开放科学(资源服务)标识码(OSID)：
Therefore this paper reveals the influence mechanism of patent reference network structure and technology diversification by exploring the interaction relationship between centrality and structural hole in the network structure. Based on the panel data of the new generation information technology industry from 2010 to 2019, this paper expands the research perspective of the impact of network structure on technological diversification, establishes a nonlinear dynamic threshold regression model, and verifies the constraint effect of technological structure according to the nonlinear threshold characteristics of network structure on technological diversification under different conditions. It also reveals the influencing factors and mechanisms of technological diversification from both theoretical and empirical aspects. It aims to provide theoretical support and practical reference for enhancing the competitiveness of China's new-generation of information technology industry and effectively promoting the technology innovation and diversified development of the new-generation of information technology enterprises.
The mechanism, influencing factors and action relationship of the network structure on the evolution of technology diversification are explored, and the following main conclusions are drawn.First, in the influence of degree centrality on the core technology, 0.281-0.357 is the relative optimal interval of the technical structure threshold index.The increase of the threshold variable has a positive impact on the non-core technology. When the threshold variable is greater than 0.559, the influence coefficient drops to 0.347 3, indicating that under the influence of the excessive threshold variable, the structural hole will instead inhibit the non-core technology development, leading to the weakened promotion effect of the structural hole on the non-core technology. By virtue of occupying the intermediary position of the structural hole, the innovation subject can obtain the advantages of the quantity and efficiency of homogeneous knowledge, eliminate the knowledge spillover of competitors, and thus macro-control resources in the aspects of resource integration and information control. As the cognitive ability of innovation subject of core technological knowledge weakens, innovations