創(chuàng)新合作網(wǎng)絡對企業(yè)創(chuàng)新績效的影響分析

摘要：文章探討電子信息產(chǎn)業(yè)中的創(chuàng)新合作網(wǎng)絡在基于網(wǎng)絡嵌入性條件下對企業(yè)創(chuàng)新績效的影響，旨在為企業(yè)的可持續(xù)發(fā)展提供一定的理論支持。通過利用Gephy軟件抓取專利數(shù)據(jù)并構建企業(yè)創(chuàng)新網(wǎng)絡，發(fā)現(xiàn)企業(yè)創(chuàng)新績效與平均聚合度和匹配度呈倒U型關系，而與特征變量中心度呈U型關系。此外，結構洞的限制系數(shù)越低、模塊度Q值越高，平均路徑長度越長，創(chuàng)新績效也越高。

關鍵詞：網(wǎng)絡嵌入；關系嵌入；結構嵌入；電子信息產(chǎn)業(yè)；負二項回歸

一、引言

創(chuàng)新是當代經(jīng)濟社會發(fā)展的主題，合作網(wǎng)絡是驅(qū)動創(chuàng)新的強效動能，對提升企業(yè)績效具有積極的影響。近年來，產(chǎn)業(yè)數(shù)字化的趨勢刺激企業(yè)間的合作方式的轉(zhuǎn)變，企業(yè)的競爭已經(jīng)不再是傳統(tǒng)的單打獨斗，而是要依靠創(chuàng)新合作網(wǎng)絡來實現(xiàn)更大的成功。基于此，本文從網(wǎng)絡嵌入理論的視角出發(fā)，主要從專利角度切入，總結創(chuàng)新合作網(wǎng)絡影響創(chuàng)新績效的路徑，幫助企業(yè)更好地把控自身的創(chuàng)新網(wǎng)絡布局和創(chuàng)新管理決策。

二、理論研究

（一）網(wǎng)絡嵌入的劃分

眾多學者嘗試從不同維度對網(wǎng)絡嵌入進行系統(tǒng)的區(qū)分，關系嵌入強調(diào)的是網(wǎng)絡主體間的連接強度。Uzzi（1996）認為在搭建的合作網(wǎng)絡中，建立信任聯(lián)結和實現(xiàn)信息共享是企業(yè)達到共同創(chuàng)造價值的必要條件。在企業(yè)內(nèi)部，此種機制在一定程度上可減少機會濫用的可能性；在企業(yè)外部，該機制改善了企業(yè)間資源和信息的交流效率。與關系嵌入不同，結構嵌入研究的是企業(yè)在網(wǎng)絡結構中的地位。Schilling（2007）通過對11個聯(lián)盟網(wǎng)絡中的1106個企業(yè)的實證研究，發(fā)表論文稱，密集型聚合產(chǎn)業(yè)的結構聯(lián)系了不同的企業(yè)并且給其中的主體提供了廣泛的知識獲取通道。對于大范圍的企業(yè)，高度聚合的結構和相對較短的平均路徑長度會激勵網(wǎng)絡創(chuàng)新效率的提高。蔣天盈（2014）通過研究集群企業(yè)網(wǎng)絡嵌入模型，得出結論網(wǎng)絡嵌入通過影響中間變量——知識從而進一步影響技術創(chuàng)新，而非直接作用。

（二）研究意義

據(jù)文獻綜述顯示，網(wǎng)絡嵌入度與創(chuàng)新績效之間的關系是顯著和積極的。但從現(xiàn)有創(chuàng)新合作研究成果來看，有結論存在矛盾的情形，可見合作特征對創(chuàng)新績效的影響具有異質(zhì)性。事實上，高網(wǎng)絡嵌入度的企業(yè)具有更好的創(chuàng)新表現(xiàn)、更高的市場份額、更高的利潤及更高的生產(chǎn)效率，并且在示范效應和技術傳播方面的作用更為顯著，這對企業(yè)的長期發(fā)展是至關重要的。因此，如何提高企業(yè)的網(wǎng)絡嵌入性水平以優(yōu)化創(chuàng)新績效是一個值得研究的問題。

