Исследование отличительных особенностей режимов бизнес-инноваций и их влияния на результаты инновационной деятельности макрорегионов

Введение

Как известно, на протяжении последних нескольких лет ведущие исследователи стали сталкиваться с особым экономическим феноменом, получившим название «инновационный парадокс». Этот «инновационный парадокс» характеризует ситуацию, при котором страны, инвестирующие значительные объемы ресурсов в НИОКР, не могут получить столько же отдачи (в инновационном и экономическом аспекте), сколько другие страны, инвестирующие в НИОКР сравнительно меньше [18] (Czarnitzki, Ebersberger, Fier, 2007). Это привело к тому, что в исследованиях по инновационным системам особое внимание стали уделять причинам такой региональной специфики инноваций в различных странах и регионах [27] (Lundvall, 2007). То есть эта часть исследований, которая сосредоточена на изучении того, как фирмы внедряют инновации, основываясь на своем экономическом, институциональном и социальном происхождении. Дискуссии, развившиеся в ходе этих исследований, породили отдельную область основанных на исследовании инновационных режимов НТИ и «трехмодульного вектора» элементов, которая была впервые разработана М. Дженсеном [25] (Jensen, Johnson, Lorenz, Lundvall, 2007), а затем расширена с помощью ряда межстрановых исследований Дж. Ченом [15] (Chen, Chen, Venhaverbeke, 2011). Именно эти исследования идут параллельно с ведущими исследованиями в области управления инновациями, посвященными преимуществам взаимодействия для успешности инноваций [38] (Von Hippel, 1988), но при этом особое внимание уделяется региональным паттернам контекстуальных особенностей. Важные элементы в этих исследованиях взяты из этой более ранних исследований, особенно посвященных модели сотрудничества в инновациях, и основное внимание в этих исследованиях уделяется не только бизнесу или его отраслевому контексту, а преимущественно исследуется вопрос, каким образом региональные особенности влияют на эффективность инновационной деятельности фирм.

Результаты, полученные в ходе предыдущих исследований, создают общий пул знаний, хотя они одновременно представляют значительные различия. Они могут быть связаны с конкретными технологическими, институциональными и культурными контекстами, которые могут раскрывать различные способы инициирования инноваций в конкретных регионах [34] (Rodriguez-Pose, Crescenzi, 2008). Это наша центральная линия исследования, которая фокусируется на понимании того, являются ли фирмы в разных регионах по-разному инновационными и как конкурируют за счет применения конкретных инновационных методов. Если региональный контекст имеет значение, мы должны более глубоко понимать его как средство содействия повышению инновационного потенциала в странах и регионах. Эта цель актуальна для фирм, которые сталкиваются с растущей глобальной конкуренцией в условиях жестких бюджетных ограничений, влияющих на их стратегические инвестиционные решения. Это также имеет значение для перспектив регионального развития и для регуляторов, которые признают, насколько важно продвижение конкретных региональных инновационных траекторий.

В нашем исследовании мы выходим за рамки исследования отдельных стран, а также предыдущих метаисследований [31] (Parrilli, Elola, 2012) для проведения тщательного анализа на основе одного из крупнейших наборов данных по инновациям. Мы используем данные Обзора инновационных сообществ (ОИС) (Community Innovation Survey (CIS)) Евростата и его обследования регионов ЕС [23] (Hollanders, Es-Sadki, 2014). Мы анализируем данные, основанные на таксономии инновационных регионов, выявленных в рамках проекта PRO-INNO EU «Regional Innovation Scoreboard», который проливает свет на региональные вариации инноваций в Европе [23]. При этом нами применяется модель множественной обработки для сравнения влияния различных инновационных режимов, принимаемых фирмами, принадлежащими к конкретным региональным технологическим контекстам. В этом и заключается первая часть научно-методологического вклада нашей статьи, поскольку мы исследуем, зависит ли применение инновационных методов от региональных активов и возможностей. Это тот аспект, который не был рассмотрен ни в более поздних исследованиях, ни в общей литературе по инновационному менеджменту. Вторая часть научно-методологического вклада нашей статьи касается характера инновационной продукции. Здесь у нас есть возможность проверить, оказывают ли некоторые виды инновационных режимов, в частности режимы научно-технических инноваций (НТИ) и «трехмодульного вектора» более сильное влияние на конкретные виды инновационной деятельности, будь то технологические (то есть продуктовые и процессные инновации в соответствии с определением ОЭСР) или нетехнические (то есть маркетинговые и организационные инновации).

