网络结构与关键研发者创造力：基于两阶段研发生涯的探讨

孙笑明，王静雪，崔文田，汤小莉，李 磊

网络结构与关键研发者创造力：基于两阶段研发生涯的探讨

孙笑明1，王静雪1，崔文田2，汤小莉3，李 磊2

（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，陕西 西安 710049；3.西安工业大学，陕西 西安 710021）

基于上升期和衰退期的两阶段研发生涯，本文研究了关键研发者自我中心网中度数中心度和关系强度的差异性对其创造力变化的影响。结果表明：在研发生涯的上升期，关键研发者形成的度数中心度值越大，其创造力上升地越慢；而在研发生涯的衰退期，关键研发者与联系人关系强度的差异性越大，其创造力下降越慢。研究结果从关键研发者的初始嵌入特点以及成长轨迹考虑，基于一个完整的研发生涯角度剖析网络结构的动态变化与个体行为结果之间的关系，从理论上丰富了关键研发者上升和衰退的影响因素研究，对关键研发者如何快速成长、并减缓或推迟其衰退期的到来具有重要的参考意义。

研发生涯；度数中心度；关系强度；关键研发者；创造力

0 引言

关键人才是企业获取竞争优势的核心资源。根据《2011-2012年中国区关键人才能力调研报告》显示，98.84%的企业认为其竞争优势受到了关键人才的影响。在高新技术企业中，关键研发者就是为数不多的有着巨大价值创造力的关键人才。按照财政部、国家发展改革委、科技部及劳动保障部联合颁布的《关于企业实行自主创新激励分配制度的若干意见》的标准，关键研发者可界定为企业关键技术成果的主要完成人、重大研发项目的负责人或者对企业主导产品、核心技术进行重大创新、改进的主要技术人员。与一般研发者相比，关键研发者往往拥有不同的思维方式、知识结构、实践经验和创新能力，而这些优势和能力与其嵌入的创新合作网络关系密切。

在产品技术更新速度不断加快的情景下，关键研发者所处的创新合作网络结构也在不断变化。关键研发者在嵌入的动态创新合作网络中实现知识等资源的交流与共享，并凭借创新合作关系所积累的社会资本进行知识创造[1]。因此，其创造力发挥的好坏受到创新合作网络的重要影响。在网络的静态作用分析中，关系强度和网络中心性是两个最基本的衡量指标：作为一种关联关系特征，关系强度代表了个体在网络中获取异质信息（弱关系）和完成复杂创新的容易程度（强关系）；而作为一种结构嵌入特征，网络中心性则反映了个体的影响力和资源获取能力[2]。然而，网络的作用更多是在动态中完成的。那么在动态情景下，这两个网络结构特征如何影响关键研发者的创造力呢？

以往的研究大多以固定的数据窗口为基础，运用窗口内的创新合作网络特征去考察个体行为结果。但这种人为的时期分割并没有考虑关键研发者的职业生涯阶段特征。若以研发生涯作为划分依据，关键研发者在不同阶段会面临不同的合作与情景因素，故其创造力会随之而发生变化。基于此，根据库克曲线原理，利用创造力峰值对研发生涯阶段进行划分，如图1所示。在抽取关键研发者整个研发生涯（即从其所申请的第一个专利的申请年开始，到其申请的最后一个专利的申请年之间的时间跨度[3]）的基础上，分别统计其历年授权专利个数，并找到对应授权专利数最多的年，以此时间点为分界点，将分界点之前（包括峰值的时间段）界定为上升期，之后界定为衰退期。继而根据关键研发者研发生涯的上升期与衰落期的不同阶段，通过对国内电子信息和机动车两个行业的34家高新技术上市公司专利数据的分析，探讨了关系强度的差异性与网络中心性对其创造力的影响。研究结论阐释了如何更准确地应用创新合作网络动态特征的微观基础去解释和处理关键研发者创新中的管理问题。

图1 关键研发者研发生涯阶段划分

Figure 1 Division of key inventor’s two-stage research career

1 文献回顾

在关键研发者的整个研发生涯中，其创造力并非一直保持高水平，因而从动态角度探讨关键研发者的创造力具有重要意义[4]。创造力是创造新颖性和实用价值的创意、产品、流程或解决方案[5-7]，自Perry-smith(2003)以来，国内外学者将创造力的形成视为社会化过程的结果，将网络结构和个体创造力整合到一个框架中进行研究[8-15]。因为在企业内部的研发创新过程中，创造力的产生不仅仅需要一定的知识环境，还需要依托研发者创新合作网络为之提供知识交流整合的管道和平台。

网络管道与平台作用的两个最基本的形式就是关系强度和网络中心性。关系强度最早由Granovetter提出，通常包含接触时间与频次、情感强度、相互信赖和互惠性四个维度[11]。关系强度会影响知识的获取和传递，进而最终影响个体的创造力。例如，研究发现，企业内部网络成员间的连接关系对研发者的创造力提升有着重要促进作用[7,16]。不过，在以往关于关系强度对个体创造力的影响研究中，按照关系强度的四个维度进行理论构建和检验并非主流，相关学者更多是从“强关系”和“弱关系”两个角度展开，热衷于探讨两者对知识的不同作用机制。所谓强关系，是指经常性的互动、相互的好感以及长久的合作关系，而弱关系表现为不频繁的联系、较弱的情感和短期的合作关系[17]。对关键研发者而言，自我中心网中的强弱关系数量比例可能需要权衡、调适才可以达到促进创造力提升的目的。因为受到过程和阶段性特征的影响[8,9]，关键研发者与合作者之间的关系投入存在差异。然而，现有研究并未探讨个体自我中心网中关系强度差异性对关键研发者不同研发生涯阶段创造力的影响。

