当前，企业合作网络被学术界普遍认为是一种替代制度，它不仅有利于降低企业生产研发过程中的交易成本，更重要的是有利于创新资源共享、知识转移和技术扩散。在以往的封闭式创新模式下，各企业“闭门造车”，导致创新速度与绩效不佳，无法满足企业可持续发展需求。此外，企业自身创新资源冗余在一定程度上也对创新绩效产生负面影响，致使企业发展止步不前。因此，选择开放式创新模式，积极与外界主体合作，是企业顺应时代潮流、实现永续发展的必由之路。与企业相比，高等院校、科研院所等拥有更多创新资源。因此，企业在寻求技术创新外部合作时，这类组织也就成为了最好的伙伴选择。产学研合作能够有效弥补企业创新能力之不足，使高校与科研院所精准获取企业现实需求，及时调整研究方向，协助企业创新，切实提高科技成果转化率，从而达到合作共赢。
2018年10月，《国务院关于推动创新创业高质量发展打造“双创”升级版的意见》中明确指出，要增强科技创新的引领作用，推动形成线上线下结合、产学研协同、大中小企业融合的创新创业格局。在政府层面，国家高度重视产学研协同创新对社会和经济发展的促进作用，并且从战略高度对产学研合作提出了新要求；在企业层面，产学研合作是企业生存之需，只有通过构建和参与合作创新网络，企业才能不断吸收、扩散和探索新知识以维持现有竞争优势与实现可持续发展。在网络化与技术创新紧密相连的时代背景下，企业借助合作网络实现技术创新是提高自身创新绩效的关键，这已成为学术界和企业界普遍关注的热点问题。现有研究从理论上拓展了产学研合作网络研究成果，在实践上也为企业技术合作提供了宝贵的指导意见。然而，经过大量文献梳理，可以发现已有研究中仍存在一些不足之处：①研究大都基于产业视角，如生物医药产业、高端装备制造业、汽车产业等。由于一个区域往往并存多个产业，因此基于单一产业得出的研究结论对于区域合作网络的适用性有待商榷；②针对网络关系强度指标的测度多以问卷数据为主，而问卷数据具有较大主观性，不能全面反映各合作主体实际情况；③创新绩效测度存在片面性。囿于数据可得性等现实原因，多数学者以专利数量衡量企业技术创新绩效，该测度方法存在一定合理性，但未考虑专利质量问题，不能较为全面地体现企业技术创新绩效。因此，本文选择江浙沪上市公司为研究对象，基于专利数据构建江浙沪上市公司产学研合作网络，并利用数据包络模型测度企业技术创新绩效，对企业网络位置、网络关系强度与企业技术创新绩效关系进行深入分析，在此基础上为企业提升技术创新绩效提供可行性建议。
Burt等[1]研究发现，企业从外部获取的创新资源数量在一定程度上取决于其所处网络位置，并因此认为网络位置对企业创新绩效产生影响。占据有利网络位置的企业在获取稀缺资源方面更具优势，而中心度是对个体或组织权力的量化分析，可衡量个体或组织在其社会网络内的中心地位，包括度数中心度、中间中心度和接近中心度3个维度[2]。本文主要利用度数中心度和中间中心度衡量企业所处网络位置及其对技术创新绩效的影响。
1.1.1 度数中心度与企业技术创新绩效
企业的度数中心度越高，越处于网络中心位置。Ferriani等[3]研究指出，处于网络中心位置的成员更有优势获取具有较高价值的信息资源，以较快速度接触并了解有发展前景的企业，从而获得合作创新机会，并据此调整企业现阶段创新战略，从而对企业创新产生积极影响；谢洪明等[4]实证检验了网络中心性对企业知识流出的推动作用，而知识流出正向影响企业创新，从而可以间接得出网络中心性对企业创新绩效具有积极影响；陈伟等[5]研究发现，网络成员越趋于网络中心位置，其创新产出越多，在网络中的地位也越高。因此，更多的网络成员愿意与其合作创新，循环以往，可有效实现技术创新绩效提升之目的；李敏等[6]以江西省为例，研究网络位置对高新技术企业创新绩效的影响，实证结果证明处于网络中心位置的企业拥有更好的绩效表现；戴勇等[7]的研究表明，网络中心位置以吸收能力为中介变量，能间接影响企业技术创新绩效。
