小微企业合作网络特征对企业成长影响的实证研究

李瑾颉，孙启明

(北京邮电大学 经济管理学院，北京 100876)

小微企业合作网络特征对企业成长影响的实证研究

李瑾颉，孙启明

(北京邮电大学 经济管理学院，北京 100876)

以小微企业为研究对象，收集了小微企业与其他主体之间建立合作关系所构建的网络数据。通过Pajek网络分析工具实现了网络的可视化，直观呈现了小微企业合作网络。对合作网络节点主体中心性分析发现整体网络的集中程度较低，结构较为松散，同时网络中存在6个子群，子群之间基本不存在合作关系，说明资源和信息流通并不顺畅，大部分小微企业对资源掌控能力较弱。细化网络特征为：网络密度、关系强度、建立与维持关系的主动性、中心性和网络异质性五个指标，研究对企业成长的影响发现，网络异质性对企业财务绩效没有显著影响，但是对创新能力具有促进作用，此外其余假设均得到支持。

小微企业；合作分析；产业网络；网络特征

一、问题的提出

随着科学技术的快速发展，行业分工和企业经营内容日趋细化，企业与其他主体之间的合作逐渐成为维持和促进企业成长的主要形式。小微企业通过项目的合作与交流可以有效地提高其生存率和竞争能力。这种合作所形成的小微企业集群，通过信息传播、技术和资源共享、知识价值的发挥，使得集群效应最大化，进而促进企业成长。由于专业化程度的逐渐提高，一个项目往往由若干企业合作完成，合作网络成为反映小微企业与其他主体合作的最直观表现形式。小微企业与合作伙伴之间的二元关系显著影响社会网络中的信息技术传播和资源的流动。通过对小微企业合作网络的分析，某一时间或阶段内合作网络的结构及其动态变化有助于了解企业之间合作的状态及其特征，帮助小微企业所有者理清企业发展所必须维持的关系，快速获取支持企业发展所需要的资源。

通过对已有文献的梳理，发现对网络与企业发展之间的研究主要集中在：①企业所有者在企业初创时期的特征、性别、文化、网络愿景等社会网络前因变量的研究[1]；②企业社会网络的特征及其动态演化，包括网络规模、网络结构、密度、中心性、网络关系强度等维度[2-5]；③社会网络对企业创业支持影响(机会识别、资金支持等)以及处于成长阶段对企业绩效的影响研究[6]。现有文献中，缺少对小微企业之间的互动方式、以及小微企业合作的本质特征的发现。在企业创立成长过程中，识别关键网络结构特征，进而形成支持企业创立和发展的有效关系，是企业网络化行为急需解决的问题。下面将从网络中的节点企业之间的关系进行分析，有助于企业了解并发现领域内的核心企业，同时也可以作为企业发现相关合作团体与潜在合作对象的借鉴。

二、相关理论综述和研究假设

目前社会网络对于企业成长过程中发挥的作用得到了学术界的广泛认同，研究者认为社会资本或者其他嵌入在企业家个人网络的资源对于小型企业的绩效是十分重要的[7-8]。根据资源基础理论的观点，企业的运行需要一定的资源支持，关键的资源可能会跨越企业边界，企业之间的这种特定的联结就成为关键资源流动的渠道。研究者将这种企业之间纵横交错的联系所形成的不可模仿的资源定义为网络资源。从长期来看，决定企业竞争优势的不是那些有形的实物资产而是这些不可视网络资源或无形资产[9]。小微企业受其先天缺陷影响，在成长过程中具有高度不确定性和较低的资源获取回报可能性，因此必须通过社会性关系的建立，提高它们在公开市场或传统市场上进行交易的能力，通过网络关系获取所需资源。也就是说企业成长与社会网络的构建与演进紧密相关。

理论界从宏观和微观两个层面认为社会网络对于企业成长具有促进作用，但是，社会资本的获取需要投入一定的社会交往成本建立关系，这在一定程度上会抵消掉社会资本带来的好处。已有研究对于网络结构和企业成长这一问题的讨论是比较含糊的，因此，需要考虑什么样的网络结构对于小微企业成长发挥促进作用。通过对这一问题大量文献的梳理，发现现有研究存在以下不足。

