發(fā)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

劉鳳朝，楊 爽

（大連理工大學 經濟管理學院，大連 116024）

合作網絡中心位置是企業(yè)最富價值的網絡資源［1］。一方面，企業(yè)可以利用其網絡中心位置更好地從合作伙伴乃至網絡外部獲取技術和市場信息，提升自身的研發(fā)績效［2-3］；另一方面，占據網絡中心位置的企業(yè)可以利用其具有的網絡治理話語權，影響乃至主導行業(yè)的價值分配，從而掌控價值鏈運行［4-5］。因此，有關企業(yè)網絡中心性形成及功能的研究倍受學術界和管理界的關注。

合作網絡中心性是焦點發(fā)明人社會合作關系總和的一種體現。部分學者著眼于社會網絡關系本身，從結構嵌入角度對網絡中心性的形成機理進行了研究，提出優(yōu)先連接是網絡演變的主要機制，可以解釋網絡增長過程中出現的“核心—邊緣”結構［6-7］。但這種從結構到結構的推演更接近于網絡演化規(guī)律的總結，而要真正厘清合作關系形成的觸發(fā)機制，則要進一步探究發(fā)明人的知識屬性。實際上，發(fā)明人嵌入社會網絡的主要目的是通過更低的搜索成本搜索到更多、更有用的知識進行技術創(chuàng)新。發(fā)明人是知識創(chuàng)造、存儲和使用的能動主體，創(chuàng)建社會網絡的發(fā)明人通過擁有個體特定的知識元素嵌入知識網絡［8］。發(fā)明人可以同時擁有多種知識元素，而同一知識元素也可以被多個發(fā)明人共同擁有［9］。當把兩類節(jié)點及其對應關系融入同一網絡中時，就形成了社會—知識二模網。即知識元素充當了發(fā)明人間關系的橋梁，發(fā)明人通過現有知識元素直接或間接連接的其他發(fā)明人來進行合作伙伴的搜索，進而與新伙伴建立聯(lián)系或與已有伙伴斷開聯(lián)系。因此，這些知識元素在二模網中的特征決定了發(fā)明人后續(xù)合作關系建立的成效。若僅考慮合作維度，則有可能將發(fā)明人合作網絡中心性歸結為人際交流，而忽略了知識體系的內在邏輯與核心剛性；若僅考慮知識維度，則有可能將發(fā)明人合作網絡中心性歸結為知識關系的推演，而忽略了合作發(fā)明人的社會聯(lián)系。近年來，從二模網視角開展網絡中心性形成影響因素的研究陸續(xù)見諸發(fā)表。AWATE和MUDAMBI［10］基于1961—2012年全球風電產業(yè)中各區(qū)位的專利授權數據，通過構建區(qū)域—技術二模網，研究區(qū)域專利創(chuàng)新的寬度和深度與其在全球技術網絡中的度數中心性的關系，發(fā)現寬度比深度影響更大。BALLAND和RIGBY［11］運用專利數據構建了城市—技術二模網描繪了城市知識復雜性的分布及演化情況。

另外，雖然發(fā)明人所擁有的知識元素在二模網絡中的特征決定了其合作關系的拆解與連接，進而影響其在合作網絡中的位置，但現有關于知識特征的研究多從知識元素結構的單一維度切入，考察企業(yè)或個人的知識多樣性、獨特性及復雜性對其創(chuàng)新活動及創(chuàng)新成果的影響［12-15］。其中，知識多樣性反映知識領域中創(chuàng)造性活動的分散性，決定共享領域知識的范圍，從而影響發(fā)明人溝通渠道的帶寬［16］。知識獨特性反映知識活動的普遍性，關系到技術共享的難易和知識協(xié)調成本的高低，從而影響發(fā)明人獲取外部知識的意愿［17］。知識復雜性反映知識元素的耦合程度，充當知識流動和知識搜索的渠道，為合作伙伴的知識重組帶來了潛在技術機會［15］。YAYAVARAM和CHEN［15］認為在企業(yè)知識搜索過程中，知識復雜性是影響創(chuàng)新活動的關鍵動因。同樣，發(fā)明人通過形成合作關系進行知識搜索的行為也內嵌于行業(yè)環(huán)境之中，知識多樣性和知識獨特性僅為發(fā)明人搜索和創(chuàng)造提供源頭知識與組合空間，行業(yè)技術體系中的知識關系特征（知識組合潛力）則為創(chuàng)新的實現提供可行路徑。行業(yè)知識組合潛力影響發(fā)明人對基于已有知識存量連接內外部知識通路的構建，繼而影響知識離散特征與發(fā)明人合作網絡中心性的直接效應。

