开放科学(资源服务)标识码(OSID)：
This study shifts the analytical lens to the dyadic relationship between alliance partners, investigating how asymmetry in patent knowledge absorption capabilities influences sustained cooperative innovation performance. Resource dependence theory posits that inter-firm relationships are characterized by bidirectional resource matching and mutual dependence, which collectively determine collaborative stability. However, asymmetric knowledge absorption of patents between partners generates imbalance in this mutual dependence, precipitating dynamic shifts in alliance motivations and behaviors that critically affect innovation continuity. This study argues that either excessively low or excessively high levels of patent knowledge absorption asymmetry hinder the sustained acquisition and productive application of complementary resources. This study theorizes that patent knowledge absorption asymmetry exhibits an inverted U-shaped relationship with sustained cooperative innovation performance. Specifically, moderate asymmetry optimally facilitates complementary knowledge utilization and generative value creation by balancing learning opportunities with appropriation concerns. Conversely, excessively low asymmetry diminishes knowledge diversity benefits, reducing the potential for novel recombination and technological breakthrough. Excessively high asymmetry triggers value appropriation imbalances that destabilize the collaborative relationship, as the more absorptive partner may perceive diminishing returns from continued cooperation while the less absorptive partner fears technological obsolescence and exploitation. Furthermore, drawing on spatial and organizational governance literature, this study proposes that geographic distance and cooperation scale moderate this curvilinear relationship through their simultaneous effects on knowledge transfer efficiency and relational risk perceptions.
This study constructed a panel dataset of 363 publicly listed firms in China's automotive manufacturing sector, an industry characterized by intensive R&D collaborations. Patent knowledge absorption asymmetry was operationalized through measurement of differences in patent citation-based absorptive capacity between dyadic partners, capturing both the direction and magnitude of knowledge flow asymmetries. Sustained cooperative innovation performance was measured using longitudinal patent co-application data tracking repeated collaborations over time. The moderating effects of geographic distance were captured through firm-level locational coordinates, while cooperation scale was measured by the number of partners within each firm's alliance portfolio. Employing panel regression techniques with firm and year fixed effects, this study tested both the main curvilinear hypothesis and the moderating propositions. The empirical findings provide robust support for the hypothesized inverted U-shaped relationship. Both geographic distance and cooperation scale serve as negative moderators that significantly flatten this curvilinear relationship.
