搭建能力、资源与网络之间的桥梁：理解制造业集群中的协同创新

《Journal of Innovation & Knowledge》：Bridging capabilities, resources, and networks: Understanding collaborative innovation in manufacturing clusters

　　张银伟|陶毅
金华职业技术学院商学院，中国浙江省金华市武城区海塘西路888号，321017

**摘要**
基于动态能力理论，本研究探讨了内部能力、资源禀赋和情境条件如何共同影响制造业集群内的协同创新。通过对浙江省先进制造业系统中332家制造企业的多阶段调查，为创新能力、财务和人力资源以及创新网络嵌入性之间的综合框架提供了实证证据。研究结果表明，创新能力和内部资源通过网络嵌入性直接和间接地提升了协同创新绩效。创新氛围的调节作用进一步揭示了支持性和开放性的环境能够增强网络对创新结果的积极影响。这些发现阐明了制造企业如何将内部优势转化为集体创新优势的动态过程。随后讨论了这些发现对于能力发展、集群治理和区域创新政策的理论和实践意义。

**引言**
在快速工业转型的背景下，制造企业面临着产品生命周期缩短、技术复杂性加速和全球竞争加剧的压力（Andersen, 2006; Tassey, 2014; Zou, 2024）。为了保持竞争力，企业必须更加依赖跨组织合作来获取互补的知识和能力（Loebbecke et al., 2016）。这一趋势在区域制造业集群中尤为明显，企业需要在与供应商、研究机构和公共机构的密切协调中持续创新（Kumar et al., 2022; Martins & Hukampal Singh, 2023）。协同创新被定义为跨越组织边界的联合创新活动，已成为使企业能够汇集资源、吸收外部知识并加速技术进步的关键策略（Baldwin & Von Hippel, 2011; Swink, 2006; Wang et al., 2024）。然而，尽管其重要性日益增加，但决定集群生态系统（尤其是受政策驱动和网络依赖动态影响的集群）中协同创新结果（CIO）的潜在机制仍不够明确（Ates, 2022; Chen et al., 2014; Vivona et al., 2023）。理解这些机制对于解释企业如何利用内部能力和资源将协同参与转化为实际创新绩效至关重要。

尽管先前的研究从多个角度探讨了协同创新，但大多数研究倾向于采用碎片化的方法，要么关注研发强度和吸收能力等内部能力（Hong et al., 2019; Kafouros et al., 2020; Najafi-Tavani et al., 2018），要么关注包括组织间信任、合作伙伴多样性和制度邻近性在内的外部网络因素（Du & Williams, 2017; Ferretti et al., 2022; Knoben & Oerlemans, 2006）。然而，这些视角往往将企业视为网络合作中的被动参与者，很少考虑内部能力如何与情境因素相互作用以塑造创新绩效。因此，学者们呼吁建立一个更加综合的框架，将企业层面的动态能力、资源条件和基于网络的机制联系起来，以解释协同创新如何在制度协调和政策干预显著的发展中制造业生态系统中展开（Pouwels & Koster, 2017）。解决这一缺口对于理解政策驱动型集群中的企业如何将内部优势转化为可持续创新成果至关重要。

基于这一呼吁，我们开发了一个基于动态能力的框架，该框架说明了企业内部能力和资源如何通过关系机制转化为协同创新绩效。基于动态能力视角，我们的框架提供了一个综合的观点，即企业如何在动态环境中感知、抓住和重新配置资源（Eisenhardt & Martin, 2017; Okhuysen & Eisenhardt, 2002; Teece, 2007）。在我们的模型中，创新能力（IC）体现了企业整合和协调内部和外部知识的动态能力（Calantone et al., 2002; Lichtenthaler & Lichtenthaler, 2009; Sun & Anderson, 2010）。财务资源（FR）和人力资源（HR）被指定为支持这种能力发展和激活的具体推动因素（Gueler & Schneider, 2021; Jyoti & Efpraxia, 2023; Kim et al., 2015）。这些前提条件共同影响创新网络嵌入性（INE），后者是企业层面的能力和资源转化为CIO的关键中介机制（S. Han et al., 2020; Lyu et al., 2019; Yan et al., 2020）。此外，创新氛围（IA）被引入作为调节因素，放大了网络嵌入性对创新结果的积极影响（Newman et al., 2020; Popa et al., 2017; Xie et al., 2018）。该框架通过提供一种机制性和情境敏感的解释来推进先前的研究：它超越了静态的基于资源或吸收能力的模型（Zahra & George, 2002），阐明了企业在集群生态系统中的动态转换路径（Capaldo et al., 2017; Fitjar & Rodríguez-Pose, 2011）。

我们的研究对协同创新和动态能力文献做出了三项主要贡献。首先，它通过引入一个网络嵌入机制来扩展动态能力理论（Eisenhardt & Martin, 2017; Teece, 2007），解释了企业如何将内部能力和资源禀赋转化为CIO。这种方法超越了主要强调知识获取和吸收的吸收能力理论（Zahra & George, 2002），突出了企业如何在创新网络中调动、整合和共同创造价值的关系过程（Capaldo, 2007; S. Han et al., 2020; Yan et al., 2020）。其次，与关注大学、企业和政府之间制度层面互动的三螺旋框架（Etzkowitz & Leydesdorff, 2000; Ranga & Etzkowitz, 2013）相比，我们的模型提供了企业在政策驱动的集群动态下如何协调跨组织合作的微观视角（Kumar et al., 2022; Martins & Hukampal Singh, 2023）。第三，通过将IA作为情境调节因素，该研究将动态能力和组织氛围研究（Newman et al., 2020; Popa et al., 2017; Xie et al., 2018）联系起来，揭示了支持性文化条件如何增强基于网络的机制的有效性，并促进关系资源转化为创新成果（Andreeva & Kianto, 2012; Frankort, 2013; Li & Luo, 2025）。

