Cooperation Network Characteristics,Enterprise Knowledge Diversification and Generic Technology Spillover

Ma Yonghong1, Luan Haowei1, Wang Qi1, Wang Na2

(1.School of Economics and Management, Harbin Engineering University, Harbin 150001, China; 2.Central Sub-branch of People's Bank of China in Dalian, Dalian 116001, China)

Abstract：With the promotion of the "Industry 4.0" strategy by various countries in the world, the global science and technology competition is increasingly fierce. The technology competition has shifted the focus from "single technology" to "generic technology". It is the key for China to master generic technology so as to achieve industrial transformation and upgrading as well as occupy a leading position in the global science and technology competition. As a pre-competitive technology connecting basic science and commercial applications, generic technology needs to be widely spilled to fully realize its potential value. The existing research based on the network perspective ignores the impact of network location and relationship characteristics on generic technology spillover, and lacks the research that brings the external cooperation network and internal knowledge base into the same framework. Therefore, this paper aims to study the differential impacts of different types of enterprise characteristics in the cooperative network on generic technology spillover, as well as the synergy mechanism between internal knowledge diversification, external cooperative network and generic technology spillover.

Thus from the network perspective, this paper takes 86 listed companies in the electronic information equipment manufacturing industry in China as the research sample, and uses their patent data to build generic technical cooperation network. Applying the negative binomial regression method to empirically study the impact of enterprise location characteristics and relationship characteristics on generic technology spillover in the generic technology cooperation network, and examining the moderating effect of enterprise knowledge diversification.

The results show that the location characteristics of enterprises in the generic technology cooperation network, that is, centrality and structural holes, have a significant positive impact on generic technology spillover, and the effect of centrality is stronger. Enterprises with a high degree of centrality have more partners and higher prestige status, and they can carry out technical exchanges more conveniently in the network, so as to promote the spillover of generic technology. Enterprises occupying the position of structural holes act as a "bridge" in the network, and can use their control advantages to improve the flow efficiency of information and resources in the network, so as to promote the spillover of generic technology. The relationship characteristics of enterprises in the generic technology cooperation network (i.e., the connection strength) has a significant positive impact on the generic technology spillover, but its effect is relatively weak. There are frequent technical exchanges and a high level of mutual trust between strong relationship embedded enterprises and their partners, which can promote the exchange of formal and modeling information, eliminate the threat of opportunism, and enhance the spillover effect of generic technology. The diversification of enterprise knowledge has a positive moderating effect on the relationship between enterprise centrality, structural hole and generic technology spillover, but has no moderating effect on the relationship between connection strength and generic technology spillover. Diversified knowledge elements provide enterprises with a complete knowledge base which can meet the knowledge search needs of external network organizations, and enhance the control advantage of structural hole enterprises in the network, so as to strengthen the centrality of cooperative networks and the role of structural holes in promoting generic technology spillover. The phenomenon of knowledge homogeneity and "technology lock-in" between enterprises and their closely related partners makes knowledge diversification have no moderating effect on the relationship between connection strength and generic technology spillover.

Compared with the existing literature, the possible marginal contribution of this paper lies in the following two aspects. Firstly, from the perspective of network, it provides new evidence and ideas for research on the relationship between cooperative network characteristics and generic technology spillover. Secondly, it brings the internal knowledge base and external cooperation network into the same research framework, reveals the synergy mechanism between internal knowledge diversification, external cooperation network characteristics and generic technology spillover. Furthermore, it emphasizes the importance of internal knowledge diversification in generic technology cooperation. The research conclusion enriches the theoretical perspective of generic technology spillover, and has important practical significance for the healthy development of generic technology cooperation network, the rational distribution of enterprise internal knowledge base and the full spillover of generic technology.

Key Words：Cooperation Network; Network Location Characteristics; Network Relationship Characteristics; Generic Technology Spillover; Knowledge Diversification

DOI：10.6049/kjjbydc.2022030109

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2023)18-0061-11

收稿日期：2022-03-07

修回日期：2022-06-13

基金项目：国家自然科学基金项目(71874040);黑龙江省自然科学基金项目(LH2021G007);智库平台培育项目(3072021CFP0905)

作者简介：马永红(1971—),女,黑龙江肇州人,博士,哈尔滨工程大学经济管理学院教授、博士生导师,研究方向为产业创新与成长;栾昊巍(1998—),女,黑龙江哈尔滨人,哈尔滨工程大学经济管理学院硕士研究生,研究方向为产业创新与成长;王琪(1995—),女,新疆喀什人,哈尔滨工程大学经济管理学院硕士研究生,研究方向为产业创新与成长;王钠(1982—),女,黑龙江绥滨县人,中国人民银行大连市中心支行主任科员,研究方向为产业创新。

0 引言

随着世界各国“工业4.0”战略实施,全球科技竞争日趋激烈,技术竞争已由单体技术竞争转为共性技术竞争[1]。在“工业4.0”浪潮下,掌握共性技术是我国实现产业转型升级,并在全球科技竞争中占据领跑地位的关键。我国政府长期重视共性技术发展,《中国制造2025》指出,应着重突破一批重点领域的关键共性技术,促进制造业数字化、网络化、智能化,走创新驱动发展道路。共性技术是指能够广泛应用于多领域的技术,具有基础性、平台性、创新繁殖性等特点[2]。作为连接基础科学与商业应用的竞争前技术[3-4],共性技术需要被二次吸收与开发才能转化为实质上的专用技术[5],也需要得到广泛扩散和外溢才能充分获得经济效益与社会效益[3]。从这一层面看,与单纯的研发和供给相比,共性技术溢出具有更为独特的意义。然而,共性技术二次开发具有高成本性、长周期性与来自技术和市场的双重不确定性,其在溢出过程中容易对其它企业形成天然的应用壁垒,因而不具备共享性[5],进而阻碍共性技术潜在价值发挥。因此,促进共性技术溢出对于推动我国共性技术持续健康发展,进而提升产业整体核心竞争力具有重要战略意义。

