毛薦其 武憲云 劉 娜

1 引 言

創(chuàng)新是復(fù)雜的知識搜索過程，在這個過程中，知識被創(chuàng)新主體以多種方式增加、刪除、轉(zhuǎn)換、修改、重新組合或重新解釋。當(dāng)今，知識日趨分散化，認知到知識搜索在創(chuàng)新過程中的普遍性和重要性，學(xué)者開展了知識搜索驅(qū)動力或知識搜索的方法研究。在這些有關(guān)知識搜索前因的研究中，一些研究反映了微觀方法，主要關(guān)注個體特征如個人以往經(jīng)驗或個人社會關(guān)系（Dosi 等，2003［1］；Paruchuri 和 Awate，2017［2］）；另一些研究采取更加宏觀的方法，關(guān)注企業(yè)層面的特征，如吸收能力、組織懈怠、組織結(jié)構(gòu)、聯(lián)盟、總部的作用、組織年齡和規(guī)模等（Fabrizio，2009［3］；Jansen 等，2006［4］；Monteiro，2015［5］）。本研究中，我們試圖補充這兩個早期的研究學(xué)派，關(guān)注發(fā)明者的多層次創(chuàng)新網(wǎng)絡(luò)嵌入，尤其是發(fā)明者占據(jù)的跨層次網(wǎng)絡(luò)特征對其知識搜索行為帶來的機會及約束。

創(chuàng)新主體的創(chuàng)新活動嵌入在復(fù)雜交互的創(chuàng)新網(wǎng)絡(luò)中，網(wǎng)絡(luò)潛在地為創(chuàng)新主體提供知識搜索的機會或制約其知識搜索行為。學(xué)者研究了創(chuàng)新主體間以研發(fā)合作關(guān)系所形成的合作創(chuàng)新網(wǎng)絡(luò)對知識搜索的影響機制，因為研發(fā)合作關(guān)系作為社會關(guān)系的一種，表征了社會資本，代表了知識和信息的流通及搜索渠道（劉娜，2017［6］；Guan 和 Liu，2016［7］）。創(chuàng)新主體通過嵌入在這種類型的網(wǎng)絡(luò)中，能夠在創(chuàng)新過程中獲取、搜索、傳遞和應(yīng)用合作網(wǎng)絡(luò)中其他行動者擁有的相關(guān)知識和信息，此外，社會資本也可能制約創(chuàng)新主體的知識行為。其中，創(chuàng)新主體占據(jù)的合作創(chuàng)新網(wǎng)絡(luò)的結(jié)構(gòu)位置如結(jié)構(gòu)洞、中心或外圍位置及關(guān)系特征如關(guān)系強弱等對其知識搜索行為的影響是當(dāng)前學(xué)者關(guān)注的一大熱點（Paruchuri 和 Awate，2017［2］； 吳松強等，2018［8］）。近年來，關(guān)于合作創(chuàng)新網(wǎng)絡(luò)對知識搜索影響機制的研究成果不斷涌現(xiàn)，推動了創(chuàng)新主體的知識搜索行為。然而，這些研究關(guān)注的是以創(chuàng)新主體間合作類型的社會關(guān)系為單一連接機制所形成的單一層面的創(chuàng)新網(wǎng)絡(luò)的關(guān)系或結(jié)構(gòu)特征的作用。

在創(chuàng)新實踐中，創(chuàng)新主體的網(wǎng)絡(luò)關(guān)系呈現(xiàn)出多重性并通過各種類型的網(wǎng)絡(luò)關(guān)系不斷地開放其研發(fā)邊界。創(chuàng)新主體除了嵌入在以研發(fā)合作類型的社會關(guān)系所形成的合作創(chuàng)新網(wǎng)絡(luò)中，還嵌入在以知識組合連接關(guān)系形成的知識網(wǎng)絡(luò)中。學(xué)者將組織的知識表示為企業(yè)進行發(fā)明活動使用的知識元素集合，當(dāng)前研究已關(guān)注企業(yè)知識存量結(jié)構(gòu)是創(chuàng)新的決定因素（劉娜，2017［6］； Guan 和 Liu，2016［7］； Brennecke 和Rank，2017［9］）。在知識結(jié)構(gòu)表示中，企業(yè)知識是知識元素聯(lián)系的集合，能夠被概念化為一個網(wǎng)絡(luò)。在這個網(wǎng)絡(luò)中，知識元素體現(xiàn)為離散知識，它們之間的連接體現(xiàn)為在知識創(chuàng)造或發(fā)明過程中創(chuàng)新主體是否及如何組合它們（劉娜，2017［6］； Guan和 Liu，2016［7］）。對于知識搜索而言，知識元素間的關(guān)聯(lián)關(guān)系甚至比知識元素本身更為重要，因為關(guān)聯(lián)關(guān)系作為知識流通和搜索的渠道并且指引著知識元素未來潛在的組合或重組，創(chuàng)新主體通過這些關(guān)聯(lián)關(guān)系能夠搜索到知識組合性的機會或新知識元素（Yayavaram 和 Ahuja，2008［10］）。從關(guān)系本質(zhì)上來看，合作網(wǎng)絡(luò)強調(diào)基于社會搜索（Social-based Search）的重要性，而知識網(wǎng)絡(luò)強調(diào)基于知識搜索（Knowledge-based Search）的重要性?？紤]到創(chuàng)新主體的合作和知識關(guān)系嵌入性，全面理解知識搜索的前因，需要同時關(guān)注基于社會搜索和基于知識搜索的關(guān)鍵作用。

然而，就目前文獻來看，學(xué)者忽視了創(chuàng)新主體同時嵌入合作創(chuàng)新網(wǎng)絡(luò)和知識網(wǎng)絡(luò)的事實，很少有研究將基于社會搜索和基于知識搜索集成在一個研究框架中。極少數(shù)學(xué)者比如 Wang 等（2014）［6］、Guan 和 Liu（2016）［7］及劉娜（2017）［11］等的研究同時涉及了這兩個不同性質(zhì)的網(wǎng)絡(luò)，他們研究發(fā)現(xiàn)合作網(wǎng)絡(luò)和知識網(wǎng)絡(luò)是解耦的且它們的結(jié)構(gòu)和關(guān)系特征以不同的方式影響著創(chuàng)新主體的創(chuàng)新。雖然這些學(xué)者認知到了創(chuàng)新主體的多重網(wǎng)絡(luò)關(guān)系嵌入，但研究實施過程仍然將不同網(wǎng)絡(luò)關(guān)系概念為一個單一層面的網(wǎng)絡(luò)，仍然探索不同連接關(guān)系對創(chuàng)新的獨立效應(yīng)。

