The Impact of Cross-Layer Embeddedness of Innovators on Innovation Quality from the Perspective of Innovation Chain: An Example of China's Industrial Robot Industry

Liu Na1,Jiang Yuying1,Feng Yanan2,Mao Jianqi1

(1.School of Business Administration, Shandong Technology and Business University, Yantai 264005, China;2. Office of Educational Administration, Shandong Vocational University of Foreign Affairs, Weihai 264504, China)

Abstract：In recent years, the industrial robot industry in China has experienced rapid growth and significant development. Industrial robots are widely recognized for their crucial role in facilitating the transformation and upgrading of the manufacturing industry. As a result, the need for high-quality technological innovation within the industry has become more pressing than ever before. However, some scholars have pointed out that a structural imbalance within the industrial innovation chain underlies the industry's development dilemma. By focusing on the cross-layer embedding of innovative agents within innovation networks, this research highlights the importance of collaboration across different stages of the innovation process.

Cross-layer embeddedness underscores the interconnectedness of different stages throughout the innovation process. By analyzing the interactions between science, technology, and product networks, researchers can gain a clearer understanding of how innovations are developed, refined, and ultimately brought to market. By examining how innovation agents are simultaneously embedded within multiple networks, researchers can gain insights into their contributions to the overall quality of innovation outcomes. This study pays special attention to the interaction between different innovation stages. During the innovation process, new discoveries in scientific research can stimulate technological innovation, and the practical application of technology can reveal unknown problems in the field of science. Technological achievements can be transformed into products, and the market application of products can reveal technological shortcomings. Innovation agents within the scientific, technological, and product development networks interact with each other at each stage, creating a cyclical process where each stage influences and propels the progress of subsequent stages. To explore the impact of cross-layer embeddedness of innovative agents within innovative networks on quality outcomes, the study uses interactions of centrality measures in the science and technological network embeddedness, the interactions of centrality measures in the technological and product network embeddedness, the interactions of structural holes in the science and technological network embeddedness, and the interactions of structural holes in the technological and product network embeddedness. These interactions serve as analytical indicators that reflect the characteristics of cross-layer embeddedness of innovation agents.

Using the multi-source heterogeneous data from China′s industrial robot industry collected from 2008 to 2022, the study constructs collaboration innovation networks for science, technology and product, respectively. By calculating network indicators with Ucinet, it then empirically explores the mechanism and scenario conditions of how technological innovation agents′ cross-layer embeddedness contributes to the enhancement of innovation quality. It is found that there is a significant positive impact of the cross-layer embeddedness of innovation agents on innovation quality. Specifically, the more positions the innovator occupies in the structural hole bridge, that is, the higher the degree of control that the innovator has over other innovators in the network, the stronger the connection function in the two-layer network, and thus the higher the innovation quality. However, the extent of cross-layer partner overlap in innovation agents does not appear to moderate the role of cross-layer embeddedness on innovation quality in a significant manner.

In summary, this study introduces an improved measurement method for partner overlap, clarifies the role of situational factors in influencing innovation quality through cross-layer embeddedness, and enriches and deepens existing research dimensions by examining the cross-layer embeddedness of innovative agents within multi-layer networks, approached from an innovation chain perspective.The findings of this study have important implications for policymakers, industry practitioners, and researchers in the field of industrial robotics. By advancing stakeholders′ understanding of the impact of cross-layer embeddedness on innovation quality, they can better strategize and allocate resources to enhance the overall innovation ecosystem. Additionally, the study underscores the necessity for ongoing collaboration and knowledge sharing among various actors in the innovation chain to drive sustainable growth and development within the industrial robot industry. The study provides valuable insights into the dynamics of innovation within the industrial robot industry and offers a framework for understanding the role of cross-layer embeddedness in enhancing innovation quality. By bridging scientific research, technological innovation, and product development, this study lays the groundwork for future advancements in industrial robotics.

Key Words：Innovation Chain;Cooperative Innovation Network;Cross-layer Embeddedness; Innovation Quality; Partner Overlap

收稿日期：2023-12-04

修回日期：2024-02-12

基金项目：国家自然科学基金面上项目(72174112);山东省自然科学基金面上项目(ZR2023MG049);泰山学者工程专项经费资助项目(tsqn201909149)

作者简介：刘娜(1985-),女,山东巨野人,博士,山东工商学院工商管理学院教授,研究方向为技术与创新管理;蒋雨莹(2000-),女,山东青州人,山东工商学院工商管理学院硕士研究生,研究方向为技术创新;冯亚男(1984-),女,山东乳山人,山东外事职业大学教务处副教授,研究方向为数字经济与创新;毛荐其(1963-),男,安徽桐城人,博士,山东工商学院工商管理学院教授,研究方向为技术与创新管理。本文通讯作者:冯亚男。

