根据前文的概念界定，新兴技术创新绩效是数量和质量的乘积，用样本企业所有新兴技术发明专利的生存年数加总来衡量。新兴技术发明专利的生存年数取值为整数，因此对新兴技术创新绩效应该采用计数模型来检验，主要有泊松模型和负二项回归模型两种估计方法。对于新兴技术创新绩效来说，由于新兴技术创新本身固有的不确定性和跳跃性，其发明专利质量的标准差和均值存在显著差异，不符合泊松分布的标准差和均值近似相等的前提条件。因此，和新兴技术创新数量一样，新兴技术创新绩效更适合用负二项回归模型来进行分析（见表5-5）。

表5-5　新兴技术创新绩效作为结果变量的负二项回归模型检验结果表

续　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）。

同样，将不同性质的解释变量逐步纳入回归模型，检验对模型解释力的显著性和对新兴技术创新绩效的相对贡献，即双重资源多样性和双模网络结构对新兴技术创新绩效的独立效应。但和新兴技术创新数量与质量的回归模型不同的是，在新兴技术创新绩效作为结果变量的回归模型中，还检验了知识动力机制和团队动力机制，即知识多样性和知识网络结构的交互效应，以及研究者多样性和合作网络结构的交互效应。先建立基准模型，再分别将知识/研究者多样性及其平方项，知识/合作网络结构洞与中心势，知识/研究者多样性分别和知识/合作网络中心势的乘积等，分为7步纳入模型进行检验。LR检验的p值显示，模型1—4都通过了显著性检验。

1.知识动力源泉影响新兴技术创新绩效的独立效应检验结果

模型1以新兴技术创新绩效为结果变量，将知识多样性及其平方项纳入回归模型，模型2将知识网络结构洞和知识网络中心势纳入模型，分别检验知识多样性和知识网络结构对新兴技术创新绩效的独立效应。以模型2作为检验结果，标准化回归系数显示，知识多样性一次项和新兴技术创新绩效正相关（标准化回归系数为0.08，p＜0.01），二次项回归系数显著为负（标准化回归系数为-0.10，p＜0.01），这验证了知识多样性与新兴技术创新绩效呈倒U形关系的理论假设。知识网络结构洞与新兴技术创新绩效显著负相关（标准化回归系数为-0.08，p＜0.01），知识网络中心势与新兴技术创新绩效正相关（标准化回归系数为0.03，p＜0.01），验证了理论假设。

2.研究者动力源泉影响新兴技术创新绩效的独立效应检验结果

模型3将研究者多样性及其平方项纳入模型，模型4将合作网络结构洞和中心势两个解释变量纳入模型。以模型4作为检验结果，研究者多样性的一次项与新兴技术创新绩效显著正相关（标准化回归系数为0.11，p＜0.01），二次项回归系数为负，也通过了假设检验（标准化回归系数为-0.07，p＜0.001），研究者多样性与新兴技术创新绩效呈倒U形关系的假设得到验证。合作网络中心势方面，一次项回归系数显著为正（标准化回归系数为0.10，p＜0.01），二次项回归系数显著为负（标准化回归系数为-0.09，p＜0.01），验证了合作网络中心势与新兴技术创新绩效的倒U形假设。但是，合作网络结构洞与新兴技术创新绩效的回归系数未通过假设检验，理论假设也没有得到验证。

3.中美两国企业样本比较分析

采用和前文同样的比较思路，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绩效的影响。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绩效进行回归，回归结果见表5-6。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，以及合作网络中心势的平方项对新兴技术创新绩效进行回归，回归结果见表5-6。结果显示，4个回归方程都显著，大部分控制变量和解释变量的回归系数通过了假设检验，且方向与理论假设一致，但是也有部分解释变量的回归系数出现不同程度的分化。(www.daowen.com)

表5-6　对新兴技术创新绩效的影响：中美两国企业样本的比较表

续　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）知识动力源泉的比较分析。分组回归结果显示，中美两国企业样本回归模型的Mcfadden R2分别为0.48和0.61，相比于中国企业样本，美国企业样本的知识动力源泉对新兴技术创新绩效的解释力更强。在中美两国样本的回归结果中，除了中国企业样本的知识多样性平方项和研究者多样性平方项的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，相关假设得到验证。但是对于中国企业样本而言，知识多样性与新兴技术创新绩效呈倒U形的理论假设，没有得到支持。

