毛薦其 武憲云 劉 娜

1 引 言

創(chuàng)新是復(fù)雜的知識(shí)搜索過程，在這個(gè)過程中，知識(shí)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(shí)日趨分散化，認(rèn)知到知識(shí)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(shí)搜索驅(qū)動(dòng)力或知識(shí)搜索的方法研究。在這些有關(guān)知識(shí)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(gè)體特征如個(gè)人以往經(jīng)驗(yàn)或個(gè)人社會(huì)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?cè)噲D補(bǔ)充這兩個(gè)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(duì)其知識(shí)搜索行為帶來的機(jī)會(huì)及約束。

創(chuàng)新主體的創(chuàng)新活動(dòng)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(shí)搜索的機(jī)會(huì)或制約其知識(shí)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(duì)知識(shí)搜索的影響機(jī)制，因?yàn)檠邪l(fā)合作關(guān)系作為社會(huì)關(guān)系的一種，表征了社會(huì)資本，代表了知識(shí)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(dòng)者擁有的相關(guān)知識(shí)和信息，此外，社會(huì)資本也可能制約創(chuàng)新主體的知識(shí)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(qiáng)弱等對(duì)其知識(shí)搜索行為的影響是當(dāng)前學(xué)者關(guān)注的一大熱點(diǎn)（Paruchuri 和 Awate，2017［2］； 吳松強(qiáng)等，2018［8］）。近年來，關(guān)于合作創(chuàng)新網(wǎng)絡(luò)對(duì)知識(shí)搜索影響機(jī)制的研究成果不斷涌現(xiàn)，推動(dòng)了創(chuàng)新主體的知識(shí)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(huì)關(guān)系為單一連接機(jī)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(shí)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(huì)關(guān)系所形成的合作創(chuàng)新網(wǎng)絡(luò)中，還嵌入在以知識(shí)組合連接關(guān)系形成的知識(shí)網(wǎng)絡(luò)中。學(xué)者將組織的知識(shí)表示為企業(yè)進(jìn)行發(fā)明活動(dòng)使用的知識(shí)元素集合，當(dāng)前研究已關(guān)注企業(yè)知識(shí)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(shí)結(jié)構(gòu)表示中，企業(yè)知識(shí)是知識(shí)元素聯(lián)系的集合，能夠被概念化為一個(gè)網(wǎng)絡(luò)。在這個(gè)網(wǎng)絡(luò)中，知識(shí)元素體現(xiàn)為離散知識(shí)，它們之間的連接體現(xiàn)為在知識(shí)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(duì)于知識(shí)搜索而言，知識(shí)元素間的關(guān)聯(lián)關(guān)系甚至比知識(shí)元素本身更為重要，因?yàn)殛P(guān)聯(lián)關(guān)系作為知識(shí)流通和搜索的渠道并且指引著知識(shí)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(shí)組合性的機(jī)會(huì)或新知識(shí)元素（Yayavaram 和 Ahuja，2008［10］）。從關(guān)系本質(zhì)上來看，合作網(wǎng)絡(luò)強(qiáng)調(diào)基于社會(huì)搜索（Social-based Search）的重要性，而知識(shí)網(wǎng)絡(luò)強(qiáng)調(diào)基于知識(shí)搜索（Knowledge-based Search）的重要性?？紤]到創(chuàng)新主體的合作和知識(shí)關(guān)系嵌入性，全面理解知識(shí)搜索的前因，需要同時(shí)關(guān)注基于社會(huì)搜索和基于知識(shí)搜索的關(guān)鍵作用。

然而，就目前文獻(xiàn)來看，學(xué)者忽視了創(chuàng)新主體同時(shí)嵌入合作創(chuàng)新網(wǎng)絡(luò)和知識(shí)網(wǎng)絡(luò)的事實(shí)，很少有研究將基于社會(huì)搜索和基于知識(shí)搜索集成在一個(gè)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(shí)涉及了這兩個(gè)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(shí)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(rèn)知到了創(chuàng)新主體的多重網(wǎng)絡(luò)關(guān)系嵌入，但研究實(shí)施過程仍然將不同網(wǎng)絡(luò)關(guān)系概念為一個(gè)單一層面的網(wǎng)絡(luò)，仍然探索不同連接關(guān)系對(duì)創(chuàng)新的獨(dú)立效應(yīng)。

