目前，创新已经成为经济社会高质量发展的主要驱动力，企业持续性创新为企业健康持续发展提供了战略保障。《2020年我国企业创新活动特征统计分析》指出，我国专利申请量和授权量在2019年都有放缓的趋势，且有合作创新的企业为16.4万家，占企业总量的65.3%,表明合作创新已成为企业开展技术创新活动的重要方式[1]。随着创新主体之间更加深入的合作，主体间合作关系越来越密切，合作创新模式也逐渐网络化，形成了相互依存的合作创新网络。创新主体在合作网络中进行异质性资源的吸收和利用，以达到提高创新主体创新绩效的目的。

专利合作网络作为创新合作网络中的一种，其网络嵌入在一定程度上会影响企业的专利产出数量和质量，从而影响企业的创新绩效[2]。部分研究者认为网络嵌入对不同类型的创新产生的影响不同，如Yan等[3]研究发现结构洞和关系强度对利用式创新为正向影响，而对探索式创新是倒U型影响；庞娟等[4]采用长江三角区201家企业的数据探索了外部网络的嵌入对企业双元创新的影响，发现外部网络嵌入对企业的双元创新有持续的正向影响。除了探索式创新和双元创新，还有渐进性创新、突破性创新以及持续性创新等不同类别的创新进入了网络嵌入的研究范围。如赵炎等[5]以中国的高新技术企业作为研究对象，利用企业专利数据构建合作网络，研究网络结构嵌入会给企业持续性创新带来何种影响。网络结构嵌入通常描述的是创新主体在网络中所占据的位置，该位置会影响创新主体获取资源的优势。关于网络结构嵌入对企业创新的影响，部分学者认为网络结构嵌入中心度能够持续为企业带来优势[6],如顾洁等[7]运用零膨胀负二项回归模型研究企业外部因素对企业技术创新的影响，发现中心度能够持续促进企业的技术创新。还有部分学者认为结构嵌入中心度与企业创新绩效之间呈倒U型关系，并不是企业所占据的位置越中心越好，过于中心化的位置反而会给企业带来负担[8]。关于关系嵌入对企业创新的影响，大多数学者用关系强度作为衡量指标，得出的结论与格兰特提出的强弱连接理论相对应。强关系派学者认为，关系嵌入有助于企业之间建立相互信任的合作关系，从而使企业在该关系中获得较高质量的资源，促进企业之间信息共享[9]。而弱关系派学者认为，在强关系网络中，合作者之间的知识结构、资源来源以及背景大多相似，且相互之间关系紧密，在此种情况下，各个创新主体之间所获取的知识资源相同，无法吸收新的知识资源进行创新活动。因此，该关系抑制了网络中异质信息的流动，从而使得资源变得冗余[10]。

纵观现有的关于企业持续性创新的文献，大多集中于前因研究，如企业内部高管[11]、企业政策[12]、企业性质[13]以及外部政府补贴[14]等一系列非创新型指标，而在开放式创新背景下，创新型指标极为重要，如外部网络资源。如何规划和调整高新技术企业在合作创新网络中的位置，促进其高效获取和吸收其他参与主体的知识与资源，进而实现企业持续性创新，显得十分迫切。尽管已有文献证实了企业的创新绩效会受到企业所嵌入合作网络的影响，并且对不同类型的创新影响效果也不同，但是专利合作网络嵌入企业创新活动对企业持续性创新的影响机制尚不明确，因此本文基于社会网络理论和协同创新理论，将专利合作网络作为企业网络嵌入的主体，探讨专利合作网络嵌入对企业持续性创新的作用，并考察网络密度在专利合作网络嵌入与企业持续性创新之间的调节效应。

1、理论分析与研究假设

1.1 理论分析

1.1.1 社会网络理论

目前社会网络理论的三大核心理论为结构洞理论、强弱联结理论以及社会资本理论，主流观点分为4个：嵌入性理论、结构洞理论、强关系理论和弱关系理论。根据格兰特提出的嵌入性理论将社会网络嵌入分为结构嵌入和关系嵌入两个维度[15]。社会网络嵌入理论认为，企业的经济活动总是嵌入在一定的社会关系网络中进行的，本文所提出的专利合作网络是创新合作网络的一种，属于企业在创造经济价值中的一种创新合作的社会关系。从本质上看，企业的创新行为是一种知识和资源相互组合的过程，企业通过专利合作构建专利的创新合作网络，依靠自身所处的位置不断吸收自身没有的知识、资源和技术，从而影响企业在创新活动中的持续性。而网络嵌入能够较好地解释企业所处的位置，因此本文基于社会网络嵌入理论对影响企业持续性创新的外部网络因素进行研究。

