適度站隊：派系視角下創(chuàng)新網(wǎng)絡中企業(yè)創(chuàng)新與結派行為研究

趙 炎 ，栗 錚

（1.上海大學管理學院，上海 200444;2.上海大學創(chuàng)新與知識管理研究中心，上海 200444）

“網(wǎng)絡”一詞在20世紀80年代開始廣泛使用,起初特指線條的編織所形成的鏤空結構，之后網(wǎng)絡的概念得到進一步延伸，泛指眾多行為主體之間的聯(lián)系。20世紀80年代末，IMAI和BABA[1]首次提出創(chuàng)新網(wǎng)絡是一個應付系統(tǒng)性創(chuàng)新的基本制度安排。之后，F(xiàn)REEMAN[2]引證并沿用IMAI和BABA對創(chuàng)新網(wǎng)絡的定義，認為對網(wǎng)絡的研究有助于提供內部成員的知識需求。在創(chuàng)新網(wǎng)絡的研究方面，以往學者將更多精力投入斷層、結構洞、小世界性和子群的研究，而對派系的研究較少。THATCHER和PATEL[3]認為對企業(yè)聯(lián)盟和創(chuàng)新網(wǎng)絡的斷層研究是有必要的。此后不久，學者HEID等[4]通過研究企業(yè)聯(lián)盟穩(wěn)定性發(fā)現(xiàn)，知識在創(chuàng)新網(wǎng)絡中流動時的差異化會使網(wǎng)絡出現(xiàn)斷層，使聯(lián)盟分裂為多個子群、派系，甚至消散。近年，黨興華等[5]對子群進行了進一步研究，從嵌入的角度分析了斷層對創(chuàng)新網(wǎng)絡中子群的影響，但他們沒有對同屬于中觀層面的網(wǎng)絡結構——派系展開研究。因此，對派系進一步研究有助于豐富當下創(chuàng)新網(wǎng)絡的理論框架。派系作為企業(yè)之間合作的一種方式和創(chuàng)新網(wǎng)絡中的一種聯(lián)盟結構普遍存在。它是網(wǎng)絡密度最大的聯(lián)盟團體。探究企業(yè)結派行為與企業(yè)自身創(chuàng)新之間的關系，對企業(yè)的發(fā)展具有良好的實踐啟示意義。

1 文獻回顧和理論假設

1.1 文獻回顧

以往學者展開了對企業(yè)內外部的資源結構和政府政策的研究。例如：SCHILLING和PHELPS[6]研究了創(chuàng)新網(wǎng)絡整體結構與企業(yè)知識創(chuàng)新性之間的關系，發(fā)現(xiàn)創(chuàng)新網(wǎng)絡的集聚系數(shù)和聯(lián)通度越高，該網(wǎng)絡的知識創(chuàng)新性就越強。高太山和柳卸林[7]利用我國74個企業(yè)參與的國際聯(lián)盟發(fā)現(xiàn)，企業(yè)合作、知識池均對企業(yè)的創(chuàng)新能力有促進作用。李晉和鄧峰[8]從政府政策角度展開實證分析，通過對比發(fā)現(xiàn)，有政府支持與有政府部門參與的聯(lián)盟表現(xiàn)出較高的創(chuàng)新性。

與此同時，自組織理論也被以往學者引入創(chuàng)新網(wǎng)絡中企業(yè)創(chuàng)新能力的研究。例如，劉丹和閆長樂[9]將協(xié)同學理論運用其中，選取技術、人才、文化、資金等指標對網(wǎng)絡整體和網(wǎng)絡中的企業(yè)創(chuàng)新展開研究，發(fā)現(xiàn)“差序化格局”對網(wǎng)絡整體和網(wǎng)絡個體均有增益。

