知识经济时代,科技发展日新月异,技术更新换代加速,企业创新活动面临前所未有的不确定性。作为应对不确定性的重要手段,技术多元化受到国内外学者的广泛关注。现有研究从理论与实证两个方面证实了技术多元化对企业创新绩效的积极影响。如Chiu等[1]认为,企业不仅可以通过提升研发组合多样性降低经营不确定性,而且可以利用多领域研发活动的协同效应提高创新绩效;Garcia-Vega[2]以544家欧洲上市公司为研究样本,发现技术多元化与企业创新绩效存在显著的正相关关系。
构建多元化的技术体系需要以丰富的知识资源作为支撑,当企业内部的知识储备无法满足技术多元化需求时,协作研发网络便成为企业获取外部知识的重要渠道。协作研发网络本质上是一种知识网络,其通过网络成员间的信息共享与知识传递,实现技术扩散与创新产生[3]。从社会网络理论视角出发,信息与知识在协作研发网络中的分布不均匀,其流动与传递过程也不对称,这意味着企业所处的网络结构对其能否及时、准确地捕获网络中有价值的信息与知识起着决定性作用。一些学者研究了技术多元化与协作研发网络结构交互作用对企业技术创新的影响。如Mcevily等[4]对227个美国制造类企业进行问卷调查发现,占据结构洞位置的企业能够接触到更多的异质性知识,更易通过实施技术多元化战略提升创新绩效;王核成等[5]利用我国高新技术企业调研数据,检验了技术多元化与网络位势对企业创新活动的影响,发现两者的交互作用能够有效促进企业创新绩效提升。
上述引入网络结构变量的研究存在3点不足:第一,多数研究仅采用结构洞度量协作研发网络结构,就其本质而言,结构洞反映了焦点企业控制信息流动与制造网络内竞争程度的能力,但是在协作研发网络中还存在诸如信息丰富程度、信息获取成本、伙伴间信任水平等影响企业创新绩效的因素,因此有必要引入更为丰富的网络结构变量;第二,由于企业关系数据不易获得,多数研究采用面向焦点企业的问卷调查法搜集协作研发网络结构数据,其主观性较强,无法完整地再现协作研发网络结构全貌;第三,多数研究仅使用单一年份的截面数据,难以控制企业异质性。
为了弥补现有研究不足,本文采用2005-2018年中国信息与通信技术领域(ICT)专利数据,以三年为时间窗口,构建协作研发网络,选取其中的302个A股主板上市公司为研究样本,运用社会网络分析方法与负二项回归模型,实证分析技术多元化与协作研发网络中心度交互作用对企业创新绩效的影响。
与以往研究相比,本文的边际贡献表现为3点:首先,采用中心度指标取代结构洞指标以描述协作研发网络结构,使得本研究能够从信息丰富度、信息获取成本、信息控制能力、伙伴间信任水平等多个维度解释网络结构对企业创新绩效的影响;其次,本文并非将“中心度”概念笼统地视作一个整体,而是根据Freeman的研究,将其进一步区分为“度中心度”、“中介中心度”与“接近中心度”3个不同概念,并在此基础上比较三者对技术多元化—企业创新绩效关系的影响,在深化理论认识的同时,也为实务界提供了更具操作性的建议;最后,在技术发展日益不确定和强调动态能力的大趋势下,越来越多的企业开始采用技术多元化战略或研发联盟战略,本研究证实了两种战略综合使用对提升企业创新绩效的作用更显著,这为企业有效应对复杂多变的技术环境提供了决策参考。
技术多元化(technological diversification)的本质是技术能力多元化[6],即企业将原有技术能力延伸至新技术领域的行为或状态[7],其结果表现为技术范围拓宽[8]。本文认为技术多元化对企业创新绩效存在正向影响,原因如下:首先,从知识基础观的视角看,创新往往来自对现有知识的创造性组合,因此拥有多元化技术的企业更易实现创新的范围经济[9],以更低成本促进企业创新绩效提升;其次,具有发展前景的新技术往往萌芽于边缘技术领域,如果企业在某一时间缺乏特定领域的技术能力[10],就难以及时发现并利用这些机会,长此以往,企业终将由于技术能力过时而被淘汰出局;最后,如果企业只关注自身核心技术领域,随着技术深度增加,产生进一步突破的可能性会逐渐降低[11],这不利于企业创新绩效提升。
综合以上分析,本文提出如下假设:
H1:技术多元化正向影响企业创新绩效。
从社会网络理论视角出发,协作研发网络有利于企业间信息流动,有助于企业获得对创新活动至关重要的异质性知识[12]。然而,网络中的知识分布不均匀[13],企业所处的网络结构会对其外部知识获取数量与质量产生重大影响。中心度是度量网络结构的重要指标,根据测度视角,Freeman[14]将其区分为度中心度、中介中心度与接近中心度3种。
