技术距离与合作创新企业知识获取的正U型关系

姜秀娟 张鑫 李琳琳

摘 要：基于社会网络理论、知识基础理论与组织学习理论，利用德温特数据库中2000—2020年纳米能源技术领域的专利数据构建知识网络，通过联合申请专利信息确定组织间合作关系，采用负二项回归模型检验合作伙伴间技术距离对焦点企业知识获取的影响，以及焦点企业知识存量特征（知识多样性）和知识网络嵌入特征（知识网络中心性和知识网络结构洞）的调节作用。研究结果表明：合作伙伴间技术距离与焦点企业知识获取呈正U型关系，焦点企业知识多样性和知识网络中心性正向调节合作伙伴间技术距离与知识获取的关系，而知识网络结构洞的调节效应并不显著。说明焦点企业选择较小或较大技术距离的合作伙伴更有利于开展外部学习活动，同时要根据自身知识基础特征选择适宜的合作伙伴以促进知识获取。

关键词：技术距离；知识获取；知识多样性；知识网络中心性；知识网络结构洞

中图分类号：F 270.7

文献标识码：A   文章编号：1672-7312（2023）04-0371-10

The Positive U-shaped Relationship between Technological Distance

and Knowledge Acquisition of Cooperative Innovation Firms

——Moderating Effect of Focal Firms Knowledge Base Characteristics

JIANG Xiujuan，ZHANG Xin，LI Linlin

（School of Economics and Management，Shandong University of Science and Technology，Qingdao 266590，China）

Abstract：Based on social network theory， knowledge base theory and organizational learning theory， the knowledge network was constructed by using the patent data in the field of nanoenergy technology from 2000 to 2020 in the Derwent database.The cooperative relationship between organizations was determined by jointly applying for patent information， and the negative binomial regression model was used to examine the influence of technical distance between partners on knowledge acquisition of focus enterprises， and the moderating effect of knowledge stock characteristics （knowledge diversity） and knowledge network embedding characteristics （knowledge network centrality and knowledge network structure hole） of focus enterprises. Results show that the technological distance has a positive U-shaped relationship on focal firms knowledge acquisition. The focal firms knowledge diversity and centrality of the knowledge network positively moderate the relationship between technological distance and knowledge acquisition， while the moderation effect of structural hole of the knowledge network is not significant. The study indicates that selecting partners with smaller or larger technological distances is more conducive to external learning activities for focal firms;it is necessary to select appropriate partners that can promote knowledge acquisition according to the characteristics of their own knowledge base.

Key words：technological distance;knowledge acquisition;knowledge diversity;centrality of the knowledge network;structural hole of the knowledge network

0 引言

2022年政府工作報告指出，要推进国际科技合作，强化企业创新主体地位，持续推进关键核心技术攻关。越来越多的企业开始打破边界，选择与相同或不同领域的组织进行合作创新，以同类资源共享或异类资源互补为目的，从外部获取自身所需资源，弥补技术短板、提高核心竞争力。然而，由于企业资金和学习能力的有限性以及技术知识在组织间分布的异质性、互补性和非对称性等特征，企业在外部知识搜索过程中仅能在一定范围内，依据企业的技术和资源特征选择合作伙伴[1]，因此组织间的知识关系（例如，组织间的知识邻近性或技术距离等）以及企业的知识基础特征越来越成为企业搜寻合作伙伴的方向指南和组织间开展研发合作的基础，其对企业外部知识获取的影响成为学术界研究的热点之一。

在知识关系方面，合作双方的技术距离与知识获取之间关系的研究起步较早，但并未得出一致结论。NOOTEBOOM等[2]认为合作伙伴技术能力的异质性可以为企业知识重组和学习创造更多的机会，从而对企业的知识获取产生正向影响；杨博旭等[3]基于三螺旋理论实证分析了技术邻近与企业－企业合作创新之间存在倒U型关系，而技术邻近对企业－高校和政府－企业的合作创新具有显著负向影响；SUBRAMANIAN等[4]认为学习能力和学习机会同时在合作过程中起作用，使得合作伙伴间技术距离与焦点企业知识获取之间呈倒U型关系。

