创新网络知识流动对企业创新绩效的影响研究——基于网络嵌入性视角

，

(东华大学 旭日工商管理学院，上海 200051)

1 引言

在开放式创新环境下，面对日趋复杂的市场需求，企业仅依靠自身知识资源已很难实现技术创新，多主体协同合作的网络创新成为经济新常态。企业嵌入在网络中，知识的流动性影响企业知识储备的更新和异质性知识的获取，企业可以通过知识搜索、转移、扩散、共享等流动形式实现知识整合与创造，提升自身技术创新能力和创新绩效。

知识作为企业获得竞争优势的重要资源，除受到流动性因素的影响，还受到网络特征因素的影响。虽然现有研究已取得了大量成果，但仍然存在以下不足。首先，关于知识对创新绩效的影响，学者们多从静态视角研究知识对创新绩效的影响，如从知识的结构性视角探讨知识专业性和多样性对创新绩效的影响，忽略知识流动等动态视角对创新绩效的影响。其次，网络结构作为影响创新的关键因素，学者们较多尝试使用不同网络结构变量探讨知识流动对创新绩效的调节作用，缺乏从网络嵌入性视角进行深入研究。再次，创新网络中企业间的相互嵌入兼具结构与关系的特点，现有研究一般将结构嵌入性和关系嵌入性作为并列关系探讨其对创新绩效的影响，忽略从递进式视角叠加检验。

基于上述分析，为了弥补已有研究不足，本研究从网络嵌入性视角，将结构嵌入性代表性变量“中心度和结构洞”、关系嵌入性代表性变量“联系强度”视为重要情景要素，探讨其对知识流动和企业创新绩效关系的调节效应。并以上海市高端装备制造业中58家企业专利数据为样本，运用多元分层回归方法，实证检验中心度和结构洞对知识流动和创新绩效的一阶调节作用，以及联系强度对这一调节关系的二阶调节作用。本文旨在明晰创新网络、知识行为与创新绩效的内在协同机理，揭示技术创新网络知识创新催化机制，构建创新网络知识流动生态系统。

2 理论框架与研究假设

根据资源限制理论和战略缺口理论，任何组织内部资源和能力都是有限的，知识的学习和吸收对于企业知识创新具有重要作用。尽管当前知识流动与创新绩效的研究已经取得一定的进展，但现实中同样重视知识交流的企业间创新绩效仍存在较大差异。这一问题促使学者们开始探讨影响这一关系的重要权变因素：“网络结构”，如骆大进等[1]探讨了网络中心度与网络结构洞的协同效应对创新绩效的影响；陈子凤和官建成[2]验证小世界特性可以激发更多的创新产出。随着研究的深入，学者们开始从网络嵌入性视角研究创新行为，并将其分为结构嵌入性和关系嵌入性两个维度。结构嵌入性主要以中心度、结构洞等变量来反应企业在网络中的位置[3]；关系嵌入性强调从企业间联系强度、强弱关系等方面反应企业间关系[4]。网络嵌入性与创新的关系研究目前存在很多不一致的结论，如Ranganathan和Rosenkopf[5]发现网络中心性促进企业间知识合作与创新；Li等[6]发现网络中心性对企业绩效没有显著影响。可知，仅从网络特征或知识行为单一视角对创新绩效进行研究，容易得出不严谨和片面的研究结论，企业创新绩效受到知识流动和网络特征的双重因素的影响[7]。如何实现创新网络、创新行为、创新绩效三者协调的最优状态为本文研究重点。

2.1 知识流动和创新绩效之间关系

随着知识更新速度的日益加快，企业必须不断从外界吸收、整合知识资源以保持自身竞争优势。知识主体可以通过信息交流、技术学习达到知识转移的效果，提高企业的开放性，增强企业响应市场需求的敏捷性。同时，由于企业之间存在知识势差，通过知识交流可以达到低位主体获取和吸收知识、高位主体传播和扩散知识的效果，进而提高总体创新网络的知识存量和创新能力。Hsiao等[8]研究发现，知识交流利于企业隐性知识和适应性知识的获取，增强组织的创新力和绩效。所以，我们认为，知识流动能促进创新绩效的发展。因此，本文提出以下假设：