1.1.2 协同创新理论

协同创新理论认为，创新是一个复杂的过程，其需要跨越多种不同的领域，涉及到不同的利益相关者，以及社会、政治、经济和文化因素[16]。此外，创新过程也可能涉及技术、经济和社会的不稳定性，以及知识和资源的分配问题。因此，创新需要不同利益相关者之间的沟通和协作，以便解决这些复杂的问题。而创新合作网络是基于专利合作数据构建的，其能够在一定程度上反映研究对象与其他企业、科研院所、高校之间的科学合作情况，也能够说明企业的创新活动是创新主体通过外部协同创新实现的，而不是简单的资源叠加。因此，协同创新理论可以用来解释企业之间的创新合作网络。

1.2 研究假设

1.2.1 专利合作网络结构嵌入与企业持续性创新

本文选取中心度作为衡量专利合作网络结构嵌入的指标。本研究认为企业自我中心网络的度中心度与企业持续性创新之间存在倒U型关系。一方面，企业占据网络中心位置，具有资源优势和权力优势，其在与外部合作过程中，会与某个企业或者组织产生相应的联系，从而获取创新活动所需要的资源。且企业在该网络中占据的位置中心度越高，意味着企业能够获得资源的渠道更宽更广，同时也会增加资源的多样性[17],从而打破企业自身资源的局限性，使企业的创新成果源源不断地产出，提升企业的持续性创新绩效[18]。同时企业的中心度越高，其对合作伙伴的选择权就越大，在网络中“议价”能力越强，使得其能够更快速地获取自身所需要的信息和资源。另一方面，当企业的中心度到达一定水平时，其中心度的逐渐升高反而抑制了企业的持续性创新。因为，当企业处于中心位置时，说明与企业直接合作的组织数量较多，庞大的合作伙伴数量往往使企业在合作交流上花费时间更多，维护合作伙伴关系的成本也更大，不利于企业的持续性创新。并且当过多的资源组合在一起，超过了资源组合的限度，此时再增加技术、知识等创新元素，便难以再产生新的价值[19]。因此，在企业的中心度到达一定程度时，企业的持续性创新能力很难再得到提升。基于此，本文提出如下假设：

H1:企业的中心度与企业的持续性创新绩效呈倒U型关系。

1.2.2 专利合作网络关系嵌入与企业持续性创新

专利合作创新网络是由众多合作者和合作关系组成的，合作者在专利合作网络中完成创新活动，与此同时与其他合作者形成相应的合作关系，在这个过程中合作者和合作关系不断变化，那么创新主体必然会受到这些合作者和合作关系的影响，进而间接影响创新活动。关系强度可以测度网络中合作主体之间互动关系的强度，同时也能够体现合作主体在合作中的互相依靠程度[15]。本研究认为关系强度负向影响企业的持续性创新绩效。一方面，在强关系网络中，强关系的组成成员往往具备相同或者相似的知识、技术和资源，从而导致该合作网络较封闭，抑制了企业持续性创新。另一方面，弱关系强度会避免认知锁定[20],使得企业能够在创新活动中保持一定的独立性，不受认知锁定的影响获取更多更优质的创新资源和信息，从而促进企业的持续性创新。

网络关系嵌入作为社会网络理论研究的主要结构之一，不仅能够直接影响企业创新，还能通过调节其他因素与创新之间的关系来影响企业持续性创新。本文认为关系嵌入的指标关系强度会削弱中心度与企业持续性创新之间的倒U型关系。首先，中心度上升的过程，是促进企业持续性创新的过程，此时企业获取创新资源的渠道从无到有，并利用这些资源进行持续性创新。但当企业关系强度升高到一定程度时，意味着企业合作会形成一个固定的网络，让企业陷入认知锁定，那么焦点企业获得的资源的多样性就会减少，从而削弱中心度对企业持续性创新的正向影响。其次，在倒U型的左侧，企业持续性创新会随着企业中心度的上升而下降，此时企业的合作伙伴数量已经超过了企业能够长期维持的阈值，若企业此时的关系强度增强，那么将会增进现有合作双方的相互了解程度，会更加有利于彼此之间的知识和资源的共享以及技术的学习和利用[21],进而提升企业对资源的吸收能力，促进企业利用这些资源进行持续性创新。因此当企业中心度达到一定程度时，较高的关系强度能够减弱高中心度对企业持续性创新的负向影响。基于此，本文提出如下假设：

