物流产业集群创新网络结构对创新绩效的影响分析——以知识流动水平为中介变量

远亚丽，张长森

（湖州师范学院商学院，浙江 湖州 313000）

1 问题提出

随着经济的发展，物流这一行业越来越受到关注。近年来，随着我国物流业的发展，以第三方物流企业为核心，运输、仓储、装卸、包装、加工配送、物流信息及其相关制造、流通企业在空间聚集，形成了物流产业集群。物流产业集群在区域经济的发展中发挥着重要作用。在知识经济时代，创新是一个组织获得长期竞争优势的关键。物流产业集群要发展，创新尤为重要。随着创新活动的发展，产业集群的创新已经发展成网络创新。Johnston[1]认为产业集群具备了构成网络的基本要素，即活动、资源和活动主体。Yamawak[2]利用实证的方法，证明了日本产业集群内有以网路形式存在的成员关系。网络视角为产业集群创新问题提供了有益的补充。

目前，国内外学者从集群创新网络的内涵、结点的组成对产业集群创新网络结构进行了研究，少数学者从微观视角，探讨了网络结构与创新绩效的关系，并对网络结构和集群创新绩效的关系进行了实证研究，主要集中在高新技术产业、通讯设备制造业、汽车产业（李志刚等，2007；吴兵等，2009；窦红宾，2010）[3-5]，而对物流产业集群相对研究不足。知识是创新的基础，作为资源必须流动才能发挥作用，知识流动为创新网络的各构成要素—企业、政府、科研机构、中介机构之间的联系提供了基本的运作平台，使得资源得到有效的配置和高效率的使用。上述学者的研究基本没有考虑知识流动水平这一变量与创新网络结构、创新绩效之间所存在的关系。因此，物流产业集群创新网络结构对知识的流动水平有何影响，物流产业集群创新网络结构和创新绩效的关系如何，什么样的创新网络结构有助于物流产业集群创新绩效的提高是需探索和研究的课题。

2 研究假设

创新网络结构是指一定区域内以网络化合作关系相联结的机构和组织，包括企业、政府、大学与科研机构、金融机构等，及其相互之间形成的关系链条[6]。社会网络分析中刻画网络结构的变量很多，本文主要关注物流企业所嵌入的网络结构对创新绩效的影响，结合前人的研究[3-5]，本文选取网络中心度、网络规模、网络联系强度、网络密度这四个变量。

2.1 物流产业集群创新网络结构对创新绩效的影响

（1）网络中心度。网络中心度指整个网络围绕一个点或一组点来组织运行的程度，网络中心度越高，说明网络关系越集中，一个结点或部分结点的地位越突出。物流产业集群创新网络中的结点包括物流企业、客户、竞争对手、政府、中介机构、高校等科研机构，总有一个或某些物流企业结点由于自身对信息的掌握程度，在创新网络结构中处于中心性位置，物流集群创新网络中的其它结点或者新进入的结点设法与之进行联系，或者成为其设备、技术供应商，或者让其提供服务，因此，中心性物流企业更容易与客户、供应商、中介机构、科研机构建立合作关系，从而获得更多如人才、技术、资金等创新资源，提高创新绩效。McEvily 等[7]指出网络中，处在优越的位置，容易获得资源优势，从而提高企业绩效。因此，本文提出以下假设：

H1a：物流企业在物流产业集群创新网络中的位置影响创新绩效，网络中心度越高，创新绩效越高。

（2）网络密度。在图论中，密度是指图中实际拥有的连线数与最多可能拥有的连线数之比。据此，创新网络密度可用网络内实际发生存在的联系数量与可能发生的最多联系数量的比例进行测度。Zhao LM[8]通过关系频繁程度和从外部关系中获得的资源数量两个指标衡量密度，通过中国技术密集型企业进行实证，发现拥有更加紧密企业网络的企业成长快、创新力强。李志刚等[3]指出高密度的网络加快了信息的流动，有利于创新成果的传播。总之，高密度网络有益于创新绩效的提高。本文提出以下假设：

