網絡結構、知識基礎與企業創新績效

李培哲，菅利榮

(1.山東政法學院商學院,濟南 250014;2.南京航空航天大學經濟與管理學院,南京 210016)

0 引言

知識經濟時代，技術創新的復雜性和不確定性逐漸增強，傳統的創新模式因其資源的有限性和知識的單一性，已難以適應技術創新的要求[1-2]。產學研合作創新作為開放式創新的一種重要實踐形式，能夠有效地整合資源，實現優勢互補，促進網絡內的知識流動和共享。產學研協同創新系統作為一種復雜的社會經濟系統，各創新主體在合作過程中會形成創新網絡，而創新網絡結構是影響網絡中企業創新績效的重要因素之一；同時，因知識經濟時代技術創新的特點，新的創新的出現一般會受到原有知識基礎的影響，企業的知識基礎也成為企業創新的重要影響因素。因此，研究產學研創新網絡結構、知識基礎及其交互作用對企業創新績效的影響，對于優化產學研合作網絡結構并提升企業創新績效具有重要的理論和現實意義。

學者們從不同角度對網絡結構與創新績效的關系展開了研究。Zaheer等[3]認為在創新網絡中處于優勢地位的企業會獲得更多的知識和信息，對創新具有重要影響；Schilling等[4]利用高技術制造業聯盟數據構造產業聯盟創新網絡，得出網絡可達性和聚集系數對企業創新績效有正向影響；Obstfeld[5]通過分析汽車產業合作網絡，得出網絡密度和知識結構的異質性有利于促進創新產出。李晨蕾等[6]對產業聯盟網絡進行了實證分析，發現結構洞與創新績效負相關，網絡緊密度與創新績效正相關；高霞等[7]通過對創新網絡的知識轉移效果進行分析，得出合作網絡的聚簇系數和結構洞對企業創新績效有顯著正影響；劉巖等[8]構建了中國電子信息行業知識基礎網絡，發現企業知識基礎網絡密度和分解性與創新績效呈倒U型關系。

文獻梳理表明，現有文獻雖然從不同角度研究了網絡結構與創新績效的關系，并取得了許多有價值的成果，但研究仍存在一定的局限性。首先，關于創新網絡結構的研究，大多集中在企業創新聯盟或集群網絡，關于產學研創新網絡結構的研究因數據較難獲得，構建創新網絡相對困難，導致這方面的研究相對較少；其次，關于創新網絡結構對創新績效的影響，學者們多從靜態視角進行研究，利用的主要是截面靜態數據，缺乏對動態趨勢的研究，且研究方法對于過度分散計數型數據的適用性也不強；再次，大多學者研究集中在網絡結構對創新績效的影響，對于知識基礎與網絡結構的交互作用還較少有研究涉及。基于現有研究的不足，本文綜合考慮產學研創新網絡結構、知識基礎對企業創新績效的影響，利用2003～2017年無線通信行業發明專利數據，采用社會網絡分析法，提取無線通信行業55家企業面板數據，運用固定效應負二項回歸模型分析產學研創新網絡結構、知識基礎及其交互作用對企業創新績效的影響，為企業創新績效的研究提供了一種新思路，同時也可以為產學研合作創新政策的制定等提供決策參考。

1 理論分析與研究假設

近年來，隨著對創新網絡研究的不斷深入，創新網絡的結構特性如何影響企業創新績效逐漸成為研究的焦點，許多學者開始從網絡結構嵌入性的視角展開研究。結構嵌入性主要研究企業在網絡中的地位優勢，體現企業的影響力以及控制資源的能力，結構嵌入性以網絡中心性、結構洞等指標進行衡量[9-10]。諸多學者對網絡嵌入性與創新績效的關系進行了研究，但結論仍不統一，可知，僅對網絡嵌入性指標與創新績效的關系進行研究，缺乏全面性，得出的結論也不夠準確；而知識基礎是企業進行創新的重要條件，許多學者已經證明它對創新績效的重要影響[8,11]。因此，本文綜合考慮網絡結構、知識基礎及其交互作用，探究其對于企業創新績效的影響機理。

