网络嵌入特征与研发经历对通讯企业预研阶段研发者选择的影响

王雅兰，孙笑明，王成军，崔文田

(1 西安建筑科技大学 管理学院，陕西 西安 710055;2 西安交通大学 管理学院，陕西 西安 710049)

0 引言

中美贸易战打响以来，中国科技企业核心技术缺失的问题再次引发政府、学术界以及企业界广泛关注和深刻反省。大家普遍认识到，如果没有核心技术，企业就不能掌控和优化供应链，不能参与行业标准制定，就要处处受制于他人，企业就会经常遭遇运营危机，面临卡脖子问题。而要掌握核心技术，一个较好的选择就是预研，即在技术迭代的有利条件下，利用技术的不连续性，通过对时间与机会窗口的把握，预先做好新一代技术研发，抢先获得技术优势。

预研是企业研发活动中至关重要的一环，能够为后续新产品研发的总体及详细设计指明方向。高技术企业越来越重视预研，对项目的预研逐步加大人力、物力和财力投入。如华为早在1998年就成立了预研部，以精干力量(预研人员占总研发人员10%)和充足资金(总研发经费的10%)投入为基础，开始系统性地对具有前瞻性的产品及技术进行研发；中兴通讯在2018年校园招聘中对预研人员的素质和能力提出了极高的要求，特别设置了“技术预研工程师”岗位，负责面向5G的新技术研究、算法设计、仿真评估、标准提案、专利申请及推进公司5G技术方案在3GPP和ITU等标准化组织工作。

预研项目通常瞄准未来若干年市场，企业需要根据自身发展情况及市场变化趋势确定预研项目。在预研项目实施过程中，企业需要投入巨大的资金，研发人员需要花费大量的时间、投入充足的精力以及具备扎实的专业知识。但预研项目风险与收益并存，由于未来变化的不确定性，预研项目若契合未来发展需要，研发出的产品或提供的服务将在第一时间占据市场；反之，将面临巨大损失，甚至威胁到企业生存。因此，为了确保预研项目成功，企业必须对其进行有效管理。作为预研项目的实际执行者，预研项目中人才选拔的重要性毋庸置疑。那么，如果从企业内部选择参与预研项目的优秀研发者，是否有较好的参照标准和依据呢？这个问题的解答将帮助企业高效地管理和开发智力资源，助力企业获得绝对技术优势，实现核心技术突破。

尽管预研的相关研究成果在国内外技术研发中已有了较为充分及深入的应用，包括预研项目质量管理模式和标准、过程管理及评估等[1,2]，但大多局限于国防军工企业。作为一般民用特征企业，不但要准确判断未来市场需求，还要深度挖掘有限的人力资源，通过人才选拔和集聚高质量完成任务，确保当前企业创新绩效的同时，还要合理布局下一代技术研发架构[3,4]，其预研环境、情景以及资金投入与国防军工企业有着较大差异。以航空发动机为例，美国和欧盟的企业在预研方面取得了很大成就。美国从上世纪九十年代开始启动UEET计划，用以开发和验证具有绿色、经济和创新性的大飞机发动机技术，在2004-2007年间开发和验证了具有环境友好的清洁燃料型涡轮发动机；欧盟主要实施了一些商用航空发动机的预研计划，通过预研提高了航空发动机的环保效能，开发和验证了间冷回热航空发动机核心技术，改进了A330(空中客车)飞机电力及能量管理优化系统。。而这两个经典的民营企业预研项目成功都与军工企业或政府主导的预研项目明显不同，需要准确把握市场需求并精选预研研发者开展预研活动。鉴于我国通讯行业全球领先的技术优势及相关经验，本文选择以该行业专利数据作为样本数据，研究在3G到4G技术迭代过程中，我国企业如何选择预研研发者。

