不同模式合作網絡對農業科技創新績效的影響
——以“一帶一路”國家為例

鄧燦輝，王 丹，郭翔宇

（1.中共河南省委黨校，河南 鄭州 450046；2.東北農業大學 經濟管理學院，黑龍江 哈爾濱 150030；3.東北農業大學 現代農業發展研究中心，黑龍江 哈爾濱 150030）

一、引言

科技創新是農業高質量發展的重要引擎。開放式創新背景下，嵌入外部合作網絡成為影響國家農業科技創新績效的重要基礎條件之一[1]。本質上，合作網絡是基于社會網絡嵌入的知識流轉和內外部資源整合的一種新型創新形態。學者們不僅在集中探討不同產業領域的多層次創新主體間合作網絡特征及其影響，也致力于解釋為什么合作網絡會對創新績效產生影響、如何影響的問題[2，3]。以Granovetter 為代表的關系觀學者關注網絡關系的緊密程度，強調網絡內部主體的二元關系強度對創新績效的影響差異[4]。持結構觀的學者側重考察主體在整體網絡結構中所處位置對創新績效的影響[5，6]。過程觀學者突出網絡內主體間相互聯系和相互影響制約的動態過程，將合作網絡對創新績效的間接影響作為研究重點[7，8]。但很少對不同模式合作網絡影響創新績效的機理進行解釋。此外，合作網絡作為一種社會系統，其社會屬性表現在網絡中創新主體對于合作伙伴和合作關系選擇的主動性。與誰合作、如何合作及合作程度都直接關系著農業科技創新的質量?，F有研究未考慮到創新主體在自主構建和選擇不同模式合作網絡中的能動性，忽視了網絡模式異質性與主體能動性的交互作用對創新績效的影響。那么，創新主體如何構建和選擇與自身發展相適應的合作網絡？不同模式合作網絡中的創新主體要培養何種關鍵能力來提升創新績效？這些問題的研究有助于深刻把握多樣性合作網絡對創新績效的影響機制，進而為國家農業科技創新績效的提升提供突破路徑。

文章以“一帶一路”國家為實證研究對象，基于跨國農業科技論文合著數據將合作廣度和合作深度組合起來探索合作網絡模式的差異性，驗證不同模式合作網絡影響國家農業科技創新績效的直接效應。在此基礎上，引入體現主體能動性的網絡能力和吸收能力分別作為中介及調節變量，進一步剖析不同模式合作網絡影響國家農業科技創新績效的間接效應。

二、理論分析與研究假設

1. 不同模式合作網絡的界定

現有文獻普遍將橫向的合作廣度和縱向的合作深度作為反映主體與外部組織合作水平的兩個核心維度，認為不同范圍合作廣度與不同強度合作深度的組合構成了差異化合作模式[9，10]。文章從自我中心網絡視角構建基于合作廣度與合作深度組合的不同模式合作網絡（圖1）。

圖1 不同模式合作網絡的界定

將合作廣度定義為與中心主體開展農業科技創新合作的外部主體的數量，合作深度定義為與外部主體開展農業科技創新合作的平均頻次，用中心主體合作總頻次與外部合作主體數量的比值加以表示。將高于整體網絡內全部主體合作廣度均值、合作深度均值的中心主體分別劃分到“高合作廣度”“高合作深度”群組，將低于整體網絡內全部主體合作廣度均值、合作深度均值的主體分別劃分到“低合作廣度”“低合作深度”群組。進一步，將不同群組兩兩組合，得到“高合作廣度—高合作深度”“高合作廣度—低合作深度”“低合作廣度—高合作深度”和“低合作廣度—低合作深度”四種模式的自我中心網絡，并分別界定為“緊密型合作網絡”“培養型合作網絡”“搜尋型合作網絡”和“邊緣型合作網絡”。

