轉移企業結網策略、網絡結構與知識水平
——基于環境不確定性視角

馬永紅，張 帆2,

(1.哈爾濱工程大學經濟管理學院，黑龍江 哈爾濱 150001；2.東北農業大學工程學院，黑龍江 哈爾濱 150001)

轉移企業結網策略、網絡結構與知識水平
——基于環境不確定性視角

馬永紅1，張 帆2,1

(1.哈爾濱工程大學經濟管理學院，黑龍江 哈爾濱 150001；2.東北農業大學工程學院，黑龍江 哈爾濱 150001)

基于環境不確定性視角定義轉移企業的結網策略，運用多主體仿真的方法構建轉移企業與本地企業結網合作創新的動態仿真模型，分析環境差異性條件下轉移企業結網策略對集群網絡結構及知識水平的影響，并探討仿真涌現特性的產生機理。參數敏感性分析和仿真結果表明：轉移企業通過影響集群知識深度和寬度的宏觀分布從而對網絡結構及知識水平產生影響。環境差異性條件下的集群網絡結構和知識水平均呈現出不同的變化規律，風險集群表現出高連通性、高知識水平的涌現特征，沙克爾集群表現出部分轉移企業本地嵌入失效及知識寬度多次出現零增長點的特征。從集群長遠發展來看，風險環境是更適合轉移企業本地嵌入結網的集群環境，風險環境集群是更能加速促進轉移企業提升集群知識水平的集群。

集群式轉移企業;結網策略;知識位勢;環境不確定性;知識水平

1 引言

近年來，深入理解集群知識水平變化規律是近年來知識管理及創新等領域的重要課題。由企業、高校和科研機構等不同主體間合作關系形成的集群創新網絡是知識流動的重要載體，不同網絡結構的集群對知識的反應和吸收能力也不盡相同。針對這個問題，近年來國內外學者從動態視角探索動態網絡對知識傳播、知識水平的影響，將網絡節點視為均質實體默認其對網絡環境較熟悉，從合作伙伴選擇機制出發分析網絡結構形成的過程，主要強調網絡結構的變化，如增刪主體，增刪聯系(邊)等，研究了企業以知識互補導向[1-2]、社會資本優勢導向[2-3]、競合策略[4]、保守進取[5]、利益分配[6]等策略結網涌現的合作網絡，以及集群知識水平、知識流動總量的變化過程。隨著理論研究的逐步完善，學者逐漸將研究擴展到將網絡節點視為異質性實體，分析新進企業如轉移企業結網策略對知識傳播和知識水平的影響。Kim[7]研究得出新進企業的企業家能力對于企業培養合作伙伴進而促進知識積累、流通和創新十分關鍵。Faria[8]研究認為外資轉移企業的轉移成本會影響轉移企業的最優投資資本數量及轉入地的創新發展。張倩[9]和黃凌云[10]等學者指出轉移企業的企業規模、類型及轉移來源地的不同對本地企業與其保持合作創新關系產生差異性的影響。

上述文獻為知識增長績效的研究奠定了基礎，但限于動態過程模型及其實現的復雜性，學者大部分側重轉出地影響因素如網絡位置、轉移來源地等因素的研究，缺乏對轉入地影響因素的深入考慮，并缺乏相關的量化過程模型，難以深入揭示集群式轉移對集群知識水平的影響規律。由于經濟行為是根植于環境中的，轉移企業結網策略也會因為轉入地的環境不確定性而變化，進而影響集群網絡結構及知識水平。有鑒于此，本文基于環境不確定性視角，運用環境——行為模型研究轉移企業的結網策略，并建立轉移企業結網策略的動態過程仿真模型。通過仿真實驗分析環境差異性條件下轉移企業結網策略對集群創新合作網絡結構及集群知識水平的影響，并探討仿真涌現特性的產生機理，以期從集群知識水平優化的角度為政府部門決策提供參考性意見。

