网络交互度影响企业创新的机制研究——一个有调节的中介效应模型

刘 阳，程 静

（1.昆明学院，云南 昆明650021；2.云南农业大学，云南 昆明650032）

创新已经成为引领发展的第一动力，是建设我国现代经济社会重要的战略支撑。从2012年国家提出创新驱动发展战略，2015年提出以“创新”为首的五大发展理念到党的十九大明确提出创新是引领发展的第一动力，再到2018年的《政府工作报告》指出要“加快建设创新型国家”等一系列政策的推出，可见创新对我国区域发展甚至国民经济发展具有重要意义。然而，随着社会经济的复杂性提升，创新的复杂性和影响力在不断演变（Guan等，2016；其格其等，2016）。创新主体从封闭系统到通过网络结点间互动，促进知识的流动和传播，进而激发出更多的创新产出。因此，学者们逐渐把创新放在创新网络的层次上进行研究，形成一种新的研究角度。

Granovettor(1985)认为经济行为根植于社会网络与制度，而社会网络（企业、政府、高校、金融机构等）作为资源集合体和社会关系的组合，其主体拥有异质性资源，网络主体之间的联系可以充当信息、资源流通的渠道，其交互行为会影响网络资源流动(Balkundi，2006)，提升网络间主体交互强度是提升区域创新能力的主要途径（陆立军、陆舞鹄，2009）。因此，文章基于社会网络理论和交互创新理论，对网络结点企业的交互作用最终作用于企业创新绩效的机制进行剖析，从而得到有益于提升企业创新绩效的可行建议。

自20世纪90年代以来，社会网络理论广泛应用于经济学、社会学、管理学甚至计算机科学等多个领域，并迅速成为这些领域的研宄热点。社会网络理论主要包括两大分析要素（杜欣，2017）：分别是关系要素和结构要素。关系要素主要是分析网络中节点之间的联结关系；结构要素主要用于分析网络中多主体之间的结构特征。基于网络特征中联结关系的研究集中于规模、强度和广度。之前学者分别进行实证分析，得到网络规模与创新绩效正相关的结论，即网络规模越大、关系数量越多，越有利于提高创新绩效（Batjargal，2003；魏江等，2014）[1]。Shan等(1994)基于对生物制药企业合作关系的研究显示，网络规模显著正相关于创新绩效。任胜钢、胡春燕(2011)构建了区域创新网络的特征的测度体系，研究结果表明网络规模对区域与创新能力有显著正相关影响。李向阳(2014)发现网络规模与网络链接等网络结构特征对于创新的影响。联系强度是各网络单元互相联系的强弱程度。联系强度对于创新绩效的正向效应，得到多数研究者的认同（Uzzi，1996，1997；Rosenkopf&Almeida，2003；Tiwana，2008；Eisingerich，Bell&Tracey，2010；曾德明等，2015）。联系广度聚焦于外部合作渠道，是开放性概念。联系广度越宽，网络异质性越强，越有利于提升创新绩效。Burt(2000)和Staber(2001)认为面对复杂环境，联系广度越大，获得异质信息和资源的可能性越大，从而促进创新。此外Lavie(2007)、Tsai(2009)也支持这个结论。

在此基础上，交互创新论认为网络特征是通过网络主体交互过程中形成，而创新就是一个交互过程，企业与外部组织间的思想、技术和信息交互是提升创新绩效的关键因素（Rothwell R，1992；Landry R，1998）。我国学者胡慧玲和杜栋(2015)通过研究发现产学研之间的互动越频繁，越能有效转移知识和技术[2]。可见交互的增加会提高网络的整体效率，最终提高集群创新的绩效[3]。

