战略联盟企业间创新网络的创新绩效研究

赵 炎，王 琦，郭霞婉

战略联盟企业间创新网络的创新绩效研究

赵 炎，王 琦，郭霞婉

（上海大学管理学院，上海200444）

目前对于企业间创新网络特征对创新绩效的影响研究，社会网络分析已得到初步应用，但是这种应用仍处于起步阶段。文章以社会网络理论为基础，以中国汽车产业战略联盟为实证对象，将社会网络分析和负二项回归相结合，分析中国汽车产业战略联盟网络的特征与创新绩效的关系，最终得出了结论：在不同的文化背景和市场机制下的中国战略联盟网络，具有高度集聚系数和可达性的网络与没有显示这些特性的网络对网络中企业的创新绩效影响无显著区别，占据有利的结构洞位置也并没有提高联盟企业的创新绩效。

企业间创新网络；社会网络分析；战略联盟；创新绩效

一、引言

自2009年始，我国汽车的产、销量跃居世界第一。然而，很多中国汽车企业研发的核心技术仍掌握在外国公司手中，结果导致这些企业除了与国外企业进行合作建立联盟之外别无他选。自从我国加入WTO以后，为了自身的生存和发展，越来越多的中国汽车企业走上战略联盟的道路。通用、福特、丰田、雷诺等世界顶级汽车公司纷纷进入中国，与中国本土汽车企业组成跨国战略联盟。国内汽车企业也可由此分享这些汽车工业巨头先进的技术和管理经验，从而迅速缩短了我国汽车产业与发达国家的差距。在国内外企业合资合作的同时，国内企业也逐步打破地域、行业、所有制的限制，开展了各种形式的合作，如合资、技术合作、销售合作等等。尽管如此，也存在为数不少的联盟因成员之间缺乏信任，导致合作不能顺利进行，联盟目标不能成功实现，一些联盟甚至持续不到三年。对于中国的企业来说，如何从联盟中获益仍然是一个重要的问题。

本文以中国汽车产业战略联盟为样本，对中国联盟企业创新绩效进行研究，并提出相关建议。若在一个固定的时间点，以企业为节点，以企业之间的联盟关系为线，那么企业联盟网络便可浮现出来。联盟网络是一种典型的企业间创新网络，通过社会网络分析法，可得到各种网络特征。社会网络分析法，兴起于20世纪90年，Granovetter［1］的“强联结优势理论”、“弱联结的力量理论”，Coleman［2］的“社会资本理论”和Burt［3］的“结构洞理论”等都是社会网络分析中的代表性理论。目前，运用社会网络分析方法对企业网络特征与创新绩效的关系的研究尚处于起步阶段，而且主要集中在美国。国内研究大多数是借鉴国外相关研究理论或成果，定量分析较少，并且大多数都是以产业集群为研究对象，以战略联盟为研究对象探讨企业网络特征对创新绩效影响的社会网络分析研究还很缺乏。所以，对于学者们来说，中国企业战略联盟网络以及这些网络的特征对网络中成员企业的产出尤其是创新绩效的影响，仍然是一个新的研究领域。

在不同的文化背景下，企业间创新网络对创新绩效的影响可能有所不同。根据Burt的结构洞理论，网络中最能为企业带来竞争优势的位置是关系稠密地带之间的结构洞［3］。但Ahuja认为结构洞对创新绩效的影响只有在特定的环境下才能够被理解，当形成合作的环境和克服机会主义对成功具有重要作用时，封闭的网络更有利；当快速地获得各种信息很重要时，结构洞有可能更有利［4］。Xiao&Tsui将结构洞理论引入不同文化背景中，研究了中国的四个高科技企业中结构洞的作用，并且验证出结构洞理论并不适用于具有集体主义价值观的中国［5］。刘雪峰通过对中国四个典型制造业企业的研究，得出了网络的技术嵌入性对企业创新差异化有正向影响的结论［6］，而其他的学者却提出网络嵌入性对网络中知识转移绩效的显著影响和对组织学习的抑制作用［7-8］。

因此，本文不仅分析了中国汽车产业联盟网络的特征与创新绩效的关系，而且将其与国外已有的研究进行对比和比较，这将有助于了解不同文化背景和市场机制下的中国企业间创新网络特征对创新绩效的影响，也促使学者们深入思考文化背景和市场机制在国家和地区创新系统中的作用。

