Innovation Network's Dual Embeddedness, Network Coupling and Industry Upgrading:An Empirical Analysis Based on the Panel Data of Listed Companies

Meng Qingshi1,2, Xiong Li2, Yu Jiang3,4, Chen Feng4

(1. School of Cultural Heritage and Information Management, Shanghai University, Shanghai 200444, China; 2. School of Management, Shanghai University, Shanghai 200444, China; 3. Institutes of Science and Development, Chinese Academy of Sciences, Beijing 100190, China; 4. School of Public Policy and Management, University of Chinese Academy of Sciences, Beijing 100049, China)

Abstract：In the background of global digital innovation, value creating model in traditional products and services is undergoing change. In order to reduce the risk brought by technical uncertainty, innovators and investors of emerging industries tend to focus on mature industry areas and reduce risk by joint investment on technology innovation process or dual innovation strategies.Therefore, innovation decisions based on firms' managers exist at the same time in the innovation cooperation network between firms and the relationship network based on joint investment between shareholders, that is, the dual embedding of innovation network.In the industrial innovation network composed of industrial technological innovation actors, the heterogeneous resource endowment owned by different actors is the internal power that determines the formation, development and evolution of the network community structure and potential technological track formed by the cooperation between actors.Based on the impact analysis of individual characteristics of innovation and other individual-level elements on the overall transformation and upgrading of the industry, it can be seen that technological innovation in the flat panel display industry is intensive, and most firms are cross-field innovators.The high correlation between industrial technologies makes it more difficult to integrate new technologies into the existing technological system. Therefore, the dual network embedding will make the innovation cooperation closer, and the relationship between firms and shareholders will produce coupling, jointly affecting the innovation and development of the industry. This paper attempts to reveal the complex and dynamic mechanism of how individual-level industrial network affect industrial innovation and upgrading and provide references for multiple innovation embedding research.

In this paper, the panel data model of 291 listed companies in the flat panel display industry from 2009 to 2020 is constructed to empirically analyze the impact of innovation network factors on industrial development in industry upgrading from the perspective of dual network embedding.In order to increase the coverage and representativeness of firm samples, this paper chooses the representative flat panel display industry in the field of electronic information. As a basic and integrated and spanning industry, it includes multiple new generation information technology fields, and its technological innovation and technological evolution conform to borderless and modular characteristics of digital innovation.Considering that the Growth Enterprise Market in China was established in 2009, and the rapid development of China's flat panel display industry began in 2009 (it entered the period of rapid development after 2010 according to the comprehensive trend of technology and market development), the time range of sample data selection is set from 2009 to 2020.The patent data of sample firms were retrieved from Derwent Innovations Index database, and the adjacent matrix of innovation cooperation between firms from 2009 to 2020 was constructed based on patent cooperation application and Matlab software programming. Meanwhile, the data of top ten shareholders of 291 firms by shareholding was extracted from Wind database, and the shareholder relationship network was constructed based on joint investment behaviors.With the data of innovation network embedding and industry upgrading, the negative binomial regression model is used to test the theoretical hypothesis.

It is found that the connectivity and community scale of companies' individual innovative network, density of stockholders’ relation network and companies’ innovative capability have positive impacts on industry upgrading. Because of the negative influence of innovation decision conflict between manager and investor on industry upgrading, the network connectivity and companies’ R&D investment will be unfavorable for industry upgrading under the influence of overly dense relations between stockholders. The research results also show that the industry upgrading is a dynamics process including multiple dimensions comprised of companies’ individual innovation, innovative collaboration between firms and investors. Further research shall be focused on how to reduce the uncertainty of digital innovation and make effective use of the networked and innovation collaboration mechanism.

Key Words:Innovation Network; Network Embeddedness; Network Coupling; Industry Upgrading

DOI：10.6049/kjjbydc.2021110213

开放科学(资源服务)标识码(OSID)：

中图分类号：F264

文献标识码：A

文章编号：1001-7348(2022)09-0042-11

收稿日期：2021-11-08

修回日期：2022-01-07

基金项目：国家自然科学基金重点项目(71834006)；教育部哲学社会科学研究重大课题攻关项目(20JZD022)；中国博士后科学基金资助项目(2021M692026)；国家自然科学基金青年科学基金项目(72104227)；国家社会科学基金后期资助优秀博士论文出版项目(2021FYB065);上海市哲学社会科学规划青年课题(2020ETQ004)

作者简介：孟庆时(1989—)，男，山东东明人，博士，上海大学文化遗产与信息管理学院、管理学院博士后，研究方向为技术创新与创新网络；熊励(1966—)，女，湖北武汉人，博士，上海大学管理学院教授、博士生导师，研究方向为信息管理与电子政务；余江(1969—)，男，北京人，博士，中国科学院科技战略咨询研究院研究员，中国科学院大学公共政策与管理学院教授、博士生导师，研究方向为科技政策与创新管理；陈凤(1993—)，女，江苏盱眙人，博士，中国科学院大学公共政策与管理学院博士后，研究方向为创新管理与政策。本文通讯作者：余江。

0 引言

在科技革命和产业变革日新月异的背景下，数字经济发展正深刻改变经济社会运行和治理模式，数字资源跨界流动使得基于产业数字化和数字产业化的数字创新成为驱动经济体系重构的重要要素。在全球化数字创新背景下，传统产品与服务的价值共创模式正在发生变革，如何利用异质性与多层次创新资源，在全球数字经济体系中建立我国产业和市场主导优势，需要关注更多深层次科学问题，包括如何突破传统技术创新和技术演进理论，基于产业数字化、全球化和国家创新战略需求，完善数字创新理论体系？如何把握产业发展阶段与技术基础、市场基础和产业主体需求的互动规律，构建产业升级新路径模型？这些问题还需要进一步展开系统研究。

