微觀組織創新網絡密度演化對創新績效影響機理研究
——基于MRQAP 模型

呂 波，齊美茹，谷巧玲

（北京物資學院商學院，北京 101149）

科技創新引領世界發展。針對科技創新，十九屆四中全會在《決定》中明確提出要完善科技創新體制機制，促進科技成果向企業核心競爭力轉化，驅動經濟社會邁向高質量發展。產學研合作創新網絡是科技創新體制機制改革關注的一個重要維度，其背后反映的是創新合作資源的整合與優化，創新網絡的構建成為以微觀組織用來提升創新績效產出的重要法寶。在這一背景下，一個不容忽視的現實是產學研合作創新網絡演化日益復雜化，再加上區塊鏈、大數據等新興技術的快速發展，更加深創新網絡的進一步復雜化。學術界一直存有復雜化是否引發網絡冗余與創新績效下降的爭論，由此提出產學研合作創新績效是否受制于創新網絡密度的影響？什么樣的創新網絡對于產學研合作才是最適合的呢？關于創新網絡密度與創新績效之間的聯系，學術爭議由來已久。有的學者認為創新網絡密度與創新績效正相關，有的學者認為是負相關，有的卻認為呈現倒U 型或S 型，這些爭議需要進一步進行驗證［1］。

2020 年新冠疫情爆發，再次助推“創新網絡”成為學術關注的熱點詞匯。在疫情背景下，很多企業或組織的技術創新面臨巨大挑戰，因疫情原因而不得不陷入停頓。但一些具有豐富創新網絡的微觀組織在面對突發的疫情危機時，卻顯得從容不迫游刃有余，這些微觀組織依靠發達的產學研合作創新網絡獨善其身，柔性化地協調創新網絡組織間的交流合作，使得知識與技術創新并沒有因疫情的阻隔而陷入被動局面。擁有創新網絡成為這些微觀組織在這次突發疫情中獲得差異性競爭優勢的重要手段，此舉吸引了全球創新組織的關注。于是與上述學術爭議幾乎雷同的兩個問題又被提了出來：一是產學研合作創新網絡密度越密集越好嗎？二是產學研合作創新網絡密度如何作用于創新績效的，即它們之間的影響關系如何表現？對以上這兩個問題進行分析與實證已經成為目前學術界亟需科學解釋的一項任務。

為此，本文從動態演化的角度去探究在不同時間窗口與不同階段下創新網絡密度演化的規律，以及演化中的創新網絡如何影響績效產出，以此指導產學研合作創新微觀組織優化創新網絡，去除冗余以提升創新競爭力，從而提高創新績效產出。

1 研究綜述與研究假設

1.1 文獻綜述

“創新”這一概念自從被美國管理大師熊彼特提出后，就有許多專家學者著手開展研究。近年來其研究方向與角度主要分為以下領域：

第一，產學研合作創新網絡與創新績效。MIT開創了校企合作的先河，在知識轉換、價值創造上發揮了巨大作用［2］。袁劍鋒等［3］提出產學研合作利于促進知識、技術、資本等資源要素的流動，加快科技成果轉化，進而推動創新系統的不斷演化。李明星等人［4］通過分析產學研合作對創新績效的影響因素，確定了能促進產學研合作高度融合的發力點，繼而更利于促進創新。龔雪等人［5］通過對MIT的研究，發現項目合作利于知識共享與人才培養，促進創新思維與能力提升。沈蕾娜［6］研究了哈佛大學和MIT 的跨校合作，發現大學之間通過“結構洞”方式建立密切合作，提高信息密集化，打破了孤立狀態下的環境制約。張銘慎［7］通過考察技術聯盟對中國汽車產業技術創新帶來的直接效應和間接效應，發現合作確實能夠促進創新，核心企業獲得的正凈效應來自其他組成主體的正向間接效應。馬濤等［8］發現在超網絡中處于少數核心的關鍵節點有助于提升整個ICT 產業的專利。Sebastian 等［9］通過使用系統方法對MIT 與英國、葡萄牙、阿布扎比和新加坡政府進行深入的案例研究，認為復雜的國際伙伴關系已經成為許多國家政府在外國伙伴的幫助下用來提高國內科學、技術和創新能力所選擇的政策工具。

