多維鄰近性對關鍵研發者與企業二元創新的調節作用

孫笑明 王晨卉 楊新蒙 王雅蘭

摘 要：合作創新資源配置是決定企業合作創新能否達到探索式創新或利用式創新預期目標的關鍵。作為企業最重要的人力和智力資本，關鍵研發者（明星發明家）是影響企業合作創新資源配置的重要因素。然而，鮮有研究基于調節效應視角分析多維接近性對關鍵研發者與企業合作創新產出關系的作用機制。由此，基于2004—2019年我國“絲綢之路經濟帶”“長江流域經濟帶”高新技術企業發明和實用新型申請專利數據，利用負二項回歸模型分析多維鄰近性對關鍵研發者與企業探索式和利用式創新產出關系的調節效應。結果發現：合作企業地理鄰近性、社會鄰近性和技術鄰近性程度越高，越能強化關鍵研發者參與比例對合作企業利用式創新的促進作用。同時，技術鄰近性程度越高，越能強化關鍵研發者參與比例對合作企業探索式創新的抑制作用。結論對于創新管理者根據合作創新主體的多維鄰近性特征與調節機制優化企業外部合作關系結構、合理配置人力和知識資源，從而提高合作創新效率具有重要實踐價值。

關鍵詞：關鍵研發者；企業合作創新；探索式創新；利用式創新；多維鄰近性

DOI：10.6049/kjjbydc.Q202207147

中圖分類號：F273.1

文獻標識碼：A

文章編號：1001-7348（2023）12-0117-12

0 引言

當前，隨著以大數據、云計算、人工智能為代表的數字技術發展，產品和技術生命周期越來越短，新知識創造過程越來越復雜，企業自身資源與創新能力不足以應對現有挑戰。企業合作創新能夠幫助合作伙伴分擔創新風險、提高研發效率^[1]。因此，尋求外部合作是企業突破發展困境，獲取領先市場優勢的合理選擇。此外，探索式創新是促進我國經濟高質量發展的重要舉措。然而，在以往發展過程中，我國企業過度依賴利用式創新，具有前瞻性和突破性的探索式創新供給不足導致我國在全球科技競爭中處于劣勢。

企業根據合作目標配置創新資源，主要表現為合作企業在研發項目中投入的技術和人才資源。合作研發過程中，不同領域、不同層次人才間的知識交流障礙會加大知識共享及知識創造難度，阻礙合作創新達到預期目標。例如，高達50%的企業合作會因未達到既定探索式創新或利用式創新目標而失敗^[2]，造成創新資源浪費。因此，在合作創新過程中，不同領域及層次的技術、人才是決定創新成敗的關鍵因素。在合作項目立項時，企業通常會根據探索式或利用式創新目標選擇合作伙伴。例如，考慮是否選擇跨區域合作伙伴^[3]。但在合作中較多的不確定性因素^[4]促使企業難以有效配置創新資源，造成資源耗散，最終導致合作關系瓦解。基于微觀基礎視角的研究發現，宏觀層面的組織間合作成果是由微觀層面某些個體行為導致的^[4]。一些跨組織邊界的個體對組織間關系發揮決定性作用，能夠影響合作產出類型。關鍵研發者作為特定微觀個體，既是企業最重要的人力和智力資本，也是創新過程中研發資源配置的核心要素（朱桂龍等，2021），能夠控制關鍵資源流和知識流動^[5]，進而影響研發活動過程和企業合作關系。在企業合作中，關鍵研發者參與能夠促進合作創新產出^[6]，其傾向于利用式創新，而非探索式創新^[3]（本文企業合作創新是指企業間合作創新）。

多維鄰近性能夠反映合作企業在空間、社會關系、知識基礎等方面的相似性，大多數關鍵研發者歸屬于某一組織或嵌入社會關系中，其知識創造活動必然受多維鄰近性的影響。關鍵研發者通過知識獲取與流動過程作用于企業合作創新過程，多維鄰近性則能影響二者關系。以往研究主要強調多維鄰近性對企業合作創績效的直接影響，鮮有涉及多維鄰近性對關鍵研發者參與比例與企業合作創新產出的作用機制。因此，有必要探討多維鄰近性的調節效應。此外，“絲綢之路經濟帶”“長江經濟帶”是承接“一帶一路”倡議中“一帶”創新活動的重要區域，探索其合作創新情況有助于促進區域間創新資源戰略匹配。因此，本文以“兩帶”高新技術企業專利數據為樣本，基于多維鄰近性視角，探討地理因素、關系因素及技術因素對關鍵研發者的影響機制，并將企業間層次與團隊層次結合起來，揭示探索式創新與利用式創新的交互作用機制，以期為企業制定合作創新目標、選擇合作伙伴與技術領域，以及構建社會關系提供參考。

1 理論基礎與研究綜述

1.1 理論基礎

企業合作創新的目標在于降低創新成本，促進隱性知識在企業間流動與整合^[6]。然而，信息不對稱問題會導致雙方合作動機難以識別。合作創新的實質是企業尋找內部資源與外部資源的平衡，從信號傳遞理論看，合作雙方對創新資源的配置可以有效反映企業合作創新動機，而這種行為信號將以合作研發團隊中人員構成特征的形式體現出來。作為企業關鍵創新資源，研發團隊中的關鍵研發者最能反映合作研發團隊構成特征。因此，關鍵研發者參與合作創新項目可以作為有效信號，當接收到該信號時，企業能夠對合作創新成果進行預判，進而影響企業合作創新行為和產出。

1.2 研究綜述

1.2.1 關鍵研發者與企業二元創新

關鍵研發者作為企業重要人力和智力資本，是承擔企業重大創新任務的合適人選，其超強的知識創造能力是探索組織層面創新能力異質性的微觀基礎^[7]，能夠影響企業二元創新產出成果。已有研究發現，關鍵研發者參與有利于企業在合作創新中獲得不同比例的收益，其原因在于：一方面，關鍵研發者知名度較高，容易吸引潛在合作伙伴^[6]和獲取外部資源^[8]，從而促進企業間創新績效提升^[9]；另一方面，關鍵研發者具有較強的知識整合能力^[10]。關鍵研發者參與比例對利用式創新與探索式創新的影響不同。從企業層面看，企業合作創新的臨時性和不確定性特征會導致知識外溢、知識竊取與“搭便車”行為^[11]，關鍵研發者參與能夠傳遞防范知識溢出和合作方“搭便車”的信號。當關鍵研發者參與比例較高時，雖然能夠抑制合作方“搭便車”行為，但也會激發企業競爭意識和核心知識保護意識^[12]。合作創新過程中，較高的信息同質化程度與較少的知識分享次數不利于探索式創新產出^[4]。此外，在競爭壓力下，企業傾向于獲得快速且成本與風險較低的創新收益^[13]，從而促進利用式創新。從研發團隊層面看，關鍵研發者在任務型研發團隊中處于較高地位，能夠影響合作團隊知識創造過程^[14]。在研發過程中，關鍵研發者因依賴知識路徑而開發現有知識儲備^[15]，不利于探索式創新^[4]。因此，在企業間合作創新中，關鍵研發者參與比例越高，企業越傾向于利用式創新，從而不利于探索式創新^[3]。

