企業網絡位置與創新戰略程度的關系研究

雷　輝，馬　偉

（湖南大學 工商管理學院，湖南 長沙 410082）

企業網絡位置與創新戰略程度的關系研究

雷輝，馬偉

（湖南大學 工商管理學院，湖南 長沙 410082）

企業所在連鎖董事網絡的位置是影響企業創新戰略程度的關鍵因素。文章以3年為時間窗口構建2011-2013年期間高新技術企業以連鎖董事為關系的網絡，利用社會網絡分析方法獲取網絡位置相關指標，通過MATLAB編程獲得BP神經網絡模型，并用該模型來研究網絡位置與企業創新戰略程度之間的關系。研究結果表明：中間中心度和接近中心度對企業創新戰略程度有正向影響，而程度中心度對企業創新戰略程度有負向影響；接近中心度、程度中心度、中間中心度對創新戰略程度的影響幅度依次減小。

網絡位置；連鎖董事網絡；創新戰略程度；BP神經網絡；中心度

［DOI］10.3969/j.issn.1007-5097.2016.05.021

一、引　言

根據資源依賴理論，企業獲取外部信息等資源的能力越強，越能更好地應對外部環境變化的不確定性［1］，繼而使得企業更容易成功［2］。隨著社會網絡的不斷演進，企業之間對網絡關系的競爭也愈演愈烈［3］，企業連鎖董事也逐漸成為一種普遍現象，成為企業獲取外部資源的重要途徑之一。社會資本獲取和使用會受到企業在連鎖董事網絡位置中的影響［4］。連鎖董事是同時在兩家及兩家以上董事會任職的個體成員［5-6］，這些成員將不同企業聯結起來就構成了連鎖董事網絡［7］。對于網絡內企業來說，信息資源等社會資本會通過交流互動逐步豐富起來［8］。同時，在網絡中每個企業所處的位置不同，而處于好的網絡位置更有利于企業獲得信息資源，繼而提高經濟效益［9］。因此，研究企業在連鎖董事網絡中的位置與創新戰略程度的關系具有一定的理論和現實意義。但由于這種關系并不是簡單的線性關系，用多元回歸和其他一些方法如結構方程就會受到限制，而BP神經網絡具有良好的非線性映射能力，可以求解內部機制特別復雜的問題。因此，可以通過引進脫離模型假設的BP神經網絡方法來獲取企業在連鎖董事網絡中的位置與創新戰略程度的關系模型。

本文以高新技術企業為研究對象。運用Ucinet軟件構建了企業的連鎖董事關系網絡，并獲取了企業在連鎖董事網絡中的中心度指標。然后分析了創新戰略程度的影響因素，將之作為神經網絡的輸入，從857個樣本中隨機抽取800個樣本，運用BP神經網絡構造模型，并利用剩余57個樣本進行模型檢驗，發現擬合效果較好。最后分析了連鎖董事網絡中高新技術企業的網絡位置（程度中心度、中間中心度與接近中心度）對企業創新戰略程度的影響。

二、理論分析與研究假設

（一）理論分析

由于連鎖董事關系到兩家及以上公司董事會的構成，對公司的治理有重要影響。根據共謀理論，連鎖董事關聯的公司可以通過某種互惠交易的安排為雙方帶來利益。

連鎖董事網絡主要通過兩個方面來影響公司治理。首先是資源影響，連鎖董事的存在使得公司能更有效地獲取外部資源，提高企業對資源和信息的掌控能力，避免了資源獲取的不確定性。Burt認為公司可以通過建立連鎖董事關系，進行資源互補等，繼而可以降低風險提高經營績效和效率［10］。其次是社會影響，公司某類模糊性決策或已存在的戰略決策可能通過連鎖董事影響到被連鎖的企業。陳仕華、馬超通過實證研究發現在選擇律師事務所方面有連鎖董事關系的公司具有一致性［11］。

