组态视角下国家层面创新效率驱动模式研究

黄昕宇 赵玉双 黄蜀粤 韦雅婷 丁竹慧

（西南民族大学商学院,四川 成都 610041）

国家创新能力是指一个国家管理资源和技能将现有知识转化为新知识、新技术和创造性产出以提升公司、行业和整个经济的能力[1]。国家创新能力的重要性已被学者普遍证实[2]。尤其在当今知识化时代，国家创新能力是发展中国家保持经济持续增长并追赶发达国家的关键因素[3]。如何构建可持续发展的创新驱动发展模式，为不同国家的政策设计与优化提供实践指导，成为研究者和政策制定者共同关注的焦点问题。

现有文献基于国家创新系统对国家创新能力开展了大量研究。不少学者根据自己的研究目标和需求，从多个理论视角出发挖掘了诸多影响国家创新能力的前因。在技术理论方面，Park H等（2021）通过研究将专利数据转换为交易数据，并使用关联规则挖掘生成技术类之间的关联关系得出区域技术规划机构能够有效地利用内部和外部知识来帮助区域公司成功地执行创新系统[4]；胡汉辉等（2019）研究得出高创业国家与非高创业国家的组态路径存在因果非对称性，认为加速文化转型是中国实现“创业超越之路”的关键[5]；Beynon等（2016）在探寻不同创新驱动因素和创新市场准备之间的关系后得出内部研发、外部研发、外部知识获取和培训的组合是决定创新市场准备程度高低的关键[6]。创新活动与国家创新系统密切相关（Lundvall，2007），系统的复杂性使得各影响因素以何种组态构型来提升国家创新绩效的问题仍有待深入研究。当前研究缺乏多重理论的整合分析框架，多数文献仅将创新产出作为衡量国家创新能力的唯一指标，没有权衡创新投入与创新产出之间的比例，构成的创新驱动效率模式不够完整。从国家创新系统的角度来看，现有研究存在理论与方法不匹配的问题。国家创新系统的相关研究依然将国家创新体系视为边界对象[7]，对于不同条件组合的系统观点，只侧重分析单一变量，而忽视了多因素“联合效应”共同实现国家高创新绩效的组合路径。

1 研究设计

1.1 研究方法

QCA定性比较分析方法由美国社会学者查尔斯·C·拉金（Charles C.Ragin）提出，是基于布尔代数和集合论的研究方法[8]，能够很好地解决多重并发因果复杂现象的问题。QCA优于传统回归分析，采取整体视角，从案例层面比较分析研究各条件间的相互作用。QCA 根据变量类型分为 csQCA（清晰集定性比较分析），mvQCA（多值定性比较分析），以及 fsQCA（模糊集定性比较分析）[9]。fsQCA可以处理类别问题，也可以处理程度变化的问题和部分隶属的问题，具有质性分析和定量分析的双重属性（Ragin，2008），更具分析优势。本文变量具有连续性特征，基于案例特点采用fsQCA方法对创新驱动模式的多条路径进行组态分析。

1.2 研究框架

本文基于新熊彼特理论、资源基础观和技术创新理论，将影响国家创新能力水平的5个因素视为条件的组态，构建制度、基础设施、人力资本与研究、研发创新和产业集群创新的多重理论分析框架，剖析国家层面创新效率驱动模式的内在机理。同时，梳理不同经济体类型之间多维度前因的复杂关系，运用fsQCA方法识别实现国家高创新绩效的核心、边缘条件以及组态路径。

研究技术路线旨在实现提升国家层面创新效率这一目标，即研究结论对国家创新驱动发展政策制定的实践启示。基于创新效率性因素、经济体类型、情境因素，对国家层面创新能力的投入和产出比进行权衡取舍，最后得出国家高创新效率的组态构型和边界条件。

