经济与管理研究
Ｒesearch on Economics and Management
第 40 卷 第 5 期
2019 年 5 月
Vol． 40 No． 5
May 2019
DOI： 10． 13502 / j． cnki． issn1000 － 7636． 2019． 05． 009
网络中心性对企业绩效的影响研究
———创新关联、政治关联和技术不确定性的调节效应
王永贵
刘
菲
内容提要： 社会网络对于网络成员通过组织间关系来获取关键资源具有重要价值，而企业在网络结构中的位
置则是影响其资源获取能力的关键因素。同时，企业的资源获取能力还会受到企业与网络外部组织之间的关系联
结以及市场环境等情境因素的影响。本文基于社会网络理论，以网络中心性作为自变量，以创新关联、政治关联和
技术不确定性作为调节变量，对网络中心性对企业绩效的影响机制进行了理论探索与实证研究。结果显示，网络
中心性对企业绩效具有显著的正向影响，创新关联和政治关联均对网络中心性与企业绩效之间的这种关系产生显
著的正向调节作用，而技术不确定性的调节作用并未得到支持。
关键词： 网络中心性
创新关联
中图分类号： F270
政治关联
技术不确定性
文献标识码： A
企业绩效
文章编号： 1000 － 7636（ 2019） 05 － 0113 － 15
一、问题提出及文献述评
作为社会网络理论中的重要构念 ，网络中心性可以通过企业对信息在网络成员之间传播的控制以及由
［1 － 2］
此所形成的相对权力来帮助企业获得竞争优势
。因此，针对这一企业提升竞争力的重要途径 ，探究网络
中心性如何促进企业绩效以及哪些因素可能强化两者之间的关系就显得十分重要 。
现有文献虽然对网络中心性与绩效之间的关系进行了研究 ，但却存在以下不足：
［3 － 5］
，而忽视了企业
第一，
多数研究把网络中心性创造价值的机理集中在中心企业对信息或知识的获取上
基于相对权力所能获取的其他重要资源。例如，
张红娟和谭劲松（ 2014） 指出，网络中心性有利于企业从外部获
［6］
取多样性的知识和信息，
而这些外部资源是企业实现创新并提升绩效的重要因素 ； 李善民等（ 2015） 、万良勇
［7 － 8］
。钱锡红等
和胡璟（ 2014） 认为，
企业越趋于网络中心位置，越容易获得信息优势，进而促进企业并购绩效
（ 2010） 则提出，
中心度高的企业更容易拥有多重信息渠道并获得创新相关的新信息，进而有利于企业创新绩效
［9］
的提升
。在实践中，
网络中心性给企业赋予了相对权力，
企业可以利用相对权力来实现与其他网络成员之间
收稿日期： 2019 － 02 － 22
基金项目： 北京市社会科学规划基金基地重点项目“全球化背景下北京市企业协同创新绩效评价与提升机制研究”（ 15JDJGA044）
作者简介： 王永贵
刘
菲
100029；
对外经济贸易大学国际商学院教授、博士生导师，北京，
对外经济贸易大学国际商学院博士研究生。
作者感谢匿名审稿人的评审意见。
113
经济与管理研究（ 2019 年第 5 期）
Ｒesearch on Economics and Management（ No． 5，2019）
［10 － 11］
。
并不局限于信息和知识的、多样化的资源交换，从而通过获取更为广泛的互补资源来创造更大的价值
但遗憾的是，
权力在网络中心性价值创造过程中的重要作用却并未受到应有的重视。
第二，学界对网络中心性与绩效之间的关系尚未达成共识 ，既有学者发现了网络中心性对绩效的积极
影响，也有学者得出了截然相反的结论 。例如，任兵等（ 2007） 发现，处于连锁董事网络中心位置的企业更容
［12］
易面临被利用和被掠夺的风险，因此连锁董事的网络中心性会对公司绩效产生负面影响
； 布鲁内塔等
（ Brunetta et al． ，
2015） 的研究显示，网络中心性导致了认知极限和大量的协调成本，进而不利于绩效的提
［13］
升
。显然，网络中心性对绩效的作用可能受到某些情境因素的影响 。围绕情境因素的研究对于更好地理
解网络中心性及其价值创造机理 ，具有重要的理论价值和实践指导意义，但现有文献中有关权变因素的研
究还十分匮乏。
第三，在创新驱动发展战略成为大势所趋的大背景下 ，在政商关系发挥重要作用的转型经济体中，外部
［14 － 16］
的智力支持与来自政府的资源支持对企业的成长至关重要
。外部的智力支持与来自政府的资源支持 ，
往往决定了企业能否充分利用网络中的中心位置来创造更大的价值产出 。然而，在目前有关网络中心性的
研究文献中，尚未发现针对上述两种重要的关联方式对网络中心性的价值创造效应而进行的专门研究 。 此
［17 － 18］
外，技术环境的快速变化给企业带来的生存压力和对企业网络行为的影响也不容忽视
。
本文希望弥补如上所述的不足，并重点解决以下两个关键问题： 第一，企业如何利用在网络结构中的重
要地位———网络中心性，来提升自己的绩效？ 除了充分利用信息和知识的价值之外，还存在着哪些可供企
业挖掘利用的其他资源？ 第二，越来越得到关注的社会关联和政治关联会对网络中心性与企业绩效之间的
关系产生怎样的影响？
概括而言，本文的研究贡献主要包括以下几方面 ： 首先，既考虑中心企业和网络成员之间的信息和知识
交换，又关注中心企业基于权力而获取的多样性资源 ，并将二者结合在一起分析网络中心性对企业绩效的
提升机制，从而丰富了网络中心性的相关研究。 中心企业可以从网络其他成员那里，利用相对权力来加强
［11，
19］
能够服务于自身成长的异质性或互补性资源的获取
。 对网络结构中权力效应的深入分析有助于人们
更全面地理解网络中心性的价值创造机理 。其次，分别从创新关联和政治关联两个视角分析如何强化中心
企业与网络其他成员之间的资源交换 ，剖析网络中心性对企业绩效提升的作用边界问题，从而在一定程度
上解释并解决了现有研究中有关结论所存在的冲突 。 显然，这是对社会网络理论的扩展和补充。 其中，这
［20］
里所说的创新关联强调了企业与从事创新活动的高校和科研机构之间的关系联结
［16，
18，
21］
企业与政府部门之间的关系联结
，而政治关联则体现了
，它们分别为企业获取创新资源和政治资源提供了保证 ，增强了中
［21，
22］
心企业在网络中的资源交换能力 ，进而能够更有效地促进企业绩效的提升
。 这一分析无疑为探讨网络
中心性对企业绩效的权变影响提供了新的视角 。最后，技术不确定性在企业战略决策的相关文献中经常被
视为重要的情境因素，然而相比之下，关于其在网络中心性价值创造过程中的权变效应的探讨还有待进一
步探索。本文基于技术不确定性为企业带来的机遇与挑战 ，分析企业如何在快速变化的技术环境中有效利
用网络中心地位创造更大的价值产出 ，这既是对网络中心性现有文献的丰富，也是对社会网络理论边界研
究的有益补充。
二、概念界定及机理分析
（ 一） 网络中心性
从由企业作为节点构成的网络来看 ，网络中心性反映了某一企业与网络中其他成员之间的相对位
114
Ｒesearch on Economics and Management（ No． 5，2019）
［10，
23］
置
经济与管理研究（ 2019 年第 5 期）
。根据社会网络理论，网络中心性是从网络结构视角出发 ，体现了企业在网络结构中的嵌入性［2，5］。
［24］
已经有研究表明，中心企业在网络中扮演信息桥接器或信息枢纽的重要角色
。 基于此，网络中心性
［10，
19］
既强调了企业对信息的获取能力 ，也体现了其对网络其他成员获取信息的控制能力
。 一方面，从网络
所有成员彼此之间相互连接的距离来看 ，中心企业到网络其他成员的路径之和最短，与网络其他成员之间
［2］
在信息交流上最活跃也最直接，因此网络中心性提升了企业在网络中的信息获取能力
； 另一方面，处于网
络中心位置的企业通常位于网络其他成员之间信息交流的最短路径上 。 也就是说，要想以最快速、最高效
［2］
或以成本最低的方式获得信息，那么其他成员必须要经过中心企业才能实现
［1，
4］
络其他成员的信息获取，进而拥有了相对权力
。 因此，中心企业控制着网
。在星形的网络结构中，即结构洞数量最大化存在的情况
下，中心企业的信息势能会达到最大值 。此时，中心企业不仅拥有信息资源优势，而且还是网络中其他成员
之间进行信息交换的唯一通道，这将帮助中心企业获得更大的相对权力，对网络其他成员的行为控制能力
［2，
23］
也将实现最大化
。中心企业可以通过权力的执行来影响网络中其他成员的行为模式 ，进而实现服务于
［11，
25 － 26］
。本文将从同行之间构成的社会网络出发 ，基于网络中心地位为企业带来的信
自身战略的资源交换
息资源优势和相对权力来探讨网络中心性对企业绩效的影响 。
（ 二） 创新关联和政治关联
从社会学的视角来看，社会中的个体总是以某种形式与其他个体之间存在某种关联 ，这种关联的存在
［27 － 28］
通常能够服务于个体目标的实现
。从组织行为学的视角来看，组织会根据自身的战略目标做出相应的
［29］
行为选择，如果行为与战略目标具有很好的匹配性 ，那么组织将获得预期甚至超额收益
。 企业为了获得
