网络视角下组织中心性与双元创新绩效研究

王崇锋 孔卓 晁艺璇 孙靖

摘要：基于已有研究对创新网络结构和技术异质度的关注，将一阶网络结构拓展至高阶网络结构并提出局部网络技术异质度的测度方法，使用我国1997—2017年ICT领域专利授权数据逐年构建创新网络，探讨组织的度中心性以及接近中心性对其双元创新的影响，以及组织的局部网络技术异质度对上述关系的调节作用。实证结果表明：组织的度中心性和接近中心性的提高均会促进其利用式创新绩效，但抑制其探索性创新绩效，且上述的促进作用与抑制作用均在局部网络技术异质度较低的情况下更强。

关键词：局部网络技术异质度；度中心性；接近中心性；双元创新；ICT领域

中图分类号：F062.4文献标识码： ADOI：10.3969/j.issn.1003-8256.2020.04.002

开放科学（资源服务）标识码（OSID）：

基金项目：国家社科基金项目（15BGL027）；山东省自然科学基金（ZR2017MG029）；山东省社会科学规划项目（20CGLJ04）

0引言

有关创新网络连接属性的文献，包括连接关系[1-3]、中心度[4-7]及差异[8-10]，关于连接关系的文献既包括直接连接也包括间接连接，关于连接主体的文献则较少关注间接连接。在实际情况中，间接属性对间接连接影响较大[11]，应予以考虑。同时，随着十九大提出颠覆式技术创新，双元创新视角看创新绩效显得尤为重要。

在“十三五”规划鼓励扩大科技合作、构建开放创新网络的背景下，开放式创新逐渐成为我国各组织开展创新活动的主要模式，组织间基于合作创新关系形成的创新网络形态也日益错综复杂。在开放创新网络中，知识被组织作为一种可交换商品，有目的的知识流入和流出能加速组织内部创新成果产出、扩大外部市场[12]。学界认为创新网络结构是组织知识流入或流出的基本渠道[13]，代表组织知识交换能力并影响组织创新绩效，进而学者开始探讨各类网络结构对组织创新绩效的影响机理，其中，根据创新网络结构不同，可分为中心性[14-16]、聚集系数[17-19]以及结构洞[20-22]等方面；根据影响机理不同，可分为线性[23]、非线性[24]等方面。

尽管上述研究成果丰富，但未取得一致结论且多侧重组织本身及其所拥有的网络结构，一定程度上忽视了组织的创新合作伙伴以及两者间的属性差异。事实上，组织在选择创新合作伙伴时，通常会考虑自身与创新合作伙伴间在地理位置、技术类别等方面的属性异质度[25]，属性异质度不同的创新合作伙伴会通过影响网络结构的知识交换功能进而造成组织创新绩效不同[26]，其中，技术异质度对组织创新的影响最为显著并逐渐成为学界研究热点。现有研究将技术异质度作为调节变量引入到网络结构对创新绩效影响的研究中，以探究“与谁合作形成的创新网络结构对创新绩效更为重要”的问题，比如，曾德明[27]、迟嘉昱[28]等人通过将组织与所有外部直接合作伙伴的技术异质度（简称“一阶异质度”）进行平均，测度了组织在创新网络中的技术异质度，并验证该技术异质度在度中心性、结构洞影响创新绩效中的调节作用。纵观已有研究，关于技术异质度影响网络结构与创新绩效间关系的研究较少，且多从一阶异质度与一阶网络结构的交互作用展开，忽视高阶异质度与高阶网络结构的交互作用，换言之，较多聚焦于组织的直接联系合作伙伴，关于间接联系伙伴即“朋友的朋友”的研究较少。已有研究发现，间接联系以及间接合作伙伴属性在组织创新活动中发挥着重要作用[29-30]，因此，有必要将高阶异质度和高阶网络结构纳入到现有研究中，这将有助于扩展研究视角与方法，对于丰富技术异质度、网络结构、创新绩效等领域研究有一定理论意义。

因此，基于现有研究关于组织在创新网络中技术异质度的测度方法，本文将直接创新合作伙伴拓展至间接创新合作伙伴，在考虑了网络距离、合作次数等权重要素后，提出局部网络技术异质度的概念与测度方法，进而使用我国1997—2017年信息和通信技术（ICT）领域专利授权数据逐年构建创新网络，探讨一阶度中心性以及高阶接近中心性对组织双元创新的影响，以及组织的局部网络技术异质度对上述关系的调节作用。