度中心度(degree centrality)是指与节点直接相连的网络成员数量,反映节点直接信息来源的多寡。本文认为,度中心度对企业创新绩效存在正向影响,原因如下:首先,度中心度较高的企业与大量网络成员建立了协作研发关系,拥有更丰富的信息来源[15],可以通过整合不同来源信息产生新知识,从而促进企业创新绩效提升;其次,度中心度较高的企业与大量网络成员保持直接且频繁的接触,有利于提升其它网络成员对企业的信任感[16],有利于隐性知识传播,为企业提供更多的异质性创新资源,从而促进企业创新绩效提升;最后,度中心度较高的企业在协作研发网络内拥有广泛的知名度,能吸引优秀的合作者[17],也更易于从网络中获得研发资金与互补技术[18],间接促进企业创新绩效提升。
中介中心度(betweenness centrality)是指节点位于其它网络成员联系的最短路径上的次数,反映节点对网络内信息流动的控制程度。本文认为中介中心度对企业创新绩效存在正向影响,原因如下:一方面,中介中心度较高的企业频繁地占据其它网络成员联系的必经之路,因此对网络内的信息流动具有较强的控制权,可以通过较快获取信息的独占价值[19]实现创新绩效提升;另一方面,中介中心度较高的企业通常在网络中扮演信息枢纽的角色[20],控制着网络内信息交流的主干道,这赋予了企业更高的网络地位,有助于企业作出对自身更有利的资源交换,从而促进创新绩效提升。
接近中心度(closeness centrality)是指网络规模与最短路径长度之和的比值,反映节点获取外部知识的效率。本文认为接近中心度对企业创新绩效存在正向影响,原因如下:一方面,接近中心度较高的企业能够通过建立较少的联系接触到更多网络成员,这有助于企业以较低成本获取更多异质性知识,为企业创新活动提供知识基础,有助于企业创新绩效提升;另一方面,接近中心度较高的企业可以通过少数节点与大量网络成员建立联系,这在很大程度上降低了信息传播过程中的失真风险[3],有助于企业通过对比准确获得信息源[21],从而促进企业创新绩效提升。
综合以上分析,本文提出如下假设:
H2a:度中心度正向影响企业创新绩效;
H2b:中介中心度正向影响企业创新绩效;
H2c:接近中心度正向影响企业创新绩效。
知识转移包括知识获取与知识吸收两个环节[22],协作研发网络中心度为企业获取新知识提供了有利条件,但知识转移效果还取决于企业知识吸收能力。Cohen等[23]指出,企业的吸收能力可视为技术范围的函数,因此本文认为协作研发网络中心度与技术多元化的交互作用对企业创新绩效存在正向影响。
度中心度较高的企业与大量网络成员建立了协作研发关系,此类企业往往可以在合作研发过程中获取丰富的技术知识,这些技术知识与企业多元化的技术体系交互融合,能够有效促进企业创新绩效提升。此外,由于度中心度度量的是与企业直接相连的网络成员数量,因此与其它中心度相比,度中心度可以视为强关系的一种,而根据社会网络理论,强关系不仅拥有信息传递功能,而且拥有弱关系不具备的资源共享功能(如研发资金支持、研发人员流动、研发设备共享等),这有助于企业突破技术多元化战略的资源约束,促使企业产出更多创新成果。而与之相对应,度中心度较低的企业往往处于协作研发网络边缘,难以获得足够的外部创新资源,导致企业的技术多元化战略目标难以实现;同样地,技术单一的企业通常不具备较强的吸收能力,导致难以充分利用较高度中心度带来的创新资源优势,也难以实现创新绩效提升。综合以上分析,本文提出如下假设:
H3a:度中心度与技术多元化交互作用正向影响企业创新绩效。
中介中心度较高的企业通常作为协作研发网络内部的信息枢纽而存在,这意味着此类企业会接受与处理大量信息,而技术多元化程度较高的企业对外部信息有着强大的过滤与吸收能力,更易于在纷繁复杂的信息中甄选出对自身有价值的知识,也更善于将外部知识融入自身技术体系以实现创新绩效提升。与之相对应,技术多元化程度较低的企业并不具备吸收、处理大量信息的能力。因此,由高中介中心度带来的信息优势不能被企业充分利用,甚至在某种情况下成为企业负担,不利于企业创新绩效提升。此外,中介中心度测度了企业在协作研发网络中作为信息传递媒介的能力值[24],其值越大,表明企业对网络内信息流动的控制程度越高,意味着此类企业往往能够比竞争对手更及时地获取有价值的信息,因此可以凭借时间优势与信息优势更高效地实施技术多元化战略,实现创新绩效提升。综合以上分析,本文提出如下假设:
H3b:中介中心度与技术多元化交互作用正向影响企业创新绩效。
