专利合作网络与企业不连续创新绩效——基于医药制造业的实证分析

张晓月，雷楠楠

(南京工业大学经济与管理学院，江苏南京 211816)

1 研究背景

知识经济时代下，开放式竞争加剧，企业亟需打破原有技术依赖，推动发展方式由传统内部资源积累向外部资源整合的转变[1]。企业获取外部资源的重要途径是嵌入创新合作网络，即通过社会网络实现知识流转和外部资源整合完成交互创新[2]。多元化的主体嵌入以及不同的合作联结关系形成了多样化的合作网络，如：产学研合作网络、校企合作网络、产业联盟网络、科研机构合作网络等[3]。

关于专利合作网络的早期研究，学者们大多着重描绘网络的整体结构，利用网络拓扑图探析网络特征及网络演化过程。随着合作创新的不断深入，越来越多的创新主体选择嵌入到专利合作网络中来，然而不同创新主体在合作网络中存在着竞争关系，所以如何占据网络优势位置，以获取更多资源，促进技术创新，成为企业所关心的焦点。因此，合作网络与企业创新绩效逐渐成为研究热点。已有学者通过构建行业合作网络、区域合作网络或者其他具有代表性的合作网络[4-6]，探讨其与企业创新绩效的相关关系，主要有考察静态合作网络对企业创新绩效的影响[7]，或结合网络演化考察不同合作网络与创新绩效的关系[8]。

但现有研究对专利合作网络与创新绩效的研究均侧重于研究分析专利合作网络，忽视了创新的不同模式，对合作网络与不连续创新的研究较少。事实上，企业技术创新分为连续创新与不连续创新两种模式，随着技术跨越发展现象发生的频率越来越高[9]，相较于连续创新，不连续创新能使企业更好地应对环境不确定性与技术变革的影响[10]。同时，不连续创新需要创新主体获取外部更为丰富的异质性知识，因此，对于专利合作网络与企业不连续创新绩效的研究更为迫切。企业专利合作网络如何作用于不连续创新绩效？企业如何通过动态调节控制外部协作网络来打破创新瓶颈？这些都属于企业运用专利合作网络来实现不连续创新的焦点问题。基于此，本文借助专利合作数据构建企业专利合作网络，在考察专利合作自我中心网络的相关特征的基础上，揭示其与不连续创新绩效两者的作用机制与内在机理，为企业管控外部合作网络，提升自身竞争力提供理论依据。

2 理论基础与研究假设

对专利合作网络的研究大体可分为整体网络和自我中心网络两个视角，其中对整体网络的研究侧重宏观刻画整个网络的结构特征，对个体中心网络的研究则侧重考察个体，以微观的角度勾勒个体小范围的直接社会关系。研究表明，以自我为中心的小范围网络对企业技术创新的影响程度更甚于整体网络[11]。因此，本文以自我中心网络为视角来剖析企业合作行为对技术创新的作用，厘清合作网络局部微观结构对技术创新的影响效应。

2.1 自我中心网络规模与不连续创新绩效

自我中心网络规模是指与核心企业有直接关联的网络节点数目。在自我中心网络中，各个网络节点通过与中心企业的联系，建立起复杂的协作关系，使中心企业获得较多的可支配信息和资源。从社会资本的角度来看，自我中心网络规模的扩大，会使得节点拥有更多的社会关系资源和更丰富的异质信息，产生螺旋状的知识流动[12]，利于创新[13]。Arnaboldi等[13]通过对社交网络的自我中心网络结构分析，证实了自我中心网络规模和关系资源联系紧密，并且随着规模的扩大，获取异质性信息的机会也会增加。从企业管理的视角来看，更大的自我中心网络规模有利于企业突破管理的认知壁垒，促使企业在协作中提升资源管理效率，提高创新绩效。与此同时，在开放式竞争压力剧增的背景下，企业为降低创新成本，分散创新风险[14]，会不断扩充自身的合作圈，丰富自身资源池，积极收集其他领域知识，以突破自身惯性思维，提升不连续创新。基于此，本文提出以下假设：

H1:自我中心网络规模与企业不连续创新绩效呈正向关系。

2.2 自我中心网络关系频率与不连续创新绩效

自我中心网络关系频率是指存在于网络中的所有节点之间的合作次数（包含节点间的多次重复合作），体现了网络成员之间沟通交流的频繁程度。资源依赖视角下[15]，单个组织所拥有的创新知识是有限的，企业的存续发展有赖于外部环境中的关键资源[16]。自我中心网络关系频率越高，表明企业越容易从外部获取技术创新所需的关键资源[17]，对创新资源的利用程度也越高。频繁的合作关系能提升企业与外部组织之间的信任感，促进企业间更好地进行面对面的、深入的沟通和交流，从而缩短彼此间的认知距离，促进网络中知识、信息等资源的流动以及提升中心企业获得高质量、高密度隐性知识的可能性。基于此，本文提出以下假设：

