跨界搜索、区域创新环境与数字化创新绩效

李小青 赵婉伊 霍雨丹

摘 要： 在构建跨界搜索、区域创新环境与数字化创新绩效的框架模型基础上，采用沪深365家A股上市软件和信息技术服务业，计算机、通信和其他电子设备制造业企业2014—2020年的面板数据，运用多元回归方法，对跨界搜索与数字化创新绩效间的关系及区域创新环境对二者关系的调节效应进行实证检验。研究发现：跨界搜索宽度对企业数字化创新绩效有显著的正向影响，其中对发明专利的影响最大、实用新型专利次之、对外观设计专利的正向影响最小;区域创新环境显著强化了跨界搜索宽度与数字化创新绩效之间的关系。研究结论对企业数字化创新绩效提升及政府优化区域创新环境具有重要意义。

关键词：跨界搜索;数字化创新绩效;区域创新环境

中图分类号：F270              文献标志码：A  文章编号：1674-7356（2023）-02-0023-09

引言

数字化创新是将产品、服务与数字、物理组件重新组合，从而创造新产品、新服务的过程，是实体产业实现两化深度融合、推动经济高质量发展的重要命题[1-3]。为谋求数字化创新，许多企业将目光投放于企业外部，从外部环境中检索知识、信息等有价值的资源和信息。百度和小米等互联网头部企业利用数字化创新优势，广泛开展跨界搜索，一次又一次地刷新了原有领域的成果。跨界搜索反映了企业跨越组织边界搜索新知识的程度，已经成为企业重塑创新能力的重要手段[4-5]。开放式创新背景下，探究跨界搜索对企业数字化创新绩效的影响，成为学界与企业界关注的重要议题。

已有文献主要探索了围绕跨界搜索对产品创新绩效[6]、双元创新绩效[7]、服务创新绩效[8]的影响，但实证研究结论却并不一致。如Kim和Park、谭云清等的研究表明，跨界搜索有利于企业获取互补的知识，增加资源的多样性和异质性并促进不同领域知识的组合，对创新绩效产生积极的正向影响[9][10]58。但Wu和Shanley[11]481、贯君等[12]61认为，跨界搜索对创新绩效的促进作用存在边际递减现象，两者之间呈现出倒U型关系。此外，聚焦于企业和行业层面特征，学者们探析了内部研发环境[13]、服务中介机构[11]475、行業竞争强度、所有权类型[14]、战略匹配[15]、战略柔性[16]、双元能力和网络惯例[10]52以及知识重构能力[17]等因素对跨界搜索与企业创新绩效关系的调节效应。

尽管既往研究聚焦跨界搜索对创新绩效的影响进行了深入探讨，但关于跨界搜索对数字化创新绩效影响的研究尚比较缺乏。企业作为社会经济的微观主体，创新活动不可避免地会受到所在区域创新环境的影响。随着数字技术的蓬勃发展，以北、上、广、深等为主的一、二线城市聚集了大量电子信息技术、互联网企业。尽管有研究表明，区域创新环境促进了大部分地区的创新效率，有利于企业及时获取创新关键要素、提升对创新资源的利用效率[18]47[19][20]782，但在数字化创新方面，聚焦区域创新环境影响的研究却少之又少。鉴于此，本文以沪深A股365家软件和信息技术服务业，计算机、通信和其他电子设备制造业上市公司为样本，实证检验跨界搜索对数字化创新绩效的直接影响，进一步挖掘区域创新环境对二者关系的调节作用。本研究有助于丰富数字经济背景下数字化创新研究的经验证据，也能够为各级政府制定相关政策，营造健康的区域创新环境提供参考和借鉴。

一、理论分析与研究假设

（一）理论分析

跨界搜索是企业跨越组织和知识边界进行搜索，获取新信息和知识的过程。以往研究从空间距离、知识基特征、学习方式、时间边界等维度划分了跨界搜索[21]。Katila和Ahuja[22]1183则根据对企业原有知识的利用和新知识搜索程度的不同，将跨界搜索划分为搜索深度和搜索宽度两个维度。其中，深度搜索是指企业对已有知识的不断挖掘和利用，强调知识的聚焦性，而宽度搜索则倾向于通过拓宽搜索范围和渠道，从企业外部获取异质性的知识，强调知识的新颖性[12]62。在开放式创新背景下，跨界搜索新知识已经成为促进创新的重要方式[23]。许多创新型企业投入大量成本，通过众多的外部创新主体和多样的资源搜索新灵感，从而促进企业完成和保持创新[24]。相比于传统创新的线性流程方式，数字化创新能够依托数字化基础设施和产品平台，整合大量跨领域、跨层级的数据信息，大大提高了信息处理效率，为企业创新提供大量的新知识、新资源、新信息[25]21。因而，延伸跨界搜索宽度，不断获取大量异质性的信息和知识对于数字化创新至关重要。基于此，本文着重从获取组织外部环境信息的角度，研究跨界搜索宽度对数字化创新的影响。

