网络结构嵌入对企业突破性创新绩效的影响——以生物医药上市企业为例

邵云飞 ,谢 丽

(电子科技大学 经济与管理学院,四川 成都611731)

0 引言

创新是一个民族进步的灵魂和国家兴旺发达的不竭动力,也是《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》的首要任务。自改革开放以来,我国虽在一些领域取得了重大突破,如通信制造业的5G技术、高铁等,但在关键核心领域受制于人的局面依然存在[1]。中美“贸易战”背景下,我国在关键核心领域常常遭受来自西方发达国家的“卡脖子”,如美国制裁华为就深刻地反映出我国“芯”之痛。因此,推动突破性创新,加强原创性、引领性攻关,进而突破“卡脖子”困境是国家的重大需求。企业作为重要创新主体,承担着服务国家重大需求的责任。因此,企业突破性创新绩效研究对我国创新发展具有重要实践价值。

企业通过突破性创新获得可观经济回报的同时,也面临着创新周期长、风险高的困境(突破性创新周期长达10年之久,且成功率只有10%)[2]。此外,突破性创新强调突破原有知识领域和颠覆现有技术轨迹,具有前沿性、新颖性的特点,需要大量异质性资源支撑。企业间合作网络是企业获取异质性资源的重要渠道。因此,为了突破自身资源局限并分摊创新风险,通过网络嵌入实现突破性创新,成为众多企业经常采用的创新模式[3]。统计数据表明,我国合作申请的发明专利数量和申请人数量逐年上升[4]。

企业创新活动通常嵌入于社会网络,并深受后者影响[5]。其中,企业在网络中的位置特征(网络结构嵌入)能够反映其资源获取机会和条件。处于有利位置的企业往往能够接收更多资源流,甚至控制资源流动方向。因此,现有研究普遍认同结构嵌入可为企业从外部获取创新资源提供帮助,进而对企业创新绩效产生影响[6-7]。但上述研究主要探讨结构嵌入与企业创新绩效的关系,而突破性创新不同于常规创新,前者由于风险高、新颖性强更依赖从合作网络中获取创新资源。基于结构嵌入视角探讨其对突破性创新绩效影响的研究匮乏,二者间的作用机理需要进一步明晰。大多数研究将结构嵌入视为一个整体变量,探索其对企业创新绩效的影响[8-9],忽略了结构嵌入不同维度对创新绩效影响的差异性。

因此,本文聚焦于突破性创新,基于社会网络理论对结构嵌入变量进行解构,将其划分为中心度和结构洞两个维度,探究结构嵌入对企业突破性创新绩效的影响,并基于2000—2020年生物医药行业上市企业发明专利数据,采用5年移动窗口构建企业合作关系网络进行实证研究。此外,尽管结构嵌入可为企业获取异质性资源提供位置优势,进而促进企业突破性创新绩效提升,但创新网络成员间的伙伴关系强度以及整体网络特征(小世界性)会对企业所获资源的质量、类型、成本等产生影响[10],从而产生不同水平的突破性创新绩效。因此,本文将伙伴关系强度和小世界性作为调节因素纳入整体研究框架。

1 理论分析与研究假设

1.1 社会网络理论

社会网络是指由某种关系将众多节点串联形成类似“网”的结构。结构嵌入能够刻画节点在网络中的位置,强调嵌入社会网络赋予节点的位置优势。其中,中心度和结构洞能够度量这一位置优势,成为结构嵌入的重要维度[11]。借鉴社会网络理论,企业专利合作网络可以界定为以企业为节点,以共同申请专利的合作关系串联的创新网络。在专利合作网络中,知识、技术流动可为企业提供向其它组织学习的机会,弥补企业自身资源的不足。综上所述,社会网络理论可为本文奠定重要理论基础。

1.2 结构嵌入与突破性创新绩效

1.2.1 中心度与企业突破性创新绩效

企业中心度是指与该企业建立直接合作关系的组织数量。中心度由低到中时,能够促进企业突破性创新绩效提升。首先,焦点企业资源获取渠道得以拓展,带来更多知识、技术等创新资源,提升创新资源的多样性,后者可激励企业突破性创新。其次,与合作对象直接连接可以减少中间传递环节,避免资源传递失真,进而提高资源转移效率[12],降低突破性创新成本[13],最终提升突破性创新效率。然而,当企业合作伙伴数量达到一定程度后,继续增加合作伙伴数量带给企业的消极影响超过其带来的益处,主要表现如下:一方面,焦点企业为维护合作关系而耗费大量精力和成本;另一方面,从合作伙伴处获得的收益呈现边际递减趋势。由于企业知识吸收能力有限,过量的合作伙伴会导致企业遭受资源过载的困境,使企业资源整合难度加大。技术、知识等创新资源组合潜力存在自然限度,继续增加技术、知识等创新元素,无助于产生突破性创新成果[14]。综上分析,本文提出假设如下:

H1:中心度与企业突破性创新绩效呈倒U型关系。

1.2.2 结构洞与企业突破性创新绩效

当两个分离节点需要建立的连接必须通过第三者时,这个第三者就占据了结构洞。占据结构洞的企业通过架接相互独立的组织,承担着“桥”的角色,因而具备非冗余优势和资源控制优势[15]。占据结构洞可促进企业突破性创新。首先,研究发现,非冗余型合作关系往往能带来异质性信息[16],结构洞增多,意味着企业可获得的资源机会增多,能够接触到网络中非冗余资源,实现多知识领域交叉。当企业接触到异质性资源时,倾向于实施突破性创新[17]。因此,通过结构洞获取的大量异质性资源有利于促进企业突破性创新。其次,可以避免陷入认知锁定。企业借助结构洞可能探索到与原有认知距离较大的技术、知识等创新资源,进而激发创新思维,突破固有思维(胡保亮,方刚,2013),促进知识、技术组合创造,实现突破性创新产出。综上分析,本文提出假设如下:

H2:合作创新网络中,结构洞能够促进企业突破性创新绩效提升。

1.3 伙伴关系强度的调节作用

1.3.1 伙伴关系强度对中心度与企业突破性创新绩效关系的调节作用

随着伙伴关系强度提升,中心度与企业突破性创新绩效的倒U型曲线趋于平坦。当中心度从低到中时,创新资源获取渠道增加,从而促进企业突破性创新绩效提升。但需要注意的是,伙伴关系强度不断提升,意味着企业创新知识来源局限于固定合作伙伴,进而导致关系锁定,排斥新伙伴加入,最终影响资源流入。另外,企业从合作伙伴处获得的资源存在自然限度,当进一步探索不再被认为有效时,企业所获资源变得冗余,从而降低资源异质性和获取效率。当中心度从中到高时,企业直接合作伙伴数量超过一定程度,由于维护成本增加与自身吸收能力有限,因而不利于企业突破性创新绩效提升。此时,较高的伙伴关系强度能够增进彼此了解,降低交易协调成本,有助于企业对共享知识、技术进行消化、吸收,从而缓解较高中心度带来的消极影响。综上分析,本文提出如下假设:

H3:伙伴关系强度能够弱化中心度与企业突破性创新绩效的倒U型关系。

1.3.2 伙伴关系强度对结构洞与企业突破性创新绩效关系的调节作用

随着伙伴关系强度提升,结构洞对企业突破性创新绩效的促进作用增强。首先,企业借助结构洞获得非冗余异质性资源以促进突破性创新,而异质性资源与企业原有知识的认知差距较大[18],故企业需要“干中学”。因此,较高的关系强度有助于企业吸收异质性资源,从而促进突破性创新。其次,处于结构洞的企业,虽可以通过架接相互独立的组织获得资源优势,但从这些伙伴处获取资源的过程缺乏三角验证机制,因而相较于其它企业,其面临的机会主义风险较大。此时,与合作伙伴间较高的关系强度能够强化组织间信任[19],有利于抑制合作过程中合作伙伴的机会主义动机,进而降低交易成本和风险,提升技术、知识共享精度和准确率。综上分析,本文提出如下假设:

H4:伙伴关系强度能够强化结构洞对企业突破性创新绩效的促进作用。

1.4 小世界性的调节作用

1.4.1 小世界性对中心度与企业突破性创新绩效关系的调节作用

小世界性的特点是局部密集且全局路径短。中心度从低到中时,较短的平均路径长度能够缩短资源在网络中的流动距离,企业可以便捷地搜寻网络资源,从而丰富自身创新资源库[20]。此外,较高的集聚水平意味着邻接组织间彼此“认识”,企业间信任增强,进而促进企业间资源深度共享,并将上述资源应用于企业突破性创新过程。因此,随着小世界性水平提升,中心度对企业突破性创新绩效的促进作用增强。中心度从中到高时,焦点企业接触到的知识、技术资源超负荷,加上多样化资源,无疑会加大企业对上述技术、知识进行重组的难度,从而不利于企业突破性创新绩效提升。综上分析,本文提出如下假设:

