专利联盟成员技术竞合对成员创新绩效的影响

赖流滨，张运生

(1.中南大学 商学院，湖南 长沙 410083；2.长沙师范学院 经济管理学院，湖南 长沙 410148)

0 引言

随着技术的快速发展及日趋复杂，企业研发成本与风险相应提高[1]，任何单一企业都无法垄断行业前沿技术。不同企业拥有的碎片化技术形成“专利丛林”，导致专利纠纷、敲竹杠(Hold-up)行为甚至“反公共地悲剧”现象，并由此产生一系列交易成本，阻碍企业创新和社会福利提升[2-4]。为解决这些难题，行业内竞争者合作组建专利联盟(Patent Pool)。专利联盟也称为专利池，是指两个及以上专利权人基于一些固定条款许可另一方或第三方专利的协议[5]。专利联盟面向高新技术产业市场化应用，由多个创新主体协同开发、共同组建，是供特定技术范畴内零部件、互补配套品、扩展及衍生品等各种技术开发商直接采纳或二次开发采纳的一揽子障碍性专利和互补性专利的集合，具备多边市场用户、交叉网络外部性、不对称价格结构、高私有性、高垄断性、可二次开发、市场应用性强、投资大、高风险高回报等典型特征。国际高科技巨头往往通过加入专利联盟并利用其网络效应和锁定效应获取巨额经济利益[6]。

专利联盟创新效应引发广泛争议，学术界主要从数理建模、案例或实证等方面进行研究，至今尚未形成一致结论。有学者发现专利联盟具有创新激励效应[5,7-8]，也有学者发现专利联盟弱化了研发竞争，阻碍了创新[9-12]。部分学者从专利联盟成立时间和规模进行分析，证明专利联盟在成立前对创新具有激励效应，在成立后激励效应消失；且专利联盟规模越小，激励效应越显著[13]。还有学者认为专利联盟与创新绩效并非线性关系，而是呈倒U型曲线关系，且考虑了网络位置、探索式合作和联盟学习的权变效应。

目前，有关专利联盟创新效应的研究存在3个问题：一是数理建模研究往往忽略了很多实际问题，专利联盟创新效应影响机理复杂，很多需要实证检验[5]；二是部分研究基于联盟成立时间或针对某几个特定联盟案例进行实证检验[11，14]，但由于池内企业往往加入多个专利联盟，这种分析有可能导致研究结论不一致；三是主要从法学或经济学视角进行分析，鲜有从管理学视角进行分析，或仅从合作视角进行分析，极少从“竞合”视角展开分析。尽管有学者探讨竞争性学习在专利联盟与创新绩效之间的调节效应，但忽略了联盟成员之间经常开展专利诉讼的现实，且样本数据多为截面数据，缺乏足够说服力，从管理学视角切入的研究较少。实际上，现代专利联盟成员多为行业竞争者，为获取更高的私人利益[15-18]，他们在合作的同时也会展开激烈竞争甚至引发专利诉讼大战。例如，三星电子与苹果公司都是AVC、HEVC和1394专利联盟成员，三星电子还为苹果公司代工生产芯片、显示屏及内存等智能手机关键零部件。然而，据智慧芽数据库统计，10余年来(2011年4月-2020年10月)，两家企业在美、韩等国上演的专利诉讼大战有近50场，涉及专利123项。由此可见，联盟成员之间的技术竞合很有可能影响联盟成员创新效应。

本文结合战略管理理论和合作竞争理论，着眼于专利联盟成员的关系本质——竞合[19]，将技术合作划分为利用式合作与探索式合作，将技术竞争划分为学习型竞争与诉讼型竞争，以2006-2019年MPEG LA公司12个专利联盟中的76家成员为研究样本，剖析专利联盟成员技术竞合对成员创新绩效的影响机理，以弥补现有研究不足，丰富与完善专利联盟相关研究，为我国高技术企业有效利用专利联盟开展知识产权战略管理提供借鉴。

