Specifically,this study employs multi-source and heterogeneous data on collaborations and litigations.The sample focuses on listed companies in China's biopharmaceutical industry,with these companies serving as the focal enterprises.For the collaboration network,the study utilizes the enterprise supply chain network.Direct and indirect collaboration relationships among 306 biotechnology and pharmaceutical listed companies from 2018 to 2023 were collected through Python web scraping and text mining,totaling 2 485 collaboration ties.The litigation network data is derived from litigation relationships among enterprises.Leveraging the China Judgment Online database,this paper collects data on litigation opponents and opponents' opponents (A-B-C relationships) among these 306 enterprises from 2018 to 2023,totaling 3 020 litigation ties.Both positive and negative holistic networks beyond the individual network level are constructed,and both are directed and dynamic.By the temporal exponential random graph model (TERGM),the study analyzes the five endogenous structures of reciprocity,non-closed transitivity,activity,popularity and dyad-wise shared partner configurations in positive and negative networks,as well as the three attribute factors of the region of the enterprise,ownership rights structure and registered capital,and explores the dynamic mechanism of network evolution.The TERGM incorporates network characteristics at different time points into the analysis,overcoming the limitations of the static network analysis of ERGM and providing a better exploration of the dynamic mechanisms underlying network evolution.
The results show that enterprise networks exhibit the following characteristics:(1) reciprocity in the collaboration network and retaliation in the litigation network are reflected in "return a favor with a favor" behavior in the collaboration network and "eye-for-an-eye" behavior in the litigation network; (2) the evolution of positive and negative networks maintains a balance in the number of relationships,with enterprises choosing the optimal relationship scale; (3) the same-origin supplier and litigation alliances between enterprises play a significant role in network evolution; (4) in terms of exogenous attributes,firms in the same province are more inclined to establish network relationships,and the nature of ownership in collaboration networks is more heterogeneous,while the opposite effect occurs in negative networks.
The study introduces the perspective of negative ties in the evolution of high-tech industries and compares the evolution mechanisms of positive and negative networks based on the dual network embedding perspective.It further discusses the interaction between positive and negative dual networks,such as "from litigation to collaboration","promoting collaboration through litigation","replacing litigation with collaboration" and "replacing collaboration with litigation",and their practical significance.The findings provide significant insights into corporate strategies concerning positive and negative networks and enterprise management.
The marginal theoretical contributions of this study are as follows:First,it explores the significant impact of litigation,a less studied negative relationship,on corporate development.Second,by considering the dual embedding of both positive and negative networks,it provides a more comprehensive portrayal of organizational relational networks.Third,the inclusion of time variables in the analysis through TERGMs offers deeper insights into the dynamic mechanisms underlying the evolution of social networks.
开放科学(资源服务)标识码(OSID)：
合作与冲突是企业间关系的主要类型,企业间由此建立复杂的社会网络,网络战略在企业发展过程中占据重要地位。生物医药行业具有技术密集、创新迭代快、专利纠纷频发等特征。企业需要通过供应链合作加速技术转化,但会因知识产权保护面临高频诉讼风险[1]。据统计,2022年中国上市公司直接诉讼数量多达24 046件,其中知识产权诉讼共计3 300余件[2]。企业网络现状凸显企业嵌入正负双重网络的现实情境,从动态视角分析企业合作与诉讼网络,在企业网络演化中寻求复杂网络背后的规律性,对企业制定发展战略具有重要参考价值。在双重网络嵌入视角下,企业面临以下关键问题:一是合作与诉讼相互转化,如深度合作可能因利益冲突引发诉讼;二是资源分配冲突,诉讼成本可能挤占合作投入;三是网络动态平衡的挑战,过度依赖单一网络可能加剧风险。
现有网络研究虽已经具有坚实基础,但依然存在局限:首先,研究视角单一化,主要集中于对单一关系的深入探讨。鉴于社会情感或调研难度等,学界对负向关系的探索显著少于正向关系,且主要集中于个人层面[3]。就企业网络研究看,正向网络研究聚焦于协同创新领域,如合作关系、联盟网络等。新兴负向网络研究开始关注企业竞争与诉讼,但更多从单一网络视角展开,较少涉及两种关系同时嵌入的多重网络。其次,从研究方法上看,缺乏动态视角。现有网络形成机制研究更多对整体网络采用描述性分析,如通过密度、中心点度、聚集系数等指标配合可视化网络关系图描述组织网络演化。随着方法演进,作为针对网络演化建模的工具,指数随机图模型(Exponential Random Graph Models,ERGM)强调网络节点间的相互依赖性,能够更精确地预测网络动态复杂生成机制[4]。但ERGM只适用于截面数据,无法直接观测社会网络结构的动态特征。在ERGM的基础上,时序指数随机图模型(Temporal Exponential Random Graph Models,TERGM)能够分析不同时间节点的网络特征,可以更好地探索网络演化动力机制,弥补ERGM静态网络分析的不足[5]。但该模型大多用于分析组织正向网络,较少同时涉及正负向网络双重嵌入及其演化问题。
综上,本文以技术壁垒高、专利合作需求大、诉讼密集的生物医药企业作为样本,基于以上市公司为核心的供应链合作与诉讼这一多源异构数据,构建企业正负向网络动态追踪数据,利用时序指数随机图模型探究、比较组织间正负向网络演化的内生性结构与外生属性等动力机制,并为企业正负网络战略制定和管理提供建议。本文聚焦的核心问题如下:企业正负网络演化的内生结构动力与外生属性因素是什么?发挥的作用是否存在差异?如何用理论与现实逻辑解释企业正负网络演化及其差异性机制?这种正负双重网络嵌入是否存在相互影响?
