杨帮兴, 杜宝贵丨科技资源与创新环境何以协同促进国家创新体系整体效能提升

文摘科技 2024-11-12 15:01 湖北

转载请注明“刊载于《科技进步与对策》2024年第20期”

引用参考文献格式：

杨帮兴, 杜宝贵. 科技资源与创新环境何以协同促进国家创新体系整体效能提升[J]. 科技进步与对策, 2024, 41(20): 56-66.

摘要：优化科技资源和创新环境既是提升国家创新体系整体效能的必然要求,也是政府未来一段时期内落实科技创新战略规划的工作主线。结合资源基础理论,以全球87个国家为案例,运用多周期fsQCA方法,实证检验科技资源和创新环境对国家创新体系整体效能高质量发展的影响因素和组态模式。结果发现：①科技资源或创新环境任何单一配置均无法有效推动国家创新体系整体效能增长,两者匹配协同是促进国家创新体系整体效能高质量发展的必然条件;②存在4种促进国家创新体系整体效能高质量发展的科技资源与创新环境协同配置模式：“科技人力、财力资源+创新市场环境”融合驱动型、“科技信息资源+创新合作环境”双轮驱动型、“科技人力资源+创新市场、创新合作环境”融合驱动型以及“科技财力、物力资源+创新吸收环境”融合驱动型;③科技资源配置组态具有显著全球地域差异性特征和地理集聚特性,部分组态之间具有明显的路径排他性、组态演化趋势及条件组合等效替代。从科技资源与创新环境协同配置视角打开导向国家创新体系整体效能高质量发展的“黑箱”,明确驱动国家创新体系整体效能变化的主要因素和组态模式,为合理配置科技资源、优化创新环境、提升国家创新体系整体效能提供参考依据。

关键词：科技资源;创新环境;国家创新体系;创新效能;fsQCA

基金项目：辽宁省科学事业公益研究基金项目(软科学研究计划)(2022JH4/10100012);辽宁省科协科技创新智库项目(LNKX2022B09)

作者简介：杨帮兴(1994—),男,安徽阜阳人,东北大学文法学院博士研究生,研究方向为科技政策、产业经济;杜宝贵(1975—),男,辽宁辽中人,博士,东北大学文法学院教授、博士生导师,研究方向为科技政策与科技管理、比较公共管理理论。

DOI：10.6049/kjjbydc.2023060234

0 引言

国家创新体系(National Innovation System,以下简称NIS)对于在国家层面创造、传播和利用知识技术发挥决定性作用,自20世纪80年代被正式提出以来,已成为世界各国推动技术创新、促进经济增长和塑造核心竞争力的流行工具[1]。当前,工业革命4.0浪潮席卷全球,科技治理体系和国际竞争格局加速调整。值此关键时期,提升NIS整体效能、加快实现高水平科技自立自强迫在眉睫。然而,习近平总书记在多次讲话中强调“我国原始创新能力还不强,创新体系整体效能还不高,科技创新资源整合还不够,科技创新力量布局有待优化”,这些问题严重制约中国可持续发展。对此,2021年新修订的《中华人民共和国科学技术进步法》明确提出要“完善高效、协同、开放的国家创新体系,优化科技资源配置,提高资源利用效率,提升体系化能力和重点突破能力,增强创新体系整体效能”;“十四五”规划提出要“整合优化科技资源配置,以国家战略性需求为导向推进创新体系优化组合”。可见,优化科技资源配置成为提升NIS整体效能的必然要求。此外,随着国际竞争的日益加剧,区域创新乃至国家创新体系整体效能提升不再依赖于自身资源禀赋多寡,而是取决于特定环境下科技创新活动能否调配、组合和编排科技资源以实现价值共创。换言之,科技资源和创新环境协同匹配是影响NIS整体效能提升的关键因素。因此,本研究以全球87个国家/经济体为案例,运用fsQCA方法,从科技资源和创新环境两个维度7个条件出发,厘清全球不同国家或经济体科技资源与创新环境协同配置导向NIS整体效能水平变动的影响因素及模式,对于优化我国科技资源配置、促进NIS整体效能高质量发展,以及洞察中外科技竞争模式演化和科学制定应对策略具有重要意义。

1 文献述评

“国家创新体系”的概念由Fransman[2]率先提出,作者将其定义为公共和私营部门内的机构网络,认为其是启动、导入、加工和传播新技术的基础。该定义涵盖NIS所有元素以及它们之间的关系,实质上代表NIS研究的宏观流派,即认为NIS是指全国范围内的创新活动结构、决定因素以及此类创新活动可能带来的收益,不仅涉及激进式创新和渐进式创新,还包括科学之外的创新扩散、吸收和利用[3]。相应地,微观视角下的研究流派倾向于关注企业、高校、研发部门等创新主体与公共政策之间的关系。在该系统中,各科学机构和组织在开展创新活动时相互影响[4]。如Niosi[5]指出NIS是一套相互关联的机构,即由生产、传播和适应新技术知识的机构(工业企业、大学或政府机构)流动形成的链接组成体系。总体来说,NIS是指以政府为主导、充分发挥市场配置资源的决定性作用、各类科技创新主体紧密联系和有效互动的社会系统。

