inf ORMS

doi 10.1287 / mnsc.1060.0624

2007 INFORMS

Redes de colaboracin entre empresas: El impacto de la

Gran Escala Estructura de la Red de Innovacin Firma

Melissa A. Schilling
Corey C. Phelps

Conexiones redundantes contraen la distancia entre las empresas y dar a la red de mayor alcance tocando una gama ms
amplia de recursos de conocimiento. Proponemos que las firmas incrustadas en redes de alianzas que exhiben tanto clustering
de alta y de alto alcance (longitudes de camino promedio a una amplia gama de empresas) tendrn una mayor produccin
innovadora de las empresas en las redes que no presentan estas caractersticas. Encontramos apoyo para esta tesis en un
estudio longitudinal de la actuacin de patente de 1.106 firmas en 11 redes de alianzas a nivel industrial.

palabras clave: alianzas; redes; innovacin; patentes

Introduccin de una red entre empresas a nivel de industria influir en la tasa

Aunque la investigacin se ha reconocido desde hace tiempo la
de creacin de conocimiento entre las empresas en la red? Si es
importancia de las redes entre empresas en la innovacin estructurales mejorar la innovacin firme?
as, qu propiedades
empresarial (vase
(1991 para una Freeman
revision), gran parte de este trabajo se ha tratado
el Para abordar estas cuestiones, se analiza el impacto de dos
propiedades
concepto de red como
investigadores han una metfora.aSlo
comenzado recientemente
evaluar los
las propiedades de la red a gran escala clave, agrupacin y llegar, en la produccin
estructurales innovadora de los miembros de la red. La densa conectividad de
clusters CRE ates capacidad de transmisin en una red (Burt 2001),
formales de redes de alianzas y su impacto en la innovacin
lo que permite grandes cantidades de informacin a difundirse
firme. Esta investigacin se ha centrado en la posicin de una rpidamente, mientras que
empresa dentro de una red ms amplia de relaciones o la
en lugar de la estructura de la red general. Los estudios han alcance (es decir, longitudes de trayectoria corta a una amplia gama
examinado de una empresa (Smith-Doerr et al., 1999), el nmero de
firmas) asegura que diversas fuentes de informacin se pueden
centralidad
de alianzas tomar. Se que las redes con tanto clustering de alta y de alto
argumenta
(Shan et al., 1994), y la estructura de la red local (Ahuja
alcance se significativamente mejorar la produccin creativa de
mejoraria
firmas miembros.
Miembro .Ponemos a prueba esta hiptesis utilizando datos
2000, Baum et al. 2000). Para nuestro conocimiento, la longitudinales sobre
rendimiento inno- el de un gran panel de firmas que operan en
vador
investigacin
empir-ical an no ha examinado el impacto de la estructura de la 11 redes
de alianzas a nivel industrial.
industria a
nivel 1 redes de alianzas en la innovacin miembro firme. En un
estudio
relacionado, SIN EMBARGO, Uzzi y Spiro (2005) examinaron la
estructura
de la red de los creadores que hicieron los musicales de Broadway Esta investigacin ofrece varias contribuciones importantes para la
1945-1989, y concluyeron que la estructura a gran escala de la comprensin de la creacin de conocimiento en las redes inter fi
red de rm. En lugar, el apoyo emprica para nuestro argumento de que la
primer
colaboracin significativamente los artistas influenciados su
creatividad
rendimientoy financiero
el y artstica de sus musicales. Esto plantea combinacin de la agrupacin y el alcance aumenta la innovacin
las fmiembro
irma .Hasta donde sabemos, ningn otro estudio ha tratado de
siguientes preguntas: La estructura de
evaluar el efecto de las redes entre empresas nivel de la industria
sobre el
rendimiento de la innovacin de rms miembro de fi. Aunque
estudios
recientes han examinado la estructura de las redes entre empresas
1Una red a nivel de industria es un especfico tipo c de conjunto o red gran escala. a gran escala
Escala y las posibles causas de estas estructuras (Baum et al.,
Wellman
(1988, p. 26) de fi nen toda una red como las relaciones que existen entre los 2003, Kogut y
Walke
miembros de una
poblacin.

1113
Schilling y Phelps: Inter fi rm Redes de Schilling y Phelps: Inter fi rm Redes de
111
Colaboracin Colaboracin 111
4 de la Ciencia 53 (7), pp. 1113-1126,
Gestin 2007 Gestin de la Ciencia 53 (7), pp. 1113-1126, 2007
4

2001), poca investigacin ha examinado la Consecuencias de la han encontrado que las relaciones de alianza facilita el conocimiento
estructura de fluye entre los socios (Gomes-CASSERES et al. 2006, Mowery et al.,
la red a gran escala en un entorno industrial (Uzzi y Spiro 2005 es una
excepcin reciente). En segundo lugar, mientras que la mayora de los 1996) y mejorar la capacidad innovadora de las firmas (por
estudios de la estructura de la red tienen examen-ina una sola ejemplo, hechos y Colina 1996, Stuart 2000). La
industria, nuestro estudio utiliza datos longitudinales en 11 industrias,
lo cual fortalece la izability general- de nuestros hallazgos. investigacin tambin muestra que el grado en que
indirectamente conectada a otras firmas en una red de
Comenzamos describiendo dos carac-tersticas estructurales alianzas mejora su capacidad de innovacin (Ahuja 2000,

clave de las redes entre empresasy su efecto sobre la difusin de Owen-Smith y Powell 2004, Soh 2003).

informacin en la red. A partir de este desarrollamos una hiptesis
sobre cmo las estructuras de las redes entre empresas influirn
en los resultados innovadores de fi rmas miembros. Ponemos a
prueba la hiptesis de un panel grande, desequilibrada de firmas
incrustadas en 11 redes de alianzas industria- nivel.
Dado el papel de los vnculos directos e indirectos como canales
para el flujo de informacin y know-how, argumentamos que la
estructura de la red fi rm entre signi fi cativamente ser influir en
el proceso de recombinacin. Dos caractersticas estructurales que
tienen un papel particularmente importante en la difusin son la
agrupacion y su alcance.

