戰(zhàn)略聯盟企業(yè)間創(chuàng)新網絡的創(chuàng)新績效研究

趙 炎，王 琦，郭霞婉

戰(zhàn)略聯盟企業(yè)間創(chuàng)新網絡的創(chuàng)新績效研究

趙 炎，王 琦，郭霞婉

（上海大學管理學院，上海200444）

目前對于企業(yè)間創(chuàng)新網絡特征對創(chuàng)新績效的影響研究，社會網絡分析已得到初步應用，但是這種應用仍處于起步階段。文章以社會網絡理論為基礎，以中國汽車產業(yè)戰(zhàn)略聯盟為實證對象，將社會網絡分析和負二項回歸相結合，分析中國汽車產業(yè)戰(zhàn)略聯盟網絡的特征與創(chuàng)新績效的關系，最終得出了結論：在不同的文化背景和市場機制下的中國戰(zhàn)略聯盟網絡，具有高度集聚系數和可達性的網絡與沒有顯示這些特性的網絡對網絡中企業(yè)的創(chuàng)新績效影響無顯著區(qū)別，占據有利的結構洞位置也并沒有提高聯盟企業(yè)的創(chuàng)新績效。

企業(yè)間創(chuàng)新網絡；社會網絡分析；戰(zhàn)略聯盟；創(chuàng)新績效

一、引言

自2009年始，我國汽車的產、銷量躍居世界第一。然而，很多中國汽車企業(yè)研發(fā)的核心技術仍掌握在外國公司手中，結果導致這些企業(yè)除了與國外企業(yè)進行合作建立聯盟之外別無他選。自從我國加入WTO以后，為了自身的生存和發(fā)展，越來越多的中國汽車企業(yè)走上戰(zhàn)略聯盟的道路。通用、福特、豐田、雷諾等世界頂級汽車公司紛紛進入中國，與中國本土汽車企業(yè)組成跨國戰(zhàn)略聯盟。國內汽車企業(yè)也可由此分享這些汽車工業(yè)巨頭先進的技術和管理經驗，從而迅速縮短了我國汽車產業(yè)與發(fā)達國家的差距。在國內外企業(yè)合資合作的同時，國內企業(yè)也逐步打破地域、行業(yè)、所有制的限制，開展了各種形式的合作，如合資、技術合作、銷售合作等等。盡管如此，也存在為數不少的聯盟因成員之間缺乏信任，導致合作不能順利進行，聯盟目標不能成功實現，一些聯盟甚至持續(xù)不到三年。對于中國的企業(yè)來說，如何從聯盟中獲益仍然是一個重要的問題。

本文以中國汽車產業(yè)戰(zhàn)略聯盟為樣本，對中國聯盟企業(yè)創(chuàng)新績效進行研究，并提出相關建議。若在一個固定的時間點，以企業(yè)為節(jié)點，以企業(yè)之間的聯盟關系為線，那么企業(yè)聯盟網絡便可浮現出來。聯盟網絡是一種典型的企業(yè)間創(chuàng)新網絡，通過社會網絡分析法，可得到各種網絡特征。社會網絡分析法，興起于20世紀90年，Granovetter［1］的“強聯結優(yōu)勢理論”、“弱聯結的力量理論”，Coleman［2］的“社會資本理論”和Burt［3］的“結構洞理論”等都是社會網絡分析中的代表性理論。目前，運用社會網絡分析方法對企業(yè)網絡特征與創(chuàng)新績效的關系的研究尚處于起步階段，而且主要集中在美國。國內研究大多數是借鑒國外相關研究理論或成果，定量分析較少，并且大多數都是以產業(yè)集群為研究對象，以戰(zhàn)略聯盟為研究對象探討企業(yè)網絡特征對創(chuàng)新績效影響的社會網絡分析研究還很缺乏。所以，對于學者們來說，中國企業(yè)戰(zhàn)略聯盟網絡以及這些網絡的特征對網絡中成員企業(yè)的產出尤其是創(chuàng)新績效的影響，仍然是一個新的研究領域。

