网络嵌入对企业创新绩效的影响机理：一个基于非研发创新的有调节中介模型

解学梅，王宏伟

网络嵌入对企业创新绩效的影响机理：一个基于非研发创新的有调节中介模型

解学梅，王宏伟

（上海大学 管理学院，上海 200444）

已有研究忽视了非研发创新对推动企业创新的内在价值，缺乏对非研发创新前因后果及其情景机制的研究。因此，本文整合网络嵌入和非研发创新相关理论，通过引入知识流动，构建了一个有调节的中介模型，并基于长三角制造业企业的一手调研数据，利用层次回归和Bootstrap方法进行检验，全面探究企业非研发创新的前因变量及其情景机制。研究结果表明，网络嵌入的两个维度（结构嵌入、关系嵌入）对企业非研发创新具有正向影响；非研发创新的四个维度（产品或工艺改进、模仿生产和逆向还原、外部技术获取、用户创新）对企业创新绩效具有正向影响。研究结果还表明，非研发创新在网络嵌入与创新绩效关系中发挥中介作用；并且知识流动调节该中介关系。研究结果通过从非研发创新视角构建网络嵌入向创新绩效转化的中间机制，拓展了企业创新模式的范畴，深化了非研发创新理论。

非研发创新；网络嵌入；知识流动；有调节的中介模型

0 引言

在“Open innovation”背景下，企业间的竞争关系已转向竞合共赢，为适应这一转变，企业需要积极融入到创新网络中。因此，如何构建和管理企业在创新网络中的关系和位置，从而提升企业创新绩效，成为亟需解决的重要问题[1]。此外，在开放式创新背景下，企业研发创新所需的技术和资源更加分散，外溢速度加快，创新周期缩短，导致研发创新的时滞和风险加大，影响技术创新的收益[2]。由此，越来越多的企业开始采取非研发创新模式，以缓解内部研发压力。非研发创新（Non-R&D innovation）是指除研发以外的其他常规创新活动，包括引入或改进技术、产品或流程等技术类非研发创新活动，以及实施营销或组织创新等非技术类的非研发创新活动[3-5]。本文重点聚焦技术类非研发创新，以下简称非研发创新。目前，欧盟已有超过50%的企业采用非研发创新[6]；而我国高新技术行业的非研发创新支出近年来也呈递增趋势[7]。一方面，非研发创新活动能够有效延长产品或技术的生命周期，相比传统的研发创新风险更低，可选择性更强[2]；另一方面，非研发创新活动有助于充分发挥企业创新资源的利用效率，提升企业的创新绩效。由此，深入探究企业在创新网络中的非研发创新活动对创新绩效的作用机理具有重要的现实意义。

纵观已有文献，关于创新管理的研究主要聚焦研发驱动的创新模式以及研发与创新绩效之间的关系，忽略了创新来源（研发和非研发）的内部异质性[8]。然而，聚焦研发创新范式的研究仅仅是探讨一种线性因果关系[9]。已有一些学者认识到这一局限，围绕非研发创新进行了尝试性探索。早期的研究相对零散，一般将其界定为专利申请、产品设计、员工培训等，尚未提出系统的概念[3]。而对非研发创新研究最具代表性的是Arundel等[6]，他们较为系统地研究了非研发创新，指出非研发创新能够降低开发新技术所带来的潜在成本，影响企业的战略决策。Santamaría等[10]则从行业应用范畴视角指出，非研发创新不仅是中小型企业或低技术行业的普遍现象，在大型企业或高科技行业中也很常见。此外，Hervas-Oliver等[9]比较了研发活动与非研发活动在创新方面的差异。随后，国内学者对非研发创新展开了相关研究。例如，赵红丹[11]将非研发创新模式界定为技术类非研发创新模式（技术引进、渐进改良）和非技术类非研发创新模式（市场创新、组织创新）。张敏[12]探究了创新转型过程中中小微企业非研发创新行为的作用机理，指出政府参与度将直接影响相关政策对中小微企业非研发创新行为和转型绩效的实际效用。此外，还有一些学者探讨了非研发创新和绩效的关系，指出非研发创新能够促进企业创新绩效的提升[2][7][13][14]。

然而，纵观已有文献，聚焦非研发创新的实证研究相对较少[15]，尤其是缺乏对非研发创新前因后果以及情景机制的研究[16]。具体而言，现有文献主要存在以下三个方面的研究不足和局限，需要进一步深入探讨。首先，已有研究主要聚焦于非研发创新的范畴划分[3][11]，忽视了非研发创新对创新产出的作用[8]；尽管一些研究涉及了非研发创新与企业绩效的关系，指出生产过程改进等非研发创新对企业绩效具有重要影响，但多是聚焦西方或发达国家企业的实践[5]，对中国等转型中国家的研究较少[17]。例如，杨洪涛和陈丽[15]指出，针对多种非研发活动与企业创新绩效关系的实证研究较少；而Santamaría等[10]将非研发变量看作二分变量，难以真正反映变量间的相互关系。由此，本研究拟基于严谨的实证过程深入探讨非研发创新与企业创新绩效的关系。

其次，已有研究缺乏网络嵌入视角对非研发创新前因机理的探讨，网络嵌入性本身能否阐释绩效也有待于进一步明确[18]。非研发创新活动依赖于外部网络资源[19]。根据社会网络理论，一个企业的创新活动通常嵌入于社会网络中[20]，并深受其影响[18]。尤其在开放式创新背景下，越来越多的企业通过网络嵌入（Network embeddedness）方式维持研发和创新的竞争优势[21]。已有研究探讨了网络嵌入与创新绩效的关系及其中介机理。例如，从学习角度出发的开放性学习[18]、探索型学习[1]、学习能力[22]等；从知识管理角度出发的知识整合[23]；以及从战略管理角度出发的差异化战略[24]和创业导向等[25]。然而，很少有研究探究网络嵌入通过非研发创新的传导作用以促进创新绩效的关系。因此，本研究拟从非研发创新视角深入探讨网络嵌入向企业创新绩效转化的内在机制。

再次，已有研究忽略了网络嵌入向非研发创新转化的情景机理。已有聚焦创新模式与企业绩效关系的文献，较少探讨外部环境因素的影响[17]。贾卫峰和党兴华[26]指出，知识流动是创新主体间互动的基本模式，创新需要知识的流动和碰撞。顾新等[27]指出，网络嵌入方式为企业间的互动搭建桥梁，企业需要不断在知识流动过程中吸收资源，促进知识资源的有效整合。因此，知识流动是促进网络嵌入与非研发创新关系的重要情景因素，而这一过程又促进知识向产品和生产力的转化，从而提升创新绩效[28]。纵观知识流动相关文献，大多聚焦于知识流动对创新网络知识共享和扩散的影响[26]，以及对创新绩效[29-31]和企业竞争力[32]的作用，极少涉及非研发创新领域。而关于非研发创新的研究也忽略了社会文化、环境特征等情境因素的影响，使得现有理论模型无法良好地解释现象，削弱了实践指导性[11]。据此，本文拟从知识流动视角探究网络嵌入通过非研发创新提升企业创新绩效的情景机理。

针对上述研究局限，本文通过问卷调查所获得的一手调研数据，深入探究网络嵌入、非研发创新与创新绩效三者之间的耦合关系，并通过引入知识流动作为调节变量，探究非研发创新的情景机理。本文的理论贡献体现在以下四个方面：一是将社会网络理论引入非研发创新层面，检验网络嵌入对非研发创新的影响，弥补了相关研究忽视非研发创新前因变量的局限；二是实证验证了不同类型的非研发创新模式对企业创新绩效的作用机理，拓展了创新模式的范畴；三是挖掘了网络嵌入、非研发创新与创新绩效的关系路径，从社会网络视角打开了三者关系的“黑箱”；四是验证了知识流动在网络嵌入通过非研发创新促进企业创新绩效中介关系中的调节作用，深化了非研发创新的情景机制。总之，本研究弥补了已有文献过度侧重研发创新而忽略非研发创新的局限，为制造业企业利用网络关系提升非研发创新能力，实现创新绩效增长提供指导和建议。

1 理论与假设

1.1 网络嵌入对非研发创新的影响

网络嵌入是指企业与其合作伙伴之间的焦点关系嵌入到相互联系的网络中的程度[33]。社会网络理论强调，网络的关系和结构质量对其参与者来说至关重要[34]。因此，本研究将网络嵌入分为两个维度：结构嵌入和关系嵌入[35]。其中，结构嵌入（Structural embeddedness）是指组织在网络结构中的地位，强调一个行为者的关系网络配置；而关系嵌入（Relational embeddedness）是指组织在合作过程中形成的直接或间接的关系以及相互理解、信任和承诺的程度[36]，强调关系质量的作用[37]。