更多的战 略 资 源 和 更 大 的 合 法 性，通 常 会 与 外 部 组 织 构 建 起 良 好 的 社 会 关 联，如 创 新 关 联 和 政 治
［16，
18，
30］
关联
。
［14，
20］
具体而言 ，创新关联是指企业与从事研发活动的高校或科研机构建立的社会联结
。 对于企业来
［14 － 15］
说 ，创新关联可以为其带来两方面的价值 。 首先 ，创新关联是获取创新资源的重要来源
，为企业实
现技术创新 、产品创新和流程创新提供智力支持 。 根据研发活动的类型来看 ，在基础研究和应用研究中 ，
［31 － 32］
如为了认识新现 象 、发 现 新 知 识 或 探 索 新 的 应 用 方 法
［20，
33 － 34］
作
，企 业 可 以 选 择 与 高 校 或 科 研 机 构 进 行 合
。 其次 ，从外部影响来看 ，创新关联有助于企业向外界释放创新能力强的积极信号 ，增加其商
业合法性 ，进而使其更容易得到商业伙伴或同行的认可 ，这有利于增强企业在正式合作或非正式关系中
的谈判能力和影响力 。
［16，
21］
政治关联是指企业与政府部门建立的社会联结
［16． 30］
提升企业的政治合法性
，进而有助于企业获得无法替代的稀缺性资源 ，如贷款、补贴、土地、项目审批和
［22，
35］
经营许可等政府管制资源
。与政府部门建立起密切和良好的关系 ，往往能够
［36 － 37］
。
以及关于政府政策意图和行业改革等“内部 ”的政府指导性信息资源
有学者指出，在处于转型期的发展中国家，在政府干预较强和企业对政府有较大程度上的资源依赖的制度
［16，
22］
环境中，政治关联对于企业生存和有效参与市场竞争至关重要
［21］
备，一方面可以帮助其应对不确定环境所带来的挑战
。 政治关联通过增加企业的政治资源储
，另一方面也能够提升其在正式和非正式关系网络
［36］
中的资源交换能力
。
（ 三） 技术不确定性
［18，
38］
技术不确定性是指行业内技术环境的变化速度和不可预测性
。 由于不同企业的技术能力和战略
性资源冗余存在差异，因此在应对技术的动荡变化时会表现出不同程度的适应性 。 根据现有文献，技术不
115
经济与管理研究（ 2019 年第 5 期）
Ｒesearch on Economics and Management（ No． 5，2019）
确定性对企业发展产生的重要影响主要体现在以下两方面 ： 首先，快速变化的技术环境为企业创造了新的
［36，
39］
市场机会
。技术的快速发展为新产品的市场开发提供了可能 ，拥有高效技术开发能力的企业可以借此
［18］
机会探索新技术的应用方向，并快速定位新的目标市场，吸引新的消费群体
［40］
市场机会的产生也为组织间的技术学习提供了更好的契机
［18］
的挑战
。其次，动荡的技术变化也为企业带来了严峻
［41］
。技术的快速进步能够改变企业在产业中的地位
。同时，更多新技术的涌现和
。快速的技术进步大大缩短了现有产品的生
命周期，削弱了原本“根基稳固”的企业的竞争优势，而为那些对技术变化具有较强适应能力和应对能力的
［39］
企业创造了先机
。技术的不稳定性和不可预测性迫使企业必须对现有技术进行改进和升级 ，持续性地增
［42］
加研发投入
，实施频繁的技术迭代和突破式技术创新［39，43］，以此来降低被市场淘汰的风险，同时提升自
［44］
身的竞争优势和稳固市场地位
。在这一过程中，从社会网络视角来看，组织间的技术互动将为企业从外
部获取技术知识进而应对技术快速变化所带来的挑战提供帮助 。
三、研究框架与假设提出
本文对网络中心性对企业绩效的影响进行研究 ，并重点揭示一些情境因素的调节效应 ，如图 1 所示。具
体而言，网络中心性会正向影响企业绩效，但两者
之间的关系会受到社会关联 （ 创新关联和政治关
联） 以及技术不确定性的影响，即创新关联和政治
关联以及技术不确定性强化了网络中心性和企业
绩效之间的关系。
（ 一） 网络中心性与企业绩效
在本文中，企业的网络中心性主要来源于企业
［24］
对网络中同行企业所需技术知识的桥接
，即企
业通过控制同行企业所需要的关键技术信息来强
图1
化自己在同行网络中的中心位置或地位。 一般而
概念框架
言，网络中心性可以通过以下两种主要机制来影响
企业绩效：
第一，网络中心性增加了企业的技术知识资源优势 ，进而有利于企业绩效的提升。 处于网络中心位置
［24］
的企业，往往可以在同行中扮演技术信息枢纽或桥接器的重要角色
。 一方面，中心企业控制着其他网络
［1，
4］
成员所需的关键技术信息
； 另一方面，中心企业通过与同行网络中全部或绝大部分成员之间的直接或间
［2，
45］
接连接，也更容易获得来自不同网络成员的异质性技术知识 ，进而形成技术知识优势
。知识的聚集为中
［46］
心企业创造了一个密集和丰富的知识池 ，而外部知识是组织实现创新继而提升绩效的重要资源
。 同时，
网络中心性可以增强企业的认知能力 ，使其可以根据外部环境的动态变化而有针对性地从知识池中选择相
［11，
4］
应的技术知识来更好地满足独特的市场需求 ，进而优化市场表现，实现绩效增长
。
第二，网络中心性强化了企业的资源交换能力 ，进而促进了企业绩效的提升。 中心企业由于控制着网
络中同行企业所需要的关键技术信息 ，而使同行企业对其产生重要的依赖，这使中心企业获得了相对的权
［1，
19，
26］
力
。弗里曼（ Freeman，
1978—1979） 指出，中心企业可以通过隐瞒或扭曲信息而对网络成员的发展产
［2］
生重要影响
116
。因此，要想获得有效的技术信息，同行企业往往不得不以提供中心企业所需要的其他资源
经济与管理研究（ 2019 年第 5 期）
Ｒesearch on Economics and Management（ No． 5，2019）
的交换行为来维持与中心企业的关系 ，即中心企业与网络中同行企业之间的直接或间接连接不仅可以实现
技术信息的交换，而且也是它们为了实现各自战略目标而交换其他资源的重要途径 。 因此，可以把网络中
［2，
10，
19］
心位置视为中心企业与网络其他成员基于组织间信息互动而实现多样化资源交换的结构中心
［11］
资源可以包括组织间协助和有形的物质支持等
。 这些
，它们往往可以同中心企业的已有资源形成互补，为中心
［47］
企业更好地适应外部环境变化、应对市场挑战和利用新的商业机遇提供支持
，进而促进企业绩效的提升。
因此，本文提出以下假设：
H1： 网络中心性正向影响企业绩效。
（ 二） 创新关联的调节作用
［14，
20］
创新关联反映了企业与从事创新活动的高校和科研机构之间的关系联结
。 一般而言，创新关联越
强，则意味着企业与高校和科研机构之间的联系越频繁和越密切 ，这将为处于网络中心位置的企业的技术
［14］
创新提供更多的智力支持
。创新关联增强了中心企业对技术知识的应用能力 ，强化了中心企业对基于网
络位置优势而从同行企业那里获取到的技术知识的利用能力和利用效率 ，即通过对知识池中技术知识资源
更有效的利用进一步提升企业绩效。 随着创新关联的增强，网络中心性对企业绩效的影响也会变得更加
显著。
［14，
34］
此外 ，创新关联增加了企业的技术知识储备
［31，
33］
常是基于技术前沿的探索性创新知识
。 如前所述 ，高校与科研机构所提供的技术知识 ，通
。 因此 ，与高校和科研机构之间的关系联结 ，将使处于网络中
心位置的企业所拥有的技术信息和知识 ，对于网络中同行企业而言具有更大的价值 。 在这种情况下 ，中
［2］
心企业对技术信息的隐瞒或扭曲会对同行企业的发展产生更大程度的影响
，从而增加了网络中同行企
业为获取关键性技术信息或知识而与中心企业进行不局限于信息和知识的多样化资源交换的可能性 。
此时 ，处于网络中心位置的企业更可能利用其优势地位实现对满足自身发展所需要的互补性资源的获
取 ，进而对外部环境变化表现出更强的适应性 ，更好地利用市场机遇实现良性发展 ，这将更有利于其绩效
的提升 。 创新关联通过增强中心企业的资源交换能力来强化网络中心性对企业绩效的促进作用 。 综上 ，
提出以下假设 ：
H2： 创新关联强化了网络中心性与企业绩效之间的关系 。
（ 三） 政治关联的调节作用
［16，
21］
政治关联反映了企业与政府部门之间的关系联结
。 首先，当与政府部门具有较强的政治关联时，
处于网络中心位置的企业更可能从政府部门那里获得关于政府政策意图和行业改革等“内部 ”的政府指导
［36 － 37］
性信息资源
； 其次，通过频繁和密切的关系联结，中心企业也可以积累更多的、与政府部门之间关系层
面的操作性信息资源，如与政府部门沟通的技巧和行为规范等。 借助政府指导性信息资源，中心企业可以
根据现有政策的支持方向以及未来的政策走势更加精准地预测未来可能出现的产业需求和市场机会 ，进而
［36］
对基于网络位置优势而创造的、知识池中的技术知识进行更有针对性的有效利用
，即政治关联帮助处于
网络中心位置的企业将技术知识与政策方向进行适应性匹配 ，进而更好地参与市场竞争并实现绩效更好更
快的增长。由此，网络中心性对于企业绩效的正向影响作用得到了强化 。
此外，需要强调指出的是，政治关联为处于网络中心位置的企业所带来的政府指导性信息资源和关系
