The Relationship among Dual Innovation Stars, Network Overlap, and Breakthrough Inventions

Ji Jinxing, Xiong Shengxu

(School of Business Administration, Zhongnan University of Economics and Law, Wuhan 430073, China)

Abstract：Breakthrough inventions are key factors for a firm to enhance its core competitiveness in the market. Therefore, it is imperative to promote breakthrough inventions through the transformation of scientific and technological achievements. Dual innovation stars refer to individuals who are both star scientists and star inventors, and they are crucial to the transformation of scientific and technological achievements. Existing studies generally believe that star scientists and inventors can bring more breakthrough inventions. These studies contribute to the influence of star scientists or star inventors on breakthrough inventions from a single perspective, leaving a void in dual innovation stars.

Thus, it is necessary to further examine the intrinsic mechanisms and boundary conditions of the relationships between dual innovation stars and breakthrough inventions. This paper constructs a moderated mediation model to investigate the relationships between dual innovation stars and breakthrough inventions. Scientific and technological knowledge owned by inventors is tacit, and can only be effectively transferred through face-to-face collaborations. Collaborative networks, namely scientific and technological collaboration networks, are thus being formed as a result of knowledge sharing. The overlap of scientific and technological collaboration networks may affect their transformation of scientific knowledge into technological application. This study uses network overlap as a mediator between dual innovation stars and breakthrough inventions and constructs a mediating model for dual innovation stars to generate breakthrough inventions. In addition, following the heterogeneity theory, the study reveals the boundary conditions of dual innovation stars to generate breakthrough inventions with resource heterogeneity and innovation capacity heterogeneity as contingency factors.

The study takes the inventors at Huawei and Intel as a sample, with the number of inventors being 2 603 and 4 396, respectively. It collects the scientific papers and patent data published by Huawei and Intel from the Web of Science database and the United States Patent and Trademark Office (USPTO) between 2000 and 2022, respectively. On the basis of the data fields of the authors and patent applicants, Sci2 Tool software is used to construct the internal scientific and technological cooperation networks of the two companies. The results show that dual innovation stars and?network overlap positively influence breakthrough inventions; the network overlap based on scientific and technological collaboration mediates the relationships between dual innovation stars and breakthrough inventions; resource heterogeneity positively moderates the positive relationship between the network overlap and breakthrough inventions, and further positively moderates the indirect effect of dual innovation stars on breakthrough inventions through the network overlap.

With the identification of the dual innovation stars in the companies , the study uses the network overlap to measure the similarity of scientific and technological cooperation networks, revealing the “black box” between dual innovation stars and breakthrough inventions. It not only enriches the study of scientific and technological innovation interaction, but also explains the mechanism by which dual innovation stars generate breakthrough inventions. By exploring how resource heterogeneity and innovation capability heterogeneity affect the relationship between network overlap and breakthrough inventions, the study provides management implications for firms to manage inventors′ innovation behavior. First, since dual innovation stars are important media for internal transfer and integration of technological knowledge within enterprises, managers should encourage and support dual innovation stars to host patent invention activities and achieve effective transfer of scientific knowledge to breakthrough inventions. Meanwhile, managers should actively explore potential celebrity scientists and inventors to help them transform into dual innovative celebrities. Second, inventors can establish cross-border cooperation relationships with partners, while maintaining existing technological cooperation, further expanding the cooperation relationship to the field of scientific research, promoting the exchange and integration of scientific and technological knowledge through a dual cooperation network, and thus achieving breakthrough inventions. Third, when there is high resource heterogeneity between inventors and technology partners, inventors can obtain diverse complementary resources through technology partners, and the cooperation network can play a role. Therefore, inventors should consider technological background as an important factor when choosing technology partners to avoid the trend of knowledge homogenization in the cooperation network.

Key Words：Dual Innovation Stars; Network Overlap; Breakthrough Invention; Resource Heterogeneity; Innovation Capability Heterogeneity

DOI：10.6049/kjjbydc.2023060655

开放科学(资源服务)标识码(OSID)：

中图分类号：G31

文献标识码：A

文章编号：1001-7348(2024)24-0049-13

收稿日期：2023-06-25

修回日期：2023-11-10

基金项目：国家社会科学基金项目(15BGL036)

作者简介：嵇金星(1994—),女,江苏涟水人,中南财经政法大学工商管理学院博士研究生,研究方向为技术创新管理;熊胜绪(1962—),男,湖北钟祥人,中南财经政法大学工商管理学院教授、博士生导师,研究方向为技术创新管理。

0 引言

突破性发明是指通过知识重组突破或超越现有技术轨道的复杂技术创造[1-3]。改革开放40多年来,我国技术创新虽然取得令人瞩目的成就,但某些关键核心技术仍受制于人,表明我国某些关键核心技术领域突破性技术发明还远远不够。提高突破性技术发明水平不仅有助于企业维持市场竞争优势[4-5],而且对于应对以美国为首的西方国家技术封锁、增强企业国际市场竞争力具有重要意义。

