企业研发人员合作网络科学研究与技术创新

《企业研发人员合作网络科学研究与技术创新》由会员分享，可在线阅读，更多相关《企业研发人员合作网络科学研究与技术创新（13页珍藏版）》请在装配图网上搜索。

1、企业研发人员合作网络、科学研究与技术创新裴云龙1,郭菊娥1,向希尧2(1.西安交通大学管理学院，过程控制与效率工程教育部重点实验室，西安710049;2.西安理工大学经济与管理学院，西安 710048)摘要：基于社会网络的结构视角和认知视角，本文首先提出关于企业研发人员R&D (research anddevelopment)合作网络如何影响科学知识应用过程的概念模型和研究假设。其次，采用中国有机精细化学 行业代表性企业ISIP公司的专利和论文数据，本文通过整合企业研发人员合作发表网络和合作发明网络建 立研发人员R&D合作网络，并基于负二项回归模型对研究假设进行实证检验。最后，本文实证结果表明

2、， 企业研发人员的科学研究对其技术创新绩效的正向影响(主效应关系)并不稳健；其跨越结构洞的网络位 置对主效应关系没有显著影响；企业研发人员的GATEKEEPER角色则对主效应关系具有显著的正向调节作用；企业研发人员的 BROKER角色和COORDINATOR角色对主效应关系均没有显著影响。关键词：企业研发人员 R&D合作网络、科学研究、技术创新绩效 中图分类号：F270文献标识码：ACorporate Research Personnel SR&D collaboration Network, Scientific Research and Technological Innovation P

3、erformancePEI Yunlong1, GUO jue 1 and XIANG Xiyao 2(1. School of Management at Xi an Jiaotong University, the Key Lab of the Ministry of Education for Process Control & Efficiency Engineering, Xian 710049; 2. School of Economics andManagement at Xian University of Technology , Xian 710048)Abstract I

4、n the light of structure view and cognitive view, firstly the study put forward a conceptual model and several hypotheses about how corporate research personnel R&D (research and development) collaboration network affects the process of scientific knowledge application. Second, the study builds the

5、research personnels R&D collaboration network by bridging the co-publication network and co-invention network based on the SCI papers and patents data of ISIP respectively, with bridging scientists, and tests the hypotheses empirically with negative binomail regression model. Last, the study empiric

6、ally finds that the impact of corporate research personnels scientific research on technological innovation performance is positive but not robust, and the relationship is significantly positively moderated by corporate research personnels GAREKEPPER roles reflecting their alters heterogeneous knowl

7、edge structure, instead of their network positions of structure hole, BROKER roles or COORDINA TOR roles.Key words corporate research personnels R&D collaboration network, scientific research, technological innovation performance基金项目：国家自然科学基金（71402135, 71402137）;中国博士后科学基金（2014M552465 ）。作者简介：裴云龙（1986

8、-）,男，汉族，河南南阳人，讲师，博士，研究方向为创新管理与知识管理。E-mail:yunlongpei郭菊娥（1961-）,女，汉族，陕西临潼人，教授，博士，主要研究方向为投融资决策与风险管理。向希尧（1981-）,男，汉族，湖南津市人，副教授，博士，主要研究方向为技术创新与知识转移。党的十八大作出了实施创新驱动发展战略的重大部署， 强调科技创新是提高社会生产力和综合国力的战略支撑。然而，我国近年来持续增长的 R&D （ research and developmen）t 投入并未使中国产业核心技术创新取得显著进步， 在许多基础性产业 （如集成电路、 汽车发动机和液晶面板等） 的核心技术仍然

9、严重依赖外国 1 ，我国企业目前普遍缺乏具有重大突破性的核心技术和产品。科学研究是中国产业核心技术创新的源泉1 ，是中国企业在产业技术发展路线上通过另辟蹊径实现跨越式发展的关键，因此探讨企业技术创新如何从科学研究中获益，对于实现我国的创新型国家发展战略具有重要意义。经过几十年对技术创新过程的研究， 关于科学与技术之间关系的观点已经发生了巨大的改变。技术创新最开始被认为是一种排他性的企业内部活动2 。布什（ 1950）提出了著名的“线性模型” ，即基础研究 应用研究 试验与发展 生产经营，认为技术创新是一个从基础研究向应用研究延伸的过程3 。线性模型过于简单和粗略，它忽视了科学与技术的内在联系，

10、 随着时代的发展， 这种范式受到越来越大的挑战。 另外一种观点认为企业创新是一个企业与其所在环境的交互过程，包含与其外部知识供给者例如大学的互动4 。知识基础观认为企业是一个应用知识的组织5 ，而对于科学导向型企业而言，其更加积极寻求与科学共同体建立联系以获取前沿的科学知识和保持系统的知识多元化 6 。然而， 科学与技术拥有相互冲突的演化逻辑。 科学的演化取决于研究是否解答了重要的和有争议的科学问题， 或者对科学家的学术界做出了理论贡献， 但是技术的演化则受到技术机会和市场需求的共同影响7 。 这种演化逻辑的冲突意味着卓越的科学研究并非一定能导致成功的技术， 这削弱了科学与技术的连接， 并且阻