在不同的文化背景下，企業(yè)間創(chuàng)新網絡對創(chuàng)新績效的影響可能有所不同。根據Burt的結構洞理論，網絡中最能為企業(yè)帶來競爭優(yōu)勢的位置是關系稠密地帶之間的結構洞［3］。但Ahuja認為結構洞對創(chuàng)新績效的影響只有在特定的環(huán)境下才能夠被理解，當形成合作的環(huán)境和克服機會主義對成功具有重要作用時，封閉的網絡更有利；當快速地獲得各種信息很重要時，結構洞有可能更有利［4］。Xiao&Tsui將結構洞理論引入不同文化背景中，研究了中國的四個高科技企業(yè)中結構洞的作用，并且驗證出結構洞理論并不適用于具有集體主義價值觀的中國［5］。劉雪峰通過對中國四個典型制造業(yè)企業(yè)的研究，得出了網絡的技術嵌入性對企業(yè)創(chuàng)新差異化有正向影響的結論［6］，而其他的學者卻提出網絡嵌入性對網絡中知識轉移績效的顯著影響和對組織學習的抑制作用［7-8］。

因此，本文不僅分析了中國汽車產業(yè)聯盟網絡的特征與創(chuàng)新績效的關系，而且將其與國外已有的研究進行對比和比較，這將有助于了解不同文化背景和市場機制下的中國企業(yè)間創(chuàng)新網絡特征對創(chuàng)新績效的影響，也促使學者們深入思考文化背景和市場機制在國家和地區(qū)創(chuàng)新系統中的作用。

二、理論和假設

集聚系數是用來描述一個網絡中的節(jié)點之間結集成團的程度的系數，具體來說，反映了一個點的鄰接點之間相互連接的程度。社會資本理論的代表人物Coleman指出，高密度的網絡具有封閉系統的某些功能特點，高密度網絡中企業(yè)間更易發(fā)展出相互信任關系、共享準則，以及共同的行為模式；網絡密度的提高會縮短信息傳遞的平均路徑，加快了網絡內信息和資源的流動速度。因此，較高的集聚系數有利于加強聯盟成員之間的相互信任，形成更緊密的合作，從而提高信息交流的效率和準確度［2］。

但是較高的集聚系數也存在消極作用。根據“嵌入性悖論”，過度嵌入性會導致網絡的鎖定效應和路徑依賴。因此，當集聚系數較高時，企業(yè)與同一局部網絡內的企業(yè)交流的機會很多，而與其他局部網絡中的企業(yè)交流的機會很少，這時企業(yè)逐漸被鎖定在無效率的狀態(tài)之下，大量的信息冗余并缺少新信息的獲取，使得這個局部網絡變?yōu)榉忾]、僵化的生產系統［9-10］。

網絡的可達性反映了網絡中企業(yè)獲得信息的數量以及速度，它不僅考慮到了在網絡中給定一個公司，從該公司經由任何路徑能到達的其他公司的總數，而且考慮到了這些路徑的長度。網絡中若存在扮演連接不同局部網的“橋”角色的結構洞，那么該網絡的可達性將大幅提高。在企業(yè)網絡中，若兩個企業(yè)之間的最短路徑經過一個且僅此一個中間企業(yè)，則稱這個中間企業(yè)所占據的位置為結構洞。Burt在其結構洞理論也曾指出網絡中最能為企業(yè)帶來競爭優(yōu)勢的位置是關系稠密地帶之間的結構洞。占據結構洞企業(yè)能夠獲取來自多方面的非冗余信息，并成為信息的集散中心，它在網絡中扮演“橋”的角色，將兩個關系稠密地帶聯結起來，為這些聯結起來的企業(yè)帶來新的信息，從而提高網絡中企業(yè)的創(chuàng)新能力［3］。

圖1是一種典型的同時具有高聚集系數與可達性的網絡。（點代表企業(yè)，線代表這兩個企業(yè)之間結成聯盟），企業(yè)A、B與C通過它們建立起的“橋”與其他局部網絡相連，網絡又具有較高的可達性，從而可以從其他局部網絡內獲取大量新鮮的、非冗余的異質性信息。

圖1 由三個分別具有高度集聚系數和可達性的局部網絡所構成的整體網絡

基于以上的分析，提出本文的兩個假設：

假設1：若聯盟網絡的集聚系數和可達性較高，則其二者的交互作用會對聯盟中企業(yè)的創(chuàng)新績效產生積極的影響。

假設2：若企業(yè)占據有利的結構洞位置，則有利于聯盟中企業(yè)創(chuàng)新績效的提高。

三、研究方法

（一）樣本選擇

本文需要的數據有兩種。一種是社會網絡指標，本文以美國SDC Platinum數據庫中2000-2006年的數據來構建中國汽車產業(yè)戰(zhàn)略聯盟網絡從而計算出各社會網絡指標；另一種來源于中國知識產權網（http：//www.cnipr.com）的專利數據。通過計算機編程自動篩選出有兩個或以上中國企業(yè)參加的汽車產業(yè)戰(zhàn)略聯盟的數據，建立汽車產業(yè)戰(zhàn)略聯盟網絡。

