创新网络结构对颠覆性创新的影响机制——双元性学习的中介作用

张金福，黄雪晴

(上海应用技术大学经济与管理学院，上海 201400）

Drucker等［1］曾说过“不创新即灭亡”，向我们表明了创新是一家企业立于不败之地的必要条件。同时，创新网络作为协同创新的网络基础，在各国经济发展历史上都产生了不可磨灭的作用。处于全球创新的今天，在国家层面，我国需要坚持以全球视野谋划和推动科技创新，全方位加强国际科技创新合作，积极主动融入全球科技创新网络；在企业层面，我国企业为了跟上产业发展、掌握未来发展方向，除了需要坚持进行组织学习，还需要坚持不断地进行创新。因此，可以看出创新网络结构特征以及组织学习对于创新的重要性。创新网络结构是在对创新网络进行研究时可以测量的创新网络所有特征值的集合。本文选择位置中心性、网络稳定性以及网络结构洞3个特征值，分别从网络密度、网络稳定程度以及网络开放程度3个方面反映创新网络结构。根据学习的方法不同，本文将组织学习分为利用式学习和探索式学习。顾名思义，前者是在自身现有研究或者前人研究基础上进行学习，后者是在未知领域进行探索式发现的同时不断学习。根据创新的强度不同，将创新分为渐变式创新和颠覆式创新。颠覆式创新作为一种颠覆主流市场、引导产业走向的高强度创新，很难对其在发生前进行预测或者在发生过程中进行干预，因此，我们只可以在日常研究过程中加大探寻颠覆性创新发生的可能性，以及为颠覆性创新提供更好的创新环境。综上所述，本文结合文献确定了研究选题，即创新网络结构对颠覆性创新的影响机制研究，并探索双元性学习在网络结构和颠覆性创新之间的部分中介作用，以期帮助企业通过对创新网络结构的可控调整，促进不可控的颠覆性创新的发生。

1 理论基础

1.1 创新网络结构

Freeman［2］最早提出创新网络的概念，并把创新网络定义为企业间的创新合作关系。创新网络作为一个新的研究领域，从2000年开始进入国内学术界，研究主题包括网络结构、创新绩效、网络形成和演化机理等，其中与本文主题相关的研究主要集中在创新网络结构对于普通创新绩效的影响，如李志刚等［3］通过实证分析指出，企业所嵌入网络的密度、联系强度、互惠性、稳定性、居间性和资源丰富程度等因素都对企业创新绩效存在着正向影响；范群林等［4］运用实证分析证明了企业的节点度及其网络中介中心度对企业创新绩效存在正向影响,而结构洞特征对企业创新绩效不存在显著的正向关系；赵颖斯［5］通过实证研究指出网络位置在网络能力和创新绩效中具有中介作用；武加媚［6］研究指出创新绩效水平受到网络规模、中心势和信息化水平的正向作用和影响,而网络密度对创新绩效水平影响呈现出倒“U”形状关系。

在社会网络理论中，位置中心性表征的是整个网络的集中或集权程度，即整个网络围绕一个点或一组点来组织运行的程度，被当作描述整个网络的结构变量之一［7］；网络稳定性反映的是某个网络内部节点之间关系的稳定性，稳定的合作关系利于企业之间建立长期合作关系，但是过于稳定的关系会限制企业外部知识来源，不利于企业的长期发展。网络结构洞是又一重要的个体网络结构特征，指的是2个节点之间非冗余的关系［8］。假设 A、B、C共3个节点组成一个封闭网络，若3个节点之间都有连接，此时网络是封闭的，因为任何一点都可与其他两点直接联系。现假定 A、C 之间没有联系，但它们都与B相连，此时，B所处的位置就是一个结构洞。综上所述，本文选取位置中心性、网络稳定性以及网络结构洞3个网络性质反映创新网络结构特征，通过网络密度、网络稳定程度以及网络开放程度3个方面综合反映一个协同创新网络的结构特征。