由于企業擁有的連鎖董事不同，也就使得企業在連鎖董事網絡中的位置不同，獲取資源的能力及對決策行為的影響也不同。已有研究指出企業的網絡位置對企業的治理產生重要影響。

企業網絡位置是指企業在與其他企業通過某種關系形成的網絡中的位置。Chi-Nien等研究表明企業在企業網絡中處于更中心的位置可以獲得相對于其他企業更多的創新優勢［12］。Tsai通過研究發現，處于網絡中心位置的企業的創新產出能力也相對較高［13］。Hackbarth和Mauer認為處于中心位置的企業更能吸引具有參加相似項目投資決策、擁有同類經驗的董事，繼而幫助企業做出更好的決策［14］。KoKa認為中心位置的企業可以通過直接聯系獲取有價值的信息，擁有更大優勢和更多市場競爭機會［15］。Paruchuri使用中心度等指標探究企業在聯盟網絡中的位置對企業創新活動的影響［16］。在社會網絡分析中，一般用程度中心度、中間中心度和接近中心度三個指標來衡量行動者在網絡中的位置和影響力［17］。所以，基于資源依賴理論和國內外相關研究，本研究認為程度中心度、中間中心度和接近中心度對高新技術企業的創新戰略程度具有重要影響。

（二）研究假設

程度中心度衡量了企業在連鎖董事網絡中核心的中心位置的程度［18］。董事所在企業對其行為決策產生重要影響，會影響其看待問題及處理問題的方式。當某企業沒有連鎖董事時，其內部董事會逐漸同化，思考問題的方式將逐步趨于相似。這種相似的認知可以增加團隊的凝聚力，但也會使得董事會缺乏活力，故當企業沒有連鎖董事會對企業創新產生阻礙。相反，某企業擁有的來自不同企業的連鎖董事會為企業帶來不同的思維方式和視角，通過產生思維碰撞、認知沖突會為企業激發新的活力并克服決策偏差，提高決策質量。同時，由于學習效應的存在可以使得不同企業的信息和專業知識通過連鎖董事網絡渠道相互傳播。因此，連鎖董事不僅可以為企業帶來創新思維，還可以帶來創新資源。新思維的引進及學習效應的存在會使擁有連鎖董事數目較多的企業具有捕獲新觀念及獲得創新資源的優勢。故提出假設1。

H1：在連鎖董事網絡中，企業的程度中心度對創新戰略程度有正向影響。

中間中心度衡量了高新技術企業在連鎖董事網絡中處于“媒介人”即“橋梁”位置的程度［18］。Wang等通過對無線通信網絡領域實證研究發現中間中心度對未來企業技術創新的正向影響較大［19］。企業的中間中心度越大，會使得其在聯結其他兩個企業時獲得非冗余信息。企業擁有這樣的位置越多，越有可能成為信息的集聚中心，企業的創新能力也越可能增強，采取創新戰略的強度也可能越高。故提出假設2。

H2：在連鎖董事網絡中，企業的中間中心度對創新戰略程度有正向影響。

接近中心度衡量了企業在連鎖董事網絡中與其他企業的親近程度或關系遠近［18］。由于創新戰略程度主要受到創新資源的影響，并不需要只對網絡中與公司相聯結的直接關系進行考察。但間接關系會影響到創新資源的獲取數量、速度和質量。企業與其他企業相關聯且連接的路徑較短，該企業獲取信息的品質越高。故提出假設3。

H3：在連鎖董事網絡中，企業的接近中心度對創新戰略程度有正向影響。

三、研究設計

（一）研究樣本選擇及數據來源

本文旨在研究企業在連鎖董事網絡中的位置對企業的創新戰略程度的影響，選擇高新技術企業為研究對象，主要是因為電子業、醫藥生物制造業、信息技術業、機械設備儀表等高新技術行業具有較高的創新性和成長性。在樣本的選擇中，剔除了ST、*ST企業以及董事數據信息不全的企業，最終確定973家企業為初始研究樣本。在剔除了研發數據缺失的企業后，共剩下857家企業，即最終研究樣本為857家企業。

