產業集群式轉移行為的實證研究

產業集群式轉移行為的實證研究

劉友金1，李彬1，劉天琦2

(1. 湖南科技大學商學院，湖南湘潭411201；2. 湖南大學經濟與貿易學院，湖南長沙410006)

摘要：以企業“抱團遷徙”為主要形式的產業集群式轉移已經成為新一輪產業轉移的基本特征。在產業轉移過程中，企業為什么要采取“抱團遷徙”集群行為？這些行為的產生與哪些因素有關？需要從多個視角進行深入研究。本文引入社會網絡分析這樣一種新的研究范式，以落戶湖南株洲栗雨工業園內汽車產業集群中的企業為研究樣本，通過實地訪談、問卷調查等方法收集相關數據，運用“模式匹配”方法進行假設驗證，分析社會網絡聯系密度、網絡異質性、網絡中心性和網絡結構平衡四個維度因素對產業轉移集群行為的影響，揭示產業集群式轉移基本規律，為政府部門科學設計產業轉移引導政策提供理論依據。

關鍵詞：社會網絡；產業轉移；產業集群；抱團遷徙

收稿日期：2014-09-02修回日期：2015-04-01

基金項目：國家社會科學基金重大招標項目(09&ZD041)；國家自然科學基金面上項目(41271139)

作者簡介：劉友金(1963-)，男，湖南瀏陽人，湖南科技大學商學院教授，博士，博士生導師，研究方向：區域經濟、產業經濟、技術創新、企業戰略。

中圖分類號：F270

文獻標識碼：A

文章編號：1002-9753(2015)04-0131-11

Abstract：The “group migration” of enterprises is the main form of the industrial cluster transfer and this has become the basic characteristic of a new round of industrial transfer. Why the enterprises are more inclined to take the “migration form” of collective action in the process of industry transfer? And what factors influent these behaviors? These questions need to be explored from multiple perspectives. This paper introduces the social network analysis as a new research paradigm，and takes the enterprises of automobile industry cluster of the Liyu Industrial Park in Zhuzhou as the sample. It applies such methods as field interview and questionnaire to collect related data，and uses the method of “pattern matching” to take hypothesis testing，then analyzes the influences of the connection density，the heterogeneity，the centrality and the structural balance of the social network on the cluster behavior of industrial transfer to reveal the basic laws of industrial cluster transfer. The results of this study would provide theoretical basis for the government to formulate scientific policies about the industrial transfer guiding.

Empirical Study on the Cluster Behavior of Industry Transfer

LIU You-jin1，LI Bin1，LIU Tian-qi2

(1.SchoolofBusiness，HunanUniversityofScience&Technology，Xiangtan411201，China；

2.SchoolofEconomy&Trade，HunanUniversity，Changsha410006，China)

Key words:social network；industrial transfer；industrial cluster；migration of enterprises’ banding together

一、引言

與以往基于產業間分工和產業內分工的產業轉移不同，新一輪產業轉移以產品內分工為基礎。在此背景下，單個企業的生產活動不再涉及整條產業鏈，只涉及產業鏈上的某個或某幾個環節，產業鏈上下游企業相互依賴，互相之間存在強共生關系，正是這種強共生關系促使了企業的“抱團遷徙”即集群式轉移[1]。研究表明，本世紀以來，在我國沿海發達地區產業向中西部地區轉移過程中，企業“抱團遷徙”到同一產業承接地形成新的產業集群，已經成為一種較為普遍的現象[2]。因此，研究影響集群產業中的企業“抱團遷徙”因素，探討產業集群式轉移規律，有助于產業承接地引進產業集群。

產業轉移的行為不是孤立的，而是嵌入在一個社會關系網絡當中。各行動者之間的聯系方式、緊密程度及其在社會網絡中所處位置的變化，都將對企業的遷移行為產生影響力。因此，社會網絡(Social Network)分析方法為研究產業轉移集群行為提供了一個重要的視角。然而，相關研究在我國剛剛起步，還沒有引起足夠的關注。文獻檢索發現，到目前為止，公開發表的專題研究學術論文僅有3篇，分別是：符正平、曾素英(2008)以廣東省佛山市陶瓷產業集群的企業為研究樣本，討論了企業社會網絡對集群產業轉移中企業轉移模式和行動特征的影響[3]；廉同輝、余菜花(2013)以承接產業轉移背景下的安徽孫村服裝產業集群社會網絡為例，運用社會網絡理論對該網絡發展及其演化進行實證分析[4]；宋炳林(2014)，圍繞社會資本的誘導力、文化摩擦制約力的作用特征，從社會網絡影響力的產生、傳導及反饋過程，解析了我國區際產業轉移的社會網絡機制[5]。可見，運用社會網絡分析方法研究產業轉移集群行為，還處于起步階段，有待深入。本文將以集群社會網絡為切入點，以湖南株洲栗雨工業園內汽車產業集群為研究樣本，從社會網絡聯系密度、網絡中心性、網絡異質性和網絡結構平衡4個維度研究企業社會網絡特征對產業轉移集群行為的影響。