1.2.2 多維鄰近性與企業合作創新

鄰近性是多維概念，能夠通過改變合作伙伴知識共享優勢、問題解決方法和目標的有效性影響企業合作創新。由于現有研究視角和目的不同，各維度鄰近性概念存在交叉和重疊。因此，有必要進一步對鄰近性概念進行界定^[16]。Knoben＆Oerle-mans^[17]采用地理、組織和技術鄰近3個維度衡量多維鄰近性，并給出相應的定義；黨興華等（2013）從區域層面和技術創新合作視角出發，將多維鄰近性劃分為認知、制度、地理鄰近性3個維度；余謙等^[18]主要從地理、社會和技術3個代表性維度研究企業合作創新問題。基于已有文獻，本文借鑒余謙等^[18]的多維鄰近性劃分方法，從地理、社會和技術鄰近性3個維度研究企業合作創新問題。

地理鄰近性能夠反映合作企業在空間上的遠近，其對企業合作創新的影響，現有研究持兩種觀點：部分學者認為，地理鄰近性能夠促進企業直接交流，有利于外部隱性知識傳遞、整合與創新^[19]。同時，相似的地理條件能夠幫助企業克服組織間制度距離帶來的困難^[20]，且地理位置鄰近對合作伙伴信任關系形成具有積極影響。也有學者認為，地理對創新成果的影響存在閾值，超過一定閾值，合作伙伴間隱性知識傳播、交流互動受到抑制，創新聯系概率降低，進而導致合作創新成本增加^[21]。同時，過度鄰近導致合作伙伴內向鎖定，技術和市場關注范圍縮小，企業陷入近距離的次優習慣，創新能力降低。

社會鄰近性是指基于信任、經歷及網絡而嵌入社會環境中的創新主體關系，通過影響合作過程中的機會主義行為與隱性知識傳遞作用于企業合作創新。在合作創新過程中，機會主義行為可能導致創新活動失敗，而創新主體的社會鄰近性能夠基于合作雙方互動和相似經歷抑制機會主義行為^[22]。同時，彼此的親切感和以往合作經驗能夠加深現有合作關系，促進企業創新合作網絡形成，從而推進雙方合作^[23]。此外，社會鄰近性基于合作雙方共同的研發經驗促進彼此知識交流，有利于合作過程中隱性知識轉移^[18]。但過分親密的社會關系情境下，企業存在知識依賴性，難以建立新的關系，導致創新合作網絡封閉，從而阻礙創新績效提升。社會鄰近性與信任相互關聯，信任可以在隱性知識傳遞中發揮協調作用。但當知識被編碼且信任在合同中形成時，社會鄰近性對合作創新的影響則是次要的^[24]。

技術接近性是指創新主體共享的技術經驗和知識基礎，能夠幫助參與者有效訪問和獲取外部知識，進而促進企業合作創新。首先，合作企業知識基礎必須足夠相似，才能識別合作伙伴的技術和知識，從而促進創新產出^[25]。其次，專業化知識在相似的基礎上必須有所不同，才能有助于企業有效利用新知識。由此，技術鄰近性與合作創新績效呈現倒U型關系（夏麗娟等，2017）。

基于上述研究發現，多維鄰近性對企業合作創新產出的作用機制體現在宏觀層面。一方面，企業合作層面，現有研究大多從企業間信任關系、知識傳遞和技術交流等方面展開。另一方面，企業層面的知識共享與信任能夠影響合作團隊中歸屬于不同企業研發者的行為及關系，與跨企業合作團隊中知識創造過程緊密相關。此外，微觀層面的關鍵研發者能夠促進跨企業合作研發團隊創新績效提升。多維鄰近性通過影響知識交換和創造過程，作用于關鍵研發者與企業合作創新產出。

2 研究假設

以往研究表明，關鍵研發者擁有豐富的項目研發經驗、占據研發者合作網絡的核心位置，而且對企業核心知識具有較高的掌控能力。因此，在企業合作創新中，由雙方研發人員聯合組成的團隊中關鍵研發者參與比例越高，說明企業對合作越重視，導致企業潛在競爭關系加劇，合作雙方知識共享意愿降低，故企業傾向于利用式創新，而非探索式創新^[3]。多維鄰近性作為企業合作創新中知識交流與傳遞的重要背景，能夠影響關鍵研發者參與比例與企業二元創新的關系。

2.1 地理鄰近性的調節作用

地理鄰近既代表相似的地理條件，如區域人力資源、市場環境、基礎設施及人際關系等要素^[23]，也代表企業對資源和市場的競爭。地理距離越鄰近，企業技術創新目標、市場定位和戰略布局重疊度越高。由此，地理距離鄰近企業可能會彼此厭惡，并成為競爭對手。在上述情景下，為了保持自身競爭力，在合作創新中企業傾向于保護自己的核心技術知識^[26]。因此，當地理距離鄰近時，在關鍵研發者參與比例較高情景下，企業傳遞的防范信號進一步增強，進而促進利用式創新，抑制探索式創新。反之，若企業無視溝通困難、交易成本較高等因素，依然選擇與距離較遠企業合作，則意味著企業意識到合作創新收益要遠大于合作成本^[27]。因此，遠距離創新合作中，企業投入較多，關鍵研發者行為動機傾向于促進合作創新目標達成，而非基于防御心理的敵對行為。地理距離較遠情景下，關鍵研發者參與比例高說明防范信號減弱，傳遞出重視合作創新的信息^[3]。接收到這一信息后，合作方對合作伙伴的信任度提升，能夠接受甚至主動要求超越合作協議，進一步加強創新合作，從而獲得更多外部異質性和新穎性知識^[28]。同時，由于合作雙方對于遠距離合作創新更有信心，更愿意進行知識分享，因而傾向于選擇技術探索戰略，積極開展異質性程度較高、更具風險性與挑戰性的創新項目，從而實現共贏。

