适度站队：派系视角下创新网络中企业创新与结派行为研究

赵 炎 ，栗 铮

（1.上海大学管理学院，上海 200444;2.上海大学创新与知识管理研究中心，上海 200444）

“网络”一词在20世纪80年代开始广泛使用,起初特指线条的编织所形成的镂空结构，之后网络的概念得到进一步延伸，泛指众多行为主体之间的联系。20世纪80年代末，IMAI和BABA[1]首次提出创新网络是一个应付系统性创新的基本制度安排。之后，FREEMAN[2]引证并沿用IMAI和BABA对创新网络的定义，认为对网络的研究有助于提供内部成员的知识需求。在创新网络的研究方面，以往学者将更多精力投入断层、结构洞、小世界性和子群的研究，而对派系的研究较少。THATCHER和PATEL[3]认为对企业联盟和创新网络的断层研究是有必要的。此后不久，学者HEID等[4]通过研究企业联盟稳定性发现，知识在创新网络中流动时的差异化会使网络出现断层，使联盟分裂为多个子群、派系，甚至消散。近年，党兴华等[5]对子群进行了进一步研究，从嵌入的角度分析了断层对创新网络中子群的影响，但他们没有对同属于中观层面的网络结构——派系展开研究。因此，对派系进一步研究有助于丰富当下创新网络的理论框架。派系作为企业之间合作的一种方式和创新网络中的一种联盟结构普遍存在。它是网络密度最大的联盟团体。探究企业结派行为与企业自身创新之间的关系，对企业的发展具有良好的实践启示意义。

1 文献回顾和理论假设

1.1 文献回顾

以往学者展开了对企业内外部的资源结构和政府政策的研究。例如：SCHILLING和PHELPS[6]研究了创新网络整体结构与企业知识创新性之间的关系，发现创新网络的集聚系数和联通度越高，该网络的知识创新性就越强。高太山和柳卸林[7]利用我国74个企业参与的国际联盟发现，企业合作、知识池均对企业的创新能力有促进作用。李晋和邓峰[8]从政府政策角度展开实证分析，通过对比发现，有政府支持与有政府部门参与的联盟表现出较高的创新性。

与此同时，自组织理论也被以往学者引入创新网络中企业创新能力的研究。例如，刘丹和闫长乐[9]将协同学理论运用其中，选取技术、人才、文化、资金等指标对网络整体和网络中的企业创新展开研究，发现“差序化格局”对网络整体和网络个体均有增益。

总结而言，前人大体从企业的联盟行为出发展开研究，并认为企业之间的合作从一定程度上对企业创新起到了促进作用。基于此，本文选取创新网络中网络密度最大的联盟团体——派系的视角，研究企业的结派次数是否有助于企业自身创新的发展。2004年CLAUSET等[10]首次提出了复杂网络中的各种结构。PALLA等[11]在《自然》杂志上提出派系普遍存在于复杂的网络中，并于2007年开发了派系提取软件CFinder供研究者使用。在派系的研究中，赵炎和孟庆时[12]通过实证分析提出创新网络中的企业具有自发性的“结派”趋势，此后赵炎等[13]又提出知识在派系内流动而终止于派系的边缘。

综上所述，之前学者大多从中观层面对联盟网络展开研究。以往研究表明，联盟网络内结构复杂程度越高，企业之间联系就越多，这有益于促进企业的创新，而对于派系这一联盟团体还有待进一步深入研究。本文从中观、微观2个层面出发，对企业在不同等级规模下的结派行为展开研究，试图探明在外部现实环境下，企业如何结派更有益于自身创新。

1.2 结派行为定义与假设

派系是创新网络中的一种特殊现象，PALLA等[11]首次从图论上给出定义：派系是由3个或3个以上的节点组成的全耦合网络。根据搜集的数据，大多派系的规模都集中在3—派系到5—派系之间。因此，本文根据最基础的3类派系定义：企业在3—派系规模下的结派行为，记为初级结派行为；在4—派系规模下的结派行为，记为中级结派行为；在5—派系规模下的结派行为，记为高级结派行为（见图1）。