当前,关于NIS效能的研究呈现出多元化特征,研究方法主要包括非参数DEA方法、参数SFA、建模/经济计量方法及综合(创新)指标等[6]。其中,在非参数方法应用方面,多数文献采用DEA或Malmquist生产力指数法对NIS科技资源多投入—多产出效率、TFP等进行测算[6-7],或采用两阶段(知识生产和商业化)[8-9]、三阶段(基础研究、技术转化和系统开发)[10]等模型对NIS效能过程进行分解。然而,基于DEA的NIS效率分解反映的是创新系统的一般能力,未反映影响这种能力的背后逻辑;在参数方法应用方面,相关研究采用生产函数、距离函数等方法对NIS创新前沿或生产力前沿进行分析[11-12],但该方法仅采用单个NIS输出结果进行估计,未充分反映国家层面多个研发产出的特点,有可能导致对NIS绩效形成狭隘认识或偏见。类似地,建模/经济计量方法主要用于深度解析影响NIS绩效的因素,但易于产生偏离实际的狭隘结论[13]。采用综合创新指标的研究通过建立一个涵盖NIS各方面的包容性指标体系,能够全方位、多层次测度NIS质量,如全球创新指数(GII)、欧洲创新记分牌(EIS)等国家创新绩效测度体系均采用该方法[14],但该方法忽视了对创新系统效率的关注,即在创新方面“高投入低产出”的经济体综合得分或可等于甚至高于“低投入高产出”的经济体得分。从国内研究看,已有文献主要通过质性研究方法对NIS结构及功能[15]、发展演进[16]、NIS效能生成机制与影响因素[17]展开理论探讨,鲜有研究进行实证分析。

综合来看,既有研究采用多种方法对单个或多个国家/经济体NIS效率、绩效进行考察,为后续研究提供了坚实基础,但存在如下不足：一方面,指标维度过于单一,多通过R&D支出、R&D人员数量等有形科技资源投入对科技论文、科学出版物、专利申请等产出绩效进行评估,未考虑科技资源配置等无形资本对NIS产出、社会发展目标的深层次影响,难以切实反映NIS效能本质。实际上,NIS科技投入及效能实现是一个涉及多元目标、多重约束、持续动态优化的复杂系统工程,需要更加全面、系统化的聚合指标进行测度。另一方面,既有研究多从单一视角出发考察科技资源配置对NIS效能的净效应或线性关系,忽视了因素之间的联动匹配效应和潜在替补关系对NIS效能的影响。Archibugi等[18]、Ivanova &Leydesdorff[19]指出,由于创新活动的复杂性和潜在协同作用,许多传统创新指标衡量效果不佳,因为它们没有完全涵盖各国创新的方方面面。

可见,科技资源和创新环境与NIS整体效能之间绝非简单的线性关系,而是多重因素相互交织、影响、协同匹配的结果,需要从组态视角开展系统化研究。鉴于此,本研究基于资源基础理论,运用模糊集定性比较分析方法(fsQCA),以全球87个国家/经济体为案例,实证检验科技资源和创新环境协同互动对NIS整体效能的影响。

2 理论基础与分析框架

资源基础理论认为企业是各种有形资源和无形资源的集合体,特殊异质性资源(有价值、稀缺、不可模仿和不可替代)是企业可持续竞争优势、卓越绩效和创新的主要来源[20],企业通过有效配置、部署这些资源实施价值创造战略。从全球整体视角看,各国家/经济体之间具有明显的科技资源禀赋、创新环境等异质性区分,且呈现竞争态势。因此,各国家/经济体的NIS被视为一个特殊且独立的“企业”,通过有形科技资源(人力、财力、物力、信息等资源)投入,并与无形环境资源(创新市场、创新合作、创新吸收等环境)融汇调和进行价值创造(知识创造、技术创新、文化传播),进而获取可持续竞争优势。基于资源基础理论,本研究将各国家/经济体NIS可支配的科技资源划分为有形科技资源和无形创新环境2个维度共7个条件变量,并构建整合性分析框架。

第一,科技资源。科技资源包括科技人力资源、财力资源、物力资源、信息资源4个条件变量,是既有研究中普遍采用的NIS效率评估指标[13]。首先,科技人力资源、财力资源是NIS整体效能产出的基础性和决定性因素。其中,科技人力资源不仅影响科技创新成果产出数量、质量和效率,也是促进科技成果转化为NIS发展目标的关键战略性资源;而科技财力资源既是支撑其它科技资源产生和应用的基础,又是科技创新可持续发展的必要条件和基本保障[8-12,18]。其次,科技基础设施等物力资源是开展科技创新活动不可或缺的重要载体和平台媒介,对于整合、优化与转化NIS存量科技资源具有重要作用[13-14]。最后,NIS依赖于创新信息的高速流动和系统内部不同层次主体之间蓬勃发展的技术交换[20]。由于科技信息资源影响知识、技术、情报等关键信息收集、传播的速度和范围,有利于促进思想、服务、商品生产和交流,因而能够提高创新效率、降低交易成本、实现可持续增长,进而提升NIS整体效能[13,21]。

