李 莉 林海芬 程 露 吕一博

(1.大连理工大学 经济管理学院, 辽宁 大连 116024; 2.宁波大学 商学院, 浙江 宁波 315000)

0 引言

产品研发周期的缩短、新兴颠覆式技术的涌现以及产业环境的莫测变幻,给产业创新网络的运行带来了诸多不确定和风险[1-2]。很多创新集群或网络在遭受内源性故障或外源性冲击后逐渐丧失竞争优势甚至衰败或毁灭,例如曾经著名的底特律汽车产业集群未能经受住全球汽车工业危机的冲击和内部路径依赖,结构僵化的负效应,逐渐走向衰落破产[3];美国128公路高科技产业集群由于网络结构的聚集程度较高,导致集群失去活性造成技术变革下的毁灭性冲击[4]。类似的情况也出现在我国:21世纪初,北京中关村产业集群的网络结构高度依赖于少数大企业,带来了技术锁定效应和网络脆弱性风险[5];在美欧反倾销和反补贴政策的制裁下,中国太阳能光伏集群在短期内几乎整体瘫痪[6];2014年特斯拉宣布向全世界免费开放知识产权,冲击了东北新能源汽车产业集群的平稳发展[7]。因此,如何实现产业创新网络的平稳可持续发展,成为近年来学界广泛关注和亟待解决的重大问题。经济合作与发展组织(OECD)发布的《科学、技术与创新展望2018》报告认为,传统的末端监管手段(如风险评估)往往不够且缺乏灵活性,须向“上游”实施预防和参与式治理。因而,对产业创新政策制定与监管部门来说,怎样更好地预测、适应和缓解内外源风险,构建具有抗毁性的产业创新网络成为一个严峻的挑战。

现有研究大多围绕以下两种视角展开:一种强调整体网络治理、宏观结构属性以及核心企业治理对静态网络抗毁性的作用,如网络惯例[8]、网络层级性[9]、集聚结构[7]、核心企业失灵[10]等;另一种则聚焦运用数值仿真方法模拟网络遭受内外部破坏的动态级联抗毁性[11-13]。然而以往研究存在以下问题:其一,研究层级的单一性。创新网络结构涌现可以分为微观个体层、中观群体层和宏观整体层,并且层级间的动态递归衔接推动创新网络演化已基本达成共识[14-16]。但是,现有创新网络抗毁性的研究大多仅关注宏观或微观一个层级,忽视了不同层级之间的相互影响。而随着一些成员的频繁、紧密合作,创新网络中局部连接紧密且相互间连接稀疏的技术群体或网络社群、派系的现象已经成为普遍趋势[17-20],研究表明这些中观群体具有缔结微观网络成员与宏观创新网络的重要作用,因此将技术群体纳入研究并考察不同层级间的互动影响非常有必要。其二,研究视角的静态性。Ahuja等[21]强调创新网络是一个动态演化的有机体,主张网络行动者的微观动态行为是影响产业创新网络结果的最根本因素。Felin等[22]也认为开展动态微观基础或底层研究有助于解释较低层面的因素或互动如何影响更高层面的结果。但是,以往静态研究的层级单一性难以有效刻画和透彻理解创新网络从微观到中观及宏观的动态递归效应,而且动态级联抗毁性的研究在揭示多层级作用机理方面显示出不足。为此,从创新网络的全局视角探究技术群体微观层面的成员变动[14-15,23],中观层面的技术群体创新交互活动及其逐层影响产业创新网络抗毁性的作用关系具有重要研究价值。

结合以上研究空缺,本研究从整体网视角出发,将研究问题聚焦在技术群体的成员变动是否、以及如何改变技术群体的创新交互,进而影响产业创新网络抗毁性。具体探讨以下子问题:首先,技术群体的成员变化如何影响创新网络抗毁性? 第二,技术群体的知识流耦合在上述关系中起什么作用? 第三,在不同的群间技术异质性情境下,成员变动对提升技术群体耦合是否有效? 本研究在回顾相关理论和文献的基础上提出研究框架,并以新能源产业11个技术领域的138个专利引用网络为样本,执行网络拓扑分析和层次回归分析来检验研究假设。预期的理论贡献体现在,一方面从动态技术群体的角度(涉及微观层面的成员变动、中观层面的群体交互)丰富创新网络抗毁性的影响因素及跨层级关系研究,另一方面借助于群体之间技术异质性的情境将技术群体成员变动与创新网络抗毁性的作用机制研究向更深层次推进。本研究旨在为产业政策部门提供调控技术群体的成员配置、规范技术群体间创新活动,进而提升产业创新网络的抗毁性提供理论参考和实践指导。