网络中心性是指行动者在所处网络中的相对位置，反映了个体在所嵌入网络中的影响力和资源获取能力。首先，网络中心性使得关键研发者处于一个控制和观察信息与资源的有利位置，拥有更高的思维视角，容易接受并使用不同研发者的观点和方法，并将其转化为个人的创造力。例如，Grigoriou和Rothaermel（2014）[18]的研究发现，度数中心性超群的研发者对企业的创新性产出有着重要促进作用。在动态网络框架下，Ahuja, Galletta和Carley[19]发现在一个时间段内度数中心度与个体创新绩效具有正向关系，而Paruchuri等[20]从网络嵌入性的角度分析发现，那些失去了往昔网络中心性的关键研发者的创造力会受到严重破坏。然而，网络中心性过高会占用研发者的大量时间，增加网络维护成本，进而对个体创造力的提升产生不利影响[21]。另外，过多的知识会使研发者信息处理的压力增大，知识难以被充分理解或使用。因此，在一定情境下，适度的网络中心性有助于关键研发者创造力的提升，过低或过高的网络中心性有可能起到不利作用[8]。然而，以往研究对该情景的考虑缺失，没有相关的分析来探索网络中心性在关键研发者不同研发生涯阶段的影响。

2 假设提出

2.1 上升期网络结构对关键研发者创造力的影响

当处于研发生涯的上升期时，关键研发者需要依赖于有限的社会资本在短时间内将知识创造量最大化。因此，关键研发者在上升期构建的创新合作网络中关系强度差异性小且网络中心性较大。

上升期的关键研发者在企业组织中还没有显著的地位和足够的影响力，所占有及可运用的有价值资源匮乏，可吸引的合作者少。因此，如果关键研发者期望通过有效提升创造力来实现快速成长，即在短时间内将知识创造量最大化，那么就必然要建立并高度依赖于一些固定的、强度差异化小的合作关系，利用这种网络社会资本增加知识共享和执行效率[22]。首先，在企业技术创新过程中，尤其是强调高度专业化的知识创造过程中，研发者之间只有存在充分信任和互惠共赢的基础才能迅速提升创新执行力，复杂知识才能有效转移，复杂技术任务才能高效完成[21]。而关系稳定、封闭且无强度差异的合作网络会带来此过程所需要的足够信任和互惠[21,23]，会促进联系人产生机会均等和被同等重视感，进而消除不同联系人之间的潜在矛盾，化解彼此沟通协调的阻力，避免对流动、转移中的信息或知识造成扭曲。其次，合作关系强度差异化较大会使关键研发者的合作网络同时产生强关系和弱关系特征，这无疑会给处于上升期的关键研发者带来挑战：他们需要对关系强弱优势具有较好的把控与运用，同时对关系强弱劣势具有较好的规避。具体而言，如果选择在不同合作关系上进行差异化投入，会迫使关键研发者在每次合作中都要斟酌资源与精力的分配方案；而且，合作关系强度差异化较大也意味着关键研发者要时常脱离原有合作关系而重新选择和转换合作对象，这样就会导致时间、资源和情感等投入的分散，沟通和信任的维持成本就会成倍增加，关键研发者可能要花费额外的时间及成本来平衡这种关系强度差异化所带来的系列问题。而当关键研发者与联系人的合作关系强度差异化较小时，在创新过程中对关键研发者的这种合作网络管理能力要求较低，关键研发者可以在简单、直接的人际关系环境下完成研发任务。此外，由于知识多样性及其价值在短时间内不会在合作网络中消失，关键研发者也没有必要在上升期时通过频繁寻找新的合作对象并进行差异化投入获得异质性信息。因此，在研发生涯上升期，关键研发者的关系强度差异性越大时，关键研发者的创造力上升越慢。

基于此，提出以下假设：

H1a：在关键研发者研发生涯的上升期，其与联系人的关系强度差异性越大，关键研发者的创造力上升越慢；

居于网络中心地位的研发者往往与其他人员有着多种关联并享有这种关联所带来的资源和优势，而居于边缘地位的研发者并非如此[24]。处于上升期的关键研发者要经历从边缘向网络核心位置转变的一个过程。由于大量异质知识和新颖性信息是创新的重要基础，也是执行创新可以凭借的有效方法，因此，在此转变过程中，关键研发者可以通过建立大量关系来实现该目标[7]，进而实现创造力的提升。然而一旦关键研发者在上升期选择了这条成长途径，那么就必须以损失时间上的优势为代价。因为在研发生涯的上升期，如果不断寻求新的合作伙伴来累积网络优势以获得更多创新资源和信息，那么关键研发者就需要将大量精力花费在与他人建立关系和互动上。然而，由于关键研发者的能力是有限的，因此，这一过程势必会迟滞研发进度，尤其是关键研发者并行地建立和管理这些关系时。这对此阶段缺乏网络关系管理经验的关键研发者来说是一个劣势。因此，在研发生涯上升期，度数中心度越大，关键研发者的创造力上升越慢。

基于上述观点，给出以下假设：

H1b：在关键研发者研发生涯的上升期，其度数中心度越大，关键研发者的创造力上升越慢。

图2 关键研发者研发生涯上升期的网络特征及其对创造力的影响

Figure 2 Influence of key inventor’s network characteristics on creativity in rising stage

