领军人才、知识宽度与关系强度对突破性创新的影响研究

王巍，杜美玲，冉浩筠，俞齐阳

（1.郑州大学商学院，河南 郑州 450001；2.华南理工大学工商管理学院，广东 广州 510641）

0 引言

近年来，尽管我国研发人员数量、研发经费投入、专利申请及授权数量、国际科技论文发表数量等位居世界前列［1］，但我国企业创新整体上却呈现出“大而不强、多而不优”的特点。正如习近平总书记指出的，“关键核心技术受制于人的局面没有得到根本性改变”［2］，我国仍未解决“卡脖子”技术难题。而加快解决关键核心技术“卡脖子”问题对于我国更好地构建新发展格局至关重要［3］。同时，我国资源丰富、劳动力成本低等所形成的后发优势为我国企业发展提供的动力日渐疲软，我国企业亟须打破技术垄断，开展技术攻关。当今世界正处于百年未有之大变局，国际秩序正经历着洗牌和调整，挑战与机遇并存，我国企业面临着百年难遇的赶超机会。对此，提升突破性创新能力、加快实现科技自立自强，是解决我国科技发展现存难点、实现追赶超越的根本方法。

突破性创新是指脱离、跨越原有技术轨道，突破性地改进或改变产品性能功能，构建新的技术体系或研发范式，并催生出后续一系列技术演进的有影响力的创新。其会冲击原有的竞争态势，甚至引发行业和产业秩序的重新构建，是提高企业竞争能力、提升产业发展水平的主要动力［4］。但是，突破性创新具有创新周期长、风险高、难以实现等特点［5］。突破性创新对于我国抓住新一轮科技革命的重要机遇、提高技术水平、实现弯道超车发挥着关键性作用。对此，如何找到切实可行的措施实现突破性创新，是学术界和产业界共同关注的话题。鉴于研发人员是创新的执行者和完成人［6］，本文认为，突破性创新行为最终还是需要落实到研发人员身上。因此，本文以研发人员为研究对象，探究不同个体属性维度对突破性创新的影响。

为了回答突破性创新究竟从何而来的问题，已有研究在个体层次上剖析了以往成功经验、工作年限等因素对突破性创新的影响，但忽略了领军人才在突破性创新中的作用。而领军人才作为创造力突出的研发骨干，拥有诸多不同于一般研发人员的属性特征［7-8］。鉴于此，本文选取个体层次合作网络的关键节点——领军人才，探究其对突破性创新的独特影响。此外，过往的研究认为，技术创新是通过积累和整合知识、经验以及技能实现的［9-10］。故部分研究提出，改变核心知识元素以及知识元素之间的联系，是实现突破性创新的必要条件，即知识元素以及知识元素之间的联系所构成的知识网络对突破性创新的实现具有重要意义［11］。以往的许多研究探讨了各个促进突破性创新产生的因素。总体上，这些因素具有两类属性特征——基于知识基础观的知识属性特征和基于社会资本理论的网络属性特征。这些研究为探索突破性创新内部机制做出了显著的贡献［12］。故本文在引入领军人才这一自变量弥补以往研究不足的同时，又从知识属性特征和网络属性特征中分别选取知识宽度和关系强度这两个变量作为自变量，从知识基础观和社会资本理论的角度探究三重个体属性维度对突破性创新的影响。

基于以上背景分析，本文能够填补现有研究忽略作为关键节点的领军人才对突破性创新影响的空白；同时，借鉴以往学者的做法，增加知识宽度与关系强度两个属性特征作为自变量。综上，本文从研发人员类型、知识属性特征和网络属性特征等3个角度加深了对突破性创新的认识，并探究三重个体属性维度对突破性创新的影响，为拓展这一领域的研究提供了新的视角和观点。

