李 莉，林海芬，程 露，吕一博

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

随着经济全球化和开放式创新范式的盛行，技术主体之间的创新合作无不依赖着其所在的产业创新网络。产业创新网络作为创新资源流动和扩散的重要载体，为成员间的优势互补和风险共担提供重要的网络支撑。但是，一些来自产业创新网络内部或外部的因素导致其存在较高的脆弱性，严重影响了产业创新网络的持续稳健发展，如何提升产业创新网络应对“创造性毁灭”的抗毁性已经成为学界和业界关注的重点［1］。近年，技术主体之间的创新合作逐渐向技术群体层面转变［2-3］，跨技术群体边界的创新合作成为产业创新网络内的一种普遍现象。有学者从整体网层面指出，这种技术群体间的创新合作是影响产业创新网络抗毁性最重要的因素之一［4-5］。然而，创新领域内有关技术群体的研究多围绕个体网视角，关注技术主体如何借助群体内外关系提升个体创新绩效的问题，从“整体网”视角探究跨技术群体边界的创新合作对网络层面影响的研究仍较为稀缺。相关研究仅在概念层面指出，跨越技术群体的联系能够避免网络的过度嵌入以减少“毁灭”［4］，却未深入剖析其影响机制，且缺乏运用产业创新网络的样本数据的实证检验。借鉴物理学“耦合”的概念，本研究将这种技术群体创新合作过程中知识、技术和资源等创新要素的互补性流动界定为技术群体耦合，并在此基础上探究技术群体耦合对产业创新网络抗毁性的作用机制，以期为产业创新网络持续健康发展提供理论支持与实践指导。

CRESPO等［6］指出，技术群体耦合这一现象的结构性表现对产业创新网络呈现出集聚结构的态势发挥着关键作用，这是因为技术群体耦合跨越了单个技术群体所缺乏的知识结构漏洞，突破局部封闭的群体边界，通过构建全局桥接渠道给群内成员带来异质性知识，削弱了网络集聚结构的形成趋势。而VAN DER VALK等［7］指出，集聚结构是产业创新网络抗毁性最直接的影响因素。集聚结构反映整体网视角下技术主体创新活跃度不均匀分布的状态，具有高度集聚结构的产业创新网络因少数核心主体主导着网络成员选择、创新任务分配、技术知识转移等，可能使产业创新网络在面临冲击时缺乏结构鲁棒性和灵活应对危机的能力，从而降低了网络抗毁性。此外，技术群体耦合对产业创新网络抗毁性的影响还会受到产业外部技术动态性的制约［7-8］，这是由于技术群体之间的知识、技术和资源能否高效转移并匹配到互补成员可能会受到技术扰动的影响，因而迫切需要探究技术群体耦合与技术动态性的适配模式以增强产业创新网络的抗毁性。因此，在探究技术群体耦合与产业创新网络抗毁性的作用关系时，有必要考察产业创新网络内部集聚结构的作用和外部技术动态性的影响。

针对上述研究缺口，本文立足整体网视角，构建了技术群体耦合、集聚结构、技术动态性和产业创新网络抗毁性的关系模型，力图探究技术群体耦合影响产业创新网络抗毁性的作用机制问题。然后，将整体网研究方法构建的来自新能源产业内12个子技术领域的144个专利引用网络作为分析单元，进行网络拓扑分析与回归分析。最后，依据研究结果提出增强产业创新网络抗毁性的政策建议。

1 文献回顾及研究假设

1.1 产业创新网络抗毁性与技术群体耦合的关系

产业创新网络往往内嵌在特定的集群或区域中，随着技术主体开放式创新活动的实施，网络的地域边界逐渐被侵蚀，开展非地域限制的全球产业创新网络逐渐被广泛关注［9］。产业创新网络指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，其本质内涵是网络参与者之间知识、技术和资源的流动［10-11］。网络抗毁性的概念来自复杂网络，是指当网络中的某些节点、关系出现随机故障或遭遇外部冲击时网络能够维持正常运转的能力［12］。复杂网络抗毁性的研究主要集中于静态结构和动态级联失效两个层面。聚焦创新领域，学者们关注了创新网络弹性、脆弱性等相似概念，其中，网络弹性［13-14］刻画了网络面对内外部风险或冲击时能够动态缓冲并恢复的适应能力，一般包括吸收、适应和恢复能力；网络脆弱性［15］基于破坏视角强调对破坏性事件的敏感性，其特征是系统缺乏抗毁性和弹性。然而，网络抗毁性更关注创新网络在遭遇内外部风险时，网络结构的维持和网络功能的运转［12］。其中，结构抗毁性强调网络拓扑结构的鲁棒性，功能抗毁性则强调网络的运行效率［16-17］。