二、相關文獻評述與研究假設

美國哈佛商學院教授波特(1998)認為，產業集群是指某一特定區域空間內，集聚著大量聯系密切的生產配套企業以及相關支撐組織機構，并形成強有力持續競爭優勢的現象。社會網絡是指社會個體成員之間因為互動而形成的相對穩定的關系體系，社會網絡關注由個體組成的節點之間的互動和聯系。產業集群內企業社會網絡，是指大量有聯系的企業以及政府、科研機構、行業協會等相關支撐機構之間在業務合作、信息資源傳遞等活動中建立的各種關系的總和。社會網絡分析，是國外于上世紀30年代末出現并在最近20多年得到快速發展和應用的一種全新的社會科學研究范式。本文將運用社會網絡分析的最新研究成果，提出相關假設，展開系統分析。

(一)網絡聯系密度與產業轉移中的企業行為

韋伯(1909)在闡述集聚經濟時提出，唯有將存在各種內外聯系的產業按一定規模集中布局在特定地點，才能獲得最大的成本節約程度，認為產業間的相關性和企業間的合作關系是產生集聚經濟的必要條件[6]。在社會網絡理論中，網絡密集性包括節點(個體)的密集性和邊(連接節點之間的關系)的密集性兩個含義。節點的密集性表示一定空間范圍內群體中個體存在的密度，而邊的密集性用于說明群體內個體間互動關系的頻率和親密度。由于產業集群內企業間的地理位置較為接近，所以產業集群社會網絡一般具有較高的節點密集性。雖然節點密集性較高的網絡一般更容易具有較高的關系密集性，但社會網絡的關系密集性不僅受到節點密集性的影響，還受到個體間連接偏好、關系親疏以及群體內聯系交流氛圍等因素的影響[7]。實際上，長期以來被忽視的企業社會網絡關系密集性對集群內企業“抱團遷徙”行為才有直接的、內在的影響，所以本文主要研究的是產業集群企業社會網絡中的關系密集性。

由于集群內企業之間存在共同的地區文化背景、親緣關系并且有著高度的專業化分工與協作關系，在相互的交往中形成了共同的行為規范準則，相互間有著良好的信任基礎，形成了交易性的內部依賴，可以降低交易費用[7]。另外，根據重復博弈理論，保持長期合作關系的行動者之間存在長期收益，可以遏制機會主義行為，降低信息不對稱程度和交易風險[8]。Sammarra和Belussi(2006)認為在集群產業轉移過程中，企業傾向于與彼此信任的合作伙伴一起轉移，從而保持在以往合作中形成的技術工人、管理者和企業間合作模式以及企業間重要隱性知識的傳遞[3,9]。基于以上分析，本文提出：

H1：企業社會網絡密度越大，在產業轉移中企業越傾向于采取集體行動。

(二)網絡中心性與產業轉移中的企業行為

在社會網絡分析中，中心度是衡量個體行動者在網絡中重要程度的變量，可用來考察企業充當網絡中心樞紐的程度和對資源獲取與控制的程度。相對于中心性弱的企業來說，網絡中心性強的企業，與更多的集群內企業有著直接聯系或鄰接關系，這種廣泛聯系使得中心性強的企業比其他企業更具有可預見性，在集群中掌握更多的信息資源和控制更多的利益，議價能力也較高，企業成長也更快。

在面臨產業轉移環境時，中心性強的企業一般會根據自身的需求和所掌握的資源進行轉移選擇決策。而且企業在網絡中越處于中心地位，企業越可能發展新的網絡關系，獲取新信息與互補性資源的可能性就越大，越易形成“強者愈強”的馬太效應[10]。相對于那些網絡中心性弱的企業組織來說，網絡中心性較強的企業行為會對它們產生很大影響和示范效應，進而采取跟隨和模仿策略。據此本文提出：

