平台产品技术创新对标准联盟成员企业的财富效应：基于“开放手机联盟”的实证研究_网络效应论文

标准联盟内平台产品技术创新对成员企业的财富效应——来自“开放手机联盟”的实证研究，本文主要内容关键词为：联盟论文,技术创新论文,效应论文,成员论文,实证研究论文，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。

       一、引言

       随着网络经济的兴起，许多领域中市场竞争围绕技术标准展开。一家企业的技术路径一旦上升为行业标准(无论是公定标准还是事实标准[1])，在网络效应强的行业中将引发正反馈，最终形成“赢者通吃”的局面[2]。标准竞争成为目前许多行业，尤其是高科技行业的竞争方式。李(Lea)认为标准竞争中企业可采用独立竞争战略、标准联盟战略。实际上，企业单靠自身力量推广标准十分困难，通常通过横向和纵向的资源整合，组建技术标准联盟，依靠联盟的力量进行标准竞争，形成“系统与系统的对抗”[3]。企业之间(尤其是高技术企业)围绕技术标准组建战略联盟，推动创新并刺激新型市场或业务出现，能够加速整个社会经济的健康发展和社会组织的不断进化[4,5]。标准联盟内部成员企业之间存在较高的相互依存性，凯尔(Keil)认为技术标准联盟的产生是商业系统竞争的逻辑延续[6]。技术标准联盟就是伴随着这些商业系统的发展而形成的。在联盟内部，一家企业的研发创新活动不仅影响自身发展[7,8]，也会对其他成员企业产生“溢出效应”[9]。研发创新活动绩效(包括创新绩效、财务绩效等)引起相关学者的兴趣，但研究视角不尽相同，包括从创新活动的类型[10]、新产品发布方式[11～13]、联盟开放性[14,15]和联盟内部异质性[16,17]、联盟成员特性[18]等角度所进行的研究。其中联盟成员特性受到广泛重视，如企业规模、年龄、财务结构、行业特征、研发能力、风险系数等经常作为重要的研究变量出现在实证文献中。[19,20]

       多边市场的出现深刻改变了传统的标准联盟结构和网络关系。核心企业将大量技术专利“封装”为一个产品系统组件，通过有偿或无偿提供这种组件输出技术标准。这种组件决定了整个产品系统的技术路径、接口标准和用户交互界面，成为一个“平台产品”。对于标准联盟中提供平台产品的核心企业来说，平台产品的技术创新活动是对整个联盟施加影响力的重大战略行为；对于联盟内受此影响的成员企业来说，如何在平台产品技术创新中避免被淘汰，并抓住机会获得发展，是非常关键的。因此，研究平台产品技术创新对整个技术标准联盟及其成员企业引发的财富效应，具有一定理论价值和实践意义。

       二、理论基础与研究假设

       (一)网络效应与技术标准联盟

       “网络效应”最早是罗尔夫(Rohlf,1974)[21]在研究电信消费问题时发现的。1985年卡兹和夏皮罗(Katz & Shapiro)的开创性文献“网络外部性、竞争与兼容”发表之后，引起经济学家和管理学家广泛的研究兴趣。按照卡兹和夏皮罗的定义，网络效应是指“对于某些产品而言，一个消费者在消费过程中获得的效用随着该产品用户人数的增加而增加”。[22]随着理论研究的深入和企业组织实践的不断演化，又将其进一步划分为“直接网络效应”、“间接网络效应”[23,24]和更为复杂的“双边网络效应”[25]。间接网络效应存在于垂直网络中。垂直网络是通过多种互补产品，把用户联结起来，即所谓“硬件/软件范式”[26]。如果随着某个基本产品用户数增加，提高了互补产品生产厂商的市场吸引力，最终给消费者带来更大效用，那么就存在间接网络效应。其中硬件与配套软件必须遵循共同的技术规范，才能相互连接、共同工作。间接网络效应是技术标准联盟存在的重要基础：一种技术标准通过少数重要企业采用和推广后，得到更多同类产品和互补产品生产企业的追捧，产生“花车效应”[27]，它将最可能成为行业内主导标准[28]。技术标准的早期推广者和关键技术的持有者将成为联盟的主导企业，技术标准的追随企业和可兼容互补产品生产企业将成为联盟的成员企业。可见，技术标准的产生、扩散和创新对联盟内所有相关成员都具有重要意义。