從團隊層次看，地理距離鄰近情景下，企業合作團隊中的研發者彼此了解^[29]，因而參與其中的關鍵研發者不僅需要面對來自研發團隊內部的技術競爭，而且需要關注聲譽。關鍵研發者參與比例越高，研發者間的交流互動越頻繁，地位競爭越激烈。受威脅產生的壓力使關鍵研發者不愿意承擔探索式創新風險，而傾向于利用式創新。反之，當合作企業地理距離較遠時，研發者間的知識和信息難以流通，合作研發團隊內部矛盾不明顯，關鍵研發者間的競爭有所緩和^[30]。上述情況下，研發者的創造力能夠更好地展現，研發團隊知識創造方式傾向于探索式創新。

綜上所述，本文提出以下假設：

H_1a：地理鄰近性正向調節關鍵研發者參與比例與利用式創新產出的關系；

H_1b：地理鄰近性負向調節關鍵研發者參與比例與探索式創新產出的關系。

2.2 社會鄰近性的調節作用

企業間的社會鄰近性主要通過合作關系展現其作用機制^[31]。社會鄰近性不僅能夠抑制機會主義行為，而且可以促進企業間信任和交流規范的形成與發展^[32]。所嵌入的社會關系能夠幫助合作企業直接觀察和監督彼此行為，緩解信息不對稱問題，抑制合作創新過程中的機會主義行為。在上述前提下，關鍵研發者參與比例越高，企業合作關系越穩定，企業對長期收益的信心越強。同時，以往合作經驗、交流規范可為當前企業創新合作提供基于既有合作框架和技術領域的延伸條件。此外，合作雙方信任關系使得企業不必擔心知識溢出風險^[33]，能夠強化企業互助意愿，通過進一步促進企業交流互動解決技術難題，從而抑制關鍵研發者參與比例對探索式創新的負向影響。

社會鄰近性能夠促使合作企業相互理解，并按照雙方認可的規范和制度進行合作^[34]。在跨企業合作團隊層面上，研發者之間的地位沖突因企業間親近關系及合作規范性得以緩解^[35]。此時，關鍵研發者不再面臨較大的研發壓力，能夠脫離以往技術路徑，嘗試新技術、新知識探索。同時，關鍵研發者更愿意與團隊內其他研發人員分享經驗。由此，團隊知識共享活動更加頻繁，不僅有利于企業知識創造，而且有助于企業在以往知識的基礎上進行更多拓展。因此，社會鄰近性程度越高，關鍵研發者參與比例越高，企業間知識交流越廣泛、越充分，團隊所吸收的異質性知識越多，探索式創新成果產出越顯著。

綜上所述，本文提出以下假設：

H_2a：社會鄰近性正向調節關鍵研發者參與比例與利用式創新產出的關系；

H_2b：社會鄰近性負向調節關鍵研發者參與比例與探索式創新產出的關系。

2.3 技術鄰近性的調節作用

企業技術相似能夠促進異質資源獲取與技術學習^[36]。但隨著技術鄰近程度提高，合作創新項目中，企業雙方技術基礎、核心知識以及研發經驗重疊的可能性提升，導致合作企業無法有效獲得知識重組機會，難以從合作伙伴處學習并獲取異質性知識^[37]。此時，關鍵研發者參與比例越高，意味著企業意識到該合作創新項目的技術知識替代性越強。由于關鍵研發者對企業核心關鍵知識具有較強的把控能力，合作雙方出于抑制知識溢出風險與合作方“搭便車”行為的考慮，會利用所投入領域中的關鍵研發者降低交流成本，加強該領域知識交流^[17]，進而增強企業對已有知識的信心，推動合作雙方利用式創新。同時，合作企業從知識溢出中獲得的潛在收益較少，會挫傷其超越已有技術軌道、探索新技術的積極性，從而降低實施探索性創新的可能性。

企業間技術鄰近在微觀層面反映出合作研發團隊知識基礎存在較高程度的相似性^[37]。此時，企業合作團隊內關鍵研發者參與比例較高，在相似知識范圍內，關鍵研發者的技術優勢突出，相互間地位和話語權之爭激烈。這無疑會加劇合作團隊內耗，提升溝通協調和知識共享難度，抑制雙方預想、搜索以及求證行為^[38]，進而阻礙技術組合。由此，團隊知識活動只在已有知識組合中開展，導致利用式創新產出增加，開展探索式創新的可能性降低。

綜上所述，本文提出以下假設：

H_3a：技術鄰近性正向調節關鍵研發者參與比例與利用式創新產出的關系；

H_3b：技術鄰近性負向調節關鍵研發者參與比例與探索式創新產出的關系。

本文構建假設理論模型如圖1所示。

3 實證研究

3.1 數據來源與處理

本文使用的專利數據來源于國家知識產權局，具體檢索方法如下：首先，選取我國“絲綢之路經濟帶”“長江流域經濟帶”17個省份27個高新區，基于2004—2019年高新技術企業專利申請數據，檢索到專利授權數據182 554條。由于發明專利授權時間需要1～3年，故專利信息存在滯后性。因此，選取2020年之前的專利數據。此外，為了降低專利滯后性的影響，本文以企業T+1年已授權專利數量衡量企業T年創新績效。因此，本文中的專利信息已更新至2020年。高新區具有知識密集、技術創新活躍的特點，是高新技術企業聚集地，具有較強的創新驅動代表性。其次，應用Patlab專利大數據分析平臺對檢索到的專利數據進行清洗：第一階段，剔除具有同族關系和重復申請專利。專利數據中存在數據重復現象，例如，當某條專利由多個企業申請時，可能出現多條重復專利數據，故需要對專利數據進行去重，使專利數據唯一化。該階段，篩選后的專利數量為C₁=182 554。第二階段，提取企業合作關系。參考以往研究成果，本文中的企業間合作關系主要依據專利文獻中的申請人（專利權人）信息確定：若申請人為企業（剔除申請人包含或全部為高校、科研院所和政府單位的數據）且申請人個數大于等于2，則認為兩個申請人存在合作關系。該階段，篩選后專利數量為C₂=7 976。第三階段，剔除非企業合作（企業與高校、企業與科研院所、企業與政府單位的數據）創新樣本，并進行研發者姓名消歧。最終，樣本確定為614家企業390項合作創新，該階段篩選后的專利數量為C₃=390。

