集群内知识溢出、知识势能与集群创新绩效

杨皎平，侯 楠，王 乐



集群内知识溢出、知识势能与集群创新绩效

杨皎平，侯 楠，王 乐

(渤海大学管理学院，辽宁锦州 121013)

集群内企业间的知识溢出是影响集群企业技术创新的重要因素，但知识溢出对集群创新是推动还是阻滞，学术界尚未定论。本文提出“知识势能”的概念，并将其分为两个维度：“共享性知识累积度”和“企业间知识差异度”。在此基础上首先建立了研究框架，然后采用数学模型和实证分析研究了集群内部知识溢出对集群技术创新绩效的影响。结果显示集群内企业间知识溢出对集群技术创新绩效具有双向影响，表现为随着知识溢出的增加，集群创新绩效呈倒U型变化。

产业集群；知识溢出；知识势能；创新绩效

0引言

产业集群的形成和发展，导致了企业边界的弹性扩张和企业行为的变化。集群中每个企业的技术创新行为不再是孤立的，而要受集群内部其他企业的影响。理论界和实业界普遍认为产业集群的诸多特性对集群的技术创新具有重要影响，如地理邻近、知识溢出、社会关系嵌入、文化嵌入、内部竞争氛围均被认为是影响技术创新的重要因素。其中知识溢出与产业集群的内生互动性关系决定了知识溢出是影响集群技术创新的主要变量，但知识溢出对技术创新的作用是推动还是阻滞？这个问题在国内外学者当中一直存在较大的争议，关于知识溢出对产业集群创新的推动作用，学者们主要从三个方面进行了论述：⑴知识溢出有利于集群企业之间的相互学习，⑵知识溢出促进了知识扩散，可以促进整个集群的技术创新，⑶知识溢出增加了集群的知识积累，有利于进一步的知识创造；关于知识溢出对技术创新的阻滞效应也表现在三个方面：⑴主动的知识溢出所形成的共享性知识具有公共产品的性质，容易造成“搭便车”现象，从而遏制了合作创新的成功，⑵被动的知识溢出所具有的外部性打击了知识溢出方的创新积极性，⑶知识溢出的风险降低了合作创新的意愿。

为什么对同一问题的研究，不同学者会得到截然相反的结论呢？这与学者们的研究视角、选取的产业集群类型和发展阶段不同有密切关系，因此有必要对知识溢出影响集群创新绩效的内在作用机理进行动态的、辩证的分析。本文试图在相关研究成果的基础上，从集群整体层面出发，通过引入集群的“知识势能”这一中间变量，建立一个集群内知识溢出与集群创新绩效的分析框架，解析知识溢出对集群创新推动和阻碍的内在原因，并分别采用理论和实证两种方法研究知识溢出对集群创新绩效的影响。

1文献综述

如前所述知识溢出是促进了集群技术创新，还是阻碍了集群技术创新？或者知识溢出在什么范围内更利于集群企业技术创新？学术界尚未定论。

Freeman认为集群内知识溢出效应促进了集群经济增长和集群创新网络发展，是集群创新产出和生产率提高的源泉[1]；Saxenian对硅谷计算机产业进行案例分析，发现雇员的高流动性所带来的知识溢出效应是硅谷计算机产业集聚经济的重要来源[2]；Baptista研究发现个人联系、企业网络以及企业间的相互作用促进了知识溢出，成为集群创新的内在原因[3]；Cassar和Nicolini研究认为临近区域间的知识溢出提高了彼此创新成功的可能性，进而促进了区域发展[4]；国内学者魏江以杭州软件产业集群为例，认为产业集群凭借知识溢出使得企业在地理上的集聚和创新产出之间形成良性的互动[5]；陶锋以国际代工联盟的技术创新为例，认为知识溢出对联盟的技术创新具有重要促进作用，且隐性知识溢出对技术创新的促进更明显[6]。

以上学者充分肯定了知识溢出对集群创新的积极作用，然而也有学者认为知识溢出对集群的技术创新具有消极影响，要提高集群的创新绩效，必须加强知识产权保护，降低知识溢出。Romer认为知识溢出使得创新成为公共物品，知识溢出使创新的收益发生外溢，从而降低了企业的创新动力[7]；Kanwar和Evenson发现知识产权保护对区域经济的研发投资具有显著的正向作用，加强知识产权保护能激励技术创新和科技进步[8]；Lederman和Maloney基于发达国家和地区的样本数据实证分析发现，知识产权保护水平与技术创新绩效显著正相关[9]；Leger的研究则说明无论发达还是不发达国家和地区加强知识产权保护都有利于技术创新[10]；国内学者杜伟认为由“知识溢出”和“市场溢出”而导致创新的“利益溢出”，严重损害创新者的应得利益，降低R&D的积极性[11]。杨皎平采用系统动力学研究了知识溢出的负效应，认为知识溢出在一定程度上削减了合作双方的意愿和积极性，阻碍了合作创新的产生和实现[12]。

相对于这两类对立的观点，部分学者辩证地分析了知识溢出对技术创新的影响。Donoghue和Zweimuller从知识产权保护广度的角度提出知识产权保护与技术创新之间存在倒U型关系假说[13]；Park将该领域的一系列非线性提法归结为“最优知识产权保护假说”[14]；按此逻辑集群企业之间也存在最优的知识溢出水平，国内学者赵书松等认为知识溢出具有两面性，一方面知识溢出有助于个体和组织的学习，进而提高了创新能力，但另一方面知识溢出也具有创新抑制效应、组织利益挤出效应和组织内旁观效应等负效应[15]；邬爱其则从知识外部获取战略的角度研究出发，认为本地的知识搜索深度对创新绩效具有倒U型影响[16]，并指出产业集群中存在“本地知识冗余”和“本地网络锁定”问题，需要对用本地知识和全球知识进行平衡。

本文认同上述第三种观点，即集群内部的知识溢出对技术创新兼具有推动和阻滞作用，因此在产业集群的发展过程中，应该追求一种合理的、最优的知识溢出水平，知识溢出不足和知识溢出过度对集群式创新都是不利的。从集群整体的层面来说，虽然学者们已经注意到了知识溢出对技术创新的双向影响，但只有少数研究主要从实证的角度验证了这一规律，而关于这一规律的机理性研究则不够充分。与以往研究相比，本研究有如下不同。

