开放式创新与涉农企业科技成果转化效率——CEO经历、能力平衡的调节效应

林青宁，毛世平

（中国农业科学院 农业经济与发展研究所，北京100081）

创新驱动战略提出后，我国科技创新不断取得突破，但科技经济“两张皮”问题依旧制约着我国创新动能提高，解决这一问题的关键在于我国科技成果转化能力实现突破。伴随涉农企业（指具有农业科技研发与转化能力的企业）技术创新主体地位逐步加强，其科技成果转化情况却依然不容乐观，2016年我国农业行业科技成果产业化应用比例为51.21%，其中由涉农企业完成的尚不足35%，较全行业60%的水平差距较大。相比于其他行业企业，研发经费短缺、研发体量小［1］等问题制约着我国涉农企业科技成果转化水平。涉农企业的科技成果转化活动存在高风险性、长周期性、不确定性与正外部性，因此研发存量不足的涉农企业不能一味地进行独立创新，而应基于自身市场导向性强的优势，通过与外部创新主体合作进行开放式创新，获取科技人才、技术知识等异质性资源，从而实现创新涌动与效率提高［2］。

开放式创新是企业在创新活动的过程中基于广泛的外部合作与协同，实现对外部异质性资源的整合与内部资源的优化。开放式创新最早由CHESBROUGH［3］提出，后续诸多研究均证实了开放式创新在企业创新活动中的积极影响与作用机制，学者普遍发现开放式创新有助于降低研发的不确定性，实现要素有机结合，在工业企业、高新技术企业以及大中小企业的创新实践中发挥着重要作用［4-6］，同时吸收能力、组织学习、制度环境等因素起着调节作用［7-9］。现有研究多以工业企业及高技术企业为样本进行研究，较少涉及涉农企业。对涉农企业而言，由于自身研发实力低于其他行业，有近50%的上市涉农企业无外部研发支出，近70%的企业近三年无联合专利申请行为，涉农企业开放式创新整体不足。研发水平与开放式创新的不足可能会导致涉农企业在开放式创新过程中处于“弱势”地位，“话语权”不足，这不仅会导致沟通、协商出现冲突，还可能衍生出道德风险与机会成本［10］。此外，根据知识管理理论，研发水平与开放式创新的不足还会影响涉农企业动态能力与资源内化水平，并导致自身核心知识泄露［11-12］。

开放式创新的有效性，尤其是涉农企业开放式创新的有效性，尚未得到一致结论，“开放式悖论”以及外部资源内化等问题值得进一步探究。本文通过作用机制分析解决如下问题。①开放式创新过程中可能存在的技术泄露、道德风险、机会成本等问题需要企业在决策阶段加以考虑。基于高阶理论，高管在决策过程中多会依赖自身所固有的认知习惯与知识积累［13］，这会影响开放式创新的过程以及可行性预判。作为涉农企业的战略决策者与资源分配者，CEO先前的学术经历影响其知识、网络资源及声誉属性；研发经历影响其机会识别、监督及激励属性，这些特质势必会影响企业开放式创新过程中核心知识泄露、关系处理以及道德风险等问题。②开放式创新本质是实现外部资源内化到研发实践的过程，基于知识管理相关理论，首先要实现外部知识的吸收［14］，然后将吸收的新知识集成到研发实践过程中，这一过程涉及企业的吸收能力与集成能力。如果吸收能力与集成能力发展不平衡，企业在开放式创新过程中很难实现外部资源的吸收并集成到研发实践中。基于此，本文将CEO经历以及涉农企业吸收能力与集成能力的平衡度纳入开放式创新对科技成果转化效率影响的理论分析框架。本文的边际贡献可能体现在：①在涉农企业科技成果转化效率测算时采用网络DEA模型，实现了科技成果转化活动知识研发阶段与商业化阶段的衔接，有助于打开科技成果转化活动这一“黑箱”；②针对开放式创新存在的“开放式悖论”与外部资源内化问题，将CEO经历、吸收能力与集成能力平衡度纳入理论分析框架，提供了一个新的研究思路。

