張 奔 紀亞琨 楊 柳

(華中科技大學管理學院 武漢 430074)

0 引 言

技術(shù)躍遷是技術(shù)演變中的一個重要過程，與技術(shù)內(nèi)在的技術(shù)生命周期以及技術(shù)外部的創(chuàng)新生態(tài)環(huán)境具有密切聯(lián)系。在這一過程中，技術(shù)的發(fā)展需要克服技術(shù)與市場所帶來的不確定性[1]，即各種外界環(huán)境的條件限制以及技術(shù)本身的發(fā)展瓶頸，因此在該過程中的技術(shù)增長表現(xiàn)得非常緩慢。技術(shù)躍遷過程下技術(shù)領(lǐng)域的生命周期將產(chǎn)生演變并達到一個新的層級，技術(shù)的發(fā)展速度和發(fā)展上限都將得到顯著提升，并幫助利益相關(guān)者通過技術(shù)演化獲取競爭優(yōu)勢[2]。技術(shù)創(chuàng)新產(chǎn)生技術(shù)生命周期演變是技術(shù)內(nèi)在特性進行自我作用的結(jié)果，而技術(shù)創(chuàng)新所在的外部創(chuàng)新生態(tài)環(huán)境則決定了其能夠發(fā)展到的最大程度，即技術(shù)生命周期與組織生命周期共同組成了創(chuàng)新生態(tài)系統(tǒng)的演化過程[3]。因此，探索技術(shù)躍遷過程的關(guān)聯(lián)環(huán)境要素，對于發(fā)現(xiàn)產(chǎn)業(yè)技術(shù)變革方向和制定技術(shù)創(chuàng)新規(guī)劃具有重要意義。從創(chuàng)新生態(tài)環(huán)境的視角，本文擬結(jié)合技術(shù)生命周期理論和創(chuàng)新生態(tài)理論，應(yīng)用實證研究方法探索創(chuàng)新生態(tài)環(huán)境對于技術(shù)躍遷過程的影響機制，從而為加快新興產(chǎn)業(yè)技術(shù)的躍遷進程提出政策建議。本文試圖在創(chuàng)新信息增長、創(chuàng)新協(xié)作程度、技術(shù)交叉融合等維度分析技術(shù)躍遷過程與相關(guān)因素之間的聯(lián)系。在研究過程中本文以高鐵軌道技術(shù)為例，并構(gòu)建二元Logistic回歸模型，從實證分析結(jié)果中探索上述理論維度對技術(shù)躍遷過程所產(chǎn)生的影響。

1 文獻回顧與假設(shè)提出

1.1相關(guān)文獻研究從技術(shù)生命周期的視角，顛覆性技術(shù)來源于技術(shù)生命周期演變，通過技術(shù)躍遷重塑原有技術(shù)體系，從而使得技術(shù)更新?lián)Q代。技術(shù)內(nèi)在特性驅(qū)動技術(shù)創(chuàng)新增長，并導(dǎo)致技術(shù)在發(fā)展中表現(xiàn)出階段性和周期性特征。依據(jù)各階段效用值增速的差異，技術(shù)生命周期可劃分為萌芽期、成長期、成熟期和衰退期。新技術(shù)發(fā)展之初，支撐技術(shù)的“知識庫”的非結(jié)構(gòu)化和小體量，引發(fā)技術(shù)不確定性導(dǎo)致新技術(shù)的較長導(dǎo)入期[4]。此后探索性的技術(shù)實驗支撐知識體系不斷向結(jié)構(gòu)化發(fā)展，其外在表現(xiàn)為主導(dǎo)設(shè)計的出現(xiàn)，并沿著已定型的技術(shù)增長路徑于性能上持續(xù)性改進直至趨近于自然極限[5]。當新的顛覆性技術(shù)形成，已處于衰退期的技術(shù)生命周期轉(zhuǎn)變到新進入萌芽期的技術(shù)生命周期，即技術(shù)發(fā)展表現(xiàn)為多段S型曲線[6]。這種轉(zhuǎn)變源自技術(shù)本身的根本性突破或激進的技術(shù)重組的出現(xiàn)，提高了原技術(shù)生命周期的性能飽和上限[7-8]。

