基于網絡效應與行動者效應的專利轉讓及受讓行為研究

劉曉燕 孫麗娜 單曉紅 楊娟

收稿日期：2022-06-24? 修回日期：2022-09-26

基金項目：國家社會科學基金后期資助項目（21FGLB042）

作者簡介：劉曉燕（1974-），女，河北唐山人，博士，北京工業大學經濟與管理學院副教授、博士生導師，研究方向為組織理論與戰略管理；孫麗娜（1999-），女，北京人，北京工業大學經濟與管理學院碩士研究生，研究方向為組織理論與戰略管理；單曉紅（1976-），女，吉林吉林人，博士，北京工業大學經濟與管理學院副教授、博士生導師，研究方向為信息管理、商務智能；楊娟（1979-），女，湖北松滋人，博士，北京工業大學經濟與管理學院高級實驗師，研究方向為網絡組織理論與實踐。本文通訊作者：單曉紅。

摘? 要：專利交易是技術創新擴散的主要渠道，是實現科技成果轉化的有效途徑。研究專利轉讓與受讓行為可以識別影響專利交易的主要因素，為政府制定技術交易政策提供科學依據。以2002—2019年中國集成電路產業專利轉讓記錄作為數據源，利用Siena模型，結合網絡效應和行動者效應，對專利轉讓與受讓行為影響因素進行實證檢驗。研究發現：①專利技術交易以單向交易為主，隨著集成電路產業從萌芽階段步入成長階段，產業內技術交易主體增加，網絡規模擴大，網絡信息傳輸效率有所提升，但仍處于較低水平；②網絡初期產生的鎖定效應明顯得以緩解，技術交易網絡內組織社團化特征明顯，技術交易社團規模呈擴張態勢且社團內緊密程度不斷提高；③網絡效應方面，轉讓者更傾向于與技術交易伙伴進行交易，頻繁發生受讓行為的企業會吸引更多新的交易伙伴，企業間不存在明顯的互惠交易；④行動者效應方面，隨著產業進入成長階段，成熟企業更傾向于專利轉讓行為，初創企業更傾向于專利受讓行為，占據高結構洞位置的企業更傾向于專利轉讓行為。企業間技術創新能力差距越小越容易發生技術交易，企業傾向于選擇同一國別或同一企業集團內伙伴進行交易。

關鍵詞關鍵詞：網絡效應；行動者效應；專利轉讓；專利受讓；技術交易；科技成果轉化

DOI：10.6049/kjjbydc.2022060660

開放科學（資源服務）標識碼（OSID）????? 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F713.584

文獻標識碼：A

文章編號：1001-7348（2024）02-0035-11

0? 引言

科技成果轉化是打通“創新鏈”的重要環節，是新技術、新發明轉化為市場價值的關鍵所在。專利是技術創新成果的表現形式，近年來，我國專利申請數量持續增長，2019年國際專利申請數量高達58 990件，首次超過美國成為世界知識產權組織框架下國際專利申請數量最多的國家。與之相對的是，我國科技成果轉化率不足30%，遠低于發達國家60%～70%的水平，已成為國家創新體系建設的薄弱環節。以專利轉讓與受讓為代表的技術交易形式是連接發明和應用的“紐帶”，通過專利轉讓市場或專利交易機構等中介平臺將專利作為商品進行轉讓，有利于促進科技成果轉化。因此，研究專利轉讓與受讓行為影響因素，剖析企業技術交易的內在動因，能夠提升政策制定的針對性，打通創新成果向現實生產力轉化的通道。

技術交易概念由美國經濟貿易學家Posner首次提出，是指技術供需雙方通過契約形式對技術知識產權進行交易的行為。現有關于專利技術交易的研究主要以高校、企業、中介機構為代表的微觀創新主體為主[1-2]，抑或是以區域、國家甚至全球為研究對象，涉及不同層面，研究內容涉及新興技術及熱點技術（電子信息[3]）等領域，研究目的涵蓋專利轉讓與受讓網絡結構、空間格局、演化過程及機會預測，研究方法多運用社會網絡分析法，將技術交易相關屬性映射到網絡模型，充分挖掘網絡結構與節點屬性特征及發展規律。專利轉讓方與受讓方是發生技術交易的微觀主體，對其發展規律及影響因素進行分析，能夠幫助政府科學制定促進技術交易的相關政策。因此，諸多國內外學者從專利供需雙方入手探究專利交易影響因素。Bahmani & Mehdi[4]基于伊朗經濟與技術轉移關系，認為生產力對區域專利交易具有重要影響；任龍等[5]通過構建中國技術流動網絡，發現經濟資本、產業結構是影響專利技術交易的主要因素。專利轉讓與受讓行為發生動機研究表明，企業研究領域改變或非核心專利可用性有可能促成專利轉讓行為，同時具有廣泛潛在應用價值以及擁有較高估價的技術專利也會大大提升潛在專利受讓方的購買意愿[6]。