从多数学者一致的有关创新网络特征的研究结论看，网络交互可以有效促进创新绩效的提升。但网络交互是否适用于微观企业创新领域，刻画微观层次创新绩效的影响也有待进一步研究。与此同时，交互维度的确定和作用机理的研究还需进一步深入。因此，文章构建网络交互度的各个维度，并解析了网络交互度如何通过有效反馈创新主体在交互过程中产生的知识、信息和资源流动情况促进创新绩效的作用机理。在利用社会网络理论研究企业创新绩效时，一方面分析了表征关系要素的交互规模、交互频率和交互持久度，另一方面分析了知识获取在交互影响中的中介作用和网络中主体企业自身创新内驱力对交互影响的调节作用。

一、理论分析与研究假设

1.网络交互度的维度解析

较高交互度一方面表现为企业具有较大的网络合作成员数目和多样性，具有充足的信息容量和信息资源；另一方面表现为企业与其他网络结点的交互关系频繁程度，频繁的关系交互为企业在产品和服务方面的创新提供了多样化的技术思路、技术蓝本、市场需求信息和外部环境支持。高度的关系交互表现为创新主体间频繁的交流、沟通，能够促进企业在合作创新中有效的反馈信息。Kraatz(1998)研究认为维持大容量且具有较高异质性的网络关系有助于促进研发创新绩效提升[4]。同时，有效的关系交互还可以从交互过程中体现出其他的非核心信息，对提升创新绩效有积极作用（谢言等，2010）[5]。再一方面，交互持久性作为时间维度表现为网络结点间合作的稳定性，既能提升网络各结点的合作度，提高资源（人才、技术）的交流稳定性，又能增加信任度从而获得有益的支持（比如政策优惠、金融服务或技术合作等）。正如Heide(1990)采用合作组织间的合作次数和合作实践、合作预期等指标衡量创新主体间关系的时间维度，并指出其对创新绩效提升的正向作用[6]。因此，文章提出网络结点所在网络交互规模、网络交互频度、持久度对企业的创新绩效应存在促进作用。网络交互度的各维度对企业创新绩效的直接作用机理有如下解释：

网络规模影响机理：网络交互规模越大，企业所在区域的能量越大，越能打破壁垒激发竞争，从而促进创新绩效提升。从产业升级看，网络规模越大，越容易从更大范围找到合适的子产业链的资源，而与此同时，当产业链面临升级，从某产业转移到其他产业时，交互规模越大越容易找到最优链条。从创新链看，技术创新的动力是多样化速变的主流需求，网络交互规模越大，越可以接近潜在市场。潜在的地理位置、创新、资本来源及潜在投资者等信息需要建立大型的社会网络(Aldrich，2001)[7]。因此文章提出如下假设：

H1a：网络交互规模与创新绩效呈正向影响关系。

交互频度影响机理：网络交互的频度研究多集中于计算机和多媒体等领域，节点间的通信需要网络中其他节点的参与才能完成。文章借用计算机网络节点间交互频繁度的测算方法可知，交互频繁度表示某节点在一定时间周期内作为入度节点的交互频繁程度，那么在一定时期内，两节点间的交互次数越多，交互就越频繁，节点间的信任度越高，合作度随之加强。从产业链节看，网络的结点企业通过频繁交互，相互启发和行动指引，从而激发创新。产学研协同可提高科技创新成果转化速度（陈岩、翟瑞瑞等，2014）[8]。从创新链看，市场需求和创新信号会更快的传递到网络的各个结点，在基础研究以及基础研究的应用转化上可以选对方向，从而有利于创新绩效的提升。然而，交互频度增加也会对创新绩效带来负面影响，表现为过于频繁的交互带来的锁定效应会增加网络结点之间的机会主义行为从而减少价值创造的可能[9]。同时，对网络结点提供资源进行创新的过度依赖，开始会促进创新绩效，但后面会阻碍创新[10]。还会使小部分网络结点企业产生排斥，减少网络中的非冗余信息和资源，从而使创新变得难以实现[11]。因此文章提出以下假设：

