区域互联网对江苏研发资源利用效率的作用机制研究

王斌 赵香芹

摘 要：從价值链角度考虑，在互联网融合于零售与制造等环节过程中，研发环节也需借此提升工作效率。基于1999—2015年江苏省统计资料，运用超越对数生产函数和SFA模型，从技术形成与技术转化两个阶段，考察互联网对研发资源利用效率的作用效果。研究发现，在技术形成阶段，研发资源与互联网的融合效果欠佳，而在技术转化阶段却呈现出良好融合效果。相对而言，人才要素比资本要素更擅于利用互联网实现自我价值优化，尤其表现在技术转化阶段。此外，在技术转化阶段，互联网能有效促进资本与人才要素的结合，而在技术形成阶段却未有体现。

关键词：互联网;研发资源;利用效率;中介机制;随机前沿模型

中图分类号：G311文献标识码：A文章编号：

1672-1101（2019）06-0027-10

收稿日期：2019-04-30

基金项目：江苏省社会科学基金项目（17GLD004）;国家社会科学基金项目（18BJL063）;江苏理工学院人才引进项目（KYY17505）

作者简介：王斌（1981-），男，河南商丘人，副教授，博士，研究方向：创新管理。

Research on the Mechanism of Regional Internets Effect on R&D Resource Utilization Efficiency of Jiangsu

——Based on the perspective of two-stage R&D chain

WANG Bin1，ZHAO Xiangqin2

（1. School of Business， Jiangsu University of Technology， Changzhou， Jiangsu  213001， China;2. Information Center， Jiangsu University of Technology， Changzhou， Jiangsu  213001， China）

Abstract： From the perspective of value chain， the R&D link needs to improve productivity in the process of Internet integrating with retail and manufacturing. Based on the statistical data of Jiangsu Province from 1999 to 2015， using the transcendental logarithmic production function and the SFA model， the impact effect of Internet on the utilization efficiency of R&D resources are examined from two stages： technology formation and technology transformation. It is found that in the stage of technology formation， the integration effect of internet and R&D resources is not good， but a good fusion effect shows in the stage of technology transformation. Relatively speaking， the talent factor is better at using Internet to achieve self-value optimization than capital element， especially in the stage of technological transformation. In addition， in the stage of technology transformation， Internet can promote the combination of capital and talent elements effectively， but it has not been reflected in the stage of technology formation.

Key words：Internet; R&D resources; Utilization efficiency; Intermediary mechanism; Stochastic frontier model

当前，信息技术日益渗透于产业价值链中，促进相关价值环节组织模式的变革。其中，零售、生产环节与信息技术的融合，分别激发平台交易模式和智能制造模式的兴起。同时，信息技术也日益深化与研发环节的融合[1]。以宽带网络为代表的科研信息化建设对科技创新模式产生重要影响[2]。在科研信息化发展中，英国在2000年便提出E-science 计划，目的是利用网络技术使科研资源互联互通与共享共建;随后美国国家科学基金会在2002年启动Cyberinfrastructure计划，致力于建设新型科学与工程知识信息化集成网络，将分布在不同空间下的科研资源集成在一起;而欧盟所实施的GANT2项目为欧洲提供了一个连接范围更广的新型教育科研网络，已成为构建“欧洲研究区”设想的重要支撑。我国在2003年启动ChinaGrid教育科研网格项目，将分布在不同区域的海量教育科研资源集成在统一平台上，形成高水平下的资源共享。我国在2016年颁布《国家信息化发展战略纲要》，明确提出“加快科研信息化”建设。由国内外科研信息化发展趋势可见，利用信息网络将分散的科研要素联结集成，使不同区域和学科的科研人员能共建共享科研资源，从而提高科研效率。

一、文献综述

20世纪80年代的生产率悖论问题，便引起信息化与生产率之间悖论现象的讨论。这一问题延伸至研发领域，便形成关于信息化能否有助于驱动技术创新的讨论，国外学者Keller[3]、Baskerville et al.[4]及國内学者赵沂蒙[5]、战丽梅[6]等均较早展开框架性辩证分析。尽管视角各异，但基本认同信息化对创新资源利用的正向作用。但这种作用可能随着信息化要素的积累呈现出边际效应递减趋势[7-8]。究其原因，一种观点认为在企业管理能力有限时，无法充分利用信息化协调各种递增的研发要素，从而造成效率相对降低[9]。此外，信息化扩散中的“区域壁垒论”，也从另外一种视角解释研发信息化悖论问题，即信息化对技术创新的驱动作用存在区域差异或空间局限 [7，10-12]。此外，部分观点认为信息化在邻近区域间存在虹吸效应 [13]。

