集群創新網絡知識動態增長研究:基于過程視角

周 文,陳 偉,郎益夫

(1.哈爾濱工程大學經濟管理學院,黑龍江哈爾濱150001; 2.哈爾濱學院經濟管理系,黑龍江哈爾濱150001)

集群創新網絡知識動態增長研究:基于過程視角

周 文1,陳 偉1,郎益夫2

(1.哈爾濱工程大學經濟管理學院,黑龍江哈爾濱150001; 2.哈爾濱學院經濟管理系,黑龍江哈爾濱150001)

設計知識創新與擴散的影響機制,將知識增長績效的影響因素納入動態過程,構建集群創新網絡的知識增長過程模型,運用復雜網絡理論和仿真技術對東北三省新能源汽車集群創新網絡進行實證仿真,研究集群創新網絡知識增長績效的演化規律及其影響因素.結果表明,在知識動態增長的模擬過程中,集群創新網絡存在知識動態增長的突變點,知識擴散與創新的累積效應受知識擴散條件的約束.對于知識增長績效,無標度網絡相比實際網絡更具優勢.最優知識增長績效要求網絡中的企業具有適度的創新能力和吸收能力,而企業之間的交流頻率,轉移意愿,準則相似度和網絡知識溢出效率越高,知識增長績效越高.

創新網絡;知識擴散;主體能力;擴散強度;平臺障礙

1 引 言

集群創新網絡是產業集群企業通過合作創新,利用知識互補效應,溢出效應和勞動力流動效應等加快企業的學習和創新過程,降低創新風險,實現知識水平和創新能力快速提升的重要支撐平臺[1].雖然集群創新網絡中的企業主體具有異質性,但是在合作創新的動態過程中,企業通過集群創新網絡能夠達到異質多主體系統的一致水平[2],因此企業擁有的知識能夠在一致的合作創新關系中通過集群創新網絡進行擴散和創新,其動態增長影響著企業的創新實現和集群創新網絡的發展.深入研究集群創新網絡的知識動態增長問題,對于提升企業的知識增長績效和促進集群創新網絡的發展具有重要意義.

目前,關于知識動態增長的研究包括知識增長績效演化規律和影響因素等方面.其中知識增長績效演化規律的研究以仿真分析和案例研究為主.Cowan等[3]系統地構建了產業集群創新網絡的知識擴散的動態模型,分析了不同知識交互方式對知識擴散績效的影響;Kim等[4]構建了R&D網絡的知識擴散過程模型,研究了知識擴散績效與網絡結構的關系;Wang[5]利用智能體仿真方法構建了集群創新網絡的知識轉移擴散過程模型,分析了個體動機對知識轉移擴散績效的影響.Hanaki[6]和Blumenberg[7]等對集群創新網絡中知識擴散績效演化過程進行了案例研究.知識增長績效影響因素的研究則以統計分析,調查研究為主.如Phelps等[8]通過對77家通信設備制造業企業的追蹤性調查探討了集群網絡結構對知識創新的影響,認為技術合作伙伴的多樣性和網絡密度對提升知識創新績效具有重要影響.Broekel等[9]認為認知,社會,組織和地理的臨近性對企業在集群創新網絡中的知識績效的影響并不一致.Chen等[10]從社會資本,動機,機會和能力的角度強調了人的因素對集群創新網絡中企業的知識共享和知識績效具有重要影響.Zheng等[11]指出企業組織文化,組織結構,公司策略和組織有效性的耦合作用是企業在集群創新網絡中提升知識創新績效,知識競爭優勢的關鍵.知識增長績效的影響因素還包括知識粘滯度[12],網絡結構[1,13]和成員類型[14],合作行為策略和交互偏好[15],集群環境和社會嵌入性[14]等.

上述研究為知識動態增長問題的研究奠定了基礎,但是由于偏重知識擴散,知識轉移績效的研究,結合知識擴散與知識轉移的綜合分析并不充分,而且基于實際網絡的仿真文獻也較為缺乏.由于動態過程模型及其實現的復雜性,上述研究對知識創新與擴散過程的考慮比較簡化,演化模型所設定的知識創新函數形式以指數增長和線性增長函數居多[3,16?18],而且知識擴散函數所考慮的因素并不能充分反映實際情況.此外,關于知識增長績效的影響因素,現有研究較少考慮其作用強度和重要性在知識創新與擴散過程中所發生的變化,難以全面深入揭示知識創新與擴散的績效演化規律.

