技术多元化驱动企业创新绩效提升：基于中国上市企业的深度剖析

技术多元化驱动企业创新绩效提升：基于中国上市企业的深度剖析一、引言1.1研究背景与问题提出1.1.1研究背景在全球经济一体化进程加速、市场竞争愈发激烈的当下，技术创新已毋庸置疑地成为企业生存与发展的核心驱动力。从宏观层面看，随着科技的迅猛发展，各行业技术迭代周期不断缩短，产品和服务的更新换代速度日新月异。在这样的经济环境下，企业若不能及时跟上技术创新的步伐，就极易在市场竞争中被淘汰。例如，在智能手机行业，苹果公司凭借持续的技术创新，不断推出具有新功能和特性的产品，从而长期占据高端智能手机市场的重要份额；而曾经辉煌一时的诺基亚，由于在智能手机技术创新方面的滞后，逐渐失去了市场优势。从微观层面分析，企业的技术创新不仅能够提升产品和服务的质量，满足消费者日益多样化和个性化的需求，还能降低生产成本，提高生产效率，进而增强企业的市场竞争力。以制造业为例，引入先进的自动化生产技术和数字化管理技术，能够实现生产过程的精准控制和资源的优化配置，在提高产品质量的同时降低生产成本。技术创新还有助于企业开拓新的市场领域，发现新的商业机会，为企业的可持续发展提供有力支撑。中国上市企业作为中国经济的重要支柱，在推动国家技术创新和经济发展方面发挥着关键作用。在技术多元化方面，中国上市企业取得了一定的成绩。部分企业通过加大研发投入，积极开展跨领域技术研发，在多个技术领域取得了突破，形成了多元化的技术布局。华为公司在通信技术、芯片技术、人工智能技术等多个领域进行深入研发，不仅在5G通信技术领域处于全球领先地位，还在芯片研发和人工智能应用等方面取得了显著成果，为其在全球市场的拓展奠定了坚实的技术基础。不可忽视的是，中国上市企业在技术多元化进程中也面临着诸多挑战。一些企业由于缺乏明确的技术战略规划，在技术多元化过程中盲目跟风，分散了企业有限的资源，导致在各个技术领域都难以形成核心竞争力。技术多元化也对企业的技术管理能力提出了更高的要求，包括技术整合能力、技术人才管理能力等。许多企业在技术管理方面存在不足，无法有效整合和利用多元化的技术资源，影响了企业的创新绩效。技术多元化还面临着技术风险、市场风险等多种风险，如何有效应对这些风险也是企业需要解决的重要问题。1.1.2问题提出鉴于技术创新在企业发展中的重要性以及中国上市企业在技术多元化方面的现状与挑战，深入研究技术多元化与企业创新绩效的关系具有重要的理论和实践意义。从理论层面来看，虽然学术界对技术多元化与企业创新绩效的关系进行了一定的研究，但目前尚未形成统一的结论。部分研究认为技术多元化能够通过扩大企业的技术基础、促进技术知识的交流与融合等方式，提升企业的创新绩效；而另一些研究则指出，技术多元化可能会导致企业资源分散、管理复杂度增加，从而对企业创新绩效产生负面影响。因此，进一步深入研究两者之间的关系，有助于丰富和完善企业技术创新理论。从实践层面来看，对于中国上市企业而言，明确技术多元化与企业创新绩效的关系，能够为企业的技术战略决策提供科学依据。企业可以根据自身的实际情况，合理制定技术多元化战略，优化技术资源配置，提高创新绩效，增强市场竞争力。政府部门也可以根据研究结果，制定更加有效的产业政策和科技创新政策，引导企业加大技术创新投入，推动技术多元化发展，促进产业升级和经济结构调整。本研究拟解决的关键问题主要包括：技术多元化对中国上市企业创新绩效的影响是怎样的？两者之间存在怎样的内在作用机制？在不同的行业和企业规模等情境下，技术多元化与企业创新绩效的关系是否存在差异？通过对这些问题的深入研究，期望能够为中国上市企业的技术创新实践提供有益的参考和指导。1.2研究目的与意义1.2.1研究目的本研究旨在通过对中国上市企业的实证分析，深入探究技术多元化与企业创新绩效之间的内在关系，揭示两者之间的作用机制和影响因素。具体而言，一是明确技术多元化对企业创新绩效的直接影响，判断技术多元化程度的提高是否能显著提升企业创新绩效，以及这种影响的强度和方向；二是剖析技术多元化影响企业创新绩效的作用路径，如通过影响企业的技术整合能力、知识获取能力、研发投入效率等，进一步理解两者之间的内在联系；三是考察不同行业、企业规模等情境因素下，技术多元化与企业创新绩效关系的差异，为企业根据自身特点制定技术多元化战略提供针对性的建议。通过这些研究，期望为中国上市企业在技术创新战略选择和实施方面提供科学的理论依据和实践指导，助力企业提升创新绩效，增强市场竞争力。1.2.2理论意义从理论层面来看，本研究具有重要意义。技术多元化与企业创新绩效的关系是企业战略管理和技术创新领域的重要研究课题。目前，学术界对于两者之间的关系尚未达成一致结论，相关研究存在一定的分歧和争议。本研究通过对中国上市企业的实证研究，有助于丰富和完善这一领域的理论体系。通过深入分析技术多元化对企业创新绩效的影响机制，可以为企业技术创新理论提供新的视角和思路。例如，研究技术多元化如何促进企业内部技术知识的交流与融合，以及这种融合对企业创新绩效的提升作用，能够进一步深化对企业技术创新过程的理解。对不同情境因素下两者关系的考察，能够拓展企业技术创新理论的应用范围，使其更加贴近企业实际情况，增强理论的解释力和预测力。1.2.3实践意义在实践方面，本研究的成果具有广泛的应用价值。对于中国上市企业而言，明确技术多元化与企业创新绩效的关系，能够为企业的战略决策提供重要参考。企业可以根据研究结论，结合自身的资源和能力，合理制定技术多元化战略，避免盲目追求技术多元化而导致资源分散和创新绩效下降。企业可以根据自身所处的行业特点和规模大小，选择合适的技术多元化程度和方向，优化技术资源配置，提高创新绩效。对于政府部门来说，研究结果有助于制定更加科学合理的产业政策和科技创新政策。政府可以通过政策引导，鼓励企业加大技术创新投入，推动技术多元化发展，促进产业升级和经济结构调整。政府可以针对不同行业和规模的企业，制定差异化的政策措施，提高政策的针对性和有效性，为企业技术创新创造良好的政策环境。1.3研究方法与框架1.3.1研究方法本研究综合运用多种研究方法，以确保研究的科学性、严谨性和全面性，具体如下：文献研究法：系统梳理国内外关于技术多元化、企业创新绩效以及两者关系的相关文献，包括学术期刊论文、学位论文、研究报告等。通过对这些文献的深入分析，了解该领域的研究现状、已有研究成果和不足之处，明确研究的切入点和方向，为后续研究提供坚实的理论基础。例如，通过对大量文献的研读，总结出技术多元化的不同测量方法、企业创新绩效的评价指标体系以及已有的关于两者关系的理论观点和实证研究结论，从而为本研究的模型构建和假设提出提供参考。实证研究法：以中国上市企业为研究对象，收集相关数据进行实证分析。利用国泰安数据库、万得数据库以及各上市公司的年报等渠道，获取企业的技术多元化程度、创新绩效以及其他相关控制变量的数据。运用统计分析软件，如SPSS、Stata等，对数据进行描述性统计分析、相关性分析、回归分析等，以验证研究假设，探究技术多元化与企业创新绩效之间的关系及其作用机制。例如，通过构建多元线性回归模型，分析技术多元化程度对企业创新绩效的影响系数和显著性水平，判断两者之间是否存在显著的正相关或负相关关系。案例研究法：选取部分具有代表性的中国上市企业作为案例，深入分析其技术多元化战略的实施过程、创新绩效表现以及在技术多元化过程中所面临的问题和挑战。通过对这些案例的详细剖析，进一步验证实证研究的结果，为理论研究提供实践支持，并从实践中总结经验教训，为其他企业提供借鉴。比如，选择华为、中兴等在技术多元化方面取得显著成效的企业，分析其在通信技术、芯片技术、人工智能技术等多个领域的技术布局和创新成果，以及这些技术多元化举措对企业创新绩效的提升作用。对比分析法：对不同行业、不同规模的上市企业进行对比分析，研究技术多元化与企业创新绩效关系在不同情境下的差异。