“合作對”視角下合作伙伴知識基礎與企業知識獲取：知識鄰近性的調節作用

姜秀娟 李琳琳 張丞奭 田利娜

摘? ?要：運用知識基礎理論，基于納米能源領域專利數據，篩選出企業合作對，探究合作伙伴的知識基礎特征對焦點企業知識獲取的影響，分析焦點企業與合作伙伴知識鄰近性的調節效應。負二項回歸分析結果表明，合作伙伴知識多樣性、知識組合機會對焦點企業知識獲取都具有促進作用；合作伙伴知識組合潛力越大，焦點企業知識獲取越少；合作雙方的知識鄰近性弱化了合作伙伴知識組合潛力與焦點企業知識獲取的負向關系，強化了合作伙伴知識組合機會與焦點企業知識獲取的正向關系。

關鍵詞：知識多樣性；知識組合潛力；知識組合機會；知識鄰近性；知識獲取

中圖分類號：F273.1；F272? ? ? ?文獻標志碼：A? ? ? 文章編號：1673-291X（2024）06-0019-04

引言

如今創新已經成為時代發展的主題，企業要想在競爭中獲取優勢，就必須加強知識創造和技術創新。很少有公司擁有成功和持續創新所需要的所有資源和能力。企業基于合作從外部獲取知識，并與內部知識進行整合，是提升企業自身創新能力和創新績效的重要途徑。因此，在未來合作中知識獲取預期是企業在合作創新中選擇合作伙伴的重要考量因素。

知識獲取越來越受學界的關注。已有研究按照知識獲取的知識源，將其劃分為內部知識獲取和外部知識獲取。內部知識獲取主要指基于企業內部的研發活動增加企業的新知識，外部知識獲取主要指通過企業并購、R&D聯盟、技術購買、人才引進等方式從企業外部獲取知識。本研究的知識獲取指的是外部知識獲取。

在知識獲取已有研究的基礎上，本文擬基于焦點企業的合作伙伴選擇視角，聚焦合作伙伴知識基礎特征及合作雙方的知識關系特征，探討兩類因素對焦點企業知識獲取的影響機理。當前關于組織知識基礎特征的研究較多，主要探討組織知識基礎的多樣性、深度和廣度等特征對組織自身的影響，而研究合作伙伴知識基礎特征對焦點企業影響的很少。實際上，與不同的組織合作，焦點企業知識獲取情況會有不同。劉鳳朝等[1]研究發現，合作伙伴的知識多樣性對焦點企業的創新績效有正向影響。關于合作雙方間的知識關系特征的研究大多圍繞雙方知識基礎的相似性（鄰近性）、互補性等特征，探討其對創新績效的影響。而專門研究合作雙方的知識關系特征對焦點企業知識獲取影響的很少。Rosenkopf等[2]認為，組織間的技術相似性影響組織的學習效果。可見，現有相關研究大多聚焦合作伙伴知識基礎特征及合作雙方的知識關系特征，對焦點企業知識獲取影響機理的探討還很少。而且，目前對合作創新的研究，在衡量合作伙伴的相關特征時，絕大部分文獻都是對企業的所有合作伙伴特征進行平均化處理，忽略了不同合作伙伴之間的差異，對企業到底選擇什么樣的合作伙伴的指導意義降低。因此，本研究基于德溫特創新指數數據庫中納米能源領域的聯合申請專利，篩選出一對一的“合作伙伴—焦點企業”合作對，主要考察合作伙伴的知識基礎特征，包含知識多樣性、知識組合潛力與知識組合機會對焦點企業知識獲取的影響，并探究合作雙方知識鄰近性的調節作用，以期為企業選擇合作伙伴進行合作創新提供理論依據。

一、理論基礎與研究假設

（一）合作伙伴知識多樣性與焦點企業知識獲取

知識基礎理論強調知識是企業的重要資源。近年來，隨著合作創新趨熱，有學者開始關注合作伙伴知識基礎特征對焦點企業的影響。Ravichandran和Giura[3]認為，聯盟伙伴的知識基礎越龐大，焦點企業可以接觸的知識組合數量就越多，從而會增加其在知識重組活動中使用聯盟伙伴知識的可能。合作伙伴擁有的知識元素多樣性程度高（見圖1），說明他們的知識分布在不同的領域，與知識集中分布在單一領域的企業相比，這些組織知識分布較廣，技術更加靈活，能夠更好地將不同領域的知識結合起來進行創新，在與其他組織進行合作時他們更受歡迎。作為焦點企業，與知識多樣化程度高的企業合作時，更有可能獲取和整合適合他們的知識。因此本文提出假設：