假设1知识流动与创新绩效正向相关。

2.2 结构嵌入性对知识流动和创新绩效之间关系的调节作用

结构嵌入性体现为企业在网络中的位置，凸显企业控制优势及配置资源的能力。本文结构嵌入性由企业在网络中的“中心度”和“结构洞”两个变量组成，中心度体现了企业获取资源的能力及获取资源的广泛性，结构洞体现了企业对资源和信息的控制力。

(1) 中心度对知识流动和创新绩效之间关系的调节作用

网络中某个节点的中心度为网络中与该节点直接产生联系的个体数，用来衡量节点在网络中所处的位置[9]。中心度是对网络中个体权力的量化分析[10]。当节点中心度较低时，该节点信息闭塞，不利于知识流动及资源获取，阻碍技术创新活动的开展。随着节点中心度的提高和合作伙伴的增加，企业不断积累与其他成员互动的经验，获得更多多元化的知识。网络中心位置还可使企业接触到更多潜在知识，降低知识搜索成本。Dyer和Nobeoka[11]发现处于网络中心位置的企业有利于异质性资源的获取和技术创新活动的开展，进而增强企业环境适应能力和企业创新绩效。此外，网络“领导者企业”可以利用自身“声望”和“地位”成为hub节点，并受到周围普通邻居企业的学习和跟随，形成知识交流集聚[12]，有利于整体网络知识水平的提高。因此，本文提出以下假设：

假设2网络中心度正向调节知识流动和创新绩效之间的关系。

(2) 结构洞对知识流动和创新绩效之间关系的调节作用

由于信息保护机制和知识在网络内分布的不均衡性，企业捕获新知识的机会难度增加，而占据结构洞的企业，能接触和控制更多关键知识源，拥有更大权力，降低对网络其他成员的依赖。占据网络结构洞位置节点处于中介地位，能有效减小节点间的无效链接，更加快速高效地吸收、整合外部资源[13]。但随着节点占据结构洞数量的增高，会在一定程度上给企业带来不利的影响。因为随着结构洞的增加，容易激发机会主义行为，降低企业间信任程度，减少企业间交往频率，阻碍企业资源共享和知识交流，最终影响企业技术创新能力。因此，本文提出以下假设：

假设3网络结构洞倒U型调节知识流动和创新绩效之间的关系。

2.3 关系嵌入性对结构嵌入性调节知识流动和创新绩效间关系的影响

结构嵌入性体现了节点间的联接情况，关系嵌入性描述了企业与相联接节点间联系的频率程度。本文关系嵌入性由联系强度变量所体现。随着联系强度的增加，一般称之为“强联接”，使得节点间合作交流增强，信任程度增高，机会主义降低，有利于隐性知识的传播和共享，增强企业技术创新能力和创新绩效[14]。

一方面，联系强度的增加有利于企业间复杂隐性知识的传播，从而加强关系嵌入性对知识流动转化为创新绩效的促进效应。首先，具有强联接的企业可以与合作伙伴快速建立信任和共享机制，随着伙伴知识共享意愿的增强，企业可以在显性知识获取的基础上增加隐性知识的获取，增加知识获取的深度和知识获取的多样性[15]。其次，关系嵌入性较高的企业由于有较多的联系和接触，容易造成知识冗余，增加搜索成本，但随着联系强度增加，企业可以在实践中不断筛选和总结经验，提高显性知识的甄选和隐性知识吸收速度，做到有的放矢，提高知识整合效率[16]。因此，联系强度增加能够加强中心度和结构洞对知识交流和绩效间关系的正向作用。

另一方面，联系强度的增加还可以降低较高结构洞带来的不利方面。首先，结构洞较高存在的首要问题就是信任机制问题，当合作伙伴间出现信任危机和机会主义行为，节点间会降低合作交往频率，影响知识流动和共享，但随着联系强度的增加，企业间的信任感不断增加[17]，从而可以增加知识交流的频率和速度，降低结构洞带来的不利影响，有利于知识创新。因此，联系强度增加能够减弱结构洞对知识交流和绩效间关系的负向作用。基于以上文献分析，本文提出以下两个假设：