綜上所述，專利技術交易行為已成為各界關注焦點，主要集中于技術交易網絡構建，從網絡整體層面對技術交易影響因素及演化特征進行分析，忽略了網絡節點自身屬性對網絡演化的影響。而企業作為技術交易主體，只有從企業視角出發厘清哪些因素會促進或阻礙專利轉讓與受讓行為，才能夠使技術轉移政策更具有針對性。目前，專利轉讓與受讓行為特征研究多基于案例分析，受客觀因素影響較大。隨著技術交易主體增加，網絡模塊化和社團化趨勢逐漸顯現，只有從網絡視角才能全面探究技術交易行為影響因素。集成電路產業是制造業智能化轉型最核心、最具代表性的產業，也是后疫情時代我國受美國制約最大的產業。因此，本文以集成電路產業為研究對象，通過對該產業專利轉讓與受讓行為進行分析，發現我國集成電路產業技術交易存在的問題，對于促進科技成果轉化具有重要意義。

1? 理論基礎與研究假設

技術交易行為往往是復雜的，需要從不同維度進行分析。現有研究表明，網絡自身結構特征和網絡節點屬性[7]會對網絡演化及網絡成員交易行為產生影響。首先，在網絡層面，核心行動者嵌入等內生性因素會使技術交易網絡發生改變，從而影響進入者及網絡行動者的行為。在網絡節點屬性層面，學者普遍認為網絡行動者屬性通過兩種作用機制影響技術交易網絡變化[8-9]。一方面，行動者專注于自我結構變化，通過自身節點屬性尋找或吸引其他交易主體；另一方面，行動者專注于特征匹配性，通過趨同或趨異模式尋找或吸引其他行動者。因此，本文將影響技術交易行為的因素劃分為網絡效應和行動者效應兩個維度。其中，網絡效應是指技術交易網絡內行動者結構特征對專利轉讓與受讓行為的影響，主要考察網絡內生關系即自組織過程對技術交易行為的影響；行動者效應是指專利轉讓與受讓主體屬性特征對專利轉讓與受讓行為的影響，主要從行動者自身屬性及行動者趨同性兩個角度進行分析。

1.1? 網絡效應

現有研究表明，互惠性[10]、傳遞性[11]和擇優連接[12]等在技術交易網絡演化過程中并存，因此本文選擇這3個指標作為網絡結構層面影響專利轉讓與受讓關系的主要因素。

1.1.1? 互惠性

互惠理念是行為經濟學的理論基礎，認為行為主體在追逐自身利益時還會考慮他人利益（李柏洲等，2019）。兩個獨立個體由于互惠性關系而對資源產生依賴，因此可以長期保持聯系。劉敬偉（2009）等研究發現，互惠關系通過促進隱性知識轉移與共同愿景培養提升研發團隊技術轉移水平和創新能力；趙健等[13]研究發現，互惠關系可以優化企業心理契約，提高企業跨組織知識轉化效率。具體到專利技術交易雙方，本文認為互惠性能夠增強雙方之間的信任，促進雙方專利技術知識共享和專利隱性知識流動，從而實現共贏。據此，本文提出如下假設：

H1：網絡互惠性有利于促進專利技術交易主體進行專利轉讓（受讓）。

1.1.2? 傳遞性

傳遞性是社會網絡的一個基本屬性，表明朋友的朋友也是朋友。Ahuja等[14]的研究表明，網絡行動者更傾向于與聯盟公司或合作伙伴形成聯盟，這種傳遞性構成網絡行動者機會主義行為的一個演變因素，并形成網絡演化動態傳遞過程。在集成電路產業，專利技術交易主體可借助傳遞性，以較低成本獲取網絡中的專利技術、知識和信息，從而提升自身實力。據此，本文提出如下假設：

H2：網絡傳遞性有利于促進專利技術交易主體進行專利轉讓（受讓）。

1.1.3? 擇優連接

擇優連接機制是指網絡中的新節點更傾向于與已有節點建立聯系，即新節點會根據中心度連接網絡中現有節點，本質上是優勢積累的體現[12]，這種現象可能導致網絡演化馬太效應。Wang[15]證實擇優連接機制對隨機行動具有支持作用；Tamas[16]指出，區域知識網絡質量與合作伙伴網絡位置相關，擇優連接機制形成區域知識網絡“核心—外圍”結構。同樣，企業網絡位置也會影響企業技術交易活動開展。據此，本文提出如下假設：