Исследование теоретико-методологических основ инновационных систем и инновационных бизнес-режимов: ключевые аспекты

Под инновационной системой понимается совокупность институтов, которые посредством интенсивного взаимодействия способствуют развитию и распространению новых технологий, и инновационному потенциалу фирм, особенно малых фирм, не располагающих достаточными ресурсами для инвестирования в НИОКР и высококвалифицированный человеческий капитал [17] (Cooke, 2001). По этой причине исследователи инновационных систем изучали и выявляли специфические паттерны инновационных систем на национальном [28] (Lundvall, 2010), региональном [17], технологическом и отраслевом уровнях [14] (Carlsson, Jacobsson, 1994). Подвергая критике более линейный подход к инновациям неоклассической экономики [30] (Parrilli, Fitjar-Dahl, Rodriguez-Pose, 2017), данное направление исследований подчеркивает существование региональных особенностей инноваций, в которых фирмы находят стимулы и/или ограничения, основанные на локализованных и интерактивных технологических и институциональных условиях [17]. Этот аргумент признается в недавних исследованиях по региональным инновационным путям [13] (Camagni, Capello, 2013). В нашем исследовании мы считаем необходимым подчеркнуть актуальность интерактивного подхода к инновациям, исследованного ведущими учеными, такими как Е. Вон Хиппель [38], Б. Ашейм [12], (Asheim, Boschma, Cooke, 2011) Б. Люндвал [28] и др. В нашем исследовании региональной специфики инновационной деятельности мы анализируем на основе известной типологии инновационных регионов, выявленных в рамках региональной инновационной шкалы ЕС-PROINNO, основанной на четырех видах возможностей, таких как 1) рамочные условия, 2) финансовые вложения, 3) инновационная деятельность и 4) экономический эффект. Преимущество данной типологии состоит в том, что она помогает определить, является ли этот уровень анализа соответствующим режимам инноваций, которые выходят за пределы микроуровня, то есть фирмы. Классификация эта многогранна, поскольку она основана на регионах, которые повышают и понижают свои позиции по четырем типам инновационных регионов (лидеры, сильные, умеренные и слабые инноваторы) в зависимости от их усилий и результатов по четырем наборам факторов. Наше исследование делает еще один шаг вперед в изучении инновационных систем и их влияния на фирмы, изучая влияние инновационных режимов в различных региональных контекстах. В последние годы в рамках дискуссии о наиболее эффективных инновационных системах появляется все больше исследований, посвященных инновационным способам ведения бизнеса. В этом отношении наше исследование отличается от той части исследований инновационных систем, которая фокусируется на выявлении критических аспектов инноваций на уровне фирмы [26] (Laursen, Salter, 2006) или на уровне отрасли [36] (Tether, Tajar, 2008). В данном случае мы исследуем на уровне макрорегиональной инновационной системы, выявляя специфические инновационные возможности и результаты деятельности конкретных макрорегиональных инновационных систем. Эта работа естественным образом встроена в эту область исследований по инновационным режимам научно-технических инноваций (НТИ) и «трехмодульного вектора», хотя она не была проанализирована другими исследователями, которые в основном обсуждали дифференцированное влияние этих режимов на отдельные страны, отрасли и бизнес-сети. В этой новой области исследований первая новаторская работа была разработана М. Дженсеном [25], который выявил, что существуют такие инновационные методы ведения бизнеса, которые прочно укоренены в инновационных системах, и характеризуются особой культурой и стратегией управления знаниями и инновациями. Он определил конкретные способы, которые коренятся в интенсивном применении расходов на НИОКР и научного человеческого капитала (научно-технический инновационный режим – НТИ) или в интенсивном использовании опыта и взаимодействия в режиме «трехмодульного вектора», то есть обучение в создании, использовании и взаимодействии. Он также определил третий комбинированный режим (НТИ+ «трехмодульный вектор»), который в конкретном случае Дании обеспечивал самый высокий инновационный результат. Новизна работы М. Дженсена была двоякой. Во-первых, она предоставила доказательства важности этого второго инновационного режима «трехмодульного вектора», который оправдан в случае систем с традиционными отраслями малого и среднего предпринимательства [36]. Во-вторых, эта работа выявила важность объединения этих различных режимов в более совершенный, что может создать дополнительные возможности для инноваций в бизнесе. Впоследствии несколько исследований продолжили и уточнили первоначальный анализ с помощью межстрановых сравнений [13]. Все эти исследования влекут за собой ряд своеобразных методологических и эмпирических вариаций, которые способствуют глубокому пониманию данной области исследований, хотя и поднимают новые исследовательские вопросы. Хотя в большинстве этих исследований применялся либо микро-, либо мезоподход к инновационным способам ведения бизнеса. Между тем в своих исследованиях Р. Фитьяр и А. Родригес-Поза [20] (Fitjar, Rodriguez-Pose, 2013) подчеркивали важность географических особенностей для инноваций в Норвегии. Они сосредоточили свое внимание на дифференцированном вкладе региональных и глобальных отношений в применение бизнес-инновационных режимов и обнаружили, что режим «трехмодульного вектора», применяемый через глобальные взаимодействия цепочек поставок, является наиболее эффективным инновационным режимом, даже в большей степени, чем глобальный инновационный режим НТИ, основанный на взаимодействии с глобальными лидерами инноваций (например, ведущими транснациональными компаниями или университетами). В определенной степени эти исследователи преуменьшали важность региональных взаимодействий по сравнению с глобальными взаимодействиями, особенно в случае инновационного режима «трехмодульного вектора». Эти исследования помогли подчеркнуть важность географических особенностей для инновационных методов, используемых предприятиями. Однако существуют и другие пробелы, которые могут быть исследованы для уточнения вариантов, доступных фирмам и региональным объединениям. В одном из метаисследований [31] (Parrilli, Elola, 2012) подчеркивалась важность страновой специфики в режимах бизнес-инноваций и их эффективности. Эти исследователи выдвигают гипотезу об актуальности поглощающей способности как средства повышения способности эффективно сочетать два архетипичных режима (НТИ и «трехмодульного вектора»). Однако эти исследования не теоретизируют точное влияние регионального контекста; они предполагают гипотезы для дальнейших исследований. В нашем же исследовании мы делаем следующий шаг в углублении данного анализа. В частности, мы предполагаем дифференцированный подход к инновационным способам и результатам в регионах с различными технологическими и институциональными характеристиками; одновременно мы сравниваем ряд гетерогенных регионов, сгруппированных в конкретные кластеры в рамках ЕС.

