“广泛撒网”还是“重点培养”？资源配置与创新绩效: 行业和依托单位的调节效应

(1.山东科技大学 文法学院,山东 青岛 266590; 2.中国金融认证中心，北京 100054; 3.重庆工商大学 商务策划学院,重庆 400067)

1 引言

伴随全球化趋势，企业之间的竞争愈加取决于是否能够及时且经济地创造或利用知识，这在技术快速发展的行业表现更为突出[1]。创新在公众认知领域获得了巨大的合法性(legitimacy)，有些企业开始忽略新产品的商业可行性而“不计成本，不计后果”地进行研发投入[2]。在政府作为主导的中国式“国家创新体系”下，要加快建设创新型国家，创新更是被赋予了丰富的期望和含义。

在这种背景下，目前很少有实证研究关注创新的成本效益问题，或者说关注资源的分配与创新绩效之间的关系[3]。Lahiri和Narayanan[1]指出只有很少的实证研究表明创新与企业绩效之间存在正向相关关系[4]，而且这种变量间的“相关关系”即使有一定的预测性，本质上可能不是因果关系。Klingebiel和Rammer[3]的研究结论显示更多的研发项目以及更审慎的项目选择对新产品开发数目存在显著正向影响，这可能是目前唯一从资源配置角度出发的研究文献。但该研究没有关注不同的创新分类，例如突破性创新和渐进性创新对资源的需求显然存在较大的差异，不应一概而论。此外，可能受限于不能获取更详细的数据，现有研究几乎很少涉入到项目级别，大多以“组织”为分析层次。然而，在资源配置问题上，以“项目”为分析层次更有针对性。

本研究不但关注组织研发投入的规模问题，更关注其配置问题，即更关心如何有效地利用现有的资源。本研究根据创新程度不同，区分了突破性性创新与渐进性创新，探究这两类创新影响机制的异同。本文对资源配置策略不仅从宽度和选择度进行研究分析，还引入了多样性这一维度同时考察其对不同创新的影响，丰富了资源配置策略的理论内涵。最后，本文探究行业与依托单位的差异性调节效应，有利于补足资源配置策略对创新绩效影响机制的情境因素。

2 理论分析与研究假设

2.1 渐进性创新与突破性创新

按照创新强度的不同，创新可以被分为渐进性创新(incremental innovation)和突破性创新(radical innovation)两种类型[5]。虽然按照吴晓波等[6]文献，仅分为渐进性和突破性创新并不能满足分类的完备性，但这样分类便于操作，只需识别突破性创新，其它类别就可以列入渐进性创新[7]。本文沿用李占强[8]对突破性创新的定义：“突破性创新是以一套完全不同的科学原理或工程原理为主要基础和主要驱动力，大幅度提升产品性能或创造全新产品，深刻影响现有市场、产业或创造新市场、新产业，更好满足顾客需求的长期高风险技术商业化过程”。Garriga等[9]拓展了已有的相关研究，发现在开放式创新中外部知识的丰富程度(abundance of external knowledge)对渐进性创新和突破性创新的影响不同。

2.2 宽度(广泛撒网)与选择度(重点培养)对创新绩效的影响

创新是非常耗费资源且风险极大的企业行为[10]，决策者并不能预知项目的结果，因此为获取更多的机会，组织可能将资源分配给许多不同的项目。例如，SONY公司为了研发Video Tape Recorder就同时建立了20至30个项目组以增加市场成功的机会[11]。这种确定了研发领域，但研发产品则由不同项目组来定义的方式类似于“广泛撒网”。与此不同的情形是，有些创新目标已经非常明确，但其中存在技术难题，这需要集中精力的解决难题，也叫“科技攻关”，这在工程技术领域尤为常见。例如，天士力集团在复方丹参滴丸的有效成分提取和滴制工艺技术的持续投入，并最终取得突破性创新[8]。这种明确具体目标，集中所有资源解决问题的方式类似于“重点培养”。

宽度(breadth)是指组织平行开发项目的个数[3]，或者说将既定的资源投入到不同的项目上，宽度越大表示支持并行的项目越多，越偏向于“广泛撒网”。选择度(selectiveness)是指组织对不同项目的区别对待[3]，表现为对不同项目的投入力度差异，选择度越高，表示组织对重点项目的重视程度较高，或者说更重视“重点培养”。显然，“广泛撒网”和“重点培养”的不同策略并不是互斥的，甚至是相辅相成且缺一不可的，两者只是侧重点不同。