H2:关系强度负向影响企业的持续性创新绩效；

H3:关系强度负向调节中心度与企业持续性创新的倒U型关系。

1.2.3 网络密度的调节作用

本文认为专利合作网络的网络密度能够正向调节企业中心度与企业持续性创新之间的倒U型关系。在倒U型的左侧，企业中心度促进企业的持续性创新，此时紧密网络有利于联盟网络内强联结的形成，强化了网络内低知识距离所带来的知识专业化优势，促进了联盟网络内复杂知识的转移，为企业持续性创新带来了更有价值的资源，这种优势在焦点企业上体现得更加充分，因为焦点企业处于网络的中心位置，紧密网络通过频繁的联系沟通提高了合作主体之间的信任关系，使得高知识距离所带来的异质性创新资源变得利于传播、转移并且能够较好地被企业吸收[22]。在倒U型的右侧，企业的中心度从中到高的过程中，一直在抑制企业持续性创新，因为当中心度所获取的外界知识达到一定的阈值时，再继续吸收外界资源和知识将会导致知识冗余和信息过载的风险[23],进而降低了企业创新的积极性，给企业持续性创新带来负面影响。

同时网络密度负向调节关系强度与企业持续性创新之间的关系。在密度较低的合作创新网络中，大多数的创新主体之间缺少合作交流，创新主体只能在小范围内进行创新合作。此时，即使创新主体之间的关系强度增强，获得的资源也大多是同质性资源，不利于企业持续性创新，因此低密度的网络会增强关系强度对企业持续性创新的负向影响。在高密度的专利合作网络中，创新主体之间的合作关系广泛且紧密，此时创新主体的关系强度越强，获取的异质性资源越多，从而减弱了关系强度对企业持续性创新的负向影响[24]。基于此，本文提出如下假设：

H4:网络密度正向调节中心度与企业持续性创新之间的倒U型关系；

H5:网络密度对企业持续性创新与关系嵌入之间的关系有负向调节作用。

结合以上假设，构建本文理论研究框架，如图1所示。

图1 理论研究框架

2、研究设计

2.1 数据来源

本文选取中国医药制造行业上市公司的专利数据为样本。数据搜集过程如下：首先进入国泰安数据库检索2000-2022年中国上市医药制造业企业，字段包括企业名称、证券代码，共检索到322家医药制造业企业；然后结合企业代码在国泰安数据库的公司研究系列中获得企业总资产和研发投入强度这两个数据指标，并在Incopat数据库进行检索；最后根据企业名称在Incopat数据库中检索2006-2022年样本企业的专利申请数据，得到具体的专利申请日期、专利申请人构成等信息。最终得到161家医药制造企业共773条样本数据。

2.2 网络构建

根据Yan等[3]的研究，采用企业专利申请的共同申请人构建专利合作创新网络。仅通过专利数据信息很难确定企业之间合作年份的起始时间，因此借鉴Guan等[21]的研究对专利合作时间窗口进行划分，以3年为一个单位滚动构建企业的创新合作网络，即把2006-2022年企业专利合作的网络拆分为15个时期，例如：2006-2008年、2007-2009年等。需要用到的原始数据包括：①专利申请人构成；②专利申请时间；③专利申请号。根据专利共同申请人构建专利合作网络，具体表现为一个专利由多个组织共同申请，同时一个组织也可以申请多个专利，当一个专利有n个申请人时，代表这n个组织之间有直接的合作关系。

2.3 变量测量

2.3.1 被解释变量

本文借鉴何郁冰等[26]的做法，将持续性创新作为独立变量，采用创新产出来反映创新活动的持续性。具体为：将企业第t年持续性创新绩效等于企业在(t-1)年和t年的专利申请量之和与(t-2)年和(t-1)年的专利申请量之和的环比增长率，再乘以企业在(t-1)年和t年的专利申请量之和。由于该公式所计算出的企业持续性创新数值差异较大，因此为了减弱模型中数据的异方差性，在回归分析过程中会对该数值进行取对数处理，最终得到样本企业值，具体公式如下：

