发明者网络社群系统识别、结构动态及对创新绩效的影响 —

创新主体通过嵌入在创新网络中汇集外部资源，网络化协同创新是当前技术创新活动的重要形式。已有研究主要从两个视角探讨创新网络功能机制：一是基于自我网络视角，认为创新与自我密度、直接连接等紧密相关[1]；二是基于整体网络视角，关注网络整体属性如聚集系数及平均路径长度等的作用[2]。现实中，创新主体研发实践呈抱团现象，导致一类特殊的子网络——网络社群的涌现。作为合作创新网络扩张的典型结构，网络社群由网络中联系密集的网络成员聚集而成，是区别于宏观(整体)网络和微观(自我)网络的中观层面(群体)网络，具有社群内部成员间连接密集、社群间连接稀疏的特征[3]。创新主体嵌入中观层面网络社群允许或限制其获取广泛、多样化的知识输入，进而影响其创新行为。对创新主体嵌入网络社群进行研究，一方面有助于揭示创新主体的抱团合作行为，激发创新动力；另一方面也有助于指导创新网络治理和网络权利配置。

创新网络在动态演化过程中，不可避免地引起网络社群间知识断层、群内知识同质化。创新主体对创新的追求驱使他们不断寻求多样化、非冗余性异质性知识资源，因而，社群成员不断跨越社群边界，导致社群结构动态变化即社群连接模式或结构变化[4]。近年来，学者开始关注社群整体动态如社群成员流动及社群成员跨社群移动的作用。随着创新主体创新目标及需求的变换，不断有成员进入或退出网络社群，导致网络社群成员更替；当社群成员从原有社群退出并加入新社群时，表现出跨社群移动性特征。Sytch等[3]最早关注网络社群动态，发现企业所处网络社群成员的适度更替、企业跨社群的适度移动有利于提高生产力；谈毅等[5]研究发现，投资机构跨投资网络社群移动有助于促进投资绩效提升，而社群移动次数则会抑制投资绩效；施国平等[6]发现，网络社群成员变动对风险投资绩效呈倒U型影响；Wang等[7]研究了社群成员更替及跨社群移动对探索性创新的影响。

然而，当前学者对网络社群经纪人的关注较少。网络社群经纪人处于社群外围位置，桥架起不同的网络社群，建立了不同社群间成员沟通渠道，为社群成员提供访问不同知识库的途径，进而影响社群内部成员创新[8]。本文构建网络社群结构动态图，如图1所示。在创新网络演化过程中，社群经纪人也是动态的。如果某社群的绝大多数经纪人在网络演化过程中维持不变，则呈现出社群经纪人稳定性特征。那么，社群经纪人是稳定状态还是动态状态才能更有力地促进创新主体创新？

综上所述，本文基于中观网络社群层面，关注网络社群结构动态及其作用(社群整体动态性以社群成员流动性反映)以及关注桥架不同社群的社群经纪人的动态(用社群经纪人稳定性反映)。现实中，社群成员整体动态和社群经纪人动态演变步调并非完全一致，而是呈现出不同的网络社群结构动态配置，即稳定社群-动态社群经纪人、稳定社群-稳定社群经纪人、动态社群-动态社群经纪人、动态社群-稳定社群经纪人[8]。当网络社群成员整体动态及社群经纪人稳定时，社群内创新主体既可以避免过度嵌入导致的同质性等问题又能稳定持续获取社群外部异质性知识资源。发明者是技术创新过程中的实施主体，是创新的根基和核心要素，培养、激励、促进及管理发明者对推动技术创新实践至关重要[9]。本文以可再生能源领域的发明者为研究对象，从美国专利数据库(USPTO)收集可再生能源专利数据，根据发明者间的共专利关系构建发明者合作创新网络，利用基于模块度Q值的Girvan Newman算法识别发明者在合作创新过程中是否形成了明显的网络聚集社群？不同社群间是否存在社群经纪人？进而，根据相邻期网络社群动态匹配进行社群结构动态追踪，并探索发明者所处网络社群动态性对发明者创新的影响。

在合作创新实践中，同一社群或团队发明者创新绩效有高低之分。除发明者个体特征因素外，可能还受到发明者个体网络位置的影响。一些发明者可能占据优势网络位置，从而享有获取知识资源的特权。Guan等[10]认为，网络核心位置知识流动更加密集、传递效率更高，网络外围位置知识流动更加稀疏。根据Burt[11]的结构洞理论，处于网络中介位置的发明者对网络资源具有分配权和控制权。因此，本研究引入发明者个体网络位置调节变量，包括核心/外围位置和中介位置，考察其对网络社群结构动态与创新绩效作用关系的一次调节效应和双重调节效应，并运用负二项模型进行假设检验，为促进发明者创新绩效提供指导。