subjects are no longer limited to occupy the intermediary position of structural hole to obtain information resources, but to improve the absorption and transformation ability of heterogeneous knowledge into path dependence, and reduce the rigidity of core technological ability to obtain potential benefits.Second, the differences between the core and non-core technology determine the evolution of the network structure. Through patent reference, innovation subjects can focus on low connectivity, strong connectivity and technological breadth between innovation subjects, strengthen the heterogeneous redundant knowledge of innovation subjects, stimulate and improve the knowledge sharing and absorption capacity of innovation subjects, and realize the innovation between large and medium-sized enterprises and innovation host and object. When the degree centrality is the core explanatory variable, the joint effect of the degree centrality and the structural hole has a positive impact on the core technology, and the structural holes have a significant negative effect on the core technology.
开放科学(资源服务)标识码(OSID)：
2018年5月28日，习近平总书记在两院院士大会上强调，“关键核心技术是要不来、买不来、讨不来的”。只有将关键核心技术掌握在自己手中，才能从根本上解决国家经济安全、国防安全等一系列问题[1]。关键核心技术作为国之重器，对推动我国经济高质量发展、保障国家安全具有重要意义。面对技术全球化背景下的科技竞争，战略性新兴企业关键核心技术依旧存在短板，随时可能面临被国外“卡脖子”的风险。因此，认识和遵循关键核心技术突破规律是前提，提高相关配套领域非核心技术是关键，这对于战略性新兴企业在核心技术领域有效挖潜、在非核心技术领域深度探索从而形成技术多元化尤为重要(何郁冰等，2017)。一方面，企业实施技术多元化可以借助专利、技术等支配创新收益，还可以带动企业向价值链高端攀升，以获得创新的超额收益[2]；另一方面，对吸收、整合合作伙伴相关知识从而形成多元化技术范围的技术能力具有促进作用[3]。这种技术能力的技术本质就是与创新主体相关的知识和信息要素。因此，从知识流动角度识别各类创新主体在创新网络中的知识、信息、技术交互[4]，通过专利引用分析探索关键领域技术发展，发现专利聚类是推动技术多元化发展的有效途径。专利引用提供的每项技术前向与后向引用证据对于捕捉企业技术多元化领域分布广度尤其适用。企业在自身形成的合作创新网络中拥有较强的控制力，意味着其整合外部组织中异质性资源的能力较强(邹思明等，2017)。目前，对于技术多元化的研究主要集中在技术多元化对创新绩效的影响方面[5-6]，如曾德明(2019)认为，企业相关技术多元化与技术创新绩效呈正相关。在网络结构对技术多元化的影响方面，Alstott[7]认为，技术网络结构演化能够揭示技术创新活动特性，并反映技术多元化内部技术间关联；Iturriagagoitia[8]认为，富含结构洞的网络结构对企业开展技术多元化的竞争行为具有正向影响；Johannes[9]通过国际专利分类构建专利协作网络，分析从技术出现到多元化发展阶段如何受专利协作网络结构演化的影响。目前，虽然学者对技术多元化的研究富有见地，但鲜有文献探索网络结构指标之间的联合效用对技术多元化的影响，基于网络结构演化视角揭示其对技术多元化影响机理的研究仍存在缺口，通过产业网络演化进程反映企业技术多元化的研究仍有不足。基于此，本研究提出拟解决的科学问题主要集中在以下两方面：网络结构联合效用如何影响企业技术多元化？企业如何利用网络结构优势选择多元化技术发展战略，以攻克关键核心技术，实现不同企业之间的融通创新？由于技术多元化在技术创新过程中具有动态变化特征，研究上述两个问题对打通多元化产业链，促进网络结构多元、优势互补的产学研深度融合技术创新体系发展具有重要意义。
