图1研究假设与概念模型
戴 勇1，朱桂龙2，刘荣芳2
(1.湖北工业大学 经济与管理学院，湖北 武汉 430068；2.华南理工大学 工商管理学院，广东 广州 510641)
摘要：基于209份地方产业集群企业问卷数据，实证分析了集群网络结构、吸收能力以及技术创新绩效三者间的关系和相互作用机制。结果表明：①集群网络结构对吸收能力具有正向影响。网络规模、中心度和强度正向影响企业潜在吸收能力和现实吸收能力；②潜在吸收能力和现实吸收能力显著促进技术创新绩效；③集群网络结构显著促进技术创新绩效。但在集群网络结构的各项指标中，除网络规模外，网络中心度和网络强度并不直接影响创新，而是以吸收能力为中介变量间接影响创新绩效；④在集群网络结构、吸收能力、技术创新绩效三者关系中，潜在和现实吸收能力是发挥网络结构优势、提升创新绩效的关键因素。
关键词：集群网络结构；潜在吸收能力；现实吸收能力；技术创新绩效
在建设开放式创新体系背景下，相对稳定的网络关系对企业技术创新的重要性日益突显。产业集群内的企业仅利用自身知识和技术进行独立创新的模式日渐式微，通常需要利用网络关系对网络资源加以整合运用，以实现技术突破和产品创新，进而推动企业创新绩效提升。企业所处的外部网络结构形态和组织环境并不是一成不变的，会随着成员加入或退出，知识传播、转移等动态发展。在复杂的竞争环境中，难以通过研究单个企业的网络能力解释集群企业技术创新机制，而将重点从单个企业的网络能力转向产业集群网络结构特征成为近年来理论研究的趋势之一。在集群网络中，企业凭借自身资源禀赋独立进行技术创新已难以适应外部环境变化，网络中其它企业的资源、知识、能力以及这些主体之间形成的各种网络嵌入关系对企业技术创新的推动作用愈发突显。企业技术创新行为已打破了组织边界，嵌入到由与之存在交易或合作关系的集群企业形成的集群创新网络中，企业技术创新过程及创新绩效愈发受其所在集群创新网络结构的影响。然而，集群网络结构如何表征？其对企业技术创新的作用机理又是什么？企业对网络中传递和溢出知识吸收过程在其创新过程中起到什么作用？已有研究尚未对这些问题形成统一的认识。
国内外学者围绕网络结构特征与创新绩效关系作了大量的研究。在网络规模方面和网络中心度方面，绝大部分学者认为，大规模网络同构有利于加快知识流动速度，提高企业创新绩效[1-2]，网络中心位置通常正向影响企业绩效[3-5]；网络强度方面，有学者认为，网络结构中的强联结带来的组织间信任及共享准则将促进知识转移，进而给企业带来更高的创新绩效[6]。也有学者认为，弱联结更有利于异质性信息传递[7-8]。除此之外，还有一些学者从网络资源丰富程度[4]、节点度等网络[6]特征出发，研究其对企业创新绩效的影响，但所得结论并不统一。
以上研究表明，集群网络结构对企业创新绩效的影响在不同的情景下有所差异，并非是固定不变的，若仅运用双变量模型直接描述集群网络结构与创新绩效的关系，无法保证其结果全面性和准确性，需适当引入中介变量作进一步探讨研究。有学者引入产业环境[9]、探索式创新[10]等中介变量，在一定程度上阐明了集群网络结构对企业创新绩效的影响机理。吸收能力是创新理论关注的重点，对企业创新绩效具有重要的影响作用。有研究表明，吸收能力在企业外部网络结构与企业创新绩效之间发挥完全中介作用[11]。Tsai[12]以吸收能力为中间变量，从网络结构与客户关系角度分析了结构嵌入和关系嵌入对于创新绩效的影响。侯光文、薛惠锋[13]等以知识获取为中间变量，分析了集群网络关系在提升企业协同创新绩效中发挥的作用。Nieto和Quevedo[14]分析了吸收能力的调节作用和中介作用。此外，大部分研究显示，吸收能力与企业利用外部知识进行创新之间存在正相关关系。Fosfuri等[15]分析了企业从吸收外部知识到技术创新的过程模型，发现成功用于技术创新阶段的外部知识量与企业潜在吸收能力之间正相关，企业潜在吸收能力越强，创新绩效越好[15]。Zahra和George[16]指出，用于获得和消化知识的潜在吸收能力有助于企业维持当前的竞争优势，将知识内化转移并运用于技术创新和产品开发过程中的现实吸收能力能够提高企业创新绩效，而良好的集群网络结构有利于企业强化自身吸收能力。因此，本文认为可以引入吸收能力作为中介变量，探讨其对集群网络结构与创新绩效关系的影响机理。本文在现有研究基础上，将吸收能力作为集群网络结构与创新绩效的中介变量进行实证分析，探究其对二者关系的影响机理，进而针对提高企业技术创新绩效以及推动产业集群协同创新发展提出对策建议。