2.2 衰退期网络结构对关键研发者创造力的影响

当处于研发生涯的衰退期时，由于网络的维持和变化存在惯性特征[25]，这使得关键研发者不能够轻易脱离原有的发展及获益模式，导致在上升期为其带来优势的社会资本逐渐枯竭，并由提供机会转变为限制和约束，这是关键研发者在衰退期要面临的主要问题。因此，要减缓创造力的下降速度，关键研发者就要差异化与联系人的关系强度。

首先，与上升期不同的是，处于衰退期的关键研发者，经过之前一个阶段的积累和创造力高峰，此时在组织中已有了显著地位，具备了丰富的网络管理经验，并拥有了一定的资源。因此，在衰退期，关键研发者与联系人的关系强度差异化越大，越能够依据与不同合作者的合作效果综合选择、调整和运用不同关系强度带来的双重网络优势[26, 27]。即在衰退期，关键研发者需要选择性地构建合作关系，加强与其中优秀研发者合作，以有效促进复杂知识的获取、共享和整合[1,28,29]，而不是类似于上升期的少数关系内的机会均等的重复性合作，这样才可以逐渐淘汰收益小的陈旧“老化”关系，同时从边缘寻找可顺利替代的合作者，获取新颖性的异质性信息[15]，在研发生涯终止前尽可能维持持续产出的局面。其次，在衰退期，关键研发者的创新兴趣及目标由探索创造转变为对原有技术上的完善和改进[6]，创新态度也趋于保守；加之创造高峰期已过，知识的突破空间、创新范围已经大幅减少，因此，关键研发者就需要细分自身与联系人的技术知识领域，并采用组合策略，通过关系强度差异化尽可能灵活地选择合作伙伴，以整合异质知识，减缓创造力的不断下滑。第三，企业组织的技术选择往往由关键研发者决定[20]，关键研发者在组织中的技术选择地位确立和保持对其是有利的，因为不断与新的研发者合作会将一些新方法、新思路与自身技术优势整合、统一，使其地位得以维系，并对其他关键研发者的快速形成与竞争造成压制[30]，保证资源的充分占有，以支撑创新产出的不断延续。因此，从这一动机出发，在衰退期，关键研发者差异化合作关系对其创造力的维持也是有益的。

基于上述观点，给出以下假设：

H2a：在关键研发者研发生涯的衰退期，其与联系人的关系强度的差异性越大，关键研发者创造力下降越慢；

在中心性方面，一旦关键研发者在上升期内选择了通过积累大量合作关系来迅速提升创造力，那么由于网络惯性影响，关键研发者较高的创造力以及熟悉的以往网络构建模式就会导致其在随后的创新过程中吸引到更多的合作者，并沿循着以往的轨迹进行创新。这样，当关系累积到一定程度时，就会导致关键研发者信息过载，疲于应对来自于各关系方面的咨询、决策和管理要求。由于时间和精力有限，关键研发者难以有效地管理一个规模庞大的关系网络。同时，如果时间和精力过于分散，关键研发者也无法在一个研发领域聚焦并深化其专业能力，因此，其创造力的发挥最终也会受到很大限制[8, 21]。因此，在衰退期，与联系人累积的度数中心度越大，关键研发者创造力下降越快。

基于上述观点，给出以下假设：

H2b：在关键研发者研发生涯的衰退期，其度数中心度越大，关键研发者创造力下降越快。

图3 关键研发者研发生涯衰退期的网络特征及其对创造力的影响

Figure 3 Influence of key inventor’s network characteristics on creativity in recession stage

3 样本选取与变量度量

3.1 样本选取

研究所使用的初始数据来自于我国电子信息和机动车两个行业，共包含了34家(18+16)上市公司的所有专利。专利数据适用于个体创造力方面的研究，因为其实用性和新颖性经过了权威部门的认证[5]。选择电子信息和机动车行业的企业作为研究对象原因在于：首先，这两个行业在我国起步较早，技术发展成熟，有足够长的创新历史保证对关键研发者研发生涯进行完整地考察；其次，这34家上市公司位列各行业的前20名，目前均已成为全球化的高新技术企业，其创新特征更具代表性。此外，采用上市公司的优势在于可以从CSMAR数据库中获得关键研发者更多的信息，如内部人员简历、是否为骨干研发人员等。

初始样本数据下载于大为Innojoy专利搜索平台，包含了所选企业1995-2010年的全部实用新型和发明专利，共计9223条。截止时间到2010年的目的是为了便于确定关键研发者的研发生涯是否提取完整，避免提前截断的情况出现。专利数据库具有开放性、数据易得性及更新的连续性，且完整、客观地记录了企业在不同时间点上的创新活动信息[31]。因此，许多学者基于专利数据进行社会网络分析，如向希尧等，并借此来研究创新问题。专利文献记录了创新类型、创新完成时间、创新企业和研发者姓名等信息。为保证数据质量和研究结果的可靠性，必须对初始研究数据进行清洗，包括纠正研发者姓名拼写错误、去掉同族专利以及修正企业名称的拼写错误[32]。