實(shí)際上，合作網(wǎng)絡(luò)和知識(shí)網(wǎng)絡(luò)雖然具有獨(dú)特的結(jié)構(gòu)特征，但它們并不是完全相互獨(dú)立的（劉娜，2017［6］； 毛薦其等，2019［11］）。因?yàn)?，知識(shí)元素隸屬于創(chuàng)新主體，知識(shí)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(shí)網(wǎng)絡(luò)中的單個(gè)知識(shí)元素連接起來，它實(shí)際上連接了合作網(wǎng)絡(luò)和知識(shí)網(wǎng)絡(luò)。合作網(wǎng)絡(luò)、知識(shí)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(gè)嵌套的多層次網(wǎng)絡(luò)結(jié)構(gòu)。多層次網(wǎng)絡(luò)是一個(gè)定義在不同層面的不同類型的節(jié)點(diǎn)及其一個(gè)層面內(nèi)部和跨層面的連接關(guān)系所形成的層級(jí)網(wǎng)絡(luò)結(jié)構(gòu)（Lazega 和 Snijders，2015［12］； Lomi 和 Robins，2016［13］）。具體來說，一個(gè)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(diǎn)集包含的實(shí)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(shí)元素間的隸屬關(guān)系及知識(shí)元素間的組合關(guān)系形成了一個(gè)多層級(jí)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(shí)全面地反映創(chuàng)新實(shí)踐系統(tǒng)中的層級(jí)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(duì)知識(shí)搜索的影響機(jī)制顯然是有益的。由于多層次網(wǎng)絡(luò)強(qiáng)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(shí)元素間的連接關(guān)系、知識(shí)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(gè)多層次網(wǎng)絡(luò)分析框架中，使用多層指數(shù)隨機(jī)圖模型進(jìn)行實(shí)證，發(fā)現(xiàn)企業(yè)的知識(shí)存量結(jié)構(gòu)特征影響發(fā)明者間的人際交互關(guān)系，進(jìn)而影響組織內(nèi)部的知識(shí)擴(kuò)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(jī)制。

綜上，本研究關(guān)注個(gè)體發(fā)明者，從多重網(wǎng)絡(luò)視角及多層面出發(fā)，將知識(shí)元素間的連接關(guān)系、知識(shí)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(gè)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(shí)搜索行為，它們對(duì)發(fā)明者知識(shí)搜索的作用是否受到情景因素的影響？鑒于此，我們以中國(guó)華為公司和美國(guó)蘋果公司兩家技術(shù)密集型企業(yè)為研究對(duì)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(jì)量模型實(shí)證跨層次網(wǎng)絡(luò)結(jié)構(gòu)對(duì)知識(shí)搜索的影響，并引入從屬點(diǎn)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(duì)知識(shí)搜索的內(nèi)在作用機(jī)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(yùn)行機(jī)理與運(yùn)行績(jī)效，并為發(fā)明者知識(shí)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(gè)發(fā)明者可能擁有多個(gè)知識(shí)元素，一個(gè)知識(shí)元素可能隸屬于多個(gè)發(fā)明者。某個(gè)焦點(diǎn)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(shì)，發(fā)明者的鄰域是隸屬于該發(fā)明者知識(shí)元素的集合（Le Blond等，2005［14］； Latapy等，2008［15］）。跨層凝聚性在一定程度上衡量了發(fā)明者與其直接合作伙伴擁有共同知識(shí)的程度，反映了發(fā)明者、直接合作伙伴和所隸屬的知識(shí)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(diǎn)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(shí)元素之間連接的程度（Latapy等，2008［15］）。隸屬于該發(fā)明者的知識(shí)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(duì)知識(shí)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(duì)知識(shí)的組合或重組，因?yàn)橐粋€(gè)知識(shí)元素可能隸屬于多個(gè)發(fā)明者?？鐚舆B通性越高說明隸屬于發(fā)明者的知識(shí)元素間連接性越緊密。焦點(diǎn)發(fā)明者的從屬點(diǎn)度度量隸屬于該發(fā)明者的知識(shí)元素與其他知識(shí)元素的關(guān)聯(lián)性，從屬點(diǎn)度越高，說明隸屬于發(fā)明者的知識(shí)元素?fù)碛械闹R(shí)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(shí)搜索維度