H3：網絡中心度高的專利轉讓（受讓）主體會吸引更多主體進行專利受讓（轉讓）。

1.2? 行動者效應

現有研究表明，行動者社會聲譽[8]、資源[17]、能力[18]和趨同性對行動者選擇起重要作用。因此，本文選擇度量社會聲譽的企業年齡[8]、表征資源優勢的結構洞[19]以及技術創新能力指標探究行動者自身屬性對專利轉讓與受讓行為的影響；另外，學者們聚焦行動者國別[20]和企業集團關系[21]探究行動者趨同性對專利轉讓與受讓行為的影響。

1.2.1? 行動者屬性

（1）企業年齡。年齡依賴理論（Age Dependence Theory）指出，企業年齡可以反映企業資源稟賦、研發能力、管理水平和組織合法性，是選擇聯盟合作伙伴的重要依據[22]。Gulati等[23]認為，與大規模或擁有長期經營記錄的成熟企業建立聯系會產生聲譽效應，增加被推薦的概率；Ahuja等[9]指出，網絡演化因行動者發生，“推薦和聲譽效應”是網絡演化的微動力之一，這種效應可能源于交易對象年齡和其所擁有的資源；Castro[8]對229家上市公司戰略聯盟情況進行分析發現，企業更愿意選擇年齡大的伙伴組建戰略聯盟。具體到專利技術交易伙伴，由于產業內成熟企業普遍擁有較好的資源和聲譽，因此更容易成為專利交易對象。

初創企業的主要目的是將核心技術產品或服務投入到目標市場（何郁冰，2017），但由于存在規模小、市場經驗不足和研發資金薄弱等劣勢，導致初創企業自主創新能力嚴重不足。企業為獲取競爭優勢，會產生依托外界社會力量解決問題的特定需求，這些具有技術需求意愿的主體往往更能成為專利技術轉移對象[25]。據此，本文提出如下假設：

H4a：產業內成熟企業更傾向于專利轉讓；

H4b：產業內初創企業更傾向于專利受讓。

（2）結構洞。從組織資源優勢看，Burt[25]認為占據結構洞位置的網絡行動者擁有大量知識資源，更具有“信息優勢”和“控制優勢”。張寶建（2018）等研究發現，企業因占據結構洞而擁有更多網絡資源，并能夠顯著提高創新績效。集成電路產業高速發展催生出越來越多的新興技術，這些技術具有高增速、高新穎度和高市場潛力等特征。處于高結構洞位置的企業能夠從更多異質技術交易群體中獲取更多技術知識，形成技術資源優勢，使其所申請的專利更加多元，并受到更多不同技術研發主體的青睞，從而促進專利轉讓的不斷發生。據此，本文提出如下假設：

H5：網絡中占據較多結構洞的專利技術交易主體更傾向于發生專利轉讓行為。

（3）技術創新能力。企業技術創新能力是指產品創新能力和工藝創新能力耦合以及由此決定的系統整體功能。相關研究表明，技術聯盟選擇創新合作伙伴時會重點關注合作伙伴的創新能力[18]，合作伙伴創新能力對技術聯盟價值創造和生產效率提升具有積極影響。因此，主體創新能力對技術知識轉移吸收具有重要影響。

實際上，在專利技術交易網絡中，創新實力強的專利主體更容易獲得其他主體青睞，更容易建立技術交易關系。結合集成電路產業發展特征，創新實力較強的創新主體通常創新意愿更強，在技術交易市場中往往掌握更多的專利資源。當企業擁有較強的技術創新能力時，其創新成果更能實現工業化生產或商業化交易，否則將無法補償研發成本[26]，尤其是對于擁有大量專利的專利權人而言，申請、維護專利權成本高昂，會消耗企業巨大的人力和物力成本，并且部分專利價值會隨時間延長而不斷下降，此時通過專利交易獲取轉讓費用成為一種有效的處理方式。另外，為獲取更多創新資源，具有較強吸收能力的企業可從外部購買異質性技術來提升自身實力。現有研究表明，擁有較強技術創新能力的企業在識別和吸收外部關鍵知識方面效率更高，更有利于提高企業創新績效（朱向琳等，2020）。可見，具有較強技術創新能力的企業可通過購買專利拓展企業知識寬度，彌補企業技術空缺，實現“強者更強”的發展目標。

與合作不同，專利技術交易通過買賣方式掌握某項技術知識所有權，因此不同技術交易主體會提高技術交易兼容性，使受讓主體通過模仿實現深度學習，從而提升技術知識使用價值及經驗水平。據此，本文提出如下假設：

H6a：技術創新能力強的主體更傾向于專利轉讓。

H6b：技術創新能力強的主體更傾向于專利受讓。

H6c：技術創新能力差距越小的專利主體越容易發生專利技術交易行為。

1.2.2? 行動者趨同性

除上述行動者屬性特征外，行動者趨同性和趨異性也會影響技術交易關系的達成。行動者沖突在很大程度上由行動者特征不相容引致[27]，兩個相似的人之間建立聯系的概率比兩個沒有相似點的人高很多。基于此，本文認為具有同質屬性的專利供需雙方更容易建立聯系，因此重點考察國別及企業集團兩個因素對專利轉讓與受讓的影響。

