组态视角下区域数字创新发展的驱动机制研究
时间：2023-03-23 16:30:07 来源：千叶帆 本文已影响人
张 瑶，张光宇，张洪振
（1.广东工业大学 管理学院，广东 广州 510520；
2.广东工业大学 创新理论与创新管理研究中心，广东 广州 510520；
3.河北大学 管理学院，河北 保定 071000）
随着人工智能、物联网、大数据等新一代数字技术的蓬勃发展，借助该类数字技术的强赋能属性拓宽了传统创新动能的作用边界，强化了创新主体间的有效链接，形成了更具变革性力量的新型创新范式—数字创新[1，2]。作为中国高质量发展的重要引擎与抓手，积极推进数字中国建设，强化数字创新的产业赋能效应逐渐上升为国家战略[3]。然而，当前中国区域数字创新的发展如何？其内在的驱动机制何在？如何识别出地区异质性的数字创新发展路径？对这些问题的回答能够更好地助力于区域数字创新动能的优化，赋能经济社会的高质量发展。
然而，综观学术界关于数字创新的研究成果，主要集中于数字创新的内涵特征[4，5]、数字创新的分类[6-9]、产业赋能效应[10，11]、创新能力评价[3]，且逐渐关注数字创新的空间效应[3]，但仍然缺乏对数字创新的内在驱动机制和提升路径的关注，不足以指导当前中国数字创新动能的优化和区域差异化数字创新的发展。除此之外，虽然传统创新动能的机理性研究为此提供了坚实的理论基础，其对创新动能提升的动因机制的认知，也从单一要素驱动，如创新研发投入[12]、基础环境建设[13]、市场竞争[14]、政府的创新政策支持[15，16]以及创新型人才[17]等，提升到要素间的匹配和协同[18-20]。尽管现有研究一致认为创新动能的高水平发展在于多要素间的匹配和协同驱动，但限于自身学科背景的异质性，驱动高水平创新动能提升的路径机制的整体研究仍然呈现碎片化状态。并且，数字创新作为新型创新模式，较传统创新动能具有强破坏性、嵌入性以及环境赋能性[3]，传统创新动能的机理性研究难以有效指导中国数字创新的路径优化，无法有效回答上述现实问题，需要新的、系统性的理论和实证研究。
综上所述，为精准把握数字创新的驱动机理，识别区域差异化数字创新发展的提升路径，文章选择中国30 个省份作为研究对象，借助模糊集定性比较分析(QCA)方法对数字创新环境、组织网络布局及资源要素投入等维度下的6 个前因条件进行分析。通过区分影响数字创新发展的核心与边缘条件，识别导致区域高水平数字创新能力和非高水平数字创新能力的关键驱动因素及其组态模式选择。在此基础上，进一步基于空间异质性的研究视角，探索在不同条件因素组合作用下地区高水平数字创新发展的差异化提升路径，厘清区域数字创新发展的异质性原因。通过上述的理论和实证研究，对中国数字创新动能提升提供科学的政策管理启示。
除以上政策含义外，文章在理论研究层面的边际贡献为：一是文章借助系统论的研究，从“环境—组织—资源”三维框架中识别驱动数字创新的重要前因变量，较以往学者研究关于创新前因条件的多维角度分析和碎片化特征描述，文章的前因变量选择更具系统性和科学性，深化了数字创新的理论研究内涵；
二是文章基于空间异质性的研究视角分别探索了东部和中西部地区数字创新的高水平组态路径，拓宽了数字创新驱动机制的研究情境，强化了中国数字创新在空间维度的理论研究体系。
区域数字创新是指数字技术赋能并作用于地区的产品创新、管理创新、工艺流程创新等，通过新的价值共创共享方式助力地区新知识创造和新技术成果产出的行为过程[21]。囿于数字创新的内部黑箱机理关注度不足，且传统创新动能的机理性分析呈现出碎片化特征，亟需新的理论指导数字创新路径优化。因此，文章借助系统论关于创新系统的内部行为机理描述[22]，从数字创新环境、组织网络和资源要素三个维度梳理出影响数字创新发展的前因条件，对各个维度的理论基础和内在特征阐述如下：
1.创新环境