知識(shí)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(duì)知識(shí)進(jìn)行搜尋、獲取、整合及利用的活動(dòng)過程（劉娜等，2019［17］）。自知識(shí)搜索概念提出以來，學(xué)者基于不同視角對(duì)知識(shí)搜索進(jìn)行了維度劃分。知識(shí)搜索維度是對(duì)創(chuàng)新主體知識(shí)搜索行為的描述，反映了創(chuàng)新主體的知識(shí)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(shí)相近程度，提出了遠(yuǎn)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(shí)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(duì)知識(shí)搜索進(jìn)行劃分。單維劃分相對(duì)來說不能完全描述創(chuàng)新主體的知識(shí)搜索行為；而三維劃分各維度彼此間存在交叉，二級(jí)子維度不在同一水平面，因此測(cè)量時(shí)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(shí)搜索廣度與深度兩個(gè)經(jīng)典維度描述發(fā)明者的知識(shí)搜索行為。其中，知識(shí)搜索廣度是指知識(shí)搜索渠道的數(shù)量，反映發(fā)明者知識(shí)搜索的范圍；知識(shí)搜索深度是指從渠道中獲取知識(shí)的力度，反映知識(shí)搜索的強(qiáng)度。

2.3 跨層凝聚性對(duì)發(fā)明者知識(shí)搜索行為的影響

當(dāng)焦點(diǎn)發(fā)明者、直接合作伙伴及其知識(shí)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(shí)，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(diǎn)發(fā)明者與其直接合作伙伴擁有共同的知識(shí)元素。凝聚性的網(wǎng)絡(luò)結(jié)構(gòu)通過三個(gè)方面的機(jī)制影響發(fā)明者的知識(shí)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(jìn)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(shí)的交流并促進(jìn)細(xì)粒度知識(shí)和信息的傳遞。二，凝聚性促進(jìn)知識(shí)溢出和重新組合，增強(qiáng)發(fā)明者的知識(shí)吸收能力。發(fā)明者通過密集的連接能夠證實(shí)搜集到的信息的質(zhì)量、精確性和可靠性，確認(rèn)信息的能力以及促進(jìn)信息和知識(shí)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(shì)。通過創(chuàng)建共同的意識(shí)，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(shí)基礎(chǔ)或人力資本，發(fā)明者進(jìn)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(diǎn)發(fā)明者的跨層凝聚性過高時(shí)，其所處的局部網(wǎng)絡(luò)因?yàn)檫B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(jìn)行知識(shí)搜索受到的約束就越多，因?yàn)槭艿骄植克阉魃鐣?huì)慣性和知識(shí)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(shì)，即替代和變化是被動(dòng)的（劉娜，2017［6］）?？鐚幽坌赃^高時(shí)，焦點(diǎn)發(fā)明者與其直接伙伴間擁有更多相同的知識(shí)資源，從而發(fā)明者失去對(duì)知識(shí)的獨(dú)占性，導(dǎo)致知識(shí)同質(zhì)化現(xiàn)象嚴(yán)重。此外，凝聚性過高時(shí)，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(huì)關(guān)系和知識(shí)關(guān)系進(jìn)行搜索知識(shí)時(shí)就會(huì)形成自身惰性，阻礙其獲得更多外界新穎的知識(shí)。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(jī)會(huì)成本，鑒于這些成本，當(dāng)一個(gè)發(fā)明者鎖定在過度凝聚的網(wǎng)絡(luò)結(jié)構(gòu)中時(shí)，發(fā)明者不愿投資時(shí)間和金錢探索新知識(shí)和新思想。探索新知識(shí)和新思想的不可預(yù)知性、不確定性和偶然性也會(huì)抑制發(fā)明者的知識(shí)搜索行為。

