引入合作网络的知识积累对产学研合作创新绩效影响的实证研究——基于中国2006-2015年34所985高校专利数据

一 引言及文献述评

在国家实施创新驱动发展战略的时代背景下，知识作为实现创新的关键因素，既是出发点又是归宿点。然而创新所需的知识元素并非全部存在于组织内部，许多关键资源游离于组织之外。因此，为了获取关键资源，组织往往需要通过产学研合作的方式，获取外部异质性知识(Maggitti et al., 2013)[1]。产学研合作不仅可以帮助参与者分担大规模投资成本，降低研发风险(Guan和Wei，2015)[2]，还可以拓展知识来源，促进合作伙伴之间的信息和知识流动，从而提高参与者的创新绩效(Schiling，2015)[3]。在产学研合作创新中，高校作为国家创新体系中的关键一环，是知识创造和扩散的重要载体(刘亭亭等，2012)[4]，为国家经济发展做出了重要贡献。

国内外关于知识积累与创新、产学研合作与创新的研究成果较为丰富。关于知识积累与创新发展的研究，多遵循熊彼特的创新增长理论，即知识储备的积累有利于创新能力的提升，最终通过创造新产品和新工艺来促进经济增长(严成樑和龚六堂，2009)[5]。知识基础观往往强调主体内部知识的运用效果，而忽略了外部知识的吸收利用在创新中的作用(唐青青等，2015)[6]。近年来，随着社会网络理论的广泛应用，更多学者从网络的角度探讨产学研合作对提高主体创新产出的重要性。张艺等(2016)[7]利用中国科学院与高校和企业联合参与发表的 SCI 论文文本数据，研究发现主体在合作网络中的位置影响其产学研合作创新绩效。部分学者融合主体内部知识基础与外部知识获取的相关理论，考虑知识积累与合作网络特征对创新绩效的交互作用。唐青青等(2018)[8]基于吸收能力的视角，探究了合作网络规模和关系嵌入强度对知识深度与创新绩效之间关系的调节作用。总的来说，现有研究基于知识基础观，探索了知识积累与创新绩效的关系，但实证结果并不一致，且忽略了主体作为一个开放性组织可能受到外部因素的作用。

本文结合知识基础观和社会网络理论，创新性地把合作网络特征作为中介变量，深入地研究知识积累对产学研合作创新绩效的影响路径。研究发现：(1)知识积累并不直接影响合作创新绩效；(2)知识积累可以促进合作广度的扩大，但对合作深度的影响不够明显；(3)合作广度与深度能够有效提高产学研合作创新绩效，两者存在正向的交互效应；(4)合作广度在知识积累与合作创新绩效之间起中介作用。考虑了合作广度和合作创新绩效的内生性之后，本文结论没有发生变化。

相对于当前国内外的研究，本文的贡献主要在：(1)对现有产学研合作创新研究的一个有益补充。本文立足于高校视角，研究产学研合作创新绩效的影响因素。目前国内学者关于知识积累与产学研合作对创新绩效影响的研究主要集中于某一行业内的企业或某一领域内的学者，对于高校创新绩效的研究比较匮乏，仅局限于高校科研团队核心能力(马卫华，2011)[9]、知识吸收能力(刘亭亭等，2012)[4]和科研效率等内部因素。(2)融合知识基础观和社会网络理论两种观点，探讨知识积累影响产学研合作创新绩效的相关路径，进一步丰富了创新理论分析框架。区别于以往研究，本文关注知识积累对合作网络的反作用，论证知识积累能够促进合作广度的扩大，从而有助于合作创新绩效的增加，为知识是创新的关键因素提供证据。(3)为高校、企业、科研机构制定产学研合作战略提供理论依据。本文研究证明，选择拥有丰富知识积累的合作对象，有助于提升产学研合作创新产出。对于高知识积累的组织来说，扩大合作宽度有利于激活知识要素对创新的正向促进作用。