随着数字经济进入数据价值化、数字产业化、产业数字化和数字化治理的四化协同发展新阶段，以数字技术创新为核心驱动力的数字经济体系已经超越信息通信产业范畴，正在引起产业组织和社会形态的显著变迁。生产关系变革背后是数字经济推动数字技术与传统产业融合的隐含机制，新一代信息技术不断应用和渗透于生产制造全过程、全产业链和产品全生命周期，生产、组织和商业模式的全方位创新需要在传统创新管理理论基础上嵌入数字创新的新视角。以新一代信息技术为代表的数字技术创新贯穿产业创新全过程，由于该类技术兼具基础性和融合性，其创新过程具有高度不确定性和风险。以新型显示领域为例，作为产业数字化的核心产业，其技术轨道变迁和突破性创新与融合领域的市场驱动具有紧密联系，同时又受到电子信息产业创新的技术基础、技术交易和进出口限制，使得创新过程中研发投资失败风险更高。传统行业可以通过较为成熟的产业发展风险监测与评估方法建立风险预警体系，而对于平板显示等新兴产业和追赶型产业领域，长期的风险预警较为困难[1]。从技术创新风险角度看，为降低技术不确定性带来的风险，新兴产业的创新者和投资者往往会重点关注发展较为成熟或前景较为明朗的产业子领域，并通过联合投资参与技术创新过程或采取双元创新战略等方式进一步降低风险[2-3]。因此，在数字技术创新过程中，企业管理者的创新决策同时存在企业间创新合作网络和股东间基于共同投资企业的关系网络，即创新网络的双重嵌入[4]。

在产业技术创新主体构成的产业创新网络中，不同主体拥有的异质性资源禀赋是决定主体间合作形成网络团体结构，以及潜在技术轨道形成、发展和演进的内在动力。从创新个体特征等个体层次要素对产业整体转型升级的影响出发，可以看到，作为数字时代信息技术与新应用场景融合的重要载体，平板显示产业技术创新密集，并且企业大多是跨领域创新者，而产业技术之间的高度关联性导致将新技术整合进已有技术系统的难度加大。因此，网络双重嵌入会使企业间创新合作更加紧密，企业间和股东间的关系网络会产生耦合性，共同影响产业创新发展[5-6]。基于此，本文以平板显示产业上市企业为研究对象，构建包含2009—2020年291家平板显示产业上市企业的面板数据模型，从网络双重嵌入角度实证分析产业升级过程中创新网络要素对产业发展的影响。

1 文献综述与研究假设

基于产业技术与结构演进、产业价值链优化升级等相关研究成果，在已有研究[7-8]基础上，本文认为产业升级是产业技术创新绩效不断提升、产业创新合作不断演化以及产业技术结构不断调整的动态过程。为探索企业个体创新行为、创新能力等特质如何影响产业升级、企业个体间合作创新网络和股东间关系网络双重嵌入如何影响产业升级，本文从企业间技术创新网络嵌入特征、企业创新能力和企业股东间网络嵌入3个维度提出产业升级作用机制的理论假设。

1.1 企业个体创新网络与产业升级

个体创新网络的理论基础与产业创新网络类似，主要从企业等组织网络形成与个体嵌入[9]、组织个体与整体网络结构的宏观和微观特征、组织个体的跨边界合作行为[10-11]等方面展开。个体创新网络对象涉及范围更广，由于网络主体类型、网络形成目的、网络存续时间和网络绩效产出等不同，个体创新网络又分为研发者网络、投资者网络、企业间联盟网络、产业主体创新网络和全球价值链网络等[12-13]。除组织间横向合作关系外，创新网络关联还包括供应链上下游关系、竞争关系以及组织内部的从属关系等。这些研究通过一定区域或产业内企业间网络的宏观合作等动态过程，呈现组织、个体的竞合战略等微观行为引起的外部效应[5-6]，而对于组织间网络关系的界定并没有明确区分产业层次、企业个体层次等不同网络关系的作用效果[14-16]。企业作为产业主体，往往拥有其它主体没有的特殊资源，如平板显示产业中的面板生产线等专用资产。为降低资源依赖及其带来的不确定性和成本劣势，企业间会寻求合作，以获取更多资源和强化竞争优势[17]。在企业个体创新网络中，尤其对于上市企业来说，基于新技术开发合作关系的“co-exploration”过程，意味着企业间围绕新知识创造、学习和创新，共同影响产业技术开发活动和技术演进方向[18]。企业间一定程度的紧密合作和依存关系，会促进企业间通过频繁互动交换创意和隐性知识，合作产出相比产业整体更具目的性。对于深耕已有技术的企业间“co-exploitation”过程，代表着一批企业对已有技术和知识的利用，以交换显性知识为主，且合作产出能够提高生产效率和拓展技术应用领域(Alimadadi等，2019)。基于此，提出以下假设：

