网络效应对数字经济企业创新绩效的影响研究

2021-12-09辛琳孟昕童

会计之友 2021年24期

辛琳孟昕童

【关键词】数字经济企业创新绩效; 社会网络; 知识网络; 融资约束; 交互赋能机制

【中图分类号】 F275.5 【文献标识码】 A 【文章编号】 1004-5937（2021）24-0057-08

一、引言

2021年是“十四五”规划的开局之年，作为加快经济转型，培育经济增长新动能，提升国际竞争优势的重要选择，数字经济将成为“十四五”时期我国经济发展的重要推动力。数字经济是全球未来的发展方向，建设更高质、高效的现代化经济体系，需要加强数字经济基础建设，助力企业研发创新发展。2020年中国数字经济规模达到39.2万亿元，占当年GDP比重的38.6%，成为稳定经济增长的关键动力，数字经济在助力国家内部社会治理、抗疫合作方面发挥了重要作用。

如何推动数字经济企业创新发展，建立适合中国情景的企业数字化转型模式，必须将数字经济企业置身于网络之中。“人情网络”虽不是中国独有，却在国内表现较为典型。中国社会的亲情、友情、人情等关系深刻影响着社会运行和自组织效率，所以自古以来，中国社会都将关系视为经营活动和社会组织的基础。随着市场经济体制的不断完善，企业有着较大动机通过与政府、客户等建立关系以获得优势资源，把握创新机遇。伴随知识经济的发展，知识网络及其流动规律对企业创新绩效产生着重要影响。因为由不同科学技术领域的知识元素为节点构成的知识网络体系、知识元素组合搭配等可以为企业带来更多创新机会。因此，中国企业双重嵌入社会网络和知识网络之中，这种双重嵌入对数字经济企业创新的影响不容忽视。

本文讨论数字经济范式质变下，如何从网络互动角度探寻数字经济企业创新绩效提升路径。以2010—2019年数字经济概念上市企业为样本，针对双重嵌入对企业创新绩效相关影响展开研究，分析二者对创新绩效的交互影响，并探究其作用机制。研究表明，数字经济上市企业的社会网络与知识网络双重嵌入对创新绩效发展具有促进作用，其作用机制表现为：社会网络与知识网络的双重嵌入产生交互赋能，社会网络可以通过缓解数字经济企业融资约束，从而推动创新绩效发展。

二、文献综述与研究假设

（一）数字经济企业社会网络、知识网络与创新绩效

1.数字经济企业社会网络与创新绩效

依据社会资本理论，经济行为嵌入于社会结构之中，社会资本是投资于社会关系，并希望得以回报的一种资源[1]，通常以个体、组织为节点，关系为连线的网络形式呈现。社会网络被定义为基于个体或组织之间的复杂联系和这些个体和组织的集合，同时其网络结构，规模等都限制了资源的流动和分配。

以往学者从强弱关系论、结构论、社会资本论三个视角分析了社会网络与企业创新绩效的关系。强弱关系论认为，从关系论出发，社会网络可以被分为强关系和弱关系。其中弱关系表现为双方疏远，相互投入少，强关系则反之。关系承担着群体之间纽带、信息桥的角色，能够联结更多个体，从而带来更为丰富的异质性信息。信息是企业提升绩效、促进创新的关键，从关系角度研究创新绩效，实质上是希望获取更多有利创新的信息。相较于强关系，弱关系更大程度地扩充企业联结数量，拓宽其获取异质性信息的渠道，对企业创新具有显著促进作用[2]。格兰诺维特最早提出弱关系对企业创新存在正向显著作用[3]。从创新性机会角度出发，弱关系有利于创业者识别创新性机会，从而促进企业创新[4]。从结构论视角来看，社会网络中并非所有个体都紧密相连，某些个体之间的“断接”构成了网络结构中的“洞穴”，只有处于结构洞的关系第三人能将无直接关联的个体联系在一起，是两者之间的唯一桥梁。结构洞位置的占据者可以抢占先机，获得信息优势和控制优势，发现创新机遇从而推动企业提升创新绩效[5]。企业占据的结构洞数量对创新绩效起到促进作用，且结构洞优势会随网络的发展更加明显[6]。此外，企业结构洞能有效地缓解社会网络稳定性对创新绩效的不利影响[7]。从社会资本论视角来看，阿德勒等将社会资本划分为外部社会资本和内部社会资本，内部社会资本构成了群体的内部关系;而外部社会资本表现为行为人外在社会关系为其获得的资源。它能为企业内部发展提供必要信息、资源、机会，促进内部发展能力提升的同时不断推动企业创新绩效提升[8]。

