弱派系嵌入对企业创新的影响
——知识流动的双向中介效应与对技术多元化的调节效应

□郑向杰 吴雨衡

一、引言

我国经济进入新发展阶段，面对突如其来的新冠肺炎疫情和严峻复杂的国际竞争环境，科技创新已成为发展动力转换、产业结构调整、发展方式转型的重要驱动力。企业作为科技与经济紧密结合的重要组织，其技术创新的主体地位得到进一步加强。《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》提出，要“完善技术创新市场导向机制，强化企业创新主体地位，促进各类创新要素向企业集聚，形成以企业为主体、市场为导向、产学研用深度融合的技术创新体系”。近年来，战略联盟作为企业的合作创新模式，对企业有效开展创新活动、获取外部多元化知识资源产生了积极影响（张红娟，谭劲松，2014）。以联盟创新网络为代表的“新型组织”的出现，更加颠覆了企业以往的创新范式（鲁若愚等，2021）。其中，创新网络中局部聚集的联盟群体形成派系，它基于社会网络分析（SNA）中的凝聚子群概念而提出，把“最大的完全子图”（全连通结构）称之为派系，对企业提升创新能力、抵御创新风险、增强竞争优势起着重要作用（赵炎，栗铮，2019）。然而，企业的实践表明：非全连通的局部集聚也是企业间合作创新网络的重要结构载体，我们把这种非全连通结构的凝聚子群称为弱派系，它对嵌入企业创新产出具有重要影响。因此，本文从弱派系视角，探究创新网络结构对企业创新的影响以及知识流动的中介效应与对技术多元化调节效应。这能深化对创新网络的认识，为企业参与合作并对各种关系的嵌入与抉择提供重要参考，并在网络层面更好地促进企业创新和产业发展。

本文着力于研究弱派系嵌入、知识流动及技术多元化与企业创新的关系及其内在作用机制：一是基于新能源汽车联盟创新网络，运用负二项回归模型，探索弱派系嵌入对企业创新的影响；二是研究知识流入与知识流出的中介效应以及弱派系嵌入对技术多元化影响企业创新的调节效应。本文基于上述研究提出企业创新与产业发展的对策与建议。

二、文献综述

（一）网络嵌入与企业创新

Granovetter（1985）在经济社会学中提出个体经济行为嵌入社会网络的观点，随后，基于社会网络分析探索联盟创新网络中的企业嵌入问题，已成为创新战略研究的重要内容。联盟创新网络镶嵌着多元化创新资源（知识、信息、资金等），处于优势节点位置的企业，控制着创新资源的流动与转移，在创新方面更具优势（赵炎，王燕妮，2017）。联盟创新网络嵌入正向影响企业技术创新绩效（李奉书，黄婧涵，2018），而间接联盟关系及联盟类型多样性则对技术创新数量和质量存在差异化影响（杨张博，2018），嵌入企业的吸收能力在网络联系、网络规模与创新能力之间发挥着中介作用（詹坤等，2018）。企业嵌入及其发生的频繁程度对企业创新绩效存在显著影响（赵炎，栗铮，2019），企业创新行为嵌入在知识网络与合作网络的多重网络结构中，网络结构属性影响嵌入企业的探索式创新（厉娜，林润辉，谢在阳，2020）。

（二）知识流动、技术多元化与企业创新

知识经济时代的到来使企业竞争的焦点从基于资源的竞争逐渐转向基于知识和能力的竞争。知识流动问题逐渐成为联盟创新网络中企业间合作创新的关键问题，联盟创新网络中跨组织学习、知识转移与共享、知识耦合与创造以及协同演化问题的理论研究与模拟仿真较多（孙耀吾，卫英平，2012），虽然有学者探索了知识流动对企业技术创新的影响，但是较多研究忽视了基于网络结构因素研究知识流动的问题，对不同结构嵌入影响知识流动，进而影响企业技术创新的研究尚不完善，缺乏企业结构嵌入的实证探索。已有研究表明：联盟创新网络中企业技术多元化其自身具备获取外部创新资源的先天优势，不仅能提升获取创新资源的效率，而且能规避企业创新风险和能力陷阱，有利于企业的可持续发展（Lopez-Vega H，等，2016）。但也有学者认为，技术多元化会提高企业的知识获取与转化成本，在一定程度上限制了联盟创新网络中的知识流动，尤其是对企业的突破性创新会产生负面影响（Subramanian A M，Soh P H，2017）。所以，技术多元化影响企业创新的效应还需进一步探索。

