股權網(wǎng)絡結構對企業(yè)創(chuàng)新的影響：基于知識溢出效應的理論分析與實證檢驗

宋燦 侯欣裕

(南開大學 經濟學院，天津 300071)

一、引言和文獻綜述

新常態(tài)下，依靠企業(yè)“創(chuàng)新驅動”推動經濟持續(xù)健康發(fā)展，不僅是維持我國經濟活力、避免落入中等收入陷阱的必然路徑，更是增強企業(yè)在行業(yè)內競爭優(yōu)勢的關鍵所在[1-2]。隨著經濟社會的不斷發(fā)展，企業(yè)間關系日趨復雜化與網(wǎng)絡化，這種網(wǎng)絡關系包括但不局限于以供需關系為基礎形成的貿易網(wǎng)絡、以企業(yè)普通員工或管理層的社會關系為基礎形成的社會關系網(wǎng)絡，或以投資與被投資關系(企業(yè)所有權關系)為基礎形成的股權網(wǎng)絡等[3-4]。網(wǎng)絡關系作為知識傳遞與交換的重要紐帶，逐漸成為影響企業(yè)創(chuàng)新的關鍵因素。因此，越來越多的學者開始從網(wǎng)絡的視角探究企業(yè)網(wǎng)絡與創(chuàng)新之間的關系。

以拓撲理論為基礎的網(wǎng)絡概念，最先用于社會學中分析人與人之間的社會關系，后被應用于經濟學中，網(wǎng)絡也由此被定義為經濟個體構成的、通過結點相連的相互作用關系[5]。對網(wǎng)絡的定義與構造相關文獻中，Khwaja和Mian(2005)[6]及Garmaise和Moskowitz(2003)[4]分別以企業(yè)管理層與企業(yè)普通員工的社會關系構建企業(yè)層面的社會網(wǎng)絡；張紅娟和譚勁松(2014)[7]及劉學元等(2016)[8]以企業(yè)的合約聯(lián)盟為基礎構建企業(yè)聯(lián)盟網(wǎng)絡；Carvalho等(2016)[9]及Fu和Gupta(2014)[10]基于投入產出關系構建貿易網(wǎng)絡，并根據(jù)企業(yè)在產業(yè)鏈中所處的位置及企業(yè)上下游產業(yè)關系，將貿易網(wǎng)絡分解為供給網(wǎng)絡與銷售網(wǎng)絡；Chuluun等(2017)[11]通過分析企業(yè)間的投資與被投資關系，構造企業(yè)股權網(wǎng)絡。

企業(yè)網(wǎng)絡中既包括與該企業(yè)具有直接合作關系的企業(yè)結點，還包括與該企業(yè)不直接相關、但可以通過其他企業(yè)間接相關聯(lián)的企業(yè)結點[12]。因此，與傳統(tǒng)的單一二元分析方法相比，拓撲網(wǎng)絡分析法不僅能體現(xiàn)出因企業(yè)直接關聯(lián)產生的“直接效應”，還能體現(xiàn)出因企業(yè)間接關聯(lián)產生的“間接效應”。在網(wǎng)絡結點的連接下，企業(yè)間不斷地產生互動關系，并在互動關系中交換資源、技能與經驗，由此產生知識溢出效應，并推動企業(yè)創(chuàng)新水平的提升[13]。但在網(wǎng)絡中，各個企業(yè)并不是獲得相等的知識溢出效應，網(wǎng)絡結構對知識溢出效應的大小起到了決定性作用。Freeman(1979)[14]將網(wǎng)絡結構定義為實體(經濟個體)靠近網(wǎng)絡中心位置的程度(即網(wǎng)絡中心度)。一般而言，企業(yè)越靠近網(wǎng)絡中心的位置(網(wǎng)絡中心度越高)，該企業(yè)與其他企業(yè)的平均距離越短，知識傳遞的速度與效率越高，知識扭曲風險越低，由此也更有可能獲得較高的知識溢出效應。除了知識溢出效應外，在網(wǎng)絡結構對企業(yè)創(chuàng)新績效的影響機制分析中，已有研究認為社會關系導致的信任程度的提高[6]、高創(chuàng)新能力員工的創(chuàng)新激勵效應[7]、外部知識可獲得渠道的拓展[15]，對新知識的吸收、消化及利用能力的提升等均是企業(yè)網(wǎng)絡影響創(chuàng)新績效的重要機制[16]。

由以上分析可知，在已有研究中，以社會關系與貿易關系為基礎構建企業(yè)網(wǎng)絡，仍然占據(jù)研究的主流。隨著我國的資本市場日益成熟，企業(yè)間的直接與間接投資與被投資關系日趨復雜化與網(wǎng)絡化。股權網(wǎng)絡通過信息、技術、經驗的傳導與交換，逐漸成為知識溢出效應的重要紐帶。因此，對股權網(wǎng)絡結構的定義、構建及其對創(chuàng)新績效影響的探究是值得深入研究的話題。然而，鮮有文獻以企業(yè)間投資與被投資關系為基礎，分析企業(yè)股權網(wǎng)絡結構對企業(yè)創(chuàng)新的影響。雖然Chuluun等(2017)[11]提及了股權網(wǎng)絡的概念，但其簡單地以投資企業(yè)機構的個數(shù)作為企業(yè)網(wǎng)絡指標計算的基礎，僅能反映出企業(yè)間股權網(wǎng)絡的直接關系，難以體現(xiàn)出企業(yè)網(wǎng)絡的間接關系。鑒于此，本文依據(jù)拓撲學理論構造股權網(wǎng)絡中心度指標，并基于知識溢出的視角，從理論與實證兩個層面分析了股權網(wǎng)絡對企業(yè)創(chuàng)新的影響。