實際上，合作網(wǎng)絡(luò)和知識網(wǎng)絡(luò)雖然具有獨特的結(jié)構(gòu)特征，但它們并不是完全相互獨立的（劉娜，2017［6］； 毛薦其等，2019［11］）。因為，知識元素隸屬于創(chuàng)新主體，知識元素與創(chuàng)新主體之間形成二分隸屬網(wǎng)絡(luò)。二分隸屬網(wǎng)絡(luò)將創(chuàng)新主體和知識網(wǎng)絡(luò)中的單個知識元素連接起來，它實際上連接了合作網(wǎng)絡(luò)和知識網(wǎng)絡(luò)。合作網(wǎng)絡(luò)、知識網(wǎng)絡(luò)、二部隸屬網(wǎng)絡(luò)本質(zhì)上雖是不同的，但形成了一個嵌套的多層次網(wǎng)絡(luò)結(jié)構(gòu)。多層次網(wǎng)絡(luò)是一個定義在不同層面的不同類型的節(jié)點及其一個層面內(nèi)部和跨層面的連接關(guān)系所形成的層級網(wǎng)絡(luò)結(jié)構(gòu)（Lazega 和 Snijders，2015［12］； Lomi 和 Robins，2016［13］）。具體來說，一個網(wǎng)絡(luò)是多層的，它不僅包含多種不同類型的關(guān)系，而且節(jié)點集包含的實體被定義在不同的層面。從近年來新興的多層次網(wǎng)絡(luò)理論來看，創(chuàng)新主體間的合作關(guān)系、創(chuàng)新主體與知識元素間的隸屬關(guān)系及知識元素間的組合關(guān)系形成了一個多層級的創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)，如圖1所示。創(chuàng)新主體所嵌入的多層次創(chuàng)新網(wǎng)絡(luò)能夠更加真實全面地反映創(chuàng)新實踐系統(tǒng)中的層級結(jié)構(gòu)及多要素主體間的多樣化聯(lián)系。因此，采用多重網(wǎng)絡(luò)的視角探索網(wǎng)絡(luò)嵌入對知識搜索的影響機制顯然是有益的。由于多層次網(wǎng)絡(luò)強大的解釋力，Brennecke 和 Rank（2017）［9］首次使用新興的多層次網(wǎng)絡(luò)方法研究創(chuàng)新問題，他們將知識元素間的連接關(guān)系、知識元素與發(fā)明者的隸屬關(guān)系以及發(fā)明者間工作相關(guān)的建議連接關(guān)系集成在一個多層次網(wǎng)絡(luò)分析框架中，使用多層指數(shù)隨機圖模型進行實證，發(fā)現(xiàn)企業(yè)的知識存量結(jié)構(gòu)特征影響發(fā)明者間的人際交互關(guān)系，進而影響組織內(nèi)部的知識擴散和企業(yè)的組合能力。目前，我們尚未發(fā)現(xiàn)有研究探討多層次創(chuàng)新網(wǎng)絡(luò)的跨層網(wǎng)絡(luò)結(jié)構(gòu)的功能機制。

綜上，本研究關(guān)注個體發(fā)明者，從多重網(wǎng)絡(luò)視角及多層面出發(fā)，將知識元素間的連接關(guān)系、知識元素與發(fā)明者間的隸屬關(guān)系以及發(fā)明者間的合作關(guān)系集成在一個多層次網(wǎng)絡(luò)分析框架中（如圖1所示），研究發(fā)明者在所嵌入的多層次創(chuàng)新網(wǎng)絡(luò)中占據(jù)的跨層次網(wǎng)絡(luò)結(jié)構(gòu)特征包括跨層凝聚性（Cross-layer Coherence）和跨層連通性（Cross-layer Connectivity），探索發(fā)明者的跨層次網(wǎng)絡(luò)結(jié)構(gòu)特征如何影響其知識搜索行為，它們對發(fā)明者知識搜索的作用是否受到情景因素的影響？鑒于此，我們以中國華為公司和美國蘋果公司兩家技術(shù)密集型企業(yè)為研究對象，分別構(gòu)建這兩家公司發(fā)明者的多層次創(chuàng)新網(wǎng)絡(luò)，利用計量模型實證跨層次網(wǎng)絡(luò)結(jié)構(gòu)對知識搜索的影響，并引入從屬點度作為調(diào)節(jié)變量，以期從微觀層面（發(fā)明者層面）揭示多層次創(chuàng)新網(wǎng)絡(luò)嵌入對知識搜索的內(nèi)在作用機制，從而拓寬創(chuàng)新網(wǎng)絡(luò)的研究邊界和研究視角，深入理解創(chuàng)新網(wǎng)絡(luò)的運行機理與運行績效，并為發(fā)明者知識搜索行為提供理論指導(dǎo)。

圖1 發(fā)明者多層次創(chuàng)新網(wǎng)絡(luò)示意圖

2 理論與假設(shè)

2.1 發(fā)明者的跨層網(wǎng)絡(luò)結(jié)構(gòu)

