基于龙头企业的产业集群和协同创新

1、基于龙头企业的产业集群协同创新调研中国计量学院经济与管理实习报告实习类别：市场调查实习策划题目：基于龙头企业的产业集群和协同创新专业：市场营销班级：12营销1班团队成员：邓雪梅李羿林钱晓爽林玉婷秦明杰陈理勃 指导教师：江青虎 2014年9月28日 41目录第一章 绪论51.1 调研背景51.1.1传统集群发展的必要性51.1.2龙头企业成为发展引擎51.2研究目的61.3研究思路71.4研究方法7第二章 文献综述92.1产业集群理论与创新92.2产业集群演进中龙头企业的带动作用102.3文献评述12第三章 研究设计与过程133.1研究模型与假设133.2问卷设计与发放：153.2.1问卷设计1

2、53.2.2问卷发放与回收183.2.3问卷发放与回收18第四章 调研数据处理194.1 样本特征描述194.2信效度分析204.2.1 信度分析214.2.2 问卷的效度分析214.3回归分析234.4调研结论29第五章 结论讨论325.1研究启示325.2研究局限34附录.33参考文献.36基于龙头企业的产业集群协同创新调研致谢本论文是在江青虎老师的悉心指导下完成的。从大二第二学期的六月底开始到大三第一学期的九月，历时了将近三个月时间。这个课题专业性较强，我们团队遇到很多瓶颈期，甚至觉得无法进行下去。江老师给予了我们团队莫大的指导和鼓励。在江老师暑期出国访问后，即使与我们相隔12小时的时差

3、，仍然抽出时间，甚至在深夜帮我们小组修改论文，提出建议。所有的建议都细心罗列，仔细程度出乎我们意料。本论文从选题到完成，每一步都是在江老师的指导下完成，倾注了江老师莫大的心血。在此，谨向江老师表示崇高的敬意和衷心的感谢！另外，本论文的完成也离开不了杨静老师的鼓励。在初期我们团队根本没有信心去完成该课题，甚至想要放弃另换课题。杨老师特意为我们讲述了学长学姐们的课题经历，给予我们团队信心。之后，也特别关注我们团队的课题进展，给予我们帮助。我们团队能完成这份论文，杨老师的鼓励起到了重要的作用。在此，谨向杨老师表示诚挚的感谢！感谢我们团队在暑期发放问卷过程中，所有给予我们帮助的公司领导，领导在百忙之中

4、抽空为我们填写了问卷，让我们获得了宝贵的一手资料！使我们的调研可以顺利进行！经历了将近三个月的奋斗，我们团队终于结束了这个课题。也许，这个论文中还有不少欠缺，但我们团队已经尽了我们最大的努力！感谢大家彼此亲密无间的合作，希望这个课题不是我们团队的终点，而是我们另一个新的起点!摘要产业集群：指集中于一定区域内特定产业的众多具有分工合作关系的不同规模等级的企业与其发展有关的各种机构，组织等行为主体，通过纵横交错的网络关系紧密联系在一起的空间积聚体，代表着介于市场和等级制之间的一种新的空间经济组织形式。相关理论表明，产业集群发展中，龙头企业往往发挥着主导作用，作为行业的技术标杆，能促进整个行业的技术

5、流动，带动整个集群的发展。同时龙头企业也能通过在集群内的活跃交往使得自身的经营风险得到一定程度的分散。再加上，国内产业集群多以低端制造业为主，缺乏创新性，国内关于创新性产业集群的论述并不多见。本研究以调研为出发点，界定网络特征（网络交往强度和网络交往范围），分析这些变量对知识获得以及知识溢出的影响，并进一步分析知识流动对协同创新的影响，为创新性产业集群的发展提供一定的依据。因此，本研究以已有的成熟量表为基础，形成本研究的量表。通过对数据进行可靠性分析、因子分析检验数据的信度与效度，再进行回归性分析验证假设，得出结论，如下: 1 “与集群内的龙头企业的业务交往强度”对知识获得有直接的正面影响。

6、2 “与集群内的非龙头企业的业务交往强度”对知识获得有直接的正面影响。 3 “与集群内的龙头企业的业务交往范围”对知识获得有直接的正面影响。 4 “与集群外业务交往范围”对知识获得有直接的正面影响。 5 “与集群内的龙头企业业务交往强度”对知识溢出有直接的正面影响。 6 “知识获得”对协同创新绩效有直接的正面影响。 7 “知识溢出”对协同创新绩效有直接的正面影响。 8 “知识获得”对知识溢出有直接的正面影响。结合结论，本文对创新性产业集群的发展提出如下几点建议：第一，积极发挥集群内的龙头企业的主导作用，其他企业提升与其的业务交往频率，扩大交往范围，发挥协同创新作用。第二，加强与集群外企业的交往

