网络结构、知识基础与企业创新绩效

李培哲，菅利荣

(1.山东政法学院商学院,济南 250014;2.南京航空航天大学经济与管理学院,南京 210016)

0 引言

知识经济时代，技术创新的复杂性和不确定性逐渐增强，传统的创新模式因其资源的有限性和知识的单一性，已难以适应技术创新的要求[1-2]。产学研合作创新作为开放式创新的一种重要实践形式，能够有效地整合资源，实现优势互补，促进网络内的知识流动和共享。产学研协同创新系统作为一种复杂的社会经济系统，各创新主体在合作过程中会形成创新网络，而创新网络结构是影响网络中企业创新绩效的重要因素之一；同时，因知识经济时代技术创新的特点，新的创新的出现一般会受到原有知识基础的影响，企业的知识基础也成为企业创新的重要影响因素。因此，研究产学研创新网络结构、知识基础及其交互作用对企业创新绩效的影响，对于优化产学研合作网络结构并提升企业创新绩效具有重要的理论和现实意义。

学者们从不同角度对网络结构与创新绩效的关系展开了研究。Zaheer等[3]认为在创新网络中处于优势地位的企业会获得更多的知识和信息，对创新具有重要影响；Schilling等[4]利用高技术制造业联盟数据构造产业联盟创新网络，得出网络可达性和聚集系数对企业创新绩效有正向影响；Obstfeld[5]通过分析汽车产业合作网络，得出网络密度和知识结构的异质性有利于促进创新产出。李晨蕾等[6]对产业联盟网络进行了实证分析，发现结构洞与创新绩效负相关，网络紧密度与创新绩效正相关；高霞等[7]通过对创新网络的知识转移效果进行分析，得出合作网络的聚簇系数和结构洞对企业创新绩效有显著正影响；刘岩等[8]构建了中国电子信息行业知识基础网络，发现企业知识基础网络密度和分解性与创新绩效呈倒U型关系。

文献梳理表明，现有文献虽然从不同角度研究了网络结构与创新绩效的关系，并取得了许多有价值的成果，但研究仍存在一定的局限性。首先，关于创新网络结构的研究，大多集中在企业创新联盟或集群网络，关于产学研创新网络结构的研究因数据较难获得，构建创新网络相对困难，导致这方面的研究相对较少；其次，关于创新网络结构对创新绩效的影响，学者们多从静态视角进行研究，利用的主要是截面静态数据，缺乏对动态趋势的研究，且研究方法对于过度分散计数型数据的适用性也不强；再次，大多学者研究集中在网络结构对创新绩效的影响，对于知识基础与网络结构的交互作用还较少有研究涉及。基于现有研究的不足，本文综合考虑产学研创新网络结构、知识基础对企业创新绩效的影响，利用2003～2017年无线通信行业发明专利数据，采用社会网络分析法，提取无线通信行业55家企业面板数据，运用固定效应负二项回归模型分析产学研创新网络结构、知识基础及其交互作用对企业创新绩效的影响，为企业创新绩效的研究提供了一种新思路，同时也可以为产学研合作创新政策的制定等提供决策参考。

1 理论分析与研究假设

近年来，随着对创新网络研究的不断深入，创新网络的结构特性如何影响企业创新绩效逐渐成为研究的焦点，许多学者开始从网络结构嵌入性的视角展开研究。结构嵌入性主要研究企业在网络中的地位优势，体现企业的影响力以及控制资源的能力，结构嵌入性以网络中心性、结构洞等指标进行衡量[9-10]。诸多学者对网络嵌入性与创新绩效的关系进行了研究，但结论仍不统一，可知，仅对网络嵌入性指标与创新绩效的关系进行研究，缺乏全面性，得出的结论也不够准确；而知识基础是企业进行创新的重要条件，许多学者已经证明它对创新绩效的重要影响[8,11]。因此，本文综合考虑网络结构、知识基础及其交互作用，探究其对于企业创新绩效的影响机理。