1.1 網絡中心性與企業創新績效

網絡中心性主要表示企業合作的廣泛性以及獲取資源的能力，反映創新主體在網絡中接觸到的資源的數量以及地位優勢[12]。網絡中心性高的企業在產學研合作網絡中合作的創新主體更多，能夠接觸到更多的信息和資源，同時還能獲得更多的異質信息，有利于創新主體間的知識流動和資源獲取，在創新方面表現出更強的優勢；隨著網絡中心性的提高，企業的合作范圍不斷加大，擁有更加多元化的信息來源和渠道，通過不斷積累合作經驗，進一步增強企業對知識的吸收和學習能力，通過對獲得的信息和知識進行有效整合，促進新知識的產生[13]。

因此，提出假設1：

假設1網絡中心性與企業創新績效呈正相關關系。

1.2 結構洞與企業創新績效

結構洞體現了企業對知識流動和資源的控制能力，反映創新主體的中介和橋梁作用。占據結構洞的企業能夠將彼此分散的企業聯系起來，是影響網絡成員間知識流動的關鍵節點，相比其他企業更容易獲取豐富的資源和信息[14-15]；同時，占據結構洞位置的企業，能有效減少節點間的無效鏈接，并減少對其他成員的依賴，能夠更加高效地吸收和整合外部資源，有效促進企業創新能力的提升。但當占據的結構洞數量超過某一臨界點后，由于企業控制信息和資源的能力過強，導致其他網絡成員對其依賴性過大，容易造成權利過度集中，進而激發機會主義行為，降低創新主體間的信任程度，影響創新主體間的進一步交流和合作，最終反而會抑制企業創新產出。

因此，提出假設2：

假設2結構洞與企業創新績效呈倒U型關系。

1.3 知識基礎與企業創新績效

知識基礎包括知識基礎的寬度和深度，本文知識基礎指的是知識基礎深度，即企業以往的經驗、資源等創新基礎[8]。知識基礎較好的企業，一般研發投入較高，且積累了更加豐富的創新資源和經驗，使得整體創新能力增強；同時，前期取得的該領域的技術創新成果，對于后續相關創新也有較強的促進作用。

因此，提出假設3：

假設3知識基礎與企業創新績效呈正相關關系。

1.4 知識基礎與網絡結構對企業創新績效的交互作用

網絡中心性高的企業容易獲取更多有價值的資源和信息，為企業創新提供條件。低知識基礎的企業，由于自身資源、創新能力有限，即使處于網絡中心位置，雖然能夠獲得更多的知識和信息，但由于創新是一個積累的過程，短時間內也難以實現創新的提升。對于高知識基礎的企業，由于自身的技術資源優勢和豐富的創新經驗，有時更趨向于自主創新，或者尋找擁有異質性知識的合作者；同時由于在網絡中擁有過多的聯系和接觸，容易造成知識冗余，增加搜索成本，因此，高知識基礎的企業，更容易傾向于內部挖掘知識資源，進行產品或技術的創新；同時，隨著企業掌握的基礎知識越多，企業在知識的吸收和資源的協調利用上成本加大，最終可能導致企業的收益降低，創新產出也隨之減少[16]。因此，知識基礎與網絡中心性的交互作用會抑制企業創新產出。

處于結構洞位置的企業，在網絡中發揮著重要的橋梁和中介作用。當企業知識基礎較低時，處于結構洞位置的企業，雖然獲取信息、知識等創新資源的機會增加，但往往由于自身技術創新能力限制，難以有效地對獲取的資源進行整合和吸收，因此企業創新產出也相對較低。隨著知識基礎的累積，對信息資源的整合和吸收能力變強，能進一步促進知識在網絡中的流動和共享，獲得更多的控制收益；企業也會在創新合作中不斷積累經驗，提高知識的甄選、吸收和整合能力。同時，隨著知識基礎的積累，企業的整體實力和創新能力增強，也更加注重維護企業在合作網絡中的聲譽，可以降低結構洞帶來的信任危機和機會主義行為，有利于促進創新產出。