綜上所述，已有研究雖然取得了諸多有創(chuàng)見的成果，但還存在以下缺陷亟待補充完善。①現有文獻多從社會關系的單模網絡研究發(fā)明人合作網絡的驅動機制。如何在研究中闡釋合作網絡中知識組合的內在邏輯與發(fā)明人社會關系的關聯(lián)機制，并據此揭示知識特征對發(fā)明人合作網絡中心性的影響是學術界亟待解決的課題，即在探究合作網絡中心性的驅動因素中缺乏基于社會—知識二模網的考慮。②關于知識元素特征的研究，學者多從知識元素結構的單一維度切入，忽視了知識元素特征對發(fā)明人中心性的影響是多樣性、獨特性及復雜性等多個知識特征共同作用的結果。同時，將知識多樣性、獨特性等知識特征置于二模網中考察其對發(fā)明人中心性的作用研究則更少。③現有學者較少從行業(yè)的技術耦合視角開展知識組合潛力的探究。實際上，行業(yè)知識組合潛力會影響發(fā)明人可能進入的新技術領域的空間和持續(xù)力，繼而影響發(fā)明人合作關系的形成。

針對上述不足，本文基于社會網絡理論和搜索重組理論，借鑒AWATE和MUDAMBI［10］、BALLAND和RIGBY［11］的研究，采用多層次網絡分析方法，以發(fā)明人和知識元素為節(jié)點，構建社會—知識二模網，探究發(fā)明人在二模網中知識多樣性和知識獨特性與其合作網絡中心性的關系，并以發(fā)明人擁有知識元素的行業(yè)組合潛力為調節(jié)變量對上述主效應的實現機制進行深化研究。

1 理論基礎與研究假設

1.1 理論基礎

從知識論的角度看，發(fā)明人之間的合作創(chuàng)新是知識碰撞、知識溢出和知識融合的過程，上述過程可以創(chuàng)造新的知識或建立已有知識的新組合［17］。隨著合作的深入，合作發(fā)明人之間的知識網絡得以建立。知識網絡既是合作創(chuàng)新的成果，又是進一步合作的基礎［9］。從活動論的角度看，社會網絡是發(fā)明人之間的社會經濟聯(lián)系、文化聯(lián)系乃至政治聯(lián)系不斷建立和完善的過程，上述聯(lián)系既受知識網絡關系的影響，同時又對知識網絡的形成產生促進或約束作用［9，18］。即，發(fā)明人作為創(chuàng)新活動的主體，其固有的規(guī)則、慣例（認知、行為）、實踐或技術累積等形成社會網絡。圖1提供了發(fā)明人間社會網絡與知識網絡的耦合關系。其中，社會網絡位于頂部，知識網絡位于底部，發(fā)明人與知識元素的擁有關系位于中間部分。知識網絡是社會網絡屬性和重建的物質技術基礎，決定發(fā)明人社會網絡的結構空間和價值空間，而社會網絡是知識網絡屬性和重建的組織保障和社會需求驅動，影響知識網絡運行的價值取向及新知識的社會經濟實現程度，兩者的螺旋式互動決定網絡的動態(tài)演化進程。

圖1 社會網絡與知識網絡的關系Fig.1 Relationship between the social network and the knowledge network

正是基于發(fā)明人合作過程的雙重網絡嵌入特征，BURCHARD和CORNWELL［19］提出二模網的概念，即由兩類節(jié)點構成，不同類別節(jié)點之間通過共同事件的參與情況或歸屬關系形成連接，以此構成的拓撲分析結構就是二模網。企業(yè)發(fā)明人作為微觀社會網絡的節(jié)點，在探索創(chuàng)新時通?；诎l(fā)明主體共同擁有的知識元素嵌入知識網絡中，進而形成社會—知識網絡（二模網）。二模網的特定架構揭示了發(fā)明人生產復雜技術知識的相對能力，決定發(fā)明人網絡資源的獲取程度，繼而影響發(fā)明人的決策行為［20］。通過建立二模網，可以將發(fā)明人與知識兩個層次元素連接起來，識別出發(fā)明人擁有知識元素的特征，即知識的多樣性和獨特性。如圖2所示，很多學者認為發(fā)明人B僅具有知識元素2和元素3，但在二模網絡圖中，實質上發(fā)明人B通過元素2可以間接連接發(fā)明人A，繼而觸及知識元素1；通過元素3可以間接連接發(fā)明人D，繼而觸及知識元素4。因此，發(fā)明人B既擁有自身的知識元素又擁有合作伙伴的知識元素，衡量發(fā)明人B的知識多樣性時應考慮其嵌入二模網絡中的知識可達性。也就是說，發(fā)明人知識多樣性應借助于二模網絡層面來獲得，以涵蓋增量帶來的網絡拓撲結構變化。