These results yield several theoretical contributions. First, by moving beyond the single-focal-firm perspective to examine dyadic knowledge dynamics, this study reveals knowledge-based power asymmetry between partners as a fundamental mechanism explaining variance in alliance continuity. By exploring both the generative value creation and the appropriative value capture attributes of patent knowledge absorption, this study integrates resource dependence theory with absorptive capacity research , thereby clarifying the nonlinear mechanism through which partner knowledge asymmetry influences sustained cooperative innovation. Second, our findings challenge the prevailing view that geographic proximity is uniformly beneficial for collaborative innovation, demonstrating instead its dual role in simultaneously facilitating tacit knowledge exchange while exacerbating appropriation concerns and competitive tensions. Third, this study identifies cooperation scale as a critical boundary condition moderating knowledge complementarity effects, suggesting that the classic proposition that scale enhances innovation outcomes requires substantial qualification when considered in conjunction with knowledge absorption asymmetry.
开放科学(资源服务)标识码(OSID)：
研发联盟通过整合互补性资源促进联盟伙伴间知识共享与重组,已成为提升高新技术产业创新能力的重要战略组织形式。然而,研发联盟在提高伙伴研发效率和技术突破速度的同时,联盟关系短期化问题日益凸显[1],这会约束研发联盟合作伙伴对研发项目专用性资产的投入,不利于形成稳定互信的合作创新模式[2]。不仅如此,短期联盟关系容易导致合作多停留在资源互补层面,难以形成深度技术融合和创新突破[3]。因此,克服研发联盟关系短期化问题、推动伙伴间持续合作创新具有重要意义。
获取合作伙伴的知识与技术是企业参与研发联盟的重要动因。在联盟合作伙伴创新过程中,企业往往会构建知识保护壁垒以减少对伙伴的知识溢出[4],这种由“学习—保护”机制所引发的竞争性学习可能使得率先获得关键技术知识的一方主动终结联盟关系。这一问题普遍存在于研发联盟关系中,即使在以开放共享为初衷的专利联盟中,竞争性学习也常常引发专利诉讼和企业冲突等问题[5]。已有文献在探讨研发联盟中的竞争性学习问题时,多假设合作行为具有同质性,并基于焦点企业单一视角来分析“学习—保护”机制对联盟合作关系的影响[6],忽视了研发联盟伙伴之间存在资源禀赋差异的客观现实。同时,单一主体视角难以完全揭示维系联盟伙伴间合作创新的关键因素。实际上,技术资源不均匀分布使得联盟成员的知识吸收能力存在结构性差异。从二元关系视角厘清研发联盟伙伴间专利知识吸收不对称对持续合作创新的影响,揭示导致研发联盟关系短期化问题的诱因,可破解研发联盟稳定性弱的难题。
资源依赖理论指出,企业间联盟本质上是资源的双向匹配与相互依赖。专利知识是研发联盟伙伴聚焦的关键资源,伙伴间专利知识吸收不对称决定了双向互依的非均衡性,带来联盟动机及行为的动态变化,从而影响合作创新的持续性。过低或过高的专利知识吸收不对称都不利于互补性资源的持续获取与应用,会增加合作过程中的机会主义风险,阻碍资源的有效整合与价值共创,最终不利于持续合作创新绩效提升。鉴于此,本文以中国车辆制造领域363家上市公司为研究样本,实证分析研发联盟伙伴间专利知识吸收不对称与持续合作创新绩效之间的关系。同时,由于研发联盟伙伴间的地理距离和合作规模影响知识吸收效果及治理风险,本研究进一步考察地理距离与合作规模如何调节专利知识吸收不对称对持续合作创新绩效的影响。
本文边际贡献在于:第一,采用二元分析视角,可突破以往联盟合作行为研究仅聚焦于焦点企业单一视角的局限性。第二,基于资源依赖理论和知识吸收能力理论,通过深入挖掘专利知识吸收的生成性价值占用属性,揭示研发联盟伙伴获取与应用专利知识能力差异对持续合作创新绩效的作用机理和边界条件,以期为企业有效管理研发联盟伙伴依赖关系提供启示。
研发联盟伙伴间在知识基础[7]、知识吸收[8]和知识转移能力[9]等方面存在不对称性。研发联盟伙伴间专利知识吸收具有双重属性:它既是联合创新的引擎,又是隐性竞争的载体。研发联盟伙伴间知识吸收不对称反映企业竞争性学习与伙伴微观知识的互动过程。知识吸收弱的企业更有可能在承受较大风险情况下与强势企业形成研发联盟,以获取战略资源(如审批流程的便利性、市场知识[10]、多样性信息和资源[11])。然而,保护自身核心技术知识是弱势企业在研发联盟中面临的核心风险与挑战。强势企业依托更优的专利知识吸收能力,通过学习弱势企业的专用技术资产,从而实现对伙伴技术成果衍生价值的开发与转化[12]。
研发联盟伙伴间专利知识吸收不对称反映双方在知识获取与应用上的能力差距,这种差距通过专利引用行为转化为对创新租金的竞争性占用。专利引用是伙伴间专利知识吸收的一种典型方式[13-14]。专利引用数量能有效反映企业间知识转移效率,专利施引者结构(自引和他引比例)能够揭示技术资产的专用性。先前专利被企业自身后续引用较多意味着其具有较高的技术资产专用性,反映企业对自身技术资产可生成性价值的占用水平较高[15]。他引则说明创新租金被他人占用的水平较高[16-17]。