图1 初级结派、中级结派和高级结派Fig.1 Junior clique，middle clique and senior clique

假如一个企业在3—派系规模下结派一次，则说明该企业属于一个3—派系；假如一个企业在3—派系规模下结派2次，则说明该企业同时属于2个3—派系[14]。涂振洲和顾新[15]基于知识流动的产学研协同创新研究发现，企业参与联盟次数的增加，会促进知识流动，同时也会促进企业获得更多的显性、隐性知识，更有利于提高企业的创新能力。但是过多的结派行为在带给企业资源的同时也带来了约束，企业不得不与众多派系伙伴保持关系，必定会产生联系冗余[16]。这种联系冗余会导致企业在派系中嵌入程度加深，从而抑制企业的创新能力[17]。因此，提出如下假设。

H1 企业自身初级结派行为发生的次数与企业创新呈倒U形关系。

假如企业在4—派系规模下结派1次，则说明该企业属于1个4—派系，即该企业的中级结派行为发生1次。与此同时，该企业作为4—派系中的1个企业，也属于3个3—派系，这意味着该企业在中级结派行为发生1次的同时，初级结派行为发生了3次[18]。相比于初级结派，这种结派行为的发生表示该企业与外界企业之间的联系程度更高且合作更多。因为企业联盟行为的发生有利于促进该企业与外界企业间的知识流动，进而有利于提高企业的创新能力[19]。所以，企业结派同样有助于提高企业的创新能力。

但随着企业结派行为不断发生，相比于初级结派行为，中级结派行为无形中会导致企业更深的过度嵌入。过度嵌入会使企业在获得派系伙伴资源的同时接受过多的伙伴约束，梁娟和陈国宏[16]曾从嵌入的角度展开研究，认为“过度嵌入”会抑制企业自身的创新。因此，提出如下假设。

H2 企业自身中级结派行为发生的次数与企业创新呈倒U形关系。

假如企业在5—派系规模下结派1次，则说明该企业属于5—派系中的1个节点。也就是说，该企业的高级结派行为发生1次。与此同时，该企业属于1个5—派系也属于4个4—派系和6个3—派系，说明当企业的高级结派行为发生1次，该企业发生了4次中级结派行为，以及6次初级结派行为[20]。基于企业联盟对企业创新能力有促进作用这一事实[19]，本文认为，这种高级别多连通的结派行为相对于中级结派行为和初级结派行为，更加有利于企业与企业间的知识流动，进而对企业的创新能力产生正向影响。但是，随着企业所结派规模的扩大，加入派系次数的增多，其嵌入创新网络程度也进一步加深。在结派次数达到一定次数后，必定会出现过度嵌入的问题[16-17]，进而对企业创新产生抑制作用。因此，提出如下假设。

H3 企业自身高级结派行为发生的次数与企业创新呈倒U形关系。

本文依据企业所结派系规模大小划分为初级结派行为、中级结派行为和高级结派3种行为。基于前文的3个假设，本文认为企业结派行为与企业创新之间呈现倒U形关系。此关系必定存在着极值，极值对应的极值点即为企业在该规模下的最佳结派次数。随着企业所结派系规模的增大，企业所属派系的个数也相应增加，那么该企业的嵌入程度也进一步加深。因此，提出如下假设。

H4 企业初级结派行为、中级结派行为、高级结派行为的最佳结派次数依次递减。

2 研究方法

2.1 派系提取

因本研究存在滞后性指标（如“企业创新能力”用企业滞后一年申请专利数表示）和数据更新速度问题，所以本文采集了2010—2015年中国通信行业的数据，建立了中国通信行业联盟创新数据库。本文对数据库内的每家企业进行了编号，并对其联盟关系进行处理，从而形成了邻接矩阵，并获取网络指标。另外，通过中国知识产权网获得了企业的专利数据。在研究中国通信行业企业结派行为的过程中，本文依据2个标准：①每个派系中至少有一个企业从事于通信行业；②结成的派系从事于通信行业。以上2个标准只要满足其一，就可以认为该企业所结成的派系是通信行业的派系。同时，只有当这个派系中至少有1个或1个以上的中国企业时，才认定是中国通信行业的派系[12]。