1.网络结构的稀疏紧密程度与小微企业成长之间的关系研究

这一部分的研究尚存在相互矛盾的结论。其中一种观点认为，处于结构洞的企业能够获得更好的社会资本，提高企业竞争力。另一种观点认为，紧密的网络联系是资本创造传递和获得的积极社会条件，其好处在于可以减少机会主义产生，提高所获取信息和资源的质量。通过对比这两种网络结构对于新成立企业的影响，发现企业网络从早期路径依赖向主观有意识的管理网络形态发生转变。由于对结构的不同定义，研究设计的不同，以及样本差异等原因导致前期研究对于这一问题并没有明确统一的结论。因此什么样的网络结构对于企业成长具有促进作用仍是研究社会网络与小微企业成长的争议之一。基于以上分析提出研究假设。

H1：网络密度高对小微企业成长具有正向影响。

H2：关系强度对小微企业成长具有正向影响。

2.企业属性与网络异质性对于企业成长的影响

企业属性的引入是为了区别不同企业在利用网络关系方面的差异。企业是具有能动性的主体，通过积极的社会交往建立合作关系，使企业处于不同的网络位置中。因此，除了强调网络结构和关系特征对小微企业成长的影响以外，还要强调网络中企业的主观性，即使在同一位置上，企业状况也是各不相同。基于此，除了要深入考察企业所嵌入的社会网络的结构和位置对企业成长的影响外，还要引入个体属性特征和网络异质性对于企业成长影响的研究。网络异质性反映了合作网络中小微企业在社会特征方面的差异程度，在本研究中计算了企业所属地及合作企业与企业之间的关系类型(如供应商、竞争对手等)，按照异质性指数(IQV)进行计算。基于以上分析，提出研究假设。

H3：企业积极建立网络关系对于小微企业成长具有正向影响。

H4：网络异质性对小微企业成长具有正向影响。

3.网络中心性与小微企业成长之间的关系

企业处于不同网络位置，能够获取到的外部资源是不一样的。网络点度中心性是指与小微企业直接交往的合作伙伴的数量，点度中心性越大说明企业拥有的外部网络资源越丰裕，汇集了更多企业发展所需要的信息，进而促进企业成长。中介中心性衡量企业处于网络中桥梁位置的程度，处于媒介位置的企业具有更大的开放性，决定了桥梁两端主体之间的跨界交流，可以获取到丰富的异质性资源和知识，从而有效提升企业生存能力。接近中心性衡量了小微企业处于合作网络中最核心网络位置的程度，占据核心位置意味着企业信息资源交流较多，企业具有明显的战略优势。基于以上分析提出研究假设。

H5.1：点度中心性与小微企业成长呈显著正相关关系。

H5.2：中介中心性与小微企业成长呈显著正相关关系。

H5.3：接近中心性与小微企业成长呈显著正相关关系。

根据上述关于网络结构、网络异质性、网络中心性和企业关系愿景与小微企业成长间的假设，图1构建出研究的理论模型。

三、网络结构特征分析

通过网络模型构建，从微观层面刻画网络结构特征及小微企业网络的核心分布状况；其次，通过多元回归分析建立回归模型，验证关系强度、网络密度、企业网络关系建立愿景、网络中心性对小微企业成长起到的作用；最后对模型结果进行总结和分析。

1. 数据来源

本研究采用的数据集由两部分组成：①北京邮电大学本科毕业生自主创业学员调查数据；②北京邮电大学经济管理学院MBA学员调查数据。本研究通过直接向北京邮电大学毕业生和MBA学员发放问卷的方式搜集数据，采用提名生成法获取到相关数据。要求调查对象填写至少三个合作对象，通过这种方法，共调查搜集到307份问卷，剔除缺失项大于20%的问卷，最终有效问卷为201份。其中获取数据的内容有，①企业数据，包括：名称、所处行业、企业资源获取和外部联系、创办初期和发展过程中的资金来源、人力资源结构和企业创新；②企业家数据，包括：年龄、学历、创办企业时所处行业；③社会交往成本。本研究采用提名生成法的合理性在于，首先保证了小微企业合作网络的整体性和连通性。其次，简单随机抽样或其他抽样方式需要关于研究对象相对完整的名单，获取微型企业全部的节点名单及节点之间的合作关系的困难是比较大的。因此提名生成法可以在最大程度上反映整体特征。

2.网络模型构建

小微企业合作网络以小微企业为网络的节点，合作关系为边。具体操作如下：将搜集到201个主体，剔除4个孤立节点后，将最终研究对象197个小微企业及合作主体作为研究的样本，形成小微企业合作关系的有向链接网络。在小微企业合作网络模型中，每一个节点代表了企业或者组织，并对合作网络中小微企业样本数据进行编码，企业与其他企业或组织之间的连线表明两者之间存在合作关系。滚雪球(snowball methods)抽样其好处在于挖掘出隐藏在众多节点之中小的子群。将小微企业合作网络的形式化定义为：