7、，从集群外获取一定的技术知识，促进集群内部的发展。第三，正是低端制造业产业集群的传统性局限，科技服务机构的缺乏以及企业对这些中介交往的不重视，导致这些科技服务机构本应发挥的创新影响力不显著，因而应该加强集群内的科技服务机构的建设，企业更应该积极与其沟通交往，提升整个产业集群的发展速度，向创新型产业集群转变。关键字：产业集群 、龙头企业 、协同创新 第一章 绪论1.1 调研背景 1.1.1传统集群发展的必要性三十多年的中国经济高速发展造就了一批在全球都具有举足轻重地位的产业集群，中国经济的成就很大程度是这批产业集群发展的结果。但中国的产业集群以传统低端制造业为主，随着经济与时代的发展，面临着诸多

8、问题，如：企业规模偏小、产业集群的创新不足、恶性竞争严重、外贸依赖度偏高、发展产业集群的公共政策支持体系尚不完备等。在近年来通货膨胀的背景下，所有生产要素价格在急剧上涨，劳动力短缺，而成品价格只能小幅度上涨，甚至固步不前，外向型制造企业尤为如此。以至出现如下被动局面：中国会制造服装，有的服装却不如国外品牌服装的纽扣值钱；中国会制造眼镜，可有的产品不如国外企业一个眼镜盒值钱；中国会制造布匹，可100米布不如国外的一条手帕值钱；中国会制造打火机，可有的打火机不如国外的火柴值钱 引自：经济参考报，2010、10、18。依靠大量的资源投入和粗放经营，处于全球价值链的最底层，在上游成本挤压和下游销售缺乏

9、议价权的双重压力下，传统集群已走到尽头，转型为创新型集群成为必然选择。创新集群强调不同功能企业在垂直、水平和地理的集聚，以分享知识和使新产品增值，创新集群在本质上是创新性的产业集群或基于创新的产业集群，是产业集群的高级形态。在创新集群中，创新不是线性的、单个企业的行为，而是非线性的，强调企业、科研机构、教育机构和公共管理机构的不断相互作用以达到创新目的。创新集群将改变传统集群依靠大量有形资源投入的局面，强调依靠群体创新创造高附加值和集群的可持续发展，并让收益为集群成员共享。但是，当前学术界，尤其是我国学术界对创新集群的认识都处于初步阶段，有待进一步的、系统的研究。1.1.2龙头企业成为发展引擎

10、传统意义上的产业集群是由大量、无核心、专业化的中小企业组成的马歇尔式产业集群。但随着经济的发展、科技的进步，集群自身也在不断演化，龙头企业在产业集群日益发挥主导地位，就如Markusen（1996）所认为：当前对产业集群的研究热衷于中小企业柔性化系统的认识，忽略了区内或区外大企业或跨国公司及其相互间的联系，并提出四种产业集群的类型，分别是马歇尔产业区（Marshallian）、轮轴式产业区(hub-and-spoke)、卫星平台式产业区(satellite platform)和国家管制产业区(state-anchored)。在其中的轮轴式产业区和卫星平台式产业区中，大企业正在替代中小企业成为产

11、业集群的主导力量和重要参与者。这类由龙头企业主导的产业集群除了具备一般产业集群的优势，诸如专业化的分工所带来的更低的各类交易成本、效率提升、共享的劳动力资源和公共设施、以及企业间知识溢出对技术创新活动所形成的广泛支持等外，还具各一系列特有优势，如包括此类集群既能充分发挥龙头企业规模上的优势，将大量资源有效地集中起来用于最终产品及其组件技术创新，以较快速度提升最终产品的性能以及企业技术能力，又能借助龙头企业的供应商企业来分担在生产和创新上的任务，在一定程度上缓解焦点企业因其规模过于庞大所产生的种种弊端；与此同时，焦点企业与供应商之间将结成创新网络，将供应商的创新行为纳入到龙头企业的协调与管理，从

12、而系统化地提升集群整体竞争力以及创新能力。另外，集群龙头企业在集群演进过程中，扮演将集群外知识引入到集群内的全球性管道(global pipeline)的角色，从而有效避免集群刚性，促进集群升级和区域经济的发展。因而，分析龙头企业在创新集群的综合作用具有较强的现实意义。1.2研究目的 一般认为，龙头企业是指那些在以中小企业为主的产业集群中，规模比较大且掌握核心企业的少数企业。龙头企业是产业集群中比较特殊的一类经济行为主体，在产业集群的内部网络结构中占据重要位置。西方学者认为龙头企业作为一种榜样和推动力量，其行为对集群中其它中小企业的成长有显著的示范和促进作用。相关理论研究和产业发展实践表明，龙

13、头企业通过具有正外部性投资以及与其他企业之间的协作可以促进集群内部资源的共享；通过不断创新形成“新鲜产业空气”可以带动其他企业的创新；通过与集群其他企业的交流合作可以实现知识在不同企业间的转移和扩散；通过品牌扩展并主导树立地区声誉可以为集群中其他企业提供营销支持。本课题旨在研究集群网络特征影响知识流动，从而导致整体集群的协同创新。因而本研究以调研为出发点，界定网络特征（网络交往强度和网络交往范围），进一步分为对集群内与龙头企业的业务交往强度、集群内与非龙头企业的业务交往强度、集群内中介交往强度、集群外业务交往强度、集群外中介交往强度、集群内与龙头企业的业务交往范围、集群内与非龙头企业的业务交往