第二,创新环境。NIS是反映技术创新、竞争力和经济增长的行为者与环境之间相互作用的工具[1],因此环境因素是NIS从资源投入到效能产出整个流程中不可剥离的关键调节变量[22]。Guan &Chen[8]指出,NIS是知识与创新环境相互作用的结果;Venchova[23]、Fagerberg[24]指出,NIS机构之间的关系与互动是跨部门知识流动和创新的基本来源,需要重视行为者、机构与环境之间的互动。本研究中环境变量主要包括创新市场环境、创新合作环境和创新吸收环境3个维度。首先,良好的创新市场环境是促进科技人才培养与发展、创新主体萌发与扩张、创新成果落地与转化以及创新链产业链深度融合并反哺科技创新的重要保障[25],能够促进NIS运行效能增长。Cai[13]、Sinan等[26]、Smirnova[27]指出风险投资、银行信贷、天使基金等金融环境、市场规模、创新管理者治理水平是影响NIS效率和绩效的重要环境因素。其次,创新合作环境为NIS不同机构、行动者互动和协作提供依托。由于创新是一个利益相关者之间通过沟通与合作而产生的非线性进化过程,因而NIS整体效能在很大程度上取决于这些参与者作为集体知识和技术创造系统组成部分如何展开相互协作[9]。Hu等[11]、Iqbal等[28]指出创新是一个复杂过程,不仅涉及创新企业,还涉及企业与其它组织和机构之间的相互依存与互动,跨行业、跨部门技术合作和知识转移与NIS效能正相关。最后,开放式创新吸收环境能为跨区域技术流动和知识传播提供可能,对于技术追赶型或发展中国家提升NIS效能尤为重要。Marxt &Brunner[29]认为广义的NIS包含参与开发、扩散、吸收、使用创新的组织机构之间的所有互动,创新吸收环境对于NIS发展具有明显推动作用;Choi &Zo[9]指出由于发展中国家知识基础相对薄弱,跨国贸易、外国直接投资等外部途径对于促进NIS创新产出发挥关键作用。

基于上述分析,本研究构建分析框架,如图1所示。

图1 分析框架

3 研究设计

3.1 研究方法

本研究采用fsQCA方法探究导向NIS整体效能的科技资源与创新环境因素及其组态模式,主要是基于以下考虑：首先,NIS是一个涉及多种科技资源要素投入并由多重并发因果关系引发的复杂议题。fsQCA能够利用组态思维检验多要素之间的联动匹配效应,识别驱动NIS整体效能的多条等效路径,以及挖掘各要素之间的潜在替补关系[14,30]。其次,fsQCA遵循因果关系非对称性假设,且能够精准定位各等效路径覆盖的地区案例,有助于对世界各国实现高/低NIS整体效能的条件组合差异及诱因进行深入解释[30]。最后,本文研究变量均为连续变量,适合采用fsQCA反映变量程度和水平变动。

3.2 变量测量与数据来源

全球创新指数报告(Global Innovation Index,GII)由世界知识产权组织和康奈尔大学、欧洲工商管理学院等机构共同发布,通过设置国家体系制度环境、人力资本与研究、基础设施、市场成熟度及业务成熟度5个维度约80项投入指标,以及知识和技术、创造性产出两个维度近30个产出指标,对全球包括中国、美国、欧洲各国等100余个国家/经济体的各项创新投入及绩效排名进行评估。GII自2007年创立以来,不断对全球最新创新趋势进行连续追踪,已成为衡量全球100余个国家/经济体创新表现且评估和完善其创新生态系统并供政府决策参考的依据,其统计数据广受学者采用。Nuno &Catia[14]、Fanta等[31]、Bras[32]采用GII数据对全球多个国家科技资源投入及创新绩效进行分析,并证明了数据的可靠性。因此,考虑到数据可获得性和连续性,本研究采用2018-2022年GII报告相关指标评估得分表征结果变量和条件变量。

3.2.1 结果变量

NIS整体效能(以下简称“NISE”)测度标准与其结构及发展目标息息相关[17]。Chu等[21]指出,NIS由知识创新系统、技术创新系统、知识传播信息系统和应用系统构成,知识创新、知识分配、知识规模和效率、知识收集和处理能力影响NIS运行效能;Irina[33]指出NIS结构由知识或创意生产、产品或服务生产、技术或产业转移组成。此外,也有学者将国家生产力[3]、就业与GDP增长[6,12]等纳入NIS效能考察体系。可见,NIS效能包括知识创造、传播、转化及社会生产等多个维度,与其宏观内涵相符[3]。因此,本研究选取GII报告中2020—2022年统计指标“知识和技术产出”(知识创造、知识影响、知识扩散)、“创意产出”(无形资产、创意商品和服务、在线创意)两个二级指标及27个三级指标复合成的综合得分作为NISE衡量指标,能够较好地体现NISE高质量发展内涵。

3.2.2 条件变量

(1)科技人力资源(HR)和科技财力资源(FR)选取联合国教科文组织统计研究所(UIS)发布的数据。其中,科技人力资源采取全职研究人员数量(每百万居民)测度;科技财力资源采取GERD占国内GDP比重(%)测度。

(2)科技物力资源(MR)。本文选取GII中“一般基础设施”测度国家/经济体科技物力资源支持情况,该指标由电力输出、物流绩效指数、资本形成总额占GDP比重3个三级指标构成。

(3)科技信息资源(IR)。本文选取GII中“信息和通信技术(ICT)”测度国家/经济体科技信息发展情况,该指标包括ICT普及率、ICT利用率、政府网络服务指数和电子参与指数(EPI)4个三级指标。

