企业如何进行内外部科研合作网络构建：以我为主抑或博才众长

蒋舒阳，庄亚明，刘夏群

(东南大学 经济管理学院，江苏 南京 211189)

0 引言

全球科技竞争核心前移及逆全球化思潮引发技术来源持续收窄。从科学与技术的关系看，科学研究关乎技术创新的源头并能够指导下一步技术创新探索[1]，是企业打破“低端锁定”的重要途径。因此，探讨企业如何高效开展科学研究并从中获益，对自主技术创新能力提高具有重要意义。

科学研究是指为了获得关于现象和可观察事实基本原理的新知识而进行的实验性或理论性研究[2]。由于科学研究成果的短期不可预见性，使得独立作出这类长期战略决策的前景较为模糊，企业往往需要与外部组织协同合作，从而分担持续投入的成本与风险[3]。同时，随着研发能力提高与规模扩大，企业内生科研力量已经悄然觉醒，其不仅是企业知识创新的重要来源，而且是沟通外部科研力量的主要渠道[4]。考虑到企业内外部科研合作同时存在，彼此间的协同作用有待进一步检验。此外，企业间的快速互动趋势愈发明显，随着竞争对手的学习、博弈、模仿行为增加，企业持续竞争优势受到威胁[5]。因此，创新数量的简单叠加已经难以适应愈发复杂的竞争环境，因而有必要将研究视角转到创新质量上来。

基于上述问题整合，本文结合知识基础观分别考察企业内、外部科研合作网络结构与企业创新质量的关系，在此基础上整合企业注意力基础理论，探索内、外部科研合作网络构建对企业创新质量的综合影响。本文的边际贡献可能在于：围绕内部科研网络密度、外部科研合作网络位置与创新质量的关系，揭示科研合作过程的科学知识创造与流动机制，丰富相关理论基础。此外，将内外部科研合作网络纳入同一研究框架，探讨内、外科研合作网络耦合对企业创新质量的影响，进而揭示内外部科研合作力量协同机理，可为企业科研合作管理提供科学依据。

1 文献回顾与研究假设

1.1 文献回顾

回顾过往研究，学者们围绕宏观层面科研合作网络结构[6]、网络要素[7]展开了广泛的研究，发现异质科学知识获取效率是企业创新产出得以提高的内在原因。随着企业科研力量壮大，有学者将研究视角转向微观企业内部，发现科研合作不仅发生于企业与外部组织之间，而且存于企业之中，并为下一步技术创新探索积蓄力量[8]。近年来，创新关注点前移与知识分布性提升促使知识创新主体之间合作规模和范围扩大[9]，企业合作关系逐渐形成多层嵌套的复杂社会网络系统。任宗强等(2011)通过案例研究指出，随着整体外部创新网络发展,企业内部要素参与度逐渐提升,形成内部创新网络体系,这种内外创新网络之间的演化学习和协同互动是企业创新能力提升的关键；王海花等[10]从产学研合作视角出发，发现合作网络与知识网络协同是驱动科研合作绩效提升的内在因素。

由此看来，关于科研合作网络作用机制研究已经取得了诸多成果,但仍存需深化之处。首先，对企业内、外部科研合作网络协同关注不足。创新往往是内部知识创造与外部知识获取共同作用的结果[11]，事实上，企业内部科研合作网络不仅是科学知识创造的重要来源，而且是外部科学知识流入企业的必经渠道[4]，忽略两者协同关系容易导致合作资源配置低效问题。此外，科研合作网络构建往往停留在外部或内部单一网络层面，无法全面阐述科学知识流动与吸收的复杂过程，也就无法针对性地指导企业内外科研网络系统构建。因此，本文以多层网络理论为分析框架，基于企业层面分别考察企业内部科研合作网络密度、外部科研合作网络位置对创新质量的影响，在此基础上结合企业注意力理论(An Attention-based View of the Firm)进一步探索内外部科研合作耦合对创新质量的综合作用。

