[摘要]知識網(wǎng)絡(luò)動態(tài)性能夠?yàn)槠髽I(yè)帶來外部異質(zhì)性創(chuàng)新資源，對企業(yè)雙元創(chuàng)新績效具有重要影響。以2010—2020年滬深A(yù)股上市企業(yè)為研究樣本，通過構(gòu)建面板模型實(shí)證分析知識網(wǎng)絡(luò)動態(tài)性對企業(yè)雙元創(chuàng)新績效的影響。結(jié)果表明，知識網(wǎng)絡(luò)動態(tài)性與企業(yè)雙元創(chuàng)新績效具有顯著正相關(guān)關(guān)系；知識網(wǎng)絡(luò)動態(tài)性企業(yè)雙元創(chuàng)新績效的影響表現(xiàn)出高質(zhì)量化特征，對于探索式創(chuàng)新績效的影響效果大于利用式創(chuàng)新績效。合作網(wǎng)絡(luò)結(jié)構(gòu)洞與政府創(chuàng)新補(bǔ)貼均能夠正向調(diào)節(jié)知識網(wǎng)絡(luò)動態(tài)性與企業(yè)雙元創(chuàng)新績效的關(guān)系。此外，知識網(wǎng)絡(luò)動態(tài)性對市場化高水平地區(qū)、資本密集型、技術(shù)密集型、非國有企業(yè)雙元創(chuàng)新績效的影響更顯著。未來，應(yīng)搭建企業(yè)創(chuàng)新知識網(wǎng)絡(luò)、積極落實(shí)差異化創(chuàng)新策略、強(qiáng)化外部資源支持效能，促進(jìn)企業(yè)雙元創(chuàng)新績效提升。

[關(guān)鍵詞]知識網(wǎng)絡(luò)；創(chuàng)新績效；雙元創(chuàng)新；合作網(wǎng)絡(luò)結(jié)構(gòu)洞；政府創(chuàng)新補(bǔ)貼

一、 引言

伴隨國民經(jīng)濟(jì)轉(zhuǎn)入高質(zhì)量發(fā)展軌道，企業(yè)創(chuàng)新成為經(jīng)濟(jì)實(shí)現(xiàn)高質(zhì)量發(fā)展的核心要素。據(jù)工業(yè)和信息化部最新數(shù)據(jù)顯示，截至2022年4月，我國專精特新“小巨人”企業(yè)創(chuàng)新指數(shù)達(dá)到198.02，同比漲幅達(dá)到27.73%1。但當(dāng)前，我國企業(yè)自主創(chuàng)新意識還有待進(jìn)一步提升，尤其是高端產(chǎn)業(yè)中智能傳感器、芯片制造等關(guān)鍵核心技術(shù)“卡脖子”問題依然突出[1]。為此，我國立足全局高度作出戰(zhàn)略統(tǒng)籌部署。2022年8月，財(cái)政部與科技部聯(lián)合印發(fā)《企業(yè)技術(shù)創(chuàng)新能力提升行動方案（2022—2023年）》，提出到2023年底，創(chuàng)新要素加速向企業(yè)集聚，各類企業(yè)以科技創(chuàng)新引領(lǐng)高質(zhì)量發(fā)展取得積極成效2；科技部、工業(yè)和信息化部等六部委聯(lián)合印發(fā)《關(guān)于加快場景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見》，提出要大力支持獨(dú)角獸、專精特新“小巨人”、人工智能初創(chuàng)企業(yè)積極參與產(chǎn)業(yè)場景創(chuàng)新，加快實(shí)現(xiàn)業(yè)務(wù)成長3。隨后，黨的二十大報(bào)告再次強(qiáng)調(diào)，“完善科技創(chuàng)新體系”“強(qiáng)化企業(yè)科技創(chuàng)新主體地位，發(fā)揮科技型骨干企業(yè)引領(lǐng)支撐作用”4，對加快推動企業(yè)創(chuàng)新提出了新要求。

在實(shí)施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略中，企業(yè)主要承擔(dān)滿足市場需求的應(yīng)用研究職責(zé)，通過新產(chǎn)品、新技術(shù)研發(fā)應(yīng)用創(chuàng)造經(jīng)濟(jì)效益?；诖?，創(chuàng)新績效成為考量企業(yè)落實(shí)創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略成效的重要指標(biāo)[2]。尤其在雙元理論下，企業(yè)利用式與探索式雙元創(chuàng)新活動受到各界關(guān)注。知識網(wǎng)絡(luò)作為企業(yè)開展雙元創(chuàng)新活動的基礎(chǔ)性資源，在提升企業(yè)雙元創(chuàng)新績效方面發(fā)揮著重要作用。在知識資源交互過程中，知識網(wǎng)絡(luò)的擴(kuò)張、趨穩(wěn)等動態(tài)性發(fā)展有助于隱性知識和高質(zhì)量信息交換，增強(qiáng)企業(yè)間互動頻率與互惠程度，為企業(yè)雙元創(chuàng)新績效提升帶來新優(yōu)勢[3]?；诖耍疚囊?010—2020年滬深A(yù)股上市企業(yè)為研究對象，考察知識網(wǎng)絡(luò)動態(tài)性對企業(yè)雙元創(chuàng)新績效的影響。在此基礎(chǔ)上，從合作網(wǎng)絡(luò)結(jié)構(gòu)洞、政府創(chuàng)新補(bǔ)貼視角作進(jìn)一步分析。與已有研究相比，本文的創(chuàng)新性在于以下幾點(diǎn)：第一，以知識網(wǎng)絡(luò)動態(tài)性為切入點(diǎn)，考察企業(yè)雙元創(chuàng)新績效的影響因素，有助于拓展深化企業(yè)創(chuàng)新相關(guān)的社會網(wǎng)絡(luò)研究。第二，研究在切入視角和內(nèi)容上具備一定創(chuàng)新性，對于搭建企業(yè)創(chuàng)新知識網(wǎng)絡(luò)、推動企業(yè)突破創(chuàng)新發(fā)展“孤島”困境、建設(shè)科技強(qiáng)國具有重要現(xiàn)實(shí)價值與理論意義。

