社会网络理论认为，企业创新行为内嵌于社会网络[1]，组织之间通过关系联结形成的社会网络不仅能促进信息共享，还可以对企业相关行为进行传播[2]。关于网络联结强度，Granovetter[3]将其定义为不同主体通过交流而逐渐形成的一种关系纽带，并指出这种社会关系强度可根据主体之间交流时间(Amount of Time)、接触频繁程度(Intimacy)、情感亲密程度(Emotional Intensity)以及互惠性(Reciprocal)划分。此后，网络关系强度成为学术界的研究热点之一，其被认为是经济主体之间进行知识共享与信息交流的决定性因素[4]。Feldman&Audretsch[5]指出，企业间信息流动贯穿创新过程始终。Larson[6]进一步认为强联结有助于传递感情、增进信任等，能通过促进隐性知识流动促进企业创新；Granovetter等[3]则认为弱联结关系具有非冗余信息传递优势，对于显性知识的传播更加有利，而异质性信息有助于提升创新绩效。显然，社会网络的强弱关系联结均有利于企业创新。尽管网络联结强度作为反映网络特征的重要指标，与企业创新密切相关，但当前对于网络联结强度的测度尚未形成统一标准。Haunschild&Beckman[7]认为，董事层关系是一种重要的社会关系，具有信息传递功能，独立董事之间的弱联结关系成为企业间传递信息的“纽带”。因此，对于由企业之间“连锁独立董事”形成的社会网络这一弱网络联结，可通过中心度指标测度。另外，企业不仅嵌于网络空间中，还处在一定的行业和地理空间内。地理及行业相近的企业之间更容易频繁接触，进而形成共同的技术范式[8]。基于此，本文认为地理接近度及行业接近度可以作为网络强联结的测度指标。
结合制度经济学有关理论，即创新是外部制度环境与企业内部活动相互作用的过程，而知识产权保护作为一项重要的制度因素，其与企业创新绩效的关系逐渐受到重视。但现有研究主要从国家层面对二者关系进行考察，对我国知识产权保护地区差异的关注十分有限。因此，本文基于省际层面，重新构建我国省际知识产权保护指数，对知识产权保护水平差异进行度量，并检验这种差异对网络联结与企业创新绩效关系的影响，旨在为理解社会学、法学、金融学、经济地理学及经济增长等领域相互融合和内在联系提供新的视角与思路。
1 文献综述及研究假设 1.1 网络弱联结与创新绩效社会网络作为组织活动的主要特征，是企业之间信息交流、资源交换的重要渠道。Meagher&Rogers[9]基于弱联结优势理论指出，弱联结具有“桥”的衔接作用，在一定程度上决定了企业面临的机会和约束，进而影响企业信息获取、战略选择、风险承担和资源利用等活动。董事会通常掌握大量关于行业趋势、市场状况等关键信息，这些信息在董事会交往过程中互相流动，而独立董事之间的弱联结使得这一网络特征更加明显。正如Fama &Jensen[10]指出的，企业之间往往通过一种 “friend of a friend”的董事网络相联结，它们之间的交流能对其公司董事相关行为产生影响；陈运森和谢德仁[11]进一步指出，弱联结关系将社会网络中没有直接联系的组织或个体联结起来，并且拥有信息控制优势；Mol[12]发现，网络联结较多的董事在进行战略决策时具有相对优势。在其它条件一定的情况下，网络联结中心度会对信息扩散产生影响，即拥有更多联结的企业更具网络势能优势，掌握着信息和知识流动的主动性，可以与更多企业建立联系。因此，弱联结位置中心度越高，越有助于企业利用信息及控制优势对信息进行整合，进而提高创新绩效[13]。同时，企业自身决定了通过社会网络传播的信息量、多样性及丰富性，进而影响其它相关企业获取创新价值。因此，社会网络弱联结具有信息优势，对企业创新绩效十分重要。基于此，本文从程度中心度(Degree)和中介中心度(Betweenness)两个维度对网络弱联结进行测度，并提出以下假设：
H1：网络弱联结与企业创新绩效正相关。
H1a：网络程度中心度与企业创新绩效正相关；
H1b：网络中介中心度与企业创新绩效正相关。
