自20世纪80年代美国“贝多法案”颁布后,大学衍生创业及其对经济发展的积极作用就得到广泛关注。大学衍生企业作为将大学技术创新转化为经济价值的重要载体,与一般企业相比具有“得天独厚”的创业条件。国家“自上而下”的衍生政策刺激、母体大学的各类支持都极大地缓解了企业创立初期的资源匮乏问题[1]。但从我国大学衍生企业近30年创业实践看,许多企业面临着成长动力不足的困境,往往在一段高速成长期后陷入成长停滞状态。究其原因在于,大学衍生企业作为典型的技术型创业企业,其成长具有天然的网络嵌入特征[2],必须根植于所在产业集群网络。但目前,我国许多大学衍生企业仍过于依赖母体大学的支持,与产业企业的交流并不顺畅,识别机会、捕捉产业资源等创业能力也相对较弱[3]。
针对这一问题,已有学者对大学衍生企业向产业网络嵌入的方式、结构和绩效展开研究,发现大学衍生企业嵌入产业网络困难的主要原因在于,特殊的学术创生背景使大学衍生企业存在显著的“学术印记”,即以高度异质化方式嵌入产业网络。在高度不确定性和资源不对等创业情境下,大学衍生企业一方面需要与产业网络成员建立合作默契,另一方面又面临着创生背景异质性所导致的信任危机,合作诉求与合作基础不一致严重阻滞了大学衍生企业向产业网络嵌入的成长路径[4]。网络惯例作为一种非契约网络控制方式[5],能够较好地契合对网络成员间默契、信任、共识等“软性”要素的描述需求,为解释大学衍生企业产业网络嵌入难题提供了一把重要钥匙。
因此,本文基于网络惯例视角,聚焦于大学衍生企业如何实现产业嵌入这一重要问题,通过理论研究与实证检验,揭示大学衍生企业基于自身学术印记构建网络惯例、进而实现产业网络嵌入的非契约治理机制,这一过程也是大学衍生企业通过有效网络治理获取竞争优势的战略途径。
大学创造的新知识通常具有高创新性、高行业领先性特征[6],其溢出效应为技术型企业创建提供了大量有价值的商业机会,进而推进了大学衍生企业创建。按照已有研究,大学衍生企业(university spin-off companies,以下简称USOs)是指为大学从商业上开发自身所产生的新知识、新技术或研究结果而创建的新企业。Steffensen等[7]提出大学衍生企业的两个关键界定标准:①企业创办者是大学雇员;②企业赖以生存的关键技术来源于大学。
从大学衍生企业成长实践看,其创生与成长阶段依托于截然不同的环境体系。随着企业的不断成长,大学衍生企业需要转变依赖母体大学的发展态势,不断扩充具有异质性的网络成员[8],逐步嵌入到相关产业网络中,进而形成可持续产业竞争优势。
大学衍生企业不断建立和扩展与产业成员间的信任关系,逐渐占据网络有利位置,就是大学衍生企业向产业网络嵌入的过程。然而,Hayter等[9]研究发现,许多大学衍生企业在成长过程中尚未有效嵌入到相关产业网络中,也并未与产业伙伴建立顺畅的合作关系。主要困难在于,大学衍生企业与母体大学的天然关联为其打上了特殊的印记,导致其相对于产业网络中其他成员而言具有异质性,这使大学衍生企业面临严峻的新进入缺陷挑战,可能会遭到产业网络中已有成员的质疑,因而很难在初期阶段就占据产业网络优势位置。同时,大学衍生企业已有的行动模板可能与产业成员合作方式、合作内容等产生矛盾,难以建立行为上的默契关系[10]。Rasmussen & Wright[11]指出,学术环境与商业环境间的差异意味着大学衍生企业难以获得开拓业务所需的产业资源和能力,其与非学术组织建立联系时往往会遇到障碍。
针对这一问题,Gebreeyesus[12]提出,通过彼此信任达成战略共识、构建行为默契是大学衍生企业与产业企业建立稳定合作的前提。即大学衍生企业在向产业网络嵌入过程中,需要以信任为基础构建稳定的合作范式。网络惯例作为一种重要的非契约网络治理方式,是指网络组织成员在合作创新活动中逐渐形成、共同认定且相对稳定的组织间交互模式,是维持网络内部联结关系存在并有序运行的“游戏规则”[13-14]。孙永磊等[15]将网络惯例具体化为规范接受和行为默契两个维度。在大学衍生企业向产业网络嵌入过程中,网络惯例有利于背景不同的企业间建立稳定顺畅的合作模式,从而帮助大学衍生企业构建外部网络并扩展资源集合[16]。
尽管目前已有部分研究考察网络惯例在维持网络稳定、促进资源传递方面的重要性[17],但是对网络中合作企业自身特质的关注不够,难以解释不同背景下企业间如何构建网络惯例,也难以回答当企业向异质性网络嵌入时,网络惯例如何发挥作用。因此,针对以上问题,本研究将企业创生背景、网络惯例、网络嵌入纳入同一研究框架,构建大学衍生企业“学术印记—网络惯例—产业网络嵌入”作用路径,探究动态环境下大学衍生企业利用自身学术特色吸引产业伙伴形成稳定惯例,基于惯例嵌入产业网络的过程,深度剖析网络惯例对产业网络嵌入程度的差异化作用。
Stinchcombe[18]认为,新组织会印上符合其特定创立环境的特征,即企业创立时的内外部特点对企业未来发展表现存在长远影响。后续研究证明,企业创立时的初始条件会在其成长过程中烙下持久印记(imprint),使企业独具特色,并通过路径依赖效应进一步对企业未来成长轨迹和企业绩效产生持久影响。拓展到企业外部,初始印记对企业间网络结构及网络位势的影响也得到验证[19]。