1 文献回顾

突破性创新是与渐进性创新相对的概念，两者是根据创新强度来区分和界定的。渐进性创新通常是基于现有产品，通过有限的产品改进，扩展得到新的产品的过程［13］。相比于市场原有产品，其创新成果仅涉及微小的技术变化以及市场经验偏差，常是为了满足现有客户的需求，维持与提升企业在市场竞争中的地位。而突破性创新通常是根据全新的科学与工程技术原理对产品进行显著的革新的过程，具有前沿性以及新颖性的特点［14］。相比于市场原有产品，其创新成果的效益更显著，能够更好地满足客户需求，可以成为企业长期竞争优势的来源。从更宏观的角度来看，突破性创新可以对中国产业转型升级产生显著的驱动作用，具有技术颠覆性、产业关联强带动性等特征［15］。

在突破性创新的形成方面，本文遵循Schumpeter 的观点，即“生产就是将现有的材料进行组合，而生产新的东西意味着将其以新的方式进行组合”。同时，许多学者的研究结论都验证了技术创新是通过对现有知识进行整合来实现的。因此，组织对已有知识进行整合以创造出新知识的能力，对突破性创新的实现起到决定性作用［10］。同时，创新的形成与发展离不开“人才”这一根本驱动力［16］。组织整合已有知识以创造出新知识的重任终究要落实到研发人员个体层面上，即研发人员是创新的执行者和完成人［6］。而在个体层面上，领军人才被称为“明星员工”“关键研发者”，是指关键技术成果的主要完成人、重大研发项目的负责人，或者对企业主导产品及核心技术进行重大创新、改进的主要技术人员［17-18］。作为雁阵格局中的头雁，领军人才承担着带领跨部门、跨地区、跨行业、跨体制的攻坚团队，开展“卡脖子”关键核心技术攻关等突破性创新的任务，是企业最重要的人力和智力资本。其在组织研发中的价值和作用不能等同于一般研发人员的累积和叠加，也不是其他非人力资源所能代替的，即具有不可替代性［8］。不同于一般研发人员，领军人才具有创造力突出［7］、知名度高［8］、社会资本雄厚［19］以及自身知识的创新价值和新颖性高等特点［20］。因此，本文认为，领军人才会对突破性创新产生影响。

而在领军人才对突破性创新的影响究竟是正向的还是负向的这个问题上，以往的许多研究都给出了相关观点。一方面，有学者从动力、机会和能力三方面提出了领军人才的特点。在动力方面，领军人才以学习为目标导向，坚持不懈地学习知识和积累经验［7］；在机会方面，领军人才通常处于合作网络的中心位置，掌握着重要的研发资源［20］，且享有组织内外部较高的知名度［8］，易于获得支持；在能力方面，领军人才的创新整合能力突出，即具有将多样化的信息和知识，甚至是互相矛盾的信息，整合成为一致的、系统的解决方案的能力［21］。另一方面，也有学者认为，相较于探索新技术，研发人员更倾向于利用已有技术，面临着落入认知陷阱的风险。尤其对于领军人才而言，其积累了大量成功的研发经验，更易于被固定的认知模式所束缚，对突破性创新造成了障碍。例如，Tzabbar和Kehoe［22］发现，领军人才流失后，尽管企业原有的研发体系会被破坏，不利于利用式创新，但拓展研发领域的机会增加了，有助于探索式创新。同时，雄厚的社会资本虽然为领军人才获取知识提供了渠道优势，但也埋下了信息超载的隐患，增加了其因在多种信息上分配注意力而需承担的机会成本，降低了知识搜寻的效率，甚至可能导致创造力下降［19］。

本文除了探究领军人才对突破性创新的影响之外，还引入了知识宽度和关系强度这两个变量。其中，知识宽度是指个体所拥有的知识覆盖多个不同领域的程度，代表着个体知识、技能和经验的多样性［23］。知识宽度的增加使得研发人员不必囿于特定领域的知识，而能接触到更多不同的领域，便于研发人员在某一领域内部或者不同领域之间建立新的联系，从而提高自身知识结构的灵活性。另外，知识宽度大的个体更容易从不同的视角思考问题，从而提高其知识重组的能力［24］。同时，也有学者认为，知识宽度会带来负面影响。例如，知识宽度大会造成个体认知过载问题，导致个体在产生新想法方面存在一定的障碍，甚至在一定程度上损害个体的创造力。此外，知识宽度过大可能会导致极端结果的产生，即知识宽度较大的个体既可能产生非常新颖的想法，也有可能面临失败的风险［23］。

