协作研发伙伴多元化、知识网络凝聚性与企业新产品开发绩效

○ 徐露允 龚 红

引言

新产品开发（New Product Development,NPD）是将研发成果转化为现实生产力的关键环节，是企业提升市场份额的战略性手段。由于在资源获取、利用和配置等方面仍存在问题，我国企业的新产品开发能力与发达国家的同类企业相比仍有一定差距，[1]如何通过高效的创新资源管理提升新产品开发绩效是企业自主创新能力提升过程中亟需解决的问题。作为创造力的根源，知识库在企业开展创造性活动和解决问题的过程中具有重要意义，新产品的成功开发离不开知识的有效管理。[2,3]知识基础理论认为，知识不是独立存在的，而是在某种依赖关系的作用下彼此依存；[4]因此，新产品开发是通过整合多种知识流来创造知识的过程，与跨技术领域的知识整合密切相关。[4,5]知识及其整合技能在组织间的分布具有异质性、非对称性等特征，如何实现知识外部搜索与内部开发的有效结合，对于提升企业新产品开发绩效具有重要意义。[6,7]

在知识外部获取方面，协作研发被认为是一种有效方式，[8]其中，企业如何优化协作研发关系配置以实现预期目标，得到了学者们的广泛关注，如协作研发广度和深度、[9]协作研发网络嵌入式特征[10-12]等。然而，现有文献大多聚集于协作研发关系配置对企业技术创新、技术标准化的影响。已有研究表明，协作研发通过推动创新活动加快产品更新速度和加大产品新颖性等影响企业的新产品开发进程，[2,13]但协作研发关系配置对企业新产品开发绩效的作用机理有待进一步明晰和完善。协作研发的利与弊引发学者们的讨论，一些观点认为企业能够受益于合作伙伴提供的新颖、异质性资源，但一些观点指出，合作关系建立和维护所涉及的事前、事后交易费用会弱化参与协作研发带来的优势。[14]多元化的协作研发关系配置能够为企业提供更多异质性资源获取渠道，但在不同合作伙伴之间进行转换时所涉及的成本不容忽视。因此，本文将对协作研发伙伴多元化与企业新产品开发绩效之间的作用机理进行研究和验证。

根据Caner等[2]的研究，企业知识内部开发情况可以通过知识基础理论的应用进行描述和分析。在知识基础理论中，知识本身被视为元件知识，挖掘元件知识之间的依存关系是企业开展创新活动的基本前提，而实现元件知识之间依存关系的有效配置则是创新的关键一环。[5]知识依存关系挖掘及其配置虽然涉及一定风险和不确定性，但可以为企业带来无法轻易模仿和替代的知识优势；[15]因此，关于知识库属性的研究，也逐渐由对知识自身属性的关注（如知识广度和深度[16]）转变为对知识依存关系属性的探讨（如互补性和替代性[17]）。网络分析方法的引入使得知识依存关系属性的研究进一步深入，基于知识库构建的知识网络中心度、结构洞、非冗余连接等属性被学者们广泛讨论。[4,18]知识基础理论认为新产品开发与跨技术领域的知识整合密切相关，[5]知识自身属性如知识广度和深度在新产品开发过程中的重要性也得到了剖析。[2,3,13]鉴于知识依存关系属性对新产品开发绩效的影响得到的关注较少，且考虑到知识依存关系属性在创新活动中可能更为重要，[19]本文将网络分析方法引入知识依存关系属性的研究，探究不同层面的知识网络凝聚性对企业新产品开发绩效的影响机理。

企业能否成功通过协作研发获取所需的异质性知识通常取决于其吸收能力的大小，而吸收能力又与企业内部知识开发情况密切相关。[20,21]为了提升外部知识获取效率，企业需要进一步明晰协作研发关系配置与内部知识库的互动关系，在保证新产品开发效率和有效性的同时降低内外部知识整合的投入和风险。[2]本研究首先分别探究协作研发伙伴多元化、知识网络凝聚性（局部凝聚性和全局凝聚性）对企业新产品开发绩效的影响，以丰富协作研发与新产品开发、知识库与新产品开发的相关研究；随后，将知识网络凝聚性作为权变因素引入协作研发伙伴多元化对企业新产品开发绩效的直接影响模型中，以构建协作研发伙伴多元化、知识网络凝聚性与企业新产品开发绩效的整合性理论框架。本文利用中国汽车产业2000-2017年868 家汽车制造企业3920 个企业年度的非平衡面板数据检验提出的研究假设，旨在为汽车制造企业综合考虑内外部资源特征、优化知识管理决策以提升新产品开发绩效提供具体有效的管理建议。