1 理论分析与研究假设

1.1 联盟成员技术合作竞争

在日益动态复杂的经营环境中，企业往往存在多种二元(Ambidextrous)管理悖论，如竞争与合作、激进式变革与渐进式变革、探索式创新与利用式创新等[20]。其中，探索式创新与利用式创新由March[21]首次提出，包括探索式学习与利用式学习、探索式创新与利用式创新、探索式合作与利用式合作。其中，探索式学习是指通过探索新领域获取新知识，主要包括搜索、变化、创新、试验、发现和灵活性等特征；利用式学习是指通过总结、提炼与升华现有知识获取新知识，主要包括提炼、整合、再开发、选择、生产、实施和执行等特征[22-23]。探索式创新是寻找新组织惯例和发现新技术方法、业务、流程和产品的结果，通过提供新设计、创造新产品、开发新渠道满足新客户需求；利用式创新建立在现有技术、客户和市场知识基础之上，对现有技能和流程进行改进，通过完善设计、提高销售效率和扩大市场满足现有客户需求。探索式合作通过密集互动、共享隐性知识和发展关系资本，旨在探索新知识与新技术(如合作申请专利)、开发新产品[17,24-25]，一般发生在价值链上游环节，以实现长期利益为目的。利用式合作通过交换现有资源，旨在改善产品技术性能、优化业务流程、降低产品成本、提高销售收入，如专利联盟、特许经营、贴牌生产、共享销售渠道等[26-27]，一般发生在价值链下游环节，以实现短期利益为目的。专利联盟可扫清专利许可障碍，提供“一站式”专利许可，减少许可重复收费，提高专利许可收入，其本质上是一种营销联盟，属于技术利用式合作范畴。

为获取更高的私人利益，联盟成员将在经营要素、技术、产品、服务等方面展开激烈竞争[16]，其中技术竞争包括学习型竞争和诉讼型竞争。联盟学习包括联盟伙伴知识获取、吸收、转化和应用4个阶段，其具有路径依赖和积累性特征[27]，既可以是直接学习，如联盟成员之间的互动；也可以是间接学习，如通过专利、学术出版物和观察等[19]。一方面，联盟成员会防止自身核心能力扩散或泄露；另一方面，通过不断学习与掌握联盟成员的关键信息、隐性知识和技术诀窍等核心能力，最终也会导致联盟成员学习竞赛[15-16]。专利诉讼是联盟诉讼型竞争的一种重要形式，包括联盟成员之间的专利权属诉讼、侵权诉讼、合同诉讼和行政诉讼等。专利诉讼尽管具有持续时间长、诉讼成本高、判赔额高、判决不确定性高等特征[28-29]，但已成为阻碍竞争对手和获取私人效益的竞争利器[30]。

1.2 联盟技术合作与创新绩效

专利联盟是联盟成员之间重要的利用式合作形式，本文主要从专利联盟视角探究利用式合作的创新激励效应。专利联盟有可能因为阻碍竞争而对创新产生负效应[11-12]。大多数专利联盟许可协议都包括回授条款，即要求被许可方将对许可专利所作的改进都捐赠给专利联盟，并许可其他成员使用[2-3]，由此导致联盟成员和被许可方无法独立推销改进技术，大大降低了联盟成员和被许可人的私人研发回报和研发动机，从而限制技术市场竞争，进一步阻碍联盟成员创新[5,9]。回授条款还通过鼓励联盟成员研发投资搭便车行为遏制创新[11-12,14]。此外，专利联盟还有可能产生知识产权滥用风险和技术垄断风险，增加外部公司诉讼威胁，破坏联盟成员稳定性，遏制联盟成员创新。这些样本要么是传统专利联盟，要么是受到反垄断调查的专利联盟。

事实上，现代专利联盟只允许互补专利和标准必要专利加入，不包括替代专利或弱专利，以此抑制潜在反创新效应，进而促进竞争和社会福利提升[31]。专利联盟通过提供“一站式”专利许可，弱化企业技术整合能力的相对重要性。专利联盟以FRAND(公平、合理、无歧视)原则向利益相关方提供专利许可，以避免个别公司过高的专利许可费，从而降低专利搜索、谈判、许可成本及侵权风险，增加研发投资利润，刺激联盟成员加大研发投资[2-3,5,12]。专利联盟有助于促进联盟成员之间信息交流、知识共享、技术学习与合作，提高企业创新能力[14]。与双边竞合联盟相比，多边或网络竞合联盟有利于分摊研发成本和风险，通过制定技术标准和营造创新生态系统，促进企业创新[32-33]。此外，专利联盟与技术标准结合可以传递明确信号，即联盟技术标准主要开发者致力于使用该标准促进联盟成员未来发展，这种信号能够降低标准竞争锁定带来的研发成本沉没风险，加快基于专利联盟标准的技术开发[34-35]。