H2：企業社會網絡中心性越強，在產業轉移中企業越傾向于采取獨立行動。

(三)網絡異質性與產業轉移中的企業行為

結構洞越多、與群體外部有越多弱聯系的社會網絡異質性越強。Burt(1995)指出，結構洞類似于電線線路中的絕緣體，用來描述非重復行動者之間的斷裂，非重復行動者向處在結構洞位置的節點提供可累加而非重疊的異質信息資源[11]。結構洞能夠帶來信息利益和控制利益，使得處在結構洞位置的行動者占據優勢。弱聯系是指聯系親密程度弱和聯系頻率低的聯系，是搭建與群體外部的非重復行動者之間的橋梁，從而獲取信息利益[3]。

網絡異質性強的企業在社會網絡中存在更多的結構洞和弱關系，這種企業也就更容易獲取關鍵有用的信息利益和控制利益，進而在集群中處于優勢地位。一方面，在變化快速、競爭激烈的市場環境中，企業需要從多渠道獲得不同的信息資源來滿足市場需求、應對市場競爭，這就突顯出企業社會網絡異質性的重要性。另一方面，網絡異質性強的企業，在新環境下，也具備對新資源更強的資源整合能力。相比之下，處于同一集群內相互有聯系、網絡異質性較低的企業，容易產生集體行動思維模式，在產業轉移時更傾向于采取集體行動[3]。因此本文提出：

H3：企業社會網絡異質性越強，在產業轉移中企業越傾向于采取獨立行動。

(四)網絡結構平衡與產業轉移中的企業行為

Fritz Heider(1946)被公認為第一個系統地闡述結構平衡理論(Structural Balance Theory)的學者。Fritz Heider提出了社會關系認知理論，并分析了P-O-X 三元關系結構平衡。在社會網絡中，結構平衡關注個體的集合或群組，要求在群組內個體之間的關系是可以被度量的，可以是帶有符號的正關系(“+”)或負關系(“-”)，并且正關系的對立面是負關系，從而在判定一個特定網絡的結構平衡度時，根據“負負為正，正正為正”的運算法則判斷一個網絡圖的回路是否為正回路，正回路則表明該網絡結構平衡[12]。社會學家和社會心理學家用“結構平衡”這一術語來表示群組中的個體和情感所構成的關系基本上是“愉悅的”或者有利于減少個體之間的沖突。

同理，處在一個結構平衡的社會網絡中的企業，一般對當前的社會網絡環境比較滿意，與其他企業相處和諧，容易達成共識。Tajfel(1986)提出的社會認同理論認為，社會成員的這種共同擁有的信仰、價值和行動取向，本質上是一種集體觀念[13]。與利益聯系相比，注重歸屬感的社會認同更加具有穩定性[14]。在社會群體中，每個成員都逃離不了這種來自于其他成員的社會影響。當這種影響為“正影響”時，該社會群體中的成員有共同的行動和價值取向，群體決策容易達到共識。反之，若為“負影響”，處于不同子群(特別是具有沖突和異質性明顯的不同子群)內的個體面對群體決策時，則難以達成共識[12]。根據以上的分析，提出以下假設：

H4：企業所處社會網絡的結構平衡，在產業轉移過程中企業傾向于采取集體行動。

三、研究對象、研究設計與數據說明

(一)研究對象

湖南省株洲市是“一五”、“二五”期間國家重點布局建設的8個老工業基地城市之一，地處中部腹地湖南省東部，湘江下游，是貫穿南北、連接東西的重要交通樞紐，物流輻射能力強，現在已經成為我國沿海發達地區產業向中西部地區戰略轉移的一個重要橋頭堡。株洲國家高新技術產業開發區是1992年湖南省首批經國務院批準的國家級高新技術產業開發區，栗雨工業園是位于株洲國家級高新技術產業開發區內的一個專業化產業園區。

在產品內分工背景下，以2007年12月北京汽車股份有限公司株洲分公司(以下簡稱“北汽”)落戶株洲高新區栗雨工業園為契機，吸引、帶動上下游眾多汽車零部件企業和相關配套企業轉移至株洲，形成了汽車產業鏈，逐步發展成為株洲汽車產業集群。目前該園區內共有汽車行業相關企業63家，其中，約有13家企業是從北京、天津等地區跟隨北汽轉移到栗雨工業園，有6家株洲本土企業作為北汽的合作伙伴進駐了園區。湖南株洲栗雨工業園是一個典型的企業“抱團遷徙”形成的產業承接園，所以本文選取該園區為研究對象。

