創新網絡架構特征組態對知識轉移績效的影響機制

馮立杰，李 雪，王金鳳

(1.鄭州大學 管理工程學院，河南 鄭州 450000；2.上海海事大學 自貿區供應鏈研究院，上海 201306)

0 引言

開放式創新主張企業通過參與或構建創新網絡，識別并獲取所需知識、技術和資源[1]。在此過程中，知識轉移為企業創新賦能并成為構建創新網絡的重要內容[2]，同時，也是維持網絡關系穩定的基礎[3]。因此，探究創新網絡構成及其特征成為眾多學者廣泛關注和研究的熱點。圍繞核心企業如何構建創新網絡問題，現有文獻主要從網絡結構、網絡關系和網絡內容等層面研究創新網絡對企業行為與創新績效的影響[4]。其中，結構流派認為，結構洞[4]、網絡中心性[5]、密度[6]等網絡屬性在獲取信息資源時各有優勢，均對知識轉移績效產生影響；關系流派認為，企業間連帶關系有助于構建穩定的創新網絡，這是因為由此產生的信任關系在一定程度上保證了知識傳遞的真實性(常紅錦,黨興華,楊有振，2017)；而內容流派則強調節點異質性對企業創新績效的影響，認為跨界搜尋異質性合作伙伴有利于企業拓展知識邊界，提高外部知識利用效率，進而提升創新能力[7]。

雖然已有文獻從多視角探究了創新網絡對知識轉移績效的影響，但仍存在一定局限性：首先，對于創新網絡結構、關系和內容等特征的研究，學者們大多聚焦于探討若干自變量與因變量的線性關系，較少關注這些特征與知識轉移績效間的非線性關系以及不同類別網絡特征的組合效應，進而難以系統詮釋創新網絡特征如何影響知識轉移績效問題[7]；其次，現有文獻大多基于資源觀研究創新網絡特征對知識轉移績效的影響，忽略了企業在構建具備某類特征的創新網絡過程中可能出現邊際收益遞減效應，由此可能抵消創新帶來的收益，進而對知識轉移績效產生負面影響。因此，本文將從宏觀戰略視角，基于資源觀和成本觀，探究獲得高質量知識轉移績效的創新網絡，探尋影響創新網絡架構的特征變量，進而從組態思維角度出發，研究獲取高質量知識轉移績效的創新網絡架構。

本文選取高新技術企業作為研究對象，運用模糊集定性比較分析法(fsQCA)，研判創新網絡不同特征組合對知識轉移績效的共同作用及相互作用。有別于以往學者大多采用通過多案例推演分析的定性方法和線性回歸分析等定量方法，fsQCA方法融合了定性分析與定量分析的優勢，能夠有效處理涉及多個前因變量的因果復雜性問題，由此彌補了以往單一要素研究的不足。

1 理論回顧與概念模型設定

1.1 理論回顧

在國際化商業背景下，技術變革的飛速發展迫使企業通過建立或加入創新網絡以獲取更多外部知識[8]，而創新網絡的關鍵是合作創新。對此，Vidmar等[9]的研究表明，創新網絡對組織間資源共享和信息交流至關重要；霍麗莎和邵云飛[10]認為，創新網絡有助于企業實現資源優化配置；Delgado等[11]的研究結果也表明，創新網絡能夠為企業提供互補資源并實現資源共享。創新網絡豐富了企業的社會關系和資源脈絡，促進了新知識、新技術等無形生產要素的快速擴散[12]，進而為企業帶來多樣化的異質性知識[9]。因此，研究創新網絡對知識轉移績效的影響具有重要現實意義。

自從Teece提出知識轉移概念后，國內外學者即對其展開了深入研究[13]，認為“知識轉移是知識在不同主體間流動并增值的過程”[14-15]。顯然，創新網絡中的知識轉移發生在不同創新主體之間，企業通過這種知識流動拓展知識邊界，而創新網絡的節點復雜性與結構復雜性則影響著知識轉移過程及效果。

