外部R&D、技术距离、市场距离与企业创新绩效

易靖韬，蒙 双，蔡菲莹

（中国人民大学 商学院，北京，100872）

外部R&D、技术距离、市场距离与企业创新绩效

易靖韬，蒙 双，蔡菲莹

（中国人民大学 商学院，北京，100872）

本文探讨了在开放式创新模式下企业外部R&D、技术距离、市场距离与创新绩效的关系。基于2008—2011年中国创新企业面板数据，本研究采用泊松估计模型对影响企业创新的因素进行实证研究。结果表明，企业外部R&D与创新绩效呈倒 U 型关系；企业的技术距离负向调节外部R&D与创新绩效的关系，技术距离低的企业在更低的外部R&D水平上就能达到最优创新绩效；企业的市场距离正向调节外部R&D与创新绩效的关系，市场距离高的企业在更低的外部R&D水平上就能实现最优创新绩效。

外部R&D；技术距离；市场距离；创新绩效

一、引言

随着全球化进程的纵深发展，竞争日益激烈。对社会来说，技术创新是经济增长的重要源泉；对企业来说，创新对提高企业核心竞争力、实现企业可持续发展尤为重要。而如今创新需要的技术基础愈加综合和复杂化，大多数企业内部是无法完全具备创新所需的各方面资源，即使是大型企业也很难在多个技术前沿领域同时开展研发活动。仅仅依靠内部有限的R&D资源和能力，企业是很难应对技术创新难度和成本不断上升的挑战[1]。这促使企业纷纷寻求外部资源，开展外部R&D合作，充分发挥企业内外资源的协同合作[2]。

越来越多的创新研究探讨企业如何开放其R&D边界以更好地吸引和利用外部知识资源[3]。尤其在企业内部缺乏足够的R&D资源的情况下，外部R&D合作已被认为是促进企业技术进步的重要途径[4]。近年来企业在开展R&D活动实现技术创新的过程中，越来越依赖外部R&D带来的技术资源[5-6]。引入外部知识资源可以有效减缓企业面临的一些挑战，比如更快的技术革新速度，愈短的产品生命周期和不断上涨的研发成本。

但外部R&D的扩大同样也带来了新的组织挑战。经济学交易成本观点（Transaction Cost of Economics，TCE）认为对外部技术资源的过度依赖会增加搜寻、协调和监控的成本。由于企业和它的R&D合作方在信息和控制体系上存在差异，外部R&D活动需要更多的精力去协调、管理和控制，成本因此增加[7]。此外，企业资源基础观（Resource-Based View）认为外部知识流阻碍了企业的“干中学”和内部路径依赖的知识储备建设[8]。

同时，企业的外部R&D相伴着一正一负的溢出效应。一方面，外部R&D技术溢出产生积极的正效应，当企业双方研发人员合作交流时，知识便随之发生转移和溢出，溢出效应的大小依赖于研发人员工作领域的接近程度[9]。企业研发的技术水平和领域越相似，外部R&D带来的溢出效应越能提高企业的创新表现。另一方面，外部R&D隐含负面的溢出效应，即企业在外部研发合作过程中存在着信息泄漏和遭商业窃取的可能性，致使竞争对手受益，而企业自身在产品市场上的竞争力被相应削弱。

相对于国外较为丰富的研究而言，中国本土关于该问题的研究则较为缺乏。汪涛等（2013）研究认为，外部导向型创新对于提升企业的创新绩效具有重要的意义[10]。林润辉等（2014）基于资源依赖理论和协同创新理论，研究发现企业的协同创新网络与其创新绩效呈“倒U型”关系[11]。张旭锐等（2015）研究发现企业对于外部获取知识的整合能够对创新绩效中起到一定中介作用[12]。付丙海等（2015）基于开放式创新理论和资源基础理论，探讨了创新链资源整合以及开放式创新都对于创新绩效有着重要影响[2]。国内的研究主要集中在外部R&D的原因和作用，并没有引入技术距离和市场距离探讨外部R&D与创新绩效的关系的研究。

