金泽虎等：科技遏制导向对中国创新发展构成威胁吗？

表 4 科技封锁与企业创新产出基准回归

变量名称

Technology_blockade

roa

rd

fdl

dfl

date

ln

hhi

_cons

N

组内 R2

全样本匹配

模型 1

发明专利

-13.0878***（-7.7796）

0.0270（0.1806）

0.0000（0.4532）

-3.7290（-1.6100）

-0.0011（-1.3495）

2.6772（1.2885）

2.7732（0.3434）

25.0429（0.7475）

69.5679（0.9825）

10512

0.0765

模型 2

其他专利

-16.1287***（-3.5785）

-0.0409（-0.1458）

0.0000（1.2255）

-4.1444（-1.3195）

0.0050（* 1.8563）

6.5325（1.3472）

13.2421（0.9572）

-5.0379（-0.0821）

38.2544（0.3331）

10512

0.0705

PSM 匹配

模型 3

发明专利

-11.9100***（-4.2857）

-0.3194（-0.4089）

0.0000**（2.5224）

1.7544（0.5130）

1.8601（0.9073）

-4.3290（* -1.7796）

15.5260（0.4496）

20.4117（0.6369）

11.7665（0.2003）

4319

0.4438

模型 4

其他专利

-5.0063**（-1.9933）

0.8219（1.1590）

0.0000***（3.4326）

-8.9936***（-3.8278）

-0.5170（-1.0024）

10.4355***（3.0470）

-4.5724（-0.1703）

41.1355（* 1.6571）

78.7589（1.5804）

4319

0.6341

注：***、**、* 分别表示在 0. 01、0. 05、0. 1 的水平上显著；括号内数字为稳健性标准误。本文所有模型均控制时间效应和行业效应，标准误经企业层

面聚类调整。

Innovation_outputi，t = α1 +∑- 6

2

δt Dit + αcControls + γ时间 + μ行业 + εi，t （2）

其中：Dit为一组虚拟变量，表明若企业 i 第 t 年受到科技制裁影响，则取值为 1，反之取 0。其余各变量的符号

含义与式（1）中的符号相同，将企业受到技术封锁事实冲击发生前第一期设为基期。本文在式（2）中重点关

注系数，其反映了技术封锁事件发生的第 t 年，实验组和控制组企业的发明专利创新产出差异，平行趋势图

中按事件发生时间分为事件发生前（pre）、事件发生当年（current）和事件发生后（post）。由图 3 所示的平行趋

势检验结果表明，两种匹配之后的样本在技术封锁事件发生前各期的系数估计值均不显著。这说明，实验组

企业在政策实施前并无显著差异，研究样本通过了平行趋势检验。

.





J





PRE PRE PRE PRE PRE CURRENT POST POST









.





J





PRE PRE PRE PRE PRE CURRENT POST POST









（a）科技封锁事件时间（全样本） （b）科技封锁事件时间（PSM 样本）

图 3 平行趋势检验图

（四）长期效应检验

参考余典范等（2022）的做法，将专利变量前推 2、3、4 期考察技术封锁更长期的影响（表 5 中用 patent_2、

patent_3、patent_4 表示），回归结果表明，长期来看，将专利变量提前之后，技术封锁事件的发生对企业创新的

抑制作用消退，就全样本匹配而言，将发明专利提前甚至会使得技术封锁事件转而促进发明专利产出，同样

的特点也出现在倾向匹配得分匹配样本中。因此，假说 2 中科技封锁事件长期内倒逼创新产出提高假说得

证。除此之外，可以看出相对于发明专利而言，美国的技术封锁行为更多的影响我国企业发明专利而非其他

发明专利，后者在检验中并不显著，但仍然支持了长期内技术封锁抑制效应的消散。

（五）稳健性检验

基准回归结果表明企业受到技术封锁事件外生冲击抑制了其专利产出，但是为了排除混淆因素对于研

究结论的干扰，仍需要进行一系列的稳健性检验，以确保估计结果的稳健性。

1. 处理效应异质性（heterogeneous treatment effects）检验

变 时 点 DID 研 究 的 一 个 重 要 前 提 是 处 理 效 应 同 质 性 假 设（homogeneous treatment effect assumption）

45

技术经济 第 42 卷 第 8 期

（Goodman‑Bacon，2021），即处理效应在不同组间同质和时间维度同质：同一政策在对不同处理组影响相同，

并且随时间推移同一时间受到政策冲击的所有个体效应大小不变。但以往的研究的重要的潜在问题是忽视

模型存在异质性处理效应而造成严重估计偏差，即同一处理对于不同个体产生效果存在差异（刘冲等，

2022）。例如，较早受到美国科技封锁冲击的实体，可能会作为较晚受到影响的控制组进入估计，这种较早受

到冲击的实验组是一种“坏的控制组”，因为相对于其他未收到科技封锁冲击的控制组而言，其事前趋势已经

发生改变，即使满足平行趋势假设，也会存在潜在误差无法纠正。本文利用“组别‑时期平均处理效应”

（cohort‑specific average treatment effects on the treated，CATT）（Callaway et al，2020）构建“异质‑稳健估计量”缓

解模型存在偏误问题。

首先，TWFE 表示一般情况下双向固定效应模型估计量，但由于处理效应异质性的存在，可能会存在潜

在偏误。根据处理组平均处理效应估计量（average treatment effects on the treated，ATT）构建的异质性‑稳健

估计量，对比两者系数及置信区间可知，本

文采用的双向固定效应模型尽管存在误差，

但实体受到美国科技封锁冲击时创新产出

均呈现抑制效应，满足处理效应同质性假

设。除此之外，表 6 将从未受到美国科技封

锁冲击的实体（Never treated）与尚未受到冲

击 A 的实体（Not Yet Treated）作为控制组，同

时 考 虑 不 同 年 份 的 所 有 组 别 平 均 效 应

（Calendar ATT）与不同组别的同一年份平均

效应（Group ATT），尽管存在一定的估计偏

差，但总体上服从同质性假设，异质‑稳健估

计量也缓解了模型存在的偏差问题，支撑了

基准回归结论及模型的稳健性。

2. 反事实检验：时间安慰剂检验

为避免处理组企业和对照组企业创新

产出差异是由时间变化导致的，如表 7所示，

本文将美国技术封锁实施时间分别提前 3年

（year_3）、4 年（year_3）及 5 年（year_3）构 建

虚假的政策时间，构建伪事实实验组。回归

检验结果显示其系数估计值在 10% 的水平

上均未通过显著性检验。这表明处理组企

业和对照组企业的时间趋势没有系统性差

异，也再次证明技术封锁事件对于我国企业

表 5 科技制裁长期效应检验

A 栏：全样本匹配

Technology_blockade

观测值

组内 R2

B 栏：PSM 样本匹配

Blockade

观测值

组内 R2

发明专利申请量

（1）

patent_2

9.5517***

（-2.6021）

10512

（0.1756）

发明专利申请量

（1）

patent_2

-1.0634

（-0.4546）

4319

（0.9712）

（2）

patent_3

6.9859*

（-1.6523）

10512

（0.2324）

（2）

patent_3

5.4310**

（-2.0243）

4319

（0.9643）

（3）

patent_4

6.8213

（-1.6231）

10512

（0.3286）

（3）

patent_4

2.5402

（-1.0326）

4319

（0.9523）

其他专利申请量

（4）

unpatent_2

4.0401

（-1.3453）

10512

（0.0241）

其他专利申请量

（4）

unpatent_2

-4.5912

（-1.6034）

4319

（0.9242）

（5）

unpatent_3

7.7756

（-1.5723）

10512

（0.0620）

（5）

unpatent_3

-0.3820

（-0.1131）

4319

（0.8410）

（6）

unpatent_4

9.1521

（-1.1253）

10512

（0.0501）

（6）

unpatent_4

-1.4127

（-0.4361）

4319

（0.9012）

注：***、**、* 分别表示在 0. 01、0. 05、0. 1 的水平上显著；括号内数字为稳健性标准误。

表 6 稳健性检验（1）：处理效应异质性检验

全样本匹配

异质性‑稳健估计量

TWFE

ATT

Not‑yet ATT

Calendar ATT

Group ATT

PSM 样本匹配

异质性‑稳健估计量

TWFE

ATT

Not‑yet ATT

Calendar ATT

Group ATT

发明专利

系数

-7.03***

-11.05***

-10.75***

-10.90***

-10.61***

发明专利

系数

-4.79***

-8.88***

-9.47***

-8.53***

-9.72***

置信区间

［-9.19，-4.86］

［-9.19，-4.86］

［-14.74，-6.76］

［-14.93，-6.86］

［-14.29，-6.94］

置信区间

［-7.70，-1.87］

［-14.10，-3.67］

［-14.42，-4.51］

［-13.43，-3.62］

［-14.98，-4.45］

非发明专利

系数

-13.64***

-15.73***

-18.24***

-13.81***

-16.60***

非发明专利

系数

-8.64***

-13.07***

-13.87***

-11.76***

-13.17***

置信区间

［-19.09，-8.19］

［-21.77，-9.69］

［-25.53，-10.95］

［-18.83，-8.79］

［-23.07，-10.13］

置信区间

［-13.29，-4.00］

［-20.89，-5.24］

［-22.65，-4.91］

［-18.45，-5.06］

［-20.99，-5.35］

统计量

10512

10512

10512

10512

10512

统计量

4319

4319

4319

4319

4319

注：***、**、* 分别表示在 0. 01、0. 05、0. 1 的水平上显著。

表 7 稳健性检验（2）：反事实检验

时间安慰剂

检验

year_3

year_4

year_5

N

全样本匹配

（1）

发明专利

-0.5057

（-0.3320）

-0.8963

（-0.5870）

0.2431

（0.1549）

10512

（2）

其他专利

-0.1649

（-0.0529）

2.0705

（0.5823）

3.7599

（1.3423）

10512

PSM 样本匹配

（3）

发明专利

0.8784

（0.2939）

-2.8856

（-1.2357）

-1.7098

（-0.7761）

4319

（4）

其他专利

1.0241

（0.2522）

-1.0013

（-0.2142）

0.0451

（0.0084）

4319

注：***、**、* 分别表示在 0. 01、0. 05、0. 1 的水平上显著；括号内数字为稳健性标

准误。

46

金泽虎等：科技遏制导向对中国创新发展构成威胁吗？

创新产出的负面影响成立。

3. 加入基准变量缓解选择的影响

考虑变时点双重差分模型的理想情况是实验组和对照组企业是随机选择的（宋弘等，2019），同时意味着

企业易受公司所在城市发展前景、所处地理位置、是否是省会城市等有关，而这些因素的差异随着时间的变

化可能会对企业创新水平产生不同的影响从而造成估计偏差，因此本文将基准变量加入式（1），构建如式（3）

的模型。

Innovation_outputi，t = α1 + α2Technolog_blockadei，t + αcControls + ζQb × trendt + γ时间 + μ行业 + εi，t （3）

其中：Qb 为一组城市基准因素的虚拟变量，表示考虑基准因素条件下公司 b 是否位于省会、是否位于沿海地

区和是否位于胡焕庸线东侧等。包括城市是否为省会、是否为经济特区和是否位于胡焕庸线东侧等；trend

为时间趋势项。见表 8，加入城市基准变量与时间线性趋势的交互项后的系数估计值都在 1% 的水平上通过

了显著性检验。这说明，无论是逐一还是全部加入城市基准因素与时间趋势的交互项，科技封锁政策试点政

策都显著抑制了创新产出，与基准结果一致。事实上无论实体属于哪些地区，具有怎样差异化的经济发展水

平，科技封锁事件发生对企业创新均存在显著影响，在一定程度上具有选择随机性。

表 8 稳健性检验（3）：加入城市基准变量与时间趋势交互项

变量名称

Technology_blockade

沿海城市×时间趋势

省会×时间趋势

胡焕庸线东侧×时间趋势

N

组内 R2

全样本匹配

（1）

-12.9976***（-7.6536）

是

否

否

10512

0.0864

（2）

-11.8203***（-7.7721）

否

是

否

10512

0.0756

（3）

-9.2301***（-7.7022）

否

否

是

10512

0.0625

PSM 样本匹配

（4）

-9.5732***（-3.9301）

是

否

否

4319

0.4712

（5）

-9.4211***（-4.1091）

否

是

否

4319

0.3407

（6）

-8.732***（-4.1012）

否

否

是

4319

0.1473

注：限于篇幅仅列出以发明变量为被解释变量机制检验结果，***、**、* 分别表示在 0. 01、0. 05、0. 1 的水平上显著；括号内数字为稳健性标准误。

4. 排除其他政策干扰

为了避免在样本期间其他政策会影响企业创新产出，造成基准估计结果的误差，本文通过筛选样本期间

政策文件，对于选择影响企业创新产出竞争性政策的做法，选取了两种与美国科技遏制政策存在时空重叠，

并且在样本期间内对企业创新产出可能存在影响的试点政策，即《国家发改委关于推进国家创新型城市试点

工作的通知》与住建部与科技部发布的《住房城乡建

设部办公厅关于做好国家智慧城市试点工作的通知》

（白俊红等，2022），作为可能影响企业创新产出的竞

争性政策。为了验证两种试点政策对于企业创新产

出的干扰，在基准回归中分别加入两个政策的虚拟变

量，以尽量控制两种政策的影响。其中，Innocitypost 代

表上市公司企业所在城市当年是否属于创新城市试

点，Digcitypost表示上市公司企业所在城市当年是否属

于智慧城市试点，如果企业所在城市当年属于创新城

市试点或智慧城市试点，将其赋值为 1，反之赋值为 0。

由表 9 可以看出，在同时控制两类竞争性政策之后，估

计结果仍然与基准结果相似，因此排除了相关竞争性

政策对于企业创新产出的影响。

六、异质性检验

（一）进一步区分专利分类

考虑到美国对我国的科技遏制主要集中在尖端技术部门，对中国高新技术发展施加限制，本文在表 10

进一步将创新产出细分为发明专利、实用新型、外观设计，用以检验技术封锁事件对于创新产出的异质性作

用。从更严格的倾向匹配得分所得样本来看，技术封锁所造成的外生冲击主要集中在发明专利及实用新型

专利，对于所需科技含量相对较低的外观设计专利抑制效果微弱，但是从全样本回归来看，技术封锁对于三

表 9 稳健性检验（4）：排除竞争性政策干扰

变量名称

Technology_blockade

Innocitypost

Digcitypost

_cons

N

组内 R2

全样本匹配

（1）

patent

-18.2009***

（-4.6511）

-0.3572

（-0.3753）

-2.8312

（-0.9811）

10.9512

（0.7513）

10512

0.1943

（2）

unpatent

-30.8872**

（-1.9660）

-4.0232

（-1.4715）

9.0120

（0.8814）

-35.8150

（-0.2554）

10512

0.1241

PSM 样本匹配

（3）

patent

-21.2603***

（-3.4726）

1.2319*

（1.0632）

2.6540

（1.4521）

25.1902

（0.9531）

4319

0.6971

（4）

unpatent

-0.4319

（-0.0375）

-0.5721

（-0.6738）

-4.0734

（-1.2410）

-44.9257

（-0.9012）

4319

0.8325

注：***、**、* 分别表示在 0. 01、0. 05、0. 1 的水平上显著；括号内数字

为稳健性标准误。

47

技术经济 第 42 卷 第 8 期

种专利产出均造成负面影响，这可能是由于技术之间存在的联结性，造成技术封锁得抑制效应外溢，使得对

于除发明专利之外的其他专利如外观设计等同样受到一定损害。同时从 PSM 样本可以看出，科技封锁对于

发明专利的抑制效应大于实用新型与外观设计，这与实际上美国科技封锁战略目标指向一致，主要针对的是

我国相关科技发明领域进行制裁，而其他专利抑制性相对较小。

表 10 专利类别异质性检验

变量

名称

Technology_blockade

N

组内 R2

全样本匹配

（1）

发明专利

-12.9701***（-7.6914）

10512

0.0812

（2）

实用新型

-13.5201***（-3.8532）

10512

0.1025

（3）

外观设计

-2.7903**（-2.2120）

10512

0.0045

PSM 样本匹配

（4）

发明专利

-12.4401***（-3.7963）

4319

0.4526

（5）

实用新型

-4.4421（* -1.8122）

4319

0.7105

（6）

外观设计

-0.0201（-0.0142）

4319

0.6905

注：***、**、* 分别表示在 0. 01、0. 05、0. 1 的水平上显著；括号内数字为稳健性标准误。

（二）企业性质检验

从实体清单可以看出，2010—2015 年，实体清单主要承载的还是对于我国主要研究机构、军工企业、大

学等科研场所的威慑作用，主要服务于美国自身的政治目的，而目前实体清单的存在已经转变成美国政府对

于中国技术发展的主要限制手段及制裁措施，除了要注意到事件本身针对的高新技术企业之外，还应该对企

业自身属性进行甄别检验，因此本文将样本分为国有企业与非国有企业，继续进行异质性检验，见表 11，无

论是全样本还是经过处理的倾向匹配得分样本，科技封锁事件对于国有企业发明专利创新产出抑制影响系

数绝对值大于非国企影响系数绝对值，因此，在技术研发领域，科技封锁战略国有企业的抑制作用均大于非

国有企业，而实用新型和外观设计等创新领域的抑制效应不受企业性质的影响。

表 11 企业性质异质性检验

变量名称

Technology_blockade

_cons

N

组内 R2

国有企业

（1）

patent

全样本

-12.8210***

（-3.8221）

56.1382

（1.3055）

7142

0.073

（2）

PSM

-7.2843*

（-1.8342）

14.3574**

（2.0348）

2173

0.0103

（3）

unpatent

全样本

-6.8421***

（-3.2102）

84.5261

（1.2162）

7142

0.8321

（4）

PSM

1.8507

（-0.4464）

81.6623

（0.9910）

2173

0.9312

非国有企业

（5）

patent

全样本

-11.9201***

（-5.4728）

76.5415

（0.9142）

7142

0.0762

（6）

PSM

-3.4822***

（-4.3930）

80.8471

（1.1702）

2173

0.0514

（7）

unpatent

全样本

-7.3701***

（-2.6341）

25.0913

（0.1623）

7142

0.6612

（8）

PSM

-6.6724

（-1.48）

53.5816

（0.4823）

2173

0.5421

注：***、**、* 分别表示在 0. 01、0. 05、0. 1 的水平上显著；括号内数字为稳健性标准误。

（三）地区异质性检验

考虑到科技制裁主要瞄准的是我国高新技术企业与相关产业，但是企业所在地的社会、政治环境及经济

发展水平均会对企业创新产出产生重要影响，因为高科技公司所在地极有可能是发展水平较高、政策支持力

度较大等地区。因此，本文根据《中国新一线城市创新力报告（2021）》，确定了 19 个创新能力居于前列的新

一线城市，如北京、上海、深圳、广州、南京、杭州、武汉等城市作为创新型城市，其他城市作为普通城市，进行

实证检验，见表 12，相对于普通城市而言，科技封锁的发生对于创新型城市而言抑制效应更为强烈，并且由

于选取的均是一线城市中创新能力较强的城市，因此也表现为相对于普通城市而言，位于经济较为发达城市

企业冲击相对而言也较为严重。

表 12 创新型城市异质性检验

变量名称

Technology_blockade

_cons

N

组内 R2

创新型城市

（1）

patent

全样本

-12.0121***

（-5.1046）

32.2837

（0.4521）

4916

0.0961

（2）

PSM

-10.0437***

（-3.5210）

-110.3510

（-0.6822）

2813

0.6512

（3）

unpatent

全样本

-9.4381**

（-2.5531）

58.1851**

（2.2900）

4916

0.0524

（4）

PSM

-5.4104

（-1.4682）

10.5314

（0.3914）

2813

0.1268

普通城市

（5）

patent

全样本

-13.2106***

（-5.6721）

-1.1347

（-0.0171）

4916

0.0701

（6）

PSM

-9.5243***

（-3.5801）

122.4320

（1.1814）

2813

0.6643

（7）

unpatent

全样本

-6.7513***

（-4.9522）

60.1459***

（4.6763）

4916

0.0301

（8）

PSM

-9.6294

（-1.1312）

65.7752

（1.5241）

2813

0.0617

注：***、**、* 分别表示在 0. 01、0. 05、0. 1 的水平上显著；括号内数字为稳健性标准误。

48

金泽虎等：科技遏制导向对中国创新发展构成威胁吗？

七、进一步分析：调节效应检验

为衡量科技封锁事件对于我国创新产出冲击中机制变量合理性，在式（1）基础上构建调节机制变量检验

模型（曹伟等，2022）。

Innovation_outputi，t = β0 + β1 Technology_blockade + β2 Mi，t × Technology_blockade +

βC Controls + γ时间 + μ行业 + εi，t （4）

其中：β 为各变量对应回归系数；Mi，t 代表机制变量，包括：①技术距离：采用企业技术距离等于企业劳动生产

率生产率与外国平均劳动生产率的比值衡量（曲如晓等，2021），其中企业劳动生产率采用企业生产总值与职

工人数的比值来衡量（吕健，2012）｡国外平均劳动生产率首先从 2011—2020 年中国进出口贸易数据中筛选

出与我国贸易往来最为密切的 10 个国家①，并计算这 10 个国家平均劳动生产率均值。一般而言，与我国贸

易往来密切的国家意味着两国更容易通过贸易往来进行知识、技术交流；②产出效应：采用全要素生产水平

衡量科技遏制是否通过影响企业高新技术产品产出环节，从而对创新产出产生影响，全要素生产率能够比较

准确衡量技术水平变化对于产出的影响，因此可以合理解释美国科技遏制对于企业产出技术水平的影响能

力，所以本文将全要素生产率作为产出效应的代理变量，全要素生产率采用 LP 方法计算得出的（任胜钢等，

2019）；③贸易效应：采用上市公司海外业务规模水平进行衡量，数据来源于国泰安。

（一）技术距离效应

技术距离作为经济距离的重要组成部分，对国家经济关系研究具有重要意义。表 13 模型 1 和模型 4 显

示了技术距离对创新产出的机制效应。美国作为主要的创新产出国家，通过限制高新技术方面中国留学生

入境及相关交流活动开展、制裁相关高技术企业等技术封锁措施，科技遏制延展了两国技术距离边界，使我

国远离部分先进技术生产前沿，而技术距离的增加将抑制我国企业创新水平（方慧等，2021）。表 13 模型 1 和

模型 4 利用技术距离与科技封锁交互项验证了技术距离效应的存在，但是科技封锁对于创新产出的抑制作

用仍然存在，并在 1% 的水平上显著。因此假说 3 科技封锁事件引起技术距离扩大从而抑制创新产出假说

得证。

表 13 调节效应检验结果

变量名称

Technology_blockade

Technology distance

tfp

oversea trade

Technology distance×

Technology_Blockade

tfp×

Technology_Blockade

oversea strade×

Technology_Blockade

_cons

N

组内 R2

全样本匹配

模型 1

-7.0283***（-4.1062）

-3.7120**（2.2241）

-6.3621***（-4.2036）

-73.5323（-0.9927）

10512

0.0956

模型 2

-11.9801***（-6.9534）

3.1623***（-2.6437）

-5.6710***（-2.7124）

-76.5408（-0.9132）

10512

0.0983

模型 3

-9.4214***（-5.9705）

0.7024（* -1.6743）

-1.6702***（-3.4912）

80.8427（1.1704）

10512

0.1424

PSM 样本匹配

模型 4

-9.1325***（-3.3108）

-7.0210***（4.6730）

-9.5414**（-2.0251）

-168.7236（-1.3220）

4319

0.6305

模型 5

-9.3735***（-3.3042）

-9.4945***（-2.6900）

-6.7801**（-2.0013）

-227.3120（-1.3700）

4319

0.6352

模型 6

-12.6583***（-5.1525）

0.1220（0.7402）

-0.4454***（-3.8414）

-108.7182（-0.5845）

4319

0.6486

注：***、**、* 分别表示在 0. 01、0. 05、0. 1 的水平上显著；括号内数字为稳健性标准误，限于篇幅仅列出以发明变量为被解释变量的调节变量检验

结果。

（二）贸易效应

科技封锁战略对我国相关实体企业管制意味着我国企业无法从相关人员、技术交流，或开展经济贸易活

动中的知识溢出作用获得技术水平提升，表 13 模型 3 与模型 6 显示了海外贸易量机制效应，同时无论是全样

本还是 PSM 样本，相关实体企业在科技封锁事件将使得该企业海外活动贸易量递减，并且贸易效应的递降

同样加剧了科技封锁对于创新产出的抑制作用，因此。假说 4 科技封锁战略通过抑制相关实体企业海外贸

易活动限制技术外溢从而抑制我国创新发展得证。

① 本文经过分析近十年我国主要贸易地理方向，筛选出以下 10 个与我国贸易往来密切的国家：美国、日本、韩国、越南、德国、澳大利亚、马来

西亚、巴西、俄罗斯、泰国。各国劳动生产率数据来源于国际劳工组织官网。

49

技术经济 第 42 卷 第 8 期

（三）产出效应

本文利用上市公司全要素生存率衡量产出效应，在以往的文献中，技术创新与全要素生产率的相互促进

关系已经得到验证，创新水平提高能够促进产业转型并间接提升全要素生产率（佘硕等，2020），表 13 利用全

要素生产率与科技封锁交互项衡量产出效应的机制效应，验证了全要素生产率在科技封锁事件发生时，企业

为应对科技封锁冲击，其全要素生产率短期内将下降，同时其对企业生产所造成的负面影响与基准回归相

比，科技封锁事件对于创新产出的抑制作用仍然十分剧烈，假说 5 得证。

八、政策建议与启示

本文对美国科技封锁战略对我国创新产出冲击进行分析，根据模型实证分析结果，主要得出以下相关结

论与启示；①科技封锁战略对我国创新产出的冲击作用短期内无法改变，并且对于发明专利抑制效应大于其

他专利、国有企业的抑制效应大于非国有企业、对于经济发达创新城市抑制效应大于普通城市；②得益于我

国创新型发展战略，中国创新能力已经大幅提升，长期内科技遏制对创新产出的抑制效应大幅消退，并对我

国创新发展起倒逼促进作用；③科技封锁战略的实施将会扩大中美两国技术距离、降低相关实体企业海外贸

易量、降低全要素生产率，使得知识交流渠道闭塞、技术外溢减弱、劳动生产率降低等，从而抑制中国创新产

出的有序健康发展。

根据本文实证分析结果，提出以下政策建议：①对于政府而言，应当坚持相关科技创新政策，坚决推行一

系列创新型产业政策，始终坚持创新发展战略，鼓励自主创新，争取早日建成创新型强国；②对于企业而言，

在短期内科技封锁无法发生根本性逆转的情况下，应当拓宽海外市场，扩大海外投资规模；根据自身优势适

应市场发展，扩大生产规模，增强要素利用水平，寻求价格优势；迎合国家相关科技政策支持，增加研发投入，

实现自主创新，将技术牢牢把握在自己手中，扩大人才、技术互通交流，减轻科技遏制事件对我国创新产出的

影响；③针对目前出现的反全球化及科技遏制趋势，我国应立足自身科技发展现状，重视基础科学研究，加大

人才培养与技术创新培育优势，寻求长期内破除相关国家技术封锁渠道，为发展中国家科技发展之路提供中

国模式与中国智慧。

总而言之，美国对华科技封锁在国际社会难言公正，我国应当同其他国家一起，反对目前国际领域内出

现的科技遏制趋势，寻求国际支持，利用国际法律法规维护自身权利，向国际社会更好地阐释自身高科技发

展政策，采取各项措施继续延续和巩固其他国家对华科技发展信心，进一步提升国际科技合作的内容和水

准，争取获得关键第三方国家更大的理解和支持，与其他国家一起商讨构建国际经贸领域新规则的可能性。

同时与美国开展沟通，寻求科技封锁的和平解决可能性，中美两国的交流合作并不是零和博弈，而是休戚与

共的命运共同体，两国应相互平等相待，共同应对疫情时代复杂多变的世界局势，共享科技发展红利。

参考文献

［ 1］ 白俊红，张艺璇，卞元超，2022. 创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证

据［J］. 中国工业经济，（6）：61‑78.