探索式合作通过创新要素流动与共享、关系资本培育提高创新绩效[17,24-25]。每个企业都拥有互补知识和资源，探索式合作能够整合优势资源，拓展知识广度和深度，分担创新活动风险和成本(徐亮等，2019)。共同利益驱使合作双方展开密切交流，共生关系使双方更加相互适应和信任[17,26]。与非竞争者相比，竞争者之间拥有相似的资源和主导逻辑，探索式合作可以帮助企业更好地理解双方需求，缩短知识距离，促进联盟伙伴知识消化、吸收并将其转化为自身能力，从而推动企业创新。随着探索式合作经验的不断积累，企业通过完善双边治理机制遏制机会主义动机和行为，促使双方合作关系更加稳定，进而增加专用性资产投资，促进合作创新[36]。据此，本文提出以下假设：

H1a：利用式合作有利于联盟成员创新绩效提升；

H1b：探索式合作有利于联盟成员创新绩效提升。

1.3 联盟技术竞争与创新绩效

在网络化知识经济时代，技术创新是企业拥有核心竞争力的源泉。具有技术竞争优势的企业往往占据绝大部分市场份额，容易造成“赢家通吃”现象(李庆满等，2013)。竞争产生的“追赶效应”和“拉拨效应”[37]导致系统非平衡，迫使企业加大创新投入，进而促进企业创新绩效提升(李庆满等，2013)。竞争性学习有助于企业消化吸收联盟伙伴知识，通过与内部知识整合创造出新知识，并将其运用于技术创新、产品开发和管理创新，以开展技术竞争、赢得“学习竞赛”[39]。高水平联盟竞争性学习意味着熟悉联盟伙伴知识，且知识学习、吸收与内化经验丰富，有利于企业创新绩效提升。一方面，联盟竞争性学习有助于企业识别联盟伙伴有价值的技术知识，消化与吸收联盟成员多样化知识以改良现有产品和工艺；另一方面，联盟竞争性学习推动联盟伙伴知识和内部研发有机结合，促使企业从外部获取自己所需的稀缺资源，能够保持战略灵活性，避免被锁定和核心能力刚化[39]，从而推动企业创新绩效提升。

然而，联盟学习型竞争也有可能导致机会主义行为，在联盟成员间产生冲突乃至诉讼型竞争。总体来说，诉讼型竞争会弱化甚至阻断创新对企业绩效的反馈效应[40]，主要体现在以下几个方面：一是诉讼成本高、赔偿额大，有限资金被分散使用导致企业技术开发与改进资金减少。诉讼型竞争需要投入大量资金，包括侵权调查费、案件受理费、财产保全费和律师费等，成本高昂。如果败诉，还需要支付赔偿金。专利诉讼以整个产品作为赔偿额度计算单位，赔偿额度巨大。普华永道报告显示，1995-2013年美国专利侵权判赔平均额为550万美元，电信、生物制药、医疗设备行业判赔平均额分别为2 230万美元、1 980万美元和1 590万美元。2007年，微软公司Windows因侵犯朗讯MP3技术而赔偿15.38亿美元。2011年，三星电子智能手机和平板电脑因侵犯苹果公司iPhone及iPad相关专利，2012年被判赔偿额10.49亿美元，2016年被美国最高法院最终判决赔偿3.99亿美元。二是长时间诉讼导致企业投入大量资金和精力应付诉讼案件，而非通过技术进步获取竞争优势。专利诉讼持续时间短则数月，长则两三年甚至10余年。智慧芽数据库检索与统计发现，2009-2018年微软公司专利诉讼案件高达375起，涉及专利732项，在美诉讼案件平均历时1.53年，其中有两项专利(专利号为US5694604和US5694603)诉讼长达13.5年。三是抗辩证据、律师能力及法官对诉讼结果影响较大，诉讼判决结果不确定性高，导致企业风险加大。为控制总风险，企业在作出财务决策时更加谨慎，往往会削减非刚性支出，如高风险、高投资研发支出[41]。据此，本文提出以下假设：

H2a：学习型竞争有利于联盟成员创新绩效提升；

H2b：诉讼型竞争不利于联盟成员创新绩效提升。

1.4 联盟技术竞争的调节作用

1.4.1 联盟学习型竞争的调节作用

徐亮等(2009)研究发现，竞合比仅竞争或合作更能推动企业知识创新与技术进步。然而，竞合有可能导致联盟公共利益被侵占、机会主义行为盛行和知识泄露风险增加[32]，影响企业创新绩效提升。联盟学习型竞争会削弱利用式合作与创新绩效的正向关系。当加入的专利联盟较少时，联盟伙伴知识对双方而言比较新颖独特，通过对联盟伙伴异质性知识的学习和吸收，有利于创新要素流动与融合、关系资本培养，实现内外部知识整合，推动焦点企业技术创新。然而，当深度嵌入专利联盟时，联盟伙伴之间的知识距离缩小，联盟伙伴与企业内部知识整合难度增加，联盟竞争性学习对焦点企业创新激励的边际效应递减。另外，较高的联盟学习型竞争强度也会引起联盟伙伴警觉，其出于自身利益考虑将采取各种措施降低隐性知识泄露风险，抑制专利联盟对焦点企业的创新激励效应。