1.2 内部科研合作网络密度与企业创新质量

知识经济时代，知识已然成为影响企业创新能力的重要战略资源。企业创新质量与核心竞争力息息相关，体现了知识的实际水平与价值[12]。科学研究通常涉及最前沿的科学知识创造，包括一般性科学知识认知以及科学方法的专业性理解与应用[13]。从科学与技术的关系看，科学知识对于企业创新质量的作用机制在于：科学知识蕴涵了根本性科学原理与方法，可以为技术创新活动提供较为清晰的方向，从更高层次指导技术创新搜索活动[14]，帮助企业更好地分析技术迭代过程中的机会窗口，进而将有限的研发资源投入到具有潜在价值的创新项目中，从而提升创新活动产出质量。不仅如此，科学知识是事物发展的深层原因，而不是简单的表面现象，掌握科学知识的企业能够理解技术应用的本源，使冗余知识库与现有或潜在技术融合，实现技术源头拓展与延伸[15]，表现为企业市场竞争力获取与创新质量提升[16]。

网络密度作为刻画网络整体结构的重要指标，企业内科研合作网络密度反映了企业内部科研人员之间相互联系的紧密与频繁程度。本文认为，企业内部科研合作网络密度可以通过以下机制影响前沿科学知识创造与积累，进而正向推动企业创新质量提升：其一，随着企业内科研合作网络密度提升，意味着有更多科研人员建立合作关系，企业内知识流动渠道更多，相关科学知识共享域更广，有利于将创新关注点向前推进[17]，提升知识创造的新颖性，并指导现有创新活动，从而提升企业创新质量。其二，在密集网络中，各成员更容易对他人能力与自身责任形成有效认知，达成合作默契，使得自由探索过程中团队氛围和谐(原长弘、姚缘渲，2010)，进而提高内部科研协作主题的延续性和科学知识创造效率[18]，并通过现有技术创新活动提升企业创新质量。因此，本文提出如下假设：

H1：企业内部科研合作网络密度对企业创新质量具有正向作用。

1.3 外部科研合作网络位置与企业创新质量

中心度与结构洞作为衡量外部网络位置特征的两个重要指标而被广泛使用。其中，中心度反映了焦点企业的直接伙伴数量[19]。企业在外部科研合作网络中的中心度越高，意味着与企业达成科研合作关系的直接伙伴越多。基于知识基础观，本文认为，企业外部科研合作网络中心度与企业创新质量之间存在复杂的非线性关系。在外部科研合作网络中，一方面，中心度提高意味着企业拥有更多异质性知识获取渠道，并能与现有知识基础形成有效互补，通过对现有技术的指导和深层技术的理解、运用[20]，反映当下和未来的双重价值，实现创新质量提升。另一方面，企业已有知识基础决定其外部知识认知水平和应用能力[21]，由于信息不对称与知识基础的局限，企业难以对所有外部科学知识的潜在价值进行有效识别，过大的科研合作规模不仅会对企业现有知识基础造成压力，耗费企业更高的协调与沟通成本，而且可能导致知识吸收中断与资源浪费，使关键科学知识难以被有效吸收与集成。由此可见，在外部科研合作网络中，当直接接触的合作伙伴规模较小，异质性知识尚未越过企业现有知识基础识别能力边界时，内外部科学知识能够形成有效互补。此时，中心度带来的正面效用起主导作用，创新质量得以提升。当合作规模超过某一阈值时，大量异质性科学知识涌入，超越企业自身知识基础识别能力，使企业难以对外部知识进行吸收与转化。此时，沟通和协调成本挤占了外部科学知识所带来的正向效用，中心度的负向影响更有可能占据主导地位，抑制企业创新质量提升。综上分析，本文认为随着企业所处科研合作网络中心度提升，企业创新质量存在先上升后下降的非线性趋势。因此，本文提出如下假设：

