集群创新平台与集群企业知识流动风险控制研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇集群创新平台与集群企业知识流动风险控制研究范文，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：本文探讨了集群企业在知识流动中使用集群创新平台来管理知识流动的不确定性和控制知识流动风险的机制。文章指出，集群企业知识流动的风险来自知识流入方对知识流出方的知识价值缺乏正确的评价信息和知识流入方由于存在知识管理方面的缺陷两方面。通过对2007到2013年广东珠三角区662家集群企业知识流动数据的分析，结果显示知识流动发生在跨行业企业之间、集群内部环境不顺畅，知识流动的相对规模较大、集群企业知识性资产特性差异较小等情况下，知识流入方会更倾向于使用集群创新平台以控制知识流动的风险。文章旨在通过完善创新平台风险控制机制来实现企业知识流动有效性。
关键词：集群创新平台；信息不对称性；知识流动不确定性；风险控制
中图文献号：F276；F273 文献编码：A DOI：10.3969/j.issn1003-8256.2015.04.007
1 引言
早期的研究者对集群企业主要针对集群企业创新机制的产生和竞争优势的来源研究[1-3]，最近的研究则集中于集群企业知识网络和扩散方面[4-5]与集群企业知识流动上，其中对知识流动的研究一直是学术界关注的热点问题之一，研究者对知识流动的研究主要关注知识流动与企业竞争优势的关系上，例如，Tallman指出集群稳定发展的来源是企业的知识流动[6]，Rosenfeld认为集群企业竞争优势来源企业知识的流动 [7]。集群企业虽然通过知识流动有可能提高企业竞争力，但集群企业知识流动也存在不确定性和风险性[8]。知识流动的不确定性和风险很可能影响知识流动的效果，或者说，知识流入双方如果不能对对方的知识信息有效的理解，那么就难以预测知识流动的效果。由此企业很有必要加强对知识流动不确定性和风险的管理和控制。以往文献关于企业不确定性主要集中企业外部环境和未来变化的识别和预测上[9-11]，事实上，企业风险和不确定性还与对企业现在和过去发生的事情认识的模糊性有关。本研究着重从过去模糊性和未来变化性的视角来探讨集群企业知识流动的风险和不确定性，知识流动的不确定性和风险存在知识流动前和流动后两个阶段，知识流动前的不确定性，在于知识流入方企业对知识流出方的知识是否有价值的识别上面临的不确定性；知识流入流动后的不确定性，在于知识流入方对知识流入后知识整合上面临的不确定性。知识流入方不仅可以使用自身的资源，还可使用集群创新平台，来准确把握和克服知识流动中由于信息的不确定而带来的风险。现有研究主要针对创新平台概念、特征及其对集群企业服务功能上进行研究，认为创新平台从一般意义上来讲是技术服务组织[12]、是一种知识密集型服务组织[13]，鲜有探讨集群企业使用创新平台的影响因素。尤其是对创新平台如何减少集群知识流动风险的作用方面的研究还是空白。作为信息提供者和知识技术服务组织，集群创新平台被认为是降低知识流动的风险重要参与者，因为创新平台能利用其拥有人才技术资源为知识流入方准确评价流出方的知识价值和知识相配性。
尽管目前集群企业的创新平台为许多的集群企业提供知识、技术服务，但其实际效果并不很明显，集群企业的知识流动的绩效令人不够满意，其原因是多方面的。集群企业知识流动的不确定性和风险性是知识流动绩效不尽人意的一个重要原因。基于此，本文运用广东珠三角区662家集群企业2007-2013年间发生的知识流动案例，研究知识流动前后的不确定性和风险性。通过分析影响知识交易因素建立理论模型来解释那种情形下不确定性问题使企业容易使用创新平台来协助知识流动。进一步而言，本文基于知识管理和信息经济学回答以下问题：一是知识流动过程的不同情形下不确定性有哪些？二是知识流入方如何减少不确定性？三是知识流动中创新平台如何起作用？四是知识流动在什么情形下使用创新平台？
2 理论分析与研究假设
2.1 集群创新平台
本文所分析的知识流动是发生在集群企业之间、企业和中介组织之间，不包括集群内部的其他组织之间的知识流动。由于交易双方存在信息的不确定性便产生了中介组织[14]，中介组织为交易双方获取准确的信息并辅助其交易提供了有力的支撑，由此，引起了研究者广泛关注[15]，作为集群内部的创新平台就是这种中介组织，该组织在集群内和集群企业的联系由于地缘原因更为紧密，所以，创新平台能及时跟踪集群企业知识需求并有针对性为集群企业开发、研究和管理知识。由于集群创新平台和集群企业有着方方面面的业务往来，创新平台对集群企业的信息了解和掌握的比较充分，因此，创新平台可以为集群企业获取准确详细的信息和提供许多专业化的技术和管理服务，而且还可利用自身汇集的知识、技术和管理方面的资源为集群企业之间知识流动发挥了有效的桥梁作用，促进集群内部的知识在集群企业之间的流动。特别是集群企业存在信息不对称的情况下，创新平台在促进集群企业知识流动作用上显得尤为重要。本研究中，作为为集群企业知识流动服务的创新平台分别是技术服务、创业中心和信息咨询等，如表1所示。
