多維關系網絡中企業創新的同群效應

肖利平 劉點儀

摘?要：處于多維關系網絡中的企業，進行技術創新時會觀察同群企業的創新活動，而關系網絡的聯結狀況則會強化這種關聯效應。本文使用滬深兩市A股上市公司樣本，研究信息化網絡和高管關聯社會網絡對企業創新同群效應強度的影響，并從信息傳遞、知識擴散的角度深化了對同群效應機制研究。研究發現，目標企業的創新數量和質量會受到同一地區、同一行業的同群企業創新的正向影響，背后的機制主要是企業在外部信息不確定性下的企業間信息傳遞，以及關聯企業之間的知識溢出。此外，在信息化網絡中，企業的互聯網融入程度越高，其創新的同群效應越強；而在社會關聯網絡中，相比于無高管校友關聯的同群企業，有高管校友關聯的同群企業對目標企業創新有著更強的正向影響。

關鍵詞：同群效應；企業創新；關系網絡；互聯網；高管校友關聯

中圖分類號：F2731文獻標識碼：A文章編號：1001-148X（2023）02-0118-09

收稿日期：2022-06-26

作者簡介：肖利平（1977-），女，湖北漢川人，副教授，博士，研究方向：技術進步與經濟發展；劉點儀（1998-），女，湖北仙桃人，職員，經濟學碩士，研究方向：技術創新。

基金項目：國家社會科學基金一般項目“空間-經濟-社會關聯下的技術創新同群效應研究”，項目編號：19BJL083。

一、引?言

在當前技術不斷更新迭代、產品市場需求易于波動、地方政府創新政策更替頻繁的情景下，企業創新面臨信息環境的極大不確定性。許多企業在創新過程中都試圖“借鏡以觀形”，參考、模仿其他有一定關聯性或共同特征的企業創新行為，以規避不確定性下“短于自見”的風險。例如，可折疊手機在三星開發者大會（SDC2018）上亮相后，行業內隨即掀起了“折疊屏熱潮”，此后便不斷有企業公布自己的折疊屏專利技術——這種企業創新行為之間的相互“傳染”在不少研究中被概括為“同群效應”。

創新行為的高風險性和溢出性一定程度解釋了同群效應存在的原因：首先，創新是一項高風險的行為，充滿了不確定性。一個品類的誕生需要一個漫長的過程，需要足夠的物力與財力支撐，因此，積極的創新投資決策需要良好的信息環境作為支撐［1］。Lieberman和Asaba（2006）［2］最早提出了企業模仿行為中信息獲取的動機，當行動與結果之間的關系高度不確定時，企業管理者更傾向于借助外部信息模仿其他企業的行為來降低風險和不確定性。其次，創新具有正外部性、不完全排他性，同群企業前期巨大的創新投入和產出，為后行者打下了創新的知識基礎，積累了實踐經驗，有助于目標企業通過知識搜尋組合外部知識元素［3］，從而激勵目標企業創新。在創新的上述兩類特征驅使下產生的模仿和學習，作為企業從自身成敗中的“經驗學習”的一種補充，能夠降低企業創新決策的風險，也能讓企業“站在巨人肩上”，縮短企業的創新學習時間。

企業創新文獻一般從企業的內部特征和外部環境兩方面展開，其中外部環境研究側重于從總體上討論，而對于企業之間的相互影響關注較少。近年來，地理或行業視角的創新同群效應受到了關注，劉靜和王克敏（2018）［4］、彭鎮等（2020）［5］從研發投入、創新決策的角度檢驗了同群效應對企業創新的影響。但除了地理和行業上的關聯，企業也是處于由多種社會經濟關系構成的網絡中，其創新活動和與其他企業之間的互動關聯強度是否還受到其他網絡關系的調節呢？近年來，隨著IT技術的不斷迭代，以互聯網為支撐的信息網絡作為一種信息搜集和溝通渠道，在企業的信息和知識搜尋過程中起到愈發重要的作用。目前研究互聯網對創新影響的文獻除了基于區域層面探討互聯網影響區域創新的機制，也基于企業、行業或機構層面從融資約束、研發效率、開放式創新等角度驗證互聯網與企業創新之間的關聯［6-7］。例如，王文娜等（2020）［6］關注到，互聯網可以增加開放式創新不同參與主體的互動頻率和粘性。除了互聯網之外，高管校友網絡在企業創新中的作用也受到了重視。作為企業社會關聯網絡的重要組成部分，高管的校友網絡也可以為企業提供豐富的創新信息和互動交流，減少信息不對稱，激發高管創新熱情［8］。但以往文獻對這兩類網絡的討論多集中于驗證網絡中企業互動的存在性，對兩類網絡與傳統企業創新網絡的交互關系的討論較少。本文在驗證地理、行業創新同群效應的存在性和機制的基礎上，想進一步探討的是，目標企業在信息化網絡和高管的校友關聯網絡這兩類重要的關系網絡中的嵌入程度是否會影響到已有的同群效應的強度。