第二，知識交互流動與創新績效。有學者認為企業需要投入多種要素才能帶來創新，其中資源投入和知識投入是重要因素。資源投入是物質保障，知識投入是維持其持續提升和新成果積累的基礎，在原有的知識儲備上創造出1+1>2 的價值趨向，促成知識流動，繼而提升創新［10］。提升后的創新能力反過來又促進新知識產生，這種知識交互反饋作用驅動著企業的創新績效不斷提升［11］。在資源共享的基礎上技術與知識的高度融合促進聯動效應［12］。Emily Bacon 等［13］認為在知識交換過程中要對創新網絡進行有效管理，根據每一種關系的競爭性質調整知識流動，在知識傳遞的過程中，實現創業主體與創業環境融合交互［14］。

第三，生態系統網絡與創新績效。Xie 等人［15］運用扎根理論提出了校院合作、企業間合作、企業中介合作、企業用戶合作、資產剝離和技術轉移等六種主要的創新生態系統模式。Leonardo Augusto等［16］認為商業生態系統主要涉及價值獲取，而創新生態系統主要涉及價值創造。Júlia Hofmeister Kahle等［17］、Guilherme Brittes Benitez 等［18］分別以案例和訪談的方式從價值創造的視角發現，像智能產品這類高尖端的技術生產更需要復雜的設計與研發能力，而這些能力恰恰是單一技術提供商所欠缺的，顛覆性創新往往源自生態系統層面，遠非一家公司提供就能滿足生產的要求［19］。如果不把發展重心放在由需求推動的創新和技術升級上，而是集中于單個企業的合作方案，則結果不利于企業未來的發展，也無法形成系統化的解決方案［20］。創新生態系統中微觀企業通過整合資源、優化協調、共同構建良好的合作伙伴關系促進了生態系統的良性運轉［21-22］。Fenfen Wei 等［23］指出伙伴選擇是創新生態系統合作成功的一個重要因素，但很少有人以生態系統中伙伴的選擇視角開展研究。熊英等［24］研究了MIT 創新生態系統的構成與演化規律，認為功能互補的結構相互作用有利于形成邊界不斷擴展的可持續發展網絡，區域創新網絡的多贏關系也有利于整個生態系統［25］。從可持續發展的角度設計［26］、創建具有特色的創新生態系統，有利于產生創新績效［27］。

經由文獻梳理發現，學者們關注產學研合作創新網絡密度與創新績效的關系研究，主要從宏觀組織入手，以創新網絡合作、知識交互流動、生態系統網絡的視角去探究復雜網絡的創新績效等問題。當前的研究存在以下特征：學者們的研究偏向使用定性方法，而定量研究的比例相對偏少；針對宏觀經濟的量化研究較多，但對微觀組織的相關量化研究還較少；當前研究主要集中于科技行業等營利性企業，對于非營利性組織的創新網絡研究有待加強；同時對于如何在創新生態系統中科學地優化結盟伙伴數量，探討網絡密度以及結構嵌入水平對于創新績效的具體影響，構建有效的創新網絡、在網絡組織中如何避免因內部進行知識整合而引發的冗余關聯以及所帶來的負面效應作用于企業績效等問題上，還需要引起中外學者的關注。針對現實中提出的問題以及文獻研究中的不足，本文將以微觀非營利組織為研究對象，對創新網絡演化規律以及如何優化創新網絡密度、提高創新績等進行定量分析與實證研究，以豐富目前文獻研究的不足。