La agrupacin
A gran escala Redes entre empresas y la redes de alianzas tienden a ser muy agrupadas: Algunos grupos
creacin de conocimiento Firma de firmas tendrn ms de conexin entre stos entre s que a las
Adoptamos una perspectiva de bsqueda recombinatorio para otras firmas en el trabajo NET. agrupacin coeficiente de A fi rma
explicar el puede ser calculado como la proporcin de sus socios que son en
proceso de innovacin (Fleming 2001). La innovacin se caracteriza s mismos directamente vinculados entre s. La agrupacin
como un pro- ceso de resolucin de problemas en el que soluciones coeficiente de la red total es la media de esta medida en todas las
a los problemas que se descubren travs de la bsqueda (Dosi firmes en la red. Hay varios mecanismos que conducen a la
1988). Las investigaciones anteriores sugieren que los procesos de agrupacin en redes de conocimiento inter fi rm, pero dos de las
bsqueda que conducen a la creacin de nuevos conocimientos, ms comunes estn ligando basan en la similitud o
contenidos en los artefactos tales como patentes y nuevos complementariedad. Las empresas tienden a interactuar ms
productos, lo ms a menudo implican la novela recombinacin de intensamente o con frecuencia con otras firmas con las que
elementos conocidos del conocimiento, problemas o soluciones comparten algn tipo de proximidad o similitud, tales como la
(Fleming 2001, Nelson y Winter, 1982) o la reconfiguracin de las geografa o la tecnologa (Baum et al. 2003, Rosenkopf y Almeida
formas en que los ele- mentos de conocimiento estn vinculados 2003). Esto tiende a dar como resultado un alto grado de
(Henderson y Clark 1990). entradas Critical en este proceso agrupamiento.
incluyen el acceso y la familiaridad con una variedad de elementos
de conocimiento (por ejemplo, diferentes componentes
tecnolgicos y la cienti fica y conocimientos de ingeniera La agrupacin aumenta la capacidad de transmisin de
incrustada en ellos), nuevos problemas y puntos de vista en su informacin de una red. En primer lugar, la densa conectividad de
resolucin, fallado los esfuerzos de recombinacin y soluciones de grupos individuales asegura que la informacin intro-ducido en un
xito (Hargadon y Fanelli, 2002). Las empresas que tienen un grupo alcanzar rpidamente otras firmas del clster. Los
mayor acceso y comprensin de estos recursos recombinatorias mltiples caminos entre firmas tambin mejoran la fi delidad de la
deben ser favorecidos en sus esfuerzos de innovacin. informacin recibida. Las empresas pueden comparar la
informacin recibida de mltiples socios, ayudando a identificar
formas en las que se ha distorsionado o es incompleta. En
segundo lugar, las agrupaciones dentro de las redes son
estructuras importantes para hacer el intercambio de informacin
Como forma de forma y mantener alianzas entre s, que tejen significativa y usar-ful. La densidad interna de un clster puede
una red de relaciones directas e indirectas. Como resultado, firmas aumentar la difusin de interpretaciones alternativas de
incrustadas en ellas el aumento de las redes de acceso a la problemas y sus posibles soluciones, profundizar en la
informacin y los conocimientos tecnicos de los socios directos y la comprensin de lo colectivo y estimular resolucin colectiva de
de los dems en la red a la que estn conectados indirectamente problemas (Powell y Smith-Doerr 1994). El desarrollo de una
(Ahuja 2000, Gulati y Gargiulo 1999). La red de relaciones de comprensin comn de los problemas y soluciones facilita
alianza constituye un conducto que canaliza el flujo de informacin enormemente la comunicacin y el aprendizaje ms (Brown y
y conocimientos tcnicos entre los fi rma en la red (Ahuja 2000, Duguid 1991, Powell et al.,1996). En tercer lugar, la agrupacin
Owen-Smith y Powell 2004), con cada miembro de como un densa puede hacer firmas ms dispuestos y son capaces de
receptor y transmisor de Infor-macin (Ahuja 2000). La estructura intercambiar informacin (Ahuja 2000).Los socilogos (por ejemplo,
de estas redes en gran medida influye en la dinmica de la Coleman 1988, Granovetter 1992) han sugerido que las redes
informacin difusin dentro de las redes.Los estudios con muestras densamente agrupadas dan lugar a la confianza, las normas de
grandes reciprocidad,y una compartida
 identidad, todo lo cual conduce a un alto nivel de cooperacin y
puede facilitar la colaboracin proporcio- nando los mecanismos
de gobierno informales de autoaplicacin (Dyer y Singh 1998).
Adems de estimular un mayor intercambio de transparencia,
confianza y reciprocidad facilitar la intensa interaccin entre el
personal de firmas asociado (Uzzi 1997), mejorando la
transferencia de conocimiento tcito, incrustado (Hansen1999,
Zander y Kogut, 1995). Por lo tanto, la agrupacin permite
cantidades ms ricos y mayores de informacin y conocimiento
para ser intercambiados e integrados ms fcilmente.
Cuando racimos densos estn escasamente conectados entre
s, se convierten en estructuras importantes para la creacin y la
preservacin de la variedad requerida de conocimiento en la red
ms amplia que permite la creacin de conocimiento. La cohesin
interna de un clster puede causar mucha de la informacin y el
conocimiento compartido dentro de una agrupacin para
convertirse homognea y redundante (Burt 1992,
norte
Granovetter 1973). Los enlaces densos proporcio- nar muchas
rutas redundantes a los mismos actores, y por lo tanto las mismas
fuentes de informacin y conocimiento. Cohesin tambin puede
conducir a normas de adhesin a estableci normas y convenciones,
que pueden potencial- mente sofocar e experimentacin y
creatividad (Uzzi y Spiro 2005). Esto limita la innovacin. Los
racimos de firmas sern, sin embargo, tienden a ser heterognea a
travs de un trabajo de NET en el conocimiento que poseen y
producen debido a las diferentes condiciones iniciales y de las
causas de para formar cada grupo. La diversidad de los
conocimientos dis- tribuido a travs de grupos en la red proporciona
la variedad requerida para la recombinacin.
por tanto, el agrupamiento ofrece dos ventajas locales y
globales. Empresas se benefician de tener conexiones redundantes
tividad entre sus vecinos inmediatos, ya que mejora la velocidad y
la posibilidad de acceso a la informacin, y la profundidad de la
interpretacin de la informacin. Las empresas tambin se
benefician de ser incrustado dentro de una red ms grande que se
agrupa porque la informacin una empresa recibe de los socios
que estn incrustados en otros clusters es probable que sea ms
completo y ricamente entendido que la informacin recibida de los
socios no incrustados en racimos, y es porque informacin recibida
de diferentes grupos probable que sea diversa, lo que permite una
gama ms amplia de posibilidades recombinatorios.
Alcanzar
El tamao de una red y de su longitud del camino promedio (es
decir, el nmero medio de enlaces que separa cada par de
firmas en la red) tambin afecta de difusin informacin y
novedoso de recombinacin. Cuantas ms firmas que se
pueden alcanzar por cualquier camino de una empresa dado,
cuanto ms conocimiento que firme potencialmente puede
acceder. Sin embargo, la probabilidad, la velocidad, y la
integridad de la transferencia de conocimientos entre dos
firmas estn directamente relacionados con la longitud del
camino que separa esas dos firmas.
La difusin de informacin y conocimiento se produce ms rpidamente
y con
ms integridad en redes con el camino de media a corto longitudes
que en las redes con los caminos ms largos (Watts 1999). A fi rma
que est conectado a un gran nmero de firmas por una ruta corta
edad promedios puede llegar a ms informacin, y puede hacerlo
de forma rpida y con menos riesgo de distorsin de la informacin
que una fi rma que est conectado a un menor nmero de firmas o
por caminos ms largos. Para capturar este uso nos distancia
ponderada.
alcance la distancia ponderado de una empresa es la suma de
las distancias recprocas a todas las empresas que es accesible
desde una empresa determinada, es decir, j1 / di j d o n d e D i j s e
de f i n e como la distancia mnima (geodsica), d, de una empresa
focal y asociarnos j, dnde i = j. Una red de alcance distancia
media ponderada es esta medida promediado en todas las firmas
en la red, (nueva Jersey 1/dij /N donde n es el numero de mepresas
en la red (nueva Jersey 1 /dij/N donde n es el numero de
empresas en la red entre otras cosas. .
jjjjjjjj 1 / re ij / norte, dnde
En igualdad de condiciones, una gran red conectada con una longitud
de trayectoria media muy corta (por ejemplo, una red completamente
conectada donde hay muchas empresas y cada firma est conectado
directamente a cada otra firma, o un grfico de estrella con muchas
empresas todos conectado a la misma central hub firma) tendr el
mayor alcance distancia media ponderada. Las longitudes ms largas
trayectoria, tamao de la red ms pequeo, o desconexiones que
fragmentan la red en mltiples componentes toda disminucin alcance
distancia media ponderada.
Lo anterior pone de manifiesto una de los principales beneficios
de la utilizacin de alcance distancia ponderados: Proporciona una
medida ingful Entretanto del tamao global y la conectividad de
una red, incluso cuando esa red tiene varios componentes, y / o
estructura de componentes est cambiando con el tiempo. Se
evita el camino infinito problema longitud tpicamente asociados
con las redes desconectadas midiendo solamente la longitud del
camino entre pares conectados de nodos, y proporciona una
medida ms significativa de la longitud del camino promedio
simple entre pares conectados mediante la factorizacin en el
tamao de los componentes conectados.
Debido a la formacin de alianzas es costoso y limitado, parece que
hay
un equilibrio entre la formacin de racimos densos para facilitar el
intercambio rpido e integracin del conocimiento, frente a la
creacin de vnculos para crear rutas cortas para una gama ms
amplia de empresas. Sin embargo, investigaciones recientes han
demostrado que las obras Net-aunque escaso, muy agrupadas
pueden tener gran alcance si hay algunos enlaces que crean
puentes entre grupos (Watts 1999, Hansen 2002, Hargadon 1998).
Puentes entre grupos de firmas miembro ofrecen acceso a fi rma
diversa informa- cin que existe ms all de su clster local, lo que
permite
2 Los autores agradecen a Steve Borgatti por sealar esto.
Tambin agradecen a Mark Newman para numerosas discusiones
sobre cmo manejar el infinito longitud del camino consideracin
en nuestras redes.
nuevas combinaciones con sus conjuntos de conocimientos
existentes, preservando al mismo tiempo la ven- taja de
transmisin de informacin de las agrupaciones. Como Uzzi y Spiro
(2005) nota, puentes entre grupos de aumentar la probabilidad de
que diferentes ideas y rutinas entrarn en contacto, lo que permite
recombinaciones que incorporan tanto previ- ous convenciones y
nuevos enfoques. La combinacin de la agrupacin y alcanzar de
este modo permite una amplia gama de informacin que se
intercambia y se integr rpidamente, dando lugar a una mayor
creacin de conocimiento. En resumen, podemos predecir una
interaccin multiplicativa entre la agrupacin y llegar en su efecto
sobre la creacin de conocimiento firme. En consonancia con la
naturaleza simtrica de tales interacciones (Jaccard y Turrisi 2003),
hemos argumentado y esperar que el efecto de la agrupacin en la
creacin de conocimiento firme ser cada vez ms positivo a
medida que aumenta alcance, mientras que el efecto del alcance
de la creacin de conocimiento ser cada vez positivo a medida que
aumenta ING cluster.
Hiptesis. Las empresas que participan en redes de alianzas
que combinan un alto grado de agrupamiento y llegan exhibirn
ms la creacin de conocimiento de firmas en redes que no
presentan estas caractersticas.
mtodos
Para probar nuestra hiptesis, se construy un panel ANZAD
grande, no balanceado de empresas de Estados Unidos para el
perodo 1990-2000. El panel incluye todas las firmas de los
Estados Unidos que formaban parte de las redes de alianzas de 11
de alta tecnologa hombre-ufacturing industrias:
aeroespacial (dares Dard cationes clasificacin industrial Fi (SICs)):
3721, 3724,3728, 3761, 3764, 3769; carroceras de automviles y
partes (3711, 3713, 3714); productos qumicos (281-, 282-, 285-,
286-, 287-, 288-, 289-); ordenador y de fi equipos ce (3571, 3572,
3575, 3577); audiovisuales hogar equi- po (3651);
mdicos (3841, 3842, 3843,3844, 3845); petrleo re fi nir y
productos (2911,2951, 2952, 2992, 2999);
farmacuticos (2833, 2834,2835, 2836); semiconductores (3674);