14、范围、集群内中介交往范围、集群外业务交往范围、集群外中介交往范围这十个变量，分析这些变量对知识获得以及知识溢出的影响，并进一步知识流动对协同创新的影响。其中，不同企业与龙头企业的互动，从而促进产业集群协同创新是重点，从而为相关政策制定和企业决策提供参考。1.3研究思路 为了更好的研究基于龙头企业的产业协同创新，我组运用了文献研究法、问卷调查法、因子分析法等。前期我们在老师的指导下完成了二手资料的收集并大致了解本次调研的主要目的与所要克服的困难，我们查阅了大量关于“龙头企业的相关文献和实物资料，了解和掌握了在中国产业集群中，龙头企业对于非龙头企业的带动作用，之后设计了问卷同时对其进行了修改。中期

15、便是问卷的发放与回收，我们通过走访调查了大大小小150家企业，得到有效问卷116份。后期的主要工作就是数据的输入与分析，结论整理及提出建议。以下是我们的研究思路图。确定研究目的量表设计提出假设研究模型文献综述对策建议结论假设检验回收与分析问卷发放1.4研究方法 在调研的初期通过二手资料的收集来确定研究的目的和获取研究对象的基本的信息。通过查阅资料做好调研前的准备和应该注意的事项。关于问卷的设计我们充分采取了老师的建议结合自身对问题的理解。在调研的过程中我们采取问卷发放回收和座谈的方法来获取想要的数据和资料。 在数据的处理和分析阶段，我们首先采取SPSS分析得到的数据并进行分析，得出结果与问卷的

16、信度与效度的分析。通过建立核网链互动推动产业集群升级的机理模型、设计了含有四个变量的最终量表来将得到的结论更加生动的展现出来。利用逐步回归分析方法，分析集群内与龙头企业的业务交往强度、集群内与非龙头企业的业务交往强度、集群内中介交往强度、 集群外业务交往强度、集群外中介交往强度、集群内与龙头企业的业务交往范围、集群内与非龙头企业的业务交往范围、 集群内的中介交往范围、集群外业务交往范围、集群外中介交往范围对知识获得、知识输出的影响程度，以及知识获得、知识输出对协同创新绩效的影响程度。第二章 文献综述2.1产业集群理论与创新贾文艺、唐德善在技术经济与管理研究2009年06期中发表产业集群理论概述

17、，其中写道，产业集群这种现象最早出现在西方国家,有关产业集群的研究也以西方国家为主,随着产业集群的发展,有关产业集群的理论也出现了不同的学派,他们对产业集群做了不同的定义和解释。改革开放以来,我国经济有了快速的发展,其中产业集群在东部沿海地区发展较快,产业集群促进了我国经济的发展,对经济发展的作用日益凸显。张平在经济管理在2005年19期产业集群与技术创新发表对产业集群创新的看法，他认为产业的发展呈现集聚态势,相同或相近的产业往往通过集聚形成一个生态群落。其间的机理何在?一个重要的因素是技术的推动和进一步技术创新的需要。回顾了产业集群创新优势理论。技术创新理论是熊彼特1912年创建的。熊彼特认

18、为,任何“创新”必然是对旧的生产结构的破坏过程，,而它本身却是“新组合”或新结构的生成过程,是一种“产业的变异”或“创新性破坏过程”。马歇尔最早提出了产业集群创新优势理论,他在经济学原理中论述的专业化产业积聚特定区域的六个特征中第一个特征就是与当地社区同源的价值观念系统和协同创新的环境。朱英明在论产业集群的创新优势中认为产业集群是规模变小的国家创新体系。在经济全球化背景下,产业集群不仅没有被全球化的浪潮淹没,反而不断涌现和发展壮大,关键在于产业集群拥有的创新优势。产业集群的创新优势表现为相互作用的行为主体间优越的学习能力。产业集群创新优势的实现主要通过地方环境的孵化作用、知识技能的扩散集聚作用

19、以及跨国公司的催生作用等。在此基础上,提出产业集群创新优势培育的政策建议。陈柳钦在产业集群创新问题探讨认为创新是产业集群竞争力的一个重要来源。产业集群的创新特征主要表现为互惠共生性、竞争协同性、根植性、知识资源互补性和创新组织的开放性等。一般地讲,产业集群对创新的影响主要集中在四个方面:为企业提供一种良好的创新氛围,降低企业创新的成本,有利于企业技术创新的支持网络形成和有利于促进知识和技术的转移扩散。产业集群创新的动力来源有市场需求、中介组织、政府支持、科技推动、企业间的竞合、有效的集体学习机制、创新文化与价值观的激励等。郑浩然在产业集群创新的影响因素与动力研究中提出，由于区域经济的迅速崛起和

20、快速发展,产业集群已成为众多经济学家关注的热点,而集群的技术创新是其中一个重要的研究论题,技术创新能力是影响产业集群生存与发展的基础。因此,深入研究产业集群创新的影响因素和动力,掌握产业集群创新的演化规律,制定相应的产业集群创新的发展战略,引导和培育产业集群健康快速的发展,对区域经济发展至关重要。但目前,我国产业集群创新的研究主要集中在东部沿海比较发达的地区或者是高技术产业,而对相对落后的西部地区和传统产业为主导的产业集群创新研究较为缺乏。成都家具产业集群是一个典型的西部传统产业集群,如今该集群面临着内部企业技术创新能力不足,集群整体创新乏力的困扰。在市场竞争日益激烈的今天,探讨提升集群技术创