(1)通过引入集群“知识势能”这一中间变量，建立一个集群内知识溢出与集群创新绩效的分析框架，试图解释知识溢出所蕴含的创新优势和创新劣势，并分别采用理论和实证两种方法研究知识溢出对集群创新绩效的影响。

(2)将集群“知识势能”分解为集群“共享性知识累积度”和集群“企业间知识差异度”两个维度，然后分别研究集群知识溢出对这两个维度的影响，以及两个维度对集群创新产生的具体影响，这是以往的研究没有尝试过的。

(3)通过对集群“知识势能”的分解，分析了知识溢出对技术创新影响的最优路径。

以下首先在相关理论的基础上提出理论框架和涉及到的相关概念，然后采用数理模型对这一理论进行描述和推理，接着提出研究假设，进行研究设计和实证分析，最后得出研究结论和管理启示。

2 “知识势能”概念的提出和理论框架构建

借助物理学中“体由于某一个位置而必然具有一定的势能”的理论，可以认为集群环境下进行技术创新的所有企业共同组成一个知识场，集群中的每个企业成为一个知识主体，产业集群的技术创新能力取决于该知识场的知识势能。物理学中重力势能的定义为，其中为常数，代表物体的质量，代表物体的高度，从某种角度来说代表了一个存量的概念，则代表了距离和差异性的一个概念，仿照这一定义，假定产业集群的知识势能为E=g×KM× KH，其中代表集群共享性知识的累积度，代表集群企业间知识的差异度，这样集群知识势能的大小与集群共享性知识累积度、集群企业间知识的差异度的乘积成正比。

实质上，“知识势能”这一概念并不是本文的独创。李莉等借鉴弹性势能提出了知识位势的概念[17]，并定义知识位势KP=½M[(KW,KD)]2，其中M为知识主体在领域的知识存量，代表知识宽度，代表知识深度，(KW,KD)代表了知识主体之间的差异度。李莉的概念与本文的区别在于，前者从单个企业的角度定义知识位势，而本文则从集群整体的角度定义知识势能，在一个企业网络组织中，对应前者的定义，不同企业具有不同的知识位势，而本文的定义则说明由不同企业所构成的网络组织具有一个共同代表网络创新能力的的知识势能。此外杜静所提出的“知识位势”的概念则说明了不同知识主体所拥有的知识的量和质的差别[18]，因此有高位势知识主体和低位势主体之分，并认为知识的扩散从高位势主体流向低位势主体；高勇所提出的“创新势能”则为创新动力和创新资源的乘积[19]，其认为要提高集群创新能力除了实施创新激励外，还需要有创新资源的保证；余泳泽在研究外商投资对我国技术创新的影响时，提出了“技术势能”的假说，并指出技术势能为内外资企业间技术差距和外商投资进入程度的乘积[20]。

本研究的理论基础主要有技术创新的知识观和知识创造模型，虽然这些理论并没有提到集群“知识势能”的概念，但为运用知识势能分析知识溢出和创新绩效的关系提供了启发和参考。

2.1技术创新的知识观

基于知识的企业观，产业集群的技术创新就是产业集群的知识创造，Drucker认为创新是运用旧知识来产生新知识[21]。Nonaka 和Takeuchi指出创新是在一定的知识基础之上不同知识主体之间交互学习、螺旋式上升过程[22]；Dewar和Dutton进一步指出，创新的理论模型应该考虑到知识的分布：知识的深度和种类的多样性[23]；Gambardella 和Giarratana也指出为了提高组织的创新绩效，应该同时重视外部知识资源探寻和内部知识的积累[24]。借鉴组织社区的概念，杨皎平等提出了“学习空间”的概念，其认为产业集群为群内的企业提高了一个学习空间，并将学习空间分解为知识深度和知识宽度两个维度，指出产业集群知识的深度积累和知识的多样性是集群创新的两个必要条件[25]。本文将集群“知识势能”定义为集群共享性知识累积度和集群企业间知识差异度的乘积，认为集群知识势能代表了集群技术创新的潜在能力，这与上述学者的研究结果是一致的，即充分肯定了知识创造所需的知识存量和多样性。

2.2知识创造模型

关于知识创造模型的研究最具代表性的是SECI模型，该理论认为作为知识创造的理论架构主要有两个维度，即知识的存在维度和知识的认知维度，并认为知识创造经由共同化、表出化、联结化和内在化四个步骤螺旋形成，并指出冗余性和多样性使促进知识创新的重要条件[26]。集群内部的知识溢出增加了集群的共同知识，奠定了集群知识创造的知识基础，正是这些对每个集群企业来说存在冗余的共同知识才能使得知识的转移、联结成为可能，但是如果没有知识的多样性，知识创造螺旋中的相互学习、汇总组合过程将被割裂，从而无法完成知识的进一步创造，因此如果产业集群内知识溢出过度，损害了集群知识的多样化，同样不利于集群技术创新。

相对于SECI模型中“巴”的概念，国内学者提出了知识场的概念[27,28]，芮明杰详细论述了“巴”与“场”的共性与区别，共性体现在两者都是知识以及知识载体发生作用的平台，不同之处在于知识场是知识源发散出来的知识构成的一种氛围，知识场是在知识源之间互动创造出来的过去知识的积累，并不断吸收外部知识而动态发展的[27]。马淑文的研究认为企业知识结构所拥有的知识存量与知识场的场强正相关，企业知识互补性、企业知识结构的复杂性与知识创造正相关[29]。

基于上述的理论基础，本文认为集群知识势能是具有一定共同知识存量的集群因为集群内部存在知识差异性而具有进一步创新的潜能。由此推知，学者们从不同角度发现的知识溢出对集群技术创新绩效存在促进作用、阻滞作用抑或是倒U型影响，均具有一定的研究前提和背景。当集群的共享性知识存量不足，而集群企业间知识的差异度较大时，增加知识溢出会促进集群的技术创新；当集群的共享性知识存量比较丰富，而集群企业间知识的差异度较小、缺少知识的多样性时，增加知识溢出会阻滞集群的技术创新；而在产业集群技术创新的整个生命周期内、一味鼓励知识溢出的政策必然会导致集群技术创新的倒U型变化。