相較于現有文獻，本文邊際貢獻如下：在地理關系網絡和行業關系網絡的基礎上，突出信息化網絡和高管關聯的社會網絡對各個維度同群效應強度的影響，從信息傳遞、知識擴散的角度深化了對同群效應機制的研究，同時，也從同群效應角度豐富了對互聯網信息化、社會文化關聯影響企業創新的微觀機制探討。

二、研究假設

基于信息獲取的便利性和基礎變量的相似性，企業往往會傾向于向與之關聯或相似的企業進行學習［2］。因此，可能影響目標企業創新的“同群企業”，既可能是距離相近、地理上交流便利的同省份企業，也可能是具有密切經濟聯系、可通過行業協會、論壇等實現信息共享［9］的同行業企業。同省份、同行業的企業面臨的經濟發展特征、基礎變量相似，企業解讀同群公司創新決策的成本更低［4］，更易獲得有關創新的確定性信息，也可通過地區企業集群、行業協會等方式與相關企業建立更密切的合作關系，獲得與創新有關的信息和經驗。雖然同群企業創新對目標企業創新可能會產生一定的擠出效應，這主要體現在隨著同群企業市場競爭力的提升，目標企業創新所需的高技能勞動力可能流向其他企業［10］，但何玉潤等（2015）［11］等發現，在當前中國情景下，市場發展仍處在Aghion等（2005）［12］提出的“逃離效應”階段，即當市場競爭程度逐步加大時，企業出于“逃離”當前競爭狀況的目的，會通過創新形成在價格成本或產品差異化上的競爭優勢，因此，同群企業的創新對目標企業創新的影響以激勵和促進為主?；谏鲜龇治?，本文提出如下假設：

H1：企業創新存在同群效應，在地理同群、行業同群的定義下，企業的創新行為均受到同群企業創新行為的正向影響。

考慮到創新的高風險性和溢出性，企業傾向于借助同群企業的行為信息來降低結果的不確定性，或學習利用同群企業的外部知識和創新經驗?！靶畔鬟f”和“知識溢出”是企業創新同群效應的兩個潛在機制。從信息傳遞的角度來看，組織通過模仿其所在環境內其他組織的結構以及行為，可以獲得“合法性”認同。同群企業特別是產品、經營高度相關的同行企業的創新較頻繁、規模較大、質量較高，會間接地發出信號，傳達著該市場需求旺盛、競爭對手少或者生產成本低、潛在利潤大等信息，可以減少目標企業所需背負的不確定性風險從而提高目標企業創新決策效率，激勵目標企業創新。從知識溢出的角度來看，同行業企業的創新往往在學科與技術領域存在一定重疊，處在同一知識網絡的同群企業前期巨大的創新投入和產出，可以為后行者打下創新知識基礎，特別是對于一些規模收益大的非競爭性知識、創意，后來者實施和推廣它們的成本要比先行者開發的成本低得多［13］；而對于同地區企業，知識溢出同樣可能存在，當地協作網絡中的正式和非正式合作，能將不同資源、知識、想法和信息匯集在一起，例如在硅谷中形成的本地企業創新網絡，便促進了知識在企業之間相互傳播，大企業產生的知識惠及鄰近的企業。因此，本文提出如下假設：

H2：同群企業創新通過信息傳遞機制或知識溢出機制來促進目標企業創新。

許多因素可能影響同群效應的強度，例如制度環境［14］、市場化進程、金融發展程度和企業高管的金融背景［15］。這些研究從外部環境角度豐富了對同群效應的解釋，但是考慮到企業往往處于多種社會經濟關系構成的網絡中，互聯網信息網絡、高管的社會關聯網絡在企業創新信息傳遞、互動交流中起到越來越重要的作用，而有關信息化網絡和高管社會網絡對同群效應強度影響的研究還比較欠缺。

當同群效應通過信息傳遞和知識溢出來發揮作用時，信息網絡中企業個體與互聯網的結合程度成為影響企業技術創新的重要因素［16］，以互聯網為代表的ICT技術可大幅降低信息成本，提高信息搜尋效率，改善信息不對稱結構［17］，同時也增強了企業與社會網絡中各主體關系的緊密程度和對創新資源的整合利用能力［18］。值得注意的是，互聯網的上述信息促進作用，和原有同群效應的信息傳遞機制有一定交疊，可能產生一定的替代效應。但是，考慮到互聯網傳遞信息的方式往往以管理經營者經驗在線分享、產品迭代信息公示、公開人才招聘信息等為主，和原有地理、行業同群之間傳遞信息的方式如產業集群、行業協會等存在一定差異，本文認為，信息化網絡中企業自身的互聯網融入程度對原有的地理、行業創新同群效應以輔助和增強作用為主。此外，作為一種打破時空限制的新型溝通方式，互聯網還提高了溝通效率，降低了技術交易成本［14］，有利于縮減市場距離和文化距離，從這點來看，互聯網鞏固了非地理鄰近性企業之間的互動關系，增進企業間的學習和溢出，也可以增強原有行業同群效應的效果。綜上，本文提出如下假設：

