合作创新网络特征对技术创新绩效的影响
——以制造业为例

莫 琦 魏 冉

(1 常州大学教务处,江苏 常州 213164;2 常州大学商学院,江苏 常州 213159)

0 引 言

数字经济时代,经济全球化趋势的日益深化在给各国带来发展机遇的同时也使得技术竞争不断加剧。制造业作为实体支柱型产业,是实现经济高质量发展的着力点,制造业发展水平及科技创新能力代表了各国国际竞争力的强弱,决定了其世界政治经济地位。而中国的制造业作为关键发展领域,其核心技术对外依赖性强,创新体系整体技术成果产出效率较低,面临大而不强的发展困境,必须尽快寻找提高制造业企业创新能力的工具,解决“卡脖子”问题,从根本上提高企业科研水平与国家竞争力。

党的二十大报告提出,到2035年我国要实现高水平科技自立自强,进入创新型国家前列。从知识资源观来看,创新是对知识的产生、传递与应用的进化过程,是对个体内部现有知识与外部新知识进行重组配置的过程,需要丰富的知识存量与信息来源。因此,单个企业闭门造车的独立内化创新模式会导致其缺乏合作交流,难以获得最新外界信息,受到自身狭窄有限的知识储备量限制,研发风险较高[1]。由此可见,企业需要与高校、科研机构、政府等部门建立协同创新关系,通过资源与优势互补进行网络式集成创新以形成强而有效的合作创新网络[2],利用网络中丰富的信息知识与资源获取渠道提高自身知识存量,提升创新能力与效率,突破研发瓶颈。

创新绩效代表着企业的创新活动效率与技术成果产出水平[3],创新系统中主体间合作创新产生的绩效远大于各要素单独作用,高效的协同创新行为是提高整体创新网络创新绩效的关键。创新网络中的社会关系作为一种社会资本可以助力企业实现技术水平的非线性跃升[2],但关系强度的强弱会影响企业的创新效果与效率[4],网络中的创新资源也并非均匀分布,不同的网络中心化程度会造成不同的创新绩效[5]。因此,研究企业在合作创新网络中的关系强度与中心化程度对于技术创新绩效的影响机理,可以帮助企业挖掘并利用网络潜在优势,在优质的创新环境中高效开展创新活动。对于完成提高产业整体资源配置效率与自主创新能力这一长远目标来说,具有理论与现实意义。

1 理论分析与研究假设

1.1 创新网络

创新网络的概念最早由Freeman提出,国内学者王缉慈也有所补充,即创新网络由不同创新主体以及节点之间的联结关系构成,是各部门创新主体为进行系统性创新而形成的网络范式创新合作关系。网络节点包括企业、政府、高校和科研院所、中介机构与金融组织等部门。创新网络作为提高企业核心竞争力的关键路径,其中集中的经济活动和联合创新活动降低了企业创新的成本与风险,使企业获利于劳动力红利、规模经济与范围经济。

郭建杰等将合作网络分为产业网络与产学研合作网络,并认为不同性质网络的技术与知识链条中传递着不同比例的同质化与异质化知识[6]。杨雪等构建了成都高新技术产业开发区的创新网络演化模型[7]。企业间知识共享需求的存在结合正式的组织制度可以催生出知识交流合作网络,产生知识溢出效应[8]。创新网络中隐性知识的传播帮助企业家增进各自才能与生产管理能力,最终提高企业的劳动生产率与核心研发能力[4]。同时,知识资源的流动为企业进行研发与非研发活动奠定了基础,非研发活动如改良产品生产线与包装等,有效延长了创新成果的生命周期,提高了技术创新绩效[9]。

1.2 度数中心度与技术创新绩效

中心性可以衡量企业距离网络中心位置的远近,是对于组织权力的量化分析,反映企业对于网络中社会资源的掌控程度[10]。度数中心度代表网络节点在合作创新网络中与其他节点联系的范围与宽度,是衡量企业的网络中心化程度的关键指标[5]。Kim研究了网络位置对企业创新方式与效率的影响,发现较高的度数中心度会使企业拥有一定的信息获取优势[11]。李敏等以江西为例,实证研究证实了处于创新合作网络中不同位置的企业拥有不同类型与数量的资源,位于中心位置的企业技术产出水平最高,节点中心度正向影响技术创新绩效[12]。

高度数中心度的企业位于网络中心位置,建立了较多的外部合作关系且能够接触丰富多样的知识资源,在开展创新活动时将互补性技术与知识进行整合吸收,可以提高技术创新效率[13]。同时,企业获取信息的渠道越多,对外界行业动态与环境变化情况的感知度越高,能够及时掌握社会需求并调整研发方向,因此创新的不确定性与风险相对较低[14]。综上所述,本文提出假设H1:度数中心度对企业技术创新绩效有正向影响。