1 理论与假设

1.1 网络社群动态与创新绩效

1.1.1 网络社群成员流动与创新绩效

在整体网络中，存在多个密集、不重叠的网络群体，这些群体彼此间连接稀疏，通常被视作小世界系统，小世界网络的高聚集效应和短测地距离突出了网络社群结构的存在[1]。本文将网络社群定义为整体合作创新网络中联系密集、不重叠的发明者群体，群体内部发明者间连接关系密集，不同群体间发明者连接关系稀疏[2]。在创新网络演化过程中，社群成员呈现进入、退出和维持状态，社群成员流动性表示社群成员的整体动态性，以社群内部成员更替程度反映(见图1)。

社群成员变更可以避免社群内部发明者知识同质化现象，激发发明者创造力[12-13]。一方面，网络社群新进入者为社群内发明者带来异质性知识、多样化资源，破除社群内部僵化的思维模式，有利于社群内发明者通过多元化合作实现突破性创新[4]；另一方面，当网络社群结构趋于稳定时，可能会产生知识冗余、过度嵌入等问题，而网络社群成员的适度退出能够缓解知识冗余问题、避免发明者过度嵌入[3,12]。此外，旧成员退出意味着网络社群成员空缺，能够在一定程度上降低新进入壁垒。因此，具有一定成员流动性的网络社群表征着社群内部成员的适度更替，发明者能够接触大量异质性知识，彼此间还具有一定的信任和默契度，能够提高嵌入在社群内发明者的创新生产力。

然而，随着社群成员流动性的增加，社群内部发明者创新绩效可能会出现收益递减。首先，网络社群新进入者增加带来大量异质性知识涌入，社群内部发明者难以识别出对自身有用的知识，增加了知识管理成本和使用风险[3,4]；其次，大量网络社群成员退出导致社群内特殊知识及核心技术流失，损害该网络社群在整体网络中的核心竞争力。因此，社群成员流动性过高，表征着社群内部成员频繁过度更替，社群内部面临知识溢出、合作路径重建等问题，新旧成员信任及默契度不高、协作经验不足将抑制社群内部发明者的发明创造。综上所述，本文提出以下假设：

H1a: 网络社群成员流动性对社群内部发明者创新绩效具有倒U型影响。

1.1.2 社群经纪人稳定性与创新绩效

在合作创新网络中，存在少数发明者既属于某一社群，又同其他社群成员保持着合作关系，这些发明者充当网络社群经纪人角色。相对于网络社群大部分内部成员，少数起着桥架作用的社群经纪人处于社群外围边缘位置。网络社群经纪人通过在不同社群间建立联系，使得网络社群不再是一个封闭的网络环境，对不同社群间异质知识资源传递具有重大影响[14]。

本文用社群经纪人稳定性反映某社群在相邻两期网络中维持的社群经纪人比例。对网络社群而言，相对稳定的外部关系可以促进隐性、异质知识传递及交流，从而有利于知识创造[15]。高稳定的社群经纪人意味着高质量的跨群关系，有利于不同社群间异质性知识高效传递；其次，考虑到社群内部知识比社群间知识更加同质化，社群经纪人桥接社群关系对异质性知识传递至关重要[14,16]。因此，稳定的社群经纪人意味着异质性知识的稳定输入，社群经纪人凭借丰富的知识存量及合作经验，在一定程度上可削弱发明者网络社群结构过度嵌入、知识同质化的负面效应。综上所述，本文提出以下假设：

H1b：网络社群经纪人稳定性有助于促进社群内发明者创新绩效提升。

1.1.3 网络社群结构动态配置

网络社群和社群经纪人作为整体网络的重要构成，其动态演变步调并非一致，而是呈现出不同的网络社群结构动态配置[8]。本文认为，社群经纪人稳定性影响社群成员流动性与发明者创新绩效间关系。网络社群成员流动通过新旧成员更替以及更新、扩大本地知识库，打破社群内部固有合作模式，促进社群内发明者创新绩效[6]。社群经纪人稳定意味着不同社群间建立起稳定的桥架关系，社群经纪人凭借稳定、可信的群间关系以及丰富的群间协作经验，促使社群内部发明者吸收与整合群外异质知识，因为社群间稳定性关系缓解了不同社群间的对立与规范制约[4,8]。本文认为，社群经纪人稳定性能够强化低水平网络社群成员流动对发明者创新绩效的影响。

