合作网络结构嵌入对探索式创新绩效的影响研究：基于知识组合能力视角

肖久灵 赵亚宁

摘 要：探索式创新作为一种突破现有技术、激进的创新活动一直受到企业高度关注。企业因合作关系嵌入在合作网络中，企业知识元素之间的组合情况影响着其未来创新潜力。基于新能源汽车行业的专利申请数据，构建行业创新合作网络和知识网络，选取网络中的新能源汽车行业相关企业作为研究样本，与企业探索式创新绩效进行匹配，采用负二项回归模型对合作网络结构嵌入对探索式创新绩效的影响进行实证检验，随后加入企业外部知识搜索作为中介变量，企业知识组合能力作为调节变量，构建一个有调节的中介效应概念模型，并对模型整体进行检验。研究结果发现：合作网络结构嵌入正向促进企业探索式创新绩效的提升；合作网络结构嵌入通过企业外部知识搜索提升企业探索式创新绩效，外部知识搜索在合作网络结构嵌入与探索式创新绩效之间起完全中介作用；企业知识组合能力对合作网络结构嵌入与外部知识搜索之间的关系没有调节作用；企业知识组合能力在外部知识搜索对探索式创新绩效的影响中起到正向调节作用。研究结论丰富了创新网络领域的研究，为企业利用网络资源进行网络位置管理，以实现自身创新战略目标提供了理论指导。

关键词：网络结构嵌入；知识网络；外部知识搜索；知识组合能力；探索式创新

中图分类号：F424    文献标志码：A     文章编号：1671-0037（2024）1-22-15

DOI：10.19345/j.cxkj.1671-0037.2024.1.3

0 引言

习近平总书记指出，要发挥企业出题者作用，推进重点项目协同和研发活动一体化，加快构建龙头企业牵头、高校院所支撑、各创新主体相互协同的创新联合体。当前，在高度复杂、动态且不确定的环境下，企业、科研机构、高校等创新主体需要以自身独特的创新实践方式在全球范围内进行创新活动[1]。因此，各个创新主体协同创新形成的创新合作网络成为当前研究的重要议题。只有各个创新主体之间资源共享、合作共创，才能实现高效的协同创新。而探索式创新对企业的生存和发展发挥着至关重要的作用，如何实现探索式创新是企业需要不断思考并解决的问题。资源基础观（RBV）认为，企业的核心竞争优势源于自身所拥有的核心资源和能力[2]。越来越多的创新主体聚焦自身专业领域展开研究，拥有丰富的研究经验和技术基础，以及强大的行业竞争力。对于目前的产业技术而言，技术愈加复杂促使企业跨越自身边界，通过与外部创新主体的通力合作，从不同专业或跨领域的合作伙伴处獲取自身不具备的技术知识[3]，可以降低创新活动的成本和创新的难度，甚至减少创新失败的损失。因此，越来越多的企业选择合作模式来开展创新活动。新能源汽车产业作为我国战略性新兴产业，在很大程度上缓解了能源和环境压力，同时也成为我国未来经济增长支柱产业之一，增强了我国汽车和能源行业的国际竞争力[4]。由于该产业技术升级更迭较快，各项技术的成熟度存在较大差异，行业内创新活动大多采用合作创新的方式进行，其创新主体包括企业、高校和科研机构等。创新主体间的合作创新活动构成了新能源汽车行业的创新合作网络。随着技术创新发展和时间推移，合作网络也发生着动态变化。

网络嵌入理论认为，个体的经济行为嵌入特定的社会网络中，其行为和绩效会受到该网络特征的影响。新能源汽车行业中的创新主体因联合创新而嵌入在合作网络中的同时，也处于由知识元素之间的共现关系形成的知识网络中[5]。如图1所示，企业之间的连接关系形成合作网络，知识元素之间的连接关系形成知识网络；企业一方面嵌入在合作网络中，受到合作网络的影响，另一方面也因其所拥有的知识元素而受到知识网络的影响。

双元组织理论认为，组织的学习和创新方式主要分为利用式和探索式两种[6]。其中，利用式创新是指企业在已经拥有的技术轨道上进行学习和创新，目的是对已有的技术市场和客户群体进行维护；而探索式创新是指企业突破原有的技术轨迹，寻求新的技术轨迹，拓展新的技术领域，获得新的客户群体的活动。此外，企业知识理论认为，知识元素是企业长期发展的重要元素。企业所拥有的知识基础对创新活动具有重要作用。企业在熟悉的技术轨道上进行技术升级时，需要把知识元素进行重新组合，以达到技术升级的目的，最终实现企业的战略目标；除此之外，企业进行突破现有技术轨道的创新活动时，也需要以自身知识为基础，同时结合外界新颖的技术知识，实现内外部知识的融合，最终实现在新的技术轨道上的技术突破，帮助企业开拓新的技术领域，获得更多的目标客户。企业、高校等创新主体需要重视知识的评估、学习与利用等过程，发挥所拥有的技术知识的创新潜力，实现战略目标，从而保证自身长期稳定地发展。

在合作网络中占据有利的网络位置，为创新主体从外界学习知识创造了条件。创新主体通过外部知识搜索进行探索式学习，为创新活动引入动力。创新主体通过嵌入知识网络，对自身拥有的知识基础特征有了更加正确的认知，并重点关注其中具有较大知识重组潜力的知识元素，进而将外部学习到的异质知识与已有的知识进行重组，实现探索式创新。已有学者多从合作网络嵌入视角探究知识网络嵌入对探索式创新绩效的影响，但对于创新主体内部知识和外部学习知识之间结合的研究还存在一定空缺；部分研究也认识到了创新主体知识元素特征会对创新活动产生影响[7-8]，但对其内在作用机制的探究还不够深入。