本文余下部分安排：第二部分为知识积累和合作网络特征的理论背景与研究假设；第三部分为样本数据来源、主要变量及相应统计模型；第四部分为实证分析及结果检验；最后是结论和相关建议。

二 理论背景与研究假设

知识经济时代，知识是组织最重要的资源。知识创新理论认为，获取、利用和共享有价值的知识是主体成功创新的关键。合作网络是获取外部知识的有效途径(Wang，2016)[10]，知识积累则决定了主体吸收外部网络资源的能力。现有研究发现反映合作网络结构特征和嵌入特征的合作广度和合作深度，与知识积累之间存在交互作用，能够正向影响主体的创新绩效(杨慧军和杨建君，2016)[11]。因此，本文将从理论背景入手，探究知识积累、网络特征与创新绩效三者之间的关系。

(一)知识积累与网络特征

知识积累是将外部显性知识转化为内部隐性知识的过程, 是组织在时间和空间上实现的异质性知识累积与集聚(张军和许庆瑞，2015)[12]。基于吸收能力的观点，组织现有的知识积累决定其对外部新知识的识别、吸收和整合效率(张洪石和陈劲，2005)[13]，对产学研合作网络的形成具有重要影响。高校知识积累的总量越大，表明高校的知识多样化程度越高, 有利于高校从外部搜寻并获取更多的知识，实现内部与外部知识的互补。当高校掌握了多个领域的异质性知识时,能够提高高校与外部不同组织的对话能力(邹波等，2015)[14],从而有利于高校与更多的外部组织建立合作关系。因此，本文提出研究假说H1。

H1:高校知识积累可以促进其产学研合作的广度。

高校知识积累的总量越大，也表明高校拥有的专业化知识越多，有利于高校对特定专业知识的获取、转化和吸收, 实现知识整合。当高校对核心业务领域有深入了解时，高校与该领域内其他组织知识库的相似性将会增加，共同的知识库促进高校与外部组织之间频繁的互动和亲密的接触，从而形成深层次合作(Argote et al.，2003)[15]。因此，本文提出研究假说H2。

H2: 高校知识积累可以促进其产学研合作的深度。

(二)网络特征与合作创新

产学研合作广度指高校与企业或研究机构等不同类型主体进行合作的多样性及广泛化程度。通过与其他组织的广泛合作，高校可以汲取跨层次跨学科的异质性知识，丰富知识获取渠道，拓宽知识源种类。许多研究表明，创新主体在跨组织网络中研发合作广度会显著影响其创新绩效。国外学者Powell et al.(1996)[16]指出利用网络平台进行广泛地合作可以促进异质性资源的获得，有利于降低创新过程中涉及的成本和风险，提高所有合作参与者的的创新产出。Zahra和George(2002)[17]提出多样化的合作能够带来新的知识和信息，使主体以一些新的方式整合现有的知识，进而推动知识库更新，帮助主体抛弃过时知识，避免陷入“能力陷阱”。Vanhaverbeke et al.(2002)[18]认为与直接合作伙伴进行技术合作可以产生信息利益，有助于合作双方互补性技能和知识的应用，从而提升合作创新绩效。因此，高校在产学研合作中与更多的企业或科研机构建立联系，越有可能获得期望的信息资源，通过提供外部信息和新思想来促进以后的创新和研究。由此，本文提出研究假说H3。