企业对外部知识的吸收能力受知识基础特征的影响，企业知识基础特征可以分为知识存量特征和知识网络嵌入特征。在知识存量特征方面，知识多样性得到了学者们广泛而持久的关注，CHIANG等[5]发现过度多样化的知识可能会激发过多新颖的想法，使得企业拥有的知识得不到充分的整合和利用，从而不利于企业的知识获取；潘清泉等[6]研究指出，知识宽度（即知识多样性）与企业技术创新绩效存在正向关系。在知识网络嵌入特征方面，多数学者研究了企业内部知识网络中心性和结构洞对自身学习和创新的影响[7]，而对于企业知识基础在行业知识网络中嵌入特征的研究相对较少。行业知识网络记录了焦点企业与合作伙伴所拥有的知识元素在之前的创新成果中发生过的组合，企业知识基础在行业知识网络中的中心性和结构洞位置能够综合反映企业在本行业知识网络中的状况，对于企业已拥有的知识元素，可以通过行业知识网络中关联关系展开有目的的知识搜索，提高知识利用率。杨博旭等[8]研究发现组织的行业知识网络结构嵌入（文中用知识元素的结构洞来衡量）与组织创新绩效间存在倒U型关系。厉娜等[9]认为企业在行业知识网络中知识元素拥有丰富的结构洞会促进企业的探索式创新，而企业在行业知识网络中知识元素的度中心性水平与企业探索式创新呈倒U型关系。

综上，围绕组织间知识关系和知识特征的研究虽已较为丰富，但较少将合作伙伴间的知识关系、焦点企业的知识基础特征纳入同一分析框架，探讨合作创新对焦点企业知识获取的影响。实际上，企业自身的知识特征是组织间建立合作关系的基础，影响组织间进行学习的内容和形式；而合作双方间的技术距离深刻影响双方能否进行更有效的同质性知识整合亦或跨界组合创新。因此，本研究融合社会网络理论、知识基础理论与组织学习理论，建立合作伙伴间知识关系特征（技术距离）和焦点企业知识基础特征（知识多样性）及行业知识网络嵌入特征（知识网络中心性和知识网络结构洞等）影响焦点企业知识获取的分析框架，利用2000—2020年纳米能源技术领域的专利数据，构建行业知识网络，并根据联合申请专利信息确定一对一的“合作对”，运用负二项回归分析法实证分析合作伙伴间技术距离对焦点企业知识获取的影响，揭示焦点企业知识基础特征对二者关系的调节作用。

1 理论分析与研究假设

1.1 技术距离对焦点企业知识获取的影响

合作伙伴间的技术距离是影响企业外部知识获取的重要因素。企业外部知识获取的过程即企业向合作伙伴学习新知识、新技术的过程。技术距离是指两个组织之间在技术重点或概况上的差异。当技术距离较小时，说明合作双方拥有相似的知识基础；当技术距离较大时，说明双方之间的知识基础差异较大。

首先，YAYAVARAM等[10]的研究发现企业会寻找知识基础与其重叠的合作伙伴展开合作，以便获取新知识。从吸收能力的视角来看，当合作伙伴间的技术距离较小时，双方之间技术的联系就越强，就越可能依赖相似的科学原理进行技术知识的组合，使得企业能够更容易地识别哪些知识组合更有价值[11]。文章认为当技术距离较小时，焦点企业向合作伙伴学习的新知识可能并非是新领域的知识，而更多的是已有知识的独特的组合方式或者是对已涉及技术领域的深入挖掘，从而加强自身模块化知识和专业化技术，即企业更多的是进行利用式学习。其次，随着技术距离的不断增大，焦点企业所涉及领域的技术和信息可获得性逐渐降低，合作创新组合的管理和协调成本增加，甚至超过了合作带来的价值，阻碍了焦点企业利用合作伙伴的资源和能力。同时，企业开始尝试与不同技术领域伙伴的知识进行交叉，学习新领域知识的过程并非一蹴而就的，必须经过长时间的探索和试验，因此企业学习效率也会随之降低。所以，隨着合作双方技术距离从低到中等水平，焦点企业的知识获取效率是不断降低的。

