创新与创业管理(第13辑)——研发、创新与创业管理(txt+pdf+epub+mobi电子书下载)

作者：陈劲、高建主编

出版社：清华大学出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

创新与创业管理(第13辑)——研发、创新与创业管理试读：

内容简介

本专辑共收录了10篇文章，研究主题涉及：中国研发网络自组织演化的涌现性；融资约束对不同阶段技术创新的影响；开放式创新和双元战略对组织创新绩效的影响；不同类型的组织学习与新企业成长关系；创业种群成长动力学模型；国内风险投资对企业家创业空间集聚的影响；欧盟创新评价指标体系；“夹在中间”假说对中国中小企业的适用性；企业环境知识管理评价与分析；国外女性创业研究发展。page1中国研发网络自组织演化的涌现性研(1)究 ——基于复杂网络的视角王　鹏，王玉珊（暨南大学　经济学院，广州　510632）

摘要：借鉴复杂网络理论及其涌现机理，以中国研发网络为例，运用1979—2014年美国专利与商标局（USPTO）的专利数据，分阶段地分析中国研发网络自组织演化的涌现特征，并对其涌现表现和涌现层级结构等进行了研究。研究结果表明：中国研发网络的演化具有显著的复杂网络自组织特征和涌现特性，随着网络系统的不断发展而呈现明显的涌现层级结构；中国各省（自治区、直辖市）进入研发网络的步调不一致，研发网络整体的知识流动及其研发效率还很薄弱，研发国际化水平和先进知识流动程度都相对较低，这导致中国研发网络中发达地区与欠发达地区的合作研发水平和创新能力存在巨大差距。

关键词：复杂网络；研发网络；自组织演化；涌现性

中图分类号：F204　　文献标志码：A1　研究背景

研发（research and development，R & D）网络是以研发活动密集区域的企业为节点，以研发能量聚集和互通渠道为连线，在一定空间范围内形成的联系紧密、互动开放的区域网络系统。随着市场竞争日趋激烈和外部环境日益复杂，企业为提升市场竞争力、实现战略目标而面对的挑战愈发艰巨，单个企业仅靠自身力量已无法突破这些壁垒，而与外部研发机构合作、构建研发网络成为企业生存发展的必然趋势。作为一种page2开放性组织，研发网络具有高度动态性和深度复杂性，是一种特殊的复杂网络。其中，研发主体具有很强的适应性，能够主动适应复杂多变的外部环境，并与外部能量进行互动，自主选择进出网络，表现出主动的非理性和复杂性。因此，在复杂网络的背景下深入探究研发网络的内在结构及其演化，具有重要的理论和现实意义。

关于研发网络复杂性的现有研究主要集中在以下两个方面。一是将复杂性理论与研发网络相结合，探讨创新主体间的技术创新和合作[1]研发。例如：Butts发现，合作研发网络与创新网络和知识网络具有相同的本质，即都是基于知识流动的关系网络，可以采用社会网络分[2]析法理解和分析网络结构及其动态演化过程；赵红梅和王宏起利用社会网络分析方法揭示了R & D联盟网络效应形成的微观机理，认为R & D联盟网络能够产生结构维度的知识转移效应和组织学习效应以[3]及关系维度的社会资本效应和创新效应；Prato和Nepelski研究了全球创新网络，构建了国际间合作创新引力模型，认为国际范围内的合作研发可以形成复杂的研发网络。二是将研发网络视为一种协作研发[4]方式，并研究其协作研发能力。例如：Prashant等基于知识观和组织学习理论，指出研发网络是企业学习和吸收关键技术和能力的一种[5]重要手段；曾德明等将企业R & D网络分为变动性网络和稳定性网络，认为R & D网络边界可以自主扩张，当进出网络的企业的数量达[6]到相对均衡时会趋于相对稳定；Yokura等采用社会网络分析法研究了日本的研发网络和区域创新问题，认为区际和区域的技术转移是提升国家或区际竞争力的核心手段。

涌现是复杂网络的一大特征，研发网络是一种特殊的复杂网络形[7]态，其网络系统涌现性一直是国内外学者的研究热点。Holland提出用回声模型（echo model）描述复杂适应系统（complex adaptive system，CAS）模型，并给出了一个完整的模型表达过程及其扩展思想，后来又提出了“受限生成过程”的概念，试图建立涌现现象的普适机制。相比国外学者，中国学者较晚涉足涌现性研究。叶培华和徐

[8]宝祥运用涌现理论对企业知识生态系统的涌现特征、涌现来源以及涌现结果进行了深入分析，并建立了企业知识生态系统涌现机理模[9]型。吴文清等研究了孵化器内创业企业知识网络的涌现现象和网络连接特征，并提出了促进孵化器内创业企业知识水平提升的管理建议。