在此基础上，确定本文的研究对象，即关键研发者。首先，由于我国专利的被引用信息存在大量缺失且内容不规范，本文对企业内部每个研发者拥有的授权专利数进行排序，并选取每家企业中排名在前1%的研发者作为关键研发者[3]。由于专利文献数据是二手资料，需要对其质量严格把关并保证研究素材的可靠性，因此，使用交叉验证的方法，通过企业人员简历、知网期刊论文脚注以及专利历年评奖结果等中的关键研发者个人信息进行多层面的交互论证，最终保证研究对象确为关键研发者。其次，由于流动的关键研发者所嵌入的前后组织背景差异较大，其创造力也会存在较大的波动[4, 20]，因此，为降低研究的复杂性，本文排除了流动的关键研发者以及被兼并重组后企业中的关键研发者。经过上述处理，关键研发者数量从初始的334名变为最终的219名。基于专利发明人之间合作关系所抽象出来的网络结构需要在时间上做出标准化界定，以便于对动态情况下的网络变量加以比较和计算。根据以往文献中基于数据窗口的网络关系抽象方法[12, 33-34]，可以是以固定时间长度划分样本数据或以研发者的特点及研究需要确定数据窗口的长度[31]。本文以上升和衰退两个阶段将数据划分为两个不同数据窗口，并分别以上升期和衰退期内的申请专利数据为基础构建关键研发者的创新合作网络（如图4和图5），计算各个观测点的相关变量。具体而言，在聚焦关键研发者上升（衰退）期，根据专利文献中的发明人著录项提取研发者的专利参与信息，如表1，假设P1和P2为某企业的两个专利，1-6编号表示不同研发者，研发者参与某专利的研发记为1，没有参与某专利的研发记为0；以此为基础，基于“同一专利中任意两个合作者之间存在一条网络连接的原则”构建网络图[34]，如图4，即为表1得到的网络图，累计上升（衰退）期内所有授权专利，则最终得到如图5（图6）所示的上升（衰退）期研发合作网络；最后，根据该阶段合作网络计算聚焦关键研发者的度数中心度、关系强度等变量。本文在构建研发者创新合作网络时使用所有申请专利而非授权专利，原因在于Fleming等[13]认为，如果仅使用授权专利构建网络则不能将研发者之间的创新合作关系完整地刻画出来，因为创新是一个成功较低的活动，如果仅关注授权专利则忽略了失败创新中的合作关系。

表1 研发者参与专利信息表

图4 表1对应的研发者合作网络

Figure 4 Collaboration network of inventors corresponding to Table 1

图5 以某聚焦关键研发者上升期内授权专利数据构建的研发者合作网络

Figure 5 Cooperation network constructed with authorized patent data focused on a certain key inventor in rising stage

图6 以某聚焦关键研发者衰退期内授权专利数据构建的研发者合作网络

Figure 6 Cooperation network constructed with authorized patent data focused on a certain key inventor in recession stage

3.2 变量度量

（1）因变量

关键研发者类型：以关键研发者的整个研发生涯为基础，按照其授权的专利数量（按照专利质量，即权利声明个数等[32]划分的结果没有显著差异）将其划分为两种类型（快速成长型和慢热型），其中1为快速成长型，0为慢热型（参照类）。如上文所述，在整个研发生涯内分别统计历年的授权专利个数，找到授权专利数最多的年份，以此为关键研发者上升期和衰退期的分界点。如果该创造力峰值年处于关键研发者整个研发生涯中点的左侧，则该研发者在研发生涯的上升期发展较快，定义此关键研发者为速成型，以图7为例，该速成型研发者在2004年达到创造力峰值，位于职业生涯中点（2008年）的左侧；如果该创造力峰值年处于关键研发者整个研发生涯中点的右侧，则该研发者在研发生涯的上升期发展较慢，定义此关键研发者为慢热型，以图8为例，该慢热型研发者在2013年达到创造力峰值，位于职业生涯中点（2010年）的右侧。为便于分析，我们没有关注不断上升或创造力峰值的反复出现的研发生涯特征类型。

图7 速成型关键研发者创造力变化模式

Figure 7 Rapidly growing key inventor’s creativity change model

图8 慢热型关键研发者创造力变化模式

Figure 8 Slowly growing key inventor’s creativity change model

（2）自变量

上升（衰退）阶段关键研发者的度数中心度：数值上等于关键研发者的直接联系人个数。该数值越大，说明其合作伙伴越多。

上升（衰退）阶段关键研发者与联系人的关系强度差异性：用关系强度的方差表示。该数值越大，说明关键研发者在直接联系人上的关系投入越不均衡。

（3）控制变量

上升（衰退）阶段的产量：上升（衰退）期的产量：处于研发生涯不同阶段的关键研发者，其对知识的吸收、重组能力存在较大差异[21]，从而影响创造力的发挥。因此，本文引入关键研发者在上升（衰退）期的创新产出数量来控制该作用。具体而言，用聚焦关键研发者上升（衰退）期授权专利的数量(n)与所有关键研发者在上升（衰退）期的平均产出数量()相比较，得到一个二分变量：若前者大于后者，则设为多产（n>），用1表示，否则设为低产(n<)，用0表示（参照类）。

其中，为所有关键研发者在上升（衰退）期的平均产出数量，为所有关键研发者上升（衰退）期授权专利数量之和，为关键研发者的个数。

关键研发者的研发生涯：关键研发者的研发生涯分为上升期和衰落期：用0和1表示，0表示上升期，且为参照类，1为衰落期。

上升（衰退）阶段聚焦关键研发者与其他关键研发者的关系强度：在数值上等于关键研发者与其他关键研发者的合作专利个数。关键研发者之间可以强强联合，形成富人俱乐部特征，因此，需要控制聚焦关键研发者与其他关键研发者之间的关系对其创造力变化快慢的影响。

上升（衰退）阶段与其他关键研发者的平均合作时间：在数值上等于从聚焦关键研发者入职（进入衰落期）开始到上升期峰值（衰落期结束）时的这个阶段，与其他关键研发者合作的时间平均值。合作时间是指关键研发者之间从第一次合作专利的申请日期开始至最后一次合作专利申请日期的差值。