（三）研究假設

在上述文獻有關的研究中，創(chuàng)新網(wǎng)絡的聯(lián)系通常表現(xiàn)為兩種不同的形式：分別是由高連通性的企業(yè)成員組成的產(chǎn)業(yè)集群內(nèi)部的關系與跨集群間的連接。其中，跨集群間的連接主要為企業(yè)與高校、研究所的合作相關研究表明，在靜態(tài)環(huán)境下，成員流動（即進入和退出）越少，企業(yè)前后匹配度越高，聚類系數(shù)越高，可以討論和交流的合作伙伴將越多。但是隨著聚類系數(shù)的增長，過度集中的網(wǎng)絡可能會導致核心企業(yè)處理事務的疲憊度和瑣碎度，增加了決策錯誤的可能性。企業(yè)集聚雖有利于發(fā)揮產(chǎn)業(yè)集群規(guī)模效應，但集聚密度過高會導致知識同質(zhì)化從而影響企業(yè)后續(xù)新知識的汲取與進步。由此得出假設1。

H1：企業(yè)創(chuàng)新績效和平均聚類系數(shù)及網(wǎng)絡匹配度呈“倒U型”關系。

在未形成一定網(wǎng)絡體系時，企業(yè)中心度過高會導致與外界聯(lián)系少，企業(yè)與合作伙伴或者其他企業(yè)之間的意見分歧或合作難度會增加，面臨著信息和資源的獲取難題，影響了企業(yè)的創(chuàng)新能力和創(chuàng)新績效。但隨著時間推移，網(wǎng)絡形成雛形后，中心度增高會使得企業(yè)間的聯(lián)系更加穩(wěn)定，成員間彼此相互信任依賴，沖突較少，有利于促進企業(yè)間知識的傳遞、吸收、轉(zhuǎn)化和利用，從而提高創(chuàng)新效率。由此得到假設2。

H2：企業(yè)創(chuàng)新績效與網(wǎng)絡中心度呈“U型”關系。

當兩個獨立結點需要相互鏈接時，必須依賴其他關系方作為連接的橋梁，填補結構上的空缺，此時這個其他關系方就占據(jù)了結構洞。大量學者的實證結果證實，在不同類型的合作關系中，非冗余型的合作關系往往能帶來異質(zhì)性信息，是最有效的一種合作模式。隨著網(wǎng)絡中結構洞的增加，企業(yè)有更多的機會獲得新的創(chuàng)新資源，從而實現(xiàn)多知識領域的交叉。由此提出假設3。

H3：結構洞數(shù)量對企業(yè)創(chuàng)新績效的積極影響。

三、研究數(shù)據(jù)、變量與模型

（一）數(shù)據(jù)來源及處理方式

電子信息領域的企業(yè)對知識產(chǎn)權活動極為重視。因此，本文的數(shù)據(jù)是從CNIPA專利信息服務平臺爬取的電子信息產(chǎn)業(yè)專利基本信息條錄。對數(shù)據(jù)的處理如下：首先，刪除專利申請人列里個人申請的專利，在抓取的242127條專利數(shù)據(jù)中，合作申請發(fā)明專利共有16964項；其次，設置閾值，刪除合作次數(shù)未高于2次的企業(yè)，接著，將每個合作專利的申請人進行兩兩組合，從而建立創(chuàng)新主體間的權重創(chuàng)新關聯(lián)；最后，使用觀測樣本9971個。構建的合作網(wǎng)絡圖如圖1至圖4所示。

對于數(shù)據(jù)進行清洗，首先，把名稱相似屬于同一大公司進行控股的幾個企業(yè)進行合并。其次，根據(jù)日期按月進行分組，然后將合作完成的專利拆成兩人一組，組成邊的源和目標，構建無向合作網(wǎng)絡并得到相關指標數(shù)據(jù)（見表1）。

（二）變量定義與說明

1. 因變量

本文的因變量是企業(yè)創(chuàng)新績效。企業(yè)自主申請并得到授權的專利數(shù)量可折射出企業(yè)的創(chuàng)新績效。因此，本文認為企業(yè)的創(chuàng)新績效可用企業(yè)通過申請的專利數(shù)量來體現(xiàn)。將2001-2021年每5年做一個截段，通過企業(yè)該時間段內(nèi)申請的專利數(shù)量分析網(wǎng)絡特征，在此基礎上，將企業(yè)創(chuàng)新績效劃分為兩個維度測量。創(chuàng)新數(shù)量體現(xiàn)電子信息企業(yè)的創(chuàng)新總量，代表了企業(yè)創(chuàng)新的規(guī)模；而創(chuàng)新質(zhì)量體現(xiàn)企業(yè)的技術質(zhì)量、研究影響力和創(chuàng)新效益。