H2：自我中心网络关系频率对企业不连续创新绩效具有正向影响。

2.3 自我中心网络密度与不连续创新绩效

自我中心网络密度是衡量网络节点间社交关系的紧密程度的指标。Obstfeld[18]指出，网络密度可以使中心企业调度网络成员所掌握的各项信息资源。所以，一般意义上认为，网络密度越大，节点之间的凝聚力就越高，信息传递渠道就越畅通，高密度网络可以形成知识流动通道，促进主体间的知识转移，实现企业创新资源的优化配置和高效利用，从而对企业的不连续创新成果产生积极影响。然而，网络主体间的紧密联系也可能会阻碍企业创新，这主要是由于过高的网络密度会影响节点间的均衡关系，并使得企业难以根据环境变化及时对外部合作关系作出调整[19]，从而导致网络僵化。Burt[20]注意到，随着协作网络密度的增加，网络中的信息与知识的冗余程度也会有所提高，这种冗余主要表现为自我中心网络中信息的同质性、创新主体间的排外，从而削弱企业获取异质性知识的能力，抑制不连续创新成果的产出。基于此，本文提出以下假设：

H3：自我中心网络密度与企业不连续创新绩效呈负向关系。

2.4 自我中心网络结构洞与不连续创新绩效

社会网络中，个体之间存在直接和间接联系两种形态[21]。在间接联系中，个体间信息的传递需要通过中间个体才能进行，此时占据中间位置的个体就被称为占据结构洞位置[22]。从信息传递层面来看，结构洞理论表明结构洞是网络间进行信息传递的要塞，企业获取研发知识的程度与企业所处的网络位置密切相关[23]。因此，占据结构洞优势位置的企业能在跨界搜索的基础上[24]，获取更多非冗余知识，使得企业可以以相对低的成本完成新的知识组合[25]，从而促进其不连续创新进展。从信息控制层面来看，结构洞越多，表明中心企业对网络的控制力和权威性就越高，外部合作对象彼此之间的合作关系越少，这种关系不对称的局面，使得中心企业有能力控制其外部对象的知识传递，各企业的创新要素则更容易通过中心企业进行流动。此外，相较于整体网络，自我中心网络的网络成员间的关联度会更高，会更加凸显结构洞的优势，企业将更为便利地获取知识，从而更有效地促进企业资源配置，提升其不连续创新绩效。基于此，本文提出以下假设：

H4：自我中心网络结构洞对企业不连续创新绩效具有正向影响。

3 研究设计

3.1 样本选择与数据来源

本文以医药制造行业为研究对象，有以下原因：第一，医药制造行业是专利密集型产业；第二，药物研发费用高、研发周期长、研发成功率低[26]，企业会更倾向于与其他外部组织合作以分担创新风险。本文根据证监会行业分类，选取我国A股上市的329家医药制造企业作为研究样本，从国家知识产权局专利数据库获取医药制造企业2013—2020年专利数据，以专利申请的相关信息为研究指标，根据专利IPC分类号度量企业不连续创新绩效。同时，为确保研究可靠性，在实证研究中，剔除以下公司：专利信息不完整（所研究时间段内没有专利信息、无共同专利申请人等）；财务信息未披露（因上市较晚等原因，部分数据有缺失值），最终将66家上市医药制造企业作为标准样本。此外，样本企业的年龄、规模、资产负债值以及研发投入等数据通过RESSET数据库查询获取。

3.2 网络构建

结合Guan等[4]关于企业合作关系维持年度的相关研究，本文以6年为截面窗口，借助2013—2018年企业专利数据构建专利合作网络，提取专利共同申请人中的医药制造上市企业及其他中小型科技企业。在构建网络时，本文首先以66家上市企业为中心构建企业自我中心合作网络，并将与66家企业合作的190家中小型科技企业作为非标准样本，检索非标准样本企业的所有专利；接着对256个企业进行编码处理（编号为A1-A256），方便进行可视化分析；最后利用社会网络分析软件Uicnet6.0勾画出整体专利合作网络，网络构建逻辑如图1所示。在本文中，非标准样本参与合作网络构建但不作为研究样本。此外，在专利合作网络中（见图2），节点表示专利申请人，连线表示节点存在合作，节点越大，企业的合作范围越广。

