知识复杂化和需求多样化使企业创新面临越来越多的挑战,嵌入式创新以其高效、共赢的特点正逐渐成为主流创新模式,通过嵌入外部知识网络和协同网络,企业能够高效获取所需资源,克服资源稀缺障碍,互利共赢,提高创新效率[1]。事实上,企业是经济发展的最终承担者和执行者,提升企业创新绩效是实现创新驱动发展的前提和保证。因此,从网络嵌入角度研究创新绩效提升问题具有重要意义。
网络嵌入是社会学与经济学研究企业行为的重要连接点,其是指企业通过交流与联络而形成的一种稳定联系。学术界对企业创新嵌入性进行了大量研究。从研究对象角度,探讨了知识网络[2]、研发网络[3]、全球价值链网络[4]和协同网络[5-6]等不同类型外部网络嵌入对创新的影响。陈学光、俞红等[3]构建了高新技术企业研发团队海外嵌入特征、知识搜索与创新绩效关系模型,将知识搜索深度和广度作为中介变量,验证了企业研发团队海外嵌入特征关系强度对知识搜索深度、网络规模对知识搜索广度具有显著积极影响,知识搜索对高新技术企业创新绩效具有显著积极影响。唐朝永、牛冲槐[6]认为,协同创新网络和人才集聚效应是影响创新绩效的重要因素,并基于168家科技型企业问卷数据,采用多元回归方法验证了协同创新网络规模、网络强度、网络异质性、人才集聚效应、创新绩效等变量间存在显著相关关系。在现实复杂环境中,难以通过研究单个企业网络能力解释集群企业技术创新机制,因此研究对象逐渐从单个企业转向产业集群。魏江、徐蕾[2]探讨了集群企业知识网络双重嵌入的内涵,并选取某大型集群企业为研究对象,采用案例研究方法,分阶段探索了集群企业双重嵌入动态过程。他发现,集群企业在创业前期尚未形成知识网络,双重嵌入在发展期已基本形成,成熟期完成嵌入,且知识网络嵌入从单结构到多结构,从本地网络到本地、超本地并重。戴勇、朱桂龙等[7]以知识潜在吸收能力、现实吸收能力为中介变量,构建了集群网络结构与技术创新绩效间关系和相互作用机制模型。结果表明,集群网络结构对技术创新影响效应显著,且网络规模、网络中心度、网络强度都不直接影响创新绩效,而是通过吸收能力对创新绩效产生间接效应,说明集群企业通过自身优势获取、吸收集群内知识,并对其加以利用和转化,进而影响技术创新绩效。
网络嵌入有两大来源,即具有人际关系和网络结构特征。目前,网络嵌入最主流方式有两类:关系嵌入和结构嵌入。因此,从研究范式角度,大多数学者都采用关系—结构分析框架进行研究。Granovetter[8]从人际关系角度界定了嵌入性概念,从结构和关系两个维度对嵌入进行了研究。王育晓等[9]检验了网络整体嵌入性、关系性嵌入、结构性嵌入对负效应的影响。林嵩等[10]对结构、关系和认知3类嵌入性进行研究,探讨了其对初创企业创新的影响。许多学者在结构-关系分析框架基础上,从网络位置[11]、关系强度[12]、网络密度[13]、开放性[14]等角度对网络嵌入与创新进行了研究。范群林等(2010)以西南地区集群企业为研究对象,从节点度、中介中心度和结构洞3个维度提出研究假设,实证分析了结构性嵌入对集群企业创新绩效的影响。结果发现,企业节点度和中介中心度与企业创新绩效正相关,结构洞对企业创新绩效不存在显著正向影响关系;从动态视角看合作网络中结构洞变化对企业创新能力的影响发现,结构洞填充数量对企业创新能力的影响作用随时间递减[11]。在嵌入性视角下,关系嵌入可分为强关系嵌入和弱关系嵌入两种,关系嵌入强度不同对组织学习具有不同影响,关系嵌入强度对创新绩效的影响是通过组织学习产生的。因此,关系嵌入强度与企业创新绩效正相关[12]。
