在全球互聯(lián)網(wǎng)浪潮之下，數(shù)字創(chuàng)意產(chǎn)業(yè)作為文化和科技融合的新興領(lǐng)域，已成為全球經(jīng)濟發(fā)展的熱點。 《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠景目標綱要》提出，我國要實施文化產(chǎn)業(yè)數(shù)字化戰(zhàn)略，加快發(fā)展新型文化企業(yè)、文化業(yè)態(tài)、文化消費模式，壯大數(shù)字創(chuàng)意、網(wǎng)絡(luò)視聽、數(shù)字出版、數(shù)字娛樂、線上演播等產(chǎn)業(yè)。 數(shù)字創(chuàng)意產(chǎn)業(yè)是戰(zhàn)略性新興產(chǎn)業(yè)的重要組成部分，是我國產(chǎn)業(yè)轉(zhuǎn)型升級的重要方向，也與正風行于世的元宇宙概念密切相關(guān)，并為其未來創(chuàng)新發(fā)展奠定了基礎(chǔ)。 數(shù)字創(chuàng)意產(chǎn)業(yè)的技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新頻繁發(fā)生、相互交織，深刻影響著數(shù)字創(chuàng)意產(chǎn)業(yè)的發(fā)展邏輯、發(fā)展態(tài)勢與發(fā)展趨向。

一、引言

從技術(shù)創(chuàng)新的角度來看，影響數(shù)字創(chuàng)意產(chǎn)業(yè)的技術(shù)包括使能技術(shù)、應(yīng)用技術(shù)、終端設(shè)備三個層次，這些技術(shù)也影響著數(shù)字創(chuàng)意產(chǎn)業(yè)的內(nèi)容籌備、內(nèi)容生產(chǎn)、內(nèi)容分發(fā)、內(nèi)容消費等各個環(huán)節(jié)。 從商業(yè)模式創(chuàng)新的角度來看，數(shù)字創(chuàng)意產(chǎn)業(yè)廣泛運用“數(shù)據(jù)+算法+內(nèi)容”的商業(yè)運作模式，其中，數(shù)據(jù)是基礎(chǔ)，算法是橋梁，內(nèi)容是核心。

數(shù)字創(chuàng)意企業(yè)中的技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新是否會對企業(yè)績效產(chǎn)生影響？產(chǎn)生何種影響？為了回答這一問題，首先要刻畫企業(yè)的技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新。 創(chuàng)新的表現(xiàn)形式豐富，特別是技術(shù)創(chuàng)新和商業(yè)模式創(chuàng)新不是某個單一指標或組合可以衡量的。 就數(shù)字創(chuàng)意產(chǎn)業(yè)的創(chuàng)新而言，因為有很多是聚焦于情感、思想的“軟創(chuàng)新”，它們呈現(xiàn)為知識產(chǎn)權(quán)中的商標權(quán)和著作權(quán)。著作權(quán)創(chuàng)作即擁有，除了音樂行業(yè)的著作權(quán)，內(nèi)容生產(chǎn)者會去主動登記注冊；其他著作權(quán)的擁有者都不會刻意去注冊，很多都是等到侵權(quán)觸發(fā)時，才會運用行政或者法律的途徑去確定這一權(quán)利的歸屬。 即便將商標權(quán)、著作權(quán)數(shù)據(jù)全部累加，也不足以準確反映一家數(shù)字創(chuàng)意企業(yè)創(chuàng)新的全貌。

用于刻畫技術(shù)創(chuàng)新的研發(fā)投入和專利數(shù)據(jù)有其局限性。 而對于商業(yè)模式創(chuàng)新的測度主要有兩種常用方法，一種是指標打分法，即首先將商業(yè)模式創(chuàng)新的內(nèi)涵進行劃分和細則制定，分為幾個組成部分，經(jīng)過專業(yè)訓(xùn)練的人員依據(jù)細則，使用李克特量表等測量工具進行打分，然后再累加得出每個企業(yè)的商業(yè)模式創(chuàng)新指數(shù)。一些研究還會對初步打分進行質(zhì)量控制。第二種方法是問卷調(diào)查法，制定針對被研究對象實際的調(diào)查問卷，然后派出調(diào)查人員開展搜集、整理等工作，最后形成企業(yè)的商業(yè)模式創(chuàng)新指數(shù)。 這兩種方法都有其科學(xué)性、可操作性，同時工作難度也較大，需要投入較大的人力物力財力，而且避免主觀因素的過程控制、質(zhì)量控制尤其重要。

如何準確合理衡量技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新的強度與水平是橫亙在本文研究主題面前的一大難題。 創(chuàng)新與創(chuàng)意兩者在度量上存在困境，以往度量指標并不完美。 鑒于此，本文開創(chuàng)性地采用文本分析的方法，充分發(fā)揮該方法的優(yōu)勢，使用LDA（Latent Dirichlet Allocation 隱含狄利克雷分布模型，以下簡稱LDA 模型）模型，構(gòu)建了一個全新的刻畫數(shù)字創(chuàng)意產(chǎn)業(yè)的技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新兩者的綜合型指數(shù)。 通過這個指數(shù)來描述數(shù)字創(chuàng)意企業(yè)的技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新的活動、行為。

衡量創(chuàng)新績效的基本邏輯是“投入—產(chǎn)出”模型。 創(chuàng)新投入包含時間、資本、人力和信息技術(shù)，通常以R&D 投入表征。 創(chuàng)新產(chǎn)出則是專利、商業(yè)績效、節(jié)約的成本、新產(chǎn)品的市場表現(xiàn)、市場收益份額、上市時間和專利轉(zhuǎn)化為產(chǎn)品的比率等。 大量的文獻聚焦創(chuàng)新活動與企業(yè)績效兩者之間的關(guān)系。 圍繞創(chuàng)新績效衡量，學(xué)者常采用以下三種比較主流的方法：第一，市場調(diào)研法，即通過實地調(diào)研，發(fā)放調(diào)查問卷，搜集企業(yè)技術(shù)創(chuàng)新和商業(yè)模式創(chuàng)新的實際情況，該方法更多的是和結(jié)構(gòu)方程模型相結(jié)合，以發(fā)現(xiàn)創(chuàng)新對績效的作用機制或創(chuàng)新的驅(qū)動因素；第二，指標核算法，即通過構(gòu)建指標體系，通過打分加總的方式測算企業(yè)、國家的創(chuàng)新及創(chuàng)新績效，在國際上衡量績效有幾個方式被廣泛認可：平衡計分卡、績效棱鏡（Performance Prism）和歐洲品質(zhì)管理基金會（EFQM）的質(zhì)量管理等；第三，經(jīng)典實證分析法，此方法中主要難點在于如何衡量創(chuàng)新這一指標，文獻主要集中在企業(yè)、行業(yè)兩大維度。

二、數(shù)字創(chuàng)意產(chǎn)業(yè)的創(chuàng)新綜合指數(shù)構(gòu)建方法

文本分析法越來越多地應(yīng)用到經(jīng)濟學(xué)，特別是金融學(xué)領(lǐng)域，是大數(shù)據(jù)時代賦予的一場研究范式的革命。 本文主要運用文本分析法的LDA 模型，該模型由大衛(wèi)（David）和喬丹（Jordan）等在2003 年提出，最早發(fā)表在《機器學(xué)習(xí)研究檔案》期刊上。 布萊（Blei）和拉弗蒂（Lafferty）認為LDA是“最簡單的主題模型”

