摘"要：創(chuàng)新是引領(lǐng)發(fā)展的第一動力。文章以2019—2022年我國專精特新醫(yī)藥企業(yè)專利合作數(shù)據(jù)為樣本，利用企業(yè)與相關(guān)機構(gòu)、高校的專利合作構(gòu)建企業(yè)創(chuàng)新網(wǎng)絡(luò)，采用回歸分析、穩(wěn)健性檢驗等方法，探討專利合作網(wǎng)絡(luò)結(jié)構(gòu)與企業(yè)創(chuàng)新績效的關(guān)系，并運用中介效應(yīng)檢驗法探究中介變量創(chuàng)新資源獲取在二者關(guān)系中的作用機制。研究發(fā)現(xiàn)，專利合作網(wǎng)絡(luò)度數(shù)中心度顯著正向提升企業(yè)創(chuàng)新績效；進一步地，專利合作網(wǎng)絡(luò)度數(shù)中心度分別顯著正向影響創(chuàng)新資源獲取，而創(chuàng)新資源獲取在這一過程中具有中介效應(yīng)。該結(jié)論豐富了創(chuàng)新網(wǎng)絡(luò)對創(chuàng)新績效的影響研究，拓展了創(chuàng)新績效提升的理論基礎(chǔ)，為專精特新企業(yè)優(yōu)化創(chuàng)新提供策略，為專精特新企業(yè)高質(zhì)量發(fā)展和我國制造業(yè)可持續(xù)發(fā)展提供借鑒與啟示。

關(guān)鍵詞：專利合作網(wǎng)絡(luò)；創(chuàng)新資源；創(chuàng)新績效；專精特新企業(yè)

中圖分類號：F276.44文獻標(biāo)識碼：A文章編號：1005-6432（2025）03-0073-09

DOI：10.13939/j.cnki.zgsc.2025.03.018

1"研究背景

1.1"問題提出

2022年政府工作報告中提到了專精特新企業(yè)。在2022年明確提出"“著力培育專精特新企業(yè)，在資金、人才、孵化平臺搭建等方面給予大力支持”[1]。

制造業(yè)是國家可持續(xù)發(fā)展的基石，專精特新企業(yè)是其強大動力。為加速產(chǎn)業(yè)鏈高質(zhì)量建設(shè)與發(fā)展，從根本上增強中國經(jīng)濟的韌性，提升專精特新企業(yè)的發(fā)展質(zhì)量勢在必行。專精特新企業(yè)的靈魂是創(chuàng)新，構(gòu)建專利合作網(wǎng)絡(luò)對探究創(chuàng)新績效的有效提升方法與路徑具有重要作用。

當(dāng)前的研究主要集中在專利合作網(wǎng)絡(luò)與創(chuàng)新績效的直接關(guān)聯(lián)，然而，創(chuàng)新資源獲取作為連接這兩者的潛在橋梁，其具體中介作用機制尚未得到詳盡的研究。特別是針對專精特新企業(yè)的創(chuàng)新績效進行深入探討尤為重要，此類企業(yè)在當(dāng)前經(jīng)濟環(huán)境中扮演重要的角色，但相關(guān)的研究相對不足。因此，這一獨特且富有潛力的研究對象值得進一步挖掘探討。

因此，文章基于專精特新企業(yè)專利合作網(wǎng)絡(luò)與創(chuàng)新績效間的重要關(guān)系，以2019—2022年我國A股專精特新企業(yè)為樣本，構(gòu)建專利合作網(wǎng)絡(luò)。以企業(yè)自我中心網(wǎng)絡(luò)的中心度指標(biāo)度量專利合作網(wǎng)絡(luò)結(jié)構(gòu)特征，以企業(yè)的公開專利被引用次數(shù)大于1的專利數(shù)量作為企業(yè)創(chuàng)新績效的度量，以創(chuàng)新資源獲取作為中介變量，運用回歸分析與中介效應(yīng)檢驗等方法，探究專利合作網(wǎng)絡(luò)對企業(yè)創(chuàng)新績效的影響效應(yīng)，并針對創(chuàng)新資源獲取在專利合作網(wǎng)絡(luò)對企業(yè)創(chuàng)新績效影響過程中的作用機制進行探討?；诜治鼋Y(jié)果，提出提升專精特新企業(yè)創(chuàng)新績效的對策與建議，為企業(yè)高質(zhì)高速發(fā)展提供借鑒與啟示。

在深入探討專精特新企業(yè)創(chuàng)新活動時，文章的邊際貢獻體現(xiàn)在：第一，文章立足于專精特新企業(yè)的獨特視角，在理論上分析專利合作網(wǎng)絡(luò)對其創(chuàng)新績效的影響機制。既為理解專利合作網(wǎng)絡(luò)對專精特新企業(yè)創(chuàng)新績效的影響提供了新切入點，還為相關(guān)學(xué)者和決策者提供了更為全面深入的參考。第二，在研究方法和指標(biāo)測度方面，文章利用軟件Ucinet計算結(jié)構(gòu)洞的相關(guān)指標(biāo)，并結(jié)合企業(yè)度數(shù)中心度的手工整理，選取了與模型高度匹配的度數(shù)中心度指標(biāo)來衡量專利合作網(wǎng)絡(luò)的特征。這一方法既保證了數(shù)據(jù)的準(zhǔn)確性，又從微觀層面精確捕捉了各專精特新企業(yè)專利合作網(wǎng)絡(luò)狀況。此外，文章還通過手工檢索方式，篩選出被引次數(shù)超一次的專利數(shù)，并以此作為衡量創(chuàng)新績效的指標(biāo)，進一步提升了研究的精確性。第三，在實證分析方面，文章不僅采用了傳統(tǒng)的線性回歸模型，還引入了雙重機器學(xué)習(xí)（DML）模型，這有效減少了函數(shù)形式誤設(shè)偏誤，提供了更為穩(wěn)健可靠的估計結(jié)果。此外，文章還進一步探討了異質(zhì)性企業(yè)規(guī)模對模型的調(diào)節(jié)作用，為理解不同環(huán)境下專精特新企業(yè)的創(chuàng)新行為提供了重要參考。