2. 自變量

本文的自變量是創(chuàng)新合作網(wǎng)絡。王安琪，熊勝緒（2020）分析得出網(wǎng)絡關系的三個維度（關系選擇、關系維護、關系利用）均對企業(yè)技術創(chuàng)新績效有顯著正向影響；吳萬明等（2022）基于創(chuàng)新網(wǎng)絡視角，分析了知識異質(zhì)性通過知識協(xié)同的中介作用影響企業(yè)創(chuàng)新績效的作用機理以及治理機制的調(diào)節(jié)作用。從現(xiàn)有創(chuàng)新合作研究成果來看，有結論存在矛盾的情形，可見合作特征對創(chuàng)新績效的以影響具有異質(zhì)性，研究結論不具備普適性，對于不同合作網(wǎng)絡、不同網(wǎng)絡特征的創(chuàng)新績效的關系需要分別進行驗證。

3. 中介變量

（1）結構嵌入。結構嵌入性是指一個個體或組織在社交網(wǎng)絡結構中所處的位置和關系，以及這種位置和關系對其發(fā)展和行為的影響。本文將用網(wǎng)絡中心度和結構洞兩個指標對結構嵌入性視角下的合作網(wǎng)絡主體進行衡量。中心度表示與某節(jié)點直接鏈接的其他節(jié)點個數(shù)。中心度FC（i）的增加對應著節(jié)點在網(wǎng)絡中的重要性和影響度增加，節(jié)點的地位也隨之提高。中心度的計算公式為：

式中，F(xiàn)C（i）表示中心度；xij代表的是節(jié)點i與節(jié)點j之間的邊數(shù)；n是衡量網(wǎng)絡中結點數(shù)量的變量。若要使結點對結構洞的利用率提高，則需降低結構洞限制度，其計算公式為：

式中，Di表示創(chuàng)新主體i的結構洞限制度數(shù)值；Kij的j表示為與創(chuàng)新主體i直接相連的點；Kiq是創(chuàng)新主體i的全部關系投入中，投入q的關系占總關系的比例；Kqj表示連接q與j之間關系的邊緣強度。結構洞限制度Di描述了節(jié)點在網(wǎng)絡中利用結構洞的潛力，用以評估節(jié)點的網(wǎng)絡控制力和競爭優(yōu)勢。

（2）關系嵌入。借鑒（Perry，2006）和楊博旭等（2019）的測量方式，通過評估企業(yè)在創(chuàng)新網(wǎng)絡中的接近中心度和聚類系數(shù)來衡量關系嵌入程度。接近中心度是用節(jié)點與其他節(jié)點的距離加總求和來衡量的。當一家企業(yè)能夠快速響應網(wǎng)絡中其他的參與者時，即被視為高接近性企業(yè)。其表達式為：

式中，j表示圖頂頂點的個數(shù)；dij為兩點之間最短路徑的長度；n表示網(wǎng)絡規(guī)模。

若聚類系數(shù)是用來衡量一個圖中的某節(jié)點與其相連結點之間聚集的程度的系數(shù)，局部聚類系數(shù)能折射出其鄰居節(jié)點存在鏈接狀態(tài)的可能性。表達式為：

式中，CC（i）表示局部聚類系數(shù)，ki指與結點i存在連接狀態(tài)的結點數(shù)量。

（三）模型設定

1. 負二項回歸分析

對于計數(shù)資料，當其服從的Poisson分布強度參數(shù)λ服從γ分布時，所得到的復合分布即為負二項分布。其中，λ是一個隨機變量，方差λ（1+kλ）遠大于平均數(shù)。k表示計數(shù)資料的離散程度，yi表示單位時間內(nèi)事件發(fā)生的頻數(shù)，呈現(xiàn)負二項分布，則模型方程如下：

lnyi=logni+β0+β1xi1+β2xi2+…+βmxim+logki（5）

式中，xij表示影響創(chuàng)新主體i的因素j， βj表示當xij增加1個單位，lnyi的變化程度對yi產(chǎn)生e■的效應；ni表示誤差隨機項；ki表示創(chuàng)新主體i的專利申請數(shù)量的離散程度。