H3: 高校产学研合作广度正向影响其合作创新绩效。

产学研合作深度指高校与其他组织联系的紧密程度和合作的平均次数。合作深度的增加有利于创新主体之间建立紧密的信任关系，促进隐性知识的高效共享，提升创新知识转移效率，从而提高创新绩效(马艳艳等，2014)[19]。同时，深层合作也可以减弱资金紧张、技术不确定性的影响，减少知识共享过程中出现的重复性和冗余性，进而降低决策风险，使创新决策更加准确，增加高校创新产出。马艳艳等(2014)[19]发现随着合作深度的增加，合作双方易产生高度信任并形成合作默契和合作惯性，进而有利于隐性知识和关键技术知识的转移、整合与共享，并运用中国工业企业数据验证了合作深度的增加能够加强企业对新知识和新技术的准确理解力，提高企业创新产出。曹洁琼(2017)[20]认为与某一创新组织平均合作次数越多，主体对自身研发所需的创新技术和合作伙伴的创新资源了解越深入，从而在合作过程中越能针对性地汲取创新知识，降低搜寻成本和甄别成本，减少同质性知识的传播，提高创新绩效。因此高校产学研合作深度越高，越有利于合作各方建立信任关系，促进知识共享，降低合作成本，引导合作行为，从而促进创新绩效。由此，本文提出研究假说H4。

H4: 高校产学研合作深度正向影响其合作创新绩效。

(三)网络特征的中介效应

知识基础观认为知识是最宝贵的战略资源，创新来源于知识的重新组合，知识积累越多，产生知识新组合的可能性就越大，创新则越多(Grant，1996)[21]。但Leonard-Barton(1996)[22]提出的知识刚性理论认为，知识积累具有路径依赖性，即组织更倾向于积累与现有知识相关的知识，而创新还需要新的甚至是跨行业知识的加入。因此知识刚性负向作用于创新能力。那么知识积累到底如何影响合作创新绩效？

实证研究表明，内部知识积累与外部知识获取共同促进创新(杨菲等，2017)[23]。一方面，知识积累决定了组织在创新过程中理解和应用新知识的范围与能力(Ansari和Krop，2012)[24]，是组织进行外部知识搜索、评估、获取、吸收的关键；另一方面，外部知识的获取能够激活组织知识积累，从外部获取的差异化知识，可以突破知识刚性对创新能力的限制，从而促进创新绩效(Kogut和Zander，1992)[25]。张军和许庆瑞(2015)[12]基于系统动力学仿真方法进行实证分析，结果表明知识积累通过外部知识的共享显著提升创新能力，从而正向影响企业的知识创造。在产学研合作中拥有丰富知识积累的高校可以识别、理解更多来自其他组织的知识和信息，并通过与外部组织广泛、多频次的合作来创造新价值。因此，本文提出研究假说H5和H6。

H5: 高校知识积累通过合作广度的中介效应正向影响其合作创新绩效。

H6: 高校知识积累通过合作深度的中介效应正向影响其合作创新绩效。

(四)网络特征的交互效应

合作广度表示高校获取网络资源的优势地位，合作深度代表高校对异质性知识的学习强度，两者协同作用才能实现互补，并最大限度地促进网络的有效运作。Katila和Ahuja(2002)[26]通过专利引用信息区分搜寻深度和搜寻广度，发现搜寻深度与搜寻广度及两者的交互作用对创新产生正向影响。

具体而言：(1)在合作广度和深度均较小时，合作网络为高校所提供的外部知识多为某一领域内的初、中级知识且挖掘价值较低(Jin et al.，2015)[27]，对合作创新绩效的影响不大。(2)在合作广度较大而合作次数较少的情况下，高校从合作伙伴中吸收的新知识量有所增加但没有质的提升，且吸收效率低，对合作创新的促进作用有限。(3)在合作广度较低而合作深度较高的环境中，高校获取外部知识和技术的渠道被限制，虽然合作深度的增加能够促进知识的共享和转移，但随着现有知识价值挖掘难度的提高，高校创新绩效边际效益递减。(4)在合作广度和深度均较大的环境中，高校与更多的企业或研究机构直接相连，更易获得差异化、多样化的知识或信息，深入了解和挖掘合作双方的资源，创造出新的价值，提高创新产出。由此，本文提出研究假说H7。