一般来说，创新项目的宽度越大，组织获得的机会越多，从而可能导致更多的渐进性创新，这类似于开放式创新领域研究中的搜索宽度。诸多研究也都已经证明了搜索宽度对创新绩效的正向影响[12]。同时，创新项目的选择度越高，说明组织对重点项目给予了更多的重视，投入了更多的资源，更有利于突破性创新的孕育。基于上述分析，本研究提出如下假设：

H1宽度对渐进性创新存在显著正向影响。

H2选择度对突破性创新存在显著正向影响。

2.3 多样性对创新绩效的影响

国家统计局在对研究与试验发展(research and development, R&D)的定义中将其分为基础研究、应用研究、试验发展三类活动。在这个基础上，根据CNERCs的特点，将R&D细化为：基础研究，应用研究，试验发展，生产试制与设计，示范推广与服务以及生产性活动。根据2002年公布的Frascati Manual[13]中的建议，“国际上通常采用R&D活动的规模和强度指标反映一国的科技实力和核心竞争力”。在一个组织中，R&D表征了组织对研发活动的重视程度。

多样性(diversity)也称为异质性(heterogenicity)。在网络研究领域，已有诸多研究证明节点的多样性能促进创新绩效[14]。创新项目分属不同的R&D类型，其多样性具有网络节点多样性类似的效应。例如，基础研究不能直接产生效益，应用研究和试验发展等又建立在基础研究的基础上。因此，所有的类型应该都不可或缺，创新项目如何在这些类型中进行分配对创新绩效产生一定的影响。

如果每一个创新项目都属于不同的R&D类型，多样性指数最高，反之则最低。多样性程度高，表明创新项目在不同的R&D类型间分布越均匀，创新项目之间能形成更好的依赖关系，这无论对渐进性创新还是突破性创新都有利。基于上述分析，本研究提出如下假设：

H3a多样性对渐进性创新存在显著正向影响。

H3b多样性对突破性创新存在显著正向影响。

2.4 依托单位的调节效应

国家工程技术研究中心主要依托于行业、领域科技实力雄厚的重点科研机构、科技型企业或高校，依托单位的性质类型对创新绩效会有不同的影响效应。已有研究发现依托单位与国家重点实验室具有互动关系[15]，还有研究指出依托单位在科学基金管理体系和运行机制中的战略定位[16]。

根据国家政策要求依托单位分级分类管理，因此对依托单位进行分类是实现分级分类管理的前提。在国家自然科学基金依托单位的研究中，刘多等[17]根据依托单位的隶属关系、性质、规模等分类标准，指出在不同情境中可加入更多分类要素[19]。CNERCs从集中在高校与研究所，发展到企业参与，近年来改制研究所占比重逐渐增多。从资源配置角度来看，高校和研究所的性质趋同，更多体现国有和非营利特征，本文定义其为依托教研单位的组织，由于他们的管理模式相对程序化，如果获得更多财力人力的支持(即宽度)在促进渐进性创新上的效果更好；同时，更多的选择度将更有利于促进突破性创新。企业与改制研究所性质逐渐趋同，体现一定的市场化成分，本文定义其为依托非教研单位的组织，他们更倾向于市场化的管理模式，自由度相对较高，因此，上述两种关系的影响效果会相对更弱。基于上述分析，本研究提出如下假设：

H4a依托单位对宽度与渐进性创新之间的关系产生差异性调节效应，依托教研单位的资金宽度(H4a1)和人力资源宽度(H4a2)与渐进性创新之间关系更强。

H4b依托单位对选择度与突破性创新的关系上产生差异性调节效应，依托教研单位的选择度与突破性创新之间关系更强。

2.5 行业的调节效应

诸多研究发现，行业属性的变化在一些变量关系中会起到重要的调节效应。当前，对行业的划分，以各自独特的内在属性为划分依据，比较通用的一种是分为动态型和稳定型两种类型[18]。在知识管理领域，Williams和Lee[19]研究发现开发和利用新知识对稳定的行业更为有利。由此可知，行业因素会影响创新绩效。

