结构洞网络位置对中国A股上市公司研发投入的影响探究：理论与实证

结构洞网络位置对中国A股上市公司研发投入的影响探究：理论与实证一、引言1.1研究背景在全球经济一体化与科技快速发展的当下，创新已成为企业获取竞争优势、实现可持续发展的核心驱动力。中国A股上市公司作为中国经济的中流砥柱，其研发投入水平不仅关乎自身的市场竞争力与长期发展潜力，更对中国整体产业升级和经济高质量发展有着深远影响。随着中国经济从高速增长阶段转向高质量发展阶段，科技创新在经济发展中的关键作用愈发凸显。2023年中国研究与试验发展（R&D）经费支出33278亿元，同比增长8.1%，占国内生产总值（GDP）比例为2.64%，这一数据彰显了中国在科技创新投入上的决心与力度。上市公司作为创新主体，其研发投入规模和强度也在稳步上升。2023年A股上市公司研发支出合计达到1.82万亿元，占全国R&D经费支出的比重达到54.75%，占GDP的比例为1.45%，这三项数据均创历史新高，研发强度为历年新高，达到2.51%。从行业分布来看，2023年合计有8个行业研发支出超千亿元，建筑装饰、电子、汽车、电力设备、医药生物等行业在研发投入上表现突出。战略性新兴产业相关公司的研发强度显著高于传统产业，计算机、国防军工、电子、机械设备、医药生物、通信六大行业研发支出占营收比例均在5%以上，其中计算机行业研发支出占营收比例最高，达到10.58%。在企业创新的过程中，企业并非孤立存在，而是嵌入在复杂的社会网络之中。结构洞理论作为社会网络分析的重要理论，为理解企业在网络中的位置及其对企业行为的影响提供了独特视角。该理论由Burt在1992年提出，认为在社会网络中，当两个个体之间没有直接联系，而必须通过第三方才能建立联系时，这个第三方就占据了结构洞位置。占据结构洞位置的个体或组织能够获取更多的异质性信息，拥有信息优势和控制优势，从而在资源配置、创新合作等方面占据有利地位。近年来，结构洞理论在企业管理领域的应用研究不断深入，学者们逐渐认识到企业在网络中的结构洞位置对其战略决策、资源获取、创新能力等方面有着重要影响。在供应链网络中，占据丰富结构洞位置的企业能通过缓解融资约束提升商业信用供给能力，增强风险承担能力以增强供给意愿，从而增加商业信用供给。在企业合作网络中，结构洞对创新型企业创新绩效具有促进作用，且知识吸收能力在其中起部分中介作用。然而，目前关于结构洞网络位置与企业研发投入之间关系的研究仍相对较少，尤其是基于中国A股上市公司的实证研究有待进一步丰富。中国A股上市公司所处的市场环境、制度背景与国外存在差异，其在社会网络中的结构洞位置如何影响研发投入决策，以及这种影响在不同行业、企业规模等条件下是否存在异质性，这些问题亟待深入探究。1.2研究目的本研究旨在深入剖析结构洞网络位置对中国A股上市公司研发投入的影响机制，通过理论与实证相结合的方法，揭示二者之间的内在联系。具体而言，本研究拟达成以下目标：首先，精确测度中国A股上市公司在社会网络中的结构洞网络位置。运用社会网络分析方法，结合大数据技术，全面收集和整理上市公司的相关数据，构建上市公司社会网络关系图谱，准确计算结构洞指标，如有效规模、效率、限制度等，以清晰呈现上市公司在网络中的位置特征。其次，深入探究结构洞网络位置对上市公司研发投入的影响方向与程度。通过建立严谨的计量经济模型，控制其他可能影响研发投入的因素，如企业规模、盈利能力、行业竞争程度等，实证检验结构洞网络位置与研发投入之间的数量关系。分析占据不同结构洞位置的上市公司在研发投入决策上的差异，明确结构洞网络位置对研发投入的促进或抑制作用，以及这种作用的强度大小。再者，揭示结构洞网络位置影响研发投入的内在机制。从信息获取与整合、资源配置、创新合作等多个角度出发，分析结构洞网络位置如何通过影响企业的战略决策过程，进而作用于研发投入。研究占据结构洞位置的企业如何利用信息优势和控制优势，获取更多的创新资源，推动企业加大研发投入；探讨结构洞网络位置对企业创新合作模式和合作对象选择的影响，以及这些因素如何共同影响企业的研发投入决策。最后，基于研究结论为中国A股上市公司的战略决策提供有针对性的建议。根据不同结构洞网络位置的特点，为企业制定差异化的创新发展战略提供参考，帮助企业优化网络布局，提升结构洞位置优势，合理配置研发资源，提高研发投入的效率和效益，增强企业的核心竞争力，实现可持续发展。同时，为政府部门制定相关政策提供理论依据，促进产业创新生态的优化和完善。1.3研究意义1.3.1理论意义本研究在理论层面具有多方面的重要意义，将为结构洞理论和企业研发投入相关理论的发展做出贡献。从结构洞理论角度而言，目前该理论在企业管理领域的应用虽有一定进展，但在研发投入决策方面的研究尚显不足。本研究聚焦中国A股上市公司，深入剖析结构洞网络位置与研发投入之间的内在联系，进一步拓展了结构洞理论的应用边界。通过精确测度上市公司在社会网络中的结构洞位置，并实证检验其对研发投入的影响，能够丰富结构洞理论在企业创新战略决策方面的研究内容，为后续学者从网络结构视角研究企业研发行为提供更为详实的理论依据。在供应链网络中，虽然已有研究表明占据丰富结构洞位置的企业能通过缓解融资约束提升商业信用供给能力，但对于其如何影响企业在研发资源投入决策上的作用机制尚不明晰。本研究将填补这一理论空白，有助于完善结构洞理论在企业经济行为研究中的理论体系。在企业研发投入相关理论方面，以往研究多从企业内部资源、战略导向、市场竞争等角度探讨影响研发投入的因素，而对企业所处社会网络结构的关注相对较少。本研究引入结构洞网络位置这一外部网络因素，为理解企业研发投入决策提供了全新的视角。通过揭示结构洞网络位置如何通过信息获取、资源配置、创新合作等路径影响企业研发投入，能够整合内外部因素，构建更为全面的企业研发投入理论分析框架。这不仅有助于深化对企业研发投入行为的理解，还能为后续研究企业在复杂网络环境下的创新决策提供新的理论思路，推动企业研发投入理论向多维度、综合性方向发展。1.3.2实践意义本研究的成果对中国A股上市公司的实践运营和战略决策具有重要的指导价值。对于企业管理者而言，研究结论能帮助他们深刻认识到企业在社会网络中的结构洞位置对研发投入的重要影响，从而更加重视企业网络关系的构建与维护。企业可以依据自身的结构洞网络位置，制定差异化的研发战略。占据丰富结构洞位置的企业，能够利用其信息优势和控制优势，积极拓展研发资源获取渠道，加大研发投入力度，开发具有创新性和竞争力的产品或技术，在市场竞争中抢占先机；而结构洞位置相对薄弱的企业，则可以通过与占据结构洞位置的企业建立合作关系，借助其资源和信息，提升自身的研发能力，优化研发投入决策，避免盲目投入，提高研发资源的利用效率。从行业层面来看，研究结果有助于促进产业内企业之间的创新合作与协同发展。当企业了解到结构洞网络位置在研发投入中的作用后，会更加注重在产业链中寻找合适的合作伙伴，形成优势互补的创新联盟。在供应链网络中，企业可以通过占据结构洞位置，加强与上下游企业的信息共享与资源整合，共同开展研发活动，推动整个产业的技术升级和创新发展，提高产业的整体竞争力。此外，本研究对政府部门制定相关政策也具有一定的参考意义。