1.3 网络关系强度与技术创新绩效

吴松强等将创新网络中个体与其他主体之间的联系密切程度定义为网络关系强度[15],可以衡量企业在创新网络中的嵌入程度[4]。网络关系强度根据企业与其合作方之间的合作时间长短和范围大小可以分为强关系与弱关系。强关系代表企业间频繁接触,有长期互利关系以及持续、重复且稳定的深度合作,管理者之间高度信任,资源共享程度较高,通常容易获得最新的知识与技术资源,因此强关系对于企业来说是一种有利的社会资本。而弱关系不需要关系承诺与投资,资源共享与互惠程度较低,因此企业难以获得技术多元化所需的外部创新资源[13]。李言睿等分析了创新网络的结构特征对企业技术创新绩效的影响路径,研究发现网络关系强度正向影响企业知识存量,合作过程中知识的流动与共享助力企业提高创新绩效[3]。黄艳等对中小企业进行问卷调查,证实网络成员间信任程度会随着其建立联系的时间的推移而递增,强关系有利于网络中隐性知识的传播与扩散,关系强度正向影响创新绩效[4]。综上所述,企业之间关系联结越紧密,信任度越高,可以有效避免机会主义行为的发生,降低组织成本和信息搜索成本,获取信息与控制收益,提高创新活动的效率与成功的可能性。因此,本文提出假设H2:网络关系强度对企业技术创新绩效有正向影响。

2 模型设计

2.1 样本选择与数据获取

江浙沪地区是中国的创新活跃地带,位于该地区的企业将知识产权以专利形式进行保护的概率较高。将江浙沪地区的制造业上市公司与中国科学院发布的2022年智能制造50强中的上市公司作为研究样本,剔除ST、*ST的样本,得到479家制造业A股上市公司。专利数据的公开一般存在一年半的滞后期,选择2017—2021年作为样本研究区间。以此为基础,在国家知识产权局的专利分析与检索界面手动检索各企业专利申请数据,剔除多年无专利产出以及连续5年没有合作专利的公司,最终得到135家上市公司作为研究样本。

2.2 因变量测度方法

专利作为保护知识产出的有效机制,专利数据具有权威性、公开性,是与新产品新技术密切相关的指标,在实证论文中多被用来测度企业创新绩效。专利从申请到授权需要18～36个月,在此期间容易受外部环境影响导致授权失败,专利申请数比授权数更能代表企业的实际创新能力[10],因此使用专利申请数据作为研究基础。专利分为发明专利、实用新型专利、外观设计专利三种类型。其中,发明专利与实用新型专利的技术含量较高,很大程度上代表了企业的技术成果产出效率与能力,而外观设计专利与企业科技研发能力的相关性较低,因此仅用发明专利与实用新型专利的申请数量衡量企业技术创新绩效。

2.3 自变量测度方法

联合申请专利指两个或以上创新主体共同申请的专利,可以反映知识与信息在主体间的流动,且具有规范化与标准化的特征[6],因此可用联合申请专利数代表创新主体间的合作关系与协同创新情况。

度数中心度(PC)分为相对度数中心度与绝对度数中心度。网络节点的绝对度数中心度用与该节点建立直接合作关系的节点数量表示,但这种测量方法没有考虑到整体合作创新网络,因此具有局部性[6]。相对度数中心度以绝对度数中心度与网络中最多可能存在的关系数之比计算得出,在网络总节点数不同的情况下可以有效衡量节点中心性,因此使用相对度数中心度测量企业在网络中的中心化程度。

网络关系强度(RE)指创新合作网络中主体之间联系的深度。胡欣悦等用两个行为主体间建立合作关系的次数衡量网络关系强度,主体间信息交换与知识共享行为越多,网络强度越高[16]。借鉴相关学者的研究,下文将网络中各类创新主体作为节点,两个主体之间建立合作关系的次数,即合作申请专利数量,作为节点连线数值。将一个节点的合作频次之和与其合作主体数量之比作为测度节点网络关系强度的指标[17]。

2.4 控制变量的选择与测度方法

借鉴相关学者的研究,选择与公司基本情况相关的指标作为控制变量以控制个体特征可能对企业技术创新绩效产生的影响,具体包括:企业成立年限、研发人数、财务杠杆、市场势力。本文对设计的主要指标进行梳理,变量定义与说明见表1。

表1 变量定义与说明

2.5 模型构建与方法选择

由于因变量技术创新绩效属于整数计数变量,需要使用泊松回归或负二项回归模型来分析变量之间的关系。使用泊松回归分析方法要求数据的均值与方差接近[6],而表2的描述性统计结果显示,专利数量的标准差1 316.388是均值345.8的3.8倍,不满足泊松回归的数值等离散要求。进一步使用数据分析软件stata15检验数据存在过度离散的可能性,结果显示因变量过度离散,因此泊松回归模型不适用于本文。为避免参数估计误偏,本文采用更适合处理分散数据的负二项回归模型进行回归分析。对研究数据进行豪斯曼检验,结果表明随机效应模型不适用于本文,因此研究中所有模型均使用年份固定效应进行回归分析。