2. 不同模式合作網絡影響農業科技創新績效的直接效應

理論上，嵌入合作網絡的主體能夠通過知識流轉與內外部創新資源整合來提高創新績效，付雅寧等(2018)認為合作網絡是企業獲取組織外部異質性知識與技術的重要途徑[11]，有利于信任互惠的生成、交易成本與風險的降低、規模與范圍經濟的實現[12]，從而促進企業創新績效的提升。然而，也有學者提出企業創新績效會因其與外部主體合作程度的不同而產生差異。一方面，張羽飛、原長弘(2022)認為企業創新績效與網絡內創新資源的豐富程度及資源流動的暢通程度有關，合作范圍越廣、合作強度越高的企業獲取稀缺創新資源的可能性越大，合作主體數量及合作強度的增長有利于提高企業創新績效[13]。另一方面，楊薇、江旭(2012)卻發現合作廣度與合作深度并非越高越好，合作不足與合作過度均會阻礙企業創新發展并與企業創新績效呈現非線性倒“U”型關系[14]。

以上研究表明，合作網絡對創新主體創新績效的影響存在異質性，且這種異質性與其所處的網絡模式有關。但值得注意的是，宏觀層面國家間農業科技創新合作的開展比企業間更為復雜，除受到市場需求驅動外還會受到政治關系、經濟發展及開放程度等的影響，是國家在多重因素共同作用下的審慎選擇。因此，文章認為高合作廣度或高合作深度均能在一定程度上提高農業科技創新績效，但低合作廣度和低合作深度的邊緣型合作模式可能無法發揮合作網絡的積極作用。由此，提出以下假設：

假設H1：緊密型、培養型和搜尋型合作網絡正向影響農業科技創新績效。假設

H2：邊緣型合作網絡對農業科技創新績效無顯著影響。

3. 不同模式合作網絡影響農業科技創新績效的間接效應

（1） 網絡能力的中介作用

基于“結構—資源/能力—績效”的邏輯進一步探究網絡能力在不同模式合作網絡影響農業科技創新績效中的作用。

網絡能力被視為合作能力的高級階段，是創新主體通過對網絡結構位置及網絡關系管理以獲取并控制不同數量、質量及類型資源的能力。蘇屹、李忠婷(2021)指出創新合作可作為網絡能力的前因，強調網絡位置躍遷和網絡關系優化在網絡能力提升過程中的關鍵作用[15]。隨著與合作主體合作深度與廣度的變化，中心主體在合作網絡中的地位格局及其與合作主體間的合作關系處于動態調整的狀態。不確定環境下，中心主體在網絡結構中的位置是一種特殊信號，良好的網絡位置會使中心主體具有聲譽優勢、先發優勢和更高的吸引度，獲得資源的優先選擇權，實現資源從“被動接收者”到“主動控制者”的角色轉換。緊密的合作關系也有利于提高中心主體與合作主體間的信任互惠程度，有效獲取潛在合作對象的優質信息，降低信息不對稱帶來的合作風險與交易成本，縮短創新周期。合作廣度和深度的不同組合會改變創新主體的網絡結構位置和網絡關系，造成網絡能力的差異，進而影響創新績效，在不同模式合作網絡與創新績效間發揮著重要的傳導和橋梁作用。假定邊緣型合作網絡對農業科技創新績效無顯著影響，研究提出以下假設：

假設H3：網絡能力在緊密型、培養型和搜尋型合作網絡影響農業科技創新績效中發揮中介作用。

（2） 吸收能力的調節作用

創新主體通過網絡能力提高其所獲取網絡資源的“量”與“質”僅是實現創新績效提升的第一步，能否將獲取到的網絡資源充分應用到研發實踐這一關鍵環節，重點還在于其吸收能力。

吸收能力是指創新主體通過探索式、轉換式或利用式等形式對外來資源進行消化與應用的能力。吸收能力與企業創新績效的提升密不可分，吸收能力越好，越有助于企業更有效率且更高質量地將網絡資源轉化為創新績效。在網絡資源充足的情況下，具有強吸收能力的企業能夠快速篩選、吸收互補性資源，并及時應用到內部科技創新活動中，提升創新績效。當企業吸收能力較弱時，即使憑借強大的網絡能力獲取到足夠多的網絡資源，也只會造成知識“超載”和資源“內滯”，無法將資源有效轉化、重組與應用。不同模式合作網絡對農業科技創新績效的影響中，網絡能力為國家獲取充足的網絡資源進而提升農業科技創新績效提供了前提條件。但吸收能力的差異影響網絡資源的轉移融合程度，使得外部知識技術輸入對農業科技創新績效的積極影響出現“放大效應”或“削弱效應”，即網絡能力對創新績效的影響會因吸收能力的不同而存在差異。據此，研究提出以下假設：