表1 集群知识流动主要涉及的创新平台
名称 功能 主要任务 收费情况
技术服务组织 培训、设计、展示 安全培训、企业家和技术培训、产品设计 培训费、设计费等
区域创新与创业平台 整合、创新、创业 知识整合、技术和知识创新及提供创业 管理费、咨询费等
知识、资产评估公司 评估 知识价值评估、 资产评估 咨询费等
信息咨询组织 信息咨询 市场调查、网站建设、知识信息获取、电子商务 咨询费等
2.2 知识流动的不确定性与风险
2006年Carson[16]等人认为不确定性包含现在或以前的和未来的不确定性，前者为不确定性中的波动性，后者是不确定性中的模糊性。在集群企业知识流动中，模糊性是指知识流入方对知识流出前的知识价值评估的不确定性，波动性是指知识流入方对流入后的知识评价的不确性。与之相对应，知识流动的风险主要表现流动前信息不对称风和流动后知识管理的风险。知识流入双方的独立性决定了知识流动的不确定性，从而降低知识流动预期价值导致知识流动风险的提高。信息经济学认为交易双方之间的信息分布是不对称[17]，当知识流入方对流出方的知识不能有效地评价时，而知识流出方也不能提供自身知识价值的有效地证明时，这时有价值的知识流动就被忽视了，从而降低了知识流入的绩效。另外，整合管理认为交易的进行是获取协同效应[18]，知识流入方对流入的知识进行整合时会有很多因素增加整合难度，为此，知识流流入方就会产生整合风险，使得知识流入后的绩效降低。由于知识流入方掌握的信息有限，知识流入方在知识交易过程中为降低流动风险要付出更多的成本，作为集聚了技术和知识的集群创新平台，为知识流入方提供知识和技术咨询服务，可以减少由于流入方信息不对称和知识流入后整合不当而对其产生的风险。
2.3 研究假设
2.3.1集群企业相关性
集群内行业企业的相似程度影响企业之间的知识流动大小[19]， 相关性较大的企业有者较高知识相似性。集群内不同企业主营业务差别较大之间的知识流动更容易产生不确定性。业务相同或相似集群企业具有相似的知识和技术[20]，这些相似性企业之间的知识流动的评价和整合就更容易进行。业务经营相似的企业由于企业文化、技术和管理具有相似的一面，知识流入方能比较准确的解读并预测流出方知识的应用价值，于是知识流入方便能降低知识流入风险。相反，经营业务差别较大的企业由于业务技术知识差别也较大，就需要借助更多专业咨询机构为其提供专业服务[21]；其次，知识流动双方的业务相关性较高时，双方之间知识匹配程度也就越高；此外，业务相关性较高的知识流入方还能根据流出方知识的现状较容易调整自身的知识资源结构[22]， 相比之下，相似性较低的知识流动使知识流入方对流入后的知识整合难度加大。综上所述，本研究把业务相同企业知识流动成为水平相关知识流动、业务差异较小的行业企业知识流动称为垂直相关知识流动、业务差异较大企业知识流动称为非相关知识流动，它们分别对集群创新平台有不同使用情况。
假设1：水平相关知识流动、垂直相关知识流动与非相关知识流动分别会使用较少的集群创新平台、不多的集群创新平台和较多的集群创新平台
2.3.2集群范围的大小
集群内企业知识流动双方地理位置越接近越容易进行各种形式的知识交易、知识转移和交易双方对知识的协调管理。allman等指出地理位置越接近越有助于集群成员知识流动和知识获取[23]。相反，当知识在集群区内较大环境下流动时，知识流动的风险性就提高了。第一，地理位置范围越远，交易双方的经济水平、管理制度和文化氛围差别就越大，使得根植于不同环境中的隐性知识流动难度就越大[24]，集群企业距离远意味着知识流动面临信息的不对称越高，而集群内部知识交易双方相距的范围较小，由于具有相近的知识基础和业务背景，有利于流入方来评价知识流动的价值和应用的前景。第二，集群企业地位范围越近，知识流入方对知识流动的整合难度较低，也降低了协同效应的不确定性。相反，流动双方范围越远，越不利于知识流动的绩效提高。因此，集群企业范围大小能对知识流出方的信息透明度和协同效果产生影响。换言之，同一区域集群企业由于在相同外部环境下，知识交易双方理解程度最高；不同区域的集群企业知识流动由于外部环境差异较大带来的知识流动风险就越大，由此也会影响到对集群创新平台的使用。集群企业范围越远，知识流入方对流出方的知识价值越不熟悉，越有可能利用集群创新平台来降低错误评估知识流出企业知识价值和协同效应的风险。
