制造范式升级期共性使能技术扩散的影响因素分析与实证研究

周 源

(清华大学 公共管理学院，北京 100084)

一、引言

中国制造业升级作为经济发展的主要驱动力备受关注，而技术创新则是产业升级的基本动力。中国产业升级包括少量前沿技术突破创造新生产业，而更多是依靠创新技术在量大面广的成熟工业部门中扩散，使其规模化地显著提升生产率和工业附加值，实现基础广泛的产业范式升级。“中国制造2025”战略强调，中国仍远未完成工业化发展阶段，不同区域和领域的制造业发展水平参差不齐，要在已有的制造业基础上继续工业生产率的高增长，需要动员制造企业主动学习并采纳新型工业技术，使企业的技术创新和制造能力得到广泛升级，从而提高相关产业部门的综合经济和社会效益，实现我国从传统工业2.0阶段到“3.0普及，4.0试点”的制造范式升级*工业1.0是以蒸汽机技术为驱动的机械化时代；工业2.0是以电气技术为核心的电气化时代；工业3.0是以数控技术推动的数字化时代；而工业4.0是智能制造技术推动的智能化时代。。

制造范式升级的核心是在制造企业中广泛推广先进、高效、绿色的共性使能技术。这种平台型共性使能技术的扩散会带动大量企业专有技术的研发，驱动多个相关产业集群的技术进步与突破[1]。这类共性使能技术扩散不同于一般的技术扩散，其特有的基础知识属性带来的准公共物品属性、正外部性都使得其扩散过程中面临着市场失灵的困境，单纯依靠市场机制配置资源，很可能导致共性技术供给不足。特别是共性使能技术扩散还涉及到量大面广的中小型民营企业，它们普遍缺乏技术、资金、人力等创新能力[2]，其在范式升级混沌期下进行自主决策，往往倾向于沿着原有制造范式选择低价低质技术，使得门槛较高的共性技术升级面临劣币驱逐良币的风险[3]。这些问题需要政府进行干预[4]。

可是理论界对政府如何干预共性技术扩散一直存在疑虑。第一，传统经济学认为产业政策配置资源效率不高。政府选择技术面临信息不对称，容易造成市场扭曲反而阻碍创新；尤其是涉及到路线选择、价格选择、服务选择、交易模式选择等微观市场行为，更应该由企业来自发做出决定[5-6]。第二，政府本身能力不足存在“失灵”，在实践中，传统“自上而下”或“命令控制型”的政策模式确实在技术的广泛推广上缺乏效率[2,7]；尤其是共性使能技术扩散并非公共知识的传播，政府行为无法具有强制性[8]。第三，范式升级中共性使能技术扩散是“知识+产品”的复合型技术扩散，需要在共性使能技术平台上的再次应用开发，才能满足终端用户需求[9]。这些应用开发虽然存在知识正外部性，但其开发对象却是产品而并非公共品，政府无法通过完全投资公共科研部门形成有效供给[10-11]。而且应用开发存在多样性，领域知识强，需要技术供给方与用户方协同参与，单个研究机构、第三方企业或用户企业自身均无法解决，因而传统共性使能技术推广项目中普遍存在着开发责任主体模糊、开发主体缺失问题[12]。上述问题都为制造范式升级中共性使能技术示范推广的政府角色和介入方式提出挑战。

因此，本研究结合中国工程院“制造强国”重大战略研究项目，选取我国“数控一代”机械产品创新应用示范工程(简称“数控一代”示范项目)在示范城市泉州的实施为例，通过对304份制造企业有效问卷进行定量分析来探析上述问题。本文关注的主要问题有两个：第一，共性使能技术本身的“知识+产品”复合属性不同于一般的技术扩散，其影响要素不单纯是市场需求或者政府干预[13]，尤其在制造范式升级期，共性使能技术扩散会面临更多的不确定性，那这些影响其扩散升级的主要因素是什么？第二，在制造范式升级时，不同规模企业的驱动要素影响往往具有差异性，比如面对中小企业，政府使用“控制命令型”手段推广共性使能技术通常缺乏效率。那具体来说，企业规模在上述影响要素与扩散升级的关系中发挥怎样的调节作用？第三，范式升级中共性使能技术扩散需要再次应用开发来满足广泛用户企业的多样化需求，而传统“自上而下”技术推广项目容易存在应用开发主体不清甚至缺失。那共性技术创新协同主体的选择，是否会对上述影响关系产生调节作用？

本文的主要研究贡献在于，首次实证检验了我国制造范式升级中共性使能技术扩散的核心影响要素与作用机制，并揭示了企业规模、共性技术创新协同主体在其中发挥的调节作用。本文的研究有助于进一步丰富技术扩散、制造范式升级、政府创新治理行为等相关理论体系，也为更好理解制造业升级中政府角色与行为方式转变提供了实证依据。

二、文献述评与研究假设

从技术创新全周期来看，技术扩散是在研究、发展之后向社会系统传播并被采纳的重要创新阶段[14-15]，其扩散过程通常包括认知说服、决策实施等等环节[16]。为强调技术扩散在创新中的重要性，相关研究提出了创新包括研究发展与扩散(RD&D， Research Development & Deployment)的概念，而美国总统科技顾问委员会(PCAST) 更是于1999年第一次提出了研究、发展、示范、推广的R&3D(Research & Development, Demonstration, and Diffusion)创新全周期概念[17]。本文采用近期文献定义[2]，即技术扩散为研究、发展之后的创新阶段，包括示范与推广。

