多元主体知识网络支撑的内生型产业集群升级机制——基于浙江余姚灯具产业集群的实证研究

王娇俐，王文平，束 慧

(东南大学经济管理学院，江苏 南京 210096)

内生型产业集群是依靠本地力量，充分吸收外来资本、技术等高级要素而形成的具有自我发展、自我创新能力的集群［1］，它包络于复杂的集群网络中。Belussi等(1998)提出的集群网络理论解释了集群网络各节点的链接方式对各组成部分的关联作用，这种作用影响着集群资源的分布和整合，规定集群中各主体的行为方式，最终影响集群整体行为取向［2］。产业集群升级的内部途径就是通过集群内企业个体间的努力和组织化程度的提高，使内生型产业集群知识网络结构多维化、网络关系多元化，促进集群知识的学习和创新［3］。在内生型产业集群中，知识创新不仅源于集群企业间的知识共享和学习，也来自于集群网络中多元主体间各种知识作用力的耦合。因此，本文依据内生型产业集群知识网络的结构嵌入和关系嵌入特征对集群中的知识学习和更新机制进行深入研究，提出并验证研究模型。

一、内生型产业集群多元主体知识网络结构“四力”模型

相关研究指出，地方政府、科研机构、生产型服务机构与企业的相互作用在知识创新和成长过程中至关重要［4］［5］。其中，地方政府通过公共产品和地方制度营造良好的环境引导知识发展，大学和科研院所通过知识创造与扩散力提供新知识并促进知识结构创新，生产型服务机构通过编码、传播知识及减少搜索成本促进知识整合。在内生型产业集群知识网络中，集群企业、地方政府、科研机构和生产型服务机构的相互作用使该网络结构进一步多维化。因此，本文将内生型产业集群知识网络中四类知识作用力加以融合，构建内生型产业集群多元主体知识网络结构“四力”模型(如图1 所示)［6］。

四类知识作用力对内生型产业集群的知识更新和升级都有重要作用，因此实现持续创新和升级必须依赖这四类作用力相互的成功匹配。内生型产业集群多元主体知识网络的“四力”作用模型完整体现了内生型产业集群中多元主体的作用力在网络中的关系嵌入方式，为进一步探讨四种主体及其作用力在内生型产业集群升级中的作用机制奠定了研究基础。

图1 内生型产业集群多元主体知识网络结构“四力”模型

二、多元主体知识网络支撑的内生型产业集群升级机制分析

(一)内生型产业集群多元主体知识网络中集群企业主体对集群升级的作用机制

我国内生型产业集群已从对民间技术的模仿、消化吸收阶段过渡到增量更新阶段［7］，但随着多变全球市场的凸现，降低对已有经验和知识的依赖，以推进突破式更新至关重要。只有均衡两类知识更新的关系，才能突破当前发展瓶颈。在内生型产业集群多元主体知识网络中，集群企业主体对集群升级的作用机制本质上是集群知识的学习和更新。因此，本文从企业主体的学习方式和知识更新过程两个方面加以分析并提出相关假设。

1．多主体知识网络中企业主体的两种知识学习方式

对内生型产业集群网络中的企业而言，企业主体间的知识交流和学习对企业知识更新起着重要作用。依据内生型产业集群网络的特征属性，本文参考March从组织学习角度提出的探索和利用概念［8］，将这种集群内部的学习方式分为两种:一种是企业基于自身发展需要而单独或联合发起的探索式学习，即风险承担、试验、发现、创新等相关学习活动;另一种是集群企业间的利用式学习，即提炼、选择、执行、挑选、应用等相关学习活动。

2．集群企业两种学习方式对内生型产业集群企业知识更新的作用过程

探索式学习可以减少市场和技术变化的不确定性和路径锁定带来的风险，增加企业主体的创造潜力和知识吸收能力［8］［9］，而利用式学习可以提高企业对产业集群发展瓶颈和机会的认知，提高内生型产业集群企业的市场竞争能力。在知识网络中，一方面，企业可以利用内生型产业集群企业联系紧密的组织特征，同时促进两种学习方式;另一方面，集群企业可以利用知识网络中其他主体的组织关系，这些主体和企业主体共同嵌入在集群网络结构中，影响着知识的交流与整合。

据此，本文提出如下假设:

H1:集群企业通过探索式学习方式提升知识的突破更新(自主创新)。

H2:集群企业通过利用式学习方式提升知识的增量更新(增量创新)。

(二)内生型产业集群知识网络中多元主体对产业集群升级的作用机制

在内生型产业集群知识网络中，促进集群知识更新的动力不仅源于企业主体自身的学习策略，也离不开集群网络中为集群整体知识更新提供多元作用力的其他主体(包括政府、科研机构和生产型服务机构)。不同类型的作用力在集群网络中融合，借助网络结构的优势推动集群整体的知识更新，从而促进集群升级。而网络自身的优势来自于网络的关系和结构两个维度。因此，我们需在内生型产业集群知识网络中嵌入网络关系和结构，以探索内生型产业集群知识网络中多元主体对产业集群升级的作用机制。