层面的操作性信息资源均属于稀缺资源 。一方面，这些资源可以帮助网络中的同行企业降低环境不确定所
［36］
产生的风险
。在转型经济体中，政府往往对市场具有较强的干预能力，上述两种信息资源对同行企业的
117
经济与管理研究（ 2019 年第 5 期）
Ｒesearch on Economics and Management（ No． 5，2019）
［16，
22，
48］
发展就显得更为重要
。另一方面，在政府内部信息的指导下，中心企业向网络中同行企业所转移的
技术知识对于行业和市场发展往往具有更强的适用性 。 因此，为了获取这些关键的信息和知识，网络同行
［25］
更可能通过互惠原则同处于网络中心位置的企业交换其所需要的互补性资源
，而互补性资源的获取则可
以帮助中心企业进一步提升绩效 。换句话说，政治关联可以通过强化中心企业的互补性资源交换能力来使
网络中心性在价值创造中发挥更大的作用 。因此，提出以下假设：
H3： 政治关联强化了网络中心性与企业绩效之间的关系 。
（ 四） 技术不确定性的调节作用
［38，
44］
如前所述，技术不确定性反映了行业中技术的快速变化
［18］
了挑战
，其为企业的发展带来了机遇，同时也带来
。当技术不确定性处于较高水平时 ，企业会采取积极的应对策略来对快速变化的技术环境做出适
［17 － 18］
应性反应
。基于网络中心性，中心企业更可能利用其在网络中的中心地位来加速与网络同行之间的技
术信息交流。一方面，这种信息交流可以帮助中心企业更精准地了解行业的技术需求与技术发展方向 ，进
［17］
，这有利于帮助中心企业更有效地应对行业技术变化所带来的挑
而加速适应市场发展的新技术的开发
［44］
战，从而增加了企业绩效提升的可能性
。另一方面，处于网络中心位置的企业通常掌握着更为核心或重
［1 － 2］
要的技术资源
，中心企业与网络同行之间的技术交流有助于推动行业的壮大 ，使行业在先进技术的快速
［10，
49］
迭代下实现高速和良性发展
。“馅饼”越做越大，会对行业中企业的市场表现起到推动作用 。 尤其是在
［1，
4，
23］
同行网络中处于中心地位的具有相对权力的企业 ，更可能从中受益并加速自身绩效的增长
。 因此，技
术不确定性提升了企业对网络中心性的利用效率 。在技术不确定性处于高水平的情境下，网络中心性对于
企业绩效的提升将发挥更大的影响作用 。因此，提出以下假设：
H4： 技术不确定性强化了网络中心性与企业绩效之间的关系 。
四、研究方法
（ 一） 样本与数据搜集
笔者通过实地调研，采用问卷调查的方法来收集数据，样本来自北京地区的中小微企业。 首先，围绕研
究问题，基于已有相关研究对原始问卷进行开发。 为了确保问卷具有现实应用性，首先在上述企业中选择
具有代表性的企业，对其中、高层管理者进行深入访谈，并在此基础上对问卷进行修正。 然后，开展预调研，
并基于企业对题项的反馈情况对问卷进行新一轮的修订 ，由此形成正式问卷。本次问卷发放数量为 400 份，
剔除题项缺失值较多、存在明显异常值以及存在明显选择规律性的样本等无效样本后 ，最后得到有效问卷
196 份，有效回应率为 49% 。
（ 二） 变量测量
在前人成熟量表的基础之上，结合特定的研究背景和企业深度访谈 ，完成对各变量的测量，具体的测量
题项和 来 源 如 表 1 所 示，所 有 题 项 均 采 用 Likert 五 级 量 表。 其 中，企 业 绩 效 摘 自 周 等 人 （ Zhou et al． ，
2005） ［39］，共包含三个题项，分别测量企业近两年在销售额、利润和市场占有率等方面的变化程度 ； 网络中心
2001） ［50］，用四个题项来衡量企业在同行网络中的潜在重要性、
性改编自安蒂亚和弗雷泽（ Antia ＆ Frazier，
［20］
突出性和影响力。 同时，借鉴霍伯格等 （ Hohberger et al． ，2015 ）
与伯科维茨和费 尔 德 曼 （ Bercovitz ＆
Feldman，
2007） ［14］的研究，用两个题项来测量创新关联，衡量企业与高校和科研机构之间联系的频率大小和
2017） ［51］和李等人 （ Li et al． ，
2008） ［21］的研
关系的长期导向程度； 借鉴斯蒂芬和本特松（ Stefan ＆ Bengtsson，
118
Ｒesearch on Economics and Management（ No． 5，2019）
经济与管理研究（ 2019 年第 5 期）
究并使用两个题项来测量政治关联 ，衡量企业与政府部门之间联系的频率大小和关系的长期导向程度 ； 技
1993） ［44］，用四个题项来衡量行业中技术的快速变化程
术不确定性摘自贾沃斯基和科利（ Jaworski ＆ Kohli，
度。此外，选取研发投入、企业规模、企业性质和所在行业等四个客观变量作为控制变量 。 根据已有相关研
究，这四个控制变量均对企业绩效存在影响 。
表1
变量构念
企业绩效
网络中心性
创新关联
政治关联
验证性因子分析结果
测量题项
标准载荷
t值
1． 近 2 年，我们销售额的变化
0． 821
2． 近 2 年，我们利润的变化
0． 768
9． 652
3． 近 2 年，我们市场占有率的变化
0． 731
9． 336
1． 大多数同行企业都知道我们的技术能力和产品
0． 802
2． 同行企业经常通过我们进行技术交流
0． 808
11． 037
3． 当需要技术支持时，
同行企业经常希望我们提供新知识或新技术
0． 764
10． 451
4． 我们经营行为或策略的变化对同行业其他企业有较大影响
0． 611
8． 142
1． 我们与高校、科研机构联系非常频繁
0． 766
2． 我们与高校、科研机构保持着长期合作关系
0． 893
1． 我们与政府部门联系非常频繁
0． 801
2． 我们与政府部门保持着长期合作关系
0． 788
技术不确定性 1． 行业技术变化速度快
α
CＲ
AVE
0． 818 8
0． 817 5
0． 599 4
0． 832 6
0． 836 1
0． 563 3
0． 810 6
0． 817 2
0． 692 1
0． 773 3
0． 774 0
0． 631 3
0． 866 9
0． 869 0
0． 627 1
8． 337
7． 612
0． 807
2． 技术变化提供了大量的发展机会
0． 890
12． 953
3． 行业技术突破催生了一系列新产品
0． 812
11． 932
4． 很难预测技术的未来发展方向
0． 637
8． 878
（ 三） 测量模型
2
使用 EQS 软件对测量模型进行验证性因子分析 （ CFA） ，模型拟合指数分别为： χ （ 80） = 177． 85，NFI =
0． 91，NNFI = 0． 93，CFI = 0． 95，IFI = 0． 95，ＲMSEA = 0． 08。所有指数均在理想范围之内，表明测量模型与真
实数据具有较好的拟合性。
结合验证性因子分析，对构念的信度和效度进行了检验。 关于构念信度的检验，同时采取以下两种方
法： 首先，本研究的所有构念的综合信度系数 （ CＲ） 均大于 0． 75，平均提取方差 （ AVE） 均不小于 0． 55，即 CＲ
［52］
值和 AVE 值同时满足了 0． 6 和 0． 5 的最低要求
。其次，根据彼得森（ Peterson，
1994） ［53］，如果克朗巴哈系
数（ Cronbach’s α ） 值大于 0． 7，则表明构念具有较好的内部一致性。 本研究中所有构念的 Cronbach’s α 值
均不小于0． 75，达到了 0． 7 的临界值。 综合以上两方面的指标分析，本研究中的所有构念的信度均较为理
想。然后，进一步检验了相应的聚合效度和区分效度 ： 首先，所有测量题项的标准化因子载荷均为正，且在
0． 01 的水平上具有统计显著性。因此，根据巴戈齐和易 （ Bagozzi ＆ Yi，
1988） ［52］的结论，本文所有构念均具
1981） ［54］，如果所有构念 AVE 的平方根
有较好的聚合效度。其次，根据福内尔和拉克尔 （ Fornell ＆ Larcker，
119
经济与管理研究（ 2019 年第 5 期）
Ｒesearch on Economics and Management（ No． 5，2019）
都大于该构念与其他构念的相关系数的话 ，则说明该构念具有较好的区分效度。通过将表 1 中每个构念的
AVE 与表 2 中包含该构念的任意一对相关系数的平方进行比较发现 ，前者与后者的差值均大于 0，因此本研
究中的构念都具有较理想的区分效度 。
表2
1
1． 企业绩效
相关系数矩阵
2
3
4
5
6
7
8
0． 383 3 ＊＊
0． 285 5 ＊＊
0． 151 4 *
0． 039 8
－ 0． 084 9
－ 0． 083 9
－ 0． 135 3 － 0． 259 9 ＊＊
0． 384 4 ＊＊
0． 405 2 ＊＊ － 0． 031 0
－ 0． 089 5
－ 0． 100 1
－ 0． 164 4 * － 0． 193 5 ＊＊
0． 449 9 ＊＊