对伙伴互补性知识进行吸收能显著提升企业创新能力[18],且优势企业通过对弱势伙伴的“超越学习”能提升其创新绩效[8]。然而,现有文献多停留在单方获益层面,未揭示知识不对称结构如何塑造双方不同的行为动机与模式,以及如何动态影响联盟关系的持续性及整体创新效能。
伙伴专利知识吸收不对称反映了资源依赖理论所提出的组织间依赖关系能带来双方权力结构差异。资源依赖理论认为,组织运行所必需的资源往往会超出自身边界,因而需通过与外部主体交互所形成的依赖关系来获取关键资源。依赖关系同时也会带来权力分配:对关键资源控制能力较强的一方往往在关系中占据优势地位,能够影响资源流动方向,甚至可能会利用权力不对称实施机会主义行为[19]。
基于资源依赖理论分析非对称联盟参与者的合作动机可知:其一,参与者对关键资源控制能力的相对均衡状态会带来权力制衡,从而抑制任何一方在合作中实施机会主义行为,这种相对平衡的关系有助于双方通过知识重组与联合创新实现协同价值共创。其二,当联盟伙伴对关键资源的控制能力存在显著差距时,联盟合作动机会更多指向价值占用。强势企业通过掌控诸多战略性资源,如占据核心网络位置[8]、拥有更多市场渠道等[10],吸引弱势企业主动开放技术资源以寻求合作。强势企业与弱势企业合作的主要目的在于快速学习和吸收对方的技术资产,进而实现价值攫取。一旦弱势企业的技术知识被强势企业充分吸收,强势企业便有可能终止联盟关系,以最大化自身在联盟中的独占性回报。而弱势企业不对称合作也有其战略考量:即以技术资源让渡换取进入市场、提升企业声誉。由此可见,当联盟伙伴间专利知识吸收水平差异过高时,构建联盟的动机源于对互补性资源的占用。
综上,基于资源依赖理论,在联盟伙伴间专利知识吸收水平不对称适度的研发联盟中,合作以价值创造为基础;而在联盟伙伴间专利知识吸收水平不对称过高的研发联盟中,合作更倾向于以价值占用为目的。
知识吸收是企业通过联盟合作行为吸收外部知识,进而提升对新知识价值占用能力的过程。在研发联盟中,联盟伙伴间专利知识吸收常存在不均衡情况。企业在竞争性学习方面的优势往往体现在其拥有强于联盟伙伴的知识吸收能力,强势企业往往能依靠高水平专利知识吸收能力发挥杠杆作用,重组联盟伙伴知识,产生创新成果。弱势企业尽管在专利知识吸收上处于劣势,但若其专利被联盟伙伴频繁引用,也会释放弱势企业创新成果有用性的信号[16]。因此,专利成果被强势企业广泛引用有助于提升弱势企业在本行业的技术声誉[20-21]。与此同时,当企业专利被引用时,焦点 企业能够清晰了解施引企业的技术发展路线,通过知识回索的方式获得创新优势。知识回索机制表明,在适度不对称下弱势企业可通过专利引用网络间接提升创新位势,其合作意愿并非被动接受而是一种主动的策略性选择[22]。为维持联盟地位,弱势企业会持续参与知识共享与研发合作[23]。因此,当伙伴间专利知识吸收水平适度时,强势企业和弱势企业能依托资源互补形成非对称共生关系,通过研发协作驱动双向价值创造,进而培育持续合作创新能力。
然而,当专利知识吸收不对称水平持续升高并超过某一临界值时,其对联盟合作创新绩效的影响将由积极转向消极。过高的专利知识吸收不对称本质上反映联盟双方在资源控制与学习能力上的严重失衡。强势企业凭借其卓越的知识吸收与重组能力,往往能在短期内完成对弱势企业核心技术的汲取与内化。一旦关键技术被转移,维持合作的动机减弱,强势企业为实现自身独占性回报最大化,便有可能主动终止合作,使双方关系难以为继。与此同时,弱势企业会敏锐感知到自身核心技术被过度占用、创新租金被攫取,这种感知会削弱其知识开放意愿与合作投入程度,为防止价值流失,其会采取知识保护策略。此时,双方行为逻辑从“协作创造”转向“竞争占用”,知识流动效率与质量随之下降,最终会抑制联盟持续创新绩效提升。据此,本文提出如下假设:
H1:研发联盟中伙伴间专利知识吸收不对称水平与持续合作创新绩效呈倒U型关系。
当研发联盟双方专利知识吸收不对称处于适度水平时,知识吸收强势企业对伙伴专利知识资源具有一定程度的依赖。然而,跨组织知识吸收也高度依赖于隐性知识的有效传播[24],而地理距离对隐性知识流动构成障碍。地理距离会阻碍面对面深度互动与情境化知识共享,使得强势企业难以精准解读与吸收弱势伙伴的核心技术诀窍。因此,地理距离会削弱适度不对称所带来的创新收益。相反,当伙伴间专利知识吸收不对称水平过高时,地理距离则能抑制机会主义行为。一方面,随着地理距离的增大,其会降低核心隐性知识非自愿溢出风险;另一方面,跨区域合作面临不同地区知识产权保护[25],这为弱势企业核心技术提供了保障,会降低弱势企业对机会主义行为的风险感知与防御成本,抑制强势企业的机会主义动机,缓解高度不对称所带来的治理风险与负面效应。因此,地理距离通过“削弱知识重组收益”与“降低治理风险”双重机制,使得伙伴间专利知识吸收不对称与持续合作创新绩效之间的倒U型关系趋于平缓。据此,本文提出如下假设:
H2:地理距离负向调节伙伴间专利知识吸收不对称与持续合作创新绩效的倒U型关系。
联盟合作规模作为一种网络结构,其会对合作主体间知识吸收效果和权力关系进行重塑,使强势企业的注意力资源被稀释[26]。当联盟伙伴间专利知识吸收适度不对称时,强势企业会对特定伙伴的专利知识进行深度挖掘与整合。然而,合作规模扩大意味着可接触的专利知识源与互补技术组合增加。鉴于企业对外部知识的吸收能力有限,其研发注意力会被众多知识源分散,导致其对于任一特定伙伴的知识整合有限。因此,合作规模会抑制适度不对称下深度知识重组所能实现的创新增益。
在高度专利知识吸收不对称水平下,伙伴间的主要行为模式转向价值占用和防御。研发合作规模扩大会带来网络冗余[27],为弱势企业提供结构性权力,赋予其更多替代性合作选择与知识议价筹码,提升其专利资产评估与议价能力[21],从而降低专利资产被特定伙伴过度侵占的可能。这会从根本上改变联盟内部权力结构,增强弱势企业抵御强势企业价值侵占的能动性,从而缓冲高度不对称下的合作困境。综上,联盟合作规模也会通过削弱知识重组收益与降低治理风险机制,使得伙伴间专利知识吸收不对称与持续合作创新绩效之间的倒U型关系趋于平缓。据此,本文提出如下假设:
H3:联盟合作规模负向调节伙伴间专利知识吸收不对称与持续合作创新绩效的倒U型关系。
本研究基于中国证监会发布的《上市公司行业分类指引》(2001年版)中的“C75交通运输设备制造业”和《上市公司行业分类指引》(2012年版)中的“C36汽车制造业”“C37铁路、船舶、航空航天和其他运输设备制造业”3个行业代码,系统筛选公司名称或经营范围包含“车”的上市公司,分别获得212家和244家候选企业。经两版名录合并去重后,初步确定中国车辆制造领域上市企业363家。随后,在智慧芽(PatSnap)全球专利数据库检索上述企业1999—2023年的所有专利数据,按以下标准筛选:①剔除无专利申请记录的企业,共22家;②剔除仅开展独立研发、未产生合作专利的企业,共144家;③剔除合作专利仅涉及个人(非机构)申请的企业,共3家。最终获得194家具有实质性合作研发行为的上市公司作为研究样本,其在研究期间累计产生4 433项合作专利。基于上述专利合作申请人信息,参照党兴华等(2013)的研究,将专利合作转化为企业间二方关系对,共识别出904个研发合作伙伴,形成1 112对合作关系。此外,通过天眼查平台补充企业成立时间、规模、地理位置等数据,剔除信息缺失样本,最终得到941组有效关系对的非平衡面板数据集,用于实证分析。
