企业网络位置、关系强度与技术创新绩效——以OLED产业为例

肖久灵， 韩玉冰

(南京审计大学 商学院， 南京 211815)

国家“十四五”规划指出要把握未来先导性和基础性产业的发展机遇,逐步实现战略性新兴产业应用化的高质量发展。OLED产业作为战略性新兴产业之一,不仅具有附加值高、产品应用广泛和高市场潜力等特点,而且还是横跨电子、信息和节能领域的信息技术产业,与其他产业相比,其在万物互联、云端处理和智能终端等显示领域拥有巨大应用前景,并受到全球各国的关注和重视[1]。随着全球性技术研发合作的加深,OLED产业的技术创新网络也在逐步发展并走向成熟,但与此同时,各国企业在网络演化中仍然面临如何优化网络位置选择、维系企业间关系强度以及提升技术创新绩效等诸多问题[2-4]。

从已有文献来看,学者们对于网络中技术创新绩效的影响因素研究主要涉及网络位置[5]、关系强度[6]、网络中心度[7-8]等方面。多数学者采用程度中心度衡量企业网络位置,并提供了正向[9-10]或负向[11-12]影响技术创新绩效的经验证据,还有学者将知识距离[13]、技术多元化[14-15]和地理临近性[16]等变量纳入网络位置与技术创新绩效的关系中,但对于网络位置这一关键因素,众多学者并未形成统一观点,网络位置对技术创新绩效的影响仍然还在探索之中。

除网络位置外,学者们还发现企业间的关系强度也是影响技术创新绩效的重要变量[17-18]。合作创新网络离不开企业间关系情境[19],众多学者通过实证研究发现关系强度与创新绩效之间存在着正向关系[20-21]。吴晓云和王建平[22]研究发现关系强度对不同的创新类型存在不一致的影响；魏江和郑小勇[23]则将组织学习能力作为中介变量,发现关系强度与创新绩效依然存在正向关系。可见,学者们对于关系强度与企业合作创新网络存在不一致的研究结论,且二者在企业创新能力的提升起到何种作用等诸多问题非常值得探讨。

从上述研究可以看到:①对于网络位置衡量指标的选择,多数研究采用程度中心度来研究网络位置对创新绩效的影响[13],但在合作研发网络中还存在信息冗余、信任危机和沟通障碍等影响企业创新绩效的因素[14],因此有必要进一步细化中心度指标,从而得到更加丰富的结论；②现有研究分析合作创新网络时,多数学者重点关注网络中心度[10]、网络嵌入[11]或是网络位置[24]的影响,相对忽略了网络中关系强度的重要性,部分学者虽然注意到网络位置和关系强度对技术创新绩效可能都存在影响[25],但并没有探讨网络位置与关系强度之间可能存在的内在关联及其影响技术创新绩效的复杂机理。

基于以上研究局限,采用2014—2020年269家OLED企业联合专利数据,以3年的滚动时间窗口构建合作研发网络,实证分析网络位置中的程度中心度、接近中心度和中介中心度如何影响企业技术创新绩效,以及关系强度如何调节程度中心度、接近中心度和中介中心度与技术创新绩效的关系。研究结论将有助于从关系强度的角度拓展网络位置对技术创新绩效的研究成果,为中国企业技术创新及管理实践提供启示。

1 理论基础与研究假设

1.1 网络位置与技术创新绩效

网络位置作为网络嵌入理论中的重要变量,在合作创新网络中对企业技术创新绩效具有重要影响[26-27]。企业网络位置是企业与其他行动主体关系建立的结果,企业趋于网络中心位置,其他企业更愿意与其形成密切的合作研发关系,从而实现提升创新绩效的目的[28]。在社会网络分析中,衡量网络位置的指标通常分为两种[5]：一种是网络对等性、网络密度等描述整体网络位置的指标；另一种是描述单个网络节点的指标,如程度中心度、接近中心度、中介中心度[13]和结构洞等[29-30]。多数学者采用程度中心度、接近中心度和中介中心度等网络节点指标考察企业网络位置对技术创新绩效的影响。

