協同創新網絡成員和知識多樣性對區域創新績效的影響研究

摘 要：基于北部灣區域的專利數據，構建協同創新成員和知識網絡，對成員多樣性、知識多樣性與區域創新績效之間的關系以及網絡結構在其中的調節作用進行深入研究，從協同創新角度解析影響區域創新績效的前因變量和調節變量。研究發現：協同創新網絡成員多樣性和知識多樣性對區域創新績效有顯著正向影響；協同創新網絡成員多樣性對知識多樣性有顯著正向影響，且成員網絡的中心勢和密度在二者關系中起正向調節作用；多樣化的知識有助于提升區域創新績效，而在高密度的知識網絡中，各類知識元素能更有效地整合重構，進而轉化為創新成果。

關鍵詞：協同創新；成員多樣性；知識多樣性；網絡結構；區域創新績效

中圖分類號：F270.7" " 文獻標志碼：A" " 文章編號：1671-0037（2023）6-66-13

DOI：10.19345/j.cxkj.1671-0037.2023.6.006

0 引言

隨著經濟全球化的不斷深入，企業的經營環境發生了巨大變化，企業創新不能僅僅依靠自身力量，因此，協同創新成為企業彌補自身資源不足、降低創新風險、提升創新能力的重要途徑。協同創新的深入發展會帶動一個產業甚至一個區域創新績效的提升。協同創新的概念是由產學研合作創新理念發展而來的。2006年，美國麻省理工學院斯隆管理學院的著名研究員彼得·葛洛（Peter A. Gloor）首次明確了協同創新（Collaborative Innovation）的定義：協同創新是指由自我激勵的人員或組織所組成的網絡形成共同愿景，借助網絡交流思路、信息及工作狀況，合作實現共同的目標［1］。陳勁和陽銀娟［2］將協同創新定義為，以大學、企業、研究機構為核心要素，以政府、金融機構、中介組織、創新平臺、非營利性組織等為輔助要素的多元主體協同互動的網絡創新模式。解學梅［3］對企業協同創新影響因素與協同程度的交互關系進行了研究，認為協同創新影響因素主要包括主體支撐因素、政策環境因素、協同機制因素和關系網絡因素等。葉偉巍等［4］基于復雜系統理論視角分析了協同創新的動態機制與激勵政策，認為產學研體系的協同創新能力攸關國家競爭力。

可以看出，協同創新是伴隨著創新理論的系統化而發展的，我國對于產學研協同創新的研究是在新的復雜經濟形勢下的必然選擇。縱觀國內外相關文獻，對協同創新的研究主要是以企業為核心，對企業所嵌入的創新網絡進行分析。研究內容包括：協同創新運行機制，協同創新角色定位，協同創新網絡結構、治理及對績效的影響等。但仍有如下問題未得到解決：①協同創新微觀—中觀—宏觀層面如何對接？即企業如何通過協同創新提高創新網絡績效，進而帶動宏觀區域層面而非僅僅單個企業創新能力的提升？②從企業所嵌入的協同創新網絡來看，其不僅包括企業與其他網絡成員所形成的關系網絡，同時還隱含著由彼此之間各類知識元素所組成的知識網絡。雖然已有學者對這兩個網絡進行了解耦分析，但關于兩個網絡間的相互作用機制以及對區域績效產生的影響仍缺乏研究。③對于由成員和知識交織成的網絡而言，兩者的多樣性程度會對一個區域創新水平的提升起到怎樣的作用？有怎樣的影響規律？④協同創新所形成的網絡結構因素是否會對之前的作用關系產生調節作用？作用關系和程度如何？以上問題在現有文獻中還缺乏系統的詮釋。

基于以上研究的不足和亟待解決的問題，本文遵循連接微觀（企業）—中觀（網絡）—宏觀（區域）3個層面的思路展開系統研究；對北部灣區域的整體專利數據進行分析，構建協同創新網絡，分析網絡結構；對企業合作專利中的成員多樣性和知識多樣性進行度量，分析兩者之間的影響關系，分別驗證其與北部灣區域整體創新績效的相關性，并將網絡結構作為重要調節變量。本文旨在從協同創新角度解析影響區域創新績效的前因變量和調節變量，完善協同創新理論體系，為企業開展協同創新、提升區域創新績效提供新的思路和指導性建議。

1 理論基礎與研究假設

1.1 協同創新網絡成員多樣性與知識多樣性

Parkhe［5］最早從組織成員合作是否有利于創新績效的提升角度，對多樣性的維度進行了劃分；Terjesen等［6］認為，聯盟組合多樣性是由聯盟成員多樣性以及聯盟地理位置多樣性組成的；Jiang等 ［7］將多樣性定義為，成員伙伴在資源、技術、能力和知識等方面的異質性；余菲菲［8］認為，聯盟組合多樣性與技術創新有較強的相關性，多樣性包括資源基礎積累以及企業特性的差異。

綜合以上關于多樣性的研究成果，本文將其劃分為成員多樣性與知識多樣性兩個維度。其中，成員多樣性是指在協同創新網絡中創新主體類型以及數量的多寡；而知識多樣性則是指不同創新主體間在知識、資源以及能力等方面的異質性程度。