本文边际理论贡献如下:首先,丰富负向网络研究内涵,拓展嵌入性理论在负向网络中的应用。诉讼既是宏观制度在微观个体层面的具体实践,也是法律制度施行的必经途径。诉讼对高科技企业发展具有重要影响,关键败诉甚至会导致企业破产。企业间复杂的诉讼关系超越了原告被告在法庭上的简单攻防,直接和间接诉讼关系构成企业嵌入的复杂负向网络,但现有文献对此网络研究较少[6],本研究揭示诉讼网络在企业中的战略性作用。其次,现有研究大多基于单一网络进行分析,但实践中企业同时嵌入不同类型且相互依存的网络中。本研究同时考虑企业正负关系的多重嵌入性,试图更全面地刻画组织关系网络,通过对正负网络演化机制的细致分析,揭示双重网络的差异性与互动性,总结正负网络互动的4种机制。最后,网络行动者间存在依赖关系,这违反了传统回归方法中的独立同分布假设,因而无法得出准确的估计结果。本研究运用TERGM展开分析,作为社会网络分析工具的前沿,该模型既能用于捕捉复杂网络的依赖性关系,也能观测社会网络结构随时间推移的变化[5],其统计结果能够更好地揭示企业网络演化机制。
嵌入性理论认为,企业经济行为嵌入所在社会结构中[7]。作为主要的经济行动者,企业也嵌入各类网络中。现有研究大多基于某一嵌入视角,分析单一类型正向网络结构、演化和动力机制,如供应链网络、董事网络或个人关系网络等。例如,管理者个人关系嵌入研究证实,社会资本的差序性结构有助于创业者获取创业资源,而网络关系嵌入发挥维持投资行业稳定与高速发展的作用[8]。
实践中,企业间关系类型复杂多样,网络嵌入表现出复杂性与多元性。学者们对企业网络嵌入的非单一性进行了探讨,认为其具有多重性(multiplexity)与多层性(multilayer)特征[9]。在研发制造等过程中,企业构建的多样性联盟、股东、连锁董事等关系是现代企业必要的组织网络基础,这些关系网络是复杂嵌入性的典型表现,共同推动组织复杂网络演化。
1.2.1 企业间正向关系
现有研究主要聚焦于组织间正向关系。企业间存在各种正式与非正式合作关系,如企业间供应网络、企业股东网络、董事网络,以及企业成员间的非正式人际关系网络等。科技发展进入协同创新阶段,企业间合作更具深入性与灵活性。相应地,网络也处于动态变化中。现有企业间网络研究可分为组织网络结构刻画和网络效应探索两个方面[6]。
企业间网络结构研究主要基于整体网视角展开:一是对复杂网络所代表的产业发展结构等进行描述,部分研究基于网络结构识别领先企业和核心—边缘结构,考虑企业间资源依赖关系[10]。二是分析企业合作网络空间维度,发现产业集群与跨区域甚至国际合作并存。因企业寻求产出网络、技术合作网络和劳动力网络优势,产业集群得以形成。例如,新兴技术企业会积极寻求与领先企业联盟以降低创新风险[11]。在政策支持与信息化、数字化发展背景下,跨区域合作逐渐走向普遍。国家战略指导下,区域合作网络为产业升级注入新活力,企业间积极开展跨国合作[12]。
在企业网络作用方面,首先,合作网络对企业创新能力具有显著提升作用,有利于推动企业转型与创新发展[13]。其次,企业间合作对生产要素流通速度、企业绩效具有显著提升作用[14]。也有研究指出,过度嵌入可能对企业造成损害。例如,姚艳红和龚榆[15]发现,企业知识网络结构洞负向影响探索式创新绩效,协同网络结构洞与利用式、探索式创新均存在负向关系。在不同联盟情境下,企业网络嵌入对技术创新产出具有差异化影响[16]。
1.2.2 企业间负向关系
负向关系(negative ties)也称消极关系,代表社会行动者间的冲突、斗争、竞争等行为。从图论看,网络中的边具有正负符号,对符号网络和负向关系的关注发轫于个人网络研究,如个人间的喜好厌恶等[17]。将适用于正向关系的网络理论或网络现象映射到负向关系中进行检验与研究,构成当下负向关系网络研究进路[3]。
诉讼是企业间典型的负向关系,对于企业而言,诉讼是普遍的和重要的。现有关于企业诉讼的研究较少,主要集中于专利侵权领域,鲜少使用社会网络理论和方法。国内相关研究一般将诉讼企业分为专利海盗(Patent trolls)、专利巨头、专利标靶、专利新人4类[18]。其中,专利海盗是指经常起诉其它企业且自己不常被诉的“流氓”企业,部分学者将其称为“专利蟑螂”[19];专利巨头是指被诉和起诉关系较多的巨头企业;专利标靶是经常被诉但较少起诉其它企业的“受害者”;专利新人则是刚进入市场的新企业。有学者以LED企业多年专利诉讼案件为实证材料,发现这种结构性分类方法能够有效识别企业诉讼角色[20]。然而,这一研究进路忽略了企业嵌入于复杂的诉讼关系中,无法完整勾勒出诉讼对手之间的结构以及间接诉讼关系。
相比于正向关系,负向关系对企业的影响可能更重要。陷入专利诉讼的企业会因法律风险限制自身创新行为。例如,在诉讼频繁发生的环境中,企业被迫将更多资源用于法律活动,而诉讼成本增加会对创新投入与能力产生较大负面影响,甚至导致企业破产[19,21]。
综上,现有组织嵌入性研究大多聚焦于正向网络,对企业负向网络的研究尚处于萌芽阶段。当前,以企业诉讼为代表的负向关系研究基于专利诉讼角度分析企业专利战略,较少基于企业负向网络嵌入视角进行研究,忽视了网络嵌入的复杂性。在实践中,企业同时嵌入于正负网络中,在厘清企业网络演化机制的前提下,有必要进一步分析正负网络间互动。因此,无论从理论层面上还是从管理实践层面上,分析正负网络嵌入结构及其演化都具有重要意义。
现有组织网络演化研究主要运用社会网络分析方法对网络节点数的总体增长趋势以及各关键时间点上各类网络指标进行统计对比(如网络密度、网络中心度、聚集系数等),呈现统计数据与可视化图像并对其进行说明,通过描述网络数据反映特定时段网络特征。部分学者注重对网络演化模型的构建,旨在解释网络生长及演化动力机制,并尝试预测网络演变趋势[22]。然而,这些研究思路均难以分析更为复杂的网络演化内生机制。