社会网络对企业创新的积極作用为学者普遍认可。但当前对社会网络影响创新绩效的相关文献普遍集中于企业董事、高管等管理层社会网络的研究，从企业整体社会网络角度的研究相对较少。另一方面，由于信息转化率、创新频率高等特点，数字经济背景下企业对社会网络渠道获取信息的需求更为迫切。同时，相较于传统企业，数字经济企业具有较高的数字化接入水平，能有效提升创新网络连通性，更好地吸引合作伙伴，从而加快外部沟通结构的形成，吸引外部信息、资源进入，以实现其创新绩效更好更快发展。因此，本文基于定量分析方法，从数字经济上市企业社会网络角度研究其对创新绩效的影响，采用数字经济上市企业社会网络度中心性作为社会网络的代理变量，提出假设1。

H1：数字经济企业社会网络对创新绩效有显著促进作用。

2.数字经济企业知识网络与创新绩效

企业技术创新的本质是知识的整合过程，创新产生于知识元素的组合过程中，企业知识基础异质性一定程度上决定了创新绩效的差异，因此异质性知识耦合对企业创新绩效具有显著促进作用[9]。

基于知识基础观对创新的相关研究中，创新被划分为利用式创新和探索式创新。企业通过挖掘现有知识元素的不同组合方式实现利用式创新;而突破现有知识、领域束缚，探寻新知识的过程被称作探索式创新。其中知识网络广度指标反映企业技术知识在不同领域的分布程度，与企业知识基础异质性程度密切相关，对创新的影响不可忽视。现有文献关于知识网络广度对创新绩效的影响结论存在分歧，一种观点认为企业知识网络广度对突破式创新具有显著正向影响[10-12];另一种观点表示知识网络异质性程度过高不利于企业知识整合及知识成果转化，进而削弱其创新能力[13];也有研究表明知识网络广度与企业创新绩效存在倒U型关系[14]。

上述三种观点中占优势的是知识网络对创新绩效起到显著促进作用。原因在于，一方面，知识网络丰富度有利于锻炼企业研发团队的发散性思维，提升成员对新知识的掌握能力。另一方面，异质性知识的交互能激发更多创新观点，提升企业的市场敏感性。同时，多领域知识基础的掌握能有效降低企业研发成本，使其拥有更为广阔的创新发展前景。张晓月等[15]以高新企业为研究对象，从知识网络广度、深度两方面出发研究知识基础对企业创新绩效的相关影响，研究结果表明知识基础广度与深度均对企业技术创新绩效发挥显著促进作用。而放眼于数字经济蓬勃发展的当下，数字化应用正逐渐融入到企业创新发展过程之中。数字经济企业拥有比传统企业更为先进的数字技术，通过应用大数据、云计算等新技术，构建数字化平台等，力求构建完善的知识、技术沟通平台，能更高效地获取、利用内外部创新知识[16]，不断充实知识储备，为提升自身知识网络嵌入水平添砖加瓦。

