可比性[31]。基于此，本研究用企业在自动驾驶技术领域的专利申请数量来测度企业的创新绩效，并进行滞后一期的处理。

2.前因条件

（1）研发联盟

网络密度：参考Leenders和Dolfsma的研究，通过测算以该点为中心的网络连接主体密度，用主体之间的分离程度表示网络密度，具体的计算公式如下：

在式（1）中，D为网络密度，m为关系总数，即行求和或者列求和，n为节点的网络规模，即每个节点的连接主体数量[32]。

关系强度：参考Gonzalez等人的研究，将创新主体在研发联盟中所拥有的关系总量（m）与合作伙伴数量（n）的比例来表示其关系强度，其中，合作伙伴数量用自我网络规模测度（除去自身，即size-1）[33]。

（2）双元创新

随着对专利信息挖掘研究的深入，越来越多的学者通过利用专利引用数据或者国际专利分类号来测度企业的双元创新[34]。参考戴海闻等学者的做法，利用国际专利分类号来计算企业的双元创新程度，具体而言，提取出目标企业当年申请专利的分类号前三位，如果企业在过去5年中未申请包含相同分类号的专利，则将此专利视为探索式创新，如果在过去5年中申请了包含相同分类号的专利，则将此专利视为利用式创新[20]。

（3）政策工具

区域研发投入：参考Cruz等人的研究，利用省级研发强度作为区域研发投入的测度指标，具体计算方式为企业所在省域的研发投入与GDP的比值[35]。

知识产权保护：借鉴Kafouros等人的研究，将企业所在地区当年已解决的知识产权侵权数量占侵权总数的比率作为知识产权保护的计算方式，由于许多案例的处理时间需要一年以上，故使用累计数量进行测量[36]。

（四）变量校准

在进行组态分析之前需要对构型的前因变量和结果变量进行数据校准，即设定完全隶属点、交叉点和完全不隶属点3个锚点，并根据锚点将原始数据转化为介于0～1的集合隶属分数。多数情况下，学者们主要采取的是直接校准的方式，本研究参考Coduras等人的做法[37]，将样本数据中的最大值作为完全隶属点，将平均值作为交叉点，将最小值作为完全不隶属点，在设置好3个锚点之后，利用fsQCA3.0中的“Calibrate”函数功能对各变量数据执行校准，各前因变量和结果变量的校准值如表1所示。

表1 变量的校准值

三、案例分析

（一）单因素必要性分析

在进行组态分析前，对各解释变量进行必要条件分析，结果如表2所示。必要条件是结果发生时一定存在的条件，但仅有必要条件并不一定导致结果的发生，并且，如果该解释变量的一致性高于0.9，则该解释变量是结果的必要条件。根据表2的分析结果，各解释变量的一致性水平均低于0.9，表明单个研发联盟网络特征、双元创新战略以及政策工具水平变量对企业创新绩效的解释力不足，创新绩效的高低由多个解释变量形成的复杂组态共同决定，其原因具有多元性。

表2 单因素必要性分析结果

（二）组态分析

在数据校准与必要性分析之后，进一步构建真值表来分析导致结果变量的不同构型。借鉴杜运周等人的做法，将样本出现频数的门槛值设置为案例总数的1.5%，并设置原始一致性阈值为0.8，当PRI一致性高于0.7时，保留该逻辑条件组合的结果变量，当低于0.7时，则手动将该逻辑条件组合的结果变量改为0[38]。在构建完真值表之后，运用软件的Quine-McCluskey算法分析不同前因组合对企业创新绩效的关系路径，分别得到复杂解、中间解和简约解三种方案，通过综合简约解与中间解得到影响结果变量的核心条件与辅助条件，整理后的组态分析结果如表3所示。

表3 企业创新绩效影响机制的组态分析结果

由表3可知，导致企业高创新绩效的共有4种等效组态构型，导致非高创新绩效的共有2种等效组态构型。其中各组态构型的一致性均高于0.8，原始覆盖度均位于[0.25，0.75]之间。导致企业高创新绩效的各组态构型总体覆盖度为0.643，表明这4种构型可以解释64.3%的高创新绩效企业样本案例；导致企业非高创新绩效的各组态构型总体覆盖度为0.726，表明这2种构型可以解释72.6%的非高创新绩效企业样本案例。

1.高创新绩效构型分析

构型A1可以概括为“环境驱动型创新”。区域创新投入与知识产权保护是该构型中的核心条件，表明良好的政策工具环境能够缓解企业在创新过程中的外部性风险，提升企业开展创新活动的积极性，对企业创新绩效的提升具有推动作用。此外，企业在研发联盟中的高密度水平有助于企业通过多元渠道获取创新要素，并且可以通过利用式创新策略优化自身技术产品，推动企业创新绩效的提升。综上所述，该类型企业可以概况为：在区域创新投入与知识产权保护力度较大的区域，企业基于在研发联盟中的高密度水平优势，采取利用式创新策略开展研发活动能够提升创新绩效。