本文借用“社会网络分析”(Social Network Analysis)中刻画网络结构的3个变量，分析和研究集群网络结构，变量分别为网络规模、网络中心度和网络强度。以Zahra和George[16]提出的影响最为深远的潜在吸收能力和现实吸收能力表征吸收能力，该能力体现在企业通过集群网络进行知识获取、知识消化、知识转化和知识利用的全过程之中。
1.1.1 网络规模与技术创新绩效
网络规模(Network Size)是集群网络的重要结构特征之一。集群网络规模是指，与中心企业在所处网络中直接相关联的、在技术创新中存在联系的创新伙伴成员数量[17]。而网络规模大小决定着中心企业可以获取的创新资源丰裕程度，这是因为，网络规模越大，网络中的关系越复杂多样，而网络关系是网络资源的载体，代表着一种关系资源。集群网络中不同主体拥有的资源借助各种网络关系进行传播、转移、整合乃至合作，进而促进企业技术创新绩效提升，产生“整体大于局部之和”的协同效应。由此，提出以下假设：
H1a：网络规模与企业技术创新绩效显著正相关。
1.1.2 网络中心度与技术创新绩效
在网络合作体系中，每一个成员都具有独特的地位，该地位决定了其在创新网络中的相对力量。网络中心度(Centrality)用以反映某个网络成员与其它成员(供应商、客户、竞争对手、科研院所、相关政府部门)之间直接连结关系的强度。曾婧婧、刘定杰[18]的实证研究表明，中介中心度对创新绩效存在正向影响，接近中心度对集群企业创新产品收入贡献存在负向影响。但笔者认为，网络成员通过与其它组织建立连带关系，进而占据网络关键性战略地位。网络位置是网络成员所能拥有的资源数量与质量的决定性因素，相较于处在网络边缘位置的企业，位于网络中心或接近网络中心的企业能更为及时地获得有价值的信息或资源、了解产业技术的最近进展，甚至能掌控相关信息，以此获得更高地位和更大影响力，进而获得技术创新优势。由此，提出以下假设：
H1b：网络中心度与企业技术创新绩效显著正相关。
1.1.3 网络强度与技术创新绩效
网络强度(Intensity)又称为关系强度或关系频率，是反映集群创新网络结构特征的重要维度之一[19]。在高强度网络中(如战略联盟)，网络节点企业之间的联系更为紧密，彼此通过签订合作协议实现资源共享、优势互补，最终达成联盟战略目标[20]。Uzzi[21]指出，网络强度与网络内部成员之间的信息和知识共享呈正相关关系，网络强度越高，越能激发成员企业之间的深度互动，进而提高网络技术创新绩效。Moran[22]的研究表明，创新资源转移速度随着网络联结强度提高而提高，进而促进企业创新绩效。由此，提出如下假设：
H1c：网络强度与企业技术创新绩效显著正相关。
集群网络中的每个节点企业都是独立的知识载体，知识通过节点间的联系在网络中交流、传播，通过联系节点企业实现合作创新。集群创新合作网络在提升集群知识水平中发挥着重要的作用，不同网络结构的集群对知识的反应和吸收能力也不尽相同[23]。
1.2.1 网络规模与吸收能力
网络规模越大，企业可以跨越组织边界建立联系的网络成员越多，整合的技术、资源、知识背景越多样，越有可能获取异质性知识或信息。网络整合的信息来源和异质性知识越丰富，越有利于企业及时更新、完善自身知识结构、扩充知识储量，最终实现企业内化吸收能力提升，而潜在吸收能力与现实吸收能力的重要区分正是知识存量。由此，提出如下假设：
H2a：网络规模与潜在吸收能力显著正相关；
H2b：网络规模与现实吸收能力显著正相关。
1.2.2 网络中心度与吸收能力
中心度是反映网络结构特征的重要指标之一，是指企业在经营过程中建立的合作关系数量[24]。中心度越高的网络成员越容易获取并控制相关战略性资源，如在技术创新过程中不可或缺的理论知识、技术知识等，这些都是企业潜在吸收能力提升的重要前提。钱锡红、杨永福[25]指出，企业认知结构随其网络中心度提高而优化。企业的网络中心度越高，不仅有更多机会接触到新知识、新信息，还能了解到其它网络成员之间的交互情况，获取结构效应，从而识别出网络中可能对自身有价值的多样化和新颖的知识及资源。良好的认知结构和较小的认知距离使得处于网络中心位置的企业能够更好地整合并利用这些知识，而获取、整合知识及利用知识分别对应企业知识吸收能力的潜在与现实吸收能力。由此，提出如下假设：
H3a：网络中心度与潜在吸收能力显著正相关；