人才是企业创新之基,明星发明人、明星科学家作为企业最重要的人力和智力资本,在技术创新活动中发挥重要作用。在技术创新领域,明星发明人因突出的技术影响力和创新产出尤其引人注意。现有研究使用专利数据对新兴技术领域明星发明人的潜在影响进行识别和测度。Beaudryab &Schiffauerova[6]运用专利数据识别团队明星发明人,发现其对专利质量具有积极影响;Hohberger[7]认为与一般发明人相比,明星发明人创造高价值专利的可能性更高,但若发明专利是基于其他明星的发明成果,则明星发明人对专利价值具有负面影响;荣雪云等[8]研究发现,明星发明人的利用性和探索性创新能力高于其他发明人;孙玉涛和崔媛媛(2021)指出明星发明人有助于提升团队创新产出能力,但会抑制创新产出新颖性。

基础科学对于新兴技术领域突破性发明至关重要[9-11]。基础科学的重要性促使理论界对科学明星在技术创新领域的作用进行了积极探索。一种观点认为,明星科学家对企业技术创新具有积极影响。Fleming &Sorenson[12]指出,科学家能帮助发明人排除无用的知识搜索方向,探测行业内新知识领域和有价值的技术组合;Furukawa &Goto[13]将创新绩效突出的科学家定义为“核心科学家”,认为其是影响企业吸收外部知识的重要力量;Gruber等[14]认为明星科学家知识重组范围更广,更能够理解抽象的技术问题,并提供新技术解决方案;李从刚等[15]认为明星科学家在企业、高校和科研院所间发挥桥接作用,能够极大促进企业产学研合作效率提升。另一种观点认为,企业与明星科学家合作很难产生创新溢价。Baba等[16]发现明星科学家对企业创新产出的影响很小,只有拥有很多高质量文献,同时又积极参与企业专利发明的科学家才能提高企业技术创新产出;Ardito等[17]认为科技知识整合过程十分复杂,科学家与发明人之间的分歧很难弥合,从而导致技术通用性下降;Colen等[18]发现只有当明星科学家专注于与某一企业开展技术创新合作时,企业才能产生创新绩效溢价。

从现有研究可以看出,理论界对明星发明人和明星科学家在技术创新领域作用的认知未达成一致,缺少对双重创新明星角色的探讨。事实上,企业中存在一些既是明星科学家又是明星发明人的双重创新明星,他们不仅具有较强的技术创新能力,而且具有丰富的科技知识,在科技创新实践中发挥“桥梁”作用[16,19]。因此,本文基于基础科学对技术发明重要性的认知,关注双重创新明星对突破性发明的影响,致力于推进企业内部科技创新互动研究。

此外,当前研究主要关注明星发明人或明星科学家对技术创新的影响,缺乏对内在机制的探讨。发明人的科技知识具有隐性和粘性特征,只有通过面对面合作才能实现转移[20]。发明人同时组建或加入科技合作网络,通过双重合作网络进行跨层资源共享和知识创造。那么,应如何解释科技合作网络间的协作关系,该协作关系是否受双重创新明星的影响以及如何影响突破性发明?这些问题在现有文献中较少得到关注。本文通过构建发明人科技合作网络,采用网络重叠度衡量双元合作网络协作程度,重点探讨双重创新明星对突破性发明的影响。此外,突破性发明需要更多异质性资源[3,21],因此有必要深入探讨合作伙伴异质性对焦点发明人创新的影响。在此基础上,本文进一步检验资源异质性和创新能力异质性在网络重叠与突破性发明之间的调节作用。

综上所述,本文基于网络重叠以及合作伙伴异质性交互视角,构建一个被调节的中介效应模型,挖掘双重创新明星影响突破性发明的作用机理和边界条件。以华为、Intel公司发表的论文和专利数据为样本,运用非平衡面板数据固定效应模型和非参数自助法(Nonparametric Bootstrap)进行实证研究,采用马尔可夫链蒙特卡洛法(MCMC)检验被调节的中介模型,对于丰富企业突破性技术创新理论、指导企业突破性创新实践具有重要意义。

1 研究假设

1.1 双重创新明星与突破性发明

双重创新明星是指在企业内部承担明星科学家和明星发明人双重身份的特殊发明人。现有文献利用论文和专利数据,根据创新产出和影响力指标界定明星科学家或明星发明人。如Hohberger[7]采用发明人专利累计被引频次识别明星和非明星发明人;Leone等[22]根据出版物数量识别明星科学家;Khanna[23]采用期刊影响因子和出版物加权被引频次识别明星科学家;Khanna[24]基于发明人专利数量和被引频次识别明星科学家。借鉴上述研究,本文将双重创新明星划分为4个维度:科学创新产出、科学影响力、技术创新产出、技术影响力,以样本均值为划分标准,四维指标数值均高于均值的发明人称为双重创新明星,识别过程如图1所示。

印记理论认为,个人工作经历能够塑造独特的认知能力,进而影响个体行为[25]。根据该理论,同时参与科学和技术创新实践的发明人必然会产生双重职业印记,其创新认知、知识和资源体现出科学和技术的双重属性,从而影响发明人的发明行为[26]。突破性技术创新是突破现有技术范式或技术轨道,建立在新科学知识基础上的创新,双重创新明星在突破性技术创新领域具有独特优势。