综上可知，处于中心位置的企业拥有稳定的信息流，且在网络中起引领作用，能够直接或间接地领导其它成员企业进行目标明确的创新。在此基础上，长期形成的创新路径能够帮助企业对某个技术项目进行深度开发，最终有效提升企业技术创新绩效。由此，提出研究假设。
H1a：度数中心度正向影响企业技术创新绩效。
1.1.2 中间中心度与企业技术创新绩效
中间中心度可衡量行动者在网络中的权力。中间中心度较高的节点往往位于多条点对点的最短路径上，在网络中占据十分重要的地位，能够获取中介收益。Zaheer等[8]认为处于中介位置的企业能够与更多企业合作，进而获取种类繁多的信息资源，使企业从中挖掘到适合自己的创新机会，并据此及时调整创新战略，从而始终保持竞争优势；Mcevily等[9]认为占据中介位置的企业既能够更好地适应新环境，又可以获取更多非冗余性知识和多样化资源以促进企业绩效提升；曾婧婧、刘定杰[10]以武汉市生物医药产业为研究对象，研究表明，中间中心度对创新绩效存在正向影响；佘茂艳、王元地等[11]的研究表明，在创新输出网络中，中间中心度与创新绩效存在正相关关系。
本文认为，中间中心度高的企业能够获取更多合作机会。在此合作过程中，若企业能够准确甄别出对自身有利的创新资源并加以利用，将显著提升企业技术创新绩效。由此，提出本文研究假设。
H1b：中间中心度正向影响企业技术创新绩效。
网络节点代表不同行动者，而连线则代表两两行动者之间的逻辑关系。现有研究主要从网络关系强度、网络互惠性两个方面探究网络关系对技术创新绩效的影响。本文中的网络关系强度是指两个网络成员之间的连接强度。目前，多数研究赞同网络关系强度有利于企业创新绩效提升的观点。如Thomas Ritter等[12]认为强关系能够帮助企业更快捷地获取有利于自身创新能力提升的知识资源；谢洪明等[13]指出，多数学者在研究网络结构与技术创新关系时，是以成员之间拥有同样关系为前提条件的，忽略了网络关系强度在其中的作用，并通过实证研究发现网络关系强度与企业技术创新之间存在着显著的正相关关系；朱霞等[14]研究发现弱网络关系有利于提升企业突破性技术创新绩效，强关系有利于提升企业渐进性技术创新绩效；吴晓云等[15]研究发现，强、弱网络关系分别为技术创新绩效提供了两种不同资源并与之显著相关；王建平等[16]研究发现，网络关系强度正向影响企业创新绩效，且企业竞合战略在二者间具有中介效应。
本文认为，在牢固的网络关系下易形成更高的信任度，对于降低机会主义威胁具有积极作用，且能够更好地促进成员知识共享并达成合作目的，进而促进企业技术创新绩效提升。基于此，本文提出研究假设。
H2：网络关系强度正向影响企业技术创新绩效。
在知识经济时代，越来越多的组织突破原有边界寻求外界合作，从而获取异质性资源以提高自身竞争优势。其中，以企业、高校、科研院所等为主体的协同创新模式是组织间进行技术合作的主要方式之一。据了解，长三角地区是中国创新活跃地带，该区域拥有十分密集的知识产权数量。“江浙沪”两省一市作为长三角地区的主要构成部分(根据《长江三角洲区域一体化发展规划纲要》，安徽省也被纳入其中)，在各个领域的发展都备受瞩目，三地正联合制定知识产权保护政策，推动知识产权一体化发展。因此，对江浙沪地区企业产学研合作网络特征及其与技术创新绩效关系进行研究，有利于为推动江浙沪企业协同创新及知识产权一体化发展提供可行性建议，有利于为落实《长江三角洲区域一体化发展规划纲要》提供思路和线索。
本文以江浙沪159家A股上市公司为研究对象，通过企业与其它创新主体联合申请的专利数测度组织协同创新情况，并基于此探究企业网络位置、网络关系强度与技术创新绩效的关系。本文搜集了2011-2017年上市企业在中国专利局申请的发明专利和实用新型专利数据，剔除仅有一个申请人的专利数据，余计合作专利7 005条，以此构建专利合作矩阵，测度相关网络指标。需要说明的是，鉴于外观设计专利的技术含量较低，且申请流程简单，不能真实反映企业技术水平，因此未将其纳入研究样本。本文专利数据均来源于佰腾网(http://www.baiten.cn)，通过检索各上市公司2011-2017年申请的全部发明专利数和实用新型专利数并进行整理后作为本文研究数据。财务数据及研发数据来源于巨潮资讯网(http://www.cninfo.com.cn)各上市公司年度报表。