假設H4：吸收能力正向調節緊密型、搜尋型和培養型合作網絡中網絡能力對農業科技創新績效的影響。

綜上所述，文章構建的理論模型如圖2 所示。

圖2 理論模型

三、研究設計

1. 樣本選擇與數據來源

文章選取截至2021 年6 月1 日中國“一帶一路”網公布的147 個“一帶一路”國家為初始樣本。遵循數據可獲得性及樣本一致性原則，剔除數據嚴重缺失的27 個國家后共得到120個“一帶一路”國家的樣本數據。

論文合著數據和專利合作數據是現有研究中最為廣泛且最具可行性的用于研究科技創新國際合作的兩種數據來源。然而，Derwent Innovation 專利數據庫和世界知識產權局國際專利數據庫中的農業發明專利申請和授權數據顯示，包括中國在內的絕大多數“一帶一路”國家農業合作發明專利授權數量占授權總量的比例低于1%。過低的農業合作發明專利數量無法準確地體現合作網絡?？鐕现萍颊撐氖遣煌瑖一虻貐^通過知識、技術、人才、資金、信息等創新要素不斷交互與整合所產生的重要科研結果，在一定程度上能夠體現不同國家對科技創新國際合作的政策支持力度、科技創新要素跨國流動與資源共享的發展態勢，進而展現出科技創新跨國合作的基本格局?；诖?，文章采用2006—2021 年“一帶一路”國家農業科技論文合著數據構建出以各個國家為中心的不同模式合作網絡。另外，被解釋變量、調節變量和控制變量涉及的指標源自聯合國教科文組織統計研究所、世界經濟論壇發布的《全球競爭力報告》、世界知識產權組織數據庫和世界銀行。

2. 變量設定與測度

（1） 解釋變量

解釋變量為緊密型、培養型、搜索型和邊緣型四種不同模式合作網絡?；?20 個“一帶一路”國家的合作類型，分別構建出以每個國家為中心的不同模式合作網絡。文章選取網絡密度、網絡直徑、度數中心勢和平均路徑長度四個指標測度合作網絡，并采用Ucinet 6 軟件計算出各指標值。之后，運用Stata15.0 軟件對以上四項指標進行探索性因子分析，將最終得到的網絡特征因子值作為衡量每個合作網絡的具體值。

第一，網絡密度。網絡密度用于表示合作網絡中跨國農業科技創新合作關系的疏密程度，密度越高表明合作國家間的農業科技創新合作越順暢，計算方法如式(1)所示。式中，n為合作網絡中的國家數量，n(n-1)代表各國家間合作關系總數在理論上的最大可能值；m為合作網絡中包含的實際關系數量。

第二，網絡直徑。網絡直徑指合作網絡中所有國家間最短距離的最大值，值越小說明網絡中任意兩個國家間開展農業科技創新合作越容易，計算方法如式(2)所示。式中，dij為該網絡中任意兩點間的最短距離。

第三，度數中心勢。度數中心勢用于刻畫網絡所具有的中心趨勢，數值越大說明合作網絡中國家的中心度差異越大，中心國家的地位越突出，計算方法見式(3)。式中，CADmax表示網絡中所有國家度數中心度的最大值；CADi表示國家i的度數中心度。

第四，平均路徑長度。平均路徑長度用合作網絡中各國家間最短路徑長度的平均值表示，計算方法如式(4)所示。式中，dij代表國家i與國家j之間的最短路徑長度。

（2） 被解釋變量

創新產出是現有研究衡量農業科技創新績效的常用指標，但合作網絡對創新績效的影響貫穿于農業科技創新活動的全過程，因而文章采用面向“投入—產出”過程的農業科技創新效率測度國家農業科技創新績效。指標體系及測度方法如下：第一，指標體系構建。參考已有研究，構建出包含三個投入指標和四個產出指標的國家農業科技創新績效評價指標體系。從人員投入、經費投入和產學研合作水平三個維度選取農業科技創新投入指標，具體指標包括農業研發人員數量、農業研發資金數量和產學研合作指數。其中，農業研發人員和研發資金分別采用R&D 研究人員數量、R&D 研究經費與農業增加值占GDP比重的乘積計算。從科技產出和經濟產出兩個維度選取農業科技創新產出指標?？萍籍a出指標包括農業科技論文數量、農業專利數量和植物新品種數量。需要說明的是，植物新品種數量是農業區別于其他產業領域科技創新所獨有的產出表現形式，代表農業品種創新的水平。經濟產出用農業增加值表示，用于反映農業科技創新投入轉化為經濟價值的程度。第二，測度方法。為了避免因樣本數量過大而無法有效區分不同國家農業科技創新績效的問題，文章未選擇數據包絡分析法的基礎模型DEA-CCR 和DEA-BCC，而是采用超效率DEA 模型對農業科技創新績效進行測度。