3.2 樣本數據特征

首先，企業合作創新特征。C₁、C₂、C₃分別對應3個階段的合作專利申請數據。由C₁和C₂可看出，企業合作專利申請數僅占總專利申請數的4.3%，說明企業仍以自主研發為主，較少依靠合作創新。其次，“兩帶”企業合作跨區域特征。最終樣本包括“長江經濟帶”企業合作創新320項、“絲綢之路經濟帶”企業合作創新206項。由此可見，相比于“絲綢經濟帶”高新技術企業，“長江經濟帶”企業發展水平更高。其中，我國西南地區中，四川、重慶、云南、廣西等省（市）既屬于“長江經濟帶”又屬于“絲綢之路經濟帶”。

對比“兩帶”企業合作情況發現，經濟帶內合作比例高于跨經濟帶合作比例，即企業傾向于尋找同經濟帶伙伴進行合作創新。處于同一經濟帶的企業不用擔心地理距離，能夠高效進行信息交流和資源共享，故經濟帶內企業合作研發活動頻繁。相比于“絲綢之路經濟帶”，位于“長江經濟帶”的企業合作創新比例更高，主要體現為經濟帶內跨省（市區）合作。近年來，“長江經濟帶”人力、土地、資本、技術、數據等要素資源加速流動，促進經濟帶內企業合作創新。相對于“長江經濟帶”，“絲綢之路經濟帶”產業結構仍以傳統資源型產業為主，導致“絲綢之路經濟帶”企業合作創新需求有限（見圖2）。

3.3 變量選擇

3.3.1 因變量

本文主要采用專利引用次數和專利分類號測度合作企業探索式創新績效與利用式創新績效。首先，觀測年內，在企業每年申請專利所引用的專利中，如果被引用專利在前5年內沒有被引用過，則判斷為新引用專利。其次，若企業某條專利分類號代表的技術領域在前5年申請的專利中沒有出現過，則判斷為探索式創新，反之為利用式創新。由于國內專利引用關系較少，本文采取第二種方式測量企業合作創新產出。因此，如果某技術領域在企業i、j中均未出現過，則為探索式創新，其余為利用式創新^[39]。同時，企業i、j合作申請的某專利主分類號前4位代碼所代表的技術領域若在申請年之前的5年內企業i、j申請的所有專利中均未出現過，則為探索式創新，反之為利用式創新^[24]。企業合作探索式創新產出為企業申請年之前的5年內從未申請過該分類號的專利數量，企業合作利用式創新產出則為已申請過該分類號的專利數量。

3.3.2 自變量

關鍵研發者參與比例，即關鍵研發者在企業合作創新團隊中參與比例，具體計算方法如下：首先，對390項企業合作創新所涉及的研發者進行初步篩選（剔除非技術出身的CEO并對研發者進行姓名消歧等）。其次，初篩各合作企業研發者專利數據，并對其進行排序。一般來說，2.4%為關鍵研發者數量的最大范圍^[40]，本文將前1.5%的研發者作為關鍵研發者。再次，為確保研究樣本的可靠性，本文采用多層次交叉方法對關鍵研發者進行驗證，以專利引用次數、專利權利聲明個數、申請時間到授權時間間隔等指標加權專利數量后，所得到的排名并沒有顯著改變。最后，搜索關鍵研發者相關報道，結果發現，幾乎都參與過企業重大研發或技術革新項目，并獲得過省市級重大技術獎項。上述結果說明，本文關鍵研發者識別方法可靠，具體計算方法為合作研發團隊中關鍵研發者數占所有研發者數的比值。例如，某條專利由公司1和公司2合作完成，總共X₁+X₂人參與研發，關鍵研發者數為X₁₂，則關鍵研發者參與比例為X₁₂/（X₁+X₂）。

3.3.3 調節變量

（1）地理鄰近性。一般來說，地理鄰近性測量方法有兩種：一種是通過創新主體間的空間距離與交通時間衡量地理鄰近性；另一種是通過區域間距離、火車運行時間及邊界是否相鄰測量區域間的地理鄰近性。由于本文樣本涉及省內企業合作，利用火車運行時間或邊界進行測量不現實。因此，參考Hong^[41]的研究成果，本文以創新主體間的球面距離衡量地理鄰近性，如式（1）（2）所示。

其中，?為系數6 371，dist_ij代表創新主體間的距離，lat_i、lat_j為企業i、j緯度，long_i、long_j為企業i、j經度，企業經緯度信息通過高德地圖獲取；Geo_ij為創新主體間的地理鄰近性，取值范圍為（0，1]，越接近0地理鄰近性程度越低，反之亦然。

（2）社會鄰近性。通常情況下，根據合作創新企業先前的合作關系衡量社會鄰近性。本文將社會鄰近性定義為合作企業前5年合作專利申請次數。

（3）技術鄰近性。技術鄰近性能夠反映合作創新企業間技術基礎或經驗的重疊程度。參考Jaffe等^[42]的方法，本文采用國際專利分類標準中8大類劃分法劃分技術類別，計算公式如式（3）所示。

其中，f_ik、f_jk分別為企業i、j在第k類專利中的專利申請數量。

3.3.4 控制變量

（1）關鍵研發者知識范圍。關鍵研發者知識范圍不僅能夠決定其創造力受“路徑依賴”限制的程度，而且可以決定在知識創造過程中與其他研發者的交流效果。本文采用關鍵研發者在申請年之前申請的所有專利中不同IPC個數衡量。

（2）合作方數量。合作企業數量越多，各方利益目標協調難度越高，進而影響創新產出。該變量在數值上等于專利申請人著錄項中的合作企業個數^[2]。

（3）創新規模接近性。若合作企業創新實力不對等，就會導致合作中的地位沖突，不利于合作企業共同承擔探索式創新風險。參考向希堯等^[43]的方法，本文中的創新規模接近性測算公式如式（4）所示。

其中，n_i、n_j為企業i、j在申請年之前的專利申請總數。創新規模接近性取值介于0～1之間，越接近1，合作企業間的實力差距越大。

（4）創新知識寬度。技術知識類別越多，合作創新中涉及的知識寬度越大，創新成果越新穎，越傾向于探索式創新。參照以往文獻，本文采用基于企業合作專利中的子分類號個數測度創新知識寬度。

（5）創新發生時間為2008年之后。以往研究認為，在不同時間點，由于外部環境不同，企業創新合作行為也存在差異。已有研究采用專利申請年份衡量創新時間，本文選取2004—2019年企業合作專利數據，以發生在金融危機前后作為控制因素，引入合作創新發生時間“2008年之后”作為控制變量。該變量為類別變量，即合作創新發生在2008年之后為1，發生在2008年之前或2008年則為0。

