技術合作網絡與個體行動者探索式創新行為的內在聯系機理

摘要：本研究采用網絡分析軟件STOCNET 1.8動態模擬寧波江北區儀器儀表產業集群技術合作網絡與個體行動者探索式創新行為的聯系。結果表明：在2005～2010年期間，寧波江北儀器儀表集群的技術合作網絡尚處于初級階段，合作網絡與個體行動者探索式創新行為是互為狀態依存；網絡內個體的合作伙伴的選擇受到組織類型及知識專門化的伙伴效應等因素的顯著影響，個體探索式創新行為變化的決策受到個體知識專門化效應的積極影響。

關鍵詞：技術合作網絡；探索式創新；個體行動者；集群

中圖分類號：F270 文獻標識碼：A 文章編號：1003-5192（2013）01-0031-06

1.引言

探索式創新是相對已有技術而言，開發新的技術，是具有原創性、突變性的新發明創造。探索式創新有利于企業更好適應市場環境的動態變化和實現技術突破。企業利用技術合作網絡內不同知識，可以低成本、低風險地增強探索式技術創新。目前，關于個體行動者（Actor）利用技術合作網絡來實現探索式創新正成為研究的熱點之一。近年來，人們研究重點正從網絡結構轉向網絡內容（網絡知識多樣化）及焦點企業（Focal Firm）的知識基礎與外部伙伴的多樣化知識的整合作用。例如，Phelps驗證了合作網絡多樣性知識的整合對探索式創新的積極作用。Srivastava和Gnyawali分析了焦點企業的知識基礎會影響對網絡多樣化知識的整合，從而會影響突變性創新。但是，現有的研究是單向的，主要考慮技術合作網絡對探索式創新的影響，而很少關注個體行動者探索式創新行為對網絡聯結的影響及二者的內在相互聯系，從而不能系統地揭示合作網絡內企業探索式創新的規律。在社會網絡內，受到網絡自相關的同類相聚（Homophily Principle）和同化原理（Assimilation Principle）的影響，網絡變化與個體行為變化相互聯系和影響。另外，網絡變化和個體行為變化會受到共同的個體特征及網絡內生因素（例如中心性）影響。然而，在技術合作網絡內，技術合作網絡變化與個體行動者探索式創新行為變化問的聯系是否會受到網絡自相關、共同的個體與網絡內生因素等的影響尚缺乏實證的驗證。

與以往研究不同，我們采用動態研究方法，多層次地分析技術合作網絡與個體行動者探索式創新行為的內在聯系。首先，在對技術合作網絡與個體探索式創新行為聯系進行理論分析基礎上提出了多層次的網絡變化效應與個體探索式創新行為變化效應的假設；其次，進行研究設計，并運用網絡分析軟件STOCNET 1.8的SIENA功能，以寧波江北區儀器儀表產業集群技術合作網絡為例進行模擬分析與討論。

2.理論基礎與研究假設

2.1技術合作網絡與個體探索式創新行為的相互依存

在社會網絡內，個體行動者為了能夠對網絡結構與網絡內的其它行動者的行為做出反應，既可以通過改變行為的方式，也可以通過改變網絡聯結的方式。因此，個體行動者在網絡內需要做出兩類決策：一是與外部建立聯結（伙伴選擇），另一是對自己的行為做出決策。個體行動者對外聯結的選擇或變化，本質上是網絡結構的變化或網絡聯結的變化，也稱為網絡變化。在技術合作網絡中，網絡變化與個體探索式創新行為變化的相互依存是因為二者間具有直接或間接的相互聯系。第一，直接聯系足受到網絡自相關（雙邊層面因素）的影響，即社會聯系更容易發生在人口統計特征相似和行為相似的個體行動者之間。關于網絡自相關因素包含兩個方面。一是同類相聚原理的影響，指的是相似的個體間比不相似的個體間更容易建立聯結關系。另一是同化原理，其指的是個體行動者會改變個人的特征（包括行為特征）以實現與其社會鄰居特征的匹配。因此，網絡變化與個體探索式創新行為變化是互為條件和影響的，網絡變化（聯結選擇）在同類相聚原理的作用下受到個體探索式創新行為相似的影響，而個體探索式創新行為變化在同化原理的作用下受到合作伙伴行為的影響。第二，間接聯系是受到共同的個體層面因素和網絡層面因素的影響。例如，個體行動者的一定程度的知識專門化，可能有利于增強探索式創新，同時。可能越容易吸引外部伙伴的合作。占據有利的網絡中心位置，具有信息優勢與控制優勢，不僅有利于促進外部知識的獲取，而且可以識別潛在的合作伙伴。網絡變化效應常被稱為選擇效應，而個體行為變化效應常被稱為社會影響效應。接下來，我們分別從技術合作網絡變化的選擇效應與個體探索式創新行為變化的社會影響效應提出假設。