1.2 网络强联结与创新绩效网络强联结更加关注联结企业之间相似的关系模式，反映了创新信息在企业之间动态传播过程，揭示了创新资源在社会网络联结群体间扩散并获取收益的方式，有助于提升空间转移效果，对创新绩效具有积极影响[14]。Antonelli[15]基于经济地理学相关理论指出，地理接近程度有利于组织间互动交流，促进知识传播，进而提升创新绩效；Argyres&Silverman[16]在组织经济学中特别阐明了相对集中的研发活动通过节约企业沟通成本，促进规模经济效应形成；Butler等[17]和Teo[18]也证实了地理接近程度在信息交换中的作用，认为地理位置越接近的企业之间互动越频繁。此外，强联结关系对创新的积极作用还体现在行业接近性上，企业技术领域相近有助于吸收其它企业的隐性知识，以及挖掘社会网络关系中的专有知识，进而促进创新[19]。Raut[20]认为研发外部性主要产生于同行业企业之间，信息在同行业企业之间共享的可能性更大。因此，地理及行业相近有助于企业之间形成更加频繁的知识传递，这种强联结关系能促进企业通过“干中学”实施创新。基于此，本文从地理接近度(Geography Propinquity)及行业接近度(Industry Propinquity)两个维度对社会网络强联结进行测度，并提出以下研究假设：
H2：网络强联结与企业创新绩效正相关。
H2a：网络地理接近度与企业创新绩效正相关；
H2b：网络行业接近度与企业创新绩效正相关。
1.3 知识产权保护的调节效应组织的经济活动内嵌在社会网络中，而社会网络内嵌于社会制度之中。Peng[21]根据制度基础观提出，企业战略选择是外部制度环境与组织内部环境相互作用的结果；Acquaah[22]指出，社会网络对于企业创新绩效的作用应结合其它因素的权变影响来考察。知识产权保护作为一项重要的制度因素，为服务创新而生，而网络联结主要通过知识传递促进创新。那么，由知识产权引起的知识、技术排他性及垄断性势必会影响知识传播，其与组织之间的动态关系也必然会对企业创新产生影响。
一方面，Helpman[23]认为知识产权保护制度强调创新独占性，通过限制知识溢出，降低企业间技术、知识等资源的扩散效应及创新成果的可转让性，抑制知识和信息共享及传播[24]。因此，知识产权保护会在一定程度上抑制信息扩散传播，且网络联结中心度越高，抑制效应越明显；另一方面，Aldrich&Zimmer[25]指出，企业发展是外部环境与组织自身的一种匹配关系，一旦超越匹配关系适宜的度，就会导致创新过程中出现技术锁定或认知偏差[26]。具体而言，由于知识产权保护水平在我国呈显著的省际差异，在不同地域制度环境约束下，地理接近度越高，其对企业合作过程中信息交换和共享的抑制效应越明显。另外，行业接近度越高，溢出效应越明显，信息传播的杠杆效应越显著，其对外部环境约束的敏感性越强。本文认为，知识产权保护水平越高，制度约束力较强，对网络联结与企业创新绩效二者之间的抑制作用越明显。由此，提出如下假设：
H3：知识产权保护对网络联结与企业创新绩效的关系具有负向调节效应。
H3a：知识产权保护对程度中心度与创新绩效的关系具有负向调节效应；
H3b：知识产权保护对中介中心度与创新绩效的关系具有负向调节效应；
H3c：知识产权保护对地理接近度与创新绩效的关系具有负向调节效应；
H3d：知识产权保护对行业接近度与创新绩效的关系具有负向调节效应。
综合上述分析，构建本文研究的理论模型，如图 1 所示。
2 研究设计及数据来源 2.1 网络弱联结根据陈运森[27]对社会网络的定义：至少有一名独立董事同时在两个董事会任职，或虽然两个企业没有直接联结，但分别与第三个企业有共同的独立董事，就可以认为这两个企业之间有联结。本文基于2011—2016年252家创业板上市公司全部独立董事的背景资料，构建样本企业社会网络关系的[0，1]矩阵，并绘制独立董事社会网络关系图，如图2所示。
另外，借鉴Freeman[28]对网络中心度指标的定义，选取程度中心度和中介中心度两个指标进行网络弱联结测度。
