网络模仿、集群结构和产学研区域协同创新研究：来自中国三大海洋装备制造业集群的经验证据

唐书林，肖振红，苑婧婷



网络模仿、集群结构和产学研区域协同创新研究：来自中国三大海洋装备制造业集群的经验证据

唐书林，肖振红，苑婧婷

（哈尔滨工程大学经济管理学院，黑龙江哈尔滨150001）

现有研究通过社会网络分析来解释产学研主体的个体网络现象，但已有经验证据并不稳定甚至相互矛盾。本文试图引入空间计量模型来发现我国企业集群的社会网络结构存在空间模仿现象的证据，并利用新的网络特征——空间集聚结构修正社会网络分析结果后考察网络嵌入对产学研区域协同创新的真实影响。结果表明：（1）关系联结规模和中介中心度有助于提高区域协同创新水平，在部分集群内协同距离对协同创新的影响呈“S”型曲线，在控制空间效应后仅在波纹状集聚结构的环渤海集群存在结构洞与协同创新的负向关联；（2）三大海洋装备集群的集群结构存在明显的空间模仿效应，在连续性知识空间内更多的表现为邻近效应，在间断性知识空间则表现为异质效应，说明我国海工装备产业的产学研协同创新建设已初见成效；（3）集群内空间模仿效应强于集群间，说明海洋工程装备产业存在明显的地方保护主义；（4）整体上企业产权性质对网络结构特征没有显著影响，但具有高新技术资质和年轻企业的协同创新行为更容易受到网络结构的影响，不具有高新技术资质的企业和非年轻企业更容易产生网络模仿现象。

产学研；网络模仿；集聚结构；区域协同创新

0 引言

科学2.0和“云”存储开启了全新的开放科学时代，创新活动突破狭隘的“以学科为本位”的科研体制，形成“以问题为导向”的动态合作的新科学体系。科学研究朝向两个极端的方向发展：研究基础化和主体多元化[1]，以信息化和网络化为特点的知识经济时代强调知识的协同效应和聚集效应，封闭边界的主体已经很难满足原始创新所需要的知识规模，必须通过聚集和协同特定区域的地方性知识解决这一难题，其最显著的特点是在特定范围内形成企业和关联机构的地理聚集并形成稳定的结构化网络，即区域协同创新系统，因此区域协同创新系统逐渐成为了原始创新的源动力。

集群带来了诸如专业化分工、规模经济、本地知识广播和地理邻近带来的低运输成本等竞争优势，这种竞争优势极大地推动了区域创新活动的发展。企业集群成功的经验和研究成果受到了政界和业界的追捧，很多地区模仿成功集群大规模兴建产业园区和高新技术园区，这些模仿不仅包括对创新知识的直接模仿，还包括集群成长路径、龙头企业的引入及角色、集群的结构等。这种以政府为主导的模仿行为直接导致行政区层面上的集群结构具有很高的相似度。另外，龙头企业之间的竞争使得规模相当的企业倾向于建立起与竞争对手相似的创新网络，区域企业文化趋同引起的自组织现象也让集群内企业自发形成类似的网络，这导致集群结构在企业微观层面也表现出较强的网络模仿特征，这种现象在大学层面更为明显，张振刚和李林引入对称性理论发现加州理工学院和MIT的学科群及产业群呈现出旋转对称性[2]，在中国这种对称性表现为以大学为中心的科技园以及高新技术园区的相互模仿现象。由于很多企业集群的科技创新和社会经济效果不甚理想，甚至面临消亡，很多学者开始探讨这种网络结构的模仿效应带来的后果以及度量方法。

无论是企业集群还是区域创新系统，它们都有一个很重要的特征，即它们都是一个网络系统。按照网络嵌入理论的观点，网络嵌入性对于集群内任意个体都是决定协同创新效果的序参量。那么这一序参量是否会受到网络模仿的影响进而影响到区域创新系统的效果是一个值得深入探讨的议题。混合甚至是互相矛盾的关于企业网络嵌入作用的经验证据说明传统的静态社会网络分析方法仍无法给出理想的解释，这是因为区域经济一体化和交通圈扩大导致行政边界与经济边界出现不匹配，这使得已有研究的原始数据存在空间误差，传统建模分析是有偏的。作者发现上述两个层面的模仿效应构成了集群企业网络嵌入的空间关联效应，因此，本文尝试将空间经济学引入到网络嵌入理论中，通过空间计量模型来修正社会网络分析的结果，并借助集群结构这一网络特征从更宽广的角度探讨网络模仿对产学研区域协同创新造成的影响。

1 文献综述

企业集群是包含多种组织关系网络的集合，发源于企业空间聚集的经济优势，随后大量企业相继进入集群追逐集聚优势而增强竞争力和降低风险，随着聚集密度增大而产生的拥挤效应会削弱企业集群的竞争力，集群由简单到复杂的过程必然伴随着集群网络结构的演变，因此企业集群的网络结构是解释企业集群竞争优势变化的重要证据。Giuliania等（2005）使用社会网络分析方法研究拉丁美洲企业集群的网络整体结构及其价值链升级路径[3]。栗春娟等（2008）通过对部分高科技公司专利外部合作情况进行分析后发现以三星电子公司为首的移动通讯制造集群非常注重与大学、科研院所的联合研发和合作创办衍生企业，不断利用大学衍生企业深化和拓展企业集群的协同创新网络[4]。Fritsch和Kauffeld-Monz（2010）构建了德国16个包含大学、企业和非大学科研机构的区域协同创新网络，并利用社会网络分析和回归分析研究了网络结构、个体网络特征、网络成员的位置和企业的特征等因素对知识创新效果的影响[5]。