随着方法的完善,ERGM对网络关系出现概率具有较强的解释力。作为针对网络边建模的工具,它具有模型拟合优势,能够通过网络采样方法解决传统回归模型无法测度结构效应的问题[23]。ERGM强调网络节点间的互相依赖,并兼顾网络内生结构与外生因素,通过基于马尔科夫链的建模,借助估计、诊断、模拟、对比等步骤最大程度地实现对网络动力机制的探索[4]。
ERGM是研究截面网络的模型,无法观测网络动态特征。为解决这一问题,Hanneke等[5]提出时序指数随机图模型(TERGM)。该模型在ERGM的基础上加入时间维度,考虑不同时间节点间网络演化的相关性,可用于观测网络动态变化。
TERGM模型在网络演化研究中逐渐得到应用,主要用于分析正向网络。该模型在跨国贸易与跨区域贸易网络研究中应用较多,主要涉及新能源产品贸易、农产品贸易、数字贸易等[24]。在个体网层面,Petr等[25]研究了社区干预对不同社区网络演变的差异化影响。相较而言,该模型在企业网络方面应用较少。近年来,有少数学者转向负向关系,如Andrea等[26]利用TERGM预测国家间敌意程度对冲突关系的影响;Graif等[27]对犯罪与社区隔离间关系进行TERGM分析。
TERGM模型能够分析企业网络演化中的内生结构机制。网络互惠效应、非闭合传递效应、扩张效应与聚敛效应是较常见的基本内生性结构机制,二元组共享伙伴则是高阶内生结构机制[4]。
(1)互惠效应(Reciprocity)表现为企业间互相指向。作为经济学的一个基本假设,互惠偏好认为企业经济合作并不完全遵从“理性经济人”前提,而是存在以德报德、以怨报怨的策略[28]。在组织正向合作网络中,基于资源、知识、人才交换的互惠关系是网络关系构建基础,能够提升创新绩效与产品质量[8]。由此,企业更多选择基于互惠合作优势,在供应链中构建稳定的双向采购关系,如原料药采购互惠。在负向网络中,则表现为企业专利侵权等以牙还牙的博弈行为。技术合作与技术研发也可能诱发专利纠纷,为降低诉讼的负面影响,企业间形成“以诉制诉”的制衡循环。例如,2018年腾讯与今日头条互诉索赔[29]。据此,本文提出以下假设:
H1:网络演化过程中,企业倾向于形成合作互惠与对抗互诉,即通过双向供应降低技术泄露风险,并通过互诉策略制衡竞争对手。
(2)非闭合传递效应(Non-closed transitivity)表现为两个企业间的关系通过第三个企业传递。在企业合作关系中,现代化供应链体系契合这一构局,市场分工日渐细化,供应链链条上各主体优势互补,形成规模效应[11],如原料药生产、制剂加工和产品包装的供应链一体化。在企业诉讼网络中,则表现为连锁诉讼。在我国法律体系中,存在保险责任中的第三人法律设置,保险人享有保险代位求偿权和清偿代位权[30]。此时,保险人、被保险人与第三方当事人形成法律责任上的链式关系。此外,连带责任认定也会形成此链式关系,《中华人民共和国民法典》规定实际承担债务超出自己实际份额的连带债务人,有权就超出部分向其他连带债务人追偿其未履行的份额。此时,债权人与其他连带债务人之间构成链式关系[31]。在高科技产业中,这类链式关系可能导致网络涌现。由此,本文提出以下假设:
H2:网络演化过程中,企业大多通过构建完整的产业链协作关系提升效率,也倾向于传导与转嫁法律风险,即在合作网络中形成链式供应关系,在诉讼网络中形成链式诉讼关系。
(3)扩张效应(Activity)一般体现为出星构局,企业将关系指向许多其它企业,这意味着网络中企业连接数量存在差异。在正向网络中,表现为领先企业或规模较大企业占据明星(star)地位[4]。此种情况下,某一企业供应许多其它企业,下游企业对上游企业的依赖性较强,上游企业由此获得更强的议价能力[32]。在高科技产业中,技术产品上游原料的技术含量、进入门槛较高,如生物医药产业对原料药(如mRNA疫苗脂质体)要求较高,因而存在数个大供应商。在诉讼网络中,为避免新的挑战者,有企业会同时对多个竞争对手提起诉讼。随着知识产权保护力度加大,企业间专利诉讼案件频发,被侵权的企业发起诉讼维护自身知识产权是网络扩张性结构的典型表现,如针对仿制药企的侵权诉讼。此外,“专利蟑螂”企业通过恶意诉讼的谋利行为也表现为网络中的扩张性[19]。因此,本文提出以下假设:
H3:网络演化过程中,企业倾向于通过向多家下游企业集中供应核心原料药扩大自身市场影响力,并通过多目标诉讼维护竞争优势。
(4)聚敛效应(Popularity)是一种入星构局,表示多个企业将关系指向同一企业。随着市场对企业创新能力的要求不断提高,寻求更广泛的供应链伙伴成为企业创新、降低生产成本的有效路径[33]。在合作网络构建过程中,采购多个上游供应商产品并进行整合,增强焦点企业议价能力(Bargaining Power)是产业中较为常见的现象[32]。在生物技术产业中,大药厂资源较多,会同时与多个专业技术公司合作,开发多条新药管线以降低创新风险,避免技术“卡脖子”。此外,复杂创新产品涉及不同零部件和原料,经常会出现多个供应商[34],也会表现出聚敛性结构,例如疫苗企业分源采购疫苗佐剂与稳定剂。在负向关系方面,随着制度完善,诉讼案件数量不断增多,企业间存在广泛的诉讼关系,出现诉讼爆炸现象[2],同一家企业面临的诉讼风险增大。对同一家企业进行焦点诉讼既可能是维权的手段,也是倒逼被诉企业专利授权的战略,如多家药企共同起诉专利侵权方。因此,本文提出以下假设:
H4:在网络演化过程中,企业倾向于通过多元化供应链降低供应风险,并通过焦点诉讼增强维权效力、降低诉讼成本。