鉴于外部R&D的重要性，对于管理者来说最关键的就是如何权衡内部R&D和外部R&D，以及衡量外部R&D带来的一正一负的溢出效应，以追求从外部知识来源中获取的效益最大化。本文从技术距离和市场距离分别衡量企业与行业内其他企业的技术接近程度和市场接近程度，反映企业在行业内的相对技术地位及与同行企业的竞争程度。在外部R&D与企业创新绩效的关系中，技术距离和市场距离的高低起着重要的调节作用。企业想达到最优的创新表现，需根据自身在技术距离和市场距离上的定位，采取有效的外部R&D策略。引入这两个变量的研究对微观企业的研发决策和提高创新绩效有很强的现实指导意义。基于理论分析框架，本文运用 2008—2011 年中国制造业创新型企业面板数据对影响企业创新绩效的因素进行实证检验，并引入技术距离和市场距离，着重探究这两个变量如何调节外部R&D与企业创新绩效间的关系。

本文的贡献在于：一是对外部R&D与创新绩效的关系进行了非线性的研究，对现有文献形成了有益补充；二是本文创新性地引入两个重要的调节变量（即技术距离和市场距离）来探索外部R&D作用于创新绩效的条件和机制。本文接下来的结构安排如下：第二部分为理论基础和研究假设；第三部分为数据和研究设计；第四部分进行实证分析；最后一个部分总结全文。

二、理论与假设

近年来，随着技术发展更迭速度加快且趋于复杂化，产品生命周期不断缩短，研发创新的成本和难度不断上升。为应对日益激烈的竞争环境，企业需要提高研发水平以打造核心竞争优势。然而企业发现，仅依靠内部的R&D资源和能力建设远不足以应对挑战。因此，企业纷纷寻求外部资源，开展外部R&D合作。企业内部封闭的创新模式迅速衰落，开放式创新模式由此形成。

（一）外部R&D与企业创新绩效

外部R&D合作已被认为是学习技术的重要途径，并能够通过降低成本和资源整合的效应来提高创新绩效。研发成本的上升会驱动企业通过与其他企业的R&D合作来分担成本[13]。对于非企业独有的非核心技术领域，企业通过许可、联盟和技术协议等方式，利用外部技术资源，可以有效节约成本和提高创新产出[14]。此外，企业知识基础观（Knowledge-Based View）和企业关系理论（Relational View）强调的是知识共享和企业间联系有助于提升企业的创新表现。企业知识基础观认为在外部R&D合作过程中，企业有机会接触到交叉或跨领域的新技术知识，通过开发和整合外部资源可以扩充现有的内部知识储备。除了关注知识共享带来的互补资源和能力，企业关系理论还指出企业通过与外界形成长期特殊的联盟伙伴关系有利于企业在合作中收获更有价值的技术知识成果，可以显著提升企业的创新表现[7]。外部合作中的信任关系也会促使企业表现更佳[15]。因此，企业的外部R&D合作能够显著增加创新绩效得到了大部分理论和实证研究的支持。

但外部R&D对于创新绩效的正向影响也逐步受到了理论和实践的挑战。当企业由封闭式创新模式转为开放式，涉及内部结构机制的根本性转变时，这意味着巨大的成本付出，而效益只有长期才能显现[3]。且对外部技术资源的过度依赖会增加搜寻、协调和监控的成本。由于企业和它的R&D合作方在信息和控制体系上存在各种差异，外部R&D活动需要更多的精力去协调、管理和控制，成本因此增加[7]，这反而降低了企业的创新绩效。此外，企业资源基础观认为外部知识流阻碍了企业的“干中学”和内部路径依赖的知识储备建设[8]。企业内部技术和能力的建设是积累性的，随时间的推移会有倍增效果，且技术能力本质上是隐性知识，通常需要通过“干中学”获得，越多的经验越可能带来技术的提高。如果企业过度依赖于外部技术资源，会削弱或放缓内部技术能力的建设，错失通过自主研发经历获得的隐性知识。因此，过度的外部R&D反而削弱了企业的创新绩效。

