產業創新實驗室的高創新效率模式
——基于“物理-事理-人理”理論的組態分析

王 慧，周小豐，夏天添，張振鐸

（1.江西科技學院江西省區域發展研究院，江西南昌 330046；2.菲律賓中央大學，菲律賓伊洛伊洛 5000；3.云南師范大學教育學部，云南昆明 650031；4.大連理工大學經濟管理學院，遼寧大連 116024）

1 研究背景

在我國深入實施創新驅動發展戰略的背景下，一大批頗具數字化、多元化、市場化特征的產業創新實驗室積極涌現［1］。產業創新實驗室（以下簡稱“創新實驗室”），是一種同時具備科學技術轉化孵化器與商業模式創新功能的科技型技術孵化平臺［2］。與傳統實驗室（含具備相關功能的研發機構）相比，創新實驗室作為我國創新驅動發展戰略的實踐產物，以產業需求為體制機制改革導向，充分釋放創新的最大動能和規模效應［3］，以培育地方創新生態環境，成為推動產業升級和技術創新的新式引擎［4］。但隨著我國實驗室總量激增，發展定位模糊、模式不規范、產業配套政策不完善等問題隨之而來［2］，亦造成了創新資源浪費與機遇流失，給我國實驗室的未來發展埋下了隱患［5］。因此，掌握創新實驗室創新效率的驅動機理，對我國產業升級與技術創新具有重要意義。

筆者在對以往有關創新實驗室的文獻進行分析后，發現以下不足之處：

（1）缺乏多層面的理論分析框架。已有研究主要包括3 個方面：其一，如何帥等［6］基于發展演化角度探討了新型科研機構的概念、演變與內涵界定；其二，如楊博文等［7］基于組織管理角度探討了新型研發機構的組織形式、模式、基礎組織特征和驅動因素等組織內部運行機理；其三，如周恩德等［8］基于投入產出角度探討了組織體系、評價機制與外部環境等績效影響因素對新型研發機構績效產出的影響路徑。以往研究缺乏多層面的綜合性理論分析或深入探討，對“同樣是被認定的省級實驗室，為何創新效率差距甚遠？”“什么樣的資源配置能夠提高實驗室的創新效率？”等問題至今仍有待討論。然而，這不僅僅是政府關注的產業發展相關問題，更是我國科技創新研究領域亟待解決的關鍵性問題。而“物理-事理-人理”系統方法理論（以下簡稱“WSR 理論”）是由我國著名系統科學專家顧基發等［9］所提出的，一種用于解決復雜性問題（系統）的理論工具。由于WSR 理論的分析框架極具中國哲學的思辨特征，能夠從物理、事理、人理相協調的角度處理復雜度較高的系統問題，更是集定性與定量分析為一體的東方系統思想［10］。為此，本研究將基于WSR 理論分析框架，探討我國創新實驗室的創新效率提升路徑。

（2）缺乏來自組態證據的檢驗。根據WSR 理論的觀點，創新實驗室實質上是一種復雜性創新系統［11］。其不僅會受到多層面因素的共同作用影響，還會受多因素組合之間的聯合效應影響［2］。故而，要厘清我國創新實驗室的創新效率提升之謎，必須從系統整體角度深入剖析多因素組合對創新實驗室創新效率的聯合效應。由于數據包絡分析（DEA）、熵值法等傳統分析范式不具備檢驗多層面因素和多因素組合的分析功能，造成了傳統分析范式與理論框架相抵觸的現象，并導致了因素孤立、單一因果關系等凈效應研究成為業界主流的窘境［12］。而定性比較分析范式（qualitative comparative analysis,QCA）立足組態視角，可以打破傳統分析范式的凈效應分析局限，利用布爾算法與集合理論提煉出多因素組合的組態效應，以詮釋同等投入產出的多路徑組合。為此，本研究將參考杜運周等［13］的做法，引入QCA 分析范式的組態機制，討論我國創新實驗室創新效率提升的高效路徑組合。