假设2 ：知识流入企业与知识流出企业范围越大，知识流入企业越倾向于使用更多种类的集群创新平台。
2.3.3集群内部环境
种群生态视角认为，环境具有塑造企业发展的效应[25]。例如合作与竞争及制度规则的环境因素将影响企业资源可得性。战略管理认为外部环境和内部条件是相互影响，相互作用的，集群内部环境的不确定性势必影响知识流动效果及其对创新平台的使用。Malmberg 认为企业之间的竞争与合作有利于知识流动[26]。本文从竞争与合作视角探讨知识流动在哪种情况下促进了创新平台的使用。本文认为知识流动双方在合作紧密的情况下，知识流入方对流出方的知识会有风险，这是因为集群企业存在很强的合作时，便会产生信息不对称和关系冲突，甚至投机行为等问题[27]，Anderson把这些问题称为企业合作的阴暗面[28]。由于合作的阴暗面降低了知识流入方对流出方知识价值的辨别，使得知识流入方很可能吸收流入方价值不高的知识；另外，知识流动双方的合作越紧密不仅会使知识流入方吸收过多知识，产生知识的“冗余”，还可能会掩盖流出方知识存在的缺陷，使得知识流入方难以掌握知识流出方的知识真实状况。在这种情况下，知识流入企业就需要使用更多的创新平台，来解决知识流动风险的问题。竞争较大环境下的集群企业，知识流入方对知识流出方知识的评价更存在风险。当集群内市场不景气时，企业为了在竞争中保持竞争地位，企业之间的信息交流将被减少，在信息被锁定的情况下，知识流入方对流入前的知识价值评估难以把握，知识流入方会使用更多的集群创新平台来降低知识流动的风险。
假设3a ： 集群企业合作程度很高的环境下，知识流入方会使用更多种类的集群创新平台
假设3b： 集群内市场环境较差的情况下，知识流入方会使用更多种类的集群创新平台
2.3.4集群企业知识性资产特性
集群内企业知识交易双方的知识特性相差较大时，知识流出方经营业务不同对流动双方的信息不确定性会产生显著影响，知识流出方面的知识越容易显性，知识流动的风险可能性越小[29]。或者说，流出方知识如果能依付有形资源流动，那么知识流入方就更加准确地对流入的知识进行评估。相反，知识流出方的知识依附无形资源流动，知识流出放的知识隐性化就较强，那么知识流入方在对流出方知识信息的核查模糊性越大，就很难评估流入知识的价值[30]，例如，在知识技术密集性高的集群企业，人力资本和其它无形资产等知识价值是较难观察和评估。所以，在这种情况下，知识流入方就很需要集群创新平台来评估流出方知识真实的价值从而降低流动前风险。
假设4： 相比劳动密集型集群企业而言，高科技集群企业知识流出时，知识流入企业会使用更多种类的集群创新平台
2.3.5集群企业的知识流动相对规模
知识流动的风险与知识流动的相对规模有较大的关联，第一，知识交易的规模越大对流入方的成本产生较大影响。第二，比较规模较小的交易，知识流入方需要对流入的知识进行更深入的整合。规模较大的知识流动需要更强的整合能力和管理水平。知识流出量相对于流入方的知识存量越大，知识流入后整合风险和知识绩效的波动性就越大。需要指出，知识流动相对规模用流出方流出后的知识规模与流入方知识规模之比来度量。知识流动量占流入方的知识较高比例时，流入方的知识整合难度就更大，此时创新平台为知识流入方解决知识整合风险充当了重要角色。因此，知识流动对知识流入方发生的成本较大时，知识流入方就会选择更多的创新平台来控制知识流动过程风险。
假设5： 知识流动相对规模较大时，知识流入方使用更多种类的集群创新平台
3 研究设计
3.1 数据来源
研究分析的数据通过以下来源收集；第一，通过集群企业所在地的创新平台机构收集相关的数据；第二，通过查阅并整理八个珠三角区产业集群的相关的文献和媒体报道；第三，通过对集群所在地创新平台的管理者进行一系列的访谈获得相关数据。本文把每次发生的知识流动作为研究的基本单位，并对收集数据有以下几方面要求：第一，知识交易的时间在2007年到2013年之间；第二，知识流入方由于知识流入成为集群企业绩效的较大企业；第三，本研究样本中的知识交易是基于市场价格；第四，样本中的知识流入方都是珠三角集群企业。样本统计情况如表2所示。
在这662例知识流动企业中，120个知识流动没有使用集群创新平台，240个知识流动用了一种集群创新平台，150个知识流动使用了两种集群创新平台，152个交易使用三种集群创新平台。
表2 样本统计情况表
2007 2008 2009 2010 2011 2012 2013 总计
顺德容桂机械企业集群 4 5 7 6 5 6 7 40
顺德龙口家具企业集群 6 8 10 11 13 12 13 73
深圳电子信息企业集群 15 20 17 15 18 22 25 132
禅城南庆建筑陶瓷企业集群 7 9 4 6 7 6 8 47