因此，本文从企业整体创新绩效角度出发，以知识基础广度衡量数字经济企业知识网络丰富程度，分析知识网络对创新绩效的作用，提出假设2。

H2：数字经济企业知识网络丰富度对创新绩效有显著促进作用。

3.社会网络和知识网络的交互赋能

以人际关系为基础的社会网络和基于知识元素的知识网络对企业创新绩效有着不同程度的促进作用。现有文献对两大网络嵌入与创新绩效的关系开展了丰富研究。例如，社会网络有效联结企业，扩充其获取信息的渠道，有利于企业多角度分析市场需求;知识网络的发展能使企业迅速掌握新知识，一定程度上降低企业研发成本，知识元素的交互作用使其迸发更多创新灵感。因此，可以从价值链（社会网络）和知识链（知识网络）及相互嵌入角度讨论企业创新绩效提升的问题。同时，现有研究结论也证明了此种交互赋能机制的存在，代表性的结论如企业知识网络中心度与创新绩效呈倒U关系，社会网络中心度能促进创新绩效提升[17];贾晓霞等[18]针对双重嵌入与国内农林类高校创新绩效的研究证实了这一倒U关系的存在;企业知识管理能力对社会网络与创新绩效关系存在積极的链式传导作用[19]。而在数字化特质的加持下，这种“关系+知识”的双重嵌入或许会为企业创新带来更为显著的影响。数字经济时代，数据成为了推动经济发展的关键生产要素。它有效打破了传统经济下资源的稀缺状态，增强企业间互联互通，知识技术也能在短时间内传播，交换。由此可见，数字经济企业知识网络和社会网络能对其创新绩效起到双重赋能效用。企业应积极吸引异质知识元素提升知识网络广度，同时增加社会资本投入优化其网络位置，促进创新绩效提升效果。

现有研究一定程度上肯定了社会网络、知识网络对创新绩效的正向影响，但主要分析网络的结构嵌入对创新绩效的作用，本文从社会网络和知识网络丰富度的视角出发，分析数字经济企业社会网络、知识网络对企业整体创新绩效的交互影响，提出假设3。

H3：数字经济企业社会网络与知识网络对创新绩效具有交互促进作用。

（二）融资约束的中介效应

创新具有耗资大、耗时长、风险和不确定性高等特点，创新企业需要较大的研发投入来支撑，受制于实际市场中的融资约束。故提升企业创新绩效需要讨论如何突破融资约束的问题。创新性活动前期，需要投入巨大的沉没成本，而此时资金回报率较低甚至为负，仅依靠内源融资无法解决资金问题，外源融资才是获得创新资本的关键所在[20]。另一方面，信息不对称及代理问题的存在往往会影响企业获取足够的外源融资[21-22]，加剧了融资约束对创新绩效的制约。

如何缓解融资约束，是企业提升创新绩效的关键。从社会网络角度看，企业的社会网络往往覆盖了各行各业。金融社会资本能为企业提供更为便利的贷款渠道、更加优惠的融资政策;技术社会资本则有利于企业提升技术能力，优化产品质量，使其生产经营更加符合市场需求;异质性社会资本对企业融资约束具有缓解作用。现有研究发现，企业丰富的社会资本[23]、社会资本投入的增加[24]有利于缓解融资约束，为企业筹集更多研发资金，从而加大其创新投入[25]。相比于传统企业，数字经济企业通过其数字技术优势能吸引更多合作伙伴。因此，这一影响势必会在社会资本更为丰富的数字经济企业中表现显著。此外，企业占据人力资源优势地位时，融资约束与企业创新绩效的倒U型关系也会得到调节，强化了企业创新发展能力[26]。而从知识网络角度看，知识资源是企业重要的战略资源，是企业提升竞争优势的关键。知识基础论认为，知识网络的不断丰富和深化能有效提升企业运营效率;知识基础的掌握也有利于企业评判自身产品，不断优化产品质量，适应市场需求，从而对企业绩效产生正向影响。黄向荣等[27]研究表明企业通过社会网络获取的知识基础越丰富，对知识资源的控制能力越强，则其融资绩效越好。数字经济企业具备技术、知识控制能力强等先天优势，能够比传统企业更高效地解决融资问题，提升融资绩效。