2 集群式轉移企業的結網策略

依據環境——行為模型[11]，在轉入地處于不同網絡位置的轉移企業為了適應轉出地的環境而選擇不同的結網策略進行知識學習及創新，且根據知識區位理論[12]，不同的知識位勢也會影響創新主體的合作創新。基于此，根據環境不確定性及轉移企業網絡位置中心度的高低，將坐標軸分為四個象限，不同的環境不確定性及網絡位置轉移企業會選擇不同的知識位勢導向作為結網策略，分別為知識深度導向、知識寬度導向及融合式導向。如圖1所示。

圖1 集群式轉移企業結網策略圖

2.1 知識深度導向

知識深度導向是指轉移企業傾向于與知識深度較深的本地企業建立結網關系，以現有知識基礎為依托，通過拓展知識深度實現對知識的整合和擴展。根據知識的相似性理論，知識深度導向主要表現為轉移企業尋找在特定種類知識上知識擁有量較高的本地企業，企業通過合作創新共同增加企業特定種類知識的知識量。選擇知識深度導向策略的轉移企業大多具有兩個特征：一個是網絡位置中心度較低，企業原有網絡資源較少，適應環境的能力較弱；另一個是環境不確定性較高。這些特征決定這類轉移企業面臨的合作創新風險較高，其大多會選擇知識深度導向進行小幅度的利用式創新行為[13]。

2.2 知識寬度導向

知識寬度導向是指轉移企業傾向于與知識寬度較寬、與自身知識種類互補的本地企業建立結網關系，通過拓展知識寬度獲取新知識并增加知識種類，以達到創造全新的知識和超越企業現有知識基礎的目的。根據知識的互補性理論，知識寬度導向主要表現為轉移企業尋找的本地企業擁有轉移企業自身所不具有的知識種類，企業通過合作創新共同增加企業的新知識種類。選擇知識深度導向策略的轉移企業大多具有兩個特征：一個是網絡位置中心度較高，企業原有網絡資源較多，適應環境的能力較強；另一個是其面對的環境不確定性較低。這些特征決定這類轉移企業合作創新風險較低，其大多會選擇知識寬度導向進行大幅度的探索式創新行為[12]。

2.3 融合式導向

融合式導向是指轉移企業選擇知識寬度較寬且知識深度較深的企業作為合作伙伴。選擇融合式導向策略的轉移企業大多分為兩種，一種是網絡位置中心度較高且面臨的環境不確定性較高，另一種是轉移企業網絡位置中心度較低，面臨的環境不確定性較低。這些特征決定了轉移企業大多會融合利用式創新和探索式創新兩種創新方式，不將全力致力于風險較大的探索式創新，也不拘泥于風險最小的利用式創新。降低創新風險，同時又兼顧創新需求。

3 轉移企業結網合作創新仿真模型

3.1 仿真模型規則設置

(1)初始狀態

(2)轉移企業進入規則

(3)轉移企業結網規則

借鑒Cowan及花磊[17-19]的模型，確定三種規則如下：

(4)合作創新過程

COWAN[20]等在研究合作創新過程中設計了一個通過中間儲存變量產生創新知識的模型，林秋月[23]在此基礎上改進，認為探索式創新的知識種類也會增加。借鑒學者們的研究，建立合作創新模型如下：

在t時刻，每個節點在網絡結構的約束下，選擇一個有聯結的鄰居節點并與之交流。如果相鄰節點與自己共有u種以上的同種類知識，則采用利用式創新的合作創新模型，定義其知識重新組合方式為B1。如果相鄰節點有w種以上自己沒有的知識，則采用探索式創新的合作創新模型，定義其知識重新組合方式為B2。如果相鄰節點與自己既有u′種以上同種類知識且又有w′種以上自己沒有的知識，則綜合利用式創新和探索式創新的合作創新模型，定義其知識重新組合方式為B3。三種組合方式如下：

B1：企業i與企業j通過合作創新會增加各自的知識量，但不產生新的知識種類。新的知識量將會按照企業原有知識量所占的比例分攤給企業：

B2：企業i與企業j通過合作創新會增加新的知識種類，新知識的知識量為Δkij,p。這種知識重新組合方式可以表示如下：

B3：企業i與企業j通過合作創新，會增加各自的知識量，新的知識量將會按照原有知識量所占的比例分攤給企業，同時也會分別增加新的知識種類，這種新知識的知識量為Δkij,q。