11、碍了大学与企业之间的知识转移， 会为科学导向型技术创新带来潜在的问题6 。科学共同体与技术共同体拥有截然不同的价值观，科学家通常居于其一， 却需要对两个共同体都做出贡献7 ，这是那些希望在创新过程中利用公共科学知识的企业所常常面临的困境。企业研发人员的科学研究代表了一种科学知识获取活动， 而从知识获取到知识应用需要社会整合机制。 如果将企业研发人员看作科学知识转移网络中的社会主体， 其所处的技术合作网络如何与科学合作网络相连接？企业研发人员的网络位置和网络构成会对其科学知识应用产生什么样的影响？对这些问题的解答，需要基于社会网络的视角分析企业研发人员R&D 合作网络及其对科学知识应用过程的影响

12、。1 理论背景与研究模型1.1 现有研究综述及其局限性目前国内外有一些学者采用社会网络方法，对科学共同体（ scientific community ）与技术共同体 （ technological community ） 之间的科学知识转移进行了初步的研究。 Newman（ 2003 ）研究了美国生物医学、 理论物理学和计算机科学领域的科学家合作发表网络， 发现其结构具有小世界特点，网络中任意两个科学家之间都可以通过中间人很快联系起来8 。 Balconi ，Breschi 和 Lissoni （2004）定量分析了开放科学与技术专利之间的社会距离，发现技术专利中的社会网络普遍比科学界的网络更

13、为离散， 但是科学依赖型技术领域例外9 。使用社会网络分析方法分析意大利的专利发明人网络，证实学术型发明人（ academy inventor ）比非学术发明人在网络中的具有更高的度数中心度和接近中心度。 Lissoni 和 Sanditov（ 2007 ） 基于欧洲专利局（EPO）的专利数据，研究了法国、意大利和瑞典三国的合作发明网络，发现该网络结构也接近小世界网络， 而在网络中占据 “中间人” 的核心位置则是那些学术型发明人，他们具备企业家的潜质10。 Breschi 和 Catalini （2010）分析了意大利激光、半导体和生物科技三个行业， 发现在这些高科技行业， 企业发明人和学术科

14、学家之间具有广泛的联系， 特别是那些学术型发明人起着守门人的作用， 跨越了两个不同世界的边界， 从而在根本上保证了科学共同体与技术共同体之间的联系 11。 Lissoni （2010）的研究进一步指出，只有那些拥有大量企业专利发明和论文发表的学术型发明人才真正起着知识中间人( knowledge brokers) 的作用，他们和各个组织中的发明人都保持着强关系12。Wang和Guan (2011)采用中国纳米技术领域的USPTO专利及其科学论文引文数据，首先分别建立共同发明网络 (co-inventionnetwork)和共同发表网络(co-authorship network ),然后将二者

15、整合成科学家R&D合作网络，发现在整合网络中发明人和发表者之间的连通性大大增加了，有利于科学知识的扩散 13。总体而言，现有研究具有以下几个方面的局限性。首先，现有研究过于关注企业从大学获取科学知识，而忽视了科学知识在企业内部技术创新过程中的应用问题。尽管企业研发人员可以通过R&D合作与大学科学家建立联系，并获得科学知识，但是他们很可能难以在技术创新的过程中有效运用这些科学知识。科学研究与技术创新具有相互冲突的演化逻辑，科学的发展取决于研究是否能对重要的科学问题做出理论贡献，而技术的发展则受到市场需求和技术机会( technological opportunity )的共同影 响7,因此企业研

16、发人员并不能直接将科学知识作为技术创新的投入，获取科学知识并非一 定能提高技术创新绩效。其次，现有仅仅停留在知识转移网络的描述性分析层面，并没有对企业研发人员R&D合作网络中影响技术创新绩效的因素进行研究。企业研发人员嵌入在R&D合作网络中，拥有很多卓越的影响知识搜索和流动的网络特性，例如较高的中介其他网络成员的概率(结构洞)。这些常年累计起来的网络位置资源对企业研发人员是否能有效将科学研究成果转化为 技术创新绩效有着重要意义 11。此外，我们认为企业研发人员转化科学知识的能力不仅受 到其网络位置的影响，而且受到其网络构成( network composition )的影响，网络构成指的 节点