H1b：网络交互频度与创新绩效呈倒U型关系。

交互持久度影响机理：网络中各结点的交互持久度影响企业间隐形和非编码性信息的沟通效率。短期的交互关系可以建立合作，而长期稳定的交互关系有利于结点企业间的相互认同，从而增加了转移知识和信息，进而促进不同企业的互补资源的交换和组合[12]，创新绩效得到提升。以维系长期有效关系为动机的网络成员，会促使各方采取措施强化合作关系联接并投入专项资本，从而有效促进高度的组织信任和知共享机制[13]。因此文章提出如下研究假设：

H1c：网络交互持久度与创新绩效成正向影响关系。

2.知识获取的中介作用

社会网络交互度对创新绩效的影响是通过知识获取、整合、创造来实现的，所以知识获取能力在两者之间发挥中介作用(Tolstoy，2010)[14]。其一，从产业链节看，企业开发新工艺、生产新产品不仅需要内部资源能力，同时需获得外部知识信息等资源的输入。交互度越高可供输入的知识信息越多，越有利于提高知识的转化能力，知识的转化是促进创新的重要途经，但是否能够转化创新取决于知识获取能力。其二，通过社会网络获得的知识信息，如产品供求信息，需要通过完善信息的传递才可有将创新实用化和成果化（吴绍玉，2016）[15]，从而提高创新绩效。而知识和信息的交流与共享效果取决于知识信息的获取能力。其三，网络交互的规模越大，可以拓展更多的异质性知识信息的渠道，在知识获取能力的加持下，创新绩效会获得提升。网络交互越频繁且关系长久，越容易获得信任度高的有效信息知识，从而提升创新绩效。因此，文章提出如下假设：

H2a：知识获取中介了网络交互规模与企业创新绩效的关系。

H2b：知识获取中介了网络交互频度与企业创新绩效的关系。

H2c：知识获取中介了网络交互持久度与企业创新绩效的关系。

3.创新内驱力的调节作用

创新内驱力源于企业自身，具体表现为内部资源驱动力和企业愿景驱动力[16]，表现为反映出组织有效配置资源、权变调节探索的行为能力，是创新能力的一部分。而能力差异有85%以上来源于自身的认知和技能[17]，根据社会认知理论和自我决定理论可知，人可以发展对自身能力的信念，并懂得自我激励[18]。据此，文章认为作为有人构成的企业通过自我激励创新使企业对外部资源的依赖性变小，而更倾向于自主创新。比如，创新内驱力强的企业，企业家包括创业者和企业内部具有创新精神的员工，通过组建社会网络，联系其他利益群体，可以将新机会直接转化为商业化创新活动[19]，从而直接促进创新绩效的提升。但对于创新内驱力较弱的企业，根据知识管理理论，企业获取的知识对其创新影响的关键取决于是否具备对知识进行吸收整理及应用的能力（吴松强等，2017）[20]。企业可以通过社会网络各结点获得外部知识和资源后，整合及应用所获取的知识或资源对创新绩效产生起到至关重要的作用。因此，低能力企业比高能力企业更需要把获取的外部知识转化为创新产出，促进创新绩效的提升。基于此，提出如下假设：

H3：创新内驱力调节了知识获取在网络交互度与企业创新绩效关系中的中介作用。

H3a：创新内驱力调节了知识获取在交互规模与企业创新绩效关系中的中介作用。

H3b：创新内驱力调节了知识获取在交互频度与企业创新绩效关系中的中介作用。

H3c：创新内驱力调节了知识获取在交互持久度与企业创新绩效关系中的中介作用。

从上述分析可以看出，企业能够从与网络成员的交互中获利，交互网络规模扩大、交互持久度的提高和频度的增加为企业提供接触新颖性和异质性资源的机会，从而增加创新的可能。知识获取能力帮助企业更有效地协调跨组织边界的资源交换和集成。而企业自身创新内驱力决定企业是否依赖知识获取来提升创新绩效，理论模型如图1所示。