2.2.1 因变量
技术创新绩效(Y)。本文采用数据包络模型(CCR—I)对企业技术创新绩效进行测度，投入指标为企业当年研发投入总额占营业收入的比例、当年研发人员数占公司总人数的比例，产出指标为企业滞后一年发明专利申请数。
2.2.2 自变量
度数中心度(PC)。点的度数中心度包括绝对度数中心度和相对度数中心度，在本文中，选取相对度数中心度对网络中心位置进行测度。其计算公式为：
其中，C(ni)代表节点ni的相对点度中心度，n为节点总数，d(ni)=∑jXij，当节点ni与nj未直接相邻时，Xij=0；当节点ni与nj直接相邻时，Xij=1。
中间中心度(BC)。中间中心度衡量行动者对资源的控制程度。换言之，它反映了通过该特定节点连接的任意一对节点的最短路径数量。节点中间中心度的提升有利于企业获取多元化信息资源。在社会网络内，如果某节点的中间中心度为0，则说明该节点不能控制网络内的任何其它节点；如果该节点的中间中心度为1，则表明该节点能够完全控制其它节点，处于网络核心，拥有极大权力。
网络关系强度(RE)。目前，问卷调查法是测度网络关系强度的主要方法之一，尽管该方法能够深入探究企业与合作伙伴的关系强度，但是仍存在一些问题。企业创新网络内的知识流动是双向的，但是在进行问卷调查时，问卷发放往往只针对研究对象企业，未让调研企业的合作伙伴就同样问题作出评价，因此，具有较高的主观随意性。基于此，部分学者为避免问卷调查存在的主观因素影响，采用定量分析方法进行测度。如唐翌[17] 利用社会网络分析软件，选择网络主体联结数量和派系参与数量作为关系强度测度指标；胡欣悦等[18]以两个网络节点共同参与合作专利申请的次数测度网络主体关系强度。两个节点间的专利合作申请频数越高，意味着双方对合作沟通频率、人力、物力资本投入越大，即网络关系强度越高[19]。在此基础上，作为本文模型的自变量之一，企业网络关系强度是指该企业所有直接合作关系的平均强度，即产学研合作网络中与某节点直接相连的各连线数值的平均值。
2.2.3 控制变量
上市年龄(T)。因企业上市时间不同导致其市场环境、成熟度及在行业中的地位等都存在较大差异。一般而言，上市较早的企业其市场知名度较高，具有更强资本实力和更丰富的物质、人力资源，并且拥有配备较完整的研发团队和设备，更易将创新投入转变为创新产出。因此，本文将企业上市年龄作为控制变量之一，用公式表示为：上市年龄=考察期年份-上市年份。
聚类系数(CC)。它是关于局部网络结构的指标，用以表征局部网络紧密程度。网络中单个节点的聚类系数是指与其相邻连接的节点间具有联系的概率，网络整体聚类系数则是指网络中全部节点聚类系数的平均值。网络集聚程度越高，节点间的相互信任度越高，促使合作更紧密，从而有利于保证信息传递效率和准确性。如果用Cv表示节点v的集聚系数，那么Cv=v表示节点的个体网络密度。整体网络的集聚系数CCτ等于各节点集聚系数的平均值，即：
其中，CCτ的取值范围为[0,1]。
网络密度(DEN)。计算公式为：
其中，n为产学研合作网络中实际存在的关系数，m为网络中全部节点数。网络密度越大，该网络对网络内行动者产生的影响越显著，包括他们的行为、态度等方面。
知识积累(KN)。企业研发过程离不开前期知识积累。知识积累越多的企业，其研发成功概率越大，知识利用率也越高，从而有助于提升最终技术创新绩效。本文选择企业前五年累计专利申请量测度企业知识积累程度，并取对数计入回归模型。
企业规模(SC)。它可在某种特定条件下代表企业拥有的人力、物力及财力等资本，同时展示企业现阶段发展程度。一般而言，企业规模越大，资金实力越强，拥有的技术、设备等越先进，企业员工数量的优势越显著，其对创新资源的吸收率与利用率越高，企业技术创新绩效越佳。因此，本文选取企业规模作为控制变量之一。借鉴已有大多数研究，利用企业期末总资产的对数衡量企业规模。用公式表示为：企业规模=LN(企业期末总资产)。