1.2 颠覆性创新

自从Schumpeter［9］提出了创新理论之后，创新一直都是各国学者的研究热点。为了更好地提出优化政策与策略，根据创新强度的不同，学者把技术创新分为渐进性创新和突破性创新。在突破性创新理论基础上，Christensen等［10］提出了颠覆性创新，将其定义为对现有主流市场上在位企业的竞争力起破坏作用的创新。国内关于颠覆性创新研究目前还处于研究初期，大致分为3类：第一种研究数量最多，大多集中于概念界定以及对国外研究现状和历史研究的描述，例如叶阳平等［11］以Web of Science 数据库中颠覆性创新领域的331 篇文献为数据池，分析了颠覆性创新研究的基本情况以及该领域的研究热点，并进行了可视化展示；第二种研究主要是直接将国外研究理论拿来应用在某一具体行业，提出发展对策，例如孙国为［12］的研究针对吉利汽车的颠覆性创新和跨越式发展，对于吉利汽车乃至我国汽车产业的发展都有着很大的现实指导意义；第三种研究主要是研究颠覆性技术的前期识别和颠覆性技术创新对原有技术进行替代及其对主流市场进行颠覆的技术扩散过程，例如刘建华［13］基于技术轨道理论和德温特创新专利引文索引数据库，以智能手机技术颠覆传统手机技术等为例，揭示了颠覆性技术的演化轨道，建立了颠覆性技术演化的分析框架，并提出了“专利影响因子”这一计量指标。综上所述，国内针对颠覆性创新这一研究领域还需进行更加深入的研究。

本文通过颠覆性创新能力以及颠覆性创新程度2个子变量来反映颠覆性创新。首先，颠覆性创新能力代表的是一个企业自身科研水平是否达到可以产生颠覆性创新水准，这是颠覆性创新发生的一个前提条件，但并不是说颠覆性创新能力越高就一定会产生颠覆性创新。颠覆性创新程度是对创新活动颠覆程度的测量、对于颠覆性创新的判定。通过文献检索不难发现，现在已经存在几种进行颠覆性创新程度的判定方法，本文借鉴了Ettlie等［14］和Green等［15］的研究，这种方法是基于“风险性越强，颠覆性就越强”的假设，风险被认为是企业为实现其产品生产或改善生产过程中最重要的变化而作出的重大投资。本文探究创新网络结构与颠覆性创新之间的关系，旨在找出通过改善创新网络结构促进颠覆性创新的方法，增加产生颠覆性创新的几率。

1.3 双元性学习

根据March［16］的研究，组织学习可以分为两种：探索式学习，即通过新的方法进行创新性的试验以构建全新的能力；利用式学习，即对现有能力、技术和规范进行改良和扩展以开发利用现有能力。如前文所述，双元性学习推动了网络内部的知识流动，从而促进了网络节点之间创新活动的开展。国内已有将双元性学习与创新网络联系起来进行的研究，例如，齐昕等［17］将制造企业创新网络分为垂直创新网络和水平创新网络,构建有调节的中介效应模型,探索了两类创新网络对双元性学习的差异化影响机制,揭示了有效提升企业双元性学习的相关创新网络特征；王利敏等［18］从产学研合作的网络视角出发,分析企业方和学研方同时分别追求开发性和探索性学习的可能性,并依据技术创新路径探究开发性学习和探索性学习在产学研系统中平衡的实现途径。因此，本文将双元性学习作为创新网络结构与颠覆性创新之间的中介变量，研究双元性学习的部分中介作用。

2 命题提出和模型构建

2.1 命题提出

根据以上文献梳理和理论推演，本文提出假设：创新网络结构会对创新的颠覆程度产生正向影响，双元性学习在创新网络结构与颠覆性创新之间起部分中介作用。

2.1.1 创新网络结构与颠覆性创新

创新网络作为社会网络理论在企业创新发展领域的成功应用，无疑对企业创新是具有显著正向影响的，但是如何设计网络结构使其产生最大效用或是不同性质对于颠覆性创新的具体影响，还需要进一步分析。本文通过位置中心性、网络稳定性和网络结构洞3个子变量反映创新网络结构。