与一般技术型创业企业不同,大学衍生企业的初始印记带有浓厚的学术色彩,这种学术印记的独特性体现在企业资源特色和行为决策上。具体而言,大学衍生企业依托大学先进知识技术而创建,在资源禀赋上具有特殊性,如大学支持政策[20]、行业领先技术优势[21]、“明星科学家”学术成就、产业经验、声望等在一定程度上成为大学衍生企业的重要资产。同时,受母体大学的影响,大学衍生企业在行为逻辑上也存在一定的独特性[22],或多或少地根据其所属的学术制度环境行事,形成与母体大学相适应的认知模板和一致化行为。
在大学衍生企业向产业网络嵌入过程中,这些异质性学术印记成为大学衍生企业与产业企业间建立网络惯例的基础[23]。按照资源依赖理论,如果网络成员间交流有利于异质性资源获取,就会产生相对稳定的交流模式,在规范和行动上产生默契,并进一步建立网络惯例。在合作过程中,由于资源匮乏者对资源富有者的依赖,拥有关键异质性资源的网络成员往往能够制定有利于自身的合作规范,并更容易引导其他合作者达成行为默契。按照该逻辑,由于大学衍生企业独特创生背景带来的资源要素对于产业企业而言通常是有价值却难以获取的,因而具备一定的合作吸引力。大学生衍生所拥有的独特学术印记,即特有的资源禀赋和行为决策模式对产业网络中其它企业越重要、差异性越大,其吸引其它企业的能力越强,就越能够建立合作规范。基于以上分析,本文提出如下假设:
H1:大学衍生企业学术印记有利于网络惯例建立。
H1a:大学衍生企业学术印记有利于网络惯例(规范认同)建立;
H1b:大学衍生企业学术印记有利于网络惯例(行为默契)建立。
大学衍生企业嵌入产业网络的必要性和迫切性已得到学者广泛认可,嵌入程度主要体现在关系嵌入和结构嵌入两个方面。一方面,关系嵌入强弱程度影响组织间合作意愿和资源共享等[24],强关系力量在维持合作稳定性和持久性方面发挥着重要作用。另一方面,大学衍生企业在网络中的位置也十分关键,是否接近创新信息和资源入口决定其可能获得网络资源数量和质量[25]。拥有较多结构洞或处于网络中心位置更有利于企业成长[26]。
正如前文分析,创生背景的特殊印记导致大学衍生企业向产业网络嵌入过程遇到诸多阻碍。网络惯例作为一种非正式网络治理方式,在帮助大学衍生企业建立稳定网络关系、协调组织间行动方面具有积极作用。在结构嵌入方面,网络惯例的“过滤器”机制能够吸引良好的合作伙伴,增强大学衍生企业对网络关系的甄别选择能力,并进一步逐步占据有利网络位置。从认知视角看,网络惯例形成的合作规范共识使得合作参与者在决策、目标及合作预期上保持对应,有利于弱化创生背景差异性引致的交流障碍。企业间在以往交互行动中形成的集体性默契、共识能够帮助合作成员协调企业合作行为,增强企业间合作的有效性[27]。从行为视角看,网络惯例交互行为模式让企业形成对合作伙伴的行为期望,进而引导网络成员遵循一致的行为逻辑,可以减少冲突并降低交易成本。在实践中,随着合作次数和合作伙伴的增多,网络惯例形成的合作默契往往具有叠加效应,能够帮助大学衍生企业有效整合多网络关系(何郁冰等,2017)。Saka-Helmhout[28]、Friesl & Larty[29]的研究都证实当组织间存在相对稳定的惯例时,会出现更多、更高质量的交互关系以及更有效的资源传递。
值得关注的是,与组织内部惯例相似,过于稳定的网络惯例也会造成组织僵化,从而降低网络主体对网络环境的适应性。Uzzi[30]指出,网络整体思维的形成会使网络成员表现出对外部新事物的排斥,使组织缩小未来行动选择范围。尽管网络惯例在保持网络稳定性方面具有重要作用,但随着网络惯例的不断重复和自我加强,高度刚性的网络惯例可能会固化企业关系集合,降低异质性资源获取效率[31],阻碍大学衍生企业发展新合作伙伴,导致大学衍生企业难以适应网络关系变革和重组需求,不利于其获得新机会以发展更具适应性的网络结构,从而占据优势网络位置。由此,本文提出如下假设:
H2:网络惯例与大学衍生企业产业网络结构嵌入程度呈倒U型关系。
H2a:规范认同与大学衍生企业产业网络结构嵌入程度呈倒U型关系;
H2b:行为默契与大学衍生企业产业网络结构嵌入程度呈倒U型关系。
在关系嵌入方面,网络惯例能够增强大学衍生企业与产业网络其他成员进行交换的可靠性,形成更紧密的关系联结。作为具有异质性的新进入企业,大学衍生企业可选择的交易对象范围较小、合法性较低。因此,其网络治理模式往往表现为以信任而非契约为核心的非正式治理机制[32]。企业间交流惯例化有利于提升网络成员间信任度[33],减少机会主义行为,从而使网络关系趋于紧密和稳定。但与网络惯例对产业网络结构嵌入的作用相似,随着创业进程的不断推进,大学衍生企业对网络关系内容和强度需求发生改变。这意味着,随着网络惯例的逐步强化,过于刚性的网络惯例可能使大学衍生企业网络关系治理缺乏灵活性。一方面,惯例刚性会使企业形成行为路径依赖,锁定某些特定网络交易对象,排斥构建新网络关系;另一方面,当大学衍生企业与产业伙伴的交流过于惯例化时,原有的组织差异性元素也在逐渐融合和淡化[34],从而导致学术异质性与其它企业碰撞和组合的机会减少。基于以上分析,本文提出如下假设:
H3:网络惯例与大学衍生企业产业网络关系嵌入程度呈倒U型关系。
H3a:规范认同与大学衍生企业产业网络关系嵌入程度呈倒U型关系;
H3b:行为默契与大学衍生企业产业网络关系嵌入程度呈倒U型关系。
值得注意的是,网络惯例的形成及作用效果具有情境性,正如Mariano & Casey[10]所言,适应已存在的网络环境特征对网络惯例建立及其作用发挥都非常重要。技术动荡性表示企业面临的技术环境变化程度、技术更迭速度和不确定性等(陶秋燕等,2017),在大学衍生企业与产业主体建立网络惯例过程中,网络技术动态性和更迭速度影响大学衍生企业自身学术印记的稀缺性及价值性,从而影响对其他网络成员的吸引力,进一步对网络组织间惯例形成产生重要影响。由此,本文提出如下假设:
H4:技术动荡性在学术印记对网络惯例影响中起调节作用。
同时,外部技术环境动荡性也作用于网络成员交流范式。一些研究认为,较低的技术动荡性有利于构建高度信任、长期导向和稳定互动的关系,避免信息不对称风险,提高行动一致性,是网络主体间合作惯例化的保障。另一些研究则认为,技术更迭速度越快、不可预测程度越高,企业越依赖于从合作网络中寻求创新资源,并倾向于通过网络交换机制保持竞争力。由此,网络技术情境影响合作参与者的合作意愿、行为模式以及对规范共识的理解[35],进而影响合作惯例对网络行为的作用。基于以上分析,本文提出如下假设:
H5:技术动荡性在网络惯例对产业网络嵌入的影响中起调节作用。
H5a:技术动荡性在网络惯例对产业网络结构嵌入的影响中起调节作用;
H5b:技术动荡性在网络惯例对产业网络关系嵌入的影响中起调节作用。
基于以上分析,大学衍生企业嵌入产业网络过程可表述为“学术印记→网络惯例→产业网络嵌入”,即大学衍生企业利用初始禀赋优势,通过网络惯例治理嵌入产业网络机制。在此过程中,网络惯例起中介作用,大学衍生企业利用自身学术特色的异质性吸引产业合作伙伴,不同企业对彼此差异性资源的追求促进网络惯例的形成;同时,由于存在网络惯例的引导,大学衍生企业更容易与产业伙伴达成共识和行为默契,形成稳定的联合行为模式。因此,网络惯例传导大学衍生企业自身“学术印记”对产业网络嵌入程度的影响,本文构建概念模型如图1所示。
本文以问卷调研形式获取研究数据,主要从北京、武汉、上海3地高新技术产业开发区获取研究样本。本研究聚焦于大学衍生企业,根据已有研究将调研对象限定为:①企业创办者是大学或大学雇员;②企业关键技术来源于大学。
首先,借鉴已有研究测量题项,在整理大量国内外相关文献的基础上设计相应问卷量表,明确不同变量的主要维度和操作化定义,编制调研问卷;其次,在湖北省东湖高新技术开发区内选择80家大学衍生企业进行预调研(回收问卷57份,回收率为71.3%),并根据预调研数据进行信效度检验,剔除不合理的测度题项;最后,正式调研时间为2017年3月~8月,历时6个月。为提高问卷回收率和有效性,通过现场和E-mail两种途径发放调查问卷,在北京、武汉、上海3地向大学衍生企业各发放问卷250份,合计750份,最终回收有效问卷379份,有效问卷回收率为50.5%,样本描述性统计结果见表1。
图1 概念模型
相关变量测量主要参考现有研究中的成熟量表,并根据我国大学衍生企业成长实践作适当修改。
(1)大学衍生企业学术印记。结合大学衍生企业特征及组织印记相关研究,从资源禀赋、行为逻辑两个方面对其进行测量[11,18,36-37],共包括5个题项。
(2)网络惯例。在借鉴已有研究的基础上,从认知和行动层面将网络惯例划分为规范认同和行为默契两个维度[5,15],各包括4个题项。其中,规范认同反映大学衍生企业与其它企业达成合作共识的程度,行为默契反映大学衍生企业与其它企业合作行为的一致性和稳定性。
(3)产业网络嵌入。从结构嵌入和关系嵌入两个方面对其进行衡量[12],各包括4个题项。其中,结构嵌入是指大学衍生企业在产业网络中占据优势网络位置的程度,关系嵌入是指大学衍生企业与产业企业交流合作关系的强度。
(4)技术动荡性。从技术更迭速度、技术向新产品转化速度、技术发展不可预测性3个方面进行衡量[35],共包括4个题项。
在控制变量方面,根据以往学者建议,选择样本企业行业、年龄、规模3个变量加以控制。所有变量均采用Likert 5级量表进行评价,分值1~5代表调查对象对测量题项的认可程度,1表示“完全不同意”,5表示“完全同意”。具体测量题项见表2。
表1 样本特征描述(N=379)
统计量类别样本数百分比统计量类别 样本数百分比企业年龄3年以下3^5年6^8年9年及以上871041276123.027.433.516.1行业类型光电子信息生物制药专用设备制造业技术服务业其它1119972534429.326.119.014.011.6企业规模20人及以下21^50人51^200人201^400人401人及以上5991124832215.624.032.721.95.8受访者职务企业创始人中高层管理人员技术管理人员一般管理人员其它4096118616410.625.331.116.116.9