1 研究假设

企业中影响研发者创新的两个主要因素为网络结构和个体属性。以往学者大多从网络结构角度分析其对创新绩效的影响机制，但仅研究网络结构的作用是不够的。因为网络结构提供一种社会资本(机会和收益)，而个体属性优劣往往代表利用这些社会资本的能力。因此，处于网络结构中的研发者自身属性对创新绩效也会产生显著影响[5-7]。在企业预研时，由于所执行的都是极具挑战性的、创新性的工作，涉及的技术领域、知识面都是较新的或前所未有的，因而创新管理者必然要选择具有优质网络结构和良好属性的研发者，这样才能为预研成功提供可靠保证。

考虑两方面有利因素，本文在研究网络结构时，从企业内部整体网络结构洞(中介中心度)和自我中心网络结构洞(结构洞)两个方面加以论证，前者从整体网络角度分析研发者占据的位置优势，而后者更强调局部嵌入的正向效应，两者统一可以更好地分析社会资本在预研中的价值；经历的多少往往代表了个体在以往创新实践过程中知识整合的经验和技能积累，所以个体属性的主要关注点是研发者的研发经历。

1.1 中介中心度与预研研发者选择

由于预研工作具有高度不确定性和风险性，所以参与其中的研发者需要与团队其他成员、团队负责人形成适当的沟通频率。在有效的沟通交流背景下，了解并共享彼此的新想法和新发现，有利于预研团队快速更新和完善预研思路，也有利于及时纠正预研过程中的研发方向偏离，这种极具价值的新想法和新发现就是预研过程中所需要的新颖性信息和知识。在企业内部创新合作整体网络中，研发者获取大量信息和知识并对其进行有效控制、加工、利用和整合的最佳途径就是拥有较高的中介中心度。因为中介中心度值大小代表了研发者对整体网络中信息和知识流动的控制能力以及作为全局性中间人的中介能力，其值越大，说明研发者越处于研发合作关系通道的枢纽位置，就越有能力和机会从多种不同渠道获取、吸收到异质且富有价值的信息或知识[8,9]，从而增加与其他预研研发者间的知识碰撞，迸发出新的预研技术思路、观念和知识整合灵感，进而促进整个预研研发项目成功。换言之，企业要选择占据企业内部合作创新网络中心位置的研发者进入企业预研活动，因为处于这种网络中心位置的预研研发者控制着企业创新合作网络中其他研发者之间的相互作用与交流通道，可以敏感且准确地觉察到网络中流动的信息与知识的属性特征[10]。如果要完成良好的信息交换和知识转移任务，那么其他研发者很大程度上就要选择这种中介中心度值高的预研研发者所控制的捷径，这样才能保证对网络中的信息和知识进行有效整合和利用。

同时，企业预研活动需要研发者在研发团队中及不同研发团队间都具备一定的号召力和影响力，而具备较高中介中心度这一整体网络特征赋予了此种研发者“牵一发而动全身”的网络地位和全局性能力，使研发团队中其他成员对其高度依赖，这样的研发者必将是企业预研人员选择决策中优先考虑的个体。基于此，本文提出如下假设：

H1：企业倾向于选择处于网络中心位置的研发者进入企业预研阶段。

1.2 结构洞与预研研发者选择

结构洞是用来表示非冗余联系的一种结构。占据结构洞位置的行动者通常连接两个或多个具有异质性资源的个体或群体[11]，拥有信息优势和控制优势。信息优势是指占据结构洞的研发者可以获取来自与之相连接的研发者的多方面异质性信息和知识，使得该研发者成为不同研发者之间信息和知识的交流中介及集散节点，相对于其他研发者而言，聚焦研发者具有更广阔的知识视野和更高的知识整合能力；控制优势是指占据结构洞的研发者连接原本关系缺失的两个研发者。因此，聚焦研发者具备协调和控制双方的独特优势，可以决定各种资源的流动方向、数量及真实性。另外，占据结构洞的研发者还更具有利用结构洞获利的经验优势[12]，如协调和控制结构洞两端的联系人、预防结构洞填充、构建新结构洞等。