本文需要的數據有三類。第一類是企業的具體信息，如董事數目、總資產、企業所在地等，主要來源于CSMAR數據庫；第二類是R&D費用，是通過巨潮網收集企業年報獲取；第三類是企業在連鎖董事網絡中的程度中心度、中間中心度和接近中心度，通過Ucinet軟件構建連鎖董事網絡獲得。具體過程如下：

在建立高新技術行業連鎖董事網絡時，首先通過收集每個樣本企業2011-2013年的董事數據，包括董事的教育經歷、職能、年齡等，來確定該董事是否存在于兩個以上的企業，即該董事是否為連鎖董事。由于董事的每屆任期不得超過3年，故可以以3年為時間窗口來構建董事網絡。通過篩選，共得到842個連鎖董事，973個企業。通過構建這些連鎖董事與企業之間的二模關系矩陣（973×842），導入Ucinet軟件可以得到這973家企業之間的一模關系矩陣（973×973），繼而得到連鎖董事網絡。由于全連鎖董事網絡企業眾多，較為復雜，故選取部分連鎖董事網絡如圖1所示。點表示存在連鎖董事的企業，連線表示兩個企業之間存在共同的董事，即連鎖董事。通過Ucinet軟件還可以獲取連鎖董事中各個企業的程度中心度、中間中心度和接近中心度。

圖1　部分連鎖董事網絡

（二）變量測量

1.被解釋變量

本文的研究目的是確定連鎖董事網絡位置對企業創新戰略程度的影響，因此被解釋變量為反映創新戰略程度的變量。創新戰略程度表征了企業采取創新戰略的強度。創新戰略是指一個企業對新產品或服務創造的全局策劃，通常被視為影響企業長期發展的重要影響因素。然而，創新戰略程度難以直接衡量，本文借鑒Miller等的研究選擇R&D強度作為創新戰略程度的代理變量［20］，該指標能較大程度上反映企業的創新程度。并借鑒周建和周小青的研究，用R&D費用/總資產測量［21］，其值越高，表明企業創新戰略程度越大。在借鑒趙炎、周娟（2013）研究的基礎上，考慮到存在戰略滯后效應［22］，并結合本研究的目標，這里的R&D費用按取滯后一年即2014年的數據。

2.解釋變量

本研究的解釋變量是程度中心度、中間中心度和接近中心度。這三種中心度又都可以分別分為絕對中心度和相對中心度。后者是前者的標準化，消除了網絡規模的影響，可以對來自不同網絡中的節點的中心度進行比較。由于本文是基于同一連鎖董事網絡獲取的每個公司的中心度，并不受網絡規模的影響，因此可以選取各個絕對中心度。

程度中心度。程度中心度測量的是與行動者直接聯系的其他行動者的數量的指標［23］，主要用于無方向數據。在本文中，程度中心度（Degree）指的是連鎖董事網絡中一個公司通過連鎖董事與其他公司直接連接關系的數量。

其中，i為某個公司；j為連鎖董事網絡內除了公司i的其他公司；Xji表示公式j與公司i之間是否有聯結，若公司j與公司i有至少有1個連鎖董事，則Xji為1，否則為0。

中間中心度。中間中心度是指網絡中的節點i所擁有的其他任意兩個節點的聯結的最短路徑的數目與所有最短路徑的百分比。它測量的是一個行動者在成為“中間橋梁”或者控制其他行動者的程度大小［24］，表示行動者對網絡信息流等資源的控制程度［25］。在本文中，中間中心度指的是連鎖董事網絡中一個公司通過連鎖董事連接其他不同公司的能力，它可以增加企業的發展機會并加快企業的運行效率［26］。計算公式如下：