1.1 网络中心性与企业创新绩效

网络中心性主要表示企业合作的广泛性以及获取资源的能力，反映创新主体在网络中接触到的资源的数量以及地位优势[12]。网络中心性高的企业在产学研合作网络中合作的创新主体更多，能够接触到更多的信息和资源，同时还能获得更多的异质信息，有利于创新主体间的知识流动和资源获取，在创新方面表现出更强的优势；随着网络中心性的提高，企业的合作范围不断加大，拥有更加多元化的信息来源和渠道，通过不断积累合作经验，进一步增强企业对知识的吸收和学习能力，通过对获得的信息和知识进行有效整合，促进新知识的产生[13]。

因此，提出假设1：

假设1网络中心性与企业创新绩效呈正相关关系。

1.2 结构洞与企业创新绩效

结构洞体现了企业对知识流动和资源的控制能力，反映创新主体的中介和桥梁作用。占据结构洞的企业能够将彼此分散的企业联系起来，是影响网络成员间知识流动的关键节点，相比其他企业更容易获取丰富的资源和信息[14-15]；同时，占据结构洞位置的企业，能有效减少节点间的无效链接，并减少对其他成员的依赖，能够更加高效地吸收和整合外部资源，有效促进企业创新能力的提升。但当占据的结构洞数量超过某一临界点后，由于企业控制信息和资源的能力过强，导致其他网络成员对其依赖性过大，容易造成权利过度集中，进而激发机会主义行为，降低创新主体间的信任程度，影响创新主体间的进一步交流和合作，最终反而会抑制企业创新产出。

因此，提出假设2：

假设2结构洞与企业创新绩效呈倒U型关系。

1.3 知识基础与企业创新绩效

知识基础包括知识基础的宽度和深度，本文知识基础指的是知识基础深度，即企业以往的经验、资源等创新基础[8]。知识基础较好的企业，一般研发投入较高，且积累了更加丰富的创新资源和经验，使得整体创新能力增强；同时，前期取得的该领域的技术创新成果，对于后续相关创新也有较强的促进作用。

因此，提出假设3：

假设3知识基础与企业创新绩效呈正相关关系。

1.4 知识基础与网络结构对企业创新绩效的交互作用

网络中心性高的企业容易获取更多有价值的资源和信息，为企业创新提供条件。低知识基础的企业，由于自身资源、创新能力有限，即使处于网络中心位置，虽然能够获得更多的知识和信息，但由于创新是一个积累的过程，短时间内也难以实现创新的提升。对于高知识基础的企业，由于自身的技术资源优势和丰富的创新经验，有时更趋向于自主创新，或者寻找拥有异质性知识的合作者；同时由于在网络中拥有过多的联系和接触，容易造成知识冗余，增加搜索成本，因此，高知识基础的企业，更容易倾向于内部挖掘知识资源，进行产品或技术的创新；同时，随着企业掌握的基础知识越多，企业在知识的吸收和资源的协调利用上成本加大，最终可能导致企业的收益降低，创新产出也随之减少[16]。因此，知识基础与网络中心性的交互作用会抑制企业创新产出。

处于结构洞位置的企业，在网络中发挥着重要的桥梁和中介作用。当企业知识基础较低时，处于结构洞位置的企业，虽然获取信息、知识等创新资源的机会增加，但往往由于自身技术创新能力限制，难以有效地对获取的资源进行整合和吸收，因此企业创新产出也相对较低。随着知识基础的累积，对信息资源的整合和吸收能力变强，能进一步促进知识在网络中的流动和共享，获得更多的控制收益；企业也会在创新合作中不断积累经验，提高知识的甄选、吸收和整合能力。同时，随着知识基础的积累，企业的整体实力和创新能力增强，也更加注重维护企业在合作网络中的声誉，可以降低结构洞带来的信任危机和机会主义行为，有利于促进创新产出。