二、 相關(guān)文獻(xiàn)回顧與假設(shè)提出

1. 相關(guān)文獻(xiàn)回顧與梳理

企業(yè)雙元創(chuàng)新涵蓋兩種創(chuàng)新方式，一是利用現(xiàn)有資源進(jìn)行產(chǎn)品與服務(wù)創(chuàng)新升級，二是脫離已有技術(shù)軌道開展的創(chuàng)新活動。大多學(xué)者關(guān)注企業(yè)雙元創(chuàng)新的影響因素。李柏洲等[4]認(rèn)為，知識慣性能夠顯著促進(jìn)企業(yè)漸進(jìn)式創(chuàng)新，對突破式創(chuàng)新具有顯著倒“U”型作用。田善武等[5]提出，制度多重性對領(lǐng)先企業(yè)雙元創(chuàng)新的演化路徑具有重要影響。朱瑾等[6]從組織、領(lǐng)導(dǎo)與資源三維視角切入，研究發(fā)現(xiàn)在線品牌社群的自組織結(jié)構(gòu)是企業(yè)雙元創(chuàng)新的必要條件。蔣英兵等[7]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)雙元創(chuàng)新的投入水平，對探索式創(chuàng)新投入的影響強(qiáng)于開發(fā)式創(chuàng)新投入。陳勁等[8]研究提出，政府采購能夠顯著驅(qū)動企業(yè)雙元創(chuàng)新，對于探索式創(chuàng)新的影響更加顯著。梁杰等[9]認(rèn)為，多類型伙伴研發(fā)合作是影響企業(yè)雙元創(chuàng)新績效的重要因素，不同類型合作伙伴對雙元創(chuàng)新績效的影響作用存在差異性。蔡建新等[10]研究發(fā)現(xiàn)，產(chǎn)學(xué)研合作的廣度能夠有效促進(jìn)利用式與探索式雙元創(chuàng)新績效提升，但產(chǎn)學(xué)研合作深度僅能夠促進(jìn)企業(yè)探索式創(chuàng)新績效提升。

大量文獻(xiàn)表明，知識網(wǎng)絡(luò)在協(xié)同創(chuàng)新網(wǎng)絡(luò)中扮演著重要角色。劉蕓等[11]提出組織聲譽(yù)能夠促進(jìn)創(chuàng)新績效提升，知識共享與知識轉(zhuǎn)移在其中發(fā)揮部分中介作用。鄭小勇[12]認(rèn)為，知識網(wǎng)絡(luò)密度與集團(tuán)漸進(jìn)性產(chǎn)品創(chuàng)新能力具有顯著正相關(guān)關(guān)系，對集團(tuán)突破性產(chǎn)品創(chuàng)新能力具有倒“U”型影響。趙炎等[13]發(fā)現(xiàn)，企業(yè)網(wǎng)絡(luò)閉合對企業(yè)創(chuàng)新績效起倒“U”型影響，知識多樣性會弱化該作用效果。張紅娟等[14]提出，外部研發(fā)合作有利于企業(yè)創(chuàng)新績效提升，而企業(yè)內(nèi)部知識網(wǎng)絡(luò)會影響外部研發(fā)合作的作用效果。劉嘉明等[15]研究提出，企業(yè)在知識網(wǎng)絡(luò)中的位置與企業(yè)創(chuàng)新緊密相關(guān)，占據(jù)橋梁位置有助于專利創(chuàng)新數(shù)量提升，占據(jù)中心性位置利于專利創(chuàng)新質(zhì)量提升。上述研究表明知識網(wǎng)絡(luò)對企業(yè)創(chuàng)新具有重要影響。但是現(xiàn)有文獻(xiàn)大多研究靜態(tài)知識網(wǎng)絡(luò)對于企業(yè)創(chuàng)新的影響，忽略了知識網(wǎng)絡(luò)動態(tài)性變化可能產(chǎn)生的作用效果，對于知識網(wǎng)絡(luò)動態(tài)性在不同類型企業(yè)創(chuàng)新中的作用機(jī)制如何、是否會受到知識網(wǎng)絡(luò)嵌入位置的影響等問題探討較淺，未提供大樣本的實(shí)證研究證據(jù)。

2. 知識網(wǎng)絡(luò)動態(tài)性與企業(yè)雙元創(chuàng)新績效

知識網(wǎng)絡(luò)是指由各種信息、人力等資源構(gòu)成的復(fù)雜網(wǎng)絡(luò)關(guān)系，能夠通過知識創(chuàng)造和轉(zhuǎn)移促進(jìn)新知識利用，進(jìn)而達(dá)成知識積累與應(yīng)用目的。本質(zhì)而言，知識網(wǎng)絡(luò)動態(tài)性是知識資源動態(tài)轉(zhuǎn)移的過程，包括知識網(wǎng)絡(luò)穩(wěn)定性與知識網(wǎng)絡(luò)擴(kuò)張性[16]。從知識基礎(chǔ)觀理論來看，知識網(wǎng)絡(luò)是企業(yè)有效落實(shí)知識管理的重要媒介與工具，亦是知識傳播與創(chuàng)造的最主要載體，其動態(tài)性變化能夠促進(jìn)知識在企業(yè)內(nèi)外部傳播與轉(zhuǎn)移，利于雙元創(chuàng)新績效提升。知識網(wǎng)絡(luò)動態(tài)性演變?yōu)槠髽I(yè)間知識傳播提供了良好平臺與途徑，將眾多企業(yè)不同知識資源匯聚，促使企業(yè)不斷獲取和內(nèi)化其他伙伴企業(yè)的知識資源，并通過交流互動創(chuàng)造新的知識。這能夠有效增加企業(yè)知識存量，促進(jìn)雙元創(chuàng)新績效穩(wěn)步提升。

基于組織雙元理論，企業(yè)雙元創(chuàng)新可劃分為利用式創(chuàng)新與探索式創(chuàng)新。短期而言，知識網(wǎng)絡(luò)動態(tài)性發(fā)展能夠促進(jìn)知識資源在網(wǎng)絡(luò)中的流動，促使企業(yè)在擴(kuò)充現(xiàn)有知識資源庫同時，針對現(xiàn)有產(chǎn)品與服務(wù)進(jìn)行優(yōu)化和創(chuàng)新，促使利用式創(chuàng)新績效不斷提升。長期而言，知識網(wǎng)絡(luò)動態(tài)性變化促使大量隱性知識在企業(yè)間傳播，有效推動企業(yè)開展探索式創(chuàng)新，繼而提升探索式創(chuàng)新績效。具言之，知識網(wǎng)絡(luò)動態(tài)性發(fā)展有助于企業(yè)間人才進(jìn)行非正式、經(jīng)常性溝通，促進(jìn)隱性知識共享，利于全新的創(chuàng)意與知識產(chǎn)生，推動企業(yè)技術(shù)突破式創(chuàng)新，進(jìn)而提升探索式創(chuàng)新績效。綜上，本文提出以下假設(shè)：