（3） 中介變量

網絡能力通過網絡位置和網絡關系衡量，以度數中心度測度網絡位置，以結構洞測度網絡關系，取兩者均值測度網絡能力。度數中心度和結構洞計算方法如下：

第一，度數中心度。度數中心度是指網絡中與某一國家直接相連的其他國家的數目，反映了網絡位置的核心程度，計算方法如式(5)所示。式中，i≠j表示排除i國家內部的農業科技創新合作。

第二，結構洞。以限制度指標測度結構洞，用于反映國家在網絡中結構洞的缺乏程度，計算方法如式(6)所示。限制度指標值越大，表明相互間的冗余程度越高，因而選用“2- 限制度指標”刻畫網絡中國家對結構洞的運用能力，計算方法見式(7)。

式中，j是合作網絡中除國家i之外的其他國家，q為國家i和國家j之外的第三方，Pij代表國家i對于國家j的直接關系投入，Piq代表國家i與國家q間的關系強度比例用于表示國家i與國家q間的間接關系，表示國家i由于國家j受到的約束程度。

（4） 調節變量

由于吸收能力的非實體性，對其進行直接度量比較困難。借鑒蘇屹、李忠婷(2021)的研究[15]，采用人員配備吸收能力和技術基礎吸收能力衡量吸收能力，分別選取農業研發人員數量和農業研發投入強度作為代理變量。此外，為避免與其他變量量級差異過大而產生顯著性偏誤問題，在對兩個指標求均值后取對數處理，并以處理后的值測度吸收能力。

（5） 控制變量

區別于農業科技創新績效的“投入—產出”變量，研究選取影響農業科技創新績效的外部因素作為控制變量，具體包括：研發基礎設施建設水平、國家整體教育水平、知識產權保護水平和研發企業增長水平。

3. 模型選擇與構建

采用隨機效應模型檢驗不同模式合作網絡影響國家農業科技創新績效的直接效應、網絡能力的中介效應和吸收能力的調節效應。其中，中介效應檢驗采用逐步回歸法，調節效應使用交互項檢驗，最終構建出帶有調節變量的中介效應模型。具體模型如下：

式中，Y表示被解釋變量國家農業科技創新績效(NP)，X表示解釋變量不同模式合作網絡，并以CN、NN、SN、MN分別表示緊密型、培養型、搜尋型和邊緣型合作網絡，NC表示中介變量網絡能力，AC表示調節變量吸收能力，IF、ED、IP和RE分別表示4 個控制變量，μ 為隨機誤差項。式(8)檢驗不同模式合作網絡影響國家農業科技創新績效的直接效應，若系數α2顯著，則直接效應成立。式(8)、式(9)和式(10)同時檢驗網絡能力的中介效應和吸收能力的調節效應，若系數α2、β2和γ3都顯著，則中介效應成立。若系數γ2也顯著則網絡能力發揮了部分中介作用，若不顯著則網絡能力發揮了完全中介作用。若系數γ4顯著則吸收能力的調節效應成立，若不顯著則不成立。

四、實證結果與分析

1. 描述性與相關分析

表1 以搜尋型合作網絡為例，呈現了各變量的均值、標準差、VIF 值，以及變量間相關系數（Pearson 系數）。由表可知，任意兩變量間的相關系數均不超過0.7，且膨脹因子檢測結果VIF 值也均在0~10 之間，說明不存在多重共線性問題。