1.3 数据收集

本文相关数据来源于《2019年全球竞争力报告》（Global Competitiveness Report 2019）中141个国家的11个全球竞争力指数和《全球创业观察2021/2022全球报告》《全球创业观察 2019/2020全球报告》《全球创业观察 2017/2018报告要点》中47个国家的影响创新创业活动因素的得分、各国家收入水平、经济体类型划分和国家创业情境指数，从中确定了8个划分指标，其中市场成熟度（Market sophistication）恰好与产业集群创新的影响因素，即信用、投资、多元化和市场规模有关，所以本项目用市场成熟度来关联产业集群创新，探究产业集群创新对国家创新能力的影响；而“Business sophistication”的中文全称是商业成熟度，GII中数据以各个国家在知识工作者、创新联系、知识吸收这三方面的因素来衡量国家的商业成熟度，因此本项目用商业成熟度来衡量研发对国家创新能力的影响。同时根据指标选取《全球2022年经济概况》中132个国家的创新表现总分、28个创新指标，从中确定了132组研究数据作为本文研究数据（见表1）。

1.4 变量测度与校准

本文采用直接校准法，基于理论和实践使用3个定性锚点：完全隶属阈值、完全不隶属阈值以及交叉点，对制度、基础设施、人力资本与研究、产业集群创新和研发创新这5类前因要素，以及创新投入产出比作为结果变量进行结构化模糊集校准。

锚点选取借鉴以往运用fsQCA方法的经验，同时为保证数据的稳健性，分别以95%的分位数为完全隶属临界值，50%的分位数为交叉点，5%的分位数为完全不隶属临界值；75%的分位数为完全隶属临界值，50%的分位数为交叉点，25%的分位数为完全不隶属临界值，来选取两组不同的锚点数据作为校准阈值。利用fsQCA中的Calibrate校准程序进行模糊集校准，将案例数据校准在0～1范围内的集合隶属分数（见表2）。

表2 模糊集校准

2 研究结果

2.1 充分性和必要性分析

本文使用fsQCA分析，以《2022年全球创新指数报告》中132个国家的数据为样本，数据校准后首先进行单个条件变量的一致性检验。通过阅读梳理文献可知，当单个条件一致性指标大于0.9时，则认定该条件变量是结果变量的必要条件。由表3可知，无条件一致性指标大于0.9的数据，则单个条件变量不能构成结果变量的必要条件，因此本文需将各个单项条件纳入fsQCA进行组态分析。

表3 必要性检验结果

2.2 组态分析

为保证数据分析的完整性，应考虑两种情况：（1）针对132组样本数据得出1张整体QCA分析表。（2）将132组样本数据按不同国家收入类型分为高等、中高等、中低等进行分析，即低收入样本不分析，得出1张分组QCA分析表。

对132个国家的创新表现分数数据采用fsQCA 3.0计算，分别将整体样本、中低等样本、中高等样本、高等样本的数据输入其中进行充分分析；分别以95%、50%、5%和75%、50%、25%两组校准阈值以及PRI=0.75、0.7、0.6或0.05，CUTOFF=1、2为核心条件，检验满足条件的核心组态。所得到的高创新效率结果如表4所示。整体样本可以得出1条高绩效组态路径，分组样本可以得出4条高绩效组态路径。结果变量总体一致性为0.91，大于0.8的阈值，覆盖率达0.67，可以保证结论的合理性。5个高绩效组态构型如表5所示。

表4 高创新组态

表5 高绩效组态路径

（1）路径1：人力资本与研究&基础设施&市场成熟度&商业成熟度，一致性高达0.91。该路径表明无论制度如何，只要加强人力资本与研究，完善基础设施并提升市场成熟度与商业成熟度，创新驱动效率就能达到高水平。可得出人力资本与研究、基础设施、市场成熟度以及商业成熟度是实现高创新的重要条件。

（2）路径2：制度&人力资本与研究&基础设施&市场成熟度&商业成熟度，一致性达到0.90。该路径表明，具有良好的人力资本与研究的能力以及完备商业成熟度，就可以实现高创新水平。强调国家要重视对人才的培养与研发投入，进一步实施人才强国战略。同时不断发展商业，为发展提供肥沃的土壤。

