不同模式合作网络对农业科技创新绩效的影响——以“一带一路”国家为例

邓灿辉，王 丹，郭翔宇

（1.中共河南省委党校，河南 郑州 450046；2.东北农业大学 经济管理学院，黑龙江 哈尔滨 150030；3.东北农业大学 现代农业发展研究中心，黑龙江 哈尔滨 150030）

一、引言

科技创新是农业高质量发展的重要引擎。开放式创新背景下，嵌入外部合作网络成为影响国家农业科技创新绩效的重要基础条件之一[1]。本质上，合作网络是基于社会网络嵌入的知识流转和内外部资源整合的一种新型创新形态。学者们不仅在集中探讨不同产业领域的多层次创新主体间合作网络特征及其影响，也致力于解释为什么合作网络会对创新绩效产生影响、如何影响的问题[2，3]。以Granovetter 为代表的关系观学者关注网络关系的紧密程度，强调网络内部主体的二元关系强度对创新绩效的影响差异[4]。持结构观的学者侧重考察主体在整体网络结构中所处位置对创新绩效的影响[5，6]。过程观学者突出网络内主体间相互联系和相互影响制约的动态过程，将合作网络对创新绩效的间接影响作为研究重点[7，8]。但很少对不同模式合作网络影响创新绩效的机理进行解释。此外，合作网络作为一种社会系统，其社会属性表现在网络中创新主体对于合作伙伴和合作关系选择的主动性。与谁合作、如何合作及合作程度都直接关系着农业科技创新的质量。现有研究未考虑到创新主体在自主构建和选择不同模式合作网络中的能动性，忽视了网络模式异质性与主体能动性的交互作用对创新绩效的影响。那么，创新主体如何构建和选择与自身发展相适应的合作网络？不同模式合作网络中的创新主体要培养何种关键能力来提升创新绩效？这些问题的研究有助于深刻把握多样性合作网络对创新绩效的影响机制，进而为国家农业科技创新绩效的提升提供突破路径。

文章以“一带一路”国家为实证研究对象，基于跨国农业科技论文合著数据将合作广度和合作深度组合起来探索合作网络模式的差异性，验证不同模式合作网络影响国家农业科技创新绩效的直接效应。在此基础上，引入体现主体能动性的网络能力和吸收能力分别作为中介及调节变量，进一步剖析不同模式合作网络影响国家农业科技创新绩效的间接效应。

二、理论分析与研究假设

1. 不同模式合作网络的界定

现有文献普遍将横向的合作广度和纵向的合作深度作为反映主体与外部组织合作水平的两个核心维度，认为不同范围合作广度与不同强度合作深度的组合构成了差异化合作模式[9，10]。文章从自我中心网络视角构建基于合作广度与合作深度组合的不同模式合作网络（图1）。

图1 不同模式合作网络的界定

将合作广度定义为与中心主体开展农业科技创新合作的外部主体的数量，合作深度定义为与外部主体开展农业科技创新合作的平均频次，用中心主体合作总频次与外部合作主体数量的比值加以表示。将高于整体网络内全部主体合作广度均值、合作深度均值的中心主体分别划分到“高合作广度”“高合作深度”群组，将低于整体网络内全部主体合作广度均值、合作深度均值的主体分别划分到“低合作广度”“低合作深度”群组。进一步，将不同群组两两组合，得到“高合作广度—高合作深度”“高合作广度—低合作深度”“低合作广度—高合作深度”和“低合作广度—低合作深度”四种模式的自我中心网络，并分别界定为“紧密型合作网络”“培养型合作网络”“搜寻型合作网络”和“边缘型合作网络”。