如图1所示,从时间分布看,2009年是汽车制造行业申请合作专利的突增转折点,这与我国汽车产业政策驱动下研发活动日趋活跃的趋势相符合。2009年3月,国务院办公厅发布《汽车产业调整和振兴规划》,提出要实现“整车研发水平大幅提高”“关键零部件技术实现自主化”等目标。本研究对合作关系双方在成立时间差、首次合作前5年拥有专利存量差进行分段统计。其中,合作双方成立时间差小于等于5年的关系对占比为28.21%,成立时间差大于5年的关系对占比为71.79%。首次合作前5年专利存量差小于等于100件的关系对占比为32.93%,首次合作前5年专利存量差大于100件的关系对占比为67.07%。由此可见,不对称联盟广泛存在。
图1 1999—2023年我国汽车制造产业研发联盟关系对数量变化
Fig.1 Changes of R&D dyadic relationships in China's automobile manufacturing industry from 1999 to 2023
注：此图数据基于每年新增合作专利去重结果;数据来源于智慧芽(PatSnap)全球专利数据库
(1)持续合作创新绩效(CCIP)。有研究采用专利申请环比增长率衡量企业持续创新绩效[28],其在分析二元研发关系对时存在一定局限性,即合作专利离散性特征会导致相邻周期环比计算出现大量零值。因此,本研究采用事件窗口计数法,以首次合作专利申请月(t0年m0月)为基准,统计此后36个月内新增合作专利绝对数量,该方法更适配合作关系研究的三大特征:①避免间歇性合作导致指标失真;②直接反映合作关系创新产出密度;③与战略联盟理论中的“关系嵌入性”测量逻辑一致[29]。
本文参考Singh[30]、刘微微等(2023)的研究,采用联合申请专利数量作为持续合作创新绩效的代理变量,具体测度方式为:①以二方关系首次合作专利的申请时间为基准点,如t0年m0月;②追踪从t0年m0+1月至t0+3年m0月(共36个月)后续新增合作专利;③将上述窗口期内合作专利累计数定义为持续合作创新绩效,反映在首次出现合作专利之后再次出现合作专利的持续性创新产出绩效。
(2)专利知识吸收不对称性(APKA)。本研究采用专利互引数据测量研发联盟伙伴间专利知识吸收水平,其理论依据在于:专利引用行为是代表知识流动的可靠代理变量,反映知识溢出[31]。当一方(企业A)引用另一方(企业B)专利时,表明企业A吸收了企业B专利所承载的特定技术知识[14]。虽然专利引用无法完全体现专利知识吸收行为,但目前仍是有效的二手数据测度方法[13,32]。成员间专利互引情况反映组织间知识吸收水平和速度差异。根据Yang等(2015)的研究,联盟伙伴间专利知识吸收不对称水平测度步骤如下:①基于t年合作专利数据识别出具有合作经历的组织,将这些创新主体分解为二方关系对。②计算t-5～t-1年二方关系对之间的专利互引数量,即t-5～t-1年A公司所有授权专利对B公司所有授权专利的引用数量以及B公司所有授权专利对A公司所有授权专利的引用数量。③由于原始专利引用数量可能受企业自身技术规模和声望的干扰,故对原始互引数据作标准化处理。将t-5～t-1年A企业所有授权专利对B企业所有授权专利的引用数量除以B企业所有授权专利总被引数量,得到A企业对B企业的专利知识吸收水平;将t-5～t-1年B企业所有授权专利对A企业所有授权专利的引用数量除以A企业所有授权专利总被引数量,得到B企业对A企业的专利知识吸收水平。④计算A企业对B企业专利知识吸收水平和B企业对A企业专利知识吸收水平差值的绝对值[8]。
(3)地理距离(GD)。用伙伴间企业所在地的直线距离衡量地理距离[33],通过天眼查获取企业所在城市,通过谷歌地图API接口获取所在城市经纬度,计算两者的球面距离。
(4)合作规模(CS)。在首次合作申请专利中,除二方关系之外拥有的其他企业数量。
(5)控制变量。参考相关研究[11,34],考虑到数据可得性,本研究设置关系对双方性质、关系对类型、关系对双方注册资本差、关系对双方成立时间差、关系对双方5年内专利存量差、关系对双方5年内专利被引量差、首次合作专利知识宽度、首次合作专利5年总被引量作为控制变量,如表1所示。
表1 控制变量
Table 1 Control variables
变量名称 变量符号 变量解释关系对双方性质SO-SOSO-NSO用于识别合作双方企业所有权性质,从而构建不同类型合作关系对,将二方关系划分为两个基本类型:国有企业之间的合作(SO-SO)、国有企业与非国有企业之间的合作(SO-NSO)关系对类型OC反映二方关系为企业或非企业类型,当二方关系均为企业类型时,取值为1;当二方关系为企业与非企业类型时,取值为0关系对双方注册资本差RCD二方关系中双方在成立时的注册资本差值,单位为万元,用于衡量合作双方在成立之初的资本规模差距关系对双方成立时间差YD二方关系中双方成立年份差值,用于衡量合作双方企业年龄差距关系对双方5年内专利存量差PSD合作双方在过去5年内所拥有的专利总量差值,取自然对数。由于专利总量影响企业知识吸收能力,因此对二方关系专利总量差值进行控制关系对双方5年内专利被引量差CPD合作双方在过去5年内各自所拥有的专利总被引用次数之间的差值,反映在建立合作关系前,合作双方在技术或知识积累存量上的差距首次合作专利知识宽度 KB首次合作专利的IPC分类号数量,反映双方首次合作专利所依赖的知识基础的多样性和跨领域程度首次合作专利5年总被引量TC首次合作专利在授权后5年内被后续其他专利所引用的总次数,反映双方首次合作产出的直接技术影响力和质量
由于本研究因变量为企业专利数量,数据为非负整数,因此是一个计数变量。根据因变量的数值特征(均值为35.39,标准差为9.32),其具有过度分散属性,因此使用随机效应负二项估计对样本数据进行回归分析。负二项回归模型适合方差较大但均值较小的数据分析,符合本文样本特征[35]。
表2为变量描述性统计与相关系数结果。其中,研发联盟关系对双方持续合作创新绩效的均值为35.39,说明该行业企业间通过构建研发联盟开展合作创新的现象普遍存在,且取得了创新成果。但持续合作创新绩效标准差9.32,说明样本研发合作关系对的持续合作创新绩效存在较大差距。联盟伙伴间专利知识吸收不对称的均值为0.27,说明样本企业关系对存在一定程度的专利知识吸收不对称;地理距离的均值为529.21,标准差659.49,说明联盟伙伴间既存在本地合作,也存在跨区域合作;合作规模的均值为0.58,但中位数为0,说明研发联盟关系对中的二方合作数量较多,但也涉及多主体合作,存在大型研发联盟,且合作规模差异较大。另外,各变量间相关系数均低于0.54,且方差膨胀因子VIF系数均低于2,说明变量之间不存在严重的多重共线性问题。