为了验证我们的模型，我们对一个发展中的制造业集群的多个节点进行了包含332名受访者的调查。结构方程建模结果为所提出的关系提供了强有力的实证支持。具有更高创新能力和更多财务及人力资源访问权限的企业被发现更深入地嵌入在创新网络中。此外，在高水平的创新氛围下，这种关系得到显著加强，证实了其调节作用。分析还控制了企业年龄、规模、所有权类型、研发强度、市场需求压力和政策支持等因素，确保了研究结果的稳健性。

**文献综述**
在区域集群中运营的制造企业来说，协同创新已成为战略必备（Li & Liu, 2023）。它使企业能够获取互补知识、分担创新风险，并通过合作研发、共同设计和联合商业化努力加速上市时间（Ates, 2022; Najafi-Tavani et al., 2018）。在定义为地理上集中的互连企业和支持机构群的制造业集群中，这种创新通常因空间邻近性、共同的产业逻辑和共享基础设施而得到放大（Buciuni & Pisano, 2018; Fang, 2019）。这些集群促进了具有成本效益的知识重组，同时培养了社会资本、基于信任的合作伙伴关系和组织间学习惯例（Chandrashekar & Hillemane, 2017）。

Porter（1998）的开创性工作将集群视为合作与竞争共存的环境，指出地理邻近性可以通过共享外部性提高生产力和创新。后续研究表明，集群已从生产型系统演变为以企业、研究机构和政府机构之间的动态互动为特征的创新生态系统（Capello & Lenzi, 2014; Giuliani, 2007）。在中国，由于集群发展通常是由政策驱动而非自然形成的，协同创新受到行政协调和制度激励的强烈影响（Liu et al., 2021）。这种混合治理形式既创造了机会也带来了挑战：虽然政策支持减少了制度障碍，但企业仍需依靠自身的能力和资源有效地参与协同创新。

基于这一文献，本研究采用动态能力视角来解释企业在政策驱动的集群环境中如何将内部资源（如IC、财务实力和人力资本）转化为CIO。先前的研究表明，动态能力使企业能够感知机会、抓住合作伙伴关系，并根据不断变化的技术和制度条件重新配置内部资源（Eisenhardt & Martin, 2017; Teece, 2007）。然而，较少关注这些能力在政府引导的集群中的运作方式，其中创新成果取决于企业层面的能力以及网络嵌入性和组织氛围等关系机制。因此，本研究通过探讨企业内部优势如何与外部网络结构和情境氛围相互作用以产生协同创新绩效，进一步扩展了先前的研究。

**协同创新的内部能力和资源基础**
现有关于协同创新的研究强调，企业的内部条件从根本上决定了它们参与和受益于跨组织合作的能力。在受到市场压力和制度协调的制造业集群中，内部能力和资源基础的作用尤为重要。动态能力视角为企业如何调动和重新配置内部优势以支持协同创新提供了重要的起点。动态能力，如感知技术机会、整合外部知识和重新配置组织惯例，使企业能够主动与网络合作伙伴互动并适应不断变化的集群环境（Eisenhardt & Martin, 2017; Teece, 2007）。在政策驱动的集群中，这些能力决定了企业是否能够吸收制度激励并将其转化为可持续的创新实践。因此，在本研究中，IC被视为增强企业在创新网络中连接、学习和共同创造的关键内部机制。

基于动态能力视角，本研究进一步认识到有形和无形资源为能力部署和协同参与提供了必要基础。FR使企业能够维持长期的研发承诺、减少交易不确定性，并投资于特定于合作伙伴的资产，而HR提供了有效知识重组所需的专业知识和吸收能力。先前的研究表明，资源禀赋较强的企业更能利用网络关系并持续开展联合创新（Gu et al., 2016; Kafouros et al., 2020）。在制造业集群中，这些资源还增强了企业满足行政协调要求的能力，并与当地创新议程保持一致。

尽管环境和制度因素影响合作动态，但文献越来越认识到内部驱动因素的决定性作用。企业的能力和资源在很大程度上决定了它们在创新网络中的嵌入能力和将关系机会转化为绩效成果的能力（Fitjar & Rodríguez-Pose, 2011; J. Zhao, 2023）。然而，先前的实证研究往往将这些驱动因素视为孤立的预测因子，很少关注它们如何相互作用以塑造关系机制（如INE，Xia et al., 2026）。此外，很少有研究探讨组织情境（特别是IA）如何影响这些内部优势在协同环境中的有效性。总之，本研究结合了动态能力和基于资源的视角，将IC、FR和HR概念化为共同加强企业在创新网络中嵌入性的互补驱动因素。