1.1.1 程度中心度与技术创新绩效

程度中心度是根据网络中直接相连的数量来计算节点在网络中地位的指标,用于反映节点在网络中的中心位置。在合作创新网络中,程度中心度越高的企业往往占据网络中心位置,可以凭借获得的资源、信息和技术优势促进技术创新绩效的提升[12]。一般而言,程度中心性可以通过以下两个方面来影响技术创新绩效:一方面,程度中心度高的企业拥有更多的信息来源渠道,增强企业的信息资源优势,进而提高企业技术创新绩效。多渠道的信息来源说明企业可以整合各方面的独特信息实现技术创新[31],整合现有知识与不同来源的信息形成技术知识优势,从而优化企业的创新发展战略[25],促进企业技术创新绩效提升。另一方面,程度中心度高的企业拥有不同企业的互补性技能,强化自身的资源交换能力。在和其他企业进行合作创新时,通过交换彼此之间的技术创新等信息[32],与已有资源形成互补,为企业更好地适应外部环境变化、把握新的创新机遇和应对市场风险提供支持[5]。因此,程度中心度高的企业可以拓宽信息渠道和信息源,互相交换技术和知识等创新资源,进而促进企业绩效的提升。综上提出以下假设。

H1:程度中心度对技术创新绩效有正向影响。

1.1.2 接近中心度与技术创新绩效

接近中心度是指衡量一个节点到其他节点的和的距离,它代表了焦点节点和其他节点之间连接的方便性和便捷性,反映节点获取外部知识的效率[14]。接近中心度对企业创新绩效存在正向影响,原因如下:一方面,接近中心度代表特定节点的独立级别,当一个特定节点能够与许多其他节点通信,并且具有最少数量的中介时,它就具有更高的独立性[33]。接近中心度较高的企业在研发合作中可以保持更多的自主性,有利于企业对比不同信息源之间的信息[34],降低信息传播过程中的失真风险[35],保证企业能够获取准确的有价值信息。另一方面,接近中心度高的节点比其他节点更靠近更多的节点[36],可以通过少数节点与大量企业建立联系。具有更高的接近中心度的企业更容易获得信息和知识来源,这有助于企业以更高的效率获取更多异质性技术与资源,为企业进行合作研发提供更多的知识要素[14],有利于企业技术创新绩效的提高。综上提出以下假设。

H2:接近中心度对技术创新绩效有正向影响。

1.1.3 中介中心度与技术创新绩效

中介中心度是指通过该节点的任意一对节点的最短路径的数量[7],测量的是一个节点能在多大程度上控制或影响网络中的其他节点的能力,反映节点对网络内信息流动的控制程度[14]。中介中心度高的企业在提升技术创新绩效方面拥有强大的优势,原因如下:一方面,中介中心度测量的是行动者对资源控制的程度[32],赋予企业在网络中的重要地位[14]。高中介中心度的企业控制着网络中其他企业所需要的关键技术信息,说明其拥有更强的知识流动性与资源获取力[16],可以获取信息技术的独占价值[24],实现企业技术创新绩效的提升。另一方面,中介中心度较高的企业在网络中往往扮演技术信息纽带或者连接器的重要角色[37],在与其他企业之间的关系中起着桥梁和纽带的作用,控制着网络内信息交流的主干通道[14],使其可以根据外部动态环境的变化,有针对性地选择相应的创新战略来满足新的市场需求,进而提升技术创新绩效的增长。按照以上逻辑,提出以下假设。

H3:中介中心度对技术创新绩效有正向影响。

1.2 关系强度的调节作用

关系强度是情感强度、互相信任、互动频率和互惠服务的线性组合[37],反映了网络成员之间的交互频率,是企业获取并整合创新资源的重要影响因素[18]。Fleming等[38]的研究发现,更大的网络中心度加上更强的关系联结,可以提高企业之间的信任感与亲密度,增加企业分享有价值知识的意愿,促进创新成果的产生。因此关系强度正向调节合作研发网络中心度对企业技术创新绩效的影响。