在圖1所示的發(fā)明者多層次創(chuàng)新網(wǎng)絡(luò)中，很顯然，一個發(fā)明者可能擁有多個知識元素，一個知識元素可能隸屬于多個發(fā)明者。某個焦點發(fā)明者在多層次創(chuàng)新網(wǎng)絡(luò)中的跨層凝聚性度量該發(fā)明者的鄰域被包含在其直接合作伙伴的鄰域中的趨勢，發(fā)明者的鄰域是隸屬于該發(fā)明者知識元素的集合（Le Blond等，2005［14］； Latapy等，2008［15］）?？鐚幽坌栽谝欢ǔ潭壬虾饬苛税l(fā)明者與其直接合作伙伴擁有共同知識的程度，反映了發(fā)明者、直接合作伙伴和所隸屬的知識元素間連接關(guān)系存在的緊密程度，即三元閉包的存在性。某焦點發(fā)明者在多層次創(chuàng)新網(wǎng)絡(luò)中的跨層連通性度量隸屬于該發(fā)明者的知識元素之間連接的程度（Latapy等，2008［15］）。隸屬于該發(fā)明者的知識元素間連接關(guān)系的形成可能源于該發(fā)明者在其發(fā)明創(chuàng)造過程中對知識的組合或重組，也可能源于其他發(fā)明者在發(fā)明創(chuàng)造過程中對知識的組合或重組，因為一個知識元素可能隸屬于多個發(fā)明者?？鐚舆B通性越高說明隸屬于發(fā)明者的知識元素間連接性越緊密。焦點發(fā)明者的從屬點度度量隸屬于該發(fā)明者的知識元素與其他知識元素的關(guān)聯(lián)性，從屬點度越高，說明隸屬于發(fā)明者的知識元素擁有的知識連接關(guān)系越多，越占據(jù)中心的網(wǎng)絡(luò)位置（Borgatti 和Halgin，2011［16］）。

2.2 知識搜索維度

知識搜索是為了適應(yīng)所處外界情景及解決創(chuàng)新過程中面臨的問題,創(chuàng)新主體對知識進行搜尋、獲取、整合及利用的活動過程（劉娜等，2019［17］）。自知識搜索概念提出以來，學(xué)者基于不同視角對知識搜索進行了維度劃分。知識搜索維度是對創(chuàng)新主體知識搜索行為的描述，反映了創(chuàng)新主體的知識搜索特征。概況起來，常見的劃分維度有單維劃分、二維劃分及三維劃分。單維劃分中，Nelson和Winter（1982）［18］根據(jù)搜索的地域范圍及知識相近程度，提出了遠程搜索與本地搜索。二維劃分中，Katila和Ahuja（2002）［19］從“在哪搜索”及“如何搜索”的視角將知識搜索劃分為廣度搜索和深度搜索。三維劃分中，Sidhu（2007）［20］等從供應(yīng)維、需求維及地理維對知識搜索進行劃分。單維劃分相對來說不能完全描述創(chuàng)新主體的知識搜索行為；而三維劃分各維度彼此間存在交叉，二級子維度不在同一水平面，因此測量時可能存在子群誤差。在本研究中，我們借鑒Katila和Ahuja（2002）［19］的二維劃分，用知識搜索廣度與深度兩個經(jīng)典維度描述發(fā)明者的知識搜索行為。其中，知識搜索廣度是指知識搜索渠道的數(shù)量，反映發(fā)明者知識搜索的范圍；知識搜索深度是指從渠道中獲取知識的力度，反映知識搜索的強度。

2.3 跨層凝聚性對發(fā)明者知識搜索行為的影響

當(dāng)焦點發(fā)明者、直接合作伙伴及其知識元素間連接形成穩(wěn)定、封閉和密集的網(wǎng)絡(luò)結(jié)構(gòu)時，多層次創(chuàng)新網(wǎng)絡(luò)表現(xiàn)出跨層凝聚性。在跨層凝聚的網(wǎng)絡(luò)中，焦點發(fā)明者與其直接合作伙伴擁有共同的知識元素。凝聚性的網(wǎng)絡(luò)結(jié)構(gòu)通過三個方面的機制影響發(fā)明者的知識搜索行為。一，聯(lián)系緊密的網(wǎng)絡(luò)產(chǎn)生規(guī)范和制裁，促進合作交流和提高信任度并培養(yǎng)信任和開放（Coleman，1988［21］），從而利用發(fā)明者自由參與思想和知識的交流并促進細粒度知識和信息的傳遞。二，凝聚性促進知識溢出和重新組合，增強發(fā)明者的知識吸收能力。發(fā)明者通過密集的連接能夠證實搜集到的信息的質(zhì)量、精確性和可靠性，確認信息的能力以及促進信息和知識的交流（Reagans和Mcevily，2003［22］）。三，凝聚性使得發(fā)明者具有有效訪問和利用所處集群中資源的優(yōu)勢。通過創(chuàng)建共同的意識，凝聚性有助于發(fā)明者間的相互協(xié)調(diào)，基于相似性知識基礎(chǔ)或人力資本，發(fā)明者進行異質(zhì)性的努力開發(fā)相關(guān)技術(shù)，避免工作的復(fù)制（Mariana等，2018［23］）。

當(dāng)某焦點發(fā)明者的跨層凝聚性過高時，其所處的局部網(wǎng)絡(luò)因為連接關(guān)系的密集性而具有更多的冗余結(jié)構(gòu)。發(fā)明者在這樣的網(wǎng)絡(luò)結(jié)構(gòu)中進行知識搜索受到的約束就越多，因為受到局部搜索社會慣性和知識慣性的雙重影響。慣性是凝聚性的網(wǎng)絡(luò)結(jié)構(gòu)中常見的現(xiàn)象，意味著一種趨勢，即替代和變化是被動的（劉娜，2017［6］）?？鐚幽坌赃^高時，焦點發(fā)明者與其直接伙伴間擁有更多相同的知識資源，從而發(fā)明者失去對知識的獨占性，導(dǎo)致知識同質(zhì)化現(xiàn)象嚴(yán)重。此外，凝聚性過高時，發(fā)明者之間得以充分溝通交流，發(fā)明者依靠現(xiàn)有的社會關(guān)系和知識關(guān)系進行搜索知識時就會形成自身惰性，阻礙其獲得更多外界新穎的知識。再者，發(fā)明者探索新思想需要一定的搜索成本、學(xué)習(xí)成本和機會成本，鑒于這些成本，當(dāng)一個發(fā)明者鎖定在過度凝聚的網(wǎng)絡(luò)結(jié)構(gòu)中時，發(fā)明者不愿投資時間和金錢探索新知識和新思想。探索新知識和新思想的不可預(yù)知性、不確定性和偶然性也會抑制發(fā)明者的知識搜索行為。

