科技快速发展、新技术不断涌现,企业间竞争实质上是企业技术创新能力的竞争,而充分利用现有知识及高效获取、吸收外部新知识,已成为提高企业技术创新能力的关键[1]。近年来,技术并购作为企业有效获取外部技术知识的重要途径(如表1),正逐步成为企业开展技术创新、提升自身创新能力的重要手段[2]。例如,2016年2月,天津天海投资并购英迈,获得其移动产品服务、云服务以及供应链服务方面的技术知识;2016年5月,美的集团通过并购德国库卡,迅速填补自身在机器人领域的核心技术短板等。
表1 部分中国企业技术并购案例
并购案例并购时间所属行业并购金额复星医药收购印度药企GlandPharma2017年9月生物医药行业11亿美元中国化工收购先正达Syngenta2017年6月化工行业432亿美元美的集团收购德国库卡2016年5月家用电器制造业40亿欧元天津天海投资收购美国英迈2016年2月IT行业60亿美元中国化工收购意大利倍耐力2015年3月化工行业73亿欧元联想集团收购摩托罗拉2014年1月通讯制造业29亿美元中联重科收购奇瑞重工2014年8月机械制造业20.88亿元百度收购移动安全公司TrustGo2013年2月IT行业3600万美元中国海洋石油收购加拿大尼克森2013年2月能源及矿产行业151亿美元海普瑞收购加拿大Prometic 2012年10月生物医药行业1000万美元三一重工收购德国普茨迈斯特2012年1月机械制造业3.24亿欧元海尔集团收购日本三洋电机2011年7月家用电器制造业1.3亿美元科通通讯收购CPI国际2010年5月通讯制造业2.89亿美元
资料来源:笔者根据公开信息整理
虽然技术并购能够帮助企业获取大量外部技术知识,但如果想要依靠技术并购实现自身创新能力提升,关键在于企业能否有效吸收、内化所获得的知识。关键研发者作为企业内部“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、核心技术进行重大创新、改进的主要技术人员”,有着深厚的专业领域知识积累,其对外部知识的消化、掌握及创新能力往往决定着企业自主创新与动态创新能力[3,4]。以往研究发现[5],关键研发者在技术并购后一年内离开企业,并购均是以失败而告终。因此,并购企业关键研发者在技术并购后受到怎样的影响以及企业能否在并购后有效利用关键研发者实现技术突破,决定着技术并购成败。由于关键研发者之间的合作网络关系是知识学习、共享、集成和整合的重要媒介[6],一旦并购企业关键研发者合作网络发生变化,势必会对其创新能力与产出带来影响[7],进而影响并购企业创新能力。同时,Burt[8]认为,结构良好的合作网络是各种环境下企业获得高回报的基础,进而形成有价值的“社会资本”。因此,如果并购企业关键研发者失去这些网络资源,就意味着失去了重要的社会资本,企业发展将面临缺乏多方面支持的不利局面,从而也会令并购企业无法达到技术并购的初始目的[9]。由此可见,研究并购企业关键研发者合作网络在技术并购后会发生怎样的变化,以及如何利用变化规律帮助并购企业提升创新能力有着重要意义。
目前国内外技术并购研究主要集中在技术并购策略[10]、技术并购类型[11]、技术并购创新绩效影响因素[12,13]、并购后整合[14]、技术并购与企业创新绩效[15]等方面,关于技术并购对并购企业关键研发者影响的研究相对较少,尚未形成一致结论。一部分学者认为技术并购会对研发人员产生积极影响。技术并购有助于双方研发人员建立新的合作关系,并购企业研发人员可以从新的合作伙伴那里学到新的知识与技术,从而有效提高自身创新绩效,并且这种积极影响会在技术并购后长期保持下去[16,17]。但是,部分学者认为技术并购将导致工作环境变动,会给关键研发者心理带来的负面影响,显著降低其创新能力。例如,Ernst & Vitt[18]发现技术并购会对目标企业关键研发者工作环境造成巨大冲击,从而导致关键研发者创造力剧烈下降;Paruchuri等[19]发现,那些在目标企业中失去往昔社会地位和网络中心性的关键研发者,其创造力会受到严重破坏。同时,当研发人员把技术并购视作一种威胁且心理安全程度较低时,会产生一种被解雇的危机感,这种长期的负面情绪会对其创造力造成显著的消极影响[20]。
通过梳理文献发现,以往技术并购对研发人员影响研究的对象大多是目标企业中的研发人员,但实际上对并购企业来说,如果想要通过技术并购实现自身创新能力与竞争力提升,关键在于企业内部关键研发者能否从技术并购中受益。这是因为技术创新归根究底是由关键研发者完成的,而合作网络作为关键研发者有效发挥创造力的重要平台,其会受到技术并购后的哪些影响、发生何种变化,决定着企业技术并购的成败。虽然目前学者们对技术并购的关注越来越多,但从并购企业关键研发者角度出发,探讨技术并购对合作网络影响的研究还较少。因此,合作网络如何随着技术并购发生改变以及具体变化规律是值得深入研究的课题。
鉴于此,本文选取2006-2014年发生过技术并购的24家高新技术企业,基于其1998-2017年全部发明和实用新型专利数据,提取得到224名关键研发者,并根据专利合作信息,以技术并购前后3年为时间窗口,构建关键研发者合作网络,研究技术并购后关键研发者合作网络变化规律,分析变化产生的动因;其次,在分析合作网络变化特征的基础上,探究关键研发者技术相似性对其合作网络指标变化的影响。这对企业留住关键研发者并保持高创新绩效,提升企业技术实力与行业竞争力具有一定现实意义。同时,本文运用社会网络分析方法对关键研发者合作网络进行分析,为技术并购影响研究提供了一个展开更广泛讨论的新视角。