区域创新环境是企业数字化创新所需的政策、技术、市场等多方面环境条件的总和。创新是企业与外部环境进行信息交互的过程，不可避免地带有区域性的特征[20]782。数字化创新比传统创新更需要企业积极从周边环境中获取数量庞大的异质性信息。而企业外部的区域创新环境决定了企业能否获取到优质的异质性信息。因而，区域创新环境对数字化创新有重要的影响作用。本文借鉴王晓珍等[26]230、张之光等[18]50对区域创新环境的划分并结合研究实际，将区域创新环境划分为区域政策环境和区域研发环境两个维度，着重探讨了区域政策环境和区域研发环境对跨界搜索宽度与数字化创新绩效关系的调节作用。

（二）研究假设提出

1. 跨界搜索宽度与数字化创新绩效

数字化创新重塑了物理形态的产品和企业的价值创造逻辑，在数字化创新过程中，企业利用数字化基础设施，整合利用跨越层级、领域的大量数据资源形成了与传统价值路径截然不同的新路径，通过与开发者、用户共同创造价值，提升了组织的创新优势[25]25。开放式的创新背景为企业跨越组织边界获取丰富的数据资源提供了优良的资源基础。本文认为，跨界搜索宽度作为企业获取外部资源的重要方式，对企业数字化创新绩效的影响主要体现在以下几个方面：

首先，根据知识搜索理论和知识基础观，延伸跨界搜索的宽度，有利于企业获取丰富的、多样化的信息和资源，形成多元的知識组合，提升知识的完备性和全面性，激发组织创新的灵感，从而改善组织数字化创新水平[27-28]。

其次，数字化接入水平的提高以及数字技术允许其他对象访问和修改的可编辑性特征不仅能够扩大企业搜索资源范围，还能够帮助企业及时获取外部资源，提高资源利用的时效性，因而能够促进企业数字化创新绩效的提升。

再次，随着数字化装备水平、平台建设水平、应用水平的不断提高，数字技术本身具有的允许其他创新主体参与和共享，促进多主体连接与互动的关联性、开放性特征能够促进不同创新主体的沟通与交流，促进实现知识和资源共享，减少企业在跨界宽度搜索的过程中信息不对称带来的创新风险，从而促进数字化创新绩效的提升[29][30]147。

最后，数字技术所拥有的以较低的成本快速处理大规模数据信息的可扩展性特征有利于企业快速识别知识需求，降低跨界宽度搜索的成本，提高企业资源配置效率，有利于促进数字化创新绩效的提升[30]147。

基于以上分析，提出如下假设：

H1：在其他条件相同的情况下，跨界搜索宽度对数字化创新绩效具有积极的正向影响。

2. 跨界搜索宽度、区域创新环境与数字化创新绩效

区域政策环境指国家或当地政府制定的支持企业开展创新活动相关条件的总和。数字化创新是引领产业升级的新动力，离不开国家政策的支持。众多研究表明，良好的区域政策环境能够促进企业创新。

首先，政府通过制定法规、提供金融支持、实行优惠税收政策等，为企业的创新活动提供良好的制度基础[31]。

其次，政府补贴为企业创新活动提供资金支持的同时，还能够起到信号传递效应，增加企业对相关创新活动的重视程度，并吸引风险投资和债务投资，进一步缓解融资约束[32]。

再次，大学和公共研发机构也是政府支持方式之一，大学和公共研发机构的知识转移促进了企业对外部知识资源的获取，并为整合内外部资源以开发新知识创造可能，从而促进了创新[33-34]。