通过对比，揭示行业特征、企业规模等因素对两者关系的调节作用，为企业根据自身特点制定技术多元化战略提供针对性的建议。例如，对比制造业企业和服务业企业在技术多元化程度、创新绩效水平以及两者关系上的差异，分析行业特性对技术多元化与创新绩效关系的影响；比较大型企业和小型企业在技术多元化战略实施和创新绩效表现上的不同，探讨企业规模在其中的调节效应。1.3.2研究框架本研究的框架旨在全面、系统地探究技术多元化与企业创新绩效的关系，共分为六个章节，各章节紧密相连，逻辑关系清晰，具体内容如图1-1所示：图1-1研究框架图第一章：引言：阐述研究背景，点明在当前市场竞争激烈、技术创新至关重要的环境下，中国上市企业在技术多元化方面的现状与挑战，从而引出研究问题。明确研究目的是深入探究技术多元化与企业创新绩效的关系，分析其作用机制和影响因素。同时，阐述研究的理论意义和实践意义，强调本研究对丰富企业技术创新理论以及为企业和政府提供决策参考的重要性。第二章：文献综述：对技术多元化和企业创新绩效的相关理论进行详细阐述，包括资源基础理论、核心能力理论、组织学习理论等在技术多元化与企业创新绩效研究中的应用。全面梳理技术多元化和企业创新绩效的概念、度量方法，以及国内外关于两者关系的研究现状。通过对已有研究的总结和分析，指出目前研究的不足，为本研究提供理论依据和研究方向。第三章：理论分析与研究假设：基于相关理论，深入分析技术多元化对企业创新绩效的直接影响机制，以及技术整合能力、知识获取能力等在两者关系中的中介作用机制，同时探讨行业竞争程度、企业规模等情境因素的调节作用。在此基础上，提出一系列研究假设，为后续实证研究提供理论框架。第四章：研究设计：明确研究对象为中国上市企业，详细说明数据来源，如国泰安数据库、万得数据库和企业年报等。确定技术多元化、企业创新绩效及控制变量的具体测量指标，构建合理的实证研究模型，为数据收集和分析做好准备。第五章：实证结果与分析：对收集到的数据进行描述性统计分析，了解数据的基本特征。通过相关性分析和回归分析等方法，对研究假设进行检验，深入分析技术多元化与企业创新绩效之间的关系，验证中介效应和调节效应是否存在。对实证结果进行稳健性检验，确保研究结果的可靠性和稳定性。第六章：研究结论与展望：总结研究的主要结论，概括技术多元化对企业创新绩效的影响、作用机制以及情境因素的调节作用。基于研究结论，为中国上市企业制定技术多元化战略、提升创新绩效提出针对性的建议，同时为政府部门制定相关政策提供参考。指出本研究的局限性，如样本选取的局限性、研究方法的不足等，并对未来研究方向进行展望，为后续研究提供思路。二、理论基础与研究现状2.1技术多元化相关理论2.1.1技术多元化的概念界定技术多元化是指企业在生产经营过程中采用多种不同技术的程度，是企业拓展技术基础与能力范围的重要方式与策略。随着现代科技知识的加速更新以及产品“多技术”特征日益显著，企业仅依靠单一技术已难以满足市场竞争和创新发展的需求。在汽车制造领域，企业不仅需要具备传统的机械制造技术，还需融入电子信息技术、新能源技术等，以实现汽车的智能化和电动化发展，满足消费者对节能环保和智能驾驶的需求。从资源观视角来看，技术是企业的特殊资源，具有难以模仿和替代的特性，技术多元化能够帮助企业积累和整合多种技术资源，为企业创新提供更丰富的资源基础。从能力观角度出发，技术多元化有助于企业发展有机整合内部不同技术的核心能力，通过知识积累保持与众不同的技术能力，提升企业在复杂市场环境中的适应能力和竞争能力。知识基础观认为，企业是知识集合体，技术多元化使企业活跃在多个知识领域，通过技术知识杂交和跨领域应用构建独特竞争优势，有价值的新创意常常来自于对现有知识的创造性组合。演化经济学运用组织学习、路径依赖理论阐述了技术多元化的路径选择和发展模式，以及对组织构建竞争优势的作用，企业通过技术多元化可以实现技术的不断探索和挖掘，适应技术发展的动态变化。2.1.2技术多元化的度量方法在学术研究和企业实践中，准确度量技术多元化程度对于分析其对企业创新绩效的影响至关重要。目前，主要有以下几种常用的度量方法：技术领域覆盖指标：通过考察企业涉及的技术领域数量来衡量技术多元化程度。如果一家企业的业务涵盖了信息技术、生物技术、新能源技术等多个不同的技术领域，那么其技术领域覆盖范围较广，技术多元化程度相对较高。这种方法能够直观地反映企业在技术层面的多元化布局，但无法准确衡量企业在每个技术领域的深入程度和技术实力。专利数量和质量指标：专利是企业技术创新成果的重要体现，通过分析企业专利的数量和质量可以在一定程度上度量技术多元化。专利数量反映了企业在技术创新方面的活跃度，专利质量则可以通过专利的被引用次数、专利的权利要求数量等指标来衡量。一家企业拥有大量来自不同技术领域的专利，且这些专利的被引用次数较高，说明该企业在多个技术领域都有一定的技术创新能力，技术多元化程度较高。然而，专利数据也存在局限性，例如有些企业可能由于各种原因没有及时申请专利，或者专利申请的审批周期较长，导致专利数据不能完全准确地反映企业的技术多元化现状。研发投入分布指标：企业在不同技术领域的研发投入分布情况也可以作为度量技术多元化的依据。如果企业的研发投入均匀分布在多个技术领域，说明企业在积极开展多领域的技术研发，技术多元化程度较高；反之，如果研发投入主要集中在某一个或少数几个技术领域，则技术多元化程度较低。这种方法能够反映企业在技术研发资源配置上的多元化倾向，但研发投入的多少并不完全等同于技术创新成果的产出，还受到研发效率、市场需求等多种因素的影响。熵指数法：熵指数法是一种综合考虑企业在各个技术领域的相对份额的度量方法。该方法通过计算不同技术领域在企业整体技术构成中的比例，运用熵的原理来衡量技术多元化程度。熵指数越大，表明企业的技术多元化程度越高。熵指数法能够较为全面地反映企业技术多元化的整体情况，克服了单一指标度量的局限性，但计算过程相对复杂，需要准确获取企业在各个技术领域的详细数据。2.2企业创新绩效相关理论2.2.1企业创新绩效的概念企业创新绩效是衡量企业创新活动效果和效率的关键指标，它反映了企业通过创新活动在产品、市场和经济效益等方面所取得的成果。从狭义角度来看，企业创新绩效主要聚焦于企业在新产品开发及产品市场竞争力方面的表现，例如新产品的推出速度、新产品在市场上的销售情况以及产品的市场占有率等。从广义角度而言，企业创新绩效涵盖了从创新概念的产生、研发过程的推进，到创新成果成功推向市场这一全过程的绩效，不仅关注技术创新层面，还重视创新成果的商业化应用以及对企业整体运营和发展的影响。在产品创新维度，企业通过研发投入，开发出具有新功能、新特性或更高质量的产品，满足消费者不断变化的需求，从而提升企业在市场中的产品竞争力。苹果公司持续投入研发，推出的iPhone系列产品不断在外观设计、功能特性等方面创新，如引入全面屏设计、强大的摄像功能等，使其在智能手机市场中始终保持领先地位，这就是产品创新绩效的体现。在市场表现维度，创新能够帮助企业开拓新的市场领域，扩大市场份额，提高品牌知名度和美誉度。以特斯拉为例，其在电动汽车领域的创新，不仅开拓了新能源汽车这一新兴市场，还通过先进的电池技术、自动驾驶技术等，吸引了大量消费者，提升了品牌在全球市场的影响力。从经济效益维度，创新绩效体现在企业通过创新活动降低生产成本、提高生产效率、增加销售收入和利润等方面。一些企业通过引入先进的生产技术和管理模式，实现生产流程的优化，降低了原材料消耗和人力成本，同时提高了产品质量和生产速度，从而提升了企业的经济效益。2.2.2企业创新绩效的衡量指标在学术研究和企业实践中，为了准确评估企业创新绩效，通常采用多种衡量指标，这些指标从不同角度反映了企业创新活动的成果和效率，具体如下：新产品销售收入占比：该指标是指企业新产品销售收入在总销售收入中所占的比例，能够直接反映企业创新成果在市场上的商业价值实现程度。