首先,在技术创新实践中,双重创新明星具有宽广坚实的自然科学基础知识,了解科技创新领域的最新发明和技术的商业化逻辑(王瑶等,2023)。这种扎实的知识基础不仅使双重创新明星能够较为准确地认识科技变革方向,确定企业技术研发方向,提高创新资源投入效率,而且有利于将新的科学原理应用于技术发明活动,提出新技术解决方案,创造出更多突破性发明。其次,双重创新明星比一般发明人更能跨越技术边界,创造新技术组合[14]。双重创新明星通过科学创新研究积累科学前沿知识,同时通过技术发明实践积累丰富的发明经验和独特的技术远见。因此,双重创新明星能够跨越行业边界整合科学和技术知识,提出超越现有技术边界的知识重组方案,从而产生更高价值的突破性发明。再次,双重创新明星拥有丰富的高影响力论文和专利成果,不仅能够充分将自己的科学发现编入专利技术,创造出更高经济价值的专利[18],而且还具有较强的知识累积能力[7]。因此,双重创新明星能够快速学习、吸收并传播其他明星科学家的创新思想,不断生成新的技术发明。据此,本文提出如下假设:

H1:双重创新明星正向影响突破性发明。

1.2 网络重叠与突破性发明

基于合作创新网络理论,合作创新网络有利于发明人整合外部资源,共同解决技术问题[26]。合作网络结构通过影响发明人获取外部知识的多样性和新颖性影响合作创新类型[27-28]。在开放式创新时代,无论是科学创新还是技术创新,合作创新网络对于提高创新效率都发挥重要作用。

网络重叠强调焦点发明人与合作伙伴开展双元合作,可用发明人科技合作网络相似性衡量。在探讨双重创新明星如何产生突破性发明时,首先应注意发明人的社会资本取决于与合作伙伴之间的依赖关系[29]。在合作创新实践中,为获取最新科技知识,发明人会同时存在于科技合作网络中。基于此,本研究重点关注发明人在科技领域的双元合作网络重叠度,即在科技合作网络中,发明人拥有共同合作伙伴的数量。当网络重叠度处于较低水平时,发明人科学合作网络和技术合作网络构成(网络规模、成员等)存在显著差异。由于科学和技术创新范式不同,科学知识很难被立即应用[9,19]。科学合作网络与技术合作网络差异会进一步放大科学和技术知识整合难度,降低科学和技术知识转移效率,阻碍突破性发明的产生。但随着网络重叠度增加,发明人在科学和技术领域的共同合作伙伴数量随之增多,科学和技术领域的互动会大大丰富双重创新明星与合作伙伴之间的协同合作,并积累合作经验。成功的双元合作经验能增强双重创新明星与合作伙伴之间的信任度和默契度[30],提升双重创新明星与网络合作伙伴知识分享意愿,缓解他们之间的合作摩擦,降低双重创新明星协调双元合作的关系成本[26]。此外,网络重叠度代表双重创新明星转移科学和技术知识的能力。网络重叠度越高,双重创新明星与合作伙伴间的科学和技术知识基础越相似,科技成果转化为突破性发明的可能性也就越大。

据此,本文提出如下假设:

H2:网络重叠正向影响突破性发明。

1.3 网络重叠的中介作用

双重创新明星具有明星科学家和明星发明人的双重角色特征,他们与科学和技术合作网络联系密切,处于两个网络交汇点。因此,双重创新明星有助于促进科学和技术网络重叠,双重创新明星网络重叠度高于其他发明人。

首先,双重创新明星不仅能够为合作伙伴提供丰富、有价值的科技创新资源,而且能够充分利用自身创新经验,积极引导合作伙伴跨越科学和技术边界进行知识搜索。例如,双重创新明星可作为中间人,促成科学合作伙伴与技术合作伙伴间的联合创新项目。其次,个体会将在技术上获得成功或声誉较高的同行视为重要参照群体[31-32]。因此,在创新互动过程中,双重创新明星的科技合作战略更容易被合作伙伴模仿,合作伙伴会以双重创新明星为中心,共同推进科学和技术创新合作,从而提高双重创新明星网络重叠度。最后,新网络关系往往受旧网络关系的影响[33],且网络参与者总是依附于网络中的高人气成员。双重创新明星具有涵盖科学和技术领域的关系资本,两者通过相互作用增强科技影响力。

如上所述,双重创新明星和网络重叠对突破性发明具有积极影响,而双重创新明星对网络重叠发挥积极作用。因此,从理论推导角度看,网络重叠在双重创新明星影响突破性发明过程中发挥传递作用。双重创新明星能够影响合作伙伴在科学与技术两个不同领域间的双元互动,从而更好地作用于突破性发明。据此,本文提出如下假设:

H3:网络重叠在双重创新明星与突破性发明之间发挥中介作用,双重创新明星有助于推动网络重叠,进而产生突破性发明。

1.4 技术合作伙伴异质性的调节作用

双重创新明星与技术合作伙伴间的资源异质性和创新能力异质性对于协同创新至关重要[34]。根据异质性理论,为避免网络惯性和创新思维固化,创新主体经常超越局部搜索范围,获取外部异质性资源[35-36]。

