自创区科创网络效应促进企业创新绩效的作用机制

摘 要： 为了加快建设科技强国，强化创新驱动发展战略，以高水平科技创新塑造发展新动能新优势，我国试点设立了自主创新示范区，这不仅成为提升企业自主创新能力的关键引擎，同时也是从要素驱动到创新驱动高质量发展的重大战略需求。文章依据2009—2020年北京中关村、上海张江和武汉东湖三地自创区的政策文本，进行扎根理论编码聚类研究，发现自创区设立后企业从其科创网络中获得的资源集聚与同群联盟等网络效应促进了企业自主创新绩效的提升。进而选择自创区内A股上市公司为研究对象，收集2017—2021年的面板数据样本，实证揭示了资源集聚和同群联盟对企业自主创新绩效的作用机制。研究发现：自创区网络的资源集聚与同群联盟等网络效应均能显著提升其企业自主创新绩效，且还可通过知识共享和投入强度进一步促进企业自主创新绩效的提升；同时，数字化转型和制度激励在资源集聚与企业自主创新绩效之间起到调节作用。最后，按照自创区地理位置进行分层回归发现，同群联盟仍对企业自主创新绩效产生显著影响，但西部地区样本的显著程度有所降低，而资源集聚仅在中东部样本中呈现显著性。这一结论为企业提升自主创新绩效提供了新的驱动场景，也为中国创新驱动发展提供了新的关注焦点。

关键词： 国家自主创新示范区；资源集聚；同群联盟；企业自主创新绩效

中图分类号： F 273.2

文献标志码： A

The Mechanism by Which the Self-Created Area′s InnovationNetwork Effect Promotes the Vitality of Enterprise Scienceand Technology Innovation Performance

Abstract： In order to speed up the construction of a strong country in science and technology， strengthen the strategy of innovation-driven development， shape new driving forces and new advantages with high-level scientific and technological innovation， China piloted the establishment of an independent innovation demonstration zone. This not only became the key engine for improving the independent innovation ability of enterprises， but also became a major strategic demand for high-quality development from factor-driven to innovation-driven. Based on the policy texts of Zhongguancun in Beijing， Zhangjiang in Shanghai， and Donghu in Wuhan from 2009 to 2020， this paper conducted a grounded theory coding and clustering study， and found that after the establishment of the self-innovation demonstration zone， the resource aggregation and peer alliance network effects obtained by enterprises from the self-innovation demonstration zone promoted the improvement of enterprise′s independent innovation performance. Then， A-share listed companies in the self-innovation demonstration zone were selected as the research object， and panel data samples from 2017 to 2021 were collected to empirically reveal the role mechanism of resource aggregation and peer alliance in promoting enterprise′s independent innovation performance. The results show that： the resource aggregation and peer alliance network effects of the self-innovation demonstration zone can significantly improve its enterprise′s independent innovation performance， and can further promote the improvement of enterprise′s independent innovation performance through knowledge sharing and input intensity; At the same time， it was revealed that digital transformation and institutional incentives played a regulatory role in the relationship between resource aggregation and enterprise′s independent innovation performance. Finally， according to the geographical location of the self-innovation demonstration zone， the hierarchical regression was carried out， and it was found that the peer alliance still had a significant impact on enterprise′s independent innovation performance， but the significance of the western region sample was reduced; While the resource aggregation only showed significant in the central and eastern region samples. This conclusion provides a new driving scene for enterprises to improve their independent innovation performance， and also provides a new focus of attention for China′s innovation-driven development.

Key words： national independent innovation demonstration zone（NIDZ）； agglomeration effect；peer effect； enterprise independent innovation performance

0 引言

我国经济正处于由高速增长向高质量发展转变的重要时期，面临着“人均资源高度紧张”禀赋约束下资源累积性耗竭和环境叠加性污染的双重危害，创新驱动发展战略在新时期将成为实现发展转变的目标导向、动力来源和主要抓手，技术创新日益成为社会经济发展的重要动力。我国技术创新模式经历了技术引进与模仿、开放市场吸引投资、二次创新集成创新和自主创新协同创新四个阶段。《中国区域科技创新评价报告》显示，2017—2022年我国研发投入总额均处于世界首位，但“世界级”的科研投入并未带来“世界级”的科技成果产出，尚未有效转化为经济发展主要的推动力。尤其是随着美国投资风险评估法案（FIRRMA）和出口管控改革法案（ECRA）的颁布实施，其关键技术（critical technology）、新兴技术（emerging technology）和基础技术（foundational technology）实行技术管控清单制，美国从技术封锁、技术打击、技术跨越和供应隔离等四个方面对我国的科技创新进行遏制，倒逼我国探索自主创新之路。党的二十大报告强调科技创新是中国在激烈的国际竞争中开辟新领域新赛道、塑造新动能新优势的着力点，这表明科技创新在中国现代化建设全局中的核心地位和战略支撑作用，自主创新任务十分艰巨。

目前我国科技成果与市场需求仍存在脱节，缺少市场对资源的配置，同时创新主体之间缺乏一致性目标，造成合作成本高、效率低、科技服务缺失等现实问题，技术创新机制急需调整与变革。因此，由政府牵头、联合科研机构和企业等多主体协同合作的模式被提出。在探索自主创新实践路径中，国家自主创新示范区（简称“自创区”）作为提升科技创新能力的重要引擎，在自主创新和高技术产业发展方面起着先行先试、探索经验的重要作用，已成为国家实现创新驱动发展战略的重要载体。这既是一个重大的挑战，也是一个难得的机遇。