构型A2可以概括为“资源整合型创新”。关系强度与利用式创新是该构型中的核心条件，区域创新投入发挥边缘作用。在缺乏知识产权保护与网络高密度水平的情况下，企业通过资源整合策略，基于在研发联盟中的高关系强度可以建立稳固长期的合作关系，能够充分基于利用式创新策略构建创新知识基础，加大企业在信息获取与资源整合方面的深度，并且较高的区域研发投入也能够引导社会资金进入创新活动之中，对企业创新绩效的提升带来积极作用。综上所述，该类型的企业可以概括为：在研发联盟中具有高关系强度的企业，基于稳定的创新合作关系和利用式创新策略，在区域创新投入的资本引导下能够形成较高的创新绩效。

构型A3可以概括为“双元并驾型创新”。探索式创新与利用式创新是该构型中的核心条件，网络密度与知识产权保护在其中发挥相应的辅助作用。将企业的探索式创新与利用式创新作为双元创新策略的两个方面，一个致力于对长远愿景的前瞻布局，另一个承担对已有创新元素高效整合的角色，通过“双元并驾”的方式能够在保障短期收益的同时抢占未来发展先机。此外，企业结合在研发联盟中的伙伴数量优势汲取知识信息，在知识产权保护作用下实施双元创新策略，对创新绩效产出发挥着重要助推作用。综上所述，该类型的企业可以概括为：在研发联盟中具有高网络密度的企业，在较好的知识产权保护环境中，通过以探索式创新与利用式创新的“双元并驾”策略为驱动核心，形成了较高的创新绩效。

构型A4可以概括为“知识保护型创新”。知识产权保护与网络密度是该构型中的核心条件，探索式创新发挥辅助作用。完善的知识产权保护制度能够缓解企业在开展探索式创新时的“搭便车”与“机会主义”风险，使得企业的创新转化成果得到法律保障。并且，通过所在研发联盟的网络高密度水平优势，企业能够更加及时地收集多来源的知识信息，更早地把握创新的机会窗口，企业也倾向于超越现有知识基础来开发新技术产品，实现企业探索式的创新跃迁。综上所述，该类型的企业可以概括为：在知识产权保护制度完善的环境中，企业倾向于利用研发联盟网络中的网络连接优势，通过探索式创新实现企业创新绩效的跨越式提升。

2.非高创新绩效构型分析

构型B1可以概括为“生态匮乏型创新”。在此状态下，企业的外部政策环境比较恶劣，既没有相应的区域研发投入，知识产权保护也处于缺位的状态。尽管企业在研发联盟中拥有一定合作伙伴关系，但一方面企业执着于对未来长远规划的探索性创新，短期绩效难以保障，另一方面恶劣的外部政策环境抑制了合作伙伴在进行创新合作时的积极性，难以形成较高的创新绩效。综上所述，该类型的企业可以概括为：在区域研发投入与知识产权保护缺位的匮乏型生态环境中，尽管企业拥有研发联盟的网络连接优势，但仅凭探索式创新策略难以实现创新绩效的提升。

构型B2可以概括为“消极作为型创新”。在此状态下，企业无论是对探索式创新还是对利用式创新均处于消极状态，对开展创新活动缺乏积极性。而双元创新策略是企业针对研发联盟创新资源的整合处理方式，尽管企业在研发联盟网络中具有稳定的合作伙伴关系，外部政策环境也强化了对知识产权的保护，但企业对创新的消极态度直接抑制了创新绩效的提升。综上所述，该类型的企业可以概括为：研发联盟中拥有高关系强度的企业在知识产权保护制度相对完善的环境中，如缺乏积极的双元创新策略，也难以形成较高的创新绩效。

（三）稳健性检验

考虑到fsQCA方法的分析结果对因变量的赋值方式存在一定的敏感性，故对分析结果进行了进一步的稳健性检验。具体而言，对因变量（创新绩效）的赋值标准进行了相应调整，在保留发明专利的基础上剔除外观和实用新型专利，并重新进行软件运算，其输出结果与之前基本一致，覆盖度与呈现的组合类型与之前结果高度吻合，表明研究结论具有良好的稳定性，能够比较稳健地解释研发联盟网络对创新绩效的影响机制。

四、结 语

（一）结论与启示

通过搜集整理121家自动驾驶技术领域的企业样本数据，从研发联盟、双元创新和政策工具视角构建起涵盖3个层面6个前因条件的组态分析模型，利用fsQCA方法探讨影响企业创新绩效的多重组合路径和因果复杂机制，研究所得到的相关结论及启示如下。