equipos de telecomunica- ciones(366-), y dispositivos de medicin
y Ling Control- (382).
La eleccin de las industrias era particularmente importante
para este estudio. Los 11 sectores seleccionados han sido
designados como de alta tecnologa en numerosos estudios de la
Oficina de Estadsticas del Trabajo (por ejemplo, Hecker 1999). 3
Estas industrias proporcionan un excelente contexto para nuestro
estudio, por tres razones. En primer lugar, la creacin de
conocimiento es funda- mental para la bsqueda de la ventaja
competitiva en las industrias de alta tecnologa. En segundo lugar,
firmas en estas industrias utilizan activamente alianzas en la
bsqueda de su
3Omitimos industrias de alta tecnologa de fabricacin que rara vez se utilizan
alianzas: maquinaria especial de la industria (355), aparatos elctricos
industriales (362), buscar y equipos de navegacin (381), y el equipo
fotogrfico y suministros (386).
actividades de innovacin (Vonortas 1997). En tercer lugar, debido a
que usamos los datos de patentes para nuestra variable
dependiente, es importante seleccionar las industrias que utilizan
las patentes. Hay pruebas de que firmas en estas industrias
patentar activamente sus invenciones (Levin et al. 1987).
Alianza Redes
Hemos elegido para medir la estructura de la red creada por alianzas
estratgicas informado de forma pblica por dos razones. En primer
lugar, hay una rica historia de la investigacin sobre la importancia de
las alianzas estratgicas como un mecanismo para el intercambio de
conocimientos entre empresas (Freeman 1991, Gulati 1998, Powell et al.,
1996). En segundo lugar, las alianzas son utilizados por una amplia
gama de empresas (vados tanto pblicos como pri-vados) en una amplia
gama de industrias, y se utilizan a menudo de forma explcita para el
intercambio y la creacin conjunta de conocimiento.
La investigacin de redes sociales ha identificado tres tcticas
procedimentales para el establecimiento de lmites de la red para la
investigacin emprica: atributos de los actores que se basan en los
criterios de adhesin, tales como la pertenencia a una indus- tria; tipos
de relaciones entre los actores, como partici- pacin en las alianzas
estratgicas; y la participacin en un conjunto de eventos comunes
(Laumann et al., 1983). De acuerdo con ello, se emplearon dos reglas
para guiar nuestra construccin de las redes 11 la industria utilizados en
este estudio. En primer lugar, cada alianza incluye al menos una firma
que era un miembro de la industria de destino (indicado por su primario
de cuatro dgitos SIC). En segundo lugar, cada alianza tena que operar
en la industria de destino, como se indica por su primario SIC de cuatro
dgitos de la actividad.
Alianza datos se recogieron mediante la base de datos SDC
Platinum de Thomson Corp..Los datos SDC se han utilizado en
una serie de estudios empricos sobre alianzas estratgicas (por
ejemplo, Anand y Khanna 2000, Sampson 2004). Para cada
sector, se recogieron alianzas que se dieron a conocer entre
1990 y 1997. Hemos elegido 1990 como ao inicial de la
equipo muestra debido a infor- macin sobre las alianzas formadas
antes de 1990 es muy escasa en la base de datos SDC (Anand y
Khanna 2000, pag. 300). redes de alianzas separadas fueron
creadas para cada sector de acuerdo con SIC principal de la
alianza. Ambos se incluyeron firmas pblicas y privadas.
Utilizamos slo los datos de firmas de Estados Unidos debido a
que los datos de la alianza de SDC son mucho ms completa
equipos
para firmas estadounidenses que para los no de EE.UU. (Phelps,
2003). Todas las alianzas fueron cerrada agre-gada a la empresa
productos matriz.
El conjunto de datos resultante incluye 1.106 empresas
involucradas en 3.663 alianzas. Muchas de las alianzas incluyeron
ms de dos firma que participan, por lo que el nmero de diadas es
mayor, por un total de 5.306. Debido a que cualquier tipo de
alianza puede proporcionar un camino para la difusin del
conocimiento, y porque los estudios anteriores indican que la
amplitud de la actividad real de una alianza es a menudo mucho
mayor que lo que se informa formalmente (Powell et al., 1996), se
incluye todo tipo de alianzas en nuestra anlisis.Nosotros,
sin embargo,
el control de la proporcin de alianzas en cada obra NET formada
con el
propsito explcito de intercambio o desarrollo tecnolgico.
Alianzas suelen durar ms de un ao, pero las fechas de
terminacin de la alianza rara vez son reportados. Esto nos oblig
a hacer una suposicin acerca de la duracin alli- Ance. Tomamos
un enfoque conservador y asume que las relaciones de alianza
ltimos tres aos, en consonancia con la reciente trabajo emprico
sobre la duracin alianza edad promedios (Phelps 2003). Otras
investigaciones han adoptado un enfoque similar, usando ventanas
rang- ing de uno a cinco aos (por ejemplo, Gulati y Gargiulo 1999,
Stuart 2000). Hemos creado redes de alianzas basado en ventanas
de tres aos (es decir, 1990-1992 1991- 1993 1995-1997), lo que
resulta en seis instantneas de la estructura de red para cada
industria, para un total de 66 instantneas Network Alliance.
disparo Cada red Snap se construy como una matriz decencia
adja- binario no dirigido (Wasserman y Faust 1994). 4 Mltiples
alianzas entre el mismo par de firmas en una ventana de tiempo se
trataron como un enlace. UCINET 6 se utiliz para obtener medidas
en estas redes, como se describe a continuacin (Borgatti et al.
2002).
A medida que nos centramos en los acuerdos informado
pblicamente alli- ANCE, no observamos los acuerdos
colaboracin informales numer- ous que existen entre
empresas en nuestra muestra. Tales arreglos informales
menudo conducen a los tipos de acuerdos formales
observamos (Powell et al., 1996, Rosenkopf et al.2001). Por lo
tanto, nuestro anlisis representa una prueba conservadora de nuestro
argumento de difusin ya que nuestros datos no incluyen las
relaciones informales que promueven la transferencia
conocimientos.
Variable Dependiente: Patentes
Una forma se crea una instancia que es la creacin de conocimiento
en forma de invenciones (Schmookler 1966). El conocimiento
incrustado en artefactos tales como invenciones representa el
conocimiento emprico de las organizaciones (Hargadon y Fanelli,
2002). Invenciones por lo tanto pro- porcionar un rastro de creacin
de conocimiento de la organizacin. Las patentes proporcionan una
medida de nueva invencin que se valida externamente a travs del
examen de patentes
4Cada matriz de refleja las alianzas mantiene dentro de la red a
partir de finales del ao focal. Debido a que las alianzas suelen
soportar ms de un ao, la construccin de matrices de adyacencia
utilizando slo las alianzas anunciadas en el ao focal podra
sesgar la conectividad de las redes observadas hacia abajo.
Considere el ao inicial del panel de las variables de red (1992):
Usando slo las alianzas formadas en 1992 no capturara las
relaciones de alianza formadas antes, sin embargo, se mantiene a
travs de 1992. Los datos sobre la duracin tanto la formacin de
alianzas y la alianza presample se necesitaba con precisin evaluar
la estructura de la red en cada uno de los aos de la muestra.
Ventanas mviles de tres aos refleje con mayor precisin la
estructura de una red de alianzas en las matrices de adyacencia
anuales. Robinson y Stuart (2007) utilizan un enfoque similar en la
evaluacin de redes de alianzas en la industria de la biotecnologa.
proceso (Griliches 1990). Los recuentos de patentes se han demostrado que
se correlaciona bien con introducciones ciones de nuevos
productos y los recuentos de la invencin (Basberg 1987).
Trajtenberg (1987) lleg a la conclusin de que las patentes son
indicadores vlidos y robusta de la creacin de conocimiento. Uno
de los desafos con el uso de patentes para medir la innovacin es
que la propensin a patentar puede variar con Indo -tatan,
resultando en una fuente potencial de sesgo (Levin et al. 1987).
Hemos abordado este sesgo potencial de tres maneras. En primer
lugar, nos muestra slo las industrias manufactureras de alta
tecnologa, lo que ayuda a garantizar un grado de com- monality
en el nfasis de las industrias en la innovacin. Para ms
diferencias de captura en el nfasis en la innovacin, controlamos a
nivel de industria intensidad de I + D. En tercer lugar, para
controlar por factores no observados que influ-cia la propensin a
patentar que es probable que sean estable dentro de las industrias,
controlamos por efectos de la industria fijo. La propensin a
patente tambin puede diferir debido a las caractersticas firme
(Griliches 1990). Tratamos de controlar para tales fuentes de
heterogeneidad utilizando covariable, Patentes Presample (describe
a continuacin), y firma fija y efectos aleatorios en nuestras
estimaciones.
de Nosotros medimos la variable dependiente P, patentes eso , como el
las nmero de solicitudes de patentes de xito para la empresa i en el ao
a t. Se utiliz la base de datos Delphion para recoger el recuento de
que patentes anuales para cada una de las empresas, aggregat- ing
patentes subsidiarios hasta el nivel matriz ltima. patentes
concedidas se contaron en su ao de aplicacin. Los recuentos de
patentes anuales fueron creados para cada empresa para el perodo
de de 1993 a 2000, lo que nos permite evaluar diferentes lag
especificaciones entre la estructura de red alianza y la salida de la
patente.
Variables independientes
La agrupacin coeficiente. Para medir la agrupacin en cada
red para cada perodo de tiempo, se utiliz la medida coeficiente
general ponderada (Borgatti et al 2002, Newman et al., 2002).
La agrupacin w = 3xnum e ro de t ria ngul o e n el gra fi c o
Numero de triples conectados
donde un tringulo es un conjunto de tres nodos (por ejemplo, yo, j, k), cada uno de los
cuales est conectado a ambos de los otros, y una conectado de triple es un
conjunto de tres nodos en los cuales al menos uno est conectado tanto a
los otros (por ejemplo, yo est conectado a j y k, pero j y k no necesita ser
conectado). Esta medida indica la proporcin de triples para que posee
transitividad (es decir, si yo est conectado a j k, luego por transitividad, j
y k estan conectados). El factor de tres en el numerador se asegura de
que la medida se encuentra estrictamente en el intervalo de cero y uno
porque cada ngulo tri- implica tres triples conectados. El ponderada
ciente global agrupacin coe fi representa el porcentaje de socios de la
alianza de una fi rma que tambin se asoci con la otra, ponderado por el
nmero de cada
 Los socios de la empresa, promedian entre todas las empresas en
la obra NET. Esta variable puede variar desde cero a uno, con los
valores ms grandes que indican el aumento de la agrupacin.
Mientras que la densidad de la red captura la densidad de toda la
red, la agrupacin coeficiente captura el grado en el que la red
general contiene localizada ets pock- de conectividad densa.Una
red puede ser globalmente escasa y todava tienen un alto
coeficiente de agrupamiento.
Alcanzar. Para captar el alcance de cada red para cada perodo
de tiempo, utilizamos una medida de alcance medio ponderado
distancia (Borgatti et al., 2002). Esta es una medida compuesto
que tiene en cuenta tanto el nmero de fi rms que se puede llegar
por cualquier ruta de una determina empresa, y la longitud del
camino que se necesita para llegar a ellos. Esta medida se calcula
como
La distancia media ponderada
alcance= (nj1/Dij/n
probabilidades estimadas ms de todos los pares de firmas
(excluyendo el ing yo rm fi) en la red. Utilizamos centralidad de
intermediacin normalizada (es decir, dividida por intermediacin
mximo intermediacin posible, expresado como un porcentaje) para
hacer la medida comparable a travs redes de tiempo y de la
industria.
Local eficiencia. Mientras que los estudios han encontrado que
el grado en que los socios de una empresa son no redundante
mejora su creacin de conocimiento (Baum et al., 2000), otra
investigacin muestra que los enlaces redundantes mejoran la
innovacin (Ahuja 2000). Aunque parte, las pruebas empricas se
mezcla, se controla el efecto de agujeros estructurales locales es
importante si se quiere demostrar que la estructura global de la
red de la alianza en la que est incrustado una firma tiene un
significativo independiente y significante influencia en su posterior
patentes. Tenemos el control de la influencia de la estructura de la
red local de una empresa usando (1992) medida de la eficiencia de
Burt. La eficiencia captura
la medida en que Ners parcial de un rm fi son no redundante, lo que
indica
la presencia de agujeros estructurales. La eficiencia local para la