2023年《政府工作报告》强调要支持企业成为科技创新主体，进一步突出企业在科技重大决策、投入强度、科技组织和科技成果转化四个方面的主体地位。作为科技创新的主体，自创区对企业的创新发展表现出强有力的支撑作用。目前，我国政府高度重视产业联盟和集群网络的建设，致力于推进以政府为主导、以园区集聚为特征的中国特色工业化，强化建设科创网络组织对推动技术创新的重要性。自创区企业自主创新绩效是由其在科创网络中的嵌入性决定的，借助网络可以融合异质性、互补知识，提高创新能力，并且网络主体间的关系质量与结构能帮助各参与主体共同实现创新知识价值，提高技术创新能力。目前我国以自创区为载体的科创网络建设仍处于初级阶段，本文归纳自创区科创网络的建构与发展，深入探索其提升企业自主创新绩效作用机理，以期为我国培育发展世界级先进创新集群提供参考。

1 研究现状

1.1 自创区建构科创网络的特征分析

中国经济要实现高效与可持续的转型升级发展，必须加大对技术创新资源的投入，提升创新能力，但中小企业的创新资源具有稀缺性，自身难以拥有创新所需的关键资源，急需交换知识、信息以及知识技术、设施设备、科技人才、创新资金等其他关键资源，在网络化情境下从科创网络获取必要资源已成为必然。自创区科创网络是高技术企业、科研院所等创新主体与政府、金融机构和中介机构等服务主体在自创区形成的网络体系，具有开放、动态以及复杂的系统特征，注重协同创新。

企业创新需要多方面资源的聚集，随着技术创新活动的深入开展，自创区企业等主体所在的区域知识网络和社会关系网络逐渐嵌入，使原来简单线型联系结构呈现出丰富而复杂的社会网络特性。由于科创网络在聚集创新资源、激发创新活力、产业转型发展和建设技术创新体系中发挥着特殊作用，所以成为了学术界和产业界的关注焦点。网络组织理论分析最早从互补性活动展开，进而拓展到企业间基于资源依赖理论的相互协调，企业间复杂的合作关系相互依赖且长期共存，为构建科创网络组织体系奠定了基础。但是，目前学者们对科创网络效应的系统性分析不足。

1.2 自创区科创网络对企业自主创新的影响

不同自创区的科创网络在网络成员、网络结构和网络关系方面存在明显差异，企业可以通过网络效应得到更多的创新支持，体现网络规模的集群效应显著影响网络内企业的创新产出。在自创区科创网络与企业创新的现有研究中，学者们主要研究了网络结构特征和网络关系特征对企业创新的影响。从网络结构特征来看，网络价值观认为网络规模的大小，代表网络内资源总量和知识多样性的多少，直接决定了网络中主体的资源总量和获得最大关系的多少，网络越大，越有利于拓展创新主体获得资源的广度和宽度，从而提高其创新能力。也有学者认为越靠近网络中心位置的创新主体获得的创新资源越多，越有利于提升其创新能力。李桂华等发现网络优势位置与企业创新绩效显著正相关。还有学者发现网络结构洞是两端创新主体产生联系的桥梁，占据结构洞位置的创新主体充当网络中资源传递的媒介，从而获得大量资源流量，进而影响其创新绩效。从网络关系特征来看，有学者认为强网络关系有利于企业开展探索式创新，提高创新层次，但也有学者认为在强网络关系下创新主体间交换冗余资源，不利于企业探索式创新，而弱网络关系才促使创新主体间交换非冗余资源，有利于企业探索式创新。

科创网络作为自创区创新活动的重要载体，创新主体在自创区科创网络内获取的同群联盟与资源集聚等网络效应有利于企业获得更多的机会与资源聚集整合，会影响其合作方式和范围，且通过合作交流、学习吸收等方式不断提高技术创新能力。近年来，学者们主要从资源、关系和共享视角对科创网络的建构机理展开了探索。创新主体资源异质性、创新群体的社会资源偏好影响以及创新主体之间、创新主体和服务主体间的知识共享和流动均是科创网络形成的关键，但科创网络效应如何影响企业自主创新的机理探讨不足。

鉴于此，本文深入研究自创区科创网络赋予企业的资源集聚和同群联盟等网络效应驱动其自主创新绩效提升机制。首先，采用自创区政策文本，运用程序化扎根理论挖掘并验证企业是否从其嵌入的科创网络中获取资源集聚和同群联盟等网络效应，并探索其驱动企业自主创新绩效提升的影响机制，进一步探索各维度的构成要素，结合现有文献界定变量测度。其次，在扎根研究结论的基础上，根据自创区发展实践，并结合现有文献构建自创区科创网络赋予企业的资源集聚和同群联盟等网络效应对其自主创新绩效的影响机制模型，提出研究假设。最后，收集自创区内上市企业的经验数据对模型进行验证。本文理论边际贡献如下：一方面，基于自创区发展的现实情景，运用程序化扎根理论（简称“扎根理论”）挖掘并验证自创区企业嵌入科创网络中获得的网络效应，探索其对企业自主创新绩效的影响机制，并创造性地将企业获得自创区科创网络效应、影响机制以及企业自主创新绩效纳入同一研究框架中。另一方面，采用自创区A股上市企业的经验数据进行验证，有助深化企业获得的自创区科创网络效应对其自主创新绩效作用的理解，同时拓展自创区科创网络情景驱动企业自主创新绩效提升的理论框架。此外，本文在确证资源集聚和同群联盟对企业自主创新绩效的积极影响并深挖影响机制的基础上，充分考虑自创区不同区位对企业自主创新绩效的差异化影响，有助于拓展自创区网络效应与企业自主创新绩效关系的研究深度，以期为自创区科创网络情景驱动企业自主创新绩效提升作用的有效发挥提供科学的理论支撑。