随着技术距离从中等水平不断增大，企业以利用式学习为主的外部知识获取可能会逐渐转变成以探索式学习（即企业对未知的、新领域的知识获取[12]）为主。随着技术距离的进一步增大，焦点企业与合作伙伴之间较大差异化的知识基础和能力背景保证了焦点企业能够接触到新颖性和异质性的知识，有助于焦点企业扩充自身知识库并增加知识元素的组合机会[13]。对于技术差异较大的组织，它们之间的竞争通常更弱，能够从组织间知识流动过程中获得更多利益，因此它们具有更强的合作动机，愿意共享知识。王宛秋等[14]的研究发现，成长期的企业由于有限的技术、成本、人力等资源，会围绕熟悉的领域进行并购进而不断深化原有技术领域，但随着核心技术的强化和各种资源的丰富，成熟期的企业更容易通过并购实现对新领域的探索和快速进入。此时，并购双方的技术距离越大，越有利于提高创新绩效。因此，随着合作双方技术距离从中等水平不断增大，焦点企业知识获取也在不断增加。

综上，由合作双方技术距离较小而激发焦点企业利用式学习与技术距离较大而激发焦点企业探索式学习的两种效应叠加而产生了合作双方技术距离与焦点企业知识获取间的非线性关系，据此提出如下假设：

假设1：合作双方的技术距离与焦点企业知识获取呈正U型关系。

1.2 焦点企业知识多样性的调节作用

李健等[15]认为虽然合作研发可以提供异质性的技术、信息等资源，但企业能否真正吸收和利用这些外部资源，还与其自身的知识基础紧密相关，这也就解释了同一合作创新网络中不同企业知识获取的程度为什么会存在差异。知识多样性是企业知识基础的横向维度，反映了企业知识涵盖多个独立技术领域的程度，是影响企业吸收外部知识的重要因素[16]。

首先，在技术距离从低到中等水平的发展过程中，焦点企业对于自身领域可获得的知识逐渐减少，搜索成本超过其带来的价值，不利于企业的知识获取。此时，相比于低知识多样性的焦点企业来说，高知识多样性代表其已经拥有或组合过较多细分领域的知识，从而使得企业学习和吸收合作伙伴相近领域知识的动机减弱，强化了较低水平的技术距离对焦点企业知识获取的负向效应。其次，当技术距离从中等向高水平发展的过程中，焦点企业通过合作研发可访问的新颖性知识增加，有效克服了技术和信息冗余的风险。此时，相较于低知识多样性的焦点企业来说，高知识多样性的企业原有知识基础的知识接口较多，更容易找到内外部知识的关联点和结合点，实现内外部知识的快速对接[17]，从而促使企业对从合作创新组合中获得的异质性技术知识进行有效整合，知识搜索和试验成本更低。因此，焦点企业的知识多样性强化了较高水平的技术距离对焦点企业知识获取的正向作用。据此提出如下假设：

假设2：焦点企业知识多样性会强化合作双方技术距离对焦点企业知识获取的正U型关系。

1.3 焦点企业知识网络中心性的调节作用

知识网络可以分为企业内部知识网络和行业知识网络，文章所研究的知识网络是行业知识网络（以下简称知识网络），具体而言，是指涵盖了同行业各组织掌握的知识元素以及知识元素之间的组合关系的网络[18]。知识元素的知识网络中心性是指某个知识元素在知识网络中居于中心地位的程度，是该知识元素在以往的创新过程中与其他知识元素组合的次数，组合次数越多意味着该知识元素的中心性越高。

首先，在技术距离从低到中等水平的发展过程中，焦点企业与合作伙伴位于耦合程度相对较高的领域中，此时焦点企业向合作伙伴学习的需求已逐渐减弱且成本逐渐增加。若焦点企业同时具有较高的知识网络中心性，说明焦点企业的知识元素处于当前技术领域的较核心位置，企业对本领域已具有深入的理解，进而其知识元素的组合潜力已达到一定限度，不仅使得焦点企业向合作伙伴学习的动机减弱，还会进一步加剧企业搜索成本的付出，因此技术距离对焦点企业知识获取的负向作用会增强。其次，在技术距离从中等到高水平的发展过程中，焦点企业与合作伙伴位于解耦程度相对较高的领域中，合作伙伴新颖性知识会吸引焦点企业与之合作并积极地向其学习。B