接下來是設計網絡鄰接矩陣自動提取算法，實現“企業(yè)間創(chuàng)新網絡鄰接矩陣自動生成系統”。采取3年時間窗口，通過該系統可生成5個聯盟網絡鄰接矩陣（2000-2002年，2001-2003年，2002-2004年，2003-2005年，2004-2006年），將這5個矩陣輸入社會網絡分析軟件UCINET6.2，即可得到不同時間窗口內的各社會網絡指標。圖2以2001-2003年為例展示了中國汽車產業(yè)戰(zhàn)略聯盟網絡。

圖22001 -2003年中國汽車產業(yè)戰(zhàn)略聯盟網絡圖

（二）變量設定

1.因變量

由于汽車產業(yè)往往用專利來體現知識創(chuàng)造成果，而汽車企業(yè)也經常通過申請專利來保護自己的新產品或者新技術，所以本文最終選用專利獲批數來衡量企業(yè)創(chuàng)新績效。

專利獲批數Patentit：指i公司在t年申請并獲批的專利數量。

2.自變量

（1）集聚系數（Clustering Coefficient）：反映了網絡中節(jié)點傾向于聚集在一起的程度。其計算公式為：

其中，triangle是指網絡中兩兩相連的三個點；而con?nected triple既包括triangle，也包括結構洞（即在三個點中只有兩條連線）。

（2）可達性（Reach）：我們采用了平均距離加權可達性，這樣不僅考慮到了在網絡中給定一個公司，從該公司經由任何路徑能到達的其他公司的總數，而且考慮到了這些路徑的長度。它反映了網絡中企業(yè)獲得信息的數量以及速度。

可達性的計算公式為：

dij是兩點之間的最短距離或稱為測地線（geodesic），n是指網絡中節(jié)點的個數。

（3）結構洞（Structural Hole）：結構洞又稱為局部效率（Local Efficiency），指企業(yè)與其合作伙伴之間的非冗余關系，本文采用了Burt測量控制效率的方法來衡量企業(yè)局部網絡結構對其成員企業(yè)的影響。

結構洞的計算公式為［3］：

其中，Piq是指點i投資在q與關系上的比例；mjq代表了點j和點q之間關系的邊際力量，它是個二進制數據，當點j和點q之間有關系時，為1，否則為0；Ni是指與點i連接的點數。

（4）集聚系數×可達性（Clustering Coefficient×Reach）：根據本文的假設，集聚系數和可達性的交互作用對聯盟成員的創(chuàng)新性有正向的顯著影響，所以我們選取集聚系數×可達性作為自變量。

3.控制變量

（1）樣本前專利數（Pre-sample Patents）：公司進入樣本前五年內申請并獲批的專利個數。我們采用Blundell取樣前信息方法計算出該變量，它用于控制未被觀察到的公司專利申請上的異質性［11］。

（2）中介中心性（Betweenness Centrality）：中介中心性的概念最早由Freeman提出，它是指一個公司在多大程度上位于網絡中其他任意兩個公司之間的最短路徑（測地線）上，因而是一個測量“控制能力”的指標［12］。

中介中心性的計算公式為：

其中，gjk是指點j和點k之間最短路徑的數目，而gjk（i）則是點j和點k之間經過點i的最短路徑的數目。

（3）網絡密度（Network Density）：網絡中實際擁有的連線數與最多可能擁有的連線數之比。

網絡密度的計算公式為：

其中，L是指網絡中的邊數，g是指網絡中點的個數。

（4）中心勢（Centralization）

中心勢指該網絡中的節(jié)點圍繞某個或某幾個核心點建立聯系的緊密程度，它將會影響到創(chuàng)新知識傳播的特性。當C= 0時，網絡中不存在核心點，每個節(jié)點處于對等的趨勢。在中心勢較高的網絡中，所有的途徑都會通過一個或少數幾個核心點，這樣就縮短了網絡中任意一對節(jié)點之間的距離。我們采用了Freeman的群體中心度的指標，得到中心勢的計算公式為：