，并且“已被證明非常流行”

。

（一）文本分析法的優(yōu)勢

第一，避免了傳統(tǒng)指標選取所存在的問題。 在指數(shù)構(gòu)建方面，文本分析法避免了創(chuàng)意指數(shù)的難以衡量，也避免了專利與科研投入指標的刻畫不準現(xiàn)象，同時避免了傳統(tǒng)商業(yè)模式創(chuàng)新衡量方法的高人力成本消耗。 在研究對象的甄選方面， 文本分析法克服了以往衡量服務(wù)業(yè)、中小型企業(yè)創(chuàng)新的弊端。 它針對的是描述企業(yè)的財務(wù)報告、年報、新聞報道或者研究報告，通過文本計量的方式來衡量創(chuàng)新，將非結(jié)構(gòu)化的數(shù)據(jù)提取出結(jié)構(gòu)化的可用于計量分析的指標化數(shù)據(jù)。

第二，提供全新視角，避免了數(shù)據(jù)可獲得性不高的問題。 一是文本分析法擴大了“創(chuàng)新”的范圍。在文本分析方法當中，它可以將關(guān)于技術(shù)創(chuàng)新、商業(yè)模式創(chuàng)新的主題提取出來，比如觀察、測度文本中關(guān)于“研發(fā)”“價值”“用戶”“成本”“收入”等主題的論述，拓寬了創(chuàng)新測度的范圍。 二是在選擇符合本文研究范疇的企業(yè)樣本中，只有寥寥幾家企業(yè)有新增專利數(shù)的數(shù)據(jù)，其他專利數(shù)據(jù)都是缺失的，如果僅僅基于專利的話，本文的樣本數(shù)量嚴重不足。文本分析的方法則可以突破該局限，能盡可能多地搜集更多的企業(yè)，而且時間的跨度也更長，還能規(guī)避專利數(shù)據(jù)的跨期申請、為滿足保密需求滯后申請、為迷惑競爭對手偽申請等問題。

實踐證明：這種教學(xué)模式極大提高了成人教育學(xué)生的學(xué)習(xí)的積極性；滿足了學(xué)生個性化和按需學(xué)習(xí)的需求，培養(yǎng)了學(xué)生自主學(xué)習(xí)的能力，提高了課堂教學(xué)效果，學(xué)生動手編程能力明顯提高。

第三，節(jié)約了研究的人力成本，可以提煉結(jié)構(gòu)化變量。文本分析的方法通常一下子處理幾萬份文檔，若是要人工去一篇篇閱讀如此大規(guī)模的文檔，并且萃取最具代表性的主題信息是一大挑戰(zhàn)。 該方法依據(jù)算法和機器學(xué)習(xí)，自動提供整個語料庫的主題，節(jié)約大量的人力成本，數(shù)據(jù)處理規(guī)模也大，同時還避免了人工處理過程當中可能出現(xiàn)的誤讀、被“茫茫信息淹沒”的現(xiàn)象。 大數(shù)據(jù)實時流動，來源廣泛，海量且分散，呈現(xiàn)分布碎片化、主題模糊化、文本非結(jié)構(gòu)化等特征。 通過文本分析的方法，可以從碎片化的數(shù)據(jù)中提煉結(jié)構(gòu)化的變量，從而獲得高價值密度的信息，將模糊的主題變得清晰，同時還將非結(jié)構(gòu)化的文本結(jié)構(gòu)化，實現(xiàn)從文本到結(jié)論的轉(zhuǎn)化，形成整體性的認知圖景。 而形成的結(jié)論反過來又可以回歸文本，從文本中找出相應(yīng)的片段式或整體性的經(jīng)驗與描述去進一步論證結(jié)論（圖1）。

（二）LDA 方法的具體內(nèi)涵

LDA 是一種主題模型，屬于信息提取方法中的無監(jiān)督學(xué)習(xí)方法之一，是自然語言處理（NLP）中應(yīng)用較為廣泛的基礎(chǔ)性模型。 LDA 模型是三層貝葉斯概率模型，基于離散數(shù)據(jù)集合（如文本語料庫），每個集合都是由一系列主題構(gòu)成，且主題以概率分布的方式呈現(xiàn)。 換而言之，它將一篇文檔看作詞匯的集合，而詞匯則是圍繞文檔的主題生成。 所以主題模型主要是構(gòu)建文檔—詞—主題之間的關(guān)系，核心邏輯在于把文檔進行分詞，然后根據(jù)詞與詞之間的共現(xiàn)與鄰近（也可以加上語義關(guān)系）等，進行聚類（也就是獲得主題），最后形成文檔—詞頻分布矩陣，詞—主題分布矩陣，以及文檔—主題分布矩陣。

根據(jù)在具體的操作中，LDA 假設(shè)一個語料庫D 中的每個文檔d 的生成過程如下：

1.選擇N ～Poisson（ξ）。 即詞匯服從泊松分布。

2.選擇θ ～Dir（α）。θ 服從參數(shù)為α 的狄利克雷分布，θ 是一個多項式分布。θd 表示文檔d中所包含的每個主題的比例，它是文檔d 的主題分布，是個向量。

重復(fù)上述過程，遍歷M 篇文檔。

（1）根據(jù)θ

進行主題指派，得到文檔d 中詞n 的話題z

，n 即從文檔中的主題分布采樣詞n 的主題z

；（2）根據(jù)指派主題所對應(yīng)的詞分布中采樣出詞w

（每個主題有各自的詞匯分布，詞匯分布同樣是多項分布，服從Dirichlet 分布，參數(shù)為β）。

3.對于N 中的每個詞w

：

給定參數(shù)α 和β，主題混合分布θ、主題z 和文檔d 的聯(lián)合分布，如式（1）所示：

根據(jù)確定的總干渠輸水線路方案，經(jīng)過多次現(xiàn)場踏勘，進一步篩選了明渠直供、管道供水、明渠＋調(diào)蓄水庫等3個工程方案進行比選。各方案的主要優(yōu)缺點見表2。

簡而言之，在LDA 模型中一共有三個分布：（1）每篇文章中的主題分布，即θd，其中d∈D；（2）每個主題中的詞匯分布，即z

；（3）每篇文章中的詞匯分布，即w

。 有兩個參數(shù)：假定給定了狄利克雷分布的參數(shù)α 和β。

我認為，在目前的發(fā)展階段，部分產(chǎn)業(yè)談共享經(jīng)濟也許是過早的。但我并不認為有些產(chǎn)業(yè)注定沒有辦法走網(wǎng)絡(luò)協(xié)同的道路，很可能未來它們會在一個更大的網(wǎng)絡(luò)協(xié)同或者說是協(xié)同網(wǎng)絡(luò)中去發(fā)展。像租車，本身并不適合共享經(jīng)濟，但是智能交通可能會出現(xiàn)一個巨大的網(wǎng)絡(luò)協(xié)同平臺，而租車只是其中的一個服務(wù)。所以，共享平臺或者說共享經(jīng)濟、網(wǎng)絡(luò)協(xié)同也許能在一個更大的產(chǎn)業(yè)范圍內(nèi)實現(xiàn)。這就需要更長時間的積累。