H1：合作伙伴知識多樣性的提升對于焦點企業知識獲取具有促進作用。

（二）合作伙伴知識組合潛力與焦點企業知識獲取

合作伙伴知識組合潛力表示合作伙伴知識元素在知識網絡中的位置特征（見圖1）依賴于知識元素之間的聯系，而這種聯系通常取決于該知識元素的組合歷史。學者們通常用知識元素在網絡中的度中心位置表示知識組合潛力，知識元素度中心性越大，代表知識的組合潛力越大[4，5]。Brennecke等[4]認為，過去已經廣泛結合的知識元素，發明者對它們比較熟悉，被認為其不再提供許多重組的可能性，所以發明人知識元素的高組合潛力使他們成為同事的顧問的吸引力降低。同樣地，在企業層面，合作伙伴擁有較高的知識組合潛力，說明內部的知識元素在整個行業中處于中心位置，并且已經與其他知識元素之間擁有很多聯系，進行了豐富的組合，未來這些知識元素被組合的可能性降低。因此，與低的知識組合潛力的合作伙伴相比，焦點企業在與高知識組合潛力的合作伙伴合作時，能夠進行知識組合的機會更少。因此提出假設：

H2：合作伙伴知識組合潛力的提升對于焦點企業知識獲取具有抑制作用。

（三）合作伙伴知識組合機會和焦點企業知識獲取

Wang等[6]認為，知識間的潛在組合機會與知識網絡結構洞豐富程度息息相關。高知識組合機會代表組織擁有的知識元素與其他知識元素相連，而這些其他知識元素本身并沒有在一項發明中被組合，說明它們在主題上很可能是相關的（見圖1），因此，組織或發明人通過中介知識元素搜索其他相關知識元素和組合機會比較便利。Brennecke等[4]研究表明，發明者的知識元素提供的組合機會越多，就有越多的人向發明者尋求與工作相關的建議。類似的，知識組合機會越大的組織為未來的知識重新組合提供了更多的機會。焦點企業在與其他企業合作創新時，一方面看重伙伴的知識組合經驗和能力，另一方面尋求知識的互補或融合。合作伙伴知識組合機會越多，越能激發焦點企業的學習動機，獲取更多知識。因此提出假設：

H3：合作伙伴知識組合機會的提升對于焦點企業知識獲取具有促進作用。

（四）合作雙方知識鄰近性的調節作用

關于知識鄰近性，組織之間知識鄰近性程度高代表組織具有相同或相近領域的知識較多（見圖1）。研究發現，知識鄰近性增加了一家公司利用另一家公司知識的可能性[2]。首先，當合作伙伴擁有的知識多樣化程度較高時，焦點企業理解或吸收合作伙伴知識的難度增加，企業需要付出更大的努力和成本去學習合作伙伴的知識。但如果焦點企業與合作伙伴具有較高的知識鄰近性，那么焦點企業對合作伙伴知識的理解和組合也會更容易。其次，如果合作伙伴的知識組合潛力較高，且焦點企業與合作伙伴的知識鄰近性較高，則意味著焦點企業和合作伙伴所處的知識領域有較大重疊，有利于焦點企業深入理解合作伙伴細分領域的知識，并且有利于較好進行整合。最后，知識組合機會較高的合作伙伴，其在知識網絡中占據大量的結構洞，這為未來的知識重組創造機會。當焦點企業尋求外部的知識重組以創造新發明時，與低的知識鄰近性相比，其與合作伙伴的知識鄰近性越高，越有利于焦點企業對合作伙伴知識的深入的理解，向合作伙伴尋求新的知識組合機會的成本也越低，更有利于焦點企業向合作伙伴學習。故本文提出以下假設：