［ 2］ 曹伟，冯颖姣，余晨阳，等，2022. 人民币汇率变动、企业创新与制造业全要素生产率［J］. 经济研究，57（3）：65‑82.

［ 3］ 曹霞，杨笑君，张路蓬，2020. 技术距离的门槛效应：自主研发与协同创新［J］. 科学学研究，38（3）：536‑544.

［ 4］ 成思危，2009. 论创新型国家的建设［J］. 中国软科学，（12）：1‑14.

［ 5］ 戴一鑫，胡沅洪，李杏，2022.“四维”创新体系协同与地区经济增长质量［J］. 技术经济，41（3）：13‑24.

［ 6］ 方慧，封起扬帆，周亚如，2021. 内外资企业技术距离与企业创新水平——基于知识产权保护的双向调节效应［J］. 产

业经济评论（山东大学），20（2）：19‑45.

［ 7］ 郭金花，陈鑫，郭檬楠，2022. 创新政策试点、要素集聚与城市全要素生产率增长［J］. 南京财经大学学报，（4）：

12‑22.

［ 8］ 胡洁，韩一鸣，钟咏，2022. 企业并购能否抑制经济“脱实向虚”——基于产业优化发展的视角［J］. 技术经济，41

（12）：144‑156.

［ 9］ 纪建悦，许瑶，刘路平，2022. 美国技术性贸易壁垒的新态势与中国的应对策略［J］. 国际贸易，（4）：4‑11.

［10］ 李勃昕，董雨，韩先锋，2021. 技术封锁是否会抑制中国创新发展？——基于国外技术引进和国内技术购买的对冲效

应解释［J］. 统计研究，38（10）：23‑37.

［11］ 李婧，杨修，2019. 技术距离对中国高技术产品贸易的影响［J］. 中国科技论坛，（10）：43‑51.

［12］ 梁经伟，钟世川，毛艳华，2022. 全球生产网络是否提升了全要素生产率？［J］. 北京工商大学学报（社会科学版），37

（4）：99‑112.

50

金泽虎等：科技遏制导向对中国创新发展构成威胁吗？

［13］ 刘冲，沙学康，张妍，2022. 交错双重差分：处理效应异质性与估计方法选择［J］. 数量经济技术经济研究，39（9）：

177‑204.

［14］ 刘兰剑，牟兰紫薇，2023. 国外技术管制政策对中国技术创新的影响实证研究［J］. 中国科技论坛，（2）：11‑19.

［15］ 刘志鹏，程燕林，代涛，等，2023. 技术依赖形成和影响经济安全的机制研究——基于技术经济安全视角［J］. 科学学

研究，41（6）：1006‑1013.

［16］ 罗长远，吴梦如，2022. 美国出口管制、技术距离与企业自主创新：基于 2010—2018 年中国上市公司数据的研究［J］.

世界经济研究，（10）：25‑39，135.

［17］ 吕健，2012. 产业结构调整、结构性减速与经济增长分化［J］. 中国工业经济，（9）：31‑43.

［18］ 曲如晓，李婧，杨修，2021. 国际人才流入、技术距离与中国企业创新［J］. 暨南学报（哲学社会科学版），43（6）：

91‑106.

［19］ 任胜钢，郑晶晶，刘东华，等，2019. 排污权交易机制是否提高了企业全要素生产率——来自中国上市公司的证据

［J］. 中国工业经济，（5）：5‑23.

［20］ 佘硕，王巧，张阿城，2020. 技术创新、产业结构与城市绿色全要素生产率——基于国家低碳城市试点的影响渠道检

验［J］. 经济与管理研究，41（8）：44‑61.

［21］ 史本叶，杨馥嘉 2022. 新冠疫情背景下中美贸易摩擦的演变与中国应对［J］. 武汉大学学报（哲学社会科学版），75（4）：

87‑99.

［22］ 宋国友，2019. 美国对华技术封锁在国际社会不得人心［J］. 人民论坛，（16）：25‑27.

［23］ 宋国友，张纪腾，2023. 战略竞争、出口管制与中美高技术产品贸易［J］. 世界经济与政治，（3）：2‑31，156.

［24］ 宋弘，孙雅洁，陈登科，2019. 政府空气污染治理效应评估——来自中国“低碳城市”建设的经验研究［J］. 管理世界，

35（6）：95‑108，195.

［25］ 孙海泳，2019. 美国对华科技施压战略：发展态势、战略逻辑与影响因素［J］. 现代国际关系，（1）：38‑45.

［26］ 王锋，葛星，2022. 低碳转型冲击就业吗——来自低碳城市试点的经验证据［J］. 中国工业经济，（5）：81‑99.

［27］ 王磊，戴建兵，张云昊，2022.“双循环”新发展格局下创新发展数字化转型机制研究［J］. 西安财经大学学报，（4）：

65‑73.

［28］ 肖宵，林珊珊，李青，等，2021. 知识距离和制度距离对新兴经济体企业创新追赶的影响研究——企业特征的双重调

节作用［J］. 管理评论，33（10）：115‑129.

［29］ 杨骞，陈晓英，田震，2022. 新时代中国实施创新驱动发展战略的实践历程与重大成就［J］. 数量经济技术经济研究，

（8）：3‑21.

［30］ 杨武，杨大飞，琚云，2019. 技术差距理论框架下产业技术安全测度研究——以 5G 移动通信产业为例［J］. 科技进步

与对策，36（8）：60‑67.

［31］ 于飞，苏彩云，徐正丽，2021. 研发模式、知识距离对企业绿色创新的影响［J］. 科技管理研究，41（13）：203‑210.

［32］ 余典范，王佳希，张家才，2022. 出口管制对中国企业创新的影响研究——以美国对华实体清单为例［J］. 经济学动

态，（2）：51‑67.

［33］ 余涛，2022. 美国司法长臂管辖权的演进逻辑［J］. 国际经济法学刊，（3）：75‑89.

［34］ 张亚莉，蒙琬婷，张海鑫，2022. 技术封锁事件对科研人员颠覆性技术创新投入行为的影响［J］. 科技管理研究，42

（7）：18‑23.

［35］ CALLAWAY B， SANT’ANNA P H， 2020. Difference‑in‑differences with multiple time periods［J］. Journal of

Econometrics，225（2）：200‑230.

［36］ GOODMAN‑BACON A，2021. Difference‑in‑differences with variation in treatment timing［J］. Journal of Econometrics，225

（2）：254‑277.

［37］ JACOBSON L S，LALONDE R J，SULLIVAN D G，1993. Earnings losses of displaced workers［J］. American Economic

Review，83（4）：685‑709.

［38］ QUINTANA‑GARCIA C，BENAVIDES‑V C A，2008. Innovative competence，exploration and exploitation：The influence

of technological diversification［J］. Research Policy，37（3）：492‑507.

［39］ ROSENBAUM，P R，RUBIN D B，1985. Constructing a control group using multivariate matched sampling methods that

incorporate the propensity score［J］. The American Statistician，39（1）：33‑38.

［40］ TURNER S F，BETTIS R A，BURTON R M，2002. Exploring depth versus breadth in knowledge management strategies［J］.

Computational and Mathematical Organization Theory，8（1）：49‑73.

51

技术经济 第 42 卷 第 8 期

Does Science and Technology Containment Orientation Pose

a Threat to China’s Innovation and Development？

Facts and Verifications Based on US Economic and Trade Policies Towards China

Jin Zehu，Qian Qian

（Economics School of Anhui University，Hefei 230601，China）

Abstract：In recent years，the United States has upheld a science and technology blockade strategy on China and imposed technology

blockade on the relevant high‑tech companies and related industries in accordance with the Regulations on Export Control（EAR），in

an attempt to restrain innovative development in our country. In this paper，panel data of listed companies were constructed according

to the entity list published by EAR. The time‑varying point DID model was used to study the actual impact of the US technology

blockade event on China’s innovation output，and the heterogeneity of processing effects that might exist in the model was considered.

The research shows that the science and technology blockade strategy of the United States inhibits Chinese innovation output in the

short term，but the relevant technology blockade measures have a negative role in promoting Chinese innovation output in the long

term. Secondly，science and technology containment will have an adverse impact on our innovation output by increasing technological

distance，decreasing output effect and reducing trade effect. In light of the current situation in China，China should unswervably

adhere to the strategic goal of innovative development. At the same time，China should actively make use of international cooperation

mechanisms to explore the possibility of establishing new economic and trade rules of the international community with other countries，

and respond to the impact of the US technology blockade on China’s innovative development in various ways.

Keywords：science and technology blockade；innovation output；technical distance；total factor productivity；treatment effect

heterogeneity

52

第 42 卷 第 8 期 技 术 经 济 2023年 8 月

李明真等：

服务于重大铁路项目决策的综合效益评价方法研究

李明真，张之峣，林晓言，李红昌

（北京交通大学 经济管理学院，北京 100044）

摘 要：重大交通基础设施项目可行性研究普遍重视基于成本和运量的经济评价，但统筹财务效益、经济效益、社会效益、环境

效益、安全效益的综合效益评价指标体系有待进一步构建，以服务于以重大铁路项目为代表的交通基础设施项目分类决策。

本文采用“案例法+聚类法+专家调查+扎根编码+反向试算”的多维多轮筛选方法，构建了铁路项目综合效益评价指标体系，包

含 5 个一级指标、11 个二级指标和 18 个三级指标；进一步结合“有限公益性”观点将指标体系分为内部效益指标和外部效益指

标，构建了铁路项目综合效益评价二维指标集，为服务于铁路项目决策，将评价结果划分为 5 类。最后分别选取东部、中部、西

部典型的重大铁路项目进行案例检验，以验证本文综合效益评价方法的科学性和有效性，评价结果依次为优秀、较好、谨慎，分

别对应优先建设、适度建设、择时建设的决策建议。因此，铁路项目综合效益评价指标体系和判别结果能够更好地反映不同类

别铁路项目特征，为科学决策提供服务，这也为《铁路建设项目经济评价方法与参数》（第四版）的编制提供了重要参考价值。

关键词：综合评价；铁路项目；决策服务；案例检验

中图分类号：F224；F530 文献标志码：A 文章编号：1002—980X（2023）8—0053—11

一、引言

从三峡工程到南水北调，从青藏铁路到京沪高铁，我国重大工程项目取得了一系列举世瞩目的成就。作

为现代化基础设施体系的重要组成，铁路等重大交通基础设施项目为国家和区域的经济建设、社会发展、民

生改善提供了强大保障，彰显“领跑”的大国实力。但同时，铁路项目的大规模、长周期、开放性、多元化，以及

新技术的普遍运用，使得铁路项目的复杂性越来越突出，延展性影响越来越显著。一旦失败，铁路项目风险

会基于系统网络的共生性、衍生性、派生性迅速传递为金融、经济乃至社会、政治风险，所以如何进行重大铁

路项目评价，服务铁路项目决策具有重要意义。我国重大交通基础设施项目可行性研究普遍重视基于成本

和运量的单一维度评价——经济评价，然而，越来越多的国际案例开始重视多维度的综合评价，例如，Laura

等（2016）从财务、经济、社会、环境和安全 5 个维度对意大利的铁路项目进行了多维度分析；Roger 等（2017）、

Wooseok 等（2020）及 Maria 等（2022）基于财务、经济、社会、环境分别对英国的高铁项目、加拿大的公路扩建

项目和葡萄牙的海上发电项目进行了综合评价；Dragan 等（2022）则是从财务、经济和技术对塞尔维亚的铁路

项目进行了综合分析。

铁路等重大基础设施项目具有显著且重要的技术、经济、社会、政治、环境等综合效益。在我国，既有的

《铁路建设项目经济评价方法与参数》重点在于财务评价及基于费用效益分析的经济评价结果，建设成本和

运量的预测值是关系财务和经济评价可行与否的关键变量。基于多国的案例研究表明，巨型交通基础设施

项目是“权谋准则”的产物，为了通过审批，在缺乏责任制和科学评价标准的环境下，在可行性研究中通过低

估建设成本、高估运量成为确保“可行”以通过评审的“惯用策略”（Flyvejerg，2005）。因此，要构建基于财务、

经济、技术、社会、政治、环境、文化等多维度效益的科学综合评价方法，缓解“财务经济效益‑社会效益”“短期

效益‑长期效益”“受益群体‑受损群体”“利益‑权力”等多重矛盾，是新时代铁路高质量发展研究的核心。

在 2022 年 4 月 26 日召开的中央财经经济委员会第十一次会议中提出，“构建现代化基础设施体系，实现

经济效益、社会效益、生态效益、安全效益相统一，服务国家重大战略，支持经济社会发展，为全面建设社会主

义现代化国家打下坚实基础”，而在这一过程中，“要注重效益，既要算经济账，又要算综合账，提高基础设施

全生命周期综合效益”。这进一步为本文的研究内容提供了重要思路，基于此，本文要解决的核心问题是如

收稿日期：2023‑05‑08

基金项目：国家高端智库重点项目“面向高质量发展的铁路深化改革重要问题研究——课题二铁路公益性补贴机制研究”（B21GY1300030）

作者简介：李明真，北京交通大学经济管理学院博士研究生，研究方向：技术经济，运输经济；（通讯作者）张之峣，北京交通大学经

济管理学院硕士研究生，研究方向：技术经济；林晓言，博士，北京交通大学经济管理学院教授，博士研究生导师，研究

方向：运输经济，技术经济；李红昌，博士，北京交通大学经济管理学院教授，博士研究生导师，研究方向：运输经济。

53

技术经济 第 42 卷 第 8 期

何构建综合效益评价指标体系以服务于重大铁路项目的分类决策。

二、铁路项目评价的相关研究

（一）中国铁路项目评价的发展历程

改革开放以后，伴随着社会主义计划经济向市场经济的转变，建设项目的融资方式呈现多元化的趋势，

社会资金大量流入原国家投资的大型建设项目（包括：钢铁厂、发电厂、化工厂、港口、铁路等），并且成为其资

金来源不可或缺的组成部分。与此同时，社会资金的持有者对获得较高项目收益的重视程度，使得经济评价

的重要性不断加深，而当时，我国的建设项目经济评价仍处于空白阶段。

1987 年，为了填补我国建设项目经济评价的空白，国家计委组织编制《建设项目经济评价方法与参数》

（国家计划委员会，1987），该书包含建设项目经济评价方法、中外合资经营项目经济评价方法、建设项目经济

评价参数及建设项目可行性研究经济评价案例四方面内容。该书在方法和参数仅作简单描述，主要通过运

用 13 个案例，对评价方法和参数进行模拟应用，为实际工作掌握和运用评价方法做了示范；1993 年，由国家

计委和建设部组织编制与修订的《建设项目经济评价方法与参数（第二版）》（国家计划委员会和建设部，

1993），其在真题构思上更加突出为社会主义市场经济服务的指导思想，同时提高了具体方法的科学性、实用

性和可操作性，在方法和参数解释上更加详细，尤其是财务评价参数的阐述，同时评价方法中增加交通运输

项目经济评价特点；2006 年，借鉴国际研究成果，国家发展改革委和建设部组织建设部标准定额研究所等单

位和专家编制并发表《建设项目经济评价方法与参数（第三版）》（国家发展改革委和建设部，2006），其方法主

要内容是将原先的国民经济评价修改为经济费用效益分析，同时增加区域经济与宏观经济影响分析，并且在

参数方面也进行了一定的调整。

从《建设项目经济评价方法与参数》这三版调整来看，国家对于建设项目的评价方法与参数的选定处于

一直不断调整的状态，不断地结合我国社会发展实际情况，结合改革后的税制，同时学习国外的研究成果，在

构建更完整、广泛、切实可行的经济评价方法与参数的路上不断前行。

与此同时，铁路项目也逐渐出现了国家与地方共同投资、企业参与、外资引入等多种融资方式，打破了原

有国家投资和铁道部门独资建设的格局。在新格局下，外界投资者对于铁路建设项目收益的重视程度加深，

同时也对铁路项目评价工作给予更多的关注。

1992 年，根据《建设项目经济评价方法与参数》，结合铁路项目建设特点，铁道部计划统计局和中国国际

工程咨询公司交通部共同编制并出版《铁路建设项目经济评价办法》（铁道部计划司和中国国际工程咨询公

司交通项目部，1993）（简称“办法一”），该办法内容主要涉及传统的财务评价、国民经济评价、不确定性分析

和方案经济比选。“办法一”以《建设项目经济评价方法与参数》为基础，结合铁路建设项目编制，整理了铁路

建设项目经济评价的大体框架，有关具体参数的描述和使用则较为概括，用国内投资、利用外资新建铁路经

济评价和运营铁路技术改造经济评价三个计算案例展示了如何使用该办法进行不同项目的经济评价，为实

际工作的掌握和运用该评价办法做了示范。

1997 年，为了使评价办法更加符合新的财税制度和社会主义市场经济，参照《建设项目经济评价方法与

参数（第二版）》，铁道部计划司、中国国际工程咨询公司交通项目部和国家开发银行原交通信贷局共同组织

编写并出版《铁路建设项目经济评价办法（第二版）》（铁道部计划司和中国国际工程咨询公司交通项目部，

1997）（简称“办法二”）。与“办法一”相比，“办法二”对于铁路建设项目评价的大体框架没有发生明显变化，

但在部分经济指标上有所调整。其中，有关财务评价，盈利能力指标增加资本金净利润率，删除动态投资回

收期和财务净现值率，偿债能力指标增加流动比率和速动比率。此外，“办法二”在财务评价中给出了客流量

预测、项目在建设期和运营期完整的投资和成本估算，以及基本财务报表的编制说明，进一步规范了铁路建

设项目评价的内容。

2012 年，为了进一步适应铁路建设与发展的需要，促进并规范铁路项目的经济评价工作，铁道部计划司

等基于我国铁路行业特点，结合国际经验，再次共同组织编制并出版《铁路建设项目经济评价方法与参数》

（中华人民共和国住房和城乡建设部等，2012）（简称“方法与参数”）。“方法与参数”在评价内容上有了较大程

度的调整，包括财务分析、经济费用效益分析、费用效果分析、区域经济与宏观经济影响分析、不确定性分析

与风险分析和方案经济比选。与“办法二”相比，“方法与参数”的主要变动包括：一是，调整财务指标，盈利能

54

李明真等：服务于重大铁路项目决策的综合效益评价方法研究

力指标增加净资产收益率（ROE）和投资回报率（ROI），偿债能力指标增加利息备付率（ICR）、偿债保障比

（DSCR），删除流动比率和速动比率，增加衡量生存能力指标，包括净现金流量和累计盈余资金；二是，将“国

民经济评价”调整为“经济费用效益分析”，从资源合理配置的角度，考察项目费用和效益的基础上，评价项目

的经济合理性；三是，增加费用效果分析、区域经济与宏观经济影响分析和风险分析①。具体如图 1 所示。

ICM,

@flffi

flK

IC@M,3\"@

0 .3\" +

B/+>!

B@U

 +6U

&.062 0T
UUBffiF\"(U

 6U

U\"!(E!(U

!3\"@

-ffi

3\"ffl!E

B@U

 +6U2/%2/)

 6U\"!(E!(

U *6U(F\"F2@+BFU

3\"B*+ffiU2\"#

UB*ffiffiU0#!#2%# U

U

>3\" ffiU

-ffi

ffl3\"!E

B@U

 +6U

&.06&)220T0T
&.062

B\"(B/(

 6U0D

!3\"@U%)22%.06

-ffi

ffl3\"!E

EICM,3\"@BFU P

0.



GK-/ffiU(ffi@2

E=4

 

IC@M,3\"@\" IC@M,3\"@\"

U0'U

IC@M,3\"@\"

（）中为与前一版相比的新增指标，带有“删除线”的指标为与前一版相比的为删减指标。此外，FNPV 为财务净现值；FIRR 为财务内部收益率；

Pt为静态投资回收期；Pt'为动态投资回收期；FNPVR 为财务净现值率；Pd 为还本付息额；ENPV 为经济净现值；EIRR 为经济内部收益率；

RBC为经济效益费用比

图 1 铁路项目评价发展历程

从三版评价内容的调整来看，我国对于铁路项目经济评价的方法和指标都在不断地调整和丰富，以我国铁

路实际出发，结合国际理论和经验，构建并规范我国铁路项目经济评价体系，为投资者提供更丰富、可靠的信息。

（二）铁路项目评价的文献综述

“办法一”出版后，基于市场化和投资者需求的大背景下，我国学者对铁路评价开展了更积极的讨论和研

究。二十多年来，无论是铁路评价维度和内容，还是其指标体系和方法的运用，随着研究的深入，实现了多

维、全面和科学的发展。本文以“铁路评价”为主题词对知网期刊文献进行搜索，搜索范围涉及的文献分类目

录为“哲学与人文科学”“社会科学”“信息科技”和“经济与管理科学”，最终获得相关文献 586 篇，研究时间范

围大多集中在 2006—2016 年。本文采用 VOSviewer 软件绘制了关键词网络图，如图 2 所示。

1. 评价维度：后评价—经济评价—综合评价

铁路评价体系是不断进步和完善的，由于效果是铁路建设项目最关心的问题，而后评价是提供反馈信息

的重要途径，学者们认为开展后评价对铁路项目后期的改进和发展是非常必要的，从而开始构建后评价的运

行机制和具体内容，并且衍生出许多方法。张飞涟等（2002）基于运价波动，建立了铁路项目经济后评价随机

风险模型，并运用实例进行分析和计算。随着铁路建设项目的市场化发展，外部投资者越来越多，关注的重

点逐渐转移到经济效益上来，平野卫等（2001）结合京沪高速铁路运量预测，对不同建设方案的经济效益进行

分析。随着铁路社会效益的逐渐显现，经济效益对于其衡量力度过于单薄，在进行经济评价的同时，学者们

意识到要辅之以多目标综合评价以克服其单一性和局限性。吴小萍和詹振炎（2001）基于灰色和模糊集理

论，构建了铁路方案多目标综合评价模型来对运输通道方案进行综合评价。

① 费用效果分析是通过比较项目效果与费用，判断其经济合理性，常用基准投资回收期（PC）、平均成本（AC）、效果费用比（RE/C）和费用效果

比（RC/E）四项指标，以及增量分析法等进行判断。区域经济与宏观经济影响分析，是分析拟建项目对所在地至运输服务涉及地甚至更大范

围区域经济和对国家宏观经济的影响，其指标体系由经济总量指标、经济结构指标、社会与环境指标和国力适应性指标构成。风险分析则

是估计风险因素的可能性和对项目的有影响程度，一般采取定量与定性结合的方法。

55

技术经济 第 42 卷 第 8 期

     

图 2 “铁路评价”搜索的关键词网络图

2. 评价指标：从单一指标向多维指标体系转变

在研究初期，学者们率先提出某一类指标来对铁路项目进行单一维度评价，其中最多的是经济效益指

标，黄凤雕（1995）提出用销售利润率等财务指标来衡量铁路的经济效益。但单一维度的解释力度过于薄弱，

于是学者们开始探索构建评价铁路项目的指标体系。李文兴（2003）根据多层次模糊数学模型，构建了用来

综合评价铁路运价的指标体系。张飞涟和黄玉刚（2007）在经济、社会、环境、技术可持续和协调发展基础上

构建了由 28 个指标构成的铁路项目可持续发展的指标体系。

3. 评价方法：简单—复杂—组合

在评价体系不断规范和发展的过程中，学者们对铁路项目综合评价方法也进行了诸多研究。王清峰和

梁清槐（2006）根据灰色系统理论关联度和层次分析法，对铁路项目进行决策分析和方案优化；陈有孝和林晓

言（2006）采用层次分析法提出了国土开发型铁路投资效果评价指标体系权重确定的思路；林晓言（2009）基

于系统动力学模型对铁路项目的宏观经济效益进行了评价。陈团生（2009）利用交叉数据包络分析法提出了

铁路项目运营的绩效评价方法；王德占等（2011）采用模糊综合评价法，在有关影响因素评判因素集的基础

上，建立模糊关系矩阵，对铁路专用线优化整合进行研究；林晓言和马涛（2012）提出了铁路移动装备投资效

益的生产函数方法；李强等（2017）运用层次分析法，将铁路 public‑private partnership（PPP）项目分为政策法

律风险、经济风险、建设风险、运营风险和环境风险五种类型，建立评价指标体系，评价风险因素。周承汉

（2016）提出基于三角模糊数的高速铁路线站位多方案比选的决策方案，解决了高速铁路选线中线站位方案

比选的问题。何景师等（2020）提出熵权‑AHP 混合约束的数据包络分析法，该方法的决策变量是风险发生概

率和后果。

4. 评价对象和内容：铁路项目—高速铁路—服务质量

随着研究的深入，铁路项目综合评价的研究对象，从项目自身拓展到更广泛意义的评价。李京文等

（2017）从经济性指标、资源性指标、管理能力指标、国际影响力指标和技术创新指标五方面构建中国铁路企

56

李明真等：服务于重大铁路项目决策的综合效益评价方法研究

业国际竞争力的综合评价指标体系。赵栋煜等（2020）借鉴绩效感知服务质量度量（SERVPERF）模型的有形

性、可靠性、响应速度、信任和移情作用 5 个维度，与旅客感知服务流程相结合，以西南地区的 11 个客运站和

20 列列车为例，基于综合主成分分析法建立了铁路客运服务质量评价模型。唐娟娟等（2021）通过与同类工

程对比，提出由工程本体绿色、建造过程绿色、绿色创新效益、绿色文化治理和绿色示范贡献五方面构成的评

价指标体系。任福民等（2013）依据生命周期评价理论，提出了铁路建设生命周期 CO2排放量的评价框架和

办 法 。 汤 飞 等（2022）建 立 铁 路 领 域 科 技 创 新 平 台 评 价 指 标 体 系 ，提 出 基 于 principal component analysis