知识传播和学习的影响因素分析主要从两方面——弱连接和结构洞展开。弱连接理论认为关系嵌入强度对不同类型的知识传递和学习有不同的作用，强关系不能成为连接不同网络的桥梁，只有弱关系才有这个可能。结构洞理论则认为跨越结构洞的桥关系有利于非冗余的新颖信息的传递。集群企业主体层面的知识更新机制研究正是利用了这两种理论。在内生型产业集群知识网络中，企业群体内部的网络关系推动了集群企业两种不同学习方式的均衡实施，在企业群体中架设桥连接，生成结构洞组织，为集群实现知识的增量更新和突破式更新提供了基础。网络中多元主体间的网络关系也是企业学习的重要资源［10］［11］［12］，政府及管理机构的知识引导力为企业搜索和学习经验、知识创造了机会，大学和科研机构的知识创造和扩散力为企业的知识学习提供了优质资源，而生产型服务机构则为企业主体和知识资源间架起了桥梁。

据此，本文提出如下假设:

H3:集群企业与其他主体的连接关系有利于集群企业主体的探索式学习。

H4:集群企业间的连接关系有利于集群企业主体的利用式学习。

(三)内生型产业集群知识网络中不同主体作用力的耦合机制

内生型产业集群知识网络中多元化的连接关系为探索式学习和利用式学习提供了机会。与两种学习方式相一致，内生型产业集群网络应通过均衡企业主体间连接关系和多主体间连接关系的投资、利用，促进并协调集群的探索式学习和利用式学习。多主体的连接关系有利于探索式学习，集群企业间的连接关系有利于利用式学习，从而实现知识的整合利用。Andriopoulos(2008)提出两种学习方式的均衡实施是一个多层次的“嵌套”系统。类似地，实现内生型产业集群升级需建立一个产业集群知识更新、学习行为和连接关系的多层次“嵌套”系统(如图2所示)［13］。

图2 内生型产业集群多元主体知识网络集群升级的多层次“嵌套”系统

由以上分析可见，内生型产业集群知识网络的不同连接关系支持不同的学习行为，不同的学习行为支持产业集群的两类知识更新实施，不同连接关系的整合有利于不同学习行为的整合，不同学习行为的整合又有利于不同集群企业知识更新的协同。

据此，本文提出如下假设:

H5:内生型产业集群网络中企业主体间的连接关系和利用式学习有利于知识的增量更新(增量创新)，但过度同质化的知识有时会遇到“门槛”。

H6:内生型产业集群网络中多主体间的连接关系和探索式学习有利于知识的突破式更新(自主创新)。

H7:内生型产业集群中各类主体通过加强内、外部连接关系的协调有利于两种学习方式的协同，进而促进产业集群升级。

三、实证研究结果及分析

(一)模型构建与描述

内生型产业集群多元主体知识网络融合了集群企业以外的多类主体，各类主体发挥着不同的知识作用力，这些作用力在集群多元主体结构的支撑下相互耦合，促进集群整体的知识更新和升级。知识网络中连接关系分为集群企业间的连接关系和多元主体间的连接关系，它们共同影响着产业集群的两种学习方式和知识更新过程。

根据上文关于多元主体知识网络支撑的内生型产业集群升级机制分析，我们提出实证分析的SEM变量关系模型(如图3所示)。

图3 内生型产业集群多元主体知识网络中集群升级作用变量关系研究模型

(二)样本收集

本文选择浙江余姚的灯具产业集群作为调研对象。灯具产业作为余姚市的特色产业之一，经过多年的自主发展，已从初级的劳动力要素驱动阶段进入中级的资本要素驱动阶段。至2010年底，全市已有灯具企业1000余家，实现工业总产值60亿元，新产品产值达到12.8亿元。其中，规模以上企业89家，实现产值43.7亿元，亿元以上的企业有8家。这些企业都具有一定的规模，并在最近10年的经营活动相对活跃。

本文采取的调查方式为样本企业实地访问、致电询问(时间一般控制在15分钟以内)和问卷调查。本课题组向余姚当地的灯具企业发放问卷360份，共收回有效问卷171份，有效回收率在50%左右。按照企业规模的分类标准，100－400人的企业共103家，占比60.2%;401－800人的企业共47家，占比27.5%;801－1000人的企业共20家，占比11.7%;1000人以上的企业1家，占比0.6%。按照企业性质的分类标准，国有和集体企业2家，占比1.2%;私营企业共144家，占比84.2%;股份制企业和有限公司型企业共25家，占比14.6%。

(三)数据的信度和效度检验

本文衡量集群创新升级的量表参考王为东关于企业二元学习方式与创新绩效关系研究中的量表设计［14］，问卷设计采用的是Likert7级量表。为保证其有效性和内容的一致性，我们运用SPSS21.0软件对其进行信度系数α鉴别。信度检验结果显示，多元主体间的连接关系、企业主体间的连接关系、利用式学习、探索式学习、突破式知识更新、增量式知识更新和集群升级的Cronbach'sα系数值分别为0.824、0.746、0.831、0.786、0.810、0.794、0.896，Cronbach'sα系数都在0.7以上，说明本文的数据可靠性较高。

