地理临近性与企业创新绩效

常红锦，杨有振

(山西财经大学，山西 太原 030006)

地理临近性与企业创新绩效

常红锦，杨有振

(山西财经大学，山西 太原 030006)

本文主要关注创新网络中关系强度和知识异质性是否在地理临近性与企业创新绩效关系中起作用。采用多元回归分析方法对133家国内企业进行问卷调查并实证分析，结果显示，地理临近性正向影响企业创新绩效；关系强度正向调节地理临近性与企业创新绩效之间的关系；知识异质性正向调节地理临近性与企业创新绩效之间的关系。

地理临近性；关系强度；知识异质性；创新绩效

1 引言

创新网络中，企业间的地理临近性对企业创新绩效的影响一直是学者们关注的焦点。多数学者认为，地理临近性提高了组织间面对面的沟通频率，促进了强关系的建立[1－4]，从而提高了组织间信任水平，有利于隐性知识传播，最终提升企业的创新绩效。

现有研究暗含如下两个关键假定:首先，企业间的地理临近性促进了它们之间强关系的建立，然而，Ganesan[5]认为这种假定是不准确或不完整的。他通过实证也证实组织间地理临近与关系强度是不相关的。其次，企业之间存在值得转移的知识。然而，研究表明合作者与企业之间知识差异太小或太大[6]都可能成为知识转移的障碍。

那么，在创新网络中，当关系强度与地理临近性不相关，知识异质性存在差异时，这两个变量在地理临近性与创新绩效关系中如何起作用?虽然也有学者研究多样化或专业化的产业聚焦环境如何影响知识溢出和扩散，但并未分析在不同知识异质性情境下，地理临近性对企业创新绩效的影响。Ganesan[5]将关系强度作为外生变量，认为地理临近性对企业创新绩效的影响有赖于组织间关系的强弱。但并未考虑另一个重要变量知识异质性在此过程中的作用。

已有研究表明，知识及信息的生成与传播具有明显的空间不均等性，呈现出强烈的随着地域扩散而衰退的特征。因此在创新网络中，空间距离成为企业间知识转移的障碍。然而，企业间频繁的接触增加了企业间的信任水平，促进了企业间隐性知识的传递，减小由于距离产生的知识转移障碍。另一方面，地理临近性对企业创新绩效的影响还有赖于网络知识异质性，网络知识异质性较低时，企业间可转移的知识量很小，因此地理临近性对企业创新绩效的影响并不明显；随着异质性水平的提高，企业间互补知识增加，地理临近性通过面对面沟通促进了企业间异质性知识的有效转移，从而提高企业的创新绩效。

基于以上分析，本文提出了相关假设，并利用SPSS 16.0统计软件，通过多元回归分析方法对国内133家企业的调查数据进行实证检验，得到了稳定的支持。本文的研究结论加深了我们对企业创新绩效影响因素的理解，为企业在创新合作中如何选择合作伙伴，选择什么样的伙伴，以及与合作伙伴如何连接提供参考。

2 理论与假设

2.1 地理临近性与企业创新绩效

Whittington K.B.认为地理临近性是指焦点企业与其他组织地理距离的接近程度[7]。首先，跨组织边界的人际网络是潜在的，能够加速知识密集型行业创新信息外溢的重要渠道。企业间具有地域临近性的时候，不同企业的研发人员之间往往存在丰富的社会联系[5]。这将有利于他们面对面地沟通，而面对面沟通是转移缄默知识的重要机制。第二，地理临近性通过提高地理临近组织间的交流频率和交流效率，强化组织间的认知临近和组织临近性，促进隐性知识的传播，提高企业创新绩效。第三，专业化劳动力和研发工程师在集聚区域内具有高度的可替换性和流动性是重要的知识溢出渠道，能够促进知识扩散，[5]有利于企业的创新活动。因此，得出如下假设:

假设1:企业与合作伙伴间的地理临近性对企业的创新绩效具有正向影响作用。

2.2 知识异质性的调节作用

已有研究表明，地理临近性与创新绩效有正向相关关系。但地理临近性对创新绩效的影响作用还受企业所能接触到的知识异质性高低的影响。首先，当地理临近的企业间知识异质性水平较低时，主体之间拥有的知识资源重叠程度较大，企业间拥有可以转移的知识存量较小，主体间的知识流动出现循环和冗余，因此，企业难以获取新信息或知识，从而影响了地理临近性对企业创新绩效的影响作用。其次，随着知识异质性水平的提高，企业接触到来自临近企业的种类丰富或非冗余性创新资源，从而为企业技术创新的实现提供更多的选择或更多种创新要素组合的机会，最终提高企业创新绩效。综上分析，得出如下假设:

假设2:知识异质性在地理临近性与企业创新绩效关系中起正向调节作用。

2.3 关系强度的调节作用

关系强度指企业间联结的强弱情况，可以用成员间交互频率或互惠互信程度表示[8]，是衡量网络关系特征的重要变量。首先，随着企业与合作伙伴的空间地理距离增大，协调沟通的难度将会增加，从而影响了合作双方信息获取的准确度。而关系强度有助于网络个体之间的深度互动，减少企业之间的冲突，提高企业之间的信任水平。因此关系强度减小了由于地理距离导致的企业间沟通障碍，增强了地理临近性对企业创新绩效的影响。其次，Boschma[9]认为较低的临近性，企业可以快速获得新知识，把握新的成长机会，但地域上的文化差异也影响了合作伙伴间知识的转移。而企业间频繁的接触有利于彼此间身份的认同、重复的和持续的交换关系，促进企业吸收新知识与新技术，从而对企业技术创新能力的提升起到推动作用。综上，我们可以得出如下假设:

假设3:关系强度在地理临近性与企业创新绩效关系中起正向调节作用。

3 研究方法

3.1 样本与数据收集

以华为科技等企业为基础，采用滚雪球的方式形成创新网络。然后在由521家企业所形成的创新网络内选取样本企业。为保证样本的完备性，在地域分组的基础上随机抽取样本，最后确定200家样本企业。受访者主要为样本企业或部门的高层技术管理人员。共发放问卷300份，回收169份。对只有个别缺失值的回收问卷，通过电话回访补全。并剔除无法补全或具有明显虚假信息的问卷，最后确定133份有效问卷，有效回收率为44.3%。

3.2 变量测度

变量的测量均采用李克特5点计分法，其中“完全不同意”用1表示，“非常同意”用5表示。

(1)被解释变量的测量。企业创新绩效的初始量表主要参考Hagedoonr[10]和Devinnye的量表进行设计。然后采用Cronbachα系数对初始量表进行因子分析，提取特征值大于1的因子，对载荷小于0.4和同时在多个因子上具有相当载荷的题项予以删除，最终形成量表。企业创新绩效由五个题项测量，分别是:贵企业在所处创新网络中新产品市场占有率更大；贵企业在所处创新网络中的新产品数更多；贵企业在所处创新网络中申请的专利数更多；贵企业在所处创新网络中创新产品的成功率更高；贵企业在所处创新网络中新产品的开发速度更快。

(2)解释变量的测量。地理临近性。本文参照学者周浩军等对地理临近性的测度量表确定企业与合作企业的地理临近性，要求受访者填写五个最重要的合作伙伴以及与该合作伙伴的相对地理距离，其中相对地理距离划分为四类: “同国”为1；“同省”为2； “同市县”为3； “同地点”为4(同地点是指半小时步行范围之内)。分析中地理临近性的值等于企业与五个主要创新伙伴的平均相对距离。

关系强度。在关系强度测量题项的设计方面，我们参考王晓娟和潘松挺等[11]学者对关系强度的测量量表设计量表。关系强度由三个题项测量，分别是:贵公司与合作伙伴的联系非常频繁；贵公司与合作伙伴的关系非常密切；贵公司与合作伙伴会在合作过程中真心诚意地为对方考虑。在调查时要求填答者在填写地理临近的合作伙伴时填写相对应的关系强度量表。