新产品销售收入占比越高，表明企业创新活动带来的市场收益越大，创新绩效越好。一家科技企业通过研发创新推出了一系列具有创新性的电子产品，这些新产品的销售收入在企业总销售收入中的占比逐年上升，说明该企业的创新绩效良好，创新成果得到了市场的认可。专利申请数量：专利是企业技术创新成果的重要法律体现，专利申请数量反映了企业在技术研发方面的活跃度和创新能力。企业申请的专利数量越多，意味着企业在技术创新方面投入的资源越多，并且取得了相应的技术创新成果。华为公司在通信技术领域拥有大量的专利申请，这显示了其在该领域强大的技术创新能力和持续的研发投入，为其在全球通信市场的竞争提供了有力支撑。专利授权数量：与专利申请数量相比，专利授权数量更能体现企业技术创新成果的质量和有效性。专利授权需要经过严格的审查程序，只有符合新颖性、创造性和实用性等条件的专利申请才会被授权。因此，专利授权数量是衡量企业创新绩效的重要指标之一。一些企业虽然专利申请数量较多，但专利授权数量较少，这可能意味着企业的专利申请质量有待提高，或者在技术创新方面还存在一些不足。新产品开发周期：指从新产品的概念提出到产品正式推向市场所经历的时间。新产品开发周期越短，说明企业能够更快地将创新成果转化为市场产品，响应市场需求的速度更快，创新效率更高。在快速发展的科技行业，如智能手机行业，企业不断缩短新产品开发周期，以更快地推出具有新功能和特性的产品，满足消费者对新技术的追求，提高企业的市场竞争力。研发投入强度：是指企业研发投入与营业收入的比值，反映了企业对创新活动的资源投入力度。研发投入强度越高，表明企业越重视技术创新，愿意投入更多的资源进行研发活动，为企业创新绩效的提升提供了物质基础。一些高科技企业，如谷歌、亚马逊等，始终保持较高的研发投入强度，不断探索新的技术和业务领域，推动企业持续创新和发展。创新产品成功率：是指成功推向市场并获得市场认可的创新产品数量与创新产品开发总数的比值。该指标衡量了企业创新活动的成功率，反映了企业在创新过程中对市场需求的把握能力、技术研发能力以及市场营销能力等。一家制药企业在新药研发过程中，创新产品成功率较高，说明该企业在药物研发技术、临床实验管理以及市场推广等方面具有较强的能力，创新绩效较好。2.3研究现状综述2.3.1技术多元化对企业创新绩效的影响研究技术多元化对企业创新绩效的影响是学术界长期关注的重要议题，然而目前学者们尚未达成一致的结论，形成了多种不同的观点。部分学者认为技术多元化对企业创新绩效具有显著的正向影响。从资源基础理论角度出发，技术多元化能够为企业积累丰富多样的技术资源。企业在涉足多个技术领域的过程中，获取了不同类型的技术知识、专利技术以及专业人才等资源。这些资源相互补充、协同作用，为企业的创新活动提供了坚实的物质基础和知识储备。在智能家电领域，企业不仅掌握了传统的家电制造技术，还融入了人工智能技术、物联网技术等。通过这些多元化技术的融合，企业能够开发出具有智能控制、远程互联等创新功能的家电产品，满足消费者对智能化生活的需求，从而提高产品的市场竞争力，提升企业的创新绩效。核心能力理论指出，技术多元化有助于企业培育和提升核心能力。企业在开展多元化技术研发的过程中，不断整合和优化内部的技术知识与能力，逐渐形成独特的、难以被竞争对手模仿的核心技术能力。这种核心能力使企业在市场竞争中脱颖而出，为创新绩效的提升提供有力保障。例如，苹果公司在计算机技术、通信技术、软件技术等多个领域进行深入研发，通过对这些技术的整合与创新，形成了以用户体验为核心的独特竞争力。其推出的iPhone系列产品，凭借在硬件设计、操作系统、软件应用等方面的技术优势，在全球智能手机市场占据重要份额，取得了显著的创新绩效。组织学习理论强调，技术多元化促进企业内部的组织学习和知识共享。当企业拥有多元化的技术时，不同技术领域的员工之间会进行更多的交流与合作，促进知识的流动和共享。这种跨领域的知识交流能够激发新的创意和想法，为企业创新提供源源不断的动力。以谷歌公司为例，其业务涵盖搜索引擎技术、人工智能技术、云计算技术等多个领域。公司内部鼓励不同技术团队之间的交流与合作，员工可以接触到来自不同领域的知识和技术，从而拓宽了思维视野，激发了创新灵感。谷歌公司在人工智能领域取得的诸多创新成果，如谷歌大脑项目等，都离不开其多元化技术背景下的组织学习和知识共享。另一些学者则持有相反观点，认为技术多元化可能会对企业创新绩效产生负面影响。技术多元化可能导致企业资源分散。企业的资源是有限的，当企业将资源分散投入到多个技术领域时，每个领域所能获得的资源相对减少。这可能导致企业在各个技术领域都难以进行深入的研发和创新，无法形成规模效应和竞争优势。例如，一些企业盲目追求技术多元化，在没有充分评估自身资源和能力的情况下，涉足多个不相关的技术领域。由于资源分散，企业在这些领域的研发投入不足，技术人才短缺，最终导致创新项目进展缓慢，无法取得预期的创新绩效。技术多元化会增加企业的管理难度和复杂性。不同的技术领域具有不同的技术特点、市场需求和管理模式，企业需要具备相应的管理能力和经验来协调和整合这些多元化的技术资源。当企业在技术管理方面能力不足时，可能会出现技术整合困难、项目进度失控、内部沟通不畅等问题，从而影响企业的创新效率和绩效。在一些企业中，由于缺乏有效的技术管理体系，不同技术部门之间各自为政，信息交流不畅，导致技术重复研发、资源浪费等问题，严重制约了企业创新绩效的提升。还有学者提出，技术多元化与企业创新绩效之间并非简单的线性关系，而是存在着复杂的非线性关系。有研究表明，在技术多元化程度较低时，随着技术多元化程度的增加，企业创新绩效会逐渐提升；但当技术多元化程度超过一定阈值后，继续增加技术多元化程度可能会导致企业创新绩效下降，呈现出倒U型关系。这是因为在技术多元化初期，企业能够充分利用多元化技术带来的资源和知识优势，促进创新绩效的提升；然而，当技术多元化过度时，资源分散和管理复杂性等问题会逐渐凸显，对创新绩效产生负面影响。部分学者认为技术多元化与企业创新绩效之间的关系受到多种情境因素的调节。行业竞争程度、企业规模、市场环境等因素都会对两者关系产生影响。在竞争激烈的行业中，技术多元化可能更容易发挥其优势，帮助企业通过创新获得竞争优势；而在竞争相对较弱的行业，技术多元化的优势可能不明显。企业规模也会影响技术多元化与创新绩效的关系，大型企业由于拥有更丰富的资源和更强的管理能力，可能更有能力应对技术多元化带来的挑战，从而实现创新绩效的提升；而小型企业在资源和管理能力有限的情况下，过度的技术多元化可能会对其创新绩效产生负面影响。2.3.2研究现状总结与不足现有研究在技术多元化与企业创新绩效关系领域取得了一定的成果，为后续研究奠定了基础，但仍存在一些不足之处。在研究样本选取方面，部分研究的样本范围较为狭窄。一些研究仅选取了特定行业或特定地区的企业作为样本，这可能导致研究结果的普适性受到限制。由于不同行业和地区的企业在技术特点、市场环境、政策支持等方面存在差异，基于单一行业或地区样本得出的研究结论难以推广到其他企业。某些研究仅以制造业企业为样本，探讨技术多元化与创新绩效的关系。然而，制造业企业与服务业企业、高新技术企业等在技术创新模式和创新绩效表现上可能存在较大差异，因此该研究结果无法准确反映其他行业企业的情况。未来研究应进一步扩大样本范围，涵盖不同行业、不同地区、不同规模的企业，以提高研究结果的普适性和可靠性。在变量控制方面，现有研究存在一定的局限性。技术多元化与企业创新绩效之间的关系受到多种因素的影响，除了已考虑的变量外，可能还存在其他重要的影响因素未被纳入研究模型。企业的创新文化、组织架构、战略导向等因素都可能对技术多元化与创新绩效的关系产生调节作用，但在一些研究中并未得到充分考虑。由于变量控制不全面，可能会导致研究结果存在偏差，无法准确揭示两者之间的真实关系。