（PCA）‑灰色聚类综合评价方法模型。

综上所述，铁路项目的评价研究在近二十年得到了飞速发展，在评价维度实现了从后到前、单一到全面

转变的同时，评价指标实现了由单一指标向评价指标体系过渡，而评价方法涵盖的类型和内容也逐渐丰富，

内容也不再局限于铁路项目本身，更多地开始考虑包含客运服务质量等更广泛意义在内的铁路项目评价。

但现有研究中，鲜少涉及三个维度：一是铁路项目综合评价指标选取的科学性，即依据是什么？二是评价方

法的合理性，即如何结合指标体系进行合理评价？三是评价结果应用，即如何将评价结果与服务铁路项目决

策相挂钩？而最为关键的是并没有在根本上考虑铁路项目综合评价的出发点，当传统财务评价结果与铁路

项目的正外部效益发生冲突时，如何评价并进行决策。本文将围绕这三个方面展开创新性研究。

三、综合效益评价指标体系构建

（一）案例研究和聚类分析

本文选取了三条具有典型性的重大铁路项目进行案例分析，分别是京九铁路、青藏铁路和京沪高铁，同

时采用聚类分析法从中归纳总结铁路项目综合效益所涉及的评价维度和指标，见表 2。

表 1 典型铁路项目综合效益分析

主要维度

财务效益

经济效益

社会效益

环境效益

对国家重大战

略的支撑作用

京九铁路

运营收入：客运收入、货运收入

运输支出：运营成本、营业支出

利润：平均成本利润率、营业利润率

地区经济增长：工业化

地区产业发展：主要农产品产量、农

林牧业总产值

城镇化建设：城市化率、城镇化增长

率、第三产业增长率

就业增加：外出务工人数、外出务工

收入、返乡创业人数

社会进步

土地资源：节约土地资源

能源节约：燃油耗费量

环境压力：污染物排放系数、水环境

污染、固体废物污染

国防建设：部队快速投送、保障重大

军事活动需要

青藏铁路

区域经济增长：经济发展水平（GDP 增长指数、地

区生产总值）、区域经济联系（进出藏物资量；进出

藏旅客量）

经济结构变动：产业结构变动、工业化进程

区域开放经济：入境旅游者人数、旅游外汇收入

产业经济：产业结构升级、旅游业发展

民生改善：人口数量，生活条件，人均寿命

就业：就业水平，人均收入水平

交通安全：交通事故

文化发展：民族文化交流

科技进步：新技术开发、应用和推广

节能减排：能源消耗、碳排放量

污染防治：水污染、大气污染、噪声和振动污染、固

体废弃物污染

生态环境：野生动植物保护、水土保持和湿地保

护、冻土环境

国防政治：后勤供给、民族团结、国家主权

京沪高铁

运营效益：营业收入、净利润、旅客发送量、

货物发送量

经济结构：产业布局、产业结构、旅游业

促进城市化：高铁新城、高铁新区

带动就业：就业数量

提升生活质量：共享优质公共资源

节能减排：碳排放量、能源消耗

污染防治：水污染、噪声和振动污染、污染物

排放

耕地保护：节约集约用地

生态环境：水土保持和湿地保护、景观保护

京津冀协同发展：区域可达性、区位优势、产

业升级转移

构建长江经济带：产业互通、世界级城市群

资料来源：孙永福（2008，2018，2021）。

三个案例的对比分析结果表明经济效益、社会效益和环境效益是铁路项目对经济社会发挥重大作用的

集中体现，不同的是对经济效益的理解和范围划分，例如京九铁路项目的研究中将财务效益和经济效益区分

开来，青藏铁路弱化了财务效益评价结果，京沪高铁则将财务效益归属于经济效益中，本文认为财务效益是

围绕铁路项目自身进行评价，即供给者效益，而经济效益则更加强调铁路项目建设对旅客和沿线地区的经济

效应影响，因此应该将二者进行区分。

铁路等重大基础设施发展对国土空间开发保护、生产力布局等国家重大战略的支撑具有强化作用。京

九铁路和京沪高铁集中体现在国防建设，京沪高铁则更加强调区域经济协同发展，因此在综合评价中定性结

合铁路项目建设目标也十分重要。

（二）专家咨询和数据处理

此外，针对本文的研究主题进行了多次专家咨询。其中，直接专家咨询包括对国铁集团、铁路局、铁路研

57

技术经济 第 42 卷 第 8 期

究院等相关负责人的访谈记录和调研总结报告等；间接专家咨询包括铁路行业发展的相关政策、政府公告文

件、公开文献等。借鉴扎根理论的数据编码方法，本文对案例分析结果和专家咨询结果进行数据处理。

1. 开放性编码：数据的录入与处理

对案例分析和专家咨询的研究结果进行整理和提取，完成数据信息概念化和初始范畴化，见表 2。

表 2 开放式编码过程（部分）

原始资料

铁路项目作为一种投资项目，需要从项目层面考虑该项目到底能实现多大的直接经济效益，以满足投资

人的信息需要（a06）；铁路项目建设的重要目标之一是推动沿线区域的经济发展，因此在项目经济评价过

程中，要考虑项目对沿线区域产生了何种直接经济效益（a12）；鉴于实用性原则，仍需要采纳《建设项目经

济评价方法与参数》中的经典经济评价指标，如财务净现值、财务内部收益率及投资回收期等，这样才能

满足实际工作需要（a27）

铁路对社会公平的影响，如带来民众出行便利度的提高等，这是传统的铁路项目评价都要兼顾考虑的指

标（b16）；铁路项目建设对就业的影响是具有普惠性质的（b24）

铁路项目的安全性高是得到肯定的，且这种影响是具有全社会性质的，国防更是不容忽视（c19）

开放式编码

概念化

a06 供给者效益

a12 区域经济增长

a27 财务指标

b16 运输服务公平

b24 直接就业增加

c19 国防建设

范畴化

A1 财务效益：a06；a27

A2 区域经济效益：a12

B1 公平效益：b16

B2 普惠效益：b24

C1 国防安全：c19

2. 主轴编码：二级指标体系

对所有的研究结果进行开放性编码以后，概念化和范畴化编码的内在逻辑关系并未完全建立起来。因

此，本文进一步对开放性编码进行整理，将其划分为 18 个子范畴，将这些子范畴置于铁路项目综合效益评价

的背景中，对比分析各范畴在铁路项目综合效益评价过程中存在的功能和作用，提取出供给者效益、使用者

效益、区域经济效益、公平效益、就业效益、城镇化效益、土地节约效益、能源节约效益、减排降噪、交通安全、

国防安全共计 11 个主要范畴。

3. 选择性编码：铁路项目综合评价指标内容

在主轴编码的基础上，进一步提取确定“财务效益”“经济效益”“社会效益”“环境效益”和“安全效益”为

铁路项目综合效益评价的核心范畴。因此，铁路项目综合效益评价的内容和目标可以概括为：在考虑铁路项

目财务效益、经济效益、社会效益、环境效益和安全效益的基础上进行综合效益评价，并将评价结果服务于铁

路项目的分类决策。

（三）铁路项目综合效益评价指标体系

在上述所有工作的基础上，铁路项目综合效益评价指标体系见表 3。

表 3 铁路项目综合效益评价指标

一级指标

（核心范畴）

财务效益

经济效益

社会效益

二级指标

（主要范畴）

供给者效益

使用者效益

区域经济效益

公平效益

就业效益

城镇化效益

三级指标

（子范畴）

财务内务收益率 a

；财务净现值 a

时间节省价值 a

；运费节约价值 a

；

旅客舒适度提高 a

；货物运输破损减少 a

GDP；产业结构

基础设施公平；运输服务公平

就业增加

城镇化率

一级指标

（核心范畴）

环境效益

安全效益

二级指标

（主要范畴）

土地节约

能源节约

减排降噪

交通安全

国防安全

三级指标

（子范畴）

土地节约价值

能源损耗减少 a

碳排放减少 a

；降低噪声 a

交通安全事故减少 a

国防建设

注：a 类指标的内容选取来自《铁路建设项目经济评价方法与参数》（第三版），其他指标的具体设计思路通过对中国铁路经济规划研究院、铁一院、

铁三院和北京交通大学的相关专家进行问卷调查整理而来。

四、指标计算与评价方法介绍

（一）财务评价和国民经济评价类指标

本文是在铁路项目现行的财务评价和国民经济评价的基础上，综合考虑铁路项目的财务效益、经济效

益、社会效益、环境效益和安全效益，因此部分指标内容选取来源于铁路项目可研报告中使用的评价指标，例

如，财务内部收益率、财务净现值、时间节省价值、运费节约价值、旅客舒适度提高价值、货物运输破损减少价

值、交通安全事故减少价值、能源损耗减少价值、碳排放减少价值和降低噪声价值，共计 10 个指标。上述指

标的具体计算方法可参照《铁路建设项目经济评价方法与参数》。

58

李明真等：服务于重大铁路项目决策的综合效益评价方法研究

（二）公式计算法

本文对“国防建设”“基础设施公平”和“运输服务公平”采用公式法计算，见表 4。

表 4 指标计算方法（部分）

指标

国防建设

基础设施公平

运输服务公平

公式

专家打分法

基础设施公平指数=沿线区域人均 GDP 与全国人均 GDP 比重×沿线

地区人均铁路里程占全国人均铁路里程比重

运输服务公平指数=沿线区域人均可支配收入与全国人均可支配

收入比重ד无”项目时沿线区域出行成本与“有”项目时沿线区域

出行成本

依据

问卷调查

铁路基础设施公平属于机会公平，衡量的是不同地区之

间铁路项目建设的公平性

铁路运输服务公平属于结果公平，衡量的是不同地区之

间铁路运输服务对于地区带来的公平性

注：基础设施公平指数和运输服务公平指数均属于负向指标。对于跨省（自治区）的铁路项目，用省（自治区）的数据计算；对于省（自治区）内的铁

路项目，用沿线地级及以上行政区的数据计算。

（三）系统动力学方法预测

基于“有无”对比的研究思想，“GDP”“产业结构”“就业增加”和“城镇化率”指标的计算思路是：与“无”铁

路项目相比，“有”铁路项目时带来的增加值。其中，GDP 采用沿线地区各年平均数据；产业结构为第二产业

增加值和第三产业增加值占地区 GDP 的比重；就业增加表示铁路建设和运营对沿线地区带来的就业岗位增

加；城镇化率采用沿线地区各年平均数据。

本文采用系统动力学模型②对上述指标数据进行预测计算。

（四）模糊综合评价

模糊综合评价方法是一种运用模糊变换原理分析和评价模糊系统的方法，其优点是“模糊推理为主的定

性和定量相结合”与“精确与非精确相统一”，在大型基础设施综合评价过程中应用十分普遍，本文的主要研

究目标是构建铁路项目综合效益评价指标体系，因此采用较为成熟的模糊综合评价方法对目标案例进行评

价。具体流程见表 5。

表 5 铁路项目模糊综合评价方法流程③④

1. 评判集及其标准

2. 指标隶属度计算③

3. 权重矩阵

4. 模糊综合判断矩阵

5. 模糊综合评价结果

根据铁路项目各个指标的计算结果，将每个指标的评价结果从高到低划分为三个等级标准，形成评判集 V=｛v1，v2，v3

｝，v1、v2、v3

依次对应较好、一般、较差 3 个评判等级

首先采用直线型无量纲化方法进行数据预处理，所有经过无量纲化处理的指标取值范围均为［0，1］。经过梳理已有研究成果和专

家咨询结果，在评判集量化方面，本文采用 1 分制等级区间划分方法，即区间（0.7，1）对应等级“较好”，区间（0.3，0.7）对应等级“一

般”，区间（0，0.3）对应等级“较差”。将定量指标的无量纲化值代入各个评价指标等级的隶属度函数，计算各个指标的隶属度

通过层次分析法确定各层指标的权重矩阵④

综合定量指标隶属度表可以得到铁路项目经济效益、社会效益和环境效益的判断矩阵及铁路项目外部效益评价的判断矩阵

根据权重矩阵和模糊综合判断矩阵，计算铁路项目的模糊综合得分

五、综合效益评价结果判别

（一）内部效益和外部效益

铁路行业固有特征决定了铁路项目的公益属性，为结合铁路行业特点，本文参考林晓言等（2018）研究成

② 根据沿线区域历史数据，包括 GDP、一二三各产业增加值、总人口、城镇人口数、就业人口、一二三各产业就业人口、铁路投资额、铁路客发

量、铁路货发量、铁路营业里程、人均可支配收入，预测该铁路项目对沿线区域影响。

③ 在指标隶属度计算中，X隶属于“较好”“一般”和“较差”等级的隶属函数分别为：A( x ) =

ì

í

î

ï

ï

ï

ï

1， xˉi ≥ 0.85

xˉi - 0.5

0.35 ，0.5 ≤ xˉi < 0.85

0， xˉi < 0.85

，A( x ) =

ì

í

î

ï

ï

ï

ïï

ï

ï

ï

ï

ïï

ï

0， xˉi ≥ 0.85

xˉi - 0.5

0.35 ，0.5 ≤ xˉi < 0.85

0.5 - xˉi

0.35 ，0.15 ≤ xˉi < 0.5

0， xˉi < 0.15

，

A( x ) =

ì

í

î

ï

ï

ï

ï

0， xˉi ≥ 0.5

xˉi - 0.5

0.35 ，0.15 ≤ xˉi < 0.5

1， xˉi < 0.15

。

④ 本文采用层次分析法确定各层指标权重，主要过程如下：第一发放《**铁路综合效益评价指标权重专家打分表》，每个铁路项目，最少发放

三份；第二收回《**铁路综合效益评价指标权重专家打分表》，计算不同铁路项目综合效益各级指标权重。因此，针对不同的铁路项目，其

指标权重不同。

59

技术经济 第 42 卷 第 8 期

果，基于“有限公益性”观点进一步将铁路项目

综合效益评价指标体系划分为内部效益指标

和外部效益指标，如图 3 所示。

（二）铁路项目综合效益判别过程

1. 内部效益判别

根据专家座谈结果讨论，本文将内部效益

判别结果划分为三类，分别为“良好”“可持续”

和“不可持续”，具体判别标准见表 6。

2. 外部效益判别

根据模糊综合评价分类方法，铁路项目的外

部效益判别结果包括“较好”“一般”和“较差”，对

应外部效益指数 E 分别为“1”“0”和“-1”。

3. 综合效益判别

根据铁路项目内部效益和外部效益评价

结果，计算铁路项目的综合效益，用铁路项目

综合效益评价集来表示：

C = 铁路项目综合效益评价集 =｛内

部效益，外部效益｝=｛I，E｝

对内部效益和外部效益的不同情况进行

组合，存在以下 6 种情况，如图 4 所示。

最终，铁路项目综合效益评价结果可以划分

为“优秀”“良好”“一般”“谨慎”和“拒绝”5个维度，

分别对应的决策建议为“优先建设”“适度建设”

“审时建设”“择时建设”和“暂缓建设”。对于财

务不可行的个别铁路项目，如果服务国家重大战

略需要，则综合评价结果升格一级，并由国家投

资，企业运营，并补贴运营亏损。

六、铁路项目综合效益评价的实证检验

本文选取了东部、中部、西部的三条典型的重大铁路项目，分别为铁路 A、铁路 B 和铁路 C，对本文构建的

综合效益评价指标体系进行反向试算。

（一）指标检测结果

首先计算三条铁路的 18 个三级指标的取值，具体见表 7。

表 7 三级指标计算结果

指标

财务内务收益率（%）

财务净现值

时间节省价值

运费节约价值

旅客舒适度提高

货物运输破损减少

铁路 A

7.11

1028.25

551.36

-502.22

50.22

—

铁路 B

-3.41

-2556.43

184.79

107.88

10.11

8.56

铁路 C

-1.88

-458.56

163.35

16.44

4.68

—

指标

GDP

产业结构（%）

基础设施公平

运输服务公平

就业增加

城镇化率（%）

铁路 A

7473.48

0.08

0.85

0.96

2159.22

1.4500

铁路 B

2796.80

0.21

0.55

0.26

44.43

0.4000

铁路 C

116.16

0.0011

0.46

0.33

17.02

0.0098

指标

土地节约价值

能源损耗减少

碳排放减少

降低噪声

交通安全事故减少

国家建设

铁路 A

0.04

0.37

16.77

1.45

2.30

3.1

铁路 B

0.06

5.83

5.43

0.01

0.17

4.9

铁路 C

0.03

1.12

4.72

0.00

0.13

3.0

注：“国家建设”采用专家打分法，满分为 5 分；此外，除“财务内部收益率”“产业结构”“基础设施公平”“运输服务公平”和“城镇化率”指标，其他指标

均为货币化指标，单位为“亿元”。

（二）综合效益评价结果

根据模糊综合评价流程分别计算铁路 A、铁路 B 和铁路 C 的外部效益，并基于财务内部收益率进行内部

效益评价，最终计算得到三条铁路的综合效益评价集，见表 8。

DEE

*

*

F+

F+

4 @

B+

3\"+U.+U

(

+U+

DEEffiC+



DEE39\"

 

图 3 “有限公益性”视角下铁路项目综合效益识别

表 6 内部效益判别

判别依据

IRR≥IRR 行业

0=<IRR<IRR 行业

IRR<0

判别结果

良好

可持续

不可持续

内部效益指数 I

1

0

-1

.

7

7

7

7

7

A

A

&

*

UUU

UUU

UUU UUU

UUU UUU

UUU

4

UUU UUU F

*0

图中圆的颜色由深到浅分别表示“优秀、良好、一般、谨慎、拒绝”

图 4 铁路项目综合效益评价结果

60

李明真等：服务于重大铁路项目决策的综合效益评价方法研究

表 8 综合效益评价结果

判别指标

财务内务收益率（%）

模糊综合评价

综合效益评价集

铁路 A

7.11

（0.6141，0.0478，0.3381）

｛1，1｝

铁路 B

-3.41

（0.6324，0.0695，0.3092）

｛-1，1｝

铁路 C

-1.88

（0.2607，0.6610，0.0874）

｛-1，0｝

注：模糊综合评价结果括号内的三个值分别对应目标铁路项目外部效益评价结果分别为“较好”“一般”和“较差”的可能性；综合效益评价集括号内

的两个值分别对应内部效益和外部效益评价结果。

（三）综合效益评价的判别结果

根据综合效益评价结果，确定三条铁路项目的判别结果，结果见表 9。

表 9 铁路项目综合效益评价结果

决策过程

评价结果

决策建议

判别依据

铁路 A

优秀

优先建设

铁路 A 财务良好，外部的经

济、社会、环境和安全效益综

合良好，属于“优先建设”类

项目

铁路 B

较好（一般）

适度建设

铁路 B 的财务为“不可持续”，具有较好的经济、社会、环境和安

全效益，根据图 4 的综合评价结果，为“一般”，但该铁路项目对

维护国家安全、缩小区域发展差距具有重要意义，属于国家重

大战略决策，因此，最终综合效益评价结果为“较好”

铁路 C

谨慎

择时建设

铁路 C 的财务为“不可持续”，而外部的经

济、社会、环境和安全效益综合一般，应结

合区域经济社会发展阶段，“择时建设”

七、结论

作为现代化基础设施体系的重要组成，我国铁路等交通基础设施项目建设取得了举世瞩目的成绩，其承

载的社会责任也日益凸显，然而成本低估、运量高估的普遍现象使得传统的财务评价和国民经济评价并不能

为铁路项目的建设决策提供有效依据。因此，如何构建多维度的综合效益评价体系和方法，缓解铁路发展的

多重矛盾，是新时代铁路高质量发展研究的核心。本文的主要研究结果如下。

系统梳理了中国铁路项目评价的发展历程和主要研究结果。发现：①随着社会主义计划经济向市场经

济的转变，铁路项目逐渐出现了国家与地方共同投资、企业参与、外资引入等多种融资方式，打破了原有国家

投资和铁道部门独资建设的格局，我国关于铁路项目评价的方法和指标始终在动态调整，为项目相关利益主

体提供更加丰富和可靠的信息；②学术界关于铁路项目评价的研究也取得了巨大进展，在评价维度实现了从

后到前、单一到全面转变的同时，评价指标实现了由单一指标向评价指标体系过渡，而评价方法涵盖的类型

和内容也逐渐丰富，内容也不再局限于铁路项目本身，更多地开始考虑包含客运服务质量等更广泛意义在内

的铁路项目评价。

关于指标筛选方法，本文综合采用了“案例法+聚类法+专家调查+扎根编码+反向试算”的多维多轮筛选

方法，构建了“财务效益”“经济效益”“社会效益”“环境效益”和“安全效益”5 个一级指标，11 个二级指标和 18

个三级指标。

基于“有限公益性”观点，将铁路项目综合效益评价指标体系划分为内部效益指标和外部效益指标，解决

了当铁路项目财务评价与其正外部效益相互矛盾时如何决策的现实问题。本文分别采用传统财务评价方法

和模糊综合评价方法，构建了铁路项目的内部效益指数和外部效益指数，最终采用综合效益评价集 C 表示铁

路项目综合效益评价结果，最终将铁路项目的综合评价结果划分为“优秀”“良好”“一般”“谨慎”和“拒绝”五

个层次，对应的决策建议分别为“优先建设”“适度建设”“审时建设”“择时建设”和“暂缓建设”。

验证综合效益评价方法的科学性和有效性。本文选取东、中、西部典型的重大铁路项目（铁路 A、铁路 B

和铁路 C）进行反向试算。评价结果表明：铁路 A 具有良好的财务效益，外部的经济、社会、环境和安全效益

综合良好，属于“优先建设”类项目；铁路 B 的财务为“不可持续”，但具有较好的经济、社会、环境和安全效益，

与此同时该铁路项目对维护国家安全、缩小区域发展差距具有重要意义，属于国家重大战略决策，综合效益

评价结果为“较好”；铁路 C 的财务为“不可持续”，而外部的经济、社会、环境和安全效益综合一般，综合效益

评价结果为“谨慎”，应结合区域经济社会发展阶段，“择时建设”。这与铁路管理部门的前期决策结果基本

吻合。

因此，本文构建铁路项目综合效益评价指标体系和判别结果能够较好地反映不同类别铁路项目特征，服

务于铁路项目决策，有利于明确中央和地方政府在铁路项目建设中的财权事权，为《铁路建设项目经济评价

方法与参数》（第四版）的编制提供重要的参考价值。

61

技术经济 第 42 卷 第 8 期

参考文献

［ 1］ 陈团生，2009. 基于交叉数据包络法的铁路运营绩效评价［J］. 北京交通大学学报（社会科学版），8（1）：51‑55.

［ 2］ 陈有孝，林晓言，2006. 国土开发型铁路投资效果评价指标体系权重确定方法研究［J］. 北京交通大学学报（社会科学

版），（4）：8‑14.

［ 3］ 国家发展改革委，建设部，2006. 建设项目经济评价方法与参数（第三版）［M］. 北京：中国计划出版社 .

［ 4］ 国家计划委员会，1987. 建设项目经济评价方法与参数［M］. 北京：中国计划出版社 .

［ 5］ 国家计划委员会，建设部，1993. 建设项目经济评价方法与参数（第二版）［M］. 北京：中国计划出版社 .

［ 6］ 何景师，戴航，刘小慧，2020. 基于熵权‑AHP 混合约束 DEA 法的铁路车务行车风险评价研究［J］. 铁道运输与经济，

42（9）：99‑105.

［ 7］ 黄凤雕，1995. 关于铁路经济效益评价指标的探讨［J］. 广西会计，（9）：24‑25.

［ 8］ 李京文，李富强，万相昱，2017. 中国铁路企业国际竞争力评价研究［J］. 中国工程科学，19（5）：68‑73.

［ 9］ 李强，韩俊涛，王永成，等，2017. 基于层次分析法的铁路 PPP 项目风险评价［J］. 铁道运输与经济，39（10）：7‑1130.

［10］ 李文兴，2003. 我国铁路运价评价体系的研究［J］. 数量经济技术经济研究，（7）：67‑71.

［11］ 林晓言，2009. 基于系统动力学模型的铁路建设项目宏观经济效益评价［J］. 技术经济，28（8）：54‑59.

［12］ 林晓言，罗燊，2018. 轨道交通公益性与经营性平衡新模式［M］. 北京：社会科学文献出版社 .

［13］ 林晓言，马涛，2012. 基于生产函数的铁路移动装备投资效益评价［J］. 技术经济，31（12）：90‑95，109.

［14］ 平野卫，伊东诚，本多均，等，2001. 京沪高速铁路建设项目经济效益的研究［J］. 中国铁路，（1）：34‑36.

［15］ 任福民，郭鑫楠，梁锐，等，2013. 铁路建设生命周期二氧化碳排放评价［J］. 北京交通大学学报，37（1）：115‑119.

［16］ 孙永福，2021. 京沪高速铁路对经济社会发展重大作用研究［M］. 北京：中国铁道出版社 .

［17］ 孙永福，2008. 京九铁路对经济社会发展重大作用研究［M］. 北京：经济管理出版社 .

［18］ 孙永福，2018. 青藏铁路工程论文集［M］. 北京：中国铁道出版社 .

［19］ 汤飞，赵方，宁雪，等，2022. 铁路领域科技创新平台评价研究‑基于 PCA‑灰色聚类综合评价模型［J］. 北京交通大学

学报（社会科学版），21（3）：124‑136.

［20］ 唐娟娟，伍军，王孟钧，等，2021. 绿色铁路工程评价研究的系统回顾与指标探索［J］. 铁道工程学报，38（9）：74‑80.

［21］ 铁道部计划司，中国国际工程咨询公司交通项目部，1993. 铁路建设项目经济评价办法［M］. 北京：中国计划出版社 .

［22］ 铁道部计划司，中国国际工程咨询公司交通项目部，国家开发银行交通环保评审局，1997. 铁路建设项目经济评价办

法（第二版）［M］. 成都：西南交通大学出版社 .

［23］ 王德占，李雪飞，郎茂祥，2011. 模糊综合评价法在铁路专用线优化整合中的应用［J］. 铁道运输与经济，33（1）：

22‑26.

［24］ 王涛峰，梁清槐，2006. 新建铁路项目的综合评价与决策分析［J］. 铁道运输与经济，（1）：78‑80.

［25］ 吴小萍，詹振炎，2001. 基于灰色和模糊集理论的铁路方案多目标综合评价方法及模型研究［J］. 铁道学报，23（5）：

107‑113.

［26］ 张飞涟，黄玉刚，2007. 铁路建设项目可持续发展评价指标体系的建立与计算［J］. 铁道科学与工程学报，4（5）：

63‑67.

［27］ 张飞涟，史峰，陈涛，2002. 基于运价波动的铁路建设项目经济风险后评价［J］. 铁道学报，24（6）：6‑10.

［28］ 赵栋煜，翁凡易，马驷，2020. 基于综合主成分分析的铁路客运服务质量评价［J］. 铁道运输与经济，42（3）：18‑23.

［29］ 中华人民共和国住房和城乡建设部，中华人民共和国国家发展和改革委员会，中华人民共和国铁道部，2012. 铁路建

设项目经济评价方法与参数［M］. 北京：中国计划出版社 .

［30］ 周承汉，2016. 基于三角模糊数的高速铁路线站位方案比选［J］. 铁道科学与工程学报，13（3）：435‑440.

［31］ DRAGAN P，DRAGANA M，et al，2022. An integrated rough group multicrite‑ria decision‑making model for the ex‑ante

prioritization of infrastructure projects：The Serbian Railways case［J］. Socio‑Economic Planning Sciences，79：101098.

［32］ FLYVBJERG B，2005. Machiavellian megaprojects［J］. Antipode：A Radical Journal of Geography，37（1）：18‑22.

［33］ LAURA E，YANBING F，GABRIELLA M，2016. Multilevel comprehensive evaluation of the railway service quality［J］.

Procedia Engineering，（137）：21‑30.

［34］ MARIA M. VANEGAS C，SHONA P，TIANNA B T，et al，2022. Beyond LCOE：A multi‑criteria evaluation framework for

offshore renewable energy projects［J］. Renewable and Sustainable Energy Reviews，161：112307.

［35］ ROGER V，2017. Beyond cost‑benefit analysis：The search for a comprehensive evaluation of transport investment［J］.

Research in Transportation Economics，（63）：5‑12.

［36］ WOOSEOK D，OMID M，ROUHANI R，et al，2020. A comprehensive welfare impact analysis for road expansion projects：

A case study［J］. Case Studies on Transport Policy，8（3）：1053‑1061.

62

李明真等：服务于重大铁路项目决策的综合效益评价方法研究

Research on Comprehensive Benefit Evaluation Method for Major Railway Project

Decision‐making

Li Mingzhen，Zhang Zhiyao，Lin Xiaoyan，Li Hongchang

（School of Economics and Management，Beijing Jiaotong University，Beijing 100044，China）

Abstract：Feasibility studies for major transportation infrastructure projects commonly emphasize economic evaluation based on cost

and traffic volume. However，there is a need to further develop a comprehensive benefit evaluation index system that takes into account

financial，economic，social，environmental，and safety benefits. This will serve the classification decision‑making of transportation

infrastructure projects，particularly those represented by major railway projects. A multidimensional and iterative selection approach，

combining case study，clustering analysis，expert surveys，grounded coding，and reverse calculation were adopted. It constructs a

comprehensive benefit evaluation index system for railway projects，comprising five primary indicators，eleven secondary indicators，

and eighteen tertiary indicators. Furthermore，by incorporating the concept of“limited public welfare，”the index system was divided

into internal benefit indicators and external benefit indicators，forming a two‑dimensional index set for evaluating the comprehensive

benefits of railway projects. This classification，consisting of five categories，aims to support decision‑making for railway projects.

Finally，typical major railway projects from the eastern，central，and western regions were selected as case studies to verify the

scientific and effective nature of the proposed comprehensive benefit evaluation method. The evaluation results were classified as

excellent，good，and cautious，corresponding to recommendations for priority construction，moderate construction，and opportunistic

construction，respectively. Therefore，the comprehensive benefit evaluation index system for railway projects and the corresponding

classification results can better reflect the characteristics of different types of railway projects，providing valuable insights for scientific

decision‑making. They also serve as important references for the compilation of the“Economic Evaluation Method and Parameters for

Railway Construction Projects”（4th edition）.