综上，虽然已有文献针对创新网络对探索式创新绩效的影响进行了研究，但仍然存在以下可扩展的空间：从知识组合能力视角出发，评价创新主体自身的知识组合能力；合作网络结构嵌入与探索式创新绩效间的微观作用机制研究还存在不足。基于此，本文选择新能源汽车行业专利数据作为研究对象，构建整体合作网络和知识网络，分析合作网络结构嵌入对探索式创新绩效的影响，以及知识组合能力在其中的调节作用，既丰富了创新活动影响因素的相关研究，又为创新主体开展创新活动提供了一定的理论指导，帮助创新主体部署创新发展战略，推动创新主体的长远发展。

1 理论基础与研究假设

1.1 合作网络结构嵌入与探索式创新绩效

网络嵌入由Granovetter[9]（1985）提出，分为结构嵌入和关系嵌入两类。Granovetter认为，网络成员的行为会受到整体网络结构以及网络中其他主体活动的影响；网络中参与者之间的合作创新活动，形成行业整体网络的结构特征。随后，网络嵌入理论迅速得到管理学领域学者的关注，并指出，在网络中占据不同位置的主体会获得不同数量、不同性质的资源。创新网络的演化以及创新网络嵌入对企业发展影响的研究被广泛开展。作为网络嵌入的重要组成部分，网络结构嵌入对企业创新活动的影响越来越受到学者重视，尤其是其对探索式创新活动的影响。目前，关于网络结构嵌入的研究方向和研究结论并不统一。作为衡量结构嵌入的指标之一，结构洞通过降低合作成本获取整合资源，提高创新主体的创新绩效[10]。占据结构洞的创新主体能够更快速地对市场环境变化做出反应，对市场发展方向有更全面的认识，因此可以有针对性地开展创新活动[11]。同时，结构洞会给创新主体带来控制优势。作为网络中的“第三方”，占据结构洞的创新主体因其关键地位而获得对网络中资源和信息流动的控制能力，从而促进自身的创新活动[12]。但是，过度的结构嵌入也会给创新主体带来不利影响。随着网络密度的增加，合作关系越来越多，其对探索式创新的边际回报逐渐降低；同时使得知识搜索和探索成本增加，最终抑制创新主体的创新活动。

结构嵌入是创新主体在其所处网络中位置特征的体现，网络中不同位置会有不同的地位和优势[13]。合作网络结构嵌入通过以下两个方面影响创新主体的探索式创新绩效。一方面，结构嵌入可以帮助创新主体获得丰富的异质知识。在如今知识密集的商业环境中，创新主体需要积极地与外部创新主体联系并获取异质知识，以便将自身技术优势与其他技术结合起来，促进双方的创新产出[14]，进而实现自身目标。创新主体会因为处于网络中的核心位置而获得大量和多样性的技术知识与信息，并将多样性的知识和技术进行重新组合，实现探索式创新[15]。另一方面，结构嵌入可以帮助创新主体获得资源控制能力。创新主体也会因为其处在网络中的关键位置而获得更大的控制外部创新的能力。网络嵌入对于创新主体进行组织间学习是有益的。具体而言，创新主体可以从获取信息、权力和群体认同等方面获益[16]。创新主体可以充分利用其资源控制能力，结合自身所拥有的技术知识，与外部创新主体合作开展创新活动，实现探索式创新[17]。综上所述，创新主体合作網络结构嵌入正向影响其探索式创新绩效。因此，本文提出如下假设：

H1：创新主体合作网络结构嵌入对探索式创新绩效有正向影响。

1.2 外部知识搜索与探索式创新绩效

双元组织理论起源于Duncan[18]（1976）提出的“双元性组织”；后来，March[6]（1991）提出了组织双元学习理论，将组织学习行为分为探索式学习和利用式学习两类。Benner和Tushman[19]（2003）将双元的思想引入创新领域，提出了双元创新的概念。其中，探索式创新是企业在新的轨道上进行技术升级，拓展新的技术市场和新的顾客群体的创新活动，对企业长远发展十分重要；探索式创新一旦成功，会给企业带来可观的创新回报和较大的竞争优势。创新主体的学习有两种方式——探索式学习和利用式学习。创新主体需要在这两种活动之间合理分配资源。Katila和Ahuja[20]（2002）提出，知识搜索有两个维度，即知识搜索广度和知识搜索深度，并认为知识搜索广度和深度对企业新产品的研发具有倒U形影响。基于探索式创新对新颖、异质知识的需求，创新主体的生存发展取决于其适应环境变化的能力[21]。在如今的开放式创新环境下，创新主体要想实现探索式创新，就需要培养从外部获取异质技术知识的能力。外部知识搜索可以帮助创新主体打开视野，从自身的技术领域藩篱中跃迁出来，接触到更具多样性和异质性的技术知识，并结合自身已有知识，获得新的思路和创新方向。

创新主体的外部知识搜索分为市场知识搜索和技术知识搜索两类。其中，技术知识搜索是指跨越组织边界，搜索与产品工艺相关的技术知识，从而助力企业创新活动。外部知识搜索帮助创新主体充分利用外部异质技术知识，促进创新资源的整合和不同技术领域的协同发展，从而提高创新主体的创新能力和协同能力。外部知识搜索还有助于创新主体突破现有思维约束，实现探索式创新。综上，创新主体的外部知识搜索水平可反映其对外部异质化信息和知识的获取能力。外部知识搜索水平越高，创新主体可以获得越多的新颖技术知识，从而促进其探索式创新。因此，本文提出如下假设：

H2：创新主体外部知识搜索对探索式创新绩效有正向影响。

1.3 外部知识搜索的中介效应

合作网络结构嵌入反映了创新主体在合作网络中所处的位置。而创新主体是否处于网络的核心位置直接影响其获取网络中技术知识的能力大小。处于网络集群中的创新主体更加倾向于采用知识战略来实现自身战略目标[22]。这也反映出在网络中处于核心位置的创新主体可以更方便快捷地进行外部知识的搜索和使用。新的创新范式表明，创新主体采用开放搜索策略，从外界联系其他主体获得新的技术知识基础，可帮助其实现和维持创新[23]。网络中的核心位置可以为创新主体带来更大范围的知识搜索，从而获得创新所需要的技术知识，提高了探索式创新成功的可能性[24]。Kim和Park[25]（2010）发现，创新主体在研发联盟网络中的核心位置增强了自身的知识基础，加深了对科学技术知识的理解，为创新提供了所需要的前提条件。通过接触不同的研发伙伴，创新主体可以获得多样和新颖的外部知识[26]，从而帮助其实现探索式创新。综上所述，创新主体合作网络结构嵌入通过提升其外部知识搜索水平，提高探索式创新绩效，即创新主体外部知识搜索在合作网络结构嵌入对探索式创新绩效的影响中起中介作用。因此，本文提出如下假设：