3.2 模型度量指標

4 仿真結果分析

為了盡量避免模型的隨機性，共做100次仿真實驗，每次運行80個周期，取所有仿真試驗的均值作為最終結果。模型參數設置如下：N=500，e=3,η～(1,11)，θ=0.8，A=0.5，γ=0.2。

4.1 環境差異性條件下的集群創新網絡結構

圖2為t時刻三種集群環境下的轉移企業進入并結網后形成的集群創新網絡示意圖，圖中節點大小代表度值大小。由圖2可知，在環境差異性條件下，轉移企業進入后形成的集群創新網絡有很大區別。風險集群網絡存在一個度值很大的hub節點，即集群逐漸出現核心企業，而沙克爾集群網絡則沒有hub節點。產生這種現象的原因是當環境不確定性較低時，轉移企業了解到的各種信息和知識是充分的，并能夠較為準確的預測技術或需求環境的發展趨勢，因此轉移企業可以在整個集群尋找影響力高的企業與之進行合作交流，從而在集群中形成核心企業。從圖中也可看出，風險集群網絡度值極小點比沙克爾集群網絡少很多，其中大部分為轉移企業，即風險環境中大多數轉移企業都在集群進行結網并且結網數量很多，但沙克爾環境集群中部分轉移企業沒有很好的嵌入到本地網絡，結網數量較少處于觀望狀態。奈特環境集群處于沙克爾環境與風險環境集群中間，有部分度值極小的節點也有度值較大的節點。

圖2 環境差異性條件下的集群創新網絡仿真圖

表1統計了t時刻三種集群環境中轉移企業結網后形成的網絡在平均路徑長度、平均聚類系數、平均度、圖密度四個拓撲網絡結構指標上的差異。由表1可知，沙克爾環境集群網絡平均聚類系數、網絡平均度及圖密度最小，平均路徑長度最大。風險環境集群網絡平均聚類系數、網絡平均度及圖密度最大，平均路徑長度最小。奈特環境集群拓撲結構各指標值均處于沙克爾環境及風險環境的中間。由此可知，沙克爾環境集群網絡的網絡連通性有待提高，且網絡呈現較稀疏狀態。而風險環境集群網絡連通性較好，節點可以從遠距離的節點處獲取非冗余的新知識，有效的提高知識傳遞的效率和質量，從而更好的激發節點的創造力。另外，風險集群較高的平均度和圖密度也驗證了圖2的結論，即轉移企業在風險環境中更易嵌入本地網絡，結網建立的網絡聯結較多，網絡呈較緊密狀態。

表1 網絡拓撲結構參數值

4.2 環境差異性條件下的集群知識寬度

圖3環境差異性條件下的集群網絡知識寬度曲線，圖4為環境差異性條件下的集群網絡知識寬度增長速度曲線。由圖3和圖4可知，隨著轉移企業的進入并結網，知識寬度呈上升趨勢，且知識寬度基本保持風險環境集群>奈特環境集群>沙克爾環境集群的趨勢。轉移企業進入的初期，即階段Ⅰ波動期，三種環境集群的知識寬度均有增長，但增長速度波動性較大。階段Ⅱ為穩定期，在這個階段中，風險環境集群和奈特環境集群呈現穩定增長的趨勢，風險環境集群的增長速度大于奈特環境集群和沙克爾環境集群。但有一個不可忽略的現象是：沙克爾環境集群多次出現知識增長速度為0的點，即在這段時間內，該集群多次出現知識寬度零增長或增長幅度特別低的情況。