假設(shè)1：知識網(wǎng)絡(luò)動態(tài)性可有效促進(jìn)企業(yè)雙元創(chuàng)新績效提升。

3. 調(diào)節(jié)機(jī)制分析

企業(yè)在開展雙元創(chuàng)新活動過程中，會通過與外界互動形成復(fù)雜的合作網(wǎng)絡(luò)。在合作網(wǎng)絡(luò)中占據(jù)優(yōu)勢位置的企業(yè)在知識獲取與轉(zhuǎn)移中更具優(yōu)勢，尤其是占據(jù)合作網(wǎng)絡(luò)結(jié)構(gòu)洞的企業(yè)，擁有更多獲取、交換新知識資源的機(jī)會與資源控制優(yōu)勢[17]，利于開展雙元創(chuàng)新活動。一方面，占據(jù)合作網(wǎng)絡(luò)結(jié)構(gòu)洞位置的企業(yè)能夠快速識別和獲取知識網(wǎng)絡(luò)動態(tài)性發(fā)展過程中非冗余、異質(zhì)性知識資源，加快自身對于外部知識資源的內(nèi)化與應(yīng)用，進(jìn)而有效提升自身上元創(chuàng)新績效。另一方面，占據(jù)合作網(wǎng)絡(luò)結(jié)構(gòu)洞的企業(yè)思維范式約束更少，在知識網(wǎng)絡(luò)動態(tài)性演變過程中更傾向于降低自身鎖定效應(yīng)與路徑依賴風(fēng)險(xiǎn)，能夠深度挖掘自身知識庫資源[18]，進(jìn)行知識重組，提升雙元創(chuàng)新績效。據(jù)此，本文提出如下假設(shè)：

假設(shè)2：合作網(wǎng)絡(luò)結(jié)構(gòu)洞在知識網(wǎng)絡(luò)動態(tài)性與企業(yè)雙元創(chuàng)新績效之間發(fā)揮正向調(diào)節(jié)作用。

政府創(chuàng)新補(bǔ)貼是企業(yè)雙元創(chuàng)新績效提升的重要因素，能夠強(qiáng)化知識網(wǎng)絡(luò)動態(tài)性對企業(yè)雙元創(chuàng)新績效的作用效果。第一，政府創(chuàng)新補(bǔ)貼能夠有效補(bǔ)充企業(yè)創(chuàng)新資源，緩解企業(yè)內(nèi)源融資壓力[19]。在政府創(chuàng)新補(bǔ)貼加持下，知識網(wǎng)絡(luò)動態(tài)性帶來的大量外部知識被企業(yè)快速轉(zhuǎn)化和應(yīng)用于雙元創(chuàng)新活動中，增加創(chuàng)新產(chǎn)出，促進(jìn)雙元創(chuàng)新績效提升。第二，政府創(chuàng)新補(bǔ)貼具有信號傳遞效應(yīng)，能夠向市場釋放隱形的“政府認(rèn)證”信號，在一定程度上彌合企業(yè)與市場之間的信息鴻溝，幫助企業(yè)獲取更多外部創(chuàng)新資源。由此，知識網(wǎng)絡(luò)動態(tài)性帶來的知識溢出效應(yīng)得到進(jìn)一步強(qiáng)化，助推企業(yè)創(chuàng)新績效不斷提升?；诖耍疚奶岢鋈缦录僭O(shè)：

假設(shè)3：政府創(chuàng)新補(bǔ)貼在知識網(wǎng)絡(luò)動態(tài)性與企業(yè)雙元創(chuàng)新績效之間發(fā)揮正向調(diào)節(jié)作用。

三、 研究設(shè)計(jì)與變量說明

1. 數(shù)據(jù)來源與樣本選擇

本文選取2010—2020年滬深A(yù)股上市企業(yè)為初始樣本。為提升研究的準(zhǔn)確性和嚴(yán)謹(jǐn)性，對初始樣本進(jìn)行以下篩選與處理：第一，剔除ST、PT樣本企業(yè)，以及變量數(shù)據(jù)缺失嚴(yán)重的企業(yè)。第二，鑒于行業(yè)特殊性，剔除金融類上市企業(yè)和房地產(chǎn)類上市企業(yè)。第三，為避免極端值對研究結(jié)果造成影響，對變量數(shù)據(jù)采取1%縮尾處理。經(jīng)過篩選和處理，最終獲得13752個觀測數(shù)據(jù)。樣本數(shù)據(jù)主要來源于國家知識產(chǎn)權(quán)局網(wǎng)站、Wind數(shù)據(jù)庫、萬得數(shù)據(jù)庫、國泰安數(shù)據(jù)庫以及CSMAR數(shù)據(jù)庫，部分變量數(shù)據(jù)借助網(wǎng)絡(luò)爬蟲技術(shù)進(jìn)行獲取。

2. 變量定義

企業(yè)雙元創(chuàng)新績效（[Din]）。結(jié)合樣本數(shù)據(jù)特征與已有研究[20]，本文以實(shí)用新型和外觀設(shè)計(jì)申請數(shù)量衡量利用式創(chuàng)新績效（[xij]）；以發(fā)明專利申請數(shù)量衡量探索式創(chuàng)新績效（[Exi]）?；谏鲜鰞蓚€代理指標(biāo)，借助熵權(quán)法綜合測算得到企業(yè)雙元創(chuàng)新績效。