協同創新網絡成員及其所帶來知識的研究最初起源于網絡異質性的研究。很多研究成果都證實了異質性網絡可以為企業帶來新的資源獲取渠道，且異質性網絡所帶來的新資源通道是很多企業開展協同創新的出發點和落腳點。但是，網絡異質性只是多樣性的維度之一，并沒有對在異質性基礎上擴展出的成員和知識的分散程度進行度量。而多樣性的網絡則更加關注網絡成員數量、種類的豐富程度及其在此基礎上所帶來的資源和知識的豐富程度。

協同創新網絡是在一定地域范圍內，通過企業、大學、研究機構、政府等組織及個人的交互作用，彼此形成的穩定的正式或非正式關系的總和［9］。從網絡成員間關系的角度來看，協同創新網絡的主體成員包括企業、大學、研究機構、政府、金融機構和中介機構等，各個主體具有不同的功能，擁有不同的資源、技術和能力。而資源、技術和能力異質性是組織間知識轉移的前提，也是組織間學習過程中的關鍵因素［10］。因此，網絡中具備異質性資源的主體越多，就越能促進網絡中的知識轉移和流動。協同創新過程能夠將協同創新網絡中的各類知識整合并重組編織在一起［11］，各類知識彼此之間相互關聯與互補，促進區域內新知識的產生、傳播和商業化［12］。同時，從知識轉移的角度來看，網絡成員是這些知識元素的載體，網絡中不同成員因各自不同的性質、規模和年齡而擁有不同的信息、知識和經驗。這些成員的差異性越大、種類越多，協同創新網絡的知識多樣性越強。即網絡成員的多樣性越強，其帶來的技術和知識的差異性越大，以此為基礎的知識多樣性程度也就越高［13-14］。由此，本文提出如下假設。

H1：協同創新網絡成員多樣性對知識多樣性有顯著正向影響。

1.2 協同創新網絡成員和知識多樣性與區域創新績效

網絡理論認為，網絡成員的多樣性體現了成員間在組織類型、知識、資源、技術和能力等方面的差異。網絡創新主體的數量、類型越多，創新主體的知識儲備越豐富，越有可能實現科技創新。隨著網絡成員多樣性的提高，企業獲取多樣性、互補性知識的機會增加，能夠有效避免成員間技術知識、認知結構和行為模式等方面的趨同，拓寬企業的知識寬度和創新視野，挖掘更多的技術機會。同時，企業需要從科研機構、高等院校獲取基礎科學知識，通過與產業鏈上下游企業協同獲取互補性知識，進而分攤研發成本，實現資源共享和市場快速滲透［15］。因此，網絡成員多樣性和知識多樣性的提升，能有力地促進企業創新［16-17］。Cross等［18］認為，網絡中知識的多樣性是社會網絡影響個體創造力的一個重要權變變量。Clarysse等［19］發現，與知識網絡中的頂級核心參與者合作，能有效吸收更多知識，對創新型初創企業的創新產出有積極影響。而從整個區域來看，創新網絡中的合作者數量越多、種類越豐富，合作過程中所貢獻的智力資本和資源就越多，跨專業、跨學科知識融合的可能性就越大，知識的多樣性便得以提高。知識多樣性程度越高，知識的利用與組合就更具優勢，即知識多樣性具有利用效應［20］。知識多樣性程度越高，說明網絡擁有的知識類別越多，知識空間越廣，因此成員之間潛在的合作機會也越多，產生創新成果的可能性越大，創新成果的數量和質量也越高，從而帶動整個區域創新水平的提高。Uwe和Joel［21］通過對德國耶拿工業區的實證研究，發現不同研發主體間的知識流動和轉移能夠使整個區域創新體系受益。知識多樣性反映了企業吸收異質性資源能力的大小。提高知識多樣性，能為企業帶來競爭優勢［22］。關云飛和詹湘東［23］也認為，知識管理可以提高企業的績效，同時客觀上提升了整個區域的知識應用能力。由此，本文提出如下假設。

H2：協同創新網絡成員多樣性和知識多樣性對區域創新績效有顯著正向影響。

1.3 協同創新成員網絡結構對成員多樣性和知識多樣性的調節作用

如前文所述，網絡成員的多樣性能夠正向促進知識多樣性的提升。但值得注意的是，網絡成員的多樣性與知識的多樣性之間并不是絕對的一一對應關系。這是因為企業不僅能夠在不同合作伙伴之間獲取、分享資源，而且還能夠重組這些資源，從而帶來1+1gt;2的效果。同時，從協同創新網絡的整體來看，合作伙伴的多樣性能夠帶來互補或產生冗余。合作伙伴之間的資源互補性越強，所帶來的知識多樣性越強，知識的有效性也越強；相反，若合作伙伴帶來的是冗余的信息，則不會推動知識多樣性的提升，還有可能造成系統的內耗、資源的浪費和績效的下降［24］。因此，知識轉移的效率受到創新成員網絡結構的影響。

在具體的網絡結構研究中，Salma和Raffaele［25］探討了松散型和密集型網絡結構對創新吸收的不同影響。其中，密集型網絡會使網絡成員為維持與其他主體的關系而消耗大量成本；松散型網絡能夠通過加快網絡間成員的知識分享和交流而更有效地解決問題并開展技術創新。Gnyawali和Madhavan［26］認為，網絡內的連接數量和成員間的互動頻率隨著網絡密度的提升而增加，將促成網絡成員間共享準則以及共同行為模式的形成。Bell等［27］認為，高密度網絡能有效防范機會主義行為，促進知識的交流和共享。