其中，OIPt为企业在第t年的持续性创新，OINt、OINt-1、OINt-2分别为企业在t年、(t-1)年和(t-2)年的专利申请量。

2.3.2 解释变量

结构嵌入性。结合本文的研究内容以及目前大多数学者对网络结构嵌入指标的选择，选取度中心度(Degree Centrality)衡量网络结构嵌入性。

度中心性是在网络分析中刻画节点中心性(Centrality)的最直接度量指标。网络中一个节点与其他很多节点发生直接联系，那么这个节点就处于中心地位。处于中心地位的节点，其周围的节点就越多，其节点之间的关系范围也就越广，那么该节点占据的位置就越重要。计算公式如下：

由此可见，网络规模越大，度中心性的最大可能值就越高。为了消除网络规模变化对度中心性的影响，需要对度中心度进行标准化，标准化公式如下：

其中，Xij的值为0或者1,1代表节点i与节点j之间存在直接的合作关系，0则代表不存在直接合作关系，N代表创新合作网络的规模，即全部节点数量。

关系嵌入性。本文借鉴梁杰等[27]的研究，以企业自我中心网络的节点度数和其他节点连接频次来衡量合作主体之间的关系强度。其中，节点度数用度中心度来衡量；连接频次用创新主体之间合作申请专利的次数来衡量，次数越多说明创新主体之间的交流合作越频繁，合作关系越强；关系强度以节点连接频次和中心度的比值来衡量，也就是节点与其他节点合作的平均次数，计算公式如下：

其中，RSi表示节点i与其他节点之间的关系强度，Ti表示节点i与其他节点的连接频次，即节点i的合作专利申请次数。

2.3.3 调节变量

网络密度的大小采用一切联结数与包含的节点数的比值进行衡量。网络密度计算公式如下：

其中，m为边数，n为节点数 。

2.3.4 控制变量

企业规模。企业的总资产是企业规模的最直观的体现，因此采用企业总资产作为代理指标，对企业总资产进行取对数处理，得到样本的具体值。

企业年龄。采用企业自成立年份到观测年份之间的差值加1,并对该值进行取对数处理，最终得到样本企业年龄的具体指标值。

研发经验。一般来说经验越足，越容易吸引更多的伙伴进行团队合作，创新活动越频繁。研发经验能够最直观地体现一个企业的创新能力。研发经验从本质上来讲就是企业进行创新活动的次数，因此本文采用该企业在t年参与的研发次数进行衡量，对该企业在t年累计申请的专利数量取自然对数。

3、实证分析

3.1 变量描述性及相关性分析

本文所有变量的均值、方差，以及各个变量之间的相关系数(Pearson系数)如表1所示。

首先，企业持续性创新的最大值为3 809.8,最小值为1,说明样本数据之间差值较大。均值为81.111,与企业持续性创新的最大值相比差距较大，说明企业之间持续性创新的能力差距较大，只有少部分的企业持续性创新能力较强，该数据符合实际情况。其次，控制变量与因变量之间存在明显的相关关系，表明本研究控制变量选取合理。研发经验与企业持续性创新的相关系数最大，为0.694,其余相关系数均小于0.7,说明各个变量之间存在多重共线性的可能性较小。

3.2 模型构建

为了验证本研究的假设，本文将企业的持续性创新作为被解释变量，企业合作网络结构嵌入和关系嵌入作为解释变量，网络密度作为调节变量。结构嵌入用企业的标准化度数中心度衡量，关系嵌入则使用企业关系强度进行衡量，并利用Stata软件对本研究的数据进行多元线性回归。最后，根据研究假设对主要影响效应构建了如下的计量模型进行检验。

模型1是对控制变量效应的检验，具体见式(6):

表1 变量描述性统计及相关性分析结果

OIP=χ0+χ1Size+χ2Age+χ3Exp+ε1 (6)

模型2是网络结构嵌入对企业持续性创新的直接效应的检验，具体见式(7):

OIP=λ0+λ1Degree+λ2Degree2+λ3RS+χ4Size+χ5Age+χ6Exp+ε2 (7)

模型3是网络关系嵌入对企业持续性创新的直接效应的检验，具体见式(8):

OIP=β0+β1RS+β2Size+β3Age+β4Exp+ε3 (8)

模型4是网络关系嵌入调节效应的检验，具体见式(9):

OIP=α0+α1Degree+α2Degree2+α3RS+α4Degree×RS+α5Degree2×RS+α6Size+α7Age+α8Exp+ε4 (9)