综上所述，目前国内外学者对研发网络的协作创新和合作研发问题以及复杂网络的涌现性特征的研究均日趋完善，但从复杂网络的角度研究研发网络以及将研发网络作为一种特殊的复杂网络系统地研究其涌现特性和涌现层级结构等的文献相对较少。本文借鉴复杂网络理论及其涌现机理，将研发网络视为由众多适应性微观研发主体构成的复杂网络，并以中国研发网络为例，深入揭示研发网络自组织演化过程中的涌现特征，以期为中国构建和培育持久稳定的研发网络提供理论依据，促进研发主体协作创新能力的提升和中国研发网络的健康有序发展。2　复杂网络理论及其研究方法

从20世纪80年代末开始，复杂性研究日渐成为学术界的研究热点，其中两个具有奠基性的研究将复杂网络研究推向高峰，这两项研究分别提出了小世界网络和无标度网络的概念，并着重分析了其基本[10]性质和产生原理。具体如下：一是Watts和Strogatz建立了小世界（small-world）网络模型，研究了从规则网络到随机网络的转变，认为小世界网络具有与规则网络类似的较大的聚类系数，同时具有与随[11]机网络相似的较短的平均路径长度；二是Barabasi和Albert指出，现实中许多大型复杂网络的度分布具有幂律形式，幂律分布不具有明显的特征长度，因此可称之为无标度（scale-free）网络。截至目前，国内学术界对复杂网络还没有一个普适的定义，应用较为普遍的[12]是中国著名科学家钱学森提出的概念界定：复杂网络是具有自组织、自相似、吸引子、小世界、无标度特征等部分或全部性质的网络。国内外学术界对复杂网络的研究也主要侧重于分析复杂网络的拓扑结构及特性，探索复杂系统产生涌现、同步和突变等的机制，从而能够深入研究复杂网络的系统动力学行为以及控制方法。

复杂网络在自学习、自适应和交互合作机制的支配下会不断演化和发展，最终出现涌现现象。在复杂性科学中，涌现以相互作用为中心，通常用来指局部组分之间的交互而产生系统全局行为或缘起于微[13]观的宏观效应。这种宏观全局特征或性质只有在多要素系统形成后从整体体现出来，并不显现于微观组分，即存在1+1+…+1>f（n）（n个1相加，f（n）远大于n）的协同效应。因此，涌现性是系统非加和的一种属性，即“整体不等于部分之和”，其中整体与部分的差异就是涌现性。涌现过程还是一个自组织的过程，系统形成的各种结构并非是外界环境直接强加给系统的，而外界是以非特定方式作用于系统的。复杂网络的自组织演化最终可以自发涌现出稳态，此时进出网络的主体及主体间的相互合作关系达到动态平衡。这种稳态的形成与涌现规律和各主体的初始状态无关，而与主体间的作用关系具有较大的相关度。

本文的研究样本为中国的研发网络，即中国创新主体与海外研发主体以及中国内部各区域研发主体进行合作研发形成的研发网络。结合两种研究尺度确定中国研发网络的节点：在国内，本文以省域为尺度，即以中国各省（自治区、直辖市）为网络节点；在国外，以国界为尺度，即以国际上的各国和地区为网络节点。任意两个具有合作研发关系的网络节点形成“边”，所有具有合作研发关系的网络节点经“边”相连而形成复杂的网络关系。研发网络在本质上是一种基于知识流的关系网络，不同的网络节点在研发网络中具有不同的竞争优势和知识扩散能力，因此在研发网络中发挥着不同的作用。

专利是研发网络的重要产出成果，凭借评审过程标准化、数据公共可得性等特点已成为分析知识溢出、知识流动和创新网络的首选数据。本文采用美国专利与商标局page4（United States Patent and Trademark Office，USPTO）的专利数据，以“专利中至少包括一个申请国家为中国大陆”为条件进行数据筛选，再删除具有明显错误或信息不全的专利数据，最终共得到11 543个专利数据（1979—2014年），同时以“申请国或申请地区之间至少合作研发过一项专利”为条件定义国家或地区之间的合作研发关系，以此为基础构建中国的研发网络。本文的所有网络图形均是利用GEPHI软件完成的，GEPHI软件是一款基于JVM的跨平台复杂网络分析软件，主要通过制作动态分层图实现各种复杂系统或网络的交互可视化，有助于深入挖掘和展现中国研发网络的复杂性及其演化特征。3　基于复杂网络的研发网络涌现性分析

在复杂网络的背景下对研发网络涌现性的研究主要包括以下4个方面：研发网络拓扑特征分析；基于自组织临界判断的系统涌现性判断；研发网络涌现性的表现；研发网络涌现的层级结构。3.1　研发网络拓扑特征分析