根據社會網絡理論，二模網為發(fā)明人提供的知識特征是發(fā)明人突破創(chuàng)新瓶頸的關鍵動因，是發(fā)明人合作網絡中心性形成機制的重要研究視角。其他發(fā)明人鑒于焦點發(fā)明人知識特征帶來的創(chuàng)新收益而不斷實現合作關系拆解與連接，進而提升焦點發(fā)明人在合作網絡中的位置。本文主要探究節(jié)點組織知識多樣性和知識獨特性對網絡結構變動的影響。知識多樣性是反映知識資源數量及領域（學科）分布廣度的指標［10］，作為社會—知識網絡中知識的一個維度，是指發(fā)明人擁有潛在的離散知識元素的數量及領域分布。二模網中發(fā)明人的知識多樣性越高，說明發(fā)明人與網絡中知識元素的連接關系越多。知識獨特性指發(fā)明人擁有其他人不熟悉領域知識程度的指標，作為社會—知識網絡中知識的一個維度，是指知識連接離散發(fā)明人的數量［17］。二模網中發(fā)明人的知識獨特性越高，說明該知識在二模網中與很少的發(fā)明人連接在一起。

根據搜索重組理論，發(fā)明人進行搜索時要考慮元素的離散特征（知識多樣性和知識獨特性），還要考慮元素間的組合關系特征（知識組合潛力）。發(fā)明人的知識搜索與重組內嵌于整個行業(yè)知識體系中，行業(yè)知識庫作為社會產業(yè)活動的接口和聯(lián)系渠道影響發(fā)明人合作關系的構建。ANDRIANI和CARIGNANI［21］指出，技術（知識）的分解程度將使得研發(fā)主體實際重組的選擇性成倍增加，即元素間分解的可能性將帶來整體創(chuàng)新的激增。DEW等［22］已經證明技術的分解可能性直接取決于元素間的相互依賴程度。也就是說，發(fā)明人知識重組效應的實現會受到其擁有知識元素在所處行業(yè)中實際連接的影響，受到知識組合潛力的影響。在知識組合潛力較高時，發(fā)明人所涉及的知識元素在行業(yè)知識基礎中的相互依賴程度較高，說明在龐大的行業(yè)知識體系中，發(fā)明人具有的知識元素是以多種方式與其他知識元素相互聯(lián)系和作用的。在知識組合潛力較低時，發(fā)明人所涉及的知識元素間的可組合與可分解潛能較低，使發(fā)明人后續(xù)的知識搜索和利用面臨困難，大大降低了創(chuàng)新性方案產生的可能性。因此，知識組合潛力對二模網中發(fā)明人的知識特征與其合作網絡中心性之間的關系發(fā)揮調節(jié)作用。

圖2 社會—知識元素網絡拓撲結構圖Fig.2 Social-knowledge element network topological structure diagram

1.2 研究假設

1.2.1 發(fā)明人知識多樣性與其合作網絡中心性 相關研究發(fā)現知識多樣性與發(fā)明人創(chuàng)新績效之間存在顯著的相關關系。首先，BOH等［23］和GRUBER等［24］已經證明與知識狹窄的發(fā)明人相比，具有多樣知識的發(fā)明人具有創(chuàng)新導向，在處理特定問題時思想更開放，在知識重組方面作出的選擇更明智。其次，先前知識庫對實現創(chuàng)新非常重要。員工的知識組合越多樣化，他們的聯(lián)合知識庫越大，他們之間的協(xié)作就越有可能培育知識組合和創(chuàng)新［25］。隨著個體知識元素聚合逐漸形成本地知識庫，集聚效應增加了單個發(fā)明人解決特定問題的元素間排列組合的空間［26］。即多元化的技術基礎能夠提升發(fā)明人尋找新穎方法的概率。最后，如果缺乏知識多樣性，本地發(fā)明會傾向于過度技術專業(yè)化，這可能使創(chuàng)新持續(xù)超越購買者愿意付費的閾點［27］。

因此，本文認為，知識多樣性高的發(fā)明人是更受歡迎的合作對象。發(fā)明人在二模網中的知識多樣性越高，越有利于其合作網絡中心性的形成與提升。由此，得到以下假設。