1 理论基础与研究假设

1.1 理论基础

1.1.1 产业创新网络抗毁性

网络抗毁性的概念源自复杂网络领域,指某些节点或关系遭遇随机故障或受到蓄意冲击时,网络仍能够维持原有绩效的能力,反映的是复杂网络抵御故障或失败的程度[24]。在创新领域,网络抗毁性是创新网络结果研究(Network outcomes)的重要主题之一[16],相关文献聚焦在网络失败[25]、脆弱性[8]和弹性[26]等方面。Jenson等[27]等基于结构和功能两个理论视角提出联合测度创新系统失败的框架,并采用模糊集定性比较分析法验证其有效性,其中结构理论试图找出网络成员与制度体系、基础架构、交互结构等要素之间的失败关系,而功能理论旨在识别创新网络在知识开发、技术验收、资源提供等功能的缺陷。陈伟等[7]发现风险冲击下,网络集聚态势和中介性会对东北新能源汽车产业集群网络的结构和功能抗风险性产生影响;党兴华等[8]从网络拓扑结构的有效性和网络弹性、柔性和敏捷性等功能抗风险性方面,衡量技术创新网络的脆弱性。在本研究中,产业创新网络是由具有互补资源的技术主体为了应对系统性创新中的不确定性和复杂性,通过正式或非正式的合作创新关系形成的网络组织[28,29]。该组织不仅为技术、知识等创新资源的流动提供了结构性渠道,还具备实现技术增值、知识转移等功能。因此,沿用“结构-功能”框架,本研究认为产业创新网络抗毁性指创新网络在遭遇内源性故障或外部技术动荡、冲击时仍能维持结构鲁棒性和功能效率的能力。

以往研究指出,外源性风险往往是产业创新网络僵化并失去弹性的诱发性因素,内源性风险即创新主体及其相互依赖才是创新网络脆弱甚至毁灭的根源[30]。就内源性因素而言,现有研究按照层级的不同主要分为两个类别:一类聚焦在网络宏观结构属性和网络治理上,如Crespo等[9]研究了不同网络层级性和结构同质性配置对区域创新集群弹性的关系;van der Valk等[31]发现具有高集聚结构的创新网络由于过于依赖核心企业因而脆弱性较高,难以抵御外部冲击;党兴华等[8]认为常规和柔性两种网络惯例在不确定性双元与创新网络脆弱性的关系中起中介效应。另一类研究指出网络中观层面的凝聚子群或网络社群有助于解释一系列网络层面的过程和结果,包括创新扩散[32-33]、网络连通性[34]、网络有效性[35]、网络绩效[31]等。但该类研究忽略了网络社群涌现的动态过程和创新网络抗毁性“结构-功能”的双重特性。为此,本研究认为深入挖掘网络社群的动态属性并探索其与产业创新网络抗毁性的关系机制有助于发展先前研究。

1.1.2 技术群体及其相关研究

技术群体,指具有相似技术源的技术主体通过知识、技术与资源的频繁交互形成的凝聚子群或网络社群[36],是产业创新网络中观层面的概念。与地理邻近主导的产业集群相比,技术群体的概念聚焦知识、技术和资源等创新要素在群体内外部的流动特征,更强调非地理限制的技术相似性[37]。与生态学视角的技术种群相比,后者通常用来表示产业链的上游零组件技术、集成技术和下游互补品等群组[38]。技术群体的涌现将整个产业创新网络分割成多个不重叠的子群,技术主体及其所掌握的资源也被分配到了不同群体之中。通常,技术群体具有群内成员连接紧密,而群间成员联系稀疏的结构特征[17]。那些掌握相似技术、知识和创新资源的主体通过紧密地交互凝聚在一起,使得群内成员保持较高的资源同质性,而跨群体边界的成员由于知识基础的差异和相对稀疏的群间联系导致群体之间的资源异质性较高[18]。在本研究中,群间技术异质性指技术群体之间所掌握知识技术分布特征的差异程度,体现了彼此的合作意愿与吸引力。

现有文献多基于自中心网络的静态视角,关注群内凝聚性与群间桥关系在组织创新活动中的作用,并得出较为一致的认识:群内凝聚性强调组织在较熟悉的技术领域频繁交互有助于创新的深度,群外桥关系强调构建跨群体边界的桥梁纽带输入和溢出异质知识拓展了创新的广度[17-19,36]。然而,产业创新网络在演化发展过程中具有成员频繁加入和退出的动态属性,而且群内凝聚性和群间桥关系的效用发挥也具有时间动态性[39],因此在考虑动态性的基础上研究技术群体才更完整和更具说服力。Sytch 和Tatarynowicz[14]发现创新网络的社群具有成员内部变动和跨群移动两种微观组织行为;魏龙和党兴华[15]实证检验了组织所处的网络社群发生成员变动和跨群移动会正向影响突破式创新、倒U型影响渐进式创新;施国平等[23]认为网络社群的成员变动对风投机构投资绩效存在倒U型影响。此外一些研究从创新网络的全局视角,关注到微观成员变动会带来社群及网络的形态变化,如Lyu等[33]观测到2004—2014年智能手机领域的技术群体会随着创新网络的时序演化呈现出群体组建、融合、分裂、解散等一系列动态变化;Ahuja等[21]指出创新网络成员的动态变动影响着网络关系的构建、变形和解体从而使网络结构发生变化。本研究将技术群体的成员变动定义为,连续两个时间窗口期下产业创新网络中所有技术群体的平均成员更替比率。