此外，对于数字化创新而言，数字化接入水平、数字化装备水平、数字化平台建设水平、数字化应用水平等基础设施的不断完善和普及，都要依靠政府政策的帮助和推动。

基于以上分析，提出如下假设：

H2：在其他条件相同的情况下，区域政策环境强化了跨界搜索宽度与数字化创新绩效之间的正相关关系。

区域研发环境指区域内企业的研发投入情况，代表了区域创新活力。资源短缺是制约企业创新产出的重大阻力。本文认为，数字化创新绩效的高低与数字化创新活动能否获得足够的研发投入密切相关。一方面，企业研发投入存在显著的城市效应，即城市的研发环境越好，城市中企业研发投入水平越高，城市创新水平与企业研发投入互相促进，不断提升企业数字化创新绩效提升[35]。另一方面，良好的研发环境所形成的重视研发投入的氛围不仅可以激励和引导企业积极进行创新活动，还可以吸引投资，为企业的数字化创新提供资金支持，减少融资约束。软件和信息技术服务业，计算机、通信和其他电子设备制造业企业为了取得竞争优势已开始进行程度或深或浅的数字化创新活动，低水平的研发投入已无法满足其数字化创新需要，因而位于具有良好研发环境氛围的区域至关重要。

基于以上分析，提出以下假设：

H3：在其他条件相同的情况下，区域研发环境强化了跨界搜索宽度与数字化创新绩效之间的正相关关系。

二、研究设计

（一）样本选择与数据来源

1. 样本选择

本文的研究样本为沪深A股2014—2020年上市的软件和信息技术服务业，计算机、通信和其他电子设备制造业公司。之所以选择这两个行业，原因在于两个行业均属于知识与技术密集型的产业，是进行数字化创新重要阵地，相比其他行业更具有代表性。此外，与非上市企业相比，上市公司的研发创新能力强，专利数量大，且容易通过数据库便利获得。

2. 数据来源

本研究中，衡量数字化创新绩效与跨界搜索宽度所需的专利数据均来自专利汇以及德文特专利索引数据库，区域政策环境、区域研发环境等区域创新环境数据来自国泰安数据库、 《中国统计年鉴》以及《中国科技统计年鉴》，企业规模、成长性等控制变量数据亦来自国泰安数据库与《中国统计年鉴》。

数字化创新既有利于产生的新产品和新服务，也有利于数字技术的不断进步。这些新成果既包括智能家居、智能驾驶、数字网络创新平台、机器人等数字产品，也包括云计算、物联网、虚拟等数字技术和软件。因此在搜集数据时，首先确定了“智能、区块链、大数据、机器学习、云计算、云端、互联网、物联网、信息化、数字化、远程、机器人、人脸识别、虚拟”这14个与数字化创新相关的关键词。其次，以确定的关键词在专利汇搜索筛选出每家公司每一年度的专利申请数量以及每条专利的专利引用情况，并区分出发明专利、实用新型专利以及外观设计专利的申请数量。再次，运用Pycharm软件编写程序，在已得到的专利数据中，检索计算得到每家公司每年度的总引用专利数量和新引用专利数量（过去七年内没有引用过的专利）。最后，采用相同的关键词在德文特数据库下载相关专利数据，进一步补充完善专利申请和引用数据，最终得到了数字化创新绩效以及跨界搜索宽度的全部数据。为保证研究的信度和效度，本文剔除了七年内公司名称有变更的企业，最终得到了316家公司的37 267条专利申请数据。

（二）变量定义与测度

1. 因变量

数字化创新绩效（DiInvoP）。除采用问卷调查的方法对创新绩效进行研究的文献外，部分学者采用新产品销售额占比[36]、研发强度[37]以及专利数量[38]三种方式对创新绩效进行衡量。相比于采用新产品销售额占比，专利数量这一指标具有信息收录完整、数据容易获得的优点;相比于研发强度，专利数量这一指标的综合性较强，能够很好地代表企业的创新成果。综合考虑数据的可获得性、完整性和代表性并借鉴Cloodt等[39]对企业创新绩效的衡量方式，本文采用与数字化创新有关的专利申请数量作为数字化创新绩效的代理变量，主要包括发明专利数量（Invention）、实用新型专利数量（Utility）以及外观设计专利数量（Appearance）。

2. 自变量

跨界搜索宽度（Lbread）。借鉴Katila 和Ahuja[22]1186、Yu等[40]的測量方法，本文采用企业新引用的专利数量占总引用专利数量的比重来衡量跨界搜索宽度。

3. 调节变量

区域创新环境。借鉴王晓珍等[26]230、张之光等[18]50的研究，本文将区域创新环境划分为区域政策环境和区域研发环境两个维度，采用区域内企业内部研发经费总和与地区生产总值的比率（RDGrd）衡量区域研发环境，采用政府对研发创新补贴的对数（Lnsubsidy）衡量区域政策环境。

