||
城市创新环境
1.知识结构
创新是从创意到实施的一个知识流动过程 (Lendel and Varmus, 2011),知识作为一种价值存在,一派认为知识存储在个体和组织中(Nonaka and Von Krogh, 2009; Tsoukas and Vladimirou, 2001),而另一派则认为知识存在于个体创造性中(Glynn, 1996)。集体(群组)知识作为个体和组织知识的中间层次由此产生,这一概念主要与社会资本的研究有关(Nahapiet and Ghoshal, 1998; Adler and Kwon, 2002; Quintane et al., 2011)。一些知识流动是无意的(Gertler, 2003),但大量知识是通过刻意合作实现流动的(Breschi & Lissoni, 2001)。经验研究显示非编码的知识流动存在于企业-企业(Jaffe et al., 1993),公共研究机构-私人部门(Jaffe and Trajtenberg, 1996),以及科学知识的扩散等形式中(e.g. Helmers and Overman, 2017)。JG Lambooy(2010)认为人力资本和社会资本是理解知识转移及其机制的基本概念,人力资本首先是人的一个属性,尽管常用生产过程中有教育和能力的劳动力所占份额来测量。反过来,人力资本水平对持续产生新知识的能力有重要影响。而社会资本可理解为主体联系到有共同目标的他人以使资源用于生产和集体行动的能力。社会资本可分为2类,一类是个体与他人建立联系的能力。第二类是主体的网络位置。对于知识,经济学文献有多种分类,包括编码与非编码知识、个体与公共知识,以及正规教育获得的知识和干中学获得的知识。他区分了信息(以及编码知识)和纯知识,纯知识只能通过主体在组织间的流动实现转移,而信息则还可通过出版和专利等其它方式转移。不同类型知识的转移途径和机制不同。他倾向于在更广泛的意义上使用知识转移,而将知识溢出的使用限于整体层次(如区域和国家)上知识投资的产出研究。他认为知识网络研究可分为2个维度。一个维度是网络结构及其涌现。另一维度是主体目的及其关系。
ref:简兆权,刘 荣,2010
ref:张 辉 1 吴松强,2010
Asheim and Gertler (2005)将知识网络分为分析型(基于科学)、合成型(基于工程)和符号型(基于创意)等3类。分析型知识基础强烈依赖科学知识的输入,由于科学知识往往是编码知识,其对邻近性要求不及合成型。分析型知识的产出往往是突破性创新产品或依托科研院所的新企业诞生。合成型知识基础主要源于解决用户和供应商遇到的现实问题过程中已有知识的合并。由于合成型知识往往产生于生产车间的干中学、使用和互动过程,因此默认知识对其的重要性高于分析型知识,故其对邻近性要求高于分析型知识,其创新产出往往是改进型创新且主要发生在已有企业内部。Oliver Plum,Robert Hassink(2011)访谈了位于德国Aachen TR的23家生物企业和位于西南Saxony的58家汽车企业,分别作为分析型和合成型知识网络案例。所有技术交流的联系都是受访者明确提到的,联系的属性包括:关系类型(供应商或客户等);该关系对企业创新绩效的重要性;交换的知识资产间相似性;知识转移的特征(实践导向还是科学导向的)。此外还请受访者描述合作伙伴的属性信息:名称;准确地址;所在行业。此外还进行半标准化的专家访谈以解释初步结果。这些专家来自集群协调员、政策指导者、公共研究和教育组织代表和案例区所在省的联系员。基于访谈数据,他们分析了以下内容。一是企业员工的受教育水平的分布,包括大学、专科、同产业内企业和不同产业内企业等,对每一水平,统计认为重要及非常重要的企业比重。并对区域(省)、国家和国际3个范围内招聘的不同受教育水平的员工的平均重要性进行对比。二是企业外部技术相关信息源的分布,如按知识编码程度分为学术杂志、专业杂志、互联网、R&D合作,以及展览和交易会等,对每类信息源,统计认为重要及非常重要的企业比重。三是本地知识网络特征,对本地受访企业构成的合作网络计算联系数、密度、基本组分、入度中心性(二分/值)和出度中心性(二分/值)等以分析本地企业构成的知识网络的特征。四是合作伙伴的地理分布,按由近及远分为区域、国家、洲和全球等5类,统计不同范围内合作伙伴所占份额,并计算合作成员提供的技术知识的重要性,以及与企业自身知识间的相似度,以及这种重要性和相似度随距离变化的特征。五是合作伙伴的类型,包括供应商、竞争者、客户、科研机构和大学,以及其它等,统计每类合作伙伴的份额、平均重要性和知识相似度。六是知识流动的性质,分别统计实践性、科学性和同时具有实践和科学性等3类知识流动的份额和平均重要性。但他们忽略了企业属性、集聚效应和区域特征等因素,如规模、成立年限、所有制结构、企业或产业阶段、寻找专业知识的必要性、潜在合作伙伴的稀缺性和支撑的基础设施等。
实现Alessia Sammarra and Lucio Biggiero(2008)将知识网络分为技术、管理和市场3类,采用滚雪球方法搜集了32个大罗马地区的航天工业企业,对每个企业1-2名知识流动核心员工进行问卷访谈,搜集知识网络属性和关系数据,其中属性包括企业特定的特征(规模、营业额、研发投入等),关系数据涉及每个企业与其他组织建立的联系,与合作伙伴知识交换的总量和类型等。具体的测量指标有2个,其一是协作纽带0-1变量:询问受访者近3年来10位最重要的合作伙伴,且限制在正式与非正式的旨在实现创新产出的合作上,若两两企业间存在此创新合作,则协作纽带变量值为1,否则为0。第2个变量是知识交换,从知识获取者一方的角度评价知识流强度,分技术、管理和市场3类,值域是0-3(无知识交换到非常大的知识流)。此外,还比较技术、管理和市场3类网络的总度数、密度和连接度等特征,以分析3类网络的结构差异。
Hyojeong Lim & Yongtae Park(2009)进一步对技术知识网络分类,通过技术类别间关联构建了有向技术知识网络流矩阵(TKF)。这个知识网络以专利的技术类别为测量单元和技术知识的转换器,边表示知识流动的方向和技术发展的路径。矩阵中的每个单元TKFij表示技术知识流动总量,即属于从i类技术流向j类技术的专利数。每个专利属于1个源技术类,可属于多个目的技术类,而每个技术类唯一归为一个产业。根据源和目的技术类是否属于同一产业,可将中介技术分为4类:源和目的技术类均属同一产业;源技术类属不同产业,目的技术类属同一产业;源技术类属同一产业,目的技术类属不同产业;源和目的技术类均为不同产业。最后计算每个技术类的归一化中介分数。数据采用美国专利和商标办公室(USPTO)颁发的韩国专利。从中筛选出专利样本,这些样本的美国专利分类码(USPC)作为技术类,参考OECD国际产业分类标准(ISIC)修订版3.1,将其匹配到15个制造产业之一。对每个USPC码测量4类技术知识流动,并通过多元方差分析检验(MANOVA)不同产业的4类技术知识流动差异是否存在不同。ANOVA检验每类知识流动的产业间差异。此法可拓展到更微观的层次,如可将企业作为知识网络单元,而每个企业唯一归为一个城市,建立基于企业的城市知识网络流矩阵,分析不同城市的4类知识流动差异是否存在不同,以及每类知识流动的城市间差异。
对知识网络结构的分析,R. A. Boschma & A. L. J. ter Wal(2007)从强度、范围、类型和知识关系的地理范围等方面展开分析,即知识关系的深度(重要性和广泛性)、广度(多少和多样性)、地理开放度(本地和非本地知识源的重要性)。以上方法可确定单个企业在本地网络中的位置,也能整体描述知识网络的特征。由此可回答以下问题:网络中是否有主导角色;从多大程度上知识网络可被界定为本地网络;在此区域中是否有子群;多大程度上网络超出了区域边界;哪个企业可从区外获取知识。在测量知识关系调查中,很常见的是“花名册-回忆”方法。第一部分内容,为每个企业建一个包含最大企业的清单,由该企业标出其从哪些企业寻求技术支持和市场信息,又为哪些企业提供技术支持和市场信息,以及与哪些企业合作研发。第二部分内容,受访者回忆知识关系中本地和外地的竞争者、客户和供应商,不断扩充企业合作伙伴清单。第三部分,为每一个知识关系搜集以下3个信息:企业主自报告的该关系对其创新的重要性;交易方是竞争者、客户还是供应商;合约性质(正式程度)。通过此法,建立2类知识网络:市场策略知识网络和技术知识网络。市场策略知识网络包括消费者偏好知识、市场销售趋势或上市产品的缺陷等。技术知识网络涉及新生产方法、新材料、新设计技术和更有效率的工序等。建立知识网络后,运用社会网络分析法分析企业的网络联系和整个网络结构特征,包括密度、连接度和覆盖度,以及网络位置(度中心度和地理开放度)。对意大利案例的研究发现高吸收能力较低吸收能力更多地与非本地企业连接,而非本地企业连接创新绩效更优,因此,高吸收能力可能通过更多的非本地连接影响其创新绩效。
有关知识网络如何影响城市创新参考Pablo Galaso(2017)的综述(https://www.tandfonline.com/doi/abs/10.1080/09654313.2017.1406898)。Lucio Biggiero (University of L'Aquila, Italy & CIRPS, Italy) and Mario Basevi (Italian Institute of Statistics, Italy)(2016)基于自主体模型探讨知识网络中企业连接度和吸收能力的分布模式如何影响知识创造。通过对比正态、均匀和U型分布,他们发现企业连接度和吸收能力分布越不均匀,越有利于知识创造。但从产业生命周期的视角看,在产业起步阶段,产业主导技术未定,大量企业和技术相互竞争(Ter Wal A. L. J. and Boschma R,2009),此时企业连接度和吸收能力分布不均匀,且知识创造活动活跃,这两个现象同时出现不代表两者有因果关系。单从网络层次分析网络特征与模式间因果关系可能忽略微观层面更为基本的驱动因素。
Nonaka et al. (2000)提出的知识创造过程模型包括3个元素:SECI(社会化、外部化、综合和内部化),即将默会知识显性化过程;Ba是知识分享、创造和使用的共享环境;知识资产是知识创造过程中的输入、输出和调节因素。
2.企业如何将知识分享转化为创新的呢?
