基于二模ERGM模型的企業(yè)技術創(chuàng)新行為同群效應研究
——以5G通訊技術領域為例

王崇鋒,孔 雯

(1.青島大學 商學院,山東 青島 266000;2.中國科學院 信息工程研究所,北京100093)

0 引言

2021年《中華人民共和國國民經濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》指出,我國經濟已轉向高質量發(fā)展階段,制度優(yōu)勢顯著,治理效能提升,經濟長期向好,物質基礎雄厚,人力資源豐富,市場空間廣闊,發(fā)展韌性強勁,社會大局穩(wěn)定,繼續(xù)發(fā)展具有多方面優(yōu)勢和條件。同時,我國發(fā)展不平衡不充分問題仍然突出,重點領域關鍵環(huán)節(jié)改革任務仍然艱巨,創(chuàng)新能力不適應高質量發(fā)展要求。李克強總理在第十三屆全國人民代表大會第四次會議上所作的政府工作報告中進一步指出,我國需要加強關鍵核心技術攻關。隨著企業(yè)創(chuàng)新主體地位不斷提升,如何優(yōu)化其技術創(chuàng)新領域選擇,成為學界與實務界共同關注的重點。

事實上,國內外學者針對企業(yè)技術創(chuàng)新進行了大量研究,尤其是企業(yè)在技術創(chuàng)新過程中的投入產出與影響因素。例如,Greve[1]對企業(yè)績效與企業(yè)研發(fā)強度的關系開展研究;Jefferso等[2]、吳延兵[3]、聶輝華等[4]針對企業(yè)所有制與企業(yè)創(chuàng)新效率的關系進行探索;Gayle[5]、范德成等[6]對市場集中度與企業(yè)研發(fā)投入的關系開展研究;Li&Atuahene[7]、曾卓然等[8]、陳紅等[9]針對制度支持與企業(yè)創(chuàng)新有效性的關系進行分析;Antonioli等[10]、肖仁橋等[11]針對企業(yè)規(guī)模與企業(yè)技術創(chuàng)新研究成果經濟轉化效率的關系進行探討。近年來,關于這一問題的探討由企業(yè)個體維度、產業(yè)維度、制度維度拓展至企業(yè)群體維度,學者們開始關注企業(yè)間各類關系的相互影響及所形成的同群效應[12]。同群效應是指同一群體企業(yè)中個體企業(yè)因企業(yè)間關系的影響,其行為結果發(fā)生改變的情形(Manski,1993)。彭鎮(zhèn)等[13]、馮戈堅等[14]認為,企業(yè)可以通過觀察群體內其它企業(yè)了解技術創(chuàng)新潛在市場需求與創(chuàng)新成本,進而優(yōu)化自身創(chuàng)新決策。部分研究基于地理鄰近性與社會鄰近性視角發(fā)現(xiàn),地理距離通過促進信息空間外溢形成同群效應(Bandura等,1977;Becattini,1990;Furman 等,2002),而社會距離通過促進企業(yè)間信息交流(Coleman,1988;Walker等,1997)形成同群效應。

然而,對于企業(yè)技術領域選擇等技術創(chuàng)新行為而言,企業(yè)技術創(chuàng)新過程中的同群效應并不總是積極的[13,15-17]。Pretterner&Werner等(2016)指出,盲目模仿其它企業(yè),過度關注短期內市場需求,可能會導致企業(yè)喪失具有實際價值的技術機會,不利于企業(yè)長期發(fā)展。目前,針對企業(yè)技術創(chuàng)新行為同群效應的研究鮮見。此外,在方法層面,現(xiàn)有文獻大多基于關系視角并采用線性均值模型開展研究[13-17]。這種以節(jié)點為中心的建模思路忽略了由關系聚合形成的網絡以及網絡中各類內生結構的影響。企業(yè)技術領域選擇作為一種社會選擇(Social Selection),是個體特征與網絡特征共同作用的結果[18],但線性均值模型只考慮個體特征,未考慮網絡結構帶來的影響。指數(shù)隨機圖模型(ERGM)是以網絡為中心的建模方法,能夠通過控制網絡中各類閉包和星型結構,解決線性均值模型無法解決的因網絡內生結構帶來的偏差問題。近年來,ERGM模型被廣泛應用于企業(yè)技術創(chuàng)新研究,尤其是對各類單模、雙模技術創(chuàng)新網絡演化機制的探討。例如,段慶峰等[19]基于靜態(tài)角度,采用ERGM模型研究企業(yè)間技術距離對二元合作關系的影響;王海花等[20]基于動態(tài)角度,采用ERGM模型研究城市間鄰近性特征對長三角城市群不同發(fā)展階段協(xié)同創(chuàng)新網絡的差異化影響。然而,鮮有學者將其應用于企業(yè)技術創(chuàng)新行為同群效應影響因素研究。因此,鑒于我國5G通訊技術領域企業(yè)數(shù)量及企業(yè)間的社會聯(lián)系較多,且企業(yè)技術創(chuàng)新行為及專利成果豐富(閆海波等,2020),本文以我國5G通訊技術領域為例,采用ERGM模型進一步探討地理鄰近性與社會鄰近性對企業(yè)技術創(chuàng)新行為同群效應的影響。

