專利聯盟成員技術競合對成員創新績效的影響

賴流濱，張運生

(1.中南大學 商學院，湖南 長沙 410083；2.長沙師范學院 經濟管理學院，湖南 長沙 410148)

0 引言

隨著技術的快速發展及日趨復雜，企業研發成本與風險相應提高[1]，任何單一企業都無法壟斷行業前沿技術。不同企業擁有的碎片化技術形成“專利叢林”，導致專利糾紛、敲竹杠(Hold-up)行為甚至“反公共地悲劇”現象，并由此產生一系列交易成本，阻礙企業創新和社會福利提升[2-4]。為解決這些難題，行業內競爭者合作組建專利聯盟(Patent Pool)。專利聯盟也稱為專利池，是指兩個及以上專利權人基于一些固定條款許可另一方或第三方專利的協議[5]。專利聯盟面向高新技術產業市場化應用，由多個創新主體協同開發、共同組建，是供特定技術范疇內零部件、互補配套品、擴展及衍生品等各種技術開發商直接采納或二次開發采納的一攬子障礙性專利和互補性專利的集合，具備多邊市場用戶、交叉網絡外部性、不對稱價格結構、高私有性、高壟斷性、可二次開發、市場應用性強、投資大、高風險高回報等典型特征。國際高科技巨頭往往通過加入專利聯盟并利用其網絡效應和鎖定效應獲取巨額經濟利益[6]。

專利聯盟創新效應引發廣泛爭議，學術界主要從數理建模、案例或實證等方面進行研究，至今尚未形成一致結論。有學者發現專利聯盟具有創新激勵效應[5,7-8]，也有學者發現專利聯盟弱化了研發競爭，阻礙了創新[9-12]。部分學者從專利聯盟成立時間和規模進行分析，證明專利聯盟在成立前對創新具有激勵效應，在成立后激勵效應消失；且專利聯盟規模越小，激勵效應越顯著[13]。還有學者認為專利聯盟與創新績效并非線性關系，而是呈倒U型曲線關系，且考慮了網絡位置、探索式合作和聯盟學習的權變效應。

目前，有關專利聯盟創新效應的研究存在3個問題：一是數理建模研究往往忽略了很多實際問題，專利聯盟創新效應影響機理復雜，很多需要實證檢驗[5]；二是部分研究基于聯盟成立時間或針對某幾個特定聯盟案例進行實證檢驗[11，14]，但由于池內企業往往加入多個專利聯盟，這種分析有可能導致研究結論不一致；三是主要從法學或經濟學視角進行分析，鮮有從管理學視角進行分析，或僅從合作視角進行分析，極少從“競合”視角展開分析。盡管有學者探討競爭性學習在專利聯盟與創新績效之間的調節效應，但忽略了聯盟成員之間經常開展專利訴訟的現實，且樣本數據多為截面數據，缺乏足夠說服力，從管理學視角切入的研究較少。實際上，現代專利聯盟成員多為行業競爭者，為獲取更高的私人利益[15-18]，他們在合作的同時也會展開激烈競爭甚至引發專利訴訟大戰。例如，三星電子與蘋果公司都是AVC、HEVC和1394專利聯盟成員，三星電子還為蘋果公司代工生產芯片、顯示屏及內存等智能手機關鍵零部件。然而，據智慧芽數據庫統計，10余年來(2011年4月-2020年10月)，兩家企業在美、韓等國上演的專利訴訟大戰有近50場，涉及專利123項。由此可見，聯盟成員之間的技術競合很有可能影響聯盟成員創新效應。

本文結合戰略管理理論和合作競爭理論，著眼于專利聯盟成員的關系本質——競合[19]，將技術合作劃分為利用式合作與探索式合作，將技術競爭劃分為學習型競爭與訴訟型競爭，以2006-2019年MPEG LA公司12個專利聯盟中的76家成員為研究樣本，剖析專利聯盟成員技術競合對成員創新績效的影響機理，以彌補現有研究不足，豐富與完善專利聯盟相關研究，為我國高技術企業有效利用專利聯盟開展知識產權戰略管理提供借鑒。