H5:小世界性能够强化中心度与企业突破性创新绩效的倒U型关系。

1.4.2 小世界性对结构洞与企业突破性创新绩效关系的调节作用

焦点企业占据结构洞能够获取异质性创新资源,但只有将上述资源吸收重组并进行创造,才能形成突破性创新成果。首先,通过结构洞获取的异质性知识与焦点企业原有知识的认知距离较大[18],而较短的路径长度能够促进异质性创新资源流动和扩散,导致资源认知、解读和运用难度较大,容易诱发企业对知识“消化不良”,最终导致焦点企业难以激活突破性创新的“基因”[21]。其次,较高的局部集聚性说明焦点企业资源流动呈现集团化特征(李健,余悦,2018),随着合作创新网络局部凝聚水平提升,企业知识、技术等创新资源基础模块化程度不断提高,进而拉大结构洞连接的各知识模块间的认知距离,导致焦点企业对异质性资源的整合难度提升,因而不利于企业突破性创新。综上所述,本文提出如下假设:

H6:小世界性负向调节结构洞与企业突破性创新绩效的正向关系。

结合以上分析,本文构建理论研究模型,如图1所示。

图1 概念模型

2 研究设计

2.1 数据来源

由于行业间技术特征存在差异,因而将创新成果转化为专利的倾向性也有所不同[22]。为避免不同行业特性带来的差异,本文选择单一行业进行研究,以我国生物医药行业发明专利数据作为研究样本,原因如下:首先,生物医药产业包含高端生物技术,是典型的高技术产业,属于知识密集型行业,该行业企业会尽可能地将创新成果以专利形式呈现[23],以保护企业知识产权。其次,生物医药行业具有研发频率高、周期长的特征,需要大量优质异质性资源投入[24]。因此,生物医药行业企业具备依赖合作创新网络的特点。换句话说,为了应对技术变革而选择结盟,该行业企业通过组建合作创新网络,克服自身资源不足,合作开发新颖性、前沿性技术或产品,可为本文提供合适的研究情境。

本文选取生物医药行业所有上市企业,时间跨度设定为2000—2020年,得到企业全称和证券代码。本文数据来源于以下数据库:第一,在Wind数据库中,根据企业证券代码获得上述企业更名信息;第二,在Choice数据库中,根据企业证券代码获得企业基本信息数据和财务数据,包括成立时间、企业所有权类型、销售额等;第三,从Incopat数据库中,获取企业专利数据。根据企业名称在Incopat数据库中检索2000—2020年该企业发明专利申请数据,得到专利申请日期、专利申请人构成等信息(部分企业存在更名情况,因而需要将其更名前的发明专利统计在内)。

在获得企业基本信息数据和专利数据后,对原始数据进行如下处理:①剔除ST企业,避免异常财务数据对实证结果的影响;②剔除2000—2020年合作专利为0的企业样本;③根据证券代码将企业基本信息与专利数据进行匹配,得到本文研究样本,共计905条观测样本值,面板类型为非平衡面板。

2.2 网络构建

借助专利数据难以明确企业间合作起始年份,而企业间合作关系一般可维持3～5年[25]。因此,本文采用5年滚动时间窗口[12],将2000—2020年企业创新网络拆分为16个时期(2000—2004、2001—2005、2002—2006……2015—2019),基于企业间共同专利申请人关系构建专利合作网络[12],所需数据包括:①发明专利编号;②发明专利申请日期;③发明专利申请人构成。根据共同申请人关系构建企业创新合作网络,具体如下:一个发明专利由多个组织(企业、高校、研究所等)共同申请,一个组织也可以申请多个发明专利,当N个组织共同申请同一项发明专利时,代表这N个申请人存在直接合作关系,则在其两两之间建立边。由此,构建企业合作创新网络,网络构建逻辑如图2所示。其中,连线代表二者存在直接合作。