1理论基础与研究假设

1.1中心性与双元创新

根据创新程度，J G March[31]将组织的创新活动分为“利用式创新”和“探索式创新”并提出“双元创新”概念。其中，利用式创新是组织基于现有技术轨迹，對产品工艺、材料、流程等方面进行程度较小的改善，本质是改进并扩展企业现有的能力、技术或模式，具有连续、可积累、快速、投入少、回报确定、风险低的特点。探索式创新则是企业在新的技术轨迹、知识基础上，对产品现有的技术、概念、模式等方面进行重大突破，本质是尝试新的选择，具有突破性、风险大、投入多、收益不确定、时间久的特点[32]。

基于利用式创新和探索式创新的特点不同，创新网络结构会对其产生不同的影响，本文将基于知识溢出理论和创新扩散理论分别阐述网络中心性影响利用式创新绩效和探索式创新绩效的内在机制。

1.1.1中心性与利用式创新

利用式创新是基于组织已有的知识和技术开展的活动，往往需要与现有技术或知识密切相关的信息。创新网络通过技术合作关系将各个创新主体连接起来，形成了蕴含大量相关信息的网状结构，镶嵌于其中的组织会得益于网络中知识溢出效应，尤其是正向溢出效应[33]。因此，度中心性和接近中心性高的组织，其模仿学习其他创新主体或进行强强联合的渠道也越多，更易获取与现有知识或技术相关的信息，而且高接近中心性还可以增加组织与更远的间接合作伙伴进行信息交流的机会[34]。这些信息能缩短知识积累的时间，降低连续改善技术、优化产品的成本，有利于提高利用式创新绩效。

此外，根据创新扩散理论，具有特定属性的信息更易在创新网络中扩散，比如兼容性、相对优越性、复杂性、可实验性等[35]。由于利用式创新具有与现有技术共存度高、易操作、回报期短、风险小等特点，易通过创新网络传播。因此，度中心性和接近中心性高的组织，其接收有关利用式创新成功的信息、行为或准则会越多，而且高接近中心性还能提前组织获悉消息的时间，这使得组织采纳利用式创新的意愿增强。加之，利用式创新的成果具有理性投资者所偏爱的成功率高、获益快、稳定等特点，这会正向反馈给创新活动，渐渐形成组织对利用式创新的路径依赖，不断促进利用式创新绩效提高。综上所述，提出以下假设：

2.2.3控制变量

（1）组织类型。创新主体包括企业、高校和科研机构三种类型，其不同的技术创新的目的、形式和策略会对组织创新活动产生不同影响，因此，为了控制组织类型对组织双元创新绩效产生影响，以虚拟变量企业（Company）、高校（School）和科研機构（Institution）作为控制变量。

（2）前期创新成果。创新作为一种重新组合各种生产、知识要素的活动，离不开组织前期创新成果积累，因此，为了控制前期创新成果积累对双元创新的影响，采用前一年的利用式创新成果（Pre_ Exploitative）和探索式创新成果（Pre_Exploration）作为控制变量。

3实证结果与分析

3.1描述性统计分析及相关性分析

表1列出了各主要研究变量描述性统计及相关性分析的结果。其中，各变量的变异系数均在合理范围内，数据离散程度适中；度中心性和接近中心性与利用式创新间的相关系数均为正，与探索式创新间的相关系数均为负，初步验证了假设1和2。

3.2回归分析

考虑到因变量为计数型数据且其均值与标准差不相同，采用负二项回归模型验证网络中心性对双元创新的影响以及局部网络技术异质度的调节作用。统计软件Stata 12的回归结果如表2所示。

模型1的回归结果显示，度中心性的回归系数为0.056（p <0.01），一阶技术异质度和度中心性交互项的回归系数为-0.0009（p <0.01），这说明度中心性会显著正向影响利用式创新，但一阶技术异质度会显著抑制该正向影响过程。模型2的回归结果表示，接近中心性的回归系数为0.016（p <0.01），高阶技术异质度和接近中心性交互项的回归系数为-0.0004（p < 0.01），说明接近中心性会显著正向影响利用式创新，但高阶技术异质度会显著抑制该正向影响过程。因此，假设1和假设3得到支持。