综上，本文以企业技术创新绩效为因变量，度数中心度、中间中心度及网络关系强度为自变量，探究产学研合作网络特征对企业技术创新绩效的影响，具体变量说明如表1所示。
表1 变量说明
变量类型名称符号测度指标 因变量 技术创新绩效Y技术创新效率自变量 度数中心度PC相对点度中心度中间中心度BC相对中间中心度网络关系强度RE与节点直接相连的各连线数值的均值控制变量上市年龄T企业上市年限数聚类系数CC网络聚类系数网络密度DEN整体网络密度知识积累KN企业前五年专利累积量企业规模SC企业总资产对数
首先，对江浙沪上市公司2011—2017年产学研合作网络主要指标进行梳理，具体如表2所示。
表2 网络特征指标描述性统计结果
变量 2011201220132014201520162017网络规模277304301341331355401新增节点数4427-340-102446网络密度0.00710.00630.00720.00630.00660.00550.0055网络中心势0.6720.3610.6160.7241.6611.0530.931聚类系数0.6580.6720.6740.6620.6610.7050.762
注：网络中心势为百分比参数
由表2可知，网络规模即网络中节点数呈波动式上升趋势，表明开展产学研合作的企业逐渐增加，由2011年的277个网络节点上升至2017年的401个网络节点。从网络密度看，该合作网络密度一直较低(均小于0.01)，说明整体网络较松散。网络中心势可以反映出网络中心发展趋势，2011-2014年专利合作网络的中心势均未超过0.9%，表明网络整体的中心势较差，网络中没有出现核心节点。由于聚类系数均大于0.5，因此具备小世界网络特征。
本文选用两个模型验证假设，具体方程如下：
Y=f(β0+β1T+β2CL+β3DEN+β4KN+β5SC)+ε
(1)
Y=f(β0+β1T+β2CC+β3DEN+β4KN+β5SC+β6PC+β7BC+β8RE)+ε
(2)
模型1仅包含因变量和控制变量。由表3可知，企业上市年限、聚类系数和网络密度对企业技术创新绩效的影响不显著，表明网络整体结构对其中个体并未产生显著影响，由此说明网络整体效益未凸显；知识积累和企业规模对企业技术创新绩效的影响显著，且呈正向影响，由此可见，创新离不开资本积累——既包括隐性资本，也包括显性资本。
表3 回归分析结果
变量模型1系数显著性模型2系数显著性T0.0020.9550.0120.743CC0.0160.7160.0180.678DEN0.0100.8200.0120.775KN0.232∗∗∗0.0000.174∗∗∗0.000SC0.405∗∗∗0.0000.329∗∗∗0.000PC-0.108∗∗0.018BC0.289∗∗∗0.000RE0.128∗∗∗0.003R20.3020.364F49.827∗∗∗40.835∗∗∗
注：*表示p<0.1，**表示p<0.05，***表示p<0.01
模型2在模型1的基础上增加了自变量。由表3可知，度数中心度的回归系数为-0.108，通过5%水平下的显著性检验(p=0.018)，因此假设H1a不成立。在本文中，度数中心度并未对企业技术创新绩效产生正向影响，而是产生一定负向影响。究其原因，在统计数据时发现，存在少数企业拥有大量合作专利，但合作对象均为自身子公司，尽管其度数中心度较高，但实质上并未与异质性主体发生较多合作关系，其接收的创新资源大都来自集团内部，客观上减少了资源种类的丰富度，从而导致技术创新绩效降低。中间中心度回归系数为0.289，通过1%水平下的显著性检验，表明网络中介位置能够正向影响企业技术创新绩效，即假设H1b成立。在产学研合作网络中，中间中心度较高的企业拥有更多获取异质性资源的机会，从而有助于提升技术创新绩效。然而，当企业位于存在较多点对的最短路径上时，企业间信任易遭受质疑与破坏，关系维护成本增加，不利于绩效提升。在本文中，由描述性统计分析结果可知，企业的中间中心度均值低于0.1(见表3)，表明大部分企业的中间中心度仍然较低，因此处于中介位置会对企业技术创新绩效产生正向影响。由以上结论可知，企业在寻求技术合作伙伴时，应根据自身发展需求，优先与知识属性匹配的外部企业、高等院校、科研院所等进行合作，以达到知识资源互补目的。与此同时，高效地统领集团内部创新资源的有效开发，各子公司之间也应定期开展技术交流，实现有效沟通，从而避免创新资源的重复使用与浪费，促进企业技术创新绩效提升。