创新网络中各网络主体之间的合作是建立在彼此信任的基础之上的。而作为网络关系的重要特征之一，关系强度被Granovetter 具体定义为由时间投入量、情绪强度、亲密程度（相互信任）和互惠服务等4 个要素组成的集合概念。关系强度可以反映研发团队中成员之间过往合作的频率大小；同时，关系强度也可以反映研发团队内部成员之间的熟悉程度、信任程度以及理解程度［25］。并且，关系强度高对团队内部沟通与协调、团队成果、团队凝聚力、团队成员间相互支持等也会产生积极影响，这些要素在知识整合和知识转化过程中至关重要。例如，关系强度高所带来的密切合作关系会激励成员互相分享他们的知识，从而有利于对知识进行整合；关系强度高会减少执行问题与错误，提高满意度，以及减少成员之间的冲突。另外，关系强度高还可以促进特定类型的知识转移与学习；关系强度高所带来的凝聚力会增强个体通过与拥有不同知识的合作者合作来共同创造知识的能力［26］。然而，也有学者认为，关系强度高有可能会带来负面影响。例如，提升合作伙伴之间的信任水平会降低创新能力，这是因为长期的合作关系使组织以放弃从新的合作伙伴那里获取不同的知识为代价，而被锁在旧的合作关系当中［26］。

2 研究假设

2.1 领军人才与突破性创新

针对现有领军人才和突破性创新之间关系的争议，本文认为，领军人才对突破性创新有正向影响。首先，突破性创新较强的探索性、不确定性和新颖性，使创新成果具有超前性，因而其不仅在可行性评估阶段面临着苛刻的审核，而且在后续应用阶段也表现出被认可的滞后性［27］。对此，有领军人才参与的项目更容易获得组织认可，体现在易于通过研发创意筛选、获得经费支持，且能够长周期地持续推进而不被中止。其次，突破性创新的涌现需要研发人员广泛地搜寻、整合不同领域的知识［28］。而领军人才突出的创造力源于其长期高强度地投身研发工作［7］。领军人才在研发工作中培养出了较强的认知能力，对组织外部有价值知识的敏感性增强，能够有效地获取、处理和整合知识。同时，领军人才的社会资本雄厚，且其通常在合作网络中处于跨边界的、有利于知识流动的位置。尤其是某些领军人才在组织研发中扮演着“关系星”的角色［8］，能够便捷地获取外部知识，确保研发项目与行业技术发展同频共振，有助于实现突破性创新。最后，突破性创新难度高、风险大，且极易失败［9］。相对于一般研发人员，领军人才拥有更多成功的研发经验。其知识溢出为团队成员学习知识、提升技能创造了条件［20］。此外，领军人才通常是研发项目的负责人或所在团队的领导［17-18］。他们不仅掌控着研发进度［20］，而且承担着为团队制定科学合理的研发方案的责任［22］，同时能够凭借自身在组织中的影响力争取更多的创新资源，从而带领团队克服研发障碍，提高突破性创新的成功率。