本文可能的貢獻如下:首先,將技術創(chuàng)新領域選擇這一行為變量納入研究框架,進一步豐富同群效應研究對象。其次,采用ERGM模型探討地理鄰近性與社會鄰近性對企業(yè)技術創(chuàng)新行為同群效應的直接影響及交互影響,能夠解決線性均值模型因未考慮網絡內生影響所導致的偏差問題。

1 理論基礎與研究假設

AMC(Awareness-Motivation-Capability)模型是Chen(1996)在信息加工理論的基礎上提出的,他認為覺察(A)、動機(M)及能力(C)是企業(yè)競爭行為的關鍵驅動因素。此后,這一模型成為動態(tài)競爭研究領域的經典理論框架。動態(tài)競爭將企業(yè)間競爭行為視為攻擊與回應的交替行為,以長期動態(tài)視角研究企業(yè)間競爭(Porter,1980)。面對競爭,企業(yè)不僅可以采取錯位競爭策略這種針對不同市場的競爭回應方式,而且可以通過模仿對相同市場進行競爭回應。企業(yè)技術創(chuàng)新行為的同群效應實質上是企業(yè)通過模仿其它企業(yè)技術創(chuàng)新領域選擇方式,提升自身在共同市場中的份額,從而加快自身發(fā)展的動態(tài)過程[13]。因此,本文利用AMC模型研究企業(yè)技術創(chuàng)新行為同群效應,探討地理鄰近性、社會鄰近性對覺察、動機和能力的影響,由此提出相應的理論假設。

1.1 地理鄰近性對企業(yè)技術創(chuàng)新行為同群效應的影響

地理鄰近性是指企業(yè)間實際空間距離的相近程度。從覺察角度看,企業(yè)能夠從相同地區(qū)其它企業(yè)中獲取公開信息。一方面,基于有限的注意力,企業(yè)容易觀察到地理鄰近的其它企業(yè)[15],這種直接觀察的方式能夠為企業(yè)提供便利的公開信息獲取途徑。另一方面,由于相同地區(qū)企業(yè)面臨相同的本地市場,因而企業(yè)需要提高自身競爭力以獲得更多市場份額。這種競爭需求促使企業(yè)通過密切觀察其它企業(yè)技術創(chuàng)新行為,獲取競爭所需的信息(Haleblian 等,2012)。因此,企業(yè)可以通過廣泛的信息獲取為自身技術創(chuàng)新行為調整提供重要依據(jù),進而為模仿其它企業(yè)技術創(chuàng)新行為提供先決條件。

從動機角度看,企業(yè)需要根據(jù)技術創(chuàng)新行為產生的經濟效益信息制定創(chuàng)新決策,而較短的地理距離能夠為企業(yè)提供良好的信息獲取途徑。這是因為較短的地理距離促使不同企業(yè)員工間產生廣泛的非正式聯(lián)系,基于非正式聯(lián)系的信息傳遞方式是經濟效益信息獲取的重要渠道[21]。相較于企業(yè)層面的信息傳遞方式,員工間非正式交流能夠避免繁瑣的報告流程,能夠在一定程度上解決經濟效益信息獲取過程中的時滯性問題(Singh,2005),也有助于提高信息的真實性。因此,地理鄰近企業(yè)通過員工間非正式交流獲取技術創(chuàng)新行為的經濟效益信息,在降低信息獲取成本的同時,能夠確保信息的實用價值。當同群企業(yè)技術創(chuàng)新行為產生較高的經濟收益時,企業(yè)傾向于采取相似的技術創(chuàng)新行為。

從能力角度看,企業(yè)對相同地區(qū)企業(yè)的模仿效率更高。這是因為在同一地方政策的影響下,相同地區(qū)企業(yè)具有相似的發(fā)展特征[22],意味著同一地區(qū)企業(yè)技術創(chuàng)新行為可能符合企業(yè)自身發(fā)展要求。在替代學習理論的作用機制下,與自身條件相似的企業(yè)能夠提供更有價值的信息,企業(yè)對于上述企業(yè)具有更強的模仿意愿[15],因而企業(yè)模仿效率得以提升。因此,企業(yè)在模仿相同地區(qū)企業(yè)技術創(chuàng)新行為時效率更高,模仿能力得以提升,進而激發(fā)企業(yè)技術創(chuàng)新行為的同群效應。

基于以上分析,本文提出如下假設:

H1:地理鄰近性對企業(yè)技術創(chuàng)新行為同群效應具有正向影響。

1.2 社會鄰近性對企業(yè)技術創(chuàng)新行為同群效應的影響

社會鄰近性可以通過企業(yè)間是否存在合作關系加以界定。Greve[1]認為,企業(yè)在進行技術創(chuàng)新模仿時,除受到地理機制的影響外,還受到合作機制的影響。

從覺察角度看,基于企業(yè)間合作關系建立的信任能夠促進企業(yè)隱性信息獲取。一方面,Ghoshal等(1994)認為,根據(jù)企業(yè)間直接合作關系構建的社會網絡對于復雜且不易編碼的隱性信息轉移具有促進作用,意味著直接合作關系可為企業(yè)提供隱性信息獲取渠道。另一方面,在隱性信息獲取過程中,機會主義行為會導致?lián)碛须[性知識的企業(yè)警惕性提升。Boschma(2005)認為,企業(yè)間直接合作關系能夠提升雙方信任度,抑制信息交流過程中的機會主義行為,增強企業(yè)信息交流意愿。因此,企業(yè)可以通過合作關系獲取其它企業(yè)技術創(chuàng)新相關隱性信息,了解其采取的競爭策略,進而對自身技術創(chuàng)新決策進行調整。

