合作網絡結構嵌入對探索式創新績效的影響研究：基于知識組合能力視角

肖久靈 趙亞寧

摘 要：探索式創新作為一種突破現有技術、激進的創新活動一直受到企業高度關注。企業因合作關系嵌入在合作網絡中，企業知識元素之間的組合情況影響著其未來創新潛力?；谛履茉雌囆袠I的專利申請數據，構建行業創新合作網絡和知識網絡，選取網絡中的新能源汽車行業相關企業作為研究樣本，與企業探索式創新績效進行匹配，采用負二項回歸模型對合作網絡結構嵌入對探索式創新績效的影響進行實證檢驗，隨后加入企業外部知識搜索作為中介變量，企業知識組合能力作為調節變量，構建一個有調節的中介效應概念模型，并對模型整體進行檢驗。研究結果發現：合作網絡結構嵌入正向促進企業探索式創新績效的提升；合作網絡結構嵌入通過企業外部知識搜索提升企業探索式創新績效，外部知識搜索在合作網絡結構嵌入與探索式創新績效之間起完全中介作用；企業知識組合能力對合作網絡結構嵌入與外部知識搜索之間的關系沒有調節作用；企業知識組合能力在外部知識搜索對探索式創新績效的影響中起到正向調節作用。研究結論豐富了創新網絡領域的研究，為企業利用網絡資源進行網絡位置管理，以實現自身創新戰略目標提供了理論指導。

關鍵詞：網絡結構嵌入；知識網絡；外部知識搜索；知識組合能力；探索式創新

中圖分類號：F424? ? 文獻標志碼：A? ? ?文章編號：1671-0037（2024）1-22-15

DOI：10.19345/j.cxkj.1671-0037.2024.1.3

0 引言

習近平總書記指出，要發揮企業出題者作用，推進重點項目協同和研發活動一體化，加快構建龍頭企業牽頭、高校院所支撐、各創新主體相互協同的創新聯合體。當前，在高度復雜、動態且不確定的環境下，企業、科研機構、高校等創新主體需要以自身獨特的創新實踐方式在全球范圍內進行創新活動[1]。因此，各個創新主體協同創新形成的創新合作網絡成為當前研究的重要議題。只有各個創新主體之間資源共享、合作共創，才能實現高效的協同創新。而探索式創新對企業的生存和發展發揮著至關重要的作用，如何實現探索式創新是企業需要不斷思考并解決的問題。資源基礎觀（RBV）認為，企業的核心競爭優勢源于自身所擁有的核心資源和能力[2]。越來越多的創新主體聚焦自身專業領域展開研究，擁有豐富的研究經驗和技術基礎，以及強大的行業競爭力。對于目前的產業技術而言，技術愈加復雜促使企業跨越自身邊界，通過與外部創新主體的通力合作，從不同專業或跨領域的合作伙伴處獲取自身不具備的技術知識[3]，可以降低創新活動的成本和創新的難度，甚至減少創新失敗的損失。因此，越來越多的企業選擇合作模式來開展創新活動。新能源汽車產業作為我國戰略性新興產業，在很大程度上緩解了能源和環境壓力，同時也成為我國未來經濟增長支柱產業之一，增強了我國汽車和能源行業的國際競爭力[4]。由于該產業技術升級更迭較快，各項技術的成熟度存在較大差異，行業內創新活動大多采用合作創新的方式進行，其創新主體包括企業、高校和科研機構等。創新主體間的合作創新活動構成了新能源汽車行業的創新合作網絡。隨著技術創新發展和時間推移，合作網絡也發生著動態變化。

網絡嵌入理論認為，個體的經濟行為嵌入特定的社會網絡中，其行為和績效會受到該網絡特征的影響。新能源汽車行業中的創新主體因聯合創新而嵌入在合作網絡中的同時，也處于由知識元素之間的共現關系形成的知識網絡中[5]。如圖1所示，企業之間的連接關系形成合作網絡，知識元素之間的連接關系形成知識網絡；企業一方面嵌入在合作網絡中，受到合作網絡的影響，另一方面也因其所擁有的知識元素而受到知識網絡的影響。

雙元組織理論認為，組織的學習和創新方式主要分為利用式和探索式兩種[6]。其中，利用式創新是指企業在已經擁有的技術軌道上進行學習和創新，目的是對已有的技術市場和客戶群體進行維護；而探索式創新是指企業突破原有的技術軌跡，尋求新的技術軌跡，拓展新的技術領域，獲得新的客戶群體的活動。此外，企業知識理論認為，知識元素是企業長期發展的重要元素。企業所擁有的知識基礎對創新活動具有重要作用。企業在熟悉的技術軌道上進行技術升級時，需要把知識元素進行重新組合，以達到技術升級的目的，最終實現企業的戰略目標；除此之外，企業進行突破現有技術軌道的創新活動時，也需要以自身知識為基礎，同時結合外界新穎的技術知識，實現內外部知識的融合，最終實現在新的技術軌道上的技術突破，幫助企業開拓新的技術領域，獲得更多的目標客戶。企業、高校等創新主體需要重視知識的評估、學習與利用等過程，發揮所擁有的技術知識的創新潛力，實現戰略目標，從而保證自身長期穩定地發展。

在合作網絡中占據有利的網絡位置，為創新主體從外界學習知識創造了條件。創新主體通過外部知識搜索進行探索式學習，為創新活動引入動力。創新主體通過嵌入知識網絡，對自身擁有的知識基礎特征有了更加正確的認知，并重點關注其中具有較大知識重組潛力的知識元素，進而將外部學習到的異質知識與已有的知識進行重組，實現探索式創新。已有學者多從合作網絡嵌入視角探究知識網絡嵌入對探索式創新績效的影響，但對于創新主體內部知識和外部學習知識之間結合的研究還存在一定空缺；部分研究也認識到了創新主體知識元素特征會對創新活動產生影響[7-8]，但對其內在作用機制的探究還不夠深入。

