股权网络结构对企业创新的影响：基于知识溢出效应的理...

奥鹏网院作业

股权网络结构对企业创新的影响：基于知识溢出效应的理论分析与实证检验
宋灿 侯欣裕

(南开大学 经济学院，天津 300071)

摘 要： 在企业股权网络结构日趋多元化与复杂化的现实背景下，本文依据2003-2019年上市公司年报数据，运用PPML回归法检验了股权网络结构对企业创新的影响。研究发现，股权网络中心度提升了企业创新水平，推动了企业开放式创新活动的开展及激进式创新模式的转变；股权网络具有显著的间接溢出效应，且被投资网络中心度对企业创新的影响显著大于投资网络中心度；与竞争股权网络中心度相比，互补股权网络中心度更有利于新知识的交换、传递与融合；地理邻近性提高了信息与知识传递的速度与效率，增强了股权网络中心度的知识外溢效应。

关键词： 股权网络； 中心度； 知识溢出； 企业创新

一、引言和文献综述
新常态下，依靠企业“创新驱动”推动经济持续健康发展，不仅是维持我国经济活力、避免落入中等收入陷阱的必然路径，更是增强企业在行业内竞争优势的关键所在[1-2]。随着经济社会的不断发展，企业间关系日趋复杂化与网络化，这种网络关系包括但不局限于以供需关系为基础形成的贸易网络、以企业普通员工或管理层的社会关系为基础形成的社会关系网络，或以投资与被投资关系(企业所有权关系)为基础形成的股权网络等[3-4]。网络关系作为知识传递与交换的重要纽带，逐渐成为影响企业创新的关键因素。因此，越来越多的学者开始从网络的视角探究企业网络与创新之间的关系。

以拓扑理论为基础的网络概念，最先用于社会学中分析人与人之间的社会关系，后被应用于经济学中，网络也由此被定义为经济个体构成的、通过结点相连的相互作用关系[5]。对网络的定义与构造相关文献中，Khwaja和Mian(2005)[6]及Garmaise和Moskowitz(2003)[4]分别以企业管理层与企业普通员工的社会关系构建企业层面的社会网络；张红娟和谭劲松(2014)[7]及刘学元等(2016)[8]以企业的合约联盟为基础构建企业联盟网络；Carvalho等(2016)[9]及Fu和Gupta(2014)[10]基于投入产出关系构建贸易网络，并根据企业在产业链中所处的位置及企业上下游产业关系，将贸易网络分解为供给网络与销售网络；Chuluun等(2017)[11]通过分析企业间的投资与被投资关系，构造企业股权网络。

企业网络中既包括与该企业具有直接合作关系的企业结点，还包括与该企业不直接相关、但可以通过其他企业间接相关联的企业结点[12]。因此，与传统的单一二元分析方法相比，拓扑网络分析法不仅能体现出因企业直接关联产生的“直接效应”，还能体现出因企业间接关联产生的“间接效应”。在网络结点的连接下，企业间不断地产生互动关系，并在互动关系中交换资源、技能与经验，由此产生知识溢出效应，并推动企业创新水平的提升[13]。但在网络中，各个企业并不是获得相等的知识溢出效应，网络结构对知识溢出效应的大小起到了决定性作用。Freeman(1979)[14]将网络结构定义为实体(经济个体)靠近网络中心位置的程度(即网络中心度)。一般而言，企业越靠近网络中心的位置(网络中心度越高)，该企业与其他企业的平均距离越短，知识传递的速度与效率越高，知识扭曲风险越低，由此也更有可能获得较高的知识溢出效应。除了知识溢出效应外，在网络结构对企业创新绩效的影响机制分析中，已有研究认为社会关系导致的信任程度的提高[6]、高创新能力员工的创新激励效应[7]、外部知识可获得渠道的拓展[15]，对新知识的吸收、消化及利用能力的提升等均是企业网络影响创新绩效的重要机制[16]。

由以上分析可知，在已有研究中，以社会关系与贸易关系为基础构建企业网络，仍然占据研究的主流。随着我国的资本市场日益成熟，企业间的直接与间接投资与被投资关系日趋复杂化与网络化。股权网络通过信息、技术、经验的传导与交换，逐渐成为知识溢出效应的重要纽带。因此，对股权网络结构的定义、构建及其对创新绩效影响的探究是值得深入研究的话题。然而，鲜有文献以企业间投资与被投资关系为基础，分析企业股权网络结构对企业创新的影响。虽然Chuluun等(2017)[11]提及了股权网络的概念，但其简单地以投资企业机构的个数作为企业网络指标计算的基础，仅能反映出企业间股权网络的直接关系，难以体现出企业网络的间接关系。鉴于此，本文依据拓扑学理论构造股权网络中心度指标，并基于知识溢出的视角，从理论与实证两个层面分析了股权网络对企业创新的影响。