(1)水位。地下水水位是最基本的地下水動態(tài)監(jiān)測要素，現(xiàn)場主要監(jiān)測地下水水位埋深，然后根據(jù)測點高程換算水位標高。人工測量主要采用電觸懸錘自警式電子水尺，自動化測量主要采用壓力式遙測水位計。

對于數(shù)字創(chuàng)意產(chǎn)業(yè)上市企業(yè)的樣本選取經(jīng)歷了四輪篩選。 第一輪根據(jù)數(shù)字創(chuàng)意產(chǎn)業(yè)的定義，選取包含軟件開發(fā)、生產(chǎn)廠家、內(nèi)容提供、營銷推廣等在內(nèi)的滬深股市的企業(yè)。 具體而言，從證監(jiān)會行業(yè)分類中選取了電信、廣播電視和衛(wèi)星傳輸服務(wù)，廣播電視電影和影視錄音制作業(yè)，軟件和信息技術(shù)服務(wù)業(yè)，新聞和出版業(yè)，從萬得的行業(yè)分類中選取了互聯(lián)網(wǎng)軟件與服務(wù)、家庭娛樂軟件，從中信證券行業(yè)分類中選取了傳媒、黑色家電和計算機軟件，從申銀萬國的行業(yè)分類中選取了互聯(lián)網(wǎng)信息服務(wù)、平面媒體、家電中的視聽器材、移動互聯(lián)網(wǎng)服務(wù)、營銷服務(wù)、影視動漫、有線電視網(wǎng)絡(luò)。 此外，從智能音箱、投影儀、VR 器材的生產(chǎn)廠家以及芯片廠家中選取了相應(yīng)的上市企業(yè)，形成盡可能覆蓋廣泛的“樣本池”，然后進行去重操作。 第二輪，依據(jù)公司的主營范圍和主要標簽篩選。 第三輪，登錄公司的主頁，依據(jù)公司提供的主要產(chǎn)品、解決方案、覆蓋行業(yè)、合作伙伴進行篩選，與數(shù)字創(chuàng)意產(chǎn)業(yè)無關(guān)的，都予以剔除。 第四輪，則是依據(jù)數(shù)據(jù)完整性進行篩選，全時間鏈條均具備的數(shù)據(jù)予以保留，最終剩余129 家企業(yè)作為本文研究的樣本。

David M. Blei 等認為θ→z 和z→w 這兩個隨機過程都可以用狄利克雷分布來描述， 因此可以通過訓(xùn)練來估計這兩個隨機過程對應(yīng)的模型參數(shù)。 訓(xùn)練完成后，可以用這個模型去反推（圖3），對于一篇新的文章，根據(jù)它的結(jié)果（也就是w），去推測這篇文章的各個主題的概率（也就是θ→z）。 而反推的原理則是基于貝葉斯原理，所以LDA 一般被認為是PLSA（Probabilistic latent semantic analysis，概率潛在語義分析）的貝葉斯化版本。

三、數(shù)字創(chuàng)意產(chǎn)業(yè)的創(chuàng)新綜合指數(shù)構(gòu)建

本文使用LDA 模型分析文本，從而構(gòu)建新的變量來刻畫技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新的程度。 在具體的數(shù)據(jù)操作過程中，核心點在于構(gòu)建描述技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新的主題詞表，通過LDA 模型生成的主題詞進行比對，形成最終的創(chuàng)新度量指數(shù)。 具體的數(shù)據(jù)操作過程可以分為三步：數(shù)據(jù)采集、數(shù)據(jù)處理和主題分析，技術(shù)路線如圖4 所示：

（一）樣本確定

本文根據(jù)實證研究需要從萬得（Wind）金融數(shù)據(jù)庫、新浪財經(jīng)中關(guān)于2014—2019 年數(shù)字創(chuàng)意企業(yè)的年報、研究報告和財務(wù)數(shù)據(jù)中獲取數(shù)據(jù)源。 萬得金融數(shù)據(jù)庫的研究報告數(shù)據(jù)不及新浪財經(jīng)豐富，且時間跨度較短，所以兩者相結(jié)合，形成一個更加全面的數(shù)據(jù)源。 進一步使用Python，從數(shù)據(jù)源中爬取文本，形成兩個維度的數(shù)據(jù)予以分析：一是“他者”的視角，即分析師的研究報告；二是“本我”的視角，即上市公司本身的每年年報。 長期以來分析師撰寫的研究報告具有顯性信息含量，且與分析師在行業(yè)內(nèi)的評級、聲譽掛鉤。 因而很多研究將分析師的研報作為一個重要的指標來源。 年報亦是如此，披露年報是上市公司的法定職責，且受到外部審計的監(jiān)督。 由此形成的“他者”和“本我”兩方觀點，構(gòu)建了多維視角以期更完整更全面地反映上市公司在技術(shù)創(chuàng)新和商業(yè)模式創(chuàng)新活動以及兩者所帶來績效的真實情況。

從通俗意義上來理解，圖2 是在用一個模型來模擬作者撰寫文章的過程（即“文檔生成過程”）。雖然每個人寫文章的方法不一樣，但是大致有個規(guī)律。而這個圖就是David M. Blei 等繪制的，他們將作者撰寫文章的過程分為兩步：第1 步，作者先從所有的主題里選擇幾個主題，也就是圖里θ→z 的過程，其中θ 依賴于參數(shù)α；第2 步，作者將每個主題，寫成句子（即前文所述的指派主題），按照統(tǒng)計學(xué)方法來說，其實也就是在這個主題之下選擇對應(yīng)的詞匯組合起來，因此也是一個隨機選擇過程，即圖中z→w 的過程。 換言之，就是“以一定概率選擇了某個主題，并從這個主題中以一定概率選擇某個詞語”。

結(jié)合以上篩選，為提升數(shù)據(jù)的可靠性，本文剔除掉了數(shù)據(jù)斷裂、研究報告缺失或稀缺的企業(yè)樣本，具體做了如下處理：一是剔除了2014—2020 年間退市的數(shù)字創(chuàng)意企業(yè)；二是剔除了上市時間不足5 年的數(shù)字創(chuàng)意企業(yè)；三是剔除了數(shù)據(jù)不全的上市公司。

（二）數(shù)據(jù)采集

首先，使用Python 3.7 編寫了網(wǎng)絡(luò)爬蟲，在萬得數(shù)據(jù)庫和新浪財經(jīng)中自動搜索，下載2015—2020 年的研究報告和年報，共爬取了3 536 份文本，超過9GB，這些作為基礎(chǔ)的語料庫。 形成兩個維度的數(shù)據(jù)予以分析：一是“他者”的視角，即分析師的研究報告，有2 536 份；二是“本我”的視角，即上市公司本身的每年年報，有198 個企業(yè)×5 份

