表1专利、研发者和团队
孙笑明1，王静雪1，王成军1，崔文田2，裴 莹3
(1.西安建筑科技大学 管理学院，陕西 西安 710055；2.西安交通大学 管理学院，陕西 西安 710049；3.西安思源学院，陕西 西安 710038)
摘 要：采用不同于“静态结构—绩效”的研究范式，从动态角度分析结构洞不同演化形式与演化结果之间的关系，为组织和创新管理者整合网络资源提供参考。基于电子信息和机动车行业41家高新企业36 338条专利数据构建研发团队动态合作网络，利用负二项回归模型分析合作网络中结构洞变化对企业创新能力的影响。结果表明，在以研发团队为节点构建的整体网主集团中，结构洞生成和填充数量及其比值对高新技术企业创新能力均有显著正向影响；考虑到时间对网络结构的调节效应，得出以下结论：结构洞填充数量对提高企业创新能力的作用随时间增加而减弱，而结构洞生成数量及其与结构洞填充数量的比值对提高企业创新能力的作用却可以维持较长时间。
关键词：研发者；专利合作网络；结构洞；创新能力
技术创新作为国家发展进步的主要动力及全球化竞争的关键因素，其在我国高新技术企业中占据主体地位，是利用知识对现有技术和资源进行创造性组合并产生新知识的过程。企业创新能力本质上就是运用和创造知识并获利的能力[1]。作为企业创新能力的基本要素，企业知识、技术和创新经验主要以企业内部研发者为载体，研发者之间的网络关系是知识学习、共享、集成和整合的重要媒介[2]。因此，知识活动往往伴随着网络关系变动及企业对这种变动的利用。在知识整合过程中，需要运用研发者在以往创新项目中的实践情景[3,4]，而这种运用组织记忆进行知识重构的过程需紧密结合研发者网络关系进行。
围绕知识创造的研发活动越来越多，企业创新能力也是一种动态能力[5]。我国许多高新技术企业已开始从“中国制造”向“中国创造”和“中国智造”转型，但已有研究对其如何在具体研发活动中运用动态网络进行创新缺乏关注，尤其对创新能力较强的企业如何从结构洞动态变化中获益研究较少。此外，现有战略层面上的研究无法解释微观层次创新规律，致使有心模仿和学习的企业不得要领。
基于此，本文从微观层次入手，将结构洞生成和填充两种变化类型对企业创新能力的影响统一在同一时点进行分析。依据专利合作者信息构建研发团队合作创新网络，并从网络主集团中个体网层次出发，抽取t和t+1时刻的结构洞，计算t至t+1时刻主集团中不同研发团队结构洞生成(增加)和填充(减少)数量及其比值。进而，分别研究三者对企业创新能力的影响，探讨时间因素的调节作用。研究结论不仅验证了结构洞两种变化形态同时“动起来”的短期价值和长期价值，还给出了不同变化程度对于提高企业创新能力的重要影响。
“结构洞就是两个行动者之间的非冗余联系”[6,7]。结构洞生成有利于研发团队之间弱连接和桥连接的形成，使之获取新颖性信息和知识，进而提升企业创新能力。在持续创新过程中，由于技术关联和组织协调需要，研发团队之间的互动不断加强，相互之间的网络关系十分稠密。稠密的网络关系将进一步提高团队之间的交流频率，有可能造成知识严重同质化。而团队间的结构洞生成可以打破这种过度嵌入带来的消极影响[7,8]，有利于产生新创意并获取不同研发经验[6]。例如，研发团队可通过结构洞生成与不同组织单元团队建立合作关系，进而运用这些弱连接和桥连接从团队外部获取新信息[9,10]，以提高解决创新过程中复杂问题的能力，最终提高企业创新能力。
此外，结构洞生成有利于企业研发者对创新选择作出决定，进而增强企业动态创新能力[11]。在创新过程中，企业面临技术选择问题。如果选择得当，企业将充分利用有限资源产生大量创新成果。如果选择失当，则有可能使企业在后续竞争中处于劣势地位。因此，如果不同团队研发者不断尝试与其它团队之间形成较多的结构洞，那么其对企业内部各种资源和团队能力的了解就更加清楚，其观点也就更能综合体现各种技术选择的利弊。此时，这些研发者就会对企业技术选择产生积极影响，进而提高企业创新能力[11]。因此，本文提出如下假设：
H1：在当前主集团中结构洞填充数量相同条件下，主集团中结构洞生成数量越多，企业创新能力越强。
结构洞填充是整合网络三方关系的协调促进行为[12]，其促成的局部稠密网络有利于隐性知识传递、共享和整合。隐性知识是高度个人化的知识，其很难规范化并利用结构性概念和语言描述，因而不易传递给他人。但隐性知识是企业进行高质量技术创新的要素，要克服其低效传播的困难，一个重要途径就是填充不同团队之间的结构洞，使不同团队研发者嵌入在稠密网络中，并在彼此间建立充分信任关系，实现彼此间长时间面对面交流。