现有研究主要基于社会网络理论和嵌入理论,利用关系—结构分析框架,引入吸收能力、学习能力等中间变量,分析某种网络嵌入行为对企业创新活动的影响。虽然这些研究对网络嵌入问题的探索具有开创性和建设性,但仍存在以下问题:首先,企业嵌入行为具有多重性,同一个企业会同时嵌入不同类型网络,并对企业创新产生不同影响,但研究只聚焦于网络嵌入社会属性,关注某一外部网络嵌入问题,忽略了多重嵌入的事实;其次,将外部网络抽象化,假定外部网络同质,忽略了网络异质性对创新行为作用机制和作用结果的影响;再次,对外部网络的测量主要依靠问卷、访谈等质性化研究方法,从节点关系入手推测网络结构,这种方法具有较强的主观性,容易造成研究结果偏差。本研究选取强调社会属性的协同网络和具有自然属性的知识网络,从网络结构视角探索企业双重网络嵌入对创新绩效的影响。协同网络是企业间通过合作研发、战略合作等方式形成的相对稳定的协同合作网络关系[8]。Bresnahan[14]指出,在企业管理中,协同不仅能够给企业带来价值增加,还可以为企业创造新价值。总结已有文献,协同网络是在交互式作用中建立的相对稳定、能够激发创新、具有本地根植性、正式或非正式的关系总和。知识网络是知识元素间相互联系和相互作用而形成的相对稳定的网络结构,其既记录了知识元素间的组合关系,又提供了知识元素流动和搜索渠道,具有流动性、小世界性等特征。如果知识网络中核心主体与其它主体之间均存在连接,则网络处于闭合。研究表明,闭合有助于隐性知识转移和获取联盟网络异质性知识[5]。
本研究通过可视化技术,利用专利数据构建区域知识网络与协同网络模型,在此基础上研究网络结构特征——中心度和结构洞与企业创新绩效的关系,从结构角度揭示外部网络对企业创新绩效的作用机理,探讨外部网络结构变化对企业创新绩效的影响,从宏观网络结构角度解析微观企业创新绩效提升思路和优化方案,旨在为提高企业创新绩效、优化政府产业布局、实现创新驱动战略提供理论指导。
2.1.1 知识网络中心度
大量知识元汇聚形成企业知识基(knowledge base)(魏江等,2015)。这些知识元之间相互联系形成发明和专利。随着专利、发明的不断积累,知识元数量和联系逐渐丰富,最终形成知识网络。因此,知识网络的节点是知识元,而知识元间的联系则是包含在专利发明中知识元间的组合关系[15]。知识元中心度度量了某个知识元与其它知识元直接联系的数量,不仅反映了知识元重要程度,还反映了知识元连接潜力。知识元连接潜力主要受两方面因素的影响:一方面,知识元连接潜力受学科知识自然属性的影响[16],如交叉学科中知识元通常比传统学科知识元连接潜力大;另一方面,知识元连接潜力受研究者对该知识元认知程度的影响[17]。当学者对某个知识元进行深入研究时,往往能够创造性地应用该知识元,使该知识元更具有连接潜力。因此,随着知识元中心度的提升,知识元的重要性日益凸显,促使研究人员聚焦于该知识元进行研究,进而提升该知识元的连接潜力。事实上,由于创新成果由若干知识元组成,知识元直接连接数量与创新成果具有正相关性[18],即连接潜力越强,知识创新成果越多。但是,知识元连接潜力具有极限。当某个知识元连接到达极限值时,其科技价值和商业价值就随之耗尽。此时,连接增加将使创新产生负效应,即无用的知识元联系不仅不产生专利、发明等创新成果,还消耗大量研究者精力和企业大量资源,这无疑对企业创新活动具有反作用。根据以上分析,本研究提出如下假设:
H1:知识网络中心度与企业创新绩效具有倒U型关系。
2.1.2 知识网络结构洞