H3：创新主体外部知识搜索在合作网络结构嵌入与探索式创新绩效之间发挥中介作用。

1.4 知识组合能力在外部知识搜索与探索式创新绩效之间的调节作用

创新主体一方面嵌入在合作网络中，另一方面也处于知识网络中。但是，创新主体在合作网络中的嵌入情况与其所处在知识网络中的情况有所不同，需要将两者分开，分别研究其对企业创新绩效的影响[27]。知识基础观认为，拥有高价值知识的企业往往在行业中具有较大的话语权和竞争力，企业的知识基础决定着企业的生存和发展。Grant和Baden-fuller[28]（1995）认为，要从整体的视角来看待企业的知识基础；企业所拥有的知识元素之间的组合会产生新的知识元素；企业作为知识的载体，其目标是最大化利用企业内外部的知识基础以实现战略规划。企业跨越组织边界进行外部学习可以获得新颖的异质知识，并将其与企业自身熟悉的技术知识进行组合，有利于企业脱离目前的技术轨道，从而实现探索式创新。因此，创新主体首先要了解自身知识基础的结构特征，然后再进行有效的外部知识搜索，这样才更有利于企业开展探索式创新活动。Grigoriou和Rothaermel[29]（2016）通过知识网络的加权聚集系数和平均路径长度来反映企业内部知识组合潜力。高聚集系数和平均路径长度代表企业内部知识具有较高的组合潜力，使得外部知识搜索对企业新知识产生的边际贡献降低。

知识组合能力体现为创新主体整合自身知识基础，吸收从外界创新主体搜索到的新颖异质知识，并将自身知识与新知識进行重新组合的能力。知识组合能力可以使创新主体在进行外部知识搜索时，更有针对性地搜索到所需要的技术知识，从而促进自身知识基础与外界知识的结合，进而提高创新实现的可能性。此外，知识组合能力较强的创新主体可以在网络中选择自身所需要的合作伙伴，通过合作创新活动，吸收合作伙伴的知识元素，从而形成对自身知识的新理解，实现自身知识与学习到的新知识的融合重组，促进探索式创新。因此，本文提出如下假设：

H4：创新主体知识组合能力在外部知识搜索与探索式创新绩效之间起正向调节作用。

基于对网络结构嵌入、外部知识搜索、知识组合能力和探索式创新绩效的理论研究，建立理论概念模型，如图2所示。

2 研究设计

2.1 样本选取

本研究选取中国新能源汽车行业的创新数据来验证上述假设。选择新能源汽车行业的原因在于：该行业的技术特点较为特殊，多个技术领域的知识交互形成了该领域的创新产出[30]；新能源汽车行业需要多个领域的创新主体合作研发，才能更好地实现关键技术突破，因此其数据更加适用于合作关系与创新产出的研究。鉴于专利数据可以衡量企业创新活动产出[31]，本文从incoPat专利数据库中检索提取各创新主体在中国申请的新能源汽车行业的专利数据来进行研究。

2.2 数据搜索与处理

本研究通过关键词检索新能源汽车行业的专利数据[32]，并对专利数据进行清洗和处理。检索式为：TIAB=（"hybrid electric vehicle*"OR"electric vehicle*"OR"plug-in electric vehicle*"OR "fuel vehicle*"OR"new energy vehicles*"OR"new energy automobile*"）。最终得到2004—2022年间的发明和实用新型专利数据共103 511条。考虑到2015年之前新能源汽车行业网络整体结构比较稀疏，网络嵌入情况不够明显，联合申请专利数量较少，创新合作网络构建较为困难，而2016年之后网络中节点数量显著增加，联合申请专利数量不断增加，网络整体结构较为紧密，创新主体网络嵌入情况较为明显，因此本研究采用2016—2022年的联合申请专利数据进行网络构建和实证研究。首先，从初始专利数据中剔除独立申请的专利。其次，将清洗后的合作专利数据以3年为一个窗口期进行整理合并，获得每个窗口期内的联合申请专利数据。最后，将联合申请专利权人信息导入Ucinet-DL编辑器，生成每个时间窗口期内的合作创新网络。为保证研究的准确性，须排除网络边缘的一些个体和小群体，即使用Pajek剔除网络外围没有与整体网络连接的个体。选择每个时间窗口内最大组件中的创新主体作为研究样本，得到观测值424个；通过Ucinet计算网络相关指标参数，最终对相关变量进行测量。由于创新主体申请的发明专利或实用新型专利一般会涉及多个技术领域，因而专利数据中IPC分类号不止一个。Guan和Liu[32]（2016）指出，专利中前4位国际专利分类号能够清晰地反映出专利技术具体所属的技术领域。因此，提取每条专利所涉及的IPC分类号，取其前4位作为独立知识元素的标签；如果一条专利中同时出现不同的知识元素（IPC分类号前4位），则构成知识网络中这两个知识元素的边。对每个时间窗口期内专利数据的知识元素共现信息进行提取，通过Ucinet软件构建每个时间窗口期内的知识网络；随后用Pajek和Ucinet计算网络相关的参数，进而对相关变量进行测算。

