温州集群企业跨区域知识网络对集群创新能力的影响

夏曾玉，林 婷，刘 霞

(温州大学 商学院，温州 325035)

集群企业的创新发展越来越需要构建开放的知识网络．然而,集群企业因具有地域、结构、目标等临近性特征,在知识共享、技术研发、贸易合作等内部网络联系尤为密切．然而集群企业往往过多关注本地集群企业间的联系与合作，却忽略了跨区域知识网络所带来的积极影响,导致集群企业锁定和创新能力突破的困境．因此,集群企业必须注重跨区域知识网络构建,加强与非本地的企业、供应商、客户以及院校、科研机构等建立合作联系．

文献[1-2]中对跨区域知识网络与集群企业创新能力的关系进行研究,但研究集中于考察本地、跨区域知识网络嵌入与创新能力的关系等[3-4]．集群企业创新能力在一定程度强调集群主体间的合作,集群企业之间的创新合作关系更能决定集群创新能力强度．但是合作网络关系也有可能产生负面影响,集群网络经长期合作趋向成熟和稳定,集群企业关系网络可能面临封闭，影响创新能力提升．因此,构建跨区域的知识开发网络和知识扩散网络是促进异质知识溢出和知识创新的关键．文中主要从跨区域知识网络的视角,探析集群企业知识开发网络与知识扩散两个维度对集群企业创新能力的影响．同时引入环境不确定性作为调节变量,考察环境不确定对跨区域知识网络与集群创新能力关系的影响,从而明确研究边界,以利于提出有效的对策建议．

1 理论基础与研究假设

1.1 跨区域知识网络与集群企业创新能力的关系

产学研合作是推动企业创新发展的有效方式，合作伙伴选择将直接影响合作绩效和创新能力[5].知识网络从地理角度分为本地知识网络和跨区域知识网络；从主体类别的维度分为知识开发网络和知识扩散网络[6],其中知识开发网络包括非本地供应商、客户、竞争企业及相关企业,知识扩散网络包括非本地高校科研院所、公共科技服务机构和其他技术支撑平台．企业是创新和知识转化主体，通过产学研合作将新知识(科技成果)向企业转移.[7]集群企业在本地知识网络的过度嵌入,可能会导致集群企业对本地知识网络之外的信息绝缘[3]．文献[8]中强调集群企业不应只注重集群内部知识网络,应该与集群外部企业以及组织机构等建立关系网络,来获取更多外部市场信息和技术发展状况,从而获取持续竞争力．文献[9]中通过实证研究得出,本地知识网络所带来的集群学习和知识溢出提高了知识传播的速度和效率,但对集群企业而言,一些关键性的、非积累性的知识通常要依靠超本地网络得以实现．文献[2]中认为企业嵌入跨越地理边界的集群外部网络,将能够帮助集群企业在与外部组织的合作过程中学到知识和实现创新,丰富资源获取的途径，提升集群开放性水平，避免创新陷入突破困境．集群企业双重关系嵌入对组织重构能力有正向影响,并且外部网络的变化能够增强集群的组织重构能力[10]．基于上述分析,提出如下假设:

假设H1:知识开发网络强度对集群创新能力具有正向影响

假设H2:知识扩散网络强度对集群创新能力具有正向影响

假设H3:跨区域知识网络对集群创新能力具有显著的正向影响

1.2 环境不确定性对跨区域知识网络与集群企业创新能力关系的影响

环境不确定性能够促进企业积极进行机会感知和应用活动,进行自主创新,从而提升创新绩效[9]．但环境不确定性也会侵蚀企业原有的创新竞争优势,影响产品技术创新的质量,延长创新循环的运行周期,进而降低企业绩效．环境不确定性在文化嵌入与集群创新之间起到了负向调节作用,但却正向调节了网络开放度对创新能力产生的负效应[12]．文献[13]中认为技术、市场不确定性高,引起突破性创新减弱,同时团队异质性也带来负向影响．文献[4]中对3个不同行业以及不同年限的集群企业展开实证研究,认为当市场和技术环境都稳定时,网络合作度越高,集群绩效会有显著地提升，但是当技术环境不确定性高时,网络合作度的影响并不明显,反而开放度对集群绩效存在积极的影响．基于上述分析,提出如下假设:

假设H4:环境不确定性正向调节知识开发网络与集群创新能力之间的关系

假设H5:环境不确定性负向调节知识扩散网络与集群创新能力之间的关系

基于上述分析，文中构建环境不确定条件下跨区域知识网络与集群创新能力的关系模型，如图1．

图1 影响集群创新能力研究框架Fig.1 Research framework of influencing the cluster innovation capability

2 实证研究

2.1 数据收集

2015年7～8月在温州鹿城鞋都工业园区、龙湾工业园、娄桥工业园等,发放问卷350份,回收问卷267份,其中有效样本185份,回收率为76%．对所收集的有效样本的基本情况进行描述性分析,如表1．温州市185个样本中制鞋企业占很大一部分,占比61.6%;基本企业年龄都超5 a；不同规模企业中,100人以下的占42.7%,100～300人的占49.7%.样本主要以中小制造型集群企业为主．