由于预研阶段创新对以往技术的依赖较小，需要获取和整合大量新的信息与知识，因此，在实践过程中，当一个研发者的自我中心网络中存在较多结构洞时，意味着该研发者与其他网络成员之间的信息和知识保持着较高的独立性和异质性，这样就不会在未来合作研发时陷入同质化困境[13]。同时，占据较多结构洞的研发者能够获取具有异质性群体的问题思考方式，对同一件事情拥有不同的看法，可以通过整合自我中心网中大量异质性信息和知识，形成许多好的创意，并依靠丰富的经验和知识去选取、剪裁、设计并执行，这样就可以获得更好的预研创新绩效，能够更高效地应对预研过程中各种复杂的知识整合情景，预研获得成功的可能性也更大。基于此，本文提出如下假设：

H2：企业倾向于选择占据更多结构洞的研发者进入企业预研阶段。

1.3 研发经历与预研研发者选择

预研阶段的技术创新探索性较强，在研发过程中存在较大风险和不确定性，这要求进入预研阶段的研发者具备良好的处理复杂技术和问题的能力。而要具备这种能力，就需要研发者具备丰富的研发经历。对研发者而言，随着研发生涯的不断发展，对一系列新观点、新技术以及新媒介等的接触将极大地丰富其经历。研发者的经历越丰富，越能为其所在的网络群体注入新知识，引入“源头活水”。Hargadon & Sutton[14]就曾在描述全球知名创新设计公司IDEO的创新过程时指出，IDEO的每一位工程师都从过去的研发项目中积累了丰富的经历，从而造就了一个“充满多元知识的身体”，这种充满多元知识的经历对该公司新产品创造成效是显而易见的；Fleming等[15]认为，一个具有丰富经历的研发者可以消除网络中群体僵固陈旧的气氛，为群体带来非冗余信息和知识，开阔群体内研发者的视野，有利于信息和知识在网络中传递，从而提高创新绩效。

同时，一个具有丰富经历的研发者在处理工作关系时往往会更加得心应手，更具有亲和力，能够很好地融入团队，为集体带来新的创意、观点、技术，在面对各种不确定性和技术难题时，也可以利用自身丰富的经验给出较好的解决方案，提高创新绩效[15]。此外，由于技术知识原理具有互通性，有着丰富研发经历的研发者论证预研思路可行性及整合知识的能力更胜人一筹。因为这些研发者可以在以往研发过程中积累知识搜索、思路论证等一系列重要技能和诀窍，在未来预研过程中具备更为大胆的质疑精神和更强的执行能力。基于此，本文提出如下假设：

H3：企业倾向于选择有更多研发经历的研发者进入企业预研阶段。

2 研究设计

2.1 研究样本

2.1.1 样本选取

本文选取国内通信行业的华为技术有限公司、中国移动通信集团、烽火通信科技股份有限公司以及京信通信系统控股有限公司4家主要企业，以其全部实用新型和发明专利数据作为初始研究样本，所有专利数据均来源于中国知识产权局专利数据库。2017年，由中国通信工业协会等单位评审并联合发布的“2017年中国通信业百强企业名单”中，这4家企业分别名列第1、2、19和30。中国移动通信集团是国有控股，华为是民营企业但不是上市公司，京信通信是国内同类行业企业中第一家上市公司，烽火通信是中国第一家聚焦光纤通信的公司同时也是一家上市公司。此外，这4家企业都是在3G到4G通讯技术上有着主要贡献的企业，其它很多企业虽然行业排名较为靠前，如长飞光纤光缆有限公司排名26位，但其主营业务不是通讯技术。选择通讯行业，主要是基于以下原因：①通讯技术极大地融合了互联网、物联网、人工智能和大数据等新兴高新技术，因此聚焦于该行业并探索其创新特点更有战略意义，且研究通讯行业的预研将有助于该行业的有效管理；②通讯行业新方法和新技术更新特别快，技术迭代特征显著，对预研有着较为清晰的划分，前后商用区间易于区分；③随着各类技术的融合和科学的快速发展，各代通讯技术间的间隔越来越短，对企业预研的能力要求越来越高，企业对预研的关注不断上升；④我国通讯行业在经济发展中发挥越来越重要的作用，行业代表性较好，预研成效显著，从3G到5G，我国企业已经实现从初始的应用、跟随到领跑的完美升级，如华为在5G技术领域已全面领先。因此，以我国通讯企业为对象研究预研问题，样本更具典型性，结论也可以更好地服务于本土企业。