基于以上分析，认为集群的技术创新需要从集群共享性知识的累积度和集群企业间知识的差异度两个方面来加强，以提高集群的知识势能，因此提出如图1所示的理论框架，下面首先建立数理模型对这一理论框架进行深入的机理分析，然后提出相应假设进行实证分析。

图1 集群内知识溢出、知识势能和创新绩效的关系

3群内知识溢出与集群创新绩效的数理模型

本研究以技术创新的知识观和知识创造模型为基础，因此在数理分析时，需要建立知识创新函数。通过对国内外相关文献的整理发现，常用的生产函数有Griliches-Jaffe生产函数、Romer和Jones生产函数、基于空间计量经济学的生产函数和基于泊松模型的生产函数，这些生产函数中以Griliches-Jaffe生产函数使用最多，其函数形式采用了C-D生产函数的表示方法，根据上述集群知识势能的分析，借鉴了Griliches-Jaffe生产函数和C-D生产函数建立了集群知识创新函数，在此基础上进行分析。

3.1模型假设

(1)第个周期集群的知识创新函数IK=AKMKH1-α，其中代表集群的知识产出，代表集群的共享性知识的存量，代表集群企业间知识的差异度，为常数，0<1为弹性系数。

(2)第个周期集群的经济性产出为知识产出的线性增函数：=0+1，即集群的经济绩效随着创新绩效的增长而增长，因而有0+1AKMKH1-α。

(3)第个周期集群经济产出的用途分为三部分：产品生产投资IN、鼓励集群企业间知识溢出(增加集群共有知识累积度)的投资IN，鼓励增加集群知识多样性的投资IN，因此Y=IN+IN+ IN，在生产性投资IN给定的情况下，IN+IN=Y–IN，因此IN与IN此消彼长，即当鼓励知识溢出时，必然降低了知识的多样性。

(4)集群共享性知识累积度的变化满足：=IN–δKM，集群企业间知识差异度的变化满足=IN–δKH，其中代表知识的过时或衰减率。

(5)集群的效用函数为为产品生产性投资IN的增函数(IN)，根据效用函数的假定，令(IN)=IN1–θ/(1)，满足(IN)= IN1–θ>0，(IN)=–θIN1<0，令效用函数的贴现率为。

3.2模型建立与分析

根据上述假设，得到产业集群的跨期目标函数为：

根据模型假设，需要满足约束条件(2)、(3)、(4)

IN+IN+IN=β0+1AKMKH1-α(2)

=IN–δKM (3)

=IN–δKH (4)

经过化简，得到集群经济对应的最优化问题如(5)所示。

该最优化问题的两个状态变量是集群共享性知识累积度和集群企业间知识差异度，决策变量为产品生产性投资IN和鼓励集群企业间知识溢出的投资IN。

构建该最优化问题对应的Hamilton函数：

一阶必要条件为

(6)

(8)

(9)

式(6)关于微分并与式(8)联立得到得到：

由此得到集群的经济产出用于产品生产的投资增长率为：

(11)

联立(7)、(8)、(9)得到

结合(2)、(3)、(4)以及(11)可以得到

(13)

3.3模型结论

式(13)说明，要使得集群经济的跨期目标最大化，产业集群应该在产品生产、集群共享性知识存量增加、集群企业间知识差异度增加三个方面以相同的增长率进行投资。

式(12)和式(14)说明，产业集群应该将集群共享性知识存量和集群企业间知识差异度保持在一定的比率上，同时在每个阶段对共享性知识累积度增加(知识溢出)的投资与知识差异度增加的投资也应该维持在一定的比率上。

根据上面的模型分析，可知当知识溢出的投资速度IN>αIN[1α(1-α)1-α-]/()+αδIN/ (1-)，从而使得集群共享性知识累积度大于企业间知识差异度一定倍数时(即>(1-))，集群经济无法到达跨期目标的最大化；反过来当知识溢出的速度IN<αIN[1α(1-α)1-α-]/()+αδIN/(1-)，从而使得集群共享性知识累积度小于企业间知识差异度一定倍数时(即<(1-))，集群经济也无法到达跨期目标的最大化，即IN=αIN[1α(1-α)1-α-]/()+αδIN/(1-)为最优的知识溢出，集群经济随知识溢出的变化呈现倒U型变化。同理由于容易证明集群的知识生产函数集群经济性产出的跨期优化值也随知识溢出的变化呈现倒U型变化。

之所以会出现集群内知识溢出对集群生产绩效、创新绩效和经济绩效的倒U型影响，是因为当集群的共享性知识(集群共同知识存量)比较少时，集群企业之间进行协作创新时由于知识的冗余少、缺乏对产品研发共同的认识，从而出现沟通和协调的困难，此时集群知识创造的瓶颈为集群共享性知识累积度，而集群知识的多样化对知识创造无法完全发挥作用，此时应当增加知识溢出，将私人知识变为共同知识，减少知识的多样化，增加集群共同知识存量，必然会增加集群的创新绩效；但是如果不断的追求知识溢出，必然使得集群共同知识存量相对较多，而集群企业间知识的差异度相对较小，出现集群知识的同质化严重，此时集群知识创造的瓶颈为知识差异度，集群共享性知识积累无法完全发挥作用，知识溢出的继续增加只能减少集群的创新绩效。因此集群的创新绩效需要平衡好集群共享性知识累积度和集群企业间知识差异度，以保证集群知识势能的合理化。

上述基于数理模型的机理分析以集群共享性知识累积度和集群企业间知识差异度为状态变量分析了集群内部知识溢出对集群企业技术创新的影响，下面围绕图1和上述的分析进行实证研究。

4实证分析

在图1及以上的分析中用到了集群“共享性知识累积度”和集群“企业间知识差异度”的概念，为了对图1所示的关系进行实证，有必要对这两个概念进一步解释。

集群内部的知识溢出提升了成员企业间知识的共享水平，使集群企业在不断扩散知识的同时，又能获取其它企业的知识，从而大大增加了“集群共享性知识的累积度”，有利于集群的整体创新水平；但是知识溢出会导致创新所需要的知识多样性退化，集群降低了“企业间知识差异度”，又会降低集群的创新力。