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

H1a：發(fā)明者的跨層凝聚性對(duì)其知識(shí)搜索深度的影響呈倒U型。

H1b：發(fā)明者的跨層凝聚性對(duì)其知識(shí)搜索廣度的影響呈倒U型。

2.4 跨層連通性對(duì)發(fā)明者知識(shí)搜索行為的影響

當(dāng)隸屬于某個(gè)焦點(diǎn)發(fā)明者的知識(shí)元素間連接關(guān)系較多時(shí)，發(fā)明者的跨層連通性較高。實(shí)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(shí)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(duì)發(fā)明者的知識(shí)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(huì)關(guān)系并不能高效的進(jìn)行知識(shí)的搜索及重組，在很大程度上，發(fā)明者的知識(shí)搜索行為取決于其知識(shí)的結(jié)構(gòu)特征即知識(shí)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(shí)搜索行為提供結(jié)合和重組機(jī)會(huì)（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(shí)并將其進(jìn)行合理高效的運(yùn)用。發(fā)明者對(duì)過去知識(shí)組合經(jīng)歷的充分理解可增加知識(shí)未來組合性潛力，因?yàn)?，?dāng)為熟悉的知識(shí)搜尋組合性機(jī)會(huì)時(shí)，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(shí)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(shí)搜索和重組提供機(jī)會(huì)。

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

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

H2a：發(fā)明者的跨層連通性對(duì)其知識(shí)搜索深度的影響呈倒U型。

H2b：發(fā)明者的跨層連通性對(duì)其知識(shí)搜索廣度的影響呈倒U型。

2.5 從屬點(diǎn)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(diǎn)度顯示了其知識(shí)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(shí)元素及過去已發(fā)生組合關(guān)系的舊知識(shí)元素。焦點(diǎn)發(fā)明者的從屬點(diǎn)度高說明其知識(shí)元素在知識(shí)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(shí)元素（Lee等，2016［26］）。此外，從屬點(diǎn)度高的發(fā)明者對(duì)中心化知識(shí)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(jī)會(huì)與其他發(fā)明者進(jìn)行交流合作。發(fā)明者適度的跨層凝聚性產(chǎn)生社會(huì)規(guī)范、有助于精細(xì)和可靠知識(shí)與信息的傳遞與交流、具有有效訪問和利用資源的優(yōu)勢(shì)，高從屬點(diǎn)度則會(huì)促進(jìn)發(fā)明者接觸到廣泛的知識(shí)元素，進(jìn)一步促進(jìn)發(fā)明者知識(shí)搜索深度與知識(shí)搜索廣度。

發(fā)明者的過度跨層凝聚產(chǎn)生慣性趨勢(shì)、導(dǎo)致知識(shí)同質(zhì)化嚴(yán)重、提高知識(shí)搜索成本。在發(fā)明者高從屬點(diǎn)度情況下，一方面，既使花費(fèi)較少的成本也能獲取一定數(shù)量的知識(shí)資源，這會(huì)加強(qiáng)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(shí)。另一方面，從屬點(diǎn)度高的發(fā)明者連接到更多的知識(shí)元素，加劇知識(shí)冗余性，進(jìn)一步提高知識(shí)搜索成本。因此，高從屬點(diǎn)度增強(qiáng)過度跨層凝聚對(duì)知識(shí)搜索行為的負(fù)向影響。

據(jù)此，提出如下假設(shè)：

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

H3b：發(fā)明者的從屬點(diǎn)度正向調(diào)節(jié)跨層凝聚性與知識(shí)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(shí)在網(wǎng)絡(luò)中傳播的速度和知識(shí)的保真度，促進(jìn)發(fā)明者的知識(shí)搜索行為。發(fā)明者的從屬點(diǎn)度顯示了發(fā)明者接觸知識(shí)的范圍及知識(shí)的組合潛力。高從屬點(diǎn)度的發(fā)明者能接觸廣泛的知識(shí)且具有高的組合潛力，從而促進(jìn)適度跨層連通性對(duì)知識(shí)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(shí)和重復(fù)信息，過多的知識(shí)傳遞渠道也降低了知識(shí)傳遞效率，從而抑制發(fā)明者的知識(shí)搜索行為。高從屬點(diǎn)度的發(fā)明者又接觸到廣泛的知識(shí)，這其中包括隸屬于該發(fā)明者的知識(shí)也包括隸屬于其他發(fā)明者的知識(shí)。因而，高從屬點(diǎn)度進(jìn)一步增加了知識(shí)傳遞渠道，降低知識(shí)傳遞邊際效用。因此，高從屬點(diǎn)度增強(qiáng)過度跨層連通性對(duì)發(fā)明者知識(shí)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(diǎn)度正向調(diào)節(jié)跨層連通性與發(fā)明者知識(shí)搜索深度間的倒U型關(guān)系

