技术合作网络与个体行动者探索式创新行为的内在联系机理

开篇：润墨网以专业的文秘视角，为您筛选了一篇技术合作网络与个体行动者探索式创新行为的内在联系机理范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：本研究采用网络分析软件STOCNET 1.8动态模拟宁波江北区仪器仪表产业集群技术合作网络与个体行动者探索式创新行为的联系。结果表明：在2005～2010年期间，宁波江北仪器仪表集群的技术合作网络尚处于初级阶段，合作网络与个体行动者探索式创新行为是互为状态依存；网络内个体的合作伙伴的选择受到组织类型及知识专门化的伙伴效应等因素的显著影响，个体探索式创新行为变化的决策受到个体知识专门化效应的积极影响。

关键词：技术合作网络；探索式创新；个体行动者；集群

中图分类号：F270 文献标识码：A 文章编号：1003-5192（2013）01-0031-06

1.引言

探索式创新是相对已有技术而言，开发新的技术，是具有原创性、突变性的新发明创造。探索式创新有利于企业更好适应市场环境的动态变化和实现技术突破。企业利用技术合作网络内不同知识，可以低成本、低风险地增强探索式技术创新。目前，关于个体行动者（Actor）利用技术合作网络来实现探索式创新正成为研究的热点之一。近年来，人们研究重点正从网络结构转向网络内容（网络知识多样化）及焦点企业（Focal Firm）的知识基础与外部伙伴的多样化知识的整合作用。例如，Phelps验证了合作网络多样性知识的整合对探索式创新的积极作用。Srivastava和Gnyawali分析了焦点企业的知识基础会影响对网络多样化知识的整合，从而会影响突变性创新。但是，现有的研究是单向的，主要考虑技术合作网络对探索式创新的影响，而很少关注个体行动者探索式创新行为对网络联结的影响及二者的内在相互联系，从而不能系统地揭示合作网络内企业探索式创新的规律。在社会网络内，受到网络自相关的同类相聚（Homophily Principle）和同化原理（Assimilation Principle）的影响，网络变化与个体行为变化相互联系和影响。另外，网络变化和个体行为变化会受到共同的个体特征及网络内生因素（例如中心性）影响。然而，在技术合作网络内，技术合作网络变化与个体行动者探索式创新行为变化问的联系是否会受到网络自相关、共同的个体与网络内生因素等的影响尚缺乏实证的验证。

与以往研究不同，我们采用动态研究方法，多层次地分析技术合作网络与个体行动者探索式创新行为的内在联系。首先，在对技术合作网络与个体探索式创新行为联系进行理论分析基础上提出了多层次的网络变化效应与个体探索式创新行为变化效应的假设；其次，进行研究设计，并运用网络分析软件STOCNET 1.8的SIENA功能，以宁波江北区仪器仪表产业集群技术合作网络为例进行模拟分析与讨论。

2.理论基础与研究假设

2.1技术合作网络与个体探索式创新行为的相互依存

在社会网络内，个体行动者为了能够对网络结构与网络内的其它行动者的行为做出反应，既可以通过改变行为的方式，也可以通过改变网络联结的方式。因此，个体行动者在网络内需要做出两类决策：一是与外部建立联结（伙伴选择），另一是对自己的行为做出决策。个体行动者对外联结的选择或变化，本质上是网络结构的变化或网络联结的变化，也称为网络变化。在技术合作网络中，网络变化与个体探索式创新行为变化的相互依存是因为二者间具有直接或间接的相互联系。第一，直接联系足受到网络自相关（双边层面因素）的影响，即社会联系更容易发生在人口统计特征相似和行为相似的个体行动者之间。关于网络自相关因素包含两个方面。一是同类相聚原理的影响，指的是相似的个体间比不相似的个体间更容易建立联结关系。另一是同化原理，其指的是个体行动者会改变个人的特征（包括行为特征）以实现与其社会邻居特征的匹配。因此，网络变化与个体探索式创新行为变化是互为条件和影响的，网络变化（联结选择）在同类相聚原理的作用下受到个体探索式创新行为相似的影响，而个体探索式创新行为变化在同化原理的作用下受到合作伙伴行为的影响。第二，间接联系是受到共同的个体层面因素和网络层面因素的影响。例如，个体行动者的一定程度的知识专门化，可能有利于增强探索式创新，同时。可能越容易吸引外部伙伴的合作。占据有利的网络中心位置，具有信息优势与控制优势，不仅有利于促进外部知识的获取，而且可以识别潜在的合作伙伴。网络变化效应常被称为选择效应，而个体行为变化效应常被称为社会影响效应。接下来，我们分别从技术合作网络变化的选择效应与个体探索式创新行为变化的社会影响效应提出假设。