从结构嵌入角度看，企业资源获取途径的质量受合作网络中所处位置的影响。首先，社会资本学者强调，结构嵌入能够影响企业产品或服务的改进等创新活动[38]。其次，处于网络优势地位的企业能够以较低的搜索成本获取有效的技术资源，并对这些资源进行吸收和改进，通过选择最优的专利和技术组合，将其转化为非研发创新成果，以降低技术失败的风险[39]。再次，企业通过在合作网络中占据有利地位，拓宽异质性信息获取的渠道，有助于企业获取外部技术，并对技术进行模仿生产或反求工程。最后，结构嵌入性越强的企业在网络结构中的地位越高，网络中心性也越强；因此，能够更加接近用户和了解用户需要，从而促进实现用户创新[40]。

从关系嵌入角度看，企业与合作伙伴建立和保持良好的协作关系，能够促使企业及时获得真实可靠的市场和技术信息，有利于实现其可持续的非研发创新。首先，嵌入网络的企业通过与合作伙伴的高管人员构建可信赖的关系，能够为组织间跨边界传递资源建立基础[41]，同时为改进企业技术，持续进行创新提供保障[42]。其次，与嵌入网络中的其它企业进行长期稳定的合作可以帮助企业以低价获取外部技术、设施等资源，加速企业对市场需要的产品或工艺进行模仿生产或反求工程，以促进企业非研发创新活动的开展。再次，嵌入在网络中的企业通过与合作伙伴构建协作关系，能够及时获取行业技术信息，以此提高决策效率，增强组织学习能力和适应性[43]。最后，要想掌握用户真正的需要，就必须与用户维持强联结的关系；企业与用户频繁的技术知识交流和互动能够提升用户体验和参与程度[44]，从而促进用户创新的实现。

综上，网络嵌入能够增大企业间的接触频率、扩大合作范围、增长合作关系的持续时间，因此，企业能够快速低价地获取外部技术，对市场所需要的产品或工艺进行微调、改进、模拟生产或反求，也可以激励用户创新，以此来加强企业非研发创新活动的开展。由此，提出如下假设：

H1：结构嵌入对企业的非研发创新活动具有显著的正向影响（H1a：产品或工艺改进；H1b：模仿生产和逆向还原；H1c：外部技术获取；H1d：用户创新）。

H2：关系嵌入对企业的非研发创新活动具有显著的正向影响（H2a：产品或工艺改进；H2b：模仿生产和逆向还原；H2c：外部技术获取；H2d：用户创新）。

1.2 非研发创新对企业创新绩效的影响

参照Guo等[17]、赵红丹[11]、Arundel等[6]的研究，本文将非研发创新划分为四个维度：产品或工艺改进、模仿生产和逆向还原、外部技术获取以及用户创新。其中，产品或工艺改进是指企业可以依靠工程知识对产品和流程进行微调修改或增量变更[6]；模仿生产和逆向还原是指通过引进、购买等手段来吸收和掌握领先创新者的核心技术，并在此基础上进行创新和完善[6]；外部技术获取是指企业直接从外部采购或获得创新产品、工艺技术、商标、软件、专利或非专利发明等[17]；用户创新是指用户基于自身的技术能力与经验，自行进行新产品开发，并为企业提供技术和创新方面的指导与帮助[45]。

创新绩效是指创新投入转化为成果的效率和成果实现后所带来的经济效益，一般采用企业的研发投入、专利产出（数量或质量）或新产品等指标来测度[46]。首先，在企业非研发创新过程中，产品或工艺改进、模仿生产和逆向还原等非研发创新活动直接体现在产品质量改善或产品升级，最终转化为新产品数量的扩张及销售收入的增加[7]。其中，技术改造可以优化企业的生产和技术条件，延长现有技术的生命周期，为企业创新提供更加优良的内部环境[7]。其次，企业通过模仿领先企业的成熟技术则有助于企业获取技术套利机会，通过节约信息和决策成本提高企业生产效率，从而提升企业产品创新绩效[17]。再次，外部技术获取能为企业技术创新树立标杆，对创新绩效具有积极作用[47]。例如，毕克新等[48]指出，国外技术引进和国内技术购买等非研发创新活动对中国制造业技术创新的产出具有正向影响。最后，通过实施用户创新的非研发活动能够降低市场的不确定性，从而助于提升企业的创新能力和绩效[9]。综上，与研发创新相比，非研发创新的成本和风险更低，对外部环境变化的敏感性更低，能够给企业带来长期稳定的绩效。由此，提出如下假设：

H3: 非研发创新活动对企业创新绩效具有显著的正向影响（H3a：产品或工艺改进；H3b：模仿生产和逆向还原；H3c：外部技术获取；H3d：用户创新）。

1.3 非研发创新的中介作用

网络嵌入对企业创新绩效既有直接的影响，也存在着间接联系。首先，企业可以利用网络嵌入来提高自身的创新绩效。在结构嵌入方面，当成员企业处于网络中心位置或合作伙伴较多时，更容易通过与其他企业建立合作关系来提升创新绩效[49]；在关系嵌入方面，成员企业通过彼此的信任和承诺来构建密切的合作，且合作关系越密切持久，越容易获得独特的隐性知识，从而越有利于企业创新绩效的提升[25]。

其次，网络嵌入通过所处优势位置和相互信任、依赖的关系网络为非研发创新活动开辟获取资源的渠道；而非研发创新活动通过使用外部资源来管理创新流程，充分挖掘创新潜力，以此提升企业的创新绩效。因此，网络嵌入可以通过非研发创新活动对获取的资源进行有效吸收和利用，从而提升企业创新绩效。从结构嵌入角度，企业可以利用其位置优势克服内部资源和能力的限制，使企业更容易通过非研发活动开发新产品[13]，从而显著改善产品生产率；从关系嵌入角度，可以通过构建与合作伙伴的直接联系来缓解风险和不确定性，提高非研发创新的成功率[35][50][51]，进而提高企业生产效率。具体而言，在产品或工艺的改进方面，技术改进的资源需求通常超出了企业自身所拥有的资源，需要与供应商、分包商、竞争者、甚至公共研发机构和大学等其他企业进行密切和持续的互动。网络嵌入性能够向企业提供获取知识与技术资源的机会，通过产品或工艺的微调改进为技术开发的战略决策提供灵活性，进而影响企业绩效[17][52]；在模仿生产和逆向还原方面，企业通过嵌入网络获取、消化和吸收现有创新产品或工艺，在此基础上进行反求和再创新，这种模仿或反求的创新模式投入少、效率高，且能适应行业中的不确定性[53]，加速企业创新成果产出；在外部技术获取方面，企业处于网络优势地位且与合作伙伴互动频繁，有助于企业识别技术机会，更易获取技术创新资源，降低交易成本，从而提高企业创新效率[54]；在用户创新方面，当企业与用户保持良好的互动关系时，更易促使用户创新者将其创新成果传递给企业，从而对新产品开发绩效产生积极影响[36][45]。

综上，本研究认为，网络嵌入的两个维度（结构嵌入与关系嵌入）和创新绩效有着密切的关系，并且非研发创新在这一关系中发挥中介作用。由此，提出如下假设：

H4：非研发创新在结构嵌入与企业创新绩效关系中发挥中介作用（H4a：产品或工艺改进；H4b：模仿生产和逆向还原；H4c：外部技术获取；H4d：用户创新）。

H5：非研发创新在关系嵌入与企业创新绩效关系中发挥中介作用（H5a：产品或工艺改进；H5b：模仿生产和逆向还原；H5c：外部技术获取；H5d：用户创新）。

1.4 知识流动的调节作用

知识流动（Knowledge flow）是指组织跨越边界共享、获取和分配知识的过程[30]。在创新活动中，知识流动强调的是知识在不同创新主体之间的转移和扩散[27]；而在合作网络中，知识流动是各个知识主体之间、主体与系统外部环境之间的知识互换、转化、共享的过程。通常，知识流动可以分为知识共享和知识整合两个维度，知识共享是组织间互换显性或隐性知识的过程，而知识整合则对共享的知识进行合并和重组[28]。

网络中的技术信息、产品信息、市场信息、用户需求等知识流入为企业开展外部技术获取、模仿生产以及用户创新等非研发创新活动奠定了知识基础。即网络中知识流动的实质是促进不同成员企业所拥有的知识资源的有效整合，创新则是主体之间知识流动过程中知识资源相互作用的结果[27]。非研发创新依赖于网络嵌入中各成员企业间技术知识和资源的转移，以此实现对原有知识体系和资源的补充与整合，而知识流动正是促进这种补充与整合的最基本方式[55]。当知识流动程度较高时，网络嵌入对非研发创新的促进作用也会增强。一方面，知识流动能够增强企业利用结构嵌入获取资源的能力，并提升企业在非研发创新过程中吸收与整合知识的能力，从而加速非研发创新[56]。另一方面，关系嵌入构建的高度信任有助于促进企业获取异质性的隐性知识[57]；并通过各类知识流动主体的相互学习，协同各自拥有的知识资源，促进网络中知识的合理转移及有效共享，从而使成员企业达到对知识资源的优化组合[55]，以此提高非研发创新的效率，进而提升其创新绩效[30]。反之，低程度的知识流动会减缓甚至阻碍知识的共享与转化，降低创新的技术合作效率[58]，不利于非研发创新的开展。

