創新網絡結構對突破性創新的影響機制雙元學習的中介作用

中圖分類號：F273.1；F272 文獻標識碼：A

DOI：10.3969/j.issn.1003-8256.2025.04.003

隨著全球商業環境的快速變化和信息技術的發展，創新已成為企業持續競爭力的關鍵。正如Drucker所言，“不創新即滅亡”，這一觀點深刻揭示了創新對企業生存的重要性[1]。在此背景下，創新網絡作為促進協同創新的基石，在國家和企業層面均發揮著重要的作用。我國正以全球視野推動科技創新，加強國際合作，融入全球創新網絡，以在國際競爭中占據有利地位。與此同時，企業需要通過持續的組織學習與創新來適應市場的快速變化。因此，研究創新網絡結構及組織學習對創新的影響顯得尤為重要。

創新網絡結構是指不同主體之間形成的關系和互動方式的網絡形態，其特征對創新活動的成功至關重要。從位置中心度、網絡密度和穩定性三個維度分析創新網絡結構的特征，分別對應網絡中的核心位置、緊密程度及結構的穩定性。雙元學習結合了探索式學習和利用式學習，已在創新領域得到廣泛關注。探索式學習注重新知識的發現與獲取，鼓勵企業探索未知領域；利用式學習則專注于現有知識的優化與應用，提升企業的效率和效益[2]。突破性創新通常帶來顛覆性的變革，不僅引入全新的產品和服務，還可能重塑整個行業的競爭力格局[3]。與漸進式創新相比，突破性創新對企業市場地位和業務模式的變革更為深遠。因此，本文旨在探討創新網絡結構如何影響突破性創新，并研究雙元學習在其中的中介作用，為企業優化創新網絡結構，支持突破性創新的持續發展提供策略指導。

1 理論基礎

1.1 創新網絡結構

創新網絡的概念最早由Freeman[4]提出，他將其定義為一系列行為主體之間的創新合作關系。自2000年來，國內學者廣泛研究了創新網絡，涵蓋網絡結構、創新績效、網絡治理和創新政策等主題。在相關研究中，吳偉等5通過實證分析指出，創新網絡結構中網絡中心性、規模、穩定性和聯結強度對創新績效均產生直接正向影響。包迪6的研究表明，創新網絡結構中的網絡中心勢、規模和平均最短路徑與創新績效呈正相關，但網絡密度和結構洞則與創新績效呈負向關聯。Paruchuri等[7]對8家大型制藥企業的研究表明，網絡密度、規模對企業創新績效有正面促進作用，而位置中心度與創新績效之間存在著一個倒U形關系。遠亞麗和張長森[8]針對物流產業集群研究表明，網絡中心度、密度以及網絡聯系強度顯著促進了創新績效，而網絡規模未表現出顯著影響。

在社會網絡理論中，位置中心度用于衡量網絡的集中度或集權度，揭示某些節點在網絡中的重要性和影響力。穩定性則評估網絡結構隨時間變化的程度，包括成員的進人和退出、關系的建立和維持。網絡結構越穩定，其成員和關系的持久性越強，整體連通性也越高。網絡密度指在一個網絡中，節點彼此之間建立實際連接的比例。高網絡密度意味著頻繁且緊密的交互；而低密度則表示聯系較為稀疏。因此，本文從節點的關鍵位置、整體連接的緊密性以及結構的持久性三個方面，選取位置中心度、網絡密度和穩定性三個指標，來揭示創新網絡結構的特征。

1.2 突破性創新

Schumpeter9首次提出了“突破性創新”的概念，指在對現有技術、市場或產品進行根本性變革，以改變市場格局并帶來巨大經濟效益的創新。這一概念源于他的“創造性破壞”思想，強調通過技術、市場模式和商業模式的革新來實現深遠的變革。目前，國內研究主要圍繞突破性創新的定義、影響因素和實現路徑展開。彭燦認為，突破性創新不僅涉及技術，還包括市場創新，具有高風險、高回報和高不確定性。李雨晴[11]通過企業案例分析指出，突破性創新打破既有技術路徑，改變產品架構并提升性能。研究還探討了關鍵因素。繆小明和趙暉[I2指出，政府政策支持及企業內部的研發投入和創新文化對突破性創新至關重要。邵云飛和杜江濤[13通過文獻分析發現，各種知識轉移（顯性和隱性知識、技術與市場知識）直接促進了突破性創新，動態能力和網絡中心性則間接推動其發展。在實現路徑方面，施錦誠等[14]提出產學研聯盟的合作方式，通過攻關關鍵技術促進突破性創新。晉邑[15]強調了跨界融合的重要性，認為企業可以通過跨行業合作，實現資源的最優配置，從而促進突破性創新。