假设4联系强度能正向加强网络中心度对知识流动和创新绩效间关系的调节作用，具体来说，在高联系强度的企业中，网络中心度对知识流动和创新绩效间关系的正向调节作用比在低联系强度的企业中更强。

假设5联系强度能调节加强网络结构洞对知识流动和创新绩效间关系的调节作用，具体来说，联系强度能加强网络结构洞对知识流动和创新绩效的促进作用，减弱网络结构洞对知识流动和创新绩效的阻碍作用。

本文研究模型如图1所示。

图1 研究模型

3 研究设计

3.1 数据来源

本文选取了上海市高端装备制造行业的58家大型重点企业作为样本。高端装备制造行业总体特点为技术含量高、处于价值链高端，属于知识密集型行业。根据《“十二五”高端装备制造业产业发展规划》，高端装备制造业分为以下五个核心领域：高铁及轨道交通设备制造业、航空装备领域、卫星制造与应用业、核电装备制造、海洋工程装备制造业和智能装备制造业。上海市高端制造业在中国的发展中处于领先位置，获得国家重点支持，为全国高端制造业的发展做出了巨大贡献。

企业间专利引用已成为体现知识流动的重要指标。本文所用专利引用数据来自中华人民共和国国家知识产权局重点产业专利检索数据库(SIPO)。数据搜集与清洗步骤如下：第一步，通过中国装备制造行业协会总平台及上海市核电办公室、上海市航空协会等行业子平台搜索上海高端装备制造业的82家领军企业数据。第二步，在SIPO数据库检索系统对82家单位逐个检索其在2000～2018年间申请的发明专利数据及专利引用、被引数据。如果某一企业在任意连续三年中申请发明专利数量和专利引用数据数量过少，则剔除样本库，最后筛选出58家企业。第三步，清理并统计出所有样本单位的申请专利数量和单位之间专利引用数量，建立企业专利引用邻接矩阵。第四步，将矩阵导入社会网络分析软件Ucient，生成专利引用网络图谱。

3.2 变量测量

(1)自变量

知识流动(KF)：专利引用情况可以反应企业间知识流动状况。本文借鉴Bekkers和Martinelli[18]对知识流动的计量，使用“专利引用数量”衡量知识的流入，“被引用专利数量”衡量知识的溢出。

(2)因变量

企业创新绩效(IP)：由创新网络中各企业专利授权数的总和表示。学者们一般使用专利、SCI论文数据[19]或产品创新数据计量创新绩效，其中SCI论文数据侧重体现科学知识的创新，专利数据更侧重于技术知识的创新，而由于上海高端装备制造企业属于军工企业，很多产品信息属于国家机密较难获取，因此本文选取专利数据作为样本数据。

(3) 调节变量

中心度(CD)：一般研究将中心度分为绝对中心度和相对中心度，绝对中心度为与某节点连接的节点个数。本文采用一般学者常用的相对中心度变量，因为相对中心度考虑了网络规模，使得不同数据之间具有可比性。具体表达式如下

(1)

结构洞(SH)：结构洞的计算比较复杂，总的来说存在两类计算指标，一类是Burt[20]给出的结构洞指数，另一类是中间中心度指数。Burt的结构洞主要考虑有效规模、效率、限制度和等级度四个维度。本文使用限制度指数对结构洞进行测量并使用Ucient软件计算得出，指标越低说明结构洞越多。其计算公式如下

(2)

其中piq为行动者i投入q的关系所占比例，mjq为j到q的关系的边际强度。

联系强度(CS)：联系强度表示企业间知识交流的联系频率，本文使用节点与其他节点专利引用和被引用的平均次数作为企业联系强度。

(4) 控制变量

企业规模：一般情况下，企业规模越大，研发能力越强，专利申请数量通常也越多。 企业年龄：年龄较大的企业，知识积累一般越大，这将影响知识创新绩效。 企业研发投入：企业每年投入在研发上的费用，将对技术创新产生有利影响。