鉴于此，本研究通过探索网络结构下中心性与结构洞的相互作用关系，揭示专利引用网络结构与技术多元化的影响机理。基于2010—2019年新一代信息技术产业面板数据，拓展网络结构对技术多元化影响的研究视角，通过将技术结构作为门限变量建立非线性动态门限回归模型，根据不同条件下网络结构对技术多元化影响的非线性门限特征，验证技术结构的门限效应，从理论和实证方面揭示网络结构对技术多元化的影响因素与作用机理。本研究旨在为提升我国新一代信息技术产业竞争力，有效推动新一代信息技术企业技术创新多元化发展提供理论支撑与实践参考。
技术多元化是企业技术知识库的多元化程度，是企业通过不断延伸技术知识领域深度和广度，实现在技术、产品创新以及财务绩效等方面的优势[10]。技术多元化是指企业在保持和提高自身核心技术能力的前提下，把自身技术活动或知识存量延伸到新的技术领域，以提高现有技术能力以及发展新技术能力的行为[11]。技术多元化并不完全是外生的，其不仅来自知识体系的固有广度，还来自企业在知识网络中追求链接的深度和方向。决定产品技术路线能否实现且难以被替代的一类技术被认定为核心技术，核心技术代表企业在某个特定时期某些技术领域进行深入挖掘后具有的相对优势[11]。在技术创新背景下，企业不仅需要对一般信息进行广泛理解，更需要对特定核心技术进行更深入的挖掘。这一创新过程会使得企业产生或塑造探索式创新能力和挖掘式创新能力。其中，非核心技术领域的探索式创新能力反映出企业在新领域寻找机会、获得新见解的过程并扩展到新的知识领域，企业在新的领域产生技术革新从而反映企业未来业务和收入，进而决定自身发展更长期的连续性。核心技术领域的挖掘式创新能力需要企业对特定核心技术进行更深层次的挖掘，企业对核心技术的挖掘更强调知识吸收能力，并在自身熟悉的领域开展技术创新活动，促进核心技术水平进一步提升，从而提高企业竞争力。因此，技术多元化包含企业对非核心技术领域的探索以及围绕核心技术领域挖掘两个层面(何郁冰等，2017)。
上述两个层面也反映出创新主体追求超越技术轨迹、跨越不同领域知识新组合的创新探索过程，其本质是企业技术基础范围的扩张过程和结果，包含知识积累和能力转换的动态演化以及组织内外部核心技术能力与非核心技术能力的有机协同。通过对核心技术能力特征的分析可知，其在提升组织竞争优势的同时，可能产生能力锁定以及对组织行为的路径依赖效应。为有效防止核心技术能力刚性的形成，必须优化核心技术与非核心技术组合，核心技术与非核心技术能力的动态组合不仅能够反映企业对知识自身固有广度以及知识网络中的搜索方向与距离，还能共同决定技术多元化的发展方向[12]，这种发展方向对研究网络结构对技术多元化的影响具有积极促进作用[13-14]。
现有研究表明，网络结构对技术多元化的影响主要集中在结构洞对企业技术创新活动的影响与对外部知识的调节作用[15]、度中心性与网络密度对产业技术生态位的影响[16]、企业技术多元化受联合专利创新技术的影响[17]、度中心性对企业竞争优势的影响(王建刚和吴洁，2016)，以及地位与结构洞对伙伴技术多元化相关性的影响[18]。本研究选取专利引用度中心性和结构洞两个网络结构指标作为影响技术多元化的重要因素进行分析。
度中心性能够反映企业专利引用对知识吸收转化的能力，具体表现在外部新知识价值识别和将新知识应用于产品生产两方面。同时，度中心性可以用于衡量企业专利被引对知识价值的重要程度，体现先进技术形成累积增值的连续过程。创新主体通过增加自身知识的连贯性，填补各项技术之间的技术差距，建立新探索认知模型，以促进不同技术领域战略整合，将更多精力集中于较高知识溢出与竞争风险的技术探索中。度中心性能够提高创新主体适应不断变化环境的能力，但随之带来技术范围过广，致使成本和信息过载风险增加。由于创新主体从伙伴处获得新技术知识具有内隐性，不容易形成创新扩散，从而导致知识吸收转化能力差距过大。
作为网络结构演化的驱动因素，结构洞通过生成与闭合，调节知识溢出与信息过载风险从而驱动网络结构演化。创新主体在知识网络结构中的位置决定外部知识对其创新能力的影响，当外部知识来源跨越内部知识共享网络结构洞时，异质性、多元化信息通路带来的外部知识对创新绩效产生的正向影响更为显著[15]。Hahl等[19]认为，企业占据的结构洞数量越多，其技术多元化促进知识创造就越多，拥有不同知识集的企业更可能理解和利用异质领域的广泛知识，企业利用内部多样化知识和广泛的外部网络信息过载可能会阻碍其从信息中获取利益的能力。企业通过以结构洞为代表的非冗余结构加速获取技术多元化核心技术，有助于自身从结构洞中获益[20]。
高水平技术多样化是企业维持竞争优势的必要条件。然而，网络结构对技术多元化的影响并非没有界限，从技术结构视角关注企业网络结构与技术多元化的创新发展，保持竞争优势的动态性与边界控制性更具现实意义。一方面，技术结构对资源结构特征的刻画是对多元化发展目标的有益补充，更利于深层次判断创新主体发展技术多元化资源禀赋的优劣；另一方面，技术多元化往往通过技术—产品战略融合多种技术，开发或生产新产品。这体现出技术结构作为门限变量对技术多元化发展的限制性影响。可以认为，企业技术多元化发展与技术结构特性相适应条件下，企业技术具有比较优势，产品表现出较强的市场竞争力，有助于企业更宏观地判断技术多元化发展方向。