其中，gjk是公司j和公司i相聯結的最短路徑數，gjk（ni）是公司j和公司k經過公司i的最短路徑數。

接近中心度。接近中心度測量的是一個點與網絡中所有其他點的距離。在本文中，接近中心度表示該公司通過比較短的路徑與其他許多公司相連。計算公式如下：

其中，d（i，j）為公司i到公司j的最短距離。

3.控制變量

本研究包括公司規模、董事會規模、連鎖董事比例和企業所在地區共4個控制變量。

公司規模。公司規模反映的是企業市場開發能力、經濟狀況等。公司規模在一定程度上體現了企業擁有資源的多少以及資源的獲取能力。有關公司規模與績效及創新能力的研究成果很多，熊曉燕（2012）通過研究得出公司規模對不同類型企業的創新能力影響不同。因此，本研究控制公司規模的影響，用總資產的自然對數衡量。

董事會規模。董事會規模越大，企業資源的來源渠道越多，越有可能獲取更多的創新資源。但根據群體規模的有關研究，群體越大，越難管理，群體利用資源的效率可能較低。本研究認為董事會規模會影響到資源的來源及使用效率，繼而可能對創新戰略程度產生影響，因此把董事會規模作為創新戰略程度的控制變量，用董事會成員總數的自然對數表示。

連鎖董事比例。連鎖董事比例能夠評估連鎖董事在董事會中的相對影響。連鎖董事可以為企業引進外來資源，為企業的創新提供更多的可能性。但由于連鎖董事任職于兩個以上企業，其對單個企業付出的時間、精力受限，貢獻也可能降低。本文參考徐二明、衣鳳鵬（2014）的做法，采用企業的連鎖董事人數與董事會總人數的比值來衡量。

企業所在地區。由于沿海地區經濟發展較快，與內陸地區相比，擁有高新技術和人才優勢。但政府為了削減不同地區間的經濟差異，可能會為內陸地區提供更高的技術補貼。因此本研究將企業所在地區作為虛擬變量控制其對創新戰略程度的影響。其中，企業在沿海地區為1，否則為0。

（三）實證方法

創新戰略程度受諸多因素的影響，在探討企業在連鎖董事網絡中的位置與創新戰略程度的關系時，也需要將其他影響因素如公司規模、董事會規模、連鎖董事比例和所在地區等因素考慮在內。但這些因素（包括網絡位置指標）之間并不是獨立無關的，在構建模型時，必須要考慮它們之間的聯系。由于它們之間的聯系并不是簡單的線性關系，這就更增加了數據的多變性、控制性和復雜性，很難用簡單的數學關系式進行表達和分析。因此，必須找到一種切實有效而又能精確統計、分析數據，同時能夠求得它們之間的相互關系的算法。而BP神經網絡算法則可以滿足這些要求，該非線性映射能力很強、精度高且不需要人為的設定權重，網絡可以通過“自學習”，用訓練樣本找出輸入變量和輸出變量之間的關系，并通過檢驗樣本檢測該關系的合理性。因此，可以選取BP神經網絡模型進行創新戰略程度影響因素和創新戰略程度之間關系的擬合。

BP神經網絡（BP-ANN）是一種多層前饋神經網絡，主要特點是信號前向傳遞、誤差反向傳播。在前向傳遞中，輸入信號從輸入層經隱含層逐層處理，直至輸出層，每一層神經元狀態只影響下一層神經元狀態［26］。如果輸出層的預測輸出與期望輸出相差很大，達不到目標誤差，則轉向反向傳播，根據設定的預測誤差調整網絡權值和閾值，從而使預測輸出不斷逼近期望輸出［26］。將輸入層和輸出層看作自變量和因變量，BP神經網絡就表達了自變量到因變量的非線性函數映射關系。

作為目前研究最為成熟的人工神經網絡之一，BP神經網絡得到了較為廣泛的應用。該算法可以通過信號前向傳遞、誤差反向傳播，并根據預測誤差調整網絡權值和閾值，最終使得輸出值與期望值不斷逼近，實現非線性擬合。在該非線性映射關系中，創新戰略程度的影響因素即自變量為輸入層，反映創新戰略程度的變量即因變量為輸出層。