本文可能的貢獻如下：第一，本文將企業(yè)間投資與被投資關系納入網(wǎng)絡分析框架，不僅檢驗了股權網(wǎng)絡對企業(yè)創(chuàng)新的直接溢出效應，還驗證了由于網(wǎng)絡關系的存在而產生的間接溢出效應，對現(xiàn)有文獻形成了有益的補充；第二，本文中對創(chuàng)新模式的探究、對競爭與互補關系及地理鄰近性對知識溢出效應影響的分析，豐富了現(xiàn)有的創(chuàng)新研究視角；第三，本文為網(wǎng)絡視角下對企業(yè)創(chuàng)新行為的研究提供了經驗證據(jù)，并為企業(yè)投資與創(chuàng)新決策提供了經驗啟示。

二、理論分析與研究假設

知識基礎理論認為，知識是企業(yè)建立相對競爭優(yōu)勢的重要資源，而知識結構主要包括兩個方面的內容：靜態(tài)的知識資本與動態(tài)的知識流動[17-18]。企業(yè)知識來源的兩個渠道為，內部知識的產生與外部知識資源的獲取，動態(tài)的知識流動為企業(yè)知識交換與獲取奠定了基礎。企業(yè)在不斷地知識資源交換中，積累不同類型的新知識、汲取創(chuàng)造靈感，從而提升自身技術能力[19-20]。但知識的傳遞與交換并不是無條件的，有效的知識傳遞取決于知識交換的共同利益。基于投資與被投資關系的股權網(wǎng)絡，將各個原本相互獨立的企業(yè)連接在一起，形成利益群體，為知識的傳遞與交換創(chuàng)造了條件[11]。隨著企業(yè)股權網(wǎng)絡結構的日益復雜化，外部知識資源獲取越來越成為企業(yè)知識積累與創(chuàng)新能力提升的重要源泉。

知識傳遞的速度與效率取決于企業(yè)信息傳遞的路徑，股權網(wǎng)絡關系的形成使得原本一對一線狀知識傳播，轉變?yōu)槎鄬Χ嗑W(wǎng)狀知識傳播，加快了知識傳播的速度，提升了企業(yè)新知識獲取與吸收的效率[21-22]，為企業(yè)創(chuàng)新能力與創(chuàng)新水平的提升奠定了基礎。在網(wǎng)絡結構中，企業(yè)越靠近股權網(wǎng)絡中心的位置(即股權網(wǎng)絡中心度越高)，表明該企業(yè)與其他企業(yè)通過投資與被投資關系形成的直接與間接關聯(lián)程度越高，且該企業(yè)距離其他相關聯(lián)企業(yè)的平均路徑越少[22-23]。股權網(wǎng)絡中心度的提高，使得本企業(yè)可以通過最少的路徑到達最多的企業(yè)，不僅提升了知識傳遞的速度與效率，也降低了信息在傳遞過程中的扭曲風險，提高了知識傳遞的質量。并且，與其他遠離網(wǎng)絡中心位置(股權網(wǎng)絡中心度較低)的企業(yè)相比，靠近網(wǎng)絡中心位置(股權網(wǎng)絡中心度較高)的企業(yè)，擁有更多的機會去獲取和發(fā)現(xiàn)區(qū)別于企業(yè)本身所擁有的、不同類型的知識資源[24]，因此得以更加快速地將知識用于新產品與新技術的研發(fā)，企業(yè)創(chuàng)新水平也由此不斷提升。基于上述分析，本文提出理論假設1。

H1股權網(wǎng)絡中心度加快了知識傳遞的速度與效率，提高了知識傳遞的質量，由此產生的知識溢出效應提高了企業(yè)創(chuàng)新水平。

在創(chuàng)新活動的開展過程中，企業(yè)既可以選擇獨立研發(fā)(獨立式創(chuàng)新)，也可以通過與其他企業(yè)合作的方式進行聯(lián)合研發(fā)(開放式創(chuàng)新)[25]。相互獨立的企業(yè)通常面臨嚴峻的市場競爭環(huán)境，基于投資與被投資關系形成的股權網(wǎng)絡，將各個原本獨立的企業(yè)連接為一個利益群體[10]。不僅降低了市場競爭激烈程度，提高了企業(yè)市場勢力，更加深了企業(yè)間的交流互動，降低了因信息不對稱產生的摩擦成本，增強了企業(yè)間的相互信任程度，為企業(yè)稀缺知識資源開發(fā)與共享奠定了基礎，最終推動了企業(yè)間合作研發(fā)關系的形成，提高了企業(yè)開放式創(chuàng)新水平[26-27]。并且，與其他遠離網(wǎng)絡中心位置(股權網(wǎng)絡中心度較低)的企業(yè)相比，靠近網(wǎng)絡中心位置(股權網(wǎng)絡中心度較高)的企業(yè)，通過網(wǎng)絡與其他企業(yè)的連接更為緊密，所獲得的信任程度也越高，因此擁有更多的機會去獲取稀缺知識資源，及具備更大的可能性與其他企業(yè)共同進行新產品與新技術的研發(fā)[28]，企業(yè)開放式創(chuàng)新水平也由此不斷提升。基于上述分析，本文提出理論假設2。