從動機角度看,直接合作關系能夠深化企業(yè)對其它企業(yè)技術創(chuàng)新行為所產生的經濟效益認知。這是因為基于企業(yè)間合作關系的交流模式能夠促使雙方關系更加穩(wěn)固,促進企業(yè)間交流(劉景東等,2019),從而緩解企業(yè)與市場之間普遍存在的信息不對稱問題[23]。企業(yè)通過與合作企業(yè)交流,能夠廣泛獲取其技術創(chuàng)新決策信息。若某一技術創(chuàng)新行為被其它企業(yè)廣泛選擇并能夠產生較高的經濟效益,則意味著該技術創(chuàng)新行為可以滿足市場需求[24]。因此,企業(yè)傾向于選擇該技術創(chuàng)新行為,由此激發(fā)企業(yè)技術創(chuàng)新行為的同群效應。

從能力角度看,基于企業(yè)間廣泛的合作關系,企業(yè)能夠提高信息理解與鑒別能力。一方面,合作關系能夠促進企業(yè)間相互交流,有助于企業(yè)在交流過程中了解其它企業(yè)采取技術創(chuàng)新行為的真實意圖[25],進而深化對其它企業(yè)技術創(chuàng)新行為的理解。另一方面,企業(yè)間廣泛的交流可為企業(yè)信息鑒別提供更多機會(劉曉燕等,2020),幫助企業(yè)篩選出真實可靠的有用信息。因此,鑒于信息理解和鑒別能力提升,企業(yè)對于其它企業(yè)技術創(chuàng)新行為具有更強的模仿意愿。

基于以上分析,本文提出如下假設:

H2:社會鄰近性對企業(yè)技術創(chuàng)新行為同群效應具有正向影響。

1.3 地理鄰近性與社會鄰近性的交互作用對企業(yè)技術創(chuàng)新行為同群效應的影響

地理鄰近性、社會鄰近性可能對企業(yè)技術創(chuàng)新行為同群效應產生交互影響。從覺察角度看,企業(yè)除通過觀察相同地區(qū)其它企業(yè)獲取信息外,還可以借助相同地區(qū)企業(yè)間的合作關系獲取信息。換言之,企業(yè)可以通過直接觀察獲得其它企業(yè)的公開信息,而基于直接合作關系形成的信任有助于企業(yè)隱性信息獲取。因此,位于相同地區(qū)并存在合作關系的企業(yè)能夠提供更全面的信息,從而為企業(yè)調整自身技術創(chuàng)新行為提供依據(jù)(Adhikari等,2018)。

從動機角度看,企業(yè)可以通過短距離信息傳播以及基于合作關系的廣泛交流了解其它企業(yè)技術創(chuàng)新行為所產生的經濟效益。相同地區(qū)企業(yè)員工間的非正式聯(lián)系可為企業(yè)了解同地區(qū)企業(yè)技術創(chuàng)新行為所產生的經濟效益提供良好的渠道,合作關系有助于緩解企業(yè)間信息不對稱問題,進一步彌補企業(yè)對此類信息認知的不足。因此,相同地區(qū)與合作關系帶來的優(yōu)勢有助于企業(yè)對技術創(chuàng)新行為所產生的經濟效益形成高水平認知[26],促使企業(yè)對能夠產生較高經濟效益的技術創(chuàng)新行為進行模仿。

從能力角度看,企業(yè)除具有因地理鄰近獲得的較高模仿效率外,還具有較強的信息理解與鑒別能力。一方面,處于相同本地市場的企業(yè)在替代學習理論機制下會強化自身模仿意愿,進而提高模仿效率與模仿能力。另一方面,基于合作關系的廣泛交流能夠加深企業(yè)對其它企業(yè)技術創(chuàng)新行為的理解并為企業(yè)信息鑒別提供良好的途徑。因此,由地理鄰近與社會鄰近帶來的企業(yè)模仿效率、信息理解能力和鑒別能力提升,能夠促進企業(yè)對同地區(qū)且具有合作關系企業(yè)技術創(chuàng)新行為的模仿(Haveman等,2000),從而激發(fā)同群效應。

基于以上分析,本文提出如下假設:

H3:地理鄰近性與社會鄰近性的交互作用對企業(yè)技術創(chuàng)新行為同群效應具有正向影響。

綜上,本文構建理論研究模型,如圖1所示。

圖1 研究概念框架Fig.1 Research conceptual framework

2 研究設計

2.1 數(shù)據(jù)收集

目前,大量研究表明[27-28],專利數(shù)據(jù)可以有效反映技術創(chuàng)新行為。專利數(shù)據(jù)分為實用新型專利和發(fā)明專利,實用新型專利強調實用價值,對創(chuàng)造性及技術能力的要求較低,發(fā)明專利能夠代表技術創(chuàng)新能力。因此,借鑒劉友華等(2016)的研究成果,本文以發(fā)明專利作為研究對象,基于2001—2020年國內5G領域專利申請數(shù)據(jù)對理論假設進行實證檢驗。其中,專利申請數(shù)據(jù)來自專利信息服務平臺(searc.cnipr.com),數(shù)據(jù)篩選與處理如下:

(1)數(shù)據(jù)收集。首先,參考楊武等[28]的研究成果,本文將5G領域涉及的IPC分類號限定為H04B、H04H、H04J、H04L、HO1K、H04M、H04Q、H04R、H04N、H04S、H04W,于2020年12月17日在專利信息服務平臺進行專利數(shù)據(jù)檢索。其次,考慮到專利授權的時滯性和不可控性,因而某年企業(yè)專利授權數(shù)量并不能代表該年企業(yè)技術創(chuàng)新能力。因此,本文限定申請日檢索,共檢索到864 483條發(fā)明專利數(shù)據(jù)。

(2)數(shù)據(jù)清洗。首先,剔除代碼標記錯誤樣本;其次,剔除以個體作為申請人的數(shù)據(jù);最后,相較于其它分類號,H04B分類號的專利數(shù)量在檢索年份極少,屬于異常數(shù)據(jù),因而剔除H04B分類號下的專利數(shù)據(jù)。

2.2 網絡構建

本文基于2001—2020年國內5G企業(yè)申請專利數(shù)據(jù),通過構建二模ERGM模型解釋企業(yè)技術創(chuàng)新行為的同群效應。一模網絡由發(fā)生在同類節(jié)點間的連帶關系構成,二模網絡由發(fā)生在兩類節(jié)點間的連帶關系構成。現(xiàn)有研究對于二模網絡與一模網絡間的關系持兩種觀點(Snijders,2013)。部分研究認為,一模網絡形成完全依賴于二模網絡,在研究時需要將二模網絡轉化為一模網絡,進而針對一模網絡進行探討。例如,Asakawa(2015)將二模網絡中企業(yè)對專利的共同擁有關系轉化為企業(yè)間合作關系,構建一模網絡,進而探討一模合作網絡對創(chuàng)新的影響。部分研究認為,二模網絡與一模網絡形成相對獨立,但兩者也存在一定程度的相互作用。此類研究并不將二模網絡轉化為一模網絡,而是主要針對網絡間的相互影響進行探討。例如,Roth&Cointet(2010)通過分析一模網絡對二模網絡的影響發(fā)現(xiàn),研究者間的合作關系會促使其選擇相同的研究問題。參考這一思路,首先,本文構建以企業(yè)為網絡節(jié)點的地理鄰近網絡、社會鄰近網絡及地理與社會混合網絡。在地理鄰近網絡中,連邊基于企業(yè)所屬省份加以判定,當企業(yè)位于相同省份時,企業(yè)間存在網絡連邊[29]。在社會鄰近網絡中,連邊基于企業(yè)擁有的專利進行判定,當不同企業(yè)作為共同專利權人進行專利申請時,企業(yè)間存在網絡連邊。在地理與社會混合網絡中,連邊基于上述兩條判定規(guī)則的疊加形成。其次,本文構建以企業(yè)、IPC代碼為網絡節(jié)點的企業(yè)—技術創(chuàng)新領域二模網絡。在這一網絡中,連邊基于企業(yè)與IPC代碼間的隸屬關系進行判定,當企業(yè)申請的專利涉及某一IPC代碼時,二者間存在網絡連邊[30-31]。為了避免二模網絡過于稀疏,參考Guan等[31]的研究成果,本文選取IPC代碼前4位反映技術創(chuàng)新領域。最后,參考Brennecke等(2017)的研究成果,為了推斷一模網絡在二模網絡連帶關系形成過程中的影響,本文將上述二模網絡與3類一模網絡進行疊加,并在此基礎上進行實證分析。一模網絡構建如圖2所示,一模網絡與二模網絡疊加如圖3所示。

圖2 一模網絡構建Fig.2 One-mode network construction

圖3 二模網絡與一模網絡整合Fig.3 Integration of two-mode network and one-mode network

2.3 網絡描述性分析

Harris[32]指出,為滿足ERGM模型收斂需要,現(xiàn)有研究中的網絡節(jié)點數(shù)大多少于800。然而,本文使用的樣本數(shù)據(jù)中, 2001—2020年我國5G企業(yè)數(shù)量遠遠大于這一閾值。因此,為了滿足ERGM模型收斂需要,提高模型估計結果的代表性,本文根據(jù)企業(yè)專利申請數(shù)量進行排序,選擇排名前300、500、800的企業(yè)作為研究樣本。上述企業(yè)專利申請數(shù)量占專利申請總數(shù)量的比例分別為57.23%、62.77%、67.34%,具有一定的代表性。使用上述網絡構建方法,在本文構建的各類網絡中,網絡連帶數(shù)量如表1所示。

表1 網絡連帶數(shù)量Tab.1 Quantity of network ties

以企業(yè)模節(jié)點數(shù)量為300的情況為例,在一模網絡中,地理鄰近網絡、社會鄰近網絡、地理與社會混合鄰近網絡中分別有6 737、504、159條邊。在二模網絡中,IPC模節(jié)點數(shù)量恒為10,企業(yè)—技術創(chuàng)新領域網絡中有2 207條邊。