此外，尽管嵌入在结构洞中的中间人可通过视野优势整合富有创意的知识，但由于稀疏网络结构存在(联系人对中间人)信任缺乏等缺陷[13]，其创造的知识难以被后续研发者应用[14]。而填充不同团队之间的结构洞可以克服这些缺陷[15]，即通过在稠密网络中建立信任关系，中间人可借机向其它团队解释其知识，促进其他团队成员参与创新[12]，进而合作完成更有价值的创新，提高企业创新能力。
最后，填充结构洞形成局部稠密网络有助于促进信任和规则的产生[16]，有利于研发者自发组织创新团队，提升企业创新能力[17]。良好的信任和规则能够形成团结合作、积极探索的创新氛围，其可以激励研发者用更高昂的热情投入到创新活动中[18]，并摒弃以往各自为战的分裂局面。而且，自发组织形成的研发团队也能产生新文化和高效合作网络结构，进而促进企业创新能力提升[17]。因此，本文提出如下假设：
H2：在当前主集团中结构洞生成数量相同条件下，主集团中结构洞填充数量越多，企业创新能力越强。
结构洞生成与填充数量比值越大，意味着当前企业主集团中结构洞增加数量大于结构洞填充数量，即前者变化速度大于后者。这有利于企业同时利用结构洞和网络稠密的优势[19]，即企业中信息和知识始终有着较高的非冗余性，且企业内部创新网络中不断增加的稠密性可建立起充分信任关系并对这些新知识进行整合。在对不同研发团队知识进行整合时，也不用考虑知识大量整合破坏企业知识的异质性，从而使企业缺少新颖性想法[7]。因此，结构洞生成与填充数量比值越大，越有益于保证企业在长时间内拥有多样性知识并被一些关系紧密的研发团队开发利用，使企业创新效率较高、质量较好，最终形成较强的创新能力[20]。
此外，由于在发展过程中受自身资源条件限制或对短期效益的追求，企业往往会过度关注某一类技术知识，导致自身创新活动被当前路径捆绑。当外部环境发生剧烈或快速变化时，企业创新活动将因此受到束缚而严重滞后。而结构洞生成与填充数量比值越大，意味着企业围绕某一类知识的整合对企业整体知识异质性的影响越小，使得企业在应对外部技术环境变化时越有较大的回旋余地，可利用团队间的充分信任给出更好的应对方案。因此，从长期看，结构洞生成与填充数量比值越大，对企业创新能力提高越有裨益[21]。因此，本文提出如下假设
H3：当前主集团中结构洞生成与填充数量比值越大，企业创新能力越强，且这种作用关系能够维持较长时间。
本文从团队层次构建创新网络，将每个专利研发者构成的团队看作网络的一个节点，在指定数据窗口内，根据团队间共有研发者个数确定节点间是否存在连接及其强度。具体操作见表1和图2。其中，专利P1、P2和P3分别对应a、b、c 3个团队。从中可见，a和b有2与3两个共同研发者，其关系强度为2。a和c只拥有一个共同研发者1，其关系强度为1。b和c无共同研发者，相互间不存在连接。
表1专利、研发者和团队
此处，所观察的团队间网络关系及其变化特征仅限于企业内部整体网络中的主集团，见图3。
图1基于团队的创新网络
以往许多文献用主集团研究网络结构与创新绩效之间的关系[13]，主要原因在于：①主集团是整体网络中连通最大的子网络，集中了最丰富的网络资源和大部分研发者；②以主集团为研究对象，可使结论更具鲁棒性，避免因公司兼并和重组等变动对网络构建造成的影响。
图2某企业2006-2008年主集团
基于上述考虑，为构建最终分析样本，本文选择电子信息和机动车行业41家高新企业为研究对象(共计36 338个专利，从中国知识产权局网站下载)，并以3年为数据窗口，利用当前(t+1)和以往(t-3到t)各企业主集团内的团队网络特征差异计算当前年的控制变量和自变量，并将以后3年(t+2，t+3和t+4)企业生成的专利数作为因变量，见图4。选择电子信息和机动车两个行业的原因在于：首先，这两个行业在我国起步均较早、技术发展相对成熟，可对企业内部创新网络动态变化进行充分考察；其次，这41家企业是创新成果位于行业前25名的代表性企业，目前也均已成为国际性高新技术企业，如电子信息行业的海尔、海信和格力等，机动车行业的三一重工、奇瑞汽车和吉利汽车等。以企业和年份为标记，将这些变量整合成一条观察记录，顺序移动窗口得到最终基于不同企业和年份的样本数据 (最终将样本限制在1990-2010年，预留5～6年观察专利数据的授权情况)。