知識網(wǎng)絡(luò)動態(tài)性（[Know]）。根據(jù)企業(yè)專利申請中ICP的共同出現(xiàn)信息搭建知識網(wǎng)絡(luò)。在此基礎(chǔ)上，以專利前四位IPC分類號表征知識元素，判別知識元素是否關(guān)聯(lián)。若兩個四位IPC分類號出現(xiàn)在同一專利中，則表明知識元素具有關(guān)聯(lián)性，將其記作知識網(wǎng)絡(luò)中邊，即ICP組合。本文采用5年時間窗口，以[t]到[t]-1年專利申請信息構(gòu)建企業(yè)第[t]年知識網(wǎng)絡(luò)，計(jì)算知識網(wǎng)絡(luò)動態(tài)性。首先，對企業(yè)[t]-1年和[t]年的ICP組合進(jìn)行對比，統(tǒng)計(jì)第[t]年企業(yè)IPC組合數(shù)量，將其作為分子。其次，統(tǒng)計(jì)企業(yè)[t]-1年和[t]年不重復(fù)的IPC組合數(shù)量，將其作為分母。最后，計(jì)算企業(yè)第[t]年的知識網(wǎng)絡(luò)動態(tài)性，計(jì)算公式為[Knowit]=1-（第[t]年企業(yè)知識網(wǎng)絡(luò)IPC組合數(shù)量/[t]-1年和[t]年不重復(fù)的IPC組合數(shù)量）。知識網(wǎng)絡(luò)動態(tài)性取值范圍為0 —1，取值越接近1，表明企業(yè)對知識元素組合運(yùn)用的方式變化越大，知識網(wǎng)絡(luò)動態(tài)性越高。

合作網(wǎng)絡(luò)結(jié)構(gòu)洞（[Hc]）。借助楊蕙馨等[21]的研究，本文以結(jié)構(gòu)洞限制度為代理變量，衡量企業(yè)合作網(wǎng)絡(luò)結(jié)構(gòu)洞，計(jì)算方法為[Hc=jPij+qPiqPqj2] 。式（1）中，節(jié)點(diǎn)[i]與[j]為鄰接節(jié)點(diǎn)；[q]為節(jié)點(diǎn)[i]與[j]的共同鄰接節(jié)點(diǎn)；[Piq]和[Pqj]分別表征節(jié)點(diǎn)[q]在[i]和[j]的鄰接節(jié)點(diǎn)中所占權(quán)重。

政府創(chuàng)新補(bǔ)貼（[Ginn]）。政府創(chuàng)新補(bǔ)貼是政府給予企業(yè)創(chuàng)新的資金補(bǔ)貼、獎勵和資助等多種經(jīng)濟(jì)扶持。參考石軍偉等[22]的研究，本文借助“關(guān)鍵詞搜索”方法對政府補(bǔ)貼范圍加以明確，繼而獲得政府創(chuàng)新補(bǔ)貼的變量數(shù)據(jù)。

控制變量?？紤]到企業(yè)雙元創(chuàng)新績效的影響因素較為復(fù)雜，本文選取如下控制變量：（1）企業(yè)規(guī)模（[Size]），以企業(yè)總資產(chǎn)的對數(shù)值衡量。（2）資本密集度（[Catsl]），以企業(yè)總資產(chǎn)與總?cè)藬?shù)比值衡量。（3）盈利能力（[Pro]），以企業(yè)凈利潤的對數(shù)值表征。（4）企業(yè)年齡（[Age]），以企業(yè)被調(diào)查年份（2020）與成立年份差值衡量企業(yè)年齡。（5）資產(chǎn)負(fù)債率（[Ratio]），以總負(fù)債與企業(yè)總資產(chǎn)的比值進(jìn)行衡量。（6）股權(quán)集中度（[Contl]），以上市企業(yè)第一大股東持股比例加以衡量。（7）企業(yè)成長性（[Grow]），以上市企業(yè)營收增長率進(jìn)行衡量。（8）金融市場化環(huán)境（[Fmark]），以企業(yè)獲得的金融貸款與金融機(jī)構(gòu)新增貸款比值衡量。（9）研發(fā)投入（[RD]），以企業(yè)年末研發(fā)投入與營收的比值進(jìn)行衡量。

3. 模型設(shè)計(jì)

為驗(yàn)證假設(shè)1，本文設(shè)定如下模型：

[Din（Uti，Exi）=γ0+γ1Know+γ2Size+γ3Catsl+γ4Pro+γ5Age +γ6Ratio+γ7Contl+γ8Grow+γ9Fmark+γ10RD +γ11YearDummy+γ12InduDummy+ε1]? （1）

式（1）中，[Din]（[Uti]，[Exi]）表征企業(yè)雙元創(chuàng)新績效（利用式創(chuàng)新績效、探索式創(chuàng)新績效）；[Know]表征知識網(wǎng)絡(luò)動態(tài)性。[InduDummy]和[YearDummy]表征控制企業(yè)與年份啞變量。

為驗(yàn)證假設(shè)2和假設(shè)3，設(shè)定如下模型：

[Din]（[Uti]，[Exi]）[=α0+α1Know+α2Hc+α3Know×Hc+α4Control+ε2]? （2）

[Din]（[Uti]，[Exi]）[=β0+β1Know+β2Ginn+β3Know×Ginn+β4Control+ε3]? （3）

式（2）（3）中，[Hc]表征合作網(wǎng)絡(luò)結(jié)構(gòu)洞；[Ginn]表征政府創(chuàng)新補(bǔ)貼；模型（2）中新增知識網(wǎng)絡(luò)動態(tài)性與合作網(wǎng)絡(luò)結(jié)構(gòu)洞的交互項(xiàng)[Know×Hc]，以檢驗(yàn)合作網(wǎng)絡(luò)結(jié)構(gòu)洞的調(diào)節(jié)作用；模型（3）中新增知識網(wǎng)絡(luò)動態(tài)性與政府創(chuàng)新補(bǔ)貼的交互項(xiàng)[Know×Ginn]，以此檢驗(yàn)政府創(chuàng)新補(bǔ)貼對知識網(wǎng)絡(luò)動態(tài)性促進(jìn)企業(yè)雙元創(chuàng)新績效過程中的調(diào)節(jié)作用。[Control]指代控制變量。上述模型中均采用Robust對標(biāo)準(zhǔn)誤進(jìn)行調(diào)整，對企業(yè)代碼進(jìn)行聚類分析（Cluster）。