       随着多边市场的涌现，许多“平台”企业被孕育出来。多边市场结构是一种“哑铃”型的市场结构，如银行卡支付平台连接着持卡消费者和商户，电脑操作系统连接着电脑使用者和软件开发商，媒体平台连接着广告商和受众等[29,30]。多边市场和多边网络效应领域比较有影响力的主要有卡拉奥德和朱利安(Caillaud & Jullien)、罗歇和泰勒尔(Rochet & Tirole)、哈吉犹(Hagiu)等人的研究。尤其是在信息技术领域，多边市场使传统的标准联盟结构和网络关系产生变化。首先，核心企业采取专利池或模块化的方式，将大量核心专利“封装”为一个产品系统组件，以此输出技术标准，如智能手机中的操作系统[31]、电子商务门户网站等；其次，联盟内部企业之间的依存性空前加强，建立并维持彼此之间微妙的竞合关系成为首要问题。作为这一系列网络关系中心的平台产品，其任何创新、推广和扩散都可能引起联盟内企业的反应。

       (二)技术创新的市场反应

       投资者对某企业价值的评估主要取决于企业未来收益的净现值。企业的技术创新行为将发明创造进行商品化[32]，会带来较大的市场影响力和丰厚的获利机会。第一，随着科学技术的飞速发展，技术创新可能带来技术进步和应用创新相互交融的“双螺旋”演进方式，现有市场结构将发生变革，并可能催生新的业态，技术创新的始作俑者将有较大的概率成为新的“冒尖”企业。技术标准联盟所具有的网络效应，将会放大这种技术创新的影响力，对关键平台产品的创新更为敏感。第二，标准联盟的半开放结构有助于平台产品技术创新的快速扩散。与标准相关的核心技术研发主要由少数企业开展，对外界来说这一层结构是封闭的，但对加入标准联盟的企业来说，这一层结构又是开放的。余江等指出具有较强研发能力和关键知识产权的企业成为联盟的主导和核心，为了鼓励更多企业采用该标准和投入资源，企业联盟的结构一般是半开放式的[33]。无论是对新创意的探索还是对旧事物的利用，创新(产品和流程)在开放的环境下能更好地被设计和实施[34]。第三，标准联盟具有横向一体化和纵向一体化的混合结构，知识在网络内部快速地传播流动，能够增强企业的学习效率，提高其环境动态适应性，从而降低创新风险。综上，平台产品技术创新提高了平台服务质量[35]，通过联盟内部网络结构将这种创新传导至成员企业，在资本市场使投资者做出正面反应，提高企业市场价值，从而带来“财富效应”[36]。基于此，提出以下假设：

       H1：总体上看，平台产品技术创新为标准联盟成员企业带来正向的累积超常收益。

       (三)创新形式与发布方式

       一般而言，技术创新在“新颖性程度”上会存在差异。根据亨德森和克拉克(Henderson & Clark)的观点，一种创新是对现有产品进行相对较小的改动，或对已有设计的潜力进行开发，称为“增量式创新”；另一种创新则基于全新的设计理念和科学原理，开拓全新的产品市场和潜在服务应用，称为“激进式创新”(radical innovation)[37]，不同类型的创新会产生不同的经济和竞争结果[38]，投资者的反应也会有实质性差异。首先，投资者可能认为“激进式创新”一旦成功，给企业带来比“增量式创新”更大的未来现金流，预示企业将享有更多新市场拓展的机会，从而使企业变得更有价值；其次，从信号理论[39]的角度来看，企业进行“激进式创新”向消费者传达了一种信号，显示自己具有提供高质量产品的能力，同时又向竞争对手传达了一种信号，表明自己具有强大科技研发实力和创新精神。本文认为，投资者对“激进式创新”企业的正向评价同样适用于技术标准联盟。当然无论市场环境是否稳定，“激进式创新”都将会带来更大的不确定性，从而增加投资风险。但正如迪万(Dewan,2007)等指出，承担更大的风险的组织理应从市场中获得额外的风险溢价[40]。基于此，提出以下假设：