其中，CB’（n*）是指第t年網絡j標準化后所有點中最大的中介中心度，CB’（ni）是公司i標準化后的中介中心度，g是網絡中公司的數目。

（三）模型建立

基于前人關于聯盟與創(chuàng)新關系的研究，本文在建立模型時采用了一年、兩年、三年的滯后模型。模型如下：

Patentsit+1（2，3）=f（Log Clustering Coefficientit，Log Reachjt，Structural Holeit，Log Clustering Coefficient×Log Reachit，Between?ness Centralityit，Centralizationit，Log Network Densityit，Presam?ple_Patentsit，2002，2003，2004，2005，2006）（*）

其中，i代表汽車產業(yè)戰(zhàn)略聯盟內的各中國企業(yè)；t代表年份；（*）中各變量均為企業(yè)i在t年份的取值；2002指2000-2002年時間窗口中的網絡，2003指2001-2003年時間窗口中的網絡，以此類推。

四、結果分析

因變量專利數是計數型的變量，其取值均為非負整數。線性回歸不適合分析這樣的變量，因為殘差分布將會呈異方差的非正態(tài)性。泊松回歸分析計數型變量時，需要滿足平均數與方差相等的假設。而專利數往往是過度離散的，從而方差大于平均數，所以無法運用泊松回歸。負二項回歸作為廣義的泊松回歸，允許過度離散，因此選用負二項回歸。

由于隨機效應是假設未觀察到的公司特有效應與回歸變量無關，所以我們分別采用了固定效應和隨機效應對模型進行測量，并對結果進行魯棒性檢驗。

通過STATA8.0進行負二項回歸分析步驟：首先，只做所有控制變量與因變量的回歸，目的是檢驗控制變量是否影響創(chuàng)新績效；然后，在上一步的基礎上將Log Clustering coef?ficient、Log Reach和Structural Hole加進來，用于檢驗結構洞、集聚系數和可達性對創(chuàng)新績效的影響；最后，再加進Log Clustering Coefficient×Log Reach來檢驗集聚系數與可達性交互作用對創(chuàng)新績效的影響。

最終到負二項回歸的結果如表1。

根據Hausman檢驗的結果，表1中模型1-7均采用隨機效應的結果，而模型8-9采用固定效應的結果。

分析表1的結果可以得到：

（1）Clustering Coefficient×Reach對創(chuàng)新績效沒有顯著的作用。因此，得到的結果不支持本文的假設1。即對于中國背景下的汽車產業(yè)戰(zhàn)略聯盟，網絡的高度集聚系數和可達性未能有助于網絡中企業(yè)創(chuàng)新性的提高。

（2）當專利滯后一年時，Clustering Coefficient對創(chuàng)新績效有顯著的影響（系數為-273.64），這意味著網絡的集聚系數越高，企業(yè)的創(chuàng)新性反而越低。而reach對創(chuàng)新績效都沒有顯著的影響。

（3）Structural Hole在所有的模型中都顯示出負向作用，不過這種負向作用只有在專利滯后三年的模型中顯著。因此，本文的假設2也沒有得到驗證。

（4）本文得到的關于控制變量的實證結果同樣值得討論。在控制變量中，除了專利滯后三年的情況，Pre-sample Patents都對創(chuàng)新績效有正向的顯著影響。而其它控制變量在所有模型中對創(chuàng)新績效都沒有顯著影響作用。

將本文的研究結果與Schilling和Phelps（2007）的研究結果進行對比，我們發(fā)現兩者存在很大的差異。對于美國汽車企業(yè)戰(zhàn)略聯盟網絡，具有高度集聚系數和可達性特征的網絡比不具有這些特性的網絡創(chuàng)新性要高，而對于中國的汽車企業(yè)戰(zhàn)略聯盟網絡，這兩種網絡的創(chuàng)新性不僅沒有明顯區(qū)別，甚至高的集聚系數會在短期（一年）內使企業(yè)的創(chuàng)新性降低。同時，占據結構洞位置，并沒有提高企業(yè)的創(chuàng)新能力，這與Burt的結構洞理論也有所差異。