2.4 指數(shù)隨機圖模型

本文采用ERGM模型探討企業(yè)技術創(chuàng)新行為的同群效應。現(xiàn)有統(tǒng)計網絡模型研究存在兩個主要分支:一個關注網絡中的節(jié)點,旨在揭示節(jié)點屬性的影響;另一個關注網絡中的連帶關系,旨在解釋連帶關系形成原因[32]。

針對社會網絡中的解釋變量,傳統(tǒng)回歸模型采用以節(jié)點為中心的建模方法,以觀察對象連帶關系的獨立性為前提,要求樣本間的連帶關系不存在相互作用,情境因素對樣本不存在影響。然而,Button[33]指出,上述相互關系與情境因素對解釋樣本對象的行為具有重要意義。Crammer等[34]認為,網絡節(jié)點間的互動關系在社會環(huán)境中十分重要。因此,通過傳統(tǒng)回歸模型得到的結論對于研究問題的解釋力有限。

ERGM模型是以網絡關系為中心的建模方法,相較于傳統(tǒng)回歸模型,網絡關系模型具有更大的價值[34]。ERGM模型將網絡整體作為研究對象,將節(jié)點間的連帶關系作為隨機變量,利用網絡中局部節(jié)點間連帶關系形成的局部結構解釋整個網絡結構[32]。其中,局部結構并非隨機指定,能夠反映某種社會互動方式[35]。該模型不僅包含網絡節(jié)點屬性數(shù)據(jù),而且包含網絡節(jié)點間的連帶關系,將節(jié)點外生屬性以及網絡內生結構納入其中。ERGM模型能夠揭示節(jié)點間的相互依賴關系[36],解釋網絡形成是由于節(jié)點屬性特征還是節(jié)點間連帶關系這一問題。

在單模網絡ERGM模型的基礎上,Wang等[18]構建二模網絡結構ERGM模型,將兩個單模網絡與一個跨模網絡看作一個整體,發(fā)現(xiàn)一個網絡結構會影響另一個網絡結構。在單模網絡中,利用ERGM模型基于同質性角度分析社會選擇效應(Social Selection Effects)受到廣泛關注。在多模網絡中,同質性有兩種理解角度,一是具有相同屬性的節(jié)點能夠促進節(jié)點在網絡中共同隸屬關系形成;二是在一個網絡中,具有相同屬性節(jié)點間的連帶關系能夠促進節(jié)點在另一網絡中連帶關系的形成,即一個網絡同質性能夠促進另一網絡同質性提升[18]。在同群效應研究中,分別探討同一省份企業(yè)與具有合作關系企業(yè)是否具有相同的技術創(chuàng)新領域選擇,即在企業(yè)—技術創(chuàng)新領域二模網絡中,分析企業(yè)單模網絡同質性對跨模網絡同質性的影響。因此,本文采用二模ERGM模型對企業(yè)技術創(chuàng)新行為同群效應進行研究,二模ERGM模型概率密度公式如下:

Pr(X=x)=exp{∑θmhm(x)}/k

(1)

其中,X為隨機變量,表示通過ERGM仿真模擬的隨機網絡集合,x代表關系的特定實現(xiàn)。θm表示待估計參數(shù)構成的向量,hm表示納入模型中的統(tǒng)計量,包括網絡內生結構和節(jié)點外生屬性。其中,內生結構是指邊、三角形、星型等局部結構,外生屬性是指節(jié)點屬性。k代表與分子相同的加權統(tǒng)計量之和,確保網絡結構形成概率在0～1之間。通過觀察θm的顯著性和取值大小,能夠判斷被納入模型的統(tǒng)計量對網絡的影響及程度。本研究使用R語言中的Statnet程序包計算ERGM模型,利用馬爾科夫鏈蒙特卡洛(MCMC)極大似然估計法進行參數(shù)估計。

2.5 變量選擇

2.5.1 地理鄰近性(Geographical Proximity)

地理鄰近性(GP)指企業(yè)是否位于同一省份。本文參考相關研究成果[29],令B為n×n的矩陣,當企業(yè)i與企業(yè)k位于同一省份時,Bik=1,否則Bik=0。在同質性模型中,令:

(2)

其中,Nij表示當企業(yè)i選擇技術創(chuàng)新領域j時,Nij=1,否則Nij=0。本文以企業(yè)—技術創(chuàng)新領域二模網絡為研究目標,將地理鄰近網絡納入模型,以檢驗企業(yè)選擇同一技術創(chuàng)新領域是否與位于同一地區(qū)有關。

2.5.2 社會鄰近性(Social Proximity)

社會鄰近性(SP)能夠衡量企業(yè)間的合作關系,若企業(yè)作為某專利共同申請人,則可認為企業(yè)間具有合作關系。本文參考相關研究成果[19],令C為n×n的矩陣,當企業(yè)i與企業(yè)k具有聯(lián)合專利申請經歷時,Cik=1,否則Cik=0。在同質性模型中,令:

(3)

其中,Nij表示當企業(yè)i選擇技術創(chuàng)新領域j時,Nij=1,否則Nij=0。本文將社會鄰近網絡納入模型,以檢驗企業(yè)選擇同一技術創(chuàng)新領域是否與企業(yè)間合作關系有關。

2.5.3 地理與社會混合鄰近性(Mixed Proximity)