本文借鉴Wang &Yang[37]的研究,以发明人所在技术社群边界作为异质性划分标准,将异质性资源定义为发明人从其它技术社群获取的关系资本和技术知识。首先,双重创新明星通过与其他技术社群成员建立合作关系增加技术合作伙伴知识组合多样性,克服经验陷阱,并提供超出自身认知的突破性技术创新方案[3]。其次,双重创新明星通过技术合作伙伴间接获取其它技术社群的异质性资源[35-37],不仅能够丰富多样化技术基础,而且还能强化不同技术社群间的交叉创新过程。最后,从知识转移角度分析,资源异质性能带来资源互补性[38],有助于促进双重创新明星与技术合作伙伴之间的相互学习,进而提高知识重组绩效。据此,本文提出如下假设:

H4a:资源异质性正向调节网络重叠与突破性发明之间的正向关系。

创新能力异质性表征双重创新明星与技术合作伙伴之间的技术创新能力差异。创新能力异质性会强化网络重叠与突破性发明之间的正向关系。首先,创新能力异质性较小意味着双重创新明星与技术合作伙伴之间的技术创新能力相近。相似的创新能力有助于促进双重创新明星与技术合作伙伴之间的合作,减少双重创新明星遇到未知和意外知识的可能性[29]。此外,相似的创新能力有助于加强双重创新明星与技术合作伙伴之间的互动,使双重创新明星面临技术合作网络结构洞位置减少、关系冗余等问题。反之,当创新能力异质性处于较高水平时,双重创新明星与技术合作伙伴之间形成合作关系的可能性降低,其在技术合作网络中的桥接作用被强化,能够避免网络关系固化和知识冗余等问题[27]。其次,不同创新能力合作伙伴不仅能够提供互补性知识[34],而且还能提供多样化创新策略和思维方式,促使双重创新明星突破固有认知结构,从而对技术发明产生新的理解。最后,发明人合作产生冲突的可能性取决于有多少网络成员执行类似角色[39]。当创新能力异质性较高时,技术创新实践由少数高能力成员主导,能够避免网络成员因“势均力敌”而导致的合作摩擦与冲突。据此,本文提出如下假设:

H4b:创新能力异质性正向调节网络重叠与突破性发明之间的正向关系。

1.5 被调节的中介模型

由假设H1、H2、H3和H4a可知,网络重叠中介双重创新明星对突破性发明的影响,但这种中介作用受资源异质性的影响。具体而言,双重创新明星与技术合作伙伴间的资源异质性越高,双重创新明星通过网络重叠对突破性发明的影响作用就越大;反之,则越小。同理,由假设H1、H2、H3和H4b可知,网络重叠在双重创新明星与突破性发明之间的中介作用受创新能力异质性的影响。具体而言,双重创新明星与技术合作伙伴间的创新能力异质性越高,双重创新明星通过网络重叠对突破性发明的影响作用就越大;反之,则越小。据此,本文提出如下假设:

H5a:资源异质性正向调节网络重叠在双重创新明星与突破性发明间的中介作用,即资源异质性越高,网络重叠的中介作用越强。

H5b:创新能力异质性正向调节网络重叠在双重创新明星与突破性发明间的中介作用,即创新能力异质性越高,网络重叠的中介作用越强。

根据上述分析,本文构建理论模型,如图2所示。

2 研究设计

2.1 样本与数据

本研究以华为和Intel公司发明人为研究对象,这两家公司是中美两国具有代表性的创新型企业,拥有丰富的科学研究与发明成果,便于分析发明人科技合作网络协作程度。本文从Web of Science数据库与美国专利商标局(USPTO)分别收集华为和Intel公司2000—2022年发表的科学论文、专利数据。经数据清洗,获取华为公司论文10 305篇,专利31 472项,研发人员2 603名;Intel公司论文20 078篇,专利49 512项,研发人员4 396名。由于2000—2001年两家公司专利申请量较少,故以2002—2022年为样本观测期,采用5年移动时间窗,将其拆分为16个时期(2002—2006年、2001—2004年……),基于论文作者和专利申请人数据字段,利用Sci2 Tool软件分别构建两家公司内部科学与技术合作网络。

2.2 变量测度

(1)因变量:突破性发明(BI),采用发明人拥有的突破性专利数量及其对数值衡量。利用知识元素识别突破性专利,将2000—2001年作为初始阶段,利用4位IPC分类号表征知识元素,若一项专利至少包含一个过去从未出现过的知识元素,则该专利属于突破性专利。此外,本文采用滞后结构测量突破性发明,如自变量在2002—2006年被测量,那么因变量为2004—2008年发明人被授权的突破性专利数量及其对数值。

(2)自变量:双重创新明星(DIS),采用虚拟变量测度,双重创新明星赋值为1,反之为0。为识别双重创新明星,本研究采用论文发表与专利申请数量分别测量发明人科学和技术创新产出,采用论文与专利平均被引频次测度发明人在科学和技术领域的影响力。最终,识别出华为公司双重创新明星126人,Intel公司双重创新明星297人。图3(a)—3(d)为2010-2014年、2016-2020年华为和Intel公司的双重创新明星识别结果。

