股东关系网络与企业创新

黄 灿 蒋青嬗

一、引 言

在2013年华谊兄弟跨界收购手游公司银汉科技的案例中，王中军在接受媒体采访时说，华谊兄弟的股东腾讯给了很多技术性、专业性帮助。此时，腾讯作为华谊兄弟和手游行业之间的“桥”，起到了信息传递的作用。事实上，这种通过股东所形成的社会网络，在A股上市公司非常普遍。

与此同时，企业作为国家创新体系的核心和主体，如何促进企业创新以驱动经济可持续发展，是中国当前亟待解决的现实问题。企业的创新活动会受到多方面因素的影响，然而，直到近年来，公司财务领域才开始研究社会网络对企业创新活动的影响，以致对大型网络影响企业创新活动的机理没有得到系统全面的研究。事实上，社会网络的研究在中国更具现实意义，而且中国也是检验“社会网络”的绝佳“试验田”。其原因在于，中国企业过去取得快速发展的一个重要原因是中国有较强的非正式制度，而社会网络关系这一非正式制度将继续对中国市场经济产生重大的影响。

令人遗憾的是，就社会网络如何影响企业创新这一问题，现有研究并没有达成一致意见。现有研究基于不同的网络，例如员工流动网络(刘善仕等，2017)、风险投资人网络(严子淳等，2018)、董事网络(Chuluun等，2017；严若森和华小丽，2017；王营和张光利，2018)，均发现社会网络会对企业创新有正面影响。然而，上述研究在解释影响其机理时则存在不同的解释。具体而言，第一，不同社会网络的作用效果并不一致，变换社会网络指标并不是“新瓶装旧酒”。严子淳等(2018)将风险投资人社会网络对企业创新的正面影响归为“资源”和“信息”的主导作用，而刘善仕等(2017)基于员工流动构建了社会网络，并认为该网络对企业创新的正面影响主要源自“信息”的主导作用。事实上，该网络的构建多源自普通员工，因而其在解释影响机理时无需过多考虑资源效应。第二，即使是同一网络，现有研究也有不同的解读。例如，部分研究认为董事网络对企业创新的影响源自“资源”和“信息”的主导作用(严若森和华小丽，2017；王营和张光利，2018)，其中王营和张光利(2018)更是直接将董事网络的影响称为“引资”和“引智”。然而，同样是基于董事网络，Chuluun等(2017)却仅将该网络对企业创新的作用描述为“信息”的主导作用。

现有大量文献研究社会网络对企业创新的影响，却未得到统一的研究结论。那么社会网络对企业创新的影响机理到底是什么？本文认为，现有研究结论存在差异的根源并非源自不同网络的差异，而是在解释社会网络影响机理时没有形成一个统一的理论框架。深入来看，“强关系”和“弱关系”都可以归为“社会网络”，但两者的作用机理有所差异。Kogut(2000)从租金的角度予以区分：“强关系”能带来“科尔曼租金”，即有利于提高相互间的信任度；“弱关系”能带来“伯特租金”，即结构洞的存在能够使企业在网络中获得信息收益。Hoffmann(2007)认为“强关系”和“弱关系”的差异主要在于不同类型和性质的“租金”对企业有不同的影响。事实上，边燕杰和张文宏(2001)对“强关系”和“弱关系”的作用机理做了清晰阐述：“强关系”更可能提供“人情”(资源效应假说)，而“弱关系”更可能提供“信息”(信息优势假说)。然而，现有公司财务领域的研究并未刻意区分“强关系”和“弱关系”，以致其在解释社会网络影响机理时不能形成一个统一的理论框架。例如，现有大量研究关注“董事网络”对公司财务行为的影响。基于“董事网络”，Larcker等(2013)将该网络的作用描述为“信息”“资源”的主导作用，等等，隐含的假设就是他们并没有刻意区分董事网络到底是“弱关系”还是“强关系”，而笼统地将其归为“社会网络”。同样是基于“董事网络”，Chuluun等(2017)将该网络的作用描述为“信息”的主导作用，虽然他们没有刻意强调该网络是“弱关系”，但就其影响机理来说，他们已将该网络设定为“弱关系”网络。这也是Chuluun等(2017)的重要贡献。

在Chuluun等(2017)的基础上，本文进一步以股东关系网络为新视角，基于社会网络与企业创新的老问题，重新检验社会网络的影响机理，意图在解释社会网络影响机理时形成一个统一的理论框架。对此，本研究主要回答一个问题：现有研究较少关注的股东关系网络的性质是“强关系”还是“弱关系”？本文发现，股东关系网络为弱关系网络，其影响机理是信息优势为主导的。具体而言，本文主要的贡献为：(1)不同网络的影响机理可能完全不一样，而股东关系网络作为一个更重要的网络却被现有研究忽视，本文则聚焦于股东关系网络。(2)现有研究结论存在差异的根源并非源自不同网络的差异，而是源自该网络的性质为“强关系”抑或“弱关系”，本研究对网络性质进行刻意区分，有助于在解释社会网络影响机理时形成一个统一的理论框架。(3)现有关于股东网络的研究多聚焦于企业集团，并认为企业集团能带来资源效应，即强关系的影响机理，但是企业集团仅属于特例，而我们定义的股东关系网络为大型社会网络，因而其网络性质为弱关系，即其影响机理以信息优势为主导。(4)十大股东有不少交易型机构投资者，这类投资者不参与公司经营却又如何发挥其信息传递作用？对于这样一个可能存在的疑惑，本文也进行了相应的解释，并做出两点回应：首先，股东关系网络并不主要由交易型机构投资者所形成，即使交易型机构投资者的信息传递作用较弱，也不会明显影响整体上的股东关系网络的信息传递；其次，“信息优势”并不等同于“治理作用”，不参与公司经营的交易型机构投资者也能起到信息传递的作用，上述结论经过多种角度的检验均得到了支持。(5)本文还发现，社会网络的结构并不能完全解释网络的性质，还要具体分析网络的构成，即要考虑网络构成的异质性问题。本研究弥补了现有社会网络研究在解释其影响机理上的不足。

