合作网络视角下企业网络位置对创新绩效影响研究——以医药制造业为例

许洪皓，李树祥，刘佳源，褚淑贞

（中国药科大学国际医药商学院，江苏南京 211198）

1 研究背景

党的二十大报告指出要坚持创新在我国现代化建设全局中的核心地位，让创新成为全面推进现代化建设的第一动力。在创新系统中，作为社会创新重要力量的企业为实现科技强国目标作出了突出贡献，其重要地位在创新实践中也得到了进一步凸显。在新发展阶段，仅仅依靠企业内部创新难以满足快速变化的市场需要［1］，企业面临日益递增的创新压力，需向外获取知识，与其他组织一并构建协同创新体系。国家“十三五”规划提出了建设以企业为创新主体的政产学研用一体的创新网络，“十四五”规划再次强调要推进产学研深度融合，增强企业协同创新能力。产学研合作创新是企业进行协同创新的重要途径，企业通过与其他企业、高校、研究院所进行合作交流，能够拓宽其知识维度，获得更多差异化知识，从而充实自身的创新能力、提高创新绩效［2］。

在众多产学研协同创新研究的视角中，社会网络分析方法近年来受到了众多学者的关注。随着经济社会的快速发展，地理位置等限制因素也随着科技持续进步不再成为制约企业协同创新的主要原因［3］。企业与其他组织间的合作关系由简单的点对点模式演化成具有复杂特性的网络结构［4］。在产学研协同创新网络中，专利合作网络是一种重要的形式，企业的知识以专利形式在网络中各组织间传播和扩散，降低了企业知识学习的风险［5］，同时也让知识掌握程度不同的企业通过专利合作网络可以进行学习交流、弥补知识差距［6］。对产学研专利合作网络中企业网络位置与创新绩效的研究主要集中在：（1）合作网络中企业网络结构特征对企业创新绩效的影响，如李培哲等［7］通过分析无线通信行业的产学研创新网络，得出网络中心性对企业创新绩效有显著正向影响，结构洞对企业创新绩效没有呈现出倒“U”型关系；（2）合作网络中网络结构特征对企业创新影响机制，如祝建辉等［8］通过对航空装备制造企业的分析，得出企业度数中心度与结构洞等网络结构特征通过知识基础的中介作用促进企业创新，关鹏等［9］则利用企业专利合作网络小世界的调节特性分析企业在合作网络中的网络结构对企业创新绩效的影响；（3）合作网络整体结构特征对企业创新绩效的影响，如高霞等［10］通过构建产学研合作网络探究网络开放程度的异质性对企业创新绩效的影响。

在产学研合作中，企业、高校和研究院所分属于不同类型的研究主体，因此在经营管理和组织运营等方面会存在一定的差异，且由于参与创新合作双方的主体性质不同，导致合作网络的性质也存在不同，使得各网络拥有差异化的特征，在不同的网络中开展创新合作时，企业所拥有的资源获取机会及其所获取的资源类型也存在着差异。目前国内关于产学研专利合作网络的研究较为丰富，但绝大多数的研究将视角聚焦在产学研专利合作网络的整体网上，将该网络按照合作主体的不同进行分解、从更加微观的层面进行研究分析不足。为此，本研究对产学研专利合作网络进行分解，将企业嵌入到“企业-企业”“企业-高校”以及“企业-研究院所”（以下简称“‘C-C’‘C-U’‘C-R’”）这3 种不同性质的专利合作网络中，进而探究在合作网络中企业网络位置对创新绩效的影响。