4. 控制变量

参考张文红等[41]、肖丁丁和朱桂龙[42]的研究，本文将企业规模（Lnasset）、成长性（Growth）、公司绩效（Roa）、公司年龄（Firmage）、研发人员占比（RDstaffR）、研发强度（RDasset）以及高校数量（University）作为控制变量。其中，企业规模用企业总资产的自然对数衡量，成长性采用总资产增长率衡量，公司绩效用总资产收益率衡量，公司年龄即企业成立年限，研发强度用企业研发支出与总资产的比例衡量，高校数量即企业所在区域普通高等学校数量。

（三）模型构建

为了检验跨界搜索宽度对数字化创新绩效的影响，构建模型如下：

DiInvoPi，t = β0 + β1Lbreadi，t + β2Lnasseti，t +

β3Growthi，t + β4Roai，t + β5Firmagei，t +

β6RDstaffRi，t + β7RDasseti，t +

β8Universityv + εi，t（1）

其中 DiInvoPi，t表示样本中第i家企业第t年的数字化创新绩效，Lbreadi，t代表第i样本企业，第t年的跨界搜索宽度，如果β1显著为正，说明跨界搜索宽度与数字化创新绩效显著存在正向关系。

为检验区域政策环境对跨界搜索宽度与数字化创新绩效关系的调节作用，构建模型如下：

DiInvoPi，t = β0 + β1Lbreadi，t + β2Lnsubsidy i，t +

β3Lbreadi，t* Lnsubsidyi，t + β4Lnasseti，t +

β5Growthi，t + β6Roai，t + β7Firmagei，t +

β8RDstaffRi，t + β9RDasset i，t +

β10Universityi，t + εi，t（2）

其中， Lnsubsidyi，t代表样本中第i家企业第t年所在区域的政策环境，β3为区域政策环境与跨界搜索宽度乘积项的系数，如果β3显著，则说明区域政策环境对跨界搜索宽度与数字化创新绩效的关系存在调节效应。

为检验区域研发环境对跨界搜索宽度与数字化创新绩效关系的调节作用，构建模型如下：

DiInvoPi，t = β0 + β1Lbreadi，t + β2RDGrdi，t +

β3Lbread i，t* RDGrd i，t + β4Lnasseti，t +

β5Growthi，t + β6Roa i，t + β7Firmagei，t +

β8RDstaffRi，t + β9RDasset i，t +

β10Universityi，t + εi，t（3）

其中，RDGrdi，t代表第i家样本企业，第t年所在区域的研发环境。β3为区域研发环境与跨界搜索宽度乘积项的系数，如果β3显著，则说明区域研发环境对跨界搜索宽度与数字化创新绩效的关系存在调节效应。

三、实证过程及结果分析

（一）描述性统计与相关性分析

本文对主要变量的描述性统计与相关性分析见表1。描述性统计结果显示：数字化创新绩效（DiInvoP）均值为12.384，标准差为30.633，反应了样本企业的数字化创新绩效波动范围较大。跨界搜索宽度（Lbread）均值为0.462，小于Yu等（2019）的0.722以及Katila和Ahuja（2002）的0.74，说明样本公司的跨界宽度搜寻水平相对较低。区域政策环境与区域研发环境的均值分别为16.662和0.031，标准差为1.603和0.015，表明区域创新环境的波动范围较小。由相关性分析结果可以看出，跨界搜索宽度与数字化创新绩效的相关系数为0.386，并且通过了0.01水平的显著性检验，初步验证了假设H1。政策环境与数字化创新绩效的相关系数为0.388，p < 0.01。研发环境与数字化创新绩效的关系并不显著。此外，各变量的方差膨胀因子（VIF）均小于3，说明不存在严重的多重共线性问题。

（二）主效应回归结果

假设1提出在其他条件相同的情况下，跨界搜索宽度对数字化创新绩效具有积极的正向影响。为验证此假设，本研究将与数字化创新有关的专利申请数量作为数字化创新绩效的代理变量，将自变量跨界搜索宽度，以及企业规模、成长性、公司绩效、公司年龄、研发人员占比、研发强度以及高校数量等控制变量放入模型进行回归。考虑到数字化创新绩效数据离散程度较高且“0”现象较为频繁，本文采用零膨胀负二项回归方法进行回归，回归分析结果见表2。从列（1）可以看出，跨界搜索宽度的回归系数为0.015（p < 0.01），表明跨界搜索宽度显著促进了企业数字化创新绩效的提升，支持了假设H1。列（2）-（4）进一步检验了跨界搜索宽度对发明专利、实用新型专利以及外观设计专利的影响，回归结果显示发明专利、实用新型专利、外观设计专利指标的回归系数分别为0.014、0.007、0.005，并且在p < 0.01和p < 0.05的水平显著，表明跨界搜索宽度对发明专利的促进作用最大，实用新型专利次之，对外观设计专利的促进作用最小。