行业的不同可能意味着竞争程度、技术更新速度或创新机会等不同[10]，杨林[20]通过研究发现产业环境对创业战略具有一定影响，动态型产业环境在高管团队垂直对差异上影响效应更大。由此延伸到创新领域，那么组织所在的行业不确定性越小，即稳定型行业，越倾向于进行更多的渐进性创新；换言之，在稳定行业中，变化情境相对更少，如果要取得渐进性创新，需要在资源配置上相对提供更多的多样性，才能弥补行业情境带来的不足。基于上述分析，本研究提出如下假设：

H5行业对多样性与渐进性创新的关系上产生差异性调节效应，稳定型行业的多样性与渐进性创新之间关系更强。

综上所述，本研究提出如下概念模型(见图1)。

3 数据与方法

3.1 数据来源

本研究的分析数据为2007年1月1日至2016年12月31日CNERCs的运行数据，数据的来源主要包括：(1)访谈数据，访谈了85家CNERCs，积累了约400小时的现场访谈资料，整理出近80万字的访谈记录。(2)CNERCs官方网站(http://www.cnerc.gov.cn/)。(3)科技部科技评估中心官方网站(http://www.ncste.org/)。(4)各CNERCs及其主管部门(国家科技部)的官方网站。不仅如此，还利用公开的档案数据进行了核对。(5)科学技术奖励的统计数据(国家科学技术奖励工作办公室，http://www.nosta.gov.cn)。(6)专利统计数据(国家知识产权局官方网站，http://www.sipo.gov.cn/tjxx/)。(7)专利检索数据库(http://www.sipo.gov.cn/zljs/)。

根据2017年10月24日“国科发基(2017)322号文件”精神，科技部不再批复新建国家工程技术研究中心，截至2016年12月31日，共建成国家工程中心360个，这360个国家工程中心分布在各重要行业技术领域。除去该时间段内成立的数据不全的观察样本，剩余248个样本，另有74个因各种原因数据缺失，最后能计入分析的共174个，涵盖11类行业：农业37个，材料43个，资源11个，能源6个，交通5个，先进制造26个，信息通讯19个，医药卫生14个，环境保护5个，轻工4个，建筑4个；这174个样本中依托高校39个，研究院所42个，转制院校53个，依托企业40个 ；这174个样本中主管部门为国家部委/省政府的有55个，央企/部属研究院所34个，部委/省政府下的厅局60个，省属国企/研究院所/央企二级企业17个，民营企业8个。

3.2 变量及其测量

(1)因变量

本文选择用国家科学技术奖励作为突破性创新(Yradical-Inno)的代理变量，因为李占强[8]的突破性创新的定义与《国家科学技术奖励条例实施细则》中对国家科学技术奖励的评定准则基本一致。已有的研究[21]多用专利作为创新绩效的代理变量，但是专利的缺点是显而易见的，就是更着眼于“新”，而不是“创造性”，也不一定能够转化成实际的产品[22]，实际上更适合作为渐进性创新(Yincremental-Inno)的代理变量。其中专利为计数模型，获奖为虚拟变量，如果在2007～2016年期间获得了国家科学技术奖的5大奖项之一或多项，值为1，否则为0。

(2)自变量

宽度(Xbreadth)的测量修改自Klingebiel和Rammer[3]的方法，计算公式为

Xbreadth-expendi=N/Expenditure

(1)

Xbreadth-employee=N/Employee

(2)

其中N为创新项目的总数，Expenditure为组织创新项目的总投入，Employee为组织的员工总数，这两个数值分别表征单位资金与单位人力资源所承担的项目数。

选择度(Xselectiveness)用重点项目的资金投入占组织创新项目总投入的比例表征。重点项目为CNERCs自行划定，分布在1至5项之间，样本中汇报5项重点项目的有134个，4项的有21个，3项的有10个，2项的有7个，1项的有2个。选择度的测量方法与已有研究的方法略有不同，本研究偏重同一时间截面组织对不同项目的关注程度区别，已有相关研究[3]以连续投入作为测度，更偏重组织对不同项目关注的持续程度，这两种测度本质上是一致的，都表征了组织对项目的选择。

熵指数(Entropy)是测量多样性(异质性)的最常见方法之一[23]，本研究沿用了Palepu[24]在测量战略多样性时给出的熵指数计算公式。多样性(Xdiversity)的计算公式如下

(3)