2.1.2 网络构建

研发者创新合作网络(整体网或自我中心网)主要是基于企业内部各研发者在专利文献中的合作关系构建的[16]，即同一专利中任意两个研发者之间存在一条网络关系：由于专利中包含了创新完成企业、研发者姓名和创新完成时间等大量企业创新信息[10]，所以通过挖掘专利数据中各预研研发者和其他研发者信息及相互合作关系，可以实现企业内部创新合作网络的构建[17]。由于各研发者可能在不同的时间与不同的研发者合作，因此各研发者之间就会形成较大规模的创新合作网络。如图1，假设有4个专利，编号分别为P1、P2、P3和P4，其中专利P1的研发者a、b、c、d；专利P2的研发者b、c、e；专利P3的研发者c、e、f；专利P4的研发者d、f。由于研发者a、b、c、d共同申请了专利P1，所以他们合作研发专利P1且相互之间存在连接关系。同理，研发者b、c、e合作产出了专利P2，研发者c、e、f合作产出了专利P3，研发者d、f合作产出了专利P4，相互之间存在连接关系，从而构成整体网络，如图2。预研研发者自我中心网的构建如图3所示，先选定某预研研发者e(简单起见)，找到与e有合作关系的研发者b、c、d、f，并将他们的连接关系从整体网络中提取出来，就得到了预研研发者e的自我中心网。

图1 专利与研发者

图2 整体网络

图3 研发者e的自我中心网络

2.1.3 时间节点划分

通信技术演进具有明显的时间节点。以模拟蜂窝网为主要特征的第一代移动通信技术，俗称1G，于20世纪70年代末到80年代初开始商用化；第二代移动通信技术，俗称2G，主要是对第一代移动通信的模拟蜂窝网进行数字化，于上世纪90年代初投入商用；以多媒体业务为主要特征的第三代移动通信技术，俗称3G，于21世纪初投入商业化运营；以宽带高速数据传输为主要特征的第四代移动通信技术，俗称4G，在3G投入商业化之后短短几年时间就投入商用。目前，第五代移动通信技术标准正在研发之中。由于5G于近日才投入试探性商用，所以选择3G到4G的转换阶段(4G预研阶段)进行研究。根据预研概念，确定预研阶段起止时间的关键在于如何划分预研的起始和结束两个时间点。综合多方面因素，本文定义预研起始时间为上一代技术正式投入商用的时间，预研结束时间为下一代技术正式投入商用的时间，那么4G的预研阶段即为3G投入商用后到4G进入商用前的时间段。国家工业和信息化部于2009年1月7日向中国移动、中国联通、中国电信发放了三张第三代移动通信经营牌照，标志着3G技术在国内正式进入商业运营，因此，将 2009年1月7日确定为3G时期预研结束时间点。从工业和信息化部网站上查询到，国家工业和信息化部于2013年12月4日，向三大运营商发放了第四代移动通信经营牌照，4G技术也在国内进入商业运营，因此，将2013年12月4日确定为4G时期预研结束时间点。结合调查情况及移动通信行业技术发展特点，将4G预研阶段的起始时间确定为2009年1月7日，4G预研阶段的结束时间确定为2013年12月4日。

