随着产业技术复杂度的日益提升，越来越多的创新主体开始突破组织边界，通过开展合作来获取互补性创新资源、降低创新的风险和复杂性，合作创新已经成为组织开展创新活动的重要形式[1]。新能源汽车产业是我国战略性新兴产业之一，由于该产业具有技术更新速度快、创新难度大以及技术溢出效应等特征，合作研发成为该产业技术创新的重要形式[2]。我国新能源汽车产业组织间开展合作创新以产业联盟形式为主，联盟主体成员涵盖企业、大学和科研机构等组织形式。随着产业联盟间联系的日益紧密，组织间的合作创新关系不仅仅局限于产业联盟内部，而是呈现出纵横交错的复杂网络结构[3]。

多维邻近性的概念源于法国邻近动力学派，其认为影响合作创新的邻近性维度不止地理邻近性一种，还包含其他维度。随着研究的深入，邻近性的维度也得到了进一步的拓展，其中，地理邻近性、技术邻近性、组织邻近性、制度邻近性、认知邻近性和社会邻近性等维度受到学者们的关注较多[4,5,6]。由于邻近性的概念之间存在较大的交叉和重叠，在分析具体问题时，需要学者们结合自己的研究目的进行选取[7]。就组织层面的合作创新而言，地理距离、技术结构和组织类型的差异均会对组织间开展合作创新活动产生影响[8,9]。因此，本文选取地理邻近性、技术邻近性和组织邻近性作为研究的多维邻近性框架，分析其对合作创新绩效的影响。

开放式创新强调创新主体与外部组织合作，通过整合互补性资源，促进组织间知识流动，进而影响组织创新绩效[10]。高俊光等[11]的实证研究验证了提高创新开放度有助于增强组织吸收能力。郭尉[12]则指出增强创新开放度有利于组织获取更多的新知识，新创意与新技术，加快创新速度，节省研发成本，实现技术突破，更好地迎合甚至创造市场需求。因此，创新开放度是组织搜索合作对象和发展合作创新的重要因素，对创新开放度的调节作用的研究，可以进一步完善多维邻近性对合作创新绩效的影响机制。

综上所述，虽然已有文献对多维邻近性与合作创新的关系进行了研究，但仍存在以下局限与研究空间：(1)在组织层面的研究中，大部分学者只将企业作为主要研究对象，事实上大学和科研机构等也是参与合作创新的重要主体。(2)学者们多采用静态的研究视角，然而随着合作创新网络的演化，创新组织数量、技术不确定性和创新难度等的变化可能导致多维邻近性对合作创新绩效的影响发生改变。(3)创新开放度在多维邻近性对合作创新绩效影响中所起到的调节作用还存在一定的研究空间。基于此，本文以新能源汽车产业联合申请专利数据为样本，分析在合作创新网络演化过程中多维邻近性对合作创新绩效的动态影响，并考察创新开放度的调节作用，以期丰富合作创新绩效影响因素的相关研究，为创新组织在不同阶段选择合作创新伙伴，利用邻近性优势提升合作创新绩效并通过调整适当的创新开放程度以充分发挥邻近性优势提供科学指导；

1、研究设计

1.1研究假设

1.1.1地理邻近性对合作创新绩效的影响

地理邻近性是指创新主体间空间距离的接近程度[7]。第一，地理邻近有利于创新主体间开展面对面的沟通交流，促进知识和技术的转移[13]。第二，地理邻近能有效降低合作创新过程中人员和物资流动带来的时间和经济成本[4]。第三，地理邻近降低机会主义风险，Giuliani[14]认为在地理邻近的区域内，组织的机会主义实例会迅速传播，并阻碍与其他组织建立新的联系，组织间合作更倾向于互惠的策略。第四，创新主体在选择合作对象时需要收集一定信息，如经营状况、信誉等，与地理邻近的组织进行合作能有效降低信息搜索成本[8]。然而，随着通信技术和交通运输的发展，有学者认为地理距离的阻碍作用在不断弱化[15]。