3.3 实证分析方法

本文分别采用logit模型和双样本t检验的方式来验证假设，整个分析在Stata中完成。Logistic回归模型为：

4 实证结果与分析

4.1 描述性统计及相关性分析

表2为上升阶段和衰退阶段变量的描述性统计和相关性分析。可以看出，在上升阶段，自变量“度数中心度”与控制变量“知识宽度”之间的相关系数为0.85，具有较高的相关性。通过检测各变量之间的多重共线性，发现方差膨胀因子（VIF不超过4）的值均小于10，因此，多重共线性的影响较小。当去掉控制变量“知识宽度”后，其他变量之间的相关系数值没有发生变化，进一步排除变量间多重共线的可能性。在衰退阶段，各变量间的相关系数处于合理范围之内，为保险起见，我们进行多重共线性检验，方差膨胀因子（VIF均小于4）的值也不超过10，多重共线性影响较小。

表2 描述性统计及相关性分析

4.2 实证分析结果

表3为上升阶段关键研发者类型的分析结果，表3为衰退阶段关键研发者类型的分析结果。

从表3可以看出，模型1仅包含控制变量，对于上升期的关键研发者而言，除了“上升阶段的产量”这一因素外，其余控制变量“上升阶段与其他关键研发者的平均合作时间”、“上升阶段与其他关键研发者的合作关系强度”对关键研发者类型的影响均不显著。模型2在加入解释变量后，“上升阶段关键研发者的度数中心度”对关键研发者的研发生涯类型具有显著负向影响（<0.01，=-0.08），说明关键研发者的度数中心度越大，关键研发者创造力上升越慢，H1b得到支持。这说明一个研发者要想快速成为关键研发者，不能依靠关系的长时期积累，不能将连接关系过于分散，可采取的有效措施是迅速嵌入一个稠密的、高创造力的群体中。解释变量“上升阶段与联系人的关系强度的差异性”对关键研发者的研发生涯类型的影响不显著（> 0.1，=0.01），H1a尚未得到支持。这可能是由于在上升阶段，为了快速成长，研发者将大量精力投放于如何迅速地嵌入在高创造力团体中，并在基础上更好地进行研发创新，而没有精力差异化与不同联系人的创新合作关系。

表3 上升阶段关键研发者类型分析的logit模型

注：***< 0.01，括号内为标准误。模型考虑了年效应，即上升和衰退段的时间区间，但没有在模型中显示。

表4 衰退阶段关键研发者类型分析的logit模型

注：**< 0.05,***< 0.01，括号内为标准误。

对衰退期的关键研发者而言，表4的分析结果恰巧与上升期相反，H2a得到了支持（<0.01，=-0.40），H2b没有得到支持（> 0.1，=0.01）。这说明在关键研发者研发生涯的衰退期，关键研发者与其他联系人的联系强度差异越大，关键研发者越有可能是速成型，即此时，关键研发者创造力的下降速度越慢。同时，表4还发现了一个有趣的现象：如果关键研发者要想使其创造力下降的慢，其与其他关键研发者的合作时间是一个非常重要的影响因素。在关键研发者研发生涯的衰退期，其与其他研发者的合作时间越长，越有可能是快速成长型关键研发者，从而减缓其衰退的速度（模型3中，<0.01，=0.00；模型4中，<0.01，=0.00）。

4.3 结果讨论

首先，为了验证结果的稳健性，并保证分析结果的普适性，模型中对其所属企业进行标号（），并采用了logit模型对来自于同一家企业的关键研发者进行聚类处理，Sata命令为cluster()。然而，结果并没有改变。

研究发现在关键研发者研发生涯的不同阶段，合作网络中的中心性和关系强度的差异性对关键研发者的创造力作用不同。在关键研发者研发生涯的上升期，其度数中心度的值越大，关键研发者的创造力上升越慢。这说明一个研发者要想快速成为关键研发者，不能仅依靠关系的积累，花费太多时间和精力在维持关系上，应该有选择的削减低效和无效的连接。因为在研发生涯初期，关键研发者选择较多的合作关系必然会分散研发投入的时间和精力，势必造成其知识面较宽且不够专注的局面。同时，由于关键研发者在上升期时拥有的研发能力和研发成果都是有限的，因而在这一阶段投入过多的精力发展和维持关系还会造成其在发展和维持社会关系中处于劣势。

另一方面，在衰退期，关键研发者与联系人的关系强度的差异性越强（关系分布差异越大），关键研发者创造力下降越慢。这说明由于处于研发生涯衰退期的关键研发者知识和能力都已趋于成熟，使其在研发过程中形成了固有的知识结构，这一方面造就其在该领域的专业水平和能力，但同时也成为其突破自我的阻碍，因为关键研发者与其他研发者之间的研究领域越来越接近，掌握的知识也越来越相似。因此，此时与具有不同知识背景和能力的研发者建立合作关系，将成为其仍然具备创造力优势的关键。

此外，研究还发现关键研发者与其他关键研发者合作的时间越长，其创造力下降越慢。因此，可以通过延长与其他关键研发者的合作时间来减缓关键研发者创造力的衰退。然而，在研发生涯上升期，与其他关键研发者合作时间长短并没有显著作用。这在一定程度上说明了网络关系的动态作用特征。