2 理论构建

2.1 理论框架建构依据

2.1.1 扎根研究建构方法引入

目前，我国自创区设立时间均不长，其内部科创网络建构仍处于初级阶段，自创区企业从其嵌入的科创网络中获取的资源集聚和同群联盟等网络效应的界定以及二者对其自主创新绩效的影响机制需要从政策实践中建构相应理论。扎根理论是管理学领域重要的质性研究工具并得到了广泛的应用。有别于其他研究方法，其是不断迭代、递归、互动的持续过程，使其研究结论具有严密的科学性。因此，扎根理论在界定核心概念，探索概念间的内在联系，形成理论框架方面具有独特优势，其研究流程的清晰性和规范性令其具有较高的可操作性，尤其适用于解释未经清晰界定或难以用现有理论进行鉴别与解释的管理现象。与实证主义相比，扎根理论数据的收集、整理和分析是不断迭代的过程，每个步骤产生的结果都会随着研究的深入不断被重复比较和检验，从而形成与现实情境匹配度更高的理论，进而为解释研究问题提供相应的理论基础。因此，选择运用程序化扎根理论从自创区政策文本中挖掘自创区科创网络情境驱动企业自主创新绩效提升的影响机制，并建构相应理论。

2.1.2 扎根研究文本选取

北京中关村、上海张江、武汉东湖作为设立最早的自创区与其他自创区相比已十分完善，三地自创区内已经聚集了大量的创新组织，在优化科技创新体制机制，加快发展战略新兴产业和转变经济发展方式，推进创新驱动发展等方面发挥着重要的引领、辐射和带动作用，并通过创新各种产学研联结方式，开展创新活动等方法，为各创新主体间技术创新合作搭建了桥梁，实现了有效的资源集聚，并形成了完整的科创网络。自创区政策的实施是为了提升国家自主创新能力，实现经济结构转型升级，推进高新技术产业先行先试，探索自主创新发展的经验与发展路径，并将成功的经验向新设立的自创区推广。因此，选择2009—2020年三地自创区政策文本为扎根样本建构自创区科创网络情景驱动企业自主创新绩效提升的理论模型。

2.2 扎根研究编码与检验

本文借助Nvivo12软件对政策文本进行编码。

2.2.1 开放式编码

由三位教授各自带领研究团队分别对政策文件按照开放性编码程序的步骤进行背靠背式的贴标签、概念化、范畴化的过程，在尽可能保留三个团队一级编码的前提下，去除重复、仅出现一次及不能归类的一级编码，最终按照“少数服从多数”原则归类形成10个初始范畴，如表1所示。

2.2.2 主轴编码

经开放式编码后，得到了数组具有可操作性定义的初始概念与初始范畴，接下来分析初始范畴间的关系和脉络，建立起有意义的联系。在此过程中，根据所分析现象的因果条件、现象、脉络、行动/互动的策略和结果，探索初始范畴间的内在联系，将初始范畴间的内在联系现象化。本文在主轴编码的过程中发现开放式编码中获得的10个初始范畴间存在的内在逻辑，最终，三组投票归纳出了6个主范畴（维度），并对主范畴内涵进行了解释，如表2所示。在完成主轴编码后，参考谢家平等的研究，进一步展开归类信度检验，最终扎根编码结果通过了信度检验。

2.2.3 选择性编码

经历上述扎根编码后，对6个主范畴进行多轮深度比较分析，并基于现有条件对上海张江自创区进行调研访谈，发现资源聚集和同群联盟通过提升企业的投入强度和知识共享影响其自主创新绩效，并进一步将资源聚集和同群联盟归于自创区网络效应，投入强度和知识共享归于自创区网络机制；而创新能力和创新环境与自主创新绩效间并不是包含关系，而是影响关系，即创新能力和创新环境也是影响自主创新绩效的因素。最终，形成如图1所示的理论模型。

2.2.4 理论饱和度检验

完成扎根程序后，利用剩余20%的政策文本按照上述扎根过程对结果进行理论饱和度检验，检验过程中并未出现新概念、新范畴和新维度，因此理论已经饱和。

3 文献对话与研究假设

将扎根编码的质性研究结果与已有文献进行对话佐证。

3.1 自创区效应与企业自主创新绩效

3.1.1 资源集聚与企业自主创新绩效

在扎根研究中，发现自创区设立后人才、资本等创新资源向其内企业汇集，并将自创区内企业的资源聚集度定义为自创区赋予企业的资源集聚网络效应。资源基础理论认为，企业利用独特的资源维持和发展竞争优势的内在逻辑是企业对资源和能力配置增加了企业运作效率。资源是限制企业创新的关键瓶颈，企业的技术研发、成果转化等创新活动需要大量人才和资金投入维持。自创区的设立吸引大量创新主体和创新服务主体向自创区聚集，促进了大量人才和资金向自创区内企业汇聚，缓解了企业面临的资源约束，加强了企业的资源配置能力，从而促进企业自主创新绩效提升。

具体分析：第一，自创区赋予企业资源集聚有助于人才、资金等创新资源向企业汇聚，可更大限度激励企业进行规模化的研发投入，从而提升企业自主创新绩效。第二，在资源集聚的推动下，人才、资金等创新资源要素会在自创区内形成规模化、产业化的创新体系，这有助于降低自创区内企业与外部创新组织合作创新过程中的沟通成本和整合成本，因为合作成本降低会推动企业进行联合创新的动机，提高知识在各创新主体间的流动机会，从而促进各创新主体间知识共享。同时，创新的高风险性和不确定性以及自创区科创政策中“揭榜挂帅”的相关条款，使企业面临着创新失败的退市风险，增强了企业寻求外部合作的动机，增加了组织间交流机会，组织行动理论认为组织间联合创新对知识共享有促进作用。可见，自创区赋予企业的资源集聚网络效应带动了研发投入强度和知识共享，而知识共享和研发投入强度是促进企业自主创新绩效提升的核心因素，因此认为自创区赋予企业的资源集聚通过带动研发投入强度和知识共享，促进企业自主创新绩效提升。基于以上分析，本文提出假设：