從創(chuàng)新生態(tài)的視角，技術(shù)創(chuàng)新的非線性軌跡演進有賴于多主體的協(xié)同作用，并和外部環(huán)境密切相關(guān)。在技術(shù)發(fā)展初期，為應(yīng)對技術(shù)和市場的不穩(wěn)定性特征，創(chuàng)新主體通過建立基于知識共享的伙伴或聯(lián)盟關(guān)系及時補充外部知識構(gòu)建多樣化的知識庫，以增加靈活性和應(yīng)對可能開發(fā)錯誤技術(shù)的風險[9]。隨技術(shù)進一步發(fā)展，企業(yè)間知識重疊加大從而加劇市場競爭，原有組織關(guān)系發(fā)生變化甚至出現(xiàn)合作瓦解[10]。當技術(shù)趨于成熟，企業(yè)對市場狀況深入了解，圍繞產(chǎn)品價格與生產(chǎn)效率進行創(chuàng)新成為關(guān)鍵內(nèi)容，組織結(jié)構(gòu)和跨組織關(guān)系亦隨之持續(xù)演化[11]?？傮w而言，在創(chuàng)新生態(tài)系統(tǒng)中，一方面利益相關(guān)者以技術(shù)創(chuàng)新作為連接紐帶，通過競爭、合作、學習、吸收等而形成動態(tài)復(fù)合型組織結(jié)構(gòu)[12-13]；另一方面由于技術(shù)與組織之間的強依附性，不同技術(shù)單元嵌入相關(guān)主流生態(tài)系統(tǒng)結(jié)構(gòu)形成價值聯(lián)系，引發(fā)技術(shù)單元之間的交互作用與分工，刺激技術(shù)融合[14]。而這個過程中，政策傾向、制度建設(shè)等[15-16]外部環(huán)境因素作用于創(chuàng)新生態(tài)系統(tǒng)使之表現(xiàn)出自組織特性[17]，影響組織、技術(shù)的復(fù)雜互動。在內(nèi)外雙重驅(qū)動力之下技術(shù)創(chuàng)新螺旋式交互上升[18]，進而產(chǎn)生技術(shù)躍遷的顛覆性演化并實現(xiàn)創(chuàng)新生態(tài)系統(tǒng)的重塑[19]。由此可見，顛覆性創(chuàng)新的形成往往伴隨著技術(shù)躍遷過程。

從已有文獻中可以看到，已有不少學者從多個角度對創(chuàng)新生態(tài)系統(tǒng)展開了研究探索，但對創(chuàng)新生態(tài)系統(tǒng)與顛覆性技術(shù)之間的聯(lián)系尚未有系統(tǒng)性的研究，特別是關(guān)于創(chuàng)新生態(tài)系統(tǒng)如何影響顛覆性技術(shù)的形成。顛覆性技術(shù)往往從基礎(chǔ)研究和交叉研究領(lǐng)域中產(chǎn)生，這其中有賴于創(chuàng)新生態(tài)系統(tǒng)對創(chuàng)新資源的調(diào)配機制，從而為關(guān)鍵核心技術(shù)的演化和突破提供了必備要件，這方面的典型案例有美國硅谷、歐洲創(chuàng)新驛站等等。例如硅谷具有高度靈活的創(chuàng)新生態(tài)系統(tǒng)，將高校和研發(fā)機構(gòu)與企業(yè)通過技術(shù)轉(zhuǎn)移的紐帶緊密地聯(lián)系在了一起。通過以上分析，可從創(chuàng)新生態(tài)系統(tǒng)中歸納出支撐顛覆性技術(shù)演變的諸多重要要素都與技術(shù)躍遷過程有著關(guān)聯(lián)，包括創(chuàng)新信息增長、創(chuàng)新協(xié)作、技術(shù)融合等。