dnde norte es el nmero de nodos en la empresa i en el ao t se calculacomo

red, y
re ij se define como la distancia mnima (geodsica), re,
desde un nodo focal yo asociarnos j, dnde i = j. edad promedios
Eficiencia local it
1- pag iq
ponderados alcance la distancia puede variar de 0- norte, con valores
mayores indican mayor alcance.
metro iq
norte iq j = q?

La agrupacin Alcanzar. Podemos predecir que la combinacin de

la agrupacin y alcance tendr un impacto positivo en la innovacin
firm miembro

de ficcin, y por lo tanto incluir el trmino de interaccin, La agrupacin dnde pag iq es la proporcin de yo 's relaciones invertidos en la
Alcanzar. relacin con q, m JQ representa la fuerza marginal de la relacin
entre alter j y alterar q (Como se utilizan datos binarios, los valores de
metro JQ se ponen a uno si la relacin est presente y cero en caso
Variables de control a nivel de empresa
contrario), y norte yo representa el nmero de socios de la alianza
Patentes Presample. Para controlar la heterogeneidad no nicos conectados a la empresa i. Esta medida puede variar desde
observada en las patentes firme, seguimos el enfoque de la cero a uno, con los valores ms altos indican mayor eficiencia.
informacin PLE presam- de Blundell et al. (1995) y el clculo de la
variable Las patentes Presample como la suma de patentes
obtenidas por una empresa en los cinco aos anteriores a su La industria (red) Variables de
control
entrada en la muestra.