1 理論分析與研究假設

1.1 聯盟成員技術合作競爭

在日益動態復雜的經營環境中，企業往往存在多種二元(Ambidextrous)管理悖論，如競爭與合作、激進式變革與漸進式變革、探索式創新與利用式創新等[20]。其中，探索式創新與利用式創新由March[21]首次提出，包括探索式學習與利用式學習、探索式創新與利用式創新、探索式合作與利用式合作。其中，探索式學習是指通過探索新領域獲取新知識，主要包括搜索、變化、創新、試驗、發現和靈活性等特征；利用式學習是指通過總結、提煉與升華現有知識獲取新知識，主要包括提煉、整合、再開發、選擇、生產、實施和執行等特征[22-23]。探索式創新是尋找新組織慣例和發現新技術方法、業務、流程和產品的結果，通過提供新設計、創造新產品、開發新渠道滿足新客戶需求；利用式創新建立在現有技術、客戶和市場知識基礎之上，對現有技能和流程進行改進，通過完善設計、提高銷售效率和擴大市場滿足現有客戶需求。探索式合作通過密集互動、共享隱性知識和發展關系資本，旨在探索新知識與新技術(如合作申請專利)、開發新產品[17,24-25]，一般發生在價值鏈上游環節，以實現長期利益為目的。利用式合作通過交換現有資源，旨在改善產品技術性能、優化業務流程、降低產品成本、提高銷售收入，如專利聯盟、特許經營、貼牌生產、共享銷售渠道等[26-27]，一般發生在價值鏈下游環節，以實現短期利益為目的。專利聯盟可掃清專利許可障礙，提供“一站式”專利許可，減少許可重復收費，提高專利許可收入，其本質上是一種營銷聯盟，屬于技術利用式合作范疇。

為獲取更高的私人利益，聯盟成員將在經營要素、技術、產品、服務等方面展開激烈競爭[16]，其中技術競爭包括學習型競爭和訴訟型競爭。聯盟學習包括聯盟伙伴知識獲取、吸收、轉化和應用4個階段，其具有路徑依賴和積累性特征[27]，既可以是直接學習，如聯盟成員之間的互動；也可以是間接學習，如通過專利、學術出版物和觀察等[19]。一方面，聯盟成員會防止自身核心能力擴散或泄露；另一方面，通過不斷學習與掌握聯盟成員的關鍵信息、隱性知識和技術訣竅等核心能力，最終也會導致聯盟成員學習競賽[15-16]。專利訴訟是聯盟訴訟型競爭的一種重要形式，包括聯盟成員之間的專利權屬訴訟、侵權訴訟、合同訴訟和行政訴訟等。專利訴訟盡管具有持續時間長、訴訟成本高、判賠額高、判決不確定性高等特征[28-29]，但已成為阻礙競爭對手和獲取私人效益的競爭利器[30]。

1.2 聯盟技術合作與創新績效

專利聯盟是聯盟成員之間重要的利用式合作形式，本文主要從專利聯盟視角探究利用式合作的創新激勵效應。專利聯盟有可能因為阻礙競爭而對創新產生負效應[11-12]。大多數專利聯盟許可協議都包括回授條款，即要求被許可方將對許可專利所作的改進都捐贈給專利聯盟，并許可其他成員使用[2-3]，由此導致聯盟成員和被許可方無法獨立推銷改進技術，大大降低了聯盟成員和被許可人的私人研發回報和研發動機，從而限制技術市場競爭，進一步阻礙聯盟成員創新[5,9]。回授條款還通過鼓勵聯盟成員研發投資搭便車行為遏制創新[11-12,14]。此外，專利聯盟還有可能產生知識產權濫用風險和技術壟斷風險，增加外部公司訴訟威脅，破壞聯盟成員穩定性，遏制聯盟成員創新。這些樣本要么是傳統專利聯盟，要么是受到反壟斷調查的專利聯盟。

事實上，現代專利聯盟只允許互補專利和標準必要專利加入，不包括替代專利或弱專利，以此抑制潛在反創新效應，進而促進競爭和社會福利提升[31]。專利聯盟通過提供“一站式”專利許可，弱化企業技術整合能力的相對重要性。專利聯盟以FRAND(公平、合理、無歧視)原則向利益相關方提供專利許可，以避免個別公司過高的專利許可費，從而降低專利搜索、談判、許可成本及侵權風險，增加研發投資利潤，刺激聯盟成員加大研發投資[2-3,5,12]。專利聯盟有助于促進聯盟成員之間信息交流、知識共享、技術學習與合作，提高企業創新能力[14]。與雙邊競合聯盟相比，多邊或網絡競合聯盟有利于分攤研發成本和風險，通過制定技術標準和營造創新生態系統，促進企業創新[32-33]。此外，專利聯盟與技術標準結合可以傳遞明確信號，即聯盟技術標準主要開發者致力于使用該標準促進聯盟成員未來發展，這種信號能夠降低標準競爭鎖定帶來的研發成本沉沒風險，加快基于專利聯盟標準的技術開發[34-35]。