綜上，我們可以得出適度跨層凝聚性促進發(fā)明者的知識搜索行為，而過度跨層凝聚性阻礙發(fā)明者知識搜索行為，提出如下假設(shè)：

H1a：發(fā)明者的跨層凝聚性對其知識搜索深度的影響呈倒U型。

H1b：發(fā)明者的跨層凝聚性對其知識搜索廣度的影響呈倒U型。

2.4 跨層連通性對發(fā)明者知識搜索行為的影響

當(dāng)隸屬于某個焦點發(fā)明者的知識元素間連接關(guān)系較多時，發(fā)明者的跨層連通性較高。實際上，發(fā)明者在多層次創(chuàng)新網(wǎng)絡(luò)中的跨層連通性反映了隸屬于發(fā)明者的知識元素在過去發(fā)明創(chuàng)造中被組合或重組的程度（Guan 和 Liu，2016［7］），這對發(fā)明者的知識搜索行為至關(guān)重要。發(fā)明者單憑自身與其他發(fā)明者間的合作關(guān)系即社會關(guān)系并不能高效的進行知識的搜索及重組，在很大程度上，發(fā)明者的知識搜索行為取決于其知識的結(jié)構(gòu)特征即知識連接關(guān)系（毛薦其等，2019［11］）。發(fā)明者的跨層連通性為其知識搜索行為提供結(jié)合和重組機會（Yayavaram和 Ahuja，2008［10］）。一方面，發(fā)明者的跨層連通性較高說明發(fā)明者能夠很好地理解自己擁有的知識并將其進行合理高效的運用。發(fā)明者對過去知識組合經(jīng)歷的充分理解可增加知識未來組合性潛力，因為，當(dāng)為熟悉的知識搜尋組合性機會時，很容易形成慣例、標(biāo)準(zhǔn)和模式，從而提高搜索效率（Boh等，2014［24］）。另一方面，發(fā)明者的跨層連通性提高了知識在網(wǎng)絡(luò)中傳播的速度、范圍和保真度，從而為發(fā)明者知識搜索和重組提供機會。

然而，當(dāng)發(fā)明者的跨層連通性過高時，則不利于發(fā)明者的知識搜索行為。一方面，冗余知識和重復(fù)信息在過度連通的網(wǎng)絡(luò)中傳播的更加容易，由于網(wǎng)絡(luò)中冗余知識和重復(fù)信息的傳播，新穎的想法和知識將被抑制（Gargiulo 和Benassi，2000［25］），從而限制發(fā)明者的知識搜索行為。另一方面，在過度連通的網(wǎng)絡(luò)中，由于知識元間的連通性強，進而知識傳遞渠道過多，過多的知識傳遞渠道會產(chǎn)生重復(fù)的傳遞，使得知識傳遞速度較慢，降低知識傳遞效率。在過度連通的網(wǎng)絡(luò)中，由于知識傳遞邊際效應(yīng)的降低，發(fā)明者進行創(chuàng)新活動的成本便會相對增加。

綜上，我們可以得出適度跨層連通性促進發(fā)明者的知識搜索行為，而過度跨層連通性阻礙發(fā)明者知識搜索行為，提出如下假設(shè)：

H2a：發(fā)明者的跨層連通性對其知識搜索深度的影響呈倒U型。

H2b：發(fā)明者的跨層連通性對其知識搜索廣度的影響呈倒U型。

2.5 從屬點度的調(diào)節(jié)作用

發(fā)明者在多層次創(chuàng)新網(wǎng)絡(luò)中的從屬點度顯示了其知識元素的組合性潛力，這其中包括了與其未發(fā)生組合關(guān)系的新知識元素及過去已發(fā)生組合關(guān)系的舊知識元素。焦點發(fā)明者的從屬點度高說明其知識元素在知識網(wǎng)絡(luò)中占據(jù)重要位置，發(fā)明者更容易訪問和接觸到廣泛的知識元素（Lee等，2016［26］）。此外，從屬點度高的發(fā)明者對中心化知識的占有，可以使發(fā)明者獲得更多的威望和權(quán)力，從而具有更多的機會與其他發(fā)明者進行交流合作。發(fā)明者適度的跨層凝聚性產(chǎn)生社會規(guī)范、有助于精細和可靠知識與信息的傳遞與交流、具有有效訪問和利用資源的優(yōu)勢，高從屬點度則會促進發(fā)明者接觸到廣泛的知識元素，進一步促進發(fā)明者知識搜索深度與知識搜索廣度。

發(fā)明者的過度跨層凝聚產(chǎn)生慣性趨勢、導(dǎo)致知識同質(zhì)化嚴(yán)重、提高知識搜索成本。在發(fā)明者高從屬點度情況下，一方面，既使花費較少的成本也能獲取一定數(shù)量的知識資源，這會加強發(fā)明者在過度凝聚網(wǎng)絡(luò)中的自身惰性，阻礙其獲取新穎知識。另一方面，從屬點度高的發(fā)明者連接到更多的知識元素，加劇知識冗余性，進一步提高知識搜索成本。因此，高從屬點度增強過度跨層凝聚對知識搜索行為的負向影響。

據(jù)此，提出如下假設(shè)：

H3a：發(fā)明者的從屬點度正向調(diào)節(jié)跨層凝聚性與知識搜索深度間的倒U型關(guān)系。

H3b：發(fā)明者的從屬點度正向調(diào)節(jié)跨層凝聚性與知識搜索廣度間的倒U型關(guān)系。

發(fā)明者的適度跨層連通性很容易形成慣例、標(biāo)準(zhǔn)和模式，從而提高知識在網(wǎng)絡(luò)中傳播的速度和知識的保真度，促進發(fā)明者的知識搜索行為。發(fā)明者的從屬點度顯示了發(fā)明者接觸知識的范圍及知識的組合潛力。高從屬點度的發(fā)明者能接觸廣泛的知識且具有高的組合潛力，從而促進適度跨層連通性對知識搜索行為的正向影響。

發(fā)明者的過度跨層連通性容易傳遞冗余知識和重復(fù)信息，過多的知識傳遞渠道也降低了知識傳遞效率，從而抑制發(fā)明者的知識搜索行為。高從屬點度的發(fā)明者又接觸到廣泛的知識，這其中包括隸屬于該發(fā)明者的知識也包括隸屬于其他發(fā)明者的知識。因而，高從屬點度進一步增加了知識傳遞渠道，降低知識傳遞邊際效用。因此，高從屬點度增強過度跨層連通性對發(fā)明者知識搜索行為的抑制作用。