在美国、中国等成功企业集群实践中，关于企业网络嵌入作用的经验证据是混合甚至是互相矛盾的：大量研究成果发现集群企业的网络嵌入程度越深则知识流动越快，知识流动而展现的外部性促使企业集群的创新绩效得到显著提升[6-8]。范群林等（2010）以传统产业集群为例研究集群网络的结构嵌入性特征与企业创新绩效的关系，发现节点度和中介中心度与企业创新绩效显著正相关，结构洞特征的影响不显著[9]。Gautam（2000）研究以美国为中心的国际医药企业之间网络关系后发现无论企业之间存在直接或间接网络连接均对企业创新有正向作用，但结构洞特征对创新产出的作用却是负的[10]。但也有学者提出企业集群网络嵌入会带来负向作用，网络嵌入带来的知识溢出现象使集群成员轻易地进行模仿和搭便车行为，创新知识拥有者的私人收益率大大低于社会收益率，抑制了企业集群的积极创新行为[11-13]。网络嵌入会导致集群企业之间过度信任，即便外部网络交易更有效，企业也无力摆脱集群内部的网络规则约束产生低效率的“交易互锁”现象[14-15]。行政权力推动空间上的企业集聚和分工，但过多的行政指令会影响企业集群的知识交易效率[16]。由于网络嵌入理论忽视了地理空间带来的空间误差，上述两派学者的争论并没有定论也不会终止。

随着新科学经济理论的兴起，研究者尝试从新的角度研究企业集群与区域创新的关系。Cooke等提出了区域创新系统的概念，他认为创新系统是由企业集群中知识、资源、人力资本等要素的相互作用达到促进区域创新绩效的目的[17]。Jia等从产业集群的形成和发展研究中发现集群的社会邻近性与创新的氛围有很强的关联性，创新网络建立在过去工作的经验基础上，邻近集群的紧密联系非正式信息的交换强化区域创新的产出[18]。Malmberg从社会学习视角探讨区域创新，认为经济地理提及的“学习机会”修正了古典区位理论，政府扶持企业集群并强化区域创新能力的依据取决于该区域相关产业的网络结构以及区域内基础设施、人力资源、制度与文化等之间的空间互动，但文中并未给出如何测度这种互动关系的计量方法[19]。技术知识的空间连续程度是决定企业集群形成与发展和区域创新系统演进的序参量[20-21]，在兼顾分析网络嵌入性的基础上我们需要寻求一种合理的方法更加精确地探寻空间连续程度。

从这些经验证据中我们发现现有研究多侧重于个体网络化的研究，而忽略了区域创新主体之间的群体性行为，而区域协同创新系统强调以某几个个体组成的协作网络作为最小单位，是一种群体网络化现象，网络模仿正在成为研究热点，对成功集群的网络模仿成为了区域协同创新的关键，现有研究却始终未能找到融合群体和网络两大主题的计量方法。因此，本文尝试在网络嵌入理论的基础上引入空间经济学来度量网络模仿效应并解释网络模仿对协同创新的真实影响。

2 研究假说

目前大多数研究以网络嵌入理论来分析企业集群的创新网络对产学研区域协同创新的影响机制，忽略了集群要素间的空间互动和集群结构的影响。网络嵌入理论主要根据行动者在网络中所处位置以及知识异质程度来研究根植性、机构稠密性以及区域创新网络带来的集聚现象[22]，但很少关注集群结构对社会网络造成影响和涉及空间联动引发的网络模仿现象，本文尝试将网络嵌入理论和空间经济学共同纳入研究范畴建立相对完整的理论分析框架。

2.1 基于结构嵌入引发的区域协同创新

经验证据表明能够利用自身知识衍生出企业的大学等科研就够通常具有较高的学术知名度和大量的知识储备。大学衍生企业与大学的密切联系使其成为知识密集型企业，大量的知识使大学等科研机构具有较高的活跃度，容易与集群内其他企业建立广泛的沟通渠道。解雪梅通过对188家企业的实地调查后发现产学研区域协同创新网络中各主体的网络联结规模对创新绩效有显著的提升效果，但这种效果存在较为明显的个体差异[23-24]。曹霞等(2012)认为与更多企业的联系意味着企业拥有更大的网络使用权，向更多的需求者展示知识，从而更容易为自身知识寻找到接受者，这将使得区域协同创新的概率增大[25]。同时，与其他企业更多的关联显示大学等科研机构的知识密集程度越高，密集知识的挤出效应直接强化了产学研协同创新水平。

假说1：区域协同创新系统各主体的联接规模与区域协同创新效果正相关。

社会网络理论的观点认为个体的网络中心度与非正式影响力（如声誉、权威性、号召力等）呈正相关趋势[26]。区域创新系统各主体在集群中的网络中心度越高，越能获得更多有关于产业发展和市场机遇的知识，帮助集群其他企业成功实现生产、销售和研发等行为，这些成功会为其积累大量的声誉，集群内企业对主导协同创新行为的主体的关系认同和社会声誉越大则带来的资源和收益越多(如获得更多的资助、合同和市场占有率)。如此良性循环，区域协同创新的动机更加明显。此外，Freeman（1979）就发现对于任何个体来说，网络中心度与知识传递的内容和速度有显著的正向影响[27]，易使其成为企业集群的协同中心之一。同时，企业的网络中心度越高，它将拥有更多获取市场信息的渠道，对市场需求的反应更加迅速，及时帮助自身进行决策并准确地引导集群其他企业使用合理的知识来优化产业结构。尤其是当集群企业不择手段地展开竞争时，企业的领导者会出现过度自信和技术依赖在集群内形成知识的“热岛效应”从而降低集群的经济性，而占据网络中心的企业利用其技术领导优势进行知识升级，随着新产品而出现的“显示效应”能够帮助减少企业领导者过度自信而产生的重复投资，转向寻求“求同存异”的异质知识集群发展，增加企业集群的经济效率和创新能力。

假说2：区域协同创新系统各主体的网络中心度与区域协同创新效果正相关。

在我国，企业的高层管理者基于声誉动机他们更愿意接受大学的聘用邀请成为客座教授，指导和资助大学成员创业，而大学衍生企业的学术创始人或技术总监同时兼职数家公司，这就导致产学研区域协同创新系统会有更广泛的社会联系。并且，与集群其他企业相比，大学等科研机构与企业之间并非是纯粹、直接的交易关系，更多的是技术培训、多方协调和联合研发的合作关系，这种关系实质上是社会网络理论中的“弱联结”，弱联结的优势在于学者和客座教授的跨界桥梁作用帮助企业集群获得更多的信息和资源，也更可能利用大学等科研机构与企业的合作的知识传播给企业[28]。这种弱联结可以将两个没有直接关联的非冗余主体连接起来，Burt（1992）将这种非冗余的“弱联结”称之为“结构洞”，它表示某一主体受到其他主体的约束情况，结构洞规模越大则结构洞系数越小[29]。由于信息不对称、交易成本等因素的制约，集群企业之间并非都有直接联系，因此“结构洞”广泛地存在于企业集群中。占据结构洞的主体能同时接触到无直接关联的两个主体，优化组合双方的异质知识并充分掌握双方的知识需求，这通常会使集群企业间的信息不对称情况得到改善，增加区域创新系统知识交流和协作的机会。大学等科研机构拥有高端的科技人才和设备，对异质知识的吸收能力比一般企业要高，同时，大学等科研机构本身就是从事知识传播的专业化主体，它的知识传播效率要远远高于普通企业，倘若大学等科研机构占据结构洞将大大提高知识溢出效率，促成更多的研发合作和协同创新行为。此外，企业集群中保持适当规模的“结构洞”能够降低集群维系成本，将有限的资源投放到最必要的关系[30-31]。综上所述，结构洞系数对知识溢出有显著的负向影响。