由于创新网络是一个相互依赖的组织,因而技术群体的成员变动所引发的网络关系依赖和结构依赖变化会使群间知识流水平发生波动[13]。借鉴“耦合”的概念,原指两个或两个以上的实体之间相互依赖的程度,Yayavaram和Chen[40]认为知识流耦合指的是组织知识池之间的纽带关系,耦合强度即纽带关系的强度,且按耦合程度可分为强耦合、弱耦合和无耦合(即相互独立)三种;张利飞[38]从技术种群的技术相对重要性、技术所有权集中度等方面研究了背光模组技术种群之间的非对称耦合机制;赵炎等[41]以中国半导体行业的联盟网络为研究对象,发现派系之间的知识流耦合对企业创新能力具有促进作用。因此,本研究将技术群体耦合定义为,产业创新网络中不同技术群体的成员在实施创新合作过程中知识、技术和资源等要素的流动,并用流动强度表示技术群体的耦合强度。

1.2 研究假设

1.2.1 技术群体耦合的中介作用

(1) 技术群体成员变动与技术群体耦合

技术群体的成员变动通过成员频繁进入和退出群体边界更新了群内资源池[14],这会影响群间耦合关系建立的机会空间和群间知识流动的程度。首先,技术群体成员变动能促进群间耦合的关系数量。创新网络中技术群体成员变动规模的增加,扩充了成员跨越群体获取异质性知识的机会空间。而随着群体成员构成的剧烈变动,群内成员的关系模式也发生了改变,一些旧群体内部成员之间的信任、合作惯例面临着崩塌的风险,在网络层面表现为旧群体的分裂或解体[42]。这会进一步刺激群体之间开展试错性交互以获取更加稳定的群体结构[15],因而促进了技术群体耦合的程度。其次,技术群体成员变动能促进群间知识流耦合程度。组织间关系往往是知识流动的“管道”[20],技术群体成员变动能实现自身所拥有知识的跨群体边界流入与溢出。紧密的群内交互活动使知识变得冗余和相似,易产生“排外效应”阻碍新知识流入[18]。而技术群体成员变动则通过成员跨群体边界的知识共享避免了群内同质化倾向,刺激了群内成员的创新活力[43],从而实现跨群体边界的知识重组。另外,针对群体成员剧烈变动新分化的技术群体,其构成往往来自其他群体成员的迁移,因此这种技术群体边界的重新洗牌在短期内并不能轻易损坏该群体成员与网络中其他群体间的知识流动程度[44],因而重新分化出的技术群体与其他群体间知识流耦合也会得到增长。因此,提出假设1,

H1技术群体的成员变动比率正向影响技术群体耦合的程度。

(2) 技术群体耦合与产业创新网络抗毁性

稀疏的技术群体耦合正向促进创新网络抗毁性,而达到一定阈值后的过度耦合将降低网络抗毁性。首先,技术群体间的弱耦合能增强创新网络在面对二元主体关系破裂的响应能力,而强耦合则使网络面临闭合的风险。技术群体耦合增强了创新网络中跨越群体的联系,有利于网络成员通过广泛的捷径获取非冗余资源[19],能缓解网络路径依赖效应的形成,从而增强创新网络应对关系断裂引发脆弱性风险的能力。然而,随着技术群体耦合关系的加剧,群间桥接关系不断形成并趋于饱和,知识流动的渠道逐渐网络化[44]。这使得创新网络面临着群体合并以及群间的弱耦合优势消失的“封闭”风险[45],如出现网络成员的认知相似性、结构同质性甚至制裁越轨行为等,因此创新网络抗毁性会逐渐降低。其次,技术群体间的弱耦合能促进异质知识的快速扩散促进抗毁性,而强耦合使创新网络丧失活力陷入自我遏制,降低抗毁性。技术群体耦合能够促进异质资源在不同技术群体之间的流通,减轻群体内部亲密的趋同效应避免产业创新网络的僵化[46]。但是,技术群体的深度耦合往往需要付出较高的维护成本,才能实现重叠性不高的知识库的吸收、整合与利用[47],这增加了网络的运行成本。而且,过度的技术群体耦合会同化成员之间的异质知识,降低多样化知识的独特价值。Baum等认为群间桥接关系的益处在短期内能得到有效发挥但长期下去会呈现出衰减趋势[44],而新鲜知识的逐渐匮乏将使得网络成员的创新活力和潜力日益衰落,创新网络也会丧失了对外部成员的吸引力,从而陷入“自我遏制”的误区[45],不利于网络的抗毁性。因此,提出假设2,

H2技术群体耦合与产业创新网络抗毁性之间呈倒U型关系。

(3) 技术群体耦合的中介作用

结合以上分析,本研究认为技术群体的成员变动是通过促进群间耦合的程度对产业创新网络抗毁性产生间接影响。微观层面的成员加入和退出群体边界,改变着技术群体的内部成员构成和关系模式。从创新网络的视角来看,这一动态行为重新编织了网络中的群体边界,并随之带来了某些旧群体的合并、分裂、解体和新群体的组建。由于短期内的变动并不能切断成员与原有技术群体的关系和知识流动,因此群间桥接关系搭建的机会空间呈现出多样化,跨群体知识流动程度也得到提升,表现为对技术群体耦合程度的正向促进作用。进一步地,由于群间桥接关系旨在获取新颖的知识和资源,这种短暂性使其对创新网络抗毁性的影响呈现倒U型关系。稀疏的群间耦合能有效促进成员变动带来的桥接关系的机会空间和新颖知识的多样化,促进网络抗毁性的作用;然而高强度耦合在花费较高的维护成本的同时,也使产业创新网络陷入自我封闭,带来僵化和知识锁定等风险,反而会降低网络抗毁性。因此,提出假设3,