目前探究創新網絡對知識轉移績效影響的文獻主要集中在宏觀創新網絡屬性的網絡結構特征和關系特征層面。現有研究認為，網絡規模[16]、連接強度[17]、中心性[18]等屬性特征有利于知識資源轉移和共享，從而影響知識轉移績效。顯然，這與日新月異發展的現實創新網絡不符——因為現有創新網絡合作伙伴已不僅僅限于二元或單類型聯盟，可能涵蓋高等院校、科研院所、中介機構、政府和企業等多類型組織，這樣就難以回答擁有不同資源屬性的合作伙伴是否會對知識轉移績效產生影響的問題[9]。

為解決上述問題，學者們開始關注微觀層面的網絡節點選擇問題[11]，主要聚焦于如何從知識層面選擇合作組織。研究表明，網絡節點組成的豐富程度、知識異質性[7]、組織環境背景[18]等節點異質性有利于擴大創新網絡知識基礎寬度和深度，進而實現資源多元化并影響知識轉移績效。這類研究從資源觀角度解釋知識轉移績效，認為節點組織差異化能夠為企業帶來有效利用外部條件的互補性資源。而交易成本觀則認為，不同類型組織擁有不同目標、運營模式和管理架構，隨著節點差異化程度提升，創新型企業會在創新網絡的搜索、管理和資源整合中支付更多成本，進而從一定程度上抵消創新網絡帶來的收益[19]。基于對現有文獻的討論和分析，本文提煉出影響創新網絡架構的多樣化、技術水平、地域跨度和閉合性4個特征變量。

1.1.1 創新網絡多樣化

現有文獻對創新網絡多樣化特征的解讀主要體現在“量多”(大規模)和“樣多”(異質性合作伙伴)兩個層面，其中，多樣化聯盟組合為企業提供獲取非冗余外部知識的路徑[20]。現有文獻中較為流行的一個觀點是：多樣化聯盟網絡激發了動蕩技術環境中企業的創新精神，與此同時，多樣化聯盟網絡也增大了管理結構的復雜性，提升了知識轉移難度。多樣化聯盟網絡的直接呈現方式是網絡規模，從狹義范圍看，網絡規模泛指網絡中包含的企業數量[21]；從廣義范圍看，網絡規模既包含企業，也包含高等院校、科研院所、中介機構和政府部門等合作伙伴數量。顯然，網絡規模對知識轉移具有積極影響，一個大規模的創新網絡意味著企業可以有更多獲取外部知識的渠道以不斷提高知識轉移績效[22]。與此相反，同質性合作伙伴會給創新網絡帶來知識重疊，由此使企業在獲得相同外部知識(也可能是現有聯盟網絡已擁有的知識)的情況下支付更多成本[23]。有鑒于此，實現高質量知識轉移績效需要適度的網絡規模。因此，異質性機制觀認為，創新企業與非同質性組織建立合作有利于獲取異質性資源，合作伙伴之間的異質性是產學研深度融合和創新網絡演化的重要動力機制[24]。

綜上，本文沿用前人研究成果，將多樣化聯盟網絡中的合作伙伴劃分為國家異質性、組織異質性和產業異質性3種類型(姚瀟穎,衛平,李健，2017)，它們均對企業創新績效具有顯著促進作用，但企業也會付出更多搜尋和管理成本。同時，本文將創新網絡多樣化研究聚焦于“多”和“樣”兩個維度，通過創新網絡規模和節點異質性兩項指標衡量創新網絡多樣化程度。其中，網絡規模是指企業創新網絡包含的創新主體數量，節點異質性是指企業創新網絡中創新主體的差異化程度。

1.1.2 創新網絡技術水平

創新網絡技術水平泛指網絡成員組織所具備的以創新能力為導向的知識儲備深度。對此有學者認為，影響組織創新能力的是知識儲備深度而不僅僅是其擁有的知識總量[25]。這是因為技術知識儲備深度能夠幫助企業精準識別機會主義行為，據此避免創新風險。顯而易見，高技術水平組織的加入會使創新網絡知識儲備水平得到明顯提升，進而有助于提高創新網絡產出能力[26]。因此，與優秀的組織建立合作伙伴關系能夠獲得提升知識轉移績效的優質網絡資源(曾德明,王媛,徐露允，2019)。