将两阶段的网络作用规律进行比较，上升期关系强度不显著而下降期显著，但中心度在上升期对创造力快速提升起负向作用。

表5 多种关键研发者的比例关系

注：有些慢热型或速成型关键研发者没有被最终考虑是因为专利产出过于集中或者研发生涯出现右截断情况，难以准确地刻画出研发生涯特征。

图9 常胜型关键研发者创造力变化模式

Figure 9 Ever-victorious key inventor’s creativity change model

实际上，在剔除的样本中，包含有长时间保持较高创造力的一部分关键研发者，这些关键研发者与本文所研究的两种类型的关键研发者不同（多种关键研发者的比例关系如表5所示）。如果将本文所研究的两种关键研发者类型归纳为慢热型和速成型，那么这部分剔除的关键研发者就是‘常胜型’。从表5可以发现，企业中出现最多的类型为速成型，慢热型和常胜型基本相当。这可能表明速成型是关键研发者快速提高创造力的最简易且有效的方式。换言之，一名研发者可以通过依赖少数有效合作关系快速实现由低到高的研发地位转变。

5 结论

本文基于关键研发者的两阶段研发生涯，从自我中心网中度数中心度和关系强度差异性的变化所导致的信息冗余性和过载问题入手，研究关键研发者的网络结构特征对其创造力变化类型的影响，结果表明：相对于研发生涯的衰退期，在关键研发者研发生涯的上升期，其度数中心度越大，关键研发者创造力上升越慢；在关键研发者研发生涯的衰退期，其与联系人的关系强度的差异性越大，关键研发者创造力下降越慢。

研究的理论意义在于：首先，本研究突破了从“静态结构到绩效”的研究范式，从动态演化视角揭示关键研发者研发生涯中的创造力变化规律和微观基础，并分阶段进行比较分析，探讨其由盛到衰的原因及影响因素。其次，与以往研究中只关注关系强度不同，本研究从关键研发者的自我中心网中关系投入的差异入手探究创造力的影响因素。因此，研究结论对网络关系的作用机制又补充了一层认识，这层认识提醒我们在之后关联关系的考察中要认识到这一衡量维度的必要性和重要性。第三，进一步推进了关键研发者的个体特征和行为结果研究，有利于管理者更好的对其进行管理，提升企业创新能力。

在实践中，对关键研发者的高效管理是企业创新管理的重中之重。从这个意义出发，本文的研究结论有以下四点管理启示。第一，企业应该完善关键研发者的成长管理机制，利用关键研发者的成长特点和成长需求对其进行差异化管理。因为不同研发生涯阶段的关键研发者对网络关系数量和强度的依赖程度不同，所以企业需要提供基于研发生涯阶段的网络资源投入和配置支持，增加有效连接，进而使其能够高效利用不同研发阶段的优势，克服不同研发阶段的问题，充分发挥创造力，提高企业整体的研发能力。第二，由于关键研发者的创造力极易受到工作环境变化的影响[4, 21]，因此，在高新技术企业进行组织层面的战略决策过程中，尤其推进企业并购、重组等改变原有创新合作网络结构事件时，要充分考虑到战略执行时间点在关键研发者研发生涯中的位置，避免因为组织层面的一些因素阻碍关键研发者的上升速度或导致其创造力过早下降，最终造成企业技术创新乏力的局面。第三，由于关键研发者的参与会显著提升创新产出的价值[35]，因此，在进行新产品研发和技术创新时，企业创新管理人员要充分结合关键研发者上升期的优势，实现更高质量和更多数量的知识产出。第四，如果一个关键研发者长时间存在于重要研发位置上，那么就很可能会对其他研发者的成长以及新的关键研发者出现造成障碍和压制[30]。因此，可以通过升职、轮岗等方式将处于衰退期的关键研发者进行适当的职位调整。这样一方面可以避免其创造力不断衰退对研发进度和价值要求的影响，另一方面可以通过职位调整保留其丰富的研发经验，与新人形成良好的团队搭配。

然而，本研究也存在着一些局限性。首先，仅依靠专利合作关系度量网络中的关系强度和关系数量，未调查研究研发者之间的非正式关系。因此，未来研究可以考虑结合问卷调查数据，构建一个新的创新合作网络，涵盖研发者之间的正式和非正式关系，对比该网络中关系强度和关系数量对关键研发者创造力有何种作用差异。其次，缺乏对网络环境变量的考察。因此，未来研究还可以考虑职位变迁对关键研发者创造力的影响。因为有文献提出[36]，企业中的关键人才升职为管理者后可能遇到的六方面问题，这些问题中就包括过多的工作依赖造成的瓶颈、对正式工作关系熟悉但是对非正式关系缺乏了解等情况。再次，只考虑了关键研发者创新合作网络的关系强度、度数中心度，而未考虑个体网络结构的其他特征指标及其之间的交互作用。此外，如前文所说，尽管一部分常胜型关键研发者可以简单地处理为慢热型和速成型两种类型的关键研发者，但使得关键研发者长盛不衰的影响因素还有待探讨。这些关键研发者也值得研究，但是如何从动态视角进行分析仍需要克服一系列的困难。

[1] Inkpen A C, Tsang E W K. Social capital, networks, and knowledge transfer[J]. Academy of Management Review, 2005, 30(1):146-165.

[2] 王泽宇, 王蕊, 王国锋. 科研团队领导者的社会网络交互及其对团队绩效的影响[J]. 南开管理评论, 2014, 17(1):145-150.

Wang Z Y, Wang R, Wang G F. Study on social network interaction of research team leader and its impact on team performance [J]. Nankai Business Review, 2014, 17(1):145-150.

[3] Nakajima R, Tamura R, Hanaki N. The effect of collaboration network on inventors' job match, productivity and tenure [J]. Labour Economics, 2010, 17(4):723-734.