知识网络结构洞表示两个知识元不直接联系,而由共同第三方知识元间接联系,第三方知识元在结构洞中起桥梁作用,具有代理性特征[19]。如果两个知识元已经存在于同一创新成果中,其潜在连接能力和创新价值可能已经消耗[15]。因此,企业会在知识网络中寻找其它还未相互联系的知识元进行创新,而知识网络中结构洞的存在为企业提供了大量未联系但又并非完全隔离的知识元,它们比其它结构类型的知识元更容易相互连接[18]。在富含结构洞的知识网络中,代理知识元会与其它间断知识元联系,间断知识元之间虽然并未联系但却具有相关性,由于学习的渐进性和搜索的本地性,研究者倾向于通过代理知识元搜索其它知识元。随着大量间断知识元的累积,企业创新绩效提升,大量间断知识元为企业创新提供了知识基础[20]。因此,结构洞丰富促使知识网络知识元连接机会提升,而这些潜在连接会增加专利发明数量,提升创新绩效。根据以上分析,本研究提出如下假设:
H2:知识网络结构洞与企业创新绩效具有正向关系。
2.2.1 协同网络中心度
协同网络由相互联系的企业组成,其中企业充当网络节点,企业间合作关系充当网络节点间联系。企业在协同网络中的中心度由企业直接联系的企业数决定,它反映了目标企业在网络中的相对位置和重要程度[21]。通过协同网络,企业将获得信息资源,但与知识网络资源相比,协同网络信息资源具有显著区别。显性知识易于编码、复制和传递并且相对稳定,而信息是动态、易于扭曲的,因此信息保真是创新的前提。事实上,企业中心位置有助于信息保真并促进企业创新。这是因为:一方面,企业中心位置有利于企业直接获取大量第一手信息资源,避免信息资源由于传播路径过长而失真[22];另一方面,中心位置有利于企业通过微信等社会资本与具有竞争力的企业合作,降低合作风险[23]。因此,中心度提高在一定范围内有利于企业创新绩效提升。但是,随着合作伙伴的增加,企业创新变得更加低效。一方面。由于资源有限,过多合作关系将消耗企业大量资源,使企业创新效率下降;另一方面,过多合作不可避免地存在企业搭便车行为[24],这将削弱企业合作意愿,降低企业创新效率。根据以上分析,本研究提出假设:
H3:协同网络中心度与企业创新绩效呈倒U型关系。
2.2.2 协同网络结构洞
协同网络联系可以作为信息传递的通道,因此在富含结构洞的协同网络中,中心企业能够获取大量独占信息资源,促进企业创新[19]。事实上,中心企业在结构洞中具有较强的资源控制权(盛亚等,2009),即结构洞程度越高,对资源的控制能力越强,越能产生竞争优势,进而促进企业创新能力提升。其次,非中心企业可通过结构洞扩展自身协同网络,即通过中心企业与其它企业间接相连,扩大自身信息搜索范围。虽然边缘企业没有中心企业具有资源控制权,但其可通过间接联系增加协同伙伴,促进企业创新。另外,结构洞的存在容易使协同网络松散化,导致信息传播出现断路,这种断路将网络区块化,在一定程度上能够使企业获得创新自治权,避免因企业间频繁交互而形成限制,如意见领袖、主导性感知模式、思维惯性等[25]。根据以上分析,本研究提出如下假设:
H4:协同网络结构洞与企业创新绩效具有正向促进关系。
虽然知识网络与协同网络是两种不同的外部网络,但它们具有同形性,即企业间协同连接模式与知识元间连接模式相似[26]。Yayavaram&Ahuja[26]指出,企业间的互动模式能够反映知识元连接模式,如生物制药企业与纳米微生物企业协同反映出生物制药领域知识元与纳米技术领域知识元相互结合,而当企业协同结构改变时,知识元连接模式也将随之改变。因此,基于这种结构同形特征,反映网络结构特征的中心度与结构洞在两种网络中也具有对应关系。有学者用仿真或实证方式,论证了知识网络与知识创新间的作用关系,认为知识网络对协同知识创新有着不同程度的影响。一方面,知识网络能够为协同网络带来高质量、差异化的知识资源。一般而言,单个企业拥有的知识资源比较有限,在协同网络背景下,成员基于合作与信任基础进行知识扩散与共享;另一方面,在知识网络环境下,企业技术创新模式随之改变,知识网络为企业技术创新提供了更好的载体,企业通过知识网络嵌入能够扩大知识搜索范围。根据路径依赖理论,企业可通过知识网络嵌入打破现有路径,并寻找新路径提高探索式创新能力。根据以上分析,本研究提出如下假设:
H5:协同网络与知识网络具有相关性。
根据以上文献分析和假设,本文提出知识网络、协同网络中心度与结构洞和企业创新绩效影响模型。
图1 双重网络嵌入对企业创新绩效的影响模型
3.1.1 研究对象
本研究选择武汉东湖高新区内政府认定的217家生物医药高新技术企业为研究对象,原因在于:一方面,相对于传统企业,高新技术企业具有较强的创新意愿,在竞争激烈的市场环境中具有较强的适应能力和竞争优势,相对于劳动密集型传统企业,智力密集型高新技术企业受到资源稀缺性的影响更大,更倾向于寻找、整合外部资源,促进企业创新;另一方面,由于资源受限,聚焦于某一区域某一领域有利于获取样本数据,便于开展研究。
3.1.2 变量测量与数据选取
(1)因变量。对企业而言,创新活动是将创意、想法付诸实践并逐渐商业化的过程(刘新艳等,2014)。因此,本研究利用专利数量测量企业创新绩效。本研究通过中国专利局专利检索库,检索东湖高新区生物医药企业2010-2015年授权的专利数量,获取相关数据。
(2)自变量。社会网络理论认为,节点中心度测量方法包括3种:点度中心度、接近中心度和中介中心度。虽然有研究认为它们具有一致性[27],但它们之间存在着细微差别,即点度中心度衡量的是与该节点直接相连的节点数;接近中心度衡量的是该节点与其它节点之和,其关注的是节点不受其它节点控制的能力,是一个反向指标。节点接近中心度越大,表示该节点与其它节点的距离越远,证明不是网络的核心节点;中介中心度衡量的是该节点在多大程度上居于某两个节点之间,其关注的是节点对两端节点的控制能力。节点点度中心度侧重考察节点的直接交往能力,而中介中心度和接近中心度则侧重于考察间接交往能力[28]。因此,知识网络中知识元中心度主要针对知识元的直接结合能力,适合通过点度中心度测量,而协同网络企业协同更侧重于间接交往能力,因此选择接近中心度进行测量。具体而言,知识网络中心度Ci计算公式为:
(1)
其中,X为点i的入度,Y为点i的出度,n表示网络规模。
协同网络中心度Ci计算公式为:
(2)
其中,dij为点i与点j的捷径距离,n为网络规模。
本研究借鉴Burt的研究成果,采用网络约束系数测量结构洞[16]。知识网络结构洞和协同网络结构洞测量计算公式为:
Cij=(pij+∑pikpki)2
(3)
其中,pij是节点i对节点j的比重关系。
自变量样本数据通过以下步骤获取:首先,根据检索到的专利信息构建知识网络和协同网络模型,再通过UCINET6.0计算获得两类网络各节点中心度、结构洞指标和网络平均中心度、结构洞指标。
(3)控制变量。由于企业规模、企业成立时间、企业R&D人员数量等变量均对创新绩效具有影响,且与本研究相关[29],因此本研究将这3个变量作为控制变量,剔除其对研究的影响。样本数据主要通过对东湖高新区217家生物医药企业进行问卷调查获取。
根据Wang等[18]、Ahuja等[26]的研究,本研究利用专利数据信息,使用UCINET6.0构建知识网络和协同网络模型。本研究针对东湖高新区217家生物医药企业2010-2015年的专利数据信息进行检索,检索得到1 786条专利信息。由于专利信息中的专利权人反映的是企业间协同创新,因此本研究利用专利权人信息构建协同网络;而IPC分类号反映出构成专利的知识元,因此本研究利用IPC分类号构建知识网络,网络模型如图2所示。
图2 知识网络模型与协同网络模型