綜上，雖然已有文獻針對創新網絡對探索式創新績效的影響進行了研究，但仍然存在以下可擴展的空間：從知識組合能力視角出發，評價創新主體自身的知識組合能力；合作網絡結構嵌入與探索式創新績效間的微觀作用機制研究還存在不足?；诖?，本文選擇新能源汽車行業專利數據作為研究對象，構建整體合作網絡和知識網絡，分析合作網絡結構嵌入對探索式創新績效的影響，以及知識組合能力在其中的調節作用，既豐富了創新活動影響因素的相關研究，又為創新主體開展創新活動提供了一定的理論指導，幫助創新主體部署創新發展戰略，推動創新主體的長遠發展。

1 理論基礎與研究假設

1.1 合作網絡結構嵌入與探索式創新績效

網絡嵌入由Granovetter[9]（1985）提出，分為結構嵌入和關系嵌入兩類。Granovetter認為，網絡成員的行為會受到整體網絡結構以及網絡中其他主體活動的影響；網絡中參與者之間的合作創新活動，形成行業整體網絡的結構特征。隨后，網絡嵌入理論迅速得到管理學領域學者的關注，并指出，在網絡中占據不同位置的主體會獲得不同數量、不同性質的資源。創新網絡的演化以及創新網絡嵌入對企業發展影響的研究被廣泛開展。作為網絡嵌入的重要組成部分，網絡結構嵌入對企業創新活動的影響越來越受到學者重視，尤其是其對探索式創新活動的影響。目前，關于網絡結構嵌入的研究方向和研究結論并不統一。作為衡量結構嵌入的指標之一，結構洞通過降低合作成本獲取整合資源，提高創新主體的創新績效[10]。占據結構洞的創新主體能夠更快速地對市場環境變化做出反應，對市場發展方向有更全面的認識，因此可以有針對性地開展創新活動[11]。同時，結構洞會給創新主體帶來控制優勢。作為網絡中的“第三方”，占據結構洞的創新主體因其關鍵地位而獲得對網絡中資源和信息流動的控制能力，從而促進自身的創新活動[12]。但是，過度的結構嵌入也會給創新主體帶來不利影響。隨著網絡密度的增加，合作關系越來越多，其對探索式創新的邊際回報逐漸降低；同時使得知識搜索和探索成本增加，最終抑制創新主體的創新活動。

結構嵌入是創新主體在其所處網絡中位置特征的體現，網絡中不同位置會有不同的地位和優勢[13]。合作網絡結構嵌入通過以下兩個方面影響創新主體的探索式創新績效。一方面，結構嵌入可以幫助創新主體獲得豐富的異質知識。在如今知識密集的商業環境中，創新主體需要積極地與外部創新主體聯系并獲取異質知識，以便將自身技術優勢與其他技術結合起來，促進雙方的創新產出[14]，進而實現自身目標。創新主體會因為處于網絡中的核心位置而獲得大量和多樣性的技術知識與信息，并將多樣性的知識和技術進行重新組合，實現探索式創新[15]。另一方面，結構嵌入可以幫助創新主體獲得資源控制能力。創新主體也會因為其處在網絡中的關鍵位置而獲得更大的控制外部創新的能力。網絡嵌入對于創新主體進行組織間學習是有益的。具體而言，創新主體可以從獲取信息、權力和群體認同等方面獲益[16]。創新主體可以充分利用其資源控制能力，結合自身所擁有的技術知識，與外部創新主體合作開展創新活動，實現探索式創新[17]。綜上所述，創新主體合作網絡結構嵌入正向影響其探索式創新績效。因此，本文提出如下假設：

H1：創新主體合作網絡結構嵌入對探索式創新績效有正向影響。

1.2 外部知識搜索與探索式創新績效

雙元組織理論起源于Duncan[18]（1976）提出的“雙元性組織”；后來，March[6]（1991）提出了組織雙元學習理論，將組織學習行為分為探索式學習和利用式學習兩類。Benner和Tushman[19]（2003）將雙元的思想引入創新領域，提出了雙元創新的概念。其中，探索式創新是企業在新的軌道上進行技術升級，拓展新的技術市場和新的顧客群體的創新活動，對企業長遠發展十分重要；探索式創新一旦成功，會給企業帶來可觀的創新回報和較大的競爭優勢。創新主體的學習有兩種方式——探索式學習和利用式學習。創新主體需要在這兩種活動之間合理分配資源。Katila和Ahuja[20]（2002）提出，知識搜索有兩個維度，即知識搜索廣度和知識搜索深度，并認為知識搜索廣度和深度對企業新產品的研發具有倒U形影響?；谔剿魇絼撔聦π路f、異質知識的需求，創新主體的生存發展取決于其適應環境變化的能力[21]。在如今的開放式創新環境下，創新主體要想實現探索式創新，就需要培養從外部獲取異質技術知識的能力。外部知識搜索可以幫助創新主體打開視野，從自身的技術領域藩籬中躍遷出來，接觸到更具多樣性和異質性的技術知識，并結合自身已有知識，獲得新的思路和創新方向。

創新主體的外部知識搜索分為市場知識搜索和技術知識搜索兩類。其中，技術知識搜索是指跨越組織邊界，搜索與產品工藝相關的技術知識，從而助力企業創新活動。外部知識搜索幫助創新主體充分利用外部異質技術知識，促進創新資源的整合和不同技術領域的協同發展，從而提高創新主體的創新能力和協同能力。外部知識搜索還有助于創新主體突破現有思維約束，實現探索式創新。綜上，創新主體的外部知識搜索水平可反映其對外部異質化信息和知識的獲取能力。外部知識搜索水平越高，創新主體可以獲得越多的新穎技術知識，從而促進其探索式創新。因此，本文提出如下假設：

H2：創新主體外部知識搜索對探索式創新績效有正向影響。

1.3 外部知識搜索的中介效應

合作網絡結構嵌入反映了創新主體在合作網絡中所處的位置。而創新主體是否處于網絡的核心位置直接影響其獲取網絡中技術知識的能力大小。處于網絡集群中的創新主體更加傾向于采用知識戰略來實現自身戰略目標[22]。這也反映出在網絡中處于核心位置的創新主體可以更方便快捷地進行外部知識的搜索和使用。新的創新范式表明，創新主體采用開放搜索策略，從外界聯系其他主體獲得新的技術知識基礎，可幫助其實現和維持創新[23]。網絡中的核心位置可以為創新主體帶來更大范圍的知識搜索，從而獲得創新所需要的技術知識，提高了探索式創新成功的可能性[24]。Kim和Park[25]（2010）發現，創新主體在研發聯盟網絡中的核心位置增強了自身的知識基礎，加深了對科學技術知識的理解，為創新提供了所需要的前提條件。通過接觸不同的研發伙伴，創新主體可以獲得多樣和新穎的外部知識[26]，從而幫助其實現探索式創新。綜上所述，創新主體合作網絡結構嵌入通過提升其外部知識搜索水平，提高探索式創新績效，即創新主體外部知識搜索在合作網絡結構嵌入對探索式創新績效的影響中起中介作用。因此，本文提出如下假設：