关于共性技术扩散与溢出,现有研究分别从政府作用[5-7]、机理特征[8-9]、商业化策略[10]等方面进行考察。此外,网络观这一视角逐渐受到该研究领域学者的重视。邹樵[11]提出,共性技术溢出具有独特的高网络性与高关联性,其本质是知识在关联网络中的扩散与共享。事实上,多主体合作已经成为共性技术研发的主流模式(马永红等,2021),合作网络既有助于分工协作、分摊风险,又能够降低知识转移成本,促进创新成果外溢,提高技术溢出效率[12]。因此,包含异质性主体的合作网络对于共性技术溢出具有独特的作用。部分学者对共性技术溢出的网络效应进行研究,主要集中在以下方面:第一,共性技术的特性方面。邹樵[11-12]认为,技术联合体能够实现技术信息共享与外溢,并结合共性技术自身特性揭示其产生的人际网络效应、锁入效应与极效应。第二,网络特征方面。岑杰等[2,13]实证研究发现,企业网络规模与共性技术溢出存在倒U型关系。此外,产业联盟网络在企业跨领域搜索行为和共性技术溢出广度与深度间发挥正向调节作用。然而,共性技术研发创新与成果外溢并非合作网络单一作用的结果,与通过合作关系传递信息资源的外部网络相比,企业内部知识基础的重要性不容忽视[2]。相关研究关注企业知识基础宽度与深度对共性技术溢出的直接作用[14],并考察企业技术专有性对合作网络特征与共性技术溢出关系的调节作用[2]。然而,共性技术的高关联性特征与企业内部多元化知识重组及融合密切相关,企业知识多元化如何影响外部合作网络对共性技术溢出的作用?这一问题的解答尚未明确。

综上可知,学界对共性技术溢出进行了多方面探讨,但基于网络视角的研究匮乏。现有研究忽视了网络位置特征与关系特征对于共性技术溢出的影响,而且研究视角相对单一,尚未将企业外部合作网络与内部知识基础纳入同一研究框架,对知识多元化如何调节合作网络特征与共性技术溢出关系的过程机制缺乏认知,导致相关研究存在一定的局限性。企业所嵌入的合作网络如何作用于共性技术溢出?在网络中,不同类型企业特征对共性技术溢出会产生何种差异化影响?企业内部知识多元化、外部合作网络与共性技术溢出间存在怎样的协同机理?针对以上问题,本文基于网络视角,以我国86家电子通信设备制造企业为研究样本,利用其专利数据构建共性技术合作网络,并运用负二项回归方法,从企业网络位置特征与关系特征两个维度,实证研究其对共性技术溢出的影响,以及企业内部知识多元化程度的调节作用,以期为共性技术充分溢出、共性技术合作网络健康发展以及企业内部知识基础合理构建提供参考与借鉴。

1 理论基础与研究假设

1.1 合作网络特征与共性技术溢出

共性技术溢出是指共性技术从供给方传播至接收方,由接收方吸收并进行二次创新的过程[5]。信息传播与技术创新是共性技术溢出的两个必要条件,而技术合作网络可为其提供独特的支持。网络能够联结政府、高校、科研院所与企业等异质性主体,节点间的连接可为知识传播提供渠道,有利于共性技术信息扩散。此外,网络汇集了大量互补性资源,节点间能够利用各方技术资源进行共性技术二次开发,有利于共性技术突破创新。

社会网络理论认为,网络是由节点与节点间特殊联结共同形成的集合,网络位置与网络关系是社会网络分析中的两大主要属性,前者关注节点在网络中的地位与权利,后者强调节点在网络中联结关系的密度与强度[15]。因此,本文分别从企业共性技术合作网络的位置特征与关系特征两个方面,分析其对共性技术溢出的影响。

1.1.1 合作网络位置特征与共性技术溢出

网络位置是网络组织间建立关系的结果,企业网络位置特征能够体现企业信息控制与资源配置能力[16]。由此,本文选取中心度与结构洞两个变量衡量企业网络位置特征,以探究其对共性技术溢出的影响。

(1)中心度与共性技术溢出。在社会网络分析中,节点中心度能够描述与其直接相连的节点数量,中心度越高,节点越处于网络中心位置。企业中心度对共性技术溢出的作用主要体现在以下方面:首先,处于网络中心位置的企业拥有较多合作伙伴,在网络中建立的联系更为广泛[17]。中心度提高意味着企业拥有更多与其它网络组织合作的途径及知识传播渠道(陈伟等,2012),企业能够利用这类社会资本进行资源共享与技术交流,有利于共性技术溢出。其次,中心度较高的企业与其它组织的网络路径较短[2],能够促使信息迅速到达其它节点[18],并降低信息传递途中的失真率[19],确保共性技术在网络传播过程中的时效性与真实性。此外,较高中心度的企业在网络中具有更高的地位、声望与合作潜力,能够吸引邻近网络组织,形成知识交流集聚[16]。同时,受到网络惯性的影响,较高中心度的企业借助合作模式能够吸引更多伙伴[20],更多研发主体可以在合作中加深对共性技术的认知与理解,并将这些技术应用于不同领域[2],通过促进共性技术从网络中心不断向外围溢出产生动态效应。基于此,本文提出如下假设:

