跨省域合作网络结构对企业创新效率的影响研究

贾晓霞 丁寒

内容摘要：创新效率是企业创新能力和科技竞争力的直接体现之一，在区域网络结构的研究中将创新效率作为绩效指标进行定量分析对企业开展跨省域创新合作具有现实指导意义。本文基于中国国家知识产权局2012-2016年的发明专利数据，构建省域尺度下企业与产学研机构的创新合作网络模型，利用结构方程模型定量分析29个省级行政单位的创新合作网络指标中心性，以及结构洞对由三阶段DEA模型测度的企业创新效率及其产出绩效的影响。研究结果表明：省域合作网络中心性对企业创新效率和产出绩效具有积极显著的影响，结构洞对创新效率产生显著正向影响，但对创新产出没有显著影响。

关键词：合作网络   三阶段DEA   创新效率   PLS-SEM

引言

随着经济与科技全球化的不断深化，基于行政区域划分的区域创新体系逐渐与社会生产力发展的客观需求脱节，突破行政区划界限，构建跨行政区域创新合作网络成为必然趋势。省域创新合作能够弥补不同省份资源非均匀分布和创新技术非均衡发展的缺陷，促进科技创新要素全方位流动。企业作为科研活动的主体，其成果产出和研发效率对整个省域合作网络的创新绩效会产生巨大影响。研究省域合作网络对企业创新绩效的影响，不仅能从中观角度展示区域间物质、信息、资源等科技创新载体及要素的利用效率，认清区域科技创新发展现状，而且对企业开展跨区域创新合作，活化省域经济系统，提升科技竞争力具有现实意义。

区域合作网络中创新绩效的研究主要涉及两个方面：一是利用创新绩效分析协作网络的空间结构，二是从合作网络属性指标，如中心性、聚类系数和结构洞的角度探究对研究对象创新绩效的作用。但是现有文献主要以结果为导向的创新产出为指标来衡量创新绩效，绩效指标过于单一且轻投入重产出。创新效率是研发投入产出的转化率，一定程度上反映了创新活动的管理或经营绩效，可以揭示合作网络中合作者对有限资源的利用率，所以面向过程的效率绩效是基于合作网络角度研究创新活动评价指标的一个适当补充。在跨区域合作网络视角下研究省市企业的创新效率绩效，能够指导企业调整区域合作研发关系，提升科技创新实力。

因此，本文根据企业与产学研机构的跨区域合作研发活动，构建省域尺度下的企业创新合作网络。借助社会网络分析和计量经济学方法，拟在考虑省域合作网络对企业创新产出作用的基础上，重点研究其对企业创新效率的影响，并对企业建立跨省域合作提出指导意见。

理论与假设

（一）网络中心性与企业创新

中心性是社会网络中重要的结构属性，是对网络节点获取资源的能力、控制其他节点的能力以及不被其他节点控制的3种能力的衡量（Li等，2013）。占据中心结构位置的合作伙伴能够更好的共享、整合和利用诸如信息、技术、知识和资金等异质性资源，在网络的整体结构中占据重要战略位置。

研发伙伴基于创新要素的频繁流动和创新资源的交互作用，促进了合作网络的建构，加速了网络中处于中心位置的城市科技创新载体及要素的获取和积累。凭借丰富的企业创新研发知识、信息、技术、人才等资源，处于中心城市的企业成为创新合作网络中联系其他节点的桥梁和纽带。通过降低三方之间的信息鸿沟，为企业提供沟通、协调和交互的渠道，进一步吸引周边城市企业扩大合作，有利于合作省市资本、知识等资源的整合和优化，提升个体及网络的创新绩效。处于中心位置的城市凭借其丰裕的合作对象，使企业拥有更多的可替代选择，能够灵活应对不确定性的冲击，降低了创新成本和增加了转移市场风险的机会，能够推动企业创新效率与产出的提升。基于上述探讨，提出如下假设：

H1a：中心性对企业的创新效率具有积极影响。

H1b：中心性对企业的创新产出具有积极影响。

（二）网络结构洞与企业创新

Burt（1992）首先提出并论证了“结构洞”理论，认为将无直接联系的两个个体连接起来的第三者同时拥有信息资源的获取优势和控制优势，有利于提高创新产出绩效。后续学者的相关研究也证明占据结构洞位置对节点的创新绩效具有积极影响。例如，Soda等（2012）研究发现网络结构的优势来源于由开放型网络结构所创造的中介性机会，占据较多结构洞的参与者，通过控制信息的通道来获取更多的资源优势;迟嘉昱等（2015）建立了189家企业的创新合作网络，发现占据结构洞位置会对企业创新绩效产生积極作用;严若森和华小丽（2017）利用2008-2014年的257家高新技术上市公司数据，证实结构洞指数越高，企业的创新投入水平越高。但是，许多学者提出相反意见。Rowley等（2000）认为企业占据较少的结构洞意味着合作伙伴间存在着密切联系，有助于抑制机会主义行为，防止信誉损失的企业采取机会主义行为，有利于企业的技术创新活动;李晨蕾等（2017）利用国际研发联盟网络，实证研究发现由于国际研发网络内企业的行业背景差异大、异质性强，结构洞的存在会导致合作成员难以理解和整合多样化的信息知识和技术，对企业创新起负向作用。