總結而言，前人大體從企業(yè)的聯(lián)盟行為出發(fā)展開研究，并認為企業(yè)之間的合作從一定程度上對企業(yè)創(chuàng)新起到了促進作用。基于此，本文選取創(chuàng)新網(wǎng)絡中網(wǎng)絡密度最大的聯(lián)盟團體——派系的視角，研究企業(yè)的結派次數(shù)是否有助于企業(yè)自身創(chuàng)新的發(fā)展。2004年CLAUSET等[10]首次提出了復雜網(wǎng)絡中的各種結構。PALLA等[11]在《自然》雜志上提出派系普遍存在于復雜的網(wǎng)絡中，并于2007年開發(fā)了派系提取軟件CFinder供研究者使用。在派系的研究中，趙炎和孟慶時[12]通過實證分析提出創(chuàng)新網(wǎng)絡中的企業(yè)具有自發(fā)性的“結派”趨勢，此后趙炎等[13]又提出知識在派系內流動而終止于派系的邊緣。

綜上所述，之前學者大多從中觀層面對聯(lián)盟網(wǎng)絡展開研究。以往研究表明，聯(lián)盟網(wǎng)絡內結構復雜程度越高，企業(yè)之間聯(lián)系就越多，這有益于促進企業(yè)的創(chuàng)新，而對于派系這一聯(lián)盟團體還有待進一步深入研究。本文從中觀、微觀2個層面出發(fā)，對企業(yè)在不同等級規(guī)模下的結派行為展開研究，試圖探明在外部現(xiàn)實環(huán)境下，企業(yè)如何結派更有益于自身創(chuàng)新。

1.2 結派行為定義與假設

派系是創(chuàng)新網(wǎng)絡中的一種特殊現(xiàn)象，PALLA等[11]首次從圖論上給出定義：派系是由3個或3個以上的節(jié)點組成的全耦合網(wǎng)絡。根據(jù)搜集的數(shù)據(jù)，大多派系的規(guī)模都集中在3—派系到5—派系之間。因此，本文根據(jù)最基礎的3類派系定義：企業(yè)在3—派系規(guī)模下的結派行為，記為初級結派行為；在4—派系規(guī)模下的結派行為，記為中級結派行為；在5—派系規(guī)模下的結派行為，記為高級結派行為（見圖1）。

圖1 初級結派、中級結派和高級結派Fig.1 Junior clique，middle clique and senior clique

假如一個企業(yè)在3—派系規(guī)模下結派一次，則說明該企業(yè)屬于一個3—派系；假如一個企業(yè)在3—派系規(guī)模下結派2次，則說明該企業(yè)同時屬于2個3—派系[14]。涂振洲和顧新[15]基于知識流動的產學研協(xié)同創(chuàng)新研究發(fā)現(xiàn)，企業(yè)參與聯(lián)盟次數(shù)的增加，會促進知識流動，同時也會促進企業(yè)獲得更多的顯性、隱性知識，更有利于提高企業(yè)的創(chuàng)新能力。但是過多的結派行為在帶給企業(yè)資源的同時也帶來了約束，企業(yè)不得不與眾多派系伙伴保持關系，必定會產生聯(lián)系冗余[16]。這種聯(lián)系冗余會導致企業(yè)在派系中嵌入程度加深，從而抑制企業(yè)的創(chuàng)新能力[17]。因此，提出如下假設。

H1 企業(yè)自身初級結派行為發(fā)生的次數(shù)與企業(yè)創(chuàng)新呈倒U形關系。

假如企業(yè)在4—派系規(guī)模下結派1次，則說明該企業(yè)屬于1個4—派系，即該企業(yè)的中級結派行為發(fā)生1次。與此同時，該企業(yè)作為4—派系中的1個企業(yè)，也屬于3個3—派系，這意味著該企業(yè)在中級結派行為發(fā)生1次的同時，初級結派行為發(fā)生了3次[18]。相比于初級結派，這種結派行為的發(fā)生表示該企業(yè)與外界企業(yè)之間的聯(lián)系程度更高且合作更多。因為企業(yè)聯(lián)盟行為的發(fā)生有利于促進該企業(yè)與外界企業(yè)間的知識流動，進而有利于提高企業(yè)的創(chuàng)新能力[19]。所以，企業(yè)結派同樣有助于提高企業(yè)的創(chuàng)新能力。