一、理论基础与研究假设

1.协作研发伙伴多元化对新产品开发绩效的影响

知识经济时代的创新活动要求技术不断更新，而技术的推陈出新离不开知识的积累和创造，因此，企业在发展过程中通常都会构建具有一定独特性的知识库，并将其视为开展创新活动的重要推动力。由于创新活动所需资源正变得愈加复杂，企业常常无法仅凭自身力量获得全部资源，协作研发变得愈发普遍，成为企业提升新产品开发效率和灵活性的有效途径。[22]协作研发能够为企业提供根据自身需求获取异质性、互补性知识及其整合技能和经验的机会，从而帮助企业通过内外部知识的高效整合促进新产品开发。[2]

当企业建立多元化的协作研发关系时，通常需要投入更多的协调、监测成本以减少合作过程中的机会主义行为，[23]但协作研发关系建立的投入成本（如搜集外部组织信息和提高合作管理能力）可以在所有合作关系之间进行分摊，并实现协作研发关系建立成本的“范围经济”，从而在一定程度上避免了较高交易费用给多元化合作关系带来的劣势。更重要的是，企业的持续竞争优势依赖于其是否拥有有价值的、稀缺的、不可完全模仿和不可完全替代（即VRIN属性）的资源。[24]在路径依赖、因果模型性、社会复杂性等特征的作用下，具有VRIN 属性的资源难以通过市场在组织之间进行转移；[25]企业需要通过“干中学”甚至是“研中学”进行观察和密集交流来获取这些资源；[26]广泛的协作研发关系能够为异质性、隐性知识的获取提供更多渠道。一方面，合作关系广度的增加帮助企业通过合作伙伴之间的知识溢出效应接触到充裕的异质性知识，并且在合作伙伴的帮助下以较低成本和风险获取多元化的新知识；[27]另一方面，除了知识本身，企业还可以通过多元化的协作研发关系获取丰富的知识整合技能和经验等隐性知识，这些隐性知识推动企业设计新的解决问题方法和决策过程，从而加速企业内外部知识的整合。[5]知识整合推动新专业化知识的形成，而专业化知识广度的提升则促使企业开发出竞争对手无法模仿或复制的新技术。[28]通过利用外部资源构建自身技术优势的技能和经验加速了企业的创新进程，进而促进企业新产品开发绩效的提升。据此，提出如下假设：

H1：协作研发伙伴多元化有助于企业新产品开发绩效的提升

2.知识网络凝聚性对新产品开发绩效的影响

在知识本质的作用下，跨技术领域的知识依存关系挖掘通常面临不同程度的风险和不确定性，不同企业受到多种内外因素的影响，往往会采取差异性的知识整合策略，以获取其他组织无法轻易模仿和替代的知识优势。[15]在基于知识依存关系构建知识优势的过程中，企业可以选择“厚此薄彼”式的局部知识依存关系挖掘和利用，也可以选择“雨露均沾”式的全局知识依存关系挖掘和利用。基于这种思想，本文引入Guler等[29]提出的局部凝聚性和全局凝聚性观点，其中，局部凝聚性描述了网络中部分节点的邻域连接程度，即节点之间集结成团的程度，全局凝聚性描述了网络中所有节点之间互相联结的紧密程度。

（1）局部凝聚性对新产品开发绩效的影响

如前所述，网络局部凝聚性越高，网络中部分节点之间的群聚性越高。较高的知识网络局部凝聚性体现了企业已有知识库具有明显的局部群聚特征，[30]本文认为较高的知识网络局部凝聚性不利于企业新产品开发绩效的提升。局部群聚性较高的知识网络对应的专业化和精细化知识开发方式，推动企业对特定领域中知识的系统深入思考，并形成具有一定竞争优势的模块技术；[31]同时，知识专业化程度的提升促使企业致力于开发日益复杂的新产品以覆盖更广泛的功能范围。[32]然而，复杂产品的开发不仅需要较高的成本投入，还有较长的开发周期，如产品雏形设计、生产、市场实验的过程都会变得愈加复杂，[33]从而不利于企业新产品开发绩效的提升。此外，新产品开发活动的顺利开展离不开企业内部资源、信息和专业化知识的共享和协同，[34]知识网络中局部知识群聚的背后往往对应着不同的研发团队，不同团队通常对新产品开发有着不同的兴趣和看法；[35]在资源约束下，如何向组织争取更多资源以深化和发展团队的技术优势是研发团队关注的焦点。研发团队之间的资源竞争，使得原本稀缺的资源更无法实现在不同团队之间的协同，并且容易导致企业内部信息、专业化知识和技能的不流通，从而不利于企业新产品开发绩效的提升。据此假设：