其中(R&D)i%为创新项目能够归入第i类R&D的百分比，在本文中R&D共分为6类。

(3)调节变量

CNERCs分布于材料、先进制造等15个行业技术领域。本研究借鉴已有相关研究做法[18,19]，同时考虑各样本的技术领域特征，行业(Mdomain)的测量是将样本划分为动态型与稳定型两类行业类型。其中动态型行业类型涉及以下行业技术领域：先进制造、信息通讯、医药卫生与环境保护，共64家；其余的行业技术领域归类为稳定型行业类型，共110家。

由收集的样本数据可知，依托单位划分为四种类型，基于前述理论假设分析部分内容，本研究将依托单位 (Msupport)划分为教研单位组织和非教研单位组织两种类型。如果依托单位为高校与科研院所，归类为教研单位组织，共81家；其他为非教研单位组织，共93家。

(4)控制变量

杨典[25]研究发现企业虽然没有行政级别，但是其隶属组织的行政级别不同可能导致绩效不同，因此本文将主管部门(Cgovern)作为控制变量。此外，本研究结合已有研究的方法以及本研究问题的需要，建立时间越长的组织可能越规范[26]，具有法人资格的组织可能具有更大的自主权，因此建立时长(Cage)和是否法人(Clegal)也作为控制变量。

3.3 方法与模型

专利个数为经典计数模型，符合Poisson分布，因此以渐进性创新为因变量的回归方程应采用泊松回归模型(Poisson regression model)[27]。获奖为虚拟变量且可能存在偏态，因此选用Logit回归。为了验证假设，本文构建了计量模型模型1至模型5

模型1: Poisson(Yincremental-inno)=λ0+λ1Xbreadth-expendi+

模型2: Poisson(Yincremental-inno)=β0+β1Xbreadth-employee+

模型3: Logit(Yradical-inno)=α0+α1Xselectiveness+

模型4: Poisson(Yincremental-inno)=θ0+θ1Xdiversity+

模型5: Logit(Yradical-inno)=η0+η1Xdiversity+

4 实证结果与讨论

4.1 描述性统计

本文对自变量和因变量进行了均值、标准差和相关分析等描述性统计。其中渐进性创新和突破性创新的相关系数显著(0.321，p<0.01)，这符合逻辑上的预期，这两者虽然存在很大差异，但整体上创新还是遵循大致相似的路径。同时除了Xbreadth-expendi和Xselectiveness之间的相关系数为0.167(p<0.05)之外，自变量之间的相关系数普遍比较低。由于相关系数过高可能会伴随多重共线性，和Lin[23]的做法一致，本研究采用方差膨胀因子(variance inflation factor，VIF)值以判断模型中是否存在严重的多重共线性，具体结果发现各自变量的VIF值在1.013～1.043之间，都逼近1.0，说明不存在严重的多重共线性。

4.2 主效应的回归结果分析

主效应方程的回归结果如表1所示。

(1)宽度对渐进性创新的影响分析

模型1与模型2利用两个不同的代理变量检验了宽度对渐进性创新的影响，支持了假设H1。无论是以资金还是以人力资源表征的宽度都得到了相同的结论，说明组织将资金和人力投放到更多的项目，会产生更好的渐进性创新绩效，这可能是因为创新本身是一个目标不清晰的活动，在创新项目的开始，很难判断项目的走向，最好的办法就是“将鸡蛋放入不同的篮子”。虽然与Klingebiel和Rammer[3]的测度略有不同，本文的研究结论与该文献也保持了一致，说明无论是企业还是研究机构，为提高渐进性创新的绩效，都应该尽量扩大创新项目的宽度。

(2)选择度对突破性创新的影响分析

H2的验证通过模型3，由表1可知，与理论预期不同，回归结果不支持H2，即高的选择度并不会促进突破性创新的绩效。这实际上对H1而言是一个佐证，在创新成果面世之前，能够准确地预测“哪块云彩会下雨”非常困难，“广泛撒网”式的策略正是基于这种考虑。由于基于“科技攻关”的逻辑所提出的假设与经验数据并不相符，因此需要进一步的探讨：既然高选择度对突破性创新没有显著影响，那么多资助一些创新项目是否对突破性创新有影响，即宽度对突破性创新存在什么影响？以及选择度对渐进性创新存在什么影响？基于此，重新构造了模型3(1)与模型3(2)，具体如下