接近中心度较高的企业能够以较低成本接触到更多网络成员,使得此类企业能够在第一时间接触到处于技术前沿的企业、高校与科研机构,更全面、及时地了解技术发展前景与趋势,有助于企业针对性地实施技术多元化战略,实现创新绩效提升。此外,接近中心度较高的企业与大多数网络成员的关系距离较近,有助于降低信息与知识传播过程中的数据失真概率,使企业获得清晰且真实的信息,为企业技术多元化战略的顺利实施提供高质量的知识基础,有助于企业创新绩效提升。相反,接近中心度较低的企业往往处于协作研发网络边缘位置或孤立的子网络内,使得此类企业在网络内处于信息流动与知识传递劣势地位,难以及时获得清晰与准确度较高的信息及知识,不利于企业实施技术多元化战略。综合以上分析,本文提出如下假设:
H3c:接近中心度与技术多元化交互作用正向影响企业创新绩效。
基于上述分析,本文构建理论研究框架如图1所示。
图1 研究框架
专利协作数据被广泛应用于协作研发网络的实证研究[3,13]。本文通过在中国知识产权网专利信息服务平台检索,下载2005-2018年中国(不考虑港澳台地区)ICT领域(包括电信/无线电、计算机/办公机器、消费电子以及其它ICT技术4个子领域)的专利数据,从2005-2016年(2017与2018年的专利数据用作计算因变量)的专利数据中筛选出申请人为两个及以上组织的专利,生成专利协作关系矩阵,以3年为时间窗口,建立协作研发网络(有研究表明,协作研发关系平均持续3.4年[25]),选取其中的302个A股主板上市公司作为研究样本,使用社会网络分析软件Pajek计算网络结构性指标,提取专利国际分类号计算企业的技术多元化程度,企业特征数据来源于万得(Wind)数据库。
2.2.1 因变量
企业创新绩效(EIP)。专利是企业创新成果的重要表现形式,是测量企业创新绩效的常用指标[26],其优点在于数据客观真实、可得性较高[27]。与专利申请相比,专利授予过程存在较大风险与不确定性[28],也更容易受到行政因素的干扰[29],这意味着相比专利授予数量,专利申请数量能更真实地反映企业实际创新水平,因此本文使用专利申请数量测量企业创新绩效。考虑到自变量对因变量影响的时滞效应与单一年份专利申请数量的偶然性,同时,为了缓解潜在的内生性问题,本文使用t年、t+1年、t+2年专利申请数量之和测量企业创新绩效。
2.2.2 自变量
技术多元化(TD)。本文借鉴Huang等[30]的方法,首先根据专利国际分类号的前四位确定专利所属技术领域,然后使用赫芬达尔指数的倒数测量企业技术多元化程度。假设企业在n个技术领域拥有N项专利,其中,在i技术领域拥有Ni项专利,那么技术多元化的计算公式如式(1)所示。TD值为1,说明企业当年技术全部集中在一个领域,TD值越大,说明企业技术多元化程度越高。
(1)
度中心度(DC)。度中心度是指与节点直接相连的网络成员数量,其规范化计算公式如式(2)所示。其中,Xij表示节点i与节点j直接相连的情况,分别用1与0表示。其中,1表示两者直接相连,0表示两者没有直接联系。
DCi=∑jXij
(2)
中介中心度(BC)。中介中心度是指节点位于其它网络成员最短联系路径上的次数,其规范化计算公式如式(3)所示。其中,gjk表示节点j与k之间的最短路径条数,gjk(ni)表示节点j与k之间的最短路径中经过节点i的条数。
BCi=∑j<kgjk(ni)/gjk
(3)
接近中心度(CC)。接近中心度是指网络规模与最短路径长度之和的比值,其规范化计算如公式(4)所示。其中,n表示节点i所处最大连通子图内节点的个数(网络规模),d(i,j)表示节点i到节点j的最短路径长度。
CCi=(n-1)/∑d(i,j)
(4)
2.2.3 控制变量
企业专利积累(EPA)。企业专利积累是指企业过去5年内申请的专利数量(取自然对数)。除本文研究的技术多元化、协作研发网络中心度等变量外,还有企业文化、企业组织结构等诸多因素会对企业创新绩效产生影响[31,32],考虑到分别控制的难度,本文使用企业专利积累作为测量企业创新效能的代理指标。
专利活动年期(PAD)。专利活动年期是指企业申请第1项专利的年份至统计当年的年限,本文使用专利活动年期控制企业专利活动经验对创新绩效的影响。
企业地理位置(LOC)。处于经济发达地区的企业创新活动较活跃[33],如果企业处于三大经济圈(长三角经济圈、珠三角经济圈、环渤海经济圈)内,则LOC=1,反之LOC=0。