图3网络关系变化及其结果考察
2.2.1 因变量测度
专利数(Patentst+2，Patentst+3，Patentst+4)。与以往研究相一致[22]，利用高新企业主集团在t+1时刻后3年中各年产出的专利数测量企业创新能力。专利数量越多，表明企业创新能力越强。
2.2.2 自变量测度
结构洞生成数量(△It+1,t)、填充数量(△Dt+1,t)及其比值(Rt+1)。首先，对t和t+1时刻主集团中的研发团队标号，并基于限制指数计算其个体网中结构洞数量[6]：
(1)
其中，j代表与i相连的所有其它研发团队，q为除i和j之外的每个第三方，piq为研发团队i投入到q的关系所占比例。
然后，挑选出t和t+1时刻结构洞数量增加(减少)的研发团队，将其增加(减少)的数量求和并取均值，得到结构洞生成(填充)数量△It+1,t。因此，结构洞生成与填充数量的比值为：
(2)
2.2.3 控制变量测度
(1)主集团大小。主集团中研发者个数反映了参与创新的人力资源丰富程度及企业研发投入多少。因此，引入主集团大小控制其对企业创新能力的影响。
(2)主集团平均最短路径倒数。平均最短路径长度等于网络中任意两个节点之间最短路径之和的均值。该值越小，研发团队获取信息和知识的途径越便捷[23]。其倒数计算方法如下：
(3)
其中，N为主集团中的研发团队个数，dij为任意两个团队之间的最短路径长度。
(3)主集团平均聚集系数。网络平均聚集系数为所有节点局部集聚系数的均值[24]。任意节点i的局部聚集系数CCi计算方法如下：
(4)
其中，n表示节点v的所有k个邻居间的边数。因此，主集团平均聚集系数为：
(5)
该系数越高，表明主集团中的网络越紧密，对知识传递、集成和整合的影响程度越深。
(4)企业文化类型。强调奉献和个人能力至上的不同企业文化影响网络作用的发挥，进而影响企业创新能力[25, 26]。为控制该方面的影响，本文用企业所有制类型表示企业文化类型[25, 27]。其中，将代表奉献精神的国有企业和集体企业设为0，为参照类；代表个人能力至上的私有企业设为1。
(5)年份。对应于不同年份，由于外部环境(如市场对新产品需求、技术更新换代速度等)及其自身资源条件(如研发人员规模、相关技术知识积累储备等)存在差异，企业研发重视程度和资金投入力度可能存在时间维度差异，进而有可能导致企业创新能力出现波动。为控制此影响，本文引入年份虚拟变量，参照年份为1990年。
(6)主集团知识多样性。创新能力提高依靠知识的强有力支撑[28]。知识多样性程度越高，企业整合创新行为越活跃。本文用主集团中产出专利的不同技术分类号数表示知识多样性程度。
(7)主集团t时刻平均结构洞指数。为控制t时刻主集团中原有结构洞数量，引入主集团内各节点自我中心网中结构洞数量的均值，计算公式为：
(6)
其中，SHi,t为各节点自我中心网中结构洞数量，N为主集团中节点数量。
(8)主集团t+1时刻平均结构洞指数。为剔除当前窗口内累积结构洞数量对企业创新能力的影响，引入：
(7)
其中，SHi,t+1为各节点自我中心网中结构洞数量，N为主集团中节点数量。
(9)企业年龄。企业在不同成长阶段采取的不同创新战略影响其创新能力[29]。例如，在成长阶段，企业将投入大量研发经费以获取更多创新成果，而进入稳定发展阶段后，其创新策略则可能趋于保守。本文引入当前年与企业初创年年份差控制其对企业创新能力的影响。
由于专利数量是非负计数型因变量，且对计数型变量使用线性回归将导致系数估计结果不一致并出现偏差[13]。因此，本文采用计数模型进行分析。典型的计数模型有泊松和负二项回归模型，而泊松模型均值等于方差的条件很难满足。本文样本数据表现出过度离散特征，即方差大于均值。因此，采用负二项回归模型进行精确估计(在p<0.001水平上拒绝泊松模型)，模型拟合曲线见图5。
此外，由于本文样本中主集团内节点大多为非孤立节点。因此，其网络结构规模为零的情况很少。这样，以网络结构为基础计算的相关指标值中等于零的比例较小，也就无需考虑负二项回归模型中自变量零膨胀问题。
表2给出了变量均值、方差及其相关性。总体上，变量间的相关性较小。结构洞生成与填充数量比值和结构洞生成数量之间的相关系数为0.84，但由于两者出现在不同模型中，其强相关性并不会导致多重共线性问题。自变量和控制变量之间的相关系数也较小，均在适当范围内。