前述理论研究表明，外部R&D节约研发成本、扩展现有技术储备和资源、提高研发效率和创新产出，对企业创新绩效有正向促进作用。然而，一味地扩大外部R&D，对外部技术资源的过度依赖反而在搜寻、协调和监控等方面会增加研发成本，并会束缚企业内部知识储备建设，不利于形成核心技术优势，反而使企业的创新绩效不断下降。由此，本文提出如下研究假设：

假设1：企业外部R&D与创新绩效呈倒U型关系。

（二）技术距离的调节作用

对知识的快速获取、充分吸收与有效应用是打造企业竞争优势的关键环节。为获取、吸收和消化外部新知识，企业需要开展相关的研发活动，建立起特定产品技术领域的知识储备。在外部研发合作过程中，企业还需要有与合作方相类似经验才能有效获取和消化知识[16]。同时，当R&D合作企业双方的研发人员接触交流时，知识便随之发生转移和溢出，技术溢出效应的大小依赖于研发人员工作领域的接近程度[9]。那么，企业研发的技术水平和领域越相似，外部R&D带来的溢出效应越能提高企业的创新表现。

这种有助于吸收溢出效应的类似经验或相近技术背景实际上反映了企业与同行业其他企业的技术距离，体现了企业在行业内的相对技术地位。技术距离越大代表企业与同行业其他企业的技术水平差距越大，技术距离越小表明企业与行业内其他企业的技术水平越接近。技术距离意味着知识的溢出和转移需要特定的吸收能力，以及相似吻合的认知基础[17]。换言之，企业的认知和吸收能力是有限的，拥有类似知识基础或者相近专业背景的企业更容易交换信息和知识并互相学习，消化再利用新技术的效率更高、成本较低，更有利于创新[18]。随着时间的积累，在与企业自身或企业曾投资的相近的技术领域（即技术距离较小），企业能够易于获取并内化外界知识[17]。

当技术距离过大，较高的外部知识互补性会使企业在外部R&D合作中难以获取和消化专业知识，对企业的吸收能力带来负面的影响[19]。若企业自身技术能力和水平有限，就很难对新的外部知识进行识别、消化并利用[20]。同时差异化的技术能力使企业需要付出更多的精力去经营外部R&D活动，导致协调管理成本的增加。此外，合作伙伴的技术能力以及适度的技术重叠对企业间合作伙伴选择有着重要影响[21]。缺乏相当的内部技术能力，除了很难从外部知识源充分获益，企业也不太可能成为有吸引力的合作伙伴[22]。

综上所述，与其他企业的技术距离较小的企业更容易获取和消化外部新知识，能以更低的成本和更高的效率内化获取的知识，这更有利于创新。而技术距离较大的企业，面对外部R&D中过高的知识互补性，在识别、消化并利用外部知识过程中需付出更高的成本，且效率低，不利于企业创新表现。因此，基于假设1，引入技术距离的调节效应，我们提出如下假设：

假设2：企业的技术距离负向调节外部R&D与创新绩效的关系。即企业外部R&D与创新绩效呈倒U型关系，技术距离越低，最优创新绩效可以在更低的外部R&D水平上实现。

（三）市场距离的调节作用

外部R&D还存在负面的溢出效应，即企业在外部研发合作过程中存在着信息泄漏和遭商业窃取的可能性，致使竞争对手受益，而企业自身在产品市场上的竞争力被相应削弱。具体而言，在竞争型的R&D合作中，企业的隐性知识会暴露在合作过程中，面临着知识扩散的风险，合作伙伴主动的知识模仿和机会主义行为都会导致核心技术外溢。研究表明，和直接竞争对手合作很可能引发学习竞赛，即合作企业双方都想比对方抢先占有更多创新优势，同时还想保护好自己的内部核心知识[23]。如果缺乏相关机制，竞争型合作会引发企业对投机主义的担忧[24]。