技术群体是产业创新网络中观层面的概念，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与合作形成的子群，具有群内凝聚性和群间桥接关系两个重要特征［18-19］。通常，技术群体内部的知识、技术与资源具有同质性，而群体之间具有异质性和互补性。产业创新网络中的技术主体在提升创新能力的驱动作用下会跨越技术群体边界进行知识、技术与资源的互动，如吸收、整合与利用。物理学的“耦合”指两个或两个以上的实体之间相互影响和作用，借鉴这个概念，本研究将技术群体创新合作过程中知识、技术和资源等创新要素的互补性流动界定为技术群体耦合。因此，技术群体耦合具有有向性，这意味着技术群体之间的依赖程度具有非对称性。进一步地，本研究用耦合度反映技术群体的各类创新要素的互补性流动程度，并用产业创新网络中所有技术群体的耦合度总和表示技术群体耦合的程度。技术群体耦合程度影响着知识、技术和资源等要素在网络层面创新合作交互渠道的多样化以及流畅性，能反映出产业创新网络整体的平稳运行即抗毁性的状况。

技术群体耦合会直接影响产业创新网络抗毁性。①技术群体耦合能避免网络内部知识的趋同性，提升产业创新网络应对复杂风险的适应性。高水平的技术群体耦合度促进了异质资源在不同技术群体之间的流通，能够减轻群体内部亲密关系的负面影响，如从众、激进主义和敌意［20］，从而避免产业创新网络的僵化。②技术群体耦合丰富了网络关系的多样性，增强了产业创新网络面对二元主体关系失败的结构抗毁性［21］。技术群体耦合增强了群体之间的联系，为群内主体打通了获取更广泛和多样化的非冗余资源的路径［22］，这种多维关系在一定程度上能缓解路径依赖的弊端，从而增强了产业创新网络应对知识锁定或网络关系断裂引发的结构脆弱性风险。③技术群体耦合能促进异质知识的共享，提高网络的运行效率。高水平的技术群体耦合度意味着技术群体所拥有的知识、技术或资源之间互补性较强，而耦合有助于将双方的不对称依赖转化为联合依赖［23］，因此，网络成员之间共担风险的可能性得到提升，从而提高产业创新网络运转的效率。综上所述，提出如下假设。

H1 技术群体的耦合度越高，产业创新网络的抗毁性越强。

1.2 集聚结构在技术群体耦合与产业创新网络抗毁性关系中的中介效应

集聚结构是网络的一种宏观结构属性，反映网络在多大程度上向某些节点集中的趋势，从网络整体层面反映主体度数中心度的非均匀分布状态［24］。度数中心度反映节点在网络地位、关系能力和权力等方面的差异。集聚结构程度高的网络，如核心—边缘结构，其内部主体在地位、关系和资源上呈偏态分布的程度也较高。组织领域和网络领域的研究都强调集聚结构的弊端和分散非层次结构的重要性，集聚结构带来的高度集权会诱发组织内部的保守主义，使组织丧失灵活应对复杂风险的能力；与具有分散非层次结构的网络相比，具有高度集聚结构的网络在面对少数核心主体的失效时呈现较高的脆弱性。