二、文献述评与理论框架

现有大量研究均发现社会网络对企业创新有正面影响，但对其影响机理并没有统一的认识。部分研究认为社会网络对企业创新的影响源自“资源”和“信息”的主导作用(严若森和华小丽，2017；王营和张光利，2018；严子淳等，2018)，而部分研究认为社会网络对企业创新的影响仅仅源自“信息”的主导作用(Chuluun等，2017；刘善仕等，2017)。然而，这并不代表社会网络没有一个统一的理论框架。

与此同时，现有研究较少关注股东的相关网络对企业创新的影响。事实上，现有研究也较少关注股东关系网络的经济后果。目前，相关的研究视角主要集中于特定股东所形成的网络，如企业集团(蔡卫星等，2019)、基金网络(李维安等，2017)、风险投资人网络(严子淳等，2018)，等等。然而，网络的边界以及股东的异质性必然会影响网络的影响机制。例如，企业集团网络多是内部资本市场所形成的资源调配，即“强关系”的影响机制，而基金网络则多是信息传递，即“弱关系”的影响机制。

在现有研究的基础上，本文做了如下改进：第一，考虑了基于股东关系所形成的整体网络。鉴于大型网络的客观存在，如果仅仅考虑特定股东所形成的网络，会造成网络边界的人为割裂，不利于理解股东关系网络的真实影响。第二，重点考虑了网络构成的异质性，即股东的异质性。网络构成的异质性很重要，但现有社会网络研究并没有刻意关注异质性问题。例如，Chuluun等(2017)在研究董事网络对企业创新影响时，没有考虑董事的异质性，如董事的不同类型等，这显然将各种类型的董事简单同质化。最近的研究已经开始考虑社会网络的异质性，例如，陈运森和郑登津(2017)在构建董事网络时，将董事分为独立董事和非独立董事，并分别构造网络。但是，该方法依然没有进一步探讨更为复杂的情形，例如，董事在A公司为独立董事并同时在B公司为控股股东董事的异质性问题。股东关系网络是上市公司之间通过共同股东所形成的网络，那么，其网络构成的异质性更为复杂，也更具研究价值。具体而言，股东异质性至少表现在如下方面：(1)同样为上市公司的股东，但控股股东和其他类型的股东(如机构投资者)对公司的影响是不一样的。(2)更为复杂的是，有可能出现共同股东在A公司为控股股东而又在B公司为机构投资者的情况。这样，共同股东在每个公司的作用可能因持股比例的不一样而存在差异。因此，要想理清股东关系网络的影响机理，就不能忽视股东异质性，而这却是现有研究所忽视的。第三，基于整体网络的视角，股东关系网络有其独特性和重要影响，也更具研究价值。其中，至少有如下理由：(1)股东关系网络能更有效地衡量大型社会网络。例如，基于2016年A股上市公司的数据，中央汇金资产管理有限责任公司出现在995家上市公司的十大股东名单中。(2)股东必然会对企业产生重要影响，因而将研究视角切换为股东关系网络更具研究意义。值得强调的是，股东也存在异质性，例如控股股东和机构投资者的作用会有所差异，但即使是常被人认为不参与公司具体经营的机构投资者，也有大量研究讨论其治理作用。事实上，本文要强调的是，“信息优势”并不等同于“治理作用”。“信息优势”甚至有可能并不是源自机构投资者的“主动”信息传递。

综上所述，股东关系网络被现有研究所忽视，因此本文以股东关系网络为新视角，基于社会网络与企业创新的老问题，重新检验社会网络的影响机理，意图在解释社会网络影响机理时形成一个统一的理论框架。

三、理论分析与研究假设

(一)强关系与弱关系的理论分析

本文之所以强调要将社会网络性质区分为“强关系”和“弱关系”，是因为两者的影响机理存在很大差异。“强关系”表现较为关系紧密，即彼此之间会更频繁地提供互惠性帮助；而“弱关系”则比较疏远，关系双方对彼此的投入不多。“强关系”可以维持群体内部的关系，但也正因如此，“强关系”带来的信息重复性很高；而“弱关系”则可以作为群体与群体之间的纽带，因而信息重复性很低，可以充当“信息桥”的角色(Granovetter，1973；边燕杰和张文宏，2001)。通过“信息桥”，个体可以接触到更多不同的个体，并得到异质性信息。正如前文所述，边燕杰和张文宏(2001)对“强关系”和“弱关系”的作用机理做了清晰阐述：“强关系”更可能提供“人情”(资源效应假说)，而“弱关系”更可能提供“信息”(信息优势假说)。然而，仍有部分研究没有刻意区分“强关系”和“弱关系”，而认为社会网络能带来的是“资源”和“信息”。事实上，基于大样本的研究，“资源”和“信息”必然只能有一个起主导作用(Hoffmann，2007)。基于此，本文将股东关系网络界定为上市公司通过十大股东所形成的大型社会网络，并尝试对该网络的影响机理予以分析。本文相应提出如下假说。

1. 资源效应假说：股东关系网络的强关系影响机理(特例：企业集团)