2.2技術合作網絡變化的選擇效應

（1）網絡內生因素效應

外向中心性效應。外向中心性是雙邊聯結的程度的總體趨勢，是個體行動者對外聯結的數量總和。網絡外向中心性體現了個體在網絡中的權利和地位。具有更好的網絡位置的企業可能更有利于選擇合作伙伴。越處于中心位置的企業，掌握的信息越多，越能夠識別企業間合作的機會，同時，相互聯系的企業也越多，在選擇合作伙伴時，可以選擇最合適的合作伙伴。依據中心地位的影響，企業更容易在雙邊關系中達成對自己有利的合作條款。另外，可以獲得更多的合作伙伴的相關信息，有利于降低合作風險。因此，我們假設：

H1 在合作網絡中，個體行動者網絡外向中心性越大越有利于其與外部建立合作（聯結）。

（2）個體因素效應

其一，知識專門化的自我效應（Ego Effects）。正的知識專門化的自我效應顯示，個體行動者知識專門化程度越大，越傾向于與更多的外部企業合作，體現了對外活動程度。依據資源基礎觀，知識專門化體現了企業的資源具有專用的性質，并會影響其尋求外部的資源。企業對知識的探究具有在本領域發展的傾向。因此，具有專門知識的企業更喜歡選擇在其所熟悉知識鄰近領域內從事研究。雖然企業可能具有獲取外部潛在知識的愿望，但是由于具有從事自身技術領域研究的習慣，限制了其與外部的合作。另外，專門知識具有專用性和隱性，在合作中很難采用正式的合同來規定、監督與執行，容易被合作伙伴盜竊并遭受損失，因此，具有專門知識的企業會因為合作中潛在風險選擇不合作。那么，我們假設：

H2 在合作網絡內，知識專門化的自我效應為顯著負的，即企業知識專門化程度越大，其與外部建立合作的傾向會降低。

其二，知識專門化的伙伴效應（Alter Effects）。正的知識專門化的伙伴效應顯示，個體行動者知識專門化越大，越多外部企業傾向于與其合作，體現了受歡迎程度。企業參與合作網絡的目的是為了獲取網絡內的資源與知識。具有很強專門知識的企業更容易在集群內被看作是技術領先者。相比技術落后的企業，作為技術領先的企業常成為集群內其它企業咨詢的對象。技術相對落后的企業，希望通過與知識專門化程度大的企業合作來獲得技術幫助和學習先進技術，因此，傾向于與知識專門化程度大的企業建立合作。那么，我們假設：

H3 在合作網絡內，知識專門化的伙伴效應為顯著正的，即企業知識專門化程度越大，外部企業越傾向于與其建立合作。

（3）雙邊因素效應

其一，類型相同。在合作網絡內，網絡個體行動者包括企業與科研機構（包含學校），因此，技術合作伙伴的類型一般來說有三類：企業與企業、企業與科研機構、科研機構與科研機構。依據同類相聚的原理，我們假設：

H4 在合作網絡內，企業與企業和科研機構與科研機構比企業與科研機構更容易建立合作。

其二，知識專門化相似（選擇）與探索式創新相似（選擇）。知識專門化相似性的選擇效應指的是，網絡內的個體傾向于與具有相同程度的知識專門化的組織建立合作關系。類似地，探索式創新相似性的選擇效應指的是，企業傾向于與具有相似的探索式創新績效的企業建立合作關系。依據同類相聚的原則，那些具有相似特征或行為的企業，一般來說，可能具有相似的組織慣例、價值觀或企業文化，因此，不僅容易相互接觸并形成合作關系，而且容易通過協調來解決合作中的沖突問題。因此，我們假設：