（三）稳健性检验

1. 关于内生性问题的处理

为避免内生性问题对主效应结论的影响，本文进行了相关稳健性检验。

首先，数字化创新绩效的影响因素非常复杂，模型设定很难包含所有的变量，因此可能会存在遗漏变量问题。此外，跨界搜索宽度较高与较低的企业在自身特征方面可能本身就存在差异，从而导致样本自选择问题。基于以上考虑，本研究采用倾向得分匹配（PSM）来降低由此产生的偏差。具体地，本文首先将跨界宽度搜索程度较低的25%与剩下较高的75%分别划分为控制组和实验组，并将两组样本按照企业规模、成长性、公司绩效、公司年龄、研发人员占比、研发强度以及高校数量进行1 ∶ 1匹配，使得跨界搜索宽度水平高低成为两组样本的唯一差异，最终得到PSM匹配结果，结果见表3列（1）。从列（1）的回归结果可知，PSM样本匹配后的回归系数为0.012，在p < 0.01的水平显著，这表明控制了样本自选择问题后，跨界搜索宽度对数字化创新绩效依然具有显著的正向影响。

其次，虽然基于知识搜索理论和知识基础观，前文发现跨界搜索宽度越大，数字化创新绩效越高。但数字化创新绩效和跨界搜索宽度之间也可能存在反向因果关系，即数字化创新绩效越高的企业，越有能力拓展跨界搜索的宽度。在没有合适的工具变量的条件下，本文采用Lewbel[43]的异方差工具变量法检验跨界搜索宽度与数字化创新绩效可能存在双向因果关系而导致的内生性。异方差工具变量法，不仅不需要选择工具变量而且突破了传统工具变量的排除限制条件，但需要满足残差项为异方差的条件。具体做法为：记外生变量向量为Z，Z∈X，或者Z = X，X为所有控制变量;在第一阶段作内生变量Lbreadi对外生变量Z的回归，得到残差项v，并对残差项进行Breusch-Pagan检验，结果显示P值为0，说明残差项存在异方差;接下来构造[Zi-Z（—）i]v作为工具变量，采用两阶段最小二乘法（2SLS）和动态面板数据模型（GMM）两种方法对跨界搜索宽度和数字化创新绩效之间的关系再次进行估计，过度识别Hansen检验显示P值为0.440，说明工具变量有效，见表3列（2）和列（3）。采用两阶段最小二乘法估计后的回归系数为0.996，且在p < 0.05的水平显著，GMM模型回归系数为0.817（p < 0.05），再次证验证了跨界搜索宽度与数字化创新绩效之间的正向关系。

最后，考虑到数字化创新绩效可能存在惯性，即如果t-1期的数字化创新绩效较高，则t期的数字化创新绩效也可能较高，为捕捉这一惯性特征，本研究还使用滞后一期的数字化创新绩效进行稳健性检验，结果见表3列（4）。由表3可得，滞后一期的数字化创新绩效回归系数为0.013（p < 0.01），再次证明了跨界搜索宽度对数字化创新绩效的正向影响。

2. 替换因变量

借鉴黄新建和尤珊珊[44]的研究，本文分别采用与数字化创新有关的专利申请数量加一的自然对数以及与数字化创新有关的专利授权数量作为因变量，替代之前所使用的专利申请数量进一步检验主效应的稳健性，稳健性结果见表4的列（1）和列（2）。由第（1）列和第（2）列可以发现，跨界搜索宽度对数字化创新绩效依然具有显著的促进作用，回归系数分别为0.018和0.010，p < 0.01。

3. 替换模型

除了零膨胀负二项模型外，混合负二项和面板负二项模型也适用于方差与均值差异较大的样本数据，能较好地解决数据过度分散的问题。因此，为增强研究结论的说服力，本文使用混合负二项回归和面板负二项回归代替零膨胀负二项回归模型，对主效应的稳健性进行检验，结果如表4中（3）-（4）列所示。第3列和第4列混合负二项回归与面板负二项回归系数分别为0.031和0.015，且都在p < 0.01的水平显著。结果表明替换模型后，跨界搜索宽度对数字化创新绩效仍具有显著的正向影响。