探索式合作通過創新要素流動與共享、關系資本培育提高創新績效[17,24-25]。每個企業都擁有互補知識和資源，探索式合作能夠整合優勢資源，拓展知識廣度和深度，分擔創新活動風險和成本(徐亮等，2019)。共同利益驅使合作雙方展開密切交流，共生關系使雙方更加相互適應和信任[17,26]。與非競爭者相比，競爭者之間擁有相似的資源和主導邏輯，探索式合作可以幫助企業更好地理解雙方需求，縮短知識距離，促進聯盟伙伴知識消化、吸收并將其轉化為自身能力，從而推動企業創新。隨著探索式合作經驗的不斷積累，企業通過完善雙邊治理機制遏制機會主義動機和行為，促使雙方合作關系更加穩定，進而增加專用性資產投資，促進合作創新[36]。據此，本文提出以下假設：

H1a：利用式合作有利于聯盟成員創新績效提升；

H1b：探索式合作有利于聯盟成員創新績效提升。

1.3 聯盟技術競爭與創新績效

在網絡化知識經濟時代，技術創新是企業擁有核心競爭力的源泉。具有技術競爭優勢的企業往往占據絕大部分市場份額，容易造成“贏家通吃”現象(李慶滿等，2013)。競爭產生的“追趕效應”和“拉撥效應”[37]導致系統非平衡，迫使企業加大創新投入，進而促進企業創新績效提升(李慶滿等，2013)。競爭性學習有助于企業消化吸收聯盟伙伴知識，通過與內部知識整合創造出新知識，并將其運用于技術創新、產品開發和管理創新，以開展技術競爭、贏得“學習競賽”[39]。高水平聯盟競爭性學習意味著熟悉聯盟伙伴知識，且知識學習、吸收與內化經驗豐富，有利于企業創新績效提升。一方面，聯盟競爭性學習有助于企業識別聯盟伙伴有價值的技術知識，消化與吸收聯盟成員多樣化知識以改良現有產品和工藝；另一方面，聯盟競爭性學習推動聯盟伙伴知識和內部研發有機結合，促使企業從外部獲取自己所需的稀缺資源，能夠保持戰略靈活性，避免被鎖定和核心能力剛化[39]，從而推動企業創新績效提升。

然而，聯盟學習型競爭也有可能導致機會主義行為，在聯盟成員間產生沖突乃至訴訟型競爭。總體來說，訴訟型競爭會弱化甚至阻斷創新對企業績效的反饋效應[40]，主要體現在以下幾個方面：一是訴訟成本高、賠償額大，有限資金被分散使用導致企業技術開發與改進資金減少。訴訟型競爭需要投入大量資金，包括侵權調查費、案件受理費、財產保全費和律師費等，成本高昂。如果敗訴，還需要支付賠償金。專利訴訟以整個產品作為賠償額度計算單位，賠償額度巨大。普華永道報告顯示，1995-2013年美國專利侵權判賠平均額為550萬美元，電信、生物制藥、醫療設備行業判賠平均額分別為2 230萬美元、1 980萬美元和1 590萬美元。2007年，微軟公司Windows因侵犯朗訊MP3技術而賠償15.38億美元。2011年，三星電子智能手機和平板電腦因侵犯蘋果公司iPhone及iPad相關專利，2012年被判賠償額10.49億美元，2016年被美國最高法院最終判決賠償3.99億美元。二是長時間訴訟導致企業投入大量資金和精力應付訴訟案件，而非通過技術進步獲取競爭優勢。專利訴訟持續時間短則數月，長則兩三年甚至10余年。智慧芽數據庫檢索與統計發現，2009-2018年微軟公司專利訴訟案件高達375起，涉及專利732項，在美訴訟案件平均歷時1.53年，其中有兩項專利(專利號為US5694604和US5694603)訴訟長達13.5年。三是抗辯證據、律師能力及法官對訴訟結果影響較大，訴訟判決結果不確定性高，導致企業風險加大。為控制總風險，企業在作出財務決策時更加謹慎，往往會削減非剛性支出，如高風險、高投資研發支出[41]。據此，本文提出以下假設：

H2a：學習型競爭有利于聯盟成員創新績效提升；

H2b：訴訟型競爭不利于聯盟成員創新績效提升。

1.4 聯盟技術競爭的調節作用

1.4.1 聯盟學習型競爭的調節作用

徐亮等(2009)研究發現，競合比僅競爭或合作更能推動企業知識創新與技術進步。然而，競合有可能導致聯盟公共利益被侵占、機會主義行為盛行和知識泄露風險增加[32]，影響企業創新績效提升。聯盟學習型競爭會削弱利用式合作與創新績效的正向關系。當加入的專利聯盟較少時，聯盟伙伴知識對雙方而言比較新穎獨特，通過對聯盟伙伴異質性知識的學習和吸收，有利于創新要素流動與融合、關系資本培養，實現內外部知識整合，推動焦點企業技術創新。然而，當深度嵌入專利聯盟時，聯盟伙伴之間的知識距離縮小，聯盟伙伴與企業內部知識整合難度增加，聯盟競爭性學習對焦點企業創新激勵的邊際效應遞減。另外，較高的聯盟學習型競爭強度也會引起聯盟伙伴警覺，其出于自身利益考慮將采取各種措施降低隱性知識泄露風險，抑制專利聯盟對焦點企業的創新激勵效應。