表2 变量测量与信效度检验结果
变量/维度因子载荷值测量题项α值AVE拟合指标0.790本企业能够得到母体大学技术支持0.8240.609χ2/df=1.715 0.837本企业能够得到母体大学在场地、设备等资源方面的支持NFI=0.962学术印记0.742本企业文化带有浓厚的母体大学色彩CFI=0.9670.811本企业声誉主要来源于母体大学或某学者RMSEA=0.0370.717本企业有来自母体大学的专家学者网络惯例 0.805合作任务不都是完全说明的,由一些“游戏规则”决定0.8710.643χ2/df=1.653 (规范认同)0.791与合作伙伴间存在隐性且固定的合作规则NFI=0.9800.847能够很快理解合作伙伴意图CFI=0.9880.763会学习、借鉴合作伙伴的工作方式、方法和原则RMSEA=0.046网络惯例0.846合作工作可以参考合作过程中已经形成的程序或实践0.8810.638χ2/df=1.520 (行为默契)0.779在合作过程中,有很多行为能够与合作伙伴达成默契NFI=0.9730.814在合作过程中有可理解的步骤、顺序或经验可以遵循CFI=0.9760.752作决策时会考虑以往合作过程中相似问题的处理RMSEA=0.040产业网络0.719本企业与多家产业企业(>5)联系频繁0.8050.568χ2/df=1.425 结构嵌入0.793本企业与产业企业间有知识、技术交流NFI=0.9750.739本企业在关系网络中处于核心地位CFI=0.9810.761一些企业需要通过本企业牵线联系其它企业RMSEA=0.044产业网络0.704本企业与合作企业在经营理念上具有相容性0.7790.554χ2/df=1.307 关系嵌入0.776本企业与多家产业企业(>5)有稳定的长期合作关系NFI=0.9850.764本企业与合作企业能达成高度一致的目标CFI=0.9910.732本企业与多家产业企业(>5)相互信任 RMSEA=0.057技术动荡性0.788行业技术变化速度快0.8220.651χ2/df=1.8350.874技术变化为企业提供了大量发展机会NFI=0.9480.813行业技术未来发展方向难以预测CFI=0.9550.746行业技术快速变化加快了产品更新速度RMSEA=0.029
对信度检验采用Cronbach's α系数检验法。表2显示,4个变量测量模型信度α值均大于0.7,说明量表内在信度(Internal Reliability)良好。
同时,进一步通过验证性因子分析检验测量模型聚合效度和区分效度。表2中各变量的因子载荷值和AVE值均大于0.5,表明量表具有良好的聚合效度。表3给出了各变量的均值、标准差和相关系数值,通过对比可以看出特定变量AVE的平方根均大于其与其余变量相关系数的绝对值,表明量表具有良好的区分效度。
在问卷调查过程中,因受数据来源、调查对象、题项表述等限制,可能存在潜在的共同方法偏差。因此,采用Harman单因素检验法对模型中所有变量进行探索性因子分析。结果表明,析出的第一个因子只解释了总方差的 29.6%,低于40%,表明不存在明显的共同方法偏差问题。
研究变量均值、方差及相关分析结果见表3。统计结果表明,学术印记、网络惯例、网络嵌入等各主要变量间的相关系数不大(小于0.4),且自变量方差膨胀因子均小于3,说明变量间多重共线性问题不明显。同时,分析结果也显示,学术印记、网络惯例、网络嵌入间呈正相关关系,初步说明研究假设具备一定的合理性。
表3 均值、方差与相关性分析结果
变量MeanS.D.1234567891.行业3.1440.84812.企业年龄2.9770.7340.310**13.企业规模2.7751.0960.508**0.288**14.学术印记3.4800.8870.423**0.0770.121*15.网络惯例(规范认同)4.0390.7360.162**0.353**0.098*0.345** (0.802)6.网络惯例(行为默契)3.7740.8720.105*0.254**0.391**0.274**0.291**(0.799)7.技术动荡性4.1821.4310.187**0.0360.271**0.163**0.376**0.277**(0.807)8.产业网络结构嵌入3.4680.9220.0420.277*0.0310.093*0.352**0.176**0.217**(0.754)9.产业网络关系嵌入3.9560.8430.0550.249**0.0540.318**0.304**0.333**0.366**0.308**(0.744)
注: N=379; **P<0.01;*P<0.05,下同;对角线上数值为各因子的AVE平方根(加括号表示)