2.2技术合作网络变化的选择效应

（1）网络内生因素效应

外向中心性效应。外向中心性是双边联结的程度的总体趋势，是个体行动者对外联结的数量总和。网络外向中心性体现了个体在网络中的权利和地位。具有更好的网络位置的企业可能更有利于选择合作伙伴。越处于中心位置的企业，掌握的信息越多，越能够识别企业间合作的机会，同时，相互联系的企业也越多，在选择合作伙伴时，可以选择最合适的合作伙伴。依据中心地位的影响，企业更容易在双边关系中达成对自己有利的合作条款。另外，可以获得更多的合作伙伴的相关信息，有利于降低合作风险。因此，我们假设：

H1 在合作网络中，个体行动者网络外向中心性越大越有利于其与外部建立合作（联结）。

（2）个体因素效应

其一，知识专门化的自我效应（Ego Effects）。正的知识专门化的自我效应显示，个体行动者知识专门化程度越大，越倾向于与更多的外部企业合作，体现了对外活动程度。依据资源基础观，知识专门化体现了企业的资源具有专用的性质，并会影响其寻求外部的资源。企业对知识的探究具有在本领域发展的倾向。因此，具有专门知识的企业更喜欢选择在其所熟悉知识邻近领域内从事研究。虽然企业可能具有获取外部潜在知识的愿望，但是由于具有从事自身技术领域研究的习惯，限制了其与外部的合作。另外，专门知识具有专用性和隐性，在合作中很难采用正式的合同来规定、监督与执行，容易被合作伙伴盗窃并遭受损失，因此，具有专门知识的企业会因为合作中潜在风险选择不合作。那么，我们假设：

H2 在合作网络内，知识专门化的自我效应为显著负的，即企业知识专门化程度越大，其与外部建立合作的倾向会降低。

其二，知识专门化的伙伴效应（Alter Effects）。正的知识专门化的伙伴效应显示，个体行动者知识专门化越大，越多外部企业倾向于与其合作，体现了受欢迎程度。企业参与合作网络的目的是为了获取网络内的资源与知识。具有很强专门知识的企业更容易在集群内被看作是技术领先者。相比技术落后的企业，作为技术领先的企业常成为集群内其它企业咨询的对象。技术相对落后的企业，希望通过与知识专门化程度大的企业合作来获得技术帮助和学习先进技术，因此，倾向于与知识专门化程度大的企业建立合作。那么，我们假设：

H3 在合作网络内，知识专门化的伙伴效应为显著正的，即企业知识专门化程度越大，外部企业越倾向于与其建立合作。

（3）双边因素效应

其一，类型相同。在合作网络内，网络个体行动者包括企业与科研机构（包含学校），因此，技术合作伙伴的类型一般来说有三类：企业与企业、企业与科研机构、科研机构与科研机构。依据同类相聚的原理，我们假设：

H4 在合作网络内，企业与企业和科研机构与科研机构比企业与科研机构更容易建立合作。

其二，知识专门化相似（选择）与探索式创新相似（选择）。知识专门化相似性的选择效应指的是，网络内的个体倾向于与具有相同程度的知识专门化的组织建立合作关系。类似地，探索式创新相似性的选择效应指的是，企业倾向于与具有相似的探索式创新绩效的企业建立合作关系。依据同类相聚的原则，那些具有相似特征或行为的企业，一般来说，可能具有相似的组织惯例、价值观或企业文化，因此，不仅容易相互接触并形成合作关系，而且容易通过协调来解决合作中的冲突问题。因此，我们假设：