四、BP神經網絡模型的構建

（一）BP神經網絡的模型結構

1.輸入層

輸入層是進行BP神經網絡的第一步，要探討企業在連鎖董事網絡中的位置對創新戰略程度的影響，就要保證考慮影響企業創新戰略程度因素的全面性。輸入層即為創新戰略程度的影響因素指標，影響企業創新戰略程度有諸多因素，如公司規模、董事會規模、連鎖董事比例、企業所在地區等，本文將這些具有代表性的指標作為控制變量，主要探究企業在連鎖董事網絡中的位置對企業創新戰略程度的影響。

2.輸出層

本文中輸出層輸出的數值即為系統仿真的反映創新戰略程度的變量的大小。在對反映創新戰略程度的變量預測中，首先定性分析了創新戰略程度的影響因素，而后通過BP神經網絡模型定量輸出預測結果即反映創新戰略程度的變量值，可見它一個定性與定量相結合的過程，且輸出單元數為1。

3.隱含層

隱含層的單元數目選擇是一個非常復雜的問題。若數目太少，網絡訓練時收斂速度較慢甚至不收斂；若數目太多，會增加訓練時間，但誤差未必減小。在此，可以選擇經驗公式（其中n、m分別為輸入、輸出神經元個數，a為［1，10］的整數），確定隱含層神經元數目的范圍為［5，14］，通過在MATLAB中反復調試，綜合比較該范圍內隱含層神經元數所訓練次數及誤差來選擇最優的隱含層神經元數為9。

綜上可知，選取的BP神經網絡模型的拓撲結構為7-9-1，如圖2所示。

圖2　BP神經網絡預測模型

（二）BP神經網絡的函數選擇

本文選取正切S型函數tansig為隱層節點的傳遞函數，因為該函數可以使得網絡具有較優的收斂功能。輸出層節點的傳遞函數可選取線性函數或非線性函數（sigmoid函數或雙曲正切函數）。由于線性函數即purelin函數的輸出值可以取任意值，因此本文選擇線性函數為輸出節點的傳輸函數。本文選取基于Bayes算法的trainlm函數作為訓練函數，可在很大程度上增加網絡的泛化能力。

五、實證分析

（一）仿真結果

本文利用MATLAB軟件從857個樣本中隨機抽取800個樣本作為訓練樣本，構建BP神經網絡模型，并利用剩余57個樣本對模型進行檢驗。檢驗樣本的預測結果A與實際反映創新戰略程度的變量值比較得出仿真結果如圖3所示。

圖3　實際值與仿真值

從圖3中可以看出，該BP神經網絡模型較好地實現了模型預測的功能，曲線擬合度較高。

通過MATLAB編寫相應程序可以得到檢驗樣本的仿真值，選取部分結果見表1所列。

表1　檢驗樣本仿真值與實際值比較

續表1

從所得結果可以看出，仿真值與期望輸出值即實際值非常接近。比較相對誤差的值，最大為9.65%，最小為0.04%，這說明預測較精確、模型是比較合適的。

（二）模型分析與實證研究結論

在完成神經網絡的建立與訓練的基礎上，通過檢驗與分析，驗證了模型的正確性與可用性。當研究只以預測為目的時，無需知道BP神經網絡的具體模型，但這里要研究各個中心度指標對創新戰略程度的影響，因此找出自變量與創新戰略程度的關系模型就顯得尤為重要。

1.網絡位置對創新戰略程度的影響傾向

根據傳遞函數，可以得到由輸入層到輸出層的函數映射關系，即

其中，tansig函數為：

A1表示的是輸入層到隱含層的輸出，A2表示的是隱含層到輸出層的輸出目標值即創新戰略程度值，W1表示輸入層到隱含層的權值矩陣，W2表示隱含層到輸出層的權值矩陣，P表示創新戰略程度各個影響因素值的矩陣（即P=［P1P2P3P4P5P6P7］T，Pj表示第j個影響因素值，影響因素依次為公司規模、董事會規模、連鎖董事比例、企業所在地區、程度中心度、中間中心度和接近中心度），B1表示輸入層到隱含層的閾值，B2表示隱含層到輸出層的閾值。通過Matlab編程可以得出：