－ 0． 202 6 ＊＊ － 0． 077 9
－ 0． 080 2 － 0． 207 6 ＊＊
－ 0． 215 8 ＊＊
0． 055 6
－ 0． 036 4 － 0． 065 7
－ 0． 060 5
0． 001 1 － 0． 016 8
－ 0． 074 0
－ 0． 230 9 ＊＊ 0． 151 1 *
2． 网络中心性
0． 404 3 ＊＊
3． 创新关联
0． 309 9 ＊＊
0． 405 4 ＊＊
4． 政治关联
0． 180 3 *
0． 425 5 ＊＊
0． 468 7 ＊＊
5． 技术不确定性
0． 072 5
0． 004 2
0． 037 0
0． 022 1
6． 研发投入
－ 0． 047 9
－ 0． 052 3
－ 0． 161 6 *
－ 0． 174 3 *
7． 企业规模
－ 0． 046 9
－ 0． 062 6
－ 0． 041 1
0． 087 8
－ 0． 024 3
8． 企业性质
－ 0． 096 6
－ 0． 124 7
－ 0． 043 4
－ 0． 001 1
0． 035 2
9． 行业
－ 0． 216 9 *
－ 0． 152 8 *
－ 0． 166 4 *
－ 0． 029 4
0． 017 9
0． 180 0 *
0． 176 8 *
－ 0． 172 7 *
10． 标记变量（ 新产品
0． 003 0
－ 0． 012 4
0． 008 8
0． 042 6
－ 0． 037 4
－ 0． 057 3
－ 0． 189 9 ＊＊ － 0． 021 2
9
0． 147 7 *
－ 0． 214 1 ＊＊
0． 034 1
0． 172 5 *
0． 061 9
0． 038 6
0． 491 0 ＊＊
0． 083 3
0． 044 5
0． 058 3
0． 062 1
均值
2． 916 7
2． 940 1
2． 191 3
2． 479 6
3． 660 7
0． 250 0
0． 336 7
0． 469 4
0． 153 1
标准差
0． 884 4
1． 087 8
1． 087 4
1． 152 3
0． 937 0
0． 434 1
0． 473 8
0． 500 3
0． 361 0
重要性）
注： N = 196，对角线的左下方为标记变量调整前的相关系数，而对角线的右上方是基于共同方法偏差检验的标记变量调整后的相关系数；
*
表示 P ＜ 0． 05，＊＊ 表示 P ＜ 0． 01。
（ 四） 共同方法偏差
由于本研究使用的是单边被访者调研问卷 ，因此数据可能存在共同方法偏差的问题。 本文采用林德尔
2001） ［55］的方法来检验是否存在共同方法偏差 ，检验过程主要包括以下几个步
和惠特尼（ Lindell ＆ Whitney，
骤： 第一步，选取标记变量，标记变量至少与概念框架中的一个变量在理论上不相关 。 本文将新产品重要性
作为标记变量，共包含三个题项，该变量分别从新产品对被访企业在产品开发地位上的确立 、开发客户的潜
［56 － 57］
在需要和开发竞争对手忽略的新市场等三方面的重要程度来衡量新产品的重要性
。 通过信度检验发
现，Cronbach’s α = 0． 83，表明标记变量的信度较为理想。第二步，将标记变量与其他变量进行相关性分析，
并在标记变量与所有潜变量之间的相关系数中 ，选取最小的正相关系数（ r = 0． 034 1） ，以此来对除标记变量
之外的所有变量之间的原相关系数进行调整 ，并计算出调整后的相关系数与相关系数统计量。 第三步，对
调整后的相关系数显著性与原相关系数显著性进行对比 。如表 2 所示，对角线左下方为原相关系数，对角线
右上方为调整后的相关系数。通过对比发现，在调整之前，共有 15 个相关系数显著； 而对相关系数调整后，
这 15 对变量间的相关性仍然显著，此外有 1 个原先不显著的相关系数在调整后也变得显著，新增的显著相
关系数的个数占原显著相关系数总数的比例较小，且与潜变量有关的原显著性相关系数在调整后仍然显
2001） ［55］，在本研究中共同方法偏差并不是一个严重的
著。因此，根据林德尔和惠特尼（ Lindell ＆ Whitney，
120
Ｒesearch on Economics and Management（ No． 5，2019）
经济与管理研究（ 2019 年第 5 期）
问题。
但是小比例的变量间相关性可能会受到共同方法偏差的影响 ，为了使研究结果更加可靠，本文借鉴格
2007） ［58］的方法，将标记变量作为控制变量放入回归方程 ，以进一步减小共同方法偏差。
雷森（ Grayson，
五、实证分析
本文采用层次回归分析的方法对模型中各变量之间的关系进行检验 ，为了最大限度地降低多重共线性
1991） ［59］，在生成交互项之前，先将自变量和调节变量进行
的潜在风险，根据艾肯和韦斯特 （ Aiken ＆ West，
中心化处理，然后将中心化后的自变量与调节变量相乘形成交互项并逐步放入回归方程 。 在所有模型中，
最大化的方差膨胀因子（ VIF） 是由网络中心性与创新关联的交互项产生的 ，VIF 值为 2． 05，远远小于临界值
10，表明本研究不存在严重的多重共线性 。层次回归分析的结果如表 3 所示。
表3
企业绩效
变量
自变量
网络中心性
模型 1
模型 2
模型 3
模型 4
模型 5
模型 6
0． 369 9 ＊＊＊
0． 337 1 ＊＊＊
0． 376 8 ＊＊＊
0． 375 4 ＊＊＊
0． 318 2 ＊＊＊
0． 355 5 ＊＊＊
（ 5． 402 2）
调节变量
创新关联
（ 4． 350 6）
0． 168 9 ＊＊
政治关联
技术不确定性
交互项
层次回归分析结果
（ 4． 934 9）
0． 061 9
（ 4． 906 9）
0． 172 7 ＊＊
（ 3． 938 0）
0． 161 0 ＊＊
（ 0． 759 9）
（ 2． 301 5）
（ 2． 076 0）
（ 1． 070 0）
－ 0． 047 0
－ 0． 039 3
－ 0． 150 0 *
－ 0． 040 7
－ 0． 104 6
（ － 0． 600 1）
（ － 0． 514 5）
（ － 0． 516 4）
（ － 1． 213 4）
（ － 1． 811 2）
0． 107 0
0． 050 9
0． 091 7
0． 122 9
0． 089 6
（ 1． 431 3）
（ 0． 682 2）
（ 1． 254 6）
（ 1． 590 7）
（ 1． 165 8）
网络中心性 × 创新关联
0． 150 1 *
0． 240 9 ＊＊＊
网络中心性 × 政治关联
（ 1． 683 0）
（ 1． 828 3）
网络中心性 × 技术不确定性
企业规模
企业性质
0． 163 2 *
0． 227 7 ＊＊＊
（ 3． 229 2）
研发投入
0． 090 8
（ 2． 195 7）
（ 3． 355 1）
控制变量
（ 4． 516 9）
0． 060 0
0． 107 7
（ 0． 828 2）
（ 1． 498 7）
－ 0． 011 6
0． 004 8
0． 030 4
0． 018 7
0． 009 4
0． 038 8
（ － 0． 170 5）
（ 0． 070 6）
（ 0． 454 0）
（ 0． 279 6）
（ 0． 136 6）
（ 0． 581 9）
0． 005 2
0． 016 7
0． 017 9
0． 034 1
0． 013 1
0． 023 6
（ 0． 077 7）
（ 0． 250 7）
（ 0． 276 4）
（ 0． 523 9）
（ 0． 196 7）
（ 0． 364 2）
－ 0． 081 5
－ 0． 071 8
－ 0． 091 3
－ 0． 092 8
－ 0． 067 6
－ 0． 091 4
（ － 1． 189 1）
（ － 1． 056 0）
（ － 1． 373 8）
（ － 1． 391 8）
（ － 0． 990 1）
（ － 1． 380 3）
121
经济与管理研究（ 2019 年第 5 期）
Ｒesearch on Economics and Management（ No． 5，2019）
表 3（ 续）
企业绩效
变量
模型 1
行业
Ｒ
2
△Ｒ
－ 0． 172 4
模型 2
＊＊
－ 0． 170 2
模型 4
＊＊
－ 0． 166 9
模型 5
＊＊
－ 0． 159 2
模型 6
＊＊
－ 0． 186 5 ＊＊＊
（ － 2． 485 4）
（ － 2． 197 1）
（ － 2． 515 9）
（ － 2． 464 1）
（ － 2． 279 2）
（ － 2． 750 0）
标记变量
－ 0． 013 5
－ 0． 072 7
－ 0． 050 3
－ 0． 087 1
－ 0． 075 0
－ 0． 073 1
（ 新产品重要性）
（ － 0． 201 1）
（ － 0． 946 0）
（ － 0． 668 5）
（ － 1． 159 3）
（ － 0． 973 9）
（ － 0． 968 1）
0． 194 7
2
模型 F 值
－ 0． 152 2
模型 3