模型3的回归结果显示，度中心性的回归系数为-0.057（p <0.01），一阶技术异质度和度中心性交互项的回归系数为0.0012（p <0.01），这说明度中心性会显著负向影响利用式创新，但一阶技术异质度会显著缓解该负向影响过程。模型4的回归结果表示，接近中心性的回归系数为-0.02（p <0.01），高阶技术异质度和接近中心性交互项的回归系数为0.0003（p < 0.01），说明接近中心性会显著负向影响利用式创新，但高阶技术异质度会显著缓解该负向影响过程。因此，假设2和假设3得到支持。

图3～图6为一阶异质度和高阶异质度的调节效应图。其中，图3和图4表示局部网络技术异质度上升时，度中心性和接近中心性对利用性创新的正面影响被削弱，表现为斜率变得平缓。图5和图6表示伴随着局部网络技术异质度提升，度中心性和接近中心性对探索性创新的负面影响被削弱，表现为斜率的陡峭程度下降。

3.3稳健性检验

前文的局部网络技术异质度测量方法未考虑组织与合作伙伴之间的合作次数，事实上，合作次数越多的合作伙伴对创新主体产生的影响也越多，于是，本文采用合作次数加权后的技术异质度进行稳健性检验，具体如公式（6）和公式（7）。

式中，C（i，g）表示结点i与结点g之间的最短路径的权重。其值为结点i与g间最短路径上所有边的权的最小值，若最短路径不唯一，则该值在所有最短路径中取最大。

指标具体构建过程如图7所示。其中，实线表示创新者间存在的联系，实线上的数值表示两者合作的次数，虚线上的数值表示两者间的异质度。图7c中，E、F为A的两个二阶合作伙伴，则如算式（8）所示。

Indirect_H′（A） = 0.8×3/2 + 0.7×2/2 = 0.82（8）

4研究结论与启示

本文以我国ICT领域专利授权数据为例，构建五年窗口期的创新网络，结合负二项回归模型实证检验了组织的网络中心性对创新绩效的影响，并验证了组织的局部网络技术异质度对二者关系的调节效应。结果显示：组织的度中心性、接近中心性与组织双元创新绩效显著相关，具体而言，与利用式创新绩效显著正相关，与探索式创新绩效显著负相关；且组织的局部网络技术异质度负向调节度中心性、接近中心性与利用式创新的关系，正向调节度中心性、接近中心性与探索式创新的关系。

上述研究结论对我国以企业为主体的创新主体有一定的启示作用。首先，企业在优化创新网络结构前，应首先明确创新战略的目标，如果以利用式创新为主，可以积极参与国家和地方政府搭建的创新平台，联合产业内网络中心性较高的组织，尤其是接近中心性较高的组织；反之，企业应谨慎选择合作伙伴，通过自建、收购等方式开展探索式创新活动在一定程度上会更有效。其次，对于利用式创新，企业应避免选择与自身技术类别差异较大的合作伙伴；对于探索式创新，如果企业出于成本-效益考虑，采用合作创新模式，那么应尽量选择与自身技术差异较大的合作伙伴，以抵消一部分合作创新模式对探索式创新的负向影响。

虽然同时考虑了组织的直接与间接的合作伙伴，且从局部网络视角提出局部技术异质度，具有一定理论意义，但尚存在不足，诸如：未考虑除中国专利信息平台公布的专利授权数据以外的资料，而专利只是双元创新成果的一部分；以ICT领域内的组织为样本，未考虑ICT组织与其他领域组织之间的跨领域合作关系等。不足之处均有待进一步补充完善。

参考文献：

[1]AHUJA G.Collaboration Networks， Structural Holes， and Innovation： A Longitudinal Study [J]. Administrative Science Quarterly， 2000， 45（3）： 425-455.

[2]ABBASI A， CHUNG K S K， Hossain L. Egocentric analysis of co-authorship network structure， position and performance [J]. Information Processing & Management， 2012， 48（4）： 671-679.

[3]其格其，高霞，曹潔琼.我国ICT产业产学研合作创新网络结构对企业创新绩效的影响[J].科研管理， 2016（增刊1）： 110-115.

[4]WASSERMAN S.Social Network Analysis Methods and Applications [J].Contemporary Sociology，1995，91（435）： 219-220.

