創新合作網絡對企業創新績效的影響分析

摘要：文章探討電子信息產業中的創新合作網絡在基于網絡嵌入性條件下對企業創新績效的影響，旨在為企業的可持續發展提供一定的理論支持。通過利用Gephy軟件抓取專利數據并構建企業創新網絡，發現企業創新績效與平均聚合度和匹配度呈倒U型關系，而與特征變量中心度呈U型關系。此外，結構洞的限制系數越低、模塊度Q值越高，平均路徑長度越長，創新績效也越高。

關鍵詞：網絡嵌入；關系嵌入；結構嵌入；電子信息產業；負二項回歸

一、引言

創新是當代經濟社會發展的主題，合作網絡是驅動創新的強效動能，對提升企業績效具有積極的影響。近年來，產業數字化的趨勢刺激企業間的合作方式的轉變，企業的競爭已經不再是傳統的單打獨斗，而是要依靠創新合作網絡來實現更大的成功。基于此，本文從網絡嵌入理論的視角出發，主要從專利角度切入，總結創新合作網絡影響創新績效的路徑，幫助企業更好地把控自身的創新網絡布局和創新管理決策。

二、理論研究

（一）網絡嵌入的劃分

眾多學者嘗試從不同維度對網絡嵌入進行系統的區分，關系嵌入強調的是網絡主體間的連接強度。Uzzi（1996）認為在搭建的合作網絡中，建立信任聯結和實現信息共享是企業達到共同創造價值的必要條件。在企業內部，此種機制在一定程度上可減少機會濫用的可能性；在企業外部，該機制改善了企業間資源和信息的交流效率。與關系嵌入不同，結構嵌入研究的是企業在網絡結構中的地位。Schilling（2007）通過對11個聯盟網絡中的1106個企業的實證研究，發表論文稱，密集型聚合產業的結構聯系了不同的企業并且給其中的主體提供了廣泛的知識獲取通道。對于大范圍的企業，高度聚合的結構和相對較短的平均路徑長度會激勵網絡創新效率的提高。蔣天盈（2014）通過研究集群企業網絡嵌入模型，得出結論網絡嵌入通過影響中間變量——知識從而進一步影響技術創新，而非直接作用。

（二）研究意義

據文獻綜述顯示，網絡嵌入度與創新績效之間的關系是顯著和積極的。但從現有創新合作研究成果來看，有結論存在矛盾的情形，可見合作特征對創新績效的影響具有異質性。事實上，高網絡嵌入度的企業具有更好的創新表現、更高的市場份額、更高的利潤及更高的生產效率，并且在示范效應和技術傳播方面的作用更為顯著，這對企業的長期發展是至關重要的。因此，如何提高企業的網絡嵌入性水平以優化創新績效是一個值得研究的問題。

（三）研究假設

在上述文獻有關的研究中，創新網絡的聯系通常表現為兩種不同的形式：分別是由高連通性的企業成員組成的產業集群內部的關系與跨集群間的連接。其中，跨集群間的連接主要為企業與高校、研究所的合作相關研究表明，在靜態環境下，成員流動（即進入和退出）越少，企業前后匹配度越高，聚類系數越高，可以討論和交流的合作伙伴將越多。但是隨著聚類系數的增長，過度集中的網絡可能會導致核心企業處理事務的疲憊度和瑣碎度，增加了決策錯誤的可能性。企業集聚雖有利于發揮產業集群規模效應，但集聚密度過高會導致知識同質化從而影響企業后續新知識的汲取與進步。由此得出假設1。

H1：企業創新績效和平均聚類系數及網絡匹配度呈“倒U型”關系。

在未形成一定網絡體系時，企業中心度過高會導致與外界聯系少，企業與合作伙伴或者其他企業之間的意見分歧或合作難度會增加，面臨著信息和資源的獲取難題，影響了企業的創新能力和創新績效。但隨著時間推移，網絡形成雛形后，中心度增高會使得企業間的聯系更加穩定，成員間彼此相互信任依賴，沖突較少，有利于促進企業間知識的傳遞、吸收、轉化和利用，從而提高創新效率。由此得到假設2。