2 理论分析与研究假设

2.1 “企业-企业”专利合作网络中企业网络位置与创新绩效

由于知识创造存在其固有的高风险与高成本的特性，企业在进行创新活动时会向外获取创新资源以降低创新成本、分摊创新风险［11］，在这样自发的知识探索过程中，企业与企业间就形成了知识互补的合作网络。“C-C”专利合作网络在本研究中指的是纳入统计的医药制造业企业与其他企业由于专利合作而形成的一种合作网络。在“C-C”专利合作网络中，不同主体对企业创新所获取的知识存在需求差异，但本质上都是为了实现企业创新效益最大化［12］，这就导致该合作网络存在创新资源分配不均、网络连接局部紧密等特点，缺乏作为中间人角色的企业对不同知识共享群体进行连结［13］。同时，由于该网络的合作主体多为同一领域内的企业，存在一定的资源同质化现象。为了获得更多异质性的知识资源，拥有较多结构洞数量的企业在一定程度上能够扮演合作网络中的中间人角色，改善网络由于合作主体类型同质而带来的资源同质问题［14］。结构洞理论在企业创新网络中的应用最早是由Burt［15］提出，该理论认为两个个体之间非冗余联系是通过结构洞完成的。占据结构洞的企业能够作为“中间人”对知识传递起到一定程度的控制，拥有更多获得异质性资源的机会［16］，因此，“C-C”专利合作网络中占据较多结构洞数量的企业能够与其他企业拥有更多交流，从而提高获取异质性资源的可能，促进企业创新绩效的提升。因此，提出假设如下：

H1a：“C-C”专利合作网络中，结构洞对企业创新绩效具有正向影响。

在合作网络中，度数中心度常用来表示企业在网络中与其相连的个体数量。拥有较高度数中心度的企业被认为更靠近网络的中心位置，其所掌握的合作网络资源也更加丰富［17］，企业质量也相对优质。与度数中心度类似，邻域度数中心度则是用来表示与企业相连的合作伙伴的网络位置和网络连接数的一种中心度指标，在一定程度上反映了企业合作伙伴的质量［18］。依据知识管理理论，企业间的合作可以被看作是一种知识搜索，对外部知识的搜索能够刺激企业创新的积极性［19］。在“C-C”专利合作网络中，占据结构洞位置的企业虽然在进行外部知识搜索时拥有一定的优先级，但面对搜索获得的海量知识资源时，企业知识吸收和转化的效率成为制约其创新绩效提升的一大问题［20］。短期内，提升企业自身知识吸收与转化的能力相对困难，故占据结构洞位置的企业会优先选择高中心性、质量较高的企业进行合作［21］。这种筛选的操作能够优化企业对合作伙伴的选择，保证了知识获取的质量和效率。占据结构洞的企业在进行合作伙伴筛选时，网络中其他企业也会因为规避风险等原因与“中间人”的选择保持相对一致，导致这些企业的邻域度数中心度进一步增加。同时，如上所述，由于“C-C”专利合作网络的合作主体存在一定程度的同质化，导致企业在进行知识搜索时会面对大量的同质化信息，如果对合作伙伴不加筛选，无疑会增加企业知识吸收的难、减少企业创新绩效产出［22］。邻域度数中心度较大的企业已然在网络中形成了自己的合作资源库、掌握了较多的知识资源，与其他企业形成质量上的差异，因此，与邻域度数中心度较大的企业进行合作能够在一定程度上减少企业筛选同质化知识的时间，提高企业创新效率，促进创新绩效产出。综上，提出如下假设：

H1b:“C-C”专利合作网络中，结构洞对企业邻域度数中心度具有正向影响；

H1c:“C-C”专利合作网络中，企业邻域度数中心度对企业创新绩效具有正向影响；

H1d：“C-C”专利合作网络中，企业邻域度数中心度在结构洞对企业创新绩效的影响中存在中介效应。

2.2 “企业-研究院所”专利合作网络中企业网络位置与创新绩效

与“C-C”专利合作网络类似，企业在与研究院所的专利合作中强调对前沿科研成果的产业化应用［23］，因此，企业会基于自身的领域特性以及创新需求选择合作伙伴，故其选择作为合作伙伴的研究院所也多具有与企业相同行业背景，使得该网络中各主体存在一定的同质化。如上所述，占据结构洞的企业能够在资源获取上得到相对优势，在一定程度上改善同质化现象，获取更多异质性资源。获取异质性资源进行创新是企业进行产研合作的动力之一，但由于我国的创新体系仍在发展中，产研合作尚未形成耦合之势［24］，导致这类专利合作网络较为稀疏，因此，在该网络中拥有较多结构洞数量的企业能够更好地占据资源获取渠道，与合作对象开展有效交流以获取更多的异质性资源，减少企业创新成本、提高企业创新绩效。综上，提出假设如下：