因此，提出假設4：

假設4a知識基礎與網絡中心性的交互作用對企業創新績效有負向影響。

假設4b知識基礎與結構洞的交互作用對企業創新績效有正向影響。

2 研究設計與變量測度

2.1 樣本選擇和數據來源

專利作為知識產權的主要體現形式，是創新研究廣泛使用的數據。聯合申請專利可以較好地反映知識在組織間的共享和轉移，成為眾多學者開展產學研合作創新研究的主要數據來源，其中發明專利代表著原創技術，技術含量更高，更能反映技術創新成果，因此本文選擇發明專利數據作為研究對象；同時考慮到國內專利從申請到公布一般需要18個月，研究提取了2003～2017年中國無線通信行業產學研聯合申請的發明專利信息。

本文數據來源于中國知網專利檢索平臺，首先檢索下載2003～2017年中國無線通信行業145 139條發明專利數據；然后對所有檢索到的發明專利數據進行篩選和整理，去除單一機構申請的專利以及企業與企業、大學與其所屬企業及科研機構等聯合申請的不符合產學研合作的發明專利，從中獲得兩類數據：第1類是用于構造產學研合作創新網絡的中國無線通信行業發明專利數據，共631條產學研聯合申請發明專利信息。以三年時間窗構造產學研合作網絡[7,17]，并使用R語言計算網絡相關指標。第2類是合作企業的專利數據，剔除專利多年為0的企業，最終選取出參與產學研合作的55家企業，統計并得到55家企業在2003～2017年間的歷年發明專利申請數量。第3類是企業基本信息，包括企業規模和企業年齡，主要從企業網站以及行業報告中獲取。

2.2 變量測量

2.2.1 因變量

企業創新績效的衡量指標主要有專利申請數、新產品收入等，由于無線通信企業知識密集性高，技術創新多表現為專利的申請，專利數據相對其他指標也更加客觀且易于獲取，而且已有研究也驗證了利用專利數據衡量企業創新績效的有效性[8,13]，因此本文采用企業每年新申請的發明專利數(Patents)衡量企業創新績效，收集并分析了樣本中每一家企業每年申請的發明專利數據。另外考慮到專利的滯后效應，選擇滯后1期的企業發明專利數據。

2.2.2 自變量

1)網絡中心性。

網絡中心性(DC)代表創新主體在網絡中的地位，度數中心性是測量網絡中節點中心性的最直接指標，度數中心性越高的節點，代表其獲取信息和資源的能力越強[18]。度數中心性可以分為絕對中心度和相對中心度，其中相對中心度綜合考慮了網絡規模，使數據間更具有可比性。因此，采用相對中心度來衡量企業的網絡中心性。相對中心度計算公式為

(1)

2)結構洞。

結構洞(SH)體現了網絡中處于該位置的節點在信息和資源上的控制優勢[19]。Burt的結構洞主要考慮有效規模、效率、限制度和等級度四方面的因素[14]，其中，結構洞限制度應用較為廣泛，許多學者傾向于將其作為衡量結構洞的有效指標。本文采用1與結構洞限制度的差值作為衡量結構洞的指標，其值越大，結構洞水平越高。結構洞計算公式為

SH=1-Ci

(2)

其中，Ci代表網絡中創新主體i的結構洞限制度，其公式為

(3)

其中，q為i和j的橋梁，piq為i和中間人聯系的強度，即行動者i投入到q中的關系占i投入到總關系的比例。

3)知識基礎。

知識基礎(KB)：企業的前期知識積累能夠影響其在后續產學研合作中的知識學習和吸收能力，本文采用企業前3年申請的發明專利數表示知識基礎。知識基礎計算公式為

(4)

其中，patentit表示i企業在t年新申請的發明專利數。

2.2.3 控制變量

本文選取企業規模(Scale)和企業年齡(Age)作為控制變量。隨著企業規模的擴大，企業在研發投入、資源整合等方面表現出更強的優勢，會促進創新能力的提升，本文采用企業注冊資本代表企業規模。另外，企業的成立時長對于知識獲取及組織學習能力均有一定的影響，成立較早的企業，知識基礎一般越好，經驗也更豐富，創新能力往往也越強，企業年齡使用截止數據采集日期的企業創辦年限來衡量。