（三）弱派系嵌入与企业创新

联盟创新网络派系的形成有助于企业间多元化共享知识和合作研发，不同规模下的结派行为及其发生的频繁程度可以显著提升企业的技术创新能力（赵炎，栗铮，2019）。弱派系结构作为一种典型的网络结构形态与知识流动的耦合及其作用关系，在一定程度上会影响企业的创新（赵炎等，2016）。虽然已有学者探索了技术多元化对企业创新的影响（毕静煜等，2021），但忽视了基于网络结构因素研究技术多元化问题，对弱派系嵌入影响知识流动、进而影响企业技术创新的研究尚不完善，缺乏弱派系嵌入的实证探索，尤其是将结构嵌入与技术多元化结合考虑得较少。

因此，本文基于社会网络分析理论和资源依赖理论，将弱派系嵌入、知识流动与技术多元化纳入研究框架，通过以创新活动为目的的企业间联盟关系，构建联盟创新网络，运用负二项回归模型，研究弱派系嵌入对企业创新的影响，并在此基础上进一步探索弱派系嵌入、知识流动及技术多元化与企业创新的关系及其内在作用机制。为企业有效派系嵌入、提升知识获取效率、提高技术创新水平提供客观的经验基础，为相关部门制定联盟创新发展政策、促进知识有效流动、带动产业技术创新等提供理论依据。

三、理论与假设

（一）弱派系嵌入与企业创新

早期社会网络分析在霍桑工厂和扬基城的研究中曾涉及派系的思想，较多学者把“最大的完全子图”称为派系，即派系中任意两点都有一条线直接相连，如图1 所示为不同规模的派系。

图1 企业数量规模为3/4/5 的派系

企业实践表明：联盟创新网络中能够符合“最大完全子图”的派系数量较少。借鉴社会网络分析方法，鉴于派系是特殊的凝聚子群，本研究弱化派系结构，考虑凝聚子群研究中的核心度（Coreness values，CV）作为企业弱派系嵌入的重要指标。如果一个子图中的每个企业节点都至少与该图中其他企业节点直接相连的数量为k，则每个企业节点嵌入在k-核中。核心度（CV）是指每个企业节点所嵌入的k-核情况。如图2 所示，企业节点A 与C 没有直接关系，虽然B、D、E 都与其他4 个企业直接相连，但是A、C 都只与3 个企业节点直接相连，因此，ABCDE 组成了一个3-核结构的弱派系群体，每个节点都嵌入在一个3-核子图中。

图2 一个3-核子图示例

企业嵌入联盟创新网络的同时，也在选择不同的结派对象，进而会影响自身获取创新资源的范围及其便利程度。较低的核心度（CV）意味着企业间具有强关系（直接连接）的数量较少，而数量较多的弱关系（间接连接）会在一定程度上影响知识资源在网络中的传递效率。随着核心度的增加，企业间强关系的数量会增多，企业嵌入的程度就会随之增强，较多的强关系有利于派系内知识的共享与转移，提升嵌入企业获取知识资源的机会。然而，较高的核心度即较多的企业间强连接会提升嵌入企业获取冗余知识资源的可能，并且由于网络中流动的知识资源“同质化”导致产生联盟创新的资源锁定、路径锁定现象，从而不利于异质性创新资源的获取（赵炎等，2021）。同时，随着网络中关系数量的增加，嵌入企业担心自身核心知识信息的泄露会被弱关系伙伴不付代价地攫取，这将间接增加市场竞争的对手数量。此时，嵌入企业会减少知识共享，并有意识地保护自身核心技术，从而降低联盟创新网络内知识流动效率，不利于嵌入企业创新水平的提升。因此，弱派系嵌入的核心度对企业的创新产出有一定的影响，由此提出假设：