本文基于派系过滤算法[13]，通过迭代回归的理论，利用CFinder软件对中国通信行业联盟创新网络中的企业进行派系提取，获得每个企业所结派系的规模和隶属派系的个数，进而统计出企业在初级、中级、高级的结派行为发生次数。派系与联盟网络之间的差异如图2所示。

图2 2010—2012年中国通信行业联盟创新网络中的派系和企业Fig.2 Clique and firms of communication industry alliance network in 2010—2012

PALLA等[11]提出一种从复杂网络中提取派系的方法——派系过滤（clique percolation）算法，简称CP算法。此算法可以从网络中按照派系规模从大到小依次提取。首先确定k—派系的k值（k≥3），之后的具体步骤如下。①选取网络中任意一节点P。②建立集合M={P，与P相连的节点}，N={与M中节点同时相连的节点}。③将集合N中的一个节点移至M中，并删除N中不再与M中所有节点同时相连的节点。④判断：如果M中节点数未达到k，N已为空集，或M、N为已有较大派系的子派系，则停止计算，并重新选择P点。否则，当M达到k时，则找到1个新派系，记录并返回至步骤③，即可得到包含P点在内的全部大小为k的派系。⑤重新选择P点，重复②～④步骤，即可找出网络内所有节点结成的k—派系。⑥重新定义k值，重复①～⑤步骤，即可找出网络中所有节点结成的派系。

依照国际惯例[6，21]，按每3年1个时间窗口，将2010—2015年划分为2010—2012年、2011—2013年、2012—2014年、2013—2015年4个时间窗口并作为面板数据的4个观测期。最终，利用UCINET和CFinder软件得到了4个时间窗口下的4张派系网络图、4张联盟网络图和结成派系的330家通信企业，作为本文的样本数据。

2.2 变量设置

2.2.1 因变量 企业创新用企业的创新能力来表征。这一变量所表现的是企业具有创新发展的综合能力。ARUNDEL和KABLA[22]认为专利可以直观体现高技术企业的创新能力。专利是适用于衡量高技术行业中企业创新能力的指标，因知识密集的高技术企业对知识产权的重视，故而这类企业更倾向于通过专利申请进行保护。赵剑波等[23]认为专利体现了企业的创新方向和技术水平，并主张使用专利作为衡量企业创新方向和创新能力的工具。因此，企业的专利申请量越多，其创新能力就越强。企业在结派后不可能立即申请专利，但一般都会立即展开合作，企业与其他企业结派大致在1年后会产出成果进而申请专利，所以本文选取企业结派滞后一年的专利申请数（patents）作为因变量。

2.2.2 自变量 分别用企业初级结派次数（clique3）、企业中级结派次数（clique4）与企业高级结派次数（clique5）来表征：如果1个企业只属于1个3—派系，那么就认为该企业只在3—派系的规模下结派1次；如果1个企业在4—派系规模下结派1次，那就认为该企业在4—派系规模下结派1次，在3—派系规模下结派次；如果1个企业在5—派系规模下结派1次，那么就认为该企业在5—派系规模下结派1次，在4—派系规模下结派次，在3—派系规模下结派次。

2.2.3 控制变量 本文是基于微观层面的企业研究创新网络，所以必须考虑影响整个创新网络的因素。因此，本文将每个时间窗口下的网络规模、企业结派历史和企业的平均集聚系数作为控制变量，同时也考虑了企业以往的专利积累。

专利积累（pre_patents）：企业的专利积累可以有效衡量企业创新的能力，它作为一个内生性指标，经常用于企业结派行对企业创新能力影响的研究[24]。因此，本文用企业结派行为发生前5年授权专利数总和表征企业专利积累。

企业结派历史（cli_age）：随着派系的发展，派系内各个企业随着不断地磨合，知识架构不断优化，知识积累不断加深。因此，在研究企业结派行为的过程中不能忽视企业结派历史的影响。本文用企业所结派系的年龄表征企业结派历史[25]。