H5 在合作網絡內，企業傾向于與具有相似知識專門化程度的組織建立合作。

H6 在合作網絡內，企業傾向于與同樣從事探索式創新的組織建立合作。

2.3個體探索式創新行為的社會影響效應

（1）網絡內生因素效應

外向中心性效應。網絡外向中心性還體現了企業與外部建立合作關系的傾向。企業的探索式創新強調了不同知識來源在知識創造中的作用，如果一個企業與外部的合作關系越多，獲取外部差異知識也越多，企業所能實現的知識組合也越多，從而有利于發明新的技術，即實現探索式創新。處于高度中心位置的企業，越有利于從事探索式技術創新。中心性代表關鍵資源可獲得性和信息聚集，更容易獲得創新相關的信息和影響力，有助于企業降低獲取信息和潛在資源的成本。另外，網絡位置越接近中心位置，越不會模仿普遍的做法或者那些追隨者已經在使用的做法，而是傾向于采取探索式創新。因此，我們假設：

H7 在合作網絡內，個體行動者在網絡中心性越大，越有利于促進探索式創新。

（2）個體因素效應

知識專門化效應。正的知識專門化效應指的是，知識專門化程度越大，企業越傾向于探索式創新。技術創新的本質是知識創造，而知識創造依賴于知識的吸收、轉移與整合。影響企業知識吸收與自身知識基礎相關。一般來說，企業知識基礎包括三個維度：知識寬度、知識深度和知識集中度。企業知識專門化程度越大，意味著企業在某類知識領域的鉆研越深，相關知識的積累越多，從而整合知識的能力也越強，越有可能實現技術突破，探索式創新績效通常也就越高。知識專門化程度越大，知識集中程度越高，更有利于把握技術創新的機會，提升探索式技術創新績效。因此，我們假設：

H8 在合作網絡內，個體行動者的知識專門化程度越大，越有利于促進探索式創新。

（3）雙邊因素效應

探索式創新相似（影響）效應。該效應指的是，一個企業的探索式創新行為會影響合作伙伴的探索式創新行為，體現了同化原理。在集群技術合作網絡內，那些地理位置鄰近的企業間合作，有利于促進相互接觸與互動，增強相互了解，容易獲得合作伙伴的信息。當合作一方了解或者觀察到合作伙伴的探索式創新有利于提升績效時，會積極模仿合作伙伴的探索式創新行為。因此，我們假設：

H9 在合作網絡內，地理位置鄰近的合作伙伴的探索式創新行為會影響伙伴實施相似的探索式創新行為。

3.研究設計

3.1研究方法與數據收集

我們選擇知識密集型的寧波江北區儀器儀表產業集群為調研對象。知識密集型產業的技術與產品更新快，企業具有較高從事探索式創新的積極性。目前，寧波江北區儀器儀表集群有約40多家制造型企業、7家關聯科研單位（中國科學院寧波材料所、中國兵科院寧波分院、寧波大學等）和40多家相關聯企業，這些組織間的合作關系構成了寧波江北區儀器儀表產業集群技術合作網絡。整個集群在2010年產值約20億，產品主要屬于通用儀器儀表與專用儀器儀表，涉及水表、流量表、傳感器、溫度控制器等。我們采取問卷調研的方法，以2005～2010年為觀測期，同時，考慮到2008年金融危機的沖擊，選擇3個觀測時間點，即2005年、2008年和2010年，把觀測時間分為金融危機前與危機后兩個階段。在寧波江北區發改局幫助下，我們先確定集群內有從事研發或已經成功申請專利的單位名冊，該名冊包含39家單位，然后對集群內制造企業與研發單位進行問卷發放，問卷由總經理或技術經理填寫。在問卷調查中，組織間的合作關系數據收集通過名冊回想法（Roster Recall）。我們要求被調研的單位在2005年到2010年期間必須滿足有至少1個的技術合作伙伴。被調研的單位需要回答與合作相關的問題，即貴單位在遇到技術上的問題時向名冊中哪個單位咨詢或尋求幫助嗎？此外，我們從中國專利數據庫網站收集專利數據。

我們總共發放了89份問卷，具有技術合作伙伴的制造企業與研發單位有27個。我們以這27個樣本建立3個觀測點的合作網絡（整體網）鄰接矩陣。合作網絡鄰接矩陣是有向的，若i主動向j尋求技術幫助，則x_ij=1，但是并不意味著x_ji=1，除非j主動向i尋求技術幫助。由于我們設立了3個觀測點，我們需要建立3個合作網絡鄰接矩陣。對于在某個觀測點中沒有出現的企業，其與網絡內其它個體行動者的合作關系為0，這樣我們確保了3個觀測點的合作網絡鄰接矩陣具有相同數量的行與列。