未来研究需要更加全面地考虑各种影响因素，完善研究模型，以提高研究结果的准确性和科学性。在研究方法上，虽然目前综合运用了多种研究方法，但仍有改进空间。一些实证研究主要依赖于二手数据，如上市公司年报、数据库等，这些数据可能存在信息不完整、准确性不足等问题。在某些情况下，企业可能会出于各种原因对年报中的数据进行粉饰，导致数据无法真实反映企业的实际情况。部分研究在问卷调查过程中，可能存在样本选择偏差、问卷设计不合理等问题，影响了研究结果的可靠性。未来研究应加强对数据质量的把控，综合运用多种数据收集方法，如实地调研、访谈等，以获取更全面、准确的数据。同时，要优化研究方法，提高研究设计的科学性和严谨性，减少研究误差。现有研究对技术多元化影响企业创新绩效的深层次作用机制研究还不够深入。虽然部分研究探讨了技术整合能力、知识获取能力等在两者关系中的中介作用，但对于这些中介变量之间的相互关系以及它们如何共同作用于企业创新绩效，还缺乏系统的分析。技术多元化如何通过影响企业的技术创新过程、组织学习过程以及市场拓展过程等，进而影响企业创新绩效，也需要进一步深入研究。未来研究应加强对作用机制的探索，运用更深入的理论分析和实证检验方法，揭示技术多元化与企业创新绩效之间的内在联系，为企业实践提供更具针对性的理论指导。三、研究假设与模型构建3.1研究假设提出3.1.1技术多元化与企业创新绩效的关系假设技术多元化对企业创新绩效的影响是本研究的核心问题。基于资源基础理论，企业拥有的独特资源是获取竞争优势的关键，技术多元化能够为企业积累丰富多样的技术资源，这些资源相互补充、协同作用，为创新提供坚实的物质基础和知识储备，从而提升企业创新绩效。从组织学习理论角度来看，技术多元化促进企业内部不同技术领域员工之间的交流与合作，推动知识的流动和共享，激发新的创意和想法，为创新提供源源不断的动力，进而对企业创新绩效产生积极影响。因此，提出假设1：H1：技术多元化对企业创新绩效具有显著的正向影响。3.1.2调节变量的作用假设动态能力在技术多元化与企业创新绩效关系中起着重要的调节作用。动态能力是企业整合、构建和重新配置内外部资源以适应快速变化环境的能力。当企业具备较强的动态能力时，能够更有效地识别和利用技术多元化带来的资源和机会。在面对市场需求变化时，动态能力强的企业可以迅速整合不同技术领域的资源，开发出满足市场需求的创新产品或服务，从而增强技术多元化对企业创新绩效的正向影响。基于此，提出假设2：H2：动态能力正向调节技术多元化与企业创新绩效的关系，即动态能力越强，技术多元化对企业创新绩效的正向影响越显著。技术关联也被认为是影响技术多元化与企业创新绩效关系的重要调节变量。技术关联指企业所涉及的不同技术之间的相关程度。当技术关联度较高时，企业在不同技术领域的知识和经验可以更好地相互借鉴和融合，降低技术整合成本，提高创新效率。在电子通信企业中，通信技术与芯片技术之间具有较高的技术关联，企业在这两个技术领域的研发活动可以相互促进，实现技术的协同创新，从而增强技术多元化对企业创新绩效的积极影响。反之，若技术关联度较低，不同技术之间的整合难度较大，可能会削弱技术多元化对企业创新绩效的正向作用。由此，提出假设3：H3：技术关联正向调节技术多元化与企业创新绩效的关系，即技术关联度越高，技术多元化对企业创新绩效的正向影响越明显。3.2研究模型构建3.2.1变量选取与定义自变量：技术多元化（TD）是本研究的核心自变量，反映企业在技术层面的多元化程度。采用专利分类号来度量技术多元化，根据国际专利分类（IPC）标准，将企业申请的专利按照技术领域进行分类。运用熵指数法计算技术多元化程度，公式为：TD=-\sum_{i=1}^{n}(p_{i}\times\lnp_{i})，其中p_{i}表示企业在第i个技术领域的专利数量占总专利数量的比例，n为企业涉及的技术领域数量。熵指数越大，表明企业的技术多元化程度越高。这种方法能够综合考虑企业在各个技术领域的专利分布情况，较为全面地衡量技术多元化水平。因变量：企业创新绩效（IP）作为因变量，是衡量企业创新活动成果的关键指标。从多个维度进行衡量，选用新产品销售收入占比（NPS）和专利申请数量（PA）两个指标。新产品销售收入占比反映了企业创新成果在市场上的商业转化程度，计算公式为：NPS=\frac{新产品销售收入}{总销售收入}，该比例越高，说明企业创新成果的市场价值实现越好，创新绩效越高。专利申请数量体现了企业在技术创新方面的活跃度和投入产出情况，专利申请数量越多，表明企业在技术研发方面的努力和成果越多，创新绩效相对较高。调节变量：动态能力（DC）作为调节变量，反映企业应对环境变化、整合和重新配置资源的能力。通过问卷调查的方式获取数据，问卷设计参考相关成熟量表，并结合企业实际情况进行调整。问卷内容涵盖企业对市场变化的感知能力、资源整合能力、战略调整能力等多个方面，采用李克特5级量表进行评分，1表示“非常不同意”，5表示“非常同意”，得分越高表示企业的动态能力越强。技术关联（TR）同样为调节变量，用于衡量企业所涉及的不同技术之间的相关程度。基于专利数据进行计算，首先确定企业涉及的主要技术领域，然后通过分析不同技术领域专利之间的引用关系来衡量技术关联度。如果两个技术领域的专利相互引用频繁，则认为它们之间的技术关联度较高。具体计算方法为：技术关联（TR）同样为调节变量，用于衡量企业所涉及的不同技术之间的相关程度。基于专利数据进行计算，首先确定企业涉及的主要技术领域，然后通过分析不同技术领域专利之间的引用关系来衡量技术关联度。如果两个技术领域的专利相互引用频繁，则认为它们之间的技术关联度较高。具体计算方法为：TR=\frac{\sum_{i=1}^{m}\sum_{j=1}^{n}c_{ij}}{m\timesn}，其中c_{ij}表示技术领域i和技术领域j之间的专利引用次数，m和n分别为企业涉及的不同技术领域数量。TR值介于0-1之间，值越大表示技术关联度越高。控制变量：选取企业规模（Size）、企业年龄（Age）、研发投入强度（RDintensity）和行业虚拟变量（Industry）作为控制变量。企业规模采用企业年末总资产的自然对数来衡量，企业年龄为企业自成立到研究年份的年数，研发投入强度为企业研发投入与营业收入的比值。行业虚拟变量根据企业所处行业进行设定，将样本企业划分为多个行业类别，以某一行业作为基准，其他行业分别设置虚拟变量，用于控制行业因素对研究结果的影响。3.2.2模型设定为了验证技术多元化与企业创新绩效之间的关系，以及动态能力和技术关联的调节作用，构建如下回归模型：IP_{it}=\alpha_{0}+\alpha_{1}TD_{it}+\sum_{k=1}^{4}\alpha_{k+1}Control_{kit}+\varepsilon_{it}IP_{it}=\beta_{0}+\beta_{1}TD_{it}+\beta_{2}DC_{it}+\beta_{3}TD_{it}\timesDC_{it}+\sum_{k=1}^{4}\beta_{k+3}Control_{kit}+\mu_{it}IP_{it}=\gamma_{0}+\gamma_{1}TD_{it}+\gamma_{2}TR_{it}+\gamma_{3}TD_{it}\timesTR_{it}+\sum_{k=1}^{4}\gamma_{k+3}Control_{kit}+\nu_{it}其中，i表示第i家企业，t表示年份；IP_{it}表示第i家企业在t年的创新绩效，分别用新产品销售收入占比（NPS）和专利申请数量（PA）衡量；TD_{it}表示第i家企业在t年的技术多元化程度；DC_{it}表示第i家企业在t年的动态能力；TR_{it}表示第i家企业在t年的技术关联度；Control_{kit}表示第i家企业在t年的第k个控制变量，包括企业规模（Size）、企业年龄（Age）、研发投入强度（RDintensity）和行业虚拟变量（Industry）；\alpha_{0}、\beta_{0}、\gamma_{0}为常数项；\alpha_{1}-\alpha_{5}、\beta_{1}-\beta_{7}、\gamma_{1}-\gamma_{7}为回归系数；\varepsilon_{it}、\mu_{it}、\nu_{it}为随机误差项。