在集群知识势能的理论框架下，定义集群共享性知识累积度为：通过集群企业间知识的溢出和扩散而形成的集群整体所共有的知识存量水平；定义集群企业间知识差异度为：由于集群内部不同企业获取知识的方式和途径不同，而导致的集群企业间知识多样性程度。

4.1假设提出

集群企业之间通过知识溢出、知识转移或者知识共享可以增加集群的共享性知识存量，相关学者的研究结果从侧面支持了这一结论。Hendriks认为只有通过员工之间的知识共享，才能使得个体层面的知识上升为组织层面的知识，才有利于发挥知识的协同效应[30]；Mowery等也认为企业间的知识转移可以扩大企业的知识存量，进而使得各相关企业的竞争力得到同时提高[31]，Kotabe等也支持这一观点[32]；杨玉秀认为欲使合作各方的知识变成合作创新的共有知识，就需要合作各方把各自的私有知识主动贡献出来，此时就存在一个知识的溢出过程[16]；黄志启利用动态面板数据模型实证分析得出知识溢出的长期效应为产业集群中知识存量的增加[33]；上述研究成果均认为知识溢出是增加共同知识的主要途径，因此提出如下假设：

H1：集群内知识溢出与集群共享性知识累积度的增加正相关。

Bogenrieder和Nooteboom研究指出组织间知识溢出的方法可能导致手段与程序的统一性，限制了新知识发展所需要的多样性[34]；Abrandhamson和Fombrun从组织学习的角度指出基于本地的学习会导致组织间的同构和锁定[35]；吴晓波和耿帅认为集群内部企业之间过度的知识溢出会导致企业认知和行为的趋同、战略的相似[36]；朱方文认为集群企业通过相互模仿及相互影响，往往会形成相同或类似的组织形态、组织文化及操作惯例，所以集群学习和知识共享刚性会带来集群企业战略趋同风险[37]；实质上组织间的知识溢出和组织间知识的多样性一直以来都是一对矛盾，因为组织间知识溢出以及与之伴随的组织间学习本身在某种程度上就是关于某知识达成共识、一致的过程。基于此提出如下假设：

H2：集群内知识溢出与集群企业间知识差异度的增加负相关。

从集群层面对知识累积度和技术创新的研究成果较少，但很多学者从微观企业的角度研究了两者之间的相互关系，Walsh和Ungson研究认为企业的知识存量提供企业吸收外部知识的能力基础，有利于提高企业的创新绩效[38]；Thor- nhill的研究也发现企业知识存量水平越高，创新数越多[39]；王国红基于知识场的理论在研究集成创新时指出组织的“知识能”不仅与组织的知识存量正相关，也与场源的知识存量正相关[28]；马淑文的研究也发现当知识结构存储的知识量越多，越能促进知识结构中各层次知识的双向流通的，这种良性的互动关系能缩短知识源之间的空间距离，增加相互信任，从而有利于协同创新[29]；当然也有学者持不同的观点，如Romer认为现有知识存量对研发活动有重要影响，一方面，过去的发现可能提供思想和工具，从而使得将来的新发现更为容易，另一方面，最先得到的发现可能越容易，因此知识存量越大，得到新发现越难；本文认为不论对于单个企业还是多个企业构成的产业集群，整个组织的知识存量对技术创新总是存在正向影响的，而无论其边际效益是递减的或者是递增的，因此提出如下假设：

H3：集群共享性知识累积度与集群的创新绩效正相关。

著名的知识创造模型SECI指出创新是一个交互学习的过程，知识的多样性是促进知识创新的重要条件之一[25]；Dewar和Dutton也指出创新的理论模型应该考虑到知识的分布，要兼顾到知识的深度和知识种类的多样性[23]；王培林在研究知识创造模型时认为组织学习是知识创造的基础，并指出知识创造有三种形式：知识转化、知识构建和知识结合[26]，而无论在组织内部还是组织间知识的多样性都是组织学习和知识结合的基础；其实很多学者在其研究中均强调了知识多样性和知识创新的关系，如魏江和徐蕾认为集群企业应该同时潜入到本地与超本地知识网络中，并实现两者功能的有机整合，才能为集群企业提供异质性资源与动力[40]；杨皎平等提出学习空间的概念，认为集群企业即应该追求知识的深度也应该追求知识的宽度，以期达到共同认识和多样性的平衡[25]；根据知识创造的螺旋规律，集群企业的共同知识基础过低，企业不能有效整合其它企业的知识到自己的知识螺旋，但如果集群内知识高度雷同，集群企业很少能从彼此交流中获得新知识，对集群的创新绩效也是不利的，基于此提出如下假设：

H4：集群知识的差异度与集群的创新绩效正相关。

相关学者的研究结果以及前述的理论分析指出，知识溢出使得集群内单个企业的私有知识变为集群的共有知识，增加了集群的共有知识累积度、增加了集群企业间知识的冗余，为集群企业间的协同创新提供了相互合作的基础；但正是因为知识溢出所具有的将私有知识公有化的特点，使其在增加集群共享性知识存量的同时会降低了集群企业间知识的差异度，甚至导致组织文化及操作惯例都趋于同构，从而又使得集群企业之间的互动交流、协同创新变得没有必要，因而无法发挥集群的创新优势，更有甚者出现学者们发现的创新惰性[16]和搭便车现象[11]；本文提出集群知识势能的概念，并认为知识势能与集群共享性知识累积度和知识差异度的乘积成正比，即认为集群的知识溢出应该兼顾到集群共同知识存量和知识差异度的平衡，使得知识势能最大化，才能保证集群获得最大的创新潜能。因此本文认同相关研究者提出的知识溢出与技术创新呈倒U型关系的论述，提出如下假设：

H5：集群内知识溢出与集群的创新绩效呈倒U型关系。

为了验证上述假设，令集群内部的知识溢出为，集群共享性知识累积度为，集群企业间知识差异度为，技术创新绩效为结合理论分析的内容上述假设可以用如下几个函数关系式表达。

01(15)

=ν0+ν1(16)

ln=0+1ln2ln(17)

=0+1+22+(18)