1.1.1 数据来源
专利文献包含发明人、申请人、授权时间等信息,成为创新研究的数据基础之一。本文选用2014-2016年世界知识产权组织(World Intellectual Property Organization,WIPO)公布的PCT专利申请企业为基础,辅以各企业网站新闻、年度报告以及巨潮网等财经网站公布的并购信息,最终确认并购企业79家。随后,根据以下标准对不符合条件的并购企业进行筛选。
(1)并购事件收集时间截至2014年。因为需要并购后3年的专利数据构建并购企业关键研发者合作网络,以分析其变化特征,而最新可获得的企业申请专利数据为2017年。
(2)并购事件状态为已完成。
(3)并购事件必须是以获取目标企业某种技术为意图。对于技术并购的界定,国外学者Ahuja & Katila提出了两种判断标准[21]:①并购企业在并购公告中明确提出以技术获取为主要目的;②目标企业在被并购前5年内取得过专利权。满足以上任何一项,即可认为是技术并购。
(4)高技术企业样本所属行业符合国家统计局2002年颁布的《高技术产业统计分类目录》划分的高技术行业。因为高技术行业对创新需求较大,更加依赖具有较强创新能力的研发人员。同时,企业出于保护知识产权和维持竞争优势的需要,申请专利数量较多,专利信息比较全面。
经过筛选,确定了24家符合要求的技术并购企业,技术并购年份为2006-2014年,并下载了这24家并购企业1998-2017年全部发明和实用新型专利数据(共24 668条专利数据)。为保证数据质量和研究结果的可靠性,对初始数据进行清洗,剔除数据缺失、重复、格式错误的专利信息,修正、删除同族专利,并解决专利信息中关键研发者姓名歧义的问题。最终,获得有效专利数据22 049条,涉及研发者13 542名。所有专利数据均来自中国知识产权局(State Intellectual Property Office,SIPO)。
1.1.2 并购企业关键研发者选取
本文综合研发者拥有的专利数量和专利质量2个因素确定并购企业关键研发者。由于我国专利数据引用信息缺失严重,无法据此测算专利质量,因此本文采取多层面交叉验证方法以保证所选样本的可靠性:首先,按照专利数量对并购企业进行内部排名,选取前2.5%的研发者作为该企业关键研发者[22];其次,采用Beaudry & Schiffauerova[23]的专利权利声明个数加权专利数量的方法,测度专利质量。最后,采用专利申请时间到授权时间间隔、专利类型[24]等综合加权专利数量,测度专利质量。分析发现,加权后的新排名均未显著改变并购企业关键研发者的身份标签。
经过交叉验证,同时结合关键研发者的定义,确保并购企业关键研发者选取的正确性、合理性。通过筛选,最终确定224名并购企业关键研发者为本文研究对象。
本文利用专利文献中研发者之间的合作关系,即任意两个合作研发者之间存在的连接关系,构建并购企业关键研发者合作网络,如图2所示。例如,有4个专利A、B、C、D,其中专利A的研发者为1、3、4,专利B的研发者为2、4、5,专利C的研发者为2、3、5,专利D的研发者为1、4、5。由于每个专利的研发者都共同申请了这个专利,因此每个专利的研发者之间两两都有联系,由此构建整体合作网络。而对于某个研发者自我中心网的构建,则需要先选定一个研发者如1,然后找到与1进行过研发合作的所有研发者2、3、4、5,并从整体合作网中将这些研发者的合作关系提取出来,加入到1的合作网络中,就形成了1的自我中心网络。同时,本文采用3年时间窗口,即以技术并购当年(t)为时间节点,分别利用技术并购前三年(t-2到t)及后三年(t+1到t+3)的专利数据,由此构建技术并购前后并购企业关键研发者合作网络。所有网络结构指标值的计算均通过UCINET完成。图3为某企业技术并购前后关键研发者的合作网络,(a)为技术并购前合作网络,(b)为技术并购后合作网络。
图1 研发者合作网络
图2 某企业技术并购前后关键研发者合作网络
网络位置是研发人员之间关系建立的结果,是社会网络分析中的关键变量。其中,中心性(Centrality)和结构洞(Structural Hole)两个指标最为重要,能全面反映个体网络位置,得到学界广泛采用。因此,本文选择中心性和结构洞两个指标对企业技术并购前后关键研发者合作网络特征进行描述。
中心性可以用来评价合作网络中某个节点的重要程度以及处于网络中心位置的程度。针对关键研发者在合作网络中的变化情况,本文选取个体中心性的3个常用指标:度数中心性、中间中心性和接近中心性进行研究。本文需要对这3个指标在技术并购前后的变化情况进行分析,因此分别对其进行如下计算:关键研发者中心性变化=技术并购后关键研发者中心性的值-技术并购前关键研发者中心性的值,该指标大于0,则中心性在技术并购后增大;该指标小于0,则中心性在技术并购后减小。
2.1.1 度数中心性
度数中心性是通过合作网络中的各个节点所确定的集中程度,为了方便比较,本文采用相对度中心性进行测量,计算公式如下:
其中,di表示与i点直接相连的点数,n表示网络规模。
2.1.2 中间中心性