第一个模型用于检验技术多元化对企业创新绩效的直接影响；第二个模型用于检验动态能力在技术多元化与企业创新绩效关系中的调节作用，重点关注交互项TD_{it}\timesDC_{it}的系数\beta_{3}，若\beta_{3}显著且为正，则表明动态能力正向调节技术多元化与企业创新绩效的关系；第三个模型用于检验技术关联在技术多元化与企业创新绩效关系中的调节作用，通过交互项TD_{it}\timesTR_{it}的系数\gamma_{3}来判断，若\gamma_{3}显著且为正，说明技术关联正向调节两者关系。这些模型基于相关理论和研究假设构建，能够较为全面地探究技术多元化与企业创新绩效之间的复杂关系，以及调节变量在其中的作用机制，为实证研究提供了有效的分析框架。四、实证研究设计4.1样本选择与数据来源4.1.1样本选择本研究选取中国上市企业作为研究样本，主要基于以下几方面原因。上市企业作为中国经济的重要支柱，在各行业中具有代表性，其经营活动和决策对行业发展和经济增长有着重要影响。上市企业的信息披露较为规范和全面，能够为研究提供丰富、可靠的数据来源，有助于确保研究结果的准确性和可靠性。为了确保样本的质量和研究结果的有效性，本研究对样本进行了严格筛选。剔除了金融行业的上市企业，由于金融行业的业务性质、监管环境和财务特征与其他行业存在显著差异，其技术多元化和创新绩效的表现及影响因素也与非金融行业企业不同，将其纳入样本可能会干扰研究结果的准确性。排除了ST、*ST类企业，这类企业通常面临财务困境或经营异常，其经营决策和创新行为可能受到特殊因素的影响，与正常经营的企业存在较大差异，剔除它们可以使研究结果更具一般性和代表性。去除了数据缺失严重的企业，数据缺失会影响研究模型的估计和检验结果，为保证研究的科学性和可靠性，对关键变量数据缺失较多的企业进行了剔除。经过上述筛选，最终得到了[X]家上市企业在[具体时间段]的面板数据，组成了本研究的样本。4.1.2数据来源本研究的数据主要来源于多个权威渠道，以确保数据的全面性和准确性。企业的财务数据、公司治理数据等主要来源于国泰安数据库（CSMAR），该数据库是国内知名的金融经济数据库，涵盖了丰富的上市公司信息，数据质量较高，被广泛应用于学术研究和企业分析。技术多元化相关数据，如专利数据，通过国家知识产权局专利检索系统获取，并结合Wind数据库中的相关数据进行补充和验证。国家知识产权局专利检索系统提供了详细的专利信息，包括专利申请号、专利分类号、专利申请人等，能够准确反映企业的技术创新活动和技术多元化布局；Wind数据库在金融数据领域具有权威性，其提供的专利相关数据可以与国家知识产权局的数据相互印证和补充，提高数据的可靠性。企业创新绩效数据中的新产品销售收入数据，一方面从企业年报中手工收集整理，另一方面参考Wind数据库的相关统计数据。企业年报是企业对外披露经营信息的重要文件，其中包含了详细的产品销售信息，通过对年报的仔细研读和数据提取，可以获取准确的新产品销售收入数据；Wind数据库对企业财务数据进行了系统整理和统计，其提供的新产品销售收入数据可以作为参考，进一步核实和完善数据。专利申请数量等数据则通过国家知识产权局专利检索系统和Wind数据库获取，确保数据的完整性和准确性。动态能力数据通过问卷调查的方式收集。为了保证问卷的有效性和可靠性，问卷设计参考了国内外相关领域的成熟量表，并结合中国上市企业的实际情况进行了适当调整。问卷内容涵盖了企业对市场变化的感知能力、资源整合能力、战略调整能力等多个方面，采用李克特5级量表进行评分，1表示“非常不同意”，5表示“非常同意”。在问卷调查过程中，通过多种渠道向样本企业发放问卷，包括电子邮件、实地调研等，共发放问卷[X]份，回收有效问卷[X]份，有效回收率为[X]%。在数据收集过程中，对不同来源的数据进行了仔细核对和验证，以确保数据的一致性和准确性。对于存在疑问或不一致的数据，通过进一步查阅相关资料、与企业沟通等方式进行核实和修正，从而为后续的实证分析提供了高质量的数据基础。4.2变量测量4.2.1技术多元化的测量技术多元化程度的准确测量是研究技术多元化与企业创新绩效关系的基础。本研究主要采用专利分类法结合熵指数来衡量技术多元化。具体而言，基于国际专利分类（IPC）体系，对样本企业申请的专利进行详细分类。IPC将技术领域细分为多个类别，通过对企业专利在不同IPC类别的分布情况进行分析，能够直观反映企业技术活动的领域范围。在确定企业专利的IPC分类后，运用熵指数公式进行量化计算。熵指数能够综合考虑企业在各个技术领域专利数量的相对比例，其计算公式为：TD=-\sum_{i=1}^{n}(p_{i}\times\lnp_{i})，其中，TD代表技术多元化程度，n表示企业涉及的技术领域数量，p_{i}表示企业在第i个技术领域的专利数量占总专利数量的比例。当企业的专利均匀分布在多个不同的技术领域时，p_{i}的值相对均衡，熵指数TD较大，表明企业技术多元化程度高；反之，若专利集中在少数几个技术领域，p_{i}值差异较大，熵指数TD较小，意味着技术多元化程度低。例如，某企业在电子通信、生物医药、新能源三个技术领域均有专利布局，且各领域专利数量占比相近，经计算其熵指数较大，体现出该企业较高的技术多元化水平；而另一家企业大部分专利集中在电子通信领域，其他领域专利极少，其熵指数较小，技术多元化程度相对较低。这种测量方法综合考虑了技术领域的广度和各领域专利分布的均衡性，能够较为全面、准确地度量企业的技术多元化程度。4.2.2企业创新绩效的测量企业创新绩效是一个多维度的概念，本研究从创新成果的市场转化和技术创新产出两个主要方面进行测量。在创新成果的市场转化方面，选用新产品销售收入占比作为衡量指标，其计算公式为：新产品销售收入占比=\frac{新产品销售收入}{总销售收入}。该指标直接反映了企业通过创新活动推出的新产品在市场上获得的收益情况，体现了创新成果的市场价值实现程度。新产品销售收入占比越高，表明企业创新成果在市场上的认可度越高，创新活动对企业市场竞争力和经济效益的提升作用越显著。一家科技企业通过持续创新推出一系列具有创新性的电子产品，这些新产品的销售收入在总销售收入中的占比逐年上升，说明该企业在创新成果转化为市场收益方面表现出色，创新绩效良好。从技术创新产出角度，采用专利申请数量来衡量企业创新绩效。专利是企业技术创新成果的重要法律体现，专利申请数量反映了企业在技术研发方面的活跃度和创新投入产出情况。企业申请的专利数量越多，意味着其在技术创新上投入的资源越多，且取得了相应的技术创新成果，一定程度上表明企业具有较强的创新能力和创新绩效。华为公司在通信技术领域拥有大量的专利申请，这显示了其在该领域持续的研发投入和强大的技术创新能力，为其在全球通信市场的竞争提供了有力支撑。通过综合运用新产品销售收入占比和专利申请数量这两个指标，能够从不同维度全面衡量企业创新绩效，更准确地反映企业在技术创新活动中的实际成效。4.2.3控制变量的选择与测量为了更准确地探究技术多元化与企业创新绩效之间的关系，排除其他因素的干扰，本研究选取了多个控制变量，并采用相应的测量方法。企业规模是一个重要的控制变量。一般来说，规模较大的企业拥有更丰富的资源，包括资金、技术人才、设备设施等，这些资源优势使其在技术创新和多元化发展方面可能具有更大的优势。同时，大规模企业也可能面临组织管理复杂、决策效率低下等问题，对创新绩效产生不同影响。