趙 鵬

（延安大學(xué) 建筑工程學(xué)院，陜西 延安 716000）

一、引言

創(chuàng)新是支撐集群持續(xù)發(fā)展的決定性力量，是集群獲取競(jìng)爭(zhēng)優(yōu)勢(shì)的重要因素與不竭動(dòng)力。知識(shí)經(jīng)濟(jì)時(shí)代背景下，世界產(chǎn)業(yè)分工的加速和全球制造網(wǎng)絡(luò)興起所帶來的開放式的創(chuàng)新環(huán)境，對(duì)集群創(chuàng)新提出了更高的要求。人們更注意技術(shù)的積累、資源的獲取和信息通道的暢通。集群網(wǎng)絡(luò)化的創(chuàng)新模式應(yīng)運(yùn)而生。集群內(nèi)部節(jié)點(diǎn)通過競(jìng)爭(zhēng)合作、資源共享、優(yōu)勢(shì)互補(bǔ)而利益共享、風(fēng)險(xiǎn)共擔(dān)。在集群網(wǎng)絡(luò)組織中，流動(dòng)著各種創(chuàng)新資源、信息、技術(shù)和知識(shí)，這些是集群在以集群網(wǎng)絡(luò)組織為骨架的網(wǎng)絡(luò)中流動(dòng)的血液。

二、變量設(shè)計(jì)與模型構(gòu)建

集群創(chuàng)新實(shí)質(zhì)上就是網(wǎng)絡(luò)節(jié)點(diǎn)利用集群網(wǎng)絡(luò)關(guān)系而進(jìn)行的創(chuàng)新行為，通過知識(shí)的整合而實(shí)現(xiàn)創(chuàng)新價(jià)值，從而提高創(chuàng)新績(jī)效。而其中對(duì)集群創(chuàng)新績(jī)效影響最為深刻的就是技術(shù)的創(chuàng)新擴(kuò)散和知識(shí)的溢出整合，技術(shù)創(chuàng)新實(shí)質(zhì)上也可歸結(jié)為知識(shí)的創(chuàng)新過程。

（一）技術(shù)創(chuàng)新擴(kuò)散機(jī)制

集群內(nèi)自主創(chuàng)新企業(yè)使用新技術(shù)新知識(shí)優(yōu)勢(shì)而導(dǎo)致的企業(yè)之間的技術(shù)勢(shì)差[1]，以及集群內(nèi)企業(yè)的稠密集聚、地理位置的接近以及相同的社會(huì)文化背景，激發(fā)了集群企業(yè)之間在技術(shù)上的追趕效應(yīng)。產(chǎn)業(yè)集群內(nèi)人才的高流動(dòng)性增加了網(wǎng)絡(luò)的密度，頻繁流動(dòng)帶動(dòng)了技術(shù)的擴(kuò)散。集群內(nèi)存在的高校、科研院所也為新知識(shí)向企業(yè)的有效傳播提供了有針對(duì)性的研究，而企業(yè)將新知識(shí)轉(zhuǎn)化為新技術(shù)并體現(xiàn)在最終產(chǎn)品和收益上，也實(shí)現(xiàn)了知識(shí)的轉(zhuǎn)化與應(yīng)用，實(shí)現(xiàn)了知識(shí)的價(jià)值。技術(shù)創(chuàng)新與擴(kuò)散，一般是由創(chuàng)新源企業(yè)[2]，通過技術(shù)發(fā)明將創(chuàng)新成果應(yīng)用于產(chǎn)品生產(chǎn)，通過在集群空間的大力推廣，擴(kuò)散到其他企業(yè)，并借助于一定的擴(kuò)散政策或中介組織在整個(gè)集群內(nèi)加速傳播。

圖1 產(chǎn)業(yè)集群技術(shù)創(chuàng)新擴(kuò)散機(jī)制與路徑圖

產(chǎn)業(yè)集群網(wǎng)絡(luò)內(nèi)的技術(shù)創(chuàng)新擴(kuò)散和網(wǎng)絡(luò)結(jié)構(gòu)本身一樣，是一個(gè)復(fù)合型擴(kuò)散過程，既有橫向擴(kuò)散，也有縱向擴(kuò)散，而地方政府的擴(kuò)散政策和有效的中介組織對(duì)于技術(shù)的創(chuàng)新擴(kuò)散具有催化和加速作用[3]。在技術(shù)創(chuàng)新擴(kuò)散過程中，本文選取擴(kuò)散速度為測(cè)度技術(shù)創(chuàng)新擴(kuò)散效果的主要變量。