H1b：物流企业的创新网络密度与其创新绩效正相关，网络密度越高，创新绩效越高。

（3）网络规模。网路规模用节点的度来衡量，指的是网络中与该节点连接的各类节点的总数。在物流产业集群创新网络中，与某个物流企业连接的其它节点（客户、中介机构、高校、研究机构）越多，说明其网络规模越大，Uzzi[9]认为增大的网络规模能扩大信息获取的存量，且多样性的的网络关系有助于产业区内企业对异质性信息的获取。企业一旦有机会接触更多的信息，从而进行创新活动，提高创新绩效。Kogut[10]以化工行业为例进行实证研究，发现新兴企业形成的合作联系越多，获得的专利也越多。因此，本文提出以下假设：

H1c：物流企业的创新网络规模与其创新绩效正相关，网络规模越大，创新绩效越高。

（4）网络联系强度。网络联系强度表示了网络节点亲密的程度，是指集群企业与其它网络主体间技术合作或联系的频率的高低程度或者组织获取网络资源的能力、获取资源质量高低的程度。Uzzi[9]指出强联系引起相互信任，对获取复杂知识、加快信息处理、发现新方法有直接影响，这些新知识具有通过创造新的要素组合机会，放大现有创新资源效应。吴俊杰等[11]通过案例研究法，以浙江省5个典型的产业集群为样本，构建社会网络维度，提出网络强度对产业集群绩效有正向影响。因此，本文提出以下假设：

H1d：物流企业的创新网络联系强度与其创新绩效正相关，联系强度越大，创新绩效越高。

2.2 知识流动水平对创新绩效的影响

Teece[12]提出了知识转移的思想，他认为企业大量跨国界应用知识的积累，需通过技术的国际转移。创新的本质是知识获取和整合的过程，知识是创新网络的重要资源，而知识必须流动才能发挥作用。知识的流动提供了物流产业集群成员之间相互学习的机会，增强组织的创新能力能力，实现创新资源的共享。朱英明[13]提出互动学习的过程和优越的学习能力体现了集群的创新优势。集群内的学习既可以促进知识在创新网络中的扩散，增加集群企业的知识存量，也加速了新技术知识的产生，推动集群创新能力的提高。总之，学习促进了知识的流动，从而提升了集群创新力。本文提出如下假设：

H2：知识流动水平与创新绩效正相关，知识流动水平越高，创新绩效越高

2.3 创新网络结构对知识流动水平的影响

知识流动必须具备媒介，创新网络为知识的流动和整合提供了平台，同时为集群成员创造了一个互动学习的环境。当企业所处的位置不同时，获取信息的机会就不同。在物流产业集群创新网络中中心度高的结点企业，更容易获得更多的资源，从而与其他节点之间进行技术的合作和知识的交流。当创新网络中节点数越多，节点与节点之间的联系越多，网络规模越大，所嵌入的知识资源越丰富。王晓红等[14]提出知识流动的效率受网络规模的影响，她以病毒比喻知识，认为网络规模越大，随着受感染渠道的增多，受到感染的节点数也越多，病毒传播速度越快。因此，节点接触其它节点的机会越多，彼此之间相互沟通的机会越多，知识流动越迅速。网络中节点间平均路径长度衡量了知识流动所需经过路程的远近，平均路径越短，节点间相互联系的成本越低，知识流动的频率增加。从拓扑学角度理解，网络密度越高，知识传播路径越多，从而其流动速度越多。在知识流动的过程中，节点间的联系越强，彼此间的信任度越高，越有利于隐性知识的转移。可见，集群创新网路结构是影响知识流动水平的重要因素，本文提出以下假设：

H3a：网络中心度对知识流动水平有正向影响；

H3b：网络规模对知识流动水平有正向影响；

H3c：网络密度对知识流动水平有正向影响；

H3d：网络联系强度对知识流动水平有正向影响。

2.4 知识流动水平的中介效应

党兴华等[15]指出，网络中的知识流动是知识节点之间通过网络形式进行合作创新的过程，网络中组织间知识流动是由不同组织之间的互动行为所引起的知识的转移、溢出以及由此引起的网络知识创新的过程。Inkpen[16]指出企业网络关系对企业之间知识共享和信息交流有很好的促进作用，有助于新技术的开发、创新绩效的提高。简兆权等[17]调查珠三角地区的高科技企业，运用结构方程模型检验知识共享在网络关系和技术创新绩效之间所起的作用，提出企业网络中知识共享的中介作用成立。结合上文的假设，本文认为创新网络结构对创新绩效的影响是通过知识流动实现的，即创新网络结构带来创新绩效，知识流动水平可能起到关键作用。本文提出以下假设：