(4)创新市场环境(IME)。本文选取GII中“政治环境”、“商业环境”、“信贷”、“投资”、“贸易、竞争和市场规模”5个二级指标、14个三级指标(政府效能指数、创新创业政策、创业和规模扩张融资、风险投资、产业多样化指数、市场规模等)对各个国家/经济体支持科技创新的市场环境进行综合测度。

(5)创新合作环境(ICE)。本文选取GII中“创新联系”对各个国家/经济体机构、部门等创新主体协同合作环境进行测度,该指标由高校-产业研发合作、产业集群发展深度、国外资助GERD占GDP的比重等5个三级指标复合构成。

(6)创新吸收环境(IAE)。本文选取GII中“知识吸收”对各个国家/经济体的技术引进、知识交换与传播环境进行测度,该指标由知识产权支付、高技术进口净额、ICT服务进口在贸易总额中所占比重以及FDI流入等5个三级指标复合构成。

3.2.3 案例分布特征

结合GII报告中数据的连续性和可获得性,本文选取阿尔巴尼亚等87个国家/经济体作为研究案例。根据联合国对国家地理区位的分类和世界银行对国家收入组群的分类标准(2019年7月),87个国家/经济体案例区位分布及收入分布特征如图2a、2b所示。

图2a 国家/经济体地理位置分布图2b 国家/经济体收入组别分布
图2 国家/经济体地理与收入分布

3.3 变量校准

本研究在考虑两年创新滞后期的基础上,采取3周期数据(投入-产出：2018-2020年、2019-2021年、2020-2022年)开展研究。在数据校准方面,直接对变量数据进行校准,即将各条件变量和结果变量完全隶属、交叉和完全不隶属校准点分别设为数据的0.95、0.5和0.05分位数。此外,由于fsQCA在运行过程中无法辨识条件值为交叉点(0.5)的数据,因此将所有校准后显示为0.5的条件值人工调整为0.501[30,34]。变量校准结果如表1所示。

表1 变量描述性统计与校准结果

注：篇幅所限,仅展示2020-2022年数据校准与描述性统计结果;数据年份采用GII报告年份

4 实证结果分析

4.1 必要条件分析

根据fsQCA分析程序,在进行条件组态充分性检验之前首先需要对单个条件(非集～)必要性进行检验,结果如表2所示。从中可见,IR对高NISE的一致性水平为0.902,～ HR、～ FR对非高NISE的一致性水平分别为0.902、0.903,高于临界值0.9,即单一情境下分别是结果存在的必要条件且具有较强解释力。对于必要条件的判断,Schneider &Wagemann[34]指出可采用必要条件集合与结果集合之间的XY散点图判断,当大部分案例集聚于右纵轴时则认为该必要条件为无关紧要的必要条件。据此,绘制条件变量IR与结果变量NISE的集合散点图,如图3所示。从中可见,大部分案例集聚于右纵轴,即单一情境下条件IR为NISE无关紧要的必要条件;此外,张明和杜运周[35]指出在条件组态充分性分析中保留必要条件已形成共识。因此,本文从整体组态视角出发对科技资源与创新环境协同配置导向高/低NISE的多重并发因果关系进行考察。

表2 条件必要性分析结果

图3 IR与NISE条件集合分布

4.2 条件组态充分性分析

4.2.1 产生高国家创新体系整体效能的组态

参考既有文献[14,30,35]并结合本文案例具体情况,将样本一致性阈值设置为0.8,案例频数阈值设为1,PRI一致性阈值设为0.7。运行fsQCA3.0,结果如表3所示。由表3可见,高NISE组态共计10条,总体解一致性为0.97,覆盖度为0.794,说明所有满足10条组态的案例中有97%的国家/经济体NISE较高,且这10条组态可解释79.4%的国家/经济体高NISE案例。从各组态核心条件及构型特征看,H1a～H1d、H2a～H2c、H4a、H4b分别构成一个二阶等价组态,H3独立为一个组态。

表3 高NISE组态分布情况

注：●=核心条件存在,⊗=核心条件缺席,●=辅助条件存在,⊗=辅助条件缺席,“空格”表示该条件可有可无,下同

各组态覆盖案例如图4所示,具体分析如下：

图4 高NISE组态覆盖国家/经济体分布特征

(1)“科技人力、财力资源+创新市场环境”融合驱动型。H1组的4个组态构型表明,以高水平科技人力资源、财力资源和创新市场环境为核心资源投入条件能够实现NISE高质量产出。这表明,对于科技物力资源、创新合作或创新吸收环境不足的国家/经济体,可通过强化科研人才资源开发与引进、加大科技财力资源投入规模和比重以及营造优越的创新市场环境促进NISE高质量发展。然而,由于不同国家/经济体自身发展水平和创新基础存在差异,在创新实践中还需要增加一些辅助条件。具体而言,在上述核心条件的基础上,组态H1a辅之以良好的科技信息资源和创新吸收环境,重点覆盖案例包括瑞典、日本、荷兰、法国、芬兰、瑞士、韩国等国家;组态H1b在上述核心条件的基础上还囊括了核心条件—科技财力资源以及辅助条件—科技物力资源,覆盖案例包括瑞典、芬兰、日本、美国、新加坡、瑞士、韩国、德国等国家。组态H1c又辅之以科技信息资源条件,重点覆盖案例包括立陶宛、葡萄牙、斯洛文尼亚、意大利、斯洛伐克、卢森堡等国家;组态H1d覆盖案例有希腊、斯洛伐克及葡萄牙。