       H2：其他条件不变，较之于“增量式创新”，平台产品的“激进式创新”给联盟内成员企业带来更高的累积超常收益。

       创新产品的发布方式也是影响其市场效果的重要因素。目前，越来越多的平台产品采取“多产品发布”，取代过去“单产品发布”。2011年10月19日，Android 4.0操作系统和搭载这一系统的Galaxy Nexus智能手机同时发布，产生轰动性效应，Android手机短时间内风靡世界，采用此系统的移动终端产品制造商和服务商也从中获利。一般认为，多产品发布的企业可因此提升其市场价值。在其他条件不变的情况下，多产品发布的组织可能进行更大的研发投入，获得更多的专利发明，拥有更多的技术劳动力[41]。这样的企业或组织将在产品和服务市场中更有竞争力，尤其是当总体市场增长缓慢时，他们获得较大的市场份额[42]。因此，提出以下假设：

       H3：其他条件不变，较之于“单产品发布”，平台创新企业采取“多产品发布”的方式，可以给联盟内成员企业带来更高的累积超常收益。

       (四)企业研发能力

       除了平台产品创新发布的方式之外，成员企业自身的特点也会影响其累积超常收益。其中企业的创新研发能力是反映企业竞争力和环境适应力的一个重要指标。目前许多研究文献使用企业研发强度来衡量研发投入的力度。凯尔姆(Kelm,1995)等[43]认为有较高研发强度的企业在产品创新方面有更强的技术能力。当联盟内出现基础平台和关键技术创新的时候，研发强度大的企业有更为雄厚的资源投入，能够更好地抓住技术机遇并获得与创新相关的利润。更为重要的是，这种创新一旦形成技术专利，在联盟内部通过“专利池”和“一揽子专利许可”被成员企业所享有，研发强度大的企业有更强的技术消化能力，从而紧跟平台创新演进的步伐，而那些研发投入不足的企业则可能被淘汰出局[44]。不过，研发投入可能带来巨大的沉没成本，以及联盟内部出现的“搭便车”[45]和“敲竹杠”问题，都将会削弱企业研发投资的积极性，从而导致研发专项投入不足。另外，衡量研发投入产出效率的一个重要指标是研发产出弹性。目前的文献中大多使用C－D生产函数来计算研发投资的产出弹性，即R&D投入每变动1％所引起产量(产值)的变动百分比。研发投入强度主要表征企业在研发方面的资源投入，研发投资产出弹性表明企业研发资源投入的使用效率，二者总是同时产生作用。基于此，提出以下假设：

       H4a：其他条件不变，发生平台产品技术创新时，研发投入强度高的成员企业获得更高的累积超常收益。

       H4b：其他条件不变，发生平台产品技术创新时，研发投入弹性高的成员企业获得更高的累积超常收益。

       H4c：其他条件不变，发生平台产品技术创新时，成员企业研发投入弹性对其研发投入强度与累积超常收益之间的关系具有调节作用。

       三、实证研究设计

       本文主要采用事件研究法对标准技术联盟平台产品创新的财富效应进行实证研究。首先，使用CAPM模型对样本企业的正常收益率进行估计，以得到事件期各日的超常收益率，进一步得到各企业在每一次事件的累积超常收益率，并使用Z－统计量检验假设1；然后，采用多元线性回归的方法对假设2、假设3和假设4进行检验。

       (一)变量选取

       1.事件研究法和累积超常收益率

       事件研究法指运用金融市场的数据资料测定特定事件对企业价值的影响，即通过分析特定事件发生前后股票市场的反应，检验是否存在超常收益。假设市场有效，则事件的影响会立即反映在股价中[7]。这种方法在信息技术进步所创造价值的研究中得到广泛的应用。

       事件研究法的核心是正常收益率和超常收益率的计算。所谓正常收益率指，假定没有该事件发生情况下，公司股价的预期收益率[46]。本文采用修正的CAPM模型(市场模型)估计正常收益率。模型如下：

      

       本文另一个重要指标是累积超常收益率CAR，用以衡量某一股票在整个事件期内受到的累加影响，公式如下：

      

       其中，

表示股票i在时间窗口［t,t+k］内的累积超常收益率，等于这个股票在事件窗内各日超常收益率加总。此外，对AR和CAR进行加权(或等权)平均还可以计算平均超常收益率(AAK)和累积平均超常收益率(CAAR)。