(5)二元组共享伙伴(Dyadwise Shared Partners,DSP)是高阶构局机制之一,是指两个企业同时连接多个其它企业[4]。高科技产业中供应链较为复杂,生物技术产业中存在普遍的技术源企业或互补技术构局。因为供应结构对等,两个企业可能形成激烈的竞争关系[35]。对于互补技术的需求,导致技术持有者共同供应特定企业。如Intel和AMD同时给多个整机厂商供应芯片,又如CAR-T疗法的专利交叉授权。同样,技术源企业会给不同生产厂商供应同样技术,下游多家企业对技术、资源和知识的共同依赖导致单一企业同时供应多对竞争对手。在诉讼中,侵权或违约行为有时针对企业联盟。此时,合作伙伴会共同起诉多个违约方或侵权人,导致双方共享被告,如联合应对“专利蟑螂”的恶意诉讼。相反,若联盟或合作关系导致共同违约,则双方会同时作为被告被起诉。综上,本文提出以下假设:
H5:在网络演化过程中,企业倾向于通过技术共享加速创新,并通过构建诉讼同盟降低法律风险。
本文使用多源异构的合作与诉讼数据,聚焦于我国生物医药产业中的上市公司,将其作为焦点企业。原因如下:首先,中国是全球第二大生物医药市场[36],生物医药产业创新活动频繁且产业迭代速度较快,是研究正负网络嵌入与演化的典型。其次,以生物医药上市公司作为焦点企业,供应链与诉讼数据公开透明且具有可得性,上市公司信息披露完整,便于追踪动态网络。作为全球市场规模第二的中国生物医药行业,现有企业网络相关研究大多围绕其展开[37]。
合作网络使用企业供应链网络,本文通过Python爬虫和文本挖掘,基于企业年报、招股书、招投标公告、供应商公告等收集2018—2023年306家生物技术和医药上市企业合作关系相关数据,总计得到2 485条合作关系。企业诉讼网络数据来自企业间诉讼关系,本文基于中国裁判文书网数据库收集2018—2023年306家企业诉讼对手以及对手的对手相关数据(A-B-C关系),总计得到3 020条诉讼关系。
两个网络均包含所有焦点上市公司直接与间接合作关系和诉讼关系,在此基础上,构建超越个体网的整体网络。正负网络均为有向动态网络,并标有每年的时间戳。本文使用R语言中的“statnet”程序包进行TERGM估计。
对于企业网络演化而言,两个组织间关系会受到组织与其它组织关系结构的影响。传统回归模型建立在网络边独立性的前提下,无法观测网络内生结构。ERGM具有独特优势,强调网络间依赖性,不要求样本满足独立同分布假设,能够将内生结构依赖作为统计量的基础。因此,该模型可以通过微观层面内生性结构变量特征解释宏观层面网络涌现的动力机制[23]。ERGM建模过程同样具有方法优势,能够通过生成网络随机图拟合网络生成过程,根据仿真过程及参数估计推断相应构局对网络形成的作用,并提供网络诊断与拟合优度检验途径[4]。
本文使用时序指数随机图模型(TERGM)对假设进行检验。TERGM在兼顾ERGM拟合优势的同时,进一步将时间维度纳入模型,能够分析网络演化的纵向特征[5]。TERGM估计模型如下:
(1)
其中,式(1)左边是网络构局变量y在模拟随机网络中出现的概率函数,t为时序变量,θ为估计系数;y是网络结构变量,如互惠性构局、简单2路径等;x表示企业外生属性变量;z为相应的统计量。由于网络节点数量较多,本文采用伪极大似然估计(MPLE)作为参数估计方法。赤池信息量准则(AIC)与贝叶斯信息准则(BIC)作为判断整个模型拟合优度的指标,指标数值越小,模型拟合程度越高,表明模拟网络越接近真实网络。
本文聚焦正负网络演化的5种内生结构动力机制(互惠性、非闭合传递性、扩张性、聚敛性、二元组共享节点)与3种产业机制(所属地区、产权性质和注册资本),结构变量如表1所示。在5种内生结构中,使用11种网络构局进行估计,其中,互惠机制代表正向网络中的双向供应与诉讼网络中的互诉博弈;非闭合传递机制表示正向网络中的链式供应形态与诉讼网络中的链式诉讼;扩张性机制表示正向网络中的多客户供应与诉讼网络中的多目标诉讼;聚敛性机制表示正向网络中的多源采购与负向网络中的焦点诉讼;二元共享伙伴机制表示正向网络中共享上游产业技术与负向网络中的诉讼同盟。在ERGM估计中,如果将代表同种类型的不同网络构局纳入同一模型,会导致模型退化而无法收敛。因此,除基础模型外,构建网络内生结构模型与属性变量模型,每个模型均包含可验证的网络机制。
表1 网络构局选择及其释义
Table 1 Network configurations selection and interpretation
变量符号变量名称示意统计及实践意义假设及含义Edges弧网络中的有向边,通常为负基准构局Mutual互惠性网络互惠性双向采购/互诉博弈假设H1Twopath简单2路径网络非闭合传递性链式供应/链式诉讼假设H2GwdspOTP共享伙伴2路径Ostar(2)出-2星Ostar(3)出-3星网络扩张性(一对多)多客户供应/多目标诉讼假设H3Gwodegree几何加权出度Istar(2)入-2星Istar(3)入-3星网络聚敛性(多对一)多源采购/焦点诉讼假设H4Gwidegree几何加权入度DspOSP共享伙伴扩张性网络其它高阶构局同源供应/诉讼同盟假设H5DspISP共享伙伴聚敛性Province所属地区分类变量(省份)外生属性Ownership产权性质无分类变量(国企/非国企)RegisteredCapital注册资本连续变量(以万元为单位)
表2是合作网络TERGM估计结果。
表2 2018—2023年合作网络TERGM分析结果
Table 2 TERGM results of the 2018-2023 collaboration network