H4a：知识流动水平在网络中心度对创新绩效的影响中起中介作用；

H4b：知识流动水平在网络密度对创新绩效的影响中起中介作用；

H4c：知识流动水平在网络规模对创新绩效的影响中起中介作用；

H4d：知识流动水平在网络联系强度对创新绩效的影响中起中介作用。

3 研究过程

3.1 研究样本与数据搜集

本文选择浙江传化物流基地、绍兴柯桥物流园区、嘉兴综合物流园区、湖州长兴物流园区为研究样本，实证数据来源于对研究样本的问卷调查。在参考国内外相关文献的基础上，课题组的相关人员采取头脑风暴方法进行讨论，形成调查问卷的初稿。在正式调查之前，选取本行业的专家及MBA学员进行现场问卷与测试，认真听取专家和企业实际管理者的意见，对问卷中部分问题做适当的调整。本次调查分别确定四家物流园区的共80家企业。因园区企业的中、高层管理者对企业的信息掌握的比较全面，所以本次调查对象尽可能针对企业的中、高层管理人员。本次调查采用两种方式，第一，利用本地浙江籍学生暑期社会实践的机会发放给物流园区调查者；第二，课题组成员利用浙江物流研讨会向物流园区参会的企业管理者发放问卷，请调查者现场填写。对于问卷中指标的量化，本文采取李克特五级量表，其中1～5依次表示为非常不同意、不太同意、一般、比较同意、非常同意。本文发放问卷300份，回收212份，问卷有效率70.7%。

3.2 因素测量

为确保测量因素的效度和信度，本文在参考国内外相关文献中使用的量表的基础上，与课题组进行探讨，根据研究目的加以调整，对部分企业人士进行问卷调查，形成因素测量量表。采用Cronbach’α系数进行样本的信度检验，一般认为Cronbach’α的数值在0.7 以上具有较好的信度，见表1，样本的Cronbach’α值均在0.75以上，表明样本信度较高。

在效度方面，本文分别从内容效度和结构效度两方面进行检验。量表中的各变量均以国内外成熟的量表为基础，并经过相关的专家、学者、企业管理者讨论最终确定，具有较好的内容效度。对样本中的各指标进行验证性因子分析，卡方自由度比χ2/df数值均在2以上，比较适配指数CFI、规准适配指数NFI、增值适配指数IFI 均大于0.9，渐进残差均方和平方根RMSEA均小于0.5，表明问卷具有较好的结构效度。

表1 变量测量及信度结果

现有的文献[18]提出，企业的年龄越大，经验优势越明显，越能促进创新；企业规模越大，越容易获得更多的创新资源，从而有利于创新能力和绩效的提高。本文以企业年龄和企业规模作为控制变量，企业年龄用企业自成立以来持续年数测度，企业规模用企业员工总人数表示。

3.3 假设检验

本文将检验物流产业集群创新网络结构对创新绩效及知识流动水平的影响、物流产业集群知识流动水平对创新绩效的影响以及知识流动水平在物流产业集群创新网络结构对创新绩效影响过程中的中介作用。本文采用层次回归分析检验主要的假设，在层次回归分析前，已将网络中心度、网络密度、网络规模、网络联系强度、知识流动水平、物流企业创新绩效进行了标准化转换。

（1）物流产业集群创新网络结构对创新绩效的影响分析。本文第一步将控制变量进行回归，第二步根据研究的目的将自变量纳入回归模型。物流产业集群创新网络结构对创新绩效的回归分析见表2。模型1对企业年龄、企业规模两个控制变量进行回归。两个控制变量对创新绩效的影响不显著。在模型1 的基础上再对网络中心度进行回归得到模型2。模型2 相对于模型1 的R2增量显著，模型2 对创新绩效的解释力相比模型1 有了显著提高。模型2 回归分析的结果表明网络中心度（β=0.071,p＜0.05）与创新绩效之间有显著的正相关关系。研究假设H1a 得到支持。在模型2 的基础上对网络密度、网络规模、网络联系强度进行回归得到模型3。模型3相对于模型2的R2又显著增加，从而模型3对创新绩效的解释力相对于模型2又显著提高。从模型3的回归结果来看，网络密度（β=0.057,p＜0.05）、网络联系强度（β=0.042,p＜0.05）与创新绩效之间有显著的正相关关系，研究假设H1b和H1d得到支持，而网络规模与创新绩效之间没有显著的正相关关系，研究假设H1c没有得到支持。（2）知识流动水平对创新绩效的影响分析。物流产业集群知识流动水平对创新绩效的回归分析结果见表3。模型4在模型1的基础上加入知识流动水平，模型4相对于模型1的R2增量显著，模型4对创新绩效的解释力相比模型1有了显著提高。模型4回归分析的结果表明知识流动水平（β=0.432，p＜0.01）与创新绩效之间有显著的正相关关系。研究假设H2得到支持。