據(jù)此，提出如下假設(shè)：

H3c：多網(wǎng)絡(luò)的從屬點度正向調(diào)節(jié)跨層連通性與發(fā)明者知識搜索深度間的倒U型關(guān)系

H3d：多網(wǎng)絡(luò)的從屬點度正向調(diào)節(jié)跨層連通性與發(fā)明者知識搜索廣度間的倒U型關(guān)系

綜上研究假設(shè)，本研究構(gòu)建的理論模型如圖2所示：

圖2 理論模型

3 研究方法

3.1 數(shù)據(jù)

電子通訊設(shè)備行業(yè)作為技術(shù)密集型高技術(shù)行業(yè)，大多數(shù)企業(yè)創(chuàng)新活動比較頻繁且經(jīng)常利用申請專利保護新技術(shù)或新產(chǎn)品。因此，本研究選擇以電子通訊設(shè)備行業(yè)的企業(yè)為研究對象。一方面，該行業(yè)的企業(yè)申請專利較多，發(fā)明者間的合作創(chuàng)新關(guān)系頻繁；另一方面，該行業(yè)中的企業(yè)需要不斷進行與時俱進的創(chuàng)新活動，發(fā)明者自身具有豐富的知識且對外部知識需求較大。為了避免研究結(jié)果偶然性的發(fā)生，我們同時選擇該行業(yè)兩大代表性公司中國的華為公司和美國的蘋果公司作為研究對象。我們分別收集兩家公司1996-2017年間在美國專利商標(biāo)局（USPTO）申請的專利數(shù)據(jù)。經(jīng)數(shù)據(jù)清洗，最終獲取華為公司在USPTO申請的6354項專利，共5250名發(fā)明者；蘋果公司在USPTO申請的14827項專利，共10017名發(fā)明者。

3.2 知識表征及網(wǎng)絡(luò)構(gòu)建

專利的技術(shù)代碼被認為是知識元素的有效代理（劉娜，2017［6］； Guan 和Liu，2016［7］； 毛薦其等，2019［11］）。學(xué)者常用的技術(shù)代碼包括世界知識產(chǎn)權(quán)局定義的國際專利分類碼（International Patent Classification Codes，IPC）及美國專利商標(biāo)局定義的美國專利分類體系。本研究使用IPC代碼作為知識元素的代理。IPC技術(shù)代碼是一個五級的分層結(jié)構(gòu)。許多研究使用4位IPC代碼表征知識元素，其中包括了部、大類和小類，主要是因為4位IPC代碼實際上能夠充分表達一個專利的技術(shù)或知識特征（劉娜，2017［6］； Guan 和 Liu，2016［7］）。效仿常見做法，本研究也利用4位IPC代碼表征電子通訊設(shè)備行業(yè)中的知識元素。我們提取并刪除重復(fù)的4位IPC代碼后，每項專利能夠被分類到一個或多個4位IPC代碼。

一項專利可能涉及一位或多位發(fā)明者，也可能被分類到一個或多個4位IPC代碼；一個4位IPC代碼可能隸屬于一位或多位發(fā)明者。我們根據(jù)這些信息構(gòu)建發(fā)明者間的合作網(wǎng)絡(luò)、知識元素間知識網(wǎng)絡(luò)及發(fā)明者與知識元素間的隸屬網(wǎng)絡(luò)。我們采用五年移動時間窗，利用Sci2Tool軟件分別構(gòu)建了10期網(wǎng)絡(luò)（2002-2006，2003-2007，……）。因此，我們的發(fā)明者樣本是大樣本面板數(shù)據(jù)。

3.3 變量

（1）因變量

本研究的兩個因變量分別為發(fā)明者的知識搜索廣度及知識搜索深度，我們使用發(fā)明者觀測年（t及t+1年）所申請專利對先前專利的引用情況測度。知識搜索廣度用知識渠道的地域范圍測度，即發(fā)明者觀測年申請專利引用的先前專利所涉及的地理區(qū)域的數(shù)量，涉及的地理區(qū)域范圍數(shù)量越多，知識搜索廣度范圍越大。知識搜索深度用知識搜索的強度測度，即發(fā)明者觀測年申請專利引用先前專利的數(shù)量，引用先前專利數(shù)量越多，知識搜索程度越深入。

（2）自變量

我們借助Le Blond等（2005）［14］和Latapy等（2008）［15］提出的二分最小聚集測度（bipartite min-clustering measure）指標(biāo)，進行延伸并開發(fā)發(fā)明者在多層次創(chuàng)新網(wǎng)絡(luò)中的跨層凝聚性指標(biāo)。在二分網(wǎng)絡(luò)中，一個節(jié)點的二分最小聚集系數(shù)度量該節(jié)點鄰域與其他節(jié)點鄰域間的重疊度（Le Blond等，2005［14］； Latapy等，2008［15］）。二分網(wǎng)絡(luò)與多層次網(wǎng)絡(luò)的區(qū)別在于后者同類型節(jié)點間（同一層面的節(jié)點）存在連接關(guān)系。因此，在多層次創(chuàng)新網(wǎng)絡(luò)中，一個焦點發(fā)明者的二分最小聚集系數(shù)表示該發(fā)明者的鄰域被包含在其直接合作伙伴鄰域中的程度，計算公式為式(1)，其中，u和v是存在直接合作關(guān)系的一對發(fā)明者；N2(u)和N2(v)分別表示與發(fā)明者u和v距離為1的知識元素數(shù)，即隸屬于發(fā)明者u和v的知識元素，也即它們各自的鄰域；|N2(u)∩N2(v)|表示發(fā)明者u和v鄰域的重疊度；min|N2(u),N2(v)|表示發(fā)明者u和v鄰域的絕對最小值。一個焦點發(fā)明者可能具有多個直接合作伙伴，因此，我們將一個焦點發(fā)明者的跨層凝聚性定義為該發(fā)明者與其直接合作伙伴二分最小聚集系數(shù)的平均值，計算公式為式(2)，其中，|N(N1(u))|表示與發(fā)明者u距離為1的發(fā)明者的數(shù)量，即的直接合作伙伴。