基于上述文献基础，提出假设4和假设5。

H4：社会网络可以一定程度上缓解企业融资约束，从而提升创新绩效。

H5：知识网络可以一定程度上缓解企业融资约束，从而提升创新绩效。

三、研究设计

（一）样本选择与数据来源

依据《中国上市公司数字赋能指数》报告[28]，数字经济概念上市公司是近年来经济数字化转型过程中提出的，主要覆盖数字化赋能指数较高的金融、教育、信息传输、软件等行业，涉及数字经济基础设施和数字化程度较高的应用领域上市公司。参考中证指数数字经济概念板块的选取标准，结合乔阳娇等[29]、WIND四级行业分类指标，手工筛选电信、软件（应用、系统和家庭娱乐）、信息科技咨询与其他、互联网软件与服务、电子产品、通讯设备、半导体、数据处理与外包服务、互联网零售和消费电子产品等行业企业作为数字经济概念上市公司初始样本。最终获取WIND数据库2010—2019年非金融、非ST/PT的数字经济概念上市公司共计735家。

735家数字经济上市公司中，从板块分布看，主板（含中小板）最多，351家，占比47.76%;创业板298家，占比40.54%;科创板86家，占比11.70%。从行业分布看，占比超过10%的有电子元件（21%）、通信设备（14%）、电子设备和仪器（13%）、应用软件（12%）、半导体产品（12%）、信息科技咨询与其他服务（11%）。从地区分布看，前五名的分别是广东（27.21%）、北京（16.19%）、江苏（11.29%）、浙江（9.93%）、上海（8.30%），这五个省份合计占比72.93%，表明中国数字经济上市公司七成以上集中在北、上、广、苏、浙，存在明显的向首都、长三角、珠三角集聚特征。

实证数据来源于RESSET数据库、CSMAR数据库、巨潮网等，关于数字经济上市公司高管、董事的相关数据来自于对公开信息进行手动收集和整理。知识网络数据來自于中国研究数据服务平台（CNRDS）数据库的基础数据，经手工处理后获得企业知识网络数据。实证软件包括用于分析社会网络的Ucinet 6.0，以及数据分析处理的Stata15.0。数据清理方面采取了剔除缺失值、对变量进行1%的缩尾处理等，共获得3 797个样本观测值。

（二）变量定义

1.被解释变量

创新绩效是被解释变量。运用CNRDS数据库企业专利申请数据，参考余泳泽等[30]运用的创新绩效衡量方法，按照0.5、0.3、0.2的比例将数字经济概念上市公司发明专利、实用新型、外观设计的申请数量加权并用其衡量企业创新绩效。

2.解释变量

（1）社会网络

选择最直观、被广为认可的点度中心性作为衡量社会网络节点中心性的度量指标。网络中节点的点度中心性越高，在网络中相比于其他节点的重要性也就越强。

在无向网络中，点度中心性用来衡量网络中某一节点与其他节点的联系程度。以一个拥有n个节点的无向网络为例，网络中节点i的点度中心性用以衡量i与其他n-1个节点的直接联系总数。其计算公式如式1：

其中，Networki表示网络中节点i的点度中心度;n为网络节点总数;a（i，j）为二元变量，当节点i和节点j相连接时，a（i，j）=1，否则为0。

本文应用社会网络的点度中心度指标衡量数字经济上市公司的社会网络丰富程度。搜集数字经济上市公司董事、高管在其他上市公司的兼任情况，运用社会网络分析软件Ucinet 6.0将样本企业董事、高管团队兼任数据转化为一模矩阵，后经对称化、二值化处理，执行“Network-Centrality-Degree”操作计算得到各节点的点度中心度，由此构建了2010—2019年数字经济上市公司社会网络点度中心性指标。