2.1.4 数据清洗

预研区间确定后，应以此为基础计算相关变量。然而，从专利数据库中下载的专利数据包含许多错误和噪声或干扰信息，主要包括申请人歧义、发明人姓名歧义以及一般格式问题。

(1)申请人信息歧义。在专利下载过程中，系统会将与该企业名称相似度较高的相关企业数据都包含在其中。因此，在下载后的企业专利数据样本中可能夹杂其它企业的专利数据。如选定“大唐”作为查询条件，在数据中会出现类似“大唐朝”公司的数据，但是“大唐朝”并不是本文选定的聚焦企业，从而会对最终样本数据的准确性和针对性造成负面影响。因此，本文根据对企业发展变化的了解将企业名称规范化、唯一化，并对下载完的数据根据准确的企业全名进行定位，将非样本公司数据从样本中删除，以保证选定数据的准确率。

(2)专利数据中发明人姓名歧义。由于本文使用专利中的发明人信息构建企业内部研发者合作网络并计算研发者相关变量，所以发明人姓名信息的准确性至关重要。已有研究表明，不准确的姓名信息会对研究结果产生较为不利的影响。针对本文数据特点，最终基于刘斌等[18]的姓名消歧算法进行有效消歧。

(3)一般问题。在专利数据中，还存在着数据缺失、重复以及格式错误等一般问题。若这些问题得不到解决，那么研发者合作网络构建仍会存在许多问题。其中：①在专利合作者信息或者专利分类号信息中夹杂许多空白，不符合标准格式；②专利名称相同，但是申请日不同，这种错误是企业为了保证专利有效期而重复申请所造成的，为了保证不将这部分重复信息多次使用，本文选择统一去除后面重复的专利，只选择第一次出现的专利；③在正确的专利文献数据中，专利发明人之间应该是用分号间隔开的，但是存在少量数据错误使用空白隔开，或者缺失分隔符号，或者使用非标准格式的分号。

2.2 研究变量

2.2.1 因变量

从专利数据提取出各通讯企业的3G预研之前专利和3G预研阶段专利(必须是3G技术专利，此阶段2G发明及实用新型专利剔除)，根据这些专利中的发明人信息分别提炼出两个阶段的研发者姓名集合，并将其进行对比，可得到进入预研阶段的研发者。因此，因变量可用研发者是否进入企业预研阶段测度，该因变量是一个类别变量，用“0”和“1”表示研发者进入预研阶段的情况：“0”表示研发者未进入企业预研阶段；“1”表示研发者进入企业预研阶段(在3G预研阶段有3G技术专利申请记录，即专利2)，如图4所示。

图4 3G预研阶段

2.2.2 自变量

(1)中介中心度。在通讯企业内部创新合作整体网络中，研发者中介中心度作为全局性结构洞，用于揭示研发者在网络中的连接桥作用[9]。研发者在整体网络中的中介中心度越高，则在网络中占据的位置越重要，对信息和知识等资源的控制程度越高，从而进入企业预研阶段的机会越大。假设研发者I处于研发者J和K之间，中介中心度用于衡量研发者I处于研发者J和K捷径上的能力，即为经过研发者I连接研发者J和K的捷径数量与研发者J和K之间的捷径总数的比值[9]。研发者I相对于整体网络中所有点对“中间性比例”的总和便是I在整体网络中的中介中心度[9]。具体测量设gjk表示研发者J和K之间的捷径总数；gjk(i)表示经过研发者I连接研发者J和K的捷径数量；bjk(i)表示研发者J和K之间的联系在多大程度上受研发者I的影响，即研发者I控制研发者J和K之间联系的能力；CABi表示研发者I的绝对中介中心度，其值为网络中所有点对经过研发者I的捷径数量[19]。计算公式如下：

(1)

(2)