[5]HALLEN B L， PAHNKE E C. When do entrepreneurs accurately evaluate venture capital firms track records？ A bounded rationality perspective [J]. Academy of Management Journal， 2016， 59（5）： 1535-1560.

[6]LIU W， SIDHU A， Beacom A， et al. Social Network Theory[M]. 2017.

[7]LANDIS B. Personality and social networks in organizations： A review and future directions [J].Journal of Organizational Behavior， 2016， 37（SUPPL1）： 107-121.

[8]ZAHEER A， BELL G G. Benefiting from Network Position： Firm Capabilities， Structural Holes， and Performance [J]. Strategic Management Journal， 2005， 26（9）： 809-825.

[9]王颖，彭灿.知识异质性与知识创新绩效的关系研究[J].科技进步与对策， 2012， 29（4）： 119-123.

[10] LANG C， JOSEPHINE. Social context and social capital as enablers of knowledge integration [J]. Journal of knowledge management， 2004， 8（3）： 89-105.

[11] SALMAN N， SAIVES A L. Indirect networks： an intangible resource for biotechnology innovation [J]. R & D Management， 2010， 35（2）： 203-215.

[12] CHESBROUGH H. The Era of Open Innovation [J]. MIT Sloan Management Review， 2003， 44（3）： 35-41.

[13] TSAI， WENPIN.Knowledge transfer in intraorganizational networks： Effects of network position and absorptive capacity on business unit innovation and performance [J]. The Academy of Management Journal， 2001， 44（5）： 996-1004.

[14]晁艺璇，王崇锋，刘欣荣，等.基于合作创新网络视角的创新策略选择研究——以ICT产业为例[J].软科学， 2018， 32（6）： 39-44.

[15] GREWAL R， LILIEN G L， Mallapragada G. Location， location， location： How network embeddedness affects project success in open source systems [J]. Management Science， 2006， 52（7）： 1043-1056.

[16]刘凤朝，张娜，孙玉涛，等.基于优先连接的纳米技术合作网络演化研究[J].管理评论， 2016， 28（2）： 74-83.

[17] OZER M.The effects of geographic and network ties on exploitative and exploratory product innovation [J]. STRATEGIC MANAGEMENT JOURNAL， 2015，（36）： 1105-1114.

[18] GRANOVETTER M S. The strength of weak ties [J]. American journal of sociology， 1973， 78（6）： 1360-1380.

[19] UZZI B， SPIRO J. Collaboration and creativity： The small world problem[J]. Americanjournalofsociology， 2005，111（2）：447-504.

[20] ZANG J. Structural holes， exploratory innovation and exploitative innovation [J]. Management Decision， 2018， 56（8）： 1682-1695.

[21] HARGADON A，SUTTON R I.Technology brokering and innovation in a product development firm [J]. Administrative science quarterly， 1997， 42（4）： 716-749.

[22] XIAO Z， TSUI A S. When brokers may not work： The cultural contingency of social capital in Chinese high-tech firms [J]. Administrative Science Quarterly， 2007， 52（1）： 1-31.

[23] YAN Y， GUAN JC. Social capital， exploitative and exploratory innovations： The mediating roles of ego-network dynamics [J]. TechnologicalForecastingandSocialChange，2017： 244-258.

[24]付雅宁，刘凤朝，马荣康.发明人合作网络影响企业探索式创新的机制研究——知识网络的调节作用[J].研究与发展管理， 2018， 30（2）： 21-32.

[25]曹兴，宋长江.认知邻近性、地理邻近性对双元创新影响的实证研究[J].中国软科学， 2017（4）： 120-131.

[26] UASI S， MARROCU E， PACI R. Networks， Proximities， and InterfirmKnowledgeExchanges[J].InternationalRegional Science Review， 2017， 40（4）： 377-404.

[27]曾德明，文金艷.协作研发网络中心度、知识距离对企业二元式创新的影响[J].管理学报， 2015， 12（10）： 1479-1486.

[28]迟嘉昱，孙翎，刘波.网络位置、技术距离与企业合作创新——基于2003-2013企业专利合作数据的研究[J].科技管理研究， 2015， 35（22）： 22-25，31.

[29]曹霞，宋琪.产学合作网络中企业关系势能与自主创新绩效——基于地理边界拓展的调节作用[J].科学学研究， 2016， 34（7）： 1065-1075.