假说3：区域协同创新系统各主体的结构洞系数对区域协同创新效果有显著负相关。

2.2 集群结构和网络模仿对区域协同创新的影响

企业集群通常具有多种聚集形式，并且不同集群形式所获得的竞争优势存在很大差异，例如以塔状和块状结构为主的长三角地区原生型集群拥有要素禀赋、历史文化等原位膨胀性优势，以链状结构为主的珠三角地区嵌入型集群拥有地缘临近、政策倾斜、学习与创新和低成本等线性放射性优势，以波纹结构为主的渤海湾地区衍生型集群拥有交通便利、政府影响和协调效率高等均衡辐射性优势[32-34]。对于包含大量技术和中间产品的高端产业，高额的投入会使空间距离过小的集群产生强烈的挤出效应，但地理距离太远则容易造成公共资源、交易成本和产业关联迅速衰减，造成区域协同创新系统知识合作效率的损失，因此，适当形式的集群结构有助于提高区域协同创新水平。由于中国的基本国情和历史沿革背景，中国的企业集群很难在某一特定城市内部化，城市之间企业互动和相互匹配是实现企业集聚的另一大动因，特别是围绕区域性中心城市聚集而成的产业集群。区域性中心城市通常具有数量众多的大学和研究机构和龙头企业，因此，区域性中心城市通常依靠大学等科研机构或龙头企业对周边城市进行知识辐射。生产性服务业与制造业产业链的关系互动是大学等科研机构嵌入企业集聚的实质原因，这种互动关系因地域、文化、生产要素和工业基础等因素的限制导致企业集群的社会网络结构不同而存在一定的差异性，它对企业集群的知识溢出影响力是存在显著差异的[35]。尤其是步入二十一世纪，技术进步和产业国际化迫使国家高新区等企业集群面临深化发展和“二次创业”的两难抉择，内生发展和自主创新问题日益凸显。与国外成功的企业集群相比，中国产业集聚基础仍然脆弱，围绕区域中心城市而形成的集群网络结构差异非常大，导致创新配套机制健全程度存在差异，造成各主体间知识外溢和资源共享程度不同[36]，因此，本文推测国内产业集群的结构特征严重影响到区域协同创新水平。

假说4：与区域性中心城市的距离及其网络结构特征对区域协同创新呈“S”型相关。

区域协同创新系统强调群体网络化，它进一步深化了地理邻近性、网络结构的复杂性、专业化分工以及经济外部性等特征，因此，在区域协同创新系统使集群内产学研三方的竞争合作活动更加频繁，并拥有更加显著且紧密的区域性社会网络[37]。随着原始创新的知识需求越来越大，集群内的模仿行为逐渐由简单的创新行为模仿转变为创新网络的模仿。由于先发区域创新系统的成功会引发明显的“示范效应”和“羊群效应”，大量由政府主导或竞争对手模仿而形成的后发集群。但是众多的失败经验让决策者开始反思为什么简单的政策、土地供给、资源禀赋和税收倾斜无法持续地维持区域创新系统运转。集群创新网络的不断演进和优化使区域内基础设施、人才资源和企业角色形成相对稳定的结构，决策者意识到这种稳定的结构是集群复制成功的关键，不仅注重引入具有匹配核心竞争力的核心企业，并且建立起与参照集群相同的配套企业群，增加了投资的谨慎程度，抑制了集群的过度扩张和无序竞争[38]，这种精确的群体复制还能够消除创新的不确定性，增强产学研各方合作的意向和动机。但成熟的网络结构限制了产学研主体的创新自由性，也就是说网络模仿的灵活性往往是建立在牺牲创新程度的基础之上，更适合成熟产业或“过度服务”的市场[39]。关于网络模仿的优劣一直处于争论当中，但可以肯定的是网络模仿能够增强或减弱网络嵌入和集群结构对产学研区域协同创新的影响效果。

假说5：网络联结规模和中介中心度等集群结构特征对区域协同创新的影响受到网络模仿效应的调节。

3 研究设计

3.1 方法与模型

本文首先采用OLS回归法来验证文中所提的前四个假说，每个假说对应一个变量，并检验系数估计的稳健性。同时，本文还控制了市场结构（Market Structure，MS）、区域资源（Regional Resources，RR）、企业规模（Enterprise Scale，ES）、学者高管/股东比例（AE）等变量。因此，本文的回归模型为：

但网络嵌入和协同创新并非完全随机的，这两种行为必然存在空间观念、虚拟变量的缺陷（例如控制地区特性而非空间地理依赖关系）、交互作用与交往结构（观测值的依赖关系、空间集聚现象）等自相关特征（本文Moran’s I指数来判定）[40]，故本文选用空间计量方法来验证本文所提假说。空间计量方法可分为空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM），空间滞后通常应用在邻近区域的解释变量对其他区域的同一变量有相互影响的研究中，其表达式如下：

，

本文采用广义最小二乘估计对两种模型的参数进行估计，并采用Anselin等（2004）提出的模型判别标准，即LM-LAG比LM-ERR的统计结果显著，且RLM-LAG显著而RLM-ERR不显著，则选择空间滞后模型；反之，则使用空间误差模型更为合理[41]。此外，本文还使用自然对数似然函数值(LogL)，似然比率(LR)、赤池信息准则(AIC)，施瓦茨准则(SC)检验空间计量模型的拟合效果。