1 理论分析与研究假设

1.1 开放式创新对涉农企业科技成果转化效率的影响

封闭式创新的竞争力基础在于内部研发［15］，但在复杂多变的竞争环境与市场环境下，越来越多的企业与学者认识到封闭式创新核心刚性等问题。在宝洁应用开放式创新取得成功后，开放式创新逐渐开始被重视，通过强化与外部创新主体的耦合互动，实现外部优势资源的内化与升级，因此开放式创新对企业科技成果转化活动具有促进作用。①基于社会网络理论，外部合作网络的异质性资源与内部资源对企业的创新发展同等重要，尤其是在高校与科研机构科技成果可用性明显增强的背景下，企业应突破边界限制，强化与外部主体的协作，获取、吸收与升级社会网络的新知识、新技术，这是企业独立研发的重要补充［16］，有助于降低单独独立创新所产生的内部资源锁定问题，从而提高多样化技术组合与新创新开发的概率［17］。②企业开放程度越高，其参与的社会网络也就越大，企业的横向联结有助于其获得多视角的知识技术；纵向联结则能获取供应商、客户与市场的多元化信息，这不仅有助于新创意的产生，还能动态把握市场与环境变化，降低研发与转化活动的不确定性，从而提高转化效率［18］。③当企业与其他合作主体形成关系互动更加密切、资源互换也更加频繁的社会网络关系后，企业不仅更易获得异质性的外部知识技术，还可以在这一过程中接触到其他主体的核心技术，实现自身创新能力的提升［19］。④开放式创新不仅使企业获得更广泛的技术知识，还能使其了解技术发展的趋势，获取与分析外部知识技术，准确把握未来技术发展的路径与轨迹，实现技术预见，从而更高效、更前瞻地进行创新，实现研发与转化效率的提升［15］。对于涉农企业而言，由于其研发体量与自主创新能力低于其他行业企业，尤其是在市场环境多变的情况下，单纯的独立创新很容易导致涉农企业创新能力发展滞后市场需求，而选择开放式创新强化了涉农企业与利益相关者之间的紧密联系，不仅可获取更多的资源支持，还有助于涉农企业接触到大量异质性的知识与技术，实现创新能力提升与转化效率提高。

但是，开放式创新应有一个合理区间，并适度开放［20］，主要有如下原因。①开放式创新会产生大量机会成本。企业实施开放式创新的第一步就是要确定合作主体，这是一个不断尝试的过程，需花费大量的人力、物力等搜寻成本；其次，各主体间互补、文化、兼容以及相称的差异（4C差异）导致企业面临协调成本；此外，企业在开放式创新过程中还面临核心技术泄露的风险成本［21］。因此，过度的开放式创新会导致这3方面成本加剧，从而影响企业的创新活动与转化效率。②涉农企业开放式创新程度加深容易产生“关系锁定”。开放程度较深表明涉农企业与相应合作伙伴建立了较为牢靠的社会网络，而更换合作伙伴会给涉农企业带来大量的时间、交易费用等机会成本［22］，加之涉农企业整体实力低于其他行业企业，因此成本限制、固有认知约束等因素可能会使涉农企业固化在现有社会网络内，难以进一步扩展现有的社会网络，长此以往涉农企业会对外部技术产生依赖，还可能因多元信息获取不足导致技术预见与市场反应能力降低，从而影响涉农企业的创新活动与转化效率。③过度开放式创新易导致科研人员抵触心理与角色转变问题。开放式创新过程中资源是双向传输的，企业将消耗大量研发资源所产生的技术授权给合作方时，部分科研人员尤其是参与此技术研发的科研人员易产生较强的抵触心理［23］；同时，开放式创新将给企业研发人员额外增加合作对象识别、合作流程监督、前瞻性创新远见以及异质性资源消化的任务，额外增加的任务与现有R&D活动之间的冲突导致研发人员短期内难以实现角色转变［24］。④开放式创新易导致研发部门内部冲突。内部研发与开放式创新互为补充又相互竞争，两种模式并存必然会导致研发部门内部双元化，双元之间既有合作也有竞争冲突，过度的开放式创新容易导致任务分工不合理，带来各种矛盾与冲突［12］，还会导致用于内部创新资源的挤出，从而影响科技成果转化活动。尤其是对研发体量较小的涉农企业而言，过度开放式创新对内部创新的资源挤出效应更加明显。综上，本文提出如下假设。