但隨著企業(yè)結派行為不斷發(fā)生，相比于初級結派行為，中級結派行為無形中會導致企業(yè)更深的過度嵌入。過度嵌入會使企業(yè)在獲得派系伙伴資源的同時接受過多的伙伴約束，梁娟和陳國宏[16]曾從嵌入的角度展開研究，認為“過度嵌入”會抑制企業(yè)自身的創(chuàng)新。因此，提出如下假設。

H2 企業(yè)自身中級結派行為發(fā)生的次數(shù)與企業(yè)創(chuàng)新呈倒U形關系。

假如企業(yè)在5—派系規(guī)模下結派1次，則說明該企業(yè)屬于5—派系中的1個節(jié)點。也就是說，該企業(yè)的高級結派行為發(fā)生1次。與此同時，該企業(yè)屬于1個5—派系也屬于4個4—派系和6個3—派系，說明當企業(yè)的高級結派行為發(fā)生1次，該企業(yè)發(fā)生了4次中級結派行為，以及6次初級結派行為[20]?；谄髽I(yè)聯(lián)盟對企業(yè)創(chuàng)新能力有促進作用這一事實[19]，本文認為，這種高級別多連通的結派行為相對于中級結派行為和初級結派行為，更加有利于企業(yè)與企業(yè)間的知識流動，進而對企業(yè)的創(chuàng)新能力產生正向影響。但是，隨著企業(yè)所結派規(guī)模的擴大，加入派系次數(shù)的增多，其嵌入創(chuàng)新網(wǎng)絡程度也進一步加深。在結派次數(shù)達到一定次數(shù)后，必定會出現(xiàn)過度嵌入的問題[16-17]，進而對企業(yè)創(chuàng)新產生抑制作用。因此，提出如下假設。

H3 企業(yè)自身高級結派行為發(fā)生的次數(shù)與企業(yè)創(chuàng)新呈倒U形關系。

本文依據(jù)企業(yè)所結派系規(guī)模大小劃分為初級結派行為、中級結派行為和高級結派3種行為?；谇拔牡?個假設，本文認為企業(yè)結派行為與企業(yè)創(chuàng)新之間呈現(xiàn)倒U形關系。此關系必定存在著極值，極值對應的極值點即為企業(yè)在該規(guī)模下的最佳結派次數(shù)。隨著企業(yè)所結派系規(guī)模的增大，企業(yè)所屬派系的個數(shù)也相應增加，那么該企業(yè)的嵌入程度也進一步加深。因此，提出如下假設。

H4 企業(yè)初級結派行為、中級結派行為、高級結派行為的最佳結派次數(shù)依次遞減。

2 研究方法

2.1 派系提取

因本研究存在滯后性指標（如“企業(yè)創(chuàng)新能力”用企業(yè)滯后一年申請專利數(shù)表示）和數(shù)據(jù)更新速度問題，所以本文采集了2010—2015年中國通信行業(yè)的數(shù)據(jù)，建立了中國通信行業(yè)聯(lián)盟創(chuàng)新數(shù)據(jù)庫。本文對數(shù)據(jù)庫內的每家企業(yè)進行了編號，并對其聯(lián)盟關系進行處理，從而形成了鄰接矩陣，并獲取網(wǎng)絡指標。另外，通過中國知識產權網(wǎng)獲得了企業(yè)的專利數(shù)據(jù)。在研究中國通信行業(yè)企業(yè)結派行為的過程中，本文依據(jù)2個標準：①每個派系中至少有一個企業(yè)從事于通信行業(yè)；②結成的派系從事于通信行業(yè)。以上2個標準只要滿足其一，就可以認為該企業(yè)所結成的派系是通信行業(yè)的派系。同時，只有當這個派系中至少有1個或1個以上的中國企業(yè)時，才認定是中國通信行業(yè)的派系[12]。

本文基于派系過濾算法[13]，通過迭代回歸的理論，利用CFinder軟件對中國通信行業(yè)聯(lián)盟創(chuàng)新網(wǎng)絡中的企業(yè)進行派系提取，獲得每個企業(yè)所結派系的規(guī)模和隸屬派系的個數(shù)，進而統(tǒng)計出企業(yè)在初級、中級、高級的結派行為發(fā)生次數(shù)。派系與聯(lián)盟網(wǎng)絡之間的差異如圖2所示。