图2 企业合作网络

2.3 变量测量

2.3.1 解释变量

(1)中心度(Centrality)。企业中心度是指与其产生直接合作关系的伙伴组织数量。中心度越高,说明该企业在创新网络中越重要,其网络地位越高,计算公式如式(1)所示。

(1)

式中,xij的值为1或0,1代表节点j与节点i存在直接合作关系,0代表不存在直接合作关系,N代表合作创新网络规模,即全部节点数量。通过社会网络分析软件(Ucinet)计算的路径为:Network>Centrality>Degree。

(2)结构洞(Structural Hole,SH)。本文采用约束指数对企业在合作创新网络中的结构洞数量加以衡量[11]。约束指数能够揭示某企业受网络中其它企业约束的程度,该系数越大,说明该企业封闭性越高,所受约束越强,结构洞数量越少,反之亦然,具体计算方法见式(2)。

(2)

式中,a为本文样本企业,即焦点企业,b为网络中除a外的其它组织(企业、高校、研究所等),c为除a和b外的其它组织。xab代表a花费在b上的时间/精力占总时间/精力的比重,即a与b间直接合作关系投入,xac和xcb的含义同上。约束指数的取值范围是0～1.125。Ucinet计算路径为:Network>Ego Networks>Structural Holes。

2.3.2 被解释变量

借鉴现有测量方式(赵博,毕克新,2016;蒋艳辉等,2018),采用生物医药企业滞后一年发明专利数测量企业突破性创新绩效(Patent),主要基于以下考量:首先,选取生物医药企业发明专利。不同于一般专利,发明专利是指对产品、方法提出的新技术方案,具有新颖性和创造性特点。其中,发明专利必须是新的技术方案,体现出新颖性。国家要求发明专利与现有技术相比,具有实质性特点和进步,能够代表未来技术发展趋势。在此基础上,本文选择发明专利中的高价值发明专利,后者对未来经济发展具有关键驱动作用。国家知识产权局对高价值发明专利进行界定时,将战略性新兴产业发明专利纳入其中,而生物医药行业属于“七大战略性新兴产业”之一。而且,该行业具有研发周期长、风险高的特点[24]。总体而言,生物医药行业发明专利具有新颖性、创造性,对未来技术发展具有重大影响,能够为企业带来巨大的商业价值。因此,生物医药行业发明专利能够在一定程度上体现该行业突破性创新成果。其次,对被解释变量进行滞后处理,可以有效避免因果关系倒置导致的内生性问题。

2.3.3 调节变量

(1)伙伴关系强度(Relationship Strength,RS)。借鉴现有研究的计算方式,先计算焦点企业与每个合作伙伴重复合作次数,再计算焦点企业与所有合作伙伴重复合作次数的几何平均数,以此测量伙伴关系强度[26],计算方法见式(3)。

(3)

其中,Rj表示焦点企业i与第j个合作伙伴5年内(第T-5期到T-1期)合作创新次数。

(2)小世界性(Small Word)。集聚系数和平均路径长度是小世界性的两个量化指标。其中,集聚系数(Clustering Coefficient,CC)采用ji表示个体i的度,是指在合作创新网络中,与焦点企业i具有直接合作关系的合作伙伴数量,ei为企业i与邻接企业间直接合作关系数量,焦点企业i的集聚系数计算公式如式(4)所示。

(4)

网络集聚系数计算公式如式(5)所示。

(5)

Ucinet计算路径为:Network >Cohesive>Clustering Coefficient。

平均路径长度(Path Length,PL)采用di,j表示合作创新网络中任意两个企业i、j建立直接合作关系所需要的最短连接数,将整个网络中所有di,j进行平均即可得到整个网络平均路径长度,计算公式如式(6)所示。

(6)

Ucinet计算路径为:Network> Cohesive >Distance。

2.3.4 控制变量

本文选取以下因素加以控制,具体包括:①企业年龄(Firm Age):采用企业从成立年份到观测值所在年份间的差值;②企业规模(Firm Size):企业销售额是企业经营规模的体现,因而以企业销售额作为企业规模的代理指标,并对其进行对数处理,以此得到样本值;③企业类型(Firm Type):如果企业股权类型为国有控股记为1,民营企业记为2,外国投资者经营记为3。