此外，结构嵌入所形成的合作伙伴网络结构可以产生社会监控效益。Mazzola等[59]的研究结果表明，结构嵌入位置对创新过程有直接的正向影响，知识的正向流动能够强化这种正向影响。而关系嵌入通过提高对规范破坏行为的可见性，产生了基于威慑的信任[60]。Moran[61]认为，当组织间存在较强的关系嵌入时，资源流动数量的增大能够促进内隐与复杂知识的移转，从而提高创新绩效。具体而言，在产品或工艺的改进方面，当知识流动较高时，网络内的经验和知识转移加速，由此提高了合作效率[58]，促使企业将创新资源投入到现有产品或工艺的改进[57]，从而提升创新绩效；在模仿生产和逆向还原方面，当知识流动较高时，知识的共享与整合能够促进企业在关系网络中发现有价值的主导技术知识，并加速知识内化，通过对技术产品的模仿和还原，提高其创新绩效[53]；在外部技术获取方面，当知识流动较高时，有助于企业识别创新机会[60]，降低在寻找合作伙伴时所面临的信息约束，有助于企业获得互补资产、技术信息和市场优势[36]，通过加速非研发创新进而影响新产品绩效；在用户创新方面，当知识流动较高时，知识的交流和共享有助于企业与用户形成更为密切的联系，增加用户创造新知识和价值的机会，并通过整合来自网络中用户创新的知识进而促进创新的成功开展，提升企业创新绩效[62]。

综合上述分析，高水平的知识流动有助于企业知识资本的创造和积累，获得并整合互补性资产、市场优势和技术信息，从而强化结构嵌入或关系嵌入对企业非研发创新的促进作用，进而提升企业创新绩效。并且知识流动性越高，非研发创新活动在网络嵌入与创新绩效之间的中介作用越大，即知识流动在网络嵌入—非研发创新—创新绩效三者间的关系中发挥调节作用。由此，提出如下假设：

H6：知识流动正向调节非研发创新在结构嵌入与企业创新绩效关系间的中介作用；当网络中知识流动程度越高时，非研发创新活动在结构嵌入与企业创新绩效关系间的中介作用越强；反之越弱（H6a：产品或工艺改进；H6b：模仿生产和逆向还原；H6c：外部技术获取；H6d：用户创新）。

H7：知识流动正向调节非研发创新在关系嵌入与企业创新绩效关系间的中介作用；当网络中知识流动程度越高时，非研发创新活动在关系嵌入与企业创新绩效关系间的中介作用越强；反之越弱（H7a：产品或工艺改进；H7b：模仿生产和逆向还原；H7c：外部技术获取；H7d：用户创新）。

图1 理论模型

Figure 1 Conceptual model

2 研究设计

2.1 数据来源

本研究采用问卷调研方式。研究变量基于已有的成熟量表进行开发，所有变量均采用五级李克特量表，被调研者根据企业的实际情况进行打分。其中，调研对象是长三角地区参与合作网络和采用非研发创新的制造业企业；被调研者主要是中高层管理者和研发人员等对企业非研发创新和网络嵌入了解较多的人员。为提高问卷的有效性并预防由于概念、题意理解不一致而导致的偏差问题，在正式问卷发放前先选择45家参与合作网络和非研发创新的企业进行预调研，并基于预测试结果对调研问卷进行修改和完善。2016年3月至6月，以实地调研和邮件调研的方式向350家企业发放问卷（每家企业发放1份）。其中，共回收问卷224份，剔除无效问卷后获得有效问卷200份，问卷有效回收率为57.143%。

此外，我们对无响应偏差问题做了检验。根据Armstrong和Overton[63]，我们运用检验对第一和第四四分位数样本的因变量和自变量的差异进行比较。结果表明，产品或工艺改进（=-0.528，=0.599）、模仿生产和逆向还原（=-0.246，=0.806）、外部技术获取（=0.673，=0.502）、用户创新（=0.586，=0.559）、结构嵌入（=0.882，=0.380）、关系嵌入（=0.035，=0.972）、知识流动（=1.591，=0.115）和创新绩效（=0.547，=0.586）的统计量均无显著差异（> 0.05）。此外，我们运用检验，使用公司性质和规模对响应和未响应企业进行比较，结果显示不存在显著的差异（> 0.05）。因此，本研究不存在显著的无响应偏差问题。

2.2 样本统计

被调查企业的基本概况如表1所示。从企业性质看，民营企业最多，占38.500%；成立年限3年以上的企业占87.000%；300-1000人规模的中型企业居多，占33.500%；企业销售额以300-2000万居多，占37.000%；研发强度达到3%以上的企业占88.000%；企业每年生产的新产品数量五种以上的占55.000%；企业从外部采购设施占总投资比例在5%-10%的居多，占31.500%；企业合作外包分包的项目数量等占总量比例在5%-10%的居多，占25.500%。可见，样本分布符合总体情况，具有较好的代表性。

表1 样本统计

2.3 变量测度

（1）被解释变量

创新绩效。Wei等[64]将新产品的市场绩效作为创新绩效的主要测度指标，使用“上市三年内的新产品利润百分比、新产品市场占有率、新产品销售额和新产品销售额增长率等指标来度量。由此，本文基于Wei等[64]、Guan和Yam[65]以及解学梅[66]等人的研究结果，采用“企业近三年新产品增长程度”等六个指标对创新绩效进行测度（1=很低；5=很高），如表2所示。

（2）解释变量

网络嵌入。网络嵌入包括结构嵌入和关系嵌入，该分类是嵌入性理论中最经典的分析框架。其中，结构嵌入通过网络密度和企业在网络中的位置对企业行为和绩效加以影响，主要关注网络的结构特征，如中心性、网络密度、网络范围等；而关系嵌入强调与合作企业之间的信任、互动频率和关系密切程度[23]。结合Gilsing等[67]的研究，本文采用“与本企业有联系的企业的数量”等三个指标测度结构嵌入；关系嵌入测量是对Uzzi[33]提出的测度题项进行了调整，从“合作关系的互动频率”等三个指标进行测量（1=非常不同意；5=非常同意），如表2所示。

非研发创新。Arundel等[6]将非研发创新划分为产品或工艺改进、模仿生产和逆向还原、外部技术获取以及现有知识的创新组合应用等模式。其中，现有知识的创新组合应用包含采用用户开发的解决方案，即用户创新模式。由此，基于Guo等[17]、赵红丹[11]、Arundel等[6]的研究，本研究将非研发创新划分为四种：产品或工艺改进、模仿生产和逆向还原、外部技术获取以及用户创新。其中，产品或工艺改进主要采用“对新产品、新设施的改进频率”等三个指标进行测量[17]；模仿生产和逆向还原主要采用“对市场现有产品进行逆向还原的频率”等三个指标进行测量[17]；外部技术获取主要采用“从外部购买关键设备、零部件、材料或样品”等三个指标进行测量[17]；用户创新主要采用“用户参与对本企业创新起到重要作用”等三个指标进行测量[45]（1=非常不同意；5=非常同意），如表2所示。

知识流动。知识流动主要是参照方凌云[68]、Yamin和Otto[69]、涂振洲和顾新[55]的研究进行整合，采用四个题项对其进行测量（1=非常不同意；5=非常同意），如表2所示。

（3）控制变量

本文以企业性质、规模、成立年限、行业、研发投入、年产新产品数量、新产品销售额以及合作外包分包比例等作为控制变量，如表1所示。

表2 样本信效度分析

表2（续） 样本信效度分析

2.4 信效度分析

对数据进行回归分析之前，先对问卷数据的信度和效度进行检验。信度检验主要是检验结果的一致性、稳定性和可靠性，本研究以最常用的Cronbach’α系数和组合信度作为测量问卷信度的标准，如表3所示，各变量的Cronbach’α系数和组合信度均大于门槛值，说明量表的信度在可接受的范围之内。

再次，对变量进行KMO和Bartlett球形检验。结果显示，KMO值均大于0.7，且Bartlett球形检验值显著不为0，即具有较好的建构效度。从问卷内容效度来看，本文测量题项均来自相关文献成熟量表，并在正式调查前经过预调研和多轮反馈修改，因此具有较好的内容效度。此外，对数据进行验证性因子分析。表2结果显示，所有题项因子载荷值均大于0.5，即具有较好的聚合效度；表3结果显示，各变量及全模型的χ/df均小于3，小于0.08，以及等指数均大于0.9，各项指标达到理想水平，表明模型拟合度良好。此外，为进一步检验核心变量的辨别效度，我们利用Bootstrap方法计算各潜变量间相关系数的95%置信区间和偏差校正置信区间，结果显示，各核心变量区间均不包含１，表明各核心变量的辨别效度较好。综上，本研究具有较好的效度。