本文涉及的被研究對象為電子信息產(chǎn)業(yè)的專利申請數(shù)據(jù)，這些數(shù)據(jù)并非連續(xù)型，通常呈現(xiàn)出較高的離散度。因此，使用負二項回歸方法以應對存在的過度分散情況。

2. SNA分析法

社會網(wǎng)絡分析法（SNA）是一種通過研究網(wǎng)絡關系對現(xiàn)實世界的聯(lián)系進行量化的定量分析法。為了衡量合作網(wǎng)絡關系的變化動蕩，本文參考Sytch的論文的衡量方法，匹配數(shù)據(jù)。在形式上，將兩個社群之間的重疊度定義為

式中，N■∩N■是指t和t+1時刻i和j社群共享的成員的數(shù)量，N■∪N■指在兩個時期社群都出現(xiàn)過的網(wǎng)絡組成成員數(shù)量。在內(nèi)容上，本文依照張娜等人的研究采取G-N算法來識別社群，采取指標模塊度：

式中，Q表示模塊度，p表示網(wǎng)絡中邊的數(shù)量，P■表示節(jié)點i和節(jié)點j之間的連接次數(shù)；σ■表示兩結點i和j是否屬于相同模塊，通過模塊度的方法來將“屬性數(shù)據(jù)”通過簡單處理轉(zhuǎn)化為“關系數(shù)據(jù)”。

四、實證分析

本節(jié)在研究結論的基礎上，對前文提出的研究假設進行實證檢驗。研究的對象為某一段時期內(nèi)企業(yè)所獲取專利的數(shù)量，就函數(shù)關系而言，該模型的因變量是離散變量，因此傳統(tǒng)的多元線性回歸模型并不適用。而且由于本文的樣本是限定在特定時間段內(nèi)發(fā)布過專利的企業(yè)，因變量專利個數(shù)在任何時候都不存在為0的情況，所以只可選擇的計數(shù)模型只有泊松回歸和負二項回歸。

（一）模型對比及建立

本文采取了計數(shù)模型中的廣義泊松模型和負二項回歸模型進行回歸，分別稱為模型一和模型二，可以看出在負二項回歸模型中變量的P值相較于泊松模型較大，但是模型擬合度R2＝0.817>0.808，AIC值更小，且模型一不滿足E（Yi｜Xi）=Var（Yi｜Xi）的條件，故本文采取負二項回歸。

在模型二的基礎上逐步加入二次項，經(jīng)過多次嘗試得到最優(yōu)結果如表2所示，可以看出：模型擬合度由0.808提高到了0.843，并且每個變量的P值均<0.05，在95%的置信水平下可以認為其顯著。

（二）回歸結果分析

為了驗證結構嵌入對企業(yè)創(chuàng)新績效的影響，本文采用創(chuàng)新合作網(wǎng)絡作為自變量，網(wǎng)絡嵌入性作為中介變量，進而分析作為依賴變量的創(chuàng)新績效，并對行業(yè)屬性進行控制，進行回歸分析。根據(jù)回歸結果可得出，中心度對創(chuàng)新績效影響的標準化回歸系數(shù)k1=0.043，且P值<0.05，鄰接矩陣二次方對創(chuàng)新績效影響的標準化回歸系數(shù)為k2=-0.018，且P值<0.1。證明網(wǎng)絡中心度與企業(yè)創(chuàng)新績效之間呈現(xiàn)倒U 型的相關性，即中心度的適度提升有助于激發(fā)企業(yè)的創(chuàng)新表現(xiàn)，但過分強調(diào)中心度則會抑制企業(yè)創(chuàng)新績效的提高，可得假設H2成立；結構洞和企業(yè)創(chuàng)新績效回歸方程的標準化回歸系數(shù)k3=-0.537，且P值<0.1。若考慮結構洞的數(shù)量，根據(jù)其測量指標數(shù)值越高則表示結構洞的數(shù)量越少，并且已知結構洞與創(chuàng)新績效的回歸系數(shù)為負值，那么我們可以得出假設H3成立。

五、描述性統(tǒng)計

基于社會網(wǎng)絡相關理論與方法構建和分析電子信息制造業(yè)中游企業(yè)的創(chuàng)新網(wǎng)絡以及企業(yè)的創(chuàng)新網(wǎng)絡結構位置，本文運用網(wǎng)絡分析軟件UCINET、GEPHI等對企業(yè)網(wǎng)絡嵌入進行測量，并進行描述性統(tǒng)計及回歸分析，驗證獲取的專利樣本是否具有顯著性。