H3b：网络中心度与现实吸收能力显著正相关。
1.2.3 网络强度与吸收能力
网络强联系有利于知识和信息在网络中传播与沟通，能提高企业间信息交换效率，从而使企业迅速识别、更好地应对市场变化。Uzzi[21]的研究表明，当网络成员面对外部机会和威胁时，网络强度越高其反应越迅速，应对措施更有效，有助于企业潜在和现实吸收能力提升。基于以上分析，提出如下假设：
H4a：网络强度与潜在吸收能力显著正相关；
H4b：网络强度与现实吸收能力显著正相关。
知识吸收能力是指企业从外部获取新的、有价值的知识后，对其进行消化、吸收，将其应用于未来的技术创新及成果商业化的能力。企业知识吸收能力很大程度上取决于组织学习能力，而组织学习成果最终表现为企业用于商业化的技术创新产出。由此可以推断，知识吸收能力与企业创新绩效通过组织学习呈现出递推关系。因此，企业知识结构会随着知识吸收能力提升而得到优化，从而有可能突破技术创新“瓶颈”，加快新技术研发、新产品开发以及商业化，进而提升企业技术创新绩效[26]。基于以上分析，提出如下假设：
H5a：潜在吸收能力与企业创新绩效显著正相关；
H5b：现实吸收能力与企业创新绩效显著正相关。
外部知识吸收能力是企业在日趋激烈的市场竞争中有效利用外部网络资源的基础，是其不断积累竞争优势的重要前提。从组织学习的社会网络视角出发，多数传统行业，如制造业企业以及中小企业等，难以在当前开放式创新背景下获取竞争优势的原因之一正是其在吸收、内化外部知识方面存在不足，从而制约了企业创新成果产出和创新绩效提高。企业产品更新换代速度缓慢，必将被市场淘汰，最终丧失市场竞争优势。尽管集群网络或区域网络能为企业提供大量有价值的知识或信息，但这些知识和信息只有被吸收、转化后，才能应用于创新研发。若企业吸收转化能力不强，即便能不断在集群关系网络中拓展自身的知识与信息范畴、扩大知识与信息储备量，但自身的知识结构仍难以得到优化，创新效果也将大打折扣。基于以上分析，提出以下假设：
H6a：潜在吸收能力在网络规模与企业创新绩效之间起中介作用；
H6b：现实吸收能力在网络规模与企业创新绩效之间起中介作用；
H6c：潜在吸收能力在网络中心度与企业创新绩效之间起中介作用；
H6d：现实吸收能力在网络中心度与企业创新绩效之间起中介作用；
H6e：现实吸收能力在网络强度与企业创新绩效之间起中介作用；
H6f：潜在吸收能力在网络强度与企业创新绩效之间起中介作用；
归纳起来，本研究的理论框架及对应假设如图1所示。
图1研究假设与概念模型
本研究采用问卷调查法收集数据，题项设计采用“内部一致性”的Likert 5 级量表。问卷自2015年8月开始正式发放，发放途径如下：①委托政府相关部门向企业发放，历时1个月，共发放问卷188 份，回收问卷103 份；②向朋友及MBA/EMBA学生收集数据，历时1个月，共发放问卷90份，回收问卷68 份；③直接向从事生产技术管理的中层及以上人员发放，历时2个月，共发放问卷109份，回收问卷62 份。3种方式总计发放问卷387份，回收问卷233份，剔除无效问卷24份，最终得到有效问卷209份。问卷企业主要来自广州生物医药产业基地、顺德大良小家电集群、东莞市石龙镇电子信息产业集群、东莞市大岭山家具产业集群等，以广东珠三角地区为主。问卷调研对象大致分布如下：从企业规模看，既有6 000人的大型企业，也有20人左右的小企业；从成立年限看，既有近20年的老企业，也有不足3年的初创企业；从行业领域看，既有从事IT技术的高科技企业，也有从事家具制造的传统企业。调研样本具有一定的代表性。
为保证本研究测量工具的效度和信度，以国内外研究中已得到学者认可并被广泛使用的成熟量表为基础，根据本文研究目的进行适当修改，并在问卷正式定稿与发放前，对部分相关企业从事生产技术管理的中层及以上人员进行预调查，根据预试者提出的意见对问卷再次进行修订，形成最终量表。
(1)网络规模借鉴Tiwana[27]的实证研究，设计3个题项：具有稳定联系的集群内供应链上下游企业数量、具有稳定联系的集群内同行企业数量、具有稳定联系的集群内其它机构数量；网络中心度在Bonacich[28]的经典测量基础上，设计3个题项：与我们有直接业务联系的集群企业很多、其它企业往往通过我们与集群企业进行业务联系、我们较少依赖其它企业的帮助与集群企业进行业务联系；网络强度借鉴Eisingerich[29]的研究，设计3个题项：与其它企业资源共享频繁程度、与其它企业信息交流频繁程度、与其它企业联系的密切程度。