在合作创新网络的孕育期，多数组织无力承担过高的合作成本，组织更倾向于在地理邻近的范围内选择合作对象，以降低信息搜索成本。同时，与地理邻近的组织开展合作便于进行频繁的沟通和协调活动，降低合作中的不确定性，增加信任感，减少合作中的机会主义行为，使合作中的管理成本下降。此外，通信技术的不发达和交通运输的不便进一步加剧了组织开展远距离合作所带来的成本。因此，地理邻近性的作用在此阶段较强。

在合作创新网络的萌芽期，通信技术和交通运输得到发展，一方面使得组织搜寻信息的成本下降，有利于组织在更大地理范围内寻找合作伙伴；另一方面有助于组织进行远距离的沟通和协调，减少了开展远距离合作的管理成本。此外，互联网的发展使得机会主义实例可以迅速传播，降低了合作创新中的风险。因此，地理邻近性的作用在此阶段有所减弱。

在合作创新网络的成长期，网络规模不断扩大，新进入者数量迅速增加。新进入者数量的增加使得创新主体在地理邻近范围内可供选择的合作组织数量增加，与地理邻近的组织开展合作便于进行频繁沟通和面对面接触，以应对市场对创新的更高要求。此外，新进入者通过与地理邻近的组织开展创新合作，可以更好地嵌入到当地的关系网络中，获取丰富的异质性资源，有利于组织发展。因此，地理邻近性的作用在此阶段有所上升，本文提出以下假设：

H1a:地理邻近性对合作创新绩效有正向影响；

H1b:随着合作创新网络依次经历孕育期、萌芽期和成长期，地理邻近性的影响先减小后增大。

1.1.2技术邻近性对合作创新绩效的影响

技术邻近性反映了组织间技术构成的相似程度[16]。一方面，技术邻近促进组织间知识流动，相似的技术结构有利于双方相互理解[17],增加吸收能力，更有效的交换和获取外部知识[18]。另一方面，技术邻近降低了创新主体间的知识异质性，异质性知识是产生新奇的基础，知识的差异性越小，产生新奇的可能性就越小，越不利于合作创新[19]。

在合作创新网络的孕育期，技术具有较高的不确定性，创新主体与技术距离大的组织合作更有利于产生新奇，创造新技术以获取先占者优势。此外，创新主体与技术距离大的组织进行合作，有利于拓宽组织的知识广度，增强组织开发复杂技术的能力，使组织能够迅速适应未来产业中的主导技术。因此，技术邻近性在此阶段的作用较弱。

在合作创新网络的萌芽期，技术不确定性降低，创新主体将资源更多地投入到核心和关键技术的研发，降低了技术选择的多样性。而创新主体与技术邻近的组织开展合作有利于降低沟通成本，促进相互理解，实现技术突破。因此，技术邻近性在此阶段的作用较强。

在合作创新网络的成长期，技术逐渐成熟，创新主体技术选择的多样性进一步降低，创新主体倾向于和技术邻近的组织合作以实现技术突破和降低成本，应对市场提出的更高要求。此外，新进入者数量的迅速增加使得技术邻近的作用进一步提升，这是由于新进入者通过与技术邻近的组织建立联系有助于其快速获取技术并赢得产业内合法性[5]。因此，技术邻近性的作用在此阶段最强， 本文提出以下假设：

H2a:技术邻近性对合作创新绩效有正向影响；

H2b:随着合作创新网络依次经历孕育期、萌芽期和成长期，技术邻近性的影响逐渐增大。

1.1.3组织邻近性对合作创新绩效的影响

组织邻近性是指创新主体在组织结构、组织文化、组织制度和社会关系等组织特性方面的相似程度[20]。目前学者们主要从相似逻辑和归属逻辑对组织邻近性进行剖析[16,20],由于本文研究的合作创新主体涵盖企业、大学和科研机构等不同组织类型，更适宜从相似逻辑角度考察组织邻近性。同类型组织间合作由于具有相似的目标导向，在沟通理解上具有优势，能降低合作的不确定性及机会主义行为的产生[8],但可能会造成组织间学习空间不足以及创新积极性不高等负面影响[20]。不同类型组织间的合作更容易获取丰富的异质性资源，从而有利于合作创新绩效的提升[21]。