H2股權網(wǎng)絡中心度的提升，促進了稀缺知識資源的共同開發(fā)與利用，提升了企業(yè)開放式創(chuàng)新水平。

企業(yè)創(chuàng)新水平的提高不僅體現(xiàn)在創(chuàng)新數(shù)量的增加，還體現(xiàn)在創(chuàng)新質量的提升，而創(chuàng)新模式的改進與轉變，是企業(yè)創(chuàng)新技術改善與創(chuàng)新質量提升的重要體現(xiàn)。現(xiàn)有企業(yè)的創(chuàng)新模式一般分為兩種，一種是基于原有的產品或技術進行改良，此種創(chuàng)新模式稱為漸進式創(chuàng)新。漸進式創(chuàng)新由于是在已有的產品或技術上改進，具備較小的創(chuàng)新幅度，其所需的知識積累與新知識的投入也相對較少[6-8]。與漸進式創(chuàng)新相對應的創(chuàng)新模式稱為激進式創(chuàng)新，激進式創(chuàng)新意為研發(fā)出企業(yè)之前所未涉及的產品或技術[29]。與漸進式創(chuàng)新相比，激進式創(chuàng)新雖然具有較高的創(chuàng)新程度與創(chuàng)新技術含量，但需具備一定的知識積累及新思想的交叉融合[30]。基于投資與被投資關系的企業(yè)股權網(wǎng)絡，將各個所處不同領域的企業(yè)，通過股權關系連接在一起，不同領域企業(yè)間的合作交流更有利于新思想、新知識的交叉融合。并且，與其他遠離網(wǎng)絡中心位置(股權網(wǎng)絡中心度較低)的企業(yè)相比，靠近網(wǎng)絡中心位置(股權網(wǎng)絡中心度較高)的企業(yè)，更有利于獲取和積累新知識[31-33]，并通過新思想與新知識的交叉融合，促使企業(yè)由漸進式創(chuàng)新向激進式創(chuàng)新模式轉變。基于上述分析，本文提出理論假設3。

H3股權網(wǎng)絡中心度的提升，加速了新知識與新思想的融合，促使企業(yè)由漸進式創(chuàng)新向激進式創(chuàng)新模式轉變。

三、研究設計

(一)變量的構建

1.核心被解釋變量：企業(yè)創(chuàng)新(Patent)

已有研究從多個維度對企業(yè)創(chuàng)新水平進行了刻畫，如企業(yè)生產率、企業(yè)研發(fā)資金或者研發(fā)人員的投入、企業(yè)發(fā)明專利的申請數(shù)量等。首先，企業(yè)生產率對創(chuàng)新的衡量過多依賴于完全競爭市場，在非完全競爭市場中，生產率對企業(yè)創(chuàng)新的衡量存在一定的偏差。其次，上市公司數(shù)據(jù)庫中研發(fā)資金、研發(fā)人員樣本的缺失較為嚴重，并且創(chuàng)新投入轉化為創(chuàng)新產出的過程中存在著巨大的不確定性。因此，借鑒已有研究的普遍做法，根據(jù)上市公司專利庫中的企業(yè)每年申請發(fā)明專利的數(shù)量加1再取對數(shù)表示(1)依照一般的分類標準，專利包括發(fā)明專利、實用新型專利、外觀設計專利，其中發(fā)明專利的復雜度與創(chuàng)新度更高，也更能代表企業(yè)的創(chuàng)新能力。。企業(yè)創(chuàng)新數(shù)據(jù)來源于2003-2019年上市公司專利數(shù)據(jù)庫，上市公司專利數(shù)據(jù)庫對專利類型進行了詳細的劃分，并依據(jù)企業(yè)是獨立研發(fā)還是聯(lián)合研發(fā)，將專利數(shù)據(jù)分為獨立申請專利與聯(lián)合申請專利，為本文股權網(wǎng)絡結構與企業(yè)創(chuàng)新之間關系的分析奠定了詳實的數(shù)據(jù)基礎。

2.核心解釋變量：股權網(wǎng)絡中心度(Degree)

依據(jù)Breza和Chandrasekhar(2019)[26]對網(wǎng)絡中心度的定義，本文以企業(yè)間的投資與被投資關系為基礎，構建股權網(wǎng)絡中心度指標。具體而言，以企業(yè)間因持股關系所形成的矩陣表示網(wǎng)絡，以股權網(wǎng)絡矩陣中的結點表示企業(yè)間的股權連接，以股權連接矩陣的維度表示網(wǎng)絡中結點(投資企業(yè))的個數(shù)(N)。為進一步區(qū)分企業(yè)在股權關系中是作為投資方還是被投資方，本文統(tǒng)一使用股權連接矩陣的行表示投資方企業(yè)，列則表示被投資方企業(yè)。如從企業(yè)i的角度解釋，nodeij表示企業(yè)i對企業(yè)j的投資結點，nodeji表示企業(yè)j對企業(yè)i的投資結點。若企業(yè)i對企業(yè)j具備投資關系，則nodeij取1，否則取0。同理，若企業(yè)j對企業(yè)i具備投資關系，則nodeji取1，否則取0。股權網(wǎng)絡中心度(Degree)以企業(yè)投資結點數(shù)量與總的企業(yè)數(shù)量之比表示