(2)知识吸收能力。不同学者对知识吸收能力的维度划分有所不同，其中对后续研究影响最为深远的是Zahra和George[16]的维度划分方式，用潜在吸收能力和现实吸收能力表征知识获取、知识吸收、知识转化和知识利用4种能力。本研究以此为基础，并加以修改，形成6个题项：本企业能快速识别外部相关新知识、本企业可以敏锐地感知市场变化、本企业可以很快地分析和理解已获取的新知识、企业能够很快将新知识消化并与旧知识融合、企业员工记录和存储新知识以备将来使用、企业能够很快从新知识中抓住创新机会。
(3)技术创新绩效。由于一般企业不会公开财务数据，因此在以往的研究中，学者们广泛使用主观指标评价技术创新绩效，这些指标通常都具有较高的一致性和可信性。Lee(2001)认为，委托企业家对企业技术创新绩效进行评分或评判，可以得到较为真实且质量较高的企业创新相关情况，能在保证策略工具信度与效度的同时，体现出问卷题项设计的灵活性。本研究主要借鉴Alegre[30]对创新绩效的测度，设计4个题项：与竞争对手相比，本公司新产品数量较多；与竞争对手相比，本公司能够更快推出新产品；本公司能够持续不断推出新产品；与竞争对手相比，本公司新产品开发项目成功率更高。
2.3.1 信度与效度检验
信度检验方面，采用内部一致性系数(Cronbach's α系数)检验同一构面下各变量之间及量表整体的一致性，以避免问卷各不同题项测量相同的内容或特质。如表1所示，本研究各变量的Cronbach's α值均大于0.70，表明研究设计各变量及其对应题项具有较好的信度，可进行后续相关系数检验与实证分析。
效度检验方面，KMO样本充足度通过比较变量间的简单相关系数和偏相关系数来检验各指标间的相关性，其是判断变量是否适合作因子分析的效度检验指标之一。KMO检验值常用的度量标准为：当KMO>0.9时，表示非常适合；在0.8～0.9区间内表示很适合；在0.7～0.8区间内表示适合；在0.6～0.7区间内表示比较适合。本文的KMO检验值如表2所示，检验结果表明所选变量具有较好的建构效度。
表1各变量信度分析
表2各变量效度分析
2.3.2 描述性统计与相关分析
表3为各变量间的相关系数，从统计结果可以看出，网络规模、网络中心度、网络强度、潜在吸收能力、现实吸收能力以及技术创新绩效之间的正相关关系均在0.01的水平上显著。
构建无中介模型、完全中介作用模型(M1)、部分中介作用模型(M2)，并对其进行拟合度分析，以揭示潜在吸收能力与现实吸收能力在集群网络结构与技术创新绩效间的中介作用。在部分中介作用模型(M2)中，网络中心度和网络强度两个自变量对技术创新绩效的标准化回归系数均未通过显著性检验，故在修正后的部分中介模型(M3)中将网络中心度和网络强度的影响路径予以删除。表4为各模型拟合程度的比较结果，经对比得到拟合程度最优的模型为修正后的部分中介模型(M3)，拟合度为1.489。因此，本研究选择修正后的部分中介模型(M3)作为最佳匹配模型。
对最佳匹配模型(经修正后的部分中介模型M3)中各自变量的影响效应作进一步分析，将总效应分解为直接效应和间接效应，以便更好地揭示解释变量之间的关系，如表5所示。
表3各变量间相关系数
**表示显著性水平P<0.01 (双尾检验)
表4模型拟合结果比较
从表5中可以看出，网络结构对技术创新绩效的影响效应显著，网络规模、网络中心度与网络强度的总效应之和达到0.849 8。网络规模通过吸收能力影响创新绩效，并且网络规模大小决定了企业可以获取创新资源的丰裕程度，从而对技术创新绩效产生直接影响；网络中心度并不直接影响创新绩效，而是通过吸收能力产生间接影响，该间接效应大小为0.136 9；网络强度也不直接对创新绩效产生影响，而是通过吸收能力对创新绩效产生间接效应，该效应大小为0.195 3。也就是说，吸收能力在网络中心度和网络强度与技术创新绩效之间发挥完全中介作用，说明集群企业是通过自身的位置优势、关系优势获取和吸收集群内的知识，并对其进行利用与转化，进而影响技术创新绩效。由此，本文的主要命题“集群网络结构、吸收能力及技术创新绩效三者之间的关联性以及网络结构在吸收能力中介作用下对创新绩效产生影响”的作用机制得到了较好的验证。
表5模型中各变量对技术创新绩效的影响分析