市场距离衡量的就是企业与行业内其他企业的市场份额接近水平。市场份额代表着一定的市场势力，也反映了企业与同行业其他企业的竞争程度。市场距离越小，企业与行业中其它企业的市场地位越接近，存在越强的竞争关系和利益冲突。而市场距离越大时，知识溢出越受到合作企业的阻碍。由于外部R&D存在非自愿的知识共享或溢出效应，这促使企业采取保护机制（如派遣非最好的工程师参与研发合作项目）以最小化外流的溢出效应，同时设法获取最大化的外部溢出效应[25-26]。

市场距离较小时，R&D合作双方越有可能采取保护措施，而这将导致项目科研基础较弱、合作结果不理想，制约企业的创新表现。此外，从竞争性合作伙伴处能获取的新知识源的广度也相对有限。虽然企业和其竞争性合作伙伴在内部资源和运用资源的能力方式上存在差异，但由于他们的设计同为满足相似市场细分的消费者需求，缺少不同领域知识技术的碰撞，不易形成技术组合优势和协同效应，这对产品创新不是很有利[27]。反之，当市场距离较大时，竞争关系较弱，采取保护措施的动力不明显，服务对象差异化，获取知识的互补性更强，企业与竞争性相对较弱的伙伴的R&D合作更有利于提升企业创新表现。

综上所述，市场距离小的企业外部R&D合作在获取新知识的容易程度和新知识的宽广度两个层面上都受到了限制。反之，市场距离越大的企业在外部研发合作中更容易获取新知识并产生互补效应。由此，基于假设1，引入市场距离的调节效应，我们提出如下假设：

假设3：企业的市场距离正向调节外部R&D与创新绩效的关系。即企业外部R&D与创新绩效呈倒U型关系，市场距离越大，最优创新绩效可以在更低的外部R&D水平上实现。

三、研究设计

（一）数据描述

改革开放以来，伴随着持续的经济增长和制度变革，我国企业的创新成果呈现了高速增长态势，无论是研发支出金额还是专利总数都位居世界前列，这些方面的发展为本文的研究提供了很好的研究基础和丰富的研究素材。本文所用数据来自科技部2008—2011年在全国范围调研的“创新企业数据库”。科技部参考奥斯陆手册中的创新型企业的定义和特征（OECD，2005），从研发强度、每一千研发人员授予专利数、新产品销售额占总收入比重、劳动生产率和组织管理创新等五个纬度的指标，在全国范围内筛选最具创新性的企业共444家入选参与调研，考察参与调研的企业是否达到最低的调研要求，同时在过去三年中是否开发了新的专利并成功推出产品创新或者流程创新方面的成果。

我们采用这个数据库是基于两个重要的考虑。第一，这是迄今为止中国政府组织的最为详尽的创新方面的企业调查，由各省推荐标的企业，创新的测量纬度极其丰富，数据披露非常翔实。第二，尽管样本的规模相对较小，但是样本企业在所有权性质、行业分布和地理覆盖方面都有较好的代表性，涵盖了较为活跃的创新型企业样本。该数据库涵盖了全国内陆地区31个省和直辖市，包括食品制造业、交通运输设备制造业等在内的工业制造业（行业代码 13-43）的国有和非国有企业，提供了各企业的总资本、净资产、员工数量、营业利润、专利数量、新产品收入、研发支出、产学研合作等信息。但由于调查问卷每年有一定调整，且有部分样本存在测量或记录偏差。在剔除异常值和空值后，本文最终使用的研究样本包括342家企业。我们把研究样本跟原样本在主要变量的均值和方差等指标上进行比较和统计检验，发现两个样本之间不存在显著差异，因而我们的研究样本具有较好的代表性。

（二）变量设置

1.因变量

衡量创新的指标一般包括创新投入和创新产出。创新投入主要用研发支出来衡量，创新产出主要用专利数量来衡量。Scherer（1965）认为专利数据是衡量行业竞争激励下的创新产出的较好指标，创新产出更能体现创新的成果和效率[28]。本文采用企业的专利储量作为衡量企业创新的变量。