H3：創新主體外部知識搜索在合作網絡結構嵌入與探索式創新績效之間發揮中介作用。

1.4 知識組合能力在外部知識搜索與探索式創新績效之間的調節作用

創新主體一方面嵌入在合作網絡中，另一方面也處于知識網絡中。但是，創新主體在合作網絡中的嵌入情況與其所處在知識網絡中的情況有所不同，需要將兩者分開，分別研究其對企業創新績效的影響[27]。知識基礎觀認為，擁有高價值知識的企業往往在行業中具有較大的話語權和競爭力，企業的知識基礎決定著企業的生存和發展。Grant和Baden-fuller[28]（1995）認為，要從整體的視角來看待企業的知識基礎；企業所擁有的知識元素之間的組合會產生新的知識元素；企業作為知識的載體，其目標是最大化利用企業內外部的知識基礎以實現戰略規劃。企業跨越組織邊界進行外部學習可以獲得新穎的異質知識，并將其與企業自身熟悉的技術知識進行組合，有利于企業脫離目前的技術軌道，從而實現探索式創新。因此，創新主體首先要了解自身知識基礎的結構特征，然后再進行有效的外部知識搜索，這樣才更有利于企業開展探索式創新活動。Grigoriou和Rothaermel[29]（2016）通過知識網絡的加權聚集系數和平均路徑長度來反映企業內部知識組合潛力。高聚集系數和平均路徑長度代表企業內部知識具有較高的組合潛力，使得外部知識搜索對企業新知識產生的邊際貢獻降低。

知識組合能力體現為創新主體整合自身知識基礎，吸收從外界創新主體搜索到的新穎異質知識，并將自身知識與新知識進行重新組合的能力。知識組合能力可以使創新主體在進行外部知識搜索時，更有針對性地搜索到所需要的技術知識，從而促進自身知識基礎與外界知識的結合，進而提高創新實現的可能性。此外，知識組合能力較強的創新主體可以在網絡中選擇自身所需要的合作伙伴，通過合作創新活動，吸收合作伙伴的知識元素，從而形成對自身知識的新理解，實現自身知識與學習到的新知識的融合重組，促進探索式創新。因此，本文提出如下假設：

H4：創新主體知識組合能力在外部知識搜索與探索式創新績效之間起正向調節作用。

基于對網絡結構嵌入、外部知識搜索、知識組合能力和探索式創新績效的理論研究，建立理論概念模型，如圖2所示。

2 研究設計

2.1 樣本選取

本研究選取中國新能源汽車行業的創新數據來驗證上述假設。選擇新能源汽車行業的原因在于：該行業的技術特點較為特殊，多個技術領域的知識交互形成了該領域的創新產出[30]；新能源汽車行業需要多個領域的創新主體合作研發，才能更好地實現關鍵技術突破，因此其數據更加適用于合作關系與創新產出的研究。鑒于專利數據可以衡量企業創新活動產出[31]，本文從incoPat專利數據庫中檢索提取各創新主體在中國申請的新能源汽車行業的專利數據來進行研究。

2.2 數據搜索與處理

本研究通過關鍵詞檢索新能源汽車行業的專利數據[32]，并對專利數據進行清洗和處理。檢索式為：TIAB=（"hybrid electric vehicle*"OR"electric vehicle*"OR"plug-in electric vehicle*"OR "fuel vehicle*"OR"new energy vehicles*"OR"new energy automobile*"）。最終得到2004—2022年間的發明和實用新型專利數據共103 511條?？紤]到2015年之前新能源汽車行業網絡整體結構比較稀疏，網絡嵌入情況不夠明顯，聯合申請專利數量較少，創新合作網絡構建較為困難，而2016年之后網絡中節點數量顯著增加，聯合申請專利數量不斷增加，網絡整體結構較為緊密，創新主體網絡嵌入情況較為明顯，因此本研究采用2016—2022年的聯合申請專利數據進行網絡構建和實證研究。首先，從初始專利數據中剔除獨立申請的專利。其次，將清洗后的合作專利數據以3年為一個窗口期進行整理合并，獲得每個窗口期內的聯合申請專利數據。最后，將聯合申請專利權人信息導入Ucinet-DL編輯器，生成每個時間窗口期內的合作創新網絡。為保證研究的準確性，須排除網絡邊緣的一些個體和小群體，即使用Pajek剔除網絡外圍沒有與整體網絡連接的個體。選擇每個時間窗口內最大組件中的創新主體作為研究樣本，得到觀測值424個；通過Ucinet計算網絡相關指標參數，最終對相關變量進行測量。由于創新主體申請的發明專利或實用新型專利一般會涉及多個技術領域，因而專利數據中IPC分類號不止一個。Guan和Liu[32]（2016）指出，專利中前4位國際專利分類號能夠清晰地反映出專利技術具體所屬的技術領域。因此，提取每條專利所涉及的IPC分類號，取其前4位作為獨立知識元素的標簽；如果一條專利中同時出現不同的知識元素（IPC分類號前4位），則構成知識網絡中這兩個知識元素的邊。對每個時間窗口期內專利數據的知識元素共現信息進行提取，通過Ucinet軟件構建每個時間窗口期內的知識網絡；隨后用Pajek和Ucinet計算網絡相關的參數，進而對相關變量進行測算。

2.3 變量測量

2.3.1 因變量：探索式創新績效（Exploitative Innovation，EI）

本文通過專利數據來衡量創新主體探索式創新績效，將創新主體當年申請的專利與之前窗口期內申請的專利進行比較。如果當年申請的專利中包含新的知識元素，則界定該專利為探索式創新；該創新主體當年探索式創新績效為該創新主體當年申請專利中擁有新的知識元素的專利總數。除此之外，探索式創新績效還可以通過專利引文信息來衡量［33］，在后文穩健性檢驗中將會使用到這種方法?？紤]到創新主體從網絡中獲取資源，進行資源整合后再產出成果，這個過程需要一定時間，因此，本文采用滯后一期的專利數據來衡量當期的探索式創新績效。