其中H1对应1>0，H2为1<0，H3为1>0，H4为2>0，H5为2<0。

4.2变量定义与问卷设计

对集群内知识溢出的测度借鉴Kesidou和Romijn[41]、陶锋[6]等文献，由"经常免费或低成本从本地获得新技术"、"经常免费或低成本从本地引入新产品"、"经常免费或低成本从本地获得新工艺"、"经常免费或低成本从本地获取行业技术发展趋势的信息"、"经常免费或低成本从本地获取管理技能和经验"5个题项来测量；对集群共享性知识累积度的测度借鉴耿帅[42]和朱方文[37]等文献中"共享性资源"和"共享性资源刚性"的概念，由"长期以来贵企业的经营思路与本地同行业企业相一致"、"本地企业在产品生产和技术研发方面有共同的特色"、"本地的企业相互之间形成了配套与分工的合作体系"、"本地企业产品生产的工艺日趋相似"4个题项来测量；对集群个体知识差异度的测度由"本地企业获取关键技术的途径不一样"、"本地企业的产品销售渠道和销售方式不一样"、"贵企业能够受益于其它企业资源的多样性和异质性"、"本地企业的境外合作伙伴不一样"4个题项；集群的创新绩效参考了杨皎平[25]和李庆满[43]的调查量表,采用了"集群新产品数或申请的专利数逐年增加"、"集群新产品产值占销售总额的比重日益增加"、"集群新产品的开发速度逐渐加快"，"集群创新产品的成功率相对提高"4个题项来测量。

将被调查产业集群的产业因素，政府因素、以及与科研院所的互动因素设定为需要加以控制的因素，具体为：①产业因素由“行业的竞争程度较高”等6项问卷，②政府因素由“政府大力支持地方产业园区的建设”等3项问卷，③与科研院所的互动因素由“本地诸多企业与相关科研院所经常进行产学研合作”等5项问卷。另外将被调查企业的年龄、规模、行业性质、所在区位和研发投入也作为控制变量引入，其中令企业的年龄、规模和研发投入为常规变量，令行业性质和所在区域为虚拟变量。

在实际调查中，采用了七分度的李克特式量表法对变量进行定义和测量。

4.3样本

调查问卷的对象是辽宁省、山东省、浙江省的一些产业集群，具体有辽宁省沈阳的装备制造产业集群，辽宁大连信息技术产业集群，山东济南的软件产业产业集群，滕州的机床产业集群，浙江诸暨的五金产业集群，海宁的家纺和皮革产业集群，抽样对象具有一定的代表性。在调研中被试者包括产业集群中企业的总经理、技术经理(或技术总监)、销售经理(或销售总监)、以及其他一些熟悉企业技术创新、企业经营管理的工作人员。其中共当面填写回收有效问卷28份，通过其他渠道共发放问卷262份，回收184份，其中有效问卷135份。这样共计发放290份问卷，有效回收163份，有效回收率为56.2%。

本文对127份无效问卷和163份有效回答问卷做了检验，所有值均呈现非显著性；此外根据回收渠道的不同，对两组分别为28份和135份进行了检验，结果值也不显著，说明本文的nonresponse bias不严重。

本文利用Harman单因子法[44]来解决共同方法偏差问题。对整个问卷做分析，发现在未旋转的情况下，第一个因子只解释了19.21%的方差，而且因变量和自变量均负载到不同的因子上。因为单个因子未出现，也没有出现单个因子解释多数方差的现象，所以，在本文中共同方法偏差问题并不严重，对后续分析影响不大。

4.4信度与效度分析

表1 信度和效度分析表

研究获取的数据为横截面数据，因此只需考虑是否满足内在信度的要求，采用Cronbach的一致性系数(a系数)来考察样本数据的内在一致性，如表1的第三列所示。

从表1中可以看出所有变量的Cronbach'a值均大于0.7，这说明本调查问卷获取的数据内部一致性较好，即问卷具有较高的信度。

本研究借鉴、整理国内外比较成熟的相关量表的基础上，通过专家咨询、对研究团队成员深度访谈获取建议，并进过了预调查和反复修改，因此保证了问卷的内容效度，本研究采用因子分析方法来检验聚合效度，表1第四列和第五列是测量模型聚合效度分析，从表1可以看出模型通过了效度检验，4个变量的KMO值均大于0.7，而且各观测变量的因子载荷均大于0.5，因此问卷具有显著的聚合效度。

为了使用计量经济学的回归分析方法，本文首先采用SPSS的因子分析功能模块，将“集群内知识溢出”对应5个指标降维为一个因子并记录的取值；类似将“集群共享性知识累积度”对应4个指标降维为一个因子；将“集群企业知识差异度”对应的4个指标降维为一个因子；将“技术创新绩效”对应的4个指标降维为一个因子；对应被调查集群所称的产业因素，政府因素、以及与科研院所的互动因素的四个因子值分别记为1，2，3并记录各个因子值。

被调查企业的年龄()用成立至今的年数测度，规模()用员工数的自然对数来测度,研发投入()用研发投入占销售收入比重来测度，行业性质(1—5)用5个虚拟变量表示6个行业，所处区位(1—2)用两个虚拟变量表示3个区位。

然后根据函数的设定形式(15)、(16)、(17)、(18)，并将1，2，3，1—5，1，2作为控制变量，采用Eviews分别进行回归分析，结果如表2所示。

由于SPSS工具计算的因子值为归一化的数据，其均值为0，为了回归非线性模型模型5，将数据，，进行平移运算，使其最小值大于1。然后再回归模型5。

表2 回归检验结果

注：***表示在0.01水平下统计显著，**表示在0.05水平下统计显著，*表示在0.1水平下统计显著。

4.5假设检验及解释

(1)集群内知识溢出与集群共享性知识积累度

表2显示，模型1中参数1=0.308>0，并具有显著性，即假设H1得到验证，集群企业之间的知识溢出可以将单个企业的私有知识变为集群的共同知识，从而增加集群共享性知识的存量。在产业集群的发展过程中主要表现为当一个企业在产品研发、经营管理方面有行之有效的方法或技巧时，集群的知识溢出效应会使得这种方法或技巧很快传遍集群的每个角落，所谓产业集群内无秘密可言，知识成为"弥漫与空气中"的公共产品。