同样，联盟学习型竞争也会削弱探索式合作的创新激励效应。当焦点企业与池内成员探索式合作较少时，联盟伙伴知识对双方来说新颖独特、优势互补，联盟伙伴学习有利于双方关系资本培养、创新要素流动与整合，能够促进创新绩效提升。但当探索式合作强度较高时，联盟竞争性学习对焦点企业的创新激励效应逐渐减弱。一方面，联盟伙伴间的技术逐渐走向融合与同化，知识整合难度增加，竞争性学习对焦点企业创新激励的边际效应减弱；另一方面，较强的竞争性学习有可能产生机会主义行为，导致知识非意愿泄露风险与公共利益被侵占[32]，引发联盟伙伴不满与不信任，影响联盟伙伴共生关系。因此，联盟伙伴会限制焦点企业联盟竞争性学习机会与行为，阻碍专有知识和技术诀窍分享[17,26]，导致专利联盟对焦点企业的创新激励效应减弱。据此，本文提出以下假设：

H3a：学习型竞争会削弱利用式合作的创新激励效应；

H3b：学习型竞争会削弱探索式合作的创新激励效应。

1.4.2 联盟诉讼型竞争的调节作用

联盟诉讼型竞争有可能负向影响企业创新绩效提升。当联盟伙伴之间存在诉讼时，利用式合作和探索式合作对焦点企业创新的激励效应减弱。一方面，诉讼会破坏联盟伙伴之间的共生关系，阻碍创新资源流动与共享。诉讼往往是在双方冲突不可调和且多次协商无果情况下寻求司法判决。诉讼意味着联盟伙伴关系降到冰点，双方相互对抗、敌视甚至展开恶意攻击，没有任何信任，企业采取各种措施保护自身专有知识，阻止隐性知识和技术诀窍与联盟伙伴分享。严重的诉讼还会使企业退出专利联盟，终止技术合作，阻碍利用式合作和探索式合作目标的实现，削弱技术合作对焦点企业创新的积极影响。另一方面，联盟诉讼型竞争还会分散创新所需资金。企业诉讼尤其是马拉松式诉讼将耗费大量财务和人力资源，分散企业创新资金投入。专利诉讼还有可能引发一系列额外成本，如专利交叉许可费用、关系资本修复费用、专利侵权防范成本等。诉讼的超长周期性与诉讼结果高度不确定往往会导致企业搁置研发周期长、资金需求量大、商业风险高的创新项目，阻碍企业创新绩效提升[41]。据此，本文提出以下假设：

H4a：诉讼型竞争会削弱利用式合作的创新激励效应；

H4b：诉讼型竞争会削弱探索式合作的创新激励效应。

综上所述，本文构建如图1所示的概念模型。

图1 概念模型Fig.1 Conceptual model

2 研究设计

2.1 样本选取与数据来源

本文选取国际专利联盟管理机构MPEG LA公司12个专利联盟中的76个成员作为研究样本。MPEG LA是全球领先的“一站式”专利许可提供商，发展历史较长、管理经验丰富，其先后管理的专利联盟覆盖91个国家/地区200多个成员22 000多项专利，涉及音视频编解码和连接等高技术领域。截至2019年底，MPEG LA共管理12个专利联盟，分别为MPEG-2、1394、MPEG-4V、AVC、MPEG-2S、VC-1、ATSC、MVC、HEVC、Display Port、DASH、EVS，有联盟成员92个，剔除专利授权量低于100项的成员，剩余76家，包括58家企业、6家高校和12家科研机构。专利联盟成员清单、联盟专利清单和进入联盟时间来源于MPEG LA官方网站，专利诉讼、技术距离数据来自智慧芽数据库，专利授权、引用与合作数据来源于Derwent数据库。