表2 描述性统计分析结果与相关系数(N=941)
Table 2 Descriptive statistics and correlation coefficients of variables(N=941)
变量123456789101112131.CCIP12.APKA0.05∗13.GD-0.14∗∗∗0.06∗∗14.CS-0.03-0.05∗0.09∗∗∗15.SO-SO-0.03-0.020.11∗∗∗-0.0316.SO-NSO-0.05∗0.020.09∗∗∗0.15∗∗∗-0.06∗17.YD0.040.09∗∗∗-0.11∗∗∗0.01-0.14∗∗∗-0.0518.RCD-0.020.030.020.07∗∗-0.020.32∗∗∗-0.0419.CPD-0.01-0.020.08∗∗0.01-0.020.15∗∗∗0.07∗∗0.54∗∗∗110.OC0.08∗∗∗-0.13∗∗∗-0.25∗∗∗-0.10∗∗∗-0.12∗∗∗-0.11∗∗∗0.08∗∗∗0.030.01111.TC0.050.13∗∗∗0.12∗∗∗-0.07∗∗0.06∗∗0.00-0.05∗0.10∗∗∗-0.00-0.07∗∗112.KB-0.010.05∗-0.09∗∗∗-0.01-0.01-0.08∗∗-0.030.01-0.08∗∗∗-0.030.09∗∗∗113.PSD0.020.02-0.05∗0.020.01-0.01-0.00-0.15∗∗∗-0.58∗∗∗-0.02-0.030.041MAX5851.003 386.939114213 000272 384144912.18MIN00000007260000-6.91MEAN35.390.27529.210.580.020.1611.383 0609 1950.851.712.0112.03SD9.320.37659.491.260.130.377.671 74629 4050.353.831.140.63VIF-1.051.131.071.071.181.081.601.471.091.071.061.65
注：*p<0.1,**p<0.05,***p<0.01,下同
本文运用层次回归法对假设进行检验,结果如表3所示。首先,在模型(1)中加入所有控制变量,模型(2)中加入伙伴间专利知识吸收不对称,模型(3)中加入伙伴间专利知识吸收不对称的平方项。结果显示,专利知识吸收不对称回归系数显著为正(β=2.775,p<0.01),专利知识吸收不对称平方项回归系数显著为负(β=-6.289,p<0.01),假设H1得到验证。这表明,联盟伙伴间专利知识吸收不对称与持续合作创新绩效呈倒U型关系。当专利知识吸收不对称在适度水平时,其能促进持续合作创新绩效提升;但当专利知识吸收不对称超过适度水平后,伙伴间专利知识吸收差值过大将不利于伙伴间持续合作创新绩效提升。
表3 回归检验结果
Table 3 Regression analysis results
变量 模型(1)模型(2)模型(3)模型(4)模型(5)模型(6)SO-SO-1.402∗∗∗-1.369∗∗∗-1.515∗∗∗-1.501∗∗∗-1.465∗∗∗-1.481∗∗∗(0.326)(0.316)(0.376)(0.353)(0.377)(0.353)SO-NSO-0.409∗-0.403∗-0.352-0.390∗-0.269-0.319(0.221)(0.226)(0.237)(0.218)(0.240)(0.225)CPD0.076∗∗∗0.067∗∗∗0.033∗0.0280.043∗∗0.038∗∗(0.020)(0.020)(0.019)(0.019)(0.019)(0.019)lYD0.267∗∗∗0.257∗∗∗0.261∗∗∗0.250∗∗∗0.251∗∗∗0.243∗∗∗(0.043)(0.042)(0.048)(0.047)(0.047)(0.046)lPSD0.082∗∗0.077∗∗0.089∗∗0.066∗0.094∗∗0.073∗∗(0.038)(0.038)(0.038)(0.037)(0.037)(0.037)OC0.3290.394∗0.3120.2150.3020.201(0.211)(0.220)(0.207)(0.195)(0.200)(0.185)lRCD0.0020.006-0.025-0.003-0.020-0.001(0.048)(0.048)(0.047)(0.046)(0.044)(0.044)clGD-0.271∗∗∗-0.266∗∗∗-0.231∗∗∗-0.397∗∗∗-0.233∗∗∗-0.381∗∗∗(0.032)(0.031)(0.027)(0.057)(0.027)(0.058)cCS0.132∗∗∗0.129∗∗∗0.129∗∗∗0.123∗∗∗-0.254∗∗-0.171∗(0.039)(0.038)(0.037)(0.036)(0.103)(0.100)cKB-0.134-0.128-0.042-0.037-0.039-0.035(0.083)(0.084)(0.083)(0.085)(0.082)(0.084)cTC0.072∗∗∗0.066∗∗∗0.051∗∗∗0.047∗∗0.050∗∗∗0.048∗∗(0.022)(0.022)(0.020)(0.019)(0.019)(0.019)cAPKA0.435∗2.775∗∗∗2.757∗∗∗2.480∗∗∗2.521∗∗∗(0.240)(0.416)(0.392)(0.408)(0.398)APKA2-6.289∗∗∗-6.225∗∗∗-5.560∗∗∗-5.689∗∗∗(0.810)(0.750)(0.749)(0.733)APKA×lGD-0.498∗∗∗-0.447∗∗∗(0.162)(0.165)APKA2×lGD1.101∗∗∗0.967∗∗∗(0.323)(0.325)APKA×CS-0.982∗∗∗-0.786∗∗∗(0.277)(0.261)APKA2×CS2.226∗∗∗1.686∗∗∗(0.469)(0.474)Constant-0.312-0.2910.9081.0530.6250.809(0.837)(0.841)(0.853)(0.809)(0.827)(0.792)Log pseudolikelihood-2 537.56-2 535.18-2 492.01-2 481.21-2 483.66-2 477.52Pseudo R20.041 20.047 70.054 60.056 70.087 60.043 4Mean VIF1.201.191.452.382.713.15N941941941941941941
注：括号内为稳健标准误,下同