知识异质性。知识异质性测量题项主要参考Verkasalo和Gupta的测量量表，最后形成量表，由五个题项进行测量，分别是:贵企业与创新网络合作伙伴间新技术应用多少方面的差异程度；贵企业与创新网络合作伙伴间员工专业知识性质方面的差异程度；贵企业与创新网络合作伙伴间员工知识层次的差异程度；贵企业与创新网络合作伙伴间的专利数量差异程度；贵企业与创新网络合作伙伴间核心技术差异程度。在调查时要求填答者在填写地理临近的合作伙伴时填写相对应的知识异质性量表。

(3)控制变量测度。本文的控制变量选取企业性质、企业规模和企业年龄，因为这些变量可能影响企业的创新绩效。

4 实证检验

4.1 数据质量评价

受访者中92%为中高级职称，因此在很大程度上保证了调查问卷的真实性和可靠性。

在本次的调研数据中，公司成立年限方面，6～10年和11～15年的企业占大多数，分别占问卷的36.7%和25.3%。行业分布方面主要以机械制造业、生物医药和电子通讯为主，分别占问卷的30.8%、15.4%和21.2%。在企业规模方面，1001人以上的企业16.7%，501～1000人的企业占样本的20.7%，201～500人的企业占总样本的40.3%。由此可见，样本达到了本研究的基本要求。

本研究解决共同方法变异的问题主要采用如下几种方法:通过将应答者分为早期应答组与后期应答组两组来进行非回应误差的测量，两个应答组在相关变量的均值等变量上并没有显著差异；根据Podsakoff和Organ所提的建议，为避免由单一题项所造成的共同方法偏差，本文采用多个题项来测量各个相关变量；Harmon单因子检验后并未析出单独一个因子，也不存在一个因子能解释大部分变量变异的情况。

4.2 量表的信度与效度检验

采用Cronbach's a内部一致性系数和组合信度(CR)指标来评价研究量表的信度。根据Foniell和Larcker的观点，组合信度CR可以用公式 (1)来衡量，式中以λyi为各测项标准化因子负荷值，εi为各测项的误差。组合信度的值一般要求大于0.7，处于0.6～0.7也可接受。

其中，Li表示量表中各个题项的标准化因子载荷，ei表示观察变量的误差的方差。ei＝1－L2i。最终得出企业创新绩效、关系强度和知识异质性的组合信度分别为0.912、0.901和0.867，均大于0.7。对本文所涉及的变量利用SPSS 16.0进行探索性因子分析，企业创新绩效、关系强度和知识异质性的Cronbach'sα系数分别为0.872、0.773和0.902。因此各测量量表具有良好的组合信度和内部一致性。

一个具有较好聚合效度的量表应该同时满足三个条件:各个题项的标准化因子载荷大于0.5，AVE大于 0.5，CR大于 0.7。本文采用 AMOS 18.0对相关数据进行分析计算，可以直接得出标准化因子负荷。AVE的计算公式如下:

其中，Li表示量表中各个题项的标准化因子载荷。也就是说，AVE是各个题项因子载荷的平方的平均值。通过计算，各测量题项在其所属因子上的标准化因子负荷解都大于0.5、组合信度都大于0.7，平均方差 (AVE)析出量分别为0.735、0.625和0.698，均大于0.5。标准化因子负荷、组合信度和AVE的值均达到聚合效度所介绍的标准，因此量表具有很好的聚合效度。本研究将采用比较构念的AVE与构念之间协方差对样本数据进行区分效度检验。当两个构念的AVE都高于它们之间的协方差时，这两个构念具有足够的区分效度。通过分析，结果显示各因子AVE的平方根均大于其所在行和列的相关系数值，这意味着它对与之对应的测量项目的变异解释，高于对其他测量项目的变异解释。因此，本模型中测量指标具有一定的区分效度。本文的调查问卷题项全部来自已有相关文献中的成熟量表，并经过咨询相关专家，修正部分提法及内容。因此本研究所采用的量表具有较好的内容效度。