DOI：10.6049/kjjbydc.2023120041

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(2025)09-0050-12

0 引言

近年来中国在科技创新领域持续发力,专利申请数量不断攀升。但是,专利申请数量攀升不等于创新质量提升。整体来看,我国仍然有许多新成果存在低质低效问题,导致面临西方国家技术封锁时难以有效应对[1]。作为创新活动主体,企业、高校和科研机构创新质量的提升对于我国科技事业突破性发展至关重要。创新链涵盖多个创新主体并以市场需求为导向,可划分为基础研究、应用研究以及商业化等多个环节[2]。各环节知识需求差异大、创新资源异质性强,仅仅依靠单一创新主体难以实现对不同创新资源的搜索与整合,需借助不同主体间的交互与沟通,进而为异质性创新资源的高效整合提供可能[3]。因此,各环节创新主体加强合作,有助于提升创新质量[4]。合作创新网络是嵌入在创新链上的复杂网状结构,由企业、高校和科研机构等多元创新主体联结而成,旨在实现从基础研究到商业化的全过程创新[5]。俞立平等[6]认为,产学研各方在创新链不同阶段的嵌入与布局是实现高质量创新的重要基础。因此,从创新链视角思考创新主体如何通过网络嵌入开展高水平科研活动对提高创新质量具有重要意义。

现有研究发现,创新网络嵌入是影响创新质量的重要因素。如有学者认为,金融化行为通过创新网络嵌入为企业创新质量提升创造便利条件[7];黄苹[8]从网络结构与关系嵌入维度探究基于跨国并购的国外创新网络对创新质量的影响机制,发现网络结构嵌入与关系嵌入对创新质量存在异质性影响;李飞等(2019)则重点关注了海外并购知识整合网络嵌入对国内国际创新质量的影响;王方方等[9]基于粤港澳大湾区创新网络嵌入视角,实证探究创新氛围与创新质量的耦合协调程度;杨张博和王钦[10]考察了战略联盟网络结构嵌入对技术创新质量的影响;Chen等[11]从机构投资者网络嵌入视角考察网络嵌入对创新质量的影响。综上,关于创新网络嵌入如何影响创新质量的文献成果丰富,但现有研究多关注单层创新网络嵌入,较少从创新链视角关注创新主体跨层嵌入对技术创新质量的潜在影响。

跨层嵌入是指创新主体同时嵌入在多层创新网络内并利用联结关系实现各层网络资源联动协同的过程。毛荐其等[12]通过构建涵盖发明者合作关系、知识元素联结关系、知识元素与创新主体二分隶属关系在内的多层次创新网络框架,以华为、苹果公司为例,实证探究发明者跨层凝聚性与跨层连通性对知识搜索的影响机制;Cong等[13]从知识管理角度构建多层次网络,分析多层次网络嵌入对技术创新绩效的影响;杨蕙馨等[14]基于多层网络视角将高校合作网络、知识网络和区域合作网络纳入同一框架,考察跨层嵌入与协同创新绩效关系,研究发现高校合作网络结构洞与知识网络动态性的交互作用、区域合作网络结构洞与高校合作网络结构洞的交互作用对协同创新绩效具有正向影响;王崇锋等[15]通过构建创新主体合作网络、成员合作网络和知识融合网络,实证检验三者两两交互作用与创新主体创新绩效关系,结果发现它们均能促进创新绩效提高。综合以上文献不难发现,跨层嵌入对技术创新影响的研究成果较丰富,且多从合作网络跨层嵌入视角展开。然而,这些跨层嵌入研究缺乏从创新链角度的审视。许冠南等(2020)从创新链视角探索科学、技术和商业生态系统中科技成果或销量排名前列的机构合作网络动态演化机制,为本研究分层解构创新主体合作创新网络、基于创新链视角探索创新主体跨层嵌入创新网络提供了知识基础。跨层嵌入可为创新主体从不同合作创新网络汲取异质性知识提供便利条件,进而成为提升创新质量的重要途径。

综上所述,本文将探讨创新主体跨层嵌入对创新质量的影响以及合作伙伴重叠度的调节作用,进而明晰创新主体跨层嵌入合作创新网络对技术创新质量的影响路径。当前,中国制造业迈向高质量发展阶段。作为人工智能和智能装备的重要应用工具,工业机器人产业被认为是赋能制造业转型升级和实现高质量发展的重要着力点[16]。近几年中国工业机器人市场规模获得快速增长,但受到产业技术基础薄弱、核心零部件遭遇技术封锁等因素影响,中国工业机器人产业在技术研发、商业化推广等方面陷入发展困境。2021年十五部门联合印发《“十四五”机器人产业发展规划》,要求 “到2025年,我国成为全球机器人技术创新策源地、高端制造集聚地和集成应用新高地”。提升工业机器人产业创新质量对于我国实现制造业总体目标至关重要。有学者指出,工业机器人产业陷入发展窘境的根源在于其产业创新链存在结构性失衡、科技创新与产品开发推广脱节、大量科技成果被“束之高阁”[17]。由此,本研究利用2008—2022年中国工业机器人产业数据,构建科学、技术与产品层合作创新网络,利用Ucinet等社会网络分析软件计算创新主体网络结构指标,实证检验创新主体跨层嵌入网络对创新质量的影响。本文的边际贡献包括:第一,基于创新链视角,拓展多层次合作创新网络划分维度,补充和丰富创新主体跨层嵌入的理论研究,对创新主体跨层嵌入创新网络的分析框架进行完善。第二,延伸创新质量的影响前因,从创新链视角探讨技术创新主体跨层嵌入对创新质量的影响,拓展创新质量理论研究,明晰创新主体多环节联动对创新质量的影响。第三,引入合作伙伴重叠度指标,对合作伙伴重叠度测度方法进行完善,厘清合作伙伴重叠度在创新主体跨层嵌入与创新质量关系中发挥的作用,为创新主体筛选合作伙伴提供参考。