制造范式升级更关注共性使能技术的示范推广阶段，其采纳者是广泛的制造企业，所以技术升级有经济属性；而其技术创新源、扩散媒介具有准公共品属性，通常有政府介入支持[18]。政府支持技术扩散一般有两个目的：一是测试完善新的技术、产品、过程或系统；二是鼓励其市场推广[19-20]。技术示范推广面临的风险与障碍是多维度的，包括技术不成熟、市场不明确，甚至还有制度层面没有就绪。这些风险障碍仍然缺乏系统梳理与实证检验[21-22]。特别是，制造范式升级涉及的共性技术扩散与早期技术试点不一样，其扩散规模广泛、扩散方式复杂，因而影响因素涉及技术、经济、政策、服务等方面，并且可能受到企业自身特性、技术合作方选择等的交互影响。

(一)制造范式升级中共性使能技术扩散的核心影响要素

1.共性技术就绪度与共性使能技术扩散升级

共性使能技术扩散的成功表征为制造企业升级决策的实施，而共性技术的就绪水平是企业升级决策考虑的最重要因素之一[23]。技术不成熟会成为示范推广的最大风险和障碍[24]*例如美国在1976年通过《电动与混动汽车示范推广(RD&D)法案》，但是这个法案因为新能源汽车技术远远没有成熟而失败了，尤其是在新能源汽车的安全性、可靠性和综合表现上，无法与当时的燃油汽车技术相比较，这个著名的案例被定义为“技术早产”。。现有文献表明，制造企业对技术基础性能的顾虑非常突出，例如“该技术是否适用于不同行业和工况的运行特点、技术升级改造是否会影响企业的正常生产等”[2]，具体的技术性能包括技术先进性 、安全性、可靠性 、操作性、适用性和节能技术兼容性等。此外，针对制造范式升级，本研究认为，共性技术就绪度还包括共性使能技术对第三方开发者的开放度。共性使能技术扩散需要在其基础上进行再次应用开发来满足广泛的用户企业需求。这些应用开发通常并非是有共性技术平台提供方进行，尤其是本文涉及的“数控平台技术”更是门槛很高，全世界范围内仅仅有西门子、法兰克等数家国际企业以及国内少量领先企业能够提供。这些企业通常不会进行附加值较低的再次应用开发，所以这就要求共性技术提供者能够开放权限，使第三方或用户企业能进行再开发[12]；因此开放度应该也会影响制造技术扩散升级。

基于此， 提出假设：H1: 共性技术就绪度对共性使能技术扩散升级有显著的正向影响。

2. 预期经济收益度与共性使能技术扩散升级

共性使能技术扩散升级需要投入大量资金，因此预期经济收益度一直是技术采纳企业升级决策考虑的核心因素，预期收益愈强则企业愈有动力进行技术采纳与升级[5,18]。预期经济收益度既包括投入回报收益，也包括企业能力的战略性提升等等。第一，制造企业关注投资回报周期。通常来说，由于共性技术升级需要资金量大，政府补贴通常无法完全支持，制造企业一般需要使用自有资金或进行市场融资。但受经济下行和市场需求疲软的双重影响，制造企业的自有资金现金流压力大，也就急于回收资金投入[25]。而我国制造业产业投融资机制往往倾向于短期化、投机化，通常无法承受太长的回报周期。在本研究的前期实地访谈中，当地制造业技术升级投资回报期超过三年就很难得到认可[26]。第二，制造企业也非常注重计算技术升级可能带来的战略性提升，包括市场份额提升、产品质量的提升、品牌形象提升等等[3,21]。

基于此， 提出假设：H2: 预期经济收益度对共性使能技术扩散升级有显著的正向影响。

3. 政策干预扶持度与共性使能技术扩散升级

共性使能技术的扩散具有公共品属性及正外部性，单独企业缺乏能力和意愿去承担。尤其是在范式升级期，其共性技术不一定会是现行市场条件下生产者必然的选择，容易形成劣币驱逐良币的现象，需要政府干预[2,22]。政府对创新的干预手段一般包括“政府直接干预”和“政策间接支持”两大类[27]。“政府直接干预”型政策包括政府的研发资助、对企业的各种补贴、对于采用新技术实施税收减免或折扣、实施政府采购、对技术的采纳实施强制要求、制定技术标准等[28-29]。而“政策间接支持”的手段更强调从创新环境等方面开展工作，包括开展示范宣传和培训、培育企业技术学习能力、加强知识产权保护、等等[23,28]。另外的一些政策也算“间接支持”型政策工具，比如为增加金融市场认可度、降低第三方风险等担保政策，以及为吸引私人投资而设置的奖励政策等[30]。

值得强调的是，现有文献认为政府应该综合平衡直接干预与间接支持手段；而不应该仅仅采用其中一种。例如，历史上我国曾经采用自上而下的直接干预手段进行了一些技术升级，但那些大部分是对大型或国有企业而且扩散规模较小，命令控制型手段还是比较有效，可是应对大规模扩散的示范推广项目就难以推进、效率不高[19]。政府与广泛中小企业对接有限，直接干预的命令控制型政策执行时会遇到很大障碍，一方面中小企业的自主决策也受其他较多因素影响，另一方面直接干预型政策易扭曲市场，吸引很多非目标企业盲目投资升级，导致无序竞争或一哄而上的混乱局面[30]。