H3技术群体耦合在群体成员变动与产业创新网络抗毁性的关系中起非线性中介作用。

1.2.2 群间技术异质性的调节作用

群间技术异质性的提升,可能会进一步增强技术群体成员变动促进群间耦合程度的作用。首先,技术异质性会刺激群内成员进入和退出群体边界搭建更多群间桥接关系[14]。较高的群间技术异质性,表明跨越不同技术群体边界的成员所拥有的资源,相对群内而言更为稀缺、难以替代和有价值。而成员变动本质上是成员有意识地超越当前知识库而实施的一种跨群体边界搜索和知识转移的行为,因此为了满足自身技术多元化以及强化技术利用或开发的需求[48],群间知识异质性进一步刺激了成员开展变动活动促成更多的群间关系耦合。其次,技术异质性为成员变动实现群间知识流耦合提供了充足的动力。群间技术异质性程度较高时,由于群内成员的技术路径依赖效应和群间共同知识基础的匮乏,群体之间需要开展较为频繁的成员变动来获取和转移异质知识以实现新知识的创造[20]。否则,仅在技术群体之间开展较低规模或频次的成员变动,难以突破原资源禀赋和旧合作惯例的束缚,无法摆脱群内知识闭锁的局面。而且,随着迁移到新技术群体的成员所携带的异质知识逐步被内化和吸收,群体之间会展开下一轮的跨群体知识流耦合[15]。因此,提出假设4,

H4群间技术异质性正向调节技术群体成员变动比率对技术群体耦合的正向作用。

综合以上分析,本文提出如图1 所示的研究模型。本研究认为技术群体的成员变动通过技术群体耦合的非线性中介作用对产业创新网络抗毁性产生影响,并且群间技术异质性正向调节着技术群体的成员变动与技术群体耦合的关系幅度。

图1 研究模型Figure 1Research model

2 研究设计

2.1 研究方法

本研究立足整体网视角,旨在解决技术群体的成员变动是否、以及如何改变技术群体耦合,进而影响产业创新网络抗毁性这一问题。具体体现在:技术群体成员变动关注的是群体内部的微观成员动态行为在全局网络中的表现;技术群体耦合强调群体在网络层面的耦合程度;群间技术异质性考虑的是网络内群体之间技术差异的平均水平;创新网络抗毁性本质上是网络整体的结构鲁棒性和功能运行效率。不仅如此,相关概念、作用关系及测量方法均在整体网层面阐述。尽管网络范式的研究大多从整体网或自中心网两个视角开展,但是由于前者的分析单元——整体网络,获取难度高、网络边界标准不统一等原因,实证研究开展得并不充分、亟待丰富[16,29]。本研究采用新能源产业的专利引用数据构建产业创新网络,并以此为分析单元开展网络拓扑分析和实证检验,具体借助SPSS24.0工具执行层次回归分析来验证研究假设的支持情况。

2.2 样本选择

研究样本来自新能源产业,原因在于:一方面,新能源产业具有技术密集、初期研发投入巨大、成本回收周期较长等特性,构建抗毁性较高的创新网络对产业的平稳发展异常重要;另一方面,新能源产业作为全球战略性新兴产业,其技术创新活跃度高、知识更新迭代快,网络成员波动和技术群体分化现象较为明显。通过回溯新能源产业的发展进程及技术特征,本研究在借鉴Popp等[49]、Mans等[50]、Schleich等[51]的基础上,选择产业内有代表性的太阳能光热、太阳能光伏、风电控制、风力发电、生物质能、储氢、液化氢、沼气、锂电池、液流电池、燃料电池技术等11个技术领域作为样本来源。鉴于专利被广泛认为是新能源产业技术研发成果和创新产出的重要载体,且专利引用网络能够有效测度知识流[52],本研究选取美国专利商标局专利数据库(USPTO)来获取初始专利数据。结合新能源发展态势以及专利检索分布情况发现,2001年之前的专利数量比较稀疏,不利于产业创新网络的构建和技术群体的识别,因此最终专利检索的时间跨度选定在2001~2018年。本研究的分析单元为产业创新网络,采用以上新能源技术领域内主要专利权人之间的专利引用关系来构建。

2.3 数据处理

(1) 数据源。借鉴以往研究[53-55],本文采用关键词(包括标题和摘要)检索策略对11个新能源技术领域进行专利检索,共计获得2001年1月1日至2018年12月31日间的授权专利53015条。(2) 构建专利引用网络。由于样本的专利数量较大,涉及的专利权人数量较多,借鉴Lyu等[33]的方法,本研究选取各技术领域内专利持有量占该领域专利总量0.25%以上的专利权人,作为专利引用网络的节点(他们持有的专利量均高于产业专利总量的25%,余下专利权人所持有的专利数量较为稀疏、分散)。借鉴Guan等[53]的观点,每个技术领域采用5年移动时间窗口来构建基于时间序列的专利引用网络矩阵,得到时间窗口跨度在2005至2018年的154个(11×14)网络样本。(3) 识别技术群体。借鉴Padula[17]的方法,根据网络拓扑结构的联系紧密程度来构建块模型从而识别产业创新网络的技术群体,同时剔除过于稀疏以及群体数量小于2个(群内不少于2个节点)的网络,共计得到有效样本138个。(4) 相关计算。基于专利引用网络的非对称邻接矩阵,计算相关网络参数,并采用NetDraw工具绘制网络拓扑图,最后应用SPSS 24.0对相关变量进行描述性统计、相关性分析及层次回归分析。