3.2測量

（1）知識專門化。專利作為企業知識資源的基礎已被人們所認同。雖然不是所有的知識可以專利化，但是專利與非專利的知識存在正相關。因此，本部分采用專利來測度知識專門化。由于外觀設計僅是外觀的改進，不涉及技術與功能的變化，因此本研究中的集群企業的專利僅包括發明與實用新型，不包括外觀設計。國際專利分類號IPC前3位數字代表某一類技術領域。那么，知識專門化程度的測度，可以用具有專利數量最多的某一專利分類號中的專利數量與企業所有專利數量的比例來表示，比值越大意味著越專業。本研究對2005～2010年的5年間的寧波江北儀器儀表產業集群中的儀器儀表相關的專利（以成功申請日計算）進行歸類，具體包含的專利分類號有A01、A47、B01、B23、B29、B60、B61、B65、E01、E03、E04、E05、F04、F05、F16、F17、F23、F24、F25、F41、G01、G05、G06、H0l、H02、H03、H04、H05等28種，選擇比例最大的值來代表知識專門化程度。

（2）探索式創新行為績效。該構念參考了Lubatkin等人，王鳳彬和陳建勛等的探索式創新績效量表，我們選擇3個問題項，分別是：貴單位能打破常規尋找新的技術/產品的創意；貴單位經常研發有價值的新產品或服務；貴單位嘗試以新方式來滿足顧客需求。該構念以利克特五點來測評，其Cronbach’s a系數是0.73，表明該構念具有較好的信度。我們分別測度2005年、2008年和2010年的個體探索式創新行為績效。

（3）技術合作網絡變化的選擇效應與個體探索式創新行為變化的社會影響效應。本文參考了Snijders等人的SIENA手冊中的網絡變化效應與個體行為變化效應的概念與統計表達式。技術合作網絡變化的選擇效應涉及網絡內生因素效應（外向中心性），個體因素效應（包含知識專門化的自我效應與知識專門化的伙伴效應），雙邊因素效應（包含知識專門化相似、探索式創新行為相似和類型相同）。探索式創新行為變化的社會影響效應涉及網絡內生因素效應（外向中心性），個體因素效應（知識專門化效應）和雙邊因素效應（探索式創新行為相似）。

3.3分析的工具

網絡變化和個體行為變化都可以看作是馬爾科夫過程，二者的共同演化可以用SIENA中的行動者導向模型進行模擬。SIENA是網絡分析軟件STOCNET 1.8的內容，可從網站上免費下載相關軟件程序和手冊，也可以到SIENA主頁閱讀相應參考資料。對于網絡與行為變化的各效應的參數估計，SIENA通過馬爾科夫鏈蒙特卡羅方法進行迭代模擬。

4.分析與討論

我們運用STOCNET 1.8軟件的SIENA功能分析集群技術合作網絡與個體行動者探索式創新行為相互聯系的模型。在模型中，參數估計經歷了馬爾科夫鏈蒙特卡羅（MCMC）的2675次迭代，結果見表1。從表1看，各個效應的T比率（與參數估計的T值不同）接近于0，小于0.10，顯示了該模型具有良好的收斂度，因此技術合作網絡變化與個體探索式創新行為變化是相互狀態依存的。由于網絡密度、平均外向度、網絡聯結在2005年分別是0.050、1.346和35，在2010年分別是0.140、3.769和98，說明2005～2010年期間網絡規模不大，網絡節點少，組織間的合作不多，聯結較少，因此，集群技術合作網絡尚處于初級階段。

4.1基于伙伴選擇的網絡變化效應

表1顯示，集群技術合作網絡變化效應的結果如下：（1）外向中心性的參數估計并不顯著，為-1.102（p>0.1），因此，假設H1不成立。這說明了，在2005～2010年間，個體的網絡中心位置還不足以對其外部合作關系建立產生顯著影響。（2）個體知識專門化的自我效應的參數估計不顯著，為0.904（p>0.1），而知識專門化的伙伴效應的參數估計顯著，為1.069（P<0.1）。這表明，個體知識專門化自我效應并不顯著為負的，而企業知識專門化程度越大，外部企業越傾向于與其建立合作，因此，假設H2不成立，假設H3成立。雖然，Kogut和Zander及Yang等人認為企業知識專門化程度越大，知識專用性也越大，出于創新占有的擔心，其會選擇不合作，但是，目前，集群內企業技術并不很先進，知識的專用性可能并不隨著知識專門化增大而顯著增大，因此，并不會顯著影響其對外合作，然而，個體知識專門化程度越大越容易吸引外部企業的合作。（3）類型相同效應的參數估計顯著，為-1.027（p<0.05），表明企業與企業的合作或者科研單位與科研單位的合作比企業與科研單位的合作更困難，即假設H4不成立。這是因為，企業與科研機構的合作是非同類競爭者問的合作，利益沖突相對較小。（4）知識專門化相似（選擇）效應的參數估計和探索式創新相似（選擇）效應的參數估計都不顯著，分別為0.546（p>0.1）和0.782（p>0.1），因此，假設H5和假設H6不成立。這說明，知識專門化相似和探索式創新行為相似，不利于合作關系建立。原因可能是，具有專門知識的企業或者從事探索式創新的企業一般具有核心技術，出于技術外泄的擔心，會選擇不與具有相似知識或者相似探索式創新行為的企業合作。