Nc=(V(t),E(t))

其中，V(t)表示小微企业合作网络在时刻所包含节点的集合{i}；E(t)表示网络在t时刻，节点之间的边的集合{ei,j}；ei,j表示企业与其他主体之间合作关系。如果节点i和j之间存在边，即企业i和主体j之间存在合作关系，则令ei,j(t)=1,否则ei,j(t)=0。对197个企业按照模型构建中的关系，进行共线统计分析，从而得到一个197×197的小微企业合作关系矩阵(矩阵的行表示企业，列为企业所指出与之合作的对象)。使用Kamada-Kawai算法生成小微企业合作网络结构，其可视化结果如图2所示。

3.小微企业合作网络的可视化分析

根据网络分析的一般度量对所构建的小微企业合作网络进行分析。

在本研究中，所搜集的节点总数为197的小微企业合作社会网络图中，网络的密度D=0.014 6，标准差为0.119 8，网络中心势为6.25%，网络的异质性为0.69%，网络的集聚系数为0.051。

网络密度的大小，反映了网络对于其中行动者的态度、行为等产生了影响。网络的密度越大，对于行动者的影响越大。小微企业合作网络分析的数据结果表明，小微企业之间的合作程度较低，企业之间联系不强，网络的整体结构较为松散。这必然导致整体网络中企业之间信息、技术、资源等流通性较差，不利于企业之间的共同成长。

通过网络的凝聚性研究发现：小微企业合作网络任意两个节点之间的平均距离为7.260，建立在距离基础上的凝聚力指数为0.096，该指数说明整体网络的凝聚力较差。导致网络聚类系数较小有两个方面的原因：一方面是企业交易的形成需要双方建立合作关系，而关系的建立首先要拥有一定数量具有合作意愿的合作者，并需要支付一定的成本来建立并维系关系(如社会应酬)。企业建立合作关系的能力是有限的，其活动范围也是有限的，这必然会影响网络的聚集系数。另一方面是由于网络数据获取方式决定的，并不能保证网络中邻居的邻居之间也存在关系。

节点的中心性研究是反映节点位置重要性的指标。虽然整体网络呈现出较为松散的状态，但是内部仍然具有一些小的凝聚子群。研究网络的核心边缘结构首先需要确定网络中是否存在核心节点以及这类核心节点的数量。下面将对小微企业合作网络的中心性和子群划分进行深入分析。

4. 小微企业网络核心分布

社会网络分析方法中，用于重要节点挖掘的主要度量是中心性研究。是反应节点结构位置的重要指标，对于衡量节点优越性、地位、声望具有很好的测度。根据小微企业合作网络的特征，选取一下三种中心性指标分析核心分布情况。

(1)点度中心性。度数测度反映了企业与其他节点主体发展交往关系的能力。其中度数较大的节点依次为(数字为企业节点编号，括号内为企业所处行业)：8(金融)，177(科技)，37(制造)，103(制造)，166(服务)，20(科技)。节点最大度数(#8)为17，节点最小度数为1。整个网络的标准化点入度中心势和点出度中心势均为7.221%。合作关系具有对称性，网络整体的合作链接与被连接关系均衡。中心势越接近1，说明网络的集中趋势越明显，因此该网络的中心性并不是很强，没有显著的网络核心。小微企业合作关系整体网络中心势较小，这与密度分析所得到的结论一致。

(2)中介中心性。中介中心性衡量的是节点在多大程度上处于其他点对捷径之间，是衡量控制其他节点之间联系的能力，与节点在网络中位置的重要性呈正相关。节点的中间中心度越高，说明在网络中控制其他节点的能力越强，小微企业合作网络的中间中心势为17.11%。从点度中心势指数和中介中心势指数来看，整个网络的中心度较低，小微企业并不会受到其他小微企业主体的控制，同时对网络的整体把控能力较弱，资源控制和信息流通能力不强。编号为65(通信)，162(互联网)，60(工程)，62(通信)等企业中介中心性远远高于其他企业，其中介作用非常明显，因此这几个企业在整个小微企业合作网络中的位置相对重要。

(3)接近中心度

在社会网络分析中认为节点与其他点接近程度高，那么它依赖于其他节点的程度就会降低，则具有较高的中心度。衡量方法是节点与网络中所有其他点的距离都很短时，该点具有较高的整体中心度。65(通信)，62(科技)，60(工程)，162(互联网)，63(科技)的企业高于其他企业的接近中心度。说明这些节点在网络中相对独立性较高，即核心程度较高。