禅城环市童装企业集群 6 8 9 13 14 10 8 68
南海西樵纺织企业集群 5 6 4 5 4 3 4 31
东莞石龙电子信息企业集群 6 7 8 10 10 8 7 56
东莞长安电子信息企业集群 13 11 12 10 13 12 10 81
东莞长安家电企业集群 10 9 11 14 13 13 16 86
东莞玩具企业集群 4 6 8 9 7 8 6 48
总计 76 89 90 99 104 100 104 662
3.2 统计模型
本文通过建立统计模型实证分析知识流入方在什么情况下使用创新平台，基本模型如下：
Uses of innovation platform =β0+β1Correlation +β2Range+β3Environment+β4Intellectual resources +β5Relative Flows +β6controls +ε
3.3变量测量
本文使用技术服务组织、创业中心和信息咨询等三类创新平台来说明创新平台使用情况（Uses of innovation platform），我们通过查阅创新平台的档案和访问其中的管理者取得了创新平台使用的情况的资料，假设知识流入方使用了三类创新平台，我们将此变量编码为3；使用了两类编码为2；使用一类编码为1；没有使用则该变量编码为0。
（1）集群企业业务相关性（Correlation）测量知识流入方与知识流出方的经营业务的相似性。根据前面分析，水平相关知识流动（同行业企业知识流动）记为0、垂直相关知识流动（业务差异较小的行业企业知识流动）记为1和非相关知识流动记为2（业务差异较大行业企业知识流动）。
（2）集群范围的大小（range）测量知识流入方与流出方面之间的地理距离范围，本研究把发生在相同省份相同城市范围内的知识流动编码为1，发生在相同省份跨越两城市区域的知识流动编码为2，发生在相同省份跨越三个城市以上的知识流动编码为3。
（3）集群内部环境（environment）测量集群内部知识流动环境的状况，采用知识流动双方业务合作数量综合指数取对数来说明集群内部环境的好坏， 计算的数值较大说明内部环境较好， 否则内部环境则较差。
（4）集群企业知识资产特性（Intangible Resources）测量集群内的知识流出方的知识资产情况，如果知识流出方是知识技术密集型集群企业，该变量编码设置为1 ；否则记为0。
（5）集群企业的知识流动相对规模（Relative Flows）是依据知识流入的规模与流入方的知识规模之比来衡量。
（6）除了上述因素影响知识流动的不确定性对创新平台机构的使用，还有其它因素的影响，通过计算下列有关指标进行有关因素的控制，知识流入方规模（Scale）控制通过对知识流入方资产规模取对数来进行，知识流入方经营年限（Age）控制是通过企业成立年限来实施，知识流入资产结构（As set Structure）控制通过计算无形资产占总资产的比重来测量，知识流入方产权性质（Ownership）和支付方式（Payment）都为哑变量，国有企业和非国有企业编码分别记为0和1，现金交易和非现金交易编码分别记为1和0。
表3 统计分析
变量 1 2 3 4 5 6 7 8 9 10 11 12
1 Uses 1
2 Scale 0.012 1
3 Age 0.021 0.063 1
4 Asset Structure 0.029 -0.025 -0.013 1
5 Ownership -0.087 -0.232 0.111 -0.123 1
6 Payment -0.101 0.067 -0.042 0.040 -0.047 1
7 Year 0.087 0.271 0.367 0.023 0.048 -0.056 1
8 Correlation 0.138 -0.239 0.052 -0.027 0.078 0.091 -0.031 1
9 Range 0.019 0.137 -0.018 -0.075 0.112 -0.243 0.020 0.131 1
10 Environment -0.015 0.203 0.185 0.042 -0.004 -0.032 -0.029 0.187 0.208 1
11 Intangible Res -0.042 -0.139 0.032 0.062 -0.001 -0.069 -0.105 0.031 -0.163 0.086 1
12 Relative Flows 0.247 -0.187 0.03 -0.004 0.078 -0.022 -0.324 -0.021 -0.012 0.030 -0.012 1
Mean
Std. Dev. 0.640
0.591 8.547
0.553 12.36