1.2 研究假設

針對創新網絡密度對于創新績效是否產生影響以及影響的程度，學者們各抒己見。爭議性的學術觀點是本文形成研究假設的基礎。

Ortig?o Sampaio Schiller 等［28］提出創新網絡有利于促進合作伙伴之間知識交換與新知識增長，特定的路線減少了復雜的手續與工作的誤差，縮短了信息傳遞時間，促進了知識轉移，進而促進創新。張振華等［29］發現社會關系網絡確實能提升企業的績效，網絡密度對于企業績效的改善發揮著重要作用。隨著社區網絡中主體增加，網絡密度也隨之擴大，網絡中成員互動頻繁，較之初始狀態，關鍵路徑信息與知識流動速度加快，促進了聯動與創新。豐超等人［30］從社會網絡的視角研究了渠道網絡結構，認為網絡密度增大，經銷商主體間聯系越密切，越有益于出現“抱團”行為；網絡密度能正向影響群體交流［31］。對于高度嵌入的中央網絡，創新網絡特征將對企業的產品和流程創新產生積極影響［32］，高密度的社交網絡更能提高績效［33］。根據以上研究，在創新網絡建設初期，網絡內主體少，僅與少數家企業交流，網絡密度比較低，網絡結構疏松，在網絡結構中占據結構洞位置的主體發揮優先優勢，利用信息控制高地更快獲取信息資源和網絡異質信息，在網絡間建立起關鍵性通道獲取和傳播知識，有益于創新主體與外界間共生出知識流動與信息交互，進而對創新力與績效具有正向的影響結果。故本文提出假設1 如下：

H1：初級化的網絡密度與創新呈現正向關系。

Meagher 等人［34］通過建模方式驗證了創新溢出的性質取決于網絡密度，并提出網絡密度對溢出創新的邊際影響是非單調的。伴隨網絡密度的進一步提高，過于密集的網絡出現了對網絡主體創新增長的負效應。相較于初級化的網絡密度，中級化的高密集網絡密度為了維持現有的關系網，無形中會導致網絡主體過度嵌入，使得主體在接受聯盟伙伴信息共享時也增加了對于自身的約束，使得創新活力降低。劉蘊［35］認為過度嵌入會對企業創新產生負影響，并且對于組織行為也會產生約束和限制，網絡結構中的企業要保持一個適度的社會網絡關系嵌入。Zhang 等人［36］基于社會網絡理論對2005—2014年之間的風能專利數據進行了研究，發現專利演變趨勢呈現先增加后減少模式，競爭網絡密度會影響企業的技術競爭力和創新績效。禹獻云等人［37］研究網絡密度對技術創新網絡的影響機理，發現網絡密度對創新網絡并不是起到正向促進作用，而是整體呈現出倒U 型關系，這說明網絡密度具有閾值特性，過高或過低都不利于技術創新網絡的知識增長。王?；ǖ热耍?8］認為整體網絡密度對績效起到一個反向調節的作用：在低密度下，網絡間未形成固定的合作關系，會促進資源流動，關鍵位置獨享資源優勢；而在高密度下，規模擴大帶來的增速放緩，中心節點非對稱資源優勢減弱，不利于創新。根據以上研究，可知隨著新企業的加入，網絡密度達到中級化。這一時期知識轉譯的寬度和深度增加，信息流動速度加快。相較于初級化，中級化的網絡主體與外界聯系程度加深，建立起更多的關鍵信息傳輸路徑，提高了知識流動的速度，也提升了信息共享的頻次，促進整個網絡的知識擴散。但這種信息交互與互動頻率的增加，減少了網絡成員信息的異質化，不利于創新。由此，本文提出假設2 如下：

