关键研发者自我中心网络变化对企业创新绩效的影响：以整体网络为中介变量

(1.西安交通大学管理学院，陕西西安 710049；2西安建筑科技大学管理学院，陕西西安710031)

摘要：关键研发者作为组织创新的重要参与者，对创新绩效具有显著影响，但其影响机制不明确。以整体网为中介变量，利用36家通讯制造企业专利数据，分两个步骤探究关键研发者对创新绩效的影响机制。第一步，探索关键研发者的个人网络特征、网络规模及网络密度变化对整体合作网络和知识网络中介中心势的影响；第二步，研究整体网络的中介中心势变化(正向和负向)与创新绩效的关系。结果表明：在合作网络中，关键研发者自我中心网络规模变化幅度增大会引起整体合作网络中介中心势变化幅度增大；关键研发者引起的合作网络中介中心势变小会使企业创新绩效显著降低；在知识网络中，关键研发者自我中心网络规模与网络密度变化幅度增加均会使整体知识网络中介中心势变化幅度显著增大。由关键研发者引起的知识网络中介中心势变小会使企业创新绩效显著提升。

关键词：关键研发者；创新绩效；动态变化；自我中心网；中介中心势

0 引言

创新来源于人们对大量知识进行整合与重组的过程，企业内部创新人员被称为研发者。企业创新绩效与其研发者的创新能力有直接关系。在企业内部创新中，高创新水平的研发者被称为关键研发者[1]，他们对企业创新产出具有显著影响[2,3]。

Whelan[4]研究表明，关键研发者不但可以提升企业创新积极性，增强企业创新活力，还能够极大促进企业创新绩效提升。Subramanian A M与Lim K[5]发现，当企业内部研发团队中拥有关键研发者时，企业专利申请质量显著提升。Liu H与Mihm J[6]认为，在企业内部合作网络中处于比较核心地位并且具有资源支配能力的关键研发者能够显著促进创新绩效提升。同时，有学者指出，关键研发者对组织创新存在负向作用。Call M L与Nyberg A J[7]认为，拥有企业重要研发资源与话语权的关键研发者会抑制不同研发方向研发者的创新与发挥。Turner K L与Makhija M V[8]指出，如果企业创新活动与研发者个人联系过于紧密，会加大其它异质性知识元素流入难度，使知识网络中知识元素相关性增强，知识元素组合难度提升，导致企业创新绩效受到负向影响。

基于上述研究结果，本文将从社会网络视角探究关键研发者如何影响企业创新。在社会网络理论看来，个体通过在整体网络中的新连接影响整体网络特征。因此，本文使用关键研发者自我中心网的结构特征变化，分析由关键研发者引起的整体网络结构特征变化，进而探讨其对创新绩效的影响。

在社会网络分析中，自我中心网是一种有效方法。如Ellison N B[9]从自我中心网出发，分析在求职过程中不同类型的连接对求职结果产生的影响。Burt[10]从自我中心网出发分析了个体权威与影响力来源。Ahuja[11]研究了自我中心网与创新产出间的关系。在选择关键研发者个体网特征时，网络规模与网络密度可以较好地反映中心节点以及中心节点周围的连接。从本质上看，个体节点对整体网络的作用主要通过吸引新节点并与之建立连接实现，而通过自我中心网的网络规模与网络密度变化可以描述这种影响方式。

从企业内部创新网络组成对象看，可以将其划分为由企业内部研发人员组成的合作网络以及由企业内部研发人员所拥有的知识元素组成的知识网络两种类型[12]。现有文献大都关注合作网络，对于知识网络研究较少。近年来，有研究指出创新产生于不同知识元素的合并与重组，并提出知识网络在创新中同样发挥重要作用[11,13-15]。同时，有研究指出，知识网络与合作网络有很大区别，强调在研究企业内部创新时除了需要分析合作网络外，还需要考虑知识网络的影响[16,17]。

在企业创新研发活动中，创新资源分配情况直接影响最终创新绩效。在整体网络结构指标中，中介中心势指标能够有效反映企业内部创新资源分配情况。因此，本文以中介中心势作为研究企业内部整体网络变化指标。

本文从合作网络与知识网络出发，基于动态视角研究由关键研发者个体网络引起的整体网络结构特征变化。综上所述，本文需要解决的问题为：①关键研发者自我中心网络结构特征变化对整体合作网络与知识网络结构特征变化会产生怎样的影响？②整体合作网络与知识网络的结构特征变化会对企业创新绩效变化产生怎样的影响？