本文可能的贡献如下：第一，本文将企业间投资与被投资关系纳入网络分析框架，不仅检验了股权网络对企业创新的直接溢出效应，还验证了由于网络关系的存在而产生的间接溢出效应，对现有文献形成了有益的补充；第二，本文中对创新模式的探究、对竞争与互补关系及地理邻近性对知识溢出效应影响的分析，丰富了现有的创新研究视角；第三，本文为网络视角下对企业创新行为的研究提供了经验证据，并为企业投资与创新决策提供了经验启示。

二、理论分析与研究假设
知识基础理论认为，知识是企业建立相对竞争优势的重要资源，而知识结构主要包括两个方面的内容：静态的知识资本与动态的知识流动[17-18]。企业知识来源的两个渠道为，内部知识的产生与外部知识资源的获取，动态的知识流动为企业知识交换与获取奠定了基础。企业在不断地知识资源交换中，积累不同类型的新知识、汲取创造灵感，从而提升自身技术能力[19-20]。但知识的传递与交换并不是无条件的，有效的知识传递取决于知识交换的共同利益。基于投资与被投资关系的股权网络，将各个原本相互独立的企业连接在一起，形成利益群体，为知识的传递与交换创造了条件[11]。随着企业股权网络结构的日益复杂化，外部知识资源获取越来越成为企业知识积累与创新能力提升的重要源泉。

知识传递的速度与效率取决于企业信息传递的路径，股权网络关系的形成使得原本一对一线状知识传播，转变为多对多网状知识传播，加快了知识传播的速度，提升了企业新知识获取与吸收的效率[21-22]，为企业创新能力与创新水平的提升奠定了基础。在网络结构中，企业越靠近股权网络中心的位置(即股权网络中心度越高)，表明该企业与其他企业通过投资与被投资关系形成的直接与间接关联程度越高，且该企业距离其他相关联企业的平均路径越少[22-23]。股权网络中心度的提高，使得本企业可以通过最少的路径到达最多的企业，不仅提升了知识传递的速度与效率，也降低了信息在传递过程中的扭曲风险，提高了知识传递的质量。并且，与其他远离网络中心位置(股权网络中心度较低)的企业相比，靠近网络中心位置(股权网络中心度较高)的企业，拥有更多的机会去获取和发现区别于企业本身所拥有的、不同类型的知识资源[24]，因此得以更加快速地将知识用于新产品与新技术的研发，企业创新水平也由此不断提升。基于上述分析，本文提出理论假设1。

H1 股权网络中心度加快了知识传递的速度与效率，提高了知识传递的质量，由此产生的知识溢出效应提高了企业创新水平。

在创新活动的开展过程中，企业既可以选择独立研发(独立式创新)，也可以通过与其他企业合作的方式进行联合研发(开放式创新)[25]。相互独立的企业通常面临严峻的市场竞争环境，基于投资与被投资关系形成的股权网络，将各个原本独立的企业连接为一个利益群体[10]。不仅降低了市场竞争激烈程度，提高了企业市场势力，更加深了企业间的交流互动，降低了因信息不对称产生的摩擦成本，增强了企业间的相互信任程度，为企业稀缺知识资源开发与共享奠定了基础，最终推动了企业间合作研发关系的形成，提高了企业开放式创新水平[26-27]。并且，与其他远离网络中心位置(股权网络中心度较低)的企业相比，靠近网络中心位置(股权网络中心度较高)的企业，通过网络与其他企业的连接更为紧密，所获得的信任程度也越高，因此拥有更多的机会去获取稀缺知识资源，及具备更大的可能性与其他企业共同进行新产品与新技术的研发[28]，企业开放式创新水平也由此不断提升。基于上述分析，本文提出理论假设2。

H2 股权网络中心度的提升，促进了稀缺知识资源的共同开发与利用，提升了企业开放式创新水平。

企业创新水平的提高不仅体现在创新数量的增加，还体现在创新质量的提升，而创新模式的改进与转变，是企业创新技术改善与创新质量提升的重要体现。现有企业的创新模式一般分为两种，一种是基于原有的产品或技术进行改良，此种创新模式称为渐进式创新。渐进式创新由于是在已有的产品或技术上改进，具备较小的创新幅度，其所需的知识积累与新知识的投入也相对较少[6-8]。与渐进式创新相对应的创新模式称为激进式创新，激进式创新意为研发出企业之前所未涉及的产品或技术[29]。与渐进式创新相比，激进式创新虽然具有较高的创新程度与创新技术含量，但需具备一定的知识积累及新思想的交叉融合[30]。基于投资与被投资关系的企业股权网络，将各个所处不同领域的企业，通过股权关系连接在一起，不同领域企业间的合作交流更有利于新思想、新知识的交叉融合。并且，与其他远离网络中心位置(股权网络中心度较低)的企业相比，靠近网络中心位置(股权网络中心度较高)的企业，更有利于获取和积累新知识[31-33]，并通过新思想与新知识的交叉融合，促使企业由渐进式创新向激进式创新模式转变。基于上述分析，本文提出理论假设3。

