“廣泛撒網”還是“重點培養”？資源配置與創新績效: 行業和依托單位的調節效應

(1.山東科技大學 文法學院,山東 青島 266590; 2.中國金融認證中心，北京 100054; 3.重慶工商大學 商務策劃學院,重慶 400067)

1 引言

伴隨全球化趨勢，企業之間的競爭愈加取決于是否能夠及時且經濟地創造或利用知識，這在技術快速發展的行業表現更為突出[1]。創新在公眾認知領域獲得了巨大的合法性(legitimacy)，有些企業開始忽略新產品的商業可行性而“不計成本，不計后果”地進行研發投入[2]。在政府作為主導的中國式“國家創新體系”下，要加快建設創新型國家，創新更是被賦予了豐富的期望和含義。

在這種背景下，目前很少有實證研究關注創新的成本效益問題，或者說關注資源的分配與創新績效之間的關系[3]。Lahiri和Narayanan[1]指出只有很少的實證研究表明創新與企業績效之間存在正向相關關系[4]，而且這種變量間的“相關關系”即使有一定的預測性，本質上可能不是因果關系。Klingebiel和Rammer[3]的研究結論顯示更多的研發項目以及更審慎的項目選擇對新產品開發數目存在顯著正向影響，這可能是目前唯一從資源配置角度出發的研究文獻。但該研究沒有關注不同的創新分類，例如突破性創新和漸進性創新對資源的需求顯然存在較大的差異，不應一概而論。此外，可能受限于不能獲取更詳細的數據，現有研究幾乎很少涉入到項目級別，大多以“組織”為分析層次。然而，在資源配置問題上，以“項目”為分析層次更有針對性。

本研究不但關注組織研發投入的規模問題，更關注其配置問題，即更關心如何有效地利用現有的資源。本研究根據創新程度不同，區分了突破性性創新與漸進性創新，探究這兩類創新影響機制的異同。本文對資源配置策略不僅從寬度和選擇度進行研究分析，還引入了多樣性這一維度同時考察其對不同創新的影響，豐富了資源配置策略的理論內涵。最后，本文探究行業與依托單位的差異性調節效應，有利于補足資源配置策略對創新績效影響機制的情境因素。

2 理論分析與研究假設

2.1 漸進性創新與突破性創新

按照創新強度的不同，創新可以被分為漸進性創新(incremental innovation)和突破性創新(radical innovation)兩種類型[5]。雖然按照吳曉波等[6]文獻，僅分為漸進性和突破性創新并不能滿足分類的完備性，但這樣分類便于操作，只需識別突破性創新，其它類別就可以列入漸進性創新[7]。本文沿用李占強[8]對突破性創新的定義：“突破性創新是以一套完全不同的科學原理或工程原理為主要基礎和主要驅動力，大幅度提升產品性能或創造全新產品，深刻影響現有市場、產業或創造新市場、新產業，更好滿足顧客需求的長期高風險技術商業化過程”。Garriga等[9]拓展了已有的相關研究，發現在開放式創新中外部知識的豐富程度(abundance of external knowledge)對漸進性創新和突破性創新的影響不同。

2.2 寬度(廣泛撒網)與選擇度(重點培養)對創新績效的影響

創新是非常耗費資源且風險極大的企業行為[10]，決策者并不能預知項目的結果，因此為獲取更多的機會，組織可能將資源分配給許多不同的項目。例如，SONY公司為了研發Video Tape Recorder就同時建立了20至30個項目組以增加市場成功的機會[11]。這種確定了研發領域，但研發產品則由不同項目組來定義的方式類似于“廣泛撒網”。與此不同的情形是，有些創新目標已經非常明確，但其中存在技術難題，這需要集中精力的解決難題，也叫“科技攻關”，這在工程技術領域尤為常見。例如，天士力集團在復方丹參滴丸的有效成分提取和滴制工藝技術的持續投入，并最終取得突破性創新[8]。這種明確具體目標，集中所有資源解決問題的方式類似于“重點培養”。

寬度(breadth)是指組織平行開發項目的個數[3]，或者說將既定的資源投入到不同的項目上，寬度越大表示支持并行的項目越多，越偏向于“廣泛撒網”。選擇度(selectiveness)是指組織對不同項目的區別對待[3]，表現為對不同項目的投入力度差異，選擇度越高，表示組織對重點項目的重視程度較高，或者說更重視“重點培養”。顯然，“廣泛撒網”和“重點培養”的不同策略并不是互斥的，甚至是相輔相成且缺一不可的，兩者只是側重點不同。