表2 物流产业集群创新网络结构对创新绩效的影响（N=212）

表3 物流产业集群知识流动水平对创新绩效的影响（N=212）

（3）物流产业集群创新网络结构对知识流动水平的影响分析。物流产业集群创新网络结构对知识流动水平的回归分析见表4。模型5对企业年龄、企业规模两个控制变量进行回归。两个控制变量对知识流动水平的影响不显著。在模型5的基础上对网络中心度、网络密度、网络规模、网络联系强度进行回归得到模型6。模型6相对于模型5的R2有显著增加，从而模型6 对知识流动水平的解释力相对于模型5 有显著提高。从模型6 的回归结果来看，网络中心度（β=0.082 ，p＜0.05）、网络密度（β=0.123,p＜0.01）、网络联系强度（β=0.273,p＜0.001）与知识流动水平之间有显著的正相关关系，研究假设H3a、H3b和H3d得到支持，而网络规模与知识流动水平之间没有显著的正相关关系，研究假设H3c 没有得到支持。

表4 物流产业集群创新网络结构对知识流动水平的影响（N=212）

（4）知识流动水平的中介效应分析。本文参照Baron 和Kenny[19]的做法，检验知识流动水平的中介效应。第一步，检验物流产业集群创新网络结构、知识流动水平分别对创新绩效是否具有显著作用；第二步，检验物流产业集群创新网络结构是否对知识流动水平具有显著作用；最后，把知识流动水平和创新网络结构同时对物流产业集群创新绩效进行回归，物流产业集群创新网络结构对创新绩效的影响减少或消失，而知识流动水平对创新绩效的影响依旧显著，说明知识流动水平在物流产业集群和创新绩效之间起到中介作用。表2 和表3证明物流产业集群创新网络结构、知识流动水平均与创新绩效正相关，表4证明物流产业集群创新网络结构对知识流动水平具有显著作用。把知识流动水平和创新网络结构同时进行回归分析，见表5。从模型7 可以看出，随着中介变量知识流动水平的加入，网络中心度、网络密度、网络联系强度的回归系数相比模型3均降低，但知识流动水平与创新绩效依旧显著正相关，表明：知识流动水平在物流产业集群创新网络结构对创新绩效的影响中具有部分中介效应，即创新网络结构通过知识流动水平影响了创新绩效。

4 启示

本文通过层次回归分析验证物流产业集群网络中心度、网络密度、网络联系强度、知识流动水平对创新绩效具有正向影响作用，以及知识流动水平在物流产业集群创新网络结构对产业集群创新绩效的影响中具有中介效应。通过本文的验证结果得到以下启示：

表5 知识流动水平的中介效应（N=212）

（1）构建物流产业集群创新网络，提高物流产业集群的网络管理能力。随着创新活动的日益复杂，物流企业的创新活动已经不是单个个体的事情，而是物流产业集群内各个结点间以正式和非正式交流为基础而形成的推动创新产生的系统。集群创新网络的形成便于信息、知识、资金等资源的流动，提高产业集群的创新能力。而当创新网络成长到一定的规模、集群各结点间的联系、与集群外的联系增多时，物流企业应平衡管理与外界的联系情况，根据企业的不同成长阶段，动态的、有选择性的构建自身的联系网络，以免陷入过多的关系中，不利于企业的发展。