二、理论和假设

集聚系数是用来描述一个网络中的节点之间结集成团的程度的系数，具体来说，反映了一个点的邻接点之间相互连接的程度。社会资本理论的代表人物Coleman指出，高密度的网络具有封闭系统的某些功能特点，高密度网络中企业间更易发展出相互信任关系、共享准则，以及共同的行为模式；网络密度的提高会缩短信息传递的平均路径，加快了网络内信息和资源的流动速度。因此，较高的集聚系数有利于加强联盟成员之间的相互信任，形成更紧密的合作，从而提高信息交流的效率和准确度［2］。

但是较高的集聚系数也存在消极作用。根据“嵌入性悖论”，过度嵌入性会导致网络的锁定效应和路径依赖。因此，当集聚系数较高时，企业与同一局部网络内的企业交流的机会很多，而与其他局部网络中的企业交流的机会很少，这时企业逐渐被锁定在无效率的状态之下，大量的信息冗余并缺少新信息的获取，使得这个局部网络变为封闭、僵化的生产系统［9-10］。

网络的可达性反映了网络中企业获得信息的数量以及速度，它不仅考虑到了在网络中给定一个公司，从该公司经由任何路径能到达的其他公司的总数，而且考虑到了这些路径的长度。网络中若存在扮演连接不同局部网的“桥”角色的结构洞，那么该网络的可达性将大幅提高。在企业网络中，若两个企业之间的最短路径经过一个且仅此一个中间企业，则称这个中间企业所占据的位置为结构洞。Burt在其结构洞理论也曾指出网络中最能为企业带来竞争优势的位置是关系稠密地带之间的结构洞。占据结构洞企业能够获取来自多方面的非冗余信息，并成为信息的集散中心，它在网络中扮演“桥”的角色，将两个关系稠密地带联结起来，为这些联结起来的企业带来新的信息，从而提高网络中企业的创新能力［3］。

图1是一种典型的同时具有高聚集系数与可达性的网络。（点代表企业，线代表这两个企业之间结成联盟），企业A、B与C通过它们建立起的“桥”与其他局部网络相连，网络又具有较高的可达性，从而可以从其他局部网络内获取大量新鲜的、非冗余的异质性信息。

图1 由三个分别具有高度集聚系数和可达性的局部网络所构成的整体网络

基于以上的分析，提出本文的两个假设：

假设1：若联盟网络的集聚系数和可达性较高，则其二者的交互作用会对联盟中企业的创新绩效产生积极的影响。

假设2：若企业占据有利的结构洞位置，则有利于联盟中企业创新绩效的提高。

三、研究方法

（一）样本选择

本文需要的数据有两种。一种是社会网络指标，本文以美国SDC Platinum数据库中2000-2006年的数据来构建中国汽车产业战略联盟网络从而计算出各社会网络指标；另一种来源于中国知识产权网（http：//www.cnipr.com）的专利数据。通过计算机编程自动筛选出有两个或以上中国企业参加的汽车产业战略联盟的数据，建立汽车产业战略联盟网络。

接下来是设计网络邻接矩阵自动提取算法，实现“企业间创新网络邻接矩阵自动生成系统”。采取3年时间窗口，通过该系统可生成5个联盟网络邻接矩阵（2000-2002年，2001-2003年，2002-2004年，2003-2005年，2004-2006年），将这5个矩阵输入社会网络分析软件UCINET6.2，即可得到不同时间窗口内的各社会网络指标。图2以2001-2003年为例展示了中国汽车产业战略联盟网络。

图22001 -2003年中国汽车产业战略联盟网络图

（二）变量设定

1.因变量

由于汽车产业往往用专利来体现知识创造成果，而汽车企业也经常通过申请专利来保护自己的新产品或者新技术，所以本文最终选用专利获批数来衡量企业创新绩效。

专利获批数Patentit：指i公司在t年申请并获批的专利数量。

2.自变量

（1）集聚系数（Clustering Coefficient）：反映了网络中节点倾向于聚集在一起的程度。其计算公式为：

其中，triangle是指网络中两两相连的三个点；而con⁃nected triple既包括triangle，也包括结构洞（即在三个点中只有两条连线）。

（2）可达性（Reach）：我们采用了平均距离加权可达性，这样不仅考虑到了在网络中给定一个公司，从该公司经由任何路径能到达的其他公司的总数，而且考虑到了这些路径的长度。它反映了网络中企业获得信息的数量以及速度。

可达性的计算公式为：

dij是两点之间的最短距离或称为测地线（geodesic），n是指网络中节点的个数。

（3）结构洞（Structural Hole）：结构洞又称为局部效率（Local Efficiency），指企业与其合作伙伴之间的非冗余关系，本文采用了Burt测量控制效率的方法来衡量企业局部网络结构对其成员企业的影响。