根据计算结果,知识网络规模为473,平均中心度为21.951,标准差为11.51,平均网络约束系数为0.513,标准差为0.081;协同网络规模为229,平均中心度为4.59,标准差为2.57,平均网络约束系数为1.762,标准差为0.34。
本研究运用多元回归分析和相关性分析方法对假设进行验证。表1为多元回归分析结果。模型1为参照模型,仅包含控制变量;模型2在模型1基础上加入知识网络嵌入3个自变量,即知识网络中心度、知识网络中心度的平方和知识网络结构洞;模型3在模型1的基础上加入协同网络嵌入3个自变量,即协同网络中心度、协同网络中心度的平方和协同网络结构洞;模型4为完全模型,包括所有自变量和控制变量。
表1 回归分析结果
变量企业创新绩效模型1模型2模型3模型4知识网络中心度2.517∗∗∗(0.000)1.439∗∗(0.051)知识网络中心度的平方-1.943∗∗∗(0.000)-0.851∗(0.084)知识网络结构洞1.859∗∗(0.021)1.028∗(0.072)协同网络中心度0.917∗∗(0.015)1.524∗∗∗(0.000)协同网络中心度的平方-0.824(0.750)-0.939(0.673)协同网络结构洞2.043(0.943)1.851(0.764)企业规模1.089∗∗(0.022)0.975∗(0.095)1.014∗∗(0.031)0.798∗(0.059)成立时间-0.035(0.733)-0.125∗(0.081)-0.857∗∗(0.046)-0.247∗∗∗(0.000)企业R&D人员数量0.956∗∗(0.034)0.989∗(0.085)1.022∗∗(0.051)0.878∗(0.046)常数2.185∗(0.091)1.459∗(0.079)1.128∗(0.073)0.621∗∗(0.068)R20.5970.6710.6340.665F值10.35118.85415.16517.654
注:***表示p≤0.01,**表示p≤0.05,*表示p≤0.1,下同
对比模型2和模型4发现,知识网络嵌入中知识网络中心度、知识网络中心度的平方和知识网络结构洞系数均显著。其中,知识网络中心度和知识网络结构洞与创新绩效正相关,而知识网络中心度的平方与创新绩效负相关,因此企业创新绩效与知识网络中心度呈倒U型关系而与知识网络结构洞呈正相关关系,故假设H1、H2均成立。对比模型3和模型4发现,仅协同网络中心度与企业创新绩效显著正相关,协同网络中心度的平方和协同网络结构洞系数均不显著,因此企业创新绩效仅与协同网络中心度正相关而与协同网络结构洞不相关,故假设H3、H4均不成立。
表2为相关性分析结果。从中可见,知识网络嵌入指标与协同网络嵌入指标相关系数较小,知识网络中心度与协同网络中心度相关系数为0.025,知识网络结构洞与协同网络结构洞相关系数仅为-0.041,因此协同网络与知识网络间的相关度较低,不具备显著相关性,故假设H5不成立。
表2 相关性分析结果
变量123456781.企业创新绩效12.知识网络中心度0.311∗∗13.知识网络结构洞0.208∗∗∗0.115∗∗14.协同网络中心度0.257∗∗0.0250.091∗∗∗15.协同网络结构洞0.384∗∗0.511∗-0.0410.280∗∗∗16.企业规模0.5620.409∗∗-0.319∗0.1180.216∗17.企业成立时间-0.502∗0.2360.392∗0.244∗0.033-0.401∗∗18.企业R&D人员数量0.4570.408∗∗0.3870.305∗∗0.2380.1030.1231均值975.56121.9150.5134.5901.762791.7419.19321.611标准差29.56611.5100.0812.5700.340108.6105.1121.336