H1: 在合作网络中,企业网络中心度正向影响共性技术溢出。

(2)结构洞与共性技术溢出。社会网络中,某些组织间不存在直接合作关系,这种关系的间断像在网络中出现了“洞穴”,Burt[21]将其命名为结构洞,填补洞穴的网络组织即占据了结构洞位置。企业结构洞优势对共性技术溢出的作用主要体现在以下方面:首先,占据结构洞位置的企业充当连接两端网络组织的“桥梁”,在组织间起信息传递与资源配置的中介作用[19]。因此,结构洞企业拥有调和两端组织关系的权利,能够打通不同组织间的合作链路,促进异质性知识与资源在较大网络范围内流转及使用,有利于共性技术溢出。其次,根据Burt[22]的结构洞理论,占据结构洞位置的企业能够从两端获取非冗余信息与异质性资源,成为网络中的信息与资源控制中心。结构洞企业能够利用其控制优势,促使网络成员保持紧密联结,减少合作伙伴间的冗余联系与无效衔接,促进兼具稀缺性与互补性知识的传播共享[23],以此促进共性技术溢出。基于此,本文提出如下假设:

H2:在合作网络中,企业结构洞位置正向影响共性技术溢出。

1.1.2 合作网络关系特征与共性技术溢出

企业网络关系特征能够反映企业与其合作伙伴关系的质量。本文选取联系强度衡量企业网络关系特征,其能够描述企业与合作伙伴联系的频繁程度[16],表示企业拥有网络关系的稳定性与紧密性[24]。苏佳璐[25]将网络关系分为强联结与弱联结,其中,强联结是指网络成员长期保持稳定且频繁的合作,弱联结是指网络成员间较为稀少松散的联系。相比于弱联结,强联结关系更有利于网络组织间的深层次技术交流与学习,并能够在传递显性信息的基础上,促进组织间缄默与复杂信息互换[26],从而提升共性技术在网络中的共享水平。同时,强联结关系能够在组织间形成非正式的规范、文化与制度,并建立默契与信任机制,缓解机会主义带来的担忧,减少关系风险与不确定性带来的摩擦(许冠南等,2021)。稳定、紧密的合作关系能够强化企业对知识分享与技术合作的意愿,有助于共性技术在网络中的信息传递与突破创新,促进共性技术溢出。基于此,本文提出如下假设:

H3:在合作网络中,企业联系强度正向影响共性技术溢出。

1.2 企业知识多元化的调节作用

企业拥有的所有知识元素构成了企业知识基础[27],而知识多元化能够衡量企业知识基础中涉及技术领域的广泛程度。在合作网络背景下,企业知识多元化程度能够决定创新过程中的技术创新方式与合作伙伴选择[28],调节企业合作网络特征与共性技术溢出间的关系。

就中心度与共性技术溢出的关系而言,共性技术的平台性与基础性特征要求组织在网络中进行广泛的知识搜索[2]。当企业内部知识多元化程度较低时,企业技术轨迹与创新经验往往被局限在一定范围内,无法满足网络中异质性伙伴的搜索需求。随着内部知识多元化程度提升,企业逐渐建立起完备的知识库[19],能够为网络合作伙伴提供互补性或相似性知识,以拓展新的“技术窗口”或维持现有竞争优势[23],促进知识搜索与技术交流,加快共性技术知识传递与突破创新。此时,共性技术溢出广度与深度均会有所提升。

就结构洞与共性技术溢出的关系而言,内部知识基础能够影响结构洞企业对非冗余资源的控制效率[29]。知识多元化程度较高的企业往往对多种技术领域具有较高的认知水平与较强的吸收能力[23],凭借以往创新活动中积累的不同类型资源整合经验[30],能够在占据结构洞时缓解信息过载问题,更加高效地将结构洞的控制优势转化为共性技术创新所需的知识来源,从而提升共性技术在网络中的溢出效率。同时,内部知识多元化程度越高,企业对合作网络中流动的信息敏感度越高,越有可能挖掘出具有利用价值与创新机会的信息和资源[31],进而巩固自身网络结构洞地位,增强控制优势并促进共性技术溢出。

就联系强度与共性技术溢出的关系而言,一方面,内部知识多元化程度较高的企业对于技术发展趋势与市场需求变化具有敏锐的感知力[23],为了更新内部资源,会主动寻找内外部知识融合点(赵炎等,2021)。上述企业创新行为往往更加活跃,更容易在产生新想法或发现新技术价值时与联系紧密的合作伙伴进行交流,以此促进因联系强度提升带来的共性技术溢出。另一方面,知识多元化程度较高的企业所涉及的技术领域广泛,在面对复杂动荡的外部创新环境时,具备较强的风险应对能力[32],能够维持自身与网络合作伙伴间的稳定关系,使双方共性技术交流活动持续,从而强化联系强度对共性技术溢出的正向影响。基于此,本文提出如下假设:

H4a:企业知识多元化正向调节合作网络中企业中心度与共性技术溢出的关系;

H4b:企业知识多元化正向调节合作网络中企业结构洞与共性技术溢出的关系;