网络规模(network_size)：采用单个时间窗口下网络中的企业个数测量。网络规模的大小决定了企业与外界之间联系的可能性和可选择性大小。网络规模越大，企业可选择结派的对象越多，企业与外界联系的可能性越大。因此，不能忽视网络规模对企业创新能力的影响[26]。

平均集聚系数（ave_clustering）：赵炎和孟庆时[12]将网络中直接联系的3个节点定义为闭三元组。平均集聚系数反映了网络节点的集聚程度，即形成闭三元组占三元组(包括所有直接或间接联系的3个节点的组合数)的比例。闭三元组是网络形成的基础结构，该结构在网络中越多，则网络中的结派行为越多。计算公式为C=3NΔ/N3，其中为闭三元组的数量表示网络中三元组的数量[27]。

3 实证分析

3.1 数据处理

本文将搜集的数据制成面板数据，利用STATA软件对4个时间窗口下的330个样本进行描述性统计、相关性分析、豪斯曼检验和负二项回归分析。从表1可以看出，大部分变量之间的相关性很低（相关系数的绝对值小于0.7）。但是初级结派行为、中级结派行为与高级结派行为间存在较高的相关性，因此不能同时放入一个模型进行回归。其他变量无须考虑多重共线性的问题。

表1 各变量的描述性统计和相关性分析结果Tab.1 Descriptive statistics and correlative coefficients of the variables

本文采用负二项回归的方法研究各个规模下企业结派次数与该企业滞后一年的专利申请数量的关系。因为在国家知识产权局搜集数据的过程中发现，对于一些企业而言，存在自我保护、不愿公开所拥有专利数的情况，而且不同企业创新能力存在差异，所以专利型数据较为离散。直线回归模型不适合此类计数型变量计算，而泊松回归原假设为均值等于方差，也不适合此类数据处理，因此，选取作为广义的泊松回归——负二项回归进行分析。

3.2 负二项回归分析

因为固定效应模型中的样本均有固定不变的差异，而随机效应模型则认为样本的某些不可测的差异是随机的。又因为经过豪斯曼检验，p值均小于0.05。基于此，本文认为使用随机效应的负二项回归模型更有效，建立模型形式如下。

负二项回归结果如表2所示。通过表2中的模型2～模型4可以看出，企业的结派行为发生次数的一次项均为显著正相关；观察企业结派次数的二次项，发现其与企业创新之间呈显著的负相关，也就是说，随着结派行为的发生，企业结派行为发生对企业创新的回报先增加后减小。因此，企业的初级、中级和高级结派行为与企业创新之间存在倒U形关系，支持了H1～H3。

表2 随机效应的负二项回归结果Tab.2 Negative binomial regression results with random effects

通过计算可以得出，企业滞后一年申请专利数达到极值时，企业最佳的初级结派、中级结派和高级结派的结派次数分别为16.61、52.42和120.93次。也就是说，企业最佳高级结派次数高于最佳中级结派次数，最佳中级结派次数高于最佳初级结派次数，H4没有通过验证。究其原因，从派系规模的门槛看，加入小规模的派系可能更有利于企业的创新。从图3（a）可以看出，假如企业A加入了1个10—派系，那么可以计算出该企业A的初级结派行为发生次，中级结派行为发生次，高级结派发生

次。由于该派系规模太大，企业的实际初级结派次数（36）超过了理论上的最佳初级结派次数（16.61），对于中级、高级结派次数也是如此。事实上，结派规模越大（加入9—派系、10—派系甚至更大规模的派系），企业的实际初级结派次数就越容易超过理论上的最佳初级结派次数。而观察图3（b）可以看出，假如企业B加入了2个4—派系，那么可以计算出该企业的初级结派行为发生次，中级结派行为发生2=2次，高级结派行为发生0次，远低于理论上不同门槛下的最佳结派次数。因此，企业加入小规模的派系（例如，3—派系、4—派系）比加入大规模的派系更不容易导致结派次数超过最佳次数的情况发生。因此，企业加入小规模的派系可能更有利于企业的创新。