17、研发人员(ego)的网络成员(alter)所拥有的不同种类的固有特征和资源要素，反映 了合作伙伴间的知识差异性，最近的研究指出创新网络研究过于集中于网络位置分析，而忽略了网络成员特征的异质性14对网络节点技术创新行为的影响。第三，现有研究对企业研发人员R&D合作网络进行分析，虽然考虑了各个个体之间的相互联系，并通过网络图描述其行为，但是无法精确的检验其对企业研发人员创新绩效的影 响。而多元回归分析方法虽然可以较为精确的检验企业研发人员行为对其创新绩效的影响， 但是却把研发人员看作相互独立的个体，忽视了其社会关系。基于此，本研究将结合社会网络分析方法和多元回归分析，更系统地研究科学知识在企业研发

18、人员R&D合作网络中的转移绩效及其影响因素。1.2 研究模型的提出为了突破上述现有研究的局限性，本文基于社会网络的结构视角和认知视角15,在整合相关文献的基础上提出以下概念模型(见图1)。图1概念模型在研究模型中，主效应指的是企业研发人员的科学研究水平对其技术创新绩效的影响，反映了企业研发人员应用科学知识的过程。模型通过检验结构洞对主效应的调节作用来研究企业研发人员的网络位置对其科学知识转化能力的影响。根据Burt (1992)的定义，“非冗余的联系人通过结构洞连接，一个结构洞就是两个行动者之间的非冗余联系”，节点占据结构洞网络位置的程度用网络节点的限制指数(constraint index)

19、来衡量16,反映了企业研发人员联系其他原本相互隔离的科学家的作用。Van Wijk等人(2008)认为社会资本的结构维度和认知维度均对组织知识转移具有影响，而认知维度主要指的是社会关系所能提供的共同理解和系统语义15。因此，本文认为除了网络位置之外，企业研发人员网络成员间的认知 距离和知识结构的差异，即网络构成也会影响其科学知识应用。网络构成指的是网络成员的不同种类的固有特征和资源要素17,最近的研究指出创新网络研究过于集中于网络位置分析，而忽略了网络成员特征的异质性14对中心节点技术创新行为的影响。 GATEKEEPER角色、BROKER角色和 COORDINATOR 角色贝U指的是企业 研

20、发人员在其个体中心网中发挥的不同作用，代表了企业研发人员不同的网络构成，下面将详细解释其意义。遵循现有的研究方法12,本文通过区分企业研发人员个体中心网网络成员不同的隶属单位来分析其网络构成，即网络成员的个体特征差异。依据研发人员的隶属单位可以将R&D合作网络的所有网络成员分为大学科学家和企业研发人员两类。大学科学家 主要进行学术研究，将研究成果以科学论文的形式公开发表，其知识基础主要是科学知识； 而企业研发人员主要进行技术研究(一小部分企业研发人员也进行科学研究)，将研究成果申请发明专利，其知识基础主要为技术知识。依据 Gould和Fernandez ( 1989)提出的衡量 中间性(in-

21、betweenness)的几个指标18,本文用企业研发人员在其个体中心网中的不同中 间人角色来反映其不同的网络构成。当企业研发人员位于一个大学科学家和一个企业研发人员之间时，其中间人角色为“GATEKEEPER ”；当企业研发人员位于两个大学科学家中间时， 其中间人角色为“ BROKER”；当企业研发人员位于两个企业研发人员之间时，其中间人角 色为“COORDINATOR (如图5-7所示)。这三种角色可以看作是网络构成的三个维度，企 业研发人员可能同时扮演三种角色，只是扮演各角色的频次会有所不同。大学科学家企业研发人员图2企业研发人员不同中间人角色当企业研发人员在其个体中心网中扮演GATEK

22、EEPER角色较多时，说明其合作伙伴中既有很多大学科学家又有很多企业研发人员，反映了其联系人知识结构异质性较高的网 络构成；当企业研发人员在其个体中心网中扮演BROKER角色较多时，说明其合作伙伴大多为大学科学家，反映了其联系人知识结构异质性较低的网络构成；当企业研发人员在 其个体中心网中扮演 COORDINATOR角色较多时，说明其合作伙伴大多为企业研发人员， 反映了其联系人知识结构异质性较低的网络构成。模型通过分别检验企业研发人员三种中 间人角色对主效应的调节作用，来研究企业研发人员的网络构成对其科学知识应用的影响。2研究假设2.1 企业研发人员的科学研究对其创新绩效的影响尽管科学研究具有

23、溢出效应，但是很多企业仍然鼓励其研究人员进行科学研究。首先, 企业研发人员从事基础科学研究有助于其更深刻地了解技术现象的背景知识和科学原理，仅可以更好地了解在哪儿和如何进行应用研究，评估应用研究的结果， 而且可以运用科学原理对其技术搜索进行科学引导， 从而提高技术搜索成功的概率， 促进技术创新绩效19,20 。 其次， 企业研发人员通过科学研究发表学术论文建立良好的声誉， 从而可以与企业外部高水平的科学家相互交流和建立合作关系。 在紧密的相互联系中企业研发人员可以不仅可以获得最前沿的科学知识，建立先发优势21,22 ，而且可以通过外部联系监测竞争对手的研究。最后，进行科学研究可以提高企业研发人