总体来看,通过“科技人力、财力资源+创新市场环境”融合驱动型路径实现高NISE的国家/经济体广泛且稳定集中在欧洲地区和欧盟成员国以及北美和东亚极少数国家。由于欧洲国家最早开展工业革命并进行资本原始积累,长期以来积淀了实力雄厚的创新人才队伍、科技财力资本和信息沟通网络,构建了健全、完善的工商业体系和优渥的创新市场环境,科技创新体制机制健全,创新内生动力强劲,通过“科技人力、财力资源+创新市场环境”融合驱动型路径促进高NISE目标的实现。此外,结合共现案例及组态特征可知,对于高水平发达国家而言,组态H1a中的“科技信息资源+创新吸收环境”与H1b中的“科技物力资源+创新合作环境”总体互为可替代条件,即在导向高NISE产生的“科技人力、财力资源+创新市场环境”型路径中发挥同等效应。而对于组态H1c和H1d而言,两者覆盖案例多为欧洲中等发达国家,从组态演变态势可见,斯洛伐克及葡萄牙等国家逐渐补足了辅助条件缺失的创新合作、创新吸收环境,且在科技信息资源建设方面大有成效,使得其由组态H1d向H1c演化,这一过程也引起立陶宛、斯洛文尼亚等国家的效仿。可以预见,组态H1a、H1b高发达国家创新路径正是组态H1d和H1c中等发达国家创新学习及演化的方向。

(2)“科技信息资源+创新合作环境”双轮驱动型。H2组的3个组态构型是在科技物力资源、财力资源和创新市场环境不足的情境下,通过高科技信息资源投入和创新合作环境培育,并在相关辅助条件的帮助下实现高NISE产出。具体而言,在以科技信息资源和创新合作环境为核心条件的基础上,组态H2a辅之以科技人力资源和财力资源实现高NISE,覆盖案例主要为立陶宛、意大利、卢森堡、保加利亚等国家;类似地,组态H2b辅之以科技人力资源和创新吸收环境,覆盖案例主要为马耳他;组态H2c辅之以创新市场环境和创新吸收环境,覆盖案例为塞浦路斯。

整体来看,采用“科技信息资源+创新合作环境”双轮驱动型路径实现高NISE的案例主要集中在欧洲地区中等发达国家,如保加利亚、塞浦路斯、马耳他等。由于此类国家属于欧洲及欧盟边缘群落,经济发展水平、科技财力资源及科技基础设施与高水平发达国家相比存在差距,国家内生创新能力不足。因此,上述国家以科技信息资源强投入和创新合作环境优化为核心动力,并着力开发科技人才和创新吸收环境,通过加强对外科技创新交流与合作、吸收和利用外来知识技术、承接技术产业转移以及提高资源配置效率等途径实现NISE高质量产出。“科技信息资源+创新合作环境”双轮驱动型组态阐释了科技财力、物力资源基础优势不足的非高水平发达国家实现高NISE产出的可能性,即通过集中优势力量构建科技信息基础平台、推动现代信息网络发展以及优化创新合作环境等方式增强国内外科技合作与知识信息交流,进而提升NISE。值得注意的是,上述3条组态路径覆盖案例及辅助条件具有显著排他性,不同国家仅采用特定资源配置方式实现高NISE产出,辅助条件彼此之间不具有可替代性且组态之间无明显演变趋势。

(3) “科技人力资源+创新市场、创新合作环境”融合驱动型。组态H3表明,在科技财力资源、物力资源、信息资源及创新吸收环境不足的情境下,以科技人力资源、创新市场环境和创新合作环境为核心条件的科技资源与创新环境协同驱动路径能够促进高NISE产出。该组态覆盖案例为2020-2022年的拉脱维亚。实际上,由于拉脱维亚自身经济体量加大、国土面积狭小且毗邻爱沙尼亚等中等发达水平的东欧国家,以及与科技实力强劲的欧洲核心国家距离较远等原因,使得科技财力资源、物力资源和信息资源相对匮乏。然而,拉脱维亚在国家独立后实行脱俄入欧国策,并于2004年加入欧盟、2014年成为欧元区成员国,促使其得到一定程度的外部科技资金援助,并借此加强与欧洲国家的创新交流与合作;同时,拉脱维亚通过强化科技人才开发,制定了一系列长期发展规划优化国内创新市场与创新合作环境,提高有限资源利用与转化率,进而通过“科技人力资源+创新市场、创新合作环境”融合驱动型路径实现高NISE。长期来看,组态H3的稳定性极强但普适性不足,仅涵盖拉脱维亚这一个案。