数字创新环境为数字行为产生提供了良好的创新文化氛围，是驱动创新参与者积极创新的源动力，体现在地区数字创新的资源储备丰富和基础建设良好等方面[18]。其中，政府的创新支持和基础知识储备是地区数字创新的重要资源保障，从政府的外部创新引导力和知识源的内在驱动力共同驱动了数字创新的水平提升[15，16]。此外，技术基础建设的高水平发展将有效强化数字创新参与要素间的信息互通，助力数字创新行为的高效开展[13]。因而，政策环境、知识环境和技术环境是良好数字创新氛围建设的关键，对于数字创新动能发展发挥着积极的驱动作用。
2.组织网络
数字创新的组织网络布局是指与数字创新行为直接相关的数字型企业、科研院所和高校等参与者所形成的网络结构[23]。在该网络结构中强调以包含尽可能多的“创新基因库”，通过各个参与要素间的协同合作保障数字创新行为的高效运行和可持续发展[23]。因而，组织网络的丰富度对于区域数字创新动能提升具有显著的积极影响。
3.资源要素
数字创新资源要素是指与数字创新行为直接相关的要素投入，主要包含人力和资金等基础资源[24]。其中，人力资本是新技术和新知识产生的源动力，该类创新资源的强化将有效激发参与要素的创新行为，推动区域数字创新的发展[17，24]。此外，资金要素的投入会强化创新主体的主动学习意识，提升其知识创造能力[12]，且由于创新的路径依赖性会进一步加速数字创新的新知识和新技术积累[25]，强化区域数字创新的发展。因而，人力和资金等创新资源要素投入对数字创新动能提升至关重要。
综上，关于“环境—组织—资源”三维框架中的各要素均对数字创新动能的提升具有重要影响作用。但是，已有的数字创新实践和理论研究指出，数字创新的高水平发展不仅取决于单一要素的驱动力，更强调多要素间的组合影响力[18-20]。而即使存在单一维度的建设不足，多条件的协同亦能实现数字创新的高水平发展。因此，数字创新的机理性研究不能忽视各要素间的协同和匹配效应。因此，文章将该框架引入到QCA 模型中，探讨在创新环境、组织网络和资源要素三大维度下的6 个条件间的组态效应，逻辑关系如图1 所示。
图1 区域数字创新的驱动机制
1.研究方法
区别于传统二元关系的计量方法选择，文章采用以集合论为基础的模糊集定性比较分析(QCA)方法，探索影响中国各地区数字创新水平提升的多元复杂机制。该方法的优越性主要体现在：其一，与传统回归分析相比，QCA 方法充分体现了不同条件间的因果复杂性与多重并发机制[19]，深化对文章研究问题的科学解释。其二，从数字创新的现实发展来看，中国各地区数字创新提升可能隐含多种路径导向下的同一结果的“等效”因果链。而传统的计量方法研究仅仅是通过中介或调节变量的设置刻画因果变量间的作用方式，QCA 方法通过识别不同前因条件组态解读被解释变量的结果[26]，更适用于探索数字创新发展的作用路径及其优化问题。
2.数据来源
文章选择2020 年中国30 个省份为研究对象（因港澳台、西藏数据严重缺失，故剔除）。其中，有关数字创新水平及其前因条件的相关数据来源如下：一是2021 年的传统统计年鉴，包含有《中国统计年鉴》 《中国高科技产业统计年鉴》 《中国科技统计年鉴》 《中国电子信息产业统计年鉴》及各地区统计年鉴；
二是互联网大数据，包含中国专利数据库、中国数字科技馆等提供的数字科技创新的研究数据。文章借助互联网大数据作为数据补充较好地弥补传统数据的滞后性，提升科学研究的准确性。
3.变量测量
（1） 结果变量
区域数字创新水平(DI)：借鉴已有研究[21，27]，通过数字创新的基础知识创造和应用产品产出等对其发展水平进行综合测度。其中，基础知识创造体现在论文成果方面[27]，采用区域的科技论文产出数量衡量。而应用产品产出则重点体现在专利产出及其市场价值实现等维度[27]，故采用数字科技专利授权数和数字产业的主营业务收入等直观测度。
（2） 前因条件
考虑到文章30 个省份的样本量为中等样本，其理想条件的个数一般在4～6 区间内[28]。故在审视数字创新发展的行为机理基础上，筛选出6 个重要前因条件展开研究，各个前因条件的变量测度如下：
创新环境条件：政策环境(P)、知识环境(N)和技术环境(T)是良好创新氛围塑造的基础条件，同时也是数字创新水平提升的重要推动力。借鉴已有研究[13，15]，以政府的科技和教育投入衡量政策环境支持，采用高等院校的在校学生数和科研工作者数衡量区域知识环境水平，通过地区的移动和宽带互联网覆盖率和使用人数表示技术环境水平。
