企业管理论文哪里有？本文由“静态双元”到“双元转换”探索技术研究新范式，实证检验得出，动态研发跳跃有助于提升技术质量绩效和数量绩效。企业管理者在调整研发策略时，应当注重在探索式创新和利用式创新之间动态把握转换的时机和方向，提升创新技术的“通用性”和“基础性”，以达成更好的溢出效应。
第1章 绪论
1.5 创新之处
本研究围绕企业研发跳跃的知识前因和创新绩效结果进行了一系列探索，相对于已有相关领域研究，主要有以下几方面的创新。
首先，以往对于利用式创新和探索式创新的研究多是集中在静态双元层面，学者往往将两者割裂开来看，分别探讨各自的影响机制。而本文从动态视角出发，将企业进行探索式创新和利用式创新看成是一个时间轴上不同时间点做出的二元选择，两者处于间断平衡模式，研发跳跃这一变量刻画出了这种动态性，这一视角更加贴合现实企业研发的战略选择实际，具有创新性。
其次，本文以研发跳跃为研究起点，同时探索了研发跳跃的前因和绩效结果。当前学者只研究了研发跳跃对于企业财务绩效的影响，以及组织冗余。吸收能力等调节变量的权变作用。本文一方面从知识视角出发，研究最为根本的知识宽度和深度基础对研发跳跃的作用，另一方面也研究了研发跳跃对于企业技术创新绩效的影响，创新绩效又同时包含质量绩效和数量绩效，考察创新的数量、基础性和通用性，具有全面性和创新性。
再次，本文将数字化技术作为调节变量引入研究，分析数字化情境下研发跳跃前因后果的关系会发生怎样的变化。研究数字化对于研发创新的影响机制，对于我国企业把握数字化战略时机，引导数字化带动技术跨越式发展具有重要战略意义。数字化时代企业的研发战略选择需要结合时代特点，顺势而为，本文调节变量的选择具有创新性和很强的现实意义。
最后，本文基于九大战略性新兴产业的企业，构建专利和数字化数据库，具有本土性和创新性。本文在实证研究部分结合了多个二手数据库，搜集了完整的九大战略性新兴产业的专利申请、专利引用数据，结合文本分析法采用Python抓取了企业年报中的数字化字段，构建一个关于我国企业知识基础、专利基础、数字化与财务数据为一体的全面数据库。这一数据库为探索企业的知识应用和动态研发情况，为我国企业通过研发跳跃战略、 研发次序战略和动态耦合等战略，把握技术创新高地、进而引领全球技术奠定微观基础，具有前沿揭示性。
第3章 研究假设
3.1 知识基础与企业研发跳跃
3.1.1 知识宽度与企业研发跳跃
企业的知识宽度越广，涉及的技术领域越多，知识就越多样化。一般认为，企业在相对稳定的时期进行利用式创新，而在外部环境出现剧烈变化时进行探索式创新（Levinthal & March, 1993; Mudambi & Swift, 2011, 2014），这种创新的转变是一种剧烈的变化，要求企业内所有要素改变其做法（March, 1991），跨越多领域的知识宽度为研发跳跃提供知识基础。知识宽度一方面会增加新知识挖掘、整合以及重组的可能性和新颖性，但是另一方面也增加了知识整合的复杂性和高度不确定性，因此本文认为知识宽度与研发跳跃呈倒U型。
当知识宽度由低到中等水平时，企业内部多样化的知识基础有助于其利用跨领域的知识组合准确定位、识别新的技术轨道，进行广泛、远距离的技术搜索，从而促进企业研发在双元创新之间进行有机转换，即研发跳跃。
首先，从企业内部知识领域来看，多样化知识是知识整合和重组的基础。对企业内部的已有知识而言，使用同一组知识元素所能产生的创新数量有限。企业涉及的知识领域异质性程度越高，那么企业挖掘新的有用组合的可能性就越大（Katila & Ahuja, 2002; Schilling & Green, 2011; Chai, 2017）。知识宽度大代表其各个知识背景和领域的重合程度小（Diguardo et al., 2014），这为企业搜索研发跳跃所需的知识提供了广泛的技术基础，因此，企业内部多样化知识是企业在现有技术范式基础上，开拓新的技术轨道以实现研发跳跃的必要前提。
第5章 数据分析与结果
5.1 描述性统计分析