一般來說，創新項目的寬度越大，組織獲得的機會越多，從而可能導致更多的漸進性創新，這類似于開放式創新領域研究中的搜索寬度。諸多研究也都已經證明了搜索寬度對創新績效的正向影響[12]。同時，創新項目的選擇度越高，說明組織對重點項目給予了更多的重視，投入了更多的資源，更有利于突破性創新的孕育?；谏鲜龇治觯狙芯刻岢鋈缦录僭O：

H1寬度對漸進性創新存在顯著正向影響。

H2選擇度對突破性創新存在顯著正向影響。

2.3 多樣性對創新績效的影響

國家統計局在對研究與試驗發展(research and development, R&D)的定義中將其分為基礎研究、應用研究、試驗發展三類活動。在這個基礎上，根據CNERCs的特點，將R&D細化為：基礎研究，應用研究，試驗發展，生產試制與設計，示范推廣與服務以及生產性活動。根據2002年公布的Frascati Manual[13]中的建議，“國際上通常采用R&D活動的規模和強度指標反映一國的科技實力和核心競爭力”。在一個組織中，R&D表征了組織對研發活動的重視程度。

多樣性(diversity)也稱為異質性(heterogenicity)。在網絡研究領域，已有諸多研究證明節點的多樣性能促進創新績效[14]。創新項目分屬不同的R&D類型，其多樣性具有網絡節點多樣性類似的效應。例如，基礎研究不能直接產生效益，應用研究和試驗發展等又建立在基礎研究的基礎上。因此，所有的類型應該都不可或缺，創新項目如何在這些類型中進行分配對創新績效產生一定的影響。

如果每一個創新項目都屬于不同的R&D類型，多樣性指數最高，反之則最低。多樣性程度高，表明創新項目在不同的R&D類型間分布越均勻，創新項目之間能形成更好的依賴關系，這無論對漸進性創新還是突破性創新都有利?；谏鲜龇治?，本研究提出如下假設：

H3a多樣性對漸進性創新存在顯著正向影響。

H3b多樣性對突破性創新存在顯著正向影響。

2.4 依托單位的調節效應

國家工程技術研究中心主要依托于行業、領域科技實力雄厚的重點科研機構、科技型企業或高校，依托單位的性質類型對創新績效會有不同的影響效應。已有研究發現依托單位與國家重點實驗室具有互動關系[15]，還有研究指出依托單位在科學基金管理體系和運行機制中的戰略定位[16]。

根據國家政策要求依托單位分級分類管理，因此對依托單位進行分類是實現分級分類管理的前提。在國家自然科學基金依托單位的研究中，劉多等[17]根據依托單位的隸屬關系、性質、規模等分類標準，指出在不同情境中可加入更多分類要素[19]。CNERCs從集中在高校與研究所，發展到企業參與，近年來改制研究所占比重逐漸增多。從資源配置角度來看，高校和研究所的性質趨同，更多體現國有和非營利特征，本文定義其為依托教研單位的組織，由于他們的管理模式相對程序化，如果獲得更多財力人力的支持(即寬度)在促進漸進性創新上的效果更好；同時，更多的選擇度將更有利于促進突破性創新。企業與改制研究所性質逐漸趨同，體現一定的市場化成分，本文定義其為依托非教研單位的組織，他們更傾向于市場化的管理模式，自由度相對較高，因此，上述兩種關系的影響效果會相對更弱。基于上述分析，本研究提出如下假設：

H4a依托單位對寬度與漸進性創新之間的關系產生差異性調節效應，依托教研單位的資金寬度(H4a1)和人力資源寬度(H4a2)與漸進性創新之間關系更強。

H4b依托單位對選擇度與突破性創新的關系上產生差異性調節效應，依托教研單位的選擇度與突破性創新之間關系更強。

2.5 行業的調節效應

諸多研究發現，行業屬性的變化在一些變量關系中會起到重要的調節效應。當前，對行業的劃分，以各自獨特的內在屬性為劃分依據，比較通用的一種是分為動態型和穩定型兩種類型[18]。在知識管理領域，Williams和Lee[19]研究發現開發和利用新知識對穩定的行業更為有利。由此可知，行業因素會影響創新績效。