2.3 变量测量

2.3.1 因变量：探索式创新绩效（Exploitative Innovation，EI）

本文通过专利数据来衡量创新主体探索式创新绩效，将创新主体当年申请的专利与之前窗口期内申请的专利进行比较。如果当年申请的专利中包含新的知识元素，则界定该专利为探索式创新；该创新主体当年探索式创新绩效为该创新主体当年申请专利中拥有新的知识元素的专利总数。除此之外，探索式创新绩效还可以通过专利引文信息来衡量［33］，在后文稳健性检验中将会使用到这种方法。考虑到创新主体从网络中获取资源，进行资源整合后再产出成果，这个过程需要一定时间，因此，本文采用滞后一期的专利数据来衡量当期的探索式创新绩效。

[EI=i=1nqi] （1）

式（1）中，qi为创新主体当年第i个申请专利，当其为探索式创新时为1，否则为0。

2.3.2 自变量：合作网络结构嵌入（Structural Embeddedness，SE）

本研究采用创新主体在合作网络中占据的结构洞数量来衡量创新主体的网络结构嵌入水平[34]。学界对于结构洞数量的衡量有4种指标，分别为有效规模、效率、限制度（Constraint）、等级度。其中，限制度是学界衡量结构洞数量的重要指标[35]。因此，本研究采用限制度来衡量结构洞数量。计算公式为：

[Constraint=Pij+∑PiqPjq，q≠i，j] （2）

式（2）中：[Pij]为从节点i到节点j的直接联系数量，[∑PiqPjq]为所有节点q从i到j的间接联系强度之和[35]。

限制度（Constraint）可以通过Ucinet软件直接计算得出，其范围在0～1之间，且与网络优势地位呈负相关。有研究采用1和限制度的差额[36]来衡量结构洞数量，也有研究采用2和限制度的差额来衡量结构洞数量。本文采用2和限制度的差额来衡量结构洞数量，计算公式为：

[Structure_Hole=2-Constraint] （3）

2.3.3 中介变量：外部知识搜索（Knowledge Search，KS）

创新主体通过外部知识搜索来实现其创新战略和目标[23]。本文利用创新主体申请专利的他引专利信息来衡量创新主体的外部知识搜索水平[37]。KS为创新主体在当前时间窗口内申请专利的他引专利数量。

2.3.4 调节变量：知识组合能力（Knowledge Combination Ability，KCA）

知识组合能力采用知识元素在知识网络中的节点集聚系数（Clustering Coefficients，CC）的倒数来衡量。知识元素的节点集聚系数以及知识组合能力计算公式为：

[CCi=2kinn-1] （4）

[KCAi=1CCi=nn-12ki] （5）

式（4）—（5）中：[ki]为与知识元素i直接相连的知识元素之间直接联系的边的数量；n为与节点i直接相连节点的个数。

集聚系数可通过Pajek计算得出，其代表着与顶点知识元素直接相连的其他节点知识元素之间的联系情况。集聚系数越大，表明顶点知识元素和与其直接相连的知识元素间的联系越紧密，知识元素之间已经建立了联系，形成了知识组合记忆，使得知识元素与新知识相结合的概率降低，则创新主体的知识组合能力较低。集聚系数越小，说明顶点知识元素和与其直接相连的其他知识元素之间的联系越稀疏，知识元素重新组合的概率越高，则创新主体的知识组合能力越大。然后，剔除集聚系数缺失的知识元素。创新主体的知识组合能力通过创新主体所拥有的知识基础来反映，即创新主体的知识组合能力是其拥有的知识元素组合的算术平均值[28]。

2.3.5 控制变量

为了保证研究结果的可靠性，本文对年度和知识网络整体网络密度进行控制。不同年份的环境和政策存在差异，会直接影响创新主体的创新活动。为了避免不同年份对创新主体的创新活动产生影响[38]，本研究对创新主体在创新网络中的年份进行控制，对年份取虚拟值进行数据处理。有研究表明，创新主体的知识网络密度（Knowledge Net Density，KND）会对创新主体的创新产生影响[39]。因此，本研究对创新主体所嵌入的知识网络的整体网络密度进行控制。知识网络密度的计算公式为：

[KND=2lnn-1] （6）

式（6）中：l代表知識网络中知识元素之间实际存在的联系数量；n表示知识网络中节点的个数。

2.4 模型构建

根据本文所构建的概念模型，参考温忠麟等[40]（2006）关于有中介的调节变量和有调节的中介变量的研究，使用Stata 17软件对模型进行负二项回归，以检验上述假设。首先，检验自变量SE对因变量EI的影响是否显著；其次，检验自变量SE对中介变量KS的影响是否显著；最后，检验调节变量KCA对于中介变量KS对因变量EI影响的调节效应是否显著。因此，建立主效应回归模型，验证创新合作网络结构嵌入对创新主体探索式创新绩效的直接作用。

[EI=α0+α1SE] （7）

[EI=β0+β1SE+β2YEAR+β3KND] （8）

然后构建模型（9），检验外部知识搜索对探索式创新绩效的影响。

[EI=β0+β1KS+β2YEAR+β3KND] （9）

随后，为了检验外部知识搜索在创新合作网络结构嵌入和探索式创新绩效之间起到的中介作用，在模型（8）的基础上构建模型（10）—（11）。

[KS=γ0+γ1SE+γ2YEAR+γ3KND] （10）

[EI=η0+η1SE+η2KS+η3YEAR+η4KND] （11）

最后，为了检验知识组合能力在外部知识搜索与探索式创新绩效之间的调节作用，在模型（10）—（11）的基础上，加入知识组合能力和知识组合能力与外部知识搜索的交互项，得到模型（12）—（13）。