RENNECKE等[19]认为过去已经广泛组合的知识元素不能提供许多重组的可能性，因此，拥有这些知识元素的发明家试图通过向同事寻求建议扩充他们的知识。同理，拥有较多的高中心性知识元素的企业可能会更加积极地寻求新合作，利用合作创新组合优势进一步获取跨领域的新技术和新资源，此时焦点企业对外学习动机更强，因此，高水平知识网络中心性会增强技术距离对焦点企业知识获取的正向作用。据此提出如下假设：

假设3：焦点企业知识网络中心性会强化合作双方技术距离对焦点企业知识获取的正U型关系。

1.4 焦点企业知识网络结构洞的调节作用

知识网络中的某个知识元素在以前的发明中与“其他知识元素”组合在一起，而这些“其他知识元素”本身不存在关联关系，则代表该知识元素具有较高的结构洞属性[20]，富有结构洞的网络呈现非冗余性。如果企业的知识元素在知识网络中占据多个结构洞位置，则意味着在当前知识领域中企業的知识元素存在丰富的组合机会[7]。因此，焦点企业在知识网络中的结构洞水平会影响焦点企业的学习效果。

首先，在技术距离从低到中等水平的发展过程中，若在知识网络中存在较多的结构洞说明焦点企业知识元素之间联系比较稀疏，企业对现有技术领域的发展轨迹掌握不够透彻[21]。同时也可能是因为当前领域内技术融合难度较高，开发成本较大，此时与合作伙伴技术距离的增加使得本就缺乏组合经验的焦点企业学习范围和吸收能力进一步下降，从而增强了技术距离对焦点企业知识获取的负向作用。其次，在技术距离从中等到高水平的发展过程中，焦点企业主要被合作伙伴掌握的异质性知识所吸引，进行跨界学习，而此时焦点企业知识元素具有高结构洞水平意味着企业拥有众多连接不同技术领域之间的技术知识，使其能够更方便地通过中介知识元素搜索到更多彼此尚未关联的新知识要素，增强了企业与异质性知识整合的可能性，帮助企业突破路径依赖，同时也提高了企业跨界搜索获取新知识要素的动力。因此技术距离对焦点企业知识获取的正向作用得到增强。据此提出如下假设：

假设4：焦点企业知识网络结构洞会强化合作双方技术距离对焦点企业知识获取的正U型关系。

综上，合作双方技术距离对焦点企业知识获取的影响以及焦点企业知识多样性、知识网络中心性和知识网络结构洞调节作用的理论模型如图1所示。

2 研究设计

2.1 样本与数据

纳米能源技术是目前全球最受关注的科学技术领域之一，是高科技前沿的代表。首先，“纳米技术”的多学科、多领域交叉融合特征，使得不同学科或技术背景的组织间合作在其发展中发挥至关重要的作用[22]，适合研究不同组织间的知识获取问题。此外，纳米能源技术领域需要多样化的知识，属于专利密集型行业，更适宜通过专利数据构建行业知识网络。因此，基于纳米能源技术领域开展实证研究。

专利引用数量是目前实证研究中能够有效测量组织间知识获取的重要指标[23]。选取的样本来自于德温特创新索引（Derwent Innovations Index）数据库，数据搜集和清洗的步骤如下：第一步，借鉴GUAN等对于纳米能源技术行业专利的检索式，检索出2000—2020年的专利数据。根据“专利权人代码”筛选出焦点企业，同时剔除研发活动不活跃的企业（专利授权数少于20条）、非标准公司以及个人。第二步，参考已有研究的做法，基于t-5至t-1年的专利数据构建第t年的知识网络。同时，考虑组织间合作联盟关系一般持续3-5年，在一定程度上反映了合作对企业学习影响的周期，因此，观察合作后三年内（t至t+2年）焦点企业的知识获取情况。第三步，根据联合申请专利的专利权人信息识别合作创新组合，焦点企业的合作伙伴由企业、大学和研究所组成，基于二元组合即“研发合作对”研究合作伙伴间技术距离对焦点企业知识获取的影响。

2.2 变量测量

2.2.1 被解释变量

知识获取（KA）。后向引用是一项发明所依据的先前的知识，可以用来追踪组织间的知识流动与利用情况[24]。因此采用t至t+2年焦点企业对其合作伙伴专利的引用总次数来衡量知识获取。