2.2 变量测量

2.2.1 因变量

技术创新绩效。专利是衡量技术创新绩效的常用指标，是技术创新成果的直接体现[42]。为控制未观测到的影响因素，以消除因变量对自变量可能产生的影响[50]，同时考虑时滞效应[14]，本文采用企业在加入专利联盟后3年内的专利授权总量衡量技术创新绩效。

2.2.2 自变量

(1)联盟利用式合作水平。从上文可知，专利联盟属于利用式合作形式，因此本文采用焦点成员加入专利联盟的加权时间衡量。借鉴Lampe & Moser[11]的做法，将联盟成员加入专利联盟后的年份依次定义为1，2，3……联盟成员可能加入多个专利联盟，因此将加入每个联盟的时间进行求和。如美国思科公司在1997年、2003年、2006年、2007年分别加入MPEG2、AVC、MPEG-2S和ATSC专利联盟，则2017年其利用式合作为55年(20+14+11+10=55)。

(2)联盟探索式合作水平。张运生等[44]采用发明专利合作申请量表示探索式合作水平，采用其它专利合作申请量表示利用式合作水平。MPEG LA专利联盟主要涉及信息技术产业，是技术密集型产业，其专利几乎都是发明专利，且授权专利已通过创新性审批[45]，比专利申请更能反映成员间的探索性合作成果。因此，本文采用专利联盟焦点成员与所有联盟伙伴的专利合作授权量表示联盟探索式合作水平。

(3)联盟学习型竞争强度。本文采用焦点成员引用所有联盟伙伴专利数量表示联盟学习型竞争强度。专利引用表面上是一种知识流动方式，实质上却是技术学习与改进行为，且这种学习存在一定竞争。一方面，引用联盟伙伴专利意味着对技术进行消化、吸收、模仿或改进，容易产生技术竞争；另一方面，专利引用是在基本专利的基础上开发从属专利，在没有得到对方许可情况下实施基本专利或从属专利，有可能引发专利侵权和诉讼。Yang等[18]采用企业对联盟伙伴的专利引用量与联盟伙伴除自引外专利总被引量的比值测量焦点成员对联盟伙伴的竞争性学习能力，其虽然能够反映焦点成员在联盟伙伴知识溢出中所占比重，或焦点成员对联盟伙伴知识结构的理解程度，但无法反映专利联盟成员之间的专利丛林情况(张运生等，2019)。因此，本文采用焦点成员引用所有联盟伙伴的专利数量测量联盟学习型竞争强度。专利引用数越多，说明焦点成员对联盟伙伴的学习型竞争强度越大。

(4)联盟诉讼型竞争强度。本文用焦点成员与所有联盟伙伴之间的诉讼专利数测量联盟诉讼型竞争强度，由联盟伙伴专利诉讼次数、诉讼涉及专利数、联盟双方诉讼持续时间、侵权索赔金额、侵权赔偿判决金额等变量反映[25]。鉴于数据可得性，本文选用诉讼涉及专利数反映诉讼型竞争强度[27]。如果一项专利某年度在多个联盟成员之间诉讼，则对其加总。

2.2.3 控制变量

(1)网络位置。网络位置影响专利联盟成员可触及的信息和资源数量(李晓桃等，2019)。处于联盟网络中心位置的企业能从专利联盟中汲取隐秘的知识线索，拓展知识来源，提升技术创新绩效。部分学者采用专利引用网络[14]或合作网络[47]度数中心性测度网络中心性。MPEG LA大多根据联盟专利数分配联盟成员许可收益，成员加入联盟专利数能够客观反映其联盟地位。基于专利联盟的特殊性，本文采用加入联盟专利数测度网络位置。

(2)诉讼专利数。焦点成员诉讼专利数与联盟诉讼型竞争强度相关性较强，因此将焦点成员诉讼专利数作为控制变量。测度方法是：作为原告诉讼的专利数和作为被告诉讼的专利数加权求和，如果某项专利同时作为原告诉讼专利和被告诉讼专利，则合计为2项专利。

(3)研发活跃期。研发活跃期为焦点成员专利授权记录至当年年底所经历的时间，反映专利研发历史。专利研发活跃期越长，研发经验越丰富，越有可能影响企业技术创新。

(4)研发强度。本文用企业前3年专利授权数衡量研发强度，反映专利联盟成员前3年的技术积累和研发实力。另外，企业人力、物力和财力规模也是影响企业技术创新的重要指标。因此，控制研发强度与控制人财物规模类似，均是对开展技术创新所需大量人财物资源的投入和分配。由于样本专利联盟成员除公开上市企业外，还涉及没有公开上市的企业、科研院所和高校，人财物规模无法有效反映企业整体研发资源和实力。基于此，本文认为研发强度比人力、物力、财力规模更适宜作为控制变量。