Degreei=Σ(nodeij+nodeji)/Ni

(1)

股權網(wǎng)絡中心度表示企業(yè)在股權網(wǎng)絡中靠近中心位置的程度。股權網(wǎng)絡中心度越大，表明企業(yè)越靠近網(wǎng)絡的中心位置，也代表與該企業(yè)直接與間接關聯(lián)的其他企業(yè)的數(shù)量越多，即該企業(yè)通過股權網(wǎng)絡與其他企業(yè)的聯(lián)系程度越緊密。若企業(yè)越處于靠近網(wǎng)絡結點中心的位置，說明其在投資與被投資關系中具備較強的信息與資源掌控能力。

股權網(wǎng)絡中心度指標，雖然能體現(xiàn)出企業(yè)在股權網(wǎng)絡的中心位置，卻難以區(qū)分投資與被投資關系產生的股權網(wǎng)絡對企業(yè)創(chuàng)新的影響。本文依據(jù)投資與被投資關系區(qū)分股權網(wǎng)絡的方向，將股權網(wǎng)絡中心度分解為投資網(wǎng)絡中心度(Outdegree)和被投資網(wǎng)絡中心度(Indegree)。計算公式為

Outdegreei=Σnodeij/Ni

(2)

Indegreei=Σnodeij/Ni

(3)

股權網(wǎng)絡結構中心度指標可以厘清企業(yè)間復雜的股權網(wǎng)絡關系，卻無法體現(xiàn)出全資子公司、絕對控股、合資等企業(yè)持股份額的差異性，也僅能體現(xiàn)出股權網(wǎng)絡的“直接溢出效應”，無法體現(xiàn)出因間接持股產生的“間接溢出效應”。因此，為更好地體現(xiàn)企業(yè)持股份額的差異性，及準確度量網(wǎng)絡的間接溢出效應，本文在股權網(wǎng)絡中心度指標的基礎上，構造加權股權網(wǎng)絡中心度(Wdegree)指標。計算公式為

Wdegreei=Degreei+Σ∏λjDegreej

(4)

其中，λj表示企業(yè)i對企業(yè)j持股的權重。例如，企業(yè)0直接持有企業(yè)1公司股份的50%，而因企業(yè)1又持有企業(yè)2的股權份的40%，則企業(yè)0間接持有企業(yè)2的股份數(shù)量為40%*50%=20%。因此企業(yè)0的加權股權網(wǎng)絡中心度為Wdegree0=Degree0+50%Degree1+20%Degree2。

股權網(wǎng)絡中心度指標數(shù)據(jù)來源于2003—2019年上市公司年報，上市公司年報所披露的股東信息，不僅包括上市公司股東，還包括非上市公司股東，為本文指標構建提供了全面詳實的數(shù)據(jù)基礎。依據(jù)企業(yè)投資與被投資關系構造矩陣，并計算出在股權網(wǎng)絡中，所有公司的股權網(wǎng)絡中心度指標。在計算出股權網(wǎng)絡中心度后，依據(jù)企業(yè)名稱將指標與上市公司數(shù)據(jù)庫匹配。

3.控制變量

鑒于影響企業(yè)創(chuàng)新因素的復雜性，在借鑒已有研究的基礎上，本文在實證中加入可能影響企業(yè)創(chuàng)新的控制變量。(1)企業(yè)年齡(Age)：依據(jù)企業(yè)從設立年份起到考察年份止的存續(xù)時間，加一再取對數(shù)表示。(2)企業(yè)年齡的平方(Age2)：已有大量研究表明，企業(yè)年齡與企業(yè)創(chuàng)新之間可能存在非線性相關關系，因此本文在計量模型中加入企業(yè)年齡的平方項。(3)企業(yè)規(guī)模(Size)：用企業(yè)資產總量取對數(shù)衡量企業(yè)規(guī)模的大小，一般而言企業(yè)規(guī)模越大表明企業(yè)壟斷勢力越強。(4)企業(yè)資產負債率(Lev)：用企業(yè)總負債與總資產的比率表示企業(yè)的資產負債情況，以此衡量企業(yè)的杠桿率。(5)企業(yè)資產回報率(Roa)：以企業(yè)總利潤與總資產的比值表示。(6)企業(yè)固定資產水平(Fix)：以企業(yè)固定資產占總資產的比重表示。(7)營業(yè)收入增長率(Revrt)：以企業(yè)營業(yè)收入增長速度表示企業(yè)的盈利能力。(8)國有企業(yè)性質(Soe)：若企業(yè)是國有性質則Soe取1，否則Soe取0。(9)外資企業(yè)性質(Foe)：若企業(yè)是外資性質則Foe取1，否則Foe取0。數(shù)據(jù)主要來源于2003-2019年上市公司財務信息數(shù)據(jù)庫。表1為各個變量的描述性統(tǒng)計。

表1 描述性統(tǒng)計

(二)計量模型設定

本文主要研究的問題是企業(yè)股權網(wǎng)絡結構對創(chuàng)新的影響。由于企業(yè)創(chuàng)新指標中存在大量為0的特征，為避免因計量模型錯誤設定而導致回歸結果產生偏差，采用泊松偽極大似然估計(Poisson Pseudo Maximum Likelihood，PPML)模型進行經驗分析，具體計量模型設定如下