1 研究假设

1.1 合作网络变化与整体合作网络中介中心势变化的关系

1.1.1 网络规模变化与中介中心势变化幅度的关系

增加或者流失大量合作者都会增大自我中心网的网络规模变化幅度。自我中心网的网络规模变化幅度增大等同于自我中心网加入了大量新成员，而新成员的加入会在自我中心网络中产生新的连接，新增连接能够增强自我中心网中的自我中心性以及其他成员的学习能力[18]。

从动态网络理论看，当关键研发的自我中心网络规模变大时，新成员增加可以使关键研发者在网络中更“受欢迎”，提升关键研发者的权威性与受信任程度，并吸引更多潜在研发者。这意味着关键研发者所能影响与控制的网络成员更多，关键研发者的中介中心性得以提升。网络资源分布更集中，其他网络成员与关键研发者的中介中心性差异更显著，整体网络的中介中心势正向增加。由此，提出以下假设：

H1:对于合作网络，关键研发者自我网规模变化幅度增加会使整体网络的中介中心势变化幅度增加。

1.1.2 网络密度变化与中介中心势变化的关系

网络密度主要是指网络成员联系分布情况。网络密度越大说明网络信息流动越快，从而可以形成高效合作能力。张朝宾等[18]发现，在紧密网络中，组织间连接生成的可能性极大地提升，并且网络中信息、知识流动的速度也会极大地提升。因此，从资源流动角度看，网络密度增大会使网络节点资源控制能力下降，即会使节点的中介中心性降低[19]。此时，如果关键研发者在网络中处于较大中介中心性位置，那么网络中其它节点与关键研发者之间的中介中心性差异程度会因为关键研发者中介中心性的降低而降低，整体网络中介中心势负向增加，中介中心势变化幅度增加。如果关键研发者在网络中未处于较大中介中心性位置，那么关键研发者中介中心性会降低得更多，网络核心节点与其中介中心性的差异会更显著，整体网络中介中心势正向增加，中介中心势变化幅度增加。

关键研发者自我中心网络密度越小，表示其它节点连接的建立越需要依靠关键研发者。对于在网络中处于较大中介中心性位置的关键研发者而言，网络资源分布更加集中，从而导致网络中其他成员与其中介中心性的差异更显著，整体网络的中介中心势增加。同样，对于在网络中未处于较大中介中心性位置的关键研发者而言，其中介中心势变大，网络核心节点与其中介中心性的差异减小，网络整体的中介中心度差异变小。因此，整体网络的中介中心势负向增加。由此，提出以下假设：

H2:对于合作网络，关键研发者自我网密度变化幅度增加会使整体网络中介中心势的变化幅度增加。

1.2 知识网络变化与整体知识网络中介中心势变化的关系

1.2.1 网络规模变化与中介中心势变化的关系

与合作网络类似，在知识网络中，当关键研发者拥有的知识元素自我中心规模变化幅度增大时，关键研发者知识元素网络规模变大，关键研发者吸收了新的知识元素并获得新的创新产出，关键研发者拥有的知识元素在网络中变得更加重要。因此，关键研发者拥有的知识元素中介中心性变更大。由此，提出以下假设：

H3:对于知识网络而言，关键研发者自我网规模变化幅度增加会使整体网络中介中心势变化幅度增加。

1.2.2 网络密度变化与中介中心势变化的关系

在知识网络中，网络越紧密表示网络中知识元素之间的关联性越强，知识元素之间的直接连接数量越多，则通过其它节点产生连接的情况越少。知识网络中介中心势越高，表示知识网络中存在某些特别重要的节点，即存在核心知识元素在企业技术创新活动中发挥关键性作用，即关键研发者中介中心势变大。据此提出以下假设：

H4:对于知识网络而言，关键研发者自我网密度变化幅度增加会使整体网络中介中心势变化幅度增加。

1.3 整体合作与知识网络中介中心势变化对企业创新绩效的影响

1.3.1 合作网络中介中心势变化对企业创新绩效的影响

在合作网络中，中介中心势是指网络中核心节点对非核心节点的控制能力，即网络围绕核心节点的聚集程度。任志安和毕玲[19]认为，如果一个整体网络中介中心势较大则意味着该网络中存在“中心”，核心节点与非核心节点之间会建立一种类似上下层级的“服从”关系，这种关系会促进核心节点与非核心节点之间强关系的形成,进而提高整体网络中知识共享程度与团队执行力。

关键研发者使合作网络中介中心势正向增加则意味着合作网络中其他研发者会更加凝聚在核心研发者周围，并且对于核心研发者的依赖度会显著提升。因此，企业资源整合能力增强，使企业能够集聚资源对某个方向进行重点突破。关键研发者使合作网络中介中心势负向增加则意味着合作网络资源被分散，资源控制能力下降，关键研发者知识传播作用被削弱。而这种资源整合能力下降意味着创新资源被分散，过低的资源整合能力意味着企业没有研发重点，给企业创新绩效带来不利影响。由此，提出以下假设：