圖3 環境差異性條件下的集群知識寬度

圖4 環境差異性條件下集群網絡知識寬度增長速度

階段Ⅰ為轉移企業進入集群的初期，由于集群原有知識種類較固定，轉移企業的進入帶來了大量本地集群沒有的新知識，這將會帶動集群的探索式創新，進而產生更多種類的新知識，對集群知識寬度產生較大的改變。因此，三種環境條件下的集群知識寬度均有所增長，而且增長幅度較大，增長速度也較不穩定，處于波動狀態。當轉移企業進入穩定期階段II后，轉移企業與本地企業網絡關系已趨于穩定，且對當地企業運作、資本環境等了解加深，其對集群知識寬度增長依然有促進作用，促進作用已趨于穩態。但由于沙克爾環境集群的環境復雜性動態性較高，轉移企業較難深度了解本地市場及制度環境，因此大多轉移企業不會致力于高風險、大幅度的創新模式，沙克爾環境集群也逐漸出現知識寬度低幅度增長的情況。而風險環境集群可利用環境優勢促使轉移企業致力于探索式創新，因此進入穩定期后，風險環境集群知識寬度增長速度高于其他環境集群。

4.3 環境差異性條件下的集群知識深度

圖5為環境差異性條件下的集群網絡知識深度曲線，圖6為環境差異性條件下的集群網絡知識深度增長速度曲線。由圖5可知，隨著轉移企業的進入并結網，階段a集群知識深度基本無變化無增長，階段b逐漸呈現增長趨勢，且沙克爾環境集群的知識深度高于奈特環境集群及風險環境集群，當進入階段c時，知識深度依然保持增長趨勢，但風險環境集群的知識深度高于沙克爾環境集群及奈特環境集群。由圖6可知，階段Ⅰ三種集群知識深度增長速度基本為零，階段Ⅱ沙克爾環境集群知識深度增長速度高于奈特環境和風險環境集群，進入階段Ⅲ后，風險環境集群及奈特環境集群知識深度增長速度大幅加快，后期逐漸形成風險環境集群的知識深度增長速度大于奈特環境集群和沙克爾環境集群的趨勢。

圖5 環境差異性條件下的集群網絡知識深度

圖6 環境差異性條件下集群網絡知識深度增長速度

轉移企業進入初期，其對高復雜性的當地市場環境缺乏了解，并大多致力于漸進式的利用式創新，因此前期沙克爾環境集群知識深度增長速度較快。但進入后期時，由于風險環境集群在初期進行了較多大幅度的探索式創新，增加了多種新知識，而利用式創新的前提是企業在相同種類的知識上均有一定深度，企業知識種類的豐富使得企業之間知識種類重合的更多，更利于利用式創新的產生，因此風險環境集群在后期知識深度逐漸高于沙克爾環境集群和奈特環境集群。

4.4 環境差異性條件下集群網絡結構及知識水平涌現特性的產生機理

上述仿真分析發現，環境差異性條件下集群網絡結構及知識水平涌現特性差異性較大，實質上轉移企業是通過影響集群知識深度和寬度的宏觀分布進而對網絡結構及知識水平產生影響。由于在風險環境集群與沙克爾環境集群差異異常明顯，而奈特環境集群的涌現特性均處于二者之間，故比較風險環境和沙克爾環境兩種條件下，當仿真時間t分別處于35和70時，集群知識深度、寬度分布如圖7～圖10所示。

圖7 t=35時知識深度概率分布

圖8 t=70時知識深度概率分布

圖9 t=35時知識寬度概率分布

圖10 t=35時知識寬度概率分布

由圖7～圖10可知，兩種環境的集群知識寬度和深度分布均近乎泊松分布。由圖7、8可知，隨著集群的演化，后期沙克爾集群中高知識深度的企業出現頻率較低。這導致了后期進入沙克爾集群的網絡位置較低的中小企業可選的備選合作伙伴較少，因此逐漸出現轉移企業嵌入失效的情況。而轉移企業的嵌入失效使得合作創新幾率降低，進而逐漸影響集群知識水平，使沙克爾集群后期出現部分知識寬度零增長點。由圖9、10可知，風險集群中高知識寬度企業出現的頻率較高，這會促進轉移企業在風險集群中采用知識寬度導向與本地企業結網，并通過合作創新進一步擴大了企業的知識寬度，高知識寬度的企業又會吸引新的轉移企業與之結網合作創新，成為一個正向循環。