图1 企业专利合作网络构建逻辑

图2 2013—2018年我国医药制造企业专利合作网络

3.3 变量定义与测度

3.3.1 自变量

自变量主要为企业自我中心网络特征指标，包含四个指标，分别是：自我中心网络规模、网络关系频率、网络密度、结构洞，具体计算方法见表1所示。

表1 样本变量符号及测量方法

3.3.2 因变量

因变量为企业不连续创新绩效，参照Abernathy等[27]的相关研究，不连续创新绩效指企业在新技术领域内实施创新行为产生的创新成果，即企业当年申请的专利类别（根据国际专利IPC分类号判别）在过去5年未被申请过的数量，本文将每个企业所有专利分类号前六位与前5年进行比较。由于发明专利平均审查周期压为18.5个月，所以采取企业进入样本后滞后两年的专利数量来衡量。

3.3.3 控制变量

为了排除与企业相关的其他因素对网络位置与创新绩效的影响，在借鉴相关学者研究的基础上，本研究将企业的年龄、规模、资产负债值、研发投入以及整体网络中心度作为控制变量。

4 结果及分析

4.1 网络分析

从整体专利合作网络图（见图2）中可以明显看出，不同企业间的联系程度不同，所有企业并不是互相相关，整体网络关系较为复杂，表现为较多的企业圈数量。通过对整体网分析，观察到共有256个节点、500条连边。在整体网络中，一些企业较为独立，几乎没有或很少参与专利合作，整体网络密度为0.008，整体合作较为稀疏，网络中各节点知识传输性能相对较低，同时也说明医药制造企业中虽然参与合作的主体较多，但企业间的合作基础还不是非常完善，各创新主体之间还存在着较大的合作空间。

为探明医药制造业专利合作网络中标准样本的自我中心网络特征及样本分布情况，本文从整体网络中提取标准样本的自我中心网络，在分析网络“权-度”相关关系的基础上，构建“广度-深度”二维矩阵（见图3）。其中，专利合作的广度（S）使用“自我中心网络规模”这一网络指标来度量，规模越大，节点合作的范围越广，节点可获得的创新资源越丰富；专利合作的深度（D）为计算节点联结的平均权重所得，即用“自我中心网络关系频率/自我中心网络规模”来衡量，权重越大，网络中中心节点与其他节点间的合作关系愈稳固。在图3中，两条相交的虚线是广度和深度的平均值，如一区域处于平均值左侧或者下方，则表示其专利合作的广度或者深度较低。

图3 2013—2018年我国医药制造企业自我中心网络合作模式分布

由图3可知，节点呈分散分布且各个节点的专利合作情况差异较大。大部分节点处在“低广度-低深度”的区域中，这表明在医药制造业中大部分企业的合作方较少，创新知识交换的深度也较低，医药制造业内的专利合作仍有很大潜力。与此同时，部分企业停留在“高广度-低深度”的合作模式中，如上海复星医药(集团)股份有限公司（A26）、广东众生药业股份有限公司（A119）等，表明这些企业自身实力较为雄厚，在其自我中心网络中占据重要位置，可以吸引到更多的合作伙伴加入到创新网络中来，但创新主体间的互动较少，说明其对外部合作伙伴的认可和信任程度较低。此外，一些企业的专利合作情况表现为“低广度-高深度”，以黑龙江珍宝岛药业股份有限公司（A100）、上海科华生物工程股份有限公司（A196）为代表，尤其是江苏恒瑞医药股份有限公司（A53），说明这些企业更倾向于与固定企业进行合作，其外部合作关系相对稳定。少数企业位于“高广度-高深度”的区域，以人福医药集团股份公司（A6）、浙江新和成股份有限公司（A238）为代表，表明这些企业的合作意识较强，可获得创新资源比较丰富，在推动医药制造业创新发展方面起着不可忽视的作用。

4.2 描述性统计与相关性分析

通过对数据的描述性统计及相关分析，样本分布基本合理，并初步证实了变量之间具有相关关系（见表2）。此外，多数变量的相关系数低于0.7，几乎可以不考虑多重共线性问题。其中，仅自我中心网络规模和网络密度、自我中心网络结构洞和网络密度的相关系数较高，达到了0.7以上，基于此，又进行了方差膨胀因子分析，得出变量的方差膨胀因子均0＜VIF＜10，即认为没有多重共线性问题，可以进行下一步的回归检验分析。