综上所述，与以往研究主要关注技术多元化对创新绩效的影响不同，本研究主要贡献在于揭示出网络结构对技术多元化的作用机理及联合影响。首先，验证网络结构—技术多元化作用关系的动态变化，从理论上拓宽技术多元化前因变量与影响因素的研究视域，通过判定企业在产业链中的位置，对促进企业之间协同创新、共享资源、融通发展产业生态具有积极作用；其次，新一代信息技术产业作为我国战略性新兴产业重点发展领域，代表我国信息技术产业结构升级和颠覆式创新的战略方向，探究其在网络结构影响下的技术多元化创新过程更具代表性；最后，由于技术多元化与企业创新绩效具有非线性关系，多数文献采用传统静态模型或静态数据作为中介变量，但由于技术多元化具有较强的内生性，较传统面板回归方法而言，动态面板门限回归模型能够较好地解决技术多元化的内生性问题。因此，本文将技术结构纳入网络结构对技术多元化影响的非线性面板门限回归模型，实证研究网络结构对技术多元化形成的非线性门槛效应。图1展现了网络结构对技术多元化核心技术与非核心技术维度的影响。
图1 网络结构对技术多元化的影响
Fig.1 Impact of network structure on technology diversification
基于上述理论分析，构建门限回归模型。
(1)
其中，TS表示以技术结构为门限变量，TDI表示创新主体技术多元化指数，i=1,2…n表示不同创新主体，t=1,2…n表示不同年份。μi表示不同创新主体的固定效应，本研究通过时间差分方法消除该效应影响。Xit表示核心解释变量，
表示控制变量，用于描述其它因素对技术多元化的影响。I(·)为示性函数，当括号中关系成立时取1，否则取0；γ为门限值，即本研究要估计的创新主体技术结构系数；β1、β2、β3、α'为待估系数，εit为随机扰动项。
2.2.1 因变量
根据崔兆财等[21]、Vanhaverbeke等[22]、徐娟[23]对核心技术与非核心技术的测度方法，本文首先在国家知识产权局专利检索与分析库中检索出新一代信息技术产业的专利及其引用专利，构建专利引文网络；其次，利用Pajek软件的网络分区功能，识别出新一代信息技术产业专利引文网络最大凝聚子群和重要子群[24]；最后，计算最大凝聚子群和重要子群内各技术领域的专利份额和显性技术优势。将专利份额高且具有显性技术优势的技术归为核心技术，其余属于非核心技术。
(1)核心技术能力(CTCit)。核心技术能力作为企业竞争力的关键要因，既是企业进行技术创新的必要前提，又是企业形成竞争优势的关键基础。本研究通过修正RTA指数计算CTCit，t时期i公司j技术领域的RTA指数表达式为：
(2)
其中，Pijt表示t时期i企业j技术领域内专利引用数，Pt表示t时期所有企业全部技术领域的专利引用数，Pit表示t时期i企业的所有专利引用数，Pjt表示t时期所有企业j技术领域内专利引用数，RTA代表i企业在j技术领域内的显性技术优势[23]，则CTC表达式为：
CTCit=ln[max{RTAijt·Pijt}]
(3)
(2)非核心技术能力(NCTCit)。非核心技术能力是企业整合自身技术优势必须具备的，但并非决定企业能力的内在关键因素，非核心技术能力对核心技术能力起匹配作用[25]。
NCTCit=ln[max{(1-RTAijt)·Pijt}]
(4)
2.2.2 门限变量
参考崔敏和魏修建[26]的方法，对技术结构指标进行处理。
(5)
其中，K表示产业资本禀赋，L表示产业劳动禀赋，Ki/Li表示创新主体最优资本密集度。
2.2.3 核心解释变量
(1)度中心性(CE)。度中心性即定向网络中的度内中心度，对于流入该点的连接方向测量为：
(6)
其中，Zij,in表示网络内其它节点到节点i的专利施引数，反映知识吸收转化能力。
(2)结构洞(SH)。本文以Pij表示网络中企业i对企业j的专利直接引用比重。
(7)
其中，q≠i,j。Pij表示企业i到企业j的专利引用所有通过q的路径，Cij表示企业i对企业j的非直接引用关系求和，也反映企业i与企业j专利引用关系的约束程度，即约束指数，用于衡量企业拥有结构洞的匮乏程度[27]。
2.2.4 控制变量
(1)发明专利申请数(APA)。发明专利申请数被广泛用于专利技术创新产出测量。根据申请专利的时效性，本研究考虑提前一期的发明专利申请数。
(2)技术溢出(SP)。技术溢出是衡量不同企业利用外部知识差异决定企业生产力差异化的标准。技术溢出能够为企业提供新的技术机会，降低新技术领域的研发人员投入，这使得企业能够有效配置不同技术领域的研发资源，并降低技术多样化产生的协调与整合成本[28]。根据Aharonson&Schillin[29]、Jarchow[30]测度技术溢出的表达式，
其中，i为企业技术接近程度的外部知识储备，RSjt为企业j第t年的研发经费，Wij是衡量企业i与企业j之间技术接近程度的指标。Wij可表示为：
(8)
其中，Ti是一个k×1的向量，即企业i在k技术类别下第k行的专利数量[31]。Ti可以称为企业i的技术位置向量，Wij具有向量Ti与Tj间的非中心相关关系。
本研究专利被引与施引数据及法律状态数据来自国家知识产权局专利检索与分析库。经过文献、书籍查询以及研究讨论，本文采取企业和专利授权人名称检索并辅以专利申请号手工代码复合式检索策略，最终确定专利检索代码并下载获取原始专利数据，其它数据来自2010—2019年《中国科技统计年鉴》《中国高技术统计年鉴》等。
本文结合创新主体的专利引用网络，识别核心技术与非核心技术，根据Gephi软件绘制2010—2019年各创新主体IPC专利分类号下的核心技术与非核心技术，如图2所示(最外层表示创新主体，箭头指向代表核心技术，其余为非核心技术)。
图2 核心技术与非核心技术专利分布
Fig.2 Core and non-core technology patent distribution