H3 股权网络中心度的提升，加速了新知识与新思想的融合，促使企业由渐进式创新向激进式创新模式转变。

三、研究设计
(一)变量的构建
1.核心被解释变量：企业创新(Patent)

已有研究从多个维度对企业创新水平进行了刻画，如企业生产率、企业研发资金或者研发人员的投入、企业发明专利的申请数量等。首先，企业生产率对创新的衡量过多依赖于完全竞争市场，在非完全竞争市场中，生产率对企业创新的衡量存在一定的偏差。其次，上市公司数据库中研发资金、研发人员样本的缺失较为严重，并且创新投入转化为创新产出的过程中存在着巨大的不确定性。因此，借鉴已有研究的普遍做法，根据上市公司专利库中的企业每年申请发明专利的数量加1再取对数表示(1)依照一般的分类标准，专利包括发明专利、实用新型专利、外观设计专利，其中发明专利的复杂度与创新度更高，也更能代表企业的创新能力。。企业创新数据来源于2003-2019年上市公司专利数据库，上市公司专利数据库对专利类型进行了详细的划分，并依据企业是独立研发还是联合研发，将专利数据分为独立申请专利与联合申请专利，为本文股权网络结构与企业创新之间关系的分析奠定了详实的数据基础。

2.核心解释变量：股权网络中心度(Degree)

依据Breza和Chandrasekhar(2019)[26]对网络中心度的定义，本文以企业间的投资与被投资关系为基础，构建股权网络中心度指标。具体而言，以企业间因持股关系所形成的矩阵表示网络，以股权网络矩阵中的结点表示企业间的股权连接，以股权连接矩阵的维度表示网络中结点(投资企业)的个数(N)。为进一步区分企业在股权关系中是作为投资方还是被投资方，本文统一使用股权连接矩阵的行表示投资方企业，列则表示被投资方企业。如从企业i的角度解释，nodeij表示企业i对企业j的投资结点，nodeji表示企业j对企业i的投资结点。若企业i对企业j具备投资关系，则nodeij取1，否则取0。同理，若企业j对企业i具备投资关系，则nodeji取1，否则取0。股权网络中心度(Degree)以企业投资结点数量与总的企业数量之比表示

Degreei=Σ(nodeij+nodeji)/Ni

(1)

股权网络中心度表示企业在股权网络中靠近中心位置的程度。股权网络中心度越大，表明企业越靠近网络的中心位置，也代表与该企业直接与间接关联的其他企业的数量越多，即该企业通过股权网络与其他企业的联系程度越紧密。若企业越处于靠近网络结点中心的位置，说明其在投资与被投资关系中具备较强的信息与资源掌控能力。

股权网络中心度指标，虽然能体现出企业在股权网络的中心位置，却难以区分投资与被投资关系产生的股权网络对企业创新的影响。本文依据投资与被投资关系区分股权网络的方向，将股权网络中心度分解为投资网络中心度(Outdegree)和被投资网络中心度(Indegree)。计算公式为

Outdegreei=Σnodeij/Ni

(2)

Indegreei=Σnodeij/Ni

(3)

股权网络结构中心度指标可以厘清企业间复杂的股权网络关系，却无法体现出全资子公司、绝对控股、合资等企业持股份额的差异性，也仅能体现出股权网络的“直接溢出效应”，无法体现出因间接持股产生的“间接溢出效应”。因此，为更好地体现企业持股份额的差异性，及准确度量网络的间接溢出效应，本文在股权网络中心度指标的基础上，构造加权股权网络中心度(Wdegree)指标。计算公式为

Wdegreei=Degreei+Σ∏λjDegreej

(4)

其中，λj表示企业i对企业j持股的权重。例如，企业0直接持有企业1公司股份的50%，而因企业1又持有企业2的股权份的40%，则企业0间接持有企业2的股份数量为40%*50%=20%。因此企业0的加权股权网络中心度为Wdegree0=Degree0+50%Degree1+20%Degree2。

股权网络中心度指标数据来源于2003—2019年上市公司年报，上市公司年报所披露的股东信息，不仅包括上市公司股东，还包括非上市公司股东，为本文指标构建提供了全面详实的数据基础。依据企业投资与被投资关系构造矩阵，并计算出在股权网络中，所有公司的股权网络中心度指标。在计算出股权网络中心度后，依据企业名称将指标与上市公司数据库匹配。