21、新能力的策略,对集群今后的健康发展具有重要作用。尤其是对西部传统产业集群创新的现状分析、问题归纳、措施探讨,这对西部产业集群创新的发展和传统产业集群创新的发展提供了借鉴,具有很强的现实意义。本文首先探讨了产业集群、技术创新的相关理论,对产业集群、技术创新的内涵及其两者之间的相互关系进行了分析。然后对产业集群创新的影响因素和动力进行了探讨,主要从基础设施、根植性文化及社会网络、集群内劳动力的供给及流动、资本投资、技术环境和市场专业化等影响因素,竞争效应、集群学习、溢出扩散、激励作用等动力方面对产业集群创新的影响过程进行分析。在此基础上,对产业集群创新的合作竞争分别从溢出扩散和激励作用两个动力角度

22、建立了动力模型,并进行了数学推导。接着,本文以成都家具集群为研究对象进行了案例分析。通过对企业的访谈与问卷,收集了大量的原始资料,并对这些资料整理、分析、归纳,以及回归分析了竞争效应、集群学习、溢出扩散、激励作用四种动力对集群创新的影响,总结出成都家具集群创新的现状和存在的问题。最后在借鉴国内外经验的基础上,就如何提升产业集群的技术创新能力,从企业层面、集群层面及政府层面提出了对策建议,并对成都家具集群提出了具体措施。2.2产业集群演进中龙头企业的带动作用早在20世纪70年代或更早的时间, 就有国外学者将集群引入到经济学, 提出了产业集群( industrial cluster) 的概念, 1

23、990年美国波特教授在国家竞争优势一书中重新提出产业集群的概念, 并用产业集群的方法分析一个国家或地区的竞争优势,贾生华和杨菊萍在产业集群演进中龙头企业的带动作用的研究综述中指出，产业集群中不同企业的地位、角色和作用是有差异的。龙头企业作为其他企业发展的动力和榜样,通过具有外部性的投资以及与其他企业之间的协作促进了集群内部资源的共享,通过与集群其他企业的交流合作实现知识在不同企业间的转移和扩散,通过不断创新形成新鲜产业空气从而带动其他企业的创新,通过品牌扩展并主导树立地区声誉为集群中其他企业提供了营销的依据。因此,支持龙头企业发展并鼓励其在集群中发挥领导角色,是提升产业集群整体竞争优势、促进产

24、业集群不断演进的重要手段。而王力辉在龙头企业对产业集群经济的作用分析点出了龙头企业对其产业集群具有带动, 促进作用。其作用可归纳为以下几点:1.龙头企业是产业集群的产品研发中心。2.龙头企业是产业集群技术创新和技术骨干培训中心。3.龙头企业是产业集群品牌培育、专利生产、标准制定中心。4.龙头企业是产业集群管理创新、市场开拓的先锋。龙头企业的诞生都是在集群发展到一定阶段出现, 龙头企业在产业集裙发展中形成是产内经济竞争发展的必然产物。龙头企业对其产业集群具有巨大的带动与推进作用, 并是其产业集群产品研发、技术创新、技术骨干、品牌建立中心。是产业集群管理创新、市场开拓的先锋。在不断发展龙头企业的同

25、时, 也要注意产业集群中, 中小企业的协调发展, 做到相互监督, 互利共赢, 共同发展的局面。龙头企业只有制定出符合国家政策的发展方向, 并对自身生存的环境加以保护, 才能做到可持续发展, 才能真正的对其产业集群产生积极的, 正面的促进推进作用。梁瑞在他所写的多维邻近下的集群龙头企业知识溢出对中小企业创新影响中指出产业集群在区域经济发展过程中起着越来越重要的作用，集群创新更是历来研究产业集群的学者关注的重点。集群中有龙头企业也有中小企业，龙头企业起到的作用不言而喻，但集群中企业数量更多的还是中小企业，唯有广大中小企业的创新绩效提高了，整个集群的创新的水平才能上升。集群龙头企业知识溢出和中小企业

26、吸收能力对中小企业创新起到了重要作用，但是否是充分条件，学术界还未达成统一的意见。目前，学术界关于集群创新的研究有了一个新的视角多维邻近性，以期在其背景下，研究企业间相互关系对企业创新绩效的影响。本文首先从组织邻近和认知邻近的视角出发，结合龙头企业知识溢出与中小企业吸收能力等基本要素，重点解析了组织邻近下的集群龙头企业知识溢出对中小企业创新的影响机理，认知邻近下的中小企业吸收能力对中小企业创新的影响机制，并据此提出5条待验假设。然后采用长沙电子信息产业集群问卷调查的数据，运用因子分析、可靠性分析、偏度与峰度检验问卷数据的有效性与可靠性。最后运用了结构方程模型（SEM）层层递进建立模型，并在AM