在中国上市公司中，“系族”众多，而现有研究多关注“企业集团”。事实上，“企业集团”和本文所关注的“股东关系网络”的重合度并不高，仅仅是股东关系网络的极小一部分。然而，“企业集团”在一定程度上描绘了特定的“股东网络”。有关企业集团的研究认为，当企业外部融资存在较大的不确定性和局限性时，企业集团可以扮演内部资本市场的角色，在集团成员之间灵活配置资源并产生经济利益。具体而言，可细化为如下影响机理：首先，企业集团降低了集团成员的风险，具有风险分担作用。即当企业集团的成员陷入困境后，企业集团能够通过合理调配内部的资源给予支持(Friedman，2003；Khanna和Yafeh，2005；He等，2013)。其次，企业集团成员之间存在大量相互提供担保的行为(Shin和Park，1999；Jia等，2012)。通过分担风险和相互提供担保，企业集团的成员可以得到由此而产生的其他经济收益。根据现有研究，企业集团可通过内部资本市场将内部资金在成员企业中统一调配，从而缓解外部资本市场的资源约束。此时，企业集团的影响机理实质上是“强关系”的资源效应。

那么，在网络构成上，股东关系网络是企业集团吗？本文认为并不是。其原因在于，“企业集团”的标准非常严格。例如，蔡卫星和胡志颖(2016)对企业集团的定义如下：“如果同一经济主体(企业、个人或其他主体)在同一年度同时控制了两家(含)以上的上市公司，那么这些上市公司被视为同一企业集团控制”。因此，企业集团仅仅是股东关系网络的特例，即为股东关系网络的极小一部分。

企业集团虽然在构成上仅仅是股东关系网络的极小一部分，但是企业集团的资源效应是否构成股东关系网络的主导性影响，也是本文要验证的。

2. 信息优势假说：股东关系网络的弱关系影响机理(大型社会网络)

(1) 股东关系网络的构成：大型社会网络的弱关系

在考虑了特例“企业集团”的影响后，本文认为，从构成上看，股东关系网络为大型社会网络，其性质更可能为“弱关系”。具体而言，共同股东就可起到企业与企业之间的“信息桥”的作用，即能为企业带来丰富和多元化的异质性信息(Granovetter，1973)。这里用图1说明为什么该大型社会网络是弱关系网络。如图1所示，即使A和其股东是“强关系”，B也和其股东是“强关系”(事实上股东和公司的关系也可能是弱关系，如机构投资者与公司)，那么A和B之间也可能只是“弱关系”(Granovetter，1973)。所以在本文的分析框架下，股东关系网络的构成是“弱关系”网络，仅能带来信息优势，而不能带来资源效应。

图1 A和B的关系图：一般性分析

(2) 信息优势假说的进一步说明：机构投资者的信息传递作用

机构投资者可分为稳定型机构投资者和交易型机构投资者。稳定型机构投资者会对企业经营管理起监督治理作用，但是对于交易型机构投资者，其持股时间很短，对公司财务决策很可能并无重要影响。可能有人会质疑：在上市公司的股东中，有不少交易型机构投资者，那么由此形成的股东关系网络如何起到信息传递的作用？对此，本文的回应是：首先，股东关系网络并不是仅仅由交易型机构投资者所形成的。事实上，共同股东可存在多重身份。例如，共同股东在公司A为交易型机构投资者，但其可以在公司B为稳定型机构投资者甚至为控股股东。此时，存在多重身份的机构投资者，实际上已和较少参与公司具体经营决策的交易型机构投资者不一样，由此形成的股东关系网络也能起到信息传递的作用。基于此，虽然十大股东中有很多交易型机构投资者，但是股东关系网络并不主要由交易型机构投资者所形成。所以，即使交易型机构投资者的信息传递作用较弱，也不会明显影响整体上的股东关系网络的信息传递。其次，交易型机构投资者也能起到信息传递的作用。本文要强调的是，“信息优势”并不等同于“治理作用”。“信息优势”甚至有可能并不是源自机构投资者的“主动”信息传递。事实上，Luong等(2017)研究发现，外国机构投资者可扮演知识溢出的桥梁，将其所掌握的知识带给被投资企业。基于中国情景，李维安等(2017)也有类似的发现。上述研究为我们强调信息优势提供了理论支持。刘善仕等(2017)基于员工流动构建了社会网络，并认为该网络对企业创新的正面影响主要源自“信息”的主导作用。基于该研究，普通员工很可能不属于公司重要人物，但依然能起到信息传递的作用。

基于上述分析，股东关系网络能带来资源效应(“企业集团”的特例)，也能带来信息优势(大型社会网络)。

（二）股东关系网络对企业创新的影响机理分析：“强关系”抑或“弱关系”

具体到股东关系网络的影响机理，有两种可能的影响：第一，“强关系”的“资源效应”。从股东关系网络的构成上看，“企业集团”虽然仅仅是股东关系网络的特例，即为股东关系网络的极小一部分，但有可能就是该小型网络带来重要的“资源效应”。第二，从股东关系网络的构成上看，股东关系网络为大型社会网络，即为“弱关系”网络，能带来“信息优势”。那么，“弱关系”的“信息优势”能否强于“强关系”(“企业集团”网络)的“资源效应”？该问题本质上就是一个实证问题。

基于社会网络与企业创新的老问题，本文尝试研究股东关系网络的影响机理。一方面，股东关系网络虽然在构成上并不是主要源自“企业集团”，但“企业集团”作为该网络的子集，假如能发挥重要作用，则可通过内部资本市场缓解外部资本市场的资源约束，进而促进企业创新。另一方面，从构成上看，股东关系网络为大型社会网络，即“弱关系”网络，那么其影响机理为信息优势，也必然促进企业创新。“强关系利于执行，弱关系利于创新”。其原因在于：创新活动是企业不断消除不确定性的过程，而这个不确定性并不仅仅指的是研发技术上的不确定性。对于企业创新来说，研发上的成功只是第一步，如何将研发成果推向市场是更关键的一步，因为将研发成果成功推向市场才是由商品到货币的“惊险的一跃”。为了降低创新的风险，企业就必须不断地搜集各方面的信息。值得注意的是，这里所说的信息可以是通用知识，如市场信息、行业信息、宏观政策信息以及通用的技术信息，并不仅仅指“高尖精”的复杂技术信息。综上所述，股东关系网络为“弱关系”网络，则可带来非冗余信息，进而减少企业创新过程中的技术不确定性以及市场不确定性，为企业带来创新资源。基于上述不同的影响机理，本文提出如下假说。