[KS=θ0+θ1SE+θ2KS+θ3KCA+θ4KCA*           SE+θ5YEAR+θ6KND] （12）

[EI=ζ0+ζ1SE+ζ2KS+ζ3KCA+ζ4KCA*KS+ζ5YEAR+ζ6KND] （13）

其中，为了消除交互项与主效应间可能存在的多重共线性问题，在检验调节效应前对中介变量和调节变量均做了中心化处理。

3 实证分析

3.1 专利数据分析

根据2004—2022年专利样本绘制了新能源汽车行业专利柱状图，如图3所示。从图中可以看出：在2004—2015年间，该行业的专利申请数量缓慢增加，行业发展处于起步阶段，为萌芽期；2016—2020年间，专利申请数量快速增加，更多创新主体参与进来，多个行业领域的技术知识交融组合，为涌现期；2021—2022年间，行业发展处于稳定期。此外，2004—2018年间，发明专利和实用新型专利的申请数量大体都在不断增加；2019—2022年间，发明专利申请数量波动下降，而实用新型专利申请数量呈增加趋势，2019年实用新型专利申请数量首次高于发明专利申请数量，并在2020年达到峰值。新能源汽车行业发展进入稳定期时，其产出发明专利相对比较困难，但对于实用新型专利仍然具有创新空间。因此，在发明专利申请数量开始下滑的时候，实用新型专利申请数量仍然保持上升趋势，然后达到峰值。

图4的专利技术构成热图展现了每年新能源汽车行业专利知识元素的分布情况。在热图中，每一列代表一个年份，每一行代表IPC分类号中的大类，包含B、H、G、F、E、A、C、D等8个大类；每年每个部分的专利数量用不同颜色表示，颜色越深表明该大类所拥有的专利数量越多。从图4中可以看出，新能源汽车行业的专利涵盖了8个大类，覆盖范围十分广泛，说明该行业需要多个领域的知识技术融合来推动发展。

为了更加直观地反映行业合作网络的特征，基于前文对该行业发展阶段的划分，构建2004—2015年、2016—2020年、2021—2022年等3个时间窗口期的合作网络，并计算相关指标来观察网络拓扑结构的变化。使用Vosviewer软件绘制3个阶段的整体网络图。从整体网络图来看：在萌芽期，网络中参与主体较少，网络整体的连通性不强、密度较低；在涌现期，网络中节点数量变多，网络中形成了较大的子群，网络的连通性变强；在稳定期，整体网络的规模变大，节点数量也明显增多，节点之间的连线数量也更多，网络更加密集，说明越来越多的创新主体加入新能源汽车行业的创新合作中来，网络主体间的合作交流越来越频繁。2004—2015年网络中子群数量为45个。2016—2020年网络中子群数量为66个，子群数量有了增加，说明新能源汽车行业专利合作网络已经逐渐成熟。2021—2022年网络中子群数量为39个，网络连通性较强，网络结构逐渐变得稳定。

根据不同阶段时间窗口内专利数据的IPC分类号，构建各个发展阶段的知识网络，同样使用Vosviewer可视化软件将知识网络进行可视化处理。从中可以看出，知识元素之间的联系逐渐紧密，网络密度在不断变大。萌芽期知识网络整体网络密度为0.025。涌现期知识网络整体网络密度为0.039，有较大提升，说明行业内知识元素之间的联系更加紧密。稳定期知识网络整体网络密度为0.037，相比于涌现期有所下降，但基本保持在较高水平。

3.2 描述性统计和相关性分析

表1中列出了所有自变量、因变量以及控制变量的描述性统计输出结果，包含样本观测值、样本均值、样本标准差和样本最值等。从表1中可以看出，探索式创新绩效的均值为3.160，标准差为5.006，说明新能源汽车行业中每个创新主体平均申请3.160个专利；均值小于标准差，说明数据较为离散；且因变量探索式创新绩效为计数变量，故选择负二项回归模型。除此之外，中介变量外部知识搜索的均值也小于标准差，呈离散状态；剩余变量合作网络结构嵌入、知识组合能力、知识网络密度等变量的均值大于标准差，不存在数据离散的情况。合作网络结构嵌入均值为1.455，说明网络中的创新主体平均占据结构洞数为1.455個；知识组合能力均值为3.950，知识网络密度均值为0.037。从表2中变量之间的相关系数可以看出，变量之间存在显著的正向或负向相关关系，且主要变量之间的相关系数远没有超过0.700，说明变量之间不存在高度的相关关系，不会对实证结果产生偏差影响。为了进一步检验变量之间是否存在多重共线性问题，对相关变量进行多重共线性检验。结果显示，所有解释变量的VIF值都远远小于10，即不存在多重共线性问题。

3.3 回归结果分析

表3是合作网络结构嵌入对探索式创新绩效影响以及外部知识搜索的中介效应的回归结果。在模型（7）中，以探索式创新绩效为因变量，合作网络结构嵌入为自变量，合作网络结构嵌入对企业探索式创新绩效表现出显著的积极影响（β=0.387，P<0.01）。模型（8）在模型（7）的基础上加入控制变量，回归结果显示，合作网络结构嵌入对探索式创新绩效的正向影响仍然显著（β=0.385，P<0.01）。这说明在创新合作网络中，创新主体结构嵌入水平越高，其就处于越靠近核心的位置，从而越有利于获得对于信息资源获取和使用的控制权。一方面，创新主体在网络中处于关键位置，可以获得更多的信息和知识，而创新活动的基础就是知识元素之间的组合，因此也更加有利于焦点创新主体进行探索式创新活动。另一方面，在开放式创新环境下，创新主体单纯靠自己进行探索式创新已经很难保证创新产出，其需要不断与外界创新主体合作，整合多种专业领域的知识技术，并将这些知识技术进行融合，才有可能实现关键技术的突破，完成探索式创新。创新主体在网络中占据较为重要的位置，会更具话语权和主动权，可以有针对性地选择创新活动的合作伙伴，更有方向性地开展合作创新活动，如此创新主体的探索式创新产出就会增多。综上，假设1得到了验证。

将模型（8）中的合作网络结构嵌入更换为外部知识搜索，结果如模型（9）所示。可以发现，外部知识搜索对探索式创新绩效具有显著的正向影响（β=0.003，P<0.01）。这说明创新主体通过外部知识搜索可以接触大量异质信息，从而为创新主体提供新的技术知识和研究思路，帮助创新主体高效地开展创新活动，提高创新主体的探索式创新绩效。综上，假设2得到了验证。