H1 二模網中發(fā)明人知識多樣性與其合作網絡中心性呈正相關關系。

1.2.2 發(fā)明人知識獨特性與其合作網絡中心性 相關研究發(fā)現知識獨特性與發(fā)明人創(chuàng)新績效之間存在顯著的相關關系。雖然社會網絡理論一直強調，獲取獨特知識源對個人和組織來說是有價值的，但獨特性知識卻帶來了一定程度的負面效應。首先，合作伙伴傾向于認為知識獨特性可能是知識元素對創(chuàng)新活動沒有多大用處的標志［8］，這大大降低其他發(fā)明人利用知識進行創(chuàng)新的意愿。其次，知識獨特性在實際知識吸納和知識溢出中易形成認知障礙，合作者需要花費大量的時間精力進行知識整合，昂貴的協(xié)調成本對合作網絡中發(fā)明人的知名度產生負面影響。最后，知識獨特性通常由企業(yè)或個人通過獨特企業(yè)背景在創(chuàng)新中不斷積累和應用形成的，無法獲得類似創(chuàng)新環(huán)境的其他企業(yè)或個人難以就該知識進行創(chuàng)新［28］。換句話說，合作伙伴不僅要重現當前創(chuàng)新，還要重現創(chuàng)新過程中獨特知識的歷史積累和特定環(huán)境。從本質上說，特定創(chuàng)新環(huán)境模仿的難度阻礙了知識在企業(yè)和個人間的傳播，不利于發(fā)明人處于合作網絡中心位置。

因此，本文認為，知識獨特性高的發(fā)明人可能不愿意與他人進行合作，且他人也擔心存在知識無用的風險，導致知識獨特性高的發(fā)明人不是受歡迎的合作對象。發(fā)明人在二模網中的知識獨特性越高，越不利于其合作網絡中心性的提升。由此，得到以下假設。

H2 二模網中發(fā)明人知識獨特性與其合作網絡中心性呈負相關關系。

1.2.3 知識組合潛力的調節(jié)作用 由于知識多樣性和獨特性均是對離散知識存量本身的衡量，故發(fā)明人在搜索創(chuàng)造過程中還面臨較高的知識間聯(lián)系不緊密的風險。根據FLEMING和SORENSON［29］的研究，存量知識決定的是研發(fā)人員可能搜索到的組合空間。而發(fā)明人在這些空間中搜索的有效性則受到知識元素組合潛力的影響［18］。因此，知識離散特征對發(fā)明人合作網絡中心性的效應會因知識組合潛力的不同而明顯變化。

知識組合潛力對二模網中發(fā)明人有效獲取知識多樣性帶來的收益起到了阻礙作用，原因如下。首先，當知識組合潛力高時，實施創(chuàng)造活動的主體為抓住潛在的技術機會，在進行搜索重組時需要將與之相聯(lián)的多個組合路徑進行試驗和評估［30］。尤其是在多種知識進行解碼和編碼的過程中，合作伙伴的可選擇方案會呈指數增長，此時合作伙伴將面臨嚴重的信息超載問題，降低發(fā)明人知識轉移動機和效率。其次，知識元素間的大量耦合使得知識以半結構化形態(tài)存在，對于擁有多種知識的發(fā)明人而言，這不僅給其合作伙伴的吸收能力和溝通能力帶來了極大的挑戰(zhàn)［31］，還使其在搜索重組時面臨更高的搜索成本和決策風險，而大多數合作伙伴不愿意投入時間進行成本和風險的共擔。最后，發(fā)明人知識多樣性本身面臨創(chuàng)新資源閑置問題，需要依賴合作伙伴共同挖掘知識潛在聯(lián)系產生新組合，而知識組合潛力的提高增加了發(fā)明人的“非我發(fā)明癥（not invented here syndrome，NIH）”［32］，此時的發(fā)明人擔心失去核心競爭壁壘和知識行業(yè)優(yōu)勢，會傾向于采取內部研發(fā)。由此，得到以下假設。

H3 知識組合潛力負向調節(jié)二模網中發(fā)明人知識多樣性對其合作網絡中心性的作用，即知識組合潛力越高，二模網中發(fā)明人知識多樣性對其合作網絡中心性的正向作用會受到弱化。