1.2研究假設(shè)提出創(chuàng)新信息增長是創(chuàng)新生態(tài)環(huán)境形成的基礎(chǔ)，不斷增長的新技術(shù)知識逐步取代舊的知識，為重構(gòu)技術(shù)體系提供了先決條件。和金生(2007)等認為知識存量的增長有助于后續(xù)的知識增長過程，并且增長速度的提升有助于提高創(chuàng)新能力[20]。劉巖(2015)等的研究指出知識基礎(chǔ)的相關(guān)多元度與技術(shù)創(chuàng)新績效具有正相關(guān)關(guān)系，而非相關(guān)多元度產(chǎn)生的是倒U型關(guān)系[21]。因此本文認為創(chuàng)新信息的基數(shù)越大即創(chuàng)新信息的增長過程使得技術(shù)躍遷的可能性也更高，并以此提出假設(shè)：

H1：創(chuàng)新信息的增長對于技術(shù)躍遷過程具有積極影響。

范群林(2014)等通過案例研究發(fā)現(xiàn)，企業(yè)的外部協(xié)同創(chuàng)新網(wǎng)絡(luò)在創(chuàng)新生態(tài)得到優(yōu)化的情況下趨于開放并提升了技術(shù)創(chuàng)新績效[22]。創(chuàng)新的價值鏈網(wǎng)絡(luò)是創(chuàng)新生態(tài)系統(tǒng)的基本架構(gòu)，不同技術(shù)領(lǐng)域中的創(chuàng)新主體通過協(xié)作互換創(chuàng)新資源，使得技術(shù)體系創(chuàng)新價值鏈的規(guī)模得以擴張，從而加速了新興技術(shù)的技術(shù)躍遷過程。如在研發(fā)活動的基礎(chǔ)上，進一步加強國家需求與市場需求、科研活動與產(chǎn)業(yè)規(guī)劃等方面的協(xié)同[23]。由此可歸納出創(chuàng)新協(xié)作程度的提升對于技術(shù)躍遷具有促進作用，并提出假設(shè)：

H2：發(fā)明人合作關(guān)系對于技術(shù)躍遷過程具有推動作用。

H3：申請人合作關(guān)系對于技術(shù)躍遷過程具有推動作用。

H4：發(fā)明人合作與申請人合作的共存對于技術(shù)躍遷過程具有推動作用。

技術(shù)融合過程的推進對于技術(shù)躍遷具有促進作用。武建龍(2014)等指出戰(zhàn)略性新興產(chǎn)業(yè)中的技術(shù)交叉融合過程推動創(chuàng)新鏈的擴展，從而使得產(chǎn)業(yè)技術(shù)向高端躍遷[24]。趙玉林(2019)等人認為，產(chǎn)業(yè)融合是技術(shù)創(chuàng)新驅(qū)動產(chǎn)業(yè)轉(zhuǎn)型升級的基本路徑[25]。技術(shù)融合進程并非技術(shù)方案的簡單相加，而是不同技術(shù)領(lǐng)域的內(nèi)容相互對接，在創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略下[26]使得原有的技術(shù)方案得到完善和升級。特別是在技術(shù)創(chuàng)新實現(xiàn)從低端市場到高端市場的轉(zhuǎn)變過程中，用戶需求也會同步發(fā)生變化，這就需要通過技術(shù)躍遷實現(xiàn)更多的技術(shù)功效以滿足需求。因此技術(shù)融合進程是其中不可或缺的一個環(huán)節(jié)，對于技術(shù)躍遷過程的形成具有一定的促進作用?；诖颂岢黾僭O(shè)：