结构洞度(SHD)。结构洞度是指节点之间的非冗余联系,占据结构洞位置的企业能够获得更多异质性知识[34]。学术界通常使用限制度(constrain)测量企业结构洞度,使用Pajek软件可直接计算该指标值。由于限制度是结构洞度的反向测量且其值处于0~1之间,考虑到逻辑的简洁性,本文使用1与限制度的差值测量企业结构洞度。
聚集系数(CLC)。聚集系数是指节点自我中心网络内联系的紧密程度,高聚集网络能够实现知识的快速转移,其规范化计算如公式(5)所示。其中,n表示节点i的度,l表示节点i在自我中心网络内存在的关系数量。
CLCi=2l/n(n-1)
(5)
由于本文因变量企业创新绩效为非负型计数变量,因此线性回归模型不适合本文。泊松回归模型适用于非负型计数变量,但其包含变量均值等于方差的强假设。由表1的描述性统计结果可知,本文因变量企业创新绩效的方差远远大于均值,呈现出高度的离散状态,因此泊松回归模型也不适合本文。负二项回归模型是泊松回归模型的一般形式,允许高度离散状态的存在,因此本文选用负二项回归模型进行回归分析。Hausman检验结果表明,随机效应模型不适合本文,因此本文采用固定效应负二项回归模型处理数据。
由表1可知,企业创新绩效的均值为246.872,标准差为1 075.271,表明总体上ICT领域的创新行为较活跃,然而不同企业创新绩效差异较大;技术多元化的均值为3.035,表明样本企业技术多元化程度整体较高;度中心度、中介中心度与接近中心度的均值大于中位数,呈现出右偏分布状态,表明少数企业占据了大量中心位置,这符合现实情况;企业地理位置的均值为0.745,表明74.5%的样本企业集中在三大经济圈内,意味着行业存在过度饱和的风险。由表2可知,变量间相关性系数的绝对值均在0.7以下,表明模型不存在多重共线性问题。
表1 变量描述性统计结果
变量 观测值均值中位数标准差最小值最大值企业创新绩效1 141246.87227.0001 075.2710.00012 008.000技术多元化1 1413.0352.5212.1691.00013.612度中心度1 1411.8231.0001.6571.00017.000中介中心度1 1410.0010.0000.0020.0000.033接近中心度1 1410.0560.0420.0610.0010.192企业专利积累1 1413.3443.2191.8770.0009.771专利活动年期1 1416.3616.0004.7620.00022.000企业地理位置1 1410.7451.0000.4360.0001.000结构洞度1 1410.3310.1760.3530.0000.988聚集系数1 1410.1350.0000.2910.0001.000
表2 变量相关性分析结果
变量 123456789101.企业创新绩效1.0002.技术多元化0.1491.0003.度中心度0.1950.2391.0004.中介中心度0.2510.1500.2971.0005.接近中心度0.1300.1570.4510.2291.0006.企业专利积累0.5120.5390.3340.3160.2961.0007.专利活动年期0.2560.3230.2100.1340.1730.6381.0008.企业地理位置0.0920.0890.0390.0790.0210.1300.1641.0009.结构洞度0.2840.3670.5610.3700.4140.5380.3440.1011.00010.聚集系数-0.064-0.0630.290-0.0720.121-0.088-0.053-0.0020.0411.000
回归结果如表3与表4所示,其中,模型1-模型4检验自变量对因变量的影响,模型5-模型7检验交互项对因变量的影响。
表3 固定效应负二项回归模型回归结果(模型1-模型4)
注:括号内数字为标准误;***、**、*分别表示1%、5%、10%的显著性水平(下同)
变量 模型1模型2模型3模型4技术多元化0.079***(0.010)度中心度0.056***(0.011)中介中心度13.808*(8.328)接近中心度2.153***(0.477)企业专利积累0.162***(0.032)0.170***(0.033)0.196***(0.032)0.210***(0.031)专利活动年期0.017*(0.009)0.009(0.009)0.015*(0.009)0.000(0.009)企业地理位置-0.389***(0.131)-0.359***(0.132)-0.342***(0.130)-0.305**(0.131)结构洞度0.217***(0.078)0.172**(0.081)0.213***(0.080)0.136*(0.081)聚集系数0.234***(0.087)0.185**(0.089)0.250***(0.088)0.197**(0.088)常数项0.554***(0.132)0.695***(0.133)0.598***(0.130)0.566***(0.131)