当前最有前景的一支研究是网络、吸收能力和创新产出间的联系(Breschi and Malerba 2005; Powell and Grodal 2005;Lobo and Strumsky 2008; Strumsky and Thill 2013; Breschi and Lenzi 2016; Scuotto et al., 2017; Hazier et al. 2018; van der Wouden and Rigby 2019;)。在网络层次,从Powell et al.(1996)认识到社会网络结构对创新的重要性开始,组织间知识转移和溢出研究已发现激发知识交流和流动的多种正式与非正式机制。正式机制包括联合研究、许可、取得专利和咨询等,非正式机制涉及社会网络和非正式合同约束的互动 (Cantner et al., 2010, Grimpe and Hussinger, 2013)。综合正式与非正式的机制则有劳动力流动(Breschi and Lissoni, 2009)和设立分支机构等(Ponds et al., 2010)。在实证研究方向,早期已有Singh(2005)和Fleming et al.(2007a,b)研究了发明者知识网络结构对企业创新力的影响,但直到Li et al.(2014)提出了可行的识别美国个体发明者的算法后,对发明者知识网络结构的研究开始快速增长(Petralia et al. 2017)。这一多学科构成的群体最开始断言知识网络结构与创新是相关的,但认为发明者的集聚更为重要 (Lobo and Strumsky 2008)。R. A. Boschma & A. L. J. ter Wal(2007)采用社会网络分析法描述案例区知识网络的结构,利用非参数技术确定哪些因素影响企业在知识网络中的结构,并进一步控制企业特征(规模和吸收能力)和区位(本地与非本地关系)后,分析地理邻近(水平和垂直关系)对企业创新的影响。知识网络在地理上是本地化的,并无显著的区域间联系(Boschma and Lambooy, 2002)。有效的知识分享通过社会和文化相近而得到加强。本地企业更愿意分享知识,建立研究的合作伙伴关系,因为共同的规范和价值观阻止了欺骗和投机行为。在这个意义上,并不需要解开企业特征、网络位置和区位对本地企业的绩效的影响。企业异质性主要体现在,一是有实力的领导企业通过本地合并和外企直接投资等形式获取区域外资源(Dei Ottati, 1996; Boari and Lipparini, 1999; Whitford, 2001; Cainelli et al., 2006)。二是企业在自身知识积累是不同的。吸收能力可以理解为知识积累的函数。企业间学习仅在企业间认知距离不大时才发生。不同知识积累水平可能造就企业在知识网络中的不同作用。领导企业在区域网络中发挥节点作用,而弱小企业则无力吸引其他企业,也无力理解和开发其他企业外溢的知识。近来研究关注领导企业作为知识守门人的作用,领导企业识别和吸收外部新知识,然后通过本地网络将知识扩散到其他企业。但领导企业是排除还是促进本地其他企业获取知识溢出呢?这值得进一步探讨。Breschi and Lissoni (2002)认为不是地理而是社会联系促进了默会知识在企业间溢出,知识并非在区域内均匀扩散,而是越过了区域边界。知识通过网络流动,这个网络是由分享认知能力和信任的主体构成,这些主体并不一定在一个地方。Giuliani (2005)进一步指出并非地理和关系邻近影响着区域企业的绩效,而是吸收能力,以及由此决定的其在知识网络中的度中心性。
随后更关注城市或当地系统的特征 (Strumsky and Thill 2013),近来一些研究者关注发明者知识网络结构。知识网络结构的第1方面是总网络连接度。一个密集的连通网络便于知识交换和扩散(Coleman,1990)。但Granovetter(1973)指出过度连接的网络可能因仅流通冗余知识而变得呆滞而缺乏创造力,他强调与遥远节点的连接,也即著名的弱连接的力量。创建与遥远的知识节点的连接对于突破性创新和新知识的获取至关重要。从同一视角出发,Burt(2000)指出社会关系网络中的非连续性或结构洞是行动者关系型行为的主要决定因素。Lobo and Strumsky (2008)这样解释为何网络密度与创新力呈负相关:在连通网络,已存在甚至冗余想法和信息的再流传,可能发生认知锁定。高网络连接度的当地系统意味着发明者很可能被锁定在固定的合作模式中而降低了创新力。Calignano et al. (2018)则发现较低的连接密度有利于创新产出。而一些研究则注意到第2方面,即节点尺度的微观学习机制中的内部凝聚性(Lobo and Strumsky 2008; Strumsky and Thill 2013)。本地知识网络的凝聚性是知识交换或存在获取有价值知识节点位置的基础,并事实上形成一支文献 (Powell et al. 1999; Zaheer and Bell 2005; Fornahl et al. 2011)。Giuliani and Bell(2005)指出网络内部的凝聚性随着时间而增强,中心地位的凝聚子群有着更好的知识交流并产生高水平的创新,而边缘子群则更加边缘化。最后1个方面是社会邻近性。已有学者指出社会纽带和信任可促进组织或个人更多合作进而带来更多创新 (e.g., Boschma 2005; Broekel and Boschma 2012; Capone and Lazzeretti 2018),这对于发明者构成的知识网络尤其明显(Breschi and Lenzi (2016))。基于以上研究基础,Niccolò Innocenti, et al.(2019)提出了假设1:本地知识网络结构将影响本地创新产出。由此派生3个子假设:假设1.1过度连接将对创新力产生负效应;假设1.2子群内更高水平的网络凝聚力增加创新力;假设1.3社会邻近增强创新力。
企业层次。Barney (1991)在知识异质性基础上指出协作关系有助于企业组合各类知识 (Shafique, 2013, p.78-79),知识分享离不开组织,因此有必要理解组织水平上知识和资源组合策略。企业建立联系和处理外部性的能力,体现在准则、态度或传统等,反映了内部精神和网络内投资的动机(Westlund, 2006)。对于基于产品联系的网络,创新企业深知其所需合作伙伴;对于市场相关的网络,创新企业除了关注已有和潜在客户,还需注意周围其它团体(Karlsson, 2011);对环境相关的网络,可进一步分为本地和外地网络,本地网络通过营造各种自发和非预期情形创造激发学习和创新过程的机会,而外地网络则鼓励不同类型环境的融合(see also Huggins et al., 2012),在构建合作过程中,重要的是保持弱和强关系的平衡(Scott, 2006)。通过多层次模型分析企业特征、环境和企业效率间关系,再通过访谈解释这种关系背后的机制。其中多层次模型包括企业和区域2个层次,企业层次变量包括雇员数、成立时长,这2个变量用来衡量企业的吸收能力;区域层次变量涉及区位熵、相关多样性(每个KBLI代码中2位数行业代码下5位代码水平的熵指数的加权和),表示产品与市场相关网络关系的机会,以及区域社会资本指标(社会化、友情和帮助,反应环境相关网络关系的机会)。鉴于社会资本指标是宏观水平的,而企业间的网络形式可能更为重要,跨层次的企业和区域社会资本变量的交互项也包含在模型中以反映企业交互过程中的网络和文化特征。质性方法可用来解释企业和环境如何相互作用并最终提升了企业的生产率。Fikri Zul Fahmi(2019)选择印尼最突出的创新产业时尚业作为分析样本。访谈对象首先通过企业联合会、新闻和社会媒体等资源获取,然后通过初始访谈对象的推荐确定后续访谈对象(滚雪球技术)。结果表明企业内部社会资本显著影响如何将网络资源内部化,比如时尚业更注意发展新价值和想法的组合;时尚业和传统文化企业从本地化和城市化经济受益,但过强的本地化联系可能削弱良性竞争。在区域创新策略(RIS)框架下,基于知识生产函数,Hervé Ott, et al(2019)引入区域输入与输出的中间变量,创新基础设施和企业间互动,除了考察传统的区域知识通过集聚对区域创新的效应外,还重点研究区域如何将区域知识库知识,通过教育培训,与高校、金融机构,甚至竞争对手和客户等合作等途径,提高企业知识吸收能力等,进而转化为创新产出这一间接效应。Annalisa Caloffi et al(2019)采用层次贝叶斯法考察了意大利不同R&D consortia下中小企业(SMEs)劳动生产率,发现当将SMEs与大企业配对时,垂直型consortia比水平型更有效,此外,拥有大学或创新中介并不保证更高劳动生产率。Jarle Aarstada and Olav Andreas Kvitastein(2019)利用挪威企业数据分析了区域多样化和专业化产业结构对企业研发投入对产品创新的调节作用,指出专业化影响更大。
企业内部重点关注企业学习能力。理解组织及其不同可从3个要素着手“等级性、中心性和层次数” (Ahuja and Carley, 1999, p.742),等级性决定了非正式交流的发达程度;中心性指非正式社会结构的网络中心性;层次性决定了知识传播需要穿越的层次数。组织学习中惯例随市场动态性不同而不同,在低动态性市场,惯例是清晰明确的,在高动态市场,主要是模糊不确定的惯例 (Eisenhardt and Martin, 2000)。惯例源于个体策略性行动(Pentland et al., 2012; Sele and Grand, 2016),因此组织的学习能力是组织特征和个体行动的交互作用的产物,其中组织特征包括“结构、文化、技术、定位、记忆、目标、激励和策略”,而组织背景还包括与其它组织的结盟、合作和组织成员等关系。Berghman et al. (2013, p.43)指出知识识别、同化和探索是组织提高机会和选择识别能力的学习机制中的积极因素。组织文化会增强个体参与知识分享。在策略导向的组织能力发展中,个体需要调整自身能力以适应变化的环境。交流技术、低层级性、水平知识流动、报酬体系、旨在加强合作的领导力、知识类型及其转移性、接受者的知识分享能力和个体特征(Goh, 2002),此外,共同经历、信任、互利和风险和权力的感知都会影响组织内个体分享知识的意愿 (Caimo and Lomi, 2014)。个体与组织的相互作用是有争议的领域。个体特征及其对知识分享动机的影响尚需进一步研究 (Hwang, Lin and Shin, 2018)。YoshaWijngaarden(2019)指出物理邻近并不一定保证协作与创新,工作和私人空间的融合需要考虑个体摩擦,竞争和工作文化的冲突。Matteo Mura , Giovanni Radaelli , Nicola Spiller , Emanuele Lettieri , Mariolina Longo(2014)将社会资本分为结构、关系和认知3类,分析每类社会资本对知识探索和开发的影响。对意大利头部外科医生的案例分析表明:结构、关系和认知类社会资本有助于主体获取外部知识,通过与内部知识的重组可以增加知识探索和开发的机会。