根据核心技术与非核心技术发展进程分析可知，设计与封装技术发展成为支撑我国新一代信息技术产业核心技术能力发展的核心元素。随着技术引进与技术转移速度加快，新一代信息技术产业在促进经济增长和结构转型中的主导地位不断提升，新一代信息技术产业技术多元化发展步入快车道，针对制造领域薄弱环节的技术研发能力逐渐形成，集成电路子产业的技术能力成为我国新一代信息技术产业迈向世界前沿的强有力支撑。这标志着核心技术与非核心技术构成新一代信息技术产业技术发展的分布式配套能力，既涉及核心技术能力的垂直一体化深度挖掘，又涵盖非核心技术能力的广度探索，反映我国新一代信息技术产业技术多元化架构性能力的演化过程。
本文进一步确定在技术结构影响下，度中心性和结构洞对核心技术与非核心技术的限制界限。利用Stata12.0统计软件，对创新主体采用格点搜索法寻找残差平方和，并采用最小门限值法确定门限值个数，依次估计门限值检验结果，如表1所示。
表1 门限值检验结果
Tab.1 Threshold test results
因变量解释变量门限门限估计值F值P值BS次数95%置信区间核心技术度中心性单一门限0.1281.0750.221500[0.114,0.135]双重门限0.128,0.6013.328***0.183500[0.114,0.135],[0.507,0.633]三重门限0.3430.645*0.105500[0.267,0.377]结构洞单一门限0.2612.3370.067500[0.179,0.338]双重门限0.261,0.6721.032**0.005500[0.179,0.326],[0.179,0.781]三重门限0.1721.154***0.131500[0.154,0.307]非核心技术度中心性单一门限0.3741.1170.220500[0.303,0.429]双重门限0.271,0.7822.403**0.000500[0.225,0.418],[0.609,0.883]结构洞单一门限0.3021.318*0.057500[0.272,0.371]双重门限0.223,0.4971.161**0.000500[0.172,0.298],[0.428,0.576]
3.3.1 网络结构对非核心技术能力的影响
当度中心性与结构洞为核心解释变量时，网络结构对技术多元化的影响在双重门限下表现更为显著。以度中心性为核心解释变量，且当网络结构处于0.223 6～0.314 7区间时，企业需要开发不同知识来源渠道，这些知识来源会成为新技术发展的潜力；以结构洞为核心解释变量，网络结构处于0.044 8～0.056 9区间时，表明企业在培养非核心技术能力过程中，未被直接关联的知识元素较多，知识元素间存在丰富的组合机会，有利于创新主体在知识基础中组合现有知识元素从而实现创新。同时，准确评估自身在非核心领域的技术能力，有利于创新主体搜索更多彼此暂未关联的新知识要素，继而用于开展探索式创新，形成竞争优势。以非核心技术能力为因变量的门限回归模型各参数及检验结果如表2所示。当门限变量小于0.271时，系数为0.590 6，此时P值为0.113，与非核心技术能力正相关，且在0.05的显著水平下不显著；当门限变量在0.271～0.782之间时，影响系数为0.723 2，P值为0.002，且在0.05的显著水平下显著；当门限变量大于0.782时，系数为0.634 1，P值为0.025，且在0.05的显著水平下显著。在上述3个阶段，提前一期的度中心性指数每增加1个单位，非核心技术能力分别增加0.590 6、0.723 2、0.634 1个单位，度中心性对非核心技术能力具有显著双重门限效应。影响系数先升后降，呈倒U型曲线，随着度中心性先增大后减小，对非核心技术能力的影响也呈先升后降趋势，表明创新主体专利被引较高时，往往表现出对非核心技术具有较强的探索性。但随着创新主体知识吸收转化能力受到限制，当其达到最大值时，用于探索知识组合的技术或商业价值已经消失殆尽，此时对非核心技术能力探索逐渐呈现边际收益递减规律。以结构洞为核心解释变量时，提前一期的结构洞对非核心技术具有显著影响。当门限变量小于0.217时，影响系数为0.430 3，P值为0.028，且在0.05的显著性水平下显著；随着门限变量增大至0.217～0.559区间，系数增大至0.582 4，此时P值为0.005，且在0.01的显著性水平下显著，说明门限变量增大对非核心技术能力具有正向影响；当门限变量大于0.559时，系数降至0.347 3，说明在过高的门限变量影响下，结构洞反而会抑制非核心技术能力开发的积极性，导致结构洞对非核心技术能力的促进作用减弱。
表2 以非核心技术为因变量的门限回归模型系数及检验结果
Tab.2 Threshold regression model coefficients and test results of non-core technology as dependent variables
CE单一门限双重门限NCTCCoef.PNCTCCoef.PSH单一门限双重门限NCTCCoef.PNCTCCoef.PAPA0.208 80.027APA0.410 50.003APA0.022 70.006APA0.026 10.022SP0.502 90.017SP0.263 40.005SP0.023 50.028SP0.016 40.021CE0.321 90.022CE0.323 20.005CE0.001 90.058CE0.007 20.005SH0.024 70.151SH0.114 30.106SH0.137 20.001SH0.262 50.005CE×SH0.223 60.075CE×SH0.314 70.053CE×SH0.044 80.025CE×SH0.056 90.020CETS≤0.4060.531 20.126CETS≤0.2710.590 60.113SHTS≤0.2880.306 10.016SHTS≤0.2170.430 30.028CETS>0.4060.642 70.141CE0.271