表3 模型拟合指数

表4 共同方法偏差检验

2.5 共同方法偏差

由于参与者易受到一致性动机和社会期许的影响而导致存在共同方法偏差（Common method biases），影响研究结果的有效性和客观性。因此，本研究采用程序控制和统计控制的方法降低共同方法偏差问题。在程序控制方面，首先，我们确保问题陈述简单明了，易于理解；其次，为了减少参与者的潜在顾虑，我们采取匿名调研，且问题答案不存在正误之分；再次，我们将自变量和因变量放置在调查问卷的不同位置。总的来说这些程序控制能够减少参与者在回答问题时对调查目的和社会期许的考虑。在统计控制上，首先，我们采取Harman单因素检验，结果表明，第一主成分解释的变异为40.414%，未占总变异解释量的一半，表明共同方法偏差不会影响本研究的结果；其次，我们采用将非可测方法因素作为潜变量纳入结构方程模型的控制方法[70]，对共同方法偏差问题做进一步检验。表4检验结果表明，控制后的χχ/df并未发生显著改变，且、和的变化幅度均在0.020以下，即加入方法变异因子后，模型并未显著改善，由此可以判定，测量中不存在显著的共同方法偏差[71]。

3 实证结果分析

3.1 相关性分析

表5中给出了各变量的均值、标准差以及相关系数，其中网络嵌入与非研发创新，非研发创新四个维度与企业创新绩效之间均呈现出显著的正相关关系，H1（H1a-H1d）和H2（H2a-H2d）得到初步验证。

表5 变量间的描述性统计与皮尔逊相关

注：显著性水平：*<0.05， **<0.01，***<0.001（双尾检验）。

3.2 直接效应检验

（1）网络嵌入对非研发创新的回归分析

网络嵌入对非研发创新四个维度的回归结果如表6所示。模型1、3、5和7是将企业规模、性质和成立年限等作为控制变量；模型2、4、6和8是将结构嵌入和关系嵌入分别对非研发创新的四个维度进行回归。结果显示，结构嵌入对非研发创新的产品或工艺改进（=0.413，<0.01）、模仿生产和逆向还原（=0.514，<0.01）、外部技术获取（=0.389，<0.01）以及用户创新（=0.472，<0.01）均有显著的正向影响，即H1（H1a-H1d）得到验证。结果表明，结构嵌入通过促使企业获得网络结构中的优势地位，降低知识转移的难度，从而促进非研发创新。同时，表6结果显示，关系嵌入对非研发创新的产品或工艺改进（=0.290，<0.01）、模仿生产和逆向还原（=0.229，<0.05）、外部技术获取（=0.271，<0.01）以及用户创新（=0.210，<0.05）均有显著的正向影响，即H2（H2a-H2d）得到验证。结果揭示，关系嵌入通过企业与合作伙伴所构建的良好的信息共享和信任机制，获取了更多的特定资源，降低了协作中的风险和不确定性[23]，从而促进了企业的非研发创新活动。

（2）非研发创新对创新绩效的回归分析

非研发创新对创新绩效的回归结果如表7所示。模型1是控制企业规模、性质和成立年限等变量的结果。模型2至模型5主要检验了非研发创新的四个维度与创新绩效的关系。模型5结果显示，产品或工艺改进（=0.227，<0.01）、模仿生产和逆向还原（=0.166，<0.05）、外部技术获取（=0.166，<0.05）、用户创新（=0.138，<0.1）对企业创新绩效均有显著的正向影响，即H3（H3a-H3d）成立。研究结果表明，第一，产品或工艺改进频率越高，企业创新绩效越高；第二，对市场现有产品、外部产品以及新产品进行模仿生产能使企业形成成本优势和面对较低风险；第三，从外部采购关键设施、原料或样品、专利发明以及非专利发明或获得隐性知识等相关技术知识的频率越高，其企业创新绩效也就越高；第四，企业用户创新能力越强，企业的创新绩效越好，即非研发创新活动对企业创新具有重要的作用[14]。

表6 网络嵌入对非研发创新的回归结果

注：显著性水平：***<0.01，**<0.05，*<0.1（双尾检验）。

表7 非研发创新对创新绩效的回归结果

注：显著性水平：*** p<0.01，**p<0.05，* p<0.1（双尾检验）。

3.3 非研发创新的中介效应分析

非研发创新对网络嵌入与创新绩效关系的中介效应检验结果如表8所示。模型1是控制企业规模、性质和成立年限等变量的结果。模型2表明，网络嵌入的两个维度，即结构嵌入和关系嵌入对企业创新绩效具有显著的正向影响（=0.345，<0.01；=0.451，<0.01）。模型3-6表明，将网络嵌入与非研发创新四个维度分别纳入同一模型时，产品或工艺改进（=0.174，<0.01）、模仿生产和逆向还原（=0.086，<0.1）、外部技术获取（=0.139，<0.01）以及用户创新（=0.132，<0.01）对企业创新绩效均有显著的正向影响。在假设1成立的前提下，上述结果符合Baron和Kenny（1986）[72]提出的关于中介效应检验的方法，表明非研发创新的中介效应显著，即H4（H4a-H4d）和H5（H5a-H5d）得到验证。

表8 中介效应回归分析

注：显著性水平：*** p<0.01，**p<0.05，* p<0.1（双尾检验）。

然而，越来越多的学者对这种依次检验方法提出了质疑。其中，温忠麟和叶宝娟[73]认为，依次检验方法存在第一类错误率低的问题，即系数乘积实际上显著却得出不显著的结论；而用偏差校正的非参数百分位Bootstrap方法所计算的系数乘积置信区间相对来说更加精确，有更高的检验力。因此，本文在上述检验基础上又使用Bootstrap法检验系数乘积的显著性，以进一步验证中介作用是否成立。本研究采用的Bootstrap分析均为5000次重复取样，构造95%偏差校正的置信区间 (Bias-Corrected Confidence Intervals)。若置信区间（）的下限和上限之间不包括零，则证明效应显著。表9是采用PROCESS宏程序对中介效应进行Bootstrap分析的结果。结果表明，结构嵌入通过非研发创新四个维度影响创新绩效的中介效应分别为0.121（=[0.061, 0.190]）、0.078（=[0.025, 0.140]）、0.091（=[0.036, 0.159]）和0.090（=[0.038, 0.152]）；关系嵌入通过非研发创新四个维度影响创新绩效的中介效应分别为0.122（=[0.070, 0.180]），0.089（=[0.029, 0.160]），0.093（=[0.045, 0.147]）和0.097（=[0.047, 0.155]）。由于上述置信区间都不包括零，因此这两个中介效应均成立，即H4（H4a-H4d）和H5（H5a-H5d）得到完全验证。

表9 基于Bootstrap方法的中介效应检验结果

3.4 有调节的中介效应检验

本研究运用Bootstrap方法检验有调节的中介效应模型，即以知识流动的均值加减一个标准差作为分组标准，分别对高知识流动、低知识流动以及知识流动均值水平下非研发创新的中介进行描述。从表10显示的结果可以看出，当网络中知识流动水平较低时，结构嵌入通过产品或工艺改进影响创新绩效的间接效应为0.116（=[0.060，0.184]），通过模仿生产和逆向还原影响创新绩效的间接效应为0.069（=[0.015，0.129]），通过外部技术获取影响创新绩效的间接效应为0.094（=[0.040，0.161]），通过用户创新影响创新绩效的间接效应为0.078（=[0.030，0.136]）。当网络中知识流动水平较高时，结构嵌入通过产品或工艺改进影响创新绩效的间接效应为0.144（=[0.076，0.224]），通过模仿生产和逆向还原影响创新绩效的间接效应为0.073（=[0.017，0.133]），通过外部技术获取影响创新绩效的间接效应为0.102（=[0.044，0.177]），通过用户创新影响创新绩效的间接效应为0.082（=[0.034，0.147]）。因置信区间都不包括零，表明无论知识流动取低值还是高值，结构嵌入通过非研发创新及其四个维度对创新绩效的间接效应均显著，但知识流动取高值时，效应系数更高，因此，H6（H6a-H6d）得到支持。

表10 基于Bootstrap方法的有调节的中介假设检验结果（自变量为结构嵌入）

图2 有调节的中介（自变量为结构嵌入）

Figure 2 The moderated mediation effects (the independent variable is structural embeddedness)

本文所研究的有调节的中介效应实际上是调节变量的一个线性函数；而以往的检验方法（如亚组分析法和差异分析法）只能显示调节变量在两个不同取值下的中介效应，不能完整反映间接效应受调节变量影响的变化[74]。为克服这一缺陷，本文使用偏差校正的百分位Bootstrap方法，其区间宽度能够给出中介效应大小变异的信息[75]，通过计算得出的95%置信带和显著域的具体数值，能够以图示的形式更清晰地展示在调节变量连续取值下的中介效应。图2中的直线代表针对不同中介变量的有调节的中介效应，是调节变量的一个线性函数，虚线代表相应的置信带。例如，由图2a可以看出，当知识流动大于1.35时（满分为5分），结构嵌入通过产品或工艺改进对创新绩效的中介效应是显著的。

表11 基于Bootstrap方法的有调节的中介假设检验结果（自变量为关系嵌入）

图3 有调节的中介（自变量为关系嵌入）

Figure 3 The moderated mediation effects (the independent variable is relational embeddedness)