因此，本研究认为，针对共性使能技术的大规模采纳推广，政府可以加强政策干预与扶持度，既有政策直接干预也有间接支持[18]。平衡加强政策工具合理搭配使用时，会引导形成多元化市场力量主导，能够更好地利用有限政府资源动员广泛市场资源投入，推动共性使能技术扩散升级。

基于此， 提出假设：H3: 政策干预扶持度对共性使能技术扩散升级有显著的正向影响。

4.开发服务协同度与共性使能技术扩散升级

如前文所述，制造范式升级中，示范推广项目不仅仅需要扩散共性使能技术(例如本研究的数控平台技术)，还需要面对用户企业(例如本案例中的机床、机器人等数控设备使用者)的多元化需求灵活开发基于共性平台上的具体应用(例如数控使能化的磨机应用打磨石饰品等等)，才能在广泛用户制造企业推广开来[13,31]。这些用户制造企业行业分布广泛，如电子信息、工程机械、纺织鞋服等，对“数控一代”应用技术的需求异质性显著[12]。应用开发不仅要掌握供给端技术，并且要深入了解用户端应用需求。政府对于这些高度市场化、多样化的需求，很难通过组织定向化科研攻关项目来解决，通常需要市场力量提供多元化开发服务[7]。整个过程需要用户企业提供订制化需求，由共性技术提供者与应用开发者协同提供完全解决方案，并且提供安装调试服务，以确保技术供给的开发服务满足需求。而其中应用开发者主导的开发服务和组织协同至为关键。因此，本研究认为，这些由市场力量驱动的开发服务协同愈有力，共性技术的扩散升级会愈成功。

基于此， 提出假设：H4: 开发服务协同度对共性使能技术扩散升级有显著的正向影响。

(二)企业规模异质性的调节效应

制造范式升级涉及的不仅仅是大企业，还有量大面广的中小企业。从政府的角度来说，一方面，面对大规模的技术扩散，政府不可能拥有足够的公共资源来完全补贴所有中小企业的广泛范式升级[2]。另一方面，由于政府与大企业或国有企业的天然纽带，政策往往会着力到大企业或国有企业上，这很大程度上造成了资源配置的扭曲，容易对自由竞争的创新型中小企业不利[32]。 而从企业层面来说，在中小企业中推动技术创新相当有挑战性[33]。中小企业往往缺少资源、知识和技术能力进行技术升级，而且承受风险的能力也相对较弱。此外，由于其规模小、地点分散，地方政府在示范推广的时候往往会面临执行力不足的困难[5,7]。

近期研究表示，面对技术扩散时，中小企业对技术困难、资金补贴、金融支持的看法均与大企业不同——缺乏资源的中小企业更为重视这些因素。而从政策执行上来说，中小企业与非政府机构的政策执行者(例如技术服务机构、大学与科研院所等等)关系更为密切[5,18]。中小企业对政府的期望与大企业不同，其往往期望获得普惠制的公平市场竞争环境，特别是有效的公共产品和市场化的服务，而并非是特别的直接干预型政策倾斜。

基于此， 提出假设：H5: 企业规模在共性技术就绪度、预期经济收益度、政策干预扶持度、开发服务协同度等要素对共性使能技术扩散升级的影响关系中起调节作用。

(三)共性技术创新协同主体的调节效应

传统理论一般认为共性技术属于竞争前技术，具有基础知识的特征，因此带有准公共品属性。而促进制造范式升级的共性使能技术(例如数控平台技术等等)与传统的关键或基础共性技术范畴不同。一方面，其应用开发的对象属于竞争性产品，很难依靠政府投资公共知识研发来解决。另一方面，这些共性使能技术的多样化应用开发有较强的产业正外部性。独立开展研发工作的企业很难将这些正外部性内在化，从而导致驱动力不足。而且，由于基于共性使能技术平台的应用开发的技术门槛较高，研发投入额度也非常大，单个企业往往无法独立承担，需要政府协调支持。

为了解决这些问题，共性使能技术的应用研发常常由政府支持建设创新协同平台来解决[34]。例如，美国政府于2014年通过《振兴美国制造与创新法案》，正式成立国家制造创新网络(NNMI)，就是聚集了企业、大学、国家实验室、联邦政府、州政府和地方政府等利益相关者，形成创新生态系统。在创新生态系统内，成员和联邦政府共同投入，从而提高美国制造业的竞争力[26]。这些制造创新网络希望构建新型应用研发机构，强调共享设施、共享经验、灵活提供服务等等；更重要的是，其创新协同主体机构(或称之为网络组织者)不设在龙头制造企业，而是多元化的设在大学、国家实验室、创新联盟、甚至国防部等等。尽管还没有实证文献显示这些是否会对共性使能技术应用研发效率有显著性影响，但是我们基于前期调研认为，不同的协同主体对共性技术扩散升级时各要素的作用机制有所影响。

对于上述应用开发责任主体的问题，地方政府也进行了一系列的尝试，包括鼓励第三方创新服务公司、大学科研院所衍生成立的市场导向应用研究院(例如华科大泉州研究院、华侨大学泉州制造研究院等等)或者制造企业本身来进行应用开发工作[12]。那么，哪一种作为主体协同开发最有效率，或对共性技术扩散升级最有推动力？政府应如何针对不同的应用研发机构采取相应举措来促进共性使能技术扩散？本文尝试探讨其对各影响要素与共性技术升级关系的调节效应。

