如何在联盟组合中管理地位与结构洞？——MOA模型的视角，本文主要内容关键词为：组合论文,视角论文,模型论文,地位论文,结构论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
“在网络中增加结构洞和提升地位之间存在矛盾，因为提升地位意味着需要选择同质性的伙伴，而增加结构洞意味着在不同地位的伙伴间建立联系”Podolny(2005)。
由于全球化趋势和技术的快速革新，企业间的联盟网络对企业绩效和持久竞争力的影响越来越突出。在很多高科技行业(如计算机、半导体、电信、制药)，企业间的联盟网络已经成为实现技术创新和组织战略的重要手段。当企业同时与多个伙伴保持联盟关系的时候，就拥有了一个联盟组合(alliance portfolios)。联盟组合被定义为在某个企业的自我中心网络中存在直接联系的关系聚合体(Wassmer，2010)。譬如，中石化集团2004年与壳牌石油公司形成合资企业致力于市场营销的开发；2005年与英国石油公司在杭州建立合资企业，致力于一系列包括石油销售、门店管理、快餐等在内的商业活动；2006年与麦当劳结成战略联盟在多个省市建立“得来速”餐厅；2009年与中国外运长航成立合资公司，成为中国最大的综合物流服务供应商。对于中石化而言，多个战略联盟就聚合成为一个联盟组合。联盟组合为企业创造丰富的成长路径，提供了更多的商业机会，可以改善企业的财务绩效和创新绩效(Duysters，Heimeriks，Lokshin，Meijer and Sabidussi，2012)。
在实践中，管理联盟组合比管理单个联盟更复杂，然而很多管理者不清楚联盟组合和公司战略之间的关系，也不清楚企业如何根据变化的条件动态地管理联盟组合(Bamford and Ernst，2002)。因此，管理联盟组合是一项非常棘手的任务。具体而言，在联盟组合中有两种典型的网络特征，地位和结构洞。因为这两种网络特征的机制不同，企业在自我中心网络中权衡地位和结构洞的关系是相当困难的。地位是指企业从等级序列中获得的声望(Gould，2002)，而结构洞是指不相互连接的主体之间的空隙(Burt，1992)。虽然两种网络特征都很重要，但是之前的研究对地位和结构洞在联盟组合中的关系论述却存在不一致的看法。有学者认为地位和结构洞的关系是互补的。Zaheer和Soda(2009)认为，地位作为产品质量和企业实力的信号，可以吸引其他处于网络边缘的主体，从而增加结构洞形成的概率。此外，如果高地位的企业同时占有较多的结构洞，它们有更多的可能性接触到新的商业机会，因此从结构洞获得的利益可以强化企业地位(Stam and Elfring，2008)。另一些学者认为地位和结构洞之间的关系是矛盾的。如果高地位的企业扩大网络中结构洞的数量，它们可能损害自身的地位或绩效。Podolny(2005)提出，地位作为一种社会资源具有可传导性，高地位的企业与低地位的企业形成联系会损害自身的地位，这种现象被称为“地位溢出”(status leakage)。还有学者发现同时追求地位和结构洞会导致企业经济绩效的下降(Koka and Prescott，2008；Shipilov，2009)。
由此可见，在企业的联盟组合中，地位和结构洞之间的关系是悬而未决的。解决地位和结构洞之间的争论可以促进联盟组合管理理论的发展，从而为企业的联盟组合管理策略提供指导。因此，本文提出以下的研究问题：高地位企业在怎样的条件下会增加或减少结构洞的建构？为了回答这个问题，研究者借鉴了MOA(motivation-opportunity-ability)模型的视角。MOA模型认为同时具备动机、机会、能力是某种结果产生的必要条件(Blumberg and Pringle，1982)。根据MOA模型，本文提出高地位企业有更多的机会和更好的能力建构结构洞，但在动机方面存在变化和差异。结构洞为企业带来信息优势和控制优势，但对网络中信任关系的形成和网络知识的整合存在负面效应。譬如，高地位企业如果同时占有较多的结构洞会让伙伴们感受到更强的威胁，从而降低了伙伴们对联盟关系的投入程度(Shipilov，2009)。因此，本文提出决定高地位企业是否建构结构洞的关键因素是企业的动机。当结构洞带来的利益减少或负面因素增强时，高地位企业在联盟组合中建构结构洞的动机会削弱。具体而言，动机可以体现在不同的研究水平，包括企业水平、联盟组合水平、行业水平。本研究在3种水平上选择了影响企业动机的变量：在企业水平关注了企业特异性知识资源，在联盟组合水平关注了技术多元化，在行业水平关注了行业网络密度。