1 理论基础与研究假设

1.1 基于创新链视角的多层次创新网络

创新链源自学界对创新过程的思考,是不同阶段创新活动有机连接与协同形成的链条。创新链具有显著的过程性特征,其包含从前端基础研究到后端商业化扩散的创新全过程。目前,学者多采用创新链的三阶段理论,即链条前端的知识创造与知识积累、中间阶段的知识应用、最后阶段的商业化(李雨晨等,2019),进而根据不同环节与功能,将创新链解构为基础研究、应用研究与商业化3个阶段。

基于此,本研究从创新链视角将合作创新网络定义为嵌入在科学、技术与产品环节,由创新主体及其合作关系组成的网状拓扑结构,其具有多层次、复杂化特征,可具体划分为贯穿创新全过程的科学合作创新网络、技术合作创新网络和产品开发合作创新网络。其中,科学合作创新网络偏重于基础学科的知识创造,多为理论创新,是依附于创新链先发环节的合作创新网络。当前研究表明,科学研究主体间合作有助于整合科技资源,促进科学产出[18];技术合作创新网络主要强调技术开发合作,是合作创新网络的桥梁环节;产品开发合作创新网络多关注蕴含科技知识的创新产品“落地”,是合作创新网络的末端环节。本文依托合作创新网络,以企业、高校、科研院所等创新主体为研究对象,在参考借鉴现有网络嵌入研究的基础上,基于创新主体论文合作情况构建科学合作创新网络,基于创新主体专利申请合作情况构建技术合作创新网络,基于创新主体产品创新合作情况构建产品研发合作创新网络。现有的网络嵌入与创新关系研究多集中于单一的科学、技术或产品层面,掩盖了其中潜藏的跨层机制,导致知识创造与知识商业化过程研究陷入割裂状态。因此,本研究依据Turkenburg[19]提出的反向反馈创新链概念,重点关注创新环节之间的交流与互动,对创新主体跨层嵌入研究框架进行补充。

创新过程中的科学新发现有助于激发技术创新,而技术应用有助于发现未知的科学问题。同时,技术成果转化为产品,通过产品的市场化应用揭示技术方面存在的不足。换而言之,创新主体在科学网络、技术网络、产品网络内相互影响,形成一个循环往复过程,即每个阶段都影响并驱动下一阶段,而下一阶段也会向上一阶段提供反馈进而反向作用于上一阶段发展。因此,本研究将同时嵌入科学网络与技术网络的创新主体界定为嵌入在“科学—技术”合作创新网络的创新主体,将同时嵌入在技术网络与产品网络的创新主体界定为嵌入在“技术—产品”合作创新网络的创新主体,用于探讨创新主体跨层嵌入对创新质量的影响。

本文选取中心度和结构洞两个社会网络分析指标考察创新主体对创新质量的潜在影响。其中,网络中心度是指创新主体趋于网络中心位置的程度,网络结构洞是指创新主体与合作伙伴间共享联系存在的合作空隙。为探究创新主体跨层嵌入创新网络对创新质量的影响,即创新主体嵌入在“科学—技术”合作创新网络和“技术—产品”合作创新网络对创新质量的影响,本研究将科学网络嵌入中心度与技术网络嵌入中心度的交互作用、技术网络嵌入中心度与产品网络嵌入中心度的交互作用、科学网络嵌入结构洞与技术网络嵌入结构洞的交互作用、技术网络嵌入结构洞与产品网络嵌入结构洞的交互作用作为分析指标,用于表征创新主体跨层嵌入特征以及合作创新网络中的联动关系。同时,鉴于创新主体在不同合作网络中拥有相同合作伙伴,有利于发挥网络结构嵌入效能,因此将合作伙伴重叠度作为情景变量纳入研究框架,具体如图1所示。

1.2 创新主体跨层嵌入“科学—技术”合作创新网络对创新质量的影响

在基于创新链的多层次合作创新网络中,基础研究被认为是技术创新的根本驱动力和技术开发应用的先决条件,由科学合作网络产生的基础知识在技术网络中得到应用,两者间的互动尤为关键。同时,技术应用有助于揭示未知的科学问题,反向推动科学进步,故本研究对创新主体跨层嵌入“科学—技术”合作创新网络进行考察。

(1)科学与技术网络嵌入中心度的交互作用。一方面,科学网络嵌入中心度高的创新主体拥有多个紧密合作伙伴和信息优势,有助于创新主体获取全面、广泛的异质性知识,为技术创新提供更多知识支撑。同时,创新主体可以更快速地了解与掌握科学前沿,拓展研究深度和广度,促进科学与技术互动、融合,进而将理论发现转化为技术创新成果,从而提升创新质量。另一方面,创新主体的技术网络嵌入中心度越高,其获得的互补性技术资源越多,越有助于与现有技术资源整合,形成高价值、高质量技术成果,进而提升创新质量。因此,本研究提出研究假设:

H1a：科学网络嵌入中心度与技术网络嵌入中心度的交互作用对创新质量具有正向影响。

(2)科学与技术网络嵌入结构洞的交互作用。一方面,科学网络嵌入结构洞较高的创新主体通过与不同领域创新主体进行跨学科知识交互与合作,有助于获取更多非冗余、异质性资源和知识,催生创新思维,形成富有创新价值的理论观点,进而促进创新质量提升。另一方面,技术网络嵌入结构洞高的创新主体通过跨领域合作与资源共享,实现技术互补,同时,提供技术知识整合机会,促使创新主体重新思考问题,拓展科学研究范围,从而有利于创新质量提高。因此,本研究提出研究假设:

H1b：科学网络嵌入结构洞与技术网络嵌入结构洞的交互作用对创新质量具有正向影响。

1.3 创新主体跨层嵌入“技术—产品”合作创新网络对创新质量的影响

技术网络旨在促进技术创新,而产品网络旨在推动成果落地、实现商业化。技术网络作为创新链上合作创新网络的中端环节,能够为产品网络提供产品开发所需的技术知识和创新资源,虽然产品网络是合作创新网络的末端环节,但也可以通过向技术网络反馈信息,为技术网络创新主体提供市场机会。由此,探讨创新主体在技术网络与产品网络间的跨层嵌入对创新质量的影响也具有重大意义。

(1)技术与产品网络嵌入中心度的交互作用。一方面,技术网络嵌入中心度高有助于创新主体吸引新网络进入者并与之建立合作关系,获得更多互补性技术资源,实现与现有技术资源整合,补充技术创新所需资源,促进产品创新,提升创新质量[20]。另一方面,产品网络嵌入中心度高有助于创新主体高效捕捉市场资源与机会,在充分占有市场资源的基础上,将获取的技术信息进行比对与整合,增强技术适应性、提高技术创新成果转化率,从而提高创新质量。因此,本文提出研究假设:

H2a：技术网络嵌入中心度与产品网络嵌入中心度交互作用对创新质量具有正向影响。

(2)技术与产品网络嵌入结构洞的交互作用。一方面,技术网络嵌入结构洞较高的创新主体占据桥梁位置,有更多机会接触不同领域创新资源,通过识别可行性高的市场机会,精准开展创新活动,将新理念转化为技术产品,进而提高创新质量。另一方面,创新主体嵌入的产品网络结构洞较多,有助于其快速获取多领域信息和创新资源,实现技术的快速迭代以适应市场,进而提高创新质量。因此,本研究提出假设:

H2b：技术网络嵌入结构洞与产品网络嵌入结构洞交互作用对创新质量具有正向影响。

1.4 合作伙伴重叠度在创新主体跨层嵌入合作创新网络与创新质量关系间的调节作用

合作伙伴重叠度是指跨层嵌入的网络主体在不同层级合作创新网络中拥有相同合作伙伴的重叠程度,其值越高,说明网络主体在多个创新环节与伙伴的联系越密切(曾德明等,2021)。为厘清合作创新网络跨层嵌入的交互作用影响创新质量的情境条件,本研究进一步考察合作伙伴重叠度的调节作用。

合作伙伴重叠度会影响创新主体与跨层嵌入网络中心度的交互作用对创新质量的影响。合作伙伴重叠度有助于强化创新主体的跨层网络关系,但高合作伙伴重叠度会僵化创新主体与合作伙伴的联结关系,特别是当创新主体拥有直接合作伙伴时,高合作伙伴重叠度会使跨层嵌入“科学—技术”网络和“技术—产品”网络的创新主体在每层网络的结构位置与合作伙伴都相似。这会影响创新主体获取知识的多样性与丰富性,进而固化创新主体思维、抑制新知识发现,影响创新主体在跨层网络之间的知识转化深度,从而导致创新质量下降。因此,本文提出研究假设:

H3a：合作伙伴重叠度会削弱科学网络嵌入中心度与技术网络嵌入中心度交互作用对创新质量的正向影响;

H3b：合作伙伴重叠度会削弱技术网络嵌入中心度与产品网络嵌入中心度交互作用对创新质量的正向影响。

合作伙伴重叠度也会影响创新主体与跨层嵌入结构洞交互作用对创新质量的影响。具体而言,高合作伙伴重叠度意味着创新主体在“科学—技术”合作创新网络或是“技术—产品”合作创新网络中合作伙伴的重合率很高。虽然创新主体在两层网络中所处结构位置相似,但创新主体嵌入的网络结构洞较多,表明创新主体需要跨学科开展活动,从而导致资源分散。同时,创新主体需要平衡各层网络利益。当创新主体在“科学—技术”合作创新网络或“技术—产品”合作创新网络嵌入的结构洞数量过大时,创新主体会面临信息与资源过载问题,从而需要投入更多精力以平衡和协调两层网络关系,不利于创新质量提升。因此,本文提出研究假设:

H4a：合作伙伴重叠度会削弱科学网络嵌入结构洞与技术网络嵌入结构洞交互作用对创新质量的正向影响;

H4b：合作伙伴重叠度会削弱技术网络嵌入结构洞与产品网络嵌入结构洞交互作用对创新质量的正向影响。

综上所述,本文构建理论模型如图2所示。

2 研究设计

2.1 样本选取与数据来源

科学论文是知识成果产出的主要形式,技术专利是衡量技术创新水平的重要依据,商业项目则是产品开发合作的主要来源[21]。由此,本研究以中国工业机器人产业为样本,利用该领域联合发表论文数、联合申请专利数和联合开发产品数的多源异构数据作为原始样本,构建科学、技术和产品开发合作网络矩阵。其中,联合发表论文数来自 Web of Science 核心合集的SCI-E数据库,联合申请专利数来自IncoPat数据库,联合开发产品数来自企查查等数据平台和企业官网公告、新闻报道以及公司财务报表。此外,借鉴既有研究,构建工业机器人研究文献、专利检索式。语言选为“English”,论文文献类型定为“Article”,专利范围为发明和实用新型专利,国家选定中国,截止日期是2022年12月31日。获得检索结果后,结合IFR的工业机器人定义,对文献与专利数据进行人工筛选,删除涉及“家用”“农业”“医疗”“特种军事”等应用情景的服务机器人和特种机器人数据。