基于此， 提出假设：H6: 共性使能技术创新协同主体在共性技术就绪度、预期经济收益度、政策干预扶持度、开发服务协同度等要素对共性使能技术扩散升级的影响关系中起调节作用。

综上所述，本研究的概念模型如图1所示。

图1 研究概念模型

三、研究设计

(一)研究样本与数据收集

本研究基于国家“数控一代”示范项目，选取福建省泉州市为典型区域发放调研问卷，开展制造业范式升级中共性使能技术扩散的实证研究。“数控一代”示范项目作为“中国制造2025”战略的重要组成部分，由科技部、工信部、中国工程院等于2012年底启动，在广东、福建、江苏、浙江等制造业密集省份率先铺开，影响广泛，效果突出，为我国制造范式升级做出重要推动。泉州市是福建省制造业发展的重要城市，已形成了纺织服装、鞋业、石油化工、机械装备、建材家居、食品饮料、工艺制品、电子信息、纸业印刷等九大产业集群。在“数控一代”示范项目推动下，截止到2016年6月，泉州市已组织嘉泰、海天、黑金刚、瑜鼎等示范企为代表的526多家装备制造企业进行数控和智能制造技术的创新应用试点示范，涉及泉州市九大产业集群。该问卷调研工作受中国工程院委托，会同泉州市科技局、泉州市经信委联合向“数控一代”示范项目涉及的上述全部526家泉州市装备生产企业发放。

本文问卷的发放充分考虑到抽样科学性。首先，福建省泉州市是“中国制造2025”中八个首批试点示范城市之一，其制造业基数大，升级需求迫切，政府政策执行充分，制造技术扩散的影响因素在全国来说具有充分的代表性，所以选择福建省泉州市的制造企业发放问卷是典型的“目的性抽样”，能够很好地保证本研究的外度效度。第二，本研究向福建泉州市涉及“数控一代”示范项目的所有机械装备生产企业发放问卷，在当地属于全样本问卷发放，这也保证了抽样的科学性，降低了数据采集中的可能偏差。调研采取电子问卷的形式，由调研企业相关部门的高管负责填写。共回收问卷318份，其中有效问卷304份，有效回收率为57.8%。在调查的生产企业中，主营业务所属行业涉及工程机械加工装备、电子信息加工装备、纺织鞋服装备、建材家居装备、食品和饮料装备、生活用品和塑料制品装备、工艺制品装备等。其中，在产权性质方面，以国有及集体企业居多，占比51.6%，内资控股民营企业占比42.5%，外资控股民营企业占比5.9%；在企业规模方面，以中小企业居多，年销售额300万元以下企业占比13.8%，300～1999万元企业比占比23.6%，2000～3999万元企业占比39.4%，4000万元～1亿元企业占比11.0%，1亿元以上企业占比12.2%。

综合来看，本次问卷调研的数百家企业基本上覆盖了不同产权性质、不同企业规模以及不同行业领域的装备制造企业，样本具有较好的代表性。

(二)变量测度

本研究在问卷设计上采用了确立研究问题、设计变量及测度、试问与修订等步骤，方法上结合了文献梳理和实地预调研两种方式，尤其是在变量测度上充分考虑了其内容效度、结构效度、判别效度等方面，也取得了较好的信度指标。第一，在前期确立问题的基础上，本研究通过文献梳理和前期访谈，总结现有研究中影响共性使能技术扩散的四大核心自变量，即预期经济收益度、共性技术就绪度、政策干预扶持度、开发服务协同度等。第二，在此基础上，本文针对制造业升级、共性使能技术扩散、创新政策执行等方面的中外核心文献进行了深度挖掘，尤其是根据共性技术示范扩散方面的核心要素相关文献之成熟量表针对预期经济收益度、共性技术就绪度、政策干预扶持度等变量测度上进行了参考提炼与改进。在此之上，本研究采用实地预调研等形式进行上述变量测度的修正与发展；尤其是针对制造范式升级期的共性使能技术体现出来的理论新颖与独特性，对开发服务协同度这个新变量进行自下而上的理论测度建构，并在最新的中外文献中找到相应的实证测度交叉印证。最后，本研究还两次使用焦点组访谈的形式(分别为13人、18人)对问卷初稿进行了试问以及进一步修订。

本研究的量表测度采用了文献研究与预调研相结合的方式，充分考虑了现有理论对本研究测度量表的支撑，又考虑了本研究的理论创新要素，即范式转变期共性使能技术扩散影响机制的服务协同要素，进一步对变量测度题项做出修订，以使本文的变量测度更适合当前中国制造企业情境(详见表1)。其中，预期经济收益度由现有文献中主要提及的研发投入回收预期、市场份额提升预期、产品质量提升预期、品牌形象提升预期等4个题项来测度；共性技术就绪度在经典量表的技术安全性、可靠性、先进性基础上，本研究还基于近期关于共性技术根据客户化需求进行应用开发的特性的研究，以及本研究团队前期调研访谈，增加了共性技术开放性的测度题项；政策干预扶持度由本研究依据前期企业调研访谈以及中国制造业政策现状，从经典政策干预扶持方式中选取升级研发补贴、升级首台套补贴、科技金融支持、示范宣传培训作为测度题项；开发服务协同度则综合现有文献以及前期调研访谈，选取用户订制开发协同、成套解决方案协同、安装调试服务协同进行测度。研究中问卷的自变量测量均采用Likert五级量表形式，从“1”=非常不同意到“5”=非常同意。

