1创新网络绩效是整个技术创新网络成果大小的具体表现
形成创新网络最根本的目标是为了获得创新绩效。绩效的好坏体现出整个高新技术企业创新网络的成功与否，是企业获得市场竞争力最关键的影响因素。创新的成果越多，能转化成实际创新产品的可能性越大。要研究创新网络绩效，对于创新收益、创新产品的市场占有率和创新网络产生专利数之间的关系和作用路径的研究必不可少。在整个高新技术企业技术创新网络中，各要素表现的相互关系如下：企业研发经费投入力度在很大程度上影响创新网络能力的大小，创新网络能力越大，对于其他成员的吸引力越大，越容易参与到创新网络中来，以期获得网络整体创新成果，当参与的创新成员达到一定的规模和数量时，研究与开发的创新成果成功应用于生产或成为专利技术标准的机会上升，标准数量增加，整个创新网络的创新绩效增加，企业的市场竞争能力急剧增强。当创新网络绩效提升后又反过来增加企业研究经费的投入力度，以此形成良性循环。基于上述的分析，本文为更系统、动态地探讨在高新技术企业技术创新网络中创新网络能力对于其绩效的影响路径及其他变量对它们的敏感度，将其分为五个子模块：创新网络能力模块；企业研发经费投入力度模块；标准数量模块；新加入科研机构数量模块和创新网络绩效模块。
2理论分析与系统动力学建模
已有文献表明，技术创新网络中的核心成员包括企业、销售商、顾客、供应商、科研机构、地方政府、中介服务等机构。李大为认为，技术创新过程中各行为主体在协同行为和交互作用中形成了包括关联企业、大学及科研机构、地方政府部门、中介组织及金融机构等[27]。Ritter指出，企业与其他外部关系不仅仅包括供应商、客户，还应该包括销售商、竞争者、政府、科研机构（大学、研究所）和咨询机构[28]。尽管不同行业的技术创新网络不尽相同，但其基本结构都是由网络节点和节点间的联系两方面构成。对于高新技术企业创新网络，其基本结点包括焦点企业、供应商、客户、科研院所、政府、中介机构等，它们分别在创新网络中发挥着不同作用，众多的不同要素聚集在一起，其目的是推动高新技术企业创新网络新技术或新知识的产生、流动、更新和转化，最终提高技术创新网络绩效。这个创新网络包含知识的共享与转移、系统创新成员的流动、R&D的投入与产出等各种传递回路，形成许多非线性的作用过程。在这个过程中，通过对人才、资金、物质及信息等创新要素的合理配置，形成一个具有整体性与动态性的复杂网络系统。本文在扩充吴传荣的技术创新网络因果关系图的基础上[1]，通过新加入的科研机构数量、标准数量、企业研发经费投入力度等中间变量，构建了系统动力学模型，探索创新网络能力与创新绩效的交互作用。模型中各变量的因果关系如图1所示。根据网络能力理论，提升网络能力会增强与其他机构的联系程度。因此，高新技术企业的创新网络能力越大，企业与大学科研机构的合作力度越强。合作力度加大后，双方沟通程度得到进一步提升。根据知识网络相关理论，网络中各成员为了弥补自己在竞争中的劣势，以知识合作和知识交流为渠道，在网络中互相吸收共性知识和各方独立拥有的优势知识，知识转移的真实性和有效性不断提高。随着创新网络中知识的有效积累，网络对外部环境的动荡性和不确定性会不断减少，企业对于外界和市场的把握程度相应提高，会对创新产品相关项目投入更多的研究经费和科技创新人员。当高新技术企业的创新人员增加时，创新产品开发数量会相应地扩大，企业的创新收益也会增多。按照协同理论的思想，当核心企业的利益不断增加时，与之相关联的其他网络成员的利益也会相应的提升，最终使整个技术创新网络绩效增加。一般情况下，当企业在某方面获得了新利益时，在追求更多利润的驱动下，企业必然会投入更多的R&D经费，企业专利的数量得到增加。企业的核心竞争力进一步增强，在市场中的地位相应提高，从而吸引更多的科研机构加入这个技术创新网络中，最终增强了整个技术创新网络的创新能力。随着企业和网络中其他成员合作力度的进一步加大，整个网络的创新管理会变得比以前简单有效。比如，企业与供应商合作力度加深，供应商能够更加充分地掌握企业的开发进展、市场销售等情况，从而可以在最短的时间内满足企业的各种需求。因此，创新管理的成本会减少，而创新收益会增加。通过上述因果影响因素的分析，认为创新网络吸引力将会得到有效提升，可以吸引科研机构的加入，增加网络中的创新人才和标准从业人员，最终导致企业的行业标准数量增加、标准化推进的速度和力度加大，从而使整个创新网络的创新能力增强。
3模型流量图和方程式分析