2. 不同模式合作网络影响农业科技创新绩效的直接效应

理论上，嵌入合作网络的主体能够通过知识流转与内外部创新资源整合来提高创新绩效，付雅宁等(2018)认为合作网络是企业获取组织外部异质性知识与技术的重要途径[11]，有利于信任互惠的生成、交易成本与风险的降低、规模与范围经济的实现[12]，从而促进企业创新绩效的提升。然而，也有学者提出企业创新绩效会因其与外部主体合作程度的不同而产生差异。一方面，张羽飞、原长弘(2022)认为企业创新绩效与网络内创新资源的丰富程度及资源流动的畅通程度有关，合作范围越广、合作强度越高的企业获取稀缺创新资源的可能性越大，合作主体数量及合作强度的增长有利于提高企业创新绩效[13]。另一方面，杨薇、江旭(2012)却发现合作广度与合作深度并非越高越好，合作不足与合作过度均会阻碍企业创新发展并与企业创新绩效呈现非线性倒“U”型关系[14]。

以上研究表明，合作网络对创新主体创新绩效的影响存在异质性，且这种异质性与其所处的网络模式有关。但值得注意的是，宏观层面国家间农业科技创新合作的开展比企业间更为复杂，除受到市场需求驱动外还会受到政治关系、经济发展及开放程度等的影响，是国家在多重因素共同作用下的审慎选择。因此，文章认为高合作广度或高合作深度均能在一定程度上提高农业科技创新绩效，但低合作广度和低合作深度的边缘型合作模式可能无法发挥合作网络的积极作用。由此，提出以下假设：

假设H1：紧密型、培养型和搜寻型合作网络正向影响农业科技创新绩效。假设

H2：边缘型合作网络对农业科技创新绩效无显著影响。

3. 不同模式合作网络影响农业科技创新绩效的间接效应

（1） 网络能力的中介作用

基于“结构—资源/能力—绩效”的逻辑进一步探究网络能力在不同模式合作网络影响农业科技创新绩效中的作用。

网络能力被视为合作能力的高级阶段，是创新主体通过对网络结构位置及网络关系管理以获取并控制不同数量、质量及类型资源的能力。苏屹、李忠婷(2021)指出创新合作可作为网络能力的前因，强调网络位置跃迁和网络关系优化在网络能力提升过程中的关键作用[15]。随着与合作主体合作深度与广度的变化，中心主体在合作网络中的地位格局及其与合作主体间的合作关系处于动态调整的状态。不确定环境下，中心主体在网络结构中的位置是一种特殊信号，良好的网络位置会使中心主体具有声誉优势、先发优势和更高的吸引度，获得资源的优先选择权，实现资源从“被动接收者”到“主动控制者”的角色转换。紧密的合作关系也有利于提高中心主体与合作主体间的信任互惠程度，有效获取潜在合作对象的优质信息，降低信息不对称带来的合作风险与交易成本，缩短创新周期。合作广度和深度的不同组合会改变创新主体的网络结构位置和网络关系，造成网络能力的差异，进而影响创新绩效，在不同模式合作网络与创新绩效间发挥着重要的传导和桥梁作用。假定边缘型合作网络对农业科技创新绩效无显著影响，研究提出以下假设：

假设H3：网络能力在紧密型、培养型和搜寻型合作网络影响农业科技创新绩效中发挥中介作用。

（2） 吸收能力的调节作用

创新主体通过网络能力提高其所获取网络资源的“量”与“质”仅是实现创新绩效提升的第一步，能否将获取到的网络资源充分应用到研发实践这一关键环节，重点还在于其吸收能力。

吸收能力是指创新主体通过探索式、转换式或利用式等形式对外来资源进行消化与应用的能力。吸收能力与企业创新绩效的提升密不可分，吸收能力越好，越有助于企业更有效率且更高质量地将网络资源转化为创新绩效。在网络资源充足的情况下，具有强吸收能力的企业能够快速筛选、吸收互补性资源，并及时应用到内部科技创新活动中，提升创新绩效。当企业吸收能力较弱时，即使凭借强大的网络能力获取到足够多的网络资源，也只会造成知识“超载”和资源“内滞”，无法将资源有效转化、重组与应用。不同模式合作网络对农业科技创新绩效的影响中，网络能力为国家获取充足的网络资源进而提升农业科技创新绩效提供了前提条件。但吸收能力的差异影响网络资源的转移融合程度，使得外部知识技术输入对农业科技创新绩效的积极影响出现“放大效应”或“削弱效应”，即网络能力对创新绩效的影响会因吸收能力的不同而存在差异。据此，研究提出以下假设：