在控制变量方面，借鉴已有相关研究[18,42]，本研究在分析中控制了可能对共性使能技术扩散产生影响的企业特征，包括企业规模、企业年龄以及技术人才储备。其中，企业规模与技术人才储备分别依据年销售额和相应技术人才数量划分为1-5五个等级；企业年龄取企业成立迄今的年数数值作为连续变量。

在调节变量方面，除了上述控制变量中的企业规模异质性之外，对于共性使能技术创新协同主体，在问卷中通过企业升级中共性使能技术应用开发主导机构的单选题收集数据，分为第三方创新服务公司、大学科研院所衍生应用研究院以及制造企业自身3个选项。在数据分析时以企业自身为参照组设置了2个虚拟变量：是否与第三方创新服务公司创新协同，是否与大学科研院所衍生应用研究院创新协同。

表1 核心自变量测度题项及依据表

在因变量方面，为了减少研究中的共同方法偏差，对于共性使能技术扩散升级的测度，由问卷调查对象根据企业数控化升级的客观进展作答，分为尚未计划进行装备产品数控化升级、尚未实施但计划进行数控化升级、已实现少部分装备产品数控化、已实现大部分装备产品数控化、已全面实现装备产品数控化5级。

(三)数据分析方法

本研究应用SPSS 23.0和AMOS 24.0软件对问卷数据进行统计分析。首先，从304份有效问卷中随机抽取50份进行探索性因子分析，检验本研究提出的共性使能技术扩散升级影响要素测度题项的合理性，产生关于变量内部结构的理论。本研究采用的是主成分分析的因子提取方法和最大方差的旋转方法。其次，对于剩余的254份问卷分别通过探索性因子分析和验证性因子分析进行信度和效度检验，确保所测变量的因子结构与先前构思相符。再次，对主要变量进行描述性统计分析与相关分析，以对数据的总体情况及变量间关系进行初步判断。然后，通过有序逻辑回归分析来检验共性使能技术扩散升级影响要素的主效应，并进一步考察企业规模以及共性使能技术创新协同主体在此影响机制中的调节效应。最后，本研究采用最小二乘法对各回归模型进行再度验证，以检验本研究结果的稳健性。本研究有序逻辑回归的计量模型如下：

yi=α+β·factors+γ·Cros+δ·x+μi+εi

(1)

模型基本含义为，对于第i个企业来说，factors表示由因子分析生成的四个因子，Cros表示各调节变量分别与自变量生成的交互项，x表示控制变量，μi表示其他可能影响因变量的因素。

四、数据分析与结果

(一)基于小样本数据的测度题项探索性因子分析

本研究关于预期经济收益度、共性技术就绪度、政策干预扶持度、开发服务协同度四个核心变量的测度量表是在调研访谈的基础上对现有文献介绍的量表进行改进而提出的。首先，本文通过Harman单因子分析对问卷进行了共同方法变异(CMV)检验，结果显示未进行旋转的第一个因子的方差贡献率为31.376%，未占到多数，因此同源偏差问题对本研究不存在明显的影响，同时本文的变量测度包含企业自身的客观数据以及企业对自身技术升级改造客观情况的评价，也在一定程度上规避了共同方法偏差问题。

为了进一步明确观测变量的内部结构，验证测度题项的合理性，本研究首先从有效问卷中随机抽取50份，对15个共性使能技术扩散影响因素相关题项进行探索性因子分析。对50份小样本数据的探索性因子分析的KMO值为0.728，Bartlett 球体检验显著性为0.000，符合因子分析要求。通过分析提取出了四个因子，根据因子载荷>0.5的分布来判断，共性技术就绪度、政策干预扶持度、开发服务协同度、预期经济收益度四个变量的题项均根据预期归入了相应的因子，其累积解释变差分别为 24.103%、46.005%、67.552%、84.662%，并且对变量进行信度分析得到的 Cronbach’s α系数都大于 0.7，题项-总体的相关系数 (CITC)均大于 0.35。上述分析表明本研究提出的四大核心变量的测度题项具有良好的内部一致性，该量表能较好地测度影响共性使能技术扩散的主要因素。

(二)大样本数据的信度与效度检验

接下来，本研究对剩余的254份有效问卷进行统计分析。为了确保研究的可靠性与有效性，针对问卷中4大核心变量的15个测度题项，通过探索性因子分析和验证性因子分析进行信度和效度检验。

由表2可见，4个变量探索性因子分析的 Cronbach’s α系数均在0.9以上，说明本量表具有非常好的信度。

量表的效度主要包括内容效度和结构效度。本研究参考了经典学术文献中的问卷设计，并结合实地调研与专家意见加以修订，故可认为具有较高的内容效度。结构效度指测量出理论的概念和特征的程度，可通过验证性因子分析检验。各题项的因子载荷都大于0.5的阈值，且均具有显著性，模型的各项拟合指数亦均达到要求，表明该量表具有很好的结构效度。