图1 理论模型

二、研究设计与方法

1.研究样本与数据收集

该量表设计是基于相关文献中使用的成熟量表，并在此基础上结合中国企业的情境作了适当修改。文章采用了Likert7级量表进行测量，其中企业的网络交互规模设计了5个题项，网络交互频度设计了5个题项，网络持久度设计了4个题项，知识获取设计3个题项，创新内驱力设计了10个题项，创新绩效设计了3个题项。考虑到企业所有制类型、调查对象的职务、年龄和性别可能对企业创新绩效存在影响，但经研究，均不显著，故没有设置控制变量。结合与企业管理者的深度访谈、征求相关领域专家意见，对相关测量问项进行了修正和调整。在此基础上通过对所在地区的企业管理者共计44人做了小样本测试，并通过KMO值、巴特利球形检验，最终确定量表。共发放问卷578份，获得475份有效问卷，有效问卷回收率为82.18%。样本企业年龄、被调查人员的岗位分布、企业规模分布等都较分散，样本代表性较好。样本特征如表1所示。

表1 样本特征表

2.信效度检验

在进行假设检验之前，文章采用Cronbachα系数来检验变量的信度，采用KMO和Bartlett's球形检验来做变量的效度检验。如表2所示，所有变量Cronbachα系数均大于0.6，AVE均大于0.5，且组合信 度CR均 大 于0.8，说明此问卷具有很好的信度，且聚敛效度理想。

表2 变量信度及效度分析结果

从表3可知，变量之间均具有显著的相关性（P＜0.01），另外相关系系数绝对值小于0.5，且均小于所对应的AVE的平方根，说明各个前变量之间具有一定的相关性，且又具有区分度，量表数据的区分效度理想。

三、实证检验

采用SPSS26.0对样本进行分析，如表3所示，变量间均存在显著的正相关性。为避免多重贡献性问题，对中介变量和调节变量进行中心化处理，构建交互项后，对主效应、中介效应和调节效应进行分别检验。使用PROCESS（Model=14）对有调节的中介效应进行检验。

表3 区分效度结果

1.主效应及中介效应检验

从回归分析表4的表示结果看，网络规模、交互持久度和频度平方项对企业创新绩效均存在显著正向影响（β分别为0.256、0.250和0.330，P值均小于0.01），所以H1a、H1b以及H1c均支持原假设。结果表明网络规模越大越有利于创新绩效的提升，反之，企业交互的网络规模越小，创新绩效也越低。与此同时，交互持久度对企业创新绩效的正相关性表明，交互时间越长，企业的创新绩效越高，而短暂的交互不会提升创新绩效，这是由于时间相对较短的交流不能带来信任和充分的信息沟通，从而不能对创新起到正向影响。而交互频度的平方与企业创新绩效的正相关关系印证了，网络结点企业之间的交互频繁程度应该控制在一定范围内，过高的交互频度意味着降低与其他结点的交互机会与程度，会同质化结点企业的信息、知识、技术等，不利于企业创新绩效的提升。因此企业应将自己置于更大的社会网络中，与网络各结点产生连接获取更多的信息和知识，并要保持与网络结点的深入交互，但应在注意交互的频率，不应过分频繁交互。