H5a：由关键研发者造成的合作网络中介中心势正向变大会使企业创新绩效提升；

H5b：由关键研发者造成的合作网络中介中心势负向变大会使企业创新绩效降低。

1.3.2 知识网络中介中心势变化对企业创新绩效的影响

知识网络中介中心势反映的是知识网络中其它知识元素对核心知识元素的依赖程度。知识网络中介中心势越高，表示知识网络存在某些特别重要的节点，即存在核心知识元素在企业技术创新活动中起关键性连接作用。

当关键研发者使整体知识网络中介中心势变大时，说明关键研发者会提升知识网络中某些知识的重要程度。也就是说，更多创新资源会投入到新组合可能性的发掘中，创新资源集中于小部分核心知识元素。核心知识元素附近的知识组合数量有限，过于集中研究核心知识元素会导致该知识元素价值被“耗尽”，浪费创新资源，从而导致企业创新绩效降低。此外，从知识元素异质性角度看，当关键研发者使整体知识网络中介中心势变大时，意味着知识网络中的知识元素异质性降低，导致同质化知识元素产生新组合的可能性降低，从而使创新绩效降低。

当关键研发者使整体知识网络中介中心势变小时，说明关键研发者使知识网络中的核心知识元素受重视程度降低，出于对关键研发者权威性与技术水平的信任，企业会将创新资源分散到其它知识元素组合的探寻中，这种探寻活动对于知识元素的选择视野更广阔且搜寻范围更大，同时，由于知识网络中知识元素异质性提升，知识元素间新组合产生的潜力也会增强，使整体创新绩效提升。由此，提出以下假设：

H6a：由关键研发者造成的知识网络中介中心势正向变大会使企业创新绩效降低；

H6b：由关键研发者造成的知识网络中介中心势负向变大会使企业创新绩效提升。

2 数据与网络构建

2.1 数据来源、清洗与关键研发者甄选

本文选取通讯制造行业作为研究对象。该行业由于自身特征对创新需求较大，相较其它行业拥有较多的专利纪录，并且专利纪录比较全面。因此，从该行业中选取企业作为研究数据来源。

在选取研究企业时，主要根据：①专利数量，由于本研究主要基于专利数据，较多的专利数量有利于构建较完整的整体网络；②企业历史，由于创新是一个持续过程，而本研究基于动态变化视角，需要较长的时间周期；③上市公司，本文创新绩效衡量指标是企业盈利能力的体现，上市公司经营指标比较容易获取。根据上述标准，初步选取36家通讯制造企业，包括2001-2011年85 961条专利记录。从国泰安数据库、Wind数据库以及公司发布的社会报告信息中获取了382条关于36家企业盈利指标、研发投入指标记录。

分两步对专利数据进行清洗：初步清洗主要解决专利数据中缺失、重复、格式错误的问题；深度清洗着重解决专利中的发明家姓名歧义问题。

(1)初步清洗。根据确定的企业名称，排除类似或者包含选定企业名称的公司。在具体专利数据中，存在缺失、重复及格式错误的数据：①部分信息空白；②专利名称相同但是申请日期不同，这是由企业为了保证专利有效期而重复申请造成的。本文统一剔除重复的专利数据；③格式错误，在专利发明人信息中，发明人之间的间隔应该用分号隔开，但是部分数据使用空白隔开或者缺失分隔符号。本文对于使用空白隔开的数据，在发明人信息提取过程中增加一个是否空白的判断条件；④对于缺失分隔符号的数据，对发明人姓名长度进行判别，对于长度超过5的发明人姓名进行筛选。

(2)深度清洗。如图1所示，以姓名相似度、合作者相似度、分类号相似度3个指标作为姓名消歧的信息提取源：①计算姓名相似度：一部分是字音相似度，建立一个汉字拼音转换数据库，另一部分是字形相似度，用四角码将汉字拆解为0～9；②将姓名对中不同发明家的合作者姓名信息统计出来，由于合作者数量有限而采取遍历比较的方式，对共同合作者计数，将计数结果除以两者合作者数量的乘积；③分类号相似度计算与合作者相似度计算类似，此处不再赘述。

在计算相关特征变量后，研发者姓名消歧问题就可以转换为数据分类问题，可以被描述为给定一对姓名组合计算特征变量，并根据特征变量取值构建一个分类器以判断是否属于同一个研发者，是记为1，否则记为0。