通过对美国计算机行业的上市公司从1990-2000年的联盟活动分析，本文阐明了在联盟组合中影响企业地位和结构洞关系的边界条件，并对网络理论进行了几个方面的拓展。第一，本研究推动了结构洞理论的发展。关于结构洞的研究大部分关注结构洞的影响，如关系的形成(Walker et al.，1997)、企业家机会(Shipilov and Li，2008)、创新(Ahuja，2000)、市场进入(Guler and Guillen，2010)，但针对结构洞形成的驱动因素的研究却很少。Salancik(1995)曾提出，结构洞为什么存在？为什么之前没有被填充？这些问题显然是网络理论发展中的薄弱环节。本文聚焦于影响结构洞产生的特殊因素(企业地位)，阐述了地位导致结构洞产生的多种条件。第二，本研究从新的视角化解了地位和结构洞关系的争论。现存的研究既体现了地位和结构洞之间的积极联系(Zaheer and Soda，2009)，也体现了同时追求地位和结构洞的消极后果(Koka and Prescott，2008；Podolny，2005)，但是，尚未有研究关注为什么以及在怎样的条件下，高地位企业会增加或减少结构洞。基于MOA模型，在依次分析了高地位企业建构结构洞的机会、能力、动机因素后，本文聚焦研究了企业在不同水平的动机因素。通过对3种维度的剖析，我们对企业地位和结构洞之间的关系有了崭新的理解。第三，本研究对联盟组合管理的策略也有启发意义。学者们已经提出当企业同时管理多个联盟时会面临比管理单个联盟更复杂的情况，因此我们需要对联盟组合管理的策略给予更多的关注(Hoffmann，2007；Koka and Prescott，2008)。由于企业的内外环境处于持续的变化中，管理人员会根据需要灵活地调整联盟组合管理的策略。但到目前为止，关于企业如何动态地管理联盟组合的研究还非常稀缺。通过研究企业如何在联盟组合中动态地权衡地位和结构洞，本文对企业管理联盟组合的方式提供了新的依据。
二、文献回顾
由于企业的联盟网络特征对自身的竞争能力有显著的影响(Hoffmann，2007)，企业会尽量占据网络中有利的位置。两种代表性的网络特征是地位和结构洞(Koka and Prescott，2008)。Washington和Zajac(2005)将地位定义为：“在社会中建构的、各方认同的关于个体、团体、组织、行为在一个社会体系中的序列或等级。”高地位企业的主要优势在于：首先，较高的地位是一种市场信号，标志着企业的产品质量是可以信赖的。其次，高地位企业可以接触大量的网络资源，在其他主体眼中通常被视为行业的领导者(Stam and Elfring，2008)。再次，因为网络中的其他主体倾向于与高地位的企业建立联系，高地位企业在挑选合作伙伴时有更多的选择机会(Kim et al.，2006)。
在网络研究中，结构洞被定义为不相互连接的主体间的空隙(Burt，1992)，占据结构洞的主体则被称为“中间人”(broker)。举例而言，在3个企业A、B、C中，A与B以及A与C之间存在联系，而B与C之间没有联系，那么B与C之间的空隙对企业A而言就是一个结构洞。占据结构洞的企业A享有信息优势和控制优势。信息优势包括：(1)比其他企业更及时地获得信息；(2)能够获得并利用有价值的信息；(3)具有被其他主体向第三方推荐的机会(Zaheer，Gozubuyuk and Milanov，2010)。控制优势指企业A可以操纵在不相连的企业B和企业C之间的信息流动，迫使它们让步或竞争(Burt，1997；Kim et al.，2006)。研究发现，占据结构洞的主体处于网络中信息枢纽的位置，有利于取得更好的经济效益、获得好的想法、提高生产率(Burt，1992；Gargiulo and Benassi，2000；Reagans and Zuckerman，2001)。
由于地位和结构洞都是有吸引力的网络特征，有些学者认为企业倾向于在取得地位的同时也应占据更多的结构洞。譬如，Zaheer和Soda(2009)认为地位对结构洞的形成起了积极的推动作用。第一，高地位的主体通常有更优质的知识资源储备，因此需要防范知识泄漏。建构一个网络密度低，即结构洞较多的联盟组合有利于减少知识泄漏的风险，因为结构洞可以抑制网络中的信息传播(Kogut and Zander，1992)。第二，高地位的主体有能力和合作伙伴签署排他性的合作协议，这导致在网络中产生相对独立的主体。第三，高地位主体通常被认为是有威望的和有权力的，吸引了处于网络边缘地位的主体，从而增加了结构洞形成的概率。Stam和Elfring(2008)的研究发现，高地位的企业如果同时占据较多的结构洞，就有更好的能力克服信息不对称，并将看似不相关的元素整合成创新元素。
另一些学者对以上的观点提出了质疑，认为高地位的企业对结构洞的追求会损害自身地位、经济绩效、创新能力。在对地位的损害方面，Podolny(2005)指出“在网络中增加结构洞和提升地位之间存在矛盾，因为提升地位意味着需要选择同质性伙伴，而增加结构洞意味着在不同地位的伙伴间建立联系”。他因此建议高地位的主体应避免增加网络中的结构洞，因为增加结构洞不可避免需要与网络中地位较低的主体产生连接，这会导致高地位主体的地位溢出(Blau，1964)。在对绩效的损害方面，如果高地位企业同时占据较多的结构洞，它的伙伴们会担心受到剥削，从而削弱了对关系投入和分享知识的意愿。Shipilov(2009)的研究证实了以上的推理，他发现，当高地位的投资银行占有更多的结构洞，它们的市场份额反而出现了下降。从学习理论的观点出发，Koka和Prescott(2008)认为，由于地位和结构洞需要不同的学习机制和技能，同时追求这两种网络特征会导致管理上的困难和低绩效。在对创新的损害方面，因为结构洞所带来的多元化信息会分散对现有研究工作的注意力，高地位的企业从结构洞中获得的收益反而是有限的(Perry-Smith，2006)。