В этом отношении региональная инновационная шкала, разработанная в рамках проекта PRO-INNO EU Regional Innovation Scoreboard весьма кстати, поскольку она объединяет различные группы регионов с их собственными характеристиками с точки зрения драйверов инноваций и экономического развития. Эти группы представляют собой специфические технологические способности и возможности, а также имплицитно социальные и институциональные контексты, которые, вероятно, характеризуют различные типы инновационной системы [12]. В методе, использованном в данном исследовании, регионы сгруппированы в четыре категории, называемые инновационными лидерами, сильными, умеренными и слабыми инноваторами. Эта таксономия предлагает соответствующую основу для применения нашего теоретического подхода, согласно которому региональные технологические и институциональные возможности влияют на инновационные режимы фирм и их влияние на результаты инновационной деятельности.

В то же время, таксономия регионов имеет слабые стороны. Это, например, неоднородность драйверов, критикуемая в исследованиях Р. Каманьи и Р. Капелло [13]. Однако цель нашего исследования состоит не в том, чтобы предложить новую таксономию регионов, поскольку она потребует иного теоретического обсуждения и эмпирического анализа (например, анализа главных компонент). Целью настоящего исследования является использование существующей таксономии регионов, которая публикуется Европейской комиссией с 2009 года, в качестве средства демонстрации разнообразного инновационного потенциала регионов и инновационного режима, обычно используемого их фирмами. Далее мы переходим к обсуждению инновационных режимов, принимаемых предприятиями в рамках выбранных категорий регионов.