(2)集群内知识溢出与集群企业间知识差异度

模型2中参数1=–0.213<0，并具有显著性，即假设H2得到验证，集群企业之间的知识溢出降低了集群企业间知识的差异度，会导致集群知识的同质化。在我国很多中小型产业集群中经常会看到由于知识的过度溢出导致集群企业的产品、服务均出现了严重的同质化，从经济学的角度来说，如果某企业能以较低成本获取来自其他企业的知识，则该企业便不会再去投入更多资金从事产品研发，从而导致集群企业之间的知识多样性下降。

(3)集群内知识溢出与集群创新绩效

模型3只有控制变量而未加入解释变量，从表2可知模型3的估计结果显示模型具有显著性，模型2在模型1的基础上加入集群内知识溢出和其二次方2后的估计结果中一次项系数1为正，不具有显著性，二次项系数2为负，具有显著性，即证实了假设H5，说明了集群内知识溢出倒U型影响集群的创新绩效。

任何组织的创新都是建立在已有知识的基础之上，如果没有知识溢出，集群企业之间没有共同知识，企业只能独立进行创新，但一项技术创新所需的知识基础不可能全靠自己创造，通过集群企业之间的知识溢出，将各自的私有知识转化为集群共同知识，这样随着共同知识积累水平的增加，企业之间协同创新无论从主观还是从客观上都更加容易，从集群层面来说其创新能力也就越高。集群的创新能力是集群企业构成、集群企业特质和集群企业协同共同作用的结果；相关研究表明创造力涉及将以往不相关的事物整合为新的事物，或借助某个领域的观点、看法或实践，使其适应于另一个不同的领域或情景；集群式创新就是地理临近的一些企业关联他们的差异化知识和资源，探索未知领域，以期发现更好解决生产、经营和管理中出现的问题，因此集群的创新能力无可避免的与企业之间知识异质性联系在一起，但是集群内部的知识溢出降低了企业间知识的异质性，所以无法发挥集群式创新的优点，同时由于知识溢出所固有的一些负效应，随着知识溢出的加剧，反而会导致集群的创新能力下降。综上分析便会出现知识溢出与集群创新绩效的倒U型关系。

(4)集群知识势能与集群创新绩效

模型4的估计结果显示，1>0，2>0并且均具有显著性，即分别证实了H3和H4，说明集群知识势能的两个构成要素：集群共享性知识累积度和集群企业间知识差异度对集群的技术创新均存在正向的影响。

集群共享性知识积累水平的提高，使集群协同创新突破了共有知识的限制，进而加快了集群创新的发展的速度。基于知识的创新理论认为知识积累是创新函数的重要变量之一，从集群整体的层面来说，集群共享性知识的积累水平直接影响到集群技术创新能力。

相关研究认为知识存量只是提供创新能力的基础，知识重构或整合才是知识创新的不竭源泉；另外知识积累是一个动态过程，需要通过各种知识活动而实现，其中知识的流动是关键的一环，而知识的异质性和位势差是知识流动的前提。从产业集群的角度来说，这一规律仍然使用，因为集群的创新就是在现有共享性知识基础之上进行知识的交流和整合，而只有在集群企业间知识差异度满足一定水平时这种交流和整合才能启动，因此集群企业间的知识差异度正向影响了集群技术创新能力。

5结论、管理启示及研究局限

5.1研究结论

文章首先提出了“知识势能”的概念，并将其分解为集群“共享性知识累积度”和集群“企业间知识差异度”两个维度，认为集群共享性知识累积度和集群企业间知识差异度对集群企业的技术创新均具有促进作用，但是集群内知识溢出对集群共享性知识累积度和集群企业间知识差异度的影响却是截然相反的，因此一个合理的知识溢出需要对两者进行平衡，以达到知识势能的最大化。

接着采用数理模型分析得出集群共享性知识累积度和集群企业间知识差异度存在一个最优的比例，在此最优比例下，集群的创新产出、产品产出都会达到最优化，高于这个比例或低于这个比例都不利于集群的创新和发展，因此得出知识溢出与创新绩效存在倒U型关系。

然后采用了实证分析的方法以知识溢出为解释变量，集群共享性知识累积度和集群企业间知识差异度为中介变量，以集群技术创新绩效为被解释变量，以集群所处的产业因素、政府因素以及与科研院所的互动因素、被调查企业的年龄、规模、行业性质、所在区位和研发投入为控制变量，选择我国部分地区的产业集群为样本，证明了知识溢出对技术创新的倒U型关系。

5.2管理启示

集群内部知识溢出与集群创新绩效两者的关系是非线性、辩证的，一方面产业集群内部知识溢出不足，集群的共同知识存量低，导致协同创新困难，无法真正发挥集群式创新的优势[38]，但另一方面过度的知识溢出又会导致企业之间知识多样性的降低、同质化上升，又不利于知识的交换、整合和创新[23]。根据知识创造模型和知识生产函数，知识的创造、技术的创新既需要一定的知识存量又需要一定的知识多样性。对于产业集群来说，集群式创新既需要一定存量的共同知识作为协同创新的基础，又需要不同企业间的知识存在差异性，这样才能发现产品研发、经营管理的新方法和新思路。

对于不同的产业集群以及处于不同生命周期的产业集群来说，对知识溢出的鼓励以及限制应该相机而动，在产业集群建立初期，企业间沟通较少，缺乏共同知识，各个企业所拥有的知识千差万别，此时如果地方政府、中介机构通过建立相应基础设施和管理体制鼓励知识溢出，便能增加集群的共同知识，易于企业间的合作创新，此时既通过释放多余的知识差异度来解决共同知识的瓶颈，又不会损害单个企业的利益，不会导致集群企业的同质化。但是如果产业集群发展到一定程度，集群企业间管理者、普通员工的交流都比较充分，出现了“知识弥漫在空气中”的情景，此时如若再鼓励知识溢出可能就不再合理，因为此时决定集群创新绩效的短板是知识的多样性，从宏观角度来说，此时应该鼓励集群企业从多渠道获取知识，并且实施一定的知识产权保护，以期增加集群知识的差异度。