(2)结构洞。整体网络结构洞考虑了与研发者自身相关和无关的所有变化关系[11]，而自我中心网中结构洞聚焦于研发者与其直接联系的行动者的结构性间隔。通讯企业研发者自我中心网络中占据的结构洞数越多，对研发创新所需的异质性资源控制、整合及经验优势越高，进入企业预研阶段的机会越大。本文采用结构洞效率指数衡量研发者拥有异质性资源的程度，其值为有效规模与实际规模的比值，其值越大说明研发者自我中心网络中结构洞的数量越多[10]。研发者当前自我中心网中结构洞的效率指数用该网络中非冗余连接与总连接的比值表示，研发者的有效规模即为非冗余连接，等于个体网规模与网络冗余度之差，计算公式如下：

(3)

(4)

(5)

式中各符号的意义如下：j表示与关键研发者i相连的所有其他研发者；q表示在i与j之外的每个第三方研发者；piq表示i投入到q的关系所占比例；miq表示j和q的关系的边际强度，等于j到q关系取值与j到其它点关系中的最大值之比；RP代表i和j之间的冗余度：；ES代表非冗余连接；Cj代表总连接。

(3)研发者的研发经历。每当研发者申请一个专利，即投入大量时间和精力进行一次研发活动，不但积累了一次研发经历，还可能增加对某些知识整合的能力。因此，本文从研发者项目经历和研发者技术经历两个维度刻画以往项目研发经历对其是否被企业选择进入预研阶段的影响：①研发者的项目经历。每一件专利的形成过程都可以看作完成一个研发项目，因此，研发者的每一件专利都可以看作是其一次项目经历。本文用研发者在本研究时间窗口期内的专利数量衡量其项目经历；②研发者的技术经历。根据不同的技术类别，IPC分类号被分成包含不同技术的大类，再将大类细分成包含不同技术类别的小类，继而将小类细分成包含不同技术的大组和小组。与部类似，大类也有大类号和大类名，大类号通常是在部类号后面加上两位阿拉伯数字构成，大类名则为该大类所代表的技术类别。每一个组的类号由小类号加上用斜线分开的两个数组成。具体举例说明如表1所示，专利数据中每一个记录的IPC分类号中斜线前部分可用来表示研发者所掌握的技术。技术经历多少则可以用不同IPC的组合数量测度。

表1 某研发者专利IPC信息

表1中列举了某研发者4件专利所包含的IPC信息。编号为4的专利包含了两个IPC信息，但由于只有IPC分类号中斜线前面的部分才用来表示研发者所掌握的技术，两个IPC分类号斜线前面的部分均为“H04Q7”，即表示该研发者掌握了同一类技术。由表1可知该研发者共掌握了4类技术，分别为“H04L12”、“H04L29”、“H04L9”、“H04Q7”。值得注意的是，并不能以掌握技术的数量衡量技术经历，而应该以不同技术的组合衡量技术经历。编号为1的专利，该研发者使用了“H04L12”这一类知识，计作一次技术经历；编号为2的专利，该研发者使用了“H04L12”、“H04L29”两类知识的组合，本应该计作一次技术经历，但是在编号为3的专利中，该研发者使用了“H04L9”、“H04L29”、“H04L12”三类技术的组合，这个组合包含了编号为2的专利所使用的技术组合，因此编号为2的专利所使用的技术组合不能计作一次技术经历，编号为3的专利所使用的技术组合计作一次技术经历。以此类推，可以计算出每位研发者的技术经历。

2.2.3 控制变量

创新被定义为在已有资源、想法和观点基础之上通过重新组合产生新颖性资源、想法和观点的过程[20]。由此可见，研发者所具备的知识对其在已有资源基础上创造新知识或者通过组合已有资源产生新想法有着至关重要的作用。技术创新理论将创新与知识元素结合起来，而知识的学习、积累、运用、反馈、再整合过程会催生新知识，这些新知识的组合和运用便产生了创新产品[22]。基于上述观点，选择知识宽度、知识深度、研发者在职时间作为控制变量。