中间中心性衡量某节点处于其它节点间最短路径上的程度,反映该节点对资源的控制程度。本文采用相对中间中心性进行测量,计算公式如下:
其中,bjk(i)表示点j和点k之间存在的经过第三个点i的概率,n表示网络规模。
2.1.3 接近中心性
接近中心性反映的是合作网络中某节点不受其它节点控制的能力。为了便于比较,本文采用相对接近中心性进行测量,计算公式如下:
其中,dij为两点之间最短路径的长度,n表示网络规模。
结构洞反映与自身有关联的研发人员之间的关系模式。根据Burt[25]的定义,“结构洞就是两个行动者之间的非冗余联系”。本文采用Burt[25]的结构洞限制度指数测量合作网络内结构洞数量。一般而言,限制度越高,表明节点拥有的结构洞越少,计算公式如下:
其中,piq表示关键研发者i在连接q上投入的比重,mjq是连接j与连接q之间关系的边缘强度。Ci表示关键研发者i的所有连接数量。
接下来,以技术并购前后关键研发者结构洞的差值作为研究指标,该值大于0,表明结构洞在技术并购后增多;该值小于0,表明结构洞在技术并购后减少。
3.1.1 度中心性分析
构建企业技术并购前后3年的关键研发者合作网络,运用Ucinet软件计算其中心性指标,结果如表2所示。技术并购发生后,并购企业关键研发者合作网络度中心性指标均值由5.504下降到3.578,最大值从66.667下降到30.882,说明并购企业关键研发者度中心性整体降低,即并购企业关键研发者对外直接联系数量减少,与其他研发人员进行知识交流的机会减少。关键研发者在技术并购后,其度中心性发生了显著变化,原因可归纳为以下几点:
一方面,技术并购作为一种外部创新,容易替代企业内部创新,导致企业大量削减内部研发投入[26]。同时,并购与自身技术相关性强的技术领先企业,能使并购企业直接获取领先的专利技术,建立自身在产品市场和技术市场上的优势地位,降低市场内竞争程度。但市场竞争程度降低会在一定程度上弱化并购企业从事内部研发活动的动力。综上可知,并购企业减少研发投入力度,会降低并购企业关键研发者在企业的中心地位,也会使其认为自身拥有的技术不再重要,从而不愿再花费大量时间与精力维护既有的合作关系。因此,技术并购会使并购企业关键研发者与他人的直接合作连接变少、度中心性降低。
另一方面,技术并购会给并购企业引进大量具备新知识、新技术的研发人员,而新研发人员的加入会给并购企业关键研发者造成一定冲击。这是因为,并购企业研发人员为了迅速学习新技术,提高自身研发地位,往往会选择与新进研发人员展开合作,进而导致并购企业关键研发者度中心性降低。
3.1.2 中间中心性分析
中间中心性是衡量某个节点处于其它节点最短路径的程度。节点的中间中心性值越大,表明该节点对信息和知识流动的控制程度越高。
作为企业核心技术人员,关键研发者往往处于企业资源传递的枢纽位置,而其他研发人员通过关键研发者的枢纽地位发生知识碰撞,有助于企业持续创新。如表2所示,技术并购前并购企业关键研发者平均中间中心性为6.627,最大值为82.727。随着技术并购的发生,并购企业关键研发者合作网络的中间中心性指标降低,平均值为5.567,最大值减小至80.803。其原因在于,技术并购通常会引起企业内部资源重新配置,尤其是研发资源。企业为了降低研发成本,提升研发效率,增强技术创新能力,往往会取消重复性研发活动,精简研发团队,以提高专业化程度。因此,并购企业关键研发者更加关注自身利益。为了维持自身在合作网络中的地位与价值,抢占企业研发活动的主导权,避免被边缘化,并购企业关键研发者往往不会轻易将有价值的信息和知识扩散出去,从而阻碍了其他研发人员创新能力提升。但是,技术并购能为并购企业迅速补充行业领先知识资源与专利技术,拓展了其他研发人员知识获取渠道——不局限于从关键研发者那里获得异质性知识,导致并购企业关键研发者的“中介”作用被削弱,中间中心性指标值在技术并购后有所降低。
3.1.3 接近中心性分析
网络中某一节点与其它节点越接近,越居于网络中心,越容易进行信息传递和资源获取。
并购企业关键研发者不仅肩负推动并购企业技术创新的责任,还起着非常重要的沟通交流作用,往往处于合作网络中心位置。如表3所示,技术并购后,并购企业关键研发者的接近中心性平均值减小到15.407,标准差减小到23.749。这是因为:技术并购会给并购企业带来新知识与新技术,而对新技术的掌握往往需要并购双方研发人员长期、频繁交流实现,知识显化程度才能提高,知识更容易被理解,进而提升技术知识转移、吸收与利用效果,更好地服务于并购企业,切实增强企业创新能力,最终达到并购预期。通常来说,技术并购双方往往存在巨大的文化差异,目标企业研发人员进入并购新企业后,会因企业文化变化感到焦虑和压力。这种文化冲突往往嵌入在日常研发合作中,可能导致并购企业关键研发者与目标企业研发人员的沟通障碍,使双方沟通距离变长,影响沟通效率与信息传递质量。在企业研发活动中,研发人员通过网络关系进行沟通合作、获取知识,完成信息和知识资源等的交换[22]。因此,沟通不畅将会阻碍并购企业关键研发者及时、有效、便捷地获取核心技术资源,进而导致其在合作网络中的接近中心性降低。
表2 技术并购前后并购企业关键研发者中心性指标的描述性统计