       2.产品技术创新类别及发布方式

       对于创新类别(Innovativeness)，本文采用亨德森和克拉克(Henderson & Clark)的观点，将创新的类别分为“增量式创新”和“激进式创新”，构建哑元变量：当Innovativeness=1时，表示创新类别属于“激进式创新”，创新程度相对较大；当Innovativeness=0时，表示创新类别属于“增量式创新”，创新程度相对较小。对于发布时间间隔(Interval)，本次发布距上次发布的时间，以年为单位表示。对于是否多产品发布(Multiple)，如果是则Multiple=1，否则Multiple=0。

       3.企业研发创新能力

       对于研发投入产出强度(R&D intensity)，程宏伟等(2006)研究发现，中国高科技上市公司的R&D投入强度与企业的盈利能力、技术实力等绩效指标之间存在着一定的正相关关系[47]。研发投入强度采用企业研发费用与主营业务收入的比例衡量[48]。一般情况下这一指标超过5％则认为是具有较高的研发投入强度。

       对于研发投入产出弹性(R&D elasticity)，根据微观经济学的基本原理，某种要素投入产出弹性等于该要素产出变动百分比与要素投入变动百分比之比值。现有文献对研发投入产出弹性的研究集中在区域经济学和产业经济学领域，主要利用投入产出表直接计算研发投入产出弹性，或者基于柯布-道格拉斯(Cobb-Douglas)生产函数对企业的面板数据进行计量分析。本文采用第二种方式，但是由于资料所限采用年度数据时间序列较小，只能对这一指标做出较为粗略的估计。

       4.其他控制变量

       本文加入企业财务指标作为控制变量。包括：企业规模(Ln_TotalAsset)，使用当年企业总资产的对数表示；企业年龄(Ln_age)，用企业成立年份到2012年的年数取对数表示；Beta值，企业风险收益率指标；企业盈利能力(ROE，权益净利率)，用当年净利润与平均所有者权益的比值计算得出。

       (二)样本选取

       开放手机联盟(Open Handset Alliance，简称OHA)是美国Google公司于2007年11月5日宣布组建的一个全球性的联盟组织。这一联盟支持Google所发布的Android操作系统和应用软件，以及共同开发以Android系统为核心的移动终端产品和移动数据服务。本文选取“开放手机联盟”官方网站公布的成员企业为研究对象。为了准确获得事件研究法所需的企业信息，手工剔除了以下样本：第一，未上市的企业；第二，研究期内股价和财务信息不完整的企业；第三，被联盟内成员企业收购的企业。最终，得到58家企业作为研究样本。样本中在美国上市的企业27家，在中国香港上市的企业4家，在日本上市的企业12家，在韩国上市的企业3家，在中国台湾上市的企业6家，其他地区上市企业6家(说明：同时在多个地区上市的企业，首选其本土股票市场数据，考虑到股票市场的有效性和异质性对本研究的影响，中国大陆企业采用香港股票市场数据或美国股票市场数据)。对于市场收益率，选用纽约股票交易所(NYSE)综合指数和纳斯达克(NASDAQ)综合指数及相关个股数据匹配美股样本，选用香港恒生指数(HSI)匹配港股样本，采用日经指数(Nikkei 225)匹配日股样本，采用韩国股市基准指数(KOSPI)匹配韩股样本，采用台湾权重指数(TWII)匹配台股样本，并采用印度孟买指数(BSESN)、英国富时100指数(FTSE100)、巴黎股票市场指数(CAC40)、瑞士苏黎世市场指数(SMII)和加拿大标准普尔指数(S&P/TSX)分别匹配相应样本。本文股价数据来自Google财经数据库，企业财务数据来自Yahoo财经数据库和Reuters财经中披露的上市企业年报。

      

       本文主要研究平台企业技术创新对联盟内部其他企业的溢出效应。2010年5月至2012年12月，作为OHA创立者和核心企业的Google公司总共进行了8次影响较大的Android新系统发布，其平台功能得到大幅度提升，如表1。本文将检验这一系列平台技术更新对联盟成员企业股价的影响。假设在有效的股票市场中，股票价格反映全部市场信息，则其他企业在事件窗口内股价的超常变动可理解为Android系统升级引发的财富效应。