表1 样本企业描述性统计Table 1 Descriptive statistics of sample enterprise

2.2 变量解释与测量

因变量:集群创新能力，在国外已有相关量表，创新能力根据创新程度不同可以从产品、工艺、设备等方面测量,也可以从新产品绩效、专利技术绩效等产出方面来测量[13-14]．因此，文中从开发全新产品、在现有产品上提升技术、开发全新技术知识、开发新产品型号等4个方面题项对变量进行测量．

自变量:知识开发网络强度，其主体包括非本地供应商、客户、同行企业等3类，主要基于与这3类主体的联系紧密程度,反应集群企业在互动中知识应用和开发的过程．知识扩散网络强度,其主体主要包括非本地高校科研院所、公共科技服务平台、其他科技服务机构等3类,主要考虑集群企业与这3类主体在互相联结中通过信息流、知识流、技术流等生产要素促进集群企业应用和开发知识．文中以相互交流频率和关系持久度两个维度分别测量知识开发网络强度与知识扩散网络强度[3,15]．

调节变量:环境不确定性，主要体现在行业环境和政府支持政策这两个方面．其中行业环境采用Barrales Molina(2010)等研究量表[16],分别从竞争对手、市场需求、技术更新、产品和相关行业变化等5个方面题项进行测量;而政府支持政策则从政府部门政策和变化这个题项来测量．

控制变量:企业年龄和企业规模，文中用企业成立年限衡量企业年龄,用员工人数衡量企业规模．企业年龄会影响企业的学习能力、知识转移水平和知识利用能力;企业规模可能影响企业知识资源的获取和利用,因此选择这两个变量作为控制变量．

2.3 样本信度与效度分析检验

2.3.1 信度检验

文中首先对量表的整体进行内部一致性检验,以评估量表的信度．结果如表2，量表整体的克朗巴哈系数值为0.901,远远大于0.7,说明量表整体具有较高的信度．其次,对所涉及的各个变量进行克朗巴哈系数检验,其中各个变量的克朗巴哈系数值均大于0.8,符合统计标准,通过信度检验,题项之间具有较好的内部一致性．

表2 研究变量的克朗巴哈信度分析Table 2 Cronbach′s Alpha reliability analysis

2.3.2 效度检验

(1) 首先对自变量知识开发网络进行因子分析．分析结果如表3，KMO值为0.807,p=0,巴赫特球体检验的结果显著．对知识开发网络6个题项进行因子分析,共析出1个因子,解释总变异的59.378%,且每个题项的因子载荷均大于0.6．对知识扩散网络的6个题项进行因子分析(表4),KMO值为0.909,p=0，巴赫特球体检验显著．因子解释总变异的84.085%,而且每个题项的因子载荷均大于0.5,结构效度较好．

(2) 对集群创新能力的4个题项进行因子分析．分析结果如表5，KMO值为0.753,p=0，巴赫特球体检验的结果达到显著,因子解释总变异的74.259%,因子载荷均大于0.7．

表5 集群创新能力因子分析Table 5 Factor analysis of cluster innovation capability

(3) 文中对环境不确定性的7个题项进行主成分因子分析．分析结果如表6,KMO值为0.839,p=0，巴赫特球体检验的结果达到显著,因子解释总变异的72.761%,因子载荷均大于0.5．

表6 环境不确定性因子分析Table 6 Factor analysis of environmental uncertainty

2.4 相关性分析

文中对所研究的变量进行相关分析,分析结果见表7,表中各个t统计量的显著性概率p均小于0.01,相关系数显著异于0,存在相关性．其中知识开发网络强度与创新能力之间p=0.001,则存在着显著的正向相关关系．知识扩散网络强度和创新能力之间的相关系数检验t统计量的显著性概率为0.004,同样小于0.01,也存在着正向且显著的相关关系．环境不确定性分别与知识开发网络强度、知识扩散网络强度之间也存在着相关性．为了进一步检验变量间的关系,下文采用多元回归进一步分析．

表7 变量相关分析Table 7 Correlation analysis of variables

注:**表示在0.01水平上显著相关；*表示在0.05水平上显著相关

2.5 回归分析与假设检验

2.5.1 跨区域网络与集群创新能力的回归分析及假设检验

以知识开发网络强度与知识扩散网络强度作为自变量,集群创新能力为因变量,进行回归分析,检验跨区域知识网络对创新能力的影响．结果如表8,其中模型2与模型3中的知识开发网络强度与知识扩散网络强度的回归系数分别为0.253和0.334,并且两个回归方程均达到显著水平,p值均小于0.001．因此,知识开发网络对集群创新能力具有显著的正向影响,知识扩散网络的集群创新能力也具有正向影响．这表明假设H1与H2都得到验证．

