旅游学者合作网络地位对创新绩效的影响机制研究

江光秀，李勇泉，阮文奇，张舒宁，许安心

（1.华侨大学旅游学院，福建 泉州 362021；2.福建农林大学经济管理学院，福建 福州 350002）

引言

科研创新绩效反映了学者的学术能力和学术贡献[1]，能影响所在团队和学科的长远发展，对科研工作者、科研团队以及学科发展都具有十分重要的意义[2]。当前，我国旅游学科的一级学科建设需要优质的科研队伍[3-4]，旅游业的转型升级发展也需要科学的知识体系保驾护航[5]。因此，如何提高旅游学者创新绩效是一个尤为重要的议题。然而在旅游新业态层出不穷的今天，旅游学者很难凭一己之力掌握旅游新知识和新形势，亟须与相关学者展开科研合作，共同应对旅游知识加速迭代带来的挑战，进而提高创新绩效。2018 年，中国高校和科研机构的旅游学者在22本SSCI期刊上发表的合著文章占比高达89.74%①数据为笔者根据中国高校和科研机构的旅游学者2018年在22本旅游领域SSCI上发表的论文计算得出。，表明旅游科研合作已然成为常态。目前，学界普遍认同合作网络能够提升创新绩效[6-7]，但也有研究表明，合作网络并不总是对创新绩效有着促进作用，不同网络结构特征发挥着不同的影响作用[8-10]。因此，合作网络对创新绩效的作用机制有待进一步厘清和深化。

当前，合作网络与创新绩效的关系研究聚焦于以下方面：一是合作网络个体特征对创新绩效的影响研究，学者们系统探讨了诸如动机[11]、价值观[12]、能力强弱[13]、历史成绩[14]、人际信任[15]和关系强度[16-17]等因素对创新绩效的影响作用。二是合作网络中个体知识特征对创新绩效的影响研究，探讨了知识共享程度[18]、知识吸收能力[19]在创新绩效影响机制中的作用。三是系统探讨派系[16]、小世界结构[20]、中心性[21]等合作网络结构特征对创新绩效的影响。近些年来，学者们开始关注合作网络多维度交互作用对创新绩效的影响，然而已有研究多是探讨合作网络多因素交互作用对企业、国家的影响[8,15]，很少探究学科尤其是旅游学科的合作网络问题。

近几年，开始有学者将社会网络理论引入旅游学科，探讨旅游学者合作网络对创新绩效的作用[17,22]。Perry-Smith和Shalley认为，创新绩效由合作网络外部属性和内部属性共同决定，如网络关系和知识多样性等[23]，但相关研究多是探讨单一变量对个人或者团队创新绩效的影响，且较少以旅游学者合作网络地位为切入点，而在一个合作网络中，网络地位不同，学者获取知识的难易程度以及合作者的数量、质量等也会存在差异，进而对创新绩效产生不同的影响[24]。那么，在旅游学者合作网络中，合作网络地位如何对创新绩效产生影响？网络地位、网络关系、知识多样性的交互作用是否有别于独自作用效果？这些问题都亟须进一步探究。因此，本研究以中国高校和科研机构的旅游学者在旅游领域22本SSCI期刊上发表的论文为数据来源，利用社会网络分析法和层次回归分析法，以关系数量和关系质量为中介变量，以知识多样性为调节变量，探讨旅游学者合作网络地位对创新绩效的作用机制，拓展旅游学者合作网络与创新绩效的研究框架，为更加科学地认识合作网络与创新绩效之间的作用关系提供新思路，为旅游学者创新绩效提升与合作网络结构优化提供理论参考。

1 文献回顾和研究假设

1.1 合作网络地位与创新绩效

网络地位指个体在合作网络序列或等级中获得的声望[25]，是全面反映合作网络内部结构状况的指标之一[26]。高合作网络地位的个体一般处于中心或者中介这类具有优势的网络位置[27]，是合作网络中极其重要的存在。合作网络一般呈现金字塔状，高合作网络地位的个体居于金字塔顶端位置，在合作网络中的视野更为开阔、信息更为流通，容易获取有价值的信息和资源[28]。首先，在合作网络中的地位越高，控制信息流和知识流的能力越强[29]，能够获取更多有利于自身发展的关键资源；其次，高合作网络地位个体在专业能力、沟通能力等方面往往比其他个体更强[30]，开展创新活动的潜力更大，有助于创新绩效的提高。但也有学者提出不一样的看法，如李明星等研究发现，处于核心地位的企业由于与网络内部企业合作过于紧密，丧失了与外部企业合作的机会，抑制了创新绩效的提高[10]。