綜合上述，本研究將基于WSR 理論，以我國創新實驗室為樣本，通過模糊集定性比較分析（fsQCA）分析范式，剖析影響創新實驗室創新效率提升的路徑組合差異及影響機理，進而揭示我國創新實驗室的創新效率提升之謎。

2 理論基礎

從研究歷程角度來看，目前有關創新實驗室的研究已從研究概念逐步演變為研究模式、管理機制等投入性因素對創新實驗室產出指標的影響。近年來，亦有學者立足區域性樣本，剖析了影響創新實驗室創新效率的影響機制，并對相關影響因素進行了大量實證研究與機制研究。在對已有相關研究進行分析后發現，影響創新實驗室創新效率的因素主要來自3 個方面：一是外部層面，包括政府政策、支持強度、市場環境等外部因素在創新實驗室創新效率提升過程中的邊界作用［8］；二是組織層面，包括研發投入（含經費、人員及支持強度）、運營機制、管理模式等組織因素對創新實驗室創新效率的提升作用［14］；三是個體層面，包括高層次人才引進、個體知識水平、團隊協作等個體因素在創新實驗室運營過程中所起到的基礎作用［6］。然而，從實踐角度而言，以往研究多局限于單一因素對創新實驗室績效創新效率的凈效應影響，缺乏考慮多層面因素及多因素組合在此影響過程中的運行機理。

WSR 理論作為一種有中國特色的復雜問題分析工具，能將問題從多個層面展開剖析，以探究其中的關系或規律［9］。其中，物理即指客觀規律，是構建系統的客觀條件，包括政策、法規、公序良俗等客觀規律，其目的在于解釋“物是什么”；事理即指事件原理，其目的在于解釋“用什么方法處理事件”；人理即為人處世之原則，其目的在于解釋“人如何對物和事進行判斷與決策”。在采用WSR 理論進行系統分析時，需要綜合考量問題的各個層面，也需要有效地利用人、事、物之間的客觀規律，并將這三者有效結合，透過合理的規則協調，厘清問題脈絡，以提升系統運行效率［11］。如蔣甲丁等［15］基于WSR 理論，通過定性和定量分析探討了影響技術密集型企業創新效率提升的驅動因素組合，并驗證了多層面的規則協調與組合能夠有效處理干擾創新效率提升的系統性問題。

綜合上述，本研究認為創新實驗室的創新過程實質上是一個多主體參與，且全過程中隨時存在系統要素變化的復雜性系統工程，其系統要素包含物理、事理、人理，三者共同作用、互相影響、互相制約，因此，WSR 理論是能夠探索創新實驗室創新效率之謎的有力工具，能夠更加系統地討論影響創新實驗室創新效率提升的主要變量與作用機制。基于WSR 理論的分析框架，從物理、事理和人理的3個層面構建我國實驗室創新效率的組態效應模型，如圖1 所示。

圖1 產業創新實驗室創新效率組態效應模型

（1）物理層面。根據資源依賴理論的觀點，創新生態系統是決定各類創新主體創新行為、效率與績效的重要環境規則因素［16］；而創新生態環境的決定因素包括政策力度、地方經濟、市場環境、技術更迭等［17］。江詩松等［18］研究發現，地方政府對有關創新的財政投入、稅收減免等政策的支持力度越高，地方區域范圍內創新主體的創新活動便越積極，該觀點亦得到了李明星等［19］后續研究者的驗證；同時，楊博文等［7］認為地方經濟發展水平越好，地方可用于投入創新的資源便越充足，亦有助于各類創新主體規避創新過程中的資源約束。此外，雖然近年的研究證實了市場環境與技術更迭等因素對創新的支持作用，但由于各研究樣本具有區域差異，所以結論亦存在一定誤差。故而，本研究主要選取政策力度與地方經濟兩個變量作為影響創新實驗室創新效率的物理層面因素。