H1开放式创新与涉农企业科技成果转化效率之间存在倒U形关系。

1.2 CEO经历的调节效应

根据高阶理论，由于企业面对的内外部环境较为复杂，因此高管在决策过程中大多会依赖自身所固有的认知习惯与知识积累［13］，CEO的创新决策也是一个有限理性的过程，存在较强的路径依赖问题。开放式创新作为企业创新行为的一种，CEO作为涉农企业的战略决策者与资源分配者，固有认知和行为习惯会影响其作用发挥，从而影响企业的成果转化活动。相对于CEO本身固有的性别等特征，其后天经历的职业、学历背景对CEO的思维认识和思考模式的影响更为明显，本文重点探究CEO学术经历或研发经历对开放式创新的影响。

1.2.1 CEO学术经历的调节效应在开放式创新的前期阶段，企业旨在通过强化与外部主体的联系，实现异质性资源的获取，进而促进创新活动，提高转化效率。这一阶段CEO学术经历起到正向调节作用。具体如下。①学者型CEO的知识创新属性更为丰富，具备更多的专业知识，也更关注企业在创新方面的资源与战略［25-26］，因此CEO的学术经历充当了开放式创新的“放大器”作用，基于自身的专业性与创新思维实现开放式创新过程中研发资源的合理配置与外部资源的优化处理，进而优化涉农企业创新活动，提高涉农企业科技成果转化效率。②涉农企业在开放式过程中面临搜寻成本，此时学者型CEO基于自身的网络资源属性［25］，可以通过丰富的校友、同事、学生等知识网络资源实现与外部主体的联系与协作，降低搜索成本。③涉农企业开放式创新过程中建立稳定的开放式社会网络存在较高的协调成本，而学者型CEO的声誉属性［27］决定了其被社会大众的认可度较高，更容易形成较为稳定的合作关系，提升了开放式创新的稳定性。基于以上分析，在开放式创新的前期阶段，CEO学术经历能够正向调节开放式创新与科技成果转化效率之间的关系。

伴随涉农企业开放式创新程度进一步加深，CEO学术经历的调节作用呈现更为复杂的特征。①涉农企业极有可能面临“关系锁定”问题，难以扩展现有的社会网络，而学者型CEO所拥有的丰富校友、同事与学生网络资源会在一定程度上缓解“关系锁定”所带来的负面影响。②随着开放式创新的深化，涉农企业的研发人员因核心知识共享可能产生抵触心理，角色转换也会给其带来短期不适，研发部门易产生双元冲突，合作联盟主体之间也可能随着技术水平或地位的变化在开放式过程中面临多轮洗牌，从而导致沟通、协商出现冲突。此时学者型CEO所具备的声誉属性与道德属性能够带来更多的“信任感”［28］，从而缓解研发人员的抵触心理、研发部门之间的双元冲突以及合作方之间的不信任。因此，随着开放式创新的深化，CEO学术经历能够缓和在开放式创新超过一定阈值后与科技成果转化效率之间的负向关系。由此，本文提出如下假设。

H2a CEO学术经历正向调节开放式创新未超过阈值时对科技成果转化效率的正向影响。H2b CEO学术经历有助于缓和开放式创新超过阈值后对科技成果转化效率的负向影响。

1.2.2 CEO研发经历的调节效应CEO的研发经历使其具有如下特质。①识别监督属性。技术型CEO具有多年的相关行业研发经验与实践，因此，具备了识别管理层与研发人员的研发操控、研发粉饰以及不当研发收益等行为的能力，并予以监督［29］。②机会识别能力。依据“干中学”理论，CEO的研发经历使其积累了大量的经验与丰富的专业技能，能够对经验技能进行总结归纳与迭代升级，不断提高识别创新机会、前沿趋势与长期发展的能力，有利于其把握当前领域的创新方向，提高决策效率、创新资源整合能力，从而降低研发的风险性与不确定性［30］。

在开放式创新的初始阶段，首先，CEO的研发经历使其能够更好地判断外部主体是否属于优质合作者，并能较好把握本行业的研发动态，从而更好地确定合作者，减少企业搜寻成本。其次，CEO的机会识别属性在企业开放式创新过程中可充分发挥“放大器”作用，更好地实现外部资源内化整合。因此，在开放式创新的初始阶段，CEO的研发经历正向调节开放式创新对科技成果转化效率的积极作用。伴随涉农企业开放式创新程度进一步加深，开放式过程中的多轮洗牌、研发人员的抵触心理与短期不适、研发部门的双元冲突等问题，不仅加大了涉农企业的机会成本，还加剧了内外部沟通协商冲突，而具备研发经历的CEO在矛盾缓解与关系维护方面则有所欠缺，因此，CEO的研发经历很难化解开放式创新持续加深所带来的各种冲突与矛盾。综上，本文提出以下假设。H3a CEO研发经历正向调节开放式创新未超过阈值时对科技成果转化效率的正向影响。H3b CEO研发经历无法缓和开放式创新超过阈值后对科技成果转化效率的负向影响。