基于Fleming的合作经济理论,在强关系的作用下企业间的信任感更高,彼此之间的技术知识与信息共享更为便捷,使得程度中心度影响技术创新绩效的作用更为显著。关系强度提高了企业对技术知识等资源的交换能力,以便企业基于程度中心度优势获取更多外部创新资源,从而促进企业技术创新绩效的提升[32]。此外,强关系增加了企业研发资金、人员和设备等资源的共享功能[14],这有利于拓宽信息来源的渠道,增加企业的合作创新机会,促使企业产出更多创新成果。因此,与其他企业保持较高的关系强度,将使程度中心度高的企业所拥有的信息和知识,对于网络中其他企业而言具有更大的价值[16],此时,程度中心度高的企业更可能利用信息和知识等互补性资源,与强关系企业之间进行资源交换与价值共享,从而更好地应对市场风险并及时把握市场发展机遇[5],这将更有利于技术创新绩效的提升。基于以上分析,随着关系强度的提高,程度中心度对技术创新绩效的影响也会变得更加显著,由此提出以下假设。

H4a:关系强度会正向调节程度中心度与技术创新绩效的关系。

保持强关系的企业之间具有维系时间久、彼此熟悉[39]、沟通频繁[40]等特点,有助于基于共同知识形成信任、互惠等社会网络,使得企业能够以更少的节点接触到更多企业,有利于接近中心度高的企业保持更高的独立自主性,降低信息传播过程中的失真风险,准确地判断、吸收和利用网络成员所拥有的知识[41],增强企业之间的知识流动,促进技术创新绩效的提高。此外,强联结企业往往与周围的合作伙伴保持紧密关系,随着彼此联系的加深,不断靠近网络的中心位置,以更高的效率获取更多异质性技术与资源。相反,关系强度较低的企业往往处于合作研发网络的孤立位置[17],使得企业在网络中处于知识流动与信息沟通的劣势地位,不利于企业间良好合作关系的维系[20],难以及时获得准确度高的知识与资源,阻碍接近中心度对企业创新绩效的促进作用。综合上述分析,提出以下假设。

H4b:关系强度会正向调节接近中心度与技术创新绩效的关系。

强联结企业间所产生的新知识可以持续很长时间[42],并且多次的互动、共享的知识和深厚的关系,能够挖掘和访问组织中现有知识体系的细节,捕捉新的有用知识[43],在长时间的互动中形成共同认知框架[44],而中介中心度较高的企业通常作为合作研发网络内部的信息纽带,这意味着企业间新的信息知识交流更加频繁[24],在关系强度的作用下进一步增强了企业之间的知识流动以实现技术创新绩效的提升[40]。此外,中介中心度可以衡量企业在合作研发网络中作为信息传递媒介的能力[45],中介中心度越高的企业对网络内信息传递过程的控制程度越高,在此过程中关系强度促进了细粒度信息、详细知识和专业技能的传递[46],这意味着企业间合作的潜在顾虑可以减少,更容易接受创新过程和结果中所出现的不确定性[47],表明在高水平的关系强度下,中介中心度高的企业更有利于信息知识的传递,从而更容易产生技术创新成果,提升企业技术创新绩效。综上所述,提出以下假设。

H4c:关系强度会正向调节中介中心度与技术创新绩效的关系。

根据上述的理论推导与研究假设构建研究模型,如图1所示。

图1 研究模型

2 研究设计

2.1 数据处理

本研究主要针对合作研发的创新网络,因此研究对象需要具有明显的创新与企业间技术合作等特征。考虑到OLED产业作为战略性新兴产业,具有涉及的相关企业范围广、产品的更新迭代速度快和企业间合作专利数量多等特点,符合研究对象的选择标准与特征,因此以OLED产业为例进行实证分析。另外,Derwent数据库中2014—2020年关于OLED产业的专利有54 140条记录,选择OLED产业可得到具有较为连续的企业层面数据。

采用269家OLED企业的联合申请并授权的专利数据来研究企业在合作创新网络的位置、关系强度与技术创新绩效的关系。首先,根据(organic* light-emitting* diode* or organic* electroluminescence* display or organic* light emitting* devices* or organic* light* emitting* diode* or organic* light* emitting* devices* or organic* light emitting* display* or organic* light*emitting* display* or oled or oleds or pleds or pleds)的检索式[2],检索下载2014—2020年企业在OLED领域申请的所有专利,将专利权人名称进行整理并筛选出属于OLED产业的269家企业。借鉴曾德明和文金艳[13]合作研发关系持续性假设,以3年的滚动时间窗口,基于t-1年至t+1年的联合申请专利构建起OLED产业在t年的合作创新网络,并计算相关网络位置和关系强度指标。其次,合作创新网络中企业的技术创新绩效数据源于Derwent数据库2016—2020年企业申请的全部专利数量。最后,企业特征数据来源于企业官网和EMIS数据库,通过信息查询得到企业的成立时间、所在国家等属性数据。