H2：较高的知识网络局部凝聚性不利于企业新产品开发绩效的提升

（2）全局凝聚性对新产品开发绩效的影响

知识网络全局凝聚性越高，知识库中所有知识元件之间的连通性就越高，同时，也反映出企业已有知识库的稳定性和复杂性，[30]本文认为较高的知识网络全局凝聚性不利于企业新产品开发绩效的提升。全局连通性较高的知识网络体现出企业对已有元件知识之间的依存关系挖掘和利用程度较高；在技术轨迹的作用下，如何进一步深化已有知识库，以发现更多元件知识之间的依存关系是企业关注的重点。在自身熟悉的发明认知范围内，企业能够产生更多的产品构思，[36]并且已有知识再利用能够为新产品开发过程中解决方案的设计提供思路。[37]但需要注意的是，面向内部知识库开展创新搜索容易产生“组织近视症”（Myopia of Organization）而陷入能力陷阱；[38]当企业内部元件知识构建的整合及其应用空间被大量使用时，曾经成功的创新方案和策略可能无法解决新问题。另一方面，在新产品开发过程中，企业需要不断搜索和识别新知识、信息以更好满足市场的新需求，并且当企业进行与已有知识距离较远的创新搜索时，能够加快新产品开发速度；[39]然而，新知识的识别和获取可能打破原有知识体系的稳定性，较高的知识网络全局凝聚性制约了企业新知识搜索策略的执行，[30]不利于新产品开发绩效的提升。据此提出如下假设：

H3：较高的知识网络全局凝聚性不利于企业新产品开发绩效的提升

3.知识网络凝聚性的调节作用

（1）局部凝聚性的调节作用

较高知识网络局部凝聚性带来的专业化知识容易诱发企业进行复杂产品的开发，虽然减缓了新产品开发进程，但这种专业化知识的形成可能会给采取协作研发伙伴多元化策略的企业带来一定优势，本文认为知识网络局部凝聚性的提升有助于强化伙伴多元化对新产品开发绩效的积极作用。如前所述，多元化的协作研发关系为企业提供的丰富异质性知识及其整合技能，不仅帮助企业以较低的成本和风险获取所需知识，还能够使企业获得与知识整合密切相关的隐性知识。[40]产品复杂性的提升需要来自不同技术领域的知识和技能的协同，企业内部面临更高知识整合压力，[41]局部凝聚性较高的知识网络带来的专业化和精细化知识体系，使企业在多元化的知识流中具有更强的选择能力，可以更准确地发掘内外部知识整合机会，从而推动企业复杂产品的开发；同时，伙伴多元化提供的丰富资源，也能够在一定程度上缓解企业内部研发团队之间的资源竞争。此外，较高的知识网络局部凝聚性带来的专业化和精细化知识体系是一个不断搜索和试错的过程，需要企业付出巨大努力，[9]且不同研发团队在构建内部群体网络时形成了一系列规则和惯例以促进隐性知识的转移，[42]进而促进知识群聚的形成。虽然契约的不完备性使得“搭便车”行为容易在协作研发过程中产生，并带来不容忽视的交易费用，但知识网络中知识群聚所蕴含的隐性知识，使得合作伙伴在没有帮助的情况下难以对其进行有效获取和转移，从而有助于降低机会主义行为产生的风险和不确定性。因此，较高的知识网络局部凝聚性不仅在一定程度上缓解了伙伴多元化带来的较高合作关系维护成本，也加强了协作研发伙伴多元化带来的丰富异质性资源的优势。据此提出如下假设：