2.3 模型選擇

由于企業專利申請數是非負整數，屬于計數型數據，使用線性回歸會導致參數估計的無效和不一致，對此類數據最好采用計數模型，泊松模型是應用最廣泛的方法，但它的前提條件是均值與方差相等，而通過對數據的描述性統計可知，專利申請數的方差遠大于均值(見表1)，說明泊松模型并不適合本研究數據，已有學者證明負二項回歸模型對于過度分散的計數型數據更加有效[13,20]。負二項回歸模型的表達式為

ln(λi)=α0+αiXi+εi

(5)

對式(5)進行指數變換，可得回歸模型(6)：

E(Yi|Xi)=exp(α0+αiXi+εi)

(6)

其中，Y為因變量，X為自變量及控制變量，i表示第i個企業。通過對模型進行Hausman檢驗，發現隨機效應模型在p<0.000 1的顯著性水平下均被拒絕，因此，采用固定效應負二項回歸模型進行分析。

3 實證分析結果與討論

3.1 產學研合作創新網絡基本特征分析

本文假定創新合作關系持續期為3年[7,13]，即基于三年時間窗(2003～2005，2004～2006，…，2015～2017)，運用R語言構建產學研合作創新網絡，因篇幅限制，本文僅列出前三個和最后三個時間窗的產學研合作創新網絡結構圖，見圖1。由圖1可以看出，前三個時間窗，無線通信行業產學研創新網絡規模較小，參與的創新主體較少，網絡較為松散，合作不夠緊密；最后三個時間窗，產學研合作規模逐漸增大，參與的創新主體逐漸增多，但創新合作仍集中于少數核心節點，總體合作不夠緊密。

圖1 創新網絡的結構演化圖Fig.1 Structure evolution diagram of innovation network

3.2 描述性統計分析

首先對變量進行描述性和相關性分析，結果見表1。可以看出，自變量網絡中心性和結構洞均在p<0.1%的顯著性水平下與企業創新績效正相關，知識基礎與企業創新績效在p<0.01顯著性水平下正相關。

表1 描述性統計與相關系數Tab.1 Descriptive statistics and correlation coefficient

為衡量模型的多重共線性嚴重程度，采用方差膨脹因子(VIF值)對各變量進行多重共線性檢驗，結果如表2所示，可知各自變量的VIF值均小于3，說明自變量間并不存在嚴重的多重共線性問題。

表2 各變量VIF值Tab.2 VIF value of each variable

3.3 回歸結果分析

采用逐步回歸的方法，對樣本期內中國無線通信行業55家企業的面板數據進行固定效應負二項回歸，以檢驗產學研合作創新網絡結構、知識基礎及其交互作用對企業創新績效的影響。模型1僅加入控制變量，模型2到模型5，依次加入自變量及相關自變量的平方項，模型6和模型7分別加入了不同的交互項。由于涉及到交互效應，本研究對解釋變量網絡中心性、結構洞和知識基礎進行了中心化處理，以更好地避免解釋變量之間存在的多重共線性問題[21]。回歸結果如表3所示。

表3 固定效應負二項回歸結果Tab.3 Results of fixed effect negative binomial regression

由表3可知，所有模型在p<0.001水平下都是顯著的，且對數似然函數值逐漸增大，因此，從模型1到模型7，模型擬合度越來越好，即加入后續變量后模型的解釋能力顯著提高。

模型1僅加入了兩個控制變量，即企業規模和企業年齡，分析發現企業規模對企業創新績效的影響不顯著，因為企業創新往往會受到研發投入、技術特點等多種因素的影響，單純的規模化可能對企業創新績效的影響有限；企業年齡對企業創新績效有顯著正向影響，說明企業在該領域經營的時間越長，經驗越豐富，知識的學習和吸收能力也就越強，對企業創新績效會產生正向影響。

模型2～4分別測量了網絡中心性、結構洞及結構洞平方項對企業創新績效的影響。模型2在控制變量的基礎上加入了網絡中心性，可以看出，網絡中心性顯著正向影響企業創新績效(β=0.939，p<0.01)，假設1得到驗證。模型3、4分別加入了結構洞及其平方項，結果表明，結構洞系數為正值且顯著(β=9.331，p<0.01)，結構洞的平方項系數為負值但不顯著(β=-25.19)，假設2沒有得到驗證。結構洞對企業創新績效沒有呈現出顯著的倒U型影響，原因可能是無線通信行業產學研創新網絡較為松散，由表1也可以看出，結構洞的均值為0.086，標準差為0.032，結構洞的值及其變動范圍都很小，表明創新網絡中僅有少數創新主體的連接較多，大多數創新主體處于網絡的邊緣，并未占據結構洞位置。占據一定數量結構洞位置的企業更容易獲取所需的資源和信息，隨著網絡結構洞的增加，對企業創新績效的負向影響不顯著，因本文選取的樣本規模不大，使得形成的創新網絡不夠緊密，沒有達到結構洞密集的程度，因此沒有呈現出顯著的倒U型關系。關于結構洞對企業創新績效的影響還需要進一步分析和探討。