Densidad de la red. Tenemos el control de la densi-dad global de

Centralidad de intermediacin. Tenemos el control de la posi-
bilidad de que firmas que ocupan posiciones ms centrales de
redes de alianzas pueden generar ms innovaciones que ms
firmas perifrica (por ejemplo, Owen-Smith y Powell 2004, Soh
2003). operacionalizamos centralidad usando (1979) medida de la
centralidad de intermediacin, que captura la medida en que
una empresa est situado en el camino ms corto (es decir,
geodsica) entre dos actores en su red de la alianza de Freeman.
Formalmente, centralidad de intermediacin para la empresa y en
el ao t se calcula como
la red con la variable La densidad de la red, calculado para cada
red de la industria y el perodo de tiempo. Lo hacemos porque la
velocidad y extensin a la que se difunde informa-cin aumenta
con la densidad (Yamaguchi 1994). Esta variable mide la relacin
de enlaces existentes en la red para el nmero de posibles
combinaciones sensatas par- de firmas, y pueden variar de cero a
uno, con los valores ms grandes que indican el aumento de
densidad.

intermediacin Centralidad gramo jk norte / Centralizacin. La medida en que una red est centralizada puede
it = j /gramo jk tambin influir en sus propiedades de difusin. Una red muy
j<
k centralizada es una en la que todos los lazos corren a travs de
uno o unos pocos
dnde gramo jk norte yo se refiere al nmero (n de geodsicas (es involucrado en el camino ms corto entre j y k. Intermediacin
decir, caminos ms cortos) que unen firmas j y k que contienen focal i. El centralidad es la suma de estos
termino gramo jk norte yo / gramo jk capta la pro- babilidad de que firme i est
nodos, disminuyendo as la distancia entre cualquier par de de centralizacin grupo de intermediacin, calculado para
nodos (Wasserman y Faust 1994). Para controlar la cada red de la industria
centralizacin de la red, empleamos (1979) ndice de Freeman
 y el perodo de tiempo. la centralizacin de intermediacin grupo para
la red j en
el ao t es
La centralizacin de intermediacin jt
Es la ms grande realizada centralidad normalizado BE- tweenness para
el conjunto de firmas en la red j
en el ao t,
C ''' es el cen-yo intermediacin normalizada
segundo
trality de firme yo ( en la red de la industria j por ao t), y gramo es
el nmero de firmas. Esta variable se expresa como un porcentaje y
puede variar desde cero, donde todas las firmas tienen la misma
centralidad de intermediacin individual, a 100, donde un rm fi
conecta todas las otras firmas.
Industria I + D Intensidad. Para controlar las diferencias en el
nfasis en la innovacin y costo de todas las industrias, empleamos
una variable en el tiempo medi- segura de la industria a nivel de
intensidad D (Gastos en I +D / ventas) de I +. Se recopilaron los
gastos y ventas de firmas en cada sector de Compustat anuales en I
+ D. Hubiramos preferido para controlar a la I + D inten- sidad a
nivel de empresa; Sin embargo, casi el 42% de nuestras firmas de la
muestra eran de propiedad privada durante alguna por- cin de la
muestra, y los gastos en I + D no estn disponibles para empresas
privadas. Al investigar la robustez de nuestros resultados, utilizamos
una variable de control (existencias de patentes obtenidas en los
ltimos cuatro aos) que ha demostrado ser altamente
correlacionado con los gastos de nivel RM- de I + D. Nuestros
resultados no se han modificado al incluir esta variable en nuestros
modelos.
Proporcin de Alianzas para la I + D, transferencia de tecnologa
cruzada, o licencias. Alianzas que se estable- cido con el propsito
de cambio o desarrollo de la tecnologa pueden ser
directamente relacionados con las patentes firme. Para examinar
esta posibilidad, incluimos una medida de variacin temporal del
porcentaje de acuerdos de alianza en cada red que se establece de
forma explcita a los efectos de la investigacin conjunta y el
desarrollo, la transferencia de tecnologa cruz, o la concesin de
licencias de tecnologa.
Modelo especificacin
La variable dependiente en este estudio, patentes, es una variable
de recuento y toma slo valores enteros no negativos. El modelo
de regresin lineal es inadecuada para el modelado de tales
variables debido a que la distribu- cin de los residuos ser no
normal heterocedstico. Un enfoque de regresin de Poisson es
apropiado para modelar los datos de recuento (Hausman et al.
1984). Sin embargo, la distribucin de Poisson contiene la fuerte
suposicin de que la media y la varianza son iguales. Los datos de
efectuarse con regularidad, pero generalmente se subestiman sus
errores
estndar, lo que falsamente elevados niveles de significacin
(Cameron y
Trivedi 1986).
Una alternativa de uso comn a la Poisson regresin modelo
sion es el modelo binomial negativo. El modelo binomial negativo
es una
generalizacin del modelo de Poisson y permite la sobredispersin
mediante la incorporacin de un individuo, el efecto no observado
en la
patentes a menudo exhiben sobredispersin, donde la varianza
supera la media (Hausman et al. 1984). En presencia de
sobredispersin, coeficientes sern
media condicional (Hausman et al. 1984). La aplicacin de datos de
panel del modelo binomial negativo acomoda control explcito de los
persistentes efectos no observados individuales a travs de ambos
efectos fijos y aleatorios. En el presente estudio, heterogeneidad
no observada se refiere a la posibilidad de que no medidos (o no
medibles) diferencias entre firmas observacionalmente equivalentes
afecta a su patentabilidad. heterogeneidad no observada tambin
puede provenir de la industria perodo de tiempo y los efectos no
medidos Sistemticas, Systematic. La falta de control para tal
heterogeneidad no observada, si est presente, puede dar lugar a
error fi especificacin (Heckman 1979).
Empleamos una serie de estrategias para el control de estas
fuentes de heterogeneidad no observada. En primer lugar,
incluimos ao fijos efectos de controlar para los efectos de periodo
sistemtica como las diferencias en las condiciones
macroeconmicas que pueden afectar las tasas de patentes todas
las empresas de la muestra. En segundo lugar, empleamos
efectos individuales de la empresa para controlar por no
observada, esta- temporalmente diferencias forma en las patentes.
Utilizamos tanto firme y fija efectos aleatorios en las estimaciones
alternativas de nuestro modelo. Usamos el Hausman et al. (1984)
la aplicacin de efectos en el contexto de un modelo binomial
ms negativo, que emplea un procedimiento de estimacin de mxima
probabilidad.
5 Allison y Waterman (2002) criticaron recientemente el Hausman et al.
(1984) condicional binomial fi modelo de efectos jos negativo como no siendo
un mtodo verdadero FI-efectos jos en que no controla para todas las
covariables invariantes en el tiempo. Allison y Waterman (2002) desarrollaron
un modelo binomial negativo incondicional que utiliza variables ficticias para
representar efectos fijos, que controla de manera efectiva para todos los
efectos individuales estables. Este procedimiento se ha aplicado en LIMDEP
8.0. Sin embargo, las estimaciones de son incompatibles en negativo modelos
binomiales cuando se utiliza un enfoque variable tal maniqu en paneles
cortos, debido al problema de parmetros incidental (Cameron y Trivedi 1998,
p. 282). El nmero de unidad especfica (por ejemplo, firmes) parmetros (yo
aumenta con el tamao de la muestra, mientras que el nmero de los
perodos ( T) se mantiene fijo, lo que resulta en un nmero limitado de
observaciones para estimar un gran nmero de parmetros. Al contrario de los
modelos de regresin lineal, la probabilidad mxima estimada para
yo
y no son independientes para los modelos binomiales negativos debido a que las
inconsistencias de las estimaciones de yo se transmiten en la estimacin de
mxima verosimilitud de. Dado que este mtodo es una verdaderos fijo efectos
especficacin, que no permite por covariables invariantes en el tiempo, tales
como Patentes Presample. Por lo tanto, opt por no empleamos Allison y (2002)
estimador incondicional de Waterman. Se presentan los resultados utilizando el
Hausman et al. (1984) fi condicional efectos fijada
 Tambin usamos aleatorios efecto s SPEC- especificaciion., que medicin de telecomunicaciones 1993 1994 1995 1996 1997
asume que sobredispersin debido a la heterogeneidad no
observada se distribuye aleatoriamente a travs de firmas. Debido
a los efectos aleatorios especfi cacin asume que el efecto
-especfico no observada no est correlacionado con los resultados
regresores, nos informan de los resultados de ambos efectos fijos
Un resumen de la tamao de la red y el componente estruc- tura
y aleatorios como un cheque robustez.
para cada industria, promediada en el tiempo, es RESPETA pro- en
la Tabla 1. Como se muestra, hay una variacin sustancial en las
industrias en el nmero de firmas que participan en alianzas. Esto
Como un control adicional para la heterogeneidad no observada a
nivel de la empresa, adoptamos el enfoque informacin presample de se debe en gran parte a diferencias en el tamao de la industria. El
Blundell et al. (1995).Blundell et al. (1995) argument que debido a nmero medio de alianzas por empresa dentro de cada exposicin
que la principal fuente de sin obstrucciones sirvi heterogeneidad en
los modelos de innovacin radica en los diferentes stocks de de la industria una variacin mucho menor. La siguiente columna
conocimiento con el que firmas entran en una muestra, una variable proporciona el nmero de edad promedios de firmas en cada red.
que se aproxima a la acumulacin de conocimiento firme en el
Este nmero incluye a las empresas de la industria y sus socios,
momento de entrar en la mues- PLE es particularmente un buen
control para heterogeneidad no observada. Las patentes Presample algunos de los cuales no se encuentran en la industria de destino.
la variable descrito anteriormente sirve como un control para las La siguiente columna indica el porcentaje de nodos en la obra NET
diferencias observadas en las poblaciones de conocimiento firme
cuando entren en la muestra. Blundell et al. (1995) demostraron que que estn conectados al componente individual ms grande
el uso de una patente presample entrada de la medida de (principal). Este nmero vara de forma significativa tanto en
virtualmente eliminado correlacin serial persistente en sus modelos toda la industria y en el tiempo (no mostrado). Mientras que los
de datos de panel. Tambin se incluyen los maniques de la industria
en nuestros modelos para controlar los efectos de la industria no investigadores estudian a menudo slo el componente principal, en
observadas que no son capturados por los efectos fi rm. nuestro estudio esto habra dado resultados engaosos. Mientras
que en algunas industrias hay una gran ponent principal com- que
es relativamente estable en el tiempo (por ejemplo, productos
farmacuticos), en otras industrias hay mltiples componentes
Un problema de la estimacin final se refiere a la Apropiada grandes, y esos componentes se fusionan y se separaron con el
estructura de retardos de las variables independientes. Basado en tiempo. Por ejemplo, entre 1996 y 1997 en la industria informtica,
una investigacin anterior que investiga la relacin entre alianzas un componente grande se separ de la componente principal
intre empresas y la innovacin (por ejemplo, Ahuja 2000, Sampson (vase la figura 1). Si hubiramos centrado slo en el mayor
2004, Stuart 2000), empleamos retardos alternativos de nuestras compo- nente, tendramos tanto subestimado la cantidad de
variables independientes en relacin con la variable dependiente.
Estimamos modelos usando rezagos de un ao, dos aos, y tres
aos. Lo hacemos para explorar la solidez de los hallazgos a travs
de alter- nativas especificaciones. Todos los modelos se estimaron
con LIMDEP 8.0. El modelo se estima toma la forma gene-ral se
tabla 1 Tamao de la red y estructura de componentes, 1992-2000 Valores medios
encuentra abajo (aeroespacial es la industria omitido y 1992 es el
Aeroespacial 9 3 05 28 46
ao omitido). Las variables se indexan a travs de firmas ( i), la
Automotor 15 3 43 53 2 37
industria ( j), y tiempo ( t): nmero 67 promedio promedio Por
productos qumicos ciento 45 2 97 199 8 11
17
de empresas de nmero de Promedio
computadoras y en main 79 4 48 347 45
en la 67
industria alianzas red tamaa
oficina equipamiento
= f? La agrupacin jt Alcanzar jt La agrupacin * Alcanzar jt componente
del
Industria 9alianzas 15 por tamao (nodos)
28 3 10
patentes it + 1 2 3 hogar
(%)
I + D Alianza % jt I + D Intensidad jt centralidad eso equipos
audiovisuales y
Local e fi ciencia eso Centralizacin jt Densidad jt de medicin 22 1 96 48 21
67 33
Equipo mdico de
Presample_Patents eso Campos Computadoras control 66 1 66 172 33 7
17
Petrleo re fi nir 53 2 65 24 18
Automotrices Audiovisual Mdico Farmacutica Petrleo Semiconductores 83
y productos