Keywords：comprehensive evaluation；railway projects；decision service；case inspection

63

第 42 卷 第 8 期 技 术 经 济 2023 年 8 月

赵剑波：

跨国并购的技术创新机理研究

——海尔集团并购 FPA 案例研究

赵剑波

（中国社会科学院 工业经济研究所，北京 100006）

摘 要：跨国技术并购中的知识转移能够提升企业创新绩效，但作为并购方的中国企业在技术上并没有并购对象先进，这就导

致并购企业不能有效地管理知识转移过程。为明确在跨国技术并购中知识转移促进技术创新的内在机制，并解释知识一致

性、战略互补性、组织匹配性等因素对于知识转移效率的影响机制，本文采用案例研究的方法，以海尔集团并购 FPA 为研究对

象，研究中国企业通过跨国并购实现技术创新机理。结果表明，跨国技术并购过程中知识一致性、资源互补性、组织匹配性等

因素，有助于并购企业间的知识转移，并最终提升了并购企业的创新绩效。知识一致性、战略互补性和组织匹配性增强了知识

转移对于企业创新绩效的影响。从知识转移研究的角度看，知识一致性能够提升吸收能力，并降低知识转移的成本。从并购

研究的视角看，战略互补性、组织匹配性则为知识转移提供了保障机制。最后，本文提出我国企业通过跨国并购战略获取关键

技术的过程中，应该评估与并购对象的知识一致性、战略互补性和组织匹配性，能够提升并购企业的吸收能力，增强并购双方

的跨组织创新网络与联系，使得知识转移更加容易在并购企业双方之间发生，最终提升并购企业的创新绩效。

关键词：跨国并购；知识转移；知识一致性；资源互补性；组织匹配性

中图分类号：F270 文献标志码：A 文章编号：1002—980X（2023）8—0064—12

一、引言

跨国技术并购中的知识转移能够提升企业创新绩效（张玉梅和吴先明，2022；白俊等，2022；周楠和杨竹，

2023）。越来越多中国企业采用并购方式吸收和获取外部知识资源，以促使企业在变革中不断发展与壮大

（吴育辉等，2023）。跨国技术并购的首要动因就是为了迅速获得企业创新所需的新知识和新技术，而这些新

知识和新技术往往深嵌于被并购企业组织内部。技术资源的并购并不意味着企业已经形成了创新能力，跨

组织知识转移的完成才是决定创新绩效的关键因素（蒋冠宏，2022）。因此，知识结构和知识转移一直是跨国

并购研究的热点问题（王琳君等，2022；吴小节等，2023）。在实践中，我国企业普遍缺乏对外并购的“软实

力”，尤其对于技术并购而言，作为并购方的中国企业在技术上没有并购对象先进。这就导致并购企业和并

购管理人员都不能很好地进入角色，有效地管理知识转移过程。此外，技术并购是利用知识转移进行再创

新，如何选择并购对象才能保证战略协调性？如何进行组织结构设计才能有效促进知识转移？总之，提升跨

国并购知识转移的便利性和有效性，成为中国企业跨国技术并购面临的主要问题。

本文构建了跨国技术并购知识转移框架，认为知识转移能够提升并购企业的创新能力，但是对于技术资

源并购而言，企业创新能力受到知识一致性、战略互补性、组织匹配性等因素的影响。本文采用案例研究方

法，持续关注 2012 年以来海尔集团对新西兰斐雪派克公司（Fisher & Paykel，以下简称 FPA）的并购及并购后

的发展过程，尝试对这一案例进行较为全面的观察和深入的分析，并从海尔并购 FPA 对于其创新能力的提

升过程中得出一般性启示与结论。

二、文献综述

跨国技术并购能够提升企业创新能力。从并购研究视角看，组织间的知识转移是构建竞争优势的基础

（Reagans and McEvily，2003；苏屹等，2023）。通过技术并购，国内企业能够因为知识转移而获得关键性知

识。从创新研究的视角来看，收购者和被收购者之间技术能力的差异及知识基础和理念的不同都会增加组

收稿日期：2023‑05‑26

基金项目：中国社会科学院登峰计划项目（企业管理）

作者简介：赵剑波，博士，中国社会科学院工业经济研究所副研究员，研究方向：产业经济、战略管理。

64

赵剑波：跨国并购的技术创新机理研究

织学习与创新的机会，并购企业之间的知识交流和合作，利用网络化创新模式，为隐性知识的交流和学习提

供了环境，提升了企业的创新能力。从并购研究的视角看，并购企业如果注重和协调并购对象选择、并购实

施及并购后整合等条件，则能够为企业技术创新提供有利条件，促使新的创新能力产生。在并购实施后，并

购对象的知识或技术资源已经被并购企业获得，但是并购企业创新能力的形成还要取决于企业能否有效“重

组”已有或新的技术资源和知识基础进行创新（Carnabuci and Operti，2013；章琳等，2022）。例如，与被并购

企业的合作创新，或者吸收被并购企业的技术资源进行开放和集成创新。

（一）知识转移视角：知识转移是实现并购技术创新的基础

知识转移是并购企业实现价值创造和技术创新的基础。跨国企业本身就是一个知识网络，每个节点都

具有自己独特的知识资源（Ambos et al，2006）。通过整合这些互补性的知识，以及促进它们在跨国知识网络

中的转移和重组，能够驱动全面的价值创造（Fey and Birkinshaw，2005；Yang et al，2008）。然而，从现有研

究看，通过跨国并购实现知识转移还面临着一些管理挑战，一些具有区域性情景特征的技术创新并不能够完

全移植到国内市场。跨国企业研究认为，分公司所控制的知识资源具有异质性，知识跨国转移受到知识本身

的特性和知识接受方特性的影响，知识本身的经济价值对于双方而言极具差异性（Kogut and Zander，1993）。

这就意味着，除了异质性，对于知识特性还要考虑更加细致的维度，并思考相关影响因素，才能够理解知识转

移的成本和收益。

1. 知识一致性

事实上，有研究者强调并购是实现技术发展创新的重要手段，即并购的首要动因正是为了快速获得企业

创新所需的新技术（Hagedoom and Duysters，2002）。现有研究认为，企业可以通过并购获得外部知识以增加

自身的知识水平（Cohen and Levinthal，1990），即并购带来的新知识可以促进企业创新。知识积累是促进并

购企业创新的重要因素。有研究者对面向技术的并购和非面向技术的并购做出了区分研究（Ahuja and

Katila，2001）。面向技术的并购，扩大了企业的知识积累，这与被并购方知识积累程度的绝对值和并购双方

原知识积累的相关度有关（Lane and Lubatkin，1998）。研究表明，技术并购对企业并购后创新表现的影响，

与被并购方知识积累程度的绝对值成正相关（Ahuja and Katila，2001）。

并购企业间相互的知识重叠程度影响知识积累（Sears and Hoetker，2014），并购能够实现对目标企业资

源和能力的创新组合，并形成新的创新能力。知识重叠是指收购方和目标企业的知识共同程度。影响并购

企业可持续发展的关键并不是知识本身，而是知识转移和知识应用所导致的技术能力提升。知识转移和新

技术能力的形成受到了吸收能力和知识冗余等因素的影响。目标企业知识重叠度较高，知识冗余又意味着

缺乏创新结合的新机会。总之，并购目标尽量选择知识重叠度较低的企业，则知识创新组合的机会较多，但

是收购方需要具备吸收能力以识别和利用这些机会。于开乐和王铁民（2008）讨论了基于并购的开放式创新

对于企业自主创新的影响，他们认为，基于并购的开放式创新对企业自主创新有可能产生积极的影响，发生

条件是：①被并购方知识积累大于并购方或与并购方原知识积累形成互补；②并购方有能力整合来自被并购

方的创意，使外部创意内化为以开发新产品为表征的内生创新力量。

现有研究认为，吸收能力的缺乏等因素会提高知识转移的成本，并影响价值创造（Lane and Lubatkin，

1998）。究其根本而言，还是由于知识的输送和接受单元之间缺乏“知识一致性”，提升了知识转移成本。对

于并购企业的管理者而言，如何发现知识一致性，保证他们对于知识转移的收益预期，才能够有激励促进知

识转移的发生。知识一致性则增加了并购双方的吸收能力（Asmussen et al，2013）。无论知识积累、知识重

叠，都是说明并购企业间知识转移的影响因素，以及并购企业吸收能力对于创新绩效的影响。知识一致性意

味着并购方知识资源的互补性和高重叠程度，并购双方能够进行技术配套，并能够吸收和应用所转移的知识

资源。知识一致性能够提升并购后创新绩效水平。因为知识一致性意味着并购企业具备互补的知识，能够

吸收和利用被并购方的知识资源（Cohen and Levinthal，1990）。

2. 内部知识和外部知识

并购对象的知识资源来自企业内部或企业外部。一般而言，并购完成后，并购对象就成为跨国企业的分

支机构或子公司。子公司的知识有多重来源（Frost，2001），可能来自跨国公司内部，或者跨国公司外部。例

如，外部知识可以来自分公司与用户和供应商等外部相关利益者的互动（Dyer and Nobeoka，2000），或者来

65

技术经济 第 42 卷 第 8 期

自当地研究机构。

对于并购双方而言，内部知识的重叠程度越高，知识来源也会比较接近。所以，在知识转移过程中，内部

知识可能会增加知识冗余程度，因为接收方已经掌握了这种知识资源。相对于内部知识，外部知识提高了并

购企业实施集成创新的可能性。前述研究都在从企业内部的视角描述跨国并购过程中知识转移对于创新的

影响。事实上，并购对象并不是孤立存在的，而经常处于一个创新网络和生态系统中。相关研究表明，来自

并购对象企业外部的知识也能够对于并购企业的创新绩效产生积极影响（Frost，2001；蒋志雄和王宇露，

2022）。例如，跨国技术并购能够利用企业间的知识溢出，而这些知识则是并购目标企业通过对于当地用户、

供应商、乃至竞争对手等创新来源的整合而获得的（Asmussen et al，2013；Dunning，1996；余鹏翼等，2022）。

按照网络和集成创新的观点，网络创新不仅局限于企业内部，而更多的建立在组织和组织间的网络联系以整

合和集成资源，并购企业从组织外部识别、获取知识资源并与组织自身资源进行整合是组织竞争力的重要来

源。集成创新所需要的各项技术来源可能都不具备原创性，但在各项技术的组合模式或整合方法上具备原

创性，并通过集成实现了技术方面的新突破和新发展。

（二）跨国并购视角：并购对象的选择能够为知识转移提供条件

除了知识一致性，并购对象的选择也能够调节知识转移对于创新绩效的影响。战略管理领域对企业并

购的研究中，最基本的问题之一就是何种类型的并购能够为企业创造价值，并购对象的选择标准从相关性逐

渐演变为互补性，乃至后来从全过程要素评估并购对象的选择。越来越多的研究表明，对于并购中的价值创

造来说，并购企业技术资源的互补性显得更加重要。例如，Rikard 和 Sydney（1999）认为体现双方战略互补性

的“结合潜力”决定了并购的成败。具有较高“结合潜力”的并购企业之间，知识转移的成本更低，而对于价值

创造的贡献更高。

1. 战略互补性

在很长的一段时间里，对企业并购绩效决定因素这个问题的回答普遍都集中于相关性带来的利益上。

例如，战略管理领域的学者都做了大量相关性对并购绩效影响的研究（Kaplan and Weisbach，1992）。这些研

究的核心观点是，相关产业的企业在管理风格、文化和管理过程等方面具有相似性，这就让它们能够有效地

撬动并购伙伴的已有资源和能力（Leslie et al，2000）。Datta 等（1991）认为，相关性不是企业并购创造价值的

唯一途径，互补的差异性能够通过资源重新配置提高创造价值的机会。一些学者提出并购双方的互补性是

并购成功的重要影响因素之一（Wang and Zajac，2007；林发勤和吕雨桐，2022）。战略管理研究则通过资产、

知识、能力和技术这些名词对互补性进行了定义。Rikard 和 Sydney（1999）则把企业并购背景下的互补性定

义为合并的企业具有不同的资源、能力和（或）战略，它们有潜力通过结合或重构而创造价值，如果没有发生

并购，任何一家企业都不可能创造这些价值。Krishnan 等（2001）的研究进一步把企业并购时的互补性利益

区分为产品战略上的互补性和市场选择上的互补性。

产品战略的互补性是指并购企业和被并购企业在产品战略上的差异化程度，并购企业因为这种差异因

并购发生而创造价值。两家企业合并后，它们能够组合并且重构它们的产品线，或者组织间知识共享等因

素，从而提高并购后的绩效。市场选择的互补性是指并购企业和被并购企业在市场空间上的差异化程度，并

购双方原本在不同的地理市场上竞争，如果各自运营的市场特征不同，但是又能够相互强化，就为创造价值

提供了机会。如何获得对互补性的了解，Agarwal 等（2004）认为并购双方前期沟通很重要。通过沟通和合

作，并购双方能够相互了解各自的市场地位，并能够评估并购完成后的整合效果（Napier，1989；Schweiger

and DeNisi，1991）。

2. 组织匹配性

并购后绩效主要受整合与协调努力的影响，并购后整合是组织再设计的过程，必须有利于跨组织间的知

识资源转移和共享，以实现价值创造的目标。对于组织匹配性，现在的问题是保持被并购企业的独立性可以

克服管理风格差异和激励差异，但是如何保持独立性同时，有能够促进知识转移，并对技术创新做出贡献？

Datta（1991）把组织匹配性定义为影响两家企业并购后融合难度的因素，包括管理风格差异和报酬评价

制度差异两方面。这两方面的差异能够对并购后整合的结果产生极其重大的影响，并最终影响并购绩效。

管理风格差异会影响并购双方管理层的相容性。通常，并购方的管理团队会把他们的管理风格强加于被并

66

赵剑波：跨国并购的技术创新机理研究

购的公司。这种做法可能让被并购企业的管理团队缺乏身份认同，从而导致焦虑、不信任和冲突上升，并最

终导致“并购停顿”，并购后的绩效很差。与之相反，管理风格相容则有助于并购后的融合。大量的战略管理

研究都表明，管理风格是否相容对并购后的企业绩效有显著影响（Covin and Slevin，1988）。报酬和评价制度

差异是因为产业特征不同或公司战略不同而产生的（Balkin and Gomez‑Mejia，1990），并购双方在报酬和评

价制度上存在重大差异就可能成为并购整合的一个重要障碍；另外，如果被并购企业被当作一个自治的实体

保留下来，在并购后与并购企业没有进行运营整合，就有可能让两个企业各自保留自己原有的制度。

为了克服整合困难，中国企业通常会让渡控制权，保持并购企业的独立性。马金城和王磊（2009）通过对

上汽并购双龙案例的研究发现，中国企业海外并购时，为了保障并购的顺利实施及并购后的顺利整合，中国

企业往往会让渡一些控制权给目标企业管理层，从而形成所有者弱控制的环境。但是，这种办法导致并购后

整合不能顺利开展，甚至直接导致整合失败。折中的办法是建立合资——战略联盟，包括合资、战略技术联

盟（Hamel et al，1989），研发协议安排（Fusfeld and Haklisch，1985）等形式。以合资形式为例，通过与行业领

先企业或技术互补的企业合资，籍此实现将外部创意转化为企业创新。本文认为，组织匹配性是指并购后组

织结构的设计，能够有助于并购企业内部创新网络的形成，并促进知识转移和提升吸收能力。

通过文献综述，本文明确了知识转移的内容，以及知识一致性、战略互补性、组织匹配性等概念。在以往的

相关研究中，这些概念对于跨国技术并购过程中知识转移效率的作用机制尚未明确，本文试图构建知识转移促

进创新绩效的理论模型，并从理论上丰富当前的跨国技术并购研究。尤其是，在跨国技术并购过程中，知识一

致性、战略互补性、组织匹配性如何增强知识转移与创新之间的关系，以往的研究文献并没有做出清晰的阐述。

三、研究框架与方法

本文基于知识转移与创新绩效研究框架，简要描述了海尔并购 FPA 的过程，以及并购后双方的创新实

施情况。结合案例分析，本文试图明确在跨国技术并购中，知识转移如何促进技术创新。

（一）研究框架

本文的基本假设是在跨国技术并购中知识转移是实现创新的

基础。通过文献综述，本文形成了知识转移对跨国并购创新绩效

影响的研究框架，如图 1 所示。基于研究框架，本文认为在选择并

购对象的过程中，应该评估知识一致性、战略互补性和组织匹配性

三方面因素。知识一致性能够提升并购企业的吸收能力，使得知

识转移更加容易在并购企业双方之间发生，最终提升了并购企业

的创新绩效，并购双方如果基于战略互补性进行前期了解和沟通，则能够为知识转移创造便利，并提升并购

企业的创新绩效。另外，在并购整合过程中注意组织匹配性安排，增强并购双方的跨组织创新网络与联系，

能够为知识转移提供便利条件，提升并购企业创新绩效。本文的研究内容主要有三点。第一，知识转移的发

生受到知识一致性的影响，知识一致性意味着良好的吸收能力，知识转移更加容易在并购企业双方之间发

生，最终提升了并购企业的创新绩效。第二，如果并购双方能够基于战略互补性进行了解和沟通，则能够为

知识转移创造便利，并提升并购企业的创新绩效。第三，并购后合理的组织结构设计和安排，能够为知识转

移提供便利条件，并提升并购企业的创新绩效。

本文认为，跨国技术并购为企业构建了跨组织的知识转移和创新网络，在并购对象选择过程中，如果注

重知识一致性、战略互补性和组织匹配性的管理，则能够促进跨国并购的知识转移，并因此提升并购企业的

创新绩效。

（二）研究背景

在以知识为基础的经济和市场中，企业通过网络、跨越边界与环境相联系已成为普遍的现象。通过跨国

并购的方式，海尔将斐雪派克（Fisher & Paykel，以下简称 FPA）整合进自己的资源平台。海尔始终坚持“用户

需求”战略的一致性，FPA 的技术资源是海尔引领和满足用户需求的保障，并购后的整合则体现了其组织协

调性。跨国技术并购不再单纯是技术的购买，或者技术引进。本文从知识转移角度理解跨国技术并购，一方

面企业需要思考并购技术对象的价值创造潜力；另一方面并购企业本身也需要在组织结构上进行相应的调

-@D/ 4

-@7

*=

33F

图 1 本文研究框架

67

技术经济 第 42 卷 第 8 期

整。只有同时做到这两点，企业的技术创新能力才有可能获得提升。

（三）研究方法

本文聚焦于通过跨国并购提升企业创新能力问题研究。本文采用案例研究方法，并严格遵循案例研究

的一般原则、步骤和方法（Eisenhardt，1989；Pettigrew，1990）。本文作者自 2012 年起与海尔集团建立了合作

关系，通过长期近距离观察企业实践了解其创新行为。在随后一年多的时间里，课题组成员对海尔进行了大

范围的访谈，并定期参加海尔“周例会”，完成了大量的企业创新实践案例。通过多种形式的合作，对于海尔

集团的国际化战略和创新有了基本的了解。

通过对于企业高层管理人员的访谈，充分了解了海尔并购 FPA 的全过程。参与并购的各个当事人回顾

了并购实施的动因、决策和整合过程，并分别给出了自己的评价。此外，课题组还参加年度举行的海尔全球

创新会议，了解海尔实施全球化创新的具体步骤，并访谈了来自海尔研发部门、斐雪派克公司等不同业务单

元的人员。案例信息逐步得到了完善，并保证了所获得信息的可靠性。

（四）案例企业概况

斐雪派克公司创始于 1930 年，是新西兰制造业的标志性企业，在全球厨电品牌中，历史最为悠久。FPA

自创建之始，便强调关注用户体验，追求卓越设计，开发富有灵魂的产品，成为其独特的品牌精神，被誉为全

球最具创新思想的顶级品牌，在全球顶级家用电器市场享有极高的品牌美誉度。

自 2009 年起，双方在研发、采购、制造和营销等方面建立了合作关系。2009 年，海尔成为 FPA 的股东，持

有其 20% 的股份，并在董事会中占有两个董事席位。2013 年，海尔宣布成功收购 FPA，共持有至少 90% 股

份。收购后 FPA 将保持公司的独立运营和当地管理团队，继续发展自有业务和品牌，并将支持 FPA 打造成

为一个真正的全球高端品牌。FPA 的研发体系主要由产品研发、部品和设备两条线构成。产品研发板块主

要有位于奥克兰和达尼丁的两个研发中心。奥克兰研发中心负责冰箱、洗衣机，以及电机等关键部件的产品

开发；达尼丁研发中心负责洗碗机等厨电产品的开发。部品和设备板块包括电控团队、工业设计团队和设备

公司等机构。部品主要指电机模块，设备主要指成套设备。FPA 设备公司则主要负责智能化生产线和整套

设备的设计、安装和调试，能够独立设计白电智能化生产线，这也是 FPA 区别于其他企业的主要特征。

（五）海尔创新实践

实现并购以后，海尔和 FPA 双方开始了一系列的合作，包括多条生产线的智能化升级，以及水晶洗衣机

和洗碗机等新产品的开发。通过深入的创新合作，双方进行了资源和知识的交互。海尔的市场吸引力也为

双方的合作提供了支撑，作为创新产品，水晶洗衣机就形成了很好的市场效果，这对于双方的合作也是一种

鼓励和促进。

在产品创新方面，水晶洗衣机是海尔和 FPA 合作的得意之作。在合作实施创新过程中，海尔的优势在

于发现用户需求，并建立整合平台；FPA 的优势在于利用自己的外部知识资源，快速找到技术解决方案。通

过用户互动，海尔发现洗衣“噪音大”成为用户抱怨的焦点，市场需要一种以“静音”为特征的洗衣解决方案。

海尔需要通过连接外部资源，整合一流的供应商，实现了智能化制造。FPA 为此提供了直驱电机驱动模块，

省去了皮带/齿轮传动和变速机构，让洗衣机结构最优、最简单。FPA 的电机直驱技术有效地防止了洗衣噪

音的产生，消除了洗衣机因机械转动所带来的噪音，而且比交流电机节电 50%。2012 年 6 月，水晶洗衣机上

市，仅用 4 个月时间，便拉动海尔滚筒洗衣机整体份额超过了原来的行业领军企业西门子 3.5 个百分点，增长

速度是行业增速的 4 倍。水晶洗衣机的利润率实现了 10.5%，是行业平均水平的 1.65 倍。水晶洗衣机首先实

现了单个产品的市场引领，生产线满负荷运转，产品仍然供不应求。

所以，海尔和 FPA 的合作体现了双方在企业文化及发展战略上的趋同。双方的合作出于两家企业在企

业文化及全球化发展策略上的一致性，特别是双方在通过创新产品满足消费者需求上的高度趋同。斐雪派

克同海尔集团的合作协议包括在全球范围内互补和强化双方技术优势，共享双方市场资源、供应链资源，发

展高端家电产品，以及为用户提供解决方案。双方还将在全球基础上加强售后服务合作。斐雪派克希望借

助海尔在中国白色家电市场最广泛及最优质的平台，为今后在中国市场长足的发展打下坚实的基础。海尔

强调开放式创新，把企业作为一个开放的系统，在全球范围内进行资源和能力的整合与配置，建立一个全球

协作共赢的大平台。

68

赵剑波：跨国并购的技术创新机理研究

四、案例研究过程与发现

本文选择海尔集团并购 FPA 作为案例研究对象，试图回答和解释这些问题，并提出相关研究命题。通

过考察海尔并购 FPA 的技术创新和组织整合实践，进而得出一般性的启示。

（一）知识的一致性是吸收能力和创新协同效应的基础

并购完成后，跨国企业内部不同业务单元之间的知识交互能够构建竞争优势。知识转移却不会自然而

然的发生，于开乐和王铁民（2008）认为当外部创意转化为持续创新能力的可能性较高时，则可以通过技术并

购或战略联盟的方式进行创新。换言之，只有当以技术并购为目的的中国企业具有足够的创新吸引力，并购

对象的知识资源才会发生转移。

1. 知识一致性对于知识转移成本的影响

知识资源的转移可能存在转移成本，那么知识转移的内容就必须对于双方都要有吸引力。很多经济因

素或认知因素，例如缺乏吸收能力、缺乏交互信任、知识资源的受让方缺乏回馈、交互的资源缺乏竞争力、较

低的替代性和一致性等，都会导致知识资源交互的成本提升。

知识转移受到知识资源对于源起市场独特性的影响。知识一致性还意味着并购双方对于知识存量的认

知匹配。例如，海尔在水晶洗衣机项目的实施中，双方的知识资源交互体现出一致性。知识资源的一致性是

指当这种知识资源被应用于其他地域或市场，创新的价值所下降的程度。海尔在全球化的市场都有不同程

度的产品创新，例如，海尔的产品更多采用了本土化的特质，满足各个地域细分市场的需求。但是，当这些创

新移植到中国，或者其他区域市场，创新的价值就会大打折扣。因此，一致性较高的知识资源更具普适化价

值，更能体现企业的核心能力，可以被广泛应用于更广泛的市场范围。所以，知识一致性就成为决定跨国企

业的知识资源交互的重要变量。在水晶项目中，电机模块和内筒模块的知识资源引入，都体现出一致性，因

为即使在中国市场，这两种技术仍然具有其独特的价值。知识资源的一致性还影响了知识交互的成本。例

如，如果双方的知识资源具有很大的重叠性，双方拥有共同技术语言，知识资源较容易识别和理解，交互成本

也会比较低。内在的知识转移逻辑便是以知识一致性为基础和前提条件的。

因此，本文可以得出如下结论，即知识一致性降低了知识转移的成本，促进了知识转移的便利性，最终提

升了并购企业的创新绩效。

2. 内部和外部知识转移对于创新的影响

通过组织学习，外部知识的内部化改变了并购企业的知识结构，提升了并购企业的吸收能力。吸收能力

的提升则意味着知识转移的受让方具备互补的知识资源，能够进行技术配套，并能够吸收和应用所转移的知

识资源。当知识资源的接收方不具备外部知识的吸收能力时，即使进行了知识转移和交互，接收方也不能完

全开发这些知识资源的商业价值。

海尔和 FPA 双方在实施水晶项目时，中外项目的参与者都经常谈到合作无障碍、合作很愉悦，正是因为

海尔在历史发展的过程中，一直比较注重引进技术的吸收和再创新能力，所以这一能力也加强了海尔在和技

术优势方合作过程中的话语权。内部知识转移提升了海尔的工艺和流程创新绩效。FPA 的设备公司更加了

解家电制造行业，通过整合不同的产业技术，实施设计的模块化、制造的模块化、供货的模块化，完成智能化

生产线的设计和安装。例如，在为海尔设计的洗衣机内筒智能生产线上，FPA 对洗衣机内筒的模块化设计提

出了非常多的改进意见，海尔采纳的意见就有 34 条。

FPA 还提供了水晶洗衣机的内筒生产线的设计和安装。内筒生产线的创新之处在于以智能化制造的方

式实现了模块化设计和颠覆性工艺。内筒模块化设计能够以最少的模块满足用户需求，例如，内筒前法兰的

模块由 7 种减少为 1 种，内筒后法兰模块由 7 种减少为 1 种，内筒模块由 30 种减少到 11 种。在颠覆性工艺方

面，冲孔工艺采用液压直冲，内筒壁上的脱水孔直径更小，有效降低了对洗涤衣物的磨损；接缝工艺采用激光

焊接，支持内筒转速达到 1600 转；成型工艺的改进也有效降低了内筒跳动。智能化内筒生产工艺的改进，颠

覆了传统制造工艺，使得效率整体提升了 30 倍。工艺创新体现了精细模块化的实施思路。通过水晶项目的

合作，海尔滚筒洗衣机经营体自己评价都觉得能得到提升。原来模块化设计很难切入，如何落地实施对于洗

衣机经营体都是一个难题。通过合作实施水晶项目，就相当于给洗衣机经营体“做了一条能走的路”，让海尔

69

技术经济 第 42 卷 第 8 期

智能化制造策略的实施和落地更清晰。

就知识转移而言，外部知识更具价值。海尔因源自 FPA 的技术知识溢出效应而获益，但是 FPA 的知识

来源会有所区分。FPA 的技术知识资源有的是内部积累，有的则来自对用户知识、供应商知识甚至竞争对手

技术知识资源的总结。全球化企业不同业务单元的内部知识资源非常丰富。FPA 有关家电制造的内部知识

和海尔现有的知识在某种程度上有所重叠，但是这一现象加强了知识资源的发送者和接受者对于资源价值

的理解，接受者可能已经拥有或了解一部分发送者所传递出的知识资源。通过案例分析可以看出，外部知识

资源的价值更加具有独特性。例如，对于 FPA 而言，源自新西兰本土市场的行业知识资源更加具有创新性，

如直流驱动电机这样的创新技术，就是 FPA 通过不断整合外部供应商的资源所获得的。内外部知识资源的

区分，使得跨国企业在进行知识交互的过程中，知识转移目标更加明确。海尔在引进水晶生产线的时候，

FPA 已经可以通过当地资源的引进，整合出一条智能化的内筒生产线，如焊接、冲孔等几个内筒关键工艺的

提升，都是 FPA 引进的外部知识资源。

因此，本文可以得出如下结论，即就知识来源而言，内部知识转移能够提升并购企业的渐进性创新绩效，

而外部知识资源转移则提升了并购企业的突破性创新绩效水平。

（二）战略互补性能够加强企业创新绩效

海尔和 FPA 的合作体现了双方在全球战略下的资源互换。海尔收购 FPA 是一场资源互换的交易，主要

体现在产品资源和市场资源的互换。海尔优势是销售物流网络和良好的售后服务，其劣势在于产品的工艺

质量水平和技术的相对不足。FPA 有很不错的技术积累，所以通过供应链资源的利用与合作，有助于提升双

方的技术和品牌优势。此外，在市场资源方面，FPA 利用海尔在国内的市场网络和资源拓展中国市场；海尔

则利用 FPA 分别在澳大利亚、新西兰和美国的市场网络拓展当地市场，实现了优势市场资源的互换共赢。

1. 产品战略上的互补性对知识转移的影响

产品战略互补的一个重要利益来源是组织间知识共享的潜力（Zollo and Singh，2004）。组织学习的观点

认为，相比于同质性的信息源，企业能够从异质性的信息源那里获得更多的知识（Haunschild and Sullivan，

2002）。

水晶洗衣机是 2012 年海尔研发的一款具有行业引领性的、用户体验最安静的洗衣机。水晶洗衣机的定

位就是要提供一个最完美的洗衣方案，水晶的原则就是要成为行业的引领者。水晶洗衣机是双方一个合作

很成功的项目，FPA 贡献了驱动模块和内筒模块，这些都是非常核心的产品模块。合作提升了双方的创新能

力。FPA 给海尔带来了创新震撼，当应用了 FPA 驱动模块的水晶样机生产出来时，当现场体验到静音的效果

后，海尔团队成员都惊呆了：自己三五年都解决不了的问题，对方那里却早已有了解决方案。海尔也促进了

FPA 的技术创新。例如，水晶洗衣机的电机，FPA 认为已经提供给海尔行业里最先进的电机产品，同行业相

比效率提升了 30%。但是水晶的用户交互结果是消费者需要一款更加静音的洗衣机，这就倒逼 FPA 做一个

更静音的电机模块。现在，水晶二代已经采用了 FPA 设计的更加静音的电机。FPA 对此也很重视，因为它们

的创新能力也在不断提升。

2. 市场选择上的互补性对知识转移的影响

市场互补的企业合并时，两家在不同市场运营的企业会形成完全不同的资源和能力。市场互补的并购

发生后，双方的管理人员都有机会获得来自对方市场的知识和能力。海尔并购 FPA 正是体现了市场互补性

带来的益处。因为国内市场对海尔产品有着巨大的需求规模，FPA 的技术可以迅速商业化。FPA 则因为自

己的企业规模和市场范围限制，新的技术推广和商业化缺乏产品产量的支持。海尔的大平台也给 FPA 提供

了施展拳脚的空间，跟海尔合作，FPA 的工程师因为能够迅速看到技术成果，获得了分享的喜悦。

市场需求也促进了技术创新的快速发展。水晶洗衣机一上市就取得了良好的市场业绩，因为大量的市

场订单和市场需求，所以产品可以根据客户的反馈不断快速更新，技术得以快速的提升和发展。本土市场的

巨大拉动作用也使得 FPA 对于合作项目充满信心，并愿意提供先进的技术设计方案。目前，海尔和 FPA 双

方合作进行的项目还有接近 20 个，除了冰箱、热水器等产品生产线的智能化升级，双方还就洗碗机等产品的

创新研发展开了合作。

在实施并购之前，海尔和 FPA 就已经是一种联盟和合作关系，所以能够了解 FPA 对于自身的战略互补