綜上所述，文章在理論構(gòu)建、指標(biāo)測度、研究方法以及實證分析等方面均展現(xiàn)了顯著的邊際貢獻。通過深入剖析專精特新企業(yè)專利合作網(wǎng)絡(luò)與創(chuàng)新績效的關(guān)系，文章不僅豐富了相關(guān)領(lǐng)域的研究內(nèi)容，也為實踐提供了有益的指導(dǎo)。

1.2"文獻綜述

學(xué)術(shù)界廣泛研究了創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)特征對企業(yè)創(chuàng)新績效的影響。高展軍和李垣（2006）的研究發(fā)現(xiàn)，企業(yè)在網(wǎng)絡(luò)中的強聯(lián)結(jié)促進漸進創(chuàng)新，中心度高的企業(yè)在創(chuàng)新方面更具優(yōu)勢[2]。其格其等（2016）、鄭素麗等（2021）進一步指出，合作網(wǎng)絡(luò)的聚簇系數(shù)和可達性對創(chuàng)新績效具有顯著的正向影響[3-4]。

李晨蕾等（2017）的研究則揭示了網(wǎng)絡(luò)結(jié)構(gòu)中的結(jié)構(gòu)洞對企業(yè)創(chuàng)新績效的負(fù)向作用，而網(wǎng)絡(luò)緊密程度則與創(chuàng)新績效呈正向關(guān)系[5]。緊密的網(wǎng)絡(luò)結(jié)構(gòu)有利于企業(yè)間的深度合作和知識共享，進而提升創(chuàng)新績效?？讜缘ず蛷埖ぃ?019）的研究則細化了網(wǎng)絡(luò)結(jié)構(gòu)對創(chuàng)新績效的影響機制，他們發(fā)現(xiàn)中心度正向調(diào)節(jié)知識流動和創(chuàng)新績效之間的關(guān)系[6]，而結(jié)構(gòu)洞則呈現(xiàn)出倒U形的影響。以上研究均表明適度的結(jié)構(gòu)洞能夠為企業(yè)帶來創(chuàng)新優(yōu)勢，但過多的結(jié)構(gòu)洞則會增加企業(yè)的信息篩選成本，降低創(chuàng)新效率。

另外，專利合作也是影響企業(yè)創(chuàng)新績效的重要因素之一。張曉月和雷楠楠（2023）的研究發(fā)現(xiàn)，企業(yè)專利合作網(wǎng)絡(luò)的規(guī)模、關(guān)系頻率和結(jié)構(gòu)洞均對不連續(xù)創(chuàng)新績效有顯著正向影響[7]。祝建輝和寧昊天（2023）的研究進一步證明了在企業(yè)專利合作網(wǎng)絡(luò)中，度數(shù)中心度和結(jié)構(gòu)洞對專利質(zhì)量具有正向促進作用[8]。

網(wǎng)絡(luò)結(jié)構(gòu)和專利合作都是影響企業(yè)創(chuàng)新績效的重要因素，研究進一步探討網(wǎng)絡(luò)結(jié)構(gòu)與專利合作之間的交互作用，以及不同行業(yè)、不同規(guī)模的企業(yè)在網(wǎng)絡(luò)結(jié)構(gòu)和專利合作方面的差異如何影響創(chuàng)新績效，以全面理解企業(yè)創(chuàng)新績效的形成機制。

第一，現(xiàn)有研究多關(guān)注網(wǎng)絡(luò)結(jié)構(gòu)或?qū)＠献鲗?chuàng)新績效的影響，但鮮少結(jié)合二者。如郭韜等（2017）指出，創(chuàng)新網(wǎng)絡(luò)知識轉(zhuǎn)移正向影響創(chuàng)新績效[9]；章丹和胡祖光（2013）發(fā)現(xiàn)，網(wǎng)絡(luò)結(jié)構(gòu)洞有利于探索式創(chuàng)新[10]。文章將專利合作網(wǎng)絡(luò)與創(chuàng)新資源獲取結(jié)合，深化了創(chuàng)新網(wǎng)絡(luò)與專利的聯(lián)系。將企業(yè)間專利合作網(wǎng)絡(luò)作為自變量，將創(chuàng)新資源獲取作為中介變量，由于自我中心網(wǎng)絡(luò)各指標(biāo)因素改變，影響創(chuàng)新資源的獲取情況，進而對企業(yè)創(chuàng)新績效產(chǎn)生顯著影響，深化了企業(yè)創(chuàng)新網(wǎng)絡(luò)與專利的聯(lián)系。

第二，雖有文獻探討其他中介變量對創(chuàng)新網(wǎng)絡(luò)與創(chuàng)新績效的影響，但鮮少將創(chuàng)新資源中資金與知識獲取作為中介變量。文章豐富了專利在創(chuàng)新網(wǎng)絡(luò)環(huán)境下對創(chuàng)新績效的影響，為專精特新企業(yè)提供理論基礎(chǔ)。

第三，創(chuàng)新資源獲取作為中介變量時，其他變量也可能影響創(chuàng)新績效，但鮮有文獻分析這些變量與專利的交互作用。文章引入企業(yè)規(guī)模、年齡等因素作為控制變量，分析其在專利與創(chuàng)新績效關(guān)系中的調(diào)節(jié)機制。

綜上所述，關(guān)于專精特新企業(yè)專利合作網(wǎng)絡(luò)影響企業(yè)創(chuàng)新績效的作用機制以及該機制的適用范圍存在著一定的探討空間。在當(dāng)前背景下，這些企業(yè)的創(chuàng)新績效對提升制造業(yè)和經(jīng)濟發(fā)展至關(guān)重要。因此，文章嘗試從專精特新企業(yè)的視角，深入探討其專利合作網(wǎng)絡(luò)對企業(yè)創(chuàng)新績效的具體影響機制，并量化分析不同環(huán)境規(guī)制下的適用范圍和效果。這不僅是對現(xiàn)有研究的一種補充和拓展，也為理解和指導(dǎo)專精特新企業(yè)的創(chuàng)新發(fā)展提供了新的視角和方法。