2.4 变量测量

2.4.1 因变量

借鉴Yang[54]的测量方法,产业创新网络抗毁性(Networkinvulnerability,NI)采用自然连通度和网络效率的乘积项来测量。自然连通度刻画了产业创新网络中任意一对技术主体之间的替代冗余关系,能有效表征网络的结构鲁棒性,由网络中闭环长度的加权总和计算得出[55]。网络效率衡量了知识、技术和资源等创新要素在产业创新网络中的扩散速度,能表征网络抵御内外风险冲击下的功能完整性的变动,通过计算网络中任意两个节点之间最短有向距离倒数的平均数进行测量[56]。考虑到当前网络是过去网络关系积累的结果[21],因此采用滞后1年期的数据进行测算。计算公式为:

式中,λi为邻接矩阵特征谱{λ1,λ2,λ3,…,λi}的第i个特征根,N为特征根数。M为网络规模(下同),di→j为技术主体i和j间的有向距离。k为新能源内11个子技术领域,t为时间窗口2005~2017年,下同。

2.4.2 自变量

技术群体成员变动(Membershipvariation,MV)指的是连续两个时间窗口期产业创新网络内技术群体的成员变化率。借鉴Sytch 和 Tatarynowicz[14]以及施国平等[23]的研究,技术群体成员变动采用1-技术群体成员的重叠比例进行计算。当重叠比率不小于0.3时,认定为连续两个时间窗口期的同一技术群体;当重叠率小于0.3时,意味着旧群体的解散或分裂为两个及以上的新群体,前者的成员变动比率记为1,后者需识别新组建群体成员重叠率不小于0.3的数量计算变动比率。因此,每个产业创新网络的成员变动采用平均技术群体成员变动比率来表示。计算公式如下:

式中,i为技术群体编号,n为技术群体数;t表示时间窗口;OTCi,t-1∩t=TCi,t-1∩TCi,t为连续两个时间窗口t-1与t的技术群体成员重叠数量;ATCi,t-1∪t=TCi,t-1∪TCi,t为连续两个时间窗口t-1与t的技术群体出现的所有成员数量。

2.4.3 调节变量

群间技术异质性(Technologyheterogeneity,TH)指产业创新网络中技术群体之间所掌握知识技术差异程度的均值。借鉴Sampson[57]的研究,按照技术分类的专利能识别组织间的技术差异,因此采用专利技术类别的差异程度进行测量。根据USPTO数据库识别出专利引用网络中主要专利权人持有专利的国际IPC分类号,结合专利权人的技术群体归属,得出每个技术群体所掌握的专利技术种类,进一步计算产业创新网络中技术群体之间的技术异质性。其计算公式如下,

2.4.4 中介变量

技术群体耦合(Technologyclustercoupling,TCC)反映了知识、技术与资源的跨越技术群体边界的流入和溢出情况。在有向的专利引用网络中,技术主体引用其他专利权人持有授权专利的次数体现了该主体的知识流入,而技术主体持有授权专利被其他专利权人引用的次数体现了该主体的知识溢出。借鉴Lyu等[36]和赵炎等[41]的测量办法,本文采用群体之间的专利引用频次与专利被引频次之和来测度产业创新网络中的技术群体耦合度。计算公式为:

式中,fij和bij分别表示技术群体i与j内的专利权人间的前向专利引用频次和后向专利被引频次;n为技术群体数。

2.4.5 控制变量

本研究从产业创新网络、技术群体角度引入了控制变量。①网络规模(Networksize,NS)。网络规模指的是产业创新网络所包含的技术主体的数目。网络规模越大,成员间的协调和联系复杂性越高,对产业创新网络的抗毁性产生的影响越大。本研究还考察了网络演化带来的规模变动,但加入模型中执行回归后发现整个结果未发生实质性改变,因而进行了剔除。②网络密度(NetworkDensity,ND)。网络密度表示网络中成员间联系的紧密程度。网络越稠密,网络中知识流动的通路越多,知识交流效率就越高[58],因而影响产业创新网络抗毁性。网络密度采用实际联系数占所有可能的直接联系数比例进行测量,计算公式如下,式中l表示t窗口期专利引用网络中实际关系数,M表示网络规模:Networkdensitykt=l/M(M-1)。 ③群内凝聚性(Intra-clustercohesiveness,IC)。群内凝聚性表示技术群体内部成员联系的紧密性,采用每个产业创新网络的平均群内密度测量。技术群体内部较高的凝聚性说明群内主体之间知识、技术和资源的转移和流动较为频繁[32],能减少群内冲突增强凝聚力来抵御内外部风险的冲击,影响网络抗毁性。其计算公式如下,式中pi表示t窗口期专利引用网络中第i个技术群体的群内密度,n表示技术群体数:

3 结果与讨论

3.1 样本信息与网络拓扑分析

本文构建了新能源11个技术领域的138个专利引用网络,每个技术领域内专利持有量大于0.25% 的技术主体数在50个上下波动,最大节点数为67,最小为43。样本信息如表1所示。为了更直观的观察专利引用网络特征,本研究应用Netdraw工具绘制出网络拓扑图(图2),并选取燃料电池领域近6年连续窗口期(2013—2018)①由于本文构建了138个专利引用网络,但受篇幅所限仅选取样本中的燃料电池为例给以展示,其余网络的分析方法相同进行观察,相关拓扑信息如表2所示:从微观成员层面发现,网络成员并不固定存在于特定群体,在技术群体之间频繁的进入或退出是普遍现象。通过追踪编号为47的网络成员(该节点有较大的度中心性,易于观察)所处的技术群体发现,成员构成存在明显的动态变化的趋势。从宏观网络层面来看,产业创新网络发展的各个窗口期都呈现技术群体分化现象,并且出现明显的新群体组建、合并、分裂和解体的动态演化特征,而且成员变动会带来技术群体之间耦合度的变化,产业创新网络的结构也随之波动。

图2 燃料电池领域2013—2018窗口期的时序演化图Figure 2Temporal evolution of fuel cell network topology in period 2013-2018

表1 样本信息Table 1Sample information

表2 网络拓扑信息Table 2Network topology information

3.2 相关分析

变量的描述性统计与相关性分析如表3所示,包括相关系数、均值和标准差。从表中可观察到各自变量之间的相关系数基本在0.7 以内,说明不存在变量自相关的问题。在进入回归模型之前,本研究首先对技术群体成员变动及其平方项和群间技术异质性进行标准化处理,然后构建交互项执行回归分析。结果显示,所有变量VIF值都在可接受的范围内,未表现出明显的多重共线性。

表3 相关性分析与描述性统计Table 3Correlation analysis and descriptive statistics

3.3 假设检验

为了检验假设,本研究构建以下7个模型。其中,模型1仅包含控制变量网络规模、网络密度和群内凝聚性;模型2和3分别检验技术群体成员变动对产业创新网络抗毁性、技术群体耦合的直接影响;模型4和5分别在模型3的基础上加入技术群体耦合及其平方项,借鉴Baron和Kenny的研究通过三步回归法[59]来技术群体耦合的非线性中介效应;模型6和7分别在模型3的基础上加入技术异质性及其与技术群体成员变动的交互项,以检验调节效应。

层次回归分析结果如表4所示,具体如下:(1)控制变量的检验结果。从模型1的结果来看,网络规模(β=0.357,p＜0.001)、网络密度(β=0.326,p＜0.001)和群内凝聚性(β=0.215,p＜0.05)对产业创新网络抗毁性呈现显著正向影响。这说明具有较大规模、较高密度及凝聚社群结构的创新网络有益于网络连通性和知识流动,对网络抗毁性有促进作用。(2)中介效应的检验结果。从模型2的结果看出,技术群体的成员变动直接正向影响产业创新网络抗毁性的作用显著(β=0.184,p＜0.05)。模型3的结果显示,成员变动与技术群体耦合的关系为显著正向(β=0.222,p＜0.01),因此假设H1得到验证。模型4和5的结果显示,技术群体耦合显著正向影响产业创新网络抗毁性(β=0.689,p＜0.001;β=0.706,p＜0.001),且二次项的回归系数为显著负向(β=-0.684,p＜0.001),这说明技术群体耦合与产业创新网络抗毁性之间的关系为倒U型,呈现出阈值效应。因此一定程度的技术群体耦合促进了产业创新网络的抗毁性,但过度耦合将带来负效应,因此假设H2得到验证。通过对比模型4、5与模型2中成员变动的回归系数发现,加入技术群体耦合及其平方项之后,成员变动与产业创新网络抗毁性的正效应被显著削弱变得不再显著(β=0.184,p＜0.05 vs.β=0.031;β=0.184,p＜0.05 vs.β=-0.020),这说明技术群体耦合扮演的是成员变动与产业创新网络抗毁性的作用机制后半段“技术群体耦合-产业创新网络抗毁性”的完全非线性中介角色,因此假设H3得到验证。(3)调节效应的检验结果。假设 4提出,群间技术异质性在成员变动与技术群体耦合之间起到调节效应,即这种关系在技术群体之间的技术异质性较高的情况下要比技术异质性较低的情况下更强烈。当把技术群体的成员变动、群间技术异质性以及二者的交互项同时纳入对技术群体耦合的影响时,模型6和7的结果显示,成员变动正向促进技术群体耦合(β=0.204,p＜0.05),交互项对技术群体耦合的正向影响显著 (β=0.209,p＜0.05)且模型解释力增强(ΔR2=0.027),说明技术异质性能正向调节成员变动与群体耦合之间的作用关系,因此H4得到验证。

表4 层次回归分析结果Table 4The results of hierarchical regression analysis

4 结论与讨论

4.1 结论与理论贡献

产业创新网络的平稳有序发展是企业开展开放式创新活动的基石,怎样预防和治理网络内部组织或群体的创新活动以使得产业创新网络具有抗毁坏的能力,已经成为不确定环境下举足轻重的议题。本文从网络内源性因素出发,构建了一个群间技术异质性调节作用下的微观成员变动行为递归影响中观社群耦合,进而作用于宏观创新网络抗毁性的跨层级分析框架。本研究主要解决了以下两个问题:一是技术群体耦合在成员变动与产业创新网络抗毁性的关系之间具有怎样的影响机制?二是群间技术异质性是否在成员变动与技术群体耦合的关系中扮演着情境角色?通过对新能源产业138个专利引用网络样本进行实证检验,结果显示所有假设均得到了支持,具体的研究结论和理论贡献讨论如下:

首先,技术群体的成员变动正向影响技术群体耦合的程度。研究发现,尽管成员不断进入和退出技术群体的边界,但是旧群体成员长期积累形成的关系和知识流交互并不能轻易被损毁,它们仅随着技术群体的边界重新划分或分配。因而,短期内成员变动不仅可以丰富技术群体之间桥接路径的多样性,还能够促进技术群体间知识的流动和共享,从而正向影响技术群体耦合。需要指出的是,以往有关群体成员变动的研究[14-15,23]从微观层面对内部成员流动和跨群移动两个方面进行了刻画,并认为这两个特征会改变群间知识流动甚至网络的结构,但对成员变动会使技术群体的结构形态发生怎样的变化、以及这种变化会怎样影响技术群体之间的创新相互行为,缺乏清晰和深入的探讨。这或许是由于创新网络理论的研究侧重于立足个体组织的视角将组织创新活动置于创新网络这一环境中,去探究如何借助整体网或网络社群的属性提升创新绩效上造成的。有别于先前研究,本研究首次重点关注了成员变动所引发的中观技术群体的组建、合并、分裂或解体等结构变化以及成员间关系所负载的知识扩散变化。这不仅为理解创新网络中微观成员变化和中观技术群体的递归影响过程提供了较为清晰的阐释,而且也是对网络社群动态属性的有力扩充。

其次,技术群体耦合与产业创新网络抗毁性的作用关系呈倒U型。研究发现,技术群体之间的耦合程度并非越强就对创新网络抗毁性越好,技术群体间的弱耦合对创新网络抗毁性具有促进作用,因为它不仅通过多样化的捷径增强网络应对关系破裂的抗毁性,还能促进异质知识的快速扩散来提升网络功能抗毁性;然而,技术群体之间的强耦合却会降低抗毁性,这是由于过度耦合会使产业创新网络陷入闭合的困境和面临自我遏制的风险。这一非线性关系从技术群体之间耦合强度的角度进一步证实了Baum[44]桥接效应具有随时间呈倒U型消散的观点,该观点认为桥接关系发挥的资源新颖优势具有短期性,弱耦合有助于搭建桥关系和形成更多知识流动的捷径,但是耦合的逐渐加深则会使创新网络陷入闭合和锁定。因而,本研究进一步拓展了先前对创新网络抗毁性的中观社群层面影响因素的理解。此外,以往研究[17,19,36]按照“结构-行为-绩效”的SCP范式,认为组织或技术群体之间构建的桥关系不仅提供了异质知识流通的渠道、还缩短了彼此的平均路径长度会促进知识扩散,从而促进单个网络成员的创新绩效。与之不同,本研究则重点将以往对技术群体的理解拓展到整个创新网络层面,通过聚焦技术群体之间的桥接关系对创新网络结构和功能的作用,剖析中观技术群体的耦合活动这一前置因素对创新网络抗毁性的非线性作用机制。

再次,技术群体成员变动对创新网络抗毁性的非线性关系通过技术群体耦合与创新网络抗毁性的倒U型关系进行传导。研究表明,成员变动这一网络微观基础会促进中观层面技术群体之间的关系耦合和知识流耦合程度,进而对宏观创新网络结构和功能抗毁性发挥倒U型的作用。不少学者[15-16,33]都注意到创新网络的层级特征并认为中观层面的网络社群具有衔接微观网络成员和宏观网络属性的重要作用,然而试图深入阐释三个层级的变量之间是如何层层演进的研究却鲜有。本研究立足整体网的视角,构建了一种“微观成员动态行为-中观技术群体交互-宏观网络结果”的跨层级分析范式,通过剖析网络微观层的成员变动影响网络中观层技术群体的耦合活动,间接促成对创新网络抗毁性的非线性关系这一跨层级作用,解释了成员变动如何提升创新网络抗毁性的过程。本研究突出了技术群体耦合在成员变动与创新网络抗毁性黑箱关系中的作用,有力地弥补了现有创新网络中较低层级的成员行为在塑造更高层级结果中逐层递归关系的认识。

最后,群间技术异质性在中介模型的前半段即“成员变动-技术群体耦合”阶段发挥正向调节效应。研究结果发现,当技术群体之间的异质性程度较高时,外部群体更能获取到较为新颖、稀缺和有价值的资源,因而能进一步刺激技术群体成员变动构建更多样化的捷径和促进群间知识流耦合。Sytch 和 Tatarynowicz[14]指出不同群体之间具有技术异质性且刺激成员进入和退出群体边界的行为发生,本研究在此基础上进一步补充和扩展,即群体之间的掌握异质知识或技术、资源的差异程度具有调节成员动态行为对群间耦合影响幅度的功能。本研究首次将技术异质性作为情境变量延伸至跨层级分析框架中,发现成员变动规模与群间技术异质性达到适度匹配时技术群体耦合的程度会较高,这意味着通过深化“微观成员动态行为-中观技术群体交互”这部分基础,更加有助于充分理解成员变动与创新网络抗毁性的层级影响过程。