本文主要从度分布这一网络拓扑特性分析研发网络这一复杂网络的涌现特征。通常情况下，节点的度表示与该节点直接相连的邻居节点的数目，用函数P（k）表示随机选取的某个节点的度为k的概率，它反映了研发网络中节点的度分布情况，P（k）=（O≤k≤N-1）其中：nk为节点的度为k的节点的个数；N为网络节点总数。网络中所有节点的度的均值称为网络的平均度，反映了研发企业利用研发网络资源进行网络整合的广度，用平均度指标表示，，其中ki为第i个节点的度。3.2　基于自组织临界判断的系统涌现性判断

涌现性判断是分析研发网络涌现性的前提，通过观察复杂网络拓扑的动态演化情况，运用自组织临界判断可以进行涌现性判断。具体来说，本文分析网络拓扑的度分布特性，当其符合幂律分布时，判定[14]系统呈自组织临界判断，即发生涌现。幂律分布是自组织演化系统在临界状态（也称混沌边缘）时从稳态向混沌态过渡的标志，利用幂律分布可以预测演化系统的相位和相变。幂律分布通式一般可写为y=cx-r。其中：x和y是正数随机变量；c和r为大于0的常数。幂律分布的共性是绝大多数事件的规模很小、少数事件的规模相当大。对上式两边取对数，可知lny与lnx满足线性关系，即在双对数坐标下幂律分布图形表现为一条斜率为幂指数的负数的直线，而这一线性关系是本文判断选取的美国专利与商标局的专利数据是否满足幂律的依据。page5若度分布为幂律分布，即p（k）=ak-（γ-1），则表示随机选取的节点的度为k的概率分布函数具有幂函数形式。3.3　研发网络涌现性表现

研发网络的涌现性机理体现了研发服务一体化、网络化和规模化的发展趋势。研发网络内部各研发主体通过建立相互关系产生凝聚作用，这种凝聚作用远远超过了各独立主体间相互作用的结果。这就是增效性，主要表现在：首先，研发网络的涌现特征不是某一区域主体特征的简单之和，而是具有1+1>2的效果；其次，系统涌现特征的种类与单个研发主体特征的种类不完全相同；最后，涌现特征不能通过单独考察某个主体的行为来推导出来，如本文中研发网络系统的研发效能不是由中国某个省（自治区、直辖市）单个主体具有的，但整体的涌现行为特征具有规律性和动态性，存在大量不断生成的结构和模式，这些结构和模式可以采取某种方法或工具加以预测和控制。3.4　研发网络涌现的层级结构

对研发网络涌现的理解大多与层级观念相联系，一般从高层特征[15]与低层特征间关系的角度界定涌现性。根据Fromm提出的不同层次具有不同的反馈类型和因果关系，本文将研发网络涌现的层级结构分为4类（见图1）：类型I为简单涌现，只包含前馈，无反馈；类型Ⅱ为弱涌现，包含简单的前馈和反馈；类型Ⅲ为多重涌现，存在多个反馈循环；类型Ⅳ为强涌现，在高层组织中出现了涌现层级结构，并产生了具有不可还原性质的复杂性。图1　研发网络涌现的层级结构

研发网络中的适应性主体之间存在趋同机制和聚集作用，这使各主体相互影响、进行相同或相近的适应学习活动。当所有的适应性主体进行相同或相近的适应学习后，网络主体间的非线性作用将形成一个网络层次的涌现（即弱涌现）。在一个层次的涌现形成后，相同层次的涌现同样具有类似的适应性和复杂性行为，网络个体成员与群体之间反复的非线性交互作用使得涌现之间继续相互影响，在非线性作用下形成更高层次的网络涌现，导致研发网络系统整体发生质变（见图2）。可以这样说，涌现是复杂系统层级结构整体的宏观动态现象，这种现象在高层次具有的属性、特征、行为和page6功能一旦被还原到低层次就不复存在。图2　研发网络系统高层次涌现模型4　中国研发网络自组织演化过程的涌现特征

前文已述，复杂网络的演化过程是一个自组织过程。与其他复杂网络一样，研发网络的自组织演化会经历从产生到衰退的过程，通常包括起始、成长、调整和衰退四个阶段。其中，研发网络的涌现通常发生在网络系统成长至调整的阶段。本文结合中国的基本国情和经济发展阶段，运用筛选得到的美国专利与商标局（USPTO）的专利数据，从改革开放初期（1979—1987年）、改革开放深化期（1988—1995年）、亚洲金融危机时期（1996—2000年）、加入WTO后时期（2001—2007年）、国际金融危机后时期（2008-2014年）五个发展阶段分析中国研发网络自组织演化过程的涌现特征。4.1　改革开放初期（1979—1987年）

