集群创新网络知识动态增长研究:基于过程视角

周 文,陈 伟,郎益夫

(1.哈尔滨工程大学经济管理学院,黑龙江哈尔滨150001; 2.哈尔滨学院经济管理系,黑龙江哈尔滨150001)

集群创新网络知识动态增长研究:基于过程视角

周 文1,陈 伟1,郎益夫2

(1.哈尔滨工程大学经济管理学院,黑龙江哈尔滨150001; 2.哈尔滨学院经济管理系,黑龙江哈尔滨150001)

设计知识创新与扩散的影响机制,将知识增长绩效的影响因素纳入动态过程,构建集群创新网络的知识增长过程模型,运用复杂网络理论和仿真技术对东北三省新能源汽车集群创新网络进行实证仿真,研究集群创新网络知识增长绩效的演化规律及其影响因素.结果表明,在知识动态增长的模拟过程中,集群创新网络存在知识动态增长的突变点,知识扩散与创新的累积效应受知识扩散条件的约束.对于知识增长绩效,无标度网络相比实际网络更具优势.最优知识增长绩效要求网络中的企业具有适度的创新能力和吸收能力,而企业之间的交流频率,转移意愿,准则相似度和网络知识溢出效率越高,知识增长绩效越高.

创新网络;知识扩散;主体能力;扩散强度;平台障碍

1 引 言

集群创新网络是产业集群企业通过合作创新,利用知识互补效应,溢出效应和劳动力流动效应等加快企业的学习和创新过程,降低创新风险,实现知识水平和创新能力快速提升的重要支撑平台[1].虽然集群创新网络中的企业主体具有异质性,但是在合作创新的动态过程中,企业通过集群创新网络能够达到异质多主体系统的一致水平[2],因此企业拥有的知识能够在一致的合作创新关系中通过集群创新网络进行扩散和创新,其动态增长影响着企业的创新实现和集群创新网络的发展.深入研究集群创新网络的知识动态增长问题,对于提升企业的知识增长绩效和促进集群创新网络的发展具有重要意义.

目前,关于知识动态增长的研究包括知识增长绩效演化规律和影响因素等方面.其中知识增长绩效演化规律的研究以仿真分析和案例研究为主.Cowan等[3]系统地构建了产业集群创新网络的知识扩散的动态模型,分析了不同知识交互方式对知识扩散绩效的影响;Kim等[4]构建了R&D网络的知识扩散过程模型,研究了知识扩散绩效与网络结构的关系;Wang[5]利用智能体仿真方法构建了集群创新网络的知识转移扩散过程模型,分析了个体动机对知识转移扩散绩效的影响.Hanaki[6]和Blumenberg[7]等对集群创新网络中知识扩散绩效演化过程进行了案例研究.知识增长绩效影响因素的研究则以统计分析,调查研究为主.如Phelps等[8]通过对77家通信设备制造业企业的追踪性调查探讨了集群网络结构对知识创新的影响,认为技术合作伙伴的多样性和网络密度对提升知识创新绩效具有重要影响.Broekel等[9]认为认知,社会,组织和地理的临近性对企业在集群创新网络中的知识绩效的影响并不一致.Chen等[10]从社会资本,动机,机会和能力的角度强调了人的因素对集群创新网络中企业的知识共享和知识绩效具有重要影响.Zheng等[11]指出企业组织文化,组织结构,公司策略和组织有效性的耦合作用是企业在集群创新网络中提升知识创新绩效,知识竞争优势的关键.知识增长绩效的影响因素还包括知识粘滞度[12],网络结构[1,13]和成员类型[14],合作行为策略和交互偏好[15],集群环境和社会嵌入性[14]等.

上述研究为知识动态增长问题的研究奠定了基础,但是由于偏重知识扩散,知识转移绩效的研究,结合知识扩散与知识转移的综合分析并不充分,而且基于实际网络的仿真文献也较为缺乏.由于动态过程模型及其实现的复杂性,上述研究对知识创新与扩散过程的考虑比较简化,演化模型所设定的知识创新函数形式以指数增长和线性增长函数居多[3,16−18],而且知识扩散函数所考虑的因素并不能充分反映实际情况.此外,关于知识增长绩效的影响因素,现有研究较少考虑其作用强度和重要性在知识创新与扩散过程中所发生的变化,难以全面深入揭示知识创新与扩散的绩效演化规律.