H4c:企业知识多元化正向调节合作网络中企业联系强度与共性技术溢出的关系。

基于以上分析,本文构建概念模型如图1所示。

2 研究设计

2.1 样本选择与数据处理

本文以我国电子信息设备制造业上市公司为研究样本,主要基于以下原因:首先,在利用信息技术促进产业变革的工业“4.0”时代,知识密集、技术密集的电子信息设备制造业是我国充分落实《中国制造2025》,在全球产业竞争中占据重要地位的发展重点。为推动我国制造业创新发展,工信部在《产业关键共性技术发展指南2017》中列出了应优先发展的产业关键共性技术,共涉及五大领域,电子信息与通信业为其中之一。由此可知,电子信息技术是我国共性技术发展的重要部分。因此,选取电子信息设备制造业作为研究样本,具有代表性与实践价值。其次,在市场与政策的双重压力下,电子信息设备制造业的技术创新速度较快,企业专利数量较多,能够满足共性技术合作网络构建的研究需要。此外,由于上市公司规模较大,经营状况较为稳定且财务数据公开透明,为确保数据的真实性与可得性,选择我国电子信息设备制造业上市公司为研究样本。

由于共性技术需要3～5年的充分溢出时间[33],因而本文选取2009—2018年专利数据作为研究样本。样本数据包含两类,专利数据来源于智慧芽专利数据库,企业信息与财务数据来源于国泰安数据库,数据收集与清洗过程如下:

(1)依据赵炎等(2021)的研究成果,在国泰安数据库获取我国电子信息设备制造业上市公司名单,包含企业531家。

(2)在智慧芽专利数据库搜索2009—2018年上述上市公司所有专利申请条目,包含IPC分类号、申请日期、当前申请专利权人、引用专利数量与被引用专利数量等字段信息。

(3)由于IPC分类号小类(前4位)能够代表专利所涉及的知识与技术领域[27],因而本文基于上述专利的IPC分类号小类识别行业共性技术领域,并筛选得到企业申请的共性专利。进一步地,在企业共性专利中,筛选出包含两个及两个以上申请专利权人且申请专利权人不包含个人的专利条目,得到组织间共性合作专利。

(4)专利合作关系具有一定连续性,因而采用3年移动时间窗口[29](t-1～t+1)。基于上述步骤筛选得到的共性专利合作关系构建组织间共性技术合作网络,得到8个时间窗口。本文聚焦每个时间窗口下整体网络中以单个节点为核心的个体网络,以上市公司为样本节点,将与上市公司存在合作关系的其它组织(非上市企业、高校、科研院所等)作为成员节点,以节点间的合作联系为边,利用Ucinet6.0软件进行网络构建与各项网络特征指标计算。

(5)经筛选得到拥有共性合作专利的上市公司共86家,与其存在合作关系的其它组织有373家,基于国泰安数据库搜索上述上市企业信息与财务数据,最终得到2009—2018年399个观测值的非平衡面板数据。

2.2 变量测度

(1)因变量:共性技术溢出。共性技术溢出是指企业共性技术传播至外部组织并被其吸收与二次开发的过程,其计算分为两步:第一步,参考栾春娟(2012)的研究成果,对电子信息设备制造业上市公司专利进行共性技术识别;第二步,计算每个样本企业共性技术溢出。

技术共现率既能够反映某一技术领域与其它技术领域间共性关系的强弱,也可以反映某一技术领域应用的广泛程度。将上市公司专利共现信息导入Python软件,选取出现频次大于100的技术领域作为高频技术领域并生成共现矩阵。对矩阵中共现频次大于100的单元格进行计数(阈值设定为100),得到每个技术领域共现伙伴数量,按照式(1)计算技术共现率。

技术共现率

(1)

选取技术共现率大于10%的技术领域作为电子信息设备制造业共性技术,以此为标准筛选上市公司共性专利。

由于对知识与技术传播进行量化较为困难,Jaffe等[34]开创性地使用专利引用数据表征创新主体间技术溢出情况,这一度量方法也得到学界广泛认可[35]。孔晓丹等[16]、易巍等[35]认为,专利引用情况是衡量知识流动的合理指标;岑杰等[2]认为,专利被引用次数越多,其技术外溢程度越高。因此,本文选取每家上市公司3年时间窗口期内所有共性专利的被引用数量之和作为共性技术溢出的测度指标。

(2)自变量:中心度、结构洞和联系强度。中心度能够量化节点在网络中的重要程度,在社会网络分析中,节点中心度分为度数中心度、中间中心度与接近中心度3个维度,本文选取度数中心度作为企业合作网络位置特征的代表变量,表示企业在网络中所处位置的中心程度[17]。节点度数中心度分为绝对度数中心度与相对度数中心度,绝对度数中心度为与节点直接相连的其它节点个数,相对度数中心度考虑整体网络规模,使不同网络中的节点中心度具有可比性。参照以往研究成果,本文选取相对度数中心度作为测度指标[17],具体计算公式如下:

(2)

其中,RCi为节点i的相对度数中心度。代表节点绝对度数中心度,当节点i与j具有直接联系时,Xij=1;反之,Xij=0。n为节点所在整体网中的节点总数,即整体网规模。

结构洞能够衡量组织在网络中的非冗余联系,其测量方法主要考虑4个指标,分别为有效规模、效率、限制度及等级度[17]。参照以往研究成果[29],采用限制度作为结构洞的测度指标,具体计算公式如下:

(3)