同理，我们运用Bootstrap方法检验自变量为关系嵌入时有调节的中介效应模型，从表11显示的结果可以看出，当网络中知识流动水平较低时，关系嵌入通过产品或工艺改进影响创新绩效的间接效应为0.132（CI=[0.072，0.194]），通过模仿生产和逆向还原影响创新绩效的间接效应为0.080（CI=[0.020，0.163]），通过外部技术获取影响创新绩效的间接效应为0.083（CI=[0.037，0.127]），通过用户创新影响创新绩效的间接效应为0.087（CI=[0.039，0.144]）。当网络中知识流动水平较高时，关系嵌入通过产品或工艺改进影响创新绩效的间接效应为0.136（CI=[0.077，0.200]），通过模仿生产和逆向还原影响创新绩效的间接效应为0.087（CI=[0.026，0.152]），通过外部技术获取影响创新绩效的间接效应为0.086（CI=[0.038，0.134]），通过用户创新影响创新绩效的间接效应为0.089（CI=[0.041，0.148]）。因置信区间都不包括零，表明无论知识流动取低值还是高值，关系嵌入通过非研发创新及其四个维度对创新绩效的间接效应都是显著的，且知识流动取高值时，效应系数更高。因此，假设7（H7a-H7d）得到支持。同理，通过计算得出的95%置信带和显著域的具体数值，我们以图示的形式展示在调节变量连续取值下的中介效应。图3中的直线代表针对不同中介变量的有调节的中介效应，虚线代表相应的置信带。由图3a可以看出，当知识流动大于0.28时（满分为5分），关系嵌入通过产品或工艺改进对创新绩效的中介效应是显著的。

4 研究结论与展望

本文结合网络嵌入和非研发创新相关理论探索非研发创新的前因后果以及情景机制。结果显示，网络嵌入的两个维度（结构嵌入和关系嵌入）有助于企业获取优质资源，从而促进非研发创新活动的开展；非研发创新有助于降低企业创新成本和风险，是提升企业创新绩效的重要途径；此外，非研发创新在网络嵌入（结构嵌入和关系嵌入）与创新绩效关系中发挥中介作用；而这一作用过程受知识流动的调节，即网络中知识流动程度越高，非研发创新活动在网络嵌入（结构嵌入和关系嵌入）与企业创新绩效关系中的中介作用越强；反之越弱。

4.1 理论贡献

根据上述研究结论，本文的理论贡献主要体现在以下4个方面：

首先，本文从结构嵌入和关系嵌入两个方面剖析了网络嵌入对非研发创新的积极影响，弥补了已有研究仅对关系嵌入或结构嵌入单一维度进行探究的局限[59][76]，与此同时，深化了社会网络理论在创新领域中的应用。过往与非研发创新相关的研究多集中于非研发创新与研发创新的区别[13]，或非研发创新对创新产出的影响[5]，而从社会网络视角探究非研发活动的前因变量的研究相对较少。非研发创新不是通过内部系统性研发，而是更加依赖外部资源与技术合作[2]。我们的研究结果证实，网络嵌入（结构嵌入和关系嵌入）有助于企业获得优质的信息和知识，从而促进非研发创新的实施[33]。归纳而言，本文识别了非研发创新获取资源的关键途径，从网络嵌入视角深化了非研发创新的前因研究。

其次，本文验证了非研发创新模式在提升企业创新绩效中的作用，证实了Miguélez和Moreno[77]的观点，即非研发创新有利于企业获得短期竞争优势，是企业取得创新成功的重要因素。并且，本研究突破了以往关于创新绩效的研究聚焦于研发创新的局限，为Hervas-Oliver等[9]提出的非研发活动可用于解释创新绩效的结论提供了有力证据。此外，已有研究尚未全面考虑不同类型非研发创新模式对创新绩效的影响，本研究通过实证验证非研发创新四种模式对企业创新绩效的作用机理，进一步拓展和完善了杨洪涛和陈丽[15]以及Guo等[17]的研究，由此进一步完善了非研发创新模式的理论范畴。

再次，本文验证了非研发创新在网络嵌入与创新绩效关系中的中介作用，深化了非研发创新对社会网络如何促进创新绩效的内在机理诠释，实现了Hervas-Oliver等[9]对于非研发活动通过何种机制来解释企业创新绩效的研究展望。虽然已有研究表明网络嵌入能为创新提供大量的资源[23][49][78][79]，并且证实了非研发创新有助于提升企业创新绩效[80]，却忽视了非研发创新在网络嵌入与创新绩效关系中的转化作用。本文基于许冠南等[1]以及李支东和金辉[18]的研究，在网络嵌入向创新绩效转化过程中探索了非研发创新的传导机制，深入挖掘了网络嵌入向创新绩效转化的“理论暗箱”。

最后，本文将知识流动纳入研究框架，拓展了企业非研发创新的干预路径和情景机制研究。虽然已有研究探讨了企业资源如何通过知识流动影响组织创新绩效[28]，但基于知识流动视角来探究非研发创新在网络嵌入与创新绩效关系中的作用研究相对较少。Polidoro等[60]指出，未来研究可以聚焦网络嵌入如何影响合作绩效，例如资源交换和合作伙伴在合作过程中的知识流动。因此，本文通过构建一个有调节的中介效应模型，探究了知识流动在网络嵌入—非研发创新—创新绩效关系中的调节作用，拓展了Polidoro等[60]的相关研究。此外，我们的研究结果进一步丰富了涂振洲和顾新[55]的研究发现：即当网络中企业转移和共享互补知识的程度较高时，企业更容易实现知识资源的优化组合，进而促进非研发创新对创新产出的积极作用。综上，本文的研究结论深化了非研发创新边界条件和情景机制的相关研究，有效地识别了非研发创新的实现路径以及提升创新绩效的情景机制。

4.2 管理内涵

本研究以非研发创新为出发点，通过引入网络嵌入作为前因变量、知识流动作为调节变量，诠释了非研发创新影响企业创新绩效的路径关系。为提高企业创新绩效，根据研究结果提出以下管理内涵：

（1）从非研发创新视角来看，企业需建立完善的非研发创新体系。首先，企业除了向研发机构（如大学、研究所等）获取研究成果和进行技术咨询外，还可以通过培训和技能开发等方式，提高非研发人员的学习效率和非研发创新的比率。其次，管理人员需要关注增量改进、模仿生产等非研发创新活动，让所获取的技术成为产业进行创新的基础和平台[7]。此外，企业还要避免直接干预用户的创新活动，并为用户设计初步开发方案提供创新工具箱[45]，进而通过对产品或工艺的反复微调和改进以及资源获取和管理方式的创新等活动，以较低的成本进行高效创新。需要指出，虽然产品或工艺改进等非研发创新活动相对来说成本低、见效快，但还应对非研发活动进行准确定位，不能只是重视某一种非研发活动，而是要通过多种非研发活动的协调、配合，更好地提升创新绩效[15]。

（2）从网络嵌入视角，首先，企业要从结构嵌入入手，重新考量企业在所处网络中的地位。通过增强与网络中合作伙伴（包括供应商、经销商、客户、金融机构、行业协会、中介服务机构等）的联系频率和联系密度，充分利用网络资源，并获得网络中的优势地位，以增加获取异质性创新资源的机会。其次，企业应与合作伙伴建立基于信任的长期有效的网络关系，注重合作伙伴的潜在价值和依存关系，使根植于企业内部的隐性知识能够得以传递，从而激发创造力[81]。综合来说，企业必须构建良好的网络环境，提升关系嵌入和结构嵌入的质量，以增加获取多样化知识的机会和渠道，为非研发创新活动的开展奠定基础。

（3）从知识流动视角，知识流动水平的提高有助于网络资源通过非研发创新活动向创新产出转化。网络中有效的知识流动需要以信任、公平、开放、透明的创新环境为前提条件[30]。因此，企业应利用嵌入式网络关系来设计适应网络动态性的组织结构和管理机制，如互惠和知识共享等，加速与网络成员的交流学习，让知识在网络中达到高速流动。由此，利益相关方可以充分获取和吸收知识，并建立和存储关系资本从而提升知识流动的价值创造[82]。

4.3 局限与展望

目前对非研发创新的国内外研究相对较少，本文对其进行尝试性探索，尚存在以下几个方面的不足需在未来进行探讨：首先，本文尚未将网络嵌入自身的属性，例如关系强度[79]、结构洞[83]等融入到假设模型中，后续研究可以尝试从网络属性层面对非研发创新进行深入探讨。其次，在实践中，企业非研发创新形式呈现多样化，后续研究可以对非研发创新的类型进行拓展，以完善非研发创新的研究范畴。再次，限于数据的可获得性，本文仅控制了行业、规模、研发投入与产出等变量，其他一些变量，例如企业外部环境竞争性、复杂性、企业冗余资源、管理者所有权以及CEO两职性等都可能会对企业创新产出产生影响，由此，未来研究可以考虑加入更多的控制变量，以得出更稳健的结论。最后，同样受限于数据的可获得性，本文仅采用横截面数据检验模型，但Qian和Lee[84]指出，因果关系在一个时间点是不可能确定的；由此，未来研究可考虑基于不同数据来源或采用面板数据，以克服横界面数据研究的固有缺陷。

[1] 许冠南, 周源, 刘雪锋. 关系嵌入性对技术创新绩效作用机制案例研究[J]. 科学学研究, 2011, 29(11):1728-1735.