综上，本文通過倾向得分匹配法、异方差工具变量法避免了可能存在的遗漏变量、样本自选择、反向因果关系等内生性问题，并对数字化创新绩效可能存在的惯性特征进行了检验，还采用替换因变量、替换模型的方法对主效应结果的稳健性进行进一步检验，结果均表明跨界搜索宽度对数字化创新绩效具有正向的影响，说明本文主效应的研究结论非常稳健。

（四）区域创新环境调节效应回归结果

假设2提出区域政策环境强化了跨界搜索宽度与数字化创新绩效之间的正相关关系。为避免共线性影响可能带来的误差，在回归前对跨界搜索宽度与区域政策环境的交互项进行了中心化处理。区域政策环境对跨界搜索宽度与数字化创新绩效关系的调节效应回归结果见表5。区域政策环境与跨界搜索宽度交互项的回归系数为0.003，并且在p < 0.01的水平下显著，表明区域政策环境对跨界搜索宽度与数字化创新绩效的关系有显著的正向调节作用，支持了假设H2。具体来看，区域政策环境对跨界搜索宽度与发明专利、实用新型专利的正向调节作用分别在p < 0.01，p < 0.05的水平显著，但对外观设计专利的调节效应不显著。

假设3中，区域研发环境强化了跨界搜索宽度与数字化创新绩效之间的正相关关系。为验证此假设，对跨界搜索宽度与区域研发环境的交互项进行了中心化处理后，得到了区域研发环境对跨界搜索与数字化创新绩效关系的调节效应回归结果，见表6。从表6可以看出，区域研发环境与跨界搜索宽度的回归系数为0.155，且在p < 0.05的水平显著，表明区域研发环境对跨界搜索宽度与数字化创新绩效的关系具有正向的调节效应，支持了假设H3。此外，除了外观专利外，区域研发环境对跨界搜索宽度与发明专利、实用新型专利的正向调节作用分别在p < 0.1，p < 0.05的水平显著。此外，区域研发环境和跨界搜索宽度的交互项回归系数比区域政策环境和跨界搜索宽度的交互项回归系数大，因而区域研发环境对跨界搜索宽度与数字化创新绩效关系的调节效应影响更大。

四、研究结论与启示

（一）研究结论

本文以沪深365家A股上市的软件和信息技术服务业，计算机、通信和其他电子设备制造业企业为研究对象，实证研究了跨界搜索宽度对数字化创新绩效的影响，并引入区域创新环境为关键情境要素，探索其对跨界搜索宽度与数字化创新绩效关系的调节作用。

研究结果表明：

（1）企业的跨界搜索宽度越大，数字化创新绩效越高，并且跨界搜索宽度对发明专利的促进作用最大，实用新型专利次之，对外观设计专利的促进作用最小。

（2）区域政策环境对跨界搜索宽度与数字化创新绩效的关系有显著的正向调节作用，政府对企业数字化创新扶持较多的环境里，跨界搜索宽度对企业数字化创新绩效的促进作用更大。

（3）区域研发环境对跨界搜索宽度与数字化创新绩效的关系具有正向的调节效应，研发经费投入更多的环境中，跨界搜索宽度对企业数字化创新绩效的促进作用更大。此外，相较于区域政策环境，区域研发环境对跨界搜索宽度与数字化创新绩效间关系的影响更大。

（二）启示

基于以上实证研究结果得到以下几点启示：

第一，拓展企业跨界搜索广度，搭建创新生态系统，获取外界异质性资源。企业应加强创新合作增进企业间优势互补、促进数字化要素流动与集聚，在充分集结各方技术力量的土壤上孵化、培育企业自身的数字化创新增长点，形成企业独特的以分布、串联、重组为特征的新型数字化创新体系，从而构建企业的竞争优势，促进企业的长远发展。

第二，企业应贯彻数字战略，通过提高数字化创新能力培育核心竞争力，推进企业发展迈向新高度。具体而言，企业要扩大相关资金投入，夯实数字基础设施;持续学习前沿技术，支持数字创新活动;建立敏捷型组织，敏锐捕捉数字创新前沿方向。

第三，政府及有关部门应建立多层级、多维度区域知识网络，加快推进完善城市群协同创新机制，为企业的数字化创新提供良好的区域创新环境。在政策环境方面，政府应加强对企业数字化创新活动的支持力度。通过财政专项补贴、精准减税降费等政策措施，降低企业数字创新成本和风险，精准助力初期数字化创新企业启航;在研发环境方面，加强研发经费投入，为增强科研实力提供必要条件和坚实基础。政府应致力于建设集研发经费来源有保障、校企联合研发有桥梁、专利开发申请有途径、从学习交流向创新能力转化有效率等四位一体的高水平区域创新平台。

[参考文献]

[1]  Yoo Y，Henfridsson O，Lyytinen K. Research commentary —the new organizing logic of digital innovation： an agenda for information systems research[J]. Information Systems Research，2010，21（4）：724-735.