H2a:“C-R”专利合作网络中，结构洞对企业创新绩效具有正向影响。

在“C-R”专利合作网络中，研究院所提供的资源多为基础研究知识，具有高信息量的特点，若研究院所没有成熟的产研合作经验，就较难将基础研究进行产业化输出、形成有效的科研转化模式，这就导致企业在网络中进行知识搜索时即便获得了相关资源，也难以完成知识吸收，企业和研究院所在进行合作时存在一定程度上的信息不对称问题［25］；但为了降低知识吸收的成本，占据结构洞的企业会倾向于选择产研合作基础较深的研究院所进行合作。这样的现实情况使得拥有成熟产研合作经验的研究院所在网络中能够获得更多的合作伙伴，企业的邻域度数中心度在这一过程中得到提升［18］。拥有较多结构洞数量的企业在合作网络中的地位越重要、话语权越大［16］，他们的合作成功经验使得后进入合作网络的企业在选择合作伙伴的过程中为了降低创新成本与风险，通常也会选择产研合作经验丰富的研究院所，即存在合作伙伴选择的路径依赖现象［26］，进一步增加了企业的邻域度数中心度。产研合作成熟的研究院所能够识别企业的创新需求，在相对同质化的网络中为企业的产业化创新提供适应的帮助，有利于打破企业与研究院所的信息壁垒，提高企业产研合作的创新效率，从而促进企业创新绩效的提升。综上，提出以下假设：

H2b:“C-R”专利合作网络中，结构洞对企业邻域度数中心度具有正向影响；

H2c:“C-R”专利合作网络中，企业邻域度数中心度对企业创新绩效具有正向影响；

H2d：“C-R”专利合作网络中，企业邻域度数中心度在结构洞对企业创新绩效的影响中存在中介效应。

2.3 “企业-高校”专利合作网络中企业网络位置与创新绩效

研究院所与高校虽然都作为知识的创造者与传播，但与研究院所不同的是，高校多样化的学科、院系设置使得其掌握的知识资源异质性较强［27］。“C-U”专利合作网络中存在较多异质性的资源，但由于企业自身创新能力不足，导致合作网络中企业的结构洞数量较多［28］。一方面，校企合作网络拥有丰富的异质性资源，这些异质性资源能够帮助企业汲取创新知识、促进企业创新；另一方面，网络中企业的结构洞数量本身就较多，这就容易出现随着结构洞数量不断增加，企业吸收的异质性资源超过了其自身的吸收能力［29］，企业需要付出更多的精力和成本在知识的吸收上，阻碍了企业的创新活动。结合以上分析，笔者认为在一定程度内企业结构洞数量能够促进其创新绩效，当超过这一范围后，结构洞数量增加会给企业带来纷杂的知识，使得企业增加自身资源的消耗以吸收这些来自不同合作伙伴的资源，从而导致创新绩效降低。故与以上两种合作网络不同，在“C-U”专利合作网络中，结构洞与企业创新绩效之间并非呈线性关系。同时，由于高校存在桥梁作用，大学与企业的合作本身就较为紧密［30］，占据结构洞的企业进行合作伙伴选择较难影响网络中其他企业的选择，导致在“C-U”专利合作网络中企业的邻域度数中心度均较大。各企业的邻域度数中心度差异较小且合作网络中结构洞数量较多，企业通过与这些高校寻求合作的行为会同时增加企业获得同质性与异质性资源，导致企业知识吸收的难度进一步加大，与其知识筛选的初衷背道而驰，导致企业创新效率下降，抑制企业的创新绩效。故，在“C-U”专利合作网络中，占据结构洞位置的企业无法通过邻域度数中心度对企业的创新绩效产生正向影响。综上，提出以下假设：