模型5是网络密度调节网络结构嵌入与企业持续性创新效应的检验，具体见式(10):

OIP=η0+η1Degree+η2Degree2+η3Density+η4Degree×Density+η5Degree2×Density+η6Size+η7Age+η8Exp+ε5 (10)

模型6是网络密度调节网络关系嵌入与企业持续性创新效应的检验，具体见式(11):

OIP=δ0+δ1RS+δ2Density+δ3Size+δ4Age+δ5Exp+ε6 (11):

以上模型中，OIP为企业的持续性创新绩效；Degree、Degree2和RS分别为结构嵌入的指标中心度、中心度的平方项和关系嵌入的指标关系强度；Density为网络密度；Size、Age、Exp分别为企业规模、企业年龄、企业研发经验；χ0 、β0、η0、δ0、α0、λ0是模型中待确定的常数项，也是回归方程的截距项；ε为随机扰动项。

针对回归模型，本文选取面板数据的固定效应模型。本文的样本数据是非平衡面板数据，同时对模型进行豪斯曼检验，检验结果p=0.000,小于0.1,表明固定效应模型优于随机效应模型，因此本文选择非平衡面板数据的双固定效应回归。

3.3 假设检验

为了检验专利合作网络嵌入与企业持续性创新之间的关系，本文分别以网络结构嵌入和网络关系嵌入为本文的解释变量，以企业持续性创新作为被解释变量，并对企业规模，企业年龄和企业研发经验这些变量进行控制。此外，由于本文所选取的变量部分量纲差异较大，因此为了避免量纲差异给本研究的研究结果造成影响，选择了对部分变量进行标准化处理。本文选取的是对面板数据的双固定效应模型进行回归，结果如表2所示，其中模型1中只加入了控制变量进行回归；模型2为结构嵌入(中心度和中心度的平方项)对企业持续性创新的回归结果；模型3为关系嵌入(关系强度)对企业持续性创新的回归结果；模型4为关系嵌入(关系强度)对结构嵌入与企业持续性创新之间的调节作用；模型5为网络密度对结构嵌入与企业持续性创新关系的调节作用；模型6为网络密度对关系嵌入与企业持续性创新关系的调节作用。

结合表2可知，除了假设H5,其余假设均得到验证。模型2显示，中心度一次项对企业持续性创新影响的标准化回归系数为0.255(p<0.1),中心度二次项对企业持续性创新影响的标准化回归系数为-0.374(p<0.01),也就是说一定水平的中心度能够促进企业的持续性创新，而过高的中心度则会给企业的持续性创新带来负向影响，因此假设H1得到验证；模型3显示，关系嵌入对企业持续性创新绩效的标准化回归系数为-0.301(p<0.1),证明关系嵌入对企业持续性创新呈负向影响，因此假设H2得到验证；模型4显示，中心度与关系强度交互项对企业持续性创新的标准化回归系数为-0.697(p<0.01),而中心度的二次项与关系强度交互项的标准化回归系数为0.687(p<0.05),说明关系强度能够负向调节中心度与企业持续性创新之间的倒U型关系，因此假设H3得到验证；模型6显示，中心度与网络密度的交互项标准化回归系数为0.379(p<0.05),而中心度的平方项与网络密度的交互项标准化系数为-0.351(p<0.05),假设H4得到验证；而模型6中，关系强度与网络密度的交互项标准化系数为0.017 9(p>0.1),拒绝了原假设，因此假设H5未得到验证。其中网络密度对关系嵌入(关系强度)与企业持续性创新的调节作用不显著，可能是由于行业选择的局限性和样本数量的限制，未来可以选取其他行业的样本或者增加样本的数量来进一步检验。

表2 回归结果

4、结论、启示与展望

4.1 研究结论

本文利用2006-2022年161家医药制造企业的专利申请数据，构建专利合作网络，研究专利合作网络嵌入对企业持续性创新之间的直接影响关系，以及关系嵌入对结构嵌入与企业持续性创新之间关系的调节作用，同时探讨了网络密度的调节效应，得到以下研究结论：结构嵌入对企业持续性创新的影响呈倒U型关系；关系嵌入负向影响企业持续性创新；关系嵌入不仅可以直接影响企业的持续性创新而且能够对结构嵌入与企业持续性创新之间的关系进行负向调节；网络密度越大，结构嵌入与企业持续性创新之间的倒U型关系越明显，网络密度越小，结构嵌入与企业持续性创新之间的倒U型关系越平缓；网络密度对关系嵌入与企业持续性创新之间的关系没有调节作用。