Manuel Expósito-Langa, et al.(2015)从内部、外部和关系维度解析企业通过知识网络创新的过程。其中内部维度是企业探索能力,外部维度是通过知识密集型商业服务(KIBS)的影响来表示,关系维度通过企业的网络强度来表征。对内部维度,企业探索能力受到自身知识和最近科学研究知识的搜索能力的影响。对外部维度,KIBS作为企业和外部知识源的中介,有助于企业吸收外部知识。对关系维度,社会互动通过主体间反复互动,增强了企业学习能力。因变量,新产品的产出,通过询问“贵公司产品占行业产品比重”获得。自变量,探索能力,通过询问公司管理层对研发的投入和关注度;询问合作研发对知识获取的重要性;询问公司参与区域、国家或洲际层次研发项目的次数;询问研发占总销售额的比值。进一步通过因子分析法合并以上变量得到1个探索能力变量。KIBS的度量。请公司评价创新过程中通过与本地知识生产主体(研究、技术指导、金融和培训等机构)合作开发获得的外部知识量。知识/商业网络关系变量。利用UCINE v.6软件通过社会网络分析技术分别计算知识/商业网络中每个公司与其它公司的联系数。此外,对知识网络,考虑到知识网络对默许知识转移的影响,请每个公司选出近三年在相关知识或联合研发项目中帮助他们解决技术问题的其它公司名单。对商业网络,则请每个公司列出近三年有过商业合作(输入或服务交换、因属同一公共机构而关联的合作等)的公司名单。控制变量为公司规模。计量模型采用步进的层次回归法。其主要考察了西班牙纺织集群,其他产业因对知识要求不同可能会得到不同结论。
组织吸收能力是企业吸收能力的一个基础概念(Cohen & Levinthal 1990)。Schmidt (2005)关注吸收能力的组织维度,他认为人力资源和知识管理是企业吸收能力存量中除企业研发活动和人力资本外的第3个要素。Uwe Cantner and Kristin Joel(2006)将企业吸收能力分为2个组分,其一与构建吸收能力的资源投入数量有关,其二与know-how管理质量有关。知识管理函数包含4个变量。INT表示内部知识管理,涉及头脑风暴、知识目标的定义、企业已有知识的透明度、知识存档、专利申请和其它活动。EDU表示工作中/外的知识管理教育培训、指导和其它活动。COM代表通用知识基础,通过博客系统的内部交流、实践社区、非正式交流和其它活动。EXT代表与供应商/客户联系、技能型员工的参与、专家知识的使用、科学报告、初创企业的收购、研发合作、许可证的购买和其它活动。这4个函数通过哑变量编码,若某企业最近3年内规范地实施了上述活动,或已实现了一半以上相关活动,则变量值为1,否则为0。对吸收能力的数量维度,采用RDINT和COOP表征已有知识存量,其中RDINT是企业创新成本占销售额的比重,COOP则表示企业在最近3年内是否完成了1项创新合作项目。为全面刻画企业的交流渠道,建立由REG、NAT和INT分别表示的区域、国家和国际尺度上与客户(CUST)、供应商(SUPP)和公共研究机构(RESEARCH)联合表示合作研究行为变量REGRESEARCH, REGCUST, REGSUPP, NATRESEARCH, NATCUST, NATSUPP, INTRESEARCH, INTCUST和INTSUPP,以上变量均为0-1变量。因变量区分创新和经济产出。其中经济产出(FUTPER)表示未来三年的期望产出,通过有序Probit法,采用1-5的类变量赋值,其中1表示缩减超过5%,5表示增长超过5%。创新产出(PRODINNO)为0-1变量,1表示最近3年企业有完全的市场创新,否则为0。企业在网络中的位置用该企业的流出和无冗余的流入联系数表示。控制变量包括雇员数、企业创立年限、企业所属产业类型。计量模型:采用Poisson Count ML/QML分析企业吸收能力与网络中心性间关系。采用有序Probit回归分析区域内和区域外联系对企业创新产出的影响。
Cohen and Levinthal (1990)区分了吸收能力的3个基本维度:识别,即定位和取得外部知识的能力;同化,即分析、处理、解释和理解外部知识的能力;开发,即利用外部知识开发新产品、工艺、知识和技能的能力。 Zahra and George (2002)将吸收能力分为潜在吸收能力(获取和同化)和实现的吸收能力(转换和开发)。 Lane et al. (2006, p. 856)将吸收能力体现在3个连续过程:识别和理解有价值的外部知识,以及同化产生新商业应用。Parra-Requena, G., Ruiz-Ortega, M. J., & Garcia-Villaverde, P. M. (2013)认为企业吸收能力中识别能力调节着社会资本对企业知识获取的影响,而合并能力则调节着企业知识获取对创新产出的影响。对社会资本的测量,采用7点Likert量表,对其结构、关系和认知3个维度分量的测量则采用不同题量的量表。将结构型社会资本分为网络联系和网络密度,对于网络联系参考Maula et al.(2003)采用3点量表,对网络密度参考Molina and Ares(2007)采用3点量表。对关系型社会资本参考Kale et al. (2000)采用5点量表。对认知型社会资本中的共享的文化,参考Simonin (1999)采用2点量表,对共享的目标,参考Yli-Renko et al., (2001)采用6点量表。对知识获取的测量,参考Kale et al. (2000) and Maula et al. (2003),采用3点量表,涉及消费者偏好、竞争和技术等3方面。创新产出则通过产品经理对新产品利润率和销量满意度来表示。识别能力的测量通过参考McEvily and Zaheer (1999)改编的3点量表。合成能力的测量则使用参考Van den Bosch et al. (1999)设计的6点量表。控制变量包括企业规模、成立年限、产品类型、研发支出和广告支出。计量采用层次回归法,对于连续2个过程,采用结构方程模型可能更优。
3.知识网络的演化
知识网络的动态视角研究主要有2支。理论研究主要有经济地理、社会学和经济学视角。实证方向,Guerrieri and Pietrobelli (2001)沿着Markusen (1996)的理论工作,指出在变化环境下,集群联系结构可能以不同构型而演变,尽管这种构型并不就是知识网络,但应该也以知识联系为基础。Uzzi and Spiro (2005)分析了合作网络遵从小世界模型的程度如何影响主体的创新绩效。Fleming and Frenken (2007)检验了硅谷和波士顿大都市区高新企业集群内发明者知识网络的动态特征。针对地理邻近是否影响集群知识网络动态稳定性问题,Boschma and ter Wal (2007)认为对集群演化应采用深度历史分析。Elisa Giuliani and Martin Bell(2008)(https://smartech.gatech.edu/bitstream/handle/1853/35134/Elisa_Giuliani_Industrial_Clusters.pdf?sequence=1&isAllowed=y)分析同一集群2个时点知识网络特征及其演化。在2个调查年份,分析企业及其构成网络的特征,包括企业基本信息、网络结构特征和企业知识基础。企业基本信息包括规模(雇员数)、创建年份、2个时点间企业退出与进入数,以及企业所有权(国内/外)。网络结构的3个特征。第1是企业的认知位置,由企业接收和转出知识量(入度和出度中心性)而定,其中知识流入超出知识流出的为吸收者,不超出的为源,相近的为交换者,流入和流出均很小的为孤立者。第2是集群内知识网络结构。主要采用核心-边缘分析和分布的均匀性。第3是外部知识互动,涉及网络的外部开放度和在内外部知识网络中的角色(技术门户、孤立、仅对外联系等)。企业知识基础,包括技术型员工的数量和质量和从事实验活动以获取新知识的强度,是知识网络形成的基础。对网络演化机制,主要探讨同质性、互利性、转移性、偏好依附和门槛效应。其中同质性指个体某些特征上的共同点会促进彼此知识和想法的交流,同质性和互利性主要解释了2人间联系的建立和维持,而转移性用于解释3者及以上联系(如凝聚子群)的建立,转移性源自社会心理学的平衡理论,该理论认为个体感受到与其直接联系个体(如朋友)的心理压力,从所在的社群中选择新联系以保持连续性和平衡。偏好依附指连接越多的节点新增节点越多,主要用于解释网络演化。门槛效应指个体必须具备特定的地位、权力、财富和能力等才能建立新联系,需要强调的是低于门槛值的个体既不能与高于门槛值的个体建立联系,也不能与低于门槛值的个体建立联系。在实证中,个体知识基础的测量用3个相关变量的主成分表示:技术型员工数量及其受教育和培训水平;技术型员工的经历,以在该产业内工作年限表示;企业实验活动强度。根据以上机制,从凝聚子群、个体认知角色的持续性,以及进入和退出者特征等方面探讨网络演化。为检验同质性、互利性、转移性和偏好依附等对网络演化的影响,参考Snijders (2001),基于一组随机的面向主体模型(stochastic actor-oriented),其中模型1检测互利性和转移性的网络效应,模型2检验新连接的形成是否更可能是那些有更多对外联系的个体,模型3检验同质性对新联系形成的影响,根据模型2中偏好依附变量的显著性决定是否建立新的衡量同质性的变量,如企业知识基础的相似性。使用Stocnet SIENA软件运行模型(Snijders et al. 2007; http://stat.gamma.rug.nl/siena.html)。
企业间知识流动的机制可归为4类。第1类是企业家和技术员工的非正式互动(Dahl and Pedersen 2004; Grabher and Ibert 2006)。第2类是企业家和技术员工的直接合作。第3类是劳动力流动。第4类是分支机构或子公司的建立。以上4类机制研究均存在3个不足:忽略了企业异质性、夸大地理邻近的作用和对动态性关注不足。企业异质性体现之一是企业不同的能力。而企业能力又可分为具体(substantive)能力——解决具体问题的能力和动态能力——改变解决问题方法的能力。动态能力是企业的一个结构特征,它反映了企业平稳引进创新的能力。最常见的一类动态能力是吸收能力,可定义为企业吸收、理解和开发外部知识的能力(Foss et al. 2006)。第2类动态能力是企业改变网络位置创造新外部知识资源的能力。第3类动态能力是企业再区位的能力。基于企业异质性,企业更愿意与动态能力强的企业建立联系,因此动态能力强的企业更可能居于知识网络中心。与此同时,居于网络中心位置有助于企业能力的提升。因此,企业能力和网络位置间是自我加强和路径依赖的。知识网络的演变在大的产业周期环境下进行。在起步阶段,企业选择合作伙伴主要基于社会网络(你知道谁最好)和机遇(业内人士的偶然相遇),此时企业的网络位置呈正态分布。空间集聚地点的确定往往由分支机构和模仿行为的发生地,此时地理因素有作用,包括地方基础设施、人力资本和相关多样性等,但仍然存在不确定性。在发展阶段,网络生长主要通过偏好依附机制。一个节点选择已有节点建立联系的概率与该已有节点的联系数成比例。而偏好依附的原因又包括以下几点。首先是先行者优势,先行者在网络(主导技术)形成早期可能就占据了网络中心位置。其次网络边缘的节点更容易消失。第三已有联系会促进新联系的形成。第四,网络中心的主导企业的技术路径依赖性。在空间层次,产业成长阶段的企业网络稳定的核心-边缘的空间分布模式也是集聚效应的结果。在知识网络层次,新联系倾向于在本地建立,知识性质很大程度还是默会的,而默会知识最容易通过劳动力流动获得,劳动力又倾向于本地流动,默会知识也通过面对面交流实现流动,而地理邻近无疑便利了面对面交流。此外与本地邻近有很大重合的社会邻近带来的信任有助于弥补这一阶段的不确定性。在成熟阶段,长期互动降低了企业能力多样性,知识性质也从起步和成长阶段的默会转变为编码,有关技术如何发展的不确定性也在降低,长期稳定的知识网络也造成了认知锁定。基于以上3个原因,企业可能寻求再区位以降低拥挤效应,也可能寻求改变其网络位置,而这些都有赖于企业的动态能力。在产业衰退或新产业起步阶段,若没有新的突破性技术,产业将最终衰亡。如上所述,对企业而言,他可以通过调整网络位置或再区位以突破锁定,但就整个网络而言,摆脱锁定状态需要新的技术。新的突破性技术可激活网络演化。当这类技术由原先边缘企业开发时,原先处于网络中心的企业可能由于较弱的动态能力或认知锁定,可能不得不退出网络中心位置。相反,当这类技术由原先中心企业开发时,已有网络结构可能得到加强。在空间尺度,新技术出现可能不在本地,它的出现有赖于偶然因素和地理因素。上述4个阶段企业、知识性质和网络演变特征的总结如下表。