24、员的探索性学习能力( explorative learning capabilities ) ，进而提高其吸收能力，尤其是潜在的吸收能力( potential absorptive capacities ) ，有助于其获取和理解新知识 23,24 ， 增加技术创新的知识基础。 总之， 我们认为从事科学研究可以使企业研发人员的知识基础多元化，为技术创新提供原动力，提升创新绩效。因此，本文提出：假设 1 企业研发人员的科学研究水平与其技术创新绩效呈正相关关系。2.2 企业研发人员的网络位置对其科学知识应用的影响社会资本被视为个体嵌入在某些社会网络中而获得的一种优势。作为社会资本的一种，结构洞是一种

25、存在于两个相互隔离的群体之间的网络。 跨越结构洞的节点具有视野优势， 并且作为网络枢纽可以控制信息流动25 。企业研发人员与不同的团队合作，从而产生结构洞。首先，通过跨越结构洞的位置，这些研发人员可以接触到多元化的知识， 拥有更广的知识宽度。 技术创新需要创造性地搜寻和组合不同的知识 26 ，因此跨越更多结构洞的研发人员通过整合不同的知识，可以更容易处理基础科学与技术创新之间的复杂的关系， 从而在科学研究水平一定的情况下， 拥有更高的创造性。 相反， 那些缺乏的结构洞网络的研发人员将处于知识同质化水平较高的网络中， 在面临科学知识和技术知识之间相互冲突的演化逻辑时， 知识同质化劣势很可能导致无

26、效的技术方案和较低的创造性7 。其次，通过跨越结构洞的位置，这些研发人员可以控制科学知识的流动，从而获得更多的非冗余信息，可以更有效的识别那些真正有价值的科学知识 25 ，更容易将科学知识转化为新颖和可行的技术思路， 加强了其科学研究对其技术创新绩效的影响。 最后， 这些跨越结构洞的研发人员与各种各样的团队都有合作， 并对这些团队中的研发人员的个人特点都比较了解，同时与他们也具有良好的个人关系 27 ，可以更容易将各个团队中优秀的具有互补知识的人员组合起来， 形成新的团队进行紧密合作， 因此能更有效的将其自身的科学研究成果转化为技术创新绩效。综上说述，本文提出：假设 2 企业研发人员跨越的结构

27、洞越多，其科学研究水平与技术创新绩效之间的正向关系越强。2.3 企业研发人员的网络构成对其科学知识应用的影响在知识转移网络中， 不仅网络位置对节点的技术创新有影响， 而且网络构成也对节点的技术创新也有影响14 。构成网络的节点在知识结构和资源要素等方面是不同的，这种节点个体特征的差异反映了不同的网络构成17 。在企业研发人员的个体中心网中，不同的网络构成会对其转化科学研究成果的绩效会产生不同的影响。 如前所述， 企业研发人员在其个体中心网中扮演不同的中间人角色，反映了其不同的网络构成。在科学导向型行业， 一个普遍的观点是大学科学家通过与企业研发人员进行合作为企业提供基础科学知识， 然后对企业的

28、技术创新产生影响。 然而， 企业研发人员在商业化基础研究成果的过程中需要考虑的是如何将科学研究所可能提供的各种基础功能和产品的技术需求有效联系起来28 。为了完成这个过程，企业研发人员一方面需要与大学科学家进行科学合作， 获取最前沿的科学信息， 才能深刻了解各种可能的技术发展方向和技术机会， 从而对科学研究成果所可能提供的各种基础功能具有更全面的认识。 另一方面， 企业研发人员还需要与企业同事 (即其他企业研发人员) 进行密切的技术合作， 才能获悉市场产品和技术开发对基础研究的具体需求。 当企业研发人员对科学研究成果的基础功能和技术开发的具体需求都很了解时，才能通过与大学科学家和企业同事之间的

29、持续的咨询和反馈等知识互动活动，有效整合科学知识与技术知识， 实现科学研究成果到技术创新绩效的转化7 。当企业研发人员在个体中心网络中扮演很多 GATEKEEPER 角色时， 说明其与大学科学家和企业同事均有频繁的密切合作， 此时企业研发人员即拥有很强的科学知识背景， 又拥有雄厚的技术知识基础，因此可以在科学研究水平一定的情况下，产生更高的技术创新绩效。由此，本文提出：假设 3a 企业研发人员在其个体中心网中扮演GATEKEEPER 角色越多，其科学研究水平与技术创新绩效之间的正向关系越强。当企业研发人员在其个体中心网中扮演很多 BROKER 角色，说明其与大学科学家之间的合作较多， 但是与企