旅游学科是一门由管理学、地理学、文化学等多种学科理论和知识交叉形成的综合性学科[31]，知识体系庞杂，旅游学者需借助其他学者的力量扩大并完善自己的知识库和信息库。因此，旅游学者的合作网络地位越高，接触高质量旅游学者的机会越大，从而能够获取高质量的信息和资源[32]，及时了解行业及学科发展前沿资讯，从中挖掘出有价值的创新机会[33]，对旅游创新绩效具有积极作用。基于此，本研究提出假设：

H1：旅游学者合作网络地位对创新绩效存在正向影响

1.2 关系数量

合作网络中的关系数量是指与某一个体直接相连的其他个体数量总和，关系数量越多，则个体的合作者数量就越多、合作范围越广[34]。已有研究证明，个体合作网络地位与关系数量有着较强的相关性[35-36]，个体合作网络地位会影响其声誉和感召力，从而影响其他成员的合作意愿[37-38]。在科研合作网络中，高网络地位的个体被称为明星学者，明星学者一般具有扎实的学术功底和良好的沟通能力，在学科中具有较强的号召力和影响力，能够引领学科的长远发展[38]，慕名前来寻求合作的学者会愈来愈多[27,29]。

在合作网络中，个体的关系数量越大，意味着合作对象趋于多元化，能够获得的多样性资源、信息与知识就越多[39]。一方面能够降低个体搜索成本，将有限的时间和精力集中在研究工作上[40]；另一方面可以为个体带来信息共享和规模效应[41]，更容易发现具备创新性的时机[42]，从而获得一定的先行者优势[43]。多数学者认同关系数量对创新绩效的积极作用，曾德明等认为，合作伙伴越多，越能够增加企业知识获取渠道，及时了解行业发展最新趋势，为企业创新提供科学引导，有利于创新绩效的提升[34]。Abbasi 等的研究证明了科研工作者的合作关系数量对其高质量文章数目存在积极影响[44]。

因此，旅游学者的合作网络地位越高，学科地位和知名度就越高，期望与其结成合作伙伴关系的学者越多。而旅游学者的合作范围越广，一方面，能够增加知识获取渠道、拓宽知识库和信息库，突破旅游科研创新的知识和方法限制；另一方面，“术业有专攻”，对于特定研究领域的旅游学者来说，来自其他研究领域的合作者有利于专业知识和技能的互补，节省了自行搜索资源的时间和精力，使自己的时间和精力得到最优利用，有助于创新绩效的提升。因此，本研究提出如下假设：

H2：旅游学者合作网络地位对关系数量存在正向影响

H3：旅游学者关系数量对创新绩效存在正向影响

H4：旅游学者关系数量在合作网络地位和创新绩效之间起中介作用

1.3 关系质量

关系质量是合作网络中人际关系的重要表征，反映了各主体相互学习、交流与合作的紧密程度，用于衡量个体间的合作关系密切程度和重复合作倾向[45]。已有研究发现，合作网络地位是影响关系质量的因素之一，处于网络中心位置的成员能够增进与其他成员关系及相互承诺[46]。一方面，高合作网络地位个体的沟通能力较强，善于通过交流、信任和必要的关系投资来维持甚至提升与合作者之间的关系质量[47]；另一方面，合作网络地位越高，其他成员认为该个体越值得信任，根据行为意图理论，合作者之间的关系质量也随之提高[48-49]。

在合作网络中，关系质量越高，与合作者的沟通效率就越高、合作氛围越好，有助于创新思想的形成和创新成果的产出。首先，高质量关系的合作伙伴之间能够保持畅通稳定的合作与交流，高效高质传递资源、信息和知识，增进彼此信任[50]，对知识共享和创新绩效都有显著的正向影响[15]。其次，高质量关系能够形成一种积极、开放的合作氛围，促使合作双方产生安全感和舒适感[51]，更好地维持合作关系，这能够避免机会主义的发生[52]，最大程度发挥彼此优势，促进创新绩效的提高。多数学者认为，关系质量对创新绩效有着积极作用，例如张凌云等认为，旅游学术成果与合作者之间的关系质量存在较强的正相关性[53]。但是也有学者认为，关系质量越高，个体的冗余联系越多，导致成员获取越来越多无用且重复的知识和信息，增加知识管理成本，最终不利于个体创新绩效的提高[54]。