(二)研究設計與數據說明

2014年3月，項目組對株洲栗雨工業園汽車產業集群進行了預調研，采訪了株洲汽車工業協會、園區內汽車整車制造企業和幾家重點汽車零配件生產企業，了解了該園區中汽車企業“抱團遷徙”的基本過程以及龍頭企業與配套企業之間的關系，并根據預調研獲取的信息，參考相關文獻[15]，擬定了項目研究測量問題(表1)，在此基礎上設計正式調查問卷。同年4月，項目組成員采用問卷調查和訪談法對株洲市汽車產業集群進行實地調研，并多次采用電話調查法進行補充。調查樣本企業的選擇依據以下規則：(1)調查樣本以龍頭企業及上下游配套關系為主線，以跟隨遷徙企業為主體。(2)調查樣本既要兼顧到企業生產規模，也要兼顧到企業業務特征。據此，項目組選取了24家企業進行調研訪談*事實上，由于栗雨工業園汽車產業集群不大，所有規模以上企業都已進行了調研，未調研的企業一般為小微企業，對本文研究結果影響小。另外，對株洲高新區管理委員會、株洲汽車工業協會等也進行了訪談，以此作為補充數據。，相應得到24個樣本數據，并且按照銷售收入和業務特征將樣本分為4種類型(表2)。

表1　被訪企業社會網絡特征的測量問題設計

表2　汽車產業集群被訪企業的類型

注：為了表述的方便，將被訪的24家樣本企業，分別以大寫英文字母A～X表示，其順序為企業在問卷表中的相應排列次序，下同。

四、社會網絡特征分析及假設檢驗

為了將實證數據分析結果與研究假設相比較，本文采用Donald Campbell(1968)的“模式匹配”方法[16-17]，這一方法就是把數據與假設聯系起來，比較數據的分析結果是否與假設模式相符*Donald Campbell(1968)最早運用“模式匹配”方法分析美國康涅狄格州出臺的《交通限速法》對交通事故死亡率的影響，Campbell首先描述了“有影響”和“無影響”兩個相互矛盾的假設模式，然后看實證分析結果與哪種假設模式更匹配。著名學者Robert·K·Yin(2004)認為，案例研究中假設檢驗最值得提倡的方法就是“模式匹配”法。這一方法在國外很多案例研究中得到了廣泛的應用。。這是國外用以連接實證數據與假設、解釋研究成果的一種典型假設檢驗方法[18]。為了驗證假設，本文結合研究樣本的社會網絡特征分析結果和調研獲取的其他相關信息，驗證實證結果是否符合假設。

(一)社會網絡聯系密度測度及假設檢驗

首先，參考前人研究方法，從集群內成員間網絡聯系頻率、信任程度和提供幫助程度3個指標測量網絡聯系密度，調查問卷中設計了“貴公司與重要合作伙伴間的相互信任程度如何”、“貴企業的重要合作伙伴對貴企業業務發展提供的幫助多大”和“貴企業與合作伙伴間的合作頻率如何”等三類問題，并按合作次數多少依次填列出合作密切的合作伙伴企業名稱，然后對調查訪談獲得的信息進行整理。

關于社會網絡聯系密度的測度，本文采用劉軍(2009)等學者的社會網絡聯系密度計算方法：(1)在整體網是無向關系網的情況下，若有n個行動者，那么理論上該整體網中所包含的關系總數的最大可能值為n(n-1)/2，若該網絡中包含的實際關系數量為m，那么該網絡的密度就是“實際關系數”除以“理論上的最大可能關系數”，即該網絡的密度為：

2m/[n(n-1)]

(1)

(2)在整體網是有向關系網的情況下，若有n個行動者，那么其中包含的關系總數在理論上的最大可能值是n/(n-1)，該網絡的密度為[19]：

m/[n(n-1)]

(2)

將調查問卷整理后的數據輸入Ucinet分析軟件中，運行結果如下(表3)。

表3　社會網絡密度計算結果

可見，整體的社會網絡密度為0.1449，網絡中關系的標準差為0. 3520。由此可知，該社會網絡密度數值并不大*一般來說，整體網絡密度的取值范圍是0～1，越靠近1表示密度越大。，這是由于選取的研究樣本為中心-衛星式(中衛式)產業集群的特征所致。社會網絡密度測度只是“遠鏡頭”觀察并說明了汽車配套企業與作為該集群中心的汽車整車制造企業間存在密切聯系，卻忽略了配套企業間的弱聯系和間接聯系。所以，需要繼續運用Ucinet軟件計算整體網絡內個體間的捷徑距離，分析企業社會網絡密度的強弱，其數據見表4。