技术群体耦合会负向影响产业创新网络形成集聚结构的程度。①技术群体耦合能改善网络主体间的地位差异程度。高水平的技术群体耦合度有助于网络连接策略由“封闭型”转向“桥接型”［6］，不同网络地位的主体之间构建了创新资源流通的路径，知识溢出为低地位的主体摆脱网络层级制“锁定”提供了可能，因而地位不均匀状态得到缓解，产业创新网络的集聚趋势被削弱。②技术群体耦合能缓解网络演化为核心边缘结构的程度。技术群体耦合能够促进具有不同创新活跃度的主体间的知识、技术和资源共享，有助于为产业创新网络的全局连接提供更为多元的渠道［25］，从而避免网络分化出紧密围绕的核心区与稀疏分散的外围区，降低产业创新网络“核心—边缘”结构形成的可能性。③技术群体耦合能优化知识、技术和资源在产业创新网络中空间分布的均衡程度。技术群体耦合促进了群体外部的异质知识在产业创新网络中的转移和扩散［26］，提升了分布在不同群体内的互补知识、技术资源的重组可能性，对降低知识权力集中度发挥了一定的作用。

集聚结构会负向影响产业创新网络抗毁性。①较集聚的网络更容易引起网络内部成员的冲突，破坏网络关系的稳定性。高强度的集聚结构意味着网络内主体角色和地位呈现出明显的优劣分化，一般处于优势地位的主体倾向于采用强制的方式对处于弱势地位的主体进行控制，极易引发反弹带来的内部冲突［27］，损害网络关系的稳定性。②较集聚的网络易出现成员的机会主义行为，使网络缺乏面对风险的快速应对能力。高强度的集聚结构虽然使得资源在小范围内顺畅流通，但与多数主体之间的资源依赖不对等，易诱发搭便车和机会主义行为［28］，互惠性的缺失造成主体间的依赖关系难以维系，降低产业创新网络的整体效率。③较集聚的网络极易受到蓄意风险的冲击且较难及时恢复。集聚结构所附着的关系和资源集聚的“滚雪球”效应［29］，使得产业创新网络在面对核心主体遭遇内外风险时，引发网络的连锁失效，从而导致较低的抗毁性。

基于以上分析，本研究认为技术群体耦合能缓解产业创新网络形成集聚结构的可能，从而提升产业创新网络抗毁性。因此，提出如下假设。

H2 集聚结构在技术群体耦合度与产业创新网络抗毁性的关系中起中介作用。

1.3 技术动态性对技术群体耦合与产业创新网络抗毁性关系的调节效应

技术动态性是指产业技术不可预测的变化，如产品和技术的生命周期变化、技术进步与变革的速率等［30］。当产业创新网络处于高度动态的技术环境中时，技术群体内部成员为了维持竞争优势会加深外部异质和互补知识、技术和资源的获取力度以应对技术环境的变化，因而技术群体耦合的重要性得以凸显。但是，技术群体耦合能否快速扩散、转移并匹配知识、技术和资源给真正互补的网络成员，会受到技术动态性的冲击，由此可能会导致网络关系断裂［31］，丧失结构抗毁性，还可能影响网络效率功能的运转。

技术动态性会制约技术群体耦合与产业创新网络抗毁性之间的正向关系。①较高的技术动态性会削弱技术群体耦合通过缓解内部同质化提升网络适应性的能力。技术群体内部成员此时拥有冗余和同质化的创新资源，而技术群体耦合较难为网络中成员提供足够的异质和多样性的创新资源去应对知识过时的风险［32］，这削弱了技术群体外的知识、技术和资源流动带来的网络适应性。②较高的技术动态性会弱化技术群体耦合通过降低关系断裂风险来稳固网络结构抗毁性的能力。尽管异质资源为耦合提供了充足动力，但技术群体耦合关系的建立和维持需要花费较为昂贵的成本［33］，这弱化了技术群体间耦合的多维路径规避网络锁定的能力。③较高的技术动态性会弱化技术群体耦合提升成员间联合依赖水平以增强网络效率的能力。较高的技术动态性需要技术主体实时调整和转换技术轨道，然而技术群体耦合产生的专有资产需要较高的转化成本［34］，导致难以及时与拥有新型互补资源的成员匹配，进一步降低了技术群体间联合依赖提高网络效率的可能性。因此，提出如下假设。