本研究进一步使用U-TEST(U检验)来验证专利知识吸收不对称对持续合作创新绩效的非线性影响(Lind等,2010),拐点(即斜率由正转负的临界点)在[-0.27,0.73]区间内,表明随着专利知识吸收不对称性水平提升,持续合作创新绩效先增后减,拐点为0.22(t=7.43,p<0.01)。
模型(4)在模型(3)基础上加入专利知识吸收不对称与地理距离的交互项,其回归系数显著为负(β=-0.498,p<0.01);再加入专利知识吸收不对称平方项与地理距离的交互项,回归系数显著为正(β=1.101,p<0.01),假设H2得到验证。这表明,地理距离减缓了专利知识吸收不对称与持续合作创新绩效的倒U型关系,即随着地理距离增大,专利知识吸收不对称对持续合作创新绩效的积极影响被减弱,其调节效应如图2所示。
图2 地理距离的调节作用
Fig.2 Moderating effect of geography distance
模型(5)在模型(3)基础上进一步考察合作规模的调节作用。专利知识吸收不对称与合作规模的交互项系数显著为负(β=-0.982,p<0.01),而其平方项与合作规模的交互项系数则显著为正(β=2.226,p<0.01),假设H3得到验证。这表明,合作规模扩大会削弱专利知识吸收不对称与持续合作创新绩效之间的倒U型关系。一方面,合作规模扩大会降低专利知识吸收不对称对持续合作创新绩效带来的正向效应;另一方面,也会缓解其产生的负面作用,调节效应见图3。
图3 合作规模的调节作用
Fig.3 Moderating effect of cooperation scale
为进一步验证实证结果的稳健性,替换结果变量计算方式,将t～t+3年合作双方共同拥有专利合作数量减1(因为1代表识别研发联盟关系构建的标志性事件),测量研发联盟关系建立后的持续合作创新绩效。如表4所示,模型(3)中专利知识吸收不对称与持续合作创新绩效的倒U型关系显著(β=-6.276,p<0.01),模型(4)中地理距离与专利知识吸收不对称平方项系数显著为正(β=1.109,p<0.01),模型(5)中合作规模与专利知识吸收不对称平方项系数显著为正(β=2.228,p<0.01),说明基准回归结果稳健。
表4 替换结果变量后的回归分析结果
Table 4 Regression results with alternative outcome variables
变量CCIP_y模型(1)模型(2)模型(3)模型(4)模型(5)模型(6)clGD-0.256∗∗∗-0.251∗∗∗-0.215∗∗∗-0.384∗∗∗-0.216∗∗∗-0.367∗∗∗(0.031)(0.030)(0.025)(0.057)(0.025)(0.058)cCS0.106∗∗∗0.104∗∗∗0.110∗∗∗0.103∗∗∗-0.272∗∗∗-0.189∗(0.037)(0.036)(0.035)(0.034)(0.102)(0.099)cAPKA-0.113-0.107-0.030-0.026-0.026-0.023(0.080)(0.081)(0.080)(0.082)(0.079)(0.081)APKA20.066∗∗∗0.060∗∗∗0.045∗∗0.041∗∗0.045∗∗0.043∗∗(0.021)(0.021)(0.019)(0.018)(0.018)(0.018)APKA×GD0.424∗2.751∗∗∗2.725∗∗∗2.460∗∗∗2.494∗∗∗(0.235)(0.409)(0.382)(0.401)(0.388)APKA2×lGD-6.276∗∗∗-6.198∗∗∗-5.555∗∗∗-5.672∗∗∗(0.803)(0.734)(0.738)(0.717)APKA×CS-0.506∗∗∗-0.455∗∗∗(0.159)(0.162)APKA2×CS1.109∗∗∗0.978∗∗∗(0.318)(0.321)Control variablesYesYesYesYesYesYesConstant-0.140-0.1141.0391.1850.7920.978(0.815)(0.816)(0.824)(0.780)(0.797)(0.763)N941941941941941941
进一步地,采用零膨胀负二项回归方法进行稳健性检验[35],该方法充分考虑到结果变量的分布特征,从而能更好地区分专利知识吸收不对称所带来的两类不同影响:一是影响“合作是否持续”,二是影响“持续合作的绩效水平”。如表5所示,模型(3)中专利知识吸收不对称与持续合作创新绩效的倒U型关系显著(β=-5.236,p<0.01),模型(4)中地理距离对专利知识吸收不对称影响持续合作创新绩效的结果显著为正(β=0.635,p<0.05),模型(5)中合作规模对专利知识吸收不对称影响持续合作创新绩效的结果显著为正(β=1.972,p<0.01),假设H1～H3得到验证。
表5 零膨胀负二项回归分析结果
Table 5 Results of zero-inflated negative binomial regression analysis
变量CCIP模型(1)模型(2)模型(3)模型(4)模型(5)模型(6)计数模型SO-SO-1.286∗∗∗-1.260∗∗∗-1.418∗∗∗-1.434∗∗∗-1.380∗∗∗-1.405∗∗∗(0.299)(0.293)(0.344)(0.332)(0.349)(0.337)SO-NSO-0.248-0.246-0.253-0.289-0.173-0.209(0.204)(0.208)(0.223)(0.213)(0.227)(0.220)CPD0.048∗∗∗0.042∗∗0.0200.0190.0300.029(0.018)(0.018)(0.019)(0.019)(0.019)(0.019)lYD0.271∗∗∗0.262∗∗∗0.263∗∗∗0.257∗∗∗0.253∗∗∗0.249∗∗∗(0.045)(0.045)(0.048)(0.048)(0.047)(0.047)lPSD0.059∗0.0550.072∗∗0.061∗0.077∗∗0.068∗(0.034)(0.034)(0.035)(0.035)(0.035)(0.035)OC0.2830.3350.2710.2250.2490.206(0.196)(0.203)(0.195)(0.191)(0.185)(0.179)lRCD-0.008-0.004-0.028-0.014-0.022-0.011(0.046)(0.045)(0.044)(0.044)(0.042)(0.042)clGD-0.228∗∗∗-0.226∗∗∗-0.210∗∗∗-0.305∗∗∗-0.214∗∗∗-0.291∗∗∗(0.026)(0.026)(0.025)(0.048)(0.025)(0.049)cCS0.102∗∗∗0.101∗∗∗0.108∗∗∗0.107∗∗∗-0.240∗∗∗-0.201∗∗(0.035)(0.035)(0.035