针对现有研究的局限性,本文基于过程视角和知识创新与扩散的耦合关系,设计了知识创新与扩散的影响机制,以此为依据将知识增长绩效的影响因素纳入知识创新与扩散的动态过程,从而改进知识创新函数和知识扩散函数,构建集群创新网络的知识增长过程模型.在此基础上,以东北三省新能源汽车集群创新网络作为实际网络,运用复杂网络理论和仿真方法对实际集群创新网络的知识增长绩效进行实证仿真,主要研究以下问题:知识增长绩效在知识创新与扩散的动态过程中具有什么演化规律?哪些因素对知识增长绩效产生影响,产生什么影响?如何控制和调整这些影响因素以提升知识增长绩效?

2 知识增长过程模型

2.1 知识创新与扩散的影响机制

杜健等[19]指出影响知识转移的影响因素包括知识交流,转移意愿等,但由于知识扩散与创新是一个交互耦合过程,影响因素的界定范畴不仅包括知识转移自身,而且还应该包括知识创新以及知识创新与扩散的耦合过程,基于上述考虑,本文从知识创新,知识扩散以及二者的耦合过程角度界定知识增长绩效的影响因素包括主体能力,扩散强度,平台障碍和网络结构,并由此设计知识创新与扩散的影响机制,具体如图1所示.其中,主体能力包括集群企业主体的创新能力和吸收能力,创新能力是企业对知识的再生产能力,吸收能力是企业对直接扩散或间接扩散知识的理解和接受的能力;扩散强度包括集群企业的交流频率和知识的转移意愿,知识转移意愿体现了企业合作创新的意愿和集群创新网络的开放度,交流频率体现了企业之间合作创新联系的强度;平台障碍包括集群企业的准则相似度和集群创新网络的知识溢出效率,准则相似度是企业组织文化和价值体系的相似程度,相似程度越高,企业之间的创新合作效率和交流频率就越高,合作创新存在知识的垂直溢出和水平溢出[20],其溢出效率表现为企业通过直接或非直接合作获得知识的效率;网络结构是集群创新网络中的企业及其相互之间创新合作关系的反映.

图1 知识创新与扩散的影响机制Fig.1 Infuence mechanism of knowledge innovation and diffusion

知识可划分为“交易型知识”和“广播型知识”[3].由于“广播型知识”具有溢出效应特点,能够在集群创新网络中广泛流动,因此本文限定分析“广播型知识”在集群创新网络中的扩散与创新过程.

对于“广播型”知识而言,当集群企业的知识水平存在知识势差时,集群企业在知识转移意愿的影响下决定知识的发送水平,发送的知识受到知识扩散约束条件和网络结构的影响.其中知识约束条件包括知识距离,知识差异和网络距离,知识距离是指集群企业知识有效扩散的距离,知识差异是在满足知识距离限制条件下企业的实际知识差距,网络距离限定了知识扩散的有效性范围,知识扩散的具体方式和知识扩散的网络距离限制由网络结构决定.集群企业发送的知识最终以直接扩散和间接扩散的形式被网络中的其他企业所接收,其中直接扩散受到企业之间的交流频率,准则相似度,知识溢出效率和企业的吸收能力影响,而间接扩散则受企业之间的网络距离,知识溢出效率和企业的吸收能力影响.企业通过集群创新网络接收直接扩散和间接扩散的知识,与此同时企业还在自身创新能力的影响下进行自主知识创新,因此知识的接收量和自身的知识创新量综合构成了企业的知识积累,进而提升企业的知识水平.由于每个集群企业的知识禀赋不同,而且扩散强度,主体能力,平台障碍和网络结构对每个集群企业的影响具有差异性,所以集群企业的每一次知识创新和扩散后所积累的知识量不同,由此改变了企业的知识势差,导致知识在集群创新网络中不断流动和增长.

2.2 知识增长过程模型的构建

集群创新网络描述的是集群企业及其相互的创新合作关系,用G=(V,g)表示.其中V={1,2,...,N}表示企业集合,g表示所有创新合作关系集合,企业i和企业j之间的创新合作关系表示为ij,假设创新合作关系是对等的,即集群创新网络是无向无权网络.集群企业在网络中的创新合作关系距离用最短路径长度表示,若企业i和企业j在网络G中不存在连通路径,则企业i和企业j的创新合作关系距离=∞.