改革开放初期是中国研发网络的孵化阶段，整体网络非常松散、结构简单、网络主体间多为单线连接（见图3）。在这一阶段，美国(2)是中国研发网络的核心，与几乎全部外围研发主体有直接联系，而外围研发主体之间的联系较少。同时，研发网络在国内的覆盖面较小，除北京、上海、江苏、四川、山东、湖北、山西和天津以及台湾地区外，国内的大部分地区未加入研发网络。就国外而言，只有日本、德国等少数发达国家和地区加入中国的研发网络。该种现象说明，在复杂网络自组织过程的初始阶段，中国整个研发网络具有以研发核心（美国）为中心的星型网络结构，是一种典型的单核网络。而研发网络为单核网络时往往具有高内聚力，其中研发核心集聚了较强的系统技page7术创新能力、核心创新能力和产业链创新能力，在整个研发[16]网络中发挥着“领头羊”的作用。图3　改革开放初期中国研发网络的涌现特征4.2　改革开放深化期（1988—1995年）

随着改革开放不断深化，中国市场环境逐渐全球化，研发网络得到迅速发展，网络内部成员间的竞争更加激烈、互动更为频繁，整个研发网络呈现出日趋复杂、紧密的态势（见图4）。处于成长阶段的中国研发网络的自组织演化表现为网络规模效应形成，即网络成员数量大量增加。就中国内部的研发主体而言，除经济相对落后的内陆省份（如海南、贵州和宁夏等）未参与合作研发外，绝大多数省（自治区、直辖市）已加入中国研发网络，其中北京、上海和广东等省市逐渐发挥出区域性研发核心的作用。此外，虽然美国继续占据研发核心的地位，但是越来越多的国家和地区（如法国、韩国等）已进入中国研发网络。这一阶段的研发网络具有自适应特性，处于一种“远离平衡点”的临page8界状态。研发网络中各节点在个体利益的驱动下会单独做出加入或退出研发网络的策略选择。在简单规则下，各网络节点可自发形成较为稳定的联结状态，最终形成具有强大外部效应的网络系统，这种自组织过程具有明显的涌现特征。图4　改革开放深化期中国研发网络的涌现特征4.3　亚洲金融危机时期（1996—2000年）

在亚洲金融危机时期，中国研发网络进入第一轮调整阶段。比较图4和图5可知，两时期的中国研发网络发生的变动甚微，表明在长期调整中中国研发网络的自组织演化形成了较为稳定的网络分布特征。由于演化过程较短、演化程度较低，因此此时的研发网络仅涌现出低层次的稳态，在自组织演化过程中，各节点自发形成了相对稳定的网络结构。在这一阶段，网络稳态涌现及维持是其主要特征。中国研发网络内部逐渐涌现出少数集聚节点，如北京、上海等，它们能够获得大量的研发合作机会，通常被称为明星节点（见图5）。这些明星节点具有相对丰富的研发信息和便捷的研发渠道，外围节点更倾向于将之作为合作研发的中介，从而建立间接的合作研发关系。同时，明星节点在研发网络中的知识溢出和知识转移可以带动网络成员的集体学习，并将崭新独特的发展模式通过网络扩散形成网络成员共享的发展战略，从而通过研发网络将该模式进一步标准化和流程化，以此[17]促进网络创新效率的整体提高。对于外围节点来说，经过较长时间的整体网络渐进式演化，这些纳入中国研发网络的其他国家或地区依次在明星节点外围比邻分布，无论外围节点如何变动，这种布局都呈相对稳定的状态，研发网络的层级结构将逐步涌现，并且网络的中[18]心性将不断增强。图5　亚洲金融危机时期中国研发网络的涌现特征page94.4　加入WTO后时期（2001—2007年）

中国加入WTO后，研发合作的国际化进程不断深化，外资在华的知识流动和知识溢出水平日益提高，各国和地区的合作创新需求日益增加，彼此更易于建立合作研发关系。在这一阶段，中国的研发网络进入新一轮成长时期，在原有低层次涌现的基础上，网络规模效应继续增强、网络节点数量不断增加、网络密度和网络复杂度进一步提高、网络节点间的知识流动和研发强度快速提升。从图6可以看出，除贵州和西藏（缺乏相关数据）以外的其他所有内陆省（自治区、直辖市）均已加入中国研发网络中，网络内部逐渐演化出以明星节点（如香港地区、台湾地区等）为核心的小团体。其中，美国、加拿大和中国台湾地区凭借其稳定和发达的国际化研发网络而成为中国大陆地区的三个最主要知识来源地。同时，中国研发网络已由改革开放初期的简单的单核网络演化发展为多核网络，表现为网络内部存在多个内聚力很高的次级创新网络，不同的次级创新网络之间存在一定的相[19]互联系。虽然这种联系也具有信息传递的功能，但是这种集聚意义上的创新主体间知识流动仅局限于研发网络的子系统内部，网络整体的知识流动仍具有高度的断裂性。图6　加入WTO后时期中国研发网络的涌现特征4.5　国际金融危机后时期（2008—2014年）