H1：自创区赋予企业的资源集聚有助于提升其自主创新绩效。

3.1.2 同群联盟与企业自主创新绩效

在扎根研究中，发现自创区设立后，推动企业所在科创网络持续演化，并将自创区内企业在其科创网络持续演化过程中与网络内其他主体联合创新获得的效应定义为自创区赋予企业的同群联盟。动态能力理论认为动态能力是调整、整合以及重新配置企业资源以适应环境变化要求的一种机制。在科技创新的各个环节，企业往往在联合创新过程中通过参考同群企业的创新行为，在掌握某些行业信息的基础上，作出重新配置自身创新资源的合理决策，这样有助于企业把握创新机会，提高自主创新绩效。

然而，科创网络理论认为企业科创网络由系统性制度安排和联合创新关系构成，其形成过程包含创新主体间合作、交流与信息交换。因此，在企业科创网络中常伴随着知识创造和流动，网络中各创新主体通过创新联合互动，促进知识共享，同时相互学习、跟随和模仿，进而促进企业自主创新绩效提升。具体而言，在自创区设立后，随着其内创新主体和创新服务主体数量不断扩展推动以自创区为载体的科创网络持续演化，一方面带动了企业科创网络内节点数量和类型不断丰富，加强了企业间的交流和合作，促进了网络内知识共享。同时，作为响应自创区科创政策或承载颠覆性技术创新的企业，自创区政府会牵头并协助企业搭建以企业为核心的科创网络，如创新联合体、产学研联盟等，这些也都促进网络内知识共享。另一方面，科创网络内不同行为主体间决策会相互影响，在与科创网络内其他创新主体联合创新过程中，企业创新行为易受到网络内其他创新主体影响，而研发投入强度作为促进企业创新的关键因素，在联合创新过程中也会受到外部影响。可见，自创区赋予企业的同群联盟网络效应带动了研发投入强度和知识共享，而知识共享和研发投入强度是促进企业自主创新绩效提升的核心因素，因此认为自创区赋予企业的同群联盟通过带动研发投入强度和知识共享，促进企业自主创新绩效提升。基于以上分析，本文提出假设：

H2：自创区赋予企业的同群联盟应有助于提升其自主创新绩效。

3.2 调节机制分析

3.2.1 数字转型的调节机制

数字信息时代，数字转型程度已成为企业获取竞争优势的关键，具体表现为：第一，企业数字转型通过数字信息技术的应用，减少投资者与企业之间的信息不对称，使利益相关者看涨未来发展态势，提高对企业的资源投入；同时，企业数字转型促进其社会责任的履行，从而提高企业的社会声誉，这会提高政府等相关监管部门的关注度，使企业更有机会获取创新政策补贴。第二，数字化已嵌入企业创新活动等各个环节，并不断提高创新流程的可观察性，从而降低企业的创新管理成本和交易成本，提高了资源的使用效率。第三，企业数字转型通过5G技术的应用向外界传递出自创区设立后企业获取优势的积极信号，实现各类创新主体和创新服务主体向自创区内汇集，并进一步拓展自创区内创新主体（如科研机构、企业等）和创新服务主体（如金融机构、中介机构等）数量，丰富自创区内“产学研”“产学研金介”“创新联合体”以及“科创飞地”等联合创新模式。例如，新昌政府基于数字信息技术应用背景，在杭州自创区设立新昌杭州紫金科创港，拓展了杭州自创区内各类创新主体和创新服务主体规模，同时促进了各类创新资源向杭州自创区汇集，也增加了自创区内企业与外部创新主体间的联合创新机会。基于以上分析，本文提出如下假设：

H3：数字转型能够扩大自创区赋予企业的资源集聚/同群联盟对其自主创新绩效的作用。

3.2.2 制度激励的调节机制

自创区设立后会出台一系列制度激励企业创新，而企业获取的制度激励程度为外部投资者提供了信号和风向标。相比于一般企业，具有良好信誉、创新能力和较大创新潜力的企业获得制度激励的程度更高，这能够作为一种信号，有效减少企业与科研机构、融资机构等创新主体和创新服务主体间信息不对称，一方面有助于减少企业与融资机构间信息不对称，从而在更大限度上获取外部投资信任，进而拓展企业融资渠道的广度和宽度，实现各类创新资源向企业汇聚。另一方面，制度激励不仅为企业提供直接性的资金支持，同时也是一种资质认定结果，能向外界传递出有关企业创新能力、潜力等的积极信号，有助于企业拓展合作伙伴数量及多样性，从而增强企业从科创网络中获取的同群联盟网络效应。基于以上分析，本文提出如下假设：

H4：制度激励能有效扩大自创区赋予企业的资源集聚/同群联盟对其自主创新绩效的作用。

4 研究设计

4.1 样本数据

首先，从A股上市企业样本中手动筛选出注册地在自创区内的企业样本；其次，根据自创区的设立时间发现，在现有的23个自创区中，仅2015年和2016年就设立了12家，为保持样本中的自创区数量和面板数据的时间跨度，选择保留2017—2021年的企业样本；最后，在剔除金融类、保险类、ST、*ST和PT以及数据缺失严重的样本后，又剔除了注册地在兰白、乌昌石以及鄱阳湖等2016年以后设立的自创区内的企业样本，最终得到289家上市公司的1445个样本观测值。以上数据均来自CSMAR和Wind数据库。