(1)程度中心度。该指标描述了网络联结的“活跃度”，即一个企业拥有的社会网络联结数量之和，联结数量越多说明企业获取信息的渠道越广。当一个企业同时与其它多个企业联结时，该企业处于更加中心的位置。计算方法为：
其中，XAD(i)表示企业i联结的其它企业个数，n为企业总数。本文使用标准化程度中心度，即衡量一个企业与其它所有企业联结的百分比。
(2)中介中心度。该指标描述了网络联结的“控制力”，即一个企业对其它企业联系路径的控制程度。如果一个企业同时位于不同的网络路径上，那么其所处位置更为重要，具有控制其它企业相互交往的能力。这种地位使该企业扮演类似于信息中介的角色，记录了一个企业在与其它企业相互联系时被定位的频率。具体计算方法为：
其中，j<k，bjk(i)表示企业i位于企业j和k之间的测地线(短程线)的概率。
社会环境中的各个系统间存在着相互影响而又互相合作的关系。协同是经营者有效利用资源的一种方式，主要通过隐性资产，特别是核心技术扩散实现。Goold&Campbell[29]认为，当一个组织中积累的资源可以被同时且无成本地应用于其它组织时，协同效应就发生了。另外，邱国栋和白景坤[30]发现，协同效应的实现需要空间安排和技术关联。基于此，本文利用地理接近度和行业接近度对社会网络强联结行测度。
(1)地理接近度。地理接近度即协同效应的空间安排要素。Sorenson&Stuart[31]基于经济地理学理论，TrustWallet钱包官网地址强调了协同定位的重要性及其在信息和资源共享中的作用。为进一步阐明与创新相关的信息在企业间传播的方式， Trust钱包安卓版下载本文分别计算样本企业中位于同一地区的所有联结企业数量，即地理接近度。具体划分为华北地区、华东地区、东北地区、华中地区、华南地区、西南地区、西北地区。
(2)行业接近度。行业接近度即协同效应的技术关联要素。根据McPherson[32]提出的社会网络同质性中“物以类聚”的相关理论，信息更有可能在具有相似特征的组织或个体间共享，信息传递与扩散也更有可能发生于同行业企业之间，即行业接近度。本文分别计算样本中属于同一行业的所有联结企业数量，行业按照所属Wind一级行业进行划分。
2.3 省际知识产权保护水平GP指数[33]为国际知识产权保护定量研究奠定了基础，然而由于我国立法与司法之间不完全同步，该指标在我国适用性不佳。之后，韩玉雄和李怀祖[34]对GP方法进行了修正，测算出1984—2002年间我国知识产权保护的修正水平(简称HL方法)。但随着我国知识产权市场规范化程度日益提高，HL方法以“地区经济发展水平”度量知识产权保护水平已不太合适。本文在综合已有研究的基础上，通过以下5个方面重新构建知识产权保护指数：①司法保护水平(IPR1)，以一省专职律师数占该省总人口数(万人)的比例衡量；②知识产权保护执法力度(IPR2)，以专利侵权案件结案率衡量，即“当年累计专利纠纷结案数除以当年累计立案数”；③知识产权中介机构发展情况(IPR3)，以知识产权代理公司密度衡量，具体测度方法为“一省知识产权代理公司数目除以当年该省总人口数”；④知识产权市场规范化程度(IPR4)，以技术市场转让规模衡量，具体测度方法为“一省技术市场成交合同金额除以该省当年地区生产总值”；⑤知识产权保护社会意识(IPR5)，以知识产权保护未被侵权率衡量，具体测度方法为“1减去一省当年受理的专利侵权纠纷案件数除以该省截至当年累计授权专利数”，专利未被侵权率越大表示社会知识产权保护意识越好。最后，基于上述5个指标(IPR1—IPR5)，采用主成分分析方法构建各省知识产权保护指数。在此基础上，根据5个指标的解释百分比加权计算出各省知识产权保护水平指数，并以2011—2016年各省总得分的算术平均数作为省际知识产权保护平均水平指数。图3为2011—2016年间我国29个省、自治区、直辖市知识产权保护平均水平指数(港、澳、台及数据缺失的西藏、宁夏5个地区未纳入计量)。