由模型2可知，网络关系强度的回归系数为0.128，p值为0.003，通过1%水平下的显著性检验，表明江浙沪上市公司产学研合作网络关系强度与技术创新绩效之间存在正相关关系，即假设H2成立。在本文中，网络关系强度是指企业与其它创新主体间的专利合作紧密度。企业网络关系强度越高，与企业合作次数越多，强关系下产生的信任度也越高。长久合作关系的建立有利于降低搜寻成本、消除机会主义威胁，促进知识共享与合作目的达成，进而提升企业技术创新绩效。由此说明，江浙沪上市公司不仅要重视网络成员的合作广度，也要重视网络成员的合作深度。重视合作广度是为了吸收更多异质性资源，拓宽自身技术领域范围；重视合作深度则是在建立合作关系的基础上，加深对合作伙伴的信任，提高与合作伙伴的沟通效率，从而更有效地进行技术对接，极大降低搜寻成本与消除机会主义行为威胁。但值得注意的是，如果与每一位合作伙伴都加大合作深度，那么企业需消耗大量人力、物力与资本去维持现有关系，反而得不偿失，造成技术创新绩效降低，因此企业应挑选适合的合作伙伴并加强合作，从而达到提升技术创新绩效的目的。
(1)既要拓展网络内部的知识共享，也要突破网络外部的合作限制。在本文中，网络中心位置对企业技术创新绩效具有负向影响。主要原因在于：企业过度地与集团内部子公司合作，这样尽管能够使企业处于网络中心位置，点度中心度较高，但是过度嵌入内部关系网络往往会使企业错失与外部主体的合作机遇，且造成创新资源冗余。例如，某企业与下属子公司拥有50件合作专利，而50件合作专利几乎全部来自同一技术领域，不利于拓展知识基础深度与宽度，从而抑制技术创新绩效提升。因此，产学研合作网络中的企业应当积极与自身知识属性相匹配的其它企业、高等院校、科研院所开展合作。
首先，各高校的创新资源十分丰富，高校也是专利申请和授权的主力军，然而现存问题是高校与企业不对接，无法精准获知企业需求，不能够对症下药，导致高校大部分授权专利无用武之地，难以实现商业化运用。因此，企业应积极利用当地产学研合作平台，或与高校合作创建研究基地，在基地内进行需求获取与需求对接，从而建立长期合作关系。这不仅能够提高企业技术创新绩效，还能切实提升高校科技成果转化率，真正实现合作共赢。
其次，研究发现，有些规模较大的企业更倾向于与其子公司进行技术合作，缺少跨企业和跨区域合作。随着信息技术的迅猛发展、交通基础设施的逐步完善，地理距离障碍逐渐淡化，然而企业间的信息与知识传递并没有随之畅通，其原因可能是同类企业之间存在竞争关系、信息不对称、地区间制度文化差异等。因此，要想突破地理障碍，实现跨区域合作，企业需要充分利用内外部资源，寻找与自身技术相接近的外部创新主体，主动了解产学研合作地区政策，通过最有效、最快速的手段达成合作目的；与此同时，借助地方政策的优惠措施，实现自身与合作方的利益最大化。
(2)既要重视网络成员的合作广度，也要重视网络成员的合作深度。基于上述分析可知，网络关系强度正向影响企业技术创新绩效。在产学研合作网络中，当企业与网络中其它创新主体保持适当关系强度时，能够有效促进知识共享，提升企业技术创新绩效。因此，当企业囿于自身创新能力不足而选择与外部创新主体广泛合作时，可以利用合作伙伴的技术、知识等实现技术升级或产品创新，进而促进技术创新绩效提升。然而，随着合作伙伴数量的不断增加，企业不仅要花费成本维护原有合作关系，还要投入新的人力、物力建立合作关系，换言之，当企业合作广度即合作伙伴数量超过某阈值时，合作广度的进一步拓展会导致创新边际产出递减，进而抑制技术创新绩效提升。在此情况下，企业应当择优选择有潜力、可信任的研发合作伙伴，并在此基础上抓住协同创新契机、加深合作关系，在合作过程中逐步积累合作经验，增强互信，建立长远合作计划或构建战略联盟，提升合作能力以及企业技术创新绩效。