3.控制变量

鉴于影响企业创新因素的复杂性，在借鉴已有研究的基础上，本文在实证中加入可能影响企业创新的控制变量。(1)企业年龄(Age)：依据企业从设立年份起到考察年份止的存续时间，加一再取对数表示。(2)企业年龄的平方(Age2)：已有大量研究表明，企业年龄与企业创新之间可能存在非线性相关关系，因此本文在计量模型中加入企业年龄的平方项。(3)企业规模(Size)：用企业资产总量取对数衡量企业规模的大小，一般而言企业规模越大表明企业垄断势力越强。(4)企业资产负债率(Lev)：用企业总负债与总资产的比率表示企业的资产负债情况，以此衡量企业的杠杆率。(5)企业资产回报率(Roa)：以企业总利润与总资产的比值表示。(6)企业固定资产水平(Fix)：以企业固定资产占总资产的比重表示。(7)营业收入增长率(Revrt)：以企业营业收入增长速度表示企业的盈利能力。(8)国有企业性质(Soe)：若企业是国有性质则Soe取1，否则Soe取0。(9)外资企业性质(Foe)：若企业是外资性质则Foe取1，否则Foe取0。数据主要来源于2003-2019年上市公司财务信息数据库。表1为各个变量的描述性统计。

表1 描述性统计

width=686,height=352,dpi=110
(二)计量模型设定
本文主要研究的问题是企业股权网络结构对创新的影响。由于企业创新指标中存在大量为0的特征，为避免因计量模型错误设定而导致回归结果产生偏差，采用泊松伪极大似然估计(Poisson Pseudo Maximum Likelihood，PPML)模型进行经验分析，具体计量模型设定如下

Lnpatentit=exp(α+βDergreeit+λXit+εj+εp+εt+μijpt)

(5)

其中，式(5)中被解释变量为企业i在t年的企业创新指标(Lnatentit)，核心解释变量为企业i在t年的股权网络中心度(Degreeit)，Xit为可能影响企业创新的控制变量，主要包括企业年龄(Age)、企业年龄的平方(Age2)、企业规模(Size)、企业资产负债率(Lev)、资产回报率(Roa)、企业固定资产占比(Fix)、营业收入增长率(Revrt)、国有企业性质(Soe)、外资企业性质(Foe)等。此外，本文在回归中还加入时间层面的固定效应(εt)，以控制随机时间冲击对回归结果的影响；加入行业层面的固定效应(εj)，以控制行业异质性对回归结果的影响；加入城市层面的固定效应，以控制区域差异性对回归结果的影响。

四、实证检验与结果分析
(一)基准回归结果
1.股权网络中心度对企业创新的影响分析

在前文理论分析与指标构建的基础上，本文依照式(5)以企业创新作为核心被解释变量，对股权网络中心度与企业创新之间的关系进行经验分析。回归结果如表2所示，其中列(1)为不加入控制变量时的回归结果，列(2)-(4)为加入控制变量后逐项加入时间、行业及区域层面固定效应的回归结果。由回归结果可知，在控制时间、行业与区域等各个层面的固定效应后，股权网络中心度对企业创新的影响依然显著为正。列(5)为加入时间-行业趋势项的回归结果，列(6)为在年份层面上聚类后的回归结果。由回归结果可知，在加入时间-行业趋势项及控制企业在年份层面的聚类后，企业股权网络中心度对创新绩效的影响在1%的水平上显著为正。表明在其他条件不变的情况下，企业创新水平随着股权网络中心度的提高而不断提高，由此验证了理论假设1。基于投资与被投资关系的股权网络，将各个原本相互独立的企业连接在一起，形成利益群体，为知识的传递与交换创造了条件。股权网络中心度的提高，使得本企业可以通过最少的路径到达最多的企业，不仅提升了知识传递的速度与效率，也降低了信息在传递过程中的扭曲风险，提高了知识传递的质量。并且靠近网络中心位置的企业，拥有更多的机会去获取和发现区别于企业本身所拥有的、不同类型的知识资源，因此得以更加快速地将新知识用于新产品与新技术的研发，企业创新水平也由此不断提升。

表2 基准回归结果

width=686,height=616,dpi=110
注：*、**、***分别代表10%、5%与1%显著性水平，括号内为标准误差。下同。列(6)为在年份层面聚类的回归结果。

在各个控制变量中，年龄对企业创新的影响显著为正，而年龄的平方项对企业创新的影响显著为负，表明企业年龄与企业创新为倒U型关系，与已有研究相一致。企业规模与企业资产回报率对创新的影响显著为正，主要原因是企业规模的扩张与盈利能力的增强，提高了企业在市场上的垄断势力。根据熊彼特的创新理论，垄断利润的形成推动了企业创新活动的开展，促进了企业创新能力的提升。

2.独立式创新与开放式创新回归结果

在创新活动的开展过程中，企业既可以选择封闭式独立研发，也可以选择与其他企业合作进行开放式创新。因此，本文进一步将企业独立申请的发明专利归类为独立式创新，将与其他实体企业联合申请的发明专利归类为开放式创新。表3列(1)-(3)汇报了以企业独立式创新为被解释变量的回归结果。结果显示，股权网络中心度对企业独立式创新的影响至少在1%的水平上显著为正，表明股权网络中心度提高产生的信息共享与知识溢出效应提升了企业独立式创新水平。表3列(4)-(6)汇报了以企业开放式创新为被解释变量的回归结果。结果显示，股权网络中心度对开放式创新的影响显著为正。但通过对比分析可以发现，企业股权网络中心度对开放式创新的影响系数，显著大于其对独立式创新的影响系数。表明股权网络中心度的提高增强了相互持股企业间的信任程度，推动了企业间合作创新活动的开展，由此验证了理论假设2。股权网络中心程度越高的企业，通过网络与其他企业的连接更为紧密，所获得的信任程度也越高，因此拥有更多的机会去获取稀缺知识资源，并与其他企业共同进行新产品与新技术的研发，企业开放式创新水平也由此不断提升。