本研究采用企业年末总资产的自然对数来衡量企业规模，即企业规模=\ln(年末总资产)。这种测量方法能够较好地反映企业的资产规模大小，且对数变换可以在一定程度上消除数据的异方差性，使数据更加平稳，便于后续的统计分析。企业年龄也会对企业创新绩效产生影响。成立时间较长的企业可能积累了丰富的技术经验、市场渠道和客户资源，这些优势有助于企业开展创新活动；但也可能存在组织僵化、创新动力不足等问题。而新成立的企业可能更具创新活力，但在资源和经验方面相对匮乏。本研究将企业年龄定义为企业自成立到研究年份的年数，直接反映企业在市场中的存续时间，以此控制企业年龄因素对研究结果的影响。研发投入强度是衡量企业对创新活动资源投入力度的重要指标。研发投入是企业进行技术创新的物质基础，投入强度越高，表明企业越重视技术创新，越有可能通过持续的研发活动提升创新绩效。本研究采用研发投入与营业收入的比值来衡量研发投入强度，即研发投入强度=\frac{研发投入}{营业收入}。该指标能够直观地反映企业在营业收入中用于研发活动的比例，体现企业对创新的资源投入程度。行业类型也是影响企业创新绩效的重要因素之一。不同行业具有不同的技术特点、市场竞争环境和创新模式，这些差异会导致企业在技术多元化和创新绩效方面表现不同。例如，高新技术行业通常对技术创新的依赖程度较高，技术多元化发展更为普遍，创新绩效也可能更高；而传统制造业可能在技术创新方面相对保守，技术多元化程度较低。为了控制行业因素的影响，本研究设置行业虚拟变量。根据证监会行业分类标准，将样本企业划分为多个行业类别，以某一行业作为基准行业，其他行业分别设置虚拟变量。若企业属于某一行业，则对应的虚拟变量取值为1，否则为0。通过在回归模型中加入这些行业虚拟变量，可以有效控制行业类型对技术多元化与企业创新绩效关系的影响，使研究结果更准确地反映两者之间的内在联系。4.3研究方法4.3.1描述性统计分析描述性统计分析是深入了解数据基本特征的重要手段，它能够为后续的数据分析和研究提供直观、基础的信息。在本研究中，运用描述性统计分析方法对收集到的中国上市企业的相关数据进行处理，以全面掌握数据的分布情况和集中趋势。对于连续变量，如技术多元化程度、企业创新绩效（新产品销售收入占比、专利申请数量）、企业规模、研发投入强度等，计算其均值、中位数、最大值、最小值、标准差等统计量。均值能够反映变量的平均水平，展示样本数据的集中趋势；中位数则是将数据按大小顺序排列后，位于中间位置的数值，它在一定程度上可以避免极端值对数据集中趋势的影响；最大值和最小值能够明确变量的取值范围，直观呈现数据的边界情况；标准差用于衡量数据的离散程度，标准差越大，说明数据的离散程度越高，变量取值的波动越大。通过这些统计量，可以初步了解各变量在样本中的整体表现。例如，通过计算技术多元化程度的均值和标准差，可以判断样本企业技术多元化的平均水平以及不同企业之间技术多元化程度的差异大小。对于分类变量，如企业所属行业、企业性质等，统计各类别的频数和频率。频数是指每个类别出现的次数，频率则是每个类别出现的次数占总样本数的比例。通过对分类变量的频数和频率统计，可以清晰地了解不同类别在样本中的分布情况。统计不同行业企业的频数和频率，能够直观展示各行业在样本中的占比，帮助判断样本在行业分布上是否具有代表性，为后续分析不同行业背景下技术多元化与企业创新绩效的关系提供基础。4.3.2相关性分析相关性分析是判断变量之间相关关系的重要方法，它能够帮助我们初步了解不同变量之间的关联程度和方向，为进一步的回归分析提供重要参考。在本研究中，运用皮尔逊相关系数（PearsonCorrelationCoefficient）来进行相关性分析。皮尔逊相关系数用于衡量两个连续变量之间的线性相关程度，其取值范围在-1到1之间。当相关系数为1时，表示两个变量之间存在完全正相关关系，即一个变量的增加会导致另一个变量以相同比例增加；当相关系数为-1时，表明两个变量之间存在完全负相关关系，一个变量的增加会导致另一个变量以相同比例减少；当相关系数为0时，则说明两个变量之间不存在线性相关关系，但不排除存在其他非线性关系。通过计算技术多元化与企业创新绩效（新产品销售收入占比、专利申请数量）之间的皮尔逊相关系数，可以初步判断两者之间是否存在线性相关关系以及相关的方向和程度。如果技术多元化与新产品销售收入占比的相关系数为正且显著，说明技术多元化程度的提高可能会促进新产品销售收入占比的增加，即两者之间存在正相关关系；反之，如果相关系数为负且显著，则表明技术多元化可能对新产品销售收入占比产生负面影响。同时，还计算各控制变量（企业规模、企业年龄、研发投入强度、行业虚拟变量等）与自变量和因变量之间的相关系数，以了解控制变量与研究变量之间的关系，避免多重共线性问题对研究结果的干扰。如果发现某些变量之间的相关系数过高（通常认为绝对值大于0.8），则需要进一步分析这些变量之间的关系，考虑是否需要对变量进行调整或采用其他方法来解决多重共线性问题，以确保后续回归分析结果的准确性和可靠性。4.3.3回归分析回归分析是本研究用于验证假设的核心方法，通过构建回归模型，可以深入探究自变量与因变量之间的因果关系，以及控制变量和调节变量对这种关系的影响。在本研究中，采用多元线性回归模型进行分析。以企业创新绩效（新产品销售收入占比、专利申请数量）为因变量，技术多元化为自变量，企业规模、企业年龄、研发投入强度和行业虚拟变量为控制变量，构建如下基本回归模型：IP_{it}=\alpha_{0}+\alpha_{1}TD_{it}+\sum_{k=1}^{4}\alpha_{k+1}Control_{kit}+\varepsilon_{it}其中，i表示第i家企业，t表示年份；IP_{it}表示第i家企业在t年的创新绩效，分别用新产品销售收入占比（NPS）和专利申请数量（PA）衡量；TD_{it}表示第i家企业在t年的技术多元化程度；Control_{kit}表示第i家企业在t年的第k个控制变量，包括企业规模（Size）、企业年龄（Age）、研发投入强度（RDintensity）和行业虚拟变量（Industry）；\alpha_{0}为常数项；\alpha_{1}-\alpha_{5}为回归系数；\varepsilon_{it}为随机误差项。通过对该模型进行回归估计，重点关注回归系数\alpha_{1}的符号和显著性水平。若\alpha_{1}为正且在统计上显著，说明技术多元化对企业创新绩效具有显著的正向影响，从而支持假设H1；反之，若\alpha_{1}为负或不显著，则需要进一步分析原因，判断假设H1是否成立。为了检验动态能力和技术关联在技术多元化与企业创新绩效关系中的调节作用，在基本回归模型的基础上，分别加入动态能力、技术关联以及它们与技术多元化的交互项，构建如下调节效应回归模型：IP_{it}=\beta_{0}+\beta_{1}TD_{it}+\beta_{2}DC_{it}+\beta_{3}TD_{it}\timesDC_{it}+\sum_{k=1}^{4}\beta_{k+3}Control_{kit}+\mu_{it}IP_{it}=\gamma_{0}+\gamma_{1}TD_{it}+\gamma_{2}TR_{it}+\gamma_{3}TD_{it}\timesTR_{it}+\sum_{k=1}^{4}\gamma_{k+3}Control_{kit}+\nu_{it}其中，DC_{it}表示第i家企业在t年的动态能力；TR_{it}表示第i家企业在t年的技术关联度；\beta_{0}、\gamma_{0}为常数项；\beta_{1}-\beta_{7}、\gamma_{1}-\gamma_{7}为回归系数；\mu_{it}、\nu_{it}为随机误差项。