4.3 描述统计与相关分析

通过SPSS 16.0进行多元回归分析，主要变量的均值、标准差和相关系数如表1所示。

表1 各变量均值、标准差和相关系数

4.4 回归分析

通过逐步多元回归分析方法检验所提假设，表2列出了回归分析的结果。为避免交互项所带来的多重共线性问题，首先对所涉及的自变量进行中心化处理，然后再计算变量的交互项，模型1中引入控制变量。模型2中加入自变量地理临近性，回归分析后自变量的系数通过了显著性检验，因此，假设1得到了支持。模型3中加入自变量关系强度进行分析后，模型解释能力增强，自变量系数通过显著性检验。模型4中加入变量知识异质性后，自变量系数通过显著性检验。模型5中加入地理临近与知识异质性的交互，模型解释能力增强，交互项系数通过显著性检验，因此假设2得到了验证。在模型4的基础上，模型6中加入地理临近和关系强度的交互后，模型解释能力增强，交互项系数通过显著性检验，因此假设3得到了验证。

表2 企业创新绩效的多因素回归分析结果

4.5 稳健性检验

本文去掉样本企业中规模最高的5%样本企业和规模最低的5%样本企业以检验样本中可能存在的异常值与非随机性存在的影响。去掉成立小于三年的样本进行稳健性检验，以检验新成立企业的业绩可能出现的非正常性波动。回归结果与原总体样本的分析结果保持一致，说明本文的研究结论在相当程度上是可靠的。

5 讨论与结论

5.1 结论

首先，企业与伙伴的地理临近有利于企业创新行为的产生，从而促进企业创新绩效的提升。相当多的文献表明，空间上集聚的企业能够从临近的正外部性中获益。距离缩短能使主体间更容易、更充分地进行面对面地交流信息以及转移隐性知识。反之，企业间距离越远，知识的正外部性越弱，隐性知识的转移就越困难。而且即使是显性知识的使用和传播，由于显性知识的解释和吸收需要隐性知识和空间的临近，因此距离也会产生重要影响。

其次，关系强度在地理临近性与企业创新绩效关系中起到正向调节作用。因此在理解地理距离与企业创新绩效关系时，不仅要考虑地理临近性，而且要考虑到关系强度在此过程中的作用，而不是将关系强度与地理临近性等同。关系强度作用一个外生变量，减缓了远距离企业间的沟通问题和太大知识异质性问题，提高了企业间相对吸收能力，从而加强了地理临近性对企业创新绩效的影响作用。

再次，知识异质性在地理临近性与企业创新绩效的关系中起正向调节作用。地理临近的企业间知识溢出效应虽然能使企业更加容易获得新技术和知识，但也使得知识相似企业可以 “搭便车”并减少研发努力，从而影响了地理临近性对创新绩效的影响效应。相反，在知识多样化情境下，由于不同知识之间更多的是互补而不是企业间知识的高度替代，因此由于地理临近所导致的其他企业的互补知识溢出对本企业创新绩效的提高幅度要比在相似知识情境下更大。

最后，本研究具有管理方面的意义。第一，创新网络中，地理距离给合作创新带来了技术多样化的额外挑战，因此，企业必须能够通过加强企业间的联结强度整合所接触到的不同种类的知识，以最大化创新绩效[12]。第二，本研究表明知识异质性正向调节地理临近性与创新绩效之间的关系。因此，企业在选择合作伙伴时，应考虑充分发挥地理临近性对创新绩效的影响，与拥有互补性知识的企业合作，防止因与合作伙伴知识过分相似而导致可能发生的机会主义行为。第三，本文的结果也显示，管理者在制定旨在加强区域经济发展的政策时，要考虑到存在的社会关系和外溢效应。在加强区域内外企业产业联系的同时，要避免区域内企业高度的同质化，使所培育的区域产业集群同时具备适度的地理距离、企业间关系和知识差异。