2"理論分析與研究假設(shè)

2.1"專利合作網(wǎng)絡(luò)與專精特新企業(yè)創(chuàng)新績效

文章從微觀視角，以企業(yè)為網(wǎng)絡(luò)節(jié)點探究專利合作網(wǎng)絡(luò)特征對企業(yè)創(chuàng)新績效的影響，選取了度數(shù)中心度這一重要衡量指標(biāo)進行研究。

中心度指的是一個節(jié)點在網(wǎng)絡(luò)中處于核心地位的程度，而度數(shù)中心度反映了節(jié)點企業(yè)在專利合作網(wǎng)絡(luò)中有專利合作關(guān)系的企業(yè)數(shù)量。度數(shù)中心度的值越大，表明以該企業(yè)為中心的邊越多，向周圍其他企業(yè)獲取資源、合作創(chuàng)新與協(xié)同提升的能力也更強。企業(yè)通過眾多的合作獲得了良好的科技發(fā)展環(huán)境與合作信譽基礎(chǔ)，在網(wǎng)絡(luò)中也向其他組織傳播了企業(yè)的信息，使得企業(yè)成為其他企業(yè)合作時的首選目標(biāo)，擁有牢固的信譽基石，降低了企業(yè)合作危機的概率[11]。度數(shù)中心度越高，企業(yè)通過網(wǎng)絡(luò)獲取創(chuàng)新資源的渠道越多，創(chuàng)新能力越強，進而更利于提升企業(yè)的創(chuàng)新績效。由此提出以下假設(shè)：

H1"：在其他條件不變的情況下，度數(shù)中心度與企業(yè)創(chuàng)新績效之間呈正相關(guān)關(guān)系。

2.2"專利合作網(wǎng)絡(luò)與創(chuàng)新資源獲取

專利合作網(wǎng)絡(luò)中企業(yè)占據(jù)核心地位的程度越高、度數(shù)中心度越大，企業(yè)獲取的外部資源越多、獲取范圍越大，利于其進一步進行企業(yè)間合作技術(shù)創(chuàng)新、專利申請，為創(chuàng)新資源獲取提供內(nèi)部能力支持，提升創(chuàng)新資源獲取的獲取量。其中，知識作為企業(yè)創(chuàng)新能力培養(yǎng)與建設(shè)和提升創(chuàng)新績效與競爭優(yōu)勢的關(guān)鍵資源受到廣泛關(guān)注和研究。對于以技術(shù)為基礎(chǔ)的專精特新企業(yè)而言，知識的重要性不言而喻，企業(yè)只有通過不斷吸收新知識，把新知識轉(zhuǎn)化為自身發(fā)展的推動力，持續(xù)創(chuàng)新，才有新的創(chuàng)新產(chǎn)出，進而提升創(chuàng)新績效，形成從資源積累到技術(shù)積累進而到財富積累的飛躍。而企業(yè)進行技術(shù)創(chuàng)新，擁有足夠的資金支持是必要的，充足的資金投入是支持企業(yè)持續(xù)創(chuàng)新的必要條件之一。

綜上所述，度數(shù)中心度越高，與其他企業(yè)、機構(gòu)和高校構(gòu)建的合作關(guān)系越多，越能拓寬企業(yè)知識獲取與資金獲取的渠道。由此提出以下假設(shè)：

H2a"：在其他條件不變的情況下，度數(shù)中心度與知識獲取之間呈正相關(guān)關(guān)系。

H2b"：在其他條件不變的情況下，度數(shù)中心度與資金獲取之間呈正相關(guān)關(guān)系。

2.3"創(chuàng)新資源獲取與專精特新企業(yè)創(chuàng)新績效

2.3.1"知識獲取對專精特新企業(yè)創(chuàng)新績效的影響

知識指人們在改造世界的實踐中所獲得的認(rèn)識和經(jīng)驗的總和。知識是企業(yè)獲得持續(xù)競爭力與提升經(jīng)濟效益的重要來源和寶貴財富，知識的獲取備受重視。知識創(chuàng)造財富，財富的創(chuàng)造不僅依賴于企業(yè)對各生產(chǎn)要素的占有，更源于企業(yè)知識與經(jīng)驗的豐富程度。對以技術(shù)為創(chuàng)新驅(qū)動力的專精特新企業(yè)而言，知識是非常重要的：高技術(shù)企業(yè)要不斷創(chuàng)造和開發(fā)知識，就需要不斷補充新知識[12]。

專精特新企業(yè)現(xiàn)階段需要不斷補充新知識，以提高其核心競爭力，適應(yīng)復(fù)雜多變的市場需求，因此，提升企業(yè)的創(chuàng)新能力尤為重要。而且創(chuàng)新能力的提升源于多個方面，但本質(zhì)源于企業(yè)的生產(chǎn)和對新技術(shù)與知識的利用。

企業(yè)技術(shù)創(chuàng)新活動旨在推動企業(yè)持續(xù)發(fā)展和增強市場競爭力，知識在其中起到不可替代的作用。知識與知識獲取是專精特新企業(yè)提升創(chuàng)新績效的關(guān)鍵因素，不斷從外界獲取知識，增加企業(yè)可利用的知識，利于提升利用新知識開發(fā)新技術(shù)的概率，從而利于企業(yè)的技術(shù)創(chuàng)新產(chǎn)出，提升企業(yè)的技術(shù)創(chuàng)新績效。知識獲取在企業(yè)創(chuàng)新績效的提升中越發(fā)重要。