H2：中級化的網絡密度與創新呈現倒U 關系。

Feng 等［39］認為創新網絡密度會導致網絡的功能下降。Jarvie［40］通過分析美國棒球大聯盟球隊的網絡，認為網絡密度與團隊等級呈負相關，長期合作的隊員關系并不能提高團隊的績效。Cowanr 等［41］研究了網絡結構和擴散性能之間的關系，認為在網絡密度增長的演化中伴有抑制創新效果的負效應現象，過于密集的網絡密度會產生信息與知識冗余，而這種冗余加重組織的負擔使網絡結構嵌入深度加深，消息冗余造成網絡可達性變低，節點消耗高，不利于創新績效［42］。隨著網絡內新知識的增加，吸引更多的企業“入團”，網絡主體與外部環境進行更大范圍和更高層次的交流，逐漸演化成高級化的網絡密度。網絡密度高的網絡成員之間合作關系更趨穩定，成員之間建立起高信任的合作共享機制，減少了機會主義帶來的風險，更利于復雜緘默知識轉移和集中。本文認為這種高級化的網絡密度相對于初級化和中級化的網絡密度演化程度來說，更大程度上減小了因網絡異質性增加帶來的協作問題，使得網絡成員間吸收、聯動、創新的流程更加順暢。但是隨著網絡架構的進一步擴大構建，主體間產生負擔性的過度依賴，整個創新網絡為了維持龐大的網絡間正常運轉和“日常交流”，勢必造成資源分配不合理與浪費以及加大網絡間信息重復率，使過度嵌入的不良反應將在網絡中發揮效應，限制節點間的創新發展。再增加網絡之間的聯系度，數據過載造成信息冗余，增加了網絡主體與成員之間交流的障礙，勢必會影響網絡創新性，其嵌入創新網絡程度也進一步加深，進而對創新產生抑制作用，故而整體創新程度呈現出負增長的態勢?；诖耍疚奶岢黾僭O3 如下：

H3：高級化的網絡密度與創新呈現負相關關系。

綜上分析，在復雜的創新網絡結構中，非冗余網絡密度使得主體間建起更加關鍵性的知識共享和知識流動通道，為關鍵技術的產生與創新提供了土壤與發展空間，直接促進創新結果在品質與數量上得到質的提升，同時也提高了工作的效率與質量，減少了因知識重復造成的信息復雜錯亂而引起網絡成員的時間成本與管理成本。創新組織要剔除冗余聯系，可使自身的創新網絡將重心與精力放到核心的聯系鏈上，減少不必要的信息管理成本與時間成本，同時非冗余網絡密度將令網絡保持最佳的交互能力，在資源分配、各類信息共享平臺上實現效益最大化。

2 創新網絡密度的計算與描述

創新網絡密度是體現各個節點間的親密程度的指標，越大說明網絡內的交互關系越頻繁密集，反之越稀疏零散。在生態網絡中，網絡密度的大小是采用一切聯結數目以及包含的節點數目兩個數之商來進行衡量。設其大小為ρ，節點數為n，邊數為m，則創新網絡的網絡密度為:

ρ越大，說明網絡間的關聯關系越多，組織間的聯接程度以及信息交流的速度及效率越高，相互影響也越大，同時還表明網絡中任意點之間的依賴關系程度更強。ρ的取值在0～1 之間，ρ為0，表明復雜網絡的節點之間不聯系，整體處于零散狀態；ρ為1 表明形成一種完全耦合網絡，說明網絡中的每個主體相互都認識，且節點間直接相連，這是兩種極端情形。

為描述網絡密度演化階段，本文將創新網絡的演化過程按照時間變化每5 年視為一個階段，共分為6 個階段：第0～5 年為第1 階段，此時系統呈現出初級化的網絡密度。第6～10 年，視為第2 階段，網絡密度隨著節點與節點之間創新合作的增多而增加。第11～15 年為第3 階段，節點間出現局部融合。第16～20 年為第4 階段，網絡間各節點高度融合，系統網絡呈現出成熟特征下的網絡密度。第21～20 年為第5 階段。第26～30 年為第6 階段，網絡演化為更高級別的網絡密度。

為說明創新網絡密度的演化，本文以因創新聞名世界的麻省理工學院（以下簡稱為MIT）作為研究對象描述創新網絡密度的演化情況。本文選取了MIT 在1988 年、1998 年、2003 年、2008 年、2013 年、2018 年等6 個時間窗口分別代表創新網絡密度演化的6 個階段，對其創新網絡進行可視化，得到網絡密度圖如圖1 所示。