2.自变量

借鉴现有文献，外部R&D采用外部研发支出占全部研发支出的比例来衡量[1]。企业的外部R&D支出指该企业委托其他单位或与其他单位合作开展的研究与试验发展活动而拨付给对方企业的经费，R&D合作对象在数据调查中包括境内机构、境内企业、境外机构和其他类型，这一指标能够较好地衡量企业的外部R&D的水平。

3.调节变量

（1）技术距离

技术距离衡量每家企业与行业内其他企业的技术水平接近水平，也体现了企业在行业内的相对技术地位。多数文章在构建该指标时普遍选用专利数据[29-30]。本文通过式（1）构建技术距离指标git，即通过计算每家企业与行业内其它企业的专利储量的差值的平方和除以行业内企业数量。其中，Pit为企业i在t年的专利储量，nkt为当年t行业k的企业数量。git越大代表企业与同行业其他企业的技术水平差距越大，git越小表明企业与行业内其他企业的技术水平越接近。

（1）

（2）市场距离

市场距离衡量每家企业与行业内其他企业的市场接近水平，也反映了企业与同行业其他企业的竞争程度。市场份额又称市场占有率，是企业产品在市场上所占的份额，体现企业对市场的控制能力。本文通过式（2）计算市场距离，即通过计算每家企业与行业内其它企业的市场份额的差值的平方和除以行业内企业数量。其中，Mit为企业i在t年的市场份额*为了测度的一致性，本文进行了标准化处理。，nkt为当年t行业k的企业数量。市场距离越小，企业与行业内其他企业的市场份额越接近，存在更强的竞争关系；市场距离越大，企业与同行业其他企业的市场竞争关系越弱。

（2）

4.控制变量

首先，企业规模的大小对企业的创新表现有一定的影响作用，依照传统做法[31-32]，本文采用企业员工总数的对数值衡量企业规模。

其次，企业的研发密度、吸收能力和全要素生产率（TFP）影响企业的内部R&D建设。研发密度反映的是企业的研发投入，研发投入比重的大小会影响企业的创新表现，因此本文取研发投入与经营收入的比值予以衡量。同时，对于企业吸收行业内技术外溢和购买的新技术产品的能力，本文参照以往研究，采用研发人员占企业员工总数的比重作为衡量指标[26，33]。当企业有足够的研发资源后，需要整合运用资源的能力，以获得更多的产出，本文采用全要素生产率来衡量企业的技术能力。

此外，体现企业财务表现的盈利能力和杆杠率也是重要的影响因素。企业的创新投入受企业盈利能力的影响，盈利能力更强的企业更倾向于创新研发，且创新行为更容易取得成功。因此本文采用企业的经营利润与总资产的比值来衡量盈利能力。同时，本文取总负债占总资产比例作为衡量杠杆率的变量，以反映了公司的财务和资本运营状况。

最后，企业的国有属性和是否上市也会影响企业的资源配置和创新表现，本文取企业的这两个属性为虚拟变量。此外，本文还取年度、地区、行业的虚拟变量来控制固定效应[31]。同时，考虑到可能的同步偏误和时间滞后性，公司规模、吸收能力、盈利能力、杠杆率、研发密度和技术能力这些变量都采用滞后一期[1]。

5.变量定义及描述统计

表1展示了本文的计量模型所涉及的因变量、自变量和控制变量的定义和描述统计。

表1 变量定义与描述统计

（三）估计方法

（3）

为了检验假设一，设置以下泊松（Poisson）估计模型：

（4）

其中，rit为外部R&D；xikt为控制变量向量。外部R&D与创新绩效呈倒U型关系时，β1>0及β2<0。

为了检验假设二，设置以下泊松估计模型：

这里，git是技术距离。假设二成立时，应满足：

（5）

为了检验假设三，设置以下泊松估计模型：

（6）

这里，mit是市场距离。假设三成立时，应满足：

（7）

四、实证分析

表2报告变量的相关系数。大部分的变量相关系数很低（除了专利数与公司规模之间），方差通胀因子远远低于10 的可接受水平。按照文献中常规做法[34]，对交互变量进行了均值中心化处理，减轻潜在的多重共线性问题，增加的结果可解释性。