4.2 变量测度

4.2.1 自变量

本节实证研究的自变量包括：

（1）资源集聚。前文扎根研究探索包含人才聚集和资本聚集两个初始范畴，本文认为资源聚集主要是人才聚集加资本聚集。企业人才聚集参考刘兵等的研究，采用ln（企业研发人才数量+1）测度；企业资本聚集包括外部组织投资以及企业贷款、发行债券等负债形式，外部组织投资转化为所有者权益，贷款、债券等转化为企业负债。因此，选择用ln（企业总资产+1）测量。为保持人才聚集和资本聚集的可加性，进一步对取对数后的人才聚集和资本聚集进行标准化处理。

（2）同群联盟。通过扎根研究探索发现，包含联合创新和科创网络两个初始范畴。企业的与网络内其他创新主体的联合创新频率直接决定了其在网络内获得的最大效用多少，企业与外部组织的联合申请专利数，表示两两间的创新合作频率。因此，本文将ln（联合专利申请数+1）作为企业联合创新频次的代理变量。根据梅特卡夫法则可知，网络的价值等于用户数量的平方。据此，本文将联合创新频率对数的平方作为自创区赋予企业同群联盟的代理变量，即采用ln2（联合专利申请数+1）计算其获得的同群联盟网络效应。

4.2.2 被解释变量

本节的被解释变量为企业自主创新绩效。在王伟楠等的研究中，采用ln（观测年度企业专利申请数+1）衡量企业创新绩效。而本文的被解释变量为企业自主创新绩效，采用ln（观测年度企业独立专利申请数+1）衡量企业自主创新绩效。同时，资源集聚和同群联盟除对当年企业自主创新绩效产生影响外，也会带动企业自主创新效率提升，因此选择用企业独立专利申请数/企业创新投入测算的企业自主创新效率进行稳健型检验。

4.2.3 控制变量

在扎根研究结论中企业成长和企业规模是除自创区网络效应外影响企业自主创新绩效的因素，因此选择代表企业规模的总资产收益率（Roa）和财务杠杆率（Lev）以及代表企业成长的企业年龄（Age）、企业成长性（Growth）和企业在自创区的年龄（Dy）为控制变量，具体变量定义见表3。

4.3 基准模型设定

基于上述分析，本文从理论层面探讨了自创区赋予企业的资源集聚和同群联盟对企业自主创新绩效的影响，为进一步对其进行验证，本文构建如下模型进行检验：

DIPi，t=β0+β1 AEi，t+β2 ∑ Controls+Year+εi，t（1）

DIPi，t=γ0+γ1 NEi，t+γ2 ∑ Controls+Year+εi，t（2）

DIPi，t代表i企业在第t年的自主创新绩效，AEi，t表示i企业在第t年的资源集聚，NEi，t表示i企业在第t年的同群联盟，∑ Controls代表控制变量的集合，Year为年度固定效应，ε代表随机扰动项。由于筛选后样本企业的所属行业均为制造业，所以未设置行业虚拟变量。

5 实证结果与分析

5.1 描述性分析

本文主要变量的描述性统计、相关系数及多重共线性检验结果如表4所示。由表4可知，自创区赋予企业的资源集聚和同群联盟的均值分别为0和2.295，标准差分别为1.890和5.171，表明企业从自创区获得的资源集聚网络效应不存在明显差异，但从自身科创网络中获得的同群联盟网络效应存在显著差异。从各变量的Pearson相关系数及显著性可以看出，自创区赋予企业的资源集聚和同群联盟等网络效应与企业自主创新绩效的相关系数分别为0.238和0.467，均小于0.5，且在1%的显著性水平上与企业自主创新绩效正相关。此外，控制变量与被解释变量相关系数绝对值也均小于0.5，且绝大多数被解释变量在1%的显著性水平上与被解释变量相关，表明本文选择的控制变量是合理的。各变量间相关系数均小于0.5，表明各变量间不存在强相关性。进一步，通过多重共线性检验发现各变量的VIF值均被包含于［1，2］中，表明变量间不存在多重共线性。

5.2 多元回归分析

5.2.1 基准回归分析

自创区赋予企业的资源集聚和同群联盟等网络效应对企业自主创新绩效影响的基准回归结果如表5所示。其中，列（1）和列（3）为未添加控制变量的回归结果，资源集聚（AE）与企业自主创新绩效（DIP）在1%的显著性水平上正相关；同群联盟（NE）与企业自主创新绩效（DIP）在1%的显著性水平上正相关。为提升回归结果的精度，列（2）和列（4）在添加控制变量的基础上又控制了年份固定效应，发现资源集聚和同群联盟对企业自主创新绩效影响的显著性水平仍不变。由此可见，在控制年份固定效应和其他对企业自主创新绩效的影响因素前提下，资源集聚和同群联盟等网络效应对企业自主创新绩效影响的显著性水平仍不变。因此，本文认为自创区赋予企业的资源集聚和同群联盟的提高均有助于企业自主创新绩效提升，即假设1和假设2得到支持。