政府可以依据研究结论，通过政策引导和支持，鼓励企业优化网络布局，提升结构洞位置优势，促进企业加大研发投入。政府可以搭建产业创新平台，促进企业之间的交流与合作，帮助企业建立更广泛的社会网络关系，为企业获取更多的创新资源创造条件；还可以制定相关的税收优惠、财政补贴等政策，激励企业在占据有利结构洞位置的基础上，进一步加大研发投入，推动科技创新和产业升级，实现经济的高质量发展。二、理论基础与文献综述2.1社会网络理论社会网络理论作为研究社会结构和动态的重要工具，近年来在企业研究领域的应用日益广泛。该理论的核心在于理解个体、群体以及整个社会结构之间的关系如何形成、演变，以及这些关系如何影响个体的行为、信息和资源的流动，强调关系的重要性，而非仅仅关注单个个体或群体的属性。在社会网络理论中，“节点”和“边”是两个核心概念。“节点”代表网络中的个体或群体，其可以是个人、组织、社区乃至国家等；“边”则代表节点之间的关系，这些关系丰富多样，如友谊、合作、信任、冲突等。通过“边”的连接，众多“节点”共同构成了复杂的网络。以企业间的合作网络为例，各个企业就是网络中的节点，而企业之间的合作协议、股权关系、技术交流等则构成了连接节点的边。网络的结构和动态性也是社会网络理论关注的重点。网络结构可以通过密度、中心性、聚类系数等指标来精确描述。密度体现网络中关系的紧密程度，若一个网络中大部分节点之间都存在直接联系，那么该网络密度较高，信息和资源在其中的传播相对容易；反之，若节点间直接联系较少，网络密度低，信息和资源传播可能面临阻碍。中心性用于衡量节点在网络中的重要程度，度中心性高的节点与众多其他节点直接相连，在信息传播的初期能够快速获取和传递信息；介数中心性高的节点处于多条最短路径上，对信息的控制和传播方向具有关键影响；紧密中心性高的节点到其他节点的距离较短，能高效获取网络中的信息。聚类系数反映节点的邻居之间关系的紧密程度，若一个节点的邻居之间相互联系紧密，说明该节点所在的局部网络具有较高的聚类系数，这在一定程度上影响信息在局部范围内的传播和共享方式。社会网络的动态性同样不可忽视，其涉及新节点的加入、现有节点的退出、边的形成和断裂等变化。这些动态变化不仅会改变网络的结构，还会对网络中信息的传播路径、资源的分配方式以及个体的行为决策产生深远影响。新企业进入市场，可能会打破原有的企业合作网络结构，带来新的合作机会和竞争关系，进而影响信息和资源在网络中的流动方向和速度。在企业研究中，社会网络理论的应用广泛而深入，为理解企业的行为和策略提供了全新视角。在企业间网络研究方面，通过分析企业间的合作网络、供应链网络、创新网络等，可以清晰地了解企业如何获取和分享信息、资源和技术，以及如何与其他企业建立和维护关系，这些关系对企业的竞争力和创新能力有着关键影响。在供应链网络中，企业通过与上下游供应商和客户建立紧密的合作关系，能够及时获取原材料供应信息、市场需求信息等，优化生产计划和产品配送，提高供应链的效率和响应速度，增强企业的市场竞争力。社会网络理论在企业内部网络研究中也发挥着重要作用。通过研究企业内部员工间的合作、信任、冲突等关系，可以深入揭示企业内部社会结构对企业决策和绩效的影响。企业内部的项目团队中，成员之间的合作关系紧密程度、信任水平会直接影响项目的推进效率和质量。若团队成员之间沟通顺畅、相互信任，能够高效地分享知识和经验，项目往往能够顺利完成；反之，若成员之间存在冲突和信任危机，可能导致信息传递不畅，工作效率低下，影响企业的绩效。社会网络理论为深入剖析企业在复杂社会网络中的行为和决策提供了有力的理论支持，有助于企业更好地理解自身所处的网络环境，优化网络关系，提升竞争力和创新能力，实现可持续发展。2.2结构洞理论2.2.1结构洞理论概述结构洞理论由美国社会学家罗纳德・伯特（RonaldBurt）于1992年在其著作《结构洞：竞争的社会结构》中正式提出，是社会网络分析领域的重要理论。该理论从全新视角审视社会网络中个体或组织间的关系，突破了传统社会网络分析仅关注节点间直接联系和关系强度的局限，聚焦于网络结构中的空隙或断裂部分，即“结构洞”。在社会网络中，当两个或多个个体（或组织）之间缺少直接联系，而必须通过第三方才能建立联系时，这个第三方就占据了结构洞位置。假设有A、B、C三个企业，A与B有合作关系，A与C也有合作关系，但B和C之间没有直接合作联系，那么B和C之间就存在结构洞，而A则处于这个结构洞的中间位置，成为连接B和C的桥梁。这种结构洞的存在在各类社会网络中广泛存在，如商业合作网络、学术交流网络、社交网络等。在商业合作网络中，不同供应商和客户之间可能通过某个核心企业建立联系，核心企业就占据了结构洞位置；在学术交流网络中，不同研究领域的学者可能通过某个跨学科研究机构或知名学者建立联系，该机构或学者就处于结构洞位置。结构洞的形成机制较为复杂，受到多种因素的综合影响。社会分工和专业化是重要因素之一。随着社会发展，各行业分工愈发精细，不同专业领域的个体或组织专注于特定业务，导致彼此之间直接联系减少，从而为结构洞的产生创造了条件。在制造业中，零部件供应商专注于生产零部件，产品组装企业专注于产品组装，两者之间可能缺乏直接沟通与合作，需要通过贸易商或供应链平台等第三方建立联系，形成结构洞。信息不对称也是结构洞形成的关键原因。由于信息传播存在局限性，不同个体或组织获取信息的渠道、能力和范围不同，使得部分节点难以直接建立联系，进而产生结构洞。在新兴技术领域，一些初创企业掌握前沿技术信息，但缺乏市场渠道信息；而传统企业拥有广泛市场渠道，却对新技术了解不足，双方因信息不对称无法直接对接，需要通过技术中介机构等第三方实现合作，形成结构洞。此外，地理位置、文化差异、组织制度等因素也会阻碍个体或组织间的直接联系，促使结构洞的形成。不同地区企业因地理位置差异，沟通成本高，难以直接建立合作，往往借助区域经济合作组织等第三方实现合作，形成结构洞；不同文化背景的企业在合作理念、管理方式上存在差异，导致直接合作困难，需要通过专业咨询机构等第三方协调，产生结构洞。2.2.2结构洞理论效应结构洞理论效应显著，为占据结构洞位置的个体或组织带来多方面优势，在社会网络中发挥关键作用。信息优势是结构洞理论的重要效应之一。占据结构洞位置的个体或组织能够获取来自不同群体的非冗余信息，拓宽信息来源渠道，提升信息的多样性和丰富性。在企业创新合作网络中，处于结构洞位置的企业既能获取上游供应商关于原材料技术创新的信息，又能获得下游客户对产品功能需求变化的信息，还能了解同行业竞争对手的研发动态，从而全面掌握行业发展趋势，为企业创新决策提供丰富信息支持。相比之下，处于网络闭合区域的企业，由于与周围节点联系紧密且同质化程度高，获取的信息重复性高，难以获得新颖、有价值的信息，在创新决策时易陷入信息局限。据相关研究表明，在创新合作网络中，占据结构洞位置的企业平均比非结构洞位置企业多获取30%以上的非冗余信息，这些信息为企业创新提供了关键的知识来源，有助于企业开发出更具创新性和市场竞争力的产品或技术。控制优势也是结构洞理论的重要体现。占据结构洞位置的个体或组织在网络中对信息和资源的流动具有较强的控制能力，能够决定信息和资源的流向、分配方式，在网络互动中占据主动地位。