H2a：企业所处外部科研合作网络中心度与企业创新质量之间呈倒U型关系。

根据结构洞的概念，在合作网络中如果与企业产生合作的组织之间并不直接相关，那么该企业就占据合作网络的结构洞[22]。由此看来，在外部科研合作网络中占据更多结构洞有利于企业创新质量提升。这是因为：首先，从知识获取效率角度看，占据结构洞意味着企业在相关知识与信息获取和控制上更具优势(应洪斌，2016)，进而成为局部网络中科学知识流动枢纽，能够发现前沿知识边界并集合有限资源对其进行联合攻关，助推创新质量提升。其次，从创新外部性风险看，企业间的交流过程难免伴随知识溢出，结构洞的相关控制力有助于降低这种外部性风险，增强科学知识的独特优势，使企业更有动机对相关领域进行科学研究投入。由此，相关领域知识得以进一步积累并正向影响企业创新质量。综上分析，企业在外部科研合作网络中占据结构洞能够有效提高科学知识获取效率与独特性，进而对其创新质量产生正向影响。因此，本文提出如下假设：

H2b：企业在外部科研合作网络中占据结构洞的水平对企业创新质量具有正向影响。

1.4 内部科研合作网络密度、外部科研合作网络位置与企业创新质量

如前文所述，企业内、外部科研合作对企业创新质量具有复杂影响[23]。企业注意力基础观指出，决策者的有限认知会在内外部资源时整合对注意力配置造成一定干扰[24]。其原因在于，企业所在的外部科研合作网络位置差异会影响其获取科学知识的数量和质量。同样地，不同企业内部科研合作紧密程度，不仅影响科学知识创造，而且会对外部知识识别与吸收产生影响[25]。因此，企业技术创新探索活动往往受上述两种科研合作力量的牵引。

一方面，稠密的内部科研合作网络会削弱企业所在外部科研合作网络中心度与创新质量之间的正向关系。这是因为当企业内科研合作网络密度较高时，企业科研人员具有认知一致性，此时科研人员倾向于采用内部集体思维，通常以内部准则对现有外部科研合作渠道中的科学知识价值进行判断，形成“逆火效应”[26]，导致部分超出企业现有知识基础且具有潜在价值的科学知识被忽略。相反，在疏松网络中，企业科研人员的研究主题较为多样化，研究范围较广，认知开放性较高，不仅在内部寻找答案，也积极向外界寻求帮助。因此，高密度的内部科研网络会抑制外部科学知识吸收，从而削弱中心度与企业创新质量之间的正向关系。

另一方面，高密度的内部科研合作网络会缓解外部合作网络中心度与企业创新质量之间的负向关系。这是因为稠密的网络中科研主体较为集中，Thomas等[27]发现，科研主题差异程度会影响科研交流的复杂性,进而抑制合作动机。这有助于过滤掉与企业现有领域无关的科研主题，促使企业选择领域相近的科研主题，集中精力整合吸收相关领域的科学知识，不被外部信息分散注意力，实现科学知识的有序积累。因此，稠密的内部科研合作网络可以促进知识吸收，从而缓解中心度与企业创新质量之间的负向关系。综上，随着企业内部科研合作网络密度提升，一方面会削弱中心度与企业创新质量之间的正向关系，另一方面可以缓解过高的中心度与企业创新质量间的负向关系。因此，本文提出如下假设：

H3a：内部科研合作网络密度负向调节外部科研合作网络中心度与企业创新质量的倒U型关系。

结构洞位置能够为企业提供高效筛选知识与维持自身独特优势的机会，使科学知识宽度与深度得以提升。当企业内科研合作网络密度较高时，能够进一步放大结构洞带来的优势，从而促进创新质量提升。这是因为当内部科研人员之间的联系较为紧密时，与外部科研合作伙伴建立连接扮演“中间人”角色的成员能够更好地将外部科学知识和团队共享，确保结构洞带来的异质性知识能够被企业吸收[28]，从而提高外部知识进入企业的效率。因此，本文提出如下假设：