其中,Ci表示节点i受到的限制程度,j表示其它节点,q表示除i与j之外的第三方,pij表示i对j的直接关系投入,piq为i的所有关系中投入q的关系占比,表示i对j的间接关系投入。由于限制度指数取值范围为0～1.125,本文采用“2-限制度Ci”描述企业占据结构洞位置的程度。

联系强度能够反映组织与合作伙伴间联系的紧密程度。目前,学界测量组织间联系强度的主流方法为问卷调查法,但此方法具有较强的主观随意性。因此,参照曾德明等[32]的定量研究方法,本文利用上市公司与其它组织联合申请专利的平均次数,即与网络中样本节点直接相连的各连线平均数值测度企业网络联系强度。

(3)调节变量:知识多元化。知识多元化可以衡量企业内部知识元素间的差异性,知识多元化程度越高,企业所涉及的技术领域范围越广。知识多元化程度可以采用赫芬达尔指数法或熵指数法进行测度,借鉴Krafft等[36]、Chen&Chang[37]的研究成果,本文采用信息熵指数法测度企业拥有知识元素的非相关多元化程度,即企业涉及全新技术领域的程度,具体计算公式如下:

(4)

其中,pi表示企业中属于技术领域i的专利数量占所有专利数量的比例,i表示IPC分类号的技术小类。

(4)控制变量:企业所有权类型、企业年龄、网络规模和聚类系数。

企业所有权类型。产权性质能够影响企业在资金、技术与政策等方面的优势程度,对企业策略选择与创新活动具有重要作用。因此,本文对企业所有权类型加以控制,令国有企业=1,非国有企业=0。

企业年龄。成立年限较长的企业往往具有深厚的知识积累,在知识组合与运用方面具有较为丰富的经验,能够在一定程度上影响企业创新绩效。由此,本文采用(t-企业成立年份)对企业年龄进行测度。

网络规模。技术合作网络规模能够限制企业对合作伙伴的选择范围,进而影响企业创新绩效。因此,本文采用3年时间窗口内整体网络中的全部节点数量衡量整体网络规模。

聚类系数。聚类系数可以用来衡量节点连接组织间的关联性,表示局部网络联系的紧密程度,能够影响网络中知识传递速度与效率。整体网络的聚类系数为网络中全部节点聚类系数的平均值,其计算公式如下:

(5)

(6)

其中,n为整体网络中全部节点的数量,vi为单个节点的聚类系数,zi为节点存在的实际联系数,ni为与节点存在直接合作关系的网络组织数量。

3 实证研究

3.1 描述性统计与相关性分析

本文使用Stata15.1对数据进行描述性统计与相关性分析,检验结果如表1所示。结果显示,中心度、结构洞及联系强度与共性技术溢出间均存在显著正相关关系,初步验证了H1、H2、H3。由变量描述性统计结果可知,因变量共性技术溢出的标准差远大于平均值,具有过度离散特征。此外,变量间相关系数的绝对值在总体上远小于0.7,进一步作多重共线性检验发现,各变量的膨胀因子(VIF)基本小于3,由此可以判定变量间不存在多重共线性问题。

3.2 回归分析

本文因变量为非负数据,因而不适合使用一般多元线性回归模型。对于标准差远大于均值的过度离散变量,采用泊松回归可能低估其方根误差,从而高估模型的显著性水平[19]。因此,本文采用负二项回归模型进行回归分析。为进一步避免潜在多重共线性问题,对所有涉及交互作用的变量进行中心化处理,回归结果如表2所示。模型1为仅包含控制变量的基础模型;模型2加入自变量,考察企业合作网络中心度、结构洞与联系强度对共性技术溢出的影响,用以检验假设H1、H2、H3;模型3加入调节变量;模型4～6分别加入知识多元化与中心度、结构洞、联系强度的交互项,考察知识多元化对企业合作网络特征与共性技术溢出关系的调节作用,用以检验假设H4a、H4b、H4c。

(1)主效应检验。表2模型1中仅加入控制变量,结果显示,企业性质对共性技术溢出具有显著正向影响(β=0.264,p<0.01),国企性质有利于企业共性技术溢出;企业年龄对共性技术溢出具有负向影响(β=-0.033,p<0.05);网络规模与聚类系数对共性技术溢出的作用效果不显著,网络整体效应尚未凸显。

表2模型2结果显示,企业中心度对共性技术溢出具有显著正向影响(β=5.576,p<0.01),假设H1得到验证。在共性技术合作网络中,企业中心度越高意味着其能在越广泛的范围传递有价值的技术信息与资源,利用位置优势加快信息传递速度并提升信息的真实性。同时,处于网络中心位置的企业能够依靠自身吸引力与更多网络成员建立起更为广泛的局部“圈层”合作关系,以增加网络间共性技术的学习与交流。因此,企业中心度越高,其带来的共性技术溢出效果越显著。由此可知,共性技术研发企业应提升思想开放性,主动与高校、科研院所或其它创新主体合作,不断向网络中心靠拢,以促进共性技术溢出。

企业占据结构洞位置对共性技术溢出具有显著正向影响(β=0.514,p<0.01),假设H2得到验证。企业占据结构洞位置意味着其在共性技术合作网络中发挥“桥梁”作用,这一中介作用能够为其它互不联结的网络组织提供新的技术交流渠道。同时,结构洞企业能够利用控制优势,将非冗余与异质性资源传递至网络组织中,提升共性技术在网络中的传递质量与效率。因此,企业占据结构洞位置对共性技术溢出具有促进作用。由此可知,企业应与拥有不同资源禀赋的创新组织建立合作关系,充当异质性合作群体的“中介人”,并利用自身结构洞优势高效传递技术信息与资源,进而利用网络产生的正外部性实现共性技术溢出。

