Firms in an alliance portfolio often require a deep commitment to a particular domain of knowledge or a wide range of novel combinations of cross-domain knowledge in order to realize breakthrough innovations. The result of the knowledge flow can be reflected through the knowledge network divisive faultlines. Specifically, the knowledge elements in the network form high weight edge relationships through repeated connections, while low weight edge relationships are established by a combination relationship between knowledge elements for the first time.
The essence of innovation is the reorganization and creation of existing knowledge. Therefore, it is necessary to start with the knowledge network and dig deeper into the intrinsic connection between the divisive faultlines of the knowledge network and breakthrough innovation. Meanwhile, breakthrough innovation is characterized by complexity and openness. Enterprises need to rely on the resource transfer capability of external cooperative networks to facilitate the transfer of core knowledge within the knowledge network, so as to achieve technological and product innovation breakthroughs. Thus, this paper takes the relationship divisive faultlines and status divisive faultlines of the cooperation network as the moderating variables, and explores how the focal firm governs the relationship of the members within the alliance portfolio to maximize the effectiveness of the knowledge network for breakthrough innovation. In addition, from the proximity perspective, geographic proximity facilitates the formation of cooperative relationships. Focal firms also tend to consider the industry characteristics of their partners when forming alliance portfolios. Therefore, this paper incorporates geographic proximity and industry proximity as the third-order moderating variables into the research framework to explore the role of member proximity attributes within alliance portfolios in influencing the emergence of divisive faultlines.
The alliance portfolio constructed by 175 biopharmaceutical listed enterprises from 2009 to 2022 is selected as the research object. The study empirically analyzes the intrinsic role mechanism of the fault characterizations of the knowledge network and the cooperation network, and the proximity characteristics of the members within the alliance portfolio on the breakthrough innovation. It is concluded that (1) there is an obvious facilitating effect of knowledge network divisive faultlines on breakthrough innovation. The more obvious the faults are in the knowledge network, the better the knowledge base of the focal firms for breakthrough innovation; (2) the relationship divisive faultlines and status divisive faultlines in the cooperation network negatively moderate the effect of knowledge network divisive faultlines on breakthrough innovation; (3) geographic proximity mitigates the negative moderating effect of the relationship divisive faultlines. Industry proximity mitigates the negative moderating effect of status divisive faultlines.