四、 實(shí)證結(jié)果分析

1. 基準(zhǔn)回歸結(jié)果分析

表1為模型（1）回歸結(jié)果?？梢钥闯?，知識網(wǎng)絡(luò)動態(tài)性（[Know]）的回歸估計(jì)系數(shù)為0.802，且在5%統(tǒng)計(jì)水平上顯著。這意味著企業(yè)之間構(gòu)建的知識網(wǎng)絡(luò)規(guī)模越大、結(jié)構(gòu)越穩(wěn)定，對企業(yè)自身雙元創(chuàng)新績效提升的驅(qū)動作用越大。這一回歸結(jié)果驗(yàn)證了假設(shè)1的存在性。就控制變量回歸結(jié)果而言，資本密集度（[Catsl]）、盈利能力（[Pro]）、企業(yè)成長性（[Grow]）、金融市場化環(huán)境（[Fmark]）、研發(fā)投入（[RD]）均顯著正向影響企業(yè)雙元創(chuàng)新績效。資產(chǎn)負(fù)債率（[Ratio]）對企業(yè)雙元創(chuàng)新績效具有顯著抑制作用，可能是由于企業(yè)在較高水平的負(fù)債率壓力下，用于創(chuàng)新的資金投入不足，故表現(xiàn)出抑制企業(yè)雙元創(chuàng)新績效提升。企業(yè)規(guī)模（[Size]）、股權(quán)集中度（[Contl]）、企業(yè)年齡（[Age]）對企業(yè)雙元創(chuàng)新績效的影響不顯著。

2. 分類實(shí)證結(jié)果分析

在表2第（1）列中，知識網(wǎng)絡(luò)動態(tài)性（[Know]）的回歸系數(shù)在1%統(tǒng)計(jì)水平上顯著為正。在表2第（2）列中，知識網(wǎng)絡(luò)動態(tài)性（[Know]）的回歸估計(jì)系數(shù)為0.802，通過10%水平顯著性檢驗(yàn)。綜合來看，這一結(jié)果再次驗(yàn)證假設(shè)1成立。對比發(fā)現(xiàn)，知識網(wǎng)絡(luò)動態(tài)性對探索式創(chuàng)新績效的影響作用更顯著?？赡艿脑蚴牵檬絼?chuàng)新主要以現(xiàn)有資源為基礎(chǔ)，優(yōu)化和改善已有服務(wù)和產(chǎn)品，與企業(yè)實(shí)質(zhì)性創(chuàng)新之間存在一定差距。相較而言，探索式創(chuàng)新的重點(diǎn)在于探索開發(fā)全新技術(shù)領(lǐng)域，具有更強(qiáng)創(chuàng)新主動性，對企業(yè)核心競爭優(yōu)勢的提升效果更加明顯，受知識網(wǎng)絡(luò)動態(tài)性變化的影響更顯著。簡言之，知識網(wǎng)絡(luò)動態(tài)性的知識傳導(dǎo)效應(yīng)體現(xiàn)出顯著高質(zhì)量化特征，即知識網(wǎng)絡(luò)動態(tài)性能夠顯著促進(jìn)企業(yè)探索式創(chuàng)新績效提升，但對于利用式創(chuàng)新績效的促進(jìn)作用相對較弱。就控制變量回歸結(jié)果而言，資本密集度（[Catsl]）、盈利能力（[Pro]）、企業(yè)成長性（[Grow]）、金融市場化環(huán)境（[Fmark]）、研發(fā)投入（[RD]）均對探索式創(chuàng)新績效（[Exi]）與利用式創(chuàng)新績效（[Uti]）表現(xiàn)出不同程度的正向促進(jìn)作用。企業(yè)年齡（[Age]）對利用式創(chuàng)新績效具有顯著正向影響，對探索式創(chuàng)新績效的影響不顯著。這可能是由于企業(yè)成立時間越長，越傾向于借助利用式創(chuàng)新提升企業(yè)經(jīng)營績效。企業(yè)規(guī)模（[Size]）、股權(quán)集中度（[Contl]）對探索式與利用式創(chuàng)新績效的影響均不顯著。

3. 穩(wěn)健性檢驗(yàn)

知識網(wǎng)絡(luò)動態(tài)性與企業(yè)雙元創(chuàng)新績效之間可能存在雙向因果關(guān)系，導(dǎo)致上述研究結(jié)果存在內(nèi)生性問題。基于此，本文借鑒鄭瓊潔等[23]的研究，借助傾向得分匹配倍差法（PSM-DID）解決模型內(nèi)生性問題。

第一，按照企業(yè)能否成為知識網(wǎng)絡(luò)連接點(diǎn)的一系列特征變量進(jìn)行匹配，借助“最鄰近”匹配算法（半徑為0.05，K=4）進(jìn)行配對樣本選取，以確定實(shí)驗(yàn)組與對照組。圖1為匹配前后實(shí)驗(yàn)組與對照組的標(biāo)準(zhǔn)誤。觀察發(fā)現(xiàn)，匹配前實(shí)驗(yàn)組與對照組之間匹配變量存在較大差異，匹配后大多數(shù)變量的點(diǎn)靠近標(biāo)準(zhǔn)誤為0的豎線。這意味著主要匹配變量之間的顯著性差異得到有效控制，即匹配結(jié)果可靠。匹配完成后，對不滿足共同區(qū)域假設(shè)的觀測值進(jìn)行剔除。

第二，對匹配后的實(shí)驗(yàn)組與對照組進(jìn)行DID估計(jì)。本文將連接外部知識網(wǎng)絡(luò)之前定義為實(shí)驗(yàn)前，將連接外部知識網(wǎng)絡(luò)后定義為實(shí)驗(yàn)后，進(jìn)行PSM-DID估計(jì)，結(jié)果如表3所示?？梢园l(fā)現(xiàn)，雙重差分估計(jì)結(jié)果為1.967，且通過5%顯著性水平檢驗(yàn)，即連接外部知識網(wǎng)絡(luò)對企業(yè)雙元創(chuàng)新績效具有顯著正向雙差分影響。由此可見，一旦連接外部知識網(wǎng)絡(luò)，企業(yè)雙元創(chuàng)新績效將會明顯提升。這也意味著在控制了其他可能產(chǎn)生干擾的因素之后，知識網(wǎng)絡(luò)動態(tài)性仍然能夠顯著促進(jìn)企業(yè)雙元創(chuàng)新績效提升。不僅如此，還能夠通過表3結(jié)果看出在連接外部知識網(wǎng)絡(luò)之后，企業(yè)探索式創(chuàng)新績效水平高于連接外部知識網(wǎng)絡(luò)前約1.624個點(diǎn)?？偠灾?，PSM-DID估計(jì)結(jié)果表明，在控制可能存在的雙向因果關(guān)系導(dǎo)致的內(nèi)生性問題之后，檢驗(yàn)結(jié)果與前文基本一致。