H1：弱派系嵌入的核心度（CV）对嵌入企业创新能力具有倒U 型影响。

（二）知识流动的中介效应

知识是企业提高技术创新能力、增强市场竞争力的重要资源，联盟创新网络中的知识流动对企业获取知识资源尤为重要。网络结构会影响知识资源的转移效率，较强的连通性能提高知识的流动性，增加联盟企业间知识转移与共享的效率，在一定程度上有利于知识资源流入流出企业。有学者指出，知识资源在创新网络内的共享和扩散能促进嵌入企业的知识创新（杨瑾，王雪娇，2019），企业间联系强度正向调节知识流动与创新绩效的关系，而知识流动强度有利于嵌入企业获取知识信息。因此，嵌入较多强连接网络的企业更有利于隐性知识的攫取，提升企业的创新绩效（孔晓丹，张丹，2019）。尹航等学者（2019）认为，较多的知识资源获取是实现突破式创新的前置条件，嵌入联盟创新网络是企业获取异质性知识资源的重要途径，能扩大企业获取知识资源的广度和深度，提升企业探索式创新的机会。此外，在联盟创新中，提高知识共享与转移意愿的企业能够赢取较多的联盟机会，为企业获得更多知识资源、增强创新能力提供重要的关系基础（郑向杰，赵炎，2013）。由此可见，创新网络中的知识流动有益于嵌入企业获取更多的知识资源，有利于企业创新。

因此，知识流动会在弱派系嵌入与企业创新关系中存在中介效应。按照知识流动研究惯例，考虑知识流入和知识流出两个视角，提出研究假设：

H2：知识流动（知识流入与知识流出）对弱派系嵌入影响企业技术创新存在中介效应。

（三）对技术多元化的调节效应

技术多元化是企业拥有知识多样性与差异性的重要体现，反映了高科技企业内部技术领域的覆盖程度（Zhou K Z，Li C B.2012）。企业需要不断地从外部获取知识资源并吸收利用、整合创造，才能保持较高的市场竞争力。联盟企业间知识共享是企业获取知识的重要途径，具有技术多元化的企业更能引起联盟伙伴的青睐，成为较多技术合作领域的联盟对象，能在一定程度上为企业获取多样的异质性知识提供机会，有利于企业创新能力的进一步提升（Lopez-Vega H,等,2016）。

当企业嵌入弱派系的核心度（CV）较低时，虽然企业技术多元化能够促进企业创新，但此时企业间的强关系数量较少，获取的知识资源有限，企业创新产出也相对较低。而随着核心度（CV）增加，即强关系数量的增多，企业获取知识资源的机会就增多，嵌入企业的创新能力逐渐增强。然而，当核心度（CV）增加到一定程度时，较多冗余知识的获取以及技术标准的趋同和一致性在一定程度上就会限制企业创新水平的提升，随着企业间彼此过度聚集，嵌入企业会担心弱关系伙伴可能不付代价而攫取自身的核心技术与诀窍，这会导致嵌入企业减少知识共享，降低联盟企业间知识流动效率，从而会阻碍企业获取有效的知识。由此提出假设：

H3：嵌入企业的技术多元化有利于企业创新。

H4：核心度（CV）对技术多元化影响企业创新呈倒U 型的调节效应。

根据上述分析，本文的理论分析框架图如图3 所示：

图3 理论分析框架图

四、研究设计

（一）数据来源

本研究所用联盟关系数据是基于美国SDC platinum 数据库构建的中国战略性新兴产业联盟数据，从中选取中国新能源汽车产业联盟关系数据作为样本，并利用互联网新闻及商业报告信息对其进行修订、补充和完善。鉴于联盟关系结束日期很少对外发布，按照国际研究惯例，本研究假定联盟关系持续时间为4 年，即选择4 年创建时间窗口来生成联盟创新网络。将2008—2018 年划分为8 个时间窗口（见表1），有966 个汽车企业联盟（每个联盟至少有一个新能源汽车或零部件厂商参与），共计1283 个企业组织参与。为了减少误差，剔除投资机构、国外汽车厂商和国内外政府组织，最终确定8 个时间窗口的898 个汽车企业作为有效样本。表1 所示为各时间窗口的原始样本数量和有效样本数量。