In short, this study expands the divisive faultlines to the knowledge network, and incorporate the knowledge network divisive faultlines, the relationship divisive faultlines and the status divisive faultlines of the cooperation network into the same research framework. Furthermore, it explores the role of the divisive faultlines of the knowledge network on breakthrough innovations, and analyzes the characteristics and influencing factors of breakthrough innovations in-depth. From the viewpoint of proximity, the study provides practical guiding significance for the choice of the partners of the focal enterprises and the governance of the focal enterprises in the alliance portfolio. Focal firms should absorb novel and heterogeneous knowledge while deepening their domain-specific knowledge, balance relationships with each partner, encourage cooperative relationships among partners, and select partners that are geographically and industrially proximate to each other.
开放科学(资源服务)标识码(OSID)：
“十四五”规划明确提出2035年“关键核心技术实现重大突破,进入创新型国家前列”。企业作为我国科技创新的主体,为实现突破性创新,亟需深入挖掘前沿技术领域,掌握专业核心知识,跨越组织和行业边界,融合多方资源,创造出新颖性知识。因此,企业通常会选择合适的合作伙伴组成联盟组合[1]以满足自身发展需求,并通过治理联盟成员关系,与合作伙伴一起深入探索行业前沿技术并获取异质性资源。因此,研究焦点企业如何通过管理知识结构和治理联盟组合成员关系提升突破性创新绩效具有重要意义。
联盟组合中的焦点企业要实现突破性创新,往往需要深耕某一领域知识或广泛挖掘跨领域知识的新颖性组合[2]。前者表现为在特定知识领域频繁产出专利,如Li等[3]提出企业通过积累形成较高的知识资本和知识位势,促进知识元素从量变到质变,进而为企业带来突破性创新;后者表现为组织间知识共享和知识扩散,如刘娜等(2024)指出企业通过广泛接触多样性知识、开展多维度知识搜索,创造突破自身认知的创新成果。深耕特定知识和广泛搜索新知识在知识网络中表现为知识网络分裂断层,即网络知识元素通过重复联系形成高权重连边关系,知识元素间首次建立组合关系形成低权重连边关系,最终在知识网络中呈现为疏密分布的知识元素联结(王巍等,2022)。现有研究虽关注到合作网络分裂断层与突破性创新之间的关系,但对知识网络分裂断层的研究较少。创新本质上是对现有知识进行重组和创造(Ranis &Fei, 1961),组织知识网络带来的深度知识和异质性知识对突破性创新具有直接影响。因此,有必要从知识网络角度出发,深入挖掘知识网络分裂断层与突破性创新间的内在联系。
同时,突破性创新具有复杂性和开放性特征,企业需要借助外部合作网络的资源传递能力对知识进行输送,从而实现技术和产品创新(王巍等,2022)。已有研究发现联盟组合网络单个节点通过度中心性、结构洞等嵌入特征对知识网络与创新绩效产生影响[4-5],但位置嵌入和结构嵌入无法反映整体网络合作关系强度特征。突破性创新所需资源传递能力取决于合作网络中的高权重网络关系(施萧萧等,2021),不均衡的网络关系强度表现为合作网络分裂断层。部分学者探究关系分裂断层对突破性创新和知识搜索[6]的影响,也有学者探究技术分裂断层对子群创新的倒U型影响[7]。还有部分学者将合作网络分裂断层划分为关系分裂断层和地位分裂断层两种(施萧萧等,2021),认为关系分裂断层通过资源流动渠道对知识传递产生影响,地位分裂断层通过信息控制能力对知识传递产生影响。基于此,本文将合作网络中的关系分裂断层和地位分裂断层作为调节变量,探究焦点企业如何治理联盟组合内成员关系,以发挥知识网络对突破性创新的最大效应。
此外,焦点企业与联盟组合内成员关系不仅取决于焦点企业的治理行为,还受到成员间邻近性特征的影响。地理邻近性作为多维邻近性研究常用的指标,不仅具有客观独立性,而且还是联盟组合中焦点企业选择合作伙伴的重要考量因素(Guo等,2021)。地理邻近性有助于促进合作关系的形成,并且组织机构倾向于与地理位置邻近的伙伴进行频繁互动[8]。此外,由于突破性创新具有突变性和学科交叉特点[2],焦点企业在组建联盟组合时通常会考虑合作伙伴的行业特征。然而,既有研究较少关注行业邻近性对合作关系的影响机制。据此,本文将地理邻近性和行业邻近性作为三阶调节变量纳入研究框架,探究联盟组合内成员邻近性属性对网络分裂断层和突破式创新关系的影响作用。鉴于此,本文以2009—2022年生物医药上市公司为研究对象,构建以焦点企业为中心的知识网络和合作网络,探究知识网络分裂断层对企业突破性创新的直接影响、合作网络中关系分裂断层和地位分裂断层的调节作用以及地理邻近性和行业邻近性的三阶调节作用。