为使结果更具鲁棒性，本文在模型中对不同企业数据进行分层，以便所得结论更具有普适性。结构洞生成和填充数量对企业创新能力影响的分析结果见表3。
表2变量描述和相关系数
注：*p<0.05；+私有企业为参照类；年份变量未在表中体现
表3结构洞生成和填充数量对企业创新能力影响的分析结果
注：括号内为标准误；*p<0.1,**p<0.05,***p<0.01；+私有企业作为参照类；年效应已分析但未在模型中给出；模型运用健壮方差估计量进行估计，下同
首先，在模型1、模型3和模型5中，分别加入控制变量。企业所处成长阶段和主集团大小等多数控制变量均对创新能力具有显著影响。然而，本文横向比较上述3个不同模型后发现，主集团中t+1时刻结构洞数量及主集团大小两个变量在模型3和模型5中的显著性逐渐减弱，说明其对企业创新能力的影响随时间减弱。
在t+2、t+3和 t+4各年控制模型的基础上，模型2、模型4和模型6同时加入了结构洞生成和填充数量两个自变量。从中可以发现，生成和填充的结构洞数量均对企业创新能力具有正向影响。区别在于：前者影响不随时间变化，而后者影响随时间增加逐渐减弱(结构洞生成数量：在t+2、t+3和 t+4时刻分别为：β=0.064，p<0.01；β=0.068，p<0.01；β=0.073，p<0.01；结构洞填充数量：在t+2、t+3和 t+4时刻分别为：β=0.031，p<0.1；β=0.029，p>0.1；β=0.026，p>0.1)。因此，假设H1得到支持，即当前结构洞生成数量越多，企业创新能力越强；H2被部分支持，即当前结构洞填充数量越强，企业创新能力越好，但两者之间关系随时间增加而减弱。
结构洞生成和填充数量比值对企业创新能力影响的分析结果见表4。首先，在模型1、模型3和模型5中加入控制变量，其对企业创新能力的影响与上组模型基本相同。在t+2、t+3和t+4各年控制模型的基础上，在模型2、模型4和模型6中加入当前时刻结构洞生成与填充数量的比值。结果发现，该变量对企业创新能力有显著正向影响，且该作用不随时间变化(在t+2、t+3和t+4时刻分别为：β=0.014，p<0.01；β=0.017，p<0.01；β=0.018，p<0.01)。因此，假设H3得到验证，即结构洞生成和填充数量的比值越大，企业创新能力越强，且该效应存在于未来较长一段时间。
另外，在加入自变量后，模型拟合度有明显改变，说明自变量对因变量的解释力更强。
表4结构洞生成与填充数量比值对企业创新能力影响的分析结果
首先，为检验结果数据窗口的敏感性，分别分析以4年和5年为数据窗口的样本，所得结果总体上与3年数据窗口一致，说明本文基于3年数据窗口得出的结论不受窗口大小的影响。
其次，以控制模型为基础，分别对两组模型的全模型进行解释力分析。结果显示，相对于控制模型，每类模型的全模型均有显著改进(第一组：Δχ2=24.52，p<0.01；Δχ2= 21.52，p<0.01；Δχ2=22.87，p<0.01；第二组：Δχ2=8.54，p<0.01；Δχ2=1.26,p<0.01；Δχ2=12.93，p<0.01)。
再次，使用效率指数测度结构洞并计算相关变量[11]，同时，引入一个虚拟变量控制不同行业对企业创新产出的影响，所得结果均与表3和表4基本一致。
对于模型可能产生的内生性问题，本文针对以下4种原因分别进行探讨，即一般性遗漏变量偏误、自选择偏误、样本选择偏误和联立性偏误。其中，自选择偏误内生性问题并不存在，因为本文研究情境中自变量对因变量的影响不可能由个体选择行为导致。同时，由于采取了科学抽样方法及多种数据质量保证措施，本文构建的样本模型有效避免了样本选择偏误问题。另外，由于采用固定效应模型，有效解决了不随时间变化的非观测变量遗漏问题。本文通过对以往文献的梳理，尽可能包含更多影响企业创新能力的组织网络及背景方面的主要因素。最后，为分析遗漏变量偏误及联立性偏误导致的内生性问题，本文引入一个工具变量，但由于数据限制未找到。
通过上述实证分析，本文得出以下结论：结构洞生成和填充均可促进企业创新能力提升。不同的是，前者作用发挥更持久。时间是网络结构作用的重要调节因素[30]，研究结果证明了这一点。