圖2 2010—2012年中國通信行業(yè)聯(lián)盟創(chuàng)新網(wǎng)絡中的派系和企業(yè)Fig.2 Clique and firms of communication industry alliance network in 2010—2012

PALLA等[11]提出一種從復雜網(wǎng)絡中提取派系的方法——派系過濾（clique percolation）算法，簡稱CP算法。此算法可以從網(wǎng)絡中按照派系規(guī)模從大到小依次提取。首先確定k—派系的k值（k≥3），之后的具體步驟如下。①選取網(wǎng)絡中任意一節(jié)點P。②建立集合M={P，與P相連的節(jié)點}，N={與M中節(jié)點同時相連的節(jié)點}。③將集合N中的一個節(jié)點移至M中，并刪除N中不再與M中所有節(jié)點同時相連的節(jié)點。④判斷：如果M中節(jié)點數(shù)未達到k，N已為空集，或M、N為已有較大派系的子派系，則停止計算，并重新選擇P點。否則，當M達到k時，則找到1個新派系，記錄并返回至步驟③，即可得到包含P點在內的全部大小為k的派系。⑤重新選擇P點，重復②～④步驟，即可找出網(wǎng)絡內所有節(jié)點結成的k—派系。⑥重新定義k值，重復①～⑤步驟，即可找出網(wǎng)絡中所有節(jié)點結成的派系。

依照國際慣例[6，21]，按每3年1個時間窗口，將2010—2015年劃分為2010—2012年、2011—2013年、2012—2014年、2013—2015年4個時間窗口并作為面板數(shù)據(jù)的4個觀測期。最終，利用UCINET和CFinder軟件得到了4個時間窗口下的4張派系網(wǎng)絡圖、4張聯(lián)盟網(wǎng)絡圖和結成派系的330家通信企業(yè)，作為本文的樣本數(shù)據(jù)。

2.2 變量設置

2.2.1 因變量 企業(yè)創(chuàng)新用企業(yè)的創(chuàng)新能力來表征。這一變量所表現(xiàn)的是企業(yè)具有創(chuàng)新發(fā)展的綜合能力。ARUNDEL和KABLA[22]認為專利可以直觀體現(xiàn)高技術企業(yè)的創(chuàng)新能力。專利是適用于衡量高技術行業(yè)中企業(yè)創(chuàng)新能力的指標，因知識密集的高技術企業(yè)對知識產權的重視，故而這類企業(yè)更傾向于通過專利申請進行保護。趙劍波等[23]認為專利體現(xiàn)了企業(yè)的創(chuàng)新方向和技術水平，并主張使用專利作為衡量企業(yè)創(chuàng)新方向和創(chuàng)新能力的工具。因此，企業(yè)的專利申請量越多，其創(chuàng)新能力就越強。企業(yè)在結派后不可能立即申請專利，但一般都會立即展開合作，企業(yè)與其他企業(yè)結派大致在1年后會產出成果進而申請專利，所以本文選取企業(yè)結派滯后一年的專利申請數(shù)（patents）作為因變量。

2.2.2 自變量 分別用企業(yè)初級結派次數(shù)（clique3）、企業(yè)中級結派次數(shù)（clique4）與企業(yè)高級結派次數(shù)（clique5）來表征：如果1個企業(yè)只屬于1個3—派系，那么就認為該企業(yè)只在3—派系的規(guī)模下結派1次；如果1個企業(yè)在4—派系規(guī)模下結派1次，那就認為該企業(yè)在4—派系規(guī)模下結派1次，在3—派系規(guī)模下結派次；如果1個企業(yè)在5—派系規(guī)模下結派1次，那么就認為該企業(yè)在5—派系規(guī)模下結派1次，在4—派系規(guī)模下結派次，在3—派系規(guī)模下結派次。