本文采用层次回归法对相关假设进行检验,采用SPSS 22.0软件进行具体分析。表4为大学衍生企业学术印记对网络惯例建立的影响机理以及技术动荡性在这一过程中的调节效应。
模型1和模型4数据分析结果表明,大学衍生企业学术印记对网络惯例建立具有显著正向影响,在规范认同和行为默契两个方面的促进作用均通过显著性检验,回归系数分别为β=0.169(p<0.05),β=0.281(p<0.01)。根据数据分析结果,假设H1得到验证,假设H1a、H1b均得到支持。
模型3中加入技术动荡性与学术印记的交互项,以检验技术动荡性的调节作用。模型2和模型3对比结果表明,技术动荡性对学术印记—规范认同关系的正向调节作用得到验证,技术动荡性与学术印记交互项的回归系数为β=0.196(p <0.01)。同时,通过对比模型5和模型6结果发现,技术动荡性对学术印记—行为默契的正向调节作用也通过检验(β=0.284,p <0.01),假设H4成立。
接下来,进一步检验网络惯例在学术印记—网络嵌入关系中的中介效应。对比表5中的模型7、模型8、模型12和模型13,当加入网络惯例后,学术印记对网络结构嵌入和关系嵌入的影响均从较高水平降到较低水平(针对结构嵌入,β= 0.324,p<0.01降低到β= 0.121,p<0.05;针对关系嵌入,β= 0.277,p<0.01降低到β= 0.185,p<0.01)。由此说明,网络惯例在大学衍生企业学术印记与产业网络嵌入间发挥了部分中介作用。
表5进一步显示网络惯例对大学衍生企业产业网络嵌入效果的作用方式以及技术动荡性的调节效应。模型9表明,网络惯例两个维度对大学衍生企业向产业网络结构嵌入过程均具有倒U型作用关系(规范认同与行为默契的二次项对产业网络结构嵌入具有显著负向影响,β= -0.212,p <0.01;β= -0.142,p <0.05),假设H2通过检验,H2a和H2b均成立;但模型14表明,在网络惯例中,规范认同与行为默契对大学衍生企业向产业网络关系嵌入过程中具有线性正向影响(β=0.196,p<0.05;β=0.259,p <0.01,二次项未通过显著性检验),假设H3未通过检验,H3a和H3b均不成立。
模型10和模型11对比结果表明,技术动荡性对网络惯例—产业网络结构嵌入关系的调节作用未通过显著性检验,假设H5a不成立;模型15和模型16对比结果表明,技术动荡性与规范认同和行为默契的交互项均得到显著性支持(β=0.139,p <0.05;β=0.235,p <0.01),假设H5b成立;技术动荡性在网络惯例对产业网络关系嵌入影响中发挥正向调节作用。
表4 学术印记对网络惯例建立的影响机制
变量因变量:网络惯例(规范认同)模型1模型2模型3因变量:网络惯例(行为默契)模型4模型5模型6行业0.0320.145*0.0240.1090.0770.061企业年龄0.0490.193*0.225**0.236**0.0380.033企业规模0.1410.045-0.0850.0340.049-0.056学术印记0.169*0.161*0.221*0.281**0.156*0.193*技术动荡性0.264**0.278**0.299**0.211**学术印记*技术动荡性0.196**0.284**Constant0.375**0.212**3.751**1.951**2.443**2.488**R20.1210.1620.2440.0960.1780.269调整后R20.1170.1530.2180.0890.1640.245△R20.0360.0650.0750.081F7.731***12.123***11.297***14.921***9.436***8.980***
表5 网络惯例对产业网络嵌入的影响机制
变量因变量:产业网络结构嵌入M7M8M9M10M11因变量:产业网络关系嵌入M12M13M14M15M16行业0.0120.0230.0060.0400.0260.0350.0410.0290.168*0.268**企业年龄0.0170.020*0.211**0.0220.133*0.231*0.131*0.076*0.0410.041企业规模0.133*0.0970.0110.112*0.0320.087*0.0670.0340.196*0.144*学术印记0.324**0.121*0.0990.106*0.0860.277**0.185**0.147*0.102*0.044网络惯例(规范认同)0.341**0.311**0.154*0.153*0.211**0.196*0.177**0.190**网络惯例(行为默契)0.172*0.225**0.191**0.167*0.285**0.259**0.311**0.227**规范认同2-0.212**-0.099*-0.134*-0.073行为默契2-0.142*-0.137*-0.178*0.066技术动荡性0.092*0.074*0.269**0.188*规范认同*技术动荡性0.0790.139*规范认同2*技术动荡性-0.011行为默契*技术动荡性0.0660.235**