3.876 0.033
0.063 0.412
0.487 0.821
0.296 0.896
0.168 20.51
0.462 0.64
1.764 2.234
0.799 0.058
0.22 3.327
0.142
注 ：相关系数绝对值大于 0.088 者在 5% 的水平上显著
4 研究结果
由表3的统计分析包括样本（N=662）的均值、标准差和相关系数结果可以得出，集群创新平台的使用状况和多数解释变量间的相关关系与研究假设一致。而表4解释了知识流入方对集群创新平台使用情况的两组回归模型和假设的检验结果，模型一、模型二分别是只包括了控制变量的模型和全模型，引进所有的解释变量后，在模型二与模型一中，其广义似然比统计量遵循自由度为7的卡方分布且其对应P值几乎是0，高度显著，这说明引入自变量后的模型的解释力比控制变量模型有了显著提高。另外，本研究用Z检验支持大部分假设具有解释力。模型二可知，第一，知识流动双方业务的相关性（β= 0.2884，p
表4 集群创新平台机构使用情况的定序回归
因变量 模型一 模型二 验证结果
Intercepts： 0|1 245.65 （131.24） 462.27 （143.31）
Intercepts： 1|2 253.53 （131.34） 465.13 （143.32）
Intercepts： 2|3 258.04 （131.36） 468.11 （143.34）
Scale -0.1046 （0.1664） 0.2958 （0.2084）
Age 0.0006 （0.0214） -0.0032 （0.0224）
Asset Structure 0.4841 （1.1986） 0.6258 （1.2910）
Ownership -0.3866* （0.1760） -0.3936* （0.1865）
Payment -0.8792? （0.54216） -0.2050 （0.5271）
Year 0.127 （0.0682） 0.2264** （0.0790）
Correlation 0.2884*** （0.1220） H1 支持
Range -0.068 （0.0979） H2 不支持
Environment -1.8104** （0.6854） H3支持
Intangible Resources -0.5240* （0.2530） H4不支持
Relative Flow 3.9186*** （0.9121） H5支持
Obs. 608 608
Prob. > chi2 0.0654 0.0000
Pseudo R2 0.0200 0.0766
Log Likelihood -571.1555 -524.8445
Likelihood- Ratio Test 70.3220***
注；? 表示p
表5 集群创新平台机构使用情况的泊松回归
因变量 模型三 模型四
_Cons -149.3253? （96.0147） -221.7500* （138.7413）
Scale -0.0832 （0.1205） 0.0102（0.1269）
Age 0.0029 （0.0123） 0.0098 （0.0129）
Asset Structure 0.0928 （0.7926） 0.2913 （0.8115）
Ownership -0.2238* （0.1183） -0.2633* （0.1180）
Payment -0.472? （0.2325） -0.2356 （0.2945）
Year 0.0789? （0.0387） 0.1321* （0.0486）
Correlation 0.1836** （0.0905）
Range -0.0395 （0.0578）
Environment -0.7851? （0.4603）
Intangible Resources -0.2421 （0.1591）
Relative Flow 0.4790** （0.1467）
Obs. 608 608
Prob. > chi2 0.2289 0.0006
Pseudo R2 0.0123 0.0395
Log Likelihood -592.8578 -564.0821
Likelihood- Ratio Test 35.6894***
注：? 表示 p < 0.1；* 表示p
此外，一些控制变量也会影响集群创新平台的使用情况。一是知识交易时间具有正向作用，这说明随着时间的发展知识流入方正在使用越来越多的集群创新平台；二是知识流入方的性质起到了负向作用，这说明国有企业更可能会在知识流入中聘用集群创新平台机构。另外，知识流入企业选用集群创新平台种类的多少不但具有相对数值的意义，而且还有绝对意义。由于泊松回归是研究计数变量最常用的模型，本研究使用泊松回归模型验证使用创新平台机构种类和检验假设关系。结果如表5所示，模型三和模型四的结论基本相同，模型整体解释作用显著，解释变量对被解释变量影响较大。这说明本研究的实证分析是可靠的。