30、业同事的合作较少。 此时， 企业研发人员虽然对科学研究成果的认识很深入全面， 然而对技术开发的功能需求了解相对较少， 无法为科学研究成果找到最合适的应用领域，也无法将一定水平的科学学研究转化为更高的技术创新绩效。因此，本文提出：假设 3b 企业研发人员在其个体中心网中扮演 BROKER 角色的频次对其科学研究水平与技术创新绩效之间的关系没有影响。当企业研发人员在个体中心网络中扮演很多“ COORDINARTOR ”角色，说明其与企业同事的合作较多， 但是缺乏与大学科学家的合作。 此时， 企业研发人员虽然具有很强的技术知识基础， 然而对科学研究所可能提供的各种基础功能认识相对不足， 无法为技术开

31、发过程中的难题找到有效的科学解决方案，自然也无法实现科学研究与技术创新之间更有效的转化。因此，我们提出：假设3c企业研发人员在其个体中心网中扮演 COORDINATOR角色的频次对其科学研究 水平与技术创新绩效之间的关系没有影响。3 实证分析3.1 数据来源中国 SIPI 公司于 2000-2009 年间在有机精细化学领域的专利申请量（ 288 项）和 SCI论文发表量（ 77 篇）在其同行业企业中名列前茅。遵循Nerkar 和 Paruchuri （ 2005）的研究方法 29 ，本文将基于代表性企业SIPI 公司的专利和 SCI 论文数据建立该企业的研发人员R&D 合作网络， 并采用 SI

32、PI 公司的企业研发人员作为分析样本来实证检验我们提出的假设。从国家知识产权局专利数据库搜集到 SIPI 公司在 2000-2009 年共申请 288 项有机精细化学专利，通过发明人分析发现共有352 为企业研发人员。然后，遵循现有的研究方法 7,30通过搜索 SCI-EXPANDED 数据库统计了这352 位企业研发人员在1999-2008 年的的 SCI 论文发表信息。本文采用横截面数据来进行网络构建与实证分析。3.2 研发人员 R&D 合作网络的构建企业研发人员 R&D 合作网络形成过程示意图见图 3 ，从中可以看出桥接科学家（ author-inventor ， AI ， bridgi

33、ng scientists ）如何将论文作者（author， A ）合作发表网络和专利发明人（inventor, I）合作发明网络连接起来组成研发人员R&D合作网络。企业研发人员 R&D 合作网络的构建过程分为三个步骤：1）基于SIPI 公司的企业研发人员与大学科学家之间的合作发表论文关系，建立企业研发人员合作发表网络。2）基于SIPI 公司的企业研发人员与大学科学家之间合作发明专利关系，建立了企业研发人员合作发明网络。3）将两个网络通过SIPI 公司那些既发明专利又发表SCI 论文的桥接科学家进行整合，最终得到企业研发人员 R&D 合作网络。综合运用论文合作和专利合作指标， 企业研发人员 R

34、&D 合作网络可以完整地描绘大学科学家与企业研发人员之间基于不同形式的社会交流所形成的科学知识转移路径。3.3 变量测量和回归方法3.3.1 因变量技术创新绩效 遵循现有的研究26,31,我们用企业研发人员在观测时间段内的专利申请 量来测度其技术创新绩效。3.3.2 自变量1）科学研究水平按照现有的研究惯例7,21,我们采用企业研发人员在观测时间段内发表的SCI论文数据来反映其科学研究水平。考虑到论文的质量不同，我们用研发人员论文发表后5年内总的被引频次来衡量企业研发人员的科学研究水平。因为科学论文的发表时间一般比其投稿时间至少晚一到两年的时间，而专利的申请时间即其“投稿”时间，所以我们分别将

35、在同一时间段内（2000-2009）发表的论文（其投稿时间，即科学研究的完成时间大约为1998-2007）和申请的专利（其技术开发的完成时间为2000-2009）作为回归模型的自变量和因变量，以考虑因变量专利申请量的滞后效应。2）结构洞我们用限制指数16来衡量企业研发人员所跨越的结构洞的数量多少。该指标的计算公 式已经在前面章节列出，可以用Ucinet 6.0计算出。该指标的值越低，则说明企业研发人员的个体中心网中存在结构洞越多。3） GATEKEEPER 角色该变量指的是企业研发人员在其个体中心网中扮演GATEKEEPER角色的频次占其所有三种中间人角色扮演频次总和的比例，反映了企业研发人员