H1a：企业个体创新网络密度正向影响产业升级；

H1b：企业个体创新网络连通性正向影响产业升级。

由于创新过程在产业发展中的嵌入性及跨产业边界的融合特性，围绕核心企业发展和演变出的创新网络结构，其基础往往是企业间频繁的两两合作，因而网络中会出现多个重叠的三元组结构[19]。网络三元组是网络知识流动的基本单位，也是促进知识共享、知识创新的基本单元(赵炎等，2016)。创新网络中群体节点构成的三元组结构是产业创新主体在创新过程中嵌入网络的关键组成，网络三元组带来的紧密联系既是知识高效传递与共享的基础[19]，也为产业升级带来与创新合作相关的关系资源。近年来，智能终端设备市场增长催生大量新兴数字技术的演进和成熟，如柔性屏幕技术，柔性OLED面板成为柔性屏幕产品的主要组件，在平板显示产业中，此类新产品组件的产生伴随着创新主体合作领域数量和合作次数的增加。随着主流的TFT-LCD、新兴的OLED等领域出现多个细分技术领域，如低温多晶硅技术、有源驱动技术AM-OLED等，创新网络三元组结构大量出现，并为多个领域创新合作提供信任和互惠等促进知识传递的关系基础[9-10]。基于创新网络层次化结构和有序优化分组的传递性三元组等局部网络结构，虽然提高了资源传递效率[15,19]，但在多个三元组彼此嵌入、部分重叠甚至嵌套的情况下，网络联系冗余或节点度分布不均衡会导致传递效率降低(文艳艳等，2018)。因此，创新网络三元组效率成为产业创新网络合作、价值链嵌入和产业链优化的重要影响因素。基于此，提出以下假设：

H1c：企业个体创新网络三元组效率指标正向影响产业升级。

随着平板显示产业个体创新网络核心成员在多个技术领域、零部件领域和产品领域的嵌入和互动，以及我国企业在显示面板、模组组装等核心产业中上游环节投资规模的扩大，进一步提高了产业技术体系与创新系统的复杂性和跨学科性[8]，这将给产业技术路径突破、利基市场的技术开发以及技术的持续性转变[20]带来新问题。创新网络中基于三元关系形成的网络团体增加会提升成员间合作效率，网络团体结构内部联系的加强会促进成员间沟通交流[19]，缓解信息不对称或不必要竞争带来的冲突和矛盾，从而加快新技术和资源在全连通网络子结构中的转移和流动[21]。作为多个组织紧密联系形成的利益共同体，网络团体内联系的加强会促进知识共享与合作创新，加快团体成员对资源的内部化(赵炎和孟庆时，2014)。从团体规模和团体内联系密度对产业升级的作用方式看，二者均会促进产业创新主体间的有效合作，推动产业技术升级。团体结构之间的联系能在一定程度上促进不同团体间异质性资源流动，但团体结构之间联系的形成和维护成本也会随之增加，并且团体间信息流动会因为不同团体间的利益冲突对创新活动产生负面影响[22]。在产业升级过程中，各类主体为了获得其它组织的技术资源并利用其创新能力进行合作与互动，是创新网络等复杂系统运行的重要动力[23]，但合作过程中，团体间可能会出现追求短期盈利、窃取核心知识或盲目跟踪热点技术等机会主义行为[24]。在选择嵌入网络团体时，基于产业主体在创新网络中的位置和市场地位，可以识别这种创新网络的“搭便车”行为[25]。因此，提出以下假设：

H1d：企业个体创新网络中，团体结构规模、内部联系密度正向影响产业升级；

H1e：企业个体创新网络中，团体结构间联系次数负向影响产业升级。

新兴数字技术作为既有技术的潜在替代，对技术系统的技术轨道变迁和产业技术范式发展的作用，需要结合基于路径突破的新兴技术创新和既有技术的开发创新进行整合性研究[26]。创新网络中核心成员的带动作用会在较大程度上影响既有技术开发，同时，新进入的网络核心成员在新兴技术领域的先发优势会对在位者企业地位带来威胁，从而影响在位者企业网络伙伴选择策略[4,9]。较高的网络中心性意味着网络成员对网络资源配置和网络关系变动有较大的影响力，因此网络中心性的提高有利于网络成员保持网络地位和新成员提升网络地位[10-12]。同时，中心性较高的网络能够吸引更多网络节点与其产生联系，增强网络凝聚力，从而促进不同成员间的创新合作[9-10,13]。在平板显示等数字化驱动技术领域，生产工艺改进、产品产销等都需要组织间合作的网络化，具有较高中心性的个体创新网络能够有效促进跨技术领域的创新合作和跨产品领域的供应链整合[15-16,18]，集中创新资源和生产能力实现新领域的技术创新及既有技术结构、产品结构的升级。基于此，提出以下假设：

H1f：企业个体创新网络中心性正向影响产业升级。

1.2 企业创新能力与产业升级

创新主体的内生创新能力是高技术产业升级的决定性因素[27]。此外，与创新主体创新过程相适应的技术基础、创新环境和制度要素也是促进产业结构优化与升级的主导因素。创新能力提升对产业技术升级的作用路径包括通过产业链内具有核心控制力的领导企业，推动基于区域整合的产业链各环节技术升级[28-29]。核心企业引导基于产业链分工的模块化技术升级，促进产业链各环节企业创新能力提升。同时，企业间合作促使企业在若干技术领域相互影响、交互学习，包括基于异质性知识的网络合作，进一步建立企业间基于信任的知识和资源共享关系，从而扩大产业链企业的整体技术基础。基于此，提出以下假设：