(4)“科技财力、物力资源+创新吸收环境”融合驱动型。H4组的两个组态是以科技财力资源、物力资源和创新吸收环境为核心驱动条件的“科技财力、物力资源+创新吸收环境”融合驱动型路径。其中,组态H4a以科技人力资源为辅助条件,即通过对科技财力资源和物力资源及创新人才的合理配置,加强对新技术、新知识的创新吸收,在科技信息资源不足条件下实现高NIS效能,覆盖案例包括捷克、匈牙利及泰国。组态H4b以科技信息资源和创新市场环境为辅助条件,在雄厚的科技财力与物力资源支撑下,不断优化社会创新市场环境,加强知识、信息、技术吸收和转化,最终实现高NISE,覆盖案例包括瑞典、日本、美国、法国、芬兰、新加坡、韩国、瑞士。整体来看,组态H4a包括高水平发达国家(捷克)、中等发达国家(匈牙利)及发展中国家(泰国)3种不同发展水平经济体,该组态最初由捷克采用且一直稳定沿用,后期逐渐被匈牙利和泰国沿用;而组态H4b则以瑞典、日本、美国、法国等高水平发达国家为核心应用群体且表现出长期沿用态势。从组态条件分布特征及覆盖案例共现情况看,尽管组态H4a与H4b无共现案例,但基于知识学习和创新模式向上模仿、传播的兼容特性,条件“科技人力资源”与“科技信息资源+创新市场环境”之间仍有可互为替代的潜力。此外,组态H4b与组态H1a、H1b应用群体有较大的共性,均为高水平发达国家。这也意味着当国家各类科技资源充实、科技创新体制机制完善时,可同时兼用多种科技资源配置组态以促进NISE高质量产出。

4.2.2 产生非高国家创新体系整体效能的组态

本文对科技资源配置产生非高NISE的组态进行检验,结果如表4所示。

表4 非高NISE组态分布情况

由表4可见,非高NISE组态根据条件存在或缺失特征可划分为3类。其中,组态L1a～L1d显示,仅以科技物力资源为核心支撑条件、以创新市场环境为辅助条件,但科技人力资源匮乏、科技财力资源和信息资源严重不足、创新合作环境及创新吸收环境较差仍会导致非高NISE。该类组态覆盖的国家主要包括卢旺达、格鲁吉亚、莫桑比克、阿尔及利亚、印尼、科威特等;组态L2a～L2d显示,仅以部分科技资源和/或创新环境为辅助条件,而缺失两个及以上特定核心条件作为支撑,仍会导致非高NISE结果。该类组态覆盖国家主要包括南非、土耳其、克罗地亚、伊朗、乌拉圭、智利、墨西哥等;组态L3a～L3e显示,科技资源配置核心条件及辅助条件缺失均会导致非高NISE,该类组态覆盖国家主要包括马达加斯加、洪都拉斯、危地马拉、马里、柬埔寨、巴拉圭等。可见,非高NISE组态覆盖国家/经济体主要集中分布于北纬30度以南的南亚、东非、中非与南美地区。

值得注意的是,中国在高NISE及非高NISE组态路径中均未出现。从GII统计报告看,中国大陆创新表现中多位居前列且排名不断上升。在2020年GII报告中,中国排名第14位,高于日本、加拿大等发达国家;在2021年GII报告中,中国排名上升至第12位;2022年,中国超越法国上升至第11位,但仍是全球创新指数前30名中唯一中等收入经济体。然而,中国在科技资源与创新环境协同配置导向高或低NISE组态路径中均未出现,表明中国高国家创新绩效在很大程度上并非通过科技资源与创新环境优化组合与协同配置产生。

4.3 稳健性检验

进一步,本文采用集合论特定的稳健性检验方法(补充或剔除案例)与统计论特定的稳健性检验方法(跨越不同时段)对QCA结果稳健性进行检验[25-26]。采用3个周期案例进行研究,结果均满足稳健性检验标准,表明研究结论稳健。为提高研究结果可信度和稳健性,采用回归分析法对高NISE科技资源与创新环境协同配置路径进行检验。为避免多重共线性对回归结果造成的负面影响,本研究采用Ridge回归(岭回归)方法,分别就10条高NISE组态路径进行回归分析,结果如表5所示。

表5 科技资源配置对高NISE发展组态的Ridge回归分析结果

注：*、**和***分别表示在10%、5%和1%水平下显著,括号内数值为t值

由表5可见,模型H1a为以科技人力资源(HR)、科技财力资源(FR)、科技信息资源(IR)、创新市场环境(IME)和创新吸收环境(IAE)为自变量,以高国家创新体系整体效能(NISE)为因变量,取岭系数K值为0.01时进行的Ridge回归分析。从回归结果可见,R2为0.854,说明由上述条件变量构成的科技资源配置组态路径可以解释85.4%高NISE形成的原因。另外,模型H1a通过F检验(F=289.78,p=0.000<0.05),说明上述条件变量中至少有一项会对高NISE产生影响。具体而言,条件变量HR、FR、IR、IME、IAE的回归系数值分别为0.006(p<0.01)、24.499(p<0.01)、0.991(p<0.01)、0.813(p<0.05)和1.87(p<0.01),并在5%水平上呈现显著性,说明条件变量HR、FR、IR、IME、IAE对高NISE均具有显著正向影响,在生成高NISE组态路径中能够充当核心条件、发挥主导作用。类似地,模型H1b回归结果表明,由条件变量HR、FR、MR、IME、ICE构成的科技资源配置组态路径可以解释78.2%高NISE形成的原因,且至少有一项条件变量对高NISE产生影响(F=177.586,p=0.000<0.05)。其中,条件变量HR、FR、IME、IAE的回归系数值分别为0.008(p<0.01)、18.759(p<0.01)、1.664(p<0.01)和0.971(p<0.01),均呈现出1%水平显著性,说明条件变量HR、FR、IME、IAE对高NISE均具有显著正向影响,且在生成高NISE组态路径中更多充当核心条件、发挥主导作用。条件变量IR的回归系数值为0.219(p<0.1),呈现10%水平的显著性,说明条件变量IR在生成高NISE组态路径中更多充当辅助条件、发挥辅助作用。将模型H1a、H1b的回归结果代入原组态路径,发现回归结果与组态路径实际内涵高度吻合,说明由fsQCA分析所得的高NISE组态路径具有较好的稳健性。类似地,从其余H1c～H4b8条组态路径回归结果可知,各组态路径对高NISE的解释力较强,模型拟合结果对fsQCA分析所得组态路径内涵具有较强支撑能力,限于篇幅不再赘述。综上分析,本研究结论具有较强的稳健性。