假设每个企业具有m维的知识,企业i的知识构成用知识向量Si=(si,1,si,2,...,si,m)表示,对任意企业i和知识维度l,si,l>0.设定集群创新网络中的企业拥有初始知识禀赋W=(w1,w2,...,wN).根据本文构建的知识创新与扩散的影响机制,设定企业i的吸收能力为αi,创新能力为εi,知识转移意愿为βi,企业i和企业j之间的交流频率为fij,准则相似度为,知识距离为D(i,j),其中准则距离和交流频率仅存在于具有直接创新合作关系的企业之间,而且由于知识溢出效率对于不同的知识扩散方式具有异质性,因此本文设定具有直接创新合作关系的企业之间知识溢出效率为δ1,非直接合作的知识溢出效率为δ2.

企业根据自身知识积累水平不断进行知识扩散,知识创新,其每一时期的知识创新增量和知识接收增量构成了这一时期的企业知识水平增量,由此可以设定企业的知识创新函数和知识扩散函数.

现有文献[3,16−18]将企业的知识创新函数简单设为指数增长或线性增长形式,这种假设不完全符合企业知识创新的实际情况.由于企业在进行知识创新过程中会存在如创新成本,创新能力和企业创新行为策略等实际限制,其进行知识创新所获得的知识增量不可能呈现简单的增长形式,而且由于企业的知识在一定时期内不可能无限增长,因此本文假设企业在每一类知识存在知识上限.基于此,改进现有文献采用的知识创新函数,通过综合考虑企业知识创新的实际限制,选用被证实具有普适性意义的反映S曲线特征的Logistic函数[21],结合企业的知识创新能力,构建集群企业的知识创新函数

集群企业的知识扩散受到企业之间的交流频率,准则相似度,企业吸收能力,知识溢出效率和网络距离等的影响,通过以知识创新与扩散的影响机制为中介,将其与知识扩散过程进行融合,构建集群企业的知识扩散函数.

其中αi,l为企业i的第l类知识的吸收能力,fij,为企业i和企业j之间的创新合作关系距离,交流频率和准则相似度,δ1和δ2为集群创新网络的直接和间接知识溢出效率,βj,l为企业j的第l类知识的转移意愿,而Dl(i,j)为企业i和企业j在第l类知识的知识距离.

特别地,式(2)中的知识扩散约束条件对整个过程模型至关重要,其中∞是知识直接扩散和间接扩散发生的前提,βj,lSj,l(t)与Si,l(t)的关系表示在企业j的知识转移意愿基础上企业i和企业j的知识差异,这是知识接收的基础;知识距离D(i,j)是企业i和企业j进行知识扩散即发送和接收的限制条件[16],若企业i和企业j的知识距离过大,则由于两个企业的知识相似度过小造成企业理解和学习困难,若知识距离过小,则由于两个企业的知识相似度过大造成企业可以学习的程度太小,基于创新合作的实际限制,企业会放弃进行知识发送和接收,因此限定企业进行知识扩散的条件为6Dl(i,j)6,其中是第l类知识扩散的知识距离下限,是第l类知识扩散的知识距离上限.当知识扩散采取直接扩散方式时,δ=δ1,若为间接扩散时则δ=δ2,而且由于准则相似度和交流频率仅存在于具有直接创新合作关系的企业之间,因此在间接扩散中有fij=0,=0.

企业i在t时期的第l类知识的知识创新增量和知识扩散增量构成第l类知识的总增量(t),与前一时期的知识存量共同构成当期企业i的第l类知识的积累水平,即

上述公式(1),(2)和(3)构成了集群创新网络的知识增长过程模型.

3 仿真分析

根据知识增长过程模型,下面以东北三省新能源汽车集群创新网络作为实际网络,运用复杂网络理论和仿真方法,通过实际网络与三种经典网络对比,分析集群创新网络的知识增长绩效演化规律及其影响因素.