企业网络联系强度与共性技术溢出呈显著正相关关系(β=0.011,p<0.01),假设H3得到验证。联系强度越高意味着企业与其合作伙伴间的技术交流越频繁。在契约制度、诚信体系不完善的情景下,这种紧密联系不仅能够帮助双方建立较高水平的默契与互信,共同抵御机会主义的威胁与共性技术创新风险,而且有利于深度技术学习与模仿,从而促进隐性与非正式信息交换。因此,企业联系强度提升有利于共性技术溢出。由此说明,企业应择优选择具有合作潜力的优质伙伴,抓住合作契机并拓展合作深度,制定长远的合作计划或构建战略联盟,从而实现共性技术持续、深度溢出。

值得注意的是,对比表2模型2中中心度、结构洞与联系强度的回归系数可知,在共性技术合作网络中,企业中心度提升带来的共性技术溢出效果最显著,结构洞其次,联系强度提升带来的共性技术溢出效果最差(β=5.576,β=0.514,β=0.011)。由此可知,相较于紧密的网络关系,企业网络地位与权利对于共性技术溢出更为重要。网络组织的个体技术资源有限,随着联系强度提升,企业在合作中能够攫取与利用的资源会逐渐耗尽。因此,联系强度提升带来的共性技术溢出存在一定的限制。然而,企业所处网络中汇集了大量的技术信息与创新资源,广泛的合作能够为网络组织提供源源不断的异质性知识,从而强化共性技术溢出。因此,相较于固守已有的合作伙伴,企业应放宽视野,主动寻求新的合作伙伴。同时,加强自身技术创新能力与资源整合能力,以获取更多网络合作机会。

(2)调节效应检验。表2模型4～6检验企业知识多元化对网络特征与共性技术溢出关系的调节作用。结果显示,知识多元化与中心度的交互项正向显著(β=10.261,p<0.05),即在共性技术合作网络中,知识多元化正向调节企业中心度对共性技术溢出的正向影响,假设H4a得到验证。知识多元化与结构洞的交互项正向显著(β=0.521,p<0.01),即在共性技术合作网络中,知识多元化正向调节企业结构洞对共性技术溢出的正向影响,假设H4b得到验证。高知识多元化程度意味着企业内部存在更多的技术交叉与协同机会,能够帮助企业打破知识域锁定,减少路径依赖,并与共性技术基础性与平台性的特点相契合,更容易得到外部组织的认同与接受。同时,企业涵盖的技术范围越广,其掌握的信息与资源越可能满足不同创新主体的知识搜索需求,其创新成果在不同组织间推广的几率越大,从而有助于拓展合作带来的共性技术溢出深度。知识领域广泛的企业往往具有较强的组织学习能力、资源整合能力与知识吸收能力,有利于其巩固与提升自身网络地位,进一步提高共性技术在网络中的溢出效率。此外,从表2模型4与模型5的回归系数可以看出(β=10.261,β=0.521),相较于结构洞与共性技术溢出的关系,企业知识多元化程度对于中心度与共性技术溢出关系的调节作用更显著。由此可见,相较于提升自身资源控制能力,企业在扩展内部知识领域的同时,应注重外部合作范围扩张,以此达到共性技术溢出的最佳效果。

知识多元化与联系强度的交互项不显著,即知识多元化对企业网络联系强度与共性技术溢出的关系未发挥显著调节作用,假设H4c未得到验证。原因可能在于,一方面,在我国电子信息设备制造业中,大多数上市公司的主要合作伙伴为其子公司,具有母子关系的企业涉及的技术领域同质化程度较高,相似的多元化知识无法为彼此提供互补性创新资源,导致多元化知识的调节作用无法发挥。另一方面,紧密的网络关系容易形成技术锁定,联系强度较大的企业间存在高度默契与精准技术对接,外部网络组织只需要企业内部少数核心技术或互补性知识元素就可以开展共性技术创新活动。此时,企业内部知识多元化程度无法调节网络联系强度与共性技术溢出的关系。由此可见,企业在寻求共性技术合作伙伴时,应根据自身发展需求,优先对接与自身知识属性相匹配的外部企业、高校与科研院所,避免内部技术领域重叠与创新资源冗余。同时,促进内部知识资源有效利用,加强多元化技术创新合作,进而打破技术锁定,促进共性技术在网络中的高效溢出。

为进一步明确企业知识多元化对企业网络位置特征(中心度、结构洞)的调节作用,本文利用简单坡度法[33]对知识多元化取均值加、减一个标准差,按照模型4与模型5进行回归并绘制调节效应图,如图2所示。图2显示,在共性技术合作网络中,当企业知识多元化程度较低时,中心度正向影响共性技术溢出,随着企业知识多元化程度提升,中心度对共性技术溢出的正向作用增强;当企业知识多元化程度较低时,企业在合作网络中占据结构洞位置有利于共性技术溢出,当企业知识多元化程度较高时,企业网络结构洞对于共性技术溢出的正向影响有所增强。

3.3 稳健性检验

为检验上述实证结果的可靠性,本文采用以下方式进行稳健性检验:

(1)企业规模与企业技术创新存在密切关系[2],不同规模企业的研发能力、知识吸收能力存在差异,可能影响企业共性技术溢出效果。因此,本文采用企业年末总资产对数衡量企业规模,将其加入控制变量,回归结果如表3所示。

(2)李璐[38]认为,采用时间窗口内专利被引数量的算术平均和能够提高知识溢出统计结果的准确性。本文采用上述方法,将被解释变量测度方法替换为每家上市公司在时间窗口期内所有共性专利年均被引用数量,回归结果如表4所示。可以看出,两种检验方式下,企业中心度、结构洞与联系强度对于共性技术溢出均存在显著正向影响;企业知识多元化对于中心度与共性技术溢出、结构洞与共性技术溢出的关系均存在显著正向调节作用,而对联系强度与共性技术溢出的关系不存在调节作用,主要变量系数及显著性与基准回归无显著差异。由此,可以验证本文实证结果的稳健性。

4 结语

4.1 研究结论

本文以2009—2018年我国电子信息设备制造业86家上市公司专利数据为研究样本构建共性技术创新合作网络,从位置特征与关系特征两个维度,实证研究合作网络特征与共性技术溢出的关系,并进一步考察企业内部知识多元化程度的调节作用。以网络观为切入点,为合作网络特征与共性技术溢出关系研究提供了新的证据与思路,将企业内部知识基础与外部合作网络纳入同一研究框架,揭示企业内部知识多元化、外部合作网络特征与共性技术溢出间的协同机理,考察企业内外部资源的不同组合对共性技术溢出的差异化影响,强调企业内部知识多元化在共性技术合作中的重要性,得到以下主要结论:

(1)企业在共性技术合作网络中的位置特征,即中心度与结构洞对共性技术溢出具有显著正向影响,且中心度的影响更为显著。中心度较高的企业处于网络枢纽位置,拥有更多的合作伙伴和更高的声望地位,此类企业能够利用在网络中的权利优势与位置优势进行技术交流,从而促进共性技术溢出。占据结构洞位置的企业在网络中充当“桥梁”,能够将网络中无直接联系的组织联结在一起,并利用控制优势提升网络中信息与资源流动效率,以此促进共性技术溢出。

(2)企业在共性技术合作网络中的关系特征,即联系强度对共性技术溢出具有显著正向影响,但相较于位置特征,其影响效果较差。强关系嵌入的企业往往与合作伙伴保持频繁的技术交流,通过信息与资源共享建立较高水平的互信,消除机会主义行为的威胁,同时利用在网络中的关系优势促进组织间各种正式与缄默信息交换,拓展组织间技术合作深度,促进共性技术知识传播与二次创新,最终表现为共性技术溢出的效果增强。

(3)在共性技术合作网络中,企业知识多元化对企业中心度、结构洞与共性技术溢出的关系均存在正向调节作用,对联系强度与共性技术溢出的关系不存在调节作用。多元化知识元素可为企业提供完备的知识库,能够满足外部网络组织知识搜索需求,并提升结构洞企业在网络中的控制优势,从而强化合作网络中心度与结构洞对共性技术溢出的促进作用。企业与联系紧密的合作伙伴存在内部知识同质化及技术锁定现象,导致知识多元化对联系强度与共性技术溢出的关系不存在调节作用。

4.2 管理启示

(1)企业在共性技术创新过程中应积极寻求外部合作,与相关高校、科研院所、投资金融机构及政府部门构建广泛的异质性创新主体共性技术合作网络。同时,政府部门应制定相应政策,提供良好的创新合作平台,通过加强科技园、孵化器等基础设施建设,改善共性技术创新主体间的合作环境,从而促进共性技术创新主体间合作与共性技术溢出。

(2)企业应优化自身网络特征并发挥在网络中的优势,拓展共性技术溢出广度与深度。处于网络边缘的企业应提升自身合作活跃度,不断向网络中心位置靠近并努力占据结构洞位置;处于网络优势地位的企业应充分利用社会资本与控制优势,扩大共性技术在网络中的溢出范围。企业应抓住协同创新契机,选择具有发展潜力的合作伙伴,与其建立紧密稳定的合作关系,以促进共性技术信息与资源深度溢出。

(3)企业应注重内部知识基础与外部合作网络协同机制构建,合理布局内部知识元素,并将上述策略提升至战略高度。为满足共性技术溢出要求,应适当拓宽所涉及的技术领域,增加自身知识元素储备,并充分运用多元化知识优势,灵活整合内外部创新资源,从而促进共性技术溢出。

4.3 研究局限与展望

本文存在以下不足:第一,研究样本为我国电子信息设备制造业上市公司,由于行业和组织类型的限制,所得结论可能存在一定的局限性,后续研究可以关注不同行业、不同组织类型合作网络与共性技术溢出间的关系。第二,仅从个体网络视角对“如何促进共性技术溢出”这一问题进行研究,后续研究可以关注整体网络特征对于共性技术溢出的影响,以期为我国共性技术合作网络与共性技术溢出关系研究提供更加全面的视角。

参考文献：

[1] COCCIA M. The source and nature of general purpose technologies for supporting next K-waves: global leadership and the case study of the U.S. navy's mobile user objective system[J]. Technological Forecasting &Social Change, 2017, 116(3):331-339.

[2] 岑杰,李章燕,李静.企业专利合作网络与共性技术溢出[J].科学学研究,2021,39(5):882-891.

[3] 李冬冬,李春发.产业共性技术创新扩散机理建模与仿真分析[J].技术经济与管理研究,2021,42(3):3-9.