行業的不同可能意味著競爭程度、技術更新速度或創新機會等不同[10]，楊林[20]通過研究發現產業環境對創業戰略具有一定影響，動態型產業環境在高管團隊垂直對差異上影響效應更大。由此延伸到創新領域，那么組織所在的行業不確定性越小，即穩定型行業，越傾向于進行更多的漸進性創新；換言之，在穩定行業中，變化情境相對更少，如果要取得漸進性創新，需要在資源配置上相對提供更多的多樣性，才能彌補行業情境帶來的不足?；谏鲜龇治?，本研究提出如下假設：

H5行業對多樣性與漸進性創新的關系上產生差異性調節效應，穩定型行業的多樣性與漸進性創新之間關系更強。

綜上所述，本研究提出如下概念模型(見圖1)。

3 數據與方法

3.1 數據來源

本研究的分析數據為2007年1月1日至2016年12月31日CNERCs的運行數據，數據的來源主要包括：(1)訪談數據，訪談了85家CNERCs，積累了約400小時的現場訪談資料，整理出近80萬字的訪談記錄。(2)CNERCs官方網站(http://www.cnerc.gov.cn/)。(3)科技部科技評估中心官方網站(http://www.ncste.org/)。(4)各CNERCs及其主管部門(國家科技部)的官方網站。不僅如此，還利用公開的檔案數據進行了核對。(5)科學技術獎勵的統計數據(國家科學技術獎勵工作辦公室，http://www.nosta.gov.cn)。(6)專利統計數據(國家知識產權局官方網站，http://www.sipo.gov.cn/tjxx/)。(7)專利檢索數據庫(http://www.sipo.gov.cn/zljs/)。

根據2017年10月24日“國科發基(2017)322號文件”精神，科技部不再批復新建國家工程技術研究中心，截至2016年12月31日，共建成國家工程中心360個，這360個國家工程中心分布在各重要行業技術領域。除去該時間段內成立的數據不全的觀察樣本，剩余248個樣本，另有74個因各種原因數據缺失，最后能計入分析的共174個，涵蓋11類行業：農業37個，材料43個，資源11個，能源6個，交通5個，先進制造26個，信息通訊19個，醫藥衛生14個，環境保護5個，輕工4個，建筑4個；這174個樣本中依托高校39個，研究院所42個，轉制院校53個，依托企業40個 ；這174個樣本中主管部門為國家部委/省政府的有55個，央企/部屬研究院所34個，部委/省政府下的廳局60個，省屬國企/研究院所/央企二級企業17個，民營企業8個。

3.2 變量及其測量

(1)因變量

本文選擇用國家科學技術獎勵作為突破性創新(Yradical-Inno)的代理變量，因為李占強[8]的突破性創新的定義與《國家科學技術獎勵條例實施細則》中對國家科學技術獎勵的評定準則基本一致。已有的研究[21]多用專利作為創新績效的代理變量，但是專利的缺點是顯而易見的，就是更著眼于“新”，而不是“創造性”，也不一定能夠轉化成實際的產品[22]，實際上更適合作為漸進性創新(Yincremental-Inno)的代理變量。其中專利為計數模型，獲獎為虛擬變量，如果在2007～2016年期間獲得了國家科學技術獎的5大獎項之一或多項，值為1，否則為0。

(2)自變量

寬度(Xbreadth)的測量修改自Klingebiel和Rammer[3]的方法，計算公式為

Xbreadth-expendi=N/Expenditure

(1)

Xbreadth-employee=N/Employee

(2)

其中N為創新項目的總數，Expenditure為組織創新項目的總投入，Employee為組織的員工總數，這兩個數值分別表征單位資金與單位人力資源所承擔的項目數。

選擇度(Xselectiveness)用重點項目的資金投入占組織創新項目總投入的比例表征。重點項目為CNERCs自行劃定，分布在1至5項之間，樣本中匯報5項重點項目的有134個，4項的有21個，3項的有10個，2項的有7個，1項的有2個。選擇度的測量方法與已有研究的方法略有不同，本研究偏重同一時間截面組織對不同項目的關注程度區別，已有相關研究[3]以連續投入作為測度，更偏重組織對不同項目關注的持續程度，這兩種測度本質上是一致的，都表征了組織對項目的選擇。