因此，旅游学者的合作网络地位越高，在合作网络中的影响力越大，合作伙伴对其更加信任和依赖，合作关系质量也随之提高。而关系质量的提高不仅能够让旅游学者获得更多的社会支持和忠诚合作者，还能掌握更多的信息资源和控制资源，降低旅游学者参与合作的交易成本和风险，从而提高创新绩效。基于以上推论，本研究提出如下假设：

H5：旅游学者合作网络地位对关系质量存在正向影响

H6：旅游学者关系质量对创新绩效存在正向影响

H7:旅游学者关系质量在合作网络地位和创新绩效之间起中介作用

1.4 知识多样性的调节作用

知识多样性是个体通过学习和交流所获得的包括信息、技能和专长的集合体[55]，不仅是知识储备和知识领域的差异，也包括由经验、生活背景、工作环境等不同而导致的价值观念、思维方式等方面的多元化[56-57]。已有研究证明教育背景、国别和地理位置等方面多样性对团队绩效的促进作用[58]。如古家军和胡蓓研究发现，在高层管理团队中，知识结构和职业背景的异质性对创新绩效会产生促进作用[59]。因此，本研究认为，不同地区、不同机构学者，其知识结构、思维方式和价值观念均会存在差异，将其聚集在一起，能够实现多样化知识的耦合。

科研团队中，来自不同区域、机构学者之间的知识和思维方式的碰撞，能够为解决复杂多变问题提供创新思路和科学合理的决策，有助于创造力的发挥和创新绩效的提高[60]。故学者的跨区域、跨机构合作者越多，知识多样性程度越高，对其他成员的吸引力更强[61]，有助于获取外部知识，降低新知识的进入成本[62]，促使合作者之间的交流更为顺利。但也有学者认为，多样性知识只有经过有效识别和整合后才有价值[63]，这对个体的信息处理能力和知识整合能力提出了较高的要求，如果能力较低，无形中会增加信息处理和知识整合成本，反而不利于创新绩效的提高[64-65]。

本研究认为，第一，高知识多样性能够帮助旅游学者凸显其在合作网络中的重要性，增强其他成员的合作意愿和依赖，从而有利于个体关系数量的增加和关系质量的提高，促进其创新绩效的产出。第二，高知识多样性旅游学者的合作范围越广，拥有的知识库也就越大，在知识重组方面做出的选择越明智[66]，能够快速有效地将新知识和旧知识重组排列，有利于创新绩效的提高。第三，高知识多样性的旅游学者知识库庞大、信息处理能力强，反复合作能够帮助合作双方最大限度挖掘、吸收并消化对自己有价值的知识，提高合作效率，碰撞出创新火花，从而增加创新成果的产出。基于以上推论，本研究提出如下假设：

H8a：旅游学者的知识多样性正向调节合作网络地位和创新绩效之间的关系

H8b：旅游学者的知识多样性正向调节合作网络地位和关系数量之间的关系

H8c：旅游学者的知识多样性正向调节合作网络地位和关系质量之间的关系

H8d：旅游学者的知识多样性正向调节关系数量和创新绩效之间的关系

H8e：旅游学者的知识多样性正向调节关系质量和创新绩效之间的关系

据上，本研究构建了如图1所示的概念模型。

2 研究设计

2.1 数据获取和研究方法

2.1.1 期刊选择

本文将中国高校和科研机构的旅游学者在22本旅游领域SSCI 期刊上发表的学术成果作为研究数据，考虑原因如下：（1）SSCI期刊作为国际上广受认可的权威性期刊，是学者创新能力的重要表现，为学者的创新绩效评价提供了一个较为客观公正的指标[67]；（2）SSCI 类期刊出版物能够提升学者的学术地位和学术声誉，扩大中国学者在国际上的影响力，进而影响其学术成果推广[68]，促使越来越多的国内外学者在SSCI 期刊上发表成果，故SSCI 期刊积聚了来自全世界的高质量学术成果，研究样本更具普适性；（3）Web of Science 期刊库是一个全面公开的学术研究数据库，在国际范围内的学术研究中均得到广泛应用[69]。因此，基于以上考虑，本研究选择旅游领域SSCI 期刊探索旅游学者的声誉和学术地位，跟踪其合著网络。