圖1 不同階段創新網絡中網絡密度演化圖

創新網絡的密集程度可通過圖示與分模塊化情況較為直觀地進行初步觀察。由圖1 所示可知，網絡密度的演化在總體上經歷了先疏再密后變疏的過程。在第1 階段，模塊化分散且保持疏遠，創新密度呈現疏松狀態。在第2 階段，節點增多，創新網絡密度增加，節點之間的閉合性還處于起步階段，節點之間的合作有待增加。在第3 階段，創新網絡密度繼續增加，同時演化成更大的組團，組團之間雖然保持一定距離，但組團之間連接線較多，說明組團之間將趨向于融合。在第4 階段，模塊進一步融合，節點與節點之間閉合性明顯增多，說明創新網絡密度進一步加大。在第5 階段，結點與結點、模塊與模塊之間的融合程度達到極高的程度，可見創新網絡密度已經趨向于極值。在第6 階段，模塊出現分化，結點與結點之間的密集程度降低，創新網絡密度呈現下降趨勢。由直觀的觀察可以預知，MIT 創新網絡密度的演化已經歷了一個從疏到密、再到疏的完整周期，但背后機理需要進行量化分析與驗證，下文將進行深入的實證研究。

3 實證分析

3.1 數據來源與變量

本文從2019 年7 月—2020 年9 月份，歷時1年2 個月時間利用Python 語言編程采集方法與手工比對方法收集樣本。數據首先來自于MIT 官方網站，該網站提供了歷年MIT 的研發經費、課題、研發人員、專利以及單位合作情況等數據，對缺失信息則查詢國際專利網，同時還采集國內外核心期刊、權威網站新聞、各類論壇以及研究報告的創新合作信息，通過手工初次核對，共收集17 010 條創新合作數據。在此基礎上，再經第二次手工篩選、核實，共留存4 336 條與專利創新等有密切關系的數據作為分析數據庫，并以此計算創新網絡的各類網絡變量。為提高準確性，對于專利數據，本文除了收集MIT 專利申請與國際專利批準數據,同時參考了世界產權組織WIPO 公布的國際專利排名等榜單，若MIT 官方網站與第三方公布的排名數據有沖突，則以第三方數據為準。對MIT 的經費投入、人員數量等相關數據，則以其官方網站為準。為研究其創新網絡演化，本文將MIT 自1988—2020 年共32 年的數據按年代劃分為不同的時間窗口，再利用R 語言、MATLAB 等工具對數據進行清洗、分析、描述與檢驗。

本文被解釋變量為專利相關的變量。在處理被解釋變量時，雖然用MIT 當年申請專利數量作為被解釋變量更為適合，但收集到的數據缺失值較多而放棄使用。因為專利的申請有一定的周期，故本文采用的方法是用延遲一年的專利獲批數量作為衡量創新成效的被解釋變量。本文選取創新網絡密度作為主要解釋變量，同時選取了創新網絡的典型特征值包括網絡主體個數、度、集聚系數網、平均路徑長度、平均結構洞等同時作為解釋變量，把MIT 科研項目個數、總人數、總經費作為控制變量。具體變量名稱如表1 所示。為消除量綱化影響，本文對所采集的量化指標進行標準化處理，制作變量描述統計表（見表1）。

表1 變量統計描述表（標準化處理后）

3.2 模型、方法與估計

（1）MRQAP 模型。本文采用的是MRQAP(multiple regression quadratic assignment procedure) 模型，即多元回歸二次指派模型。該模型可研究網絡變量之間的關聯度，其中網絡變量可分為兩部分，一部分可以用作參數檢驗，另一部分可以進行非參數檢驗，且自變量與因變量均可以用矩陣形式。多元回歸二次指派模型還可以動態分析不同時間窗口下的截面數據?；诖耍疚脑诜治鰟撔戮W絡機制時，將關系變量設為以年為時間窗口進行回歸分析，以體現動態性特征，同時引入了非參數變量以體現非線性關系，用于真實反映兩種不同系列的自變量對因變量的影響關系。設創新網絡的MRQAP 基本模型為：