因此，提出假设4：

假设4a知识基础与网络中心性的交互作用对企业创新绩效有负向影响。

假设4b知识基础与结构洞的交互作用对企业创新绩效有正向影响。

2 研究设计与变量测度

2.1 样本选择和数据来源

专利作为知识产权的主要体现形式，是创新研究广泛使用的数据。联合申请专利可以较好地反映知识在组织间的共享和转移，成为众多学者开展产学研合作创新研究的主要数据来源，其中发明专利代表着原创技术，技术含量更高，更能反映技术创新成果，因此本文选择发明专利数据作为研究对象；同时考虑到国内专利从申请到公布一般需要18个月，研究提取了2003～2017年中国无线通信行业产学研联合申请的发明专利信息。

本文数据来源于中国知网专利检索平台，首先检索下载2003～2017年中国无线通信行业145 139条发明专利数据；然后对所有检索到的发明专利数据进行筛选和整理，去除单一机构申请的专利以及企业与企业、大学与其所属企业及科研机构等联合申请的不符合产学研合作的发明专利，从中获得两类数据：第1类是用于构造产学研合作创新网络的中国无线通信行业发明专利数据，共631条产学研联合申请发明专利信息。以三年时间窗构造产学研合作网络[7,17]，并使用R语言计算网络相关指标。第2类是合作企业的专利数据，剔除专利多年为0的企业，最终选取出参与产学研合作的55家企业，统计并得到55家企业在2003～2017年间的历年发明专利申请数量。第3类是企业基本信息，包括企业规模和企业年龄，主要从企业网站以及行业报告中获取。

2.2 变量测量

2.2.1 因变量

企业创新绩效的衡量指标主要有专利申请数、新产品收入等，由于无线通信企业知识密集性高，技术创新多表现为专利的申请，专利数据相对其他指标也更加客观且易于获取，而且已有研究也验证了利用专利数据衡量企业创新绩效的有效性[8,13]，因此本文采用企业每年新申请的发明专利数(Patents)衡量企业创新绩效，收集并分析了样本中每一家企业每年申请的发明专利数据。另外考虑到专利的滞后效应，选择滞后1期的企业发明专利数据。

2.2.2 自变量

1)网络中心性。

网络中心性(DC)代表创新主体在网络中的地位，度数中心性是测量网络中节点中心性的最直接指标，度数中心性越高的节点，代表其获取信息和资源的能力越强[18]。度数中心性可以分为绝对中心度和相对中心度，其中相对中心度综合考虑了网络规模，使数据间更具有可比性。因此，采用相对中心度来衡量企业的网络中心性。相对中心度计算公式为

(1)

2)结构洞。

结构洞(SH)体现了网络中处于该位置的节点在信息和资源上的控制优势[19]。Burt的结构洞主要考虑有效规模、效率、限制度和等级度四方面的因素[14]，其中，结构洞限制度应用较为广泛，许多学者倾向于将其作为衡量结构洞的有效指标。本文采用1与结构洞限制度的差值作为衡量结构洞的指标，其值越大，结构洞水平越高。结构洞计算公式为

SH=1-Ci

(2)

其中，Ci代表网络中创新主体i的结构洞限制度，其公式为

(3)

其中，q为i和j的桥梁，piq为i和中间人联系的强度，即行动者i投入到q中的关系占i投入到总关系的比例。

3)知识基础。

知识基础(KB)：企业的前期知识积累能够影响其在后续产学研合作中的知识学习和吸收能力，本文采用企业前3年申请的发明专利数表示知识基础。知识基础计算公式为

(4)

其中，patentit表示i企业在t年新申请的发明专利数。

2.2.3 控制变量

本文选取企业规模(Scale)和企业年龄(Age)作为控制变量。随着企业规模的扩大，企业在研发投入、资源整合等方面表现出更强的优势，会促进创新能力的提升，本文采用企业注册资本代表企业规模。另外，企业的成立时长对于知识获取及组织学习能力均有一定的影响，成立较早的企业，知识基础一般越好，经验也更丰富，创新能力往往也越强，企业年龄使用截止数据采集日期的企业创办年限来衡量。