ref:Ter Wal A. L. J. and Boschma R,2009
https://www.tandfonline.com/doi/abs/10.1080/00343400802662658?src=recsys&journalCode=cres20
在企业层次,能力异质性导致企业网络位置的分化并进而影响企业业绩分化。同时网络演化通过多样性增减影响企业异质性。在产业周期后期,企业需要动态能力调整网络位置或再区位。在产业层次,产业技术领域变化改变着企业建立网络联系的策略和空间集聚的必要性。在网络层次,网络和集聚由于产业起步和成长阶段知识的默会性和不确定性而可能出现重合。Milad Abbasiharofteh(2018)在知识网络视角下,在节点、联系和网络3层次框架下,分析了德国柏林生物产业集群网络演化过程中联系的形成与消亡的影响因素(更详细的可参考其博士学位论文https://dspace.library.uu.nl/handle/1874/385563)。
Glückler (2007)从企业层次的微观视角指出联系建立的微观基础对理解网络演化机制至关重要。随着方法的发展,微观视角下有关社会网络演化的假说可以进行实证检验了。Giuliani (2013)指出保留-驱动的内生网络效应,如凝聚性和地位,连同外生效应,如企业层次的能力,建立了稳定的层次网络,具有低吸收能力的企业阻止内生网络效应将网络带入绝对凝聚状态。SáNDOR JUHáSZ – BALáZS LENGYEL(2017)分析了网络凝聚与外部邻近性对网络演化中联系建立和维持的影响。
尽管从产业成长阶段起,知识网络核心-边缘结构稳定性逐步增强,但分支企业建立,由于继承了母公司高效的生产模式和已有的知识基础,更有效地与其它企业展开交流、技术知识互换等活动,因此更容易建立新的联系,进而改变既有网络结构,这得到了Sándor Juhász(2019)的实证支持。
Isabel Díez-Vial and ángeles Montoro-Sánchez(2018)则从企业生命周期的视角研究了科学园内知识网络的演化,按照企业进入科学园的时间将企业生命周期分为3个阶段:孵化期(0-3年)、成长期(3-6年)和成熟期(>6年)。实证研究显示企业成长期与其它企业建立联系最为活跃,这主要得益于企业占据了网络中介人的位置。
信任能减少主体建立联系的风险,Magnus Nilsson(2019)对信任的形成与空间及邻近性的关系进行了探讨。
Stefano Usai, Emanuela Marrocu, and Raffaele Paci(2015)评估了地理、技术、组织、制度和社会邻近性和网络位置对企业间达成协议可能性的影响 。Alessandro Marra1 | Vittorio Carlei2 | Cristiano Baldassari(2019)在分析企业如何选择合作伙伴过程中提出了”策略邻近性“概念,并建立了策略邻近性网络,在此网络中企业间联系基于已有的互补性。直观上,策略邻近性描述的是在企业能力网络上,2企业是否以及在何种程度上是邻近的。比如"能源效率"和"制造"这2个能力联系的权重(通过同时拥有这2个能力的公司数来设定)越高,具有"能源效率"能力公司有更高概率追求”制造“能力,或有更多机会与具有”制造“能力的企业合作。Kaihuang Zhang, et al(2020)以广州生物医疗产业集群为例,分析不同网络发展阶段地理、认知和组织邻近性与创新网络的关系不同。Miren Larrea, Maria José Aranguren and Mario Davide Parrilli(2012)也从企业生命周期角度来分析网络演化,他们依据企业学习过程对企业进行分类,并提出了实际可期的类型序列实现分类的动态化(具体参考:https://link.springer.com/chapter/10.1057/9780230362420_9)。
Carlos Martin-Rios and Niclas Erhardt(2017)分析了企业不同商业行为对其知识网络结构的影响,他们发现当交换的是潜在商业策略时,倾向建立稠密的组内关系,而当交换的是非核心活动相关知识时,他们建立更稠密的组间关系而降低组内关系。
总体上,知识网络的形成机理有3个研究途径。一是企业特定的动力和外部效应。 Oliver(1990)认为有以下几点:满足合法和规范要求的需要;一个组织控制另一组织的潜力;合作而非控制带来的互利;提升内部投入-产出率表示的效率;应对环境不确定性的适应性反应;提高声誉的需要等。不同产业内的企业形成网络的动力不同。总结起来,有资源分享、组织学习。二是从企业网络效应角度解释企业合作伙伴的选择。一支研究强调嵌入性和社会联系,他们认为资源依赖性并不一定产生合作,合作的形成还有赖于社会网络。而另一支研究则强调企业模仿行为以及由此带来的正反馈形成了特定的网络结构(Garcia Pont and Nohria 2002)。网络影响企业绩效的主要因素有嵌入、社会资本和结构洞等。一支文献检查了合作者及其组合类型对企业业绩的影响。还有些研究从企业发展阶段(Isabel Díez-Vial and ángeles Montoro-Sánchez,2017)、企业合作类型(技术/市场)、种族和宗教等社会联系等企业绩效的影响。一类研究关注网络对企业学习的影响。还有一类研究关注工业区企业间信任和社会资本、空间邻近和对外联系对创新的影响。
有关网络结构对创新影响的研究主要有以下几个方向。其一是网络结构是如何出现的。主流研究将网络结构视为外部环境,包括知识基础、技术条件、不确定性和产业事件等变量的函数。其二无标度网络是如何形成的。近来研究认为其底层机制是偏好依附和网络的生长。其三是网络进化。主要研究途径是博弈论和进化模型。博弈论观点是网络通过网络成员间价值配置同时达到稳定和效率。而进化模型则关注更广泛的主题,包括效率的界定(Jackson2003)、直接和间接联系(Watts2001)、小波动(Jackson and Watts 2001)、有远见的主体(Watts 2002)、学习(Bala and Goyal 2000; Goyal and Vega-Redondo 1999; Skyrms and Pemantle 2000; and for a nice survey, Goyal2005)、市场环境(GoyalandMoraga2001;Krantonand Minehart2001;GoyalandJoshi2003;Zirulia2004)、随机稳定性(CarayolandRoux 2005)、遗传算法的使用(Carayol, Roux, and Yildizoglu 2005)和知识扩散和网络进化(Cowan, Jonard, and Zimmermann 2006)。
ref:M. Ozman,2008.
Tom Broekel and Marcel Bednarz(2018)在节点、联系和网络框架下利用可分离的实践指数随机图模型(STERGMs)分析了网络联系形成与消亡的影响因素,发现诸因素对网络联系形成和消亡过程的影响是不同的。Sándor Juhász, Balázs Lengyel(2016)则在此框架下利用SAOMs (Ripley et al., 2015)分析了网络联系形成与维持的影响因素,知识结构影响仅影响新联系的形成,而技术邻近对联系的维持比联系的建立更有影响,外部知识联系对本地联系的形成与维持都很重要。
网络结构与主体间联系的相互影响。Elena M.Tur and Joaquín M.Azagra-Caro(2018)关注网络形成与知识创造间反馈关系并对两者间关系进行了模拟。他们强调网络与主体知识创造间联系是双向的,不能给定网络去研究主体的知识产出,为此他们给出了网络和知识产出相互关联的模型并模拟了不同情景下的网络演化。进一步,他们还指出网络连接并不是无成本的,建立和维护合作的成本有可能超出合作的收益,此时网络联系并不一定带来知识产出,因为最富有产出的主体可能吸引了太多合作者而降低了知识产出效率。Julia Brennecke and Olaf Rank(2017)认为企业知识网络结构影响着员工非正式交流模式,进而影响企业内部知识扩散和创新过程。因此他们将企业内部员工社会网络嵌入企业知识网络,用企业专利的技术类别建立企业知识网络和员工拥有的技术知识单元,借助新开发的用于多层网络分析的指数随机图模型(ERGMs),分析一层网络结构对另一层网络新联系建立的影响,以此研究员工与企业知识的联系如何影响员工间知识转移。
Joan Crespo, Jérôme Vicente & Frédéric Amblard(2015)利用自主体模型,通过微观主体的建立、关闭和再造联系等行为如何影响了网络小世界、层次性和同配性的特征。
研究的难点是如何纳入质性变量,诸如可达性、移动性和交互性等(Capello and Camagni (2018))。而在流动与邻近性研究中存在2个难点:传统的地理邻近性、社会邻近性与近来受关注的认知邻近性(流入者已有知识与流入地存在知识的相似性)相关(e.g. Broekel and Boschma, 2012; Huber, 2012; Crescenzi et al., 2016);流动者会自己塑造邻近性,即自选择性。