H3：企業互聯網融入程度的高低會顯著影響企業創新同群效應的強度?；ヂ摼W融入程度更高的企業，其創新的地理和行業同群效應較強。

中國具有人情社會特征，人脈、關系等社會關系對社會經濟組織運作和個人經濟行為的影響較大，因此，在信息傳遞和知識溢出的機制下，高管的校友網絡可能也對已有的同群效應產生一定的調節作用。隨著高等教育的普及和發展，相同教育經歷群體產生的校友情感維系紐帶起著愈發重要的作用［19］。信息傳遞效應可能會在不同企業的高管間通過校友會等形式的密切交往得到加強，由具有親切感和信任感的校友分享的創新前沿信息往往能更快被接受和信任，同時，知識的學習過程高度依賴于合作者共同的教育背景、專業素養、價值觀念等［20］，具有相似教育經歷的校友之間的知識溝通與學習往往效率更高。因此，與其他企業間高管的校友聯結可能對企業間的創新同群效應產生增強作用?；谏鲜龇治?，本文提出如下假設：

H4：企業高管之間的校友關聯對同群效應的強度有正向的增強作用，在具有校友關聯的企業之間，企業創新的地理和行業同群效應更強。

三、模型設定和變量測度

本文參考彭鎮等（2020）［5］識別同群效應的做法，設定基準回歸模型如下：

Yit=α+β1Y--it+β2Xit+vt+λj+μk+εit（1）

式中Yit為i企業t年的創新產出，Y--it是除該企業之外的同省份或同行業企業的平均創新產出，Xit是企業特征控制變量，

k分別為年份、行業、省份固定效應。由于同省份企業的創新產出是根據省份來計算的條件均值，已經包含企業的省份信息，參考Adhikar和Agrawal（2018）［21］，在檢驗企業創新的地理同群效應時，不再控制省份固定效應，以避免共線性的影響，類似地，在檢驗企業創新的行業同群效應時，不再控制行業固定效應。

在機制檢驗部分，本文使用到的模型如下：

Peer_effectit=α+δ1Mechalismit+δ2Xit+vt+λj+μk+εit（2）

Peer_effect衡量同群效應的強度，參考江新峰和張敦力（2018）［22］，用目標企業創新產出和同群企業均值的差異的絕對值來衡量，該方法常用于投資者羊群效應研究文獻，其值越小，說明目標企業與同群企業創新產出越趨同，即同群效應越強。Mechalism是影響同群效應強度的機制變量，根據前文假設有信息傳遞和知識溢出兩個機制，后文分別構建同群企業股價同步性和企業人力資本水平兩個指標來檢驗。其他變量的解釋與基準模型相同。

在企業互聯網融入程度的調節效應分析部分，本文使用到的模型如下：

Yit=α+θ1Y--it+θ2Internetit*Y--it+θ3Internetit+θ4Xit+vt+λj+μk+εit（3）

其中Internet反映企業互聯網融入程度，分別用高層互聯網關注和受網絡關注度表示。交互項系數θ2衡量企業互聯網融入程度對同群效應的調節效應。

本文使用2009—2018年滬深兩市A股上市公司作為樣本，行業分類參考2012證監會行業分類標準，并對初始樣本做了如下篩選：（1）剔除金融行業上市公司；（2）剔除ST股；（3）剔除存在公司特征數據缺失的樣本；（4）對樣本做上下05%的縮尾處理以排除極端值影響。公司層面數據的主要來源如下：辦公位置、所在行業、財務指標、公司價值、公司規模、所有權性質數據以及公司高層人員的學術背景信息和股價同步性有關數據均來自國泰安數據庫（CSMAR）；公司研發支出和員工構成情況數據來自Wind金融客戶端；公司專利數據來自中國研究數據服務平臺（CNRDS）。主要變量的含義如表1所示。表2報告了主要數值型變量的描述性統計結果。