27、OS软件中制图，计算变量间影响的标准化路径系数与显著性水平，用实证结果来检验5条理论假设。通过理论机理分析与实证检验，本文得出以下结论：集群龙头企业知识溢出对中小企业创新绩效具有显著的正向影响；集群龙头企业与中小企业间组织邻近下的知识溢出对创新绩效具有显著的正向影响，且影响效应增强；集群中小企业吸收能力对中小企业创新绩效具有显著的正向影响；集群龙头企业与中小企业间认知邻近下的吸收能力对创新绩效具有显著的正向影响，且影响效应增强；在组织与认知邻近下，知识溢出与吸收能力对创新绩效具有显著的促进效应，或者说这种影响较组织邻近下知识溢出或认知邻近下吸收能力对创新绩效的影响更强。最后提出了促进集群内中小

28、企业与集群整体创新绩效提升的几点政策建议。2.3文献评述根据所查阅的文献，我们可以发现近几年来，国内外很多学者对产业集群以及龙头企业对产业集群的创新作用都有很深入的研究。产业集群内部不仅包括企业, 而且还包括相关的商会、协会、银行、中介机构等, 是一个复杂的有机整体。龙头企业对产业集群的促进作用, 不仅使经济增长, 而且能增加社会人群的就业机会等相关效应。近几年, 相关产业不断涌现, 慢慢的形成产业集群模式, 而在这些产业集群中总是有其核心的企业。并且产业集群的建立, 必然有其相关的价值链与企业关系网络。要清楚认识龙头企业在产业集群中的核心作用, 就要通过分析汇总, 论证。阐述龙头企业与产业集

29、群的价值关系,着重研究龙头企业在产业集群中的核心作用以及对相关领域的积极作用。由一个产业集群引申开, 能清楚了解各个产业集群都是逃脱不了龙头企业的带动作用。并通过理解产业集群的发展过程, 龙头企业和产业集群的关系, 发现其面对的问题, 寻找解决问题的方法, 更好的促进产业经济发展。面对现在浙江省产业集群普遍存在的“创新动力缺失”的现象，这种现象在龙头企业带动的产业集群中能得到解决，龙头企业带动型产业集群具有中卫式结构，不仅促进了大企业的核心竞争力的形成，大大提高其专业化程度，组织结构更为精干，使技术创新效率更高。从而带动集群中的其他企业发展。这就是我们所要研究的龙头企业在产业集群中协同创新取得

30、共赢。第三章 研究设计与过程3.1研究模型与假设一个集群的协同创新绩效如何，评判的标准无疑与知识流动状况息息相关。知识流动是一个双向的概念，并非只是一个单循环，它既有知识的输出，也有知识的获得。学生之所以能学习知识，多在于老师传道解惑，这传道解惑的过程恰恰是学生与老师的交往过程。于是，集群存在的知识流动便来源于企业间的交往、集群间的交往。知识的流动状况便取决于交往的强度与范围。也就是说，产业集群的创新优势表现为相互作用的行为主体间优越的学习能力。产业集群创新优势的实现主要通过地方环境的孵化作用、知识技能的扩散集聚作用以及跨国公司的催生作用等。最终，本文以集群内与龙头企业的业务交往强度、集群内与

31、非龙头企业的业务交往强度、集群内中介交往强度、集群外业务交往强度、集群外中介交往强度、集群内与龙头企业的业务交往范围、集群内与非龙头企业的业务交往范围、集群内中介交往范围、集群外业务交往范围、集群外中介交往范围共10个维度为自变量，知识获得、知识溢出控制为连个变量，协同绩效创新是因变量，得出以下的理论模型，如下图： 与集群内龙头企业的业务交往与集群内非龙头企业的业务交往集群内的中介交往集群外的业务交往集群外的中介交往与集群内龙头企业的业务交往与集群内非龙头企业的业务交往集群内的中介交往集群外的业务交往集群外的中介交往交往范围交往强度知识获得知识溢出协同创新绩效网络特征知识流动协同创新绩效图3-

32、1：核网链互动推动产业集群升级的机理模型基于该理论模型得出以下假设：关于影响知识获得的假设：H1a: 集群企业与集群内龙头企业的业务交往强度对知识获得有正面影响。H1b: 集群企业与集群内非龙头企业的业务交往强度对知识获得有正面影响。H1c: 集群企业与集群内中介交往强度对知识获得有正面影响。H1d: 集群企业与集群外业务交往强度对知识获得有正面影响。H1e: 集群企业与集群外中介交往强度对知识获得有正面影响。H1f：集群企业与集群内龙头企业的业务交往范围对知识获得有正面影响。H1g：集群企业与集群内非龙头企业的业务交往范围对知识获得有正面影响。H1h: 集群企业与集群内中介交往范围对知识获得

33、有正面影响。H1i: 集群企业与集群外业务交往范围对知识获得有正面影响。H1j: 集群企业与集群外中介交往范围对知识获得有正面影响。（2）关于影响知识溢出的假设：H2a: 集群企业与集群内龙头企业的业务交往强度对知识溢出有正面影响。H2b: 集群企业与集群内非龙头企业的业务交往强度对知识溢出有正面影响。H2c: 集群企业与集群内中介交往强度对知识溢出有正面影响。H2d: 集群企业与集群外业务交往强度对知识溢出有正面影响。H2e: 集群企业与集群外中介交往强度对知识溢出有正面影响。H2f：集群企业与集群内龙头企业的业务交往范围对知识溢出有正面影响。H2g：集群企业与集群内非龙头企业的业务交往范围