表1 各时间窗的样本数量

基于各时间窗口的企业间联盟关系，利用MATLAB 软件设计邻接矩阵自动提取算法，实现邻接矩阵自动生成，最终共生成8 个时间窗的0-1 对称矩阵，在此基础上，利用UCINET 实现联盟创新网络的可视化，并计算不同时间窗口的网络结构指标。图4 所示为其中一个时间窗口的联盟创新网络拓扑图。

图4 2015—2018 年时间窗口新能源汽车产业联盟创新网络拓扑图（node=266）

专利数据来自中国知识产权网（http://pss-system.cnipa.gov.cn），用企业工商注册名称搜集样本企业在2003—2021 年间企业申请并最终获批的专利数。利用智慧芽数据库搜集样本企业的技术多样性情况，主要搜集企业每年所申请并最终获批专利的IPC 主分类号（小类）信息。

（二）变量设定

1.被解释变量

专利数量（P）。新能源汽车产业多为高科技企业，企业倾向于申请专利来保护自身的创新成果。因此，专利数量是企业创新水平的重要体现。由于企业间合作创新从知识共享、吸收与利用到专利申请并获批往往需要2-4 年时间。因此为了准确地考量企业技术创新水平，本研究考虑联盟滞后3 年企业申请并最终获批的专利数量（P3）作为被解释变量。

2.解释变量

（1）核心度（CV）。核心度反映了企业弱派系嵌入的k-核情况，作为弱化的派系（非全连通）群体内企业关系要比派系（全连通）复杂得多，如前文图2 所示的3-核子图可能是由若干个3 派系生成的。本研究基于UCINET、MATLAB 等软件计算每个时间窗口样本企业的核心度（CV）。

（2）知识流入（Knowledge Inflow，K-Inflow）与知识流出（Knowledge Outflow，K-Outflow）是知识流动的两个方面，专利引用是企业主动获取知识的行为，反映了知识流入；而专利被引用则表现出企业知识的被动转移，在一定程度上反映了知识流出（赵炎等，2016）。因此，本研究把联盟当年企业专利引用次数之和作为知识流入的指标，把当年企业专利被引用次数之和作为知识流出的指标，并分别作为中介变量进入模型。

（3）技术多元化（Knowledge Diversity，TD）。技术多元化的企业在联盟方面具有更强的吸引力，有更多的选择性给企业异质性知识获取提供了便利。本文借鉴赵炎等（2021）学者的研究，考虑联盟当年企业获批专利的IPC 主分类号前四位（小类）信息，剔除重复的分类号，把相异的分类号个数作为企业的知识类别来反映企业的技术多元化。

3.控制变量

（1）创新积累（presample5，PRE-5）。企业技术创新产出往往具有一定的连续性，原有的创新积累对后续创新产出的影响已经得到证实。本研究把样本企业的原有创新积累作为控制变量进入模型，并把企业嵌入联盟创新网络前5 年的专利数之和（PRE-5）代表企业原有创新积累。

（2）局部效率（local efficiency，LE）。局部效率大小表示企业在网络中具有位置优势，并占据较多的结构洞，在一定程度上能够促进企业创新能力的提升（叶红雨，茅怡雯，2021）。因此，本研究仅计算局部效率并将其作为控制变量进入模型。

（3）网络密度（Density）。联盟关系的多寡直接决定了企业获取创新资源机会的大小，拥有较多直接联盟关系的企业是其“朋友圈”里的“红人”，能够有机会直接获取并对比较多的异质性创新资源，有利于创新水平的提升。网络密度是联盟关系数量多少的直接体现，较多的联盟关系数量具有较高的网络密度。因此，本研究将整体网络密度作为控制变量进入模型。

（三）模型说明

被解释变量专利数量（P）是计数变量，采用一般回归分析会出现较大的估计误差。虽然计数型变量适合使用泊松模型进行估计，但从表2 可以看出，专利数量的方差（标准差的平方）远大于均值，不符合泊松分布要求均值与方差相等的假定。豪斯曼（Hausman，1984）曾提出对于被解释变量过度离散的情况适合使用负二项回归模型进行估计。因此，本研究采用负二项回归模型分析。基本模型如下：