创新机构通常会通过官方公告、新闻报道等媒介形式披露其商业项目,因此本文中的产品开发合作数据来源于商业项目信息。结合历年工业机器人产业领域发布的各类榜单以及发表过工业机器人相关文献或申请过工业机器人专利技术的组织机构,共得到43 465个组织机构,筛选出经营范围涉及“机器人”“机械手”等关键词的经营主体以及涉及“自动化”“伺服系统”“减速器”等潜在经营主体。而后从企查查、天眼查等数据平台,以及企业官方公告、新闻报道和公司年报中提取有关工业机器人产品开发信息。本文将机构间联合进行产品研制、设计和生产推广等活动定义为机构间存在产品开发合作关系,由此共得到产品开发合作项目数据1 273条。考虑到2008年后工业机器人产业论文和专利申请量有较大幅度增长,因此观测时期设定为2008-2022年。本研究侧重于考察创新主体间的创新合作,故将研究主体限定为企业、高校和科研院所,筛选出同时嵌入在两层及以上网络的创新主体509家,并借鉴Abell[22]的做法,使用3年移动时间窗建立动态网络。由此,构建科学、技术与产品合作创新网络。

2.2 变量测度

2.2.1 被解释变量:创新质量(INQ)

专利制度对专利的保护是基于专利权利要求内容确定保护范围的,专利权利要求数越多,专利保护范围越广,专利经济价值与质量越高,创新质量也越高。现有研究多用专利权利要求数指标测度创新质量[21-22],借鉴该做法,本研究将专利层面的知识宽度信息加总至创新主体层面代表创新质量。从开展合作创新活动到申请专利存在时间差,故对创新质量滞后三年进行回归,同时,使用三年移动时间窗建立动态网络,即t-2至t期的网络嵌入指标影响t+1至t+3期的创新质量。本文对所有创新主体的专利合作数据进行筛选,以一年为单位采取中位数法将所有专利层面数据信息汇总至创新主体层面,并使用三年移动时间窗构建动态网络,将t+1至t+3时期的权利要求数加总后汇总至创新主体层面用于衡量创新质量。

2.2.2 解释变量:网络嵌入中心度与结构洞

(1)网络嵌入中心度表示创新主体拥有的直接合作伙伴数量,反映该主体在网络中靠近中心枢纽位置的程度[23]。本研究采用节点度值衡量创新主体的网络嵌入中心度,并利用科学网络嵌入中心度与技术网络嵌入中心度的交互作用、技术网络嵌入中心度与产品网络嵌入中心度的交互作用表征创新主体跨层嵌入的特征和合作创新网络之间的联动关系。借鉴已有研究,计算公式为:

STD=sdi×tdj

(1)

TPD=tdj×pdk

(2)

其中,sdi表示单个创新主体在科学网络内拥有的合作创新主体数量;tdj表示单个创新主体在技术网络内拥有的合作创新主体数量;pdk表示单个创新主体在产品网络内拥有的合作创新主体数量。“科学—技术”网络嵌入中心度(STD)为创新主体嵌入科学网络中心度与技术网络中心度的乘积;“技术—产品”网络嵌入中心度(TPD)为创新主体嵌入技术网络中心度与产品网络中心度的乘积。

(2)结构洞是指在合作创新网络中存在节点连接的缺失。网络内某创新主体成为连通两端其它创新主体的唯一途径,则称该创新主体占据结构洞位置。占据结构洞位置的创新主体具有支配资源的地位优势[24]。结构洞限制指数是指结构洞两侧的限制程度,其与结构洞个数呈反比,即限制指数越大,表明创新主体占据的结构洞越少[25]。参考现有研究,本文采用结构洞“2-限制度”指数测量创新主体在合作创新网络中的嵌入情况,结构洞指数计算公式为:

(3)

shi=2-Ci

(4)

其中,i表示网络中某创新主体,j表示网络中其他创新主体。Ci为网络中创新主体i受到的总约束,Ci越大意味着创新主体占据的结构洞数量越少;Pi,j为网络中创新主体i与创新主体j的直接连结数量,q为网络中创新主体i与创新主体j非直接连结中的第三者,为网络内从创新主体i到创新主体j且通过q的非直接连结数量之和。shi为网络内创新主体i的结构洞指数。

本文利用科学网络嵌入结构洞与技术网络嵌入结构洞的交互作用、技术网络嵌入结构洞与产品网络嵌入结构洞的交互作用表征创新主体跨层嵌入的特征以及合作创新网络之间的联动关系。

STSH=sshi×tshj

(5)

TPSH=tshj×pshk

(6)

式中,根据结构洞指数计算公式(3)-(4),定义sshi为创新主体i在科学网络中的结构洞指数,计算方式与shi相同。同理,定义tshj为创新主体j在技术网络中的结构洞指数,定义pshk为创新主体k在产品网络中的结构洞指数。“科学—技术”网络嵌入结构洞(STSH)为创新主体嵌入科学网络结构洞与技术网络结构洞的乘积;“技术—产品”网络嵌入结构洞(TPSH)为创新主体嵌入技术网络结构洞与产品网络结构洞的乘积。