表1为2011—2016年我国省际知识产权保护水平描述性分析，显示出显著的时间序列纵向差异及各省知识产权保护水平之间的横向差异，其中平均得分、标准差分别根据各省2011—2016年得分求得。可以看出，2011—2016年我国各省知识产权保护水平稳步提高，北京市知识产权保护水平遥遥领先于其它地区，平均得分达到3.297；上海、浙江、天津、广东、江苏分列2～6位，基本与地区经济发展水平相吻合；江西省保护水平最低，甚至落后于青海、甘肃、贵州等省份，平均得分仅为0.333。为验证知识产权保护水平对社会网络和创新绩效关系的调节效应，分别加入IPR(知识产权保护水平指数)及其与解释变量的交乘项。
2.4 创新绩效在创新绩效方面，从创新投入和创新产出进行双维度分析。其中创新投入的代理变量为企业研发强度，以当年企业研发支出占年末总资产的比例衡量，该指标能较好地反映企业创新努力程度；创新产出的代理变量为企业专利产出，借鉴前人[35、36]的方法，以企业申请并获得授权的专利存量占年末总资产的比例衡量，具体测度方法为：Ki，t=(1-θ)Ki，t-1+ri，t。其中，Ki，t表示i公司t年末的专利存量，折旧率θ为15%，ri，t表示i公司第t年申请并授权的新增专利数。
2.5 控制变量本文选取可能对企业创新绩效产生影响的控制变量，其中企业特征控制变量包括：企业年末总资产对数(lnAsset)、无形资产率(Intangible)(无形资产净额/总资产)、总资产净利润率(ROA)(净利润/总资产平均余额)、资产负债率(Leverage)(负债总额/资产总额)、托宾Q值(Tobin's Q)((股票市值+净债务)/有形资产现行价值，有形资产现行价值=资产总额-待摊费用-无形资产及其它资产-递延税款借项)。另外，采用各省人均GDP增长率(Per-capita GDP growth)作为省份特征的控制变量(各省人均 GDP 增长率=各省当年人均GDP/上年人均 GDP -1)。
2.6 样本选取与数据来源本文选取2011—2016年间我国创业板上市公司作为研究对象，在剔除退市及数据缺失的公司样本后，最终获得252家上市公司。在样本范围选择上，以创业板上市公司作为研究对象，其原因在于：①相较而言，创新绩效更能体现创业板企业的竞争力和价值，这类企业会更加重视创新发展；②创业板于2009年10月创设，样本公司上市时间比较接近，其关系一旦建立，必然持续存在[37]。
企业每年申请并获得授权的专利数据来自国家知识产权局(SIPO)专利检索网站；各省知识产权代理公司数量、侵权纠纷案件数量等相关数据来源于国家知识产权局统计年报；各省技术市场成交合同金额、地区生产总值以及人口数据分别来源于国家统计局(NBS)网站；各省专职律师数来源于《中国律师统计年鉴》；独立董事社会网络的相关背景资料通过手工搜集整理获得，并采用UCINET 6软件进行计算；研究涉及的其它财务相关数据来自于CSMAR和Wind数据库。
3 实证结果及分析 3.1 描述性统计分析相关变量的描述性统计结果如表2所示。可以看出，企业研发投入的均值为0.066，表明若公司总资产为一亿元，其研发费用存量为660万元，标准差为490万元，最小值为0，最大值为4 770万元；专利产出的均值为0.356，即平均每一千万元的总资产可得到0.356项专利产出，但公司之间专利产出差异较大，标准差为0.424；关于企业网络联结的相关变量，其中程度中心度、中介中心度均值分别为1.785、0.802，即平均每一个企业与其它1.785个企业联结，并对0.802个企业联结形成控制；地理接近度和行业接近度的均值分别为2.393和1.278，表明平均每一个企业与2.393个同地理企业及1.278个同行业企业联结。另外，标准差显示社会网络差异较为显著。
3.2 模型设定基于前文假设，本文采用多元回归模型检验企业社会网络联结和创新绩效的相互关系，并进行调节效应分析，模型设计如下：
Yi，t=β0+β1Xi，t+β2Mi，j，t+β3(Xi，t×Mi，j，t)+β4Controli，t+β5GDPi，j+β6Yearfixed+β7Industryfixed+ε