H4a：知識鄰近性越高，合作伙伴知識多樣性對焦點企業知識獲取的促進作用越強。

H4b：知識鄰近性越高，合作伙伴知識組合潛力對焦點企業知識獲取的抑制作用越弱。

H4c：知識鄰近性越高，合作伙伴知識組合機會對焦點企業知識獲取的促進作用越強。

圖1 變量示圖

基于以上的研究假設，總結本研究的理論模型如圖2所示。

圖2? 理論模型

二、研究設計

（一）樣本選取與數據來源

本文針對納米能源領域開展合作創新的企業進行實證研究，使用德溫特創新索引數據庫提取納米能源專利數據，借鑒Guan和Liu[7]的關鍵詞檢索策略對納米能源專利進行檢索。本文選取2005—2020年作為研究區間，經數據清洗，篩選出專利24 404條。

根據對專利權人這15年中專利總量進行排序，由于本文主要研究企業的知識獲取，因此按照德溫特分配給專利權人的唯一標準代碼識別焦點企業，選取專利授權數量在20條及以上的企業進行研究，最終得到51家焦點企業。將這些企業在研究期間的納米能源專利下載后，根據每一條專利的專利權人識別焦點企業的合作伙伴，并同樣選取專利數量20及以上的具有標準代碼的合作伙伴，而后形成合作對組合，例如A企業有兩個合作伙伴B和C，本文將得到A-B和A-C兩個合作對。使用五年時間移動窗口t-5至t-1年來測量自變量和調節變量，考慮到學習效果的滯后性，本研究的因變量滯后一年，取t年，最終得到110個一對一合作對的772個觀測值。

（二）變量測度

1.因變量

因變量為焦點企業對合作伙伴的知識獲取（CN），本文借鑒、Kok等[8]的研究，焦點企業第t年的知識獲取用該企業第t年的專利引用合作伙伴專利的總數來衡量。本文認為，焦點企業從合作伙伴那里學習和吸收知識需要時間，因此該變量相對于自變量對應的時間窗口滯后了一年。

2.自變量

本文根據Wang等[6]的做法，將合作伙伴知識多樣性（KD）用合作伙伴申請的專利中包含的知識元素的數量來測度，即合作伙伴專利中前四位IPC種類數量越多，知識多樣性越大。

對于知識組合潛力（DC）的測度參照Brennecke等[4]的做法，用合作伙伴的所有知識元素在整個行業的知識網絡中的度中心性的平均值來表示，度中心性的平均值越大，其知識組合潛力越大。

知識組合機會（SH）用結構洞來衡量。根據付雅寧等[9]的做法，用2與限制度的差值來衡量節點結構洞的豐富程度。并取合作伙伴所有知識元素的結構洞均值作為該合作伙伴的結構洞測量值，該值越大，其知識組合機會越大。

3.調節變量

為了計算知識鄰近性，本文采用Jaffe[10]的計算方法，按照國際專利分類標準，以專利的大類為基礎，得出知識鄰近性的計算公式如下：

KS=■f■f■/ ■

其中，fik和fjk分別是組織i和組織j以前三位IPC分類號表示的技術類別k技術領域申請的專利數量，n為所有三位數IPC分類號表示的技術類別；KS代表知識鄰近性，取值在0與1之間，數值越大，說明組織i與組織j之間的知識鄰近性越高。

4.控制變量

焦點企業創新能力（NFP），用每個時間窗口下焦點企業的專利數量衡量其創新能力。焦點企業合作經驗（FCA），使用焦點企業在時間窗口下的合作伙伴數量來測度此變量。合作伙伴創新能力（NPP）用合作伙伴的專利數量衡量其創新能力。雙方合作次數（NCP），雙方合作次數越多，意味著彼此有更多的信任，用五年內合作總次數來衡量此變量。

三、實證分析

（一）描述性統計與相關性檢驗

本研究采用Stata16.0對數據進行了描述性統計分析及相關性檢驗，結果顯示，知識多樣性與知識獲取正相關（β=0.127），知識組合潛力與知識獲取負相關（β=-0.154）。為了進一步檢驗變量間的多重共線性問題，本文計算了每個變量的方差膨脹因子（VIF），最小值1.31，最大值3.45，小于5，因此變量之間不存在嚴重的多重共線性問題。

（二）負二項回歸分析

由于因變量知識獲取是一個離散型非負計數變量，因此選擇使用負二項回歸模型來檢驗假設。為了減小多重共線性問題，對涉及交互項的變量進行了中心化處理。回歸分析結果見表1。