(三)描述性统计与相关分析

各变量的平均值、标准差以及各变量间的相关系数如表3所示。可以看出，共性使能技术扩散升级与共性技术就绪度(r=0.493，p<0.001)、预期经济收益度(r=0.527，p<0.001)、政策干预扶持度(r=0.478，p<0.001)、开发服务协同度(r=0.525，p<0.001)均具有显著的正相关关系。企业规模、创新协同主体等调节变量也与主要自变量和因变量呈显著相关。这些相关性与理论预期的关系相一致，从而为研究假设提供了初步支持。

(四)假设检验

本研究通过4个有序逻辑回归模型来检验各研究假设，结果如表4所示。其中，被解释变量均为共性使能技术扩散升级。模型1中的解释变量仅包含控制变量；模型2在控制变量的基础上加入预期经济收益度、共性技术就绪度、政策干预扶持度、开发服务协同度四大核心变量，以解析制造范式转变中共性使能技术扩散的主要影响要素；模型3在模型2的基础上加入了添加了表征企业规模调节效应的4个交互项，以探析企业规模异质性的调节作用；模型4在模型3的基础上添加了表征共性使能技术创新协同主体的8个交互项，以分析创新协同主体的调节作用。

表2 信度与效度检验结果表

附:***表示显著性水平，p<0.001。

表3 均值、标准差和相关矩阵 (N=254)

注：+p<0.1,*p<0.05,**p<0.01,***p<0.001。

模型2的实证结果表明，预期经济收益度(β=0.368，p<0.01)、共性技术就绪度(β=0.399，p<0.01)、政策干预扶持度(β=0.328，p<0.01)、开发服务协同度(β=0.448，p<0.01)都对共性使能技术扩散升级有显著的正向影响，研究假设1-4均得到了验证。这说明在范式转变期，经济、技术、政策以及服务等方面都会影响到共性使能技术在制造企业中的扩散，此中开发服务协同度的影响最大。

从模型3可以看出，企业规模在开发服务协同度对共性使能技术扩散升级的影响中起显著的负向调节作用(β=-0.273，p<0.05)，研究假设5d得到了验证。这说明企业规模越小，开发服务协同度对共性使能技术扩散的影响程度越高。

由模型4可见，一方面，第三方创新服务公司协同(β=0.721，p<0.1)与大学科研院所衍生应用研究院协同(β=1.622，p<0.001)均在预期经济收益度影响共性使能技术扩散的机制中起正向调节作用，研究假设6a得到了验证。这说明当制造企业存在外部创新协同主体时，预期经济收益的影响会变大。另一方面，大学科研院所衍生应用研究院协同在共性技术就绪度影响共性使能技术扩散的机制中起正向调节作用(β=1.208，p<0.05)，研究假设6b得到了验证。这说明当企业与大学科研院所衍生应用研究院开展协同创新时，会更加注重技术有关要素。此外我们还发现，大学科研院所衍生应用研究院协同对共性使能技术扩散亦具有非常显著的正向影响(β=1.687，p<0.001)，表明当企业与大学科研院所衍生应用研究院协同创新时会更倾向于进行技术升级。

(五)稳健性检验

为了检验上述研究结果的稳健性，本文应用最小二乘法分别对各回归模型进行再度验证。对照线性回归与有序逻辑回归的数据结果，可以发现，除了在模型4中，共性技术就绪度的影响由不显著变为在α=0.1的显著性水平上有正向影响外(p=0.082，β=0.116)，各个回归模型中主要变量的显著性与否均未发生变化，具有显著性变量的回归系数正负方向也没有发生变化。这表明，本研究的数据分析结论具有较好的稳健性。

五、结论与启示

本文基于技术扩散、制造范式升级、政府创新治理行为等理论，结合实证研究，剖析了我国制造业范式升级关键转型期中共性使能技术扩散的核心影响要素，并探讨了企业规模异质性与共性技术创新平台主体选择在此中的调节效应。本文的主要结论如下：

表4 有序逻辑回归分析结果

注：括号内为显著性结果。+p<0.1,*p<0.05,**p<0.01,***p<0.001。

第一，本研究发现，共性技术就绪度、预期经济收益度、政策干预扶持度、开发服务协同度对共性使能技术扩散升级有显著的正向影响。本研究不但诠释了制造范式升级转型期企业对共性技术就绪度与预期经济效应认知的重要性，而且证实了共性使能技术扩散面临市场失灵而特别需要政府进行干预扶持；另外，本研究还提出并证明了共性技术扩散中开发服务协同的重要性，这也是共性使能技术扩散不同于其他单纯公共知识扩散或消费产品扩散的重要特征。这些结果极大丰富了共性技术扩散与范式升级等理论，特别证实了其独特的政策嵌入性、扩散复杂性、知识协同性。

第二，本研究揭示出企业规模在开发服务协同度对共性使能技术扩散升级的影响关系中起负向调节作用。这说明中小企业比大企业缺乏技术与资金资源[15]，因而更为重视共性使能技术开发服务在用户订制开发、成套解决方案、安装调试等方面协同。从政府干预创新扩散的行为理论角度出发，政府不能忽视中小企业，应提供公共或准公共服务平台，使缺乏资源的中小企业得到普惠性的支持。