[EI=i=1nqi] （1）

式（1）中，qi為創新主體當年第i個申請專利，當其為探索式創新時為1，否則為0。

2.3.2 自變量：合作網絡結構嵌入（Structural Embeddedness，SE）

本研究采用創新主體在合作網絡中占據的結構洞數量來衡量創新主體的網絡結構嵌入水平[34]。學界對于結構洞數量的衡量有4種指標，分別為有效規模、效率、限制度（Constraint）、等級度。其中，限制度是學界衡量結構洞數量的重要指標[35]。因此，本研究采用限制度來衡量結構洞數量。計算公式為：

[Constraint=Pij+∑PiqPjq，q≠i，j] （2）

式（2）中：[Pij]為從節點i到節點j的直接聯系數量，[∑PiqPjq]為所有節點q從i到j的間接聯系強度之和[35]。

限制度（Constraint）可以通過Ucinet軟件直接計算得出，其范圍在0～1之間，且與網絡優勢地位呈負相關。有研究采用1和限制度的差額[36]來衡量結構洞數量，也有研究采用2和限制度的差額來衡量結構洞數量。本文采用2和限制度的差額來衡量結構洞數量，計算公式為：

[Structure_Hole=2-Constraint] （3）

2.3.3 中介變量：外部知識搜索（Knowledge Search，KS）

創新主體通過外部知識搜索來實現其創新戰略和目標[23]。本文利用創新主體申請專利的他引專利信息來衡量創新主體的外部知識搜索水平[37]。KS為創新主體在當前時間窗口內申請專利的他引專利數量。

2.3.4 調節變量：知識組合能力（Knowledge Combination Ability，KCA）

知識組合能力采用知識元素在知識網絡中的節點集聚系數（Clustering Coefficients，CC）的倒數來衡量。知識元素的節點集聚系數以及知識組合能力計算公式為：

[CCi=2kinn-1] （4）

[KCAi=1CCi=nn-12ki] （5）

式（4）—（5）中：[ki]為與知識元素i直接相連的知識元素之間直接聯系的邊的數量；n為與節點i直接相連節點的個數。

集聚系數可通過Pajek計算得出，其代表著與頂點知識元素直接相連的其他節點知識元素之間的聯系情況。集聚系數越大，表明頂點知識元素和與其直接相連的知識元素間的聯系越緊密，知識元素之間已經建立了聯系，形成了知識組合記憶，使得知識元素與新知識相結合的概率降低，則創新主體的知識組合能力較低。集聚系數越小，說明頂點知識元素和與其直接相連的其他知識元素之間的聯系越稀疏，知識元素重新組合的概率越高，則創新主體的知識組合能力越大。然后，剔除集聚系數缺失的知識元素。創新主體的知識組合能力通過創新主體所擁有的知識基礎來反映，即創新主體的知識組合能力是其擁有的知識元素組合的算術平均值[28]。

2.3.5 控制變量

為了保證研究結果的可靠性，本文對年度和知識網絡整體網絡密度進行控制。不同年份的環境和政策存在差異，會直接影響創新主體的創新活動。為了避免不同年份對創新主體的創新活動產生影響[38]，本研究對創新主體在創新網絡中的年份進行控制，對年份取虛擬值進行數據處理。有研究表明，創新主體的知識網絡密度（Knowledge Net Density，KND）會對創新主體的創新產生影響[39]。因此，本研究對創新主體所嵌入的知識網絡的整體網絡密度進行控制。知識網絡密度的計算公式為：

[KND=2lnn-1] （6）

式（6）中：l代表知識網絡中知識元素之間實際存在的聯系數量；n表示知識網絡中節點的個數。

2.4 模型構建

根據本文所構建的概念模型，參考溫忠麟等[40]（2006）關于有中介的調節變量和有調節的中介變量的研究，使用Stata 17軟件對模型進行負二項回歸，以檢驗上述假設。首先，檢驗自變量SE對因變量EI的影響是否顯著；其次，檢驗自變量SE對中介變量KS的影響是否顯著；最后，檢驗調節變量KCA對于中介變量KS對因變量EI影響的調節效應是否顯著。因此，建立主效應回歸模型，驗證創新合作網絡結構嵌入對創新主體探索式創新績效的直接作用。

[EI=α0+α1SE] （7）

[EI=β0+β1SE+β2YEAR+β3KND] （8）

然后構建模型（9），檢驗外部知識搜索對探索式創新績效的影響。

[EI=β0+β1KS+β2YEAR+β3KND] （9）

隨后，為了檢驗外部知識搜索在創新合作網絡結構嵌入和探索式創新績效之間起到的中介作用，在模型（8）的基礎上構建模型（10）—（11）。

[KS=γ0+γ1SE+γ2YEAR+γ3KND] （10）

[EI=η0+η1SE+η2KS+η3YEAR+η4KND] （11）

最后，為了檢驗知識組合能力在外部知識搜索與探索式創新績效之間的調節作用，在模型（10）—（11）的基礎上，加入知識組合能力和知識組合能力與外部知識搜索的交互項，得到模型（12）—（13）。

[KS=θ0+θ1SE+θ2KS+θ3KCA+θ4KCA*? ? ? ? ? ?SE+θ5YEAR+θ6KND] （12）

[EI=ζ0+ζ1SE+ζ2KS+ζ3KCA+ζ4KCA*KS+ζ5YEAR+ζ6KND] （13）

其中，為了消除交互項與主效應間可能存在的多重共線性問題，在檢驗調節效應前對中介變量和調節變量均做了中心化處理。

3 實證分析

3.1 專利數據分析

根據2004—2022年專利樣本繪制了新能源汽車行業專利柱狀圖，如圖3所示。從圖中可以看出：在2004—2015年間，該行業的專利申請數量緩慢增加，行業發展處于起步階段，為萌芽期；2016—2020年間，專利申請數量快速增加，更多創新主體參與進來，多個行業領域的技術知識交融組合，為涌現期；2021—2022年間，行業發展處于穩定期。此外，2004—2018年間，發明專利和實用新型專利的申請數量大體都在不斷增加；2019—2022年間，發明專利申請數量波動下降，而實用新型專利申請數量呈增加趨勢，2019年實用新型專利申請數量首次高于發明專利申請數量，并在2020年達到峰值。新能源汽車行業發展進入穩定期時，其產出發明專利相對比較困難，但對于實用新型專利仍然具有創新空間。因此，在發明專利申請數量開始下滑的時候，實用新型專利申請數量仍然保持上升趨勢，然后達到峰值。