2008年以来，受到美国次贷引起的国际金融危机的影响，世界各国和地区的研发国际化进程普遍放缓，中国研发网络进入深化调整时期。比较图6和图7可知，国际page10金融危机后中国的研发网络显得更加紧凑、有序，网络内部出现了许多小团体。根据“刺激-反应”模型，研发网络系统在适应外界环境的过程中对环境中的各种变量做出不同反应，形成系统内部对各种资源和子系统能力的集聚效应、整合效应和协同效应，这使研发网络整体的结构和特性发生适应性变化，由此涌现出网络研发能力形态。在这一阶段，中国的研发网络涌现出较高层次的稳态，创新成果迅速增加、新产品数量急剧增加，涌现行为表现为各网络节点的创新突破和扩散、创新分工以及一体化协作等。由于研发网络中的节点由多个不同层次的研发主体构成，因此，可推断中国研发网络中存在一个巨大的、多层次的协作研发网络，且不同的网络节点在研发国际化进程中具有不同的知识吸收能力和竞[20]争优势，进而在国家创新体系中发挥不同的作用。此外，图8显示，当中国研发网络的自组织演化自发涌现出稳态时，其度分布满足[11]Barabasi和Albert提出的幂律分布规律，即P（k）随节点度k值的增大而基本呈指数形式衰减，说明中国研发网络具有明显的无标度和集聚结构。图7　国际金融危机后时期中国研发网络的涌现特征图8　国际金融危机后时期中国研发网络的度分布5　结论与政策建议

本文主要基于复杂网络的相关理论提出研发网络涌现性的4个研究方面，并以中国研发网络为例，运用1979—2014年美国专利与商标局（USPTO）的专利数据，分阶段分析中国研发网络自组织演化的涌现特征。本文得到如下主要结论：

第一，中国研发网络是一种复杂网络，其演化过程具有显著的复杂网络自组织特征和涌现特性。随着网络系统合作研发日益密切，研发网络呈明显的涌现层级结构。当自组织演化自发涌现出稳态时，中国研发网络具有明显的无标度和集聚结构。

第二，尽管改革开放以来中国的研发网络不断演化、成长，但是其整体发展水平相对较低，且中国各省（自治区、直辖市）进入研发网络的步调并不一致，发达地区与欠发达地区在合作研发水平和创新能力上存在巨大差异，其融入研发网络的速度以及在网络中的节点位置在很大程度上受到自身开放程度和经济发展水平的影响。

第三，中国参与研发网络活动存在“主体性”缺失，虽然中国发达地区的企业虽然具有雄厚的研发实力、参与研发网络的技术平台，但是网络整体的知识流动很弱、研发效率很低，与世界级跨国公司的差距仍很明显，研发国际化水平也普遍低于世界同等级企业的平均国际化水平。

第四，中国欠发达地区的企业在研发网络演化过程中逐渐被“边缘化”，其研发国际化水平和先进知识流动程度都相对较低，这也是中国研发网络中各区域在创新能力和成果（专利）上的差距不断拉大的重要原因之一。

针对以上结论，本文提出以下政策建议：

第一，通过颁布和实施相关政策引导和推动先进知识在区域间充分流动，大力提高中国内陆地区的对外开放水平，构建持久稳定的协作创新与合作研发关系。要特别重视研发网络外部创新源的作用，积极为网络各主体间的互动搭建各种正式的和非正式的交流平台，以加强网络内各行为主体之间的联系。

第二，鼓励中国发达地区继续加强国际间研发合作，积极构建多层次协作研发网络。中国发达地区的企业在与发达国家构建研发网络时，应注重采用灵活创新的方式，如可采用虚拟化研发合作模式，通过跨国联盟与跨国公司、境外实验室和境外大学进行研发协作以实现优势互补。

第三，为推动中国欠发达地区的企业寻求持续竞争力，政策制定者需要针对这些地区企业的研发需求构建相应的政策导向，在此前提下制定一系列政策措施以促进和鼓励企业与研发网络中的其他参与者进行合作。企业自身也应注重内部研发与合作创新相辅相成，将全球化的研发网络作为其构建战略能力的关键，以此拓展企业内部研发网络的地理边界和知识边界。参考文献

[1] Butts C T. Social network analysis: a methodological introduction[J]. Asian Journal of Social Psychology, 2008, 11(1):13-41.

[2] 赵红梅，王宏起．社会网络视角下R & D联盟网络效应形成机理研究[J]．科学学与科学技术管理，2010（8）:22-27．

[3] Prato G D, Nepelski D. Global technological collaboration network: network analysis of international co-inventions[J]. The Journal of Technology Transfer, 2014, 39(3):358-375.

[4] Prashant K, Jeffrey H D, Harbir S. Alliance capability, stock market response, and long-term alliance success: the role of the alliance function[J]. Strategic Management Journal, 2002, 23(8):747-767.

[5] 曾德明，朱丹，周青．高技术企业协作R & D网络的特征、组织模式及其竞争优势研究[J]．科学管理研究，2006（4）:103-106．

[6] Yokura Y, Matsubara H, Sternberg R. R & D networks and regional innovation: a social network analysis of joint research projects in Japan[J]. Area, 2013, 45(4):493-503.