（6）高新技術密集行業。不同行業創新產出不同，因此，本文在模型中引入行業控制變量，以考察企業合作申請專利的分類號著錄項，并以主分類號為基礎，將專利所屬行業類別（大類）劃定為企業合作創新所屬行業類別。一般專利所屬行業類別分為8個大類，若專利分類號為A、D、E、F，則將企業合作創新所屬行業值設置為0，代表一般技術行業（參照類）；若專利分類號為C、G、H，則將企業合作創新所屬行業值設置為1，代表高新技術密集行業^[3]。

3.4 統計分析方法

根據因變量的數值特征，選擇負二項回歸模型進行分析。為了確保結果的穩健性和可靠性，在使用模型時，以合作創新的第一參與企業所在省份進行聚類，描述性統計結果與相關性分析結果如表1所示。本文通過計算方差膨脹因子（VIF）進一步對各回歸模型進行多重共線性分析，結果顯示，所有模型變量的VIF值均不超過3，可以排除各變量間存在共線性的可能。

3.5 假設分析

表2為負二項模型回歸結果。其中，模型1～5的因變量為合作企業利用式創新產出，模型6～10的因變量為合作企業探索式創新產出。模型1和模型6僅包含控制變量，其中大部分控制變量對因變量具有顯著影響。結合模型1和模型6可以發現，關鍵研發者知識范圍與利用式創新產出、探索式創新產出顯著正相關，說明關鍵研發者的知識領域越廣，對自身已有知識的理解和運用，以及新知識探索與整合越有益。高新技術密集行業對利用式創新產出存在顯著負向影響，而對探索式創新產出具有顯著正向影響，說明處于技術創新較為活躍的行業，有利于企業在合作創新中突破已有框架，探索新的技術知識。合作方數量對利用式創新產出具有顯著負向影響，說明合作創新參與企業越多，對已有技術知識加以利用的難度越大。由此，只有對全新領域進行探索，才能滿足各方利益需求。創新規模接近性對探索式創新產出具有顯著負向影響，驗證了以往研究結論。

模型2和模型7引入關鍵研發者參與比例。模型2結果表明，關鍵研發者參與比例對合作企業利用式創新產出具有顯著正向影響（β=1.39，p<0.01）；模型7結果表明，關鍵研發者參與比例對合作企業探索式創新產出具有顯著負向影響（β=-1.74，p<0.01）。上述結論與孫笑明等^[3]的研究結論一致。此外，本文將調節變量及其與自變量的交互項引入模型，并作去中心化處理。

模型3和模型8引入地理鄰近性及其與關鍵研發者參與比例的交互項。模型3結果表明，該交互項對合作企業利用式創新產出具有顯著正向影響（β=4.86，p<0.01）。因此，地理鄰近性在關鍵研發者參與比例與利用式創新產出間發揮正向調節作用，H_1a得到驗證；模型8結果表明，該交互項對合作企業探索式創新產出具有正向影響但不顯著（β=6.33，p>0.05），H_1b未得到驗證。

模型4和模型9引入社會鄰近性及其與關鍵研發者參與比例的交互項。模型4結果表明，該交互項對合作企業利用式創新產出存在顯著正向作用（β=0.04，p<0.01）。因此，社會鄰近性在關鍵研發者參與比例與利用式創新產出間發揮正向調節作用，H_2a得到驗證；模型9結果表明，該交互項對合作企業探索式創新產出存在負向作用但不顯著（β=-0.01，p>0.1），H_2b未得到驗證。

模型5和模型10引入技術鄰近性及其與關鍵研發者參與比例的交互項。模型5結果表明，該交互項對合作企業利用式創新產出具有顯著正向影響（β=2.17，p<0.05）。因此，技術鄰近性在關鍵研發者參與比例與利用式創新產出間發揮正向調節作用，H_3a得到驗證；模型10結果表明，該交互項對合作企業探索式創新產出具有顯著負向影響（β=-1.9，p<0.01），表明隨著技術鄰近性程度提高，關鍵研發者參與比例對探索式創新產出的負向影響增強。因此，技術鄰近性在關鍵研發者參與比例與探索式創新產出間發揮正向調節作用，H_3b得到驗證。

圖3反映合作企業創新區域在關鍵研發者參與比例與利用式創新及探索式創新產出間的調節效應。由圖3（a）可知，較高地理鄰近性的回歸線較陡。上述結果說明，地理鄰近性正向調節關鍵研發者參與比例與利用式創新產出的關系（H_1a），即當關鍵研發者參與比例提高時，地理鄰近性程度較高的企業間合作容易獲得高水平利用式創新產出。由圖3（b）可知，較高社會鄰近性的回歸線較陡。上述結果說明，社會鄰近性程度越高，由關鍵研發者參與比例提高引起的利用式創新產出越多，即社會鄰近性正向調節關鍵研發者參與比例與利用式創新產出的關系（H_2a）。由圖3（c）可知，較高技術鄰近性的回歸線較陡。上述結果說明，技術鄰近性程度越高，由關鍵研發者參與比例提高引起的利用式創新產出越多，即技術鄰近性正向調節關鍵研發者參與比例與利用式創新產出的關系（H_3a）。由圖3（d）可知，當因變量為探索創新時，同樣表現出技術鄰近性程度越高，回歸線越陡。上述結果說明，技術鄰近性程度越高，由關鍵研發者參與比例提高引起的探索式創新產出越少，即技術鄰近性負向調節關鍵研發者參與比例與探索式創新產出的關系（H_3b）。

3.6 內生性分析與穩健性檢驗

由于模型可能存在內生性問題，參考Lewbel^[44]基于異方差的識別技術，本文構建工具變量，具體過程如下：首先，利用內生變量關鍵研發者參與比例對其它控制變量進行回歸，得到殘差?^，并對該方程進行BP異方差檢驗，結果存在顯著異方差，滿足使用該方法的基本條件。其次，選取變量高新技術密集行業作為外生變量Z^，構建工具變量Z^=?^*Z－EZ。最后，進行2SLS回歸。第一階段，采用內生性變量關鍵研發者參與比例對工具變量Z^進行回歸，得到擬合值。結果顯示，關鍵研發者參與比例與其工具變量顯著正相關，驗證了工具變量的有效性。第二階段，利用被解釋變量對第一階段得到的擬合值進行回歸，假設驗證結果與上文無顯著差異，表明結論具有穩健性。

由于兩個因變量均為非負計數變量且包含較多零值，因而本文進一步使用零膨脹泊松回歸模型進行分析，以檢驗研究結果的可靠性和穩定性。此外，本文在原模型中加入合作企業是否擁有共同的第三方合作伙伴作為控制變量，結果無顯著變化。由此，研究結論具有穩健性。