同樣，聯盟學習型競爭也會削弱探索式合作的創新激勵效應。當焦點企業與池內成員探索式合作較少時，聯盟伙伴知識對雙方來說新穎獨特、優勢互補，聯盟伙伴學習有利于雙方關系資本培養、創新要素流動與整合，能夠促進創新績效提升。但當探索式合作強度較高時，聯盟競爭性學習對焦點企業的創新激勵效應逐漸減弱。一方面，聯盟伙伴間的技術逐漸走向融合與同化，知識整合難度增加，競爭性學習對焦點企業創新激勵的邊際效應減弱；另一方面，較強的競爭性學習有可能產生機會主義行為，導致知識非意愿泄露風險與公共利益被侵占[32]，引發聯盟伙伴不滿與不信任，影響聯盟伙伴共生關系。因此，聯盟伙伴會限制焦點企業聯盟競爭性學習機會與行為，阻礙專有知識和技術訣竅分享[17,26]，導致專利聯盟對焦點企業的創新激勵效應減弱。據此，本文提出以下假設：

H3a：學習型競爭會削弱利用式合作的創新激勵效應；

H3b：學習型競爭會削弱探索式合作的創新激勵效應。

1.4.2 聯盟訴訟型競爭的調節作用

聯盟訴訟型競爭有可能負向影響企業創新績效提升。當聯盟伙伴之間存在訴訟時，利用式合作和探索式合作對焦點企業創新的激勵效應減弱。一方面，訴訟會破壞聯盟伙伴之間的共生關系，阻礙創新資源流動與共享。訴訟往往是在雙方沖突不可調和且多次協商無果情況下尋求司法判決。訴訟意味著聯盟伙伴關系降到冰點，雙方相互對抗、敵視甚至展開惡意攻擊，沒有任何信任，企業采取各種措施保護自身專有知識，阻止隱性知識和技術訣竅與聯盟伙伴分享。嚴重的訴訟還會使企業退出專利聯盟，終止技術合作，阻礙利用式合作和探索式合作目標的實現，削弱技術合作對焦點企業創新的積極影響。另一方面，聯盟訴訟型競爭還會分散創新所需資金。企業訴訟尤其是馬拉松式訴訟將耗費大量財務和人力資源，分散企業創新資金投入。專利訴訟還有可能引發一系列額外成本，如專利交叉許可費用、關系資本修復費用、專利侵權防范成本等。訴訟的超長周期性與訴訟結果高度不確定往往會導致企業擱置研發周期長、資金需求量大、商業風險高的創新項目，阻礙企業創新績效提升[41]。據此，本文提出以下假設：

H4a：訴訟型競爭會削弱利用式合作的創新激勵效應；

H4b：訴訟型競爭會削弱探索式合作的創新激勵效應。

綜上所述，本文構建如圖1所示的概念模型。

圖1 概念模型Fig.1 Conceptual model

2 研究設計

2.1 樣本選取與數據來源

本文選取國際專利聯盟管理機構MPEG LA公司12個專利聯盟中的76個成員作為研究樣本。MPEG LA是全球領先的“一站式”專利許可提供商，發展歷史較長、管理經驗豐富，其先后管理的專利聯盟覆蓋91個國家/地區200多個成員22 000多項專利，涉及音視頻編解碼和連接等高技術領域。截至2019年底，MPEG LA共管理12個專利聯盟，分別為MPEG-2、1394、MPEG-4V、AVC、MPEG-2S、VC-1、ATSC、MVC、HEVC、Display Port、DASH、EVS，有聯盟成員92個，剔除專利授權量低于100項的成員，剩余76家，包括58家企業、6家高校和12家科研機構。專利聯盟成員清單、聯盟專利清單和進入聯盟時間來源于MPEG LA官方網站，專利訴訟、技術距離數據來自智慧芽數據庫，專利授權、引用與合作數據來源于Derwent數據庫。