在图1的基础上，将整个系统分为五个子模块，分别为创新网络能力模块（见图2）、企业研发经费投入力度模块（见图3）、标准数量模块（见图4）、新加入科研机构数量模块（见图5）和创新网络绩效模块（见图6）。在深入分析各子模块的基础上，考虑各子模块之间的相互关系，最后探索整个网络。这些子模块本身就是一个复杂的系统，其内部包含各种各样的关系，同时各个模块之间又交织成一个大系统。模型中大部分变量间的函数关系是在分析流量图中每个相邻变量因果关系的基础上得到的，少部分常变量的取值是在研究市场数据规律的基础上得到的。比如，模型中把市场竞争度看成是随机函数而不是一个定量的市场平均值；市场需求信息延迟和标准化推进延迟是用更加贴近高新技术企业实际需求和预期目标的随机函数来表示的，这样使模型更加贴近了实际情况。流量图中涉及的各方程式符号含义见表1~表4。
4模型仿真与结果分析
4.1选取案例分析
在2012年和2013年中，通过与企业技术创新项目经理和相关高层的交流以及对这家企业技术创新项目的跟踪调查，获取相关研究数据。高新技术企业具有技术含量高、技术变化迅速和创新密集的特征。选取的高新技术企业虽然成立时间不久，但是相关产品的技术创新水平位于整个制造行业前10名左右，此公司员工150人，是一家上市公司控股的中小企业，同时每隔1~2年，在原有创新产品的基础上，增加国外先进技术，使得产品的更新速度极其迅速。在整个企业营业收入中，创新产品带来的利润达44%左右。较好地满足了Eisenhardt提出的案例研究中案例选择的标准[29]。因此，选择这家企业作为中国高新技术企业具有一定的代表性和合理性。
4.2模型中变量的表示和取值
本部分采用VensimDSS对模型进行仿真测试。VensimDSS是一种十分有效的可视化仿真工具。用户利用它可以探究引起变量变化的原因、考察该变量影响整个模型的路径和程度。根据模拟数据和历史数据的吻合度可以清晰地判断模型是否合理。在此基础上，通过对相关参数灵敏度的分析，使模型进一步优化。模型数据源自于一家非常具有代表性的高新技术企业，详细数据见表1~表4。模型的研究周期为1个月，整个研究跨度为100个月。
4.3状态变量动态关系及其拟合优度分析
检验模型中各状态变量的因果关系具有重要的意义。因果关系的合理度是检验模型对于现实系统拟合度的试金石。状态变量之间的变化关系可能在短时间内符合实际的需要，但是随着时间的推移，它们之间的关系是否还能足够代表早期的关系，有待深究。它们之间的动态关系见图7。图7表明，企业研发经费投入力度与创新网络能力随时间的变化趋势基本呈现等比例上升。企业研发经费投入力度加大，随之创新网络能力也会加大。相互之间的动态关系在整个时间跨度内与因果关系图中的关系吻合度很高。标准数量与创新网络能力在100个月周期里，在前20个月里，它们之间的上升趋势与因果图中完全吻合。在后80个月，虽然彼此上升的趋势没变，但随着时间的推移，创新网络能力上升的速度比标准数量的速度要快。创新网络绩效变动幅度很大，尤其在前10个月增长速度极快。第10个月后，它的趋势基本不随时间的推移而变化。新加入科研机构在前10个月呈上升趋势，第10个月后基本稳定。检验系统动力学模型的拟合度对于模型的实际推广同样具有重大意义。此模型利用前29个月的模拟数据与高新技术企业的历史数据进行对比。用新加入科研机构数量测量模型的拟合度，见表5。前30个月技术创新网络中新加入科研机构数量的模拟值与高新技术企业的实际数据相对误差平均值为4.35%。误差在可靠的范围内，说明模型拟合性好、符合实际，可以在企业未来的创新决策中提供合理的指导意见。模型能够普及的程度是衡量已建立模型好坏的重要尺度。一方面，系统动力学模型在很大程度上是依据主观经验，构建的方程不可能完全符合现实情况。另一方面，技术创新是一个高不确定、高风险、高投资的一系列活动。因此，检验系统动力学模型的稳定性十分必要。由于状态变量是模型中最关键的变量，检验它们的稳定性对于整个模型具有很好的代表性。把Timestep从1提高到3，考察它们的变化趋势，如图8所示。从图8可知，当Timestep从1提高到3时，企业研发经费投入力度前30个月里交替上升，在后70个月里，虽然它较之前略微有所提高，但是它们在整个研究跨度里基本保持一致的变化趋势。创新网络绩效虽然在前5个月有较明显的变化，后95个月也有微小差异，但是在整个研究跨度里，它的整体趋势没有出现较大变化。创新网络能力在时间步长改变前后基本没有变化。新加入科研机构数量在前15个月里有较大的变化。时间步长加大，科研机构的增加速度反而会减慢。但是在后85个月里，时间步长的变化不再影响新加入科研机构的数量。标准数量基本没有变化，前后交替上升。因此，可以说明模型对于参数的变动不灵敏，模型可以较好地在实际中运用。