（一） 外部R&D与创新

表3展示了对于假设一检验的估计结果。第3栏报告了使用泊松估计模型对于外部R&D、外部R&D二次项进行的估计。结果表明：创新与外部R&D呈倒U型结构，即外部R&D水平太高或者太低都不利于企业创新，只有当外部R&D适中时，才能达到最优创新绩效。

由表3的结果可得，企业外部R&D与企业创新绩效呈倒U型关系，倒U型抛物线的对称轴落在外部R&D水平为0.378的位置上。研究结论与Berchicci（2013）基于意大利制造业数据得到的结论基本一致[1]。

（二）外部R&D、技术距离与创新

表3的第4栏展示了对于假设二检验的估计结果。结果表明：

（1）创新与外部R&D呈倒U型结构，与前述结论一致。

（2）技术距离低的企业，最优创新值更高，且发生在更低的外部R&D水平上。

图1的结果表明，低技术距离企业的倒U型曲线的对称轴落在外部R&D水平为0.289的位置；高技术距离企业的对称轴为0.298。这个模型的对称轴的差距并不大，但基本符合本文的预期假设，技术距离越低的企业，最优创新值发生在更低的外部R&D水平。根据前述理论，低技术距离企业有相近的技术水平或知识基础或类似经验，在外部R&D过程中更容易交换信息，获取隐性知识和相互学习，且成本较低，更有利于创新。因此，可以在更少的外部R&D合作的情况下，获得最优的创新绩效。

表2 变量相关系数

图1 技术距离的调节效应

表3 企业外部R&D与创新绩效实证结果

注：（1）***、**、*分别表示在1%、5%和10%的显著性水平下显著；（2）系数下方的括号中为模型估计的标准差。

（三）外部R&D、市场距离与创新

表3的第5栏展示了对于假设三检验的估计结果。结果表明：

（1）创新与外部R&D呈倒 U 型结构，与前述结论一致。

（2）市场距离越大的企业，最优创新绩效实现在越低的外部R&D水平上。

图2的结果表明，高市场距离企业的倒U型抛物线的对称轴落在外部R&D水平为0.299的位置；低市场距离企业的对称轴为0.345。模型预测值符合本文的预期假设，即企业市场距离越大，最优创新绩效实现在越低的外部R&D水平上，而市场距离越低，倒U型曲线达到最优绩效值需要投入更多的外部R&D。根据前述理论，市场距离越低，竞争性越强，R&D合作伙伴会采取积极措施阻碍知识溢出，且从竞争性合作伙伴那里获取的新知识源的广度也相对有限，不利于创新的实现。反之，市场距离越大的企业，竞争性越弱，更易获取新知识，获取知识的互补性更强，更有利于企业创新。

图2 市场距离的调节效应

五、结论

本文探讨了企业外部R&D、技术距离、市场距离与创新绩效的关系。基于 2008—2011 年中国制造业创新型企业面板数据，本研究采用泊松估计模型对影响企业创新的因素进行实证研究。研究结果表明：（1）创新与外部R&D呈倒U型结构，即外部R&D水平太高或者太低都不利于企业创新，只有当外部R&D适中时，才能达到最优创新绩效；（2）技术距离越低的企业，倒U型曲线在更低的外部R&D水平上就能达到最优绩效值；（3）市场距离越大的企业，最优创新绩效可以在更低的外部R&D水平上实现。

我们的研究对于企业和政府都具有一定的指导意义。对于企业而言，自主创新的主体，在开放式创新环境中，不仅要加强内部创新能力的建设，更要充分利用外部创新知识源，识别把握内化有价值的外部知识技术，提升企业创新绩效。但也不可过于依赖外部R&D，企业对自身需要有正确的评估定位，以掌握对外开放研发合作的尺度。技术距离较小或市场距离较大的企业扩大外部R&D水平对企业创新更有利。对于政府而言，企业自主创新的支持者，应从政策层面鼓励企业与高等院校、科研机构组成技术联盟，合作开展技术创新。引导产学研协同开展技术创新，推动产学研联盟的建设。鼓励企业通过外部R&D方式对引进的技术和知识进行消化吸收再创新。政府应为企业开展技术创新合作搭建政策平台，促进人才交流与合作。