断层理论可追溯到Lau &Murnighan[9]的研究,其将“断层”概念引入团队层面,根据团队成员人口统计特征将团队划分为两个或多个子团队。随后,Heidl等[10]对其作出拓展,认为技术创新网络中存在分裂断层线,有过历史合作基础的合作伙伴会更倾向于选择彼此[11],导致创新网络合作关系强度分布不均衡,进而形成网络分裂断层。另外,分裂断层的存在能提高焦点企业的知识权力[12],拓展知识搜索深度,倒U型影响知识搜索广度[13],导致网络中出现子群极化的派系现象(党兴华等,2016)。分裂断层是指节点组织在交互创新过程中,由于成员间知识共享差异产生的整体网络内部分化倾向,并由此带来不均衡的资源分配。随后,合作网络分裂断层概念进一步细化,不同网络属性可引起不同类型分裂断层,有学者将合作网络分裂断层划分为关系分裂断层和地位分裂断层(或位置分裂断层)[14]。关系分裂断层反映关系强度在不同成员间分布不均匀所引起的潜在网络分裂断层。如图 1所示,在高关系分裂断层网络中,关系强度离散程度较高;而在低关系分裂断层网络中,关系强度离散程度较低。地位分裂断层反映创新主体基于网络地位相似程度而形成的潜在网络内部分化现象。在高地位分裂断层网络中,节点地位离散程度较高;而在低地位分裂断层网络中,节点地位离散程度较低。
图1 合作网络关系分裂断层与地位分裂断层
Fig.1 Cooperation network relationship divisive faultlines and status divisive faultlines
注:圆点代表组织,边粗细代表连线权重
结合知识基础理论,分裂断层作为衡量创新网络离散关系的变量,不仅存在于合作网络之中,也存在于知识网络之中。知识网络中的知识元素更容易与以往组合过的知识元素相结合[15],也更容易与学科邻近的知识元素相结合[16],这种知识流动倾向导致知识网络出现不同疏密程度的知识元素组合,进而形成知识网络分裂断层。紧密的知识元素组合往往是焦点企业中的核心知识元素,代表焦点企业在知识深度上拥有高知识位势,深耕此类核心元素能够产生高质量创新成果(Kaplan &Vakili,2014)。而松散的知识元素组合往往为焦点企业的边缘知识,代表焦点企业在知识广度上拥有较高知识位势,焦点企业对此类知识开展广泛而浅显的探索,新颖化的尝试有可能会产生突破认知的创新成果[17]。如图2所示,在高知识网络分裂断层情况下,知识元素间关系权重离散程度较高;在低知识网络分裂断层情况下,知识元素间关系权重离散程度较低。
图2 知识网络分裂断层
Fig.2 Knowledge network divisive faultlines
注:方点代表知识,边粗细代表连线权重
因此,合作网络关系分裂断层、合作网络地位分裂断层和知识网络分裂断层虽有不同的形成动因,但在网络结构中却有相似的表现,如合作网络关系分裂断层和知识网络分裂断层均呈现出离散分布关系强度特征。另外,合作网络分裂断层和知识网络分裂断层对创新扩散的影响存在一定差异。合作网络节点为组织机构,更具有能动性,而知识网络节点为知识元素,网络结构变动受客观因素所限,导致知识网络元素需依赖合作网络实现知识传递和共享。
知识网络分裂断层越明显,表明知识元素之间的联系程度越离散,越能够为突破性创新提供前沿性和新颖性知识。一方面,在分裂断层程度较高的知识网络中,存在关系强度显著高于平均水平的知识元素组合,说明焦点企业深耕某一特定技术领域,拥有较高的知识深度位势[18]。焦点企业对特定领域知识的深刻把握,可从前沿性方面为突破性创新提供扎实的创新基础(Wu等,2019)。另一方面,在分裂断层程度高的知识网络中也存在大量联系薄弱的知识元素,这是焦点企业进行广泛知识搜索而形成的高知识广度位势。焦点企业虽未对此类边缘知识进行深入探索和利用,但这类边缘知识元素却能为焦点企业吸收跨界知识提供潜在机会[19],从新颖性方面对突破性创新产生积极影响。相较于全面、均衡的知识网络,分裂断层程度高的差异化知识分布更有利于突破性创新。据此,本文提出如下假设:
H1:知识网络分裂断层正向影响焦点企业突破性创新。
关系分裂断层是指联盟组合合作网络关系强度分布不均衡,表现为“派系现象”(党兴华等,2016)。首先,高关系分裂断层会降低派系内和派系外的知识共享与搜索效率。知识网络中的核心知识集中于派系内部,难以溢出到合作网络边缘成员之中[6];而知识网络中的边缘待开发知识集中于派系外成员,也难以与核心知识融合。在此情况下,派系内外部成员存在较高的“知识势差”,知识流动受阻,导致知识网络分裂断层对突破性创新的促进作用受限。其次,高关系分裂断层会加剧派系内外部成员间的不信任,增强核心成员对所在派系的认同感[7],导致边缘成员被排斥在派系之外,易于引发联盟组合信任冲突。此时,联盟内成员为规避风险倾向于对知识进行隐藏(张坤等,2022),使得知识网络分裂断层带来的深度核心知识和待开发知识无法充分发挥优势,会削弱知识网络分裂断层对突破性创新的促进作用。据此,本文提出如下假设:
H2a:关系分裂断层负向调节知识网络分裂断层与焦点企业突破性创新的关系。
地位分裂断层代表联盟组合成员间存在明显的地位差距(施萧萧等,2021),表现为一家独大的联盟组合形式。首先,高地位分裂断层联盟组合存在普遍的“搭便车”行为(施萧萧等,2021),低地位成员为联盟组合带来丰富异质性资源的概率较低,知识网络中的边缘知识有限,会阻碍新颖化知识组合。其次,当地位分裂断层较高时,低地位成员更倾向于采取跟随策略,通过复制焦点企业研发行为进行模仿式创新[20]。而低质量模仿式创新难以带来真正的技术突破,联盟组合仅依靠焦点企业创新难以维持核心知识的前沿性。最后,高地位分裂断层联盟组合具有低抗毁性特征(李莉等,2020),整个联盟组合高度依赖于焦点企业,当焦点企业遭受打击后,整个联盟面临较高的解散风险。这种不稳定的内部合作关系容易带来知识网络的不稳定性,导致核心知识存在外泄风险,边缘知识也存在流失风险(Zhen等,2021)。因此,地位分裂断层带来的“搭便车”现象、模仿式创新行为和低抗毁性特征会削弱知识网络分裂断层对突破性创新的促进作用。据此,本文提出如下假设:
H2b:地位分裂断层负向调节知识网络分裂断层与焦点企业突破性创新的关系。
关系分裂断层中“派系现象”带来的知识共享低效率和不信任问题可在联盟组合成员空间距离拉近情况下得到有效缓解。首先,地理邻近性有助于减少派系内外部知识流动障碍。地理邻近性可增加成员之间面对面交流频率和深度(Han等,2023),为隐性知识传递提供机会[8],使得联盟组合成员能够高效吸收知识网络中的核心知识,进而促进突破性创新。其次,地理邻近性可缓解派系内外部不信任矛盾。地理位置邻近使得成员可以及时解决因误解导致的矛盾,并且相似的区域文化环境及政策环境有利于加深成员对合作目标的认同感(高长元等,2021)。当整个联盟凝聚力增强时,联盟成员更愿意主动分享知识,促进异质性知识流动,从而实现突破性创新。据此,本文提出如下假设:
H3a:地理邻近性会弱化关系分裂断层对知识网络分裂断层与焦点企业突破性创新的负向调节作用。
联盟组合地理邻近性会强化地位分裂断层中的“搭便车”行为和模仿式创新行为导致的负向调节作用。一方面,知识合作网络中的部分外围企业更容易基于地理位置邻近性和焦点企业光环加入联盟组合关系(Russo等,2019)。然而,这些企业往往与焦点企业合作目标不一致,从而导致“搭便车”行为严重。低地位企业对分享自身异质性知识的意愿较低,同时又希望从联盟中获利,导致焦点企业无法从联盟组合成员中获取新颖性知识,从而不利于突破性创新(施萧萧等,2021)。另一方面,低地位联盟组合聚集在焦点企业周围,不仅会使自身创新视野受限,还由于同处相似的外部环境而使模仿复刻成本较低。因此,低地位企业更倾向于跟随焦点企业创新步伐进行简单的模仿式创新(曹霞等,2023),导致创新成果局限于特定地理环境,缺失普适价值,限制突破性创新产出。据此,本文提出如下假设:
H3b:地理邻近性会强化地位分裂断层对知识网络分裂断层与焦点企业突破性创新的负向调节作用。
当联盟组合内的行业邻近性较高时,关系分裂断层中“派系现象”带来的知识共享低效和不信任问题会更加突出。首先,关系分裂断层导致派系内和派系外知识共享受阻,当成员来自同一行业时,考虑到竞争关系,他们更倾向于对自身知识加以保护[21],导致联盟组合知识流动受阻,难以发挥知识网络中核心知识与边缘知识的离散分布优势,不利于焦点企业突破性创新。其次,关系分裂断层中的不信任现象在同一行业表现尤为明显,由于同行业成员会共享有限资源并面临利益分配问题[22],而合作网络中的派系外成员只能从联盟组合中获取不对等资源和利益。派系外成员对联盟组合互惠性感知不积极[23]会阻碍自身合作意愿,由于联盟组合中公开共享的知识元素被少数派系内成员掌握,从而会对突破性创新产生抑制作用。据此,本文提出如下假设:
H4a:行业邻近性会强化关系分裂断层对知识网络分裂断层与焦点企业突破性创新的负向调节作用。
当联盟组合内的行业邻近性较高时,地位分裂断层中的“搭便车”行为和模仿性创新行为会受到抑制。一方面,联盟组合中地位明显高于其他成员的焦点企业基于对行业现状的了解,更容易识别成员的机会主义行为[24],通过及时、有针对性地对其进行管理,提高成员创新参与度,保障边缘知识高效整合,从而促进突破性创新。另一方面,联盟组合中地位较高的焦点企业拥有更丰富的资源(Liu等,2021),当有更多低地位成员与焦点企业处于同一行业时,这些低地位成员更能获取焦点企业的外溢资源。低地位成员通过与焦点企业建立良性互惠关系[23],能增强对联盟组合的认同感,充分利用联盟内知识网络资源,为突破性创新提供动力。据此,本文提出如下假设:
H4b:行业邻近性会弱化地位分裂断层对知识网络分裂断层与焦点企业突破性创新的负向调节作用。
综上所述,本文构建研究框架,如图3所示。
图3 研究框架
Fig.3 Research framework
生物医药是事关国家安全和发展全局的关键核心领域。同时,生物医药产业作为典型的知识密集型产业,具有高投入、高风险、高收益、周期长等高新技术产业共性特征(万媛媛等,2022),其突破性创新成果不仅能为企业带来高额收益,还直接影响整个行业发展,因此本文以生物医药产业作为研究对象。
生物医药上市公司名单来自同花顺(https://www.10jqka.com.cn/)网站中的生物医药概念股,企业专利数据来源于Incopat专利数据库,上市企业特征数据来源于国泰安数据库(CSMAR),非上市企业和其它机构信息来源于企查查(https://www.qcc.com/),地理邻近性相关数据借助百度地图API接口获取。数据筛选过程如下:①选取178家生物医药企业,为保证数据可靠性,剔除*ST和ST类企业,最终获取175家企业有效数据;②共搜集35 266条企业专利数据,剔除申请人包含个人的专利,最终获取有效专利35 087条;③从有效专利申请人字段中提取所有专利申请人,将其划分为企业、高校、科研院所、医院等类别,共获取707个组织机构。
图4为2000—2022年生物医药企业专利数量统计情况,可以发现2013年以后,生物医药企业专利数量稳定在2 000条以上。考虑到低样本量带来的企业数据缺失问题,以2014年作为突破性创新统计起始年。为避免变量自相关性问题,对因变量作滞后一期处理,基于突破性创新周期长的特点,以5年为移动时间窗口对自变量和调节变量样本进行划分(施萧萧等,2021),得到自变量和调节变量样本时间范围为2009—2021年,将其划分为9个移动时间窗(2009—2013年、2010—2014年……2017—2021年)。最后,根据焦点企业成立时间,剔除焦点企业成立之前的数据,最终得到非平衡面板数据705条。
图4 2000—2022年生物医药上市企业专利申请数
Fig.4 Numbers of patent application by listed biopharmaceutical companies, 2000—2022
图5 专利被引次数核密度
Fig.5 Kernel density of patent citations
根据每个移动时间窗分别构建焦点企业知识网络和合作网络,以焦点企业在时间窗t-5～t-1内合作申请的所有专利作为焦点企业专利库,提取所有申请人数据,在位于同一专利的申请人之间建立联系,构建以焦点企业为中心的合作网络。另外,将焦点企业专利库中所有专利IPC分类号前4位作为知识元素,对存在于同一专利中的知识元素建立联系,构建联盟组合知识网络。
突破性创新(BI)。参考现有研究[4],基于突破性创新的高影响力特点[2],以高被引专利作为突破性创新专利。其中,专利被引量阈值借鉴孙晓华等[25]的方法,综合考虑各百分位专利被引次数和核密度图。生物医药行业专利数据中前1%为2.38次平均被引,前3%为1.47次平均被引,前5%为1.05次平均被引,前10%为0.67次平均被引,前15%为0.5次平均被引。可见,前5%之后存在明显的断层下跌现象。同时,绘制发明专利被引次数核密度图(见图 5),可以发现在5%分界线后,专利年均被引次数密度分布趋于平坦。结合核密度图和被引次数统计结果,采用观测年(t)被引次数前5%的专利作为突破性专利,以企业观测年(t)突破性专利数量衡量突破性创新。
知识网络分裂断层(KF)。借鉴Heidl等[10]、施萧萧和张庆普(2021)的研究,采用联盟组合知识网络中知识元素关系强度的离散程度衡量。样本专利数据中大部分专利拥有多个IPC分类号,对元素间关系强度取标准差,用以反映知识网络中核心知识和边缘知识分布情况及均衡程度。统计时间窗t-5～t-1年内知识网络中知识元素Ki和知识元素Kj的联系强度ksij,计算所有二元知识联系强度的标准差(见公式(1)),衡量知识网络分裂断层。标准差越小,表明焦点企业知识网络间的知识元素联系越均匀。