经过清洗后，有效专利数据有63 597条，其中包含研发者31 225名。

2.1.3 关键研发者甄选

关键研发者定义为在企业内部创新中，具有高创新水平的研发者。因此，本文综合研发者拥有的专利数量和专利质量两个因素确定关键研发者。

Ernst[20]指出，企业内部关键研发者的数量并不多，占比不超过2.4% 。在国内相关研究中，孙笑明与崔文田[1]指出，企业关键研发者一般是拥有专利数量较多的研发者，其专利数量排名大多分布在前40位。为了降低企业规模造成的不均衡影响，本文没有采用前40名这个绝对数量，而是选用专利数量排名前2.5%的研发者作为关键研发者。

虽然国内专利信息缺失专利引用数据，但考虑专利质量对关键研发者确定的影响，本文采用Beaydry的做法，使用专利数据中权利声明个数衡量专利质量并进行排序后发现，最终排序结果与直接选用专利数量进行排序的结果并没有显著差异。因此，以专利数量排名前2.5%的方式提取关键研发者符合关键研发者专利质量较高的特征，能够以较大概率选中关键研发者。

2.2 合作网络构建

通过专利数据中的申请人信息构建企业内部创新合作网络(见图2 )。例如：假设有3个专利分别为专利1、2、3，专利1的发明人A、B、C、D，专利2的发明人B、D、E，专利3的发明人C、E，那么专利1中A、B、C、D由于共同申请了一个专利，所以存在合作关系，他们两两之间都有连接存在。同样，B、D、E以及C、E之间也是如此，通过这种方式可以构建整体合作网络。对于个体自我中心网构建，则先选定某一个发明人如E，找到与E有合作关系的所有发明人B、D、C，然后从整体网络中将B、D、C的关系提取出来加入到E的个体网中，就形成了E的自我中心网络。图3中的黑色三角形就是某个个体自我中心网络。

2.3 知识网络构建

在同一条专利数据中，任意两个技术分类号都存在联系。将这些技术分类号作为知识网络中的知识节点，如某专利涉及的分类号为H03K17、H04Q1、H04L12，它们之间就产生了连接。由于不同专利涉及的技术分类号不同，不同技术分类号之间会产生复杂的联系。因此，通过专利数据中的技术分类号信息可以构建一个企业内部不同知识节点间的创新知识网络。如图4所示，知识节点9和10联系产生了专利1，知识节点1没有与其它知识节点发生联系而是自己产生了专利2。与合作网络类似，在知识网络中的知识节点自我中心网也是以某一个节点为目标，将与其相连接的其它知识节点找出来，再在整体网中将这些节点间的连接信息加入到自我中心网络中，从而形成知识元素的自我中心网络。

3 变量测度与分析方法

3.1 个体网络与整体网络中介中心势变化的关系

3.1.1 因变量测度

因变量分别为整体合作网络中介中心势和整体知识网络中介中心势。以整体合作网络中介中心势为例，计算由关键研发者引起的合作网络中介中心势变化幅度。方法如下：先计算在0-(t-1)时间内合作网络中介中心势，然后提取(t-1)-t时间内由关键研发者引起的合作关系变化，即对于(t-1)-t时间内申请的专利，如果专利发明人中含有关键研发者则将专利发明人表示的合作关系提取出来，再将其加入到0-(t-1)时间内的网络中并计算新的中介中心势，最后取两者差值的绝对值。

为了计算两个网络中介中心势差值的绝对值，需要两个网络中介中心势与两个网络中所有节点的中介中心度，节点vi的中介中心度是节点vi出现在网络中任意节点对之间最短路径上的程度。节点vi的中介中心度计算公式如式(1)所示。

式中：njl表示节点vj和节点vi之间的最短路径条数；njl(i)表示节点vj和节点vi之间的最短路径经过节点vi的条数；N为网络中的节点总数。

整体网络中介中心势计算公式如式(2)所示。

式中，CB(vi)max表示所有节点中最大中介中心度，N为网络中所有节点总数。

因此，中介中心势的变化幅度计算公式如式(3)所示。

式中，CB2、CB1分别代表加入关键研发者后的整体网络中介中心势与加入关键研发者前的整体网络中介中心势。

3.1.2 自变量测度

在研究合作网络时，自变量为关键研发者合作网规模和密度。当研究知识网络时，自变量为关键研发者知识网络规模和密度。

(1)合作网络中关键研发者自我网络规模变化幅度。按照因变量计算方法，提取由关键研发者引起的合作关系变化，首先计算0-(t-1)时间窗口内关键研发者自我网规模大小S2(不包括关键研发者自己),然后计算加入(t-1)—t时间内由关键研发者带来合作网络关系变化后的关键研发者自我网规模大小S1，最后取两者差值的绝对值。计算公式如式(4)所示。