2.2 变量测量

2.2.1 因变量

因变量为技术创新绩效。由于OLED行业属于战略性新兴产业,一般通过专利申请对企业的知识产权进行保护[2],同时考虑到将具体的技术运用于企业的生产制造需要一定的时效,即考虑到创新成果的时滞性,采用t+1年企业i申请的专利数量来测度企业的技术创新绩效。

2.2.2 自变量

自变量为网络位置。采用程度中心度、接近中心度和中介中心度等网络节点指标衡量企业网络位置[13],参考Freeman[7]和罗家德[8]对各中心度指标的定义和测量方法,基于每年的合作创新网络,运用Pajek软件计算得出相应企业的网络位置。程度中心度、接近中心度和中介中心度的具体含义和计算公式如下:

程度中心度(DC)是指与企业直接联系的总数,衡量企业在网络中靠近中心的程度。计算公式为

(1)

式中：xij表示节点i与节点j直接相连的数量。

接近中心度(CC)反映企业在获取创新资源的独立程度,如果企业与网络中其他企业之间的最短距离越小,那么其接近中心度就越高。计算公式为

(2)

式中：n表示节点i所处网络内的所有节点总数；d(i,j)表示节点i到节点j的最短路径长度。

中介中心度(BC)衡量一个企业作为桥梁或枢纽的作用,如果一家企业处于很多企业必经的路径上,那么该企业就拥有较高的中介中心度。其计算公式为

(3)

式中：Gjk表示节点j与节点k之间的最短路径条数；Gjk(ni)表示节点j与节点k之间的最短路径中经过节点i的条数。

2.2.3 调节变量

调节变量为关系强度。参考Claudia[17]、高霞等[20]对合作关系强度的测量方法,基于企业的联合专利网络,采用企业i的总合作次数/企业i的联合专利企业数量来测度关系强度。企业的关系强度越高,表示企业与合作伙伴之间的合作创新次数越多,反之亦然。

2.2.4 控制变量

1)结构洞。结构洞是指企业与其他节点之间的非冗余性联系,结构洞越多的企业能够获得更多异质性知识、技术与资源[30]。参考杜玉申和刘梓毓[14]对结构洞的计算方法,基于每一年的合作研发网络,利用Pajek 2.0软件计算企业的限制度,由于是结构洞的反向测量且处于0与1之间,采用1与其差值的对数来测量企业的结构洞。

2)企业年龄。因企业年龄不同会造成企业的知识、技术、资源等都存在较大差异。一般而言,企业成立的时间越长,其在各技术领域积累的知识越多,其所获得的技术和资源更多,更容易将创新投入转变为创新产出[28]。因此,将企业年龄作为控制变量。

3)企业所在国家。研究样本中的企业涉及中国、日本和韩国等8个国家,其中中国、日本和韩国的企业占到89.5%。为了便于研究中国OLED产业发展现状,考虑到不同国家的地理位置和经济发展环境存在较大差异,有可能会影响企业创新绩效[18],而且这3个国家同处于东亚地区,在外部环境上具有较强的相似性,于是引入中国、日本和韩国3个虚拟变量,以控制不同国家所带来的间接影响。

4)年份。不同年份的经济环境和政策背景会给企业造成截然不同的后果,因此为了避免年份给实证分析带来的影响,借鉴学者们对年份的变量处理[11-12],在回归分析中把合作创新网络的观测期年份设置成5个的虚拟变量,从而对年份加以控制。

3 数据分析与检验

3.1 OLED产业专利网络分析

应用Pajek 2.0绘制OLED产业部分时间窗口下焦点企业间的联合专利网络,如图1所示。不同时间窗口下的网络拓扑变化表明:在OLED产业发展过程中,合作创新网络中子群数量和规模处于动态变化之中,并呈现不断融合的趋势。而且在2014—2016年网络的平均路径长度为4.765,而2018—2020年则降低到4.488,这表明随着产业技术水平的进步,焦点企业间的合作创新路径变短,整个合作创新网络的子群融合程度也在进一步加深。