（1）國別。隨著經濟全球化的飛速發展，科技全球化應運而生，各國對于提升本國科技成果轉化率的要求越來越迫切。互聯網技術發展為跨國專利轉讓行為提供了快捷的技術支持，跨國公司為跨國專利轉讓行為提供了堅實的載體。這促使專利轉讓不再僅局限于某一國家內部專利技術交易，跨國專利轉讓更加重要。然而，跨國專利轉讓并非絕對的自由行為，其可能會受到各國政策限制[20]；而且，集成電路專利是關乎國家發展的重要技術，從國家戰略視角看，集成電路產業專利轉讓行為會先發生在同一國家內部。據此，本文提出如下假設：

H7：相同國家主體更傾向于進行專利轉讓與受讓。

（2）企業集團。共生理論（Symbiosis）描述了市場運行中各主體間相互合作與競爭的規律。近年來， 共生理論的應用逐漸從工業生態領域擴展到企業集團網絡。相關研究發現，企業集團網絡存在共生組織模式和行為模式，表現為內部成員常進行信息交流、技術交換和物質聯系，形成以企業集團為載體的內部關系[21]。在進行專利技術交易時，這種內部關系能夠有效降低專利交易成本，同時也有利于隱性知識擴散，促進企業集團內部各類技術均衡發展，并減少核心技術外溢風險。據此，本文提出如下假設：

H8：企業集團內部各主體更傾向于進行專利轉讓與受讓。

綜上所述，本文構建理論模型，如圖1所示。

2? 研究設計

本文以我國集成電路產業專利技術交易數據為基礎構建專利轉讓與受讓行為分析模型，借助隨機行動者模型Siena建模并進行實證檢驗，研究框架如圖2所示。

2.1? 數據來源與處理

本文數據來源于Incopat全球專利數據庫。首先，通過閱讀大量集成電路產業相關文獻、政府報告、專利及技術報告采集數據，確定檢索表達式為：（TIAB=（“集成電路”） OR TIAB=（“微電路”） OR TIAB=（“微芯片”） AND （PD=[20020101 to 20191231]）），篩選公開法律事件中包含“轉讓”事件的專利，得到集成電路產業相關技術交易數據，共計9 026條專利數據信息；其次，抽取的專利信息包括專利轉讓主體、受讓主體、轉讓日期、所屬國別、成立年份，根據專利權人信息，通過企查查數據庫、企業官方網站和二手資料等多種渠道查詢對外投資子公司的基本信息，對相關企業集團進行梳理。再次，基于He等[3]對單次轉讓記錄中多主體拆分規則的分析，借助Python工具對專利轉讓人與受讓人進行識別和拆分，并刪除以個人為主體進行專利交易的技術交易數據和重復交易數據，具體規則如表1所示。在表1中，A、B、C表示技術交易主體，“→”表示技術交易方向。

2.2? 研究方法與變量選取

專利轉讓和受讓行為形成技術交易網絡，技術交易網絡結構反過來也會影響專利轉讓與受讓者行為。為刻畫行動者屬性和網絡結構特征對交易轉讓與受讓關系的影響，本文引入Siena模型，該模型是為分析動態網絡演化而設計的估計模型，通過整合網絡節點外生屬性和內生結構特征，運用蒙特卡洛算法，模擬網絡如何從一種狀態演化為另一種狀態，并估計所選指標的參數值，是當前探究網絡動力學的最優工具[28]。與傳統實證研究方法相比，其能夠引入更多隱藏在網絡中的內生結構因素，因此更適用于網絡關系實證研究。目前，已有學者利用Siena對網絡關系演化進行實證研究。如Mirc等[29]運用Siena模型，探究收購公司與被收購公司員工向他人尋求建議的4個微觀過程；Liang等[11]借助Siena模型，研究2003—2013年由政府贊助的中國太陽能技術發展協作網絡結構效應和屬性鄰近性效應演變過程；Lazzeretti等[30]利用Siena模型研究各種鄰近性對集群創新網絡動態演化所發揮的作用。可見，借助Siena模型開展實證研究已成為新趨勢。

Siena模型從網絡微觀層面入手，用實際網絡擬合網絡生長過程，將行動者看作網絡中的節點，將連接各節點的邊看作行動者之間的相互關系，將網絡演化看作是行動者新建、保持或者終止與其他行動者邊的過程，并為每個行動者定義了目標效用函數，代表網絡節點發生變化的概率（節點行為規則）。目標效用函數是一組效果的加權綜合，具體如公式（1）所示。

fiβ，x=∑LK=1βksik（x）（1）

式（1）中，fiβ，x表示行動者i的目標函數值，βk表示效應sik（x）強度的統計參數。sik（x）是基于理論和實際選擇的一系列網絡效應（Effect）和行為協變量（Covariate），包括個體協變量和二元協變量效應。若βk=0，無影響；若βk為正，表示影響效果更強；若βk為負，則表示結論相反。