**从创新驱动因素到网络机制**
近期研究越来越认识到创新网络作为连接前提条件和创新结果之间关系的中介渠道的作用（Tan et al., 2020; J. Zhao, 2023）。INE指的是企业在更广泛的创新生态系统中的结构和关系整合程度，在促进隐性知识流动、最小化机会主义行为和推动集体解决问题方面发挥着关键作用（S. Han et al., 2020）。实证研究表明，嵌入程度较高的企业更能够吸收外部知识并推动突破性创新（Boxu et al., 2022; S. Han et al., 2020; Yan et al., 2020）。然而，先前的研究很少探讨内部能力和资源条件如何使企业增强其网络嵌入性，以及这种嵌入性如何转化为CIO。本研究通过将INE概念化为一个关键中介机制，将包括IC、FR和HR在内的内部驱动因素与政策驱动型制造业集群中的协同创新绩效联系起来。

此外，从创新网络中获得的好处并不保证。网络参与的有效性往往取决于内部组织条件，其中IA发挥着特别重要的作用（Funk, 2014; Son et al., 2024）。基于先前的研究，内部适配（IA）被理解为组织成员之间对于创新行为和风险承担的支持、开放性和容忍度的共同认知（Funk，2014；Newman等人，2020；Xie等人，2018）。这一概念不同于组织氛围，后者主要涵盖员工对工作环境的感知，也不同于吸收能力，后者关注公司获取和整合外部知识的能力。相反，IA强调影响员工参与创造性实验和外部合作的文化和心理条件（Newman等人，2020；Xie等人，2018）。一个支持性的IA能够增强内部适应（INE）对首席信息官（CIO）的影响，因为它促进了组织边界之间的信任、沟通和知识共享（Atuahene-Gima & Murray，2007；Jansen等人，2006）。如果没有这样的文化基础，公司可能难以将外部联系转化为有效的创新绩效。尽管这一调节机制尚未得到充分探索，但它为理解公司如何将外部联系转化为可持续的创新优势提供了重要见解。

研究议程和理论定位

尽管对协同创新越来越关注，但很少有研究开发出一个综合框架来系统地解释公司的内部能力和资源如何通过关系机制转化为创新绩效。现有研究仍然零散，通常单独讨论能力或资源因素，而忽略了这些元素在网络环境中的相互作用（Gu等人，2016；Teece，2007）。本研究通过开发并实证测试一个基于动态能力的模型来填补这些空白，该模型：(1) 识别内部能力（IC）、财务资源（FR）和人力资源（HR）作为INE的关键前因；(2) 将INE视为连接内部基础与CIO的中介机制；(3) 将IA作为一个调节因素，影响嵌入性在提升创新绩效方面的有效性。因此，这项研究推进了我们对制造业集群中公司如何通过网络和文化机制将内部优势转化为CIO的更全面和情境敏感的理解。下一节将具体提出假设并展示所提出的概念模型。

理论框架和假设

为了系统地研究制造业集群中协同创新的机制，本研究基于动态能力视角（Arndt等人，2022；Okhuysen & Eisenhardt，2002；Teece，2007）发展了一个综合模型。动态能力强调公司在快速变化的技术和制度环境中感知机会、抓住外部资源以及重新配置内部流程的能力（Li & Liu，2023；Son等人，2024）。这一视角为解释内部资源和能力如何相互作用以产生CIO提供了连贯的理论基础。从这个角度来看，IC代表公司通过适应性学习和技术整合来识别、吸收和应用新知识的能力（Saunila，2020；H. Zhao，2023）。FR和HR作为关键推动者，支持能力的部署和跨组织协作。充足的财务实力支持长期的研发投资和风险承担，而熟练的人力资源提供了创新所需的吸收和重组能力（Kafouros等人，2020；Li & Liu，2023；Son等人，2024）。这些内部驱动因素共同构成了公司将内部优势转化为外部关系优势的基础。

基于这一理论逻辑，该模型进一步提出，这些能力和资源能够增强公司的INE，即公司在基于集群的创新网络中的结构和关系整合程度。嵌入性有助于知识交流、信任建立和共同解决问题，从而成为内部优势转化为CIO的关键中介机制（S. Han等人，2020；J. Zhao，2023）。此外，网络嵌入性的有效性取决于公司的IA，即员工对支持、开放性和对实验和风险的容忍度的共同认知（Newman等人，2020；Xie等人，2018）。一个支持性的IA通过增强组织边界之间的沟通、相互信任和知识共享意愿，加强了网络嵌入性对协同创新的积极作用（Atuahene-Gima & Murray，2007；Son等人，2024）。总之，所提出的框架如图1所示。