其中行代表輸入的不同影響因素變量；列代表每個輸入變量即創新戰略程度影響因素的神經元權值。

由（4）-（7）式可得：

由于上式比較復雜，很難直接看出創新戰略程度值隨各個影響因素的變化情況。為此，對（8）式中的各個自變量分別求導可得：

其中Pj表示第j個自變量；W1j表示第j個變量對應的輸入權值，即W1的第j列。

由式（9）易知因變量對各個自變量的導數（即A2對Pj導數）的符號只與W1jW2相關。

由式（9）易知因變量對各個自變量的導數（即A2對Pj導數）的符號只與W1jW2相關。

由結果可以看出，中間中心度和接近中心度對創新戰略程度產生正向影響，分別與假設2和假設3相符。而程度中心度則對創新戰略程度產生負向影響，與假設1相反。這可能是因為程度中心度大（表明企業中的某個或某些連鎖董事在較多企業任職或者企業擁有較多的連鎖董事），會降低企業戰略決策實施的效率。當連鎖董事在多個企業任職時，會增加代理沖突，不能有效地監管管理層［27］。根據聲譽假說，董事擁有的關系越多，在網絡關系中的位置也相對安全，也不愿付出更多努力來監督管理層等［28］。當企業中的連鎖董事數目超過一定數量時，董事會會因為忙碌而降低決策效率［29］。以上這些原因都會使得創新戰略決策不能有效地進行，繼而使得創新戰略程度降低。

2.網絡位置對創新戰略程度的影響幅度

根據導數定義，可以通過比較各個導數絕對值的大小，來比較各個自變量對因變量的影響幅度大小。由式（10）易知，導數絕對值大小的排序與W1jW2絕對值的排序相同。故可以通過比較W1jW2絕對值的大小來獲得程度中心度、中間中心度和接近中心度對創新戰略程度的影響大小的排序。

比較W1jW2的絕對值易得出，接近中心度、程度中心度、中間中心度對創新戰略程度的影響幅度依次遞減。這可能是因為每個公司的連鎖董事有限，直接相連的公司并不多，獲取的創新資源能力有限，而創新戰略程度主要受到創新資源的影響，只要公司與網絡中其他所有公司的距離都很短即接近中心度高，該公司就會有很大機會獲得創新資源。因此程度中心度對創新戰略程度的影響幅度較接近中心度低。又由于中間中心度主要表示的是企業在網絡中所處位置的橋梁作用，而處于“橋梁”位置的企業可能并沒有有效聯結另兩個企業，因此其影響創新戰略程度的幅度較其他兩者較低。

六、結論與討論

本文檢驗了網絡位置對高新技術企業創新戰略程度的影響。本文控制了公司規模、董事會規模、連鎖董事比例及企業所在地區等因素的影響。通過不斷地對BP神經網絡訓練和篩選建立，選取了BP神經網絡模型，并通過Matlab仿真驗證，擬合效果較好。研究發現，中間中心度和接近中心度對企業創新戰略程度產生正向影響，而程度中心度對企業創新戰略程度產生負向影響。同時發現，接近中心度、程度中心度、中間中心度對創新戰略程度的影響幅度依次降低。

本文的研究結論對于企業創新戰略的實施具有一定的指導意義。通過連鎖董事加強企業間的聯結可以實現資源的傳播，使得企業獲得更多的外來信息，這有助于提高企業的創新戰略程度。但當企業中的連鎖董事任職較多企業或企業擁有越多的連鎖董事時可能會導致戰略實施效率降低。因此，選擇合適的連鎖董事網絡位置對于企業來說顯得尤為重要。