表1 固定效應和隨機效應的負二項回歸結果（樣本數=155）

五、結論與討論

網絡特征的影響作用因不同國家、市場機制而異。美國高集聚系數和可達性的聯盟網絡中的企業(yè)將會比其他聯盟網絡中的企業(yè)顯示更多的知識創(chuàng)新性，而在中國卻并非如此。美國的市場經濟體制較中國完善，企業(yè)知識產權保護意識較強，知識產權保護體系也遠比中國成熟——包括知識轉移的流程規(guī)則和有關法律法規(guī)等，美國企業(yè)聯盟網絡中，高的集聚系數和可達性可以增進企業(yè)之間正規(guī)的知識轉移，促進網絡中各企業(yè)的學習，從而提高聯盟網絡的創(chuàng)新性。中國企業(yè)的知識管理水平較低，法律體系也難以提供完全有效的知識產權保護。企業(yè)明白自己處于一個知識轉移的安全性不能得到保障的環(huán)境中，而且自身也往往不具備完善知識管理體系，所以為避免自己的核心知識和先進技術被其他公司盜用或濫用，它們對其他公司會有所防備。如果在一個集聚系數和可達性都較高的網絡中，這些企業(yè)不僅不敢積極地參與到知識轉移和共享活動中，而且會更加擔心知識外溢，從而導致了整個網絡的創(chuàng)新性得不到提高。

不同的國家不同的文化背景，結構洞對創(chuàng)新績效的影響也不同。在擁有集體主義價值觀的中國，企業(yè)在局部網絡中與其他的成員企業(yè)建立良好關系是非常重要的。處于結構洞位置的企業(yè)往往被認為是“腳踩兩只船”，會遭到它所跨越的兩個局部網絡的不信任甚至排斥。因此結構洞不僅難以實現控制性收益，而且很可能對創(chuàng)新績效帶來不太顯著的副作用，此結果與Xiao&Tsui的研究結果一致，他們的研究也證明了中國典型的集體主義文化將減弱結構洞的效果［5］。

本文也證實了企業(yè)進入樣本前所擁有的專利數對創(chuàng)新績效的顯著正向影響。這一結果與國外學者的研究相吻合。Schilling和Phelps（2007）的研究發(fā)現樣本前專利（Pre-sam?ple Patents）對企業(yè)創(chuàng)新績效具有極為顯著的正向影響。在Zaheer等的研究中證明了企業(yè)既往的創(chuàng)新能力對其之后的創(chuàng)新績效也具有明顯的表征作用。

（一）意義

根據研究結果對企業(yè)戰(zhàn)略聯盟活動以及政府相部門提出如下建議：

在中國汽車聯盟網絡中，高集聚系數和可達性對網絡中企業(yè)的創(chuàng)新性沒有影響。短期內已經處于聯盟網絡中的企業(yè)沒必要再擴展與其他局部網絡中企業(yè)的聯盟關系，因為這樣不僅不能提升創(chuàng)新績效，反而還會增加交易成本。不過，從長遠來看，這種情況應得到根本性的扭轉。政府應完善市場經濟體制，建立健全企業(yè)知識產權保護有關法律法規(guī)，形成一個有利于知識傳播與共享的環(huán)境，企業(yè)也應提高自己知識管理的水平。從而使高聚集系數和可達性的聯盟中企業(yè)的知識轉移更加順利，提高企業(yè)的創(chuàng)新性。

在中國汽車聯盟網絡中，結構洞在一定程度上不利于創(chuàng)新。因此，與美國企業(yè)對結構洞的熱衷相反，中國企業(yè)應該避免占據結構洞位置，一旦占據結構洞位置，應該積極拓展企業(yè)網絡關系，即為自身作為結構洞的兩個合作伙伴“牽線搭橋”，使他們也建立聯盟關系，從而形成封閉的網絡，填補了結構洞。對相關部門而言，要努力改善企業(yè)合作創(chuàng)新的環(huán)境，完善現有的制度保障（如知識產權保護），從而消除企業(yè)間通過組建戰(zhàn)略聯盟進行合作創(chuàng)新的顧慮。

企業(yè)進入樣本前所擁有的專利數對創(chuàng)新績效有顯著的正向影響。這表明了一個公司在進入樣本前的知識儲備、既往創(chuàng)新能力對其未來創(chuàng)新的重要性。因此對處在戰(zhàn)略聯盟網絡中的企業(yè)而言，積累創(chuàng)新、建立和維護自己的知識庫是非常重要的。

（二）局限性及展望

本文存在的局限性：首先，在建立汽車產業(yè)戰(zhàn)略聯盟網絡時，我們采取了相對寬松的標準，建立了一個廣泛的聯盟網絡。而Schilling&Phelps的研究中則采取了相對嚴格的標準——要求兩條規(guī)則均滿足才認為該聯盟是目標行業(yè)的戰(zhàn)略聯盟［13］。其次，他們的研究中還包含了產業(yè)R&D密度、研發(fā)等控制變量，由于這些數據在中國收集的難度，本文沒有包括這些控制變量。第三，由于專利公開申請存在滯后性，我們的專利數據更新到2010年，因此，本文的聯盟網絡鄰接矩陣截止到2006年。隨著數據庫的更新，將在后續(xù)研究中相應增加鄰接矩陣時間窗。