H7：高校产学研合作广度和合作深度交互效应对合作创新绩效有正向影响。

系统梳理文献发现，知识积累与网络特征中的合作广度和深度紧密联结，共同作用于产学研合作创新绩效。鉴于此，本文构建“知识积累-网络特征-合作创新绩效”的中介效应模型和“合作广度*合作深度-合作创新绩效”的交互效应模型，来探究三者对高校产学研合作创新绩效的影响路径，如图1所示。

图1 关系理论模型

三 研究设计

(一)数据来源及样本基本情况

本文选取中国首批进入985工程的重点高校作为研究样本，原因在于:(1)虽然985高校数量较少，但其创新能力在全国高等学校中最为突出。(2)985高校与科研实力较强的研究机构及创新能力突出的民营高科技企业建立了持久稳定的合作关系(刘凤朝等，2011)[28]。因此，把“985高校”作为研究样本考察知识积累对产学研合作创新绩效的影响具有较强的代表性，对中国产学研合作创新发展具有重要意义。本文以联合申请发明专利衡量高校的产学研合作创新绩效，与实用新型和外观设计专利相比，发明专利的科技创新水平较高。在专利申请信息中，如果专利申请人中拥有包含某高校的多个申请人，就认为该高校与其他申请人之间存在专利合作关系。专利数据来源于中国国家知识产权局(CNIPA)，由于从申请专利到获得批准需要18个月的时间，考虑到数据的完整性，考察期为2006-2015年，检索得到10年中34所高校各自的专利申请信息，进而识别其参与的专利合作。

表1显示了2006-2015年10年间34所高校专利申请数，产学研合作专利申请数及其所占比例，其中中国人民大学在2010-2012年间没有进行产学研合作，为了保证数据的一致性，故进一步分析时删除中国人民大学。

表1 985高校专利申请信息

(续上表)

985高校专利数合作专利数产学研合作百分比天津大学99465255.28%中国人民大学12564.80%西北工业大学44281363.07%吉林大学57951622.80%哈尔滨工业大学131133262.49%

(二)变量选取与测量

1.因变量。本文研究对象为产学研合作中的33所985高校。在测度高校产学研合作创新绩效时，使用2011-2015年高校在产学研合作中的专利申请数: 即高校i在t年的产学研合作专利申请数量，作为因变量。

2.自变量。Nooteboom et al.(2007)[29]认为组织的研发积累以及形成的专利技术文档都是知识积累的体现。因此本文使用高校前五年的专利申请数作为其知识积累: 即高校i在t-5至t-1年的专利申请数量。

3.中介变量。本文共包含两个中介变量——合作广度与合作深度。参照现有研究，本文以高校具有的直接合作者数量来度量其合作广度:即高校i在t-3至t-1年产学研合作网络的度数中心性。参照现有文献中合作深度的主流度量方法，使用高校与各合作者的合作次数之和除以合作者数量后的值表示合作深度，计算式如下：

(1)

式(1)中,N表示合作者的个数,i表示第i个合作者,Pi表示高校与第i个合作者在三年移动窗口内的合作次数。

4.控制变量。本研究数据涵盖33所985高校2006-2015年专利申请数量，为了控制面板数据中可能存在的时间影响，添加年份作为控制变量。

(三)计量模型

本文参考温忠麟等(2005)[30]提出的中介效应和交互效应检验程序，根据理论模型建立回归模型如下:

X2=k1X1+e1

(2)

X3=k2X1+e2

(3)

Y=aX2+bX3+cX2X3+dX4+e3

(4)

其中Y为合作创新绩效，X1表示知识积累，X2与X3分别表示中介变量合作广度和合作深度，他们在知识积累对合作创新绩效的间接影响中起到完全中介作用，X2X3代表合作深度与合作广度的交互项，X4表示控制变量年份。