(1)根据分析结果,企业创新绩效与知识网络中知识元中心度呈倒U型关系,而与知识网络结构洞程度呈正向关系。事实上,知识元中心度对企业创新具有重要意义。因为知识元直接联系数量越多,连接潜力越大,企业从中能够获取的潜在科技价值和商业价值就越大[18]。但是,随着中心度的增加,目标知识元与其它知识元间直接联系越来越多,其科技价值和商业价值逐渐消耗,当到达连接数量极限时,目标知识元科技价值和商业价值将被完全消耗殆尽。此时,若知识元连接数量继续增加,那么知识元结合不会再出现新的创新产物而仅仅只是对之前创新产物的“重复制造”。对于知识网络结构洞而言,分析结果显示知识网络结构洞越丰富,创新绩效越高。事实上,结构洞的本质是网络松散化。松散的网络为创新提供了素材,因为相互隔离的知识元具有大量连接机会,它们的结合将有利于企业创新[30]。
(2)分析结果显示,协同网络企业中心度与企业创新绩效不存在倒U型关系,仅存在正相关关系。虽然这与假设相出入,但从研究样本数据和协同网络模型可以得出合理解释:协同网络中企业中心度均值为4.59,即在东湖高新区生物医药企业中,每个企业平均合作企业数量不到5个,对于较低协同程度和较少的协同企业,目标企业有足够精力去管理和协调,不会产生因合作企业数量较多而导致的低效现象。样本企业中心度与企业创新绩效关系仅处于倒U型关系上升阶段,还未到达合作管理低效临界点。对于协同网络结构洞而言,结构洞通过桥结构使分离的区块相互连接,虽然结构洞使企业间接联系范围扩大,却产生了以下问题:一方面,间接联系扩大使企业协同路径变长,协同成本提高,因此超过某一平衡点时,协同成本将大于协同效益,阻碍创新发展[31];另一方面,结构洞桥结构有可能产生中间人信息垄断风险[32],随着结构洞的丰富,这种风险将随之增加,最终威胁创新活动。基于此,协同网络结构洞与企业创新绩效不存在正向关系。
(3)分析结果表明,知识网络和协同网络不具有直接相关性。无论是企业间协同还是知识元结合,最终执行者和承担者都是企业研发人员,因此研发人员所在社会网络的介入导致知识网络和协同网络分离[33],知识网络与协同网络分离模型如图3所示。
图3 知识网络与协同网络分离模型
图3呈现了上述知识网络和协同网络分离的原因,其中左侧为企业协同网络,中间为研究人员,右侧为知识网络。大多数情况下,研究者在协同网络中的位置与其在知识网络中的位置不具有对等性,只有在极端状况下这两种位置才是对等的,即研究人员只掌握一种知识元、某种知识元被某一研究者独有或企业只有一名研发人员(刘新艳等,2014)。事实上,大多数研究者都掌握着多种知识元,同一种知识元被许多研究者共有,并且企业通常有若干研究者。因此,知识网络和协同网络分离是常态而非例外。
本研究基于网络结构视角,以东湖高新区生物医药领域高新技术企业为研究对象,利用专利数据信息构建知识网络和协同网络模型,探索知识网络与协同网络双重网络嵌入与企业创新绩效间的关系,得出以下主要结论:
(1)从结构视角探索异质网络嵌入对企业创新绩效的影响。结果表明,知识网络嵌入与协同网络嵌入对企业创新绩效具有不同影响,即在知识网络嵌入中,知识元中心度与企业创新绩效呈倒U型关系,而知识网络结构洞程度与企业创新绩效呈正相关关系;在协同网络中,企业中心度与企业创新绩效呈正相关关系,而协同网络结构洞程度与企业创新绩效关系不显著。
(2)样本地区企业知识网络与协同网络结构具有较大差异且不存在直接相关关系。结果表明,东湖高新区生物医药领域知识网络与协同网络相关性较低,知识网络集中度和连通性较高,知识元连接紧密,而协同网络集中度和连通性均较低,企业协同程度较低,企业间协同活动较少。