H2a：企业技术基础正向影响产业升级。

企业加强外部合作并不意味着对外部技术的依赖性不断提高，外部合作更多的是为节省时间成本和创造新技术知识，新技术领域的出现甚至创造还需要企业积累自身研发能力和加大研发投入力度，以获得突破外部技术封锁、创造新利基技术领域的能力[30]。在国家政策支持下，企业在基础技术研发领域、生产领域和品牌方面的投入是推动新产品涌现的重要因素[1,25,29]，如在特定技术领域围绕产品研发开展的具体技术合作会涉及企业间基于研发活动的创新合作。研究发现，研发人员和研发投入规模对企业占据技术领先优势具有重要作用，能够显著提高技术创新的商业化绩效，为抢占新产品领域的技术优势提供更多互补性资源，从而提高专利等技术资源质量[30]。产业升级过程中，研发资金主要来源于企业自筹和政府资助，二者作为创新系统的重要组成部分，是推动经济增长的主要力量[1,5,8]。企业自筹资金的研发活动以市场需求为导向，以获得应用型新技术、新产品从而谋取竞争优势为目的，企业自筹研发资金的使用效率可能高于政府研发资助[31]。基于此，提出以下假设：

H2b：企业研发资本投入正向影响产业升级；

H2c：企业研发人员比例正向影响产业升级。

1.3 企业股东关系网络、网络耦合作用与产业升级

由于我国在平板显示产业多个技术领域的后发追赶地位以及美国、日本、韩国等国家的先发优势，企业国际化过程面临激烈竞争，提高企业利用社会资本从而以较低成本获取和整合资源的能力，将为企业持续发展、技术创新提供动力，进而增加企业提供新产品、新服务的机会[32-33]。企业间共同股东拥有的上市企业资源、上市运作方法和融资经验是企业社会资本的主要来源。上市企业十大股东及股东间的共同投资关系形成企业股东社会网络，从股东社会网络嵌入角度看，股东社会资本作用于产业升级过程并与企业创新过程共同推动产业成长[34]。创新技术系统由多种跨学科和跨产业的技术构成，对产业技术系统及其各细分技术领域子系统、系统构成和主体互动的描述与刻画，对于产业技术演进分析具有重要价值[7-8,18]，尤其是模块化与接口性技术能够大大增加不同技术轨道之间的重组概率(余江等,2017)。从产业供应链看，平板显示产业技术具有明显的模块化特征，整机显示产品存在较明显的材料、元器件、设备等模块与接口技术，不同组件来自不同技术领域和技术轨道，复杂产业技术系统中存在相互联系但是有明显区别的模块技术群体[35]。由于产业创新资金的密集性，创新主体进行技术轨道选择时，会受到决策者尤其是股东的影响，股东间的社会网络关系与企业个体创新行为对产业升级具有双重作用[36]。企业组织特征(如组织结构、组织文化等)和管理者个人特质(如教育背景、合作意识、扩张愿望等)是影响企业间创新网络构建与演变的主要因素[37]。因此，股东间关系网络是影响企业创新效率的重要因素，利用股东间联系形成的关系网络，企业可以较低成本获取和整合资源，从而为企业持续发展、技术创新提供动力。基于此，提出以下假设：

H3a：企业股东关系网络密度正向影响产业升级。

创新要素的高效耦合有助于实现数字创新过程中分散性创新要素跨部门、 跨领域、跨载体有序流动[6]。耦合是物理学中关于各系统之间相互依赖、相互作用的概念，耦合作用同时包括协调和发展两个内涵，不同系统之间的耦合关系可以用系统协同度或关系紧密程度测度。在创新网络中，企业个体创新网络和股东关系网络的耦合作用表现为，通过双重网络的交互性影响促进产业内外部知识融合[38]，两类网络在主体交互、创新战略选择、资源获取与配置、创新环境形成与培育等方面均存在协同发展的耦合特征[5-6,37]。企业个体创新网络和股东关系网络的演进过程相互影响，作为连接技术领域和资本领域的两类技术群体，其耦合过程对产业创新网络良性成长具有显著影响(李莉等，2020)。因此，本文从企业个体创新网络与股东关系网络交互作用的角度考察两类网络耦合，即企业个体创新行为与股东关系交互作用对产业升级的协同影响。基于此，提出以下假设：

H3b：企业创新网络连通性与股东关系网络密度的交互作用正向影响产业升级；

H3c：企业研发资金投入与股东关系网络密度的交互作用正向影响产业升级。

综上所述，构建如图1所示的理论模型。

2 研究设计

2.1 样本选择与数据来源

为提高样本企业的覆盖面和代表性，本文选择具有代表性的平板显示产业，作为跨越多个新一代信息技术领域的基础性和融合性产业，平板显示产业技术创新与技术演进过程符合数字创新的无边界和模块化特性[8]，同时对于数字经济体系建设具有重要支撑作用。研究样本包括291家A股平板显示产业相关上市企业，这些企业均持有一定数量的平板显示相关专利或从事平板显示产业链若干环节相关研发与生产活动。

考虑到创业板从2009年开始设立，并且2009年我国平板显示产业开始步入快速发展时期(综合技术与市场发展趋势看，2010年之后进入快速发展期)，因此样本数据时间范围设定为2009—2020年。样本企业专利数据来源于德温特数据库，基于专利合作申请和Matlab软件编程，构建2009—2020年企业间创新合作邻接矩阵，通过Wind数据库提取291家企业持股量前十的股东信息并基于共同投资行为构建股东关系网络。