结构洞的计算公式为［3］：

其中，Piq是指点i投资在q与关系上的比例；mjq代表了点j和点q之间关系的边际力量，它是个二进制数据，当点j和点q之间有关系时，为1，否则为0；Ni是指与点i连接的点数。

（4）集聚系数×可达性（Clustering Coefficient×Reach）：根据本文的假设，集聚系数和可达性的交互作用对联盟成员的创新性有正向的显著影响，所以我们选取集聚系数×可达性作为自变量。

3.控制变量

（1）样本前专利数（Pre-sample Patents）：公司进入样本前五年内申请并获批的专利个数。我们采用Blundell取样前信息方法计算出该变量，它用于控制未被观察到的公司专利申请上的异质性［11］。

（2）中介中心性（Betweenness Centrality）：中介中心性的概念最早由Freeman提出，它是指一个公司在多大程度上位于网络中其他任意两个公司之间的最短路径（测地线）上，因而是一个测量“控制能力”的指标［12］。

中介中心性的计算公式为：

其中，gjk是指点j和点k之间最短路径的数目，而gjk（i）则是点j和点k之间经过点i的最短路径的数目。

（3）网络密度（Network Density）：网络中实际拥有的连线数与最多可能拥有的连线数之比。

网络密度的计算公式为：

其中，L是指网络中的边数，g是指网络中点的个数。

（4）中心势（Centralization）

中心势指该网络中的节点围绕某个或某几个核心点建立联系的紧密程度，它将会影响到创新知识传播的特性。当C= 0时，网络中不存在核心点，每个节点处于对等的趋势。在中心势较高的网络中，所有的途径都会通过一个或少数几个核心点，这样就缩短了网络中任意一对节点之间的距离。我们采用了Freeman的群体中心度的指标，得到中心势的计算公式为：

其中，CB’（n*）是指第t年网络j标准化后所有点中最大的中介中心度，CB’（ni）是公司i标准化后的中介中心度，g是网络中公司的数目。

（三）模型建立

基于前人关于联盟与创新关系的研究，本文在建立模型时采用了一年、两年、三年的滞后模型。模型如下：

Patentsit+1（2，3）=f（Log Clustering Coefficientit，Log Reachjt，Structural Holeit，Log Clustering Coefficient×Log Reachit，Between⁃ness Centralityit，Centralizationit，Log Network Densityit，Presam⁃ple_Patentsit，2002，2003，2004，2005，2006）（*）

其中，i代表汽车产业战略联盟内的各中国企业；t代表年份；（*）中各变量均为企业i在t年份的取值；2002指2000-2002年时间窗口中的网络，2003指2001-2003年时间窗口中的网络，以此类推。

四、结果分析

因变量专利数是计数型的变量，其取值均为非负整数。线性回归不适合分析这样的变量，因为残差分布将会呈异方差的非正态性。泊松回归分析计数型变量时，需要满足平均数与方差相等的假设。而专利数往往是过度离散的，从而方差大于平均数，所以无法运用泊松回归。负二项回归作为广义的泊松回归，允许过度离散，因此选用负二项回归。

由于随机效应是假设未观察到的公司特有效应与回归变量无关，所以我们分别采用了固定效应和随机效应对模型进行测量，并对结果进行鲁棒性检验。

通过STATA8.0进行负二项回归分析步骤：首先，只做所有控制变量与因变量的回归，目的是检验控制变量是否影响创新绩效；然后，在上一步的基础上将Log Clustering coef⁃ficient、Log Reach和Structural Hole加进来，用于检验结构洞、集聚系数和可达性对创新绩效的影响；最后，再加进Log Clustering Coefficient×Log Reach来检验集聚系数与可达性交互作用对创新绩效的影响。

最终到负二项回归的结果如表1。

根据Hausman检验的结果，表1中模型1-7均采用随机效应的结果，而模型8-9采用固定效应的结果。

分析表1的结果可以得到：

（1）Clustering Coefficient×Reach对创新绩效没有显著的作用。因此，得到的结果不支持本文的假设1。即对于中国背景下的汽车产业战略联盟，网络的高度集聚系数和可达性未能有助于网络中企业创新性的提高。

（2）当专利滞后一年时，Clustering Coefficient对创新绩效有显著的影响（系数为-273.64），这意味着网络的集聚系数越高，企业的创新性反而越低。而reach对创新绩效都没有显著的影响。