H3d：多網(wǎng)絡(luò)的從屬點(diǎn)度正向調(diào)節(jié)跨層連通性與發(fā)明者知識(shí)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(dòng)比較頻繁且經(jīng)常利用申請(qǐng)專利保護(hù)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(duì)象。一方面，該行業(yè)的企業(yè)申請(qǐng)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(jìn)行與時(shí)俱進(jìn)的創(chuàng)新活動(dòng)，發(fā)明者自身具有豐富的知識(shí)且對(duì)外部知識(shí)需求較大。為了避免研究結(jié)果偶然性的發(fā)生，我們同時(shí)選擇該行業(yè)兩大代表性公司中國(guó)的華為公司和美國(guó)的蘋果公司作為研究對(duì)象。我們分別收集兩家公司1996-2017年間在美國(guó)專利商標(biāo)局（USPTO）申請(qǐng)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(qǐng)的6354項(xiàng)專利，共5250名發(fā)明者；蘋果公司在USPTO申請(qǐng)的14827項(xiàng)專利，共10017名發(fā)明者。

3.2 知識(shí)表征及網(wǎng)絡(luò)構(gòu)建

專利的技術(shù)代碼被認(rèn)為是知識(shí)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(shí)產(chǎn)權(quán)局定義的國(guó)際專利分類碼（International Patent Classification Codes，IPC）及美國(guó)專利商標(biāo)局定義的美國(guó)專利分類體系。本研究使用IPC代碼作為知識(shí)元素的代理。IPC技術(shù)代碼是一個(gè)五級(jí)的分層結(jié)構(gòu)。許多研究使用4位IPC代碼表征知識(shí)元素，其中包括了部、大類和小類，主要是因?yàn)?位IPC代碼實(shí)際上能夠充分表達(dá)一個(gè)專利的技術(shù)或知識(shí)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(shí)元素。我們提取并刪除重復(fù)的4位IPC代碼后，每項(xiàng)專利能夠被分類到一個(gè)或多個(gè)4位IPC代碼。

一項(xiàng)專利可能涉及一位或多位發(fā)明者，也可能被分類到一個(gè)或多個(gè)4位IPC代碼；一個(gè)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(shí)元素間知識(shí)網(wǎng)絡(luò)及發(fā)明者與知識(shí)元素間的隸屬網(wǎng)絡(luò)。我們采用五年移動(dòng)時(shí)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(gè)因變量分別為發(fā)明者的知識(shí)搜索廣度及知識(shí)搜索深度，我們使用發(fā)明者觀測(cè)年（t及t+1年）所申請(qǐng)專利對(duì)先前專利的引用情況測(cè)度。知識(shí)搜索廣度用知識(shí)渠道的地域范圍測(cè)度，即發(fā)明者觀測(cè)年申請(qǐng)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(shí)搜索廣度范圍越大。知識(shí)搜索深度用知識(shí)搜索的強(qiáng)度測(cè)度，即發(fā)明者觀測(cè)年申請(qǐng)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(shí)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(cè)度（bipartite min-clustering measure）指標(biāo)，進(jìn)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(gè)節(jié)點(diǎn)的二分最小聚集系數(shù)度量該節(jié)點(diǎn)鄰域與其他節(jié)點(diǎn)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(diǎn)間（同一層面的節(jié)點(diǎn)）存在連接關(guān)系。因此，在多層次創(chuàng)新網(wǎng)絡(luò)中，一個(gè)焦點(diǎn)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(jì)算公式為式(1)，其中，u和v是存在直接合作關(guān)系的一對(duì)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(shí)元素?cái)?shù)，即隸屬于發(fā)明者u和v的知識(shí)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(duì)最小值。一個(gè)焦點(diǎn)發(fā)明者可能具有多個(gè)直接合作伙伴，因此，我們將一個(gè)焦點(diǎn)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(jì)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(shí)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(shí)元素間實(shí)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(cè)度，具體計(jì)算公式為式(3)，其中，u表示焦點(diǎn)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(shí)元素間存在的連接數(shù)；表示隸屬于發(fā)明者u的知識(shí)元素間存在的最大連接數(shù)。