發(fā)明者的跨層連通性表征隸屬于發(fā)明者的知識元素間連接關(guān)系的緊密程度，我們使用隸屬于發(fā)明者的知識元素間實際存在的連接數(shù)與可能存在的最大連接數(shù)的比例來測度，具體計算公式為式(3)，其中，u表示焦點發(fā)明者；|EN2(u)|表示與發(fā)明者u距離為1（隸屬于u）的知識元素間存在的連接數(shù)；表示隸屬于發(fā)明者u的知識元素間存在的最大連接數(shù)。

（3）調(diào)節(jié)變量

在簡單的一模網(wǎng)絡(luò)中點度表示焦點節(jié)點與其直接連接的其他節(jié)點的數(shù)量。Borgatti和Halgin（2011）［16］提出了二模隸屬網(wǎng)絡(luò)點度的概念，即隸屬于某焦點節(jié)點的另一個集合節(jié)點的數(shù)量。在多層次創(chuàng)新網(wǎng)絡(luò)中，我們使用發(fā)明者的從屬點度度量隸屬于該發(fā)明者的知識元素與其他知識元素的關(guān)聯(lián)度，具體計算公式為式(4)，其中，∑d2(ui)表示隸屬于發(fā)明者的各個知識元素的直接連接的知識元素的數(shù)量之和，N2(u)表示與發(fā)明者u距離為1的知識元素數(shù)，即隸屬于發(fā)明者的知識元素數(shù)。

（4）控制變量

為了避免其他因素的干擾，我們引入如下控制變量。任期，發(fā)明者任期是觀測年與發(fā)明者首次申請專利的年份間的差值，發(fā)明者累積的認知能力可能會影響其知識搜索行為，任期越長，往往經(jīng)驗越豐富。專利存量，發(fā)明者進入觀測年前五年申請的專利總量，它在一定程度上衡量了發(fā)明者之前的創(chuàng)造力。此外，我們控制可能對發(fā)明者知識搜索行為產(chǎn)生影響的合作網(wǎng)絡(luò)的特征變量，具體包括結(jié)構(gòu)洞和平均路徑。

3.4 模型設(shè)定

因變量知識搜索廣度與知識搜索深度都只取非負整數(shù)值，因而對數(shù)據(jù)使用普通線性回歸模型將產(chǎn)生不一致、低效和有偏的系數(shù)估計。學(xué)者經(jīng)常使用計數(shù)模型如泊松模型或負二項模型來處理計數(shù)型的被解釋變量。泊松模型需要滿足均值等于方差的限制性假設(shè)。然而，本研究的兩個因變量呈現(xiàn)過度分散。負二項模型可以處理計數(shù)型被解釋變量的過度分散問題，因此，本研究選擇使用負二項模型來放松均值-方差相等的假設(shè)并驗證我們的理論模型。此外，我們根據(jù)Hausman檢驗對負二項隨機效應(yīng)和負二項固定效應(yīng)進行選擇，檢驗結(jié)果支持選擇負二項固定效應(yīng)模型。

4 研究結(jié)果

4.1 描述性統(tǒng)計

表1和表2給出了華為公司和蘋果公司樣本數(shù)據(jù)各個變量的均值、標(biāo)準(zhǔn)差、方差膨脹因子（VIF）及其相關(guān)系數(shù)等。在我們的模型中，方差膨脹因子(VIF)都低于10，因此多重共線性不是特別大的問題。此外，跨層凝聚性和跨層連通性兩個自變量與知識搜索深度及知識搜索廣度的相關(guān)系數(shù)都為正。

表1 華為公司描述性統(tǒng)計與相關(guān)系數(shù)

表2 蘋果公司描述性統(tǒng)計與相關(guān)系數(shù)

4.2 回歸結(jié)果

選取單一公司的研發(fā)數(shù)據(jù)進行實證，研究結(jié)果可能存在一定的偶然性。為了避免單一個案研究的局限性，本文選取華為公司和蘋果公司兩家公司分別進行實證回歸并將研究結(jié)果進行對比分析。表3和表4分別給出了這兩家公司樣本數(shù)據(jù)的固定效應(yīng)負二項回歸結(jié)果。其中，模型1a和1b都只含控制變量，為基本模型；模型2a和2b在基本模型的基礎(chǔ)上添加了自變量跨層凝聚性，用以驗證假設(shè)H1a和H1b；模型3a和3b在模型2a

和2b的基礎(chǔ)上添加了調(diào)節(jié)變量從屬點度、從屬點度與跨層凝聚性及其二次項的乘積項，用以驗證假設(shè)H3a和H3b；模型4a和4b在基本模型的基礎(chǔ)上添加了自變量跨層連通性，用以驗證假設(shè)H2a和H2b；模型5a和5b在模型4a和4b的基礎(chǔ)上添加了調(diào)節(jié)變量從屬點度、從屬點度與跨層連通性及其二次項的乘積項，用以驗證假設(shè)H3c和H3d。

表3 華為公司固定效應(yīng)的負二項回歸結(jié)果

續(xù)表

假設(shè)H1a、H1b分別提出發(fā)明者的跨層凝聚性對其知識搜索深度及知識搜索廣度的影響呈倒U型。表3針對華為公司的回歸中，模型2a和2b中跨層凝聚性二次項系數(shù)的符號與預(yù)期一致，且在統(tǒng)計上顯著（β=-0.076，p＜0.01；β=-0.060，p＜0.01）；表4針對蘋果公司的回歸中，模型2a和2b的跨層凝聚性二次項系數(shù)的符號也與預(yù)期一致，且在統(tǒng)計上顯著（β=-0.595，p＜0.01；β=-0.479，p＜0.01）。據(jù)此，華為公司和蘋果公司的樣本數(shù)據(jù)都驗證了假設(shè)H1a和H1b。