2.2.3 调节变量:合作伙伴重叠度(wlcdd)

每层合作创新网络内都存在创新主体的合作伙伴,若跨层嵌入的创新主体在“科学—技术”合作创新网络或“技术—产品”合作创新网络内均存在同一合作伙伴,即视为创新主体在不同合作创新网络内的直接合作伙伴存在重叠。本文将创新主体跨层嵌入网络分为“科学—技术”合作创新网络与“技术—产品”合作创新网络,故合作伙伴重叠度的计算也分别对应进行。合作伙伴重叠度越高,说明创新主体在多个创新环节与同一伙伴的联系越紧密。借鉴曾德明等(2021)的做法,具体计算公式为:

(7)

式中,wlcdd1it为创新主体i跨层嵌入 “科学—技术”网络中的合作伙伴重叠度,M1it为创新主体i在第t-2至第t年在科学、技术合作创新网络中直接合作伙伴的重叠度;Sit为创新主体i在第t-2至第t年的科学研究网络内直接合作伙伴的数量;Tit为创新主体i在第t-2年至第t年的技术研究网络内直接合作伙伴的数量,Sit+Tit-M1it表示创新主体i在“科学—技术”网络中所有直接合作伙伴的数量。

(8)

wlcdd2it为创新主体i跨层嵌入在“技术—产品”网络中的合作伙伴重叠度,M2it为创新主体i第t-2至第t年在技术、产品合作创新网络中直接合作伙伴的重叠度;Tit为创新主体i在第t-2年至第t年技术网络内直接合作伙伴的数量;Pit为创新主体i在第t-2年至第t年产品网络内直接合作伙伴的数量,Tit+Pit-M2it表示创新主体i在“技术—产品”网络内的所有直接合作伙伴数量。Wlcdd值越大,表明合作伙伴重叠度越高。当值为0时表示创新主体在两层网络中没有相同的直接合作伙伴;当值为1时表示创新主体在两层网络内的直接合作伙伴完全相同。

2.2.4 控制变量:研发年限(YRD)与研发团队规模(RDTS)

研发年限(YRD),借鉴已有研究[26],以创新主体初次研发年份距观测年份(t)的时间差测度;研发团队规模(RDTS),以创新主体平均每件专利所需的发明人数测度。

2.3 模型设定

根据理论假设,为了验证跨层次网络嵌入对创新质量的影响,构建以下模型:

INQi,t=β0+β1STDi,t+∑βKControli,t+δi+δt+εi,t

(9)

INQi,t=β0+β1TPDi,t+∑βKControli,t+δi+δt+εi,t

(10)

INQi,t=β0+β1STSHi,t+∑βKControli,t+δi+δt+εi,t

(11)

INQi,t=β0+β1TPSHi,t+∑βKControli,t+δi+δt+εi,t

(12)

为了验证合作伙伴重叠度的调节作用,构建以下模型:

INQi,t=β0+β1STDi,t+β2wlcdd1i,t+β3STDi,t×wlcdd1i,t+∑βKControli,t+δi+δt+εi,t

(13)

INQi,t=β0+β1TPDi,t+β2wlcdd2i,t+β3TPDi,t×wlcdd2i,t+∑βKControli,t+δi+δt+εi,t

(14)

INQi,t=β0+β1STSHi,t+β2wlcdd1i,t+β3STSHi,t×wlcdd1i,t+∑βKControli,t+δi+δt+εi,t

(15)

INQi,t=β0+β1TPSHi,t+β2wlcdd2i,t+β3TPSHi,t×wlcdd2i,t+∑βKControli,t+δi+δt+εi,t

(16)

其中,i代表产学研创新主体,t代表时间,INQ表示创新质量,STD为“科学—技术”网络嵌入中心度,TPD为“技术—产品”网络嵌入中心度,STSH为“科学—技术”网络嵌入结构洞,TPSH为“技术—产品”网络嵌入结构洞,wlcdd1为“科学—技术”网络合作伙伴重叠度,wlcdd2为“技术—产品”网络合作伙伴重叠度,Control代表控制变量,包括研发年限(YRD)、研发团队规模(RDTS);δi为个体固定效应,δt为时间固定效应,εi,t是随机扰动项。