（2）知识网络丰富度

数字经济企业知识网络的丰富程度采用知识基础广度来度量。知识基础广度能反映知识水平维度，包含企业涉及的所有技术领域范围。具体做法是将国际专利分类号前四位，即每个大类视为一个独立的技术领域，通过企业申请专利所包含的国际专利分类号大类数量衡量其知识基础广度，以此判断其知识网络丰富程度。数字经济样本企业申请专利包含的大类数量越多，则企业的知识广度越大，知识网络越丰富。

3.中介变量

衡量企业融资约束的相关指标有KZ指数、WW指数、Sa指数等。相较于KZ指数、WW指数，Sa指数在衡量企业融资约束时能更好地规避变量内生性，因此选用Sa指数绝对值指标衡量企业融资约束。依据Hadlock et al.提出的Sa指数计算方法获取Sa指数变量。本文运用Sa指数绝对值作为融资约束指标，该指标绝对值越大，则企业受融资约束程度越严重。Sa指数如式2：

4.控制变量

借鉴已有文献的常用设定，选择董事会规模（Board）、企业价值（TobinQ）、资产负债率（Lev）、独立董事比例（Out）、企业性质（State）以及兼任情况（Dual）六个公司特征变量作为控制变量。同时，对企业所处年度和行业效应进行控制。

相关变量的定义详见表1。

（三）模型构建

为检验H1，构建数字经济企业创新绩效（因变量）与企业社会网络（自变量）相关关系模型;通过构建数字经济企业创新绩效（因变量）与企业知识网络（自变量）相关关系模型验证H2;以数字经济企业创新绩效与社会网络、知识网络交互项（自变量）的回归模型验证H3。

为检验H4、H5，采用Baron&Kenny（1986）提出的因果逐步回归法进行三步回归：第一步，构建创新绩效（因变量）、社会网络（自变量）、知识网络（自变量）的回归模型5。第二步，构建融资约束（中介变量）、社会网络（自变量）、知识网络（自变量）的回归模型6。第三步，构建创新绩效（因变量）、社会网络（自变量）和知识网络（自变量）、融资约束（中介变量）的回归模型7。以此验证H4、H5，即融资约束是否在网络嵌入与创新绩效关系中发挥中介效应。

四、实证分析

（一）描述性统计及多重共线性检验

首先，各变量的描述性统计分析结果如表2所示。由表2可知，数字经济企业创新绩效均值为11.85，标准差为36.24，说明企业间的创新绩效差异明显;企业社会网络与知识网络均值分别为2.108和3.427，标准差为2.226、5.244，说明数字经济上市公司社会资本、知识基础的掌握程度差异较大;此外，数字经济企业融资约束绝对值指标均值为3.688，其标准差较小，说明企业普遍存在一定的融资制约因素。

其次，运用方差膨胀因子对全样本进行共线诊断，结果显示各项VIF均小于10，说明变量间不存在严重多重共线性问题，具有统计学意义的独立性，可以对变量之间的关系进行进一步回归分析。

（二）相关性分析

变量相关性分析结果见表3，从表中可以看出，关键变量，如数字经济企业社会网络、知识网络与数字经济企业创新绩效存在显著的正相关关系;数字经济企业融资约束与创新绩效存在显著正相关关系。

（三）回归分析

1.数字经济企业社会网络、知识网络及其交互赋能

首先，分别对社会网络、知识网络与创新绩效关系进行多元线性回归，如表4中模型1、模型2所示。由表可知，企业社会网络对创新绩效具有显著正向影响（模型1，β=1.137，p<0.01），因此，H1得以验证。模型2中解释变量即知识网络的系数为5.544，在1%的水平上显著，说明企业知识网络对创新绩效存在显著促进作用，H2成立。

其次，为检验数字经济企业社会网络与知识网络嵌入是否对创新绩效存在交互作用，在模型3中加入了两主效应中心化后的交互项，结果显示社会网络和知识网络的双重嵌入对创新绩效存在显著促进作用（模型3，β=0.244，p<0.01）。后对变量进行VIF检验，结果表明变量不存在多重共线性。