)(0.035)(0.092)(0.093)cKB-0.109-0.108-0.054-0.054-0.053-0.053(0.071)(0.074)(0.077)(0.079)(0.077)(0.078)cTC0.060∗∗∗0.055∗∗∗0.048∗∗0.047∗∗0.049∗∗∗0.048∗∗∗(0.017)(0.018)(0.019)(0.019)(0.018)(0.019)cAPKA0.3382.298∗∗∗2.340∗∗∗2.044∗∗∗2.100∗∗∗(0.222)(0.361)(0.361)(0.362)(0.365)APKA2-5.236∗∗∗-5.301∗∗∗-4.663∗∗∗-4.782∗∗∗(0.681)(0.681)(0.657)(0.667)APKA×lGD-0.275∗-0.226(0.142)(0.145)APKA2×lGD0.635∗∗0.513∗(0.276)(0.280)APKA×CS-0.919∗∗∗-0.831∗∗∗(0.232)(0.233)APKA2×CS1.972∗∗∗1.743∗∗∗(0.441)(0.465)Constant0.1290.1421.0271.0710.7590.821(0.774)(0.774)(0.798)(0.783)(0.775)(0.765)膨胀模型FPAT-0.000∗∗∗-0.000∗∗∗-0.000∗∗∗-0.000∗∗∗-0.000∗∗∗-0.000∗∗∗(0.000)(0.000)(0.000)(0.000)(0.000)(0.000)CPAT-0.001-0.001-0.000∗∗-0.000∗∗-0.000∗∗-0.000∗∗(0.001)(0.002)(0.000)(0.000)(0.000)(0.000)Constant-15.182∗∗∗-14.993∗∗∗-21.576∗∗∗-21.611∗∗∗-21.561∗∗∗-21.490∗∗∗(1.690)(2.195)(0.440)(0.419)(0.476)(0.449)lnalpha1.015∗∗∗1.011∗∗∗0.919∗∗∗0.912∗∗∗0.905∗∗∗0.901∗∗∗(0.054)(0.055)(0.060)(0.061)(0.061)(0.061)N941941941941941941
注：FPAT、CPAT分别代表焦点企业和合作伙伴在t-5～t-1期间的专利存量
本文基于组织间竞争性学习视角,探究研发联盟伙伴间专利知识吸收不对称性对持续合作创新绩效的影响,得出以下结论:
(1)专利知识吸收不对称与持续合作创新绩效呈倒U型关系。适度专利知识吸收不对称能激发联盟内知识互补效应,促进深度协同创新;但过高则会导致专利价值占用失衡,从而抑制持续创新绩效提升。已有研究多从单一视角出发,如Yang等(2015)认为伙伴间学习能力差距扩大会增加领先企业的短期市场估值,Polidoro等[34]则对比了不对称性联盟中单一主体的收益差异。Hu等[11]认为伙伴中心性不对称与联盟关系断裂存在U型联系。本研究将联盟持续合作驱动因素由网络结构推进至微观知识互动过程,揭示了知识权力对联盟伙伴持续合作创新绩效的影响。
(2)地理距离在联盟伙伴间专利知识吸收不对称性与持续合作创新绩效倒U型关系中发挥负向调节作用。地理距离扩大会削弱适度专利知识吸收不对称对持续合作创新绩效的积极影响,但同时也会缓解其负面效应。因此,尽管地理距离扩大会降低知识吸收效率,但在一定程度上也会维持联盟合作关系的持续性。已有研究认为组织邻近性有助于促进创新成果的产生[33],地理距离扩大会对创新绩效带来负面影响,本研究不仅验证了地理距离对知识传递效率的制约机制,还进一步揭示其能够缓解知识吸收不对称所产生的机会主义倾向,从而为合作关系的稳定性及持续创新绩效产出起到缓冲作用。
(3)合作规模在专利知识吸收不对称与持续合作创新绩效之间发挥负向调节作用,合作规模扩大会削弱适度专利知识吸收不对称对持续合作创新绩效的积极影响,这为“网络规模通过知识共享与能力互补促进创新”[27]提供了一个重要边界——较小合作规模更有利于知识的深度吸收与有效利用。与此同时,合作规模扩大也会缓解过度专利知识吸收不对称对持续合作创新绩效的负面影响。Lavie[21]指出,联盟伙伴间竞争关系会影响企业在联盟中的议价能力与价值占用,本研究呼应了这一观点,即在规模较大的联盟中,尽管知识流动效率可能会下降,但企业可通过联盟内部潜在竞争提升自身议价能力,从而部分抵消因知识不对称过高所带来的合作风险。
(1)在汽车产业电动化、智能化、网联化、共享化发展背景下,技术复杂度日益提升,我国车辆制造企业应通过深度、长期研发联盟关系获取持续竞争优势。企业应系统性评估联盟伙伴间专利知识吸收差距,识别并维持适度的知识吸收区间——既能激发知识互补效应,又能规避差距过大导致弱势方产生价值剥夺感。这种精细化联盟管理策略能够有效平衡价值创造与价值占用的关系,为建立长期稳定的创新合作关系提供保障。
(2)企业应根据伙伴位于车辆制造产业集群内和跨区域两种情境动态调整合作策略。对于联盟伙伴处于区域集群内企业,在利用地理邻近性促进隐性知识转移的同时,需关注核心伙伴间专利知识吸收的不均衡性,减少过高不均衡性带来关系断裂的可能;在跨区域合作中,由于地理距离较远,可适当放宽对研发伙伴间技术知识吸收匹配的要求,建立跨区域知识转移机制。
(3)车辆制造产业存在多方协同,为更有效地发挥联盟伙伴间的互补知识效能,对于数量较少的核心研发伙伴而言,应维持较低的专利知识吸收不对称性,以促进协同研发的稳定性和持续性;而对于规模较大的合作伙伴而言,可适度扩大技术知识吸收差异,保持技术知识吸收梯度,从而形成互补性知识势差,这种适度知识不对称能够激发跨主体知识搜索行为,进而在长期协作中提升持续合作创新绩效。
本研究存在以下不足:第一,研究认为专利知识吸收不对称会引发企业联盟动机从协作创造转向竞争占用,进而导致持续合作创新绩效发生动态变化,但未展开案例分析,未来可通过深度案例追踪验证这一过程。第二,不同属性知识在联盟网络中的流动机制不同。其中,隐性知识往往高度依赖二元信任关系,而显性知识对不对称性的容忍度较高,未来可探索两者对知识吸收不对称与持续创新合作关系的调节作用。第三,用联合申请专利界定企业间研发联盟伙伴关系,未纳入技术许可等因素,未来可整合多重数据来源,对比不同协作研发形式下专利知识吸收不对称对持续合作创新绩效的影响。第四,以中国车辆制造产业上市公司为研究对象,未考察其他技术密集型行业,未来可开展跨行业比较研究。
[1] CRICELLI L, MAURIELLO R, STRAZZULLO S. Preventing open innovation failures: a managerial framework[J]. Technovation, 2023, 127: 102833.
[2] 韩炜, 刘夏青. 重复性联盟组合重构对焦点企业绩效的影响研究[J]. 研究与发展管理, 2024, 36(1): 94-107.