H3 技术动态性负向调节技术群体耦合度对产业创新网络抗毁性的影响。

综合以上分析，本文提出技术群体耦合、产业创新网络抗毁性、集聚结构以及技术动态性之间的关系模型（如图1所示）。

图1 研究模型Fig.1 Researchmodel

2 研究设计

2.1 研究方法

为了探究技术群体耦合与产业创新网络抗毁性的作用机制，本研究采用整体网研究方法，其适用性体现在：技术群体耦合关注的是技术群体在产业创新网络层面的耦合程度；产业创新网络抗毁性强调的是网络整体的结构鲁棒性和功能运行效率；集聚结构本质上是产业创新网络的集聚属性；技术动态性考虑的是每个产业创新网络所面临的技术动态变化。不仅如此，它们之间的作用关系均是在整体网的基础上展开分析和论述的。整体网研究与个体网研究方法的一个本质区别是分析单元之间的差异，前者以网络为分析单元，而后者则关注网络中的个体［35］。相较于个体网研究，整体网研究还不够充分，原因之一在于获取大量网络样本的难度较高，而且网络边界界定的标准不统一［35］，由于专利引用关系被广泛用来衡量知识流［36］，因此，本文采用专利权人之间的专利引用和被引关系来构造有向的产业创新网络，并借鉴YUN等［37］的观点来界定网络边界；原因之二在于，现有整体网研究多通过定性案例描述来分析创新网络的结构、演化、治理等，实证分析较为稀缺但却亟待丰富［35］。因此，本文采用SPSS24.0执行层级回归分析验证主效应和调节效应，并借鉴BARON和KENNY［38］的方法通过三步回归分析来检验中介效应。

2.2 样本选择

本研究的样本来自新能源产业，原因在于：一方面，新能源产业具有基础设施投资密集、产业链条长的特点，产业的持续健康发展要求产业创新网络具有较高的抗毁性；另一方面，新能源产业技术知识更新迭代快、技术创新活跃度高，且呈现较为明显的技术群体耦合现象。进一步地，结合新能源技术发展态势，在借鉴HA等［39］、MANS等［40］、POPP等［41］、SCHLEICH等［42］研究的基础上，本文选择具有代表性的太阳能光热、太阳能光伏、风电控制、风力发电、生物质燃料、生物柴油、储氢、液化氢、沼气、锂电池、液流电池、燃料电池技术12个新能源技术子领域进行具体分析。

对新能源产业的发展回溯及技术特征分析显示，新能源产业以技术创新和基础研发为核心，专利是其技术创新的主要载体，因此专利数据作为本文实证研究的数据来源。进一步对专利数据进行检索发现，新能源产业的专利数量在2000年后呈现一定的增长趋势［43］。具体地，通过观察这12个技术子领域的专利数量分布，发现燃料电池技术呈现先巨幅波动又剧烈下降的阶段性发展态势，锂电池技术和风力发电技术呈现指数上升的趋势，太阳能光伏技术呈现先递增又递减的趋势，其余子技术的变化较为平缓。因而，本文选取美国专利商标局（USPTO）专利数据库2000—2017年间新能源技术各子领域内主要专利权人之间的专利引用数据，以之构建产业创新网络作为本研究的样本来源。

2.3 数据处理

本研究的数据搜集、清洗和处理流程如下。①专利获取：通过关键词检索策略，对12个新能源技术子领域进行检索，获得2000年1月1日至2017年12月31日间的授权专利数据共55 434条。②构建专利引用网络：借鉴YUN等［37］的观点，选取各子技术领域专利持有量位于前50名的主要专利权人作为网络节点，采用他们持有授权专利之间的引用和被引关系构建有向的网络关系；鉴于专利的技术价值有效期一般为5年［44］，因此以5年的移动时间窗口为分析单元，每个子技术领域合计14期时间窗口（2004—2017年）。例如，某技术2004年的专利引用网络是由该技术的前50个专利权人在2000—2004年期间持有的授权专利之间的引用和被引关系构成；依次滚动时间窗口至2017年，可以得到该技术时间跨度在2004—2017年共计14个时间窗口期的专利网络。因此，初始样本总量为168个（12×14）专利引用网络。③识别技术群体：根据专利引用网络的拓扑结构构建块模型，从而识别网络中的技术群体，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。④参数计算：基于专利引用网络的非对称邻接矩阵计算相关网络参数，并运用Netdraw工具绘制网络拓扑图。应用SPSS24.0进行相关变量的描述性统计、相关性分析及层次回归分析。最终，合格样本为时间跨度在2004—2016年的144个专利引用网络，而进入层次回归分析的样本为时间跨度在2004—2015年的132个专利引用网络。