度中心性中间中心性接近中心性指标并购前并购后指标并购前并购后指标并购前并购后ZMM66.6678.854ZMM66.66712.708ZDY78.5717.617WHX44.4440.521ZDY82.72735.173LGD68.0851.695………………………CZW1.7761.768CB00WJF0.5750.521CD0.1130.11CTX00GWH0.6370.584平均值5.5043.578最大82.72780.803最大100.000100.000最大66.66730.882最小0.0000.000最小0.0000.000最小0.0000.000平均值6.6275.567平均值16.48815.407标准差10.6575.497标准差12.18713.951标准差24.22223.749
与中心性不同,结构洞刻画的是网络连接的异质性与多样性,关注拥有非冗余连接、起桥梁作用的关键位置。
并购企业关键研发者作为技术开发的核心成员,往往处于管理领导地位,是部门间及研发团队间沟通的桥梁,因此其在合作网络中往往占据较多的结构洞位置,拥有更多接触异质性信息和知识的机会,可以快速识别机会及威胁信息,有助于企业创新。
技术并购后,并购企业关键研发者作为企业重要的人力与智力资本,其知识储备及企业地位优势有助于高效吸收与运用从目标企业获取的异质性和互补性知识资源。并购企业关键研发者融合这些资源不仅能帮助企业在以后的研发过程中真正实现技术能力提升,同时也有助于自身在合作网络中占据主导地位,掌握更丰富的异质性资源,为自己建立起信息与控制优势。其次,技术并购能否提升企业核心竞争力,取决于并购企业能否高效利用获得的资源[27]。并购企业关键研发者作为研发团队的核心,是并购后双方技术交流的桥梁,能将原本相互分离的两个技术团队联系起来,有利于并购企业高效利用新技术知识。最后,并购企业在技术并购后往往会以最低成本,通过恰当的方式进行资源整合与重组,构建一个有效且信息富足的合作网络,在剔除其中冗余网络关系的同时,最大化保留异质性连接,以便迅速掌握行业领先核心技术,实现快速成长。并购企业关键研发者的核心地位,使其成为新合作网络中研发人员关系建立的枢纽。
由此可知,技术并购后,并购企业关键研发者的桥梁作用会显著增强,结构洞出现的几率比技术并购前显著提高。如表3所示,技术并购前并购企业关键研发者结构洞平均值为0.383,最大值为1.620,技术并购后并购企业关键研发者结构洞平均值增加到0.437,最大值为1.637。并购企业关键研发者结构洞增多,有助于强化其在合作网络中的主导地位,使其掌握更多异质性资源,建立起信息与控制优势,实现企业技术能力提升。
表3 技术并购前后并购企业关键研发者结构洞指标描述性统计
指标结构洞并购前并购后RHL0.1991.125YL0.1811.003………YDG0.2090.211ZBH0.6870.687平均值0.3830.437最大1.6201.637最小0.0000.000标准差0.2680.247
通过上一部分对并购企业关键研发者合作网络变化的整体分析,可以看到,并购企业关键研发者在技术并购后,中心地位普遍降低,而结构洞普遍增多。那么,哪些因素引致并购企业关键研发者合作网络变化?具体影响机制又是什么?这是本节研究的重点。
作为体现个体在技术空间上相似程度的重要指标,技术相似性主要反映个体间知识结构的相似性或技术空间分量构成的差异。以往学者研究表明,技术并购成败在很大程度上取决于双方技术是否相似[28-29]。并购技术相似性高的企业能降低并购风险,提升并购企业研发创新能力。谢伟(2011)认为,并购双方技术相似性越高,越容易形成技术协同效应,从而促进并购企业绩效。但Ahuja & Katila[21]指出,如果并购双方技术相似性太高,并购企业将无法从并购中获取新的异质性知识,不利于创新产出;魏江[30]指出,并购双方技术相似性越低,并购后并购企业创新绩效越好;张峥[29]认为并购双方技术相似性对创新绩效的影响呈倒U型关系,当技术相似性处在临界点上时,企业创新绩效最好。由此可见,技术相似性在技术并购中起着重要作用。因此,为了更全面地分析技术并购对并购企业关键研发者合作网络的影响,本文引入关键研发者技术相似性指标评价并购企业关键研发者与目标企业的技术相似程度,将其作为划分并购企业关键研发者的个体属性指标,并在第三部分分析基础上,进一步探究并购企业关键研发者个体属性对技术并购后合作网络的影响。
4.1.1 技术相似性对并购企业关键研发者中心性的影响
网络中心性指行动者在网络中占据核心位置的程度,反映了其网络地位及权力。技术并购后,并购企业关键研发者与目标企业技术相似性对其中心性有重要影响。首先,并购企业关键研发者与目标企业技术相似性越大,意味着双方重叠技术越多,技术互补空间越小[21],并购企业关键研发者获得新技术的可能性越小,不利于实现技术突破。一旦并购企业关键研发者无法持续产出有价值的创新成果,其既有的威望和地位势必受损。一方面,并购企业可能削减关键研发者的研发资金,使其逐渐被边缘化,导致中心地位降低;另一方面,其他研发人员更愿意与创造力高的研发人员合作[31],以此提升自身能力,这也会导致并购企业关键研发者中心地位降低。其次,过于类同的技术知识会使并购企业关键研发者很难从目标企业发掘到有价值的异质性知识,使得技术并购仅是增加了并购企业关键研发者的知识规模,而不能有效构建起自身独特的信息控制渠道。