表4 固定效应负二项回归模型回归结果(模型5-模型7)
变量模型5模型6模型7技术多元化0.058***(0.016)0.068***(0.011)0.057***(0.015)度中心度0.006(0.028)技术多元化×度中心度0.010**(0.005)中介中心度-29.263*(16.875)技术多元化×中介中心度12.047***(3.511)接近中心度0.832(0.757)技术多元化×接近中心度0.265**(0.133)专利活动年期0.137***(0.033)0.147***(0.032)0.160***(0.033)企业专利积累0.012(0.009)0.018**(0.009)0.007(0.009)企业地理位置-0.366***(0.133)-0.353***(0.132)-0.355***(0.132)结构洞度0.181**(0.081)0.230***(0.080)0.160**(0.081)聚集系数0.198**(0.089)0.244***(0.087)0.206**(0.087)常数项0.696***(0.136)0.604***(0.131)0.623***(0.137)
由模型1可知,技术多元化正向影响企业创新绩效(回归系数为0.079,显著性为1%),H1得证;由模型2可知,度中心度正向影响企业创新绩效(回归系数为0.056,显著性为1%),H2a得证;由模型3可知,中介中心度正向影响企业创新绩效(回归系数为13.808,显著性为10%),H2b得证;由模型4可知,接近中心度正向影响企业创新绩效(回归系数为2.153,显著性为1%),H2c得证。
从控制变量看,企业专利积累对创新绩效存在显著正向影响,这与以往研究结果一致。与以往研究结果不一致的是,地处三大经济圈对企业创新绩效有显著的负向影响,这可能是由于经济发达地区的ICT行业竞争较激烈,企业难以将大量资金投向研发创新领域。结构洞度与聚集系数对企业创新绩效都存在显著正向影响,原因可能是处于结构洞位置的企业拥有更多非冗余联系,更易于通过协作研发网络获得高质量的异质性知识;聚集系数较高的协作研发网络可以实现知识的快速转移,有利于企业吸收对创新活动至关重要的默会知识,因此可以有效促进企业创新绩效提升。
由模型5可知,技术多元化与度中心度的交互项正向影响企业创新绩效(回归系数为0.010,显著性为5%),H3a得证;由模型6可知,技术多元化与中介中心度的交互项正向影响企业创新绩效(回归系数为12.047,显著性为1%),H3b得证;由模型7可知,技术多元化与接近中心度的交互项正向影响企业创新绩效(回归系数为0.265,显著性为5%),H3c得证。
值得注意的是,在单独分析协作研发网络中心度对企业创新绩效的影响时,中介中心度的显著性仅为10%,明显低于其它两个中心度,而在分析技术多元化与协作研发网络中心度交互作用对企业创新绩效的影响时,中介中心度与技术多元化交互项的显著性为1%,反而高于其它两个交互项,这意味着中介中心度自身对企业创新绩效的提升作用较弱,但当中介中心度与技术多元化相结合时,其对企业创新绩效的提升作用要优于其它两个中心度与技术多元化相结合时的提升作用。
为了更直观地展现技术多元化与协作研发网络中心度的交互作用,本文绘制了交互作用效果图。当度中心度增大时,技术多元化与企业创新绩效的关系曲线趋于陡峭(图2a),说明度中心度强化了技术多元化对企业创新绩效的正向影响,接近中心度的促进作用与度中心度类似(图2c)。中介中心度的影响较复杂(图2b),总体而言,中介中心度也能够提升技术多元化对企业创新绩效的正向影响,其特殊之处在于,当技术多元化程度较低时,中介中心度较低的企业反而拥有更高的创新绩效,随着技术多元化程度提升,中介中心度的促进作用才开始显现出来。原因可能是技术多元化程度较低的企业不具备吸收与处理大量信息的能力,由高中介中心度带来的大量信息反而增加了企业的信息筛选成本;而技术多元化程度较高的企业对外部信息有着强大的吸收与过滤能力,能够有效利用由高中介中心度带来的信息优势,促进创新绩效提升。