在供应链网络中，作为结构洞中间人角色的核心企业，可以根据自身战略需求，决定将优质原材料分配给哪些下游企业，影响下游企业的生产进度和产品质量；同时，在信息传递方面，核心企业可以选择向不同节点传递不同信息，引导网络中其他企业的决策和行为，以实现自身利益最大化。这种控制优势使占据结构洞位置的企业在供应链中具有较强的话语权，能够有效协调供应链各环节，提高供应链整体运行效率。有研究发现，在供应链网络中，占据丰富结构洞位置的企业在价格谈判、合作条款制定等方面具有更大优势，能够获得更有利的合作条件，降低采购成本和运营风险。资源整合优势同样不可忽视。占据结构洞位置的个体或组织凭借其独特的网络位置，能够整合来自不同渠道的资源，实现资源的优化配置，创造更大的价值。在产学研合作网络中，高校、科研机构和企业之间往往存在资源互补关系，但由于彼此之间联系松散，需要通过科技中介机构等占据结构洞位置的第三方进行协调。科技中介机构可以整合高校的科研成果、科研机构的专业技术和企业的资金、市场渠道等资源，促进各方合作，加速科研成果转化，推动产业技术升级。通过整合资源，占据结构洞位置的个体或组织能够打破资源分散的局面，实现资源的协同效应，提高资源利用效率，创造更大的经济效益和社会效益。相关研究表明，在产学研合作中，借助结构洞实现资源整合的项目成功率比未整合资源的项目高出25%-35%，充分体现了结构洞在资源整合方面的重要作用。结构洞理论效应使占据结构洞位置的个体或组织在社会网络中具备独特竞争优势，能够更好地获取信息、控制资源流动和实现资源整合，在创新、合作和发展等方面占据有利地位，对个体和组织的发展以及整个社会网络的运行和演化产生深远影响。2.3结构洞网络位置与研发投入关系的研究综述在企业创新研究领域，结构洞网络位置与研发投入的关系逐渐受到关注，国内外学者从不同角度展开了研究，取得了一系列成果。国外学者较早运用结构洞理论探讨企业网络位置与创新行为的关联。Burt通过对美国制造业企业的研究发现，占据结构洞位置的企业能获取更多异质性信息，有助于识别新的研发机会，进而推动企业增加研发投入。在对高科技企业的研究中，学者指出处于结构洞位置的企业凭借信息优势和控制优势，能够整合外部创新资源，在研发项目选择和资源配置上更具优势，从而倾向于加大研发投入以利用这些优势实现创新突破。国内学者在该领域的研究也不断深入。有学者基于中国制造业上市公司数据，实证检验发现企业在供应链网络中的结构洞位置对研发投入有显著正向影响，占据丰富结构洞位置的企业能够获取更多上下游企业的信息，了解市场需求和技术趋势，从而积极投入研发资源，开发新产品和新技术，提升企业竞争力。在对创新型企业的研究中，发现结构洞通过知识吸收能力对创新绩效产生促进作用，而研发投入在这一过程中起到了中介作用，即占据结构洞位置的企业通过加大研发投入，提高知识吸收和转化效率，进而提升创新绩效。然而，现有研究仍存在一定不足。在研究对象上，虽然对不同行业企业有所涉及，但针对中国A股上市公司这一具有代表性的群体，研究的广度和深度有待加强。A股上市公司在经济规模、行业分布、治理结构等方面具有独特性，其所处的市场环境和制度背景与国外企业存在差异，现有研究未能充分考虑这些因素对结构洞网络位置与研发投入关系的影响。在研究方法上，部分研究在结构洞网络位置的测度和研发投入的衡量指标选取上存在局限性。一些研究仅采用单一指标衡量结构洞网络位置，无法全面准确反映企业在网络中的复杂位置特征；在研发投入衡量方面，部分研究仅考虑研发支出金额，未综合考虑研发人员投入、研发项目数量等多维度因素，可能导致研究结果的偏差。在影响机制研究方面，虽然已有研究提及信息获取、资源整合等方面，但对结构洞网络位置影响研发投入的内在作用路径尚未形成系统、深入的理论阐释。对于信息如何在网络中传递、企业如何利用信息优势进行研发决策、资源整合过程中存在哪些关键影响因素等问题，仍需进一步深入探究。针对现有研究的不足，本文将以中国A股上市公司为研究对象，综合运用多种方法精确测度结构洞网络位置和研发投入，深入剖析二者之间的内在关系及影响机制，从不同行业、企业规模等多个维度进行异质性分析，以期为该领域的研究提供更为全面、深入的实证依据和理论支持。2.4文献述评综合来看，现有关于结构洞网络位置与研发投入关系的研究已取得一定成果，为后续研究奠定了基础。学者们普遍认可结构洞理论在解释企业创新行为方面的重要性，认为占据结构洞位置的企业在信息获取、资源整合和控制等方面具有优势，这些优势有助于企业发现新的研发机会，推动研发投入的增加。在研究方法上，多采用实证研究方法，通过构建计量经济模型对理论假设进行检验，为研究结论提供了较为可靠的证据支持。然而，现有研究仍存在一定局限性。在研究对象上，虽然对不同行业企业有所涉及，但针对中国A股上市公司这一具有代表性的群体，研究的广度和深度有待加强。A股上市公司在经济规模、行业分布、治理结构等方面具有独特性，其所处的市场环境和制度背景与国外企业存在差异，现有研究未能充分考虑这些因素对结构洞网络位置与研发投入关系的影响。在研究方法上，部分研究在结构洞网络位置的测度和研发投入的衡量指标选取上存在局限性。一些研究仅采用单一指标衡量结构洞网络位置，无法全面准确反映企业在网络中的复杂位置特征；在研发投入衡量方面，部分研究仅考虑研发支出金额，未综合考虑研发人员投入、研发项目数量等多维度因素，可能导致研究结果的偏差。在影响机制研究方面，虽然已有研究提及信息获取、资源整合等方面，但对结构洞网络位置影响研发投入的内在作用路径尚未形成系统、深入的理论阐释。对于信息如何在网络中传递、企业如何利用信息优势进行研发决策、资源整合过程中存在哪些关键影响因素等问题，仍需进一步深入探究。针对现有研究的不足，本文将以中国A股上市公司为研究对象，综合运用多种方法精确测度结构洞网络位置和研发投入，深入剖析二者之间的内在关系及影响机制，从不同行业、企业规模等多个维度进行异质性分析，以期为该领域的研究提供更为全面、深入的实证依据和理论支持。三、研究假设与理论模型构建3.1研究假设的提出3.1.1结构洞网络位置与研发投入的关系假设在当今复杂多变的商业环境中，企业的研发投入决策受到多种因素的综合影响，其中企业在社会网络中的结构洞网络位置发挥着关键作用。基于结构洞理论，本文提出假设H1：企业的结构洞网络位置与研发投入呈正相关关系。企业在社会网络中占据的结构洞位置为其带来了显著的信息优势。在创新过程中，信息的获取和整合至关重要。占据结构洞位置的企业能够作为信息的汇聚点，从多个不直接相连的网络节点获取非冗余信息。在一个由供应商、生产商、科研机构和客户组成的复杂商业网络中，处于结构洞位置的企业可以同时获取供应商关于原材料最新技术进展的信息，了解科研机构在相关领域的前沿研究成果，以及掌握客户对产品功能和性能的最新需求信息。这些丰富多样的信息为企业识别潜在的研发机会提供了广阔的视野，使企业能够敏锐地捕捉到市场需求的变化和技术发展的趋势，从而有针对性地加大研发投入，开发出更符合市场需求的新产品或新技术，提升企业的市场竞争力。控制优势也是结构洞位置赋予企业的重要优势，对企业研发投入决策产生积极影响。占据结构洞位置的企业在网络中对资源和信息的流动具有较强的控制能力，能够在一定程度上决定资源和信息的流向和分配。