H3：“C-U”专利合作网络中，结构洞与企业创新绩效之间呈倒“U”型关系。

结合上述分析，提出本研究的理论模型，如图1 所示。

图1 研究假设模型

3 研究设计

3.1 样本选择与数据处理

进入21 世纪，医药产业竞争越发激烈，创新成为获得医药产业竞争优势的重要路径，同时，受到新形势下仿制药利润下降、新药审批加快等因素的影响，我国医药制造业对于创新的重视也在不断提升，知识密集型产业特征愈发明显，专利合作网络资源较为丰富，因此，选择医药制造业作为样本进行专利合作网络的研究能够丰富医药产业的创新研究内容，刻画新形势下我国医药制造业创新网络的发展特征，具有一定的现实意义。

通过国信证券信息平台收集A 股主板上市的医药制造业企业样本信息，剔除被退市风险警示的企业（ST 企业），最终纳入统计的共有192 家医药制造业企业，并以企业为研究主体，构建由“企业-企业”“企业-研究院所”“企业-高校”组成的产学研专利合作网络。产学研专利合作网络作为知识网络的一类分支，不仅拥有可分性、动态性以及开放性等网络结构的特点［31］，还具有知识专利化后的信息可识别性与易获取性［32］。在该网络中，通过分析企业、高校、研究院所间的联合申请专利情况，对不同主体之间的合作关系进行有效识别。为了更加准确地体现企业的创新能力，本研究剔除了实用新型专利和外观设计专利数据，使用样本企业2010—2021 年间的发明专利申请数构建合作网络。数据收集与整理的过程如下：

（1）人工检索国信证券A 股主板上市企业，从中筛选整理我国医药制造业上市企业名单，纳入统计的企业共192 家；

（2）通过大为Innojoy 专利搜索引擎检索上述企业2010—2021 年间的发明专利申请，获得样本企业在该时间段内的发明专利总数，经数据清洗后，共收集专利数据8 334 条；

（3）对每一家样本企业的专利数据按照标准对申请人进行分类，人工筛选出各样本企业的联合申请专利，并对其合作伙伴的性质进行分类（企业“C”、高校“U”、研究院所“R”）；

（4）将通过步骤（3）所得数据进行整理形成“C-C”“C-U”和“C-R”的二模数据集，并进一步将数据集转化为一模数据的形式，构建产学研专利合作网络的元数据集；

（5）利用UCINET 6.2 软件进行网络构建，计算各样本的网络特征指标。

3.2 变量测度

（1）因变量。创新绩效的表现形式有很多种，现有研究多采用企业的专利数量作为创新绩效的代理变量，本研究借鉴钱锡红等［17］的研究，并考虑专利授权数量存在时滞性，而专利申请数量更能体现企业在当年的创新绩效，故选择使用企业的专利申请数（IP）作为因变量。

（2）自变量。在产学研专利合作网络中，各企业的网络特征指标能够反映其在网络中所处的位置，继而体现他们获取资源的能力大小，对创新绩效有着重要的影响。网络特征指标有很多，其中结构洞和中心度是反映企业网络位置的重要指标，因此，选择结构洞与邻域度数中心度作为自变量，测度产学研专利合作网络中各企业的网络位置。结构洞用来表示组织之间的非冗余联系，占据结构洞的企业往往能够扮演网络中的中间人角色，获得更多非冗余资源［16］，参考邵桂兰等［18］、郭颖等［25］的研究成果，选择限制度作为结构洞的代理变量。限制度指的是某节点在网络中拥有结构洞进行资源获取或沟通的能力［15］。由于限制度的大小可能会超过1，借鉴马永红等［33］的做法计算结构洞的限制度：