三、理论与假设
以上的文献回顾揭示了高地位企业面临的困境：如果在联盟组合中建构结构洞，企业可以获得更多的信息优势和控制优势，但同时可能损害自身的地位或绩效。为了解决这一选择难题和学术争论，本研究将探索企业管理地位和结构洞的边界条件。这些边界条件是根据MOA模型的理论框架而提出的。MOA模型是组织理论中相对成熟的理论框架，通常被用于知识共享、消费者选择、工作绩效等研究领域(Reinholt et al.，2011)。MOA模型认为：“首先，所有的3种要素——机会、能力、动机，都需要具备以导致结果的发生……在任何一个维度缺失的时候，行为都不会发生(Blumberg and Pringle，1982)。”根据MOA模型，只有当高地位的企业同时具备建构结构洞的机会、能力、动机的时候，我们将观测到结构洞的显著增加。
高地位的企业有更多的机会建构结构洞。首先，因为高地位企业处于网络中心的位置，它们在选择伙伴时有更大的自由度。这些自由度给予高地位企业更多的机会建立桥接型纽带，从而增加结构洞形成的机会(Gnyawali and Madhavan，2001；Gulati，1998)。其次，因为地位是企业质量和可靠性的信号，那些在网络中地位较低的企业有强烈的意愿和高地位企业形成联系，以此提升自身地位并获得利益相关者对产品品质的认可。由于这些地位较低的企业通常处于行业网络边缘的位置，它们与高地位企业之间的纽带增加了高地位企业占有结构洞的机会。再次，地位越高通常意味着网络中已有的结构洞数量越多。类似于“马太效应”，结构洞较多的企业将会获得更多的结构洞。
高地位的企业有更好的能力建构结构洞。在结构洞较多的网络中，低密度的连接导致网络中出现机会主义行为的概率提高。然而，高地位企业有较强的能力克服机会主义行为的风险。第一，由于高地位企业本身的资源配置较丰富，是网络中有力量的主体(Brass，1984)，它们有能力替换或惩罚不可靠的伙伴。第二，由于高地位的企业处于网络相对中心的位置，它们能够获得较多关于伙伴特质或行为的信息，减少了搜寻信息、与伙伴协商、监督伙伴的成本(Polidoro et al.，2011)。第三，相对于低地位的企业，高地位企业有更强的能力整合结构洞中多元化而分散的资源，从而形成协同作用力(Gnyawali and Madhavan,2001)。
虽然高地位的企业有更好的机会和能力建构结构洞，但它们建构结构洞的动机是存在矛盾的。一方面，结构洞有助于企业获得及时的信息以及在不相连伙伴之间操纵信息的机会(Burt，1992)；另一方面，结构洞减弱了企业的社会嵌入(social embeddedness)程度，既不利于信息的流动，也不利于形成统一的规范(Granovetter，1985)。信息传递和协作困难的问题对高地位企业显得更加严峻，因为它们通常管理着更多的合作伙伴，网络结构更为复杂，且增加结构洞可能会损害企业地位(Podolny，2005)。由于结构洞最主要的功能是获得非冗余的网络资源，高地位企业对非冗余资源的需求决定了它们建构结构洞的动机。对外部资源的需求受到企业自身在多种水平的资源配置的影响，包括企业水平、联盟组合水平、行业水平。因此，通过探索高地位企业的资源特征，本研究将对高地位企业建构结构洞的行为做出多水平的解释。在企业水平，研究将关注企业特异性知识资源(firm-specific knowledge resources)；在联盟组合水平，研究将关注伙伴们技术的多元化(technological diversity)；在行业水平，研究将关注行业网络的密度(industry network density)。接下来的部分将对研究假设做出阐述。
企业特异性知识资源。企业特异性知识资源被定义为在企业内部积累的、被持续利用的特殊知识资源。不同企业创造知识的流程、社会化过程、员工培训方式不同，因而知识资源的特异性程度也有所差异(Dierickx and Cool，1989；Kogut and Zander，1992)。由于企业特异性知识资源是隐秘的、难以模仿的，这些资源成为保护企业可持续竞争优势的“隔离机制”(Wang and Chen，2010)。如果企业有较多的企业特异性知识资源，它们在搜索知识时更倾向于本地搜索(local search)(Madsen and Desai，2010)。根据企业特异性知识资源的特质，本文提出，虽然高地位的企业有更好的能力和机会建构结构洞，当它们具有较多的企业特异性知识资源时，建构结构洞的动机减弱，具体而言：