(5)联盟成员引用专利。本文用所有联盟伙伴引用焦点成员的专利数衡量，反映联盟伙伴对焦点成员知识结构的理解程度，即焦点成员对联盟伙伴知识的溢出情况，可能对焦点成员创新绩效产生影响。

(6)技术距离。联盟伙伴之间的知识距离是技术创新的前提条件，对企业技术创新具有重要影响[40]，本文用焦点成员与所有联盟成员前3年的技术相关系数均值表示。沿用Tan[49]的方法计算技术距离：首先，收集各成员各年度每个IPC国际分类号(前四位代码)的专利数量，以3年为周期进行平移，计算各成员的专利相关系数，将其作为联盟成员当年的技术距离；其次，计算焦点成员与所有联盟成员相关系数的均值。数值越大，说明技术距离越小。

(7)单位类型。专利联盟成员包括企业、高校和科研院所3种类型。成员类型不同，技术创新倾向不同，因此本文引入专利联盟成员单位类型作为虚拟变量加以控制。

(8)年份。为控制宏观经济或特定年份对企业技术创新绩效的影响，本文在控制变量中加入年份虚拟变量。

3 实证结果分析与讨论

3.1 模型选取

本文采用层次回归法对假设进行检验，即将控制变量、解释变量及其乘积项按顺序依次加入如下回归模型：

TIP=α0+αControls+ε1

(1)

TIP=α0+α1PLOI+α2PLOR+α3LCPP+α4PLPP+αControls+ε2

(2)

TIP=α0+α1PLOI+α2PLOR+α3LCPP+α4PLPP+α5LCPP×PLOI+α6LCPP×PLOR+αControls+ε3

(3)

TIP=α0+α1PLOI+α2PLOR+α3LCPP+α4PLPP+α7PLPP×PLOI+α8PLPP×PLOR+αControls+ε4

(4)

其中，TIP、PLOR、PLOI、LCPP、PLPP分别表示技术创新绩效、探索式合作、利用式合作、学习型竞争和诉讼型竞争；Controls表示控制变量；α为控制变量回归系数；α0为常数项，α1～α8为解释变量和乘积项的回归系数；α1～α4为残差项。

本文中的因变量专利授权量为离散非负整数，其残差呈非正态分布，适宜采用计数模型。由于因变量存在过度离散现象(均值为5.07×103，方差为7.63×107)，泊松回归有可能出现虚假、较高水平的显著性，因此选用负二项回归模型。在豪斯曼检验的基础上，选取固定效应模型进行检验。

3.2 描述性统计分析

表1为各变量均值、标准差、相关系数和方差膨胀因子结果(VIF)。本文通过UCINET软件绘制2018年联盟成员技术合作与竞争网络图(见图2和图3)。从中可见，变量之间的相关系数一般低于0.7，但变量4与5、变量4与9、变量4与10、变量5与7、变量9与10的相关系数分别高达0.73、0.87、0.88、0.86、0.87，因此可能存在多重共线性问题。为此，计算所有预测变量的VIF值发现均值为3.41，最大值为7.05，低于存在多重共线性判定临界值10，说明多重共线性问题不明显[50]。

表1 描述性统计及相关系数结果Tab.1 Descriptive statistics and correlations

图2 2018年MPEG LA成员技术合作网络Fig.2 Technical collaboration network of MPEG LA members in 2018

图3 2018年MPEG LA成员技术竞争网络Fig.3 Technical competition network of MPEG LA members in 2018

3.3 回归分析

各模型回归分析结果如表2所示。其中，模型1仅包括调节变量，Chi2=567.01且影响系数显著，说明模型整体拟合程度较好。专利诉讼、研发活跃期、联盟成员引用专利、技术距离、单位类型和年份在1%水平上对技术创新具有显著正向影响，说明控制变量基本有效。模型2在模型1基础上引入技术竞合4个自变量以验证H1和H2。结果显示，联盟利用式合作系数显著为正(β=0.054，p<0.01)，表明联盟利用式合作水平越高，焦点成员创新绩效越好，H1a得以验证；联盟探索式合作系数显著为正(β=0.036，p<0.05)，表明联盟探索式合作水平越高，焦点成员创新绩效越好，H1b得以验证；联盟学习型竞争系数显著为正(β=0.416，p<0.01)，表明联盟学习型竞争强度越大，焦点成员创新绩效越高，H2a得以验证；联盟诉讼型竞争系数显著为负(β=-0.044，p<0.01)，表明联盟诉讼型竞争强度越低，越有利于焦点成员创新绩效提升，H2b得以验证。