3.1 仿真设置

东北三省新能源汽车产业集群是我国汽车产业集群的重点区域,在《东北振兴”十二五”规划》等相关政策引导和支持下,以一汽集团,一汽大众,一汽马自达,哈飞集团,华晨集团为重点企业,聚集一大批具有产业联系的企业,具有产学研合作关系的高校和研究机构,由此形成了以产品和技术的传播与创新为目标的新能源汽车产业集群创新网络.为了刻画该集群创新网络,通过滚雪球抽样方法选取吉林长春的一汽集团,黑龙江哈尔滨的哈飞集团,辽宁沈阳的华晨集团等核心企业以及具有集群创新合作关系的企业,高校和科研院所作为集群创新网络成员,以实地调研即访谈和调查问卷相结合的形式获取了联合技术研发关系,专利联合申请和论文合作发表,政府资助项目以及新能源汽车技术开发和产品研制的合作情况等数据.经过数据筛选和清洗后,确定135家企业,高校和研究院所为东北三省新能源汽车产业集群创新网络的成员,网络结构特征统计量为:网络规模N=135,平均度≈5.75,网络密度D=0.043,网络平均集聚系数C=0.379.

图2 四种网络的拓扑结构图Fig.2 Topology structure graphs of four networks

网络结构影响知识增长绩效及其变动,为了揭示不同网络结构中知识增长绩效的演化规律,分析网络结构对知识增长绩效的影响,采用具有相同网络节点规模和平均度的无标度网络,小世界网络和随机网络这三种经典网络作为集群创新网络知识增长绩效分析的对比网络,其拓扑结构特征及生成算法参考文献[22].图2显示了四种网络的具体拓扑结构,其中无标度网络为BA无标度网络,其节点数为135,密度为0.045,网络平均集聚系数为0.154;小世界网络为NW小世界网络,其节点数为135,密度为0.044,网络平均集聚系数为0.102;随机网络为ER随机网络,其节点数为135,密度为0.042,网络平均集聚系数为0.041.

3.2 知识增长绩效分析

图3 整体知识水平变动Fig.3 Growth of overall knowledge quantity

根据集群创新网络的知识增长过程模型,知识增长绩效可从整体知识水平,知识水平增量,知识创新水平和知识扩散水平的角度进行测度和分析.图3揭示了不同网络的整体知识水平变动情况,从图3可以看到四种网络的整体知识水平均呈现S曲线变动形态,这说明了不同网络结构中的整体知识增长绩效的演化规律具有相似性.知识增长速度作为整体知识水平变动曲线的斜率,其呈现先递增后递减的变化过程,这种S曲线形态与Rogers[21]提出的符合实际的创新扩散模型一致,表明本文的知识增长过程模型能够在一定程度上拟合实际的集群创新扩散过程.此外,四种网络在相同的初始仿真条件下,由于网络结构的不同,其S曲线斜率的变化情况和最终收敛情况不同,这导致了知识增长速度和整体知识水平的差异,尤其是实际网络最终收敛的整体知识水平量低于三种网络结构,说明实际网络并非知识创新与扩散的最优网络结构.

知识增量水平变动由知识创新水平和知识扩散水平综合构成,反映了每一时期网络知识水平的演化情况.在知识动态增长的模拟过程中,图4–图6分别反映了知识增量水平和知识增长绩效,知识创新水平和知识创新绩效,知识扩散水平和知识扩散绩效的变动情况.

图4(a)显示知识水平增量变动存在双峰形态,其中第一个峰值点是知识增长绩效的跃升阶段的起点,第二个峰值点是知识增长绩效的下降点,它代表着创新能力提升范围的有限性[21].值得注意的是,与文献[4,5]提出的知识水平增量变动为单峰形态不同,这里显示的双峰状态不仅说明集群创新合作网络中知识增长的非线性过程,而且还进一步刻画了知识增长差异的内在机制,即第一个峰值点是知识增长差异的关键.对比图5(a),图6(a)的知识创新水平和知识扩散水平的变动情况可知,第一个峰值点是由网络中的知识扩散引发的.具体来说,集群企业之间的知识扩散导致知识创新量的提升,二者通过耦合作用引发知识水平的迅速变动,形成企业知识水平分化的基本局面.在此基础上,不同网络结构的知识总量和增长速度在开始快速增长和变异.因此,第一个峰值点实际上是网络中知识量跃升和知识量分化的临界点,本文称之为知识动态增长的突变点.为了验证第一个峰值点的存在性,本文考察了不同规模的网络,发现这些网络中均存在具有同样特性的突变点.由此可知,知识动态增长的突变点广泛存在于集群创新网络中,是集群创新网络中知识扩散机制的反映,表明了集群创新网络中知识增长的非线性效应,体现了集群创新网络的知识溢出价值.