3.2 变量定义

（一）因变量

（二）自变量

第一步，计算网络约束系数，

第二步，计算自我网络中的约束系数总和，即结构洞系数

除此之外，本文对市场结构、资源禀赋、学者高管持股比例/人数比例和企业规模等变量，具体变量的定义及计算公式如表1所示。

3.3 样本与数据

海洋工程装备是先进制造、信息、新材料等高新技术的综合体，其创新活动通常需要多方知识协作，具有很强的产业辐射能力及国民经济带动作用。由于海洋工程装备的需求尚未明确和较高的技术门槛，目前除少数长期从事整装船舶制造的企业和船舶科研的研究机构（大学、研究所等），其他资本很少进入，在该行业与其他行业间的界限清晰且聚集程度高。同时，随着海洋工程装备行业竞争的不断加剧，海洋装备制造企业间并购整合和科研生产合作活动日趋频繁，产学研协同创新水平处于迅速增长期，因此该行业是研究网络模仿和集群结构对产学研区域协同创新绩效影响的理想样本。本文研究对象为448家整装船舶制造企业和与该行业有合作关系的191家大学等科研机构及其衍生企业作为研究对象，原始数据来源于从2001~2012年11年间的国家知识产权局专利检索与服务系统、英国克拉克松研究公司（http://www.clarksons.com/）、中国船舶信息中心、《中国海洋年鉴》、《中国船舶工业年鉴》以及各级国防科学技术工业委员会的调研数据。剔除本文所给指标数据不全的样本后，共获得的225个完整样本和2475组样本数据并对连续变量进行winsorize处理以消除极端数据对回归结果的影响。企业网络规模、网络中心度和结构洞系数由UCINET6软件计算得到，统计分析则用SPSS和MATLAB软件。

表1 主要变量及其定义

4 假设检验和探讨

4.1 描述性统计及特征性事实

收集数据的描述性统计如表2所示。从表2中不难发现，海洋装备制造企业的企业年龄都较长，但从事海洋装备制造的大学等科研机构及其衍生企业的企业年龄大多为10年左右，较一般企业的企业年龄要小很多且企业规模逐渐趋同，这一现象符合海洋装备制造业一般需要较长的知识和资本积累规律和我国区域协同创新的大体趋势。

表2 研究样本的基本情况

图1显示了我国海洋装备制造业集群的分布及集群模仿特征。我国海洋装备制造业已经在环渤海地区、长三角地区和珠三角地区形成了各具特色的三大企业集群，并且在集群内部存在网络模仿现象。其中环渤海地区呈现波纹状网络结构，长三角地区则以块状网络结构为主，珠三角地区表现为链式结构。

4.2 OLS回归分析

本文首先采用了广义最小二乘法对数据进行回归估计，以验证基本模型的稳定性和假说的合理性，不考虑网络模仿效应的回归结果如表3所示。对于全国样本来说，本文从仅有核心变量的回归结果发现联结规模和网络中心度假说得到支持，但结构洞假说和集群结构假说未得到验证，在考虑了诸如市场结构、区域资源禀赋、企业规模、学者高管持股/人数比例等控制变量后，回归结果仅在小范围波动并显著性并无明显变化，证实了核心变量的稳健性。调整决定系数均大于50%说明本文的理论框架能够较好地解释区域协同创新的变化情况。同时，我们对数据进行了滞后一期的处理后发现滞后一期的回归结果比当期的回归结果要更加显著，证明了以联合、合作专利或专利转移等形式的协同创新现象存在1年的滞后期的观点。此外，考虑到各地区的海洋装备产业发展不均衡，本文进一步将数据样本细分为环渤海地区、长三角地区和珠三角地区来探讨假说4成立的条件限制。表3的结果表明尽管全国样本支持假说1和假说2，但细分的数据样本中影响协同创新的因素存在着很大差异，例如环渤海地区的学术高管持股/人数比例、长三角地区的协同距离、学术高管持股/人数比例和结构洞系数、珠三角地区的学术高管持股/人数比例及企业规模对区域协同创新产出不存在显著影响。并且，许多变量的回归结果对假说的支持程度与全部样本的结果存在差异，这些结果都支持集群结构影响区域协同创新水平的观点，即假说4成立。

图1 我国海洋装备集群分布及集群模仿特征

注：图中（a）经过主成分图论布局处理（principal component）

表3 三大海洋装备制造业集群协同创新的基本OLS模型估计结果

注：括号中数值表示标准差，***、**、*分别代表在1%、5%和10%条件下通过显著性检验，下同。

表3还报告了全部样本和细分样本的空间依赖性结果。结果表明我国海洋装备制造业集群无论是整体还是细分区域都存在很强的空间依赖性，即假设5成立，这与潘雄峰和张维维（2013）提出的“中国区域创新在空间上存在显著的空间自相关性，利用OLS框架有可能估计出有偏的结果”的观点相符[43]。为了验证网络模仿对区域协同创新的调节机制不是网络嵌入效应的附属或连带效应，必须比较消除空间效应后结果与基本OLS估计结果是否存在差异，如果存在差异则证明网络模仿对区域协同创新起到了调解作用。因此，本文对基本OLS模型进行了LM检验，结果表明，对于全部样本而言，知识溢出的空间邻近效应更为明显（LM(lag)=16.658> LM(err)=13.6728），这说明在全国范围内海洋装备制造业是空间连续的，这说明我国已经完成全面完善的海洋装备制造业布局，具备了独立完成海洋装备制造的能力。但细分样本的LM检验却存在差异，环渤海地区（LM(lag)=15.1947> LM(err)=13.5062）和长三角地区（LM(lag)=22.1782> LM(err)=18.2723）的邻近效应更显著，反观珠三角地区的空间结构效应更为明显（LM(lag)=11.5082

因此，本文在进行空间计量模型分析时，对全部样本、环渤海地区样本和长三角地区样本使用空间滞后模型（SLM），对于珠三角样本使用空间误差模型（SEM），结果如表4所示。

4.3 空间计量回归分析

由于本文意图研究网络模仿、集群结构对产学研区域协同创新的调节作用，而区域创新系统的主体经常与本区域外其他企业有研发合作和知识产权联系，因此本文在进行空间计量分析时分成两部分，第一部分为包含所有样本的一般性回归（即一阶邻近矩阵，如表4所示），主要针对企业影响集群内部的协同创新，第二部分为各细分区域内的企业与其他细分区域的样本的回归分析（即二阶邻近矩阵，如表4右侧3列所示），主要分析本区域创新系统内产学研主体对其他区域集群的协同创新影响情况。