图2 技术多元化与协作研发网络中心度的交互作用
本文基于2005-2018年中国ICT领域专利数据,运用社会网络分析方法量化协作研发网络的结构特征,使用固定效应负二项回归模型实证分析了技术多元化与协作研发网络中心度对企业创新绩效的影响以及两者的交互作用。研究发现,技术多元化与协作研发网络中心度对企业创新绩效都存在显著正向影响,且两者的交互作用可以进一步促进企业创新绩效提升;中介中心度与技术多元化交互作用对企业创新绩效的提升效果最显著,但这种提升作用仅存在于技术多元化程度较高的企业中,如果企业的技术多元化程度较低,高中介中心度反而会成为企业的负担;企业专利积累对创新绩效存在显著的正向影响,处于三大经济圈对企业创新绩效有着显著负向影响;聚集系数较高的协作研发网络具有更高的知识转移效率,结构洞度较高的企业能够获得冗余度更低的外部知识,因此两者都有利于企业创新绩效提升。
综合上述结论,本文提出以下管理启示:
(1)实证研究表明,技术多元化对企业创新绩效存在着显著正向影响,这意味着企业应该在条件允许的范围内合理配置研发资源、开拓技术领域,促进创新绩效提升。在知识经济时代,科学技术的迅猛发展和用户需求的日益多元化给企业带来了更多的技术不确定性与市场不确定性,如果企业长期局限于已有的技术能力而止步不前、忽视新兴领域的技术机会,那么现有技术储备会逐渐形成核心刚性,从而丧失与时俱进能力[35,36],在剧烈震荡且充满不确定性的市场环境中,企业终将由于其核心能力过时而被淘汰出局;而具有多元化技术基础的企业在较为宽阔的技术领域内进行技术创新与市场开发,能够及时发现并利用外部环境变化带来的机遇,建立稳固的竞争优势。因此,企业应该正确认识技术多元化与企业创新绩效的关系,进一步加大研发资金投入力度,广泛引进不同领域的科研人才,提高研发活动组织水平,在多个技术领域内开展知识探索与技术创新,充分利用技术变革带来的战略机遇,打造强劲的技术竞争力,实现从“中国制造”到“中国创造”的跨越。
(2)实证研究表明,协作研发网络中心度对企业创新绩效存在显著正向影响,这意味着企业应该主动选择中心度较高的网络位置。从现实情况看,为了应对日益激烈的技术竞争,越来越多的企业开始寻求与各种不同类型的外部组织(如高校、科研机构或其它企业)建立协作研发关系,而在这种基于协作研发形成的社会网络中,企业所处的网络位置决定了其获取外部知识或创新资源的数量、质量与效率。当前,技术创新能力已经成为企业核心竞争力的重要组成部分,企业应该采用科学有效的手段不断提升自身的网络中心地位,实现创新绩效提升。具体来说,提升协作研发网络中心度的方式包括3种:首先,独占异质性知识是构建协作研发网络优势地位的基础,因此企业应该注重开发与积累独特、先进、有价值的知识,同时,加强对这些知识的管理与控制,防止其在合作交流过程中外泄,这有助于加深其它网络成员对自身的依赖,凭此形成持续竞争优势;其次,企业应该广泛地与网络成员直接建立联系,占据其它网络成员间联系的最短路径,搭建便捷的信息传输通道,增进与合作伙伴间的交流、沟通与信任,广泛吸收不同来源的异质性知识,实现自身创新绩效提升;最后,政府与行业协会应该牵头建设协同创新平台,促进跨组织、跨学科、跨领域的知识转移与共享,营造出有利于协作研发的社会氛围,将原本孤立存在的子群连接成一个整体,实现知识增值与企业创新能力提升。
(3)实证研究表明,技术多元化与协作研发网络中心度的交互作用对企业创新绩效存在显著正向影响(其中,技术多元化与中介中心度交互作用对企业创新绩效的提升效果最显著),这意味着企业在提升技术多元化程度的同时,应该注重构建自身在协作研发网络中的中心地位,特别是占据网络成员联系的最短路径。从现实情况看,随着技术进步的频率越来越快以及传统行业边界的模糊化,企业需要多元化的研发以催生新技术。但是,多元化技术体系的构建需要以大量资源作为支撑,当企业内部资源储备无法满足技术多元化需求时,协作研发网络便成为企业获取外部资源的重要渠道。因此,多元化的技术基础与协作研发网络内优势地位是影响企业创新绩效的两个重要因素,两者相辅相成,缺一不可。如果企业在缺少优质外部知识来源的情况下盲目实施技术多元化战略,可能会面临严重的资源约束与技术瓶颈,不仅难以实现战略目的,而且容易造成研发资源浪费。同样地,如果企业在协作研发网络中占据了中心度较高的位置但是不具备较强的吸收能力,信息优势不仅不能被企业有效利用,在某些情况下还可能变为信息劣势,成为企业负担。因此,企业应该在实施技术多元化战略的同时,注重构建自身在协作研发网络中的优势地位,两者协同作用才有助于企业创新绩效提升。