H1a(“强关系”的资源效应)：股东关系网络对企业创新有正向影响，其影响主要源自“强关系”的资源效应。

H1b(“弱关系”的信息优势)：股东关系网络对企业创新有正向影响，其影响主要源自“弱关系”的信息优势。

上述假说虽然都认为股东关系网络对企业创新有正面影响，但其影响机理并不一样。对此，本文尝试从信息传递的视角切入。不同公司面临不同的信息传递渠道，信息传递渠道可以分为正式和非正式的信息传递渠道，这些信息渠道都会影响信息传递(陈运森和郑登津，2017)。假如股东关系网络的影响机理主要是“弱关系”的信息优势，而信息优势属于非正式的信息渠道，那么影响信息传递的因素必然也会影响到股东关系网络的信息优势价值实现。与之对应的是，假如股东关系网络的主要影响机理是“强关系”，小圈子网络主要是局部小范围的“资源效应”，那么企业与外界的信息传递不会影响小圈子网络的资源互助。基于该逻辑，本文提出如下假设，尝试检验股东关系网络的影响机制。

H2a(“强关系”的资源效应)：当企业与外界的信息传递不顺畅时，股东关系网络对企业创新的正面作用不会受到影响。

H2b(“弱关系”的信息优势)：当企业与外界的信息传递不顺畅时，股东关系网络对企业创新的作用会受到影响。

四、研究设计和研究思路

（一）研究样本和数据来源

本文的初始研究对象是2007—2016年的A股上市公司。原始数据经过如下步骤处理：剔除金融类上市公司；剔除资产负债率大于1的上市公司；剔除ST类上市公司；剔除数据缺失的样本；对主要连续变量进行上下1%的Winsorize处理。经上述处理后，最终获得19546个观测样本。本文的数据主要来源于CSMAR和Wind数据库。

（二）变量的定义

1. 因变量：企业创新(RD)

本文主要从创新投入的角度衡量企业的创新活动，具体衡量指标为“(研发费用/营业收入)×100”，用RDtensity表示。此外，为了克服RDtensity非正态分布问题，本文对(1＋RDtensity)进行对数化处理后得到lnRDtensity，作为企业创新投入水平的另外一种度量。在进一步分析中，本文还用专利产出检验股东关系网络的影响机理。

2. 自变量：股东关系网络(network)

参考李善民等(2015)的做法，本文通过以下标准来定义上市公司的连接关系：当两个上市公司存在一个或多个共同股东时，即认为两个上市公司是有连接的；当两个上市公司没有共同的股东时，则认为它们没有连接关系。本文首先搜集了A股上市公司前十大股东的数据，并整理成“公司×公司”的1模矩阵，然后用社会网络分析软件UCINET对该矩阵进行计算，得出社会网络的相关指标。同时，本文还会考虑股东的异质性问题，并进行相关的实证检验。本文使用社会网络分析中的常用指标特征向量中心度作为关键自变量。选择该指标的原因在于特征向量中心度并不关注比较局部的模式结构，因而更能衡量大型社会网络(刘军，2004)。具体指标如下：第一，特征向量中心度(eigenvector)。该指标的目的是为了找到真正居于核心位置的个体。具体构建方法参见刘军(2004)的研究文献。第二，标准化后的特征向量中心度(stdeigenvector)。为使不同年份的社会网络指标具有可比性，本文对每年的特征向量中心度(eigenvector)进行标准化处理。在稳健性检验部分，本文还采用了其他常用的社会网络指标重新检验。

3. 控制变量

参考黄灿等(2019)的研究，在回归模型中，相关控制变量还包括资产负债率(lev)、公司规模(size)、资产收益率(roa)、上市年龄(age)、固定资产比重(ppeta)、第一大股东所有权(control)、董事会规模(broad)、管理层持股比例(esh)、产权性质(soe)、独立董事比例(indep)、“两职兼任(dual)”，并控制行业和年份的固定效应。

（三）模型设计

为检验本文的基本假设(H1)，本文建立了模型(1)。

其中，RD是企业创新指标，即上文所述的研发投入指标(RDtensity和lnRDtensity)。network分别为自变量eigenvector和stdeigenvector。预期network的回归系数显著为正，即股东关系网络会促进企业创新。

在此基础上，进一步检验股东关系网络的影响机理，以检验该网络性质是“强关系”还是“弱关系”。本文的所有模型均控制行业和年度的固定效应，回归结果也经公司层面的Cluster修正。

为检验H2，本文在模型(1)的基础上引入交叉项，构建了模型(2)。

这里主要关注交叉项network×pin。其中，pin是知情交易概率，作为信息传递顺畅程度的衡量指标，pin越高，代表企业与外界的信息传递越不顺畅(Easley等，1996)。

本文主要考察交叉项network×pin的回归系数β2。当β2不显著时，说明企业与外界的信息传递情况并不会影响股东关系网络与企业创新的正面作用，即符合H2a的预期。反之，则说明股东关系网络与企业创新的影响机制更多源自信息优势的渠道，即符合H2b的预期。

五、数据分析和实证结果

（一）描述性统计

本文最终使用的观测值共19546个。未报告的描述性统计表明(备索，下同)，特征向量中心度(eigenvector)的均值和标准差分别为1.938和2.347。从标准差可看出，上市公司股东关系网络的丰富程度存在较大差异。其余变量未见异常。