地理與社會混合鄰近性(MP)能夠衡量企業(yè)是否位于同一省份,以及是否具有合作關系。為了分析地理鄰近性與社會鄰近性的交互作用,本文令Z為n×n的矩陣,當企業(yè)i與企業(yè)k位于同一省份且存在合作關系時,Zik=1,否則Zik=0。在同質性模型中,令:

(4)

Zik=Bik·Cik

(5)

其中,Nij表示當企業(yè)i選擇技術創(chuàng)新領域j時,Nij=1,否則Nij=0。Bik表示當企業(yè)i與企業(yè)k位于同一省份時,Bik=1,否則Bik=0。Cik表示當企業(yè)i與企業(yè)k具有聯(lián)合專利申請經歷時,Cik=1,否則Cik=0。將統(tǒng)計項估計系數(shù)與地理鄰近性、社會鄰近性的估計系數(shù)進行對比發(fā)現(xiàn),若前者的估計系數(shù)大于后兩者的估計系數(shù),則說明地理鄰近性與社會鄰近性的交互作用對企業(yè)技術創(chuàng)新行為具有正向影響,反之亦然。此外,若該統(tǒng)計項的估計結果介于地理鄰近性與社會鄰近性的估計系數(shù)之間,則說明地理鄰近性對社會鄰近性的作用與社會鄰近性對地理鄰近性的作用相反。

2.6 控制變量

2.6.1 網絡關系變量

(1)創(chuàng)新經驗差異(Difference of Innovation Experience)。創(chuàng)新經驗是指企業(yè)專利申請數(shù)量,能夠反映企業(yè)在同行業(yè)中的影響力,影響力越大,企業(yè)對于自身聲譽的關注度越高,面對競爭行為的回應越迅速。因此,通過計算不同節(jié)點創(chuàng)新經驗差異,可以排除企業(yè)影響力差異的影響。結合Florence(2019)、Holmer(2020)的研究成果,本文將創(chuàng)新經驗差異作為控制變量納入ERGM模型,令:

(6)

其中,Nij表示當企業(yè)i選擇技術創(chuàng)新領域j時,Nij=1,否則Nij=0。A為n×1的矩陣,Ai1、Ak1分別表示企業(yè)i與企業(yè)k在所處一模網絡中的創(chuàng)新經驗。

(2)點度中心性差異(Difference of Degree Centrality)。點度中心度是指與中心節(jié)點具有直接連帶關系節(jié)點的數(shù)量,能夠體現(xiàn)節(jié)點在網絡中的活躍程度,企業(yè)活躍度越高,所獲取的信息越豐富,越能及時調整自身創(chuàng)新行為,以滿足市場需求。因此,通過計算不同節(jié)點在一模網絡中的點度中心性差異,可以排除企業(yè)活躍度差異的影響。結合Wang(2014)、張勝平(2020)的研究成果,本文將點度中心度差異作為控制變量納入ERGM模型,令:

(7)

其中,Nij表示當企業(yè)i選擇技術創(chuàng)新領域j時,Nij=1,否則Nij=0。A為n×1的矩陣,Ai1、Ak1分別表示企業(yè)i與企業(yè)k在所處一模網絡中的點度中心度。

(3)結構相似性(Structural Similarity)。結構相似性(SS)是指兩個具有連帶關系的企業(yè)擁有共同中介伙伴的數(shù)量,能夠反映企業(yè)在網絡中的結構位置。企業(yè)擁有的共同中介伙伴越多,意味著自身發(fā)展狀況與合作伙伴相似度越高,因而合作伙伴創(chuàng)新行為越具有參考價值。因此,通過計算不同節(jié)點的結構相似性,可以排除相似結構位置的影響。結合Gu(2016)、Florence等(2019)的研究成果,本文將結構相似性作為控制變量納入ERGM模型,令:

(8)

D=PPT

(9)

其中,Nij表示當企業(yè)i選擇技術創(chuàng)新領域j時,Nij=1,否則Nij=0。P可以分別表示地理鄰近矩陣、社會鄰近矩陣、地理與社會混合鄰近矩陣。D為n×n的矩陣,Dik表示企業(yè)i與企業(yè)k共同擁有的中介伙伴數(shù)量。

2.6.2 網絡結構變量

(1)邊數(shù)(Number of Edges)。邊數(shù)(NE)是指實際觀測的二模網絡中邊的數(shù)量,與網絡密度等價,令:

(10)

其中,Nij表示當企業(yè)i選擇技術創(chuàng)新領域j時,Nij=1,否則Nij=0。邊數(shù)作為常數(shù)項,是二模網絡中邊的基準線,在網絡建模中起參照作用。結合段慶峰[37]、劉林青等[38]的研究成果,本文將邊數(shù)作為控制變量納入ERGM模型。

(2)幾何加權非單邊共享伙伴(Geomatrically Weighted Nonedgewise Sharing Partner)。幾何加權非單邊共享伙伴(GWNSP)是指具有共享節(jié)點關系的二元組數(shù)量,節(jié)點不直接連接,而是存在一條長度為2的間接連接路徑,可根據(jù)節(jié)點作為共享節(jié)點的頻率按幾何加權求和。其中,公共節(jié)點與二元組位于兩個網絡中,令:

(11)