在调节效应模型中，重点关注交互项TD_{it}\timesDC_{it}和TD_{it}\timesTR_{it}的回归系数\beta_{3}和\gamma_{3}。若\beta_{3}为正且显著，说明动态能力正向调节技术多元化与企业创新绩效的关系，即动态能力越强，技术多元化对企业创新绩效的正向影响越显著，支持假设H2；同理，若\gamma_{3}为正且显著，则表明技术关联正向调节技术多元化与企业创新绩效的关系，支持假设H3。在进行回归分析时，为了确保结果的准确性和可靠性，还对数据进行了一系列的检验和处理，包括多重共线性检验、异方差检验、自相关检验等。通过这些检验，及时发现并解决数据中存在的问题，保证回归模型的合理性和有效性。五、实证结果与分析5.1描述性统计结果本研究对样本数据进行描述性统计分析，以初步了解各变量的分布特征和基本情况。表5-1呈现了主要变量的描述性统计结果。变量观测值均值标准差最小值最大值技术多元化（TD）[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]新产品销售收入占比（NPS）[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]专利申请数量（PA）[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]企业规模（Size）[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]企业年龄（Age）[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]研发投入强度（RDintensity）[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]动态能力（DC）[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]技术关联（TR）[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]表5-1主要变量描述性统计从表5-1中可以看出，技术多元化（TD）的均值为[均值数值]，标准差为[标准差数值]，表明样本企业在技术多元化程度上存在一定差异。最小值为[最小值数值]，说明部分企业技术多元化程度较低，可能集中在少数几个技术领域；最大值为[最大值数值]，则显示有企业涉足多个技术领域，技术多元化程度较高。在企业创新绩效方面，新产品销售收入占比（NPS）均值为[均值数值]，反映出样本企业创新成果的市场转化程度平均处于[对应水平描述]。标准差为[标准差数值]，说明不同企业之间新产品销售收入占比差异较为显著，这可能与企业所处行业、技术创新能力以及市场竞争环境等因素有关。专利申请数量（PA）的均值为[均值数值]，标准差为[标准差数值]，体现了企业在技术创新产出上的差异，部分企业专利申请数量较多，技术创新活跃度较高，而部分企业相对较少。企业规模（Size）以年末总资产的自然对数衡量，均值为[均值数值]，反映样本企业整体规模水平，标准差为[标准差数值]，表明企业规模分布较为分散，存在规模差异较大的情况。企业年龄（Age）均值为[均值数值]年，显示样本企业平均成立时间，不同企业年龄的标准差为[标准差数值]，说明企业年龄跨度较大，涵盖了不同发展阶段的企业。研发投入强度（RDintensity）均值为[均值数值]，标准差为[标准差数值]，表明企业在研发投入占营业收入的比例上存在明显差异，反映了各企业对技术创新的重视程度和资源投入力度不同。动态能力（DC）通过问卷调查获取，采用李克特5级量表评分，均值为[均值数值]，说明样本企业的动态能力整体处于[对应水平描述]，标准差为[标准差数值]，体现企业间动态能力存在一定程度的差异。技术关联（TR）均值为[均值数值]，标准差为[标准差数值]，反映出样本企业不同技术之间的关联程度存在差别，部分企业技术关联度较高，而部分企业技术关联度较低。这些描述性统计结果为后续深入分析技术多元化与企业创新绩效之间的关系提供了基础信息，初步展示了样本企业在各变量上的特征和差异，有助于进一步理解数据背后所反映的企业实际情况，为假设检验和结果分析奠定了基础。5.2相关性分析结果为了初步探究各变量之间的关系，对技术多元化（TD）、企业创新绩效（以新产品销售收入占比NPS和专利申请数量PA衡量）以及控制变量（企业规模Size、企业年龄Age、研发投入强度RDintensity）进行了相关性分析，结果如表5-2所示。变量TDNPSPASizeAgeRDintensityTD1NPS[NPS与TD的相关系数]**1PA[PA与TD的相关系数]**1Size[Size与TD的相关系数]**[Size与NPS的相关系数]**[Size与PA的相关系数]**1Age[Age与TD的相关系数][Age与NPS的相关系数][Age与PA的相关系数][Age与Size的相关系数]**1RDintensity[RDintensity与TD的相关系数]**[RDintensity与NPS的相关系数]**[RDintensity与PA的相关系数]**[RDintensity与Size的相关系数]**[RDintensity与Age的相关系数]1表5-2变量相关性分析结果注：**表示在1%水平上显著相关，*表示在5%水平上显著相关从表5-2中可以看出，技术多元化（TD）与新产品销售收入占比（NPS）的相关系数为[具体数值]，且在1%水平上显著正相关，这初步表明技术多元化程度越高，企业新产品销售收入占比可能越高，即技术多元化对企业创新成果的市场转化具有积极影响。技术多元化（TD）与专利申请数量（PA）的相关系数为[具体数值]，同样在1%水平上显著正相关，说明技术多元化与企业技术创新产出之间存在正向关联，企业技术多元化程度的提升可能会促进专利申请数量的增加。在控制变量方面，企业规模（Size）与技术多元化（TD）、新产品销售收入占比（NPS）、专利申请数量（PA）均在1%水平上显著正相关。这意味着规模较大的企业往往具有更高的技术多元化程度，在创新成果的市场转化和技术创新产出方面也表现更好。这可能是因为大型企业拥有更丰富的资源，包括资金、技术人才和研发设施等，使其有能力开展多元化的技术研发活动，并将创新成果更好地推向市场。企业年龄（Age）与技术多元化（TD）的相关系数为[具体数值]，未呈现出显著相关性，表明企业成立时间的长短与技术多元化程度之间没有明显的关联。企业年龄与新产品销售收入占比（NPS）和专利申请数量（PA）的相关系数也不显著，说明企业年龄对企业创新绩效的直接影响不明显。研发投入强度（RDintensity）与技术多元化（TD）、新产品销售收入占比（NPS）、专利申请数量（PA）均在1%水平上显著正相关。这表明企业对研发活动的资源投入力度越大，越有助于提升技术多元化程度，进而促进企业创新绩效的提高。较高的研发投入能够为企业开展多元化技术研发提供资金支持，吸引更多优秀的技术人才，推动技术创新活动的开展，从而增加专利申请数量，提高新产品销售收入占比。通过相关性分析，初步验证了技术多元化与企业创新绩效之间可能存在的正向关系，同时也揭示了控制变量与自变量、因变量之间的关系，为后续进一步的回归分析奠定了基础。需要注意的是，相关性分析只是初步检验变量之间的线性关联程度，不能确定变量之间的因果关系，还需通过回归分析等方法进行深入研究。5.3回归分析结果5.3.1技术多元化对企业创新绩效的影响分析本研究运用多元线性回归方法，深入探究技术多元化对企业创新绩效的影响。以企业创新绩效的两个衡量指标——新产品销售收入占比（NPS）和专利申请数量（PA）为因变量，技术多元化（TD）为自变量，同时纳入企业规模（Size）、企业年龄（Age）、研发投入强度（RDintensity）和行业虚拟变量（Industry）作为控制变量，构建回归模型进行分析，回归结果如表5-3所示。