3.3.2 网络结构对核心技术能力的影响
以度中心性为核心解释变量时，当度中心性与结构洞的联合效应对核心技术能力的影响在0.253 3～0.261 2区间时，表明通过度中心性与结构洞的联合效应影响，核心技术有利于企业培养与提升在新市场中必需的技术能力，企业可以通过将研发资源配置到不同技术领域，抵消研发投入收益递减；当其影响在0.261 2～0.292 5区间时，创新主体通过增加异质性知识，使企业在利用现有技术方面的选择更加多样化。以结构洞为核心解释变量时，当度中心性与结构洞的联合效应对核心技术能力的影响在0.269 6～0.270 3区间时，企业应重点关注建立新的伙伴关系可能会影响其网络冗余程度以及核心领域的技术创造；当其影响在0.270 3～0.295 7区间时，随着结构洞数量增多，企业通过与合作伙伴协同创新，利用外部资源推动创新进一步发展，此时技术多元化能加快企业对外部资源的吸收与内化，从而更有动力开展创新活动，实现技术多元化发展。
提前一期的度中心性在三重门限下对核心技术能力具有显著影响。由表3、表4可知，当门限值小于0.281时，系数为0.366 5，与核心技术正相关，此时P值为0.019，且在0.05的显著性水平下显著；当门限值介于0.281～0.357之间时，系数为0.643 6，P值为0.004；当门限值介于0.357～0.601之间时，系数为0.580 5，P值为0.024；当门限值大于0.601时，系数为0.312 7，P值为0.037。度中心性对核心技术能力具有显著三重门限效应，其影响系数呈先升后降趋势。在度中心性对核心技术能力的影响中，0.281～0.357是技术结构门限指标的相对最优区间，0.357～0.601为相对次优区间。说明在门限变量存在的条件下，度中心性对核心技术能力的影响呈倒U型曲线。当核心解释变量为结构洞，且门限值小于0.168时，系数为-0.062 4，此时P值为0.018，且在0.05的水平下显著；当门限值介于0.168～0.273之间时，系数为-0.196 2，P值为0.016，且在0.05的显著性水平下显著；当门限值介于0.273～0.794之间时，系数为-0.099 3，P值为0.022，且在0.05的显著性水平下显著；当门限值大于0.794时，系数为-0.022 6，P值为0.009，且在0.01的显著性水平下显著。在后3个阶段，结构洞指数每增加1个单位，核心技术能力分别增加-0.196 2、-0.099 3、-0.022 6个单位，表明结构洞对核心技术能力具有负向影响效应。随着结构洞对核心技术的影响系数逐渐增大，技术结构的门限作用表现为显著抑制核心技术能力。在控制变量方面，发明专利申请数、技术溢出对核心技术与非核心技术均发挥推动作用。
表3 以核心技术为因变量的门限回归模型系数及检验结果(以度中心性为核心解释变量)
Tab.3 Threshold regression model coefficient and test results with the core technology as the dependent variable(Degree centrality as the core explanatory variable)
单一门限CTCCoef.P双重门限CTCCoef.P三重门限CTCCoef.PAPA0.306 60.077APA0.516 60.004APA0.590 20.038SP0.231 80.036SP0.226 30.006SP0.391 20.022CE0.263 80.025CE0.230 40.035CE0.350 40.307SH0.191 40.013SH0.134 70.194SH0.134 60.023CE1×SH0.253 30.142CE1×SH0.261 20.103CE1×SH0.292 50.088CETS≤0.3570.412 60.172CETS≤0.3570.499 80.079CETS≤0.2810.366 50.019CETS>0.3570.455 90.152CE0.357
表4 以核心技术为因变量的门限回归模型系数及检验结果(以结构洞为核心解释变量)
Tab.4 Threshold regression model coefficient and test results with the core technology as the dependent variable(Structural hole as the core explanatory variable)
单一门限CTCCoef.P双重门限CTCCoef.P三重门限CTCCoef.PAPA0.024 70.002APA0.018 20.025APA0.035 90.001SP0.038 70.026SP0.106 90.083SP0.153 30.003CE0.265 70.019CE0.291 10.046CE0.204 40.003SH-0.074 90.057SH-0.183 30.022SH-0.073 30.005CE×SH0.269 60.032CE×SH0.270 30.031CE×SH0.295 70.002SHTS≤0.273-0.068 70.108SHTS≤0.273-0.308 50.057SHTS≤0.168-0.062 40.018SHTS>0.273-0.379 90.062SH0.273