图4 知识水平增量和知识增长绩效Fig.4 Increment of knowledge quotient and performance of knowledge growth

图5 知识创新水平和知识创新绩效Fig.5 Knowledge innovation quotient and performance of knowledge innovation

图6 知识扩散水平和知识扩散绩效Fig.6 Knowledge diffusion quotient and performance of knowledge diffusion

此外,图4(b)的知识增长绩效变动情况表明,四种网络的知识增长绩效排名是:无标度网络>小世界网络>随机网络>实际网络.由此可见,对于知识增长绩效,无标度网络相比实际网络更具优势.

3.3 知识增长绩效的影响因素分析

由知识创新与扩散的影响机制可知,网络结构,主体能力,扩散强度和平台障碍对集群创新网络的知识增长绩效演化存在影响作用,以下进一步研究这些影响因素如何影响知识增长绩效,如何控制和调整这些影响因素以提升知识增长绩效?

1)网络结构与知识增长绩效的关系

虽然四种网络的节点规模和平均度值相同,而且网络密度差异性很小,但是由图2显示的网络结构可以看到四种网络的集聚程度不同,节点度值分布具有明显的差异性.为了分析网络结构与知识增长绩效的关系,采用相邻节点平均度值差异,最大度与最小度之差和节点度值标准差三个指标测度四种网络的结构差异,指标具体含义和计算公式参考文献[24].由于度值分布的实质是节点拥有的关系分布,为了易于理解,以下将度值分布称为关系分布.

表1显示四种网络的三个指标值具有相同的排序情况,其中实际网络的关系分布离散程度,关系分化的最大程度和关系的非对称程度最为严重,即实际网络的关系分布差异性最为显著,其次是无标度网络和随机网络,小世界网络关系分布最均匀.由图2和表1可知,实际网络与无标度网络都具有hub结构,即网络中存在少数节点拥有异常大的度值,大部分节点的度值较小,网络呈现中心集聚现象,但相比无标度网络,实际网络hub结构过于集聚,关系分布的差异性非常明显;与实际网络和无标度网络不同,小世界网络和随机网络不具备hub结构,关系分布均匀.

表1 网络结构特征统计指标Table 1 Statistical indicators of network structure characteristics

对网络结构和知识增长绩效的关系进行分析可知,在知识创新与扩散的过程前期,由于集群创新网络中企业的知识水平和知识距离较小,符合直接知识扩散约束条件的相邻企业范围最大,且间接知识扩散量较小,因此实际网络与无标度网络凭借其hub结构能在知识创新与扩散过程的前期获得较大的知识水平增量.由于实际网络的关系分布具有显著差异,引发了企业知识水平在演化过程中的严重分化现象,并导致突变时期网络过高的知识扩散速度,在知识扩散的约束条件限制下,降低了知识创新与扩散过程中知识的扩散效率,使得实际网络过早进入知识创新与扩散的减速增长阶段,削弱了实际网络的成长能力,最终影响网络的知识增长绩效水平.在知识创新与扩散过程的中后期,随着集群企业知识水平和知识距离的不断增大,符合直接知识扩散约束条件的相邻企业范围在不断缩小,而且间接知识扩散量不断增大,小世界网络和随机网络凭借其较均匀的关系分布获得相比实际网络和无标度网络更高的知识水平增量.另外,由于小世界网络在关系分布方面比随机网络更具规则性,这导致了小世界网络的知识增长绩效高于随机网络.

因此,企业关系分布的差异性影响企业知识水平的不均匀程度,维持hub结构和适度均匀的关系分布有利于知识增长绩效的提升.优化网络结构需要调整占据网络hub节点位置的企业对创新合作伙伴企业的强选择性偏好,避免优势企业和一般企业创新合作关系割裂和分化的现象,同时调整实际网络中企业的关系分布,即扶持弱势企业与优势企业广泛建立创新合作关系,鼓励弱势企业采用产品和技术方面的差异化策略,进一步提高其知识基础和创新合作的能力.

2)主体能力与知识增长绩效的关系

由于主体能力,扩散强度和平台障碍所包含的具体影响因素存在集对特点,即这些影响因素两两之间存在相互影响关系,因此可以通过仿真模拟集对影响因素的组合变化对知识增长绩效的影响,由此分析这些影响因素与知识增长绩效的关系.