其中,α表示所選擇的衰減參數(shù),EPi(N)表示與節(jié)點i共享伙伴的二元組數(shù)量。幾何加權非單邊共享伙伴能夠揭示網絡連接傾向,是二模網絡中描述聚類的典型統(tǒng)計項,能夠反映整個網絡聚集分布,并通過加權計數(shù)方式有效控制網絡中的聚類。一個企業(yè)可選擇多個技術創(chuàng)新領域,一個技術創(chuàng)新領域也可被多個企業(yè)選擇。如果不單獨建模,同質性模型可能在統(tǒng)計上與技術創(chuàng)新領域選擇的一般趨勢合并,因而忽略內生相關性對解釋變量的估計偏差。結合段慶峰[37]、郭建杰等(2021)的研究成果,本文將幾何加權非單邊共享伙伴作為控制變量納入ERGM模型,相關變量解釋如表2所示。

表2 ERGM模型統(tǒng)計量含義Tab.2 Meanings of ERGM model statistics

3 實證分析

3.1 結果分析

本文基于二模ERGM模型對2001—2020年我國5G專利申請數(shù)量排名前300、500、800的企業(yè)進行分析,結果如表3所示。

表3 ERGM模型擬合結果Tab.3 ERGM model fitting results

赤池信息標準(AIC)和貝葉斯構造(BIC)越小,意味著模型擬合效果越好。因此,從AIC與BIC角度可以看出,該模型擬合效果較好,具有一定的解釋力。從估計系數(shù)及顯著性角度看,模型1、4、7旨在檢驗地理鄰近性對企業(yè)技術創(chuàng)新行為同群效應是否具有正向影響。變量Edgecov(GP)系數(shù)顯著為正,意味著若兩個企業(yè)位于同一地區(qū),則選擇相同技術創(chuàng)新領域的概率增加到1.145 6(=e0.135 9)倍、1.083 4(=e0.080 1)倍、1.077 7(=e0.074 8)倍,說明地理鄰近性對企業(yè)技術創(chuàng)新行為同群效應具有正向影響,實證結果支持H1。模型2、5、8旨在檢驗社會鄰近性對企業(yè)技術創(chuàng)新行為同群效應是否具有正向影響。變量Edgecov(SP)系數(shù)顯著為正,意味著若兩個企業(yè)具有直接合作關系,則選擇相同技術創(chuàng)新領域的概率增加到1.383 3(=e0.324 5)倍、1.374 1(=e0.317 8)倍、1.360 2(=e0.307 6)倍,說明社會鄰近性對企業(yè)技術創(chuàng)新行為同群效應具有正向影響,實證結果支持H2。模型3、6、9旨在檢驗地理與社會混合鄰近性對企業(yè)技術創(chuàng)新行為同群效應是否具有正向影響。變量Edgecov(MP)系數(shù)顯著為正,說明若兩個企業(yè)既位于同一地區(qū)又具有直接合作關系,則選擇相同技術創(chuàng)新領域的概率增加到1.609 5(=e0.475 9)倍、1.742 3(=e0.555 2)倍、1.638 0(=e0.493 5)倍,大于Edgecov(GP)、Edgecov(SP)的估計系數(shù)。上述結果顯示,相較于企業(yè)間只具備一種鄰近性的情況,同時具備地理鄰近性與社會鄰近性,企業(yè)選擇相同技術創(chuàng)新領域的概率更大。由此說明,地理鄰近性與社會鄰近性的交互作用對企業(yè)技術創(chuàng)新行為同群效應具有正向影響,實證結果支持H3。

3.2 模型穩(wěn)健性分析

本文借鑒McFadyen等(2004)的研究成果,以5年為間隔將2001—2020年劃分4個窗口期,以此對研究假設進行穩(wěn)健性檢驗,結果如表4所示。

表4 ERGM模型穩(wěn)健性檢驗結果Tab.4 ERGM model robustness test results

穩(wěn)健性結果顯示,地理鄰近性與社會鄰近性的估計系數(shù)均為正,且在1%水平下顯著。在2001—2005年、2011—2015年、2016—2020年3個窗口期,混合鄰近性的估計系數(shù)大于地理鄰近性與社會網絡鄰近性的估計系數(shù)。在2006—2010年這一窗口期,混合鄰近性的估計系數(shù)小于社會鄰近性的估計系數(shù),而大于地理鄰近性的估計系數(shù),表明社會鄰近對地理鄰近具有正向調節(jié)作用,地理鄰近對社會鄰近具有負向調節(jié)作用。整體而言,穩(wěn)健性檢驗結果與前文分析結果一致。進一步地,以Model1為例,在3個窗口期,企業(yè)選擇同一技術創(chuàng)新領域的概率分別為1.195 5(=e0.178 6)倍、1.165 2(=e0.152 9)倍、1.133 9(=e0.125 7)倍,呈現(xiàn)下降趨勢。上述結果顯示,除Model3中企業(yè)選擇同一技術創(chuàng)新領域的概率呈現(xiàn)先提升后下降的趨勢外,其它模型中企業(yè)選擇同一技術創(chuàng)新領域的概率均隨窗口期變化逐漸下降,說明同群效應呈現(xiàn)減弱趨勢。

4 結語

4.1 結論

本文以2001—2020年我國5G領域專利申請數(shù)據(jù)為例,基于AMC模型研究框架,采用ERGM模型研究企業(yè)技術創(chuàng)新行為同群效應,探討企業(yè)間地理鄰近性、社會鄰近性對同群效應的直接影響與交互影響,主要得到以下結論:

(1)地理鄰近性、社會鄰近性對企業(yè)技術創(chuàng)新行為同群效應均具有正向影響。本文在AMC模型研究框架下,基于覺察、動機和能力3個角度,就地理鄰近性、社會鄰近性對同群效應的影響進行探究。從覺察與能力角度看,地理鄰近性有助于企業(yè)通過直接觀察獲取可覺察的資源,而共同的本地市場有助于企業(yè)模仿效率提升,進而增強企業(yè)模仿能力。社會鄰近性能夠增進企業(yè)間信任,強化企業(yè)交流意愿,進而提高企業(yè)覺察意識。同時,廣泛交流有助于增強企業(yè)在模仿過程中對信息的理解與鑒別能力。從動機角度看,地理鄰近性與社會鄰近性均通過深化企業(yè)對技術創(chuàng)新行為所產生的經濟效益認知,增強企業(yè)模仿動機。在探討企業(yè)技術創(chuàng)新同群效應時,過往研究[13-14]認為,地理鄰近性與社會鄰近性對企業(yè)創(chuàng)新研發(fā)投入同群效應具有正向影響。本文針對技術創(chuàng)新領域選擇的同群效應進行討論,豐富了企業(yè)技術創(chuàng)新同群效應研究。

(2)目前,鮮有研究針對地理鄰近性與社會鄰近性的交互作用進行探討。在研究企業(yè)創(chuàng)新影響因素時,Whittingtonetal[25]、Funk[39]以企業(yè)創(chuàng)新專利產出為研究對象,發(fā)現(xiàn)地理鄰近性與社會鄰近性具有正向交互作用。本文針對技術創(chuàng)新領域選擇這一企業(yè)技術創(chuàng)新行為,探討地理鄰近性與社會鄰近性的交互作用。在AMC模型研究框架下,通過綜合考慮二者對于覺察、動機和能力的影響,最終得出二者存在正向交互作用的結論。

4.2 理論貢獻

(1)豐富了同群效應研究對象。以往研究大多關注研發(fā)支出[24]、專利數(shù)量(劉靜等,2018)等績效變量,對行為變量鮮有涉及。本文以企業(yè)技術創(chuàng)新領域選擇作為研究對象,探討企業(yè)技術創(chuàng)新同群效應。作為企業(yè)技術創(chuàng)新行為,技術創(chuàng)新領域選擇是企業(yè)創(chuàng)新戰(zhàn)略的重要環(huán)節(jié),能夠決定企業(yè)未來發(fā)展方向,也是企業(yè)獲取競爭優(yōu)勢重要驅動力(張思磊等,2010;由雷,2021)。本文以企業(yè)技術創(chuàng)新領域選擇為載體,拓展了企業(yè)技術創(chuàng)新同群效應研究。

(2)創(chuàng)新了同群效應范圍研究方法。相關研究大多采用以獨立性為前提的回歸模型,上述模型由于忽略了網絡內生結構,導致研究結論存在一定的偏差[35-36]。本文采用可以綜合考慮網絡內生結構與外生屬性的ERGM模型對同群效應存在范圍進行研究,結合企業(yè)間社會互動行為,揭示三角形、星形等網絡局部結構對網絡的影響,克服了網絡邊自相關性帶來的擬合困難。

4.3 管理啟示

(1)對企業(yè)而言,模仿同群企業(yè)技術創(chuàng)新行為,一方面,可能提高自身市場占有率,加速企業(yè)發(fā)展;另一方面,可能導致市場對某種技術創(chuàng)新需求過于飽和[13],從而阻礙企業(yè)發(fā)展。因此,企業(yè)在制定創(chuàng)新決策時,應有選擇地對同群企業(yè)技術創(chuàng)新行為進行模仿,脫離實際情況盲目模仿可能導致無效率創(chuàng)新[15]。因此,企業(yè)應完善公司治理機制,避免同群效應可能帶來的創(chuàng)新效率低下等問題,從而提高自身技術創(chuàng)新水平。

(2)對政府而言,一方面,可以利用同群效應產生的社會乘數(shù)效應調整同群企業(yè)技術創(chuàng)新方向[14],推動區(qū)域與行業(yè)技術創(chuàng)新發(fā)展;另一方面,需要密切關注市場對企業(yè)技術創(chuàng)新的反應,避免同群企業(yè)間因相互模仿而導致創(chuàng)新成果單一和社會資源浪費等問題。因此,政府可以出臺相關創(chuàng)新激勵政策,鼓勵并引導企業(yè)在一定程度上進行差異化技術創(chuàng)新[22],提高技術多元化水平,從而帶動社會創(chuàng)新水平提升。

4.4 局限與展望

本文存在以下局限:第一,由于ERGM模型收斂時間較長且無法處理大型數(shù)據(jù),后續(xù)研究可以針對ERGM模型中的算法進行改進,加快模型收斂速度,進而利用大規(guī)模數(shù)據(jù)進行實證檢驗,以提升結論的可信度;第二,本研究采用是否聯(lián)合申請專利這一正式合作關系作為企業(yè)間社會鄰近性的判斷標準,后續(xù)研究可以使用非正式合作關系作進一步分析。