H5：上位技術(shù)融合關(guān)系對于技術(shù)躍遷過程具有促進作用。

H6：下位技術(shù)融合關(guān)系對于技術(shù)躍遷過程具有促進作用。

H7：上位與下位技術(shù)融合關(guān)系的共存對于技術(shù)躍遷過程具有促進作用。

2 研究設(shè)計

2.1研究變量選擇

2.1.1 因變量 本文以技術(shù)躍遷狀態(tài)(Y)作為分析的因變量，從而探索相關(guān)因素對技術(shù)躍遷發(fā)生概率所產(chǎn)生的影響。該變量表示單件專利具有技術(shù)躍遷的可能性，在技術(shù)發(fā)展過程中具有推動技術(shù)創(chuàng)新發(fā)展的作用。結(jié)合專利數(shù)據(jù)，本研究用1描述專利具有技術(shù)躍遷屬性，而用0則表示不具有該屬性。參考黃魯成(2009)等的研究[7]，判定技術(shù)躍遷狀態(tài)可根據(jù)技術(shù)增長速度是否發(fā)生顯著變化來得出。按這一思路，本文通過Gompertz方程對所搜集專利數(shù)據(jù)進行技術(shù)生命周期的S型曲線擬合，以曲線承載上限的10%到37%作為技術(shù)躍遷階段，并將在該階段中的專利標記為技術(shù)躍遷專利。該階段為技術(shù)生命周期的萌芽期向增長期的轉(zhuǎn)變過程，在該階段形成的技術(shù)突破了萌芽期的困難，并為后續(xù)的增長提供了發(fā)展基礎(chǔ)，因而具有一定的技術(shù)躍遷特征。Gompertz方程的公式為y=(K-d)e-er(t-tm)+d，其中y為技術(shù)增長總量，t為發(fā)展時間，K為技術(shù)承載上限，tm為技術(shù)發(fā)展到K值一半時的時間點，d為常數(shù)。

2.1.2 自變量 本研究中的自變量設(shè)定如下：a.專利信息量(X1)。該變量反映了單件專利所具有的創(chuàng)新信息量。信息量在一定程度上反映了技術(shù)的復(fù)雜性，較少的信息量可能是對現(xiàn)有技術(shù)的微小改進，而較多的信息量則可能是提出了新的體系。本文用相對信息量進行衡量，即專利摘要與標題的詞數(shù)之比。b.發(fā)明人合作(X2)。該變量說明單件專利是否由多個發(fā)明人共同完成。通過對專利數(shù)據(jù)的探索分析發(fā)現(xiàn)，合作關(guān)系不以人數(shù)來體現(xiàn)，因此使用二分變量來表示更為合適，即用1代表有發(fā)明人合作，用0代表沒有發(fā)明人合作。c.申請人合作(X3)。該變量說明單件專利是否由多個申請人共同申請。和變量發(fā)明人合作相似，本文用1代表有申請人合作，用0代表沒有申請人合作。發(fā)明人數(shù)和申請人數(shù)則分別為每件專利所記載的發(fā)明人數(shù)量和申請人數(shù)量。d.上位技術(shù)交叉(X4)。該變量顯示單件專利所記載的發(fā)明是否有上位技術(shù)領(lǐng)域(用DC代碼表示)的交叉。對于這一變量，本研究側(cè)重于描述是否存在技術(shù)交叉關(guān)系，因此也采用二分變量，即用1代表有技術(shù)交叉，用0代表無技術(shù)交叉。e.下位技術(shù)交叉(X5)。該變量表明單件專利所記載的發(fā)明是否有細分技術(shù)領(lǐng)域(用MC代碼表示)的交叉。和變量上位技術(shù)交叉類似，用1代表有技術(shù)交叉，用0代表無技術(shù)交叉。