同時，在由不同類型的成員組成的網絡中占據更中心的位置，或與更多成員建立合作關系，能夠增加異質性知識的獲取機會。成員網絡中心勢從網絡整體出發，描述合作網絡在多大程度上是圍繞某個成員組織起來的。任勝鋼［28］認為，網絡位置的不同會影響企業所獲得資源的數量與質量，進而帶來創新績效的差異。企業通過占據中心位置，可以與不同類型的成員進行多層面的技術合作和知識交流［29］。企業在合作網絡中的中心性越高，與網絡中其他成員的連接關系便越緊密，越能接觸到更多與自身內部知識庫相異的知識［30］。

另外，企業占據更多的結構洞，能與更多的組織進行互動和交流，那么就更有可能從中獲得有價值的信息和資源［31］。Jason［32］從結構洞角度研究發現，在網絡中企業占據的結構洞越多，越能夠控制信息通道，獲取更多資源，進而促進創新。Burt［33］認為，增加結構洞或降低網絡冗余度是構建效率高、信息豐富的網絡的重要策略。而結構洞較少則會降低對異質性知識的獲取，容易形成知識“孤島”［34］。由此，本文提出如下假設。

H3：協同創新成員網絡結構對成員多樣性和知識多樣性間的關系起正向調節作用。

H3.1：協同創新成員網絡密度對成員多樣性和知識多樣性間的關系起正向調節作用。

H3.2：協同創新成員網絡中心勢對成員多樣性和知識多樣性間的關系起正向調節作用。

H3.3：協同創新成員網絡結構洞對成員多樣性和知識多樣性間的關系起正向調節作用。

1.4 協同創新知識網絡結構對知識多樣性和區域創新績效的調節作用

創新網絡中的合作者數量越多、種類越豐富，網絡中的知識元素越多，產出的合作創新成果可能就越多。網絡中的知識元素不是孤立的，而是網絡中各創新主體在一次次成功組合和重構的基礎上，通過知識鏈連接起來的。由于創新通常產生于知識元素之間的組合和重構過程，而知識網絡中知識元素間現有的連接情況決定了知識的組合機會和潛在可能［35］。因此，知識元素間的連接方式與結構會影響知識多樣性與協同創新績效的關系。

具體來說，首先，知識網絡密度從網絡全局描述了知識網絡中各個知識元素之間關聯的緊密程度，可以更為有效地從整體視角展現網絡內部知識元素間的組合關系。知識網絡密度的增大意味著企業已有知識元素之間的連接趨于緊密，而企業對其現有的不同領域知識元素的整合運用，也能不斷積累出豐富的經驗［11，36］。已有研究表明，這些經驗能夠增強企業對研發前景的信心，降低創新過程中的不確定性［11］，使其更好地吸收企業外部知識［37］，提高企業的創新能力和績效［38-39］。反之，知識網絡密度小則表明企業對知識元素間關系的理解不足，其知識元素重組結果的可靠性低，企業技術創新的效率低［40］。

其次，隨著知識網絡中心性的增強，企業基礎知識中的某類知識元素頻繁地與其他知識元素進行整合，能夠使企業加深對基礎知識元素的理解，并對于基礎知識元素與其他知識元素的組合積累出豐富的經驗，甚至形成難以被競爭對手模仿的企業核心技術［41］。核心技術的發展將極大地減少企業技術創新的組合嘗試，降低搜尋成本，使得企業創新活動更容易取得突破性進展。知識網絡中心勢較低，說明網絡中知識元素的組合較為分散，企業缺少能夠帶來競爭優勢的核心知識元素及其相關組合［42-43］。反之，創新主體的知識網絡中心性越高，其知識元素能連接的其他知識元素就越多，則說明其擁有較高的知識組合能力，因此該創新主體在與其他創新主體的合作過程中更易于獲取異質性知識，并推動自身創新發展。

最后，富含結構洞的知識元素周圍存在著大量的組合和重構的機會［44］。占據較多結構洞的知識元素能夠與更多知識元素進行重組，帶來更多的創新可能性。如果一個網絡的知識體系缺乏結構洞，則網絡成員只能對自身現有的知識進行研究，不同知識元素間組合和重構的機會減少，不利于實現知識的再創造［45-48］。由此，本文提出如下假設。

H4：協同創新知識網絡結構對知識多樣性和區域創新績效間的關系起正向調節作用。

H4.1：協同創新知識網絡密度對知識多樣性和區域創新績效間的關系起正向調節作用。

H4.2：協同創新知識網絡中心勢對知識多樣性和區域創新績效間的關系起正向調節作用。

H4.3：協同創新知識網絡結構洞對知識多樣性和區域創新績效間的關系起正向調節作用。

本文的研究假設可以概括為圖1所示的理論模型。

2 研究設計

2.1 數據來源

2008年，北部灣經濟區開放開發被納入國家戰略。經過十多年的發展，該區域已成為中國西部大開發和面向東盟開放合作的重點地區。其協同創新合作情況對于了解我國區域協同創新發展具有較強的代表性。同時，區域創新成果最直接的反映是專利，采用專利數據對創新績效進行檢驗，是創新研究中常用的方法。