2.2.3 控制變量 本文是基于微觀層面的企業(yè)研究創(chuàng)新網(wǎng)絡，所以必須考慮影響整個創(chuàng)新網(wǎng)絡的因素。因此，本文將每個時間窗口下的網(wǎng)絡規(guī)模、企業(yè)結派歷史和企業(yè)的平均集聚系數(shù)作為控制變量，同時也考慮了企業(yè)以往的專利積累。

專利積累（pre_patents）：企業(yè)的專利積累可以有效衡量企業(yè)創(chuàng)新的能力，它作為一個內生性指標，經常用于企業(yè)結派行對企業(yè)創(chuàng)新能力影響的研究[24]。因此，本文用企業(yè)結派行為發(fā)生前5年授權專利數(shù)總和表征企業(yè)專利積累。

企業(yè)結派歷史（cli_age）：隨著派系的發(fā)展，派系內各個企業(yè)隨著不斷地磨合，知識架構不斷優(yōu)化，知識積累不斷加深。因此，在研究企業(yè)結派行為的過程中不能忽視企業(yè)結派歷史的影響。本文用企業(yè)所結派系的年齡表征企業(yè)結派歷史[25]。

網(wǎng)絡規(guī)模(network_size)：采用單個時間窗口下網(wǎng)絡中的企業(yè)個數(shù)測量。網(wǎng)絡規(guī)模的大小決定了企業(yè)與外界之間聯(lián)系的可能性和可選擇性大小。網(wǎng)絡規(guī)模越大，企業(yè)可選擇結派的對象越多，企業(yè)與外界聯(lián)系的可能性越大。因此，不能忽視網(wǎng)絡規(guī)模對企業(yè)創(chuàng)新能力的影響[26]。

平均集聚系數(shù)（ave_clustering）：趙炎和孟慶時[12]將網(wǎng)絡中直接聯(lián)系的3個節(jié)點定義為閉三元組。平均集聚系數(shù)反映了網(wǎng)絡節(jié)點的集聚程度，即形成閉三元組占三元組(包括所有直接或間接聯(lián)系的3個節(jié)點的組合數(shù))的比例。閉三元組是網(wǎng)絡形成的基礎結構，該結構在網(wǎng)絡中越多，則網(wǎng)絡中的結派行為越多。計算公式為C=3NΔ/N3，其中為閉三元組的數(shù)量表示網(wǎng)絡中三元組的數(shù)量[27]。

3 實證分析

3.1 數(shù)據(jù)處理

本文將搜集的數(shù)據(jù)制成面板數(shù)據(jù)，利用STATA軟件對4個時間窗口下的330個樣本進行描述性統(tǒng)計、相關性分析、豪斯曼檢驗和負二項回歸分析。從表1可以看出，大部分變量之間的相關性很低（相關系數(shù)的絕對值小于0.7）。但是初級結派行為、中級結派行為與高級結派行為間存在較高的相關性，因此不能同時放入一個模型進行回歸。其他變量無須考慮多重共線性的問題。

表1 各變量的描述性統(tǒng)計和相關性分析結果Tab.1 Descriptive statistics and correlative coefficients of the variables

本文采用負二項回歸的方法研究各個規(guī)模下企業(yè)結派次數(shù)與該企業(yè)滯后一年的專利申請數(shù)量的關系。因為在國家知識產權局搜集數(shù)據(jù)的過程中發(fā)現(xiàn)，對于一些企業(yè)而言，存在自我保護、不愿公開所擁有專利數(shù)的情況，而且不同企業(yè)創(chuàng)新能力存在差異，所以專利型數(shù)據(jù)較為離散。直線回歸模型不適合此類計數(shù)型變量計算，而泊松回歸原假設為均值等于方差，也不適合此類數(shù)據(jù)處理，因此，選取作為廣義的泊松回歸——負二項回歸進行分析。

3.2 負二項回歸分析

因為固定效應模型中的樣本均有固定不變的差異，而隨機效應模型則認為樣本的某些不可測的差異是隨機的。又因為經過豪斯曼檢驗，p值均小于0.05?；诖耍疚恼J為使用隨機效應的負二項回歸模型更有效，建立模型形式如下。