2.3 模型选择

由于企业专利申请数是非负整数，属于计数型数据，使用线性回归会导致参数估计的无效和不一致，对此类数据最好采用计数模型，泊松模型是应用最广泛的方法，但它的前提条件是均值与方差相等，而通过对数据的描述性统计可知，专利申请数的方差远大于均值(见表1)，说明泊松模型并不适合本研究数据，已有学者证明负二项回归模型对于过度分散的计数型数据更加有效[13,20]。负二项回归模型的表达式为

ln(λi)=α0+αiXi+εi

(5)

对式(5)进行指数变换，可得回归模型(6)：

E(Yi|Xi)=exp(α0+αiXi+εi)

(6)

其中，Y为因变量，X为自变量及控制变量，i表示第i个企业。通过对模型进行Hausman检验，发现随机效应模型在p<0.000 1的显著性水平下均被拒绝，因此，采用固定效应负二项回归模型进行分析。

3 实证分析结果与讨论

3.1 产学研合作创新网络基本特征分析

本文假定创新合作关系持续期为3年[7,13]，即基于三年时间窗(2003～2005，2004～2006，…，2015～2017)，运用R语言构建产学研合作创新网络，因篇幅限制，本文仅列出前三个和最后三个时间窗的产学研合作创新网络结构图，见图1。由图1可以看出，前三个时间窗，无线通信行业产学研创新网络规模较小，参与的创新主体较少，网络较为松散，合作不够紧密；最后三个时间窗，产学研合作规模逐渐增大，参与的创新主体逐渐增多，但创新合作仍集中于少数核心节点，总体合作不够紧密。

图1 创新网络的结构演化图Fig.1 Structure evolution diagram of innovation network

3.2 描述性统计分析

首先对变量进行描述性和相关性分析，结果见表1。可以看出，自变量网络中心性和结构洞均在p<0.1%的显著性水平下与企业创新绩效正相关，知识基础与企业创新绩效在p<0.01显著性水平下正相关。

表1 描述性统计与相关系数Tab.1 Descriptive statistics and correlation coefficient

为衡量模型的多重共线性严重程度，采用方差膨胀因子(VIF值)对各变量进行多重共线性检验，结果如表2所示，可知各自变量的VIF值均小于3，说明自变量间并不存在严重的多重共线性问题。

表2 各变量VIF值Tab.2 VIF value of each variable

3.3 回归结果分析

采用逐步回归的方法，对样本期内中国无线通信行业55家企业的面板数据进行固定效应负二项回归，以检验产学研合作创新网络结构、知识基础及其交互作用对企业创新绩效的影响。模型1仅加入控制变量，模型2到模型5，依次加入自变量及相关自变量的平方项，模型6和模型7分别加入了不同的交互项。由于涉及到交互效应，本研究对解释变量网络中心性、结构洞和知识基础进行了中心化处理，以更好地避免解释变量之间存在的多重共线性问题[21]。回归结果如表3所示。

表3 固定效应负二项回归结果Tab.3 Results of fixed effect negative binomial regression

由表3可知，所有模型在p<0.001水平下都是显著的，且对数似然函数值逐渐增大，因此，从模型1到模型7，模型拟合度越来越好，即加入后续变量后模型的解释能力显著提高。

模型1仅加入了两个控制变量，即企业规模和企业年龄，分析发现企业规模对企业创新绩效的影响不显著，因为企业创新往往会受到研发投入、技术特点等多种因素的影响，单纯的规模化可能对企业创新绩效的影响有限；企业年龄对企业创新绩效有显著正向影响，说明企业在该领域经营的时间越长，经验越丰富，知识的学习和吸收能力也就越强，对企业创新绩效会产生正向影响。