在模型（10）中，以外部知识搜索为因变量，合作网络结构嵌入为自变量，合作网络结构嵌入对外部知识搜索具有显著的正向影响（β=0.854，P<0.1）；模型（11）在模型（8）的基础上加入了外部知识搜索变量。结果显示，合作网络结构嵌入对探索式创新绩效的影响由模型（8）的显著正向影响变为不显著；创新主体外部知识搜索对探索式创新绩效具有显著的正向影响（β=0.003，P<0.01）。这表明，创新主体外部知识搜索在创新合作网络结构嵌入对探索式创新绩效的影响中起到了完全中介作用，即创新主体在创新合作网络中的结构嵌入通过影响外部知识搜索，最终作用于探索式创新。综上，假设3得到了验证。

表4为知识组合能力的调节效应检验结果。模型（12）在模型（10）的基础上加入了调节变量知识组合能力以及自变量合作网络结构嵌入与调节变量知识组合能力的交互项。结果显示，交互项系数不显著，说明知识组合能力在创新合作网络结构嵌入与外部知识搜索之间不存在调节作用。模型（13）在模型（11）的基础上加入了调节变量以及调节变量与中介变量的交互项。回归结果显示，交互项的系数显著为正（β=0.001，P<0.1），表明知识组合能力在外部知识搜索对探索式创新绩效的影响中起正向调节作用。焦点创新主体探索式创新活动的实现一方面需要其自身已有的技术知识，另一方面需要从外界获取自身不具有的技术知识，并将两者进行整合。当创新主体自身的知识组合能力越强时，其与通过外部知识搜索所获得的新颖性知识进行重组的可能性越高，越有利于创新主体实现探索式创新。综上，假设4得到了验证。

3.4 稳健性检验

本研究选择替换被解释变量衡量方式的方法进行稳健性检验，采用不同于前文衡量探索式创新绩效的方法，用专利引文信息来衡量探索式创新绩效。将焦点创新主体当年申请专利的引用专利和所对应窗口期内该创新主体申请专利的引用专利进行比较。如果焦点创新主体当年申请专利中包含新的引用专利，则界定该专利为探索式创新。该创新主体当年的探索式创新绩效为其当年申请专利中包含新的引用专利的专利总数。将按照这种方法测量得到的新的探索式创新绩效（EI），与之前探索式创新绩效测量结果进行替换，对调节变量知识组合能力进行10%和90%缩尾处理后，重新对模型进行回归检验，回归结果如表5所示。从表5中可以看出，模型（8）中自变量合作网络结构嵌入系数显著为正（β=1.284，P<0.01），表明合作网络结构嵌入对探索式创新绩效具有显著正向影响，假设1得到了验证；模型（9）中外部知识搜索系数显著为正（β=0.002，P<0.01），表明外部知识搜索对探索式创新绩效具有显著正向影响，假设2得到了验证。模型（11）中中介变量外部知识搜索系数显著为正（β=0.002，P<0.01），表明外部知识搜索在合作网络结构嵌入对探索式创新绩效的正向影响中起到中介作用，假设3得到了验证；模型（13）中调节变量知识组合能力与中介变量外部知识搜索的交互项系数显著为正（β=0.001，P<0.1），表明知识组合能力正向调节外部知识搜索对探索式创新绩效的正向影响，假设4得到了检验。

4 结论与启示

4.1 研究结论

本文选择2016—2022年新能源汽车行业专利数据为研究样本，研究外部知识搜索在合作网络结构嵌入对探索式创新绩效影响中的中介作用，同时研究创新主体知识组合能力在创新主体外部知识搜索对探索式创新绩效影响中的调节作用。实证回归结果显示：①合作网络结构嵌入对探索式创新绩效具有显著的正向影响；②合作网络结构嵌入对创新主体外部知识搜索具有显著的正向影响；③创新主体外部知识搜索在合作网络结构嵌入对探索式创新绩效的正向影响中起到完全中介作用；④创新主体知识组合能力在外部知识搜索与探索式创新的关系中起到正向调节作用。

4.2 理论贡献

本研究的理论贡献有：第一，进一步丰富了网络结构嵌入对创新绩效影响的理论研究。本研究从创新主体外部知识搜索和创新主体自身知识特征两个角度出发，将创新主体内部知识基础与创新主体外部学习行为两个不同方向的因素放到同一个研究框架内，更加全面地考虑创新主体创新活动的来源和基础，为合作网络结构嵌入对创新绩效影响的研究提供了新的思路。

第二，已有研究发现，创新主体的知识搜索行为会对创新活动产生影响，并且对于不同形式的创新绩效，知识搜索的作用也有所不同。本研究关于外部知识搜索对探索式创新绩效影响的研究结论，进一步证实了有关知识搜索对创新绩效影响的研究，通过将外部知识搜索作为桥梁，丰富了合作网络结构嵌入对探索式创新绩效影响机制的研究。

第三，本研究基于知识组合能力视角，证明了知识组合能力在合作网络结构嵌入对探索式创新绩效的影响中具有正向调节作用，将创新主体自身知识元素所拥有组合的可能性与探索式创新绩效联系起来，丰富了创新主体知识基础对创新绩效影响的相关研究。

4.3 管理启示

第一，创新主体应当积极地进行合作网络结构嵌入，重视合作网络结构嵌入对于创新主体探索式创新活动的影响，为创新主体自身创新活动开展和长远发展营造一个良好的环境；同时，要在网络中占据良好且适合的位置，以便获得更多的资源和创新机会。

第二，知识基础对于创新主体的创新活动非常重要。创新主体在进行知识搜索以实现探索式创新时，要关注自身知识结构，了解技术知识的特点，对知识组合进行整理，更好地掌握自身拥有知识元素的发展潜力和方向，从而有针对性地开展外部知识搜索活动，并将搜索到的知识与自身知识技术进行有机结合，最大化利用知识基础所蕴含的创新能量，进而实现探索式创新。

第三，创新主体应及时掌握自身在行业网络中所处的位置，并对网络位置进行有计划的管理。不同时期创新主体对于网络位置的需求有所不同。当创新主体的创新意愿较弱时，可以减少创新投资，选择退出关键位置，以降低维持网络位置的成本；當创新主体的创新意愿较强时，可以逐渐向网络核心位置过渡，以更好地利用网络中的信息和资源。