圖4的專利技術構成熱圖展現了每年新能源汽車行業專利知識元素的分布情況。在熱圖中，每一列代表一個年份，每一行代表IPC分類號中的大類，包含B、H、G、F、E、A、C、D等8個大類；每年每個部分的專利數量用不同顏色表示，顏色越深表明該大類所擁有的專利數量越多。從圖4中可以看出，新能源汽車行業的專利涵蓋了8個大類，覆蓋范圍十分廣泛，說明該行業需要多個領域的知識技術融合來推動發展。

為了更加直觀地反映行業合作網絡的特征，基于前文對該行業發展階段的劃分，構建2004—2015年、2016—2020年、2021—2022年等3個時間窗口期的合作網絡，并計算相關指標來觀察網絡拓撲結構的變化。使用Vosviewer軟件繪制3個階段的整體網絡圖。從整體網絡圖來看：在萌芽期，網絡中參與主體較少，網絡整體的連通性不強、密度較低；在涌現期，網絡中節點數量變多，網絡中形成了較大的子群，網絡的連通性變強；在穩定期，整體網絡的規模變大，節點數量也明顯增多，節點之間的連線數量也更多，網絡更加密集，說明越來越多的創新主體加入新能源汽車行業的創新合作中來，網絡主體間的合作交流越來越頻繁。2004—2015年網絡中子群數量為45個。2016—2020年網絡中子群數量為66個，子群數量有了增加，說明新能源汽車行業專利合作網絡已經逐漸成熟。2021—2022年網絡中子群數量為39個，網絡連通性較強，網絡結構逐漸變得穩定。

根據不同階段時間窗口內專利數據的IPC分類號，構建各個發展階段的知識網絡，同樣使用Vosviewer可視化軟件將知識網絡進行可視化處理。從中可以看出，知識元素之間的聯系逐漸緊密，網絡密度在不斷變大。萌芽期知識網絡整體網絡密度為0.025。涌現期知識網絡整體網絡密度為0.039，有較大提升，說明行業內知識元素之間的聯系更加緊密。穩定期知識網絡整體網絡密度為0.037，相比于涌現期有所下降，但基本保持在較高水平。

3.2 描述性統計和相關性分析

表1中列出了所有自變量、因變量以及控制變量的描述性統計輸出結果，包含樣本觀測值、樣本均值、樣本標準差和樣本最值等。從表1中可以看出，探索式創新績效的均值為3.160，標準差為5.006，說明新能源汽車行業中每個創新主體平均申請3.160個專利；均值小于標準差，說明數據較為離散；且因變量探索式創新績效為計數變量，故選擇負二項回歸模型。除此之外，中介變量外部知識搜索的均值也小于標準差，呈離散狀態；剩余變量合作網絡結構嵌入、知識組合能力、知識網絡密度等變量的均值大于標準差，不存在數據離散的情況。合作網絡結構嵌入均值為1.455，說明網絡中的創新主體平均占據結構洞數為1.455個；知識組合能力均值為3.950，知識網絡密度均值為0.037。從表2中變量之間的相關系數可以看出，變量之間存在顯著的正向或負向相關關系，且主要變量之間的相關系數遠沒有超過0.700，說明變量之間不存在高度的相關關系，不會對實證結果產生偏差影響。為了進一步檢驗變量之間是否存在多重共線性問題，對相關變量進行多重共線性檢驗。結果顯示，所有解釋變量的VIF值都遠遠小于10，即不存在多重共線性問題。

3.3 回歸結果分析

表3是合作網絡結構嵌入對探索式創新績效影響以及外部知識搜索的中介效應的回歸結果。在模型（7）中，以探索式創新績效為因變量，合作網絡結構嵌入為自變量，合作網絡結構嵌入對企業探索式創新績效表現出顯著的積極影響（β=0.387，P<0.01）。模型（8）在模型（7）的基礎上加入控制變量，回歸結果顯示，合作網絡結構嵌入對探索式創新績效的正向影響仍然顯著（β=0.385，P<0.01）。這說明在創新合作網絡中，創新主體結構嵌入水平越高，其就處于越靠近核心的位置，從而越有利于獲得對于信息資源獲取和使用的控制權。一方面，創新主體在網絡中處于關鍵位置，可以獲得更多的信息和知識，而創新活動的基礎就是知識元素之間的組合，因此也更加有利于焦點創新主體進行探索式創新活動。另一方面，在開放式創新環境下，創新主體單純靠自己進行探索式創新已經很難保證創新產出，其需要不斷與外界創新主體合作，整合多種專業領域的知識技術，并將這些知識技術進行融合，才有可能實現關鍵技術的突破，完成探索式創新。創新主體在網絡中占據較為重要的位置，會更具話語權和主動權，可以有針對性地選擇創新活動的合作伙伴，更有方向性地開展合作創新活動，如此創新主體的探索式創新產出就會增多。綜上，假設1得到了驗證。

將模型（8）中的合作網絡結構嵌入更換為外部知識搜索，結果如模型（9）所示?？梢园l現，外部知識搜索對探索式創新績效具有顯著的正向影響（β=0.003，P<0.01）。這說明創新主體通過外部知識搜索可以接觸大量異質信息，從而為創新主體提供新的技術知識和研究思路，幫助創新主體高效地開展創新活動，提高創新主體的探索式創新績效。綜上，假設2得到了驗證。