行为默契2*技术动荡性0.037Constant2.789**6.578**4.799**3.547**3.994**3.144**3.667**2.511**3.046**R20.0490.1090.1210.1560.1870.0500.0800.0840.1470.231调整后的R20.0270.0830.0960.1370.1660.0420.0680.0730.1250.216△R20.0560.0130.0410.0290.0260.0050.0520.091F9.763***12.377***10.342***8.828***11.641***7.328***8.542***7.680***14.722***12.179***
图2对各变量的作用关系进行了更直观的描绘。从中可见,大学衍生企业特殊的学术印记,即资源禀赋和行为特征异质性,构成大学衍生企业向产业网络嵌入的基础,有助于吸引其他产业伙伴在认知和行为层面达成一致,构建稳定的合作惯例。当网络惯例形成后,其在学术印记和产业网络嵌入间起部分中介作用,其所蕴含的规范认同和行为默契对大学衍生企业产业网络嵌入程度产生了差异性影响。网络惯例对大学衍生企业产业网络结构嵌入的影响存在一个最佳临界点,即呈现倒U型关系;当超过最佳临界点时,大学衍生企业与产业伙伴间的惯例化合作范式反而不利于更进一步占据有利网络位置。但是,网络惯例对产业网络关系嵌入却具有线性正向影响,即合作范式与行为惯例化程度越高,越有利于大学衍生企业与产业伙伴建立深入持久的合作关系。同时,调节效应检验结果表明,技术动荡性对学术印记—网络惯例和网络惯例—产业网络关系嵌入作用关系具有正向调节效应。
本文基于网络惯例视角,揭示大学衍生企业在从学术环境向产业环境跨越成长过程中,基于自身学术印记带来的异质性,构建网络惯例与产业主体形成认知与行动上的默契,最终向产业网络嵌入的非契约治理机制,通过建立学术印记—网络惯例—产业网络嵌入整合作用模型对其有效性进行实证检验,得出如下结论:
图2 假设检验结果
(1)大学衍生企业学术印记对于其与产业网络成员间网络惯例的建立具有积极作用。这一结论说明,特殊创生背景带来的异质性是大学衍生企业吸引产业合作伙伴的重要因素,其学术印记越稀缺、越难以模仿,越能够与其它产业主体建立稳定的网络惯例。
(2)在大学衍生企业向产业网络嵌入过程中,网络惯例起部分中介作用,但其对结构嵌入与关系嵌入的作用存在差异性。作为一种非契约网络治理机制,网络惯例中蕴含的信任与行为默契对网络主体间的关系联结具有持续促进作用。但值得注意的是,网络惯例对大学衍生企业产业网络结构嵌入具有倒U型影响,即存在一个合作惯例化的最佳程度,过度刚性的网络惯例反而不利于大学衍生企业进一步优化网络结构。这一结果与孙永磊等[15]、常红锦等[27]学者提出的网络惯例双面性作用一致。
(3)技术动荡性在学术印记—网络惯例建立—产业网络关系嵌入作用链中起到正向调节作用。这说明,技术更迭速度越快、不确定性越高,大学衍生企业特殊的学术禀赋对其它产业企业的吸引力越强,企业间越有可能构建高默契性的网络惯例,并在认知和行为上达成共识。同时,在高动荡性环境下,作为一个新进入主体,大学衍生企业对稳定合作的依赖性较强,以弥补产业资源不足的缺陷。因此,大学衍生企业更倾向于通过网络惯例形成合作默契,并建立深入持久的网络关系。
本文将研究重点前移到“大学衍生企业如何实现产业嵌入”这一重要问题,通过网络惯例描述大学衍生企业与产业主体的合作共识及行为默契,并比较其对产业网络嵌入不同维度的作用机制。研究结论有助于理解创业企业向异质性网络嵌入过程中的惯例形成,以及其在认知和行为层面非契约协调机制对正式合作关系的影响;并且,通过构建整合框架揭示大学衍生企业内部特征、网络惯例与产业网络嵌入程度匹配关系,解构网络惯例对关系嵌入和结构嵌入的差异化影响,能够丰富创业企业网络治理相关研究。
本文研究结论为大学衍生企业从学术环境向产业环境嵌入式成长提供了如下几点启示:
(1)在动态技术环境下,大学衍生企业基于自身特色构筑网络惯例,进而获得稳定默契的合作关系是一条可行的产业网络嵌入路径,有利于克服创生背景特殊性导致的新进入缺陷。由于特殊的创生背景,大学衍生企业常常面临着难以得到产业伙伴认可与迫切需要产业资源的两难困境。本文研究结果提示网络惯例在大学衍生企业学术印记与产业网络嵌入间起部分中介作用,大学衍生企业应该认识到学术背景带来的异质性是与产业企业合作的重要契机,在建立联系过程中凸显自身独特优势,如独特技术、明星科学家、与母体大学的持续性合作等,以此吸引产业伙伴并加强在合作中的话语权,发展一致性行动,达成合作共识,进而促进网络惯例构建。对于新进入产业网络的大学衍生企业而言,形成网络惯例能帮助其解决因关系不确定和资源不对称而导致的异质性主体间的信任与默契问题,并在降低交易成本、获得产业伙伴认可、开发稳定的产业资源渠道方面发挥重要作用。