2.2實證模型設(shè)定由于本文主要是探查創(chuàng)新生態(tài)環(huán)境的三個理論維度，創(chuàng)新信息增長、創(chuàng)新協(xié)作程度及技術(shù)融合程度對技術(shù)躍遷過程所產(chǎn)生的影響，而其中因變量為反映專利是否處于技術(shù)躍遷階段中的二分變量，因此在本文的實證研究中應(yīng)采用二元Logistic回歸模型較為合適。相比于一般的線性回歸模型，二元Logistic回歸模型所表現(xiàn)出的主要不同在于其模型中的因變量為二分變量，而前者的因變量只能是連續(xù)變量且需要符合正態(tài)分布等假定條件。對于定性判斷的樣本數(shù)據(jù)，采用Logistic回歸方法能夠更好地降低誤差，但需要注意指標間多重共線性的問題[27]。通過二元Logistic回歸的方法，可以預(yù)測因變量中每一類別的發(fā)生概率，并且判斷影響這些發(fā)生概率較為顯著的自變量有哪些[28]。令因變量技術(shù)躍遷Y服從二項分布，定義概率函數(shù)u，使u=Pr(Y=1|X1=x1,X2=x2, … ,Xm=xm,)，則由m個自變量X1、X2、…、Xm所構(gòu)建的二元Logistic回歸模型為：Logit[u(Y=1)]=ln[u(Y=1)/(1-u(Y=1))]=β0+β1X1+β2X2+…+βmXm，通過該模型進一步探索各自變量對因變量的影響關(guān)系。

此外，在本文所構(gòu)建的二元Logistic回歸模型中，創(chuàng)新協(xié)作程度和技術(shù)融合程度這兩個理論維度分別涉及到兩個自變量，因此在實證分析中還將對這兩個維度自變量的交互效應(yīng)展開分析。二元Logistic回歸模型的分析結(jié)果可以產(chǎn)生與因變量相關(guān)事件的發(fā)生比率，該比率為二元Logistic回歸模型中各自變量系數(shù)的指數(shù)，也被稱為優(yōu)勢比。通過這一指標進一步解釋各個自變量的狀態(tài)變動對于因變量技術(shù)躍遷狀態(tài)所產(chǎn)生的影響。

2.3數(shù)據(jù)來源與處理本文選取高速鐵路軌道領(lǐng)域作為實證分析對象，并運用專利數(shù)據(jù)來對相關(guān)假設(shè)展開驗證。鐵路技術(shù)領(lǐng)域經(jīng)過漫長時間的發(fā)展，已經(jīng)歷了數(shù)次重大技術(shù)變遷，對于實證分析具有代表性意義。數(shù)據(jù)來源于德溫特創(chuàng)新索引(Derwent Innovation Index, DII)數(shù)據(jù)庫，在咨詢相關(guān)技術(shù)專家意見的基礎(chǔ)上，對數(shù)據(jù)庫中的高速鐵路軌道專利進行檢索，相應(yīng)的專利檢索式為：((TS=(high AND speed AND rail*) OR TS=(high AND speed AND train) OR TS=(rapid AND transit AND train) OR TS=(rapid AND transit AND rail*) OR TS=(bullet AND train) OR TS=(express AND rail*) OR TS=(express AND train) OR TS=(fast AND moving AND train) OR TS=(fast AND move* AND train) OR TS=(fast AND rail*) OR TS=(quick AND rail*) OR TS=(rapid AND rail*) OR TS=(rapid AND train))) AND (TS=(rail* AND track) OR TS=(rail* AND trackage)) NOT PN=CN*U，檢索結(jié)果為5518件，時間跨度為1963-2019年。結(jié)合Derwent專利數(shù)據(jù)的結(jié)構(gòu)性特點，從5518件專利中搜集得到了這些專利的摘要文本長度、發(fā)明人數(shù)、申請人數(shù)、MC數(shù)、DC數(shù)等原始數(shù)據(jù)。