熵指數(Entropy)是測量多樣性(異質性)的最常見方法之一[23]，本研究沿用了Palepu[24]在測量戰略多樣性時給出的熵指數計算公式。多樣性(Xdiversity)的計算公式如下

(3)

其中(R&D)i%為創新項目能夠歸入第i類R&D的百分比，在本文中R&D共分為6類。

(3)調節變量

CNERCs分布于材料、先進制造等15個行業技術領域。本研究借鑒已有相關研究做法[18,19]，同時考慮各樣本的技術領域特征，行業(Mdomain)的測量是將樣本劃分為動態型與穩定型兩類行業類型。其中動態型行業類型涉及以下行業技術領域：先進制造、信息通訊、醫藥衛生與環境保護，共64家；其余的行業技術領域歸類為穩定型行業類型，共110家。

由收集的樣本數據可知，依托單位劃分為四種類型，基于前述理論假設分析部分內容，本研究將依托單位 (Msupport)劃分為教研單位組織和非教研單位組織兩種類型。如果依托單位為高校與科研院所，歸類為教研單位組織，共81家；其他為非教研單位組織，共93家。

(4)控制變量

楊典[25]研究發現企業雖然沒有行政級別，但是其隸屬組織的行政級別不同可能導致績效不同，因此本文將主管部門(Cgovern)作為控制變量。此外，本研究結合已有研究的方法以及本研究問題的需要，建立時間越長的組織可能越規范[26]，具有法人資格的組織可能具有更大的自主權，因此建立時長(Cage)和是否法人(Clegal)也作為控制變量。

3.3 方法與模型

專利個數為經典計數模型，符合Poisson分布，因此以漸進性創新為因變量的回歸方程應采用泊松回歸模型(Poisson regression model)[27]。獲獎為虛擬變量且可能存在偏態，因此選用Logit回歸。為了驗證假設，本文構建了計量模型模型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 實證結果與討論

4.1 描述性統計

本文對自變量和因變量進行了均值、標準差和相關分析等描述性統計。其中漸進性創新和突破性創新的相關系數顯著(0.321，p<0.01)，這符合邏輯上的預期，這兩者雖然存在很大差異，但整體上創新還是遵循大致相似的路徑。同時除了Xbreadth-expendi和Xselectiveness之間的相關系數為0.167(p<0.05)之外，自變量之間的相關系數普遍比較低。由于相關系數過高可能會伴隨多重共線性，和Lin[23]的做法一致，本研究采用方差膨脹因子(variance inflation factor，VIF)值以判斷模型中是否存在嚴重的多重共線性，具體結果發現各自變量的VIF值在1.013～1.043之間，都逼近1.0，說明不存在嚴重的多重共線性。

4.2 主效應的回歸結果分析

主效應方程的回歸結果如表1所示。

(1)寬度對漸進性創新的影響分析

模型1與模型2利用兩個不同的代理變量檢驗了寬度對漸進性創新的影響，支持了假設H1。無論是以資金還是以人力資源表征的寬度都得到了相同的結論，說明組織將資金和人力投放到更多的項目，會產生更好的漸進性創新績效，這可能是因為創新本身是一個目標不清晰的活動，在創新項目的開始，很難判斷項目的走向，最好的辦法就是“將雞蛋放入不同的籃子”。雖然與Klingebiel和Rammer[3]的測度略有不同，本文的研究結論與該文獻也保持了一致，說明無論是企業還是研究機構，為提高漸進性創新的績效，都應該盡量擴大創新項目的寬度。

(2)選擇度對突破性創新的影響分析

H2的驗證通過模型3，由表1可知，與理論預期不同，回歸結果不支持H2，即高的選擇度并不會促進突破性創新的績效。這實際上對H1而言是一個佐證，在創新成果面世之前，能夠準確地預測“哪塊云彩會下雨”非常困難，“廣泛撒網”式的策略正是基于這種考慮。由于基于“科技攻關”的邏輯所提出的假設與經驗數據并不相符，因此需要進一步的探討：既然高選擇度對突破性創新沒有顯著影響，那么多資助一些創新項目是否對突破性創新有影響，即寬度對突破性創新存在什么影響？以及選擇度對漸進性創新存在什么影響？基于此，重新構造了模型3(1)與模型3(2)，具體如下