Lnpatentit=exp(α+βDergreeit+λXit+εj+εp+εt+μijpt)

(5)

其中，式(5)中被解釋變量為企業(yè)i在t年的企業(yè)創(chuàng)新指標(Lnatentit)，核心解釋變量為企業(yè)i在t年的股權網(wǎng)絡中心度(Degreeit)，Xit為可能影響企業(yè)創(chuàng)新的控制變量，主要包括企業(yè)年齡(Age)、企業(yè)年齡的平方(Age2)、企業(yè)規(guī)模(Size)、企業(yè)資產負債率(Lev)、資產回報率(Roa)、企業(yè)固定資產占比(Fix)、營業(yè)收入增長率(Revrt)、國有企業(yè)性質(Soe)、外資企業(yè)性質(Foe)等。此外，本文在回歸中還加入時間層面的固定效應(εt)，以控制隨機時間沖擊對回歸結果的影響；加入行業(yè)層面的固定效應(εj)，以控制行業(yè)異質性對回歸結果的影響；加入城市層面的固定效應，以控制區(qū)域差異性對回歸結果的影響。

四、實證檢驗與結果分析

(一)基準回歸結果

1.股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響分析

在前文理論分析與指標構建的基礎上，本文依照式(5)以企業(yè)創(chuàng)新作為核心被解釋變量，對股權網(wǎng)絡中心度與企業(yè)創(chuàng)新之間的關系進行經驗分析。回歸結果如表2所示，其中列(1)為不加入控制變量時的回歸結果，列(2)-(4)為加入控制變量后逐項加入時間、行業(yè)及區(qū)域層面固定效應的回歸結果。由回歸結果可知，在控制時間、行業(yè)與區(qū)域等各個層面的固定效應后，股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響依然顯著為正。列(5)為加入時間-行業(yè)趨勢項的回歸結果，列(6)為在年份層面上聚類后的回歸結果。由回歸結果可知，在加入時間-行業(yè)趨勢項及控制企業(yè)在年份層面的聚類后，企業(yè)股權網(wǎng)絡中心度對創(chuàng)新績效的影響在1%的水平上顯著為正。表明在其他條件不變的情況下，企業(yè)創(chuàng)新水平隨著股權網(wǎng)絡中心度的提高而不斷提高，由此驗證了理論假設1。基于投資與被投資關系的股權網(wǎng)絡，將各個原本相互獨立的企業(yè)連接在一起，形成利益群體，為知識的傳遞與交換創(chuàng)造了條件。股權網(wǎng)絡中心度的提高，使得本企業(yè)可以通過最少的路徑到達最多的企業(yè)，不僅提升了知識傳遞的速度與效率，也降低了信息在傳遞過程中的扭曲風險，提高了知識傳遞的質量。并且靠近網(wǎng)絡中心位置的企業(yè)，擁有更多的機會去獲取和發(fā)現(xiàn)區(qū)別于企業(yè)本身所擁有的、不同類型的知識資源，因此得以更加快速地將新知識用于新產品與新技術的研發(fā)，企業(yè)創(chuàng)新水平也由此不斷提升。

在各個控制變量中，年齡對企業(yè)創(chuàng)新的影響顯著為正，而年齡的平方項對企業(yè)創(chuàng)新的影響顯著為負，表明企業(yè)年齡與企業(yè)創(chuàng)新為倒U型關系，與已有研究相一致。企業(yè)規(guī)模與企業(yè)資產回報率對創(chuàng)新的影響顯著為正，主要原因是企業(yè)規(guī)模的擴張與盈利能力的增強，提高了企業(yè)在市場上的壟斷勢力。根據(jù)熊彼特的創(chuàng)新理論，壟斷利潤的形成推動了企業(yè)創(chuàng)新活動的開展，促進了企業(yè)創(chuàng)新能力的提升。

2.獨立式創(chuàng)新與開放式創(chuàng)新回歸結果

在創(chuàng)新活動的開展過程中，企業(yè)既可以選擇封閉式獨立研發(fā)，也可以選擇與其他企業(yè)合作進行開放式創(chuàng)新。因此，本文進一步將企業(yè)獨立申請的發(fā)明專利歸類為獨立式創(chuàng)新，將與其他實體企業(yè)聯(lián)合申請的發(fā)明專利歸類為開放式創(chuàng)新。表3列(1)-(3)匯報了以企業(yè)獨立式創(chuàng)新為被解釋變量的回歸結果。結果顯示，股權網(wǎng)絡中心度對企業(yè)獨立式創(chuàng)新的影響至少在1%的水平上顯著為正，表明股權網(wǎng)絡中心度提高產生的信息共享與知識溢出效應提升了企業(yè)獨立式創(chuàng)新水平。表3列(4)-(6)匯報了以企業(yè)開放式創(chuàng)新為被解釋變量的回歸結果。結果顯示，股權網(wǎng)絡中心度對開放式創(chuàng)新的影響顯著為正。但通過對比分析可以發(fā)現(xiàn)，企業(yè)股權網(wǎng)絡中心度對開放式創(chuàng)新的影響系數(shù)，顯著大于其對獨立式創(chuàng)新的影響系數(shù)。表明股權網(wǎng)絡中心度的提高增強了相互持股企業(yè)間的信任程度，推動了企業(yè)間合作創(chuàng)新活動的開展，由此驗證了理論假設2。股權網(wǎng)絡中心程度越高的企業(yè)，通過網(wǎng)絡與其他企業(yè)的連接更為緊密，所獲得的信任程度也越高，因此擁有更多的機會去獲取稀缺知識資源，并與其他企業(yè)共同進行新產品與新技術的研發(fā)，企業(yè)開放式創(chuàng)新水平也由此不斷提升。