综上所述，提前一期的度中心性对核心技术与非核心技术均存在显著门限效应；创新主体间形成的冗余关系有利于核心技术与非核心技术能力形成时，建立新知识获取渠道并培育知识吸收转化能力，在避免创新主体核心技术脆弱性形成的同时，提高创新主体建立信任关系和组织控制的潜力，逐渐降低核心技术能力刚性和路径依赖。结构洞对非核心技术存在倒U型影响关系，对核心技术存在显著负向影响效应。度中心性与结构洞的联合效应对非核心技术具有相对抑制作用，表现为两者呈负向影响关系。结构洞作为核心解释变量时，两者对非核心技术能力具有负向影响关系，具体表现为两者对非核心技术能力具有互相抑制作用。此时，结构洞的作用优于度中心性，非核心技术能力更多体现结构洞的治理功能。核心技术作为因变量时，度中心性与结构洞的交互作用对核心技术具有显著正向影响，表现为两者对核心技术发展具有协同增益效应，充分挖掘和利用度中心性与结构洞的交互作用对战略性新兴产业系统集成和关键核心技术开发具有重要作用。此时，需要集聚创新资源，使其核心技术能力更多体现为度中心性能力的形成过程。
本研究以技术结构作为门限变量，探究网络结构对技术多元化演化的机理、影响因素及作用关系，得出如下主要结论：
首先，在度中心性对核心技术的影响中，0.281～0.357是技术结构门限指标的相对最优区间。门限变量增大对非核心技术具有正向影响，当门限变量大于0.559时，影响系数下降至0.347 3，表明在过高的门限变量影响下，结构洞反而会抑制非核心技术开发，导致结构洞对非核心技术的促进作用减弱。专利引用网络中，专利引用之间的知识流动使企业获得与原有知识互补的新知识，促进核心技术创造，获取竞争优势。创新主体凭借其占据结构洞中介位置获取同质知识数量与效率上的优势，消除对竞争者的知识溢出，从而在资源整合、信息控制等方面宏观调控资源。随着创新主体对核心技术知识认知能力的降低，创新主体不再局限于占据结构洞中介位置获取信息资源，而是通过提高异质性知识的吸收转化能力形成路径依赖，降低核心技术能力的僵化性从而获得潜在收益。
其次，核心技术与非核心技术之间的差异决定网络结构的演化进程。创新主体通过专利引用透视创新主体间低连通性、强联结和技术领域广度聚焦，强化创新主体对异质性冗余知识的积累，刺激并提高创新主体间知识共享与吸收转化能力，促进技术多元化发展，实现大中小企业与创新主客体之间的融通创新。当度中心性为核心解释变量时，度中心性与结构洞的联合效应对核心技术具有正向影响，结构洞对核心技术具有显著负向作用。
首先，企业应有效利用度中心性与动态结构洞的交互作用，加强核心技术识别与挖掘及非核心技术探索。通过前瞻性技术预见等战略分析工具，分析产业关键核心技术的优劣势，推进关键核心技术攻关，加快产业共性技术研发和成果转化；从知识吸收与转化视角，利用网络结构特征拓展技术多元化发展战略，培育具有核心竞争力的龙头企业，围绕产业链开展技术创新，实现科技创新与产业发展互促共进。
其次，企业在实施技术多元化策略时应注重不同门限区间技术溢出的调节作用。当技术溢出处于以非核心技术为因变量的双重门限区间时，应注重核心技术与非核心技术领域研发项目之间的互补性和内部知识溢出，提高企业技术竞争力，降低研发整体风险，以更好地利用技术多样化；当技术溢出处于以非核心技术为因变量的三重门限区间时，企业应通过建立新知识获取渠道，保持核心技术与非核心技术的动态均衡，构建产业创新生态系统，推动产业向全球产业链、价值链中高端攀升。互惠的共生网络结构有利于创新主客体间的知识交流，促进技术溢出与扩散，提高企业创新能力，从而实现创新绩效最优条件下的企业技术多元化发展战略。
最后，企业在实施技术多元化发展战略过程中应重视技术结构的门限效应。对于拥有更多创新资源的新一代信息技术企业而言，当技术结构处在0.281～0.357的次优区间时，企业应重点关注创新资源均衡分配程度，适当扩大技术选择范围，着力提升自身外部技术吸收能力，积极谋求通过多元化技术的范围经济效应提升企业经营绩效；当技术结构位于0.357～0.601的最优区间时，企业既要增强多技术领域的知识关联，以强化多技术之间的溢出效应，也要开发异质性知识，开展技术预测，探索新的技术机会，即企业不仅要在已有知识关联度高的技术领域进行知识挖掘，也要在全新的、知识异质性强的技术领域进行知识探索，以保持技术多元化结构的平衡。
[1] 陈凤,余江,甘泉,等.国立科研机构如何牵引核心技术攻坚体系：国际经验与启示[J].中国科学院院刊,2019,34(8):920-925.
[2] 张素平,许庆瑞,张军.能力演进中核心技术与互补资产协同机理研究[J].科研管理,2014,35(11):51-59.
[3] EGGERS J P.Competing technologies and industry evolution:the benefits of making mistakes in the flat panel display industry[J].Strategic Management Journal,2014,35(2):159-178.
[4] 王卓,王宏起,李玥.产业联盟创新生态系统领域主题演化轨迹研究[J].科学学研究,2020,38(4):723-733.