在合作创新网络的孕育期，技术的经济价值不确定性高，创新具有较高的风险。大学具有较强的基础研究能力，而企业作为市场主体，能更好地掌握新技术的发展前景，二者优势互补，更能创造出满足市场需求的新技术，从而降低创新风险，促进科技成果转化。因此，组织邻近性的作用在此阶段较弱。

在合作创新网络的萌芽期，技术的经济价值逐渐显现，创新风险降低。此时，同类型组织间由于具有相同的目标导向，能减少因目标不同而产生的分歧，有效减少合作中的机会主义行为，进而促进组织间知识流动，提高合作创新绩效。因此，组织邻近性的作用在此阶段较强。

在合作创新网络的成长期，随着技术逐渐成熟，创新难度不断加大，促使创新主体跨越组织界限，通过与不同组织类型主体合作以获取丰富的异质性知识和创新资源，突破技术瓶颈，使创新迈向更高台阶。因此，组织邻近性在此阶段的影响较弱，本文提出以下假设：

H3a:组织邻近性对合作创新绩效有负向影响；

H3b:随着合作创新网络依次经历孕育期、萌芽期和成长期，组织邻近性的影响先增大后减小。

1.1.4创新开放度的调节作用

创新开放度可以分为创新开放广度和创新开放深度两个方面，创新开放广度反映了组织与外部创新主体合作的广泛程度，而创新开放深度则反映了组织与外部创新主体合作的紧密程度[22]。创新开放广度越大，越有利于拓宽组织的知识广度、增加组织知识源的种类[12]。组织掌握的知识领域越多，组织越倾向于在大范围内寻找合作对象，在一定程度上有助于组织突破地理、技术和组织类型方面的障碍，提高合作创新绩效[8]。此外，较高的开放广度有利于组织从外部获取的差异化、多样化的知识或信息，帮助组织更加准确的理解市场需求，及时跳出原有技术轨迹，打破组织间合作创新的“路径依赖”[11]。创新开放深度越大，越有利于合作双方建立信任关系，形成合作惯例，降低合作成本，促进隐性知识的转移[22],从而正向调节地理邻近性、技术邻近性和组织邻近性对合作创新绩效的影响。基于上述理论分析，本文提出以下假设：

H4a:创新开放广度正向调节地理邻近性与合作创新绩效的关系；

H4b:创新开放广度正向调节技术邻近性与合作创新绩效的关系；

H4c:创新开放广度正向调节组织邻近性与合作创新绩效的关系；

H4d:创新开放深度正向调节地理邻近性与合作创新绩效的关系；

H4e:创新开放深度正向调节技术邻近性与合作创新绩效的关系；

H4f:创新开放深度正向调节组织邻近性与合作创新绩效的关系。

1.2研究方法

1.2.1样本与数据

(1)样本选取

本文选取我国新能源汽车产业联合申请专利数据作为样本，参考谢志明等[2]的关键词检索方法，检索在中国申请的专利数据，并剔除涉及个人专利申请人的数据。将检索日期设定为从我国新能源汽车产业联合申请专利出现的2004年开始到2018年为止，总共得到750条联合申请专利数据1。图1反映了2004—2018年中国新能源汽车产业各年的联合专利申请数以及累计数的变化趋势。