其中，P代表i 企业在联盟滞后3 年的创新产出期望。

五、结果分析

本研究利用STATA16.0 进行统计分析。从表2 可以看出，只有解释变量K-Inflow、K-Outlow、TD 之间的相关系数绝对值大于0.7，在后续的负二项回归分析中并没有同时出现任意两个变量的情况，才能排除模型中变量间多重共线性的可能。表3 负二项回归分析模型。通过豪斯曼检验，所有模型在显著性水平p＜0.05，拒绝了固定效应模型假设，本研究采用随机效应分析。同时，由likelihood-raito 检验可知，所有模型在显著性水平p＜0.01，拒绝了泊松分布的原假设，进一步说明了负二项回归分析更为有效。LR chi2 的p＜0.000，模型1-模型8 都具有较高的显著性。

表2 变量的描述性和相关性统计（n=898）

在表3 中，模型1 仅包含控制变量，可以看出，前期知识积累（PRE-5）与局部效率（LE）会影响后续的创新产出，而网络密度（Density）对嵌入企业创新的影响不显著，可能的原因是新能源汽车产业联盟创新网络各时间窗口的整体网络密度较小（表2 中的Density 最大值为0.03），关系的整体优势难以发挥。

表3 随机效应的负二项回归分析（n=898）

从模型2 可以看出，核心度（CV）的一次项系数为正且不显著，二次项系数则显著为负，这表明核心度对企业创新存在倒U 型的关系，H1 被支持。为进一步说明这一关系，在不考虑其他因素时，只保留常数项、核心度（CV）的一次项、二次项，则模型2 可简化为P3=exp（-0.0819+1.5572CV-0.1331CV），等式两端同时取自然对数，即LNP3=-0.0819+1.5572CV-0.1331CV，于是得到图5。当核心度（CV）小于5.85 时，核心度（CV）对企业创新存在正向影响；当核心度（CV）大于5.85 时，则核心度（CV）对企业创新存在负向影响；而当核心度（CV）等于5.85 时，嵌入企业有最大的创新产出。

图5 CV 对企业创新的倒U 型影响

模型3 中的技术多元化（TD）的系数显著为正，表明企业技术多元化有利于企业创新，H3 被支持，即技术多元化能够促进企业创新。为了保证结果的稳健性，消除多重共线性的影响，对技术多元化（TD）、核心度（CV）及核心度（CV）的二次方分别进行中心化处理后再相乘进入模型，即模型4。结果表明：技术多元化（TD）与核心度（CV）二次方乘积的系数显著为负，这表明二者之间存在调节效应，且技术多元化（TD）与核心度（CV）乘积的系数显著为正，这表明弱派系嵌入的核心度（CV）对技术多元化（TD）影响企业创新具有倒U型的调节效应。所以，H4 也被支持。

为了清晰说明核心度（CV）对技术多元化（TD）影响企业创新的调节效应，基于模型4 绘制核心度的调节效应图，如图6 所示。技术多元化（TD）对企业创新存在显著的正向影响，影响的程度会受到核心度的倒U 型调节。随着核心度的增加，技术多元化会进一步促进企业创新，当核心度增加到一定程度时，技术多元化对企业创新的正向促进作用能够得到充分发挥，此时再增大核心度，就会弱化技术多元化对企业创新的影响。

图6 CV 对TD 影响企业创新的倒U 型调节效应

鉴于核心度（CV）对企业创新存在倒U 型影响，为检验调节效应的稳健性，本研究把核心度（CV）分成两类，分别验证技术多元化（TD）对企业创新的影响：当核心度（CV）小于5.85，技术多元化（TD）对企业创新具有显著的正向影响，而技术多元化（TD）与核心度（CV）乘积系数显著为正，这表明随着核心度（CV）的增加，创新产出不断增多；当核心度（CV）大于5.85，技术多元化（TD）对企业创新也具有显著的正向影响，但技术多元化（TD）与核心度（CV）乘积系数显著为负，随着核心度（CV）的增加，创新产出不断减少（见图6）。这进一步说明弱派系嵌入对技术多元化（TD）影响企业创新具有倒U 型调节效应，结论依然稳健。