H5 在合作网络内，企业倾向于与具有相似知识专门化程度的组织建立合作。

H6 在合作网络内，企业倾向于与同样从事探索式创新的组织建立合作。

2.3个体探索式创新行为的社会影响效应

（1）网络内生因素效应

外向中心性效应。网络外向中心性还体现了企业与外部建立合作关系的倾向。企业的探索式创新强调了不同知识来源在知识创造中的作用，如果一个企业与外部的合作关系越多，获取外部差异知识也越多，企业所能实现的知识组合也越多，从而有利于发明新的技术，即实现探索式创新。处于高度中心位置的企业，越有利于从事探索式技术创新。中心性代表关键资源可获得性和信息聚集，更容易获得创新相关的信息和影响力，有助于企业降低获取信息和潜在资源的成本。另外，网络位置越接近中心位置，越不会模仿普遍的做法或者那些追随者已经在使用的做法，而是倾向于采取探索式创新。因此，我们假设：

H7 在合作网络内，个体行动者在网络中心性越大，越有利于促进探索式创新。

（2）个体因素效应

知识专门化效应。正的知识专门化效应指的是，知识专门化程度越大，企业越倾向于探索式创新。技术创新的本质是知识创造，而知识创造依赖于知识的吸收、转移与整合。影响企业知识吸收与自身知识基础相关。一般来说，企业知识基础包括三个维度：知识宽度、知识深度和知识集中度。企业知识专门化程度越大，意味着企业在某类知识领域的钻研越深，相关知识的积累越多，从而整合知识的能力也越强，越有可能实现技术突破，探索式创新绩效通常也就越高。知识专门化程度越大，知识集中程度越高，更有利于把握技术创新的机会，提升探索式技术创新绩效。因此，我们假设：

H8 在合作网络内，个体行动者的知识专门化程度越大，越有利于促进探索式创新。

（3）双边因素效应

探索式创新相似（影响）效应。该效应指的是，一个企业的探索式创新行为会影响合作伙伴的探索式创新行为，体现了同化原理。在集群技术合作网络内，那些地理位置邻近的企业间合作，有利于促进相互接触与互动，增强相互了解，容易获得合作伙伴的信息。当合作一方了解或者观察到合作伙伴的探索式创新有利于提升绩效时，会积极模仿合作伙伴的探索式创新行为。因此，我们假设：

H9 在合作网络内，地理位置邻近的合作伙伴的探索式创新行为会影响伙伴实施相似的探索式创新行为。

3.研究设计

3.1研究方法与数据收集

我们选择知识密集型的宁波江北区仪器仪表产业集群为调研对象。知识密集型产业的技术与产品更新快，企业具有较高从事探索式创新的积极性。目前，宁波江北区仪器仪表集群有约40多家制造型企业、7家关联科研单位（中国科学院宁波材料所、中国兵科院宁波分院、宁波大学等）和40多家相关联企业，这些组织间的合作关系构成了宁波江北区仪器仪表产业集群技术合作网络。整个集群在2010年产值约20亿，产品主要属于通用仪器仪表与专用仪器仪表，涉及水表、流量表、传感器、温度控制器等。我们采取问卷调研的方法，以2005～2010年为观测期，同时，考虑到2008年金融危机的冲击，选择3个观测时间点，即2005年、2008年和2010年，把观测时间分为金融危机前与危机后两个阶段。在宁波江北区发改局帮助下，我们先确定集群内有从事研发或已经成功申请专利的单位名册，该名册包含39家单位，然后对集群内制造企业与研发单位进行问卷发放，问卷由总经理或技术经理填写。在问卷调查中，组织间的合作关系数据收集通过名册回想法（Roster Recall）。我们要求被调研的单位在2005年到2010年期间必须满足有至少1个的技术合作伙伴。被调研的单位需要回答与合作相关的问题，即贵单位在遇到技术上的问题时向名册中哪个单位咨询或寻求帮助吗？此外，我们从中国专利数据库网站收集专利数据。