基于此，本文運用Siena模型構建行為框架，從網絡結構、行動者屬性兩個方面加入相關協變量。其中，網絡結構變量利用“RSiena”軟件包中相應變量自動估值計算；行動者屬性變量采用等級賦分法，按照表中相關測量方法對各技術交易主體進行測算，根據數據整體分布情況制定類別標準，并按照各主體所屬類別等級分派數字，數字范圍為0～6共7級，數值越大說明等級越高；行動者趨同性變量用二元矩陣形式呈現，若兩個技術交易主體具有相同屬性則賦值為1，否則為0。上述變量空缺數據均以空值“NA”表示，具體協變量選取與測度方法如表2、表3所示。

3? 實證研究

3.1? 集成電路產業專利技術交易特征

3.1.1? 專利技術交易數量變化特征

我國集成電路產業發展與國家戰略政策息息相關。2001年10月1日起，我國開始實施《集成電路布圖設計保護條例》，在保護集成電路布圖設計專有權的同時，鼓勵集成電路技術創新；2001年，我國正式加入WTO，我國集成電路市場與國際市場融為一體，打通了我國集成電路產業對外貿易渠道；2011年1月28日，國務院頒布《進一步鼓勵軟件產業和集成電路產業發展的若干政策》，為進一步優化軟件產業和集成電路產業發展環境，提高產業發展質量和水平奠定了重要基礎。基于此，本文結合我國產業政策及戰略布局，將集成電路產業技術交易劃分為兩個階段：萌芽階段（2002-2010年）、成長階段（2011-2019年）。

我國集成電路產業專利轉讓數量整體呈波動上升趨勢，如圖3所示。在萌芽階段，轉讓數量從2002年的13件增至2010年的576件，但與成長階段相比，該階段集成電路產業專利轉讓數量處于較低水平；而從2011年起，隨著產業步入成長期，專利轉讓數量明顯提升，從2011年的463件增至2019年的952件，越來越多的行動者投身于該產業專利技術交易，集成電路產業逐漸進入專利轉讓活躍期。

3.1.2? 專利技術交易網絡演化特征

本文進一步對兩階段專利技術交易網絡進行可視化分析，并對整體網絡指標進行測算，結果如圖4、表4所示。在可視化網絡中，各節點（行動者）表示不同專利技術交易主體，節點之間的連線（邊）表示主體間的交易關系。節點半徑越大，表明節點度越大，即專利主體承載的專利技術交易關系越多。

本文通過分析兩階段技術交易網絡結構特征指標發現：

（1）從網絡結構看，專利技術交易主體多為單向箭頭連接關系，隨著產業不斷發展，技術交易網絡節點數和邊數明顯增多，產業技術交易網絡規模不斷擴大，網絡結構日益復雜。這表明，我國集成電路產業以單向交易為主，相關市場需求不斷增多，越來越多的企業進入該產業進行專利技術交易，專利技術交易規模呈擴大趨勢。

（2）與萌芽階段相比，成長階段網絡傳輸效率雖然有所提升，但仍處于較低水平。網絡直徑和平均路徑長度可用以衡量網絡節點間的最遠距離和信息傳遞有效性[31]。在兩個階段中，網絡直徑與平均路徑長度總體變化不大，網絡直徑始終為4，平均路徑長度從1.333下降至1.277。這表明，隨著產業不斷發展，信息網絡傳輸有效性雖有所提升，但網絡信息傳輸速度無明顯改變，信息流通耗費節點較多能量，導致技術知識轉移困難。

（3）萌芽階段技術交易網絡形成的鎖定效應，在成長階段有所緩解。平均聚類系數用以衡量網絡節點與鄰居節點間的緊密程度。在集成電路產業技術交易網絡中，平均聚類系數由萌芽階段的0.043下降至成長階段的0.026。這表明，隨著集成電路產業從萌芽階段過渡至成長階段，網絡節點間的緊密性明顯下降，節點更多呈現分散特征，鎖定效應減弱。

（4）網絡組織社團化特征明顯，技術交易社團呈現擴張態勢且社團緊密程度不斷提高。在集成電路產業萌芽階段，專利技術交易網絡模塊化值為0.882，接近1，表明網絡社團化空間結構顯著，隨著集成電路產業步入成長階段，這一數值繼續提升至0.951，表明社團組織穩定性進一步提升。結合網絡結構可視化分析發現，核心社團節點數量明顯增加，社團規模擴大，以核心節點為主的領導型社團特征開始顯現。