表3 独立式创新与开放式创新回归结果

width=686,height=698,dpi=110
3.激进式创新与渐进式创新回归结果

对企业创新的衡量不仅体现在企业创新水平的提高，还体现在企业创新模式的改变。已有研究将创新模式分为渐进式创新(又称改良式创新)与激进式创新。与渐进式创新相比，激进式创新需要更多的知识积累与新思想的融合。为更深入分析股权网络中心度对企业创新的作用机理，本文借鉴Chuluun等(2017)[11]的做法，依照企业申请每一项专利的具体名称、专利号与分类，对专利进行重新划分。若企业五年内没有申请过此类专利则将此专利划分为激进式创新，若企业五年内申请过此类专利，则将此类专利划分为渐进式创新。表4列(1)-(3)汇报了股权网络中心度对激进式创新绝对量影响的回归结果，表4列(4)-(6)汇报了股权网络中心度对激进式创新与渐进式创新相对比值影响的回归结果。结果显示，股权网络中心度对激进式创新绝对值与相对值的影响在1%的水平上显著为正。表明总体来看，股权网络中心度促使企业由渐进式创新向激进式创新模式的转变，由此验证了理论假设3。基于投资与被投资关系的企业股权网络，将各个所处不同领域的企业通过股权关系连接在一起，不同企业间的合作交流更有利于新思想、新知识的交叉融合。具备较高股权网络中心度的企业，更有机会获取和积累新知识，并通过新思想与新知识的交叉融合，促使企业由渐进式创新向激进式创新模式转变。

表4 激进式创新与渐进式创新回归结果

width=686,height=662,dpi=110
(二)拓展分析
1.股权网络的“间接溢出效应”对企业创新的影响

为更好地体现出企业持股份额的差异性，及因间接持股产生的“间接溢出效应”，本文以加权股权网络中心度(Wdegree)指标作为核心解释变量，以企业创新作为被解释变量进行经验分析。回归结果如表5所示。其中，列(1)为不加入控制变量时的回归结果，列(2)-(4)为加入控制变量后逐项加入时间、行业及区域层面固定效应的回归结果，列(5)为在年份层面聚类后的回归结果。由回归结果可知，加权股权网络中心度对创新绩效的影响至少在1%的水平上显著为正，与基准回归结果一致。对比表2基准回归结果可知，加权股权网络中心度对企业创新的影响显著大于不加权时的股权网络中心度。表明股权网络存在显著的间接溢出效应，即在股权网络中，知识的传递不仅仅局限于与该企业直接关联的企业，还存在于间接相关联的企业。

表5 “间接溢出效应”对企业创新的影响回归结果

width=686,height=616,dpi=110
注：列(5)为在年份层面聚类的回归结果。

2.投资与被投资网络中心度对企业创新的影响

为体现因投资与被投资关系产生的股权网络结构对企业创新影响的差异性，本文分别以企业投资网络中心度(Outdegree)和被投资网络中心度(Indegree)作为核心解释变量，以企业创新作为被解释变量进行经验分析，回归结果如表6所示。其中，表6列(1)-(3)为被投资网络中心度对企业创新的影响，列(4)-(6)为投资网络中心度对企业创新的影响。由表6回归结果可知，投资网络中心度与被投资网络中心度对企业创新的影响显著为正。对比分析发现，被投资网络中心度对企业创新的影响显著大于投资网络中心度。创新具有高投入与高风险的特征，由此决定了研发投入大多数源于企业内部资金。在融资约束普遍趋紧的大环境下，被投资网络有效缓解了企业的融资约束，并通过提高企业研发投入提升了企业创新水平，从而解释了投资与被投资网络中心度对企业创新的影响存在的显著差异性。