位置中心性反映的是网络中节点对于其他节点的影响力，节点处于网络中心位置说明该节点企业了解并处于所在行业的主流市场。虽然颠覆性创新是以非主流市场作为创新导向，但是本文认为，在了解主流市场并具有占领主流市场的研发技术背景下，才可以更好地开发非主流市场、研发颠覆性技术，开展颠覆性创新。因此，本文认为节点位置中心性越高，越容易促进颠覆性创新的发生。稳定的创新网络是网络内企业节点之间建立长期、稳定合作关系的基础，是网络内成员关系随时间而发生的变化，表现为一种动态的稳定性，因此，稳定的创新网络保证了企业之间合作关系的稳定性，促进了网络内部合作关系的建立。颠覆性创新作为一种突破性的创新，大多产生于产业交叉领域，需要结合多家企业的知识背景、发生技术碰撞，才会产生针对新鲜的、非主流市场的颠覆性技术。因此，本文认为建立稳定的合作关系、进行有效的协同创新，一定会促进颠覆性创新的产生，网络稳定性对颠覆性创新具有显著促进作用。企业如果可以在所处创新网络中占据结构洞位置，说明它相对于网络中其他节点来说拥有信息优势和控制优势［19］，说明该节点控制着创新网络中的外缘信息与内部信息、核心信息与非核心信息之间的交互，从而对于网络内部信息流动甚至于局部产业发展方向都具有一定控制优势。因此，本文认为，如果某企业可以占据所处创新网络内部结构洞位置，可以帮助企业在不产生强烈冲突的情况下进行市场颠覆，从而减少颠覆过程中的不必要支出，同时降低颠覆风险，对其颠覆性创新有显著的正向影响。

基于以上分析，本文提出以下假设：

H1：位置中心性对企业颠覆性创新有显著的正向影响。

H2：网络稳定性对企业颠覆性创新有显著的正向影响。

H3：占据网络结构洞位置对颠覆性创新有显著的正向影响。

2.1.2 创新网络结构与双元性学习

渐进性创新是市场驱动的创新，颠覆性创新是技术驱动的创新，与渐进性创新相比，颠覆性创新会更加受到知识以及技术的影响。创新网络结构与双元性学习之间的关系，本文按照双元性学习的性质分成利用式学习与探索式学习两种，分别分析位置中心性、网络稳定性以及网络结构洞3种创新网络结构性质对于两种学习方式的影响。

（1）位置中心性。企业拥有较高的位置中心性意味着该企业具有良好的知识资源以及知识基础。无论是利用式学习以及探索式学习，都需要企业拥有一定的知识基础，然后才可以在此基础上进行研发。对于利用式学习来说，是在自身熟悉的知识领域进行深度学习从而获得新知识，若企业具有较高的位置中心性、处于网络中的核心位置，意味着自身技术实力过硬，掌握所处领域的核心技术，因此位置中心性越高就可以更好地进行利用式学习；对于探索式学习来说，越是处于中心位置，企业越容易识别和发现网络中的多样化和新颖的知识，并能够通过联结关系获取、整合和利用这些知识。基于以上分析，本文提出以下假设：

H4：位置中心性对利用式学习有显著的正向影响。

H5：位置中心性对探索式学习有显著的正向影响。

（2）网络稳定性。网络稳定性表示的是网络内部企业之间合作关系的稳定程度，企业之间的合作关系越稳定、企业之间信任程度越高，企业之间交流就更加顺畅，进行知识共享的屏障就更少。无论是利用式学习还是探索式学习，都需要在合作期间不断地进行知识共享，因此更加稳定的网络一定会促进双元性学习的开展。基于以上分析，本文提出以下假设：

H6：网络稳定性对利用式学习有显著的正向影响。

H7：网络稳定性对探索式学习有显著的正向影响。

（3）网络结构洞。企业占据着结构洞的位置，意味着该企业掌握着整个网络的信息交流，可以不断地接受网络内部以及外部的异质性知识。这对于探索式学习来说，异质性知识意味着探索方向，是进行探索式学习的基础，因此，企业处于结构洞位置从而接受大量的异质性知识可以帮助其从多个探索方向中进行正确选择，从而保障了探索式学习的顺利进行；对于利用式学习来说，异质性知识同样重要，企业接受了异质性知识，改善了知识结构、增加知识维度，可以提高自身科研能力、扩大研发范围，从而减少研发风险。基于以上分析，本文提出以下假设：