组织网络条件：数字创新的组织网络布局(C)主要是指以高校、科研院所和数字型企业等数字创新行为核心参与者的网络构建[23]。参考Prokop 等(2021)和范德成、谷晓梅(2021)的研究[29]，文章采用区域数字产业的企业数量、科研机构和高等院校等创新主体的组织网络丰富度综合测度组织网络水平。
资源要素条件：数字创新的人力资本(H)和资金投入(M)是驱动创新行为产生的重要资源要素[23]。借鉴已有研究[12，17，19]，采用数字产业的从业人员数和R&D 人员全时当量综合衡量人力资本水平，以及借助数字产业的研发经费和固定资产投资额综合衡量资金投入水平。
4.数据校准
参考已有学者研究，采用直接校准法将研究样本的原始数据集转换为模糊集隶属分数[26]。在数据转换过程中，将参与变量的三个锚点分别设置为样本数据的上四分位数、中位数和下四分位数，得到如表1 所示的条件和结果的校准信息。
表1 条件和结果的校准
1.必要条件分析
在进行数字创新影响因素的组态分析前，需要对各个前因条件进行必要性检验，以确定该单一条件（包括其非集） 是否是影响数字创新发展的必要条件。结合表2 的各个前因变量的必要条件检测结果，知识环境、组织网络等条件的一致性检测数值达到0.9 以上，则说明该类前因变量是导致高水平数字创新的必要条件。而非高水平数字创新的必要性检测结果，尚未有单一条件的一致性数值达到0.9 以上，不构成其结果产生的必要条件。
表2 必要条件检测
2.组态分析与案例讨论
在前因条件的必要性检测基础上，采用fsQCA 进一步探索导致高/非高数字创新水平的组态模式。借鉴既往学者研究，文章将一致性阈值设定为0.8，同时，为使得75%以上案例数据得以保留在真值表中，将案例数阈值设定为1，PRI 阈值设定为0.75。进一步地，根据组态分析的简单解和中间解确定影响数字创新水平提升的核心和边缘条件，得到结果变量的条件组态，如表3 所示。对应高水平数字创新组态结果的案例散点图如图2 所示。
图2 产生高数字创新水平的组态案例分布散点图
表3 产生区域高数字创新水平和非高数字创新水平的组态
根据图表结果，符合产生高水平数字创新水平的条件组态有2 组，一致性分别为0.990、0.993，总体一致性达到0.996，这说明上述2 组组态均可视为数字创新能力提升的充分条件。同时，总体覆盖度为0.824，则表示这2 组组态解释了约82.4%的高数字创新水平提升的原因。另外，对于产生非高数字创新水平的组态而言，有3 种组态，根据0.984 的总体一致性可将这3 种组态作为导致非高数字创新水平的充分条件，其总体的覆盖度达到了0.829，说明该类条件组态可以解释82.9%产生非高数字创新水平的原因。此外，为了验证上述模型结果的稳健性，将一致性阈值调整至0.85，组态结果并未出现变化[30]，模型结果对数字创新发展的现象解释具有较强的说服力。
第一，产生区域高水平数字创新的组态：根据表3 结果可以看出，导致高水平数字创新的组态对应于2 个简约解：高数字创新组织网络与高数字创新资金投入（组态1）；
高知识储备和高数字创新组织网络（组态2）。两个简约解中均包含有高的组织网络，则说明以高校的基础创新建设、数字型企业的应用型研究支持以及科研院所综合创新能力所形成的组织网络布局是数字创新动能提升的关键。结合图表信息，对导致区域高水平数字创新水平的组态路径展开分析，且结合典型案例讨论如下：
组织布局下的研发投入促进型：组态1 显示在数字创新组织网络较为丰富的布局下，由数字创新的资金投入主导，辅之以较高的创新政策、基础知识储备和人力资源支持等，可达到高水平的数字创新产出。组态1 的组态路径强调了数字创新的动能提升的关键因素为高的组织网络布局和资金要素投入，典型区域如江苏省、广东省、北京市、山东省、浙江省、上海市等（见图2a）。以广东省为例，该地区率先得到中央政府的高度关注，通过数字创新战略引领使得地区的数字创新主体建设蓬勃发展，形成了良好的创新组织网络布局，各类数字创新主体呈现出蓬勃发展态势。同时，在中央和地方政府持续的基础研究和应用研究的创新投入支持下，以及地方各类人才吸引政策的实施下，为广东省数字科技的发展注入了持续不断的动力源泉。基于该强有力的数字创新驱动条件布局以及广东省优越的创新环境支持，有效激发了地区数字创新资源的潜能，使得广东省的数字科技产出位居全国前列。