模型5在模型4的基礎上加入了自變量知識基礎，結果表明知識基礎對企業創新績效具有顯著正向影響(β=0.000 142，p<0.05)，即知識基礎能夠影響企業在產學研合作中的創新能力，對企業創新績效會產生促進作用，假設3得到驗證。

模型6和模型7在模型5的基礎上分別加入了知識基礎與網絡中心性和結構洞的交互項，回歸結果顯示，知識基礎與網絡中心性的交互作用對企業創新績效有負向影響且顯著(β=-0.476，p<0.05)，假設4a得到驗證；知識基礎與結構洞的交互作用對企業創新績效有正向影響但不顯著(β=0.118)，假設4b沒有得到驗證，可能的原因與結構洞對企業創新績效的影響相似。

為更直觀地表示知識基礎與網絡中心性和結構洞對企業創新績效的交互作用，以知識基礎與網絡中心性交互的均值加減一個標準差作為分組標準，在高知識基礎與網絡中心性和低知識基礎與網絡中心性交互情況下，分別對企業創新績效的影響進行刻畫(見圖2)，可知，當處于低知識基礎時，網絡中心性對企業創新績效影響較弱，處于高知識基礎時，網絡中心性對企業的創新績效有顯著負向影響；同理，描繪知識基礎與結構洞對企業創新績效的交互效應(見圖3)，可知處于低知識基礎時，結構洞對企業創新績效有負向影響，處于高知識基礎時，結構洞對企業創新績效有正向影響，知識基礎與結構洞的交互作用對企業創新績效的正向調節作用并沒有得到驗證。

圖2 知識基礎與網絡中心性Fig.2 Knowledge base and network centrality

圖3 知識基礎與結構洞Fig.3 Knowledge base and structure hole

4 結論

本文基于2003～2017年中國無線通信行業發明專利數據，利用社會網絡分析法構建產學研合作創新網絡，提取55家企業面板數據，運用固定效應負二項回歸模型，基于結構嵌入性視角實證分析了產學研創新網絡結構、知識基礎及其交互作用對企業創新績效的影響。主要結論有：

1)網絡中心性對企業創新績效有顯著正向影響。當企業處于網絡的中心位置時，擁有更多的合作鏈接，能夠接觸到更多的創新知識，有利于創新主體間的知識流動和資源獲取，通過對獲得的信息和知識進行有效整合，能夠進一步促進新知識的產生。

2)結構洞與企業創新績效沒有呈現出顯著的倒U型關系。原因可能是無線通信行業產學研創新網絡合作較為松散，大多數企業處于網絡的邊緣，并未占據結構洞位置，沒有達到結構洞密集的程度；由于結構洞優勢過于明顯而導致對企業創新績效的負向影響，需要進一步驗證。

3)知識基礎對企業創新績效有正向影響且顯著。表明企業知識儲備影響其在產學研合作中的知識學習和吸收能力，知識的積累程度越高，企業在該領域的技術創新能力越強。知識基礎與網絡中心性的交互作用對企業創新績效有顯著負向影響，知識基礎好的企業不能僅注重在創新網絡中的中心地位，更應選擇互補性的創新主體建立合作關系，積極獲取異質信息和資源。知識基礎與結構洞的交互作用對企業創新績效有正向影響但不顯著，但從分析可知企業處于低知識基礎時，結構洞對企業創新績效有負向影響，處于高知識基礎時，結構洞對企業創新績效有正向影響，因此，不同知識基礎的企業，其知識基礎與結構洞的交互作用對創新績效的影響不同，因本文符合條件的樣本量有限，結論還需進一步分析和驗證。