本文存在3点局限性:第一,本文以专利协作数据为基础构建协作研发网络,然而专利协作数据只能涵盖部分协作研发关系,难以刻画协作研发网络的全貌;第二,本文使用专利申请数量测量企业创新绩效,然而并非所有的创新成果都以专利文本形式存在(如很难用图像、文字表达的默会知识),而且企业采用不同的创新独占策略(专利、商业机密、先动优势等等)也会使实际测量效果有偏差;第三,本文研究结论是基于中国ICT领域的专利数据,然而不同国家、不同行业的发展水平不同,因此在进行结论推广时应持谨慎态度。
[1] CHIU Y-C, LAI H-C, LEE T-Y. Technological diversification, complementary assets, and performance[J]. Technological Forecasting & Social Change, 2008, 75(6):875-892.
[2] GARCIA-VEGA M. Does technological diversification promote innovation?an empirical analysis for european firms[J]. Research Policy, 2006, 35(2):230-246.
[3] 高霞, 其格其, 高群婷. 知识转移效果的结构性指标对企业创新绩效的影响[J]. 科学学与科学技术管理, 2018, 39(5):89-100.
[4] MCEVILY B, ZAHEER A. Bridging ties:a source of firm heterogeneity in competitive capabilities[J]. Strategic Management Journal, 1999, 20(12):1133-1156.
[5] 王核成, 鲁东琴, 裘懿. 技术多元化对企业探索性创新的影响——网络位势的调节效应[J]. 科技管理研究, 2018, 38(14):10-18.
[6] PATEL P, PAVITT K. The technological competencies of the world's largest firms:complex and path-dependent, but not much variety[J]. Research Policy, 1997, 26(2):141-156.
[7] 何郁冰, 陈劲. 技术多元化研究现状探析与整合框架构建[J]. 外国经济与管理, 2012, 34(1):46-56.
[8] CHIU Y, CHIU Y, LAI H. Technological scope:diversified or specialized[J]. Scientometrics, 2010, 82(1):37-58.
[9] BRUSONI S, PRENCIPE A, PAVITT K. Knowledge specialization, organizational coupling, and the boundaries of the firm:why do firms know more than they make[J]. Administrative Science Quarterly, 2001, 46(4):597-621.
[10] GRANSTRAND O, PATEL P, PAVITT K. Multi-technology corporations:why they have "distributed" rather than "distinctive core" competencies[J]. California Management Review, 1997, 39(4):8-25.
[11] 曾德明, 孙佳, 戴海闻. 技术多元化、技术距离与企业二元式创新:以中国汽车产业为例[J]. 科技进步与对策, 2015, 32(17):61-67.
[12] GOMES-CASSERES B, HAGEDOORN J, JAFFE A. Do alliances promote knowledge flows[J]. Journal of Financial Economics, 2006, 80(1):5-33.