2.2 變量測量

2.2.1 因變量

技術創新績效。專利是衡量技術創新績效的常用指標，是技術創新成果的直接體現[42]。為控制未觀測到的影響因素，以消除因變量對自變量可能產生的影響[50]，同時考慮時滯效應[14]，本文采用企業在加入專利聯盟后3年內的專利授權總量衡量技術創新績效。

2.2.2 自變量

(1)聯盟利用式合作水平。從上文可知，專利聯盟屬于利用式合作形式，因此本文采用焦點成員加入專利聯盟的加權時間衡量。借鑒Lampe & Moser[11]的做法，將聯盟成員加入專利聯盟后的年份依次定義為1，2，3……聯盟成員可能加入多個專利聯盟，因此將加入每個聯盟的時間進行求和。如美國思科公司在1997年、2003年、2006年、2007年分別加入MPEG2、AVC、MPEG-2S和ATSC專利聯盟，則2017年其利用式合作為55年(20+14+11+10=55)。

(2)聯盟探索式合作水平。張運生等[44]采用發明專利合作申請量表示探索式合作水平，采用其它專利合作申請量表示利用式合作水平。MPEG LA專利聯盟主要涉及信息技術產業，是技術密集型產業，其專利幾乎都是發明專利，且授權專利已通過創新性審批[45]，比專利申請更能反映成員間的探索性合作成果。因此，本文采用專利聯盟焦點成員與所有聯盟伙伴的專利合作授權量表示聯盟探索式合作水平。

(3)聯盟學習型競爭強度。本文采用焦點成員引用所有聯盟伙伴專利數量表示聯盟學習型競爭強度。專利引用表面上是一種知識流動方式，實質上卻是技術學習與改進行為，且這種學習存在一定競爭。一方面，引用聯盟伙伴專利意味著對技術進行消化、吸收、模仿或改進，容易產生技術競爭；另一方面，專利引用是在基本專利的基礎上開發從屬專利，在沒有得到對方許可情況下實施基本專利或從屬專利，有可能引發專利侵權和訴訟。Yang等[18]采用企業對聯盟伙伴的專利引用量與聯盟伙伴除自引外專利總被引量的比值測量焦點成員對聯盟伙伴的競爭性學習能力，其雖然能夠反映焦點成員在聯盟伙伴知識溢出中所占比重，或焦點成員對聯盟伙伴知識結構的理解程度，但無法反映專利聯盟成員之間的專利叢林情況(張運生等，2019)。因此，本文采用焦點成員引用所有聯盟伙伴的專利數量測量聯盟學習型競爭強度。專利引用數越多，說明焦點成員對聯盟伙伴的學習型競爭強度越大。

(4)聯盟訴訟型競爭強度。本文用焦點成員與所有聯盟伙伴之間的訴訟專利數測量聯盟訴訟型競爭強度，由聯盟伙伴專利訴訟次數、訴訟涉及專利數、聯盟雙方訴訟持續時間、侵權索賠金額、侵權賠償判決金額等變量反映[25]。鑒于數據可得性，本文選用訴訟涉及專利數反映訴訟型競爭強度[27]。如果一項專利某年度在多個聯盟成員之間訴訟，則對其加總。

2.2.3 控制變量

(1)網絡位置。網絡位置影響專利聯盟成員可觸及的信息和資源數量(李曉桃等，2019)。處于聯盟網絡中心位置的企業能從專利聯盟中汲取隱秘的知識線索，拓展知識來源，提升技術創新績效。部分學者采用專利引用網絡[14]或合作網絡[47]度數中心性測度網絡中心性。MPEG LA大多根據聯盟專利數分配聯盟成員許可收益，成員加入聯盟專利數能夠客觀反映其聯盟地位。基于專利聯盟的特殊性，本文采用加入聯盟專利數測度網絡位置。

(2)訴訟專利數。焦點成員訴訟專利數與聯盟訴訟型競爭強度相關性較強，因此將焦點成員訴訟專利數作為控制變量。測度方法是：作為原告訴訟的專利數和作為被告訴訟的專利數加權求和，如果某項專利同時作為原告訴訟專利和被告訴訟專利，則合計為2項專利。

(3)研發活躍期。研發活躍期為焦點成員專利授權記錄至當年年底所經歷的時間，反映專利研發歷史。專利研發活躍期越長，研發經驗越豐富，越有可能影響企業技術創新。

(4)研發強度。本文用企業前3年專利授權數衡量研發強度，反映專利聯盟成員前3年的技術積累和研發實力。另外，企業人力、物力和財力規模也是影響企業技術創新的重要指標。因此，控制研發強度與控制人財物規模類似，均是對開展技術創新所需大量人財物資源的投入和分配。由于樣本專利聯盟成員除公開上市企業外，還涉及沒有公開上市的企業、科研院所和高校，人財物規模無法有效反映企業整體研發資源和實力。基于此，本文認為研發強度比人力、物力、財力規模更適宜作為控制變量。