综上所述，本文提出以下假设：

H1：领军人才与突破性创新呈正向关系。

2.2 知识宽度与突破性创新

知识基础观认为，创新实质上就是创造知识的过程，企业通过获取、管理和创造知识来实现创新，知识是企业保持竞争优势最具价值的资源。因此，企业获取知识资源的能力对于企业创新至关重要，企业知识资源获取能力的高低与企业在创新方面能否具有一定的竞争力密不可分［29］。而组织创造新知识的任务归根到底要落实到研发人员身上，即研发人员是创新的执行者和完成人［6］。因此，本文认为，知识宽度作为研发人员的知识特征，会对突破性创新产生正向影响。首先，突破性创新所具备的新颖性这一核心特征需要研发人员拥有不同领域的知识，并对不同领域的知识进行整合，从而突破固定领域的局限，实现创新的目的［30］。而知识宽度的增加可以使研发人员不囿于特定领域的知识，接触到更多不同领域的知识，故知识宽度较大的研发人员因拥有更广泛领域的知识基础而增加了实现突破性创新的可能性。其次，有学者提出，陷入能力陷阱、被已有的行为惯例所约束、套用过时的认知框架的研发人员难以取得突破性创新［31］；在组织内跨学科灵活整合新知识的能力有利于全新的产品开发。而知识宽度的增加会给研发人员带来更多样化的知识，刺激研发人员重新配置知识模式，优化其知识结构，从而提升知识结构的灵活性［32］。此外，知识宽度越大，研发人员整合知识的能力越强。因此，本文认为，知识宽度的增加会使研发人员的知识结构更具灵活性、知识整合能力更强，从而更容易取得突破性创新。最后，突破性创新具有难度高、风险大，且极易失败等特点［9］。而知识宽度的增加可以提高研发人员对未知事件的预知与承受能力，减少响应时间，及时提供有效的解决办法，从而降低创新的风险［17］。因此，本文认为，知识宽度的增加会提高研发人员承受和解决未知事件的能力，促使他们在实现突破性创新的过程中更好地处理风险，从而提高实现突破性创新的可能性。

综上所述，本文提出以下假设：

H2：知识宽度与突破性创新呈正向关系。

2.3 关系强度与突破性创新

本文运用动力、机会和能力的理论框架来分析关系强度对突破性创新的正向影响［33］。首先，在动力方面，关系强度高有助于研发人员与其他人建立信任和互惠关系，提升信任程度与互惠意愿，从而提高合作的动力［34］。而鉴于高难度和跨领域的特点，突破性创新常需要通过团队合作和协作创新才能实现。因此，本文认为，关系强度高可以提高研发人员与他人进行合作的意愿，从而增加研发人员开展突破性创新的动力。其次，在机会方面，与他人建立高强度的合作关系有助于研发人员与他人进行知识与经验的共享［26］，从而有利于吸取他人的失败经验，将时间和精力花费在其他方案的探索与验证上，提高实现突破性创新的可能性。同时，高关系强度所带来的团队内部高信任程度能够节约搜寻信息、决策执行等环节的时间成本。并且，关系强度高有助于研发人员所处的团队建立关于成员知识库和经验库的准确心理模型，提高寻找有用知识的效率［26］。因此，本文认为，关系强度高可以通过减少研发人员的试错环节，提高探索效率，进而增加研发人员实现突破性创新的机会。最后，在能力方面，社会网络理论认为，社会网络所包含的社会关系构成了研发人员搜索信息和知识的手段、信息及知识传播和流动的媒介以及成员互相评估的“镜子”［26］。且创新的过程就是知识流动的过程，在这个过程中，知识被产出、传递以及分享。与其他人建立高强度的关系可以使研发人员与他人的接触更充分，交流更深入，从而有助于研发人员在与他人交流合作的过程中完成知识转移，尤其是隐性知识和复杂知识的转移。因此，本文认为，关系强度高可以为研发人员带来更多的资源，以此提高研发人员开展突破性创新的能力。

综上所述，本文提出以下假设：

H3：关系强度与突破性创新呈正向关系。

本文的概念模型如图1所示。

图1 概念模型

3 研究设计

3.1 样本选取与数据来源

本文选取华为技术有限公司1995—2021 年在中国申请的专利数据为研究样本，所有的专利数据均来源于中国专利数据库。经过整理，本文的最终样本共包含58 640 条专利数据，涉及28 420名研发人员。此外，本文手动搜集整理出华为技术有限公司在2000—2021 年（2000 年前的信息大多是以纸质形式留存，通过互联网难以搜集）所获得的国家级、广东省省级以及深圳市市级与科学技术相关的全部奖项，共168项。