H8：占据网络结构洞位置对利用式学习有显著的正向影响。

H9：占据网络结构洞位置对探索式学习有显著的正向影响。

2.1.3 双元性学习与颠覆性创新

创新是企业立于不败之地的必要条件，组织学习则是创新的永恒动力，只有不断地接受外界知识才可以赶上世界的发展、赶上行业的变化，因此，双元性学习中无论是利用式学习还是探索式学习，都是对自身知识储备的提升，对创新一定会有显著的正向影响。渐变性创新是市场驱动式创新，颠覆性创新是技术驱动式创新，因此颠覆性创新更需要企业在不断完善自身技术的基础上对于市场非主流领域甚至是未知领域进行不断探索。因此，无论是利用式学习还是探索式学习都一定会显著正向影响颠覆性创新。基于以上分析，本文提出以下假设：

H10：利用式学习对颠覆性创新有显著的正向影响。

H11：探索式学习对颠覆性创新有显著的正向影响。

2.1.4 创新网络结构、双元性学习与颠覆性创新

位置中心性、网络稳定性以及网络结构洞等创新网络结构性质作为创新网络的基础性质，一定会对网络内部企业的发展产生影响［20］。成熟的创新网络会促进网络内部企业节点之间合作关系的建立，同时维护企业节点之间已经建立的合作关系，最终成为企业之间合作交流的平台，从而帮助企业更好地识别非主流市场以及行业核心技术，从而正确进行自身优劣势分析，与其他企业建立协同创新合作关系，促进颠覆性创新的发生，因此，良好的创新网络结构性质一定会促进颠覆性创新的发生。同时，成熟创新网络会促进网络内部网络节点之间的知识流动，通过企业之间进行双元性学习帮助企业提升自身知识储备，学习外部异质性知识。颠覆性创新作为一种技术驱动的创新，知识技术就是创新的基础，因此，本文认为双元性学习会在创新网络结构与颠覆性创新之间起部分中介作用。根据以上分析，本文提出以下假设：

H12：利用式学习在创新网络结构与颠覆性创新之间起部分中介作用。

H13：探索式学习在创新网络结构与颠覆性创新之间起部分中介作用。

2.2 模型构建

根据以上命题假设，本文构建研究模型具体如图1所示。

图1 本文的研究模型

3 研究设计

3.1 研究样本

本文研究对象选取在上海“张江药谷”产业集群内的企业和研究机构等单位。“张江药谷”的生物医药产业已形成了从新药探索、药物筛选、药理评估、临床研究、中试放大、注册认证到量产上市的完整创新链，聚集了国内外生命科学领域的企业、科研院所及配套服务机构400多家，成为国内外生物医药领域专业合同研究组织（CRO）集聚度最高、承接研发外包业务最活跃和国内创新药物研发数量最多的区域。参与本论文调研的一共有106家企业、25家研究所、1家医院以及两所高校，共计134个调研对象（以下简称“样本”或“样本企业院所”）。其中，企业数据来源于上海市药品监督管理局官网显示的上海市药品生产企业数据库，同时结合杨知歌［21］研究的统计结果整合高校和研究院所等数据。因为“张江药谷”的整体创新网络结构过于复杂，不便于进行可视化分析，因此本文通过UCINET软件的NetDraw工具，将高校和研究院所等与企业的专利创新网络进行了初步可视化分析。如图2所示，圆形所代表的是第一专利发明人，方形代表第二专利发明人，可见在“张江药谷”内部已经初步形成了以复旦大学、中国食品药品检定研究院、中国科学院上海药物研究所等重要研发机构为核心的创新网络，网络内部许多节点之间建立了多次合作关系，说明网络稳定性较好，利于进行深层合作。