式中，S2、S1分别代表两个数据窗口内关键研发者自我网规模大小。关键研发者自我网络规模变化幅度越大，说明关键研发者在(t-1)—t时间内吸收合作者进入自我网络的数量越多。

(2)合作网络中关键研发者自我网络密度变化幅度。首先计算0-(t-1)时间窗口内，关键研发者自我网密度大小D2，然后计算加入(t-1)—t时间内由关键研发者带来的合作网络关系变化后的关键研发者自我网密度大小D1，最后取两者差值的绝对值。

3.1.3 控制变量选取

(1)整体网络结构特征方面。由于自我中心网嵌入在整体网中，自我中心网变化会受到整体网的网络结构特征影响。因此，考虑将整体网络规模与整体网络密度作为控制变量。

(2)企业层次。企业层次控制变量主要考量以下因素：①企业文化，不同的企业文化对创新绩效的影响不同。本文将其分为国有企业文化和民营企业文化；②企业研发规模，企业研发规模对创新绩效产生直接影响；③企业研发投入，企业研发支出影响创新资源数量，而不同创新资源数量对创新绩效的影响不同。

(3)个体差异。个体差异会对个体网络行为与特征产生影响，但是从专利数据中难以获取个体年龄、学历、职称等信息，要从性别、与其他关键研发者的连接数量间接地控制个体学历、职称等方面的差异。

(4)其它方面。其它方面主要考虑年份和所属公司两个方面。年份主要用于控制时间变量对其它变量的影响。所属公司则控制公司发展方向，不同业务侧重点对关键研发者的影响不同。因此，引入一个虚拟变量将华为公司设为参照类。

3.2 整体网络中介中心势变化与企业创新绩效变化的关系

3.2.1 因变量测度

因变量是企业创新绩效变化，创新绩效指标衡量方式：①直接指标，如专利申请个数；②间接指标，如盈利能力。本文没有以专利数量作为创新绩效指标有以下原因：①本文以专利数据研究关键研发者自我中心网对整体网的影响，如果在讨论整体网变化对创新绩效的影响时仍使用专利个数，则有可能引起内生性问题；②以专利数量衡量创新绩效有所缺陷。国外相关研究已经指出，单个企业出于专利保护与垄断的考虑，会主动申请大量相关性强的专利以阻碍其它企业申请专利，保证自己的市场地位。因此，单从专利数量衡量企业创新绩效是不合理的，而使用间接指标则可以避免这样的缺陷。对于技术创新型企业而言，技术是第一位的，企业盈利水平与创新绩效直接挂钩，间接指标更能反映出企业创新绩效变化情况。

本文选取的企业都是技术创新型企业，它们的盈利主要来自于创新。因此，本文以企业盈利能力代表其创新绩效，即利润占收入的比值，使用前一年与后一年盈利能力差值作为创新绩效变化指标。同时，考虑到创新滞后性，本文将观察滞后期设为3年，即观察3年后的创新绩效变化。

3.2.2 自变量测度

自变量是由关键研发者引起的网络中介中心势变化，分为合作网络与知识网络两个部分。

(1)由关键研发者引起的合作网络中介中心势正向变化：选取使合作网络中介中心势正向变化的关键研发者，即计算0-t时间窗口内合作网络与加入(t-1)—t时间内由内关键研发者引起的合作关系变化后的新网络间的中介中心势差值，如果差值为正则将关键研发者保存起来。然后，在(t-1)—t时间内把包含上述关键研发者的专利记录提取出来，并将上述专利记录中的合作关系加入到0-t时间内的合作网络中，计算网络中介中心势正向变化值。

(2)由关键研发者引起的合作网络中介中心势负向变化：与前文类似。

(3)由关键研发者引起的知识网络中介中心势正向变化：将使知识网络中介中心势正向变化的关键研发者提取出来，然后在(t-1)—t时间内把包含上述关键研发者专利记录提取出来，并将上述专利记录中的分类号组合关系加入到0-t时间内的知识网络中，计算知识网络中介中心势正向变化值。

(4)由关键研发者引起的知识网络中介中心势负向变化：与前文类似。

3.2.3 控制变量选取

(1)企业层次：企业文化、企业研发规模变化及企业研发投入变化。

(2)整体网络结构特征层次：合作网络密度变化、知识网络密度变化。整体网络结构特征对于创新绩效的影响，主要以网络密度变化进行衡量。合作网络密度反映了成员间的交流频率，知识网络密度则反映了知识元素组合情况，密度变化会引起创新绩效变化。