尽管本文在理论和实践上对企业的开放式创新提供了有益补充和启示，但本文也存在一定的局限性。首先，由于样本的限制，本研究只是关注了我国典型（或标杆）的制造业的创新企业，没有研究一般性的创新企业，未来可以将样本扩展涵盖尽可能多的不同类型的创新企业，更能揭示我国企业创新的实际情况和提供更有针对性的建议。其次，本文只是重点考察了技术特征（技术距离）和市场特征（市场距离）的调节作用，这两个方面对于创新型企业来说较为关键，但是还有很多重要变量（如企业战略、组织特征、环境特性等）的调节或中介作用还需要进一步挖掘，可以提供更多更丰富的研究视角。

[1]BERCHICCI L. Towards an open R&D system: Internal R&D investment, external knowledge acquisition and innovative performance [J]. Research Policy, 2013, 42（1）: 117-127.

[2]付丙海，谢富纪，韩雨卿. 创新链资源整合、双元性创新与创新绩效：基于长三角新创企业的实证研究[J]. 中国软科学, 2015（12）：176-186.

[3]CHESBROUGH H W. Open innovation: The new imperative for creating and profiting from technology [M]. Brighton, MA: Harvard Business Press, 2006.

[4]LIN B W. Technology transfer as technological learning: a source of competitive advantage for firms with limited R&D resources [J]. R&D Management, 2003, 33（3）: 327-341.

[5]LINDER J C, JARVENPAA S, DAVENPORT T H. Toward an innovation sourcing strategy [J]. MIT Sloan Management Review, 2003, 44（4）: 43-50.

[6]CALANTONE R J, STANKO M A. Drivers of outsourced innovation: an exploratory study [J]. Journal of Product Innovation Management, 2007, 24（3）: 230-241.

[7]DYER J H, SINGH H. The relational view: Cooperative strategy and sources of interorganizational competitive advantage [J]. Academy of Management Review, 1998, 23（4）: 660-679.

[8]BETTIS R A, BRADLEY S P, HAMEL G. Outsourcing and industrial decline [J]. The Executive, 1992, 6（1）: 7-22.

[9]BLOOM N, SCHANKERMAN M, VAN REENEN J. Identifying technology spillovers and product market rivalry [J]. Econometrica, 2013, 81（4）: 1347-1393.

[10]汪 涛，牟宇鹏，王 铵. 企业创新战略模式的选择与效应[J]. 中国软科学, 2013（6）: 101-110.

[11]林润辉，谢宗晓，丘 东，周常宝. 协同创新网络、法人资格与创新绩效——基于国家工程技术研究中心的实证研究[J]. 中国软科学, 2014（10）: 83-96.

[12]张旭锐，张颖颖，李 勃. 网络异质性、外部知识整合与探索式创新绩效——基于陕西省孵化企业的实证分析.科学决策, 2015（11）: 51-65.

[13]KATZ M L. An analysis of cooperative research and development [J]. The RAND Journal of Economics, 1986, 17（4）: 527-543.

[14]HAGEDOORN J. Inter-firm R&D partnerships: an overview of major trends and patterns since 1960[J]. Research Policy, 2002, 31（4）: 477-492.

[15]ZAHEER A, MCEVILY B, PERRONE V. Does trust matter? Exploring the effects of interorganizational and interpersonal trust on performance [J]. Organization Science, 1998, 9（2）: 141-159.

[16]ZACK M H. Managing codified knowledge [J]. MIT Sloan Management Review, 1999, 40（4）: 45.

[17]COHEN W M, LEVINTHAL D A. Absorptive capacity: A new perspective on learning and innovation [J]. Administrative Science Quarterly, 1990, 35（1）: 128-152.

[18]MARROCU E, PACI R, USAI S. Proximity, networking and knowledge production in Europe: What lessons for innovation policy?[J]. Technological Forecasting and Social Change, 2013, 80（8）: 1484-1498.