4.4模型结果执行与优化分析
系统动力学仿真结果的最终目标是为企业决策提供依据。R&D投入占科技投入比例影响企业在创新项目上投入金额的大小，从而最终决定企业利润的数额，这是企业关心的核心问题。研究R&D投入占科技投入比例在不同取值下它对企业研发经费投入力度、创新网络绩效、创新网络能力的影响。把R&D投入占科技投入比例从0.2提高到0.5，它们三者的变化趋势如图9所示。图9表明，fR&D从0.2提高到0.5，受技术创新网络中复杂环境的影响，企业研发经费投入力度上升幅度很小。然而，创新网络能力和创新网络绩效却基本没有变化。结果表明，企业如果盲目加大投入力度，对于整个技术创新网络绩效的增加并不会有明显的作用。在整个创新网络中，影响创新网络绩效的因素很多，它们之间构成了复杂的影响系统，单一变动fR&D并不能带来有效成果。创新网络绩效是企业最关心的指标之一，深入探索时间步长对于创新网络绩效的敏感度同样具有重要意义。如图10和图11所示。从图8可知，Timestep从1提高到3，创新网络绩效有小幅度的变化。而图10表明，当时间步长从1提高到2，创新网络绩效没有任何变化。但是当时间步长从1直接大幅度跳跃到4，创新网络绩效如图11所示。在第3个月和第30个月这段时间，创新绩效随时间的变化是以最初的创新网络绩效为中线振幅越来越小的波浪型图线。经过反复仿真，当Timestep维持在2.8左右，整个创新绩效稳定提升到一定数值。即当企业与地方政府合作力度因子Sgr取值为0.30028；创新成果淘汰比例fA取值为0.40028；科研机构退出比例fy取值为0.10056时，网络风险最小，创新网络绩效在较高的水平上最平稳。
5结语
本文通过对已有文献的研究与总结，结合高新技术企业技术创新过程的特征，在综合考察各参与主体相互作用的动态情况下，构建其技术创新网络的动力学模型，探索了创新网络能力对创新绩效的影响路径及其网络中其他变量对它们的敏感度。并利用VensimDSS对模型进行仿真，得到初步结论：（1）在复杂的技术创新系统中，只单纯地加大研究经费的投入，并不能取到预期的成果。一方面，网络系统中包含几十个直接或间接因素影响预期目标。变动复杂系统中某一因素，经过非线性的集合和融化，可能原本很敏感的因素变得十分不敏感。另一方面，在反复模拟过程中，并不能保证每次模拟的环境都完全一样，这是模型本身带来的误差。（2）企业与地方政府合作力度因子取值接近0.30028，创新成果淘汰比例取值接近0.40028，科研机构退出比例取值接近0.10056时，整个创新网络绩效在较大的取值上保持稳定。（3）当供应商合作力度因子取0.9且时间步长取3左右时，整个创新网络的创新管理成本平均值最低。可以看出，网络中不同的主体有不同的价值诉求，因此对于整个网络系统，并不是高新技术企业和地方政府合作力度越大越好。地方政府和企业合作，最终的目标是为地方政府或者整个国家带来创新价值。比如，政府在网络成果利益分配上会有一定的要求，要求创新绩效必须给地方政府带来利益。政府对高新技术企业创新的不确定性也会提出一定的要求，要求在一定范围内维持稳定的效益。因此，可能减弱了企业把创新绩效转化为实际产品的机会和能力。高新技术企业网络能力的企业绩效提升路径研究多基于全球范围内普遍存在的企业生存和成长现象展开，但对基于网络能力的企业绩效研究则是一个极富挑战性的工作。由于研究问题的复杂性和时间的有限性，本研究还存在许多不足，需要在今后的研究工作中进一步深入探讨和完善。第一，模型和结论的可推广性有待深究。系统动力学虽然是解决非线性复杂系统关系的有效方法，但是模型的精度还有待提高。尤其对于方程的构建，很大程度是局限于研究者本身的知识水平和见识。第二，选取对象的代表性有待考察。本文仅仅以一家高新技术企业作为整个中国高新技术企业的代表。它的代表程度有多高值得进一步商榷。其他企业能否可以直接利用它得出的一些指导性建议同样值得深究。第三，模型系统的边界精度有待探索。整个创新网络的边界遵循了模型边界的一般原则。钟永光认为，现实系统的各种对象往往存在着千丝万缕的联系，如果尽可能地一一可虑，就有可能把许多不重要的因素考虑到模型中去，这样会使得模型十分庞大，可能迷失自己，太少可能又不能精确模拟现实系统[30]。不同的研究对象和目的，边界的选取也不尽相同。在遵循一定原则的同时，模型边界的确定能否有更加精确的数学方法还有待深究。
作者：游达明 李志鹏 杨晓辉 单位：中南大学
相关专题：创新5.1声卡驱动 化学分析计量 小木虫