H4：知识网络局部凝聚性能够强化协作研发伙伴多元化对企业新产品开发绩效的促进作用

（2）全局凝聚性的调节作用

知识网络全局凝聚性的形成意味着企业内部研发团队紧密的知识、信息共享和互动，在带来“组织近视症”的同时也容易导致“非此处发明综合症”（Not Invented Here,NIH）。[43]首先，企业内部研发人员的态度通常比其行为更难以被影响和改变，[44]虽然企业建立了多元化的协作研发关系，也会因为研发人员对新知识的抵触态度而无法有效利用伙伴多元化带来的丰富异质性资源优势。其次，新知识的高效率获取要求研发人员积累较为充裕的知识搜索经验，[45]但较高的知识网络全局凝聚性对新知识探索和学习活动的抑制，可能使得企业在相关经验积累方面有所欠缺，[30]最终导致多元化协作研发关系带来的资源优势无法充分体现在企业新产品开发活动中。因此，较高的知识网络全局凝聚性降低了多元化知识搜索渠道对新产品开发绩效的正向作用。最后，实现高效的内外部知识整合是企业通过协作研发活动加速新产品开发的关键。[2]对于拥有较高知识网络全局凝聚性的企业来说，已有知识体系的稳定性和复杂性及新知识搜索经验的不足也会通过增加内外部知识的整合难度而降低伙伴多元化对企业新产品开发绩效的促进作用，为了提升内外部知识整合能力，企业需要投入更多人力、物力等资源与多元化的合作伙伴进行沟通；同时，企业掌握的知识通常嵌入在问题解决的过程和惯例中，[45]需要对其进行适当调整以促进内外部知识的整合，此时会进一步增加协作研发过程中的交易费用。因此，较高的知识网络全局凝聚性在增加多元化合作关系涉及的交易费用的同时，也阻碍了企业对多元化新知识学习的进程。据此提出如下假设：

H5：知识网络全局凝聚性减弱了协作研发伙伴多元化对企业新产品开发绩效的促进作用

根据上述研究假设，得出本文的概念模型（图1）。

二、研究设计

1.样本选取与数据收集

汽车产业具有技术密集型的特点，知识是汽车产业发展的核心动力。随着知识产权保护力度的不断增强和知识产权保护意识的日益提升，汽车产业的专利分布非常广泛。表1 为整理于国家重点产业专利信息服务平台（http://chinaip.sipo.gov.cn）的我国汽车产业专利分布情况，①其中每一级技术类别下又划分成多个二级、三级甚至四级类别，如“发动机”类别下包括曲柄连杆机构、配气机构、供给系统、冷却系统、润滑系统、点火系统和起动系统七个二级类别。由此可见，汽车产业的专利数量巨大，知识产权是汽车产业发展的生命线，并推动其成为专利密集型的行业。同时，根据国家重点产业专利信息服务平台提供的数据可知，汽车产业的知识产权保护几乎覆盖了汽车的每一个零部件，如汽车车轮涉及的发明专利和实用新型专利数量分别达到30000 多项，汽车车窗涉及的发明专利数量近5000 项，实用新型专利数量7000 多项。因此，可以毫不夸张地认为，汽车是由一个个专利组装起来的，专利是构成汽车新产品开发的核心。

表1 汽车产业专利分布情况

新产品开发是将研发成果转化为现实生产力的重要环节，快速推出新颖独特的新产品是汽车制造企业取得和保持市场地位的战略性手段。新产品开发离不开技术创新，具有周期长、投入大和风险高等特点，如何更快开发出新产品是我国汽车产业在国际竞争中获取竞争优势的重要因素。在“中国制造2025”战略的引导下，我国汽车产业正与新能源技术、新一代信息技术进行全产业链的深度融合，试图通过技术融合实现汽车电动化、智能化的发展，从而实现从夕阳产业向朝阳产业的转变。作为一种知识密集型活动，成功的新产品开发得益于知识的高效管理，在技术融合背景下如何通过内外部知识的有效整合与利用加快新产品开发，是汽车制造企业亟需解决的问题。为了整顿和规范车辆生产秩序，国家工业和信息化部对车辆生产企业实行产品公告管理，并定期发布《车辆生产企业及产品公告》；因此，本文实证分析的样本选取我国汽车产业，并根据我国汽车产业中的汽车公告数据筛选出2001-2017年拥有汽车新产品公告的企业。