鼓励教学 首先，目前专业实验教学项目类型较为单一，难度比基础实验项目稍大，本科生普遍是在开展实验初期有较高的学习积极性，随着实验教学项目的开展，兴趣逐渐被消耗殆尽。通过提高专业实验室开放性，可增加实验类型及授课方式，进而提高学生的积极性[8]。其次，本科生毕业后无论是继续深造读研还是就业创业，都需要有一定的创新能力。提高专业实验室的开放性，有助于让学生从被动学习转化为主动学习，多思考以提升创新能力。最后，对于授课教师而言，开放型的实验室有利于开展多类型的教学模式，进而增强教学效果。

（3）中介变量。邻域度数中心度反映的是网络中与某企业相连的其他企业的度数中心度之和［18］，在一定程度上反映了企业合作伙伴的质量。由于本研究涉及的网络并非同一个整体网，而是产学研专利合作网络下的3 个子网，为增加网络间度数中心度的可比性，故使用标准化后的度数中心度（相对度数中心度）纳入计算。

（4）控制变量。借鉴马永红等［33］、张坤等［34］研究，选择企业规模、企业年龄以及企业所有制性质作为控制变量。已有研究指出企业规模能够影响企业的创新活动，企业规模越大，其对创新的促进作用越明显［35］，因此选取截至2021 年年底各企业的总资产作为企业规模的代理变量，并对该变量进行取自然对数处理。企业创新难以一蹴而就，企业年龄越长其所积累的知识越深厚，在知识吸收和使用上越有经验，所以在一定程度上对创新起到了促进作用［36］。笔者通过查询国家企业信用信息公示系统，以系统公布的样本企业成立时间为准，整理得到企业年龄。所有制性质能够影响企业对知识的积累和运用，相对而言，国有企业的知识积累比民营企业要更为丰富，且拥有更加深厚的研发资金，因此，设置企业所有制一项作为控制变量，国有企业记为1，其他类型的企业记为0。

各变量名称与设置具体见表1。

表1 变量说明

3.3 模型设置

本研究的因变量为非负变量，故应该选用泊松回归或负二项回归进行分析。选择泊松回归的条件是条件均值要等于条件方差，而负二项回归是对泊松回归的改进，能够有效解决数据过于离散的问题，且其对于应用的条件较泊松回归宽松，放松了对方差和均值的要求。在本研究中，样本的均值（67.479）小于样本的标准差（90.504），因此考虑使用负二项回归。

4 实证研究

4.1 产学研专利合作网络特征分析

产学研专利合作网络是由不同性质的主体所构成的复杂网络，明晰合作网络的特征有利于后续的回归分析。3 个子网的结构指标如表2 所示，可以看到“C-U”专利合作网络的网络密度最大，也就是在该网络中各节点的联系较为紧密，印证了以上对企业与高校间合作紧密的分析；“C-C”与“C-R”专利合作网络的平均度要低于整体网的平均度，说明在这两个子网中，各节点间的联系较为稀疏，合作效率不高，各节点间知识传输与吸收的能力较弱，网络中的同质性资源处于较高水平。

表2 样本产学研专利合作网络结构指标

为了能够更加直接地感受产学研专利合作网络与这3 个子网的网络特征，利用Gephi 0.9.2 和UCINET 6.2 软件对上述网络特征进行可视化操作。由图2 可以看出，合作企业与研究院所的节点个数均大于高校，但在整体网中企业与高校之间的联系较企业与研究院所更为紧密，企业节点分布更加倾向与高校合作；从各节点边的分布来看，在与高校连接的企业节点中，有很大比例的节点同时选择了与其他企业节点进行连接。