[5] 孙早,许薛璐.前沿技术差距与科学研究的创新效应:基础研究与应用研究谁扮演了更重要的角色[J].中国工业经济,2017,34(3):5-23.
[6] ACOSTA M,CORONADO D,
NGELES MART
NEZ M.Does technological diversification spur university patenting[J].The Journal of Technology Transfer,2018,43(1):96-119.
[7] ALSTOTT J,TRIULZI G,YAN BOWEN,et al.Mapping technology space by normalizing patent networks[J].Scientometrics,2017,110(1):443-479.
[8] ZABALA-ITURRIAGAGOITIA J M,PORTO G
MEZ I,AGUIRRE LARRACOECHEA U.Technological diversification:a matter of related or unrelated varieties[J].Technological Forecasting and Social Change,2020,155:119997.
[9] VAN DER POL J,RAMESHKOUMAR J P.The co-evolution of knowledge and collaboration networks:the role of the technology life-cycle[J].Scientometrics,2018,114(1):307-323.
[10] 张庆垒,施建军,刘春林,等.技术多元化、行业竞争互动与双元创新能力[J].外国经济与管理,2018,40(9):71-83.
[11] 何郁冰,陈劲.技术多元化研究现状探析与整合框架构建[J].外国经济与管理,2012,34(1):46-56.
[12] KIM J,LEE C Y,CHO Y.Technological diversification,core-technology competence,and firm growth[J].Research Policy,2016,45(1):113-124.
[13] ACOSTA M,CORONADO D,
NGELES MARTNEZ M.Does technological diversification spur university patenting[J].The Journal of Technology Transfer,2018,43(1):96-119.
[14] CORRADINI C,DEMIREL P,BATTISTI G.Technological diversification within UK's small serial innovators[J].Small Business Economics,2016,47(1):163-177.
[15] TORTORIELLO M.The social underpinnings of absorptive capacity:the moderating effects of structural holes on innovation generation based on external knowledge[J].Strategic Management Journal,2015,36(4):586-597.
[16] 曾德明,韩智奇,邹思明.协作研发网络结构对产业技术生态位影响研究[J].科学学与科学技术管理,2015,36(3):87-95.
[17] NATALICCHIO A,MESSENI PETRUZZELLI A,GARAVELLI A C.The impact of partners' technological diversification in joint patenting[J].Management Decision,2017,55(6):1248-1264.
[18] 张光曦.如何在联盟组合中管理地位与结构洞:MOA模型的视角[J].管理世界,2013,29(11):89-100,129.
[19] HAHL O,KACPERCZYK A ,DAVIS J P.Knowledge asymmetry and brokerage:linking network perception to position in structural holes[J].Strategic Organization,2016,14(2):118-143.
[20] WUYTS S,DUTTA S.Benefiting from alliance portfolio diversity[J].Journal of Management,2014,40(6):1653-1674.
[21] 崔兆财,周向红,王俐.中国区域知识复杂性测度及其对创新的影响[J].科技进步与对策,2020,37(2):51-58.
[22] VANHAVERBEKE W,GILSING V,BEERKENS B,et al.The role of alliance network redundancy in the creation of core and non-core technologies[J].Journal of Management Studies,2009,46(2):215-244.
[23] 徐娟.技术多元化、核心技术能力与企业绩效:来自新能源汽车行业上市公司的面板数据[J].经济管理,2016,38(12):74-88.
[24] 闫杰,缪小明,闫斌.特斯拉纯电动汽车核心和非核心技术演化研究[J].世界科技研究与发展,2017,39(3):291-302.
[25] 王卓,王宏起,李玥.能力—治理视角下网络结构对技术能力的影响[J].中国科技论坛,2020,36(1):88-95,106.
[26] 崔敏,魏修建.吸收能力与技术结构双重机制下服务业国际溢出效应研究[J].数量经济技术经济研究,2016,33(2):76-94.
[27] 陈运森.社会网络与企业效率:基于结构洞位置的证据[J].会计研究,2015(1):48-55,97.
[28] EAPEN A,YEO J,SASIDHARAN S.Finance constraints and technology spillovers from foreign to domestic firms[J].Economic Modelling,2019,76:50-62.
[29] AHARONSON B S,SCHILLING M A.Mapping the technological landscape:measuring technology distance,technological footprints,and technology evolution[J].Research Policy,2016,45(1):81-96.
[30] JARCHOW S,RÖHM A.Patent-based investment funds:from invention to innovation[J].The Journal of Technology Transfer,2019,44(2):404-433.
[31] XYNGIS G.Business-cycle variation in macroeconomic uncertainty and the cross-section of expected returns:evidence for scale-dependent risks[J].Journal of Empirical Finance,2017,44:43-65.