我国《专利法》规定的专利包括发明专利、实用新型专利和外观设计专利三种，其中，外观设计专利只涉及美化产品的外表和形状，不涉及产品制造和设计技术。因此，基于拥有汽车产品公告的企业名单，本文利用知识产权局专利数据对样本企业进行筛选，筛选出2000-2017年成功进行实用新型或发明专利申请的企业共1578 家。由于需要构建企业知识网络，本文使用国内外文献普遍采用的国际专利分类体系（Inter national Patent Classification，IPC）测度企业的知识基础。IPC 分类号是一种确定专利文献新颖性及所属技术领域的国际化归类方法，在我国申请的发明专利和实用新型专利也采用了该分类原则，为本文知识网络的构建提供了参考。

随后利用全国企业信用信息公示系统、企业官网等互联网资源确认企业信息，并对更名企业进行合并。同时，为了获取企业层面的相关信息（如成立时间、市场类型等），仅保留在全国企业信用信息公示系统中存在记录的企业，共剩余1029 家。考虑到知识网络凝聚性的计算，本文最后保留了所有专利至少涉及2 种类别IPC分类号（依据IPC 分类号前四位进行类别判断）的868家企业。区域层面数据如省份GDP 来自中国统计年鉴，知识产权实施力度数据，来源于国家知识产权局。受制于部分变量信息缺失等问题，本文的实证分析围绕868家企业2000-2017年的非平衡面板数据（N=3920）展开。

2.变量及其测度

（1）因变量

本文的因变量为新产品开发绩效（NPDP）。根据Caner等、[2]陈培祯等[3,13]的研究，本文利用样本企业的产品公告数量测度新产品开发绩效。鉴于创新活动所带来的绩效具有一定滞后性，本文使用企业在t+1年的产品公告数量测度新产品开发绩效。

（2）自变量

①协作研发伙伴多元化（CPD）

根据曾德明等、[46]邹思明等[47]的研究，本文利用样本企业的联合申请专利信息构建协作研发关系；例如，样本企业和其他组织在某年联合申请了一项专利，则认为它们之间存在协作研发关系。考虑到组织之间合作关系的粘性，本文使用3年期时间窗口判断组织之间的协作研发关系以揭示合作模式的变化。[30]为了测度协作研发伙伴多元化，本文首先筛选出样本企业在t、t-1、t-2年拥有的联合申请专利，随后基于筛选出的联合申请专利中的申请人信息，统计除了样本企业之外的其他组织数量，并利用统计出的其他组织数量测度企业协作研发伙伴多元化程度；其中，在统计其他组织数量的过程中，与样本企业共同拥有多个联合申请专利的同一组织不重复计算。

②知识网络凝聚性

首先，参照Guan等[4]的方法，本文使用企业专利信息中的IPC 分类号构建知识网络。IPC 分类号采用等级（部、大类、小类、大组、小组）的形式将整个技术领域进行划分，不同IPC 分类号对应不同的技术领域，一项包含多个IPC 分类号的专利意味着多种技术领域的成功融合。因此，借助不同类别的IPC 分类号及其之间的依存关系可以构建企业知识网络。具体地，本文将IPC 分类号中的前四位作为技术类别判断依据，并将每一种技术类别视为知识网络的节点，当不同技术类别的IPC 分类号同时出现在一个专利中时，则认为它们对应的知识网络节点之间存在一条连接，即知识网络的边。鉴于时间窗口的延长或缩短可能无法准确反映企业知识基础的变化情况，[19]同时，为了与协作研发关系判断的时间窗口保持一致性，本文也选择3年期时间窗口（t、t-1、t-2）的专利IPC 分类号信息构建企业知识网络。

其次，利用网络聚集系数（Clustering Coefficient）测度局部凝聚性（NLC）。计算网络中节点i 的聚集系数CCi=2Ei/[ki(ki-1)]，Ei表示节点i 的邻居间实际存在的边数，ki表示节点i 的度，则网络聚集系数的计算公式为：

其中，n为网络中的节点数量；当网络聚集系数较高时，网络中的节点都嵌入具有凝聚力的集群中。

最后，利用网络密度（Density）测度全局凝聚性（NGC）。网络密度为实际存在的边数与网络内所有可能边数总数的比例，其计算公式为：

其中，l 为网络中实际存在的边数，n 为网络中的节点数量；网络密度值越高，所有知识元素之间的全局连通性越强。

（3）控制变量

①企业属性

本研究引入企业年龄（Age）、企业所有权层面的国有企业（SOE）和外资企业（FIF）两个虚拟控制变量；其中，利用全国企业信用信息公示系统中提供的成立时间计算企业年龄（t-成立时间），并依据企业类型判断企业在t年的所有权情况。