模型3(1): Logit(Yradical-inno)=δ0+δ1Xbreadth-expendi+

模型3(2): Poisson(Yincremental-inno)=μ0+μ1Xselctiveness+

如表1所示，由模型3(1)可知，资金宽度对突破性创新绩效的影响在p<0.05的标准下显著，即资金宽度对突破性创新绩效具有一定的解释能力。由模型3(2)可知，选择度对渐进性创新绩效的影响仅在p<0.1水平上显著，而没有达到p<0.05的显著性，这意味着选择更多的创新项目或者在组织自认为重点的项目上投入更多会对渐进性创新有所影响，但没有达到非常显著的影响，这也再次佐证了创新的复杂性和预测的难度。

(3)多样性对创新绩效的影响分析

模型4与模型5分别检验了本文的H3a与H3b，创新项目的多样性对突破性创新和渐进性创新都存在显著的正向影响。这说明不同类型的研发项目是相互补充，相互促进的，应该均衡发展。其中基础研究一般不会产生立竿见影的绩效，其绩效一般也不会用专利等表征，而是用公开发表的科技论文等成果来衡量，这并没有计入本研究的创新绩效测量中。但是多样性对创新绩效的正向影响显著至少说明，不直接产生绩效的基础研究也不能偏废。

表1 主效应回归结果

注：***表示p<0.001，**表示p<0.01，*表示p<0.05，+表示p<0.1。下同。

4.3 调节效应分析

根据温忠麟等[28]，自变量如果是连续变量，调节变量是分类变量，那么在检验调节效应时，不是使用自变量和调节变量相乘的交互项，而是采用分组回归的方法。调节效应的结果如表2所示。

(1)依托单位的调节效应分析

主效应中H2未被验证，因此，依托单位的调节效应中，只检验调节效应H4a。本研究H4a中自变量宽度是连续变量，调节变量依托单位是分类变量，因此，依托单位对资金宽度与渐进性创新关系的调节效应根据构建的模型1，依托单位对人力资源宽度与渐进性创新关系的调节效应根据构建的模型2，采取分组回归法，也就是对依托教研单位和非教研单位两组样本分别进行Poisson回归，检验每组样本中宽度对渐进性创新的关系效应的差异。

在模型1(1)中，即在依托教研单位的样本中，资金宽度对渐进性创新的解释力PseudoR2为26.34%(Chi2=1195.13，p<0.001)；而在模型1(2)中，即在非依托教研单位的样本中，资金宽度对渐进性创新的解释力PseudoR2为13.92%(Chi2=825.12，p<0.001)；在这两组样本中，资金宽度对渐进性创新的回归系数分别为：41.3410(p<0.001)、26.3578(p<0.001)。因此，依托教研单位的样本组其资金宽度对渐进性创新的解释力大于非依托教研单位的样本组，上述结果验证了H4a1。

在模型2(1)中，即在依托教研单位的样本中，人力资源宽度对渐进性创新的解释力PseudoR2为43.28%(Chi2=1963.72，p<0.001)；而在模型2(2)中，即在非依托教研单位的样本中，人力资源宽度对渐进性创新的解释力PseudoR2为40.84%(Chi2=2420.28，p<0.001)；在这两组样本中，人力资源宽度对渐进性创新的回归系数分别为：0.3674(p<0.001)、0.3863(p<0.001)。因此，依托教研单位的样本组其人力资源宽度对渐进性创新的解释力与依托非教研单位的样本组差别不大，拒绝H4a2。

(2)行业的调节效应分析

本研究H5中的自变量多样性是连续变量，调节变量行业是分类变量，因此，对多样性与渐进性创新关系的调节效应根据构建的模型4采取分组回归法，也就是对稳定型行业和动态型行业两组样本分别进行Poisson回归，检验每组样本中多样性对渐进性创新的关系效应的差异。

在模型4(1)中，即在稳定型行业的样本中，多样性对渐进性创新的解释力PseudoR2为42.36%(Chi2=1861.13，p<0.001)；而在模型4(2)中，即在动态型行业的样本中，多样性对渐进性创新的解释力PseudoR2为25.86%(Chi2=1329.22，p<0.001)；在这两组样本中，多样性对渐进性创新的回归系数分别为：4.6193(p<0.001)、2.1213(p<0.001)。因此，稳定型行业的样本组其多样性对渐进性创新的解释力大于动态型行业的样本组，上述结果验证了H5。