图2 样本产学研专利合作整体网络特征

图3 产学研专利合作网络子网络特征

综上所述，产学研专利合作网络各子网间的网络特征存在着差异与共同点，但仅从网络模型的视角观察各子网之间的特征尚不能说明网络位置是如何影响企业的创新绩效，因此，接下来将以企业为研究主体，以实证分析探索微观层面上不同子网内企业的网络位置对其创新绩效的影响。

4.2 描述性统计与相关性分析

使用Stata16.0 软件对样本数据进行描述性统计与相关性分析。表3 显示该网络的平均邻域度数中心度最大，侧面印证了上述理论分析。从表4 至表6 的结果来看，在各子网中，结构洞和邻域度数中心度都与企业创新绩效存在显著正相关关系，邻域中心度与结构洞存在正相关关系，即除H1d、H2d、H3外，其余假设均可以得到一定程度的验证。同时，计算得到各变量的VIF 值均小于10，说明变量间不存在多重共线性。

表3 变量描述性统计

表4 “C-C”子网络变量间相关性分析

表5 “C-U”子网络变量间相关性分析

表6 “C-R”子网络变量间相关性分析

4.3 回归分析

负二项回归结果如表7 所示。模型1 仅包含控制变量，分析控制变量对企业创新绩效的影响。结果显示企业规模对创新绩效存在显著的正向影响，企业年龄对企业创新绩效的正向影响在0.05 水平上显著，说明企业的存续时间与积累的知识、资产的规模对创新有着显著的促进作用。模型2 在模型1的基础上加入了自变量结构洞，结果显示3 个子网的结构洞均对企业的创新绩效存在显著的正向影响，假设H1a与H2a得证，但在促进程度上3 个子网存在着一定差异，在“C-R”子网络中结构洞对企业创新绩效的促进作用最大，其次是“C-C”子网络，说明在这两个网络中同质性资源较多，占据结构洞的企业能够拥有知识吸收的优势，获得更多异质性资源进行企业创新，“C-U”子网络中该指标同样显著，但结构洞对企业创新绩效的促进作用有限。结合以上的理论分析，引入模型3 进行回归分析，即在模型2 的基础上增加结构洞变量的平方项，从结果上可以看到“C-U”子网络的结构洞系数为正，结构洞的平方项系数为负，说明在该网络中结构洞与企业创新绩效之间存在着倒“U”型的关系；同时，“C-C”网络中结构洞系数为正，结构洞的平方项系数为负，在基于平方项的倒“U”型检验中，“C-C”专利合作网络结构洞与企业创新绩效也存在着倒“U”型关系。

表7 变量的负二项回归结果

基于平方项的倒“U”型检验容易出现假结果，即样本数据量仅够检验模型的一部分变化趋势，因此，借鉴Lind 等［37］的做法，在进行基于平方项的倒“U”型检验后，利用Stata 软件进行Utest 检验。其中，E-point 表示“结构洞-创新绩效”曲线的极值点；Interval 表示曲线中XConstra 的取值范围；Slope 代表曲线的开口方向，Slope 范围中存在负数则证明曲线开口向下。从检验结果可以看到，虽然“C-C”专利合作网络中曲线的极值点落在了其结构洞的取值范围内，但检验的结果为不显著，说明在“C-C”专利合作网络中结构洞与企业创新绩效不存在倒“U”型关系，证明以上基于平方项的倒“U”型检验的结果为假结果；而“C-U”专利合作网络的Utest 检验结果则印证了在该网络中结构洞与企业创新绩效之间存在着倒“U”型的关系，假设H3成立（见图4）。