farmacuticos 218 33 2 54 510 64

Semiconductores 58 3 51 204 55
67
Telecomunicacin 44 6 53 266 33 54
83

enfoque. Se seala que los resultados obtenidos tanto de fi xed- efectos equipo
aleatorios y
especificaciones son muy coherentes (vase la seccin Resultados). Los estudios Este nmero incluye slo aquellas fi rms con los SICs primarios designados; que no
que han empleado tanto el Hausman et al. (1984) binomial negativo fi enfoque de
incluye socio de la red que no estn en esas SIC.segundo, todas las firmas estadounidenses
efectos jos y la de Allison y Waterman (2002) han encontrado resultados muy
similares (por ejemplo, Dee et al. en la red, incluyendo tanto los que tienen las SICs primarios designados y sus altera, independientemente
2005)
. de la SIC.
 Figura 1 Tamao de la red y estructura de componentes (Sombra
Nuestra nica hiptesis predice un efecto positivo de la interaccin de La
Comn de gris indica que las empresas de un mismo
componente) agrupacin y Alcanzar en firme patente-. El trmino de interaccin,
Ordenadores, La agrupacin Alcanzar, no obtener significacin estadstica a
1996
niveles convencionales en el modelo especificado un desfase de un
ao, utilizando fi efectos firmes fijos o aleatorios (Modelo 3). El
coeficiente para la agrupacin Alcanzar es positivo y
estadsticamente significativo en los modelos de uso de ambos
retardos de dos y tres aos (modelos de 6 y 9). Este resultado es
vlido para los modelos que utilizan tanto los efectos fijos y
aleatorios firmes. Por lo tanto, nuestra hiptesis recibi un fuerte
apoyo en el uso de modelos de dos y tres aos se retrasa. 6

Para comprender mejor el significado del efecto de la

interaccin, la naturaleza de los coeficientes de La agrupacin
y Alcanzar en los modelos de 6 y 9 en la Tabla 2 que haber
permanecido sub. Los coeficientes estimados para La agrupacin
y Alcanzar en estos modelos son sencillo efectos en lugar de

Ordenadores,
verdaderos efectos principales debido a la significacin del
1997
trmino interaccin (Jaccard y Turrisi 2003). En consecuencia, el
efecto de cada uno de patentes est condicionado por el otro
toma variable sobre el valor de cero. Por ejemplo, la estimacin de
coeficiente de - 0,022 para Alcanzar en el Modelo 6 (efectos
aleatorios) asume que el valor de La agrupacin es igual a cero
(eliminando as el impacto de la interaccin con Alcanzar). Por lo
tanto, el signo negativo en el coeficiente de Alcanzar no puede
ser interpretado como un efecto negativo (principal) de Alcanzar
en Patentes. Mientras que el efecto de Alcanzar es de hecho
negativo cuando La agrupacin es cero, el efecto se vuelve
positivo cuando los valores de La agrupacin exceder 0.267 (el
rango de La agrupacin en los datos es Desde 0,0 hasta 0,8). Del
mismo modo, el efecto de La agrupacin es negativo (aunque
no estadsticamente significativo) cuando Alcanzar es igual a
cero, pero pasa a ser positivo para los valores de Alcanzar
mayor que 1.224 (el rango de Alcanzar es 1,88 a 61,18). 7El
actividad de la Alianza en las industrias, y exager la cantidad de hecho de que los efectos de ambos La agrupacin y Alcanzar
cambio en la actividad alianza con el tiempo. ser positivo cuando el otro obtiene un valor relativamente
Tabla 2 los informes de los paneles binomial resultados pequeo, y el aumento de sus efectos positivos con aumentos
negativos progresin re- para las tres variables dependientes en la otra, proporciona ms apoyo a nuestra hiptesis. Estos
patentes it + 1! patentes it + 2! patentes it + 3 .Dado que los efectos
efectos se refuerzan mutuamente son consistentes con la
dom ran- especficacin supone que los regresores y efectos naturaleza simtrica de los efectos de interaccin tivos
especficos no estn correlacionadas, tambin pro-vide resultados multiplicacin (Jaccard y Turrisi 2003).
utilizando efectos firme fija como una prueba de robustez. Se
proporcionan resultados separados por tres variables Parcelas del efecto de la interaccin en valores predichos de
dependientes. Los modelos 1, 2, 3 y el informe de los resultados patentes t + 2 y patentes t+3 reforzar esta interpretacin. Para
usando un intervalo de un ao entre las variabilidade s facilitar la presentacin e interpretacin, hemos utilizado la forma
i n d e p e n d i e n te s y las patentes firme patentes it + 1. Modelos de log-lineal de los modelos binomiales negativos en la Tabla 2(es
4, 5 y 6 del informe de los resultados usando un retraso de dos
decir, donde el registro de
aos patentes it + 2 .

y modelos 7, 8, 9 y el informe de los resultados usando un retraso
it + 3. Para cada variable dependiente, los modelos fi RST (1, 4, y 7)
incluyen las variables de control solamente, los segundos modelos
aaden los efectos directos de La agrupacin y Alcanzar (Modelos 2, 5, y
8), y el tercer modelo aade el trmino de interaccin, La agrupacin
Alcanzar (modelos 3, 6, y 9). Para ahorrar espacio, firme, indus- tria,
y los efectos de perodo de tiempo, mientras prevista, no se
reportan.
Tambin se realiz una prueba de la hiptesis a nivel de industria
esta prueba, regresinde nmero promedio de la industria de las patentes fi rm de
las variables de red y a nivel de industria. Se obtuvieron resultados casi idnticos a
los de la Tabla 2. Estos resultados estn disponibles a partir de los autores que lo
soliciten.
7Para calcular estos efectos, se utiliz la forma log-lineal de los modelos binomial
negativo de la Tabla 2 (es decir, donde el registro de la funcin de media condicional
es lineal en los parmetros estimados). Seguimos el enfoque para el clculo de los
efectos de interaccin descritos por Jaccard y Turrisi (2003,p.23).
Tabla 2 Panel negativos Modelos de regresin binomial con efectos fijos y aleatorios N = 1 106; = obs 3 444

patentes it + 1 patentes it + 2
patentes it + 3

1 2 3 4 5 6 7 8

Los efectos fijos

Constante 1 136 ** 0 354 0 582 0 359 0 604 0 360 1 257 ** 0 327 1 663 ** 0 333 1 614 ** 0 324 1 433 ** 0 337 1 859 ** 0 369 1 825 ** 0 368
Las patentes Presample 0 001 ** 0 000 0 001 ** 0 000 0 001 ** 0 000 0 001 ** 0 000 0 001 ** 0 000 0 001 ** 0 000 0 001 ** 0 000 0 001 ** 0 000 0 001 ** 0 000

Densidad (0 248 1 154 ) 0 624 1 358 - 0 527 1 468 - 0 411 1 529 - 2 220 1 808 - 2 637 1 843 - 2 012 1 861 - 1 598 2 509 - 1 674 2
134
Centralizacin - 0 014 0 008 - 0 014 0 008 - 0 012 0 008 - 0 018 ** 0 006 - 0 016 * 0 007 - 0 035 ** 0 006 0 019 ** 0 007 0 019 ** 0 007
0 019 * 0 007
Ind. De I + D Intensidad 2 739 2 668 2 867 2 522 2 877 2 581 0 741 2 366 - 0 088 2 373 - 0 246 2 327 - 7 126 ** 2 478 - 6 754 ** 2 504 -
6 754 ** 2 504
I + D Alliance% - 0 112 0 275 0 223 0 275 0 222 0 289 0 068 0 217 - 0 131 0 223 - 0 188 0 191 - 0 040 0 248 - 0 305 0 264 -
0 312 0 304
E fi ciencia - 0 199 ** 0 068 - 0 189 ** 0 072 - 0 190 ** 0 073 - 0 303 ** 0 091 - 0 321 ** 0 095 - 0 327 ** 0 087 - 0 267 ** 0 097 - 0 272 ** 0
089 - 0 270 ** 0 088
intermediacin 0 003 0 006 0 003 0 005 0 003 0 005 0 005 0 006 0 004 0 007 0 002 0 006 - 0 001 0 009 - 0 001 0 010 - 0 001 0 010
La agrupacin 0 420 ** 0 136 0 507 * 0 235 0 346 ** 0 127 - 0 141 0 196 0 234 0 183 - 0
319 0 279
Alcanzar 0 010 ** 0 003 0 011 ** 0 003 - 0 012 ** 0 003 - 0 020 ** 0 004 - 0 007 * 0 003 - 0
009 * 0 004
La agrupacin Alcanzar - 0 015 0 030 0 081 ** 0 023
0 014 * 0 007

probabilidad log - 4 646 65 - 4 637 32 - 4 637 12 - 4 597 46 - 4 586 78 - 4 577 98 - 4 468 75 -4

464 64

Efectos
aleatorios
1 118 ** 0 309 0 542 0 0 541 0 0 984 ** 0 307 1 342 ** 0 303 1 256 ** 0 290 0 920 ** 0 296 1 333 ** 0 331 1 214 ** 0 321
Constante
0 001 ** 0 000 339 339 0 001 ** 0 000 0 001 ** 0 000 0 001 ** 0 000 0 001 ** 0 000 0 001 ** 0 000 0 001 ** 0 000
Las patentes 0 001 ** 0 0 001 ** 0
1 444 0 900 0 527 1 197 - 1 872 1 2 451 1 352 - 1 454 1 1 286 1 618 - 1 538654
Presample Densidad 000 000
- 0 021 ** 0 006 - 394 - 434 - 1 0 016 * 0 006
Centralizacin 0 250 1 0 243 1 0 017 * 0 007 0 013 * 0 006
0 020 * 0 027 ** 0 005
092 166
* 0 007 - 0 021 ** 0 007 21
0 006 - 0 020 ** 0
**
Ind. De I + D Intensidad 1 027 2 424 - 0 231 - 0 818 2 151 - 0 590 2 8 029 ** 2 278 - 7 987 ** 3 - 8 101 ** 2 460
0 887 2 429 1 030 2 408