2.4 变量测量

2.4.1 因变量 现有研究多采用网络结构和网络功能共同表征产业创新网络抗毁性［16-17］。本文具体测量方式为自然连通度与网络效率的乘积项。考虑专利引用存在滞后性，且技术群体耦合对产业创新网络抗毁性的作用需要一定的时间，因此在具体研究中采用滞后2年期的数据进行测算。

网络结构抗毁性是指网络在随机故障或故意攻击（节点或关系被破坏）后保持连接的能力，采用自然连通度衡量。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关系的替代冗余关系，能够有效表征有向网络的结构鲁棒性，由计算网络中闭环长度的加权总和可得［45］。公式为Network其中，λi为非对称邻接矩阵特征谱{λ1，λ2，λ3，…，λi}的第i个特征根，N为特征根数，k为新能源的12个子技术领域，t为时间窗口2004—2015年，下同。网络功能抗毁性是指网络抵御内外风险冲击下的功能完整性的变动，用网络效率衡量。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，即为网络中任意两个节点之间最短有向距离倒数的平均数［46］，公式为，其中，M为网络规模，d为从技术主体i到j的有向距离。i→j

2.4.2 自变量 技术群体耦合指群体间的跨边界创新合作活动，反映知识、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则体现了该主体的知识溢出。因此，产业创新网络中技术群体耦合的知识流入水平用群体之间的专利引用频次表示，知识溢出水平用群体之间的专利被引频次表示。鉴于此，采用群体间的专利引用频次与被引频次之和来测量产业创新网络中的技术群体耦合度［2，19］。公式为式中，uij和bij分别表示技术群体i与j内的专利权人间的专利引用频次和被引频次，n为技术群体数。

2.4.3 中介变量 集聚结构采用网络程度中心势进行测量，以刻画网络围绕某些重要主体的集聚程度［47］。考虑产业创新网络的有向性，出度中心度表示该技术主体知识溢出的外部主体数量，入度中心度表示该技术主体知识流入的来源主体数量。网络的出度中心势越大，说明主体知识溢出能力的差异较大；入度中心势越大，说明主体的知识流入的差异较大。本研究重点关注的是高集聚结构的网络可能出现少数创新活跃度较高的技术主体占据网络的中心位置，进而主导或操纵网络结构的演化和功能效率的运行，因此采用出度中心势来测量网络集聚结构的程度。考虑到技术群体耦合对创新网络结构变化的影响需要一定的时间，因而在具体研究中采用滞后1年期的网络数据进行测算。计算公式为，式中，Ci表示技术主体i的出度中心度，表示网络中引用技术主体i的主体数量，Cmax是Ci的最大值。

2.4.4 调节变量 技术动态性采用产业创新网络的专利总量随时间的相对变化百分比进行测量［30］。它表征的是每个产业创新网络所处的技术环境的相对变化程度。计算公式为Technologicalturbulencekt=，式中，NPt表示t窗口期专利引用网络中的专利总量。

2.4.5 控制变量 本研究在网络和技术群体层面引入了控制变量。①网络规模是指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。②网络密度表示网络中成员间联系的紧密程度。较高的网络密度不仅有利于形成紧密稳定的网络联系，也会提升网络内资源共享和知识扩散水平，影响产业创新网络抗毁性［48］。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，由于产业创新网络为有向网络，因而其计算公式为，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。③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，通过减少群内冲突、增强凝聚力来抵御风险冲击，影响网络抗毁性［49］，计算公式为，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 网络拓扑分析——以锂电池为例