5.2.2 稳健型检验

（1）增加控制变量。企业董事和高管实现企业自主创新绩效提升的目的会将自身关系网络嵌入，企业董事和高管的规模越大，嵌入的关系网络越多。因此，本文在原有控制变量的基础上，加入董事会规模和高管规模，以ln（观测年企业董事数量+1）测量董事会规模，以ln（观测年企业高管数量+1）测量高管规模，回归结果如表7所示。其中，列（1）展示新增控制变量后资源集聚对企业自主创新绩效的影响，列（2）展示新增控制变量后同群联盟对企业自主创新绩效的影响，发现新增控制变量后并未影响资源集聚和同群联盟等网络效应对企业自主创新绩效的影响。

（2）替换被解释变量。本文替换的被解释变量测度借鉴施建军和栗晓云的研究，采用企业独立专利申请量与研发投入的比值（EIE）作为企业自主创新绩效的代理变量，回归结果如表6列（3）和列（4）所示。替换被解释变量的代理变量后，资源集聚与同群联盟仍显著影响企业自主创新绩效，进一步证实了研究结论的稳健性。

5.3 机制检验

5.3.1 调节效应模型设定及检验

在H1和H2成立的前提下，由上文提出的H3和H4可知，企业数字转型和自创区制度激励能扩大资源集聚和同群联盟对企业自主创新绩效的影响，数字转型参考吴非等的研究，以企业年报中数字化特征词出现的词频进行测量；本文认为自创区内企业获取科创政策补贴越多，其受到的激励越大，因此采用ln（政府补贴+1）测量。如果两个调节效应存在，随着自创区内企业数字转型程度和制度激励的提升，资源集聚和同群联盟等网络效应对其自主创新绩效的影响会增强。因此，本文借鉴温忠麟等（2005）的研究，构建如下模型进行检验，具体如式（3）至式（6）所示，其中式（3）和式（4）用来检验企业数字转型的调节效应，式（5）和式（6）用来检验制度激励的调节效应。

DIPi，t=β0+β1 AEi，t+β2 Digei，t+β3 Digei，t*AEi，t+β4 ∑ Controls+Year+εi，t（3）

DIPi，t=γ0+γ1 NEi，t+γ2 Digei，t+γ3 Digei，t*NEi，t+γ4 ∑ Controls+Year+εi，t（4）

DIPi，t=β0+β1 AEi，t+β2 Sii，t+β3 Sii，t*AEi，t+β4 ∑ Controls+Year+εi，t（5）

DIPi，t=γ0+γ1 NEi，t+γ2 Sii，t+γ3 Sii，t*NEi，t+γ4 ∑ Controls+Year+εi，t（6）

其中：Digei，t代表i公司在第t年的数字转型程度；Digei，t*AEi，t代表数字转型程度与资源集聚的交乘项；Digei，t*NEi，t代表数字转型与同群联盟的交乘项；Sii，t代表i公司在第t年的受激励程度；Sii，t*AEi，t代表制度激励与资源集聚的交乘项；Sii，t*NEi，t代表制度激励与同群联盟的交乘项。

数字转型和制度激励的调节效应检验结果如表7所示：列（1）中资源集聚与数字转型的交乘项系数为0.032，且在5%的显著性水平上与企业自主创新绩效正相关，表明数字转型在资源聚集和企业自主创新绩效间存在正向调节机制；列（2）中同群联盟与数字转型的交乘项系数不显著，表明数字转型在同群联盟和企业自主创新绩效间尚不存在调节机制；列（3）中同群联盟与制度激励的交乘项系数为-0.006，且在5%的显著性水平上与企业自主创新绩效负相关，表明制度激励在资源聚集与企业自主创新绩效间存在正向调节机制；列（4）中同群联盟与制度激励的交乘项系数不显著，表明制度激励在同群联盟与企业自主创新绩效间不存在调节机制。上述结果表明，数字转型和制度激励仅在资源集聚对企业自主创新绩效的影响中存在调节机制。

数字转型尚未能扩大同群联盟对企业自主创新绩效影响的原因可能在于，数字转型虽然能持续向外界传递出自创区内企业创新能力提升的积极信号，促进创新资源向自创区内企业汇集，但联合创新对合作企业各种资质的考察期限较长且较为全面，所以短期内数字转型并不能扩大自创区赋予企业的同群联盟网络效应。制度激励在资源聚集与企业自主创新绩效间负向调节的原因可能在于，从自创区开始设立至今已有14年，其内部机制相对稳定，企业熟悉获取制度激励的方式，这容易产生获取制度激励的逆向选择问题和相应的道德风险，导致企业“策略性”创新行为，从而降低资源集聚对企业自主创新绩效的影响。

5.3.2 作用机制模型设定及检验

在分析H1和H2的过程中，本文发现自创区赋予企业的资源集聚和同群联盟通过增强投入强度（RD）和知识共享（KF），促进企业自主创新绩效提升，其中投入强度参考于连超等的研究，以ln（观测年企业投入强度+1）进行测量，知识共享参考孙玉涛等的研究，以ln（观测年企业专利的引用次数+被引次数+1）进行测量。本文借鉴温忠麟等的研究，构建如下模型进行检验，具体如式（7）至（14）所示，其中式（7）至式（10）用来检验知识共享和投入强度在资源集聚与企业自主创新绩效间的作用机制，式（11）至式（14）用来检验知识共享和投入强度在同群联盟与企业自主创新绩效间的作用机制。