(1)知识网络和协同网络具有一定的独立性,企业在这两类网络中的位置并不总是一一对应。因此,企业不仅需要通过吸收异质知识元使其知识网络位置中心化,还需要通过与外部企业协同建立自身协同网络;其次,研究人员既是知识元的载体,又是企业协同的执行者。因此,企业一方面需要通过招聘获取大量研究人员,扩充企业知识基;另一方面,企业还应与外部组织人员建立良好关系,通过研究人员间接嵌入知识网络和协同网络,提升企业创新绩效。
(2)企业需要积极嵌入到外部网络中,不断调整自身所处位置。根据本研究结论,一方面,企业应当嵌入外部知识网络,积极获取具有科技价值和商业价值的知识元,提升企业知识元中心度,增加企业知识元连接潜力和连接机会,促进企业创新;另一方面,企业应积极与外部企业协同,增加协同伙伴,提升管理协同企业和控制协同风险的能力,不断通过协同获取资源,提高企业创新绩效。
本研究理论模型及实证研究具有以下两方面的理论贡献:①突破了以往只关注某一单一网络组织架构、演化等的局限,将知识网络、协同网络引入社会网络研究之中,是对创新网络相关理论的拓展;②将知识网络、协同网络中心度与结构洞的调节影响引入企业创新绩效模型,深化了对这两种网络嵌入的理解,也进一步激发了其对创新绩效作用机制的一系列思考。
然而,本研究还存在以下两方面不足:首先,由于研究资源有限,本研究样本企业处于同一地区同一行业,忽略了地域和行业差异对研究结果的影响,同时也由于时间、人员有限,只研究了东湖高新区生物医药领域,基于行业局限性,其结论的适应性有待进一步验证和探讨;其次,专利研发、申请和授权具有时滞性,但因研究方法局限,本研究忽略了时间变量对结果的影响。因此,在未来研究中,应考虑不同类型集群企业,双重或多重网络嵌入模式有何不同?对企业创新绩效有何影响?能否总结出一般性规律及经验?本研究通过实证分析得出知识网络与协同网络具有一定的独立性,而为何会出现这一现象也是未来研究方向。
[1] 蒋德嵩.拥抱创新3.0时代[J].哈佛商业评论,2013,19(9):11-19.
[2] 魏江,徐蕾.集群企业知识网络双重嵌入演进路径研究——以正泰集团为例[J].经济地理,2011,31(2):247-253.
[3] 陈学光,俞红,等.研发团队海外嵌入特征、知识搜索与——基于浙江高新技术企业的实证研究[J].科学学研究,2010,28(1):151-160.
[4] 王雷,姚洪心.全球价值链嵌入对集群企业创新绩效的影响[J].科研管理,2014,35(6):41-46.
[5] 赵炎,周娟.企业合作网络中嵌入性及联盟类型对创新绩效影响的实证研究——以中国半导体战略联盟网络为例[J].研究与发展管理,2013,25(1):12-23.
[6] 唐朝永,牛冲槐.协同创新网络、人才集聚效应与创新绩效关系研究[J].科技进步与对策,2017,34(3):134-139.
[7] 戴勇,朱桂龙,等.集群网络结构与技术创新绩效关系研究:吸收能力是中介变量吗[J].科技进步与对策,2018,35(9):16-22.
[8] GRANOVETTER M. Economic action and social structure: the problem of social embeddedness[J]. American Journal of Sociology,1985,91(3):481-510.
[9] 王育晓,张明亲,等.嵌入型视角下军民融合技术创新网络负效应研究[J].科技进步与对策,2018,35(9):123-130.
[10] 林嵩,许健.嵌入型与初创企业创新倾向:一个实证研究[J].科技进步与对策,2018,35(1):102-108.