因此，本研究選取廣西北部灣經濟區為樣本，對南寧市、北海市、欽州市、防城港市等4個城市2013—2021年的專利數據進行檢索。數據來源于“國家知識產權局專利檢索平臺”，在范圍篩選處勾選中國，將檢索條件中的公開日設置為2013年01月01日至2021年12月31日，申請人設置為關鍵詞“南寧”“北海”“欽州”“防城港”，搜索得到34 964條數據。考慮到廣西北部灣區域擁有漫長的海岸線和豐富的風能資源，是南部地區發展海上風電產業的重要區域，因此，電學專利是廣西北部灣經濟區專利發明的重要組成部分。為了縮小數據范圍，本研究主要檢索平臺中IPC分類中的H部電學專利。在上述條件下，共檢索出4 879條專利，剔除不屬于廣西北部灣經濟區的專利后剩余4 391條。將所有專利中非單一申請人的情況視為合作創新，挑選出合作專利共475條。北部灣經濟區各年的專利合作情況如表1所示。

2.2 變量選取及度量

2.2.1 成員多樣性。針對專利檢索項的特點，用合作專利中申請人的類型和數量度量網絡成員的多樣性。在類型方面，申請人的具體類型包括企業、大學、研究機構、中介機構、政府、金融機構、個人等，按照每項專利申請人所包含的主體類型數量對其進行種類賦值。申請人中僅含一種主體類型賦值為1，包含兩種類型賦值為2，以此類推。在數量方面，將合作申請專利的主體數量作為度量值，并將其與種類賦值相加作為度量成員多樣性的標準。

2.2.2 知識多樣性。借鑒俞榮建等［49］的研究，知識多樣性的度量遵循IPC分類的原則。一般IPC分類中共包含五段編碼，其中前三段編碼分別代表部、族、種。根據這三段編碼計算同屬一件專利的任意兩個不同編碼之間的差異值[Pij]：如果“部”不同，則說明知識的差異性最大，賦值為10；如果“部”相同而“族”不同，賦值為5；如果“部”和“族”都相同，只有“種”不同，賦值為1；如果“部”“族”和“種”都相同，則賦值為0。對得到的差異值[Pij]進行兩兩加總求和，再按照兩兩組合的總次數[m×（m-1）/2]進行平均。當所有的“部”“族”和“種”都相同時，說明在此項專利中只運用到了某一領域的知識，知識多樣性最低，最小值為0；當每次兩兩比較“部”“族”和“種”的分類都不相同時，說明在此項專利中運用到了來自多個領域的知識，因而知識多樣性最高。其具體計算公式為：

其中：ZD代表知識多樣性程度；i，j分別代表任意兩個不同編碼；m為同一件專利的不同編碼總個數；[Pij]為每次兩兩比較的差異值。

2.2.3 成員網絡結構和知識網絡結構。成員網絡結構和知識網絡結構都涉及網絡中心勢、網絡密度和網絡結構洞，其構建均以區域創新合作專利為基礎。其中：成員網絡以每年區域合作專利中的申請主體（企業、大學、個人等）為節點構建，即年度成員網絡；知識網絡的構建則以每年區域合作專利的主分類號前四位（如H05K）為節點。在構建了成員網絡和知識網絡后，分別計算成員網絡和知識網絡的中心勢、密度和結構洞。網絡中心勢主要測量整體網絡層面的中心性，通過計算網絡中所有節點點度中心度的均值得到。網絡密度采用加權密度進行測量，設n個節點的網絡中所存在的最多連接數為[n×（n-1）/2]，任意兩個節點之間的連接強度為[qij（i≠j）]，則加權密度為：

其中：若任意兩個節點之間的連接數目為1，則[qij]=1；若任意兩個節點之間的連接數目為n，則[qij]=n。

整體網絡層面的網絡結構洞采用協同創新網絡中單個網絡節點結構洞的均值進行衡量［49］。單個網絡節點結構洞主要采用約束值測量方法，約束值越高，表明企業擁有的結構洞越少。參考Wang等［50］的研究，選用2與“約束值”的差來衡量結構洞的豐富程度。

以上變量在具體研究中均利用社會網絡分析軟件Ucinet 6計算得到。

2.2.4 區域創新績效。不少研究都認為，專利能很好地衡量區域創新績效。因此，本文采用檢索篩選后得到的廣西北部灣經濟區當年在H部的總體專利數量，對北部灣經濟區的區域創新績效進行度量。

2.2.5 控制變量。選擇科學技術支出和產業結構作為控制變量，其中產業結構以第三產業產值與三大產業總產值之比來衡量。數據來源于2014—2021年的《廣西統計年鑒》。由于2021年的數據暫未公布，在具體研究中，2021年的數據沿用2020年的數據結果。

3 研究結果

3.1 描述性統計分析

采用SPSS軟件對各變量進行描述性統計分析，各變量的均值、標準差以及皮爾遜相關性統計分析結果如表2所示。從表2中可以看出，各主要變量的皮爾遜相關分析結果較好，各變量間存在一定的相關關系，尤其是知識多樣性和成員多樣性之間存在很強的相關關系，二者與區域創新績效的相關性也較強。接下來對主要變量構建相關模型，檢驗前文假設。

3.2 知識多樣性

新知識和原有知識之間的結合存在高度不確定性和跳躍性，因而知識多樣性的分布呈離散化態勢。負二項回歸模型與泊松回歸模型都適用于對離散型隨機變量的分析。其中：泊松回歸模型的應用條件為均值等于方差；負二項回歸模型是泊松回歸模型的一個擴充，應用條件為方差遠遠大于均值。基于對知識多樣性的描述性分析，發現方差遠大于均值，因而采用Stata構建負二項分布模型。為了減少多重共線性的影響，對涉及交互項的變量進行中心化處理，并對其他變量進行標準化處理。以知識多樣性為因變量，成員多樣性為自變量（模型1），成員網絡中心勢、密度、結構洞為調節變量，將自變量與各調節變量的乘積項（模型2—4）分別納入回歸模型，結果如表3所示。