本文的样本选取理由如下：①信息技术产业是当今国民经济高质量发展的引擎性产业，尤其是计算机、通信和其他电子设备制造业作为信息技术产业的基础性与支柱性行业，为探索信息技术产业持续高效发展的途径与方法提供了很好的研究样本。而华为技术有限公司正是我国计算机、通信和其他电子设备制造业的龙头企业，以其为样本能够确保本研究结论更具现实意义。②本研究致力于揭示领军人才对突破性创新的影响，该研究领域常用专利数据衡量创新成果。而计算机、通信和其他电子设备制造业是知识密集型行业，拥有大量专利以保护自身的知识产权，用专利数据进行研究具有科学性。华为技术有限公司作为行业龙头企业，以其专利数据作为研究样本更具代表性。③本文的专利数据皆从中国专利数据库中搜集整理所得，可获取申请时间、公开时间、授权时间、专利申请人、专利发明人、IPC 分类号、被引用次数、法律状态与事件等诸多详细的专利信息，为后续变量的确定与计算提供了便利。

3.2 变量测算

本文的所有变量皆是通过运用Python软件对华为技术有限公司的专利数据进行计算所得。如图2 所示，数据的处理过程具体如下：首先，整理出华为技术有限公司于1995—2021 年在中国专利数据库中所申请登记的58 640 条专利数据和涉及的28 420 名研发人员，以及各自所拥有的专利数量，再根据专利数量从高至低排序得到最终的研发人员名单，并搜集整理出华为技术有限公司在2000—2021 年所获得的国家级、广东省省级以及深圳市市级与科学技术相关的全部奖项；其次，对58 640 条专利数据从高至低排序，筛选出符合突破性创新要求的专利数据；最后，因本文的研究层次为研发人员，故再根据专利数据和获奖情况，对研发人员的类型、突破性创新数量、知识宽度、关系强度、5 年内被引用次数、非专利引用比例、合作发明人数量、合作发明人知识宽度、声明数量、工作年限最早申请、申请与授权时间间隔、法律状态为权利转移的专利比例以及法律状态为未缴年费的专利比例等指标进行定义与计算。

图2 变量测算流程图

3.2.1 因变量

突破性创新。Ahuja和Lampert［35］较早借助专利数据来测度突破性创新水平，他们将年均被引用次数（即前向引用次数）处于前1%的专利界定为突破性创新。参照该做法，本文将5 年内被引用次数从高到低排序中处于前1%的专利界定为突破性创新。本文探究的是对突破性创新的产生有影响的变量，故本文的突破性创新为虚拟变量。只要研发人员所拥有的全部专利中有属于突破性创新的专利，则记为1（突破性创新数量大于等于1 即可，不论个数）；研发人员所拥有的全部专利都不属于突破性创新，则记为0（即突破性创新数量为0）。

3.2.2 自变量

3.2.2.1 领军人才

关于领军人才，现有研究有多种界定方法，如通过研发人员所拥有的专利数量大于样本均值3 个标准差进行界定，或者通过研发人员所拥有的专利数量以及专利数量排名进行界定等。本文参照王巍等（2017）［17］的界定方法，将企业内部拥有专利数量排名前1%的研发人员作为关键研发者，且考虑到样本数量的有限性，将企业内部拥有专利数量排名前5%的研发人员界定为领军人才，共确定了1 473 名领军人才。研发人员拥有的专利数量若排名在前5%，则记为1；若不符合要求，则记为0。

3.2.2.2 知识宽度

专利的IPC 分类号数量可以在一定程度上体现专利方案所涉及的专业知识领域的广度。参照王巍等［36］（2019）的做法，本文将研发人员所拥有全部专利的IPC 分类号的数量总和（剔除重复的IPC 分类号）作为研发人员知识宽度的测量指标，计算所得数值与研发人员知识宽度成正比。

3.2.2.3 关系强度

参照以往学者的做法，本文将研发人员与其合作网络中其他研发人员的平均合作次数作为研发人员关系强度的测量指标。该指标的数值大小与研发人员和其他人合作关系的密切程度成正比。