4.5 敏感性分析

初始網絡節點數目分別為500和1000，每個轉移企業最大結網數量分別為3和5時的知識寬度及增長速度如圖11-16所示，知識深度及增長速度如圖17～圖22所示。由圖可以看出，無論初始網絡節點數和轉移企業最大結網數量怎樣變化，環境差異性條件下集群知識深度、寬度的變化趨勢具有相似性。從而表明本文結果對初始網絡節點數及轉移企業最大結網數量具有穩定性。

圖11 N=1000 e=3

圖12 N=500 e=3

圖13 N=500 e=5

圖14 N=1000 e=3

圖15 N=500 e=3

圖16 N=500 e=5

圖17 N=1000 e=3

圖18 N=500 e=3

圖19 N=500 e=5

圖20 N=1000 e=3

圖21 N=500 e=3

圖22 N=500 e=5

5 結語

本文基于環境不確定性的視角，從環境不確定性與網絡位置兩個維度定義轉移企業的結網策略，運用多主體仿真方法研究環境差異性條件下的轉移企業不同結網策略對集群創新網絡結構及知識水平的影響，并探討仿真涌現特性的產生機理。結果表明，環境差異性條件下的轉移企業結網策略會顯著地影響集群創新網絡的網絡結構和知識水平。風險環境集群網絡連通度高且轉移企業結網數量多，其知識寬度及其增長速度均高于其他環境的集群，知識深度及其增長速度在后期高于其他環境的集群；沙克爾環境集群中部分轉移企業本地嵌入失效，知識寬度多次出現零增長點。因此，風險環境是更適合轉移企業本地嵌入結網的集群環境。雖然在轉移企業進入前期，沙克爾環境更利于知識水平中知識寬度的增長，但從長遠發展來看，風險環境依然是更能加速促進轉移企業提升集群知識水平增長的集群環境。

本文在一定意義上揭示了環境差異性條件下的轉移企業結網策略對集群創新網絡結構及知識水平的影響，為管理者制定制度及完善集群環境提供了一定的參考依據。當然，本文中還有很多內容有待進一步深入探討。比如，結網策略除了受到轉入地集群環境影響之外還受哪些因素的影響，是否可從其他視角如轉入地產業轉移扶持政策視角出發，以便更準確的建立轉移企業結網策略模型等。

[1] 黃瑋強, 莊新田, 姚爽. 基于動態知識互補的企業集群創新網絡演化研究[J]. 科學學研究, 2011, 29(10): 1557-1567.

[2] 蔡猷花,陳國宏,劉虹,等. 產業集群創新網絡與知識整合交互影響模型及仿真分析[J]. 中國管理科學,2013,21(S2):771-776.

[3] Cristina I, Cristina A, Narvaiza L. How to foster shared innovation within SMEs′ networks: Social capital and the role of intermediaries[J]. European Management Journal, 2015, 33(2): 104-115.

[4] 王國紅,劉雋文,邢蕊. 競合視角下中小企業協同創新行為的演化博弈模型研究[J]. 中國管理科學,2015,(S1):662-666.

[5] 趙健宇, 襲希, 蘇屹. 知識流動網絡演化中小世界效應的仿真研究[J]. 管理評論, 2013, 27(5): 70-81.

[6] 曹霞, 張路蓬. 基于利益分配的創新網絡合作密度演化研究[J]. 系統工程學報, 2016 ,(1): 1-12.

[7] Kim S T. Regional advantage of cluster development: A case study of the San Diego biotechnology cluster[J]. European Planning Studies, 2015, 23(2): 238-261.

[8] Faria J R. Location clusters, FDI and local entrepreneurs: Consistent public policy[J]. Journal of the Knowledge Economy, 2016,7(4):858-868.

[9] 張倩，竺杏月,張華. FDI對我國服務貿易競爭力傳導機制的實證研究[J]. 中國管理科學,2015,S1:490-495.

[10] 黃凌云, 楊娜. 外資兼并對企業出口和技術進步的影響: 基于傾向指數再加權估計法[J]. 中國管理科學, 2014, 22(12): 34-40.

[11] 田鋼, 張永安. 集群創新網絡演化的動力模型及其仿真研究[J]. 科研管理, 2010,31 (1): 104-115.