(2)大学衍生企业应认识到产业网络嵌入中结构嵌入与关系嵌入的非同构性,以及网络惯例在不同维度嵌入过程中的差异化影响,并根据自身资源特点与战略需求谨慎选择基于网络惯例的非契约治理模式。本研究发现,网络惯例对大学衍生企业关系嵌入具有正向影响,但与结构嵌入却存在倒U型关系。在实践中,大学衍生企业需要根据企业特点与战略需求平衡惯例利好与刚性。如企业当前对某关键资源依赖性较强,通过稳定惯例加强合作双方信任度与默契性,增进合作深度和稳定性更加重要;而如果当前企业战略需求是获取更具优势的网络位置,扩张合作网络,则需要谨慎监测现有网络惯例的稳定度和柔性,避免惯例过于僵化带来的负面效应,保持网络成员多样性和网络结构适应性。
(3)大学衍生企业所在产业技术更迭速度越快,企业越需要密切关注网络惯例传导效应。企业赖以生存的技术越尖端、动态性越强,越需要企业间密切合作以抵御不确定性风险、分担创新成本,但在此种情境下大学衍生企业的技术优势更加凸显。研究结果发现,在高度动荡的外部技术环境下,大学衍生企业学术印记—网络惯例—产业网络关系嵌入作用链条更为紧密,即合作共识与行动默契等非契约要素对构建密切合作关系的影响更加显著。因此,对处于高技术动态性行业中的大学衍生企业而言,需要特别加强对自身特色与网络惯例强度的联合监控,利用自身学术特色优势引导网络惯例建立,通过持续稳定的合作关系抵制外部技术不确定性的冲击。
受篇幅限制,本文仅讨论大学衍生企业基于学术印记构建网络惯例嵌入产业网络的过程,后续研究应进一步讨论大学衍生企业嵌入产业网络后在成长绩效方面的表现。另外,虽然本文研究结果揭示了网络惯例的“双刃剑”效应,但受到样本限制未能对作用拐点发生时间、发生条件作出清晰解释。未来研究可对典型企业作纵向案例跟踪,探索网络惯例强度变化规律及其动态作用,以及刚性机制发生的情境因素。
[1] FINI R,FU K,MATHISEN M T,et al.Institutional determinants of university spin-off quantity and quality: a longitudinal,multilevel,cross-country study[J].Small Business Economics,2017 (48): 361-391.
[2] 李文博.集群情景下大学衍生企业创业行为的关键影响因素——基于扎根理论的探索性研究[J].科学学研究,2013,31(1):92-103.
[3] STERNBERG R.Success factors of university-spin-offs: regional government support programs versus regional environment[J].Technovation,2014(34): 137-148.
[4] KURATKO DF,FISHER G,BLOODGOOD JM,et al.The paradox of new venture legitimation within an entrepreneurial ecosystem[J].Small Business Economics,2017 (49): 119-140.
[5] PENTLAND BT,FELDMAN M,BECKER M.Dynamics of organizational routines: a generative model[J].Journal of Management Studies,2012,49(8): 1484-1508.
[6] CLAUSEN TH,RASMUSSEN E.Parallel business models and the innovativeness of research-based spin-off ventures[J].Journal of Technology Transfer,2013,38(6): 836-849.
[7] STEFFENSEN M,ROGERS EM,SPEAKMAN K.Spin-offs from research centers at a research university[J].Journal of Business Venturing,2000,15(2): 101-102.
[8] FERNA'NDEZ-ALLES M,CAMELO-ORDAZ C,et al.Key resources and actors for the evolution of academic spin-offs[J].Journal of Technology Transfer,2015(40): 976-1002.
[9] HAYTER CS.A trajectory of early-stage spinoff success: the role of knowledge intermediaries within an entrepreneurial university ecosystem[J].Small Business Economics,2016 (47): 633-656.