70

赵剑波：跨国并购的技术创新机理研究

性，并购之前的联盟为海尔提供了一个潜在目标的“筛选机制”，通过业务交互能够发现 FPA 的产品和市场

互补性。以水晶洗衣机为例，在战略联盟阶段，海尔和 FPA 两个企业能够通过分配各自的互补性资源来满

足用户需求。这种资源分配过程也伴随着双方的沟通和协调，以对于各自的能力和意图达成共同的理解和

信任，并购前的合作行为加强了并购之后的创新绩效（Hagedoom and Sadowski，1999）。

因此，本文可以得出如下结论，即基于前期合作和沟通的战略互补性，增加了知识转移的便利性，最终提

升了并购企业的创新绩效。

（三）组织匹配性能够保证知识转移的有效性

并购完成后，企业的组织设计塑造了内部知识转移模式，进而影响企业的创新能力和绩效。组织设计的

目的在于形成跨国企业内部的知识转移和创新合作网络，形成并购双方之间的组织匹配性。海尔平台的吸

引力是知识转移和流入的先决条件。网络化的海尔目标在于建立一个全球协作共赢的大平台，这个平台可

以看作一个知识网络，虽然不同的业务单元在地域上是分离的，但是依旧存在很多相互连结的节点，每一个

节点都有其独特的知识资源。在跨国企业内部，知识资源是价值创造的特殊动力，因为通过跨国企业的平台

和网络，知识转移和交互可以产生很大的规模和范围经济。互补性知识资源的转移和结合，驱动了跨国企业

内部全面的价值创造。海尔和 FPA 之间，以及海尔全球业务部门之间，还需要更多的、更及时的知识资源交

互；另外，只有交互结果的共赢才能够促进知识资源的进一步交互，即不同的业务节点之间要形成利益共

同体。

海尔完成 FPA 并购工作之后，保持了 FPA 的相对独立性，形成一种类似企业联盟的关系。但是，对用户

需求的认同是双方合作的基点。海尔正在实施网络化战略，推行“人单合一”管理模式，这些机制并没有简单

地在 FPA 进行复制，双方通过共同创造用户价值、满足用户需求，建立了相互信任和尊重。双方的很多经营

理念都是相通的，如要专注于用户、创新的理念等，这样在合作的过程中就很容易产生共鸣，相互之间也多了

一份尊重。FPA 的独立运营也是自主经营体理念的体现，并购实施以后，海尔承诺保持 FPA 独立运营，自主

经营，实际上整个在集团里面就是一个大的自主经营体。FPA 有自己的经营团队，有自己的经营机制。但

是，FPA 必须创造股东价值，或者说为整个海尔集团创造更高的价值。这样，FPA 和海尔就在事实上形成了

一个大的利益共同体。FPA 创造的用户价值越大，那么其独立经营，或者独立操作的自由度就越大，而其并

不需要海尔集团赋予什么样的权力。

机制的交互在潜移默化中发挥作用。海尔并没有在 FPA 强制推行网络化组织、自主经营体等概念性的

管理模式，而是更加注重把“人单合一”模式的理念和本质潜移默化地传递给 FPA。海尔在 FPA 设立了接口

人，接口人的作用在于通过项目的实施和协调，把双方的资源有效结合起来。站在海尔的角度，FPA 有很多

非常好的技术资源，这些资源在集团层面共享，就可以创造出更多的用户价值。站在 FPA 的角度，海尔有非

常大的市场资源和需求，这些需求需要新的技术和产品去满足。通过项目合作，就能够实现资源和交互和协

同，对于双方都是有益的，能够实现共赢。接口人在知识的交互过程中发挥了重要作用。接口人的重要作用

在于发现那些能够使得双方协同的项目，能够为双方带来好处。接口人既了解海尔集团，又了解 FPA，通过

项目的合作与协同，把双方的团队对接起来。例如，洗衣机、冰箱项目的合作，海尔获得了技术能力的提升，

FPA 又能够分享技术商业化带来的收益。正是看到了这种好处，FPA 渐渐地主动提出自己有什么样的新技

术，推荐给海尔进行市场化的操作。海尔集团与用户进行互动，利用用户的反馈，协调 FPA 进行技术的改

进。这种合作和交流也是利益共体模式的体现，FPA 并没有觉得海尔在导入管理模式、导入企业文化，但是

实际上相关的模式和文化已经被潜移默化地接受。利益共同体思维是实现有效接口的关键。接口人的角色

和定位很清晰，就是互通有无，要为双方创造价值，创造的价值越多，接口人的话语权越大。

海尔通过知识交互提升了自身的吸收能力。海尔和 FPA 都保持了技术资源的互相开放，因为外部资源

永远多于内部资源，持续创新才是企业发展的最终目标。与外部资源的合作并不是单纯的市场关系，不是外

部资源有什么，海尔花钱去买的概念。合作的目的在于大家一起创造新的价值，并且一起分享，合作是一个

新知识创造的过程。在这个过程中，海尔创造知识并吸收知识，然后再加以利用和实施，每一次外部资源的

利用，海尔的自身创新能力都得到了提高，而不是简单的重复利用和原地踏步，经过学习和吸收，海尔也完善

了自己的技术团队建设，例如，水晶团队就感觉自己提升了很多，通过项目合作，水晶团队已经分享了源自

71

技术经济 第 42 卷 第 8 期

FPA 的知识和经验，并且在项目实施的过程中又产生了更多非常精彩的知识内容。

因此，本文可以得出如下结论，并购后合理的组织结构设计和安排，能够为知识转移提供便利条件，并提

升并购企业的创新绩效。

五、研究结论与讨论

采用案例研究方法，本文深度分析了海尔并购 FPA 过程中知识转移对于创新绩效的影响。4 个研究命

题分别得到案例内容的支持。本文的创新之处在于，明确了在跨国技术并购中知识转移促进技术创新的内

在机制，提出知识一致性、战略互补性、组织匹配性三者能够调节跨国并购过程中知识转移对创新绩效的影

响作用。在跨国技术并购过程中知识一致性、战略互补性和组织匹配性增强了知识转移对于企业创新绩效

的影响。从知识转移研究的角度看，知识一致性能够提升吸收能力，并降低知识转移的成本。从并购研究的

视角看，战略互补性、组织匹配性则为知识转移提供了保障机制。因此，在我国企业通过跨国并购战略获取

关键技术的过程中，应该评估与并购对象的知识一致性、战略互补性和组织匹配性，三者的一致性能够提升

并购企业的吸收能力，增强并购双方的跨组织创新网络与联系，使得知识转移更加容易在并购企业双方之间

发生，最终提升并购企业的创新绩效。对于中国企业的跨国技术并购实践而言，知识一致性、战略互补性、组

织匹配性也为并购对象的选择提供了评价标准。

（1）知识一致性是知识转移和创新协同效应的基础。知识资源的一致性是指当这种知识资源被应用于

其他地域或市场，创新的价值所下降的程度。知识一致性意味着资源的互补性和重叠程度，并购双方能够进

行技术匹配，并能够互相吸收和应用所转移的知识资源。知识一致性则增加了并购双方的吸收能力，知识转

移更加容易在并购企业双方之间发生，最终提升了并购企业的创新绩效（张玉梅和吴先明，2022）。本文重点

区分了并购目标企业的知识来源，即内部知识和外部知识。在知识转移的过程中，要区别对待这两种知识。

尤其对于并购企业而言，内部知识重叠程度较高，而复杂程度较低，内部知识转移会增加并购企业的知识冗

余程度，会降低实施突破性创新的可能性。虽然外部知识更具价值，但是因为外部知识源自并购对象，其向

并购企业转移之后的应用性却受到限制。因为，对于外部知识，并购企业需要一个吸收和积累的过程，并购

企业能否实现创新绩效取决于其对内部知识和外部知识的重组能力。所以，就知识来源而言，内部知识转移

能够提升并购企业的渐进性创新绩效，而外部知识资源转移则提升了并购企业的突破性创新绩效水平。

（2）战略互补性加强了知识转移对于创新绩效的影响。战略互补性是指合并的企业具有不同的资源、能

力和（或）战略，它们有潜力通过结合或重构而创造价值。在产品战略互补的条件下，更能保证并购双方之间

的有效学习，从而提高实现所期望的协同创新的效果。如果并购双方能够基于战略互补性进行了解和沟通，

则能够为知识转移创造便利，并提升并购企业的创新绩效。

（3）组织匹配性是指并购后组织结构的设计，能否有助于并购企业内部创新网络的形成，并促进知识转

移和提升吸收能力，并购后合理的组织结构设计和安排，能够为知识转移提供便利条件，并提升并购企业的

创新绩效。首先，战略联盟作为创新来源。按照联盟的目的，战略联盟分为两种形式：探索型和利用型战略

联盟（Yang et al，2014）。探索型联盟目的在于寻求新的知识和技术，而利用型联盟则在于联盟伙伴资源的

互补性利用。具有互补性创新资源的企业间建立探索和利用联盟能够提升创新的绩效。其次，跨组织创新

网络与联系形成了分散的跨组织结构，并购企业与被并购企业之间形成的创新单元之间的网络现实像是一

种分散式的“集体桥”，在拥有知识和接受知识的成员间建立起直接的跨单元联系（Zhao and Anand，2013）。

两个企业中的创新单元直接接触，在实现知识转移方面，能够保证跨单元知识最短的联系距离，可以减少知

识的损耗、失真和延迟，并且还能增加两个企业内部创新人员之间的信任，有助于跨企业创新网络的形成。

最后，提高创新网络的整合程度。企业创新员工间的知识交换模式反应了联结他们的合作关系网——内部

组织网络，该网络结构的整合程度直接影响技术知识的交换。网络的整合通过便利员工之间的交流，为他们

提供了互惠的知识交换和合作解决问题的机会。对技术创新而言，需要充分利用现有知识，而整合的网络即

为这些相关知识提供了流通和共享的渠道，知识可以在需要的地方出现。企业内部网络整合的程度越高，越

有可能通过知识转移进行创新。所以，并购企业可以把外部技术创新资源内部化，整体引进并形成一个业务

部门，但是应尽量保持整合后部门的独立性，采用分散决策的体系，支撑企业创新任务和目标。

72

赵剑波：跨国并购的技术创新机理研究

在未来研究中，本文的研究框架还需要思考知识特性其他维度的内容，例如，知识的隐性程度和知识复

杂性，并考虑这些因素对于知识转移成本和收益的影响。

参考文献

［ 1］ 白俊，周全，韩贺洋，2022. 技术并购、并购依赖与创新绩效［J］. 科学管理研究，40（5）：108‑117.

［ 2］ 蒋冠宏，2022. 企业并购如何影响绩效：基于中国工业企业并购视角［J］. 管理世界，38（7）：196‑212.

［ 3］ 蒋志雄，王宇露，2022. 技术获取型并购行为与企业并购绩效［J］. 统计与决策，38（9）：179‑183.

［ 4］ 林发勤，吕雨桐，2022. 跨国并购能否驱动企业创新？基于技术和资源互补性的理论和实证研究［J］. 世界经济研究，

（10）：102‑117，137.

［ 5］ 马金城，王磊，2009. 系族控制人掏空与支持上市公司的博弈——基于复星系的案例研究［J］. 管理世界，26（2）：

150‑163.

［ 6］ 苏屹，郭稳，孙笑明，2023. 技术距离对跨国并购双元创新绩效的影响及机制研究——文化相似性的调节作用［J/

OL］. 系统工程理论与实践：1‑23［2023‑07‑24］. http：//kns. cnki. net/kcms/detail/11.2267.N.20230419.1616.004.html.

［ 7］ 王琳君，白云，孙少龙，等，2023. 海外并购研究的知识结构与热点演化——基于 1995—2019 年中文核心期刊数据库

的文献计量分析［J］. 管理评论：1‑13［2023‑07‑01］. https：//doi. org/10. 14120/j. cnki. cn11‑5057/f. 20221229. 006.

［ 8］ 吴小节，钟文玉，谭晓霞，等，2022. 跨国并购研究的知识结构与述评［J］. 管理评论，34（10）：92‑107.

［ 9］ 吴育辉，刘晓玲，吴世农，2023.“一带一路”倡议与企业跨区域并购［J］. 管理科学学报，26（1）：55‑82.

［10］ 于开乐，王铁民，2008. 基于并购的开放式创新对企业自主创新的影响——南汽并购罗孚经验及一般启示［J］. 管理

世界，25（4）：150‑166.

［11］ 余鹏翼，李学沛，白洛凡，等，2022. 技术获取型跨国并购的双向效应与企业全要素生产率——以先进制造业为例

［J］. 中国软科学，（2）：116‑126.

［12］ 张玉梅，吴先明，2022. 海外并购提升了企业的创新质量吗？一个被调节的中介模型［J］. 世界经济研究，（11）：

119‑134，137.

［13］ 章琳，汤湘希，许诺，2022. 并购溢价与创新实现渠道：选择抑或协同渠道［J］. 科研管理，43（5）：172‑181.

［14］ 周楠，杨竹，2023. 制度距离与中国企业跨国并购创新绩效［J］. 科研管理，44（2）：81‑88.

［15］ AGARWAL R，ECHAMBADI R，FRANCO A，et al，2004. Knowledge transfer through inheritance：Spin‑out generation，

development，and survival［J］. Academy of Management Journal，47（4）：501‑522.

［16］ AHUJA G，KATILA R，2001. Technological acquisitions and the innovation performance of acquiring firms：A longitudinal

study［J］. Strategic Management Journal，22（3）：197‑220.

［17］ AMBOS TC，AMBOS B，SCHLEGELMILCH B B，2006. Learning from foreign subsidiaries：An empirical investigation of

headquarters’benefits from reverse knowledge transfers［J］. International Business Review，15（1）：294‑312.

［18］ ASMUSSEN C G，FOSS N G，PEDERSEN T，2013. Knowledge transfer and accommodation effects in multinational

corporations：Evidence from European subsidiaries［J］Journal of Management，39（5）：1397‑1405.

［19］ BALKIN D B，GOMEZ‑MEJIA L R，1990. Matching compensation and organizational strategies［J］. Strategic Management

Journal，11（1）：153‑169.

［20］ CARNABUCI G，OPERTI E，2013. Where do firms’recombinant capabilities come from？ intraorganizational networks，

knowledge，and firms’ability to innovate through technological recombination［J］. Strategic Management Journal，34（2）：

1591‑1613.

［21］ COHEN W M，LEVINTHAL D A，1990. Absorptive capacity：A new perspective on learning and innovation［J］.

Administrative Science Quarterly，35（1）：128‑142.

［22］ COVIN J G，SLEVIN D P，1988. The influence of organization structure on the utility of an entrepreneurial top management

style［J］. Journal of Management Studies，25（1）：217‑234.

［23］ DATTA D K，1991. Organizational fit and acquisition performance：Effects of post‑acquisition integration［J］. Strategic

Management Journal，12（1）：281‑297.

［24］ DUNNING J H，1996. The geographical sources of the competitiveness of firms：Some results of a new survey［J］.

Transnational Corporations，5（3）：1‑29.

［25］ DYER J H，OBEOKA K，2000. Creating and managing a high‑performance knowledge‑sharing network：The Toyota case

［J］. Strategic Management Journal，21（2）：345‑367.

［26］ EISENHARDT K M，1989. Building theories from case study research［J］. Academy of Management Review，14（2）：

532‑550.

［27］ FEY C F，BIRKINSHAW J，2005. External sources of knowledge，governance mode，and R&D performance［J］. Journal of

Management，31（1）：597‑621.

73

技术经济 第 42 卷 第 8 期

［28］ FROST T S，2001. The geographic sources of foreign subsidiaries’innovations［J］. Strategic Management Journal，22（1）：

101‑123.

［29］ FUSFELD H I，HAKLISCH C S，1985. Cooperative R&D for competitors［J］. Harvard Business Review，63（6）：60‑64.

［30］ HAGEDOOM J，DUYSTERS G，2002. External sources of innovative capabilities：The preference for strategic alliances or

mergers and acquisitions［J］. The Journal of Management Studies，29（2）：167‑188.

［31］ HAGEDOOM J，SADOWSKI B，1999. Transition from strategic technology alliances［J］. Journal of Management Studies，36

（1）：87‑107.

［32］ HAMEL G，DOZ Y L，PRAHALAD C K，1989. Collaborate with your competitors and win［J］. Harvard Business Review，67

（1）：133‑136.

［33］ HAUNSCHILD P，SULLIVAN B N，2002. Learning from complexity：Effects of prior accidents and incidents on airlines’

learning［J］. Admin. Sci. Quart，47（2）：609‑643.

［34］ KAPLAN S，WEISBACH M S，1992. The success of acquisitions：Evidence from disvestitures［J］. The Journal of Finance，47

（1）：107‑138.

［35］ KOGUT B，ZANDER U，1993. Knowledge of the firm and the evolutionary theory of the multinational corporation［J］.

Journal of International Business Studies，24（1）：625‑645.

［36］ KRISHNAN R A，JOSHI S，KRISHNAN H，2001. The influence of mergers on firms product‑mix strategies［J］. Strategic

Management Journal，25（6）：587‑611.

［37］ LANE P J，LUBATKIN M，1998. Relative absorptive capacity and interorganizational learning［J］. Strategic Management

Journal，19（1）：461‑477.

［38］ LESLIE E，PALICH L B，MILLER C C，2000. Curvilinearity in the diversification‑performance linkage：An examination of

over three decades of research［J］. Strategic Management Journal，21（1）：155‑174.

［39］ NAPIER N K，1989. Mergers and acquisitions，human resource issues and outcomes：A review and suggested typology［J］.

Journal of Management Studies，26（1）：271‑289.

［40］ PETTIGREW A M，1990. Longitudinal field research on change：Theory and practice［J］. Organization Science，（3）：

267‑292.

［41］ REAGANS R，MCEVILY B，2003. Network structure and knowledge transfer：The effects of cohesion and range［J］.

Administrative Science Quarterly，48（1）：240‑267.

［42］ RIKARD L，SYDNEY F，1999. Integrating strategic，organizational，and human resource perspectives on mergers and

acquisitions：A case survey of synergy realization［J］. Organization Science，10（1）：1‑26.

［43］ SCHWEIGER D M，DENISI A S，1991. Communication with employees following a merger：A longitudinal field experiment

［J］. Academy of Management Journal，34（1）：110‑135.

［44］ SEARS J， HOETKER G， 2014. Technological overlap， technological capabilities， and resource recombination in

technological acquisitions［J］. Strategic Management Journal，35（1）：48‑67.

［45］ WANG L，ZAJAC E J，2007. Alliance or acquisition？A dyadic perspective on interfirm resource combinations［J］. Strategic

Management Journal，28（13）：1291‑1317.

［46］ YANG H，ZHENG H，ZHAO X，2014. Exploration or exploitation？ Small firms’alliance strategies with large firms［J］.

Strategic Management Journal，35（1）：146‑157.

［47］ YANG Q，MUDAMBI R，MEYER K E，2008. Conventional and reverse knowledge flows in multinational corporations［J］.

Journal of Management，34（1）：882‑902.

［48］ ZHAO Z J，ANAND J，2013. Beyond boundary spanners：The‘collective bridge’as an efficient interunit structure for

transferring collective knowledge［J］. Strategic Management Journal，34（13）：1513‑1530.

［49］ ZOLLO M，SINGH H，2004. Deliberate learning in corporate acquisitions：Post‑acquisition strategies and integration

capability in US bank mergers［J］. Strategic Management Journal，25（5）：1233‑1256.

74

赵剑波：跨国并购的技术创新机理研究

How Does Knowledge Transfer Drive Technical Innovation in M&A？

—A Case Study on Haier’s Acquisition of FPA

Zhao Jianbo

（Institute of Industrial Economics of China Academy of Social Science，Beijing 100006，China）

Abstract：Knowledge transfer in technological acquisition can improve the innovation performance of enterprises，but as the acquirer，

Chinese enterprises are not as advanced in technology as the object of the merger，which leads to the inability of merger and acquirer to

effectively manage the process of knowledge transfer. In order to clarify the internal mechanism of knowledge transfer promoting

technological innovation in mergers and acquisitions，and explain the influence mechanism of knowledge congruity，strategic

complementarity，organizational fitness and other factors on knowledge transfer efficiency，the method of case study was adopted and

took Haier Group’s merger and acquisition of Fisher & Paykel Group as the research object to study the mechanism of Chinese

enterprises’technological innovation through cross‑border merger and acquisition. The results show that the factors such as knowledge

congruity，strategic complementarity，organizational fitness in the process of transnational technology mergers and acquisitions are

conducive to the knowledge transfer between acquirer and objective firms，and ultimately improve the innovation performance of

acquirer. Knowledge congruity，strategic complementarity，organizational fitness enhances the influence of knowledge transfer on

enterprise innovation performance. From the perspective of knowledge transfer research， knowledge consistency can improve

absorptive capacity and reduce the cost of knowledge transfer. From the perspective of merger and acquisition research，strategic

complementarity and organizational matching provide a guarantee mechanism for knowledge transfer. Finally，it is proposed that in the

process of acquiring key technologies through cross‑border merger and acquisition strategy，Chinese enterprises should evaluate the

knowledge consistency，strategic complementarity and organizational matching with acquisition objective，which can improve the

absorption capacity of acquisition objective，enhance the cross‑organizational innovation network and connection between the merger

and acquirer，and make knowledge transfer easier between the merger and acquirer. Eventually innovation performance between the

merger and acquirer is improved.

