新兴技术创新质量采用新兴技术发明专利的平均存续年数来衡量。与新兴技术发明专利数量属于计数性质的变量不同，新兴技术创新质量是非整数的连续变量。虽然中国企业样本新兴技术发明专利的平均存续年数为6.40年，但美国企业样本新兴技术发明专利的平均生存年数达到9.78年。根据Phelps等的研究结论，企业发明专利存续年数符合正态分布。因此，对新兴技术创新质量宜采用常规的最小二乘法回归进行检验。

1.模型检验结果

采用与新兴技术创新数量同样的逻辑次序，分别建立5个回归模型进行检验（回归结果见表5-3）。通过对新兴技术创新质量进行Levene异方差检验，结果显示，满足方差齐性假设（Levene=14.15，p=0.000）。自相关检验结果显示，D.W.值均在可接受范围内，根据相关判定标准，不存在明显的自相关问题。多重共线性检验显示，5个模型中，所有解释变量VIF值都处于1—2.5之间，5个模型的VIF均值分别为2.34、2.02、2.25、1.56、2.18，表明作为研究对象的解释变量之间不存在明显的多重共线性。

（1）知识动力源泉影响新兴技术创新质量的独立效应检验结果。运用控制变量对新兴技术创新质量回归，作为基准模型。基准模型回归结果显示，新兴技术创新质量和4个控制变量显著正相关，调整后判定系数R2的值为0.53，说明控制变量解释了新兴技术创新质量变异的53%。

模型1和模型2分别用来检验知识多样性和知识网络结构对新兴技术创新质量的影响。为了检验知识多样性与新兴技术创新质量之间的倒U形关系假设，仍然采用将知识多样性及其平方项纳入回归模型的倒U形关系检验方法。模型1检验结果显示，相比于基准模型，R2增加了12个百分点，大于模型假设检验通常的判断标准（R2增加超过约10个百分点），F值通过假设检验，说明知识多样性及其平方项对新兴技术创新质量具有显著的解释力。模型2中，将知识网络结构的两个变量纳入回归模型，检验知识网络结构洞和知识网络中心势对新兴技术创新质量的影响。检验结果表明，相比于模型1，R2增加了6个百分点，虽然小于大于10个百分点的判定标准，但超过5个百分点仍可以接受。F值通过假设检验，说明知识网络结构洞和知识网络中心势，对新兴技术创新质量具有显著的解释力。回归结果（见表5-3）。

表5-3　新兴技术创新质量作为结果变量的OLS模型回归结果表

续　表

注：括弧中为t值；*表示p＜0.05（双尾），**表示p＜0.01（双尾），***表示p＜0.001（双尾）。

采用模型2的标准化回归系数作为检验结果，各变量回归系数的符号基本验证了理论假设，企业销售收入、研发投入、发明专利总数以及企业在新兴技术领域的研发经验，都和新兴技术创新绩效质量显著正相关，同样符合企业研发活动的基本规律。知识多样性的一次项回归系数显著为正（标准化回归系数0.11，p＜0.05），但是二次项回归系数却未通过假设检验，知识多样性与新兴技术创新质量的倒U形关系未能得到验证。在删除知识多样性二次项后，对模型重新进行检验，结果显示知识多样性的标准化回归系数仍然显著，且关系强度有所增加（标准化回归系数为0.13）。这一检验结果表明，知识多样性与新兴技术创新质量正相关。知识网络结构洞与新兴技术创新质量显著负相关（标准化回归系数为-0.09，p＜0.001），而知识网络中心势与新兴技术创新质量显著正相关（标准化回归系数为0.11，p＜0.001）。

（2）研究者动力源泉影响新兴技术创新质量的独立效应检验结果。模型3和模型4分别用来检验研究者多样性与合作网络结构对新兴技术创新质量的影响。和新兴技术创新数量回归模型一样，在基准模型上增加研究者多样性等变量。模型3结果显示，相比于基准模型，R2增加了5个百分点，F值检验结果显著，说明研究者多样性及其平方项对新兴技术创新质量具有显著的解释力。模型4结果显示，相比于模型3，R2增加了13个百分点，F值检验结果显著，说明合作网络结构对新兴技术创新质量具有显著的解释力。

采用模型4的标准化回归系数作为检验结果，发明专利总数的系数不显著。研究者多样性与新兴技术创新质量呈倒U形关系的假设得到验证，一次项回归系数显著为正（标准化回归系数为0.14，p＜0.001），二次项回归系数显著为负（标准化回归系数为-0.11，p＜0.01），合作网络中心势与新兴技术创新质量显著负相关（标准化回归系数分别为-0.10，p＜0.01），但合作网络结构洞的回归系数未通过显著性检验。(www.daowen.com)