[2]  余江，孟庆时，张越，等. 数字创新：创新研究新视角的探索及启示[J]. 科学学研究，2017，35（7）：1103-1111.

[3]  谢卫红，李忠顺，李秀敏，马风华. 数字化创新研究的知识结构与拓展方向[J]. 经济管理，2020，42（12）：184-202.

[4]  Rosenkopf L，Nerkar A. Beyond local search： boundary-spanning，exploration，and impact in the optical disk industry[J]. Strategic Management Journal，2001，22（4）：287-306.

[5]  王琳，魏江. 知识密集服务嵌入、跨界搜索与制造企业服务创新关系研究[J]. 科技进步与对策，2017，34（16）：48-55.

[6]  李晓翔，霍国庆. 组织冗余对产品创新的作用机制研究[J]. 科研管理，2015，36（9）：72-79.

[7]  Wang Y，Jia T，Chen J，Et Al. Recombine supplier-Side search via innovation ambidexterity[J]. International Journal of Physical Distribution & Logistics Management，2019，49（2）：178-199.

[8]  彭本红，武柏宇. 跨界搜索、动态能力与开放式服务创新绩效[J]. 中国科技论坛，2017（1）：32-39.

[9]  Kim C，Park J H. Explorative search for a high‐impact innovation： the role of technological status in the global pharmaceutical industry[J]. R&D Management，2013，43（4）：394-406.

[10]  譚云清，李元旭，翟森竞. 锁定效应、跨界搜索对国际代工企业创新的影响[J]. 研究与发展管理，2017，29（2）.

[11]  Wu J，Shanley M T. Knowledge stock，exploration，and innovation： research on the United States electromedical device industry[J]. Journal of Business Research，2009，62（4）.

[12]  贯君，徐建中，林艳. 跨界搜寻、网络惯例、双元能力与创新绩效的关系研究[J]. 管理评论，2019，31（12）.

[13]  Sofka W，Grimpe C. Specialized search and innovation performance-evidence across Europe[J]. R&D Management，2010，40（3）：310-323.

[14]  张文红，赵亚普. 转型经济下跨界搜索战略与产品创新[J]. 科研管理，2013，34（9）：54-63.

[15]  Kim S K，Arthurs J D，Sahaym A，Et Al. Search behavior of the diversified firm： the impact of fit on innovation[J]. Strategic Management Journal，2013，34（8）：999-1009.

[16]  胡畔，于渤. 跨界搜索、能力重构与企业创新绩效——战略柔性的调节作用[J]. 研究与发展管理，2017，29（4）：138-147.

[17]  王建军，叶明海，曹宁. 知识权力、跨界搜索与企业创新绩效的关系研究[J]. 软科学，2020，3 4（2）：1-7.

[18]  张之光，杜宁，马祎晗. 区域创新环境是否提高了中国信息技术产业创新效率——基于两阶段创新过程的实证研究[J]. 科技进步与对策，2020，37（5）.

[19]  徐彪，李心丹，张珣. 区域环境对企业创新绩效的影响机制研究[J]. 科研管理，2011，32（9）： 147-156.

[20]  薛捷. 区域创新环境对科技型小微企业创新的影响——基于双元学习的中介作用[J]. 科学学研究，2015，33（5）.

[21]  叶江峰，陈珊，郝斌. 知识搜寻如何影响企业创新绩效？——研究述评与展望[J]. 外国经济与管理，2020，42（3）：17-34.

[22]  Katila R，Ahuja G. Something old，something new： a longitudinal study of search behavior and new product introduction[J]. Academy of Management Journal，2002，45（6）.

[23]  Pershina R，Soppe B，Thune T M. Bridging analog and digital expertise： cross-domain collaboration and boundary-spanning tools in The creation of digital innovation[J]. Research Policy，2019，48（9）：103819.

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

[25]  谢卫红，林培望，李忠顺，等. 数字化创新：内涵特征、价值创造与展望[J]. 外国经济与管理，2020，42（9）.

[26]  王晓珍，邹鸿辉，高伟. 产业政策有效性分析——来自风电企业产权性质及区域创新环境异质性的考量[J]. 科学学研究，2018， 36（2）.

[27]  张志鑫，梁阜. 知识搜索对创新绩效的影响：知识基础的曲线调节作用[J]. 中央财经大学学报，2019，（8）：108-117.