2.2.2 解释变量

技术距离（TD）。借鉴JAFFE[25]的测量方法，首先取IPC代码的前3位（即大类）表示组织所涉及的技术领域，再利用公式得到合作双方主体间技术距离的测度。具体见式（1）。

TDij=1-

∑nk=1pikpjk

∑nk=1p2ik

∑nk=1p2jk

（1）

式中：pik和pjk分别为焦点企业i和合作伙伴j在t-5至t-1年申请的专利中第k类技术领域出现的次数；n为焦点企业i和合作伙伴j在t-5至t-1年申请的专利中所涉及的技术领域总数。TDij值越大，表示合作双方间的技术距离越大。

2.2.3 调节变量

参考WANG等的做法，基于发明专利IPC分类号前四位（即小类）构建t-5至t-1年的行业知识网络，并借助Ucinet 6软件完成对中心性和结构洞的测度。

知识多样性（KD）。使用焦点企业申请的专利中所包含的IPC小类数量来衡量知识多样性。

知识网络中心性（DC）。使用焦点企业所有知识元素度中心值的平均值来衡量知识网络中心性。

知识网络结构洞（SH）。首先用2与限制度之差的计算结果作为知识元素的结构洞值，然后取焦点企业所有知识元素结构洞值的均值作为知识网络结构洞的衡量指标。

2.2.4 控制变量

前引用频率（PCF）。合作前焦点企业向合作伙伴学习的情况会影响合作后焦点企业的学习效果。因此控制了焦点企业在合作前（t-5至t-1年）对合作伙伴专利的引用总次数。

关系强度（RS）。组织间成功的合作经验能够增加合作双方间的信任、促进双方未来的合作，并有助于发展特定关系的知识转移。因此使用焦点企业与合作伙伴的合作次数来衡量两者的关系强度。

相对专利组合规模（RPPS）。采用焦点企业授权专利数量与合作伙伴授权专利数量的比值来衡量相对专利组合规模。比值越小，则表明合作伙伴越可能提供更多的学习机会。

合作伙伴数量（NP）。在多伙伴的联盟组合中，焦点企业的注意力很可能会分散到其他合作伙伴身上，从而降低了焦点企业对特定“研发合作对”中合作伙伴的知识利用率，因此对焦点企业的合作伙伴数量进行控制。

2.3 模型构建

通过构建以下回归模型，用于验证假设1，即合作双方技术距离与焦点企业知识获取的关系。具体见式（2）、（3）。

KA=α0+α1Control+ε

（2）

KA=α0+α1TD+α2TD2+α3Control+ε

（3）

通过构建以下回归模型，用于验证假设2、假设3和假设4，即焦点企业知识多样性、知识网络中心性和知识网络结构洞分别对合作双方技术距离与焦点企业知识获取之间关系的调节作用。具体见式（4）、（5）、（6）。

KA=α0+α1KD+α2KD×TD+α3KD×TD2+α4TD+α

5TD2+α6DC+α7SH+α8Control+ε

（4）

KA=α0+α1DC+α2DC×TD+α3DC×TD2+α4TD+α

5TD2+α6KD+α7SH+α8Control+ε

（5）

KA=α0+α1SH+α2SH×TD+α3SH×TD2+α4TD+α

5TD2+α6KD+α7DC+α8Control+ε

（6）

其中：KA为知识获取；TD和TD2分别为技术距离和技术距离的平方；KD为知识多样性；DC为知识网络中心性；SH为知识网络结构洞；Control为控制变量的集合；ε为随机误差项。

3 实证分析

3.1 描述性统计与相关性分析

表1为各变量的均值、标准差和相关系数。为进一步检验变量间的多重共线性问题，计算了方差膨胀系数（VIF），结果表明，其最高取值为2.54，远小于10，故不存在多重共线性问题。

3.2 回归分析

本文的被解释变量为焦点企业对合作伙伴专利的引用频率，是非负计数数据，故泊松回归模型与负二项回归模型为理想的分析模型。泊松回归模型使用的前提是均值与标准差相等，由表1可以看出，知识获取的标准差大于其均值，呈超离散分布，符合负二项分布。因此，运用STATA 15.1软件选择负二项回归模型进行实证分析，结果见表2。其中，模型1是基础模型，即控制变量对焦点企业知识获取的影响，对应式（2）；模型2在模型1的基础上加入了技术距离及其平方项，验证技术距离与知识获取的关系，对应式（3）；模型3、模型4和模型5是分别加入调节变量（知识多样性、知识网络中心性和知识网络结构洞）、调节变量与自变量的交互项以及调节变量與自变量平方的交互项后的回归模型，对应式（4）、（5）、（6）。