綜上，本文沿用前人研究成果，將創新網絡技術水平定義為憑借創新網絡節點組織的知識深度，從而在該領域占據技術領先地位。

1.1.3 創新網絡地域跨度

不同合作伙伴可能來自不同環境，地域跨度泛指由組織結構、組織制度、傳統和文化習慣等產生的距離。本文將創新網絡地域跨度定義為創新網絡節點組織間的文化和地理距離。

針對創新網絡節點文化距離，相似的組織文化和價值體系有利于知識轉移的順利進行，相反地，相差過大的文化距離可能會在知識轉移過程中引發誤解和沖突(劉洋,應瑛,魏江,等，2015)。對此，Nabeel等[27]在考察324家跨國公司后指出，文化距離對企業知識轉移具有顯著負調節作用。

針對創新網絡節點地理距離問題，Simonion以147家跨國公司為例，研究其對知識轉移績效的影響并發現，合作伙伴的地理距離越大，知識轉移績效就越差[28]；Tiago等[29]認為，知識轉移強度主要取決于轉移主體間的區域距離；而Yang等[22]則認為，知識轉移具有空間依存性。此外，Zhi等[30]通過研究發現，勞動力市場和地理特征在創新與知識轉移之間起重要作用；Dickens等[31]指出，大學附近的企業數量與該區域的智力、知識產出顯著正相關。顯然，創新網絡的地理距離對知識轉移績效有重要影響。

1.1.4 創新網絡閉合性

網絡閉合性泛指組織間網絡的可達性和致密非重疊的結構子群化特征。網絡閉合性越高，其緊密性越強，反之越稀疏(張紅兵，2015)。現有文獻主要涉及兩種觀點：一種觀點認為，斷開連接的網絡缺口會形成結構洞，因此增強了網絡的創造性[32]；另一種觀點則認為，在密集型網絡中，合作創新網絡呈封閉狀態，沒有結構洞，由此可以拓展合作與知識共享深度[33]。

顯然，網絡閉合有利于知識轉移和創新[34]，從而提升企業創新績效。這是因為高度閉合的創新網絡能夠促進節點組織間的密集性互動，進而產生信任、協作意愿和集體認同感；進一步講，創新網絡中存在結構洞并非企業獲取不同信息的必要條件[35]。

1.2 概念模型構建

通過相關理論回顧不難發現，以往的創新網絡文獻大多基于“企業間的合作構成只有單一形式”的前提假設并采用線性方法進行研究[36]，難以系統刻畫創新網絡對知識轉移績效的影響機制。與此同時，遵循組織關系存在其它設計選擇、整體與內在要素存在不同復雜組合的思路[37]，架構理論研究者認為，組織作為一個復雜的系統集合，研究單一變量的靜態作用具有諸多局限，不同特征或要素的多維度組合往往起相同作用。因此，基于變量間相互作用的組態匹配研究對組織成長與發展同等重要[37]。鑒于此，從架構視角能夠更加系統全面地剖析創新網絡對知識轉移績效的影響。

有學者研究了單一條件或多種條件下創新網絡對知識轉移的影響[38-39]，并將fsQCA方法應用于組織配置和網絡特征對知識轉移績效的影響分析[39]，其中構建了大量條件，但沒有一種條件能夠全面系統地詮釋如何提高知識轉移績效。綜上所述，基于創新網絡因果條件組合的同等貢獻，可能存在多種知識轉移績效提升路徑，即等效性，這也是fsQCA的基本原則[40]。本文采用fsQCA方法探討創新網絡架構對知識轉移績效的影響，由此構建概念模型如圖1所示。

2 研究設計

2.1 研究方法選擇

圍繞“何種特征組合的創新網絡架構可以實現高質量知識轉移績效”的研究目標，QCA方法提供了一種新思路，尤其是在解決具有多重影響的因果關系、因果非對稱性和殊途同歸等因果復雜性問題上提供了新路徑[41-42]。同時，考慮到本文的因果條件為連續變量，由此可采用fsQCA方法。相較于其它類型的 QCA 分析技術(如 csQCA 和 mvQCA等)，fsQCA方法更具優勢[41]，具體而言，主要有以下三方面原因：