图2 “张江药谷”内样本企业院所的专利创新网络

3.2 变量测量

本文数据来源于对134家样本企业院所进行的专利检索以及实地问卷调查。首先，通过合作专利数据以及问卷调查补充数据建立起“张江药谷”创新网络。专利申请涉及到专利权的归属问题，很少有两个企业共同申请同一个专利，大多是企业与研究所或者大学进行合作申请，因此本文用合作申请专利来建立“张江药谷”内部研究所或者大学与企业的创新网络，然后用调查问卷数据补充企业之间的创新网络。根据从国家专利局专利检索平台的检索结果，在2010—2019年，在去除了子母公司之间的合作以及重复申请之外，“张江药谷”内部合作专利为225件，因为这些专利大多体现了企业与高校和研究所之间的关系，所以企业之间合作关系数据还需要利用问卷调查进行补充。建立起创新网络后，通过问卷调查进行社会网络性质——网络中心度、网络稳定性、网络结构洞以及双元性学习和颠覆性创新的具体测量。本文采用7级李克特量表方法，运用“非常同意”“同意”“不一定”“不同意”“非常不同意”5种答案，设计了社会网络性质、双元性学习、颠覆性创新能力以及颠覆性创新程度的测量量表。

（1）自变量。本文的自变量是创新网络结构的社会网络性质，通过网络中心度、网络稳定性、网络结构洞3个量度反映。网络中心度以及网络稳定性的测量题项参考王建刚等［22］、洪茹燕［23］的研究，通过稳定、信任、长期合作3方面反映该节点所处网络的稳定性；通过行业知名度和其他企业与之合作的意愿，以及可能会在网络中起到合作的中介作用反映该节点的位置中心性。关于网络结构洞的测量，借鉴的是Gonzalez等［24］和顾丽敏等［25］的研究，通过“其他企业在遭遇研发困难时是否会向该企业求助”“其他企业是否会向该企业学习研发经验”以及“该企业是否会在其他企业遭遇困境时主动伸出援手”3个题项进行测度，反映企业掌握行业核心知识的程度。

（2）中介变量。本文的中介变量是双元性学习，即利用式学习和探索式学习，分别建立了3个不同的指标对其进行测量，测量题项借鉴于March［26］、朱朝晖［27］和何郁冰等［28］的研究，根据企业从网络内部其他企业获取知识是否为现有知识、所学习知识是否为企业所熟悉领域或者是否已被利用在主营产业进行研发来判断学习的性质。

（3）因变量。本文的因变量是颠覆性创新。关于颠覆性创新能力的测量，本文借鉴的是Govindarajan等［29］关于突破性创新的研究，通过开发全新产品、开发全新技术、新技术量产、采用全新设备工具4个指标来对突破性创新进行测量，同时因为他们对颠覆性创新和突破性创新进行了区分，认为颠覆性创新虽然也会在功能、价值方面有所突破，但是并不适合在现有的主流市场实施，而是为了企业进行新市场的开扩、在新市场寻找价值，究其根本，还是颠覆程度的差别，因此根据这一特点，本文在对颠覆性创新能力进行测量后，对颠覆性创新的程度进行进一步测量。本文这种测量方法基于的假设是：企业所承担的风险越大，就会产生颠覆性越强的创新活动。一旦我们接受了这一假设, 那么可以通过测量企业为开发新产品或新的生产流程冒风险的程度来测度创新。在本文中，风险被认为是企业为实现其产品生产或改善生产过程中最重要的变化而作出的重大投资。