在突破性創新的測量方面，學術界普遍將其視為單一維度的變量。具體的衡量方法主要包括三種：首先，Atuahene-Gima16提出了定量標準，通過專利數量、技術成熟度以及新產品的市場接受度等指標來衡量突破性創新；其次，Subramaniam和Youndt[17]認為，企業顛覆現有主流產品及提升用戶體驗的能力，是評估突破性創新的重要標準；最后，Chandy和Tellis[18]強調新理念、新知識在新產品研發中的引人頻率及其對新性能產品研發的關注，反映了知識獲取與利用的關鍵性。基于此，本文將采用Chandy和Tellis的衡量方法，重點關注企業在產品、技能和商業模式上的突破，探討如何通過優化創新網絡結構，促進突破性創新的持續發展。

1.3 雙元學習

根據March2的研究，雙元學習是一種動態平衡機制，強調在組織中同時進行兩種不同性質的學習活動：利用式學習和探索式學習。利用式學習專注于現有資源的優化配置，以提升效率；而探索式學習則致力于新知識與技能的開發，以應對未來挑戰。在關于雙元學習與創新網絡的研究中，黃松[19]將創新網絡分為橫向和縱向兩類，分析了它們對雙元學習路徑和效果的不同影響。研究發現，這兩類創新網絡對雙元學習路徑具有顯著不同的影響。李杰義和閆靜波[20]基于組織均衡理論，構建了雙重網絡嵌人性影響雙元學習的理論模型。通過實證分析，他們指出雙重網絡嵌入性對探索性學習和利用性學習均具有顯著正向影響。因此，本文將雙元學習作為創新網絡結構與突破性創新之間的中介變量，探討其在這一過程中發揮的部分中介作用。

2 研究假設

2.1創新網絡結構與突破性創新

創新網絡是企業技術創新的重要手段，對企業創新發展至關重要。然而，創新網絡結構的優化設計及其不同特征對突破性創新的具體影響，尚需進一步研究。因此，選取位置中心度、穩定性和網絡密度三個關鍵自變量，探討其對突破性創新的作用機理，以期為相關領域提供新的理論支持。

位置中心度指個體或組織在創新網絡中的中心性，反映其獲取和傳播信息的能力。具有高位置中心度的節點通過廣泛的聯系獲取大量異質性知識，有助于識別新市場需求和技術機會。特別在知識密集型產業中，這些節點易于實現跨學科、跨領域的知識整合，從而推動突破性創新。穩定性衡量成員和關系的持續性，穩定的網絡有利于企業間建立和維持高水平的信任與合作，減少協調成本，并增強資源整合和創新能力。網絡密度是指網絡內實際連接與可能連接之比，高密度網絡中的密集交流提高了信息傳遞效率，促進知識快速擴散和整合，加速創新進程。綜上所述，提出假設：

H1：位置中心度對突破性創新有正向影響。

H2：穩定性對突破性創新有正向影響。

H3：網絡密度對突破性創新有正向影響。

2.2 創新網絡結構與雙元學習

雙元學習包括利用式學習和探索式學習，分別代表不同的知識獲取與應用方式。在高度互聯、復雜多變的產業集群中，企業需同時進行這兩種學習，以應對快速變化的市場需求與技術進步。這一過程依賴于高效設計與運作的創新網絡結構。因此，從網絡位置中心度、網絡密度及穩定性三個維度分析其對兩種學習方式的影響。