＊＊
7． 614 3 ＊＊＊
0． 224 4
0． 268 9
0． 265 8
0． 227 2
0． 286 9
0． 029 7
0． 044 5
0． 041 4
0． 002 8
0． 062 5
5． 978 4 ＊＊＊
6． 802 9 ＊＊＊
6． 696 0 ＊＊＊
5． 440 0 ＊＊＊
6． 135 5 ＊＊＊
注： N = 196，括号内为 t 值，* 表示 P ＜ 0． 1，＊＊ 表示 P ＜ 0． 05，＊＊＊ 表示 P ＜ 0． 01。
在模型 1 中，将因变量企业绩效对自变量网络中心性和控制变量进行回归 ，其中，网络中心性正向影响
企业绩效，且影响作用显著（ β = 0． 369 9，P ＜ 0． 01） ，由此假设 1 得到支持。
在模型 2 中，调节变量与自变量和控制变量一同进入方程 ，与模型 1 相比，调节变量的进入使各预测因
子对企业绩效的方差变异的解释程度增加了 2． 97% 。
模型 3 至模型 5 依次增加了网络中心性与每个调节变量的交互项 ，模型 6 将所有交互项全部放入，形成
全模型。具体来看，模型 3 检验了创新关联的调节作用，结果显示，调节作用为正且显著 （ β = 0． 240 9，P ＜
0． 01） ，假设 2 得到支持。同时在模型 6 中，这种正向显著性仍然存在（ β = 0． 150 1，P ＜ 0． 10） ，因此假设 2 得
到进一步强化。
模型 4 检验了政治关联的调节作用，网络中心性与政治关联的交互项的回归系数为正，且显著 （ β =
0． 227 7，P ＜ 0． 01） ，表明政治关联对网络中心性与企业绩效之间的关系起到正向调节作用 ，假设 3 得到支
持。在模型 6 中，该交互项的系数仍然显著为正（ β = 0． 163 2，P ＜ 0． 10） ，由此假设 3 得到进一步强化。
模型 5 对技术不确定性的调节效应进行检验 ，网络中心性与技术不确定性的交互项的回归系数为正 ，但
不显著（ β = 0． 060 0，P ＞ 0． 10） ，说明技术不确定性对网络中心性与企业绩效之间关系的调节作用没有统计
学意义。同时在模型 6 中，该交互项的系数仍然不显著（ β = 0． 107 7，P ＞ 0． 10） ，因此假设 3 未得到支持。
为了能够更直观地观察和更好地解释调节变量是如何对网络中心性与企业绩效之间的关系进行调
节的 ，本文绘制了调节效应图 ，并在调节变量的高低两组中分别对企业绩效对网络中心性的回归方程进
行简单斜率分析，
如图 2 所示。在图 2 中，
当创新关联处于高水平时，
随着网络中心性的增加，企业绩效显著上
P ＜ 0． 01） ； 但在创新关联低水平组，
升（ β = 0． 531 0，
企业绩效的上升速度则明显放缓（ β = 0． 124 5，P ＜ 0． 10） 。
由于在调节变量的高低两组中，网络中心性对企业绩效的影响都是显著存在的 ，因此本文采用 t 检验对两组
中简单斜率之间的差异进行显著性检验 ，来进一步验证创新关联调节效应的存在。 检验结果表明，两组斜
率之间存在显著性差异（ t = 3． 457 0，P ＜ 0． 01） ，即创新关联的调节效应显著，该结论与回归分析中模型 3 中
的结果相一致，因此假设 2 得到进一步验证。
图 3 对政治关联的调节作用进行了分析。当政治关联处于高水平时，企业绩效随着网络中心性的增加而
上升，
且上升程度较为明显（ β = 0． 535 7，P ＜ 0． 01） ，说明网络中心性对企业绩效具有显著的正向影响作用； 而
当政治关联处于低水平时，
这种正向影响作用明显减弱（ β = 0． 144 4，P ＜ 0． 10） 。接下来对两组斜率的差异性
t 检验的结果显示两组斜率之间存在显著差异（ t = 3． 304 4，P ＜ 0． 01） 。即政治关联处于不同
进行显著性检验，
122
经济与管理研究（ 2019 年第 5 期）
Ｒesearch on Economics and Management（ No． 5，2019）
的水平，
网络中心性对企业绩效的影响是显著不同的，
由此证明政治关联的确对网络中心性与企业绩效之间的
关系起到了调节作用，
该结论与回归分析中模型 4 中的结果相一致，
因此假设 3 得到进一步验证。
图2
创新关联调节作用的斜率分析图
图3
政治关联调节作用的斜率分析图
六、结论与启示
（ 一） 结论
社会网络通过组织间关系的构建 ，为组织从网络中获取资源提供了有效途径 。 同时 ，由于不同组织
在网络中所处位置的不同 ，结果导致了每个网络成员在资源获取能力上存在着明显差异 。 本文基于社会
网络理论 ，选取其中关键的结构属性变量 ———网络中心性来研究其对企业绩效的影响 。 而且 ，本文分别
从社会关联和行业技术环境视角出发 ，以创新关联 、政治关联和技术不确定性为情境变量 ，探究了它们对
网络中心性与企业绩效之间关系的调节效应 。 研究结果表明 ，由于网络中心性增强了企业的技术知识优
势 ，以及对包括组织间协助和有形物质支持等在内的多样性资源进行交换的能力 ，因此网络中心性促进
了企业绩效的增长 。 同时 ，创新关联和政治关联分别对网络中心性与企业绩效之间的关系起到显著的正
向调节效应 。 具体表现为 ： 创新关联强化了网络中心性与企业绩效之间的关系 ； 政治关联也使网络中心
性与企业绩效之间的关系得到强化 。 本文虽然提出了关于技术不确定性的调节作用的假设 ，但这一假设
并未得到支持 。
（ 二） 理论启示
首先，关于网络中心性价值创造的机理，现有文献多从中心企业对信息或知识的获取视角展开研究 。
然而，网络中心位置不仅有利于企业在信息和知识资源方面形成优势 ，而且由此所产生的相对权力也增强
［11，
25］
了企业对组织间协助和有形物质支持等更广泛的互补性资源进行交换的能力
，而“权力与互补性资源
交换能力”的作用机理在当前有关网络中心性与企业绩效之间关系的研究中却并未得到重视 。 在同行企业
围绕着技术信息的共享所形成的社会网络中 ，处于网络中心位置的企业往往控制着网络中其他成员对技术
［1，
19，
26］
信息的获取，进而使其他成员对中心企业产生依赖 ，从而使中心企业成功地获得更大的相对权力
。其
中，这种权力可以影响组织间的关系和交互模式，进而导致互惠的交换行为，这有利于促进双方企业的成
123
经济与管理研究（ 2019 年第 5 期）
Ｒesearch on Economics and Management（ No． 5，2019）
［10 － 11，
19］
长。虽然网络中心性起源于群体中的信息交流 ，但它也是实现多样化资源交换的关键决定因素
。本
文通过对中心企业的相对权力及基于这种权力而形成的 、不局限于信息和知识的多样化资源交换能力的探
讨，弥补了现有文献研究的不足，这是对网络中心性价值创造机理在认识上的深化和补充 。
其次，在网络中心性的现有文献中，关于网络中心性价值创造过程中的情境因素的探讨还十分匮乏 。
本文发现，在创新驱动发展战略成为大势所趋的大背景下 ，在政商关系发挥重要作用的转型经济体中，企业
与从事研发活动的高校、科研机构之间的关系联结以及企业同政府部门之间的关系联结 ，对企业的成长和
绩效提升具有重要影响。因此，本文分别引入了创新关联和政治关联两个调节变量 ，从新的研究视角对这
两个因素对网络中心性与企业绩效之间关系的作用机理进行了研究 ，从而深化了对社会网络理论作用边界
的认识。其中，基于外部智力支持，创新关联强化了企业对技术知识的有效利用并增强了企业的互补性资
［1，
14，
25］
源交换能力
； 而政治关联则基于政治信息的获取来帮助企业对技术知识与政策方向进行适应性匹
［36］
配
，同时也增强了企业对能够满足自身发展所需的互补性资源进行交换的能力［25］。 基于以上两方面的
内在作用机制，网络中心性在企业绩效的提升中扮演了更为重要的角色 。对创新关联与政治关联调节效应
的研究，既弥补了现有文献对影响网络中心性价值创造的情境因素探讨的不足 ，也是对社会网络理论的有
益扩展和补充。
（ 三） 实践启示
在基于同行企业之间的技术信息共享所形成的社会网络中 ，企业在网络结构中的位置对于其获取技术
信息和互补性资源以及控制技术信息在网络中的传播与扩散 ，均具有重要影响。 基于本文的研究结果，网
络中心性促进了企业绩效的提升 。因此，在创新与技术能力已经成为企业核心竞争力的当下，企业更应该
寻求有效途径和科学方法来提升自己在网络中的位置或地位 ，以此加强网络中其他成员对自身的依赖，并
通过“权威者”角色来创造更大的发展空间。具体而言，管理者可以通过以下几个途径来提升企业的网络中
心性： 首先，企业应该注重学习、积累和创造有价值的独特性或专有性知识，知识的储备量和不可替代性是
提升网络地位的基础； 其次，要加强对这些知识的控制与管理，通过对网络中同行企业所需要的关键资源的
控制来增强自身在网络中的重要性 ，以此形成相对权力； 再次，要与更多的网络同行建立直接联系，即搭建
信息沟通的渠道，并通过适当的方式就这些知识与他们进行交流，通过对知识的传播使企业在网络中的地
位得到认同和提升； 最后，企业还要注意一点，就是尽量减少对网络其他成员的资源依赖，因为依赖的增加