4 進一步討論

關鍵研發者具有突出的技術能力和較高的外部聲譽，能夠控制組織間的關鍵資源。此外，關鍵研發者所處內部合作網絡特征也會影響企業合作創新成果。為了進一步分析關鍵研發者在企業內部創新合作網絡中對合作企業創新的影響，本文在模型中加入關鍵研發者度中心性（度量關鍵研發者在創新合作網絡中占據中心位置的程度）和關鍵研發者占據結構洞數量（度量研發者間的非冗余關系），結果發現，多維鄰近性的調節效應并未發生改變，如表3所示。然而，關鍵研發者度中心性對合作企業利用式合作創新產出具有正向影響，但對探索式創新產出無影響。原因可能在于，關鍵研發者度數中心性越高，說明其在合作網絡中處于越中心的位置，能夠獲取和整合的網絡資源越多。但需要注意的是，較多的連接不利于其集中精力進行探索式創新。此外，關鍵研發者占據較多的結構洞數量，對兩種創新產出均具有顯著負向影響。關鍵研發者利用自身位置優勢能夠獲取較多的異質性資源，但是這種位置優勢也容易誘發機會主義行為，進而導致所獲取的知識和信息無法被有效整合。

假設H_1b和H_2b未被驗證，原因可能在于：一方面，關鍵研發者對企業探索式創新的影響主要是基于信號作用的發揮而影響企業間信息不對稱的問題。地理鄰近性能夠降低知識搜索和交流成本，提高信息共享效率，使企業在交流過程中更加了解彼此，從而緩解創新合作中的信息不對稱問題。此時，無論關鍵研發者參與比例是高還是低，其傳遞出的信號都不能夠影響企業合作創新行為。因此，地理鄰近性對關鍵研發者與探索式創新關系的正向調節效應不顯著。另一方面，關鍵研發者通過自身地位影響企業合作創新產出。研發者之間的地位沖突因企業間親近關系以及合作規范性得以緩解，同時企業間社會鄰近性可能使關鍵研發者彼此熟悉。當研發團隊中關鍵研發者參與比例較高時，關鍵研發者傾向于在彼此熟悉的技術領域進行創新。上述情境下，社會鄰近性對于關鍵研發者與探索式創新關系的負向調節效應可能不顯著。

5 結語

5.1 結論

本文基于2004—2019年中國“絲綢之路經濟帶”和“長江流域經濟帶”高新技術企業專利申請數據，得到614家企業390項企業合作創新，并采用負二項回歸模型實證檢驗了多維鄰近性對關鍵研發者參與比例與合作企業利用式創新產出、探索式創新產出關系的調節效應，得到如下結論：

合作企業地理鄰近性、社會鄰近性和技術鄰近性程度越高，關鍵研發者參與比例對合作企業利用式創新的促進作用越顯著。合作企業間地理鄰近性程度越高，信息搜索和溝通成本越低，企業間信任水平越高，關鍵研發者參與比例對企業合作利用式創新產出的促進作用越顯著；合作企業間社會鄰近性程度越高，越能抑制機會主義行為，關鍵研發者參與比例對合作企業利用式創新的促進作用越顯著；合作企業間技術鄰近性程度越高，關鍵研發者投入比例越高，知識交流越順利，關鍵研發者參與比例對合作企業利用式創新的促進作用越顯著。同時，合作企業間技術鄰近性程度越高，關鍵研發者投入比例越高，知識重疊度越高，不利于異質性知識獲取與交流，關鍵研發者參與比例對合作企業探索式創新產出的抑制作用越顯著。

5.2 理論貢獻

（1）以往相關研究大多數聚焦企業層面，較少關注個體和組織層面。本文考慮多維鄰近性的影響，將其與關鍵研發者參與比例結合，探討個體和企業層面交互作用對企業合作創新的影響，進一步探討多維鄰近性在企業合作創新層面的作用機制，以期為多維鄰近性與企業合作創新關系研究提供新的視角。

（2）本文將合作創新成果劃分為探索式創新產出和利用式創新產出，豐富了合作創新成果度量方法，拓展了探索式創新與利用式創新應用領域，同時為深入理解多維鄰近性對合作創新成果的影響提供新思路。

5.3 實踐啟示

（1）合作企業間地理距離影響關鍵研發者參與比例對合作創新產出的作用機制，因而應幫助企業更好地選擇合作伙伴，從而維持自身競爭優勢。若合作企業間地理距離較近，容易造成知識泄漏，合作雙方可以借助知識產權保護政策維護合作關系，進而避免因合作研發失敗導致創新資源浪費。由此，為促進探索式創新，政府應通過制定相應的政策促進企業交流與合作，解決一系列關鍵技術難題。同時，擴大技術知識整合范圍，加強各經濟區域的溝通與聯系，從而促進產業技術轉型升級^[3]。

（2）為抑制創新合作過程中的知識獨占和“搭便車”行為，焦點企業可以選擇社會關系較為廣泛的合作伙伴，確保創新合作順利開展。其原因在于：創新合作中，關鍵研發者比例較高容易造成地位沖突，企業間的社會關系能夠緩解沖突，促進研發人員互助和交流，提升合作關系的穩定性，進而幫助企業高效實現合作目標。此外，合作經驗豐富的企業具有一定的信任基礎，其探索式創新或利用式創新成功率較高，有利于形成企業合作創新的良性循環。

（3）當預期實現探索式創新目標，但關鍵研發者比例較低時，焦點企業可以選擇與自身技術知識相似性程度較低的合作伙伴。當預期實現利用式創新目標時，焦點企業可以選擇與自身技術領域相似的合作伙伴合作，其原因在于：企業間技術鄰近性導致創新合作中的知識替代性較強，關鍵研發者在相似知識領域的激烈競爭使其知識搜索范圍受限，從而導致企業獲得長期創新收益的信心不足。

5.4 不足與展望

（1）本文研究樣本信息為專利數據信息，忽略了創新主體其它特征及聯系。例如，創新主體企業是國有企業還是民營企業？創新企業主體的管理者之間存在哪些共性？創新主體所處行業關系如何（是否為上下游企業）？創新主體之間是否有過接觸？因此，有必要進一步探討上述因素差異對合作創新產出的影響。

（2）本文選取“兩帶”高新技術企業專利數據，而“絲綢之路經濟帶”創新活動較少，所能提取的合作創新關系數量有限，研究樣本量較少，側面反映出促進跨區域企業合作創新的緊迫性和必要性。

（3）已有研究表明，地理、社會和技術鄰近性在合作創新中存在替代效應或互補效應^[45]。本文僅考察了多維鄰近性在關鍵研發者與合作創新間的調節效應。未來需進一步探究多維鄰近性對關鍵研發者與企業二元創新關系的影響是否具有替代效應或互補效應。

（4）關鍵研發者個體特征在關鍵研發者與企業二元創新間可能發揮一定的作用，進而影響多維鄰近性調節作用的發揮。本文缺少關鍵研發個體特征信息，未來可以通過訪談、問卷調查方式收集此方面的數據，并進行深入探究。

參考文獻：

[1] HSU D H， ZIEDONIS R H. Resources as dual sources of advantage：implications for valuing entrepreneurial-firm patents[J].Strategic Management Journal， 2013， 34 （7）：761-781.