模型1的回歸結果表明，成員多樣性對知識多樣性具有顯著的正向影響（β=1.222，P＜0.01）。模型2—4是在模型1的基礎上分別引入調節項成員網絡中心勢、成員網絡密度、成員網絡結構洞以及自變量和調節項乘積的效應模型。這3個模型均通過了P值檢驗（P＜0.01）。模型2顯示，成員網絡中心勢與成員多樣性的交互項的系數顯著為正（β=0.527，P＜0.01），說明成員網絡中心勢對成員多樣性和知識多樣性間的關系起正向調節作用，H3.2成立。模型3顯示，成員網絡密度與成員多樣性的交互項的系數顯著為正（β=15.99，P＜0.01），即成員網絡密度對成員多樣性和知識多樣性間的關系起正向調節作用，H3.1成立。模型4顯示，成員網絡結構洞與成員多樣性的交互項未通過顯著性檢驗，說明成員網絡結構洞在成員多樣性與知識多樣性間的關系中并未起到明顯的調節作用，H3.3未得到驗證。綜上，協同創新網絡成員多樣性對知識多樣性有顯著正向影響，H1成立；成員網絡的中心勢、密度對協同創新網絡成員多樣性和知識多樣性間的關系起正向調節作用，H3得到部分驗證。

3.3 區域創新績效

區域創新績效采用專利數量進行衡量，而專利數量是離散的非負整數且方差遠大于均值。因此，采用Stata構建負二項分布模型，進一步探討成員多樣性、知識多樣性對于區域創新績效的影響以及知識多樣性在網絡結構的調節作用下對區域創新績效的影響。為減少多重共線性影響，對涉及交互項的變量進行中心化處理，并對其他變量進行標準化處理。模型5為加入成員多樣性和控制變量的模型，模型6為加入知識多樣性和控制變量的模型，模型7—9分別在模型6的基礎上依次加入知識網絡中心勢、知識網絡密度、知識網絡結構洞等3項調節項以及知識多樣性與3項調節項的交互項。區域創新績效的負二項回歸結果如表4所示。

模型5和模型6是關于成員多樣性、知識多樣性對區域創新績效影響的檢驗。結果表明，成員多樣性和知識多樣性都對區域創新績效具有顯著的正向影響（β=0.328，P＜0.01；β=0.289，P＜0.01）。因此，H2得到驗證。

模型6—9是對知識網絡結構調節知識多樣性和區域創新績效關系的檢驗。結果顯示，知識網絡密度顯著正向調節知識多樣性和區域創新績效間的關系（β=13.66，P＜0.1），假設H4.1成立。知識網絡中心勢、知識網絡結構洞與知識多樣性的交互項未通過顯著性檢驗，說明知識網絡中心勢、知識網絡結構洞在知識多樣性和區域創新績效間的關系中并未起到明顯的調節作用，假設H4.2和假設H4.3不成立。對比模型6和模型7—9可以看出，加入各調節變量及交互項后，Log likelihood值均有了提高，表明加入網絡結構的調節后，整體模型得到了優化。知識多樣性能夠帶來區域創新績效的提高，同時在受到網絡密度的調節后，能夠進一步增強對區域創新績效的促進作用。為了更直觀地了解知識多樣性與網絡密度的交互作用對區域創新績效的影響，繪制圖2所示的調節作用示意圖。從圖中可以看出，當知識網絡密度處于低水平狀態時，知識多樣性與區域創新績效的曲線較緩（斜率=3.638），斜率較小；當知識網絡密度較高時，知識多樣性與區域創新績效的曲線變陡（斜率=1 660.6）。從而可以證明，知識網絡密度越高，越能正向調節知識多樣性與區域創新績效間的關系，H4.1得到進一步驗證。綜上，H4得到了部分支持。

4 研究結論與啟示

4.1 研究結論

本文搜集了南寧、北海、欽州和防城港等4個城市2013—2021年的專利數據，基于連接微觀（企業）—中觀（區域）—宏觀（區域）等3個層面的思路，對成員多樣性、知識多樣性與區域創新績效之間的關系以及網絡結構在其中的調節作用進行了深入研究，研究結論如下。

4.1.1 協同創新網絡成員多樣性和知識多樣性對區域創新績效有顯著正向影響。網絡中成員的類型豐富多樣，就意味著網絡成員能夠很容易找到擁有異質性資源和知識的組織進行合作，進而產生知識和技術的碰撞。同時，網絡中流動的知識種類越多，也越有利于網絡成員從網絡中獲取關聯或互補的知識，提高創新的可能性。