在研发资源的获取和配置方面，这类企业可以凭借其控制优势，优先获取关键的研发资源，如先进的研发设备、高素质的研发人才、充足的研发资金等。企业还可以通过控制信息的传播和共享，引导合作伙伴的行为，促进研发合作的顺利开展。在与科研机构的合作中，企业可以利用其控制优势，获取更多的科研资源和技术支持，推动企业加大研发投入，开展更具挑战性的研发项目，实现技术突破。资源整合优势同样不可忽视。占据结构洞位置的企业能够将来自不同渠道的资源进行有效整合，实现资源的优化配置，为企业研发投入提供有力支持。在研发过程中，企业往往需要多种类型的资源，如技术、资金、人才、市场渠道等。处于结构洞位置的企业可以整合供应商的技术资源、金融机构的资金资源、高校和科研机构的人才资源以及客户的市场渠道资源，形成协同效应，为企业的研发活动提供全方位的资源保障。企业可以与供应商合作，共同研发新型材料，提高产品质量；与金融机构合作，获得更多的研发资金支持；与高校和科研机构合作，引进高端研发人才，提升企业的研发能力；与客户合作，根据市场需求调整研发方向，确保研发成果的市场适应性。通过整合这些资源，企业能够降低研发成本，提高研发效率，增强研发投入的动力和信心。综上所述，企业在社会网络中的结构洞网络位置通过信息优势、控制优势和资源整合优势，为企业提供了更多的研发机会、更充足的研发资源和更有利的研发环境，从而促使企业加大研发投入，提升创新能力。因此，本文假设企业的结构洞网络位置与研发投入呈正相关关系。3.1.2其他影响因素对研发投入的调节作用假设企业规模作为企业的重要特征之一，对结构洞网络位置与研发投入的关系可能具有调节作用。基于此，本文提出假设H2：企业规模对结构洞网络位置与研发投入的关系具有调节作用，规模较大的企业，结构洞网络位置对研发投入的促进作用更强。大型企业通常拥有更丰富的内部资源，如雄厚的资金实力、大量的高素质人才、先进的研发设备等。这些丰富的内部资源为企业利用结构洞网络位置获取的信息和资源提供了良好的承接基础。当大型企业占据结构洞位置获取到新的研发信息和资源时，能够迅速调动内部资源进行整合和利用，将外部获取的信息和资源转化为实际的研发投入。大型企业可以利用自身的资金实力，加大对新技术研发的投资；利用丰富的人才储备，组建专业的研发团队，开展深入的研发工作；利用先进的研发设备，提高研发效率和质量。相比之下，小型企业由于内部资源有限，即使获取了有价值的研发信息和资源，也可能因缺乏足够的资金、人才和设备支持，无法充分利用这些信息和资源来增加研发投入，导致结构洞网络位置对研发投入的促进作用受到限制。大型企业往往具有更完善的组织架构和管理体系。完善的组织架构能够明确各部门的职责和分工，使企业在获取到结构洞网络位置带来的信息和资源后，能够高效地进行协调和沟通，确保研发投入决策的科学性和合理性。科学的管理体系能够为研发活动提供有效的管理和监督，保障研发项目的顺利推进。在面对新的研发机会时，大型企业的市场部门可以迅速对市场需求进行分析和评估，研发部门能够根据市场需求制定详细的研发计划，生产部门则可以为研发活动提供必要的生产支持，各部门之间协同合作，使企业能够更好地利用结构洞网络位置优势，加大研发投入，实现创新发展。小型企业由于组织架构和管理体系相对简单，在信息传递和决策执行过程中可能存在效率低下的问题，影响企业对结构洞网络位置优势的利用，进而影响结构洞网络位置对研发投入的促进作用。行业竞争程度也是影响结构洞网络位置与研发投入关系的重要因素。本文提出假设H3：行业竞争程度对结构洞网络位置与研发投入的关系具有调节作用，在竞争程度较高的行业，结构洞网络位置对研发投入的促进作用更显著。在竞争激烈的行业中，企业面临着巨大的市场竞争压力。为了在竞争中脱颖而出，企业需要不断创新，提升产品或服务的质量和差异化程度。此时，结构洞网络位置所带来的信息优势和资源整合优势对企业的研发投入决策具有更为关键的作用。企业通过占据结构洞位置获取到的异质性信息，能够帮助企业及时了解竞争对手的动态、市场需求的变化以及行业技术的发展趋势，从而促使企业迅速做出研发投入决策，加大研发投入，开发出更具竞争力的产品或技术，以满足市场需求，提高市场份额。在智能手机行业，市场竞争异常激烈，企业需要不断推出具有创新性的产品来吸引消费者。占据结构洞位置的企业可以获取到来自供应商、科研机构和其他相关企业的信息，了解到最新的芯片技术、屏幕显示技术和摄像头技术等，从而加大在这些领域的研发投入，推出具有更高性能和更好用户体验的智能手机，在市场竞争中占据优势。竞争程度较高的行业中，企业之间的创新合作也更为频繁。占据结构洞位置的企业在这种环境下，能够更好地发挥其控制优势和资源整合优势，与更多的合作伙伴建立紧密的合作关系，共同开展研发活动。通过整合各方资源，企业可以降低研发成本，提高研发效率，增强研发投入的动力。在新能源汽车行业，多家企业为了突破电池技术瓶颈，纷纷开展合作研发。占据结构洞位置的企业可以凭借其优势，组织和协调各方资源，推动电池技术的研发进程，加大研发投入，共同攻克技术难题，促进整个行业的技术进步。在竞争程度较低的行业中，企业面临的竞争压力相对较小，对创新的紧迫性和需求相对较低，结构洞网络位置对研发投入的促进作用可能不如竞争激烈的行业显著。3.2理论模型构建为深入探究结构洞网络位置对中国A股上市公司研发投入的影响，构建如下理论模型。以研发投入（R&D）作为被解释变量，衡量企业在研发活动中的资源投入程度。选取结构洞网络位置（SH）作为核心解释变量，运用有效规模（EffectiveSize）、效率（Efficiency）、限制度（Constraint）等多个指标综合测度企业在社会网络中的结构洞网络位置。有效规模反映企业非冗余联系的数量，数值越大，表明企业占据的结构洞位置越丰富，能获取更多异质性信息；效率衡量企业利用非冗余联系的程度，效率越高，说明企业在网络中获取和利用信息及资源的能力越强；限制度则体现企业在网络中受其他节点限制的程度，限制度越低，企业在网络中的自主性和控制能力越强。控制变量选取企业规模（Size）、盈利能力（ROA）、资产负债率（Lev）、行业竞争程度（HHI）、股权集中度（Top1）等。企业规模以总资产的自然对数衡量，反映企业的生产经营规模，规模较大的企业通常拥有更丰富的资源用于研发投入；盈利能力采用总资产收益率表示，衡量企业运用全部资产获取利润的能力，盈利能力强的企业更有资金实力支持研发活动；资产负债率体现企业的偿债能力和财务风险，过高的负债可能限制企业的研发投入；行业竞争程度通过赫芬达尔-赫希曼指数（HHI）衡量，指数越低，表明行业竞争越激烈，企业可能更有动力通过加大研发投入来提升竞争力；股权集中度以第一大股东持股比例表示，反映企业股权的集中程度，可能对企业的研发决策产生影响。构建的基准回归模型如下：R\&D_{i,t}=\beta_0+\beta_1SH_{i,t}+\sum_{j=2}^{n}\beta_jControl_{j,i,t}+\mu_{i,t}其中，R\&D_{i,t}表示第i家企业在t时期的研发投入；SH_{i,t}表示第i家企业在t时期的结构洞网络位置；Control_{j,i,t}表示第j个控制变量在第i家企业t时期的值；\beta_0为常数项，\beta_1、\beta_j为各变量的回归系数；\mu_{i,t}为随机误差项，反映模型中未考虑到的其他因素对研发投入的影响。