34、对知识溢出有正面影响。H2h: 集群企业与集群内中介交往范围对知识溢出有正面影响。H2i: 集群企业与集群外业务交往范围对知识溢出有正面影响。H2j: 集群企业与集群外中介交往范围对知识溢出有正面影响。关于影响协同创新绩效的假设：H3a: 知识获得对知识溢出有正面影响。H3b: 知识获得对协同创新绩效有正面影响。H3c: 知识溢出对协同创新绩效有正面影响。3.2问卷设计与发放：3.2.1问卷设计基于上述量表的分析与改进，本研究的问卷即由引言致谢、企业基本信息、交往强度、交往范围、知识流动、协同创新绩效6部分组成。企业基本信息部分：包括企业所在区域和行业、企业性质、企业创办时间、现有企业总人数、

35、现有企业总资产、去年企业总产值、企业排名共7个问项构成。交往强度部分：包括集群内业务交往强度6个问项、集群外业务交往强度3个问项、集群内中介交往强度1个问项、集群外中介交往强度1个问项共计11个问项构成。具体变量测量方法：集群内外业务交往强度取三个问项的平均值，中介业务交往只有一个问项，取实际得分。交往范围部分：包括集群内业务交往范围6个问项、集群外业务交往范围3个问项、集群内中介交往范围1个问项、集群外中介交往范围1个问项共计11个问项构成。具体变量测量方法：如交往强度相同。知识流动部分：包括知识获得4个问项、知识输出4个问项共8个问项构成。具体变量测量方法：因子提炼。协同创新绩效部分：包括

36、新产品推出速度等4个问项构成。具体变量测量方法：因子提炼。此外，问卷将采取李克特五分法予以测量，尺度按“5=非常同意；4=同意；3=一般；2=不同意；1=非常不同意”表示。具体变量的量表如下：A 被解释变量表3-1：绩效的测量指标构思变量测量项目依据协同创新绩效比同行推出新产品速度更快 比同行开发新产品周期更短 比同行开发新产品成本更低 比同行新产品卖得更好 Gereffi (1999)；Humphrey,Schmitz,etc(2002)；Weinzimmer, Nystrom & Freeman, 1998；Love & Roper, 2001;Spender, 1999；Maskell

37、& Malmberg, 1999；李建华，刘玲利，2007；朱海燕，2009)等B 解释变量表3-2：网络关系的测量指标构思变量测量项目依据集群内业务强度和集群内的供应商、客户和同行交往的频率 Granovetter(1973)、Van de Van&Ferry(1980)、Zhao & Aram(1995)、Uzzi(1997)、Batjargal(2001)集群内中介关系强度和集群内的大学、科研机构和生产力中心等公共研究服务机构等交往的频率集群外业务强度和集群外的供应商、客户和同行交往的频率集群外中介关系强度和集群外的大学、科研机构和生产力中心等公共研究服务机构等交往的频率集群内业务范围与

38、集群内供应商、客户和同行建立的关系种类数Senjem & Reed(2002)、Burt(1983)、 Marsden(1990)、邬爱其（2004）集群内中介关系范围与集群内的大学、科研机构和生产力中心等公共研究服务机构等建立的关系种类数集群外业务范围与集群外供应商、客户和同行建立的关系种类数集群外中介关系范围与集群外的大学、科研机构和生产力中心等公共研究服务机构等建立的关系种类数C中间变量表3-3：知识行为的测量指标构思变量测量项目依据知识获取从集群内外组织获取的技术知识从集群内外组织获取的制造工艺知识 从集群内外组织获取的营销经验从集群内外组织获取的管理技能Simonin ( 1999)

39、、Lane等、Norman ( 2004)方凌云（2001) 、刘光容(2007)、Capello（1999）知识输出人才引进数量人才流出数量企业衍生数量产品模仿数量3.2.2问卷发放与回收我们的研究主题是“基于龙头企业产业集群协同创新”，目标范围定于浙江省省内。萧山被誉为“钢构之乡”“中国化纤名镇”，全国汽配龙头老大“万向集团”也坐落于萧山；绍兴轻纺城是亚洲规模最大、成交额最高、经营品种最多的纺织品专业批发市场；余杭区是“中国布艺名城”；湖州有中国最大的童装城。于是杭州市萧山区的钢构行业和汽配行业和化纤行业、绍兴与余杭区的纺织行业、湖州的服装行业就成了我们的具体目标。我组成员两两一队，进行数

40、据调研，主要是一手资料收集法的实地调查法中的访问调查法。深入企业，为了保证数据的科学性和准确性，由企业的管理层为我们填写问卷。比如：恒逸化纤是其办公室主任崔贤芳主任为我们填写；万向汽配是其人力资源总监填写。通过问卷发放与收集，本团队共计发放回收116份有效问卷。第四章 调研数据处理4.1 样本特征描述我们所调查的区域分布在萧山、湖州、绍兴、余杭。萧山为63%，湖州为29%，绍兴为20%，余杭为3.4%。因为在我们前期所搜索得到的资料分析知，在这几个地方都存在较大的产业集群，正是我们所需要调查的，结合组员自身状况我们选定了这四个作为调查的地区。通过资料查询，我们对这四个区域的产业集群分析了解后，