3.2.3 控制变量

3.2.3.1 所获奖项

本文对华为技术有限公司在2000—2021 年所获得的国家级、广东省省级、深圳市市级与科学技术相关的奖项进行了搜集整理。例如，国家技术发明奖、国家科学技术进步奖、广东省技术发明奖、广东省科技进步奖、深圳市科学技术奖等。这些是各级政府为表彰促进科技进步和社会发展的个人或组织所颁布的奖项，其分别是国家、广东省、深圳市在科技成果奖励方面的最高荣誉，代表着官方对科技成果的认可。本文的所获奖项为虚拟变量，即研发人员若获得过以上奖项，则记为1；若未获得过，则记为0。突破性创新具有新颖性和强影响力两个核心特征，本文所采取的界定方法侧重于影响力特征，忽略了新颖性特征，引入所获奖项这一虚拟变量可以在一定程度上弥补此不足。

3.2.3.2 非专利引用比例

非专利引文可以反映该专利与相应技术领域前沿之间的联系程度，即非专利引文越多，其与技术前沿的联系越紧密。故本文计算非专利引用比例，即非专利引文数量与总引用数量的比值，以衡量专利的新颖程度高低和创新贡献大小。值得注意的是，上述非专利引用比例是研发人员所拥有的全部专利的非专利引用比例的平均值。

3.2.3.3 合作发明人数量

合作发明人数量即研发人员在华为技术有限公司申请登记的所有专利中合作过的全部研发人员的数量。团队成员技能的异质性会导致团队绩效的差异性，故专利研发团队成员技能和知识的异质性会导致研发绩效的差异性。为了说明其他研发人员对某一研发人员产生突破性创新的影响，本文引入合作发明人数量来控制研发团队规模。

3.2.3.4 合作发明人的知识宽度

合作发明人的知识宽度即研发人员的所有合作发明人所拥有专利（包括研发人员合作发明人独自拥有的专利）的IPC 分类号总数量的均值，在统计过程中需要剔除掉不同合作发明人重复的IPC分类号。

3.2.3.5 权利要求数量

权利要求可以反映出专利所占用或被保护的产品空间大小，专利的权利要求数量常被视为该专利的价值体现。其指标数值越大，专利受保护的范围就越广，专利的复杂程度也越高，即指标数值大小可体现出研发人员创新产出水平的高低。本文所述的权利要求数量是研发人员所拥有全部专利的权利要求数量总和的平均值。

3.2.3.6 工作年限

参考以往学者的做法，本文将当前年距离研发人员最早申请专利时间的时间间隔作为研发人员的工作年限，以年为单位。

3.2.3.7 申请与授权时间间隔

专利申请提交后，需要通过审核才能得到授权。而以往的研究认为，申请与授权时间间隔的长短与专利的复杂程度相关，即专利的申请与授权时间间隔越长，专利的复杂程度越高。并且，申请与授权时间间隔长的专利通常更容易被企业内部引用。本文的申请与授权时间间隔是研发人员所拥有全部专利的申请年月与授权年月时间间隔的平均值，以年为单位。

3.2.3.8 简单同族成员数量

简单同族成员数量是指以共同的一个或几个专利申请为优先权的专利族成员数量，在一定程度上可以反映出专利申请的布局情况和专利对申请人的保护价值。本文的简单同族成员数量为研发人员所拥有全部专利的简单同族成员数量总和的平均值。

3.2.3.9 法律状态为权利转移的专利比例

已有研究表明，可以通过解读专利的法律状态来判断和获取专利权人是否对该专利的知识产权进行了保护以及该专利是否实现了技术转让等信息。故本文引入与法律状态相关的两个控制变量。专利权利转移是专利实现其价值的重要途径，法律状态为权利转移的专利常具有较高的技术质量、创新价值和经济效益。因此，本文引入法律状态为权利转移的专利比例这一指标作为控制变量，通过计算研发人员拥有全部专利中法律状态包含权利转移的专利所占比例来测量。

3.2.3.10 法律状态为未缴年费的专利比例

专利的法律状态为未缴年费常意味着，专利权人认为专利可带来的经济效益不足以与维持专利的费用相抵。故法律状态为未缴年费可在一定程度上反映专利的应用程度和经济价值。本文引入法律状态为未缴年费的专利比例这一指标作为控制变量，通过计算研发人员拥有全部专利中法律状态包含未缴年费的专利所占比例来测量。