为检验企业规模和行业竞争程度的调节作用，分别在模型中加入结构洞网络位置与企业规模的交互项（SH\timesSize）、结构洞网络位置与行业竞争程度的交互项（SH\timesHHI），构建调节效应模型：R\&D_{i,t}=\beta_0+\beta_1SH_{i,t}+\beta_2Size_{i,t}+\beta_3SH_{i,t}\timesSize_{i,t}+\sum_{j=4}^{n}\beta_jControl_{j,i,t}+\mu_{i,t}R\&D_{i,t}=\beta_0+\beta_1SH_{i,t}+\beta_2HHI_{i,t}+\beta_3SH_{i,t}\timesHHI_{i,t}+\sum_{j=4}^{n}\beta_jControl_{j,i,t}+\mu_{i,t}在上述模型中，\beta_3为交互项的回归系数，若\beta_3显著，则表明企业规模或行业竞争程度对结构洞网络位置与研发投入的关系具有调节作用。当\beta_3为正时，说明调节变量对二者关系起正向调节作用；当\beta_3为负时，说明调节变量对二者关系起负向调节作用。通过上述理论模型的构建，能够清晰地分析结构洞网络位置对研发投入的直接影响，以及企业规模和行业竞争程度在其中的调节作用，为后续的实证研究提供理论框架和模型基础。四、研究设计4.1样本选取与数据来源本研究选取2015-2023年期间的中国A股上市公司作为研究样本，这一时间段的选择具有多方面的考虑。近年来，中国资本市场不断发展完善，2015-2023年期间市场环境相对稳定且经历了不同的经济周期阶段，能够全面反映企业在不同市场条件下的行为和决策，使研究结果更具普遍性和可靠性。随着时间推移，企业在技术创新、市场竞争等方面面临的挑战和机遇不断变化，该时间段内企业的研发投入和社会网络关系也呈现出多样化的发展态势，有助于深入研究结构洞网络位置与研发投入之间的动态关系。在数据收集方面，本研究采用了多渠道的数据收集方式，以确保数据的全面性和准确性。从万得（Wind）数据库获取上市公司的财务数据，包括研发投入、总资产、营业收入、净利润等关键指标，这些数据是衡量企业财务状况和研发投入水平的重要依据。通过国泰安（CSMAR）数据库收集上市公司的股权结构、行业分类等信息，为研究提供了丰富的企业特征数据，有助于在分析中控制相关因素对研发投入的影响。对于企业间的社会网络关系数据，从上市公司的年报、公告中提取企业的关联交易信息、战略合作信息等，构建企业间的社会网络关系图谱。利用网络爬虫技术从财经新闻网站、行业论坛等公开网络渠道收集企业间的合作动态、投资关系等信息，补充和完善社会网络关系数据，以更全面地反映企业在社会网络中的位置。在数据处理过程中，对收集到的数据进行了严格的筛选和清洗。剔除了ST、*ST类上市公司，这类公司通常面临财务困境或经营异常，其研发投入行为可能与正常经营的公司存在较大差异，剔除它们可以避免异常值对研究结果的干扰，确保研究样本的同质性和稳定性。对数据缺失值进行了处理，对于关键变量缺失值较多的样本予以删除，以保证数据的完整性和可靠性；对于缺失值较少的变量，采用均值填充、回归预测等方法进行填补，尽可能减少数据缺失对研究的影响。对数据进行了异常值处理，通过上下1%的缩尾处理，消除极端值对回归结果的影响，使数据更加符合正态分布假设，提高研究结果的稳健性。经过上述数据处理步骤，最终得到了涵盖多个行业、不同规模和发展阶段的上市公司样本数据，为后续的实证研究提供了坚实的数据基础。4.2变量测度4.2.1结构洞网络位置的衡量指标在社会网络分析中，结构洞网络位置的衡量指标丰富多样，不同指标从不同角度反映了企业在网络中的位置特征和结构洞优势。中介中心度（BetweennessCentrality）是衡量结构洞网络位置的重要指标之一。它用于度量节点在网络中控制信息传播路径的能力，反映了节点在其他节点之间的中介作用。在一个由多个企业组成的供应链网络中，若某企业处于众多最短路径上，意味着它在信息传递过程中扮演着关键的中介角色，能够对信息的流向和传播速度产生重要影响，具有较高的中介中心度。其计算方法是，对于网络中的每个节点，计算所有节点对之间的最短路径，统计经过该节点的最短路径数量，然后将其与所有节点对之间的最短路径总数进行比较，得到该节点的中介中心度。计算公式为：BC_i=\sum_{j\neqi\neqk}\frac{\sigma_{jk}(i)}{\sigma_{jk}}其中，BC_i表示节点i的中介中心度，\sigma_{jk}表示节点j和k之间的最短路径数量，\sigma_{jk}(i)表示节点j和k之间经过节点i的最短路径数量。中介中心度越高，说明该节点在网络中的信息控制能力越强，占据的结构洞位置越关键。程度中心度（DegreeCentrality）也是常用的衡量指标。它通过计算节点与其他节点直接相连的边的数量来衡量节点在网络中的直接影响力和活跃度。在企业合作网络中，与众多其他企业建立直接合作关系的企业，其程度中心度较高，表明它在网络中具有较强的直接联系能力，能够快速获取和传播信息，更容易占据结构洞位置。对于无向网络，程度中心度的计算公式为：DC_i=k_i其中，DC_i表示节点i的程度中心度，k_i表示节点i的度，即与节点i直接相连的边的数量。在有向网络中，程度中心度可进一步分为入度中心度和出度中心度，分别反映节点接收和发出信息的能力。接近中心度（ClosenessCentrality）从节点到网络中其他节点的距离角度来衡量结构洞网络位置。它表示节点在网络中获取信息的便捷程度，反映了节点与其他节点的接近程度。接近中心度高的节点能够快速获取网络中其他节点的信息，在信息获取方面具有优势，更有可能占据结构洞位置。其计算方法是，计算节点到网络中其他所有节点的最短路径之和，然后取其倒数作为接近中心度。计算公式为：CC_i=\frac{1}{\sum_{j=1}^{n}d_{ij}}其中，CC_i表示节点i的接近中心度，d_{ij}表示节点i到节点j的最短路径长度，n为网络中的节点总数。接近中心度越高，说明节点在网络中的信息获取效率越高，结构洞位置优势越明显。有效规模（EffectiveSize）是Burt提出的用于衡量结构洞网络位置的指标，它反映了企业非冗余联系的数量，体现了企业在网络中占据结构洞的丰富程度。有效规模越大，表明企业与更多不直接相连的节点建立了联系，能够获取更多异质性信息，占据的结构洞位置越有利。其计算公式为：ES_i=\sum_{j=1}^{n}(1-p_{ij})其中，ES_i表示节点i的有效规模，p_{ij}表示节点i和节点j之间的冗余程度，n为网络中的节点总数。冗余程度p_{ij}的计算基于节点i和节点j的共同邻居数量，若共同邻居数量越多，p_{ij}越大，冗余程度越高，有效规模越小。效率（Efficiency）衡量企业利用非冗余联系的程度，体现了企业在网络中获取和利用信息及资源的能力。效率越高，说明企业能够更有效地利用其占据的结构洞位置，将获取的信息和资源转化为实际的竞争优势。