41、选定了余杭家纺集群、织里童装集群、萧山化纤集群等产业集群。本文对所回收问卷的数据进行了系统的分析，得到的样本的基本特征如表4-1所示。本研究的样本基本信息包括七部分：企业行业、企业性质、企业创办时间、现有企业总人数、现有企业总资产、去年企业总产值、企业在当地同行中产值规模能否排前10名。通过对有效样本数据的整理，可以看出在的本次调查企业中，民营企业性质的企业最多，约占到95.7%；创办企业时间在10年以上的占41.4%；34.5%企业人数的范围在50100人以下；现有企业总资产在1000万以上的比例为46.6%；去年企业总产值在1000万以下的比例为31.9%，在5000万以上的比例为30.2

42、%；79.3%的企业产值不能排当地同行业前10，20.7%的企业产值能排当地同行业前10。由此可见，本次调查的对象中，民营、中等规模企业、创办时间在10年以上的受访者居多。由于本次调查对象企业的产值多为1000万2000万，属于非龙头企业。表 4-1 ：样本基本特征的描述统计表企业属性变量分类企业个数所占比例企业行业化纤3025.9%汽配1714.7%钢构1613.8%纺织2420.7%服装2925.0%企业性质民营11195.7%集体00%国有00%三资32.6%其他21.7%创办时间3年以下108.6%3-5年 2017.2%6-8年1613.8%8年-10年2219.0%10年以上484

43、1.4%现有企业总人数50以下3328.4%50-100以下4034.5%100-300以下1916.4%300-500以下54.3%500以上1916.4%现有企业总资产100万以下1210.3%100万-500万2017.2%500万-1000万3025.9%1000万以上5446.6%去年企业总产值1000万以下3731.9%1000万-2000万3227.6%2000万-5000万 119.5% 5000万以上3530.2%产值规模在当地能否排名前十能2420.7%不能9279.3%4.2信效度分析本文运用SPSS19.0统计分析软件，首先对被调查者的个人基本信息进行描述统计分析，再对

44、问卷各个变量进行因子分析，提取出重要的因子，再进行后续的相关分析和回归分析。由于交往强度、交往范围对应的变量的测量方法，已在3.2.1说明,因而无需进行信效度分析。4.2.1 信度分析信度又叫可靠性，是指采用相同的方法对同一对象进行反复测量时所得结果的一致性程度。信度指标通常用相关系数来表示，一般分为等值系数（跨形式的一致性）、稳定系数（跨时间的一致性）和内在一致性系数（跨项目的一致性）三类。目前最常用的是信度系数法，一般情况下我们主要考虑量表的项目之间是否具有较高的内在一致性即内在信度。通常认为，信度系数在0-1之间，Cronbachs 值越高则表示信度越好，总量表的信度系数最好达到0.8以

45、上，0.7-0.8之间表示量表的信度可以接受；分量表的信度系数最好达到0.7以上，0.6-0.7之间还可以接受。本研究采用Peterson（1994）所建议的信度系数要达到0.7作为检验的标准。经检验，本问卷量表各部分的信度分析结果如表4-2所示：表4-2：量表信度统计表变量测量问项各变量知识获得4.1/4.2/4.3/4.40.666知识输出4.5/4.6/4.7/4.80.650协同创新绩效5.1/5.2/5.3/5.40.870从上表可以看出，量表各部分的值均大于0.65，说明以上变量具有比较好的信度，可进行后续研究。4.2.2 问卷的效度分析量表的效度，即有效性，是指测量得到的结果反映

46、所想要考察内容的程度。当测量结果与测量内容的吻合程度越高时，则表明效度越高；反之，则表示效度越低。主要包括内容效度、准则效度及结构效度。内容效度主要反映量表内容和所要表达的概念之间的一致程度。因为本研究的基本题项均来自于参考文献中，曾多次应用于各类调研，所以具备良好的内容效度。用结构效度来检验量表是否可以度量出所需研究的变量。结构效度的检验主要通过KMO值和Sig等指标作为参考标准。根据Kaiser给出的KMO度量标准，KMO在0.9以上表示非常适合；0.80.9表示很适合；0.70.8表示适合；0.60.7表示一般；0.50.6表示很勉强；0.5以下表示不适合。在因子分析中，方差贡献率可以体

47、现因子对量表的积累有效程度。一般在研究中，量表的累积方差贡献率高于60%，才能说明有较好的结构效度。量表的KMO和Bartl。表4-3 知识获得的效度分析 表4-3：因子负荷1(知识获得)Q四.2.969Q四.4.812Q四.3.771Q四.1.730累计方差解释率(%)82.024KMO.677从表4-3可见，最小因子负荷为0.730，大于0.5的要求，KMO值大于0.6。因而4个测项全部保留，知识获得只有一个维度。表4-4：知识输出的效度分析测项因子负荷1(知识输出)Q四.7.803Q四.6.799Q四.5.659Q四.8.515累计方差解释率(%)72.076KMO.636从表4-4可见