Xu G N, Zhou Y, Liu X F. Action Mechanism of Relational Embeddedness on Technological Innovation Performance: An Exploratory Case Study [J]. Studies in Science of Science, 2011, 29(11):1728-1735.

[2] 侯建, 陈恒. 外部知识源化、非研发创新与专利产出——以高技术产业为例[J]. 科学学研究, 2017, 35(3):447-458.

Hou J, Chen H. External Knowledge Sourcing, Non-R&D Innovation and Patent Output: Evidence from High-tech Industry [J]. Studies in Science of Science, 2017, 35(3):447-458.

[3] 郑刚, 刘仿, 徐峰, 彭新敏. 非研发创新:被忽视的中小企业创新另一面[J]. 科学学与科学技术管理, 2014, (1):140-146.

Zheng G, Liu F, Xu F, Peng X M. Non-R&D Innovation: The Neglected Side of Innovation in SMEs [J]. Science of Science and Management of S. & T., 2014, (1):140-146.

[4] Lee Y N, Walsh J P. Inventing while you work: knowledge, non-R&D learning and innovation [J]. Research Policy, 2016, 45(1):345-359.

[5] Hervas-Oliver J L, Sempere-Ripoll F, Boronat-Moll C,. Technological innovation without R&D: Unfolding the extra gains of management innovations on technological performance [J]. Technology Analysis & Strategic Management, 2015, 27(1):19-38.

[6] Arundel A, Bordoy C, Kanerva M. Neglected innovators: how do innovative firms that do not perform R&D innovate?: results of an analysis of the Innobarometer 2007 survey No. 215 [J]. INNO-Metrics Thematic Paper, 2008, 1-38.

[7] 谢子远, 黄文军. 非研发创新支出对高技术产业创新绩效的影响研究[J]. 科研管理, 2015, 36(10):1-10.

Xie Z Y, Huang W J. Influence of Non-R&D Innovation Expenditure on Innovation Performance of High Technology Industries [J]. Science Research Management, 2015, 36(10):1-10.

[8] Trigo A. The nature of innovation in R&D-and non-R&D-intensive service firms: evidence from firm-level latent class analysis [J].Industry and Innovation, 2013, 20(1):48-68.

[9] Hervas-Oliver J L, Garrigos J A, Gil-Pechuan I. Making sense of innovation by R&D and non-R&D innovators in low technology contexts: A forgotten lesson for policymakers [J]. Technovation, 2011, 31(9):427-446.

[10] Santamaría L, Nieto M J, Barge-Gil A. Beyond formal R&D: Taking advantage of other sources of innovation in low- and medium- technology industries [J]. Research Policy, 2009, 38(3):507- 517.

[11] 赵红丹. 中小企业非研发创新典型模式的探索性研究[J]. 科学学研究, 2017, 35(7):1095-1102.

Zhao H D. An Exploratory Research on the Typical Models of Non-R&D Innovation in SMEs [J]. Studies in Science of Science, 2017, 35(7):1095-1102.

[12] 张敏. 小微企业非研发创新与转型进程中的政策供给[J].科学学研究, 2018, 36(08):1505-1515.

Zhang M. Non-R&D-based Innovation Activities in Small and Micro Firms and Government Policy Supply Practices in Transformation Process [J]. Studies in Science of Science, 2018, 36(08):1505-1515.

[13] Lopez-Rodriguez J, Martinez-Lopez D. Looking beyond the R&D effects on innovation: The contribution of non-R&D activities to total factor productivity growth in the EU [J]. Structural Change and Economic Dynamics, 2017, 40:37-45.

[14] Lee Y N. Evaluating and extending innovation indicators for innovation policy [J]. Research Evaluation, 2015, 24(4):471-488.

[15] 杨洪涛, 陈丽. 非R&D活动与制造业企业创新绩效关系的实证研究——以长三角地区为例[J]. 科研管理, 2013, 34(10):67-74.

Yang H T, Chen L. Empirical Study on the Relationship Between Non-R&D Activities and Manufacturing Enterprises’ Innovation Performance—Take Enterprises in the Yangtze River Delta Region as Examples [J]. Science Research Management, 2013, 34(10):67-74.

[16] 侯建, 陈恒, 李丽, 李奉书. 高技术产业研发创新与非研发创新的异质门槛效应研究[J]. 管理学报, 2018,15(3):392-398.

Hou J, Chen H, Li L, Li F S. Research on the Heterogeneity Threshold Effect of R&D Innovation and Non-R&D Innovation in High-Tech Industry [J]. Chinese Journal of Management, 2018,15(3): 392-398.

[17] Guo Y, Zhen G, Liu F. Non-R&D-based innovation activities and performance in Chinese SMEs: the role of absorptive capacity [J]. Asian Journal of Technology Innovation, 2017, 25(1):1-19.

[18] 李支东, 金辉. 企业产品创新与网络嵌入——组织学习的中介作用[J]. 管理评论, 2016, 28(1):62-72.

Li Z D, Jin H. Product Innovation and Network Embeddedness—Mediating Role of Organizational Learning [J]. Management Review, 2016, 28(1):62-72.

[19] Cao M, Zhang Q. Supply chain collaboration: Impact on collaborative advantage and firm performance [J]. Journal of Operations Management, 2011, 29(3):163-180.

[20] Kim D Y. Understanding supplier structural embeddedness: A social network perspective [J]. Journal of Operations Management, 2014, 32(5):219-231.

[21] Muthusamy S K, White M. Learning and Knowledge Transfer in Strategic Alliances: A Social Exchange View [J]. Organization Studies, 2006, 26(3):415-441.

[22] 谢洪明, 张颖, 程聪, 陈盈. 网络嵌入对技术创新绩效的影响:学习能力的视角[J]. 科研管理, 2014, 35(12):1-8.

Xie H M, Zhang Y, Cheng C, Chen Y. The Impact of Network Embedding on Technical Innovative Performance Based on the Perspective of Learning Capability [J]. Science Research Management, 2014,35(12):1-8.

[23] 魏江, 徐蕾. 知识网络双重嵌入、知识整合与集群企业创新能力[J]. 管理科学学报, 2014, 17(2):34-47.

Wei J, Xu L. Dual Embeddings of Knowledge Network, Knowledge Integration, and Innovation Capabilities of Clustered Firms [J]. Journal of Management Sciences in China, 2014, 17(2):34-47.

[24] 刘雪锋. 网络嵌入性影响企业绩效的机制案例研究[J]. 管理世界, 2009, (S1):3-12.

Liu X F. Network Emebeddedness, Differentiation Strategies and Performance: A Case Study of Four Chinese Manufacturing Firms [J]. Management World, 2009, (S1):3-12.

[25] 易朝辉. 网络嵌入, 创业导向与新创企业绩效关系研究[J]. 科研管理, 2012, 33(11): 105-115.

Yi C H. The Relationship Among Network Embeddedness, Entrepreneurial Orientation, and New Firm Performance [J]. Science Research Management, 2012, 33(11): 105-115.

[26] 贾卫峰, 党兴华. 技术创新网络核心企业知识流耦合控制研究[J]. 科研管理, 2010, 31(1):56-63.

Jia W F, Dang X H. Research on Core Enterprise’s Knowledge Flow-coupling Control in Technological Innovation Network [J]. Science Research Management, 2010, 31(1):56-63.

[27] 顾新, 李久平, 王维成. 知识流动、知识链与知识链管理[J]. 软科学, 2006, 20(2):10-12.

Gu X, Li J P, Wang W C. Knowledge Flow, Knowledge Chain and Knowledge Chain Management [J]. Soft Science, 2006, 20(2):10-12.

[28] 戴勇, 朱桂龙, 肖丁丁. 内部社会资本、知识流动与创新——基于省级技术中心企业的实证研究[J]. 科学学研究, 2011, 29(7):1046-1055.

Dai Y, Zhu G L, Xiao D D. Internal Social Capital, Knowledge Flows and Innovation—the Empirical Study Based on Enterprises with Provincial Technology Center [J]. Studies in Science of Science, 2011, 29(7):1046-1055.

[29] 赵炎, 冯薇雨, 郑向杰. 联盟网络中派系与知识流动的耦合对企业创新能力的影响[J]. 科研管理, 2016, 37(3):51-58.

Zhao Y, Feng W Y, Zheng X J. The Impact of Coupling Between Cliques and Knowledge Flow in Alliance Network on Firm Innovation Capability [J]. Science Research Management, 2016, 37(3):51-58.

[30] 辛德强, 党兴华, 魏龙. 双元导向创新独占机制、知识流动与联盟绩效[J]. 科学学研究, 2017, 35(6):931-939.