图1. 理论模型

IC和CIO

IC指的是公司生成、吸收和应用新知识以开发新产品、服务或流程的能力（Saunila，2020）。在制造业集群中，这种能力推动了内部技术进步，并增强了公司在协同创新过程中吸收和应用外部知识的能力（M. Liu等人，2023）。具有高水平IC的公司更能识别潜在的协同效应，使其技术目标与合作伙伴对齐，并将共同努力转化为可衡量的创新成果，如新产品开发、流程优化和技术升级（Tavares等人，2021）。从动态能力视角来看，IC是公司感知、抓住和重新配置复杂创新生态系统中的机会的核心机制（Helfat & Peteraf，2015）。感知功能使公司能够扫描和解读技术和市场环境的信号，以识别潜在的合作伙伴和协作领域。抓住功能使他们能够调动和协调内部资源，如研发专长和管理层关注，以追求这些机会。最后，重新配置功能帮助公司重组现有流程，整合跨组织知识，并制度化新的实践，以维持协同创新（Engelmann，2024；Muneeb等人，2022；Sarfo等人，2025）。实证证据支持这一观点。具有更强创新能力的公司更积极地建立联盟，从外部合作伙伴那里获得更高的学习效率，并从联合创新项目中实现更好的绩效（M. Liu等人，2023；Tavares等人，2021）。在制造业集群中，由于企业间依赖性和知识专业化程度较高，这些能力对于应对协同创新中的不确定性、协调成本和认知距离尤为重要（S. Han等人，2020）。因此，IC反映了内部技术实力，并作为一种动态能力，将潜在的协作转化为实际的创新绩效。因此，我们提出以下假设：

H1: IC与CIO正相关。

FR和CIO

FR构成了公司行使和更新其动态能力的基础资源。充足的财务资本使公司既有追求新的技术路径的灵活性，也有在不确定性中维持长期创新努力所需的韧性（Hao等人，2022；Lei & Xu，2025）。在协同创新背景下，财务实力允许公司进行昂贵的联合研发，分担投资风险，并承受探索性项目常常伴随的潜在短期损失（Elhelaly & Ray，2024；Moon，2024）。从动态能力视角来看，FR在抓住机会阶段至关重要，因为公司能够动员并投入大量资源来捕捉来自网络的创新机会。财务能力强的公司可以迅速将资金分配给有前景的合作伙伴，共同开发新技术，并支持促进集体学习的迭代实验周期。此外，充足的财务储备增强了公司的议价地位和可信度，使其成为创新联盟中更有吸引力的合作伙伴，并促进基于信任的合作（Han & Kang，2020）。与此同时，越来越多的研究强调了FR在维持协同创新中的关键作用。Modi和Cantor（2021）发现，财务资源充足的公司更能利用外部知识，而Teirlinck（2022）进一步证明，资本充足性增强了网络参与对制造业集群创新成果的积极影响。这些研究表明，FR作为积极的推动者，增强了公司抓住机会并将协作努力转化为卓越创新成果的能力。因此，我们提出以下假设：

H2: FR与CIO正相关。

HR和CIO

公司的人力资源是其在复杂协作环境中学习、适应和创新的能力基础。具有多样化技术专长和创造性洞察力的员工在解读外部信号、结合内部和外部知识并将其转化为可执行创新方面起着核心作用（Aronica等人，2025；Gomes等人，2025）。在制造业集群中，跨组织学习和共同解决问题的常规性使得人力资本的深度和多样性决定了公司与合作伙伴合作的成效（Franco等人，2024）。通过动态能力视角，HR在重新配置过程中起着重要作用，该公司在此阶段将内部能力与外部机会对齐。有才华和适应性的员工使公司能够重新解释新信息，调整现有流程，并重组资源以满足新兴的技术和协作需求（Forliano等人，2022）。拥抱实验和合作的员工团队增强了组织的敏捷性，建立了信任关系，并减少了协作网络中的沟通障碍（Caligiuri，2025；Kafouros等人，2020）。最近的研究为这些机制提供了持续的支持。投资员工发展、鼓励跨职能团队合作并培养协作思维的公司从基于网络的创新中获得了更大的收益（Oguguo等人，2020）。You等人（2021）进一步观察到，较高的人力资本密度放大了知识共享在集群网络中的积极影响。综合这些发现，HR不仅作为创新的输入，还是一个动态驱动因素，使公司能够重新配置能力并获得更好的CIO。因此，我们提出以下假设：