采用面板数据分层回归方法，同时控制行业及年份固定效应。其中，被解释变量Yi，t为企业创新绩效，分别采用企业研发投入和专利产出的自然对数加1进行衡量；核心解释变量Xi，t表示i企业第t年的社会网络联结，包括程度中心度、中介中心度、地理接近度、行业接近度等4个维度；调节变量Mi，j，t为知识产权保护水平，交互项以验证调节效应；相关控制变量的定义见“研究设计”部分。
3.3 相关性分析表3为相关系数分析矩阵，可以看出：社会网络联结的4个代理变量均与企业研发投入和专利产出显著正相关，初步说明网络联结均与创新绩效正相关；4个变量的相关系数值在0.504～0.828之间，表明所选取的代理变量一致性较强、质量较好;其它变量间的相关系数较低，说明变量之间不存在严重的多重共线性。
3.4 多元回归结果分析面板模型的主要估计方法包括混合回归、固定效应回归与随机效应回归3种，本文经过Hausman检验与LM检验后，选取混合回归方法展开估计研究。基于已建立的数据模型，采用Stata软件进行多元回归分析，以检验前文假设。表4为社会网络和创新绩效的主效应检验。
注：、、分别表示在1%、5%、10%水平上显著，下同
https://www.trust-web.cn在表4的(1)—(4)列，因变量创新绩效的代理变量为企业研发投入；(5)—(8)列，创新绩效的代理变量为企业专利产出。可以看出，社会网络强、弱联结分别对企业研发投入和专利产出有显著正向影响，H1和H2得到支持。说明企业社会网络中心度越高、集聚性越好，对创新研发投入和专利产出越有利，即网络联结能够促进企业创新。
控制变量方面，可以看出：企业总资产规模、无形资产率、资产负债率、托宾Q值对企业研发投入均有显著影响；总资产规模、资产负债率对企业专利产出有显著影响。结果表明，规模较小、负债率较高、成长性较好的企业，其创新绩效更好。因此，处于快速成长阶段的中小型企业，应利用债务杠杆的放大作用，以提高企业创新绩效。
3.5 调节效应分析本文借鉴温忠麟[38]等对调节效应的检验方法，对知识产权保护水平对社会网络与企业创新绩效二者进行调节效用检验，回归结果如表 5所示。
回归结果显示：知识产权保护对地理接近度和研发投入具有显著负向调节作用，并对网络联结的4个维度与专利产出之间分别具有显著负向调节效应。结果表明：①如果企业所处地理位置越接近知识产权保护水平较高的地区，由于过度嵌入引起的行为约束将导致企业创新投入不足。该结果也反映出知识产权保护的地域差异特征；②随着知识产权保护水平提高，其对企业社会网络联结与创新绩效会产生抑制效应。该结果产生的原因可能在于，企业对制度环境变化的反应不够迅速，对社会网络资源过度依赖，当制度约束力增强时，企业无法从外部获取预想的知识和信息，抑制了创新产出。
4 稳健性检验为了减少网络联结与企业创新绩效之间可能存在“反向因果”或“遗漏变量”的内生性问题干扰，例如企业较好的创新绩效有助于网络关系提高，即社会网络联结状况内生于企业创新绩效；抑或是存在某些遗漏变量同时对网络联结和创新绩效产生影响。借助经济地理学的方法，以“样本企业所在省份的省会城市到海岸线的最近测地距离”作为社会网络的代理变量重新进行回归。由于企业一旦在某省注册，再进行跨省搬迁的可能性不大，其地理及行业等社会网络联结不会受到企业创新绩效的影响。
“最近测地距离”的具体计算方法为：若该企业属于沿海省份，则最近距离为其内部距离
若该企业属于内陆省份，则采取地理学方法，通过经纬度计算该省省会城市到“天津、上海、广州”3个港口的最近直线距离。回归结果显示，网络联结仍对创新绩效有显著正向影响，表明本文的实证结果稳健性较好。
本文验证了社会网络联结对企业创新绩效的促进作用，及知识产权保护水平在二者之间的调节效应，得到以下研究结论：首先，将企业社会网络联结分为强联结和弱联结，发现强联结及弱联结均对研发投入和专利产出具有促进作用，即社会网络联结有利于创新绩效提升；其次，基于我国地区间知识产权保护水平不平衡的现状，重构省际知识产权保护水平指数，该指数具有一定社会应用价值；再次，调节效应分析发现，知识产权保护会在一定程度上削弱社会网络联结对企业创新绩效的正向影响。