经济结构随时间变化,新知识很少是全新的,更多是已有知识的组合(Usher 1954; Kuznets 1962; Nelson and Winter 1982; Utterback 1996),经济主体在探索管理知识创造中风险和不确定性时形成了独特的模式(Nelson and Winter 1982),因此知识生产表现出很强的路径依赖和累积效应,新经济主体只能逐步调整他们当前的行为(Neffke et al. 2011)。Maskell and Malmberg (1999)使用本地化的能力形容一个区位适于某产业发展的累积知识和能力、基础设施和制度环境,这些区域特征由于路径依赖和类似于默会的性质(默会概念描述了嵌入个体记忆和惯常行为中的难于编码的知识(Polanyi 1966), 交流默会知识需要面对面交流,因此很难跨越远距离展开(Gertler 2003)),使得这些特征很难移植到其它地区。知识溢出不仅通过有意的知识交流,也发生在无意知识流动中。知识的另一重要属性是他的排外性和非排外性。若知识可排外,企业会限制知识流动到竞争对手。反之,若知识不可排外,知识可溢出到第3方,企业会选择与投资创新活动的企业为邻,通过正式与非正式渠道获得知识(Granovetter 1985; Uzzi 1997; Bathelt et al. 2004)。总之,默会知识和非排外知识的存在使得地理邻近性对知识生产和区域创新还是很重要的。地理邻近性对区域创新能力的作用可借助知识生产函数(KPF)分析。KPF最早由Griliches (1979, 1984)提出来分析企业层次上创新产出与企业输入间关系。Jaffe(1989)修改了KPF以纳入空间和产品维度,实现了区域单元上的分析。很多学者扩展KPF函数,纳入区域间因素、基础设施变量、人力资本和集聚效应等。Jaffe之后的实证研究表明本地外部性在美国区域内和区域间均存在(Acs, Audretsch, and Feldman 1992; Anselin, Varga, and Acs 1997),而来自欧盟的研究显示内部因素和邻近区域的溢出均是创新表现的核心因素 (Acosta et al. 2009; Buesa, Heijs, and Baumert 2010; Tappeiner, Hauser, and Walde 2008)。但以企业生产率测量创新产出时,实证结果并不一致。多数应用企业单元数据的研究证实了正的本地化外部性(Feldman and Audretsch 1999; Bottazzi and Peri 2003; Bode 2004;Martin et al., 2011; Mukim 2012),但也有研究发现了负的本地化外部性(Harris and Moffat (2012))。这些不一致可能源自测量外部性方法的不同。测量时,计算生产率的空间范围到底多大合适本身就是实证问题(Venables, 2011),就已有国家尺度 (Jaffe 1989; Acs, Fitzroy, and Smith 1999),大都市区尺度s (Anselin, Varga, and Acs 1997, 2000)和地区尺度 (Keeble and Wilkinson 1999; Piergiovanni and Santarelli 2001)研究来看,国家尺度并不适于捕捉诸如知识溢出、共享劳动力池、低运输成本和扩大的市场等集聚效应,因为国家尺度上存在这些效应的多层次集聚,况且在大地理尺度下这些效应会衰减到难于捕捉。地区是更合适的分析尺度。另一原因是空间计量模型设定的差异,包括空间权重矩阵的设定(Baldwin et al., 2010;Ellison et al., 2010)、是否从效应中分离出选择效应(Melitz and Ottaviano (2008))、内生性问题、是否从效应中分离出有一定程度认知邻近性(雇员可以分享和理解知识)的相关产业间的溢出效应(Boschma and Iammarino, 2009; Eriksson, 2011; Aarstad et al., 2016; Cainelli et al., 2016;Content and Frenken, 2016)和异质性(Wixe, 2015;Cainelli et al., 2016;Knoben et al., 2016; Raspe et al., 2011;Harris and Yan (2019))。总体上空间邻近并非总是提升交互学习和创新(Boschma, 2005;Richard, et al(2019))。有必要区分空间邻近性对生产率的影响和空间邻近通过与认知和社会等邻近性维度的相互作用对生产率的间接影响。
关于社会邻近性,Arya and Lin (2007)将企业间联系视为一种资源分享的开放组织,这种组织嵌入社会网络以实现资源分享。近来视角又由资源分享向知识分享(KS)转变。社会网络结构受结构和关系嵌入的影响,结构嵌入是关系嵌入的基础(Jones, Hesterly and Borgatti, 1997),结构嵌入显示了网络中的联系及其结构化,而关系嵌入指联系的类型和特征(Rowley, Behrens and Krackhardt, 2000),两者不可分开看待。此外,嵌入程度与公司获取和创造知识与开发能力直接相关(Zheng, Zhang and Du, 2011)。为拥有一个强健的资源交流网络,需构建结构和关系特征,以及可及、丰富和吸收等能力(Gulati, Lavie and Madhavan, 2011, p.211),其中结构和关系针对的是整体网络,而可及、丰富和吸收是单个组织的特征。关于结构嵌入,在结构洞的益处上存在Coleman’s紧密网络与Burt’s稀疏网络的争论。关系嵌入中存在强弱联系之分,强联系建立在信任、详细信息交流和频繁接触(Palmatier, Gopalakrishna and Houston, 2006),因此在企业创新活动中作用更大;弱联系与Burt(1992)的结构洞有关,强调结构和关系嵌入的重叠(Rowley, Behrens and Krackhardt, 2000)。同时具备强联系易吸收复杂知识和具备弱联系以增加创新机会有助于知识分享 (Brass et al., 2004),但两者的基础都需要社会资本。Nahapiet and Ghoshal (1998, p.243)将社会资本定义为现实和潜在的嵌入在网络中,可通过个体或社会单元的关系网络获得的资源总和。Pan, Pentland, et al.(2013)从社会物理学角度,提出了社会纽带的概念(可定义为两人间产生关系的可能性),并认为其由中介机会的数量决定,即若你在某群人中有许多“可能认识的人”,那么你与其中某个陌生人建立友谊的可能性就较小。他们将社会学、地理学和探讨人口密度与创新间关系的经济学的想法集成到单一数学模型中,用稠密、连续的行为数据以及能够获得的经济和社会结果数据来阐述社会纽带如何推动城市里的想法流。
关于认知邻近性对知识流动的影响的研究,同样可追溯到企业集聚的马歇尔外部性和技术外部性。从认知邻近性角度看,这2类外部性不同之处在于本地化外部性源自更为相关的知识间流动。企业集聚外部性研究近来关注相关度和相关多样性(Frenken et al. 2007; Boschma and Frenken 2011; Neffke et al. 2011)。相关多样性这一概念建立在主体的有限理性和吸收能力假设上,Nooteboom et al. (2007)指出主体的知识基础与知识源既不太相似也非不相关时主体从知识交流中获益最大。
知识质量的差异体现在相关度 (Nooteboom et al. 2007; Frenken et al. 2007; Neffke et al. 2011;Boschma et al. 2015; Klement and Strambach 2019))、复杂度(Fleming and Sorenson 2001)、新颖性 (Chandy and Tellis 1998)和经济影响 (Trajtenberg 1990)等方面。在相关度方向,目前相关度的测量主要有4种方法:产品e (Hidalgo, Klinger, Barabási, & Hausmann, 2007)、产业e (Neffke et al., 2011)、知识 (Kogler et al., 2013, 2017)和技能 (Neffke & Henning, 2013)。在相关度4种测量法中,产品空间的内涵过于宽泛,有学者质疑其是否能真实反映产品间相关度。知识空间仅适用于少数高专利产出的产业。能力空间是产业空间的延伸,它通过产业间劳动力流动确定产业的劳动力类型进而判断产业间相关度,其优点是可在微观职业和劳动力尺度上计算相关度(Muneepeerakul et al., (2013))。已有文献确认了相关多样性对知识生产的影响,而政策在何种程度上可干预区域多样化过程的路径依赖问题,尚需进一步探讨。在复杂度方向,技术复杂性的经济后果的实证研究尚不充分,主要原因有二:一是技术复杂度对经济的影响的实证研究仅限于间接证据,这些研究或者将经济复杂度作为技术复杂度的隐性测量(Hidalgo and Hausmann 2009; Hausmann et al. 2013; Bahar et al. 2014) ,或者间接地将技术发展与相应的经济增长挂钩(Petralia et al. 2017; Balland et al. 2019);其二,实证研究主要集中在国家尺度(Hidalgo and Hausmann 2009; Hausmann et al. 2013; Bahar et al. 2014; Petralia et al. 2017),对一国内区域差异关注不够。在新颖性方向,已有研究显示知识生产主要集中在大城市s (O’hUallichain 1999; O’hUallichain and Leslie 2005; Bettencourt et al. 2007a; Bettencourt et al. 2007b),且给出了标度模型的估计参数,这些研究仅给出了技术知识的数量,未考虑所产生的技术知识新颖度的差异,而实际上非相关知识的组合可能产生突破性创新知识,而相关知识的组合可能只产生步进增量的知识,尽管2类知识数量可能相等,但质量存在显著差异(Schilling and Green 2011; Uzzi et al. 2013; Kim et al. 2016)。在经济影响方向,引用量经常用作知识影响力的测量,实证研究表明高被引的创新产生的经济价值越大e(Harhoff et al. 1999; Hall et al. 2005)。 Castaldi et al. (2015)发现不相关度高的经济结构与高影响力的创新紧密相关。Ejermo (2009) as well as Castaldi and Los (2017)越有影响力的创新产出空间集聚度越高。除此外,一些研究暗示区域开放度可能影响区域创新产出,但有关区域生产高影响力创新的原因的正式研究尚不多见。对于知识质量的4个方面的一个综合方向,Pintea and Thompson (2007)指出递减的产出效率与增长的复杂度有关Broekel (2019)。相关的问题是增长的复杂度降低了研究的产出效率和创新产出率?另一个综合方向是增长的复杂度是否是政府资助的知识生产的增长的原因?第三,地理心理学提供了系统稳健的方法来评估个体的区域特质,为捕捉社会规范和价值观等非正式制度因素创造了条件t, Obschonka et al. (2015);Zwick and Frosch 2017)。第四,除了开放度,链接的社会资本创造了相互信任,尤其是基于个体途径的Pairing social capital,有助于异质性主体间的知识交流。第五,相关度、复杂度和新颖性的交互作用会影响到区域生产高影响力知识的能力。第六,高影响力产出如何影响区域经济增长,可能存在以下3种途径:创意是创业之源;增加已有公司的价值;创造新市场。这些有待验证。第七,复杂知识是如何推动区域经济增长的,是因为她提供了更多的机会(Hidalgo and Hausmann (2009)),还是因为其需要巨额资本和人力资本投资,由此种下了集聚的种子(Dunar and Waring 1999)?