（3）調(diào)節(jié)變量

在簡(jiǎn)單的一模網(wǎng)絡(luò)中點(diǎn)度表示焦點(diǎn)節(jié)點(diǎn)與其直接連接的其他節(jié)點(diǎn)的數(shù)量。Borgatti和Halgin（2011）［16］提出了二模隸屬網(wǎng)絡(luò)點(diǎn)度的概念，即隸屬于某焦點(diǎn)節(jié)點(diǎn)的另一個(gè)集合節(jié)點(diǎn)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(diǎn)度度量隸屬于該發(fā)明者的知識(shí)元素與其他知識(shí)元素的關(guān)聯(lián)度，具體計(jì)算公式為式(4)，其中，∑d2(ui)表示隸屬于發(fā)明者的各個(gè)知識(shí)元素的直接連接的知識(shí)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(shí)元素?cái)?shù)，即隸屬于發(fā)明者的知識(shí)元素?cái)?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(cè)年與發(fā)明者首次申請(qǐng)專利的年份間的差值，發(fā)明者累積的認(rèn)知能力可能會(huì)影響其知識(shí)搜索行為，任期越長(zhǎng)，往往經(jīng)驗(yàn)越豐富。專利存量，發(fā)明者進(jìn)入觀測(cè)年前五年申請(qǐng)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(duì)發(fā)明者知識(shí)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(shí)搜索廣度與知識(shí)搜索深度都只取非負(fù)整數(shù)值，因而對(duì)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(jì)。學(xué)者經(jīng)常使用計(jì)數(shù)模型如泊松模型或負(fù)二項(xiàng)模型來處理計(jì)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(gè)因變量呈現(xiàn)過度分散。負(fù)二項(xiàng)模型可以處理計(jì)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(fù)二項(xiàng)模型來放松均值-方差相等的假設(shè)并驗(yàn)證我們的理論模型。此外，我們根據(jù)Hausman檢驗(yàn)對(duì)負(fù)二項(xiàng)隨機(jī)效應(yīng)和負(fù)二項(xiàng)固定效應(yīng)進(jìn)行選擇，檢驗(yàn)結(jié)果支持選擇負(fù)二項(xiàng)固定效應(yīng)模型。

4 研究結(jié)果

4.1 描述性統(tǒng)計(jì)

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(gè)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(gè)自變量與知識(shí)搜索深度及知識(shí)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(jì)與相關(guān)系數(shù)

表2 蘋果公司描述性統(tǒng)計(jì)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(jìn)行實(shí)證，研究結(jié)果可能存在一定的偶然性。為了避免單一個(gè)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(jìn)行實(shí)證回歸并將研究結(jié)果進(jìn)行對(duì)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(fù)二項(xiàng)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(yàn)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(diǎn)度、從屬點(diǎn)度與跨層凝聚性及其二次項(xiàng)的乘積項(xiàng)，用以驗(yàn)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(yàn)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(diǎn)度、從屬點(diǎn)度與跨層連通性及其二次項(xiàng)的乘積項(xiàng)，用以驗(yàn)證假設(shè)H3c和H3d。

表3 華為公司固定效應(yīng)的負(fù)二項(xiàng)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(duì)其知識(shí)搜索深度及知識(shí)搜索廣度的影響呈倒U型。表3針對(duì)華為公司的回歸中，模型2a和2b中跨層凝聚性二次項(xiàng)系數(shù)的符號(hào)與預(yù)期一致，且在統(tǒng)計(jì)上顯著（β=-0.076，p＜0.01；β=-0.060，p＜0.01）；表4針對(duì)蘋果公司的回歸中，模型2a和2b的跨層凝聚性二次項(xiàng)系數(shù)的符號(hào)也與預(yù)期一致，且在統(tǒng)計(jì)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(yàn)證了假設(shè)H1a和H1b。