3 实证研究与结果分析

3.1 描述性统计与相关性分析

如表1所示,主要解释变量间的相关系数均小于0.8,符合要求;各变量的方差膨胀因子VIF值也都远小于阈值10,表明不存在严重的多重共线性问题。

3.2 回归结果描述与分析

本文数据为非平衡面板数据,豪斯曼检验结果支持选择固定效应模型,故本研究选择双向固定效应模型检验理论假设。

表2为双向固定效应模型的回归结果,可以发现,模型1至模型4展示跨层次网络嵌入交互项对创新质量影响的回归结果。模型1中“科学—技术”跨层次创新网络嵌入中心度(STD)的回归系数显著为正(β=0.001 48,p<0.1),表明科学网络嵌入中心度与技术网络嵌入中心度的交互作用对创新质量具有正向影响,故研究假设H1a得到验证;模型3中,“科学—技术”跨层次创新网络嵌入结构洞(STSH)的回归系数显著为正(β=0.504,p<0.1),表明科学网络嵌入结构洞与技术网络嵌入结构洞的交互作用对创新质量具有正向影响,故研究假设H1b得到验证。模型2中,“技术—产品”跨层次创新网络嵌入中心度(TPD)的回归系数显著为正(β=0.022 2),但技术网络嵌入中心度与产品网络嵌入中心度的交互项系数在统计学上不显著(p>0.1),表明技术网络嵌入中心度与产品网络嵌入中心度的交互作用对创新质量的影响不显著,故研究假设H2a未得到验证。其原因可能是创新质量提升更关注异质性知识在技术合作创新网络与产品合作创新网络之间的扩散,而创新主体嵌入产品合作创新网络的中心度比嵌入其它网络的数值小,即创新主体在产品合作创新网络的合作伙伴数量明显小于其它网络,导致创新主体从产品合作创新网络获取的异质性知识较少,进而影响知识与资源反哺技术合作创新网络的广度,影响创新质量提升。此外,样本数量较少也可能影响检验结果。模型4中,“技术—产品”跨层次创新网络嵌入结构洞(TPSH)的回归系数显著为正(β=1.495,p<0.01),表明技术网络嵌入结构洞与产品网络嵌入结构洞的交互作用对创新质量具有正向影响,故研究假设H2b得到验证。模型5至模型8为合作伙伴重叠度对跨层次网络嵌入交互项与创新质量替代作用的回归结果。模型7结果显示,合作伙伴重叠度与“科学—技术”跨层次创新网络嵌入结构洞的交互项系数显著为负(β=-0.356,p<0.01),合作伙伴重叠度系数显著为正(β=7.696,p<0.01),表明合作伙伴重叠度会削弱科学网络嵌入结构洞与技术网络嵌入结构洞交互作用对创新质量的正向影响,故研究假设H4a得到验证。但模型5、模型6和模型8的结果不显著,意味着合作伙伴重叠度对创新主体跨层嵌入中心度的交互作用、创新主体跨层嵌入结构洞的交互作用与创新质量关系的调节作用不显著,即假设H3a、H4a、H4b未得到验证。可能的原因是,合作伙伴重叠度越高,意味着创新主体在跨层网络中拥有相同合作伙伴的数量越多,越有助于提升创新主体的跨层网络联系,促进创新主体对非冗余、异质性知识与资源的获取、吸收及利用,抵消合作伙伴重叠度对创新主体跨层嵌入中心度交互作用、跨层嵌入结构洞交互作用对创新质量的负向影响,故合作伙伴重叠度的调节作用不明显。此外,检验未通过也可能是样本数量不足的原因,未来可用其它行业样本进行检验。

3.3 稳健性检验

为保证研究结果可靠,对回归结果进行稳健性检验:①缩短因变量时间窗口,将t+1至t+3期的创新质量替换为t+1至t+2期的创新质量,结果如表3所示;②由于变量存在极端值,故改变样本容量,对变量进行5%的缩尾处理,结果如表4所示。可以发现,各关键解释变量系数方向、显著性与基准回归结果基本一致,即本文研究结论稳健。

4 结论与讨论

4.1 研究结论

本文以3年为时间窗口期,基于2008-2022年中国工业机器人产业合作数据,实证探究技术创新主体跨层嵌入对创新质量的作用机理及情境条件。研究发现:第一,创新主体跨层次嵌入在科学网络与技术网络内,以及技术网络与产品网络内,创新主体与网络内其他创新主体的联结程度越高,其创新质量就越高。第二,创新主体跨层次嵌入在科学网络与技术网络内,以及技术网络与产品网络内,创新主体占据的结构洞越多,即创新主体在网络中对其他创新主体的控制程度越高,则其创新质量越高。第三,创新主体跨层嵌入的合作伙伴重叠度对创新质量的作用不显著。

4.2 政策启示

(1)提升创新质量,创新主体需进一步优化创新链布局并发挥一定作用,促进基础研究、应用研究和产品开发环节的协同创新,实现不同环节创新资源的协同联动。创新主体既要利用科学合作、技术合作汲取足够多的原创性知识元素,也要融入到商业合作中以及时获取市场需求和用户创新资源。通过对不同类型资源的消化吸收,实现基础科学的有效推动和市场需求的持续拉动,最终将创新资源凝结为高质量技术创新成果。

(2)研究从中心度和结构洞两方面考察创新主体跨层嵌入网络对创新质量提升的影响。根据研究结果可知:一方面,创新主体要积极靠近科学网络与技术网络核心位置,既要与产业内头部机构开展广泛合作,也要主动寻找拥有较高科学与技术潜在价值的创新主体,通过互动合作不断提升其在科学、技术网络和产品网络中的中心度,谋求资源高质量整合与集成。另一方面,创新主体应在科学、技术和产品网络中主动发挥桥梁作用,占据结构洞位置,利用位置优势获取大量资源,促进创新质量提升。通过占据结构洞位置获取非冗余资源,通过建立产业技术联盟和产品开发协会巩固自身在网络中的资源控制地位,获取更多接触先进技术的机会,谋求质量提升而非单一的数量提升。同时,注重创新环节间的联动作用,如果创新主体只注重单一环节的提升而忽视其它创新环节,创新主体的创新质量不会得到明显提升。只有创新主体注重多环节的共同作用,同时布局科学网络、技术网络、产品网络,才能更好地发挥创新联动作用,实现科学向技术、技术向产品的转化,以及实现技术对科学、产品对技术的反哺功能,从而提升创新主体的创新质量。