[2] 吳寧，馬志強，朱永躍， 等. 我國科技型小微企業合作研發現狀實證研究[J].科技進步與對策， 2018， 35（19）：82-87.

[3] 孫笑明，楊新蒙，王巍， 等. 企業間合作創新產出類型可預期嗎——基于關鍵研發者的作用[J].中國科技論壇， 2020，36（12）：76-85.

[4] RSENKOPF L， NERKAR A. Beyond local search： boundary-spanning， exploration， and impact in the optical disk industry[J].Strategic Management Journal， 2001， 22（4）： 287-306.

[5] ZUCKER L G， DARBY M R， TORERO M. Labor mobility from academe to commerce[J].Journal of labor economics， 2002， 20 （3）： 629-660.

[6] AZOULAY P， GRAFF ZIVIN J S， WANG J. Superstar extinction[J].The Quarterly Journal of Economics，2010， 125（2）： 549-589.

[7] GROYSBERG B， LEE L E. Hiring stars and their colleagues： exploration and exploitation in professional service firms[J].Organization science， 2009， 20（4）： 740-758.

[8] HESS A M， ROTHAERMEL F T. When are assets complementary？ star scientists， strategic alliances， and innovation in the pharmaceutical industry[J].Strategic Management Journal， 2011， 32（8）： 895-909.

[9] 湯小莉， 田高良， 孫笑明， 等. 占據合作網絡切割點位置與關鍵研發者創造力[J].系統工程理論與實踐， 2016， 36（12）： 3152-3163.

[10] LIN H E， MCDONOUGH III E F. Cognitive frames， learning mechanisms， and innovation ambidexterity[J].Journal of Product Innovation Management， 2014， 31： 170-188.

[11] ARIKAN A T. Inter-firm knowledge exchanges and the knowledge creation capability of clusters[J].Academy of Management Review， 2009， 34（4）： 658-676.

[12] HANSEN M T. The search-transfer problem： the role of weak ties in sharing knowledge across organization subunits[J].Administrative Science Quarterly， 1999， 44（1）： 82-111.

[13] GUAN J，LIU N.Exploitative and exploratory innovations in knowledge network and collaboration network： a patent analysis in the technological field of nano-energy[J].Research Policy， 2016， 45（1）： 97-112.

[14] CHENG J T， TRACY J L， FOULSHAM T， et al. Two ways to the top： evidence that dominance and prestige are distinct yet viable avenues to social rank and influence[J].Journal of Personality & Social Psychology， 2013， 104（1）： 103-125.

[15] SMITH S M， WARD T B， SCHUMACHER J S. Constraining effects of examples in a creative generation task[J].Memory & Cognition， 1993， 21（6）： 837-845.

[16] BOSCHMA R A.Proximity and innovation：a critical assessment[J].Regional Studies， 2005， 39 （1） ：61-74.

[17] KNOBEN J， OERLEMANS L A G. Proximity and inter-organizational collaboration：a literature review[J].Inter-national Journal of Management Reviews， 2006， 8 （2） ：71-89.

[18] 余謙， 白夢平， 覃一冬. 多維鄰近性能促進中國新能源汽車企業的合作創新嗎[J].研究與發展管理， 2018， 30（6）： 67-74.

[19] 李琳， 熊雪梅. 多維鄰近性在集群外部知識獲取與創新中的作用機制分析[J].科技進步與對策， 2012， 29（21）： 130-134.

[20] 殷存毅， 劉婧玥. 所有制區隔與跨域合作創新——基于2005—2015京、滬、深三大城市專利數據分析[J].中國軟科學， 2019（1）： 82-97.

[21] SONN J W， STORPER M. The increasing importance of geographical proximity in knowledge production： an analysis of US patent citations， 1975—1997[J].Environment and Planning A ， 2008， 40： 1020-1039.

[22] PETRUZZELLI A M. The impact of technological relatedness， prior ties， and geographical distance on university-industry collaborations： a joint-patent analysis[J].Technovation， 2011， 31（7）： 309-319.

[23] 毛磊， 謝富紀， 凌峰. 多維鄰近視角下跨區域協同創新影響因素實證研究[J].科技進步與對策， 2017， 34（8）：37-44.

[24] GILSING V， NOOTEBOOM B， VANHAVERBEKE W， et al. Network embeddedness and the exploration of novel technologies： technological distance， betweenness centrality and density[J].Research Policy， 2008， 37（10）： 1717-1731.

[25] 劉鳳朝， 鄔德林， 馬榮康. 專利技術許可對企業創新產出的影響研究—三種鄰近性的調節作用[J].科研管理， 2015， 36（4）： 91-100.

[26] PONCE C . Knowledge disclosure as intellectual property rights protection[J].Journal of Economic Behavior & Organization， 2011：80（3）：418-434.

[27] CAPALDO G， ZOLLO G. IT and competence in the framework of the learning organization[J].Journal of Information Technology Case and Application Research， 2002， 4（2）： 1-5.

[28] BELL G G， ZAHEER A. Geography， networks， and knowledge flow[J].Organization Science， 2007，? 18（6）：955-972.

[29] GERTLER M S. Tacit knowledge and the economic geography of context， or the undefinable tacitness of being （there）[J].Journal of Economic Geography， 2007（1）：75-99.

[30] POUDER R， ST. JOHN C H. Hot spots and blind spots： geographical clusters of firms and innovation[J].Academy of Management Review， 1996， 21（4）：1192-1225.

[31] PROFF S， BRENNER T. The dynamics of inter-regional collaboration： an analysis of co-patenting[J].The Annals of Regional Science， 2014， 52（1）：41-64.

[32] WHITENER E M， BRODT S E， KORSGAARD M A， et al. Managers as initiators of trust： an exchange relationship framework for understanding managerial trustworthy behavior[J].Academy of Management Review， 1998， 23（3）： 513-530.