4.4 局限性與未来展望

本研究还存在以下不足：首先，本文聚焦网络结构嵌入并构建概念模型进行研究，还未对网络嵌入的其他类型，如网络关系嵌入等进行研究，未来可探索合作网络关系嵌入与知识网络结构嵌入的交互对探索式创新绩效的影响，进一步研究其中存在的作用机制与影响路径；其次，知识组合能力是知识基础结构特征的单一体现，未来研究可以尝试从多种角度对知识基础特征进行衡量，考察不同知识基础特征对创新活动的影响；最后，网络结构会随着网络主体行为的改变而变化，网络嵌入性是静态指标，而创新主体的知识搜索行为是动态变化的，未来研究可以基于网络演化的动态性，探索网络演化对创新主体知识搜索的影响以及最终对创新主体创新绩效的影响路径。

参考文献：

［1］ 李平，竺家哲.组织韧性：最新文献评述［J］.外国经济与管理，2021，43（3）：25-41.

［2］ SABIDUSSI A，LOKSHIN B， DE LEEUW T，et al. A comparative perspective on external technology sourcing modalities：the role of synergies［J］. Journal of Engineering & Technology Management， 2014，33：18-31.

［3］ SEBASTIAN K，JUTTA S W，WELPE I M. More is not always better： effects of collaboration breadth and depth on radical and incremental innovation performance at the project level［J］. Research Policy，2019，48（1）：1-10.

［4］ 张海波.我国新能源汽车产业技术路线图研究［D］. 武汉：武汉理工大学， 2023.

［5］ 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（1）： 169-179.

［6］ MARCH J G. Exploration and exploitation in organizational learning［J］. Organization Science， 1991，2（1）：71-87.

［7］ 刘凤朝，杨爽.发明人知识特征对其合作网络中心性的影响研究：基于社会—知识二模网的分析［J］. 研究与发展管理， 2020， 32（4）：73-83.

［8］ 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（6）：121-130.

［9］ GRANOVETTER M. Economic action and social structure：the problem of embeddedness［J］. American Journal of Sociology，1985， 91（3）：481-510.

［10］ 王菌丽， 冯熹宇. 创新网络嵌入对企业创新绩效的影响：回顾与展望［J］. 科学决策， 2023 （3）： 128-140.

［11］ GARGIULO M，BENASSI M. Trapped in your own net？Network cohesion，structural holes，and the adaptation of social capital［J］. Organization Science， 2000，11（2）：183-196.

［12］ XIAO Z，TSUI A S. When brokers may not work： the cultural contingency of social capital in Chinese high-tech firms［J］. Administrative Science Quarterly，2007，52（1）：1-31.

［13］ 吕一博， 施萧萧， 冀若楠. 开放式创新对企业渐进性创新能力的影响研究［J］. 科学学研究， 2017， 35（2）：289-301.

［14］ AHUJA G， KATILA R. Technological acquisitions and the innovation performance of acquiring firms： a longitudinal study［J］. Strategic Management Journal，2001，22（3）：197-220.

［15］ QI DONG J， MCCARTHY K J， SCHOENMAKERS W W M E. How central is too central？Organizing interorganizational collaboration networks for breakthrough innovation［J］. Journal of Product Innovation Management，2017，34（4）： 526-542.

［16］ LIN J L，FANG S C，FANG S R， et al. Network embeddedness and technology transfer performance in R&D consortia in Taiwan［J］. Technovation，2009，29（11）：763-774.

［17］ XIE X， WANG L， ZENG S. Inter-organizational knowledge acquisition and firms radical innovation： a moderated mediation analysis［J］. Journal of Business Research， 2018， 90： 295-306.

［18］ KILMANN R H，PONDY L R，SLEVIN D. The management of organization［M］. New York： North-Holland，1976.

［19］ BENNER M J，TUSHMAN M L. Exploitation，exploration，and process management： the productivity dilemma revisited［J］. Academy of Management Review，2003，28（2）：238-256.

［20］ KATILA R，AHUJA G. Something old，something new： a longitudinal study of search behavior and new product introduction［J］. Academy of Management Journal，2002，45（6）：1183-1194.

［21］ SCHUMPETER J A. Capitalism，socialism，and democracy［J］. American Economic Review：Harper Torchbooks，1942，3（4）：594-602.

［22］ LI P，BATHELT H. Location strategy in cluster networks［J］. Journal of International Business Studies，2018，49：967-989.

［23］ LAURSEN K，SALTER A. Open for innovation：the role of openness in explaining innovation performance among UK manufacturing firms［J］. Strategic Management Journal 2006，27（2）：131-150.

［24］ LEIPONEN A，HELFAT C E. Research notes and commentaries innovation objectives，knowledge sources，and the benefits of breadth［J］. Strategic Management Journal， 2010，31（2）： 224-236.

［25］ KIM C，PARK J H. The global research-and-development network and its effect on innovation［J］. Journal of International Marketing，2010，18（4）：43–57.

［26］ BAUM J A C，CALABRESE T，SILVERMAN B S. Dont go it alone：alliance network composition and startupsperformance in Canadian biotechnology［J］. Strategic Management Journal，2000，21（3）：267-294.

［27］ WANG C，RODAN S，FRUIN M，et al. Knowledge networks，collaboration networks，and exploratory innovation［J］. Academy of Management Journal，2014，57（2）：484-514.

［28］ GRANT R M，BADEN-FULLER C. A knowledge-based theory of inter-firm collaboration［J］. Academy of Management Proceedings，1995（1）：17-21.

［29］ GRIGORIOU K，ROTHAERMEL F T. Organizing for knowledge generation：internal knowledge networks and the contingent effect of external knowledge sourcing［J］. Strategic Management Journal，2016，38（2）：395-414.

［30］ ZHANG S，ZHANG N，ZHU S，et al. A foot in two camps or your undivided attention？The impact of intra- and inter-community collaboration on firm innovation performance［J］. Technology Analysis and Strategic Management， 2020（4）：1-16.