針對現有研究的局限性,本文基于過程視角和知識創新與擴散的耦合關系,設計了知識創新與擴散的影響機制,以此為依據將知識增長績效的影響因素納入知識創新與擴散的動態過程,從而改進知識創新函數和知識擴散函數,構建集群創新網絡的知識增長過程模型.在此基礎上,以東北三省新能源汽車集群創新網絡作為實際網絡,運用復雜網絡理論和仿真方法對實際集群創新網絡的知識增長績效進行實證仿真,主要研究以下問題:知識增長績效在知識創新與擴散的動態過程中具有什么演化規律?哪些因素對知識增長績效產生影響,產生什么影響?如何控制和調整這些影響因素以提升知識增長績效?

2 知識增長過程模型

2.1 知識創新與擴散的影響機制

杜健等[19]指出影響知識轉移的影響因素包括知識交流,轉移意愿等,但由于知識擴散與創新是一個交互耦合過程,影響因素的界定范疇不僅包括知識轉移自身,而且還應該包括知識創新以及知識創新與擴散的耦合過程,基于上述考慮,本文從知識創新,知識擴散以及二者的耦合過程角度界定知識增長績效的影響因素包括主體能力,擴散強度,平臺障礙和網絡結構,并由此設計知識創新與擴散的影響機制,具體如圖1所示.其中,主體能力包括集群企業主體的創新能力和吸收能力,創新能力是企業對知識的再生產能力,吸收能力是企業對直接擴散或間接擴散知識的理解和接受的能力;擴散強度包括集群企業的交流頻率和知識的轉移意愿,知識轉移意愿體現了企業合作創新的意愿和集群創新網絡的開放度,交流頻率體現了企業之間合作創新聯系的強度;平臺障礙包括集群企業的準則相似度和集群創新網絡的知識溢出效率,準則相似度是企業組織文化和價值體系的相似程度,相似程度越高,企業之間的創新合作效率和交流頻率就越高,合作創新存在知識的垂直溢出和水平溢出[20],其溢出效率表現為企業通過直接或非直接合作獲得知識的效率;網絡結構是集群創新網絡中的企業及其相互之間創新合作關系的反映.

圖1 知識創新與擴散的影響機制Fig.1 Infuence mechanism of knowledge innovation and diffusion

知識可劃分為“交易型知識”和“廣播型知識”[3].由于“廣播型知識”具有溢出效應特點,能夠在集群創新網絡中廣泛流動,因此本文限定分析“廣播型知識”在集群創新網絡中的擴散與創新過程.

對于“廣播型”知識而言,當集群企業的知識水平存在知識勢差時,集群企業在知識轉移意愿的影響下決定知識的發送水平,發送的知識受到知識擴散約束條件和網絡結構的影響.其中知識約束條件包括知識距離,知識差異和網絡距離,知識距離是指集群企業知識有效擴散的距離,知識差異是在滿足知識距離限制條件下企業的實際知識差距,網絡距離限定了知識擴散的有效性范圍,知識擴散的具體方式和知識擴散的網絡距離限制由網絡結構決定.集群企業發送的知識最終以直接擴散和間接擴散的形式被網絡中的其他企業所接收,其中直接擴散受到企業之間的交流頻率,準則相似度,知識溢出效率和企業的吸收能力影響,而間接擴散則受企業之間的網絡距離,知識溢出效率和企業的吸收能力影響.企業通過集群創新網絡接收直接擴散和間接擴散的知識,與此同時企業還在自身創新能力的影響下進行自主知識創新,因此知識的接收量和自身的知識創新量綜合構成了企業的知識積累,進而提升企業的知識水平.由于每個集群企業的知識稟賦不同,而且擴散強度,主體能力,平臺障礙和網絡結構對每個集群企業的影響具有差異性,所以集群企業的每一次知識創新和擴散后所積累的知識量不同,由此改變了企業的知識勢差,導致知識在集群創新網絡中不斷流動和增長.

2.2 知識增長過程模型的構建

集群創新網絡描述的是集群企業及其相互的創新合作關系,用G=(V,g)表示.其中V={1,2,...,N}表示企業集合,g表示所有創新合作關系集合,企業i和企業j之間的創新合作關系表示為ij,假設創新合作關系是對等的,即集群創新網絡是無向無權網絡.集群企業在網絡中的創新合作關系距離用最短路徑長度表示,若企業i和企業j在網絡G中不存在連通路徑,則企業i和企業j的創新合作關系距離=∞.