Keywords：merger and acquisition；knowledge transfer；knowledge congruity；strategic complementarity；organizational fitness

75

第 42 卷 第 8 期 技 术 经 济 2023 年 8 月

宋默西等：

大数据能力对农业科技企业创新的影响：

一个有调节的中介效应模型

宋默西，洪如玲，王雯溪

（中国农业大学 经济管理学院，北京 100083）

摘 要：目前学者们较为关注大数据能力对于企业创新的影响研究，但大多笼统探究大数据能力对企业创新的直接影响，深入

探究其中介机制和调节机制的研究尚未完善，立足于农业科技企业的研究更是缺乏。本文基于动态能力理论，深入探究大数

据能力对农业科技企业创新的影响机制，以双元组织学习为中介变量，以市场导向为调节变量，建立可调节的中介模型。基于

181 家农业科技企业样本，结果表明：大数据能力对企业创新具有显著正向影响；探索式学习和利用式学习在大数据能力和企

业创新间均具有正向中介作用；市场导向增强了利用式学习在大数据能力与企业创新之间的中介作用；而对探索式学习在大

数据能力与企业创新之间的中介作用未发挥显著的调节作用。

关键词：大数据能力；农业科技企业创新；组织学习；市场导向

中图分类号：F324.6 文献标志码：A 文章编号：1002—980X（2023）8—0076—13

一、引言

伴随着经济全球化和科学技术发展的加快，创新已逐渐成为驱动社会进步和经济发展的主要推动力。

尤其是对于我国国民经济的基础性行业——农业，科技创新更是推动农业现代化，带动农村经济发展，从而

最终解决“三农”问题的核心推动力（谢康等，2022）。党的二十大报告明确提出要全面推进乡村振兴，必须持

续完善农业科技创新体系，强化涉农企业科技创新主体地位，为全面推进乡村振兴，不断注入创新动力，提供

更强有力的科技支撑。尤其农业科技企业作为农业技术创新的生力军，更是引领行业集聚发展、带动产业升

级，大幅提升农业产业国际竞争力和核心技术掌控力的核心推动力（王昌文，2020）。但是，与其他农业科技

强国比较，我国农业科技企业的科技基础依然比较薄弱，尽管近年来对技术创新活动有所重视，创新活动的

基本投入也有显著提高，但普遍存在加工技术水平落后，产品质量和标准参差不齐，缺乏竞争力的品牌等问

题，创新水平还存在着较大的差距（程李梅和刘柯欣，2022）。因此，在这一特定环境下，如何有效提升农业科

技企业技术创新能力，真正实现企业自主创新，进而推动农业产业升级并大幅提升农业产业国际竞争力，是

我国科研工作者亟待思考的重要问题之一。

另一方面，大数据是 information technology（IT）行业继云计算之后的一次重大变革，在世界范围内掀起了

一场前所未有的革命。在大数据广泛应用的背景下，我国农业科技企业也在逐步转型升级，信息化和智能化

水平逐步得到提升（孙九林等，2021）。但由于我国农业科技企业相较于其他行业自身资源的局限性较大，因

此对农业大数据的深度挖掘和分析的能力较弱，大数据资源的经济价值很难得到充分发挥（温孚江和宋长

青，2017）。因此，对农业科技企业来说，如何能够从海量、纷繁复杂的大数据中挖掘和提炼出有价值的信息，

并有效提升农产品研发技术水平，从而促进农业企业创新，成为亟待解决的热点问题。具体来说，大数据能

力是否会对农业科技企业创新产生影响，以及产生何种影响？在此基础上，大数据能力会通过何种中介路径

和机制，以及在何种边界条件的作用下，对农业科技企业创新产生影响？深入研究这些问题，对于农业企业

深度挖掘大数据的价值，使大数据资源真正服务于农业科技企业创新，进而全面推进乡村振兴，形成具有全

球竞争力的农业科技创新生态，有巨大的实践意义（谢康等，2022）。

近年来，学者们也在如何利用大数据能力，即企业整合内外部大数据资源，通过深度分析和预测适应外

收稿日期：2023‑04‑24

基金项目：国家自然科学基金青年科学基金“大数据吸收能力对我国农业企业突破式创新的影响机制研究”（71803183）

作者简介：宋默西，博士，中国农业大学经济管理学院副教授，硕士研究生导师，研究方向：战略管理，供应链管理；（通讯作者）

洪如玲，博士，中国农业大学经济管理学院讲师，硕士研究生导师，研究方向：组织行为与人力资源管理；王雯溪，中

国农业大学经济管理学院硕士研究生，研究方向：战略管理，供应链管理。

76

宋默西等：大数据能力对农业科技企业创新的影响：一个有调节的中介效应模型

部环境变化的能力（谢卫红等，2016），来创造商业价值这一领域不断探索。然而，大数据能力对于企业创新

的直接影响效果，研究结论尚未统一。有些学者发现大数据能力能有效促进企业创新的提升（马巧鸽等，

2019，Mikalef et al，2019），然而有些学者认为两者并未显著相关（任南等，2018）或呈现 U 型相关关系（Hao et

al，2019）。例如，任南等（2018）探讨了大数据分析能力与协同创新之间的关系，发现其中大数据能力并不直

接影响创新能力和创新。Hao 等（2019）发现大数据资源本身会限制大数据能力对企业创新的影响，当大数

据资源不足的时候，可以通过提升大数据能力来提高绩效，但如果超过这一点，提升大数据能力实际上可能

会抑制创新。究其原因，学者们推测大数据能力，作为企业高阶的动态能力，可能需经由一定的中介机制或

调节机制才能转化为企业创新的实际提升，并逐步对其作用机理展开初探（刘念等，2021；张振刚等，2021）。

例如，刘念等（2021）发现资源拼凑和组织敏捷性在大数据能力与制造企业服务创新之间起到重要的中介作

用。张振刚等（2021）基于动态能力理论和权变理论，经过实证发现大数据能力对创新具有正向的促进作用，

并在此基础上考虑 IT‑业务融合水平和双元环境的调节作用。然而，现有研究对其作用机理的探究还很不完

善，且鲜有学者立足于农业科技企业，并从组织学习视角出发对其进行深入挖掘，未能全面揭示大数据能力

提升企业创新绩效的“黑箱”，一定程度上阻碍了农业科技企业利用大数据更好转化成实际价值。

在大数据时代，组织学习是企业生存及获得持续竞争优势的重要途径（陈漫等，2022）。根据组织学习

理论，知识的获取只是组织学习的起点，知识往往不能直接形成创新，企业只有具备一定的组织学习能力，才

能够将获取的外部知识理解、消化并将其转化为可被企业利用的知识，进而才能够形成创新（March，1991；

Levitt and March，1988）。也就是说，大数据能力帮助企业对获取、分析和预测外部知识与技术，但外部知识

需要触发一系列强化组织学习的过程，如探索式与利用式学习，并为之提供投入要素，才能使企业取得最终

的创新成果。探索式学习强调对新知识的搜寻与创造，而利用式学习则强调对原有知识的改进与提升

（Atuahene‑Gima and Murray，2007）。纵观当前组织学习与企业创新关系的研究，学者们大多直接探究组织

学习对于企业创新的影响（王海军等，2021；张徽燕等，2014），将其作为前因变量。例如，王海军等（2021）发

现探索式学习和利用式学习对企业的颠覆性创新具有正向显著影响。张徽燕等（2014）认为组织学习能力能

显著提升双元性创新。也有部分学者对组织学习的中介作用进行初探，如刘建湘和单汨源（2016）发现，与利

用式学习相比，探索性学习在研发开放程度和创新绩效的中介作用更显著。李静霞（2019）研究发现组织学

习在知识转移与企业动态能力之间起到中介作用。但聚焦于农业科技企业，从大数据能力角度，研究大数据

能力、企业创新与组织学习之间关系的仍然是少数，而在此基础上将组织学习作为中介变量的研究更是缺

乏。因此，本文拟引入组织学习作为中介变量，以揭开大数据能力与农业科技企业创新之间关系的“黑箱”。

此外，当前市场竞争愈发激烈，消费者的需求呈现出个性化、创新性的趋势，而市场导向作为一种“企业

文化”（Narver and Slater，1990），不仅能够帮助企业收集顾客有关信息，也能够获取与竞争者相关的信息，使

其更好的为客户创造价值，保持自己独特的竞争优势，因此其对企业学习方式和企业创新的影响不容忽视。

针对不同水平的市场导向，企业需采取不同的学习方式加以应对。目前，已有的研究大多将市场导向作为前

因变量，探讨其对组织学习、创新等的影响机制（王灿昊和段宇锋，2019；夏晗，2019）。例如，王灿昊和段宇

锋（2019）提出反应型市场导向有利于企业实施应用式创新，而先动型市场导向则有利于探索性创新。夏晗

（2019）发现积极型市场导向能极大地促进新产品开发成功。也有学者从不同角度初步探究了市场导向的调

节作用，但相关研究还相对不足。徐建中等（2019）研究发现前瞻型市场导向强化了知识宽度搜索与企业创

新绩效之间的正向关系，反应型市场导向则会弱化知识深度搜索与企业创新绩效的正向关系。鉴于此，本文

选取市场导向为调节变量，以探讨其对大数据能力—双元组织学习—企业创新关系的影响。

本文基于资源基础理论和动态能力理论，深入探究大数据能力对农业科技企业创新的影响机制，以双元

组织学习为中介变量，以市场导向为调节变量，进一步建立可调节的中介模型（温忠麟和叶宝娟，2014），即研

究在市场导向的作用下，双元组织学习在大数据能力和企业创新中是否发挥更大的中介作用。

本文的理论贡献有如下三点：第一，随着企业大数据能力的发展，越来越多的学者关注其与创新的关系，

但是大部分仅笼统研究大数据能力对企业创新的直接效应，而进一步探究其中的中介机理和调节机制的研

究还并未完善。本文系统地探究了大数据能力与企业创新之间的作用路径及边界条件，并提出可调节的中

介模型，为大数据能力研究提供了一个全新的理论视角与研究思路，弥补了我国现有大数据能力管理领域研

究尚不完善的现状，这对于揭开大数据能力对农业科技企业创新影响的这一理论“黑箱”具有重要的意义。

第二，组织学习是创新管理领域的核心概念，然而目前研究主要集中在其影响因素的探究及如何提高企业创

77

技术经济 第 42 卷 第 8 期

新和绩效上，少有从大数据能力的角度研究其对组织学习的影响效果，即将大数据能力作为驱动因素来探索

如何能够提升双元组织学习方式，进而提升企业创新。而本文就补充了大数据能力在组织学习领域的应用

研究，旨在提供大数据能力这一新的视角应对组织学习过程中的问题，推动组织学习理论的发展。最后，从

市场导向角度来说，目前大部分学者将其作为自变量探索其对企业创新和绩效等的影响，而市场导向作为调

节变量是如何对大数据能力—组织学习—企业创新这一路径影响的尚未知晓。因此本文将市场导向引入大

数据能力和组织学习等领域，加深了对市场导向与大数据能力、组织学习和创新关系的认识，有助于推进市

场导向领域的研究。

二、理论分析与研究假设

（一）大数据能力

大数据能力是西方学术界近年兴起的一个概念，有学者认为，建立具有独特的、难以被模仿的大数据能

力，可以为企业提供更多的商业价值。Lavalle 等（2011）最早提及数据筛选、整理、分析和应用数据的能力，

但是没有进行具体的阐释。目前有关大数据形成一种能力的研究主要集中于以下两方面：一方面，重要的是

数据处理能力，Bharadwaj 等（2013）界定大数据能力的概念，是企业在特定的时间内对数据进行获取、整理和

加工处理的能力。大数据能力可以帮助组织调整现有数据，以满足不同情况下出现的不同信息需求（Rialti

et al，2019）。另一方面是数据分析能力，例如 Hurwitz 等（2013）认为想要实现大数据的价值，就要拥有能够

深入挖掘其价值的分析能力。简单的数据处理已经不再能满足需求，数据科学最关键的方面之一就是数据

分析的能力（Davenport et al，2012）。因此要将大数据上升为一种分析能力，一种使企业能够实时分析和应

对巨量离散数据的能力。通过进一步梳理发现其中较多的研究认为大数据分析能力是企业搜集、整合并重

新配置大数据资源的能力，是新一代技术和构架，企业可以实现高速捕获、发现和分析，从大量数据中经济地

提取价值（Mikalef et al，2019）。但基于动态能力理论，企业想要获得竞争优势就需要一种实时的高阶能力

以适应外部环境变化，所以说这里的大数据能力也已经远远超过“分析”。近年来，国内学者谢卫红等（2016）

对大数据能力进行详细梳理与定义，认为大数据能力是企业整合内外部大数据资源，通过深度分析，预测、

适应外部环境变化的能力。

对此，基于资源基础理论和动态能力理论，借鉴以上研究基础，本文将“大数据能力”定义为企业通过整

合内外部大数据资源，捕获、分析数据，并调整、重构数据、技术和人才，对未来业务或模式进行预测，为企业

提供一种可以应对内外部环境变化的动态能力。

（二）大数据能力对农业科技企业创新的直接影响

资源基础理论认为，企业竞争优势的来源是其具备的资源和能力，而且这类资源是有价值的、稀缺的、不

可复制的、具有组织性的（Barney，1991）。而动态能力理论则是对资源基础理论的一种补充和延伸。研究动

态能力理论的学者们提出，在动态变化的环境中，以资源基础观为基础的竞争优势已不再适用，必须引进新

的变量来探寻资源和企业竞争优势的关系（Teece et al，1997；Eisenhardt and Martin，2000）。对组织来说，仅

仅拥有资源优势并不能使其在变化的市场环境中维持长久的优势，还必须拥有特定的能力，能够持续获取资

源并对它们进行整合和利用。因此，有学者从资源基础理论出发，补充了动态环境维度，提出了动态能力模

型，即帮助企业“整合、建立和重新配置内外部能力以适应快速变化环境”，是企业的持续竞争优势的真正来

源（杜俊义和冯罡，2020）。本文认为，作为农业科技企业基础性资源的农业大数据，并不能直接为农业科技

企业提供竞争优势。但基于大数据发展出的动态的大数据能力可以帮助农业科技企业对其所处的农产品市

场、农业技术、农产品消费者、竞争环境进行实时的预测，使农业科技企业及时感知机会和威胁，快速响应市

场和竞争和变化，树立先发优势（Mikalef et al，2019）。因此，大数据能力是农业科技企业动态能力的重要组

成部分，能够帮助农业科技企业在动态环境中取得并维持其竞争优势，促进农业科技企业创新。

具体来说，大数据能力能够帮助农业科技企业快速获取、深度分析和预测农产品市场和消费者需求、农

作物生长等数据，从而提升农产品和农业技术的研发速度和创新性，进而促进农业科技企业创新。从市场需

求层面，有研究表明，消费者参与产品研发与制造会提升他们对于新产品的接纳程度及应用能力，从而提升

顾客满意度（武文珍和陈启杰，2017）。大数据能力可以使农业科技企业实时跟踪农产品市场变化，通过大数

据挖掘并深度预测消费者行为模式和竞争对手的行为变化等，有利于企业加深对农业市场的了解（马巧鸽

78

宋默西等：大数据能力对农业科技企业创新的影响：一个有调节的中介效应模型

等，2019），从而更迅速地设计、改良更符合消费者要求的，更优于竞争对手的农产品或农业技术，为农业科技

企业实现实时化、个性化的产品和技术创新提供可能。尤其网络媒体中蕴含消费者的数据，可以帮助企业基

于数据快速构建消费者的完整兴趣图谱。这些兴趣图谱可以使企业与农产品消费者之间的关系更紧密，通

过深度分析和挖掘客户需求（Ghasemaghaei and Calic，2019），企业能够更快速高效的研发出消费者需要的新

型农产品和新型农业工艺，促进农业科技企业创新。在技术层面大数据能力还能够对农产品生长进行观测

和追踪，提升研发速度和精度。例如，利用卫星遥感技术，可以对农作物叶片面积指数、叶绿素含量等多项指

标进行监测，从而获得大量的数据信息，这些信息可以为农业科技企业生产环节提供科学的数据参考，农业

科技企业可以据此提前干预农作物品质（唐瑞，2021），从而大大缩短了农产品研发周期，提升研发的精准度

和个性化，推进企业创新。

基于以上分析，本文提出如下假设：

大数据能力对农业科技企业创新有显著正向影响（H1）。

（三）组织学习的中介作用

环境的不确定性，迫使企业必须不断地学习以提高其适应环境的能力，组织学习在企业生存发展中有着

举足轻重的作用（张敬文和郑招兰，2022）。Argyris 和 Schön（1978）最早提出了组织学习的概念，他们将组织

学习界定为一种过程，包括对组织内部信息进行展现、解释说明及整理分析，从而实现组织内部业务优化升

级的过程。March（1991）按照不同的组织学习模式，将组织学习划分为“探索式学习”和“利用式学习”，“探索

式学习”是指有“探索、承担风险、试验、尝试、发现、创新”等特征的学习行为，实质是寻求和获取与现有知识

相区别的新知识；而利用式学习是指具有“提炼、筛选、生产、效率、选择、实施、执行”等特征的学习行为，其本

质是将外部获得的新知识与企业已有的相结合，并将其有效地内化，从而以新方式使用和扩充现有知识库

（Levitt and March，1988）。

组织学习理论认为，知识的获取是学习的起点，无论是探索式学习还是利用式学习都离不开知识的获

取。在大数据的时代下，数据是获取知识的源泉，当前对知识的竞争已演变为数据竞争（March，1991；Levitt

and March，1988）。而大数据能力能够从海量数据中萃取对企业有价值的知识，是一种高级的知识处理能力

（Wamba et al，2017），在知识处理方面存在巨大优势，对组织学习存在极大的促进作用。以下将从探索式学

习和利用式学习两个维度展开。首先，大数据能力能够通过开发或从外部获得农业大数据分析的软件平台

实现对杂乱、复杂的农业大数据的深度分析和挖掘，能够发现看似无关的数据资源之间的潜在联系，从而获

得很多以前难以挖掘的新知识，进而扩展和丰富农业科技企业现有知识库（许治等，2022）。例如，大数据能

力能够帮助农业科技企业通过网络媒体等，获取较为庞大和完善的农产品消费者数据，消费者的需求偏好等

信息可以即时被农业科技企业捕捉，企业的知识库得到持续全面的扩展和补充。因此，大数据能力有利于农

业科技企业探索式学习的提升（张彩凤等，2019）。其次，大数据能力能够帮助农业科技企业建立知识和思维

惯例，对现有知识（农业技术、农产品市场信息）的整合和分析意识增强，知识关联能力也增强，激发对现有知

识的再利用和创新（李忠顺和王少瑜，2021），进而提升利用式学习能力。当农业科技企业拥有较强的大数据

能力时，企业内部对各个流程的数据采集、整合和分析的意识也会增强，内部各部门间更积极和更频繁地对

现有知识和经验进行分享和学习，加强已有知识间的关联。另外，拥有大数据能力的农业企业对知识迭代次

数和频率的承受力更强，更有利于对旧知识的试错，形成完备的农业知识库（李忠顺等，2015）。因此，大数据

能力有利于利用式学习。

另外，组织学习与企业的创新活动、企业的创新产出的关系历来受到学术界和企业管理者的重视。他们

认为组织学习有助于企业知识的累积与运用，从而提高技术创新的能力，并因此而取得较好的竞争优势（张

林和王宇，2018）。组织学习可以更新企业的知识储备，提升企业的战略柔性，增强企业的环境反应能力，能

够避免组织“僵化”，从而推动企业创新。首先，探索式学习有利于企业获取创新来源和进行创新活动，因而

有效促进企业创新（张徽燕等，2014）。对于农业科技企业创新，外部新知识的纳入是必要的。探索式学习关

注外部知识环境的变化和趋势，这与创新对新知识的需求相符（高启杰，2013）。探索式学习帮助农业科技企

业培育出新的农产品，更新和升级现有农业技术，从而实现农产品的创新或农业技术的革新。因此，探索式

学习通过获取新知识能够有效打破农业科技企业的惯性依赖，促进企业创新。其次，企业通过现有知识的利

用式学习，对内部资源进行优化，以适应外部环境，达到持续性的企业创新（李忠顺和王少瑜，2021）。拥有较

79

技术经济 第 42 卷 第 8 期

强利用式学习能力的企业，可以将已消化的新知识进行重组、转化，并在此基础上对现有的知识和认知结构

进行相应的调整，使其适应新的环境变化，在此过程中产生新观念、新的农业技术模型、新的顾客需要，从而

促进农业科技企业创新（许治等，2022）。此外，企业利用式学习的终极表现就是知识的使用，而知识的有效

使用可以将新知识、新思想与农产品市场机遇相结合，开发和测试新型农产品（张志华和陈向东，2016），从而

使农业技术得以商品化，以实现农业科技企业的创新。

在此基础上，组织学习理论指出，知识的获取只是组织学习的起点，知识往往不能直接形成创新，企业只

有具备一定的组织学习能力，才能够将获取的外部知识理解、消化并将其转化为可被企业利用的知识，进而

才能够形成创新。也就是说，外部知识需要一系列强化组织学习的过程，才能使企业取得最终的创新成果。

在农业科技企业环境下，大数据是企业知识的重要组成部分，大数据能力能帮助农业科技企业从海量的农业

数据中萃取出有价值的农产品市场和农业技术知识，并实时捕捉相关信息对其进行深度分析实现新知识的

纳入，丰富企业的知识库，还可以增强现有知识关联的能力，从而促进组织学习（马巧鸽等，2019）。组织学习

可以帮助企业更好地理解、消化并且利用农产品消费者与竞争对手的策略信息及农业技术发展信息，使之作

用在组织创新上（张志华和陈向东，2016），从而从根本上形成创新。结合前文相关的理论阐述，本文认为大

数据能力可以通过组织学习作用于农业科技企业创新。

由此，本文提出如下假设：

探索式学习在大数据能力和农业科技企业创新之间起到正向中介作用（H2a）；

利用式学习在大数据能力和农业科技企业创新之间起到正向中介作用（H2b）。

（四）市场导向的调节作用

Narver 和 Slater（1990）将“市场导向”界定为一种企业文化，它能促使企业竭尽全力，实施最有效的管理

措施，以创造最大的客户价值，并以此来保证企业的经营绩效。企业不仅要重视当前的市场经济环境下顾客

的需求，还要在未来公司的内外部环境发生变化之际，能够满足消费者变化的需求（Jaworski and Kohli，

1993）。

在市场导向水平较高的农业科技企业，企业形成“客户至上”的文化氛围（Jaworski and Kohli，1993；

Narver and Slater，1990），在意识和能力上会更重视通过大数据能力获得的一手农产品市场信息，从而更加积

极有效的运用大数据能力提升组织学习程度，进而知识的再利用和创新，以迅速响应市场，满足消费者需

求。而市场导向水平较低的企业，对大数据能力的利用重视不足，使大数据的商业价值无法得到有效体现，

知识的学习和再利用也很难实现。因此，市场导向能够强化大数据能力对组织学习的促进作用。

具体来说，市场导向能够从组织能力和意识两方面增强大数据能力与双元组织学习的关系。从组织能

力角度，市场导向水平较高的农业科技企业，通过多种方式与顾客互动获取大量农产品消费者需求信息

（Linc and Kunn，2019），以补充大数据能力整合分析出的农产品市场和消费者方面的知识，从而丰富农业科

技企业的知识库，加强大数据能力对探索式学习的促进作用（吴晓云和张峰，2014）。从主观意识角度市场导

向水平较高的企业能够敏锐感知消费者需求的变动和农产品市场竞争压力，在压力驱使下，企业会更加积极

主动的利用大数据能力提升探索式学习，以设计生产出满足消费者需求的创新型农产品及农业技术；此外，

市场导向也能增强大数据能力对利用式学习的促进作用。市场导向水平较高的农业科技企业，对农产品消

费者和农业市场信息深度分析和洞察意识的能力较强，能够增强农业科技企业对新旧知识的关联和融合意

识（王核成和童琦，2022），同时提升企业对知识迭代次数和频率的承受力和知识关联能力，激发对现有知识

的再利用和创新。由此可见，市场导向水平高的企业，大数据能力对利用式学习的促进作用更为强烈。

由此，本文提出如下假设：

市场导向会强化大数据能力对探索式学习的促进作用（H3a）；

市场导向会强化大数据能力对利用式学习的促进作用（H3b）。

（五）可调节的中介模型

根据上述分析双元组织学习（探索式学习和利用式学习）在大数据能力和企业创新之间起到中介作用

（假设 H2a，假设 H2b）；同时大数据能力与组织学习之间的关系受到市场导向的调节（假设 H3a，假设 H3b），

进一步表明了一个被调节的中介模型，即双元组织学习在大数据能力与企业创新之间起中介作用，但这种中

80

宋默西等：大数据能力对农业科技企业创新的影响：一个有调节的中介效应模型

介效应会受到市场导向的影响。

高市场导向的企业，会持续监测和敏锐感知者农产品消费者需求的转变、竞争对手动向及农业行业前沿

信息。在巨大的市场压力下，一方面，企业具有积极探索和应用前瞻性知识的意愿，以期最大限度、有创造性

的满足农产品消费者的需求（王婷，2019）。而探索式学习恰恰强调有意识地跳脱现有组织结构、技术和知识

框架，去创造全新的知识结构来解决问题，进而颠覆主要设计逻辑和生产技术，从而极具创新性的满足消费

者的需求（叶妍，2019），因此，市场导向能够强化探索式学习的中介作用；另一方面，面对市场高度不确定性、

机会转瞬即逝等特征，产品研发周期和面向市场的速度逐步也成为竞争成败的关键。因此，高强度市场导向

的企业，同时也追求市场价值的快速实现，企业重视将外界获取丰富信息与企业现有知识融匹配和融合，以

迅速突破原有生产方向不确定、消费者需求模糊等生产瓶颈（Wang and Ellinger，2011），加速新产品开发进

程，从而提升创新绩效。而利用式学习能够在已知知识的基础上进行改进，可以降低风险性，而且可以在短

时间内提高绩效，可以使企业获得稳定的绩效增速（Linc and Kunn，2019）。因此在高市场导向下，利用式学

习的中介作用也被大大强化了。

基于此，本文提出如下假设：

市场导向会强化探索式学习在大数据能力与农业科技企业创新间的中介作用（H4a）；

市场导向会强化利用式学习在大数据能力与农业科技企业创新间的中介作用（H4b）。

因此，本文理论模型如图 1 所示。

+

fl7





3

0fl

U

?

ffl

fl

fl \"

.

fl \"