(3)既要获得政府人才政策的支持，也要促进企业人才计划的落实。在技术创新绩效测度过程中发现，绩效的最小值和最大值分别为0与1，换言之，各企业在技术人员投入、研发经费投入、创新产出上存在较大差距。如从技术人员数占员工总数的比例看，以2017年为例，最小值为1.39%，最大值为60.33%。人才是创新的主体，一个企业能不能留住优秀、高端的技术型人才或复合型人才，不仅与企业发展前景、薪酬待遇相关，而且企业所处地区的经济发展水平和政府政策也是十分重要的影响因素。对于经济欠发达地区而言，地方政府应采取一定措施帮助科技型企业留住人才。例如，政府可以对雇佣优秀技术人才的企业提供财政补贴。与此同时，企业要将该政策补贴切实落实到优秀员工身上。另外，地方政府也可以对高端人才的子女入学、医疗保障等方面给予优惠政策或优先安排，尽量做到全方位照顾，实现“待遇留人”、“情感留人”与“事业留人”的协同实施。最后，在人才培养方面，政府应大力支持高校、行业、企业联合开展人才培养。
(4)既要强化知识产权保护，也要推动知识产权运营。本文以合作申请专利构建社会网络矩阵，实证结果表明，由合作专利决定的企业网络特征对技术创新绩效存在显著影响。支苏平曾在公开讲座中明确指出，专利信息中包含了90%以上的创新，保护知识产权即保护创新，同时，也只有创新得到保护，企业才会更积极地进行创新活动，从而提升技术创新绩效。因此，政府应极力打造足够完善的知识产权保护体系。
首先，可以探索构建市场监管体系下的知识产权保护工作新机制，在理顺各地区知识产权行政执法体系的基础上，发挥市场的监管作用，借助综合执法优势，促进知识产权保护形成合力。
其次，可以梳理与整合专利、商标、地理标志等知识产权政策法规，推进立法进程。同时，根据各地区实际情况，加快编制地方知识产权行政执法实务指南，组织基层执法人员培训，确保工作顺利开展。
最后，加快发展知识产权保护中心、维权援助中心和仲裁调解机构，积极构建多元化的知识产权保护体系。与此同时，通过构建产业专利联盟推动知识产权运营，以政府和龙头企业为主导，联合上下游企业、高校、科研院所等组成产业专利联盟，促进技术创新主体间的知识合作和技术交流，在降低交易成本的同时，促进产学研各方建立持续稳定的合作关系[20]，最大程度发挥产学研合作网络的经济效益。
本文以江浙沪A股上市公司为研究对象，从网络位置与网络关系两个维度构建回归模型，分别实证分析其与企业技术创新绩效的作用关系。
本文的理论贡献在于：①以统计数据测度网络关系强度。在以往多数研究中，学者们倾向于以问卷调查方式测度网络关系强度这一网络特征指标，存在一定主观随意性，本文选择企业平均专利合作次数来衡量网络关系强度，弥补了该缺陷；②运用数据包络分析法测度企业技术创新绩效。技术创新绩效通常受诸多因素影响，但已有研究多以单要素来测度企业技术创新绩效，忽视了其它要素的作用。如刘岩，蔡虹[21]选取企业每年发明专利申请数作为技术创新绩效的衡量指标；以及有学者采用新产品产值作为企业创新绩效的衡量指标(马艳艳,刘凤朝,姜滨滨等，2014)。而本文通过构建技术创新绩效评价指标体系，运用数据包络分析法对技术创新绩效进行了衡量；③基于区域层面揭示了网络特征与企业技术创新绩效的关系。目前有关企业产学研合作网络特征对技术创新绩效影响的研究大多聚焦于产业层面，由于一个区域往往存在多个产业，因此单独针对某个产业的研究结论对于区域合作网络不一定适用。本文基于江浙沪上市企业联合申请专利数，构建了产学研合作网络，探索网络特征与企业技术创新绩效间的关系，弥补了已有文献的不足，丰富了该领域相关研究。
[1] BURT R S, MINOR M J.Applied network analysis: a methodological introduction[J].Canadian Journal of Sociology,1983,63(3):158-174.