为了更直观地观察专利网络中的技术群体耦合活动和网络集聚结构的态势，本研究应用Netdraw工具绘制网络拓扑图进行分析。但是，由于本研究的分析单元为144个专利引用网络，受篇幅所限，仅以锂电池技术为例进行具体说明，其余网络的分析方法与之相同。具体地，为了进一步纵向理解网络演化过程中技术群体耦合与网络集聚结构的变化特征，本研究选取锂电池技术在2007年、2011年和2015年时间窗口的专利引用网络进行分析。通过观察图2和图3，可以得出以下结论。①产业创新网络发展的各个窗口期都呈现出技术群体耦合的现象，并且技术群体的规模和成员存在动态变化的趋势。2007年、2011年和2015年参与技术群体活动的网络主体数量分别占50%、72%和96%；群体数量分别为4个、4个和6个；群体内部成员变动较为明显，以网络核心成员SAMSDI为例，它在3个窗口期中分别处于群体1、群体4和群体5之中。②技术群体之间存在不同程度的耦合活动，网络整体的技术群体耦合度呈上升趋势。2007年，群体1与群体4的耦合较为强烈，而群体2与群体3没有直接耦合；2011年，群体2与群体4的耦合程度较为突出，而群体1与群体3缺乏直接耦合；2015年，除群体2与群体3外，其他技术群体间均存在不同程度的耦合。③图3显示3个窗口期的产业创新网络呈现出不同程度的集聚性，集聚水平分别为0.783、0.849和0.810。自2007年起集聚态势不断增强，2011年逐渐形成核心—边缘结构，2015年集聚水平回落但以SAMSDI为中心的集聚趋势仍较明显。

图2 不同时间窗口下的技术群体耦合Fig.2 The technology cluster coupling in different timewindows

图3 不同时间窗口下的网络集聚结构的态势Fig.3 The centralized structure in different timewindows

3.2 相关分析

从表1可知，除技术动态性外，各个变量与产业创新网络抗毁性均显著相关，适于进行回归分析。共线性分析结果显示，所有变量的VIF值均在可接受的范围之内，说明不存在多重共线性的问题。

表1 相关性分析与描述性统计Tab.1 Correlation analysisand descriptive statistics

3.3 假设检验

层次回归分析结果如表2所示。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检验技术群体耦合对产业创新网络抗毁性的直接作用；模型3～模型5检验集聚结构在技术群体耦合与产业创新网络之间的中介效应；模型6～模型7检验技术动态性的调节作用。

表2 层次回归分析结果Tab.2 The resultsofhierarchical regression analysis

模型1的结果显示，网络规模（β =0.323，p＜0.001）、网络密度（β =0.337，p＜0.001）和群内凝聚性（β=0.206，p＜0.05）对产业创新网络抗毁性呈现显著的正向影响。这说明网络规模越大，技术主体间联系的范围也越广，网络的结构鲁棒性越强；较高的网络密度能够保障产业创新网络内共同行为规范的形成，促进了网络资源的流动与共享，提升了网络效率；高的群内凝聚性带来的主体趋同性，有助于减少机会主义行为，增强群体凝聚力，以抵御内外部风险的冲击，因此能增强产业创新网络的抗毁性。

模型2的结果显示，引入技术群体耦合后，解释力增强了35.3%（ΔR2=0.353），技术群体耦合对产业创新网络抗毁性表现出显著的正向作用（β=0.709，p＜0.001），H1通过检验。这与SCHILLING［21］的观点一致，即跨越技术群体的连接不仅提供了更多的路径信息促进知识的转移，还有益于技术主体获取群体外部互补知识共担网络风险，因此提升了产业创新网络的抗毁性。这说明，较高水平的技术群体耦合能够促进产业创新网络内知识、技术和资源的流动，从而增加网络对复杂环境的适应力。同时，技术群体间充足的联系渠道，能够有效降低技术群体分化所带来的群内桎梏和知识锁定，使得产业创新网络在遭受冲击时仍能通过替代路径维持网络性能的稳定。高水平的技术群体耦合推动了网络主体间的互惠依赖水平，提升了网络运转效率。综上，技术群体耦合程度越高，产业创新网络的抗毁性越强。