(3)中介变量:网络重叠(NO),通过对比发明人在科学和技术领域的合作网络成员获得,计算公式为:(Si∩Ti)/(Si∪Ti)。其中,Si表示发明人i拥有的科学合作伙伴集合,Ti表示发明人i拥有的技术合作伙伴集合,(Si∩Ti)表示发明人i在科学和技术领域的共同合作伙伴数量,(Si∪Ti)表示发明人i在科学和技术领域的所有合作者数量。

(4)调节变量:资源异质性(RH)和创新能力异质性(ICH)。参考刘娜等[35-36]、Gomez-Nunez[40]的研究,本文运用Pajek软件中的Louvain社群探测方法识别企业内部发明人技术社群。当发明人技术合作伙伴中至少有一位来自其它技术社群时,则认为其具有资源异质性特性,对其赋值为1;反之,则赋值为0。此外,利用标准差和均值计算发明人与合作伙伴创新能力的离散系数,数值越高,说明发明人与直接合作伙伴之间的创新能力异质性越高。如公式(1)所示,IHi表示焦点发明人i的创新能力异质性,分别表示焦点发明人i与所有合作伙伴创新能力的均值和标准差。

(1)

为控制其它因素对突破性发明的影响,本文设置如下控制变量:①专利存量(Patent stock),采用发明人过去获得的所有专利数量的总和测度;②科学合作多样性(Scientific collaborations),采用发明人科学合作伙伴数量测度;③考虑到技术合作网络结构的影响,加入度中心性(Degree)、接近中心性(Closeness)和结构洞(Structural holes)等网络指标。

2.3 模型设定

为检验双重创新明星、网络重叠对突破性发明的影响机制,本文借鉴温忠麟和叶宝娟[41]有调节的中介模型检验方法,构建式(2)—(7)所示面板模型。利用式(2)检验双重创新明星与突破性发明之间的关系,验证假设H1;利用式(3)检验网络重叠对突破性发明的影响,验证假设H2;利用式(7)检验双重创新明星对网络重叠的影响,结合式(2)、式(3)、式(7)验证假设H3;利用式(4)检验资源异质性是否以及如何调节网络重叠与突破性发明之间的关系,验证假设H4a;利用式(5)检验创新能力异质性是否以及如何调节网络重叠与突破性发明之间的关系,验证假设H4b;式(6)为全模型,包含自变量、中介变量、调节变量和控制变量。结合式(2)-(7)验证假设H5a和H5b。其中,βi为相关系数;Controls为控制变量;μi、φt分别表示发明人个体固定效应和年份固定效应;εit为随机扰动项。

BIit=β0+β1DISit+β2Controlsit+φt+μi+εit

(2)

BIit=β0+β1NOit+β2Controlsit+φt+μi+εit

(3)

BIit=β0+β1NOit+β2RHit+β3NOit×RHit+β4Controlsit+φt+μi+εit

(4)

BIit=β0+β1NOit+β2ICHit+β3NOit×ICHit+β4Controlsit+φt+μi+εit

(5)

BIit=β0+β1DISit+β2NOit+β3RHit+β4ICHit+β5NOit×RHit+β5NOit×ICHit+β2Controlsit+φt+μi+εit

(6)

NOit=β0+β1DISit+β2Controlsit+φt+μi+εit

(7)

2.4 模型估计

本文因变量采用突破性专利申请数量及其对数值测度。由于专利数量为非负整数,使用OLS模型容易产生偏差或无效估计,因此当因变量取值为专利数量时,选择负二项模型;当因变量取值为专利申请量的对数值时,选择OLS回归模型。此外,由于中介变量为0～1的连续变量,所以第一阶段选择Tobit模型和OLS回归模型验证被调节中介模型。根据Vuong检验和Hausman检验结果(Vuong值|V|<1.96;Hausman P<0.01),使用非平衡面板数据固定效应OLS模型和标准负二项模型。此外,为获取更精准的参数估计结果,本文采用非参数自助法,借助Stata17.0进行2 000次随机抽样对样本进行回归分析。进一步,为验证回归结果的稳健性,本文运用马尔可夫链蒙特卡洛方法(MCMC)进行动态抽样20 000次,采用蒙特卡洛积分构建置信区间检验被调节中介效应的显著性。

3 研究结果

3.1 描述性统计分析

表1、表2为华为和Intel样本描述性统计结果。由表1和表2可知,各变量间相关系数均小于0.7,且所有方差膨胀因子(VIF)值都低于10,说明变量间不存在严重的多重共线性问题,满足研究需要。

3.2 回归分析

表3、表4为华为和Intel公司的回归结果,其中模型1-模型6、模型7-模型12为突破性发明的负二项回归及OLS回归结果,模型13和模型14为网络重叠的Tobit回归和OLS回归结果。模型2、模型8双重创新明星系数与预期一致且在统计意义上显著(表3:β=0.167,p<0.01;β=0.099,p<0.01;表4:β=0.251,p<0.01;β=0.155,p<0.01)。因此,在不考虑中介效应前提下,假设H1成立。模型3、模型9结果表明,网络重叠对突破性发明的影响系数显著为正(表3:β=0.841,p<0.01;β=0.263,p<0.05;表4:β=1.040,p<0.01;β=0.285,p<0.01),假设H2成立。