結(jié)合所提出的研究假設(shè)，本文進一步對所搜集的專利數(shù)據(jù)進行如下處理，從而獲得模型各變量數(shù)據(jù)。其中，對于因變量通過技術(shù)生命周期的S型曲線來觀察技術(shù)發(fā)展趨勢，識別其中增長速度顯著變化的階段(10%-37%)所對應(yīng)時間區(qū)間。對各個專利的技術(shù)躍遷狀態(tài)進行標記，并將其作為實證分析模型的因變量數(shù)據(jù)。在分析過程中使用三段Gompertz方程進行擬合，擬合得到的技術(shù)生命周期時間區(qū)間如表1所示。表中各行為特定周期階段在不同承載上限所對應(yīng)的年份，各列則為各段周期在特定承載上限所對應(yīng)的年份。

表1 高鐵軌道技術(shù)生命周期時間區(qū)間

對于各自變量，基于數(shù)據(jù)易獲取原則通過對所搜集的高鐵軌道技術(shù)的各個單件專利進行統(tǒng)計，從而得到單件專利的相應(yīng)指標數(shù)據(jù)，如專利相對信息量、專利申請人數(shù)量、專利發(fā)明人數(shù)量、德溫特專利手工代碼數(shù)量(MC數(shù))、德溫特專利分類代碼數(shù)量(DC數(shù))等。這里發(fā)明人數(shù)和申請人數(shù)則分別表示每件專利所記載的發(fā)明人數(shù)量和申請人數(shù)量。MC和DC是科睿唯安公司的德溫特專利數(shù)據(jù)庫所使用的專利分類體系，被統(tǒng)稱為DWPI分類系統(tǒng)。該分類系統(tǒng)對所有技術(shù)的專利文檔進行分類，從而在特定的技術(shù)領(lǐng)域?qū)崿F(xiàn)了有效和精確的搜索。其中DC是DWPI分類系統(tǒng)的部，具體分為21個廣泛的主題領(lǐng)域或部分，包括A-M(化學物質(zhì))，P-Q(工程)和S-X(電子和電氣)。而MC是DWPI分類的類，是在部分類基礎(chǔ)上所做出的進一步細分。每個類由節(jié)字母和兩個數(shù)字組成，如X22(汽車電器)、C04(化肥)等。

上述指標中，專利相對信息量為連續(xù)變量反映單件專利的創(chuàng)新量大小。其他指標的原始數(shù)據(jù)分布過于集中，如采用連續(xù)變量容易受到極端值的影響，從而造成忽視專利個體的差異性。因此基于各指標數(shù)據(jù)的中位數(shù)將其轉(zhuǎn)化為二分變量，進而作為實證分析模型的自變量。最后得到實證分析樣本數(shù)據(jù)的描述性統(tǒng)計分析結(jié)果如表2所示，以此構(gòu)建二元Logistic回歸模型展開實證分析。

表2 實證分析各變量數(shù)據(jù)的描述性統(tǒng)計

3 實證分析結(jié)果

3.1實證模型總體擬合情況本文利用SPSS統(tǒng)計軟件對專利數(shù)據(jù)進行二元Logistic回歸分析，回歸過程使用基于最大似然估計的向前逐步回歸法篩選變量。最終分析得到模型擬合的對數(shù)似然值為7493.42，此外其他具體實證分析結(jié)果展示在以下多個表中。其中，霍斯默·萊美肖檢驗的結(jié)果如表3所示，檢驗過程中的p值大于檢驗標準0.05，反映數(shù)據(jù)中的信息已經(jīng)被充分提取，可以認為所構(gòu)建的二元Logistic回歸模型對于模型變量數(shù)據(jù)具有較好的擬合效果。

表3 霍斯默·萊美肖檢驗結(jié)果

表4為二元Logistic回歸模型的最終系數(shù)綜合檢驗結(jié)果。其中初始模型(Model)一行反映了模型中所有參數(shù)是否均為0的似然比檢驗結(jié)果。從顯著性的結(jié)果來看，該模型所納入的自變量中，至少有一個變量的系數(shù)和優(yōu)勢比(OR值)具有統(tǒng)計學意義，這也表明了模型的整體擬合也具有統(tǒng)計意義。