4 实证检验结果

4.1 分析方法与实证结果

本文选用Stata16.0 软件进行以下实证分析。首先，对涉及的所有变量进行描述性分析和相关性分析，具体的分析结果如表1所示。然后，考虑到本文的因变量突破性创新为虚拟变量，仅有0和1两种取值，即本文的模型为二值选择模型，借鉴以往学者的做法，在这种情况下采用Logit 模型对突破性创新的影响因素进行回归分析。

表1 变量描述性与相关性分析结果

为排除多重共线性的干扰，本文在对突破性创新的影响因素进行Logit 模型回归分析之前，进行了多重共线性检验：首先，对变量进行多元线性回归分析，计算各变量的方差膨胀系数（Variance Inflation Factor，VIF），各变量的方差膨胀系数皆小于5，其中最大值为2.53；然后，使用coldiag2 命令进行共线性诊断，Condition number using scaled variables 结果值为15.81，小于30。综上分析，可以得出，本文的各变量之间不存在多重共线性问题。同时，本文对研发人员的知识宽度这一变量进行了最大最小值标准化处理。

以突破性创新二值虚拟变量为因变量的Logit模型的回归结果如表2所示。为方便解释回归结果，表2 中的数据均为各变量的比率比（odds ratio）而非系数。本文采用逐步回归法验证前文假设：模型1 中包含全部的10 个控制变量；在模型1 的基础上，模型2 加入第一个自变量“领军人才”；在模型2 的基础上，模型3 加入第二个自变量“知识宽度”；在模型3 的基础上，模型4 加入第三个自变量“关系强度”。Logit 回归分析结果显示：领军人才的比率比为2.360，且P值为0.000，小于0.01；知识宽度的比率比为2.788，且P值为0.012，小于0.05；关系强度的比率比为1.261，且P值为0.000，小于0.01。这表明在给定其他变量的情况下，领军人才取得突破性创新的概率比是普通研发人员的2.360 倍（即高出136%）；且研发人员的知识宽度每增加1 单位，其取得突破性创新的概率比就会增加178.8%；研发人员的关系强度每增加1 单位，其取得突破性创新的概率比就会增加26.1%。因此，假设1、假设2和假设3均得到了支持，即领军人才、知识宽度和关系强度均与突破性创新呈正向关系。

表2 研发人员突破性创新的Logit模型回归结果

4.2 稳健性检验

为检验上述实证结果是否具有稳健性，本文主要尝试了以下两种方法，具体的检验过程及检验结果如下。

一方面，本文采用了变量替换法来判断实证结果是否具有稳健性。在自变量方面，本文是通过计算研发人员所拥有全部专利的IPC 分类号数量来测算知识宽度的，并且在后续分析中对知识宽度进行了最大最小标准化处理。同时，本文尝试了其他方法对知识宽度进行处理，如规范标准化及取对数等。对知识宽度进行规范标准化和取对数后的研发人员突破性创新的Logit 模型回归结果分别如表3 和表4 所示。在控制变量方面，本文主要采取求平均值的方法对变量进行测量，尝试采用统计数值总和的方法，并且将与法律状态相关的两个控制变量处理为0 或1 虚拟变量，此时研发人员突破性创新的Logit 模型回归结果如表5 所示。经过多种不同变量替换方法检验后的回归结果表明，领军人才、知识宽度和关系强度与突破性创新仍然呈正向关系。

表4 知识宽度取对数后的研发人员突破性创新的Logit模型回归结果

表5 总值替换和法律状态相关变量替换后的研发人员突破性创新的Logit模型回归结果

另一方面，本文还采用了其他的模型回归方法来判断实证结果是否具有稳健性。本文原本采用的是Logit 模型对突破性创新的影响因素进行回归分析，因此，在稳健性检验时，本文尝试了同样适用于因变量为虚拟变量的二值离散选择模型的Probit 模型回归方法。然后，将因变量突破性创新由取值为0 或1 的虚拟变量更改为计数型变量。因该变量的方差大于期望，存在过度分散，本文尝试采用负二项回归方法。以研发人员突破性创新为因变量的Probit 模型回归结果和负二项回归结果分别如表6 和表7 所示。不同模型的回归结果均表明，本文的3个假设成立。