四、基準回歸結果分析

（一）同群效應的存在性檢驗

首先，本文使用模型（1）檢驗企業創新同群效應的存在性。表3的固定效應回歸結果顯示，無論在地理同群還是行業同群定義下，企業創新的同群效應均正向顯著，假設H1得證。具體而言，列（1）、（2）未控制年份、省份、行業效應，在創新投入和其他潛在影響創新的特征一定的情況下，企業創新產出會受到同地區或同行業企業的創新產出（Y--it）的顯著影響。列（3）、（4）進一步控制年份、省份、行業效應，同群企業創新產出對目標企業創新產出的影響依然顯著，說明了回歸結果的穩健性。而且，從同群企業創新的系數來看，同省份和同行業企業的創新產出每提高一個百分點，會激勵目標企業創新分別提高0480和0808個百分點。同群效應的存在性表明，關聯企業的創新行為是帶動目標企業技術創新的外在動力，如果同群企業的創新頻率較高，會傳達有關市場需求、競爭態勢或生產成本等方面的良性信息，激勵目標企業結合自身內外部因素做出創新決策。從同群效應強度來看，行業同群效應要大于地理同群效應，這一定程度上表明了在相似的知識技術領域所建立的關聯的緊密性。此外，從回歸結果還可以看出，企業創新投入的系數在各列也均是正向顯著，說明企業內部的投入因素是企業創新和各類創新同群效應發揮作用的重要基礎。

（二）基準回歸穩健性檢驗

1考慮滯后作用?？紤]到專利從誕生到被授權具有一定的時滯，本文將企業下一年的專利授權數作為被解釋變量，再次檢驗企業創新產出的同群效應，結果同群企業創新產出系數的方向和顯著性與基準回歸一致限于篇幅原因，穩健性檢驗結果未做報告，如有需要可向作者索取。。

2其他替代解釋。Manski（1993）［23］認為，同群效應屬于一種內生性影響，為進一步準確識別同群效應，需要將它與外生效應、關聯效應區分開來，并還要考慮到反射性問題。

（1）外生效應。外生效應是指個體行為所受到群體的其他外部特征的影響，也稱作情景影響，即同群企業的財務特征、公司規模、所有權性質等，可能會直接影響到目標企業的創新行為?；鶞誓Ｐ椭豢刂屏四繕似髽I自身的特征，這里進一步控制同群企業的相應特征的均值來控制情景影響。結果發現，在控制外生效應后，地理和行業同群效應依然顯著。

（2）關聯效應。首先，關聯效應來自于個體對與自身特征相似群體的偏好，即企業可能本身擁有著較強的創新能力，從而“物以類聚”，那些創新能力較強的企業自然便成為了其同群企業，基準回歸中已通過控制研發投入和企業規模在一定程度上控制了創新能力，這里進一步加入企業個體固定效應，結果顯示地理和行業同群效應依然顯著。其次，關聯效應還來自于混淆問題，即創新型企業可能會聚集在具有吸引力的地域（如具有領先的研究型大學、人才和資金優勢的地區）和行業（如高科技行業），這種情況下，共同的創新趨勢可能不是來自于同群效應，而只是來自當地或所在行業的特點。作為補充性檢驗，這里分別加入地區特征變量（包括地區經濟開放度、城鎮化水平、經濟發展水平和地方財政科學支出占比）和行業特征變量（是否為高科技行業和行業競爭程度）。結果顯示，在控制關聯效應后，結果與基準回歸一致。

（3）反射性問題。反射性問題是指企業在受到其同群企業創新影響的同時，其本身的行為也影響同群企業的創新，也就是存在互為因果關系。為解決反射性問題，本文參照劉柏和王一博（2019）［24］，剔除規模巨大的“明星”企業來解決，以避免出現這些企業引領或帶動同群企業創新的情況。結果表明，在剔除了“明星”企業后，地理和行業同群效應依然存在。

3空間計量分析。相比線性均值模型，使用擬極大似然估計法（QMLE）的空間計量模型采用正交轉換，來解決由誤差項自相關產生的方差估計量不一致問題，能更好地識別空間互動。為進一步解決上述Manski（1993）［23］提出的樣本關聯性問題，使用靜態和動態空間杜賓模型來識別企業創新同群效應，模型設定如下：

Yt=γYt-1+ρWYt+μWYt-1+β1Xt+β2WXt+vt+λj+μk+εt（4）

其中，二維空間權重矩陣W分別根據討論的需要，基于地理、行業特征分別構建。對于地理二維矩陣，如果兩個企業在t期處于同一個省份，則對應的矩陣元素賦值為1，否則為0；對于行業二維矩陣，如果兩個企業在t期位于同一行業，則對應的矩陣元素賦值為1，否則為0。其他變量定義不變。SymbolgA@

為被解釋變量的滯后效應，ρ為同期同群企業之間創新產出的溢出效應，μ為上一期同群企業創新產出產生的空間溢出效應，β1衡量企業其他特征控制變量對創新產出的影響，β2衡量同群企業特征變量對目標企業創新產出的影響。當γ=μ=0時，模型（4）為靜態空間杜賓模型，反之則為動態空間杜賓模型。