4.1.2 協同創新網絡成員多樣性對知識多樣性有顯著正向影響，且成員網絡的中心勢和密度在二者關系中起正向調節作用。研究表明，首先，區域創新網絡內成員的數量和種類越多，網絡內流動的異質性資源和信息就越多，越有利于網絡成員的知識轉移與互補，促進新知識的產出、傳播和商業化；反之，成員多樣性越低，網絡內的冗余知識就越多，越不利于知識的創新。其次，大量的網絡連接和優越的網絡位置會使網絡內成員通過各種途徑實現多樣化知識的分享和傳遞，促進網絡中的異質性知識元素在不同成員間的縱橫連接和跨界整合。同時，網絡成員的緊密聯系能夠建立起彼此之間的信任機制，促使網絡成員間探索更深度的合作和知識交流，激發知識的創新。最后，成員網絡結構洞對于成員多樣性和知識多樣性間關系的調節作用沒有得到證實。這有可能是因為北部灣區域的創新合作水平還有待提高，區域內多主體合作的專利較少，潛在的結構洞較少，結構洞優勢沒有被激發出來，因而結構洞的調節作用并不突出。

4.1.3 多樣化的知識有助于技術的創新，在高密度的知識網絡中，各類知識元素能更有效地整合重構，并轉化為創新成果。網絡密度的增大表明網絡內的知識流動和轉移趨于頻繁，各創新主體能更容易地從網絡中獲取異質性和互補性的知識進行創新，也加深了對各類知識的了解，豐富了知識組合的經驗。然而，實證結果也表明，合作網絡中知識多樣性和創新績效間的關系并未受到知識網絡中心勢、知識網絡結構洞的正向調節。這可能是因為北部灣經濟區的電子信息產業正處于技術積累和核心能力形成階段，知識網絡中心勢普遍較低，知識元素分布較為分散，所掌握的核心技術較少，因而在實際中了解和搜集研發創新所需知識時，需要更多的成本且面臨更大的不確定性。同時，由于北部灣經濟區的知識元素結構洞水平普遍較低，各知識元素之間仍有較多的潛在連接尚未被挖掘，所以結構洞對知識多樣性和創新績效間關系的正向調節作用沒有得到驗證。

4.1.4 通過連接微觀—中觀—宏觀層面發現，企業可以通過積極發展與大學、科研機構、政府、中介機構等不同類型主體的合作關系，提高網絡成員和知識的多樣性，并通過加大合作強度和深度、尋求與網絡核心主體的合作等方式改善網絡結構，進而帶動宏觀區域層面創新能力的提升。

4.2 貢獻和啟示

關于企業協同創新以及其所嵌入的創新網絡的研究已經較為豐富，但還鮮有研究關注企業作為微觀個體是如何通過協同創新融入中觀協同創新網絡，進而推動宏觀區域創新績效提高的。

本文從協同創新微觀（企業）—中觀（網絡）—宏觀（區域）等3個層面是如何對接的入手，探索企業成員間的關系網絡及各類知識元素組成的知識網絡是如何相互作用并對整個區域創新水平產生影響的，以及協同創新網絡結構在其中發揮的作用等，彌補了現有研究的不足，為協同創新相關研究提供了新的視角，也為進一步揭示協同創新過程中微觀—中觀—宏觀三者的聯動機制奠定了理論和實證基礎。同時，本文的研究結論也為企業的創新管理實踐提供了有益指導。

①加強與不同領域創新主體間的合作，增加合作伙伴的數量和種類，提升網絡內流動知識的多樣性，為協同創新主體提供多種知識元素重組的機會。加強成員間的互動交流，促使成員間形成信任機制，打破網絡中知識流動的壁壘，豐富網絡的知識庫。同時，通過不斷挖掘潛在的創新伙伴關系，發揮網絡核心成員的帶動效應和“橋”的溝通交流作用。

②不斷拓寬協同創新網絡的知識邊界，探索和吸納新技術領域的知識，為區域帶來更多的突破性創新績效。但協同創新主體在進行創新時，也要警惕“投入越大產出越多”的舊觀念，注重對知識元素間關系的把握。協同創新主體不單要考慮創新投入的數量，更要考慮質量（方向和側重點）；重視對現有知識的整合，加深對知識元素和其相互間關系的了解；注重知識的跨界搜索，將外界知識與自身的基礎知識相結合，通過不斷吸收網絡中的新知識來提高創新能力，強化和鞏固核心競爭優勢，實現規模經濟。

4.3 不足與展望

由于數據獲取的限制，本文僅以北部灣經濟區電子信息產業為例進行實證分析，且選擇的是2013—2021年的數據，所涉及的橫向和縱向范圍均具有一定的局限性；同時，僅以區域總專利數量作為區域創新績效的唯一度量指標也不夠全面。希望后續研究能進一步擴大范圍，選取更多不同區域、不同行業的協同創新網絡進行分析，并完善度量指標，提高研究的可信度。此外，本文以網絡結構作為調節變量，分析協同創新網絡成員多樣性和知識多樣性的相互關系及其對區域整體創新績效的影響，更加著眼于網絡中個體的協同創新行為對網絡及區域創新績效的影響，而對于協同創新網絡對個體網絡成員創新績效的影響以及個體如何通過網絡進一步提升創新能力等問題，還有待進一步研究探討。

參考文獻：

［1］ 陳勁.協同創新［M］.杭州：浙江大學出版社，2012.

［2］ 陳勁，陽銀娟.協同創新的理論基礎與內涵［J］.科學學研究，2012（2）：161-164.

［3］ 解學梅.企業協同創新影響因素與協同程度多維關系實證研究［J］.科研管理，2015（2）：69-77.

［4］ 葉偉巍，梅亮，李文.協同創新的動態機制與激勵政策：基于復雜系統理論視角［J］.管理世界，2014（6）：79-91.