控制变量方面，和新兴技术创新数量与质量的分组回归一样，一旦将样本分成中国组和美国组进行分组回归，销售收入和研发投入便发生分化，在中国企业样本组中，销售收入和研发投入的回归系数显著增加，而美国企业样本却相对减弱。在中国企业样本中，发明专利数量和新兴技术研发经验的贡献减弱，但是美国企业样本中这两个变量都有不同程度的增强。

解释变量方面，中国企业样本中的知识多样性一次项回归系数显著为正（标准化回归系数为0.10，p＜0.01），但是其平方项没有通过显著性检验，知识多样性和新兴技术创新绩效的倒U形关系仍然未得到验证。而在美国企业样本中，知识多样性的一次项回归系数和二次项回归系数都通过了显著性检验，知识多样性和新兴技术创新绩效之间的倒U形关系成立。在中国企业样本中，知识网络结构洞的回归系数有所减弱，而美国企业样本中的回归系数，则和样本总体相同。

（2）研究者动力源泉的比较分析。分组回归结果显示，中美两国企业样本回归模型的Mcfadden R2分别为0.53和0.54，中美两国企业样本的研究者动力源泉对新兴技术创新绩效的解释力相近。中美两国企业样本的回归结果中，中国企业样本的研究者多样性平方项未通过显著性检验，而其他控制变量与解释变量的回归系数都通过了显著性检验，符号与全部样本的回归模型相一致，相关假设得到验证。但是对于中国企业样本而言，研究者多样性与新兴技术创新绩效呈倒U形的理论假设，没有得到支持。

控制变量方面，中国企业样本的销售收入和研发投入的回归系数都有显著增加，而美国企业样本则有所减弱。但是发明专利总数则相反，中国企业样本的发明专利总数，对新兴技术创新绩效的解释力变弱，而美国企业则有所增强。解释变量方面，中国企业样本的研究者多样性一次项回归系数不仅通过了假设检验，而且有了显著增加（标准化回归系数为0.15，p＜0.01），但是二次项回归系数却仍然没有通过假设检验。相比之下，美国企业样本的研究者多样性一次项回归系数（标准化回归系数为0.10，p＜0.01）和二次项回归系数（标准化回归系数为-0.09，p＜0.01），验证了研究者多样性与新兴技术创新绩效的倒U形关系假设。在中美两国企业样本中，合作网络结构洞和合作网络中心势的回归系数与样本总体变化不大，合作网络结构洞与新兴技术创新绩效的回归系数依然没有通过假设检验。合作网络中心势与新兴技术创新绩效的一次项系数显著正相关，标准化回归系数分别为0.11，（p＜0.05）和0.10，（p＜0.01），二次项回归系数与新兴技术创新绩效显著负相关，标准化回归系数分别为-0.05，（p＜0.05）和-0.10，（p＜0.01）。

（3）综合比较分析。控制变量方面，中美两国企业新兴技术创新绩效存在的主要差异在于中国企业更多地依赖销售收入和研发投入，而美国企业相对更依赖发明专利总数。解释变量方面，中国企业样本中，知识动力源泉与研究者动力源泉对新兴技术创新绩效的影响强度方面，正向影响的强度依次为研究者多样性（标准化回归系数为0.15，p＜0.01）、知识多样性（标准化回归系数为0.10，p＜0.01）和合作网络中心势（标准化回归系数为0.05，p＜0.01）。而美国企业样本中，知识动力源泉和研究者动力源泉对新兴技术创新绩效的影响强度方面，知识多样性（一次项回归系数为0.07，p＜0.01；二次项回归系数为-0.10，p＜0.01）、研究者多样性（一次项回归系数为0.10，p＜0.01；二次项回归系数为-0.09，p＜0.01）。由此可以看出，中美两国企业样本之间，新兴技术创新的动力源泉，存在的主要差异在于中国企业更加依赖生态资源基础，而美国企业更加依赖生态网络秩序。