5 结论与启示
集群企业知识流动作为集群企业研究的重要内容，一直是集群研究者着重关注的问题。近年来集群管理领域研究主要聚焦两方面：一是集群企业竞争优势来源及其形成机制[31]；二是集群企业知识网络与知识扩散绩效[32]。一些研究表明，知识流动在短期内能为知识流入企业带来绩效；二是研究分析影响知识流入绩效差异的战略因素，包括集群企业业务特征、集群内部环境、知识流动过程等。现有文献对知识的讨论主要讨论涉及知识流动企业主体，但是对促进知识流动第三方中介机构作用鲜有关注。
现有文献认为，集群企业知识流动是流动主体双方之间的博弈，是以不确定性为前提为知识利益获取的较量。由于信息的不对称，知识流入方在信息占有上处于相对劣势，因此，知识流入方必须依靠外部力量来降低信息的不对称，创新平台就是这种外部力量的典型，创新平台借助其拥有的信息、知识和技术资源能够为知识流入方降低知识流入风险。基于信息经济学的视角，我们研究了集群创新平台在集群企业知识流动中的作用，从一个全新的角度丰富了集群知识管理范畴中企业知识流动的文献。通过对广东珠三角集群企业662个知识流动样本的分析，本研究发现，知识流入前不确定性和流入后波动性对集群创新平台机构的使用有着重要的作用，知识流动在信息不确定的环境下往往对流入方是不利的，于是流入方需要使用创新平台来克服这种信息不确定性带来的知识流动的风险，从而提高知识流动的效果。具体而言，当集群内部环境不顺畅时，知识流入方倾向使用更多的创新平台来获得到足够的信息，在流入前对流出方的知识价值进行评估；当知识流入规模相对较大，知识流入方趋向选择较多的集群创新平台降低不确定性，以便对知识流入后进行有效的整合管理；当企业通过知识流入进入新的业务领域，更需要创新平台协助整合那些无关的或者不熟悉的业务。然而由于高新技术企业知识的特殊性，集群创新平台与企业自身的专业人士相比对知识价值的判断和识别显示不出优势，因而对知识流入风险的控制也颇为有限。此时，知识流入方对对流入前风险的控制主要依靠企业自身的力量。
本研究的意义主要有：第一，本文丰富了信息经济学不确定性理论， 本文通过分析知识流入过程，诠释了不确定性的包含的事前模糊性和事后波动性两个方面，讨论了知识流出评价过程中由于信息不对称性带来知识流入前后知识价值风险和整合管理风，解释知识流入方由于信息不对称造成对知识流出方的知识评估和选择产生不利影响，提高知识流动中的潜在风险。第二，本研究丰富了集群创新平台作用的研究，深化了集群企业知识流动对使用创新平台动因的研究。从知识交易层面入手，分析了能反映知识流动不确定性和风险水平的因素，分析了知识流入方使用创新平台管理和控制风险的机制，拓展了对引用集群创新平台机构的先导影响因素的研究，揭示了在何种情形下，企业需要更多地选用集群创新平台顺利完成知识流动。第三，本文突破了现有研究仅对某种类型的创新平台参与企业知识流动的作用的研究，探讨了多种不同功能的集群创新平台作为整体参与知识流入企业控制知识流动风险的机制。
本文对集群企业知识流动实践启示有：集群企业知识管理需要知识流动中的不确定性评估等方面的专业知识与人才，这些知识与人才可以通过集群企业在长期知识流动中积累与培养，也可以聘用创新平台中的专业团队。多数集群企业并没有丰富的知识流动管理的经验，内部也没有这种具备专业素养的团队，因而需要依靠创新平台辅助集群企业的知识流动并实现知识流动的价值，尤其是集群企业之间存在信息不确定的情况下，集群企业使用创新平台可以降低或规避知识流入企业的风险。虽然很多企业已经意识到创新平台在知识流动中的重要性，然而整体上，集群企业的知识流入方使用中介机构的经验还比较少，对何种条件下应该聘用专业机构还并不十分明确。研究结果启示，在知识流入前信息不对称和流入后知识整合难度较高的情况下，知识流入方就需要借助各种类型的创新平台来管理和控制知识流动过程中的不确定性和风险性。
本研究从一个新视角研究了知识流入的创新平台机构的作用，但也有一定的局限性，未来将进一步探讨：第一，本研究仅考虑了知识流入方使用创新平台进行风险控制的情况，其实知识流入企业和流出企业在知识流动中都会面对不同类型的风险，未来的研究需要进一步分析知识流动双方的不确定性和风险，以及如何通过创新平台机构控制风险。第二，本文通过一系列的知识流动特征来间接反映知识流动的不确定性，没有对知识流动不确定性测量其大小，后续的研究通过统计调查方式来测量参与知识流动各方的风险类别和程度。
参考文献：