在模型（10）中，以外部知識搜索為因變量，合作網絡結構嵌入為自變量，合作網絡結構嵌入對外部知識搜索具有顯著的正向影響（β=0.854，P<0.1）；模型（11）在模型（8）的基礎上加入了外部知識搜索變量。結果顯示，合作網絡結構嵌入對探索式創新績效的影響由模型（8）的顯著正向影響變為不顯著；創新主體外部知識搜索對探索式創新績效具有顯著的正向影響（β=0.003，P<0.01）。這表明，創新主體外部知識搜索在創新合作網絡結構嵌入對探索式創新績效的影響中起到了完全中介作用，即創新主體在創新合作網絡中的結構嵌入通過影響外部知識搜索，最終作用于探索式創新。綜上，假設3得到了驗證。

表4為知識組合能力的調節效應檢驗結果。模型（12）在模型（10）的基礎上加入了調節變量知識組合能力以及自變量合作網絡結構嵌入與調節變量知識組合能力的交互項。結果顯示，交互項系數不顯著，說明知識組合能力在創新合作網絡結構嵌入與外部知識搜索之間不存在調節作用。模型（13）在模型（11）的基礎上加入了調節變量以及調節變量與中介變量的交互項?；貧w結果顯示，交互項的系數顯著為正（β=0.001，P<0.1），表明知識組合能力在外部知識搜索對探索式創新績效的影響中起正向調節作用。焦點創新主體探索式創新活動的實現一方面需要其自身已有的技術知識，另一方面需要從外界獲取自身不具有的技術知識，并將兩者進行整合。當創新主體自身的知識組合能力越強時，其與通過外部知識搜索所獲得的新穎性知識進行重組的可能性越高，越有利于創新主體實現探索式創新。綜上，假設4得到了驗證。

3.4 穩健性檢驗

本研究選擇替換被解釋變量衡量方式的方法進行穩健性檢驗，采用不同于前文衡量探索式創新績效的方法，用專利引文信息來衡量探索式創新績效。將焦點創新主體當年申請專利的引用專利和所對應窗口期內該創新主體申請專利的引用專利進行比較。如果焦點創新主體當年申請專利中包含新的引用專利，則界定該專利為探索式創新。該創新主體當年的探索式創新績效為其當年申請專利中包含新的引用專利的專利總數。將按照這種方法測量得到的新的探索式創新績效（EI），與之前探索式創新績效測量結果進行替換，對調節變量知識組合能力進行10%和90%縮尾處理后，重新對模型進行回歸檢驗，回歸結果如表5所示。從表5中可以看出，模型（8）中自變量合作網絡結構嵌入系數顯著為正（β=1.284，P<0.01），表明合作網絡結構嵌入對探索式創新績效具有顯著正向影響，假設1得到了驗證；模型（9）中外部知識搜索系數顯著為正（β=0.002，P<0.01），表明外部知識搜索對探索式創新績效具有顯著正向影響，假設2得到了驗證。模型（11）中中介變量外部知識搜索系數顯著為正（β=0.002，P<0.01），表明外部知識搜索在合作網絡結構嵌入對探索式創新績效的正向影響中起到中介作用，假設3得到了驗證；模型（13）中調節變量知識組合能力與中介變量外部知識搜索的交互項系數顯著為正（β=0.001，P<0.1），表明知識組合能力正向調節外部知識搜索對探索式創新績效的正向影響，假設4得到了檢驗。

4 結論與啟示

4.1 研究結論

本文選擇2016—2022年新能源汽車行業專利數據為研究樣本，研究外部知識搜索在合作網絡結構嵌入對探索式創新績效影響中的中介作用，同時研究創新主體知識組合能力在創新主體外部知識搜索對探索式創新績效影響中的調節作用。實證回歸結果顯示：①合作網絡結構嵌入對探索式創新績效具有顯著的正向影響；②合作網絡結構嵌入對創新主體外部知識搜索具有顯著的正向影響；③創新主體外部知識搜索在合作網絡結構嵌入對探索式創新績效的正向影響中起到完全中介作用；④創新主體知識組合能力在外部知識搜索與探索式創新的關系中起到正向調節作用。

4.2 理論貢獻

本研究的理論貢獻有：第一，進一步豐富了網絡結構嵌入對創新績效影響的理論研究。本研究從創新主體外部知識搜索和創新主體自身知識特征兩個角度出發，將創新主體內部知識基礎與創新主體外部學習行為兩個不同方向的因素放到同一個研究框架內，更加全面地考慮創新主體創新活動的來源和基礎，為合作網絡結構嵌入對創新績效影響的研究提供了新的思路。

第二，已有研究發現，創新主體的知識搜索行為會對創新活動產生影響，并且對于不同形式的創新績效，知識搜索的作用也有所不同。本研究關于外部知識搜索對探索式創新績效影響的研究結論，進一步證實了有關知識搜索對創新績效影響的研究，通過將外部知識搜索作為橋梁，豐富了合作網絡結構嵌入對探索式創新績效影響機制的研究。

第三，本研究基于知識組合能力視角，證明了知識組合能力在合作網絡結構嵌入對探索式創新績效的影響中具有正向調節作用，將創新主體自身知識元素所擁有組合的可能性與探索式創新績效聯系起來，豐富了創新主體知識基礎對創新績效影響的相關研究。

4.3 管理啟示

第一，創新主體應當積極地進行合作網絡結構嵌入，重視合作網絡結構嵌入對于創新主體探索式創新活動的影響，為創新主體自身創新活動開展和長遠發展營造一個良好的環境；同時，要在網絡中占據良好且適合的位置，以便獲得更多的資源和創新機會。

第二，知識基礎對于創新主體的創新活動非常重要。創新主體在進行知識搜索以實現探索式創新時，要關注自身知識結構，了解技術知識的特點，對知識組合進行整理，更好地掌握自身擁有知識元素的發展潛力和方向，從而有針對性地開展外部知識搜索活動，并將搜索到的知識與自身知識技術進行有機結合，最大化利用知識基礎所蘊含的創新能量，進而實現探索式創新。

第三，創新主體應及時掌握自身在行業網絡中所處的位置，并對網絡位置進行有計劃的管理。不同時期創新主體對于網絡位置的需求有所不同。當創新主體的創新意愿較弱時，可以減少創新投資，選擇退出關鍵位置，以降低維持網絡位置的成本；當創新主體的創新意愿較強時，可以逐漸向網絡核心位置過渡，以更好地利用網絡中的信息和資源。