（二）基本假设（H1）的回归结果

表1显示了股东关系网络对企业研发投入的影响。其中，前4列的因变量为RDtensity，后4列的因变量为lnRDtensity，并控制行业和年份固定效应。实证结果表明，network(eigenvector和stdeigenvector)的回归系数显著为正，即表明股东关系网络与企业研发投入呈正相关关系。该结果说明股东关系网络会对企业创新有促进作用。接下来，本文将进一步检验股东关系网络的影响机制。

表1 股东关系网络与企业创新的回归结果

（三）影响机制检验（H2的检验）

H2的核心思想在于检验股东关系网络的影响机制，即股东关系网络对企业创新的影响是源自“强关系”的资源效应还是“弱关系”的信息优势。这部分的实证策略如下：(1)既然H2的目的是检验主导影响机制，那么在直接检验H2之前，首先就要检验弱关系的存在性；(2)假若弱关系的影响是存在的，则进一步检验主导影响机制，即直接检验H2；(3)可通过观察股东关系网络对商业信用的影响，间接来检验H2。其逻辑是，如果该网络的主导影响为“弱关系”的信息优势，那么基于同一影响机制，股东关系网络不会对企业的商业信用获取有明显的正向影响。

1.“弱关系”的存在性检验

上文的表1仅仅验证了股东关系网络会对企业创新有促进作用。然而，“强关系”和“弱关系”的影响机理不一致。因此，本文先尝试验证弱关系的存在性。

首先，排除企业集团(“强关系”)的“资源效应”影响。本文的逻辑是，由蔡卫星和胡志颖(2016)对企业集团的定义可知，企业集团存在的前提是共同股东能对控股的公司有重大影响，那么，一般而言，持股比例高的股东会和公司有更多的互动，更可能构成“强关系”(企业集团)。因此，本文计划通过定义股东关系网络的范围来予以区分。进行这样的区分的原因是想通过持股排名来考察股东异质性问题的影响，例如，前4股东形成的网络更可能为“强关系”，后4股东形成的网络更可能为“弱关系”，显然两者的性质和影响是不一致的。这里用十大股东所计算的社会网络指标分别对前4股东、前5股东、前6股东、前7股东的社会网络指标进行回归，所得残差network_w(eigenvector_w和stdeigenvector_w)即为前几大股东无法解释的部分，即排除企业集团“强关系”的影响。将network_w重新进行回归分析，回归结果见表2的Panel A，network_w的回归系数依然显著为正，说明在排除企业集团的“资源效应”影响后，股东关系网络对企业绩效的正向影响依然存在，即验证了“弱关系”的存在性。因篇幅所限，这里仅展示因变量为RDtensity的回归结果。在未报告的结果中，因变量为lnRDtensity的相关实证结果与之也保持一致。

其次，尝试改变股东关系网络的范围。以十大股东为基础，按照公司前4股东、前5股东、前6股东、前7股东、后7股东、后6股东、后5股东、后4股东为范围重新计算了对应的社会网络指标，分别用network_X(eigenvector_X和stdeigenvector_X)表示，实证结果见表2的Panel B。因篇幅所限，这里仅展示自变量为eigenvector_X的实证结果。在未报告的结果中，自变量为stdeigenvector_X的实证结果也类似。结果显示，network_X都对企业创新有正向影响。前几大股东所形成的网络可能类似于企业集团(“强关系”)，即“资源效应”促进了企业创新；而对于后几大股东所形成的网络，由蔡卫星和胡志颖(2016)对企业集团的定义可知，该网络必然不是企业集团网络，说明了“弱关系”的“信息优势”能促进企业创新，再次验证了弱关系的存在性。同样，因篇幅所限，这里仅展示因变量为RDtensity的回归结果。在未报告的结果中，因变量为lnRDtensity的相关实证结果与之也保持一致。

表2 “弱关系”存在性检验

2.“强关系”抑或“弱关系”(H2的直接检验)：基于信息传递的视角

上文的实证部分仅仅证明了“弱关系”的存在，但对于股东关系网络而言，依然没有回答到底是“强关系”还是“弱关系”起主导作用的问题。接下来，本文尝试在实证部分对其予以检验。

首先，对模型(2)进行回归，回归结果见表3。从其中可以看出，交叉项network×pin的回归系数显著为负，说明H2b得到了验证，即可以认为，股东关系网络更可能是“弱关系”，对应的作用机制为“信息优势”。其原因在于当企业与外界信息传递不顺畅时，股东关系网络的“信息优势”也受到了影响。此时，股东关系网络与其他信息渠道为互补关系。

其次，在模型(2)的基础上，再次尝试改变股东关系网络的范围，以做进一步检验。在表3中引入与信息相关的影响因素后显示了“弱关系”的信息优势起主导作用。为了让该实证结果更有说服力，这里将股东关系网络的范围从前2股东逐步扩大到前9股东。这样做是因为前2股东所形成的网络可能更接近于企业集团，其作用机理更可能为“强关系”的“资源效应”；而随着股东关系网络范围的扩大，该网络也逐渐接近于大型网络的“弱关系”网络。其实证结果见表4。因篇幅所限，这里仅展示交互项为eigenvector×pin的实证结果。在未报告的结果中，交互项为stdeigenvector×pin的实证结果也类似。从其中可以看出，随着股东关系网络范围的扩大，交互项network×pin的回归系数从不显著逐渐变为显著为负，也进一步验证前文的逻辑，即对于大型网络，“弱关系”起主导作用：该网络带来的更多的是“弱关系”的“信息优势”，而不是“强关系”的“资源效应”。需要说明的是，因篇幅所限，这里仅展示因变量为RDtensity的回归结果。在未报告的结果中，因变量为lnRDtensity的相关实证结果与之也保持一致。