       四、数据分析结果

       (一)数据平稳性分析

       计算累积超常收益率(CAR)必须首先对每只股票在研究期内的收益率数据的平稳性进行检验。采用ADF统计量进行单位根检验，带截距项、不带时间趋势和滞后，所有研究对象的收益率时间序列在1％的显著性水平上拒绝存在单位根的原假设(限于篇幅，检验结果不在此报告)，表明收益率数据是平稳的，可以用来计算超常收益率。

      

      

       (二)累积超常收益率

       本文选择新系统发布日期之后的第一个股票交易日为事件日，选取事件日之前20个交易日到事件日之后20个交易日为事件窗，即［－20，20］，共41个交易日。选取的估计时间段为事件日前第98个交易日到事件日前第21个交易日，即估计窗为［－98，－21］，共78个交易日。本文将联盟中除Google公司之外的所有企业视为一个整体，进行全部事件的交叉检验。为了使检验更为可靠，本文使用P检验而非T检验，因为这种方法允许使用一个更强的标准误差[49]。如表2所示，将所有企业视为一个整体(在本研究中可以近似代表整个技术标准联盟)，其平均累积超常收益率为1.91％＞0，P值为0.027，在5％的水平上显著，假设1得到支持。

       进一步计算事件窗内各交易日平均超常收益率(AAR)、累积平均超常收益率(CAAR)，结果如表3所示。

       图1为平均超常收益率(AAR)和累积平均超常收益率(CAAR)(采用等权重组合方法计算[50,51])在事件窗内各交易日趋势图，假设1的检验结果也可以从图1中更加直观地反映出来：在事件日(第0日)之前，CAAR大体呈现出比较平缓的递增趋势，表明将要发生的事件已经通过内部消息的渠道被部分投资者知晓，在事件日之后的一段时间内，CAAR基本维持一段水平态势，而从事件后第14个开始，CAAR快速上升，最终达到约2％，说明事件产生的影响具有一定滞后性。

      

       图1 事件窗口内各日AAR与CAAR趋势图

       从标准竞争的角度看，Android操作系统的技术进步提高了其移动通信产品系统给消费者带来的基本效用(如运行速度更快、屏幕更清晰、软件切换更流畅)和网络效应(如联网速度更快、兼容更多软件)，大大强化了其终端产品互联互通的功能。新操作系统通过与旧系统进行后向兼容(如版本升级)并且搭载于终端产品进行销售，很快建立了庞大的安装基础。市场研究公司Canalys调查数据显示，2009年第2季度Android系统全球市场占有率仅有2.8％，到2010年第4季度飞跃至33％，2012年5月达到了60％。2010～2012年，Android挤垮Symbian，超越iOS成为全球第一大智能手机操作系统。庞大的用户基础使搭载Android操作系统的移动设备制造商和相关系统服务商也得以“背靠大树好乘凉”：比如，韩国三星电子推出Android系统的旗舰智能手机Galaxy系列，直接撼动了Apple公司iPhone手机的市场霸主地位；高通、Intel等芯片制造商通过为Android系统订制芯片，获得了高额的利润；而eBay、SoftBank等软件服务商更是借助市场容量扩大的契机，推出更具创新性的移动数据服务项目。另一方面，平台技术进步也加强了平台企业对整个商业生态系统的掌控能力，其他成员企业需要投入更多资源进行技术创新以使自己能够继续附着在系统平台上。

       (三)多元回归分析

       多元回归方程中涉及以下变量。因变量：各成员企业在每一次平台技术创新(版本升级)事件中获得的累积超常收益率(CAR)。事件变量：包括据上次事件的时间间隔(单位：年)(Interval)、创新类型(Innovativeness)、联合发布哑变量(Multiple)。成员企业控制变量：包括总资产对数(Ln_TotalAssets)、企业年龄(到2012年)对数(Ln_Age)、Beta值(2012年)和净资产收益率(ROE)。成员企业研发创新能力变量：包括研发投入集中度(R&D intensity)、研发投入产出弹性(R&D elasticity)及其交互项。各变量描述性统计特征如表4所示。

      

       表5汇报了多元回归分析结果，模型内变量系数均为标准化系数。模型1至模型5采用层次回归法分别放入事件变量、企业控制变量、研发投入集中度、研发投入产出弹性和研发能力变量的交互项。