(5)聯盟成員引用專利。本文用所有聯盟伙伴引用焦點成員的專利數衡量，反映聯盟伙伴對焦點成員知識結構的理解程度，即焦點成員對聯盟伙伴知識的溢出情況，可能對焦點成員創新績效產生影響。

(6)技術距離。聯盟伙伴之間的知識距離是技術創新的前提條件，對企業技術創新具有重要影響[40]，本文用焦點成員與所有聯盟成員前3年的技術相關系數均值表示。沿用Tan[49]的方法計算技術距離：首先，收集各成員各年度每個IPC國際分類號(前四位代碼)的專利數量，以3年為周期進行平移，計算各成員的專利相關系數，將其作為聯盟成員當年的技術距離；其次，計算焦點成員與所有聯盟成員相關系數的均值。數值越大，說明技術距離越小。

(7)單位類型。專利聯盟成員包括企業、高校和科研院所3種類型。成員類型不同，技術創新傾向不同，因此本文引入專利聯盟成員單位類型作為虛擬變量加以控制。

(8)年份。為控制宏觀經濟或特定年份對企業技術創新績效的影響，本文在控制變量中加入年份虛擬變量。

3 實證結果分析與討論

3.1 模型選取

本文采用層次回歸法對假設進行檢驗，即將控制變量、解釋變量及其乘積項按順序依次加入如下回歸模型：

TIP=α0+αControls+ε1

(1)

TIP=α0+α1PLOI+α2PLOR+α3LCPP+α4PLPP+αControls+ε2

(2)

TIP=α0+α1PLOI+α2PLOR+α3LCPP+α4PLPP+α5LCPP×PLOI+α6LCPP×PLOR+αControls+ε3

(3)

TIP=α0+α1PLOI+α2PLOR+α3LCPP+α4PLPP+α7PLPP×PLOI+α8PLPP×PLOR+αControls+ε4

(4)

其中，TIP、PLOR、PLOI、LCPP、PLPP分別表示技術創新績效、探索式合作、利用式合作、學習型競爭和訴訟型競爭；Controls表示控制變量；α為控制變量回歸系數；α0為常數項，α1～α8為解釋變量和乘積項的回歸系數；α1～α4為殘差項。

本文中的因變量專利授權量為離散非負整數，其殘差呈非正態分布，適宜采用計數模型。由于因變量存在過度離散現象(均值為5.07×103，方差為7.63×107)，泊松回歸有可能出現虛假、較高水平的顯著性，因此選用負二項回歸模型。在豪斯曼檢驗的基礎上，選取固定效應模型進行檢驗。

3.2 描述性統計分析

表1為各變量均值、標準差、相關系數和方差膨脹因子結果(VIF)。本文通過UCINET軟件繪制2018年聯盟成員技術合作與競爭網絡圖(見圖2和圖3)。從中可見，變量之間的相關系數一般低于0.7，但變量4與5、變量4與9、變量4與10、變量5與7、變量9與10的相關系數分別高達0.73、0.87、0.88、0.86、0.87，因此可能存在多重共線性問題。為此，計算所有預測變量的VIF值發現均值為3.41，最大值為7.05，低于存在多重共線性判定臨界值10，說明多重共線性問題不明顯[50]。

表1 描述性統計及相關系數結果Tab.1 Descriptive statistics and correlations

圖2 2018年MPEG LA成員技術合作網絡Fig.2 Technical collaboration network of MPEG LA members in 2018

圖3 2018年MPEG LA成員技術競爭網絡Fig.3 Technical competition network of MPEG LA members in 2018

3.3 回歸分析

各模型回歸分析結果如表2所示。其中，模型1僅包括調節變量，Chi2=567.01且影響系數顯著，說明模型整體擬合程度較好。專利訴訟、研發活躍期、聯盟成員引用專利、技術距離、單位類型和年份在1%水平上對技術創新具有顯著正向影響，說明控制變量基本有效。模型2在模型1基礎上引入技術競合4個自變量以驗證H1和H2。結果顯示，聯盟利用式合作系數顯著為正(β=0.054，p<0.01)，表明聯盟利用式合作水平越高，焦點成員創新績效越好，H1a得以驗證；聯盟探索式合作系數顯著為正(β=0.036，p<0.05)，表明聯盟探索式合作水平越高，焦點成員創新績效越好，H1b得以驗證；聯盟學習型競爭系數顯著為正(β=0.416，p<0.01)，表明聯盟學習型競爭強度越大，焦點成員創新績效越高，H2a得以驗證；聯盟訴訟型競爭系數顯著為負(β=-0.044，p<0.01)，表明聯盟訴訟型競爭強度越低，越有利于焦點成員創新績效提升，H2b得以驗證。