表3 “强关系”抑或“弱关系”的检验：基于信息传递的视角

表4 “强关系”抑或“弱关系”的检验(基于信息传递的视角)：改变股东关系网络范围

3. 排除“强关系”的间接检验(H2的补充性检验)：股东关系网络对商业信用的影响

本文为了进一步考察股东关系网络的资源效应，即“强关系”的影响，就需要关注股东关系网络对商业信用的影响。其逻辑是，假如股东关系网络为“强关系”，那么事实上其类似于“企业集团”，即可通过内部资本市场缓解外部资本市场的资源约束，即会对商业信用有正向影响。与之对应的是，假如股东关系网络为“弱关系”，其影响机理为信息优势，则不会对商业信用有明显影响。未报告的结果表明，股东关系网络对商业信用并无明显影响，即不支持“强关系”的资源效应的影响机制。该结果也间接证明了股东关系网络更可能是“弱关系”。

综上分析，股东关系网络更可能是“弱关系”，而不是“强关系”，即带来的是信息优势，而不是资源效应。这也和Chuluun等(2017)仅强调“信息”而不强调“资源”的逻辑一致，但本文从理论上刻意区分“强关系”和“弱关系”，并在实证上予以检验，这是本文的贡献。

（四）进一步分析：基于专利产出的检验

本文还考察了股东关系网络对专利申请的影响。未报告的实证结果表明，股东关系网络对专利申请、发明专利申请都有正向作用，对非发明专利申请并无明显影响。其可能的原因是，股东关系网络主要给公司带来的是信息优势，有利于激发企业创新活动中的灵感，因而股东关系网络对企业专利产出的影响在发明专利上更为明显。

（五）弱关系的进一步检验

上文已经验证了股东关系网络的影响机理为“弱关系”的信息优势，接下来进一步验证弱关系的影响机理。具体而言，对于股东关系网络影响机理的质疑可能有如下几点。

1. 内生性问题

上文发现股东关系网络属于“弱关系”，并会对企业创新有正向影响。然而，这里可能存在内生性问题。其一，反向因果问题。不是股东关系网络促进了企业创新，而是因为企业爱创新，所以容易得到股东的青睐，因而形成了丰富的股东关系网络。其二，遗漏变量问题。例如，好的公司爱创新，同时也容易得到股东的青睐，并由此形成了丰富的股东关系网络。

为了消除内生性的疑虑，本文做了如下检验：(1)自变量采用上一期指标。将自变量的指标换为上一期的指标，重新进行了回归分析，研究结论不变。同时，将自变量换为前2期、前3期、前4期的指标，研究结论不变。(2)倾向性匹配得分(PSM)。本文构建虚拟变量network_67，当network高于年度样本的2/3时取1，否则取0。本文采用倾向性匹配得分(PSM)方法为network_67的样本寻找匹配的样本，基于该样本重新进行回归分析，研究结论不变。(3)基于残差的检验。将社会网络指标对全部控制变量进行回归，所得残差即为全部控制变量无法解释的部分。然后，将残差作为新的自变量重新进行回归分析，研究结论不变。(4)变换自变量。本文还使用其他常用的社会网络指标重新检验，将自变量换为结构洞指标(ci)，重新进行了回归分析，研究结论不变。(5)外生事件冲击。需要说明的是，理想的外生事件冲击是该事件影响股东关系网络而不影响企业创新。事实上，该类事件较难遇到。但是，本文还是做了尝试。《深圳证券交易所创业板股票上市规则》规定，对于创业板上市公司，控股股东或实际控制人持有的上市之前发行的股份自上市之日起三十六个月内不得转让。该规定在一定程度上减小了大股东变更的可能性。对此，本文针对创业板上市不超过3年的公司，重新进行回归，研究结论不变。(6)工具变量法。借鉴黄灿等(2019)的研究思路，用公司所在行业的年度社会网络指标均值作为工具变量。其原因是上市公司所在行业的年度社会网络指标的均值可能与公司社会网络有关，且公司所在行业的年度社会网络指标均值直接影响企业创新的可能性较小，因此可能满足工具变量的选择标准。采用工具变量法后，研究结论不变，即股东关系网络对企业创新有正向影响。(7)安慰剂检验。按照如下步骤进行安慰剂检验：首先，为公司随机分配社会网络指标(即虚构自变量)；然后，将随机分配的自变量重新进行回归分析。500次重复的结果显示，虚构自变量的回归系数均值接近于0且不显著。该结果说明，股东关系网络确实对企业创新有正向影响，而不是其他因素或噪音所致。该结果再次验证了本文结论的稳健性。(8)考虑公司规模的替代性解释。理论上，存在遗漏变量的替代性解释，即规模更大的公司，有可能形成丰富的股东关系网络，同时也会有较高的创新水平。为排除该替代性解释的可能性，本文按照公司规模的中位数进行分组，分别进行回归分析。如果观察到股东关系网络对企业创新的正向影响并不随着公司规模的扩大而增大，则能排除该替代性解释。未报告的实证结果表明，公司规模大的样本，其自变量的回归系数均小于公司规模小的样本。这说明，公司规模并不能解释股东关系网络对企业创新的正向影响，即排除了存在遗漏变量的替代性解释。对于分组回归的结果，一种合理的解释是，规模小的公司可能信息获取能力相对不足，此时，股东关系网络的影响更为明显。(9)考察阶段性的平均影响。本文尝试将整个样本周期视作一个阶段，进而考察股东关系网络对企业创新的平均影响。首先，采用Fama-MacBeth的方法重新进行回归，研究结论不变。其次，采用样本期间(2007—2016年)的平均值重新进行检验。具体操作如下：第一步，将数据精简为平衡样本，得到817个公司；第二步，将控制变量和因变量换为样本期间的平均值，将自变量换为样本期间的平均值或中位数，重新进行回归分析，研究结论不变。(10)增加控制变量。本文还控制了行业竞争赫芬达尔指数、机构投资者持股、分析师跟踪人数以及CEO的个人特征(CEO年龄、CEO任期、CEO学历)，重新进行了回归分析，研究结论不变。