5.3创新和不足之处

文章的主要创新之处是通过构建知识势能这一概念，并将其分解为集群共享性知识累积度和集群企业间知识差异度两个变量，从集群整体角度解析了知识溢出所蕴含的创新优势和劣势，同时通过构建数学模型和实证分析对理论框架和研究假设进行了论述和验证。本研究有效的解决了理论界关于知识溢出与集群创新绩效的相互矛盾的观点[1,7]，从静态的角度来看，在某类型的产业集群或产业集群的某个阶段，知识溢出对集群创新具有促进作用，而在另一类型的产业集群或产业集群的另一个阶段，知识溢出对集群创新又具有阻滞作用；从动态的角度来看，持续的高知识溢出对集群创新具有倒U型影响[13]。

本研究虽力求符合科学的原则，但由于多方面的原因，使得研究受到许多的限制，这些局限主要表现在以下几方面：

(1)度量上的局限。研究采用问卷调查法，由集群企业的人员回答有关所处集群知识溢出、共享性知识累计、知识差异度以及创新绩效等内容，其回答可能不一定能反映产业集群多方面的真实情况。如果能对地方政府、科技中介机构等多个对象进行调查，问卷质量将会更高，研究结论也将更为科学；(2)横断面数据的局限。研究变量中知识溢出、知识累计、知识差异性、创新绩效大多属于存量变量，具有很大的惯性，它们之间的因果关系推断应采用纵向的时序数据来进行实证验证，但由于条件限制，本研究采用的是横断面数据，在因果关系的推断上需谨慎，以尽量避免出现逻辑问题。(3)研究模型的局限。研究模型只考虑了两个中介变量的中介效应，没有考虑竞争环境等调节变量的调节效应，而这些调节变量可能会使得各变量间关系发生变化，在模型中加入调节变量将有助于进一步揭示知识溢出与创新绩效的内在关系。以上不足将是今后研究的主要方向。

[1] Freeman C. Networks of innovators: a synthesis of research issues [J].Research Policy，1991，20(1)：499-514.

[2] Saxenian A. The origins and dynamics of production networks in Silicon Valley [J]. Research Policy，1991，20(5)：423-438.

[3] Baptista R. Do innovations diffuse faster within geographical cluster? [J]. International Journal of Industrial Organization，2000，18(2)：515-535.

[4] Cassar A, and Nicolini R. Spillovers and growth in a local interaction model [J].Annual of regional science，2008，42(2)：291-306.

[5] 魏江.小企业集群创新网络的知识溢出效应分析[J].科研管理，2003(24)：54-60.

[6] 陶锋.吸收能力、价值链类型与创新绩效—基于国际代工联盟知识溢出的视角[J].中国工业经济，2011(1)：140- 150.

[7] Romer, Paul M. New goods, old theory and the welfare costs of trade restrictions [J]. Journal of Development Economics，1994，43(1)：5-38.

[8] Kanwar S, Evenson RE. Does intellectual property rights spur technological change [J]. Oxford Economic Papers，2003，55(2)：235-264.

[9] Lederman D, Maloney WF. R&D and Development[R]. World Bank Policy Research Working Paper 3024. World Bank，Washington，DC， 2003.

[10] Leger A. Intellectual property rights and innovation around the world: evidence from the data[R].DIW Berlin Working Paper，June，2007，No, 696.

[11] 杜伟.完善R& D激励机制方略[J].财经问题研究，2004(3)：47-50.

[12] 杨皎平，纪成君，郑毅.基于SD模型的产业集群创新与溢出政策分析[J].统计与决策，2010(5)：48-51.

[13] O’Donoghue T, Zweimuller J. Patens in a model of endogenous growth [J].Journal of economic growth，2004，9(1)：81-123.

[14] Park WG.. International patent protenction: 1960-2005[J]. Research Policy，2008，37(4)：761- 766.

[15] 赵书松，廖建桥，张可军.知识共享的负效应风险及其治理策略[J].情报杂志，2009，28(11)：116-121.

[16] 邬爱其，李生校.外部创新搜寻战略与新创集群企业产品创新[J].科研管理，2012，33(7)：1-7.

[17] 李莉，党兴华，张首魁. 基于知识位势的技术创新合作中的知识扩散研究[J].科学学与科学技术管理，2007(4)：107-112.

[18] 杜静，魏江.知识存量的增长机理分析[J].科学学与科学技术管理，2004 (1)：24-27.

[19] 高勇.开发区企业集群创新势能研究[J].社会科学战线，2010(5)：246-249.

[20] 余泳泽，武鹏.FDI、技术势能与技术外溢—来自我国高技术产业的实证研究[J].金融研究，2010(11)：60-76.

[21] Drucker PF. Post-capitalist society[M]. New York：Butterworht Heineman，1993.

[22] Nonaka， IKujiro. A dynamic theory of organizational knowledge creation [J]. Organization Science，1994，5(1)：14-24.

[23] Dewar R，& Dutton JE.The adoption of radical and incremental innovations：an empirical analysis [J]. Management Science，1986， 32(11)：1422- 1433.

[24] Gambardella A，Giarratana M. Innovation for products， innovation for licensing： patens and downstream asssets in the software security industry [R].working paper，Boccioni Univeristy，2006.

[25] 杨皎平，金彦龙，戴万亮.网络嵌入、学习空间与集群创新绩效：基于知识管理的视角[J].科学学与科学技术管理，2012，33(6)：51-58.

[26] 王培林. 知识创造模型研究[J].情报科学，2005，25(11)：1714-1717.

[27] 芮明杰，陈娟.高技术企业知识体系概念框架及其内部互动模型[J].上海管理科学，2004(2)：7-10.

[28] 王国红，邢蕊，唐丽艳. 基于知识场的产业集成创新研究[J].中国软科学，2010(9)：96-107.

[29] 马淑文.企业知识结构与知识创新关系研究[J].科技进步与对策，2007，24(12)：148-151.

[30] Hendriks P. Why sharing knowledge? The influence of ICT on the motivation for knowledge sharing[J].Knowledge and Process Manage- ment，1999，6(2)：91-100.

[31] Mowery DD， Oxley JE， Silvemand BS. Strategic alliance and inter-firm knowledge transfer [J].Strategic Management Journal，1996， 17(S)：77-91.