H2：企業創新績效與網絡中心度呈“U型”關系。

當兩個獨立結點需要相互鏈接時，必須依賴其他關系方作為連接的橋梁，填補結構上的空缺，此時這個其他關系方就占據了結構洞。大量學者的實證結果證實，在不同類型的合作關系中，非冗余型的合作關系往往能帶來異質性信息，是最有效的一種合作模式。隨著網絡中結構洞的增加，企業有更多的機會獲得新的創新資源，從而實現多知識領域的交叉。由此提出假設3。

H3：結構洞數量對企業創新績效的積極影響。

三、研究數據、變量與模型

（一）數據來源及處理方式

電子信息領域的企業對知識產權活動極為重視。因此，本文的數據是從CNIPA專利信息服務平臺爬取的電子信息產業專利基本信息條錄。對數據的處理如下：首先，刪除專利申請人列里個人申請的專利，在抓取的242127條專利數據中，合作申請發明專利共有16964項；其次，設置閾值，刪除合作次數未高于2次的企業，接著，將每個合作專利的申請人進行兩兩組合，從而建立創新主體間的權重創新關聯；最后，使用觀測樣本9971個。構建的合作網絡圖如圖1至圖4所示。

對于數據進行清洗，首先，把名稱相似屬于同一大公司進行控股的幾個企業進行合并。其次，根據日期按月進行分組，然后將合作完成的專利拆成兩人一組，組成邊的源和目標，構建無向合作網絡并得到相關指標數據（見表1）。

（二）變量定義與說明

1. 因變量

本文的因變量是企業創新績效。企業自主申請并得到授權的專利數量可折射出企業的創新績效。因此，本文認為企業的創新績效可用企業通過申請的專利數量來體現。將2001-2021年每5年做一個截段，通過企業該時間段內申請的專利數量分析網絡特征，在此基礎上，將企業創新績效劃分為兩個維度測量。創新數量體現電子信息企業的創新總量，代表了企業創新的規模；而創新質量體現企業的技術質量、研究影響力和創新效益。

2. 自變量

本文的自變量是創新合作網絡。王安琪，熊勝緒（2020）分析得出網絡關系的三個維度（關系選擇、關系維護、關系利用）均對企業技術創新績效有顯著正向影響；吳萬明等（2022）基于創新網絡視角，分析了知識異質性通過知識協同的中介作用影響企業創新績效的作用機理以及治理機制的調節作用。從現有創新合作研究成果來看，有結論存在矛盾的情形，可見合作特征對創新績效的以影響具有異質性，研究結論不具備普適性，對于不同合作網絡、不同網絡特征的創新績效的關系需要分別進行驗證。

3. 中介變量

（1）結構嵌入。結構嵌入性是指一個個體或組織在社交網絡結構中所處的位置和關系，以及這種位置和關系對其發展和行為的影響。本文將用網絡中心度和結構洞兩個指標對結構嵌入性視角下的合作網絡主體進行衡量。中心度表示與某節點直接鏈接的其他節點個數。中心度FC（i）的增加對應著節點在網絡中的重要性和影響度增加，節點的地位也隨之提高。中心度的計算公式為：

式中，FC（i）表示中心度；xij代表的是節點i與節點j之間的邊數；n是衡量網絡中結點數量的變量。若要使結點對結構洞的利用率提高，則需降低結構洞限制度，其計算公式為：

式中，Di表示創新主體i的結構洞限制度數值；Kij的j表示為與創新主體i直接相連的點；Kiq是創新主體i的全部關系投入中，投入q的關系占總關系的比例；Kqj表示連接q與j之間關系的邊緣強度。結構洞限制度Di描述了節點在網絡中利用結構洞的潛力，用以評估節點的網絡控制力和競爭優勢。

（2）關系嵌入。借鑒（Perry，2006）和楊博旭等（2019）的測量方式，通過評估企業在創新網絡中的接近中心度和聚類系數來衡量關系嵌入程度。接近中心度是用節點與其他節點的距離加總求和來衡量的。當一家企業能夠快速響應網絡中其他的參與者時，即被視為高接近性企業。其表達式為：