(3)其他研发者对于中介中心势变化的影响：由其他研发者引起的合作网络中介中心势变化、由其他研发者引起的知识网络中介中心势变化。

(4)网络内容变化层次：关键研发者知识变化对企业内部知识变化的影响。

3.3 回归分析方法

3.3.1 个体网络对整体网络的影响

本文采用受限因变量模型中的Tobit模型。Tobit模型的主要特征是因变量不再满足连续变化的条件并且在某个点被截断，导致离散值出现。在本文模型中，由关键研发者引起的整体网络中介中心势变化幅度都处于0～1，并且有部分值为0，不满足最小二乘法中变量连续假设，但满足Tobit回归假设。

3.3.2 整体网络中介中心势对创新绩效的影响

由于因变量是企业创新绩效变化，根据描述性统计结果可知，因变量的值是一个连续变量，既包含正值又包含负值。因此，没有选择继续使用Tobit模型主要是因为本文关注的是由关键研发者引起的合作网络与知识网络中介中心势变化会对企业创新绩效的影响，需要对回归系数进行分析和解释，而Tobit模型下回归系数是难以解释的，由此本文选择使用多元线性回归模型。

4 结果分析

4.1 合作网络变化与整体合作网络中介中心势变化的关系

由表1可知，控制变量合作网络规模与合作网络密度之间的相关性系数较大，其它变量之间的相关系数都分布在一个比较合理的范围内。在对模型多重共线性进行检验后，发现方差膨胀因子VIF<4，可见多重共线性的可能性较小。

*p<0.1,**p<0.05,***p<0.01，左下部分为Pearson检验,右上部分为Spearman检验

从表2中可以看出，模型1仅包含控制变量，除合作网络密度以及与其他关键研发者联系数量对因变量的影响显著以外，其余控制变量对合作网络中介中心势变化幅度的影响不显著。模型2、3、4分别是加入解释变量网络规模变化幅度与网络密度变化幅度后的回归模型。在模型4中加入了两个解释变量，发现关键研发者自我中心合作网络规模对合作网络中介中心势变化幅度产生了显著影响(p<0.05)，关键研发者自我中心网络密度对知识网络中介中心势变化幅度并没有显著影响(p>0.1)。可见，H1得到了支持，H2未获得支持。

4.2 知识网络变化与整体知识网络中介中心势变化的关系

表3为知识网络中各变量之间的相关性分析，情况与合作网络类似。从表4中可以看出，模型1仅包含控制变量，除知识网络规模外，其余控制变量对知识网络中介中心势变化幅度影响不显著。模型2、3、4分别是加入解释变量关键研发者拥有知识元素、自我中心网络规模变化幅度以及自我中心网络密度变化幅度后的回归模型。在模型4中加入了两个解释变量，发现关键研发者对知识网络中介中心势变化幅度产生了显著影响(p<0.05)，关键研发者拥有知识元素自我中心网络密度对知识网络中介中心势变化幅度产生了显著影响(p<0.05)。可见，H3、H4均得到了支持。

4.3 网络中介中心势变化对企业创新绩效的影响

由表5可见，由关键研发者引起的合作网络中介中心势正向变化与其他非关键研发者引起的合作网络中介中心势变化、由其他非关键研发者引起的合作网络中介中心势变化与整体合作网络密度变化，以及由关键研发者引起的知识网络中介中心势负向变化与研发规模变化3组变量之间的相关系数较大。通过检测上述3组变量之间的多重共线性，可以看出方差膨胀因子(VIF值均小于4)值都小于10，可见多重共线性的影响较小。在去掉控制变量“整体合作网络网络密度变化”、“研发规模变化”后，其它变量之间的相关系数值改变较小，由此排除多重共线性的影响。

*p<0.1,**p<0.05,***p<0.01，左下部分为Pearson检验,右上部分为Spearman检验

采用fisher检验各变量的时间平稳性，发现因变量未存在单位根(p<0.05)，满足时间平稳性，从而排除时间因素造成的“伪回归”情况。此外，对回归模型进行异方差检验，采用CM检验，选定置信水平为95%，p=0.09>0.05。因此，不能拒绝不存在异方差的假设，即在95%的置信水平下可以进行回归检验。

从表6可以看出，模型1包含了所有控制变量。为了验证由关键研发者合作网络引起的中介中心势对创新绩效的作用，模型2加入了由关键研发者引起合作网络中介中心势正、负向变化两个变量。由回归结果可知，由关键研发者造成的合作网络中介中心势负向变化对企业创新绩效的影响显著，且为正向影响(系数1.195，且p<0.01)。可见，H5b得到支持，H5a未获得支持。为了验证知识网络中，由关键研发者引起整体网络中介中心势与创新绩效之间的关系，模型4加入了由关键研发者引起知识网络中介中心势正、负向变化两个变量。结果显示，由关键研发者造成的知识网络中介中心势负向变化对企业创新绩效的影响显著，且为负向影响(回归系数为-0.241,且p<0.01)。可见，H6b得到支持，H6a未获得支持。为了研究合作网络和知识网络中关键研发者的共同作用，模型5加入了合作网络与知识网络的控制变量，模型6与模型5加入了合作网络与知识网络的自变量。由模型1～6中调整后的R2值可以看出，模型6的拟合性最好。这也说明由关键研发者引起的合作网络与知识网络中介中心势变化对企业创新绩效变化均有影响。