[10] MARIANO S,CASEY A.The dynamics of organizational routines in a startup:the Ereda Model[J].European management Review,2016,13(4): 251-274.
[11] RASMUSSEN E,MOSEY S,WRIGHT M.The transformation of network ties to develop entrepreneurial competencies for university spinoffs[J].Entrepreneurship & Regional Development,2015,27(7-8): 430-457.
[12] GEBREEYESUS M,MOHNEN P.Innovation performance and embeddedness in networks:evidence from the ethiopian footwear cluster[J].World Development,2013(41): 302-316.
[13] ZOLLO M,REUER JJ,SINGH H.Interorganizational routines and performance in strategic alliances[J].Organization Science,2002,13(6): 701-713.
[14] 徐可,何桢,王瑞.技术创新网络的知识权力、结构权力对网络惯例影响[J].管理科学,2014,27(5): 24-34.
[15] 孙永磊,党兴华,宋晶.基于网络惯例的双元能力对合作创新绩效的影响[J].管理科学,2014,27(2): 38-47.
[16] HUGGINS R,THOMPSON P.Entrepreneurial networks and open innovation: the role of strategic and embedded ties[J].Industry and Innovation,2017,24(4): 403-435.
[17] 魏龙,党兴华,成泷.不确定性双元对技术创新网络脆弱性的影响: 网络惯例的中介作用[J].管理评论,2018,30(7): 64-76.
[18] 梁强,邹立凯,宋丽红,等.组织印记、生态位与新创企业成长——基于组织生态学视角的质性研究[J].管理世界,2017,33(6): 141-154.
[19] ADAMS P,FONTANA R,MALERBA F.User-industry spinouts: downstream industry knowledge as a source of new firm entry and survival[J].Organization Science,2016,27(1): 18-35.
[20] AUDRETSCH DB,HULSBECK M,LEHMANN EE.Regional competitiveness,university spillovers,and entrepreneurial activity[J].Small Business Economics,2012 (39): 587-601.
[21] MUSCIO A.University-industry linkages: what are the determinants of distance in collaborations[J].Papers in Regional Science,2013,92(4): 715-740.
[22] FINI R,TOSCHI L.Academic logic and corporate entrepreneurial intentions: a study of the interaction between cognitive and institutional factors in new firms[J].International Small Business Journal,2016,34(5): 637-659.
[23] SULLIVAN DM,FORD CM.How entrepreneurs use networks to address changing resource requirements during early venture development[J].Entrepreneurship Theory and Practice,2014(5): 551-574.
[24] 杨玲丽,万陆.关系制约产业转移吗——“关系嵌入—信任—转移意愿”的影响研究[J].管理世界,2017,33(7): 35-49.
[25] 侯仁勇,严庆,孙骞,等.双重网络嵌入与企业创新绩效——结构视角的实证研究[J].科技进步与对策,2018,35(12): 1-7.
[26] 李靖华,黄继生.网络嵌入、创新合法性与突破性创新的资源获取[J].科研管理,2017,38(4): 10-18.
[27] 常红锦,杨有振.创新网络惯例、网络位置与知识共享[J].研究与发展管理,2016,28(3): 89-96.
[28] SAKA-HELMHOUT A.Organizational learning as a situated routine-based activity in international settings[J].Journal of World Business,2010,45(1): 41-48.
[29] FRIESL M,LARTY J.Replication of routines in organizations:existing literature and new perspectives[J].International Journal of Management Reviews,2012,15(1): 106-122.
[30] UZZI B.Social structure and competition in interfirm networks: the paradox of embeddedness[J].Administrative Science Quarterly,1997,42(1): 35-67.
[31] 辛德强,党兴华,薛超凯.双重嵌入下网络惯例刚性对探索性创新的影响[J].科技进步与对策,2018,35(1): 1-6.
[32] 韩炜,杨俊,张玉利.创业网络混合治理机制选择的案例研究[J].管理世界,2014,33(2): 118-136.
[33] PENTLAND BT,FELDMAN M,BECKER M.Dynamics of organizational routines: a generative model[J].Journal of Management Studies,2012,49(8): 1484-1508.
[34] 杨博旭,王玉荣,李兴光.“厚此薄彼”还是“雨露均沾”——组织如何有效利用网络嵌入资源提高创新绩效[J].南开管理评论,2019,22(3): 201-213.
[35] DIXON S,MEYER K,DAY M.Building dynamic capabilities of adaptation and innovation:a study of micro-foundations in a transition economy[J].Long Range Planning,2014 (47): 186-205.
[36] WENNBERG K,WIKLUND J,WRIGHT M.The effectiveness of university knowledge spillovers:performance differences between university spinoffs and corporate spinoffs[J].Research Policy,2011 (40): 1128-1143.
[37] HABERSETZER A.Spinoff dynamics beyond clusters: pre-entry experience and firm survival in peripheral regions[J].Entrepreneurship & Regional Development,2016,28(9-10): 791-812.