本研究采用逐步回归法验证网络重叠的中介作用。表3、表4模型13和模型14表明双重创新明星对网络重叠具有显著正向影响(表3:β=0.025,p<0.05;β=0.017,p<0.01;表4:β=0.055,p<0.01;β=0.033,p<0.01),故假设H3得到验证。

上述检验结果表明,网络重叠对突破性发明具有显著正向影响。表3中,网络重叠与资源异质性交互项系数虽然在模型4中正向不显著,但在模型6、模型10和模型12中正向显著(β=0.787,p<0.01;β=0.267,p<0.05;β=0.331,p<0.01)。表4中,模型4和模型10中网络重叠与资源异质性交互项系数均显著为正(β=0.630,p<0.05;β=0.390,p<0.01),且与模型6和模型12结果一致,因此假设H4a成立。由表3模型5和模型11可知,网络重叠与创新能力异质性交互项系数不显著,表4模型5和模型11网络与创新能力异质性交互项系数正向显著(β=0.024,p<0.05;β=0.019,p<0.1),因此假设H4b仅对Intel公司成立。主要原因在于:华为公司虽然近年来专利申请量迅速增长,但由于起步较晚,研发团队需要更多高质量创新人才。而Intel公司长期专注于半导体芯片研发,在半导体领域取得众多突破性技术创新成果,具有广博的科技知识基础,能够缓解创新能力异质性带来的不确定性和潜在风险,充分利用多样性成员互补优势,实现创新收益最大化。因此,对Intel公司而言,创新能力异质性能够优化研发团队合作网络结构,促进研发团队多元化发展,从而激励发明人的突破性发明。

综上,由于假设H1、H2、H3、H4a均得到验证,H4b得到Intel数据支持,因此假设H5a成立,假设H5b仅对Intel公司成立。

3.3 稳健性检验

本文采用马尔可夫链蒙特卡洛方法(MCMC)进一步验证双重创新明星通过网络重叠影响突破性发明这一间接效应如何随合作伙伴异质性(资源异质性和创新能力异质性)变化而变化。

表5为双重创新明星和网络重叠影响突破性发明的直接效应检验结果,表6为双重创新明星通过网络重叠影响突破性发明的间接效应检验结果。如表5所示,双重创新明星影响突破性发明的直接效应显著(华为:直接效应系数为0.572,置信区间CI为[0.406,0.742];Intel:直接效应系数为0.633,置信区间CI介于[0.489,0.778]之间);网络重叠影响突破性发明的直接效应也是正向显著(华为:直接效应系数为1.499,置信区间CI介于[1.207,1.795]之间;Intel:直接效应系数为1.015,置信区间CI介于[0.762,1.270]之间)。因此,假设H1和H2得到验证。表6结果表明,双重创新明星通过网络重叠影响突破性发明的间接效应显著(华为:间接效应系数为0.037,置信区间CI介于[0.020,0.057]之间;Intel:间接效应=0.017,置信区间CI介于[0.009,0.026]之间)。因此,假设H3成立。

表7为第二阶段调节效应稳健性检验结果。从中可见,华为公司资源异质性对网络重叠与突破性发明关系的调节效应系数为1.220,置信区间CI介于[0.587,1.845]之间; Intel公司资源异质性调节效应系数为1.839,置信区间CI介于[1.273,2.401]之间。图4(a)和4(b)呈现了华为、Intel公司资源异质性在高(M+1SD)、低(M-1SD)取值时网络重叠与突破性发明之间的关系。从中可见,华为公司创新能力异质性调节效应不显著(调节效应系数为-0.010,置信区间CI介于[-0.031,0.011]之间);Intel公司创新能力异质性调节效应系数为0.073,置信区间CI介于[0.054,0.091]之间。图4(c)呈现了Intel公司创新能力异质性在高(M+1SD)、低(M-1SD)水平时网络重叠与突破性发明之间的关系。综上,假设H4a得到验证,假设H4b得到Intel样本支持。

进一步,验证资源异质性和创新能力异质性调节中介效应的显著性,结果如表8所示。从中可见,当资源异质性处于高低水平时,双重创新明星通过网络重叠影响突破性发明的间接效应差异显著(华为:组间差值系数为0.059,置信区间CI介于[0.024,0.108]之间;Intel:组间差值系数为0.064,置信区间CI介于[0.034,0.104]之间),说明随着资源异质性增加,这一间接效应增强。当创新能力异质性取高低值时,华为公司网络重叠的中介作用变化不显著(华为:组间差值系数为0.000,置信区间CI介于[-0.002,0.001]之间);Intel公司网络重叠的中介作用变化显著(华为:组间差值系数为0.003,置信区间CI介于[0.001,0.004]之间),因此假设H5a得到验证,假设H5b仅在Intel公司成立。

4 结论与讨论

4.1 研究结论

本文基于2000-2022年华为、Intel公司专利和论文数据,通过探索双重创新明星对突破性发明作用的过程机制和边界条件,得出如下结论:第一,双重创新明星能够积极影响突破性发明。第二,网络重叠正向影响突破性发明。第三,网络重叠在双重创新明星与突破性发明之间发挥中介作用,且这种中介作用对于资源异质性较高的发明人更加显著。此外,在Intel公司,创新能力异质性积极影响双重创新明星通过网络重叠对突破性发明的间接效应。