從表4計算結果可以看出：(1)汽車整車制造企業A(龍頭企業)與其他樣本企業(配套企業)的捷徑距離均為“1”，表明龍頭企業A與其他樣本企業的聯系都非常密切。(2)大多數樣本企業之間的捷徑距離為“2”，說明大多數樣本企業之間的直接聯系較少，他們更多地是以龍頭企業A或者少數幾個關鍵配套企業(如企業M、K、B)作為“連接點”而形成間接聯系。(3)盡管全部樣本企業之間的平均捷徑距離為1.855，但建立在捷徑距離基礎上的凝聚力指數為0.572，表明總體凝聚力較強。

綜上所述，可以認為，24家樣本企業形成的整體社會網絡聯系較強，且從調研和訪談獲取的信息可知，不管企業間捷徑距離為“1”還是為“2”，只要存在社會網絡密度較大的共同“連接點”，企業則傾向于跟隨其聯系密切的共同“連接點”而“抱團遷徙”*調研發現，除了一部分企業是跟隨其聯系密切的共同“連接點”——龍頭企業A遷徙之外，還有一部分企業是跟隨其他聯系密切的共同“連接點”——關鍵配套企業而遷徙的。如，企業L和企業Q就是跟隨企業M遷徙的。企業M是企業L和企業Q共同的密切“連接點”，企業M與企業L、企業Q間的捷徑距離都為“1”，而企業L與企業Q間的捷徑距離為“2”。。可見，社會網絡聯系越密切的企業，在產業轉移中越傾向于采取“抱團遷徙”集體行動。假設1得到支持。

表4　整體網絡中企業捷徑距離

(二)社會網絡中心性測度及假設檢驗

關于企業社會網絡中心性的測量，結合株洲汽車產業實際情況，設計的問題是：“貴企業與園區內多少企業存在合作關系”、“貴企業通過園區內的企業或組織獲取信息資源的速度如何”和“貴企業對園區內其他企業或組織的影響力如何”等三類問題并要求填列出受到指定調研企業轉移決策影響的企業名稱。

在社會網絡分析方法中，中心度用來描述社會網絡中任何一節點在網絡中占據的中心性，而中心勢則是用來刻畫社會網絡的整體中心性。其中，中心度又可以分為絕對中間中心度和相對中間中心度，分別用CABmax與CRBmax表示。

點i的絕對中間中心度記為CABi，可表示為：

(3)

bjk(i)是指點i能夠控制點j與點k之間交往的能力，即點i處于點j與k之間捷徑上的概率，用gjk表示點j與k之間存在的捷徑數目，gjk(i)表示點j與k之間存在的經過點i的捷徑數目，那么，bjk(i)=gjk(i)/gjk。

點i的相對中間中心度記為CRBi，可表示為：

CRBi=2CABi/(n2-3n+2)

(4)

社會網絡圖的中心勢用CB表示，CB的取值在0到1之間，越趨向于1，表明中心性越強[19]。CB的計算公式為：

(5)

運用Ucinet軟件對調研收集整理后的數據進行處理，運行結果如表5所示。

與此同時，在對收集到的信息進行反復甄別及交叉重疊比對的基礎上，運用Ucinet軟件對整理后的調研數據進行可視化分析，獲得集群內企業間社會網絡結構圖(圖1)。

結合表5、圖1以及調研問卷信息，可知：(1)企業A(汽車整車制造企業)中心度最高，為87.747，調研發現，該企業是整個園區內汽車產業集群的龍頭企業，也正是該企業獨立作出了落戶栗雨工業園的轉移決策。(2)除企業A之外，企業B(另一個較小汽車整車制造企業)、企業M(企業A的配套物流公司)、企業K(專業活塞銷制造企業)的中心度也分別達到9.667、8.167和5.833，表明具有相對較高的中心度。調查同時發現，中心度較高的企業B和企業K都是獨立作出轉移決策的，只有企業M例外。之所以出現這種現象，是因為盡管物流企業M與園區內其他企業合作較多，具有較大的中心度，但企業M與中心度最高的企業A屬于同一集團，因此是作為其配套物流公司一起轉移到園區的。(3)整個網絡的標準化中心勢為87.51%，這個值是比較大的，說明整體網絡中心勢較強。