由于弱派系嵌入的核心度（CV）指标对企业创新存在倒U 型影响，要验证知识流动（知识流入（K-Inflow）与知识流出（K-Outflow）的中介效应，就要验证弱派系嵌入的核心度（CV）通过倒U 型曲线效应影响知识流动、进而影响企业创新并促成核心度（CV）与企业创新的倒U 型关系。模型5 验证了核心度（CV）对知识流入（K-Inflow）也存在倒U 型影响，且在模型2 的基础上引入知识流入（K-Inflow）变量后，知识流入（K-Inflow）的系数显著为正（模型6），这表明知识流入（K-Inflow）对弱派系嵌入影响企业创新存在显著的中介效应。同样，由模型2、7、8 联合分析可以得到，知识流出（K-Outflow）对弱派系嵌入影响企业创新也存在显著的中介效应。因此，H2 被支持。

为了检验中介效应的稳健性，本研究用Bootstrap 方法代替逐步回归法检验中介效应，如表4 所示。将知识流入（K-Inflow）作为中介变量进行Bootstrap 检验时，95% 的置信区间里未包含0，系数乘积显著且也不为0，这说明知识流入（K-Inflow）对弱派系嵌入影响企业创新具有中介效应。同样，将知识流出（K-Outflow）作为中介变量进行Bootstrap 检验时，95%的置信区间里也未包含0，系数乘积显著且也不为0，这说明知识流出（K-Outflow）对弱派系嵌入影响企业创新也具有中介效应。因此，用Bootstrap 方法检验中介效应依然显著存在，实证分析结论稳健。

表4 Bootstrap 中介效应检验结果

六、研究结论与对策建议

（一）研究结论

本研究基于新能源汽车产业构建联盟创新网络，考察了弱派系嵌入、知识流动、技术多元化与企业创新的作用机制。研究发现：弱派系嵌入影响企业创新并非单纯的线性关系，而知识流动对这种关系存在显著的中介效应，且弱派系嵌入对技术多元化影响企业创新也起到了关键的调节作用。研究结论有：弱派系嵌入显著影响企业的创新水平，且对企业创新存在倒U 型的影响；知识流动能够促进企业创新，知识流入与流出对弱派系嵌入影响企业创新都具有显著的中介效应；技术多元化正向促进企业创新，且弱派系嵌入对技术多元化影响企业创新具有倒U 型的调节效应。本研究不但丰富了联盟视阈下创新网络的企业嵌入理论，而且为了解和分析中国企业间联盟创新网络的复杂性及其创新范式提供了经验支撑。

（二）对策建议

基于企业间关系集聚的弱派系嵌入使得知识资源在创新网络内的流动更为频繁和通畅，但由于知识流动终止于派系的边界，所以技术创新常发生在派系内而非派系间。弱派系嵌入对企业创新存在倒U 型的影响，考虑个体中心网的企业嵌入，具有较少联盟关系的弱派系团体存在较多的弱关系联结，这在一定程度上会导致企业间信息交流不便；随着弱派系团体的强连接增多，较多的联盟关系常常导致知识流动信息变得的一致和冗余，企业甚至担心那些与自己具有联盟关系而处于结构洞位置的企业会溢出自身的核心技术或诀窍，所以嵌入企业会有意识地减少知识共享，导致联盟企业间知识流动效率降低，从而影响企业创新。因此，提出以下建议：

1.企业视角

（1）积极融入创新网络，获取外部创新资源。创新网络是企业个体所嵌入并依赖的结构环境，对嵌入企业创新产出存在一定的影响。对于企业来说，世界是开放的，封闭和隔绝是创新的天敌。在当前竞争环境下，企业应积极寻求外部资源，谋求联盟创新。随着联盟创新网络中派系的形成与发展，企业个体间的竞争模式逐渐向派系间的竞争模式所转化，弱派系嵌入已成为企业提升创新能力、增强竞争优势、获取话语权的重要途径。在选择联盟伙伴时，充分考虑自身弱派系嵌入的核心度，选择具有适度规模关系的凝聚子群中。