3.2? 基于Siena的專利轉讓與受讓行為分析

為進一步探究影響集成電路產業技術交易關系形成和演化的因素以及兩階段技術交易主體行為機制異同，本文借助Siena模型，從動態視角分析驅動技術交易網絡從萌芽狀態發展到成長狀態的組織行為機制。

由于集成電路產業技術交易主體數量較多，且多數主體僅在單一時間段內擁有少量交易，不利于后續行為影響因素分析。現有研究表明，核心節點能夠統籌非核心節點模態，因而更具有代表性（孫國強，2021）。因此，本文根據各階段專利技術交易主體交易頻次，篩選各階段專利技術交易主體作為兩階段核心節點，分別為63個和94個，其技術交易關系占總關系的44%以上。同時，基于3年時間移動窗口，將各階段技術交易網絡劃分為3個時間序列，如萌芽階段：（2002-2004年、2005-2007年、2008-2010年），根據上文確定的指標測度方式，挖掘各階段專利轉讓與受讓行為影響因素并進行比較分析。

3.2.1? 有效性檢驗

本文借助RSiena軟件包中的GOF檢驗，利用擬合優度p值對萌芽階段和成長階段模型有效性進行檢驗。結果發現，萌芽階段擬合優度p值為0.401，成長階段擬合優度p值為0.644，兩個階段檢驗p值均高于0.05。這表明，將上文確定的網絡結構和個體屬性指標納入模型，所得網絡與實際觀察網絡偏差較小，模型能夠很好地描述現實網絡變化，結果比較穩健，可用于行為演化分析。

3.2.2? 結果分析

本文基于網絡效應中的互惠性、傳遞性、擇優連接以及行動者效應中的企業年齡屬性、結構洞屬性、創新能力屬性、國別屬性、企業集團屬性，分別對兩階段共6個時期構建Siena模型，從發送者效應、接受者效應和趨同性3個方面對網絡動態演化過程進行統計分析，研究專利轉讓與受讓行為影響因素，結果如表5所示。

兩個階段專利轉讓與受讓行為網絡模型分別在經歷3 010次和3 060次迭代后顯示出良好的收斂性，所有參數t比率均小于（模型規定）0.1，兩階段總體最大t比率分別為0.162和0.107，小于模型規定的0.25。因此，Siena模型可用于專利轉讓與受讓行為影響因素分析。

3.3? 網絡穩定性分析

網絡演化速率參數用來計算樣本期間內已創建或溶解的連接數，表明行動者在樣本期間形成新關系的概率，是度量網絡穩定性變化的重要方式[30]。由表5可知，兩個階段4個時期網絡演化速率值為正并在1%置信水平下顯著，數值介于1.345～2.940之間，變化幅度較大，說明集成電路產業專利技術交易網絡不穩定。具體而言，成長階段第2個時期即2014-2016年至2017-2019年網絡演化速率最快為2.940，說明該段時期每個行動者之間建立的聯系最頻繁，主體間技術交易意愿最大，知識轉移最多。

3.4? 轉讓與受讓行為分析

3.4.1? 網絡效應對轉讓與受讓行為的影響

度數是Siena模型的基準參數，表示行動者傾向于與網絡中其他人建立聯系的趨勢。在兩階段中，度數參數始終顯著為負，說明集成電路產業技術交易網絡稀疏，演化雖然帶來行動者數量增加，但行動者更傾向于與現有伙伴進行專利技術交易。

互惠性參數是互易效應的體現，參數數值為正表示如果存在節點到節點之間的聯系，那么將會促進相反方向連接。由表5可知，互惠性參數在兩個階段均為負且不顯著，說明在技術交易網絡中核心行動者之間不存在顯著互惠交易關系，假設H1未得證。

傳遞性參數計算的是核心行動者在兩個或多個路徑距離（k≥2）處可到達的網絡其他行動者的數量，體現核心行動者的人際關系。在表5中，傳遞性參數均為正，作用效果及顯著性水平隨時間推移而顯著。這表明，傳遞關系在集成電路產業不同階段均會帶來積極影響，且其作為網絡演化動力學驅動因素越來越重要，行動者越來越愿意與伙伴的伙伴進行專利技術交易，因此假設H2得以驗證。

本文采用擇優連接參數衡量行動者入度度數分散趨勢，表5中兩階段參數均顯著為正，說明多次進行專利受讓行為的核心行動者因當前高入度而傾向于吸引額外行動者進行專利轉讓，因此假設H3得以驗證。同時，隨著時間推移，該參數值及顯著性水平有所下降，這與決策期望理論相符[29]，即隨著時間推移，決策者會減少對最受歡迎的個人的咨詢需求，轉向那些以最低成本提供知識收益的個人尋求意見。因此，擇優連接趨勢將顯著下降。