表3 獨立式創(chuàng)新與開放式創(chuàng)新回歸結果

3.激進式創(chuàng)新與漸進式創(chuàng)新回歸結果

對企業(yè)創(chuàng)新的衡量不僅體現(xiàn)在企業(yè)創(chuàng)新水平的提高，還體現(xiàn)在企業(yè)創(chuàng)新模式的改變。已有研究將創(chuàng)新模式分為漸進式創(chuàng)新(又稱改良式創(chuàng)新)與激進式創(chuàng)新。與漸進式創(chuàng)新相比，激進式創(chuàng)新需要更多的知識積累與新思想的融合。為更深入分析股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的作用機理，本文借鑒Chuluun等(2017)[11]的做法，依照企業(yè)申請每一項專利的具體名稱、專利號與分類，對專利進行重新劃分。若企業(yè)五年內沒有申請過此類專利則將此專利劃分為激進式創(chuàng)新，若企業(yè)五年內申請過此類專利，則將此類專利劃分為漸進式創(chuàng)新。表4列(1)-(3)匯報了股權網(wǎng)絡中心度對激進式創(chuàng)新絕對量影響的回歸結果，表4列(4)-(6)匯報了股權網(wǎng)絡中心度對激進式創(chuàng)新與漸進式創(chuàng)新相對比值影響的回歸結果。結果顯示，股權網(wǎng)絡中心度對激進式創(chuàng)新絕對值與相對值的影響在1%的水平上顯著為正。表明總體來看，股權網(wǎng)絡中心度促使企業(yè)由漸進式創(chuàng)新向激進式創(chuàng)新模式的轉變，由此驗證了理論假設3。基于投資與被投資關系的企業(yè)股權網(wǎng)絡，將各個所處不同領域的企業(yè)通過股權關系連接在一起，不同企業(yè)間的合作交流更有利于新思想、新知識的交叉融合。具備較高股權網(wǎng)絡中心度的企業(yè)，更有機會獲取和積累新知識，并通過新思想與新知識的交叉融合，促使企業(yè)由漸進式創(chuàng)新向激進式創(chuàng)新模式轉變。

表4 激進式創(chuàng)新與漸進式創(chuàng)新回歸結果

(二)拓展分析

1.股權網(wǎng)絡的“間接溢出效應”對企業(yè)創(chuàng)新的影響

為更好地體現(xiàn)出企業(yè)持股份額的差異性，及因間接持股產生的“間接溢出效應”，本文以加權股權網(wǎng)絡中心度(Wdegree)指標作為核心解釋變量，以企業(yè)創(chuàng)新作為被解釋變量進行經驗分析。回歸結果如表5所示。其中，列(1)為不加入控制變量時的回歸結果，列(2)-(4)為加入控制變量后逐項加入時間、行業(yè)及區(qū)域層面固定效應的回歸結果，列(5)為在年份層面聚類后的回歸結果。由回歸結果可知，加權股權網(wǎng)絡中心度對創(chuàng)新績效的影響至少在1%的水平上顯著為正，與基準回歸結果一致。對比表2基準回歸結果可知，加權股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響顯著大于不加權時的股權網(wǎng)絡中心度。表明股權網(wǎng)絡存在顯著的間接溢出效應，即在股權網(wǎng)絡中，知識的傳遞不僅僅局限于與該企業(yè)直接關聯(lián)的企業(yè)，還存在于間接相關聯(lián)的企業(yè)。

表5 “間接溢出效應”對企業(yè)創(chuàng)新的影響回歸結果

2.投資與被投資網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響

為體現(xiàn)因投資與被投資關系產生的股權網(wǎng)絡結構對企業(yè)創(chuàng)新影響的差異性，本文分別以企業(yè)投資網(wǎng)絡中心度(Outdegree)和被投資網(wǎng)絡中心度(Indegree)作為核心解釋變量，以企業(yè)創(chuàng)新作為被解釋變量進行經驗分析，回歸結果如表6所示。其中，表6列(1)-(3)為被投資網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響，列(4)-(6)為投資網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響。由表6回歸結果可知，投資網(wǎng)絡中心度與被投資網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響顯著為正。對比分析發(fā)現(xiàn)，被投資網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響顯著大于投資網(wǎng)絡中心度。創(chuàng)新具有高投入與高風險的特征，由此決定了研發(fā)投入大多數(shù)源于企業(yè)內部資金。在融資約束普遍趨緊的大環(huán)境下，被投資網(wǎng)絡有效緩解了企業(yè)的融資約束，并通過提高企業(yè)研發(fā)投入提升了企業(yè)創(chuàng)新水平，從而解釋了投資與被投資網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響存在的顯著差異性。