[7] Holland J H. Emergence: From Chaos to Order[M]. New York: Addition Wesley, 1998.

[8] 叶培华，徐宝祥．企业知识生态系统的复杂适应性研究[J]．情报杂志，2008（2）:99-103．

[9] 吴文清，张海红，赵黎明．孵化器内创业企业知识网络涌现研究[J]．科学学与科学技术管理，2014（12）:109-118．

[10] Watts D J, Strogatz S H. Collective dynamics of "small-world" networks[J]. Nature, 1998, 393:440-442.

[11] Barabasi A L, Albert R. Emergence of scaling in random networks [J]. Science, 1999, 286:509-512.

[12] 钱学森．一个科学新领域——开放的复杂巨系统及其方法论[J]．城市发展研究，2005（5）:1-8．

[13] Abbott R. Emergence explained: abstractions: getting epiphenomena to do real work[J]. Complexity, 2006, 12(1):13-26.

[14] 谭劲松，何铮．集群自组织的复杂网络仿真研究[J]．管理科学学报，2009（4）:1-14．

[15] Fromm J. The Emergence of Complexity[M]. Kassel: Kassel University Press, 2004.

[16] 王毅．我国企业复杂技术创新能力研究：基于三维模型的成长路径[J]．管理工程学报，2011（4）:203-202．

[17] 吴结兵，郭斌．企业适应性行为、网络化与产业集群的共同演化[J]．管理世界，2010（2）:141-155．

[18] Gupta A K, Smith K G, Shalley C E. The interplay between exploration and exploitation[J]. Academy of Management Journal, 2006, 49(4):693-706.

[19] 李文博，张永胜，李纪明．集群背景下的知识网络演化研究现状评介与未来展望[J]．外国经济与管理，2010（10）:10-19．

[20] page13Zhong X, Yang X. Science and technology policy reform and its impact on china's national innovation system[J]. Technology in Society, 2007, 29(3) : 317-325.Emergent Property of Self-organizing Evolution of R & D Network in China: Based on Perspective of Complex Network

Wang Peng, Wang Yushan

(College of Economics,Jinan University, Guangzhou 510632, China)

Abstract: Based on the complex network theory and its emergence mechanism, and using the patent data issued by US Patent and Trademark Office (USPTO) from 1979 to 2014, this paper analyzes the emergence characteristics of self-organizing evolution of China's R & D network as the example by stages, and studies the features and hierarchical structure of emergent property. The conclusions are as follows: the evolution of R & D network in China is characterized by self-organizing and emergence of complex network, and has a remarkable hierarchical structure of emergence with the development of network system; the steps of different provinces (autonomous regions) to R & D network are inconsistent, and the levels of knowledge flow, R & D efficiency, R & D internationalization and the mobility of advanced knowledge of R & D network are relatively low, which leads to the significant differences in R & D cooperation level and innovation ability between developed areas and less-developed areas in China.

Key words: complex network; R & D network; self-organizing evolution; emergent property

(1)基金项目：国家自然科学基金青年科学基金项目“基于焦点企业的企业集群间共生网络演化机理研究”（71202141）；广东省科技计划项目“经济新常态下广东省科技服务业发展政策支撑体系研究”（2015A030401044）；广东省软科学研究计划项目“基于焦点企业的珠三角创新型高技术企业集群风险预警和控制机制研究”（2012B070300096）；广东省人文社会科学重点研究基地和“经纬粤港澳经济研究中心”科研项目“粤台高科技产业合作模式及其影响因素研究”（37714001004）。 作者简介：王鹏（1977—　），男，福建福清人，暨南大学经济学院副教授，博士生导师，博士，研究方向：区域创新、技术创新；王玉珊（1990—　），女，山东青岛人，暨南大学经济学院硕士研究生，研究方向：区域创新、复杂网络。

(2)本文中的外围研发主体主要是指纳入中国研发网络的其他国家或地区，它们作为网络节点的缩写分别为AT（奥地利）、AU（澳大利亚）、BE（比利时）、CA（加拿大）、CH（瑞士）、CY（塞浦路斯）、DE（德国）、FI（芬兰）、FR（法国）、GB（英国）、HK（中国香港地区）、IL（以色列）、IN（印度）、IT（意大利）、JP（日本）、KR（韩国）、NL（荷兰）、PH（菲律宾）、SE（瑞典）、SG（新加坡）、TW（中国台湾地区）、US（美国）、NJ（新西兰）、TX（土耳其）、NY（挪威）、MD（摩尔多瓦）、MI（墨西哥）、WA（西非）、PA（巴拿马）、CT（捷克）和UT（乌克兰）。其他字母标注为中国省市（自治区）的汉语拼音。page14融资约束对不同阶段技术创新的影响 ——基于中国创业板高新技术企业的经(1)验证据胡　杰，张　瑜（陕西师范大学　国际商学院，西安　710062）