（1）位置中心度。位置中心度是衡量節點在網絡中相對重要性的一項指標。位于高位置中心度的企業通常占據網絡核心地位，可以直接與多個節點進行聯系，從而便捷地獲取和傳播信息。這賦予了這些企業在雙元學習活動中的顯著優勢。一方面，通過身處網絡核心，這些企業能夠更加高效地獲取并利用現有知識資源，從而提高運營效率并促進利用式學習的發展。另一方面，高位置中心度的企業能夠迅速捕捉市場及技術動向，為其在技術探索和市場開拓中提供先發優勢，從而推動探索式學習。因此，提出以下假設：

H4：位置中心度對利用式學習有正向影響。

H5：位置中心度對探索式學習有正向影響。

（2）穩定性。網絡結構的穩定性反映了網絡中成員（節點）及其關系（邊）在一定時間內的持續性和變化程度。通常，變化越小，網絡結構越穩定。穩定的網絡結構使企業與其他成員能夠保持長期信任與協作，有效減少信息不對稱，增強各方合作意愿，從而更高效地分享知識與經驗，促進創新活動。此外，穩定的關系減少了組織學習中的障礙，成員之間已有的合作模式和溝通渠道使信息傳遞更為順暢，降低了誤解和溝通成本，從而提升了組織學習的效率。因此，提出以下假設：

H6：穩定性對利用式學習有正向影響。

H7：穩定性對探索式學習有正向影響。

（3）網絡密度。網絡密度反映了網絡節點間聯系的緊密程度。高網絡密度意味著企業之間的聯系更加緊密，信息和知識能夠更快速地在網絡中傳播。在利用式學習方面，高頻率的交流和互動有助于企業迅速獲取并應用最新的行業知識和技術改進，從而提升現有技術和流程的效率。因此，高密度網絡中的企業通過頻繁互動獲取多樣化知識，從而促進利用式學習。在探索式學習方面，高密度網絡使企業能夠接觸到多樣化的信息源，這種多元化有助于發現新的機會和創新方向，并推動探索式學習的發展。綜上所述，提出假設：

H8：網絡密度對利用式學習有正向影響。

H9：網絡密度對探索式學習有正向影響。

2.3雙元學習與突破性創新

創新是企業保持競爭力的關鍵，而組織學習則為創新提供源源不斷的動力。企業只有不斷吸收外界知識，才能緊跟全球發展和行業變革的步伐。因此，在雙元學習模式下，無論是利用式學習還是探索式學習，都能有效提升企業的知識儲備，對創新產生顯著的積極影響[21]。首先，通過探索式學習，企業能夠發現新的技術路徑和市場機會，這直接推動突破性的技術進步。然而，僅僅依賴探索是不夠的，因為過多的新嘗試可能導致資源浪費。因此，需要通過利用式學習來提高效率，將已知技術應用于實際產品開發，以實現商業成功。因此，提出以下假設：

H10：探索式學習對突破性創新有正向影響。

H11：利用式學習對突破性創新有正向影響。

2.4創新網絡結構、雙元學習與突破性創新

創新網絡結構的三個基本特征一一位置中心度、網絡密度和穩定性，對企業的發展至關重要。一個良好的創新網絡結構不僅能夠有效促進企業節點之間的合作，還能為企業提供接觸外部前沿技術和市場需求的重要渠道，從而幫助企業在創新過程中占據先機。因此，優化的創新網絡結構必然推動突破性創新的發生。此外，創新網絡還促進了節點間的知識共享與擴散。通過雙元學習，企業能夠更加高效地吸收、整合并應用新舊知識，進而加速突破性創新的進程。基于此，本研究認為雙元學習在創新網絡結構與突破性創新之間發揮著部分中介作用，提出以下假設：