图3 10—派系和4—派系Fig.3 10-clique and 4-clique

4 结论与启示

4.1 研究结论

本文从企业出发，对派系中最基础的3类——3—派系、4—派系与5—派系规模下的结派行为展开研究。通过研究通信行业联盟企业中企业自身的结派行为与企业自身创新的关系，发现：企业在不同规模下的结派行为发生次数与企业自身的创新之间存在倒U形关系，本文提出的H1～H3获得支持。另外，根据倒U形关系得出企业在3种派系规模下的最佳结派次数单调递增，H4没有通过验证。究其原因，本文发现与派系的结构性质问题有关，分别为大派系包含小派系和大派系隶属于小派系，例如，4派系中含有4个3—派系；4派系又可看作4个3—派系的派系组合，属于3—派系。本文结论如下。

首先，根据派系的性质，企业结派行为的发生使企业自身成为一个全连通子图中的一点，使企业可以与派系内的所有企业之间发生联系。企业可以通过结派使自身与所结派系内的企业进行资源合作、资源转移、资源交换等活动，进而提升自己的创新能力。

其次，企业的结派行为固然对企业自身创新有益，但是结派行为过于频繁或是所结派系规模过大时，就会出现子群联系冗余，从而使企业在众多伙伴中过于“忙碌”，甚至出现自身的控制错觉，以及自身的行为被派系伙伴限制，反而抑制了企业自身创新。这一结论支持了杨震宁等[17]“过度嵌入”理论的研究，呼吁企业“适度站队”。

最后，本文将PALLA等[11]在复杂网络中发现的网络结构——派系引入企业联盟网络，并对其性质展开进一步研究。结果表明：相对于大规模下的结派行为，小规模的结派行为更有利于企业自身与派系内企业的关系发展。在相对不复杂的派系中，企业可以面对相对较少的派系伙伴，这有利于增加企业与其他企业之间的关系紧密程度、增强彼此之间的信任以及企业的自信，进而更有利于企业自身的创新发展。

4.2 研究启示

企业结派行为的频繁发生使创新网络不断演化，进而改变了创新网络的结构和企业与其他企业之间的关系。以往学者大多研究创新网络的整体结构对整个创新网络的影响，而本文侧重于从企业出发探究整个创新网络，丰富当下创新网络的微观层面理论研究。

通过负二项回归模型，本文找到了企业在3个基础规模派系下最佳的结派次数，从最佳结派次数可以延伸到企业维度在创新网络中的研究，为日后的企业维度研究提供了参考。

结合上述结论和我国通信行业发展的现实情况，企业结派行为一旦超过理论上的“最佳结派次数”，创新能力就会随着结派次数的增加而降低，这就出现了结派过度。当下通信企业在“站队”时应当审慎、适度，避免过度结派的行为，否则就可能使企业身陷复杂的创新网络，并与派系伙伴发生千丝万缕的纠缠，使得“结派”这一积极的行为产生的边际效益降低。与此同时，频繁结派的企业需要消耗过多精力去应对派系伙伴的约束，从而使得企业的创新活力降低。

因此，本文希望为我国通信企业传递一个观点：企业结派行为发生太多，将会对其创新产生抑制作用。因此，企业面临“站队”问题时要审慎、适度，避免结派行为发生太多。这就意味着通信企业应当更加审慎地选择派系伙伴，提高加入派系的战略决策的重要性，适当地减少所属派系数量，从而将更多精力投入于企业自身的创新活动。

4.3 研究局限性

本文选取我国通信行业联盟网络进行研究，其行业具有一定的特殊性，因而得到的结论是否能够运用于其他行业有待进一步探讨。此外，本文构思于2017年且选取指标存在滞后性（如“企业创能力”用企业滞后一年申请专利数表示），因此，本文选取的联盟数据的时间段是2010—2015年，划分为4个时间窗口，样本量共计330个。今后还需要进行跟踪研究，并分析网络结构的变化趋势，对其中的小世界性等特征进行分析。