假設每個企業具有m維的知識,企業i的知識構成用知識向量Si=(si,1,si,2,...,si,m)表示,對任意企業i和知識維度l,si,l>0.設定集群創新網絡中的企業擁有初始知識稟賦W=(w1,w2,...,wN).根據本文構建的知識創新與擴散的影響機制,設定企業i的吸收能力為αi,創新能力為εi,知識轉移意愿為βi,企業i和企業j之間的交流頻率為fij,準則相似度為,知識距離為D(i,j),其中準則距離和交流頻率僅存在于具有直接創新合作關系的企業之間,而且由于知識溢出效率對于不同的知識擴散方式具有異質性,因此本文設定具有直接創新合作關系的企業之間知識溢出效率為δ1,非直接合作的知識溢出效率為δ2.

企業根據自身知識積累水平不斷進行知識擴散,知識創新,其每一時期的知識創新增量和知識接收增量構成了這一時期的企業知識水平增量,由此可以設定企業的知識創新函數和知識擴散函數.

現有文獻[3,16?18]將企業的知識創新函數簡單設為指數增長或線性增長形式,這種假設不完全符合企業知識創新的實際情況.由于企業在進行知識創新過程中會存在如創新成本,創新能力和企業創新行為策略等實際限制,其進行知識創新所獲得的知識增量不可能呈現簡單的增長形式,而且由于企業的知識在一定時期內不可能無限增長,因此本文假設企業在每一類知識存在知識上限.基于此,改進現有文獻采用的知識創新函數,通過綜合考慮企業知識創新的實際限制,選用被證實具有普適性意義的反映S曲線特征的Logistic函數[21],結合企業的知識創新能力,構建集群企業的知識創新函數

集群企業的知識擴散受到企業之間的交流頻率,準則相似度,企業吸收能力,知識溢出效率和網絡距離等的影響,通過以知識創新與擴散的影響機制為中介,將其與知識擴散過程進行融合,構建集群企業的知識擴散函數.

其中αi,l為企業i的第l類知識的吸收能力,fij,為企業i和企業j之間的創新合作關系距離,交流頻率和準則相似度,δ1和δ2為集群創新網絡的直接和間接知識溢出效率,βj,l為企業j的第l類知識的轉移意愿,而Dl(i,j)為企業i和企業j在第l類知識的知識距離.

特別地,式(2)中的知識擴散約束條件對整個過程模型至關重要,其中∞是知識直接擴散和間接擴散發生的前提,βj,lSj,l(t)與Si,l(t)的關系表示在企業j的知識轉移意愿基礎上企業i和企業j的知識差異,這是知識接收的基礎;知識距離D(i,j)是企業i和企業j進行知識擴散即發送和接收的限制條件[16],若企業i和企業j的知識距離過大,則由于兩個企業的知識相似度過小造成企業理解和學習困難,若知識距離過小,則由于兩個企業的知識相似度過大造成企業可以學習的程度太小,基于創新合作的實際限制,企業會放棄進行知識發送和接收,因此限定企業進行知識擴散的條件為6Dl(i,j)6,其中是第l類知識擴散的知識距離下限,是第l類知識擴散的知識距離上限.當知識擴散采取直接擴散方式時,δ=δ1,若為間接擴散時則δ=δ2,而且由于準則相似度和交流頻率僅存在于具有直接創新合作關系的企業之間,因此在間接擴散中有fij=0,=0.

企業i在t時期的第l類知識的知識創新增量和知識擴散增量構成第l類知識的總增量(t),與前一時期的知識存量共同構成當期企業i的第l類知識的積累水平,即

上述公式(1),(2)和(3)構成了集群創新網絡的知識增長過程模型.

3 仿真分析

根據知識增長過程模型,下面以東北三省新能源汽車集群創新網絡作為實際網絡,運用復雜網絡理論和仿真方法,通過實際網絡與三種經典網絡對比,分析集群創新網絡的知識增長績效演化規律及其影響因素.