圖1 概念模型Fig.1 Conceptual model

(1)有利于從架構視角[43]系統考察多種因素之間的組態關系，以有效識別獲得高質量知識轉移績效的創新網絡架構。

(2)有利于明晰因果關系的非對稱性和殊途同歸性[43]，這是因為fsQCA方法不強調條件變量和結果變量的等效性，而由多樣化、技術水平、地域跨度和閉合性4個特征交互形成的不同創新網絡架構對知識轉移績效的影響卻可能存在等效性(不同架構可能獲得同質量的知識轉移績效)。

(3)本文針對符合要求的高新技術企業開展調研，最終獲得63家企業樣本數據但未達到大樣本標準，而fsQCA的優勢是適用于中小樣本分析[44-45]。

綜上，采用fsQCA方法探究創新網絡架構特征組態對知識轉移績效的影響機制，從理論和方法上均能較好契合本文研究目標與要求。

2.2 樣本選取與數據搜集

本文選取生物技術、信息技術和新材料技術三大高新技術領域企業為樣本源，并基于以下原則進行樣本篩選： 一是高新技術企業屬于知識和技術密集型經濟實體，創新為其發展的重要動力，加之樣本企業均屬于國家級重點高新技術企業，在創新網絡構建中均有諸多嘗試； 二是為使研究結論具有普適性，本文選取不同規模、不同行業且具有一定海外研發合作經驗的異質性企業； 三是為保證數據準確性和可獲得性，選擇本研究團隊在國家或省部級科研項目中曾調研或校友所在的高新技術企業。

數據收集步驟如下：首先，借鑒國內外相關研究成果，圍繞研究目標設計半結構化問卷，隨后在全國各省市向高新技術企業發放調研問卷，按照樣本企業篩選原則并結合問卷填寫情況，對熟悉創新網絡的企業高管或研發部門員工開展進一步調研和深度訪談，最終獲得63家具有代表性的高新技術企業信息作為樣本，樣本企業描述性統計信息如表1所示。此外，為避免信息遺漏，進行數據收集時事先查閱了樣本企業官網信息，并利用網絡搜索摘取了與企業相關的新聞以補充調研問卷的數據來源。

2.3 變量測量

2.3.1 知識轉移績效

知識轉移績效是對知識轉移效果的評價，以往研究主要從經濟和技術角度探討知識轉移績效[46]。就經濟指標而言，現有研究發現，企業經濟增長率、知識轉移成本、市場份額與知識轉移績效正相關；就技術指標而言，早期研究表明，企業技術水平和創新能力提升能夠映射知識轉移績效[47]。

基于現有關于知識轉移績效的研究成果，本文認為知識轉移績效反映了創新網絡核心企業從其它創新主體吸取知識并成功轉化的過程中降低企業創新成本、提高企業創新效率的程度。本文以知識轉移績效作為結果變量，采用王文亮和王淑華[48]測量知識轉移績效的量表，利用工作效率、內部創新成功率、市場競爭力和人財物投入4個測量題項衡量知識轉移績效，具體見表2。

表1 樣本企業描述性統計結果(N=63)Tab.1 Descriptive statistical results of sample enterprises (n=63)

表2 知識轉移績效測量題項Tab.2 Measurement items of knowledge transfer performance

2.3.2 創新網絡多樣化

如前所述，本文從網絡規模和節點異質性兩個維度測量創新網絡架構多樣化，采用李曉娣[49]的研究成果設定網絡規模測量題項，具體見表3。

表3 創新網絡規模測量題項Tab.3 Measurement items of innovation network scale

本文在測量反映網絡多樣化的節點異質性時，采用整合差異化指數和赫芬達爾指數的多樣化指數計算方法(姚瀟穎,衛平,李健，2017)，具體表達式如下：

(1)