表4 三大海洋装备制造业集群协同创新的空间计量回归结果（滞后一期）

从表4中我们可以发现在控制了空间效应后回归结果对本文假说的支持程度与OLS回归的结果基本一致，说明本文的理论分析框架具有很强的解释能力，同时也证明了社会网络理论具有解决空间依赖性问题的适用性。空间自相关系数和空间自回归系数均在15%以上并且均通过了10%条件下的显著性检验，这表明我国三大海洋装备制造业集群确实在空间上存在集群结构的网络模仿现象并产生了空间关联作用。关系联结规模和网络中心度对企业集群知识溢出水平有显著的正向影响（5%及以上显著），更大的关系联结规模给企业带来了更多与其他企业交流的机会和渠道，增大了协同创新的几率，而更大的网络中心度使主体具有较高的权威性和感召力，体现为其他企业对本企业有更高的知识认同度、信任和产业关联度，这会提高协同创新的成功概率，二者共同作用下会显著提高企业集群的知识溢出水平。结构嵌入大多依赖于业务来往及其附属服务条款，前文已经论述了地缘经济对海洋装备制造业集群的影响存在，因此它们必然存在空间相关性，空间计量回归结果中关系联结规模和网络中心度对知识溢出的显著性有所下降很好地证明了这一现象，但在控制空间效应后这两个解释变量依然显著影响知识溢出水平，说明结构嵌入对知识溢出的影响并非是空间相关的附带效应，集群中出现了很多非经济关系，这种非经济关系带来了更多的非正式联系（例如合作研发、联合培养、培训和资助等）。正如社会关系理论所说，非正式联系不仅能有效消除知识同质化和企业间的从众心理，挖掘更多潜在的隐性知识，还能够降低知识学习和转移的成本，从效率、深度和成本三个方面促进协同创新水平的提升。非常遗憾地是，本文在连续性产业空间（全部样本）和间断性产业空间（珠三角样本、长三角样本）均未找到证据证明结构洞系数与知识溢出水平存在负向关系，有趣的是，本文在环渤海样本的统计中发现结构洞系数在5%水平上与协同创新水平负相关，因此猜想集群结构会影响结构洞对区域协同创新的作用，假设4得到进一步验证。环渤海和珠三角集群的协同距离变量与区域协同创新水平呈现出10%及以上条件下显著的“S”型关联，说明企业集群的规模将存在一个最优值使集群间协同创新效应达到最大并存在一个距离极限，这与比较优势理论及资源决定论中论述资源极限和边际收益的观点一致。值得注意的现象是长三角地区和环渤海地区的样本大部分位于“S”型曲线的右上侧，说明该区域企业集群的规模聚集密度过大，导致土地成本急速增加，加之海洋装备制造企业一般位于省会城市或沿海城市，只有少量拥有高附加值知识的核心企业能够保持规模经济和足够的利润，同时具有较强产业链整合能力的龙头企业将低附加值的知识转移到土地使用成本更低的外围企业，在最佳通勤经济圈内知识结构连续性逐渐下降，企业集群协同创新行为已经由知识互补的合作性创新转变为降低成本的转移性创新。

本文还对不同区域企业集群间的交互效应进行了统计分析，结果表明区域间的网络嵌入与区域内的网络嵌入对协同创新的影响是不同的，最明显的区别在于环渤海地区和珠三角地区的交互效应中距离因素对协同创新影响并不显著，这与环渤海地区的主体在珠三角地区都建立了衍生组织（如分校区、产业化基地或子公司等），学者及其所属企业之间的知识交流和协作成为了固定行为，而不是以追求区域资源优势（）为根本目的，并且协同创新所需的成本主要由环渤海地区的主体承担，在交互效应作用下导致距离因素对协同创新并无显著影响（）。统计结果显示长三角集群和环渤海集群的交互效应条件下距离因素（）与协同创新存在显著正关联，表明在地价、资源和人力成本等限制下长三角地区不断向环渤海地区溢出产业链下游的低附加值知识，形成了以价值链为基础的溢出效应。空间自相关系数和自回归系数与一阶样本相比均有明显下降，证明了我国三大海洋装备制造业集群两两之间的知识交流并不像集群内部那样活跃，存在明显的地方保护主义。与珠三角相关的空间相关系数的显著性仅在10%水平上显著，说明珠三角的“三低”劳动密集型企业，在承接高端产业发展时科技竞争力相对较弱直接导致珠三角海洋装备制造业的发展动力后劲不足。

4.4 进一步讨论

在我国，国有资本对行业集聚和空间发展有很强的影响力，主要是通过资源配置和政策干预两种形式产生空间影响。本文在检验了网络嵌入对区域协同创新的影响力基础上，进一步结合企业性质（是否国有）、企业年龄（新兴企业）、高新技术资质和政府干预程度来探讨网络嵌入对区域协同创新的空间效应是否受到企业微观特征和政府宏观干预行为的区别。政府在跨组织协调和资源整合问题上扮演着重要角色，中国地方政府通过下属投资部门通过股权的形式培植大量具有高嵌入性的龙头企业，为了当地GDP、财政收入等社会性目标以及GDP竞争晋升的官员考核机制下而倾向于促成具有较大增值潜力的创新合作项目，并为其提供大量优惠条件促进多方协同，这种产权对国有企业协同创新的影响要远远大于非国有企业[44]。而政府除了对协同创新有直接影响之外，也会通过影响协同网络的建设来间接产生作用，国有企业的协同创新网络建设过程中会受到政府对国有企业的“父爱效应”影响[45]。国有企业在构建创新网络时更多受到政府的影响与政府或系统内相关企业建立起庞大的协同网络而具有很高的网络中心性，国有企业的自由决策余地很少，协同网络中资源内耗严重，自然地，网络中心度和网络规模对协同创新发挥的作用更弱。但随着国有企业改革和行业重新洗牌，政府逐渐意识到过分干预国有企业创新网络建设的弊端，去行政化或改制的国有企业的协同创新效率正在逐步接近非国有企业[46]。国有企业或具有政府背景的企业更愿意在权利机构的引导下重复其他榜样的创新行为及网络，这样不仅风险小而且更容易得到优惠政策，大量研究也发现了政府干预企业协同创新网络建设以及国有企业协同创新网络形式高度相似、盲目协同创新的经验证据，例如“园区现象”和产业同质化[47-49]。因而，本文预期国有企业的网络规模及网络中心度对协同创新的影响更小，国有企业间的空间效应更为显著。