表5　點的中心度與圖的中間中心勢

圖1　社會網絡結構圖

綜上所述，社會網絡中心性較高的企業更傾向于采取獨立行動，假設2得到了證明。

(三)社會網絡異質性測度及假設檢驗

關于企業社會網絡異質性測量，調查問卷設計的問題是“企業是否與多家園區外的企業組織或非企業組織機構(如研發機構、高等院校)保持合作”“園區內企業是否能快速通過園區外的其他企業或組織獲取信息”“直接合作企業有哪些”“與園區外哪些企業存在合作關系”。同時，在被調研企業的幫助和引介下，也對其園區外合作企業進行訪談調研，然后整理調研數據。

關于社會網絡異質性的測度，本文采用方壯志(1995)等學者的研究成果，將社會網絡中個體的異質性規模表示為Hi，其變化范圍是0～1之間[20]。Hi的計算公式為：

(6)

在式中，pji表示行動者與不同群體成員的關系占行動者在整個網絡中的關系的比例，yi表示網絡成員間是否有聯系和交往關系，如有則取值為1，否則為0[21]。關于pji的測量，則是分別計算各企業主體與園區外企業合作關系總數占企業所有合作關系總數的比例。關于yi的測量可以運用調研中獲得的關于社會網絡聯系密度的數據、集群內實際合作關系總數占在理論上集群內最大可能所包含的關系總數的比例，運用Ucinet計算出個體網絡密度，從而得出交往企業之間緊密的連接程度。若社會網絡異質性規模Hi為1，表示企業所有合作關系均是異質性合作關系；若Hi為0，則表示企業的所有合作伙伴都在園區內部，從合作伙伴獲取的網絡資源與企業自身資源同質。Hi值越靠近1則異質性越大，Hi值越靠近0則異質性越小[22]。將調查問卷整理后所得到的數據代入式(6)，得到表6所示的企業社會網絡異質性測量結果。

表6　企業社會網絡異質性測量結果

從表6可看出，整體上這24家企業的社會網絡異質性都比較大。其中，個體異質性規模最大的是企業F(沖壓件和車身廠外協件生產企業)和企業H(汽車內飾件生產企業)，兩者的社會網絡異質性規模分別為0.9620、0.9593。從問卷及訪談了解到，之所以這兩家中心性弱的企業異質性卻很大，是因為兩者通過其大股東或母公司與“群體外部有較多弱聯系”：持有企業F 40%股份的大股東，是一家目前國內最大、世界一流的汽車模具企業，為國內外眾多整車企業提供高品質的模具；企業H的母公司是從事汽車內飾件生產的企業集團，主要為國內多家整車制造廠提供系統化、模塊化的產品配套服務。

而中心性最強的企業A(汽車整車制造企業北汽)的社會網絡異質性規模為0.9301，相比之下異質性只是處于中上水平。這一現象可以從兩個方面解釋：一方面，較高的社會網絡中心度是一把雙刃劍，為企業帶來“強者愈強”馬太效應的同時，也存在著負面鎖定效應，可能把企業鎖定于重復性高、同質性強的關系網絡中，受到資源有限的制約，在一定程度上阻止企業尋求更具有異質性、能帶來新的信息資源的合作伙伴(Uzzi，1997)。也就是說，網絡結構具有過高的集聚系數可能會導致網絡結構的僵化，阻礙了集群網絡與外來資源和信息的交流。另一方面是由于中心性強的社會網絡往往對于其成員有著忠誠性的要求，使得中心性強的社會網絡內存在大量的信息冗余，缺少新信息的獲取[7]。

從調研獲取的信息可知，異質性高的企業(如企業F和企業H)是跟隨企業A(汽車整車制造企業)轉移到園區的，并不是采取獨立行動。綜上所述，網絡異質性對企業轉移行動選擇的影響不太明顯，假設3沒能得到證明。

(四)社會網絡結構平衡檢驗及假設檢驗

一個結構平衡的社會網絡，可以被分類為兩個或多個子集，在子集內部都是正關系，而子集間都是負關系。當該正負關系網絡不能達到結構平衡時，可以用團體分類算法找出使該社會網絡達到最佳結構平衡時的子集分類[23]。所以，對于尋找最佳平衡結構問題，實際上就是通過劃分小團體的結構來尋找最小不平衡的網絡結構。

為了保證對于假設測度的正確性、可靠性，本文參考國外社會學家S. F. Sampson(1968)及國內學者劉軍(2004)、耿曉鵬等(2012)的相關研究成果，設計了社會網絡結構平衡測量尺度：讓企業之間互相打分，為了表示一個企業對另外一個企業的合作意愿，由強到弱依次排列，“2”代表合作意愿很強，“1”代表較強，“0”代表一般，“-1”代表較弱，“-2”代表很弱，如果企業之間在打分時沒有給出上述的任何數值，則用“0”表示。將整理后的數據輸入到Ucinet軟件，運用CONCOR方法*CONCOR方法是一種迭代相關收斂法，研究的是行動者a的相似性向量與行動者b的相似性向量在多大程度上相似。，獲得清晰的、概括性認識的分塊矩陣，可以明確哪些企業組成一個結構平衡團體，結果如表7所示。