4.2基于社會影響的個體探索式創新行為變化效應

表1顯示，個體探索式創新行為變化效應的結果如下：（1）外向度效應的參數估計不顯著，為0.078（p>0.1），表示個體行動者的網絡地位高低與其從事探索式創新并不顯著相關，即假設H7不成立。這是因為，探索式創新需要對不同來源知識整合，是一個知識創造過程。探索式創新所需知識不僅存在于組織內，而且存在于組織外部和組織間。雖然，個體處于網絡中心位置，具有信息優勢與控制優勢，有利于接觸到不同知識，但是并不意味著可以實現隱性知識的有效轉移，即不一定能實現不同來源知識的整合和促進探索式創新。原因是，隱性知識獲取更需要依賴私人間基于信任的交流與互動，而很難通過地位、權力來獲得。（2）知識專門化效應的參數估計顯著，為1.302（p<0.05），意味著個體行動者的知識專門化程度越大，越傾向于從事探索式創新，因此假設H8成立。這與Srivastava和Gnyawali的組織自身知識基礎會影響知識吸收與整合，從而影響突變性創新績效的觀點相似。一個企業知識專門化越大，專門知識也越豐富，吸收與整合外部的知識能力也越強，很容易發生原創性的、突破性的探索式創新。（3）探索式創新相似（影響）效應的參數估計并不顯著，為0.111（p>0.1），表示個體行動者并沒有采取與合作伙伴相似的探索式創新行為，因此，假設H9不成立。雖然這與同化原理不相符合，但是說明了探索式創新需要原創性，需要組織自身具有一定知識基礎和吸收能力，不容易通過模仿合作伙伴的探索式創新行為來實現。

5.總結

本研究以寧波江北區的儀器儀表產業集群的技術合作網絡為案例，運用STOCNET 1.8的SIENA功能分析技術合作網絡與個體行動者的探索式創新行為的內在聯系。在理論方面的貢獻有2點：（1）闡明了技術合作網絡變化與個體探索式創新行為變化間的聯系是因為受到共同的網絡內生因素和個體因素，以及雙邊因素（網絡自相關）的影響。（2）揭示了在集群技術合作網絡發展的初級階段，個體知識專門化不僅有利于吸引外部企業建立合作，而且有利于促進探索式創新行為。因此，本研究豐富了技術合作網絡與技術創新能力共同演化的理論。此外，在實踐方面有3點啟示：（1）在技術合作網絡內，個體探索式創新不能依靠模仿合作伙伴，需要依靠增強自身的專門化知識的積累和知識創造能力的增強。（2）在構建有利于探索式創新的合作網絡時，不僅需要考慮企業的網絡位置，而且需要通過有利位置來培育企業間的互惠、信任、承諾等關系資本，降低知識獲取成本，促進知識的組織間轉移。（3）政策方面，需要鼓勵集群內的產業細分，扶持集群內組織積極從事專門技術領域的深入研究，并鼓勵其通過合作方式從事探索式創新，帶動整個集群合作網絡的探索式創新。

雖然本研究一定程度上豐富了技術合作網絡與個體探索式創新行為關系的研究，但是，仍存在一些不足需要將來進一步研究，體現在：（1）網絡內生因素沒有考慮網絡封閉性、結構洞、互惠等的影響。（2）忽略了網絡內組織問關系強度對探索式創新行為的影響，而組織間關系強度是影響知識轉移的重要因素。（3）本研究的集群技術合作網絡處于發展的初級階段，因此，相關結論在網絡的成長、成熟及衰退等階段是否適用需要謹慎對待。