[13] 曾德明, 邹思明, 张运生. 网络位置、技术多元化与企业在技术标准制定中的影响力研究[J]. 管理学报, 2015, 12(2):198-206.
[14] FREEMAN L. Centrality in social networks conceptual clarification[J]. Social Networks, 1979, 1(3):215-239.
[15] MAZZOLA E, PERRONE G. A strategic needs perspective on operations outsourcing and other inter-firm relationships[J]. International Journal of Production Economics, 2013, 144(1):256-267.
[16] 严子淳, 刘刚, 梁晗. 风险投资人社会网络中心性对新三板企业创新绩效的影响研究[J]. 管理学报, 2018, 15(4):523-529.
[17] 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.
[18] 赵炎, 郑向杰. 网络嵌入性与地域根植性对联盟企业创新绩效的影响——对中国高科技上市公司的实证分析[J]. 科研管理, 2013, 34(11):9-17.
[19] 郑向杰, 赵炎. 联盟创新网络中企业嵌入与区域位置对企业知识创造能力影响的实证研究[J]. 研究与发展管理, 2013, 25(4):20-29,103.
[20] 王永贵, 刘菲. 网络中心性对企业绩效的影响研究——创新关联、政治关联和技术不确定性的调节效应[J]. 经济与管理研究, 2019, 40(5):113-127.
[21] IBARRA H, ANDREWS S. Power, social influence, and sense making:effects of network centrality and proximity on employee perceptions[J]. Administrative Science Quarterly, 1993, 38(2):277-303.
[22] GILBERT M, CORDEY-HAYES M. Understanding the process of knowledge transfer to achieve successful technological innovation[J]. Technovation, 1996, 16(6):301-312.
[23] COHEN W, LEVINTHAL D. Absorptive capacity:a new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990, 35(1):128-152.
[24] 刘闲月, 林峰, 孙锐. 网络位势对集群企业知识扩散与创新的影响研究[J]. 中国科技论坛, 2012, 28(6):90-95.
[25] GILSING V, NOOTEBOOM B, VANHAVERBEKE W. Network embeddedness and the exploration of novel technologies:technological distance, betweenness centrality and density[J]. Research Policy, 2008, 37(10):1717-1731.
[26] BELDERBOS R, CASSIMAN B, FAEMS D. Co-ownership of intellectual property:exploring the value-appropriation and value-creation implications of co-patenting with different partners[J]. Research Policy, 2014, 43(5):841-852.
[27] 江诗松, 何文龙, 路江涌. 创新作为一种政治战略:转型经济情境中的企业象征性创新[J]. 南开管理评论, 2019, 22(2):104-113.
[28] 周煊, 程立茹, 王皓. 技术创新水平越高企业财务绩效越好吗——基于16年中国制药上市公司专利申请数据的实证研究[J]. 金融研究, 2012,55(8):166-179.
[29] 黎文靖, 郑曼妮. 实质性创新还是策略性创新——宏观产业政策对微观企业创新的影响[J]. 经济研究, 2016, 51(4):60-73.
[30] HUANG Y, CHEN C. The impact of technological diversity and organizational slack on innovation[J]. Technovation, 2010, 30(7):420-428.
[31] 耿合江. 知识获取视角下互惠性与自利性企业文化对创新绩效的影响研究[J]. 科技进步与对策, 2014, 31(13):135-140.
[32] 陈建军, 王正沛, 李国鑫. 中国宇航企业组织结构与创新绩效:动态能力和创新氛围的中介效应[J]. 中国软科学, 2018,33(11):122-130.
[33] 赵炎, 王冰, 郑向杰. 联盟创新网络中企业的地理邻近性、区域位置与网络结构特征对创新绩效的影响——基于中国通讯设备行业的实证分析[J]. 研究与发展管理, 2015, 27(1):124-131.
[34] 赵炎, 郭霞婉. 结构洞度对联盟网络中企业创新绩效的影响研究——基于中国家用视听设备制造业企业联盟网络[J]. 科技进步与对策, 2012, 29(17):76-81.
[35] BRESCHI S, LISSONI F, MALERBA F. Knowledge-relatedness in firm technological diversification[J]. Research Policy, 2003, 32(1):69-87.
[36] SUZUKI J, KODAMA F. Technological diversity of persistent innovators in japan:two case studies of large japanese firms[J]. Research Policy, 2004, 33(3):531-549.