（2）事理層面。從實踐角度來看，事理層面能夠激發創新主體內生動力的主要因素便是創新資源，而創新資源是創新主體為實現或推動創新過程中所投入的人員、經費、時間、情報及物質資源的集合。在以往研究中，多數學者認為研發投入的總量將決定創新效率的提升幅度，但這一觀點在張笑等［20］的研究中卻并未得到驗證；相關后續研究發現研發投入多寡確可在大概率上決定創新效率提升幅度，但該機制亦同時受限于組織機制的邊界作用，也就是說，對組織機制完善或高管理效率的創新主體而言，研發投入當量越大，其創新效率便越高，反之則可能造成創新資源的浪費。故而，本研究參考張笑等［20］的觀點，選擇研發投入與組織機制兩個變量作為影響創新實驗室創新效率的事理層面因素。

（3）人理層面。創新生態系統理論認為創新取決于人，即相關人才和技術設施是創新行為產生的必要條件，如國屏等［21］發現高層次人才所具備的創新素質可以大幅減少組織在創新過程中所付出的時間成本（含知識搜尋成本與知識轉化成本），而孟溦等［22］發現當組織具備的高層次研發團隊增加時，組織的創新效率提升幅度增加；同時，完善的技術設施是創新效率提升的客觀保障，能夠降低創新過程中的技術成本或轉化成本［8］。由此而言，作為創新生態系統中的新產物，創新實驗室創新效率的提升離不開極具競爭力的高層次人才儲備與完善的技術設施。故而，本研究選擇研發團隊與技術設施兩個變量作為影響創新實驗室創新效率的人理層面因素。

3 研究方案

3.1 研究方法

采用fsQCA 分析范式討論產業創新實驗室創新效率提升路徑的理由包括：首先，從物理、事理或人理進行單一層面考量無法詮釋創新實驗室創新效率提升的內涵與影響機理［23］，但fsQCA 分析范式則能夠從系統性角度出發討論多層面因素的共同作用，以及挖掘由此形成的多因素組態的影響機理［24］；其次，傳統計量分析范式在數據規模、質量、完整等方面均有一定程度的要求與門檻，但fsQCA 分析范式則僅需適度規模的樣本量即可［25］；其三，fsQCA 分析范式可以透過多案例研究全面闡述解釋變量差異所形成的等效關系［13］。

3.2 樣本來源與數據校準

（1）樣本來源。截至2020 年年底，我國累計備案創新實驗室1 300 余家，其中，70%以上分布在長三角地區、廣東等發達地區［2］。因此，參考杜運周等［13］的做法，根據樣本案例充足性、數據可得性與類型分布均衡性原則進行樣本案例篩選。首先，在MBA 聯盟、校友會、相關行業協會等組織的幫助下，成功得到了122 家創新實驗室的支持。其次，對122 家創新實驗室進行梳理，通過Python 技術爬取實驗室官網、協同企業官網及相應省份政府官網公開披露的相關數據信息，以全面掌握樣本案例的基本情況，并構建案例數據集。最后，以成立時間不低于3 個財務年度為標準，篩選出91 家實驗室（以下簡稱“樣本”），并通過線上案例訪談和問卷調查的方式收集相關數據。樣本主要情況如表1 所示。

表1 樣本主要情況描述性統計

（2）數據校準。根據樣本案例總量的分布特征，并結合Ragin［26］213的建議，按照完全不隸屬（25%的分位數）、交叉點（50%的分位數）和完全隸屬（75%的分位數）的標準對條件變量進行數據校準。條件變量與結果變量的構成、數據來源、描述性檢驗及校準結果如表2 所示。

表2 樣本描述性檢驗結果

3.3 觀測工具

（1）結果變量——創新效率。參考張玉磊等［12］的做法，以2020 年度的專利申請數量、新產品數量及科研成果轉化標的金額作為創新效率的計算依據，并通過DEA 分析計算對應創新實驗室的創新效率。