（1）在高新技術企業連鎖董事網絡中，網絡接近中心度對創新戰略程度有正向影響。提高企業的接近中心度一般有以下兩種方式：①企業可以通過增加連鎖董事數目，使得企業與其他企業的距離縮短，能更有效地獲取資源。當企業的連鎖董事數目過多時，可能導致企業發生推脫責任等情況，繼而對企業創新戰略的實施產生不利影響。②企業可以通過聘請任職于較多企業的董事，使得企業能夠通過較短的距離與其他企業交流，增加企業獲取資源的廣度。但當董事在多個企業任職時，其與單個企業的交流也會相對較少，可能不利于其責任的實施。方式①和②在增加企業接近中心度的同時，也使得了該企業與較多企業直接相連，即該企業的程度中心度增加，會對創新戰略的實施產生負面影響。為了避免這些負面影響的發生，企業可以聘請在較少企業任職且任職于具有較大影響力企業的董事。連鎖董事任職的企業數目較少，可以使得其有較充分的時間來執行其職責；連鎖董事任職的其他企業具有較大影響力，可以為企業帶來更多有效資源。

（2）在高新技術企業連鎖董事網絡中，中間中心度對創新戰略程度有正向影響，但其影響幅度較接近中心度低。企業的中間中心度，雖對創新戰略程度產生正向影響，但影響效果并不太明顯。這可能是因為，企業雖然處于“中間人”位置，但并未有效連接其他兩個企業，使得資源的交流產生障礙。為此，企業一旦位于多個“中間人”的位置，應該積極為其他兩個企業“搭橋”，使得資源流通途徑暢通，也能夠使得企業之間友好合作。

本文的局限性在于，連鎖董事網絡具有自我強化功能，企業連鎖董事的調整，可以導致企業在連鎖董事網絡中的位置變動，而本文只是采用靜態指標中心度來研究網絡位置對創新戰略程度的影響。

［1］O'Hagan S B，Green M B.Corporate knowledge transfer via interlocking directorates：a network analysis approach［J］. Geoforum，2004，35（1）：127-139.

［2］田高良，李留闖，齊保壘.連鎖董事、財務績效和公司價值［J］.管理科學，2011（3）：13-24.

［3］Masulis R W，Mobbs S.Are all inside directors the same？Evidence from the external directorship market［J］.The Journal of Finance，2011，66（3）：823-872.

［4］Lin Nan.Social Capital：A Theory of Social Structure and Action［M］.Cambridge：Cambridge University Press，2002：167-186.

［5］Saavedra S，Gilarranz L J，Rohr R P，et al.Stock fluctuations are correlated and amplified across networks of interlocking directorates［J］.EPJ Data Science，2014，3（1）：1-11.

［6］Croci E，Grassi R.The economic effect of interlocking directorates in Italy：new evidence using centrality measures［J］. Computational and Mathematical Organization Theory，2014，20（1）：89-112.

［7］Larcker D F，So E C，Wang C C Y.Boardroom centrality and firm performance［J］.Journal of Accounting&Economics，2013，55（2）：225-250.

［8］McLean R D，Zhang T，Zhao M.Why does the law matter？Investor protection and its effects on investment，finance，and growth［J］.The Journal of Finance，2012，67（1）：313-350.

［9］Burt R S.Structural holes：The social structure of competition［M］.Massachusetts：Harvard university press，2009.

［10］Burt R S.Corporate profits and cooptation：Networks of market constraints and directorate ties in the American economy［M］.New York：Academic Press，1983.

［11］陳仕華，馬超.連鎖董事聯結與會計師事務所選擇［J］.審計研究，2012（2）：75-81.

［12］Chi-nien C，Mahmood I，Mitchell W.The janus face of intra-firm ties：Group-wide and affiliate-level innovation by multi-business firms in Taiwan［J］.Academy of Management，2005（1）：1-6.

［13］Tsai W.Knowledge transfer in intraorganizational networks：Effects of network position and absorptive capacity on business unit innovation and performance［J］.Academy of management journal，2001，44（5）：996-1004.