第一，当高地位的企业有丰富的企业特异性知识资源，它们倾向于知识的本地搜索，从而减少通过结构洞获取非冗余信息的努力。本地搜索是指，由于对现有成功的经验和流程反复运用有利于提高知识创造的效率，企业倾向于搜索与现有知识接近的解决方案(Rosenkopf and Nerkar，2001)。当知识资源的特异性提高，企业从结构洞中搜索非冗余的信息会受到更多的认知压力(Lichtenthaler and Ernst，2006)。相反，建构一个结构洞较少的联盟组合对改善和强化企业特异性知识资源更加有效(Polidoro et al.，2011)，因为结构洞较少意味着与伙伴之间存在部分共同的知识和价值，可以更好地帮助企业评价和吸收在特殊领域的知识。
第二，当高地位企业具有丰富企业特异性知识资源时，它们倾向于通过建构较少的结构洞以促进伙伴们的特定关系投资(relation-specific investment)。丰富的企业特异性知识资源意味着伙伴们需要增加对特定关系投资以配合相互的合作。然而，由于特定关系投资是针对某个联盟伙伴的，很难再次被利用到其他战略联盟中(Dyer，1997)，伙伴们对特定关系投资往往缺少积极性。但由于特定关系投资对联盟创造价值的潜力很重要(Dyer and Singh，1998)，高地位企业会努力推动伙伴们对特定关系资产的投入。方法之一就是调整联盟组合结构：由于结构洞较少的联盟组合中可以有效地减少交易成本并促进企业间的协同(Obstfeld，2005)，为了消除伙伴们对特定关系投资的顾虑，高地位企业有较强的动机减少联盟组合中的结构洞。
假设1：当企业特异性知识资源增加，高地位企业会减少联盟组合中的结构洞。
伙伴技术多元化。伙伴技术多元化指在企业的联盟组合中伙伴们技术领域的广度(Phelps，2010；Weigelt and Sarkar，2009)。一方面，伙伴技术的多元化帮助企业接触到多元化的知识库，并帮助企业识别新兴产品和市场趋势(Sarkar，Aulakh and Madhok，2009)；另一方面，伙伴技术的多元化也增加了焦点企业处理知识的负荷和合作中的摩擦。具体表现在：当伙伴们的技术多元化程度较高，它们在目标、流程、决策过程方面的差异性更大，这使得焦点企业与伙伴之间沟通和交易的难度相应增加。此外，当伙伴之间的技术多元化程度提高，监控伙伴的成本也随之提高。基于伙伴技术多元化的两面性，本文提出虽然高地位的企业有更好的机会和能力建构结构洞，但当伙伴技术多元化程度提高时，它们会避免联盟组合中结构洞的出现，具体而言：
第一，当高地位企业的伙伴们的技术多元化程度较高，高地位企业从建构结构洞中获取非冗余资源的需求下降。伙伴的技术多元化提高了在联盟组合中信息交流的复杂性，并使得对伙伴知识的吸收变得困难(Jiang et al.，2010)。由于高地位企业通常需要管理较多的联盟关系，并需要在吸收伙伴资源方面投入更多的管理成本，伙伴技术的多元化为高地位企业增添了额外的信息负担。虽然高地位企业在联盟管理方面有相对丰富的经验，但伙伴技术的多元化造成的信息负荷仍然可能超过企业自身的认知能力。为了解决上述困难，高地位企业会寻求可能的方式，包括对联盟组合结构的调整以促进知识的传输和转化。当联盟组合中结构洞较少，共同第三方纽带则增多，导致信息的传播相对容易，伙伴间的信任相对提高(Argote et al.，2003)。例如，Phelps(2010)发现结构洞较少的联盟组合可以强化伙伴技术多元化对探索性创新的积极作用，因为这样的网络结构有利于企业吸收伙伴们多元化的知识。
第二，当伙伴技术多元化程度提高，在伙伴之间进行沟通和协调变得困难。为了促进与伙伴之间的合作，高地位企业倾向于建构结构洞较少的联盟组合。伙伴的技术多元化常常意味着伙伴的目标、流程、决策过程是不同的，从而导致在这些伙伴之间的协调和交易成本上升。因为高地位企业通常面临着复杂的网络关系，在技术多元化程度较高的伙伴们之间进行协调和交易的成本非常显著。如同Goerzen和Beamish(2005)所提及的，“异质性直接导致了不信任和敌意，因为不相似是群体成员之间可能有不同的语言、形态、目标。因此，异质性的后果可能是负面的……”。缓解伙伴技术多元化所带来负面影响的方式之一是调整联盟组合的结构：如果联盟组合中的参与者之间存在较多的相互联系，彼此之间的协调相对容易并能创造更多的价值(Dyer and Singh，1998)。换句话说，较多的相互联系减少了网络中的结构洞，并增加了共同第三方纽带的比重，从而减少了信息不对称的风险(Argote et al.，2003)。Dyer和Nobeoka(2000)对丰田公司供应商网络的案例研究表明，连接密度高的网络可以有效防范机会主义行为的出现，促进经济交换和社会交换，减少监督成本。
假设2：当伙伴技术多元化程度增加，高地位企业会减少联盟组合中的结构洞。
行业网络密度。行业网络是指通过某个行业内部的企业间联盟关系建构的网络(Rosenkopf and Padula，2008)。相比起行业间的网络，行业内部的网络能够提供更加直接、专业、隐性的资源，因为在行业内部形成联盟的企业之间有更高程度的知识相似性。行业网络密度指在行业水平企业之间相互连接的紧密程度，可以通过以下两种机制影响企业建构结构洞的动机。一方面，当行业网络密度提高，企业之间信息交换的增加使得行业水平资源的异质性减弱，从而降低了建构结构洞的利益。另一方面，行业网络密度的提高导致企业之间相互依赖性和同形压力(isomorphism pressure)增加，从而提升了地位的价值(DiMaggio and Powell，1983；Oliver，1997)。本文提出当高地位企业所处的行业网络密度增加，它们建构结构洞的动机将出现下降，具体而言：