。多維視角以期更完整更全面地反映上市公司在技術(shù)創(chuàng)新和商業(yè)模式創(chuàng)新活動以及兩者所帶來績效的真實情況。

然后，對該數(shù)據(jù)進行分別標記和建檔，形成以“他者”和“本我”為區(qū)分標準的數(shù)據(jù)幀（dataframe），描述每個數(shù)字創(chuàng)意企業(yè)每一年度的分析師研究報告或者年報。 最后，對數(shù)據(jù)進行存儲。

From the two linear equations above,the complex amplitudes can be solved for the forward and backward propagating waves,respectively.This is actually the principle of the two-microphone method.24–26Then,according to Eq.(2),the velocity potential on the source plane is calculated as below:

（三）數(shù)據(jù)處理

要對數(shù)據(jù)進行清洗，以便下一步處理。第一，分詞：用jieba 中文分詞工具進行分詞處理，將文檔轉(zhuǎn)化為其原子元素。 第二，使用cn_stopwords.txt 文檔，對停用詞進行處理，移除掉諸如“他們”“它的”之類的無意義詞匯。第三，SnowNLP 情感分析，引入SnowNLP 模塊來實現(xiàn)此算法。經(jīng)歷數(shù)據(jù)清洗之后，就會形成不包含圖片、表格以及強烈情感的文本。

（四）主題分析

首先，要構(gòu)建文檔詞匯矩陣，將每個文檔解構(gòu)為一組詞匯的列表，然后將所有采集的文檔進行循環(huán)操作，直到遍歷所有文檔。 本文使用到了LDA 模型的一個主題模型包Genism，該包在訓(xùn)練大規(guī)模語義NLP 模型、語義向量呈現(xiàn)文本等方面具有一定優(yōu)勢。 然后，應(yīng)用LDA 模型。該模型使用Gibbs 模擬進行估計，NT=15 個主題進行分類。 這一過程會生成兩大塊內(nèi)容： 每個主題中的詞頻分布，以及主題在每個文檔中的頻率（即主題在每個文檔中的使用頻率）。 按照通常性的操作，選擇生成K=15 個主題，不同的主題會對應(yīng)不同的強度（intensity）。

在這一階段，本文進行人工操作，將符合“技術(shù)創(chuàng)新”和“商業(yè)模式創(chuàng)新”的主題詞手動進行篩選，形成刻畫技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新的主題詞表。 依據(jù)古斯塔夫（Gustaf）等人的經(jīng)驗和對技術(shù)創(chuàng)新、商業(yè)模式創(chuàng)新文獻綜述的梳理

，主題詞表主要由五部分構(gòu)成：第一類是描述“第一波”“第一輪”“首次”等具有首發(fā)性、開拓性的詞匯；第二類是描述盈利狀況的經(jīng)營性詞匯；第三類是描述技術(shù)創(chuàng)新，特別是數(shù)字化、智能、精準、大數(shù)據(jù)之類的詞匯；第四類是描述商業(yè)模式創(chuàng)新的詞匯，如價值、用戶、生態(tài)等；第五類則是描述創(chuàng)造、開拓等相近意義的詞匯。

在冠詞選擇參數(shù)的基礎(chǔ)上，Ionin 等提出波動假說，認為普遍語法在二語習(xí)得中具有完全可及性，如果母語中缺少冠詞系統(tǒng)，二語學(xué)習(xí)者在開始習(xí)得冠詞時會在兩種參數(shù)值之間波動，直到足夠的二語輸入使其可以設(shè)定正確的參數(shù)值，從而完全習(xí)得冠詞［9］16 。

最后，用pyLDAvis 展示LDA 模型分析的topic，然后用print_topic 查看主題詞的濃度，我們將該濃度作為度量企業(yè)技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新的創(chuàng)新綜合指數(shù)。

（五）結(jié)果分析

詞云圖的信息主要體現(xiàn)在字體大小、字詞本身以及顏色。 詞云圖（圖5）呈現(xiàn)了本文中所有數(shù)字創(chuàng)意企業(yè)2015—2019 年的年報文本中數(shù)據(jù)可視化結(jié)果。 高頻關(guān)鍵詞有資產(chǎn)、投資、企業(yè)、合并、負債等。 其中與技術(shù)創(chuàng)新、商業(yè)模式創(chuàng)新相關(guān)的高頻詞有價值、科技、數(shù)字、變動、引入等。 鑒于年報側(cè)重格式化、標準化表述，有一套專門的表述規(guī)范，所以類似股東、股權(quán)、資產(chǎn)等詞匯也有較高頻率。

詞云圖（圖6）顯示了本文中數(shù)字創(chuàng)意企業(yè)樣本2015—2019 年的研報文本中數(shù)據(jù)可視化結(jié)果。高頻詞有數(shù)據(jù)、研究、凈利潤、平臺、業(yè)績、服務(wù)、收入、互聯(lián)網(wǎng)等。其中與技術(shù)創(chuàng)新、商業(yè)模式創(chuàng)新相關(guān)的高頻詞有IP、風險、研發(fā)、數(shù)據(jù)、互聯(lián)網(wǎng)、新、合作等。研究報告是分析師的報告，會側(cè)重揭示企業(yè)發(fā)展的重大事項、企業(yè)發(fā)展亮點，因而對于技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新刻畫得更加豐滿。

創(chuàng)新綜合指數(shù)是年報與研報兩方面數(shù)據(jù)的加總。 構(gòu)建的創(chuàng)新綜合指數(shù)反映了數(shù)字創(chuàng)意企業(yè)在技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新兩方面的創(chuàng)新活動強弱、創(chuàng)新能力大小與創(chuàng)新水平高低，即指數(shù)越高意味著該企業(yè)的創(chuàng)新活動更強、創(chuàng)新能力更大、創(chuàng)新水平更高。 圖7 列出了各個公司從2015—2019 年創(chuàng)新綜合指數(shù)，2015—2019 年的創(chuàng)新綜合指數(shù)的平均值分別為1.839、1.734、1.611、1.683、1.615。 創(chuàng)新綜合指數(shù)的區(qū)間在0.493～6.752 之間，在后期進行計量實證時進行了縮尾處理。 此外，從圖中的單個企業(yè)來看，創(chuàng)新綜合指數(shù)并不呈現(xiàn)一直上升或下降的趨勢，反倒是呈現(xiàn)細微波動的狀態(tài)。 這也便于理解，從五年這樣一個時間區(qū)間來看，企業(yè)的創(chuàng)新能力、創(chuàng)新投入并不能直接獲得收益，創(chuàng)新效果也難以直接顯現(xiàn)，創(chuàng)新活動、創(chuàng)新能力與創(chuàng)新水平有所波動是正常的。

其中，Rt為t時間點原研富馬酸喹硫平片的平均累計溶出度；Tt為t時間內(nèi)自研富馬酸喹硫平片的平均累計溶出度；n為取樣點數(shù)（n為3～5，且R＞85%的點不超過1個）。對于普通口服固體制劑，若15 min內(nèi)溶出率均超過85%，則可直接判定為相似；若15 min時溶出率未到85%，需選取間隔相近的3～5個時間點的溶出率（溶出率超過85%以上的時間點僅能選取1個）計算f2，f2值越大，表明兩條溶出曲線差異越小，若50≤f2＜100，則表示自研富馬酸喹硫平片與原研片體外溶出行為相似。