[19]GE Z, HU Q. Collaboration in R&D activities: Firm-specific decisions [J]. European Journal of Operational Research, 2008, 185（2）: 864-883.

[20]ARORA A, GAMBARDELLA A. Evaluating technological information and utilizing it: Scientific knowledge, technological capability, and external linkages in biotechnology [J]. Journal of Economic Behavior & Organization, 1994, 24（1）: 91-114.

[21]MOWERY D C. The changing structure of the US national innovation system: implications for international conflict and cooperation in R&D policy [J]. Research Policy, 1998, 27（6）: 639-654.

[22]NEGASSI S. R&D co-operation and innovation a microeconometric study on French firms [J]. Research Policy, 2004, 33（3）: 365-384.

[23]TSANG E W K. A preliminary typology of learning in international strategic alliances [J]. Journal of World Business, 1999, 34（3）: 211-229.

[24]HAGEDOORN J, LINK A N, VONORTAS N S. Research partnerships [J]. Research Policy, 2000, 29（4）: 567-586.

[25]AMIR R, EVSTIGNEEV I, WOODERS J. Noncooperative versus cooperative R&D with endogenous spillover rates [J]. Games and Economic Behavior, 2003, 42（2）: 183-207.

[26]CASSIMAN B, VEUGELERSR. R&D cooperation and spillovers: some empirical evidence from Belgium [J]. American Economic Review, 2002, 92（4）: 1169-1184.

[27]KNUDSEN M P. The relative importance of interfirm relationships and knowledge transfer for new product development success [J]. Journal of Product Innovation Management, 2007, 24（2）: 117-138.

[28]SCHERER F M. Firm size, market structure, opportunity, and the output of patented inventions [J]. American Economic Review, 1965, 55（5）: 1097-1125.

[29]STUART T E. Interorganizational alliances and the performance of firms: A study of growth and innovation rates in a high-technology industry [J]. Strategic Management Journal, 2000, 21（8）: 791-811.

[30]ROSENKOPF L, Almeida P. Overcoming local search through alliances and mobility[J]. Management Science, 2003, 49（6）: 751-766.

[31]KAFOUROS M, WANG C, Piperopoulos P, et al. Academic collaborations and firm innovation performance in China: The role of region-specific institutions[J]. Research Policy, 2015, 44（3）: 803-817.

[32]LAURSEN K, SALTER A. Open for innovation: the role of openness in explaining innovation performance among UK manufacturing firms[J]. Strategic Management Journal, 2006, 27（2）: 131-150.

[33]ESCRIBANO A, FOSFURI A, TRIBJ A. Managing external knowledge flows: The moderating role of absorptive capacity[J]. Research Policy, 2009, 38（1）: 96-105.

[34]AIKEN L S, WEST S G, RENO R R. Multiple regression: Testing and interpreting interactions[M]. Thousand Oaks, CA: Sage, 1991.

（本文责编：海 洋）

External R&D, Technology Distance, Market Distance and Innovation Performance

YI Jing-tao, MENG Shuang, CAI Fei-ying

（SchoolofBusiness,RenminUniversityofChina,Beijing100872,China）

This paper investigates the roles of technology distance and market distance in moderating the relationship between external R&D and innovation performance in the context of open innovation. Using the panel data of the Chinese innovative firms in 2008—2011, we applied Poisson regression to perform the empirical analyses. The results show that there is an inverted-U relationship between external R&D and innovation performance. We find that technology distance moderates the relationship between external R&D and innovation performance negatively, and the peak of inverted-U is occurring at a lower level of external R&D for firms with smaller technology distance. In addition, market distance moderates the relationship between external R&D and innovation performance positively, and firms with larger market distance reaches the peak of inverted-U at a lower level of external R&D.

External R&D；Technology Distance；Market Distance; Innovation Performance

2016-09-12

2017-01-23

国家自然科学基金项目（71373010）。

易靖韬（1979—），男，湖南衡阳人，中国人民大学商学院副教授、博士生导师，研究方向：产业经济学、国际贸易学。

F426

A

1002-9753（2017）04-0141-11