4 研究分析与结果

4.1 网络结构的描述性统计

基于专利权人的专利引用和被引矩阵，借助Ucinet软件对上海市高端装备制造行业知识流动网络指标进行了统计分析，分析得到：网络共有58家单位，网络度数中心度为5.32，其中度数中心度较高的单位有上海电气集团(13)，上海飞机制造有限公司(10)，宝山钢铁(9)，上海核工程研究设计院(8)。网络中间中心度为2.95%，中间中心度最高的单位为上海交通大学。由此可见，盈利较高的龙头大型企业是专利引用的活跃份子，在知识交流发挥着不可替代的重要作用。此外，高校在不同行业知识交流中起着良好中介促进作用。网络连接总数为469，网络密度为0.068，网络平均距离为2.506，集聚系数为12.930，E-I指数为-0.582。可知创新网络中节点联系较为紧密，专利引用情况较为活跃，知识流动较为频繁，并且存在派系林立的情况。此外，根据各测量变量的描述性统计及相关系数得到：变量的VIF值均低于10，容忍度均大于下限阈值0.100，变量间不存在明显的多重共线性。

4.2 假设检验

本文采用多元分层回归分析方法，模型1、2、3为全样本的分层回归。为了区分联系强度，模型4、5、6为联系强度高于均值的分样本，模型7、8、9为联系强度低于均值的分样本。本文对自变量、调节变量和乘积项进行了中心化处理[21]，由表1可见，模型1～3、4～6、7～9的F值和R2值逐渐增高，说明模型拟合度较好。

表1 回归结果

注:*p<0.1,**p<0.05,***p<0.01。

由表1可见，模型1仅包含企业年龄等控制变量；模型2加入知识流动变量，用来检验知识流动对企业创新绩效的主效应；模型3加入调节变量和各项乘积的调节作用，用来检验网络位置(中心度、结构洞)对知识流动和创新绩效间关系的调节作用。为了验证假设4和假设5，研究不同联系强度对网络位置(中心度、结构洞)对知识流动和创新绩效间关系调节作用的不同，本文采用分样本回归对比的方法。

(1)知识流动的直接影响。模型2的结果显示，知识流动系数为正且显著(β=0.715，p<0.01)，说明知识流动对企业创新绩效有正向作用，假设1得到验证。

(2)全样本调节作用。模型3相比模型2整体解释变量增加了24.2%(ΔR2=0.242)，说明模型整体解释性增强。模型3中知识流动与中心度相乘项正向显著(β=0.512，p<0.01)，说明中心度正向调节知识流动和企业创新绩效间的关系，假设2得到验证。知识流动与结构洞的相乘项正向显著(β=0.480，p<0.05)，知识流动与结构洞平方项的相乘项负向显著(β=-0.455，p<0.05)，这表明结构洞倒U型调节主效应，假设3得到验证。为了更加清晰地观察调节变量网络位置(中心度、结构)对知识流动和创新绩效的调节作用，本文绘制了调节变量图，如图2、图3所示。在全样本情况下，图2为中心度(均值加减标准差)调节作用二维图，图3为结构洞调节作用曲面图。由图2可见，随着节点中心度的增加，知识流动对创新绩效的正向作用逐渐加强。由图3可见，结构洞大小倒U型调节知识流动对创新绩效的影响，当结构洞水平较低时，随着知识流动的增加，企业创新绩效得到增加；结构洞水平存在最优阈值使得知识流动促进企业创新绩效达到最大值；随着结构洞水平继续增大，知识流动对创新绩效的效用关系逐渐递减并产生副作用。