表2 負二項回歸結果Tab.2 Negative binomial model estimation

模型3在模型2的基礎上引入聯盟學習型競爭與技術合作交互項以驗證H3。結果表明：聯盟學習型競爭與利用式合作交互項系數顯著為負(β=-0.103，p<0.01)，表明聯盟學習型競爭負向調節聯盟利用式合作與創新績效的關系，H3a得以驗證；聯盟學習型競爭與探索式合作交互項系數顯著為負(β=-0.099，p<0.01)，表明聯盟學習型競爭負向調節聯盟探索式合作與創新績效的關系，H3b得以驗證。模型4在模型2的基礎上引入聯盟訴訟型競爭與技術合作交互項以驗證H4。結果表明：聯盟訴訟型競爭與利用式合作交互項系數顯著為負(β=-0.007，p<0.01)，表明聯盟訴訟型競爭負向調節聯盟利用式合作與創新績效的關系，H4a得以驗證；聯盟訴訟型競爭與聯盟探索式合作交互項系數顯著為負(β=-0.005，p<0.05)，表明聯盟訴訟型競爭負向調節聯盟探索式合作與創新績效的關系，H4b得以驗證。

3.4 穩健性檢驗

本文進行如下穩健性檢驗：

(1)更換因變量測度方式和回歸模型。前文采用后3年專利授權總量衡量焦點成員創新績效，現分別改用后2～6年的專利授權總量衡量創新績效。本文進行負二項回歸發現，采用固定效應模型分析無法得到相應回歸結果，因此改用隨機效應模型進行回歸分析,結果見表3。本文用后2年和后3年的專利授權量衡量創新績效，發現回歸結果未發生實質性改變，所有假設均得到驗證。

(2)用后4年專利授權量衡量創新績效，發現除H4b之外的假設均獲得支持。聯盟訴訟型競爭與探索式合作交互項為負但并不顯著(β=-0.002，p>0.1)，表明聯盟訴訟型競爭并不能顯著調節聯盟探索式合作與創新績效的關系，H4b未得到驗證。這可能是因為隨著時間推移，訴訟型競爭對探索式合作與焦點成員創新績效關系的調節作用逐漸減弱直至消失。用后5年專利授權量衡量創新績效發現，聯盟利用式合作系數為正但不顯著(β=-0.013，p>0.1)，表明聯盟利用式合作不能促進焦點成員創新績效提升，H1a未得到驗證。這可能是因為隨著時間推移，聯盟利用式合作對焦點成員創新績效的提升作用逐漸減弱直至消失。聯盟訴訟型競爭與探索式合作交互項系數為負但不顯著(β=-0.001，p>0.1)，表明聯盟訴訟型競爭不能調節聯盟探索式合作與創新績效的關系，H4b未得到驗證，其它假設依然成立。

(3)本文用后6年專利授權量衡量創新績效，發現聯盟利用式合作系數顯著為負(β=-0.034，p<0.05),表明加入專利聯盟不僅不能提升焦點成員創新績效，還會起到遏制作用，H1a未得到驗證；聯盟探索式合作系數為正但不顯著(β=0.020，p>0.1)，表明聯盟探索式合作不能提升焦點成員創新績效，H1b未得到驗證。這可能是因為隨著時間推移，聯盟探索式合作對焦點成員創新績效的提升作用逐漸減弱直至消失。聯盟學習型競爭與利用式合作交互項系數為負但不顯著(β=-0.039，p>0.1)，聯盟學習型競爭與探索式合作交互項系數為負但不顯著(β=-0.027，p>0.1)，聯盟訴訟型競爭與利用式合作交互項為負但不顯著(β=-0.003，p>0.1)，聯盟訴訟型競爭與探索式合作交互項系數為正但不顯著(β=0.004，p>0.1)，H3a、H3b、H4a、H4b均未得到驗證。這可能是因為隨著時間推移，學習型競爭與訴訟型競爭對雙元合作與焦點成員創新績效關系的調節作用逐漸減弱。聯盟學習型競爭系數顯著為正(β=0.221，p<0.01)，聯盟訴訟型競爭系數顯著為負(β=-0.024，p<0.01)，表明聯盟學習型競爭有助于提升焦點成員創新績效，而聯盟訴訟型競爭則會遏制焦點成員創新績效提升，H2a和H2b得到驗證。