同时模型4将两个自变量同时放入回归方程,知识开发网络强度的回归系数为0.192,p<0.05达到显著水平,知识扩散网络强度的回归系数为0.294,p<0.001同样通过显著性检验,假设H3跨区域知识网络对集群创新能力具有正向影响通过验证．并且可发现扩散网络强度的回归系数明显比开发网络强度的回归系数大,可知知识扩散网络强度对集群创新能力的提升显著大于知识开发网络强度．

表8 跨区域网络与集群创新能力的回归分析Table 8 Regression analysis of inter-regional network and cluster innovation capability

注:***表示p<0.001；**表示p<0.01;*表示p<0.05;+表示p<0.1,数值为标准化回归系数

模型5加入了环境不确定性变量,发现环境的显著性特别明显,对集群创新能力起到了显著的正向影响,其回归系数为0.425达到了显著(p<0.001)，甚至大于知识扩散网络强度的回归系数0.224．

2.5.2 环境不确定性的调节效应检验

为检验理论假设,文中采用逐步加入自变量与调节变量交互项的层级回归模型进行数据分析，结果如表9.从模型1、2的分析结果可以看出,环境不确定性始终对集群创新能力具有显著的正向影响，p<0,但是知识开发网络强度对创新能力的影响变得不太显著,p<0.01,而且模型2加入了环境与开发网络的交互项,结果显示并不显著,环境不确定性在知识开发网络强度与集群创新能力之间的调节作用不显著,假设H4没有通过检验．

模型3显示知识扩散网络强度和环境均对集群创新能力有显著正向影响.模型4增加了知识扩散网络强度与环境的交互项,结果显示知识扩散网络强度与环境的回归系数均达到了显著,p<0,但是交互项的系数依然没有通过显著性检验,表明环境不确定性在知识扩散网络强度和集群创新能力之间也不存在调节作用．假设H5也没有通过假设检验．

最后,将知识开发网络强度与知识扩散网络强度还有它们各自与环境的交互项都加入回归方程,发现只有知识扩散网络强度的回归系数0.246与环境不确定性的回归系数0.393达到了显著,p<0．而环境不确定性在跨区域知识网络与集群创新能力之间的调节效应不显著．

表9 环境不确定性的回归分析Table 9 Regression analysis of environmental uncertainty

注:***表示p<0.001；**表示p<0.01；*表示p<0.05；+表示p<0.1,数值为标准化回归系数

3 分析与结论

通过实证研究分析环境不确定条件下跨区域知识网络对集群创新能力的影响,并且利用集群企业相关数据对假设进行检验．研究发现:

(1) 知识开发网络强度与知识扩散网络强度对集群创新能力均具有正向影响,但知识扩散网络强度对集群创新能力的影响更加显著．即集群企业与高校研究院所、科技服务机构等交流的频度与持久度对集群企业的创新能力提升效果更显著．该研究结论与文献[2,8]中的研究结论基本相似,不同之处在于其研究更强调知识整合对集群企业创新的正向影响,而文中研究发现知识扩散更有利于提升集群企业创新能力．

(2) 环境不确定性对集群创新能力具有显著的正向影响．表明环境不确定性越高越有利于提升集群创新能力,该结论与文献[12]中的结论基本吻合．

(3) 环境不确定性对跨区域知识网络和集群创新能力的关系调节效应不显著．根据相关文献提出环境不确定性的调节效应假设,在回归分析中没有得到验证．可能与样本是温州地区企业集群有关．一方面,温州传统企业更注重社会关系网络,而这种稳定和相对封闭的社会网络受外部环境影响较小;另一方面,由于温州传统中小企业在不确定的转型环境中大多持观望态度,导致环境不确定性的调节效应在最终的回归分析中没有得到验证．

4 研究建议

(1) 集群企业管理者应积极引进和培育知识型服务机构,构建科技服务平台.文中研究发现知识扩散网络强度对集群创新能力的提升具有显著的正向影响．因此,集群企业高层管理者应积极引进和培育知识型服务机构,构建科技服务平台,通过对知识资源的整合汲取提升创新能力．

(2) 集群企业应有选择性地构建知识开发与扩散网络.知识开发强度与扩散网络强度对集群创新能力具有不同的影响效应,因此集群企业应构建适合自身的知识开发和扩散网络．一方面,加强与非本地供应商、客户、同行企业等联系;另一方面,要加强与非本地高校科研院所、公共科技服务平台以及其他科技服务机构等合作,通过信息流、知识流、技术流等生产要素促进集群创新能力提升．

(3) 集群企业需要结合环境不确定性的具体特征提升创新能力.环境不确定性对集群创新能力具有显著的正向影响,因此集群企业的管理者必须着重关注外部环境变化特征,有针对性地聚焦企业的资源整合能力和资源重构能力,提升集群创新能力．