［31］ AGHION P，MARTIN R，REENEN，et al. Carbon taxes，path dependency，and directed technical change：evidence from the auto industry［J］. Journal of Political Economy，2016， 124（1）：1-51.

［32］ 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（1）：97-112.

［33］ COHEN S K，CANER T.Converting inventions into breakthrough innovations：the role of exploitation and alliance network knowledge heterogeneity［J］. Journal of Engineering & Technology Management，2016， 40：29-44.

［34］ MAZZOLA E，PERRONE G，KAMURIWO D S. Network embeddedness and new product development in the biopharmaceutical industry：the moderating role of open innovation flow［J］. International Journal of Production Economics，2015， 160：106-119.

［35］ ZAHEER A，BELL G G. Benefiting from network position： firm capabilities， structural holes，and performance［J］. Strategic Management Journal，2005， 26（9）：809-825.

［36］ 杜玉申， 刘梓毓. 技术多元化、协作研发网络中心度与企业创新绩效［J］. 科技进步与对策， 2021， 38（15）： 74-81.

［37］ 施萧萧. 合作网络与知识网络特征对高技术企业双元创新影响机制研究［D］.哈尔滨：哈尔滨工业大学， 2022.

［38］ 李德辉， 范黎波， 杨震宁. 企业网络嵌入可以高枕无忧吗：基于中国上市制造业企业的考察［J］. 南开管理评论， 2017， 20（1）： 67-82.

［39］ 徐露允，曾德明，张运生. 知识网络密度与双元创新绩效关系研究：基于知识基础多元度的调节效应［J］. 研究与发展管理， 2018， 30（1）：72-80.

［40］ 温忠麟， 張雷， 侯杰泰.有中介的调节变量和有调节的中介变量［J］.心理学报， 2006（3）： 448- 452.

The Influence of Cooperation Network Structure Embeddedness on Exploratory Innovation Performance： The Perspective of Knowledge Combination Ability

Xiao Jiuling， Zhao Yaning

（School of Business， Nanjing Audit University， Nanjing 211815， China）

Abstract： The network embedding theory holds that the behavior of enterprises will be affected by the characteristics of the network structure， and the level of the structural embeddedness of enterprises in the network reflects the importance level of the network position occupied by enterprises in the network. Enterprises occupying a key position in the network will obtain more network resources and carry out the self-development of enterprises. According to the theory of dual organization， the learning styles of enterprises are divided into exploitative learning and exploratory learning， and the innovation activities of enterprises are divided into exploitative innovation and exploratory innovation. Among them， exploratory learning means that enterprises break away from the original technical track， seek new technical knowledge， and help enterprises realize exploratory innovation. The knowledge-based view holds that the knowledge base of an enterprise is an important cornerstone of its development， and an enterprise should conduct an overall evaluation of its own knowledge base， pay attention to its future restructuring potential， and combine the external knowledge search of the enterprise to finally realize exploratory innovation. Many scholars have studied the influence of network embedding on exploratory innovation and the influence of knowledge based on exploratory innovation， but few scholars have put internal knowledge combination capability and external knowledge search in a research framework. This paper studies the influence of network structural embedding on exploratory innovation through external knowledge search from the perspective of knowledge combination capability. A moderated mediator model is constructed to examine the mediating effect of external knowledge search between network structural embedding and exploratory innovation and the moderating effect of knowledge combination ability on external knowledge search and exploratory innovation. In this study， patent data from the new energy automobile industry were selected as research samples， and patent data from 2016 to 2022 were selected after screening. First， four window periods were constructed with a three-year window period. During each window period， joint patent applications were used to build a cooperation network， and IPC was used to build a knowledge network. Network indicators were calculated to measure some variables used in this study， and then enterprises in the network were matched with firms' exploratory innovation， and finally sample data with sample observation value of 424 was obtained. Finally， negative binomial regression was used to test the constructed model， and the results showed that the structural embedding of cooperative networks had a significant positive impact on exploratory innovation performance. External knowledge search plays a completely mediating role between cooperative network structural embedding and exploratory innovation， and knowledge combination ability positively moderates the influence of external knowledge search on exploratory innovation performance. The theoretical contributions of this study are mainly in the following aspects： Firstly， it enriches the theoretical research of network embedding on innovation performance， constructs a novel research framework， and provides new ideas for the research of the impact of network embedding on innovation performance. Secondly， this study takes external knowledge search as a bridge between network structural embedding and exploratory innovation performance， which enriches the research on the influence mechanism of network embedding on exploratory innovation performance. Finally， based on the perspective of knowledge combination ability， this study measures knowledge combination ability， and the results prove that knowledge combination ability has a positive moderating effect on the influence of network embedding on exploratory innovation performance. By possibility of combining of knowledge elements of an enterprise with exploratory innovation performance， the influence of knowledge base on innovation performance of an enterprise is enriched. In addition， this study also provides management enlightenment for innovative enterprises to help enterprises effectively carry out innovation activities. First， enterprises should choose the appropriate network location in the network according to their own innovation strategic goals， use network resources， and obtain a good innovation environment. Second， the knowledge base is very important for enterprise innovation activities. Enterprises should clearly understand the characteristics of knowledge base combination， discover their development ability， selectively search for external knowledge， effectively recombine external novel technical knowledge with their own knowledge base， and realize exploratory innovation.

Key words： network structure embeddedness; knowledge network; external knowledge search; knowledge combination ability; exploratory innovation

（栏目编辑：邵冰欣）

收稿日期：2023-11-20

基金项目：国家自然科学基金项目“分布式研发团队内隐协调机制及其对创新绩效的影响研究”（71772088）；江苏省研究生科研与实践创新计划“创新网络嵌入互动对创新绩效的影响：基于双元均衡视角”（KYCX23_2330）。

作者简介：肖久灵（1979—），男，博士，教授，研究方向：技术创新管理、知识管理；赵亚宁（2000—），男，硕士研究生，研究方向：技术创新管理。