由表2中的模型2可知，合作双方技术距离与焦点企业知识获取呈显著负相关关系，而技术距离的平方项与焦点企业知识获取呈显著正相关关系，由此可以推断，合作双方技术距离与焦点企业知识获取之间存在正U型关系。然而，回归二次项系数显著并不是确保U型关系存在的充分条件，借鉴LIND等[26]对U型关系的检验方法，采用STATA 15.1的“Utest”命令进一步检测曲线效应。具体见式（7）。

Y=β0+β1X+β2X2

（7）

其中：Y为被解释变量焦点企业知识获取；X为解释变量技术距离。对于正U型的检测分为3部分：①β2为正且显著；②自变量取最小值和最大值时的曲线斜率符号相反且显著；③曲线拐点位于样本取值范围内。表3为U型曲线的估计结果。由表3可知，β2值为4.281且在5%水平上显著；在XL处的斜率为-3.431且在1%水平上显著，在XH处的斜率为5.087且在5%水平上显著；曲线拐点值为0.406，落在［0.005，1］的取值范围内。因此，假设1得到验证。

为检验焦点企业知识多样性、知识网络中心性和知识网络结构洞对U型关系的调节作用，采用HAANS等[27]提出的检验过程。具体见式（8）。

Y=β0+β1X+β2X2+β3XZ+β4X2Z+β5Z

（8）

其中：Y为被解释变量焦点企业知识获取；X为解释变量技术距离；Z为调节变量。调节正U型关系应该满足两个条件：①曲线两侧明显变得平缓或者陡峭。当β4显著为正时，曲线会变得更为陡峭；当β4显著为负时，曲线会变得更为平缓。②曲线拐点向左或向右移动。当β1β4-β2β3<0时，拐点向左移动；当β1β4-β2β3>0时，拐点向右移动。表2中模型3验证了焦点企业知识多样性的调节作用，技术距离平方项的系数为正且显著（β=5.435，p<0.01），知识多样性与技术距离平方的交互项系数为正且在10%的水平上显著（β=0.176，p<0.1），且随着知识多样性的增加拐点向左移动（β1β4-β2β3=-0.45<0），满足上述两个条件，因此，假设2得到验证。模型4验证焦点企业知识网络中心性的调节作用，技术距离平方项的系数为正且显著（β=6.364，p<0.05），知识网络中心性与技术距离平方的交互项系数为正且在10%水平上显著（β=0.014，p<0.1），且随着知识网络中心性的增加拐点向左移动（β1β4-β2β3=-0.03<0），满足上述2个条件，因此，假设3得到验证。模型5验证焦点企业知识网络结构洞的调节作用，技术距离平方项的系数不显著，且知识网络结构洞与技术距离平方的交互项系数也不显著，因此，假设4没有通过验证。

图2和图3为变量调节效应图。知识多样性强化了技术距离与知识获取的正U型关系，如图2中所展现的高知识多样性曲线斜率大于低知识多样性曲线斜率。同时可以发现，当技术距离较小时，焦点企业低知识多样性更有利于知识获取；当技术距离较大时，焦点企业高知识多样性更有利于知识获取。知识网络中心性强化了技术距离与知识获取的正U型关系，如图3中所展现的高知识网络中心性曲线斜率大于低知识网络中心性曲线斜率。同时可以发现，当技术距离较小时，焦点企业低知识网络中心性更有利于知识获取；当技术距离较大时，焦点企业高知识网络中心性更有利于知识获取。

3.3 稳健性检验

为了进一步确定模型检验结果，采用焦点企业t至t+4年的专利引用频率来衡量知识获取情况。同样，选择负二项回归模型进行分析，结果见表4。模型6-10分别对应式（2）-（6）。由表4可得，稳健性检验结果与上述实证结果保持一致。