模型2～4分别测量了网络中心性、结构洞及结构洞平方项对企业创新绩效的影响。模型2在控制变量的基础上加入了网络中心性，可以看出，网络中心性显著正向影响企业创新绩效(β=0.939，p<0.01)，假设1得到验证。模型3、4分别加入了结构洞及其平方项，结果表明，结构洞系数为正值且显著(β=9.331，p<0.01)，结构洞的平方项系数为负值但不显著(β=-25.19)，假设2没有得到验证。结构洞对企业创新绩效没有呈现出显著的倒U型影响，原因可能是无线通信行业产学研创新网络较为松散，由表1也可以看出，结构洞的均值为0.086，标准差为0.032，结构洞的值及其变动范围都很小，表明创新网络中仅有少数创新主体的连接较多，大多数创新主体处于网络的边缘，并未占据结构洞位置。占据一定数量结构洞位置的企业更容易获取所需的资源和信息，随着网络结构洞的增加，对企业创新绩效的负向影响不显著，因本文选取的样本规模不大，使得形成的创新网络不够紧密，没有达到结构洞密集的程度，因此没有呈现出显著的倒U型关系。关于结构洞对企业创新绩效的影响还需要进一步分析和探讨。

模型5在模型4的基础上加入了自变量知识基础，结果表明知识基础对企业创新绩效具有显著正向影响(β=0.000 142，p<0.05)，即知识基础能够影响企业在产学研合作中的创新能力，对企业创新绩效会产生促进作用，假设3得到验证。

模型6和模型7在模型5的基础上分别加入了知识基础与网络中心性和结构洞的交互项，回归结果显示，知识基础与网络中心性的交互作用对企业创新绩效有负向影响且显著(β=-0.476，p<0.05)，假设4a得到验证；知识基础与结构洞的交互作用对企业创新绩效有正向影响但不显著(β=0.118)，假设4b没有得到验证，可能的原因与结构洞对企业创新绩效的影响相似。

为更直观地表示知识基础与网络中心性和结构洞对企业创新绩效的交互作用，以知识基础与网络中心性交互的均值加减一个标准差作为分组标准，在高知识基础与网络中心性和低知识基础与网络中心性交互情况下，分别对企业创新绩效的影响进行刻画(见图2)，可知，当处于低知识基础时，网络中心性对企业创新绩效影响较弱，处于高知识基础时，网络中心性对企业的创新绩效有显著负向影响；同理，描绘知识基础与结构洞对企业创新绩效的交互效应(见图3)，可知处于低知识基础时，结构洞对企业创新绩效有负向影响，处于高知识基础时，结构洞对企业创新绩效有正向影响，知识基础与结构洞的交互作用对企业创新绩效的正向调节作用并没有得到验证。

图2 知识基础与网络中心性Fig.2 Knowledge base and network centrality

图3 知识基础与结构洞Fig.3 Knowledge base and structure hole

4 结论

本文基于2003～2017年中国无线通信行业发明专利数据，利用社会网络分析法构建产学研合作创新网络，提取55家企业面板数据，运用固定效应负二项回归模型，基于结构嵌入性视角实证分析了产学研创新网络结构、知识基础及其交互作用对企业创新绩效的影响。主要结论有：

1)网络中心性对企业创新绩效有显著正向影响。当企业处于网络的中心位置时，拥有更多的合作链接，能够接触到更多的创新知识，有利于创新主体间的知识流动和资源获取，通过对获得的信息和知识进行有效整合，能够进一步促进新知识的产生。

2)结构洞与企业创新绩效没有呈现出显著的倒U型关系。原因可能是无线通信行业产学研创新网络合作较为松散，大多数企业处于网络的边缘，并未占据结构洞位置，没有达到结构洞密集的程度；由于结构洞优势过于明显而导致对企业创新绩效的负向影响，需要进一步验证。

3)知识基础对企业创新绩效有正向影响且显著。表明企业知识储备影响其在产学研合作中的知识学习和吸收能力，知识的积累程度越高，企业在该领域的技术创新能力越强。知识基础与网络中心性的交互作用对企业创新绩效有显著负向影响，知识基础好的企业不能仅注重在创新网络中的中心地位，更应选择互补性的创新主体建立合作关系，积极获取异质信息和资源。知识基础与结构洞的交互作用对企业创新绩效有正向影响但不显著，但从分析可知企业处于低知识基础时，结构洞对企业创新绩效有负向影响，处于高知识基础时，结构洞对企业创新绩效有正向影响，因此，不同知识基础的企业，其知识基础与结构洞的交互作用对创新绩效的影响不同，因本文符合条件的样本量有限，结论还需进一步分析和验证。