H12：利用式學習在創新網絡結構與突破性創新之間起部分中介作用。

H13：探索式學習在創新網絡結構與突破性創新之間起部分中介作用。

綜上，構建理論模型如圖1所示。

3 研究設計

3.1調研樣本

本文研究對象選取了蘇州工業園區的納米城納米新材料產業創新集群內的企業。主要基于以下考慮：首先，這些企業在納米新材料領域處于全球技術前沿，具備較強的研發和創新能力，使其在推動突破性創新方面具有顯著潛力。其次，納米城內企業合作網絡發達，網絡密度高、穩定性強，信息流動與資源共享頻繁，是創新網絡研究的理想樣本。調研共涉及納米城內的350家企業，調研時間為2024年3月至5月，委托相關人員協助發放問卷，每家企業填寫一份問卷。大多數問卷由企業中高層管理人員填寫，絕大部分問卷在發放當場收回，少數因特殊情況延遲收回。最終共收回330份問卷，篩選后有效問卷數量為300份，有效率達 91% 。在此次調查中，成立超過五年的企業占 79.9% ，而成立未滿五年的企業占 20.1% 。年收入超1000萬元的企業占39.2% ，不足1000萬元的占 60.8% 。在所調查的9個行業中，電子信息技術 29.3% ）、新材料（ 18% ）先進制造業 16% 占比最多。

圖1模型構建

3.2 變量測量

為驗證上述假設，通過問卷調查對相關變量進行測量，涵蓋的變量包括創新網絡結構、雙元學習以及突破性創新。其中，創新網絡結構被細分為位置中心度、穩定性和網絡密度三個維度，共設置11道題項進行測量。此外，從利用式學習和探索式學習兩個角度，共設計了6道題項用于評估雙元學習情況；另有6道題項用于衡量突破性創新水平。本文采用李克特5級量表進行問卷設計，其選項包括“非常贊同”“比較贊同”“一般”“不太贊同\"和\"非常不贊同\"五種。具體可見表1。

4實證分析及結果

4.1量表信效度檢驗

為了保證數據的可靠性和有效性，首先進行了信度和效度分析。信度分析使用克朗巴赫系數（Cronbach'sα 0來評估數據的一致性。表1顯示，所有變量的克朗巴赫系數均超過0.8，表明量表具有較高的內部一致性和良好的信度，數據穩定可靠。此外，為驗證量表的結構效度，使用KM0檢驗及因子分析。表1數據顯示，所有變量的KMO值均大于0.7，且 P 值 sig=0.000 ）顯著小于0.001，支持因子分析的適用性。各因子載荷皆大于0.7，進一步證明了量表的結構效度良好。

4.2 描述性分析

在問卷的信效度檢驗后，進行描述性統計分析，數據結果（表2）顯示，中心度、網絡密度、穩定性均值均大于3，說明“蘇州納米城”創新網絡的結構性較好，網絡密度與雙元學習存在一定適配關系，具有良好的穩定性，同時表現出顯著網絡中心化現象。突破性創新的均值大于3，表明創新網絡已經具備了突破式創新的條件。此外，利用式學習、探索式學習的均值同樣大于3，這說明網絡內部知識流通性強，有利于開展組織學習活動。同時，各變量之間存在顯著相關性（ Plt; 0.05），因此可以進行下一步實證分析。

4.3假設檢驗

4.3.1 回歸分析

（1）驗證創新網絡結構對突破性創新的影響。模型a1～a3分別以位置中心度、網絡密度、穩定性作為自變量，以突破性創新為因變量進行回歸分析，結果如表3所示，位置中心度、網絡密度和穩定性均對突破性創新產生了顯著的正向影響， R² 值顯示模型的解釋力較高，假設H1、H2、H3均得到支持。

（2）通過模型b1～b4（驗證利用式學習）及c1～c4（驗證探索式學習），探討位置中心度、網絡密度、穩定性對雙元學習的影響，驗證假設H4～H9。結果如表4所示，所有創新網絡結構特征均顯著影響雙元學習的兩個維度，假設H4～H9均成立。

表1樣本變量的信度效度檢驗

（3）模型d1和d2分別探討利用式學習和探索式學習對突破性創新的影響，結果如表5所示，兩種學習模式均對突破性創新產生顯著正向影響，假設H10和H11成立。

4.3.2 中介效應檢驗

為檢驗雙元學習在創新網絡結構與突破性創新之間的中介作用，本研究選取了企業成立時間、規模和性質作為控制變量。首先，通過回歸分析驗證創新網絡結構（位置中心度、穩定性、網絡密度）對突破性創新的直接影響（模型1）。然后，檢驗創新網絡結構對利用式學習的影響，并進一步將利用式學習納入模型以檢驗其在兩者之間的中介作用（模型2）。結果如表6所示，位置中心度、穩定性和網絡密度在加入利用式學習后，仍對突破性創新有顯著影響（模型3），且調整后的 R² 值顯著提高，驗證了假設H12。