5 结论与建议

5.1 研究结论

(1)国家创新体系整体效能(NISE)高质量发展存在复杂并发的多元组态,科技资源或创新环境任何单一配置均非构成推动NISE高质量发展的必要条件。科技资源(尤其是科技人力资源和财力资源)和创新环境(尤其是创新市场环境和创新合作环境)在促进NISE高质量发展过程中不可或缺,两者协同匹配是促进NISE高质量发展的必然要求。

(2)促进高NISE实现的科技资源与创新环境协同配置组态共有10个,可划分为4种模式：“科技人力、财力资源+创新市场环境”融合驱动型、“科技信息资源+创新合作环境”双轮驱动型、“科技人力资源+创新市场、创新合作环境”融合驱动型以及“科技财力、物力资源+创新吸收环境”融合驱动型。导致非高NISE的组态共有13个,包括三大类：关键核心条件缺失型、核心条件缺失型及全条件缺失型,且与高NISE组态之间呈现显著非对称关系。

(3)促进高/低NISE发展的科技资源与创新环境协同配置组态具有显著地域差异特征和地理聚集特征。NISE高的国家/经济体广泛集中在欧洲和北美部分地区以及东亚(日本和韩国)、东南亚(新加坡)少数国家,而NISE低的国家/经济体则广泛分布在北纬30度以南的南亚、东非、中非与南美地区。此外,部分组态之间具有显著条件组合等效替代、路径演化趋势及路径排他性特征。如组态H1a中的“科技信息资源+创新吸收环境”与H1b中的“科技物力资源+创新合作环境”基本互为可替代条件,即在导向高NISE的“科技人力、财力资源+创新市场环境”型路径中发挥等同效应;组态H1a、H1b高发达国家创新路径是组态H1d和H1c中等发达国家创新学习及演化的方向;H2组态3个组态构型覆盖案例及辅助条件具有显著排他性,即不同国家/经济体仅采用特定资源与环境配置方式实现高NISE产出,辅助条件彼此不具有可替代性且组态之间无明显演变趋势。

5.2 对策建议

(1)国家及各级政府应持续加大科技人才培养和吸引力度,不断壮大高水平科技创新人才队伍,持续加大科技经费投入和保障力度,优化创新市场环境和创新合作环境,以“科技资源+创新环境”双轮匹配、协同驱动国家创新体系效能增长。

(2)在当前“风高浪急”的国际地缘政治和地缘科技竞争背景下,应将举国体制与市场机制相结合,激活一切可利用的力量开展创新。如通过政策驱动积极鼓励和促进非公科技团体组织、高等院校、科技企业等创新主体加强与欧洲国家以及韩国、日本等高NISE国家的非官方技术交流与创新合作,提高科技信息捕捉和技术吸收能力。

(3)结合我国实际资源禀赋及创新环境,促进NIS效能高质量发展。鉴于我国各省域科技、经济发展水平存在差异,可在部分区域针对高NISE发展的4种模式及具体组态开展探索试验。如东部沿海省域可尝试采取高水平发达国家实现高NISE的组态,中西部省域可尝试采用中等发达水平或发展中国家高NISE组态,并根据区域创新体系效能增长实效逐步开展路径转换及试点推广。

参考文献：

[1] BARTELS F L, KORIA R, ANDRIANO L.Effectiveness and efficiency of national systems of innovation：a comparative analysis of Ghana and Kenya[J].African Journal of Science Technology Innovation &Development, 2016, 8(4)：1-14.

[2] FREEMAN C. Technology policy and economic performance：lessons from Japan[M].London：Pinter Publishers,1987.