对区域创新而言,一个区域工业的多样性可通过不寻常的关联(Fleming,2001),产业间互利(Saviotti and Frenken 2008),以及降低锁定于某一产业的风险 (Fitjar et al. 2016)等,提升本地创新力。当前存在的争论是多样化的最优水平(Boschma 2017)。在实证方向,相关和非相关多样性的测量主要有产业分类、共生矩阵法(co‐occurrence matrices)和资源相似性法(Neffke & Henning, 2013)。其中产业分类法使用的常见标准有SIC, NACE, USPTO, EPO, JPO,其优点是可方便地通过熵指数计算相关与非相关多样性,然后在区域尺度分解以解释劳动力增长 (Frenken et al., 2007)、生产率增长(Bosma et al., 2011)或增加值增长(Boschma et al., 2012),缺点是仅仅根据产业分类标准即确定产业相关性显得有些主观;难以测量垂直相关性。共生矩阵法的基本分析单元是实体,包括技术类型和产品等(Kogler et al., 2013)。共生矩阵法的优点是数据源涵盖宏微观,具有较广的地理尺度范围;缺点是过于关注产出,未考虑范围经济因此难于区分不同类型的相关度。资源相似性法从产业资源推导出产业间相关度(Breschi et al., 2003)。其突出优点是可捕捉产业间、部门间、垂直和互补产业间的相关度,缺点是仅适用于工业,对于产业资源较不敏感的服务业可能不太适用。
到底是相关多样性还是非相关多样性提升了创新力这一问题尚存争议(Boschma and Iammarino 2009; Content and Frenken 2016)。相关多样性对创新的促进已得到部分实证的支持 (Castaldi et al. 2015; Aarstad et al. 2016),且一些学者用认知邻近性解释相关多样性对创新的促进作用(Boschma et al. 2012; Content and Frenken 2016)。关于非相关多样性,人力资源中的认知资源多样性理论(see Horwitz, 2005)认为雇员广泛的就业经历有助于激发他们的创造力(Østergaard et al., 2011),Herstad and Ebersberger (2015)指出在大都市区的厚劳动力市场,有助于具有广泛经历的劳动力拓宽合作网络,也有助于具有前期基础的企业增强吸收能力。一些利用专利数量的实证支持非相关多样性促进了创新(Tavassoli and Carbonara (2014);Castaldi et al. 2015; Miguelez and Moreno 2017)。van der Wouden and Rigby (2019)研究了城市多样化结构通过影响知识流动进而影响城市创新的机制,发现工业多样性影响发明者寻求合作的途径,并增强了知识网络结构正的创新效应;并且多样性水平越高,发明者集聚效应越强,因此城市多样化越高,知识网络结构促进创新的效应越强。但人力资源中的认知资源多样性理论也指出具有不同特征和背景的劳动力交流成本更高(Horwitz, 2005),可能限制企业将不同人力资源转为创新产出的能力(Dougherty, 2004; Engen and Magnusson, 2015)。有实证就发现了非相关多样性对创新的负面影响(Ostbring et al. (2018)。一些学者从相关与非相关多样性促进创新的途径出发试图调和此争论(Shearmur (2015)),如Galinsky et al. (2015)指出,非相关多样性可能激发创新产生,但其实际应用可能需要相关领域专家的经验,因此需要区分企业层次的创意和创新产品这2个过程。沿此思路,Sverre J Herstad,et al(2019)将城市劳动力池影响创新的路径分为2个过程:城市劳动力池对城市相关与非相关多样性的影响;城市相关与非相关多样性对城市创新的影响。实证结果显示仅当非相关多样性提供学习机会且与企业良好匹配时才有利于创新,非相关多样性在为城市KIS提供搜寻和吸收创新所需的其他本地资源的能力上可能存在多种模式。针对非相关多样性对区域发展的贡献尚不明确的问题,Boschma(2017)则批评了传统的相关与非相关多样性二分法,建议将相关度视为连续变量,更多地利用除产品和专利外的数据资源,尤其是工人和企业家等个体数据。总体上,相关多样性对创新的促进相对非相关多样性的作用更为显著,这一定程度肯定了认知邻近性对知识流动存在影响。
对以上邻近性的动态性,Sylvain Amisse1 , Isabelle Leroux2 , Paul Muller(2012)从专业逻辑和历史视角展开了分析。专业逻辑指个体识别本专业领域共同目标和参与专业地解决共同问题的能力。从专业逻辑视角,认知和制度邻近性提供了联系的可能性,但需要补充社会和地理邻近性以保障联系的持续。一旦建立联系,专业协作增强了制度邻近性,主体不得不谨慎行动以避免投机行为,进而影响社会邻近的动态性,包括合作关系的正式化行为;为完成项目选择本地最合适的伙伴的行为;求助中间人行为。知识模块化的转移可能降低认知和地理邻近性。历史逻辑指基于历史建立联系,主体间互动依托复杂的工序、制度、社会嵌入和信任的复杂综合。历史逻辑要求社会和认知邻近性超越关系风险,反过来,它通过发展信任关系,基于认知邻近性、社会依赖和关系嵌入等,建立起更强的社会和认知邻近性。通过强化对共同事业的贡献和认知邻近性,组织邻近性得到加强。由于历史逻辑支持更丰富的个体互动,实践团体更可能出现。作为专业逻辑的继任者,历史逻辑下关系的地理特征与专业逻辑下类似,即认知和社会邻近比地理邻近更为重要。尽管历史逻辑强化了社会和认知邻近性,但可能带来裙带关系和认知锁定,需要平衡专业逻辑和历史逻辑。
ref:Sylvain Amisse1 , Isabelle Leroux2 , Paul Muller(2012)
总体上,历史逻辑基于制度、社会和认知邻近性的紧密连接,激发了强烈而持久的充满奉献精神的组织邻近性。专业逻辑支持代表性的认知邻近和组织邻近,进而发展出具有结构嵌入特征的社会邻近性。案例研究中这2个逻辑间相互增强效应显示2者是互补的:解决问题的项目(专业逻辑)通过非正式关系(历史逻辑)获益。应对外部危机的策略网络(专业逻辑)通过引入新成员加强了历史逻辑的影响。历史逻辑和专业逻辑也可能相冲突,专业逻辑建立的协作项目可能受限于历史逻辑下的非正式关系。知识网络的演化受到专业和历史逻辑相互作用的影响。一方面,专业逻辑下竞争与合作行为的混合允许本地网络直面去全球知识竞争,另一方面历史逻辑有利于以区域特定资产创造为特征的长期战略的实施。
鉴于部分专利与论文并未公开,拓展创新网络研究的数据来源,Xianzhong Cao,Gang Zeng and Lei Ye(2019)使用工业技术创新战略联盟(ITISA)数据分析联盟成员间结构,并从地理、组织和认知邻近性3个维度分析联盟网络的机制,对长三角的案例研究表明组织邻近性对于创新能力的提升作用高于地理和认知邻近性。
外部知识源。大量研究显示知识溢出是有空间边界的(Bottazzi and Peri, 2003),有赖于知识源所在特定区域的制度框架(Asheim and Gertler, 2005, Cooke, 2001, Tödtling et al., 2013)。这暗示知识密集型区域得益于创新过程和信息交换过程中更多的资源可得性和服务支持,较落后地区有更多本地知识溢出。这同时意味着当维持本地知识溢出的区域能力有限时,本地组织需要通过合作、国际合作伙伴和联盟以及全球网络的其它形式等,提升知识交换质量和获得外部先进知识(Grillitsch and Nilsson, 2015)。因此,除了本地知识网络,外部连接对创新同样重要(Tödtling and Trippl 2005;De Noni et al. 2018)。Laursen and Salter (2006)界定了2个测量开放性的变量:深度与宽度。其中宽度用各种创新活动中外部合作者数量表示,而深度用每次合作的互动强度表示。D’Ambrosio et al. (2017)对不同尺度区域的实证进一步发现在本地尺度上,采取更多样化的策略(更大的宽度)将促进创新,而在全局尺度,更深的合作对创新最有利。而Eisingerich et al. (2010)则指出高水平区域集聚点都是由宽度和深度同时支撑的,并宽度和深度对创新力的效应随环境不确定性的增长而增长。如跨国企业通过建立和促进空间分散的知识的联系,实现国际知识搜寻与新组合,有利于本地企业创新。Wang and Wu (2016)(Wang C. C., Wu A. (2016) Geographical FDI knowledge spillover and innovation of indigenous firms in China. International Business Review , 25: 895–906.)以2009年电子工业为例,发现外企在本地的创新活动显著提升了与其共存的本地企业的产品的出口份额。尽管进口产品能促进本地新产品的推出,但嵌入在进口品中的隐性知识由于缺乏互动交流而阻碍了进口品更大程度地促进本地新产品的推出(Zhu et al.,2017.Zhu S., Hey C., Zhou Y. (2017) How to jump further and catch up? Path-breaking in an uneven industry space. Journal of Economic Geography , 17: 521–545.)。Miguélez and Moreno (2015)指出区域吸收能力是欧洲通过发明者移动及其网络实现将外部知识转化为创新的关键因素。此外,跨国分支机构由于缺乏本地市场知识需要较长时间融入本地生产网络,或者由于商业机密阻止知识传播。Alessia Lo Turco, Daniela Maggioni(2019)检验了特定产品与国外分支的技术相关度对本地企业成长为该特定产品及相关产品生产领导者的概率,并进一步检验了从跨国企业分支机构的何种转移对于本地企业推出新产品是有效的。利用企业数据库,将外国企业定义为占股不低于10%。技术相关度由6位1996Harmonised system(1996-HS)世界贸易流计算,综合1996-HS和2002CPA得到HCPA。他们还利用10位PRODTR码记录本地新品的定义:若一个PRODTR产品不在HCPA,则视为本地新品,即对本企业和本地市场而言均是新的。企业样本锁定在研究期内推出本地新品的企业。结果显示一个企业引入区域新品的概率受与其共存的外企产品的相关度的影响,而单纯进口新品和与本地企业共存都无此效果,但当考察企业新品时,这种显著性不复存在。从产品复杂度上,产品越复杂,受共存外企产品相关度的影响越大,而产品越简单,则受共存本地企业相关度的影响越大。这说明跨国企业拥有的生产能力排外性越强,与其共存的本地企业与其进行人力资本和社会互动以获取默认知识的效果越有效。政策含义是FDI带来是知识传播是区域摆脱路径依赖的有效工具,而本地企业的吸收能力则显著调节了本地企业对FDI扩散知识的吸收。Lin, Cao and Cottam (2019)关注中小企业日益增长的国际网络和知识获取行为,并探讨了领导者国际视野和取向对企业知识获取行为及其绩效的影响。Piers Thompson(2019)区分了产品/过程创新,以及独立与开放创新,研究外资对不同过程和方式创新的影响。Dahlander and Gann (2010)认为开放创新至少有2个维度:知识流入与流出,和是否有市场交易。知识流入指外部知识用于自身创新,流出则是自身知识为他人所用。有市场交易指存在信息在市场中的交易。无市场交易则指主要通过协作网络实现创新。利用英国2015-2016企业普查数据,他们发现外资企业能促进实施开放创新策略的本地企业的产品创新和出口,但对过程创新,对实施独立创新策略的企业出口增长最为显著。有关外部知识源的一个研究方向是外部知识源通过刺激本地创新刺破了本地的路径依赖,如rud and Karnøe (2001)从企业家视角指出有想法的个体的桥接资源的有意识行动可以创造新路径。路径依赖的相关文献主要有3支。其一是技术领域内的锁定(David’s, 1985, 1988);其二是源自外部性和学习机制的动态递增效应 (Arthur (1987, 1994);其三是制度环境(正式与非正式各类法律与社会规范)和制度安排(各种组织形式,如公司、政府、高等教育机构和研究机构等)的自我强化现象( North (1990);Setterfield (1997))。但存在以下不足:一是锁定与演化经济学中变化不可逆和均衡不存在的基本观点有悖Martin (2010) ;二是路径依赖的好坏之分低估了经济异质性的复杂性(Coenen et al, 2015);对外部冲击与路径依赖的影响关注不足,比如路径解锁如何依赖于外部重要知识刺破了先前的技术平衡 (Coenen et al, 2015; Boschma et al, 2017)。在创新与路径依赖领域,存在2种观点,其一认为区域水平创新能力的不足阻碍了区域产业变化,且这种能力的提升有赖于区域政策(Goddard et al, 2012, 2013)。其二强调区域产业变化主要由其内部因素决定,近来这支文献关注区域异质性( McCann and Ortega-Argiles, 2013),他们认为高度专业化区域不一定遭遇锁定效应,这还取决于人口规模和区域经济环境。在城市区域,多样化和专业化区域间初创企业比重差异可能比期望值要小。
当前研究主要聚焦在北美和欧洲,对发展中国家关注不足,仅有少量研究(Anthony Howell(2019))。
关于自选择性,一些研究利用历史被迫迁移数据来减少自选择的影响(Waldinger, 2010, 2016; Moser et al., 2014)。Rasmus Bode,et al(2019)选择二战后被迫参与专业相似英国企业合作的德国专家作为样本,并设置社会邻近且参与前个体特征相似但未参与英国企业合作的瑞士和德国专家为控制组,在排除掉自选择效应后,考察认知相关与社会相关对流动后生产率增长的影响,发现认知相关有更大的影响,但这里控制组的选取很可能并未完全控制住其它影响因素,比如英国企业选择其合作的德国专家本身是否也包含自选择性?此外德国专家与英国企业合作所获取的资源是否是控制组的瑞士和德国专家所能获取的?