综上所述，本研究的调查问卷具体问题如表1所示。

表1 本研究的调查问卷题项

4 实证分析及结果

4.1 量表信效度检验

为了确保量表的信度与效度，本文首先采用克朗巴赫系数（Cronbach'sα）进行信度检验。如表2所示，网络中心度、网络稳定性、网络结构洞、利用式学习、探索式学习、颠覆式创新能力以及颠覆式创新程度的克朗巴赫系数均大于0.7，说明本文各测度指标所用测量题项之间具有良好的内部一致性，调查问卷具有良好的信度，各变量的可靠性较强。效度检验主要通过内容效度检验和结构效度检验进行。本文各变量所用测试题项均在进行文献检索的基础上根据实际情况进行设计和调整，因此内容效度可以保障；结构效度需要通过因子分析来验证，因此本文首先通过量表的KMO值来判断本文量表是否适宜用来做因子分析，如表2所示，3个不同变量的KMO值均大于0.6，P（sig=0.000）＜0.001，表明量表适合做因子分析；然后通过探索式因子分析对问卷结构效度进行检验，如表2所示，因子载荷均大于0.6，说明该问卷同时具有良好的结构效度。

4.2 描述性分析

在对调查问卷进行初步信度效度检验之后，就需要对调查问卷具体数据进行描述性分析。结果如表3所示，位置中心性、网络稳定性、网络结构洞的均值都大于3，说明“张江药谷”整体创新网络的社会网络性质较好，网络较为集中，具有良好的网络稳定性，存在网络结构洞现象，有些节点处于网络结构洞位置，良好地把控着网络内部的知识流动；利用式学习、探索式学习的均值也都大于3，说明该创新网络内部知识流通良好，适合开展双元性学习；颠覆性创新能力、颠覆性创新程度的均值都大于4，说明该创新网络已经具备进行颠覆性创新的条件。通过初步相关关系分析可知，除了个别自变量之间相关程度不高，或者例如利用式学习与探索式学习这种双元性变量之间相关关系过高，其他变量的相关性基本达到进行0.4左右，符合进行下一步具体分析要求。

表3 样本变量的均值、方差以及相关性检验结果

4.3 假设检验

为了验证创新网络结构、双元性学习与颠覆性创新之间的关系，本文分两步进行数据分析：首先，通过多元回归分析法，分别对创新网络结构与双元性学习、创新网络结构与颠覆性创新、双元性学习与颠覆性创新3对变量之间的关系进行分析；然后，对双元性学习的中介效应进行检验。

4.3.1 回归分析

（1）为了验证创新社会网络对颠覆性创新的影响，本文将创新社会网络的3个子变量作为自变量、颠覆性创新作为因变量进行多元回归分析。如表4所示，模型a1表明假设H1通过验证；模型a2表明假设H2通过验证，但是显著性并不理想；模型a3表明假设H3通过验证。

表4 样本创新网络结构与颠覆性创新的回归检验结果

（2）为了验证创新网络结构与双元性学习之间的关系，本文将创新网络结构的3个子变量作为自变量、双元性学习作为因变量进行多元回归分析。如表5所示，模型b1表明假设H4通过验证；模型b2表明假设H6通过验证；模型b3表明假设H8通过验证；模c1表明假设H5通过验证；模型c2表明假设H7通过验证；模型c3表明假设H9通过验证。

表5 样本创新网络性质与双元性学习的回归检验结果

（3）为了验证双元性学习与颠覆性创新之间的关系，本文将双元性学习当作自变量、颠覆性创新作为自变量进行多元回归分析。如表6所示，模型d1表明假设H10通过验证；模型d2表明假设H11通过验证。

表6 样本创新网络中双元性学习与颠覆性创新的回归检验结果

4.3.2 中介效应检验

本文根据中介效应检验法，将企业成立时间、企业规模和企业性质设置为控制变量，检验双元性学习在创新网络结构与颠覆性创新之间的中介作用。首先，验证利用式学习在创新网络结构与颠覆性创新之间的中介作用（如表7），具体分为3个步骤：第一步，验证以创新网络结构的3个子变量为自变量对颠覆性创新的影响（如模型1）；第二步，验证以创新网络结构的3个子变量为自变量对利用式学习的影响（如模型2）；第三步，验证以创新网络结构的3个子变量和利用式学习为自变量对颠覆性创新的影响（如模型3）。根据以上3个模型可见，位置中心性的回归因子在引入利用式学习后仍具有显著性，同理网络稳定性的回归系数增大并且显著性明显提高，网络结构洞的回归系数也增大，同时，调整后的R2在引入利用式学习后均提升，说明模型的解释力大幅提升，更加可以反证基础数据。因此可知，利用式学习在创新网络结构与颠覆性创新之间起中介作用。综上所述，假设H12通过检验。