綜上所述，知識獲取有助于專精特新企業(yè)提升其創(chuàng)新績效。由此提出以下假設(shè)：

H3a"：在其他條件不變的情況下，知識獲取與企業(yè)創(chuàng)新績效之間呈正相關(guān)關(guān)系。

2.3.2"資金獲取對專精特新企業(yè)創(chuàng)新績效的影響

足夠的資金支持是專精特新企業(yè)創(chuàng)新活動的必需品，沒有資金企業(yè)的技術(shù)創(chuàng)新活動的開展乃至財富的創(chuàng)造將是無米之炊。有研究表明，技術(shù)創(chuàng)新的投資率不低于4%的企業(yè)，都有明顯的高增長率；投資率在3%～4%的企業(yè)，其長期增長率80%的時間里不低于美國國民生產(chǎn)總值增長率的一半；而投資率低于2%的大企業(yè)的增長率則明顯低于同期美國國民生產(chǎn)總值的增長率[13]。因此，專精特新企業(yè)的創(chuàng)新活動必須依賴一定的資金支持。

相應(yīng)地，很多研究證實資金缺乏是阻礙企業(yè)創(chuàng)新活動的一個關(guān)鍵因素。創(chuàng)新資金與資金獲取的缺乏將導(dǎo)致企業(yè)設(shè)備、人才等基本生產(chǎn)要素不足，影響企業(yè)生產(chǎn)等重要創(chuàng)新過程，進而阻礙企業(yè)對知識、技術(shù)等創(chuàng)新資源的開發(fā)，阻礙異質(zhì)性資源轉(zhuǎn)化為企業(yè)可利用資源的過程，企業(yè)技術(shù)創(chuàng)新過程放緩，企業(yè)創(chuàng)新產(chǎn)出減少，嚴(yán)重影響企業(yè)創(chuàng)新績效的提升。

綜上所述，資金獲取有助于專精特新企業(yè)提升其創(chuàng)新績效。由此提出以下假設(shè)：

H3b"：在其他條件不變的情況下，資金獲取與企業(yè)創(chuàng)新績效之間呈正相關(guān)關(guān)系。

文章的理論機理如圖1所示。

圖1"文章理論機理

3"研究設(shè)計

3.1"模型設(shè)定

3.1.1"線性回歸模型

根據(jù)前文的機制和理論分析，為探究專精特新企業(yè)創(chuàng)新績效、專利合作網(wǎng)絡(luò)結(jié)構(gòu)特征、創(chuàng)新資源獲取三者間的關(guān)系，設(shè)定如下基準(zhǔn)模型：

patenit=α0+β1decenit+β2rdit+β3funacit+θ∑X+εit（1）

rdit=η0+η1decenit+k∑X+ξit（2）

funacit=γ0+δ1decenit+u∑X+φit（3）

其中，下標(biāo)i、t分別為A股專精特新醫(yī)藥行業(yè)企業(yè)和年份；α0、η0、γ0為常數(shù)項；paten為被解釋變量專精特新企業(yè)創(chuàng)新績效；decen為核心解釋變量專利合作網(wǎng)絡(luò)節(jié)點度數(shù)中心度；rd、funac分別為中介變量知識獲取和資金獲??；∑X為企業(yè)層面的控制變量集合；εit、ξit、φit為隨機誤差項。模型（1）（2）（3）分別用于分析專利合作網(wǎng)絡(luò)結(jié)構(gòu)、創(chuàng)新資源獲取對專精特新企業(yè)創(chuàng)新績效的影響效應(yīng)和作用機制。

3.1.2"雙重機器學(xué)習(xí)模型

由于傳統(tǒng)線性回歸模型存在不足，文章借鑒切爾諾茹科夫等（2018）提出的雙重機器學(xué)習(xí)模型進行深入分析[14]。關(guān)于雙重機器學(xué)習(xí)模型（DML）的優(yōu)點，一方面，相較傳統(tǒng)線性回歸模型，該模型通過兩階段的機器學(xué)習(xí)方法來減少估計中的偏差，第一階段估計處理變量和控制變量的關(guān)系，第二階段利用估計的結(jié)果構(gòu)建正交化的處理變量并進一步估計，該模型不依賴于對未知函數(shù)的具體形式做出嚴(yán)格假設(shè)，比傳統(tǒng)線性模型更加靈活。另一方面，相比于傳統(tǒng)的機器學(xué)習(xí)方法，該模型通過引入殘差建模的思想，消除偏差，使得在處理混雜變量和選擇偏差時更為穩(wěn)健。因此，文章借鑒呂祥偉和張莉娜（2024）的構(gòu)建方法構(gòu)建如下模型[15]：

paten=decenitμ0+g0（X）+U，E［X，decenit］=0decenit=d0（X）+v，E（v|X）=0（4）

paten=g0（decenit，X）+U，E［U|X，decenit］=0decenit=d0（X）+v，E（v|X）=0（5）

其中，模型（4）為部分線性模型，在控制Ｘ的基礎(chǔ)上估計μ0。paten為被解釋變量專精特新企業(yè)創(chuàng)新績效，decenit為處理變量專利合作網(wǎng)絡(luò)度數(shù)中心度，文章關(guān)注的是μ0，μ0為影響專精特新企業(yè)創(chuàng)新績效的因果處理效應(yīng)，利用機器學(xué)習(xí)方法估計得到。模型（5）為交互模型，放松了Ｘ和decenit線性可分離的假設(shè)，同時假定處理效應(yīng)是完全異質(zhì)的，因此該模型比部分線性模型得到更廣泛的應(yīng)用。

3.2"樣本選擇與數(shù)據(jù)來源

文章選取2019—2022年A股89家專精特新醫(yī)藥企業(yè)面板數(shù)據(jù)為樣本，以其與其合作的機構(gòu)、高校為節(jié)點，專利合作為邊，將2019—2022年的企業(yè)專利合作關(guān)系劃分為4個階段，在每個階段內(nèi)，利用企業(yè)間的共同專利權(quán)人關(guān)系（文章以授權(quán)時間在相應(yīng)年限內(nèi)為依據(jù)）構(gòu)建專利合作網(wǎng)絡(luò)（邊的粗細代表合作數(shù)），探究網(wǎng)絡(luò)結(jié)構(gòu)對其中的專精特新企業(yè)創(chuàng)新績效的影響，引入中介變量創(chuàng)新資源獲?。ㄖR獲取與資金獲取）探究其在二者影響中的作用機制。