5.2 研究不足与未来研究方向

本文主要还存在如下三个方面的不足:首先，由于企业处于特定的地理区域中，不同的区域其体制和劳动力市场都存在很大的差别，因此体制基础设施等方面对企业创新的影响以及其进化轨迹将是未来研究需要关注的方向；其次，本文所收集的数据是截面数据，因此所得的分析结果本质上是所涉及变量间的相关关系。因为随着时间的推移，企业间关系特征会发生变化，因此更为严谨的因果关系还需要纵向数据加以检验；最后，本文所选样本仅限于国内企业，然而国际化合作创新是目前一个普遍现象，将样本企业扩展到国际范围将会更好地阐释变量之间的关系。

[1]Antonio Capaldo，Antonio Messeni Petruzzelli.Partner Geographic and Organizational Proximity and the Innovative Performance of Knowledge-Creating Alliances[J].European Management Review，2014，11(1):63－84.

[2]Jasjit Singh，Matt Marx.Geographic Constraints on Knowledge Spillovers:Political Borders vs.Spatial Proximity[J].Management Science，2013，59(9):2056－2078.

[3]Collaboration，Information and the Geography of Innovation in Knowledge Intensive Business Services[J].Journal of Economic Geography，2012，12(1):79－105.

[4]崔新健，郭子枫等.跨国技术转移和扩散与国家创新能力的协整及因果关系检验.中国科技论坛[J].2014，(4):33－38.

[5]Ganesan S，Malter A J.Does Distance Still Matter?Geographic Proximity and New Product Development[J].Joumal ofMarketing，2005，69(4):44－60.

[6]Goerzen A，Beamish PW.The Effect of Alliance Network Diversity on Multinational Enterprise Performance[J].Strategic Management Journal，2005，26(4):333－354.

[7]Whittington K B，Owen-Smith J.Networks，Propinquity，and Innovation in Knowledge-intensive Industries[J].Administrative Science Quarterly，2009，54(1):90－122.

[8]Gilsing V，Nooteboom B.Density and Strength of Ties in Innovation Networks:An Analysis ofMultimedia and Biotechnology[J].European Management Review，2005，2(3):179－197.

[9]Boschma R A.Proximity and Innovation:a Critical Assessment[J].Regional Studies，2005，39(1):61－74.

[10]Hagedoonr J，Cloodt M.Measuring Innovative Performance:Is There an Advantage in Using Multipleindie Ators?[J].Research Policy，2003，32(8):1365－1379.

[11]潘松挺，蔡宁.企业创新网络中关系强度的测量研究[J].中国软科学，2010，(5):108－115.

[12]Lahiri N.Geographic Distribution of R＆D activity:How Does It Affect Innovation Quality?[J].Academy ofManagement Journal，2010，53(5):1194－1209.

(责任编辑 谭果林)

Geographic Proxim ity and Innovation Performance

Chang Hongjin，Yang Youzhen
(School of Management Science and Engineering，Shanxi University of Finance and Economics，Taiyuan 030006，China)

This paper analyzes the effectof the relationship strength and knowledge heterogeneity on the relationship between geographic proximity and innovation performance.And through multiple regression analysis on the survey data of 133 domestic enterprises，the results show that geographic proximity positively impact on the innovation performance of enterprise；the relationship strength positively moderates the relationship between geographic proximity and innovation performance；knowledge heterogeneity positivelymoderates the relationship between geographic proximity and innovation performance.

Geographic proximity；Relationship strength；Knowledge heterogeneity；Innovation performance

F273.7

A

国家自然科学基金资助项目 (71372171)。

2014－07－28

常红锦，(1977－)，女，山西人，山西财经大学应用经济学博士后；研究方向:技术创新管理理论与方法。