В нашем настоящем исследовании мы принимаем во внимание аргументы предыдущих вышеуказанных исследований, которые ставят под сомнение: 1) вероятность значительных региональных различий в подходе фирм к бизнес-инновациям, а также 2) актуальность взаимосвязи между инновационными режимами и характером инновационной деятельности. Прежде всего отметим, что европейские регионы представляют собой гетерогенные системы с точки зрения технологической инфраструктуры, институциональных и политических условий, а также экономического и социального развития. В этих условиях следует ожидать применения различных режимов бизнес-инноваций [12]. Основываясь на предыдущих исследованиях в скандинавских и североевропейских странах, можем заметить, что значительная часть их фирм способна объединить эти два отдельных режима в эффективный режим НТИ и «трехмодульного вектора» [25]. Между тем совсем недавнее исследование, проведенное в Норвегии и основанное только на внешнем сотрудничестве в области НТИ и «трехмодульного вектора», показывает иной результат, поскольку два инновационных режима вытесняют друг друга [22] (Haus-Reve, Fitjar, Rodriguez-Pose, 2018). Как мы видим, вышеупомянутые исследования сосредоточены на странах, которые занимают самые высокие места в мировых экономических индексах и с самым высоким потенциалом внедрения инноваций, то есть уровнем образования [34] (Rodriguez-Pose, Crescenzi, 2008). В странах, достигших более низкого уровня развития и более низкого уровня образования (например, в странах Южной Европы), возможно, существует более низкий потенциал бизнеса для эффективного сочетания этих двух способов. Исследования, проведенные в этих контекстах, показывают менее последовательные результаты. Например, в Испании режим НТИ является наиболее эффективным для малых и средних фирм [30] (Parrilli, Fitjar-Dahl, Rodriguez-Pose, 2017). В противоположность примеру стран Европы исследования, проведенные в Китае, показывают, что успешно применяемый инновационный режим зависит от отрасли. Традиционные отрасли промышленности (например, обувь и мебель) эффективно работают только при помощи драйверов НТИ, в то время как высокотехнологичные отрасли промышленности (например, автомобилестроение и телекоммуникации) доказывают более высокую способность эффективно сочетать эти два режима НТИ и «трехмодульного вектора» [15].

Основываясь на этих моделях, в данном исследовании нами вполне логично преследуются две цели, которые мы и рассматриваем в качестве теоретико-методологического вклада. Первый – это регионализация анализа инновационных режимов; второй – изучение взаимосвязей, существующих между конкретными инновационными режимами и отдельными инновационными результатами. Что касается первого вклада, то для этого мы отвлечемся от анализа отдельных стран и проведем сквозной анализ большого числа европейских регионов, сгруппированных по четырем вышеупомянутым категориям. Это поможет нам проверить региональную специфику бизнес-инновационных режимов на основе всесторонней и надежной оценки в более крупных географических регионах. В частности, мы ожидаем региональных неоднородностей, которые реагируют на региональные технологические и институциональные факторы/активы. Точнее, ожидается, что регионы с более сильным технологическим потенциалом – лидеры и сильные инноваторы (северные европейские регионы и наиболее инновационные регионы Италии и Чехии) – будут очень эффективны в применении инновационного режима НТИ [13]. Эти регионы демонстрируют высокий уровень человеческого капитала и, следовательно, высокую способность к внедрению, что помогает их предприятиям пожинать плоды своих инвестиций в НИОКР [16] (Cohen. Levinthal, 1990). Это те самые регионы, где эти ресурсы дополняются богатой и расширенной траекторией инвестиций в новые отрасли (например, ИТ, биотехнологии, энергетика), где конкуренция происходит на основе инноваций, а не экономической эффективности [32] (Porter, 2008). В этих отраслях продуктовые инновации имеют важное значение, поскольку большинство инновационных продуктов не консолидируются, а подвергаются критическим экспериментам (например, новые биопрепараты, новые приложения для ИТ-систем). По этим причинам ожидается, что применение режима НТИ окажет большое влияние на продуктовые инновации и на продажи инноваций как показателя коммерческого успеха продуктовых инноваций. Речь идет о влиянии, создаваемом НИОКР в новых продуктах, таких как смартфоны для Apple, беспилотные автомобили для Tesla и т. д.