高知識組合潛力有助于發(fā)明人弱化二模網知識獨特性帶來的負面效應。首先，知識組合潛力高時，知識元素的可組合與可分解潛能較大，技術機會較多，且認知合法性也相應較強，使得合作伙伴對獨特知識無用的觀點發(fā)生改變。其次，知識組合潛力高時，一定程度上反映該知識位于技術領域的前沿，若發(fā)明人專注于某些已有知識組合而忽略合作伙伴的獨特性知識，則會進一步加劇技術近視，從而喪失優(yōu)先部署新技術的機會。再次，外部知識的有效整合需要合作主體間具有共同的理解或知識庫的重疊［33］。而高知識組合潛力說明該獨特知識在行業(yè)中具有較多的外部知識接口，利于合作伙伴快速整合新知識，降低合作伙伴知識整合成本［34］。最后，知識組合潛力相當于放大了知識的獨特性，發(fā)明人需要投入大量時間、精力來翻譯該知識。此過程會產生高昂的學習成本和時間成本，并帶來巨大的失敗風險。由此，得到以下假設。

H4 知識組合潛力正向調節(jié)二模網中發(fā)明人知識獨特性對其合作網絡中心性的作用。即知識組合潛力越高，二模網中發(fā)明人知識獨特性對其合作網絡中心性的負向作用會受到弱化。

基于以上闡述，本文構建知識特征影響發(fā)明人合作網絡中心性的研究框架（如圖3所示），依據此框架分析發(fā)明人在二模網中的知識多樣性和知識獨特性是否有助于其在合作中居于核心位置。

圖3 研究框架Fig.3 Research framework

2 實證研究

2.1 樣本與數據

本文采用中國上市醫(yī)藥企業(yè)技術領域發(fā)明專利數據驗證本文提出的假設。醫(yī)藥技術領域是典型的知識密集型行業(yè)，在資源和知識搜索日益增強的背景下，其建立新知識的需求加劇，研發(fā)并申請知識產權的動機強烈，常用專利進行研發(fā)主體創(chuàng)新成果的衡量，給實證提供豐富的專利數據［35］。近年來，醫(yī)藥企業(yè)投資于企業(yè)（發(fā)明人）間聯(lián)盟以建立新的知識基礎，獲取隱性知識和顯性知識，實現從創(chuàng)新主體獨立研發(fā)向合作研發(fā)的階段性跨越［36］。即，合作網絡日益成為新藥研發(fā)的主要組織形式，決定產業(yè)經濟中創(chuàng)新的流量、質量及發(fā)展方向。

醫(yī)藥技術領域專利數據的采集和清洗步驟如下。①按照證監(jiān)會行業(yè)分類，選取“制造業(yè)—醫(yī)藥制造業(yè)”的374家上市企業(yè)，在中國知識產權局——中外專利數據庫中搜索專利權人為這些上市企業(yè)的所有發(fā)明專利，并從中篩選出2004—2016年的所有專利。其中，大量中國醫(yī)藥企業(yè)在2004年躋身資本市場，使醫(yī)藥類上市企業(yè)總數量激增、行業(yè)類別大體均衡，促進醫(yī)藥企業(yè)的技術改造和產業(yè)升級，導致專利權人合作的專利數量自2004年之后出現迅速增長，因而以申請日期“20040101 to 20161231”作為年份限制條件。②鑒于本文的研究在發(fā)明人層面，需確保發(fā)明人的唯一可識別性：對于姓名相同但所屬組織不同的發(fā)明人，對姓名進行標識加以區(qū)分，即根據發(fā)明人的所屬組織進行查找并統(tǒng)一格式。③本文參考YAYAVARAM和AHUJA［8］的研究，提取每條專利IPC分類號的前四位來表征不同的知識領域，將帶有所屬組織的發(fā)明人與IPC分類號一一匹配。④剔除2004—2016年專利權人僅包含一個發(fā)明人的專利數據，并從剔除后的專利中篩選出以專利權人身份和其他發(fā)明人聯(lián)合申請過專利的3 200位發(fā)明人，作為焦點發(fā)明人。⑤采用t-3至t-1期的專利數據構建第t期的社會—知識網絡，識別知識多樣性和知識獨特性。采用t-3至t-1期的專利數據構建行業(yè)知識網絡，識別知識組合潛力。采用t+1期專利數據構建發(fā)明人合作網絡，識別發(fā)明人合作網絡中心性。⑥通過RESSET數據庫獲取3 200位焦點發(fā)明人所屬企業(yè)的年齡信息，進而得到11527條專利數據。

2.2 變量測度

2.2.1 因變量 本文借鑒WANG等［18］的研究，采用度中心性作為合作網絡中心性（NC）的衡量指標，即與節(jié)點直接相連的其他節(jié)點個數。通過發(fā)明人間的專利合作構建二元鄰接矩陣繼而形成合作網絡，然后使用UCINET6.0軟件完成中心性的測度。其中，發(fā)明人之間的專利合作關系被記錄二元鄰接矩陣x=｛xij｝中，單元格xij對應于發(fā)明人i與發(fā)明人j的關系。如果i與j有技術合作，則將單元格xij編碼為1，否則編碼為0。