关于结构洞对创新绩效负面影响的研究往往探讨的是结构洞与整个网络或部分网络性能间的关系，而不是一个特定的节点。结构洞是网络中异质性信息流动的纽带，占据结构洞位置的网络节点更容易获取独特、非冗余、丰富的科技创新资源，控制特定知识信息的传播，有助于企业形成新的有价值的创新思路，开发核心技术;处于结构洞位置的省市，能够借助网络中介位置的优势控制流经的信息知识等资源，从不对称信息中获取利益，使企业在科研创新活动中具有更多自主权，从而促进研发产出和研发效率的提高。因此，提出以下假设：

H2a：结构洞对企业的创新效率具有积极影响。

H2b：结构洞对企业的创新产出具有积极影响。

概念模型如图1所示。

研究设计

（一）网络模型

专利数据常被用于衡量一个团体、一个区域乃至一个国家的创新能力，可以用标准化信息展现技术进步，表征了创新活动有价值的信息资源，被认为是创新的重要产出指标（王鹏和张淑贤，2016）。本文以企业与其他省域产学研机构的创新合作专利数据为基础，建立以29个省级行政单位为节点的跨省域创新合作网络。数据来源于中国国家知识产权局2012-2016年发明专利。步骤如下：第一步，以“公司AND（公司OR大学OR学院OR研究院OR设计院OR科学院OR中心）”为关键词，29个省级行政单位为代理机构，检索2012-2016年发明专利授权数据，避免多省域合作的重复;第二步，对基于不同代理机构获取的专利数据进行清洗、整理，删除属于同一省域和申请人且不包含“公司”的数据，得到企业与产学研机构的跨省域合作数据;第三步，将29个代理机构合作数据整合，构建出2012-2016年的企业与各机构的跨省域合作专利数据矩阵。

本研究使用社会网络分析软件—Pajek將合作关系矩阵转为网络分析图，计算中介中心性、接近中心性和结构洞三种网络属性指标。2016年内地省域合作网络如图2所示。

（二）三阶段DEA模型

创新效率的相关研究多数集中于对研发产出和研发投入的评价领域。DEA是评价具有多投入产出决策单元的一种具有较好普适性的方法。Raab等（2006）运用DEA方法实证分析美国50个州的高技术产业投入产出水平，并比较各州投入产出效率;冯缨和滕家佳（2010）使用DEA方法评价了江苏省5大高技术产业整体技术创新效率水平。随着可剔除环境因素和随机干扰影响的三阶段DEA模型的逐渐成熟，许多学者将其运用到高新技术产业以及不同区域技术效率的研究中。本文采用三阶段DEA方法以确保计算的企业效率的客观性。第一阶段选择BCC模型作为评测的基础模型;第二阶段考虑环境因素和随机误差的影响，利用随机前沿模型SFA对一阶段DEA计算的投入松弛变量作为决策单元的机会成本进行修正，调整投入量;第三阶段调整后投入量带入经典DEA模型核算效率。

投入产出变量选取。企业创新投入包括研发经费和研究人员等多种资源。研发经费选用规模以上工业企业R&D经费来衡量;研究人员选取规模以上工业企业R&D人员全员当量作指标;用仪器和设备原价作为物质资源的指标。目前研究经验普遍认为研发创新产出包含研发活动的直接创新成果和创新成果的商业化。新产品销售收入反映技术创新成果的商业实现，也体现了市场对创新成果的接受能力，将其作为企业研发创新的指标（余泳泽和刘大勇，2013）;专利是研发活动的直接创新成果，选用有效发明专利数作为企业研发创新活动的另一产出指标。

环境变量选取。现有文献表明企业的创新效率受到国家各省市经济发展水平、科技创新人才、创新环境等因素影响，本文选取经济发展水平、受教育水平、信息化水平、政府支持力度和FDI作为环境变量。一般来讲，一个地区经济发展水平越高，该地区创新投入越大，科研创新可能更具有规模经济效应;受教育水平主要影响一个地区的科研人力资源;信息化作为基础设施对创新具有重要作用，可以较好实现科研要素的空间传递，提升科技创新效率;相关学者研究证明政府支持力度和FDI也会对企业的创新效率产生影响。指标处理方面，经济发展水平采用一个地区的人均GDP表示;受教育水平采用平均受教育年限测度;信息化水平采用一个地区人均邮电量来衡量;政府支持力度用政府资金在R&D经费内部支出占比计算;FDI用国外资金在R&D经费内部支出占比计算。具体变量指标如表1所示。

本文数据来源于《中国统计年鉴》（2013-2017）和《中国科技统计年鉴》（2013-2017），不考虑滞后性。使用DEAP2.1软件计算一三阶段的创新效率，使用Frontier4.0软件计算SFA模型。