本文的研究启示在于：一方面，企业社会网络关系强联结与弱联结并非此消彼长的关系。无论是提高所处社会网络的中心地位以获得信息优势，抑或是借助地理或行业聚集效应，均有助于企业创新绩效提升；另一方面，在我国创新发展新态势下，随着知识产权保护意识增强、水平不断提升，必须提高以自主知识产权为代表的企业核心竞争力，明确企业在创新研发中的主体地位，不断加大自主研发投入，努力提高自主创新能力及竞争优势，加快形成以创新为支撑和引领的企业发展模式。
[1] OWEN J， POWELL W. Knowledge networks as channels and conduits: the effects of spillovers in the Boston biotechnology community[J].Organization Science，2004，15(1): 5-21.
[2] GLAESER E， LAIBSON D， SCHEINKMAN J， et al. What is social capital? the determinants of trust and trustworthiness[R]. NBER Working Paper， 1999，No.7216.
[3] GRANOVETTER M. The strength of weak ties [J].American Journal of Sociology，1973，78(6):1360-1380.
[4] 谢卫红， 李忠顺， 屈喜凤， 等. 网络关系强度与企业技术创新关系实证研究 [J]. 科学学与科学技术管理， 2015， 36(5): 62-73.
[5] FELDMAN M P， AUDRETSCH D B. Innovation in cities， science-based diversity， specialization and localized competition[J]. European Economic Review，1999，43(2): 409-429.
[6] LARSON A．Network dyads in entrepreneurial settings: a study of the governance of exchange relationships [J]．Administrative Science Quarterly， 1992 (37) : 76-104．
[7] HAUNSCHILD P M， BECKMAN C M. When do interlocks matter? alternate sources of information and interlock influence[J]. Administrative Science Quarterly，1998，43(4): 815-844.
[8] 王晓娟．知识网络与集群企业竞争优势研究[D].杭州:浙江大学，2007．
[9] MEAGHER K， ROGERS M. Network density and R&D spillovers [J]. Journal of Economic Behavior & Organization， 2004， 53(2): 237-260.
[10] FAMA E F， JENSEN M C. Separation of ownership and control[J].Journal of Political Economics，1983，26(2): 299-307.
[11] 陈运森，谢德仁. 网络位置、独立董事治理与投资效率[J].管理世界，2011(7): 113-127.
[12] MOL M.Creating wealth through working with others: inter organizational relationships[J]. Academy of Management Executive， 2001(15):150-152.