(1)
(1)关系分裂断层(RF)。借鉴Heidl等[10]的方法,采用联盟组合中合作网络二元关系强度离散值测度。以时间窗t-5～t-1年内合作网络中组织Oi和组织Oj的合作次数osij反映关系强度,计算合作网络中所有成员对关系强度osij的标准差(见公式(2)),用以表征合作网络关系分裂断层。标准差越小,表明联盟组合成员间的关系强度分布越均匀。
(2)
(2)地位分裂断层(SF)。借鉴施萧萧和张庆普(2021)的测量方法,采用联盟组合中合作网络成员地位离散程度测度。以时间窗t-5～t-1内合作网络成员特征向量中心度反映成员网络地位,计算成员Oi和Oj的特征向量比值ecij,用以反映成员对的网络地位相似性。最后,计算所有成员对地位相似性的标准差(见公式(3)),以此表征合作网络地位分裂断层。标准差越小,表明联盟组合内成员间地位差距越小。
(3)
(3)地理邻近性(GEO)。地理邻近性是指联盟组合内所有成员对的地理距离,以成员所在城市经纬度计算球面距离[7]。用公式(4)计算联盟组合c中组织Oi和组织Oj间的距离Dij,用公式(5)计算联盟组合的地理邻近性Geoc。其中,∂代表将弧度转化为地球表面英里的系数,lat为城市纬度,long为城市经度,n为联盟组合c中成员对的数量。
Dij=∂{arccos[sin(lati)sin(latj)+cos(latj)
cos(|longi-longj|)]}
(4)
(5)
(4)行业邻近性(IND)。行业邻近性是指联盟组合中所有成员对的行业距离,基于中国证监会2012年发布的《上市公司行业分类指引》,将行业划分为20个门类和90个大类。参考苏屹等(2023)的研究,本文按照企业所属大类,以企业是否属于同一行业作为行业邻近性的表征。此外,由于企业、高校、科研院所与企业属于不同机构,因此将行业邻近性作为有序类别变量。具体测量方式如下:若组织Oi和组织Oj中存在非企业机构,则行业邻近性Indij=0;若组织Oi和组织Oj不属于同一行业大类行业,则行业邻近性Indij=1;若组织Oi和组织Oj属于同一大类,则行业邻近性Indij=2。对合作网络中所有成员对的行业邻近取均值,即为联盟组合的行业邻近性。
根据毕静煜等(2021)研究,在焦点企业层面选取焦点企业研发投入(RD)、焦点企业规模(SIZE)和焦点企业闲置资源(IDLE)作为控制变量,在联盟组合层面选取联盟组合过往合作(COOR)、联盟组合成员规模(RSIZE)和联盟组合技术规模(KSIZE)作为控制变量,以t-5～t-1为时间窗。具体衡量方式如下:①焦点企业研发投入(RD),用时间窗内企业研发投入费用取均值再取对数表征;②焦点企业规模(SIZE),用时间窗内企业资产总规模取均值后再取对数表征;③焦点企业闲置资源(IDLE),采用流动资产/流动负债度量,时间窗内取均值后再取对数表征;④联盟组合过往合作(COOR),联盟组合成员对在时间窗t之前的合作次数,用联盟组合中所有成员对的合作次数取均值表征;⑤联盟组合成员规模(RSIZE),用联盟组合成员数量表征;⑥联盟组合知识规模(KSIZE),用联盟组合内的知识元素数量表征。
变量描述性统计与相关性分析结果如表1所示,方差膨胀因子VIF均值为1.96,各变量的VIF值均小于10,说明变量之间不存在多重共线性问题。此外,因变量突破性创新为计数变量,且标准差(2.440)大于均值(0.860),故采用负二项回归模型。
表1 描述性统计及相关性检验
Table 1 Descriptive statistics and correlation tests
变量1234567891011121.BI12.KF0.591***13.RF0.581***0.703***14.SF0.115***0.280***0.213***15.GEO-0.072*-0.112***-0.133***-0.267***16.IND0.072*0.082**0.131***0.016-0.05917.RD0.250***0.343***0.247***0.282***-0.144***0.120***18.SIZE0.176***0.177***0.161***0.238***-0.075**0.0540.787***19.IDLE0.001-0.013-0.010-0.0620.232***-0.159***-0.250***-0.172***110.COOR0.370***0.478***0.714***0.150***-0.128***0.163***0.232***0.129***-0.049111.RSIZE0.241***0.086**0.147***0.184***-0.086**-0.108***0.202***0.253***-0.129***0.091**112.KSIZE0.236***0.363***0.303***0.572***-0.263***0.077**0.409***0.418***-0.117***0.281***0.182***1均值0.868.854.310.090.311.3818.2521.995.4220.8210.794.5标准差2.4416.3611.760.070.330.51.130.987.6155.7812.953.4
注: 显著性水平*p < 0.1,**p<0.05,***p<0.01,下同
(1)主效应检验。为避免不同量纲对分析结果造成的不良影响,在回归分析前对所有变量作中心化处理,负二项回归结果如表2所示。模型(1)为只包含控制变量的回归结果。由模型(2)结果可知,知识网络分裂断层对突破性创新存在显著正向影响(β=0.007,p<0.1),假设H1得到验证。
表2 负二项回归结果
Table 2 Negative binomial regression results