效率的计算公式为：E_i=\frac{ES_i}{n-1}其中，E_i表示节点i的效率，ES_i为节点i的有效规模，n为网络中的节点总数。效率指标反映了企业在网络中利用结构洞位置的相对能力，对于评估企业在网络中的竞争力具有重要意义。限制度（Constraint）从相反的角度衡量结构洞网络位置，体现企业在网络中受其他节点限制的程度。限制度越低，企业在网络中的自主性和控制能力越强，越有利于占据结构洞位置，获取和利用信息及资源。限制度的计算基于节点与其他节点的直接联系和间接联系，考虑了节点在网络中的局部结构和整体结构。计算公式为：C_{ij}=p_{ij}+\sum_{k\neqi,j}p_{ik}p_{kj}C_i=\sum_{j=1}^{n}C_{ij}^2其中，C_{ij}表示节点i对节点j的限制程度，p_{ij}为节点i和节点j之间的直接联系强度，p_{ik}和p_{kj}分别表示节点i与节点k、节点k与节点j之间的直接联系强度，C_i表示节点i的限制度。限制度指标能够反映企业在网络中的相对地位和自由度，对于分析企业在网络中的行为和决策具有重要参考价值。这些衡量指标相互补充，从不同维度全面刻画了企业在社会网络中的结构洞网络位置，为深入研究结构洞网络位置对企业研发投入的影响提供了有力的工具。在实际研究中，综合运用多个指标能够更准确地分析企业在网络中的位置特征和结构洞优势，揭示其对研发投入决策的影响机制。4.2.2研发投入的衡量指标研发投入作为企业创新活动的关键要素，其衡量指标对于准确评估企业的创新能力和发展潜力至关重要。在学术研究和实践应用中，常用的研发投入衡量指标主要包括研发投入金额和研发投入强度。研发投入金额是直观反映企业在研发活动中资金投入规模的指标，体现了企业对研发活动的重视程度和资源投入力度。以华为技术有限公司为例，2023年其研发投入达到1615亿元，连续多年保持高额研发投入，为其在通信技术领域的创新发展提供了坚实的资金保障。通过统计企业在一定时期内（通常为一年）用于研发项目的各项费用支出，如研发人员薪酬、研发设备购置费用、研发材料费用、专利申请费用等，可得到研发投入金额。研发投入金额能够清晰地展示企业在研发活动中的资金投入总量，为比较不同企业之间的研发投入规模提供了直接的数据依据。然而，该指标存在一定局限性，由于不同企业的规模大小、营业收入水平差异较大，单纯比较研发投入金额可能无法准确反映企业研发投入的相对水平。一家大型企业的研发投入金额可能远高于小型企业，但从研发投入占营业收入的比例来看，小型企业可能更为重视研发。研发投入强度是弥补研发投入金额局限性的重要指标，它通过计算研发投入与营业收入或总资产的比值，反映了企业在研发投入方面的相对力度，更能体现企业对研发活动的重视程度和资源配置倾向。研发投入强度=研发投入金额/营业收入×100%或研发投入强度=研发投入金额/总资产×100%。在2023年，宁德时代的研发投入强度为7.12%，反映了其在营业收入中对研发活动的资源分配比例。研发投入强度消除了企业规模和营业收入差异对研发投入比较的影响，使不同规模和行业的企业在研发投入水平上具有可比性。对于新兴技术行业的企业，通常具有较高的研发投入强度，以保持技术领先地位；而传统制造业企业的研发投入强度相对较低。通过分析研发投入强度的变化趋势，还可以了解企业在不同时期对研发活动的战略调整和资源配置变化。除了研发投入金额和研发投入强度外，研发人员投入也是衡量研发投入的重要维度。研发人员是企业开展研发活动的核心资源，其数量和质量直接影响企业的研发能力和创新水平。研发人员投入可以通过研发人员数量、研发人员占员工总数的比例等指标来衡量。一些高科技企业，如字节跳动，拥有大量高素质的研发人员，研发人员占员工总数的比例较高，为其在互联网技术创新领域的发展提供了强大的人才支持。研发人员投入指标能够反映企业在人力资源方面对研发活动的投入情况，与研发投入金额和研发投入强度相结合，能够更全面地评估企业的研发投入状况。研发项目数量和研发项目复杂度也是衡量研发投入的重要补充指标。研发项目数量反映了企业在一定时期内开展的研发活动的活跃程度，体现了企业在不同领域或技术方向上的创新尝试和探索。一家医药企业在同一时期可能开展多个新药研发项目，以寻找具有市场潜力的创新药物。研发项目复杂度则反映了研发项目的技术难度和创新性程度，复杂程度较高的研发项目通常需要更多的资源投入和技术支持，对企业的研发能力提出了更高的要求。通过评估研发项目的数量和复杂度，可以更深入地了解企业研发投入的分布和重点领域，为分析企业的研发战略和创新能力提供更丰富的信息。这些研发投入衡量指标各有侧重，相互补充，在研究结构洞网络位置对研发投入的影响时，综合运用多个指标能够更全面、准确地评估企业的研发投入水平，深入揭示二者之间的内在关系。4.2.3控制变量的选取在研究结构洞网络位置对中国A股上市公司研发投入的影响时，为了更准确地揭示二者之间的内在关系，除了核心变量外，还需要选取一系列控制变量，以排除其他因素对研发投入的干扰。本研究选取企业规模、资产负债率、盈利能力、行业竞争程度和股权集中度作为控制变量，这些变量在以往的研究中被证实对企业研发投入具有重要影响。企业规模是影响研发投入的重要因素之一。通常情况下，规模较大的企业拥有更丰富的资源，包括资金、人才、技术等，使其更有能力进行大规模的研发投入。大型企业凭借雄厚的资金实力，可以购置先进的研发设备，吸引高素质的研发人才，开展复杂的研发项目。根据规模经济理论，大规模的研发投入能够带来成本的降低和效率的提升，使企业在技术创新方面更具优势。以中国石油化工集团有限公司为例，作为大型国有企业，其庞大的资产规模和营业收入为持续高额的研发投入提供了坚实的物质基础。在本研究中，采用总资产的自然对数来衡量企业规模，以反映企业的生产经营规模和资源储备情况。企业规模越大，其在研发投入方面的潜力和能力可能越强，因此需要控制企业规模对研发投入的影响，以准确评估结构洞网络位置的作用。资产负债率反映了企业的偿债能力和财务风险水平，对企业的研发投入决策具有重要影响。较高的资产负债率意味着企业面临较大的债务压力，需要将更多的资金用于偿还债务，从而可能限制企业在研发方面的投入。企业在面临高额债务时，为了保证资金的流动性和偿债能力，可能会削减研发预算，优先满足债务偿还需求。相反，资产负债率较低的企业财务状况相对稳健，具有更多的资金灵活性用于研发投入。在本研究中，资产负债率通过负债总额与资产总额的比值来衡量。控制资产负债率这一变量，可以排除企业财务风险对研发投入的干扰，更清晰地分析结构洞网络位置与研发投入之间的关系。盈利能力是企业持续发展和进行研发投入的重要保障。盈利能力强的企业通常拥有更多的内部资金用于支持研发活动，同时也更容易获得外部融资，为研发投入提供充足的资金来源。高盈利能力意味着企业在市场竞争中具有优势，能够获取更多的利润，这些利润可以投入到研发中，推动企业技术创新和产品升级。以贵州茅台酒股份有限公司为例，其高盈利能力使其有足够的资金进行酿酒技术研发和品牌建设。在本研究中，采用总资产收益率（ROA）来衡量企业的盈利能力，即净利润与平均总资产的比值。通过控制盈利能力变量，可以更好地分析结构洞网络位置对研发投入的影响，避免盈利能力对研究结果的混淆。行业竞争程度对企业的研发投入决策具有显著影响。