4.2 理论贡献

本研究理论贡献如下:第一,借鉴印记理论,从科技创新视角出发,考察双重创新明星对突破性发明的影响,弥补了以往研究对双重创新明星关注的不足,丰富和拓展了突破性创新研究。第二,探讨网络重叠的中介作用,增加了对网络重叠前因及后果的分析,打开了双重创新明星影响突破性发明的“黑箱”。第三,引入资源异质性和创新能力异质性作为调节变量,厘清双重创新明星通过网络重叠影响突破性发明的情境因素,丰富和完善了双重创新明星功能机制研究。

4.3 管理启示

本研究提出如下管理启示:首先,双重创新明星是企业内部转移、整合科技知识的重要媒介,能够积极影响突破性发明的产生。因此,管理者应支持双重创新明星主持专利发明活动,促进科学知识向突破性发明转移。同时,管理者应主动挖掘具有创新潜能的明星科学家和明星发明人,帮助其向双重创新明星转化。其次,发明人应与合作伙伴建立跨界合作关系,在维持现有技术合作的同时,将合作关系进一步拓展至科研领域,通过双元合作网络促进科技知识交流和整合,从而实现突破性发明。再次,只有当发明人与技术合作伙伴间的资源异质性较高时,发明人才能通过技术合作伙伴获取多样化互补性资源,合作网络才能真正发挥作用。因此,发明人在选择技术合作伙伴时应将技术背景作为重要考虑因素,避免合作网络中出现知识同质化现象。

4.4 不足与展望

本文存在以下不足:第一,仅选取华为和Intel公司发明人进行研究,未来应选取其他个人、组织或产业对本文观点进行验证。第二,使用论文和专利作为代表性科技创新成果,未考虑发明人拥有的其它创新成果,未来应补充其它创新数据,探索双重创新明星其它测量维度。第三,对于创新能力异质性的调节作用,本文得出不一样的结论。创新能力异质性可能还受组织文化、特定资源等其它权变因素的影响,未来应对此进行深入研究,以得出更具普适性的结论。

参考文献：

[1] CAPPONI G, MARTINELLI A, NUVOLARI A. Breakthrough innovations and where to find them[J]. Research Policy, 2022, 51(1): 104376.

[2] 邵云飞, 谢丽. 网络结构嵌入对企业突破性创新绩效的影响——以生物医药上市企业为例[J]. 科技进步与对策, 2023, 40(18): 72-79.

[3] 王伦, 林润辉. 研发伙伴组合多样性对突破式创新的影响研究——企业内外部环境因素的调节作用[J]. 软科学, 2023: 37(10): 32-38.

[4] COHEN S K,CANER T.Converting inventions into breakthrough innovations: the role of exploitation and alliance network knowledge heterogeneity[J]. Journal of Engineering and Technology Management, 2016, 40: 29-44.

[5] ZHOU W, GU X, YANG X. The impact of knowledge search balance on the generality and specificity of breakthrough innovation[J]. Technology Analysis &Strategic Management, 2022, 34(11): 1310-1325.

[6] BEAUDRY C, SCHIFFAUEROVA A. Impacts of collaboration and network indicators on patent quality: the case of Canadian nanotechnology innovation[J]. European Management Journal, 2011, 29(5): 362-376.

[7] HOHBERGER J. Does it pay to stand on the shoulders of giants? an analysis of the inventions of star inventors in the biotechnology sector[J]. Research Policy, 2016, 45(3): 682-698.

[8] 荣雪云, 杨中楷, 刘娜. 发明人角色识别及二元创新能力差异分析——社会资本视角的解释[J]. 科技进步与对策, 2020, 37(19): 1-8.

[9] DU J, LI P, GUO Q, et al. Measuring the knowledge translation and convergence in pharmaceutical innovation by funding-science-technology-innovation linkages analysis[J]. Journal of Informetrics, 2019, 13(1): 132-148.

[10] CHOI J U, LEE C Y. The differential effects of basic research on firm R&D productivity: the conditioning role of technological diversification[J]. Technovation, 2022, 118: 102559.

[11] 柳卸林. 大企业如何通过基础研究实现突破性创新[J]. 人民论坛·学术前沿, 2023, 12(9): 44-51.

[12] FLEMING L, SORENSON O. Science as a map in technological search[J]. Strategic Management Journal, 2004, 25(8-9): 909-928.

[13] FURUKAWA R, GOTO A. The role of corporate scientists in innovation[J]. Research Policy, 2006, 35(1): 24-36.

[14] GRUBER M, HARHOFF D, HOISL K. Knowledge recombination across technological boundaries: scientists vs. engineers[J]. Management Science, 2013, 59(4): 837-851.

[15] 李从刚, 许荣, 路璐, 等. 明星科学家在创新活动中的作用:一个文献综述[J]. 科技进步与对策, 2019, 36(21): 155-160.

[16] BABA Y, SHICHIJO N, SEDITA S R. How do collaborations with universities affect firms′ innovative performance? the role of "Pasteur scientists" in the advanced materials field[J]. Research Policy, 2009, 38(5): 756-764.