另外，本研究还发现：结构洞生成与填充数量比值对企业创新能力具有显著正向影响。然而，也存在一种可能，即过量的结构洞易造成主集团中研发者过度隔离而相互之间缺乏信任，进而导致知识整合难度加大[31]。在此情形下，企业创新能力将受到削弱。简言之，结构洞生成和填充数量比值与企业创新能力之间可能存在倒U型关系。为检验该假设，在原模型的基础上引入结构洞生成和填充数量比值的平方项。然而，检验结果未获支持。这说明，对于样本企业而言，结构洞生成和填充数量的比值与企业创新能力之间只存在简单的广义线性关系，这可能与我国高新技术企业起步较晚及创新强度较低有关。相对于国际上的创新性企业，我国大多数高新技术企业研发投入较低，对原有知识和技术依赖较重，导致内部研发合作网络结构十分稠密，网络中过多的结构洞又进一步产生了知识过度异质化问题。
本文研究结论对了解结构洞的动态作用具有重要意义，为高新技术企业创新实践提供了理论指导。首先，本文理论贡献在于：①结合中国产业技术创新背景，考察团队层次结构洞双向变化及其交互作用对企业创新能力的影响；②从网络动态性视角揭示了结构洞双向演化规律，使得对于结构洞的理论认识趋于完整，丰富了企业组织网络研究成果。同时，本文研究结果也给创新管理者提供了如下启示：首先，在资源条件允许范围内，企业应尽可能多地引入具有不同知识背景的研发团队，使团队之间形成更多的结构洞，保持知识的异质性，进而提高企业持续创新能力。例如，华为每年都通过招聘大量研发人员构建具有不同知识背景的研发团队，完善企业内部知识储备。其次，企业创新管理者可根据不同团队之间的知识差异寻找知识整合机会，为不同创新团队牵线搭桥。但该行为不能进行得过快，应保证与结构洞生成数量间存在一个适当比例，否则将造成企业内部知识同质化，影响企业后续创新发展。
然而，本文也存在一些局限性。例如，样本存在有效考察时间区间终点距当前时间较远的问题。尽管本文对样本结构进行了最大程度优化，如选择我国最具创新能力的企业，但由于中国企业大规模申请专利大约始于1995年，在此之前申请的专利较少，导致企业内部形成的网络规模较小，一定程度上压缩了样本量。此外，随着组织内外部环境等的动态变化，基于1990-2010年时间段样本所得结论存在时效性问题。由于专利从公开到授权大约需要1～3年，而目前2010年以后的专利样本约有50%处于未授权状态。因此，若将数据样本时间跨度扩展至近5年，则研究结果将不准确。同时，由于在样本中已经控制了时间效应因素[20]，因此，本文关于结构关系作用机制的研究结论具有较高的时间稳定性。此外，1990-2010年已经涵盖了我国改革开放后近20年的发展历史，诸多涉及因素均已在模型中控制，而2010年以后国内企业经营环境处于一个相对稳定阶段。因此，研究结论对当前企业研发网络设计和创新实践只有较强的适用性，但中国企业嵌入环境具有高度动态性特征。因此，尽管目前国际学术界均采用这一样本时间划定方法(主要考虑保留2-5年观察专利授权情况)，未来研究还应考虑其在我国的适用性问题。
参考文献:
[1] SPENDER J C.Making knowledge the basis of a dynamic theory of the firm [J].Strategic Management Journal,1996(17):45-62.
[2] 许庆瑞.应用全面创新管理提高中小型企业创新能力研究[J].管理工程学报，2009(S1)：1-6.
[3] 詹勇飞，和金生.知识整合方式与企业创新能力关系研究[J].科技管理研究，2009(8)：432-434.
[4] SCHWAB A,MINER A S.Learning in hybrid-project systems the effects of project performance on repeated collaboration[J].Academy of Management Journal,2008,51(6):1117-1149.
[5] 张铁山，赵光.集群对高技术企业创新能力的影响分析[J].中国科技论坛，2009(1)：31-35.
[6] BURT R S.Structural holes:the social structure of competition [M].Cambridge,MA:Harvard University Press,1992.