4. 調(diào)節(jié)效應(yīng)檢驗(yàn)

調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果如表4所示。列（1）至列（3）為合作網(wǎng)絡(luò)結(jié)構(gòu)洞的調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果?？梢园l(fā)現(xiàn)，知識網(wǎng)絡(luò)動態(tài)性與合作網(wǎng)絡(luò)結(jié)構(gòu)洞交互項(xiàng)[Know×Hc]的回歸系數(shù)均顯著為正，表明合作網(wǎng)絡(luò)結(jié)構(gòu)洞能夠強(qiáng)化知識網(wǎng)絡(luò)動態(tài)性與企業(yè)雙元創(chuàng)新績效之間的信息傳導(dǎo)效應(yīng)，且對探索式創(chuàng)新的調(diào)節(jié)效應(yīng)更顯著，驗(yàn)證了假設(shè)2。列（4）至列（6）為政府創(chuàng)新補(bǔ)貼的調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果。知識網(wǎng)絡(luò)動態(tài)性與政府創(chuàng)新補(bǔ)貼交互項(xiàng)[Know×Ginn]的回歸系數(shù)均為正，且通過1%水平統(tǒng)計(jì)檢驗(yàn)。這一結(jié)果表明政府創(chuàng)新補(bǔ)貼能夠強(qiáng)化知識網(wǎng)絡(luò)動態(tài)性對企業(yè)雙元創(chuàng)新績效的促進(jìn)作用，且對于利用式創(chuàng)新績效的調(diào)節(jié)效應(yīng)更強(qiáng)，驗(yàn)證了假設(shè)3。

5. 進(jìn)一步檢驗(yàn)

（1）基于市場化水平的差異

立足宏觀市場環(huán)境，進(jìn)一步考察在不同市場化水平下，知識網(wǎng)絡(luò)動態(tài)性對企業(yè)雙元創(chuàng)新績效的影響。借助王小魯?shù)萚24]研究編制的各省份市場化指數(shù)，本文按照樣本企業(yè)所處省份市場化指數(shù)的中位數(shù)，將所有樣本企業(yè)劃分為市場化高水平組和市場化低水平組進(jìn)行回歸，結(jié)果如表5所示。列（1）至列（3）為市場化高水平組回歸結(jié)果，知識網(wǎng)絡(luò)動態(tài)化對雙元創(chuàng)新績效和探索式創(chuàng)新績效的回歸系數(shù)均在1%水平上顯著為正，對利用式創(chuàng)新績效的回歸系數(shù)在10%水平上顯著為正。這一結(jié)果與基準(zhǔn)回歸結(jié)果相比雖有微弱變化，但同樣驗(yàn)證了知識網(wǎng)絡(luò)動態(tài)性對企業(yè)雙元創(chuàng)新績效影響的存在性。列（4）至列（6）為市場化低水平組回歸結(jié)果，觀察可以發(fā)現(xiàn)，知識網(wǎng)絡(luò)動態(tài)化的回歸估計(jì)系數(shù)均為負(fù)且不顯著，表明知識網(wǎng)絡(luò)動態(tài)性能夠促進(jìn)市場化高水平省份企業(yè)雙元創(chuàng)新績效提升。原因可能在于市場化水平較低地區(qū)存在要素流動不暢、信息不對稱等問題，導(dǎo)致企業(yè)雙元創(chuàng)新活動開展受限，繼而外顯為知識網(wǎng)絡(luò)動態(tài)性難以有效促進(jìn)企業(yè)雙元創(chuàng)新績效提升。

（2）基于行業(yè)屬性的差異

立足行業(yè)屬性，本文以要素密集度為劃分依據(jù)，將樣本企業(yè)劃分為資本密集組、技術(shù)密集組和勞動密集組三類，探討知識網(wǎng)絡(luò)動態(tài)性對企業(yè)雙元創(chuàng)新績效影響的差異性，回歸結(jié)果如表6所示。在資本密集組，知識網(wǎng)絡(luò)動態(tài)性系數(shù)均在5%顯著性水平上為正。在技術(shù)密集組，知識網(wǎng)絡(luò)動態(tài)性系數(shù)均在1%顯著性水平上為正。在勞動密集組，第（7）列和第（8）列的知識網(wǎng)絡(luò)動態(tài)性回歸系數(shù)未通過顯著性檢驗(yàn)；第（9）列知識網(wǎng)絡(luò)動態(tài)性的回歸估計(jì)系數(shù)顯著為正，但與第（3）列和第（6）列回歸系數(shù)相比，其系數(shù)明顯較小?？梢园l(fā)現(xiàn)，知識網(wǎng)絡(luò)動態(tài)性對技術(shù)密集型企業(yè)雙元創(chuàng)新績效的影響最大，資本密集型企業(yè)次之，勞動密集型企業(yè)最小?？赡艿脑蛟谟?，知識網(wǎng)絡(luò)在動態(tài)性擴(kuò)張發(fā)展過程中，帶來更多技術(shù)、知識等創(chuàng)新資源要素，充分發(fā)揮知識溢出效應(yīng)，為技術(shù)密集型企業(yè)專利與設(shè)計(jì)研發(fā)提供了有效支撐。資本密集型企業(yè)擁有充足的資金投入，能夠借助知識網(wǎng)絡(luò)動態(tài)性發(fā)展有效開展創(chuàng)新活動。勞動密集型企業(yè)則更傾向開展利用式創(chuàng)新，整體創(chuàng)新績效水平受知識網(wǎng)絡(luò)動態(tài)性的影響較小。

（3）基于企業(yè)所有權(quán)性質(zhì)的差異

已有研究表明，企業(yè)開展創(chuàng)新活動會受到“所有制歧視”[25]。由此本文認(rèn)為，知識網(wǎng)絡(luò)動態(tài)性對企業(yè)雙元創(chuàng)新績效的影響也會因企業(yè)所有權(quán)性質(zhì)不同而產(chǎn)生差異。故進(jìn)一步將樣本企業(yè)按照所有權(quán)性質(zhì)劃分為國有企業(yè)與非國有企業(yè)兩組展開回歸檢驗(yàn)，結(jié)果如表7所示?？梢园l(fā)現(xiàn)，知識網(wǎng)絡(luò)動態(tài)性對非國有企業(yè)雙元創(chuàng)新績效的影響作用明顯強(qiáng)于國有企業(yè)。伴隨知識網(wǎng)絡(luò)動態(tài)性擴(kuò)張，企業(yè)能夠獲得更多技術(shù)、人力資本、數(shù)據(jù)等創(chuàng)新要素，有助于提升自身雙元創(chuàng)新績效。而通常情況下，國有企業(yè)擁有更加雄厚的科研實(shí)力、資本以及人力資源，自身雙元創(chuàng)新水平相對較高，因此知識網(wǎng)絡(luò)動態(tài)性所帶來的雙元創(chuàng)新績效提升的邊際效應(yīng)較非國有企業(yè)小。