KFi，t=β0+β1 HEi，t+β2 ∑ Controls+Year+εi，t（7）

DIPi，t=γ0+γ1 HEi，t+γ2 KFi，t+γ3 ∑ Controls+Year+εi，t（8）

RDi，t=β0+β1 HEi，t+β2 ∑ Controls+Year+εi，t（9）

DIPi，t=γ0+γ1 HEi，t+γ2 RDi，t+γ3 ∑ Controls+Year+εi，t（10）

KFi，t=β0+β1 NEi，t+β2 ∑ Controls+Year+εi，t（11）

DIPi，t=γ0+γ1 NEi，t+γ2 KFi，t+γ3 ∑ Controls+Year+εi，t（12）

RDi，t=β0+β1 HEi，t+β2 ∑ Controls+Year+εi，t（13）

DIPi，t=γ0+γ1 HEi，t+γ2 RDi，t+γ3 ∑ Controls+Year+εi，t（14）

作用机制的检验结果如表8所示：列（1）中资源集聚的回归系数为0.339，且在1%的显著性水平上与企业自主创新绩效正相关；列（2）中知识共享的回归系数为0.184，在1%的显著性水平上与企业自主创新绩效正相关，表明知识共享在资源集聚与企业自主创新绩效间存在积极的作用；列（3）中资源集聚与投入强度的回归系数为0.868，且在1%的显著性水平上与企业自主创新绩效正相关；列（4）中投入强度的回归系数为0.132，且在1%的显著性水平上与企业自主创新绩效正相关，表明投入强度在资源聚集与企业自主创新绩效间也存在积极的作用；列（5）中同群联盟的回归系数为0.038，在1%的显著性水平上与知识共享正相关；列（6）中知识共享的回归系数为0.141，且在1%的显著性水平上与企业自主创新绩效正相关，表明知识共享在同群联盟与企业自主创新绩效间存在积极的作用；列（7）中同群联盟的回归系数为0.016，在5%的显著性水平上与投入强度正相关；列（8）中投入强度的回归系数为0.127，且在1%的显著性水平上与企业自主创新绩效正相关，表明投入强度在同群联盟与企业自主创新绩效间存在积极的作用。上述回归结果表明，自创区赋予企业的资源集聚和同群联盟通过增加投入强度和知识共享，促进企业自主创新绩效提升。作用机制检验均在H1和H2成立的基础上进行。

6 异质性检验

本文认为自创区所在地理区域差异可能会造成研究结论的偏差，因此根据自创区所在地理区域将研究样本分层进行异质性检验。参照王弘鸣等的研究成果，根据自创区所在的省份，将自创区划分为东部地区自创区、中部地区自创区和西部地区自创区。回归结果如表9所示：列（1）至列（3）表示在自创区不同地区性质下，资源集聚对企业自主创新绩效的影响，发现仅东部和中部自创区赋予企业的资源集聚在1%的水平上显著正向作用于企业自主创新绩效，且在中部地区的作用更大；列（4）至列（6）表示在自创区不同地区性质下，同群联盟对企业自主创新绩效的影响，发现东部和中部自创区赋予企业的同群联盟在1%的水平上显著提升企业自主创新绩效，且在东部地区的作用更大；西部自创区赋予企业的同群联盟在10%的水平上显著提升企业自主创新绩效。

产生这一结果的原因可能在于：首先，与西部自创区相比，东部和中部自创区具有区位优势，创新资源更容易向东部和中部自创区内聚集，造成西部自创区赋予企业的资源集聚网络效应不佳。其次，与东部和中部自创区相比，西部自创区数量较少且设立时间较短，可能至今并未形成创新资源集聚网络效应。此外，一方面西部地区面临科技创新停滞问题，另一方面东、中部地区的教育资源优势进一步促使人力资本向东偏，这些可能也是造成此结果的重要因素。

7 结论与展望

7.1 研究结论

科技创新是中国在激烈的国际竞争中开辟新领域新赛道，实现跨越全球供应链位势，塑造新动能新优势的重要引擎，而企业作为科技创新的关键核心主体，自创区科创网络已成为驱动企业自主创新的重要情景。本文以北京中关村、上海张江、武汉东湖三地自创区政策文本为研究样本，运用扎根理论探索自创区科创网络对企业自主创新产生的影响，发现自创区设立赋能企业资源集聚和同群联盟网络效应。然后，通过调研上海张江内的企业，结合现有理论分析资源集聚和同群联盟等网络效应对企业自主创新绩效的影响，并提出研究假设。接着，以中国自创区内A股上市企业的经验数据进行实证验证，得出以下结论：第一，资源集聚和同群联盟能够显著提升企业自主创新绩效。第二，资源集聚可以通过改善组织间知识共享和组织内投入强度促进企业自主创新绩效提升；同群联盟通过改善组织间知识共享促进企业自主创新绩效提升。第三，企业数字转型能够扩大资源集聚和同群联盟对企业自主创新绩效的影响。进一步，将样本按照自创区地理区位分层后，发现同群联盟均显著作用于企业自主创新绩效，但在西部样本中的显著性水平有下降；资源聚集仅在中东部样本中显著。

7.2 管理启示

（1）自创区外的企业应加快进入自创区的战略部署，为实现资源聚集、分散创新风险、提升自主创新绩效做铺垫。首先，企业可以选择将注册地与办公地址分离，将办公地点设置到自创区内，促进企业创新资源与自创区内创新资源相互流转，实现良性循环。其次，企业借鉴科创飞地的运作模式，将研发部门以子公司的形式转移到自创区内，一方面能够实现自创区内人才、资金等创新资源向企业汇聚，另一方面能够增加企业与自创区内企业合作创新的机会，从而实现分担创新风险、提高自主创新绩效的目的。最后，企业可以选择与自创区内创新主体组建“创新联合体”或“产学研”联盟，利用自创区内创新主体吸引创新资源，并使各类创新资源在网络内有效流转。此外，自创区内企业应积极响应自创区政策，从而获取更强的网络效应的加持。