2.2 指标选取与变量测度

2.2.1 自变量

(1)企业个体创新网络。本文选取创新网络密度、创新网络中心度、创新网络连通性、创新网络三元组和创新网络团体表征企业个体创新网络。其中，创新网络密度(networkden)为企业个体创新网络密度，具体计算方法为，网络中核心节点及与其有直接联系的网络节点之间构成的个体中心网络中实际联系数量占全连通网络(所有节点之间均直接联系)联系数量的比例。创新网络中心度包括网络点度中心度(degree)、中介中心度(between)和接近中心度(close)，其中点度中心度测度核心企业在个体中心网络中的控制程度，以核心企业直接联系数量衡量；中介中心度测度核心企业在个体中心网络中控制另外两个非核心节点的程度，以所有经过核心企业节点的任意两个非核心节点之间最短路径数量与同一个体中心网络中任意两个非核心节点之间的最短路径数量之比衡量；接近中心度以核心节点与其它所有节点之间的直接联系数量衡量。创新网络连通性(kc)是指网络成员所在个体创新网络的连通度，与整体产业创新网络连通性相同，计算方法为，样本企业构成的网络中最大连通子图/网络节点数量与总体网络节点数量的比例。创新网络三元组包括有序三元组(ot)、传递三元组(tt)和网络传递效率(ke)，其中有序三元组以核心企业指向其它企业节点的直接联系占所有核心企业直接联系数量的比例衡量，传递三元组以核心企业位于非直接联系的两个核心节点最短路径上的三元组数量与所有包含核心节点的三元组之比衡量，网络传递效率以个体中心网络中核心企业作为中介节点的非冗余联系比例衡量。创新网络团体包括团体规模(cs)、团体内联系密度(cid)和团体间联系次数(cnd)，其中团体规模以核心企业所在个体创新网络团体的节点数量衡量，团体内联系密度以核心企业所在个体创新网络团体内部的联系密度(计算方法同网络密度)衡量，团体间联系次数以核心企业所在个体创新网络团体与其它网络团体之间的直接联系数量衡量。

(2)企业创新能力。本文选取企业研发投入和企业技术基础表征企业创新能力。对于技术密集型企业投入产出的分析，现有研究多以研发投入作为核心指标[31,39]，考虑到研发投入对技术积累的直接作用，本文选取研发资本投入(rd1)和研发人员比例(rd2)测度企业研发投入。企业专利积累是衡量其技术基础的重要指标，可以反映企业未来发展潜力并为企业创新提供基础，同时企业专利与技术研发活动具有紧密联系，且具有时间序列性和可比性。因此，本文以企业专利积累数量衡量企业技术基础(patent)。

(3)企业股东关系网络。本文选取股东关系网络密度(hnd)衡量企业股东关系网络。

2.2.2 因变量

已有研究对产业升级的测度多基于国家层面，从产业技术体系构成与演进过程、产业主导技术演进路径或产业主体的微观技术创新活动等角度展开[40]，缺少对产业技术升级过程多层次、多维度、复杂性等特征的考虑。鉴于此，本文参考孟庆时和余江[7]、孟庆时等[8]、Fu&Gong[41]、Radosevic&Yoruk[42]的方法，基于复合系统理论，构建包含产业技术结构、产业创新合作和产业成长3类子系统的产业升级复合系统。其中，采用专利技术领域宽度与深度(IPC数量)、专利引用网络模块化(基于派系过滤算法提取的网络团体结构数)和集聚性(网络团体结构内部联系数)测度产业技术结构子系统的有序度；采用创新合作网络模块化(网络团体结构数)、集聚性(网络团体结构内部联系数)、跨国专利合作申请和集团内企业间专利合作申请测度产业创新合作子系统的有序度；采用产业规模(产品销售收入)、新产品产值和出口规模测度产业成长子系统的有序度。最后，计算子系统间协同度(CS)作为对产业升级的整体测度[7-8]。数据来源于德温特专利数据库、国研网信息产业统计数据和《中国电子信息产业统计年鉴》等。

2.2.3 控制变量

企业个体特征包括企业年限(life，企业成立时间到样本选取年度的年份跨度)、企业所处地区(region，包括东北地区、华北地区、华东地区、华南地区、华中地区、西北地区和西南地区，使用虚拟变量赋值)、企业员工数量(employee)、企业注册资本(capital)、企业毛利润(gp)、企业净利润(np)、企业净资产收益率(roe)、企业资产负债率(debt)等。网络复杂性指标选取样本企业在各年度创新网络的小世界商数(sw)。

2.3 模型构建

本文选取的面板数据模型为静态面板，即解释变量中不含被解释变量的滞后项，常见的静态模型包括固定效应模型和随机效应模型。特定样本个体往往存在一些不随时间改变且无法直接观测和量化的影响因素，即个体效应，如企业注册资本、企业所属行业或地理区位等。在处理个体效应因素时，固定效应模型将其当作不随时间改变的固定性因素，而随机效应模型认为个体效应相关因素是随机的。一般认为，当数据来源样本所处的总体规模远大于样本规模时，采用随机效应模型，如果样本基本能覆盖总体时则采用固定效应模型。为科学选择面板回归模型，使用Hausman统计量进行检验。该检验提出一个原假设，即固定效应F统计检验值与其它解释变量不相关，用普通最小二乘法(OLS)估计的固定效应模型与用广义最小二乘法(GLS)估计的随机效应模型参数是一致的，只是固定效应不具有效性(此时选择随机效应模型)；反之，OLS估计的固定效应模型是一致的，而GLS估计的随机效应模型不一致(此时选择固定效应模型)。因此，接受原假设时采用随机效应模型，拒绝原假设时需要采用固定效应模型。

本文使用Stata 12.0软件分别对同一组解释变量、被解释变量和控制变量同时采用固定效应面板回归与随机效应面板回归，使用Hausman检验并根据假设检验的p值选择不同数据模型。考虑到本文选取的变量数据多为非连续性离散数据，并且企业个体特征差异较大，因而使用允许变量数据离散的负二项面板回归模型，并使用最小二乘法进行参数估计。根据负二项回归模型的定义，构建如下回归模型：