表6 研发人员突破性创新的Probit模型回归结果

表7 研发人员突破性创新的负二项回归结果

综上，本文的实证结果通过了检验，表明结论具有稳健性，较为可靠，即领军人才、知识宽度和关系强度均与突破性创新呈正向关系。

5 结论与建议

本文以华为技术有限公司1995—2021 年的专利数据为研究样本，共包括58 640 条专利数据，涉及28 420 名研发人员，并以研发人员为研究对象，探究了领军人才、知识宽度和关系强度等3 个维度对突破性创新的影响，得到的主要研究结论如下：①领军人才与突破性创新呈正向关系；②知识宽度与突破性创新呈正向关系；③关系强度与突破性创新呈正向关系。

本研究的理论贡献有以下3 个方面。首先，社会网络领域的文献因存在过于重视网络嵌入性而对节点属性关注不足的研究倾向被部分学者诟病［34］，并且，现有文献鲜有探究领军人才对突破性创新独特影响的。本文由此出发，从个体层次上选取影响突破性创新的关键节点，即领军人才，探究了其对突破性创新的影响，拓展了突破性创新的研究，并增强了对领军人才的理论认识，弥补了现有研究的不足。其次，围绕突破性创新的主体，现有研究存在不一致的观点。一部分学者认为，拥有成功经验的领军人才是实现技术突破的主力军［19-20］；相反，另一部分学者认为，由于领军人才受到路径依赖和组织惯性的影响，突破性创新更有可能来自一般研发人员［37］。对此，本文在个体层次上区分了领军人才和一般研发人员，得出领军人才对突破性创新有正向影响的研究结论，明晰了创新主体，回应了关于突破性创新主体的争议。最后，本研究从知识属性与网络属性出发，引入了知识宽度和关系强度这两个变量，探究组织成员的个体属性对突破性创新的影响，使得本研究囊括了研发人员类型、知识属性以及网络属性三重个体属性维度，研究结论更具全面性，也拓宽了突破性创新的未来研究方向。

本研究的实践启示如下。一方面，本文的研究结论表明，领军人才会对突破性创新产生正向影响，即作为组织研发的领头羊，领军人才在突破性创新中扮演着重要角色。因此，组织应主动识别现有的领军人才，采取一定的措施对其进行奖励与激励，避免现有领军人才的流失，并充分发挥其作用，提高组织突破性创新的产生率。同时，以人才引进为抓手，实现顶尖科技人才的集聚［38］。此外，组织还应注重领军人才后备队伍的培养，创立人才发展机制，激发成员潜力，打造科学合理的领军人才梯队，为组织长远发展与突破性创新持续取得提供人才保障。另一方面，本文的研究结论还表明，知识宽度和关系强度都会对突破性创新产生正向影响，即拓宽组织成员的知识宽度以及增强组织成员之间的关系强度都是提高组织突破性创新产生率的人力资源管理措施。具体而言，组织管理者可以通过鼓励成员借调至其他部门或者参加组织轮训等措施，达到拓宽组织成员知识宽度的目的。同时，组织管理者可以通过积极开展团队交流活动等措施，提高组织成员之间的关系强度。

本研究还存在一些局限和不足之处，有待后续研究继续改进：①本研究是以中国计算机、通信和其他电子设备制造业的龙头企业华为技术有限公司的专利数据为样本，研究结论可能不具备普适性，不一定完全适用于其他国家或其他行业，即在其他背景下本研究结论是否成立有待后续验证。②本研究是将5 年内被引用次数从高到低排序中处于前1%的专利界定为突破性创新。虽然该界定方法被许多研究所采用，但这一测算方法只考虑了突破性创新的影响力维度，忽略了其新颖性维度。后续研究可以采用更加科学全面的测算方法来界定突破性创新。同时，专利情况只是创新表现的一个方面，并不能完全与创新表现对等，故通过专利数据测算创新相关变量的做法也存在不足之处。