假設(shè)H2a、H2b認(rèn)為發(fā)明者的跨層連通性對(duì)其知識(shí)搜索深度及知識(shí)廣度的影響呈倒U型。表3中，模型4a的跨層連通性二次項(xiàng)系數(shù)的符號(hào)與預(yù)期一致且在統(tǒng)計(jì)上顯著（β=-0.104，p＜0.01）；然而，模型4b的跨層連通性二次項(xiàng)系數(shù)的符號(hào)與預(yù)期不一致且統(tǒng)計(jì)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(xiàng)系數(shù)的符號(hào)與預(yù)期一致在統(tǒng)計(jì)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(shí)，只是進(jìn)一步加強(qiáng)了知識(shí)間的交流，使得發(fā)明者接觸更廣范圍的知識(shí)，知識(shí)搜索的邊際效用沒有因此嚴(yán)重下降，同樣促進(jìn)發(fā)明者的知識(shí)搜索廣度。

表4 蘋果公司固定效應(yīng)的負(fù)二項(xiàng)回歸結(jié)果

續(xù)表

假設(shè)H3a、H3b認(rèn)為發(fā)明者的從屬點(diǎn)度正向調(diào)節(jié)其跨層凝聚性與知識(shí)搜索深度及知識(shí)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(diǎn)度的系數(shù)的符號(hào)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(yàn)證了假設(shè)H3a和H3b。表4中，模型3a的跨層凝聚性^2╳從屬點(diǎn)度的系數(shù)的符號(hào)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(diǎn)度的系數(shù)的符號(hào)與預(yù)期一致(β=0.019)，但統(tǒng)計(jì)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(tuán)隊(duì)，研發(fā)人員來自世界各地且具有豐富及高質(zhì)量的知識(shí)儲(chǔ)備。高從屬點(diǎn)度意味著隸屬于發(fā)明者的知識(shí)元素與更多知識(shí)連接，從而為發(fā)明者創(chuàng)造接觸其他知識(shí)資源的機(jī)會(huì)。知識(shí)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(shí)元素，因此，從屬點(diǎn)度對(duì)跨層凝聚性與知識(shí)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(diǎn)度能夠加強(qiáng)其跨層連通性與知識(shí)搜索深度與知識(shí)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(diǎn)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(diǎn)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(yàn)證了假設(shè)H3d。雖然只有蘋果公司的樣本數(shù)據(jù)驗(yàn)證了假設(shè)H3d，但我們認(rèn)為從屬點(diǎn)度能夠正向調(diào)節(jié)跨層連通性與知識(shí)搜索廣度間的倒U型影響。華為公司主要以國(guó)內(nèi)博士生及部分俄羅斯數(shù)學(xué)家為主進(jìn)行理論研究及產(chǎn)品開發(fā)，同時(shí)與國(guó)內(nèi)高校進(jìn)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(guó)內(nèi)人員。華為公司對(duì)員工以制度管理為主，蘋果公司則實(shí)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(shí)范圍也因此受限。因此，當(dāng)從屬點(diǎn)度增加時(shí)，發(fā)明者增加的是接觸更多數(shù)量的知識(shí)元素的機(jī)會(huì)，而不是增加接觸更廣范圍知識(shí)元素的機(jī)會(huì)。所以，在華為公司中，發(fā)明者從屬點(diǎn)度對(duì)其跨層連通性與知識(shí)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(duì)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(gè)公司的調(diào)節(jié)作用效果圖。

圖3 華為公司從屬點(diǎn)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(diǎn)度對(duì)其跨層凝聚性、跨層連通性與知識(shí)搜索深度與知識(shí)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(diǎn)度調(diào)節(jié)發(fā)明者跨層凝聚性與知識(shí)搜索深度間的關(guān)系，可知，跨層凝聚性與知識(shí)搜索深度間存在倒U型關(guān)系，且從屬點(diǎn)度加強(qiáng)了這種關(guān)系，即相對(duì)于低從屬點(diǎn)度的發(fā)明者，高從屬點(diǎn)度的發(fā)明者增強(qiáng)其倒U型關(guān)系中的正向促進(jìn)關(guān)系，同樣增強(qiáng)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(diǎn)度對(duì)跨層凝聚性與知識(shí)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(diǎn)度加強(qiáng)了這種關(guān)系，即相比于低從屬點(diǎn)度的發(fā)明者，高從屬點(diǎn)度的發(fā)明者增強(qiáng)其倒U關(guān)系中的正向促進(jìn)作用，同樣增強(qiáng)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(shí)搜索深度間存在倒U型關(guān)系；相對(duì)于低從屬點(diǎn)度的發(fā)明者，發(fā)明者高從屬點(diǎn)度增強(qiáng)了跨層連通性對(duì)知識(shí)搜索深度的促進(jìn)作用，同樣高從屬點(diǎn)度增強(qiáng)了跨層連通性對(duì)知識(shí)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(shí)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(shí)搜索廣度之間存在倒U型關(guān)系。此外，從這兩個(gè)圖可以得出，發(fā)明者從屬點(diǎn)度正向調(diào)節(jié)跨層連通性與知識(shí)搜索廣度間的倒U型關(guān)系。