3.2 描述性统计与相关性分析

主要变量的描述性统计、相关系数和VIF值见表1。首先从均值和标准差来看,企业技术创新绩效的均值为467.322,标准差为1 004.452,表明总体上OLED 产业的创新活动较频繁,然而不同企业的技术创新绩效差异较大,企业的关系强度均值为15.047,标准差为26.517,表明企业每年与合作伙伴平均有15次左右的合作,合作研发成为企业获取外部创新资源的重要手段[13]。其次,各变量之间相关系数的绝对值均小于0.6,且VIF值均低于6,进一步排除多重共线性的影响。最后,程度中心度、接近中心度、中介中心度、关系强度与技术创新绩效均存在显著正相关关系,这为变量之间的关系分析以及调节效应的检验提供了必要前提。

表1 描述性统计与相关性分析结果(N=1 291)

图2 OLED产业部分时间窗网络拓扑图

3.3 回归结果分析

为了检验网络位置、关系强度与企业技术创新绩效的关系,采用逐步回归法进行负二项回归分析。如表2所示,模型1加入控制变量,即结构洞、企业年龄和所在国家等,模型2～模型4依次加入自变量,考察程度中心度、接近中心度和中介中心度对技术创新绩效的影响,模型5～模型7则是分别检验关系强度与程度中心度、接近中心度和中介中心度的交互项对技术创新绩效是否存在显著影响。

表2 负二项回归结果(N=1 291)

首先,从模型1的结果可以看出结构洞、企业年龄、所在国家对技术创新绩效都存在显著影响,同时该模型的拟合程度R2为0.069,说明控制变量对因变量的解释程度较低,因此研究中所选择的控制变量有效性较高。

其次,由模型2可知,程度中心度正向影响企业技术创新绩效(β=0.469,P<0.01),假设H1得到验证。由模型3可知,接近中心度正向影响企业技术创新绩效(β=0.240,P<0.01),假设H2得到验证。由模型4可知,中介中心度正向影响企业技术创新绩效(β=0.556,P<0.01),假设H3得到验证。

最后,模型5～模型7进一步验证了关系强度对3个中心度与技术创新绩效间的调节作用。程度中心度与关系强度的交互项显示关系强度正向调节程度中心度与技术创新绩效之间的关系(β=0.375,P<0.01),因此假设H4a得到验证；接近中心度与关系强度的交互项系数为正(β=0.066),且统计量显著(P<0.05),表明关系强度正向调节接近中心度与技术创新绩效之间的关系,因此假设H4b得到验证；中介中心度与关系强度的交互项系数为0.204(P<0.01),表明关系强度正向调节中介中心度与技术创新绩效之间的关系,因此假设H4c得到验证。

此外,在分析关系强度对网络位置与企业技术创新绩效之间的调节作用时,接近中心度与关系强度交互项的显著性为5%,明显低于其他两个交互性,而在单独分析合作研发网络中心度对技术创新绩效的影响时,接近中心度的显著性为1%,这意味着接近中心度自身对企业技术创新绩效的提升作用较强,但加入关系强度的调节作用时,其对企业技术创新绩效的提升作用要弱于其他两个中心度与加入关系强度时的提升作用。

4 研究结论与展望

4.1 研究结论

基于Derwent数据库2014—2020年OLED产业的专利数据,以269家企业的联合申请专利数据构建合作创新网络,使用负二项式回归模型分别从程度中心度、接近中心度和中介中心度3个维度,分析企业的网络位置对其技术创新绩效的影响,并检验了关系强度在上述过程中的调节作用,得到以下结论:①企业在合作创新网络中占据的网络位置对技术创新绩效有正向影响,衡量企业网络位置的程度中心度、接近中心度和中介中心度均与技术创新绩效之间存在显著的正相关关系；②关系强度对程度中心度、接近中心度和中介中心度与技术创新绩效之间的关系产生显著的正向调节作用,其中关系强度对接近中心度与技术创新绩效的调节作用较弱于对程度中心度和中介中心度与技术创新绩效的调节作用,这一研究结论回应了李德辉等[11]关于网络嵌入并非高枕无忧的观点,可能的原因在于接近中心度反映企业在合作创新网络中取得信息技术等创新资源的独立程度,而关系强度需要企业维系大量的合作伙伴关系,增强彼此的依赖程度,这在一定程度上抑制了强关系所带来的正向调节作用,使得关系强度对接近中心度的调节效应较弱于其他两个中心度。