3.1 仿真設置

東北三省新能源汽車產業集群是我國汽車產業集群的重點區域,在《東北振興”十二五”規劃》等相關政策引導和支持下,以一汽集團,一汽大眾,一汽馬自達,哈飛集團,華晨集團為重點企業,聚集一大批具有產業聯系的企業,具有產學研合作關系的高校和研究機構,由此形成了以產品和技術的傳播與創新為目標的新能源汽車產業集群創新網絡.為了刻畫該集群創新網絡,通過滾雪球抽樣方法選取吉林長春的一汽集團,黑龍江哈爾濱的哈飛集團,遼寧沈陽的華晨集團等核心企業以及具有集群創新合作關系的企業,高校和科研院所作為集群創新網絡成員,以實地調研即訪談和調查問卷相結合的形式獲取了聯合技術研發關系,專利聯合申請和論文合作發表,政府資助項目以及新能源汽車技術開發和產品研制的合作情況等數據.經過數據篩選和清洗后,確定135家企業,高校和研究院所為東北三省新能源汽車產業集群創新網絡的成員,網絡結構特征統計量為:網絡規模N=135,平均度≈5.75,網絡密度D=0.043,網絡平均集聚系數C=0.379.

圖2 四種網絡的拓撲結構圖Fig.2 Topology structure graphs of four networks

網絡結構影響知識增長績效及其變動,為了揭示不同網絡結構中知識增長績效的演化規律,分析網絡結構對知識增長績效的影響,采用具有相同網絡節點規模和平均度的無標度網絡,小世界網絡和隨機網絡這三種經典網絡作為集群創新網絡知識增長績效分析的對比網絡,其拓撲結構特征及生成算法參考文獻[22].圖2顯示了四種網絡的具體拓撲結構,其中無標度網絡為BA無標度網絡,其節點數為135,密度為0.045,網絡平均集聚系數為0.154;小世界網絡為NW小世界網絡,其節點數為135,密度為0.044,網絡平均集聚系數為0.102;隨機網絡為ER隨機網絡,其節點數為135,密度為0.042,網絡平均集聚系數為0.041.

3.2 知識增長績效分析

圖3 整體知識水平變動Fig.3 Growth of overall knowledge quantity

根據集群創新網絡的知識增長過程模型,知識增長績效可從整體知識水平,知識水平增量,知識創新水平和知識擴散水平的角度進行測度和分析.圖3揭示了不同網絡的整體知識水平變動情況,從圖3可以看到四種網絡的整體知識水平均呈現S曲線變動形態,這說明了不同網絡結構中的整體知識增長績效的演化規律具有相似性.知識增長速度作為整體知識水平變動曲線的斜率,其呈現先遞增后遞減的變化過程,這種S曲線形態與Rogers[21]提出的符合實際的創新擴散模型一致,表明本文的知識增長過程模型能夠在一定程度上擬合實際的集群創新擴散過程.此外,四種網絡在相同的初始仿真條件下,由于網絡結構的不同,其S曲線斜率的變化情況和最終收斂情況不同,這導致了知識增長速度和整體知識水平的差異,尤其是實際網絡最終收斂的整體知識水平量低于三種網絡結構,說明實際網絡并非知識創新與擴散的最優網絡結構.

知識增量水平變動由知識創新水平和知識擴散水平綜合構成,反映了每一時期網絡知識水平的演化情況.在知識動態增長的模擬過程中,圖4–圖6分別反映了知識增量水平和知識增長績效,知識創新水平和知識創新績效,知識擴散水平和知識擴散績效的變動情況.

圖4(a)顯示知識水平增量變動存在雙峰形態,其中第一個峰值點是知識增長績效的躍升階段的起點,第二個峰值點是知識增長績效的下降點,它代表著創新能力提升范圍的有限性[21].值得注意的是,與文獻[4,5]提出的知識水平增量變動為單峰形態不同,這里顯示的雙峰狀態不僅說明集群創新合作網絡中知識增長的非線性過程,而且還進一步刻畫了知識增長差異的內在機制,即第一個峰值點是知識增長差異的關鍵.對比圖5(a),圖6(a)的知識創新水平和知識擴散水平的變動情況可知,第一個峰值點是由網絡中的知識擴散引發的.具體來說,集群企業之間的知識擴散導致知識創新量的提升,二者通過耦合作用引發知識水平的迅速變動,形成企業知識水平分化的基本局面.在此基礎上,不同網絡結構的知識總量和增長速度在開始快速增長和變異.因此,第一個峰值點實際上是網絡中知識量躍升和知識量分化的臨界點,本文稱之為知識動態增長的突變點.為了驗證第一個峰值點的存在性,本文考察了不同規模的網絡,發現這些網絡中均存在具有同樣特性的突變點.由此可知,知識動態增長的突變點廣泛存在于集群創新網絡中,是集群創新網絡中知識擴散機制的反映,表明了集群創新網絡中知識增長的非線性效應,體現了集群創新網絡的知識溢出價值.