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，資金寬度對突破性創新績效的影響在p<0.05的標準下顯著，即資金寬度對突破性創新績效具有一定的解釋能力。由模型3(2)可知，選擇度對漸進性創新績效的影響僅在p<0.1水平上顯著，而沒有達到p<0.05的顯著性，這意味著選擇更多的創新項目或者在組織自認為重點的項目上投入更多會對漸進性創新有所影響，但沒有達到非常顯著的影響，這也再次佐證了創新的復雜性和預測的難度。

(3)多樣性對創新績效的影響分析

模型4與模型5分別檢驗了本文的H3a與H3b，創新項目的多樣性對突破性創新和漸進性創新都存在顯著的正向影響。這說明不同類型的研發項目是相互補充，相互促進的，應該均衡發展。其中基礎研究一般不會產生立竿見影的績效，其績效一般也不會用專利等表征，而是用公開發表的科技論文等成果來衡量，這并沒有計入本研究的創新績效測量中。但是多樣性對創新績效的正向影響顯著至少說明，不直接產生績效的基礎研究也不能偏廢。

表1 主效應回歸結果

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 調節效應分析

根據溫忠麟等[28]，自變量如果是連續變量，調節變量是分類變量，那么在檢驗調節效應時，不是使用自變量和調節變量相乘的交互項，而是采用分組回歸的方法。調節效應的結果如表2所示。

(1)依托單位的調節效應分析

主效應中H2未被驗證，因此，依托單位的調節效應中，只檢驗調節效應H4a。本研究H4a中自變量寬度是連續變量，調節變量依托單位是分類變量，因此，依托單位對資金寬度與漸進性創新關系的調節效應根據構建的模型1，依托單位對人力資源寬度與漸進性創新關系的調節效應根據構建的模型2，采取分組回歸法，也就是對依托教研單位和非教研單位兩組樣本分別進行Poisson回歸，檢驗每組樣本中寬度對漸進性創新的關系效應的差異。

在模型1(1)中，即在依托教研單位的樣本中，資金寬度對漸進性創新的解釋力PseudoR2為26.34%(Chi2=1195.13，p<0.001)；而在模型1(2)中，即在非依托教研單位的樣本中，資金寬度對漸進性創新的解釋力PseudoR2為13.92%(Chi2=825.12，p<0.001)；在這兩組樣本中，資金寬度對漸進性創新的回歸系數分別為：41.3410(p<0.001)、26.3578(p<0.001)。因此，依托教研單位的樣本組其資金寬度對漸進性創新的解釋力大于非依托教研單位的樣本組，上述結果驗證了H4a1。

在模型2(1)中，即在依托教研單位的樣本中，人力資源寬度對漸進性創新的解釋力PseudoR2為43.28%(Chi2=1963.72，p<0.001)；而在模型2(2)中，即在非依托教研單位的樣本中，人力資源寬度對漸進性創新的解釋力PseudoR2為40.84%(Chi2=2420.28，p<0.001)；在這兩組樣本中，人力資源寬度對漸進性創新的回歸系數分別為：0.3674(p<0.001)、0.3863(p<0.001)。因此，依托教研單位的樣本組其人力資源寬度對漸進性創新的解釋力與依托非教研單位的樣本組差別不大，拒絕H4a2。

(2)行業的調節效應分析

本研究H5中的自變量多樣性是連續變量，調節變量行業是分類變量，因此，對多樣性與漸進性創新關系的調節效應根據構建的模型4采取分組回歸法，也就是對穩定型行業和動態型行業兩組樣本分別進行Poisson回歸，檢驗每組樣本中多樣性對漸進性創新的關系效應的差異。

在模型4(1)中，即在穩定型行業的樣本中，多樣性對漸進性創新的解釋力PseudoR2為42.36%(Chi2=1861.13，p<0.001)；而在模型4(2)中，即在動態型行業的樣本中，多樣性對漸進性創新的解釋力PseudoR2為25.86%(Chi2=1329.22，p<0.001)；在這兩組樣本中，多樣性對漸進性創新的回歸系數分別為：4.6193(p<0.001)、2.1213(p<0.001)。因此，穩定型行業的樣本組其多樣性對漸進性創新的解釋力大于動態型行業的樣本組，上述結果驗證了H5。