H3b：内部科研合作网络密度正向调节外部科研合作网络结构洞与企业创新质量的正向关系。

综上分析，本文构建内部科研合作网络密度、外部科研合作网络位置与企业创新质量之间关系的理论模型，如图1所示。

图1 理论研究框架Fig.1 Theoretical research framework

2 研究设计

2.1 样本选取与数据整理

为了对以上理论假设进行验证，本文选取信息与通信技术产业相关数据作为研究样本，原因如下：第一，信息与通信技术产业与数学、物理等基础科学关联度较高，科学研究较为普遍；第二，信息与通信技术产业技术创新过程较为复杂，知识分布程度较高，科研合作对象较为广泛，相关合作数据容易收集；第三，信息与通信技术行业竞争较为激烈，企业创新投入较大且持续时间较长，数据规模较大。

与此同时，本文需要搜集3个方面的数据：首先，基于Web of Science核心数据库整理2007-2016年中国信息与通信技术领域(ICT)16 316篇合著论文单位与作者信息，构建企业内外部科研合作网络，并计算相关合作网络指标；其次，利用国家知识产权局网站，收集样本期间上述公司专利申请数据；最后，通过国泰安(CSMAR)数据库整理相关企业基本信息和财务数据。考虑到科研合作行为与实现创新产出需要较长时间，本文基于3年移动窗口期，将内部科研合作网络密度、外部科研合作网络位置特征与企业相关信息进行匹配。其中，解释变量指标观测区间为2007-2016年，被解释变量指标观测区间为2010-2019年，控制变量观测区间为2009-2018年。

2.2 变量选取

(1)被解释变量：创新质量。专利数据作为可直观对比的指标运用广泛，而企业申请专利背后蕴涵的知识越复杂，意味着该专利所承载技术的创新质量越高[29]。由于专利的IPC分类号能够较好地揭示技术领域宽度，借鉴Wirsich等[30]的研究，以样本期内企业申请的发明专利技术宽度均值的自然对数衡量企业创新质量，具体专利宽度计算公式如下：

(1)

其中，ɑ表示专利在各大组分类号所占比例。该指标越大，表明该专利所涉及的知识领域越多样化，其创新质量就越高。

(2)解释变量：内部科研合作网络密度和外部科研合作网络位置。

内部科研合作网络密度。科研合作的典型形式是多个主体共同攻克基础研究难题，并以科学论文形式发表[31]。因此，合著论文是反映创新主体间科研合作关系的重要可测度指标，故通过采集合著论文作者信息构建企业内部科研合作网络。结合网络密度的定义，构建衡量内部科研合作网络密度公式如下：

(2)

其中，l为企业内科研人员之间的实际合作论文数量，n为企业内科研合作网络中的科研人员数量，n*(n-1)为科研人员之间的最大可能合作数量。

外部科研合作网络位置。通过采集合著论文单位信息构建外部科研合作网络，进而捕捉焦点企业网络位置特征。其中，中心度采用与焦点企业直接相连的其它节点个数衡量；结构洞则根据Burt[22]提出的方法，构建公式如下：

(3)

其中，i为目标节点，j为除i外的其它节点，q表示除i、j外的第3个节点，Piq表示i和q的比例强度。

(3)控制变量。为了降低其它因素对上述因果关系的干扰，本文控制以下变量：①研发投入强度：研发投入表明企业对于创新的重视程度，投入强度越大意味着越多资源被投入到创新过程中；②企业性质：国有企业往往具有长远创新战略考量，因而会影响外部资源获取难易程度；③企业年龄：创新质量提升是一个累积过程，企业成立时间越长，其积累的相关知识和经验越多，就越有利于高质量创新；④企业规模：相较于小规模企业，较大规模企业冗余资源更多，更能为高质量创新提供资源与环境支撑；⑤科学知识积累：企业现有相关知识与积累必然会对其后续创新产生重要影响。上述控制变量具体测算方式如表1所示。