摘要：以2008—2013年在中国创业板上市的高新技术企业为研究样本，利用二元离散Logistic模型构建了融资约束指数，考察了融资约束对技术创新投入——R & D投资强度和产出——专利申请量的影响。结果显示：融资约束制约了企业的技术创新，且对专利申请量的影响更大。指出：融资约束在企业技术创新过程中第二阶段的影响更大，在配置金融资源时应考虑技术创新过程不同阶段的实际融资需要。

关键词：融资约束；技术创新；金融资源

中图分类号：F832.0　　文献标志码：A

自Schumpeter提出“创新理论”以来，学术领域的研究文献卷(2)帙浩繁——这是技术创新之于经济发展重要作用的最好例证。全球经济危机大爆发后的阴云仍然笼罩着各大经济体，中国经济告别了过去30多年的粗放式高增长，“大调整”的世界经济和中国经济进入了增速阶段性回落的“新常态”。国内外因素的叠加决定了中国经济需要以创新驱动引领企业更好发展，最大限度地解放和激发科技作为第一生产力蕴藏的巨大潜能，应对新挑战、适应“新常态”。

与技术创新同样受到热议的是企业融资约束，尤其是中国的高新技术企业深陷融资约束的泥沼，创新项目融资难一直是理论界和政策制定者探讨的热点。技术创新是一个投资问题，而新技术若无金融燃[1]料则不能作为推动经济的引擎。学术界普遍认同融资约束是制约技术创新的瓶颈，而这种相关性值得被重视的另一个维度是融资约page15束对技术创新的作用机理。具体而言，不能仅关注技术创新的总量投资，应结合技术创新不同阶段的实际融资特点寻求解决融资约束的对策，避免经济换挡期地方政府和金融机构借题发挥，盲目、过度地追求技术创新总量投资，最终出现大量技术创新项目的初始投资，而后续融资断裂，进而导致技术创新投资难以转化为成果的局面。

本文深入考察融资约束对技术创新的作用机理，探寻制约企业技术创新的融资约束的缓解模式，为“新常态”下经济结构的调整提供可行的政策建议，为以创业板高新技术企业为代表的科技型中小企业的技术创新提供可行性对策。1　文献综述

信息经济学为融资约束与技术创新研究提供了最早的理论支撑。Bhattacharya和Ritter指出，提供证明技术创新质量的有力证据的成本高，根据柠檬理论的解释，信息不对称甚至可能导致市场失灵、阻碍[2]创新项目的融资；Myers和Majluf提到，创新项目风险高，外部投资[3]者要求更高的风险升水，从而增加了技术创新的融资成本。Hall在R & D融资问题的研究中总结道，创新企业的无形资产占比高，难以实现抵押，技术创新活动中尖锐的融资约束问题是由其自身特点决定[4]的。

在实证研究方面，Rajan和Zingales针对跨国行业的研究结果显示，由于不同行业的R & D密集度存在差异、面临融资约束程度不同，[5]因此外部融资约束的缓解对不同行业技术创新的影响不同。Mohnen等考量了融资约束对不同创新活动影响程度的差异，发现融资约束对项目启动、提前中止和严重减慢的创新项目有显著的正向影[6]响，对彻底废弃已开始的创新项目的影响不显著。Savignac指出以往采用投资-现金流敏感分析模型考察融资约束的做法可能造成解释偏误，根据实际调研数据将融资约束划分为三类——没有融资来源、融资过程缓慢和融资成本高，用融资约束的直接度量考察了其对技术创新的影响，发现融资约束显著降低了企业从事技术创新活动的[7]可能性，并强调了融资约束与技术创新的内生性。Gorodnichenko和Schnitzer采用调研方式得到了每个企业融资约束和创新的直接数据，理论分析并实证研究了融资约束对企业创新和出口活动的影响，结果表明融资约束抑制了国有企业的创新和出口能力，使企业无法达[8]到技术边界。尽管多数研究支持融资约束与技术创新负相关，但也有学者得出了不同的结论。例如：Sena用前沿分析法估计了研发效[9]率，验证了融资约束程度的提高会促进研发效率的提升；Almeida等以美国企业为研究对象，用单位R & D投资金额和单位R & D人员的专利数量衡量研发效率，证明融资约束程度的上升能促进企业研发[10]效率的提高，支持了Sena的观点；Vassilis运用数量反响模型得出了不同的结论，即融资约束抑制企业创新，进行技术创新的企业往往[11]会处于融资约束困境，两者具有内生性。综上：国外学者对融资约束与技术创新间关系的研究结论不一致，但是多数研究支持两者之间存在反向关系；从研究方法看，相page16关研究对融资约束和技术创新的类型都有细分，但是缺乏对技术创新按过程进行划分来深入剖析融资约束对其不同阶段的影响。