图1 2004—2018年中国新能源汽车产业联合专利申请情况

(2)数据处理

本文基于新能源汽车产业2004—2018年的合作专利申请数，使用SPSS中的系统聚类方法，对合作创新网络的演化阶段进行初步划分，如图2所示。由聚类谱系图可知，2004—2009年可聚为一类，2010—2016年可聚为一类，2017、2018年各为一类。依据图1、图2中的信息以及陈芳和眭纪刚[23]所提出的新兴产业协同演化过程在孕育期、萌芽期和成长期的演化特征。本文将新能源汽车产业合作创新网络演化过程划分为3个阶段。孕育期(2004—2009),新能源汽车产业联合申请专利自2004年开始出现，标志着我国新能源汽车产业合作创新网络进入孕育期，专利数据显示，在2004年至2009年期间年合作专利申请数较少，累计数呈缓慢增长趋势。萌芽期(2010—2016),在2010年，我国将新能源汽车产业定位为战略性新兴产业，我国新能源汽车产业合作创新网络进入萌芽期。在2010—2016年期间，年合作专利申请数较上一阶段有所增加，累计数增速有明显提升。成长期(2017—2018),自2017年起我国新能源汽车产业合作创新网络进入成长期。数据显示，新能源汽车产业年合作专利申请数在2017—2018年大幅增加，累计数呈现爆发式增长。

图2 2004—2018年中国新能源汽车产业年 合作专利申请数谱系图  

1.2.2变量测度

(1)因变量

本文选取年均联合申请专利数来反映两个组织在合作创新网络演化各个阶段中的合作创新绩效。对于联合申请专利中出现2个以上专利申请人的情况，参考党兴华和弓志刚[24]24]的做法，将其拆分为两两组织间合作的形式。

(2)自变量

地理邻近性(GP)。参考刘凤朝等[5]5]的研究，按组织间所处地理位置进行划分，并使用虚拟变量1-3反映组织间地理邻近程度。具体为参与合作创新的两个组织若同处一个城市则地理邻近设定为3,不在同一个城市但在同一个省份则地理邻近设定为2,若两个组织不在同一个省份则地理邻近设定为1。

技术邻近性(TP)。参考Jaffe[25]25]提出的技术结构向量夹角，使用专利数据测算各个阶段组织间的技术邻近性。计算公式如公式(1)所示：

其中，TPijt表示创新主体i和创新主体j在第t阶段的技术邻近性。表示创新主体i(j)在第t阶段申请的专利中，涉及第k类专利的总数。m表示创新主体申请的专利中涉及国际专利分类号(IPC)大类的总数。

组织邻近性(OP)。参考曾德明等[20]20]和刘凤朝等[5]5]的研究，将参与合作创新的组织划分为企业、大学、科研机构以及公共机构共4个类别。用虚拟变量0和1来表示组织间的组织邻近性，若参与合作的组织类型相同则组织邻近性取值为1,否则取值为0。

(3)调节变量

创新开放广度(B)。组织的创新开放广度可以用与其具有合作创新关系的不同组织数量来衡量[10]10]。本文参考党兴华和弓志刚[24]24]对变量的处理方法，用创新开放广度的均值和比值的乘积测度组织间的创新开放广度，如公式(2)所示：

其中，Bit(Bjt)为组织i(j)在第t阶段的创新开放广度。Bijt在一定程度上反映了组织间的合作模式，Bijt值越大，则越能说明组织i和组织j在第t阶段的合作是高开放广度组织之间的合作。

创新开放深度(D)。组织的创新开放深度可用创新主体与合作伙伴的平均合作次数来衡量，即用创新主体的合作总次数除以创新开放广度[10]10]。与本文中对组织间创新开放广度的处理方法类似，对创新开放深度进行如下处理，如公式(3)所示：

其中，Dit(Djt)为组织i(j)在第t阶段的创新开放深度。Dijt在一定程度上反映了组织间的合作模式，Dijt值越大，则越能说明组织i和组织j在第t阶段的合作是高开放深度组织之间的合作。

(4)控制变量

本文选取创新实力邻近、点度中心度、创新开放广度和创新开放深度作为控制变量，其中创新开放广度和创新开放深度的测度方式在上文已做出阐述，在此不再赘述。

创新实力邻近(M)。参考向希尧等[26]26]的研究，使用组织在各个阶段的专利申请数表征组织创新实力，组织间创新实力邻近的计算公式如公式(4)所示：

其中，Mijt表示第t阶段组织i和组织j的创新实力邻近。Nit(Njt)表示组织i(j)在第t阶段的专利申请数。

点度中心度(C)。参考高长元等[7]7]的研究，以各个阶段中网络节点组织和其他组织间连接的总和计算。再参考余谦等[9]9]的研究，对变量进行二元化处理，如公式(5)所示：