然而，当网络社群成员流动性较高时，新进入者的大量涌入使得社群内部发明者难以结交可信的新合作伙伴，同时还增加了知识管理成本。随着网络社群成员流失增加，网络社群核心技术丢失，社群内发明者现有的认知结构和合作路径受损。社群成员流动性高时，虽然能够接触大量群外异质性知识，但新旧成员间信任及默契度不高、协作经验不足，对外部异质知识吸收能力较弱。然而，稳定的社群经纪人能够利用自身丰富的协作经验和良好的知识吸收能力，改善和缓解由于社群成员高度流动性导致的新旧成员摩擦，并促进社群成员吸收外部异质性知识[4]。因此，社群经纪人稳定性能够弱化高水平网络社群成员流动性对发明者创新绩效的抑制作用。综上所述，本文提出如下假设：

H1c：社群经纪人稳定性正向调节网络社群成员流动性与创新绩效间的倒U型关系，即动态社群-稳定社群经纪人的社群动态配置有利于激发发明者创新。

1.2 网络位置的调节作用

前述假设认为，给定社群的所有发明者都可以从适度的社群成员流动性和高社群经纪人稳定性中获取相同利益，但在合作过程中，即使是处于同一社群的发明者，其自身网络位置也有优劣之分。刘娜等[4]研究发现，发明者个体层面结构动态调节其所处社群网络结构动态对知识搜索的影响；Sytch & Tatarynowicz[3]揭示企业所处网络核心/外围位置调节社群网络动态对企业专利生产率的影响。因为创新者既嵌入在自我网络中，又嵌入在由自我网络构成的社群网络中，社群网络层面结构动态对创新行为的影响受个体层面结构特征的调节作用，发明者个体网络位置表征发明者获取知识资源的机会及约束[3,4]。本文重点探讨发明者网络位置差异在网络社群成员流动性、社群经纪人稳定性及社群动态配置对发明者创新绩效的调节作用。根据Borgatti[11]提出的核心/外围结构和Burt[11]的结构洞理论，本文将网络位置划分为网络核心/外围位置和中介位置，并分别使用K核和结构洞进行测度。

1.2.1 网络核心/外围位置的调节作用

网络核心/外围结构表明在整体网络中存在密集、有凝聚力核心和稀疏的外围[17]。网络核心由网络关键成员组成，包括与他人建立联系并充当网络协调者的参与者，外围发明者网络嵌入程度较低，与其他网络成员联系较少，与更多核心位置的发明者联系也明显偏少[18]。

当社群成员流动性处于低水平时，发明者所处网络核心位置能够增强社群成员流动性对发明者创新绩效的正向影响，因为核心位置发明者更容易吸收整合社群流动性带来的异质性知识。一方面，核心发明者具有更广泛的知识搜索范围，比外围发明者更容易获得网络系统中的知识和资源[17]；另一方面，核心发明者具有较强的网络凝聚力及更高的知识传递效率。然而，当网络社群成员流动性过高时，随着网络成员频繁进入、退出，由于处在核心位置的发明者具有较强的鲁棒性和知识吸收能力，能够适应网络环境波动，缓和社群流动性过度造成的新旧合作摩擦与制约[19]，进而削弱高水平社群成员流动性对创新绩效的抑制作用。因此，本文认为，相对于外围发明者，核心发明者能够从适度水平的网络社群成员流动性中获取更大的效益。据此，本文提出如下假设：

H2a: 发明者所处网络核心位置正向调节网络社群成员流动性与创新绩效间的倒U型关系。

处于网络核心位置的发明者，能够凭借自身广泛而亲密的连接关系及权威化的中心网络地位，促进其所联通的网络资源流动，获得最大网络联通中大量的异质性知识，使得群体网络层面社群经纪人传递的社群间知识差异性程度降低[19]。此外，处于网络核心位置的发明者通常具有很高的权威中心性，即核心发明者与其他核心发明者联系紧密，核心发明者较高的网络地位在一定程度上会弱化社群经纪人获取异质性资源的能力[1]。据此，本文提出如下假设：