目前,有两种构建结构方程模型的方法: 一种是基于极大似然估计的协方差结构分析方法，如LISREL；另一种则是将主成分分析与多元回归结合起来的迭代估计法，即PLS (偏最小二乘法) 。相比于LISREL，当样本量较小、数据不符合正态分布、模型较为复杂时,PLS是最可行的方法(凌元辰等，2009)[31]。本研究中样本量不大、不符合正态分布且同时存在中介效应和交互效应，完全符合PLS的特点。因此，选择使用PLS方法构建结构方程模型，使用Smart-PLS软件进行分析。

四 结构方程模型与实证分析

(一)描述性统计及相关分析

表2显示了各研究变量的平均数、标准差和相关系数。知识积累与合作广度和深度在99%的置信水平下显著正相关;合作创新绩效与合作广度、合作深度在99%的置信水平下显著正相关。假说H1、H2、H3、H4均得到了初步支持 ，这为后续建立结构方程模型提供了必要前提。

表2 研究变量的描述性统计及相关系数

注:*、**、***分别表示在 10%、5%、1%统计水平上显著。

(二)结构方程模型

本研究测量模型均为单一指标，无需进行信度和效度分析,故直接利用Smart PLS2.0软件中的Bootstrapping算法, 根据图1所示的理论模型，计算出结构模型的路径系数, 结果整理后如图2所示。

图2 结构模型的路径分析结果(T检验)

1.解释程度。R2表示回归模型对内生变量数值变化的解释程度，是判断PLS-SEM质量的中心标准, R2在取值范围 (0～1)内越大表明模型的拟合优度越大, 外生变量对内生变量的解释程度越高。内生潜变量合作创新绩效的R2大于0.8，可见结构模型的解释功能较好。但自变量知识积累对中介变量合作广度和深度的解释程度大不相同，其中合作深度的R2仅为0.044，说明知识积累对合作深度并无明显作用，且此路径删除后模型的R2无变化。因此，假说H2没有得到充分支持。

图3 修正后的结构模型的路径分析结果(T检验)

2.预测程度。交叉验证冗余度量Q2可以用来评估整体模型的预测效用，Q2大于零，即具有预测相关性。计算得出合作创新绩效和合作广度的Q2分别为0.8644和0.6720，均大于0.36(Martin et al.，2009)[32]，因此修正后的结构模型整体适配度较强。

3.路径系数。在删除知识积累与合作深度之间路径后的修正模型中，只有控制变量年份和知识积累与合作创新绩效之间的路径系数接近于0，其他潜变量之间都是正向影响。在T值方面, 也只有年份和知识积累与合作创新绩效的路径系数没有达到显著性水平 (T<1.96) 。因此，假说H1、H3、H4均未被拒绝。

(三)中介效应检验

在删除知识积累与合作深度之间的路径后，只需检验网络特征中合作广度的中介效应。在开始中介分析之前，需要测试知识积累通过合作广度对合作创新绩效间接影响的显著性。Bootstrapping的结果显示，知识积累对合作创新绩效间接影响的P值小于0.001(T>3.29)，即间接影响显著。而知识积累对合作创新绩效直接影响的P值大于0.05(T<1.96)，即直接影响不显著。根据中介效应分析程序，若间接影响显著而直接影响不显著，则中介变量为完全中介变量，即合作广度对知识积累具有完全中介作用，假说H5得到验证。

表3 间接效应与直接效应

(四)交互效应检验

在修正后的结构模型路径分析结果中,合作广度与合作深度的交互对合作创新绩效存在显著正向影响(β=0.3561,T=4.5024,P<0.001)，假说H7得到验证。网络特征之间的交互效应如图4所示，颜色越浅代表合作创新绩效越高。由图4可知对于网络特征较低的高校，其合作创新绩效也处于较低水平；对于拥有较低合作广度的高校来说，合作深度与合作创新绩效之间存在较弱的正向作用；对于较高合作广度的高校来说，合作深度与合作创新绩效之间的正向作用明显增强。