（二）知識(shí)溢出整合機(jī)制

知識(shí)經(jīng)濟(jì)時(shí)代背景下，企業(yè)生產(chǎn)要素性質(zhì)發(fā)生了較大變化，獲取、使用和創(chuàng)造新知識(shí)的能力成為企業(yè)生存和發(fā)展的決定性因素，企業(yè)創(chuàng)新活動(dòng)的本質(zhì)就是知識(shí)的溢出、共享、獲取、吸收、整合、轉(zhuǎn)化與再造，即知識(shí)的溢出與整合。實(shí)際上，技術(shù)創(chuàng)新過程最終也可以歸結(jié)為是知識(shí)的創(chuàng)新。無論從理論還是實(shí)踐研究都表明：集群創(chuàng)新的網(wǎng)絡(luò)機(jī)制總是與知識(shí)的溢出整合密不可分。知識(shí)在溢出并轉(zhuǎn)移過程中，被集群內(nèi)不同的網(wǎng)絡(luò)節(jié)點(diǎn)捕獲，并與自身知識(shí)進(jìn)行了重新組合后，輸出為新的知識(shí)。網(wǎng)絡(luò)不僅提高了知識(shí)的使用效率，還促進(jìn)了知識(shí)的重組和優(yōu)化配置，從而推動(dòng)技術(shù)創(chuàng)新，實(shí)現(xiàn)更高的經(jīng)濟(jì)效益和整個(gè)集群創(chuàng)新績(jī)效的提升?？梢哉J(rèn)為，知識(shí)溢出與整合的規(guī)模和效率直接影響產(chǎn)業(yè)集群創(chuàng)新的速度和績(jī)效[4]。一般情況下，集群內(nèi)具備自主創(chuàng)新能力的大型企業(yè)和知識(shí)的專門生產(chǎn)機(jī)構(gòu)高校等科研院所是知識(shí)的溢出源節(jié)點(diǎn)，知識(shí)從這些知識(shí)高位勢(shì)的創(chuàng)新節(jié)點(diǎn)溢出后，通過集群網(wǎng)絡(luò)組織迅速擴(kuò)散傳播到知識(shí)低位勢(shì)的群內(nèi)其他企業(yè)或組織機(jī)構(gòu)，他們對(duì)這些溢出知識(shí)進(jìn)行整理、去粗取精，然后吸收，并融入到自有知識(shí)體系，經(jīng)過整合轉(zhuǎn)化后再輸出到集群空間，形成新的知識(shí)，不斷往復(fù)循環(huán)的過程中，集群行為主體以及整個(gè)集群的知識(shí)存量得以增加，創(chuàng)新效率得以提高。只有知識(shí)在創(chuàng)新主體之間的傳遞、共享、整合并轉(zhuǎn)化為新知識(shí)，才能完成創(chuàng)新。

圖2 產(chǎn)業(yè)集群知識(shí)溢出與整合機(jī)制及路徑圖

知識(shí)在溢出傳播整合過程中，有可能會(huì)正常損耗減少，而更多的是經(jīng)過不同網(wǎng)絡(luò)節(jié)點(diǎn)整合后增加的新知識(shí)。知識(shí)的不對(duì)稱性是知識(shí)溢出傳播并被吸收整合的根本動(dòng)力。知識(shí)只有在不斷的流動(dòng)與融合中激發(fā)新知識(shí)的轉(zhuǎn)化最后整合，促進(jìn)新知識(shí)的創(chuàng)新，產(chǎn)業(yè)集群才具有源源不斷的創(chuàng)新來源[5]。

（三）模型構(gòu)建

根據(jù)上文分析，我們假設(shè)并建立模型如下：

假設(shè)1：技術(shù)創(chuàng)新擴(kuò)散速度與集群創(chuàng)新績(jī)效存在正相關(guān)關(guān)系，即技術(shù)創(chuàng)新擴(kuò)散速度越快，創(chuàng)新績(jī)效越大，反之則越小。

假設(shè)2：知識(shí)溢出規(guī)模與集群創(chuàng)新績(jī)效存在正相關(guān)關(guān)系，即知識(shí)溢出規(guī)模越大，創(chuàng)新績(jī)效越大，反之則越小。

假設(shè)3：知識(shí)整合效率與集群創(chuàng)新績(jī)效存在正相關(guān)關(guān)系，即知識(shí)整合效率越高，創(chuàng)新績(jī)效越大，反之則越小。

圖3 技術(shù)、知識(shí)與創(chuàng)新績(jī)效的結(jié)構(gòu)模型圖

三、研究方法與實(shí)證檢驗(yàn)

（一）問卷設(shè)計(jì)與數(shù)據(jù)采集

1.問卷設(shè)計(jì)。問卷發(fā)放主要通過發(fā)放紙質(zhì)版和電子版的形式，要求受訪人獨(dú)立客觀填答，除真實(shí)填寫企業(yè)的規(guī)模大小、經(jīng)濟(jì)類別、成立年限等基本情況外，其余均采用李克特量表（Likert scale）進(jìn)行5段數(shù)評(píng)分。每個(gè)潛變量均設(shè)計(jì)3～5個(gè)觀察變量進(jìn)行測(cè)度，見表1。