第三，共性使能技术创新协同主体在预期经济收益度、共性技术就绪度对共性使能技术扩散升级的影响关系中起正向调节作用。特别地，当共性使能技术创新协同主体为制造企业外部的多元应用研究平台(包括第三方创新服务公司、大学科研院所衍生应用研究机构)时，预期经济收益度的重要度会凸显，扩散升级决策实施的市场导向机制会愈强。而大学科研院所衍生应用研究机构为共性创新协同主体时，共性技术就绪度的重要度会突出。同时，大学科研院衍生应用研究平台作为协同主体本身就对共性技术扩散有显著的正向影响，说明研究能力对共性使能技术扩散尤为重要。以上分析说明，市场导向的应用研究平台，对我国制造业的范式升级能起关键作用，而政府干预共性技术扩散时，应当有针对性地选择支持应用开发主体和支持方式，即强调市场化、多元化、协同化。

当前，我国正在执行中央部署的“中国制造2025”战略，整个制造业正处于关键的转型期，也是制造范式升级的混沌期，针对当前复杂动态环境下的新挑战与新机遇，本研究具有重要的政策启示。第一，尽管近年来产业政策备受质疑，但对于“中国制造2025”等致力于制造范式升级的国家战略，在示范推广共性使能技术升级时应该进行政府干预与扶持，不能任由完全市场进行资源配置。同时，也应该充分意识到除了政府意志外，还有共性技术就绪度、预期经济收益度、开发服务协同度的核心影响要素，政府应该在示范推广项目中，充分考虑共性使能技术扩散的特性要素，强调开放式与协同创新，鼓励发挥企业与科研机构的应用研发与创新升级驱动力。第二，政府在干预方式上要注意从传统的“控制命令型行政管理”向“多元主体参与的创新治理”转变，避免所谓的“政府失灵”。政府在实施大规模的共性技术扩散时，要重视量大面广的中小企业，以解决中小企业的问题来促进共性技术规模化扩散，而对大型或国有企业应该鼓励其重点突破快速形成生态系统。在此之上，传统理论认为政府干预共性技术扩散包括组织集中攻关、全经费补贴科研院所、鼓励合作研究等几种方式，而特别是对待关键共性技术应该组织集中攻关。但本研究发现，应对多样化、大规模的共性使能技术的应用开发，政府应该以更创新的政策方式而非简单集中攻关，应鼓励创建大学与科研院所的社会服务功能推动、企业力量联合驱动的市场导向应用创新协同平台，以少量的政府补贴撬动广泛的市场投资进行多元化的应用开发，以新的创新治理模式应对共性使能技术扩散的政府失灵问题。

本文仍存在一些研究局限，为未来研究提供了可能的方向。第一，本文主要以企业规模、技术人才储备、企业年龄作为控制变量，未来研究可以考虑进一步控制其他可能影响共性使能技术扩散升级的特征变量。第二，本文主要采用截面调研数据，无法完全消除变量之间的内生性问题。比如，政策干预支持度与共性技术创新协同主体的选择之间可能存在潜在内生关系。在未来研究中，可进一步采用纵向数据进行研究，或者通过深度案例对这些变量之间的相互作用关系进行更为深刻的探讨[43]。

[1]Grossman G M, Shapiro C. Informative advertising with differentiated products[J]. The Review of Economic Studies, 1984, 51(1): 63-81.

[2]Zhou Y, Xu G, Minshall T, et al. How do public demonstration projects promote green-manufacturing technologies? A case study from China[J]. Sustainable Development, 2015, 23(4): 217-231.

[3]Vonortas N S, Xue L. Process innovation in small firms: Case studies on CNC machine tools[J]. Technovation, 1997, 17(8): 427-438.

[4]Bhagraven M R. New generic techonlogies in deviloping countries[J]. Macmillan Press Ltd, 1997.

[5]Fleiter T, Schleich J, Ravivanpong P. Adoption of energy-efficiency measures in SMEs—An empirical analysis based on energy audit data from Germany[J]. Energy Policy, 2012, 51: 863-875.

[6]汪镇全. 关于产业政策的若干问题[J]. 经济问题, 1987(1):30-32.

[7]Liu P, Zhou Y, Zhou D K, et al. Energy Performance Contract models for the diffusion of green-manufacturing technologies in China: A stakeholder analysis from SMEs’ perspective[J]. Energy Policy, 2017, 106: 59-67.

[8]薛 澜, 赵 静. 新兴产业发展与适应性监管[J]. 公共管理评论, 2016 (2): 3-6.

[9]Zhou Y, Li X, Lema R, et al. Comparing the knowledge bases of wind turbine firms in Asia and Europe: Patent trajectories, networks, and globalisation[J]. Science and Public Policy, 2016, 43(4): 476-491.

[10]邹 樵. 共性技术扩散的概念及其特征[J]. 科技管理研究, 2010, 30(19):142-145.

[11]周 源. 战略性新兴产业的政策干预方式, 问题和趋势[J]. 公共管理评论, 2016 (2): 29-33.

[12]魏 峰, 周 源, 薛 澜. 中国制造数控一代产品升级与有组织创新——以泉州数控一代创新工程为案例[J]. 中国工程科学, 2016, 18(6):110-116.

[13]Featherston C R, O’Sullivan E. Enabling technologies, lifecycle transitions, and industrial systems in technology foresight: Insights from advanced materials FTA[J]. Technological Forecasting and Social Change, 2017, 115: 261-277.