［5］ PARKHE A. Interfirm diversity， organizational learning， and longevity［J］. Journal of International Business Studies， 1991，22（4）：579-601.

［6］ TERJESEN S， PATEL P C， COVIN J G. Alliance diversity， environmental context and the value of manufacturing capabilities among new high technology ventures［J］. Journal of Operations Management， 2011， 29 （1） ：105-115.

［7］ JIANG R J，TAO Q T，SANTORO M D. Alliance portfolio diversity and firm performance ［J］. Strategic Management Journal， 2010，31（10）：1136-1144.

［8］ 余菲菲.聯盟組合多樣性對技術創新路徑的影響研究：基于科技型中小企業的跨案例分析［J］.科學學與科學技術管理，2014，35（4）：111-120.

［9］ RICHARDSON G B. The organization of industry［J］. The Economic Journal，1972（82）：883-896.

［10］ 連遠強，劉俊伏.成員異質性、網絡耦合性與產業創新網絡績效［J］.宏觀經濟研究，2017（9）：128-136.

［11］ FLEMING L. Recombinant uncertainty in technological search［J］. Management Science，2001，47（1）：117-132.

［12］ 董瑞華.創新網絡內知識流動機制研究［D］.天津：南開大學，2009.

［13］ SAMPSON R C. Ramp;D alliances and firm performance： the impact of technological diversity and alliance organization on innovation［J］. Academy Management of Journal， 2007，50（2）：364-386.

［14］ PHELPS C C. A longitudinal study of the influence of alliance network structure and composition on firm exploratory innovation［J］. Academy Management of Journal， 2010，53（4）：890-913.

［15］ HAGEDOORN J， LOKSHIN B， ZOBEL A. Partner type diversity in alliance portfolios： multiple dimensions boundary conditions and firm innovation performance［J］. Journal of Management Studies，2018，55（5）： 809-836.

［16］ OERLEMANS L， KNOBEN J， PRETORIUS M W. Alliance portfolio diversity， radical and incremental innovation： the moderating role of technology management［J］. Technovation，2013，33（6/7）：234-246.

［17］ CUMMINGS A， ZHOU J， OLDHAM G. Demographic differences and employee work outcomes： effects on multiple comparison groups［C］. Annual Meeting of the Academy of Management，1993.

［18］ CROSS R， CUMMINGS J N. Tie and network correlates of individual performance in knowledge-intensive work［J］. The Academy of Management Journal，2004，47（6）：928-937.

［19］ CLARYSSE B，WRICHT M， BRUNEEL J， et al. Creating value in ecosystems： crossing the chasm between knowledge and business ecosystems［J］. Research Policy，2014，43（7）：1164-1176.

［20］ 陳旭，劉春紅，高長春，等.知識多樣性、知識網絡密度與企業創新績效［J］.華東經濟管理，2020（4）：38-45.

［21］ UWE C， JOEL K. Network position， absorptive capacity and firm success［J］. The ICFAI University Journal of Knowledge Management，2011，9（1）：57-83.

［22］ 楊靚，曾德明，鄒思明，等.科學合作網絡、知識多樣性與企業技術創新績效［J］.科學學研究，2021，39（5）：867-875.

［23］ 關云飛，詹湘東.基于知識管理的區域創新系統運行機制研究［J］.技術經濟與管理研究，2009（6）：59-62.

［24］ LIN H. Cross-sector alliances for corporate social responsibility partner heterogeneity moderates environmental strategy outcomes［J］. Journal of Business Ethics，2012，110（2）：219-229.

［25］ ALGUEZAUI S， FILIERI R. Investigating the role of social capital in innovation： sparse versus dense network［J］. Journal of Knowledge Management，2010，14（6）：891-909.

［26］ GNYAWALI D R， MADHAVAN R. Cooperative networks and competitive dynamics： a structural embededness perspective［J］. Academy of Management Review，2001，26（3）：431-445.

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

［28］ 任勝鋼.企業網絡能力結構的測評及其對企業創新績效的影響機制研究［J］.南開管理評論，2010（1）：69-80.

［29］ 陳琪.基于專利合作分析的廣東省產學研創新網絡結構與知識溢出研究［D］.廣州：暨南大學，2013.

［30］ JANSEN J， VAN D， VOLBERDA H W. Exploratory innovation，exploitative innovation， and performance： effects of organizational antecedents and environmental moderators［J］. Management Science，2006，52（11）：1661-1674.

［31］ ROWLEY T， KRACKHARDT B D. Redundant governance structures： an analysis of structural and relational embeddedness in the steel and semiconductor industries［J］. Strategic Management Journal，2000，21（3）：369-386.

［32］ DAVIS J P， ZUCKERMAN E， EISENHARDT K， et al. Agency and knowledge problems in network dynamics： brokers and bridges in innovative interorganizational relationships［R/OL］.（2010-01-12）［2023-02-05］. https：//www.researchgate.net/publication/229015292_Agency_and_knowledge_problems_in_network_dynamics_Brokers_andbridges_

in_innovative_interorganizational_relationships.

［33］ BURT R S. Structural holes： the social structure of competition［J］. Revue Fran?aise de Sociologie，1995（4）：779-781.

［34］ 付雅寧，劉鳳朝，馬榮康.發明人合作網絡影響企業探索式創新的機制研究：知識網絡的調節作用［J］.研究與發展管理，2018，30（2）：21-32.