      

       1.事件变量分析

       除模型1外，发布时间间隔(Interval)与CAR呈显著的负相关关系(模型2，β=-0.26，p＜0.10；模型3至模型5，β=-0.3，p＜0.05)这与经典的信号理论[52,53]的观点相反，本文认为这是因为更短的间隔和升级周期强化了投资者应对事件的能力，他们可以更好地从上次事件的“记忆”中学会规避损失、提高收益率的知识和经验，这种知识和经验会随着时间推移而衰减；创新类别变量系数在所有模型中都不显著，未能通过检验，表明在本研究中平台创新是否为“激进式创新”与CAR相关关系不显著，假设2没有获得支持，本文认为这是因为在衡量技术创新程度的时候没有考虑横向比较：在Android平台版本升级的同时，主要竞争如iOS平台也在进行频繁的技术更新，潜在消费者必须对相近时间内两个(或多个)竞争性平台的技术先进性进行选择；多产品发布变量在五个模型中系数全部为正，符合理论预期，并且至少在10％的显著性水平上拒绝系数为0的原假设，表明平台产品采用多产品发布的方式可以显著提升成员企业的CAR，这与强尼(Chaney)与陈圣贤(Chen Sheng-xian)等的观点是一致的，假设3获得支持。

       2.企业控制变量

       在五个模型中，企业规模变量(Ln_TotalAssets)、企业风险收益变量(Beta)系数均为正，表明与CAR有正相关关系，企业年龄变量(Ln_age)系数符号为负，表明与CAR有负相关关系，不过在本研究中上述相关关系均不显著。模型5中，ROE与CAR成显著的正相关关系(β=0.092，p＜0.10)，表明企业的股东权益率越高，其获得的超常收益率越高。因为ROE是衡量企业盈利能力的重要指标，ROE高的企业更有可能获得投资者青睐。

       3.研发能力变量分析

       观察模型3至模型5发现：R&D intensity与CAR呈显著正相关关系(模型3，β=0.109，p＜0.10；模型4，β=0.102，p＜0.10；模型5，β=0.128，p＜0.05)，表明成员企业的研发投入占主营业务收入比重越大，超常收益率越高，假设4a获得支持。R&D elasticity与CAR呈正相关关系，表明成员企业的研发投入产出弹性越高，超常收益率越高，符合理论预期，但变量系数未通过显著性验证(p＞0.10)，假设4b未获支持。

       模型5加入研发投入强度和研发投入弹性交互项(以研发投入弹性为调节变量)。为了消除共线性，在构造交互项时，将两变量分别进行了标准化。结果表明，研发投入强度和研发投入弹性在模型中具有显著的负向交互效应(β=0.094，p＜0.10)，假设4c获得数据支持。参考科恩等(Cohen et al.,2013)[54]推荐的程序，本文分别以高于均值一个标准差和低于均值一个标准差为基准描绘了不同研发投入产出弹性水平的企业之间，研发投入强度对CAR产生影响的差异(见图2)。

       如图所示，无论高研发投入弹性的企业(用直线I表示)还是低研发投入弹性的企业(用直线II表示)，随着研发投入强度增加，CAR都呈现递增趋势，说明自变量主效应显著。在大多数样本中，高研发投入弹性的企业能够获得更高的CAR(直线I高于直线II)。交互效应表明，在平台创新技术水平一定的情况下，受影响的成员企业研发弹性和研发投入之间存在替代性，且这种替代性呈现出递减趋势：对于研发投入弹性较低的企业，面临技术标准联盟主导企业的平台产品创新时，通过加大研发投资力度，可以很大程度上弥补技术“短板”，使企业紧跟联盟总体的技术水平，从而获得CAR的提升；对于研发投入弹性较高的企业，本身具有很强的技术创新能力和技术产出效率，提高投资强度对CAR拉动作用比较有限(直线I的斜率低于直线II的斜率)。从管理者的角度来看，在平台创新技术水平一定的情况下，进行研发投资需要把握合理的尺度，对本身研发创新能力很强的企业倾注太多研发资金可能会造成“研发投资过度”的问题，反而降低资金使用效率；从投资者的角度来看，较高的研发投入费用会降低企业当年的净利润，进而负向影响了所有者权益(如可分配利润降低、股利降低等)。