组织布局下的基础知识促进型：组态2 高水平数字创新产出是在高的组织网络布局下，通过基础知识资源的强化，辅之以技术支持和创新资源的可持续投入实现高水平的数字创新发展。与组态1 注重研发投入的创新驱动力不同，组态2 强调的是区域基础知识储备对数字创新行为的直接供给能力。典型区域代表如广东省、浙江省、湖北省、山东省、四川省等（见图2b）。以四川省的数字创新高水平发展路径为例，该地区拥有丰富的知识资源条件，以上百所高等院校的知识供给，结合其知名高校的优势资源，形成了良好的创新文化氛围，奠定了四川省数字创新发展的基础源动力。同时，四川省不断丰富其数字创新参与者的组织网络布局，以此深化基础知识的价值延伸，激发地区数字创新资源的潜能释放，有力推动了该地区数字创新动能水平的提升。在2020 年的“数字中国”综合实力评比中，四川省位居全国第6，在中、西部地区中位列第1。
第二，分析产生非高水平数字创新的组态结果可以看出，对比高水平数字创新的驱动路径，两者的组态结果呈现出因果非对称性的特征，多种数字创新发展条件的严重缺乏是导致非高数字创新水平的主要原因。在组态3 的结果中，缺乏必要的创新知识储备，同时数字创新的人力和资金投入不足是导致该地区数字创新能力较低的原因，典型的如青海和宁夏等地。组态4 中较低的创新政策支持以及人力资源投入不足也是导致数字创新水平低下的重要原因，典型省份如青海和海南等。此外，组态5 的结果显示，即使区域具备知识基础和组织网络等数字创新条件，人力资本和研发资金的缺乏导致数字创新的激励效应不足，同样也会使得该区域无法达到较高的数字创新产出，如河北省和江西省。
综上所述，就全国样本的组态分析结果可知，高水平数字创新能力提升呈现出组织布局下的研发投入促进型和组织布局下的基础知识促进型等组态路径，且以东部地区居多。而对于非高水平数字创新能力而言，其组态结果呈现出明显的因果非对称性，多种数字创新条件的缺乏导致该类地区数字创新水平低下，以中、西部地区居多。
此外，在现实情境中，由于受到资源禀赋、地理区位及经济水平等多方面的影响，中国数字创新的发展呈现出明显的区域异质性。究其原因，不同地区的创新环境、组织网络布局及资源要素的投入等维度可能存在差异性，故将文章的研究样本划分为东部地区和中西部地区两组，对原始数据集分别校准并建模。通过对不同区域高水平数字创新产生的组态分析，厘清中国区域数字创新的差异性原因以及不同区位背景下区域数字创新提升路径的差异性表现，为其路径优化提出更具针对性的政策启示。
从表4 的结果来看，导致东部地区和中、西部地区高水平数字创新产出的驱动因素及作用路径存在显著差异。组态1 和组态2 的结果显示，东部地区数字创新能力提升的核心条件为组织网络布局，该条件出现的频率最高。同时，创新政策的支持、技术环境建设、基础知识储备以及数字创新资源的投入，均形成该区域高水平数字创新提升路径的充分条件。其中，组态1 表示的是围绕数字创新主体的组织网络布局，由政府政策和技术环境的支持，通过资源要素的投入实现高水平数字创新的产出，典型的代表为广东、江苏、山东等。不同于组态1 的驱动路径，组态2 的数字创新提升主要是在数字创新的组织网络布局下，通过该区域良好的知识储备和资源要素投入，引领新知识和新技术的产生和累积，实现高水平的数字创新发展，典型代表如浙江、山东等。上述的结果分析与数字创新的现实情况较一致，印证了东部地区高水平数字创新产生的动因。
表4 不同区位条件下高水平数字创新的组态分析