通过比较中心性的三个指标发现，小微企业合作网络的中心测度排名并不一致，说明这些度值较高的节点其核心能力并不均衡，网络中没有非常明显的核心节点。

5.合作团体识别与划分

设定合作团体最低阈值为3，即合作个体数量小于3的不纳入分析范围。分析结果如图3所示。

根据结果分析，可以清晰地看到小微企业合作网络有6个合作子群，其具体构成为：

(1)#1(科技)、#2(通信金融)、#3(金融)、#4(金融)、#5(金融)、#6(金融)、#7(金融)、#8(金融)、#9(金融)、#10(科技)、#11(科技)、#12(科技)、#13(科技)、#14(科技)、#15(科技)、#16(科技)、#17(科技)、#18(科技)、#19(科技)、#60(科技)、#61(软件)、#62(通信)、#63(通信)、#64(科技)、#114(农业)、#115(科技)、#117(科技高校)、#134(通信)、#135(科技)、#136(通信)、#137(通信)、#188(咨询)

(2)#48(科技)、#49(设备)、#50(设备)、#51(环保)、#52(科技)、#53(科技)、#54(科技)、#55(设备)、#56(研究院)、#57(政府)、#58(技术)

(3)#37、#38、#39、#40、#41、#42、#43、#44、#45、#46、#47(制造)

(4)#20(咨询)、#21(食品)、#22(商业)、#23(制造)、#24(教育培训)、#25(科技)、#26(教育)

(5)#33(贸易)、#34(制造)、#35(贸易)、#36(制造)

(6)#30(在线教育)、#31(在线平台)、#32(在线平台)

显示方式为，企业编号和括号内企业所属的行业。以上划分的6个小微企业合作团体中，团体1和2的规模较大，分别为32和11，其余合作团体的成员数目基本为3个或4个。

四、数据分析与假设检验

为避免同一被访者回答问卷导致同源偏差问题的出现，首先对所有问项做因子分析，经计算未旋转时第一主成分占载荷量的21.64%，说明同源偏差问题并不严重。各变量因子载荷均大于0.7，方差累计解释率76.4%，其中网络特征的中心度和密度采用的社会网络分析方法测度进行计算，因此未对其进行信度检验。其他变量的对应的Cronbach’s α系数均超过0.7，通过信度检验，可进一步进行网络结构对小微企业成长影响的实证研究。现将企业成立年限、所处行业、企业员工数量及组织形式作为控制变量，从财务指标和创新绩效两方面对小微企业成长进行评测。分别考察了增加网络特征后的模型对财务成长和促进创新的解释力是否有所提高。结果如表1所示。

表1 小微企业合作网络特征对企业成长的影响

其中，**表示P≤0.01水平上显著，*表示P≤0.05水平上显著。

五、研究结论与展望

首先对企业与网络之间的相关研究进行了梳理，并认为小微企业有着自身独有的特征。与大中型企业相比，小微企业缺乏可用于抵押的资产，从银行获取正式贷款信用成本较高，而社会网络为小微企业的成长提供了资金和资源上的可得性。在实践中，由于小微企业信息获取困难，较少将研究对象聚焦于小微企业合作网络，及其生成与社会网络之间的关系(小微企业生成包括创业和成长两个阶段，即小微企业从无到有、从小到大的演变过程)。从节点企业的微观层面探讨小微企业合作网络中拥有较多合作关系的企业的地位以及整个合作网络的构成要素和特点。

借助文献分析和理论研究假设，明确了小微企业合作网络特征：网络密度、关系强度、关系主动性、网络中心性以及网络异质性，分析了这些变量与小微企业成长之间的关系。研究结果发现：网络密度、关系强度、关系主动性、中心度与企业的财务绩效和创新绩效均呈正相关。网络异质性对财务绩效的影响并不显著，但是对创新绩效具有影响。研究假设H1、H2、H3、H5通过，H4部分通过。这说明小微企业与合作对象互动频繁的网络结构形成了信任关系与社会规范，避免部分交易过程中的信息不对称问题，同时有效的协作机制为小微企业成长提供了良好的知识转移和情感交流的支持环境，有利于企业创新绩效的提升。