变量模型1模型2模型3模型4模型5模型6弧-9.180***-9.737***-9.513***-4.776***-4.534***-9.102***(0.023)(0.030)(0.003)(1.138)(0.052)(0.044)互惠性7.817***8.044***7.744***7.915***(0.082)(0.008)(0.084)(0.090)简单2路径-0.015**-0.016***(0.005)(0.004)出-2星0.334***(0.012)入-2星0.092***(0.001)出-3星0.061***(0.002)入-3星0.002***(0.000)共享伙伴2路径-0.017***(0.005)几何加权出度-4.762***(1.176)几何加权入度-6.101***(0.067)共享伙伴扩张性1.226***(0.044)共享伙伴聚敛性0.609***(0.105)所属地区1.665***(0.053)产权性质-0.413***(0.051)注册资本-0.001(0.000)AIC373622876330805315302488436505BIC373772883730879316332495836564
注:*、**、***分别表示p<0.05、p<0.01、p<0.001,括号内为标准误,下同
(1)在所有模型中,互惠性构局系数均显著为正。由此表明,在网络演化中,不同企业倾向于互为供应商,假设H1得到支持。在建立长期合作的信任程度较高企业间,尤其在医药产业中,互相供应既可以增进合作双方对彼此产品质量的信任,也是降低交易成本的途径之一。
(2)“简单2路径”系数均显著为负,证明链式供应网络并非生物医药企业战略选择,这与假设H2相反。医药产业对产品质量要求较高,原材料的可替代性较低。为避免恶性竞争导致生产停滞,医药产业致力于开发内部产业链,实现生产一体化,这可能导致单向产业链结构不显著。
(3)扩张性结构系数由模型2、模型3中的正值转为模型4中的负值,由此验证了假设H3,即在网络演化过程中,企业倾向于拓宽销售市场进行多客户供应,同时表明组织供应能力存在上限,较少企业有能力向过多组织进行供应。具体而言,上游产品的针对性较弱且需求范围较广,为了拓宽销售渠道,上游企业会根据生产能力向多个下游企业进行供应。由于企业生产能力有限,为了确保销售稳定与自身信誉,上游供应商不会选择与过多下游组织建立关系。
(4)聚敛性结构系数与扩张性结构变化一致,假设H4得到支持,即在网络演化中,企业倾向于与多个供应商同时建立联系。同样,企业并不会盲目追求多源头采购。具体而言,拥有多个供应商的企业可能是医药产品的加工商,向不同供应商采购互补品(包装用品、原料药等)生产最终商品。为了避免出现原料端供应不稳定,确保正常产出,下游企业往往不会只选择一家供应商,而倾向于寻求可替代的多个厂家,多渠道采购以降低风险。生产加工所需的上游产品种类有限,生产商在寻求替代品的同时,也注重建立长期可靠的供应关系。因此,企业供应商联系也存在阈值。
(5)二元组共享伙伴系数显著为正,假设H5得到支持,即企业倾向于构建同源采购网络。出度共享伙伴构局强调对上游供应商的依赖,在这种供应关系中,若同时供应相同产品,则两个供应商提供的产品互为替代品。出现上述情况可能是因为加工商为确保原料供应稳定性,实施多渠道采购。此时,上游两个供应商形成竞争关系。若同时供应不同产品,则上游两个供应商提供的产品互补。同样,入度共享伙伴机制的解释与合作网络的共享扩张性相似,但更强调对下游企业的依赖。
(6)在企业外生属性方面,省份系数显著为正,产权性质系数显著为负,表明企业倾向于在同一省份构建合作关系,而国企与非国企合作也较为普遍。同一省份内,地理位置邻近带来的区位优势与统一标准下的政策优势,均能降低企业交易成本。不同产权性质企业间合作表现出蓬勃发展、互利共赢的市场状态。
表3是诉讼网络TERGM估计结果,虽然使用与合作网络相似的模型进行分析,但由于关系性质相反,结果代表的管理实践意义不同。
表3 2018—2023年诉讼网络TERGM分析结果
Table 3 TERGM results of the 2018-2023 litigation network
变量模型7模型8模型9模型10模型11模型12弧-9.231***-8.919***-9.552***-4.700***-3.278***-9.505***(0.020)(0.025)(0.023)(0.082)(0.034)(0.053)互惠性4.993***5.148***0.0034.706***(0.220)(0.216)(1.627)(0.231)简单2路径-0.001-0.0010.001(0.002)(0.002)(0.003)出-2星0.032***(0.000)入-2星0.263***(0.005)出-3星0.001***(0.000)入-3星0.025***(0.000)共享伙伴2路径-0.401***(0.019)几何加权出度-7.025***(0.046)几何加权入度-3.151***(0.081)共享伙伴扩张性0.789***(0.058)共享伙伴聚敛性-0.001(0.349)所属地区1.296***(0.005)产权性质0.144*(0.006)注册资本-0.001(0.000)AIC510794071643041628053626350580BIC510944079143116629113635350641
(1)诉讼网络中互惠性结构的现实意义为企业间的互诉行为,互惠性系数在模型8～模型11中均为正,且除模型10外全部显著,假设H1得到支持。互诉是负向网络生成的重要结构动力机制,企业间存在频繁报复性行为。从博弈论角度看,这种“以牙还牙”的策略是一种均衡,借此企业可以威慑其它企业,从而最大程度地降低法律风险[38]。本文进一步解读裁判文书发现,中国生物医药企业互诉更多的是实施防御性策略(如反制专利侵权),而非单纯谋利,这一差异可能源于中国司法环境对恶意诉讼的严格规制。
(2)非闭合传递性系数在模型10中显著为负,假设H2未通过,表明生物医药企业间诉讼的传递性倾向并不显著,企业间负向诉讼关系具有明确的责任源,与第三方企业牵涉较少,这在一定程度上佐证了企业间互诉选择的重要性。由此,可以推测企业对诉讼风险的规避倾向。