同时,技术并购拓展了并购企业关键研发者合作网络,这为其他研发人员直接获取领先技术和知识提供了渠道。因此,当并购企业关键研发者失去对合作网络重要信息资源的控制时,其中心地位将受损。最后,并购企业关键研发者与目标企业技术相似性越高,企业内部竞争越激烈。一方面,新进研发人员为了抢占有利的网络地位,会刻意减少知识分享与交流[32],导致其与并购企业关键研发者沟通交流不畅。另一方面,由于并购企业主要通过整合双方资源,有效利用目标企业领先技术,实现自身创新能力提升[33],当并购企业关键研发者与目标企业技术相似性较高时,则意味着其将失去自身的独特性与重要性。这是因为,目标企业研发人员不仅拥有与并购企业关键研发者相同的技术,而且还掌握异质性技术知识,其对并购企业技术突破的贡献更大。因此,当并购企业进行资源整合、削减冗余研发投入时,并购企业关键研发者与目标企业技术相似性越高,越有可能被取代,从而失去网络中心地位。基于此,本文提出如下假设:
H1a:并购企业关键研发者与目标企业的技术相似性越大,其度中心性在技术并购后下降越多;
H1b:并购企业关键研发者与目标企业的技术相似性越大,其中间中心性在技术并购后下降越多;
H1c:并购企业关键研发者与目标企业的技术相似性越大,其接近中心性在技术并购后下降越多。
4.1.2 技术相似性对并购企业关键研发者结构洞的影响
技术并购后,并购双方研发人员合作关系刚刚形成,合作网络密度相对疏松,此时结构洞出现的可能性比技术并购前更高[17]。对并购企业关键研发者而言,与目标企业技术相似性越高,对其形成结构洞的正向影响越强。首先,技术并购会为并购企业关键研发者合作网络带来大量新技术和新知识。如果并购企业关键研发者拥有一些与目标企业共同的技术,有利于更高效地甄别出有价值的异质性信息[34],从而占据合作网络主导地位,建立起信息与控制优势。其次,并购企业关键研发者与目标企业技术相似性较高,意味着其对目标企业技术的了解相对较深,能更高效地识别出合适的研发人员展开合作[35],从而为自身构建出一个非冗余且信息富足的合作网络。最后,较高的技术相似性有助于降低技术并购双方的信息不对称性[36],增进合作双方信任,帮助并购企业关键研发者快速理解和吸收目标企业的新技术,使并购企业关键研发者能有效利用这些非冗余资源,把控信息流动。基于此,本文提出如下假设:
H2:并购企业关键研发者与目标企业的技术相似性越大,其结构洞在技术并购后增加的越多。
4.2.1 因变量
本文选取的因变量分别为并购企业关键研发者合作网络的度中心性、中间中心性、接近中心性以及结构洞,具体计算方法如前文所述。
4.2.2 自变量
关键研发者技术相似性是评价并购企业关键研发者与目标企业在研发领域技术相似程度的重要指标。本文采用Jaffe提出的技术相似性测量方法,Tij为并购企业关键研发者与目标企业的技术相似性,计算公式如下:
其中,fi为并购企业关键研发者i在不同技术领域研发投入比例所构成的向量,fi=[p1,p2,p3,…,pn],fj为目标企业j在不同技术领域研发投入比例所构成的向量,fj=[p1,p2,p3,…,pn]。本文以两者在不同技术领域的专利占比替代研发投入比例。
该数值介于0~1之间,越接近1,表明两者技术相似性越高;越接近0,则表明两者技术相似性越低。因此,本文将0.5设定为判定技术相似性大小的阈值。
表4为并购企业关键研发者与目标企业技术相似性情况,其中与目标企业技术相似性较高的关键研发者共有72人,占总人数的32.14%;与目标企业技术相似性较低的关键研发者共有152人,占总人数的67.86%,说明与目标企业技术差异较大的并购企业关键研发人员占大部分,进一步反映出大部分企业技术并购均以获取新知识与技术为目的,旨在提高自身创新能力与竞争实力。并购双方技术相似性相对较低,更有利于并购企业关键研发者学习到领先技术,对其创新能力提高与职业生涯发展大有裨益。
表4 并购企业关键研发者与目标企业技术相似性情况
技术相似性人数占比(%)技术相似性大7232.14技术相似性小15267.86合计224100.00
4.2.3 控制变量
(1)关键研发者知识宽度:并购企业关键研发者技术知识领域覆盖的范围,即并购企业关键研发者在技术并购前,申请的所有专利分类号中不同子类的个数[37]。
(2)关键研发者知识深度:并购企业关键研发者对自身已有技术知识的掌握程度。借鉴刘岩[38]的研究,对并购企业关键研发者知识深度的测量分为两步:
第一步,计算技术比较优势值(RTA)。
其中,Pit指并购企业关键研发者i在技术分类t上的专利数。
第二步,在测算出RTA值的基础上,计算并购企业关键研发者的知识深度。
其中,μ为并购企业关键研发者技术比较优势值(RTA)的均值,σ为其标准差。
(3)企业技术相似性。衡量并购双方企业间技术的相似程度,计算方法与关键研发者技术相似性一致。
(4)技术并购次数。参考Ahuja等[21]的做法,引入技术并购次数作为控制变量,即技术并购当年之前企业发生过技术并购事件的总次数。
(5)企业研发投入。计算技术并购当年、技术并购第一年、第二年及第三年并购企业研发比例(研发支出与营业收入的比值,下同)的平均值,若该值大于技术并购前一年研发比例,即技术并购后并购企业研发投入增加,则取值为1,否则取值为0。
(6)关键研发者性别。控制性别差异对并购企业关键研发者的影响,将性别设为虚拟变量,0代表女性关键研发者(参照类),1代表男性关键研发者。