4.4 局限性與未來展望

本研究還存在以下不足：首先，本文聚焦網絡結構嵌入并構建概念模型進行研究，還未對網絡嵌入的其他類型，如網絡關系嵌入等進行研究，未來可探索合作網絡關系嵌入與知識網絡結構嵌入的交互對探索式創新績效的影響，進一步研究其中存在的作用機制與影響路徑；其次，知識組合能力是知識基礎結構特征的單一體現，未來研究可以嘗試從多種角度對知識基礎特征進行衡量，考察不同知識基礎特征對創新活動的影響；最后，網絡結構會隨著網絡主體行為的改變而變化，網絡嵌入性是靜態指標，而創新主體的知識搜索行為是動態變化的，未來研究可以基于網絡演化的動態性，探索網絡演化對創新主體知識搜索的影響以及最終對創新主體創新績效的影響路徑。

參考文獻：

［1］ 李平，竺家哲.組織韌性：最新文獻評述［J］.外國經濟與管理，2021，43（3）：25-41.

［2］ SABIDUSSI A，LOKSHIN B， DE LEEUW T，et al. A comparative perspective on external technology sourcing modalities：the role of synergies［J］. Journal of Engineering & Technology Management， 2014，33：18-31.

［3］ SEBASTIAN K，JUTTA S W，WELPE I M. More is not always better： effects of collaboration breadth and depth on radical and incremental innovation performance at the project level［J］. Research Policy，2019，48（1）：1-10.

［4］ 張海波.我國新能源汽車產業技術路線圖研究［D］. 武漢：武漢理工大學， 2023.

［5］ 厲娜， 林潤輝， 謝在陽.多重網絡嵌入下企業探索式創新影響機制研究［J］. 科學學研究， 2020， 38（1）： 169-179.

［6］ MARCH J G. Exploration and exploitation in organizational learning［J］. Organization Science， 1991，2（1）：71-87.

［7］ 劉鳳朝，楊爽.發明人知識特征對其合作網絡中心性的影響研究：基于社會—知識二模網的分析［J］. 研究與發展管理， 2020， 32（4）：73-83.

［8］ 李健，余悅.合作網絡結構洞，知識網絡凝聚性與探索式創新績效：基于我國汽車產業的實證研究［J］.南開管理評論， 2018， 21（6）：121-130.

［9］ GRANOVETTER M. Economic action and social structure：the problem of embeddedness［J］. American Journal of Sociology，1985， 91（3）：481-510.

［10］ 王菌麗， 馮熹宇. 創新網絡嵌入對企業創新績效的影響：回顧與展望［J］. 科學決策， 2023 （3）： 128-140.

［11］ GARGIULO M，BENASSI M. Trapped in your own net？Network cohesion，structural holes，and the adaptation of social capital［J］. Organization Science， 2000，11（2）：183-196.

［12］ XIAO Z，TSUI A S. When brokers may not work： the cultural contingency of social capital in Chinese high-tech firms［J］. Administrative Science Quarterly，2007，52（1）：1-31.

［13］ 呂一博， 施蕭蕭， 冀若楠. 開放式創新對企業漸進性創新能力的影響研究［J］. 科學學研究， 2017， 35（2）：289-301.

［14］ AHUJA G， KATILA R. Technological acquisitions and the innovation performance of acquiring firms： a longitudinal study［J］. Strategic Management Journal，2001，22（3）：197-220.

［15］ QI DONG J， MCCARTHY K J， SCHOENMAKERS W W M E. How central is too central？Organizing interorganizational collaboration networks for breakthrough innovation［J］. Journal of Product Innovation Management，2017，34（4）： 526-542.

［16］ LIN J L，FANG S C，FANG S R， et al. Network embeddedness and technology transfer performance in R&D consortia in Taiwan［J］. Technovation，2009，29（11）：763-774.

［17］ XIE X， WANG L， ZENG S. Inter-organizational knowledge acquisition and firms radical innovation： a moderated mediation analysis［J］. Journal of Business Research， 2018， 90： 295-306.

［18］ KILMANN R H，PONDY L R，SLEVIN D. The management of organization［M］. New York： North-Holland，1976.

［19］ BENNER M J，TUSHMAN M L. Exploitation，exploration，and process management： the productivity dilemma revisited［J］. Academy of Management Review，2003，28（2）：238-256.

［20］ KATILA R，AHUJA G. Something old，something new： a longitudinal study of search behavior and new product introduction［J］. Academy of Management Journal，2002，45（6）：1183-1194.

［21］ SCHUMPETER J A. Capitalism，socialism，and democracy［J］. American Economic Review：Harper Torchbooks，1942，3（4）：594-602.

［22］ LI P，BATHELT H. Location strategy in cluster networks［J］. Journal of International Business Studies，2018，49：967-989.

［23］ LAURSEN K，SALTER A. Open for innovation：the role of openness in explaining innovation performance among UK manufacturing firms［J］. Strategic Management Journal 2006，27（2）：131-150.

［24］ LEIPONEN A，HELFAT C E. Research notes and commentaries innovation objectives，knowledge sources，and the benefits of breadth［J］. Strategic Management Journal， 2010，31（2）： 224-236.

［25］ KIM C，PARK J H. The global research-and-development network and its effect on innovation［J］. Journal of International Marketing，2010，18（4）：43–57.

［26］ BAUM J A C，CALABRESE T，SILVERMAN B S. Dont go it alone：alliance network composition and startupsperformance in Canadian biotechnology［J］. Strategic Management Journal，2000，21（3）：267-294.

［27］ WANG C，RODAN S，FRUIN M，et al. Knowledge networks，collaboration networks，and exploratory innovation［J］. Academy of Management Journal，2014，57（2）：484-514.

［28］ GRANT R M，BADEN-FULLER C. A knowledge-based theory of inter-firm collaboration［J］. Academy of Management Proceedings，1995（1）：17-21.

［29］ GRIGORIOU K，ROTHAERMEL F T. Organizing for knowledge generation：internal knowledge networks and the contingent effect of external knowledge sourcing［J］. Strategic Management Journal，2016，38（2）：395-414.

［30］ ZHANG S，ZHANG N，ZHU S，et al. A foot in two camps or your undivided attention？The impact of intra- and inter-community collaboration on firm innovation performance［J］. Technology Analysis and Strategic Management， 2020（4）：1-16.