中国学者主要研究了高新技术上市公司的R & D投资。大量研究结果显示，高新技术企业普遍受到融资约束的困扰，融资约束抑制了[12][13]企业的技术创新。例如：顾群和翟淑萍、胡杰和秦璐以及卢馨、[14]郑阳飞和李建明的研究都对此进行了验证，认为融资约束程度高的高新技术企业的R & D投资显著依赖内源融资，融资约束程度越高的企业的R & D投资越低。然而，研究结果也不尽一致。有学者考察了融资约束对技术创新效率的影响，认为融资约束程度的上升能够提升技术创新效率、缓解代理问题。其中，具有代表性的研究是：顾群、翟淑萍和苑泽明构建了高新技术上市企业的融资约束指数，采用数据包络分析法实证检验了融资约束与企业R & D投资效率的关系，发现融资约束程度高的高新技术企业的R & D效率显著高于融资约束程度低的企业，且融资约束与R & D效率显著正相关，高新技术企业的融[15]资约束程度上升会促进其R & D效率提高——这与其前期仅考察R & D投资的研究结论不一致。

综上所述，融资约束对技术创新影响的正反作用都有各自的例证和逻辑，研究两者联系的最大价值在于厘清其作用机制，即融资约束是如何影响技术创新活动整个过程的，而不是仅考察融资约束与R & D投资或R & D效率的关系，应将技术创新的整个过程当作“黑匣子”来处理，因为研究目的是真正解决企业技术创新活动中出现的实际融资困境。

本文基于前人研究的丰硕成果，深入探究融资约束对技术创新过程的影响。本研究的特色主要体现在以下三个方面：在研究角度上，将技术创新过程划分为两个阶段，考察融资约束对技术创新的投入——R & D投资和产出——专利申请量的影响；在技术层面上，将融资约束定义为概率，构建了企业融资约束指数，将融资约束这一不可观测指标数值化；在样本对象上，以在中国创业板上市的高新技术企业为研究样本，丰富现有的以大中型高新技术上市公司作为研究样本的实证研究经验证据。2　理论分析

借鉴Yuriy和Monika对融资约束的考察方法，本文也将融资约束定义为概率，企业开展技术创新活动时优先采用内部资金的概率为1-q，需要进行外部融资时受到融资约束的概率为q。本文将创新活动(3)划分为两个阶段——创新投入研发阶段和创新成果转化阶段。假定某一投资者在进行生产前有机会投资技术创新活动，其固定成本为FI。投资者前期用于经营的现金流来源于内部资金和外部融资。由于存在page17信息不对称，因此外部融资比内部融资的成本高。设单位外部融资成本γ>1、单位内部融资成本为1。假设在创新活动的第(4)(5)一阶段投资者选择内源融资，在第二阶段因内部资金不足而需要外部融资。

由于融资约束为概率，即企业需要选择外部融资的可能性，因此有两种事件能加大这种可能性：一是投资者在创新活动的第一阶段选择了内部融资，导致在第二阶段生产时可用的内部现金流减少，设拥有足够内部现金流的可能性降低了σI；二是投资者受到流动性冲击的影响（由技术创新活动的高风险性质决定），设投资者有充足现金流的可能性降低了。投资者可以选择是否创新来影响第一类事件，但是无法准确控制第二类事件的发生。

用π表示企业收益，由此可得投资者不进行创新的预期收益E（π）=（1-q-σL）π0+（q+σL）πγ。若投资者在创新的第一阶段使用了内部资金，则在第二阶段拥有充足资金的概率为1-q-σL-σI、受到融资约束的可能性为q+σL+σI、进行创新的收益为

企业创新的激励由两种情况的利润差决定：

只有当时，企业才会进行创新。为(6)了确定流动性冲击的影响，对求σL的偏导，得。根据假定条件可知：企业受到外部流动性的冲击越严重（创新活动面临的未来不确定性越强），企业进行创新的可能性越小；γ越大，外部融资成本越高，企业受到融资约束的概率越大，负流动性冲击对企业创新激励的负影响越大，，表明企业面对技术创新风险时受到融资约束的概率越大，企业从事创新活动的可能性越小，且越小，依靠外部融资的害处越大，负流动性冲击对企业创新活动的负面影响越大。

因此，技术创新活动的高风险特征决定了主体参与企业往往会面临融资约束，在项目启动进入投入研发阶段后，难以获取新一轮的资金而引发资金链断裂，负的流动性冲击及融资成本高昂都会对技术创新生产过程产生巨大影响，导致研发投入无法转化为实际的技术专利等创新成果。基于此，本文提出以下三个假设：

融资约束影响技术创新的投入（负相关）（H1）；

融资约束影响技术创新的产出（负相关）（H2）；

page18融资约束对技术创新的投入和产出的影响程度存在差异（H3）。

试读结束[说明：试读内容隐藏了图片]

下载完整电子书