H2b: 发明者所处网络核心位置负向调节社群经纪人稳定性与创新绩效间的正向关系。

根据假设H1c和H2a，社群经纪人稳定和发明者核心位置均正向调节社群成员流动性与创新绩效间的倒U型关系。然而，根据假设H2b，社群经纪人稳定性和发明者核心位置对发明者创新所需异质性知识传递存在替代作用。这意味着，居于网络核心位置的发明者能够利用自身网络权威位置及连接优势获取创新所需知识资源，他们能够轻易访问网络中的知识资源，弱化社群经纪人间接传递异质性知识对这些核心位置发明者创新的作用[1,3]。当社群经纪人稳定性较高时，外围发明者虽然没有广泛而亲密的合作关系，但也能通过稳定的社群经纪人获取其它社群的异质性知识。此外，当社群经纪人稳定性较高时，发明者处于网络核心位置会强化高网络社群成员流动性对创新绩效的负面影响，因为创建和维护稳定、亲密的合作关系需要大量投资。核心发明者既要维护当前的网络核心地位，还要加强同社群经纪人间的联系，而由于网络社群成员流动性高、合作伙伴不稳定，导致关系维护成本增加。因此，网络核心位置能够弱化社群经纪人稳定性的作用。综上所述，本文提出如下假设：

H2c: 发明者所处网络核心位置负向影响社群经纪人稳定性对网络社群成员流动性与创新绩效间倒U型关系的正向调节作用。

1.2.2 结构洞的调节作用

根据Burt[11]的结构洞理论，占据结构洞的发明者通过桥架两个独立且不存在连结关系的发明者而获得关系及渠道优势，在创新网络的自我网络层面发挥中介作用。本文考察自我网络层面结构洞位置对群体网络层面社群结构动态作用于发明者创新的调节作用。

当网络社群成员流动性处于低水平时，社群成员流动通过新旧成员更替更新本地知识库，促进发明者创新绩效提升。占据结构洞的发明者凭借其独特的结构优势成为社群新进入者优先连接的重点对象，是促进网络新旧成员合作的中间人[20]；另外，由于桥接非冗余连接，处于开放性网络中，结构洞发明者与其他发明者的一致性规范低，具有较高的柔性，能够避免网络成员退出对发明者原有合作惯例、技术轨迹的破坏。当网络社群成员流动性处于较高水平时，随着社群成员的频繁进入、退出，相较于普通发明者，结构洞发明者具有丰富的协作经验和良好的知识吸收能力，能够协调好频繁连接关系；同时，结构洞发明者对网络资源具有控制和分配权力，约束网络其他成员知识获取，避免网络成员大量进入退出所引发的知识溢出、核心技术丢失及转换风险[15]。因此，占据较多结构洞的发明者能够在适度水平的网络社群成员流动中获取最大利益。据此，本文提出如下假设：

H3a: 发明者结构洞正向调节网络社群成员流动性与创新绩效间的倒U型关系。

结构洞发明者处在知识流通枢纽位置，能够迅速获取行业内最新资源。由于合作伙伴多元化，结构洞发明者能够利用自身结构优势获取异质性知识资源。对社群层面社群经纪人传递的知识，结构洞发明者面临着信息超载、信息过滤困难等挑战[21]，由此增加了结构洞发明者知识集成成本。考虑到信息成本及真实性，相对于社群经纪人传递的知识，结构洞发明者更倾向于利用自身结构优势[1]。因此，结构洞位置削弱了社群经纪人稳定性对发明者创新绩效的积极作用。据此，本文提出如下假设：

H3b: 发明者结构洞负向调节社群经纪人稳定性对创新绩效的促进作用。

根据假设H1c和H3a，社群经纪人稳定和结构洞均正向调节社群成员流动性与创新绩效间的倒U型关系。然而，根据假设H3b，社群经纪人稳定性和结构洞对异质性知识的传递存在替代作用。这意味着，考虑到知识成本及真实性，占据结构洞位置的发明者更倾向于利用自身个体网络层面的中介结构优势获取创新所需异质性知识。当社群经纪人稳定性较高时，社群内不占据结构洞的发明者倾向于利用社群经纪人丰富的群间协作经验，一方面有利于缓解社群新旧成员间的合作摩擦，另一方面有利于传递群间异质性知识[4]。此外，当社群经纪人稳定性较高时，社群内占据结构位置的发明者相比于群体网络层面社群经纪人传递知识，考虑知识过滤、集成及成本问题，结构洞发明者更倾向于利用自身结构优势[1,4]。据此，本文提出如下假设：