为了进一步确定模型检验结果，本研究采用普通最小二乘法回归检验合作网络和知识网络中的关键研发者自我中心网络规模与网络密度变化幅度对整体中介中心势变化幅度的影响，结论与使用Tobit模型得到的结论一致。对整体网络中介中心势与创新绩效的关系采用Tobit回归模型进行研究，将因变量整体创新绩效变化转换为0～1并进行回归，结论与使用多元线性回归模型得到的结论一致。

*p<0.1,**p<0.05,***p<0.01，左下部分为Pearson检验,右上部分为Spearman检验

此外，采用不同的指标计算方法，如使用多元线性回归模型进行回归也可以得到相同的结论。因此，模型结果是比较稳定的。

5 理论意义与实践指导

本文从合作网络与知识网络两个方面分析关键研发者自我网络规模和自我网密度变化幅度对整体网络中介中心势变化幅度的影响，结果发现：①关键研发者合作网络中的自我网规模变化幅度增加会使整体合作网络中介中心势变化幅度增加；②关键研发者知识网络中的自我网规模变化幅度增加会使整体知识网络中介中心势变化幅度增加；③关键研发者知识自我网密度变化幅度增加会使整体知识网络中介中心势变化幅度增加。因此，关键研发者可以通过改变自我中心网的网络结构特征影响整体网络(合作网络与知识网络)中介中心势。

本文对由关键研发者引起的中介中心势变化进行分析，并将其分为正向变化与负向变化并探讨关键研发者对企业创新绩效的影响，结果显示：①由关键研发者引起的合作网络中介中心势降低会使企业创新绩效降低；②由关键研发者引起的知识网络中介中心势降低会使企业创新绩效提升。

对于企业创新管理者而言，要充分发挥关键研发者在创新活动中的优势与作用，可以从以下方面入手：

从企业合作网络出发，要充分关注关键研发者在网络中的位置。如果关键研发者本身处于网络中的绝对控制地位，此时继续加强关键研发者在企业中的核心作用并不能使企业创新绩效显著提升。因为过于集中围绕关键研发者组建创新团队会对其他研发者产生一定的压制作用，此时可以尝试将关键研发者控制的资源分散给网络中其他研发人员。如果关键研发者本身未处于网络中的绝对控制地位，此时不能盲目提升关键研发者在企业中的核心作用，因为这容易造成网络资源分散。由于缺乏核心节点对整体创新方向的指引，研发者之间为争夺资源各自为战，从而导致创新绩效降低。因此，对于网络创新绩效较高但是处于网络偏远位置的关键研发者而言，要避免与网络核心节点产生矛盾。

从企业知识网络出发，要充分关注关键研发者知识元素在整体知识网络中的位置。如果关键研发者知识元素处在知识网络的中心位置，即当企业大部分创新产出都围绕关键研发者知识元素时，继续让关键研发者围绕自身知识元素进行创新对创新绩效提升不会有所助益。因此，可以让关键研发者尝试参与其它项目，从新的知识元素开始创新。如果关键研发者知识元素不是处在知识网络中的中心位置，那么应该鼓励关键研发者围绕自身知识元素进行创新，并给予其更多的创新资源。

[1] 孙笑明,崔文田,崔芳.当前合作网络结构对关键研发者创造力的影响[J].管理工程学报,2014,28(1):48-55.

[2] PARUCHURI S,NERKAR A,HAMBRICK D C.Acquisition integration and productivity losses in the technical core: disruption of inventors in acquired companies[J].Organization Science,2006,17(5):545-562.

[3] GRIGORIOU K,ROTHAERMEL F T.Organizing for knowledge generation: internal knowledge networks and the contingent effect of external knowledge sourcing[J].Strategic Management Journal,2017,38(2):395-414.

[4] WHELAN E.It's whom you know not what you know: a social network analysis approach to talent management [J].European J of International Management,2010,5(5): 484-500.

[5] SUBRAMANIAN A M,LIM K,SOH P H.When birds of a feather don′t flock together: different scientists and the roles they play in biotech R&D alliances [J].Research Policy,2013,42(3):595-612.

[6] LIU H,MIHM J,SOSA M.Where do stars come from? the role of star versus non-star collaborators in creative settings[J].Social Science Electronic Publishing,2014(16)：75-79.