48、，最小因子负荷为0.515，大于0.5的要求，KMO值大于0.6。因而4个测项全部保留，知识输出只有一个维度。表4-5：协同创新绩效的效度分析测项因子负荷1(协同创新绩效)Q五.1.762Q五.2.747Q五.3.690Q五.4.682累计方差解释率(%)72.081KMO.793从表4-5可见，最小因子负荷为0.682，大于0.5的要求，KMO值大于0.7。因而4个测项全部保留，协同创新绩效只有一个维度。根据表KMO和Bartlett球形检验的结果显示，影响因素量表、二级维度量表、行为意向量表及总量表的KMO值均在0.5以上，Sig.的值都为0.000，即表示都通过了Bartlett球形检验

49、。从累积方差解释表中可知，所有的累积方差贡献率均高于60%，说明量表具有较好的结构效度。4.3回归分析回归分析是研究一个变量（因变量Y）与另外一个或多个变量（自变量X）之间的不确定的相关关系的一种理论和方法，不仅能够说明数据的相关关系的方向和紧密程度，而且能对变量之间因果关系的数量关系进行进一步解释。本研究将利用逐步回归分析方法，分析集群企业与集群内龙头企业的业务交往强度、集群企业与集群内非龙头企业的业务交往强度、集群内中介交往强度、 集群外业务交往强度、集群外中介交往强度、集群企业与集群内龙头企业的业务交往范围、集群企业与集群内非龙头企业的业务交往范围、 集群内的中介交往范围、集群外业务交往

50、范围、集群外中介交往范围对知识获得、知识输出的影响程度，以及知识获得、知识输出对协同创新绩效的影响程度。（1） 交往强度、交往范围对知识获得的影响。以“知识获得”为因变量，以“集群企业与集群内龙头企业的业务交往强度”、“集群企业与集群内非龙头企业的业务交往强度”、“集群内中介交往强度”、“ 集群外业务交往强度”、“集群外中介交往强度”、“集群企业与集群内龙头企业的业务交往范围”、“集群企业与集群内非龙头企业的业务交往范围”、“ 集群内的中介交往范围”、“集群外业务交往范围”、“集群外中介交往范围”为自变量，得出表4-6：表4-6：以知识获得为因变量的回归结果表模型非标准化系数标准系数TSig.

51、B标准 误差试用版1(常量).953.5181.840.069与集群内龙头企业的业务交往强度.563.100.4725.616.000与集群内非龙头企业的业务交往强度.299.093.2603.229.002与集群内龙头企业的业务交往范围.215.095.1942.263.026与集群内非龙头企业的业务交往范围-.982.410-.961-2.397.018与集群外业务交往范围.794.380.8232.093.039由表4-6可以得知，由于“集群内中介交往强度”、“ 集群外业务交往强度”、“集群外中介交往强度”、“ 集群内的中介交往范围”、“集群外中介交往范围”的Sig值均大于0.05，所以

52、删除。因此，可以得出结论，知识获得=0.472*与集群内龙头企业的业务交往强度+0.26*与集群内非龙头企业的业务交往强度+0.194*与集群内龙头企业的业务交往范围-0.961*与集群内非龙头企业的业务交往范围+0.823*与集群外业务交往范围。根据标准偏回归系数（Standardized Coefficients），其值越大表明对因变量影响越大，与集群外业务交往范围的标准系数值最大，因此其对知识获得的影响也最大。假设检验情况如表4-7所示：表4-7：各因子对知识获得产生影响研究假设研究结论H1a: 集群企业与集群内龙头企业的业务交往强度对知识获得有正面影响。支持H1b: 集群企业与集群内非

53、龙头企业的业务交往强度对知识获得有正面影响。不支持H1c: 集群内中介交往强度对知识获得有正面影响。不支持H1d: 集群外业务交往强度对知识获得有正面影响。不支持H1e: 集群外中介交往强度对知识获得有正面影响。不支持H1f：集群企业与集群内龙头企业的业务交往范围对知识获得有正面影响。支持H1g：集群企业与集群内非龙头企业的业务交往范围对知识获得有正面影响。不支持H1h: 集群内中介交往范围对知识获得有正面影响。不支持H1i: 集群外业务交往范围对知识获得有正面影响。支持H1j: 集群外中介交往范围对知识获得有正面影响。不支持（2） 交往强度、交往范围对知识溢出的影响。以“知识溢出”为因变量，以“集群企业与集群内龙头企业的业务交往强度”、“集群企业与集群内非龙头企业的业务交往强度”、“集群内中介交往强度”、“ 集群外业务交往强度”、“集群外中介交往强度”、“集群企业与集群内龙头企业的业务交往范围”、“集群企业与集群内非龙头企业的业务交往范围”、“ 集群内的中介交往范围”、“集群外业务交往范围”、“集群外中介交往范围”为自变量，得出表4-8：表4-8：以知识溢出为因变量的回归结果表模型非标准化系数标准系数TSig.B标准误差