(7)行业:不同行业的关键研发者在技术并购后受到的影响可能不同,因此对行业差异加以控制,将其设置为类别变量,0表示医药制造业(参照类),1表示电子及通讯设备制造业,2表示其它行业。
本文采用Sata13.0进行实证检验,表5列示了所有变量的均值、标准差及相关系数,各变量间相关系数处于合理范围内。为了排除多重共线性的干扰,测算了方差膨胀因子(VIF)的值,发现所有变量的VIF值均小于4,因此多重共线性并不存在。
表5 变量描述与相关性分析
变量MeanStd.Dev.12345678910111.度中心性-1.958.392.中间中心性1.0614.820.373.接近中心性-1.0719.040.280.484.结构洞0.060.300.090.320.115.关键研发者知识宽度10.167.500.01-0.130.04-0.316.关键研发者知识深度0.760.420.05-0.19-0.05-0.320.577.关键研发者技术相似性0.320.30-0.24-0.04-0.080.090.290.078.企业技术相似性0.490.33-0.040.08-0.09-0.05-0.01-0.080.519.行业2.200.640.15-0.07-0.12-0.160.100.24-0.26-0.3310.技术并购次数2.742.370.10-0.110.14-0.360.130.10-0.19-0.09-0.2011.性别0.810.40-0.080.06-0.020.080.050.000.040.00-0.10-0.0112.企业研发投入0.720.450.09-0.020.070.23-0.160.01-0.160.020.25-0.51-0.03
表6 回归模型分析结果
变量度中心性模型1模型2中间中心性模型3模型4接近中心性模型5模型6结构洞模型7模型8关键研发者知识宽度0.020.10-0.12-0.040.200.22-0.01-0.00(0.10)(0.10)(0.17)(0.18)(0.22)(0.22)(0.00)(0.00)关键研发者知识深度-0.39-0.22-4.65-4.47-3.91-3.87-0.12**-0.12**(1.68)(1.65)(2.98)(2.96)(3.70)(3.71)(0.05) (0.05)企业技术相似性0.723.82*2.385.57-6.92*-6.26-0.17***-0.13*(1.80)(2.03)(3.19)(3.65)(3.96)(4.56) (0.06)(0.07)技术并购次数0.74**0.42-0.83-1.17**2.11***2.04***-0.04***-0.05***(0.29)(0.30)(0.51)(0.54)(0.63)(0.68)(0.01)(0.01)行业==12.231.16-0.54-1.65-13.55***-13.78***-0.08-0.10(1.85)(1.85)(3.28)(3.32)(4.07)(4.15)(0.06)(0.06)行业==24.15**2.89-0.53-1.83-13.19***-13.46***-0.23***-0.25***(2.06)(2.06)(3.64)(3.70)(4.53)(4.63)(0.06)(0.07)企业研发投入3.00**1.60-3.05-4.5010.13***9.83***0.08*0.06(1.48)(1.53)(2.63)(2.74)(3.26)(3.43)(0.05)(0.05)性别-1.20-1.132.282.35-0.48-0.470.040.04(1.44)(1.41)(2.54)(2.53)(3.16)(3.17)(0.05)(0.05)关键研发者-7.61***-7.86*-1.620.10***技术相似性(2.48)(4.44)(5.56)(0.08)Constant-7.94***-5.13*7.7310.63**2.312.910.43***0.47***(2.83)(2.92)(5.00)(5.24)(6.21)(6.55)(0.09)(0.09)Observations224224224224224224224224Adjusted R20.130.170.120.130.190.180.270.27
注:括号内为标准误;*p<0.1,**p< 0.05,***p< 0.01
本文采用多元线性模型进行回归,表6为回归模型分析结果。其中模型1、模型3、模型5、模型7仅包含控制变量。模型2考察了关键研发者技术相似性对其度中心性的影响,回归结果表明:关键研发者技术相似性对其度中心性具有显著负向作用(p<0.01,β=-7.61),H1a成立;模型4考察了关键研发者技术相似性对其中间中心性的影响,结果表明其具有显著负向作用(p<0.1,β=-7.86),H1b成立;模型6考察了关键研发者技术相似性对其接近中心性的影响,从结果得知关键研发者技术相似性与其接近中心性之间的关系不显著(p>0.1,β=-1.62),因此H1c没有得到支持。模型8考察了关键研发者技术相似性对其结构洞的影响,回归结果表明:关键研发者技术相似性对其结构洞具有显著正向作用(p<0.01,β=0.10),因此H2得到支持。