表6 投資與被投資網(wǎng)絡對企業(yè)創(chuàng)新的影響回歸結果

3.競爭與互補關系對企業(yè)創(chuàng)新的影響

前文的經驗分析將不同產業(yè)的企業(yè)歸為同一個網(wǎng)絡體系，雖然能完整地刻畫出企業(yè)間的相互持股關系，卻忽略了因產業(yè)關聯(lián)產生的競爭與互補關系對企業(yè)創(chuàng)新的影響。本文依據(jù)企業(yè)在產業(yè)鏈中所處的位置及上下游產業(yè)關系，對股權網(wǎng)絡中心度重新測算。若企業(yè)間是同行業(yè)競爭關系，則其形成的網(wǎng)絡稱為競爭股權網(wǎng)絡中心度(Codegree)。同理，若企業(yè)間是上下游供需合作關系，則其形成的網(wǎng)絡稱為互補股權網(wǎng)絡中心度(Inddegree)。在對股權網(wǎng)絡中心度重新測度后進行經驗分析，回歸結果如表7所示。其中，表7列(1)-(3)匯報了競爭股權網(wǎng)絡對企業(yè)創(chuàng)新的影響，表7列(4)-(6)匯報了互補股權網(wǎng)絡對企業(yè)創(chuàng)新的影響。結果顯示，競爭與互補股權網(wǎng)絡對企業(yè)創(chuàng)新的影響至少在1%的水平上顯著為正。表明無論是同行業(yè)企業(yè)，還是上下游企業(yè)相互持股形成的股權網(wǎng)絡，均對企業(yè)創(chuàng)新能力的提升起到正向促進作用。但整體而言，互補股權網(wǎng)絡中心度對創(chuàng)新績效的影響顯著大于競爭股權網(wǎng)絡中心度。主要原因是：一方面，由于同行業(yè)競爭關系的存在，基于互補關系的企業(yè)相互間的信任度大于基于競爭關系的企業(yè)，由此促進了企業(yè)間的信息共享與知識資源的共同利用；另一方面，與同產業(yè)相比，不同產業(yè)間的知識融合與思想碰撞，更容易促進企業(yè)創(chuàng)新合作的開展與創(chuàng)新成果的實現(xiàn)，由此造成了不同產業(yè)關聯(lián)的股權網(wǎng)絡中心度對企業(yè)創(chuàng)新作用效果的差異性。

表7 競爭與互補關系對企業(yè)創(chuàng)新的影響回歸結果

4.地理鄰近性對企業(yè)創(chuàng)新的影響

為驗證地理鄰近性對企業(yè)創(chuàng)新的影響，本文依據(jù)企業(yè)所處的地理位置，分別計算地理鄰近股權網(wǎng)絡中心度(Gdegree)與地理非鄰近股權網(wǎng)絡中心度(Ngdegree)。其中，地理鄰近股權網(wǎng)絡，指處于同一城市或者相鄰城市的企業(yè)間相互持股形成的股權網(wǎng)絡；地理非鄰近股權網(wǎng)絡，指不處于同一城市或非相鄰城市的企業(yè)間相互持股形成的股權網(wǎng)絡。本文以地理鄰近性對股權網(wǎng)絡進行劃分，更深入地揭示了地理鄰近性對企業(yè)創(chuàng)新的作用機制，回歸結果如表8所示。其中，表8列(1)-(3)為地理鄰近股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響，列(4)-(6)為地理非鄰近股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響。由回歸結果可知，地理鄰近股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響，顯著大于地理非鄰近股權網(wǎng)絡中心度。與地理位置相距較遠的企業(yè)相比，較近的地理位置企業(yè)間形成的股權網(wǎng)絡中，知識傳遞的速度更快、效率更高，信息扭曲風險更小，知識傳遞的質量更高。因此，地理鄰近股權網(wǎng)絡產生的知識溢出效應更高，地理鄰近股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響，顯著大于地理非鄰近股權網(wǎng)絡中心度。

表8 地理鄰近性對企業(yè)創(chuàng)新的影響回歸結果

(三)內生性分析與穩(wěn)健性檢驗

1．內生性分析

為避免反向因果關系對實證結果的影響，本文以上市公司信息披露質量作為股權網(wǎng)絡中心度的工具變量(2)依上市公司的信息披露是企業(yè)投資決策的重要參考依據(jù)，因僅有深交所公開了上市公司信息披露質量信息，所以此時的內生性檢驗樣本量會有一定程度的缺失。上市公司信息披露數(shù)據(jù)來源于wind數(shù)據(jù)庫，網(wǎng)址www.wind.com.cn。，進行內生性分析。一方面，上市公司信息披露質量在一定程度上反映出企業(yè)的經營績效，企業(yè)信息披露質量越高，往往代表著該企業(yè)的經營績效越好，企業(yè)營業(yè)利潤率越高，從而更加具備向外投資的動力與能力。另一方面，上市公司信息披露質量既是企業(yè)信用程度的重要體現(xiàn)，也是企業(yè)投資決策的重要依據(jù)。一般而言，企業(yè)更傾向于投資信息披露質量較高的上市公司。因此，對于企業(yè)而言，其信息披露質量越高，表明該企業(yè)在股權網(wǎng)絡的中心地位越高，企業(yè)股權網(wǎng)絡中心程度也越高。具體而言，將深交所公布的上市公司信息披露質量A、B、C、D四個等級量化(分別取值4、3、2、1)，企業(yè)信息披露質量等級越高，取值越大。表9報告了以信息披露質量作為工具變量的回歸結果。其中，列(1)-(3)為泊松偽極大似然估計工具變量法的回歸結果，列(4)-(6)為兩階段最小二乘法的回歸結果。總體來看，在以企業(yè)上市公司信息披露質量作為工具變量后，股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響依然顯著為正，表明在考慮內生性后，前文的分析結果依然成立。