36、合作伙伴中既有很多大学科学家又有很多企业研发人员时的网络构成12。4） BROKER 角色该变量指的是企业研发人员在其个体中心网中扮演BROKER角色的频次占其所有三种中间人角色扮演频次总和的比例，反映了企业研发人员合作伙伴大多为大学科学家时的网络构成12。5） COORDINATOR 角色该变量指的是企业研发人员在其个体中心网中扮演COORDINATOR角色的频次，反映了企业研发人员合作伙伴大多为企业研发人员时的网络构成12。3.3.3 控制变量1）合作发明人数量该变量指的是与企业研发人员有合作发明经历的研发人员的数量，数量越多，说明该企业研发人员的研发团队越大，其专利申请通常也越多28。2

37、）主成分成员企业研发人员是否镶嵌在R&D合作网络的主成分上，决定了其网络身份地位以及所能获得资源的多少，因此会影响其技术创新绩效32。为了控制这个方面的效应，我们建立了一个虚拟变量，0代表该企业研发人员没有位于R&D合作网络的主成分上，1则代表相反的情况。3）性别为了测度性别如何影响企业研发人员的创新绩效，我们也建立了一个性别虚拟变量，0代表女性，1代表男性。3.3.4 描述性统计信息和模型回归方法表1描述性统计信息变量ObsMeanStd. Dev.MinMax1.3523.2814.6001402.科学研究水平（log）3520.1840.57403.4663.结构洞3520.7510.3

38、53.0971.8374.GATEKEEPER 角色3520.0300.156015.BROKER 角色3520.0590.225016.COORDINATOR 角色3520.3480.470017.合作发明人数量3526.8986.2611498.主成份成员3520.6220.486019.性别3520.7390.44001表2相关系数表123456781.技术创新绩效12.科学研究水平（log）0.35313.结构洞-0.385-0.15114.GATEKEEPER 角色-0.017-0.022-0.18415.BROKER 角色-0.1020.0820.061-0.00116.COORD

39、INATOR 角色0.5310.186-0.547-0.101-0.16217.合作发明人数量0.6490.282-0.707-0.005-0.0670.56818.主成份成员0.0580.044-0.1730.0910.0210.0370.19619.性别0.0620.009-0.044-0.047-0.0540.0450.0800.030表1是描述性统计信息，为了保证自变量服从正态分布,本文将科学研究水平取了以10为底的对数。因变量技术创新绩效为非负整数，均值为3.281,标准差为4.600,呈超离散分布。因此，本文采用负二项回归模型来进行实证分析，以避免一般的多元线性回归（OLS）所产生

40、的无效和有偏系数33。表2列出了模型中各个变量的相关系数。3.4 实证结果为了避免潜在的多重共线性问题，本文对涉及到交互作用和平方项的因素全部进行了中心化处理34,然后使用嵌套模型进行逐层回归分析，具体检验结果见表3和表4。表3负二项回归分析结果（1）123456控制变量*合作发明人数0.0870.0800.0680.0680.0800.080(0.007)(0.007)(0.009)(0.010)(0.007)(0.007)主成份成员-0.033-0.053-0.061-0.062-0.055-0.057(0.094)(0.093)(0.093)(0.093)(0.093)(0.093)性别

41、-0.0110.0090.0110.0110.009-0.005(0.103)(0.102)(0.102)(0.102)(0.102)(0.102)主效应*科学研究水平（log）0.2710.2700.2740.2710.272(0.073)(0.072)(0.090)(0.073)(0.072)结构洞-0.319+-0.317(0.192)(0.193)GATEKEEPER 角色0.047-0.025(0.289)(0.301)调节效应科学研究水平（log） X0.018结构洞(0.242)科学研究水平（log） X1.004+GATEKEEPER 角色(0.543)*常数0.4260.41

42、30.7290.7270.4120.421(0.114)(0.112)(0.219)(0.220)(0.113)(0.112)Log-likelihood-719.800-712.800-711.400-711.400-712.800-710.8002*Wald 2184.800198.900201.600201.600198.900202.800注：括弧内为标准误差；+ p 0.10,* p 0.01 ,p 0.001 ; N=352。模型1是仅包含控制变量的基础模型，从中可以看出合作发明人的数量对企业研发人员 的技术创新绩效具有显著的促进作用，是否为主成份成员和性别则对因变量没有显著影响。

43、 模型3检验了假设1,明显可以看出企业研发人员的科学研究水平与其技术创新绩效显著正 相关，但是在模型11-12中该自变量并不显著，说明实证结果缺乏稳健性，因此假设1得到了适度的支持。从模型4中交互项的系数可以看出，企业研发人员跨越结构洞的数量对其科 学研究水平和技术创新绩效的关系的没有显著的调节效应，并且在随后的模型12里结构洞与科学研究水平的交互项也不显著，这和本文的期望截然相反，假设2没有得到支持。模型6则检验了假设3a,从其中交互项的系数（3 = 1.004, p 0.1）可以看出当企业研发人员在 其个体中心网扮演 GATEKEEPER角色越多时，其科学研究水平对技术创新绩效的正向影响