表4 回归分析结果

M2、M3和M6模型是为了检验知识获取能力的中介效应而构建的，从统计结果看，知识获取对企业创新绩效存在显著正向影响（β分别为0.864、0.694，且P值均小于0.01）。M6表示三个自变量对知识获取这个中介变量的影响，从结果看均存在显著正向影响（β分别为0.212、0.241和0.361，且P值均小于0.01）。对M1和M3回归结果的比较可知，M3的AdjR2值为0.768，与M1的0.558对比，M3的AdjR2值增加了0.21（由0.558变为0.768），模型解释力得到了提高。在M3中，知识获取对企业创新绩效存在显著正向影响（β=0.694，p＜0.01）。此时，自变量对企业创新绩效的回归系数β值分别从0.256、0.250、0.308下降到0.109、0.082、0.057，但频度的平方项对企业创新绩效的影响变得不显著（p＞0.1），网络交互规模和交互持久度对其影响显著（p值都小于0.01）。由此可知，知识获取在交互频度与企业创新绩效间起完全中介作用，在网络互动规模、互动持久度与企业创新绩效间起部分中介作用，因此，H2a、H2b和H2c得到验证。结果表明企业的交互度可以通过中介变量，也就是知识获取对创新绩效产生影响的，再次证明交互作用是通过获取知识、信息等后，在企业内部整合、实践、创造，最终作用于新产品、新服务或新模式中，从而提升企业的创新绩效。企业交互的网络规模越大，持久度越高知识获取越多，那么越有利于促进创新绩效提升。

2.被调节的中介效应检验

为检验创新内驱力的调节效应，在M2中知识获取、内驱力以及两者的交互项，形成M4和M5。如表4所示可知，M2的AdjR2值0.746，M4的AdjR2为0.820，M5的AdjR2为0.823，这表明模型解释力得到增强。M5中知识获取与内驱力交互项具有显著的回归效应（β=-0.335，p＜0.01），表明内驱力的调节作用存在。

采用SPSS宏中Model14（假设中介模型的后半段受到调节，与文章的理论模型一致），对有调节的中介模型进行检验，结果（见表5、6）表明，将调节变量创新内驱力放入模型后，知识获取与内驱力的交互项对企业创新绩效的预测作用均显著（在规模通过知识获取促进企业创新绩效的关系中，β=-0.048，p＜0.01；在持久度通过知识获取促进企业创新绩效的关系中，β=-0.0342，p＜0.01；在频度的倒U型关系中，β值为-0.0372，p＜0.01）。因此，H3a、H3b和H3c成立。进一步通过简单斜率分析表明（见图2），创新内驱力较低的企业（自身创新能力较低，M-1SD）的企业，知识获取对创新绩效具有更加显著的正向作用，说明企业更需要外部资源以促进创新。而对创新内驱力高的企业（自身创新能力较高，M+1SD），知识获取也会对创新绩效产生正向作用，但会被稍稍削弱，表明随着企业自身创新能力的增强，其对外部资源的依赖将降低（见表6）。

表5 有调节的中介

3.稳健性检验

文章通过使用不同方法对模型关系进行检验，如果得到相同的结论，则可以验证结论的可靠性。

首先对主效应及中介效应进行检验，运行结果如表7所示，网络交互度对企业创新绩效影响的直接效应及知识获取的中介效应在bootstrap 95%置信区间的上、下限均不包含0，表明网络交互度不仅能够直接正向促进企业创新绩效，而且能够通过知识获取的中介作用促进创新绩效。且中介效应（0.5401、0.5563和0.0528）分别占总效应的73%、75%和75%，中介效应非常显著，即H1a、H1b、H1c、H2a、H2b、H2c均再次得到有效验证。

表6 不同创新内驱力下知识获取的中介效应

图2 创新内驱力的调节效应

接下来验证调节效应，结果见表8，知识获取对企业创新绩效的影响在不同内驱力下有所不同。内驱力越弱，对知识获取的中介作用的调节更显著，与上文结论一致。

最后用层次回归对有调节的中介模型作进一步检验，构建M7、M8和M9。在M7中加入网络规模、知识获取和知识获取与内驱力的乘积项，M8、M9分 别 将 网 络规模替换成交互持久度和频度平方，结果见表9。内驱力调节了网络交互度通过知识获取对企业创新绩效的影响效应。

表7 中介效应分解表

表8 不同内驱力水平下知识获取对企业创新绩效的影响效应

表9 调节效应检验

四、结论及启示

1.结论

文章基于社会认知动机理论、交互创新理论和社会网络理论构建了社会网络交互度对企业创新绩效影响的概念模型，探讨了作为社会网络结点，企业如何通过与其他网络结点的交互，从而获得知识信息资源进而作用于企业创新绩效的作用机制，并得出以下结论和启示：