[28]  G?lgeci I，Ferraris A，Arslan A，Et Al. European MNE subsidiaries' embeddedness and innovation performance： moderating role of external search depth and breadth[J]. Journal of Business Research，2019， 102：97-108.

[29]  周青，王燕靈，杨伟. 数字化水平对创新绩效影响的实证研究——基于浙江省73个县（区、市）的面板数据[J]. 科研管理，2020，41（7）：120-129.

[30]  王海花，杜梅. 数字技术、员工参与与企业创新绩效[J]. 研究与发展管理，2021，33（1）.

[31]  王晓珍，邹鸿辉. 产业政策对风电企业创新绩效的作用机制分析——基于时滞和区域创新环境的考量[J]. 研究与发展管理，2018，30（2）：33-45.

[32]  Xu K，Huang K F，Xu E. Giving fish or teaching to fish？ An empirical study of the effects of government research and development policies[J]. R&D Management，2014，44（5）：484-497.

[33]  傅利平，李小静. 政府补贴在企业创新过程的信号传递效应分析——基于战略性新兴产业上市公司面板数据[J].系统工程，2014，32（11）：50-58.

[34]  Robin S，Schubert T. Cooperation with public research institutions and success in innovation： evidence from France and Germany[J]. Research Policy，2013，42（1）：149-166.

[35]  张信东，郝盼盼. 企业的研发投入存在城市效应吗？——基于企业家活力视角的解释[J]. 中国软科学，2017（3）：110-122.

[36]  王冬玲. 合作伙伴多元化、外部知识环境特征与企业创新绩效的关系研究[J]. 预测，2020，39（3）：18-26.

[37]  Hitt M A，Hoskisson R E，Kim H. International diversification： effects on innovation and firm performance in product-diversified firms[J]. Academy of Management Journal，1997，40（4）：767-798.

[38]  Filiou D，Massini S. Industry cognitive distance in alliances and firm innovation performance[J]. R&D Management，2018，48（4）：422-437.

[39]  Cloodt M，Hagedoorn J，Van Kranenburg H. Mergers and acquisitions： their effect on the innovative performance of companies in high-tech industries[J]. Research Policy，2006，35（5）：642-654.

[40]  Yu W，Minniti M，Nason R. Underperformance duration and innovative search： evidence from the high-tech manufacturing industry[J]. Strategic Management Journal，2019，40（5）：836-861.

[41]  张文红，唐彬，赵亚普. 地理跨界搜索对企业创新影响的实证研究[J]. 科学学与科学技术管理，2014，35（11）：172-180.

[42]  肖丁丁，朱桂龙. 跨界搜寻、双元能力结构与绩效的关系研究——基于创新能力结构视角[J]. 经济管理，2017，39（03）：48-62.

[43]  Lewbel A. Using Heteroscedasticity to identify and estimate mismeasured and endogenous regressor models[J]. Journal of Business & Economic Statistics，2012，30（1）： 67-80.

[44]  黄新建，尤珊珊. 股权激励契约、技术创新与创新效率[J]. 科研管理，2020，41（3）：217-226.

Boundary-Spanning Search， Regional Innovation Environment and Digital Innovation Performance

Li Xiaoqing， Zhao Wanyi， Huo Yudan

（School of Economics and Management， Hebei University of Technology， Tianjin 300401， China）

Abstract： Based on the framework model of boundary-spanning search width， regional innovation environment and digital innovation performance， this paper uses panel data of 365 A-share listed software and information technology service industry， computer， communication and other electronic equipment manufacturing enterprises in Shanghai and Shenzhen from 2014 to 2020 by using multivariate regression method. This research empirically tests the relationship between boundary-spanning search width and digital innovation performance. What is more， the model also empirically tests the moderating effect of regional innovation environment on the relationship between boundary-spanning search width and digital innovation performance. The results are as follows： the width of boundary-spanning search has a significant positive impact on the digital innovation performance of enterprises， which has the largest impact on invention patents， followed by utility model patents， and the smallest positive impact on design patents; Regional innovation environment significantly strengthens the relationship between boundary-spanning search width and digital innovation performance. The conclusions are of great significance to the improvement of digital innovation performance of enterprises and the optimization of regional innovation environment by the government.

Key words： boundary-spanning search; digital innovation performance; regional innovation environment

收稿日期：2022-10-07

基金項目：河北省社会科学基金项目（HB20GL012）

作者简介：李小青（1974—），女，教授，博士，主要研究方向：企业创新管理。