（2）條件變量——物理層面。參考周恩德等［8］的做法，以創新實驗室所在省份的相關支持政策數量、稅收減免幅度與財政投入總額等指標測算政策力度，并通過DEA 分析測量對應省份的政策力度；同時，以創新實驗室所在省份2020 年度生產總值（GDP）增長率作為地方經濟的測量依據。

（3）條件變量——事理層面。參考劉彤等［14］的做法，以創新實驗室2020 年度的研發投入開支與總收入之比作為研發投入的測量依據；同時，以各創新實驗室截至2020 年度所出臺的各項創新支持制度總數與制度總數之比作為組織機制的測量依據。

（4）條件變量——人理層面。參考何帥等［6］的做法，以創新實驗室2020 年度的研發類員工與員工總量之比作為研發團隊的測量依據；同時，按照單價金額1 萬元以上的技術設備（含軟件）價值與固定資產之比作為技術設施的測量依據。

4 數據檢驗與案例討論

4.1 必要條件分析

為保障fsQCA 分析結果，參考Ragin［26］213、杜運周等［13］的做法，先就單一因素是否直接影響創新實驗室的創新效率進行必要條件檢驗。結果如表3 所示，相關變量對創新實驗室創新效率的一致性影響水平均低于0.9，證明上述變量均無法構成單獨影響創新效率的必要條件，表明樣本創新實驗室的創新效率提升是受多因素組合的規模效應影響，而非受到單一因素的獨立影響。由此而言，有必要從物理、事理和人理的多層面視角展開組態分析，進一步揭示由各解釋變量融合所形成的組態聯合效應。

表3 樣本變量必要條件分析結果

4.2 組態分析

按照杜運周等［24］的做法，采用fsQCA 3.0 軟件進行組態分析，將頻數設定為1，一致性設定為不低于80%，結合PRI 一致性不低于75%。計算結果顯示（見表4）：創新實驗室創造高創新效率的路徑呈現出多元化的結果，相應的構型組態有3 個，且3個組態的一致性均高于90%，說明各組態亦是結果變量的充分條件，同時3 個組態的覆蓋率為88.57%則說明這3 個構型組態具備了解釋創新實驗室高創新效率的主要原因；其次，非高創新效率的構型組態有1 個，其一致性與覆蓋率亦達到理想值，說明該構型組態揭示了低創新效率的由來。此外，分別將頻數值調為2，以及將PRI 異質性調整為70%進行穩健性檢驗，兩次分析的結果亦與上述結論一致。

表4 樣本創新實驗室創新效率影響因素組態分析

表4 （續）

5 案例討論

為進一步剖析上述組態分析結果，按照Furnari等［27］所提出的組態理論化范式，對各構型組態進行剖析與命名，并提出相應的命題，具體如表5 所示。

表5 樣本創新實驗室高低創新效率對應組態構型分析

表5 （續）

5.1 物理型創新效率提升路徑——創新生態環境型組態

組態1的凈覆蓋率為0.850，原始覆蓋率為0.035，一致性為0.310。證明了地方政府提高支持性政策力度與經濟發展水平能夠為創新實驗室的創新效率提升營造良好的物理環境，且具備相應水平與規模的研發團隊則可借助政策優勢，適度彌補組織自身研發投入不足和組織機制缺失所帶來的干擾，進而提高創新效率。因此，將組態1 命名為“創新生態環境型組態”。此類型組態的代表案例為湖南AJB 實驗室。該實驗室成立時間較短，不足3 個財務年度，研發經費與總成本占比不足40%，研發經費較緊張，相關硬件設備、技術條件、研發環境等技術設施方面均有所欠缺，然而，其在政策紅利下對高層次人才吸引力較大，有助于逐步完善研發團隊建設，并依托團隊技術優勢與資源優勢，相繼采用研發合作、產學研合作等方式解決技術設施條件不足的難題。此外，該實驗室通過致力于完善科技成果轉化體系，圍繞科技項目孵化與產業融合構建了一個以“產孵研轉”一體化為特色的高效率研發體系，培育出一批研發型獨角獸企業。由此而言，創新資源投入量與技術實施的條件約束雖會在一定程度上干擾創新實驗室的創新效率，但從WSR 理論來看，創新生態環境與一定規模的人才團隊可有效彌補研發投入不足所造成的資源約束。