表6 投资与被投资网络对企业创新的影响回归结果

width=686,height=657,dpi=110
3.竞争与互补关系对企业创新的影响

前文的经验分析将不同产业的企业归为同一个网络体系，虽然能完整地刻画出企业间的相互持股关系，却忽略了因产业关联产生的竞争与互补关系对企业创新的影响。本文依据企业在产业链中所处的位置及上下游产业关系，对股权网络中心度重新测算。若企业间是同行业竞争关系，则其形成的网络称为竞争股权网络中心度(Codegree)。同理，若企业间是上下游供需合作关系，则其形成的网络称为互补股权网络中心度(Inddegree)。在对股权网络中心度重新测度后进行经验分析，回归结果如表7所示。其中，表7列(1)-(3)汇报了竞争股权网络对企业创新的影响，表7列(4)-(6)汇报了互补股权网络对企业创新的影响。结果显示，竞争与互补股权网络对企业创新的影响至少在1%的水平上显著为正。表明无论是同行业企业，还是上下游企业相互持股形成的股权网络，均对企业创新能力的提升起到正向促进作用。但整体而言，互补股权网络中心度对创新绩效的影响显著大于竞争股权网络中心度。主要原因是：一方面，由于同行业竞争关系的存在，基于互补关系的企业相互间的信任度大于基于竞争关系的企业，由此促进了企业间的信息共享与知识资源的共同利用；另一方面，与同产业相比，不同产业间的知识融合与思想碰撞，更容易促进企业创新合作的开展与创新成果的实现，由此造成了不同产业关联的股权网络中心度对企业创新作用效果的差异性。

表7 竞争与互补关系对企业创新的影响回归结果

width=686,height=698,dpi=110
4.地理邻近性对企业创新的影响

为验证地理邻近性对企业创新的影响，本文依据企业所处的地理位置，分别计算地理邻近股权网络中心度(Gdegree)与地理非邻近股权网络中心度(Ngdegree)。其中，地理邻近股权网络，指处于同一城市或者相邻城市的企业间相互持股形成的股权网络；地理非邻近股权网络，指不处于同一城市或非相邻城市的企业间相互持股形成的股权网络。本文以地理邻近性对股权网络进行划分，更深入地揭示了地理邻近性对企业创新的作用机制，回归结果如表8所示。其中，表8列(1)-(3)为地理邻近股权网络中心度对企业创新的影响，列(4)-(6)为地理非邻近股权网络中心度对企业创新的影响。由回归结果可知，地理邻近股权网络中心度对企业创新的影响，显著大于地理非邻近股权网络中心度。与地理位置相距较远的企业相比，较近的地理位置企业间形成的股权网络中，知识传递的速度更快、效率更高，信息扭曲风险更小，知识传递的质量更高。因此，地理邻近股权网络产生的知识溢出效应更高，地理邻近股权网络中心度对企业创新的影响，显著大于地理非邻近股权网络中心度。

表8 地理邻近性对企业创新的影响回归结果

width=686,height=698,dpi=110
(三)内生性分析与稳健性检验
1．内生性分析

为避免反向因果关系对实证结果的影响，本文以上市公司信息披露质量作为股权网络中心度的工具变量(2)依上市公司的信息披露是企业投资决策的重要参考依据，因仅有深交所公开了上市公司信息披露质量信息，所以此时的内生性检验样本量会有一定程度的缺失。上市公司信息披露数据来源于wind数据库，网址www.wind.com.cn。，进行内生性分析。一方面，上市公司信息披露质量在一定程度上反映出企业的经营绩效，企业信息披露质量越高，往往代表着该企业的经营绩效越好，企业营业利润率越高，从而更加具备向外投资的动力与能力。另一方面，上市公司信息披露质量既是企业信用程度的重要体现，也是企业投资决策的重要依据。一般而言，企业更倾向于投资信息披露质量较高的上市公司。因此，对于企业而言，其信息披露质量越高，表明该企业在股权网络的中心地位越高，企业股权网络中心程度也越高。具体而言，将深交所公布的上市公司信息披露质量A、B、C、D四个等级量化(分别取值4、3、2、1)，企业信息披露质量等级越高，取值越大。表9报告了以信息披露质量作为工具变量的回归结果。其中，列(1)-(3)为泊松伪极大似然估计工具变量法的回归结果，列(4)-(6)为两阶段最小二乘法的回归结果。总体来看，在以企业上市公司信息披露质量作为工具变量后，股权网络中心度对企业创新的影响依然显著为正，表明在考虑内生性后，前文的分析结果依然成立。

表9 内生性检验回归结果

width=686,height=463,dpi=110
2.替换被解释变量

为得到更加稳健的分析结果，在已有研究的基础上，借鉴Olley和Pakes(1996)[27]的做法，运用OP法计算出上市公司的企业生产率作为企业创新水平的代理变量，并进行经验分析。由表10回归结果可知，在以生产率作为企业创新的代理变量后，股权网络中心度对企业创新的影响依然显著为正，与本文的预期相一致(3)依由于以OP法所计算出来的生产率不存在大量为0的特征，因此，此时用普通最小二乘法进行经验分析。。

表10 替换被解释变量的稳健性检验回归结果

width=686,height=586,dpi=110
3.替换计量模型

在前文的分析中，以PPML估计法对股权网络中心度与企业创新之间的关系进行经验分析，依据原始数据被解释变量存在大量为0的特征，本文分别以Probit和Logit模型替换PPML模型，并对股权网络中心度与企业创新之间的关系进行经验分析，回归结果如表11所示。其中，表11列(1)-(3)为Probit模型回归结果，列(4)-(6)为Logit模型回归结果。由回归结果可知，在变换计量模型后，股权网络中心度对企业创新的影响依然显著为正，再次验证了回归结果的稳健性。