圖4 蘋果公司從屬點(diǎn)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(huì)關(guān)系、組合類型的知識(shí)關(guān)系及從屬類型的隸屬關(guān)系整合在一個(gè)多層次網(wǎng)絡(luò)分析框架中，實(shí)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(duì)其知識(shí)搜索行為的作用。得出以下結(jié)論：發(fā)明者跨層凝聚性對(duì)其知識(shí)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(jìn)其知識(shí)搜索行為，當(dāng)跨層凝聚性過高時(shí)，則會(huì)抑制其知識(shí)搜索行為；同樣，得出發(fā)明者跨層連通性對(duì)其知識(shí)搜索行為的影響呈倒U型。通過從屬點(diǎn)度對(duì)跨層網(wǎng)絡(luò)結(jié)構(gòu)與知識(shí)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(diǎn)度正向調(diào)節(jié)跨層凝聚性對(duì)知識(shí)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(diǎn)度能夠增強(qiáng)適度跨層凝聚性對(duì)知識(shí)搜索的促進(jìn)作用，且增強(qiáng)過度跨層凝聚性對(duì)知識(shí)搜索的抑制作用；同樣，我們得出發(fā)明者從屬點(diǎn)度正向調(diào)節(jié)跨層連通性對(duì)知識(shí)搜索深度及廣度的倒U型作用。

知識(shí)搜索能夠促使企業(yè)獲得豐富的知識(shí)及新穎的創(chuàng)意，提高企業(yè)在激烈競(jìng)爭(zhēng)環(huán)境下的優(yōu)勢(shì)。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(shí)關(guān)系及隸屬關(guān)系整合在一個(gè)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(jī)制研究，這將突破當(dāng)前傳統(tǒng)社會(huì)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(diǎn)及單一連接機(jī)制的局限性，將創(chuàng)新網(wǎng)絡(luò)功能機(jī)制的研究進(jìn)一步推向深入。較之傳統(tǒng)的關(guān)注單一連接機(jī)制所形成的單一層面的創(chuàng)新網(wǎng)絡(luò)嵌入對(duì)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(shí)踐系統(tǒng)中的層級(jí)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(shí)際，具有重要的現(xiàn)實(shí)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(shí)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(shí)元素時(shí)，能夠促進(jìn)相互間知識(shí)的交流與傳遞，從而促進(jìn)知識(shí)搜索行為。當(dāng)發(fā)明者與合作伙伴間共有知識(shí)元素比例過高時(shí)，發(fā)明者則失去了對(duì)知識(shí)的獨(dú)占性。在企業(yè)的創(chuàng)新搜索過程中，獨(dú)有的知識(shí)往往對(duì)知識(shí)搜索較為關(guān)鍵。因此，企業(yè)應(yīng)該尋找一個(gè)閾值來對(duì)企業(yè)內(nèi)部的知識(shí)資源進(jìn)行合理安排，既要讓發(fā)明者間擁有共享知識(shí)，也要讓發(fā)明者擁有專享知識(shí)。發(fā)明者的跨層連通性體現(xiàn)在實(shí)際工作中也就是發(fā)明者所擁有知識(shí)元素間的聯(lián)系，知識(shí)元素間適度的相關(guān)聯(lián)則有利于發(fā)明者的知識(shí)搜索行為，當(dāng)聯(lián)系過于緊密時(shí)則會(huì)阻礙發(fā)明者的知識(shí)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(shí)資源，避免掌握的知識(shí)資源間存在過于緊密的連接。為了使企業(yè)創(chuàng)新績(jī)效達(dá)到最大值，還應(yīng)該注意知識(shí)元素的從屬點(diǎn)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(shí)元素。

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