1.3 吸收能力与集成能力平衡度的调节效应

开放式创新过程不仅要实现对外部知识的吸收，还面临将已有知识与吸收的新知识进行集成的问题［31］，涉农企业需要具备学习并吸收外部异质性资源的吸收能力以及将外部异质性资源整理、重组集成到创新实践中的集成能力。首先，涉农企业一方面基于自身吸收能力内化吸收合作主体的显性知识，并编译为适合自身创新活动的“标准知识”（显性知识—隐性知识—标准知识），另一方面又发挥“心智模式”，吸收合作主体的隐性知识并加以内化（隐性知识—隐性知识—标准知识）［19］。其次，涉农企业需要依靠集成能力实现外部知识技术迭代，从而将外部知识技术与现有创新活动集成到创新实践中。吸收能力和集成能力对企业开放式创新的影响如图1所示。

吸收能力和集成能力在开放式创新过程中均发挥着重要作用，必须实现吸收能力与集成能力的协调发展。如果吸收能力与集成能力发展失衡，涉农企业在开放式创新过程中则很难实现外部资源的吸收并集成到研发实践中。具体如下。①吸收能力较强而集成能力弱。此时涉农企业在开放式创新过程中可以实现对合作伙伴显性知识与隐性知识的破解、吸收与表达［32］，但由于集成能力较弱，对外部知识技术迭代升级、集成利用的能力较差，因此吸收能力与集成能力的不平衡会导致大量外部知识技术（可能包括其他企业核心技术）未能集成到涉农企业创新实践中，从而使得企业搜寻成本、协调成本、风险成本浪费，长此以往还可能挫伤研发人员积极性。②吸收能力弱但集成能力强。此时涉农企业在开放式创新过程中能够有效对获取的外部知识进行集成与迭代升级，但吸收能力不足导致涉农企业难以从外部获取关键的显性知识或隐性知识，导致涉农企业机会成本提高。此外，涉农企业吸收能力不足，还会导致涉农企业接触并获取外部技术的能力较差，增加了“核心刚性”问题产生的可能性［33］。综上，本文提出以下假设。

H4吸收能力和集成能力不平衡度负向调节开放式创新未超过阈值时对涉农企业科技成果转化效率的正向影响，且加剧开放式创新超过阈值后对科技成果转化效率的负向影响。

基于上述分析，本文理论分析框架如图1所示。

图1 吸收能力和集成能力对企业开放式创新的影响Fig.1 Impacts of absorptive capacity and integration capacity on enterprise open innovation

图2 理论分析框架Fig.2 Theoretical analysis framework

2 研究设计

2.1 数据来源

为深入贯彻《国家中长期科学和技术发展规划纲要（2006—2020年）》，强化企业的主体地位，科学技术部制定了《农业科技成果转化资金项目》，涉及范围包括农业科研机构、农业高校以及涉农企业，其中涉农企业指具有农业科技研发与转化能力的企业。为保证项目的顺利落实，科学技术部要求各单位在填写时要重点突出、如实填写，并报送各省、市科技厅（委、局）审核后进行提交。由于该项目最新数据截至2017年，且2014年的数据缺少CEO经历这一变量，为此本文选取2014—2017年《农业科技成果转化资金项目》中涉农企业的数据进行研究，共获取样本企业6 726家。之后，对无研发经费投入、研发人员投入和未成功实现成果转化的322家涉农企业予以剔除，对未披露CEO是否具有学术经历或研发经历的4 260家涉农企业予以剔除，最终样本企业为2 144家，数据类型为混合截面。