[4] 郑彦宁,浦墨,刘志辉.基于产业创新链的产业共性技术识别基本理论探讨[J].情报理论与实践,2016,39(9):53-58.

[5] 李纪珍,邓衢文.产业共性技术供给和扩散的多重失灵[J].科学学与科学技术管理,2011,32(7):5-10.

[6] 夏明,邓向荣.产业共性技术扩散中政府作用最优力度分析——基于变换的Bass模型[J].北京理工大学学报(社会科学版),2019,21(2):78-86.

[7] YOUTIE J, IACOPETTA M, GRAHAM S. Assessing the nature of nanotechnology: can we uncover an emerging general purpose technology[J]. Journal of Technology Transfer, 2008, 33(3):315-329.

[8] 苏鑫,赵越.产业共性技术扩散三阶段模型构建与仿真研究[J].科技进步与对策,2019,36(12):71-79.

[9] 郑月龙,杨柏,王琳.产业共性技术扩散行为演化及动力机制[J].中国科技论坛,2019,35(5):26-34,67.

[10] THOMA G. Striving for a large market: evidence from a general purpose technology in action[J]. Industrial and Corporate Change, 2007, 18(1):107-138.

[11] 邹樵.共性技术扩散的概念及其特征[J].科技管理研究,2010,30(19):142-145.

[12] 邹樵,吴丁佳宝,姜杰.共性技术扩散的网络与外溢效应[J].管理世界,2011,27(1):182-183.

[13] 岑杰,叶二子,肖瑶.跨领域搜索对共性技术溢出的双刃剑效应:产业联盟的放大作用[J].科研管理,2021,42(7):77-90.

[14] 李静. 知识宽度、知识深度对共性技术研发及溢出的影响[D].杭州:浙江工商大学,2022.

[15] 曲雅婷. 组织内—外部合作网络间关系及对创新绩效影响研究[D].大连:大连理工大学,2021.

[16] 孔晓丹,张丹.创新网络知识流动对企业创新绩效的影响研究——基于网络嵌入性视角[J].预测,2019,38(2):45-51.

[17] 刘军．整体网分析讲义: UCIENT 软件实用指南[M].上海: 上海格致出版社,2009:10-65．

[18] GUAN J C, ZUO K R, CHEN K H, et al. Does country-level R&D efficiency benefit from the collaboration network structure[J]. Research Policy, 2016, 45(4):770-784.

[19] 王崇锋,孙靖.知识基础调节下合作网络对绿色技术创新的影响[J].科技进步与对策,2021,38(2):38-46.

[20] 孙笑明,王静雪,崔文田,等.网络结构与关键研发者创造力:基于两阶段研发生涯的探讨[J].管理工程学报,2020,34(5):53-61.

[21] BURT R S. Structural holes : the social structure of competition[M]. Cambridge:Harvard University Press, 1995.

[22] BURT, RONALD S. Structural holes and good ideas[J]. American Journal of Sociology, 2004, 110(2):349-399.

[23] 赵旭雯. 合作网络下知识基础多元化与网络化对创新产出影响研究[D].长沙:湖南大学,2017.

[24] 潘松挺,蔡宁.企业创新网络中关系强度的测量研究[J].中国软科学,2010,25(5):108-115.

[25] 苏佳璐. 协同创新网络结构与网络关系对技术创新绩效影响研究[D].镇江:江苏大学,2020.

[26] 阮平南,顾春柳.技术创新合作网络知识流动的微观作用路径分析——以我国生物医药领域为例[J].科技进步与对策,2017,34(17):22-27.

[27] 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.

[28] GRANT R M.Toward a knowledge-based theory of the firm[J]. Strategic Management Journal, 1996, 17(S2):109-122.

[29] 李健,余悦.合作网络结构洞、知识网络凝聚性与探索式创新绩效:基于我国汽车产业的实证研究[J].南开管理评论,2018,21(6):121-130.

[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(1):97-112.

[31] OPERTI E, CARNABUCI G. Public knowledge, private gain the effect of spillover networks on firms' innovative performance[J]. Journal of Management Official Journal of the Southern Management Association, 2014, 40(4):1042-1074.

[32] 曾德明,王馨翊,戴海闻,等.网络关系强度、技术多元化与企业产品创新战略[J].科技进步与对策,2020,37(2):82-88.

[33] KAPLAN S, VAKILI K. The double-edged sword of recombination in breakthrough innovation[J]. Strategic Management Journal, 2015, 36(10):1435-1457.

[34] JAFFE A B, HENDERSON T R. Geographic localization of knowledge spillovers as evidenced by patent citations[J]. Quarterly Journal of Economics,2005,108(3):577-598.

[35] 易巍,龙小宁,林志帆.地理距离影响高校专利知识溢出吗——来自中国高铁开通的经验证据[J].中国工业经济,2021,38(9):99-117.

[36] KRAFFT J,QUATRARO F, SAVIOTTI P P. The knowledge-base evolution in biotechnology: a social network analysis[J]. Economics of Innovation and New Technology,2011,20(5):445-475.

[37] CHEN Y S, CHANG K C. Using the entropy-based patent measure to explore the influences of related and unrelated technological diversification upon technological competences and firm performance[J]. Scientometrics, 2012, 90(3):825-841.

[38] 李璐. 协作研发网络结构对二元式创新的影响[D].镇江:江苏大学,2019.

(责任编辑：张 悦)