［35］ 徐露允，曾德明.知識網絡密度與雙元創新績效關系研究：基于知識基礎多元度的調節效應［J］.研究與發展管理，2018，30（1）：72-80.

［36］ PHELPS C， HEIDL R， WADHWA A. Knowledge， networks， and knowledge networks： a review and research agenda［J］. Journal of Management，2012，38（4）：1115-1166.

［37］ CARNABUCI G， OPERTI E. Where do firms' recombinant capabilities come from？ Intraorganizational networks， knowledge， and firms' ability to innovate through technological recombination［J］. Strategic Management Journal，2013，34（13）：1591-1613.

［38］ 瞿輝，閆霏.基于產業知識多樣性的區域創新能力評價研究［J］.科技管理研究，2019，39（20）：39-44.

［39］ 劉鳳朝，張淑慧，朱姍姍.技術知識多樣性的雙重作用：專利受理及創新影響：基于對象—過程視角的研究［J］.中國軟科學，2018（9）：148-159.

［40］ 劉巖，蔡虹.企業知識基礎網絡結構與技術創新績效的關系：基于中國電子信息行業的實證分析［J］.系統管理學報，2012，21（5）：55-61.

［41］ 徐露允，曾德明，李健.知識網絡中心勢、知識多元化對企業二元式創新績效的影響［J］.管理學報，2017，14（2）：221-228.

［42］ MAHONEY J T. The management of resources and the resource of management［J］. Journal of Business Research，1995，33（2）：91-101.

［43］ 王泓略，曾德明，陳培幀.企業知識重組對技術創新績效的影響：知識基礎關系特征的調節作用［J］.南開管理評論，2020（1）：53-61.

［44］ CARNABUCI G， BRUGGEMAN J. Knowledge specialization， knowledge brokerage and the uneven growth of technology domains［J］. Social Forces，2009，88（2）：607-641.

［45］ 王彥博.知識網絡與合作網絡嵌入式的企業技術創新網絡的解耦研究［J］.科技管理研究，2016（1）：12-16.

［46］ 李健，余悅.合作網絡結構洞、知識網絡凝聚性與探索式創新績效：基于我國汽車產業的實證研究［J］.南開管理評論，2018，21（6）：121-130.

［47］ 楊建朝，王彥博，朱菁菁.復雜環境下創新網絡的解耦研究［J］.價值工程，2015，34（15）：240-243.

［48］ 曾德明，周濤.企業知識基礎結構與技術創新績效關系研究：知識元素間關系維度新視角［J］.科學學與科學技術管理，2015（10）：80-88.

［49］ 俞榮建，胡峰，陳力田，等.知識多樣性、知識網絡結構與新興技術創新績效：基于發明專利數據的NBD模型檢驗［J］.商業經濟與管理，2018（10）：38-46.

［50］ WANG C，RODAN S，FRUIN M， et al. Knowledge networks，collaboration networks，and exploratory innovation［J］. Academy of Management Journal，2014，57（2）：484-514.

Abstract： Purpose - Research on collaborative innovation enterprises and the innovation networks they embed has been relatively abundant， but few studies have focused on how enterprises， as micro-individuals， integrate into the meso-level collaborative innovation networks through collaborative innovation， thereby promoting the improvement of meso-level regional innovation performance. This article aims to conduct systematic research from the perspective of connecting the micro （enterprise）， meso （network）， and macro （regional） levels， in order to analyze the antecedent and moderating variables that affect regional innovation performance from the perspective of collaborative innovation， to improve the theoretical system of collaborative innovation， and to provide new ideas and suggestions for enterprises to carry out collaborative innovation and for regions to enhance innovation performance.

Design/methodology/approach - This paper takes the Beibu Gulf Economic Zone of Guangxi as a sample and selects the patent data of H non-single applicants in H parts from Nanning ， Beihai ， Qinzhou and Fangchenggang from 2013 to 2021 for analysis and research. In terms of variable selection and measurement， members diversity" is measured by the type and quantity of applicants in cooperative patents， while knowledge diversity is assigned based on the difference values encoded in IPC classification. The network center potential， network density， and network structure holes of member networks and knowledge networks are calculated using social network analysis software Ucinet 6. The regional innovation performance is measured by the total number of patents retrieved and screened in the region. At the same time， Stata is used to construct a negative binomial distribution model to verify and analyze the relationship hypothesis between variables.

Finding - Research found that the diversity of members and knowledge in collaborative innovation networks has a significant positive impact on regional innovation performance. The diversity of members in collaborative innovation networks has a significant positive impact on knowledge diversity， and the centrality and density of member networks play a positive moderating role in this relationship. Diversified knowledge helps to improve regional innovation performance， and in high-density knowledge networks， various knowledge elements can be more effectively integrated and reconstructed， thereby transforming into innovation achievements.

Originality/value - The study explores the connection between micro （enterprise）， meso （network）， and macro （regional） levels of collaborative innovation， the relationship network between enterprise members and the knowledge network composed of various knowledge elements interact and have an impact on the innovation level of the entire region， and conduct sufficient research on the role of collaborative innovation network structure in this regard， filling the gaps in existing research. This study provides a new perspective for collaborative innovation-related research. It also lays a theoretical and empirical foundation for further revealing the linkage mechanism of micro， meso and macro in the process of collaborative innovation， providing useful guidance for innovation management practices of enterprises.

Key words： collaborative innovation; members diversity; knowledge diversity; network structure; regional innovation performance