Эти регионы и их предприятия, как правило, опираются на кластеры фирм (например, Medicon Valley в Дании/Швеции, Biotech Cluster в Кембридже), критическая масса которых создает возможности для координации цепочки создания стоимости [32]. Предприятия в этих регионах осознают важность управления эффективным сотрудничеством на основе цепочки поставок для инноваций [20]. Основываясь на их очень высокой способности внедрять, а также способности координировать вклад всех сотрудников фирмы и всех фирм в цепочке, мы также ожидаем, что фирмы в этих регионах смогут эффективно сочетать режимы НТИ и «трехмодульного вектора». Это тип результата, который ожидается в «организационно многослойных и диверсифицированных инновационных системах», способных использовать все агенты и ресурсы в широком наборе высокотехнологичных отраслей и фирм для открытия совершенно новых траекторий пути инновационного развития [13].

В целом мы ожидаем, что фирмы в этих регионах окажут наибольшее влияние на различные виды инновационной продукции, но особенно при применении режима НТИ и комбинированного режима НТИ и «трехмодульного вектора». Поэтому мы выдвигаем следующие блоки гипотез:

Гипотеза 1: лидеры и сильные инноваторы более эффективно используют режим НТИ по сравнению с умеренными и слабыми новаторами.

Гипотеза 2: лидеры и сильные инноваторы эффективно используют режим «трехмодульного вектора».

Гипотеза 3: лидеры и сильные инноваторы эффективно сочетают два режима для достижения более высоких результатов, чем при использовании двух режимов изолированно, и по сравнению с умеренными и слабыми инноваторами.

Что касается умеренных инноваторов (большинство регионов Италии, Испании, Португалии, Греции и Восточной Европы), то мы ожидаем значительного усиления режима НТИ как средства догнать более развитые регионы, основанные на значительных инвестициях в научно-исследовательскую деятельность и квалифицированный человеческий капитал. Это также относится к баскскому региону и большинству прибрежных регионов Португалии, где фирмы и их региональные инновационные системы обеспечивают эффективный рост промышленности. Однако из-за их более низкого внедренческого потенциала и связанных с этим трудностей преобразования внешних ресурсов (например, патентов, внешних НИОКР) в инновационную продукцию они, вероятно, окажут меньшее влияние на инновационную продукцию, особенно на продуктовые инновации и соответствующие продажи инноваций. Эти регионы, вероятно, будут связаны с сильными взаимодействиями между потребителями и производителями в рамках местной цепочки поставок, поскольку они традиционно основывали свой производственный потенциал на таких отношениях. Как следствие, их режим «трехмодульного вектора», вероятно, будет по крайней мере столь же эффективным, как и в ведущих регионах. Этот аргумент также подтверждается исследованиями по инновационному менеджменту и конкретными исследованиями в контексте средне- и низкотехнологичного производства [37] (Vega-Jurado, Gutierrez-Gracia, Fernandez-de-Lucio, Manjarres-Henriques, 2008). В этих регионах способность бизнеса сочетать инновационные режимы НТИ и «трехмодульного вектора», скорее всего, будет положительной, хотя и ниже, чем в первой категории, поскольку общий потенциал внедрения (то есть человеческий капитал) обычно ниже, чем в первой группе регионов.

В целом же эта модель является репрезентативной для перспектив «расширения пути», характерных для «организационно многослойных и специализированных инновационных систем», которые пытаются догнать прежнюю группу инноваторов с помощью усилий в области НИОКР в специализированных отраслях [13]. В результате мы формулируем следующие гипотезы. Первый блок гипотез:

Гипотеза 4: умеренные инноваторы извлекают положительные результаты инноваций от применения режима НТИ, хотя это влияние ниже по сравнению с лидерами и сильными новаторами.

Гипотеза 5: умеренные инноваторы извлекают положительный и большой эффект от применения режима «трехмодульного вектора» (в той же степени, что и для лидеров и сильных новаторов).

Гипотеза 6: умеренные инноваторы оказывают положительное влияние на результаты инновационной деятельности благодаря сочетанию режимов НТИ и «трехмодульного вектора».