H3: HR与CIO正相关。

INE的中介作用

在创新研究中，特别是在工业集群的背景下，网络嵌入性的概念作为一种核心机制出现，公司通过它来获取外部资源和能力（Exposito-Langa等人，2018）。INE指的是公司在促进创新相关知识交流、共创和吸收的跨组织网络中的结构和关系整合程度（Boxu等人，2022；Han等人，2020；Li & Liu，2023；Lyu等人，2019；Yan等人，2020）。随着协同创新越来越多地依赖于超越公司边界的知识流动，INE作为这些流动的通道，同时也将内部前因与外部结果联系起来（Shi等人，2019）。将INE视为中介的理论依据在于它的双重功能：它将内部条件（如能力、资源）转化为外部关系互动，并将环境刺激转化为结构化的合作伙伴关系（Cowan等人，2007；Zheng等人，2011）。在这种意义上，嵌入性不仅仅反映了公司的合作伙伴身份；它还反映了公司在知识密集型协作中的深度和参与质量（Jha & Cottam，2021；Shi等人，2019）。基于动态能力视角，网络嵌入性作为一种关系机制，使公司能够利用其内部优势追求创新。拥有强大IC、充足财务灵活性和熟练人力资源的公司更有能力识别有价值的外部知识，整合互补资源，并维持长期协作（Forliano等人，2022；Kafouros等人，2020；Moon，2024）。网络嵌入性为公司提供了将内部重构努力与外部协作对齐的组织背景。因此，它将能力潜力转化为集体创新成果。最近在制造业和高科技领域的研究越来越多地支持这一综合性观点。研究表明，公司的内部创新和资源能力主要通过其在基于相互信任、信息共享和共同目标的跨公司网络中的参与来增强创新成果（Dongling等人，2022；Garousi Mokhtarzadeh等人，2020）。这些网络增强了公司的吸收和整合能力，使它们能够共同开发技术解决方案并迅速适应集群层面的变化（Shi等人，2021）。因此，INE代表了一个动态的关系过程，通过这个过程，能力驱动的准备状态演化为集体价值创造。因此，INE被提出作为连接内部能力和资源与CIO的关键中介机制。FR和HR共同塑造了公司的创新能力和其在网络中的参与深度，从而维持了长期的创新。拥有丰富FR的公司具有投资长期伙伴关系的灵活性，能够吸收初始合作成本，并共同资助不确定的研发活动，从而加深了其在创新网络中的整合（Kafouros等人，2020；Moon，2024；Q.-J. Wang等人，2022）。这种财务灵活性使公司能够在与合作伙伴保持长期协作的同时追求技术机会，促进相互承诺和信任，这是深度嵌入网络的特征（Boxu等人，2022；J. Zhao，2023）。同样，HR通过其认知和社会资本增强了网络嵌入性。熟练的员工作为桥梁，在组织界面之间传递隐性知识，建立信任关系，并促进合作伙伴之间的共同理解（Jiang等人，2023；van Houten，2023）。他们的协作能力和吸收能力使公司在创新联盟中更具吸引力和可靠性（Benhayoun等人，2021）。经验丰富的研发人员和跨职能团队的存在促进了内部协调，这对于维持外部合作至关重要，确保通过嵌入式网络获得的知识能够被有效吸收和利用（Lindblom & Martins, 2022）。总体而言，财务和人力资源部门作为基础，使企业能够发展和维持嵌入式网络地位，将潜在的关系访问转化为实际的创新成果。通过内部网络嵌入（INE），这些资源优势得以转化为富有成效的协作交流，加速了共同学习和共享实验的结果转化，例如新产品、流程改进和竞争力的提升。因此，提出以下假设：
H4a：INE调节了内部能力（IC）与首席信息官（CIO）之间的关系。
H4b：INE调节了财务资源（FR）与CIO之间的关系。
H4c：INE调节了人力资源（HR）与CIO之间的关系。
内部网络嵌入（IANE）的调节作用为企业内部优势转化为CIO提供了机制。然而，这一机制的有效性在很大程度上取决于塑造员工参与开放合作意愿的内部环境。最近的研究指出，IANE是一个关键的情境因素，反映了组织内部对支持、开放性和容忍实验及风险承担的共同认知（Newman et al., 2020; Xie et al., 2018）。与一般组织氛围不同，IANE捕捉了鼓励知识共享、创造性解决问题和跨越边界学习的微观文化条件（Li & Luo, 2025）。
在具有不确定性、认知复杂性和相互依赖性的协作网络中，制造企业需要的不仅仅是结构上的连接来实现创新收益。强大的IANE能够培养心理安全感和信任，使员工能够有效解释、内化并应用外部知识（Zhao, 2023）。相反，当这种氛围薄弱时，即使网络密集也可能无法产生有意义的结果，因为个人会犹豫是否分享想法或承担风险。实证研究表明，支持创新的文化能够增强组织间的知识整合和创新绩效（Andreeva & Kianto, 2012; Baxter et al., 2013）。例如，Frankort (2013) 发现具有开放创新文化的公司从联盟合作中获得了更大的收益，而Li和Luo (2025) 则证明了IANE在中国高科技产业集群中加强了联盟学习与企业绩效之间的联系。在这方面，IANE可以被视为一种促进环境，通过促进开放沟通、适应性学习和跨组织边界的共同承诺来放大网络嵌入的好处。因此，我们提出以下假设：
H5：IANE积极调节INE与CIO之间的关系，即在IANE较高的情况下，这种关系更为牢固。