表7　CONCOR分析后的社會網絡關系分塊矩陣

在表7所示的分塊矩陣中，對初始數據的行和列都自動進行了重新排列，并加入了一些分塊線，從而把在同一塊(組)的企業放在一起。表7得出4個組塊：(A，N，O，K)；(J，F，G，H，U，V，E，L，M，N，C，S，Q，R，W，X)；(B)；(D，P，I)。為了明晰各組間的合作意愿強度，運用Ucinet軟件可以獲得如表8所示的分塊后的密度矩陣。

表8　CONCOR分析后的社會網絡關系密度矩陣

為了進一步從整體上刻畫整個網絡的分組情況以及各分組之間關系，我們把上述密度矩陣中大于社會網絡整體密度0.1449(表2已計算出該社會網絡的整體密度)的項目都改寫為1，小于整體密度0.1449的項目都改寫為0，從而將上述密度矩陣變為該密度矩陣的“像”，稱為像矩陣[24]，如表9所示。

表9　像矩陣

從分塊矩陣(表7)以及像矩陣(表9)可以看出：(1)第1組由四家企業(A，N，O，K)組成，并且第一組內企業間的聯系最多、彼此間合作意愿強、相似程度最高，這是因為企業A(汽車整車制造企業)、企業K(成立時間早、專業制造活塞銷)以及企業O(專業生產汽車燈具，集團公司的子公司)都在該集群內中心度較高，而企業N是另一汽車整車制造集團公司下的活塞分公司，這4家企業之間可以存在良好的市場信息、技術信息共享氛圍。(2)第4組內部的企業之間相似認同度高、合作意愿強，這是由于第4組內企業經營范圍相同，彼此間存在更多的信息技術交流以及協作。(3)第3組僅僅只有企業B(一家較小的汽車整車制造企業)，由于企業B主要是生產軌道交通裝備與客車等訂制化產品，是根據客戶的需求訂制生產產品，大部分零配件是從外地廠商購入，目前在當地沒有形成以企業B為龍頭的配套產業鏈。(4)第2組和第4組之間的關系比較疏遠，這是由于兩組間沒有配套關系，也不存在技術信息共享等協作關系，合作意愿很弱。第4組中的企業主要是護板、護蓋等材料生產企業，而第2組主要是汽車內飾、沖壓件等生產企業，所以兩組間需要的技術信息不同，合作需求小，合作意愿弱。(5)第1組企業A(汽車整車制造企業)和其他3組內的企業之間也關系和睦，可以明顯看出第1組的企業A處于聯接各子群、維持整個網絡結構平衡的中心位置。

從調研訪談獲取的信息可知，組群內企業大多數是“抱團遷徙”至園區的，其中個別株洲本土企業是采取了拓寬和變更生產范圍等方式融入各組群的。綜上所述，假設3得到證明。

五、結論與政策啟示

本文通過對轉移到株洲栗雨工業園汽車產業的實地調研，探討了企業社會網絡特征對產業轉移集群行為的影響，可以得出以下結論：(1)在整體社會網絡聯系較強的集群中，只要存在社會網絡密度較大的共同“連接點”，企業則傾向于跟隨其聯系密切的“連接點”采取集體行動，形成“抱團遷徙”。(2)社會網絡中心性較強的企業傾向于采取獨立行動，龍頭企業的社會網絡中心性最強，更傾向于做出獨立轉移決策。(3)網絡異質性的大小對于企業選擇獨立行動還是集體行動并沒有明顯的影響*這可能與所選研究樣本是汽車行業有關：一方面，作為龍頭企業的汽車整車制造企業，更容易與園區內的配套企業保持長期合作關系，從而隨著產業鏈逐步完善，汽車整車制造企業的網絡異質性下降；另一方面，作為跟隨龍頭企業轉移的汽車零配件生產企業中，存在網絡異質性高的企業，是由于這些企業的母公司一般是行業內有市場影響力的專業化生產企業，生產的產品為多個地區的多家企業配套，因此通過母公司與外部網絡有較多資源和信息的交流。。(4)結構平衡的社會網絡內，企業間相似認同度高，合作意愿強，更傾向于集體行動。