图7为主体能力分析的等高线图,值得注意的是,等高线图的横轴和纵轴均表示集对影响因素取值的下限,而创新能力和吸收能力的上限分别设为0.1和1.以创新能力为例,当创新能力的下限取值越大,集群企业拥有的创新能力就越强,而且创新能力分布的一致性程度就越高.此外,图7的等高线分别显示的是知识增长绩效,知识创新绩效和知识扩散绩效.

在知识创新与扩散的影响机制中,创新能力和吸收能力对知识绩效的影响是不同的.图7(a)和图7(b)说明当企业的创新能力分布差异性明显,而吸收能力较强且分布相对一致时,知识增长绩效和知识创新绩效就越高.这是因为知识创新不仅受到企业吸收能力的影响,而且与知识扩散存在耦合关系,受到知识扩散绩效的影响.当吸收能力和创新能力的下限都取最大值,即当企业的吸收能力和创新能力都很强时,集群企业的知识差距迅速缩小,知识同质化趋势越加明显,由于知识扩散条件的约束,知识创新与扩散的耦合过程被严重缩短,从而失去知识扩散与知识创新的累积效应.此外,虽然图7(c)显示最优知识扩散绩效所要求的吸收能力和创新能力的下限区域有三个,但是基于下限区域覆盖范围考虑,最优知识扩散绩效要求吸收能力下限取值较小,创新能力下限取值尽可能大,即要求企业吸收能力的差异性程度较大而创新能力较高.由于知识增长绩效包含知识创新绩效和知识扩散绩效,图7(c)与图7(a)和图7(b)中等高线区域的差异性说明知识创新绩效对知识增长绩效起主要作用.

图7 主体能力和知识绩效Fig.7 Subject abilities and performance of knowledge growth

因此,知识扩散的约束条件控制知识创新与扩散耦合过程的长度和知识扩散与创新的累积效应,而最优知识增长绩效要求企业具有较高的吸收能力和适度的吸收能力差异性.

3)扩散强度与知识增长绩效的关系扩散强度包括具有直接创新合作关系的企业之间的转移意愿和交流频率.图8为扩散强度分析的等高线图,等高线图的横轴和纵轴同样表示集对影响因素取值的下限,转移意愿和交流频率的上限均设为1.图8说明转移意愿和交流频率的下限越大,即企业之间的转移意愿和交流频率取值越高,知识增长绩效,知识创新绩效和知识扩散绩效越高.

图8 扩散强度和知识绩效Fig.8 Diffusion intensity and performance of knowledge growth

值得注意的是,图8(a),8(b)与8(c)中最优等高线区域的差异在于当企业交流频率下限在较高区域取值时,最优知识增长绩效和知识创新绩效均要求此时的转移意愿下限取值较大,而最优扩散绩效则不同,当企业交流频率下限在较高区域取值时,转移意愿下限取值对最优扩散绩效的影响很小.这说明交流频率对转移意愿具有替代性作用,当集群创新网络中的企业具有较高的交流频率时,企业知识转移意愿的差异性不对知识创新与扩散的耦合过程长度构成影响,从而保证了最优知识扩散绩效.由此可见,企业之间的交流频率和转移意愿越高,集群创新网络的知识增长绩效越高;对于最优知识扩散绩效而言,交流频率对转移意愿具有替代性作用.虽然提升集群创新网络中企业的交流频率和转移意愿是提升知识增长绩效的重要路径,但是现实中很难在短时间内改变企业的知识转移意愿,而且知识转移意愿是企业本身的主观意愿,其变化具有强烈的不确定性,因此利用交流频率对转移意愿的替代性作用,可以克服转移意愿的主观性,有利于推动和实现知识的扩散传播.

4)平台障碍与知识增长绩效的关系

平台障碍包括企业的准则相似度和知识溢出效率.图9为平台障碍分析的等高线图,等高线图的横轴表示集群创新网络的知识溢出效率取值,纵轴表示准则相似度参数的下限范围,准则相似度的上限设为1.图9说明网络知识溢出效率和准则相似度的下限取值越大,即集群创新网络中企业之间的准则相似度和网络知识溢出效率越高,知识增长绩效,知识创新绩效和知识扩散绩效越高.