（3）Structural Hole在所有的模型中都显示出负向作用，不过这种负向作用只有在专利滞后三年的模型中显著。因此，本文的假设2也没有得到验证。

（4）本文得到的关于控制变量的实证结果同样值得讨论。在控制变量中，除了专利滞后三年的情况，Pre-sample Patents都对创新绩效有正向的显著影响。而其它控制变量在所有模型中对创新绩效都没有显著影响作用。

将本文的研究结果与Schilling和Phelps（2007）的研究结果进行对比，我们发现两者存在很大的差异。对于美国汽车企业战略联盟网络，具有高度集聚系数和可达性特征的网络比不具有这些特性的网络创新性要高，而对于中国的汽车企业战略联盟网络，这两种网络的创新性不仅没有明显区别，甚至高的集聚系数会在短期（一年）内使企业的创新性降低。同时，占据结构洞位置，并没有提高企业的创新能力，这与Burt的结构洞理论也有所差异。

表1 固定效应和随机效应的负二项回归结果（样本数=155）

五、结论与讨论

网络特征的影响作用因不同国家、市场机制而异。美国高集聚系数和可达性的联盟网络中的企业将会比其他联盟网络中的企业显示更多的知识创新性，而在中国却并非如此。美国的市场经济体制较中国完善，企业知识产权保护意识较强，知识产权保护体系也远比中国成熟——包括知识转移的流程规则和有关法律法规等，美国企业联盟网络中，高的集聚系数和可达性可以增进企业之间正规的知识转移，促进网络中各企业的学习，从而提高联盟网络的创新性。中国企业的知识管理水平较低，法律体系也难以提供完全有效的知识产权保护。企业明白自己处于一个知识转移的安全性不能得到保障的环境中，而且自身也往往不具备完善知识管理体系，所以为避免自己的核心知识和先进技术被其他公司盗用或滥用，它们对其他公司会有所防备。如果在一个集聚系数和可达性都较高的网络中，这些企业不仅不敢积极地参与到知识转移和共享活动中，而且会更加担心知识外溢，从而导致了整个网络的创新性得不到提高。

不同的国家不同的文化背景，结构洞对创新绩效的影响也不同。在拥有集体主义价值观的中国，企业在局部网络中与其他的成员企业建立良好关系是非常重要的。处于结构洞位置的企业往往被认为是“脚踩两只船”，会遭到它所跨越的两个局部网络的不信任甚至排斥。因此结构洞不仅难以实现控制性收益，而且很可能对创新绩效带来不太显著的副作用，此结果与Xiao&Tsui的研究结果一致，他们的研究也证明了中国典型的集体主义文化将减弱结构洞的效果［5］。

本文也证实了企业进入样本前所拥有的专利数对创新绩效的显著正向影响。这一结果与国外学者的研究相吻合。Schilling和Phelps（2007）的研究发现样本前专利（Pre-sam⁃ple Patents）对企业创新绩效具有极为显著的正向影响。在Zaheer等的研究中证明了企业既往的创新能力对其之后的创新绩效也具有明显的表征作用。

（一）意义

根据研究结果对企业战略联盟活动以及政府相部门提出如下建议：

在中国汽车联盟网络中，高集聚系数和可达性对网络中企业的创新性没有影响。短期内已经处于联盟网络中的企业没必要再扩展与其他局部网络中企业的联盟关系，因为这样不仅不能提升创新绩效，反而还会增加交易成本。不过，从长远来看，这种情况应得到根本性的扭转。政府应完善市场经济体制，建立健全企业知识产权保护有关法律法规，形成一个有利于知识传播与共享的环境，企业也应提高自己知识管理的水平。从而使高聚集系数和可达性的联盟中企业的知识转移更加顺利，提高企业的创新性。

在中国汽车联盟网络中，结构洞在一定程度上不利于创新。因此，与美国企业对结构洞的热衷相反，中国企业应该避免占据结构洞位置，一旦占据结构洞位置，应该积极拓展企业网络关系，即为自身作为结构洞的两个合作伙伴“牵线搭桥”，使他们也建立联盟关系，从而形成封闭的网络，填补了结构洞。对相关部门而言，要努力改善企业合作创新的环境，完善现有的制度保障（如知识产权保护），从而消除企业间通过组建战略联盟进行合作创新的顾虑。

企业进入样本前所拥有的专利数对创新绩效有显著的正向影响。这表明了一个公司在进入样本前的知识储备、既往创新能力对其未来创新的重要性。因此对处在战略联盟网络中的企业而言，积累创新、建立和维护自己的知识库是非常重要的。