4.2 理论贡献

根据上述的研究结论,其对理论研究的贡献体现在以下两个方面:一方面,深化了现有研究对网络位置与企业技术创新绩效关系的理论认识。现有研究关于网络位置与企业技术创新绩效之间的关系并未得到一致结论[12],一些学者发现网络中心性可能更容易给企业带来冗余信息和维系成本等问题[11],忽视了对关系成本与网络风险等负向机制的影响[35],而实证研究发现,衡量企业网络位置的程度中心度、接近中心度和中介中心度均与企业技术创新绩效之间显著正相关,进一步深化了社会网络理论,丰富了企业创新绩效的影响因素研究,后续研究可以从其他类型企业的协作研发网络角度验证网络位置对创新绩效的传导路径,更加深入地研究网络位置对技术创新绩效的影响机制。另一方面,揭示了关系强度对网络位置与技术创新绩效之间的内在传导机制。已有的研究发现,关系强度和网络位置作为网络嵌入理论的两个方面,分别对创新绩效会产生显著影响[39],但二者如何共同对创新绩效产生影响的研究较少,通过实证分析发现关系强度正向调节网络位置与企业的技术创新绩效关系之间的关系。此研究结果既回应了部分学者提出的紧密联系会扩张企业间合作创新网络的结论[42],也弥补了仅对网络位置特征变量进行研究的不足,从而拓展了网络位置对于技术创新绩效的影响路径。

4.3 管理启示

1)企业在网络中的位置深刻影响着自身的竞争能力和创新机会。随着企业间的知识和技术竞争日益激烈,越来越多的企业开始寻求与网络中拥有其他资源的企业之间建立合作研发关系,企业在网络中所处的位置决定了其获取异质性知识的数量、质量与效率,如何在网络中寻找到有利于自身发展的优势位置,如何利用网络位置所带来的资源和知识显得尤为重要。因此,企业管理者应该进行战略定位,识别企业在网络中的位置,积极构建企业间广泛的合作创新网络,同时充分利用网络提供的知识、技术和资源,增加获取知识和技术的机会和渠道,为企业创新绩效提供良好的基础条件。

2)企业网络位置的程度中心度、接近中心度和中介中心度在提升创新绩效方面同等重要,企业应采用科学有效的方式不断接近网络的中心位置,实现技术创新绩效提高。首先,拓宽信息来源的渠道,增强企业的信息资源优势,整合现有知识与不同来源的信息形成技术知识优势,不断强化自身的资源交换能力,增加与优秀企业合作的机会；其次,与合作企业进行研发创新的过程中要保持自身的独立性,减少对其他合作企业的依赖程度,对比不同信息源之间的信息,从而降低信息传播过程中的失真风险；最后,企业应广泛地与网络中其他企业建立直接联系,占据其他企业间联系的最短路径,利用信息纽带的资源获取与知识控制力,获取信息技术的独占价值,并根据外部动态环境的变化,有针对性地选择相应的创新战略来满足新的市场需求,进而提升技术创新绩效的增长。

3)在如今开放性环境下,企业为了提升自身的创新绩效需要广泛地与网络成员建立直接联系并维系长期合作关系。通过合作创新网络积极主动地构建方便快捷的知识共享传输路径,不断增进与合作伙伴间友好关系,吸收来自不同企业的异质性资源进行知识整合,促进合作创新绩效的提升,同时需要注重与网络中合作伙伴间关系的维系,针对不同合作伙伴的特点,适当地增强与他们的联系频率与联系密度,培养相互信任的合作伙伴关系,建立长期有效的合作创新网络,促进知识的流动与技术的共享,从而有助于多渠道创新资源的获取,同时利用网络优势位置挖掘合作创新网络中的潜在价值,促进创新成果的产生与创新绩效的提高。

4.4 研究局限与展望

由于样本均来自OLED行业,受到样本范围限制,结论的适用性需要进一步的探讨,未来研究可以扩大样本范围,考察结论适用范围的同时探索不同行业的企业提升其创新绩效的网络位置策略组合。此外,通过搜集二手数据进行实证分析,因而难以进一步研究其情境因素及其影响机制,未来研究可以考虑通过问卷数据或案例研究等方式共同探索网络位置影响技术创新绩效的调节因素与情境因素,对模型的影响机理进行更深入地探讨。