我们总共发放了89份问卷，具有技术合作伙伴的制造企业与研发单位有27个。我们以这27个样本建立3个观测点的合作网络（整体网）邻接矩阵。合作网络邻接矩阵是有向的，若i主动向j寻求技术帮助，则xij=1，但是并不意味着xji=1，除非j主动向i寻求技术帮助。由于我们设立了3个观测点，我们需要建立3个合作网络邻接矩阵。对于在某个观测点中没有出现的企业，其与网络内其它个体行动者的合作关系为0，这样我们确保了3个观测点的合作网络邻接矩阵具有相同数量的行与列。

3.2测量

（1）知识专门化。专利作为企业知识资源的基础已被人们所认同。虽然不是所有的知识可以专利化，但是专利与非专利的知识存在正相关。因此，本部分采用专利来测度知识专门化。由于外观设计仅是外观的改进，不涉及技术与功能的变化，因此本研究中的集群企业的专利仅包括发明与实用新型，不包括外观设计。国际专利分类号IPC前3位数字代表某一类技术领域。那么，知识专门化程度的测度，可以用具有专利数量最多的某一专利分类号中的专利数量与企业所有专利数量的比例来表示，比值越大意味着越专业。本研究对2005～2010年的5年间的宁波江北仪器仪表产业集群中的仪器仪表相关的专利（以成功申请日计算）进行归类，具体包含的专利分类号有A01、A47、B01、B23、B29、B60、B61、B65、E01、E03、E04、E05、F04、F05、F16、F17、F23、F24、F25、F41、G01、G05、G06、H0l、H02、H03、H04、H05等28种，选择比例最大的值来代表知识专门化程度。

（2）探索式创新行为绩效。该构念参考了Lubatkin等人，王凤彬和陈建勋等的探索式创新绩效量表，我们选择3个问题项，分别是：贵单位能打破常规寻找新的技术/产品的创意；贵单位经常研发有价值的新产品或服务；贵单位尝试以新方式来满足顾客需求。该构念以利克特五点来测评，其Cronbach’s a系数是0.73，表明该构念具有较好的信度。我们分别测度2005年、2008年和2010年的个体探索式创新行为绩效。

（3）技术合作网络变化的选择效应与个体探索式创新行为变化的社会影响效应。本文参考了Snijders等人的SIENA手册中的网络变化效应与个体行为变化效应的概念与统计表达式。技术合作网络变化的选择效应涉及网络内生因素效应（外向中心性），个体因素效应（包含知识专门化的自我效应与知识专门化的伙伴效应），双边因素效应（包含知识专门化相似、探索式创新行为相似和类型相同）。探索式创新行为变化的社会影响效应涉及网络内生因素效应（外向中心性），个体因素效应（知识专门化效应）和双边因素效应（探索式创新行为相似）。

3.3分析的工具

网络变化和个体行为变化都可以看作是马尔科夫过程，二者的共同演化可以用SIENA中的行动者导向模型进行模拟。SIENA是网络分析软件STOCNET 1.8的内容，可从网站上免费下载相关软件程序和手册，也可以到SIENA主页阅读相应参考资料。对于网络与行为变化的各效应的参数估计，SIENA通过马尔科夫链蒙特卡罗方法进行迭代模拟。

4.分析与讨论

我们运用STOCNET 1.8软件的SIENA功能分析集群技术合作网络与个体行动者探索式创新行为相互联系的模型。在模型中，参数估计经历了马尔科夫链蒙特卡罗（MCMC）的2675次迭代，结果见表1。从表1看，各个效应的T比率（与参数估计的T值不同）接近于0，小于0.10，显示了该模型具有良好的收敛度，因此技术合作网络变化与个体探索式创新行为变化是相互状态依存的。由于网络密度、平均外向度、网络联结在2005年分别是0.050、1.346和35，在2010年分别是0.140、3.769和98，说明2005～2010年期间网络规模不大，网络节点少，组织间的合作不多，联结较少，因此，集群技术合作网络尚处于初级阶段。