本文基于24家发生过技术并购的高新技术企业专利数据,以3年为时间窗口,构建企业技术并购前后关键研发者合作网络,并利用社会网络分析方法,从中心性和结构洞角度分析技术并购对并购企业关键研发者合作网络特征的影响,以及关键研发者技术相似性对中心性和结构洞的影响,可为技术并购企业进一步激发关键研发者创造力、优化关键研发者合作网络提供以下启示:
(1)随着技术并购的发生,进入并购企业的新研发人员会使企业内部合作网络发生重组,对企业原有关键研发者的地位、心理造成负面影响和冲击,降低其未来发展预期。关键研发者一旦感到自身正逐渐被边缘化、权力降低、发展受限,就有离职的可能。因此,企业应在技术并购后建立完善的沟通机制。例如,上海电气在并购日本秋山后,为缓解企业内原有关键研发者的消极情绪,管理者积极真诚地与之沟通、交流,把握其心理动态,努力消除隐患、调动其工作积极性。同时,并购企业还可以在沟通过程中为关键研发者进行职业规划,以缓解其焦虑心理,重建其对企业的信心,最终实现技术并购企业创新能力提升。
(2)本研究发现,并购企业关键研发者与目标企业技术相似性越高,技术并购后其在合作网络中的地位下降越多。企业技术并购的目的是获得目标企业的技术知识,并将其内化为自身技术创新能力,该过程需要通过企业内部关键研发者实现。因此,若并购企业希望最大限度减轻技术并购对自身关键研发者的不利影响,就应在并购前决策时充分考虑自身与目标企业的技术相似性,选择与自身技术相似性较低的目标企业,避免盲目决策。这样不仅能获得许多新的技术与知识,还能保证并购企业原有关键研发者地位不受影响,有助于企业更好地将新技术内化为技术创新能力,切实增强自身核心竞争力。
(3)并购企业还可根据关键研发者需求,合理运用人才激励策略。有效激励既能够避免关键研发者流失,还能激发其创造性,提升企业技术创新绩效。例如,联想在并购IBM的PC事业部后,采取薪酬激励策略,大幅提升原关键研发者薪酬,实现了平稳过渡,最终获得并购成功。因此,并购企业应给予关键研发者充分施展才能的空间及机会,使其感到被信任和被重视,以激发其创造性。同时,为关键研发者提供多种晋升与培训机会、创造良好的工作环境、提升福利待遇等,均有助于增强关键研发者对企业的认同感,降低离职率,并调动起他们的工作积极性与创造性,进而促进企业利用技术并购有效实现创新绩效提升。
本文的理论贡献在于:①以往关于技术并购的研究,更注重企业层面以及对目标企业研发者的影响,本文从并购企业关键研发者出发,以其合作网络作为切入视角,探究技术并购对并购企业关键研发者合作网络的作用机制,补充了既有研究对技术并购影响的认识,丰富了相关研究成果;②以往关于研发者个体的研究,偏向于对网络行动者进行去属性化分析,对其中少数且起关键作用的研发者关注不足,导致研究结果过于泛化。本文识别并重点考察了并购企业关键研发者,探讨其中心性以及结构洞在技术并购前后变化,从而使得出的结论更具针对性;③将技术相似性作为划分关键研发者的个体属性指标,进一步探究了并购企业关键研发者不同属性对其技术并购后合作网络的影响。
本文也存在一些缺陷和局限性:首先,以技术并购前后3年为时间窗口,仅考虑了技术并购对并购企业关键研发者合作网络的短期影响,未来可探究并购企业关键研发者合作网络在技术并购长期影响下的变化特征。此外,当前研究仅分析了技术并购对并购企业关键研发者合作网络的影响,并采用技术相似性划分了关键研发者的个体属性,但并未深入讨论技术并购对其创新绩效的影响。因此,未来研究可结合本文对合作网络的分析,深入讨论技术并购对并购企业关键研发者创新绩效的影响。
[1] GRANT R M.Toward a knowledge‐based theory of the firm[J].Strategic Management Journal,2015,17(S2):109-122.
[2] 吴添祖,陈利华.跨国并购获取核心技术——中国企业核心竞争力的培育模式[J].科学学与科学技术管理,2006,27(4):139-143.
[3] NERKARA,PARUCHURI S.Evolution of R&Dcapabilities: the role of knowledge networks within a firm[J].Management Science,2005,51(5):771-785.
[4] GRIGORIOU K,ROTHAERMEL F T.Organizing for knowledge generation: internal knowledge networks and the contingent effect of external knowledge sourcing[J].Strategic Management Journal,2015,38(2).
[5] GRANSTRAND O,SJÖLANDER S.The acquisition of technology and small firms by large firms [J].Journal of Economic Behavior & Organization,1990,13(3):367-386.
[6] 孙笑明,王静雪,王成军,等.研发者合作网络构洞变化对企业创新能力的影响[J].科技进步与对策,2018(2):115-122.