（三）结构模型

PLS-SEM包含测量模型和结构模型两部分，前者采用验证性因子分析，研究可观测指标对外生构念的解释度;后者包括多元回归分析和路径分析，构建外生构念和内生潜变量的影响关系模型。部分学者使用PLS-SEM进行理论预测、发展和数据探索。PLS-SEM能够在非正态和小到中等样本数据的条件下模拟潜在构念的解释关系;自变量和因变量的测量误差低于合理水平时，模型可以保持较高的稳健性。由于搜集的是29个省级行政单位的小样本数据，所以本文使用SmartPLS软件用PLS-SEM对假设进行检验。

（四）变量

因变量。创新效率和创新产出为因变量。以综合效率为指标测度创新效率;以新产品销售收入和有效发明专利数为指标测度创新产出。

自变量。以合作网络的中心性和结构洞为自变量。以中介中心性和接近中心性为指标测度中心性。

控制变量。以研发经费投入强度和规模以上工业企业引进国外技术费用的支出当作控制变量。数据来源于《中国科技统计年鉴》（2013-2017）。PLS模型结构如图3所示。

模型检验与分析

（一）结构模型检验

以2016年数据为例，其描述性统计、方差膨胀因子（VIF）的值、测量变量的相关系数矩阵如表2所示。所有VIF值都小于5.0，表明这些变量之间没有显著的多重共线性。测量模型的信度和效度检验如表3所示。

Cronbachs α和组合信度在0.9以上，说明测量模型的指标具有可信度;因子载荷大于0.7且AVE值都大于0.5说明汇聚效度良好，选取的指标能有效解释所测量的潜变量。整个模型的区分效度如表4所示。

区分效度都小于0.85，说明不同指标测量的潜变量关联性低，不存在多重共线性问题。综合上述评价，说明测量指标信度效度合格，保证测量模型符合理论要求，且模型拟合度良好，软件运行计算结果有效。

（二）显著性结果

软件操作运行结果如图4所示。

根据搜集的2012-2016年长面板数据建立结构方程模型，2014-2016年的显著性结果如表5所示。

由模型的运行结果可知，中心性对创新效率和创新产出具有显著正向影响，支持假设H1a和H1b;结构洞对创新效率具有积极正向影响，支持假设H2a，对创新产出的影响不显著，不支持假设H2b。

结论

本文基于企业与产学研机构的跨省域创新合作关系，构建29个省级行政单位的合作网络模型，研究网络指标中心性和结构洞对面向过程的创新绩效—企业的创新效率和面向结果的研发绩效—创新产出的影响。研究结果表明，跨区域创新合作网络中处于中心地位的城市有助于企业创新效率和创新产出的提升。由此可见，企业应积极开展跨省域多样化合作，尤其是加强与处于中心位置省市企业的研发创新，增加资源信息的获取渠道，充分利用和挖掘合作关系的潜在性;加强网络联系的紧凑性和凝聚力，促使网络主体间建立更多有效的跨省域合作关系，来提升自身在网络中的中心地位，加快知识技术的获取与转化效率，整合内外部资源，提高创新成果的科技含量和科研成果市场产业化水平。

占据结构洞位置的城市，由于受到的约束小，在创造性活动中享有更多自主权，能够满足更多的经济需求，具有明显的竞争优势，有利于创新性想法的提出和新产品的产生，对于企业创新效率具有积极正向作用。而诚信是合作的基础，它受到企业的信誉、能力、形象等因素影响。企业需要与不同类型的研发主体建立合作伙伴关系，扩大自身跨省域合作机构的范围，降低来自同一类型合作主体之间的竞争，充分利用自身优势地位，吸收异质性资源，降低来自网络效率的制约;同时维护在合作伙伴间的信誉，提高跨省域创新合作的自发性、稳定性和持续性，巩固并发展在合作网络中的结构洞位置，提升自身的创新能力。

参考文献：

1.迟嘉昱，孙翎，刘波.网络位置、技术距离与企业合作创新—基于2003-2013企业专利合作数据的研究[J].科技管理研究，2015，35（22）

2.严若森，华小丽.环境不确定性、连锁董事网络位置与企业创新投入[J].管理学报，2017，14（3）

3.李晨蕾，柳卸林，朱丽.国际研发联盟网络结构对企业创新绩效的影响研究—基于社会资本视角[J].科学学与科学技术管理，2017，38（1）

4.王鹏，张淑贤.产学研创新合作网络的社会资本结构维度研究—基于2006-2014年广东省产学研合作专利申请数据分析[J].中国科技论坛，2016（7）

5.冯缨，滕家佳.江苏省高技术产业技术创新效率评价[J].科学学与科学技术管理，2010，31（8）

6.余泳泽，刘大勇.我国区域创新效率的空间外溢效应与价值链外溢效应—创新价值链视角下的多维空间面板模型研究[J].管理世界，2013（7）