假设H4：吸收能力正向调节紧密型、搜寻型和培养型合作网络中网络能力对农业科技创新绩效的影响。

综上所述，文章构建的理论模型如图2 所示。

图2 理论模型

三、研究设计

1. 样本选择与数据来源

文章选取截至2021 年6 月1 日中国“一带一路”网公布的147 个“一带一路”国家为初始样本。遵循数据可获得性及样本一致性原则，剔除数据严重缺失的27 个国家后共得到120个“一带一路”国家的样本数据。

论文合著数据和专利合作数据是现有研究中最为广泛且最具可行性的用于研究科技创新国际合作的两种数据来源。然而，Derwent Innovation 专利数据库和世界知识产权局国际专利数据库中的农业发明专利申请和授权数据显示，包括中国在内的绝大多数“一带一路”国家农业合作发明专利授权数量占授权总量的比例低于1%。过低的农业合作发明专利数量无法准确地体现合作网络。跨国合著科技论文是不同国家或地区通过知识、技术、人才、资金、信息等创新要素不断交互与整合所产生的重要科研结果，在一定程度上能够体现不同国家对科技创新国际合作的政策支持力度、科技创新要素跨国流动与资源共享的发展态势，进而展现出科技创新跨国合作的基本格局。基于此，文章采用2006—2021 年“一带一路”国家农业科技论文合著数据构建出以各个国家为中心的不同模式合作网络。另外，被解释变量、调节变量和控制变量涉及的指标源自联合国教科文组织统计研究所、世界经济论坛发布的《全球竞争力报告》、世界知识产权组织数据库和世界银行。

2. 变量设定与测度

（1） 解释变量

解释变量为紧密型、培养型、搜索型和边缘型四种不同模式合作网络。基于120 个“一带一路”国家的合作类型，分别构建出以每个国家为中心的不同模式合作网络。文章选取网络密度、网络直径、度数中心势和平均路径长度四个指标测度合作网络，并采用Ucinet 6 软件计算出各指标值。之后，运用Stata15.0 软件对以上四项指标进行探索性因子分析，将最终得到的网络特征因子值作为衡量每个合作网络的具体值。

第一，网络密度。网络密度用于表示合作网络中跨国农业科技创新合作关系的疏密程度，密度越高表明合作国家间的农业科技创新合作越顺畅，计算方法如式(1)所示。式中，n为合作网络中的国家数量，n(n-1)代表各国家间合作关系总数在理论上的最大可能值；m为合作网络中包含的实际关系数量。

第二，网络直径。网络直径指合作网络中所有国家间最短距离的最大值，值越小说明网络中任意两个国家间开展农业科技创新合作越容易，计算方法如式(2)所示。式中，dij为该网络中任意两点间的最短距离。

第三，度数中心势。度数中心势用于刻画网络所具有的中心趋势，数值越大说明合作网络中国家的中心度差异越大，中心国家的地位越突出，计算方法见式(3)。式中，CADmax表示网络中所有国家度数中心度的最大值；CADi表示国家i的度数中心度。

第四，平均路径长度。平均路径长度用合作网络中各国家间最短路径长度的平均值表示，计算方法如式(4)所示。式中，dij代表国家i与国家j之间的最短路径长度。

（2） 被解释变量

创新产出是现有研究衡量农业科技创新绩效的常用指标，但合作网络对创新绩效的影响贯穿于农业科技创新活动的全过程，因而文章采用面向“投入—产出”过程的农业科技创新效率测度国家农业科技创新绩效。指标体系及测度方法如下：第一，指标体系构建。参考已有研究，构建出包含三个投入指标和四个产出指标的国家农业科技创新绩效评价指标体系。从人员投入、经费投入和产学研合作水平三个维度选取农业科技创新投入指标，具体指标包括农业研发人员数量、农业研发资金数量和产学研合作指数。其中，农业研发人员和研发资金分别采用R&D 研究人员数量、R&D 研究经费与农业增加值占GDP比重的乘积计算。从科技产出和经济产出两个维度选取农业科技创新产出指标。科技产出指标包括农业科技论文数量、农业专利数量和植物新品种数量。需要说明的是，植物新品种数量是农业区别于其他产业领域科技创新所独有的产出表现形式，代表农业品种创新的水平。经济产出用农业增加值表示，用于反映农业科技创新投入转化为经济价值的程度。第二，测度方法。为了避免因样本数量过大而无法有效区分不同国家农业科技创新绩效的问题，文章未选择数据包络分析法的基础模型DEA-CCR 和DEA-BCC，而是采用超效率DEA 模型对农业科技创新绩效进行测度。