1.“内外兼修”方能创新制胜

研究整合了研发联盟、双元创新与政策工具视角，得出导致企业高创新绩效的4种类型（环境驱动型创新、资源整合型创新、双元并驾型创新和知识保护型创新）以及导致非高创新绩效的2种类型（生态匮乏型创新和消极作为型创新）。其中，在导致高创新绩效的4种类型中，企业除了在研发联盟中具备网络密度或关系强度的优势之外，在内部通过探索式创新或者利用式创新强化对资源要素的整合效率，同时，在外部生态的环境构建中，企业也享受到了在区域研发投入或知识产权保护上的政策工具扶持；与之相对的是，在导致非高创新绩效的2种类型中，企业或者在创新的外部政策工具环境上处于劣势地位，或者在内部的创新资源利用策略上采取非作为态度。通过对导致两种创新绩效结果变量的构型分析可以发现，企业通过“内外兼修”的方式能够在创新生态系统中取得相应的优势，获取较高的创新绩效。

2.“相辅相成”亦可赢得优势

通过对影响企业创新绩效各种组态的内部因素分析可以发现，部分因素之间存在相辅相成的关系，它们共同驱动企业高创新绩效的产生。如在环境驱动型创新与资源整合型创新的对比中可以发现，网络密度与关系强度之间具有较强的互补性和替代性；在双元并驾型创新与知识保护型创新的对比中可以发现，探索式创新与利用式创新对企业创新绩效的影响也具有相互辅助作用。企业通过相辅相成的相关要素及策略，能够更好地发挥对创新绩效的提升作用。

3.“殊途同归”需要精准施策

通过对企业创新绩效的组态分析，能够发现在研发联盟、双元创新与政策工具等因素的多重作用下，存在多种能够导致高创新绩效的构型。在不同的研发联盟情境下，企业既可以在高区域研发投入下通过利用式创新强化对既有资源的整合提升效率与质量，又可以在高知识产权保护水平下借助探索式创新强化对前瞻技术早期布局。创新绩效的不同组态结果表明，在不同的创新路径下，需要有针对性地进行企业创新策略选择与政府政策工具优化。

（二）贡献与意义

在方法贡献方面，本文区别于传统的统计学量化分析方法，尝试在创新管理领域基于集合论思想研究研发联盟与企业创新绩效的多变量系统性关系。在方法应用上，借助fsQCA方法整合多个相互作用的前因条件于同一分析框架，通过组态分析凸显了各影响因素背后的主体能动性与环境动荡性，并通过“殊途同归”的多样化路径展现了对新时期企业创新绩效的系统化探讨和认识。此外，在数据选取上，通过融合专利数据挖掘与企业特征数据匹配的方式，也是对fsQCA方法与传统统计学方法的集成应用。

在理论贡献方面，本文将社会网络理论、双元创新理论与政策工具理论融合到企业创新绩效的评估框架中，为企业创新绩效提升提供了系统化指引和参考，丰富和拓展了企业创新的研究情境。在创新绩效提升方面，本文延续了已有研究强调内部结构与外部生态融合的思想，通过系统组合研发联盟特征、双元创新策略与政策工具环境，成功识别出4类高创新绩效构型与2类非高创新绩效构型，对深化企业创新研究有一定贡献。

在实践意义上，本文证实了内外协同对企业创新绩效的战略支撑价值，因此，企业应基于自身在研发联盟中的网络特征水平，在契合政策工具环境的创新生态中选择适宜的创新策略；另外，政策工具在制定设计之初，需要根据区域企业的研发联盟合作状况，不断调整在硬件上的创新研发投入以及在软件上的知识产权保护水平，通过发挥“内外兼修”的协同创新模式，共同推进企业创新绩效的提升。

（三）不足与展望

受限于主客观条件，本文在研究过程中仍存在一定的局限，有待在后续研究中不断完善优化。首先，本文在研发联盟、双元创新与政策工具等理论分析的基础上选择了影响企业创新绩效的前因条件，但相关条件的选择一定程度上会存在主观判断差异，指标测度方式的多样性也可能对分析结果产生一定的影响，这会导致其普适性受到限制，未来研究可进一步拓展前因条件的组合来分析创新绩效的影响机制。其次，受限于数据的全面性和可比性，研究选择的是同一时段的截面数据进行静态分析，未来可结合时序QCA方法的新应用，结合纵贯性数据来探讨不同前因变量对企业创新绩效的影响轨迹。最后，fsQCA方法一定程度上属于质性研究范式，结论在相应程度上受到样本企业和前因条件选择的影响，此外，该方法的校准方式尚没有统一的标准范式，本文借鉴的是Coduras等人的校准方法，未来研究可以进一步探讨和完善科学的校准方式。