I + D Alliance% 0 014 0 230 0 383 0 214 357

0 3842 0 222 135 -0 208 0 215 - 0 017 0 0 34090 0 158 0 106 0 220 - 0 139 0 0 153 0 274
E fi ciencia 187 -- 0 435 ** 0 073 - 0 297 ** 0 087 - 0 307 ** 0 233 -
- 0 342 ** 0 062 - 0 336 ** 0 069 - 0 336 ** 0 069 - 0 396 ** 0 079 - 0 436 ** 0 081
intermediaci
080 - 0 312 ** 0 078 0 001 0 005 - 0 000008 - 0 001 0 008 - 0 0 008
n La agrupacin 0 001
0 008 0 005 0 007 0 004 0 007 0 005 0 003 0 005 0 004 0 0 152 0 159 - 0 422 0
005 344
Alcanzar 0 008
0 554 **
**
0 003
0 106 0 548 **
0 008 * 0 003
0 212 - 0 0013
485** **
0 0003 - - 0 008 * 0 003 - 0 011 ** 0
La agrupacin Alcanzar 0 022 ** 0 003 0 082 ** 0 019 004 0 043 * 0 020
0 001 0
un 0 707 ** 0 047 0 716 ** 0 047 0 710 ** 0 048 0 675 ** 0 047 0 684 ** 0 690 ** 0 480 0 650 ** 0 046 0 652 ** 0 046 0 652 ** 0 046
segund
0 048 0 334 ** 0 02 0 291 ** 0 018 0 290 ** 0 018 0 293 ** 0 018
o
0 358 ** 0 021 0 360 ** 0 022 0 360 ** 0 022 0 321 ** 0 019 0 328 **
probabilidad log - 8 520 70 - 8 509 78 - 8 509 78 - 8 425 33 - 8 407 - 8 392 95 - 8 198 66 8,194.98 - 8 193 03
95

Notas. Todos los modelos incluyen firme, perodo de tiempo, y los efectos de la industria. Los errores comunes estan en parentesis.
* p < 0 05, ** p < 0 01 (de dos colas pruebas para todas las variables).

la funcin de media condicional es lineal en los parmetros parece darse cuenta de su punto ms alto en dos aos. Basndose en
estimados) para calcular estos efectos. La Figura 2 presenta el estos
diagrama de interaccin La agrupacin y Alcanzar para ilustrar la resultados, se especula que el efecto de la estructura de la red como
un medio de difusin del conocimiento decae con el tiempo. Mientras
magnitud del efecto de interaccin. La lnea Low Clustering
que una estructura particular puede persistir en el tiempo, el
muestra la pendiente del efecto de Alcanzar en patentes cuando el conocimiento que se difunde a travs de l ha limitado beneficio como
valor de La agrupacin est ajustado a una desviacin estndar por actores absorben y se aplican estos conocimientos fluye hacia fines
debajo de su media. Los puntos finales de la lnea se calculan a una productivos.
desviacin estndar por debajo y por encima de la media de
Alcanzar.La lnea de alta Clustering representa el efecto de Los resultados relacionados con las variables de control tambin
Alcanzar en patentes cuando el valor de La agrupacin est ajustado a merecen discusin. El efecto de la centralidad de intermediacin en
la posterior patentes firme no logr alcanzar significacin estadstica
una desviacin estndar por encima de su media. Consistente con
en ninguno de los modelos estimados. Por el contrario, la eficiencia
los resultados en los modelos de 6 y 9 de la Tabla 2, aumenta en tuvo un efecto negativo significativo en las patentes firme en todos
Alcanzar aumentar el efecto positivo de La agrupacin en Patentes. El los modelos. Este resultado sugiere que la presencia de agujeros
caso simtrico de trazado de bajo y alto Alcanzar lneas para valores estructurales en la red ego de una firma de relaciones de alianza
tiene un efecto perjudicial sobre su salida inventiva. Esto es
bajos y altos de La agrupacin (que no se muestra) proporciona
consistente con los resultados obtenidos por Ahuja (2000) y Soh
resultados similares. (2003). Para nuestro conocimiento, nuestro estudio representa la
mayor investigacin de datos de panel de esta relacin.
Para evaluar la magnitud del efecto de interaccin se emplearon
los efectos marginales estimadas mi x. La magnitud del efecto de
interaccin cuando ambas variables componentes aumento de una Entre las otras variables en los modelos, la mayora no eran
desviacin estndar por encima de sus medios para el modelo que
consistentes en trminos de signo y significacin. Esto puede ser
emplea un retardo de dos aos y de efectos aleatorios es de 1,00
patentes (o 2,3%). Para el modelo especi fi con un retraso de dos debido, en parte, a las correlaciones de moderada a grande entre
aos y el empleo de efectos fi rm fijo, esto produjo un aumento de las medidas de la red (es decir, Centralizacin, densidad, Reach,
0,98 patentes (para el rm fi promedio), o 2.3%. La magnitud del
efecto de la interaccin es ms pequea en los modelos usando un Clustering, y La agrupacin Alcanzar). Este multicolinealidad
desfase de tres aos. Por lo tanto, el tamao del efecto de podra influir en la solidez de nuestro principal hallazgo porque
interaccin en trminos absolutos es bastante pequeo en
nuestros datos y las estimaciones de parmetros son inestables a cambios muy
pequeos en los datos cuando colinealidad sustancial est
presente, a veces resulta en los signos de coeficientes estimados
 Figura 2 Grfica de interacciones para modelos de efectos durante alguna porcin de la muestra. Las investigaciones
aleatorios, patentes + 2 y AS patentes Pt +3 anteriores han encontrado que las medidas de patente de acciones
y patentes tttt + 3 y los gastos anuales de + D estn altamente
Alta Baja agrupacin
correlacionados (por ejemplo, Trajtenberg 1990).
agrupacin
1.4 Medimos la patente de un rm fi de valores como el nmero total de

patentes obtenidas por fi rm yo en los cuatro aos anteriores al ao

1.2 incluyen
y que t. Debido a la extremadamente alta correlacin entre esta
variable y
Las patentes Presample r = 0 94 , Que vuelven a estimar todos
1.0 nuestros usando la patente social variable variable en el tiempo, en
modelos
lugar de Presample. Como era de esperar (debido a la correlacin
Patentes
0.8 sustancial entre las dos variables) nuestros resultados (no se
informa)cambi
no sustancialmente de los reportados en la Tabla 2.
0.6

0.4
Para nuestra segunda prueba de robustez, se analizaron los datos
mediante
0.2 una Poisson fijos efectos de estimacin de procedi- miento. Lo hicimos
para abordar la preocupacin identificados en la nota 5. Este enfoque
controla para todas las fuentes varan con el tiempo servido sin
0 obstrucciones de la heterogeneidad. En este anlisis, excluidos todas las
bajo alcance de alto variables invariantes en el tiempo y los resultados cualitativamente
alcance
similares obtenidos (no informados) a los presentados en la Tabla 2.

0.3 Log de la media condicional de patentes

t+3 Una tercera preocupacin acerca de nuestros resultados es que
Alta Baja agrupacin pueden ser influenciados por la presencia de correlacin serial
agrupacin
persistente en los residuos. Esto podra ser el resultado de efectos
0.2 no observados firrme temporalmente estable (Greene 1997), o de
la causalidad inversa que va desde firme invencin a la estructura
de red a nivel de la industria (por ejemplo, la agrupacin o alcance),
0.1 que se manifiesta en las variables de red retardados. Nos dirigimos
explcitamente la fuente de fi cial primera SATU- de correlacin
serial mediante la inclusin de efectos fijos efectos. estimaciones
poco fiables pueden resultar tambin de los no observables que
0
varan sistemticamente con el tiempo. correlacin serial en los
errores sera persistir incluso despus de controlar por efectos firme
estables. Examinamos esta posibilidad de dos maneras. En primer
- 0.1
lugar, hemos retrocedido nuestras medidas de agrupamiento y
alcance, y su interaccin en la patente anual firme conteos usando
un modelo de datos de panel lineal. Lo hicimos uso de patentes rm
- 0.2 fi contemporneamente medidos y de una, dos y tres aos de
retrasos de las patentes firmes. No encontramos relacin
significativa entre las patentes firme y clustering, alcance, o su
- 0.3

bajo alcance de alto

alcance

Voltear (conocido como el problema seal equivocada) (Gujarati 1995). interaccin en cualquiera de estos modelos. A continuacin,
Para examinar la influencia de multicolinealidad en nuestro resultado agregacin GaTeD patentes firmesa nivel de la industria utilizando el
principal, volvimos a correr cada uno de los modelos en la Tabla 2 con recuento de patente anual promedio a travs de firmas en la
industria. La idea aqu es que a medida que aumenta la inventiva de
Centralizacin eliminado y, alternativamente, con Densidad eliminado (no se
la industria, tambin lo hace la probabilidad de que tales firmas en
informa aqu). Los resultados para Alcanzar, La agrupacin, y La agrupacin industrias forman redes de alianzas con alta ing cluster- y alcance.
Alcanzar permanecido sin cambios sustantivamente en todos los modelos. Nos encontramos con las mismas especificaciones como los que
Finalmente, Las patentes Presample variable fue positivo y utilizan las patentes firmes y no se encontraron efectos significativos.
significativo en todos los modelos, lo que indica su importancia como un
control para la heterogeneidad no observada fi rm-nivel. Por otra parte,
varios perodos de tiempo y la industria Dum- mies (no se informa)
fueron consistentemente significativo en todos los modelos.