負二項回歸結果如表2所示。通過表2中的模型2～模型4可以看出，企業(yè)的結派行為發(fā)生次數(shù)的一次項均為顯著正相關；觀察企業(yè)結派次數(shù)的二次項，發(fā)現(xiàn)其與企業(yè)創(chuàng)新之間呈顯著的負相關，也就是說，隨著結派行為的發(fā)生，企業(yè)結派行為發(fā)生對企業(yè)創(chuàng)新的回報先增加后減小。因此，企業(yè)的初級、中級和高級結派行為與企業(yè)創(chuàng)新之間存在倒U形關系，支持了H1～H3。

表2 隨機效應的負二項回歸結果Tab.2 Negative binomial regression results with random effects

通過計算可以得出，企業(yè)滯后一年申請專利數(shù)達到極值時，企業(yè)最佳的初級結派、中級結派和高級結派的結派次數(shù)分別為16.61、52.42和120.93次。也就是說，企業(yè)最佳高級結派次數(shù)高于最佳中級結派次數(shù)，最佳中級結派次數(shù)高于最佳初級結派次數(shù)，H4沒有通過驗證。究其原因，從派系規(guī)模的門檻看，加入小規(guī)模的派系可能更有利于企業(yè)的創(chuàng)新。從圖3（a）可以看出，假如企業(yè)A加入了1個10—派系，那么可以計算出該企業(yè)A的初級結派行為發(fā)生次，中級結派行為發(fā)生次，高級結派發(fā)生

次。由于該派系規(guī)模太大，企業(yè)的實際初級結派次數(shù)（36）超過了理論上的最佳初級結派次數(shù)（16.61），對于中級、高級結派次數(shù)也是如此。事實上，結派規(guī)模越大（加入9—派系、10—派系甚至更大規(guī)模的派系），企業(yè)的實際初級結派次數(shù)就越容易超過理論上的最佳初級結派次數(shù)。而觀察圖3（b）可以看出，假如企業(yè)B加入了2個4—派系，那么可以計算出該企業(yè)的初級結派行為發(fā)生次，中級結派行為發(fā)生2=2次，高級結派行為發(fā)生0次，遠低于理論上不同門檻下的最佳結派次數(shù)。因此，企業(yè)加入小規(guī)模的派系（例如，3—派系、4—派系）比加入大規(guī)模的派系更不容易導致結派次數(shù)超過最佳次數(shù)的情況發(fā)生。因此，企業(yè)加入小規(guī)模的派系可能更有利于企業(yè)的創(chuàng)新。

圖3 10—派系和4—派系Fig.3 10-clique and 4-clique

4 結論與啟示

4.1 研究結論

本文從企業(yè)出發(fā)，對派系中最基礎的3類——3—派系、4—派系與5—派系規(guī)模下的結派行為展開研究。通過研究通信行業(yè)聯(lián)盟企業(yè)中企業(yè)自身的結派行為與企業(yè)自身創(chuàng)新的關系，發(fā)現(xiàn)：企業(yè)在不同規(guī)模下的結派行為發(fā)生次數(shù)與企業(yè)自身的創(chuàng)新之間存在倒U形關系，本文提出的H1～H3獲得支持。另外，根據(jù)倒U形關系得出企業(yè)在3種派系規(guī)模下的最佳結派次數(shù)單調遞增，H4沒有通過驗證。究其原因，本文發(fā)現(xiàn)與派系的結構性質問題有關，分別為大派系包含小派系和大派系隸屬于小派系，例如，4派系中含有4個3—派系；4派系又可看作4個3—派系的派系組合，屬于3—派系。本文結論如下。

首先，根據(jù)派系的性質，企業(yè)結派行為的發(fā)生使企業(yè)自身成為一個全連通子圖中的一點，使企業(yè)可以與派系內的所有企業(yè)之間發(fā)生聯(lián)系。企業(yè)可以通過結派使自身與所結派系內的企業(yè)進行資源合作、資源轉移、資源交換等活動，進而提升自己的創(chuàng)新能力。