      

       图2 研发投入强度和研发投入产出弹性交互作用

       五、主要研究结论

       本文使用事件研究法和多元线性回归法，分析开放手机联盟平台产品Android操作系统2010～2012年8次技术升级对58个成员企业产生的超常收益率，研究假设的验证结果如表6。本文主要得出以下结论：

       第一，在以平台产品为主要标准集成载体的标准联盟中，由核心企业所主导的平台技术创新对整个联盟产生了财富效应。平台产品技术创新是对整个联盟基础技术的变革，各企业所提供的产品和服务质量因这一创新而提高，从而为用户提供更高效用(包括基本效用和网络效用)的产品，增强企业市场竞争力；随着成员企业产品的市场占有率越来越高，联盟的平台产品获得更广泛的用户基础，进而引发更为强烈的网络效应，技术联盟所采用的标准更有可能成为事实标准(de facto standards)。因此，平台技术创新将有可能引发联盟成员企业绩效提高和技术标准扩散的良性循环。作为平台提供者的核心企业，应当十分注意这一行为所引发的连锁反应，将平台技术创新和发布作为对整个联盟产生深远影响的重要战略行为，与其他成员企业进行更广泛的组织沟通和战略协同；为平台提供互补产品和服务的成员企业，应当密切关注这一重要的战略动向，提前进行技术准备，以便获得更高的超常收益。

      

       第二，平台产品发布的方式对市场反应有显著的影响。其中，采用多产品发布的方式可以产生良好的谐振效应。这是因为，大多数情况下，用户通过使用系统产品而非单独使用平台获得产品和服务价值，若将平台与相关部件同时提供给消费者可以使其获得更为直观的使用感受，更加友好的操作界面。事实上，在移动信息技术领域，采用“操作平台+硬件支持设备+应用软件”多产品发布的情况屡见不鲜，各企业巨头更是深谙此道，甚至利用定期召开企业技术交流会议的形式将“集束式”产品发布推向极致，取得了极佳的效果。

       第三，在面对平台产品技术创新时，不同研发能力的企业将获得不同的财富效应。如果企业研发投入集中度较高，从事件中获得的累积超常收益率越高，在大多数情况下，研发投入产出弹性高的企业，也能获得较高的超常收益率。但是，对二者构建的交互项进行显著性检验显示，研发投入产出弹性对研发投入强度有负向调节效应。在平台创新技术水平一定的情况下，受到影响的成员企业研发弹性和研发投入之间存在一定替代性，而且这种替代性呈现出边际递减的规律。对于研发投入弹性较低的企业来说，面临平台产品创新时，可以通过加大研发投资力度，很大程度上弥补技术“短板”，使企业紧跟联盟总体的技术水平；对于研发投入弹性较高的企业来说，本身具有很强的技术创新能力和技术产出效率，提高投资强度作用有限，甚至出现“过度投资”的情况。因此，成员企业的决策者在考虑研发资源投入时需要做出权衡，既要在长期保障企业的研发创新能力，满足平台技术创新对其提出的要求，又要在短期维持财务收益率，保护投资者的投资热情。

       由于各种主客观原因，本研究不可避免地存在以下局限：首先，本文选取了“开放手机联盟”成员企业为样本，并没有考虑这一技术标准联盟具有的特殊性。未来研究可以同时选取若干个技术标准联盟进行对比研究，将不同联盟的网络特性加入模型中进行比较分析；其次，按照目前事件研究法的主流做法，本文采用超常收益率作为财富效应的衡量指标，以股票历史价格为原始数据进行计算，对事件属性和企业属性的少数指标进行分析，主要关心的是这些指标在模型中的影响方向和显著性水平。但是资本市场内股价影响因素极其复杂(如不同股票市场的差异性、法律、社会文化等)，未来的研究可以在模型中加入更多方面和层面的外部变量，从而提高回归方程的解释力；再次，由于资料所限，本文只能依据年度数据对企业研发投资弹性进行粗略的估计，更为严谨的作法是收集样本企业的季度数据甚至月度数据，对这一指标进行更为精确的计算。

标签：网络效应论文;  网络模型论文;  能力模型论文;  财富效应论文;  联盟标准论文;  变量论文;