（2）提高物流产业集群中物流企业的中心性，加强各结点间的联系强度，从而提高集群的创新绩效。当物流企业处于集群中的关键位置时，更便于与上游的供应商、下游的客户、高校、科研机构、中介机构进行交流，获得更多的信息资源，从而激发更多的创新灵感，提高企业的创新绩效。当物流企业与高校、科研机构联系度增强时，有利于高校、科研机构的创新成果被企业吸收，从而转化为企业效益，提高企业的创新绩效。中小型的物流企业与金融等中介机构联系增强，可以提高获取风险投资基金或金融贷款的机会，得到创新的资金来源，为创新绩效的提高打下基础。因此，集群中的物流企业应以创新绩效的提高为出发点，积极与高校、科研机构、中介服务机构展开全方位的合作。集群中的上下游企业间应相互沟通，共同开发新的产品，实现创新资源和创新成果的共享。

（3）知识流动是联结知识供需双方的“桥梁”，其规模、速度、频率、质量和有效性对区域创新网络的运行质量和功能实现水平将产生重要的影响。知识流动水平既对创新绩效有显著的正向影响，又是创新网络结构对创新绩效影响路径上的中介变量。知识是创新的源泉，知识的获取是提升物流创新绩效、提高竞争力的关键。物流产业集群知识的共享，更有利于形成紧密的网络关系，提高创新网络的稳定性，各结点间有效的沟通更容易获得新的技术和市场信息。实践证明战略联盟的形成，大幅度地提升了企业自身的创新能力。

本文中，网络规模对创新绩效以及网络规模对知识流动水平的正向影响没有得到验证，可能当集群中的物流企业成长到一定的规模时，其创新能力的提高更多地依靠自身所拥有的资源，更多地注重知识的内部流动，相反集群中的小企业创新活动的开展则更多地依赖于网络资源。因此，当控制变量企业规模为多大时，网络规模与创新绩效、与知识流动水平正相关，企业规模为多大时，网络规模与创新绩效、与知识流动水平间没有显著的回归关系，有待进一步验证。

[1]Johnston R.Clusters:a review of their basis and development in Australia[J].Innovation: Management,Policy&Practice,2004,(3):380-391.

[2]Hideki Yamawaki.The evolution and structure of industrial clusters in Japan[J].Small Business Economic,2002,(18):121-140.

[3]李志刚,等.产业集群网络结构与企业创新绩效关系研究[J].科学学研究,2007,(8):778-781.

[4]吴冰,等.高科技产业创业网络绩效与环境研究[J].南开管理评论,2009,12(3):84-93.

[5]窦红宾.集群网络结构与企业创新绩效实证研究[J].未来与发展,2010,(3):59-63.

[6]盖文启.创新网络—区域经济发展新思维[M].北京:北京大学出版社,2002.

[7]Me Evily,Zaheer.Bridging ties: A source of firm heterogeneity in Competitive capabilities[J].Strategic Management Journal,1999,(20):1 133-1 156.

[8]Zhao L M,Aiam,John D.Networking and growth of young Technologyintensive ventures in China[J].Journal of Business Venturing,1995,10(5):349-371.

[9]Uzzi B.Structural Embeddedness and the persistence of Repeated Ties[J].Aeademy of Management Annual Meeting,1998,(9):9-12.

[10]Kogut B,Zander U.Knowledge of the firm and the evolutionary theory of the multinational corporation[J].Journal of International Business Studies,1993,24(4):625-645.

[11]吴俊杰,盛亚.网络强度、网络开放度对产业集群绩效的影响机制研究[J].经济地理,2011,(11):1 867-1 872.

[12]Teece D J.Technology transfer bu multinational firms: the resource cost of transferring technological know- how[J].Economic Journal,1997,(87):242-261.

[13]朱英明.论产业集群的创新优势[J].中国软科学,2003,(7).

[14]王晓红.张宝生.知识网络结构特性对知识流动作用分析[J].价值工程,2010,(2):11-13.

[15]党兴华,张守魁.模块化技术创新网络结点间耦合关系研究[J].中国工业经济,2002,(12).

[16]Inkpen A C,Tsang E W K.Social capital，networks, and knowledge transfer[J].Academy of Management Review,2005,30(1):146-165.

[17]简兆权,等.网络关系、信任与知识共享对技术创新绩效的影响研究[J].研究与发展管理,2010,(4):64-69.

[18]王晓娟.知识网络与集群企业创新绩效—浙江黄岩模具产业集群的实证研究[J].科学研究,2008，(8):874-878.

[19]Baron R M,Kenny D A.The moderator-mediator variable distinction in social psychological research: conceptual,strategic and statistical considerations[J].Journal of Personality and Social Psychology,1986,51(6):1 173-1 182.