本文的效度检验采用衡量取样适当性的KMO值评价数据的可靠性(检验结果见表1所示)。由表1可知，KMO值均大于0.5，量表通过效度检验。

表1 变量的效度分析

(四)结构方程模型分析

本文先对理论假设的初始模型进行修正并标准化估计值模型，然后拟合总体模型(见表2所示)。由表2可知，模型卡方和自由度为χ2=178.6、df=145、χ2/df=1.231，统计量GFI、AGFI、NFI、RFI、IFI、TLI、CFI都大于0.8的可接受水平且接近于1.0，说明拟合结果较好。统计量RMSEA值为0.037，低于0.08的可接受水平，表明有较高的拟合优度。因此，模型得到了企业样本的验证，表明总体模型可以接受。

表2 内生型产业集群多元主体知识网络修正的结构模型拟合度指数

为进一步明确各变量间的相关关系，本文对修正后模型中的路径系数进行了分析，得到相应的系数和假设验证结果(见表3所示)。

表3 内生型产业集群多元主体知识网络的结构模型假设验证

从表3可以看出，本文提出的所有假设都得到了支持。集群内部连接关系主导的增量式知识更新在集群升级中起着负面作用，与其他主体的连接关系主导的探索式学习正发挥着显著而关键的正面作用，突破式知识更新能有效促进集群升级。路径的系数都是显著的正向关系，支持了假设H1、H3。综合以上假设检验结论及模型拟合优度结果，关于内生型产业集群知识网络中多元主体学习方式和知识更新方式的“嵌套”作用机制的假设H5、H6、H7得到了全面的支持。

四、结 语

本文深入分析了多元主体知识网络支撑的内生型产业集群升级机制。研究结果发现，在内生型产业集群多元主体网络模型下，核心企业、政府机构、大学和科研院所及生产型服务机构等集群知识网络要素的作用发挥及其匹配是集群顺利升级的关键。在内生型产业集群多元主体网络模型下，伴随着集群网络中关系嵌入和结构嵌入的多元化，集群网络中的集群企业间的连接关系、各主体间的连接关系均有利于企业的利用式学习、探索式学习的实施，且两类学习方式均有力地促进了集群的两种创新，最终影响了产业集群的升级。

当然，本文的研究也存在不足之处。由于条件限制，本文的调查样本量偏小，在一定程度上影响了假设的验证。本文只针对余姚市的灯具产业集群，但国内产业集群的地域性差异较大，我们没有考虑这方面的因素，因而后续的研究可通过拓展取样来进一步深入探讨，使研究结论更具普适性和说服力。

［1］魏守华，石碧华．论企业集群的竞争优势［J］．中国工业经济，2002，(1):59－65．

［2］Belussi A．，Faloutsos C．Self-Spacial Join Selectivity Estimation Using Fractal Concepts ［J］．ACM Trans．Inf．Syst，1998，16(2):161－201．

［3］后锐，杨建梅．产业集群研究的方法选择与工具应用［J］．商业经济与管理，2007，(12):58－63．

［4］Gordon I．R．，McCann P．Innovation，Agglomeration and Regional Development［J］．Journal of Economic Geography，2000．

［5］Bathelt H．，Malmberg A．，Maskell P．Clusters and Knowledge:Local Buzz，Global Pipelines and the Process of Knowledge Creation［J］．Progress in Human Geography，2004，28(1):31 －56．

［6］王娇俐，王文平，王为东．产业集群升级的内生动力及其作用机制研究［J］．商业经济与管理，2013，(2):90－96．

［7］边燕杰，丘海雄．企业的社会资本及其功效［J］．中国社会科学，2000，(2):87－99．

［8］March J．Exploration and Exploitation in Organizational Learning ［J］．Organization Science，1991，2(1):101 －123．

［9］He Z．L．，Wong P．K．Exploration vs．Exploitation:An Empirical Test of the Ambidexterity Hypothesis［J］．Organization Science，2004，15(4):481－494．

［10］Lin Z．，Yang H．，Demirkan I．The Performance Consequences of Ambidexterity in Strategic Alliance Formations:Empirical Investigation and Computational Theorizing［J］．Management Science，2007，53(10):1645 －1658．

［11］Gulati R．Alliances and Networks［J］．Strategic Management Journal，1998，19(4):293 －317．

［12］Uzzi B．，Lancaster R．Relational Embeddedness and Learning:The Case of Bank Loan Managers and Their Clients［J］．Management Science，2003，49(4):383－399．

［13］ Andriopoulos C．，Lewis W．Exploitation Exploration Tensions and Organizational Ambidexterity:Managing Paradoxes of Innovation［J］．Organization Science，Articles in Advance，2008，(12):1 －22．

［14］王为东．面向集群创新的企业网络作用及其演化机制研究［D］．南京:东南大学博士学位论文，2010．