随着开放式网络化创新模式的兴起，学界开始将视角转向信息化与创新过程及能力的融合研究。其一，信息化对何种类型的创新更有驱动作用;其二，何种类型的信息化对创新更有驱动作用。对于前者，既往文献多围绕产品创新与工艺创新的信息化利用效果展开探讨。如毕克新等认为在技术、组织与环境三个维度上，信息化与工艺创新流程均存在强交互关系[14-15];王娟[16]通过比较研究，也进一步支持了这一观点。对于后者，部分文献根据信息化功能或环节的差异展开探讨，如陈升等研究发现IT协同集成水平对企业创新能力存在正向影响[17];杨曼和王仁祥研究认为上游环节的信息化密度比下游环节更能发挥边际效应[18]。

综上可见，信息化对技术创新资源的驱动效果，受到诸多因素的影响，如区域差异、要素饱和、创新类型与IT功能等。较多文献认为信息化可带来研发能力与效率的提升。但部分文献也警示信息化利用的局限：边际效用递减、区域差异及空间壁垒等。深入研究发现，既往文献多围绕信息化与创新效果之间的关系展开探讨，而对信息化驱动技术创新的具体途径鲜有讨论，尤其对信息化影响研发资源利用效率的中介效应问题，需要深入剖析。围绕这一问题，本文分析互联网对不同研发阶段资源利用效率的调节机制，归纳其中规律。

二、实证分析

（一）问题描述

本文依据Hansen和Birkinshaw（2007）所提出的创新价值链框架，将研发过程分解。在《中华人民共和国专利法实施细则》（2010修订）中，明确规定“发明或者实用新型专利申请的说明书应包括：技术名称、技术领域、背景技术、技术方案、技术附图及实施方式等”。由此，本文以技术成果的专利形态作为分割点，将其之前的研发过程称为技术形成阶段，将之后的研发过程称为技术转化阶段。

两个研发阶段的资源在空间、环境、条件等要素上存在较大差异。在技术形成阶段，研发人员主要依靠基础实验设施完成新知识的获取与开发，其研发主体一般为高校院所，研发资金多来自公共财政。在传统模式中，技术形成过程相对独立，但在开放式研发模式下，技术形成阶段也愈加重视与外部资源的交流。在技术转化阶段，研发人员主要依靠试验设施对技术成果进行开发，研发主体多为企业及应用性院所，资金以自筹为主。技术开发需要协同多方资源，故相对而言，技术转化对内外部交流与协同的要求较高。上述两个研发阶段的资源要素存在异质性，使得互联网发挥作用的机制也存在差异。

无论是技术形成亦或技术转化，特征均是耗时性和风险性，故资源投入是重要保障条件。现阶段我国提高研发资源利用效率，增强科技创新质量，需要利用信息化手段。互联网作为一种高效即时性信息化工具，已在销售端展现功能。而在研发领域，其是否也具有高效联结作用，以此提升研发资源利用效率，需通过实证分析予以验证。

（二）模型设定

本文使用随机前沿方法，研究互联网对研发资源利用效率的驱动机制。考虑到资本、人才等投入要素对研发产出的影响可能为非线性特征，故使用超越对数生产函数描述投入产出关系。在此基础上，利用效率分析方法探讨各因素对研发效率的影响。由于随机前沿方法可以将技术非效率项与随机误差项有效分离，从而有效剖析互联网对研发资源利用效率的影响，故本文采用SFA方法开展研究。

根据Kumbhakar和Lovell（2000）对随机前沿生产函数模型的设定：

yt=f（xt，t）exp（vt-ut）  （1）

在式（1）中，yt表示时期t的实际产出;f（xt，t）表示时期t的潜在产出，其中，x表示研发人力和资本。ut～N+（u，σ2u），为技术非效率项，表示个体冲击对研发产出的影响。