2.2 变量测量

2.2.1 因变量以往多是使用产业化应用的科技成果比例来衡量科技成果转化效率（te），但这一方法将科技成果转化视作“黑箱”，而忽略了知识研发阶段。为此，本文界定的涉农企业科技成果转化是指科技资源优化配置产生科技成果，并依据市场导向进行商业化应用的过程，即涉农企业需先经过知识研发阶段将R&D投入产生专利、新材料、新品种、新工艺、新设备等，进而将专利、新材料等中间产出商业化应用。标准的DEA方法只能基于初始投入与最终产出对效率进行测算，忽略了“中间产出”的考虑以及两阶段之间的联系。在涉农企业科技成果转化效率测算时选择网络DEA模型，有助于打开科技成果转化过程这一“黑箱”。考虑效率缩尾与径向距离，选择SBM—网络DEA超效率模型进行效率测算，其中，知识研发阶段的投入指标包括研发人员（个）与研发经费（万元），产出指标包括专利（项）、新品种（种）、新工艺（类）、新设备（条）以及新材料（个）；商业化阶段投入指标不仅包括转化人员与转发经费投入，还包括知识研发阶段的产出变量，产出指标为新产品销售收入。科技成果转化效率测算指标与结果如表1所示。总体来看，2014—2017年我国涉农企业科技成果转化效率均值为0.496，尚有较大提升空间；2014—2017年我国涉农企业科技成果转化效率整体呈现递增趋势。

表1 涉农企业科技成果转化效率测算指标与结果Tab.1 Indexes and results of transformation efficiency of S&T achievements of agriculture-related enterprises

2.2.2 解释变量本文解释变量为开放式创新（OI）。GABRIELE等［34］认为企业开放式创新不仅包括进行联合研发、技术服务的形式，还包括从政府、金融机构等获取知识资源的形式。陈劲和王鹏飞［35］认为开放式创新包括获取与出售两方面。本文在上述概念的基础上，借鉴林青宁和毛世平［36］以专利许可收入与外部创新经费表征协同创新的做法，以外部研发与转化资金来源以及技术转让收入之和表征涉农企业开放式创新。

2.2.3 调节变量本文选取如下调节变量。

1）CEO的学术经历（schceo）或研发经历（rdceo）。数据来自科技部《农业科技成果转化资金项目》中关于考察CEO经历对涉农企业创新实践影响的设计。①CEO研发经历，为虚拟变量，若某涉农企业CEO有研发经历，或既有研发经历也有其他经历时认为研发经历对当前决策影响更大，设为1，否则为0。②CEO学术经历，为虚拟变量，若某涉农企业CEO有学术经历，或既有学术经历也有其他经历时认为学术经历对当前决策影响更大，设为1，否则为0。

2）吸收能力和集成能力不平衡度（unbalanced）。借鉴奉小斌和周兰［37］的研究，吸收能力和集成能力不平衡度以吸收能力和集成能力差值的绝对值表示，该值越大，说明吸收能力与集成能力的不平衡度越大。吸收能力的内涵在于对外部知识的探索，基于知识基础观，人员是知识累积与流转的载体，王诗翔等［38］以研发人员占企业总职工数比例作为吸收能力的表征，由于研发人员指标在计算科技成果转化效率时已使用过，因此本文以涉农企业职工总数中本科人员占比作为吸收能力的表征。集成能力的内涵在于将吸收的知识耦合到创新实践中［39］，会涉及技术整合迭代和研发设备购买升级［40］，需要大量经费保障，因此本文以上年度科技开发总收入与上年度总收入的比值作为涉农企业集成能力的表征变量，即上年度科技开发总收入占比越高，越能保障本年度有充足经费实现对技术整合迭代、对研发设备购买升级。

2.2.4 控制变量借鉴已有研究［41］，本文选取如下控制变量。①以总资产为表征的企业规模（scale，万元）。②以净利润/总资产为表征的盈利能力（roa）。③涉农企业所有制结构（ownership，国有企业取值为1、非国有企业取值为0，以非国企为参照组）。④涉农企业所处行业（industry，包括种植业、畜牧业、农产品加工业等12类技术领域，以种植业为参照组）。⑤区域虚拟变量（region，东部取值为1、中部取值为2、西部取值为3，以东部为参照组）。⑥时间虚拟变量（2014—2017年，以2014年为参照组）。

上述变量的描述性结果详如表2所示。

表2 变量描述性结果Tab.2 Variable descriptive results

3 实证分析

本文采用层次回归探究开放式创新与科技成果转化效率之间的关系以及CEO经历（学术经历或研发经历）、吸收能力与集成能力不平衡度的调节作用，检验结果如表3所示。在实证检验过程中为了避免多重共线性，调节效应检验时进行了中心化处理的方式。在开放式创新超过阈值后CEO经历、能力不平衡度的调节效应检验时，借鉴了杨震宁和赵红［16］的方法，即加入解释变量平方与调节变量的交互项。