表9 內生性檢驗回歸結果

2.替換被解釋變量

為得到更加穩(wěn)健的分析結果，在已有研究的基礎上，借鑒Olley和Pakes(1996)[27]的做法，運用OP法計算出上市公司的企業(yè)生產率作為企業(yè)創(chuàng)新水平的代理變量，并進行經驗分析。由表10回歸結果可知，在以生產率作為企業(yè)創(chuàng)新的代理變量后，股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響依然顯著為正，與本文的預期相一致(3)依由于以OP法所計算出來的生產率不存在大量為0的特征，因此，此時用普通最小二乘法進行經驗分析。。

表10 替換被解釋變量的穩(wěn)健性檢驗回歸結果

3.替換計量模型

在前文的分析中，以PPML估計法對股權網(wǎng)絡中心度與企業(yè)創(chuàng)新之間的關系進行經驗分析，依據(jù)原始數(shù)據(jù)被解釋變量存在大量為0的特征，本文分別以Probit和Logit模型替換PPML模型，并對股權網(wǎng)絡中心度與企業(yè)創(chuàng)新之間的關系進行經驗分析，回歸結果如表11所示。其中，表11列(1)-(3)為Probit模型回歸結果，列(4)-(6)為Logit模型回歸結果。由回歸結果可知，在變換計量模型后，股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響依然顯著為正，再次驗證了回歸結果的穩(wěn)健性。

表11 替換計量模型的穩(wěn)健性檢驗回歸結果

4.剔除異常值

全樣本中異常值的存在會對回歸結果產生一定的偏差，因此，本文剔除核心變量前后1%的異常值后，再次對股權網(wǎng)絡中心度與企業(yè)創(chuàng)新進行經驗分析。由表12回歸結果可知，在剔除異常值后，股權網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響依然為正，再次驗證了回歸結果的穩(wěn)健性。

表12 剔除異常值的穩(wěn)健性檢驗回歸結果

五、研究結論與啟示

本文以2003—2019年上市公司為樣本，基于網(wǎng)絡視角考察了股權網(wǎng)絡結構對企業(yè)創(chuàng)新的影響及內在機理。研究發(fā)現(xiàn)，股權網(wǎng)絡中心度產生的知識溢出效應提升了企業(yè)創(chuàng)新水平，推動了企業(yè)開放式創(chuàng)新活動的開展及激進式創(chuàng)新模式的轉變；股權網(wǎng)絡具有顯著的間接溢出效應，且被投資網(wǎng)絡中心度對企業(yè)創(chuàng)新的影響顯著大于投資網(wǎng)絡中心度；互補股權網(wǎng)絡中心度更有利于新知識的交換、傳遞與融合；地理鄰近性提高了知識傳遞的速度與效率，增強了股權網(wǎng)絡的知識外溢效應。本文研究的重要意義在于：第一，基于網(wǎng)絡視角，檢驗了股權網(wǎng)絡對企業(yè)創(chuàng)新的直接溢出效應與間接溢出效應，對現(xiàn)有文獻形成了有益的補充；第二，本文中對創(chuàng)新模式、競爭與互補關系及地理鄰近性對知識溢出效應影響的分析，豐富了現(xiàn)有的對企業(yè)創(chuàng)新的研究視角；第三，本文為網(wǎng)絡視角下對企業(yè)創(chuàng)新行為的研究提供了經驗證據(jù)，并為企業(yè)投資與創(chuàng)新決策提供了經驗啟示。

本文的政策含義在于：首先，股權網(wǎng)絡通過知識傳遞與交換產生知識溢出效應，由此促進了企業(yè)創(chuàng)新水平的提升。企業(yè)應積極拓展投資與被投資渠道，提高其股權網(wǎng)絡中心度，并充分發(fā)揮企業(yè)在股權網(wǎng)絡中心位置的優(yōu)勢，在網(wǎng)絡中積極獲取與積累不同類型的知識，從而推動企業(yè)創(chuàng)新水平的提升。其次，企業(yè)應利用股權網(wǎng)絡中心度的優(yōu)勢，摒棄傳統(tǒng)“閉門造車”的思維，通過加強企業(yè)間的合作研發(fā)活動，推進開放式創(chuàng)新活動的開展，并積極利用股權網(wǎng)絡內的互補關系，通過不同產業(yè)間知識的交叉融合推動創(chuàng)新模式的轉變。再次，企業(yè)應通過股權網(wǎng)絡的連接，充分吸收其不直接相關企業(yè)的間接溢出效應，并通過招商引資等渠道注重提升其被投資網(wǎng)絡中心程度，以此不斷推動自身創(chuàng)新水平的提升。最后，在股權網(wǎng)絡中，企業(yè)應更加關注與其地理位置相鄰企業(yè)及具備優(yōu)勢互補企業(yè)的知識交流互動，以此提升知識傳播的速度與效率，促進新知識的融合、積累與吸收，并通過創(chuàng)新產出的增加獲得相對競爭優(yōu)勢。