五、 結(jié)論與啟示

本文以2010—2020年滬深A(yù)股上市企業(yè)為研究樣本，實(shí)證檢驗(yàn)知識網(wǎng)絡(luò)動態(tài)性與企業(yè)雙元創(chuàng)新績效之間的關(guān)系。結(jié)果表明：第一，知識網(wǎng)絡(luò)動態(tài)性有助于促進(jìn)企業(yè)雙元創(chuàng)新績效提升。第二，知識網(wǎng)絡(luò)動態(tài)性有助于提升企業(yè)探索式與利用式創(chuàng)新績效，且對前者的作用效果更明顯，即知識網(wǎng)絡(luò)動態(tài)性的企業(yè)雙元創(chuàng)新績效提升效應(yīng)表現(xiàn)出明顯高質(zhì)量化特征。第三，合作網(wǎng)絡(luò)結(jié)構(gòu)洞與政府創(chuàng)新補(bǔ)貼發(fā)揮正向調(diào)節(jié)作用，均能夠強(qiáng)化知識網(wǎng)絡(luò)動態(tài)性對企業(yè)雙元創(chuàng)新績效的影響作用。第四，知識網(wǎng)絡(luò)動態(tài)性對企業(yè)雙元創(chuàng)新績效的影響存在明顯異質(zhì)性，對在市場化高水平地區(qū)的企業(yè)，對資本密集型、技術(shù)密集型、非國有企業(yè)的作用效果更明顯。

通過實(shí)證分析本文得到以下啟示：

首先，搭建企業(yè)創(chuàng)新知識網(wǎng)絡(luò)，夯實(shí)企業(yè)雙元創(chuàng)新基礎(chǔ)。前文證實(shí)，知識網(wǎng)絡(luò)動態(tài)性能夠有效促進(jìn)企業(yè)雙元創(chuàng)新績效提升。由此，企業(yè)應(yīng)積極搭建創(chuàng)新知識網(wǎng)絡(luò)，打通企業(yè)間知識梯度通道，強(qiáng)化企業(yè)與外部異質(zhì)性知識源的連接強(qiáng)度，為創(chuàng)新活動提供有效知識資源支撐，促進(jìn)利用式創(chuàng)新績效提升。同時，相關(guān)部門應(yīng)加大政策傾斜力度，引導(dǎo)核心企業(yè)深度嵌入知識網(wǎng)絡(luò)，打造知識網(wǎng)絡(luò)集群，加快隱性創(chuàng)新資源流動，為企業(yè)探索式創(chuàng)新提供有力支持。

其次，落實(shí)差異化創(chuàng)新策略，因地制宜提升企業(yè)雙元創(chuàng)新績效。研究表明，知識網(wǎng)絡(luò)動態(tài)性對企業(yè)雙元創(chuàng)新績效的影響存在明顯差異。故不同地區(qū)、不同類型的企業(yè)應(yīng)根據(jù)自身實(shí)際情況，選擇差異化創(chuàng)新策略，提升自身雙元創(chuàng)新績效。具言之，市場化高水平地區(qū)的企業(yè)、資本密集型、技術(shù)密集型、非國有企業(yè)應(yīng)積極推進(jìn)開放式創(chuàng)新，聯(lián)合高校、科研機(jī)構(gòu)等創(chuàng)新主體共同打造開放協(xié)作共享的創(chuàng)新平臺，共享創(chuàng)新資源，聯(lián)合推動核心技術(shù)攻關(guān)，促進(jìn)企業(yè)探索式創(chuàng)新績效提升。市場化低水平地區(qū)的企業(yè)、勞動密集型、國有企業(yè)應(yīng)積極嵌入外部知識網(wǎng)絡(luò)，與外部創(chuàng)新主體進(jìn)行異質(zhì)性、高質(zhì)量創(chuàng)新知識資源交換，有效提升自身利用式創(chuàng)新績效。

最后，強(qiáng)化外部資源支持效能，提高企業(yè)雙元創(chuàng)新質(zhì)效。知識網(wǎng)絡(luò)動態(tài)性的雙元創(chuàng)新績效提升效應(yīng)受到合作網(wǎng)絡(luò)結(jié)構(gòu)洞與政府創(chuàng)新補(bǔ)貼的影響。一方面，企業(yè)應(yīng)積極嵌入外部合作網(wǎng)絡(luò)，優(yōu)化自身合作網(wǎng)絡(luò)結(jié)構(gòu)，理性選擇合作伙伴。如企業(yè)可優(yōu)先選擇接近中心性強(qiáng)、程度中心性低的關(guān)鍵性合作伙伴，進(jìn)行異質(zhì)性創(chuàng)新資源共享與交換，提升自身利用式創(chuàng)新績效。另一方面，政府部門應(yīng)不斷完善國家級、省級、市級等各層級科技企業(yè)補(bǔ)貼機(jī)制，以財(cái)政科技資金支持企業(yè)開展關(guān)鍵核心技術(shù)攻關(guān)，提升企業(yè)探索式創(chuàng)新績效。同時，加快建設(shè)區(qū)域科技成果孵化基地，助力企業(yè)雙元創(chuàng)新成果落地轉(zhuǎn)化，提升企業(yè)雙元創(chuàng)新績效。

參考文獻(xiàn)：

[1] 陳勁，陽鎮(zhèn).融通創(chuàng)新視角下關(guān)鍵核心技術(shù)的突破：理論框架與實(shí)現(xiàn)路徑[J].社會科學(xué)，2021（5）：58-69.

[2] 劉曉婷.國企改革背景下的企業(yè)創(chuàng)新和相對績效評價——基于中國上市國有企業(yè)的實(shí)證研究[J].中國注冊會計(jì)師，2020（4）：50-54.