但是对合作团体进行识别与划分发现，小微企业合作网络内部形成了6个具有内部凝聚力的子群，子群之间基本没有合作关系。说明小微企业合作关系是一种以技术交流、信息流通、共同合作为基础的互动关系，子群之间以及中心性较高的节点之间并没有形成高强度的合作关系。这一结果表明，小微企业与其他主体之间的合作大多发生在小范围内，群体之间几乎不存在合作，这种合作方式必然阻碍信息、技术、资金、资源在跨团体中的流动。

需要注意的是，过度嵌入网络之中或建立过多关系对于小微企业的发展也是不利的。因为关系的建立与维持需要企业付出一定的成本予以支持，小微企业在自身所能开发资源匮乏的情况下，需要提高企业对优质网络资源的判别能力，避免认知上的偏差，适度嵌入在与其他主体的合作网络中，从中获取优质资源，降低社会交往成本对小微企业生存成长的压力。因此后续研究会考虑合作交往成本对于小微企业在创业和发展阶段的影响，更好地反映企业之间的合作发展状态和关系演变。目前将中国小微企业整体作为分析对象的研究数量上仍比较少,存在较大的挖掘空间。对网络的结构特征和内在嵌入机理的考察，成为认识社会网络的重要途径。随着网络理论在社会科学领域的应用，社会网络分析技术和可视化研究的发展与实现，它较好地解释了企业在发展过程中信息资源的流动、合作关系建立与破裂等行为所呈现的网络关系，从中挖掘出企业合作网络中的关键主体，反映企业在所嵌入网络中的位置以及网络特征对企业成长的影响，促进小微企业信息资源共享机制的建立，更好地分析企业之间的合作。

[1] De Mel S, McKenzie D, Woodruff C. Business training and female enterprise start-up, growth, and dynamics: experimental evidence from Sri Lanka [J]. Journal of Development Economics, 2014, 106: 199-210.

[2] Khoja F. The triad: organizational cultural values, practices and strong social intra-firm networks [J]. Journal of Business Strategies, 2010, 27(2): 205.

[3] 赵忠华. 创新型产业集群企业网络关系特征与创新绩效关系:知识流动视角的路径研究[J]. 哈尔滨商业大学学报(社会科学版), 2013(1): 77-86.

[4] Zaheer A, Bell G G. Benefiting from network position:firm capabilities, structural holes, and performance [J]. Strategic Management Journal, 2005, 26(9): 809-825.

[5] 李浩, 胡海青. 网络关系强度与企业创新类型——基于不确定性环境下的实证分析[J]. 华东经济管理, 2014, 28(4): 154-161.

[6] Maurer I, Ebers M. Dynamics of social capital and their performance implications: lessons from biotechnology start-ups [J]. Administrative Science Quarterly, 2006, 51(2): 262-292.

[7] Bhagavatula S, Elfring T, Van Tilburg A, et al. How social and human capital influence opportunity recognition and resource mobilization in India's handloom industry [J]. Journal of Business Venturing, 2010, 25(3): 245-260.

[8] Batjargal B. The effects of network's structural holes: polycentric institutions, product portfolio, and new venture growth in China and Russia [J]. Strategic Entrepreneurship Journal, 2010, 4(2): 146-163.

[9] Crook T R, Todd S Y, Combs J G, et al. Does human capital matter? A meta-analysis of the relationship between human capital and firm performance [J]. Journal of applied psychology, 2011, 96(3): 443-456.

Empirical Research on Effects of Micro and Small Enterprise Cooperative Network Characters on Enterprises Growth

LI Jin-jie, SUN Qi-ming

(School of Economics and Management, Beijing University of Posts and Telecommunications,Beijing 100876, China)

Network data obtained through cooperative relationship between the micro and small enterprises and other subjects is collected. Pajek helps to realize visualization of network, and present the cooperative network of micro and small enterprises. The centrality analysis of network nodes indicates the whole network shows low centrality and loose structure; meanwhile, 6 subgroups exist in cooperation network, but hardly have cooperative relationship, which suggests resource and information flow is not smooth and most micro and small enterprises are weak in source control. Divide network characters into 5 parts: density, strength of ties, relationship desire, centrality and heterogeneity. Empirical research shows that heterogeneity has significantly positive influence on creative performance but no influence on finance performance; other hypotheses are supported.

micro and small enterprise; cooperation analysis; industrial network; network character

2016- 07 - 31

李瑾颉(1987—)，女，山西临汾人，北京邮电大学经济管理学院2012级博士研究生，主要研究方向为信息可视化研究、社会网络分析、小微企业成长。

F279.24

A

1008-7729(2016)06- 0074- 07