变量模型1（NPS）模型2（PA）TD[TD对NPS的回归系数]***[TD对PA的回归系数]***Size[Size对NPS的回归系数]***[Size对PA的回归系数]***Age[Age对NPS的回归系数][Age对PA的回归系数]RDintensity[RDintensity对NPS的回归系数]***[RDintensity对PA的回归系数]***Industry控制控制Constant[常数项系数1]***[常数项系数2]***N[样本数量1][样本数量2]R²[R²值1][R²值2]F值[F值1]***[F值2]***表5-3技术多元化对企业创新绩效的回归结果注：***表示在1%水平上显著，**表示在5%水平上显著，*表示在10%水平上显著在模型1中，以新产品销售收入占比（NPS）为因变量，技术多元化（TD）的回归系数为[TD对NPS的回归系数]，且在1%水平上显著为正。这表明技术多元化程度的提高对企业新产品销售收入占比具有显著的正向影响，即企业技术多元化程度越高，新产品销售收入在总销售收入中所占的比例越高，创新成果在市场上的商业转化效果越好。这一结果与资源基础理论和组织学习理论相符，技术多元化为企业提供了更丰富的技术资源，促进了知识的交流与融合，有助于企业开发出更具市场竞争力的新产品，从而提高新产品销售收入占比。在模型2中，以专利申请数量（PA）为因变量，技术多元化（TD）的回归系数为[TD对PA的回归系数]，同样在1%水平上显著为正。这说明技术多元化对企业专利申请数量有显著的正向促进作用，企业技术多元化程度的提升能够激发更多的技术创新活动，促使企业申请更多的专利，反映出企业在技术创新产出方面的积极表现。技术多元化使企业接触到不同领域的技术知识，拓宽了创新思路，为技术创新提供了更多的可能性，进而增加了专利申请数量。控制变量方面，企业规模（Size）在两个模型中均与企业创新绩效在1%水平上显著正相关，表明规模较大的企业在创新绩效方面表现更优，这可能得益于其丰富的资源和强大的研发能力。研发投入强度（RDintensity）也与企业创新绩效显著正相关，说明企业加大研发投入能够有效提升创新绩效，研发投入为技术创新提供了必要的资金和资源支持。企业年龄（Age）在两个模型中的回归系数均不显著，说明企业年龄对企业创新绩效的直接影响不明显。综合以上回归结果，假设H1得到验证，即技术多元化对企业创新绩效具有显著的正向影响。这一结论为企业制定技术创新战略提供了重要依据，企业应重视技术多元化发展，合理配置技术资源，以提升创新绩效和市场竞争力。5.3.2调节变量的调节效应分析为了检验动态能力和技术关联在技术多元化与企业创新绩效关系中的调节作用，在基础回归模型的基础上，分别加入动态能力（DC）、技术关联（TR）以及它们与技术多元化（TD）的交互项，构建调节效应回归模型，回归结果如表5-4所示。变量模型3（NPS）模型4（PA）模型5（NPS）模型6（PA）TD[TD对NPS的回归系数1]***[TD对PA的回归系数1]***[TD对NPS的回归系数2]***[TD对PA的回归系数2]***DC[DC对NPS的回归系数][DC对PA的回归系数]TD×DC[交互项TD×DC对NPS的回归系数]***[交互项TD×DC对PA的回归系数]***TR[TR对NPS的回归系数][TR对PA的回归系数]TD×TR[交互项TD×TR对NPS的回归系数]***[交互项TD×TR对PA的回归系数]***Size[Size对NPS的回归系数]***[Size对PA的回归系数]***[Size对NPS的回归系数]***[Size对PA的回归系数]***Age[Age对NPS的回归系数][Age对PA的回归系数][Age对NPS的回归系数][Age对PA的回归系数]RDintensity[RDintensity对NPS的回归系数]***[RDintensity对PA的回归系数]***[RDintensity对NPS的回归系数]***[RDintensity对PA的回归系数]***Industry控制控制控制控制Constant[常数项系数3]***[常数项系数4]***[常数项系数5]***[常数项系数6]***N[样本数量3][样本数量4][样本数量5][样本数量6]R²[R²值3][R²值4][R²值5][R²值6]F值[F值3]***[F值4]***[F值5]***[F值6]***表5-4调节变量的调节效应回归结果注：***表示在1%水平上显著，**表示在5%水平上显著，*表示在10%水平上显著在模型3和模型4中，检验动态能力（DC）的调节效应。以新产品销售收入占比（NPS）为因变量的模型3中，交互项TD×DC的回归系数为[交互项TD×DC对NPS的回归系数]，且在1%水平上显著为正；以专利申请数量（PA）为因变量的模型4中，交互项TD×DC的回归系数为[交互项TD×DC对PA的回归系数]，同样在1%水平上显著为正。这表明动态能力正向调节技术多元化与企业创新绩效的关系，即动态能力越强，技术多元化对企业创新绩效的正向影响越显著。当企业具备较强的动态能力时，能够更有效地整合和利用技术多元化带来的资源和机会，快速响应市场变化，将技术创新成果转化为实际的市场收益和技术创新产出，从而增强技术多元化对企业创新绩效的促进作用。在模型5和模型6中，检验技术关联（TR）的调节效应。以新产品销售收入占比（NPS）为因变量的模型5中，交互项TD×TR的回归系数为[交互项TD×TR对NPS的回归系数]，在1%水平上显著为正；以专利申请数量（PA）为因变量的模型6中，交互项TD×TR的回归系数为[交互项TD×TR对PA的回归系数]，也在1%水平上显著为正。这说明技术关联正向调节技术多元化与企业创新绩效的关系，技术关联度越高，技术多元化对企业创新绩效的正向影响越明显。当企业所涉及的不同技术之间关联度较高时，技术知识的交流与融合更加顺畅，技术整合成本降低，创新效率提高，进而强化了技术多元化对企业创新绩效的积极影响。综上所述，假设H2和假设H3均得到验证。动态能力和技术关联在技术多元化与企业创新绩效的关系中发挥着重要的正向调节作用。企业在实施技术多元化战略时，应注重培养和提升动态能力，加强不同技术之间的关联和协同，以充分发挥技术多元化对创新绩效的促进作用，提升企业的市场竞争力。5.4稳健性检验5.4.1检验方法选择为确保研究结果的可靠性和稳定性，本研究采用替换变量法进行稳健性检验。在实证研究中，研究结果可能受到多种因素的干扰，包括变量测量误差、模型设定偏差等。采用替换变量法可以在一定程度上克服这些问题，通过使用不同的指标来衡量同一概念，观察回归结果是否保持一致，从而验证研究结论的稳健性。在衡量技术多元化时，除了使用基于专利分类号的熵指数法，本研究还选用技术领域数量作为替代指标。技术领域数量能够直观反映企业涉足技术领域的广度，虽然与熵指数法在计算方式和侧重点上有所不同，但都能从不同角度衡量技术多元化程度。通过对比两种指标下技术多元化与企业创新绩效的关系，可以判断研究结果是否受到测量方法的影响。对于企业创新绩效，除了新产品销售收入占比和专利申请数量，本研究选取研发投入回报率作为替代指标。研发投入回报率综合考虑了企业的研发投入和产出，反映了企业研发活动的效率和经济效益，从另一个维度衡量了企业创新绩效。使用这一指标进行稳健性检验，能够进一步验证技术多元化对企业创新绩效影响的稳定性。5.4.2检验结果分析替换变量后的稳健性检验回归结果如表5-5所示：变量模型7（研发投入回报率）模型8（研发投入回报率）技术领域数量[技术领域数量对研发投入回报率的回归系数]***替换后的技术多元化指标[替换后的技术多元化指标对研发投入回报率的回归系数]***企业规模