(3)在负向网络生成过程中,扩张性机制发挥非线性作用,假设H3得到支持。“一诉多”是负向网络的重要结构,但诉讼对手数量存在阈值。在市场竞争中,为了维护自身权益发起诉讼的行为并不罕见。从长期发展看,企业注重信誉与关系持续性,诉讼代表关系破裂,再次建立合作关系的难度加大,同时可能影响与其它组织的合作关系。多目标诉讼成本较高、风险较大,企业会尽量避免。随着被诉企业数量增加,企业在选择网络战略时,采用多目标诉讼的几率降低。
(4)聚敛性网络构局系数变化与扩张性结构基本一致,在网络演化中,多个企业同时向焦点企业进行诉讼是促使网络结构生成的重要机制,假设H4得到支持。但需要注意的是,被诉数量也有阈值。面对复杂的市场变化,企业向其它企业发起诉讼,同时也会被其它企业诉讼,即“以牙还牙”机制,“多诉一”的关系结构形成有其现实原因。被过多企业诉讼可能导致运营危机,高强度被诉会降低企业合作吸引力。出于经营需要,企业并不愿意成为“众矢之的”,会尽量避免被多个企业同时起诉。
(5)二元组共享节点(扩张)系数显著,假设H5在一定程度上被验证,两个企业联合诉讼同一被告是促使负向网络生成的重要机制。通过对诉讼文本进行深入分析发现,这类负向关系模式大多为联盟企业诉讼或共同侵权诉讼:一是说明企业战略联盟关系不仅仅涉及企业资源交换、合作创新等行为,也涉及共同保护创新成果;二是表明生物医药产业链环节较为复杂,产品侵权等行为会涉及多个主体。
(6)在外生属性变量部分,所属地系数与产权性质系数均显著为正,表明在诉讼网络演化中,同一省份与同一产权性质是诱发企业间诉讼的重要因素。地域同质性会加剧资源与市场竞争,对于同类企业而言更甚。同时,相同产权企业间诉讼的可能性更高。尤其对于大量小规模民营企业而言,与法务团队成熟且抗风险能力较强的国有企业建立诉讼关系的风险较高。因此,在诉讼对手选择过程中,产权性质是影响因素之一。
本文选择出度中心性(odegree)、入度中心性(idegree)与边共享伙伴(edge-wise shared partners)3个统计量作为比较指标,对TERGM结果进行拟合优度检验(Goodness of Fitness,GOF)。GOF检验对事实网络和拟合网络进行比较,并根据二者接近性判断模型拟合能力,若模型拟合网络与观测网络的统计指标分布接近度高,说明模型拟合优度较高,否则拟合优度较低[4]。以模型2为代表,其拟合优度检验结果如图1所示。横轴表示网络构型,纵轴表示边的对数几率,黑线表示真实网络统计结果,灰线与箱型图表示仿真网络统计结果。检验结果显示,所选模型对网络的拟合程度较高。由此说明,该模型结果对影响网络演化的内生结构因素解释力度较强。在正负网络估计模型中,相较于基础模型,其它模型AIC和BIC均有所降低,表明增添构局加强了模型对网络生成过程的解释力。
图1 TERGM拟合优度检验(模型2)
Fig.1 Goodness of fitness results of TERGM (Model 2)
本文基于2018—2023年生物医药企业供应与诉讼网络数据构建时序指数随机图模型(TERGM),探寻企业网络演化规律,通过构建正负双重网络嵌入框架,刻画了组织网络嵌入的真实环境,是对现有正向网络或单一类型网络研究的延伸,突破了传统嵌入性理论对“关系正向性”的假设[7],将负向关系嵌入作为新的研究对象,为组织负向网络探索提供了基础。同时,以网络生成机制为基础,检验企业网络战略动态演化,研究了正负关系共同嵌入及其不同生成机制,并讨论组织正负向网络的相互作用。
4.1.1 双重网络生成机制
就双重网络生成机制而言,网络内生性结构、外生属性因素揭示了企业网络战略选择与演化机制:互惠构局与二元组共享伙伴构局是促使正负网络形成的重要因素,非闭合传递性结构机制在正负网络中显著不同,扩张性和聚敛性在正负网络演化中具有非线性机制,供应链关系演化具有地区同质性和产权异质性,而诉讼关系则具有产权同质性。上述发现从以下方面深化了对高科技企业双重网络演化的认识:
(1)在企业正负网络演化过程中,企业倾向于选择双向供应与互诉对抗作为网络战略,实施“投桃报李”与“以牙还牙”的企业行为。互惠效应在合作关系中得到普遍验证,复杂项目合作与竞争也均具有双向互惠或博弈关系[39]。在管理负向网络时,企业运用博弈论中的“以牙还牙”策略,在竞争过程中通过报复性互诉威慑对手,进而降低自身法律风险。同时,研究结果揭示了强互惠合作诱发互诉风险的可能性,双向供应的技术与原料依赖更容易引发利益冲突。
(2)高科技企业通过控制合作与诉讼规模实现网络平衡。在合作网络中,为兼顾多样性与稳定性,企业会选择3～5家核心供应商,如恒瑞医药实施的原料药采购策略;在诉讼网络中,企业会聚焦关键对手以避免四面树敌。考虑到供应链发展,作为源头企业,一定程度上一对多供应能够拓宽销售渠道,而超出能力范围的供应会使企业不堪重负;作为下游企业,选择适量的互补或可替代供应商能够提高供应稳定性,数量适当的合作对象有助于维持伙伴多样性,同时降低供应链协调难度,但同时选择过多供应商则可能引发信任危机[40]。诉讼既是企业维护自身利益的必然选择,也是应对市场竞争的战略选择。无论是起诉还是被诉,企业都会极力避免陷入诉讼过多的窘境。例如,专利合作中处于网络中心位置的城市会在满足自身创新需求的基础上,更少地建立新的合作关系[41]。项目团队竞争关系研究表明,扩张性较高的团队倾向于避免构建更多竞争关系[39]。
(3)网络演化中广泛存在的同源采购网络构局体现了企业间激烈竞争与技术共享,互补企业共同供应和多个企业共同供应下游企业的情况比较常见,体现了产业内创新和生产过程的复杂化,也表明网络生成过程引入了更多包含第三方(alter)的结构。在负向网络中,两个企业共同诉讼多个第三方的现象较为常见,说明高科技企业在构建负向关系时,共同诉讼发挥重要推动作用。