由于本文样本企业创新绩效的最小值为0，意味着数据可能存在左删失，而对于存在左删失的数据，线性回归模型并不能得到一致估计。为检验线性回归模型设定偏误是否存在，本文以Tobit模型替换线性回归模型，重新进行了回归。如表4右半部分，Tobit回归结果与多元线性回归结果一致。H1、H2可靠性得以证明。

2.融资约束的中介效应

依据逐步回归检验方法检验H4和H5。从表5可以看出，模型5针对创新绩效对社会网络、知识网络进行回归，社会网络系数为0.447，在1%水平上显著;知识网络系数为5.533，在1%水平上显著。模型6分析社会网络（自变量）、知识网络（自变量）对数字经济企业融资约束（中介变量）的影响，其中社会网络系数显著为负（模型6，β=-0.009，p<0.01），知识网络对融资约束的负向影响并不显著（模型6，β=-0.001，p≥0.1）;最后构建数字经济上市公司创新绩效（因变量）对社会网络（自变量）和知识网络（自变量）、企业融资约束（中介变量）的回归模型，由模型7可知，中介变量企业融资约束的系数为-3.012，在10%的水平上显著。以上三个模型回归结果说明企业融资约束在社会网络对数字经济上市公司创新绩效影响中发挥着中介传导作用，即企业社会网络对创新绩效的正向促进作用一部分是通过社会网络发展缓解企业融资约束这一方式实现的，H4成立。而融资约束在知识网络和数字经济上市公司创新绩效关系中的中介传导作用并不显著，H5不成立。

五、稳健性检验

（一）创新绩效滞后一期

考虑企业社会网络与知识网络对创新绩效影响的滞后性，采用将创新绩效数据取滞后一期的方法进行稳健性检验，结果显示新指标衡量创新绩效情况下变量的显著性与前文的回归结果基本一致。检验结果仍支持原有假设，结论具有稳健性。

（二）PSM检验

考虑到样本的自选择偏误导致内生性问题，采用倾向得分匹配法对网络嵌入与创新绩效的关系进行检验。参考以往文献的做法，将实证样本按照社会网络中位数分为两组，社会网络较薄弱的一组为对照组，社会网络度中心性高于中位数的一组为样本组。经过配对筛选后，原样本间的差异显著下降，降低了内生性问题。回归结果与前文的研究结论基本一致，说明在控制内生性问题之后，网络嵌入对创新绩效存在显著正向影响这一结果依然稳健。

六、研究结论及建议

本文选取2010—2019年数字经济概念上市公司为样本，探究企业社会网络与知识网络对创新绩效的交互影响及其作用机制。研究结果表明，数字经济企业社会网络与知识网络的嵌入对企业创新绩效具有显著交互赋能作用，企业社会网络、知识网络越丰富，企业创新绩效提升越为显著。进一步研究其作用机制发现，其作用主要是通过社会网络缓解企业融资约束方式实现的。

本文的贡献性在于：（1）融合了社会网络、知识网络作用，从交互赋能机制角度出发研究数字经济背景下双重嵌入对企业整体创新绩效的影响，丰富了原有研究对单一网络与创新绩效关系的分析;（2）针对研究结论，从网络角度提出了数字经济企业提升创新绩效的相关建议。社会资本和知识网络是企业提升创新绩效的有力武器。企业在选聘高层管理人员过程中，应更加注重董事、高管团队的多元化，不斷提升企业社会网络的丰富度，优化企业社会资本质量;同时，企业在创新过程中应不断提高多元知识元素的把握度，训练研发团队的知识敏感度和知识迁移能力。实践过程中尝试将不同知识结构体系结合，使创新过程迸发新活力。

【参考文献】

[1] LIN N.Social networks and status attainment[J].Annual Review of Sociology，1999，25（1）：467-687.