2.1.2 数据处理

本研究将中国高校和科研机构旅游学者（含任职于中国高校和科研机构的非中国籍学者①由于时间和精力有限，笔者研究团队尚未统计出详细的国籍资料。这是因为：（1）多数期刊并未要求作者列出国籍信息，因此很难从SSCI期刊论文中的作者简介中准确获知作者的国籍信息。（2）笔者也尝试通过学校官网获取学者国籍信息，但效果甚微。一是学校官网对老师国籍信息的展出并无强制性要求；二是港澳台地区的部分学校官网无法登录与查找。）1983—2018年在22本旅游领域SSCI期刊上发表的学术论文作为研究样本，筛选出符合条件的论文共3374篇。其中，独著文章有578篇；由两位或3位作者共同参与撰写的学术成果最多，分别有1077 篇、1093 篇；而6 位及以上作者共同参与撰写的文章数目较少，仅有34 篇；参与撰写的旅游学者共有3704位。由于研究对象是中国高校和科研机构旅游学者，故首先将来自外国高校和科研机构的学者删去。另外，为了保证数据的完整性和可分析性，将所在区域、性别、学术地位等信息不全的学者删去，最终留下1585 位学者，包括大陆/内地442 位、台湾654 位、香港413 位和澳门76 位。其中，女性占41.9%，男性占58.1%。学术地位中，教授、副教授和助理教授占比最多，分别占21.9%、19.6%和19.0%；其次是博士生，占16.5%；讲师占比最少，仅有9.9%。

2.1.3 研究方法和工具

本研究主要通过社会网络分析法和层次回归分析法来进行指标提取和数据分析。其中，社会网络分析法是一种被用来研究社会结构和关系的定量研究方法[70]，自Newman 在2001 年首次利用社会网络方法构建了合著网络分析图以来[71]，社会网络分析法被广泛应用于学者合著网络的分析中。研究首先用社会网络分析软件UCINET 6.0 来提取度数中心度和结构洞指标，之后用SPSS 23.0 软件执行层次回归分析，探究合作网络地位、关系数量、关系质量、知识多样性和创新绩效之间的关系。

2.2 研究变量

2.2.1 自变量

合作网络地位。学者们经常用中心度[72]、核心度[73]或者结构洞[74]来衡量学者的合作网络地位。其中，结构洞理论（structural holes theory，SHT）被用来挖掘网络中的行动者及其位置，包括有效规模、效率、等级度和限制度4 个指标。有效规模是指个体网络规模减去网络的冗余度，一般来说，成员的有效规模越大，与合作者的有效联系越多，则该成员在合作网络中的行动越自由，越不容易受到其他个体的限制，在网络中的地位越高[75]。综上，本研究用结构洞中的有效规模指标来衡量学者在合作网络中的地位。

2.2.2 因变量

表1 旅游学者贡献度赋值表Tab.1 Productivity measure of tourism scholars

2.2.3 中介变量

（1）关系数量。合作网络中的度数中心度是指与某学者直接关联的数量[79]，直观反映了该学者的合作网络规模，一个学者的度数中心度越大，说明该节点联系能力较强，拥有更多的合作者。因此，本研究用度数中心度来衡量学者在合作网络中的关系数量。

（2）关系质量。学术界目前对关系质量的界定尚不统一，部分学者认为，关系质量可以由关系强度和关系持久性等综合表示[80]；还有学者认为，关系质量反映了合作双方的心理认同，即信任、满意和承诺[81]。本研究认为，以上两种提法本质上是一致的，合作者之间的信任度和满意度越高，建立长期合作关系的意向越强烈，互动越频繁。故本研究用学者的人均合作次数来衡量关系质量，即TS=S/g，其中，S表示学者的合作总次数，g表示学者的合作者总人数。