模型3的结果表明，技术群体耦合（β=-0.460，p＜0.001）对集聚结构呈现显著的负向影响。模型4的结果表明，集聚结构对产业创新网络抗毁性呈现显著的负向影响（β=-0.497，p＜0.001）。模型5的结果表明，技术群体耦合的回归系数由0.709降至0.575，且均显著（p＜0.001），说明集聚结构在技术群体耦合与产业创新网络抗毁性的关系中表现出部分中介效应，H2得到部分支持。这一结果揭开了技术群体耦合与产业创新网络抗毁性关系的黑箱，一方面，拓展了CRESPO等［6］的研究，即技术群体耦合会降低网络集聚结构的程度；另一方面，深化了VANDER VALK等［7］、CUMMINGS和CROSS［24］的观点，即高度集聚结构的网络会依赖某些核心成员，而且网络成员彼此之间缺乏相互的依赖与协作，因而产业创新网络抗毁性较低。这说明，技术群体耦合通过缓解网络中主体的地位差距稳定了网络内部关系，通过降低核心边缘趋势促进了网络效率，以及通过增强知识、技术和资源的转移提升了蓄意风险冲击的抵御能力。因此，技术群体耦合提升产业创新网络抗毁性的部分效应是通过降低网络的集聚结构显现出来的。本文这一结果与OBSTFELD等［50］的观点不一致，他们指出集聚结构使得部分核心组织产生控制力，不仅主导网络成员间关系的缔结，还会塑造成员间的协作体系，稳步推进创新的网络发展与演化。可能的原因在于，高水平的集聚结构所形成的高知识权力集中极易引发产业创新网络的知识锁定，一旦非核心层级的成员实现突破性创新，可能会颠覆整个产业的创新网络。

模型6的结果表明，将调节变量技术动态性引入模型2后，模型解释力几乎没有变化，可见技术动态性对产业创新网络抗毁性没有直接影响。模型7的结果表明，技术群体耦合与技术动态性的交互项对产业创新网络抗毁性具有显著的负向影响（β=-0.150，p＜0.05），模型解释力增强（ΔR2=0.015），H3得到支持。这进一步支持了CHIANG和HUNG［33］的观点，在技术剧烈动荡时，紧密的技术群体内部联系带来创新资源冗余，技术群体耦合成为网络中异质资源流通的重要载渠道，但是由于技术群体间共同知识基的匮乏，彼此间需要投入较高的成本和精力来维护所建立的路径，因而技术群体耦合影响产业创新网络抗毁性的效应被减弱。这说明，技术动态性较高时，技术群体耦合未能提供充分的异质资源、需花费较高的维系成本且较难迅速匹配到互补资源，从而削弱了技术群体内外的知识、技术和资源流动带来的网络适应性，降低了多维路径规避网络锁定的能力，弱化了技术群体间联合依赖提高网络效率的可能性。因而，技术动态性越高，技术群体耦合正向影响产业创新网络抗毁性的作用越弱。为更直观地展示技术动态性的调节效应，本文绘制如图4所示的调节效应图。

图4 技术动态性的调节效应Fig.4 Themoderating effectof technological turbulence

从图4可以看出，当产业创新网络面临低动态性技术环境时，较高的技术群体耦合度更能增强网络抗毁性；而当技术环境的动态变化较为剧烈动荡时，较高程度的技术群体耦合提升网络抗毁性的效应被削弱。因而，技术动态性在技术群体耦合与产业创新网络抗毁性的正向关系之间发挥负向调节作用。

4 结论与启示

4.1 研究结论

本文以新能源产业不同技术子领域内主要专利权人间的144个专利引用网络为样本，通过引入集聚结构的中介效应和技术动态性的调节效应，实证研究了技术群体耦合对产业创新网络抗毁性的影响，研究得到如下结论。①技术群体耦合正向影响产业创新网络抗毁性。技术主体的跨群体耦合活动能够促进网络中知识、技术和资源的转移与扩散，提升网络联系的广泛和多元化，并减少群体之间的不对称依赖，共同增强产业创新网络的抗毁性。②集聚结构在技术群体耦合与产业创新网络抗毁性的关系中起部分中介作用。技术群体耦合通过缓解主体地位差异稳定网络内部关系，抑制网络分化为核心边缘结构，促进联合依赖水平，从而提升网络效率，通过分散网络知识、技术和资源的空间分布来减少蓄意风险冲击导致的网络失灵。③技术动态性负向调节技术群体耦合对产业创新网络抗毁性的正向影响。当产业创新网络面临较高的技术动态性时，技术群体耦合需花费较高的维系成本来提供充足的异质知识、技术和资源并进行迅速匹配，因而提升产业创新网络抗毁性的效应被削弱。