[33] BROEKEL T， BOSCHMA R. Knowledge networks in the Dutch aviation industry： the proximity paradox[J].Papers in Evolutionary Economic Geography， 2012， 12（2）：409-433.

[34] BALLAND P A， VAAN M D， BOSCHMA R. The dynamics of inter-firm networks along the industry life cycle：the case of the global video game industry， 1987—2007[J].Journal of Economic Geography， 2013， 13 （5）： 741-765.

[35] BRUNEEL J， D'ESTE P， SALTER A. Investigating the factors that diminish the barriers to university-industry collaboration[J].Research Policy， 2010， 39 （7）： 858-868.

[36] CALLOIS J M. The two sides of proximity in industrial clusters： the trade-off between process and product innovation[J].Journal of Urban Economics， 2008， 63 （1） ：146-162.

[37] 阮平南， 王文麗， 劉曉燕. 技術創新網絡多維鄰近性演化研究——基于IBM專利合作網絡數據[J].科技進步與對策， 2018， 35（8）： 1-7.

[38] FLEMING L， SORENSON O. Technology as a complex adaptive system： evidence from patent data[J].Research Policy， 2001， 30（7）： 1019-1039.

[39] 曾德明， 文金艷. 協作研發網絡中心度， 知識距離對企業二元式創新的影響[J].管理學報， 2015， 12（10）： 1479-1486.

[40] ERNST H， VITT J. The influence of corporate acquisitions on the behaviour of key inventors[J].R&D Management， 2000， 30（2）： 105-119.

[41] HONG W， SU Y S. The effect of institutional proximity in non-local university-industry collaborations： an analysis based on Chinese patent data[J].Research Policy， 2013， 42（2）： 454-464.

[42] JAFFE A B. Technological opportunity and spillovers of R&D： evidence from firms' patents， profits and market value[J].American Economic Review， 1986， 76（5）：984-1001.

[43] 向希堯， 蔡虹， 裴云龍. 跨國專利合作網絡中3種接近性的作用[J].管理科學， 2010， 23（5）： 43-52.

[44] LEWBEL A. Using heteroscedasticity to identify and estimate mismeasured and endogenous regressor models[J].Journal of Business & Economic Statistics， 2012， 30（1）： 67-80.

[45] MOLINA-MORALES F X， GARCIA-VILLAVERDE P M， PARRA-REQUENA G. Geographical and cognitive proximity effects on innovation performance in SMEs： a way through knowledge acquisition[J].International Entrepreneurship and Management Jounal， 2014， 10（2）： 231-251.

（責任編輯：張 悅）

The Moderating Effect of Multi-dimensional Proximity on the Key Inventors

and Dual Innovation of Enterprises：A Research Based on the Patent Data of

High-tech Enterprises in the "Two Belts"

Sun Xiaoming，Wang Chenhui，Yang Xinmeng ，Wang Yalan

（School of Management，Xi'an University of Architecture and Technology， Xi'an 710055，China）

Abstract：The knowledge economy has grown with the continuous development of the world. It is difficult for enterprises to gain market competitiveness? by relying only on their own resources with the changing market and new technologies. Collaborative innovation has become an effective choice for enterprises to reduce R&D costs， risks and gain competitive advantages. The participation ratio of key inventor is an important allocation of innovation resources and it determines the achievements of exploitative innovation or exploratory innovation output. It has been found that in collaborative innovation between enterprises， the higher the proportion of key inventors participants， the more inclined it will be to have exploitative innovation， which is not conducive to exploratory innovation. In addition， the innovation activities of key inventors are embedded in the social relations of the organization and affect the collaborative innovation process between enterprises by influencing knowledge acquisition and flow. Multi-dimensional proximity refers to the similarity of collaborative enterprises in space， social relations and knowledge base， and it affects the knowledge creation process of key inventors embedded in the organization and moderates the relationship between key inventors and enterprise collaboration and innovation. Therefore， this paper explores the moderating mechanism of multidimensional proximity in the participation ratio of key inventors and collaborative innovation output of enterprises.

The patent data of China's Silk Road Economic Belt and the National High-tech Industrial Development Zone （High-tech Zone） located in the Yangtze River Economic Belt is from the China National Intellectual Property Administration， and the data is taken as the sample in the preliminary screening， with 390 qualified partnerships between enterprises selected. The negative binomial regression model is used to analyze the moderating effects of multidimensional proximity on the relationship between key inventor-firm collaborative exploratory and exploitative innovation outputs. The research results show that geographical proximity has a positive and significant impact on the promotion of the proportion of key inventor participants to collaborative innovation. Social proximity is positively and significantly moderating the relationship between the participation ratio of key inventors? and collaborative innovation in enterprises. The closer the proximity of technology is， the greater the promotion effect of the participation ratio of key inventors on collaborative utilization innovation. With the increase of technological proximity， the participation ratio of key inventors has a stronger inhibitory effect on collaborative exploratory innovation.

From the perspective of micro-individual research， this paper combines multi-dimensional proximity with the participation ratio of key inventors， and elaborates the influence of the interaction between individuals and firms on inter-firm collaborative innovation， which enriches the research on the relationship between multi-dimensional proximity and inter-firm innovation cooperation. Different from the previous literature， this paper introduces multi-dimensional proximity as a moderating role， suggesting a new research perspective from multi-dimensional proximity.

The research results have practical significance for enterprises to optimize the external collaborative relationships and effectively allocate human and knowledge resources. Firstly the geographical distance between cooperative enterprises affects the mechanism of the key R&D participation ratio on the output of cooperative innovation， and this conclusion is helpful for enterprises to better seek partners and develop systems; secondly， in order to reduce knowledge monopolization and free riding in innovation cooperation， focal enterprises could choose partners with more social relations to ensure the smooth completion of innovation cooperation. Finally， when the innovation cooperation project is expected to make exploratory innovation， but the proportion of key R&D staff is small， the focal enterprise can choose partners with low similarity in their technical knowledge. When exploitative innovation is expected to be achieved， the focal enterprises can choose partners with similar technology fields for cooperation.

The research is subjective to a number of limitations， for it only takes patent data of innovation cooperation in the "Two Belts"， and the number of research samples is small. In addition，it is necessary to further explore if the influence of multi-dimensional proximity on the binary cooperative innovation relationship between key R&D makers and enterprises has a substitutive or complementary effect. Finally， the individual characteristics of key inventors may play a certain role in the dual innovation between key researchers and enterprises， and it is worthy of further study.

Key Words：Key Inventor;Enterprise Cooperative Innovation; Exploratory Innovation; Exploitative Innovation; Multi-dimensional Proximity