（3）稳健性检验。将发明专利质量的测度方法换作有效的发明专利数量与所有公布的专利数量之比。专利可能因为未续年费、专利期限、专利诉讼等失效，但是，因期限截止日期到达而失效的专利只占全部专利失效总量的7.5%左右。因此，可以认为，有效发明专利数量与公布发明专利数量之比，体现了发明专利的质量。与之前对每个发明专利的年数加总再按照发明专利数量进行平均不同的是，有效发明专利与公布发明专利的比值是发明专利质量的一种间接衡量方式。利用有效发明专利的比重这个指标作为专利质量是具有理论依据与客观性的。因此，以有效专利比重作为结果变量进行回归，可以进一步验证理论假设与前述模型检验结果。

以知识动力源泉的三个维度对有效专利比重回归，结果表明，知识动力源泉解释了有效专利比37%的变异，其中，知识多样性与有效专利比显著正相关（标准化回归系数为0.09，p＜0.01），知识多样性平方项仍然不显著，而知识网络结构洞与有效专利比显著负相关（标准化回归系数为-0.10，p＜0.001），知识网络中心势和有效专利比显著负相关（标准化回归系数为-0.09，p＜0.05）。以研究者动力源泉的三个维度对有效专利比进行回归，结果表明，研究者动力源泉解释了有效专利比52%的变异。其中，研究者多样性与有效专利比也呈倒U形关系，一次项回归系数为0.11（p＜0.01），二次项回归系数为-0.09（p＜0.001）。合作网络结构洞与有效专利比显著负相关（标准化回归系数为-0.07，p＜0.01），合作网络中心势与有效专利比也显著负相关（标准化回归系数为-0.08，p＜0.05）。稳健性检验结果表明，知识动力源泉与研究者动力源泉对新兴技术创新质量的影响实证研究结果是可靠的。

2.中美两国企业样本比较

将中美两国企业样本分组后分别回归，以比较中美两国企业样本的解释变量对新兴技术创新质量的影响。先用中美两国企业样本，用知识多样性、知识多样性平方项、知识网络结构洞、知识网络中心势以及控制变量，对新兴技术创新质量进行回归，回归结果见表5-4。再用中美两国企业样本，用研究者多样性、研究者多样性平方项、合作网络结构洞、合作网络中心势，对新兴技术创新质量进行回归，回归结果见表5-4。结果显示，知识动力源泉与研究者动力源泉的回归分析结果与样本总体的回归系数基本一致，但也有部分解释变量的回归系数出现分化。

表5-4　对新兴技术创新质量的影响：中美两国企业样本的比较表

注：括号中为z值；*表示p＜0.05（双尾），**表示p＜0.01（双尾），***表示p＜0.001（双尾）。

（1）知识动力源泉比较分析。回归结果显示，中美两国企业样本回归模型的调整后R2分别为0.48和0.42。在中美两国样本的回归结果中，除了中美两国企业样本的知识多样性平方项回归系数都不显著外，绝大部分解释变量与控制变量的回归系数都通过了假设检验，符号与全部样本的回归模型相一致，进一步验证了相关假设。知识多样性与新兴技术创新质量呈倒U形的理论假设，在分样本层面仍然没有得到支持。

控制变量方面，中美两国企业样本的回归系数与样本总体的差别不大，回归系数都显著且符号相等。解释变量方面，知识多样性的一次项回归系数出现样本间的分化。中国企业样本中，知识多样性的标准化回归系数为0.08（p＜0.05），比样本总体的回归系数减少3个百分点（标准化回归系数为0.11，p＜0.05）；美国企业样本中，知识多样性的标准化回归系数为0.19（p＜0.01），比样本总体的回归系数增加了8个百分点。知识网络中心势的回归系数也发生分化，中国样本的知识网络中心势回归系数增加了3个百分点（标准化回归系数为0.14，p＜0.001），而美国企业的回归系数略有减少（标准化回归系数为0.10，p＜0.001）。

（2）研究者动力源泉比较分析。回归结果显示，中美两国企业样本回归模型的调整后R2分别为0.51和0.47，相差4个百分点，相差不大，说明中美两国企业样本的研究者动力源泉对新兴技术创新数量的相对贡献差不多。但是，中国企业样本研究者动力源泉要略高一些，研究者对新兴技术创新初期或成长阶段，比成熟阶段更加重要。中美两国企业样本的控制变量与解释变量回归系数及主要变量的回归系数都通过了假设检验，且符号与样本总体一致。

（3）综合比较分析。在中国企业样本中，对新兴技术创新质量的影响强度，依次为：研究者多样性（标准化回归系数为0.17，p＜0.001）、知识网络中心势（标准化回归系数为0.14，p＜0.001）、研发投入（标准化回归系数为0.12，p＜0.01）、合作网络中心势（标准化回归系数为-0.11，p＜0.01）。美国企业样本中，研发投入和知识多样性影响最大（标准化回归系数都为0.19，p＜0.01），其次是研究者多样性（标准化回归系数为0.11，p＜0.001）。