图9 平台障碍和知识绩效Fig.9 Platform barrier and performance of knowledge growth

4 结束语

集群创新网络中的知识扩散与知识创新过程是企业实现创新的关键.本文设计了知识创新与扩散的影响机制,将知识增长绩效的影响因素纳入动态过程,由此构建集群创新网络的知识增长过程模型,通过仿真模拟发现:(1)集群创新网络中的知识动态增长过程存在突变点,它是集群创新网络中知识扩散机制和知识溢出价值的体现;(2)对于知识增长绩效,无标度网络相比实际网络更具优势;(3)知识扩散与创新的累积效应受知识扩散条件的约束,维持hub结构,适度均匀的关系分布以及适度的创新能力和吸收能力有助于知识增长绩效的提升;(4)集群创新网络中企业之间的交流频率,转移意愿,准则相似度和网络知识溢出效率越高,知识增长绩效就越好.

本文基于过程视角设计的知识创新与扩散影响机制全面考虑了知识动态增长影响因素及其相互关系,构建的集群创新网络知识增长过程模型深度融合了知识创新与知识扩散的非线性耦合关系,但是由于仅对东北三省新能源汽车产业集群创新网络进行实证和仿真模拟,未来研究需要结合更多的实际案例进一步深化和完善集群创新网络的知识增长过程模型.此外,基于异质企业主体一致性前提下集群创新网络与知识增长的共演化问题也是未来值得深入探索的问题.

[1]王文平,张苏荣.产业集群网络演化中知识转移研究[J].管理学报,2011,8(9):1372–1377.

Wang Wenping,Zhang Surong.Knowledge transfer in the evolution of industrial cluster networks[J].Chinese Journal of Management,2011,8(9):1372–1377.(in Chinese)

[2]梁有明,刘成林,刘 飞.异质多自主体系统的一致性[J].系统工程学报,2012,27(5):583–592.

Linag Youming,Liu Chenglin,Liu Fei.Consensus of heterogeneous multi-agent systems[J].Journal of Systems Engineering,2012, 27(5):583–592.(in Chinese)

[3]Cowan R,Jonard N.Network structure and the diffusion of knowledge[J].Journal of Economic Dynamics and Control,2004,28(8): 1557–1575.

[4]Kim H,Park Y.Structural effects of R&D collaboration network on knowledge diffusion performance[J].Expert Systems with Applications,2009,36(5):8986–8992.

[5]Wang X.Forming mechanisms and structures of a knowledge transfer network:Theoretical and simulation research[J].Journal of Knowledge Management,2013,17(2):278–289.

[6]Hanaki N,Nakajima R,Ogura Y.The dynamics of R&D network in the IT industry[J].Research Policy,2010,39(3):386–399.

[7]Blumenberg S,Wagner H,Beimborn D.Knowledge transfer processes in IT outsourcing relationships and their impact on shared knowledge and outsourcing performance[J].International Journal of Information Management,2009,29(5):342–352.

[8]Phelps C C.A longitudinal study of the infuence of alliance network structure and composition on frm exploratory innovation[J]. Academy of Management Journal,2010,53(4):890–913.

[9]Broekel T,Boschma R.Knowledge networks in the Dutch aviation industry:The proximity paradox[J].Journal of Economic Geography,2012,12(2):409–433.

[10]Chen C W,Chang M L,Tseng C P.Human factors of knowledge-sharing intention among taiwanese enterprises:A model of hypotheses[J].Human Factors and Ergonomics in Manufacturing&Service Industries,2012,22(4):362–371.

[11]Zheng W,Yang B,Mclean G N.Linking organizational culture,structure,strategy,and organizational effectiveness:Mediating role of knowledge management[J].Journal of Business Research,2010,63(7):763–771.

[12]Liu R,Hart S.Does experience matter?–A study of knowledge processes and uncertainty reduction in solution innovation[J].Industrial Marketing Management,2011,40(5):691–698.

[13]谢逢洁,崔文田,孙笑明.无标度网络的群聚性对合作行为的影响[J].系统工程学报,2010,25(2):152–158.

Xie Fengjie,Cui Wentian,Sun Xiaoming.Effect of clustering in the scale-free networks on cooperative behavior[J].Journal of Systems Engineering,2010,25(2):152–158.(in Chinese)

[14]Khalid M,Khan M A.Social capital and organizational performance:The mediating role of knowledge transfer[J].Middle-East Journal of Scientifc Research,2014,19(2):239–250.

[15]Murphy M,Perrot F,Rivera-Santos M.New perspectives on learning and innovation in cross-sector collaborations[J].Journal of Business Research,2012,65(12):1700–1709.