3.4.2? 行動者效應對轉讓與受讓行為的影響

（1）企業年齡。發送者效應和接受者效應在集成電路產業萌芽階段均為負且數值接近于0，因為在產業初期，各企業成立時間較短，仍處于探索階段，沒有明顯的龍頭企業和權威組織，專利轉讓與受讓行為受聲譽影響較小。同時，由于缺乏信任，企業不愿意進行技術交易。因此，企業年齡對專利轉讓與受讓行為無明顯影響。但隨著產業進入成長階段，企業年齡對專利轉讓與受讓行為的影響作用開始凸顯，發送者效應顯著為正、接受者效應顯著為負，表明產業內成熟企業傾向于專利轉讓，初創企業傾向于專利受讓。這表明，隨著時間推移，產業內成熟企業得到更多認可，同時也積累了更多資源，拓展專利認可交易渠道，因此更傾向于進行專利轉讓，假設H4a得到驗證。與此同時，在產業高速成長期，初創企業由于缺乏經驗以及受研發資金限制，為保持核心競爭力，更愿意進行專利受讓，假設H4b得到驗證。

（2）結構洞。發送者效應在產業萌芽階段數值接近于0且不顯著，表明占據結構洞優勢的行動者對專利轉讓與受讓行為無明顯影響。這是因為在產業發展初期，產業知識和技術尚不成熟，大量行動者的涌入使知識和技術呈現多樣化特征，而占據多個結構洞位置的核心行動者由于吸收能力有限難以消化大量多樣化信息[32]，從而會抵消結構洞位置所帶來的信息優勢。在成長階段，結構洞參數顯著為正，表明隨著時間推移，處于高結構洞位置的核心行動者因擁有信息和資源優勢，更易獲得行動者認可，更傾向于進行專利轉讓。因此，假設H5得到驗證。

（3）創新能力。接受者效應系數在兩階段均為負但不顯著，說明創新能力較弱的主體更傾向于進行專利受讓，但這種趨勢不明顯，假設H6b未得到驗證。發送者效應系數在兩階段均顯著為正，但數值呈下降趨勢，說明技術創新能力強的核心行動者更愿意進行專利轉讓，但隨著時間推移這種意愿不斷下降，假設H6a得以驗證。趨同性系數在兩個階段均顯著為正，數值不斷增大，說明技術創新能力差距越小的核心行動者越容易發生專利技術交易行為，假設H6c得以驗證。結合發送者效應與趨同性參數變化規律可以看出，隨著時間推移，核心行動者的技術交易行為更傾向于對技術創新能力強的行動者轉讓并對與自身實力相似的行動者進行專利轉讓與受讓。這表明，核心行動者進行專利交易的目的從獲取收益和技術逐漸轉變為追求經濟利益最大化，盡可能從相似創新主體處汲取技術和經驗，以縮小競爭差距。

（4）國別。趨同性系數在兩個階段中顯著為正，表明國別屬性對于專利技術交易網絡演化具有積極影響。在不同階段，基于距離成本和技術保護政策考慮，專利主體更傾向于選擇同一國別內其他專利主體進行交易，以提高知識轉移效率，假設H7得到驗證。

（5）企業集團。趨同性系數在兩個階段均顯著為正，表明核心行動者更傾向于優先選擇與自己公司存在控制關系的子母公司進行技術交易，以減少知識外溢，假設H8得到驗證。

4? 結語

4.1? 研究結論

本文將集成電路產業發展劃分為萌芽階段（2002-2010年）和成長階段（2011-2019年），按照3年移動窗口構建網絡，對各階段專利轉讓與受讓行為影響因素進行研究，得出如下研究結論：

（1）專利技術交易主體以單向交易為主，隨著集成電路產業從萌芽階段步入成長階段，產業技術交易主體數量雖然有所增加，網絡規模不斷擴大，網絡傳輸效率有所提升，但仍處于較低水平，初期形成的鎖定效應在成長階段得到明顯緩解。技術交易網絡組織社團化特征明顯，技術交易社團規模呈現擴張態勢且社團緊密程度不斷提高。

（2）集成電路產業專利技術交易網絡不穩定，且變化幅度較大。其中，在“十三五”規劃和政策扶持下，集成電路產業成長階段第2個時期（2014-2016年至2017-2019年）網絡演化速率最快，交易最頻繁。

（3）通過分析網絡效應對專利轉讓與受讓行為的影響發現，兩個階段作用效果無明顯變化，企業在選擇技術交易伙伴時更愿意與伙伴的伙伴進行專利技術交易。同時，受讓行為頻繁的企業更傾向與更多行動者進行專利轉讓，企業間不存在明顯的互惠交易關系。