4.2 理论贡献和管理启示

已有对创新网络整体层面的研究多关注宏观结构属性、网络演化以及治理的作用，较少从整体网视角剖析中观网络子群之间的互动。本研究响应了PROVAN等［35］拓展网络中的群体与整体网结果（network outcomes）这一层面研究的呼吁，通过实证研究探讨了技术群体在产业创新网络层面的耦合活动对网络抗毁性的影响机制。理论贡献体现在如下方面。①从整体网的视角构建了技术群体耦合和宏观的产业创新网络抗毁性之间关系的研究模型，剖析了技术群体耦合对产业创新网络结构鲁棒性和功能有效性的作用机制，丰富了产业创新网络抗毁性的研究。②通过诠释集聚结构在二者之间的部分中介作用，揭开了技术群体耦合对产业创新网络抗毁性作用的“黑箱”，深化了技术群体耦合对产业创新网络抗毁性影响的研究。③引入技术动态性作为调节变量，动态分析了技术群体耦合与产业创新网络抗毁性的关系。既将技术动态性的研究延伸到技术群体耦合中，又考察了静态视角下产业创新网络抗毁性的动态变化，为构建技术动态性与技术群体耦合的适配模式来提升产业创新网络抗毁性提供了新的研究思路。

本文对技术群体活动和产业创新网络的治理提供如下管理启示。①大力引导技术群体开展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。产业创新网络的管理者和调控者要关注技术群体之间不对称性的创新资源依赖情况，通过组织技术交流活动或发起创新合作项目，为技术群体提供知识、技术和资源耦合的平台，提升产业创新网络的结构鲁棒性和运行效率。②在引导技术群体耦合活动的同时，须注意调控创新网络结构维持在“非集聚”状态，以规避产业创新网络应对核心主体衰退或失效的风险。产业政策部门须密切关注产业创新网络中主体创新活跃度的空间分布均衡情况，应制定相关创新政策以在更广泛的网络范围内激发技术主体的创新活力，重点发挥创新活跃度高的技术主体对其他主体的牵引指导作用，从而增强产业创新网络的多核心化，尽可能避免少数核心主体失灵或衰退而引发产业创新网络整体崩塌的局面。③协调产业创新网络在不同技术动态环境下的技术群体耦合活动，为技术主体搭建抗风险性较高的网络载体。当产业技术环境平缓波动时，应鼓励技术群体之间深化技术资源的交互，推动形成多维且流通的技术扩散渠道；当产业出现颠覆式创新或重大技术突破时，应适当缓和技术群体耦合活动，避免过重的关系维护成本给产业创新网络带来脆弱性。

4.3 研究局限与展望

本研究存在一些局限性：①技术群体采用了非重叠的边界划分，而在产业演化过程中技术群体可能并非彼此完全独立；②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耦合、集聚结构和网络抗毁性会受到影响；③研究样本采用的是新能源产业12个子领域的专利引用网络，有必要在其他产业探究研究结论的普适性。

未来可以在以下方面进一步探索。①丰富“整体网”视角下中观层面的重叠技术群体对创新网络抗毁性的影响研究，其他影响因素也非常值得研究，如宏观层面的网络结构、中观层面其他类型的凝聚子群以及微观层面的技术主体创新活动、技术主体间关系等。②拓展创新网络抗毁性的动态研究，可以考虑创新网络阶段性的动态演化特征，或同时采用多个产业创新网络的样本，运用复杂网络的仿真方法进行对比研究也非常有意义。③探索测量创新网络抗毁性的新维度或新指标也是未来的重要方向。