H3c: 发明者结构洞负向影响社群经纪人稳定性对网络社群成员流动性与创新绩效间倒U型关系的正向调节作用。

综上所述，本文构建理论模型，如图2如示。

2 研究方法

2.1 数据选取

清洁、高效的能源技术创新性进步是改变能源技术现状和环境问题的强大潜在动力源，可再生能源成为全球能源转型升级的焦点[22]。在此背景下，研究可再生能源领域发明者抱团研发问题，有助于推动可再生能源技术创新实践。此外，可再生能源领域是技术密集型领域，存在大量研发合作行为，符合本文研究需要。为此，以可再生能源领域为研究对象，从美国专利数据库(USPTO)中获取2000-2018年授权的可再生能源领域世界范围专利数据39 546项。为测量网络社群成员流动性和社群经纪人稳定性，采用5年移动时间窗(2000-2004年，2001-2005年，……2014-2018年)，以可再生能源领域专利合作研发为基础，利用Sci2 Tool构建发明者合作创新网络，最终提取典型网络社群1 675个，社群内发明人6 481位，整理得到面板数据观察样本11 526个。

2.2 网络社群识别及结构动态追踪

对于网络社群结构识别，本文采用Girvan等[23]、Newman[24]提出的GN算法和模块度方法，从整体合作创新网络中识别出网络社群结构，利用R语言中的igraph包来计算。GN算法虽然能够划分出社群，但是无法判断算法终止位置，也无法计算最终社群数量。因此，使用模块度Q评价社群划分质量。Newman将模块度Q定义为：

Aij表示节点i和j合作的次数；

表示节点i总合作次数，

表示节点j总合作次数；

表示网络中所有连接加权之和；当节点i和j属于同一社群时，φ(i,j)=1；反之，则为0。使用GN算法每次进行网络结构划分后，需要计算Q值，当Q值最大时，网络结构划分最好。Q值在0.3～0.7之间，说明聚类效果很好[23,24]。因此，本文仅保留Q值最高点大于0.3的社群划分。

GN算法过程：①计算各边相对于所有可能的源节点的边介数；②删除相对于所有节点的边介数最大的边，每当分裂出新社群时，需计算一次模块度Q；③重新计算网络中节点的边介数，重复上述过程，直到网络中没有边为止，选出Q值最高点对应的网络划分结构。图3给出了对2007-2011年发明者合作网络4个连通图的社群划分结果，可见发明者合作创新具有明显的凝聚性特征，呈现出网络社群结构。

为考察网络社群结构动态，本文借鉴Sytch等[3]和刘娜等[4]提出的网络社群动态追踪办法，对相邻时间窗的网络社群进行匹配。相邻两期社群成员重叠度计算如下：

其中，Ci,t表示第t期i社群内成员的集合，Cj,t+1类同。如果i社群与j社群成员重叠度大于等于0.3，并且t期没有其它社群与t+1期的j个社群间有更大的重叠度，就认为Ci,t与Cj,t+1是同一个社群[3]。如果t期内所有社群与t+1期j社群的重叠度均小于0.3，就认为j社群是t+1新形成的社群。通过对相邻期网络社群的追踪与匹配，发现网络社群具有动态演化特征。网络社群在动态演化过程中，社群成员及社群经纪人不断更替，进而呈现出不同的网络社群结构动态配置。

2.3 变量

(1)因变量为发明者创新绩效，使用专利数量测度。本文分别采用滞后二期、三期、五期的结构测量因变量，以滞后两期为例，如果在2001-2005年测量自变量，那么因变量为2006-2007年发明者被授予的专利数量。

(2)自变量为网络社群成员流动性与社群经纪人稳定性，在网络社群结构识别和动态追踪的基础上计算。网络社群成员流动性定义为该网络社群从t期到t+1期演化过程中社群成员的更替，计算公式为：

类似地，网络社群经纪人稳定性计算公式为：

其中，Bi,t、Bi,t+1分别表示i社群在第t、t+1期的经纪人集合。

(3)调节变量为网络核心位置和结构洞中介位置。根据 Csermely[18]提出的K核计算方法，使用Pajek计算发明者K核(最大连通图中所有节点都至少与其它K个节点相连)，并根据均值，将K核分为高低两组，使用0～1变量表示发明者所处网络核心/外围位置，即K核高于均值的一组为网络核心位置，低于均值的一组为网络外围位置。根据Burt[11]的结构洞理论，计算结构洞，即用2减掉总约束，公式为：Si=2-∑j(Pij+∑q,q≠i,q≠jPiqPqj)2。