表2 調節效應回歸結果

4.4 穩健性分析

本文中利用VIF值對多重共線性進行了診斷，所有的VIF值都逼近1.0，說明不存在嚴重的多重共線性。而且，回歸模型的D-W值(Durbin-Watson)都逼近2.0，可見也不存在顯著的自相關性。在設計階段，為提高模型的穩健性，本文對寬度采用了兩個不同代理變量，分別從“人力”和“物力”兩個方面去刻畫寬度這個構念，主效應回歸結果顯示，兩者沒有顯著的差異。在數據處理階段，本文選用負二次項回歸模型(Negtive binomial regression model)代替Poisson回歸，用Probit回歸代替Logit回歸，結果也基本保持了一致。此外，隨機刪除部分樣本，重新做回歸，結果也無實質差異。

5 研究結論與啟示

5.1 研究結論

本文以2007～2016年度的國家工程技術研究中心(CNERCs)的數據為研究樣本，探討了資源分配的三個維度，即寬度、選擇度和多樣性，對漸進性創新和突破性創新的不同影響，并檢驗了行業與依托單位的差異性調節效應。研究結果表明：(1)寬度對漸進性創新績效存在顯著正向影響。(2)選擇度對突破性創新績效無顯著影響。(3)多樣性對漸進性創新績效和突破性創新績效都存在顯著正向影響。(4)依托單位調節資金寬度與漸進性創新的關系，行業調節多樣性與漸進性創新的關系。

5.2 理論貢獻

本文的主要理論貢獻如下：其一，本文將創新按照程度分為漸進性創新和突破性創新，檢驗了資源配置策略對這兩種不同創新方式的影響異同。其二，本文拓展了資源配置策略的研究維度，不僅探究了寬度和選擇度這兩個維度，還引入了多樣性的維度，研究結果驗證了多樣性對漸進性創新和突破性創新的績效都存在顯著正向影響；寬度對漸進性創新績效存在顯著正向影響，這與Klingebiel和Rammer[3]保持了一致；高的選擇度對突破性創新和漸進性創新績效均不存在顯著影響，這佐證了創新活動的復雜性及其難以預測性；在進一步的探索中發現，重點項目的投入總額對突破性創新存在顯著影響。其三，本文發現了行業與依托單位的調節效應，豐富了資源配置策略對創新績效影響機制的情境因素限定，研究驗證了在穩定型行業中資源配置的多樣性更能促進漸進性創新，這與已有相關研究的結論[18]相一致。

5.3 管理啟示

根據本文結論，主要管理啟示如下：第一，由于創新程度不同而導致的資源配置策略的影響異同，這有利于創新組織根據自身戰略選擇不同的資源配置策略；鑒于寬度對漸進性創新績效的顯著正向影響，由于創新活動的目標并不清晰，難以量化，準確判斷哪些項目會有什么樣的成果并不現實，所以適當擴大創新項目的寬度可有效提高漸進性創新績效。第二，研究發現重點項目的投入總額對突破性創新存在顯著影響，這可能與本研究以國家科技獎項作為代理變量有關系，明確的“科技攻關”主要還是取決于資源投入程度；結合寬度的研究結論，組織對創新項目不應該有“預設的”或“過度自信的”判斷，而應該盡可能在自身擅長的領域內“廣泛撒網”；基于多樣性對漸進性創新和突破性創新的績效都存在顯著的正向影響，因此組織應注意研究類型之間的平衡，不能一味追求短期績效而忽視研究類型之間的搭配。第三，根據本文發現依托教研單位的樣本組資金寬度更能促進漸進性創新，建議在依托高校與科研院所的資源配置策略中適當加大資金寬度投入力度，對取得漸進性創新績效將更為有效；實踐中，對穩定型行業，進行更為多樣性的資源配置將是取得更為有效的漸進性創新績效的可行路徑。

5.4 研究不足與展望

本研究存在一定局限與不足。首先，本研究樣本取的是CNERCs為樣本，這只是我國創新體系中的一類組織，仍需要未來做進一步的多種類型樣本的研究，來提高研究結論的普適性。其次，由于在本研究中用了不同的回歸模型，不能直接比較多樣性對漸進性創新和突破性創新的影響大小，在后續的研究中可以繼續探討。再者，本研究在探究行業與依托單位的調節效應中，并未驗證對突破性創新的調節效應，未來研究可繼續拓展。