方法
样本与程序
本研究的实证数据通过2024年7月至8月在中国浙江省进行的两阶段实地调查和半结构化访谈收集。研究重点关注嵌入在“2 + 4 + X”先进制造产业集群系统中的企业，该系统包括两个传统行业（硬件和纺织）、四个新兴行业（新能源汽车、光子学、先进设备、生物医学）以及几个前沿领域（如量子通信）。选择浙江是因为它代表了中国最成熟的省级集群生态系统之一，在这里创新既是市场驱动的也是政策驱动的，为考察企业能力和资源如何与政策中介的创新网络互动提供了理想的环境。具体而言，浙江为研究协作创新提供了特别相关的背景，因为其制造集群代表了政策驱动的产业集聚模式。与发达经济体中自然形成的集群不同，浙江的集群是通过省级和市级倡议（如创新券计划、共享研发平台和产业升级政策）战略培育而成的。
基于这一制度背景，我们采用了多阶段定向抽样方法，以确保不同子集群和地理区域的充分代表性。整体抽样和数据收集过程如图2所示。具体来说，研究团队根据各地区的工业活动水平，选择了四个城市（金华、余吾、东阳、永康）、三个区（吴城、金义新区、经济开发区）和三个县（浦江、磐安、武义）作为关键调查地点。在这些区域内，通过基于区域工业分布数据的定额抽样方式选择了企业层面的受访者。
在正式调查之前，对“2 + 4 + X”制造产业集群系统中的35位高管进行了深入的半结构化访谈。受访者包括总经理、研发总监以及战略或技术部门负责人，他们都具有重要的决策权，并在协作创新方面有长期经验。选择这些受访者的标准有三个：（1）至少有五年与创新相关的管理经验；（2）积极参与企业间或校企合作；（3）愿意提供关于集群层面创新实践的反思性见解。这些访谈旨在对测量量表进行本地化调整和完善，在政策驱动的集群环境中验证概念模型，并收集有关协作动态、资源整合以及制造企业面临的制度挑战的定性见解。
第一波调查在7月第二周进行，重点关注三组独立变量：感知的组织能力（包括IC和吸收能力）、资源条件（包括FR、HR、技术资源和PS）以及环境压力（包括市场需求压力和竞争强度）。通过经过培训的统计员进行面对面访问，共发放了572份纸质问卷，收到503份有效回答，初始响应率为87.9%。采用面对面方式旨在提高回答的可靠性并减少无回答偏差。
第二波调查针对同一组受访者，在第一轮调查两周后在线进行，重点收集关于每家企业内感知到的INE和IA的数据。这轮调查从最初的503名参与者中获得了426份有效回答。两周后，通过另一项在线调查对完成第二轮调查的人进行了第三轮调查，重点关注对CIO的感知。最终轮次共获得332份有效回答，累计有效响应率为58.0%。受访者范围从前线员工到中层经理和高级管理人员，涵盖了与研发、创新或战略规划相关的各种角色。

测量
本研究使用的测量工具改编自现有文献中的成熟量表。这些测量工具原本是英文的，我们使用翻译/回译程序将其翻译成中文（Brislin, 1970）。所有构念都使用5点李克特量表进行测量，范围从1（“强烈不同意”）到5（“强烈同意”）。

IC
根据Saunila和Ukko (2012) 的观点，我们从过程导向的角度概念化了IC，关注内部组织过程如何受到创新努力的影响和提升。IC使用4个项目量表进行测量（Cronbach’s α = 0.904），涵盖诸如流程灵活性、质量改进和运营可靠性等维度。示例项目包括：“我们的企业通过创新驱动的流程改进确保产品和服务的质量”以及“由于信息流的增强，我们的决策过程更加灵活和响应迅速”。

FR
FR使用4个项目量表（α = 0.885）进行测量，该量表改编自Julian和Ofori-dankwa (2013)。受访者评估了财务渠道的可用性。示例项目包括：“我们的企业具有稳定的财务表现，确保了运营连续性”，“我们的企业在需要时可以获得外部融资（例如银行贷款、投资）”以及“我们保持足够的流动性来管理短期义务和未来增长”。

HR
我们使用基于Subramaniam和Youndt (2005) 的5个项目量表（α = 0.895）来测量HR。这些项目评估了员工能力和协作准备情况。示例项目包括：“我们的员工具备强大的技术和专业技能”，以及“我们的企业拥有具有多样专业领域的平衡员工队伍”。

INE
我们使用Lyu等人（2019）改编的5个项目量表（α = 0.917）来测量INE。这些项目反映了企业间的正式和非正式联系。示例项目包括：“我们的企业经常与外部组织交流创新相关信息”，以及“我们的企业与创新生态系统中的各种外部参与者保持着紧密联系”。

IA
我们使用Xie等人（2018）开发的3个项目量表（α = 0.855）来测量IA。受访者评估了当地的创新文化和政府对创新的重视程度。示例项目包括：“我们的本地环境鼓励实验和对新想法的开放态度”，以及“我们周边地区的企业在追求技术升级方面表现出强烈的动力”。

CIO
因变量CIO使用5个项目量表（α = 0.925）进行测量，该量表改编自Ates (2022)和Swink (2006)。该量表评估了信任、沟通、资源效率、创新能力和竞争力等方面的成果。示例项目包括：“由于外部创新的参与，我们的企业提高了产品和服务的质量或新颖性”，以及“参与组织间创新提高了我们应对市场或技术变革的能力”。

控制变量
根据Bernerth和Aguinis (2016) 的建议，我们纳入了与CIO具有理论相关性的控制变量。具体来说，我们控制了企业年龄（以年为单位）、企业规模（以员工人数衡量）、所有权类型（1 = 国有企业，2 = 私营企业，3 = 外资企业，4 = 合资企业）、行业类型（对传统行业与新兴行业进行虚拟编码）以及研发强度（以研发收入占总收入的百分比衡量）。
首先，企业年龄可能因积累的经验或组织惯性而影响创新能力；较老的企业可能拥有成熟的系统，但也可能抵制颠覆性合作（Withers et al., 2011）。其次，企业规模与创新投资能力和合作伙伴多样性相关，较大的企业通常拥有更多的合作资源（Dooley et al., 2016）。第三，所有权类型在中国政策驱动的集群中是一个显著因素，因为国有企业可能获得不同于私营或外资企业的不同水平的制度支持（Xia & Walker, 2015）。最后，研发强度是已知的创新成果预测因素；将其纳入研究是为了区分协作投入与内生投资能力的影响（Berchicci et al., 2016）。此外，政策支持和市场需求压力也被作为控制变量纳入，以解释可能影响企业协作行为的外部制度和市场环境（详见附录表A1）。政策支持反映了政府干预和产业指导的程度，这些因素促进了或限制了协作创新（Georgallis et al., 2019），而市场需求压力则捕捉了企业在动态市场条件下被迫创新的竞争和适应性压力（Zhu & Wang, 2021）。