其中，Cit(Cjt)表示组织i(j)在第t阶段的点度中心度。

1.2.3分析方法

本文所研究的变量为关系变量，且均源自组织间合作关系集合，变量间不可避免地存在着相关性，基于普通最小二乘法(OLS)的多元回归对此情况不再适用。对于关系数据的检验，学者们通常采用QAP方法进行分析，其作为一种非参数检验适用于网络关系之间关联与因果研究[27]27]。因此，本文使用QAP方法对相关假设进行检验。

2、实证分析与结果

2.1描述性统计

本文依据新能源汽车产业合作创新网络关系矩阵，计算出合作创新网络各阶段的基本参数，如表1所示，并应用Ucinet软件中的可视化工具绘制了新能源汽车产业合作创新网络演化过程中不同阶段的网络结构图，如图3-图5所示。其中，网络结构图中节点的大小与节点组织的中心度成正比，边的粗细与节点组织的联结强度成正比。

2.2相关性分析

本研究使用UCINET软件对各变量进行了QAP相关性分析，各变量间相关系数的分阶段输出结果如表2、表3、表4所示。结果表明，3个阶段中各变量间的相关性系数的绝对值均小于0.7,不存在多重共线性问题。

2.3回归分析

2.3.1多维邻近性对合作创新绩效的影响

表5展示了在合作创新网络演化不同阶段中多维邻近性对合作创新绩效影响的回归结果。

从表5中可以看出，地理邻近性始终呈现出显著正向的影响，随着合作创新网络依次经历孕育期、萌芽期和成长期，地理邻近性的影响先减少后增加，验证了H1a, H1b。技术邻近性除在孕育期的影响不显著外，在萌芽期和成长期都呈现出显著的正向影响且影响逐渐增大，验证了H2a, H2b。组织邻近性在孕育期对合作创新绩效有显著负向影响，在萌芽期的系数为负但不显著，在成长期则又呈现出显著负向影响，且随着合作创新网络的演化，组织邻近性的影响先增强后减弱，验证了H3a, H3b。在合作创新网络演化的不同阶段， 多维邻近性系数的变化情况如图6所示。

图6合作创新网络演化不同阶段的邻近性系数变化  

(1)创新开放广度的调节作用

由模型1、模型3、模型5可知，创新开放广度与地理邻近性的交互项在孕育期显著为负(β=-0.0009,p<0.05),表明创新开放广度在孕育期负向调节地理邻近性与合作创新绩效的关系；而在萌芽期和成长期，创新开放广度与地理邻近性的交互项显著为正(萌芽期：β=0.00004,p<0.05;成长期：β=0.0003,p<0.05),表明创新开放广度在萌芽期和成长期正向调节地理邻近性与合作创新绩效的关系。因此，H4a未能得到验证。

由模型4、模型6可知，创新开放广度与技术邻近性的交互项在萌芽期和成长期均为正且显著(萌芽期：β=0.0006,p<0.01;成长期：β=0.0032,p<0.01),表明创新开放广度在萌芽期和成长期正向调节技术邻近性与合作创新绩效的关系，H4b得到验证。

由模型2和模型7可知，创新开放广度与组织邻近性的交互项在孕育期不显著，在成长期则为正且显著(β=0.0005,p<0.05),表明创新开放广度在成长期负向调节组织邻近性与合作创新绩效的关系，H4c未能得到验证。

(2)创新开放深度的调节作用

由模型8、模型10和模型12可知，创新开放深度与地理邻近性的交互项在孕育期、萌芽期和成长期均为正且显著(孕育期：β=0.0007,p<0.05;萌芽期：β=0.0002,p<0.01;成长期：β=0.0034,p<0.01),表明创新开放深度在孕育期、萌芽期和成长期均正向调节地理邻近性与合作创新绩效的关系，H4d得到验证。