文章分別從國家知識產(chǎn)權(quán)局與智慧芽（PatSnap）全球?qū)＠麛?shù)據(jù)庫獲取樣本醫(yī)藥企業(yè)2019—2022年專利相關(guān)數(shù)據(jù)，依據(jù)已有研究計算節(jié)點企業(yè)度數(shù)中心度，并以專利公開的相關(guān)信息為研究指標(biāo)，根據(jù)專利被引用次數(shù)大于1的數(shù)量度量企業(yè)創(chuàng)新績效。然后，在國泰安CSMAR數(shù)據(jù)庫導(dǎo)入89家醫(yī)藥行業(yè)專精特新企業(yè)，獲取其2019—2022年收到的其他與投資有關(guān)活動的現(xiàn)金，來度量企業(yè)資金獲取能力；獲取其2019—2022年的研發(fā)投入金額和資本化研發(fā)投入（支出）占研發(fā)投入的比例來度量企業(yè)的知識獲取能力。接著，在同花順軟件中，分別查詢并獲取到了89家醫(yī)藥行業(yè)專精特新的企業(yè)規(guī)模和年齡，將其作為企業(yè)的控制變量數(shù)據(jù)來源。

文章運用Ucinet軟件畫出并分析了2019—2022年A專精特新醫(yī)藥企業(yè)專利合作網(wǎng)絡(luò)。

3.3"變量測量

3.3.1"因變量

因變量為企業(yè)創(chuàng)新績效。在測度企業(yè)創(chuàng)新產(chǎn)出時，可以衡量企業(yè)創(chuàng)新產(chǎn)出的數(shù)量與質(zhì)量，為確保樣本數(shù)據(jù)的數(shù)量充足，文章使用企業(yè)創(chuàng)新產(chǎn)出的質(zhì)量衡量企業(yè)創(chuàng)新績效，即企業(yè)每年公開專利中被引用次數(shù)大于1的專利數(shù)量（patenit）：即節(jié)點企業(yè)i在t年的公開專利中被引用次數(shù)大于1的專利數(shù)量。

3.3.2"自變量

自變量為度數(shù)中心度。專利合作網(wǎng)絡(luò)中一個節(jié)點的度數(shù)指與其相連的邊的數(shù)量。度數(shù)中心度指一個節(jié)點的度數(shù)與網(wǎng)絡(luò)中可能的最大度數(shù)之比。度數(shù)中心度高的節(jié)點在網(wǎng)絡(luò)中擁有更多的直接聯(lián)系，因此在網(wǎng)絡(luò)中影響力更大。由于不同合作網(wǎng)絡(luò)規(guī)模下的度數(shù)中心度不具有可比性，參考李明星等（2020）的做法，選用標(biāo)準(zhǔn)化后的度數(shù)中心度，即相對度數(shù)中心度來測量[16]。記deceni為標(biāo)準(zhǔn)化后的度數(shù)中心度。

deceni=emr－1（6）

式中：i表示節(jié)點企業(yè)；m表示專利合作網(wǎng)絡(luò)中的節(jié)點；em為節(jié)點m在專利合作網(wǎng)絡(luò)中同其他節(jié)點存在的連接關(guān)系數(shù)量，即節(jié)點的度數(shù)；r為專利合作網(wǎng)絡(luò)中的節(jié)點總數(shù)。

3.3.3"中介變量

中介變量為企業(yè)創(chuàng)新資源獲取。文章借鑒了李靖華和黃繼生（2023）在測度企業(yè)的創(chuàng)新資源獲取能力時，可以將其分解為企業(yè)的資金獲取能力和企業(yè)的知識獲取能力[17]。文章借鑒張司飛和陳勇岐（2024），使用了企業(yè)年報中收到的其他與投資活動有關(guān)的現(xiàn)金（funac）來衡量其資金獲取能力，研發(fā)投入金額（rd）來度量企業(yè)的知識獲取能力[18]。

3.3.4"控制變量

（1）企業(yè)規(guī)模。文章中企業(yè)規(guī)模選取同花順中上市公司企業(yè)規(guī)模。企業(yè)自身積累的創(chuàng)新資源和創(chuàng)新能力受企業(yè)規(guī)模影響，企業(yè)規(guī)模越大，與網(wǎng)絡(luò)中其他企業(yè)建立的關(guān)系越多，建立聯(lián)系的企業(yè)數(shù)就越多，聯(lián)系范圍越廣，越利于企業(yè)進行技術(shù)創(chuàng)新。因此，企業(yè)規(guī)?？梢杂绊憣＞匦缕髽I(yè)的核心競爭力，進而影響企業(yè)的創(chuàng)新績效，故以企業(yè)規(guī)模作為控制變量可以較好地衡量專精特新企業(yè)在專利合作網(wǎng)絡(luò)中的潛在實力。因此，對企業(yè)規(guī)模加以控制。文章用insizeit表示企業(yè)規(guī)模這一控制變量，其中，i表示專利合作網(wǎng)絡(luò)中的節(jié)點企業(yè)，t表示年份。

（2）企業(yè)年齡。文章的企業(yè)年齡指企業(yè)的自然年齡，即企業(yè)自誕生之日起所經(jīng)歷的時間。企業(yè)自身積累的創(chuàng)新資源受企業(yè)年齡影響，企業(yè)年齡越大，存活時間越長，與網(wǎng)絡(luò)中其他企業(yè)建立的關(guān)系越穩(wěn)固，建立聯(lián)系的企業(yè)數(shù)越多，越利于企業(yè)開展技術(shù)創(chuàng)新活動。因此，企業(yè)年齡可以影響專精特新企業(yè)的核心競爭力，進而影響企業(yè)的創(chuàng)新績效，故以企業(yè)年齡作為控制變量可以較好地衡量專精特新企業(yè)在網(wǎng)絡(luò)中的創(chuàng)新能力。因此，對企業(yè)年齡加以控制：文章以當(dāng)前年份減去企業(yè)成立的年份表示企業(yè)年齡。用inageit表示企業(yè)年齡這一控制變量。