（3） 中介变量

网络能力通过网络位置和网络关系衡量，以度数中心度测度网络位置，以结构洞测度网络关系，取两者均值测度网络能力。度数中心度和结构洞计算方法如下：

第一，度数中心度。度数中心度是指网络中与某一国家直接相连的其他国家的数目，反映了网络位置的核心程度，计算方法如式(5)所示。式中，i≠j表示排除i国家内部的农业科技创新合作。

第二，结构洞。以限制度指标测度结构洞，用于反映国家在网络中结构洞的缺乏程度，计算方法如式(6)所示。限制度指标值越大，表明相互间的冗余程度越高，因而选用“2- 限制度指标”刻画网络中国家对结构洞的运用能力，计算方法见式(7)。

式中，j是合作网络中除国家i之外的其他国家，q为国家i和国家j之外的第三方，Pij代表国家i对于国家j的直接关系投入，Piq代表国家i与国家q间的关系强度比例用于表示国家i与国家q间的间接关系，表示国家i由于国家j受到的约束程度。

（4） 调节变量

由于吸收能力的非实体性，对其进行直接度量比较困难。借鉴苏屹、李忠婷(2021)的研究[15]，采用人员配备吸收能力和技术基础吸收能力衡量吸收能力，分别选取农业研发人员数量和农业研发投入强度作为代理变量。此外，为避免与其他变量量级差异过大而产生显著性偏误问题，在对两个指标求均值后取对数处理，并以处理后的值测度吸收能力。

（5） 控制变量

区别于农业科技创新绩效的“投入—产出”变量，研究选取影响农业科技创新绩效的外部因素作为控制变量，具体包括：研发基础设施建设水平、国家整体教育水平、知识产权保护水平和研发企业增长水平。

3. 模型选择与构建

采用随机效应模型检验不同模式合作网络影响国家农业科技创新绩效的直接效应、网络能力的中介效应和吸收能力的调节效应。其中，中介效应检验采用逐步回归法，调节效应使用交互项检验，最终构建出带有调节变量的中介效应模型。具体模型如下：

式中，Y表示被解释变量国家农业科技创新绩效(NP)，X表示解释变量不同模式合作网络，并以CN、NN、SN、MN分别表示紧密型、培养型、搜寻型和边缘型合作网络，NC表示中介变量网络能力，AC表示调节变量吸收能力，IF、ED、IP和RE分别表示4 个控制变量，μ 为随机误差项。式(8)检验不同模式合作网络影响国家农业科技创新绩效的直接效应，若系数α2显著，则直接效应成立。式(8)、式(9)和式(10)同时检验网络能力的中介效应和吸收能力的调节效应，若系数α2、β2和γ3都显著，则中介效应成立。若系数γ2也显著则网络能力发挥了部分中介作用，若不显著则网络能力发挥了完全中介作用。若系数γ4显著则吸收能力的调节效应成立，若不显著则不成立。

四、实证结果与分析

1. 描述性与相关分析

表1 以搜寻型合作网络为例，呈现了各变量的均值、标准差、VIF 值，以及变量间相关系数（Pearson 系数）。由表可知，任意两变量间的相关系数均不超过0.7，且膨胀因子检测结果VIF 值也均在0~10 之间，说明不存在多重共线性问题。