样本主要变量的描述性统计结果如表5.1 所示，主要展示了样本数据的均值、标准差和Pearson 相关系数及显著性水平。由表可得：（1）各变量均值与标准差：创新质量绩效 (0.479)，创新数量绩效(42.01)，研发跳跃（14.13），知识宽度（7.302），知识深度（1.561），数字化（25.83）；标准差：创新质量绩效 (0.33)，创新数量绩效(128.1)，研发跳跃（81.69），知识宽度（9.283），知识深度（49.14），数字化（44.23）；（2）多重共线性：各自变量间的相关系数均小于0.5 ，直观上不存在多重共线性。进一步检验，得到各主要变量的方差膨胀因子（VIF）的值均小于10，均值为2.14，因此判定不存在多重共线性。（3）相关系数水平：知识宽度与研发跳跃负相关（r=-0.03，p<0.1），初步验证了知识宽度越大，可能对研发跳跃产生的负向影响；知识深度与研发跳跃负相关（r=-0.003，p>0.1）；研发跳跃与创新质量绩效正相关（r=0.06，p>0.1），与创新数量绩效负相关（r=-0.02，p>0.1），这在一定程度上证明了本文研究思路具备可行性，但还需进一步通过回归验证。
5.2 研发跳跃知识前因的数据分析
5.2.1 假设检验
本文使用的样本数据是2009-2019年平衡面板数据，在回归之前，首先对数据做如下处理：①为避免极端数值对实证结果的影响，对所有连续变量在1%的水平上做了缩尾处理。②为了降低潜在的反向因果问题，参考常用的内生性处理方法（Chen & Miller，2007），将所有解释变量滞后一期（t-1）后对被解释变量（t 期）回归。③为了避免模型中的不可观测变量对回归结果的扰动作用，采用固定效应的面板回归模型降低潜在的遗漏变量偏误,同时控制年份、行业固定效应。④考虑到本文所用的面板数据可能存在异方差、序列相关以及截面相关等问题，采用 Driscoll-Kraay标准误来估计（Driscoll & Kraay,1998）。⑤豪斯曼（Hausman）检验结果显示拒绝原假设，故采用固定效应模型。本文使用的统计分析软件是Stata16.0。本文使用的统计软件是Stata。
表5.2显示了企业知识基础与研发跳跃之间关系的回归结果，因变量是研发跳跃。模型1显示的是只包含控制变量的基础模型，模型2将知识宽度及其二次项引入到对研发跳跃的回归中，发现知识宽度的系数显著为正（r=0.222，p<0.01），回归二次项的系数显著为负（r=-0.011，p<0.01），说明知识宽度与企业研发跳跃间呈倒U型，适度的知识基础能够促进研发跳跃，但一旦超过一定值，过度知识基础带来的信息超载和知识冲突会不利于企业进行研发跳跃时机和方向的选择，从而抑制研发跳跃，假设1得到支持。模型3进一步将知识深度引入到对研发跳跃的回归中，发现知识深度的系数显著为负（r=-0.004，p<0.01）。说明知识深度负向影响企业研发跳跃，企业扎根在某一特定知识领域将不利于创新路径的转换与跳跃的发生，因此假设2亦得到支持。
第6章 研究结论与展望
6.3 研究局限与展望
本文不足之处在于：第一，知识基础具有诸多属性，比如知识的宽度和深度、知识的替代性和互补性、知识转移与知识距离、知识搜索与知识溢出等，本文只考察了知识宽度、深度这一组最为基本的知识属性，未来的相关研究可以从知识基础的其他重要属性探讨对研发跳跃的影响，丰富研究结论。第二，本文的研究样本选取的是战略性新兴产业企业，为保证数据的完整性，得到的最终样本只有312家，无论是样本选择的范围还是样本量，均存在一定局限性，后续研究可以在更大样本范围内的进行更为全面的探索。另外，本文将九大战略性新兴产业看成一个整体来研究，但基于我国各行业发展差距较大的现状，未来研究可以分行业研究得到更为细致的结论，以期为各行业研发创新与转换的选择提供更完善的思路。第三，本文对于研发跳跃这一核心变量，没有对跳跃的方向做更细致的区分，当企业从利用式创新转向探索式创新即发生了研发正向跳跃，相反则发生了负向跳跃，未来研究也可以做出这样的划分。此外，本文基于前人的研究，把研发跳跃看作是企业研发行为偏离轨迹出现的最显著变化，但在企业实际运行过程中，研发跳跃可能出现次数、次序以及频率的不同变化，这些方向都值得未来进一步探究。我们希望可以抛砖引玉，引起更多学者基于研发跳跃行为探索不同前因后果，进行更为丰富的研究和论证。
参考文献（略）