进一步地，从表6可以看出， H1a、H2a、H2b、H3a、H3b、H4a、H4b、H5a、H5b均得到支持。在网络结构3个维度中，网络中心度和网络强度与技术创新绩效未通过显著性检验，表明网络中心度和网络强度并不直接影响技术创新，而是通过吸收能力这一完全中介变量发挥间接影响，从而验证了H6c、H6d、H6e、H6f。网络规模对与技术创新绩效具有正相关关系通过了显著性检验，表明吸收能力在网络规模与技术创新绩效关系中发挥部分中介作用，从而H6a、H6b得到部分支持。
表6假设检验结果
本文通过实证研究得出如下结论：①集群网络结构对吸收能力具有正向影响。网络规模、网络中心度和网络强度分别正向影响企业潜在吸收能力和现实吸收能力；②潜在吸收能力和现实吸收能力对技术创新绩效的促进作用均通过了显著性检验；③集群网络结构对技术创新绩效有促进作用也通过了显著性检验。但在集群网络结构的各项指标中，除网络规模外，网络中心度和网络强度并不直接影响创新，而是通过吸收能力作为中介变量间接影响创新绩效。这与曾婧婧、刘定杰[31]对中心度的实证结果较为相似；④在集群网络结构、吸收能力、技术创新绩效三者关系中，潜在吸收能力和现实吸收能力在发挥集群网络结构优势、促进技术创新绩效提升中扮演着不可或缺的角色。
研究结论对集群企业及相关管理机构提供了一些有益启示，由此提出如下建议：
(1)对于集群企业，要想提高技术创新绩效、实现转型升级，可以从两个方面进行努力：①进一步优化自身所处的网络结构，具体可以从网络规模、网络中心度和网络强度三方面着手。企业与其它网络节点的联系数量越多，网络规模越大。企业与其它节点通过正式或非正式沟通与交流越多，网络强度越大。企业占据的网络结构洞位置越多，企业中心度越高，越容易扮演中间人或守门人的角色。在此过程中，企业的集群网络结构得到了改善，企业获取的资源通路也就更多，其网络资源的动员能力得到增强，能够有效促进企业不断创新，并降低企业技术创新的不确定性，增加企业进入新领域的可能性，拓展创新能力边界；②在丰富自身网络资源的同时，也要注意在提升吸收能力方面作适当投资，具体包括提升对知识获取、吸收、转化、利用等能力。企业仅购买专利或技术是不够的，如果不提升对专利技术中蕴含知识的吸收能力，就会落入“引进-落后-再引进-再落后”的循环，难以实现消化吸收及二次创新。
(2)对于集群管理机构或地方政府，一方面，可以通过引进大学、科研机构、高科技企业、知识密集型服务业等机构，提供更多的知识源，打造政产学研高效合作创新体系；另一方面，集群管理机构或行业协会可以经常性地组织集群企业开展互访交流、培训学习等活动，通过这些非正式联系加快隐性知识在集群企业间的扩散、流通与分享，从而有效提升集群企业创新绩效。
本研究存在的不足主要有以下几点：①在将吸收能力作为集群网络结构与技术创新绩效的中介变量时，未考虑到不同产业间的差异性。今后研究可以结合产业间的差异，进一步探讨产业特性对集群网络结构与技术创新绩效关系的影响；②本研究考虑的集群网络结构主要着重于描述集群内部结构，目前国内很多集群已经开始主动或被动地嵌入全球价值链，成为其中的一个生产或服务环节，这一趋势将对集群网络内企业的技术创新绩效产生新的影响效应。如何将本地产业集群网络结构与全球价值链结合在一起，构建一个更完整的分析模型，探讨嵌入全球价值链对集群内企业吸收能力和创新绩效的影响，也是未来值得关注的方向。
参考文献:
[1] GNYAWALI D R,MADHAVAN R.Cooperative networks and competitive dynamics: a structural embeddedness perspective[J].Academy of Management Review,2001,26(3):431-445.
[2] PHELPS C C.A longitudinal study of the influence of alliance network structure and composition on firm exploratory innovation[J].Social Science Electronic Publishing,2010,53(4):890-913.
[3] 张慧,王核成,俞抒彤.网络位势对集群企业创新绩效的影响:组织学习的中介作用[J].科技进步与对策,2015,32(15):81-85.
[4] POWELL W W.Interorganizational collaboration and the locus of innovation: networks of learning in biotechnology[J].Administrative Science Quarterly,1996,41(1):116-145.