四、回歸分析與異質(zhì)性檢驗

前文已經(jīng)構(gòu)建了技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新綜合指數(shù)，用于度量數(shù)字創(chuàng)意企業(yè)在技術(shù)與商業(yè)模式方面的創(chuàng)新活動與創(chuàng)新行為。 接下來構(gòu)建數(shù)字創(chuàng)意企業(yè)的創(chuàng)新綜合指數(shù)與財務(wù)指標兩者之間關(guān)系的計量模型，檢驗數(shù)字創(chuàng)意企業(yè)的創(chuàng)新對績效的影響，衡量技術(shù)與商業(yè)模式雙重創(chuàng)新帶來的經(jīng)濟效應(yīng)大小。

根據(jù)LDA 分析的文本中符合這兩大主題的詞匯會進行加總操作，形成描述創(chuàng)新強度的綜合性指數(shù)。 詞匯分為兩類，一類是一般性詞匯，一類是特別反映技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新的詞匯，諸如“智能”“數(shù)字”“ARPU”等詞匯，對后一類詞匯進一步予以賦權(quán)，權(quán)重是其他一般性詞匯權(quán)重的5 倍。 最終，每個企業(yè)每一年度會形成一個變量，用以刻畫該企業(yè)該年度的技術(shù)與商業(yè)模式雙重創(chuàng)新的創(chuàng)新綜合指數(shù)，用于下一步的回歸分析。

（一）關(guān)鍵變量選取

1.被解釋變量

本文借鑒大多數(shù)學(xué)者的基本思路，衡量創(chuàng)新績效使用投入—產(chǎn)出的分析方法，主要目的是用技術(shù)創(chuàng)新和商業(yè)模式創(chuàng)新來解釋企業(yè)績效的變化。 資產(chǎn)收益率是衡量企業(yè)經(jīng)營績效的綜合財務(wù)指標，本文以此為被解釋變量。

2.核心解釋變量

本文在上一節(jié)已經(jīng)構(gòu)建了最重要的指標——文本創(chuàng)新指數(shù)（inn）。 該創(chuàng)新綜合指數(shù)主要衡量的是技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新綜合水平，表征了企業(yè)在這兩方面的創(chuàng)新能力、創(chuàng)新活動或創(chuàng)新強度。

3.控制變量

企業(yè)規(guī)模。學(xué)界的聚焦點主要在于企業(yè)規(guī)模對技術(shù)創(chuàng)新產(chǎn)生的影響，關(guān)于企業(yè)規(guī)模是否在技術(shù)創(chuàng)新中扮演重要角色，且影響企業(yè)績效的意見不一。 概括起來主要有四種類型：一是認為兩者之間存在正相關(guān)；二是認為兩者存在負相關(guān)；三是認為存在U 型或倒U 型的關(guān)系；四是認為兩者沒有必然聯(lián)系

。 普柏林（Kijkasiwat Ploypailin 和Phuensane Pongsutti）等人認為企業(yè)規(guī)模和金融資本對創(chuàng)新產(chǎn)生的績效既起調(diào)節(jié)作用，又起中介作用

。 一方面，將創(chuàng)新看作是一種資源驅(qū)動型行為，公司的規(guī)模大，用于創(chuàng)新的資源可能越多。 同時，創(chuàng)新需要資金，中小企業(yè)缺乏抵押物

，信用低于大型企業(yè)。 大型企業(yè)比中小企業(yè)更積極地利用外部資源進行創(chuàng)新，而小型企業(yè)是最不積極的企業(yè)類別

。 另一方面，既往研究提到中小企業(yè)創(chuàng)新與績效之間存在正向關(guān)系

。 安德烈斯（Andries ）等人認為，中小企業(yè)從專利活動中獲得的好處要比大企業(yè)少，因為大企業(yè)可以防止模仿者

。 但是，中小企業(yè)向外授權(quán)專利和創(chuàng)造額外收入來源的傾向和能力可能比大企業(yè)高。 小型企業(yè)比大型企業(yè)表現(xiàn)出更高的綠色創(chuàng)新的投資回報率，這表明這些小型企業(yè)更傾向于尋求變化和知名度，以獲得更好的資源

。

對所選企業(yè)按軟硬創(chuàng)新進行分類，正如前文所述，數(shù)字創(chuàng)意產(chǎn)業(yè)分為兩類：一類是硬創(chuàng)新，即專注于技術(shù)層面，包括數(shù)字創(chuàng)意產(chǎn)業(yè)的消費載體生產(chǎn)，如視聽設(shè)備終端；一類是軟創(chuàng)新，即專注于內(nèi)容生產(chǎn)層面，包括創(chuàng)意生產(chǎn)、內(nèi)容等創(chuàng)新，如音樂創(chuàng)意。 前者更偏向于技術(shù)創(chuàng)新，后者更偏向于商業(yè)模式創(chuàng)新。

企業(yè)是創(chuàng)新的主體，企業(yè)創(chuàng)新是為了績效的增長。本文用財務(wù)指標來衡量企業(yè)的績效，即資產(chǎn)收益率（ROA）。 在進行實證分析時，本文首先采用Hausman 檢驗對模型進行初步測試，檢驗結(jié)果發(fā)現(xiàn)p 值為0.000 0，認為存在固定效應(yīng)。 包含固定效應(yīng)的基本回歸模型如下所示：

選取2016年6月—2017年4月在我院婦產(chǎn)科實習(xí)學(xué)生80名作為本次研究對象。依據(jù)隨機分數(shù)表法，將其分為觀察組和對照組，每組各40例。本次研究經(jīng)我院倫理委員會批準，參與本次實驗的學(xué)生對本次研究知情。觀察組平均年齡（21.33±1.52）歲，學(xué)歷：本科25名、專科15名。對照組平均年齡（21.20±1.30）歲，學(xué)歷：本科19名、?？?1名。兩組學(xué)生臨床資料對比，差異無統(tǒng)計學(xué)意義（P＞0.05），具有可比性。

已經(jīng)四千多年了，古老的銅綠山還在繼續(xù)貢獻出寶藏，這一方厚重的沃土，該見過了多少歷史的滄桑，見慣了多少生命的無常，那些逝去的生命或許重于泰山，或者輕于鴻毛。銅綠山仍是山崖依舊，山上的銅草花，花開花落，歲歲年年，幾千年不絕如縷。

是否為或者隸屬于集團公司。 集團公司可以更好地幫助企業(yè)克服資源不足的問題， 如資金、物力或人力資本。 進一步地，如果企業(yè)集團是國際化的，公司可以更容易地超越前面提到的障礙