(1)知识宽度。知识宽度是指研发者知识的多元度，衡量的是研发者知识积累程度。本文将专利国际技术分类的大类作为研发者技术知识元素，提取出一个研发者在3G时期预研前阶段所有专利，这些专利包含了不同IPC数量，即该研发者知识宽度。

(2)知识深度。知识深度是指研发者能够熟练运用、理解某些聚焦知识的程度。Cantwell & Piscitello[21]、Zhang & Fuller[23]曾对知识深度有过相关研究，本文引用他们的方法度量研发者知识深度。计算分为两个过程[24]：第一个过程计算研发者每个技术类别专利所占的比例，计算公式如下：

(6)

其中pi为研发者所有专利中与第i类技术相关的专利数量，n为研发者所有专利中涉及到的所有技术类别数量。

第二个过程计算出研发者知识深度，计算公式如下：

(7)

其中μ为研发者在所有技术领域中比例值的均值，σ为比例值的标准差。

(3)工作时间。工作时间与获取知识程度存在一定关联，研发者工作时间越长，积累的知识可能越丰富。Paruchuri & Hambrick[25]、Nakajima & Tamura[26]对工作时间作过相关研究，本文基于他们的方法度量研发者工作时间。该变量的计算方式为：以研发者申请第一件专利的时间作为该研发者工作的起始时间，以3G时期预研阶段开始时间作为研发者工作的结束时间，这期间工作的年数即为研发者工作时间。

3 实证分析

3.1 研究模型

对于二分类因变量，建模时通常采用Logistic回归。但在社会科学中，有一类发生频率很低的稀有事件，比如经济动荡及和平年代的战争等，若用Logistic回归，很可能会低估事件发生概率。对稀有事件进行解释或预测，通常采用稀有事件Logistic回归(rare events logistic regression)，简称为Relogistic回归[27]。稀有事件回归模型是Logistic回归基础之上提出的两种修正方法，一种是预先校正法,另一种是加权法。预先矫正法是对截距β0进行校正，开始仍然用极大似然估计法估计Logistic回归系数，再根据总体中某事件发生的比例τ 和该事件在样本中观察到的发生比例y进行校正，计算公式如下：

(8)

上式中τ值可以来源于观测结果变量总体的随机样本及删失的数据。加权法使用对数似然函数求解Logistic回归系数，计算公式如下：

(9)

式中：

两种方法各有优缺点。预先校正法优点是使用比较方便，缺点是如果模型指定错误，该方法得到的回归系数不稳定；而加权法的优点是当样本量比较大时，回归系数能被更准确估计，当模型指定错误时，回归系数的估计也优于预先估计法。在本研究中，预研通常涉及一些技术要求高、难度较大的项目，企业研发人员中，能够进入预研阶段的只占相当少的一部分，因而本文采用Relogistic回归模型比较合适，并采用加权法进行具体分析。

3.2 假设检验与讨论

表2给出了变量之间的相关系数。几个变量的相关系数较大，超过0.6，为此本文进行多重共线检验，发现VIF均值未超过10。由表3的模型1可知，研发者的知识深度越深，其被选择进入预研阶段的可能性越大，而知识广度并没有显著影响。这说明在预研阶段，企业更加看重的是研发者知识基础的深厚程度和专一性，因为这一优势可以帮助企业在预研阶段更有效地解决技术难题。模型2、3、4、5逐次加入自变量，由全模型5可知，研发者中介中心度对其能否进入企业预研阶段的影响并不显著，假设H1没有得到支持；研发者占据的结构洞数对其能否进入企业的预研阶段的影响显著(β=2.94，p<0.05)，假设H2获得支持，说明研发者结构洞数量越多，能够获得和运用的异质性资源也越多，研发者未来的创新绩效就可能越高，因而进入企业预研阶段的机会就越大；研发者项目经历对研发者被选择进入预研阶段存在负向显著影响，但不稳定，而研发者技术经历对研发者被选择进入预研阶段存在正向显著影响(β=.35，p<0.05)，假设H3得到支持，说明研发者具有的技术经历越丰富，越能够熟练自如地运用不同类别的知识，研发者创新绩效就越高，进入企业预研阶段的机会也越大。