4"實證結(jié)果及分析

4.1"基準(zhǔn)回歸結(jié)果及分析

變量的描述性分析結(jié)果如表1所示?？梢?，不同的企業(yè)的專利質(zhì)量數(shù)據(jù)存在很大的差異，專利水平較高的只占少數(shù)。

文章用Stata軟件建立線性回歸模型，結(jié)果如表2所示。表2反映了我國A股上市的89家醫(yī)藥行業(yè)專精特新企業(yè)的度數(shù)中心度、企業(yè)規(guī)模、企業(yè)年齡對企業(yè)創(chuàng)新績效的回歸結(jié)果。其中，企業(yè)創(chuàng)新績效為因變量，度數(shù)中心度為自變量，企業(yè)規(guī)模、企業(yè)年齡為控制變量。在第一行中，度數(shù)中心度的系數(shù)為正，且回歸結(jié)果在0.1的水平上顯著，表明度數(shù)中心度越大，專精特新企業(yè)創(chuàng)新績效越高，H1假設(shè)成立。在第二行中，企業(yè)年齡的系數(shù)為負(fù)，且回歸結(jié)果在0.05的水平上顯著，表明企業(yè)年齡越小，專精特新企業(yè)創(chuàng)新績效越高。

4.2"穩(wěn)健性檢驗

文章主要采用如下方式進行檢驗：

一是重新測度核心解釋變量。對于核心解釋變量，通過梳理文獻發(fā)現(xiàn)，現(xiàn)有研究也有用絕對度數(shù)中心度替代相對中心度來進行衡量的，因此，文章借鑒吳慧和顧曉敏（2017）的做法進行分析[19]。具體結(jié)果如表3所示，從中可發(fā)現(xiàn)，絕對度數(shù)中心度的估計系數(shù)顯著為正，表明絕對度數(shù)中心度對創(chuàng)新績效具有正向影響，進一步驗證前文結(jié)論的穩(wěn)健性。

二是進行Hausman檢驗?？紤]到模型可能存在內(nèi)生性偏誤對估計結(jié)果的影響，文章對回歸結(jié)果進行了Hausman檢驗。"具體結(jié)果如表4所示，從中可發(fā)現(xiàn)，顯著性水平大于0.05，即不存在內(nèi)生性問題，企業(yè)相對度數(shù)中心度仍然對創(chuàng)新績效產(chǎn)生正向影響。

4.3"中介效應(yīng)檢驗

中介效應(yīng)檢驗的目的是驗證某個變量（稱為中介變量）在兩個其他變量之間的作用機制。文章參考溫忠麟等（2004）的研究，采取依次檢驗法來檢驗企業(yè)創(chuàng)新資源的中介效應(yīng)[20]。

在依次檢驗法的第一步中，檢驗自變量對因變量的影響。在表2第一行中，度數(shù)中心度的系數(shù)為正，且p值在0.1的水平上顯著，表明度數(shù)中心度越大，專精特新企業(yè)創(chuàng)新績效越高，H1假設(shè)成立。在第二行中，企業(yè)年齡的系數(shù)為負(fù)，且p值在0.05的水平上顯著，表明企業(yè)年齡越小，專精特新企業(yè)創(chuàng)新績效越高。

表5是多元線性回歸結(jié)果，用來分析自變量對中介變量的回歸結(jié)果，以及加入中介變量的自變量對因變量的分析。

在第一列中，度數(shù)中心度的p值在0.05的水平上是顯著的，且系數(shù)為正，說明度數(shù)中心度能夠?qū)Y金獲取產(chǎn)生正向影響。企業(yè)年齡和企業(yè)規(guī)模的p值并不顯著，說明企業(yè)年齡和企業(yè)規(guī)模并不能對資金獲取產(chǎn)生影響，H2a假設(shè)成立。

在第二列中，度數(shù)中心度的p值并不顯著，說明度數(shù)中心度對知識獲取能力產(chǎn)生的影響有限，H2b假設(shè)不成立，這與文章的假設(shè)和已知研究結(jié)果相反。而企業(yè)規(guī)模的p值在0.01的水平上是顯著的，且系數(shù)為正，說明企業(yè)規(guī)模能夠?qū)χR獲取產(chǎn)生正向影響。度數(shù)中心度和企業(yè)年齡的p值并不顯著，說明度數(shù)中心度和企業(yè)年齡并不能對資金的獲取產(chǎn)生影響。

在第三列中，度數(shù)中心度對知識獲取產(chǎn)生正向影響，但是，中介變量的檢驗并不顯著，這與文章所做出的假設(shè)H3a，H3b相反。根據(jù)李靖華等（2017）的研究，知識獲取、資金獲取能夠起到中介作用，并且結(jié)合表2的回歸結(jié)果，可知度數(shù)中心度能夠?qū)ζ髽I(yè)創(chuàng)新績效產(chǎn)生直接的正向影響，說明度數(shù)中心度對企業(yè)創(chuàng)新績效存在部分中介效應(yīng)。

文章中，H2b、H3a、H3b的檢驗成果均與已知結(jié)論相悖。參考張曉月等（2023）的研究，文章對未達到預(yù)期的檢驗成果作出總結(jié)。首先，樣本只局限于醫(yī)藥行業(yè)，范圍過小，導(dǎo)致樣本的數(shù)量過小。其次，選取的時間跨度過小，導(dǎo)致數(shù)據(jù)收集不夠完整。最后，創(chuàng)新主體只局限于上市企業(yè)，而未能考慮其他類型的創(chuàng)新主體。

4.4""異質(zhì)性分析

上述分析控制了企業(yè)規(guī)模的異質(zhì)性特征產(chǎn)生的影響，然而考慮到企業(yè)間的創(chuàng)新資源稟賦等重要因素可能產(chǎn)生的異質(zhì)性影響，接下來進一步采用分樣本回歸等方式探討不同企業(yè)規(guī)模下企業(yè)專利合作網(wǎng)絡(luò)對創(chuàng)新績效的異質(zhì)性。具體而言，根據(jù)企業(yè)規(guī)模按其市值大小進行劃分，為確保每一類型中的樣本數(shù)量，分為企業(yè)市值44.39億元及以上的大規(guī)模企業(yè)和市值44.39億元以下的小規(guī)模企業(yè)。具體結(jié)果如表6所示。