Battese和Coelli（1995）认为技术非效率项ut受环境因素影响，故设定了技术非效率函数，见式（2）：

ut=δ0+δzt+wt  （2）

在式（2）中，zt表示环境变量，δ为回归系数，wt为随机扰动项。

本文选取超越對数生产函数表示投入产出关系。与传统Cobb-Douglas生产函数相比，其对技术中性及产出弹性要求较宽，见式（3）。

lnyt=β0+∑βlnxt+∑∑βjllnxjtlnxlt+vt-ut  （3）

在式（3）中，β为待估参数，j和l代表第j和第l个投入变量。

由式（3）可建立如下超越对数随机前沿模型：

lnyt=β0+β1lnKt+β2lnLt+β3（lnKt）2+β4（lnLt）2+β5lnKtlnLt+vt-ut  （4）

式（4）中，y表示研发产出;K、L分别表示研发资本和人力投入。

由式（4）可建立如下技术非效率函数模型：

（1）考察互联网对科技人力投入技术非效率的调节效应。

ut=c+β1*Infor+β2*Infor*L+γ*X+wt  （5）

（2）考察互联网对科技资本投入技术非效率的调节效应。

ut=c+β1*Infor+β2*Infor*K+γ*X+wt  （6）

（3）考察互联网对科技人力与资本要素交互性技术非效率的调节效应。

ut=c+β1*Infor+β2*Infor*L*K+γ*X+wt  （7）

式（5）至（7）中，Infor代表互联网变量。

（三）变量选取

1.产出变量。技术形成阶段主要是将新设想、新理念转化为具有一定编码形态的中间创新成果，而技术转化阶段则是将中间创新成果开发并转化为可市场化的新产品。在技术形成阶段，本文用专利度量其产出，既往文献较多使用专利授权量或申请量予以表征。相对而言，专利申请量能更多体现研发主体的原始创新诉求。在技术转化阶段，本文用新产品销售额度量其产出，相对而言，其更能体现创新成果的经济价值和商业化水平，见表1。

2.投入变量。对于科技资本，既往文献较多使用R&D经费内部支出或新产品开发经费予以表征。依据科技部对R&D的界定“为增加知识总量以及运用这些知识去创造新的应用而进行的创造性活动”，以及对R&D经费内部支出的界定“调查单位用于内部开展R&D活动的实际支出”，本文所界定的技术形成阶段更能体现R&D经费支出的应用领域，也即偏向于单位内部知识的开发和专利的获取。相对而言，本文所界定的技术转化更多体现新产品开发经费支出的应用领域。故本文用R&D经费内部支出表征技术形成阶段的资本投入，用新产品开发经费表征技术转化阶段的资本投入。对于科技人力要素，相对而言，人才数量更多体现科技人力资源的外延，而R&D人员全时当量更能体现科技人才的实际研发工作量。在开放式创新环境下，研发过程具有系统性和连贯性，同一科技人才在上下游研发领域均需发挥作用，而R&D全时当量是研发价值链人才投入的综合体现，故本文用R&D全时当量表征两个研发阶段的人才投入，见表1。

3.互联网变量。既往文献多使用“邮电业务总量”表征一个地区的互联网发展水平。但该变量的使用面临两个问题：其一，内生性问题。邮电业务总量的变化本身受行业技术创新水平的影响，故作为因变量的创新产出，可反向影响表征互联网水平的邮电业务总量指标，这种内生性问题将影响模型稳定性;其二，适用性问题。本文是关于互联网对研发要素利用效率调节效应的研究，而宽泛性使用邮电业务总量表征互联网水平欠妥。在“互联网+”时代，开放式创新组织体系更依赖于产业互联网的辅助，而每一个互联网应用终端均是产业互联网中的智能元。基于此，本文用“宽带接入用户”表征互联网覆盖度。

4.控制变量。科技研发所受因素众多，除资本、人才与技术外，尚需考虑其他重要因素作为控制变量。外资对本土技术创新兼具溢出效应和逆向效应，这对本土创新能力产生影响，故外资因素不容忽视，本文用FDI强度予以度量。开放式创新模式下，对外部技术的消化吸收能力极其重要，在中国各区域创新发展中，均经历“引进——消化——吸收——再创新”的发展历程，故需考虑消化吸收强度对研发的影响。不同规模企业风险承受能力不一，故企业规模也需纳入控制变量中。低碳环境下，环境管制强度重塑不同组织的创新过程，故本文将考虑环境管制强度变量。在技术创新中，政府为弥补个体创新溢出并产生杠杆效应，常给予一定科技扶持，这须加以体现。

本文选取互联网建设相对走在前列的江苏省为例，并以信息化建设相对完善的高技术产业作为分析对象。样本时间跨度为1999年至2015年。表1中的指标均为产业层面或区域层面总量数据。