4 结论与展望

4.1 结论

第一，合作双方技术距离与焦点企业知识获取具有正U型关系。当技术距离较小或较大时，焦点企业知识获取效果更佳；而当技术距离中等时，焦点企业知识获取程度较低。具体来说，可能是技术距离较小激发了焦点企业主要通过利用式学习进行知识获取，而技术距离较大激发了焦点企业以探索式学习方式为主进行知识获取。第二，焦点企业知识多样性强化了技术距离与焦点企业知识获取的正U型关系。当技术距离较小时，焦点企业知识多样性程度较低更有利于其知识获取；而当技术距离较大时，焦点企业知识多样性程度较高更有利于其知识获取。第三，焦点企业知识网络中心性强化了技术距离与焦点企业知识获取的正U型关系。当技术距离较小时，焦点企业知识网络中心性程度较低更有利于其知识获取；而当技术距离较大时，焦点企业知识网络中心性程度较高更有利于其知识获取。第四，焦点企业知识网络结构洞对技术距离与焦点企业知识获取之间关系的调节作用并不显著。

4.2 研究启示

4.2.1 理论贡献

首先，已有研究关于合作双方技术距离与焦点企业知识获取关系的结论并不一致，存在促进、抑制和倒U型等结论，研究发现二者为正U型关系，是由合作双方技术距离较小而激发的焦点企业利用式学习与技术距离较大而激发的焦点企业探索式学习两种效应叠加产生。其次，以往关于学习和创新影响因素的研究，主要集中于企业内部知识网络，然而企业外部知识获取还会受到其知识基础在整个行业知识网络中状况的影响。因此，本研究同时考察了企业知识存量特征（知识多样性）和知识网络嵌入特征（知识网络中心性和知识网络结构洞）对合作双方技术距离与焦点企业知识获取间关系的调节作用，整合了以往关于企业知识获取影响因素的研究。

4.2.2 管理启示

第一，为更好地开展企业外部学习活动，管理者在选择合作伙伴时需要认真考虑企业与合作伙伴之间的技术差异性。一方面，企业可以专注于已有的技术领域，选择契合自身技术特点、匹配度较高且拥有相似知识基础的合作伙伴进行合作，以聚焦和深化现有技术领域为主，充分挖掘新的知识组合方式，巩固现有市场；另一方面，企业可以进行跨界搜索，与拥有异质性知识或与从事不同技术领域的合作伙伴开展研发合作，比如加强与具备不同技术专长的高校和研究所的合作和交流，适当挖掘较广范围的技术和信息，以实现重大技术突破，开辟新产品新市场。第二，企业的知识获取程度不仅取决于企业与合作伙伴之间的技术距离，同时依赖于企業自身的知识基础特征。为了更好地提高学习效果，建议管理者将企业自身知识基础存量特征和知识网络嵌入特征分别与合作双方技术距离结合起来制定有针对性的管理决策。一方面，当企业知识多样性程度较低时，可以选择与知识同质性程度较高的组织合作以提高知识利用率；而当企业知识多样性程度较高时，可以选择与知识异质性程度较高的组织合作来提高学习效果。另一方面，当企业拥有行业知识网络中多数非核心位置的知识元素时，可以选择与技术距离较近的组织合作，进而增强专业化技术；当企业拥有行业知识网络中多数核心位置的知识元素时，可以积极地同技术距离较远的组织合作，以最大程度利用异质性知识资源带来的益处。

4.2.3 研究局限与展望

第一，研究仅以纳米能源技术领域的组织为研究对象，由于受到行业和组织类型的限制，研究结论的普适性有待进一步探讨。未来研究可以进一步拓展数据范围，利用其他行业样本数据对提出的理论模型进行验证。第二，利用联合申请专利信息来确定企业的合作创新活动，除了联合申请专利外，还有研发联盟、并购和成立合资企业等形式，未来研究可以使用不同类型的合作创新数据检验合作双方技术距离与焦点企业知识获取之间的关系。

参考文献：

[1] 刘凤朝，罗蕾，张淑慧.知识属性、知识关系与研发合作企业创新绩效[J].科研管理，2021，42（11）：155-163.

[2]NOOTEBOOM B，VANHAVERBEKE W，DUYSTERS G，et al.Optimal cognitive distance and absorptive capacity[J].Research Policy，2007，36（07）：1016-1034.

[3]杨博旭，王玉荣，李兴光.多维邻近与合作创新[J].科学学研究，2019，37（01）：154-164.