[7] ZAHEER A,SODA G.Network evolution:the origins of structural holes [J].Administrative Science Quarterly,2009(54):1-31.
[8] KIJKUIT B,VAN EJ.With a little help from our colleagues:a longitudinal study of social networks for innovation [J].Organization Studies,2010,31(4):451-479.
[9] HANSEN M T.The search-transfer problem:the role of weak ties in sharing knowledge across organization subunits[J].Administrative Science Quarterly,1999,44(1):82-111.
[10] CAPALDO A.Network structure and innovation:the leveraging of a dual network as a distinctive relational capability [J].Strategic Management Journal,2007(28):585-608.
[11] NEKAR A,PARUCHURI S.Evolution of R&D capabilitis:the role of knowledge network within a firm [J].Management Science,2005,51(5):771-785.
[12] OBSTFELD D.Social networks,the tertius lungens and orientation involvement in innovation [J].Administrative Science Quarterly,2005,50 (1):100-130.
[13] FLEMING L,KING III C,JUDA AI.Small worlds and regional innovation [J].Organization Science,2007,18(6):938-954.
[14] FLEMING L,MINGO S,CHEN D.Collaborative brokerage,generative creativity,and creative success [J].Administrative Science Quarterly,2007,52(3):443-475.
[15] HARRYSON SJ,DUDKOWSKI R,STERN A.Transformation networks in innovation alliances-the development of Volvo C70 [J].Journal of Management Studies,2008,45(4):745-773.
[16] COLEMAN JS.Social capital in the creation of human capital [J].American Journal of Sociology,1988(94):95-112.
[17] 郝丽风，章仁俊.构建自组织团队提升团队创新能力[J].现代管理科学，2008(10)：104-106.
[18] 孙锐，石金涛，王庆燕.基于提升企业创新能力的组织创新气氛研究分析与展望[J].科学学与科学技术管理，2007(4)：71-74.
[19] PADULA G.Enhancing the innovation performance of firms by balanacing cohesiveness and briding ties [J].Long Range Planning,2008(41):395-419.
[20] GULER I,NERKAR A.The impact of global and local cohesion on Innovation in the pharmaceutical industry [J].Strategic Management Journal,2012,33(5):535-549.