(4)本文控制可能影响发明者创新绩效的其它因素，包括发明者知识存量、发明者任期和其它网络特征。使用专利的前四位IPC号表征发明者知识元素，用发明者在过去5年发明专利所包含IPC分类号的数量测度发明者知识存量。关于发明者任期，采用发明者首次申请专利年份至当前绩效年的时间间隔计算。自我网络作为发明者获取外部知识资源的直接渠道，直接影响发明者知识搜索能力[4]，将自我网络稳定性作为控制变量。此外，控制变量还包括网络社群规模、发明者网络度中心性和关系强度。

2.4 模型设定

因变量创新绩效为离散型非负计数变量，使用普通线性回归模型可能产生有偏差无效估计，因此选择计数模型。鉴于本研究面板数据的分散性，选择负二项模型分别进行Vuong检验和Hausman检验，并根据检验结果(Vuong值|V|<1.96；Hausman P<0.01)，确定使用面板数据固定效应标准负二项模型，实证过程在Stata 15.0中进行。

3 研究结果

3.1 描述性统计分析结果

表1给出变量描述性统计及相关系数矩阵。方差膨胀因子(VIF)最大值为2.59，说明变量间不存在严重的多重共线性问题。此外，发现网络社群成员流动性、社群经纪人稳定性与创新绩效间均呈正向显著关系，这与研究假设一致。

3.2 负二项回归结果

表2为因变量滞后2期的负二项回归结果。模型2结果显示，网络社群成员流动性和社群经纪人稳定性系数显著为正(β=1.592，p<0.01；β=1.182，p<0.01)，社群成员流动性平方项系数显著为负(β=-1.406，p<0.01)，因此假设H1a、H1b成立。模型3结果显示，网络社群成员流动性二次项和社群经纪人稳定性交互项系数显著为正(β=3.402，p<0.01)，因此假设H1c成立。

模型4及模型5结果显示，网络社群成员流动性的平方项与核心位置的交互项显著为正(β=0.274，p<0.05)，社群经纪人稳定性和核心位置的交互项系数显著为负(β=-1.955，p<0.01)，因此假设H2a、H2b成立。模型6结果显示，网络社群成员流动性的平方项、社群经纪人稳定性及核心位置的三重交互项系数显著为负(β=-4.452，p<0.1)，假设H2c成立。

模型7及模型8结果显示，网络社群成员流动性的平方项与结构洞的交互项系数显著为正(β=3.559，p<0.1)，社群经纪人稳定性和结构洞的交互项系数显著为负(β=-1.152，p<0.01)，假设H3a、H3b成立。模型9显示，网络社群成员流动性的平方项、社群经纪人稳定性及结构洞的三重交互项系数显著为负(β=-10.245，p<0.01)，假设H3c成立。

为检验研究结果的稳健性，对因变量取滞后三期、滞后五期样本分别进行负二项回归，回归结果同样支持研究假设。

3.3 调节效应

使用网址http://www.jeremydawson.com/slopes.htm上的模板绘制调节效应图。依据常见做法，以高于和低于调节变量一个标准差分别表示调节变量高值和低值水平[25]，如图4和图5所示。

如图4.1～4.3及图5所示，网络社群成员流动性对发明者创新绩效的作用呈倒U型关系，支持假设H1a。图4.4及4.5显示，网络社群经纪人稳定性对发明者创新绩效存在正向促进作用，支持假设H1b。图4.1显示，相对于低水平的社群经纪人稳定性，当发明者具有高水平的社群经纪人稳定性时，社群成员流动性对发明者创新绩效的正向促进作用较强、负向抑制作用较弱，即高水平社群经纪人稳定性使发明者在适度水平的社群流动性中获益最大，支持假设H1c。

图4.2显示，相对于网络外围位置，当发明者处于网络核心位置时，网络社群成员流动性对发明者创新绩效的正向促进作用较强、负向抑制作用较弱，即网络核心位置使发明者在适度的网络社群成员流动性中获益最大，支持假设H2a。据图4.4所示，相对于网络外围位置，处于网络核心位置的发明者，其社群经纪人稳定性对发明者创新绩效的正向促进作用较弱，支持假设H2b。据图4.3所示，当发明者占据较多结构洞时，社群成员流动性对创新绩效的促进作用较强、抑制作用较弱，即发明者具有较多结构洞时能够从适度水平的社群成员流动性中获益最大，支持假设H3a。据图4.5所示，当发明者具有较多结构洞时，社群经纪人稳定性对创新绩效的促进作用较弱，支持假设H3b。