表7 样本创新网络中利用式学习中介效应的回归检验结果

其次，验证探索式学习在创新网络结构与颠覆性创新之间的中介作用（如表8），具体分为3个步骤：第一步，验证以创新网络结构的3个子变量为自变量对颠覆性创新的影响（如模型4）；第二步，验证以创新网络结构的3个子变量为自变量对探索式学习的影响（如模型5）；第三步，验证以创新网络结构的3个子变量和探索式学习为自变量对颠覆性创新的影响（如模型6）。根据以上3个模型可见，位置中心性的回归因子在引入探索式学习后仍具有显著性，回归系数增加，同理网络稳定性的回归系数增大，并且显著性明显提高，网络结构洞没有通过回归检验；同时，调整后的R2在引入探索式学习后均提升，说明模型的解释力大幅提升，更加可以反证基础数据。因此可知，探索式学习在位置中心性、网络稳定性与颠覆性创新之间起中介作用，在网络结构洞与颠覆性创新之间没有中介效应。综上所述，假设H12没有通过检验。

表8 样本创新网络中探索式学习中介作用的回归检验结果

5 研究结论

本文基于创新网络理论分析了创新网络结构、双元性学习以及颠覆性创新三者之间的关系构建理论模型，通过对“张江药谷”134家企业、研究院等机构进行专利分析以及实地调查发放调查问卷，运用回归分析方法进行实证研究，获得结论如下：首先，创新网络结构的3个子变量——位置中心性、网络稳定性和网络结构洞均对颠覆性创新具有显著正向影响，利用式学习以及探索式学习也都对颠覆性创新有显著正向影响；其次，利用式学习在创新网络结构的3种自变量以及颠覆性创新之间均起中介作用，探索式学习在位置中心性、网络稳定性与颠覆性创新之间起中介作用，但在网络结构洞与颠覆性创新之间没有中介效应。针对于探索式学习在网络结构洞与颠覆性创新之间没有起部分中介效用，本文认为原因是企业作为网络中的结构洞，本就处于网络中信息交流的“关口”，掌握网络内部绝大部分核心信息，帮助核心企业与非核心企业建立合作关系、进行交流研发，而探索式学习需要企业在知识领域外进行探索式知识搜寻，找寻研发灵感，因此，在企业掌握了网络内部绝大部分核心信息后，很难继续通过在网络内部进行探索式学习来提高颠覆性创新能力以及颠覆程度。

6 建议与展望

本文的研究结论对企业管理以及政策规划有一定启示。首先，企业要对自己所处网络以及本身具体的网络位置进行精确定位，“磨刀不误砍柴工”，认清自身创新网络发展情况才可以对症下药；其次，根据本文结论，位置中心性、网络稳定性、网络结构洞以及双元性学习都会对颠覆性创新具有显著正向影响，因此，企业可以结合实际提高自身创新网络性质、双元性学习能力，通过调查研究给出具有针对性的对策，例如不断提高自身综合实力和行业知名度来提高位置中心性；在合作期间增强合作关系稳定性，多与合作伙伴进行交流沟通，增强伙伴之间的信任；了解自身所处网络后找到核心企业，了解核心技术，并且不断提高自身技术的独特性。除了企业管理，本文的研究结论对于政府针对产业创新网络等进行战略布局以及政策规划也具有一定意义，为政府制定有关促进颠覆性创新政策时提供参考，找出影响颠覆性创新的影响因素，从根源上促进颠覆性创新的发展。

本研究仍存在一些不足，首先，样本选在“张江药谷”内的134家医药企业，对跨行业的创新网络没有进行研究；其次，只选取了3个主要的创新网络结构性质，可能还会存在其他对颠覆性创新产生影响的创新网络性质；最后，只单向静态地研究创新网络性质、双元性学习以及颠覆性创新三者之间的关系，可能还会有其他双向、动态等更加复杂的关系，需要进一步深入研究。