2. 关于“强关系”与“弱关系”的指标衡量问题

本文采用特征向量中心度作为基础自变量，并通过改变网络范围的方式衡量“强关系”和“弱关系”，丰富了现有研究的衡量方法。然而，有几点需要说明。

(1) 采用中介中心度和接近中心度作为自变量的稳健性检验

Freeman(1979)认为，如果研究对交往的控制，可采用中介中心度；如果研究信息传递的独立性或有效性，则可用接近中心度。那么，直观地看，中介中心度与“弱关系”相关，接近中心度与“强关系”有关。因此，本文将中介中心度(betweenness)与接近中心度(closeness)作为自变量，同时放入回归方程，重新进行回归分析。鉴于不同度量的变量不具可比性，本文将自变量与因变量均进行标准化，得到了标准化后的自变量stdbetweenness、stdcloseness以及标准化后的因变量stdRDtensity、stdlnRDtensity。同时，继续尝试改变网络的范围，从前9股东逐渐缩小至前2股东。按照上文的思路，当网络范围不断缩小，网络特性更可能从“弱关系”转化为“强关系”。事实上，当网络缩小为前2股东构成的网络时，已很接近于企业集团了。其实证结果见表5。因篇幅所限，这里仅展示因变量为stdRDtensity的实证结果。在未报告的结果中，因变量为stdlnRDtensity的实证结果也类似。实证结果表明，当网络的范围较大时(即大于等于前4股东的网络)，stdbetweenness的回归系数大于stdcloseness的回归系数，说明“弱关系”对企业创新的正向影响更为明显。当网络范围较小时(小于等于前3股东的网络)，stdcloseness的回归系数更为显著，即说明在小圈子网络中“强关系”对于企业创新的正向影响更为明显。此实证结果与本文的逻辑相符。

表5 稳健性检验：中介中心度和接近中心度作为自变量的回归结果

(2) 相比于中介中心度和接近中心度，采用特征向量中心度作为关键自变量的原因

本文使用特征向量中心度作为关键自变量的原因在于，特征向量中心度并不关注局部的模式结构，因而相比于其余两个指标，更能衡量大型社会网络(刘军，2004)。以接近中心度(closeness)为例，刘军(2004)认为，接近中心度的计算基础是个体与其他所有个体之间的测地线距离，然而在大型网络中，这种测度存在偏差。假设在大型网络中，有两个公司A和B。公司A和网络中的一个联系很紧密的小网络群里的成员都较近，与其他公司距离较远，而B公司与网络中的其他点的距离都不远不近。此时，虽然公司A和B的接近中心度(closeness)在数量上是比较接近的，但是按照刘军(2004)的观点，公司B要比A更接近于网络的中心。在综合考虑后，鉴于股东关系网络为大型网络，所以本文采用特征向量中心度作为关键自变量。

(3) 基于特征向量中心度，通过改变网络的范围来衡量“强关系”和“弱关系”的原因

本文认为，网络的结构并不能完全解释网络的性质，还要具体分析网络的构成，即需要考虑股东异质性问题。中介中心度、接近中心度抑或特征向量中心度，都存在一个问题，即原始的指标衡量没有考虑股东异质性。为了说明这点，本文绘制图2，展示了三种网络结构相同但股东构成不同的网络，并以这三种典型的类型予以说明。

图2 典型代表：网络结构相同的三种股东异质性

在图2的类型1中，共同股东是两个公司的实际控制人，那么该网络实质上就是企业集团，即影响机制是“强关系”的资源效应。在图2的类型2中，共同股东为交易型机构投资者，在排除内生性的影响后，该网络主要带来的是“弱关系”的信息优势。图2的类型3则可能是更为普遍的情形。由上述三种类型的网络可看出，即使网络结构相同，网络的性质也可能不一样，因而也不能忽视股东异质性。

那么，如何减少因股东异质性而产生的衡量偏差？理想的办法是找一个合理的权重予以调整。该解决办法的难点在于，如何确定一个客观的权重来衡量股东异质性的影响。本文做了如下尝试：首先，排除了用股东类别来划分网络的方法。其原因在于无法用股东类别来判断其对公司的影响。例如，对于更为复杂的情况(图2的类型3)，共同股东虽然是机构投资者，但其在A公司持股比例较高，那么其对A公司的影响已不同于一般意义上的机构投资者了。与此同时，在图2的类型3中，A和B到底是“强关系”还是“弱关系”，也需要研究，这也是本文的研究出发点。其次，考虑用持股排名来衡量网络。该逻辑是，持股排名能衡量股东对公司的影响，因而通过持股排名来改变网络的范围，可以从股东对公司实际影响的角度来衡量“强关系”和“弱关系”。前几大股东会与公司有紧密联系，由此形成的连接更可能是“强关系”；而后几大股东对公司的实际影响较小，在排除内生性的影响后，由此形成的连接更可能是“弱关系”(黄灿和李善民，2019)。因此，本文可以通过前几大股东和后几大股东的范围划定来区分“强关系”和“弱关系”。

不可否认，本文的衡量方法依然存在缺陷。例如，目前的方法没有考虑网络关系影响的非对称性。该方法作为一个较为合理的衡量方法，也推进了现有的研究。值得说明的是，因为无法找到能直接衡量股东关系网络的强弱关系的精确指标，所以本文从多角度验证了股东关系网络的影响机制，这也是本文的研究贡献之一。