5.2 事理型創新效率提升路徑——高組織創新驅動型組態

組態2的凈覆蓋率為0.786，原始覆蓋率為0.087，一致性為0.257。由此說明，組態2 的構型證明了在具備完善組織機制與研發資源充分投入的情境下，地方經濟與政策的支持力度亦不會對創新實驗室的創新過程產生極大干擾；同時，研發人才或技術設施的不足亦可借助情境優勢逐步彌補完善，進而為創新效率的大幅提升夯實基礎。因此，將組態2 命名為“高組織創新驅動型組態”。此類型組態的代表案例有湖北ABB 產業創新研究院、上海DZ 研究院及深圳HTK 實驗室等。高組織創新驅動型組態的案例皆是大型國有企業與領域內權威高校（院所）合作建設的實驗室，規模多為適中偏小，以研發創新與成果轉化為主軸，采用靈活的組織管理機制，優化組織資源配置與拓寬資源獲取路徑，并以此吸引高層次人才和完善技術設施條件，最終以支持創新、推動創新與促成創新的實踐路徑穩步提升創新效率。由此而言，根據WSR 理論，高組織創新驅動型組態可以借助其靈活優異的組織機制，使創新實驗室對外形成良好的品牌口碑，并不斷完善其提升創新效率過程中所需的各項資源條件，以突破物理層面的條件約束。

5.3 人理型創新效率提升路徑——高層次人才引領型組態

組態3的凈覆蓋率為0.851，原始覆蓋率為0.035，一致性為0.154。組態3 構型證明了即便創新實驗室不具備較完善的組織機制和充沛的研發資源，但可借助高水平團隊與先進技術設施的優勢展開各種資源獲取合作，以彌補自身研發條件不足，以高層次人才引領帶動創新效率提升。因此，將組態3 命名為“高層次人才引領型組態”。這一類型組態的案例多為地方行業特色高校（院所）與相關企業構建的實驗室，多數案例所在地不具備高政策扶持力度或是高經濟發展水平。以江西FN 稀土產業研究院為例，該實驗室位于經濟水平中下的江西地級市，當地支持產業創新的相關政策數量僅有3 項，不僅缺乏吸引高層次人才的政策紅利，更缺乏行業示范性的龍頭企業，但該實驗室立足地方行業特色稀土資源，具備業界先進水平的技術設施與資源優勢，并在歷經數年的內部人才培養和小規模關鍵性高層次人才引進的基礎上，逐步形成了以小規模高層次人才團隊為引領，以行業先進技術研發條件為基礎，以技術投資為特色的創新實驗室。由此而言，從人理角度來看，高層次人才引領型組態可以通過人（團隊）或技術的引領示范優勢對研發資源產生虹吸效應，進而促使創新實驗室實現高創新效率成為可能。

5.4 創新實驗室的低創新效率組態

以上組態分析得到了一個低創新效率的組態，即組態4 構型，表明即便當一個創新實驗室同時具備政策力度、地方經濟、研發投入等條件，但依舊無法實現創新效率的有效提升。此類型組態的代表案例包括浙江HST 產業研究院等。低創新效率組態的案例多分布于經濟較發達省份，其創新扶持、人才引進、產業發展等政策體系與配套機制完備，多數為國有大型企業與地方高校共建的創新實驗室，普遍具備成熟的組織機制與管理體系，并擁有一定規模高層次人才團隊，且人才團隊的人員數量占組織人員總數的較高比例。然而，這類組態的案例組織均具有一個共同的弱點，便是技術設施條件不足，呈現出人多設備少的研發窘態，多數研發人員需通過共用、排期、協調等方式展開技術研發；同時，鑒于組織性質所限，設備購置、租用等程序繁瑣且耗時，亦是造成其低創新效率的主要原因。由此而言，從事理角度來看，低創新效率組態印證了組織在事理層面的管理體系與運行機制的弊端亦會抵消其他條件優勢，掣肘創新實驗室的創新進程。