图 1 理论模型

三、研究设计

（一）研究样本与数据收集

本文所探讨的大数据能力、组织学习、市场导向及企业创新的关系属于企业层面的内容，实证数据主要

通过调查问卷的方式。本文的调查对象以经济较发达地区，如京津冀、江浙和两广等地区的农业科技企业为

主且具有以下特征：以农业科技产品研发和应用为主营业务；具有较强创新意识，拥有专门研发部门，有稳定

而持续的研发投入和自主知识产权；具备较强的分析和应用大数据的能力和组织学习能力，以符合本文的研

究假设和模型。由于我国农业科技企业相较其他行业，在产品创新方面还存在一些不足，因此进行模仿创

新、合作创新、自主创新的企业都属于农业科技企业的范畴。

正式调研的数据收集工作是在 2021 年 6—9 月，采用纸质问卷和电子问卷相结合的形式，线上通过邮件

发送电子问卷，线下实地调研采用纸质问卷。本文的抽样范围主要是京津冀、江浙、两广等地区的 300 家农

业科技企业。问卷发放主要依托中国农业大学和中山大学相关领域专家的调研关系网络。本文主要选取中

高层管理人员作为问卷回答者，他们对企业的大数据能力、企业创新等相关信息非常了解，能够对问卷的题

项做出较为准确的判断。在回收问卷后剔除漏填、错填的问卷，最终得到 181 份有效问卷，问卷的回收率为

60.33%。

在抽取的 181 家农业科技企业中，成立时间在 10 年以上的企业仅占样本总量的 4.3%；样本企业多半是

成立 5~10 年的农业科技企业，占比 77.02%；成立 1~5 年的企业占 18.63%。在所有制分类方面，42.86% 的企

业是民营企业，国有企业占比 38.51%，集体所有占 8.70%，中外合资企业占 8.07%，外商独资企业仅有 3 家，占

比 1.86%。本文主要用员工数量说明样本企业的规模，规模在 300~500 人的农业科技企业占样本总量的

81

技术经济 第 42 卷 第 8 期

60.25%，500~100 人的农业科技企业占比 16.77%，1000 人以上的企业占 8.07%，样本企业以大中型农业科技

企业居多。在样本企业中，新产品收入占比在 1%~5% 的企业占 60.87%，超过半数；且一半以上的企业研发

支出占比在 1%~5%，研发支出占比在 6%~10% 的占 25.47%，说明样本农业科技企业拥有一定的企业创新

能力。

（二）变量测量

本文借鉴国内外成熟量表并结合本文研究目的进行量表制定。问卷采用 Likert7 级量表对各变量进行

测度，7 分表示完全同意，1 分表示完全不同意。

1. 大数据能力的测量

本文参考谢卫红等（2016）等学者对大数据能力的界定，将大数据能力划分为资源整合能力、深度分析能

力和实时洞察与预测能力，并根据本文的研究内容及农业科技企业环境对测量量表进行了适当调整，形成

16 个测量题项。例如，“农业科技企业能够持续、实时地获取各种农业大数据”，“农业科技企业能够对各种

文本、语音等非结构化农业大数据进行实时分析”，“农业科技企业能基于大数据实现对农产品市场的实时洞

察和预测”等。

2. 农业科技企业创新的测量

目前，国内外已有许多成熟的企业创新度量指标。本文主要参考 Laursen 和 Salter（2010）的研究成果，并

在农业科技企业环境基础上进行了适当修改，形成了 5 个测量题项，例如“与同行相比，农业科技企业能够经

常更快地推出新的农产品”，“与同行相比，农业科技企业经常更快地开发和引入新的农业技术和工艺”等。

3. 组织学习的测量

本文基于学习行为视角将组织学习划分为探索式学习和利用式学习，参考 March（1991）及 Jaworski 和

Kohli（1993）对这两种学习行为的描述和界定，并根据农业科技企业环境对测量量表进行了适当调整，形成

了 8 个测量题项。其中，探索式学习采用 4 个题项测量，如“农业科技企业更重视寻求使企业进入全新农产品

市场/农产品领域的信息”“农业科技企业更倾向于对全新农产品市场/农产品知识的学习和掌握”等。

4. 市场导向的测量

对市场导向的测量主要依据 Kumar 等（1998）的文献，在我国农业科技企业环境下进行了适度调整，共

计 6 个题项，如“农业科技企业的经营目标表达了对农业客户满意的承诺”“农业科技企业不断地创造和加工

新的农产品以为农业客户提供更多的价值”等。

5. 控制变量

本文参考已有的大数据能力、组织学习、企业创新领域的研究，对可能影响解释变量的干扰因素进行控

制。一是企业年龄，即企业的成立时间；二是企业规模，即员工数量；三是企业的所有制形式，包括民营、国

有、集体、中外合资与外商独资企业五种类型；四是新产品收入占比；五是研发支出占比，新产品收入占比和

研发支出占比一定程度上能够代表企业的研发投入和技术水平，因此对其进行控制。

四、数据分析与结果

（一）同源方差检验

在对样本进行假设检验之前，需要对回收的有效样本进行质量评估，对共同方法偏差进行控制。本文通过

程序控制和统计检验控制两种方法对于共同方法偏差的检验和控制。程序控制是从偏差的来源进行控制，在

问卷设计和测量上尽可能借鉴国内外权威量表，采用匿名测量，合理设置问题顺序和问题长度。统计检验常用

Harman 单因素检验。本文在对所有题项进行检验后提取出 8 个特征值大于 1 的因子，且第 1 个因子最大方差

贡献率只解释了变异量的 47.132%，小于 50%，可以认为本文采用的量表不存在严重的共同方法偏差。

（二）信效度检验

在量表信度方面，本文通过 Cronbach α 系数、组合信度（CR）进行检验。本文各变量 Cronbach α 均大于

0.7，组合信度（CR）值均大于 0.7，表明量表内部一致性高，通过信度检验。

本文量表效度主要检验内容效度与结构效度。首先，本文测量题项均来自以往的成熟的经典量表，从而

82

宋默西等：大数据能力对农业科技企业创新的影响：一个有调节的中介效应模型

保证数据具有较好的内容效度。在结构效度方面，本文利用 AMOS 软件进行验证性因子分析（CFA）以检验

各变量的收敛效度及区分效度。收敛效度的检测主要通过因子载荷、组合信度（CR）和平方差萃取量（AVE）

实现。本文的因子载荷都在 0.7 以上，CR 值都在 0.7 以上，AVE 值都在 0.5 以上，说明量表具有良好的收敛

效度。区分效度的检验是通过比较变量的 AVE 值的平方根与变量间的相关系数来实现，本文所有变量的

AVE 值的平方根均大于变量间的相关系数，说明变量具有良好的判别效度（表 1）。

（三）描述性统计分析

本文通过对大数据能力、探索式学习、利用式学习、市场导向和企业创新进行 Pearson 相关分析，以初步

判断各变量之间的关系。由表 1 可知，在 0.01 的显著水平下，大数据能力与企业创新呈显著正相关（r=

0.525）；大数据能力分别与探索式学习（r=0.573）和利用式学习（r=0.617）具有正向的强关系；而探索式学习

（r=0.509）和利用式学习（r=0.629）分别与企业创新具有正向的强关系，并且各主要变量间相关系数均小于

0.7，说明不存在严重的多重共线性问题。以上结果符合理论假设预期，为假设提供了初步支持。

表 1 各变量描述性统计和相关性分析结果

变量

1.企业规模

2.企业年龄

3.所有制形式

4.新产品收入占比

5.研发支出占比

6.大数据能力

7.探索式学习

8.利用式学习

9.市场导向

10.企业创新

均值（Mean）

标准差（SD）

1

1

0.250**

0.386*

0.431

0.409

0.286**

0.315*

0.389

0.058

0.253

2.864

0.657

2

1

0.278

0.364

0.386

-0.195

0.103

-0.365

0.468

0.529

2.433

1.043

3

1

0.443

0.390

0.228

0.332

0.225

0.421

-0.398

1.689

0.316

4

1

0.366

0.382

0.583**

0.476**

-0.009

0.287**

4.326

0.674

5

1

0.478

0.589

0.251**

0.643

0.422**

4.677

0.716

6

0.732

0.573**

0.617**

0.443**

0.525**

4.593

0.689

7

0.794

0.479**

0.436**

0.509**

4.776

0.793

8

0.879

0.509**

0.629**

4.528

0.769

9

0.825

0.579**

4.890

0.852

10

0.882

4.319

0.826

注：对角线上黑体数值为 AVE 平方根；***、**、*分别表示在 0.001、0.01、0.05 水平上显著相关。

（四）假设检验

1. 主效应检验和中介效应检验

本文假设 1 认为大数据能力对企业创新有显著的正向影响，使用统计软件 SPSS22.0，采取分层线性回归

的方法对该直接效应进行检验。首先将可能对企业创新有影响的控制变量，即企业年龄、企业规模等，以及

大数据能力（自变量）和企业创新（因变量）依次放入模型。回归结果见表 2，从模型 3 的分析结果可见大数据

能力对企业创新具有正向的强关系（β=0.507，P<0.001），假设 H1 得到验证。

对双元组织学习的中介效应的检验，本文参考温忠鳞和叶宝娟（2014）的建议，先通过 Baron 和 Kenny

（1986）的层级回归方法进行初步检验，再利用 Bootstrap 法进行进一步验证，回归结果见表 2。首先，从 M1 和

M2 的回归分析结果表明大数据能力对探索式学习（β=0.567，p<0.001）和利用式学习（β=0.642，p<0.001）有显

著的正向影响，从 M3 的回归分析结果可以得出大数据能力对企业创新有显著的正向影响（β= 0.503，p<

0.001），再从 M4 中可知，在 M3 的基础上加入组织学习作为中介变量，发现探索式学习（β=0.286，p<0.05）和利

用式学习（β=0.401，p=<0.05）均对企业创新具有显著正向影响，而大数据能力对于农业科技企业创新的直接

影响不显著（β=0.087，p>0.05），因此，探索式学习和利用式学习在大数据能力与企业创新之间起正向中介作

用，且均为完全中介，初步支持了假设 H2a 和假设 H2b。

为进一步验证中介路径显著性采用 Bootstrap 方法来检验，样本量定为 5000，置信区间置信度 95%，结果

汇总见表 3。在加入探索式学习这一中介变量后，大数据能力对于农业科技企业创新的间接效应显著，置信

区间为［0.201，0.371］，不包括 0；其直接效应也显著，置信区间为［0.055，0.397］，不包括 0，说明探索式学习起

到部分正向中介作用；在加入利用式学习后，大数据能力对于企业创新的间接效应显著，置信区间为［0.218，

0.483］），不包括 0；但直接效应不显著，置信区间为［-0.001，0.335］，包括 0，说明利用式学习起到完全的正向

中介作用。综上，假设 2a、假设 2b 得到了进一步的支持。

83

技术经济 第 42 卷 第 8 期

表 2 回归分析结果

变量

企业年龄

企业规模

所有制形式

新产品收入占比

研发支出占比

大数据能力

探索式学习

利用式学习

市场导向

大数据能力*市场导向

adj.R²

Δadj.R²

F

探索式学习

M1

0.160

0.069

-0.010

-0.062

-0.095

0.567***

0.374

0.242

15.321***

利用式学习

M2

0.238

0.031

-0.119

0.008

0.110

0.642***

0.440

0.317

20.130***

企业创新

M3

-0.257

0.036

0.210

0.234*

0.113

0.503***

0.389

0.295

16.362***

M4

-0.398**

0.004

0.261

0.248*

0.096

0.087

0.286**

0.401**

0.555

0.412

23.716***

探索式学习

M5

0.011

0.040

0.214*

-0.032

0.048

0.457

0.038

18.984***

M6

0.159

0.055

0.072

-0.267*

0.268*

0.583

0.421

0.471

0.014

17.464***

M7

0.119

0.060

0.034

-0.269*

0.189***

0.583

0.403

0.379

0.371

0.037

15.633***

利用式学习

M8

-0.007

-0.003

0.076

-0.037

0.301

0.455

0.084

18.870***

M9

0.254

0.024

0.022

-0.250*

0.548

0.328**

0.436**

0.474

0.019

17.665***

M10

0.223

0.031

-0.025

-0.249

0.484***

0.516***

0.457

0.038

18.984***

注：***、**、*分别表示在 0.001、0.01、0.05 水平上显著相关。

表 3 Bootstrap 中介效应分析结果

路径

总效应

间接效应

直接效应

M1：探索式学习

因变量：企业创新

效应值

0.507

0.281

0.226

最低值

0.354

0.201

0.055

最高值

0.660

0.371

0.397

M2：利用式学习

因变量：企业创新

效应值

0.507

0.340

0.167

最低值

0.354

0.218

-0.001

最高值

0.660

0.483

0.335

2. 调节效应检验

为检验市场导向在大数据能力作用于组织学习的调节作用，以组织学习作为因变量进行层级回归分

析。首先将双元组织学习（探索式学习和利用式学习）作为因变量，将企业年龄、企业规模、所有制形式等作

为控制变量，首先检验大数据能力对双元组织学习（探索式学习和利用式学习）的影响，将大数据能力作为自

变量，将探索式学习、利用式学习作为因变量分别放入 M5 和 M8，接着将市场导向作为调节变量放入 M6，最

后将大数据能力与市场导向的交互项放入 M7 和 M10 进行检验，回归分析结果见表 2。为减少变量间的多重

共线性，本文在检验调节变量前对变量进行中心化处理。由此可知，市场导向在大数据能力与探索式学习间

未起到显著的调节作用（β=0.379，p>0.05），而其在大数据能力与利用式学习间起到显著的正向调节作用（β=

0.516，p<0.001），因此 H3a 不成立，H3b 成立。

为了更清晰地说明市场导向的调节作用，根据简单斜率分析的方法，分别以市场导向高于平均值的一个

标准差及低于平均值的一个标准差的方式分成高低分组，在不同的分组情况下分别做出大数据能力与利用

式学习的回归，并制作出相应的调节效应图。如图 2 所示，市场导向水平在高分组下，更强化了大数据能力

对利用式学习的促进作用，综上证明 H3b 成立。

3. 被调节的中介效应检验

本文通过 PROCESS 中的 Bootstrap 检验方法，对市场导

向在大数据能力、组织学习和企业创新之间发挥的有调节的

中介作用进行检验。设置 5000 次重复取样，并构造 95% 的

置信区间，然后将因变量（农业科技企业创新）、自变量（大数

据能力）、中介变量（探索式学习、利用式学习）及调节变量

（市场导向）放入模型中，检验结果见表 3。

结果显示在探索式学习的中介作用下，当市场导向水平

较低时，“大数据能力→探索式学习→农业科技企业创新”之

间的间接效应不显著，置信区间为［-0.020，0.076］，包含 0；当

市场导向水平较高时，“大数据能力→探索式学习→农业科

技 企 业 创 新 ”的 间 接 效 应 也 不 显 著 ，置 信 区 间 为［-0.046，

0.073］，包 含 0；同 时 被 调 节 的 中 介 效 应 显 著 ，判 定 指 标 为

6



















*









P

图 2 市场导向的调节效应图

84

宋默西等：大数据能力对农业科技企业创新的影响：一个有调节的中介效应模型

0.031，置信区间为［-0.017，0.090］，包括 0，结果表明市场导向对探索式学习中介效应的调节作用不显著，假

设 H4a 不成立。

其次，在利用式学习的中介作用下，在市场导向水平较低时，“大数据能力→利用式学习→农业科技企业

创新”之间的间接效应显著，置信区间为［0.034，0.210］，不包含 0；当市场导向水平较高时，“大数据能力→利

用式学习→农业科技企业创新”的间接效应显著，置信区间为［0.004，0.226］，不包含 0；同时被调节的中介效

应显著，指标为 0.036，置信区间为［0.057，0.307］，不包括 0，结果表明市场导向对利用式学习中介效应的调

节作用显著，假设 H4b 成立。

表 4 Bootstrap 有调节的中介效应分析结果

水平

低市场导向

高市场导向

有调节的中介效应

路径

M1：探索式学习

效应值

0.025

0.020

0.031

标准误差

0.024

0.029

0.027

最低值

-0.020

-0.046

-0.017

最高值

0.076

0.073

0.090

M2：利用式学习

效应值

0.111

0.093

0.161

标准误差

0.046

0.055

0.065

最低值

0.034

0.004

0.057

最高值

0.210

0.226

0.307

五、研究结论与启示

（一）研究结论

本文构建了大数据能力为自变量、组织学习为中介变量、市场导向为调节变量、农业科技企业创新为因

变量的假设和模型，运用传统分层回归和 Bootstrap 方法研究了双元组织学习在大数据能力和农业科技企业

创新之间的中介作用，以及市场导向对组织学习中介效应的调节作用，得到以下几点结论。

（1）大数据能力对农业科技企业创新具有显著正影响，这与马巧鸽等（2019）和 Mikalef 等（2019）的研究

结论相呼应。大数据资源本身很难直接为企业带来持续的竞争优势，而在此基础上形成的大数据能力能够

帮助农业科技企业深度挖掘和预测市场需求，观测、分析和模拟农作物生长等数据，提升农产品和农业技术

的研发速度及创新性，有助于促进农业科技企业创新。

（2）双元组织学习在大数据能力和农业科技企业创新之间起到正向中介作用，符合预期的研究假设。对

于探索式学习，大数据能力能够对农业大数据进行挖掘并实时捕捉相关信息进行深度分析，实现新知识的纳

入，企业能够从中获取创新来源，进行创新活动，因而有效促进农业科技企业创新。对于利用式学习，大数据

能力能够帮助农业科技企业建立知识和思维惯例，对现有的农业技术、市场信息等知识整合、分析的意识增

强，知识关联能力也增强，激发对现有知识的再利用和创新，从而对内部资源不断优化，以达到持续性的企业

创新。

（3）市场导向增强了大数据能力对利用式学习的促进作用，同时增强了利用式学习的正向中介作用；但

市场导向对大数据能力与探索式学习的关系的调节作用不显著，同时对探索式学习的中介作用没有显著调

节效应。在市场导向水平较高的农业科技企业，企业在意识上会更重视通过大数据能力获得的一手农产品

市场信息，对信息深度分析和洞察意识的能力较强，提升了农业科技企业对新旧知识的关联和融合意识，同

时提升了企业对知识迭代次数和频率的承受力和知识关联能力，激发对现有知识的再利用和创新，从而从意

识和能力两方面增强了利用式学习的中介作用，进而促进农业科技企业创新。

但值得注意的是，市场导向对大数据能力与探索式学习的关系的调节作用不显著，同时，对探索式学习

的中介作用没有显著调节效应，这一发现与前人研究的结论有所不同（王婷，2019；叶妍，2019），原因可能有

两个：首先，在高市场导向下，农业科技企业虽然具有探索和应用前瞻性知识的意愿，有创造性满足顾客需求

的倾向，但是在激烈的市场竞争中，产品研发速度和面向市场的速度一定程度上成为竞争成败的关键。只有

具备快速决策能力的企业，其创新团队才能在极短的时间内迅速地推动创新活动，并建立起自己的核心竞争

优势，进而提高其创新能力。尤其针对较为特殊的农业科技企业，其本身的研发结果市场化周期和生产周期

较长，在这个过程中极易受天气、环境等自然条件的影响，不确定性较强。因此在激烈的市场竞争中，农业科

技企业更倾向于短时间能够获得高回报的科技成果转化方式，追求市场价值的快速实现，企业开发团队中的

创新文化相对保守，因此相较于颠覆性周期长的探索式学习，企业更倾向快速保守的利用式学习方式。其

次，农业科技企业受制于科研人员和经费投入的约束，较难打破原本的知识范式，对大数据知识进行探索式

85

技术经济 第 42 卷 第 8 期

学习，因此主要通过利用式学习，将消化好的有关于消费者的大数据知识，进行重组与转化，使现有的知识结

构适应变化的外部环境，进而促进农业科技企业创新。综上，本文得出结论，在以市场导向为主的企业，更倾

向于用利用式学习模式将大数据能力转化为农业科技企业实际创新，这是本文颇具创新性的发现。

（二）管理启示

根据上述研究结论，对农业科技企业管理实践具有一定的指导作用，主要体现在以下三方面：

第一，发展大数据能力，助力企业创新。对农业科技企业而言，利用好农业大数据能力把握和管理农业

技术和农产品市场需求，为企业决策和创新提供支持至关重要。因此，首先，企业管理者要加大对企业所需

的农业大数据基础资源的投入，包括农业数据资源、软硬件资源等。其次，要加强对农业科技企业深度分析

能力培养，设立专门岗位，引进专业水平高的数据分析人员，实现从农业数据获取到数据化决策的变化。最

后，还要注重实时洞察与预测能力的提升，通过建设相关的信息系统，对农产品市场、农业技术的变化进行实

时观察和预测，提升企业创新的精准度，实现对市场的快速响应。企业积极培育和构建大数据能力，对于农

业科技企业深度挖掘农业大数据的价值，使大数据资源真正服务于企业创新，进而推动农业现代化发展，解

决“三农”问题具有现实意义。

第二，加强组织学习建设，优化资源配置。组织学习在大数据能力促进农业科技企业创新的过程中扮演

着重要的角色，因此必须重视大数据能力与组织学习的关系。一方面，农业科技企业应当加强探索式学习模

式建设。利用大数据能力引入新信息、新知识，建设企业知识库，配套相应的知识与信息网络管理平台。农

业科技企业的员工部分受教育水平不高，因此要积极组织培训，提升员工知识与信息的交流、整合及创造能

力。另一方面，企业要搭建利用式学习模式体系。企业应聘请利用式学习相关专家人才，着重培养员工将新

旧知识融合的能力，使员工能够将农业大数据与已有知识融合使其良好内化，以确定生产方向，加速新型农

产品和新农业工艺的开发进程，更好地发挥大数据能力的效果，提升农业科技企业创新能力。

第三，完善市场导向培育机制，提升技术能力。农业科技企业应当开拓多种方法来完善市场导向的培育

机制，营造消费者至上的文化氛围。将农产品消费者需求和农业技术发展等市场信息与企业自身知识相融

合，进一步整合内外部资源，提升农产品创新的速度。尤其针对市场导向水平较高的农业科技企业，基于本

文研究结论，该类企业更倾向于用高效低成本的利用式学习，而非探索式学习，将大数据能力转化为企业实

际创新。这一结果可能与前人研究和管理者认知不太统一，因此管理者不应一味地只强调探索式学习的重

要意义，也应当充分重视利用式学习。虽然利用式学习无法为企业带来突破式或颠覆式的改变，但改进现有

知识与产品能够维持企业在成熟市场的市场份额，短时间能够获得高回报的科技成果转化方式，追求市场价

值的快速实现，确保企业的生存。因此以市场为导向的农业科技企业应当将关注点放在利用式学习上，将有

限的资源投入到利用式学习模式建设上。农业科技企业积极搭建组织学习体系和模式，构建市场导向机制

能够帮助企业充分吸收新知识，引导企业培育和研发出消费者真正需要的农产品和技术，能够为我国农业科

技企业的技术进步拓展创新路径，加快农业科技创新步伐，形成具有全球竞争力的农业科技创新生态，在新

征程上不断塑造农业科技发展新动能新优势。同时，为进一步全方位夯实粮食安全根基、全面推进乡村振

兴，不断注入创新动力，提供更强有力的科技支撑。

（三）研究局限与展望

本文虽然取得了一定的研究成果，但是也存在着一些不足之处需要改进，并且对未来的研究提供一些思

路或完善之处。

第一，调研数据来源于京津冀、江浙、两广等地区的大中型农业科技企业，因此本文的研究结论是否同时

适用于其他行业，其他地区尚需做进一步的检验。未来研究可以探寻国内不同行业、不同地区背景下的研究

结论，可能会有更加有趣的发现。

第二，样本量少且是横截面数据，只能判断当前时间节点的变量间关系，对于企业的动态纵向变化无法

掌握。今后研究可以尝试追踪数据，考虑时间变化的变量间的动态关系，也许可能会出现不同的结果。

第三，本文构建了“大数据能力—组织学习—企业创新”的机制，证明了组织学习的中介作用，市场导向

的调节作用，未来可以考虑是否存在其他变量作用于该路径，例如战略决策，领导风格等。

参考文献

［ 1］ 陈漫，刘思，徐依，2022. 消费者参与对制造业企业双元服务创新的影响——组织学习的中介作用［J］. 现代管理科

86

宋默西等：大数据能力对农业科技企业创新的影响：一个有调节的中介效应模型

学，（1）：69‑78.

［ 2］ 程 李 梅 ，刘 珂 欣 ，2022. 管 理 层 能 力 、高 管 持 股 与 农 业 企 业 创 新 投 入 的 关 系 研 究［J/OL］. 经 营 与 管 理 ：1‑10

［2023‑07‑11］. DOI：10.16517/j.cnki.cn12‑1034/f.20221011.001.

［ 3］ 杜俊义，冯罡，2020. 技术创新动态能力理论研究综述［J］. 科技管理研究，40（6）：1‑6.

［ 4］ 高启杰，2013. 农业科技企业技术创新与持续发展的现状及对策［J］. 中国农村科技，218（7）：38‑41.

［ 5］ 李静霞，2019. 知识转移、组织学习与企业动态能力关系研究［D］. 青岛：青岛大学 .

［ 6］ 李忠顺，王少瑜，2021. 大数据分析、组织学习与商业模式创新关系研究［J］. 商场现代化，（3）：4‑6.

［ 7］ 李忠顺，周丽云，谢卫红，等，2015. 大数据对企业管理决策影响研究［J］. 科技管理研究，35（14）：160‑166.

［ 8］ 刘建湘，单汨源，2016. 研发开放度与企业创新绩效的关系研究：组织学习的中介作用［J］. 财经理论与实践，37（2）：

99‑105.

［ 9］ 刘念，简兆权，王鹏程，2021. 大数据分析能力与制造企业服务创新绩效：一个链式中介模型［J］. 科技管理研究，41

（24）：125‑135.

［10］ 马巧鸽，任南，苗虹，2019. 大数据分析能力，创新能力与竞争优势关系研究［J］. 武汉理工大学学报：信息与管理工

程版，41（6）：605‑611.

［11］ 任南，鲁丽军，何梦娇，2018. 大数据分析能力、协同创新能力与协同创新绩效［J］. 中国科技论坛，（6）：59‑66.

［12］ 孙九林，李灯华，许世卫，等，2021. 农业大数据与信息化基础设施发展战略研究［J］. 中国工程科学，23（4）：10‑18.

［13］ 唐瑞，2021. 卫星遥感技术与农业科技创新刍议［J］. 农业发展与金融，（9）：41‑42.

［14］ 王灿昊，段宇锋，2019. 市场导向、顾客知识获取、战略柔性与组织双元性创新［J］. 软科学，33（1）：10‑13，18.

［15］ 王昌文，2020. 基于大数据的农村中小企业技术创新能力提升研究［J］. 中外企业家，（9）：91.

［16］ 王海军，张文耕，戴晓峰，等，2021. 组织学习对企业颠覆性创新的影响——基于海尔不用洗衣粉洗衣机的案例研究

［J］. 科学与管理，41（6）：1‑11.

［17］ 王核成，童琦，2022. 市场导向与商业模式创新：大数据能力的调节效应［J］. 科技管理研究，42（23）：216‑225.

［18］ 王婷，2019. 学习导向、开放式创新与新产品市场绩效——市场导向的调节作用［J］. 北京航空航天大学学报：社会科

学版，32（5）：74‑82.

［19］ 温孚江，宋长青，2017. 农业大数据应用，研究与展望［J］. 农业网络信息，（5）：31‑36.

［20］ 温忠麟，叶宝娟，2014. 有调节的中介模型检验方法：竞争还是替补？［J］. 心理学报，46（5）：714‑726.

［21］ 吴晓云，张峰，2014. 关系资源对营销能力的影响机制：顾客导向和创新导向的中介效应［J］. 管理评论，26（2）：

58‑68.

［22］ 武文珍，陈启杰，2017. 基于共创价值视角的顾客参与行为对其满意和行为意向的影响［J］. 管理评论，29（9）：

167‑180.

［23］ 夏晗，2019. 绿色创业导向、积极型市场导向与科技新创企业创新绩效的关系［J］. 科技管理研究，39（16）：264‑274.

［24］ 谢康，易法敏，古飞婷，2022. 大数据驱动的农业数字化转型与创新［J］. 农业经济问题，（5）：37‑48.

［25］ 谢卫红，刘高，王田绘，2016. 大数据能力内涵、维度及其与集团管控关系研究［J］. 科技管理研究，36（14）：170‑177.

［26］ 徐建中，李奉书，潘伟，等，2019. 双元知识搜索对企业创新绩效的影响：市场导向的调节作用［J］. 中国科技论坛，

（7）：119‑127.

［27］ 许治，王雨楠，吴辉凡，2022. 大数据能力对组织双元创新的影响——基于组织学习与环境复杂性的作用［J］. 科学学

与科学技术管理，43（9）：40‑53.

［28］ 叶妍，2019. 技术能力对产品升级的影响研究［D］. 西安：西安理工大学 .

［29］ 张彩凤，谢卫红，王永健，2019. 大数据能力对企业绩效的作用机理研究——基于双元组织学习的过程视角［J］. 企业

经济，38（7）：113‑120.

［30］ 张徽燕，何楠，高远辉，2014. 组织学习能力、双元性创新与企业绩效间关系的实证研究［J］. 技术经济，33（5）：

40‑45，111.

［31］ 张敬文，郑招兰，2022. 关系质量、组织学习与双元创新——基于战略性新兴产业企业数据实证分析［J］. 金融教育研

究，35（2）：44‑54.

［32］ 张林，王宇，2018. 企业技术创新动态能力及其网络体系构建研究［J］. 煤炭技术，37（10）：380‑383.

［33］ 张振刚，尚钰，陈一华，2021. 大数据能力对企业创新绩效的影响——IT‑业务融合与双元环境的调节作用［J］. 科技

进步与对策，38（14）：82‑90.

［34］ 张志华，陈向东，2016. 企业学习方式、创新能力与创新绩效关系的实证研究［J］. 系统管理学报，25（5）：829‑836.

［35］ ARGYRIS C，SCHN D A，1978. Organization learning：A theory of action perspective［M］Reading，MA：Addison Wesley，

345‑348.

［36］ ATUAHENEGIMA K，MURRAY J Y，2007. Exploratory and exploitative learning in new product development：A social

capital perspective on new technology ventures in China［J］. Journal of International Marketing，15（2）：1‑29.

［37］ BARNEY J，1991. Firm resources and sustained competitive advantage［J］. Journal of Management，17（1）：99‑120.

87

技术经济 第 42 卷 第 8 期

［38］ BARON R M， KENNY D A， 1986. The moderator‑mediator variable distinction in social psychological research：

Conceptual，strategic，and statistical considerations［J］. Journal of Personality and Social Psychology，51（6）：1173‑1182.

［39］ BHARADWAJ A，SAWY O A E，PAVLOU P A，et al，2013. Digital business strategy：Toward a next generation of insights

［J］. MIS Quarterly Executive，12（2）：471‑482.

［40］ DAVENPORT，THOMAS H，PATIL D J，2012. Data scientist［J］. Harvard Business Review，90（5）：70‑76.

［41］ EISENHARDT K M，MARTIN J A，2000. Dynamic capabilities：What are they？［J］. Strategic Management Journal，21

（10‑11）：1105‑1121.

［42］ GHASEMAGHAEI M，CALIC G，2019. Does big data enhance firm innovation competency？ The mediating role of

data‑driven insights［J］. Journal of Business Research，104：69‑84.

［43］ HAO S B，ZHANG H L，SONG M，2019. Big data，big data analytics capability，and sustainable innovation performance

［J］. Sustainability，11（24）：7145.

［44］ HURWITZ J，NUGENT A，HALPER F，et al，2013. Big data for dummies［M］. Hoboken，NJ：John Wiley Sons.

［45］ JAWORSKI B J，KOHLI A K，1993. Market orientation：Antecedents and consequences［J］. Journal of Marketing，57（3）：

53‑71.

［46］ KUMAR K，SUBRAMANIAN R，YAUGER C，1998. Examining the market orientation‑performance relationship：A

context‑specific study［J］. Journal of Management，24（2）：201‑233.

［47］ LAURSEN K，SALTER A，2010. Open for innovation：The role of openness in explaining innovation performance among U.

K. manufacturing firms［J］. Strategic Management Journal，27（2）：131‑150.

［48］ LAVALLE S，LESSER E，SHOCKLEY R，et al，2011. Big data，analytics and the path from insights to value［J］. MIT

Sloan Management Review，52（2）：21‑32.

［49］ LEVITT B，MARCH J G，1988. Organizational learning［J］. Annual Review of Sociology，14（1）：319‑338.