[7] SINGH J,HANSEN M T,PODOLNY J M.The world is not small for everyone: inequity in searching for knowledge in organizations[J].Management Science,2010,56(9):1415-1438.
[8] BURT,RONALDS.Structural holes:the social structure of competition[M].Harvard University Press,2010.
[9] PARUCHURI S,NERKAR A,HAMBRICK D C.Acquisition integration and productivity losses in the technical core: disruption of inventors in acquired companies[J].Organization Science,2006,17(5):545-562.
[10] 刘开勇.企业技术并购战略与管理[M].北京:中国金融出版社,2004.
[11] 张弛,余鹏翼.并购类型会影响中国企业技术并购绩效吗——对横向、纵向和混合并购的比较研究[J].科技进步与对策,2017,34(7):76-81.
[12] 谢伟,孙忠娟,李培馨.影响技术并购绩效的关键因素研究[J].科学学研究,2011,29(2):245-251.
[13] 黄璐,王康睿,于会珠.并购资源对技术并购创新绩效的影响[J].科研管理,2017(s1):301-308.
[14] 于培友,奚俊芳.企业技术并购后整合中的知识转移研究[J].科研管理,2006,27(5):39-44.
[15] 王宛秋,马红君.技术并购主体特征、研发投入与并购创新绩效[J].科学学研究,2016,34(8):1203-1210.
[16] SHIBAYAMA S,TANIKAWA K,FUJIMOTO R,et al.Effect of mergers and acquisitions on drug discovery: perspective from a case study of a Japanese pharmaceutical company[J].Drug Discovery Today,2008,13(1-2):86.
[17] 张光曦,方圆.技术并购后整合对被兼并方创新能力的影响:社会资本的视角[J].科技进步与对策,2014(9):80-86.
[18] ERNST H,VITT J.The influence of corporate acquisitions on the behaviour of key inventors[J].R & D Management,2000,30(2):105-120.
[19] PARUCHURI S,NERKAR A,HAMBRICK D C.Acquisition integration and productivity losses in the technical core: disruption of inventors in acquired companies[J].Organization Science,2006,17(5):545-562.
[20] 焦凌佳,游磊,白扬.高新技术企业并购中的核心员工整合问题研究[J].科技管理研究,2010,30(6):167-170.
[21] AHUJA G,KATILA R.Technological acquisitions and the innovation performance of acquiring firms: alongitudinal study[J].Strategic Management Journal,2001,22(3):197-220.
[22] 崔芳,孙笑明,熊旺,等.关键研发者自我中心网络变化对企业创新绩效的影响:以整体网络为中介变量[J].科技进步与对策,2017(17):80-90.
[23] BEAUDRY C,SCHIFFAUEROVA A.Impacts of collaboration and network indicators on patent quality: the case of Canadian nanotechnology innovation[J].European Management Journal,2011,29(5): 362-376.
[24] GILSING V,NOOTEBOOM B,VANHAVERBEKE W,et al.Network embeddedness and the exploration of novel technologies: technological distance,betweenness centrality and density [J].Research Policy,2008,37 (10): 1717-1731.
[25] BURT R S.The social structure of competition[J].Economic Journal,1992,42(22):7060-6.
[26] 唐清泉,巫岑.基于协同效应的企业内外部R&D与创新绩效研究[J].管理科学,2014(5):12-23.
[27] 格佛海,孙忠娟,凌学忠.技术并购与经济绩效——来自中国企业的证据[J].科学学与科学技术管理,2013,34(11):116-125.
[28] CLOODT M,HAGEDOORN J,KRANENBURG H V.Mergers and acquisitions: their effect on the innovative performance of companies in high-tech industries[J].Research Policy,2006,35(5):642-654.
[29] 张峥,高明明,陈清生.技术相似度对中国制造业并购创新绩效影响模拟[J].科技进步与对策,2016,33(19):69-75.
[30] 魏江.企业购并绩效评估模型和度量[J].科研管理,2002,23(6):59-66.
[31] OLDROYD J B,MORRIS S S.Catching falling stars: a human resource response to social capital's detrimental effect of information overload on star employees[J].Academy of Management Review,2012,37(3):396-418.
[32] PARUCHURI S,EISENMAN M.Microfoundations of firm R&D capabilities: a study of inventor networks in a merger[J].Journal of Management Studies,2012,49(8):1509-1535.
[33] 吴先明,苏志文.将跨国并购作为技术追赶的杠杆:动态能力视角[J].管理世界,2014(4):146-164.
[34] 刘洪伟,冯淳.基于知识基础观的技术并购模式与创新绩效关系实证研究[J].科技进步与对策,2015(16):69-75.
[35] 张晓黎,陆新华.技术相似关系对技术创新绩效的影响[J].科技进步与对策,2016,33(18):28-34.
[36] 陈仕华,姜广省,卢昌崇.董事联结、目标公司选择与并购绩效——基于并购双方之间信息不对称的研究视角[J].管理世界,2013(12):117-132.
[37] BOH W F, EVARISTO R, OUDERKIRK A. Balancing breadth and depth of expertise for innovation: a 3m story[J].Research Policy,2014,43(2):349-366.
[38] 刘岩,蔡虹,张洁.企业技术合作、知识基础与技术创新绩效关系研究——基于中国电子信息行业的实证分析[J].科技进步与对策,2014,32(21):59-64.