2.數(shù)據(jù)采集。本文將研究對(duì)象鎖定為寶雞市裝備制造業(yè)產(chǎn)業(yè)集群，原因有兩點(diǎn)：第一，寶雞作為西部工業(yè)重鎮(zhèn)，是一個(gè)典型的工業(yè)城市，工業(yè)基礎(chǔ)較為雄厚；第二，寶雞市裝備制造業(yè)產(chǎn)業(yè)集群的企業(yè)大部分集中于寶雞市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)與工業(yè)園，方便了樣本數(shù)據(jù)的集中采集。表2是問卷發(fā)放與回收情況一覽表。

表1 變量設(shè)計(jì)表

表2 問卷發(fā)放與回收情況一覽表

（二）數(shù)據(jù)分析

1.信度檢驗(yàn)。一個(gè)調(diào)查無論是對(duì)多人單次進(jìn)行還是單人多次進(jìn)行，其最終結(jié)果都應(yīng)該保持大致相同，才具備可信度[6]。本文采用Cronbach's Alpha系數(shù)來衡量題項(xiàng)的內(nèi)部一致性，Cronbach's Alpha系數(shù)一般可以表示為：

吳明隆認(rèn)為，一般在探索性研究中，信度至少要達(dá)到0.7及以上才是可以接受的[7]。

表3 總量表信度

總量表的信度0.952（大于0.8），分量表的信度系數(shù)最低0.959（大于0.8），可以認(rèn)為此量表的準(zhǔn)確性相當(dāng)高。

2.效度檢驗(yàn)。效度檢測(cè)的是一項(xiàng)研究的真實(shí)性和準(zhǔn)確性程度，又稱真確性，本文采用驗(yàn)證性因子分析檢驗(yàn)量表效度。

表5 KMO和Bartlett球體效度檢驗(yàn)

一般認(rèn)為，KMO值在0.7以上，進(jìn)行因子分析效果會(huì)更好[8]。本案例中KMO值為0.899，大于0.7，說明非常適合做因子分析。

表6 因子荷載表

由因子荷載表可知，每個(gè)構(gòu)面都形成相對(duì)應(yīng)的不同的因子，并且因子載荷都大于0.6，累積方差解釋率達(dá)到了90.452%，提取的信息量已經(jīng)足夠，說明結(jié)構(gòu)效度通過了檢驗(yàn)。

（三）路徑模擬與評(píng)價(jià)

根據(jù)這3個(gè)潛變量和13個(gè)觀察變量，本文采用結(jié)構(gòu)方程模型（Structural Equation Model，SEM）并借助SPSS22.0和AMOS 21.0進(jìn)行數(shù)據(jù)關(guān)聯(lián)與路徑模擬，并計(jì)算路徑系數(shù)如圖4所示。

圖4 初始模型路徑圖

表7 初始模型路徑擬合系數(shù)表

顯著性概率P值小于0.05，說明路徑系數(shù)是顯著的。由表7可知，除創(chuàng)新績(jī)效←知識(shí)溢出規(guī)模十分顯著外，其余2條路徑均為顯著、且正相關(guān)，三條路徑都通過驗(yàn)證。

表8 初始模型擬合指數(shù)的標(biāo)準(zhǔn)及得分情況

由得分和指標(biāo)標(biāo)準(zhǔn)對(duì)比結(jié)果可知，由于理論模型并不總是能完美匹配實(shí)際情況，x2/df與RMSEA擬合指數(shù)不夠理想，模型需要進(jìn)行修正。

（四）路徑修正與再評(píng)價(jià)

這里我們根據(jù)MI值對(duì)模型進(jìn)行修正，修正的目的是提高模型整體的擬合度，使擬合度指標(biāo)更多的達(dá)到標(biāo)準(zhǔn)（見圖5）。

圖5 修正后的模型路徑圖

表9 修正模型路徑擬合系數(shù)表

表10 修正模型擬合指數(shù)的標(biāo)準(zhǔn)及得分情況

通過擬合指數(shù)得分與指數(shù)標(biāo)準(zhǔn)取值范圍的比較可知：除RMSEA指標(biāo)的得分“可接受”外，其余指標(biāo)達(dá)到了“很好”的擬合標(biāo)準(zhǔn)，說明模型的擬合效果良好。

四、結(jié)論

模型擬合結(jié)果顯示：集群創(chuàng)新績(jī)效←技術(shù)創(chuàng)新擴(kuò)散速度，集群創(chuàng)新績(jī)效←知識(shí)溢出規(guī)模，集群創(chuàng)新績(jī)效←知識(shí)整合效率，這3條路徑上的假設(shè)獲得了實(shí)證支持，說明技術(shù)與知識(shí)的創(chuàng)新對(duì)集群創(chuàng)新績(jī)效是顯著正相關(guān)的。加快技術(shù)創(chuàng)新的擴(kuò)散速度、加大知識(shí)溢出的規(guī)模并提高知識(shí)整合的效率將會(huì)對(duì)改善集群創(chuàng)新績(jī)效具有顯著的效果。