此外，中、西部地区高水平数字创新的结果显示，资源要素条件出现的频率最高，是推动中、西部地区数字创新水平提升的关键因素。其中，组态3 的结果表示，在数字创新的组织网络布局下，通过高水平人力资本投入、政府政策支持及技术环境保障，可以有效激发创新主体的新知识和新技术创造能力，弥补区域基础知识储备的不足，驱动数字创新的高水平发展，典型代表如河南。组态4 的结果指出，高的基础知识环境和资源要素投入可以通过打造良好的知识流、资金链和创新链的布局，有效弥补创新政策、组织网络等要素条件的不足，推动区域数字创新的高水平发展，典型代表如湖北。组态5 的结果表示通过数字创新资源的高投入，结合区域基础知识环境、技术环境条件以及组织网络的布局亦可以展开高效的数字创新行为，弥补地区政府的创新支撑不足，典型代表如陕西。
综上，通过东部地区和中西部地区高水平数字创新产生的动因分析，创新主体的组织网络引导力是东部地区数字创新能力提升的关键因素，而资源要素的驱动力是中西部地区提升数字创新能力的核心。此外，在中西部地区的数字创新发展过程中，存在着政府政策支持、基础知识环境以及组织网络布局等核心条件的不足，与东部地区的数字创新建设形成了较明显差异，成为其高水平发展的阻碍因素。审视各个地区的数字创新发展，存在多维路径驱动下的“殊途同归”现象，故应明辨各个地区数字创新发展的路径机制，强化薄弱环节建设，以差异化的数字创新支持和市场引导提升区域的数字创新动能水平。
1.结论
为精准把握数字创新的驱动机理，识别区域差异化数字创新发展的提升路径，文章以中国30 个省份为研究样本，借助模糊集定性比较分析方法，整合影响数字创新水平三个维度的6 个前因条件，探索驱动数字创新发展的多重并发因果作用机制，研究发现：导致区域高水平数字创新能力的组态类型为：组织布局下的研发投入促进型、组织布局下的基础知识促进型。并且，产生非高数字创新水平的组态结果呈现出因果非对称性的特征，是由多种数字创新条件要素缺乏引起。此外，区域异质性的研究发现，东部地区数字创新水平提升的关键驱动因素是组织网络的引导力，而中、西部地区的数字创新提升的关键是资源要素的驱动力。
2.政策启示
上述研究发现，对于中国区域数字创新动能的异质性优化路径具有重要的政策启示：
（1） 强化数字创新的组织网络布局
一是针对中、西部地区数字创新能力较弱的区域而言，应继续强化科研院所、数字型企业等的创新布局，同时借助数字技术的赋能属性加强科研机构、企业创新部门和高校等不同创新主体间的有效链接，积极发挥数字创新组织网络的核心牵引力。二是针对数字创新能力较高的地区而言，从组织网络的“数量”向“质量”转型布局，注重组织间的粘性水平提升，打造专项技术链价值共创共享平台，强化数字创新行为主体间的信息互通和合作，提升数字创新的效率水平。
（2） 强化数字创新的基础环境建设和资源要素的投入水平
一是针对知识基础较为薄弱的中、西部地区而言，如青海、宁夏等，应继续强化其教育资源的投入建设，提升高等院校的知识储备及其知识质量水平；
二是针对创新政策支撑不足、技术基础设施环境尚不足以保障数字创新高水平发展的区域，如湖北、海南等，应率先突破薄弱环节阻碍，强化地区政府的创新支持和技术基础建设水平，打造良好的数字创新环境条件；
三是针对创新资源要素条件缺失的创新弱省而言，如河北、江西等，应从人力资本的质量和数量双轮驱动其高水平建设，同时给予数字创新充足的资金保障，有效激发科研人员的创新活力，强化区域的数字创新动能水平。
（3） 注重数字创新驱动条件的匹配和协同发展
高水平数字创新的组态分析结果指出，数字创新的水平提升不仅仅在于单一维度要素的强化，更在于组态路径上各个创新支撑条件的协同发展，而导致中国区域发展不平衡的主要原因也在于中西部地区数字创新存在多条件的缺失。因而，在数字创新薄弱地区的动能提升过程中，结合地区技术发展优势，并借鉴强省的创新管理经验，选择合适的数字创新动能提升路径逐步强化各个前因条件的创新布局，以各要素间的匹配和协同发展提升区域的数字创新动能水平。
3.研究不足与展望
文章仍存在如下局限及可待探索空间：一是在影响数字创新的前因条件选择中，受制于研究样本数量，前因变量的选择有限；
二是VUCA 时代的到来对数字创新的发展提出了新的要求，如何平衡创新发展与社会安全及生态环境间的关系也将成为影响数字创新动能提升的因素之一，应该予以考虑；
三是关于数字创新的预测研究和预警模型建立将更有助于数字创新动能优化与提升。