图4 样本“C-U”专利合作网络中结构洞与企业创新绩效关系

为了验证邻域度数中心度在结构洞对企业创新绩效的影响中存在中介效应，借鉴温忠麟等［38］的做法对相关变量进行逐步回归，检验其系数。以上已经对结构洞与企业创新绩效，即自变量与因变量之间的关系进行了第一步检验，进一步引入模型4对自变量与中介变量之间的关系进行第二步检验，结果如表8 所示。在“C-R”专利合作网络中，结构洞对邻域度数中心度的正向影响在1%统计水平上显著，假设H2b得到验证。“C-R”子网络中结构洞对邻域度数中心度的促进作用在3 个子网中为最强，这说明在“C-R”专利合作网络中占据结构洞位置的企业对合作伙伴的选择强化了其他企业进行合作伙伴选择时的路径依赖现象。在“C-C”子网络中，结构洞对邻域度数中心度的正向作用仅在0.1统计水平上显著，鉴于在实证研究中，对于P＜0.1统计水平的回归结果一般不直接作为假设得证的判定条件，故假设H1b并没有得到证实，原因可能是：第一，该网络的网络密度较低，网络中各节点呈现“中心-外围”的特征，各节点间的联系不够紧密，多数企业没有占据结构洞位置，企业与企业间的信息传递受到一定程度的阻滞，这就容易导致在“企业-企业”专利合作网络中占据结构洞的企业在网络中的话语权被弱化，使得企业合作伙伴选择的路径依赖现象没有出现或者该现象仅局限于处在网络中心的企业上；第二，可能由于本研究选取的样本数较少，无法准确刻画“企业-企业”专利合作网络的结构特征，使得其网络较为稀疏，密集的结构洞特征所带来的一些影响没有被体现。

表8 样本专利合作网络中邻域度数中心度的中介效应检验

在第三步检验中，引入模型5，将自变量与中介变量同时引入模型进行回归。从结果上看，在“C-C”和“C-R”子网络中，邻域度数中心度对企业创新绩效的正向作用均在1%统计水平上显著，H1c与H2c得证，同时，“C-U”专利合作网络中邻域度数中心度对企业创新绩效的作用也在5%统计水平上显著正相关。由于在第二步检验中“C-C”与“C-U”子网络的结构洞对邻域度数中心度不存在显著的影响，而第三步检验却验证了在这两个网络中中介变量对因变量的显著影响，故引入Sobel 检验，如果检验结果显著则邻域度数中心度的中介效应显著，否则中介效应不显著［39］。借鉴花冯涛等［40］的做法，Sobel检验结果如表8所示，在“C-C”与“C-R”子网络中，邻域度数中心度在结构洞对企业创新绩效的影响中存在中介效应，H1d和H2d得证。

综上，通过实证分析，假设H1a、H1c、H1d、H2a、H2b、H2c、H2d以及H3得到验证，假设H1b未得到验证。

5 结论

5.1 研究结论

本研究以2010—2021 年在A 股主板上市的医药制造业企业为样本，通过企业与各合作伙伴联合申请的专利信息构建产学研专利合作网络，根据合作伙伴的性质将网络分成“企业-企业（C-C）”“企业-高校（C-U）”与“企业-研究院所（C-R）”专利合作子网络，从企业视角出发探索在不同合作网络中的网络位置对其创新绩效的影响，得出如下结论：

（1）在“C-C”和“C-R”子网络中，结构洞对企业创新绩效存在正向影响，在“C-U”子网络中，结构洞与企业创新绩效呈倒“U”型关系。在前两个子网络中，由于构成网络的各主体组织性质相似、所在领域相似，极易使网络出现同质化现象，而占据结构洞的企业能够作为网络的“中间人”，将网络中的各节点串联起来，从而获得更多的异质性资源，提升企业创新绩效；在“C-U”子网络中，由于网络本身存在较多结构洞，在一定范围内占据结构洞的企业能够获得更多异质性的知识，从而提高自身的创新绩效，而当占据结构洞的企业所获得的知识数量超过了其消化吸收能力时，企业消耗更多的精力与成本进行知识吸收则会抑制企业的创新绩效，当企业结构洞的限制度达到0.526 时，其对企业创新绩效的促进作用达到最大。