[30] KARAMANOS， ANASTASIOS G. Effects of a firms and their partners alliance ego-network structure on its innovation output in an era of ferment [J]. R&D Management， 2016， 46（SUPPL1）： 261-276.

[31] MARCH J G . Exploration and Exploitation in Organizational Learning [J]. Organization Science， 1991， 2（1）： 71-87.

[32] ABEBE M A， ANGRIAWAN A. Organizational and competitive influences of exploration and exploitation activities in small firms[J]. Journal of Business Research， 2014， 67（3）： 339-345.

[33] FERSHTM C， GANDAL N. Direct and indirect knowledge spillovers： the "social network" of open-source projects [J]. The Rand Journal of Economics， 2011， 42（1）： 70-91.

[34] KARAMANOS， ANASTASIOS G. Leveraging micro- and macrostructures of embeddedness in alliance networks for exploratory innovation in biotechnology [J]. R & D Management， 2012， 42（1）： 71-89.

[35]埃弗雷特·M.罗杰斯.创新的扩散[M].辛欣，译.北京：中央编译出版社， 2002.

[36] GILSING V， NOOTEBOOM B. Exploration and exploitation in innovation systems： The case of pharmaceutical biotechnology [J]. Research Policy， 2006， 35（1）： 1-23.

[37] WASSMER U， DUSSAUGE P. Network resource stocks and flows： how do alliance portfolios affect the value of new alliance formations？ [J].Strategic Management Journal， 2012， 33（7）： 871-883.

[38] VANHAVERBEKE W P M， BEERKENS B E， DUYATERS G. Explorative and exploitative learning strategies in technology-based alliance networks[J]. Academy of Management Proceedings， 2004（1）：1-6.

[39] DEMIRKAN I， DEEDS D L， DEMIRKAN S. The Role of Network Characteristics， Knowledge Quality， and Inertia on the Evolution of Scientific Networks [J]. Journal of Management Official Journal of the Southern Management Association， 2012， 39（6）： 1462-1489.

[40] DYER J H，SINGH H.The Relational View： Cooperative StrategyandSourcesofInterorganizationalCompetitive Advantage [J]. Academy of Management Review， 1998， 23（4）： 660-679.

[41] LIN B W， CHEN J S. Corporate technology portfolios and R&D performance measures： a study of technology intensive firms [J]. R & D Management， 2005， 35（2）： 157-170.

[42]李保紅. ICT创新经济学[M].北京：北京邮电大学出版社， 2010.

[43] DIBIAGGIO L， NASIRIYAR M， NESTA L. Substitutability and complementarity of technological knowledge and the inventive performance of semiconductor companies [J]. Research Policy， 2014， 43（9）： 1582-1593.

[44] BAVELAS A. Communication Patterns in Task‐Oriented Groups[J]. Journal of the Acoustical Society of America， 1950， 22（6）： 725-730.

[45] JAFFE A B. Technological Opportunity and Spillovers of R & D： Evidence from Firms Patents， Profits， and Market Value [J]. American Economic Review， 1986， 76（5）： 984-1001.

Research on Centrality and Ambidextrous Innovation from the Perspective of Network： Based on the Moderating of Local Network Technology Heterogeneity

WANG Chongfeng1，KONG Zhuo2，CHAO Yixuan1，SUN Jing1（1.School of Business， Qingdao University， Qingdao 266000，China；2.School of Mathematics and Statistics， Qingdao University， Qingdao 266000，China）

Abstract： Based on the existing research on the innovation network structure and technology heterogeneity， we extended the first-order network structure to higher-order network structure and propose a method to measure the local network technology heterogeneity. We used patent authorization data of Chinese ICT industry from 1997 to 2017 and build innovation network year by year， which be used to explore the effects of degree centrality and closeness centrality on ambidextrous innovation， as well as the moderating effect of local network technology heterogeneity on the above relationship. We found that the improvement of degree centrality and closeness centrality can promote the performance of exploitative innovation， but inhibit the performance of exploratory innovation. Moreover， the above inhibitory and promoting effects are stronger in the case of low local network technology heterogeneity.

Keywords： local network technology heterogeneity； degree centrality； closeness centrality； ambidextrous innovation； ICT industry