假設(shè)H2a、H2b認為發(fā)明者的跨層連通性對其知識搜索深度及知識廣度的影響呈倒U型。表3中，模型4a的跨層連通性二次項系數(shù)的符號與預(yù)期一致且在統(tǒng)計上顯著（β=-0.104，p＜0.01）；然而，模型4b的跨層連通性二次項系數(shù)的符號與預(yù)期不一致且統(tǒng)計上不顯著（β=0.010；p＞0.1）。因此，華為公司樣本數(shù)據(jù)支持假設(shè)H2a，不支持假設(shè)H2b。表4中，模型4a和4b的跨層連通性二次項系數(shù)的符號與預(yù)期一致在統(tǒng)計上顯著（β=-0.062，p＜0.01；β=-0.323，p＜0.01）。因此，蘋果公司的樣本數(shù)據(jù)支持假設(shè)H2a和H2b。我們從華為公司的人才戰(zhàn)略來解釋華為公司樣本數(shù)據(jù)為什么不支持假設(shè)H2b。華為公司的研發(fā)人員以年輕人為主，且外籍員工不斷增加，截止到2018年，在海外的本地員工已經(jīng)超過70%，且員工間交流頻繁。正是華為公司的這種人才戰(zhàn)略使得發(fā)明者跨層連通性過高時，只是進一步加強了知識間的交流，使得發(fā)明者接觸更廣范圍的知識，知識搜索的邊際效用沒有因此嚴(yán)重下降，同樣促進發(fā)明者的知識搜索廣度。

表4 蘋果公司固定效應(yīng)的負二項回歸結(jié)果

續(xù)表

假設(shè)H3a、H3b認為發(fā)明者的從屬點度正向調(diào)節(jié)其跨層凝聚性與知識搜索深度及知識搜索廣度間的倒U型關(guān)系。表3中，模型3a和3b的跨層凝聚性^2╳從屬點度的系數(shù)的符號及顯著性水平 (β=0.062，p＜0.01；β=0.030，p＜0.01)支持假設(shè)H4a。因此，華為公司樣本數(shù)據(jù)驗證了假設(shè)H3a和H3b。表4中，模型3a的跨層凝聚性^2╳從屬點度的系數(shù)的符號及顯著性水平(β=0.071，p＜0.1)支持假設(shè)H3a；模型3b的跨層凝聚性^2╳從屬點度的系數(shù)的符號與預(yù)期一致(β=0.019)，但統(tǒng)計顯著性不成立，因此不支持假設(shè)H3b。蘋果公司在電子通信行業(yè)屬于領(lǐng)軍企業(yè)，擁有龐大的研發(fā)團隊，研發(fā)人員來自世界各地且具有豐富及高質(zhì)量的知識儲備。高從屬點度意味著隸屬于發(fā)明者的知識元素與更多知識連接，從而為發(fā)明者創(chuàng)造接觸其他知識資源的機會。知識本身占優(yōu)的蘋果公司的發(fā)明者完全可以憑借自身資源及跨層凝聚性獲取更廣泛的知識元素，因此，從屬點度對跨層凝聚性與知識搜索廣度間的倒U型關(guān)系的正向調(diào)節(jié)作用不明顯。

假設(shè)H3c、H3d提出發(fā)明者的從屬點度能夠加強其跨層連通性與知識搜索深度與知識搜索廣度之間的倒U型影響。表3和表4中模型5a跨層連通性^2╳從屬點度的系數(shù)符合及顯著性水平（β=0.042，p＜0.1；β=0.015，p＜0.01）支持假設(shè)H3c。表3和表4中，模型5b跨層連通性^2╳從屬點度的系數(shù)及顯著性分別為：β=0.019，p＞0.1；β=0.016，p＜0.01，可知，華為公司樣本數(shù)據(jù)不支持假設(shè)H3d，而蘋果公司的樣本數(shù)據(jù)驗證了假設(shè)H3d。雖然只有蘋果公司的樣本數(shù)據(jù)驗證了假設(shè)H3d，但我們認為從屬點度能夠正向調(diào)節(jié)跨層連通性與知識搜索廣度間的倒U型影響。華為公司主要以國內(nèi)博士生及部分俄羅斯數(shù)學(xué)家為主進行理論研究及產(chǎn)品開發(fā)，同時與國內(nèi)高校進行合作研究。華為公司雖然不斷地在全球范圍內(nèi)建設(shè)研發(fā)中心，但目前主要的研發(fā)人員還是局限于國內(nèi)人員。華為公司對員工以制度管理為主，蘋果公司則實現(xiàn)了自我管理。相比之下，條條框框的約束限制了華為人的創(chuàng)造力。因此，華為公司研發(fā)人員地域范圍有限，擁有的知識范圍也因此受限。因此，當(dāng)從屬點度增加時，發(fā)明者增加的是接觸更多數(shù)量的知識元素的機會，而不是增加接觸更廣范圍知識元素的機會。所以，在華為公司中，發(fā)明者從屬點度對其跨層連通性與知識搜索廣度間的作用并不明顯。

4.3 調(diào)節(jié)效應(yīng)

為了更加直觀的表示出調(diào)節(jié)變量對自變量和因變量間關(guān)系的影響，我們分別根據(jù)發(fā)明者跨層凝聚性和跨層連通性的平均數(shù)值，將樣本分為高、低組，分別畫出兩個公司的調(diào)節(jié)作用效果圖。

圖3 華為公司從屬點度調(diào)節(jié)效應(yīng)圖

圖3和圖4展示了華為公司與蘋果公司的發(fā)明者從屬點度對其跨層凝聚性、跨層連通性與知識搜索深度與知識搜索廣度間關(guān)系的調(diào)節(jié)效應(yīng)。圖3中1a與圖4中1b展示了從屬點度調(diào)節(jié)發(fā)明者跨層凝聚性與知識搜索深度間的關(guān)系，可知，跨層凝聚性與知識搜索深度間存在倒U型關(guān)系，且從屬點度加強了這種關(guān)系，即相對于低從屬點度的發(fā)明者，高從屬點度的發(fā)明者增強其倒U型關(guān)系中的正向促進關(guān)系，同樣增強其倒U型關(guān)系中的抑制關(guān)系。圖3中3a和圖4中3b給出了從屬點度對跨層凝聚性與知識搜索廣度間關(guān)系的調(diào)節(jié)作用圖，可知，3a和3b中雖不是標(biāo)準(zhǔn)的倒U型關(guān)系，但也近似倒U型關(guān)系，且從屬點度加強了這種關(guān)系，即相比于低從屬點度的發(fā)明者，高從屬點度的發(fā)明者增強其倒U關(guān)系中的正向促進作用，同樣增強倒U關(guān)系中的反向抑制作用。