В случае слабых инноваторов (например, в большинстве польских, болгарских, греческих и румынских регионов, отстающих регионах Италии и Испании) их технологические возможности ограничены, и любые усилия, прилагаемые ими, вряд ли будут эффективными. Как показано в исследовании, посвященном Китаю [15], инновационная модель большинства фирм, занятых в традиционных отраслях, весьма вероятно, что будет связана с интенсивностью сотрудничества в цепочке поставок [36] (Tether, Tajar, 2008), поэтому эти регионы должны быть в состоянии обеспечить эффективное применение режима «трехмодульного вектора» [15]. В отличие от этого, из-за их ограниченного внедренческого потенциала они, вероятно, будут менее эффективно сочетать эти два способа инноваций, что приведет к более низким результатам инновационной деятельности.

Это ограничение может быть частично объяснено сокращением человеческого капитала и технологических возможностей, а частично ограниченными ресурсами, инвестируемыми в НИОКР, которые требуют достижения критической массы для эффективной работы [15]. В этом отношении, согласно последним исследованиям, умеренные инноваторы представляют собой так называемые «организационно хрупкие инновационные системы», в которых действует небольшое число организаций, связанных с наукой, и производят ограниченный объем прикладных исследований в интересах своей региональной производственной системы [13]. Этот прогнозируемый результат будет соответствовать выводам Б. Теттера и А. Таджара [36] о МСП, которые в основном полагаются на драйверы «трехмодульного вектора». Поэтому мы выдвигаем следующий второй блок гипотез:

Гипотеза 7: слабые инноваторы не используют режим НТИ для эффективного использования результатов инновационной деятельности.

Гипотеза 8: слабым инноваторам, скорее всего, эффективно использовать режим «трехмодульного вектора».

Гипотеза 9: у слабых инноваторов совокупный эффект НТИ и «трехмодульного вектора» приводит к более низким инновационным результатам по сравнению с другими типами регионов.

Эмпирическая оценка характера результатов инновационной деятельности

Для эмпирической оценки мы используем данные Обзора инновационных сообществ (ОИС) (Community Innovation Survey (CIS)) Евростата и его обследования регионов ЕС. Мы анализируем данные, основанные на таксономии инновационных регионов, выявленных в рамках проекта PRO-INNO EU Regional Innovation Scoreboard, который проливает свет на региональные вариации инноваций в Европе [23] (Hollanders, Es-Sadki, 2014). Это классификация, основанная на инновационном развитии европейских регионов, которая включает в себя ряд технологических и институциональных особенностей, таких как их внедренческий потенциал и общее институциональное стремление к инновациям. Эта типология является актуальной для целей нашего исследования, поскольку она предлагает признанную таксономию для понимания и интерпретации дивергентных инновационных тенденций в различных региональных контекстах.

В целом качество данных ОИС находится на достаточно высоком уровне благодаря систематическим проверкам качества данных, проводимым на национальном и корпоративном уровнях. Страны следуют согласованному вопроснику и методологическим рекомендациям, представленным Евростатом. Высокая частота ответов была признана одной из главных сильных сторон данного обзора. Уровень ответов варьируется в зависимости от национальных обследований (от 100% на Кипре до 51,8% в Дании), но для большинства стран он превышает 80%.

Итак, согласно классификации ОИС, страны делятся на несколько категорий, поскольку некоторые регионы являются более развитыми, чем другие. Обзор охватывает регионы из Германии и Иль-де-Франс во Франции (лидеры инноваций), Бельгии, некоторых других регионов Франции, Италии и Люксембурга (сильные инноваторы), Венгрии, Италии, Франции, Литвы, Мальты, Словакии и Кипра (умеренные инноваторы), а также Болгарии, Италии, Румынии, Венгрии и Латвии (слабые инноваторы).

Уместно вспомнить, что использование гармонизированного обследования ОИС, включающего несколько стран, было использовано во многих эмпирических исследованиях. Так Н. Стойчич [35] (Stojcic, Srhoj, Coad, 2020) писал в своем примечании об исследовании ОИС: Это наиболее полный межстрановой набор данных об инновационном поведении европейских фирм».