由于部分指标受物价变动影响，易掩盖其真实价值，而考虑到1999年前后我国发生通货紧缩现象，故本文统一以1995年为基期进行平减处理。对新产品销售收入指标，按工业品出厂价格指数予以平减处理。对于R&D内部经费及新产品开发经费指标，考虑到其支出用途主要为人员工资和固定资本形成，故构造一个加权型平减指数：固定资产投资价格指数*05+居民消费价格指数*05。

为弱化部分指标数据波动性，对总量型指标进行对数处理。

（四） 描述分析

本文从技术形成和技术转化两个阶段，分析江苏研发要素生产率增长趋势。依据表1中相关指标内涵，构造了两阶段研发要素生产率指标，见表2。据此测算了两个阶段研发要素生产率及其增长趋势（见图1和图2）。

由图1可知，在技术形成阶段，除2003年外，资本要素生产率增长率基本维持在-04～05之间，且在2009年之后，该指标逐渐减小，增长势头不断衰减。而在技术转化阶段，除2005年外，资本要素生产率增长率基本维持在-025～045之间，且在2007年之后，该指标逐渐下滑，增长势头也呈现衰减。相比而言，技术形成阶段资本要素生产率增长水平要强于技术转化阶段。但二者共同特点是：近年来，两个研发阶段的单位资本创新产出呈下降趋势，表明资本要素饱和趋势逐渐显现。

由图2可知，在技术形成阶段，除2003年外，人力要素生产率增长率基本维持在区间-02～06之间，而在技术转化阶段，该指标基本维持在-04～05之间。在2011年之后，两个研发阶段人力要素生产率增长率均逐渐下滑，增长势头出现衰减现象，表明人力要素的单位创新产出也呈现下降趋势。

由图1和图2分析可知，在两个研发阶段中，资本和人力要素的生产率均出现下滑现象。近年来，随着创新组织模式朝开放式和网络化方向演化，资本和人才要素的边际生产率逐渐下降，应利用信息化盘活研发资本和人才要素存量，提升研发效率。

（五）模型分析

通过运行FRONTIER41软件，得到在环境因素影响下的技术非效率函数模型（见表3）。

注：括号内为t值;*、**和***分别表示显著性水平为10%、5%和1%（双侧）。

上述模型中，γ均大于06，且较为显著，表明技术非效率项对技术形成阶段产出有显著影响。

在LR检验中，各模型均通过检验，表明采用超越对数生产函数是适宜的。

表3中，变量[LnL]2、[LnK]2系数在模型1、3、5中均为负值，且呈较强显著性，在模型2、4中尽管发生变异，但显著性相对较弱，表明在技术形成阶段，变量LnL、LnK对因变量LnPatent的影响呈倒“U”型，即“先上升，后下降”走势。然而，进一步观察发现，变量[LnK]*[LnL]系数在模型1、3、5中均为正值，且显著性较强，表明在技术形成阶段，科技人才与资本要素的耦合效果相对较好，二者间具有良性互动特征。

在函数ut=δ0+δzt+wt中，技术非效率项作为因变量。在分析各因素对研发效率的影响时，需对回归结果中各变量系数符号进行反向解读。

模型2显示LnInfor系数为正值，且稍具显著性。模型3和4显示LnInfor系数为负值，并稍具显著性。可见，变量LnInfor回归系数稳定性欠佳，这可能与交叉项引入时所造成的变量信息冗余有关。故需重视模型2中变量LnInfor的回归结果。这表明在技术形成阶段，互联网对该阶段研发效率的影响并未呈明显正向性，也即互联网并未在技术形成阶段发挥显著驱动效用。

在考察变量LnInfor各交叉项回归中，发现LnInfor*LnL、LnInfor*LnK、LnInfor*LnL*LnK三项变量的系数，在各自模型中均不显著，表明在技术形成阶段，互联网并未显著提升研发资本与人才要素的利用效率，也未显著促进研发资本与人才要素的良性耦合。可能的原因是，在技术形成阶段，研发要素相对固化，如研发资本多来自财政扶持，人才流动也相对较弱，故资源要素对互联网中介调节的依赖性并不强。