共同方法偏差（CMB）和验证性因素分析（CFA）
为了评估CMB的潜在问题，我们进行了一系列验证性因素分析。单因素模型的结果显示，所有项目都加载到一个潜在构念上时，模型拟合度较差（χ2 = 4287.516, χ2/df = 9.821, CFI = 0.298, TLI = 0.255, RMSEA = 0.128, SRMR = 0.162），表明共同方法方差不太可能是显著威胁。
根据Podsakoff等人（2003）的方法，我们进一步比较了多个嵌套的CFA模型以评估构念的独特性。如表1所示，测量模型的拟合度显著优于所有替代模型（χ2 = 1124.668, χ2/df = 2.164, CFI = 0.949, TLI = 0.938, RMSEA = 0.047, SRMR = 0.054）。

表1. CMB和CFA的结果。

模型
| 因素 | χ2 | χ2/df | CFI | TLI | RMSEA | SRMR |
|----------------|-----------|---------|---------|---------|---------|
| 单因素（IC+FR+HR+INE+IA+CIO） | 4287.516 | 9.821 | 0.298 | 0.255 | 0.128 |
| 三因素（IC+FR+HR, INE, IA+CIO） | 1983.742 | 5.371 | 0.781 | 0.752 | 0.103 |
| 四因素（IC+FR+HR, INE, IA, CIO） | 1624.518 | 4.112 | 0.854 | 0.832 | 0.078 |
| 五因素（IC, (FR+HR), INE, IA, CIO） | 1369.273 | 3.014 | 0.903 | 0.886 | 0.062 |
| 六因素（基线） | 1124.668 | 2.164 | 0.949 | 0.938 | 0.047 |
| 六因素 + CMF（IC, FR, HR, INE, IA, CIO, CMF） | 1072.931 | 12.008 | 0.956 | 0.944 | 0.043 |

为了更严格地检验CMB，我们在10因素模型中添加了一个潜在的共同方法因素。结果表明，拟合指数仅有轻微改善（χ2 = 1072.931, χ2/df = 2.008, CFI = 0.956, RMSEA = 0.043, SRMR = 0.051），这表明CMB在本研究中不是严重问题。

描述性统计和相关性分析
表2展示了所有变量的均值、标准差和皮尔逊相关系数，包括控制变量和关键潜在构念。对角线上显示了平均方差的平方根（√AVE），其值超过了所有相应的构念间相关性，支持了构念间的区分有效性。尺寸0.214???–3；类型0.176；0.204–4；研发0.298??0.261??0.153–5；政策支持0.126*0.145*0.102*0.196???0.833；市场需求压力0.118*0.1270.0890.178*0.366??0.819；创新网络 embeddedness (INE)0.205??0.222*0.1380.265*0.391??0.331???8；财务资源 (FR)0.1430.1580.120*0.209??0.459??0.376???9；人力资源 (HR)0.134*0.142*0.1130.194*0.404??0.347??；创新氛围 (IA)0.146*0.174???0.1260.211*0.374*0.361；指标负值 (IA?)0.118?0.1060.0960.178*0.383??0.349；首席信息官 (CIO)0.177*0.164??0.129*0.228*0.401???0.384。平均值12.312；标准差7.506；变量数量789；变量的最大值12、最小值1。

注：
(1) 对角线上的数值（粗体）是每个潜在变量平均值的平方根 (AVE)。
(2) IC = 创新能力；FR = 财务资源；HR = 人力资源；TR = 技术资源；PS = 政策支持；MDP = 市场需求压力；MDCI = 市场竞争强度；INE = 创新网络 embeddedness；IA = 创新氛围；CIO = 协同创新成果。
(3) *p < 0.05；??p < 0.01；???p < 0.001。

结果表明，创新网络 embeddedness (IC，r = 0.418，p < 0.01)、财务资源 (FR，r = 0.354，p < 0.001)、人力资源 (HR，r = 0.367，p < 0.001)、创新网络 embeddedness (INE，r = 0.428，p < 0.01) 和创新氛围 (IA，r = 0.304，p < 0.01) 与首席信息官 (CIO) 均呈正相关。这些关系表明，具有更强内部资源、更高创新能力以及更有利网络和文化条件的公司倾向于实现更好的协同绩效。控制变量（包括公司年龄、规模、类型、研发强度、政策支持和市场需求压力）与关键构念之间存在中等程度的相关性，且系数均未超过0.70的阈值，表明没有多重共线性问题。总体而言，这些描述性结果为假设的关系提供了初步支持，并为后续的结构方程建模分析提供了依据。

**假设检验**
为了检验假设，我们使用了 Mplus 8.3 进行了结构方程建模。控制变量中，研发强度 (B = 0.109，p < 0.01)、政策支持 (B = 0.182，p < 0.01) 和市场需求压力 (B = 0.146，p < 0.01) 都对首席信息官 (CIO) 有显著的正向影响，表明内部创新努力和有利的外部条件共同提升了公司的协同绩效。此外，公司年龄对创新网络 embeddedness (INE，B = 0.097，p < 0.01) 也有显著的正向影响，表明更成熟的公司在其创新网络中的位置更好。其他控制变量（包括公司规模和所有权类型）未显示出显著效果。