圖4 知識水平增量和知識增長績效Fig.4 Increment of knowledge quotient and performance of knowledge growth

圖5 知識創新水平和知識創新績效Fig.5 Knowledge innovation quotient and performance of knowledge innovation

圖6 知識擴散水平和知識擴散績效Fig.6 Knowledge diffusion quotient and performance of knowledge diffusion

此外,圖4(b)的知識增長績效變動情況表明,四種網絡的知識增長績效排名是:無標度網絡>小世界網絡>隨機網絡>實際網絡.由此可見,對于知識增長績效,無標度網絡相比實際網絡更具優勢.

3.3 知識增長績效的影響因素分析

由知識創新與擴散的影響機制可知,網絡結構,主體能力,擴散強度和平臺障礙對集群創新網絡的知識增長績效演化存在影響作用,以下進一步研究這些影響因素如何影響知識增長績效,如何控制和調整這些影響因素以提升知識增長績效?

1)網絡結構與知識增長績效的關系

雖然四種網絡的節點規模和平均度值相同,而且網絡密度差異性很小,但是由圖2顯示的網絡結構可以看到四種網絡的集聚程度不同,節點度值分布具有明顯的差異性.為了分析網絡結構與知識增長績效的關系,采用相鄰節點平均度值差異,最大度與最小度之差和節點度值標準差三個指標測度四種網絡的結構差異,指標具體含義和計算公式參考文獻[24].由于度值分布的實質是節點擁有的關系分布,為了易于理解,以下將度值分布稱為關系分布.

表1顯示四種網絡的三個指標值具有相同的排序情況,其中實際網絡的關系分布離散程度,關系分化的最大程度和關系的非對稱程度最為嚴重,即實際網絡的關系分布差異性最為顯著,其次是無標度網絡和隨機網絡,小世界網絡關系分布最均勻.由圖2和表1可知,實際網絡與無標度網絡都具有hub結構,即網絡中存在少數節點擁有異常大的度值,大部分節點的度值較小,網絡呈現中心集聚現象,但相比無標度網絡,實際網絡hub結構過于集聚,關系分布的差異性非常明顯;與實際網絡和無標度網絡不同,小世界網絡和隨機網絡不具備hub結構,關系分布均勻.

表1 網絡結構特征統計指標Table 1 Statistical indicators of network structure characteristics

對網絡結構和知識增長績效的關系進行分析可知,在知識創新與擴散的過程前期,由于集群創新網絡中企業的知識水平和知識距離較小,符合直接知識擴散約束條件的相鄰企業范圍最大,且間接知識擴散量較小,因此實際網絡與無標度網絡憑借其hub結構能在知識創新與擴散過程的前期獲得較大的知識水平增量.由于實際網絡的關系分布具有顯著差異,引發了企業知識水平在演化過程中的嚴重分化現象,并導致突變時期網絡過高的知識擴散速度,在知識擴散的約束條件限制下,降低了知識創新與擴散過程中知識的擴散效率,使得實際網絡過早進入知識創新與擴散的減速增長階段,削弱了實際網絡的成長能力,最終影響網絡的知識增長績效水平.在知識創新與擴散過程的中后期,隨著集群企業知識水平和知識距離的不斷增大,符合直接知識擴散約束條件的相鄰企業范圍在不斷縮小,而且間接知識擴散量不斷增大,小世界網絡和隨機網絡憑借其較均勻的關系分布獲得相比實際網絡和無標度網絡更高的知識水平增量.另外,由于小世界網絡在關系分布方面比隨機網絡更具規則性,這導致了小世界網絡的知識增長績效高于隨機網絡.

因此,企業關系分布的差異性影響企業知識水平的不均勻程度,維持hub結構和適度均勻的關系分布有利于知識增長績效的提升.優化網絡結構需要調整占據網絡hub節點位置的企業對創新合作伙伴企業的強選擇性偏好,避免優勢企業和一般企業創新合作關系割裂和分化的現象,同時調整實際網絡中企業的關系分布,即扶持弱勢企業與優勢企業廣泛建立創新合作關系,鼓勵弱勢企業采用產品和技術方面的差異化策略,進一步提高其知識基礎和創新合作的能力.

2)主體能力與知識增長績效的關系

由于主體能力,擴散強度和平臺障礙所包含的具體影響因素存在集對特點,即這些影響因素兩兩之間存在相互影響關系,因此可以通過仿真模擬集對影響因素的組合變化對知識增長績效的影響,由此分析這些影響因素與知識增長績效的關系.