表2 相关系数

注：*p<0.05

表3 基于Relogistic模型的预研研发者选择回归分析结果

注：①*p <0.1,**p <0.05,***p <0.01;②括号内为标准误

根据假设验证情况发现，在通讯行业中，企业选拔优秀研发者参与新技术预研时可能更看重研发者自身所掌握技术的程度。研发者技术经历越丰富，对知识掌握程度越深，越能够将不同方面的知识融会贯通。为了保证结果的稳健性，本文使用预先校正法替换加权法并对模型重新进行分析，结果保持不变。

4 结论与启示

4.1 研究结论

(1)在创新合作网络中，具有更多异质性资源的研发者更容易进入企业预研阶段。此结论是基于结构洞理论并对研发者自我中心网进行分析后得出的。以高新技术为背景的研发活动中，通讯企业在选拔预研研发者攻克技术难题和探索未来可能研究方向时，更看重研发者获得资源的多元性，即研发者是否是资源获取上的“多面手”，与各领域行动者都有很好的联系(即know-who)。企业预研阶段瞄准的都是难度大、有未来前景的项目，经常会碰到错综复杂的新问题，而这种关系上“百事通”的研发者在遇到问题时，往往能从不同“研发圈”获得各种不同的观点，提出富有创意的解决方案，这正是企业预研阶段所需要的预研人才。企业在预研阶段有了这样的研发者，能节省大量时间成本和金钱成本，更有利于其在未来市场中抢占先机。

(2)从研究结果看，相较于项目经历而言，研发者所具有的技术经历可能更具有含金量，即有更多技术经历的研发者更容易进入企业预研阶段。企业选拔优秀研发者更看重研发者自身技术处理经验和诀窍的丰富程度。因为具有这种内在优秀品质的研发者，往往能够在碰到技术难题时，给出有效的解决方案。

4.2 研究局限性

首先，将工业和信息化部为三大运营商颁发牌照的时间确定为预研阶段结束的时间，这对于通讯行业来说较为合理，但对其它行业，是否具有能够判断预研阶段起止时间点的标志性事件不得而知，需要研究者根据具体情景和研究需要另行考量。其次，本文在研究网络结构对研发者进入预研阶段影响时，分别从整体层次和个体层次构建了研发者整体合作网和研发者自我中心网，这两个网络都是静态网络。部分学者对管理领域的网络研究提出了尖锐批评，认为已有的组织网络研究均将网络作为一种分析工具，而缺乏对网络自身变化规律及其对创新绩效影响的理论性探讨。未来预研管理研究应该加强动态合作网络分析，给出预研环境下组织网络结构的源起、持续原因及动态变化特征，结合这些发现分析预研研发者选择问题。

4.3 进一步研究方向

首先，本文的研究聚焦于通讯行业，该行业发展的特点以及一些标志性事件都具有明显的时间节点和规律性，因此能够方便快捷地划分企业预研阶段。但是否存在一套通用的、普适的、能够为各行各业划分出不同预研阶段的方法还值得深入研究。其次，经过分析得知，在预研研发者选拔过程中，预研研发者占据以往结构洞数量的作用显著，那么这些研发者进入预研项目后究竟如何发挥作用呢？进入预研阶段后，预研研发者所占据的结构洞与以往的结构洞作用有什么差别？这两方面值得研究者进一步探讨。最后，本文在网络结构分析中，仅仅涉及了结构洞理论的基本知识，而Gould & Fernandez[28]给出了占据结构洞的中间人所扮演的5种不同角色，即“守门人”、“代理人”、“协调人”、“顾问”、“联络人”。然而，这5种角色对创新的作用鲜有研究涉及。因此，未来研究也可以考虑5种角色的中间人对预研创新绩效的影响，研究结论将加深对研发者角色作用的理解。