[21] LAZER D,FRIEDMAN A.The network structure of exploration and exploitation [J].Administrative Science Quarterly,2007(52):667-694.
[22] AHUJA G.Collaboration networks,structural holes,and innovation:a longitudinal study [J].Administrative Science Quarterly,2000,45(3):425-455.
[23] BATJARGAL B.Network triads:transitivity,referral and venture capital decisions in China and Russia [J].Journal of International Business Studies,2007,38(6):998-1012.
[24] WATTS D,STROGATZ S.Collective dynamics of small-world networks [J].Nature,1998(393):440-442.
[25] 马月婷，张德，段苏桓.影响高科技企业创新能力的文化价值观研究[J].中国软科学，2007(6)：63-68.
[26] XIAO Z,TSUI AS.When brokers may not work:the cultural contingency of social capital in Chinese high-tech firms [J].Administrative Science Quarterly,2007(52):1-31.
[27] TSUI AS,WANG H,XIN KR.Organizational culture in China:an analysis of culture dimensions and culture types [J].Management and Organization Review,2007,2(3):345-376.
[28] 陈玉川，赵喜仓.企业创新能力知识支撑体系的构建[J].科技管理研究，2008(5)：239-241+253.
[29] 金露，丁晓，楼杨钇.浙江省机械行业中小企业创新能力分析探讨[J].管理工程学报，2009(S1)：86-91.
[30] AHUJA G,SODA G,ZAHEER A.The genesis and dynamics of organizational networks [J].Organization Science,2012,23(2):434-448.
[31] VANHAVERBEKE W,GILSING V,BEERKENS B,et al.The role of alliance network redundancy in the creation of core and non-core technologies [J].Journal of Management Studies,2009,46(2):215-244.
Sun Xiaoming1,Wang Jingxue1,Wang Chengjun1,Cui Wentian2, Pei Ying3
(1.School of Management, Xi'an University of Architecture & Technology, Xi'an 710055,China;2.School of Management, Xi'an Jiaotong University, Xi'an 710055,China; 3.Xi'an Siyuan University, Xi'an 710038,China)
Abstract ：In this paper, we analyze the effect of structure holes from the perspective of dynamics, exploring the relationship between the various evolution forms and evolution results of structural holes, which is different from the traditional "static structure-performance" paradigm. We aim at providing some effective advice for individuals and organizations when they integrate the network resources to innovate. The samples of the study cover all the invention and utility model patents from 41 high-tech sectors in China electronic information and the automotive industry. Based on these 36338 patents data, we build the dynamical collaborative network at the team level. Using negative binomial regression model, we analyze the effect of collaborative networks on enterprises' innovation capacity. The empirical results show that: the number of structural holes that generate and are closed as well as their ratio significantly and positively influence the innovation capability of high-tech sectors. Considering time effect, we further get the following conclusions: the number of structural holes generate and closed positively and significantly influence the innovation ability of enterprises, but the effect of the latter weakens over time; like the former, the effect of their ratio can persist within a long period.
Key Words:Inventor; Patent Collaborative Network; Structural Hole; Innovation Capability
DOI：10.6049/kjjbydc.2016110680
中图分类号：F273.1
文献标识码：A
文章编号：1001-7348(2018)02-0115-08
收稿日期：2017-05-04
基金项目：国家自然科学基金青年基金项目(71402132)；教育部人文社会科学青年基金项目(16XJC630006)；自然科学基金管理学部项目(71472146)
作者简介：孙笑明(1982-)，男，辽宁大连人，博士，西安建筑科技大学管理学院副教授，研究方向为复杂组织网络与创新、大数据分析；王静雪(1991-)，女，陕西西安人，西安建筑科技大学管理学院博士研究生，研究方向为动态组织网络与创新、大数据分析；王成军(1964-)，男，吉林镇赉人，博士，西安建筑科技大学管理学院院长、教授、博士生导师，研究方向为企业管理、系统工程、统计学与决策支持；崔文田(1958-)，男，陕西米脂人，博士，西安交通大学管理学院博士生导师，研究方向为网络优化，群体决策；裴莹(1980-)，女，吉林省吉林市人，西安思源学院讲师，研究方向为组织网络与技术创新。
(责任编辑：王敬敏)