上述結論，對于推進地方政府高效、有序承接產業轉移，具有重要的政策啟示：(1)地方政府的引資工作重點是，創造條件引進網絡中心性強的龍頭企業和社會網絡密度較大的關鍵“連接點”企業，通過這些企業的引進，帶動產業鏈上下游企業和相關配套服務機構“抱團遷徙”，進而實現“以商引商”、“產業鏈招商”，節約招商成本，提高招商效率，變承接企業為承接產業集群。(2)政府應當通過環境建設和政策引導，促進企業間的協作，強化企業間的相似認同度，提升整體網絡結構平衡，使園區企業借助社會網絡強關系迅速獲取和共享網絡資源，以尋求網絡化成長，增強企業集體行動取向。(3)盡管網絡異質性大小對于企業是否選擇集體行動沒有明顯的影響，但提高社會網絡的異質性水平有助于資源和信息交流，增強企業的動態競爭能力。因此，政府方面可以舉辦多種投資洽談、業務合作交流活動，促進當地企業與外地企業、機構之間的交流和合作，優化網絡結構，提高企業社會網絡的異質性，擴寬資源和信息的來源渠道。

參考文獻：

[1]劉友金,袁祖鳳,周靜,等.共生理論視角下產業集群式轉移演進過程機理研究[J].中國軟科學,2012(8):119-129.

[2]許南,李建軍.產品內分工、產業轉移與中國產業結構升級[J].管理世界,2012(1):182.

[3]符正平,曾素英.集群產業轉移中的轉移模式與行動特征——基于企業社會網絡視角的分析[J].管理世界，2008(12):83-88.

[4]廉同輝,余菜花,李強.承接產業轉移背景下中部地區傳統產業集群的社會網絡結構及其演化分析——以安徽孫村服裝產業集群為例[J].經濟體制改革，2013(4):101-105.

[5]宋炳林.我國區際產業轉移的社會網絡機制[J].經濟問題探索，2014(4):46-51.

[6]韋伯.工業區位論[M].北京:商務印書館,1997.

[7]蔡寧,吳結兵.產業集群組織間關系密集性的社會網絡分析[J].浙江大學學報:人文社會科學版,2006(4):58-65.

[8]周群力,陸銘.拜年與擇校[J].世界經濟文匯,2009(6):19-21.

[9]李開，江天鵬，周鵬，戚玉純.集群企業特征與整合營銷傳播——基于集群企業的實踐[J].科學決策，2014(8)：34-46.

[10]Koka B,Prescott J E.Designing alliance networks:The influence of network position，environmental change and strategy on firm performance[J].Strategic Management Journal，2008，29(6):639-661.

[11]羅納德·伯特.結構洞：競爭的社會結構[M].上海:上海人民出版,2008:18-29.

[12]Stanley Wasserman,Katherine Faust.Social network analysis:Methods and applications(structural analysis in the social sciences)[M].Cambridge University Press，1995.

[13]Tajfel H.Social identity and intergroup relations’ [M].Cambridge University Press.1982.

[14]李振鵬,唐錫晉.外生變量和非正社會影響推動群體觀點極化[J].管理科學學報，2013(3):73-74.

[15]Linton C Freeman.The development of social network analysis:A study in the sociology of Science[M].Booksurge Publishing.2004.

[16]Donald T Campbell,Ross H L.The connecticut crackdown on speeding:Time-series data in quasi-experimental analysis[J].Law and Society Review,1968(3):33-53.

[17]Robert K Yin.Case study research:Design and methods [M].SAGE Publications Inc，2009.

[18]Thomas D Cook,Donald T Campbell.The causal assumptions of quasi-experimental practice[J].Synthese，1986(7):142-150.

[19]劉軍.整體網分析講義 UCINET軟件實用指南[M].上海:格致出版社,2009.

[20]方壯志.社會網絡研究的基本概念和方法[J].華中理工大學學報:社會科學版，1995(3):112-113.

[21]趙曉東,王重鳴.產業集群背景下創業者社會網絡動態結構實證研究[J].技術經濟，2007(1):15-16.

[22]黨興華,李雅麗,張巍.資源異質性對企業龍頭性形成的影響研究——基于技術創新網絡的分析[J].科學學研究,2010(2):302-303.

[23]耿曉鵬,李慶軍.基于結構平衡理論的企業正負關系網絡及實例研究[J].統計與信息論壇,2012(9):83.

[24]劉軍.社會網絡分析導論[M].北京:社會科學文獻出版社,2004:214-219.

(本文責編：海洋)