2.2.4 调节变量

2.2.5 控制变量

为了避免其他因素的存在对结果产生干扰，本文将可能对旅游学者创新绩效产生影响的几个外在因素加以控制，形成了以下几个控制变量。（1）区域：按照各个区域发表旅游领域SSCI期刊学者人数的多少进行排序，学者人数由多到少依次为台湾、大陆/内地、香港和澳门，分别赋值为4、3、2、1。（2）性别：按照男女分别赋值为1 和0。（3）学术地位：总共分为6个等级，由低到高依次为本科生及研究生、博士生、讲师、助理教授、副教授和教授，按照1～6依次赋值。（4）最高学位毕业国家和地区：包括中国大陆/内地、中国香港、中国台湾、中国澳门、美国、英国、澳大利亚、其他国家和地区，并按照1～8 依次赋值。（5）团队类型：根据学者合作对象及合著网络特点，将团队类型划分为师生型、课题型以及综合型3类，并分别赋值为1～3。其中，师生型团队主要是由讲师及以上级别的学者同博士生及以下的学生组成；课题型团队中，核心学者的学术地位相当，主要是围绕某些领域或课题展开研究，合作对象主要是同事或跨机构合作者；综合型团队是以上两种合作模式的综合型，既存在师生之间的合作，也存在复杂的同事和朋友之间的合作。

3 研究结果

研究首先对初始数据进行了预处理。第一，将合作网络地位及其平方项、关系数量、关系质量、区域多样性、机构多样性和部门多样性进行中心化处理，后续回归分析中所涉及的自变量、中介变量和调节变量都是经过中心化处理后的指标。第二，运用SPSS 23.0 对区域多样性、机构多样性和部门多样性3个子维度进行降维处理。首先进行主成分分析的适宜性检验，结果表明，KMO=0.69，大于0.6，且显著性（sig.）＜0.05，可以进行主成分分析。随后采取特征根＞1 的原则，进行主成分因子个数的提取。分析结果显示，成分1的累计百分比为85.755%，大于80%，说明在3 个子维度中提取出一个主成分——知识多样性是合适的。

3.1 相关性分析

本研究对所有变量进行相关性分析，结果如表2 所示。可以发现，研究对象的所在区域、性别、学术地位、团队类型、最高学位毕业国家和地区均对创新绩效产生显著影响，其中，学者所属区域对创新绩效产生了显著的负面影响，这表明对以上5 个变量进行控制是有必要的。另外，合作网络地位、关系数量、关系质量和创新绩效均存在显著的正相关关系，这初步验证了假设，接下来用层次回归分析法进一步确定变量之间的关系。

表2 研究变量的相关性矩阵Tab.2 Correlation matrix of variables

3.2 回归分析

3.2.1 主效应检验

首先用SPSS 23.0 对旅游学者的合作网络地位、网络关系和创新绩效之间的主效应进行分析。首先分析合作网络地位对创新绩效的影响，如表3中的模型1～模型3。结果显示，合作网络地位平方项对创新绩效的回归模型更好（ΔR2=0.012，p＜0.001），且合作网络地位（β=0.698，p＜0.001）的回归系数为正，其平方项（β=0.176，p＜0.001）的回归系数为正，说明合作网络地位对创新绩效的影响呈现正U形关系，H1未得到验证。接下来分析旅游学者合作网络地位对网络关系的影响，如模型8～模型11。结果表明，合作网络地位对关系数量（β=0.994，p＜0.001）和关系质量（β=0.161，p＜0.001）均存在显著的正向影响，H2 和H5 得到支持。最后分析网络关系对创新绩效的影响，如模型1、模型4 和模型6。结果表明，关系数量（β=0.840，p＜0.001）和关系质量（β=0.237，p＜0.001）均对创新绩效产生显著的积极作用，H3和H6得到支持。

表3 主效应和中介效应回归分析Tab.3 Regression analysis of the main effect and mediate effect

3.2.2 网络关系的中介效应检验

本研究参考温忠麟等[83]检验中介效应的方法，如表3所示。首先，检验关系数量的中介效应，如表3中的模型2、模型4、模型5和模型9所示。第一步，检验自变量对因变量的直接效应，如模型2。第二步，检验自变量对中介变量，即合作网络地位对关系数量的影响，如模型9。第三步，检验中介变量对因变量即关系数量对创新绩效的影响，如模型4。这3个步骤在直接效应检验中均已得到验证。第四步，检验自变量、中介变量对因变量的影响，如模型5。结果表明，关系数量对创新绩效仍存在显著的正向影响（β=0.284，p＜0.05），而合作网络地位虽然对创新绩效的影响也显著，但是影响程度降低了，其标准化系数由0.842 降为0.559。由以上分析可知，关系数量在合作网络地位和创新绩效之间起着部分中介作用，H4得证。