從圖3中2a、圖4中2b可以看出，跨層連通性與知識搜索深度間存在倒U型關(guān)系；相對于低從屬點度的發(fā)明者，發(fā)明者高從屬點度增強了跨層連通性對知識搜索深度的促進作用，同樣高從屬點度增強了跨層連通性對知識搜索深度的反向抑制作用。從圖3中4a可知，華為公司的發(fā)明者跨層連通性與知識搜索廣度間存在近似倒U型關(guān)系。從圖4中4b可知，蘋果公司中發(fā)明者跨層連通性與知識搜索廣度之間存在倒U型關(guān)系。此外，從這兩個圖可以得出，發(fā)明者從屬點度正向調(diào)節(jié)跨層連通性與知識搜索廣度間的倒U型關(guān)系。

圖4 蘋果公司從屬點度調(diào)節(jié)效應(yīng)圖

5 結(jié)論與討論

本研究以華為和蘋果兩家公司發(fā)明者為樣本數(shù)據(jù)，將合作類型的社會關(guān)系、組合類型的知識關(guān)系及從屬類型的隸屬關(guān)系整合在一個多層次網(wǎng)絡(luò)分析框架中，實證研究了發(fā)明者在多層次創(chuàng)新網(wǎng)絡(luò)中的跨層網(wǎng)絡(luò)結(jié)構(gòu)對其知識搜索行為的作用。得出以下結(jié)論：發(fā)明者跨層凝聚性對其知識搜索深度及廣度的影響呈倒U型，即發(fā)明者適度的跨層凝聚性將促進其知識搜索行為，當(dāng)跨層凝聚性過高時，則會抑制其知識搜索行為；同樣，得出發(fā)明者跨層連通性對其知識搜索行為的影響呈倒U型。通過從屬點度對跨層網(wǎng)絡(luò)結(jié)構(gòu)與知識搜索關(guān)系的調(diào)節(jié)作用的研究，可得以下結(jié)論：發(fā)明者從屬點度正向調(diào)節(jié)跨層凝聚性對知識搜索深度及廣度的倒U型作用，說明通過增加發(fā)明者的從屬點度能夠增強適度跨層凝聚性對知識搜索的促進作用，且增強過度跨層凝聚性對知識搜索的抑制作用；同樣，我們得出發(fā)明者從屬點度正向調(diào)節(jié)跨層連通性對知識搜索深度及廣度的倒U型作用。

知識搜索能夠促使企業(yè)獲得豐富的知識及新穎的創(chuàng)意，提高企業(yè)在激烈競爭環(huán)境下的優(yōu)勢。本研究從多層次網(wǎng)絡(luò)理論的視角出發(fā)，將合作關(guān)系、知識關(guān)系及隸屬關(guān)系整合在一個多層次創(chuàng)新網(wǎng)絡(luò)框架中，開展了跨層次網(wǎng)絡(luò)結(jié)構(gòu)的功能機制研究，這將突破當(dāng)前傳統(tǒng)社會網(wǎng)絡(luò)視角研究單一層面創(chuàng)新網(wǎng)絡(luò)只能關(guān)注單一類型節(jié)點及單一連接機制的局限性，將創(chuàng)新網(wǎng)絡(luò)功能機制的研究進一步推向深入。較之傳統(tǒng)的關(guān)注單一連接機制所形成的單一層面的創(chuàng)新網(wǎng)絡(luò)嵌入對企業(yè)創(chuàng)新行為的影響研究，本研究不僅在理論上有較大的創(chuàng)新性，且更能反映實踐系統(tǒng)中的層級結(jié)構(gòu)及多要素主體間的多樣化聯(lián)系，使得研究結(jié)果更加符合企業(yè)創(chuàng)新實際，具有重要的現(xiàn)實指導(dǎo)意義。

本研究也為企業(yè)的日常管理工作提供一定的借鑒?？鐚幽坌栽诒狙芯恐畜w現(xiàn)為企業(yè)內(nèi)部發(fā)明者與其合作伙伴間共同擁有知識元素的情況。當(dāng)發(fā)明者與合作伙伴共同擁有一定數(shù)量的知識元素時，能夠促進相互間知識的交流與傳遞，從而促進知識搜索行為。當(dāng)發(fā)明者與合作伙伴間共有知識元素比例過高時，發(fā)明者則失去了對知識的獨占性。在企業(yè)的創(chuàng)新搜索過程中，獨有的知識往往對知識搜索較為關(guān)鍵。因此，企業(yè)應(yīng)該尋找一個閾值來對企業(yè)內(nèi)部的知識資源進行合理安排，既要讓發(fā)明者間擁有共享知識，也要讓發(fā)明者擁有專享知識。發(fā)明者的跨層連通性體現(xiàn)在實際工作中也就是發(fā)明者所擁有知識元素間的聯(lián)系，知識元素間適度的相關(guān)聯(lián)則有利于發(fā)明者的知識搜索行為，當(dāng)聯(lián)系過于緊密時則會阻礙發(fā)明者的知識搜索行為。因此，發(fā)明者在日常工作中應(yīng)該有選擇性的掌握知識資源，避免掌握的知識資源間存在過于緊密的連接。為了使企業(yè)創(chuàng)新績效達到最大值，還應(yīng)該注意知識元素的從屬點度，即盡量選擇那些在企業(yè)創(chuàng)新網(wǎng)絡(luò)中占據(jù)重要位置的知識元素。

本研究尚存在一定的局限性。我們對電子通訊行業(yè)的兩家公司進行了對比研究，對于其他行業(yè)我們并沒有進行驗證，未來可以在不同行業(yè)采集數(shù)據(jù)來探討多層次網(wǎng)絡(luò)與知識搜索間存在的關(guān)系。再有，我們只基于專利數(shù)據(jù)進行研究，但是專利衡量是顯性知識，無法度量存在的隱性知識，未來研究應(yīng)試圖通過調(diào)研等手段加入隱性知識進行研究。最后，文中的網(wǎng)絡(luò)都是基于專利進行的構(gòu)建，現(xiàn)實中還有更廣泛的關(guān)系，如非正式的交流關(guān)系等需要進一步的探討。