4.知识网络如何影响企业创新
知识结构特征对 创新的影响的研究结论受创新绩效测量方式和知识主体层次(个人、团队、企业)等因素的影响。知识网络是以知识元 素为节点、知识元素之间关系为边而构建的一种网 络,主要包括引证知识网络和共现知识网络两种,现有研究主要关注中心性、结构洞、密度等变量对创新的影响。知识结构重点关注企业内部,而知识网络着眼于企业外部。企业知识积累方式包括内部知识创造和外部知 识获取。内部知识创造是企业依靠自身资源、 能力创造出具有自身文化特征的新知识、新产品的 过程。外部知 识获取是企业通过技术购买、企业并购、战略联盟、 合作等方式获取非本地生产的知识。内部知识创造对创新的影 响已经形成一定的共识,但外部知识的影响则尚存争议。大多学者均从外部知识源、外部知识搜索战略、外部知识获取能力等 3 个视角来探究外部 知识获取对创新的影响。外部知识源反映了企业知识来源,主要包括合 作商、竞争者、母公司等。外部知识获取能力主要有网络能力、吸收能力和整合能力。网络能力是指企业依据自身资源与社会资本,建立、管理网络关系的能力,主要包括网 络规划、配置、运作、占位 4 个维度(范钧, 郭立强,聂津君,2014;谢洪明,王成,罗惠玲, 等 ,2007;李贞,杨洪涛,2012)。关于外部知识获取与内部知识创造对创新的影响存在互补效应与替代效应的争论(RIGBY D,ZOOK C,2002;MENTION A,ASIKAINEN A,2012)。现有大部分研究采用横截面数据来实证检验 知识积累与创新之间的静态关系,忽视了知识积累 和创新过程的动态性、渐进性等特征,有必要研究知识 积累与创新能力间的互动与演化。知识积累与创 新之间存在正向、负向、U 型与倒 U 型关系的多种 观点,可利用情景因素探讨上述争论。
张 军1 ,许庆瑞(2014)将知识积累分为3类:外 部流量知识积累、内部存量知识积累与内部流量知 识积累,引入企业感知、诠释、决策和实施4维度创新能力,实证检验了知识积累通过创新能力影响创新绩效的机制。知识与能力如何界定以区分开?
社会资本、知识网络、吸收能力与创新产出
Ref: 辛晴杨蕙馨,2012
ref:艾志红,2017
张方华1,2 ,左田园(2013)把网络嵌入分为关系性嵌入和结 构性嵌入,将知识获取分为显性知识获取和隐 性知识获取两种类型,研究不同网络嵌入类型影响不同类型知识获取进而影响企业创新绩效的路径,并加入知识吸收能力在这一路径上的调节作用。
来源: https://d.docs.live.net/42d3c22e6e86819e/创新环境.docx
从组织战略过程维度,最早涉及创业导向概念的是 Mint- zberg,他 使 用 的 是 创 业 模 式(entrepreneurialmode)这 一术语。Miller提出通过创新性、风险承担和超前行动 3个维度来描述创业型企业,将创业导向研究引入企业 层面。“三维度说”被认为是对创业导向内涵的首次明 确界定。1996年,Lumpkin 和 Dess[2]在 三 维 度 基 础 上 加入自主性与积极竞争两个维度,将创业导向的内涵 扩展为五维 度。自 此,创业导向的主流研究脉络逐渐 清晰,创业导向这一术语也开始被广泛使用。创业导向即企业追逐新事业、应对新变化的一种心智模 式(Lumpkin G.,Dess G.,2001),尤其对于面临“新生弱势”的新创企业而言,能否在复杂多变的外部环境、较低的市场地位以及严峻的 资源约束等综合条件下形成战略性创业导向进而不断开发商业机会、建立竞争优势,关系到企业的生存和成 长(Semrau T.,Ambos T.,Kraus S,2016; 胡望斌,张玉利,2012)。所谓网络导向,就是企业借助外部关系网络来解决创业困境的意愿和态度(董保宝,2015)。总体来看,网络导 向强调新企业对网络价值的思考、开发和利用,着眼于在特定情境中利用外部关系网络来满足自身发展需求。芮正云罗瑾琏甘静娴(2020)认为新企业需要情感型的网络嵌入机制来动员外部网络成员提供相应的帮助和支持,但是网络资源并 不能直接一蹴而就转化为创业导向,因此还需要借助创业学习机制来实现对组织内外部资源的整合与重组, 在此过程中,新企业为了保持企业内部能力和资源结构与外部环境匹配,会积极调整现有战略,通过增强创业 导向来支撑新企业的持续发展。实证发现新企业的网络嵌入与创业学习在"网络导向—创业导向"主效应中能起到正向调节作用,不过其中的利用性创业学习调节作用不显著,网络嵌入与创业学习之间存在一定的匹配互补性,其中关系嵌入与利用性学习、结构嵌入与探索性学习具有显著的协同调节效应。
ref:卜华白1,2 ,何 青,2013
ref:王彦博任慧,2015
ref:戴万亮路文玲徐可杨皎平,2019
戴万亮路文玲徐可杨皎平,2019基于社会网络理论,以知识获取为中介变量,以企业间信任关系和知识整合能力为调节变量,构建一个两阶段被调节的中介作用模型,以检验网络权力对技术创新的作用机制与边界条件。结果表明:①网络权力显著正向影响技术创新;②网络权力显著正向影响知识获取,知识获取则对技术创新产生倒U型影响,知识获取在网络权力影响技术创新关系中起部分中介作用;③企业间信任关系有助于企业通过网络权力获取外部知识,知识整合能力有助于企业将获取的外部知识转化为技术创新
高俊光1 ,陈 劲2 ,孙雪薇(2019)采用国际研究项目“全球创业观察” ( Global Entrepreneurship Monitor: GEM) 向公众提供 的数据。问卷和数据都在网站( www. gemconsortium. org) 上共享。GEM 项目是世界上最重要的创 业研究,通过项目中心广泛协调,由各国项目小组执 行完成数据收集工作,确保提供高质量的信息,其全 面的报告大大增强了对创业现象的认识。其中针对 成年人的人口调查( Adult Population Survey: APS) 着眼于个人创业的特点、动机、抱负,以及社会对创 业的态度等,对参与创业活动的成年人进行了抽样 和采访。从 2013 年开始,APS 询问了关于商业关系 和创新的问题。本文使用 GEM 2017 年公开数据 集,进一步锁定中国大陆数据,使用其中管理企业经 营业务子样本。从中选取本研究内容所需数据,在剔 除存在缺失项目和明显错误的数据后,最终用于本研 究的有效数据为 223 组.研究开放度对新创小企业创新绩效的影响。并考虑吸收能力和市场环境 的作用,发现开放度、吸收能力均对新创小企业创新绩效有正向影响; 开放度对吸收能力有正向影响; 吸收能力 在开放度与创新绩效之间起到部分中介作用; 市场环境因素在开放度和创新绩效之间起到调节作用。
吴绍波顾新(2011)指出由于知识水平、知识结构、组织惯例、价值观念等各方面存在差异,知识网络节点组织之间不可避免地产生知识冲突。知识冲突一般要经过知觉阶段、行为阶段和适应阶段等几个阶段,各阶段表现出不同的特点。知识冲突对知识网络组织之间的合作创新既有正面影响,也有负面影响。在知识冲突的管理过程中,要正确看待知识冲突存在的客观性,通过寻找具有知识协同点的合作伙伴,建立合理的沟通机制,提高信任度等措施消除知识冲突的负面影响。
5.Ref
Kogler, D., Rigby, D., & Tucker, I. (2013). Mapping knowledge space and technological relatedness in US cities. European Planning Studies, 21(9), 1374–1391.
Breschi, S., Lissoni, F., & Malerba, F. (2003). Knowledge‐relatedness in firm technological diversification. Research Policy, 32 (1), 69–87.