(4)企业属性匹配程度也会影响网络涌现。产业属性在网络演化中扮演重要角色,地域同质性对正负网络构建发挥积极作用,产权同质性是诉讼网络演化动力,在合作网络中则相反。
4.1.2 正负网络间互动作用机制
在正负网络相互作用方面,双重网络演化的实证结果表明,企业诉讼并非仅仅意味着损失与消耗,而是企业网络战略的重要组成部分。传统意义上,诉讼是独立于合作、创新等战略的孤立行为,但企业系统专利战略(Systematic Patent Strategy)[42]认为,在复杂市场环境下,由专利导致的合作与诉讼此消彼长,两者相互作用甚至相互转化。结合这一理论视角与实证结果可以发现,为实现资源合理分配、利用,企业需要追求正负网络动态平衡,企业间的“敌友关系”并非一成不变。具体而言,正负网络间互动作用机制主要包含以下几种:
(1)“由合转诉”是正负双重网络互动的典型机制,非正常合作协议终止往往伴随着法律纠纷,企业间深度合作嵌入破裂会导致纠纷。报复性互诉既可能是企业维权的方式,也可能是阻止对方得利的手段。本文认为,在网络演化中双向供应与互诉均发挥重要作用。
(2)“以诉促合”是正负网络互动的另一种可能机制,诉讼作为手段而非目的,是企业释放的积极信号[43]。龙头企业可以通过多目标诉讼的法律威慑形成技术壁垒,使其它企业寻求合作。此外,诉讼可以作为企业寻求市场合作,塑造自身形象的工具,如企业通过知识产权诉讼的胜利获取市场信任等。
(3)“以合代诉”“以诉代合”则是正负关系间的替代机制。“以合代诉”是企业规避诉讼风险的方式,有研究发现,在复杂技术产品行业,小型企业为了避免负向关系嵌入,往往会选择与竞争对手换取专利交叉授权[44]。估计结果也显示,网络演化过程中频繁诉讼的企业较少,陷入法律纠纷的企业会主动拓展合作网络以分散风险。“以诉代合”可能是“专利蟑螂”类型企业的选择,这些企业并不寻求市场上的技术合作,而是以专利索赔作为目标[19]。
综上,结合企业正负双重网络演化特征可知,在采用相同网络动力机制探索不同性质网络结构时,即使系数估计一致,但背后理论解释和出发点也不同。这进一步说明,需进一步检验针对正向网络的研究结论是否适用于负向网络。此外,全面认识网络演化过程机制,需要同时考虑正负网络双重嵌入,并对二者间互动关系进行深入思考。
(1)根据扩张性和聚敛性机制,超出自身供应能力的客户量或过多供应商均非企业实现良性发展的最佳选择。由此,在发展过程中,企业应注重建立稳定的合作关系,提高网络声誉,寻求可持续发展。坚守契约精神、提供优质产品和服务、建立良好的品牌形象,是企业提高自身信誉与合作吸引力的基础。选择适量的合作伙伴、签订明确的互利合作协议、加强沟通合作,有助于企业获取稳定的合作对象。
(2)企业需要避免陷入过多的诉讼关系。企业诉讼周期长、成本高,尤其对小型企业而言,应及时关注外部环境变化,在维护自身合法权益的同时,树立良好的企业形象。持续卷入诉讼,尤其是与合作伙伴间的纠纷,会导致潜在合作伙伴信任度下降,甚至影响企业融资能力和市场拓展。因此,企业应避免因过度诉讼而在行业内形成“诉讼激进者”的负面形象。在处理相关纠纷时,企业应关注长远战略影响,建立良好的合作关系和有效的纠纷解决机制,采取更加协调、灵活的应对措施,合理进行诉讼以降低法律风险。
(3)在制定网络战略时,企业应同时考虑正负网络嵌入情况,关注它们之间可能存在的互动关系,实现正负网络动态平衡。例如,在建立合作网络时,企业应注重互惠关系,以开放态度提升关系稳定性,同时避免对单一合作对象过度依赖。在管理诉讼网络时,企业需谨慎处理负向关系,避免情绪化和对抗性行为,选择更为理性的应对方式,避免陷入“以牙还牙”的恶性循环。
本文存在以下不足:从样本范围看,生物医药产业不能代表众多产业,未来需要进一步结合多个行业数据进行研究,以证实结论的外部效度。从变量选择看,本研究聚焦组织网络内生性结构,为了更全面地探索网络演化机制,未来应引入更多网络结构变量和属性变量,如企业规模、市场地位、技术创新能力等。
[1] SYTCH M,KIM Y H.Quo vadis? from the schoolyard to the courtroom[J].Administrative Science Quarterly,2021,66(1):177-219.
[2] 谢会生.2021—2022中国上市公司诉讼蓝皮书[M].北京:法律出版社,2022.
[3] EVERETT M G,BORGATTI S P.Networks containing negative ties[J].Social Networks,2014,38(11):111-120.
[4] LUSHER DEAN,KOSKINEN JOHAN,ROBINS GARRY.社会网络指数随机图模型:理论、方法与应用[M].北京:社会科学文化出版社,2016.
[5] HANNEKE S,FU W,XING E P.Discrete temporal models of social networks[J].Electronic Journal of Statistics,2010,4(11):585-605.
[6] BRASS D J.New developments in social network analysis[J].Annual Review of Organizational Psychology and Organizational Behavior,2022,9(10):159-167.
[7] GRANOVETTER M.Economic action and social structure:the problem of embeddedness[J].American Journal of Sociology,1985,91(3):481-510.