其中Y為創新績效變量，X為參數估計變量，Z為非參數估計變量，E為殘差部分，上述變量為n維矩陣，α為參數估計系數，γ為非參數估計系數。

根據變量設置以及對解釋變量與被解釋變量之間的關系初步擬合，本文最終構建實證模型設計如下：

（2）影響機理公式。如表2 所示，經回歸分析可知，與專利這一創新績效呈顯著性關系的變量包括合作項目個數、網絡主體數、度、集聚系數、平均路徑長度、總人數、總經費；而平均結構洞數量并沒有通過顯著性檢驗。

表2 估計結果

根據表2，作為本文主要研究變量的網絡密度通過了顯著性檢驗。根據數據擬合結果可得創新網絡密度模型對創新效果的影響機理公式如下：

在初期階段時，隨著創新網絡密度的增長，代表創新績效的變量專利數量呈較快速上升趨勢。當創新網絡密度增加到一定程度時，創新績效雖然仍然上升，但增長速度放緩，這是因為冗余性造成創新成本增加，從而影響創新績效增長速度。創新網絡密度與創新績效專利的關系在總體上呈現為“反C 型”，如圖2 所示。

圖2 網絡密度與專利數量的關系

3.3 實證結論

根據回歸分析與檢驗，本文對假設得出以下三個結論：

一是H1成立。由圖1(a)與圖1(b)可知，創新網絡構建初期網絡信任度不高，節點間僅僅建立起少數的“小團體”，團體之間聯系稀疏不緊密且處于相對獨立的離散狀態。小團體內部組織成員少，溝通渠道短缺且單一使得信息與知識無法實現異質性交流與轉化，創新網絡整體優勢沒有發揮出來，對整體創新績效提升效果不明顯。隨著創新網絡規模擴大吸引了大量新成員加入，網絡密度隨之增加，節點間溝通渠道增多呈現多樣化，促使新知識流動速度加快和創新成果凸顯，從圖2 中觀察出專利數目具有明顯增長趨勢，初級化的網絡密度對于創新具有正向作用，假設1 成立。

二是H2不成立。原假設為在中期階段網絡密度與創新績效呈現倒U 關系，但是實證研究結果表明呈現“反C 型”。由圖1(c)、圖1(d)和圖1(e)看出，當前階段網絡密度明顯增加，節點間聯系密切且溝通渠道復雜交錯，創新網絡實現高度融合使得網絡復雜性特征凸顯。隨著網絡主體增加，各主體間建立起相對發達的合作伙伴關系圈，建立起更加復雜的交流通道，促使知識流涌現，產生大量的增值附屬品，增加適量網絡密度對創新績效起到促進作用。如圖2 所示，隨著網絡密度增加，專利數目增長速度加快，但隨之再增加，超出網絡密度的閾值，卻造成抑制反向結果，但創新績效不是假設中的下降關系，而是表現出上升關系，故H2的倒U 型假設不成立，實為“反C 型”。

三是H3部分不成立。由圖1(f)可知再增加網絡主體達到更高級階段的網絡密度，網絡密度不升反降。這是因為節點的過度增加超出了整個創新網絡的承受范圍，大量節點間無效關聯產生信息冗余與障礙堆積，關鍵線路通道被占據，阻礙了信息的傳播和交流，直接作用在創新網絡上使主體間往來信息與知識流動速度與頻次受限，繼而對創新績效負向影響逐步凸顯。雖因冗余性增加而使創新效率降低，但如果通過優化網絡結構精減節點數目而降低創新網絡密度，則創新績效仍將表現為增加。即H3所提出呈負相關的假設成立，但H3中所述的創新績效將呈下降的假設是不成立的。