图5.1显示，当社群经纪人稳定性较高时，相对于网络核心位置，发明者处在网络外围位置时，社群成员流动性对创新绩效的促进作用更强、抑制作用更弱；当社群经纪人稳定性较低时，相对于网络外围位置，发明者处在网络核心位置时，社群成员流动对创新绩效的促进作用较强、抑制作用较弱。综上所述，支持假设H2c。

图5.2显示，当社群经纪人稳定性较高时，相对于较高结构洞，发明者占据较低结构洞时，社群成员流动对创新绩效的促进作用更强、抑制作用更弱；当社群经纪人稳定性较低时，相对于较低结构洞，发明者占据较多结构洞时，社群成员流动对创新绩效的促进作用较强、抑制作用较弱。综上所述，支持假设H3c。

4 研究结论

本文从发明者抱团现象出发，超越当前创新研究对合作研发自我网络视角和整体网络视角主导的关注，探讨中观层面网络社群及其结构动态对社群内发明者创新绩效的影响。基于模块度Q值的GN算法识别发明者网络社群并对社群结构动态进行追踪，证实可再生能源领域发明者间合作创新聚集现象及网络社群的动态演变；基于负二项模型回归结果，检验群体网络层面社群网络结构动态包括社群流动性和社群经纪人稳定性对发明者创新绩效的影响，揭示发明者个体层面网络结构特征包括核心/外围位置及结构洞位置的调节作用。

本文贡献在于：①在创新网络中观层面以发明者网络社群为研究对象，既强调社群内部发明者间知识同质化趋向，又关注不同社群间知识的异质性，社群动态演变不断更新社群本地知识库，拓展了创新网络研究视角；②社群经纪人桥架不同社群，是不同社群间异质性知识的传递者，本研究在探讨社群整体动态性的同时，还关注社群经纪人这类特殊的网络社群成员动态性对发明者创新的作用机制，丰富了创新网络功能机制研究；③社群整体动态性和社群经纪人动态性步调并非一致，在研究过程中，通过引入社群流动性与社群经纪人稳定性的交互项，架构起系统性模型，考察社群结构动态配置的作用，丰富和完善了网络社群功能机制探索。

通过上述研究，本文得到如下管理启示：①管理者及创新主体应认识到群体层面网络社群重要性并善于利用社群内部紧密的合作连接关系及多样化资源；②管理者及创新主体应认识到社群结构的动态变化，努力维持或加入社群成员适度变动的网络社群，不断优化合作伙伴资源配置；③管理者及创新主体应充分利用社群经纪人即社群外围边界稳定、稀疏的桥架连接，打破社群边界限制的路径依赖和资源锁定效应，注入外部社群的新鲜血液，特别是那些自我特征处于非核心和非结构洞位置的创新主体，既要补充自身资源不足，又要避免社群经纪人传递过载。

本研究仍存在以下不足：①通过引入社群流动性和社群经纪人稳定性的交互项，证实动态社群-稳定社群经纪人有利于社群发明者创新，未来可考虑将社群流动性及社群经纪人稳定性分别设为二分类变量，通过回归对比分析4类社群动态配置，即动态社群-稳定社群经纪人、动态社群-动态社群经纪人、稳定社群-稳定社群经纪人、稳定社群-动态社群经纪人，探讨哪种更有利于社群发明者创新，进一步丰富社群动态配置研究；②本研究仅对可再生能源领域这一单一的技术领域进行实证探索，为使研究结论更具普适性，未来可考虑不同技术领域间实证结果对比分析。

[1] 刘娜.纳米能源的复杂创新网络研究 [M].北京: 经济科学出版社,2017.

[2] SCHILLING M A, PHELPS C C. Interfirm collaboration networks: the impact of large-scale network structure on firm innovation [J].Management Science,2007,53(7): 1113-1126.

[3] SYTCH M,TATARYNOWICZ A.Exploring the locus of invention: the dynamics of network communities and firms' invention productivity [J].Academy of Management Journal,2014,57(1): 249-279.

[4] 刘娜,武宪云,毛荐其.发明者自我网络动态对知识搜索的影响 [J].科学学研究,2019,37(4): 689-700.

[5] 谈毅,李瑞,刘钦豪.跨网络社群移动对风险资本投资绩效的影响[J].工业工程与管理,2019，24(5): 170-176.

[6] 施国平,陈德棉,党兴华,等.网络社群成员变动对风投机构投资绩效的影响 [J].管理学报,2019,16(10): 1486-1947.