6 結論與啟示

6.1 研究結論

本研究在具有中國特色的WSR 理論視角下，解釋了中國情境下創新實驗室的高創新效率來源，印證了WSR 理論這一中國原創管理理論的科學性與適用性，為促進我國創新實驗室進一步發展提供新的研究視角；同時，在我國經濟高質量發展的關鍵節點，采用fsQCA 分析方法討論了在多環境層面干擾下創新實驗室的主要創新效率提升路徑類型、特征與作用機制，所得結論與喬為國［2］的觀研究相呼應，即創新實驗室創新效率的提升并不會受單一因素的干擾，為研究創新實驗室創新效率影響機理和影響機制的理論研究框架構建提供參考。具體而言，本研究提出了能夠提升創新實驗室創新效率的3 條組態路徑，分別為物理層面的創新生態環境型組態、事理層面的高組織創新驅動型組態、人理層面的高層次人才引領型組態，而低創新效率的組態路徑為事理層面技術設施不足與組織機制滯后；并提出相關支持政策的力度、幅度及范圍并非決定創新實驗室創新效率的絕對因素，相關政策支持力度過高或將導致組織內部問題滋生，而發揮組織特色優勢可突破政策支持力度不足的局限、完善高效的組織機制能夠極大優化組織資源配置，是推動創新實驗室創新效率穩定提升的重要因素，且能夠產生對其他資源條件的虹吸效應。

6.2 管理建議

首先，從建設創新實驗室角度來看，相關組織機構可參考物理、事理、人理3 個層面的創新要素深入論證各要素之間的融合機制與配置效率，從系統性的組態視角，聚焦最優資源配置結構、最佳創新模式、最高創新效率的研發流程等頂層設計問題，并探索出有自身特色優勢的實驗室高質量發展道路。其次，從政策制定角度來看，政府需要圍繞“物理-事理-人理”的理論分析視角，為地方實驗室及相關研發機構提供高契合度的支持政策，以實現“藥到病除”的高效政策貫徹機制。具體而言：第一，深入剖析創新實驗室的資源需求特性，可分別針對不同類型、不同經費需求的實驗室，提供如專項稅收減免、抵扣、財政補助等財政支持政策，以緩解實驗室的實際經費壓力；第二，結合地方經濟發展現狀，打造有地方特色的高層次人才引進體系，如在欠發達省份，可采用教育資源、專項資源等特殊資源優勢吸引關鍵性高層次人才及研發團隊，以突破政策紅利不足的劣勢，進一步激活人力資本潛能，為實驗室夯實人才基礎；第三，可立足地方產業特色，構建地方性或區域性產業創新聯盟，拓寬創新實驗室的業務范圍與資源獲取來源，從而通過多創新主體與社會資源的廣泛參與，突破資源瓶頸、人才匱乏及設備缺失等創新要素失靈所造成的低創新效率。

6.3 研究局限與啟示

首先，受樣本可得性的局限，本研究僅將我國91 家創新實驗室作為樣本案例，在結論的解釋力度與外部效度上存在一定的不足。其次，在條件變量的篩選上，本研究僅通過WSR 理論的分析框架篩選出高解釋力度的條件變量，未能更加全面地考量其他創新要素的干擾作用。最后，本研究受限于樣本可得性無法開展動態案例分析，亦無法從演化視角觀測創新實驗室創新效率的提升機制。故而，未來可針對以上問題，展開更加深入的研究。