44、越强，这说明假设 3a得到了支持。表4负二项回归分析结果（2）789101112控制变量合作发明人数*0.078*0.078*-0.040*0.039*0.039*0.053(0.007)(0.007)(0.006)(0.006)(0.006)(0.008)主成份成员-0.047-0.0460.0050.008-0.009-0.004(0.092)(0.092)(0.085)(0.085)(0.084)(0.085)性别-0.005-0.0030.0100.014-0.000-0.008(0.102)(0.102)(0.094)(0.094)(0.094)(0.093)主效应科学研究水平（lo

45、g)*0.284*0.283*0.2150.173+0.1430.132(0.073)(0.073)(0.061)(0.089)(0.101)(0.102)结构洞*0.537(0.197)GATEKEEPER角色0.415*0.669(0.276)(0.291)BROKER角色*-0.643*-0.565-0.154-0.140(0.245)(0.249)(0.237)(0.236)COORDINATOR 角色*1.057*1.061*1.080*1.216(0.098)(0.098)(0.101)(0.114)调节效应科学研究水平（log) X0.197结构洞(0.274)科学研究水平（lo

46、g) X*1.132*1.218GATEKEEPER角色(0.472)(0.488)科学研究水平（log) X-0.422-0.177-0.048BROKER角色(0.348)(0.364)(0.382)科学研究水平（log) X0.1020.1720.305COORDINATOR 角色(0.151)(0.183)(0.250)常数*0.461*0.4620.189+0.190+0.199+-0.356(0.113)(0.113)(0.106)(0.106)(0.108)(0.232)Log-likelihood-709.100-708.300-661.100-660.800-655.100-

47、651.400Wald 2*206.200*207.700*302.300*302.800*314.300*321.700注：括弧内为标准误差；+ p 0.10, * p 0.05,* p 0.01 ,p 0.001 ; N=352 o从模型8的交互项系数（3 = -0.422, p = 0.226）可以看出，企业研发人员扮演 BROKER角色的频次对其科学研究水平和技术创新绩效的关系没有显著影响，因此，假设3b 得到了支持。模型10 也说明，企业研发人员扮演 COORDINATOR 角色的频次对其科学研究水平和技术创新绩效的关系没有显著的调节效应（3 = 0.102, p = 0.500）,

48、假设3c也得到了支持。模型 11 包含了主效应和所有网络构成相关的变量， 而模型 12 则是包含了所有变量的全模型，从这两个模型都可以看出，实证结果对假设3a、假设3b和假设3c的支持都具有很强的稳健性。总的来看， 相对于基本模型， 五个自变量较大程度上解释了企业研发人员申请专利的概率（Wald 声从 198.900 升至 353.300）。4 讨论与结论针对企业研发人员是否能从其科学研究成果中获益的问题， 本文首先基于样本企业的专利和 SCI 论文数据建立其研发人员 R&D 合作网络， 然后结合社会网络分析和多元回归分析方法研究了企业研发人员的科学研究水平对其技术创新绩效的影响， 还基于社会

49、资本的结构维度和认知维度分别分析了企业研发人员网络位置与网络构成对其科学知识应用的影响。 基于 ISIP 公司 R&D 合作网络中的 352 位企业研发人员样本， 对我们提出的假设进行了实证检验，扩展了我们对科学研究和技术创新互动关系的理解。4.1 对结果的讨论从统计结果来看， 企业研发人员的科学研究水平对其技术创新绩效的影响是正的， 但是实证支持的稳健性较低。 这正说明科学研究与技术创新之间并不是简单的线性关系， 而是一种复杂的多层面的非线性关系， 二者具有相互冲突的演化逻辑， 获得科学知识并不能保证一定会产生较高的技术创新绩效7 ，还需要一个知识应用与转化的过程。基于社会网络的结构视角和认

50、知视角， 我们认为企业研发人员的科学知识应用受到来自网络位置和网络构成的影响。然而，实证结果显示企业研发人员跨越结构洞网络对其科学研究水平和技术创新水平的关系并没有显著影响，这和 Fleming 等人（2007 ）的研究结果一致4.2 ，他们认为跨越结构洞的研发人员所产生新想法在未来的用处较小，即对其创新绩效没有显著的正向影响。 假设 2 没有被实证结果所支持， 这具有重要的理论启示， 说明企业研发人员的结构洞网络位置对其技术创新行为的影响具有差异性， 并非所有的结构洞都对节点的技术创新绩效具有正向影响。 因为节点的创新行为不仅受到其网络结构的影响， 而且还受到网络构成的影响14 ，而网络构成