[1] STE INLE C， SCH IELE H. When do industries cluster？ A proposal on how to asses an industrycs propensity to concentrate at a sing le region or nation [J].Research Policy， 2002，（31）：849- 858.
[2] BAPTISTA R.Do innovations diffuse faster withing eographical c luster？ [J].International Journal of Industrial Organization， 2000， （18）： 515- 535.
[3] PORTER M E.C lusters and the new economics of competition [J].Harvard Business Review，1998（11/12）：77- 9.
[4] 李文博 等. 产业集群中知识网络结构的测量研究[J]. 科学学研究， 2008， 26（4）：787-792.
[5] 万幼清 等. 基于知识网络的产业集群知识扩散研究[J]. 科技进步与对策， 2007， 24（2）：132-134.
[6] TALLMAN S， JENK INS M， HENRY N， et a.lKnow ledg e， clusters， and competitive advantage [ J].A cadem y of M anagem en t Rev iew， 2004， 29 （ 2 ）：258- 271.
[7] ROSENFELD S A. Creating Smart Systems： A Guide to Cluster Strategies in Less Favored Regions [ M ].Carrboro， NC： Regional Technology StrategiesInc， 20.
[8] Pablo， A. L.， Sitkin， S. B.， Jemison， D. B.. Acquisition Decision-making Processes： The Central Role of Risk.Journal ofManagement， 1996， 22（5）： 723-746.
[9] David， R. J.， Han， S.. Assessment of the Empirical Support forTransaction Cost Economics. Strategic Management Journal，2004， 25（1）： 39-58.
[10]王涛 等. 环境不确定条件下市场导向对价值创造的作用研究[J]， 南开管理评论， 2011， 14（6）： 57-66.
[11]Matusik， S.F.， Fitza， M.A.. Diversification in the VentureCapital Industry： Leveraging Knowledge under Uncertainty.Strategic Management Journal， 2012， 33 （4）： 407-426.
[12]Kim， J.， Yoo， C. W..Why 'Design' does not Work Well for ClusterPolicy？ With the Implications for Science and Technology（S&T） Manpower Policy[J].International Journal of Technology Management， 2007， 38（3）： 321-338.
[13]Muller， E.， Zenker， A.. Business Services as Actors of Knowledge Transformation： The Role of KIBS in Regional and NationalInnovation Systems[J].Research Policy， 2001， 30（9）： 1501-1516.
[14]Maister， D.H..Managing the Professional Service Firm[M].NewYork： Free Press， 1993.
[15]Sharma， A.. Professional as Agent： Knowledge Asymmetry inAgency Exchange.Academy of Management Review， 1997， 22（3）： 758-798.