其中，K表示創新網絡節點組織類型；N表示共有N類不同的創新合作主體；PK表示組織類型K的數量；PT表示創新合作主體總數量；H代表合作伙伴異質性，取值在0～1之間，越接近1，代表異質性程度越高。

在具體測量中，基于國家異質性、組織異質性和產業異質性，分別將合作伙伴劃定為不同類別。其中，根據國家異質性，可以劃分為中國區域、亞洲(除中國外)、歐洲、大洋洲、非洲等；根據組織異質性，劃分為產業合作伙伴(用戶、供應商、競爭對手、產業外的其它企業與風險投資企業等)和知識合作伙伴(高等院校、科研院所、中介組織與政府機構等)；根據產業異質性，可以劃分為電子及通信設備業、化工及制藥業、紡織及電器機械制造業、交通運輸設備業等。

進一步地，考慮到國家、組織和產業3類異質性合作伙伴對知識轉移績效的不同影響權重，采用式(2)進行度量。

H=0.42H國家+0.324H組織+0.256H產業

(2)

2.3.3 創新網絡技術水平

根據創新網絡合作伙伴所屬行業領先程度，測量創新網絡整體的技術水平，在問卷中對合作伙伴分類賦值[50]。其中，將國外技術領先組織統一設置為“1”，將國內相關領域的行業領導者統一設置為“1”，其余設置為0。

2.3.4 創新網絡地域跨度

本文從文化距離和地理距離兩個維度測量地域跨度。借鑒Simonin[28]的研究成果，采用3個題項測量文化距離；借鑒Cummings & Partridge[42]的研究成果，也采用3個題項測量地理距離。具體測量題項見表4。

2.3.5 創新網絡閉合性

本文采用Chai等[51]計算創新網絡閉合程度的方法，依照標準的名稱生成器和名詞解釋程序，設計網絡閉合性指標訪談內容，具體見表5。

表4 創新網絡地域跨度測量題項Tab.4 Measurement items of innovation network geographical span

表5 創新網絡閉合性測量題項Tab.5 Closed measurement items of innovation network

在受訪者回答完表3問題后，對列出的組織進行排序，同時，允許受訪者在此過程增加遺漏的合作伙伴，并圈出與所有合作伙伴間的疏密關系；然后基于受訪者回答，采用式(3)計算創新網絡的閉合性。

(3)

2.4 信度與效度分析

根據表2、表3和表4，采用七點李克特量表測量。結果顯示，知識轉移績效變量、網絡規模和地域跨度的Cronbach′α系數均大約0.7，說明問卷具有良好信度。需要補充說明的是，本文各變量測量題項均采用國內外使用的成熟方法，因此具有較為良好的內容效度。

另外，利用SPSS軟件檢驗結構效度，結果顯示，KMO值均大于0.7，累計方差貢獻率達到75.20%，且各測量題項的因子載荷大多在0.7以上，表明本問卷具備良好的結構效度，滿足進一步開展數據分析的要求。

3 實證分析

3.1 數據校準

借鑒已有研究成果，采用Ragin[41]提出的直接校準法進行數據校準。首先設置完全非從屬、交叉點和完全從屬3個定性錨點[44]。其中，對于數值型指標變量的校準，如異質性和技術水平變量的校準遵循既有研究的錨點設置；閉合性變量的校準借助Tosmana軟件給出的建議值選取交叉點，可分別選取樣本數據的 95%和 5%分位數作為“完全從屬”、“完全非從屬”兩個錨點[52]。具體創新網絡變量的校準賦值標準見表6。

3.2 數據處理

采用Ragin的fsQCA 3.0軟件對數據進行處理。對照變量的校準賦值標準并使用校準程序Celibrate對數據進行模糊集處理，同時，將變量轉換為隸屬分數位于0～1之間的數據。

表6 創新網絡變量校準賦值標準Tab.6 Calibration and assignment standards of innovation network variables

3.2.1 必要條件分析

分析條件組合前，首先檢驗單個變量是否為結果變量的必要條件。一般可將分值理解為回歸統計分析中的系數顯著度[53]，一致性得分在0.9 以上的條件變量即可認為是結果的必要條件。運用fsQCA3.0軟件以“高質量知識轉移績效”為結果變量對各單獨條件變量進行一致性檢驗，結果見表7。