在竞争激烈的行业中，企业为了获取竞争优势，往往需要不断创新，加大研发投入力度。在智能手机行业，市场竞争异常激烈，各大品牌为了推出具有竞争力的产品，纷纷加大研发投入，不断提升手机的性能和功能。相反，在竞争程度较低的行业中，企业面临的竞争压力较小，可能缺乏创新的动力和紧迫感，研发投入相对较少。在本研究中，采用赫芬达尔-赫希曼指数（HHI）来衡量行业竞争程度，该指数通过计算行业内各企业市场份额的平方和得到，指数越低，表明行业竞争越激烈。控制行业竞争程度变量，可以更准确地评估结构洞网络位置在不同竞争环境下对研发投入的影响。股权集中度反映了企业股权的集中程度，对企业的决策制定和资源配置具有重要影响。股权集中度较高的企业，大股东对企业的控制权较强，其决策可能更倾向于自身利益，对研发投入的重视程度可能因大股东的战略偏好而异。若大股东注重企业的长期发展，可能会加大研发投入；反之，若大股东追求短期利益，可能会减少研发投入。在本研究中，以第一大股东持股比例来衡量股权集中度。控制股权集中度变量，可以排除股权结构对研发投入的影响，更好地研究结构洞网络位置与研发投入之间的关系。通过选取企业规模、资产负债率、盈利能力、行业竞争程度和股权集中度等控制变量，并在实证分析中加以控制，可以更准确地揭示结构洞网络位置对中国A股上市公司研发投入的影响，提高研究结果的可靠性和有效性。4.3实证模型设计为了深入探究结构洞网络位置对中国A股上市公司研发投入的影响，本研究构建了多元线性回归模型。在模型设定过程中，充分考虑了理论基础和研究假设，以确保模型能够准确捕捉变量之间的关系。首先，构建基准回归模型来检验结构洞网络位置对研发投入的直接影响：R\&D_{i,t}=\beta_0+\beta_1SH_{i,t}+\sum_{j=2}^{n}\beta_jControl_{j,i,t}+\mu_{i,t}其中，R\&D_{i,t}代表第i家企业在t时期的研发投入，作为被解释变量，其衡量指标采用研发投入强度，即研发投入金额与营业收入的比值，以更准确地反映企业在研发投入方面的相对力度。SH_{i,t}表示第i家企业在t时期的结构洞网络位置，是核心解释变量，运用有效规模、效率、限制度等多个指标综合衡量。Control_{j,i,t}表示第j个控制变量在第i家企业t时期的值，包括企业规模（Size）、盈利能力（ROA）、资产负债率（Lev）、行业竞争程度（HHI）、股权集中度（Top1）等。\beta_0为常数项，\beta_1、\beta_j为各变量的回归系数，反映了结构洞网络位置和控制变量对研发投入的影响程度。\mu_{i,t}为随机误差项，用于捕捉模型中未考虑到的其他因素对研发投入的影响。为了检验企业规模和行业竞争程度对结构洞网络位置与研发投入关系的调节作用，分别构建调节效应模型：R\&D_{i,t}=\beta_0+\beta_1SH_{i,t}+\beta_2Size_{i,t}+\beta_3SH_{i,t}\timesSize_{i,t}+\sum_{j=4}^{n}\beta_jControl_{j,i,t}+\mu_{i,t}R\&D_{i,t}=\beta_0+\beta_1SH_{i,t}+\beta_2HHI_{i,t}+\beta_3SH_{i,t}\timesHHI_{i,t}+\sum_{j=4}^{n}\beta_jControl_{j,i,t}+\mu_{i,t}在第一个调节效应模型中，加入了结构洞网络位置与企业规模的交互项（SH\timesSize）。若交互项系数\beta_3显著，则表明企业规模对结构洞网络位置与研发投入的关系具有调节作用。当\beta_3为正时，说明企业规模越大，结构洞网络位置对研发投入的促进作用越强；当\beta_3为负时，说明企业规模越大，结构洞网络位置对研发投入的促进作用越弱。在第二个调节效应模型中，加入了结构洞网络位置与行业竞争程度的交互项（SH\timesHHI）。若交互项系数\beta_3显著，则表明行业竞争程度对结构洞网络位置与研发投入的关系具有调节作用。由于行业竞争程度（HHI）与竞争强度呈反向关系，HHI指数越低，行业竞争越激烈。当\beta_3为负时，说明在竞争程度较高的行业，结构洞网络位置对研发投入的促进作用更显著；当\beta_3为正时，说明在竞争程度较低的行业，结构洞网络位置对研发投入的促进作用更显著。通过构建上述实证模型，能够系统地分析结构洞网络位置对研发投入的影响，以及企业规模和行业竞争程度在其中的调节作用，为研究假设的检验提供有力的模型支持，从而深入揭示结构洞网络位置与研发投入之间的内在关系。五、实证结果与分析5.1描述性统计分析对样本数据进行描述性统计，结果如表1所示。研发投入强度（R&D）的均值为0.043，表明样本企业平均将4.3%的营业收入投入到研发活动中，标准差为0.035，说明不同企业之间的研发投入强度存在较大差异。最大值为0.216，最小值为0.001，体现了样本企业在研发投入水平上的极端差异，部分企业高度重视研发，而部分企业研发投入相对较低。变量观测值均值标准差最小值最大值R&D18240.0430.0350.0010.216ES18240.3450.1270.0560.843E18240.4780.1560.1020.954C18240.6320.1850.1230.987Size182421.3451.23619.02324.567ROA18240.0520.031-0.1230.256Lev18240.4350.1520.0870.856HHI18240.1250.0680.0120.356Top118240.3240.1050.0890.654在结构洞网络位置指标方面，有效规模（ES）均值为0.345，说明企业平均拥有一定数量的非冗余联系，标准差为0.127，显示不同企业在非冗余联系数量上有明显差别。效率（E）均值为0.478，表明企业在利用非冗余联系获取和利用信息及资源方面的能力有待提高，标准差为0.156，体现企业间存在能力差异。限制度（C）均值为0.632，说明企业在网络中受到一定程度的限制，标准差为0.185，显示不同企业受限制程度不同。企业规模（Size）以总资产的自然对数衡量，均值为21.345，标准差为1.236，反映样本企业规模存在一定差异。盈利能力（ROA）均值为0.052，标准差为0.031，表明样本企业盈利能力整体一般且存在差异。资产负债率（Lev）均值为0.435，标准差为0.152，说明样本企业的偿债能力和财务风险水平存在一定差异。行业竞争程度（HHI）均值为0.125，标准差为0.068，显示不同行业的竞争程度有较大差别。股权集中度（Top1）均值为0.324，标准差为0.105，体现样本企业股权集中度存在差异。通过描述性统计分析，初步了解样本数据特征，为后续实证分析奠定基础。5.2相关性分析对主要变量进行Pearson相关性分析，结果如表2所示。结构洞网络位置指标有效规模（ES）、效率（E）与研发投入强度（R&D）在1%的水平上显著正相关，相关系数分别为0.324和0.287，初步表明企业的结构洞网络位置越有利，研发投入强度越高，为假设H1提供了初步支持。