表1 变量定义与测量Tab.1 Variable definitions and measurement methods

3 实证结果分析

3.1 描述性统计与相关性分析

表2为所有主要变量描述性统计和相关性分析结果。统计样本中，企业创新质量的平均值为0.142，标准差为0.103，说明企业创新质量差距较大。整体来看，主要变量间的相关系数小于0.6且VIF最大值为3.824，表明变量间的多重共线性较弱。同时，为避免由交互作用检验引发的多重共线性问题，本文在构建交互项前对变量进行中心化处理。

3.2 回归分析

经层次回归检验，结果如表3所示。模型(1)仅考虑各控制变量对被解释变量的影响，模型(2)检验内部科研合作网络密度对企业创新质量的影响，结果显示，网络密度与企业创新质量之间的系数为正且显著(β=0.592，p<0.1)，说明随着企业内部科研合作网络密度提升，企业创新质量得以提升，假设H1得到支持。模型(3)检验外部科研合作网络中心度对创新质量的影响，结果显示，其对创新质量的直接影响不显著。在此基础上，模型(4)加入科研合作网络中心度的二次项，结果显示，中心度一次项与企业创新质量之间的系数为正且显著(β=0.033，p<0.05)，中心度二次项与企业创新质量之间的系数为负且显著(β=-0.004，p<0.05)，说明随着企业外部科研合作网络中心度提高，其创新质量呈现先升高后下降趋势，即呈现倒U曲线变化，假设H2a得到支持。模型(5)结果显示，结构洞数量对企业创新质量的影响系数为正且显著(β=0.443，p<0.05)，验证了假设H2b。

进一步分析内部科研合作网络密度的调节效应。如模型(6)所示，在加入网络密度与网络中心度的交互项之后，中心度的直接效应系数方向保持一致且显著(β=0.072，p<0.05；β=-0.008，p<0.01)，而一次与二次交互项系数分别为负值和正值且均显著(β=-0.346，p<0.05；β=0.037，p<0.1)，与直接效应系数方向相反，表明网络密度在上述过程中起负向调节作用，即随着内部科研合作网络密度提升，企业科研合作网络中心度与创新质量间的倒U型曲线变得平缓。由此可见，稠密的内部科研合作网络既能够缩小科研人员对外部机会和异质性知识的考虑范围，削弱中心度与企业创新质量之间的正向关系，又可以降低高中心度带来的知识识别和吸收难度，缓解中心度对企业创新质量之间的负向影响。由此，假设H3a得到支持。

表2 描述性统计结果与相关系数Tab.2 Descriptive statistical results and correlation coefficients

表3 层次回归检验结果Tab.3 Hierarchical regression test results

内部科研合作网络密度对外部科研合作网络结构洞的调节作用如模型(7)所示，结果显示，在加入网络密度及其相关交互项之后，结构洞的直接效应系数方向保持一致且显著(β=0.087，p<0.01)，网络密度与结构洞的交互项系数与上述系数方向保持一致，均为正且显著(β=0.135，p<0.01)，即随着内部科研合作网络密度提升，企业在科研合作网络的结构洞位置与创新质量之间的正向关系得到强化。由此可见，稠密的内部科研合网络在一定程度上可以扩大结构洞所带来的科学知识筛选优势。由此，假设H3b得到支持。

为了更好地解释回归分析结果，基于网络密度均值正负一个标准差划分内部科研合作网络密度，并分别绘制外部科研合作网络位置与创新质量关系示意图，如图2所示。

3.3 稳健性检验

在上述检验中，本文采用专利背后蕴涵的知识宽度衡量企业创新质量。由于发明专利需要更高质量的原创知识整合以开发新的市场，已有研究大多将发明专利作为高质量创新产出的衡量指标(白旭云等，2019)。为了进一步检验结果的稳健性，本文调整因变量测度方式，采用样本企业在观测期内申请的发明专利数量测度企业创新质量。同时，考虑到该变量为非负整数，运用负二项回归对上述模型重新进行检验，结果如表4所示。