表2 调节效应回归结果

4.4 稳健性分析

本文中利用VIF值对多重共线性进行了诊断，所有的VIF值都逼近1.0，说明不存在严重的多重共线性。而且，回归模型的D-W值(Durbin-Watson)都逼近2.0，可见也不存在显著的自相关性。在设计阶段，为提高模型的稳健性，本文对宽度采用了两个不同代理变量，分别从“人力”和“物力”两个方面去刻画宽度这个构念，主效应回归结果显示，两者没有显著的差异。在数据处理阶段，本文选用负二次项回归模型(Negtive binomial regression model)代替Poisson回归，用Probit回归代替Logit回归，结果也基本保持了一致。此外，随机删除部分样本，重新做回归，结果也无实质差异。

5 研究结论与启示

5.1 研究结论

本文以2007～2016年度的国家工程技术研究中心(CNERCs)的数据为研究样本，探讨了资源分配的三个维度，即宽度、选择度和多样性，对渐进性创新和突破性创新的不同影响，并检验了行业与依托单位的差异性调节效应。研究结果表明：(1)宽度对渐进性创新绩效存在显著正向影响。(2)选择度对突破性创新绩效无显著影响。(3)多样性对渐进性创新绩效和突破性创新绩效都存在显著正向影响。(4)依托单位调节资金宽度与渐进性创新的关系，行业调节多样性与渐进性创新的关系。

5.2 理论贡献

本文的主要理论贡献如下：其一，本文将创新按照程度分为渐进性创新和突破性创新，检验了资源配置策略对这两种不同创新方式的影响异同。其二，本文拓展了资源配置策略的研究维度，不仅探究了宽度和选择度这两个维度，还引入了多样性的维度，研究结果验证了多样性对渐进性创新和突破性创新的绩效都存在显著正向影响；宽度对渐进性创新绩效存在显著正向影响，这与Klingebiel和Rammer[3]保持了一致；高的选择度对突破性创新和渐进性创新绩效均不存在显著影响，这佐证了创新活动的复杂性及其难以预测性；在进一步的探索中发现，重点项目的投入总额对突破性创新存在显著影响。其三，本文发现了行业与依托单位的调节效应，丰富了资源配置策略对创新绩效影响机制的情境因素限定，研究验证了在稳定型行业中资源配置的多样性更能促进渐进性创新，这与已有相关研究的结论[18]相一致。

5.3 管理启示

根据本文结论，主要管理启示如下：第一，由于创新程度不同而导致的资源配置策略的影响异同，这有利于创新组织根据自身战略选择不同的资源配置策略；鉴于宽度对渐进性创新绩效的显著正向影响，由于创新活动的目标并不清晰，难以量化，准确判断哪些项目会有什么样的成果并不现实，所以适当扩大创新项目的宽度可有效提高渐进性创新绩效。第二，研究发现重点项目的投入总额对突破性创新存在显著影响，这可能与本研究以国家科技奖项作为代理变量有关系，明确的“科技攻关”主要还是取决于资源投入程度；结合宽度的研究结论，组织对创新项目不应该有“预设的”或“过度自信的”判断，而应该尽可能在自身擅长的领域内“广泛撒网”；基于多样性对渐进性创新和突破性创新的绩效都存在显著的正向影响，因此组织应注意研究类型之间的平衡，不能一味追求短期绩效而忽视研究类型之间的搭配。第三，根据本文发现依托教研单位的样本组资金宽度更能促进渐进性创新，建议在依托高校与科研院所的资源配置策略中适当加大资金宽度投入力度，对取得渐进性创新绩效将更为有效；实践中，对稳定型行业，进行更为多样性的资源配置将是取得更为有效的渐进性创新绩效的可行路径。

5.4 研究不足与展望

本研究存在一定局限与不足。首先，本研究样本取的是CNERCs为样本，这只是我国创新体系中的一类组织，仍需要未来做进一步的多种类型样本的研究，来提高研究结论的普适性。其次，由于在本研究中用了不同的回归模型，不能直接比较多样性对渐进性创新和突破性创新的影响大小，在后续的研究中可以继续探讨。再者，本研究在探究行业与依托单位的调节效应中，并未验证对突破性创新的调节效应，未来研究可继续拓展。