圖7為主體能力分析的等高線圖,值得注意的是,等高線圖的橫軸和縱軸均表示集對影響因素取值的下限,而創新能力和吸收能力的上限分別設為0.1和1.以創新能力為例,當創新能力的下限取值越大,集群企業擁有的創新能力就越強,而且創新能力分布的一致性程度就越高.此外,圖7的等高線分別顯示的是知識增長績效,知識創新績效和知識擴散績效.

在知識創新與擴散的影響機制中,創新能力和吸收能力對知識績效的影響是不同的.圖7(a)和圖7(b)說明當企業的創新能力分布差異性明顯,而吸收能力較強且分布相對一致時,知識增長績效和知識創新績效就越高.這是因為知識創新不僅受到企業吸收能力的影響,而且與知識擴散存在耦合關系,受到知識擴散績效的影響.當吸收能力和創新能力的下限都取最大值,即當企業的吸收能力和創新能力都很強時,集群企業的知識差距迅速縮小,知識同質化趨勢越加明顯,由于知識擴散條件的約束,知識創新與擴散的耦合過程被嚴重縮短,從而失去知識擴散與知識創新的累積效應.此外,雖然圖7(c)顯示最優知識擴散績效所要求的吸收能力和創新能力的下限區域有三個,但是基于下限區域覆蓋范圍考慮,最優知識擴散績效要求吸收能力下限取值較小,創新能力下限取值盡可能大,即要求企業吸收能力的差異性程度較大而創新能力較高.由于知識增長績效包含知識創新績效和知識擴散績效,圖7(c)與圖7(a)和圖7(b)中等高線區域的差異性說明知識創新績效對知識增長績效起主要作用.

圖7 主體能力和知識績效Fig.7 Subject abilities and performance of knowledge growth

因此,知識擴散的約束條件控制知識創新與擴散耦合過程的長度和知識擴散與創新的累積效應,而最優知識增長績效要求企業具有較高的吸收能力和適度的吸收能力差異性.

3)擴散強度與知識增長績效的關系擴散強度包括具有直接創新合作關系的企業之間的轉移意愿和交流頻率.圖8為擴散強度分析的等高線圖,等高線圖的橫軸和縱軸同樣表示集對影響因素取值的下限,轉移意愿和交流頻率的上限均設為1.圖8說明轉移意愿和交流頻率的下限越大,即企業之間的轉移意愿和交流頻率取值越高,知識增長績效,知識創新績效和知識擴散績效越高.

圖8 擴散強度和知識績效Fig.8 Diffusion intensity and performance of knowledge growth

值得注意的是,圖8(a),8(b)與8(c)中最優等高線區域的差異在于當企業交流頻率下限在較高區域取值時,最優知識增長績效和知識創新績效均要求此時的轉移意愿下限取值較大,而最優擴散績效則不同,當企業交流頻率下限在較高區域取值時,轉移意愿下限取值對最優擴散績效的影響很小.這說明交流頻率對轉移意愿具有替代性作用,當集群創新網絡中的企業具有較高的交流頻率時,企業知識轉移意愿的差異性不對知識創新與擴散的耦合過程長度構成影響,從而保證了最優知識擴散績效.由此可見,企業之間的交流頻率和轉移意愿越高,集群創新網絡的知識增長績效越高;對于最優知識擴散績效而言,交流頻率對轉移意愿具有替代性作用.雖然提升集群創新網絡中企業的交流頻率和轉移意愿是提升知識增長績效的重要路徑,但是現實中很難在短時間內改變企業的知識轉移意愿,而且知識轉移意愿是企業本身的主觀意愿,其變化具有強烈的不確定性,因此利用交流頻率對轉移意愿的替代性作用,可以克服轉移意愿的主觀性,有利于推動和實現知識的擴散傳播.

4)平臺障礙與知識增長績效的關系

平臺障礙包括企業的準則相似度和知識溢出效率.圖9為平臺障礙分析的等高線圖,等高線圖的橫軸表示集群創新網絡的知識溢出效率取值,縱軸表示準則相似度參數的下限范圍,準則相似度的上限設為1.圖9說明網絡知識溢出效率和準則相似度的下限取值越大,即集群創新網絡中企業之間的準則相似度和網絡知識溢出效率越高,知識增長績效,知識創新績效和知識擴散績效越高.