（2）加强知识流入流出，提升网络结构效应。拥有较多异质性知识资源是提升创新能力的基础和保障，不但要对自身积累的知识资源积极开发，更需要攫取外部知识资源为己所用。嵌入联盟创新网络是企业获取外部知识资源的一种有效方式，已经成为企业提高创新能力、赢取竞争优势的重要途径。较多的知识流动与转移增加了嵌入企业获取知识资源的可能性，增加了企业创新的机会。研究发现知识流动对弱派系嵌入影响企业创新具有显著的中介效应，如何通过知识流动将网络结构的影响传导至企业创新，是企业联盟创新活动的重要体现。因此，企业要主动获取、吸收外界的知识资源，提升知识资源的流入流出力度，将外界知识资源吸收内化，以增加企业的创新产出。

（3）积极拓展多元技术，创造联盟合作机会。技术多元化企业为争取联盟机会获取更多知识资源提供了便利条件。嵌入适当核心度的弱派系团体中，技术多元化对企业创新的正向促进作用能够得到充分发挥，以获得最大的创新产出。因此，企业应重视知识积累与技术拓展，实施技术多元化，提升联盟吸引力，为企业获取更多知识资源，进一步增加创新产出提供更多机会。

2.政府视角

（1）搭建联盟创新平台，发挥知识流动效率。对于政府来说，要用动态的视界审视产业创新发展问题，在遵循产业发展规律的同时，鼓励联盟创新，增强企业间的知识流动，将企业弱派系嵌入结构优势转换成创新优势。由于弱派系嵌入对知识流动具有倒U 型的影响，表明适度的企业间联盟关系数量，才能发挥知识流动效率。因此，鼓励联盟创新的同时要注意弱派系的结构变化，并辅以其他措施，比如：通过构建联盟合作平台，给企业提供信息支持，架起联盟合作的桥梁，最大限度地减少联盟企业间知识共享与转移的成本。

（2）健全联盟创新机制，助力企业创新发展。当前，我国正处在产业升级、技术创新的关键时期，为解决“卡脖子”技术难题，国家也出台了大量的创新政策，产业的头部企业，如一汽、奇瑞、吉利等都率先投身于合作、联盟创新的大潮。然而，大量企业尤其是一些传统行业的民营企业还没有充分意识到形势的紧迫性，对于合作、联盟、创新仍然顾虑重重。这里既有知识产权保护、核心能力保护不足的制度性问题，也有心态是否开放、观念是否转变的认知性问题。因此，相关政府部门要鼓励企业间积极形成紧密结合的派系团体，进一步提升创新水平。在积极鼓励合作创新、形成联盟派系的同时，一方面健全相关法律法规，完善合作信任机制，创设优良的联盟创新社会环境；另一方面强化企业创新的主体地位，完善技术创新的市场导向机制，促进创新要素向联盟派系集聚，实施重大科技联盟攻关，实现突破式创新。此外，还要鼓励联盟企业加强知识交流，在确保个体企业知识产权的同时，实现创新的溢出效应，加速经济发展，助推社会进步。

①SDC Platinum 数据库作为国际上大型联盟数据库（SDC、Merit-CATI、Core、Recap 和Bioscan 等）之一，是用于研究组织间关系最多的数据库，已用于较多的实证研究。SDC Platinum 数据库涵盖了多条金融交易信息（如债券、股票发行、证券交易、并购等），联盟数据只是该数据库的一部分，可以通过数据库中的合并和收购部分获得。通过寻找含有China 或Chinese 的数据，再核实参与者名称及合作概要，并基于参与企业及联盟的SIC 代码，保留参与者具有高科技属性的联盟数据，且在此基础上按照我国战略性新兴产业的划分标准，构建出中国战略性新兴产业联盟数据库。

②国际研究惯例是假定联盟持续时间3～5 年，本研究选择折中时间4 年，创建时间窗。

③由于本文将企业嵌入联盟创新网络前5 年的专利数之和代表企业原有创新积累作为控制变量，把联盟滞后3 年企业申请并最终获批的专利数量作为被解释变量，搜集样本企业的专利数时往前延伸至2003 年，往后延伸至2021 年。