為檢驗探索式學習的中介作用，首先將位置中心度、穩定性和網絡密度作為自變量，突破性創新作為因變量進行回歸分析（模型4）。接著，將上述子變量設為自變量，以探索式學習作為因變量進行影響檢驗（模型5）。最后，將這些子變量和探索式學習共同設為自變量，以突破性創新作為因變量進行綜合影響檢驗（模型6）。結果顯示（表7），加入探索式學習后，創新網絡結構對突破性創新的影響依然顯著，且調整后的 R² 值顯著提高，假設H13成立。

表2各變量的均值、方差以及相關性檢驗結果

注：，**分別代表顯著性水平為 Plt;0.05 和 Plt;0.01 。下同。

表3創新網絡結構對突破性創新回歸分析結果

表4創新網絡結構與雙元學習的回歸檢驗結果

表5雙元學習對突破性創新的回歸分析結果

5 結論與展望

基于創新網絡理論，探討了創新網絡結構、雙元學習與突破性創新之間的關系，并構建了相應的理論模型。以蘇州納米城納米新材料產業集群的企業為研究對象，通過回歸分析得出以下結論：首先，創新網絡結構中的位置中心度、穩定性和網絡密度均對突破性創新具有顯著的正向影響；其次，雙元學習，即利用式學習與探索式學習，也顯著促進了突破性創新，企業在優化已有知識并積極探索新知識時更能有效推進其創新進程；最后，雙元學習在創新網絡結構與突破性創新之間起到了部分中介作用。具體來說，位置中心度、穩定性和網絡密度通過影響企業的雙元學習能力，進一步推動了突破性創新的實現。這表明，優化創新網絡結構和提升雙元學習能力，是企業實現突破性創新的關鍵途徑。

上述結論為企業管理與政策制定提供了重要啟示，故企業應加強對創新網絡中位置中心度、穩定性和網絡密度的管理，以優化其創新能力。首先，企業需明確自身在網絡中的核心位置，主動加強與其他企業的合作，以提升信息獲取與知識共享的效率，增強在突破性創新中的競爭力。其次，穩定的網絡關系有助于構建長期的信任與協作機制，不僅能提高企業內部的協調效率，還能有效推動創新資源的整合利用。此外，高網絡密度能促進知識的快速傳播和整合，企業應積極參與多樣化的網絡活動，擴展合作渠道，從而加速創新進程。企業還需提升雙元學習能力，既要在現有知識的優化上保持高效，又要在新知識的探索上保持靈活，以更好應對市場和技術的動態變化。最后，政府應通過政策支持，鼓勵產業集群內的企業優化創新網絡結構，并開展雙元學習活動，為突破性創新提供持續的知識和資源保障。

除此之外，本研究仍存在一些不足，首先，樣本僅限于蘇州納米城內的納米新材料產業集群企業，未涵蓋其他地區產業的創新網絡，限制了研究結果的普適性。其次，采用的是靜態數據分析方法，未來研究可以引入動態數據，以深入探討創新網絡結構和雙元學習在不同時期對突破性創新效果的變化和影響。

表6創新網絡結構中利用式學習中介效應的回歸分析

表7創新網絡結構中探索式學習中介效應的回歸分析

參考文獻：

[1]DRUCKER P F.Knowledge-worker productivity：the biggestchallenge[J].IEEEEngineeringManagementReview，1999，41（2）：79-94.

[2] MARCHJG.Exploration and exploitation in organizational learning[J].OrganizationScience，1991，2（1）：71-87.

[3] 李文亮.突破性創新實現路徑研究：基于知識的視角[D].天津：天津大學，2015.

[4] FREEMAN C.Networks of innovators：a synthesis of research issues[J].ResearchPolicy，1991，20（5）：499-514.

[5] 吳偉，時運濤，胡赤弟.企業創新網絡結構與創新績效關系的實證研究：組織學習的中介作用[J].科技與經濟，2015，28（4）：41-45.

[6] 包迪.基于創新網絡結構優化的企業創新績效提升研究[D].南寧：廣西大學，2018.