表1 描述性統計與相關分析結果

2. 假設檢驗

建立10 個多元線性回歸模型驗證不同模式合作網絡影響農業科技創新績效的直接效應和間接效應，結果詳見表2。從直接效應回歸結果看，緊密型合作網絡與農業科技創新績效正相關（模型1，α2=0.705，p<0.05），培養型合作網絡與農業科技創新績效正相關（模型4，α2=0.657，p<0.10），搜尋型合作網絡與農業科技創新績效正相關（模型7，α2=0.788，p<0.05），假設H1 成立。邊緣型合作網絡與農業科技創新績效無顯著相關關系（模型10，α2=0.575，p>0.10），假設H2 得到支持。

表2 不同模式合作網絡影響國家農業科技創新績效的實證結果

從間接效應回歸結果看，綜合模型1、模型2 和模型3，在α2顯著的基礎上，β2=0.365(p<0.05)、γ3=0.289(p<0.01)說明網絡能力的中介效應成立，且γ2(p>0.10)進一步表明網絡能力在緊密型合作網絡對國家農業科技創新績效的影響中發揮完全中介作用。根據模型4、模型5 和模型6，β2=0.306(p<0.05)、γ3=0.215(p<0.01)且γ2(p>0.10)表明網絡能力在培養型合作網絡影響國家農業科技創新績效中發揮完全中介作用。同理，模型7、模型8 和模型9 的結果也說明網絡能力在搜尋型合作網絡影響國家農業科技創新績效中的完全中介作用。以上結果支持了假設H3。模型3(γ4=0.155，p<0.05)與模型9(γ4=0.107，p<0.05)說明吸收能力正向調節緊密型、搜尋型合作網絡中網絡能力對國家農業科技創新績效的影響，但模型6 中γ4(p>0.10)未能驗證培養型合作網絡中吸收能力在網絡能力影響國家農業科技創新績效中的調節作用。據此，部分驗證了假設H4 的結論。

五、結論與建議

1. 結論

文章基于120 個“一帶一路”國家2006—2021 年跨國農業科技論文合著數據，構建不同模式的合作網絡，實證分析不同模式合作網絡對國家農業科技創新績效的影響，得到以下研究結論：第一，并非所有模式合作網絡都能對國家農業科技創新績效產生積極影響。高合作深度和高合作廣度的緊密型合作網絡、低合作深度和高合作廣度的培養型合作網絡以及高合作深度且低合作廣度的搜尋型合作網絡能夠有效提升國家農業科技創新績效，但低合作深度和低合作廣度的邊緣型合作網絡并不能對國家農業科技創新績效產生顯著影響。第二，網絡能力在緊密型、培養型和搜尋型合作網絡影響國家農業科技創新績效中起完全中介作用。國家在不同模式合作網絡中的網絡結構位置與網絡關系造成網絡能力的不同，影響網絡資源的獲取與控制，進而改變農業科技創新績效。第三，吸收能力在不同模式合作網絡中的調節作用存在差異。吸收能力可以放大緊密型、培養型合作網絡中網絡能力對農業科技創新績效的正向影響，在搜尋型合作網絡中的調節作用不顯著。

2. 建議

第一，客觀認識不同模式合作網絡并相應調整合作行為。要充分認識不同模式合作網絡及其影響，并依據自身合作實際動態調整合作行為。尚未融入合作網絡的國家首先要構建或選擇適配模式的合作網絡，已經處于合作網絡中的國家應當著力調整合作結構、優化合作關系，避免合作廣度或合作深度不足造成的創新資源匱乏與合作空心化問題。

第二，全面提升國家在合作網絡中的網絡能力。不管處于何種模式的合作網絡都必須加強網絡能力建設，要不斷向更有利于自身發展的網絡模式躍遷來提高網絡能力，增強獲取與控制多元異質性網絡資源的比較優勢，進而充分發揮網絡能力在合作網絡促進農業科技創新績效提升中的傳導作用。

第三，注重培育并形成與國家相適配的吸收能力。處于緊密型、搜尋型合作網絡中的國家要依據合作網絡演化趨勢并結合國家實力動態調整人力、資本等的投入強度，形成與自身實際相匹配的吸收能力，從而放大網絡能力對農業科技創新績效的提升作用。但由于高合作廣度及低合作深度的培養型合作網絡中的國家需要整合、轉化與應用的創新資源數量多且過于分散致使吸收能力的積極作用被削弱，因此要進一步精準選擇合作伙伴并注重加強合作關系，降低同質性冗余信息對農業科技創新績效帶來的負面影響。