[2] 刘军.整体网分析讲义:UCINET软件实用指南[M].上海:格致出版社, 2009.
[3] FERRIANI,SIMONE,CATTANI,et al.The relational antecedents of project-entrepreneurship: network centrality,team composition and project performance[J].Research Policy, 2009, 38(10):1545-1558.
[4] 谢洪明, 冯建新, 程聪.网络中心性对技术创新的影响:知识流出的视角[J].技术经济, 2011, 30(7):14-18.
[5] 陈伟, 张永超, 田世海.区域装备制造业产学研合作创新网络的实证研究——基于网络结构和网络聚类的视角[J].中国软科学, 2012, 30(2):600-607.
[6] 李敏, 刘晨韵, 程杨,等.网络位置与高新技术企业创新绩效——以江西省为例[J].华东经济管理, 2017, 31(8):25-33.
[7] 戴勇, 朱桂龙, 刘荣芳.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):22-28.
[8] ZAHEER A, BELL G.Benefiting from network position: firm capabilities, structural holes, and performance[J].Strategic Management Journal, 2005, 26(9):809-825.
[9] MCEVILY B, ZAHEER A.Bridging ties: a source of firm heterogeneity in competitive capabilities[J].Strategic Management Journal, 2015, 20(12):1133-1156.
[10] 曾婧婧, 刘定杰.生物医药产业集群网络嵌入性、网络结构与企业创新绩效[J].中国科技论坛, 2017，38(5):49-56.
[11] 佘茂艳,王元地,杨雪.双向创新网络、网络特征及区域创新绩效[J].软科学,2018,32(11):59-64.
[12] THOMAS RITTER, HANS GEORG GEMüNDEN.Network competence: its impact on innovation success and its antecedents[J].Journal of Business Research, 2003, 56(9):745-755.
[13] 谢洪明, 张霞蓉, 程聪,等.网络关系强度、企业学习能力对技术创新的影响研究[J].科研管理, 2012, 33(2):55-62.
[14] 朱霞, 路正南.KIBS企业嵌入强度对科技型小微企业技术创新绩效影响研究[J].科技进步与对策, 2014，31(15):142-146.
[15] 吴晓云, 王建平.网络关系强度对技术创新绩效的影响——不同创新模式的双重中介模型[J].科学学与科学技术管理,2017,38(7):155-166.
[16] 王建平, 吴晓云.竞合视角下网络关系强度、竞合战略与企业绩效[J].科研管理, 2019, 40(1):121-130.
[17] 唐翌.网络互惠性对高校跨区域技术转移绩效的影响研究[D].合肥：中国科学技术大学,2017.
[18] 胡欣悦, 汤勇力, 王国庆, 等.研发国际化、跨国知识网络与研发单元创新绩效——基于华为PCT专利(2002-2013年)的面板数据分析[J].系统工程理论与实践, 2018, 38(12):134-149.
[19] IWASA T,ODAGIRI H.Overseas R&D,knowledge sourcing, and patenting:an empirical study of Japanese R&D investment in the US[J].Research Policy,2004,33(5):807-828.
[20] 李明星, 何娣, 张慜, 等.知识产权促进战略性新兴产业发展实证研究——以江苏省为例[J].科技进步与对策, 2013, 30(9):54-59.
[21] 刘岩,蔡虹.企业知识基础网络结构与技术创新绩效的关系——基于中国电子信息行业的实证分析[J].系统管理学报, 2012, 21(5):655-661.