**中介效应分析**
为了检验创新网络 embeddedness (INE) 在关键前因与首席信息官 (CIO) 之间的关系中的中介作用，我们使用 Mplus 8.3 进行了偏差校正的自助法（5000次重抽样）。表 4 显示，INE 通过 IC 对 CIO 的间接效应显著 (间接效应 = 0.063，标准误 = 0.020，p = 0.002，95% 置信区间 = [0.041, 0.085])；FR 通过 INE 的间接效应也显著 (间接效应 = 0.048，标准误 = 0.018，p = 0.009，95% 置信区间 = [0.020, 0.076])；人力资源 (HR) 的间接效应同样显著 (间接效应 = 0.036，标准误 = 0.016，p = 0.021，95% 置信区间 = [0.004, 0.068])。这些发现共同表明，公司具备更强的内部能力和资源禀赋时，更有可能有效地融入创新网络。此外，支持性的创新氛围 (IA) 对 CIO 也有显著的正向影响 (B = 0.235，p < 0.01)，表明联系紧密的公司通过基于网络的学习和资源共享能够实现更好的协同绩效。

**调节效应分析**
为了检验创新氛围 (IA) 在创新网络 embeddedness (INE) 与首席信息官 (CIO) 之间的关系中的调节作用，我们采用了潜在交互作用建模方法，并在结构方程模型中加入了两个变量之间的交互项。表 5 的结果显示，交互效应为正且具有统计学意义 (B = 0.079，标准误 = 0.033，p = 0.017，95% 置信区间 = [0.046, 0.112])。这表明，在支持性的创新氛围下，INE 对 CIO 的正向影响更为强烈。

**讨论**
总体而言，本研究利用浙江省“2 + 4 + X”先进制造集群的调查数据，探讨了内部能力和资源如何驱动首席信息官 (CIO) 以及这些效应发生的机制。研究结果表明，创新网络 embeddedness (IC)、财务资源 (FR) 和人力资源 (HR) 显著提升了首席信息官的绩效，证实了内部能力和资源充足性是企业间合作的基本推动因素。控制变量中，研发强度、政策支持和市场需求压力也具有显著的正面影响，表明具有更强创新投入和支持性政策或市场环境的公司更有可能实现有效的协同。进一步分析显示，创新网络 embeddedness (INE) 在其中起到了关键的中介作用。研究还表明，支持性的创新氛围增强了创新网络 embeddedness 对协同绩效的积极影响。因此，鼓励管理者营造一种促进创新和承担风险的组织氛围，从而放大网络参与所带来的收益，并提升创新绩效。此外，本研究为政策制定者和在政策推动的集群环境中运作的企业提供了实用的见解。对于政策制定者而言，研究结果表明，政府协调和资源引导应当从单纯的管理方式转变为支持企业发展能力和基于网络的创新的方式。加强市场导向机制和跨部门合作可以提高这些集群的可持续性。对于企业而言，研究结果强调了在积极培养关系能力和创新能力的同时利用政府支持的重要性，从而减少对政策激励的过度依赖。最后，浙江的政策推动模式为其他希望平衡国家引导与市场动态以促进协同创新的经济体提供了一个宝贵的参考。

**局限性与未来方向**
尽管如此，仍存在一些局限性。首先，浙江政策推动的制造业集群的实证环境可能限制了研究结果的普遍性。这些集群在某种程度上依赖于政府协调、行政支持机制和有指导的资源分配。因此，本研究中发现的机制可能在国家主导的创新生态系统中较为显著，但在市场驱动的环境中可能不那么明显。未来的研究可以进行跨国或跨地区的比较，以评估这些机制在不同制度背景下的运作情况是否相似。

其次，尽管本研究采用了多波调查设计来减少选择偏差（CMB）并建立时间顺序，但数据仍然是横截面的。这限制了我们对内部能力、外部条件、网络嵌入性和创新结果之间关系进行强因果推断的能力。未来的研究可以采用纵向或面板设计，追踪动态能力和网络结构如何随着政策或市场条件的变化而演变。

第三，当前模型虽然涵盖了关键的组织、资源和环境因素，但并未充分考虑创新合作中的微观层面行为或关系动态，例如信任建设（Hardwick等人，2013年）、权力不对称（Cutolo和Kenney，2021年）或协调流程（Banks等人，2016年）。未来的研究可以整合定性或混合方法，以揭示企业在实践中如何应对协同创新过程的“黑箱”问题。此外，中介效应（IA）的调节作用表明需要进一步探讨组织文化、领导力或激励系统（Yi等人，2025年）如何影响企业将外部联系转化为实际创新成果的能力。

**数据可用性**
如需获取研究数据，可提出合理请求。

**资金支持**
本研究得到了浙江省教育厅科学研究基金（项目编号Y202455934）和金华市科学技术计划公益技术应用研究项目（项目编号2025–4–045）的支持。

**作者贡献声明**
张胤薇：撰写——审稿与编辑、撰写——初稿、资源获取、项目管理、方法论、数据整理、概念化。
易涛：撰写——审稿与编辑、撰写——初稿、可视化、验证、软件应用、方法论、正式分析、概念化。