51、则可以反映出节点所跨越的结构洞的异质性。我们逐一检验了企业研发人员不同的网络构成对企业研发人员转化科学研究成果能力的影响。 实证结果证实， 只有当企业研发人员在其个体中心网中扮演GATEKEEPER 的角色越多时时（反映其个体中心网网络成员知识异质性较高） ，有利于其更有效地将科学研究成果转化为技术创新绩效；而企业研发人员扮演BROKER 角色和 COORDINATOR 角色（两种角色均反映其个体中心网网络成员知识异质性较低） 的频次则对其转化科学研究成果能力没有显著影响。相对于BROKER 角色和 COORDINA TOR 角色而言，只有当研发人员扮演GATEKEEPER 角色较多时，才能同

52、时和大学和企业各类研发人员建立密切关系 12 ，其个体中心网网络成员间具有高度异质性的知识结构， 因此可以有效的将科学研究所提供的基础功能和技术开发需求联系起来， 进而将一定数量科学研究成果转化为更高的技术创新绩效。 此外，我们的实证结果有力的回应了 Gittelman 和 Kogut （ 2003 ）关于GATEKEEPER 研发人员比其他研发人员可以更有效协调科学研究与技术创新相互冲突的演化逻辑的观点 7 。对比分析假设2、假设3a、假设3b和假设3c的实证研究结果，我们可以看出即使企业研发人员处于中间人的网络枢纽位置， 但是如果与其两端相连的研发人员或科学家的知识结构没有显著的差异， 那

53、么该企业研发人员依然无法从其中间人位置获益， 这说明网络的构成“内容”比网络的结构“表象” 对企业研发人员的科学知识应用更重要，这为我们留下了重要的实践启示。4.3 实践启示首先， 本文的研究结果表明企业研发人员的科学研究并不一定能为期带来较高的技术创新绩效， 而取决于其是否能将科学研究成果有效转化为创新产出。 企业在鼓励企业研发人员进行基础科学研究时， 不能仅考虑科学知识的获取， 更重要的是要考虑科学知识如何在技术创新中有效应用的问题。 其次， 企业研发人员跨越结构洞网络对其转化科学研究成果能力没有显著影响， 只有当其扮演 GATEKEEPER 角色较多时， 才能帮助其有效提高转化科学研究成

54、果的绩效。 这说明， 企业在解决科学知识应用问题时， 不仅要鼓励企业研发人员与大学科学家进行科学合作， 还要鼓励其与企业同事广泛进行技术合作， 在与各种科学家与研发人员建立紧密关系的基础上， 通过持续的科学探讨和技术交流才能有效解决科学研究商业化过程中的内在障碍。4.4 局限性和未来的研究方向本文的研究当然也存在一些局限性， 需要在未来经一步展开研究。 首先， 因为变量计算的复杂性， 我们采用了横截面数据来进行实证分析， 未来如果能采用面板数据进行实证研究也许能产生更有意义的结论。 其次， 我们的研究背景为科学依存度较高的有机精细化学行业，研究结论在其它科学导向较低的行业 （例如机械制造行业）

55、 是否有效值得进一步验证。 最后，我们建立的 R&D 合作网络是一个静态网络，而其动态演化轨迹则是一个可能产生重大研究发现的方向。参考文献1 柳卸林 , 何郁冰 . 基础研究是中国产业核心技术创新的源泉J. 中国软科学, 2011, 4:104-117.2 Schumpeter JA, Fels R. Business cyclesM: Cambridge Univ Press, 1939.3 Bush V. Science: The endless frontierJ. Transactions of the Kansas Academy of Science (1903-), 1945,

56、48 (3): 231-264.4 Kaufmann A, Todtling F. Science-industry interaction in the process of innovation: the importance of boundary-crossing between systemsJ. Research Policy, 2001, 30 (5): 791-804.5 Grant RM. Toward a knowledge-based theory of the firmJ. Strategic Management Journal, 1996, 17: 109-122.

57、6 DEste P, Patel P. University-industry linkages in the UK: What are the factors underlying the variety of interactions with industry?J. Research Policy, 2007, 36 (9): 1295-1313.7 Gittelman M, Kogut B. Does good science lead to valuable knowledge? Biotechnology firms and the evolutionary logic of ci

58、tation patternsJ. Management Science, 2003, 49 (4): 366-382.8 Newman MEJ. The structure and function of complex networksJ. Siam Review, 2003, 45 (2): 167-256.9 Balconi M, Breschi S, Lissoni F. Networks of inventors and the role of academia: an exploration of Italian patent dataJ. Research Policy, 2004, 33 (1): 127-145.10 :Lissoni F, Sanditov B. Networks of Inventors and Academics in France, Italy and Sweden: Evidence From the Keins Database. Mimeo, 2007