Y=ln(CS)=c1life+c2region+c3employee+c4capital+c5np+c6roe+c7debt+c8sw+d1networkden+d2kc+d3tt+d4cs+d5cid+d6cnd+d7between+d8close+d9rd1+d10rd2+d11hnd+d12patent+d13kc×hnd+d14close×hnd+d15rd1×hnd+u

(1)

其中，CS为产业升级复合系统协同度，ci为控制变量系数(i=1,2,…,8)，di为自变量系数(i=1,2,…,15)。

3 统计分析与假设检验

3.1 变量描述性统计分析

本文采用Stata 12.0对前文选取的自变量、控制变量和因变量指标数据进行描述性统计分析，结果如表1所示。本文选取2009—2020年291家企业数据，各变量均有3 492个观测值。

可以看到，自变量中的网络节点中心性和专利数据，以及反映企业个体特征的控制变量数据标准差较大，说明企业个体特征之间存在较大差异。

3.2 变量相关性分析

在构建计量模型进行统计分析时需要考虑变量之间的共线性，共线性较高的变量之间往往具有高度相关性，因此不能作为独立变量代入计量模型中，需要剔除相关性高的自变量或合并这些自变量设立新的自变量，以应对多重共线性问题。为确保分析结果的准确性，本文对所有自变量和控制变量进行相关性分析，结果如表2所示。结果显示，gp(企业年度毛利润)与np(企业年度净利润)之间存在大于0.7的高度显著相关性，ot(个体创新网络有序三元组)、ke(个体创新网络传递效率)、degree(个体创新网络节点点度中心度)均与多个变量之间存在大于0.7的高度显著相关性，其余显著性水平较高的变量相关性均在0.7以下。因此，剔除变量gp、ot、ke、degree后，可以初步认为变量之间的多重共线性不会影响回归分析结果的准确性。

3.3 假设检验与结果分析

表3报告了只包含控制变量的回归结果以及分别纳入自变量企业个体创新网络密度、网络连通性、创新网络传递三元组、创新网络团体规模、创新网络团体密度、创新网络团体间联系的回归结果，其中m1为基本回归模型。根据Hausman检验结果，m5、m6选择固定效应模型，其余均为随机效应模型。结果显示，企业个体创新网络连通性对产业升级存在显著正向作用，创新网络中企业所处团体的结构规模正向影响产业升级，创新网络中团体结构间联系次数显著负向影响产业升级，即H1b、H1e得到支持，H1d得到部分支持。

表4中m8～m13分别报告了纳入自变量企业个体创新网络中心性、企业个体研发投入、股东关系网络密度和企业专利数的回归结果，m14～m16分别报告了企业个体创新网络连通性与股东关系网络密度交互项、个体创新网络接近中心性与股东网络密度交互项、企业研发资金投入与股东关系网络密度交互项的回归结果。根据Hausman检验结果，m10、m11、m15选择固定效应模型，其余均为随机效应模型。结果显示，企业个体创新网络中介中心性对产业升级存在显著负向作用，企业个体研发投入正向影响产业升级，股东关系网络密度和专利数(技术基础)均显著正向影响产业升级，即H2a、H2b、H2c、H3a得到支持；创新网络连通性与股东关系网络密度的交互项显著负向影响产业升级，与H3b相反，而创新网络接近中心性与股东关系网络密度的交互项显著正向影响产业升级。

为检验模型的稳健性，设置m17检验主要子自变量共同影响自变量时各自的回归系数，因变量仍为产业升级复合系统协同度。根据Hausman检验结果，选择随机效应模型，模型分析结果可以用如下函数表示：

Ym17=ln(CS)=7.33×networkden(2.69)-3.86×kc(1.26***)-14.48×tt(4.01***)+0.06×cs(0.04)+0.26×cid(0.46)-0.03×cnd(0.13)-0.000 2×between(0.002)+0.000 5×close(0.000 1***)-0.000 4×rd1(0.003)-0.000 6×rd2(0.03)+6.86×hnd(2.97**)+0.000 02×patent(0.000 3)-0.001 3×life(0.008)+0.002×region(0.002)-0.000 5×employee(0.000 9)+0.000 8×capital(0.000 5)-0.000 3×size(0.06)+0.000 5×np(0.000 8*)-0.000 3×roe(0.003)+0.000 1×debt(0.002)+0.97×sw(0.84)+10.86(16.16)

(2)

式中，变量前的数字为各自变量在回归模型中的系数估计值，括号内为t检验值和显著性水平标识(*p < 0.1，**p < 0.05，***p < 0.01)。与m1～m16的检验结果类似，m17结果显示，企业个体创新网络三元组结构和网络中心性不利于产业升级，以少数网络个体为中心的局部紧密联系并不能促进产业整体资源流动，而股东间关系网络密度能够促进产业升级。

4 结论与启示

4.1 研究结论

作为产业数字化和智能化转型的重要信息交互载体，新型显示等数字技术产业创新网络以企业个体为核心，对产业升级的作用受到企业内外部创新合作、多元化投资等网络效应的影响。本文研究表明，随着创新网络连通性、网络团体规模、股东间关系网络密度和企业个体研发投入的提高，网络双重嵌入会显著促进产业升级。个体创新网络中局部紧密联系的三元组或团体结构内外部联系反而不是有效的网络合作形式，一方面说明在数字技术领域，创新合作范式变革要求企业间研发合作更具外部性和去中心化；另一方面也说明数字技术创新的快速迭代会给长期稳定的创新合作带来冲击。