2.2.2 自變量 當發(fā)明人增加了知識的類別時，尤其是增加那些在創(chuàng)新中占有重要地位的知識，多樣性就會增加。本文借鑒AWATE和MUDAMBI［10］的研究，使用網絡內節(jié)點的可達性來衡量知識多樣性（IKV），即通過一個發(fā)明人與網絡中所有知識元素節(jié)點間距離的倒數之和來計算發(fā)明人知識多樣性，計算使用MATLAB軟件完成。

本文借鑒BRENNECKE和RANK［17］的研究，通過知識與二模網中直接相連的所有發(fā)明人個數之和的相反數來衡量知識獨特性（IKU），然后對所屬同一發(fā)明人的相應指標取均值來表示二模網中發(fā)明人知識調節(jié)變量獨特性指標的值。

2.2.3 調節(jié)變量 本文借鑒YAYAVARAM和CHEN［15］的方法，運用發(fā)明人在第t-3至第t-1年內全部的知識元素數據來測量知識組合潛力（CPK）。若兩個知識元素在行業(yè)知識體系內有客觀的相互依賴關系，會反映在第t-3年至第t-1年的知識組合關系中，即

其中：CPKi，t表示發(fā)明人i知識基礎在第t年的知識組合潛力，取值越大，表明發(fā)明人知識組合潛力越高；k表示技術領域種類；n表示企業(yè)i在第t年的技術領域總數。

2.2.4 控制變量 參考已有研究成果，本文對可能影響發(fā)明人合作網絡中心性的其他因素進行控制。鑒于本研究以發(fā)明人個體為研究層次，故主要控制發(fā)明人個體特征相關的變量。①發(fā)明人專利積累（PS）代表發(fā)明人在特定技術領域內的知識累積程度，為研發(fā)主體帶來豐富的知識搜索機會，從而提升重組創(chuàng)新的可能［38］。本文采用樣本前3年內發(fā)明人申請并獲批的專利總數來衡量［39］。②發(fā)明人經驗（IE）賦予發(fā)明人豐富的資源整合能力，降低創(chuàng)新決策偏差。已有研究表明發(fā)明人經驗顯著影響發(fā)明的新穎性和影響力［40］。本文利用發(fā)明人首次在醫(yī)藥領域發(fā)表專利的年份至當前年份的時間長度進行測度。③發(fā)明人知識組合機會（COK）為尚未被利用的知識重組提供潛在可能性，擴展發(fā)明人的創(chuàng)新能力，對發(fā)明人尋求建議的行為具有正向促進作用，繼而影響合作關系的拆解與形成［17］。本文采用發(fā)明人在過去3年內合作網絡中的結構洞來衡量。④本研究還對企業(yè)層面的變量進行控制，企業(yè)年齡（AGE）反映企業(yè)發(fā)展成熟度，為發(fā)明人提供完善的資源稟賦體系和合作管理能力。已有關于創(chuàng)新網絡和創(chuàng)新績效的研究均將企業(yè)年齡作為控制變量納入實證模型［41］。一般以企業(yè)成立或首次上市截至當前年份的時間長度表示［42］，本文以發(fā)明人所屬企業(yè)首次上市截至當前年份的時間長度表示。

3 實證分析

3.1 描述性統(tǒng)計與相關性分析

表1為各變量的描述性統(tǒng)計和相關性分析。統(tǒng)計樣本中，樣本發(fā)明人在醫(yī)藥技術領域的合作網絡中心性均值為67.89，表示每個發(fā)明人在3年時間內與其他發(fā)明人普遍有過67次合作研發(fā)經歷，此外，二模網中知識多樣性均值為22.06，知識獨特性均值為-1 931.11，行業(yè)知識組合潛力均值為1.09；發(fā)明人專利積累平均為6.82，發(fā)明人發(fā)明經驗平均為3.38年，發(fā)明人所屬企業(yè)年齡平均為14.85年，發(fā)明人知識組合機會平均為0.06。從整體來看，變量間的相關性不是很高。但為進一步檢驗變量間的多重共線性問題，本文計算了方差膨脹系數（VIF），結果表明，方差膨脹系數最高取值為1.77，遠小于10，故變量間不存在多重共線性問題。