第一，在行业网络密度增加时，行业水平的资源异质性下降使得高地位企业建构结构洞的收益下降。由于结构洞带来的基本利益是接触多样化、非冗余的资源，焦点企业占据的结构洞的价值取决于伙伴资源异质性的程度。然而，当行业网络的密度增加，在行业内部信息交换的频率增加，单个企业有更大的可能性被其他企业连接，网络资源在行业水平的多样化程度将随着下降，这导致占据结构洞的价值也相应下降。在极端的例子中，通过结构洞获取的网络资源可能缺少显著的差异。在这种情形下，由于结构洞所带来的信息优势并不明显，高地位企业对于建构结构洞的积极性下降。
第二，当行业网络的密度提高，网络中的参与者对社会效应的重视程度提高(Oliver，1997)，导致企业会更加谨慎地保护自身地位。由于在联盟组合中建构结构洞需要与处于行业网络边缘的、地位相对较低的企业形成联系，导致高地位企业在联盟形成中会损耗自身的地位(Podolny，2005；Shipilov and Li，2010)。地位溢出所产生的损失在高密度的行业网络中更显著，因为在这样的网络中地位作为产品质量和可信赖性的信号有更高的价值(Podolny，1994)。在这样的行业背景中，地位重要程度的提高驱使高地位企业采取措施保护自身的地位。由于高地位企业建构结构洞的行为不可避免与一些地位较低的边缘企业结盟，导致地位的溢出；高地位企业为了维持对自身身份的认同，倾向于在联盟组合中减少结构洞的数量。
第三，高密度行业网络所带来的同形压力强调在行业中保持作为可靠的合作者形象的重要性，从而弱化了高地位企业建构结构洞的动力。占据结构洞较多的企业更有可能被知觉为机会主义者(Guler and Guillen，2010；Xiao and Tsui，2007)，因为这样的企业作为中间人可以从自我中心网络中获取超额的价值，却较少受到社会规范的制约(Coleman，1988)。因此，从结构洞的位置中获取利益在行业网络密度较高的环境中更有可能受到其他主体的负面评价。为了维护自身的声誉，高地位企业从结构洞中追求自身私有利益的动机下降。
假设3：当行业网络密度增加，高地位企业会减少联盟组合中的结构洞。
四、研究方法
(一)样本和数据
研究样本来自美国计算机行业1992-2000年的数据。选择美国计算机行业进行企业间网络研究有两方面的原因：首先，创造新知识对计算机行业的企业来说非常重要，这使得对外搜寻新机会和向联盟伙伴学习知识非常普遍。其次，该行业联盟形成的频率较高，且上市公司较多，有助于增强联盟数据和企业财务数据采集的可靠性和代表性。判断一个企业是否属于计算机行业根据企业的SIC编码。计算机行业分为软件部门和硬件部门，软件部门的编码包括7371、7372、7373、7374、7375、7376，硬件部门的编码包括3571、3572、3575、3577。
企业联盟的数据从SDC数据库(Securities Data Corporation)获得。SDC数据库是目前国际上研究联盟活动中使用最广泛、可靠性较高的数据库(Anand and Khanna，2000)。根据相关研究(Rosenkopf and Padula，2008；Sytch et al.，2011)，通过SDC数据库建构行业的联盟网络需符合两项标准：第一，联盟的参与者至少有一方来自计算机行业(通过企业的SIC编码判断)；第二，联盟本身需处于计算机行业中，即联盟的SIC编码也属于计算机行业。这种选择标准既包括了来自计算机行业内的联盟参与者，也包括了来自计算机行业之外的联盟参与者，因而更符合战略联盟的实际构成情况，可以建构更准确的行业网络参数。
根据以上的标准，1988-2000年，在计算机行业形成的联盟有4604对。因为SDC数据库没有报告联盟中止的时间，本研究参照前人的做法通过5年的移动窗口来计算企业的联盟数量。5年的移动窗口假设战略联盟的寿命是5年，因为根据Kogut(1988)的研究，战略联盟的时间跨度一般不超过5年，而且联盟形成后的5年内对企业的价值贡献是最大的(Reuer and Ragozzino，2006)。
企业的财务数据从Compustat数据库获得。Compustat数据库覆盖了世界资本市场99%的资本，提供了上市公司从1950年至今的年报。企业的技术资源和行业技术的动态性根据NEBR(美国国家经济研究局)的专利数据库获得，包括了专利号码、代理人名称、代理号码、备案年份、授予年份等信息。NBER专利数据库记录了1975-2006年的专利，是目前最丰富的专利数据库(Yang et al.，2011)。对接了以上三项数据来源后，研究获得了610个计算机行业的样本企业。
(二)变量测量
1.因变量