[4]SUBRAMANIAN A M，BO W，KAH-HIN C.The role of knowledge base homogeneity in learning from strategic alliances[J].Research Policy，2018，47（01）：158-168.

[5]CHIANG Y H，HUNG K P.Exploring open search strategies and perceived innovation performance from the perspective of inter-organizational knowledge flows[J].R&D Management，2010，40（03）：292-299.

[6]潘清泉，唐劉钊.技术关联调节下的企业知识基础与技术创新绩效的关系研究[J].管理学报，2015，12（12）：1788-1796.

[7]WANG C，RODAN S，FRUIN M，et al.Knowledge networks，collaboration networks，and exploratory innovation[J].Academy of Management Journal，2014，57（02）：484-514.

[8]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（03）：201-213.

[9]厉娜，林润辉，谢在阳.多重网络嵌入下企业探索式创新影响机制研究[J].科学学研究，2020，38（01）：169-179.

[10]YAYAVARAM S，SRIVASTAVA M K，SARKAR M B.Role of search for domain knowledge and architectural knowledge in alliance partner selection[J].Strategic Management Journal，2018，39（08）：2277-2302.

[11]易靖韬，蒙双，蔡菲莹.外部R&D、技术距离、市场距离与企业创新绩效[J].中国软科学，2017（04）：141-151.

[12]MARCH J G.Exploration and exploitation in organizational learning[J].Organization Science，1991，2（01）：71-87.

[13]LEE Y J，SHIN K，KIM E.The influence of a firms capability and dyadic relationship of the knowledge base on ambidextrous innovation in biopharmaceutical M&As[J].Sustainability，2019，11（18）：4920.

[14]王宛秋，马红君.技术邻近性、研发投入与技术并购创新绩效——基于企业生命周期的视角[J].管理评论，2020，32（06）：104-113.

[15]李健，余悦.合作网络结构洞、知识网络凝聚性与探索式创新绩效：基于我国汽车产业的实证研究[J].南开管理评论，2018，21（06）：121-130.

[16]王嘉杰，孙建军，石静，等.技术人员流动视角下的知识转移影响因素分析——技术距离与技术多元化的作用[J].信息资源管理学报，2021，11（05）：114-123.

[17]赵炎，叶舟，韩笑.创新网络技术多元化、知识基础与企业创新绩效[J/OL].科学学研究：1-23[2023-03-10].

[18]欧阳雪.双层知识网络结构洞对企业二元式创新绩效的影响研究[D].长沙：湖南大学，2018.

[19]BRENNECKE J，RANK O.The firms knowledge network and the transfer of advice among corporate inventors：A multilevel network study[J].Research Policy，2017，46（04）：768-783.

[20]GUAN J，LIU N.Exploitative and exploratory innovations in knowledge network and collaboration network：A patent analysis in the technological field of nano-energy[J].Research Policy，2016，45（01）：97-112.

[21]姚艳虹，龚榆.双层网络嵌入下结构洞对企业二元创新的影响[J].科技进步与对策，2022，39（01）：99-109.

[22]刘凤朝，张娜，孙玉涛，等.基于优先连接的納米技术合作网络演化研究[J].管理评论，2016，28（02）：74-83.

[23]KOK H，FAEMS D，DE FARIA P.Ties that matter：The impact of alliance partner knowledge recombination novelty on knowledge utilization in R&D alliances[J].Research Policy，2020，49（07）：104011.

[24]JAFFE A B，DE RASSENFOSSE G.Patent citation data in social science research：Overview and best practices[J].Journal of the Association for Information Science and Technology，2017，68（06）：1360-1374.

[25]JAFFE A B.Technological opportunity and spillovers of R&D：Evidence from firms patents，profits，and market value[J].The American Economic Review，1986，76（05）：984-1001.

[26]LIND J T，MEHLUM H.With or without U？The appropriate test for a U-shaped relationship[J].Oxford Bulletin of Economics & Statistics，2010，72（01）：109-118.

[27]HAANS R F J，PIETERS C，HE Z L.Thinking about U：Theorizing and testing U-and inverted U-shaped relationships in strategy research[J].Strategic Management Journal，2016，37（07）：1177-1195.

（责任编辑：严焱）