（二）局限性及展望

本文存在的局限性：首先，在建立汽车产业战略联盟网络时，我们采取了相对宽松的标准，建立了一个广泛的联盟网络。而Schilling&Phelps的研究中则采取了相对严格的标准——要求两条规则均满足才认为该联盟是目标行业的战略联盟［13］。其次，他们的研究中还包含了产业R&D密度、研发等控制变量，由于这些数据在中国收集的难度，本文没有包括这些控制变量。第三，由于专利公开申请存在滞后性，我们的专利数据更新到2010年，因此，本文的联盟网络邻接矩阵截止到2006年。随着数据库的更新，将在后续研究中相应增加邻接矩阵时间窗。

本文致力于研究中国汽车战略联盟网络特征对网络中企业创新性的影响。所得的结果与Schilling&Phelps的研究结果大相径庭。正如Lin et al以企业并购活动为例，证明了体制环境决定网络和学习行为如何影响一个组织的绩效。本文有助于理解不同的文化和制度背景对创作机制产生不同的影响，同样的，网络、文化和体制三者的交互作用对组织创新性的影响，将来也有待进一步的研究。

［1］Granovetter M.The strength of weak ties［J］.American Jour⁃nal of Sociology，1973（6）：1360-1380.

［2］Coleman J S.Foundations of Social Theory［M］.Cambridge：Harvard University Press，1990.

［3］Burt R S.Structural Holes：The Social Structure of Competi⁃tion［M］.Cambridge：Harvard University Press，1992.

［4］Ahuja G.Collaboration networks，structural holes，and innova⁃tion：A longitudinal study［J］.Administrative Science Quar⁃terly，2000（3）：425-455.

［5］Zhixing Xiao，Anne S Tsui.When Brokers may not Work：The Cultural Contingency of Social Capital in Chinese High-Tech Firms［J］.Administrative Science Quarterly，2007，52（1）：1-31.

［6］刘雪峰.网络嵌入性影响企业绩效的机制案例研究［J］.管理世界，2009（S）：3-12.

［7］Lin Z，Peng M W，Yang H，et al.How do networks and learn⁃ing drive M&As An institutional comparison of China and the United States［J］.Strategic Management Journal，2009，30（10）：1113-1132.

［8］Yang H B，Sun S，Li Z，et al.Behind M&As in China and the United States：Networks，learning，and institutions［J］.Asia Pacific Journal of Management，2011，28（2）：239-255.

［9］Uzzi B.The source and consequences of embeddedness for the economic performance of organizations：the network effect［J］.American Sociological Review，1996，61（4）：674-698.

［10］Uzzi B.Social structure and competition in interfirm net⁃works：The paradox of embeddedness［J］.Administrative Science Quarterly，1997，42（1）：35-67.

［11］Blundell R R，R Griffith J.Van Reenen.Dynamic count data models of technological innovation［J］.Econom，1995，105：333-344.

［12］Freeman L.A set of measures of centrality：I.Conceptual clarification［J］.Social Networks，1979（1）：215-239.

［13］Melissa A.Schilling.Interfirm Collaboration Networks：The Impact of Large-Scale Network Structure on Firm Innovation［J］.Management Science，2007（6）：1113-1126.

［责任编辑：程靖］

A Study on Performance of Strategic Alliances Inter-enterprise Innovation Network

ZHAO Yan，WANG Qi，GUO Xia-wan
（School of Management，Shanghai University，Shanghai 200444，China）

Social network analysis has been applying preliminarily to study effects of the characteristics of inter-enterprise in⁃novation network to innovation performance，but it is still at the initial stage.This paper empirically studies Chinese automo⁃bile industry strategic alliances.It combines social network analysis with negative binomial regression，and analyzes the rela⁃tionship between the network features and innovation performance of the enterprises.Finally，the paper concludes that，Chi⁃nese strategic alliance networks at different cultural backgrounds and market mechanisms，with or without the features of high clustering coefficient and accessibility，does not have any significant influence on innovation performance of the enterprises，and the advantageous structural hole location does not improve the innovation performance of alliance enterprises.

inter-enterprise innovation network;social network analysis;strategic alliances;innovation performance

F273.1

A

1007-5097（2014）01-0108-05

10.3969/j.issn.1007-5097.2014.01.022

2013-04-17

国家自然科学基金项目（71003069）；上海市教育委员会科研创新项目（10YZ23）

赵炎（1976-），男，重庆人，副教授，博士，研究方向：联盟和集群知识共享，知识转移；王琦（1987-），女，山东烟台人，硕士研究生，研究方向：联盟知识共享，联盟合作创新；郭霞婉（1989-），女，河南南阳人，硕士研究生，研究方向：联盟知识共享，联盟合作创新。