[7] PARUCHURI S. Intraorganizational networks，interorganizationalnetworks，and the impact of central inventors：alongitudinal study ofpharmaceutical firms[J].OrganizationScience，2016，21（1）：63-80.

[8] 遠亞麗，張長森.物流產業集群創新網絡結構對創新績效的影響分析：以知識流動水平為中介變量[J].物流技術，2015，34（2）：161-165.

[9] SCHUMPETER JA.Business cycles：a theoretical，historical andstatisticalanalysisofthecapitalistprocess[J].JournaloftheRoyalStatistical SocietySeriesA：StatisticsinSociety，2O18（2）：2.

[10]彭燦.突破性創新團隊及其組建與管理研究［J].科學學研究，2008，26（4）：832-837.

[11］李雨晴.基于數字創新能力的戰略性新興企業突破性創新路徑研究[D].哈爾濱：哈爾濱理工大學，2023.

[12］繆小明，趙暉.基于動態能力的我國企業突破性創新影響因素實證研究[J].經濟與管理研究，2008（10）：36-41.

[13］邵云飛，杜江濤.知識轉移視角下突破性創新的影響因素研究[J].科技和產業，2023，23（12）：1-8.

[14]施錦誠，朱凌，梅景瑤.關鍵共性技術攻關產學研聯盟實現突破性創新的機制研究[J].科研管理，2023，44（12）：104-114.

[15］晉邑.企業網絡權力對突破性創新的影響機制研究[D].成都：電子科技大學，2021.

[16]ATUAHENE-GIMA K.Resolving the capability-rigidity paradox innewproductinnovation[J].Journal ofMarketing，2Oo5，69（4）：61-83.

[17]SUBRAMANIAMM，YOUNDTMA.Theinfluenceofintellectualcapitalon the types ofinnovativecapabilities[J].AcademyofManagementJournal，2005，48（3）：450-463.

[18]CHANDY R K，TELLIS GJ.Organizing for radical productinnovation：the overlooked role ofwillingnessto cannibalize[J].Journal ofMarketingResearch，1998，35（4）：474-487.

[19]黃松.企業協同創新網絡、雙元學習與創新績效的關系研究[D].濟南：山東財經大學，2020.

[20］李杰義，閆靜波.雙重網絡嵌入性對雙元學習的均衡影響機制研究[J].軟科學，2019，33（1）：72-75.

[21］張金福，黃雪晴.創新網絡結構對顛覆性創新的影響機制：雙元性學習的中介作用[J].科技管理研究，2020，40（8）：7-16.

The Influence Mechanism of Innovation Network Structure on Breakthrough Innovation：The Mediating Role of Binary Learning

CAI Anqi 1，PENG Ying1，2 （1.SchoolofManagement，Nanjing UniversityofPostsand Telecommunications，Nanjing21Ooo3，China; 2.ITUCenterforTelecommuicationEcoomicsandPolicy，anjingUiversityfPostsandTelecommunications，anjn03， China）

Abstract：Inthecontextofglobalization，industrialclustersandbreakthrough innovation havebecomekeydriversof economic development.This paper aims to explore the influence mechanism of innovation network structureon breakthrough innovationandanalyzethe mediatingroleofduallearning init.Basedonthesocialnetwork theory，thispaper constructsatheoreticalmodelbetween innovationnetwork structure，duallearningandbreakthrough inovation，andtakes the enterprisesinthenano new materialindustrialclusterofSuzhou NanoCityas theresearchobject，colectsdatathrough questionaires and conducts multipleregression analysis.Theresults ofthe studyshowthatlocationcentrality，stabilityand networkdensityin theinnovationnetwork structureallhaveasignificantpositiveefecton breakthrough inovation. Meanwhile，duallearning plays apartial mediating role between inovation network structure and breakthrough inovation. Thisfinding suggeststhat enhancing a company's innovationnetwork characteristicsand ambidextrous learning capabilities can significantly promote breakthrough innovation.This paper provides strategic guidanceforfirms tooptimize their inovationnetwork structure and enhance their breakthrough innovationcapability，and provides areference for the government in industrial innovation policy formulation.

Keywords：innovation network structure；exploitative learning；exploratory learning；breakthrough innovation