[32] Kotabe M， Dunlap-Hinker D， Parente R，et al. Determinants of cross-national knowledge transfer and its effect on firm[J].Journal of International Business Studies，2007，38(2)：259-282.

[33] 黄志启. 高科技产业集群中知识溢出效应的模型与实证分析[J].科研管理，2013，34(1)：154-162.

[34] Bogenrieder I， Nooteboom B. Learning groups： what types are there? A theoretical analysis and empirical study in a consultancy firm[J]. Organization studies.2004，25(2)：287-313.

[35] Abrhamson EF，Fombrun CJ. Macrocultures：Determinants and con- sequences[J].Academy of Management Review，1994，19(4)：728- 755.

[36] 吴晓波，耿帅. 区域集群自稔性风险成因分析[J].经济地理，2003，23(6)：726-730.

[37] 朱方文. 基于共享性资源刚性的集群企业风险成因分析[J].科学学与科学技术管理，2007，12：157-161.

[38] Walsh J.P.， Ungson G.R.. Organizational memory [J].Academy of Management Review， 1991， 16(1)： 57-91.

[39] Thornhill S. Knowledge，innovation and firm performance in high- and-low-technology regimes [J].Journal of Business Venturing，2006，21(5)：687-703.

[40] 魏江，徐蕾. 集群企业知识网络双重嵌入演进路径研究—以正泰集团为例[J].经济地理，2011，31 (2)：247-252.

[41] Kesidou E， Henny R. Do local knowledge spillovers matter for development? An empirical study of urguay’s software cluster[J].World Development，2008，36(10)：2004- 2028.

[42] 耿帅.基于共享性资源观的集群企业竞争优势研究[学位论文].杭州，浙江大学，2004：43-63.

[43] 李庆满，金彦龙，杨皎平.集群内部竞争对企业技术创新的双向影响[J].研究与发展管理.2013，25(2)：40-49.

[44] 董保宝，葛宝山，王侃.资源整合过程、动态能力与竞争优势：机理与路径[J].管理世界，2011(3)：92-101.

Knowledge Spillover, Knowledge Energy and Cluster Innovation Performance

YANG Jiao-ping，HOU Nan，WANG Le

(School of Management, Bohai University, Jinzhou 121013，China)

Knowledge spillover of enterprises in the cluster is an important factor to affect technological innovation of enterprises in the cluster. There is no academic conclusion about the following questions: Whether knowledge spillover is to promote or hinder technological innovation in the cluster? To what extent is it more conducive to technological innovation? This paper considers “knowledge energy” as the intermediate variable, establishes an analysis framework for knowledge spillover in the cluster and the cluster innovation performance, and attempts to explain innovation advantages and innovation disadvantages inknowledge spillover.In this paper, knowledge energy is divided into two dimensions, one is sharing knowledge accumulation, and the other is knowledge difference between enterprises. The sharing knowledge accumulation is defined as the storage of sharing knowledge in the whole cluster that originates from the knowledge spillover and diffusion between enterprises. The knowledge difference between enterprises is defined as the degree of knowledge diversity between cluster enterprises because of different ways and methods of knowledge acquisition. This paper hypothesizes that knowledge spillover could increase the sharing knowledge accumulation and decrease the knowledge difference between enterprises. Moreover, sharing knowledge accumulation and knowledge difference between enterprises are two dimensions of “knowledge energy”. Both of these two dimensions have a positive influence on technology innovation. Under this hypothesis, the paper has done the following work:First, using the Griliches-Jaffe production function and the C-D production function for reference, we establish the cluster knowledge innovation function, and build the optimal control model of knowledge innovation. The Hamilton function is then used to solve this model. The results show that the cluster should keep a certain ratio for the sharing knowledge accumulation and the knowledge difference between enterprises, and also keep a certain ratio for the increased investment of sharing knowledge accumulation and the increased investment of the knowledge difference between enterprises at every stage.Second, we select a few clusters form Liaoning, Shandong and Zhejiang provinces as research objects, take technology innovation performance (IK) as the explained variable, take knowledge spillover (KS) as the explaining variable, take the sharing knowledge accumulation (KM) and the knowledge difference between enterprises (KH) as mediated variables, take the enterprises’ age, scale, industrial property, location and the R&D investment as control variables, and analyze 163 questionnaires. The results show that the knowledge spillover has an inverted U-shaped effect on cluster innovation performance. On the one hand, knowledge spillover increases the sharing knowledge accumulation and promotes the cluster technological innovation. On the other hand, knowledge spillover decreases the knowledge difference between enterprises andFinally, we point out that a flexible attitude should be adopted to encourage or limit the knowledge spillover for different industry clusters and industrial clusters in different life cycles. At the beginning of industrial cluster establishment, the lack of communication between enterprises lead to the lack of consensus, and the knowledge of each enterprise is different. If local government and agency establish corresponding infrastructure and management system to encourage knowledge spillover, it will increase the common knowledge of the cluster, and promote cooperation innovation between enterprises. At the same time, the cluster will release the redundant knowledge difference to solve the bottleneck of common knowledge. The cluster won’t damage the interests of individual enterprises, and won’t make the cluster enterprises homogeneous. But when the industry cluster develops into a certain extent, managers and employees from different enterprises have sufficient communication, and the situation of “knowledge is in the air” appears. At that time, it is no longer reasonable to encourage the knowledge spillover, because the factor that determines the cluster innovation performance is the diversity of knowledge. From a macro perspective, we should encourage cluster enterprises to access knowledge from various channels, and implement a certain degree of intellectual property rights protection in order to increase knowledge difference.

industrial cluster; knowledge spillover; knowledge energy; innovation performance

中文编辑：杜 健；英文编辑：Charlie C. Chen

F273.1

A

1004-6062(2016)03-0027-09

10.13587/j.cnki.jieem.2016.03.004

2013-07-23

2014-02-12

国家社科基金后期资助项目(13FGL009)；教育部人文社科基金资助项目(10YJC630328)；辽宁省社科基金资助项目(L12DGL020)；辽宁省教育厅社科基金资助项目(W2011083)

杨皎平(1980－)，男，山西洪洞县人，渤海大学管理学院副教授，博士，主要从事技术创新管理研究。