3.2 回歸分析

由于本文研究所界定的因變量為與發(fā)明人直接相連的其他節(jié)點個數，是非負計數數據，故泊松與負二項模型為其理想的測算模型，與泊松模型中要求被解釋變量方差與均值相等這一限定條件相比，負二項具有修正過度分布問題的優(yōu)勢。通過測算，由表1可以看出，被解釋變量存在過度分布的現象。因此，本文采用負二項模型對理論模型進行逐步回歸分析，所用軟件為STATA/SE 12.0計量軟件。表2給出了負二項回歸結果，其中，模型1是基礎模型，探究控制變量對焦點發(fā)明人合作網絡中心性回歸的影響。發(fā)明人專利積累正向顯著、發(fā)明人發(fā)明經驗負向顯著、發(fā)明人所屬企業(yè)年齡負向顯著、發(fā)明人知識組合機會負向顯著。

表1 描述性統(tǒng)計和相關性分析Tab.1 Descriptive statistics and correlation analysis

表2 負二項回歸結果分析Tab.2 The result of negative binomial analyses

模型2引入知識多樣性這一變量，結果表明，二模網中發(fā)明人知識多樣性對其合作網絡中心性呈現顯著的正相關關系（β=0.129，p＜0.01），H1得到支持。在此基礎上，模型3繼續(xù)引入知識多樣性與知識組合潛力的交互項，檢驗知識組合潛力對知識多樣性與其合作網絡中心性關系的調節(jié)作用。結果表明，隨著行業(yè)知識組合潛力的提高，二模網中發(fā)明人知識多樣性對其合作網絡中心性的作用會受到顯著的弱化（β=-0.022，p＜0.01），H3得到驗證。

模型4引入知識獨特性這一變量，結果表明，二模網中發(fā)明人知識獨特性對其合作網絡中心性呈現顯著的負相關關系（β=-0.000，p＜0.01），H2得到支持。在此基礎上，模型5繼續(xù)引入知識獨特性與知識組合潛力的交互項，檢驗知識組合潛力對知識獨特性與其合作網絡中心性關系的調節(jié)作用。結果表明，隨著行業(yè)知識組合潛力的提高，二模網中發(fā)明人知識多樣性對其合作網絡中心性的作用會受到顯著的強化（β=0.000，p＜0.01），H4得到驗證。

綜上所述，H1～H4均得到了支持，二模網中發(fā)明人知識多樣性可以顯著提升其合作網絡中心性，行業(yè)知識組合潛力負向調節(jié)上述關系；而二模網中發(fā)明人知識獨特性會降低其合作網絡中心性，行業(yè)知識組合潛力正向調節(jié)上述關系。

為進一步描述知識組合潛力的調節(jié)作用，圖4刻畫了不同知識組合潛力水平下知識多樣性及知識獨特性對發(fā)明人合作網絡中心性的效應。由圖4（a）可以看出，在高知識組合潛力水平下，知識多樣性高的發(fā)明人不利于處于合作網絡中心位置。圖4（b）表明，在高知識組合潛力水平下，知識獨特性高的發(fā)明人較容易處于合作網絡中心位置。

圖4 知識組合潛力的調節(jié)效應Fig.4 Moderating effect of knowledge combinatorial potential

4 結論與討論

本文基于社會網絡理論和搜索重組理論，以中國上市醫(yī)藥企業(yè)為研究對象，利用2004—2016年的專利數據，采用負二項回歸模型，研究了二模網中發(fā)明人知識特征對其合作網絡中心性的影響，并探討了這種關系在不同知識組合潛力下的差異。主要結論如下。

首先，二模網中發(fā)明人知識多樣性對其合作網絡中心性形成具有正向促進作用。高知識多樣性給發(fā)明人帶來更多與外部合作伙伴實施知識組合的機會，正向促進發(fā)明人之間的知識傳播，從而直接拓展人際交往，為網絡中心性形成提供連接基礎。因此，二模網中發(fā)明人擁有知識元素越多，該發(fā)明人越是熱門的被搜索對象與潛在合作伙伴。本文基于社會網絡理論，將社會網絡和知識網絡整合到統(tǒng)一的分析框架下，并引入發(fā)明人這一微觀視角，探究二模網中知識多樣性在發(fā)明人創(chuàng)新過程中如何發(fā)揮作用。本文認為發(fā)明人知識多樣性的功能實現不僅取決于知識本身的屬性，還受到其所在的社會—知識二模網絡運行屬性的作用，這對BOH等［23］、LETTL等［37］提出的知識多樣性對企業(yè)創(chuàng)新的影響研究進行了細化與補充。