由此可見，隨著時間推移，聯盟利用式合作和探索式合作創新激勵效應逐漸減弱，而聯盟學習型競爭與訴訟型競爭對創新績效的影響依然顯著。

此外，考慮到聯盟成員中企業、科研院所和高校創新環境、模式、動力存在差異，而企業作為創新主體，其技術創新受到廣泛關注。鑒于此，剔除科研院所和高校對58家樣本企業重新進行檢驗，發現回歸結果未發生實質性改變(見表4)。

表3 負二項回歸結果Tab.3 Negative binomial model estimation

表4 負二項回歸結果(58家企業樣本)Tab.4 Negative binomial model estimation (the sample of 58 enterprises)

4 結論與啟示

4.1 研究結論

本文以MPEG LA公司12個專利聯盟中的76家成員為研究樣本，針對聯盟成員技術競合對企業創新績效的影響進行實證分析，得出如下結論：聯盟利用式合作、探索式合作、學習型競爭有利于聯盟成員創新績效提升，而聯盟訴訟型競爭不利于聯盟成員創新績效提升；聯盟學習型競爭和訴訟型競爭對雙元合作與創新績效關系均具有顯著負向調節作用。

4.2 研究貢獻

本文對戰略聯盟核心領域具有如下貢獻：

(1)以往研究缺乏對專利聯盟創新效應的現實認識，且較少關注多個專利聯盟成員技術競合網絡。本研究聚焦專利聯盟成員間密集的競合關系進行實證分析，發現專利聯盟技術競合對成員創新績效具有顯著影響，拓展與完善了專利聯盟技術創新效應研究，尤其是大樣本實證研究。

(2)之前文獻主要從專利聯盟組建、合作角度進行研究，極少將合作與競爭同時納入研究框架，僅考慮專利聯盟部分特性，未對創新效應形成全面認識。本文立足專利聯盟成員聯盟內合作、聯盟外競爭的現實，引入合作競爭、組織間慣例、聯盟學習、關系資本等戰略管理分析視角，將聯盟技術合作分為利用式合作和探索式合作，將技術競爭分為學習型競爭和訴訟型競爭，分析聯盟成員技術合作競爭對成員創新績效的影響，得出與之前學者[34]不一樣的觀點，發現合作比競合更能夠推動聯盟成員技術創新，學習型競爭更能推動聯盟成員技術創新，但訴訟型競爭則會阻礙聯盟成員技術創新。

4.3 研究啟示

本文對高技術企業知識產權管理提供以下啟示：

(1)積極融入專利聯盟。專利聯盟可以為池內成員提供技術學習和知識交流平臺，促進池內成員技術創新(張運生等，2020)。因此，高技術企業應積極申請加入全球知名專利聯盟，提高企業品牌知名度，清除專利實施障礙；行業龍頭企業則可聯合行業內企業共建專利聯盟，利用國內廣闊的市場布局中國專利聯盟，營造創新生態系統。

(2)推動聯盟成員合作技術研發。自主創新并不等于封閉式創新，高技術企業應推動開放式創新，積極創造條件與聯盟成員合作研發技術，培育聯盟雙方關系資本，發揮各自技術優勢，實現共贏。

(3)促進聯盟成員學習。應加強與聯盟伙伴的學習與交流，利用異質性資源推動企業創新，可以控制學習強度或以更加隱蔽的方式進行學習，以免引起聯盟伙伴的戒備和不滿。同時，加強自身隱性知識和商業機密保護，防止企業核心技術泄露。

(4)加強聯盟沖突管理。高技術企業加入專利聯盟后不可避免地會與聯盟伙伴發生利益沖突。企業應通過簽訂協議的方式防止聯盟伙伴的機會主義行為，通過洽談與和解等方式管控聯盟之間的分歧，避免正面沖突尤其是專利訴訟。

4.4 不足與展望

本文存在以下不足：①鑒于數據可行性，本文選取MPEG LA的12個聯盟，這些聯盟成員可能還會加入其它專利聯盟，因此未來可將樣本擴充至Via Licensing、DVD 6C等聯盟成員，以增強結論解釋力度；②僅研究發達國家IT產業專利聯盟，盡管MPEG LA是國際知名專利聯盟管理機構，但屬于發達國家，且只涉及一個產業，然而發展中國家與歐洲發達國家專利聯盟可能會得出不同結論，因此未來應重點分析不同發達國家或者發展中國家與發達國家之間的多國專利聯盟，以及生物醫藥、新能源汽車等多產業專利聯盟成員；③僅采用訴訟專利數測度聯盟訴訟型競爭強度，未來可進一步拓展至訴訟持續時間、判決賠償金額、訴訟案件數等，以驗證結論的一致性。