此外，大量研究表明高新技术企业的核心优势不止来自于领先的技术，其独特的协作网络也是重要的组成部分，高新技术企业通常依靠独特的协作网络——而非模仿——来达到破坏原有市场格局的目的[50]。与传统企业相比，他们的网络更加简洁、有效，而且更加独特。企业年龄也是影响企业协同创新网络的重要因素，“年轻”企业的网络更加独特，网络规模和网络中心性较低，协同创新能力却更强（本文参考大量文献及统计资料认为企业年龄5年以下为“年轻”企业）。因此，可以合理预期，在高新技术企业和“年轻”企业中网络结构对协同创新的影响更大，但高新技术资质和企业年龄带来的网络独特性会抑制国有产权对空间效应的抵减作用，网络模仿程度更低。

从中国的实践来看，高新技术企业和具有发展潜力的新兴企业容易受到国有投资和财政投入的亲睐，本文进一步探讨企业产权、企业年龄和高新技术资质对集群结构及网络模仿与协同创新的交互影响。若企业产权性质为国有，则为1，否则为0；在表5后四列进一步区分高新技术企业（THE=1和0两种）和“年轻”企业（AGE=1和0两种）四种情况。结果显示：从整体样本来看，企业的网络中心度和网络规模与协同创新产出的相关关系不受企业产权影响(值均不显著，0.9975和0.733)，但当区分高新技术资质和企业年龄后发现，具有高新技术资质的国有资本参股企业的网络结构特征变得不显著（例如网络中心度对协同创新的显著促进作用被削弱并呈现不显著关联，系数为0.1162，为0.0562）甚至发生逆转（网络规模对协同创新的影响发生逆转，系数为0.2954，而系数为-0.0958），而空间效应受到相当程度的抵消（）；年轻的国有参股企业的协同创新对网络规模和网络中心度的需求更加迫切，非年轻的国有参股企业的协同创新活动仅与网络中心度正相关，空间效应与企业年龄无关。上述结果说明，企业产权性质对协同创新的影响因高新技术资质和企业年龄两项因素而存在差异：整体上企业产权性质对网络结构特征没有显著影响，但具有高新技术资质和年轻企业的协同创新行为更容易受到网络结构的影响，不具有高新技术资质的企业和非年轻企业更容易产生网络模仿现象。

表5 企业产权、企业年龄和高新技术资质的影响

注：括号中数值表示t值，***、**、*分别代表在1%、5%和10%条件下通过显著性检验。

5 结论及政策启示

本文在利用网络嵌入理论和空间计量模型诠释协同创新机制中所得到的几个重要结论应得到足够的关注：三大集群存在明显的空间效应，这说明海洋工程装备集群开始注重协同创新网络建设并已初显成效；尽管网络嵌入存在必然的空间相关性，但在控制空间效应后，关系联结规模和网络中心性仍然对企业集群知识溢出产生显著的正向影响，较高的结构聚类程度能够有效地优化知识结构和促进非正式交流；结构洞对协同创新的促进作用受地区差异和集聚结构的影响；三大集群间的整体空间交互效应较差，各集群间存在明显的地方保护主义；在控制企业产权性质、高新技术资质以及企业年龄等变量后，发现整体上企业产权性质对网络结构特征没有显著影响，但具有高新技术资质和年轻企业的协同创新行为更容易受到网络结构的影响，不具有高新技术资质的企业和非年轻企业更容易产生网络模仿现象。根据上述研究结果，本文提出如下政策建议：

（1）研究结果表明目前除长三角地区外其他区域的协同距离均未达到最优值，尤其是集群的中西部地区，空间交互效应受交通距离、劳动力和资本的限制而呈现出“宁近勿远”、“发达优先”的马太效应，不利于我国西部大开发战略的实施。海洋装备产业集群内的产业布局有待进一步优化，集中向集群的中西部腹地发展，形成具有特色的知识梯度并提高城镇化比率，充分利用区域资源以消除“拥挤效应”。坚持跨区域的产业合作和结构调整，破除地方保护主义，在高铁等延伸都市交通圈的项目支撑下各区域应建立更为开放和广泛的产业空间，优先建立跨区域产学研知识协同平台，明显提升海装企业集群知识溢出水平和自主创新能力，增强集群发展动力。

（2）社会网络分析和空间计量模型相结合能够更准确地阐释网络嵌入对知识溢出的影响机制，在控制空间效应后，关系联结规模和中介中心度仍能显著影响集群知识溢出水平。网络嵌入带来的交流行为是协同创新的必要条件，而反映交流行为特征的网络规模和中介中心度则会显著影响协同创新水平。企业和监管机构应充分重视区域创新行为的空间关联性，积极引导不同区域之间的科学交流与合作（尤其是科技落后地区和科技发达地区之间），打破行政边界约束和地方保护壁垒，通过技术换市场、专利转让、共同研发等方式增加区域间连接规模及创新个体的网络中心度，促进区域创新能力不断提升。

（3）但另一表征交流行为特征的结构洞系数却没有表现出稳定的作用，这印证了本文的猜想——结构洞对协同创新的影响受集群结构的制约，文中的研究结果表明仅在以环渤海地区为代表的波纹型结构中存在结构洞与协同创新产出的负向关系，这也许能解释已有研究中关于结构洞的争论。由于结构洞分为自益性和共益性两种，本文认为网络结构的不同导致两种结构洞的比例关系存在差异，例如长三角集群的块状结构多为自益性结构洞（知识仅单向流入主体）、珠三角集群的链状结构多为共益性结构洞（知识仅单向流出主体），无论哪一种结构洞占有绝对优势，那么结构洞便无法显著影响协同创新水平，只有两种结构洞的比例达到某一均衡状态才会使协同创新活动持续发生并达到最大。

（4）监管机构应该放松对具有高新技术资质和年轻企业的网络结构的制约和控制，让其充分发挥独特创新网络带来的创新动力，提高区域突破能力而成长为影响力更广泛的国际企业；对于不具有高新技术资质的企业和非年轻企业应该减轻历史关系负担，降低关系维持成本，避免生搬硬套“标杆”经验而深陷“网络模仿”困境。

本文将社会网络理论和空间计量模型相结合为分析产业集群，尤其是产学研区域协同创新系统，的协同创新机制提供了一个新的视角，其结果更为精确和细致，为政策制定提供更为可靠的依据。

[1] Lane J. Assessing the impact of science funding[J]． Science，2009，324( 5) : 1273-1275．

[2] 张振刚, 李林. 研究型大学学科布局的对称性及其构建研究[J]. 科研管理, 2003, 5: 25-27.