在产业升级的不同阶段，产业主体对互补性资源的需求及合作目的并不相同，体现在创新网络中则是对网络伙伴选择和嵌入网络抉择的变化。在同时考虑企业个体创新网络和股东关系网络的情况下，两类网络耦合揭示出企业管理者与投资者之间的创新决策和资源配置冲突给产业升级带来负面影响，企业间网络连通性和企业个体研发投入在股东间过于紧密的关系影响下，反而不利于产业升级。因此，在数字创新过程中，企业如何规避股东过度干扰并有效利用股东间关系降低创新资源流动成本、减少管理冲突，将是数字技术产业转型升级的重要战略考量。

本文从企业个体创新网络和股东关系网络双重嵌入视角出发，系统分析两类网络要素及其耦合作用对产业升级的影响路径，对平板显示这类大量企业嵌入技术创新合作网络且具有较大投资风险的产业升级过程展开实证研究。基于研究结论可以认为，产业升级是综合企业个体创新、企业间创新合作和企业投资者合作等多个层次、多个维度的动态过程。同时，产业升级过程伴随多种技术轨道的形成与演化，如何降低数字创新不确定性并有效利用网络化、外部化的创新合作机制，将是产业数字创新的重要研究方向。

4.2 研究启示

新一代信息技术产业作为数字时代的基础性支撑产业，是推动各行业数字化转型的关键领域，在新冠肺炎疫情暴发以来的经济复苏和提高国家数字经济体系韧性中发挥着重要作用。随着新一代信息技术在产业和社会运行中的深度嵌入，开始持续释放对经济发展的放大、叠加、倍增作用。2020年，全球数字经济规模占GDP比重达到43.7%，在全球经济下行趋势下，我国数字经济增速仍然达到9.7%。可以认为，在疫情常态化的全球经济格局调整时期，加快推动数字创新、完善数字经济体系是我国产业高质量发展的关键路径。根据本文结论，提出以下研究启示：

首先，企业作为产业数字化与创新的重要主体，已经成为推动数字经济健康发展和产业升级的关键力量。鉴于企业个体创新网络整体结构和网络成员间布局结构对产业升级的不同作用，需要遵循数字技术创新开放性、合作共享和去中心化演进的动态规律，在将创新过程从企业内部转向外部网络组织的同时，规避创新领域定位“扎堆”和创新同质化。因此，具有前瞻性的创新领域选择和前沿技术路径识别将是创新者的重要战略依据，这也为产业创新发展规划提出了基于创新规律制定先导性产业政策的新要求。其次，双重网络能力的培育不仅需要考虑企业间直接创新合作，还要兼顾企业投资者的间接关系网络嵌入对企业创新活动的影响。最后，产业数字化和数字创新过程中，产业领先者并不能长期维持在多个技术领域的在位者优势，而新兴企业、初创企业和投资机构的网络多元嵌入将促进产业市场结构、技术结构和网络组织变革。因此，基于该视角综合考虑制定多元化协同创新战略组合是提高企业创新效率的重要前提。

4.3 研究局限与未来展望

本文以平板显示产业上市企业为样本构建双重创新网络，在网络成员选择方面尚不能覆盖全产业中的创新个体，如高校和科研机构。因此，在未来研究中，可尝试以规模以上企业或具有一定程度创新活动(专利数量)的产业组织为样本，构建更具代表性的网络结构。此外，本文从交互作用与网络结构特征的协同作用角度分析两类网络耦合过程，在网络耦合程度测度、耦合模式和耦合过程机制方面未作深入研究，需要在后期研究中完善网络耦合的定量研究方法体系。

参考文献:

[1] 余东华,吕逸楠.战略性新兴产业的产能过剩评价与预警研究：以中国光伏产业为例[J]. 经济与管理研究, 2017, 38(5):96-104.

[2] HUGHES M, MARTIN S L, MORGAN R E, et al. Realizing product-market advantage in high-technology international new ventures: the mediating role of ambidextrous innovation[J]. Journal of International Marketing, 2010, 18(4):1-21.

[3] 王寅,孙毅,王丹丹,等. 创新生态系统的双元能力判别及其演化路径分析——基于1998—2018年的跨案例研究[J].华东经济管理, 2020, 34(11):29-42.

[4] 谭云清,马永生. OFDI企业双元网络与双元创新:跨界搜索的调节效应[J].科研管理, 2020, 41(9):170-177.

[5] 盛永祥,周潇,吴洁,等. 产学研协同创新网络的耦合强度——协同创新中心的视角[J].系统工程, 2018, 36(3):141-145.

[6] 姜骞,代广松,田语嫣. 网络联结与要素耦合视角下辽宁省新型创新载体建设的多案例研究[J].科技管理研究, 2019, 39(22):68-77.

[7] 孟庆时,余江. 新一代信息技术产业的技术升级测度研究[J]. 科学学研究, 2021,39(8):1407-1417.

[8] 孟庆时,余江,陈凤,等. 数字技术创新对新一代信息技术产业升级的作用机制研究[J].研究与发展管理, 2021,33(1):90-100.

[9] MAJCHRZAK A, JARVENPAA S, BAGHERZADEH M A. Review of inter-organizational collaboration dynamics[J]. Journal of Management, 2014, 41(5):1338-1360.

[10] KILDUFF M, BRASS D J. Organizational social network research[J]. Academy of Management Annals, 2010, 4(1):317-357.

[11] PICKLES J, PLANK L, STARITZ C, et al. Trade policy and regionalisms in global clothing production networks[J]. Cambridge Journal of Regions Economy & Society, 2015, 8(3):381-402.

[12] LEE S, PARK G, YOON B , et al. Open innovation in SMEs：an intermediated network model[J]. Research Policy, 2010, 39(2):290-300.