[3] ZHENG Y, YANG H. Does familiarity foster innovation? the impact of alliance partner repeatedness on breakthrough innovations[J]. Journal of Management Studies, 2015, 52(2): 213-230.
[4] FRIEDMANN J-C, LAVIE D, RADEMAKER L. Does the predator become the prey? knowledge leakage and role reversal in alliances[J]. Academy of Management Proceedings, 2021,1: 11117.
[5] 赖流滨, 张运生, 彭陈, 等. 专利联盟关系、竞争性学习与专利诉讼[J]. 科研管理, 2024, 45(11): 151-159.
[6] LUMINEAU F, OLIVEIRA N. A pluralistic perspective to overcome major blind spots in research on interorganizational relationships[J]. Academy of Management Annals, 2018, 12(1): 440-465.
[7] CIMON Y. Knowledge-related asymmetries in strategic alliances[J]. Journal of Knowledge Management, 2004, 8(3): 17-30.
[8] YANG H, ZHENG Y, ZAHEER A. Asymmetric learning capabilities and stock market returns[J]. Academy of Management Journal, 2015, 58(2): 356-374.
[9] SIMMS C, FRISHAMMAR J. Technology transfer challenges in asymmetric alliances between high-technology and low-technology firms[J]. Research Policy, 2024, 53(3): 104937.
[10] ROTHAERMEL FT, BOEKER W. Old technology meets new technology: complementarities, similarities, and alliance formation[J]. Strategic Management Journal, 2008, 29(1): 47-77.
[11] HU T, JAIN A, DELIOS A. Centrality asymmetry and partner complementarity as influences on alliance dissolution[J]. British Journal of Management, 2021, 32(1): 59-79.
[12] AHUJA G, LAMPERT C M, NOVELLI E. The second face of appropriability: generative appropriability and its determinants[J]. Academy of Management Review, 2013, 38(2): 248-269.
[13] YU C K, YANG H B, SUN H, et al. Rivals or collaborators? relational ambidexterity and absorption speed[J]. Journal of Management, 2022, 48(7): 1918-1947.
[14] BELDERBOS R, CASSIMAN B, FAEMS D, et al. Co-ownership of intellectual property: exploring the value-appropriation and value-creation implications of co-patenting with different partners[J]. Research Policy, 2014, 43(5): 841-852.
[15] ARGYRES N,RIOS L A,SILVERMAN B S.On the heels of giants: internal network structure and the race to build on prior innovation[J]. Strategic Management Journal, 2025, 46(7): 1728-1761.
[16] WANG H, CHEN W-R. Is firm-specific innovation associated with greater value appropriation? the roles of environmental dynamism and technological diversity[J]. Research Policy, 2010, 39(1): 141-154.
[17] KNOTT A M, POSEN H E, WU B. Spillover asymmetry and why it matters[J]. Management Science, 2009, 55(3): 373-388.
[18] 温兴琦,孙凯新,李诗瑶.产学研合作、知识吸收能力与企业创新绩效——高管学术背景与政府创新补贴的调节作用[J].科技进步与对策,2024,41(15):55-64.
[19] ROGAN M, GREVE H R. Resource dependence dynamics: partner reactions to mergers[J]. Organization Science, 2015, 26(1): 239-255.
[20] 杨祎朋.论专利开放许可制度激励失灵的困境化解[J].科技进步与对策,2025,42(15):140-148.
[21] LAVIE D. Alliance portfolios and firm performance: a study of value creation and appropriation in the U.S. software industry[J]. Strategic Management Journal, 2007, 28(12): 1187-1212.
[22] ALNUAIMI T, GEORGE G. Appropriability and the retrieval of knowledge after spillovers[J]. Strategic Management Journal, 2016, 37(7): 1263-1279.
[23] DYER J H,NOBEOKA K.Creating and managing a high-performance knowledge-sharing network: the Toyota case[J]. Strategic Management Journal, 2000, 21(3): 345-367.
[24] MATE-SANCHEZ-VAL M,MARTINEZ-VICTORIA M.Does your neighbor's absorptive capacity matter? the effect of the local dimension on firms' absorptive capacity and business failure[J]. Journal of Business Research, 2025, 189: 115168.
[25] LI Y A. Borders and distance in knowledge spillovers: dying over time or dying with age?——evidence from patent citations[J]. European Economic Review,2014,71:152-172.
[26] 李嘉,李红旭,胡丹丹.关系治理能力对联盟知识转移的影响——目标协同的中介作用与环境动态性的调节作用[J].科技进步与对策,2024,41(14):93-101.
[27] AHUJA G. Collaboration networks, structural holes, and innovation: a longitudinal study[J]. Administrative Science Quarterly, 2000, 45(3): 425-455.
[28] 王海花, 李雅洁, 龚燕燕. 技术多元化、持续创新与企业韧性——双重网络的调节作用[J]. 科技进步与对策, 2025, 42(3): 50-61.
[29] GULATI R, LAVIE D, MADHAVAN R R. How do networks matter? the performance effects of interorganizational networks[J]. Research in Organizational Behavior, 2011, 31: 207-224.
[30] SINGHJ. Collaborative networks as determinants of knowledge diffusion patterns[J]. Management Science, 2005, 51(5): 756-770.
[31] JAFFE A B, TRAJTENBERG M, HENDERSON R. Geographic localization of knowledge spillovers as evidenced by patent citations[J]. The Quarterly Journal of Economics, 1993, 108(3): 577-598.
[32] ARGOTE L, LEE S, PARK J. Organizational learning processes and outcomes: major findings and future research directions[J]. Management Science, 2021, 67(9): 5399-5429.
[33] 孙笑明, 王晨卉, 杨新蒙, 等. 多维邻近性对关键研发者与企业二元创新的调节作用——基于“两带”企业专利数据[J]. 科技进步与对策, 2023, 40(12): 117-128.
[34] POLIDORO JR F, JACOBS C. Knowledge diffusion in nascent industries: asymmetries between startups and established firms in spurring inventions by other firms[J]. Strategic Management Journal, 2024, 45(4): 807-845.
[35] 夏丽丽,田茂再.一类带约束的零膨胀广义可加模型的惩罚似然估计[J].统计与决策,2020,36(2):16-20.