[16]黄玮强,庄新田,姚 爽.基于创新合作网络的产业集群知识扩散研究[J].管理科学,2012,25(2):13–23.

Huang Weiqiang,Zhuang Xintian,Yao Shuang.Study on knowledge diffusion of industry clusters:Based on the innovation cooperation network[J].Journal of Management Science,2012,25(2):13–23.(in Chinese)

[17]单海燕,王文平.跨组织知识整合下的创新网络结构分析[J].中国管理科学,2012,20(6):176–184.

Shan Haiyan,Wang Wenping.Analysis of the structure of inter-organization innovation network during the process of knowledge integration[J].Chinese Journal of Management Science,2012,20(6):176–184.(in Chinese)

[18]ChoiH,KimS,LeeJ.Roleofnetworkstructureandnetworkeffectsindiffusionofinnovations[J].IndustrialMarketingManagement, 2010,39(1):170–177.

[19]杜 健,吴 东,吴晓波,等.旗舰企业对本地企业知识转移的影响因素研究:基于全球制造网络的视角[J].科学学研究,2013, 31(3):407–414.

Du Jian,Wu Done,Wu Xiaobo,Pei Zhenzhen.What determines the knowledge transfer of global network fagships to local frms: From the perspective of global production networks[J].Studies in Science of Science,2013,31(3):407–414.(in Chinese)

[20]孙晓华,郑 辉.水平溢出,垂直溢出与合作研发[J].系统工程学报,2012,27(1):79–87. Sun Xiaohua,Zheng Hui.Horizontal spillover,vertical spillover and cooperative R&D[J].Journal of Systems Engineering,2012, 27(1):79–87.(in Chinese)

[21]Valente T W,Rogers E M.The origins and development of the diffusion of innovations paradigm as an example of scientifc growth[J].Science Communication,1995,16(3):242–273.

[22]Newman M E.The structure and function of complex networks[J].SIAM Review,2003,45(2):167–256.

[23]Lin M,Li N.Scale-free network provides an optimal pattern for knowledge transfer[J].Physica A:Statistical Mechanics and its Applications,2010,389(3):473–480.

[24]黄玮强,庄新田.复杂社会网络视角下的创新合作与创新扩散[M].北京:中国经济出版社,2012:138–139.

Huang Weiqiang,Zhuang Xintian.Innovation Collaboration and Innovation Diffusion from the Complex Social Network[M].Beijing:China Economic Press,2012:138–139.(in Chinese)

Knowledge dynamic growth in the innovation network of industrial cluster:Based on process perspective

Zhou Wen1,Chen Wei1,Lang Yifu2
(1.School of Economics and Management,Harbin Engineering University,Harbin 150001,China; 2.School of Economics and Management,Harbin University,Harbin 150001,China)

By designing a infuence mechanism of knowledge innovation and diffusion,this paper embedded infuencefactorsofknowledgegrowthintothedynamicprocessandbuiltaprocessmodelofknowledgegrowth. Taking new energy auto industrial cluster network in the Northeast China as a case,this paper used complex network theory and the method of simulation to analyze the evolution of knowledge growth in the network and its infuence factors.The result shows that there is a catastrophe point of knowledge growth in the network. The accumulative effect of knowledge innovation and diffusion is restricted by the conditions of knowledge diffusion.Scale-free network has the advantage of knowledge growth compared with the real network.Optimal performance of knowledge growth requires frms in the network have moderate abilities of innovation and understanding.In addition,the more the frequency of cooperation,the more the willingness of knowledge transfer,the more the rule similarity among frms and the more the effciency of knowledge spillover,the better the performance of knowledge growth.

innovation network;knowledge diffusion;subject abilities;diffusion intensity;platform barrier11

F27;N949

A

1000−5781(2015)04−0 431 −11

10.13383/j.cnki.jse.2015.04.00?

2013−12−04;

2014−05−02.

国家自然科学基金资助项目(70903015).

周 文(1984—),男,广东罗定人,博士生,研究方向:网络科学技术经济与创新管理,E-mail:vincizhou@126.com;

陈 伟(1957—),男,黑龙江哈尔滨人,博士,教授,研究方向:知识产权与创新管理,E-mail:chenwei 523shi@163.com;

郎益夫(1960—),男,吉林永吉人,博士,教授,研究方向:教育经济与管理,E-mail:langyifu 523shi@163.com.