。

對所選企業(yè)按原生型數(shù)字企業(yè)和轉(zhuǎn)型數(shù)字化企業(yè)進行分類。 原生型數(shù)字企業(yè)是指數(shù)字創(chuàng)意企業(yè)本身就是依托數(shù)字技術(shù)建立的，從公司成立之初就是基于數(shù)字化技術(shù)來提供產(chǎn)品或服務(wù)，基于數(shù)字化的商業(yè)模式。 轉(zhuǎn)型數(shù)字化企業(yè)則是公司之前是在傳統(tǒng)行業(yè)扎根，數(shù)字化浪潮襲來后，對產(chǎn)品和服務(wù)進行數(shù)字化轉(zhuǎn)型，從傳統(tǒng)文化創(chuàng)意企業(yè)轉(zhuǎn)型而來。 數(shù)字化轉(zhuǎn)型，包括將數(shù)字產(chǎn)品和服務(wù)整合到核心業(yè)務(wù)模式中， 以提高企業(yè)的競爭力或引入新的客戶體驗或價值路徑

。表1 反映了數(shù)字創(chuàng)意企業(yè)的主要內(nèi)容，按照企業(yè)功能，數(shù)字創(chuàng)意企業(yè)可以分為獨立商店、市場，對應(yīng)的角色則是生產(chǎn)商、零售商和經(jīng)紀人，其中列舉了具有代表性的原生型數(shù)字化企業(yè)和轉(zhuǎn)型數(shù)字化企業(yè)。

不同的企業(yè)所有制性質(zhì)會影響到創(chuàng)新，李政和陸寅宏調(diào)查發(fā)現(xiàn)中國制造業(yè)上市公司中，國有控股企業(yè)的創(chuàng)新績效明顯高于民營企業(yè)

，吳延兵和解維敏等均發(fā)現(xiàn)國有產(chǎn)權(quán)促進研發(fā)

，周黎安等則發(fā)現(xiàn)民營企業(yè)擁有其獨特的創(chuàng)新優(yōu)勢

。

其他控制變量還包括流動資產(chǎn)周轉(zhuǎn)率、每股現(xiàn)金流量凈額、負債比率。 由于部分數(shù)據(jù)的缺失，本文使用的是均衡面板，缺省值用均值法插入，樣本為129 家數(shù)字創(chuàng)意企業(yè)2015—2019 年的數(shù)據(jù)。 變量的具體內(nèi)涵和處理方式如表2 所示。 關(guān)于變量的描述性統(tǒng)計請參看表3。

（二）模型設(shè)定

閩東紅色文化中蘊含的厚重的資源、豐富的革命精神，正是大學(xué)生理想信念教育的生動素材。閩東紅色文化是中國共產(chǎn)黨領(lǐng)導(dǎo)人民在革命、建設(shè)、改革進程中創(chuàng)造的先進文化，是蘊育以愛國主義為核心的民族精神、以改革創(chuàng)新為核心的時代精神的重要沃土。地方高校應(yīng)當有效運用閩東紅色文化資源加強大學(xué)生的共產(chǎn)主義理想信念教育，引導(dǎo)其政治方向，培育其道德情操，塑造其優(yōu)良人格，使之成為又紅又專的中國特色社會主義接班人。

表4 報告了數(shù)字創(chuàng)意企業(yè)中技術(shù)與商業(yè)模式創(chuàng)新綜合指數(shù)的變化對企業(yè)績效影響的基準回歸結(jié)果。 本文主要采用雙向固定效應(yīng)，固定時間與個體，進行回歸，回歸結(jié)果如表4 所示。 可以發(fā)現(xiàn)，創(chuàng)新綜合指數(shù)對企業(yè)產(chǎn)生較小的正向作用，但是效應(yīng)不強，系數(shù)僅為0.091 2，在1%的水平上結(jié)果顯著。其次負債比率這一指標亦顯著，與企業(yè)的資產(chǎn)收益率成反比。Typeb 指企業(yè)是為轉(zhuǎn)型企業(yè)還是原生型企業(yè)，這一指標在10%的水平上顯著為負。 最后，流動資產(chǎn)負債率與資產(chǎn)負債率成正相關(guān)。

隨著BT的逐漸完善和普及，近年來一些新研究不斷出現(xiàn)。Thomen等[17]在BT治療后40～104 d對7例患者進行多次3He MRI檢查，發(fā)現(xiàn)肺通氣缺損與BT術(shù)后天數(shù)負相關(guān)，即肺通氣功能不斷改善。Kirby等[18]利用光學(xué)相干斷層掃描技術(shù)(OCT)對2例行BT的慢性持續(xù)哮喘患者進行了2年隨訪，提示BT效果可能與氣管炎癥、膠原蛋白沉積及氣管壁厚度有關(guān)。Chakir等[19]對9例哮喘患者在術(shù)前和術(shù)后進行了組織活檢，發(fā)現(xiàn)其氣管平滑肌和Ⅰ型膠原蛋白沉積厚度均減少，但因樣本量過小，癥狀改善與組織學(xué)改變的具體關(guān)聯(lián)尚需進一步研究。

（三）結(jié)果分析

Inn

為企業(yè)i 在t 年的創(chuàng)新綜合指數(shù)，由LDA 模型生成；X 為其他控制變量，包括流動資產(chǎn)周轉(zhuǎn)率、無形資產(chǎn)占比、負債比率等指標，ζ

為時間固定效應(yīng)，γ

為企業(yè)固定效應(yīng)，ε

為隨機擾動項。

（四）穩(wěn)健性檢驗

本文通過替換模型和增加控制變量來查看模型的穩(wěn)健性。 通過使用混合回歸和最小二乘虛擬變量法（LSDV），分別對數(shù)據(jù)進行回歸發(fā)現(xiàn)創(chuàng)新綜合指數(shù)這一指標依然顯著為正，參見表5 中的列（1）和列（2）。 增加每股現(xiàn)金流量凈額這一指標后，創(chuàng)新綜合指數(shù)依然顯著為正，參見表6 中的列（3），證明模型是穩(wěn)健的，研究結(jié)論依然成立。

（五）異質(zhì)性分析

考慮到在數(shù)字創(chuàng)意產(chǎn)業(yè)之間不同企業(yè)類型的區(qū)別，其創(chuàng)新的主要表現(xiàn)和創(chuàng)新績效也可能存在差異，因此需要分析異質(zhì)性條件下數(shù)字創(chuàng)意企業(yè)的創(chuàng)新綜合指數(shù)及其對創(chuàng)新績效的影響。

為分析不同類型的數(shù)字創(chuàng)意企業(yè)中創(chuàng)新能力或創(chuàng)新強度帶來的績效差異， 首先將數(shù)字創(chuàng)意企業(yè)劃分為集團企業(yè)與非集團企業(yè)，如表6 中的列（1）和（2）所示，結(jié)果發(fā)現(xiàn)，在集團企業(yè)中，創(chuàng)新綜合指數(shù)對創(chuàng)新績效的影響，相比所有樣本企業(yè)而言，更為強烈，它在1%的水平上顯著為正，系數(shù)為0.151，高于前文的0.091 2。 但是在非集團企業(yè)中則表現(xiàn)不顯著。 因而，可以得出結(jié)論，即本身為集團型企業(yè)或者隸屬于集團的企業(yè)的創(chuàng)新行為與創(chuàng)新活動對企業(yè)績效的影響更大，這是因為資源獲取能力前者明顯優(yōu)于后者，而創(chuàng)新行為仰賴于人力、物力、財力等各項資源的支撐。