[3] Giuliania E, Pietrobellia C, Rabellottia R． Upgrading in Global Value Chains: lessons from Latin American Clusters [J]. World Development，2005，33( 4) : 549-573.

[4] 奕春娟，侯海燕. 国内外主要公司专利外部合作的计量与比较——以数字信息传输技术为例[J]. 科学管理研究，2008，26(5)：86-88.

[5] Fritsch M., Kauffeld-Monz M. The impact of network structure on knowledge transfer: an application of social network analysis in the context of regional innovation networks[J]. The Annals of Regional Science, 2010, 44(1): 21-38.

[6] Bell G. G. Clusters, Networks, and Firm Innovativeness[J]. Strategic Management Journal，2005，26: 287-295.

[7] Jong-Hak E., Lee K., Guisheng W. Explaining the “university-run enterprises” in China: A theoretical framework for university-industry relationship in developing countries and its application to China [J]. Research Policy, 2006,35: 1329-1346.

[8] 刘凤朝，沈能. 基于专利结构视角的中国区域创新能力差异研究[J]. 管理评论，2006，18(11)：43-47.

[9] 范群林，邵云飞，唐小我，王剑峰. 结构嵌入性对集群企业创新绩效影响的实证研究[J]. 科学学研究, 2010, 12: 1891-1900.

[10] Gautam Ahuja. Collaboration networks, structural holes, and innovation: a longitudinal Study[J]. Administrative Science Quarterly, 2000, 9: 425-454.

[11] Audretseh D. B., Stephan P. E.. Company-scientist locational links: The case of biotechnology[J]. The American Economic Review, 1996, 86(3): 641-652.

[12] Aharonson B. S., Baum J. A. C., Plunket A. Inventive and uninventive clusters: The case of Canadian biotechnology[J]. Research Policy, 2008, 37(6-7): 1108-1131.

[13] Kim T. Y., Oh H., Swaminathan A. Framing inter-organizational network change: A network inertia perspective [J]. Academy of Management Review, 2006, 31(3): 704-720．

[14] Granovetter, M. Economic Action and Social Structure: The Problem of Embeddedness[J]. American Journal of Sociology, 1985, 91(03): 481-510.

[15] Dayasindhu, N. Embeddedness, Knowledge Transfer, Industry Clusters and Global Competitiveness: A Case Study of the Indian Software Industry, Technovation, 2002, 22(9): 551-560.

[16] Ponds R., van Oort F., Frenken K. Innovation, Spillovers and university-industry collaboration: An extended knowledge production function approach[J]. Journal of Economic Geography, 2010, 10(2): 231-255.

[17] Cooke P, Gomez Uranga M, Etxebarria G. Regional innovation systems: Institutional and organisational dimensions[J]. Research policy, 1997, 26(4): 475-491.

[18] Jia Y, Garland M, Hart J C. Social network clustering and visualization using hierarchical edge bundles[C]. Computer Graphics Forum. Blackwell Publishing Ltd, 2011, 30(8): 2314-2327.

[19] Malmberg A. Industrial geography: location and learning[J]. Progress in Human Geography, 1997, 21(4): 573-582.

[20] Porter Michael E. Clusters and the New Economics of Competition[J]. Harvard Business Review, 1998, (11):37.

[21] 朱小斌，林庆. 中小企业集群竞争优势来源的演化差异——基于浙江绍兴纺织业集群的案例研究[J]. 管理世界，2008（10）：75-86+187.

[22] 谭劲松，何铮. 集群研究文献综述及发展趋势[J]. 管理世界，2007，（12）：140-147.

[23] 解学梅. 中小企业协同创新网络与创新绩效的实证研究[J]. 管理科学学报, 2010, 13(008): 51-64.

[24] 解学梅, 左蕾蕾. 企业协同创新网络特征与创新绩效: 基于知识吸收能力的中介效应研究[J]. 南开管理评论, 2013, 16(3): 47-56.

[25] 曹霞，刘国巍，付向梅等. 基于网络视角的知识整合过程机理及仿真[J]. 科学学研究，2012，30(6): 886-894.

[26] Porter A. Social Capital: Its origins and Applications in Modern Sociology[J]. Annual Review of Sociology, 1998, (22):l-24.

[27] Freeman L. Centrality in Social Networks: Conceptual Clarification [J]. Social Networks, 1979, (1):.215-239.

[28] Granovetter M. The Strength of Weak Ties [J]. American Journal of sociology, 1973, (78): 1360-1350.

[29] Burt R. S. Structural Holes: The Social Structure of Competition [M]. Harvard University Press, 1992.

[30] Soda, G., Usai A., Zaheer, A. Network Memory: The Influence of Past and Current Networks on Performance[J]. Academy of Management Journal, 2004, 47(6): 893-906.

[31] Gnyawali D. R., Srivastava M. K. Complementary Effects of Clusters and Networks on Firm Innovation: A Conceptual model[J]. Journal of Engineering and Technology Management，2013，30( 1) : 1-20.

[32] 罗若愚. 我国区域间企业集群的比较及启示[J]. 2002, 南开经济研究，2002，6:52-55.

[33] 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（4）：54-60.

[34] 朱小斌，林庆. 中小企业集群竞争优势来源的演化差异——基于浙江绍兴纺织业集群的案例研究[J]. 管理世界，2008，（10）：75-86+187.

[35] Reiner Franke, Peter Kalmbach.Structural Change in the Manufacturing Sector and Its Impact on Business-related Services: An Input-output Study for Germany[J]. Structural Change and Economic Dynamics，2005,16(4):467-488.