2.4 模型选择

首先,本研究的被解释变量是企业观测年发明专利数量,为计数型变量。其次,因变量企业突破性创新绩效方差大于均值(均值=8.67,方差=10.44),呈现超离散分布的特点。因此,本文样本数据适合采用负二项回归模型进行分析,该模型可降低异方差和极端值的影响。此外,本文样本数据为面板数据,需要进行豪斯曼(Hausman)检验,根据检测结果决定是采用固定效应模型还是随机效应模型。检验结果P值为0.006 5,远小于0.1,故本文回归模型为负二项回归的固定效应模型。

3 实证结果与分析

3.1 描述性与相关分析

本文所有变量的平均值、方差、VIF值,以及各变量间相关系数(Pearson系数)如表1所示。由表1可知,绝大多数变量间相关系数在0.7的范围内,是符合要求的,说明没有严重多重共线性问题。但中心度和结构洞的相关系数较高,达到0.725,这是企业网络结构自身特性所致,中心度越高的企业,越有机会在网络中充当“桥”的角色。

表1 描述性统计与相关分析结果

为了进一步明确中心度和结构洞是否存在严重多重共线性问题,本文进行方差膨胀因子检测。结果显示:变量中最高的VIF数值为2.26。一般来说,若方差膨胀因子VIF值处于0～10之间,则代表变量间不存在严重多重共线性问题。

3.2 假设检验

为了检验结构嵌入对企业突破性创新绩效的影响,本文以结构嵌入为解释变量(中心度和结构洞),以突破性创新绩效为被解释变量,并对企业规模、控股性质、企业成立年限进行控制,以伙伴关系强度和小世界性为调节变量进行回归分析。此外,本文对变量进行Z-score处理,以避免变量间不同量纲带来的误差,对样本企业进行负二项回归分析,结果如表2所示。其中,模型1为所有控制变量对企业突破性创新绩效影响的回归结果;模型2为结构嵌入(中心度、中心度的平方项、结构洞)对企业突破性创新绩效影响的回归结果;模型3为关系强度的调节作用;模型4为小世界性的调节作用。

表2 负二项回归分析结果

结合表2模型可以看出,除假设H6得到部分支持外,其它假设均得到完全支持。模型2显示,中心度一次项对突破性创新绩效影响的标准化回归系数为β=0.073(P<0.05),中心度二次项对企业突破性创新绩效影响的标准化回归系数为β=-0.029(P<0.1),支持假设H1。结构洞对突破性创新绩效影响的标准化回归系数为β=-0.317(P<0.1),结构洞与突破性创新绩效关系的回归系数符号为负,假设H2得到支持。模型3为中心度及中心度二次项与伙伴关系强度的交互项对企业突破性创新绩效影响的回归结果,一次项交互项标准化回归系数为β=-0.214(P<0.05),二次项交互项标准化回归系数为β=0.062(P<0.01),假设H3成立;结构洞与伙伴关系强度的交互项对企业突破性创新绩效影响的标准化回归系数为β=-0.228(P<0.01),假设H4成立。模型4结果显示,小世界性特征值平均路径长度与中心度一次项、二次项的交互项对突破性创新绩效影响的标准化回归系数为β=0.12(P<0.1)、β=-0.028(P<0.05),小世界性特征值聚集系数与中心度一次项、二次项的交互项对突破性创新绩效影响的标准化回归系数为β=0.139(P<0.1)、β=-0.059(P<0.05),支持假设H5。模型4结果显示,小世界性特征值平均路径长度和集聚系数与结构洞的交互项对突破性创新绩效影响的标准化回归系数分别为β=0.09(P<0.05)、β=0.081(P>0.1),假设H6仅部分通过检验。其中,小世界性特征集聚系数的负向调节作用不显著,可能是由于行业选择或样本数量限制,未来可选用其它行业样本或增加样本量作进一步检验。

4 结语

4.1 结论

本文基于2000—2020年我国生物医药行业159家上市企业发明专利样本数据构建合作关系网络,实证分析结构嵌入对企业突破性创新绩效的影响,得到以下研究结论:

(1)适度的直接合作伙伴数量有利于企业突破性创新绩效提升,但过多的伙伴数量不利于企业突破性创新绩效提升。

(2)伙伴平均关系强度能够弱化中心度对企业突破性创新绩效的影响。当企业保持适量的直接合作伙伴时,能够促进突破性创新绩效提升,但随着企业与固定合作伙伴合作次数增加,双方交换的知识、技术等创新资源变得冗余,进而削弱合作伙伴对企业突破性创新绩效的促进作用。