［50］ LINC C，KUNN A，2019. Strategic orientations，developmental culture，and big data capability［J］. Journal of Business

Research，105：49‑60.

［51］ MARCH J G，1991. Exploration and exploitation in organizational learning［J］. Organization Science，2（1）：71‑87.

［52］ MIKALEF P，BOURA M，LEKAKOS G，et al，2019. Big data analytics and firm performance：Findings from a

mixed‑method approach［J］. Journal of Business Research，98（5）：261‑276.

［53］ NARVER J C，SLATER S F，1990. The effect of a market orientation on business profitability［J］. Journal of Marketing，54

（4）：20‑35.

［54］ RIALTI R，ZOLLO L，FERRARIS A，et al，2019. Big data analytics capabilities and performance：Evidence from a

moderated multi‑mediation model［J］. Technological Forecasting and Social Change，149（10）：1‑9.

［55］ TEECE D J，PISANO G，SHUEN A，1997. Dynamic capabilities and strategic management［J］. Strategic Management

Journal，18（7）：509‑533.

［56］ WAMBA S F，GUNASEKARAN A，AKTER S，et al，2017. Big data analytics and firm performance：Effects of dynamic

capabilities［J］. Journal of Business Research，70：356‑365.

［57］ WANG Y L， ELLINGER A D， 2011. Organizational learning： Perception of external environment and innovation

performance［J］. International Journal of Manpower，32（5/6）：512‑536.

The Impact of Big Data Capabilities on Agri‐tech Firm Innovation：

A Moderated Mediation Model

Song Moxi，Hong Ruling，Wang Wenxi

（College of Economics and Management，China Agricultural University，Beijing 100083，China）

Abstract：Whether big data capabilities strengthen firm innovation has been paid much scholarly attention in recent years. However，

most of the scholars just generally explore the direct relationship between big data capabilities and firm innovation，the in‑depth

research on the potential mediator and moderator in this important link are still sparse，especially on the agri‑tech firm context.

Invoking the dynamic capability theory，a moderated mediation model in which organizational learning mediates the interactive effects

of big data capabilities and market orientation on firm innovation was developed. Our hypotheses were tested using a sample of 181

Chinese agri‑tech firms. The results reveal that big data capabilities have significant positive efforts on firm innovation. Both exploratory

learning and exploitative learning fully mediate the link between big data capability and firm innovation. The mediation effect of

exploitative learning is positively contingent upon market orientation，however，market orientation does not positively moderate the

mediation effect of exploratory learning.

Keywords：big data capabilities；agri‑tech firm innovation；organizational learning；market orientation

88

第 42 卷 第 8 期 技 术 经 济 2023年 8 月

王海花等：

企业社会责任与创新：一项 Meta 分析的检验

王海花，王 莹，李树杰，李 烨

（上海大学 管理学院，上海 200444）

摘 要：采用 Meta 分析方法，基于 172 篇中英文实证文献，研究了企业社会责任对创新的作用机理，并深入探讨了潜在调节变

量对二者间关系的作用效果。研究表明：企业社会责任对创新存在显著的正向影响，二者关系受到文化背景、企业规模、主客

观测量方式和创新投入产出测量方式的调节。具体而言，相比东方文化，西方文化背景下企业社会责任对创新的影响更为显

著；中小型企业社会责任与创新的相关性比大型企业更强；相较于客观测量方式，主观测量方式下企业履行社会责任更有利于

创新；企业社会责任对创新产出的正向影响比创新投入更大。

关键词：企业社会责任；企业创新；Meta 分析

中图分类号：F273.1；F270‑05 文献标志码：A 文章编号：1002—980X（2023）8—0089—10

一、引言

党的二十大报告明确指出要坚持创新在我国现代化建设全局中的核心地位，加快实施创新驱动发展战

略。创新被视为企业实现绩效增长和获取竞争优势的重要支柱（Galvin et al，2020）。企业的创新活动往往

需要丰富的知识源和融资渠道，单凭企业自身的资源难以满足创新需求，创新中面临的资源约束敦促其积极

寻求来自外部利益相关者的异质性资源（Yuan and Cao，2022）。社会责任实践作为企业协调自身与利益相

关者的行动（Zhou et al，2020），不仅能够改善企业与利益相关者之间的互动关系（Niu and Ma，2022），集聚企

业创新所需的战略性资源，加速企业声誉、品牌形象及社会资本的积累（Cook et al，2019），还能提高企业创新

风险抵御能力和抗冲击能力（阳镇等，2023）。企业社会责任已成为驱动创新的关键要素（Zhao et al，2020）。

然而，企业承担社会责任也增加了占用自身有限资源的可能性，一定程度上会削弱企业的创新投入（Yuan et

al，2022）。因此，企业社会责任对创新的影响效果有待深入探讨。

回顾相关文献发现，尽管已有研究关注到企业社会责任对创新的影响，但关于二者之间的关系尚未形成

一致性结论。大多数学者支持企业社会责任对创新的正向促进作用，认为社会责任较高的企业会基于外界

反馈的利好信号，倾向于增加专利申请数量和专利引用频次，直接促进企业创新绩效的提升（Cook et al，

2019），企业也可凭借与利益相关者建立的良好合作关系对可持续创新（Yan et al，2022）、绿色创新（陈承等，

2023）、技术创新（Zhou et al，2019）等产生积极作用。也有部分学者关注了企业社会责任对创新造成的负面

影响。研究表明企业承担社会责任会耗费较高的财务成本（陈煦江和刘婷婷，2021），一定程度上减少企业的

可用盈余资金，从而降低企业的创新投资力度，最终对企业创新活动的有效展开产生威胁。此外，Liu 等

（2021）、李文茜等（2018）从利益相关者视角出发，研究支持企业社会责任与技术创新间存在“倒 U 型”关系，

即在一定临界值下企业社会责任可以有效促进技术创新，但超过临界阈值时，企业社会责任则不利于技术

创新。

综上所述，国内外关于企业社会责任与创新关系的研究方兴未艾，但研究结论的争议性不仅阻碍了相关

理论的发展，也可能干扰企业管理者实施社会责任战略的决策（刘婷和张海雪，2019）。此外，梳理既有研究

发现，学者们对于二者关系的研究不仅在变量测量方式、创新测量类型、研究设计等方面存在差异，而且研究

收稿日期：2023‑05‑02

基金项目：国家社会科学基金重大项目“聚焦关键核心技术突破的国家创新体系研究”（21&ZD130）；国家社会科学基金后期资

助项目“数字化与创新绩效的关系研究”（21FGLB024）

作者简介：王海花，博士，上海大学管理学院副教授，硕士研究生导师，研究方向：创新与知识管理、数字化转型、企业社会责任

等；王莹，上海大学管理学院硕士研究生，研究方向：创新与知识管理、数字创新、企业社会责任等；（通讯作者）李树

杰，上海大学管理学院硕士研究生，研究方向：创新与知识管理、企业社会责任等；李烨，上海大学管理学院硕士研究

生，研究方向：创新与知识管理、数字创新、数字化转型等。

89

技术经济 第 42 卷 第 8 期

样本大多局限于单一情境，缺乏文化背景、行业属性、组织特征等不同调查情境的综合对比分析。对这些差

异化的研究结果进行归纳总结，有利于明晰企业社会责任对创新的作用效果。因此，本文采用 Meta 分析方

法，通过对 172 篇独立实证研究结果进行定量再分析，探讨企业社会责任与创新之间的关系，并在此基础上

挖掘影响二者关系的潜在调节变量，以期得出更具普适性的研究结论。

区别于以往的实证研究，本文的理论贡献主要体现在两方面：第一，本文基于多个实证研究的更大样本，

从 Meta 分析角度证实了企业社会责任对创新的正向影响，不仅回应了既有关于二者关系独立研究的结论分

歧，而且相较于一般文献综述的定性描述，定量地评价变量间关系使得研究结果更具科学性、系统性和可靠

性；第二，本文探讨了文化背景、行业属性、企业规模、主客观测量方式和创新投入产出测量方式的调节作用，

明确了企业社会责任影响创新的边界条件，为二者关系的研究悖论提供了合理的解释，同时本文的研究完善

了相关领域的知识研究体系，为企业的社会责任承担与创新管理实践开拓思路。

二、理论回顾与研究假设

（一）企业社会责任与创新

企业社会责任指企业生产经营满足股东、供应商、客户、员工等各方利益需求的同时积极关注社会效益

和环境保护的组织行为（Yuan and Cao，2022）。作为企业与利益相关者沟通、互动的纽带，企业社会责任能

够符合各利益相关方的期望（Sigurdsson and Candi，2020），建立互信互惠的利益相关者共赢关系网络，帮助

企业获取创新所需的丰富异质性资源，同时来自利益相关者的信任与支持有助于企业缓解创新不确定性带

来的风险（Yan et al，2022），增强企业创新的信心。因此，企业积极承担社会责任对企业创新的发展具有积

极的推动作用，具体反映在以下几个方面。

首先，从资源基础观来看，企业社会责任实践能够满足各方利益诉求，促使企业与外部利益相关者构建

密切的合作关系（Li，2020），以广泛获取和有效整合、利用网络中流通的技术、信息和知识等关键创新资源

（张新等，2019），丰富企业创新资源储备。主动承担社会责任的企业更易获得政府机构的重点关注和政策偏

好（Chen and Ji，2022；阳镇和李井林，2020），政府背书激励企业以较低的成本进行创新实践。其次，从信号

理论出发，积极承担社会责任的企业主要传递两种利好信号：其一，企业可向外界传达其实施可持续战略的

相关信息，表明其确有环境保护和社会效益方面的行动与贡献（Mbanyele，2022），助力企业树立良好的社会

声誉与品牌形象，以增强利益相关者对企业创新行为的信任与认可（Bai，2022）；其二，企业可传达自身绩效

优良、创新实力强劲等有效信号，缓解企业与市场之间的信息不对称（Miao et al，2021），减少外部投资者对于

企业经营发展不确定性的认知风险，有利于企业获取持续稳定的融资来源（Bai，2022），保障企业创新的顺利

实施。最后，从企业内部来看，人才是企业创新的重要来源之一（Yan et al，2022）。履行社会责任的企业对

于员工创新失败的容忍度较高（Afridi et al，2020），其通过营造自由开放的工作氛围增强员工的工作安全感

和组织认同感（Ruan et al，2022），激励员工主动参与企业创新过程、完善创新知识库，最终实现企业的创新

收益。

基于此，本文提出假设 1：

企业社会责任对创新具有正向影响（H1）。

（二）潜在调节变量

已有关于企业社会责任与创新关系的研究受样本限制，难以全面探讨潜在调节变量的影响效果，从而导

致各研究结论不一致。不同于传统实证文献的调节变量来源，Meta 分析的调节变量多通过对实证文献进行

编码得出，主要分为情境因素和测量因素两大类（丁晨等，2023）。其中情境因素是指与研究环境相关的因

素，即文化特征、行业特征、组织特征等，本文主要考察文化背景、行业属性和企业规模三个变量；测量因素是

指与测量问题有关的因素，借鉴已有研究，本文将讨论主客观测量方式和创新投入产出测量方式在企业社会

责任与创新关系间的调节效应。

1. 文化背景

东西方文化差异是影响企业创新战略决策的重要因素（Chen et al，2022）。梳理既有文献，发现东西方文

化中涉及的不确定性规避和个人/集体主义差异能够对企业社会责任与创新的关系产生影响。从不确定性

规避的角度来看，西方文化鼓励敢于冒险的精神，具备低不确定性规避的特点。该文化背景下的企业对于创

90

王海花等：企业社会责任与创新：一项 Meta 分析的检验

新变化、创新风险的接受程度和包容性更高，企业将社会责任实践获取的异质性资源投入企业创新的意愿较

强，能够积极调整、完善企业的生产运营方式来应对企业创新发展的不确定性（刘俊和秦传燕，2018）。而东

方文化背景下的企业深受传统儒家思想的影响，追求发展的稳定性和可预测性，倾向于稳中求进的企业战略

（王海花等，2022）。承担社会责任的企业会吸引公众对企业发展的持续关注（陈莞和阮荣彬，2022），此时企

业的一举一动将受到外部监督，可能导致该文化背景下的企业因过分担心创新失败的后果而倾向于将有限

资源用于维持自身生存与发展，在创新策略的选择上表现得更加谨慎和保守（王海花等，2022）。从个人/集

体主义角度来看，西方文化提倡个人主义。相比于东方文化，该文化背景下的企业更能激发内部员工参与创

新的自我效能感（刘婷和张海雪，2019），鼓励员工积极进行创新实践。此时企业履行社会责任创造的优质工

作环境为企业内部员工的创新行为提供了条件支持，企业创新水平的提升更为显著。

基于此，本文提出假设 2：

企业社会责任与创新的关系会受到文化背景的影响，西方文化背景下企业社会责任对创新的作用效果

更为显著（H2）。

2. 行业属性

由于不同行业面临的市场环境及感知到的利益相关者压力不同，差异化行业属性对企业社会责任履行

效果的影响并不一致。从创新资源角度出发，相较于以制造业和服务业为代表的传统行业而言，高新技术行

业具有产品周期短，技术迭代快等典型特征（于潇宇和庄芹芹，2019），为了维持市场竞争优势，企业表现出较

高的创新频率。因此，高新技术企业通常对于外部知识识别、获取的需求较高，其通过社会责任实践整合、利

用内外部资源的意愿较强（Li et al，2019），企业创新资源投入更易转化为创新产出，因而企业创新效果更为

显著。从风险角度来看，高新技术行业面临的创新不确定性和风险通常要高于传统制造业和服务业，企业亟

需与外界建立稳定的连接，借助利益相关者的支持来规避市场带来的不确定性风险。同时履行社会责任的

高新技术企业通过与外部众多利益相关者建立良好合作关系，能够吸引并挽留更多的忠实用户，加强与利益

相关者的互利互惠（Li et al，2019），增强企业抵御创新风险的信心。

基于此，本文提出假设 3：

企业社会责任与创新的关系会受到行业属性的影响，高新技术行业的企业社会责任对创新的影响更为

显著（H3）。

3. 企业规模

企业规模是影响企业社会责任实施效果的重要因素。与大型企业相比，中小型企业缺乏雄厚的资金和

丰富的资源，借助企业社会责任构建利益相关者共赢网络、实施企业创新是中小企业弥补自身规模约束、抢

占竞争优势的一种有效方式（Santos‑Jaen et al，2021）。首先，企业社会责任实践通过向外界传递企业绩效、

信誉、形象相关的有效信号以获得利益相关者的信任与支持（Ahmed and Streimikiene，2021），为企业的创新

活动提供动力。一般来讲，大型企业往往本身具备一定的品牌影响力和口碑效应，因此，同等水平的社会责

任实践对中小企业的形象提升效果更为显著，进而对企业创新的作用效果也更强。其次，有些企业为了追求

自身利益最大化，大肆削减生产运营成本，引发产品质量不合格、环境破坏严重、安全事故频发等一系列社会

问题（Yu et al，2020），中小企业相较于大型企业出现上述问题的比例较高，其可通过社会责任实践提高企业

社会效益、兑现环境保护承诺，从而赢得社会声誉和优惠政策倾向（Zhou et al，2021），为企业创新活动的顺利

展开提供保障。最后，创新兼具高收益、高成本与高风险等特征（阳镇等，2021），企业凭借社会责任实践构建

高质量的利益相关者共赢关系网络，能够将创新危机转化为机遇（康益敏等，2020）。相对大型企业而言，中

小型企业简便灵活的组织架构、高效的沟通方式和敏捷的环境反应能力助力企业迅速抢占社会责任实践带

来的创新先机（Moeuf et al，2020），推动企业的创新进程。

基于此，本文提出假设 4：

企业社会责任与创新的关系会受到企业规模的影响，中小型企业的社会责任对创新的影响更为显

著（H4）。

4. 主客观测量方式

梳理既有文献发现，对于企业社会责任与创新关系的研究通常采用主观测量和客观测量两种主流测量

方式。有学者认为，以 Likert 量表为代表的主观测量方式通常聚焦研究内容的一手数据，具备时效性强、针

对性强、适用性强等特点，并且量表设计匹配特定研究内容，能够多维度、全方位地考察变量间的影响关系

91

技术经济 第 42 卷 第 8 期

（冯立杰等，2021），得出高信效度的研究结论。然而，部分量表存在同源性偏差、社会期望偏差、测量维度不

一、内容措辞疏漏等导致的偏倚性问题（王海花等，2022），影响研究结果的科学性与准确性。也有学者认为，

源自于统计年鉴、数据库等的客观二手数据一定程度上可以缩小测量误差（冯立杰等，2021），但可能存在时

效性低、使用代理变量导致的结构效度降低、测量维度单一等弊端（王海花等，2022）。综上分析，主客观两种

测量方式各有利弊，不能单纯判断哪种测量方式更优，本文推断变量的两种测量方式会对关系讨论结果产生

差异化的影响。

基于此，本文提出假设 5：

主客观测量方式对企业社会责任与创新关系起到调节作用，即主观测量方式与客观测量方式存在差异

化影响效果（H5）。

5. 创新投入产出测量方式

对于创新的衡量，学者通常采用创新投入和创新产出两种方式进行测量。创新投入包括企业的研发投

入、研发人员数量、无形资产等量化方法，创新产出包括专利申请数、专利授权量、新产品市场占有率等测度

指标。有研究认为企业创新需要大量的资金、人才、知识等资源支持（何瑛等，2019），企业的研发投入能够充

分反映企业的创新动机、创新意志和创新发展前景（陈旭和哈今华，2021）。也有研究支持创新产出作为测度

方法，认为虽然研发投入一定程度上可以反映企业创新水平，但考虑到部分企业存在高投入低产出的现象

（Kamidi 和郭俊华，2021），创新产出数据剔除了无效的研发投入，能够更好体现企业的真实创新活动成果和

创新质量（Bai，2022）。因此，本

文推测不同的创新投入产出测

量方式对企业社会责任与创新

的关系存在差异化的影响效果。

基于此，本文提出假设 6：

创 新 投 入 产 出 测 量 方 式 对

企业社会责任与创新关系起到

调节作用，即创新投入法与创新

产 出 法 存 在 差 异 化 影 响 效

果（H6）。

本文构建的概念模型如图 1

所示。

三、研究设计

（一）研究方法

Meta 分析（meta‑analysis）又称元分析，是一种系统定量和归纳综合以往研究结果的统计学方法（张慧和

周小虎，2019），该方法不仅实现两个变量之间的相关关系分析，还能探究情境因素、测量因素等对于两个变

量之间关系的调节作用，弥补了传统描述性文献综述无法对研究结果进行定量分析的不足。鉴于当前企业

社会责任与创新关系的实证研究丰富，但各研究未达成一致性结论，本文运用 Meta 分析方法对其进行定量

综合分析，利用更广泛的样本以得出更具科学性的结论。

（二）文献检索与筛选

1. 文献检索范围

为了广泛搜集企业社会责任对创新影响的实证研究数据，本文全面检索中英文数据库。对于中文文献

的检索，本文选取中国知网（CNKI）全文数据库对中文期刊论文、学位论文和会议论文进行精确检索，主题词

设置为“社会责任”或“企业社会责任”或“CSR”并含“创新”，为了保证文献检索的可靠性，文献期刊来源规定

为中文社会科学引文索引（CSSCI）数据库；对于英文文献的检索，本文选取 Web of Science 核心合集数据库、

Google Scholar、Springer Link 等主要的英文数据库对英文期刊论文、学位论文和会议论文进行精确检索，以

“Social Responsibility”OR“Corporate Social Responsibility”OR“CSR”AND“Innovation”为主题词进行检索。截

至 2022 年 12 月，共检索到中英文文献 366 篇。





.



B











5fl >fi

>\"F \"F



2

\"F2

=

图 1 概念模型

92

王海花等：企业社会责任与创新：一项 Meta 分析的检验

2. 文献筛选标准

本文对检索得到的文献进一步筛选，筛选标准如下：①本文为实证研究且能够提供样本量和相关系数或

回归系数、路径系数等其他可以转换为相关系数的指标，剔除综述性文献和理论性文献；②样本为独立样本，

使用同一数据的重复研究只保留最新发表的文献，且将在学位论文、期刊论文和会议论文中均进行发表的归

为同一项研究；如果一篇文献中涉及多个不同的研究样本，则分别提取各样本的相关系数进行独立编码；

③本文聚焦企业层面的社会责任与创新关系研究，因此剔除其他层面关于社会责任或创新的文献。最终通

过筛选共纳入符合标准的文献 172 篇，包含中文文献 108 篇，英文文献 64 篇。

（三）文献编码

本文对筛选的文献进行独立编码，编码的主要内容包括文献名称、文献作者、期刊来源、发表年份、样本

量和相关系数（或其他可转化为相关系数的指标，如回归系数、路径系数等）。此外，为了检验调节效应，本文

在对文献基本信息进行编码的基础上，又分别从文化背景、行业属性、企业规模、主客观测量方式和创新投入

产出测量方式 5 个方面进行编码，其中根据样本所属地思想文化背景划分为东、西方文化维度；参照经济合

作与发展组织（OECD）高新技术企业分类标准，划分样本企业所属行业类型为传统行业和高新技术行业（刘

志迎等，2017）；根据我国工信部、国家统计局、发改委、财政部制定的《关于印发中小企业划型标准规定的通

知》划分中小型企业和大型企业（王海花等，2022）；将问卷、访谈等调查方式划分为主观测量方式，基于二手

数据的研究划分为客观测量方式；最后根据研究样本中对创新的衡量方式划分为投入测量方式和产出测量

方式。

（四）效应值计算

本文使用相关系数作为效应值，利用 CMA3.7（Comprehensive Meta‑Analysis 3.7）软件进行效应值转换。

将相关系数或其他可转换为相关系数的回归系数、路径系数、p 或 t等指标作为初始效应值，通过 Fisher’s Z 转

换公式将各指标转化为 Z；接着根据样本量计算出 Fisher’s Z 的加权平均值，再转换成相关系数得到最终效

应值（王海花等，2022）。

四、实证分析

（一）偏倚性检验

发表偏倚表示效应的显著性对研究被发表可

能性的影响（王佳燕等，2022），通常结果显著的文

献更易发表，引发已发表文献的效应值无法反映

真实值的问题。在 Meta 分析研究中必须对论文的

发表偏倚进行检验，以保证研究结果的真实性、可

靠性。首先通过漏斗图中效应值分布情况定性地

判 断 研 究 是 否 存 在 发 表 偏 倚 问 题 ，本 文 通 过

CMA3.7 软件生成如图 2 所示的漏斗图，其中横轴

为转化之后的 Fisher’s Z 效应值，纵轴为 Fisher’s Z

效应值的标准差。图 2 中大部分研究处于漏斗图

顶部，且于中线两侧呈一定的对称分布，表明本文存在发表偏倚的可能性较小。另外，本文通过计算失安全

系数定量检验是否存在发表偏倚问题。借鉴 Rothstein 等（2007）的研究，采用 5K + 10（K 为效应值数）作为临

界值进行判断，表 1 结果显示，变量的 Fail‑safe N 值为 354228，远大于临界值 870，进一步表明本文发表偏倚

问题较小，研究结果稳定可靠。

（二）剪补法

剪补法可以对发表偏倚引起的效应值计算偏误进行合理调整并重新估计（刘婷和张海雪，2019）。基于

严谨性要求，本文首先围绕漏斗图中线在右侧镜像位置补充了 33 项研究，使得漏斗图基本对称，以修正发表

偏倚。然后，将新增的研究数据与之前 172 项研究合并，针对得到的 205 项研究数据重新进行 Meta 分析。最

后，分析研究结果发现，随机效应模型的效应值为 0.265 且效应值显著（95% 置信区间［0.233，0.295］，不包含

      











ffl



A

'JTIFS
T :

图 2 整体效应漏斗图

93

技术经济 第 42 卷 第 8 期

0），说明虽然研究存在较小的发表偏倚，但并不影响最终的研究结果。

（三）异质性检验

异质性检验是对众多研究对象间的差异程度进行分析，常用的检验方法为 Q 值检验和 I 2 值检验（刘婷和

张海雪，2019）。本文综合采用两种方法，检验结果见表 1。由表 1 结果可知，Q=16060.569＞df (Q)，且在

0.001 水平上显著，表明企业社会责任与创新的研究存在异质性，应采用随机效应分析模型。I 2 = 98.935，说

明 98.935% 的观察变异来源于真实差异，仅有 1.065% 的观察变异是由随机误差引起的，同样说明了研究可

能受其他潜在调节变量的影响。Tau2 = 0.028，说明研究间的变异有 2.8% 可用于计算权重。

表 1 发表偏倚和异质性检验结果

假设关系

H1：企业社会责任‑创新

K

172

N

582696

异质性检验

Q

16060.569***

df

171

I

2

98.935

Tau2

0.028

Fail‑safe N

354228

需找到的未出版研

究数量

33

注：K 为研究个数；N 为 K 个研究样本的总样本量；Q 为同质性检验的卡方值；df 为同质性检验的自由度；I

2 为由效应值的真实差异造成的观察差异

的百分比；Tau2 为可用于计算权重的组间变异的百分比；Fail‑safe N 为失安全系数；*表示 p<0.05，**表示 p<0.01，***表示 p<0.001。

（四）主效应分析

基于异质性检验结果，本文选取随机效应模型进行分析，整体效应检验结果见表 2。借鉴 Lipsey 和

Wilson（2001）的观点，效应值 r介于 0.1~0.4 视为中等强度关系，效应值大于 0.4 则为强关系。表 2 中随机效应

模型下的效应值为 0.202（p＜0.001），且 95% 的置信区间不包含 0，表明企业社会责任与创新的相关系数为

0.202，属于中等强度相关，且两者存在显著的相关关系，假设 H1 得到验证。

表 2 整体效应检验结果

模型

固定效应模型

随机效应模型

r

0.106

0.202

K

172

95%CI

下限

0.103

0.177

上限

0.108

0.226

双尾检验

Z

81.054

15.599

P

0.000

0.000

注：r为未修正加权平均效应值；95%CI为平均效应值的95%的置信区间；Z为加权平均效应值的显著性检验值；*

表示 p<0.05，**表示 p<0.01，***表示 p<0.001。

（五）调节效应分析

主效应的 Meta 分析结果表明企业社会责任与创新间存在异质性，即二者间关系受到潜在调节变量的影

响。为验证这一影响，本文对收集的文献进行 0‑1 编码，并进行 Meta 二元分析，分别检验了文化背景、行业属

性、企业规模、主客观测量方式和创新投入产出测量方式的调节效应，研究结果见表 3。

表 3 调节变量亚组分析结果

调节变量

H2：文化背景

东方

西方

H3：行业属性

高新技术行业

传统行业

H4：企业规模

大型

中小型

H5：主客观测量方式

主观

客观

H6：创新投入产出测量方式

投入

产出

K

135

37

16

156

99

20

45

127

61

97

r

0.096

0.246

0.112

0.105

0.077

0.308

0.285

0.097

0.052

0.135

95%CI

下限

0.094

0.236

0.101

0.103

0.074

0.295

0.274

0.094

0.048

0.132

上限

0.099

0.255

0.124

0.108

0.080

0.320

0.296

0.099

0.057

0.138

Z

71.448***

47.619***

19.442***

78.696***

51.701***

44.121***

48.222***

72.348***

24.282***

80.717***

异质性检验

Q

9320.309***

5937.548***

560.278***

15498.951***

6124.045***

5413.139***

1401.147***

13669.472***

4187.310***

10294.105***

df

134

36

15

155

98

19

44

126

60

96

I

2

98.562

99.394

97.323

99.000

98.400

99.649

96.860

99.078

98.567

99.067

Qb

802.712***

1.339

1998.448***

989.950***

1025.157***

注：Qb 为组间异质性检验统计量；*表示 p<0.05，**表示 p<0.01，***表示 p<0.001。

（1）文化背景的调节作用。文化背景显著调节企业社会责任与创新的关系（Qb=802.712，p＜0.001）。企

业社会责任与创新的相关系数在西方文化背景下为 0.246（p＜0.001），大于东方文化背景下企业社会责任与

创新的效应值 0.096（p＜0.001），表明相比东方文化背景，西方文化背景下的企业社会责任与创新相关性更

94