[5] 曹霞,刘国巍.产学研合作创新网络规模、连接机制与创新绩效的关系研究——基于多主体仿真和动态系统论视角[J].运筹与管理,2015,24(2):246-254.
[6] KRAATZ M S.Learning by association? interorganizational networks and adaptation to environmental change[J].Academy of Management Journal,1998,41(6):621-643.
[7] GRANOVETTER M.Economic action and social structure: the problem of embeddedness.[J].Social Science Electronic Publishing,1985,91(3):481-510.
[8] HANSEN M T.The search-transfer problem: the role of weak ties in sharing knowledge across organization subunits[J].Administrative Science Quarterly,1999,44(1):82-111.
[9] ROWLEY T,BEHRENS D,KRACKHARDT D.Redundant governance structures: an analysis of structural and relational embeddedness in the steel and semiconductor industries[J].Strategic Management Journal,2000,21(3):369-386.
[10] 曾德明,文金艳,禹献云.技术创新网络结构与创新类型配适对企业创新绩效的影响[J].软科学,2012,26(5):1-4，9.
[11] 沙振权,周飞.企业网络能力对集群间企业合作绩效的影响研究[J].管理评论,2013,25(6):95-103.
[12] TSAI W. Knowledge transfer in intra organizational networks: effects of network position and absorptive capacity on business unit innovation and performance [J].Academy of Management Journal,2001,44(5): 996-1004.
[13] 侯光文，薛惠锋.集群网络关系、知识获取与协同创新绩效[J].科研管理,2017,38(4):1-8.
[14] NIETO,M.QUEVEDO.Absorptive capacity,technological opportunity,knowledge spillovers,and innovative effort[J].Technovation,2005(25): 1141-1157.
[15] FOSFURI A,TRIB J A.Exploring the antecedents of potential absorptive capacity and its impact on 240 innovation performance[J].Omega,2008,36(2):173-187.
[16] ZAHRA S A,GEORGE G.Absorptive capacity: a review,reconceptualization,and extension[J].Academy of Management Review,2002,27(2):185-203.
[17] MARSDEN P V.Network data and measurement[J].Annual Review of Sociology,1990,16(16):435-463.
[18] 曾婧婧,刘定杰.产业集群集聚效应能促进企业创新绩效提升吗——对武汉市生物医药产业集群的实证分析[J].科技进步与对策,2016,33(18):65-71.