其次，验证关系质量的中介效应，如表3中的模型2、模型6、模型7和模型11。同上，自变量对因变量的直接效应、自变量对中介变量的效应和中介变量对因变量的效应均在第一部分得到验证。故只需验证自变量、中介变量对因变量的影响，如模型7。结果表明，关系质量对创新绩效的影响仍存在显著的正向影响（β=0.110，p＜0.001）,而合作网络地位对创新绩效的影响仍然显著，但是影响程度降低了，其标准化系数由0.842 降为0.824。由以上分析可知，关系质量在合作网络地位和创新绩效之间起着部分中介作用，H7得证。

3.2.3 知识多样性的调节效应检验

本研究参考温忠麟[83]等检验调节效应的方法，如表4所示。首先检验学者知识多样性和合作网络地位、网络关系的交互项对创新绩效的影响，发现自变量和调节变量的交互作用存在统计显著性，且交互项合作网络地位平方项×知识多样性（β=-0.947，p＜0.001）、关系数量×知识多样性（β=0.443，p＜0.001）、关系质量×知识多样性（β=0.298，p＜0.001），说明旅游学者知识多样性负向调节合作网络地位和创新绩效间的正U形关系，正向调节关系数量、关系质量与创新绩效之间的关系，故H8a未得到验证（图2），H8d 和H8e 均得到验证（图3）。同上，知识多样性在学者合作网络地位和关系数量（β=0.052，p＜0.001）、和关系质量（β=-0.146，p＜0.05）间均存在调节效应，表明知识多样性正向调节合作网络地位和关系数量间的关系，负向调节合作网络地位和关系质量间的关系，即H8b 成立，如图4（a）所示，但H8c不成立，如图4（b）所示。

图2 知识多样性在合作网络地位与创新绩效中的调节效应Fig.2 The moderation effect of knowledge diversity between cooperative network status and innovation performance

图3 知识多样性在关系数量、关系质量与创新绩效中的调节作用Fig.3 The moderation effect of knowledge diversity between relationship quantity,relationship quality and innovation performance

图4 知识多样性在合作网络地位与关系数量、关系质量中的调节作用Fig.4 The moderation effect of knowledge diversity in cooperative network status with relationship quantity and relationship quality

表4 知识多样性的调节作用Tab.4 The moderation of knowledge diversity

经过以上相关分析和层次回归分析，本研究的检验结果如表5所示。

表5 层次回归分析结果Tab.5 Output of hierarchical regression analysis

4 结论与讨论

4.1 研究结论

本研究以中国高校和科研机构的旅游学者为研究对象，引入合作网络地位、关系数量、关系质量、知识多样性和创新绩效5个变量，运用社会网络和层次回归分析方法，探讨了旅游学者合作网络地位对创新绩效的影响机制，研究结论如下。

（1）旅游学者合作网络地位对关系数量和关系质量有着显著的正向影响，与创新绩效之间存在正U 形关系。当合作网络地位较低时，难以吸引高质量旅游合作者，并且随着合作者人数的增多，使得旅游学者要从更为庞大的知识库中获取目标知识，增加知识搜索成本，反而会消耗过多的精力和时间，合作成效不容易显现。此外，此阶段学者不能妥善处理人际交往和学术研究间的关系，会分散学术研究专注力[84]，也不利于创新绩效的提升。当合作网络地位较高时，旅游学者的学术素养和能力较强，学科地位和知名度大幅度提升，能够合理分配时间、娴熟处理合作关系，还可以吸引高质量合作者，尤其是高绩效的年轻旅游学者。高绩效年轻学者有干劲、创新意识强，能快速掌握旅游新技术和新趋势，为合作团队带来新的知识，提供新颖且有价值的思路和建议，有助于创新成果的产出。

（2）关系数量和关系质量均对旅游学者创新绩效有着显著的积极作用，且在合作网络地位对创新绩效的关系中起部分中介作用，其中，关系数量对创新绩效的影响效果更显著。在旅游合作网络中，新合作者带来新的知识和思考方式，帮助旅游学者从不同角度理解旅游现象、洞悉旅游问题、把握旅游发展趋势，并从中识别创新机会，有助于提高创新绩效[34]。而重复合作虽然能够增进合作者间的了解，降低磨合成本，提高合作效率，但联系紧密会使旅游学者的冗余联系增多，从而减少甚至丧失与新合作者交流的机会[10]，不仅无法获取新知识，还会增加冗余知识管理成本[54]，不利于合作成效的突显。因此，相比关系质量，关系数量对旅游学者创新绩效的影响效果更显著。