從使用截面數據構造的莫蘭指數來看，企業創新的地理和行業空間關聯存在且顯著，靜態空間杜賓模型估計結果顯示，當期同省份和同行業企業創新對目標企業的溢出效應均正且顯著；動態空間杜賓模型還控制了上一期目標企業的創新產出以及上一期同群企業創新對目標企業當期創新的溢出效應，結果顯示當期同省份企業間的同群效應不再顯著，結合地理同群定義下的偏小的全局莫蘭指數來看，可能是因為地理同群企業創新產出對目標企業的影響相比企業研發慣性對企業創新的影響較小，因此在控制目標企業上一期的創新產出后，同群效應的系數不再顯著。

（三）創新質量的同群效應

企業的專利創新產出中，發明專利關乎企業的核心技術，其技術信息的分析和模仿難度相對較大，研發流程也相對漫長并獨立于其他企業，而實用新型專利和外觀設計專利更易為競爭者所分析和了解，并且研發流程較短，往往在企業之間容易形成一時的潮流趨勢，所以同群企業之間的相互影響可能相對較強。相比發明專利，實用新型和外觀設計專利的創新含量和授權門檻較低，在獲取同群企業的創新信息后，企業更易學習、也更有激勵通過增加門檻較低的專利申請數量以營造利好消息［25］?？紤]到企業這種策略性創新行為，作為對創新數量同群效應的補充檢驗，這里使用發明專利數（加1取自然對數）及其占比（占獲得專利總數的比例）衡量創新質量（Y_quality），檢驗創新質量的同群效應。表4結果顯示，在兩種同群定義下，創新質量的同群效應均存在，說明同行業和地區企業的高質量創新活動，對目標企業的創新質量有正向促進作用，企業的策略性專利行為較少，同群效應對企業創新的影響偏向長期性，而非一種盲目的跟從。

五、同群效應的作用機制

（一）信息傳遞機制

為驗證信息傳遞機制，本文參照李秋梅和梁權熙（2020）［26］的方法，使用同群企業股價同步性均值（Synch_R2[TX-]）來捕捉企業面臨的外部信息環境。因為，股價同步性代表了融入股價的信息量，較高的股價同步性往往代表了較低的個股信息含量，說明企業面臨的信息環境較差，有更強的動機通過參考同群企業的創新行為來彌補信息環境上的劣勢。如果信息傳遞機制成立的話，由于同群企業釋放的市場信息能夠激勵目標企業創新，那么可以預期，在較差的信息環境中，企業的創新同群效應會更為顯著。因此，使用同群效應強度（Peer_effect）對同群企業股價同步性均值進行回歸，預期其系數為負。表5列（1）、（2）的回歸結果符合預期，行業同群效應的信息傳遞機制顯著，部分印證了假設H2，當同行業企業的股價同步性高即外部信息環境較差時，同行業企業的創新行為可以較好地釋放出創新利好信號，從而減少目標企業的創新不確定性風險，促進其創新決策。但是地理同群效應的信息傳遞機制并不顯著，這可能是由于相比按行業的劃分，從地理區域上看，企業產品、經營業務之間存在差異的可能性較大，因此同群企業之間傳遞的信息的價值可能會有所折扣，地理同群企業之間的互動可能更多依賴于另一條機制。

（二）知識溢出機制

由于員工之間通過交流討論的知識溢出難以直接捕捉，且考慮到知識溢出的強度在能夠更快交流學習的員工中更大，本文參照Matray（2020）［27］，使用企業人力資本（Employee_edu）作為企業知識溢出的吸收能力的間接代理，來檢驗同群效應的知識溢出機制。吸收能力即企業將新知識納入企業知識庫之中，并能加以有效利用的能力，現有研究多使用研發支出強度或人力資本來衡量吸收能力，但是，由于研發支出強度更多體現知識的創造能力，且作為企業已有技術水平的衡量指標已在基準回歸中控制，這里最終選擇企業的人力資本來度量吸收能力。使用人力資本還需要考慮外向知識溢出的問題，但由于外向的溢出效應總體上會弱于內向的吸收能力效應，已有知識向外的溢出對創新的不利影響與吸收外部新知識帶來的有利影響相比應當小一些。正如同群企業的創新行為對目標企業創新的影響也是有正反兩方面，在當前中國情境下，這一影響還是以激勵和促進為主。所以，如果知識溢出機制成立的話，可以預期，擁有更高人力資本水平的目標企業吸收同群企業知識溢出的能力更強，創新同群效應會更為顯著。類似地，使用同群效應強度（Peer_effect）對企業人力資本進行回歸，預期人力資本系數為負。表5列（3）、（4）的回歸結果符合預期，地理同群和行業同群的知識溢出機制均成立，對于人力資本水平更高、學習能力更強的企業，吸收本行業或本地區先行者打好的知識基礎的速度更快，資源、知識、想法的整合效率更高，因此體現出更強的地理和行業創新同群效應，由此印證了假設H2。