表4 模型系數(shù)檢驗

3.2共線性檢驗自變量之間的Spearman相關(guān)系數(shù)分析結(jié)果如表5所示，從該表中可以看到，相關(guān)性系數(shù)均在0.5以下，說明自變量之間的相關(guān)性較弱。而表6則為各二元Logistic回歸模型自變量之間的共線性檢驗結(jié)果。由表6的自變量共線性檢驗可以看到，各個自變量的容差值均小于1且大于0.1，同時各自變量的方差膨脹因子均小于10，說明上述自變量之間不存在多重共線性問題，以這五個自變量所構(gòu)建的模型較為穩(wěn)定。由此可知，基于上述五個自變量構(gòu)建二元Logistic回歸模型符合關(guān)于變量共線性的基本要求。

表5 自變量Spearman相關(guān)性分析結(jié)果

表6 自變量共線性檢驗

3.3回歸結(jié)果表7為二元Logistic回歸模型的分析結(jié)果，顯示所有的自變量都被篩選進入該模型?？梢钥吹降氖牵宰兞縓1(專利信息量)、X3(申請人合作)和X4(上位技術(shù)交叉)、X5(下位技術(shù)交叉)的回歸系數(shù)在1%的水平上顯著，此外自變量X2(發(fā)明人合作)和X3(申請人合作)交互項的回歸系數(shù)也在1%的水平上顯著。此外，從表7的系數(shù)分析結(jié)果顯示，自變量X1和X4與技術(shù)躍遷具有負相關(guān)關(guān)系，而自變量X5和交互項X2*X3則與技術(shù)躍遷則具有正相關(guān)關(guān)系，假設(shè)H4、H6成立，而假設(shè)H1、H5沒有得到驗證。該分析結(jié)果表明，下位技術(shù)交叉以及發(fā)明人、申請人合作的交互對于技術(shù)躍遷的可能性具有提升作用，而創(chuàng)新信息量對于技術(shù)躍遷的可能性具有降低作用。

表7 二元Logistic回歸模型納入的變量

根據(jù)分析結(jié)果，得到最終的擬合方程式為logit(P)=0.275-0.014X1+0.257X2X3-0.375X4+0.375X5，通過這一方程可對新的專利做出預(yù)測，來判斷相關(guān)技術(shù)發(fā)生技術(shù)躍遷的可能性。從自變量的優(yōu)勢比來看，變量X5的優(yōu)勢比最大，其值為1.454，反映的是在有下位技術(shù)交叉的情況下，技術(shù)躍遷的可能性是無下位技術(shù)交叉情況的1.454倍。其次是交互項X2*X3，其值為1.293，反映的是在發(fā)明人合作與申請人合作共同存在的情況下，技術(shù)躍遷的可能性提升了1.293倍。而回歸系數(shù)為負的自變量顯示對技術(shù)躍遷具有負面作用。其中變量X1的優(yōu)勢比為0.986，反映的是創(chuàng)新信息量每增長一個單位，相應(yīng)的技術(shù)躍遷可能性就降低到0.986倍，而X4的優(yōu)勢比為0.687，反映的是有上位技術(shù)交叉情況下技術(shù)躍遷可能性降低到了0.687倍。如表8所示，自變量X2、X3以及交互項X4*X5的回歸系數(shù)均不具有顯著性，說明其影響不具有統(tǒng)計學意義，假設(shè)H2、H3、H7沒有得到驗證。這一結(jié)果表明發(fā)明人合作關(guān)系、申請人合作關(guān)系以及上位技術(shù)交叉與下位技術(shù)交叉的交互作用對于技術(shù)躍遷的影響效果均可視為沒有影響。