表2 负二项回归结果Tab.2 Negative binomial model estimation

模型3在模型2的基础上引入联盟学习型竞争与技术合作交互项以验证H3。结果表明：联盟学习型竞争与利用式合作交互项系数显著为负(β=-0.103，p<0.01)，表明联盟学习型竞争负向调节联盟利用式合作与创新绩效的关系，H3a得以验证；联盟学习型竞争与探索式合作交互项系数显著为负(β=-0.099，p<0.01)，表明联盟学习型竞争负向调节联盟探索式合作与创新绩效的关系，H3b得以验证。模型4在模型2的基础上引入联盟诉讼型竞争与技术合作交互项以验证H4。结果表明：联盟诉讼型竞争与利用式合作交互项系数显著为负(β=-0.007，p<0.01)，表明联盟诉讼型竞争负向调节联盟利用式合作与创新绩效的关系，H4a得以验证；联盟诉讼型竞争与联盟探索式合作交互项系数显著为负(β=-0.005，p<0.05)，表明联盟诉讼型竞争负向调节联盟探索式合作与创新绩效的关系，H4b得以验证。

3.4 稳健性检验

本文进行如下稳健性检验：

(1)更换因变量测度方式和回归模型。前文采用后3年专利授权总量衡量焦点成员创新绩效，现分别改用后2～6年的专利授权总量衡量创新绩效。本文进行负二项回归发现，采用固定效应模型分析无法得到相应回归结果，因此改用随机效应模型进行回归分析,结果见表3。本文用后2年和后3年的专利授权量衡量创新绩效，发现回归结果未发生实质性改变，所有假设均得到验证。

(2)用后4年专利授权量衡量创新绩效，发现除H4b之外的假设均获得支持。联盟诉讼型竞争与探索式合作交互项为负但并不显著(β=-0.002，p>0.1)，表明联盟诉讼型竞争并不能显著调节联盟探索式合作与创新绩效的关系，H4b未得到验证。这可能是因为随着时间推移，诉讼型竞争对探索式合作与焦点成员创新绩效关系的调节作用逐渐减弱直至消失。用后5年专利授权量衡量创新绩效发现，联盟利用式合作系数为正但不显著(β=-0.013，p>0.1)，表明联盟利用式合作不能促进焦点成员创新绩效提升，H1a未得到验证。这可能是因为随着时间推移，联盟利用式合作对焦点成员创新绩效的提升作用逐渐减弱直至消失。联盟诉讼型竞争与探索式合作交互项系数为负但不显著(β=-0.001，p>0.1)，表明联盟诉讼型竞争不能调节联盟探索式合作与创新绩效的关系，H4b未得到验证，其它假设依然成立。

(3)本文用后6年专利授权量衡量创新绩效，发现联盟利用式合作系数显著为负(β=-0.034，p<0.05),表明加入专利联盟不仅不能提升焦点成员创新绩效，还会起到遏制作用，H1a未得到验证；联盟探索式合作系数为正但不显著(β=0.020，p>0.1)，表明联盟探索式合作不能提升焦点成员创新绩效，H1b未得到验证。这可能是因为随着时间推移，联盟探索式合作对焦点成员创新绩效的提升作用逐渐减弱直至消失。联盟学习型竞争与利用式合作交互项系数为负但不显著(β=-0.039，p>0.1)，联盟学习型竞争与探索式合作交互项系数为负但不显著(β=-0.027，p>0.1)，联盟诉讼型竞争与利用式合作交互项为负但不显著(β=-0.003，p>0.1)，联盟诉讼型竞争与探索式合作交互项系数为正但不显著(β=0.004，p>0.1)，H3a、H3b、H4a、H4b均未得到验证。这可能是因为随着时间推移，学习型竞争与诉讼型竞争对双元合作与焦点成员创新绩效关系的调节作用逐渐减弱。联盟学习型竞争系数显著为正(β=0.221，p<0.01)，联盟诉讼型竞争系数显著为负(β=-0.024，p<0.01)，表明联盟学习型竞争有助于提升焦点成员创新绩效，而联盟诉讼型竞争则会遏制焦点成员创新绩效提升，H2a和H2b得到验证。