[7] WANG J, YANG N.Dynamics of collaboration network community and exploratory innovation: the moderation of knowledge networks [J].Scientometrics,2019,121(2): 1067-1084.

[8] MANNAK R,MARKUS A,MEEUS M,et al.Loci of network dynamics and their impact on innovation outcomes: R&D consortia in the dutch water sector [J].Working paper,2019: 1-37.

[9] 荣雪云,杨中楷，刘娜.发明人角色识别及二元创新能力差异分析——基于社会资本视角[J].科技进步与对策,2020,DOI:10.6049/kjjbydc.2019100532.

[10] CHEN Z,GUAN J C.The core-peripheral structure of international knowledge flows: evidence from patent citation data [J].R&D Management,2016,46(1): 62-79.

[11] BURT R S.Structural holes:the social structure of competition [M].Cambridge: Harvard University Press,1992: 65.

[12] FERNANDEZ V, SIMO P, SALLAN J M.Turnover and balance between exploration and exploitation processes for high-performance teams [J].Team Performance Management,2016,22(3/4): 204-222.

[13] LIU N,GUAN J C.Dynamic evolution of collaborative networks: evidence from nano-energy research in China [J].Scientometrics,2015,102(3): 1895-1919.

[14] SYTCH M,TATARYNOWICZ A,GULATI R.Toward a theory of extended contact: the incentives and opportunities for bridging across network communities [J].Organization Science,2012,23(6):1658-1681.

[15] YAN Y,GUAN J C.Social capital,exploitative and exploratory innovations: the mediating roles of ego-network dynamics [J].Technological Forecasting and Social Change,2018,126: 244-258.

[16] 刘凤朝,付雅宁,张娜.研发者中间人角色对企业探索式创新的影响研究——吸收能力的调节作用 [J].科学学与科学技术管理,2018,39(3): 50-60.

[17] BORGATTI S P,EVERETT M G.Models of core/periphery structures [J].Social Networks,2000,21(4): 375-395.

[18] KIM H.How a firm's position in a whole network affects innovation performance [J].Technology Analysis & Strategic Management,2019,31(2): 155-168.

[19] CSERMELY P,LONDON A A S,WU L,et al.Structure and dynamics of core/periphery networks [J].Journal of Complex Networks,2013,1(2): 93-123.

[20] 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.

[21] YAN Y,ZHANG J J,GUAN J C.The dynamics of technological partners: a social networkperspective [J].Technology Analysis & Strategic Management,2018,30(4): 405-420.

[22] 刘娜，毛荐其，余广胜.技术会聚研究探析与展望[J].科研管理，2017,38(12): 20-28.

[23] NEWMAN M E,GIRVAN M.Finding and evaluating community structure in networks [J].Physical Review E,2004,69(2): 26113.

[24] NEWMAN M E.Fast algorithm for detecting community structure in networks [J].Physical Review E,2004,69(6): 066133.

[25] DAWSON J F,Moderation in management research:what,why,when,and how [J].Journal of Business and Psychology,2014,29(1): 1-19.

发明者网络社群系统识别、结构动态及对创新绩效的影响
——网络位置的双重调节作用

System Identification,Structural Dynamics and Impacts on Innovation Performance of Inventors' Network Community
——Dual Moderating Effect of Network Locations

0 引言

1 理论与假设

1.1 网络社群动态与创新绩效

1.2 网络位置的调节作用

2 研究方法

2.1 数据选取

2.2 网络社群识别及结构动态追踪

2.3 变量

2.4 模型设定

3 研究结果

3.1 描述性统计分析结果

3.2 负二项回归结果

3.3 调节效应

4 研究结论

发明者网络社群系统识别、结构动态及对创新绩效的影响——网络位置的双重调节作用

System Identification,Structural Dynamics and Impacts on Innovation Performance of Inventors' Network Community——Dual Moderating Effect of Network Locations

0 引言

1 理论与假设

1.1 网络社群动态与创新绩效

1.2 网络位置的调节作用

2 研究方法

2.1 数据选取

2.2 网络社群识别及结构动态追踪

2.3 变量

2.4 模型设定

3 研究结果

3.1 描述性统计分析结果

3.2 负二项回归结果

3.3 调节效应

4 研究结论

发明者网络社群系统识别、结构动态及对创新绩效的影响
——网络位置的双重调节作用

System Identification,Structural Dynamics and Impacts on Innovation Performance of Inventors' Network Community
——Dual Moderating Effect of Network Locations