六、多維關系網絡對企業創新同群效應的影響

（一）企業互聯網融入程度與同群效應

良好的互聯網環境可以降低企業的信息搜尋成本，也作為一種打破時空限制的新型溝通方式，可以鞏固企業之間的互動關系，從而增強原有同群效應的強度。本文從供給和需求的雙重視角來衡量企業的互聯網融入程度，并引入互聯網融入程度和同群企業創新平均水平的交互項檢驗調節效應。

高層互聯網關注（Internet_focus）從供給視角反映企業互聯網融入程度，其構造依據上市公司年報管理層討論與分析章節中與互聯網相關詞匯的詞頻。管理層討論與分析章節是管理層對企業未來經營發展的事前規劃，以及對行業發展趨勢和特有風險進行的獨立分析與預測判斷，具有較高的信息含量。變量的具體構造方式如下：第一步，框定互聯網有關詞匯，借鑒以往研究中使用過的“互聯網+”相關詞源，在文構財經文本數據平臺通過深度學習相似詞工具生成這些關鍵詞的相似詞，最終確定本文的互聯網關鍵詞關鍵詞包括互聯網、Internet、物聯網、人工智能、大數據、電子商務、線上線下、O2O、B2B、C2C、B2C、C2B和P2P等，以及商業智能、數據平臺、數據中心、網絡技術、信息技術、信息服務等。；第二步，使用文構中國上市公司文本數據庫詞頻子庫進行關鍵詞搜索，得到關鍵詞出現的頻率；第三步，根據關鍵詞是否出現對企業互聯網程度進行賦值，如果有任何一個被至少提及過一次，則說明高層對互聯網具有一定關注度，對高層互聯網關注指標賦值為1，否則為0。

受網絡關注度（Internet_search）從社會對企業的需求的視角反映企業互聯網融入程度，使用CNRDS數據庫中的網絡搜索指數數據庫（WSVI）里的網絡搜索指數來衡量，該指數是以百度平臺上各種網絡搜索數據為基礎，綜合新聞輿情等信息計算得到的綜合搜索指數，可反映網民情緒、公司搜索熱度等。本文對該指數進行標準化處理，最終構造出受網絡關注度指標。

表6列（1）、（2）的回歸結果顯示，企業高層互聯網關注與地理、行業同群企業的創新平均水平的交互項均為正，說明在同群企業創新水平一定的情況下，目標企業在信息化網絡中的供給水平越高，同群企業創新對目標企業創新的影響就越大；列（3）、（4）的回歸結果顯示，企業受網絡關注度與地理、行業同群企業的創新平均水平的交互項均為正，說明在同群企業創新水平一定的情況下，企業在信息化網絡中的需求水平越高，那么同群企業創新對目標企業創新的影響就越大。這驗證了假設H3，說明互聯網通過降低信息搜尋成本、提高溝通效率，增進了企業間的信息傳遞和學習溢出，對同群效應起到正向調節作用。從回歸結果還可以看出，高層互聯網關注和受網絡關注度的系數為負或者不顯著，該系數衡量的是企業互聯網融入程度對企業創新的直接效應，從系數數值上來看，企業互聯網融入程度的直接效應相比其通過同群效應對企業創新產生的間接正向效應更小，如果將直接效應與間接效應加總起來，可以發現，企業互聯網融入程度對企業創新產出的總體影響為正，證明了信息化網絡對企業創新的促進作用。

（二）企業高管校友網絡與同群效應

由企業高管間的校友關聯而構成的社會關系網絡，也可能會通過增進企業人才信息分享的信任感和專業知識的可讀性，而強化創新同群效應。因此，相比沒有高管校友關聯的企業，具有高管校友關聯的目標企業，其地理、行業同群企業的創新對自身創新行為的影響可能更大。

首先將基準回歸的數據集與企業高層人員的學術背景信息數據集進行匹配、合并，最終得到8946個企業—年份樣本，其中有4528個企業樣本和其他企業之間存在高管校友關聯，然后按同群企業和目標企業是否有校友關聯將樣本區分為四組，來甄別校友關聯網絡對同群效應的強化作用。

回歸結果如表7所示。列（1）、（2）的樣本分別為同省份且有校友關聯的企業、同省份但無校友關聯的企業，無論從系數還是顯著性都可以看出，有校友關聯的地理同群企業創新產出對目標企業創新產出的正向影響更強。行業同群的比較結果類似，列（3）、（4）的樣本分別為同行業且有校友關聯的企業、同行業但無校友關聯的企業，同行業同群企業平均創新產出的系數均顯著為正，且從系數大小來看列（3）遠超過列（4），表明在有校友關聯時，創新的行業同群效應更強。上述回歸結果驗證了假設H4，說明“地理+校友”或“行業+校友”的多維關聯相比原有的單維關聯，使得企業創新之間有更強的互動。具有校友關聯企業的創新不僅本身會影響到目標企業的創新，還會通過增強原有地理和行業同群的效果來間接地激勵目標企業創新。