[2] 边燕杰，丘海雄.企业的社会资本及其功效[J].中国社会科学，2000（2）：87-99，207.

[3] GRANOVETTER M S.The strength of weak ties[J].American Journal of Sociology，1973，36（3）：1360-1380.

[4] 苏晓华，肖洁，陈嘉茵.创业者社会身份认知与新创企业创新[J].南方经济，2020（10）：108-124.

[5] BURT R.Structural holes：the social structure of competition[M].Cambridge：Harvard University Press，1992：1-52.

[6] 叶琴，曾刚.不同知识基础产业创新网络与创新绩效比较——以中国生物医药产业与节能环保产业为例[J].地理科学，2020，40（8）：1235-1244.

[7] 方爱华，葛宏雨.社会网络稳定性、信息流与企业创新绩效[J].工业技术经济，2020，39（9）：39-47.

[8] 朱丽，郑国阳，吴伟，等.创新投入如何高效转化？——企业内外部社会资本协同机制研究[J].财会通讯，2021（2）：24-29.

[9] 姚艳虹，葛哲宇，周惠平.创新网络中知识耦合、组织记忆与企业创新绩效[J].软科学，2018，32（8）：38-42.

[10] 王道金，吕鸿江，周应堂.渐进式、突破式和平衡式创新对组织绩效的影响研究——正式网络支持与非正式网络帮助的调节作用[J].研究与发展管理，2020，32（6）：165-176.

[11] 李子彪，孙可远，赵菁菁.企业知识基础如何调节多源知识获取绩效？——基于知识深度和广度的门槛效应[J].科学学研究，2021，39（2）：303-312.

[12] 吴伟伟，张琦，梁州，等.技术知识基础多元度对突破性技术创新行为的影响[J].管理科学，2020，33（5）：72-85.

[13] DAYAN M，et al.The role of functional and demographic diversity on new product creativity and the moderating impact of project uncertainty[J].Industrial Marketing Mangement，2017，61（2）：144-154.

[14] 杨博旭，王玉荣，李兴光.“厚此薄彼”还是“雨露均沾”——组织如何有效利用网络嵌入资源提高创新绩效[J].南开管理评论，2019，22（3）：201-213.

[15] 张晓月，刘莹莹.知识基础与企业技术创新绩效的关系研究——基于开放式创新的调节效应[J].财会通讯，2020（6）：14-18.

[16] CHESBROUGH H W.Open business models：how to thrive in the new innovation landscape[M].Boston：Harvard Business School Press，2006：32-54.

[17] 侯仁勇，严庆，孙骞，等.双重网络嵌入与企业创新绩效——结构视角的实证研究[J].科技进步与对策，2019，39（12）：98-104.

[18] 賈晓霞，李金芳.合作网络和知识网络对国内农林类高校创新绩效的影响研究[J].科技管理研究，2019，39（14）：146-157.

[19] 俞兆渊，鞠晓伟，余海晴.企业社会网络影响创新绩效的内在机理研究——打开知识管理能力的黑箱[J].科研管理，2020，41（12）：149-159.

[20] SCHUMPETER J A.The theory of economic development[M].Cambridge：Harvard University Press，1912：1-223.

[21] 李静怡，王祯阳，武咸云.政策激励与研发投入交互作用对创新绩效的影响[J].科研管理，2020，41（5）：99-110.

[22] 宋薇.关键高管薪酬差距、研发投入与企业绩效[J].财会通讯，2021（4）：50-53.

[23] 闫华红，郭子悦.中小企业高管团队社会网络与创新投入——基于融资约束的中介作用[J].会计之友，2020（7）：58-63.

[24] 楚有为.社会资本投资、政府补贴与研发投资——基于民营上市公司的研究[J].财经论丛，2018（2）：69-77.

[25] 吴卫星，刘细宪.政府与社会资本合作能改善企业融资约束吗？——来自中国上市公司的微观证据[J].证券市场导报，2019（5）：41-47.