(4) 影响机制的稳健性检验：区分是否为企业集团

前文中，基于信息传递视角进行影响机制检验的逻辑是，假如股东关系网络的影响机理主要是“弱关系”的信息优势，那么影响信息传递的因素必然也会影响到股东关系网络的信息优势价值实现。与之对应的是，假如股东关系网络的主要影响机理是“强关系”，那么企业与外界的信息传递不会影响到小圈子网络的资源互助。基于该逻辑，在前文的机制检验部分，本文通过扩大股东关系网络的范围(即假定随着网络范围的扩大，网络的特性从“强关系”趋向于“弱关系”)，观察交互项network×pin的回归系数的变化情况，进而识别出股东关系网络的影响机理主要是“弱关系”的信息优势。

如上文所说，通过改变股东关系网络的范围来定义强弱关系，可能存在一定的不足。接下来，本文尝试区分企业集团和非企业集团来重新进行检验。其逻辑是，对于企业集团，“强关系”的特性必然更为明显，而对于非企业集团，“强关系”的特性并不明显。虽然股东关系网络能带来“弱关系”的信息优势，但其对于企业集团和非企业集团的影响可能并不一致。

本文这样界定企业集团：当一个上市公司和其他上市公司拥有共同的大股东(持股比例在10%以上)，则认定该上市公司属于企业集团下属企业。之所以选10%作为大股东的标准，是因为持股超过10%的股东会对公司经营决策有重要影响。区分企业集团后，重新进行检验。首先，按照是否为企业集团进行分组，检验股东关系网络对企业创新的影响。未报告的结果表明，不管样本是否为企业集团，股东关系网络都对企业创新有正向影响。其次，按照是否为企业集团进行分组，进行影响机制的稳健性检验，实证结果见表6。表6结果显示，对于企业集团的样本(前4列)，交互项network×pin的回归系数并不显著。与之对应的是，对于非企业集团的样本(后4列)，交互项network×pin的回归系数依然显著为负。该结果表明，虽然同为十大股东所构成的股东关系网络，在企业集团的样本中，影响信息传递的因素并没有影响到股东关系网络的信息优势价值实现。其可能的原因是，虽然股东关系网络衡量的是十大股东所形成的网络，但是对于企业集团，“强关系”的特性更为明显，因而股东关系网络也没有体现出“弱关系”的特性，即影响信息传递的因素并未影响到股东关系网络的价值实现。对于非企业集团的样本，影响信息传递的因素依然会影响到股东关系网络的价值实现。上述结果也说明，除了企业集团的特例外，股东关系网络的确是以弱关系的特性为主导的。其实证结果与全文的核心逻辑一致。

表6 “强关系”抑或“弱关系”的稳健性检验：区分是否为企业集团

3. 十大股东中的机构投资者可能不参与公司经营，其能否做到信息传递

本文进一步考虑机构投资者的影响。首先，将机构投资者持股比例的中位数进行分组，重新进行回归分析。未报告的实证结果表明，不管机构持股比例高或低，network的回归系数都显著为正，即表明在考虑机构投资者持股比例后，股东关系网络对企业创新依然有正向影响。其次，参考李争光等(2015)的方法，我们将机构投资者分为稳定型机构投资者与交易型机构投资者。“稳定型机构投资者”必然会参与公司治理，并带来“信息优势”；而对于“交易型机构投资者”，虽然其并不参与公司经营，但因其为上市公司的十大股东之一，必然会得到公司的关注。与此相应，公司也会直接或间接通过交易型机构投资者获取相应的信息(Granovetter，1973)。未报告的回归结果显示，不管公司是被稳定型机构投资者持股，还是被交易型机构投资者持股，network的回归系数都显著为正，即股东关系网络能促进企业创新。事实上，股东关系网络并不仅仅源自控股股东或交易型机构投资者，而是由存在多重身份的股东所形成。那么，其影响机理不是“强关系”的资源效应，而是“弱关系”的信息优势。整体上看，在考虑了机构投资者异质性后，股东关系网络依然能带来信息优势，并促进企业创新。不参与公司经营的“交易型机构投资者”是否真的能直接或间接进行信息传递并影响到股东关系网络的“信息优势”实现，实质上为内生性问题。对此，上文的相关检验排除了内生性问题的影响。

六、研究意义

本文的研究意义如下：第一，为解释社会网络影响机理形成一个统一的理论框架。本文以股东关系网络为新视角，基于社会网络与企业创新的老问题，重新检验社会网络的影响机理，而要明确社会网络的影响机理，首先需要界定网络的性质，即网络的性质是以“强关系”抑或“弱关系”的特性为主导。在明确网络的性质后，自然就能明确网络的主导的影响机制。第二，本文拓展了弱关系和强关系的衡量方式。现有直接衡量强弱关系的指标存在一定的不足。例如，对于常规衡量强弱关系的中介中心度和接近中心度，其衡量有效性的前提是网络的构成是同质的，或者是能找到科学的权重衡量网络中每个个体的异质性。这也导致现有指标多是考虑网络的结构，而没有考虑网络构成的异质性。因此，本文提出，网络的结构并不能完全解释网络的性质，还要具体分析网络的构成，即需要考虑网络构成的异质性问题。本文的研究重点关注了股东异质性的影响，推进了现有社会网络研究。第三，本文的结论也为促进企业创新提供了启示。对于企业而言，鉴于股东关系网络能带来信息优势以促进企业创新，那么企业在发展阶段，要善于利用社会网络，吸引高质量的股东加入，以实现企业的繁荣发展。对于政府而言，可通过政策引导企业构建社会网络来更好地实施创新驱动发展战略，以作为现有政策工具的重要补充。