Xin D Q, Dang X H, Wei L. Dual Oriented Innovation Appropriability Mechanisms, Knowledge Mobility and Alliance Performance [J]. Studies in Science of Science, 2017, 35(6):931-939.

[31] Roper S, Hewitt-Dundas N. Knowledge stocks, knowledge flows and innovation: Evidence from matched patents and innovation panel data [J]. Research Policy, 2015, 44(7):1327-1340.

[32] Jiang X, Bao Y, Xie Y, et al. Partner trustworthiness, knowledge flow in strategic alliances, and firm competitiveness: A contingency perspective [J]. Journal of Business Research, 2015, 69(2):804-814.

[33] Uzzi B. Social structure and competition in interfirm networks: The paradox of embeddedness [J]. Administrative Science Quarterly, 1997, 42(1):35-67

[34] Caniëls M C, Romijn H A. Actor networks in strategic niche management: insights from social network theory [J]. Futures, 2008, 40(7):613–629.

[35] Meuleman M, Jääskeläinen M, Maula M V J,. Venturing into the unknown with strangers: substitutes of relational embeddedness in cross-border partner selection in venture capital syndicates [J]. Journal of Business Venturing, 2017, 32(2):131-144.

[36] Hsueh J T, Lin N P, Li H C. The effects of network embeddedness on service innovation performance [J]. The Service Industries Journal, 2010, 30(10):1723-1736.

[37] Dong M C, Liu Z, Yu Y, et al. Opportunism in distribution networks: the role of network embeddedness and dependence [J]. Production and Operations Management, 2015, 24(10):1657-1670.

[38] Pérez-Luño A, Medina C C, Lavado A C,. How social capital and knowledge affect innovation [J]. Journal of Business Research, 2011, 64(12):1369-1376.

[39] Geum Y, Lee S, Yoon B, et al. Identifying and evaluating strategic partners for collaborative R&D: index-based approach using patents and publications [J]. Technovation, 2013, 33(6):211-224.

[40] He Y, Lai K K, Sun H, et al. The impact of supplier integration on customer integration and new product performance: the mediating role of manufacturing flexibility under trust theory [J]. International Journal of Production Economics, 2014, 147:260-270.

[41] Al-Tabbaa O, Ankrah S. Social capital to facilitate ‘engineered’ university–industry collaboration for technology transfer: a dynamic perspective [J]. Technological Forecasting and Social Change, 2016, 104:1-15.

[42] Achcaoucaou F, Miravitlles P, León-Darder F. Do we really know the predictors of competence-creating R&D subsidiaries? uncovering the mediation of dual network embeddedness [J]. Technological Forecasting & Social Change, 2017, 116:181-195.

[43] Ryu S, Cho H J, Kim K. Effects of network embeddedness on the relationship between environmental volatility and interfirm contracts [J]. Journal of Business-to-Business Marketing, 2013, 20(3):139-153.

[44] Flynn B B, Huo B, Zhao X. The Impact of Supply Chain Integration on Performance: A Contingency and Configuration Approach [J]. Journal of Operations Management, 2010, 28(1):58-71.

[45] 姚山季, 王永贵. 顾客参与新产品开发对企业技术创新绩效的影响机制——基于B-B情境下的实证研究[J]. 科学学与科学技术管理, 2011, 32(5):34-41.

Yao S J, Wang Y G. Mechanism of Impact of Customer Participation in New Product Development on Technological Innovation Performance of Enterprises: An Empirical Research in B-B Context [J]. Science of Science and Management of S. & T., 2011, 32(5): 34-41.

[46] 姜滨滨, 匡海波. 基于“效率-产出”的企业创新绩效评价——文献评述与概念框架[J]. 科研管理, 2015, 36(3):71-78.

Jiang B B, Kuang H B. Measurement of Firms’ Innovative Performance Based on “Efficiency-Output”: Literature Review and Conceptual Framework [J]. Science Research Management, 2015, 36(3):71-78.

[47] Moilanen M, Østbye S, Woll K. Non-R&D SMEs: external knowledge, absorptive capacity and product innovation [J]. Small Business Economics, 2014, 43(2):447-462.

[48] 毕克新, 杨朝均, 艾明晔. 外部技术获取对我国制造业技术创新的影响研究——基于创新投入产出视角[J]. 工业技术经济, 2012(11):55-61.

Bi K X, Yang C J, Ai M Y. Effect of External Technology Acquisition on Technology Innovation of Chinese Manufacturing— Based on Innovation Input-output Perspective [J]. Journal of Industrial Technological Economics, 2012(11):55-61.

[49] 简兆权, 马琦, 王晨. 网络镶嵌对创新绩效的影响——基于华南地区的实证研究[J]. 研究与发展管理, 2013, 25(1):1-11.

Jian Z Q, Ma Q, Wang C. The Impact of Network Embeddedness on Innovation performance—An Empirical Study of South China [J]. R&D Management, 2013, 25(1):1-11.

[50] Meuleman M, Lockett A, Manigart S, et al. Partner Selection Decisions in Interfirm Collaborations: The Paradox of Relational Embeddedness [J]. Journal of Management Studies, 2010, 47(6):995– 1019.

[51] Yli-Renko H, Autio E, Sapienza H J. Social capital, knowledge acquisition, and knowledge exploitation in young technology‐based firms [J]. Strategic Management Journal, 2001, 22(6-7):587-613.

[52] Granovetter M. Problem of Explanation in Economic Sociology: In Nitin Nohria And Robert G. Eccles, (Eds.), Networks and Organizations: Structure, Form, and Action [M]. Boston: Harvard Business School Press,1992.

[53] Liu X, Vahtera P, Wang C, et alThe delicate balance: Managing technology adoption and creation in multinational affiliates in an emerging economy [J]. International Business Review, 2016, 26(3):515-526

[54] 张春雨, 郭韬, 刘洪德. 网络嵌入对技术创业企业商业模式创新的影响[J]. 科学学研究, 2018(1):167-175.

Zhang C Y, Guo T, Liu H D. The Impact of Network Embedding on the Business Mode Innovation of Technological Entrepreneurship [J]. Studies in Science of Science, 2018(1):167-175.

[55] 涂振洲, 顾新. 基于知识流动的产学研协同创新过程研究[J]. 科学学研究, 2013, 31(9):1381-1390.

Tu Z Z, Gu X. Study on Process of Industry-university-research Institute Collaborative Innovation Based on Knowledge Flow [J]. Studies in Science of Science, 2013, 31(9):1381-1390.

[56] Hung K P, Chou C. The impact of open innovation on firm performance: the moderating effects of internal R&D and environmental turbulence [J]. Technovation, 2013, 33(10):368-380.

[57] 李永周, 姚婳, 桂彬. 网络组织的知识流动结构与国家高新区集聚创新机理[J]. 中国软科学, 2009, (5):89-95.

Li Y Z, Yao H, Gui B. Knowledge Flow Structure in Network Organization and Conglomerated Innovation Mechanism of National Science Park [J]. China Soft Science, 2009, (5):89-95.

[58] Zhao J, Xi X, Su Y. Resource allocation under a strategic alliance: How a cooperative network with knowledge flow spurs co-evolution [J]. Knowledge-Based Systems, 2015, 89:497-508.

[59] Mazzola E, Perrone G, Kamuriwo D S. Network embeddedness and new product development in the biopharmaceutical industry: the moderating role of open innovation flow [J]. International Journal of Production Economics, 2015, 160:106-119.

[60] Polidoro F, Ahuja G, Mitchell W. When the social structure overshadows competitive incentives: The effects of network embeddedness on joint venture dissolution [J]. Academy of Management Journal, 2011, 54(1): 203-223.

[61] Moran P. Structural vs. relational embeddedness: social capital and managerial performance [J]. Strategic Management Journal, 2010, 26(12):1129-1151.

[62] Jörn H B, Joachim H, Tim G S,Commercializing user innovations by vertical diversification: The user–manufacturer innovator [J]. Research Policy, 2016, 45(1):244-259.

[63] Armstrong J S, Overton T S. Estimating Nonresponse Bias in Mail Surveys [J]. Journal of Marketing Research, 1977, 14(3):396-402.

[64] Wei Y S, Frankwick G L, Nguyen B H. Should firms consider employee input in reward system design? The effect of participation on market orientation and new product performance. Journal of Product Innovation Management, 2012, 29(4):546-558.

[65] Guan J C, Yam R C M. Effects of government financial incentives on firms’ innovation performance in China: evidences from Beijing in the 1990s [J]. Research Policy, 2015, 44(1):273-282.

[66] 解学梅. 中小企业协同创新网络与创新绩效的实证研究[J]. 管理科学学报, 2010, 13(8):51-64.

Xie X M. Empirical Study on Synergic Innovative Networks and Innovation Performance of SMEs [J]. Journal of Management Sciences in China, 2010, 13(8):51-64.

[67] Gilsing V, Nooteboom B, Vanhaverbeke W,Network embeddedness and the exploration of novel technologies: technological distance, betweenness centrality and density [J]. Research Policy, 2008, 37(10):1717-1731.