会削弱自身的相对权力，一旦权力被平衡，将不利于企业争取在网络中的核心地位 。 综上，当企业在网络中
拥有稳定的中心地位后，网络的结构性优势效应将逐渐凸显 ，例如企业绩效的显著提升。
此外，除了重视与同行企业之间的关系之外，企业也应该积极建立和培养与从事创新活动的高校和科
研机构以及影响企业营商环境的政府及其机构之间的良好关系 ，这些关系的构建将有助于企业获取创新资
源和政治资源。基于本文的研究结果，这些资源将与网络结构资源形成互补，进而共同增加企业绩效。 关
于与高校和科研机构之间的关系构建 ，管理者可以参考腾讯公司的做法，与高校搭建合作平台，广泛汇集研
发力量，及时获取前沿技术知识，为企业实现创新提供智力支持。而关于与政府部门之间的关系构建，管理
者可以同时学习腾讯公司和海尔集团，通过与多地政府开展战略合作，来确立企业的政府合作伙伴地位。
同时，这也将向尚未与企业开展合作关系的其他地区的政府传递企业信誉好和能力强的积极信号 ，有利于
企业进一步扩展与政府之间的关系网络 ，进而获取更多的政治资源。 同时，管理者要加强对上述关系的积
极利用，例如在正式合作关系之外，通过非正式的互动来随时获取信息和资源支持 ，以此来使企业在网络结
124
Ｒesearch on Economics and Management（ No． 5，2019）
经济与管理研究（ 2019 年第 5 期）
构中的位置优势得到更好的利用 。
（ 四） 局限性和未来研究方向
首先，网络中心性对企业绩效的作用会受到很多情境因素的影响 ，而本文仅集中于社会关联中的两个
要素创新关联和政治关联以及技术环境相关要素技术不确定性进行了研究 ，未来可以从更多元化的视角来
对网络中心性价值创造的权变机制展开探索 ，以此发现更有趣的研究问题和研究结论； 其次，网络中心性的
测量包括问卷量表和基于算法的度量等两种方法 ，本文采用了前者，未来可以通过算法来计算网络中心性，
并对网络中心性与企业绩效或与更多元化的能够体现价值创造的结果变量之间的关系进行检验 ； 最后，本
文的调研数据仅来自北京地区，且集中于中小微企业，未来可以从其他城市和大企业那里搜集数据并将其
纳入研究，基于企业规模分布均匀的样本展开的实证分析将使结论更具普适性 。
参考文献：
［1］BENSON J K． The interorganizational network as a political economy［J］． Administrative Science Quarterly，
1975，
20（ 2） ： 229 － 249．
［2］FＲEEMAN L C． Centrality in social networks conceptual clarification［J］． Social Networks，
1978 － 1979，
1（ 3） ： 215 － 239．
［3］TSAI W． Knowledge transfer in intraorganizational networks： effects of network position and absorptive capacity on business unit innovation and
performance［J］． The Academy of Management Journal，
2001，
44（ 5） ： 996 － 1004．
［4］AHUJA M K，GALLETTA D F，CAＲLEY K M． Individual centrality and performance in virtual Ｒ＆D groups： an empirical study［J］． Management
Science，
2003，
49（ 1） ： 21 － 38．
［5］HOSSAIN L，WU A． Communications network centrality correlates to organisational coordination［J］． International Journal of Project Management，
2009，
27（ 8） ： 795 － 811．
［6］张红娟，谭劲松． 联盟网络与企业创新绩效： 跨层次分析［J］． 管理世界，
2014（ 3） ： 163 － 169．
［7］李善民，黄灿，史欣向． 信息优势对企业并购的影响———基于社会网络的视角［J］． 中国工业经济，
2015（ 11） ： 141 － 155．
［8］万良勇，胡璟． 网络位置、独立董事治理与公司并购———来自中国上市公司的经验证据［J］． 南开管理评论，
2014（ 2） ： 64 － 73．
［9］钱锡红，徐万里，杨永福． 企业网络位置、间接联系与创新绩效［J］． 中国工业经济，
2010（ 2） ： 78 － 88．
［10］IBAＲＲA H． Network centrality，power，and innovation involvement： determinants of technical and administrative roles［J］． The Academy of
Management Journal，
1993，
36（ 3） ： 471 － 501．
［11］LEE J，
KIM S． Exploring the role of social networks in affective organizational commitment： network centrality，
strength of ties，
and structural holes［J］．
The American Ｒeview of Public Administration，
2011，
41（ 2） ： 205 － 223．
［12］任兵，区玉辉，彭维刚． 连锁董事与公司绩效： 针对中国的研究［J］． 南开管理评论，
2007（ 1） ： 8 － 15．
［13］BＲUNETTA F，BOCCAＲDELLI P，LIPPAＲINI A． Central positions and performance in the scientific community： evidences from clinical research
projects［J］． Journal of Business Ｒesearch，
2015，
68（ 5） ： 1074 － 1081．
［14］BEＲCOVITZ J E L，FELDMAN M P． Fishing upstream： firm innovation strategy and university research alliances［J］． Ｒesearch Policy，
2007，
36（ 7） ：
930 － 948．
［15］HUSSLEＲ C，ＲONDE P． The impact of cognitive communities on the diffusion of academic knowledge： evidence from the networks of inventors of a
French university［J］． Ｒesearch Policy，
2007，
36（ 2） ： 288 － 302．
［16］ZHOU K Z，LI J J，SHENG S，et al． The evolving role of managerial ties and firm capabilities in an emerging economy： evidence from China［J］．
Journal of the Academy of Marketing Science，
2014，
42（ 6） ： 581 － 595．
［17］LOVETT S，
SIMMONS L C，
KALI Ｒ． Guanxi versus the market： ethics and efficiency［J］． Journal of International Business Studies，
1999，
30（ 2） ： 231 － 247．
［18］SHENG S，ZHOU K Z，LI J J． The effects of business and political ties on firm performance： evidence from China［J］． Journal of Marketing，
2011，
75（ 1） ： 1 － 15．
［19］BUＲT Ｒ S． Toward a structural theory of action： network models of social structure，perception and action［M］． Massachusetts： Academic Press，
1982．
125
经济与管理研究（ 2019 年第 5 期）
Ｒesearch on Economics and Management（ No． 5，2019）