Наша эмпирическая стратегия включает в себя использование оценки склонности к множественным методам обработки данных, которая мотивируется эндогенностью режимов НТИ и «трехмодульного вектора» с учетом природы их компонентов, например, внутренней и внешней научно-исследовательской деятельности, а также потенциальной обратной причинно-следственной связи между сотрудничеством в области инноваций и эффективностью инновационной деятельности. Следовательно, влияние инновационных режимов НТИ и «трехмодульного вектора» на эффективность инноваций следует оценивать как множественную обработку (то есть среднее значение по обработанному эффекту).

В предыдущих исследованиях, рассматривавших взаимодополняемость различных видов инновационной деятельности или политики, эти виды деятельности/политики рассматривались как экзогенные. В частности, исследуется ли комплементарность через компоненты взаимодействия и их предельные эффекты, как в работе С. Хаус-Реве [22] (Haus-Reve, Fitjar, Rodriguez-Pose, 2018), или применяя функцию супермодулярности, интересующие переменные рассматриваются как экзогенные, хотя теория предполагает, что они являются эндогенными. Что касается последнего, то Дж. Хоуэлс [24] (Howells, 2012) исследовал потенциальную взаимодополняемость различных видов инновационной деятельности (НИОКР и внешние связи). Автор очень подробно обсуждает проблему эндогенности интересующих переменных, поскольку подход супермодулярности не решает эту проблему. Он отмечает, что инструментально-вариативный подход является одним из способов решения проблемы эндогенности инновационной деятельности, но он требует обоснованных инструментов, которые трудно найти, особенно в исследованиях инноваций.

Заключение

Подводя итог, можно сказать, что при рассмотрении эндогенности инновационных режимов НТИ и «трехмодульного вектора», какие бы методы ни использовались в предыдущих исследованиях, этот вопрос фундаментально не рассматривался, поскольку действительный инструмент отсутствует. Единственным решением было бы использовать динамический панельный анализ. Однако отсутствие долгосрочного временного ряда (в данных ОИС) является общей проблемой в исследованиях инноваций. Если исследователи вынуждены использовать данные поперечного сечения, то режимы НТИ и «трехмодульного вектора» можно рассматривать либо как экзогенные (как в предыдущих исследованиях), либо как эндогенные (как мы сделали здесь), но с оговоркой, что комплементарность не может быть полностью исследована.

А именно, мы можем оценить и сравнить совместные эффекты обоих режимов по сравнению с отдельными режимами, но не в рамках традиционного определения комплементарности – увеличение предельного эффекта одного режима увеличивает эффект другого режима. Другими словами, мы можем исследовать аддитивный эффект, но не мультипликативный совместный эффект [22].

Соответствующие оценки, будь то в рамках одного или нескольких методов множественной обработки, имеют мало преимуществ по сравнению с другими эмпирическими стратегиями. По сравнению с подходом инструментальной переменной, метод сопоставления не требует наличия достоверных инструментов для переменных множественной обработки и не делает никаких предположений о функциональной форме уравнения исхода [18] (Czarnitzki, Ebersberger, Fier, 2007). Однако главным недостатком совпадающих оценок является предположение о необоснованности или выборе наблюдаемых объектов. А именно, соответствующие оценки контролируют эндогенность, возникающую из смещения отбора в предположении, что ненаблюдаемой гетерогенности не существует.

Учитывая, что мы оцениваем множественные эффекты обработки, оценки склонности оцениваются с помощью мультиномиальной логит-модели, включающей все четыре уровня обработки: 1) ни НТИ, ни «трехмодульного вектора»; 2) только «трехмодульного вектора»; 3) только НТИ; 4) и то и другое. Выбор модели мотивирован характером нашей переменной обработки, которая имеет более двух исходов без естественного упорядочения. Баллы склонности позволяют сопоставлять фирмы в рамках каждого уровня обработки. Кроме того, регрессии оцениваются с помощью модели логита, поскольку переменные результата являются бинарными индикаторами, в которых обратные оцененным баллам склонности используются в качестве весов для ковариации X. И наконец, на основе каждой из этих регрессий эффект множественной обработки вычисляется как разница в средневзвешенных значениях прогнозируемых результатов. Этот трехэтапный подход обеспечивает последовательные оценки с учетом лежащего в основе предположения о независимости обработки от прогнозируемых результатов после моделирования ковариаций на этапах 1 и 2.