(3)合作伙伴重叠度对创新质量的影响并不明显,这意味着创新主体跨层选择相同合作伙伴不会影响创新主体的创新质量。

4.3 不足与展望

本研究尚存在一些不足,具体体现在:①以中国工业机器人产业的跨层创新主体为研究对象,具有单一案例局限性,结论普适性仍有待进一步验证,未来可对其它产业进行考察;②采用计量方法研究创新主体跨层嵌入对创新质量的影响效应,仅关注跨层主体共性,但每个创新主体都拥有独特属性,未来可采取单案例研究或对比研究,考察跨层创新主体独有特征在实现创新质量提升过程中的重要作用;③由于篇幅限制,仅关注主体结构洞和中心度指标对创新质量的影响,其它网络嵌入指标有待进一步考量,未来可对跨层创新主体的其它网络指标与创新质量关系进行检验,谋求发现更多创新质量提升的潜在路径。

参考文献：

[1] 吴先明, 马子涵. 制度嵌入如何影响跨境并购后的企业创新质量[J].经济管理, 2022,44(4):98-115.

[2] 孙佳怡, 杨忠, 徐森. 创新主体、创新行动对企业创新绩效的影响:基于创新链理论的元分析[J].系统管理学报, 2023,32(4):761-773.

[3] DEVARAKONDA S V, REUER J J. Knowledge sharing and safeguarding in R&D collaborations:the role of steering committees in biotechnology alliances[J].Strategic Management Journal,2018,39(7):1912-1934.

[4] BAI X, WU J, LIU Y, et al. Exploring the characteristics of 3D printing global industry chain and value chain innovation network[J].Information Development,2020,36(4):559-575.

[5] 张凡勇, 杜跃平. 创新链的概念、内涵与政策含义[J].商业经济研究, 2020,39(22):130-132.

[6] 俞立平, 冉嘉睿, 张运梅. 政策工具视角下科技创新质量相关政策演化特征研究——基于2000—2022年政策文本分析[J].宏观质量研究, 2023,11(3):18-31.

[7] 张辽, 林鑫涛. 企业金融化行为对创新质量的影响研究[J].华东经济管理, 2022,36(9):33-44.

[8] 黄苹. 基于跨国并购的创新网络嵌入、网络异质性与创新质量研究[J].商业经济与管理, 2019,39(10):70-79.

[9] 王方方, 杨智晨, 李香桃, 等. 粤港澳大湾区创新系统耦合协调空间结构与联系研究[J].科技进步与对策, 2021,38(21):34-43.

[10] 杨张博, 王钦. 结构的力量:联盟网络对企业技术创新影响研究[J].科研管理, 2022,43(7):154-162.

[11] CHEN X, LI Q, CUI W, et al. Institutional investor network embedding and firms' total factor productivity[J].Emerging Markets Finance and Trade,2023,59(6):1896-1918.

[12] 毛荐其, 武宪云, 刘娜. 发明者多层次创新网络嵌入对知识搜索的影响机制研究[J].科学决策, 2020,27(7):1-21.

[13] CONG H, ZOU D, WU F. Influence mechanism of multi-network embeddedness to enterprises innovation performance based on knowledge management perspective[J].Cluster Computing-The Journal of Networks Software Tools and Applications, 2017,20(1):93-108.

[14] 杨蕙馨, 孙芹, 王海花. 知识网络动态性对高校协同创新绩效的影响研究:合作网络的调节作用[J].经济与管理研究, 2022,43(10):68-80.

[15] 王崇锋, 崔运周, 尚哲. 多层创新网络结构洞特征对组织创新绩效的影响——来自新能源汽车领域的实证分析[J].科技进步与对策, 2020,37(24):71-79.

[16] 黄海艳, 李敏, 张红彬. 工业机器人应用对制造业双元创新的影响——政府补贴和高管技术背景的调节效应[J].商业研究, 2023,66(2):29-38.

[17] 杨威. 我国工业机器人产业技术创新策略[J].宏观经济管理, 2017,25(4):33-37.

[18] 侯剑华, 张韶维, 潘黎. 国际科学合作领域研究的前沿趋势探测[J].科技管理研究, 2013,33(22):32-37.

[19] TURKENBURG W C. The innovation chain:policies to promote energy innovations, energy for sustainable development[M].New York: The UN Publications, 2002.

[20] 蒋舒阳, 庄亚明, 刘夏群. 企业如何进行内外部科研合作网络构建:以我为主抑或博才众长[J].科技进步与对策, 2022,39(19):69-77.

[21] 王兰芳, 胡悦. 创业投资促进了创新绩效吗——基于中国企业面板数据的实证检验[J].金融研究, 2017,60(1):177-190.

[22] ABELL P, NISAR T M. Performance effects of venture capital firm networks[J].Management Decision, 2007,45(5):923-936.

[23] 刘善仕, 孙博, 葛淳棉, 等. 人力资本社会网络与企业创新——基于在线简历数据的实证研究[J].管理世界, 2017,33(7):88-98.

[24] BURT R S. Structural holes:the social structure of competition[M].Harvard:Harvard University Press, 1992.

[25] 刘斌, 王孟飞, 孙笑明, 等. 海外科研人才网络关系强度变化对其创造力的影响[J].科技进步与对策, 2018,35(22):123-130.

[26] 马亮, 张淑敏. 在位企业非连续性技术变革的技术代际桥研究[J].科技进步与对策, 2022,39(23):87-96.

(责任编辑:胡俊健)