其次，企業(yè)的結派行為固然對企業(yè)自身創(chuàng)新有益，但是結派行為過于頻繁或是所結派系規(guī)模過大時，就會出現(xiàn)子群聯(lián)系冗余，從而使企業(yè)在眾多伙伴中過于“忙碌”，甚至出現(xiàn)自身的控制錯覺，以及自身的行為被派系伙伴限制，反而抑制了企業(yè)自身創(chuàng)新。這一結論支持了楊震寧等[17]“過度嵌入”理論的研究，呼吁企業(yè)“適度站隊”。

最后，本文將PALLA等[11]在復雜網(wǎng)絡中發(fā)現(xiàn)的網(wǎng)絡結構——派系引入企業(yè)聯(lián)盟網(wǎng)絡，并對其性質展開進一步研究。結果表明：相對于大規(guī)模下的結派行為，小規(guī)模的結派行為更有利于企業(yè)自身與派系內企業(yè)的關系發(fā)展。在相對不復雜的派系中，企業(yè)可以面對相對較少的派系伙伴，這有利于增加企業(yè)與其他企業(yè)之間的關系緊密程度、增強彼此之間的信任以及企業(yè)的自信，進而更有利于企業(yè)自身的創(chuàng)新發(fā)展。

4.2 研究啟示

企業(yè)結派行為的頻繁發(fā)生使創(chuàng)新網(wǎng)絡不斷演化，進而改變了創(chuàng)新網(wǎng)絡的結構和企業(yè)與其他企業(yè)之間的關系。以往學者大多研究創(chuàng)新網(wǎng)絡的整體結構對整個創(chuàng)新網(wǎng)絡的影響，而本文側重于從企業(yè)出發(fā)探究整個創(chuàng)新網(wǎng)絡，豐富當下創(chuàng)新網(wǎng)絡的微觀層面理論研究。

通過負二項回歸模型，本文找到了企業(yè)在3個基礎規(guī)模派系下最佳的結派次數(shù)，從最佳結派次數(shù)可以延伸到企業(yè)維度在創(chuàng)新網(wǎng)絡中的研究，為日后的企業(yè)維度研究提供了參考。

結合上述結論和我國通信行業(yè)發(fā)展的現(xiàn)實情況，企業(yè)結派行為一旦超過理論上的“最佳結派次數(shù)”，創(chuàng)新能力就會隨著結派次數(shù)的增加而降低，這就出現(xiàn)了結派過度。當下通信企業(yè)在“站隊”時應當審慎、適度，避免過度結派的行為，否則就可能使企業(yè)身陷復雜的創(chuàng)新網(wǎng)絡，并與派系伙伴發(fā)生千絲萬縷的糾纏，使得“結派”這一積極的行為產生的邊際效益降低。與此同時，頻繁結派的企業(yè)需要消耗過多精力去應對派系伙伴的約束，從而使得企業(yè)的創(chuàng)新活力降低。

因此，本文希望為我國通信企業(yè)傳遞一個觀點：企業(yè)結派行為發(fā)生太多，將會對其創(chuàng)新產生抑制作用。因此，企業(yè)面臨“站隊”問題時要審慎、適度，避免結派行為發(fā)生太多。這就意味著通信企業(yè)應當更加審慎地選擇派系伙伴，提高加入派系的戰(zhàn)略決策的重要性，適當?shù)販p少所屬派系數(shù)量，從而將更多精力投入于企業(yè)自身的創(chuàng)新活動。

4.3 研究局限性

本文選取我國通信行業(yè)聯(lián)盟網(wǎng)絡進行研究，其行業(yè)具有一定的特殊性，因而得到的結論是否能夠運用于其他行業(yè)有待進一步探討。此外，本文構思于2017年且選取指標存在滯后性（如“企業(yè)創(chuàng)能力”用企業(yè)滯后一年申請專利數(shù)表示），因此，本文選取的聯(lián)盟數(shù)據(jù)的時間段是2010—2015年，劃分為4個時間窗口，樣本量共計330個。今后還需要進行跟蹤研究，并分析網(wǎng)絡結構的變化趨勢，對其中的小世界性等特征進行分析。