模型1为仅包括控制变量的零模型回归结果，模型2中加入了解释变量检验开放式创新对科技成果转化效率的影响，模型3～模型8分别加入了调节变量以及调节效应交乘项，检验CEO经历、吸收能力与集成能力不平衡度对开放式创新与科技成果转化效率关系的调节作用。模型2结果显示，开放式创新与科技成果转化效率之间的关系显著为正（系数=0.030，t值=10.07），开放式创新平方与科技成果转化效率之间的关系显著为负（系数=-0.066，t值=-4.58），说明开放式创新与涉农企业科技成果转化效率存在倒U形关系，H1得到验证。

表3 主效应及调节效应的回归结果Tab.3 Main effect and the regression result of moderating effect

从模型3可以看出，开放式创新与CEO学术经历交互项的系数为正且通过了1%显著性水平检验（系数=0.001，t值=5.24）。同时从模型5可以看出，开放式创新平方与CEO学术经历交互项的系数为正，通过了1%显著性水平检验（系数=0.006，t值=4.28）。当无调节效应时，计算超过阈值后开放式创新的斜率，求导可得：-0.066×2×OI=-0.132×OI，斜率为-0.132。当加入CEO学术经历调节项后，计算超过阈值后开放式创新的斜率，求导可得：-0.066×2×OI+0.006×2×OI=-0.12×OI，斜率为-0.12。即加入CEO学术经历调节项后，超过阈值后开放式创新的斜率变得更为平缓。综合模型3与模型5的结果，H2a与H2b得到验证，即CEO学术经历正向调节开放式创新未超过阈值时对涉农企业科技成果转化效率的影响，且有助于缓和开放式创新超过阈值后对科技成果转化效率的负向影响（调节效应图如图3）。

图3 CEO学术经历的调节效应Fig.3 Moderating effect of CEO academic experience

从模型4可以看出，开放式创新与CEO研发经历交互项的系数为正且通过了5%显著性水平检验（系数=0.001，t值=2.15），表明CEO研发经历正向调节开放式创新未超过阈值时对涉农企业科技成果转化效率的影响。从模型6可以看出，开放式创新平方与CEO研发经历交互项的系数为负，通过了10%显著性水平检验（系数=-0.002，t值=-1.76）。当无调节效应时，计算超过阈值后开放式创新的斜率，求导可得：-0.067×2×OI=-0.134×OI，斜率为-0.134。当加入CEO研发经历调节项后，计算超过阈值后开放式创新的斜率，求导可得：-0.067×2×OI-0.002×2×OI=-0.138×OI，斜率为-0.138。即加入CEO研发经历调节项后，超过阈值后开放式创新的斜率变得更为陡峭，说明CEO学术经历略微加强了开放式创新超过一定阈值后与科技成果转化效率之间的负向关系。综合模型4与模型6的结果，H3a与H3b得到验证，即CEO研发经历正向调节开放式创新未超过阈值时对涉农企业科技成果转化效率的影响，但无法缓和开放式创新超过阈值后对科技成果转化效率的负向影响（调节效应图见图4）。

图4 CEO研发经历的调节效应Fig.4 Moderating effect of CEO R&D experience

从模型7可以看出，开放式创新与能力不平衡度交互项的系数为负，通过了1%显著性水平检验（系数=-0.021，t值=-5.95）。同时从模型8可以看出，开放式创新平方与能力不平衡度交互项的系数为负，通过了1%显著性水平检验（系数=-0.090，t值=-6.67）。当无调节效应时，计算超过阈值后开放式创新的斜率，求导可得：-0.053×2×OI=-0.106×OI，斜率为-0.106。加入能力不平衡度调节项后，计算超过阈值后开放式创新的斜率，求导可得：-0.053×2×OI-0.090×2×OI=-0.286×OI，斜率为-0.286。即加入能力不平衡度调节项后，超过阈值后开放式创新的斜率变得更为陡峭。综合模型7与模型8的结果可知，H5得到验证，即吸收能力和集成能力不平衡程度负向调节开放式创新未超过阈值时对涉农企业科技成果转化效率的影响，且加剧了开放式创新超过阈值后对科技成果转化效率的负向影响（调节效应图见图5）。