结构洞。结构洞是自我中心网络水平的测量变量。与以往的研究保持一致(Shipilov and Li，2010；Yang et al.，2011；Zaheer and Soda，2009)，研究中对结构洞的测量采用Burt(1992)的网络约束系数。网络约束系数描述了某个企业与其他企业直接或间接连接的程度，通过UCINET 6软件来计算。由于较高的网络约束系数表明在自我中心网络中结构洞较少，研究者将网络约束系数反向编码(乘以-1)以计算结构洞的数量。
网络约束系数C的具体计算方法如下：
是企业i在网络中对企业j的关系投资比重，括号中是企业i对企业j的直接关系投资和间接关系投资的总和。将企业i对所有伙伴的关系投资进行加总后得到企业i的网络约束系数。
2.自变量
(1)企业地位。测量地位最常用的方法是中心度(centrality)，即企业与其他企业相连接的程度。为了建立与以前研究的可比较性(Ahuja et al.，2009；Lin et al.，2009；Podolny，1993；Shipilov and Li，2008)，本研究采用了Bonacich特征向量中心度。Bonacich特征向量中心度既测量了某个企业的伙伴数量，又反映了伙伴在行业网络中的地位，因而相比其他测量地位的方法考虑更全面，与地位的定义具有更好的一致性。企业的Bonacich特征向量中心度通过5年的时间窗口在UCINET 6中计算并进行标准化(Borgatti et al.，2002)。
(2)企业特异性知识资源。根据定义，企业特异性知识资源根植于企业特异性的流程，通过路径依赖的方式逐渐积累。Wang和Chen(2010)认为，“企业专利代表知识创造，专利的引用代表了知识的流向，企业引用自身专利的频率表明了企业在自身的知识库基础上建构知识的程度”。因此，企业对自身专利的自我引用(self-citation)可以反映企业特异性知识资源的规模。自我引用通过企业在申请新专利中对过去5年中已经申请的专利的引用来测量。譬如，某企业的一项在1995年申请的专利引用了本企业在1990-1994年期间申请的专利，这些专利引用被看作是企业的自我引用。由于不同企业的专利规模差异较大，为了比较不同规模企业之间特异性知识资源的水平，研究者将自我引用数量除以所有引用的数量。
(3)伙伴技术多元化。根据前人的研究(Sampson，2007；Vasudeva and Anand，2011)，伙伴技术多元化通过企业的联盟伙伴在六类专利中的分布来测量。专利的分布用以下的公式计算：
代表企业的联盟伙伴在专利类别i中专利的数量，N代表企业的联盟伙伴所有的专利数量。值越高表明企业的伙伴技术多元化程度越高。
(4)行业网络密度。根据Rosenkopf和Padula(2008)的研究，行业网络的边界通过以下方式来界定：联盟本身的必须属于计算机行业，并且至少有一方参与者来自计算机行业。行业网络的密度根据每年的行业网络矩阵在UCINET 6软件中计算。行业网络密度计算为行业中企业间现存的联系除以所有可能的联系。该值的范围从0到1，值越大表明行业网络密度越高(Shipilov and Li，2008)。
3.控制变量
(1)企业绩效。之前的研究表明当企业的绩效出现改善，企业更有可能寻求与自身地位有差异的伙伴(Shipilov and Li，2010)。因此，本研究通过资产回报率控制企业的绩效。资产回报率是测量企业绩效的最常用的方法。
(2)企业规模。之前的研究表明团队与占有的结构洞之间存在紧密的关联(Zaheer and Soda，2009)。类似地，本研究通过企业的总资产的数量控制了企业规模。
(3)业务相似性。Zaheer和Soda(2009)认为伙伴业务的异质性会增加社会主体的结构洞。本研究因此通过SIC编码控制了在企业和伙伴业务之间的相似性。在每一对联盟之间，如果三位数的SIC编码完全相同，则相似程度记为1；如果只有两位数的SIC编码相同，则相似程度记为0.5；如果SIC编码完全不同，则相似程度记为0。最后，每对联盟的相似性程度的平均值代表了企业与一群联盟伙伴的业务相似性。
(4)技术多元化。有学者认为，如果企业的知识库多元化程度较高，将内部知识和外部知识相结合会变得更加困难(Srivastava and Gnyawali，2011)；还有学者认为企业内部的技术多元化有助于从结构洞中获益(Shipilov，2006)。因此，本研究通过赫希曼指数控制了企业技术多元化：
代表企业在某个专利类别中注册的专利数量，N代表企业在美国专利商标局规定的六类专利中注册的专利总数。
(5)技术不确定性。企业技术的不确定性影响企业搜索外部资源的意愿。根据Wang和Chen(2010)的方法，企业技术的不确定性通过在每种专利类别的变化来测量。
(6)年份哑变量。为了控制不可观测的时间因素和不明确事件的影响，本研究控制了1992-2000年的年份哑变量。
(三)分析方法
为了在统计上控制因果效应，所有的自变量(1992-2000年)比因变量(1993-2001年)滞后一年。理论上，对610个焦点企业应有5490个观测值(9×610)，但由于一些企业在观测时间内的财务数据不全或联盟出现终止，实际获得的观测值为2189个。在统计分析上，研究采用横截面时间序列(FGLS)回归。FGLS回归比广义最小二乘(GLS)回归够给出更优的计算结果(Shi and Prescott，2011)，而且相比普通最小二乘(OLS)回归在异方差和自相关出现时能够给出更可靠的参数估计(Wooldridge，2002)。