4.2 管理启示

新能源作为全球具有战略性的新兴产业,自金融危机以来国际社会纷纷加大对新能源产业发展的支持力度,我国的风电、太阳能光伏领域也出现了躁动和过热等盲目扩张的态势,而且由于基础设施投资密集、产业链条长等特点,极其必要辅以有效的政策引导支撑其创新网络的健康平稳发展。在实践中,一些网络成员通过紧密的技术交流和合作形成了小规模的社群或创新联盟,技术群体分化已经是新能源产业普遍存在的趋势,如掌握新能源汽车“电驱、电池、电控”核心技术的上汽集团与国内最大的动力电池制造商宁德时代共同致力于新能源电池技术的开发,形成了技术团簇;厦门国际新能源核心零部件产业技术创新联盟的成立促成了中欧企业之间的技术引入与合作研发,意味着新能源产业核心零部件技术创新群体的形成。然而,由于资源禀赋和环境不确定的变化,企业间合作降温、破裂也会带来“退群”和重新“入伙”的局面,如拥有太阳能发电系统业务的特斯拉和日本松下曾是长期锂电池技术的合作伙伴,但在2019年二者关系出现了降温,特斯拉先后与韩国LG化学和中国宁德时代开展合作,而松下转而拥抱丰田。这一系列实践与本研究从网络内部视角出发,通过关注技术群体的微观成员变动以及群间耦合、技术异质性的共同作用来构建抗毁性较强的新能源创新网络紧密相关,由此得出以下管理启示:

首先,本文阐明了技术群体的成员变动影响着群体规模的解体、萎缩、更新和扩充,会改变技术群体之间的关系与知识流耦合程度。从预防创新网络结构脆弱性和知识固化来看,适当鼓励新能源企业跳出以往紧密合作的“舒适圈”、延伸知识触角至其他技术群体,不仅能防范组织的知识锁定风险,同时也有益于创新网络中新颖知识扩散渠道的多样化。这有助于理解微观层面的组织“抱团”背后的动态行为表现,对从微观成员的创新行为层面引导构建创新网络技术群体和治理其创新交互活动具有重要的实践指导意义。第二,本研究主张引导技术群体开展适度的跨越群体边界的知识、技术和资源的创新互动,推动产业创新网络的平稳发展。值得注意的是,实践中由于技术群体内部成员经过长期的知识共享已经拥有较低的合作风险且建立了信任,这种趋同性往往降低了它们与网络中其他技术群体建立关联的倾向。因此,产业政策部门不仅要呼吁企业关注长期固化的“小圈子思维”带来的弊端,如短视以及创新能力不足等[25],还应积极组织技术交流活动、发起创新合作项目或借助技术中介组织,构建不同技术群体新颖知识共享的平台,从而促成技术群体之间耦合活动的发生,但在这个过程中不仅要严防技术群体间稀疏耦合带来的网络断裂风险,还要兼顾预防技术群体间大规模合并,避免过度耦合引发的网络封闭和锁定危机。第三,本文构建了新能源产业“成员变动-技术群体耦合-网络抗毁性”的整体网跨层级分析框架,这意味着产业创新网络的管理者和调控者要从治理创新网络的全局视角出发重视技术群体的影响力,应建立网络成员的群体化灵活配置机制,并通过维持技术群体之间的适度耦合来实现新能源产业创新网络的平稳运转。现有文献以我国半导体[41]、电子信息产业[60]、生物制药行业[15]、海洋能[61]和汽车[62]等产业创新网络为实证研究对象,独立探讨过“派系”和“网络社群”的构建、动态特征及抗风险性,这对本研究具有一定的借鉴作用,但关于从技术群体视角挖掘影响网络抗毁性的层级作用机制的探索仍处于初级阶段。本研究将该跨层级作用框架应用到新能源领域,是一次有益尝试。第四,正如本研究结果所示,做好不同的技术情境下网络成员的合理配置以开展适度耦合活动,可以间接保障产业创新网络的抗毁性。本文警示政策制定部门,应当在群体之间的技术差异性较大时,鼓励成员频繁进入和退出群体边界,有针对性的推动技术群体间形成多维且流通的技术扩散渠道,来保障新能源产业创新网络的抗毁性。

4.3 研究局限

尽管本文从理论和实践上贡献于现有研究,但仍存在一定的局限性,值得继续拓展:(1) 以技术群体耦合为中介变量对技术成员变动与产业创新网络抗毁性的关系做了初步的探讨,未来研究可继续深入挖掘其他中介变量如网络宏观结构属性的核心边缘结构、网络等级性等。(2) 技术群体成员变动的研究围绕群体成员的变动比率展开,未来可将技术群体的微观基础细分成多种类别进行深入研究,如成员变动导致的新技术群体组建、合并、分裂和解体等,探索其对更高层次网络抗毁性的影响,以丰富中观群体视角的网络结果研究。另外,将研究扩展到重叠技术群体或网络成员可归属多个群体,也可能会产生富有成效的新见解。(3) 产业组织和创新网络中成员的竞合机制随着产业生命周期的变化而变化,可以预期不同产业阶段的技术群体成员变动、耦合会受到影响,未来可以考虑创新网络阶段性的动态演化特征,同时采用多个产业创新网络的样本进行对比研究。