[19] 贾生华,田家欣,李生校.全球网络、本地网络对集群企业技术能力的影响[J].浙江大学学报：人文社会科学版,2008(2):126-135.
[20] 邱玉霞，孙晓燕.企业网络学习能力提升路径研究——网络结构与治理机制的交互作用[J].科技进步与对策，2017,34(1)：83-89.
[21] UZZI B.Social structure and competition in interfirm networks: the paradox of embeddedness[J].Administrative Science Quarterly,1997,42(1):35-67.
[22] MORAN P,STRUCTURAL VS.Relational embeddedness: social capital and managerial performance [J].Strategic Management Journal,2005( 6) : 1129 -1151.
[23] 马永红,张帆,李欢，转移企业结网策略对集群网络结构与知识水平的影响研究[J].科学学与科学技术管理,2016,37(10):86-95.
[24] 张宝建.网络能力、网络结构与创业绩效——基于中国孵化产业的实证研究[J].南开管理评论，2015，18(2)：39-50
[25] 钱锡红,杨永福,徐万里.企业网络位置、吸收能力与创新绩效——一个交互效应模型[J].管理世界,2010(5):118-129.
[26] 戴勇,朱桂龙,肖丁丁.内部社会资本、知识流动与创新——基于省级技术中心企业的实证研究[J].科学学研究,2011,29(7):1046-1055.
[27] TIWANA A.,Do bridging ties complement strong ties? an empirical examination of alliance ambidexterity[J].Strategic Management Journal，2008 ,29(3):251-272．
[28] BONACICH P.Power and centrality: a family of measures[J].The American Journal of Sociology，1987(92):1170-1182．
[29] EISINGERICH A B,BELL S.J,TRACEY P.,How can clusters sustain performance? the role of network strength,network openness,and environmental uncertainty[J].Research Policy，2010，39(2):239-253．
[30] ALEGRE J,CHIVA R,LAPIEDRA R.Measuring innovation in long product development cycle industries: an insight in biotechnology[J].Technology Analysis & Strategic Management 2009，21,(4):535-546.
[31] 曾婧婧，刘定杰,生物医药产业集群网络嵌入性、网络结构与企业创新绩效[J].中国科技论坛,2017,(5):49-56.
Dai Yong1，Zhu Guilong2，Liu Rongfang2
(1.School of Economics and Management,Hubei University of Technology,Wuhan 430068,China；2.School of Business and Administration,South China University of Technology,Guangzhou 510641,China)
Abstract：This paper mainly studies the relationship and mechanism between cluster network structure,absorptive capacity and technological innovation performance.According to the statistical analysis of 209 enterprise questionnaires in some industrial clusters,the results show that:the cluster network structure has a positive impact on absorptive capacity.Network size,network centricity and network strength positively affect the potential absorptive capacity and realistic absorptive capacity of enterprises respectively;Both latent absorptive capacity and real absorptive capacity have a significant positive impact on technological innovation performance;Technology innovation performance is positively correlated.However,in addition to the size of the network,the network centricity and network strength do not directly affect innovation,but indirectly affect innovation performance through absorptive capacity as an intermediary variable；In the relationship among cluster network structure,absorptive capacity and technological innovation performance,potential and actual absorptive capacity are the key factors to play the advantages of network structure and enhance innovation performance.
KeyWords:Cluster Network Structure; Potential Absorptive Capacity; Realistic Absorptive Capacity; technological Innovation Performance
收稿日期：2017-04-30
基金项目：国家自然科学基金重点项目(71233003)；湖北省技术创新专项软科学研究项目(2018ADC151)；湖北工业大学博士科研启动基金项目(BSQD2017053)
作者简介：戴勇( 1975-) ，男，湖北黄冈人，博士，湖北工业大学经济与管理学院教授，研究方向为知识管理与协同创新；朱桂龙( 1964-) ，男，安徽庐江人，华南理工大学工商管理学院教授、博士生导师，研究方向为技术创新战略；刘荣芳(1993-)，女，福建龙岩市人，华南理工大学工商管理学院硕士研究生，研究方向为协同创新战略。
DOI：10.6049/kjjbydc.2018030301
中图分类号：F273.1
文献标识码：A
文章编号：1001-7348(2018)09-0016-07
(责任编辑：林思睿)