表1是变量的描述性统计和变量之间的零阶相关。可以看出，所有相关系数处于可接受的水平。为了确保在统计中不存在共线性问题，研究者采用Belsley等人(1980)的程序来检验共线性。通过在Stata统计软件中运行“coldiag”程序，研究者获得了关于自变量的条件指数(Srivastava and Gnyawali，2011；Wang and Zajac，2007)。根据Belsley等人(1980)的研究，如果条件指数高于30，说明存在严重的共线性问题；如果条件指数小于10，说明不存在共线性问题。在本研究中，对控制变量和自变量的条件指数为5.57，排除了共线性的担忧。
表2是层次回归的结果。第一步在模型1中加入控制变量。第二步在模型2中加入自变量。与Zaheer和Soda(2009)的研究相似，企业地位和结构洞之间存在显著的正向关联(在模型2中β=0.06，p＜0.001；在模型3中β=0.16，p＜0.001)。伙伴技术多元化与结构洞之间也存在显著的正向关联(在模型2中β=0.05，p＜0.001；在模型3中β=0.07，p＜0.001)，说明企业伙伴的技术多元化程度越高，企业将占有的结构洞越多。
第三步在模型3中加入交互性以检验假设。为了减少自变量和交互项之间的共线性，按照Aiken和West(1991)的方法，研究者在对所有自变量进行均值中心化的基础上再计算交互项。假设1提出企业特异性知识资源对地位和结构洞之间关系的缓冲作用为负。从表2的模型3中可以看出，企业特异性知识资源与地位的交互项系数显著且为负(β=-0.03，p＜0.001)。为了更好地解释回归分析的结果，图1绘制了企业特异性知识资源与地位的交互作用图，图1显示当企业具有较多的特异性知识资源，企业地位导致的结构洞相对减少。因此，假设1得到了支持。
假设2预测伙伴技术多元化的缓冲作用为负。模型3显示伙伴技术多元化与地位的交互项系数显著且为负(β=-0.09，p＜0.001)。图2绘制了伙伴技术多元化与地位的交互作用图。可以看出，当伙伴技术多元化较高，企业地位与结构洞之间的关联减弱。这种交互模式与研究假设是一致的。因此，假设2得到了支持。假设3提出行业网络的缓冲作用为负。然而，模型3显示交互项的系数是不显著的。因此，假设3没有得到支持。
图1 企业特异性知识资源与地位的交互作用图
图2 伙伴技术多元化与地位的交互作用图
尽管企业间的网络关系近年来吸引了越来越多的研究关注，但企业的联盟组合中不同网络特征之间的关系依然值得深入研究。到目前为止，我们对企业权衡不同网络特征的方法和过程了解还非常匮乏。本研究的目的是为了探索高地位的企业在怎样的条件下建构结构洞的概率会减少。通过MOA框架的分析，研究提出虽然高地位企业有更好的能力和机会建构结构洞，但它们的动机在特定条件下会发生改变。结果表明在高地位企业的联盟组合中通常存在更多的结构洞。企业特异性的知识资源和伙伴技术的多元化将削弱地位和结构洞之间的联系，说明高地位企业会根据对结构洞的需求程度(动机水平)对自身的网络结构做出调整。
(一)研究的贡献
本研究做出了以下三方面的贡献：
第一，通过对高地位企业建构结构洞的动机因素的探讨，研究从新的角度化解了地位和结构洞之间关系的争论。研究结果在一定程度上支持了Shipilov(2009)的论述，即高地位企业在某些条件下减少自我中心网络中的结构洞会受益更多。本研究强调企业的动机因素是一项影响企业决策的关键权变因素，并可以体现在多种水平。在建构结构洞的行为方面，高地位企业的动机会随着企业内部的资源配置、联盟伙伴的资源特征而发生变化。
第二，这项研究强调在网络研究中同时考虑企业的动机、机会、能力的重要性，拓展了MOA模型的应用范围。由于大多数网络研究假设社会主体在网络中获得的机会可以自动转化为积极的结果，却忽视了网络机会的实现建立在社会主体的能力和动机的基础上(Adler and Kwon，2002)。Burt等人(1998)提到，“机会并不会自动转化为成绩，而且有些人对追求结构洞的信息和控制优势感到不舒服”。Sasovova等人(2010)发现社会主体控制结构洞的能力和动机是不同的。那些在自我监控人格特征上得分较高的个体更可能持久地保持和建构结构洞。本研究首次将MOA模型的应用从个体水平转向企业水平，为解释企业在网络中的行为模式提供了新的视角。
第三，这项研究有助于我们理解企业管理联盟组合的方式。关于企业网络的研究一直以来被批评是静态的，对很多基本问题的回答不清楚。譬如说，企业是如何管理一个复杂的联盟组合并实现内部协同？我们也不清楚企业如何管理不同的网络特征，如地位和结构洞。为了更清楚地回答这些问题，本研究探索了高地位企业在联盟组合中管理地位和结构洞之间矛盾的策略。结果表明，由于网络位置的优势，高地位企业通常占有更多的结构洞，结构洞与企业内部资源和外部环境的匹配将影响企业联合不相互连接的伙伴的意愿。