②知识基础属性

本研究分别引入知识多元化（KV）、知识一致性（KC）和知识认知距离（KCD）三种属性，知识基础属性均利用企业在t、t-1、t-2年的专利IPC 分类号进行测度。

利用熵指数测度知识多元化，其计算公式为：

其中，PSk为3年期时间窗口中包含知识元素k 的专利数量占专利总数的比例，K 为所有类别知识元素的总数。

沿用Colombelli等[48]的方法测度知识一致性。计算μmn=CmCn/P 和σmn2=μmn[(P-Cm)/P][(P-Cn)/(P-1)]，并得到知识元素m 和n 的一致性为τmn=(Cmn-μmn)/σmn，则企业知识一致性计算公式为：

其中Cm和Cn分别为3年期时间窗口专利中知识元素m 和n 出现的次数，Cmn为知识元素m 和n 同时出现的次数，Pm和Pn分别包含知识元素m 和n 的专利数量，P 为专利总数。

知识认知距离反映知识元素之间的非相似性程度，[48]知识元素m 和n 的认知距离为，则企业认知距离的计算公式为：

其中，Cmk为3年期时间窗口中知识元素m 与其他k 个知识元素同时出现的次数，Cnk为知识元素n 与其他k 个知识元素同时出现的次数，Pm和Pn分别为包含知识元素m 和n 的专利数量。

③区域属性层面

本研究引入企业所在省份的GDP（RGDP）自然对数和区域知识产权实施力度（IPRE），旨在通过区域属性的引入控制区域性制度政策对汽车企业新产品开发可能存在的影响；[30]其中，根据Kafouros等[49]的研究，利用省份结案数量与立案数量的比例进行知识产权实施力度。

3.模型选择

由于被解释变量为非负整数，需要使用计数模型进行回归，考虑到被解释变量可能存在过度分散的问题（均值=114.09，方差=314.25），因此本研究使用负二项回归模型。由于样本数据是面板数据，利用Hausman 方法对模型进行估计，并确定使用固定效应模型（Hausman 检验的结果见表2）。

表2 描述性统计分析

三、实证结果分析

1.描述统计

表2 为研究变量的平均值、标准差及各变量之间的相关系数。其中，样本企业的新产品开发绩效平均达到114.09，说明我国汽车产业的新产品开发能力总体上得到一定程度的提升，然而，新产品开发绩效标准差达到314.25，说明样本企业之间的新产品开发能力存在一定的差距；因此，将研究对象定位于我国汽车产业有助于为缩小汽车制造企业新产品开发能力之间的差距、促进汽车产业的自主创新能力提升提供参考策略。与此同时，样本企业的协作研发伙伴多元化的均值为0.82，表明样本企业的伙伴多元化水平较低；知识网络局部凝聚性的均值（0.20）明显低于全局凝聚性的均值（0.52），说明样本企业对于知识库的全局利用能力较高，且知识体系较为稳定。变量相关关系和方差膨胀因子VIF 系数表明，各变量之间的相关系数绝对值均低于0.53，且方差膨胀因子VIF系数低于2.00，说明变量之间不存在共线性问题，可纳入回归方程进行回归分析。

2.假设检验

本文利用我国汽车产业的868 家汽车制造企业2000-2017年的非平衡面板数据（N=3920）对研究假设进行检验，回归结果见表3。在回归中，模型1仅包括了控制变量。模型2 引入了协作研发伙伴多元化，回归结果显示伙伴多元化的系数是正向且显著（β=0.012,p<0.10），假设1 得到支持，即协作研发伙伴多元化带来的丰富异质性资源的益处更明显，从而促进了企业新产品开发绩效的提升。