在上述基础上，进一步探索技术转化阶段互联网对研发效率的作用效果。

通过运行FRONTIER41软件，得到技术非效率函数模型（见表4）。

上述模型中，γ均大于06，且较为显著，表明技术非效率项对技术转化阶段产出有显著影响。

在LR检验中，各模型均通过检验，表明采用超越对数生产函数是适宜的。

表4中，变量[LnL]2、[LnK]2系数在模型7、9、10中均为正值，且呈较强显著性，表明在技术转化阶段，变量LnL、LnK对因变量LnNew的影响呈“U”型，即“先下降，后上升”走势。可见，在技术转化阶段，科技人才与资本要素的利用效率均呈上升趋势。这与技术形成阶段正好相反。表明科技资源投入存在一定的结构错配性：在技术形成阶段，人才与资本投入的利用效率下滑;在技术转化阶段，人才与资本要素利用效率上升。意味着技术形成阶段资源投入相对饱和，而技术转化阶段资源投入相对缺乏，應采取差异化研发激励政策，引导科技资源合理配置，提升整体资源利用效率。然而，进一步观察发现，变量[LnK]*[LnL]系数在模型7、9、10中均为负值，且显著性较强，表明在技术转化阶段，科技人才与资本要素的耦合效果并不理想，尚未形成良性互动。

模型7显示LnInfor系数为负值，且具一定显著性，表明互联网对技术转化阶段的产出效率更具正向作用。在技术转化阶段，从专利成果到新产品开发及市场化，更依赖创新价值链多环节与模块的网络化耦合。

在考察变量LnInfor各交叉项回归中发现，变量LnInfor*LnL系数为负值，且具显著性;变量LnInfor*LnK系数为正值，同样具有显著性。可见在技术转化阶段，互联网更利于研发人才的有效利用，而对资本要素的有效利用却未呈良性效果。相对而言，科技转化更依赖于产学研合作，从专利到小试、中试、量产再到市场化，需要创新价值链各环节人才的合作。故在技术转化阶段，人才交流与合作对互联网的依赖性更强。技术转化阶段，互联网对资本要素利用效率的作用效果不尽人意。这可能与现阶段我国科技创新融资模式有关。受宏观调控和发展战略等因素的影响，现阶段我国科技财政资源带有一定的倾向性，导致财政资源难以有效利用互联网进行自由调配。变量LnInfor*LnL*LnK系数为负值，且具有较强显著性。这表明在技术转化阶段，互联网促进了资本与人才要素的有效结合，这与技术形成阶段相比，有明显改善。

实践中，专利成果开发，往往因产学研信息不对称而导致“科技成果转化难”。互联网可弱化信息不对称问题，提升产学研对技术要素的认知。基于此，本文将专利视为技术要素投入，进一步考察互联网对技术开发效率的调节效应（见表5）。

表5中模型γ大于06，且较为显著，表明技术非效率项不可忽视。

LR检验在1%的显著性水平上通过检验，表明该模型采用超越对数生产函数是适宜的。

变量LnInfor*LnPatent系数为-004，且具有一定显著性。表明在技术开发中，互联网起到正面作用，能有效提升技术成果开发效率。现实中，在政府层面已颁布相关技术转化激励政策背景下，高校专利转化难现象依旧严重，表明问题的根源其实已经从“转化动力”变为“转化能力”问题。在此背景下，应加快科研信息化建设，提升科技成果转化上下游对接质量，使创新价值链各环节紧密联结。

三、稳健性分析

在表3和表4各模型中，变量HJGZ的显著性较弱。实践中，受多年来既有创新组织模式的惯性影响，环境管制在创新领域所发挥的影响力有限，远不及对工业生产领域的影响。为考察本文研究结论的稳健性，本文将环境管制变量从控制变量中删去，再考察模型回归结果（见表6）。

表6中，模型1至5是技术形成阶段SFA回归结果，模型6至9是技术转化阶段SFA回归结果。多数模型中变量系数符号及显著性均与表3至表5一致。其中，模型1至5表明：在技术形成阶段，互联网对资本、人才要素的调节作用仍未表现出显著正向性。而模型6至8显示：在技术转化阶段，互联网对资本、人才、专利要素的调节作用均表现出显著正向性。上述分析结论与表3至表5的分析结果基本一致。

四、结论与启示

基于1999年至2015年江苏省高技术产业统计资料，利用SFA方法剖析了互联网对两个研发阶段资源要素的中介调节效应。有如下发现：

1.现阶段研发资源投入存在一定的结构错配性。具体表现为：在技术形成阶段，人才与资本投入的产出效率均呈倒“U”型特征，而在技术转化阶段，却呈相反特征。

2.相对于技术形成阶段，互联网对技术转化阶段产出效率的促进作用更为显著。在强化技术转化阶段互联网建设的同时，也应重视技术形成阶段的互联网建设，从而提升创新价值链整体研发效率。