（2）在“C-C”和“C-R”子网络中企业邻域度数中心度对企业创新绩效存在促进作用，在“C-R”子网络中结构洞对企业邻域度数中心度存在促进作用。企业邻域度数中心度越大说明企业合作伙伴所拥有的合作伙伴越多，这些企业的质量也就越高，这在一定程度上能够减少企业进行合作伙伴筛选的成本，同时，这些企业拥有较为成熟的合作经验，能够快速识别企业需求，从而有针对性地促进企业创新。在“C-R”子网络中，由于研究院所的专业化程度高，没有成熟产研合作经验的科研单位会增加企业创新的成本，因此网络中企业存在合作对象选择的路径依赖，占据结构洞的企业拥有更多的话语权，能够使得网络中的其他企业在合作对象的选择上与他们保持一致，从而增加了企业的邻域度数中心度。

（3）在“C-C”与“C-R”子网络中，企业邻域度数中心度在结构洞对企业创新绩效的影响中存在中介效应。由于企业与其他主体进行合作的本质是为了促进创新、增加其创新绩效，因此，占据结构洞位置的企业会选择拥有较大度数中心度的主体进行合作，从而降低其创新的风险与成本；其他企业为了规避创新风险，往往会产生路径依赖现象而与结构洞数量多的企业保持合作伙伴选择的一致性，从而又增加了企业的邻域度数中心度。企业邻域度数中心度越大，说明其合作伙伴的质量越高，越能有效识别企业的创新需求，从而促进企业的创新绩效提升。

5.2 理论意义与启示

本研究的理论意义在于：一是有别于现有研究多关注于产学研合作网络的整体特征及其影响，对合作中由于主体不同而构成的性质不同的合作网络关注较少，将产学研专利合作网络按照企业合作伙伴的类型进行分解，探索在性质不同的合作网络下企业网络位置对创新绩效影响的共同点与差异性，弥补相关研究的不足；二是基于不同合作网络的视角对结构洞与企业创新绩效的关系进行实证研究，证明了在特定合作网络中企业结构洞与创新绩效存在非线性的倒“U”型关系，并且给出了该倒“U”型曲线的极值点。

对于医药制造业而言，创新是使其焕发生机的原动力，根据上述结论，得到以下启示：

（1）在合作创新中，网络位置对于企业创新有着显著的影响，企业在选择不同类型的合作伙伴时应该要对自己所处的网络位置有清晰的认识，尤其是“企业-企业”以及“企业-研究院所”之间的创新合作行为，企业要尽可能利用好结构洞所带来的“中间人”优势，不断提升自己在行业内的影响力，通过与网络中的关键节点进行合作从而向网络中心靠近；同时，要对合作对象进行甄别与筛选，合适的合作伙伴能够满足企业的创新需求、提高企业的创新效率，从而增加企业创新绩效，而不合适的合作伙伴则有可能增加企业知识吸收和转化的难度，抑制企业的创新绩效。

（2）利用网络性质所带来的特征差异，有的放矢地获取创新资源。“企业-企业”与“企业-研究院所”专利合作网络存在着知识同质性的特征，但与企业主体进行合作能够适配企业创新的产业化需求，而与研究院所主体进行合作能够获得更多创新的前沿知识，“企业-高校”专利合作网络则拥有丰富的异质性资源，但存在异质性知识过多而带来的“消化不良”问题。对此，企业不应该拘泥于与同一种性质的主体开展合作，应该要充分利用好不同性质网络的特征，结合自身创新需求有的放矢地开展合作。

5.3 研究局限与不足

第一，选择医药制造业作为研究样本，在样本行业的种类上存在一定的局限性；在未来的研究中可以关注跨行业的样本对比，丰富专利合作网络的研究结论。第二，所选的样本量较少，且为静态数据，缺乏时间上的动态演化；在未来的研究中可以将时间进行分段，探索不同时间段下企业网络结构对企业创新绩效的影响。