Solidez de los resultados

Una de las preocupaciones acerca de nuestros resultados es que
no fuimos capaces de controlar las diferencias en la empresa I + D
debido a que casi el 42% de nuestras empresas de la muestra eran
de propiedad privada
Discusin
Hemos sostenido que dos propiedades estructurales clave de las redes a
gran escala, agrupacin y llegar, juegan un papel importante en la red de
difusin y bsqueda. La agrupacin permite incluso a una red a nivel
mundial para lograr un alto escasa
capacidad de transmisin de informacin a travs localmente
densas bolsillos de estrechamente conectados. Alcance aumenta la
cantidad y diversidad de informacin disponible para firmas en la
red llevando los recursos de informacin de ms firmas dentro de
relativamente corta distancia. por tanto, hemos argumentado que
las redes que tienen tanto la alta capacidad de transmisin de
informacin habilitado por la agrupacin, y la alta cantidad y
diversidad de la informacin proporcionada por alcance, deben
facilitar una mayor innovacin mediante la firma que son
miembros de la red. Hemos probado este argumento a partir de
datos longitudinales sobre el desempeo innovador de un gran
panel de firmas que operan en 11 redes de alianzas industrylevel.
Los resultados indicaron apoyo a nuestro argumento: la
combinacin de la agrupacin y su alcance se asoci con
significativamente mayor firma patentes. Los resultados fueron
ms fuertes para los modelos que emplean un retraso de dos y de
tres aos en comparacin con un retraso de un ao, lo que sugiere
que las firmas no se dan cuenta rpidamente los beneficios de la
innovacin de colaboracin (Stuart 2000). Estos resultados fueron
consistentes para una serie de controles y especificaciones del
modelo.
Nuestros resultados apoyan gran parte de la teora desarrollada
en trabajos recientes en las redes de mundo pequeo (Cowan y
Jonard 2003, Uzzi y Spiro 2005). Nuestros resultados
consistentes con el argumento Uzzi y Spiro que la cohesin y la
conectividad de una red del mundo pequeo permiten
circulacin de material creativo que puede ser recombinado en
nuevos productos creativos. Nuestro argumento de que
heterogeneidad de los conocimientos distribuidos en grupos
favorece la innovacin es similar al argumento Uzzi y Spiro que las
diferentes convenciones y estilos utilizados en diferentes clusters
son una fuente valiosa de la diversidad en la red. 8
8 datos y anlisis Uzzi y Spiro son diferentes a los nuestros en algunos
aspectos importantes. En primer lugar, como lo sealan (2005, p. 470,
nota 8), en una red de mundo pequeo madura como la suya, la longitud
del recorrido cambia poco con el tiempo, comportndose como un efecto
fijo con un valor constante cerca de uno. Esto significa que que su
principio hallazgo es impulsado principalmente por la variacin temporal
de la agrupacin. Nuestras redes, por el contrario, muestran una
variacin signi fi seccin transversal y temporal no puede en longitud del
trayecto y tamao de la red, lo que lleva a una gran variacin en nuestra
medida de su alcance. En segundo lugar, nuestras redes son mucho
menos densa que su red. Su red se convierte en su ficientemente densa
y agrupada que conduce a la cohesin y la homogeneizacin excesiva de
material, y una disminucin en el rendimiento creativo. En esencia, este
tipo de red a nivel mundial densa tiene las ventajas y desventajas
argumentamos existira dentro de cada grupo. Para investigar este
efecto en nuestros datos, que vuelven a estimar cada uno de nuestros
modelos, en sustitucin de nuestro trmino de interaccin con la versin
cuadrtica de la agrupacin (es decir, la agrupacin 2 .... Esta variable no
fue significativa en cualquier modelo; por lo tanto, no tenemos ninguna
evidencia de un efecto parablica de la agrupacin en nuestros datos.
Especulamos que nuestras redes nunca alcanzan un alto nivel de
densidad, y por lo tanto corren menos riesgo de cohesin excesiva. Por
ltimo, y quizs lo ms importante, la red Uzzi y Spiro se compone de
individuos, mientras que nuestras redes se componen de firmas. Algunas
de las dinmicas que conducen a efectos deletreos de la cohesin (por
ejemplo, fuertes sentimientos de obligacin entre amigos que llevan a
Esta investigacin tiene un nmero de contribuciones. En
primer lugar, mientras que investigaciones anteriores de red
de la alianza tiene ejem- ined el impacto de la posicin de la
red de una firma o la estructura de su inmediata vecindad de
red en la innovacin firme, nuestro estudio es el primero que
conocemos para examinar la influencia de la estructura de la
industria a nivel redes de alianzas en la innovacin firme. Los
resultados de este estudio tambin informan el debate sobre si
la innovacin se ve reforzada por la densidad de la red o
eficiencia (ver Ahuja 2000): Ambos local densidad y global e fi
ciencia puede existir al mismo tiempo, y es esta combinacin
que favorece la innovacin.
Por ltimo, nuestros resultados hablan a la literatura sobre los
efectos secundarios El conocimiento. derrames de conocimiento
representan un factor externo en el que el conocimiento producido por
un rm fi puede ser apropiada, en poco coste, por otras firmas (Jaffe
1986). La evidencia emprica indica que los efectos secundarios son
importantes para explicar la innovacin y el crecimiento de la
productividad (Griliches 1992). Sin embargo, los efectos secundarios
no son igualmente accesibles o appro- priable por todas las firmas. La
investigacin previa ha demostrado que los efectos secundarios
tienden a ser limitada espacialmente: Su efecto es ms pronunciado
para firmas que realizan investigaciones en dominios tecnolgicos
similares (Jaffe 1986) y ubicaciones geogrficas (Feldman 1999).
Nuestros resultados se suman a esta literatura sugiriendo que entre
NETWORKS puede ser un importante mecanismo de desbordamiento
del conocimiento, y que el patrn especfico de estos buques
son
PARENTESCO exhibicin pueden tener consecuencias importantes para
la capacidad de innovacin de la fi rma en red.
la
la
No queremos exagerar nuestra resultados de este estudio tiene
una serie de limitaciones. Nuestros hallazgos pueden ser
influenciados por nuestra suposicin de duracin media alianza. Si
alianzas soportar, en promedio, durante ms de tres aos, a
continuacin, la conectividad de nuestras redes servido obstructivas
estar sesgada a la baja. Este sesgo puede influir en los resultados.
Lamentablemente, debido a las limitaciones de datos, no fuimos
capaces de explorar esta posi- bilidad. 9 Una limitacin de nuestro
enfoque terico es que ignoramos la influencia de las caractersticas
de la red distinta estructura. No nos ocupamos de las propiedades
de los mismos (por ejemplo, la fuerza, la es- tructura de gobierno, el
alcance alianzas). Diferentes tipos de relaciones pueden ser mejores
o peores para la bsqueda, en comparacin con la transferencia, el
conocimiento (Hansen 1999). Adems, los diferentes tipos de
relaciones sern ms o menos costoso para man- tener, y por lo
tanto afectar a la e ficiencia de la red estructura para la creacin de
conocimiento. No examinamos cmo
un centro de asistencia para los miembros intiles de la red) son
mucho ms probable en las relaciones entre los individuos que entre
firmas.
9No hemos recoger datos de formacin de la alianza antes de 1990
porque SDC datos antes de que el tiempo es inconsistente. Elegimos
para poner fin a las observaciones de patentes en 2000 (lo que implica
nuestra observacin alianza termin en 1997) debido a que el desfase
entre la solicitud de patente y fecha de concesin es de dos a cuatro
aos (que est al final de la coleccin de datos).
los atributos de las firmas dan forma al flujo de El conocimiento
(ver Owen-Smith y Powell 2004). Tampoco hemos abordado el
impacto potencial de la naturaleza del conocimiento que se tiene
acceso, transferido, y se recombina en la red. Las diferentes
caractersticas de los conocimientos (por ejemplo, tcitas frente
explcita, complejos frente simple, etc.) pueden influir en el
proceso de creacin de conocimiento e innovacin (Zander y
Kogut, 1995). Estructura de la red tambin puede interactuar de
manera diferencial con diferentes dimensiones del conocimiento.
Por ejemplo, la alta densidad de grupos puede facilitar la
bsqueda y la transferencia de conocimiento tcito, complejo,
pero el rel- tivamente pocas conexiones con otros grupos puede
realizar dicha bsqueda y transferir problemtica. Estos aspectos
de las relaciones y los conocimientos adecuados sern
importantes para comprender plenamente la relacin entre las
redes de conocimiento entre empresas y la creacin de
conocimiento, pero estn fuera del alcance de nuestro trabajo.
Otra limitacin de nuestro trabajo es que la eralizability de
nuestro resultado principal es probable que sea-lim
industrias que hacen uso frecuente de alianzas.
caracterizadas por escasez extrema pueden no tener un grado
suficiente de conexin para observar la agrupacin o alcance
significativo. Sin embargo, las implicaciones de
resultados no se limitan necesariamente a las relaciones de
alianza. Debido firmas estn conectados a travs de otras
relaciones, la estructura global de este tipo de relaciones pueden
influir en firme innovador. Por ejemplo, firmas a menudo estn
conectados por relaciones de colaboracin interpersonales entre
los inventores individuales. La medida en que la estructura global
de estas relaciones se caracteriza por la agrupacin y el alcance
puede tener implicaciones para la inventiva de los inventores
viduales indicacin y sus firmas (Fleming et al., 2004). Por otra
parte, puesto que el conocimiento puede fluir entre firmas a
travs de otros mecanismos tales como la movilidad individual, la
agrupacin geogrfica, la participacin en gas comits Nical, o
aprender de la informacin hecha pblica a travs de las patentes,
es posible que algunas de las ventajas de creacin
conocimiento de un ular parti- estructura de red de la alianza
podra extenderse a otros participantes de la industria (o no
industriales). Cada una de estas limitaciones representa un rea
muy interesante para la investigacin futura.
Expresiones de gratitud
Esta investigacin fue apoyada por la dacin Nacional de Ciencia Fun-
bajo la subvencin SES-0234075. Los autores agradecen las sugerencias
de Juan Alccer, Laszlo Barabsi, Joel Baum, Bill Greene, Anne Marie
Knott, Dan Levinthal, Bill McKelvey, Mark Newman, Joe Porac, Lori
Rosenkopf, Rob Salomon, Kevin Steensma, Kate Stovel, y Duncan vatios.
referencias
Ahuja, G. 2000. Las redes de colaboracin, agujeros estructurales, y inno-vacin: Un
estudio longitudinal. Administracin. Sci. Cuarto de galn. 45 425-455. Allison, PD, R.
Waterman. 2002. fijos efectos binomial negativa modelos de regresin. Soc.
Metodologa 32 247-265.
Anand, BN, T. Khanna. 2000. Do firmas aprenden a crear valor? los
caso de alianzas. Gestin estratgica J. 21 295-315. Basberg, BL 1987. Las
patentes y la medicin de tecnolgico
cambiar: Una revisin de la literatura. Res. Poltica diecisis 131-141. Baum, JAC, T.
Calabrese, BS Silverman. 2000. No ir solos:
composicin de la red de alianzas y el rendimiento startups' en biotecnologa
canadiense. Gestin estratgica J. 21 267-294. Baum, JAC, AV Shipilov, TJ Rowley. 2003.
Dnde pequea
mundos vienen? Indust. Cambio corporativa 12 697-725. Blundell, RR, R. Griffith , J. Van
Reenen. 1995. Los datos de recuento dinmicos
modelos de innovacin tecnolgica. Econom. J. 105 333-344. Borgatti, SP, MG
Everett, LC Freeman. 2002. Ucinet para Win-
dows: Software para el anlisis de redes sociales. Harvard, tecnologas analticas.
Brown, J., P. Duguid. 1991. El aprendizaje organizacional y la comuni-
lazos de la prctica: hacia un fi visin unificada de trabajo, el aprendizaje y la
innovacin. Organo. Sci. 2 40-57. Burt, 1992 RS. Los agujeros estructurales. Harvard
University Press,
Cambridge, MA.
Burt, RS 2001. El ancho de banda y el eco: La confianza, la informacin y gos-
sip en las redes sociales. A. Casella, JE Rauch, eds. Redes y mercados: Las
contribuciones de Economa y Sociologa. Fundacin Russel Sage, Nueva York,
30-74. Cameron, CA, PK Trivedi. 1986. Los modelos economtricos basados
en
recuento de datos: Comparaciones y aplicaciones de algunos estimadores y
pruebas. J. Appl. Econometra 1 29-53. Cameron, CA, PK Trivedi. 1998. Anlisis de
a las regresin del Conde
Redes
Datos. Cambridge University Press, Cambridge, Reino Unido. Coleman, JS
1988. El capital social en la creacin de capital humano.
Amer. J. Sociol. 94 S95-S120.
nuestros Cowan, R., N. Jonard. 2003. La dinmica de la invencin colectiva.
J. Econom. Behav. Organo. 52 513-532. Dee, TS, DC Grabowski, MA Morrisey.
2005. Graduado controlador
fatalidades fi cantes de licencias y adolescentes. J. Econom Salud. 24 571-589.
Escrituras, DL, CWL Hill. 1996. Las alianzas estratgicas y la
tasa de desarrollo de nuevos productos: Un estudio emprico de firmas
empresariales. J. Bus. aventurarse 11 41-55. Dosi, G. 1988. Fuentes,
procedimientos y efectos microeconmicos de
innovacin. J. Econom. Literatura 26 1120-1171. Dyer, JH, H. Singh. 1998. La vista
relacional: estra- Cooperative
EGY y fuentes de ventaja competitiva entre organizaciones.
Acad. Gestin Rev. 23 660-679. Feldman, MP 1999. La nueva economa de la
innovacin, los efectos secundarios,
y aglomeracin: Una revisin de estudios empricos. Econom. Innovacin New Tech. 8 5-
25.
Fleming, L. 2001. incertidumbre recombinante en busca tecnolgica.
Sci gestin. 47 117-132.
Fleming, L., A. Juda, C. King, III. 2004. Los pequeos mundos y re-
ventaja innovadora gional. Harvard Business School tra- baja Paper Series,
de 04-008, Universidad de Harvard, Cambridge, MA. Freeman, C. 1991. redes de
innovadores: una sntesis de la investigacin
cuestiones. Res. Poltica 20 499-514.
Freeman, L. 1979. Un conjunto de medidas de centralidad: I. conceptual
clarificacin. Soc. redes 1 215-239. Gomes-Casseres, B., J. Hagedoorn, A.
Jaffe. 2006. Hacer alianzas Pro-
conocimiento mote flujos? J. Econom financiero. 80 5-33. Granovetter, MS 1973. La
fuerza de los lazos dbiles. Amer. J. Sociol.
78 1360-1380.
Granovetter, MS 1992. Los problemas de explicacin en la socie- econmica
loga. N. Nohria, R. Eccles, eds. Redes y organizaciones: estructura, forma, y la accin.
Harvard
Business School Press, Boston, MA, 25-56. Greene, WH 1997. El anlisis
economtrico, 3
ed. Prentice
Hall,
Upper Saddle River, Nueva Jersey.
Griliches, Z. 1990. Las estadsticas sobre patentes como indicadores econmicos: una encuesta.
J. Econom. Literatura 28 1661-1707. Griliches, Z. 1992. La bsqueda de los efectos
secundarios de I + D. Scandinavian J.
Econom. 94 ( Suppl.) 29-47. Gujarati, DN 1995. Econometra bsica, 3 ed.
McGraw-Hill, Nueva York.
Gulati, R. 1998. Las alianzas y redes. Gestin estratgica J. 19 293-317.
Gulati, R., M. Gargiulo. 1999. Dnde NET interorganizacional
obras proceden de? Amer. J. Sociol. 104 1439-1493. Hansen, MT 1999. El
problema de
bsqueda de transferencia: El papel de dbil
lazos en el intercambio de conocimientos a travs de las subunidades de la organizacin. Administracin.
Sci. Cuarto de galn. 44 82-111.
Hansen, MT 2002. redes de conocimiento: Explicando efectiva
el intercambio de conocimientos en las empresas de unidades mltiples. Organo. Sci. 13
232-250.
Hargadon, AB 1998. Empresas como agentes de conocimiento: Lecciones de PUR
demandar a la innovacin continua. Gestin de California Rev. 40 ( 3) 209-227.
Hargadon, AB, A. Fanelli. 2002. Accin y posibilidad: Reconstruccin
ciliar doble perspectiva del conocimiento en las organizaciones. Organo. Sci. 13
290-302.
Hausman, J., B. Hall, Z. Griliches. 1984. Los modelos economtricos para
contar con los datos de una aplicacin a gobiernan la relacin patentes de I + D.
Econometrica
52 909-938.
Hecker, D. 1999. Alta tecnologa de empleo: Una visin ms amplia.
Rev. Mensual del Trabajo 122 ( 6) 18-28.
Heckman, JJ 1979. Muestra sesgo de seleccin como un error de fi especificacin.
Econometrica 47 ( 1) 153-161.
Henderson, R., K. Clark. 1990. innovacin arquitectnica: La reconstruccin
fi guracin de las tecnologas de productos existentes y el fracaso de firmas establecidas.
Administracin.
Sci. Cuarto de galn. 35 9-30. Jaccard, J., R. Turrisi. 2003. Efectos de interaccin en
regresin
mltiple.
Sage, Thousand Oaks, CA.
Jaffe, A. 1986. oportunidad tecnolgica y derrames de I + D:
La evidencia de patentes fi rms', utilidades y valor de mercado. Amer. Econom.
Rdo. 76 984 a 1.001.
Kogut, B. 2000. La red como conocimiento. reglas generativas y
la aparicin de la estructura. Gestin estratgica J. 21 405-425. Kogut, B., G.
Walker.
2001. El pequeo mundo de Alemania y el
durabilidad de las redes nacionales. Amer. Sociol. Rdo. 66 317-335. Laumann, E.
O, PV
Marsden, D. Prensky. 1983. El lmite
espec problema fi cacin en el anlisis de red. RS Burt, MJ Minor, eds. Anlisis
de Redes aplicada. Sage, Beverly Hills, CA, 18-34.
Levin, R., A. Klevorick, R. Nelson, S. Winter. 1987. Apropiacin
los rendimientos de la investigacin y el desarrollo industrial. Ings Brook-
Papeles
Econom. Actividad, Microeconoma 3 783-820. Mowery, DC, JE Oxley, BS
Silverman. 1996. Las alianzas estratgicas
e inter fi rm transferencia de conocimientos. Gestin estratgica J. 17
77-91.
Nelson, RR, S. Winter. mil novecientos ochenta y dos. Una teora de la evolucin de la Econmica
Cambio. Harvard University Press, Cambridge, MA. Newman, MEJ, SH
Strogatz, DJ Watts. 2002. aleatoria
modelos de grficos de redes sociales. Proc. Natl. Acad. Sci. Estados Unidos 99
2566-2572.
Owen-Smith, J., WW Powell. 2004. Las redes de conocimiento como Chan-
Nels y conductos: Los efectos de los derrames en la comunidad de la
biotecnologa de
Boston. Organo. Sci. 15 5-21. Phelps, C. 2003. exploracin tecnolgica: Un
estudio longitudinal
de la funcin de bsqueda recombinatorio y capital social en
redes de alianzas. tesis doctoral no publicada, Nueva York Uni- versidad, Nueva York.
Powell, WW, L. Smith-Doerr. 1994. Las redes y la vida econmica.
NJ Smelser, R. Swedberg, eds. El Manual de la sociologa econmica. Princeton
University Press, Princeton, Nueva Jersey, 368-402. Powell, WW, KW Koput, L. Smith-Doerr.
1996. Interorganiza-
colaboracin cional y el locus de la innovacin: Redes de aprendizaje en la biotecnologa.
Administracin. Sci. Cuarto de galn. 41 116-145. Robinson, DT, TE Stuart. 2007. Los efectos de
red en el
gobier-
ernance de alianzas estratgicas. J. Ley, Econom., De rganos. 23 ( 1) 242-273.
Rosenkopf, L., P. Almeida. 2003. La superacin de bsqueda local a travs
alianzas y la movilidad. Sci gestin. 49 751-766. Rosenkopf, L., A. Metiu, VP George.
2001. Desde abajo hacia arriba?
actividad Comit Tcnico y la formacin de alianzas. Administracin. Sci. Cuarto de galn. 46 748-772.
Sampson, R. 2004. El costo de la gobernabilidad desalineada en I + D
alianzas. J. Ley, Econom., De rganos. 20 484-526. Schmookler, J. 1966.
Invencin y crecimiento econmico. Harvard Uni-
versidad Press, Cambridge, MA.
Shan, W., G. Walker, B. Kogut. 1994. Inter cooperacin firme y
la innovacin puesta en marcha en la industria de la biotecnologa. Gestin estratgica J. 15
387-394.
Smith-Doerr, L., J. Owen-Smith, KW Koput, WW Powell. 1999.
Redes y conocimientos de produccin: La colaboracin y Enting Pat- en
biotecnologa. R. Leenders, S. Gabbay, eds. Capital social de las empresas.
Kluwer Academic Publishers, Norwell, MA, 331-350.
Soh, P.-H. 2003. El papel de las alianzas de redes de informacin
adquisicin y su implicacin para el nuevo rendimiento del
producto.
J. Bus. aventurarse 18 727-744.
Stuart, TE 2000. alianzas entre organizaciones y el rendimiento
de firmas: Un estudio de las tasas de crecimiento e innovacin en una
industria de alta tecnologa. Gestin estratgica J. 21 791-812. Trajtenberg, M.
1987. Patentes, citas, e innovaciones: Rastreo
los enlaces. Documento de trabajo 2457, National Bureau of Economic Research,
Cambridge, MA.
Trajtenberg, M. 1990. Un centavo por sus citas: citas de patentes y
el valor de las innovaciones. RAND J. Econom. 21 172-187. Uzi, B. 1997. Estructura
Social y la competencia en inter fi rm-NET
trabaja: La paradoja de arraigo. Administracin. Sci. Cuarto de galn. 42
35-67.
Uzzi, B., J. Spiro. 2005. La colaboracin y la creatividad: La pequea
problema mundial. Amer. J. Sociol. 111 447-504. Vonortas, NS 1997. Los proyectos
conjuntos de investigacin en los EE.UU.. Res. Poltica
26 577-595. Wasserman, S., K. Faust. 1994. Anlisis de redes sociales: Mtodos y
Aplicaciones. Cambridge University Press, Cambridge, Reino Unido. Watts,
DJ 1999. Redes, la dinmica y el mundo pequeo meno
Nomenon. Amer. J. Sociol. 105 493-528. Wellman, B. 1988. El anlisis estructural: Del
mtodo y metfora
la teora y la sustancia. B. Wellman, SD Berkowitz, eds.
Estructuras sociales: un enfoque de red. Cambridge University Press, Cambridge, Reino
Unido, 19-61.
Yamaguchi, K. 1994. El flujo de informacin a travs de NET sociales
funciona: medidas Diagonal libres de ineficiencia y los determinantes
estructurales de ineficiencia. Soc. redes diecisis 57-86. Zander, U., B. Kogut.
1995. El conocimiento y la velocidad de la transferencia de
y la imitacin de las capacidades de organizacin: una prueba emprica.
Organo. Sci. 6 76-92.