[4] Ernst H, Leptien C, Vitt J. Inventors are not alike: The distribution of patenting output among industrial R&D personnel [J]. IEEE Transactions on Engineering Management, 2000, 47(2): 184-199.

[5] Amabile T M. A model of creativity and Innovation in organizations[J]. Research in Organizational Behavior, 1982, 10(10): 123-167.

[6] Audia P G, Goncalo J A. Past success and creativity over time: A study of inventors in the hard disk drive industry[J]. Management Science, 2007, 53(1):1-15.

[7] 孙笑明, 崔文田, 崔芳,等.当前合作网络结构对关键研发者创造力的影响[J].管理工程学报, 2014, (1):48-55.

Sun X M, Cui W T, Cui F, et al. The influence of current collaborative network structure on the creativity of key inventors [J]. Journal of Industrial Engineering and Engineering Management,2014, (1):48-55.

[8] Perry-Smith JE, Shalley CE. The social side of creativity: A static and dynamic social network perspective [J]. Academy of Management Review, 2003, 28(1): 89-106.

[9] Perry-Smith J, Mannucci P V. From creativity to Innovation: The social network drivers of the four phases of the idea journey[J]. Academy of Management Review, 2015, 42(1):53-79.

[10] Gonzalez-brambila, Nerkar A. The impact of global and local cohesion on Innovation in the pharmaceutical industry [J]. Strategic Management Journal, 2013, 33(5): 535-549.

[11] Granovetter M S. The strength of weak ties [J]. American Journal of Sociology, 1973, 78: 1360-1380.

[12] Goetze C. An empirical enquiry into co-patent networks and their stars: The case of cardiac pacemaker technology [J]. Technovation, 2010, 30(7-8): 436-446.

[13] Fleming L, Mingo S, Chen D. Collaborative brokerage, generative creativity, and creative success [J]. Administrative Science Quarterly, 2007, 52(3): 443-475.

[14] Woodman R W, Sawyer J E, Griffin R W. Toward a theory of organizational creativity.[J]. Academy of Management Review, 1993, 18(2):293-321.

[15] Hennessey B A, Amabile T M. Creativity.[J]. Social Science Electronic Publishing, 2010, 61(1):569-598.

[16] Perry-Smith J E. Social Yet Creative: The Role of Social Relationships in Facilitating Individual Creativity[J]. Academy of Management Journal, 2006, 49(1):85-101.

[17] Rost K. The strength of strong ties in the creation of Innovation [J]. Research Policy, 2011, 40: 588-604.

[18] Grigoriou, K., Rothaermel F.T. Structural micro-foundations of Innovation: The role of relational stars [J]. Journal of Management, 2014, 40(2): 586 -615.

[19] Ahuja M K, Galletta D F, Carley K M. Individual centrality and performance in virtual R&D groups: An empirical study[J]. Management Science, 2003, 49(1): 21-38.

[20] Paruchuri S, Nerkar A, Hambrick DC. Acquisition integration and productivity losses in the technical core: Disruption of inventors in acquired companies [J]. Organization Science, 2006, 17(5): 545-562.

[21] Landry R, Amara N, Lamari M. Does social capital determine Innovation? To what extent?[J]. Technological Forecasting & Social Change, 2002, 69(7): 681-701.

[22] Oldroyd JB, Morris SS. Catching falling stars: A human resource response to social capital's detrimental effect of information overload on star employees [J]. Academy of Management Review, 2012, 37(3): 396-418.

[23] Zhou J, Su Y. A missing piece of the puzzle: The organizational context in cultural patterns of creativity [J]. Management and Organization Review, 2010, 6(3): 391-413.

[24] 刘军. 整体网分析讲义: UCINET软件实用指南 [M]. 上海: 格致出版社，2009.

Liu J. The overall network analysis notes—the application of UCINET software [M]. Shanghai: Gezhi Press, 2009.

[25] Soda G, Usai A, Zaheer A. Network memory: The influence of past and current networks on performance[J]. Academy of Management Journal, 2004, 47(6):893-906.

[26] Capaldo, A. Network structure and Innovation: The leveraging of a dual network as a distinctive relational capability [J]. Strategic Management Journal, 2007, 28(6): 585-608.

[27] Cattani, G., Ferriani S. A Core/periphery perspective on individual creative performance: Social networks and cinematic achievements in the Hollywood film industry[J]. Organization Science, 2008, 19(6): 824-844.

[28] 汤小莉, 孙笑明, 田高良,等.小世界网络的动态性对企业关键研发者创造力的影响[J].管理工程学报, 2018, 32(04):59-67.

Tang X L, Sun X M, Tian G L, et al. The influence of past and current small-world characteristics on the creativity of key inventors [J]. Journal of Industrial Engineering and Engineering Management, 2018, 32(04):59-67.

[29] Coleman, J. Social capital in the creation of human capital [J]. American Journal of Sociology, 1988, 94: 95-120.

[30] Kehoe, R.R., Tzabbar D. Lighting the way or stealing the shine? An examination of the duality in star scientists' effects on firm innovative performance[J]. Strategic Management Journal, 2015, 36(5): 709-727.

[31] 向希尧, 蔡虹. 基于专利引用的社会网络分析在知识管理研究中的应用[J]. 管理学报, 2012, 9(4): 562-569.

Xiang X Y, Cai H. Application of social network analysis based on patent citation in knowledge management[J].Chinese Journal of Management, 2012, 9(4): 562-569.

[32] 刘斌, 赵升, 孙笑明,等. 我国专利数据中发明家姓名消歧算法研究[J]. 情报学报, 2016, 35(4):405-414.