图2 调节作用Fig. 2 Moderating effects

表4 负二项回归检验结果Tab.4 Negative binomial regression test results

从直接效应与调节效应稳健性检验结果可以发现，主要解释变量回归系数方向和显著性水平与前文检验结果基本一致，在一定程度上验证了本文结论的可靠性。

3.4 机制检验

在上述推理中，本文提出，科研合作网络对企业创新质量的内在作用机理是科研合作网络结构影响企业科学知识积累效率。为验证这一解释的合理性，本文将企业科研进展水平(SP)作为中介变量纳入模型作进一步检验。

年度科学论文发表数据，是企业科学研究进展的主要可观测指标，考虑到论文被引次数更能代表其背后蕴涵的突破性意义(宋志红等，2014)，可以进一步反映相关成果的真实水平,本文以企业当前发表的所有论文净被引次数之和的自然对数作为企业科研进展水平的代理变量，分别将解释变量提前两期、被解释变量滞后两期，整理得到2 178个样本。

观察表5可知，在第一阶段检验中，企业内外科研合作网络结构对科研进展水平的影响与前文直接效应的方向一致。进一步观察第二阶段结果发现，企业科研进展水平对企业创新质量具有显著正向影响，且在控制企业科研进展水平之后，科研合作网络内外结构与企业创新质量的关系不再显著，从侧面揭示内外科研合作网络能够通过企业科学知识积累效率间接影响创新质量。

表5 知识积累效应检验结果Tab.5 Test results of knowledge accumulation effect

4 结语

4.1 研究结论

科学合理地构建企业内外部科研合作网络是企业高效整合内外部科研合作力量的关键。因此，本文基于2007-2019年信息与通信技术领域(ICT)论文合作轨迹与专利申请数据，通过网络分析与回归分析，揭示相关企业内部科研合作网络密度、外部科研合作网络位置与创新质量的关系，得出如下结论：

(1)企业构建稠密的内部科研合作网络有助于实现内部科研力量协同和科研知识有效积累，从而提升企业创新质量。

(2)企业外部科研合作网络位置会影响高质量科学知识获取，从而影响企业创新质量。其中，外部科研合作网络中心度与企业创新质量之间存在先上升后下降的非线性关系，而结构洞则对企业创新质量具有持续正向影响。

(3)企业内部科研网络密度会对外部科研合作效率产生影响，表现为稠密的内部科研网络可以收敛企业外部科研合作中心度的双刃剑效应，并且放大结构洞优势。

4.2 启示

首先，企业应建立通畅的内部科研人员沟通渠道，鼓励内部科研人员间的交流互动，提高科学知识的前沿性与新颖性，促进企业竞争力提升。其次，企业要结合自身情况持续优化所在外部科研合作网络中的位置，提升异质性科学知识获取效率。企业既要重视与外部组织建立关联，拓宽科学知识获取渠道，又要避免因盲目扩张合作规模而背离现有知识基础，给知识吸收和有效集成带来困难。与此同时，企业在外部科研合作过程中，要积极构建相关知识领域的结构洞，更早地发现科研知识边界并集中力量进行突破，实现高质量创新。最后，企业应统筹内外部科研合作网络建设，构建良好的内外部科研合作协同体系。一方面，稀疏的内部科研网络具有较高的认知开放性，可以匹配较小的外部科研合作规模，促使异质性科学知识向企业转移。当外部科研合作规模较大时，企业需要构建更为稠密的内部科研网络，提高外部科研知识筛选效率并实现知识深度有效积累。另一方面，当企业占据较多的结构洞时，应构建更为稠密的内部科研合作网络，从而放大自身作为知识枢纽的优势。

4.3 不足与展望

本研究存在以下局限性：首先，仅使用科研论文合作轨迹作为科研合作关系的替代变量，无法全面揭示企业内外科学研究合作过程，未来研究应进一步开展追踪调查，以获得稳健可靠的因果推理结果。其次，限于可操作性，仅考察信息与通信技术产业，由于每个行业各有其不同特点，未来可以将研究重点延伸到更多行业，如化学、医药、机械等科研合作较为密集的制造行业。