七、結論與政策建議

本文使用2009—2018年滬深兩市A股上市公司樣本，檢驗企業創新同群效應在地理、行業同群關聯下的存在性以及其作用機制，并進一步探討了在不同企業互聯網融入程度和有無高管校友聯結情形下同群效應強度的差異，得出如下基本結論：

（1）從創新數量上來看，企業創新存在顯著的地理同群效應、行業同群效應，同群企業創新會激勵目標企業創新。這一結論在克服外生效應、關聯效應、反射性問題，考慮專利授權的滯后性，以及使用空間計量估計后依然穩健。從創新質量上來看，企業創新也存在顯著的同群效應，同群企業的創新模仿中，策略性創新行為較少，同群效應對企業創新的影響偏向長期性，而非一種盲目的跟從。

（2）同群效應作用的機理主要是企業間的信息傳遞和知識溢出。目標企業通過信息學習方式，從同群企業創新中捕捉創新信息，減輕環境不確定性壓力，模仿同群企業創新。同時，同行業、同地區企業的創新為后行者積淀了創新知識基礎和創新實踐經驗，促進后行者進行創新。

（3）除了地理關系網絡和行業關系網絡，在信息化網絡中，企業的互聯網融入程度對同群效應起正向調節作用?；ヂ摼W通過降低企業信息搜尋成本，改進企業跨地域溝通方式和效率，可以鞏固企業之間的互動關系，進一步增進企業間信息傳遞和學習溢出，從而增強原有的同群效應。

（4）企業高管間的校友關聯作為另一種關系網絡，也會帶來正向的創新同群效應，通過增進企業信息分享的信任感和專業知識的可讀性，來促進創新信息傳遞和創新知識學習。校友關聯網絡對創新的地理和行業同群效應具有顯著的正向影響，在有校友關聯的企業之間，相較于沒有校友關聯的企業之間，地理和行業同群效應均更大。

基于上述結論，提出如下政策建議：（1）在提升自身研發強度的同時，應特別重視企業創新之間的關聯與互動。通過在各個創新領域充分發揮標桿企業的示范帶動作用，充分利用信息傳遞機制和知識溢出機制的激勵，促進同地區、同行業企業間的交流和學習，從而激勵更多企業進行高效率和高質量的創新。（2）積極引導企業利用并構建良性競爭的創新關系網絡。除了利用傳統的地理網絡和行業網絡效應，也應當充分利用互聯網的信息優勢和溝通便捷性，為企業開放式學習創新知識提供更豐富的學習資源和更廣泛的學習對象，從而降低企業對所處環境的不確定性感知，更好地做出創新決策；同時，也重視高校校友關聯企業的創新為校友企業家提供的創新激勵和智力支持，通過如科技學術會議、校友返校交流等形式，搭建有利于校友企業之間互動的創新平臺。

參考文獻：

［1］?李姝，杜亞光，張曉哲.同行MD&A語調對企業創新投資的溢出效應［J］.中國工業經濟，2021（3）：137-155.

［2］?Lieberman?M.B，?Asaba?S.?Why?do?Firms?Imitate?Each?Other？［J］.?Academy?of?Management?Review，?2006，?31（2）：?366-385.

［3］?葉江峰，陳珊，郝斌.知識搜尋如何影響企業創新績效？——研究述評與展望［J］.外國經濟與管理，2020，42（3）：17-34.

［4］?劉靜，王克敏.同群效應與公司研發——來自中國的證據［J］.經濟理論與經濟管理，?2018（1）：21-32.

［5］?彭鎮，連玉君，戴亦一.企業創新激勵：來自同群效應的解釋［J］.科研管理，2020（4）：45-53.

［6］?王文娜，劉戒驕，張祝愷.研發互聯網化、融資約束與制造業企業技術創新［J］.經濟管理，2020，42（9）：127-143.

［7］?陳小輝，張紅偉.數字經濟如何影響企業風險承擔水平［J］.經濟管理，2021，43（5）：93-108.

［8］?Faleye?O，?Kovacs?T，?Venkateswaran?A.?Do?Better-Connected?CEOs?Innovate?More［J］.Journal?of?Financial?and?Quantitative?Analysis，2014，49（5-6）：1201-1225.

［9］?萬良勇，梁嬋娟，饒靜.上市公司并購決策的行業同群效應研究［J］.南開管理評論，2016，19（3）：40-50.

［10］Bloom?N，?Schankerman?M，?Reenen?J.V.?Identifying?Technology?Spillovers?and?Product?Market?Rivalry［J］.?Econometrica，?2013，81（4）：?1347-1393.