表3 负二项回归固定效应实证结果②

模型3 在模型1 的基础上引入知识网络局部凝聚性，回归结果表明局部凝聚性的系数是负向且显著（β=-0.096,p<0.05），假设2 得到支持，即较高的知识网络局部凝聚性不利于企业新产品开发绩效的提升；在此基础上，模型4 引入了中心化后的协作研发伙伴多元化与局部凝聚性的交互项，结果显示伙伴多元化与局部凝聚性的交互项的系数为正且显著（β=0.047,p<0.05），即知识网络局部凝聚性强化了伙伴多元化对企业新产品开发绩效的促进作用，假设4 得到支持，其调节效应如图 2(a)所示。最后，模型5 在模型1 的基础上引入知识网络全局凝聚性，回归结果显示全局凝聚性的系数是负向但不显著，假设3 未得到支持；模型6 引入了中心化后的伙伴多元化与全局凝聚性的交互项，结果显示伙伴多元化与全局凝聚性的交互项的系数为负且显著（β=-0.031,p<0.10），即知识网络全局凝聚性减弱了伙伴多元化对企业新产品开发绩效的促进作用，假设5 得到支持，其调节效应如图2(b)所示。

图2 知识网络凝聚性的调节作用

3.稳健性检验

为了进一步验证实证结果的稳健性，本研究采用泊松回归模型进行稳健性分析，回归结果见表4。通过回归结果可以看出，模型8 中协作研发伙伴多元化对企业新产品开发绩效的正向作用显著，模型9 和模型11 中局部凝聚性和全局凝聚性对企业新产品开发绩效的负向作用显著，实证结果支持了假设1-3。同时，模型10 和模型12 的结果也支持了本文提出的假设4 和假设5，知识网络局部凝聚性和全局凝聚性在协作研发伙伴多元化对企业新产品开发绩效的影响中均具有显著的调节作用，且调节方向相反。总体上，稳健性检验结果与上述发现结果基本一致。

表4 泊松回归固定效应实证结果

四、研究结论与讨论

在开放式创新背景下，越来越多的企业开始打破企业边界，与外部组织构建协作研发关系。与外部组织建立多元化的协作研发关系对新产品开发绩效的提升是否存在促进作用？知识基础视角下企业的本质是知识的集合，[28]企业内部知识基础结构如何影响企业新产品开发绩效，并且又如何与多元化的协作研发关系共同作用于企业新产品开发绩效？为了回答这些问题，并解决理论上的争议和存在的不足，本文整合协同创新理论和知识基础观，构建了协作研发伙伴多元化、知识网络凝聚性与企业新产品开发绩效的关系模型，以2000-2017年期间中国汽车产业中的868 家汽车制造企业的面板数据为样本，对研究模型进行了实证检验。研究结果表明：伙伴多元化促进企业新产品开发绩效的提升；知识网络局部凝聚性负向影响企业新产品开发绩效，但正向调节伙伴多元化对新产品开发绩效的正向作用；知识网络全局凝聚性负向调节伙伴多元化对新产品开发绩效的正向作用，但对新产品开发绩效的负向作用不显著。其可能原因是，样本企业的知识多元化程度总体水平偏低，使得围绕现有知识基础的组合机会及其潜在可能较低；为了维持市场竞争力并保证持续创新能力，汽车制造企业需要进行更多的新知识学习以拓展知识整合应用空间，这在一定程度上延缓了“组织近视症”的产生，[38]并为后续新知识搜索策略的执行积累了前期基础。

本研究的理论贡献如下：第一，验证了协作研发伙伴多元化对企业新产品开发绩效的促进作用。虽然已有文献强调了与外部组织建立合作关系在促进新产品开发方面的重要作用，[2]但合作关系对新产品开发绩效的影响是积极的还是消极的，学者们一直存在争议，主要表现为便捷的异质性资源获取渠道与较高的交易费用之间的权衡。[50]为了强化外部合作在新产品开发中的积极作用，学者们围绕合作伙伴（如大学和研究机构、供应商、用户、竞争对手等）的选择问题展开了较多的讨论。然而，协作研发的利与弊在合作关系配置过程中是如何体现的，仍需要有力的实证检验，本研究聚焦多元化的合作关系配置，弥补了这一研究缺口。第二，拓展了知识基础与新产品开发之间关系的相关研究。知识基础是企业创造性活动和问题解决的动力源，[5,28]已有文献围绕知识基础的内容性特征，如知识基础广度、深度和多元化等，对新产品开发绩效的影响展开了分析；[3,13]然而，知识基础视角下越来越多的研究表明，知识基础中的知识依存关系在创新活动中扮演更重要的作用。[9,30]遵循这一思路，本研究通过知识基础关系结构视角揭示知识网络凝聚性对企业新产品开发绩效的影响。第三，构建协作研发、知识基础和新产品开发之间关系的整合性理论框架。知识的内部开发和外部搜索在企业新产品开发活动中均具有重要影响，并且企业内部知识基础会影响新知识学习和整合效率，[2]基于此，本研究进一步分析了知识网络凝聚性对协作研发伙伴多元化与企业新产品开发绩效之间关系的调节作用，以揭示协作研发、知识基础关系结构特征对企业新产品开发绩效的复杂作用机制。