［31］ AGHION P，MARTIN R，REENEN，et al. Carbon taxes，path dependency，and directed technical change：evidence from the auto industry［J］. Journal of Political Economy，2016， 124（1）：1-51.

［32］ GUAN J，LIU N. Exploitative and exploratory innovations in knowledge network and collaboration network：a patent analysis in the technological field of nano-energy［J］. Research Policy，2016， 45（1）：97-112.

［33］ COHEN S K，CANER T.Converting inventions into breakthrough innovations：the role of exploitation and alliance network knowledge heterogeneity［J］. Journal of Engineering & Technology Management，2016， 40：29-44.

［34］ MAZZOLA E，PERRONE G，KAMURIWO D S. Network embeddedness and new product development in the biopharmaceutical industry：the moderating role of open innovation flow［J］. International Journal of Production Economics，2015， 160：106-119.

［35］ ZAHEER A，BELL G G. Benefiting from network position： firm capabilities， structural holes，and performance［J］. Strategic Management Journal，2005， 26（9）：809-825.

［36］ 杜玉申， 劉梓毓. 技術多元化、協作研發網絡中心度與企業創新績效［J］. 科技進步與對策， 2021， 38（15）： 74-81.

［37］ 施蕭蕭. 合作網絡與知識網絡特征對高技術企業雙元創新影響機制研究［D］.哈爾濱：哈爾濱工業大學， 2022.

［38］ 李德輝， 范黎波， 楊震寧. 企業網絡嵌入可以高枕無憂嗎：基于中國上市制造業企業的考察［J］. 南開管理評論， 2017， 20（1）： 67-82.

［39］ 徐露允，曾德明，張運生. 知識網絡密度與雙元創新績效關系研究：基于知識基礎多元度的調節效應［J］. 研究與發展管理， 2018， 30（1）：72-80.

［40］ 溫忠麟， 張雷， 侯杰泰.有中介的調節變量和有調節的中介變量［J］.心理學報， 2006（3）： 448- 452.

The Influence of Cooperation Network Structure Embeddedness on Exploratory Innovation Performance： The Perspective of Knowledge Combination Ability

Xiao Jiuling， Zhao Yaning

（School of Business， Nanjing Audit University， Nanjing 211815， China）

Abstract： The network embedding theory holds that the behavior of enterprises will be affected by the characteristics of the network structure， and the level of the structural embeddedness of enterprises in the network reflects the importance level of the network position occupied by enterprises in the network. Enterprises occupying a key position in the network will obtain more network resources and carry out the self-development of enterprises. According to the theory of dual organization， the learning styles of enterprises are divided into exploitative learning and exploratory learning， and the innovation activities of enterprises are divided into exploitative innovation and exploratory innovation. Among them， exploratory learning means that enterprises break away from the original technical track， seek new technical knowledge， and help enterprises realize exploratory innovation. The knowledge-based view holds that the knowledge base of an enterprise is an important cornerstone of its development， and an enterprise should conduct an overall evaluation of its own knowledge base， pay attention to its future restructuring potential， and combine the external knowledge search of the enterprise to finally realize exploratory innovation. Many scholars have studied the influence of network embedding on exploratory innovation and the influence of knowledge based on exploratory innovation， but few scholars have put internal knowledge combination capability and external knowledge search in a research framework. This paper studies the influence of network structural embedding on exploratory innovation through external knowledge search from the perspective of knowledge combination capability. A moderated mediator model is constructed to examine the mediating effect of external knowledge search between network structural embedding and exploratory innovation and the moderating effect of knowledge combination ability on external knowledge search and exploratory innovation. In this study， patent data from the new energy automobile industry were selected as research samples， and patent data from 2016 to 2022 were selected after screening. First， four window periods were constructed with a three-year window period. During each window period， joint patent applications were used to build a cooperation network， and IPC was used to build a knowledge network. Network indicators were calculated to measure some variables used in this study， and then enterprises in the network were matched with firms' exploratory innovation， and finally sample data with sample observation value of 424 was obtained. Finally， negative binomial regression was used to test the constructed model， and the results showed that the structural embedding of cooperative networks had a significant positive impact on exploratory innovation performance. External knowledge search plays a completely mediating role between cooperative network structural embedding and exploratory innovation， and knowledge combination ability positively moderates the influence of external knowledge search on exploratory innovation performance. The theoretical contributions of this study are mainly in the following aspects： Firstly， it enriches the theoretical research of network embedding on innovation performance， constructs a novel research framework， and provides new ideas for the research of the impact of network embedding on innovation performance. Secondly， this study takes external knowledge search as a bridge between network structural embedding and exploratory innovation performance， which enriches the research on the influence mechanism of network embedding on exploratory innovation performance. Finally， based on the perspective of knowledge combination ability， this study measures knowledge combination ability， and the results prove that knowledge combination ability has a positive moderating effect on the influence of network embedding on exploratory innovation performance. By possibility of combining of knowledge elements of an enterprise with exploratory innovation performance， the influence of knowledge base on innovation performance of an enterprise is enriched. In addition， this study also provides management enlightenment for innovative enterprises to help enterprises effectively carry out innovation activities. First， enterprises should choose the appropriate network location in the network according to their own innovation strategic goals， use network resources， and obtain a good innovation environment. Second， the knowledge base is very important for enterprise innovation activities. Enterprises should clearly understand the characteristics of knowledge base combination， discover their development ability， selectively search for external knowledge， effectively recombine external novel technical knowledge with their own knowledge base， and realize exploratory innovation.

Key words： network structure embeddedness; knowledge network; external knowledge search; knowledge combination ability; exploratory innovation

（欄目編輯：邵冰欣）

收稿日期：2023-11-20

基金項目：國家自然科學基金項目“分布式研發團隊內隱協調機制及其對創新績效的影響研究”（71772088）；江蘇省研究生科研與實踐創新計劃“創新網絡嵌入互動對創新績效的影響：基于雙元均衡視角”（KYCX23_2330）。

作者簡介：肖久靈（1979—），男，博士，教授，研究方向：技術創新管理、知識管理；趙亞寧（2000—），男，碩士研究生，研究方向：技術創新管理。