表2 样本变量的描述性统计分析以及相关性分析结果

4.3 负二项回归分析

由于本文所选因变量不连续创新绩效为企业专利，属于计数变量，因此不可以使用常规的线性回归模型。在其余回归模型中，泊松回归以及负二项回归为本文首选回归模型。但观察上述变量统计可知，变量的标准差与均值不等且相差较大，因此采用泊松回归，可能会出现均方根误差减小从而导致显著性水平提高的假象，基于此，本文选择负二项回归，数据处理选用Stata16.0，结果如表3所示。其中：模型1为只涉及控制变量的基准模型，得出，企业规模、研发投入和企业资产负债值对企业创新绩效均对因变量有影响；模型2～模型5分别为在模型1的基础上加入自我中心网络规模、自我中心网络关系频率和自我中心网络密度、自我中心网络结构洞后的回归模型结果。

表3 样本负二项回归模型结果

模型2结果显示，自我中心网络规模对不连续创新绩效有显著正向影响（β=0.189，P＜0.01），假设H1成立。结果表明，企业合作规模越大，对企业不连续创新成果产出越有利。模型3的结果表示，自我中心网络关系频率与企业不连续创新绩效之间存在显著的正相关关系（β=0.014，P＜0.01），证实了假设H2。企业加强与外部其他中小企业合作的频率，一方面减弱了一定的合作竞争风险，另一方面利于企业增强补弱，提升不连续创新绩效，因此，企业积极与外部企业合作对企业不连续创新绩效起正向作用。根据模型4可知，自我中心网络密度与企业不连续创新绩效呈负相关关系（β=-0.924，P＜0.05），假设H3得到验证。研究结果表明在以企业为核心的合作网络中，高密度的合作网络会加重企业获取信息的冗余程度，阻碍企业获取有效知识，从而对企业不连续创新绩效产生消极影响。模型5结果表明，自我中心网络等级度与不连续创新绩效为负相关关系（β=-0.520，P＜0.1），但由于等级度与结构洞数量为反向关系，所以假设H4得到验证。这表明企业自我中心网络结构洞数量越多，企业越能在合作中获得更新鲜的知识，可以接触到更多非重复性资源，吸引更多的外部合作对象，促进企业进行不连续技术创新。

5 研究结果及讨论

5.1 研究结论

本文以医药制造业66个企业为标准样本，以专利共同申请人定义企企合作关系，得到256个企业样本，构建2013—2018年的专利合作网络，并提取标准样本企业自我中心网络，在宏观分析整体网络和个体中心网络的基础上，将自我中心网络的相关特征作为自变量，采用实证研究的方式，从微观上揭示了专利合作网络对不连续创新绩效的作用机制，得到如下结论：自我中心网络规模、关系频率、结构洞均对企业不连续创新绩效有正向影响，而自我中心网络密度对企业不连续创新绩效有负向影响。

5.2 理论贡献与现实意义

本文的主要理论贡献包括：（1）以自我中心网络为视角，考察微观层面的网络结构特征，通过实证研究检验了企业专利合作自我中心网络结构对企业不连续创新绩效的影响机制，拓宽了专利合作网络与企业创新的相关研究。（2）基于不连续创新的相关理论研究，探讨合作网络与不连续创新的影响，揭示了企业通过外部合作伙伴获取和转移知识进而提升不连续创新绩效的作用机理，丰富了不连续创新的研究情境。

本文的现实意义主要有：（1）从企业层面来看，企业要重视与外部合作伙伴建立直接的合作关系，适度扩充外部合作对象的数量，尽量多与企业自身认知距离较远的合作对象进行合作，增强获取异质性知识的可能性。其次，企业要合理维持与合作伙伴合作的频次，有效促进知识资源的流动，同时需增强危机意识，避免自我中心合作网络紧密程度过高，出现信息冗余的现象。（2）从医药制造行业层面来看，医药制造业整体创新合作较为松散，企业主体间创新效率较差。实证研究证实网络规模对企业不连续创新产出具有正向影响，因此政府应不断优化医药行业创新政策环境，鼓励更多的创新主体参与到研发中，同时应合理制定科技政策，优化配置资源，鼓励更大空间区域范围内的企业联合开展医药研发。

5.3 研究局限及展望

本研究为企业管控外部合作对象提升技术创新具有一定的实践意义，但也存在以下不足：本文只针对医药制造行业开展了研究，研究样本较少，研究结果的普适性有待提高；本文在研究中只考虑企业，未考虑其他类型创新主体的影响。因此，在接下来的研究中将进一步增加研究样本，探索其他行业自我中心网络对不连续创新绩效的影响，以及在技术创新类型分类的基础上，探索自我中心网络对连续创新与不连续创新绩效影响机制的差异。