[3] NASIEROWSKI W, ELAHEE M.Improving efficiency of national innovation systems：issues in commercialization of public：research [C].Proceedings for the Northeast Region Decision Sciences Institute, 2009：283-289.
[4] BIELICKI M, LESNIAK M.CEE cross-country comparison of national innovation systems efficiency：DEA approach [C].Proceedings of The 11th European Conference on Innovation and Entrepreneurship, 2016：87-94.
[5] NIOSI J.National systems of innovations are "x-efficient" (and x-effective) why some are slow learners[J].Research Policy, 2002, 31(2)：291-302.
[6] LACKA I, BRZEZICKI L.The efficiency and productivity evaluation of national innovation systems in Europe[J].European Research Studies Journal, 2021, 24(3)：471-496.
[7] RATNER S, BALASHOVA S, LYCHEV A.The efficiency of national innovation systems in post-soviet countries：DEA-based approach[J].Mathematics, 2022, 10(19)：3615.
[8] GUAN J, CHEN K.Modeling the relative efficiency of national innovation systems[J].Research Policy, 2012, 41(1)：102-115.
[9] CHOI H, ZO H.Assessing the efficiency of national innovation systems in developing countries[J].Science &Public Policy, 2019, 46(4)：530-540.
[10] CHEN P C, HUNG S W.An actor-network perspective on evaluating the R&D linking efficiency of innovation ecosystems[J].Technological Forecasting and Social Change, 2016, 112：303-312.
[11] HU J L, YANG C H, CHEN C P.R&D efficiency and the national innovation system：an international comparison using the distance function approach[J].Bulletin of Economic Research, 2014, 66(1)：55-71.
[12] PIRES J O, GARCIA F. Productivity of nations：a stochastic frontier approach to TFP decomposition[J].Economics Research International, 2012, 2012(1)：584869.
[13] CAI Y Z.Factors affecting the efficiency of the bricss' national innovation system：a comparative study based on the two-stage semi-parametric DEA method[R].Economics Discussion Papers, Kiel Institute for the World Economy, 2011.
[14] NUNO F C, CATIA F C.Global innovation index：moving beyond the absolute value of ranking with a fuzzy-set analysis[J].Journal of Business Research, 2016, 69(11)：5265-5271.
[15] 雷小苗,李正风.国家创新体系结构比较：理论与实践双维视角[J].科技进步与对策,2021,38(21)：8-14.
[16] 贺德方,汤富强,陈涛,等.国家创新体系的发展演进分析与若干思考[J].中国科学院院刊,2023,38(2)：241-254.
[17] 冯泽,陈凯华,冯卓.国家创新体系效能的系统性分析：生成机制与影响因素[J].科研管理,2023,44(3)：1-9.
[18] ARCHIBUGI D, DENNI M, FILIPPETTI A.The technological capabilities of nations：the state of the art of synthetic indicators[J].Technological Forecasting &Social Change, 2009, 76(7)：917-931.
[19] IVANOVA I A, LEYDESDORFF L.Knowledge-generating efficiency in innovation systems：the acceleration of technological paradigm changes with increasing complexity[J].Technological Forecasting &Social Change, 2015, 96：254-265.
[20] BARNEY J B, KETCHEN D J, WRIGHT M.Resource-based theory and the value creation framework[J].Journal of Management, 2021, 47(7)：1936-1955.
[21] CHU M T, FARDOEI S R, FALLAH H, et al.Modeling national innovation system enabled by knowledge management[J].Journal of Business Economics &Management, 2014, 15(5)：964-977.
[22] 周文婷,解佳龙.区域创新系统脆弱性：概念界定、驱动机理与控制策略[J].创新科技,2023,23(2)：56-66.
[23] VENCHOVA D.The relevance of national innovation systems and porter's diamond in explaining economic growth and technological development in developing countries：a case study on bulgaria[D].Unlversity of st.Andrew's, 2020.
[24] FAGERBERG J.Innovation policy：rationales, lessons and challenges[J].Journal of Economic Surveys, 2017, 31(2)：497-512.
[25] 陈禹,王元地,佘茂艳.大众创业创新投入及环境与经济发展关系的实证研究[J].软科学,2018,32(6)：6-9,14.
[26] SINAN E, YAMAN E, YONGKI Y.National innovation systems and dynamic impact of institutional structures on national innovation capability：a configurational approach with the OKID method[J].Technovation,2022, 114 (7)：102552.
[27] SMIRNOVA Y.Innovation infrastructure as a vital element of national innovation system：case of Kazakhstan[C].10th Globelics Conference on Innovation and Development：Opportunities and Challenges in Globalization, 2012.
[28] IQBAL A M, KHAN S, BASHIR F, et al.Evaluating national innovation system of malaysia based on university-industry research collaboration：a system thinking approach[J].Asian Social Science, 2015, 11(13)：45-60.
[29] MARXT C, BRUNNER C.Analyzing and improving the national innovation system of highly developed countries——the case of switzerland[J].Technological Forecasting &Social Change, 2013, 80(6)：1035-1049.
[30] 杜宝贵,杨帮兴.科技资源配置何以促进高技术产业TFP增长——基于29个省域案例的fsQCA分析[J].科技进步与对策,2022,39(23)：65-75.
[31] BATE A F, WACHIRA E W, DANKA S. The determinants of innovation performance：an income-based cross-country comparative analysis using the Global Innovation Index (GII)[J].Journal of Innovation and Entrepreneurship, 2023, 12(1)：20.
[32] BRAS G.Pillars of the Global Innovation Index by income level of economies：longitudinal data (2011-2022) for researchers′ use[J].Data in Brief, 2022, 46(3)：1-11.
[33] IRINA B K.National innovation system as a component knowledge economy：problems and prospects[J].Technology Audit and Production Reserves, 2015, 6(22)：94-99.
[34] SCHNEIDER C Q, WAGEMANN C.Set-theoretic methods for the social sciences：a guide to qualitative comparative analysis[M].Cambridge：Cam-bridge University Press, 2012.
[35] 张明,杜运周.组织与管理研究中QCA方法的应用：定位、策略和方向[J].管理学报,2019,16(9)：1312-1323.

http://mp.weixin.qq.com/s?__biz=Mzg4NTc2NjM0Mw==&mid=2247495434&idx=8&sn=aa8c18c8016b2af3d0bffd21bdee337c

科技进步与对策

深耕科技创新领域，服务学者，专注学术。便捷开放获取，提供优质知识服务。电话：027-87277066。