变量 (1)(2)(3)(4)(5)(6)(7)(8)BIBIBIBIBIBIBIBIRD0.428***0.330**0.264*0.313*0.269*0.274*0.316**0.330**(0.151)(0.160)(0.152)(0.161)(0.159)(0.163)(0.154)(0.155)SIZE-0.406**-0.352*-0.281-0.357*-0.294-0.330*-0.282-0.346*(0.183)(0.185)(0.176)(0.185)(0.185)(0.189)(0.178)(0.177)IDLE-0.013-0.018-0.016-0.019-0.015-0.011-0.018-0.021(0.020)(0.021)(0.019)(0.021)(0.020)(0.022)(0.019)(0.019)COOR-0.001-0.002-0.000-0.0020.000-0.002-0.003*-0.002(0.001)(0.001)(0.001)(0.001)(0.001)(0.001)(0.001)(0.001)KSIZE0.014*0.013*0.018**0.013*0.018**0.014*0.019**0.013*(0.007)(0.007)(0.007)(0.007)(0.008)(0.007)(0.008)(0.007)RSIZE0.0100.0020.0050.0070.0060.0070.0130.031(0.024)(0.025)(0.025)(0.026)(0.025)(0.027)(0.025)(0.027)KF0.007*0.033***0.040***0.0180.035*0.026-0.22***(0.004)(0.008)(0.013)(0.011)(0.018)(0.026)(0.082)RF-0.004-0.028-0.177***(0.011)(0.019)(0.065)KF×RF-0.000 1***0.002**-0.000 5(0.000 1)(0.001)(0.000 5)SF1.3384.192*-0.100(1.523)(2.345)(4.221)KF×SF-0.197***-0.336**1.210**(0.075)(0.136)(0.532)GEO-0.3930.107(0.450)(0.487)KF×GEO0.0620.012(0.042)(0.057)RF×GEO0.126(0.103)KF×RF×GEO-0.016**(0.007)SF×GEO-16.080*(8.630)KF×SF×GEO1.061(0.714)IND-0.227-0.522*(0.236)(0.304)KF×IND-0.0020.156***(0.016)(0.048)RF×IND0.107***(0.040)KF×RF×IND0.000 4(0.000 3)SF×IND-0.811(3.033)KF×SF×IND-0.776**(0.315)Constant1.1261.8411.1722.2751.4572.2700.2881.441(2.678)(2.732)(2.615)(2.762)(2.672)(2.795)(2.596)(2.641)Observations699693693693693693693693Log lik.-681.900-679.300-673.000-676.700-670.000-674.000-666.400-668.600Chi-squared14.85017.68032.89023.44044.44028.62054.72042.090
注:括号内为标准误,下同
(2)调节效应检验。模型(3)、模型(4)在模型(2)的基础上分别加入关系分裂断层和地位分裂断层两个调节变量。模型(3)结果显示,关系分裂断层与知识网络分裂断层交互项显著为负(β=-0.000 1,p<0.01),说明关系分裂断层负向调节知识网络分裂断层与突破性创新关系,假设H2a得到验证。模型(4)结果显示,地位分裂断层与知识网络分裂断层交互项显著为负(β=-0.197,p<0.01),说明地位分裂断层和知识网络分裂断层负向调节知识网络分裂断层与突破性创新关系,假设H2b得到验证。本文绘制调节效应示意图,如图6所示。
图6 调节效应
Fig.6 Moderating effects
(3)三阶调节效应检验。参考王海花等(2023)的研究,当存在三阶调节效应时,自变量×调节变量×三阶调节变量的回归系数显著。模型(5)～模型(8)分别加入知识网络分裂断层、关系分裂断层与地位分裂断层、地理邻近性与行业邻近性的两两交互项及三项交互项。模型(5)结果显示,知识网络分裂断层、关系分裂断层和地理邻近性的交互项系数显著为负(β=-0.016,p<0.05),说明地理邻近性缓解了关系分裂断层的负向调节作用。模型(8)结果显示,知识网络分裂断层、地位分裂断层和行业邻近性系数显著为负(β=-0.776,p<0.05),说明行业邻近性缓解了地位分裂断层的负向作用,假设H3a和H4b得到验证。模型(6)结果显示,知识网络分裂断层、地位分裂断层和地理邻近性交互项系数为正,但不显著(β=1.016,p>0.1)。模型(7)结果显示,知识网络分裂断层、关系分裂断层和行业邻近性交互项系数为正,但不显著(β=0.000 4,p>0.1),假设H3b和H4a得到部分验证。
图7为三阶调节效应回归结果。图7a显示在低关系分裂断层和高地理邻近性情况下,知识网络分裂断层对突破性创新的拟合斜率最大。这说明,当焦点企业与联盟成员关系均衡时,应纳入地理位置邻近的组织。图7b显示在高地位分裂断层和高行业邻近性情况下,知识网络分裂断层对突破性创新的拟合斜率最大,说明焦点企业需要吸收行业邻近的合作伙伴缓解高地位分裂断层带来的负向影响。可见,关系分裂断层主要受地理邻近性调节,地位分裂断层主要受行业邻近性调节。
图7 三阶调节效应
Fig.7 Third-order moderating effects
为保证实证结果的有效性,本文采用以下方法对变量进行稳健性检验:①替换因变量测量范围,将因变量测量时间由1年拓宽到2年,即在t～t+1年测量企业突破性创新数量;②拓宽样本时长,将样本时间范围扩展为2006—2022年。将稳健性检验结果与原模型结果对比发现,变量系数及显著性未发生显著改变,说明本文研究结论具有较强的稳健性。结果如表3所示。
表3 稳健性检验结果
Table 3 Robustness test results
变量稳健性检验一:替换因变量(2)(3)(4)(5)(6)(7)(8)BIBIBIBIBIBIBI稳健性检验二:拓宽样本(2)(3)(4)(5)(6)(7)(8)BIBIBIBIBIBIBI控制变量YESYESYESYESYESYESYESYESYESYESYESYESYESYESKF0.007*0.028***0.036***0.0080.0240.042*-0.107*0.010***0.025***0.025***0.022***0.038***0.024-0.049*(0.004)(0.008)(0.012)(0.011)(0.016)(0.023)(0.060)(0.004)(0.006)(0.008)(0.008)(0.013)(0.018)(0.029)RF-0.013-0.037**-0.220***0.003-0.012-0.073(0.010)(0.015)(0.059)(0.009)(0.016)(0.054)KF×RF-0.0001*0.004