式中，j表示圖頂頂點的個數；dij為兩點之間最短路徑的長度；n表示網絡規模。

若聚類系數是用來衡量一個圖中的某節點與其相連結點之間聚集的程度的系數，局部聚類系數能折射出其鄰居節點存在鏈接狀態的可能性。表達式為：

式中，CC（i）表示局部聚類系數，ki指與結點i存在連接狀態的結點數量。

（三）模型設定

1. 負二項回歸分析

對于計數資料，當其服從的Poisson分布強度參數λ服從γ分布時，所得到的復合分布即為負二項分布。其中，λ是一個隨機變量，方差λ（1+kλ）遠大于平均數。k表示計數資料的離散程度，yi表示單位時間內事件發生的頻數，呈現負二項分布，則模型方程如下：

lnyi=logni+β0+β1xi1+β2xi2+…+βmxim+logki（5）

式中，xij表示影響創新主體i的因素j， βj表示當xij增加1個單位，lnyi的變化程度對yi產生e■的效應；ni表示誤差隨機項；ki表示創新主體i的專利申請數量的離散程度。

本文涉及的被研究對象為電子信息產業的專利申請數據，這些數據并非連續型，通常呈現出較高的離散度。因此，使用負二項回歸方法以應對存在的過度分散情況。

2. SNA分析法

社會網絡分析法（SNA）是一種通過研究網絡關系對現實世界的聯系進行量化的定量分析法。為了衡量合作網絡關系的變化動蕩，本文參考Sytch的論文的衡量方法，匹配數據。在形式上，將兩個社群之間的重疊度定義為

式中，N■∩N■是指t和t+1時刻i和j社群共享的成員的數量，N■∪N■指在兩個時期社群都出現過的網絡組成成員數量。在內容上，本文依照張娜等人的研究采取G-N算法來識別社群，采取指標模塊度：

式中，Q表示模塊度，p表示網絡中邊的數量，P■表示節點i和節點j之間的連接次數；σ■表示兩結點i和j是否屬于相同模塊，通過模塊度的方法來將“屬性數據”通過簡單處理轉化為“關系數據”。

四、實證分析

本節在研究結論的基礎上，對前文提出的研究假設進行實證檢驗。研究的對象為某一段時期內企業所獲取專利的數量，就函數關系而言，該模型的因變量是離散變量，因此傳統的多元線性回歸模型并不適用。而且由于本文的樣本是限定在特定時間段內發布過專利的企業，因變量專利個數在任何時候都不存在為0的情況，所以只可選擇的計數模型只有泊松回歸和負二項回歸。

（一）模型對比及建立

本文采取了計數模型中的廣義泊松模型和負二項回歸模型進行回歸，分別稱為模型一和模型二，可以看出在負二項回歸模型中變量的P值相較于泊松模型較大，但是模型擬合度R2＝0.817>0.808，AIC值更小，且模型一不滿足E（Yi｜Xi）=Var（Yi｜Xi）的條件，故本文采取負二項回歸。

在模型二的基礎上逐步加入二次項，經過多次嘗試得到最優結果如表2所示，可以看出：模型擬合度由0.808提高到了0.843，并且每個變量的P值均<0.05，在95%的置信水平下可以認為其顯著。

（二）回歸結果分析

為了驗證結構嵌入對企業創新績效的影響，本文采用創新合作網絡作為自變量，網絡嵌入性作為中介變量，進而分析作為依賴變量的創新績效，并對行業屬性進行控制，進行回歸分析。根據回歸結果可得出，中心度對創新績效影響的標準化回歸系數k1=0.043，且P值<0.05，鄰接矩陣二次方對創新績效影響的標準化回歸系數為k2=-0.018，且P值<0.1。證明網絡中心度與企業創新績效之間呈現倒U 型的相關性，即中心度的適度提升有助于激發企業的創新表現，但過分強調中心度則會抑制企業創新績效的提高，可得假設H2成立；結構洞和企業創新績效回歸方程的標準化回歸系數k3=-0.537，且P值<0.1。若考慮結構洞的數量，根據其測量指標數值越高則表示結構洞的數量越少，并且已知結構洞與創新績效的回歸系數為負值，那么我們可以得出假設H3成立。