由此可见，随着时间推移，联盟利用式合作和探索式合作创新激励效应逐渐减弱，而联盟学习型竞争与诉讼型竞争对创新绩效的影响依然显著。

此外，考虑到联盟成员中企业、科研院所和高校创新环境、模式、动力存在差异，而企业作为创新主体，其技术创新受到广泛关注。鉴于此，剔除科研院所和高校对58家样本企业重新进行检验，发现回归结果未发生实质性改变(见表4)。

表3 负二项回归结果Tab.3 Negative binomial model estimation

表4 负二项回归结果(58家企业样本)Tab.4 Negative binomial model estimation (the sample of 58 enterprises)

4 结论与启示

4.1 研究结论

本文以MPEG LA公司12个专利联盟中的76家成员为研究样本，针对联盟成员技术竞合对企业创新绩效的影响进行实证分析，得出如下结论：联盟利用式合作、探索式合作、学习型竞争有利于联盟成员创新绩效提升，而联盟诉讼型竞争不利于联盟成员创新绩效提升；联盟学习型竞争和诉讼型竞争对双元合作与创新绩效关系均具有显著负向调节作用。

4.2 研究贡献

本文对战略联盟核心领域具有如下贡献：

(1)以往研究缺乏对专利联盟创新效应的现实认识，且较少关注多个专利联盟成员技术竞合网络。本研究聚焦专利联盟成员间密集的竞合关系进行实证分析，发现专利联盟技术竞合对成员创新绩效具有显著影响，拓展与完善了专利联盟技术创新效应研究，尤其是大样本实证研究。

(2)之前文献主要从专利联盟组建、合作角度进行研究，极少将合作与竞争同时纳入研究框架，仅考虑专利联盟部分特性，未对创新效应形成全面认识。本文立足专利联盟成员联盟内合作、联盟外竞争的现实，引入合作竞争、组织间惯例、联盟学习、关系资本等战略管理分析视角，将联盟技术合作分为利用式合作和探索式合作，将技术竞争分为学习型竞争和诉讼型竞争，分析联盟成员技术合作竞争对成员创新绩效的影响，得出与之前学者[34]不一样的观点，发现合作比竞合更能够推动联盟成员技术创新，学习型竞争更能推动联盟成员技术创新，但诉讼型竞争则会阻碍联盟成员技术创新。

4.3 研究启示

本文对高技术企业知识产权管理提供以下启示：

(1)积极融入专利联盟。专利联盟可以为池内成员提供技术学习和知识交流平台，促进池内成员技术创新(张运生等，2020)。因此，高技术企业应积极申请加入全球知名专利联盟，提高企业品牌知名度，清除专利实施障碍；行业龙头企业则可联合行业内企业共建专利联盟，利用国内广阔的市场布局中国专利联盟，营造创新生态系统。

(2)推动联盟成员合作技术研发。自主创新并不等于封闭式创新，高技术企业应推动开放式创新，积极创造条件与联盟成员合作研发技术，培育联盟双方关系资本，发挥各自技术优势，实现共赢。

(3)促进联盟成员学习。应加强与联盟伙伴的学习与交流，利用异质性资源推动企业创新，可以控制学习强度或以更加隐蔽的方式进行学习，以免引起联盟伙伴的戒备和不满。同时，加强自身隐性知识和商业机密保护，防止企业核心技术泄露。

(4)加强联盟冲突管理。高技术企业加入专利联盟后不可避免地会与联盟伙伴发生利益冲突。企业应通过签订协议的方式防止联盟伙伴的机会主义行为，通过洽谈与和解等方式管控联盟之间的分歧，避免正面冲突尤其是专利诉讼。

4.4 不足与展望

本文存在以下不足：①鉴于数据可行性，本文选取MPEG LA的12个联盟，这些联盟成员可能还会加入其它专利联盟，因此未来可将样本扩充至Via Licensing、DVD 6C等联盟成员，以增强结论解释力度；②仅研究发达国家IT产业专利联盟，尽管MPEG LA是国际知名专利联盟管理机构，但属于发达国家，且只涉及一个产业，然而发展中国家与欧洲发达国家专利联盟可能会得出不同结论，因此未来应重点分析不同发达国家或者发展中国家与发达国家之间的多国专利联盟，以及生物医药、新能源汽车等多产业专利联盟成员；③仅采用诉讼专利数测度联盟诉讼型竞争强度，未来可进一步拓展至诉讼持续时间、判决赔偿金额、诉讼案件数等，以验证结论的一致性。