[68] 方凌云. 企业之间知识流动的方式及其测度研究[J]. 科研管理, 2001, 22(1):74-78.

Fang L Y. Method and Measurement of Knowledge Gain and Drain among Enterprises [J]. Science Research Management, 2001, 22(1):74-78.

[69] Yamin M, Otto J. Patterns of knowledge flows and MNE innovative performance [J]. Journal of International Management, 2004, 10(2): 239-258.

[70] 周浩, 龙立荣. 共同方法偏差的统计检验与控制方法[J]. 心理科学进展, 2004, 12(6):942-942.

Zhou H, Long L R. Statistical Remedies for Common Method Biases [J]. Advances in Psychological Science, 2004, 12(6):942-942.

[71] 张军伟, 龙立荣. 上司冲突管理行为与员工宽恕的关系[J]. 管理科学, 2013(6):58-70.

Zhang J W, Long L R. The Relationship between Supervisor Conflict Management Behavior and Employee Forgiveness [J]. Journal of Management Science, 2013(6):58-70.

[72] Baron R M, Kenny D A. The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations [J]. Journal of Personality and Social Psychology, 1986, 51(6):1173–1182.

[73] 温忠麟, 叶宝娟. 中介效应分析:方法和模型发展[J]. 心理科学进展, 2014, 22(5):731-745.

Wen Z L, Ye B J. Analyses of Mediating Effects: The Development of Methods and Models [J]. Advances in Psychological Science, 2014, 22(5):731-745.

[74] 陈笃升, 王重鸣. 组织变革背景下员工角色超载的影响作用: 一个有调节的中介模型[J]. 浙江大学学报(人文社会科学版), 2015, 45(3):143-157.

Chen D S, Wang Z M. The Effects of Role Overload on Employee Outcomes under Organizational Change: A Moderated Mediation Model [J]. Journal of Zhejiang University (Humanities and Social Sciences), 2015, 45(3):143-157.

[75] 叶宝娟, 温忠麟. 有中介的调节模型检验方法:甄别和整合[J]. 心理学报, 2013, 45(9):1050-1060.

Ye B J, Wen Z L. A Discussion on Testing Methods for Mediated Moderation Models: Discrimination and Integration [J]. Acta Psychologica Sinica, 2013, 45(9):1050-1060.

[76] 张方华. 网络嵌入影响企业创新绩效的概念模型与实证分析[J]. 中国工业经济, 2010(4):110-119.

Zhang F H. Conceptual Model and Empirical Analysis of Network Embeddedness Affecting Innovation Performance [J]. China Industrial Economics, 2010(4):110-119.

[77] Miguélez E, Moreno R. Knowledge flows and the absorptive capacity of regions [J]. Research Policy, 2015, 44(4):833-848.

[78] 张方华, 左田园. FDI集群化背景下本土企业的网络嵌入与创新绩效研究[J]. 研究与发展管理, 2013, 25(5):70-80.

Zhang F H, Zuo T Y. Network Embeddedness and Innovation Performance of Domestic Firms Under the Circumstance of FDI Clustering [J]. R&D Management, 2013, 25(5):70-80.

[79] 任胜钢, 吴娟, 王龙伟. 网络嵌入与企业创新绩效研究——网络能力的调节效应检验[J]. 研究与发展管理, 2011, 23(3):16-24.

Ren S G, Wu J, Wang L W. A Study on Network Embeddedness and Enterprise’s Innovation Performance—Test of the Moderation Effect of Network Competence [J]. R&D Management, 2011, 23(3):16-24.

[80] Mu J, Thomas E, Peng G,. Strategic orientation and new product development performance: The role of networking capability and networking ability [J]. Industrial Marketing Management, 2017, 64, 187-201.

[81] 赵健宇, 袭希, 苏屹. 知识流动网络演化中小世界效应的仿真研究[J]. 管理评论, 2015, 27(5):70-81.

Zhao J Y, Xi X, Su Y. A Simulation Research on Small World Effect in Knowledge Flow’s Network Evolution [J]. Management Review, 2015, 27(5):70-81.

[82] 李永周, 阳静宁, 田雪枫. 科技创业人才的孵化网络嵌入、创业效能感与创业绩效关系研究[J]. 科学学与科学技术管理, 2016, 37(9):169-180.

Li Y Z, Yang J N, Tian X F. The Study of the Relationships Among Incubation Network Embeddedness, Entrepreneurial Efficacy and Entrepreneurship Performance of Technological Entrepreneurial Talents [J]. Science of Science and Management of S. & T., 2016, 37(9):169-180.

[83] 范群林, 邵云飞, 唐小我, 王剑峰. 结构嵌入性对集群企业创新绩效影响的实证研究[J]. 科学学研究, 2010, 28(12):1891-1900.

Fan Q L, Shao Y F, Tang X W, Wang J F. An Empirical Study on the Effect of Structural Embeddedness to Cluster Enterprise Innovation Performance [J]. Studies in Science of Science, 2010, 28(12): 1891- 1900.

[84] Qian G, Li L. Profitability of Small- and Medium-Sized Enterprises in High-Tech Industries: The Case of the Biotechnology Industry [J]. Strategic Management Journal, 2003, 24(9):881-887.

The impact mechanism of network embeddedness on firm innovation performance: A moderated mediation model based on non-R&D innovation

XIE Xuemei, WANG Hongwei

(School of Management, Shanghai University, Shanghai 200444, China)

In the context of open innovation, the technology and resources required for enterprise R&D and innovation are more dispersed, and the innovation cycle is shortened. As a result, more and more companies began to adopt a non-R&D innovation model to ease internal R&D pressure. Non-R&D innovation activities can not only effectively extend the life cycle of products or technologies, but also help companies make full use of their innovation resources to improve their innovation performance. However, the existing research on innovation management ignores the internal heterogeneity of innovation sources (R&D and non-R&D), especially the lack of discussion on the mechanism of non-R&D innovation from the perspective of network embeddedness. In addition, existing studies have ignored the impact of social, cultural, and environmental factors on non-R&D innovation, making existing theoretical models unable to explain practical phenomena well.

As a result, this paper delves into the antecedent variables and contingent mechanisms of non-R&D innovation, and proposes a direct model and an indirect model between network embeddedness and enterprise innovation performance. The direct model explores the coupling relationship among the network embeddedness, non-R&D innovation and innovation performance. The indirect model explores the relationship between network embeddedness and corporate innovation performance under the intermediary role of non-R&D innovation activities, and explores the contingent mechanism of non-R&D innovation by constructing a regulated intermediary effect model. Therefore, based on the first-hand survey data of 200 manufacturing enterprises, this paper uses the hierarchical regression analysis and the Bootstrap method to construct a 95% bias-corrected confidence interval through 5000 repeated samplings, and to test the direct and indirect models. The specific values of the 95% confidence band and the significant field clearly show the mediation effect under the continuous value of the moderating variable in the form of a graph.

The test results of the direct model show that the two dimensions of network embeddedness (structural embeddedness and relational embeddedness) help enterprises obtain high-quality resources, thereby promote the development of non-R&D innovation activities. Non-R&D innovation helps reduce the cost and risk of enterprise innovation, and enables enterprises to gain a competitive advantage. It is an important way to improve the innovation performance of enterprises. The test results of the indirect model show that non-R&D innovation plays an intermediary role in the relationship between network embeddedness (structure embeddedness and relational embeddedness) and innovation performance. Network embeddedness can effectively absorb and use the acquired resources through non-R&D innovation activities, thereby improving the innovation performance of the enterprise. This intermediary process is regulated by knowledge flow, that is, the higher the degree of knowledge flow in the network, the stronger the intermediary role of the non-R&D innovation activities in the relationship between network embeddedness (structural embeddedness and relational embeddedness) and enterprise innovation performance. Therefore, when the degree of enterprise network embeddedness is relatively high, it is easier for enterprises to realize the optimal combination of knowledge resources, thereby promoting the positive effect of non-R&D innovation on innovation output.

In a word, this study interprets the path relationship of non-R&D innovation influencing enterprise innovation performance by introducing network embeddedness as an antecedent variable and knowledge flow as a moderating variable. This research not only expands the scope of innovation model, deepens the application of social network theory in the field of innovation, but also conforms to the development requirements of enterprise innovation practice. The research results provide guidance and suggestions for manufacturing enterprises to use network relationships to enhance non-R&D innovation capabilities and achieve innovation performance growth.

Non-R&D innovation; Network embeddedness; Knowledge flow; A moderated-mediation model

F273.1

A

1004-6062(2020)06-0013-016

10.13587/j.cnki.jieem.2020.06.002

2018-08-02

2018-12-31

Supported by the National Natural Science Foundation of China (71472118, 71772118) and the Shanghai Pujiang Program (18PJC056)

2018-08-02

2018-12-31

国家自然科学基金资助项目（71472118、71772118）；上海市浦江人才计划（18PJC056）

解学梅（1979—），女，山东青岛人；上海大学管理学院教授，博士生导师；研究方向：创新管理。

中文编辑：杜 健；英文编辑：Boping Yan