[14]傅家骥. 技术创新学[M]. 北京：清华大学出版社, 1998.

[15]许庆瑞. 研究、发展与技术创新管理[M]. 北京：高等教育出版社, 2010.

[16]Rogers E M. Diffusion of innovations [M]. New York:The Free Press , 2003.

[17]Holdren J P. Powerful partnerships: The federal role in international cooperation on energy innovation[R]. Office of Science and Technology Policy, Executive Office of the President of the United States, Washington, DC, 1999: 5-7.

[18]Kong D, Feng Q, Zhou Y, et al. Local implementation for green-manufacturing technology diffusion policy in China: from the user firms’ perspectives[J]. Journal of Cleaner Production, 2016, 129: 113-124.

[19]Zhou Y, Zhang H, Ding M. How public demonstration projects affect the emergence of new industries: an empirical study of electric vehicles in China[J]. Innovation, 2015, 17(2): 159-181.

[20]张汉威, 苏 竣, 汝 鹏,等. R & 3D技术创新风险与失败案例研究——以洁净煤技术为例[J]. 科学学与科学技术管理, 2014(9):102-110.

[21]Olsthoorn M, Schleich J, Klobasa M. Barriers to electricity load shift in companies: A survey-based exploration of the end-user perspective[J]. Energy Policy, 2015, 76: 32-42.

[22]Hellsmark H, Frishammar J, Söderholm P, et al. The role of pilot and demonstration plants in technology development and innovation policy[J]. Research Policy, 2016, 45(9): 1743-1761.

[23]Brown J, Hendry C. Public demonstration projects and field trials: Accelerating commercialisation of sustainable technology in solar photovoltaics[J]. Energy Policy, 2009, 37(7): 2560-2573.

[24]Lefevre S R. Using demonstration projects to advance innovation in energy[J]. Public Administration Review, 1984: 483-490.

[25]吕 薇. 中国制造业创新与升级 : 路径、机制与政策: Transition and upgrading of China’s manufacturing industry : paths, mechanisms and policies[M]. 北京：中国发展出版社, 2013.

[26]薛 澜, 周 源, 李应博. 战略性新兴产业创新规律与产业政策研究[M]. 北京：科学出版社, 2015.

[27]Rothwell R, Zegveld W. Reindustrialization and technology[M]. ME Sharpe, 1985.

[28]Baer W S, Johnson L L, Merrow E W. Analysis of federally funded demonstration projects: Executive summary, prepared for the Experimental Technology Incentives Program[M]. Washington, DC: U.S. Department of Commerce and RAND Corporation, 1976a.

[29]Nemet G F. Demand-pull, technology-push, and government-led incentives for non-incremental technical change[J]. Research Policy, 2009, 38(5): 700-709.

[30]Hendry C, Harborne P, Brown J. So what do innovating companies really get from publicly funded demonstration projects and trials? Innovation lessons from solar photovoltaics and wind[J]. Energy Policy, 2010, 38(8): 4507-4519.

[31]Kokshagina O, Gillier T, Cogez P, et al. Using innovation contests to promote the development of generic technologies[J]. Technological Forecasting and Social Change, 2017, 114: 152-164.

[32]路 风. 产业升级与中国经济发展的政策选择[J]. 文化纵横, 2016(4):80-91.

[33]Parker C M, Redmond J, Simpson M. A review of interventions to encourage SMEs to make environmental improvements[J]. Environment and Planning C: Government and Policy, 2009, 27(2): 279-301.

[34]Tassey G. Underinvestment in public good technologies[R]. Essays in Honor of Edwin Mansfield, 2005: 61-85.

[35]Harborne P, Hendry C. Pathways to commercial wind power in the US, Europe and Japan: The role of demonstration projects and field trials in the innovation process[J]. Energy Policy, 2009, 37(9): 3580-3595.

[36]Trianni A, Cagno E, Worrell E. Innovation and adoption of energy efficient technologies: An exploratory analysis of Italian primary metal manufacturing SMEs[J]. Energy Policy, 2013, 61: 430-440.

[37]Macey S M, Brown M A. Demonstrations as a policy instrument with energy technology examples[J]. Knowledge, 1990, 11(3): 219-236.

[38]Régionale D P. “Preparing for our future: Developing a common strategy for key enabling technologies in the EU” -Current situation of key enabling technologies in Europe[Z].

[39]Anvret M, Granieri M, Renda A. A new approach to innovation policy in the European Union[EB]. CEPS Task Force Report. http://www. ceps. eu/book/new-approach-innovation-policy-european-union, 2010.

[40]Frishammar J, Söderholm P, Bäckström K, et al. The role of pilot and demonstration plants in technological development: synthesis and directions for future research[J]. Technology Analysis & Strategic Management, 2015, 27(1): 1-18.

[41]Sarkar A, Singh J. Financing energy efficiency in developing countries—lessons learned and remaining challenges[J]. Energy Policy, 2010, 38(10): 5560-5571.

[42]Hoppmann J, Peters M, Schneider M, et al. The two faces of market support—How deployment policies affect technological exploration and exploitation in the solar photovoltaic industry[J]. Research Policy, 2013, 42(4): 989-1003.

[43]Lockett A, Thompson S, Morgenstern U. The development of the resource-based view of the firm: A critical appraisal[J]. International Journal of Management Reviews, 2009, 11(1): 9-28.