由模型11和模型13可知，创新开放深度与技术邻近性的交互项在萌芽期和成长期均为正且显著(萌芽期：β=0.0011,p<0.01;成长期：β=0.0070,p<0.01),表明创新开放深度在萌芽期和成长期均正向调节技术邻近性与合作创新绩效的关系，H4e得到验证。

由模型9和模型14可知，创新开放深度与组织邻近性的交互项在孕育期为负且显著(β=-0.0067,p<0.05),在成长期为正且显著(β=0.0011,p<0.01),表明创新开放深度在孕育期正向调节组织邻近性与合作创新绩效的关系，在成长期则负向调节组织邻近性与合作创新绩效的关系，H4f未能得到验证。

3、 主要研究结论与启示

3.1主要研究结论

本文选用2004—2018年中国新能源汽车产业联合申请专利数据作为研究样本，探讨多维邻近性在合作创新网络演化的不同阶段中对合作创新绩效的动态影响，并进一步考察创新开放度的调节作用，实证结果表明：

(1)地理邻近性在合作创新网络演化的孕育期、萌芽期和成长期对合作创新绩效均有显著的促进作用，且影响先减少后增大。

(2)技术邻近性除在孕育期的影响不显著外，在萌芽期和成长期对合作创新绩效都有显著的促进作用且随着合作创新网络的演化影响逐渐增大。

(3)组织邻近性在孕育期对合作创新绩效起负向作用，在萌芽期影响不显著，在成长期又呈现出显著负向影响，组织邻近性对合作创新绩效的影响先增大后减小。

(4)创新开放度在多维邻近性与合作创新绩效的关系中有部分调节作用。其中，创新开放广度正向调节技术邻近性与合作创新绩效之间的关系，创新开放深度正向调节地理邻近性、技术邻近性与合作创新绩效的关系。

3.2管理启示

本研究的管理启示如下：(1)地理邻近性在合作创新网络演化中的各个阶段始终发挥显著促进作用，因此，可以通过完善组织间物流运输，加强组织间交流沟通，选择与地理位置近的组织合作等方式，强化组织间地理邻近性以提高合作创新绩效。(2)技术邻近性的促进作用随着合作创新网络发展而增加，创新组织要不断增加创新投入，加强创新人员培养，选择与技术结构相似的组织进行合作。(3)组织邻近性在合作创新中起到负向作用，因此，创新组织应多与组织类型相异的创新主体进行合作，实现资源互通、优势互补，提高合作创新绩效。(4)要重视创新开放度在多维邻近性与合作创新绩效的关系中所起到的调节作用，创新主体与外部组织开展广泛合作有利于增强技术邻近性对合作创新绩效的正向影响，而与外部组织开展紧密合作则有助于加强地理邻近性和技术邻近性对合作创新绩效的正向影响。

3.3研究局限与未来展望

本研究还存在部分不足之处。首先，本文只选用单一的邻近性测度方式，未能从多种角度测度邻近性，未来研究可以选用不同的测度方式以增加研究的可靠性。其次，本文选用合作专利数据作为研究样本，实际上合作创新不仅包括合作专利，还包括合作论文等形式，由于数据可获性问题，本研究未能覆盖所有的合作创新形式，未来将进一步完善样本结构，使研究更加充分。

参考文献:

[1]谢志明,张媛,贺正楚,等.新能源汽车产业专利趋势分析[J].中国软科学,2015(9):127-141.XIE Zhiming,ZHANG Yuan,HE Z5(9):127-141.

[2]刘颖琦,王静宇,ARI K.产业联盟中知识转移､技术创新对中国新能源汽车产业发展的影响[U].中国软科学,2016(5),01-11.

[3]刘凤朝,肖站旗,马荣康.多维邻近性对技术交易网络的动态影响研究[J].科学学研究,2018,36(12):2205-2214.

文章来源:刘微微,金英哲,毕克新.多维邻近性､创新开放度与合作创新绩效——基于网络演化视角[J].科研管理,2023,44(08):162-172.