表1 描述性统计与相关分析结果

2. 假设检验

建立10 个多元线性回归模型验证不同模式合作网络影响农业科技创新绩效的直接效应和间接效应，结果详见表2。从直接效应回归结果看，紧密型合作网络与农业科技创新绩效正相关（模型1，α2=0.705，p<0.05），培养型合作网络与农业科技创新绩效正相关（模型4，α2=0.657，p<0.10），搜寻型合作网络与农业科技创新绩效正相关（模型7，α2=0.788，p<0.05），假设H1 成立。边缘型合作网络与农业科技创新绩效无显著相关关系（模型10，α2=0.575，p>0.10），假设H2 得到支持。

表2 不同模式合作网络影响国家农业科技创新绩效的实证结果

从间接效应回归结果看，综合模型1、模型2 和模型3，在α2显著的基础上，β2=0.365(p<0.05)、γ3=0.289(p<0.01)说明网络能力的中介效应成立，且γ2(p>0.10)进一步表明网络能力在紧密型合作网络对国家农业科技创新绩效的影响中发挥完全中介作用。根据模型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)表明网络能力在培养型合作网络影响国家农业科技创新绩效中发挥完全中介作用。同理，模型7、模型8 和模型9 的结果也说明网络能力在搜寻型合作网络影响国家农业科技创新绩效中的完全中介作用。以上结果支持了假设H3。模型3(γ4=0.155，p<0.05)与模型9(γ4=0.107，p<0.05)说明吸收能力正向调节紧密型、搜寻型合作网络中网络能力对国家农业科技创新绩效的影响，但模型6 中γ4(p>0.10)未能验证培养型合作网络中吸收能力在网络能力影响国家农业科技创新绩效中的调节作用。据此，部分验证了假设H4 的结论。

五、结论与建议

1. 结论

文章基于120 个“一带一路”国家2006—2021 年跨国农业科技论文合著数据，构建不同模式的合作网络，实证分析不同模式合作网络对国家农业科技创新绩效的影响，得到以下研究结论：第一，并非所有模式合作网络都能对国家农业科技创新绩效产生积极影响。高合作深度和高合作广度的紧密型合作网络、低合作深度和高合作广度的培养型合作网络以及高合作深度且低合作广度的搜寻型合作网络能够有效提升国家农业科技创新绩效，但低合作深度和低合作广度的边缘型合作网络并不能对国家农业科技创新绩效产生显著影响。第二，网络能力在紧密型、培养型和搜寻型合作网络影响国家农业科技创新绩效中起完全中介作用。国家在不同模式合作网络中的网络结构位置与网络关系造成网络能力的不同，影响网络资源的获取与控制，进而改变农业科技创新绩效。第三，吸收能力在不同模式合作网络中的调节作用存在差异。吸收能力可以放大紧密型、培养型合作网络中网络能力对农业科技创新绩效的正向影响，在搜寻型合作网络中的调节作用不显著。

2. 建议

第一，客观认识不同模式合作网络并相应调整合作行为。要充分认识不同模式合作网络及其影响，并依据自身合作实际动态调整合作行为。尚未融入合作网络的国家首先要构建或选择适配模式的合作网络，已经处于合作网络中的国家应当着力调整合作结构、优化合作关系，避免合作广度或合作深度不足造成的创新资源匮乏与合作空心化问题。

第二，全面提升国家在合作网络中的网络能力。不管处于何种模式的合作网络都必须加强网络能力建设，要不断向更有利于自身发展的网络模式跃迁来提高网络能力，增强获取与控制多元异质性网络资源的比较优势，进而充分发挥网络能力在合作网络促进农业科技创新绩效提升中的传导作用。

第三，注重培育并形成与国家相适配的吸收能力。处于紧密型、搜寻型合作网络中的国家要依据合作网络演化趋势并结合国家实力动态调整人力、资本等的投入强度，形成与自身实际相匹配的吸收能力，从而放大网络能力对农业科技创新绩效的提升作用。但由于高合作广度及低合作深度的培养型合作网络中的国家需要整合、转化与应用的创新资源数量多且过于分散致使吸收能力的积极作用被削弱，因此要进一步精准选择合作伙伴并注重加强合作关系，降低同质性冗余信息对农业科技创新绩效带来的负面影响。