[12] 趙健宇, 襲希, 蘇屹. 知識流動網絡演化中小世界效應的仿真研究[J]. 管理評論, 2013, 27(5): 70-81.

[13] 黃曉, 胡漢輝, 于斌斌. 產業集群式轉移中新集群網絡的建構與演化——理論與實證[J]. 科學學研究, 2015, 33(4): 539-548.

[14] Eisingerich A B, Bell S J, Tracey P. How can clusters sustain performance? The role of network strength, network openness, and environmental uncertainty[J]. Research Policy, 2010, 39(2): 239-253.

[15] Duncan R B. Characteristics of organizational environments and perceived environmental uncertainty[J]. Administrative science quarterly, 1972,17(3): 313-327.

[16] 孫冰，姚洪濤. 環境不確定性視角下創新網絡階段性演化研究[J]. 科學學與科學技術管理, 2014, 35(12): 71-79.

[17] Cowan R, Jonard N, ?zman M. Knowledge dynamics in a network industry[J]. Technological Forecasting and Social Change, 2004, 71(5): 469-484.

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

[19] 花磊，王文平. 不同創新類型下的有效創新網絡結構[J]. 管理工程學報, 2014,28(3): 110-119+90.

[20] Cowan R, Jonard N, Zimmermann J B. Bilateral collaboration and the emergence of innovation networks[J]. Management Science, 2007, 53(7): 1051-1067.

[21] 林秋月,王文平,王嬌俐.產業集群創新網絡結構特征的仿真分析——基于March利用式-探索式創新分析框架[J]. 管理學報, 2010, 7(7):1015-1020.

Strategy of Entering into Networks of Transfer Enterprise, Network Structure and Level of Knowledge

MA Yong-hong1, ZHANG Fan2,1

(1.School of Economics and Management，Harbin Engineering University，Harbin 150001，China；2.Enterprise Innovation Research Institute，Harbin Engineering University，Harbin 150001，China)

A large number of enterprises enter industrial cluster by the way of cluster transfer, and realize the common growth between themselves and local companies through the netting cooperation with local companies. The speciality of netting strategy will effect the cluster network structure and knowledge level. The strategy of entering into networks of transfer enterprise is definited based on environmental uncertainty, and the dynamic simulation model of cooperative innovation of transfer enterprise and local enterprise is constructed by multi-agent simulation methods. Then three network structures are compared by following three kinds of networks which take shape after cooperative innovation by transfer enterprise and local enterprise. On this basis, the level of knowledge of cluster under three kinds of environments is compared , and the mechanism of the simulation results is explored. The results show that: under the condition of environmental difference the network structure and knowledge level of clusters present a different changing rule. Risk cluster has the feather of high connectivity and high knowledge level. Partial transfer of business in Shackle cluster are failure to cooperate with local enterprise. And the knowledge width of Shackle cluster has many zero growth. The risk environment is more suitable for transfer enterprise to local embedded in the long run. Risk environment is more suitable for the cluster environment of transfer of enterprise of the local embedding netting, and it accelerates the transfer of promoting enterprise to enhance the cluster knowledge level of the cluster. The research perspective of transfer enterprise netting strategy is expanded into the environmental uncertainty. In a certain sense，it reveals the influence of transfer enterprise netting strategy on the cluster innovation network structure and knowledge level under the condition of environmental difference, and provides certain reference basis for the administrator to develop system and improve the cluster environment.

enterprise of clustered transfer; strategy of cooperating networks; knowledge potential; environmental uncertainty; knowledge level

1003-207(2017)02-0187-10

10.16381/j.cnki.issn1003-207x.2017.02.021

2015-11-18；

2016-06-07

國家自然科學基金資助項目(71373060)；國家社科基金重點項目(14AGL004)；黑龍江省自然科學基金項目(G201404)；黑龍江省社科基金項目(13D011)

張帆(1987-)，女(漢族)，黑龍江大慶人，哈爾濱工程大學經濟管理學院博士生，研究方向：科技創新與管理創新，E-mail:zhangfan871120@163.com.

F274.1

A