第一，网络交互度对企业创新绩效有正向促进影响。交互网络的规模对企业创新绩效有正向影响，交互规模越大，越有利于提升企业创新绩效。企业与网络结点交互的持久度对创新绩效也存在正向效应，即企业与网络其他结点保持着越长期的交互关系，越有利于企业创新绩效的提升。与此同时，交互频度与企业的创新绩效具有倒U型的关系，这意味着，网络结点间的交互频繁程度在一定范围内时是促进企业创新绩效提升的，但随着交互过于频繁反而会抑制企业创新绩效的提升。

第二，知识获取中介了网络交互度与企业创新绩效之间的关系。研究得出，网络交互度不仅直接作用于企业的创新绩效，而且还会通过从社会网络中获得知识及其他资源从而对企业创新绩效造成正向影响。其中，知识获取完全中介了交互频度与企业创新绩效的关系，而部分中介作用了网络互动规模、互动持久度与企业创新绩效的关系。

第三，企业创新内驱力调节了知识获取与企业创新绩效的关系。相较于内驱力高的企业，低内驱力的企业知识获取与企业创新绩效的关系更显著。这进一步证实了企业自身内驱力决定了其对外部资源的依赖程度。内驱力显著调节了知识获取在网络交互度与企业创新绩效之间的中介作用，即在网络交互度—知识获取—企业创新绩效作用机制中存在被调节的中介效应。这一结论同时间接验证了后发地区的企业、初创企业，由于自身创新力较弱，对政府政策支持、金融机构资金支持，以及知识、信息等的依赖程度较高，因此更需要获得一定程度的扶持和知识引导。而对于发达地区的企业或创新力强的企业，由于其知识获取的意愿较弱，政府、商业协会等组织更应组织、引导、促进企业之间的交流与合作，从而提升区域整体的企业创新绩效。

2.理论探索

文章探索了在社会网络视角下，网络结点交互度是如果影响企业创新绩效的，丰富了创新绩效影响的研究，清晰了网络交互度对企业创新绩效的微观作用机理。其次，拓展了知识获取与企业创新绩效关系的边界条件。文章借助社会认知动机理论，通过有调节的中介效应检验，发现企业对知识获取的积极利用对自身能力不足，尤其是初创企业具有积极意义，有助于企业创新绩效的提升。

3.现实启示

基于以上结论，提高企业创新绩效的途径可以从以下几个现实维度进行考量：首先，企业层面。企业应该扩大其社会网络资源，更大范围的扩大网络规模，与区域外或境外的可互动机构进行交互。在交互过程中，与可获得知识或其他信息资源的网络结点（包括合作伙伴、高校科研院所、金融服务机构甚至政府部门）保持长期的交互关系。但需注意交互的密切程度，过于频繁的交往会使企业的创新绩效受到抑制。更重要的启示在于，对于创新内驱力较弱的企业，比如初创型企业或小微企业，应注重自身能力素质的提高，鼓励引进和培养人才，营造创新环境，构建学习型组织，完善公司制度以鼓励创新，使自身能力的“催化剂”作用得到充分体现。第二，从政府层面。经济基础较为薄弱，创新能力不足的区域的政府，可以通过出台鼓励创新创业的政策，对符合地区产业发展方向的新兴产业、企业进行扶持，对高新技术企业提供奖补，引进创新能力强的企业进入本区域发展等方式，扩大区域的创新网络规模、增加企业之间的交流合作，从而提升整个区域的创新水平。第三，科研机构层面。高校、智库等科研机构应该通过更多的与企业交流，促进企业创新需求的具体化，从而指导研究成果的转化和应用，通过更多的与政府、金融机构合作，促进信息、知识的流速的增加，从而提升与网络结点企业的交互精准度和持久度，最终作用于企业创新绩效的提升。