限制度（C）与研发投入强度在1%的水平上显著负相关，相关系数为-0.265，说明企业在网络中受限制程度越低，越有利于加大研发投入。变量R&DESECSizeROALevHHITop1R&D1ES0.324***1E0.287***0.786***1C-0.265***-0.854***-0.723***1Size0.186***0.125**0.102*-0.156***1ROA0.213***0.098*0.087-0.132**0.254***1Lev-0.165***-0.089-0.0760.105*0.236***-0.201***1HHI-0.143***-0.075-0.0680.092*-0.118**-0.106*0.135***1Top10.084*0.0720.065-0.0810.197***0.114**-0.157***-0.095*1注：*、、*分别表示在1%、5%、10%的水平上显著。企业规模（Size）与研发投入强度在1%的水平上显著正相关，相关系数为0.186，表明规模较大的企业可能更有资源和能力进行研发投入。盈利能力（ROA）与研发投入强度在1%的水平上显著正相关，相关系数为0.213，说明盈利能力强的企业更有资金支持研发活动。资产负债率（Lev）与研发投入强度在1%的水平上显著负相关，相关系数为-0.165，意味着较高的负债可能限制企业的研发投入。行业竞争程度（HHI）与研发投入强度在1%的水平上显著负相关，相关系数为-0.143，表明行业竞争越激烈，企业可能越倾向于加大研发投入。股权集中度（Top1）与研发投入强度在10%的水平上显著正相关，相关系数为0.084，说明股权集中度对研发投入有一定的正向影响。各控制变量之间的相关性系数均在合理范围内，不存在严重的多重共线性问题，不会对后续回归结果产生较大干扰。相关性分析初步验证了变量之间的关系，为进一步回归分析奠定了基础。5.3回归分析结果5.3.1结构洞网络位置对研发投入的主效应检验运用Stata软件对基准回归模型进行估计，结果如表3所示。列（1）仅加入结构洞网络位置指标有效规模（ES），结果显示ES的系数为0.056，在1%的水平上显著为正，表明企业的有效规模越大，即占据的结构洞位置越丰富，研发投入强度越高。列（2）加入效率（E）指标，E的系数为0.048，在1%的水平上显著为正，说明企业利用非冗余联系的效率越高，研发投入强度越高。列（3）加入限制度（C）指标，C的系数为-0.042，在1%的水平上显著为负，意味着企业在网络中受限制程度越低，研发投入强度越高。变量（1）R&D（2）R&D（3）R&DES0.056***（3.87）E0.048***（3.25）C-0.042***（-2.98）Size0.012**（2.15）0.011*（1.87）0.010*（1.76）ROA0.185***（4.56）0.178***（4.32）0.172***（4.15）Lev-0.025***（-3.02）-0.023***（-2.78）-0.021***（-2.56）HHI-0.036***（-3.45）-0.033***（-3.12）-0.031***（-2.98）Top10.018*（1.74）0.016（1.56）0.015（1.45）Constant-0.236***（-3.54）-0.218***（-3.27）-0.205***（-3.05）N182418241824Adj.R20.2860.2790.273注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著。综合来看，结构洞网络位置的三个指标均与研发投入强度存在显著的相关关系，且方向与预期一致，验证了假设H1，即企业的结构洞网络位置与研发投入呈正相关关系。这表明企业在社会网络中占据的结构洞位置越有利，越能凭借信息优势、控制优势和资源整合优势，获取更多的研发资源和机会，从而加大研发投入，提升企业的创新能力。5.3.2控制变量的影响分析在回归结果中，控制变量也呈现出对研发投入的不同影响。企业规模（Size）的系数在10%或5%的水平上显著为正，说明企业规模越大，研发投入强度越高。大型企业拥有更丰富的资源和更强的实力，能够承担更多的研发投入，符合规模经济理论，规模较大的企业在研发投入上具有优势。盈利能力（ROA）的系数在1%的水平上显著为正，表明盈利能力越强的企业，研发投入强度越高。盈利能力强的企业有更多的内部资金用于研发，也更容易获得外部融资，为研发活动提供充足的资金支持，保障了企业的研发投入。资产负债率（Lev）的系数在1%的水平上显著为负，意味着资产负债率越高，研发投入强度越低。较高的资产负债率表明企业面临较大的财务风险和偿债压力，可能会限制企业在研发方面的资金投入，优先满足债务偿还需求，从而减少研发投入。行业竞争程度（HHI）的系数在1%的水平上显著为负，说明行业竞争程度越低（HHI指数越高），研发投入强度越低，即行业竞争越激烈，企业越倾向于加大研发投入。在竞争激烈的行业中，企业为了获取竞争优势，需要不断创新，加大研发投入，以推出更具竞争力的产品或服务。股权集中度（Top1）的系数在10%的水平上不显著或仅在部分模型中边缘显著，说明股权集中度对研发投入的影响相对较弱。虽然在某些情况下，股权集中度较高的企业可能由于大股东的战略偏好而对研发投入产生一定影响，但整体而言，其影响不如其他控制变量明显。控制变量的分析结果与理论预期基本一致，进一步验证了模型的合理性和可靠性。5.3.3稳健性检验为确保研究结果的可靠性，进行了一系列稳健性检验。采用替换变量法，以研发投入金额的自然对数作为研发投入的替代变量重新进行回归分析。结果显示，结构洞网络位置指标有效规模（ES）、效率（E）与研发投入金额在1%的水平上显著正相关，限制度（C）与研发投入金额在1%的水平上显著负相关，与主回归结果一致，表明研究结果在替换研发投入衡量指标后依然稳健。进行分样本回归，将样本按照企业规模大小分为大型企业和小型企业两组，分别进行回归分析。在大型企业样本中，结构洞网络位置指标与研发投入强度的正相关关系依然显著；在小型企业样本中，虽然系数的显著性略有下降，但方向与主回归结果一致。这说明结构洞网络位置对研发投入的影响在不同规模企业中具有一定的稳定性，进一步验证了研究结果的可靠性。采用工具变量法解决可能存在的内生性问题。选取企业所在地区的网络基础设施水平作为工具变量，该变量与企业的结构洞网络位置相关，但与企业的研发投入不存在直接的因果关系。通过两阶段最小二乘法（2SLS）回归分析，结果显示结构洞网络位置对研发投入的正向影响依然显著，表明在考虑内生性问题后，研究结论依然成立。通过多种稳健性检验方法，验证了结构洞网络位置对研发投入影响的研究结果具有较强的可靠性和稳定性。六、研究结论与启示6.1研究结论总结本研究基于2015-2023年中国A股上市公司的数据，运用社会网络分析方法和计量经济学模型，深入探究了结构洞网络位置对企业研发投入的影响。研究结果表明，企业的结构洞网络位置与研发投入呈显著正相关关系，验证了假设H1。企业在社会网络中占据的结构洞位置越有利，如有效规模越大、效率越高、限制度越低，越能凭借信息优势、控制优势和