為了避免自變量之間的相關性對回歸結果造成影響，在構建最終指標前進行相關性檢驗。表3給出了變量的描述性統(tǒng)計結果以及相關系數(shù)矩陣，由此可以看出，特征向量中心度與平均加權度之間的相關性較高達到0.701，且平均加權度的VIF值較高=6.556>5，在回歸時采取剔除。其余變量的VIF值都較小，最高僅4.57，說明剔除后的模型不存在嚴重的多重共線性。

匹配度的均值僅為0.370，說明這期間的企業(yè)合作動蕩較大，經(jīng)過查找發(fā)現(xiàn)因為原本合作牢固的企業(yè)之間的聯(lián)系不會輕易撼動，投資者在相互企業(yè)間都有參股。相比之下，一些新進入的企業(yè)很難融入，進入成本較高，因此合作次數(shù)較少，通過研究專利數(shù)據(jù)可發(fā)現(xiàn)，鴻富錦精密工業(yè)深圳分公司與鴻海精密工業(yè)股份有限公司累計進行了高達254次的合作，建立了較為牢固的合作關系，但是相比之下，鴻富錦精密工業(yè)（深圳）有限公司與賜福科技股份有限公司在2010年12月合作了一次，之后便沒有合作，退出了合作網(wǎng)絡。因此，猜測有不少這樣的進入成本較高的小企業(yè)導致匹配度較低。但是從平均聚類系數(shù)為0.656較高，可以看出中心企業(yè)的凝聚力較強。

六、結語

隨著全球經(jīng)濟競爭的加劇，組建創(chuàng)新合作網(wǎng)絡對企業(yè)提高創(chuàng)新績效的作用越來越凸顯。因此，創(chuàng)新合作網(wǎng)絡通過網(wǎng)絡嵌入性對企業(yè)創(chuàng)新績效的影響是雙線選擇且互相影響的。實際上，企業(yè)所處的合作網(wǎng)絡嵌入程度，對企業(yè)創(chuàng)新績效產(chǎn)生不同的效益。企業(yè)在構建或加入創(chuàng)新合作網(wǎng)絡時，應根據(jù)自身的實際情況和目標，選擇相匹配的合作伙伴和合作方式，并盡量避免負面影響，從而提高企業(yè)的創(chuàng)新績效和競爭力。從局部視角來看，結構洞中的企業(yè)可以與先前無直接經(jīng)濟往來的合作伙伴建立聯(lián)系，獲取跨知識領域的不冗余創(chuàng)新資料，實現(xiàn)知識溢出與共享。未來，可以增強合作網(wǎng)絡中各節(jié)點主體的互動和交流的頻率，以幫助企業(yè)有效吸收和整合來自結構洞的異構資源，進而促進企業(yè)創(chuàng)新績效的提升。

參考文獻：

[1]David，R.J.，& Strang，D.R.Networks and innovation in internationalization[J].Academy of Management Journal，2010，53（04）：984-1004.

[2]Schilling M A，Phelps C C.Interfirm Collaboration Networks：The Impact of Large-Scale Network Structure on Firm Innovation[J].Management Science，2007，53（07）：1113-1126.

[3]蔣天穎，叢海彬，王崢燕，張一青.集群企業(yè)網(wǎng)絡嵌入對技術創(chuàng)新的影響——基于知識的視角[J].科研管理，2014，35（11）：26-34.

[4]Ahuja G.Collaboration networks，structural holes，and innovation：A longitudinal study[J].Administrative Science Quarterly，2000，45（03）：425-455.

[5]張娜，孫超.網(wǎng)絡社群結構動態(tài)對企業(yè)創(chuàng)新績效的影響研究[J].科學學研究，2022，40（04）：734-745.

[6]王安琪，熊勝緒.企業(yè)網(wǎng)絡關系對技術創(chuàng)新績效影響的實證分析[J].統(tǒng)計與決策，2020，36（05）：184-188.

[7]吳萬明，陳關聚，陳藝靈.創(chuàng)新網(wǎng)絡視角下知識異質(zhì)性對企業(yè)創(chuàng)新績效的影響機理研究[J].管理現(xiàn)代化，2022（02）：115-121.

（作者單位：江西財經(jīng)大學）