[36] 李永周,姚婳,桂彬. 网络组织的知识流动结构与国家高新区集聚创新机理[J]. 中国软科学，2009，（5）：89-95.

[37] 魏江, 勾丽. 集群企业的模仿特征及模仿方式探析[J]. 科学学与科学技术管理, 2008, 29(2): 142-146.

[38] 朱瑞博, 刘志阳, 刘芸. 架构创新, 生态位优化与后发企业的跨越式赶超-基于比亚迪, 联发科, 华为, 振华重工创新实践的理论探索[J]. 管理世界, 2011，（7）：69-97+188.

[39] Christensen C M, Raynor M E. The innovators solution: Creating and sustaining successful growth[M]. Harvard Business Press, 2003.

[40] P.A.P Moran. Notes on continuous stochastic phenomena[J]. Biometrika, 1950,37:17-23.

[41] Anselin, L., Varga, A., Acs, Z. Local Geographis Spillovers between University Research and High Technology Innovations[J]. Journal of Urban Economics, 1997, 42: 422-448.

[42] Burt R S. The network structure of social capital[J]. Research in organizational behavior, 2000, 22: 345-423.

[43] 潘雄锋,张维维. 基于空间效应视角的中国区域创新收敛性分析[J]. 管理工程学报,2013,01:63-67+62.

[44] 傅勇, 张晏. 中国式分权与财政支出结构偏向: 为增长而竞争的代价[J]. 管理世界, 2007 (3): 4-12.

[45] 陈运森, 谢德仁. 网络位置, 独立董事治理与投资效率[J]. 管理世界, 2011 (7): 113-127.

[46] 李增福,林盛天,连玉君. 国有控股、机构投资者与真实活动的盈余管理[J]. 管理工程学报,2013,03:35-44.

[47] 王战营. 交易费用、网络协同与产业结构优化——兼论政府干预产业集群发展的经济效应[J]. 财政研究,2012,10:69-71.

[48] 池仁勇. 区域中小企业创新网络的结点联结及其效率评价研究[J]. 管理世界, 2007 (1): 105-112.

[49] 简兆权, 刘荣. 财政投入对企业创新的宏观效应研究——基于广东的案例[J]. 科学学与科学技术管理, 2009, 8: 012.

[50] 周青, 曾德明, 秦吉波. 高新技术企业创新网络的控制模式及其选择机制[J]. 管理评论, 2006, 18(8): 15-20.

Network Imitation, Cluster Structure and Industry-academic Regional Collaborative Innovation

TANG Shu-lin, XIAO Zhen-hong, YUAN Jing-ting

( School of Economics and Management, Harbin Engineering University, Harbin 150001, China )

In the 21st century, the complexity of enterprises' social relation networks is widely viewed as an important engine of regional economic growth. Enterprise cluster derived from stable social geopolitical relations can not only create stable jobs and increase productivity, but also develop a collaborative innovation environment to improve regional innovation capability. Existing related research mostly focused on individual network phenomenon of industry-academic agent based on social network analysis. However, empirical evidence is not consistent and even contradictory. We found that existing researches emphasize on the individual network based on these empirical evidences, but ignore the colony behavior between regional innovative subjects. Regional collaborative innovation system is one kind of community network phenomenon which emphasizes on a collaborative network as the smallest unit of a few individuals. Network imitation is becoming a hot research topic. Imitating success cluster’s network is the key for regional collaborative innovation. Existing research has always failed to find the measurement method which fuses the two themes of colony and network.

In order to better analyze the collaborative innovation network which is more advanced than social networks, scholars and policy makers have been trying to find more accurate measurement model than social network analysis. This paper tries to introduce the spatial econometric model to find some evidence of spatial effect in the social network structure of enterprise clusters in China, and investigates the evolution of university spin-off companies' network embeddedness. In addition, we investigate the influence of knowledge spillover by using a new network features named spatial structure to improve the result of social network analysis. This paper chooses 448 mono-block shipbuilding enterprises and 191 scientific research institutions and their derivative enterprises as the research objects. These samples are used from the yearbook of Chinese Intellectual property and China Ocean Yearbook and yearbook of China Shipping Industry from 2001 to 2012 for the research.

Firstly, we construct a discussion frame based on Social Network Analysis (SNA). Our findings validate that network degree and betweeness centrality will improve the level of regional collaborative innovation within enterprise clusters. There is a s-shaped impact curve between collaborative distance and collaborative innovation in partial cluster. There is a significant negative correlation between structural holes and knowledge spillover which only exist in the marine engineering equipment cluster of Bohai rim by controlling the spatial effect.

Secondly, the spatial econometric model is used to discuss the influence of enterprise relationship of collaborative innovation under the indirect effect of the geographical space/network structure. The results show that there are obvious spatial effects on cluster structure, which shows spatial proximity in continuous knowledge space or spatial heterogeneity in intermittent knowledge space. This finding indicates that collaborative innovation construction of marine equipment industry in China has given initial results; (3) the spatial effect within a cluster is stronger than between clusters, which shows that there is an obvious local protectionism of marine engineering equipment industry between each cluster.

Thirdly, after testing network embeddeness impact on the regional collaborative innovation, we investigate whether space effect of regional collaborative innovation caused by network embeddeness will be influenced by enterprise microscopic features or government intervention. There are three important indicators, including enterprise nature (whether state-owned or not), enterprise age (newly-rising enterprises), qualification of new and high technology and degree of government intervention.

The findings indicate that there isn't obvious evidence showing that enterprise property rights have a significant impact on the characteristic of the network structure. However, cooperative innovation behaviors of high-tech enterprises or young enterprises are more susceptible to network structure. Meanwhile, common or older enterprises are more likely to imitate each other's network.

industry-academic collaboration; network imitation; cluster structure; regional collaborative innovation

中文编辑：杜 健；英文编辑：Charlie C. Chen

F273.7

A

1004-6062(2016)04-0034-11

10.13587/j.cnki.jieem.2016.04.005

2013-11-01

2014-06-11

黑龙江省社会科学基金资助项目（12B072）；黑龙江省自然科学基金资助项目（G201114）；中央高校基本科研业务费专项资金资助项目 (HEUCF140908)

唐书林（1985-），男，湖南永州人，哈尔滨工程大学讲师，博士后，研究方向：协同创新、知识管理，神经工业工程。