3.与技术形成阶段相比，互联网更能显著促进技术转化阶段人才利用效率。但无论是技术形成亦或技术转化，互联网均难以显著促进资本要素利用效率。

4.相比于技术形成阶段，互联网更能促进技术转化阶段资本与人才要素的结合。此外，研究还发现，互联网正向调节了研发要素的适配性，提升了人才、资本与技术的融合效果。

综上可见，在化解科技成果转化难问题中，应重视研发互联网建设，在科技成果转化价值链中，构建信息传输、反馈与共享机制，使研发互联网成为科技成果转化的重要驱动力。就江苏而言，当前应强化研发互联网顶层设计，统筹建设基础研发网络、应用研发网络和总体研发网络。基础研发网络建设应着重于在苏高校院所之间的相互联结，应用研发网络建设应着重于联结江苏企业研发机构，在此基础上，实施上述两类网络的对接。为此，科技管理部门应成立研发互联网建设领导小组，制定行动计划，指导全省研发互联网建设，对參与研发互联网建设的各类企事业主体给予财政支持，包括基础设施设备的购置、改造与升级。

参考文献：

[1] Kim Y K， Jeong H. A Cloud Computing-Based Analysis System for the National R&D Information Concerning with the Data Security[J]. Wireless Personal Communications， 2016， 89（3）：977-992.

[2] Kim M. Scientific trend analysis and curation with Korean R&D information[J]. Journal of Supercomputing， 2016， 72（9）：1-11.

[3] Keller W. Geographic Localization of International Technology Diffusion[J]. American Economic Review，2002， 92（1）：120-142.

[4] Baskerville R L， Myers M D. Information Systems as a Reference Discipline[J]. Mis Quarterly， 2002， 26（1）：1-14.

[5] 赵沂蒙. 制造业信息化的功能结构与知识创新促进机制[J]. 研究与发展管理， 2005， 17（1）：1-6.

[6] 战丽梅. 企业信息化对技术创新的影响[J]. 情报科学， 2005， 23（12）：1 806-1 808.

[7] 关欣， 乔小勇， 孟庆国. 信息化发展对科技进步影响的实证研究——基于2005-2009年我国31个省（直辖市、自治区）的面板数据分析[J]. 科学学研究， 2012， 30（7）：1 020-1 030.

[8] 韩先锋， 惠宁， 宋文飞. 信息化能提高中国工业部门技术创新效率吗[J]. 中国工业经济， 2014（12）：70-82.

[9] 董祺. 中國企业信息化创新之路有多远？——基于电子信息企业面板数据的实证研究[J]. 管理世界， 2013（7）：123-129.

[10] 方远平， 谢蔓， 林彰平. 信息技术对服务业创新影响的空间计量分析[J]. 地理学报， 2013， 68（8）：1 119-1 130.

[11] 储伊力， 储节旺. 信息化与技术创新的关系研究——基于东中西三大区域的比较分析[J]. 情报杂志， 2016， 35（7）：61-65.

[12] Cilem S H Lesage J， Autant-Bernard C. The role of R&D collaboration networks on regional knowledge creation： Evidence from information and communication technologies[J]. Papers in Regional Science， 2016（12）：1-19.

[13] 惠宁， 刘鑫鑫. 信息化对中国工业部门技术创新效率的空间效应[J]. 西北大学学报（哲学社会科学版）， 2017， 47（6）：94-103.

[14] 毕克新， 马慧子， 黄平. 制造业企业信息化与工艺创新互动关系影响因素研究[J]. 中国软科学， 2012（10）：138-147.

[15] 毕克新， 冯迪. 信息化条件下制造企业工艺创新组织的演进影响因素[J]. 经济管理， 2013（3）：152-161.

[16] 王娟. 信息化、创新与劳动生产率——基于CDM模型的实证研究[J]. 财经科学， 2017（6）：70-81.

[17] 陈升， 刘泽， 张楠. 企业信息化对创新能力的影响机理实证研究——基于资源观理论视角[J]. 软科学， 2017（11）：44-48.

[18] 杨曼， 王仁祥. 制度悖论、产业链信息化密度与企业研发联盟倾向[J]. 科学学研究， 2017， 35（7）：995-1 003.

[责任编辑：范 君，李 丽]