图5 能力平衡度的调节效应Fig.5 Moderating effect of ability balance

4 结论与讨论

4.1 研究结论

本文使用SBM—网络DEA超效率模型测算了2014—2017年我国2 144家涉农企业的科技成果转化效率，并实证检验了开放式创新对科技成果转化效率的影响以及CEO经历、吸收能力与集成能力平衡度的调节作用，得到如下结论。①开放式创新与涉农企业科技成果转化效率之间存在倒U形关系。异质性资源对涉农企业实现可持续增长具有重要作用，若涉农企业创新行为过分聚焦内部，易导致创新活动滞后于竞争环境与市场环境的变动［15］。本文研究发现涉农企业在开放式创新过程中存在一个最优阈值，过度的开放式创新可能会导致涉农企业出现成本大于收益、核心知识泄露以及双元冲突等问题，从而影响科技成果转化活动。这一结果也曾在英国制造企业以及欧洲社区创新企业的开放式创新实践中被证实过［11，20］。②CEO学术经历与研发经历均正向调节开放式创新未超过阈值时对科技成果转化效率的影响，但CEO学术经历有助于缓和开放式创新超过阈值后对科技成果转化效率的负向影响，而CEO研发经历对开放式创新超过阈值后对科技成果转化效率的负向影响未起到缓和作用。现有关于开放式创新作用机制的研究多从组织学习、制度环境等角度展开［8-9］，但作为企业的战略，开放式创新势必受到战略决策者与资源分配者CEO的影响。③吸收能力和集成能力不平衡度负向调节开放式创新未超过阈值时对涉农企业科技成果转化效率的影响，且加剧了开放式创新超过阈值后对科技成果转化效率的负向影响。现有研究对吸收能力在开放式创新过程中的作用机制探究较多［7，34］，但涉农企业开放式创新过程不仅要实现对外部知识的吸收，还面临已有知识与吸收的新知识进行集成的问题［31］，因此涉农企业必须协调发展吸收能力与集成能力。

4.2 理论贡献

本文的研究设计拓宽了开放式创新与科技成果转化相关理论，具有如下理论贡献。①深入剖析了涉农企业科技成果转化活动的内在机理，并在其量化时选择SBM—网络DEA超效率模型，解构了科技成果转化“黑箱”。②现有研究关于开放式创新的研究多集中在制造业、高新技术企业等，本文为开放式创新的作用提供了我国涉农企业的证据，丰富了开放式创新的实践意义。③现有关于开放式创新作用机制的研究多从吸收能力、组织学习与制度环境等角度展开，一定程度上忽略了CEO的战略决策和资源分配以及吸收能力与集成能力的均衡发展的作用。本文基于高阶理论与知识管理相关理论，将CEO经历、吸收能力与集成能力平衡度纳入理论分析框架，为深入研究开放式创新的影响机制提供一个新思路。

4.3 政策建议

为切实加强开放式创新对涉农企业科技成果转化效率的作用，提出如下政策建议。①政府应通过强化共性平台建设等措施，引导外部资源向涉农企业流动，同时涉农企业要强化开放式创新意识，搭建相应的创新平台，实现对异质性知识技术的获取与吸收，并把握好开放式创新的“临界点”，避免产生负面影响。②涉农企业要重视CEO学术与研发经历特质，强化具有研发经历的CEO在沟通交际与处理矛盾方面的培训。③实现知识管理能力的平衡发展，避免出现吸收能力、集成能力失衡的现象，从而提高对外部知识资源的内化与集成。

4.4 研究局限与展望

本文存在一定研究局限，有待未来改进。首先，受限于数据，未对开放式创新类型进行划分，企业的开放式创新可以分为正式/非正式开放式创新、内/外向开放式创新等，因此不同类型开放式创新对涉农企业科技成果转化效率的影响是否存在差异以及是否存在不同的影响机制，值得下一步继续研究。其次，本文发现开放式创新与科技成果转化效率之间的倒U形关系存在于我国涉农企业中，但未进行产业间的比较分析，未来应通过进一步的数据获取，对开放式创新在涉农企业、制造业企业以及新兴产业企业间的影响差异进行比较分析，以提供不同产业企业开放式创新的影响效果与机制差异。最后，本文仅分析了CEO学术经历和研发经历的调节作用，但CEO之前的经历还可能包括从军经历、国外经历等，后期的研究可以尝试从多个角度对CEO的特质进行挖掘。