由表7可知，所有條件變量及否定條件變量的一致性得分均小于0.9，說明創新網絡多樣化、技術水平、地域跨度及網絡閉合性4個單獨條件變量均是結果變量的子集，單個條件變量并非是獲得“高質量知識轉移績效”的必要條件，因此在真值表運算中不能剔除。

表7 以“高質量知識轉移績效”為結果變量的必要條件分析結果Tab.7 Necessary condition analysis of "high quality knowledge transfer performance" as the result variable

3.2.2 真值表構建

構建真值表主要包括[54]：首先，根據模糊集數據構建真值表單，確定輸出結果和對應的條件變量組合；其次，比較真值表中數據，確定頻率閾值和一致性閾值。本文使用1作為頻率閾值，此外，相較于最低一致性值(consistency) 0.75，為了提高研究效度，將該值設置為0.87(對于高知識轉移績效而言)，在數據運行過程中將高于一致性值的組合設置為1、低于一致性值的組合設置為0。

3.2.3 充分條件分析

遵循Ragin的結果呈現形式[45]，利用Standard Analysis可計算出最終結果，并結合復雜路徑和簡約路徑分析，得出獲得高質量知識轉移績效的創新網絡架構。各類型核心條件、外圍條件及具體情況見表8。

表8 高質量知識轉移績效的創新網絡架構Tab.8 Innovation network architecture of high-quality knowledge transfer performance

由表8可知，高質量知識轉移績效有3種組合路徑，且每種路徑均由不同條件組成，3種路徑的切題性和重要性體現在原覆蓋率與凈覆蓋率兩項指標上。結果顯示，無論是單路徑解還是總體解決方案，一致性均高于可接受的最低標準0.80，其中，總體解決方案的一致性為0.96。單一路徑的原覆蓋率范圍為0.37～0.52，總體解決方案的覆蓋率為0.65，與組織和管理領域的QCA研究結果基本持平[44]。所以，解決方案中得出的3類創新網絡架構均符合一致性閾值，說明前述組態集合均處于可接受范圍內。

3.3 穩健性檢驗

采用改變一致性門檻(一致性門檻從0.87分別上下調整0.02)方法檢驗數據結果的穩健性[53]。當控制連續變量校準交叉點，將一致性門檻下調為0.85時，生成的變量組合沒有發生變化，整體一致性小幅降低但依然大于可接受的最低標準，整體覆蓋度未發生變化，結果見表9；在將一致性門檻上調為0.89時，生成的變量組合、整體一致性和整體覆蓋率均未發生變化。

相比Schneider & Wagemann[52]提出的QCA結果穩健的兩個標準(不同組態的集合關系狀態和不同組態的擬合參數差異)，不難發現，本文研究結果具有一定穩健性。

表9 以“高質量知識轉移績效”為結果變量的穩健性檢驗結果Tab.9 Robustness test results of "high quality knowledge transfer performance" as the result variable

3.4 結果討論

基于fsQCA方法，本文識別了3類能夠獲得高質量知識轉移績效的創新網絡架構特征組態，表明實現高質量知識轉移績效的創新網絡架構具有殊途同歸性和多重并發性。根據3條路徑包含的核心條件和解釋邏輯，本文將其命名為3類創新網絡架構。

第一類架構為延伸互通型創新網絡，即網絡規模·異質性·～地域跨度·閉合性，是一種疊加高網絡規模、高異質性作為核心條件，低地域跨度、高閉合性作為次要條件，從而獲得高質量知識轉移績效的創新網絡架構。具體而言，此時要求企業搭建多樣性強、地域跨度小的創新網絡，注重選擇多樣化合作伙伴、多樣化產業、多樣化組織類型，甚至是國際化節點組織以獲取異質性知識。同時，為縮小地域跨度尤其是避免合作伙伴間的文化差異，企業在延伸創新網絡時，一方面需要考慮地理距離可能增加知識轉移成本，另一方面可以通過營造包容性企業文化，縮小知識轉移過程中的文化差異，以盡可能減少知識在轉移過程出現的偏差。同時，本文的研究結論支持了Wuyts & Dutta[21]的觀點，認為并非所有企業均能夠平等地從多樣化創新網絡中受益，而是必須不斷提升內部實力以獲得高質量知識轉移績效。另外，企業還應適當增強創新網絡閉合性以不斷提高安全性。此類創新網絡特征組合可概括為圍繞企業自身業務領域進行延伸，廣泛搜尋多元化合作伙伴并進行網絡布局，引入閉合性網絡環境并發揮創新網絡的連通性。在此過程中，延伸創新網絡、擴大規模和增強節點異質性是實現高質量知識轉移績效的重要條件。