［11］何玉潤，林慧婷，王茂林.產品市場競爭、高管激勵與企業創新——基于中國上市公司的經驗證據［J］.財貿經濟，2015（2）：125-135.

［12］Aghion?P，?Bloom?N，?Griffith?R，?et?al.?Competition?and?Innovation：?An?Inverted?U?Relationship［J］.Quarterly?Journal?of?Economics，?2005，?120（2）：701-728.

［13］Guellec?D，?Paunov?C.?Digital?Innovation?and?the?Distribution?of?Income［R］.?NBER?Working?Papers，?2017，?No.?w23987.

［14］馮戈堅，王建瓊.企業創新活動的社會網絡同群效應［J］.管理學報，2019，16（12）：1809-1819.

［15］李志生，蘇誠，李好，等.企業過度負債的地區同群效應［J］.金融研究，2018（9）：74-90.

［16］Kong?D，?Lin?C，?Wei?L，?et?al.?Information?Accessibility?and?Corporate?Innovation［J］.?SSRN?Electronic?Journal，?2018.

［17］胡馨月，宋學印，陳曉華.不確定性、互聯網與出口持續時間［J］.國際貿易問題，2021（4）：62-77.

［18］張玉明，李榮，王欣.?小微企業互聯網環境與企業家社會資本對技術創新的影響研究［J］.?管理學報，2018，15（2）：230-236，292.

［19］王會娟，余夢霞，張路，等.校友關系與企業創新——基于PE管理人和高管的關系視角［J］.會計研究，2020（3）：78-94.

［20］Guan?Y，?Su?L，?Wu?D，?et?al.?Do?School?Ties?between?Auditors?and?Client?Executives?Influence?Audit?Outcomes？［J］.Journal?of?Accounting?&?Economics，2016，61（2-3）：506-525.

［21］Adhikari?B.K，?Agrawal?A.?Peer?Influence?on?Payout?Policies［J］.Journal?of?Corporate?Finance，2018，48：615-637.

［22］江新峰，張敦力.官員激勵、產業政策執行與產能過?！谄髽I投資同群效應的分析［J］.現代財經，2018，38（7）：88-102.

［23］Manski?C.F.?Identification?of?Endogenous?Social?Effects：?The?Reflection?Problem［J］.The?Review?of?Economic?Studies，1993（3）：531-542.

［24］劉柏，王一博.遠親與近鄰：企業投資“同伴效應”的異質性研究［J］.山東大學學報（哲學社會科學版），2019（6）：101-113.

［25］譚小芬，錢佳琪.資本市場壓力與企業策略性專利行為：賣空機制的視角［J］.中國工業經濟，2020（5）：156-173.

［26］李秋梅，梁權熙.企業“脫實向虛”如何傳染？——基于同群效應的視角［J］.財經研究，2020（8）：140-155.

［27］Matray?A.?The?Local?Innovation?Spillovers?of?Listed?Firms［J］.?SSRN?Electronic?Journal，?2020.

Peer?Effect?of?Firm?Innovation?in?Multidimensional?Relationship?Network

XIAO?Li-ping1，?LIU?Dian-yi2

（1.Wuhan?University，Center?for?Economic?Development?Research/Economics?and?Management?School，Wuhan

430072，China；2.?Shenzhen?Branch，?Industrial?and?Commercial?Bank?of?China，?Shenzhen?518041，?China）

Abstract：?Firms?in?multidimensional?relationship?network?will?observe?innovation?activities?of?peer?firms?when?they?engage?in?technological?innovation，?and?the?connection?of?relationship?network?will?strengthen?this?correlation?effect.?Using?the?data?of?Chinese?listed?firms，?this?paper?discusses?the?effects?of?internet?network?and?social?network?of?executive?alumni?connection?on?the?intensity?of?peer?effects，?and?deepens?the?research?on?the?mechanism?of?peer?effect?from?the?perspective?of?information?transmission?and?knowledge?diffusion.?The?results?show?that：?the?quantity?and?quality?of?innovation?of?target?firms?are?positively?affected?by?the?innovation?of?peer?firms?in?same?region?or?same?industry.?The?mechanism?behind?this?is?mainly?information?transmission?between?firms?under?the?uncertainty?of?external?information，?and?mutual?knowledge?spillover?between?related?firms.?In?addition，?in?the?information?network，?the?higher?the?degree?of?internet?integration?of?firms，?the?stronger?the?innovation?peer?effect?is;?in?the?social?network，?compared?with?peer?firms?without?executive?alumni?association，?peer?firms?with?alumni?association?have?a?stronger?impact?on?firms?innovation.

Key?words：?peer?effect;?firm?innovation;?relation?network;?internet;?executive?alumni?connection

（責任編輯：趙春江）