[17] ARDITO L, NATALICCHIO A, APPIO F P, et al. The role of scientific knowledge within inventing teams and the moderating effects of team internationalization and team experience: empirical tests into the aerospace sector[J]. Journal of Business Research, 2021, 128: 701-710.

[18] COLEN L, BELDERBOS R, KELCHTERMANS S, et al. Reaching for the stars: when does basic research collaboration between firms and academic star scientists benefit firm invention performance[J]. Journal of Product Innovation Management, 2022, 39(2): 222-264.

[19] GITTELMAN M, KOGUT B. Does good science lead to valuable knowledge? biotechnology firms and the evolutionary logic of citation patterns[J]. Management Science, 2003, 49(4): 366-382.

[20] MAURSETH P B, SVENSSON R. The importance of tacit knowledge: dynamic inventor activity in the commercialization phase[J]. SSRN Electronic Journal, 2020, 49(7): 104012.

[21] 毕静煜, 谢恩, 魏海笑. 联盟伙伴技术多样性对企业突破性创新的影响——研发联盟组合特征的调节作用[J]. 研究与发展管理, 2021, 33(2): 41-52.

[22] LEONE M I, PETRUZZELLI A M, NATALICCHIO A. Boundary spanning through external technology acquisition: the moderating role of star scientists and upstream alliances[J]. Technovation, 2022, 116: 102496.

[23] KHANNA R. Aftermath of a tragedy: A star′s death and coauthors′ subsequent productivity[J]. Research Policy, 2021, 50(2): 104159.

[24] KHANNA R.Passing the torch of knowledge:star death, collaborative ties, and knowledge creation[J]. Research Policy, 2023, 52(1): 104649.

[25] ROCHE M P, CONTI A, ROTHAERMEL F T. Different founders, different venture outcomes: a comparative analysis of academic and non-academic startups[J]. Research Policy, 2020, 49(10): 104062.

[26] 毛荐其, 嵇金星, 刘娜, 等. 发明者网络嵌入、稳定性与创新绩效的关系研究[J]. 科学决策, 2021, 28(3): 1-17.

[27] ZANG J. Structural holes, exploratory innovation and exploitative innovation[J]. Management Decision, 2018, 56(8): 1682-1695.

[28] ZHANG Z,LUO T.Knowledge structure, network structure, exploitative and exploratory innovations[J]. Technology Analysis &Strategic Management, 2020, 32(6): 666-682.

[29] YAN Y, GUAN J C. Social capital, exploitative and exploratory innovations: the mediating roles of ego-network dynamics[J]. Technological Forecasting and Social Change, 2018, 126: 244-258.

[30] INKPEN A C, CURRALL S C. The coevolution of trust, control, and learning in joint ventures[J]. Organization Science, 2004, 15(5): 586-599.

[31] MIAO Y Z, SALOMON R M, SONG J. Learning from technologically successful peers: the convergence of asian laggards to the technology frontier[J]. Organization Science, 2021, 32(1): 210-232.

[32] HENRICH J, CHUDEK M, BOYD R. The big man mechanism: how prestige fosters cooperation and creates prosocial leaders[J]. Philosophical Transactions of The Royal Society B-Biological Sciences, 2015, 370 (1683): 20150013.

[33] HEWITT-DUNDAS N, GKYPALI A, ROPER S. Does learning from prior collaboration help firms to overcome the 'two-worlds' paradox in university-business collaboration[J]. Research Policy, 2019, 48(5): 1310-1322.

[34] CORSARO D, CANTU C, TUNISINI A. Actors′ heterogeneity in innovation networks[J]. Industrial Marketing Management, 2012, 41(5): 780-789.

[35] 刘娜, 嵇金星, 毛荐其, 等. 发明者网络社群动态配置及对创新能力的影响[J]. 科研管理, 2021, 42(9): 44-51.

[36] 刘娜, 嵇金星, 毛荐其, 等. 发明者网络社群系统识别、结构动态及对创新绩效的影响——网络位置的双重调节作用[J]. 科技进步与对策, 2021, 38(3): 11-20.

[37] WANG J, YANG N. Dynamics of collaboration network community and exploratory innovation: the moderation of knowledge networks[J]. Scientometrics, 2019, 121(2): 1067-1084.

[38] SANTORO G, BRESCIANI S, PAPA A. Collaborative modes with cultural and creative industries and innovation performance: the moderating role of heterogeneous sources of knowledge and absorptive capacity[J]. Technovation, 2020, 92-93: 102040.

[39] BAUM J A C, CALABRESE T, SILVERMAN B S. Don′t go it alone: alliance network composition and startups′ performance in Canadian biotechnology[J]. Strategic Management Journal, 2000, 21(3): 267-294.

[40] GOMEZ-NUNEZ A J, BATAGELJ V, VARGAS-QUESADA B, et al. Optimizing scimago journal &country rank classification by community detection[J]. Journal of Informetrics, 2014, 8(2): 369-383.

[41] 温忠麟, 叶宝娟. 有调节的中介模型检验方法:竞争还是替补[J]. 心理学报, 2014, 46(5): 714-726.

(责任编辑：王敬敏)