Li GC, Lai R, D’Amour A, Doolin DM, Sun Y, Torvik VI, … Fleming L (2014) Disambiguation and co-authorship networks of the US patent inventor database (1975– 2010). Research Policy 43: 941-955
ref:
1.风格认为中国这种靠模仿的思维能力,需要的是更加的聚集,才会有效率。他还认为中国缺乏想法交流中所必需的信用,包括1)有竞争力的司法体制。2)有竞争力的信用体制。周其仁(2018)强调人口高度密集的地方一定要有规矩,这个规矩一定要有严肃性,但是随着技术、生态、观念的变化,规矩要有自我再生的能力,再生能力离不开世界各方的参与,不能因为某个信息来源就把事情定了,一定是多方互动。许小年(2019)认为创新的第一要素是自由,包括思想自由、要素流动自由和进入市场的自由,制度包括产权保护、不同所有制企业的市场公平和高效财政。
2.Matthew P. Johnson,et al(2019)将创新的环境因素分为宏中微观3个层次,通过各层次间联系探讨了3类创新机制。第1类情景机制(Situational Mechanisms),包括联系宏观-微观的污染自然环境的制度、凸显未满足社会需要的制度、增强可持续导向企业的社会运动、支持或抑制可持续导向创业的制度等,联系中观-微观的导致环境和社会损伤的市场失灵、对可持续导向的创业的市场支持或反对、刺激社会需求的本地主体和鼓励可持续导向创业的社会网络。第2类行动-形成(action-formation)机制,包括微观层面的发现可持续导向的机会、开发具有可持续核心价值的事业、组织资源、与利益相关方结盟、权衡(各方利益)、在多主体企业管理冲突和培育可持续导向的事业;中观层面的引致可持续变化的集体行动(Parrish & Foxon, 2009; Shaw & Carter, 2007; Thompson, 2012), 引致可持续变化的混合策略(logic hybridization)(York et al., 2016a), 以及市场主体的共同演化(Gasbarro et al., 2017; Gibbs & O'Neill, 2014; Hockerts & Wüstenhagen, 2010; Kearins & Collins, 2012; Schaltegger et al., 2016)。第3类转变(Transformational)机制,包括联系微观-宏观的可持续发展导向的柔性制度,创立可持续导向的制度和创造大规模的可持续价值;联系微观-中观的向可持续发展转型的市场、形成可持续导向的网络(Muñoz & Cohen, 2018)、刺激可持续导向的创新和创造本地可持续价值。他们指出中观层次的调节作用可延伸微观企业家的目标,同时作为宏观变化的转换器。
3.知识型城市的特征。知识经济研究主要聚焦于知识生产,涉及知识作为创新源的作用,知识型企业及其生产过程的新特征,以及知识管理和在不同组织内部或之间生产中的增值。知识管理分为知识开发与探索,其中知识探索侧重知识生产,知识开发侧重知识应用 (Liu et al., 2014);知识探索要求探索新的和创造性的知识,充满了更高的不确定性和风险,而知识利用旨在将已有知识专业化和深化以提高效率和产出 (March, 1991; Spender, 1994; Grant and Baden-Fuller,2004)。一些研究从城市尺度分析了知识性活动在财富创造和发展中的作用,比如大学通过研发、教育带来的人力资本增长和技术传播等创造的一种知识型环境带来了区域经济的发展(Goldstein & Renault, 2004; Lawton Smith, 2003),本地知识溢出激励了创新(Howells, 2002; Simmie, Sennett, Wood, & Hart, 2002),城市和城市区域中知识型集聚中心的发展等(Van den Berg, Braun, & Van Winden, 2001)。
Knight, 1995, Knight, 2008, Perry (2008), and Yigitcanlar (2011) 等学者提出了基于知识的城市开发(KBUD)这一概念,主要目标是构建知识型城市(Carrillo, Yigitcanlar, Garcia, et al., 2014; Ergazakis, Metaxiotis, & Psarras, 2004)。已有文献定义了知识型城市的核心特征(Carrillo et al., 2014; Edvardsson, Yigitcanlar, & Pancholi, 2016; Penco, 2015; Yigitcanlar & Bulu, 2015)。Carrilo(2004)引入知识型城市这一概念界定大都市区,类似于生产系统,基于适当的城市设计、ICT网络和基础设施,城市内与城市间知识主体可实现有效互动,进而有利于知识生产(Ergazakis et al., 2004; Pancholi et al., 2017)。有别于精明城市(smart city),精明城市主要应用ICT于重要基础设施和服务,近来扩展包括技术、创造性多样化和高学历人口,以及管治与政策等 (Cocchia, 2014a, Cocchia, 2014b; Jucevičius, Patašienė, & Patašius, 2014)。而数字城市、智慧城市Ubiquitous city, Wired city, Hybrid city Information City更强调数字技术在城市物理设施和管理上的应用(Nam & Pardo, 2011)。知识型城市更集中于人的教育、学习和知识分享在知识创造和更新中的作用。KBUD包含以下视角(Yigitcanlar, 2011; Yigitcanlar & Bulu, 2015; Yigitcanlar & Lönnqvist, 2013):
1)经济发展:GDP与FDI;R&D支出与专利数量;
2)社会发展:人力和社会资本,包括公共教育支出,教育水平,大学水平;多样性和独立性,包括海外出生人数,失业和抚养比;
3)环境发展,生活质量,包括生活成本和犯罪率;环境可持续性,包括碳排量
4)制度发展:管治和规划,包括电子政务和城市品牌;领导力和合作精神,包括公共支出中R&D,姐妹城市数量。
总体上,知识时代城市发展影响因素可分为2类:built-in资产,知识相关活动和良好环境;政策。沿着基于知识的城市开发(KBUD)框架和企业家精神研究,LaraPenco,et al.(2019)聚焦城市尺度创业活动的潜在刺激因素,从这一角度建立知识型城市的4个维度,在KBUD基础上,他们提出了一个新框架和新多维指数“知识型城市发展的企业家精神”(KBCDE),计算了每个知识维度及总知识的KBCDE指数,利用数字经济中创业企业密度和独角兽企业密度(新公司密度和人均成功数字企业数,其中独角兽企业定义为估值10亿元初创公司)衡量城市企业家精神指数(ENT),并探讨知识型城市每一维度与企业家精神水平间关系以提出政策建议。他们采用PD2 Distance法(Somarriba & Pena, 2009)计算ENT,KBCDE及其子维度的指数,此法可合成不同尺度的变量,且相交于主成分和数据包络分析鲁棒性更好(Somarriba and Pena (2009))。采用Pearson相关指数检验KBCDE与ENT间关系。通过Two step Cluster聚类分析法确定ENT,KBCDE及其子维度的分类。
6.Pentland的社会学习
Pan, Pentland, et al.(2013)从社会物理学角度,沿着社会纽带(两人间产生关系的可能性由中介机会的数量决定,即若你在某群人中有许多“可能认识的人”,那么你与其中某个陌生人建立友谊的可能性就较小)研究知识传播、创造力和城市创新,他们将社会学、地理学和探讨人口密度与创新间关系的经济学的想法集成到单一数学模型中,用稠密、连续的行为数据以及能够获得的经济和社会结果数据来阐述社会纽带如何推动城市里的想法流。Krumme, Pentland, et al.(2013)分析信用卡消费数据发现访问地点与次数间关系满足幂律定律,探索率(利用最不常去地方个数与次数比重来测量)较高的城市在后续年份有更高的专利数、研发投资率、GDP,甚至犯罪率等。他们还进一步讨论了想法传播的广度和市民获得新想法的速率对GDP密度的解释。因此就城市创新而言,地理邻近能增进探索,增加社会纽带密度,而社会纽带密度是个体间想法流动的关键决定因素,更高的社会纽带密度产生更大规模的想法流,也更可能提供多样性的想法,进而提高生产率和创新能力(Eagle and Pentland, 2009; Wu et al., 2008;Pentland, 2008)。高密度带来高探索率及其衍生的高创新率,但同时对参与质量提出严峻挑战,这是社会物理学视角下的城市集聚利弊问题。
想法流描述的是行为和信仰通过社会学习和社会压力在社会网络中的传播,受社会网络结构、每一对人之间的社会影响的强度以及个体对新想法的易感性影响。其中社会学习,即新想法如何成为习惯,以及如何通过社会压力加速影响学习,包括通过观察他人行为学习新策略以及通过体验或观察学习新信仰。社会学习的过程意味着:若在具有某种行为的个体(榜样)和一个“新人”间有很多互动,且“新人”是易感者,那么这一新想法就有可能生根发芽,并进而改变“新人”的行为。易感性取决于几个因素:包括榜样与新人间充分相似从而使新行为可能对新人有用;两人间具有较高的信任度;新想法与之前学习的行为间的一致性。因此想法流有时相当慢,可靠的加速途径是使用社会网络激励(在社会网络中能够改变人们间的交流模式的激励),Pentland(2015)使用“探索”指代“使用社会网络获取想法和信息”,认为探索是把新想法带入一个工作团队或社区的想法流的一部分,探索的原则包括:社会学习是关键,多样性是重要的(当社会学习的建议与孤立个体所做的事相同时,或你所在社会网络中每个人都选择相同方向时,此时应警醒自己想法是否不够多样,检验的方法有赌徒方案、贝叶斯真理血清和社会影响的估计),特立独行者是重要的(关注那些行为与其社会学习无关的特立独行者,并发现他们间的共识,跟随这些共识就是好的决策)。社会压力是一个人能够施加在另一个人身上的议定影响力, 受限于两人间的交流价值,社会压力为动员个体进行合作提供了新的方法,即我们应将注意力放在改变人们间的连接,利用交流对参与者的价值来产生个体主动寻求改变的动力,人群产生的社会压力与个体行为间不匹配成本、关系的价值及互动数量有关,这意味着最有效的网络激励应该针对具有最强社会纽带和最多互动的人群。“参与”指代持续的人际交流网络改变人们行为的过程,参与的原则包括:互动(直接互动的数量能很好地衡量采取合作行为的社会压力);合作(让每个人都参与到目标设定、工作活动以及因团队成就而获得的认可中);信任(指对未来公平、合作的预期,正如社会网络先驱韦尔曼所言,两人通话的数量能很好地衡量他们对两者关系的投资,这种投资往往被称为社会资本)。
Pentland(2015)关于社会学习和社会压力的一系列研究的理论基础是西蒙和卡尼曼所肯定的人类两种心智模型:快思考主要使用我们从自身经验和对他人的观察中习得的想法的关联来驱动我们的习惯和直觉;慢思考主要使用推理,结合我们的信仰以得到新结论。他们的实验表明:人类连续的探索性行为是一种快速的学习过程,它由同伴间的流行度引导,而习惯和偏好的接受则是一个缓慢的过程,它需要在同伴社区中反复接触和感知验证。社交世界既包括通过探索收获新想法的紧张与刺激,也包括随后通过与同伴互动来筛选这些想法,从而决定哪些想法应转变为个人习惯和社会规范的更加安静缓慢的过程。他们在组织层面的研究显示企业内部面对面参与和探索模式往往是影响生产率和创意产出的最重要因素(Pentland, 2012b),团队外部的面对面探索模式+团队内部的参与模式=高创意团队,探索与参与交替的过程能建造一个更多样、堪当示范的经验库,从而增加创意产出。他们还延伸到个体层次,初步探讨了个体在组织中的参与行为增加了社会接触的频率,增强了彼此信任,而增强的社会纽带创造条件让同伴压力成为促进合作(包括探索和参与行为)的最有效机制,最终提升创新效率。Alessandro Crociata, et al(2019)对意大利南北方文化参与和人力资本间关系的分析表明,文化参与与人力资本积累存在显著正相关,且文化资本越高的区域文化参与对人力资本影响越大。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-8-17 00:46
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社