表8 未進入模型的變量

4 結(jié)論與啟示

本研究通過從創(chuàng)新信息增長、創(chuàng)新協(xié)作程度、技術(shù)融合程度等維度出發(fā)，對技術(shù)躍遷的影響因素展開了探索，并以高鐵軌道技術(shù)為例構(gòu)建二元Logistic回歸模型展開了實證研究。相較現(xiàn)有研究，本研究在融合技術(shù)生命周期、創(chuàng)新生態(tài)系統(tǒng)等理論的基礎(chǔ)上進一步延伸，形成了技術(shù)躍遷影響機制的系列理論假設(shè)。通過對專利數(shù)據(jù)的實證分析，本研究發(fā)現(xiàn)上述三個維度對于技術(shù)躍遷進程具有顯著影響，并表現(xiàn)出特定的影響機制。

更進一步地，從實證結(jié)果中可總結(jié)出一些創(chuàng)新政策啟示：a.技術(shù)信息的積累并非是產(chǎn)生技術(shù)躍遷的基礎(chǔ)要件。按照通常理解，重大創(chuàng)新突破往往來源于微小創(chuàng)新的積累，但在本研究中這一推斷并未得到驗證，反而表明信息積累有負面影響。這一結(jié)果說明高鐵軌道領(lǐng)域在數(shù)量層面的創(chuàng)新發(fā)展并不能直接帶來質(zhì)量層面的改變。由此可見在政策制定過程中應(yīng)當避免科研資源在某一研究領(lǐng)域中的過度集中，而是應(yīng)當引導(dǎo)至多個關(guān)聯(lián)領(lǐng)域從而形成合理的研發(fā)規(guī)劃。b.注重企業(yè)內(nèi)部與外部的共同協(xié)作。中國高鐵技術(shù)的進步來源于政府主導(dǎo)下研究活動所取得的重大成果，在這些研發(fā)活動中既有創(chuàng)新主體內(nèi)部研發(fā)人員所展開的研究合作，也有同領(lǐng)域單位之間展開的共同協(xié)作。本文實證結(jié)果顯示單一的技術(shù)人員合作或是機構(gòu)合作都沒有顯著提升技術(shù)躍遷的可能性，這表明未來的高鐵軌道領(lǐng)域仍需要完善協(xié)同創(chuàng)新機制來加強技術(shù)創(chuàng)新突破。c.加強技術(shù)體系內(nèi)部的技術(shù)交叉融合和再創(chuàng)新。跨領(lǐng)域的上位技術(shù)融合是企業(yè)創(chuàng)新戰(zhàn)略的主要方向之一，但在本文研究中并未得到實證驗證，這說明高鐵軌道領(lǐng)域的跨界技術(shù)融合沒有帶來直接的技術(shù)躍遷支撐。而下位技術(shù)融合顯示出較好的效果，說明該領(lǐng)域中的技術(shù)躍遷主要來源于技術(shù)體系內(nèi)部的交叉融合過程。對于未來發(fā)展，高鐵軌道領(lǐng)域需要進一步探索跨界技術(shù)融合的創(chuàng)新路徑，將外部其他新興技術(shù)深度內(nèi)嵌于技術(shù)體系中，使其形成本領(lǐng)域新的創(chuàng)新突破。

本研究中一些變量的回歸系數(shù)在統(tǒng)計學意義上并不顯著，說明本研究存在著一定的不足，這為下一步研究提供了參考，具體表現(xiàn)在：a.有潛在因素影響了創(chuàng)新主體協(xié)作對技術(shù)躍遷的作用。本研究顯示發(fā)明人協(xié)作與申請人協(xié)作對技術(shù)躍遷的影響均不顯著，但這兩個因素的共同存在卻有著積極作用，這說明高鐵軌道領(lǐng)域中創(chuàng)新協(xié)作的積極作用受到了某些限制。b.技術(shù)躍遷過程中上下位技術(shù)融合關(guān)系的共存有待進一步解釋。上位技術(shù)結(jié)構(gòu)與下位技術(shù)結(jié)構(gòu)的交叉分別對技術(shù)躍遷有著不同方向的影響，這說明從下位到上位的技術(shù)交叉過程演變具有顯著差異，而這一差異可能對技術(shù)躍遷過程產(chǎn)生不同影響。