3.4 似然比檢驗

由圖2 可知，模型擬合效果較好；其中決定系數R2為0.947 8，修正后的決定系數為0.945 7，均表明模型擬合效果良好。對創新網絡密度與創新績效作線性回歸分析，形成線性回歸模型，并對此模型與本文所提的非線性回歸模型進行似然比檢驗，以確定本文模型的適宜性。從F 檢驗的結果來看，F 統計量為11 825，對應的P值近似為0，說明兩個模型的差異非常明顯。從似然比的計算結果與模型擬合圖來看，本文所提出非線性回歸模型擬合效果較好，似然比值更大，說明本文所構建的非線性回歸模型更為適合。

4 結論與啟示

本文在綜述產學研合作創新網絡密度對于創新績效作用機理的文獻基礎上，對MIT 創新網絡下的網絡密度作了分析，借助軟件對樣本數據進行描述與回歸分析，并針對研究假設作了檢驗驗證，結果證實部分假設成立，部分假設不成立，主要得出如下結論：

一是在產學研合作創新網絡發展初期，創新網絡密度與創新績效呈正向作用關系，創新績效正效應來源于創新網絡密度增加，促使創新合作增加，故而對創新績效起到正向調節作用。二是隨著創新密度的增加，創新的協同效應持續增加，創新增長速度加快，在一定時間點上達到極值狀態。創新網絡密度存在閾值效應，不宜太低也不宜太高，它有一個界限范圍，在此范圍內網絡密度能最大限度地發揮網絡活性，刺激知識流動，知識異質性程度保持在合理水平，組織間交往廣泛而繁多，內部成員間合作與協調增加，共同建立起高水平的信任機制形成良好的合作伙伴關系，整個網絡持有高度凝聚力及團結力，資源整合效率更高，溝通及知識交流更加通暢，更好地促進創新成果產生與轉化，進而提升創新績效。三是在創新網絡密度達到閾值后呈減少趨勢，因信息重復率增加，溝通成本上升以及資源分配的不合理而造成負面效應，創新主體會選擇優化創新網絡，精簡網絡使創新網絡密度減少，創新網絡得到優化，創新績效繼續增加。創新網絡密度與創新績效之間呈現典型的“反C”曲線關系。

根據本文結論給微觀組織帶來以下啟示：區塊鏈、大數據時代，信息交互、資源共享、協同合作是當前最為明顯的特征，創新網絡成為謀利益協調、求合作共贏的重要資源，同時也是帶動各方經濟發展與促進創新成果顯現的重要媒介。創新網絡密度是衡量創新網絡是否陷于冗余的重要標志。在產學研合作創新網絡構建起始與發展階段，組織成員通過創新合作與協同，增加信息渠道，以組織交流學習的方式，不斷加強協作創新，以達到提升全局創新水平和績效水平的目的。但創新網絡密度并不是越高越好，當超過一定閾值后，微觀組織要意識到創新冗余性的負面效應，有意識地優化創新網絡格局，有選擇地重新配置創新資源與投入比例，對網絡實行斷鏈或重組以適當減少網絡密度，增強創新過程的可控度，降低創新合作風險的不確定性，更快、更高效地應對不斷變化的創新環境，更快、更經濟地提升創新績效的增長率。

本文主要創新點在于：一是在研究視角上從當前的以宏觀組織為主轉到微觀組織上，并聚焦于微觀組織的產學研合作創新網絡密度演化上；二是在研究方法上將創新網絡演化特征研究與實證研究相結合，構建了微觀組織的產學研合作創新網絡密度與創新績效的機理模型；三是得出了產學研合作創新網絡密度與創新績效呈“反C”關系的結論，即創新網絡密度并非越大越好，而是存在一個閾值。為了防止創新資源過度投入、降低創新信息重復率以及節約創新成本，創新網絡密度不能超過這一閾值，這與假設中呈倒U 型的觀點不同。鑒于創新網絡研究方法以及樣本取樣的復雜性，本文的研究對象選取了微觀組織MIT，其產學研合作創新網絡屬于典型的體現大學科研特征的產學研合作創新網絡，所得結論是否適用于其它類型的微觀組織還有待作深入的驗證。