[16]Carson， S.J.， Madhok， A.Wu， T..Uncertainty， Opportunism，and Governance： The Effect of Volatility and Ambiguity ofFormal and Relational Contracting[J].Academy ofManagementJournal， 2006， 49（5）： 1058-1077.
[17]Nelson， P..Information and Consumer Behavior[J].Journal of PoliticalEconomy， 1970， 78（2）： 311-329.
[18]Clarke， C.J. Brennan， K.. Building Synergy in DiversifiedBusiness[J].Long Range Planning， 1990， 23（20）： 9-16.
[19]Finkelstein， S.， Haleblian， J..Understanding Acquisition Performance：The Role of Transfer Effects[J].Organization Science，2002， 13（1）： 36-47.
[20]Lane， P.Lubatkin， M..Relative Absorptive Capacity and InterorganizationalLearning.[J] Strategic Management Journal， 1998，19（5）： 461-478.
[21]Khanna， T.， Palepu， K..Why Focused Strategies May be Wrongfor Emerging Markets[J]. Harvard Business Review， 1997， 75（4）：41-51.
[22]Palich， L.E.， Cardinal， L.B.， Miller， C.C.. Curvilineartiy inthe Diversification-performance Linkage： An Examination ofover Three Decades of Research[J].Strategic Management Journal，2000， 21（2）： 155-174.
[23]TALLMAN S， JENK INS M， HENRY N， eta.lKnow ledg e， clusters， and competitive advantage [J].A cademy of Management Review， 2004， 29 （ 2 ）：258- 271.
[24]Zander，U.Kogut，B..Knowledge and the Speed of the Transferand Imitation of Organizational Capabilities： An EmpiricalTest[M].Organizational Science， 1995， 6（1）： 76-92.
[25]Zhou，C.H.，Li， J..Product Innovation in Emerging MarketbasedInternational Joint Ventures： An Organizational EcologyPerspective[J].Journal of International Business Studies， 2008，39（7）： 1114-1132.
[26] MALMBERG A， POWER D.H ow do firms in clusterscrea te know ledge [J].Industry and Innovation， 2005，12（4）： 409- 431.
[27]Nunlee.M.P..TheControl of Intra-channel Opportunism through the Use of Inter-channelCommunication[M].IndustrialMarketingManagement ， 2005， 34（5）：123-12.
[28]Anderson， E.Jap， S.D.. The Deark Side of Close Relationship[J].MIT Sloan Management Review， 2005， 46（3）：74-82.
[29]Kogut，B.Zander， U..Knowledge of the Firm， Combinative Capabilities， and the Replication of Technology[M].Organization Science， 1992， 3（3）： 383-397.
[30]Coff， R.W..How Buyers Cope with Uncertainty When Acquiring firms in knowledge-intensive Industries： Caveat Emptor[M].Organization Science， 1999， 10（2）： 144-161.
[31]BAPTISTA R. Do innovations diffuse faster withing eographical c luster？ [J].International Journal of Industrial Organization，2000， （18）：515- 535.
[32]李文博 等. 产业集群中知识网络结构的测量研究[J]. 科学学研究， 2008， 26（4）：787-792.
Cluster Innovation Platform and Cluster & Knowledge Liquidity Risk Control
HUANG Lin1， HUANG Min2
（1.South China Institute of Software Engineering，Guangzhou University，Guangzhou 510990；2.Guangzhou Nanyang Polytechnic，Guangzhou 510925）
Abstract： This article explores the use of cluster enterprises cluster innovation platform to manage the flow of knowledge in the flow of knowledge and control of information flow uncertainty Braking risk. The article points out， the risk of a cluster enterprise knowledge flows from knowledge flows into the side of the value of knowledge for knowledge's lack of proper outflow side Evaluation of information and knowledge flow into party due to defects in both knowledge management. By 2007-2013 the Pearl River Delta region in Guangdong 662 Cluster analysis of family enterprise knowledge flows data showed that knowledge flows occur between the cross-industry enterprise， cluster environment is not smooth，Is large relative to the size of the flow of knowledge， business knowledge assets cluster small differences in characteristics， etc.， knowledge flows into the side will be more inclined to useCluster Innovation Platform in order to control the flow of knowledge risks. This article aims at improving risk control mechanism innovation platform to achieve enterprise knowledge flowsEffectiveness.
Keywords：Cluster innovation platform； Information asymmetry； Knowledge flows uncertainty； Risk control