本文致力于研究中國汽車戰(zhàn)略聯盟網絡特征對網絡中企業(yè)創(chuàng)新性的影響。所得的結果與Schilling&Phelps的研究結果大相徑庭。正如Lin et al以企業(yè)并購活動為例，證明了體制環(huán)境決定網絡和學習行為如何影響一個組織的績效。本文有助于理解不同的文化和制度背景對創(chuàng)作機制產生不同的影響，同樣的，網絡、文化和體制三者的交互作用對組織創(chuàng)新性的影響，將來也有待進一步的研究。

［1］Granovetter M.The strength of weak ties［J］.American Jour?nal of Sociology，1973（6）：1360-1380.

［2］Coleman J S.Foundations of Social Theory［M］.Cambridge：Harvard University Press，1990.

［3］Burt R S.Structural Holes：The Social Structure of Competi?tion［M］.Cambridge：Harvard University Press，1992.

［4］Ahuja G.Collaboration networks，structural holes，and innova?tion：A longitudinal study［J］.Administrative Science Quar?terly，2000（3）：425-455.

［5］Zhixing Xiao，Anne S Tsui.When Brokers may not Work：The Cultural Contingency of Social Capital in Chinese High-Tech Firms［J］.Administrative Science Quarterly，2007，52（1）：1-31.

［6］劉雪峰.網絡嵌入性影響企業(yè)績效的機制案例研究［J］.管理世界，2009（S）：3-12.

［7］Lin Z，Peng M W，Yang H，et al.How do networks and learn?ing drive M&As An institutional comparison of China and the United States［J］.Strategic Management Journal，2009，30（10）：1113-1132.

［8］Yang H B，Sun S，Li Z，et al.Behind M&As in China and the United States：Networks，learning，and institutions［J］.Asia Pacific Journal of Management，2011，28（2）：239-255.

［9］Uzzi B.The source and consequences of embeddedness for the economic performance of organizations：the network effect［J］.American Sociological Review，1996，61（4）：674-698.

［10］Uzzi B.Social structure and competition in interfirm net?works：The paradox of embeddedness［J］.Administrative Science Quarterly，1997，42（1）：35-67.

［11］Blundell R R，R Griffith J.Van Reenen.Dynamic count data models of technological innovation［J］.Econom，1995，105：333-344.

［12］Freeman L.A set of measures of centrality：I.Conceptual clarification［J］.Social Networks，1979（1）：215-239.

［13］Melissa A.Schilling.Interfirm Collaboration Networks：The Impact of Large-Scale Network Structure on Firm Innovation［J］.Management Science，2007（6）：1113-1126.

［責任編輯：程靖］

A Study on Performance of Strategic Alliances Inter-enterprise Innovation Network

ZHAO Yan，WANG Qi，GUO Xia-wan
（School of Management，Shanghai University，Shanghai 200444，China）

Social network analysis has been applying preliminarily to study effects of the characteristics of inter-enterprise in?novation network to innovation performance，but it is still at the initial stage.This paper empirically studies Chinese automo?bile industry strategic alliances.It combines social network analysis with negative binomial regression，and analyzes the rela?tionship between the network features and innovation performance of the enterprises.Finally，the paper concludes that，Chi?nese strategic alliance networks at different cultural backgrounds and market mechanisms，with or without the features of high clustering coefficient and accessibility，does not have any significant influence on innovation performance of the enterprises，and the advantageous structural hole location does not improve the innovation performance of alliance enterprises.

inter-enterprise innovation network;social network analysis;strategic alliances;innovation performance

F273.1

A

1007-5097（2014）01-0108-05

10.3969/j.issn.1007-5097.2014.01.022

2013-04-17

國家自然科學基金項目（71003069）；上海市教育委員會科研創(chuàng)新項目（10YZ23）

趙炎（1976-），男，重慶人，副教授，博士，研究方向：聯盟和集群知識共享，知識轉移；王琦（1987-），女，山東煙臺人，碩士研究生，研究方向：聯盟知識共享，聯盟合作創(chuàng)新；郭霞婉（1989-），女，河南南陽人，碩士研究生，研究方向：聯盟知識共享，聯盟合作創(chuàng)新。