(五)稳健性检验

对于拥有较高合作创新绩效的高校，其极大可能占据有利的网络位置，从而与更多的合作伙伴建立相互联系。如果存在这种内生性问题，内生解释变量的误差项将与因变量的误差项相关，从而导致预测结果的偏差和不一致。为了检验模型的稳健性,本研究采用两阶段最小二乘法(2SLS)对模型进行重新估计。

首先，在修正后的结构模型中，以在5%显著性水平下与合作创新绩效没有显著相关性的知识积累和年份作为工具变量，并以合作广度作为第一阶段的因变量进行回归和预测。

Y1=mX1+nX4+e4

(5)

式(5)中，Y1表示合作广度的预测值，X1为知识积累，X4为年份。

其次，用第一阶段得出的预测值取代原模型中合作广度的值，再次进行Bootstrapping运算，结果如图5所示，与上述分析相同。因此,可以认为本文的结构方程是合理的，合作广度与合作创新绩效之间的关系具有较强的稳健性，据此所得出的结论是可靠的。

五 结论与建议

(一)结果分析与讨论

本文以中国2006-2015年34所985高校专利申请数据为基础，实证检验知识积累、合作网络中合作广度和深度3个要素对高校产学研合作创新绩效的影响，验证了合作广度的中介效应，以及网络特征的交互效应,揭示了三者的作用路径。结论及相关说明主要有两点。

首先，研究表明知识积累对合作创新绩效的直接效应很小，但可以通过产学研合作网络特征的中介效应间接影响合作创新绩效。知识积累决定了高校理解和应用新知识的范围与能力，是其进行合作伙伴识别和选择的关键，丰厚的知识积累可以扩大合作关系的广泛程度。但是知识积累对合作深度的提升效果不够明显，其主要因为目前产学研合作中大多为校企或研企合作，主体热衷于通过外部合作来获取异质性知识，而深度合作大多存在于同质机构中，如学校与研究机构或其下属企业。

其次，产学研合作网络结构特征和嵌入特征对创新绩效的正向影响得到了验证。合作广度可以帮助高校汲取更多异质性知识，突破知识刚性对创新能力的限制，组合新知识与现有知识，从而实现产学研合作创新绩效的增加。重复合作有利于创新主体之间建立紧密的信任关系，促进关键知识的共享和转移，降低创新风险和技术不确定性，从而提高产学研合作创新绩效。此外高校产学研合作广度和合作深度对合作创新绩效有正向交互影响，即随着合作广度的增加，合作深度对合作创新绩效影响效果也会增加。对于拥有广泛合作者的高校来说，其不仅可以获得差异化、多样化的知识或信息，而且能够通过深度合作深入了解和挖掘合作伙伴的创新资源，创造出新的价值，提高创新产出。

(二)政策建议

根据上述结论，提出推动高校开展产学研合作创新以及提高合作创新绩效的政策建议:

1.创新绩效与知识积累水平密切相关，知识经济时代中，随着市场竞争和科技变革的愈加激烈，知识积累在产学研合作中发挥着越来越重要的作用。高校应该重视自身知识积累水平，充分挖掘现有知识的价值，更好地利用相关知识创造新的价值。

2.在合作双方高度参与的前提下，双方进一步的相互理解和信任会带来良好的合作效果。因此，高校应该加强与现有合作伙伴的联系，增加双方科研方面的交流和探讨，邀请优秀合作伙伴开展创新活动，如大学生创新创业大赛等。这既有利于加强产学研合作关系，又有利于引导高校科研人员科研成果转化，最终提高高校的创新绩效。

3.高校应寻求更多的合作伙伴，建立更多的合作关系。一方面，高校自身的知识积累需要通过与合作伙伴交流和共享差异化、多样化的知识，才能充分发挥作用;另一方面，广泛和紧密的合作关系可以为高校注入新的知识，创造新的价值。高校可以参与到各个层面的产学研合作交流中，鼓励本校科研人员与外界合作，同时邀请更多企业和科研机构参与校内的创新活动。