［14］Hackbarth D，Mauer D C.Optimal Priority Structure，Capital Structure，and Investment［J］.Review of Financial Studies，2011，25（3）：747-796.

［15］Koka B R，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.

［16］Paruchuri S.Intraorganizational networks，interorganizational networks，and the impact of central inventors：A longitudinal study of pharmaceutical firms［J］.Organization Science，2010，21（1）：63-80.

［17］宋志紅，史玉英，李冬梅.學術論文質量特征對明星作者網絡位置的影響——以1990-2012年“創新網絡”領域的文獻為例［J］.科學學研究，2014（5）：660-668.

［18］張煊，王國順，畢小萍.網絡中心性和知識創新能力對創新績效的影響［J］.經濟問題，2013（8）：92-96.

［19］Wang J C，Chiang C H，Lin S W.Network Structure of Innovation：Can Brokerage or Closure Predict Patent Quality？［J］.Japanese Journal of Clinical Oncology，2012，42 （4）：309-13.

［20］Miller T，Del Carmen Triana M.Demographic diversity in the boardroom：Mediators of the board diversity-firm performance relationship［J］.Journal of Management studies，2009，46（5）：755-786.

［21］周建，李小青.董事會認知異質性對企業創新戰略影響的實證研究［J］.管理科學，2012（6）：1-12.

［22］趙炎，周娟.企業合作網絡中嵌入性及聯盟類型對創新績效影響的實證研究——以中國半導體戰略聯盟網絡為例［J］.研究與發展管理，2013（1）：12-23.

［23］Hochberg Y V，Ljungqvist A，Lu Y.Whom you know matters：Venture capital networks and investment performance ［J］.The Journal of Finance，2007，62（1）：251-301.

［24］徐二明，衣鳳鵬.上市公司連鎖董事對社會績效的影響［J］.經濟管理，2014（6）：44-56.

［25］高攀祥，于軍琪，董振平，等.混凝土碳化深度模型與仿真研究［J］.四川建筑科學研究，2014，40（1）：253-256.

［26］萬姍.我國海運服務貿易逆差及預警機制研究［D］.青島：中國海洋大學，2014.

［27］Hsu C Y，Li C A.Stock price reaction to voluntary announcements of independent director appointments：Effect of multiple directorships from Taiwan［J］.International Research Journal of Finance and Economics，2009，33：101-110.

［28］Guedj I，Barnea A.Director networks［R］.EFA 2007 Ljubljana Meetings Paper，2009.

［29］Ahn S，Jiraporn P，Kim Y S.Multiple directorships and acquirer returns［J］.Journal of Banking&Finance，2010，34 （9）：2011-2026.

［責任編輯：歐世平］

A Study on the Relationship between Enterprise Network Location and Innovation Strategy

LEI Hui，MA Wei
（College of Business Administration，Hunan University，Changsha 410082，China）

The location of an enterprise in interlock directorship networks is a key factor affecting the degree of innovation strategies.This paper builds a network of high-tech enterprises based on the relationship of interlocking directorates from 2011 to 2013，gains relevant indicators of network location using the method of social network analysis，obtains BP neural network model through MATLAB programming，and applies this model to study the relationship between enterprise network location and the degree of innovation strategies.The result shows that betweenness centrality and closeness centrality have positive impacts on the degree of innovation strategies，but point centrality has a negative impact on the degree of innovation strategies；The magnitude of closeness centrality，point centrality and betweenness centrality affecting the degree of innovation strategies decreases gradually.

network location；interlock directorship networks；degree of innovation strategies；BP neural network；centrality

F272.1

A

1007-5097（2016）05-0133-07

2015-11-23

國家自然科學基金項目（71272208）

雷輝（1967-），男，湖南長沙人，教授，博士生導師，博士，研究方向：投資決策與績效評價，戰略管理；馬偉（1988-），女，山東菏澤人，碩士研究生，研究方向：戰略管理。