模型1是基礎模型，只加入了控制變量，從結果中可看出，合作次數、合作伙伴創新能力對焦點企業知識獲取都有顯著影響；模型2的結果顯示，合作伙伴知識多樣性與焦點企業知識獲取呈顯著的正相關關系，H1得到驗證。合作伙伴知識組合潛力和知識組合機會對焦點企業的知識獲取分別有顯著的負向影響和正向影響，因此H2和H3得到驗證。由模型3回歸結果可以看出，知識鄰近性對合作伙伴知識多樣性與焦點企業知識獲取的關系的調節作用不顯著，H4a未通過驗證。原因可能是，雖然知識鄰近性能夠使焦點企業更好地理解合作伙伴的知識，但是可能并未增強其對合作伙伴知識獲取的動機。模型4回歸結果顯示，知識鄰近性越高，合作伙伴知識組合潛力對焦點企業知識獲取抑制作用減弱，因此H4b得到支持。模型5的結果說明隨著焦點企業與合作伙伴之間的知識鄰近程度增高，合作伙伴知識組合機會對焦點企業的知識獲取的促進作用也會提高，H4c得到驗證。

（三）穩健性檢驗

為了進一步確定模型檢驗結果的可靠性和穩健性，本文將因變量換為滯后2年（t+1年）的焦點企業對合作伙伴的專利引用（CN2），同樣采取負二項回歸模型進行檢驗，檢驗結果與之前的回歸結果基本一致，因此，模型的結果是比較穩定的。

四、結論與啟示

本研究得到以下結論與啟示。

第一，合作伙伴的知識多樣性對焦點企業知識獲取具有正向影響，合作伙伴知識組合潛力抑制焦點企業的知識獲取。因此，焦點企業在選擇合作伙伴時，在同等條件下，要優先考慮知識領域廣泛多樣、知識元素組合潛力低但組合機會高的合作伙伴。

第二，本研究發現，合作雙方高知識鄰近性削弱了合作伙伴知識組合潛力對企業知識獲取的負向影響，增強了合作伙伴知識組合機會對企業知識獲取的正向影響。因此，當擬合作伙伴知識組合潛力越高時，或者擬合作伙伴知識組合機會越低時，焦點企業越應該審視雙方的知識鄰近性。如果知識鄰近性很低的話，很可能與對方的合作并不能帶來自身知識基礎的有效擴展；如果焦點企業尋求合作的目的并非是為了互補專業化，那么選擇與自身的知識領域具有一定鄰近性的合作伙伴，可以避免太大的技術距離帶來的學習困難以及過高的學習成本，并且可以帶來較好的學習效果。

第三，對于合作伙伴來說，在合作過程中，其知識基礎特征影響著對方的學習效果。因此，在合作之前，組織應對合作發起方的知識基礎有系統的了解，并且與自身的知識基礎進行對比，充分考慮合作帶來的收益及可能的知識溢出情況，再斟酌是否接受合作邀請。

參考文獻：

[1]? ?劉鳳朝，羅蕾，張淑慧.知識屬性、知識關系與研發合作企業創新績效[J].科研管理，2021，42（11）：155-163.

[2]? ?Rosenkopf L， Almeida P. Overcoming local search through alliances and mobility[J].Management Science，2003，49（6）：751-766.

[3]? ?Ravichandran T，Giura S I.Knowledge transfers in alliances：exploring the facilitating role of information technology[J].Information Systems Research，2019，30（3）：726-744.

[4]? ?Brennecke J， Rank O. The firm's knowledge network and the transfer of advice among corporate inventors—amultilevel network study[J]. Research Policy，2017，46（4）：11787.

[5]? ?Zhao Y，Han X，Yang X，et al. Interorganizational knowledge networks，R&D alliance networks，and innovation capability：a multilevel network perspective[J].Complexity，2021：1-22.

[6]? ?Wang C L， Rodan S，Fruin M，et al. Knowledge networks， collaboration networks，and exploratory innovation[J].Academy of Management Journal，2014，57（2）：484-514.

[7]? ?Guan J C， Liu N. Exploitative and exploratory innovations in knowledge network and collaboration network： apatent analysis in the technological field of nano-energy[J].Research Policy，2016，45（1）：97-112.

[8]? ?Kok H， Faems D， De Faria P. Ties that matter：the impact of alliance partner knowledge recombination novelty on knowledge utilization in R&D alliances[J].Research Policy，2020，49（7）：19.

[9]? ?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.

[10]? ?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）：984-1002．

[責任編輯? ?妤? ?文]