***-0.001-0.0001***0.002*-0.001(0.000)(0.001)(0.000)(0.000)(0.001)(0.001)SF-1.0352.931-3.1740.1683.451*2.437(1.329)(2.040)(3.579)(1.252)(1.913)(3.343)KF×SF-0.184***-0.304**0.645*-0.107**-0.337***0.213(0.069)(0.122)(0.379)(0.051)(0.099)(0.222)GEO-0.4200.190-0.0250.197(0.399)(0.412)(0.324)(0.367)KF×GEO0.096**0.0536-0.0001-0.018(0.039)(0.052)(0.016)(0.019)RF×GEO0.137**0.061(0.070)(0.049)KF×RF×GEO-0.027***-0.014**(0.008)(0.007)SF×GEO-20.150***-16.68**(7.186)(7.141)KF×SF×GEO0.9901.190**(0.614)(0.471)IND-0.145-0.475*-0.033-0.068(0.224)(0.274)(0.207)(0.249)KF×IND-0.0170.084**-0.0040.056***(0.014)(0.035)(0.012)(0.020)RF×IND0.127***0.046(0.036)(0.034)KF×RF×IND0.001*0.0001(0.000)(0.000)SF×IND0.739-2.217(2.689)(2.450)KF×SF×IND-0.474**-0.231(0.227)(0.152)Constant6.899**6.280**7.568***6.590**7.370***4.803*7.102**4.018*3.1013.5783.827*3.7603.1994.085*(2.723)(2.662)(2.768)(2.682)(2.791)(2.597)(2.873)(2.265)(2.226)(2.265)(2.298)(2.320)(2.292)(2.298)Observations693693693693693693693861861861861861861861Log lik.-875.30-870.20-871.00-861.60-863.40-858.70-867.30-874.60-870.40-872.50-868.20-868.50-867.40-866.00Chi-squared8.11219.18018.08043.41031.32053.15027.35015.65025.28020.92034.82028.14035.31036.250
本文得出以下结论:①知识网络分裂断层对突破性创新存在显著促进作用,即知识网络分裂断层越明显,焦点企业越拥有丰富的知识基础进行突破性创新;②合作网络中关系分裂断层和地位分裂断层负向调节知识网络分裂断层对突破性创新的作用;③地理邻近性会缓解关系分裂断层的负向调节作用,行业分裂断层会缓解地位分裂断层的负向调节作用。
(1)本研究从知识网络视角出发,探究知识网络特征与突破性创新的关系。现有研究常沿用一般创新绩效框架,强调新颖性对突破性创新的作用,如成员知识多样性、知识搜索[26]等,但突破性创新不同于一般创新,其具有前沿性特征。本文通过分析网络中广泛存在的深度组合关系,对突破性创新进行深度剖析。另外,施萧萧和张庆普(2021)认为合作网络嵌入特征、分裂断层对突破性创新具有倒U型影响,但本文揭示知识网络分裂断层对突破性创新存在线性正向影响,说明从知识视角解释突破性创新影响因素更直接。
(2)本研究通过分析知识网络分裂断层产生的原因,揭示合作网络分裂断层对知识网络分裂断层与突破性创新关系的影响作用。虽然Zhao等[7]的研究考虑到知识特征会导致网络断层现象,但未直接对其进行分析。本文将分裂断层拓展到知识网络层面,对创新网络断层理论作出进一步拓展。此外,王海花等(2023)研究发现,合作网络节点位置嵌入和结构嵌入对知识网络与企业创新关系具有积极影响,本文从分裂断层这一网络关系强度视角出发,验证了合作网络对知识网络的资源传递作用。
(3)从邻近性视角出发,挖掘联盟组合中焦点企业合作伙伴选择和治理机制,丰富了行业邻近性和地理邻近性研究。既有研究认为地理邻近性对合作网络形成与发展具有显著促进作用(曹霞等,2023),本文验证了这一观点,并指出企业合作网络节点地位受地理因素的影响较小,但地理邻近仍是企业开展合作的重要影响因素。本研究认为,行业邻近性能够缓解地位分裂断层对知识网络分裂断层与突破性创新的负向调节作用,既验证了苏屹和付宁宁(2023)提出的“制造企业创新效率网络受行业邻近性影响越来越显著”的观点,也揭示了行业邻近性对合作网络节点地位的重要性。
根据上述研究结论,本文提出以下管理启示:
(1)焦点企业既需要深耕特定领域知识,又需要吸收新颖的异质性知识,优化知识网络结构,提高知识网络分裂断层水平。焦点企业需要基于核心业务,在特定技术领域投入大量资金,加大人才培养力度,紧跟技术前沿。同时,也要与合作伙伴开展广泛的合作研发活动,持续性学习和吸收新知识,既要避免陷入“能力陷阱”,也要为突破性创新获取足够多的异质性知识资源。
(2)在联盟组合合作伙伴关系治理上,焦点企业应避免厚此薄彼的合作行为,平衡与各合作伙伴间的关系,鼓励合作伙伴之间建立合作关系,降低联盟关系分裂断层和地位分裂断层水平。焦点企业应与各合作伙伴签订研发合作协议,通过契约方式提高信任度,并定期派遣技术和业务人员进行交流与学习,与多位合作伙伴保持均衡关系。同时,焦点企业应为不同合作伙伴搭建沟通合作的“桥梁”,邀请联盟组合合作伙伴举办大规模技术研讨活动,鼓励合作伙伴之间开展研发合作,提高边缘成员创新积极性和参与度。
(3)在联盟组合合作伙伴选择上,焦点企业应优先选择地理位置邻近和行业邻近的合作伙伴。通过与地理位置接近的合作伙伴达成合作关系,与联盟组合成员共用实验设备,开展低成本、高效率面对面商谈和学习,促进隐性知识传递。通过选择同一行业合作伙伴,借助自身行业资源,提高内部资源利用率,并定期考察合作成员的研发进度,更好地对联盟进行监督和控制。
本文存在如下不足:首先,关于联盟组合构建,未来可将专利数据与企业年报、新闻、官网合作协议等相结合,提升联盟组合成员的完整性。其次,本文构建的研究框架可拓展到集成电路、脑科学、新一代人工智能等关键核心技术领域,以增强研究结论的普适性。
[1] 韩炜,邓渝. 联盟组合的研究述评与展望:联盟组合的交互、动态与影响效应[J]. 管理评论, 2018, 30(10): 169-183.