圖9 平臺障礙和知識績效Fig.9 Platform barrier and performance of knowledge growth

4 結束語

集群創新網絡中的知識擴散與知識創新過程是企業實現創新的關鍵.本文設計了知識創新與擴散的影響機制,將知識增長績效的影響因素納入動態過程,由此構建集群創新網絡的知識增長過程模型,通過仿真模擬發現:(1)集群創新網絡中的知識動態增長過程存在突變點,它是集群創新網絡中知識擴散機制和知識溢出價值的體現;(2)對于知識增長績效,無標度網絡相比實際網絡更具優勢;(3)知識擴散與創新的累積效應受知識擴散條件的約束,維持hub結構,適度均勻的關系分布以及適度的創新能力和吸收能力有助于知識增長績效的提升;(4)集群創新網絡中企業之間的交流頻率,轉移意愿,準則相似度和網絡知識溢出效率越高,知識增長績效就越好.

本文基于過程視角設計的知識創新與擴散影響機制全面考慮了知識動態增長影響因素及其相互關系,構建的集群創新網絡知識增長過程模型深度融合了知識創新與知識擴散的非線性耦合關系,但是由于僅對東北三省新能源汽車產業集群創新網絡進行實證和仿真模擬,未來研究需要結合更多的實際案例進一步深化和完善集群創新網絡的知識增長過程模型.此外,基于異質企業主體一致性前提下集群創新網絡與知識增長的共演化問題也是未來值得深入探索的問題.

[1]王文平,張蘇榮.產業集群網絡演化中知識轉移研究[J].管理學報,2011,8(9):1372–1377.

Wang Wenping,Zhang Surong.Knowledge transfer in the evolution of industrial cluster networks[J].Chinese Journal of Management,2011,8(9):1372–1377.(in Chinese)

[2]梁有明,劉成林,劉 飛.異質多自主體系統的一致性[J].系統工程學報,2012,27(5):583–592.

Linag Youming,Liu Chenglin,Liu Fei.Consensus of heterogeneous multi-agent systems[J].Journal of Systems Engineering,2012, 27(5):583–592.(in Chinese)

[3]Cowan R,Jonard N.Network structure and the diffusion of knowledge[J].Journal of Economic Dynamics and Control,2004,28(8): 1557–1575.

[4]Kim H,Park Y.Structural effects of R&D collaboration network on knowledge diffusion performance[J].Expert Systems with Applications,2009,36(5):8986–8992.

[5]Wang X.Forming mechanisms and structures of a knowledge transfer network:Theoretical and simulation research[J].Journal of Knowledge Management,2013,17(2):278–289.

[6]Hanaki N,Nakajima R,Ogura Y.The dynamics of R&D network in the IT industry[J].Research Policy,2010,39(3):386–399.

[7]Blumenberg S,Wagner H,Beimborn D.Knowledge transfer processes in IT outsourcing relationships and their impact on shared knowledge and outsourcing performance[J].International Journal of Information Management,2009,29(5):342–352.

[8]Phelps C C.A longitudinal study of the infuence of alliance network structure and composition on frm exploratory innovation[J]. Academy of Management Journal,2010,53(4):890–913.

[9]Broekel T,Boschma R.Knowledge networks in the Dutch aviation industry:The proximity paradox[J].Journal of Economic Geography,2012,12(2):409–433.

[10]Chen C W,Chang M L,Tseng C P.Human factors of knowledge-sharing intention among taiwanese enterprises:A model of hypotheses[J].Human Factors and Ergonomics in Manufacturing&Service Industries,2012,22(4):362–371.

[11]Zheng W,Yang B,Mclean G N.Linking organizational culture,structure,strategy,and organizational effectiveness:Mediating role of knowledge management[J].Journal of Business Research,2010,63(7):763–771.

[12]Liu R,Hart S.Does experience matter?–A study of knowledge processes and uncertainty reduction in solution innovation[J].Industrial Marketing Management,2011,40(5):691–698.

[13]謝逢潔,崔文田,孫笑明.無標度網絡的群聚性對合作行為的影響[J].系統工程學報,2010,25(2):152–158.

Xie Fengjie,Cui Wentian,Sun Xiaoming.Effect of clustering in the scale-free networks on cooperative behavior[J].Journal of Systems Engineering,2010,25(2):152–158.(in Chinese)

[14]Khalid M,Khan M A.Social capital and organizational performance:The mediating role of knowledge transfer[J].Middle-East Journal of Scientifc Research,2014,19(2):239–250.

[15]Murphy M,Perrot F,Rivera-Santos M.New perspectives on learning and innovation in cross-sector collaborations[J].Journal of Business Research,2012,65(12):1700–1709.