（3）路径3：制度&人力资本与研究&基础设施&市场成熟度&商业成熟度，一致性达到了0.91。该路径表明在缺少基础设施的情况下，通过加强人力资本与研究、提升商业成熟度、完善制度，以及提高市场成熟度，也能使国家达到高创新的水平。

（4）路径4：人力资本与研究&基础设施&市场成熟度&商业成熟度，一致性达到了0.90。与路径1相似，但路径4的覆盖度为0.62，路径1的覆盖度高达0.67，路径1的解释程度更高，进一步说明这4个因素对高创新水平的作用举足轻重。

（5）路径5：人力资本与研究&基础设施&商业成熟度，一致性为0.89，覆盖度高达0.96。该路径表明只要人力资本与研究、商业成熟度以及基础设施建设均发展良好，国家就能达到高创新水平。对于高等收入的国家而言，高创新水平与上述的3个因素一致性较高，同时覆盖率极高，即该路径对结果变量的解释程度高于其他路径。

3 结论与展望

3.1 研究结论

本文打破传统研究范式，整合了影响国家创新驱动的5个维度，审视了国家创新层面不同维度前因条件的互补性，发现了高创新水平国家的5条前因组态和相应的核心条件路径。

角度1：从整体样本看，在制度、基础设施、人力资本与研究、产业集群创新和研发创新多个因素的复杂作用下，实现国家高创新绩效的路径只有1条，强调人力资本与研究、基础设施、市场成熟度与商业成熟度的变量影响。

角度2：从经济体类型看，针对不同的经济体类型有不同的最优核心条件路径。中低等收入样本高创新绩效的核心条件存在2个组态，但都主要强调以人力资本与研究和商业成熟度为核心因果条件存在，在这2个因素的共同作用下，可以取得国家创新的高绩效结果。例如：中低收入样本中制度、基础设施、市场成熟度为核心条件缺失，但仍然可以达到国家高创新水平；中高等收入样本的高创新绩效的核心条件与整体样本一致；高等收入样本的高创新绩效的核心条件也主要强调人力资本与研究和商业成熟度为核心条件。

由此可以看出，在国家发展中，无论是从整体数据上看，还是从不同经济体类型上看，影响国家高创新效率的最重要的变量是人力资本与研究和商业成熟度，要想获得高绩效组态结果，两者不可或缺。

3.2 对我国创新发展的启示

我国是拥有14亿多人口的发展中国家，基于复杂的国情，当政策制定者在制定和改善国家创新能力相关政策时，需要多方面考虑其创新系统中不同因素的影响。

首先，加强人力资本与研究对提升创新效率至关重要。虽然我国人口基数庞大，但并不表示人力资本存量大。加强人力资本与研究，需要直接或间接地加大人力投资。可以直接加大资金支持，也可以关注高校学生创新意识发展，提前为充盈人力资本做出准备。其次，商业成熟度对于创新驱动的作用也不容忽视。促进企业加强创新研究与投入，有利于形成良性的创新环境；国家可以通过出台专利保护、研发投入的减免扶持政策，来调动商业的研发创新积极性，达到提高商业成熟度的目的。

3.3 研究局限与未来展望

首先，本文只选取了5个变量对创新效率进行分析，数据时间跨度较短，样本存在一定信息局限；其次，本文虽然对数据整体，以及高等、中高等和中低等经济体分组进行了国家高创新效率驱动路径的探讨，但并未研究非高绩效结果和低等经济体类型国家的高创新性能的配置条件。

运用fsQCA方法能研究多种情况下的不同等效路径，实现组态的“殊途同归”，不仅可以运用在国家创新驱动模式的研究上，还可以运用到其他领域。未来，可以进一步研究低等经济体类型的高创新性能的配置条件，完善国家创新驱动模式。