[2] 许佳琪,汪雪锋,雷鸣,等. 从突破性创新到颠覆性创新:内涵、特征与演化[J]. 科研管理, 2023, 44(2): 1-13.
[3] LI H,ZHANG Q,ZHENG Z.A mediating effect of knowledge integration and moderating effect of organizational task environment[J]. Enterprise Information Systems, 2019, 13(9): 1323-1346.
[4] LIN R, LU Y, ZHOU C, et al. Rethinking individual technological innovation: cooperation network stability and the contingent effect of knowledge network attributes[J]. Journal of Business Research, 2022, 144: 366-376.
[5] 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.
[6] CHENG L, LIU Y, LOU X, et al. Does technology conglomeration promote innovative outcomes of new energy vehicle enterprises? the moderating effect of divisive faultlines[J]. Journal of Cleaner Production, 2021, 324: 129232.
[7] ZHAO Y, LI Z, LI L, et al. Research on technological divisive faultlines in cliques: evidence from china's biomedical industry innovation network[J]. IEEE ACCESS, 2022, 89(10): 745-757.
[8] SHANG J, ZHANG K, LIU S. The relationship between knowledge potential matching and innovation performance of university-enterprise cooperation: the moderating effect of geographic proximity[J]. Technology Analysis &Strategic Management, 2023, 35(10): 1278-1295.
[9] LAU D C, MURNIGHAN J K. Demographic diversity and faultlines: the compositional dynamics of organizational groups[J]. Academy of Management Review, 1998, 23(2): 325-340.
[10] HEIDL R A, STEENSMA H K, PHELPS C. Divisive faultlines and the unplanned dissolutions of multipartner alliances[J]. Organization Science, 2014, 25(5): 1351-1371.
[11] THATCHER, SHERRY M B, PATEL P C. Group faultlines: a review, integration, and guide to future research[J]. Journal of Management, 2012, 38(4): 969-1009.
[12] 康鑫,刘美芯. 技术创新网络分裂断层、知识权力与创新独占性——知识势差的调节作用[J]. 科技进步与对策, 2021, 38(8): 9-15.
[13] CHENG L, WANG M, LOU X, et al. Divisive faultlines and knowledge search in technological innovation network: an empirical study of global biopharmaceutical firms[J]. International Journal of Environmental Research and Public Health, 2021, 18(11): 5614.
[14] 郭燕青,王慧玲. 网络分裂断层对瞪羚企业科技创新能力影响研究[J]. 工程管理科技前沿, 2023, 42(5): 1-11.
[15] XU L, YIN X, GONG H, et al. Effects of inventive capabilities on new product development performance: the knowledge combination view[J]. Journal of Manufacturing Technology Management, 2022, 11(22): 490-504.
[16] 曹兴,谭蒙盼. 新兴技术知识耦合网络形成机制研究[J]. 情报杂志, 2023, 42(10): 150-156.
[17] 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.
[18] BA Z, MAO J, MA Y, et al. Exploring the effect of city-level collaboration and knowledge networks on innovation: evidence from energy conservation field[J]. Journal of Informetrics, 2021, 15(3): 101198.
[19] 曾德明,罗侦,文金艳,等. 权变视角下知识重组对技术创新质量的影响——基于中国医药制造业企业的实证研究[J]. 管理评论, 2022, 34(9): 87-97.
[20] SONG F, ZHAO C. Why do Chinese enterprises make imitative innovation——an empirical explanation based on government subsidies[J]. Frontiers in Psychology, 2022, 13(9): 802703.
[21] XIE Q, GAO Y, XIA N, et al. Coopetition and organizational performance outcomes: a meta-analysis of the main and moderator effects[J]. Journal of Business Research, 2023, 154(1): 113363.
[22] 黄宏斌,孙雅妮,许晨辉. 客户—供应商稳定关系促进了双方的协同创新吗[J]. 中南财经政法大学学报,2023,76(6):16-28.
[23] YU D, DENG K, GAO X, et al. Psychological distance impacts subgroup reciprocity in technological innovation networks: the mediating role of divisive faultlines[J]. Frontiers in Psychology, 2022, 13: 857088.
[24] PETRUZZELLI A M. Trading knowledge for status: conceptualizing R&D alliance formation to achieve ambidexterity[J]. Technological Forecasting and Social Change, 2019, 145(8): 36-42.
[25] 孙晓华,翟钰,冀浩正. 行业锦标赛激发了企业策略性创新吗[J]. 南开管理评论,2024,27(5):186-197.
[26] ZHANG Y, WANG D. Knowledge search, knowledge integration and enterprise breakthrough innovation under the characteristics of innovation ecosystem network: the empirical evidence from enterprises in Beijing-Tianjin-Hebei region[J]. Plos One, 2021, 16(12): 1-16.