[7] CALL M L,NYBERG A J,THATCHER S M B.Stargazing: an integrative conceptual review,theoretical reconciliation,and extension for star employee research.[J].Journal of Applied Psychology,2015,100(3):623-640.

[8] TURNER K L,MAKHIJA M V.The role of individuals in the information processing perspective[J].Strategic Management Journal,2012,33(33):661-680.

[9] ELLISON N B,STEINFIELD C,LAMPE C.The benefits of facebook "friends": social capital and college students’ use of online social network sites[J].Journal of Computer-Mediated Communication,2007,12(4):1143-1168.

[10] BURT R S.The network structure of social capital[J].Research in Organizational Behavior,2000,22(22):345-423.

[11] AHUJA G,SODA G,ZAHEER A.Introduction to the special issue: the genesis and dynamics of organizational networks[J].Organization Science,2012,23(2):434-448.

[12] YAYAVARAM S,AHUJA G.Decomposability in knowledge structures and its impact on the usefulness of inventions and knowledge-base malleability[J].Administrative Science Quarterly,2008,53(2): 333-362.

[13] ZHANG H,SHANG T,SHAO Y.The impact of embedded relationship on knowledge internalization in innovation network and choice of competition mode[J].Chinese Journal of Management,2016(4): 605-612.

[14] LAPERCHE B.Large firms′ knowledge capital and innovation networks[J].Journal of the Knowledge Economy,2016(8):1-18.

[15] COWAN R,JONARD N.Knowledge portfolios and the organization of innovation networks[J].Academy of Management Review,2009,34(34):320-342.

[16] CARNABUCI G,BRUGGEMAN J.Knowledge specialization,knowledge brokerage and the uneven growth of technology domains[J].Social Forces,2009,88(2):607-641.

[17] YAYAVARAM S,AHUJA G.Decomposability in knowledge structures and its impact on the usefulness of inventions and knowledge-base malleability[J].Administrative Science Quarterly,2008,53(2):333-362.

[18] 张朝宾,吴洁,黄伟,等.网络结构与组织间知识转移绩效关系的实证研究[J].科技进步与对策,2011,28(19):112-116.

[19] 任志安,毕玲.网络关系与知识共享:社会网络视角分析[J].情报杂志,2007,26(1):75-78.

[20] ERNST H,VITT J.The influence of corporate acquisitions on the behaviour of key inventors[J].R&D Management,2000,30(2):105-120.

The Research on the Impact of the Ego-Network’s Changes from the Key Inventors to the Innovation Performance: the Whole Network as an Intermediary Variable

(1.School of Management,Xi′an Jiaotong University,Xi′an 710049,China;2.School of Management,Xi'an University of Architecture and Technology,Xi′an 710031,China)

Abstract：Key inventors as an important participant in organizational R & D has a significant impact on innovation performance.But its impact mechanism is not clear.In this paper,the whole network as an intermediary variable,we use 36 communications manufacturing enterprise patent data,in two steps to reveal the impact mechanism of the key inventors on the R&D performance.Firstly,from the respective of cooperative network and the knowledge network,considering the influence of size and density of network’s change on the rangeability of network’s betweenness centrality.Moreover,this paper divides the rangeability of two network’s betweenness centrality into the positive and negative changes,the effects of these two changes on organizational innovation performance are discussed respectively.The results show that:①the key inventor can influence the rangeability of the cooperative network’s betweenness centrality by changing rangeability of the size of self-cooperation network,and decrease of the rangeability of the cooperative network’s betweenness centrality will cause the enterprise’s innovation performance decrease；②the key inventors can influence the rangeability of the knowledge network’s betweenness centrality by changing rangeability of the size and density of self-knowledge network,and decrease of the rangeabilith of the knowledge network’s betweenness centrality will cause the enterprise’s innovation performance increase.

Key Words:Key Inventor; Innovation Performance; Dynamic Change; Self-Center Network；Betweenness Centrality

基金项目：国家自然科学基金面上项目(71472146/G0203)；国家自然科学青年基金项目(71402132)

作者简介：崔芳(1988-)，女，陕西佳县人，西安交通大学管理学院博士研究生，研究方向为社会网络与创新传播；孙笑明(1982-)，男，辽宁大连人，博士，西安建筑科技大学管理学院副教授，本文通讯作者，研究方向为复杂组织网络与创新、大数据分析；熊旺(1992-)，男，湖南沅江人，西安交通大学管理学院硕士研究生，研究方向为社会网络与创新传播；崔文田(1958-)，男，陕西米脂人，西安交通大学管理学院教授、博士生导师，研究方向为社会网络与创新传播。