從表6第一列小規(guī)模企業(yè)和表6第二列大規(guī)模企業(yè)分組回歸結(jié)果可知，在小規(guī)模企業(yè)和大規(guī)模企業(yè)中，企業(yè)專利合作網(wǎng)絡(luò)對創(chuàng)新績效均會產(chǎn)生正向影響，但邊際效應(yīng)存在較明顯差異。相比于小規(guī)模企業(yè)，企業(yè)專利合作網(wǎng)絡(luò)對創(chuàng)新績效的促進作用在大規(guī)模企業(yè)中更強。一種可能的原因是，大規(guī)模企業(yè)的專利合作網(wǎng)絡(luò)更加完善，企業(yè)間專利合作質(zhì)量更高，在一定程度上能夠更加促進創(chuàng)新績效的提高。

4.5"機器學(xué)習(xí)模型的預(yù)測及準(zhǔn)確率評估

機器學(xué)習(xí)模型的優(yōu)點不言而喻。在自動化決策方面，機器學(xué)習(xí)模型可以自動化決策過程，減少人工干預(yù)，提高效率；能夠處理和分析大量復(fù)雜的數(shù)據(jù)集，發(fā)現(xiàn)其中的模式和趨勢；通過訓(xùn)練，機器學(xué)習(xí)模型可以預(yù)測未來事件；能夠適應(yīng)新的數(shù)據(jù)，隨著時間的推移不斷優(yōu)化其性能；能夠發(fā)現(xiàn)數(shù)據(jù)中不明顯的關(guān)聯(lián)和因果關(guān)系；推動新的研究和商業(yè)機會，促進專精特新企業(yè)的技術(shù)發(fā)展及創(chuàng)新。

可以理解為機器學(xué)習(xí)對數(shù)據(jù)的預(yù)測結(jié)果與原始數(shù)據(jù)相似度為84%左右，機器學(xué)習(xí)模型的結(jié)果預(yù)測度較高。

不足之處在于數(shù)據(jù)量有限，難以預(yù)測出更為鮮明、可信度更高的數(shù)據(jù)。

5"結(jié)論與政策建議

5.1"結(jié)論

文章基于專精特新企業(yè)專利合作網(wǎng)絡(luò)與創(chuàng)新績效間的重要關(guān)系，以2019—2022年我國A股專精特新企業(yè)為樣本，構(gòu)建專利合作網(wǎng)絡(luò)，運用回歸分析與中介效應(yīng)檢驗等方法，探究專利合作網(wǎng)絡(luò)對創(chuàng)新績效的影響效應(yīng)，并理清創(chuàng)新資源獲取在專利合作網(wǎng)絡(luò)對企業(yè)創(chuàng)新績效影響過程中的機制作用。具體而言，首先，文章從理論上分析了專利合作網(wǎng)絡(luò)結(jié)構(gòu)特征對企業(yè)創(chuàng)新績效和創(chuàng)新資源獲取的影響[21]，明確了專利合作網(wǎng)絡(luò)對企業(yè)創(chuàng)新績效影響的作用渠道；其次，利用Ucinet軟件計算度數(shù)中心度等相關(guān)指標(biāo)，并作出專利合作網(wǎng)絡(luò)圖；再次，采用傳統(tǒng)的線性回歸與雙重機器學(xué)習(xí)方法構(gòu)建模型，并運用回歸分析與穩(wěn)健性檢驗等方法探究專利合作網(wǎng)絡(luò)結(jié)構(gòu)特征對專精特新企業(yè)創(chuàng)新績效的影響；此外，運用中介效應(yīng)探究中介變量在此影響中的調(diào)節(jié)機制；最后，文章還進一步探討了企業(yè)規(guī)模在其中的調(diào)節(jié)作用，揭示了該模型更加適用的企業(yè)規(guī)模條件，以及異質(zhì)性企業(yè)規(guī)模對模型的調(diào)節(jié)作用，為理解不同環(huán)境下專精特新企業(yè)的創(chuàng)新行為提供了重要參考。

文章研究發(fā)現(xiàn)：首先，度數(shù)中心度的數(shù)值越大，企業(yè)的創(chuàng)新績效越高；其次，企業(yè)的創(chuàng)新資源獲取能力是度數(shù)中心度影響企業(yè)創(chuàng)新績效的重要渠道，度數(shù)中心度能夠影響企業(yè)創(chuàng)新資源獲取能力，企業(yè)的創(chuàng)新資源獲取能力在度數(shù)中心度對企業(yè)創(chuàng)新績效的影響中起到中介作用，度數(shù)中心度對企業(yè)創(chuàng)新績效存在部分中介效應(yīng)；最后，考慮到企業(yè)規(guī)模的異質(zhì)性問題，規(guī)模較大的企業(yè)專利合作網(wǎng)絡(luò)更加完善，專利質(zhì)量更高，因此更能夠促進企業(yè)創(chuàng)新績效的提高。

5.2"政策建議

根據(jù)文章結(jié)論，結(jié)合實際，提出如下政策建議，旨在促進這些企業(yè)的持續(xù)創(chuàng)新與發(fā)展。

第一，加強專利合作網(wǎng)絡(luò)的建設(shè)。政府應(yīng)通過政策引導(dǎo)和資金扶持，鼓勵專精特新企業(yè)構(gòu)建專利合作網(wǎng)絡(luò)，與高校、科研機構(gòu)等建立緊密合作關(guān)系，提升創(chuàng)新能力，促進技術(shù)轉(zhuǎn)移和成果轉(zhuǎn)化。

第二，優(yōu)化我國創(chuàng)新績效評價體系。政府應(yīng)更新和完善創(chuàng)新績效評價體系，加入專利合作網(wǎng)絡(luò)的參與度和成果作為評價標(biāo)準(zhǔn)。

第三，加大對企業(yè)創(chuàng)新的支持力度。政府應(yīng)加大對專精特新企業(yè)創(chuàng)新的支持，包括資金、稅收優(yōu)惠和人才引進。