[13] SOETANTO D, VAN GEENHUIZEN M. Getting the right balance: university networks' influence on spin-offs' attraction of funding for innovation[J]. Technovation, 2015, 36-37:26-38.

[14] SOLIS-MOLINA M, HERNANDEZ-ESPALLARDO M, RODRIGUEZ-OREJUELA A. Governance and performance in co-exploitation and co-exploration projects[J].The Journal of Business & Industrial Marketing,2020, 35(5):875-894.

[15] GULATI R, SYTCH M, TATARYNOWICZ A. The rise and fall of small worlds: exploring the dynamics of social structure[J]. Organization Science, 2016, 23(2):449-471.

[16] 石乘齐,党兴华. 技术创新网络中组织间依赖的影响因素及形成研究[J]. 管理工程学报, 2017, 31(1):1-9.

[17] 陈关聚,张慧. 创新网络中组织异质性、互动强度与合作创新绩效的关系[J]. 中国科技论坛, 2020, 36(2):28-35.

[18] 芮正云,罗瑾琏. 新创企业联盟能力、网络位置跃迁对其知识权力的影响——基于知识网络嵌入视角[J]. 管理评论, 2017,29(8): 187-197.

[19] 张江甫,顾新. 基于网络三元组的知识流动模型研究[J]. 情报理论与实践, 2015,38(8):120-123.

[20] GEELS F W, KERN F, FUCHS G, et al. The enactment of socio-technical transition pathways: a reformulated typology and a comparative multi-level analysis of the German and UK low-carbon electricity transitions (1990—2014)[J]. Research Policy, 2016, 45(4):896-913.

[21] 毛荐其,郝存浩,刘娜.跨层次网络嵌入对发明者二元式创新的影响[J].科技进步与对策,2019,36(23):20-27.

[22] CHEN M H, CHANG Y Y, CHANG Y C. Entrepreneurial orientation, social networks, and creative performance: middle managers as corporate entrepreneurs[J]. Creativity & Innovation Management, 2015, 24(3):493-507.

[23] LIU X, HODGKINSON I R, CHUANG F M. Foreign competition, domestic knowledge base and innovation activities: evidence from Chinese high-tech industries[J]. Research Policy, 2014, 43(2):414-422.

[24] 李浩,胡海青,费良杰. 孵化网络治理机制、网络负效应对网络绩效的影响[J]. 科技进步与对策, 2018, 35(20):36-43.

[25] 袁剑锋,许治,翟铖. 中国产学研合作网络权重结构特征及演化研究[J]. 科学学与科学技术管理, 2017, 38(2):117-128.

[26] WEBER K M, ROHRACHER H. Legitimizing research, technology and innovation policies for transformative change[J]. Research Policy, 2012, 41(6):1037-1047.

[27] 汪海霞,王新. 产业升级、人力资本与企业自主创新能力关系研究[J]. 工业技术经济, 2018, 37(1):103-110.

[28] SABATIER V, CRAIG-KENNARD A, MANGEMATIN V. When technological discontinuities and disruptive business models challenge dominant industry logics: insights from the drugs industry[J]. Technological Forecasting & Social Change, 2012, 79(5):949-962.

[29] 郭本海,彭莹,薛会娟. 知识互溢视角下新能源汽车产业链功能演化GERT网络模型研究[J].科技进步与对策, 2021, 38 (2): 65-74.

[30] BRESCHI S, CATALINI C. Tracing the links between science and technology: an exploratory analysis of scientists' and inventors' networks[J]. Research Policy, 2010, 39(1):14-26.

[31] 车德欣,李凤娇,吴非,等. 财政科技支出、企业生命周期与技术创新[J].科技进步与对策, 2021, 38(3): 114-123.

[32] 林志帆,龙小宁.社会资本能否支撑中国民营企业高质量发展[J].管理世界,2021,37(10):56-73.

[33] 谢永珍,袁菲菲.董事会社会资本对上市公司创新的作用效应——基于区域冒险精神的调节[J].南开学报(哲学社会科学版),2021(5):67-81.

[34] 田昆儒,游竹君,孙国强.非控股股东网络权力的投资角色定位[J].商业经济与管理,2021，41(9):56-70.

[35] 何建洪,邹哲,王河洺.人工智能技术阶段化发展与我国的后发追赶——基于双S曲线的技术演进分析[J].创新科技,2021,21(2):2,6-20.

[36] 黄灿, 李善民.股东关系网络、信息优势与企业绩效[J]. 南开管理评论, 2019, 22(2):75-88.

[37] 万丛颖. 股东联结网络、网络位置与企业绩效[J]. 财经问题研究, 2019(9):120-127.

[38] 许成磊,程思路,李美.多团队非正式众创网络界面耦合有效性研究[J].科技进步与对策,2018,35(2):10-16.

[39] 孙早,肖利平. 产业特征、公司治理与企业研发投入——来自中国战略性新兴产业A股上市公司的经验证据[J]. 经济管理, 2015，37(8):23-34.

[40] 刘春志,杨瑞桐.银行业市场结构、企业创新与产业结构升级[J].科技进步与对策, 2020, 37(16):81-89.

[41] FU X, GONG Y. Indigenous and foreign innovation efforts and drivers of technological upgrading: evidence from China[J]. World Development, 2011, 39(7):1213-1225.

[42] RADOSEVIC S, YORUK E. Why do we need a theory and metrics of technology upgrading[J]. Asian Journal of Technology Innovation, 2016, 24(1): 8-32.

(责任编辑：陈 井)