(3)小世界性正向调节中心度与企业突破性创新绩效的倒U型关系。知识、技术等创新资源在具有小世界性的创新网络中传播和扩散速度加快,进而强化直接合作伙伴对企业突破性创新绩效的促进作用。

(4)处于结构洞位置的企业可以获得新颖、非冗余知识、技术等创新资源,从而促进企业突破性创新绩效提升。

(5)伙伴关系强度正向调节结构洞与突破性创新绩效的关系。企业借助结构洞位置获得的知识与原有知识的认知距离较大,伙伴关系强度有助于促进企业对异质性知识资源的吸收,进而强化结构洞对突破性创新绩效间的促进作用。

(6)小世界性负向调节结构洞与突破性创新绩效的关系。其中,小世界性特征值聚集系数虽发挥负向调节作用,但并不显著。小世界性能够加快企业借助结构洞获取异质性知识的速度,但会造成企业对异质性资源“消化不良”,最终导致焦点企业难以激活突破性创新的“基因”。

4.2 理论贡献

本文聚焦于突破性创新,基于社会网络理论将结构嵌入分为中心度和结构洞两个维度,探究结构嵌入对企业突破性创新绩效的影响,以及伙伴关系强度和小世界性对二者关系的调节作用,主要理论贡献如下:

(1)拓展了突破性创新绩效驱动因素研究。现有研究基于联盟网络、人力资本与资源资产、知识学习等视角对突破性创新绩效影响因素进行探索[27],基于网络结构嵌入视角探讨其对突破性创新绩效影响的研究鲜见。本文探讨网络结构嵌入与企业突破性创新绩效的关系,是对现有研究的有益补充。

(2)深化了结构嵌入变量研究。一是基于社会网络理论,将结构嵌入分为中心度和结构洞两个维度,相较于以往研究将结构嵌入作为一个整体变量探索其对创新绩效的影响[7-9],本文是对现有相关研究的深化。二是尝试对结构嵌入悖论进行调和。大多数研究认可结构嵌入对企业创新绩效具有重要影响,但得出了不同结论。有学者认为,中心度越高越有利于企业创新绩效提升[28];也有学者认为,中心度负向影响企业创新绩效[29];还有学者认为,中心度对创新绩效的积极影响并不能持续存在[30]。与先前基于单一线性视角的研究不同,本文探究中心度对突破性创新绩效的非线性影响,有助于进一步认识中心度与突破性创新绩效的关系。

(3)借助伙伴关系强度和小世界性两个调节变量,丰富了结构嵌入对突破性创新绩效影响的研究情境。

4.3 管理启示

(1)企业应保持适当的直接合作伙伴数量。虽然企业可以通过共享合作伙伴的创新资源促进突破性创新,但直接合作对象不是越多越好,过多的合作伙伴会增加企业管理成本,不利于企业突破性创新绩效提升。

(2)企业需要根据自身需求主动对合作对象进行动态调整。企业从固定合作伙伴处获取的资源有限,当所获资源达到饱和,进一步探索不再被认为是有效的。因此,企业在借助社会网络获取创新资源时,需要把握适度的结构嵌入,避免被现有关系锁定。

(3)谨慎看待结构洞优势。从局部看,处于结构洞的企业能够通过合作伙伴接触到网络中非冗余知识,实现多知识领域交叉,促进突破性创新绩效提升。上述异质性知识与企业原有知识的认知距离较大,虽然企业能够通过加强合作双方互动与交流促进自身对异质性知识的吸收消化,但处于结构洞位置的企业强关系有限,弱关系居多,仅通过少数直接连接对异质性资源进行吸收,显然难度较大。从全局视角看,小世界特性会削弱结构洞对突破性创新绩效的促进作用,而小世界特性是创新合作网络的典型特征,因而当企业嵌入到具有较强小世界性的创新网络中时,结构洞带来的优势会被弱化。

4.4 局限与展望

由于篇幅有限,本文存在以下不足:首先,研究结论的普适性有限。本研究仅针对生物医药行业进行分析,未来需要进一步拓展样本类型,以提升结论的普适性。其次,对于企业间合作方式考虑不足。本研究基于发明专利申请的合作关系构建企业间合作创新网络,未考虑企业其它合作方式,未来研究可以考虑不同合作方式,进一步丰富样本数据。