［20］HOHBEＲGEＲ J，ALMEIDA P，PAＲADA P． The direction of firm innovation： the contrasting roles of strategic alliances and individual scientific
2015，
44（ 8） ： 1473 － 1487．
collaborations［J］． Ｒesearch Policy，
［21］LI J J，POPPO L，ZHOU K Z． Do managerial ties in China always produce value？ Competition，uncertainty，and domestic vs． foreign firms［J］．
Strategic Management Journal，
2008，
29（ 4） ： 383 － 400．
［22］PENG M W，LUO Y． Managerial ties and firm performance in a transition economy： the nature of a micro-macro link［J］． Academy of Management
2000，
43（ 3） ： 486 － 501．
Journal，
［23］ＲOWLEY T J． Moving beyond dyadic ties： a network theory of stakeholder influences［J］． Academy of Management Ｒeview，
1997，
22（ 4） ： 887 － 910．
［24］GＲANOVETTEＲ M S． The strength of weak ties［J］． American Journal of Sociology，
1973，
78（ 6） ： 1360 － 1380．
［25］EMEＲSON Ｒ M． Social exchange theory［J］． Annual Ｒeview of Sociology，
1976，
2： 335 － 362．
［26］MONGE P Ｒ，EISENBEＲG E M． Emergent communication networks［M］∥ JABIN F M，PUTNAM L L，ＲOBEＲIS K H，et al． Handbook of
organizational communication： an interdisciplinary perspective． Thousand Oaks，US： Sage Publications，
1987： 304 － 342．
［27］PSATHAS G． Phenomenology and sociology： theory and research［M］． Boston： University Press of America，
1989．
［28］MUＲDOCH J． Ecologising sociology： actor-network theory，
co-construction and the problem of human exemptionalism［J］． Sociology，
2001，
35（ 1） ： 111 － 133．
［29］BUTLEＲ M，ＲOSE E． Introduction to organisational behavior［M］． London： CIPD-Kogan Page，
2011．
［30］LUO Y． Guanxi and business［M］． 2nd ed． Singapore： World Scientific Publishing，
2007．
［31］CＲANE D． Invisible colleges： diffusion of knowledge in scientific communities［M］． Chicago： University of Chicago Press，
1972．
［32］LIEBESKIND J P，OLIVEＲ A L，ZUCKEＲ L，et al． Social networks，learning，and flexibility： sourcing scientific knowledge in new biotechnology firms
［J］． Organization Science，
1996，
7（ 4） ： 428 － 443．
［33］ZUCKEＲ L G，DAＲBY M Ｒ，AＲMSTＲONG J S． Commercializing knowledge： university science，knowledge capture，and firm performance in
biotechnology［J］． Management Science，
2002，
48（ 1） ： 138 － 153．
［34］STUAＲT T E，OZDEMIＲ S Z，DING W W． Vertical alliance networks： the case of university-biotechnology-pharmaceutical alliance chains［J］．
Ｒesearch Policy，
2007，
36（ 4） ： 477 － 498．
［35］KHWAJA A I，MIAN A． Do lenders favor politically connected firms？ Ｒent provision in an emerging financial market［J］． The Quarterly Journal of
Economics，
2005，
120（ 4） ： 1371 － 1411．
［36］CHEN X，WU J． Do different guanxi types affect capability building differently？ A contingency view［J］． Industrial Marketing Management，2011，
40（ 4） ： 581 － 592．
［37］HILLMAN A J，ZAＲDKOOHI A，BIEＲMAN L． Corporate political strategies and firm performance： indications of firm-specific benefits from personal
service in the U． S． government［J］． Strategic Management Journal，
1999，
20（ 1） ： 67 － 81．
［38］DE LUCA L M，ATUAHENE-GIMA K． Market knowledge dimensions and cross-functional collaboration： examining the different routes to product
innovation performance［J］． Journal of Marketing，
2007，
71（ 1） ： 95 － 112．
［39］ZHOU K Z，YIM C K，TSE D K． The effects of strategic orientations on technology-and market-based breakthrough innovations［J］． Journal of
Marketing，
2005，
69（ 2） ： 42 － 60．
［40］HANVANICH S，SIVAKUMAＲ K，HULT G T M． The relationship of learning and memory with organizational performance： the moderating role of
turbulence［J］． Journal of the Academy of Marketing Science，
2006，
34（ 4） ： 600 － 612．
［41］GU F F，HUNG K，TSE D K． When does guanxi matter？ Issues of capitalization and its dark sides［J］． Journal of Marketing，
2008，
72（ 4） ： 12 － 28．
［42］SLATEＲ S F，NAＲVEＲ J C． Does competitive environment moderate the market orientation-performance relationship？ ［J］． Journal of Marketing，
1994，
58（ 1） ： 46 － 55．
［43］LI T，CALANTONE Ｒ J． The impact of market knowledge competence on new product advantage： conceptualization and empirical examination［J］．