表11 替换计量模型的稳健性检验回归结果

width=686,height=616,dpi=110
4.剔除异常值

全样本中异常值的存在会对回归结果产生一定的偏差，因此，本文剔除核心变量前后1%的异常值后，再次对股权网络中心度与企业创新进行经验分析。由表12回归结果可知，在剔除异常值后，股权网络中心度对企业创新的影响依然为正，再次验证了回归结果的稳健性。

表12 剔除异常值的稳健性检验回归结果

width=686,height=668,dpi=110
注：列(4)-列(6)为在年份层面聚类。

五、研究结论与启示
本文以2003—2019年上市公司为样本，基于网络视角考察了股权网络结构对企业创新的影响及内在机理。研究发现，股权网络中心度产生的知识溢出效应提升了企业创新水平，推动了企业开放式创新活动的开展及激进式创新模式的转变；股权网络具有显著的间接溢出效应，且被投资网络中心度对企业创新的影响显著大于投资网络中心度；互补股权网络中心度更有利于新知识的交换、传递与融合；地理邻近性提高了知识传递的速度与效率，增强了股权网络的知识外溢效应。本文研究的重要意义在于：第一，基于网络视角，检验了股权网络对企业创新的直接溢出效应与间接溢出效应，对现有文献形成了有益的补充；第二，本文中对创新模式、竞争与互补关系及地理邻近性对知识溢出效应影响的分析，丰富了现有的对企业创新的研究视角；第三，本文为网络视角下对企业创新行为的研究提供了经验证据，并为企业投资与创新决策提供了经验启示。

本文的政策含义在于：首先，股权网络通过知识传递与交换产生知识溢出效应，由此促进了企业创新水平的提升。企业应积极拓展投资与被投资渠道，提高其股权网络中心度，并充分发挥企业在股权网络中心位置的优势，在网络中积极获取与积累不同类型的知识，从而推动企业创新水平的提升。其次，企业应利用股权网络中心度的优势，摒弃传统“闭门造车”的思维，通过加强企业间的合作研发活动，推进开放式创新活动的开展，并积极利用股权网络内的互补关系，通过不同产业间知识的交叉融合推动创新模式的转变。再次，企业应通过股权网络的连接，充分吸收其不直接相关企业的间接溢出效应，并通过招商引资等渠道注重提升其被投资网络中心程度，以此不断推动自身创新水平的提升。最后，在股权网络中，企业应更加关注与其地理位置相邻企业及具备优势互补企业的知识交流互动，以此提升知识传播的速度与效率，促进新知识的融合、积累与吸收，并通过创新产出的增加获得相对竞争优势。

参考文献

[1]叶初升. 中等收入阶段的发展问题与发展经济学理论创新——基于当代中国经济实践的一种理论建构性探索[J]. 经济研究,2019,54(8):167-182.

[2]张杰,陈志远,吴书凤,等. 对外技术引进与中国本土企业自主创新[J]. 经济研究,2020,55(7):92-105.

[3]SIMATUPANG M T,SRIDHARAN R. The collaborative supply chain [J]. The International Journal of Logistics Management,2002,13(1):15-30.

[4]GARMAISE M J,MOSKOWITZ T J. Informal financial networks:theory and evidence[J]. Review of Financial Studies,2003,16(4):1007-1040.

[5]WASSERMAN S,FAUST K.Social network analysis:methods and applications [M]. [S. l.]:Cambridge University Press,1994.

[6]KHWAJA A,MIAN A. Do lenders favor politically connected firms? Rent provision in an emerging financial market [J]. Quarterly Journal of Economics,2005,120(4):1371-1411.

[7]张红娟,谭劲松. 联盟网络与企业创新绩效：跨层次分析[J]. 管理世界,2014(3):163-169.

[8]刘学元,丁雯婧,赵先德. 企业创新网络中关系强度、吸收能力与创新绩效的关系研究[J]. 南开管理评论,2016,19(1):30-42.

[9]CARVALHO V M,MAKOTO N. Supply chain disruptions:evidence from the great east Japan earthquake:CEPR Discussion Papers,2016,No.11711 [R]. [S.l.:s.n.],2016.

[10]FU R,GUPTA S. Geography,informal information flows and mutual fund portfolios [J]. Financial Management,2014,43(1):181-214.

[11]CHULUUN T,PREVOST A,UPADHYAY A. Firm network structure and innovation [J]. Journal of Corporate Finance,2017,44:193-214.

[12]BELLAMY M A,GHOSH S,HORA M. The influence of supply network structure on firm innovation [J]. Journal of Operations Management,2014,32(6):357-373.