图2 中心度对知识流动和创新绩效间关系的调节作用

图3 结构洞对知识流动和创新绩效间关系的调节作用

(3)联系强度的二阶调节作用。根据联系强度的均值，将样本分为联系强度高于均值的分样本和低于均值的分样本，分别进行分层回归，分样本的回归结果如表1中的模型4到模型9。模型6显示，在联系强度较低样本企业中，中心度与知识流动的相乘项正向显著(β=0.135，p<0.1)，而在模型9中，在联系强度较高的样本企业中，中心度与知识流动的相乘项正向显著(β=0.827，p<0.01)，这表明，随着联系强度的增强，中心度对知识流动和企业创新绩效的正向调节作用增强，假设4得到验证。在模型6中，企业间联系强度较低的情况下，结构洞的平方项与知识流动的乘积负向显著(β=-0.783，p<0.01)，这表明在联系强度降低的情况下，结构洞对知识流动和企业创新绩效的调节效应呈倒U型。在模型9中，随着企业联系强度的增加，结构洞与知识流动的乘积正向显著(β=0.983，p<0.01)，结构洞的平方与知识流动的乘积负向不显著(β=-0.232，p>0.1)，这表明，在联系强度较高的企业中，结构洞正向调节知识流动与企业间创新绩效的关系，假设5得到验证。为了更直观地观察企业间联系强度对网络嵌入性(中心度、结构洞)这一调节作用的进一步调节作用，本文绘制了图4和图5。

图4左侧为联系强度较低时，中心度对知识流动和创新绩效的影响关系，图4右侧为联系强度较高时，中心度对知识流动和创新绩效的影响关系。由图4可得，高中心度相比低中心度更有利于创新绩效，且随着联系强度的增加，中心度正向促进主效应的效果加强，高中心度相比低中心度的作用效果更明显。图5左侧为联系强度较低时，结构洞调节知识流动和创新绩效间关系的影响，右侧为联系强度较高时，结构洞调节知识流动和创新绩效间关系的影响。由图5可知，在联系强度较低时，结构洞较为陡峭的倒U型调节知识流动和创新绩效的关系。但随着联系强度的增强，结构洞呈S型曲线正向调节知识流动和创新绩效的关系，即联系强度越高，知识流动对创新绩效的促进作用越明显，降低结构洞带来的不利影响。

图4 联系强度对中心度调节知识流动和创新绩效间关系的影响

图5 联系强度对结构洞调节知识流动和创新绩效间关系的影响

5 结论与启示

本文研究结论为：知识流动有利于企业创新绩效。中心度正向调节知识流动和创新绩效间的关系，结构洞倒U型调节知识流动和创新绩效间的关系。企业间联系强度正向促进中心度和结构洞对知识流动和企业创新绩效的调节作用。

本文研究的理论启示如下：首先，从网络嵌入性视角研究了知识流动和创新绩效间的关系。本文通过构建“知识流动—网络嵌入性—创新绩效”的机理框架，从网络结构视角揭示了企业间知识流动对创新绩效间的影响机制，完善了网络嵌入性对知识行为与创新管理间的理论研究，进一步丰富了创新管理研究视角。其次，区分传统研究范式，将网络嵌入性分为结构嵌入性和关系嵌入性两个维度探讨，运用递进叠加法实证检验相关结论，最终结论拓展了创新管理领域的相关研究成果。

本文研究的管理启示如下：首先，知识流动的活跃性有益于企业创新绩效的发展。政府和网络治理者应当加强网络内企业间知识交流的活跃性，增强异质企业间知识合作的范围和频率。其次，企业嵌入在网络中，基于主体行为的知识流动受到网络嵌入性的影响：过高的结构嵌入性会带来不利的影响，而关系嵌入性始终有利于组织创新绩效的发展。这一差异由企业联系的开放性、接触资源的多样性和企业间信任机制的变动所造成。因此，处于网络领导者地位的企业应当发挥领导带头作用，带领普通企业学习和跟随，形成知识交流集聚，同时还应注意减少结构洞企业带来的机会主义行为，加强合作企业间的信任程度，从而促进整体网络知识的扩散和知识创新水平的提高。最后，具有网络位置优势的企业可以获得更多的信息资源，相比显性知识，企业可以获得更多隐性知识、减少知识冗余和筛选成本。因此，政府应该加强创新网络内企业间知识交流的深度，促进企业间深层次隐性知识的输出和接收。

本文研究仍存在以下不足：第一，以上海市高端装备制造业数据作为实证数据具有一定行业地域局限性，今后可以继续拓展不同行业不同地域创新网络内知识流动与创新绩效间的关系研究。第二，关于创新绩效的计量本文采取专利数据，未来可以考虑研究论文、创新产品等更多的绩效计量方式。