4.2 管理启示

第一，企业应当注重构建与维护合作网络关系。企业应当广泛开展科学合作，借用外部资源和机会，获取更多更优质的核心技术，迅速提升自身的创新能力。同时用好国家政策，建立更加多样化的合作机制，不局限于同类组织之间的合作，还可以考虑与其他类别的组织进行合作，例如学研机构等。以外，企业应当针对自身所在合作网络关系制定配套的管理制度，联合专业机构开展创新合作活动，从而推进资源在合作主体之间的流动、转化、整合以及运用，进一步提高企业的持续性创新绩效。

第二，企业应当根据自身所在合作网络中的位置动态调整企业嵌入网络的程度。当企业嵌入的位置适度时，需要动态更换合作对象，以获取不同质的资源和知识。当企业的位置过于中心化时，应当与合作伙伴保持较强的关系强度，即进一步提高与现有合作伙伴之间的关系强度，深度嵌入该合作网络中以获取现有合作伙伴的知识和资源，避免因为过高的中心度带来的负向影响，同时提高彼此之间资源的传递效率，从而促进企业持续性创新。

第三，企业应当合理利用合作网络的网络环境。当网络密度较高时，中心度适当的企业可以利用紧密网络增强与合作企业之间的关系，降低创新过程中资源筛选的成本，从而间接促进企业持续性创新；当网络密度较低时，中心度较高的企业则可以利用松散网络扩张自己的合作关系，以吸收更多的异质性资源，为企业的专利申请提供基础，促进企业持续性创新。综上所述，企业不管是处于何种网络密度，都应当合理利用密度环境，根据与合作伙伴之间的紧密程度调节自身接受资源和利用资源的能力，从而在网络嵌入时帮助企业实现持续性创新。

4.3 研究局限与展望

本研究还存在以下不足：第一，研究结果的普适性有限。本文选取的研究对象为中国上市医药制造企业，实证研究结果可能不适用于其他行业，未来的研究可以考虑进一步扩大行业企业的范围。第二，本研究仅考虑了专利共同申请的合作方式。本文在进行研究时选取的是企业的专利合作申请数据，未考虑专利权利的其他方面，例如专利权人以及专利发明人等一系列网络，未来的研究中可以适当考虑改变专利权利关系来构建网络。

参考文献:

[1]中华人民共和国科学技术部.2019年我国企业创新活动特征统计分析[EB/OL].(2021-06-16)[2023-08-16].

[2]刘嘉明,闵超,严笑然.合作网络和知识网络对AI企业专利创新的影响 [J].图书馆论坛,2022,42 (9):132-141.

[4]庞娟,马艺铭.外部网络嵌入与企业双元创新——基于有意识的知识溢出视角 [J].科技创业月刊,2022,35 (1):9-18.

[5]赵炎,齐念念,阎瑞雪,等.结构嵌入､吸收能力与企业持续性创新——来自高新技术企业联盟创新网络的证据[J].管理工程学报,2023,37 (4):85-98.

[7]顾洁,胡雯,胡安安.空间集聚与网络嵌入对技术创新的非线性影响[J].科学学研究,2019,37 (9):1721-1728.

[8]邵云飞,谢丽.网络结构嵌入对企业突破性创新绩效的影响——以生物医药上市企业为例[J].科技进步与对策,2023,40(18):72-79.

[9]张宁俊,张露,王国瑞.关系强度对团队创造力的作用机理研究[J].管理科学,2019,32(1):101-113.

[11]周路路,李婷婷,李健.高管过度自信与创新可持续性的曲线关系研究[J].科学学与科学技术管理,2017,38 (7):105-118.

[12]郑立东,程小可,姚立杰.战略性新兴产业上市公司流动性管理与创新可持续性研究[J].中国科技论坛,2015 (6):88-93.

[13]余芬,樊霞,李芷珊.企业金融化提升创新持续性了吗?——兼论制度环境的影响[J].研究与发展管理,2021,33 (3):1-13.

基金资助:重庆市自然科学基金项目(cstc2021jcyj-msxmX0378); 重庆理工大学研究生教育高质量发展项目(gzlcx20233400);

文章来源:刘莉瑜.专利合作网络嵌入对企业持续性创新的影响研究——以中国上市医药制造企业为例[J].科技创业月刊,2024,37(06):33-39.