第二類架構為行業區域聯盟型創新網絡，即技術水平·～地域跨度·閉合性，是一種以高技術水平作為核心條件、低地域跨度和高閉合性作為次要條件，從而獲得高質量知識轉移績效的創新網絡架構。具體而言，此時要求企業重點關注行業內技術水平領先的組織，并選擇其作為突破現有技術、提高創新效率的合作伙伴。同時，適當配置低地域跨度和高閉合性的網絡架構，以縮小知識轉移過程中的文化差異與降低成本，提高創新網絡安全性。另外，還可通過加入或打造行業聯盟、形成封閉型創新網絡以尋求更多創新資源。此類創新網絡特征組合可概括為：聚焦企業主業務，在一定區域內有針對性地搜尋優質合作伙伴，進而搭建連通性強的創新網絡。在此過程中，選擇優秀的合作伙伴來搭建創新網絡聯盟至關重要。

第三類架構為精準互通型創新網絡，即～網絡規模·異質性·技術水平·閉合性，是一種以高技術水平作為核心條件，以小網絡規模、高異質性和高閉合性作為次要條件，從而獲得高質量知識轉移績效的創新網絡架構。具體而言，要求企業在選擇合作伙伴時注重其技術水平，同時，注重選擇多類型合作伙伴以提高創新網絡異質性。另外，還應適當控制合作伙伴數量以避免創新網絡規模過大造成資源浪費，適當形成閉合性創新網絡以增強合作伙伴間的信任度，涉及技術領域較多的企業還可通過輻射不同類型組織獲得異質性知識以滿足企業知識廣度需求。此類創新網絡特征組合可概括為：企業應客觀研判創新發展所需的資源和網絡規模，應更多地關注創新網絡節點能否提供精準高效的合作。在此過程中，選擇優質組織資源、搭建連通性好的創新網絡對實現高質量知識轉移績效至關重要。

綜上所述，基于前述計算結果和分析，從創新網絡架構出發，由多樣化、技術水平、地域跨度和閉合性4個特征組合搭建的3類創新網絡架構均可獲取高質量知識轉移績效。其中，第一類架構強調大網絡規模，第三類架構強調小網絡規模，盡管如此，兩類架構均能夠獲得高質量的知識轉移績效，這豐富并呼應了部分組織理論學家提出的單一要素無法全面解釋組織行為的觀點。另外需要說明的是，以往關于創新網絡多樣化對知識轉移績效影響的研究中，有的顯示創新網絡規模、創新網絡異質性與知識轉移績效呈正相關關系，有的則呈U形關系，顯然，第一類架構和第三類架構對以往線性研究得出的矛盾結論給出了補充性解釋。此外，通過對上述3類架構的橫向對比，不難發現，高創新網絡閉合性是獲得高質量知識轉移績效所需具備的創新網絡特征，該結論與企業調研結果一致。

4 結論與啟示

4.1 研究結論

本文從創新網絡架構視角，基于資源觀和成本觀，詮釋了知識轉移績效，探究了獲得高質量知識轉移績效的創新網絡架構特征及其組合架構。研究結果顯示，為實現創新網絡主體間高質量的知識轉移，創新網絡架構特征的組態效應不應被忽視。企業可通過構建3種類型的創新網絡架構實現高質量的知識轉移績效。經過對三類創新網絡架構特征組態的進一步討論，獲得如下啟示：一是構建延伸互通型創新網絡，高效吸收新興領域知識與技術，適當提高創新網絡閉合性，以增強合作環境穩定性；二是構建行業區域聯盟型創新網絡，進一步優化企業資源配置，依靠區域聯盟力量提升技術水平并拓展市場；三是構建精準互通型創新網絡，搜尋優質合作伙伴而不盲目擴大網絡規模，精準識別創新機會，不斷為企業發展注入創新活力。