[16]黃瑋強,莊新田,姚 爽.基于創新合作網絡的產業集群知識擴散研究[J].管理科學,2012,25(2):13–23.

Huang Weiqiang,Zhuang Xintian,Yao Shuang.Study on knowledge diffusion of industry clusters:Based on the innovation cooperation network[J].Journal of Management Science,2012,25(2):13–23.(in Chinese)

[17]單海燕,王文平.跨組織知識整合下的創新網絡結構分析[J].中國管理科學,2012,20(6):176–184.

Shan Haiyan,Wang Wenping.Analysis of the structure of inter-organization innovation network during the process of knowledge integration[J].Chinese Journal of Management Science,2012,20(6):176–184.(in Chinese)

[18]ChoiH,KimS,LeeJ.Roleofnetworkstructureandnetworkeffectsindiffusionofinnovations[J].IndustrialMarketingManagement, 2010,39(1):170–177.

[19]杜 健,吳 東,吳曉波,等.旗艦企業對本地企業知識轉移的影響因素研究:基于全球制造網絡的視角[J].科學學研究,2013, 31(3):407–414.

Du Jian,Wu Done,Wu Xiaobo,Pei Zhenzhen.What determines the knowledge transfer of global network fagships to local frms: From the perspective of global production networks[J].Studies in Science of Science,2013,31(3):407–414.(in Chinese)

[20]孫曉華,鄭 輝.水平溢出,垂直溢出與合作研發[J].系統工程學報,2012,27(1):79–87. Sun Xiaohua,Zheng Hui.Horizontal spillover,vertical spillover and cooperative R&D[J].Journal of Systems Engineering,2012, 27(1):79–87.(in Chinese)

[21]Valente T W,Rogers E M.The origins and development of the diffusion of innovations paradigm as an example of scientifc growth[J].Science Communication,1995,16(3):242–273.

[22]Newman M E.The structure and function of complex networks[J].SIAM Review,2003,45(2):167–256.

[23]Lin M,Li N.Scale-free network provides an optimal pattern for knowledge transfer[J].Physica A:Statistical Mechanics and its Applications,2010,389(3):473–480.

[24]黃瑋強,莊新田.復雜社會網絡視角下的創新合作與創新擴散[M].北京:中國經濟出版社,2012:138–139.

Huang Weiqiang,Zhuang Xintian.Innovation Collaboration and Innovation Diffusion from the Complex Social Network[M].Beijing:China Economic Press,2012:138–139.(in Chinese)

Knowledge dynamic growth in the innovation network of industrial cluster:Based on process perspective

Zhou Wen1,Chen Wei1,Lang Yifu2
(1.School of Economics and Management,Harbin Engineering University,Harbin 150001,China; 2.School of Economics and Management,Harbin University,Harbin 150001,China)

By designing a infuence mechanism of knowledge innovation and diffusion,this paper embedded infuencefactorsofknowledgegrowthintothedynamicprocessandbuiltaprocessmodelofknowledgegrowth. Taking new energy auto industrial cluster network in the Northeast China as a case,this paper used complex network theory and the method of simulation to analyze the evolution of knowledge growth in the network and its infuence factors.The result shows that there is a catastrophe point of knowledge growth in the network. The accumulative effect of knowledge innovation and diffusion is restricted by the conditions of knowledge diffusion.Scale-free network has the advantage of knowledge growth compared with the real network.Optimal performance of knowledge growth requires frms in the network have moderate abilities of innovation and understanding.In addition,the more the frequency of cooperation,the more the willingness of knowledge transfer,the more the rule similarity among frms and the more the effciency of knowledge spillover,the better the performance of knowledge growth.

innovation network;knowledge diffusion;subject abilities;diffusion intensity;platform barrier11

F27;N949

A

1000?5781(2015)04?0 431 ?11

10.13383/j.cnki.jse.2015.04.00?

2013?12?04;

2014?05?02.

國家自然科學基金資助項目(70903015).

周 文(1984—),男,廣東羅定人,博士生,研究方向:網絡科學技術經濟與創新管理,E-mail:vincizhou@126.com;

陳 偉(1957—),男,黑龍江哈爾濱人,博士,教授,研究方向:知識產權與創新管理,E-mail:chenwei 523shi@163.com;

郎益夫(1960—),男,吉林永吉人,博士,教授,研究方向:教育經濟與管理,E-mail:langyifu 523shi@163.com.