本研究的实践意义主要包括：第一，我国汽车制造企业应切实将开放式创新作为提升新产品开发绩效的重要战略决策，并应在专利研发阶段积极参与协作研发。专利研发已成为汽车新产品开发的核心要件，然而我国汽车产业的专利数据显示，我国汽车制造企业总体上在专利研发阶段参与的合作较少，并且合作伙伴数量也较少。汽车产业“四化”的发展趋势使得技术研发愈加复杂，实现技术的独占也变得愈发困难；同时，汽车产业涉及的产业链条之长也使得单个企业之间的竞争向产业链竞争转变。在这种技术环境和消费环境下，汽车制造企业必须重视开放合作，积极建立多元化合作关系，以借助彼此资源优势的互补共同开发面向未来的新技术和新产品。第二，部分汽车制造企业围绕局部知识形成了系列性的创新成果，虽然这种系列性的创新成果能够带来一定的技术优势，但汽车产品线覆盖范围较广，且任何一项汽车新产品的开发都离不开专利的支持，所以知识基础中局部知识凝聚带来的专业化并不利于汽车制造企业新产品开发绩效的提升。汽车制造企业应对这种消极影响有所准备并积极防范。第三，为了更好地开展新产品开发活动，汽车制造企业的管理者应将内部知识凝聚特征与协作研发策略结合起来制定更有效的管理决策。通过广泛建立协作研发关系获取多元化异质性知识，并不是一件简单的事情，其中关键的影响因素是企业的吸收能力，而吸收能力又与企业自身知识基础密切相关。对于具有较高局部知识凝聚或较低全局知识凝聚的汽车制造企业，应积极拓展合作渠道，与多元化的外部组织共同完成研发活动，通过优势互补推动新产品开发；反之，应缩减合作伙伴范围，从而让外部知识搜索的优势在新产品开发过程中得到发挥。

本研究的不足、局限及未来研究方向包括：第一，本文利用联合申请专利来确定企业的协作研发活动，除了联合申请专利外，还有其他类型的协作研发活动，如研发联盟和成立合资企业等，未来研究可以进一步挖掘能够提供时间跨度长、样本量足够大的协作研发关系数据来源，通过使用不同类型的协作研发数据检验协作研发多元化与企业新产品开发绩效的关系。第二，本文实证研究定位于中国汽车产业，未来研究可以进一步拓展数据范围，利用其他产业样本数据对提出的理论模型进行验证，并进一步挖掘和验证知识网络全局凝聚性与企业新产品开发绩效之间的关系。第三，本文利用汽车产品公告数据测度企业新产品开发绩效，汽车公告数据多围绕企业内部开发的新产品展开；除了内部开发的新产品外，企业还可以通过许可、购买或收购其他企业等方式获取新产品，未来研究可以把不同类型的新产品纳入理论框架，以便对企业的创新能力有更精细的理解。第四，囿于数据源的限制，本研究获取的是通过授权并公开的专利数据；根据《专利法》相关规定，专利从申请到授权需要一定的审查时间，特别是技术新颖性较高的发明专利的审查时间更长。因此，本研究收集了我国汽车产业在2000-2016年期间的发明专利和实用新型专利数据，以在一定程度上避免由于专利审查时间带来的样本选择问题。未来研究可以进一步拓展专利数据来源，通过更广泛的数据收集方式获取最新专利信息，以更全面、准确地检验本文相关结论的适用度和有效性。

注释

①相关数据在2020年3月19日获取。

②杰弗里·M.伍德里奇在《计量经济学导论:现代观点》中指出：在非平衡面板数据的固定效应分析中，对每一个观测横截面，都因除时间均值运算而失去一个自由度；只有一个时期的那些横截面单位将不起任何作用。也就是说，固定效应分析过程中消去了不能观察到的不随时间变化的个体异质效应。因此，回归结果中的企业及其观测值数量与研究设计中提及的样本数量有所差异。