Liu B, Zhao S, Sun X M, et al. Research on inventors' names disambiguation algorithm in Chinese patent data[J]. Journal of the China Society for Scientific andTechnical Information, 2016, 35(4):405-414.

[33] Lee JJ. Heterogeneity, brokerage, and innovative performance: Endogenous formation of collaborative inventor networks [J]. Organization Science, 2010, 21(4): 804-822.

[34] Nerkar A, Paruchuri S. Evolution of R&D capabilities: The role of knowledge network within a firm [J]. Management Science, 2005, 51( 5) : 771-785.

[35] Beaudryab C. Impacts of collaboration and network indicators on patent quality: The case of Canadian nanotechnology innovation[J]. European Management Journal, 2011, 29(5):362-376.

[36] Cross R, Thomas R J. How top talent uses networks and where rising stars get trapped[J]. Organizational Dynamics, 2008, 37(2):165-180.

Network structure and key inventor's creativity: A study based on a two-stage research career

SUN Xiaoming1, WANG Jingxue1, CUI Wentian2, TANG Xiaoli3, LI Lei2

(1. School of Management, Xi'an University of Architecture and Technology, Xi'an 710055, China; 2. School of Management, Xi'an Jiaotong University, Xi'an 710049, China; 3.School of Management, Xi'an Technological University, Xi'an 710021, China)

Key inventors with great creativity are the core resource for high-tech companies to gain competitive advantages. Compared with common inventors, they often have different ways of thinking, knowledge structure, practical experience, and innovation capability. These advantages and capabilities are deemed to be closely related to their embedded collaboration networks. Within the static analysis framework, degree centrality and tie strength are the two most important and basic metrics. However, innovation collaboration is often accomplished in a dynamic environment. In this case, then, a question raised is how do these two network characteristics affect key inventors' creativity. At the same time, most of the previous studies are based on a fixed data window and use the characteristics of innovative collaboration networks within windows to examine individual outcomes. But this artificial segmentation does not take into account the career stage characteristics of key inventors. Since each key inventor always has a long research history that is stage-featured, we cannot neglect this to explore corresponding mechanisms by roughly following the traditional method. Therefore, if research careers are used as the basis for classification, we do believe that it's beneficial to investigate the creativity of key inventors by using the different collaborative and contextual factors across periods.

This paper primarily brings in the principle of the Cook curve and uses the peak of creativity to divide their research careers to solve these problems. Specifically, we separately count the granted patents over the years based on key inventors' entire research career and take the year with the largest number of authorized patents as a demarcation point. It's important to note that a research career is a period between the application years of their first and last applied patent. After that, we define the period before the cut-off point, including the peak year, as the rising period, and take the later stage as the recession one. Correspondingly, we divide the patent data that is collected from 34 high-tech listed companies in the domestic electronic information and motor vehicle industries into two different time windows following the two-stage research career. In doing so, we build innovative collaboration networks of key inventors and calculate the relevant variables of each observation point. Finally, by integrating the variables in each research period into different samples, we use the logit model and the two-sample t-test to verify two sets of hypotheses and try to discuss how the difference in tie strength and network centrality influence the creativity of key inventors.

The results show that in the rising period, the degree centrality of key inventors is positively correlated to their creativity. To be more specific, it is quite critical for inventors who want to be key inventors to reduce inefficient and ineffective connections selectively. Because it is detrimental for rising-stage key inventors to rely solely on the accumulation of ties, or spend too much time and energy on maintaining past relationships. On the other hand, in the recession period, the greater the difference in tie strength between key inventors and their contact, the slighter their creativity decrease. Precisely speaking, in the recession period, key inventors have generally formed an inherent knowledge structure with mature knowledge and capabilities in the research activities. Since the research areas between key inventors and others are getting closer and closer, the knowledge they acquired is becoming more and more similar. Therefore, it becomes a hindrance to their breakthrough, although it has created inventors' professional level and ability in this field.

In summary, based on key inventors' initial embedding characteristics and growth tracks, we analyze the relationship between the dynamic changes of network structure and individual creativity with a complete research career perspective. The results not only theoretically enrich the studies on the influence factors of key inventors' rising and recession process but also provide some new insight into the acceleration of key inventors' growth and postponing their recession stage. Besides, we explore the influence factors of creativity from the difference in tie strength in inventors' ego network, which is different from the previous studies. It reminds researchers to recognize the necessity and importance of relationship diversity in future studies. What's more, this paper further promotes the research on the individual characteristics and behavioral outcomes of key inventors. It may help managers to arrange inventors' activities and improve the enterprise's innovation capability.

In practice, our research outcomes also offer several management implications. First of all, companies should use differentiated management styles for key inventors' growth characteristics and needs in different stages. Second, we must fully consider the position of the strategic execution point in the key inventors' career stage. Third, innovation managers should fully combine the advantages of key inventors in the rising period in the course of new product development and technological innovation. Fourth, managers can properly adjust key inventors in their recession stage by promotion or rotation.

Research career; Degree centrality; Tie strength; Key inventors; Creativity

2018-03-22

2018-12-03

Supported by the Natural Science Foundation of China (71472146, 71402132)

F062.4

A

1004-6062(2020)05-0053-009

10.13587/j.cnki.jieem.2020.05.006

2018-03-22

2018-12-03

国家自然科学基金资助项目（71472146、71402132）

孙笑明（1982—），男，辽宁大连人；西安建筑科技大学管理学院副教授，博士；研究方向：复杂组织网络与创新、专利大数据分析。

中文编辑：杜 健；英文编辑：Charlie C. Chen