[11] 孙笑明,王静雪,王成军,等.研发者专利合作网络中结构洞变化对企业创新能力的影响[J].科技进步与对策,2018,35(1):115-122.
[12] 魏江,郑小勇.关系嵌入强度对企业技术创新绩效的影响机制研究——基于组织学习能力的中介性调节效应分析[J].浙江大学学报:人文社会科学版,2010,40(6):168-180.
[13] 谢洪明,赵丽,等.网络密度、学习能力与技术创新的关系研究[J].科学学与科学技术管理, 2011,32(10):57-63.
[14] BRESNAHAN T, GAMBARDELLA A, et al.‘Old economy’ inputs for ‘new economy’ outcomes: cluster formation in new silicon valley[J]. Industrial and Corporate Change, 2010,10(4): 835-860.
[15] CARNABUCI G, BRUGGEMAN J. Knowledge specialization, knowledge brokerage and the uneven growth of technology domains[J]. Social Forces, 2009,88(5): 607-641.
[16] QUATRARO F. Knowledge coherence, variety and economic growth: manufacturing evidence from italian regions[J]. Research Policy,2010,39(8):1289-1302.
[17] BOH F, EVARISTO R, et al. Balancing breadth and depth of expertise for innovation: a 3M story[J]. Research Policy,2014, 43(7):349-366.
[18] WANG C,RODEN S,et al. Knowledge networks, collaboration networks, and exploratory innovation[J]. Academy of Management Journal ,2014, 57(2):484-514.
[19] BURT R. Structure holes: the social of competition[M]. Cambridge, Massachusetts, Harvard University Press, 1995.
[20] COHEN M, LEVINTHAL A. Absorptive capacity: a new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990,35(4): 128-152.
[21] BIERLY E, DAMANPOUR F, et al. The application of external knowledge: organizational conditions for exploration and exploitation[J]. Journal of Management Study,2009,46(11): 481-509.
[22] 池仁勇.区域中小企业创新网络的结点联接及其效率评价研究[J].管理世界,2007,27(1): 105-113.
[23] LUO J, CHI S, LIN D. Who is trustworthy: a comparison of social relations across taiwan strait[C]. The Conference of North American Chinese Sociologists Association, Chicago, 2002.
[24] WU W. Dimensions of social capital and firm competitiveness improvement: the mediating role of information sharing[J]. Journal of Management Study, 2008,45(8):122-146.
[25] KARAMANOS G. Leveraging micro-and macro-structures of embeddedness in alliance networks for exploratory innovation in biotechnology[J]. R&D Management,2012, 42(6): 71-89.
[26] YAYAVARAM S, AHUJA G. Decomposability in knowledge structures and its impact on the usefulness of inventions and knowledge-base malleability[J]. Administrative Science Quarterly,2008,53(4):333-362.
[27] 王思峰,郑尹茹.线上与线下世界的交错:校园线上学习的社会网络分析[J].咨询社会研究, 2005,11(8):155-192.
[28] 曾德明,文金艳.协作研发网络中心度、知识距离对企业二元式创新的影响[J].管理学报,2015,12(10):1479-1486.
[29] TSAI W. Knowledge transfer in intra-organizational networks: effects of network position and absorptive capacity on business-unit innovation and performance[J]. Academy Management Journal ,2001,44 (5):996-1014.
[30] GUAN J,LIU N.Exploitative and exploratory innovations in knowledge network and collaboration network:a patent analysis in the technological field of nano-energy[J]. Research Policy,2016,45(45):97-112.
[31] KIM J, KOGUT B. Technological platforms and diversification[J]. Organization Science, 1996, 7(11): 283-301.
[32] GULATI R, SYTCH M, TATARYNOWICZ A. The rise and fall of small worlds: exploring the dynamics of social structure[J]. Organization Science, 2012,23(10):449-471.
[33] LI E Y, LIAO C H, et al. Co-authorship networks and research impact: a social capital perspective[J]. Research Policy ,2013,42(3):1515-1530.