第四，加強知識產(chǎn)權(quán)保護。政府應(yīng)加強對知識產(chǎn)權(quán)的保護力度，建立健全知識產(chǎn)權(quán)法律制度和執(zhí)法機制。提高審查質(zhì)量和效率，建立協(xié)同保護機制，堅持黨中央集中統(tǒng)一領(lǐng)導(dǎo)，實現(xiàn)政府履職盡責(zé)、執(zhí)法部門嚴(yán)格監(jiān)管、司法機關(guān)公正司法的協(xié)同保護。加強知識產(chǎn)權(quán)保護，激發(fā)創(chuàng)新活力，支撐高水平技術(shù)創(chuàng)新。

第五，加強政策宣傳與培訓(xùn)。政府可舉辦針對專精特新企業(yè)負(fù)責(zé)人研修班，如浙江省經(jīng)濟和信息化廳舉辦的研修班，提供系統(tǒng)的課程學(xué)習(xí)。建立培訓(xùn)效果評估機制，收集企業(yè)反饋，不斷優(yōu)化培訓(xùn)內(nèi)容和方式。

參考文獻：

[1]洪恒飛，江耘.每年1000萬元專項資金"浙江新昌發(fā)布“專精特新”行動計劃[N].科技日報，2022-06-01.

[2]高展軍，李垣.戰(zhàn)略網(wǎng)絡(luò)結(jié)構(gòu)對企業(yè)技術(shù)創(chuàng)新的影響研究[J].科學(xué)學(xué)研究，2006（3）：474-479.

[3]其格其，高霞，曹潔瓊.我國ICT產(chǎn)業(yè)產(chǎn)學(xué)研合作創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)對企業(yè)創(chuàng)新績效的影響[J].科研管理，2016（增刊1）：110-115.

[4]鄭素麗，魯思嘉，余江，等.信息通信技術(shù)產(chǎn)業(yè)合作創(chuàng)新網(wǎng)絡(luò)的結(jié)構(gòu)、演化路徑與模式特征：基于上市公司的實證分析[J].科技管理研究，2021（4）：16-25.

[5]李晨蕾，柳卸林，朱麗.國際研發(fā)聯(lián)盟網(wǎng)絡(luò)結(jié)構(gòu)對企業(yè)創(chuàng)新績效的影響研究——基于社會資本視角[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2017（1）：52-61.

[6]孔曉丹，張丹.創(chuàng)新網(wǎng)絡(luò)知識流動對企業(yè)創(chuàng)新績效的影響研究——基于網(wǎng)絡(luò)嵌入性視角[J].預(yù)測，2019（2）：45-51.

[7]張曉月，雷楠楠.專利合作網(wǎng)絡(luò)與企業(yè)不連續(xù)創(chuàng)新績效——基于醫(yī)藥制造業(yè)的實證分析[J].科技管理研究，2023（1）：125-131.

[8]祝建輝，寧昊天.專利合作網(wǎng)絡(luò)結(jié)構(gòu)特征對企業(yè)專利質(zhì)量的影響——以集成電路產(chǎn)業(yè)為例[J].科技管理研究，2023（20）：159-166.

[9]郭韜，邢璐，黃瑤.創(chuàng)新網(wǎng)絡(luò)知識轉(zhuǎn)移對企業(yè)創(chuàng)新績效的影響——雙元創(chuàng)新的中介作用[J].科技進步與對策，2017（15）：114-119.

[10]章丹，胡祖光.網(wǎng)絡(luò)結(jié)構(gòu)洞對企業(yè)技術(shù)創(chuàng)新活動的影響研究[J].科研管理，2013（6）：34-41.

[11]LI"L"C，"XIE"J"L，"WANG"R"Y，"et"al."The"partner"selection"modes"for"knowledge-based"innovation"networks："a"multiagent"simulation[J].IEEE"Access，"2019（7）：140969-140979.

[12]LANE"P"J，LUBATKIN"M".Relative"absorptive"capacity"and"interorganizational"learning[J].Strategic"management"journal，1998（5）：461-477.

[13]張方華.資源獲取與技術(shù)創(chuàng)新績效關(guān)系的實證研究[J].科學(xué)學(xué)研究，2006（4）：635-640.

[14]"CHERNOZHUKOV"V，"CHETVERIKOV"D，"DEMIRER"M，"et"al."Double/debiased"machine"learning"for"treatment"and"structural"parameters[J].The"econometrics"journal，2018（1）：1-68.

[15]呂祥偉，張莉娜.財政縱向失衡對城市綠色全要素生產(chǎn)率的影響——雙重機器學(xué)習(xí)下來自土地財政視角的理論闡釋[J].經(jīng)濟與管理研究，2024（4）：56-75.

[16]李明星，蘇佳璐，胡成.產(chǎn)學(xué)研合作中企業(yè)網(wǎng)絡(luò)位置與關(guān)系強度對技術(shù)創(chuàng)新績效的影響［J］.科技進步與對策，2020（14）：118-124.

[17]李靖華，黃繼生.網(wǎng)絡(luò)嵌入、創(chuàng)新合法性與突破性創(chuàng)新的資源獲取[J].科研管理，2017（4）：10-18.

[18]張司飛，陳勇岐.“專精特新”中小企業(yè)創(chuàng)新績效提升路徑研究[J]．科學(xué)學(xué)研究，2024（4）：873-884，896.

[19]吳慧，顧曉敏.產(chǎn)學(xué)研合作創(chuàng)新績效的社會網(wǎng)絡(luò)分析[J].科學(xué)學(xué)研究，2017（10）：1578-1586.

[20]溫忠麟，張雷，侯杰泰，等.中介效應(yīng)檢驗程序及其應(yīng)用[J].心理學(xué)報，2004（5）：614-620.

[21]胡思慧.產(chǎn)學(xué)研合作創(chuàng)新網(wǎng)絡(luò)特征的測度及其創(chuàng)新效應(yīng)研究——基于我國醫(yī)藥制造業(yè)的實證分析[D].杭州：浙江工商大學(xué)，2020.