[3] 初萌.智能時代信息網(wǎng)絡(luò)傳播權(quán)的邊界及其治理[J].知識產(chǎn)權(quán)，2022（2）：108-126.

[4] 李柏洲，曾經(jīng)緯.知識慣性對企業(yè)雙元創(chuàng)新的影響[J].科學(xué)學(xué)研究，2019（4）：750-759.

[5] 田善武，許秀瑞.新能源汽車產(chǎn)業(yè)技術(shù)創(chuàng)新路徑研究——雙元性創(chuàng)新的視角[J].現(xiàn)代管理科學(xué)，2019（9）：29-31.

[6] 朱瑾，許智穎，肖丁丁.在線品牌社群對企業(yè)雙元創(chuàng)新的影響路徑——資源、組織與領(lǐng)導(dǎo)的三維組態(tài)分析[J].商業(yè)經(jīng)濟(jì)與管理，2021（1）：48-58.

[7] 姜英兵，徐傳鑫，班旭.數(shù)字化轉(zhuǎn)型與企業(yè)雙元創(chuàng)新[J].經(jīng)濟(jì)體制改革，2022（3）：187-193.

[8] 陳勁，陽鎮(zhèn)，朱子欽.政府采購、腐敗治理與企業(yè)雙元創(chuàng)新[J].吉林大學(xué)社會科學(xué)學(xué)報(bào)，2022（1）：114-126.

[9] 梁杰，謝恩，邵鵬.多類型伙伴研發(fā)合作對企業(yè)雙元創(chuàng)新績效影響的比較研究[J].中國科技論壇，2020（4）：103-110.

[10] 蔡建新，田文穎.科技創(chuàng)新平臺產(chǎn)學(xué)研合作對企業(yè)雙元創(chuàng)新績效的影響：基于廣東省工程技術(shù)中心動態(tài)評估數(shù)據(jù)的研究[J].科技管理研究，2022（11）：102-107.

[11] 劉蕓，王濤，顧新.企業(yè)創(chuàng)新網(wǎng)絡(luò)中組織聲譽(yù)對創(chuàng)新績效的影響——知識合作的中介作用與網(wǎng)絡(luò)特征的調(diào)節(jié)作用[J].經(jīng)濟(jì)經(jīng)緯，2019（4）：102-109.

[12] 鄭小勇.知識網(wǎng)絡(luò)密度、地理分散性與產(chǎn)品創(chuàng)新能力——基于商業(yè)集團(tuán)內(nèi)部整體知識網(wǎng)絡(luò)的實(shí)證研究[J].科研管理，2021（12）：175-184.

[13] 趙炎，鄧心怡，韓笑.網(wǎng)絡(luò)閉合對企業(yè)創(chuàng)新績效的影響——知識流動的中介作用[J].科學(xué)學(xué)研究，2021（6）：1144-1152.

[14] 張紅娟，申宇，趙曉陽，等.企業(yè)外部研發(fā)合作、內(nèi)部知識網(wǎng)絡(luò)與創(chuàng)新績效[J].科學(xué)學(xué)研究，2022（4）：704-712.

[15] 劉嘉明，閔超，嚴(yán)笑然.合作網(wǎng)絡(luò)和知識網(wǎng)絡(luò)對AI企業(yè)專利創(chuàng)新的影響[J].圖書館論壇，2022（9）：132-141.

[16] Yan Y， Guan J C.Social Capital， Exploitative and Exploratory Innovations： the Mediating Roles of Ego-network Dynamics[J].Technological Forecasting and Social Change，2018（126）：244-258.

[17] 蔡猷花，傅令菲，梁娟.聯(lián)盟關(guān)系演化、網(wǎng)絡(luò)結(jié)構(gòu)洞與企業(yè)合作創(chuàng)新績效[J].中國科技論壇，2021（10）：94-103.

[18] 陳運(yùn)森.社會網(wǎng)絡(luò)與企業(yè)效率：基于結(jié)構(gòu)洞位置的證據(jù)[J].會計(jì)研究，2015（1）：48-55.

[19] 馮海波，劉勝.所得課稅、風(fēng)險(xiǎn)分擔(dān)異質(zhì)性與創(chuàng)新[J].中國工業(yè)經(jīng)濟(jì)，2017（8）：138-155.

[20] 李佩凡，李璐璐，武祥琪.信息透明度促進(jìn)公司績效的優(yōu)化路徑——基于雙元創(chuàng)新的中介作用[J].現(xiàn)代管理科學(xué)，2021（5）：90-98.

[21] 楊蕙馨，孫芹，王?；?知識網(wǎng)絡(luò)動態(tài)性對高校協(xié)同創(chuàng)新績效的影響研究：合作網(wǎng)絡(luò)的調(diào)節(jié)作用[J].經(jīng)濟(jì)與管理研究，2022（10）：68-80.

[22] 石軍偉，于曉琳，萬凱.內(nèi)外兼修：政府創(chuàng)新補(bǔ)貼、員工持股激勵與企業(yè)創(chuàng)新質(zhì)量[J].軟科學(xué)，2022（7）：70-75.

[23] 鄭瓊潔，王高鳳.人工智能技術(shù)應(yīng)用與中國制造業(yè)企業(yè)生產(chǎn)率——兼對“生產(chǎn)率悖論”的再檢驗(yàn)[J].學(xué)習(xí)與實(shí)踐，2021（11）：59-69.

[24] 王小魯，樊綱，余靜文.中國分省份市場化指數(shù)報(bào)告[M].北京：社會科學(xué)文獻(xiàn)出版社，2016.

[25] Hsu D H， Hsu P H， Zhou T， et al.Benchmarking U.S. University Patent Value and Commercialization Efforts： A New Approach[J].Research Policy，2021（1）：1-10.

基金項(xiàng)目：2019年度河南省社會科學(xué)界聯(lián)合會調(diào)研項(xiàng)目“以黨的建設(shè)高質(zhì)量推動經(jīng)濟(jì)發(fā)展高質(zhì)量問題研究”（項(xiàng)目編號：SKL-2019-2877）。

作者簡介：王韻（1986-），女，博士，新鄉(xiāng)學(xué)院管理學(xué)院講師，研究方向?yàn)楣补芾?、人力資源管理。

（收稿日期：2023-02-26? 責(zé)任編輯：殷 ?。?/p>