[13]FALEYE O,KOVACS T,VENKATESWARAN A. Do better-connected CEOS innovate more?[J]. Journal of Financial and Quantitative Analysis,2014,49(5):1201-1225.

[14]FREEMAN L C. Centrality in social networks:conceptual clarification [J]. Social Networks,1979,1(3):215-239.

[15]BARRAT A,BARTHÉLEMY M,PASTOR-SATORRAS. The architecture of complex weighted networks [J]. Proceedings of The National Academy of Sciences,2004,101(11):3747-3752.

[16]FAN J P H,VIDHAN K G. On the patterns and wealth effects of vertical mergers [J]. Journal of Business,2006,79(2):877-902.

[17]ROMER P M. Endogenous technological change [J]. Journal of Political Economy,1990,98(5):71-102.

[18]寇宗来,刘学悦. 中国企业的专利行为：特征事实以及来自创新政策的影响[J]. 经济研究,2020,55(3):83-99.

[19]BECKMAN C M,HAUNSCHILD P R. Network learning:the effects of partners’ heterogeneity of experience on corporate acquisitions [J]. Administrative Science Quarterly,2002,47(1):92-124.

[20]HORA M,KLASSEN R D. Learning from others’ misfortune:factors influencing knowledge acquisition to reduce operational risk [J]. Journal of Operations Management,2013,31(2):52-61.

[21]CHIKH S,FILBIEN J Y. Acquisitions and CEO power:evidence from French networks [J]. Journal of Corporate Finance,2011,17(5):1221-1236.

[22]DASGUPTA S,ZHANG K,ZHU C. Innovation,social connections,and the boundary of the firm:SSRN Working Papers,2015,No.3124 [R].[S.l.:s.n.],2015.

[23]唐松,伍旭川,祝佳. 数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J]. 管理世界,2020,36(5):52-66.

[24]LIU Y. Employment networks and the CEO labor market:SSRN Working Papers,2010,No.5749 [R].[S.l.:s.n.],2010.

[25]HSU P H,LEE H H,LIU A Z. Corporate innovation,default risk,and bond pricing [J]. Journal of Corporate Finance,2015,35(1):329-344.

[26]BREZA E,CHANDRASEKHAR A G. Social networks,reputation,and commitment:evidence from a savings monitors experiment [J]. Econometrica,2019,87(1):175-216.

[27]OLLEY S,PAKES A. The dynamics of productivity in the telecommunications equipment industry [J]. Econometrica,1996,64(6):1263-1297.

[28]杨震宁,赵红. 中国企业的开放式创新：制度环境、“竞合”关系与创新绩效[J]. 管理世界,2020,36(2):139-160.

[29]CHESBROUGH H. Open innovation:the new imperative for creating and profiting from technology [M]. Boston:Harvard Business School Press,2003.

[30]HOCHBERG Y V,LJUNGQVIS A,LU Y. Networking as a barrier to entry and the competitive supply of venture capital [J]. The Journal of Finance,2010,65(3):829-859.

[31]EL-KHATIB R,FOGEL K. CEO network centrality and merger performance [J]. Journal of Financial Economics,2015,116(2):349-382.

[32]诸竹君,黄先海,王毅. 外资进入与中国式创新双低困境破解[J]. 经济研究,2020,55(5):99-115.

[33]DUQI A,JAAFAR A,TORLUCCIO G. Mispricing and risk of R&D investment in European firms [J]. European Journal of Finance,2015, 21(5):444-465.

The Impact of Ownership Network Structure on Firm Innovation: Theoretical Analysis and Empirical Test Based on Knowledge Spillover Effect
SONG Can, HOU Xin-yu

(School of Economics, Nankai University, Tianjin 300071, China)

Abstract：Under the background of increasingly diversified and complicated ownership network structure of enterprises, this paper uses PPML regression method to test the influence of ownership network structure on enterprise innovation according to the annual report data of listed companies from 2003 to 2019. The results show that, first, the ownership network centrality improves the level of innovation, promotes the development of open innovation activities and the transformation of radical innovation mode. Second, the ownership network has significant indirect spillover effect, and the influence of invested network centrality on firm innovation is significantly greater than that of invested network centrality. Third, compared with the network centrality of competitive equity, the network centrality of complementary equity is more conducive to the exchange, transmission and integration of new knowledge. Finally, geographic proximity improves the speed and efficiency of information and knowledge transmission, and enhances the knowledge spillover effect of equity network centrality.

Key words：ownership network; centrality; knowledge spillover; enterprise innovation

收稿日期：2021-03-04

基金项目：国家社会科学基金重大项目(21ZDA092)；教育部人文社会科学研究青年基金项目(20YJC790042)。

作者简介：宋灿，女，南开大学经济学院博士生，主要从事区域贸易与企业创新研究；侯欣裕，女，南开大学经济学院助理研究员，主要从事外资传导研究。

中图分类号：F276.6

文献标识码：A

文章编号：1005-1007(2021)11-0019-20

责任编辑 杨萍