[13] POWELL W， KOPUT W. Interorganizational collaboration and the locus of innovation: networks of learning in biotechnology[J].Administrative Science Quarterly， 1996，41(1):116-145.
[14] WHITTINGTON K. Networks， propinquity and innovation in knowledge intensive industries [J]. Administrative Science Quarterly， 2009， 54(1): 90-122.
[15] ANTONELLI C. Localized knowledge percolation processes and information networks[J]. Journal of Evolutionary Economics， 1996， 6(3):281-295.
[16] ARGYRES S，SILVERMAN S.R&D，organization structure and the development of corporate technological knowledge[J].Strategic Management Journal， 2004，25(8-9):929-958.
[17] BUTLER A W. Distance still matters: evidence from municipal bond underwriting[J]. Review of Financial Studies，2008，21(2): 763-784.
[18] TEO M.The geography of hedge funds[J].Review of financial Studies， 2009，22(9): 3531-3561.
[19] DYER J H， SINGH H. The relational view: cooperative strategy and sources of inter organizational competitive advantage [J]. Academy of Management Review. 1998(23):660-679．
[20] RAUT L K.R&D spillover and productivity growth: evidence from indian private firms[J].Journal of Development Economics， 1995，48(1):1-23.
[21] PENG M W. Institutional transitions and strategic choices[J]. Academy of Management Review， 2003，28(2): 275-296.
[22] ACQUAAH M. Managerial social capital， strategic orientation and organizational performance in an emerging economy [J]. Strategic Management Journal， 2007， 28(12):1235-1255.
[23] HELPMAN E.Innovation imitation and intellectual property rights[J]. Econometrica， 1993，61(6): 1247-80.
[24] HU M， MATHEWS J.China's national innovation capacity [J]. Research Policy， 2008，37 (9):1465-1479.
[25] ALDRICH H， ZIMMER C.Entrepreneurship through social networks[M].Cambridge， MA：The Art and Science of Entrepreneurship， Ballinger，2006.
[26] JIM D， FRANCES B. Storm clouds and silver linings: responding to disruptive innovations through cognitive resilience [J]. Entrepreneurship Theory and Practice，2009， 3(1):197-216.
[27] 陈运森.社会网络与企业效率:基于结构洞位置的证据[J]， 会计研究， 2015(1): 48-55.
[28] FREEMAN L. Centrality in social networks: conceptual clarification [J]. Social Networks， 1979(1):215-239.
[29] GOOLD M， CAMPBELL A. Corporate strategy: the quest for parenting advantage[J]. Harvard Business Review， 1995，73(2):120-132.
[30] 邱国栋，白景坤. 价值生成分析: 一个协同效应的理论框架[J].中国工业经济，2007(6):88-95.
[31] SORENSON O， STUART T. Syndication networks and the spatial distribution of venture capital investments [J]. American Journal of Sociology， 2001，106(6):1546-1588.
[32] MCPHERSON M， SMITH-LOVIN L， COOK J. Birds of a feather: homophily in social networks[J]. Annual Review of Sociology， 2001，27(8)， 415-444.
[33] GINARTE J， PARK W.Determinants of patent rights: a cross-national study [J]. Research Policy， 1997(26):283-301.
[34] 韩玉雄，李怀祖. 关于中国知识产权保护水平的定量分析[J]. 科学学研究，2005(3)：377-382.
[35] HALL H， JAFFE A， TRAJTENBERG M. Market value and patent citations[J]. Rand Journal of Economics， 2005，36(1):16-38.
[36] 吴超鹏，唐菂. 知识产权保护执法力度、技术创新与企业绩效——来自中国上市公司的证据[J].经济研究，2016(11):125-139.
[37] EI-KHATIB R ， FOGEL K， JANDIK T. CEO network centrality and merger performance [J]. Journal of Financial Economics， 2015，116(2):349-382.
[38] 温忠麟，侯杰泰，张雷. 调节效应与中介效应的比较和应用[J].心理学报， 2005(37): 268-274.
NetworkConnection，IPRProtectionandInnovationPerformance