（3）知识多样性减弱了旅游学者合作网络地位与创新绩效间的正U 形关系。当合作网络地位较低时，高知识多样性使得合作者之间的沟通更为顺利，帮助旅游学者充分利用有限的合作者资源[62-66]，削弱了合作网络地位对创新绩效的负向作用。当合作网络地位处于较高水平时，高知识多样性的旅游学者更容易与不同领域的学者进行合作，而研究领域不聚焦使得学者的研究多而不精，较难在某一领域取得很深的造诣和高质量成果；另外，不同领域合作关系的建立与维持成本高，分摊在科研上的时间和精力便会相应减少，反而削弱了合作网络地位对创新绩效的正向影响。

（4）知识多样性强化了“合作网络地位→关系数量”“关系数量→创新绩效”“关系质量→创新绩效”关系结构中的正向作用，但是削弱了合作网络地位对关系质量的影响。随着合作网络地位的提升，旅游学者的关系数量增多、关系质量上升，而高知识多样性旅游学者的信息处理和知识适应能力比较强，并且更加容易与不同领域的学者展开学术合作，为了获取更多新知识和新信息，也倾向于同新学者展开合作[66]，因而关系数量会快速增加，但有限的时间和精力就会被分散在众多的合作者身上，关系质量会相应减弱，从而削弱了合作网络地位对关系质量的正向影响。

4.2 理论贡献

首先，本研究进一步厘清了旅游学者合作网络对创新绩效的影响机制，为合作常态化背景下创新绩效提升提供了理论参考。研究结果表明，合作网络不同结构特征对创新绩效的影响存在差异，进一步证明了毛联永和罗守贵[8]的观点。但已有研究多是探讨合作网络结构特征与创新绩效的线性关系[10,17]，非线性关系的相关研究较少。本研究首次发现旅游学者合作网络地位对创新绩效存在正U形影响，拓展了旅游学者合作网络对创新绩效影响的理论体系与研究框架。

其次，本研究验证了关系数量和关系质量在“合作网络地位→创新绩效”关系结构中的不同影响效果，进一步拓展了“弱关系理论”的边界、解释范围及应用领域。研究结果契合Granovetter的“弱关系理论”[87]，但以往研究都是通过分析关系强度对创新绩效的影响效果来支持这一理论[88]。本研究则是将网络关系分为关系数量和关系质量两个方面进行对比研究，发现旅游学者合作规模的扩大更有益于创造力的发挥，而合作网络规模越大，学者间的连接越松散，这表明合作关系并不是越紧密越好，进一步证明了“弱关系理论”。

最后，本研究进一步厘清了知识多样性在旅游学者合作网络中的调节机理，为合作网络对创新绩效影响机制的作用条件提供了新的理论依据。已有学者证明了知识多样性在旅游学者合作网络中有调节作用[22]，但相关研究较少。本研究则在前人的基础上进一步证明了知识多样性在旅游学者合作网络中的重要调节作用，发现了关系数量和关系质量产生积极作用的重要条件，拓展了知识多样性在旅游学者合作网络中的理论应用。

4.3 研究局限及展望

第一，本研究利用人均合作次数来衡量关系质量，虽然人均合作次数客观地反映了旅游学者与其他成员的现实合作状态，但是不能反映合作者的心理状态和未来合作倾向。因此，在今后研究中，可考虑将客观数据和问卷调查、访谈等方法结合起来进行研究。第二，本文以旅游学者为研究对象，只考虑了个体层面的合作网络对创新绩效的作用机制，没有进一步考虑团队类型等跨层因素的作用机制。因此，在未来研究中，可进一步探究不同团队类型及团队层面因素对学者创新绩效的跨层影响。第三，本研究以中国高校和科研机构的旅游学者为研究对象，但是在教育背景、国际化程度等存在差异的不同区域内，旅游学者的创新绩效影响机制是否存在差异，值得进一步探究。因此，未来可以分析比较不同地区旅游学者创新绩效影响机制的差异，并探讨差异背后的成因逻辑。第四，研究以中国高校和科研机构的旅游学者为研究对象，其中还包括了部分仅就职于中国院校而非中国国籍的学者，因此，未来可进一步完善学者的国籍信息，揭示中国旅游学者独有的科研合著网络演化逻辑及其对创新绩效的影响机制。