（2）自创区企业/政府应认识到数字转型突破创新资源瓶颈的新边界。首先，自创区企业应加快数字技术在E4evUCFRrIZzYbI1eCwKsw==研发环节、小/中试环节、产业化环节以及营销服务环节的应用，并利用数字技术向外部传递在各个环节取得成就的积极信号，从而吸引自创区内外部创新资源向企业汇集。其次，自创区政府应广泛布局自创区内的数字基础设施建设，在此基础上统筹规划科创平台建设，并带头协助积极响应自创区科创政策的企业构建其创新网络，促进创新资源在自创区内有效配置。

7.3 研究展望

本文使用扎根理论结合实证研究的组态分析方法探索出自创区设立赋能企业的资源集聚和同群联盟等网络效应，并验证二者对企业自主创新绩效的影响及内部机制，但仍存在一些不足，未来从以下方面进行突破。本文以中国自创区内A股上市企业的经验数据为研究样本，但自创区内企业以中小企业为主，未来的研究可以将自创区内中小企业的经验数据纳入研究样本中再次验证结论的适用性。

参考文献：

［1］ 谢家平，孔訸炜，梁玲，等.自主创新的科创平台治理因素机理：扎根理论质性研究［J］.上海财经大学学报，2019，21（6）：64-80.

［2］ 马宗国，范学爱.基于研究联合体的国家自主创新示范区企业转型升级评价：2016—2020年1827家上市公司的实证分析［J］.科技进步与对策，2022，39（14）：23-33.

［3］ 李鹏，吴瑶，彭华涛.知识网络嵌入与国际创业企业成长关系研究［J］.科学学研究，2022，40（8）：1441-1451.

［4］ XIE J， ZHU W， WEI L， et al. Platform competition with partial multi-homing： when both same-side and cross-side network effects exist［J］. International Journal of Production Economics， 2021， 233： 108016.

［5］ 孔令丞，许建红，刘鲁浩，等.科创网络推动区域创新的作用机理及实证分析：来自省级面板数据的证据［J］.上海经济研究，2019（4）：43-54.

［6］ 谢家平，孔訸炜，张为四.科创平台的网络特征、运行治理与发展策略：以中关村、张江园科技创新实践为例［J］.经济管理，2017，39（5）：36-49.

［7］ 孔令丞，王悦，谢家平.长三角区域一体化扩容、协调集聚与区域创新［J］.财经研究，2022，48（12）：34-47.

［8］ RICHARDSON G B. The organisation of industry［J］. The Economic Journal， 1972，82（327）： 883-896.

［9］ PFEFFER J， SALANCIK G. The external control of organizations： a resource dependence perspective［J］. Organizational Behavior， 1978.

［10］ 林闽钢.社会学视野中的组织间网络及其治理结构［J］.社会学研究，2002（2）：40-50.

［11］ EGBETOKUN A A. The more the merrier？ Network portfolio size and innovation performance in Nigerian firms［J］. Technovation， 2015（43/44）： 17-28.

［12］ 孙笑明，崔文田，崔芳，等.当前合作网络结构对关键研发者创造力的影响［J］.管理工程学报，2014，28（1）：48-55.

［13］ SINGH S， DARWISH T K， POTOCˇNIK K. Measuring organizational performance： a case for subjective measures［J］. Management Knowledge and Education，2016，27（1）：214-224.

［14］ 孔晓丹，张丹.创新网络知识流动对企业创新绩效的影响研究：基于网络嵌入性视角［J］.预测，2019，38（2）：45-51.

［15］ 李桂华，赵珊，王亚.供应网络位置、吸收能力与企业创新绩效［J］.软科学，2020，34（12）：1-7.

［16］ 周文浩，李海林.合作网络异质性特征与企业创新绩效的关系［J］.系统管理学报，2023，32（2）：367-378.

［17］ 张娜，刘凤朝.双层次合作网络构建对企业探索性创新绩效的影响［J］.管理工程学报，2021，35（1）：1-11.

［18］ 蔡彬清，陈国宏.链式产业集群网络关系、组织学习与创新绩效研究［J］.研究与发展管理，2013，25（4）：126-133.

［19］ 高良谋，马文甲.开放式创新：内涵、框架与中国情境［J］.管理世界，2014（6）：157-169.

［20］ CHESBROUGH H. The future of open innovation［J］. Research-Technology Management，2017，60（1）：35-38.

［21］ 王伟光，冯荣凯，尹博.产业创新网络中核心企业控制力能够促进知pu/J16jb42KXFMOvNlxP7Q==识溢出吗？［J］.管理世界，2015（6）：99-109.

［22］ 李雯，解佳龙.创新集聚效应下的网络惯例建立与创业资源获取［J］.科学学研究，2017，35（12）：1864-1874.

［23］ DEDEURWAERDERE T， MELINDI-GHIDI P， SAS W. Networked innovation and coalition formation： the effect of group-based social preferences［J］. Economics of Innovation and New Technology， 2018， 27（7）： 577-593.

［24］ 曹兴，欧阳莹，杨春白雪.创新网络合作密度影响因素及其仿真分析［J］.运筹与管理，2019，28（2）：74-80.

［25］ 李柏洲，王雪，薛璐绮，等.战略性新兴产业创新网络形成机理研究［J］.科研管理，2022，43（3）：173-182.

［26］ AISAITI G， LIANG L， LIU L， et al. How social enterprises gain cognitive legitimacy in the post-pandemic period？ Social welfare logic and digital transformation［J］. Industrial Management & Data Systems， 2021， 121（12）： 2697-2721.

［27］ 宋广蕊，马春爱，肖榕.同群效应视角下高管创新注意力、连锁关系对企业创新投资行为的影响研究［J］.管理学报，2022，19（8）：1195-1203.