Journal of Marketing，
1998，
62（ 4） ： 13 － 29．
［44］JAWOＲSKI B J，KOHLI A K． Market orientation： antecedents and consequences［J］． Journal of Marketing，
1993，
57（ 3） ： 53 － 70．
［45］IBAＲＲA H，ANDＲEWS S B． Power，social influence，and sense making： effects of network centrality and proximity on employee perceptions［J］．
Administrative Science Quarterly，
1993，
38（ 2） ： 277 － 303．
［46］王永贵，刘菲． 创新能力： 发包方对接包方的影响机制研究———战略外包情境中合作冲突与长期合作导向的调节效应［J］． 经济管理，
2018
126
Ｒesearch on Economics and Management（ No． 5，2019）
经济与管理研究（ 2019 年第 5 期）
（ 1） ： 140 － 155．
［47］PODOLNY J M，PAGE K L． Network forms of organization［J］． Annual Ｒeview of Sociology，
1998，
24： 57 － 76．
［48］WANG L，SHENG S，WU S，et al． Government role，governance mechanisms，and foreign partner opportunism in IJVs［J］． Journal of Business
Ｒesearch，
2017，
76： 98 － 107．
［49］PODOLNY J M． Networks as the pipes and prisms of the market［J］． American Journal of Sociology，
2001，
107（ 1） ： 33 － 60．
［50］ANTIA K D，FＲAZIEＲ G L． The severity of contract enforcement in interfirm channel relationships［J］． Journal of Marketing，
2001，
65（ 4） ： 67 － 81．
［51］STEFAN L，BENGTSSON L． Unravelling appropriability mechanisms and openness depth effects on firm performance across stages in the innovation
2017，
120： 252 － 260．
process［J］． Technological Forecasting and Social Change，
［52］BAGOZZI Ｒ P，YI Y． On the evaluation of structural equation models［J］． Journal of the Academy of Marketing Science，
1988，
16（ 1） ： 74 － 94．
［53］PETEＲSON Ｒ A． A meta-analysis of Cronbach's coefficient alpha［J］． Journal of Consumer Ｒesearch，
1994，
21（ 2） ： 381 － 391．
［54］FOＲNELL C，LAＲCKEＲ D F． Evaluating structural equation models with unobservable variables and measurement error［J］． Journal of Marketing
Ｒesearch，
1981，
18（ 1） ： 39 － 50．
［55］LINDELL M K，WHITNEY D J． Accounting for common method variance in cross-sectional research designs［J］． Journal of Applied Psychology，
2001，
86（ 1） ： 114 － 121．
［56］HENAＲD D H，
SZYMANSKI D M． Why some new products are more successful than others［J］． Journal of Marketing Ｒesearch，
2001，
38（ 3） ： 362 － 375．
［57］GAO G Y，
XIE E，
ZHOU K Z． How does technological diversity in supplier network drive buyer innovation？ Ｒelational process and contingencies［J］．
Journal of Operations Management，
2015，
36： 165 － 177．
［58］GＲAYSON K． Friendship versus business in marketing relationships［J］． Journal of Marketing，
2007，
71（ 4） ： 121 － 139．
［59］AIKEN L S，
WEST S G． Multiple regression： testing and interpreting interactions［M］． Thousand Oaks： Sage Publication，
1991．
Network Centrality and Firm Performance
—Contingent Ｒoles of Innovative Ties，Political Ties and Technological Uncertainty
WANG Yonggui，LIU Fei
（ University of International Business and Economics，Beijing 100029）
Abstract： Nowadays，social network is important for firms to acquire the resources that are critical to them； and
the firm’s position in the network is significant in determining its resources acquisition． Simultaneously，the degree
of resources acquisition will also be affected by contextual factors such as the relationship between the firm and the
external organizations of the network and the market environment． Based on social network theory，taking network
centrality as the independent variable，this paper studies the impact of it on firm performance，in which innovative
and political ties and technological uncertainty are viewed as the moderators． The results suggest that network
centrality has a positive and significant effect on firm performance，and innovative ties and political ties have
significantly positive moderating effects on the relationship between network centrality and firm performance．
Whereas，the moderating effect of technological uncertainty is insignificant．
Keywords： network centrality； innovative ties； political ties； technological uncertainty； firm performance
责任编辑： 姚望春
127