4.1基于伙伴选择的网络变化效应

表1显示，集群技术合作网络变化效应的结果如下：（1）外向中心性的参数估计并不显著，为-1.102（p>0.1），因此，假设H1不成立。这说明了，在2005～2010年间，个体的网络中心位置还不足以对其外部合作关系建立产生显著影响。（2）个体知识专门化的自我效应的参数估计不显著，为0.904（p>0.1），而知识专门化的伙伴效应的参数估计显著，为1.069（P0.1），因此，假设H5和假设H6不成立。这说明，知识专门化相似和探索式创新行为相似，不利于合作关系建立。原因可能是，具有专门知识的企业或者从事探索式创新的企业一般具有核心技术，出于技术外泄的担心，会选择不与具有相似知识或者相似探索式创新行为的企业合作。

4.2基于社会影响的个体探索式创新行为变化效应

表1显示，个体探索式创新行为变化效应的结果如下：（1）外向度效应的参数估计不显著，为0.078（p>0.1），表示个体行动者的网络地位高低与其从事探索式创新并不显著相关，即假设H7不成立。这是因为，探索式创新需要对不同来源知识整合，是一个知识创造过程。探索式创新所需知识不仅存在于组织内，而且存在于组织外部和组织间。虽然，个体处于网络中心位置，具有信息优势与控制优势，有利于接触到不同知识，但是并不意味着可以实现隐性知识的有效转移，即不一定能实现不同来源知识的整合和促进探索式创新。原因是，隐性知识获取更需要依赖私人间基于信任的交流与互动，而很难通过地位、权力来获得。（2）知识专门化效应的参数估计显著，为1.302（p0.1），表示个体行动者并没有采取与合作伙伴相似的探索式创新行为，因此，假设H9不成立。虽然这与同化原理不相符合，但是说明了探索式创新需要原创性，需要组织自身具有一定知识基础和吸收能力，不容易通过模仿合作伙伴的探索式创新行为来实现。

5.总结

本研究以宁波江北区的仪器仪表产业集群的技术合作网络为案例，运用STOCNET 1.8的SIENA功能分析技术合作网络与个体行动者的探索式创新行为的内在联系。在理论方面的贡献有2点：（1）阐明了技术合作网络变化与个体探索式创新行为变化间的联系是因为受到共同的网络内生因素和个体因素，以及双边因素（网络自相关）的影响。（2）揭示了在集群技术合作网络发展的初级阶段，个体知识专门化不仅有利于吸引外部企业建立合作，而且有利于促进探索式创新行为。因此，本研究丰富了技术合作网络与技术创新能力共同演化的理论。此外，在实践方面有3点启示：（1）在技术合作网络内，个体探索式创新不能依靠模仿合作伙伴，需要依靠增强自身的专门化知识的积累和知识创造能力的增强。（2）在构建有利于探索式创新的合作网络时，不仅需要考虑企业的网络位置，而且需要通过有利位置来培育企业间的互惠、信任、承诺等关系资本，降低知识获取成本，促进知识的组织间转移。（3）政策方面，需要鼓励集群内的产业细分，扶持集群内组织积极从事专门技术领域的深入研究，并鼓励其通过合作方式从事探索式创新，带动整个集群合作网络的探索式创新。

虽然本研究一定程度上丰富了技术合作网络与个体探索式创新行为关系的研究，但是，仍存在一些不足需要将来进一步研究，体现在：（1）网络内生因素没有考虑网络封闭性、结构洞、互惠等的影响。（2）忽略了网络内组织问关系强度对探索式创新行为的影响，而组织间关系强度是影响知识转移的重要因素。（3）本研究的集群技术合作网络处于发展的初级阶段，因此，相关结论在网络的成长、成熟及衰退等阶段是否适用需要谨慎对待。