其次，將數(shù)字創(chuàng)意企業(yè)劃分為民營與非民營企業(yè)，如表6 中的列（3）和（4）所示，研究顯示這兩者都在10%的水平上呈現(xiàn)出創(chuàng)新行為對創(chuàng)新績效傳導(dǎo)機制的差異，民營企業(yè)的傳導(dǎo)效應(yīng)略強于非民營企業(yè)，這是因為民營企業(yè)的投資行為更為集中，組織更為靈活。

再次，對企業(yè)側(cè)重的創(chuàng)新進行分類，可分成軟創(chuàng)新與硬創(chuàng)新，表6 中第（5）列和第（6）列為相應(yīng)的回歸結(jié)果，硬創(chuàng)新在5%的水平上顯著為正，但是從事軟創(chuàng)新的并不顯著，這是因為硬創(chuàng)新是偏向技術(shù)的創(chuàng)新，而軟創(chuàng)新是偏向創(chuàng)意、情感層面的創(chuàng)新，后者存在的模仿創(chuàng)新、偽創(chuàng)新、虛假創(chuàng)新、跟風創(chuàng)新更多。

最后，本文按企業(yè)的規(guī)模進行分類，分成大型企業(yè)與非大型企業(yè)，分別進行回歸，表6 中第（7）列和第（8）列為相應(yīng)的回歸結(jié)果。 計量結(jié)果顯示，兩組中創(chuàng)新綜合指數(shù)（inn）的回歸系數(shù)均為正，但是大型數(shù)字創(chuàng)意企業(yè)樣本在5%的水平上顯著，非大型企業(yè)樣本在10%的顯著性水平上為正。 通過對比系數(shù)大小發(fā)現(xiàn)，大型的創(chuàng)新綜合指數(shù)（inn）系數(shù)（0.080 1）小于非大型企業(yè)的回歸系數(shù)（0.251），表明在數(shù)字創(chuàng)意產(chǎn)業(yè)，非大型企業(yè)創(chuàng)新活動所帶來的創(chuàng)新效果更加明顯。這是因為小型企業(yè)為了生存下來，對創(chuàng)新的愿望更為強烈，對創(chuàng)新的效果也更為關(guān)注。 企業(yè)的組織剛性、投資分散性、創(chuàng)新的驅(qū)動力

、創(chuàng)新的人力資源成本

會使得企業(yè)規(guī)模與創(chuàng)新能力呈現(xiàn)負相關(guān)，從而抑制企業(yè)的績效。

五、結(jié)論與啟示

關(guān)于“技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新是否必然帶來企業(yè)績效的增長”，學(xué)界并無定論。 現(xiàn)有研究在衡量技術(shù)創(chuàng)新時，常使用專利、研發(fā)投入、新產(chǎn)品銷售額等數(shù)據(jù)，衡量商業(yè)模式創(chuàng)新常使用李克特量表進行調(diào)查打分，從而構(gòu)建計量模型，研判創(chuàng)新行為對企業(yè)創(chuàng)新績效是否產(chǎn)生影響。 本文以數(shù)字創(chuàng)意產(chǎn)業(yè)為切入點，創(chuàng)造性地使用LDA 文本分析法，構(gòu)建創(chuàng)新綜合指數(shù)，以同時衡量企業(yè)的技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新的強度與水平。

本文首先采集企業(yè)的研報數(shù)據(jù)和年報數(shù)據(jù)，形成包含“他者”和“本我”視角的“數(shù)據(jù)池”，全面反映企業(yè)在創(chuàng)新方面的主要舉措。 同時構(gòu)建針對數(shù)字創(chuàng)意產(chǎn)業(yè)的技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新的主題詞表，通過測算“數(shù)據(jù)池”中每個數(shù)字創(chuàng)意企業(yè)每一年度的主題詞的強度，形成創(chuàng)新綜合指數(shù)，用來刻畫數(shù)字創(chuàng)意企業(yè)在技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新兩方面的創(chuàng)新活動強弱、創(chuàng)新能力大小與創(chuàng)新水平高低。

進一步構(gòu)建該創(chuàng)新綜合指數(shù)與企業(yè)績效，即資產(chǎn)回報率之間的計量模型。 結(jié)果表明，技術(shù)創(chuàng)新和商業(yè)模式創(chuàng)新會對企業(yè)績效產(chǎn)生正向作用，本身為集團型企業(yè)或者隸屬于集團的企業(yè)的創(chuàng)新行為與創(chuàng)新活動對企業(yè)績效的影響更大；民營企業(yè)的傳導(dǎo)效應(yīng)略強于非民營企業(yè)；硬創(chuàng)新在5%的水平上顯著為正，但是從事軟創(chuàng)新的并不顯著，這是因為硬創(chuàng)新是偏向技術(shù)的創(chuàng)新，而軟創(chuàng)新是偏向創(chuàng)意、情感層面的創(chuàng)新，后者存在的模仿創(chuàng)新、偽創(chuàng)新、虛假創(chuàng)新、跟風創(chuàng)新更多。 非大型數(shù)字創(chuàng)意企業(yè)，相較于大型數(shù)字創(chuàng)意企業(yè)，它的創(chuàng)新活動所帶來的創(chuàng)新效果更加明顯。

納入標準：所有患者均滿足臨床診斷糖尿病、髖關(guān)節(jié)置換的判斷指標，且患者和家屬自愿簽字簽字認可知情同意書后內(nèi)容，對醫(yī)院有關(guān)倫理委員會申報以后被許可。

本文的研究結(jié)論具有如下啟示：

第一，技術(shù)創(chuàng)新和商業(yè)模式創(chuàng)新兩者具有本質(zhì)差異，技術(shù)創(chuàng)新容易形成壁壘，商業(yè)模式創(chuàng)新則易于被市場模仿學(xué)習(xí)，創(chuàng)新租金容易失去。 當流量紅利日漸褪去，以前靠商業(yè)模式創(chuàng)新迅速積累的用戶基礎(chǔ)，就能形成先發(fā)優(yōu)勢。 目前在數(shù)字創(chuàng)意產(chǎn)業(yè)領(lǐng)域，騰訊系、百度系、頭條系形成了較強的市場勢力，它們廣泛使用資本的手段，收購有潛力的、商業(yè)模式較為新穎的創(chuàng)業(yè)公司；或者依賴于自身強大的平臺影響力和龐大的用戶流量來模仿創(chuàng)業(yè)公司新穎的商業(yè)模式，形成“大魚吃小魚”的互聯(lián)網(wǎng)“生物鏈”，在這樣一種鏈條的影響下，創(chuàng)業(yè)公司的創(chuàng)新力被抑制，特別是在商業(yè)模式方面的創(chuàng)新力被抑制。 從創(chuàng)業(yè)公司的角度而言，則要加強商業(yè)模式與技術(shù)的“雙創(chuàng)新”，構(gòu)建基于技術(shù)創(chuàng)新基礎(chǔ)之上的商業(yè)模式創(chuàng)新。 在新的商業(yè)環(huán)境下要轉(zhuǎn)換為新的商業(yè)邏輯，技術(shù)創(chuàng)新變得越來越核心，也越來越關(guān)鍵，有技術(shù)創(chuàng)新支撐的商業(yè)模式創(chuàng)新才能走得更加長遠。 酷狗和網(wǎng)易云音樂在App 界面與功能方面有諸多一致，引發(fā)爭議，根本原因還在于這類界面與功能作為一種商業(yè)模式上的局部調(diào)整，容易被模仿。