(二)对现实的启发意义
在现实中，不少企业的联盟管理还停留在对单个联盟价值的最优化设计，这种思维方式根据单个联盟的重要程度来安排资源配置及实现联盟目标。然而，很多企业拥有多个联盟伙伴，这些伙伴之间可能缺少信息沟通，可能存在相互竞争关系，甚至可能与企业的内部组织产生竞争。例如，汽车生产厂商的零部件供应商之间通常存在业务竞争关系，与厂商内部的生产也存在替代关系。伴随着联盟数量的增多，企业面临着错综复杂的伙伴关系，对联盟关系的管理成为一项有挑战性的工作。因此，学者们近年来提出应当以管理联盟组合的思维方式来管理战略联盟。随着经济活动网络化趋势的突显，成功地管理联盟组合对企业的生存与发展显得日益重要。在全球经济增长乏力、中国劳动力成本增加、出口贸易下滑的背景下，企业利用联盟组合来实现资源互补、提升创新能力、开拓海外市场是一条实现转型升级的重要出路。
本研究对联盟组合管理的启发意义主要有以下几方面：
第一，在管理联盟组合时企业需要考虑内部资源与外部网络结构之间是否匹配。如果企业特异性知识资源较丰富，即企业通过反复应用的流程积累了较多知识时，应建构密度较高的外部网络。例如，阿里巴巴2011年与12家银行建立快捷支付联盟，帮助消费者在不需要特别开通网银的情况下能方便地网上付款。可以看出，支付宝是特异性知识资源较为集中的支付平台，银行之间的网络密度相对较高，内部资源和外部网络结构是匹配的，有助于阿里巴巴更有效率地应用支付宝平台的资源。
第二，企业还需要考虑已经存在的网络特征与需要建构的网络结构是否匹配。如果已有的联盟网络中其他网络成员的知识资源多元化程度较高，企业应通过减少网络中的结构洞以促进对外部知识资源的吸收。以开篇的中石化集团的联盟组合为例，由于壳牌石油公司、英国石油公司、麦当劳、中国外运长航之间的业务多元化程度较高，不利于中石化集团的对伙伴知识的吸收。中石化集团可以通过增加伙伴之间的联系以提高网络密度，从而促进信息传播与知识学习。
第三，企业需要在联盟组合的不同结构特征之间做出选择。地位和结构洞对企业而言是有吸引力的网络结构，但企业在联盟组合中建构地位和结构洞应有所侧重。当建构结构洞和提升地位存在冲突的时候，企业需根据自身条件或环境条件对地位或结构洞做出取舍。一般来说，高地位是大部分企业所希望获得的，而结构洞的占有则是有利有弊的。因此，企业可以在持续提升地位的同时根据情况调整网络中的结构洞数量。在Koka和Prescott(2008)的研究中，他们认为如果企业的发展战略需要在坚守传统产业的同时开拓新的市场机会，那么在传统产业中取得高地位有助于企业在原有市场保持竞争优势，并在新兴市场快速获得成功。譬如，格力电器在家电产业的地位较高，但由于传统家电处于产业的衰退期，格力需要在电子通信、智能家电等领域开拓市场。格力电器在家电产业的高地位可以帮助企业在深挖原有技术优势的同时，在新兴市场建立可信赖的形象，并吸引优质的合作伙伴。
第四，企业对联盟组合的管理需要采取动态的方式。由于缺少对联盟组合的演化机制和管理手段的理解，很多企业未能根据变化的形势来调整联盟组合的结构或要素。Parise和Casher(2003)的研究发现，成功的企业通常能预见联盟组合的构成及变化。在很多情况下，联盟组合的变化反映了产品或市场生命周期的变化。例如，在新药的研发阶段，制药企业可以选择建构多个与生物医药企业之间的研发联盟。而在新药的推广阶段，制药企业应建构更多的市场营销联盟。再例如，在通讯行业中当市场还处于萌芽阶段，新的产品标准还未建立的时候，软件企业需要在联盟组合中尽量增加与其他软件企业或者市场领导企业的联盟，以建立对自身有利的产品标准。一旦产品标准建立后，企业的联盟组合需要在价值链的下游建立更多的联盟，包括与服务提供商和分销商的联盟。
当今社会，企业面临着复杂多变的竞争环境，保持可持续的竞争优势不仅依靠内部资源积累，也需要通过构建外部的网络获得宝贵的资源。过去，对战略联盟的研究主要集中在对单一联盟的研究上；但在现实中，越来越多的企业同时参与多个不同的联盟(Gulati and Singh，1998)。当企业管理一个联盟组合时将面临比管理单个联盟更加复杂的情况。本研究通过MOA模型解释了企业管理联盟组合中管理地位和结构洞的策略。在对高地位企业的机会、能力、动机3种要素进行分析后，研究聚焦于企业的动机因素，并探索了影响地位和结构洞之间关系的边界条件。结果表明当企业特异性知识资源较丰富或伙伴技术多元化程度较高的时候，高地位企业建构结构洞的动机将被削弱。未来还需要更多的研究致力于探索企业管理不同网络特征的过程。例如，企业的学习能力、组织结构、企业间的竞争都可能影响联盟组合管理的策略，但在现存的研究中我们还不清楚这些变量的影响。多水平的研究方法也有助于我们探明联盟组合管理中的复杂机制。譬如，企业家个人的关系网络管理模式可能影响企业的联盟组合管理模式，但我们对不同研究水平之间网络的相互影响方式还知之甚少。总之，在研究企业管理联盟组合的过程、策略、方式方面，未来值得开展的研究还有很多。
作者感谢香港城市大学Kwangho Kim教授和Haibin Yang教授对本文的指导。