五、描述性統計

基于社會網絡相關理論與方法構建和分析電子信息制造業中游企業的創新網絡以及企業的創新網絡結構位置，本文運用網絡分析軟件UCINET、GEPHI等對企業網絡嵌入進行測量，并進行描述性統計及回歸分析，驗證獲取的專利樣本是否具有顯著性。

為了避免自變量之間的相關性對回歸結果造成影響，在構建最終指標前進行相關性檢驗。表3給出了變量的描述性統計結果以及相關系數矩陣，由此可以看出，特征向量中心度與平均加權度之間的相關性較高達到0.701，且平均加權度的VIF值較高=6.556>5，在回歸時采取剔除。其余變量的VIF值都較小，最高僅4.57，說明剔除后的模型不存在嚴重的多重共線性。

匹配度的均值僅為0.370，說明這期間的企業合作動蕩較大，經過查找發現因為原本合作牢固的企業之間的聯系不會輕易撼動，投資者在相互企業間都有參股。相比之下，一些新進入的企業很難融入，進入成本較高，因此合作次數較少，通過研究專利數據可發現，鴻富錦精密工業深圳分公司與鴻海精密工業股份有限公司累計進行了高達254次的合作，建立了較為牢固的合作關系，但是相比之下，鴻富錦精密工業（深圳）有限公司與賜福科技股份有限公司在2010年12月合作了一次，之后便沒有合作，退出了合作網絡。因此，猜測有不少這樣的進入成本較高的小企業導致匹配度較低。但是從平均聚類系數為0.656較高，可以看出中心企業的凝聚力較強。

六、結語

隨著全球經濟競爭的加劇，組建創新合作網絡對企業提高創新績效的作用越來越凸顯。因此，創新合作網絡通過網絡嵌入性對企業創新績效的影響是雙線選擇且互相影響的。實際上，企業所處的合作網絡嵌入程度，對企業創新績效產生不同的效益。企業在構建或加入創新合作網絡時，應根據自身的實際情況和目標，選擇相匹配的合作伙伴和合作方式，并盡量避免負面影響，從而提高企業的創新績效和競爭力。從局部視角來看，結構洞中的企業可以與先前無直接經濟往來的合作伙伴建立聯系，獲取跨知識領域的不冗余創新資料，實現知識溢出與共享。未來，可以增強合作網絡中各節點主體的互動和交流的頻率，以幫助企業有效吸收和整合來自結構洞的異構資源，進而促進企業創新績效的提升。

參考文獻：

[1]David，R.J.，& Strang，D.R.Networks and innovation in internationalization[J].Academy of Management Journal，2010，53（04）：984-1004.

[2]Schilling M A，Phelps C C.Interfirm Collaboration Networks：The Impact of Large-Scale Network Structure on Firm Innovation[J].Management Science，2007，53（07）：1113-1126.

[3]蔣天穎，叢海彬，王崢燕，張一青.集群企業網絡嵌入對技術創新的影響——基于知識的視角[J].科研管理，2014，35（11）：26-34.

[4]Ahuja G.Collaboration networks，structural holes，and innovation：A longitudinal study[J].Administrative Science Quarterly，2000，45（03）：425-455.

[5]張娜，孫超.網絡社群結構動態對企業創新績效的影響研究[J].科學學研究，2022，40（04）：734-745.

[6]王安琪，熊勝緒.企業網絡關系對技術創新績效影響的實證分析[J].統計與決策，2020，36（05）：184-188.

[7]吳萬明，陳關聚，陳藝靈.創新網絡視角下知識異質性對企業創新績效的影響機理研究[J].管理現代化，2022（02）：115-121.

（作者單位：江西財經大學）