[8] 陈德球,孙颖,王丹.关系网络嵌入、联合创业投资与企业创新效率[J].经济研究,2021,56(11):67-83.
[9] NEWBERT S L,TORNIKOSKI E T.Resource acquisition in the emergence phase:considering the effects of embeddedness and resource dependence[J].Entrepreneurship Theory and Practice,2013,37(2):249-280.
[10] 盛科荣,王云靓,樊杰.中国城市网络空间结构的演化特征及机理研究——基于上市公司500强企业网络视角[J].经济地理,2019,39(11):84-93.
[11] 李连刚,张平宇,王成新,等.区域经济韧性视角下老工业基地经济转型过程——以辽宁省为例[J].地理科学,2021,41(10):1742-1750.
[12] 王菲菲,刘佳,薛蕊.基于共生理论的“一带一路” 沿线国家科学合作协同互惠研究[J].科技管理研究,2023,43(13):28-38.
[13] WEI Q F,GU X,YUAN Y.On the structural evolution of the knowledge network and behaviors of the knowledge subjects[J].The Journal of Supercomputing,2020,76(5):3477-3493.
[14] 黄勃,李海彤,江萍,等.战略联盟、要素流动与企业全要素生产率提升[J].管理世界,2022,38(10):195-211.
[15] 姚艳虹,龚榆.双层网络嵌入下结构洞对企业二元创新的影响[J].科技进步与对策,2022,39(1):99-109.
[16] YANG Z B,SHU C L,GAO S X,et al.The combined impact of direct and indirect ties on innovation:the moderating role of similarity in alliance subtypes[J].Journal of Product Innovation Management,2022,39(6):847-870.
[17] ZAPPA P,ROBINS G.Organizational learning across multi-level networks[J].Social Networks,2016,44(6):295-306.
[18] 刘瑞荣,赖奎魁.识别企业专利侵权诉讼网络位置与角色的结构性方法[J].情报杂志,2017,36(12):106-113.
[19] COHEN L,GURUN U G,KOMINERS S D.The growing problem of patent trolling[J].Science,2016,352(6285):521-522.
[20] 张杰,李晨颖,翟东升.LED企业专利诉讼关系网络分析[J].情报杂志,2013,32(8):87-91,49.
[21] 潘越,潘健平,戴亦一.专利侵权诉讼与企业创新[J].金融研究,2016,59(8):191-206.
[22] HELLMANN T S M.Evolution of social networks[J].European Journal of Operational Research,2014,234(3):583-596.
[23] KIM J Y R,HOWARD M,PAHNKE E C,et al.Understanding network formation in strategy research:exponential random graph models[J].Strategic Management Journal,2016,37(1):22-44.
[24] FENG L Y,CHEN B X,WU G,et al.Global renewable energy trade network:patterns and determinants[J].Environmental Science and Pollution Research International,2024,31(10):15538-15558.
[25] PETR M,WANG P,LINCOLN L.Who benefits from network intervention programs? TERGM analysis across ten Philippine low-income communities[J].Social Networks,2021,65(9):110-123.
[26] ANDREA C,CASSIE M,NICK D.A hostile reputation:a social network approach to interstate hostility[J].Social Networks,2022,71(5):61-69.
[27] GRAIF C,LUNGEANU A,YETTER A M.Neighborhood isolation in Chicago:violent crime effects on structural isolation and homophily in inter-neighborhood commuting networks[J].Social Networks,2017,51(8):40-59.
[28] 赵旭东.互惠人类学再发现[J].中国社会科学,2018,39(7):106-117.
[29] 孙冰.腾讯、今日头条互诉索赔并要求公开道歉 “头腾大战”是用户注意力之争[J].中国经济周刊,2018,25(24):72-74.
[30] 周玉华.试论保险代位权与求偿权的法律性质[J].政法论坛,2024,42(3):147-156.
[31] 缪因知.比例连带责任的叠加责任属性与追偿规则设置[J].政治与法律,2024,43(4):162-176.
[32] 张涛,李雷.企业数字化转型的供应链溢出效应——客户与供应商双重视角[J].科技进步与对策,2024,41(12):82-92.
[33] BANALIEVA E R,DHANARAJ C.Internalization theory for the digital economy[J].Journal of International Business Studies,2019,50(8):1372-1387.
[34] 张亚豪,李晓华.复杂产品系统产业全球价值链的升级路径:以大飞机产业为例[J].改革,2018,31(5):76-86.
[35] 顾润德,李春发,孙雷霆,等.全产业链模式下制造业产业生态链构建机制研究——基于扎根理论的多案例探索[J].科技进步与对策,2023,40(14):40-50.
[36] 晏澜菲.春潮涌动是信心更是机遇[N].国际商报,2025-03-21(003).
[37] SHAILESH A,MISHRA K.University industry patnesrship:mutual benefits,collaborations &challenges[J].International Journal in Management &Social Science,2015,3(5):586-594.
[38] 吴娜,白雅馨,安毅.主动模仿还是被动反应:商业信用同群效应研究[J].南开管理评论,2022,25(3):149-161.
[39] 沈文欣,翁羽佳,郑弦,等.复杂工程项目群多项目合作与竞争网络形成机理研究[J].中国管理科学,2023,31(12):281-289.
[40] LUO Y,WEN Y G,LIU T L,et al.Transferring knowledge fragments for learning distance metric from a heterogeneous domain[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2019,41(4):1013-1026.
[41] 苏佳璐,李明星,马泽君,等.基于TERGM的跨区域技术协同创新网络演化动力研究[J].系统管理学报,2023,32(6):1255-1268.
[42] BLIND K,EDLER J,FRIETSCH R,et al.Motives to patent:empirical evidence from Germany[J].Research Policy,2006,35(5):655-672.
[43] GREEN J R,SCOTCHMER S.On the division of profit in sequential innovation[J].The RAND Journal of Economics,1995,26(1):20-23.
[44] REITZIG M.Improving patent valuations for management purposes——validating new indicators by analyzing application rationales[J].Research Policy,2004,33(6-7):939-957.