其次，二模網中發(fā)明人知識獨特性對其合作網絡中心性的形成具有負向作用。高獨特性知識的社會傳播和社會應用約束條件較多，且獨特性較高的知識元素對創(chuàng)新績效的正向作用實現往往需要發(fā)明人的特定經驗和背景，而其他人很難對其經驗和背景進行復制，導致知識獨特性為合作伙伴帶來的收益大幅度降低，從而阻礙發(fā)明人間合作關系的形成。從實踐的角度來看，發(fā)明人往往慎于或避免與具有獨特知識的合作伙伴合作，導致其錯過重組機會，對發(fā)明人網絡中心性形成產生負面影響。這與WANG等［18］的研究結論一致，缺乏對獨特知識元素進行重組的經驗可能會阻止合作伙伴對焦點發(fā)明人給予更多關注，也與BRENNECKE和RANK［17］的研究結論相符，其基于多級指數隨機圖模型（ERGM）探究德國電子電氣行業(yè)企業(yè)的知識存量特征（知識獨特性）如何影響組織內知識擴散和重組，從而影響組織發(fā)明人之間的人際互動。本文基于中國上市醫(yī)藥企業(yè)技術領域的專利數據構建社會—知識二模網絡，探究知識獨特性對發(fā)明人合作的影響，可作為對BRENNECKE和RANK［17］、WANG等［18］實證研究的補充。

最后，行業(yè)知識組合潛力對二模網發(fā)明人知識特征與其合作網絡中心性間的關系具有調節(jié)作用。知識組合潛力負向調節(jié)二模網中發(fā)明人知識多樣性與其合作網絡中心性的關系，當知識組合潛力高時，知識多樣性對發(fā)明人合作網絡中心性的正向作用受到顯著弱化。知識組合潛力正向調節(jié)二模網中發(fā)明人知識獨特性與其合作網絡中心性的關系。當知識組合潛力高時，知識獨特性高的發(fā)明人越難處于合作網絡的中心位置。YAYAVARAM和AHUJA［8］發(fā)現，知識結構的可分解性通過增強知識庫的適應能力或變化能力來提升發(fā)明的有用性。本文基于搜索重組理論，分析知識存量特征在不同知識關系特征下的機制差異，闡明知識資源的靜態(tài)屬性并非發(fā)明人居于合作網絡中心位置的實現方式，知識只有通過重組才能實現創(chuàng)新繼而使發(fā)明人成為研發(fā)創(chuàng)新中受歡迎的合作對象，對GUAN和LIU［9］、WANG等［18］所提出的知識類型及其效應進行了細化與補充。

本文理論貢獻有如下兩點。①本文首先將發(fā)明人社會網絡和知識網絡整合到二模網的統(tǒng)一框架下，考察二模網中發(fā)明人的知識特征對其合作網絡中心性的影響，突出了網絡嵌入的多層次性質，進一步拓展了網絡結構演化研究的理論視角。②本文通過引入行業(yè)知識組合潛力的概念，將行業(yè)知識環(huán)境作為發(fā)明人知識特征影響其社會網絡中心性的重要調節(jié)變量，通過實證研究，闡明行業(yè)知識環(huán)境調節(jié)發(fā)明人知識特征與其社會網絡中心性關系的實現機制，深化了關于知識存量特征對發(fā)明人合作網絡中心性形成的邊界條件的理解。

本文研究結論具有兩點實踐意義。①發(fā)明人在選擇合作伙伴時，應透過二模網深入了解合作伙伴所擁有知識元素的分布狀況以及獲取自身不熟悉知識元素的可行路徑，以便于發(fā)明人后期探索技術創(chuàng)新。②發(fā)明人將知識特征作為選擇合作伙伴的關鍵因素時，還應考慮行業(yè)知識組合潛力的調節(jié)作用，把握知識多樣性與知識獨特性的“度”，便于研發(fā)主體后續(xù)制定目標、技術軌跡戰(zhàn)略以及潛在替代戰(zhàn)略以遷移至發(fā)明人合作網絡的核心位置。

本研究的不足之處有如下兩點。①中國上市制藥產業(yè)與其他產業(yè)發(fā)明人知識發(fā)展特征存在差異，需要更多的研究來探討不同產業(yè)發(fā)明人合作網絡中心性的影響機理是否一致。②本文僅選取發(fā)明人知識多樣性和知識獨特性展開探究，而知識特征不僅包含這兩種，還有知識相似性、知識深度、知識高度等特征，本文未涵蓋的其他知識特征可以作為下一階段深入研究的重點。