表2 变量的描述性统计与多重共线性检验结果

综上,建立的回归方程如下:

patent=β0+β1RE+β2PC+β3age+β4person+β5Lev+β6MP+ε

(1)

3 实证结果分析

3.1 数据描述

由表2变量的描述性统计结果可知,企业技术创新绩效的均值为345.8,说明总体上制造业企业的创新行为较活跃。企业技术创新绩效的标准差为1 316.388。标准差可以体现数据的离散程度,标准差较大说明创新网络中企业间创新能力存在一定差距,个别企业技术创新绩效有较大的提升空间,需要制定相应的经营发展战略。相对度数中心度的均值为0.007,表示创新网络中每家企业平均与0.007个组织建立直接合作关系,合作伙伴较少。网络关系强度的均值为10.886,表明很多企业拥有固定合作对象,企业间信任程度的高低较大程度影响合作关系的再次建立。

采用方差膨胀因子对变量间多重共线性进行检验,结果见表2。发现所有变量的VIF值都小于2,变量间相关性符合要求,模型不存在多重共线性,使用该模型进行拟合估计得到的回归结果可信。

3.2 回归分析

对各变量进行回归分析,进一步检验变量间相关关系,表3是基于固定效应的负二项回归结果。模型1只加入控制变量与被解释变量,模型2在模型1的基础上加入解释变量网络关系强度,模型3在模型1的基础上加入解释变量度数中心度,模型4在模型3的基础上加入解释变量网络关系强度,包括所有变量。

表3 变量的固定效应负二项回归结果

由模型3可知,度数中心度对技术创新绩效的影响系数值为26.258,在1%水平上显著(β=26.258,p<0.01),假设H1成立。企业在创新网络中的度数中心度越高,创新能力越强,技术创新绩效越高。说明处于网络中心位置的企业拥有较高的网络权力与多元化的科技资源,位于网络边缘位置的企业可以主动与位于中心位置的企业建立合作互利关系,向网络中心位置发展从而提高创新绩效[6]。

由模型2可知,网络关系强度对被解释变量技术创新绩效的影响系数值为0.010,在1%水平上显著(β=0.01,p<0.01),假设H2成立。企业在创新网络中关系强度越大,技术创新绩效越高。说明企业间长期合作关系的建立有利于关键知识与隐性知识的传播,增加企业知识存量,最终实现提高技术创新绩效的目标。

模型4包括了所有变量。由模型4可知,度数中心度对创新绩效的影响系数值为19.758,大于网络关系强度对于创新绩效的影响程度(0.008)。说明创新主体建立更多的合作关系要比加深现有合作关系的深度更利于企业进行突破式创新。可能是因为关系维护需要成本,强关系的互惠性要求企业为合作方的利益考虑,会在一定程度上影响其对于研发活动的投入。同时,强关系为企业提供的信息重复率较高,同质化知识多于异质化知识的数量,知识与信息的可利用价值偏低,因此网络关系强度对于企业技术创新绩效的影响程度较低。

3.3 稳健性检验

创新资源投入后,从创新思想的产生到成果产出需要一定时间,即创新成果产出具有一定程度的滞后性。因此对被解释变量技术创新绩效做滞后一期处理,回归结果见表4。发现在稳健模型中核心解释变量相对度数中心度与网络关系强度对被解释变量技术创新绩效的影响系数值依然为正,且在1%水平上显著,因此结论仍然成立,回归结果稳健。

表4 稳健性检验回归结果

4 结论与启示

度数中心度与网络关系强度分别代表合作联系宽度与深度,两者均对技术创新绩效有正向影响。因此企业要扩大产业视野并实施技术多元化发展战略,在开放式经济背景下,积极寻求基于共同利益的企业间合作机会。在维持现有合作关系并不断加深合作深度的同时,注意突破网络边界,建立新合作联系,凭借雄厚的社会资本形成独特竞争优势,在激烈的竞争中实现可持续发展。

高校和科研院所拥有丰富的知识资源与人力资源,是知识传递的重要枢纽与交换池。企业协同高校建立创新联盟有利于高校掌握最新社会需求,及时更新研究方向与发展领域,提高科技成果转化率。企业也可以借助高校先进的科研资源帮助自身进行创新研发活动,做到合作共赢。

对于政府而言,一要注重科研人才培养工作,提供相应的资金支持与政策保障,不断扩大科研队伍。二要主动担任信息桥角色,因势利导,帮助企业与其他创新主体建立合作创新关系,并建立完备的创新基础设施,使创新网络发挥出最大优势。三要不断优化知识产权保护政策,只有企业的知识产权得到保护,研发的成果得到保障,企业开展科技研发的积极性才会提高,最终达到提高产业整体技术创新绩效的目的,助力中国进入创新型国家前列。