4.2 研究貢獻

現有文獻多從線性視角，基于創新網絡結構、關系和內容進行研究，過度關注某個層面的單一要素，而對何種創新網絡可以滿足資源觀和成本觀的高質量知識轉移績效問題闡述較少。為彌補已有研究不足，本文從架構視角的分析明晰了獲得高質量知識轉移績效的3類創新網絡架構，具體貢獻包括：一是提煉出能夠指導微觀網絡節點配置的4個宏觀網絡架構特征，并將網絡節點配置(合作伙伴選擇)與知識轉移績效相聯系，進一步拓展了創新網絡研究范疇；二是采用適合解決組態問題的fsQCA方法，推導出3類能夠獲得高質量知識轉移績效的創新網絡架構，為不同類型制造企業構建創新網絡提供了決策支持。

4.3 管理啟示

本文研究結論對科學建構企業創新網絡架構具有一定管理啟示：

(1)企業應結合自身發展現狀選擇合適的創新網絡架構并實時進行迭代更新。這是因為企業構建創新網絡架構是一個動態的組織過程，所以企業應在科學的戰略布局下精準識別、組建和管理創新網絡節點。例如擁有較多技術要素或單一技術要素領先的企業需要具備新業務拓展與運營能力，而延伸互通型創新網絡可為該類型企業提供接觸新興領域的機會，有利于提高知識轉移成功率；聚焦單一技術要素的企業需要進一步打造產品的高、精、尖端性，同時，鞏固并增強產品市場競爭力，此時行業區域聯盟型創新網絡能為該類型企業提供更加配套的技術與市場，有利于實現高質量知識轉移績效；處于行業領先且發展較穩定的企業需要與勢均力敵的企業合作，而精準互通型創新網絡可為該類型企業提供精準化的知識共享環境。

(2)企業在配置多樣化創新網絡時，應注重協調創新網絡規模與節點異質性，以盡可能避免由邊際遞減效應造成不必要的資源浪費。首先，延伸互通型網絡研究結果顯示，資金情況良好的成熟型企業在構建創新網絡時會疊加大網絡規模與高異質性，有效降低合作伙伴趨同性，雖然在一定程度增加了合作伙伴的搜索與管理成本，但拓展了企業的外部知識儲備寬度。其次，精準互通型網絡研究結果顯示，處于起步階段的中小型企業在構建創新網絡時因投入有限，需平衡小網絡規模與高異質性，同時，耦合高技術水平與高閉合性特征，進而識別企業創新所需技術與知識資源，甄別適宜的合作伙伴，如此，亦可實現高質量知識轉移績效。

(3)企業在搭建高異質性創新網絡時，可通過多元化人才培養模式提升員工的開放性認知水平，以盡可能避免知識轉移過程中的文化差異。延伸互通型與行業區域聯盟型創新網絡顯示，企業均需配置低地域跨度的創新網絡。所以，企業在尋找合作伙伴時，如果難以通過縮小地理距離實現低地域跨度合作，則可通過多元化人才培養模式降低文化認知差距。

4.4 局限性

首先，為確保數據豐富性和可獲得性，本文在全國范圍內選取了63家高新技術企業數據進行分析，雖然滿足了QCA分析中所需2n(n為條件變量的個數)的條件[45]，但總體來看，樣本數量偏小，未來可進一步擴大樣本量，同時，采用傳統的定量研究方法與fsQCA進行比較，進一步驗證本文得出的三類創新網絡架構特征組態的可靠性。其次，本文選取的樣本企業集中在高新技術領域，由此推導出的結論在其它行業的適用性還有待討論，未來研究可進一步拓寬樣本領域和范圍。