噢噢，好了！小六子真的沒有死！他不僅沒有死，這個黑不溜秋的小家伙好著呢。沒事就好！小六子沒有事就好！我看到小六子他人后，在心里這樣默默地祈禱了一氣，心里的一塊石頭才放下來。

第二，技術(shù)與商業(yè)模式的開放性導(dǎo)致內(nèi)容的分岔、技術(shù)的分岔，最終導(dǎo)致內(nèi)容的割裂對立、技術(shù)方向的模糊不清及主干不突出。 創(chuàng)新是商業(yè)的內(nèi)在組成部分，因此它必須被管理——它不是某種“錦上添花”的要素，也不任由其自生自滅。創(chuàng)新對于營收增長和利潤是必需的。創(chuàng)新產(chǎn)生的變革對于公司的生存至關(guān)重要

。 企業(yè)需要重新審視自己的核心競爭力，使之與技術(shù)創(chuàng)新、商業(yè)模式創(chuàng)新相適應(yīng)。 新能力應(yīng)該包括掌握數(shù)字技術(shù)的知識，有效地管理與客戶的關(guān)系，并使用數(shù)字化渠道的互動性

。 在創(chuàng)新管理過程中，企業(yè)要在關(guān)鍵領(lǐng)域注意形成自己的創(chuàng)新體系，而不僅僅是零散的碎片化的單個創(chuàng)新項目。 要適度向基礎(chǔ)層的創(chuàng)新轉(zhuǎn)移，特別是大企業(yè)要在技術(shù)成熟度不那么高的領(lǐng)域、應(yīng)用場景不那么清晰的領(lǐng)域，投入一定創(chuàng)新資源。

［1］ DAVID M. BlEI, ANDREW Y. NG, MICHAEL I. JORDAN, Latent Dirichlet Allocation, Journal of Machine Learning Research,2003(3):993-1022.

［2］ MATTHEW A, TADDY. On Estimation and Selection for Topic Models,AISTATS 2012: 1184-1193.

［3］ DAVID M. BLEI & M. JORDAN, Modeling annotated data. In Proceedings of the 26th Annual International Acm Sigir Conference on Research and Development in Information Retrieval, Acm Press, 2003:127-134.

［4］ GUSTAF BELLSTAM, SANJAI BHAGAT J. ANTHONY COOKSON. A Text-Based Analysis of Corporate Innovation, Ssrn Electronic Journal, 2016(1).

［5］ 董曉慶，趙堅，袁朋偉.企業(yè)規(guī)模與技術(shù)創(chuàng)新能力的關(guān)系研究［J］.北京交通大學(xué)學(xué)報（社會科學(xué)版），2013（12）：40-46.

［6］ KIJKASIWAT PLOYPAILIN & PHUENSANE PONGSUTTI, Innovation and Firm Performance: The Moderating and Mediating Roles of Firm Size and Small and Medium Enterprise Finance, Journal of Risk and Financial Management, 2020(13).

［7］ MARIA JOSé MADEIRA, JO?O CARVALHO, JACINTA RAQUEL MIGUEL MOREIRA,FILIPE AP DUARTE,FLáVIO DE S?O PEDRO FILHO, Barriers to Innovation and the Innovative Performance of Portuguese Firms,JOURNAL OF BUSINESS,2017(9):2-22.

［8］ DOOLEY LAWRENCE, BREDA KENNY,MICHAEL CRONIN, Interorganizational Innovation Across Geographic And Cognitive Boundaries:Does Firm Size Matter?, Rand D Management, 2016(46): 227-243.

［9］ SAMWEL MACHARIA CHEGE, DAOPING WANG,The Influence of Technology Innovation on SME Performance Through Environmental Sustainability Practices in Kenya, TECHNOLOGY IN SOCIETY,2020(60): 101210.

［10］ ANDRIES PETRA AND DRIES FAEMS,Patenting activities and firm performance: Does firm size matter?,JOURNAL OF PRODUCT INNOVATION MANAGEMENT,2013(30):1089-1098.

［11］ LIN WOON LEONG, CHEAH JUN-HWA, AZALI MOHAMED, HO JO ANN, YIP KWOK, Does firm size matter? Evidence on the Impact of The Green Innovation Strategy on Corporate Financial Performance in The Automotive Sector, Journal of Cleaner Production, 2019(229): 974-988.

［12］ ROPER S., DU J., LOVE J. H, Knowledge Sourcing And Innovation, Aston Business School Research Paper,2006.

［13］ NAMBISA S.K., LYYTINEN A., MAJCHRZAK M. SONG, Digital Innovation Management: Reinventing Innovation Management Research in a Digital World, Mis Quarterly, 2017(41): 223-238.

［14］ 陳冬梅，王俐珍，陳安霓.數(shù)字化與戰(zhàn)略管理理論——回顧、挑戰(zhàn)與展望［J］.管理世界，2020（5）：220-236+20.

［15］ 李政，陸寅宏.國有企業(yè)真的缺乏創(chuàng)新能力嗎——基于上市公司所有權(quán)性質(zhì)與創(chuàng)新績效的實證分析與比較［J］.經(jīng)濟理論與經(jīng)濟管理，2014（2）：27-38.

［16］ 吳延兵.中國工業(yè)產(chǎn)業(yè)創(chuàng)新水平及影響因素——面板數(shù)據(jù)的實證分析［J］.產(chǎn)業(yè)經(jīng)濟評論，2006（2）：155-171.

［17］ 解維敏，唐清泉，陸姍姍.政府R&D 資助，企業(yè)R&D 支出與自主創(chuàng)新——來自中國上市公司的經(jīng)驗證據(jù)［J］.金融研究，2009（6）：86-99.

［18］ 周黎安，羅凱.企業(yè)規(guī)模與創(chuàng)新:來自中國省級水平的經(jīng)驗證據(jù)［J］.經(jīng)濟學(xué)（季刊），2005（2）：623-638.

［19］ ANDRIES PETRA AND DRIES FAEMS, Patenting activities and firm performance: Does firm size matter?,Journal of Product Innovation Management, 2013(30): 1089-1098.

［20］ 于君博，舒志彪.企業(yè)規(guī)模與創(chuàng)新產(chǎn)出關(guān)系的實證研究［J］.科學(xué)學(xué)研究，2007（2）：373-380.

［21］ 托尼·達維拉，馬克·J.愛潑斯坦，羅伯特·D.謝爾頓.創(chuàng)新路圖：如何管理、衡量創(chuàng)新并從中獲利［M］.顧曉敏，譯.北京：電子工業(yè)出版社，2017.

［22］ LI F, The Digital Transformation of Business Models in the Creative Industries: A Holistic Framework and Emerging Trends, TECHNOVATION, 2018(9): 1-10.