（4）通過分析行動者效應對專利轉讓與受讓行為的影響發現，隨著產業進入成長階段，成熟企業更傾向于專利轉讓，初創企業更傾向于專利受讓，占據較多結構洞位置的企業，傾向于發生專利轉讓行為；創新能力較弱的企業更傾向于進行專利受讓，但不明顯；技術創新能力強的企業更愿意進行專利轉讓，但隨著時間推移意愿有所下降；技術創新能力差距小的企業更容易發生專利技術交易；企業在尋找交易對象時更傾向于選擇同一國別或同一企業集團內的伙伴進行專利技術交易。

4.2? 研究啟示

（1）企業集團內更容易發生專利技術交易行為，這有可能導致專利技術交易網絡馬太效應，形成技術鎖定，抑制主體間知識流動，從而影響整個產業科技成果轉化效率。為促進產業轉型升級，提升創新效率，政府應扶植多主體參與新型研發機構，建立產業內部企業和企業、企業和科研機構以及企業和中介服務機構之間的聯系，為企業集團提供互補信息和資源，同時促進集團內部技術交易和推廣，帶動整體產業升級。

（2）由于集成電路產業專利技術具有通用性和復雜性特點，使技術交易主體不愿尋找新技術交易伙伴而更愿意與伙伴的伙伴建立聯系，以減少信息不對稱帶來的交易風險。為突破這一瓶頸，政府應完善技術交易平臺，舉辦相關論壇和交流活動，為企業提供廣泛獲取專利技術交易信息的機會，同時避免信息不對稱風險，提高專利技術主體積極性，促進技術交易網絡可持續發展。

（3）當前集成電路產業專利技術交易正處于高速成長期，伴隨著產業內企業數量的不斷增加，大量專利涌入技術交易市場，為降低專利轉讓與受讓過程中的道德風險和逆向選擇風險，各級政府應健全專利技術交易法律法規體系，建立基于區塊鏈技術的技術交易聯盟鏈，鼓勵交易主體和交易技術上鏈，借助智能合約和共識機制約束企業交易行為，完善技術交易信任機制。

參考文獻：

[1]FIGUEROA N，SERRANO C J.Patent trading flows of small and large firms[J]. Research Policy， 2019，48（7）：1601-1616.

[2]曾婧婧， 溫永林， 畢超. 高校技術轉移與企業技術轉移對區域創新能力的差異性貢獻——技術轉移中心的調節作用[J]. 科技進步與對策， 2020，37（6）：84-91.

[3]HE X J，DONG Y，ZHEN Z，et al. Weighted meta paths and networking embedding for patent technology trade recommendations among subjects[J]. Knowledge-Based Systems， 2019，184（15）：104891-104899.

[4]BAHMANI M，MEHDI N. Trade-based technology transfer and its impact on the Iranian economy： using a CGE model[J]. Iranian Economic Review， 2015，19（1）：107-122.

[5]任龍， 姜學民， 傅曉曉. 基于專利權轉移的中國區域技術流動網絡研究[J]. 科學學研究， 2016，34（7）：993-1004.

[6]CAVIGGIOLI F， UGHETTO E. The drivers of patent transactions： corporate views on the market for patents[J]. R&D Management， 2013，43（4）：318-332.

[7]LIAN X， GUO Y， SU J. Technology stocks： a study on the characteristics that help transfer public research to industry[J]. Research Policy， 2021，50（10）：104361.

[8]CASTRO I， CASANUEVA C， GALáN J L. Dynamic evolution of alliance portfolios[J]. European Management Journal， 2014，32（3）：423-433.

[9]AHUJA G， SODA G， ZAHEER A. The genesis and dynamics of organizational networks[J]. Organization Science， 2012，23（4）：1211.

[10]林昭文， 張同健， 蒲勇健. 基于互惠動機的個體間隱性知識轉移研究[J]. 科研管理， 2008，29（4）：28-33.

[11]LIANG X， LIU A M M. The evolution of government sponsored collaboration network and its impact on innovation： a bibliometric analysis in the Chinese solar PV sector[J]. Research Policy， 2018，47（7）：1295-1308.

[12]SUN Y T， LIU K. Proximity effect， preferential attachment and path dependence in inter-regional network： a case of China's technology transaction[J]. Scientometrics， 2016，108（1）：201-220.

[13]趙健， 尤建新， 張同建， 等. 互惠性視角下的知識型企業知識轉化機制[J]. 同濟大學學報（自然科學版）， 2011，39（2）：304-308.

[14]AHUJA G， SODA G， ZAHEER A. Introduction to the special issue： the genesis and dynamics of organizational networks[J]. Organization Science， 2012，23（2）：434-448.

[15]WANG Z Z， ZHU J. Homophily versus preferential attachment： evolutionary mechanisms of scientific collaboration networks[J]. International Journal of Modern Physics C， 2014，25（5）：1440014.

[16]SEBESTYEN T， VARGA A. Research productivity and the quality of interregional knowledge networks[J]. Annals of Regional Science， 2013，51（1）：155-189.

[17]韓煒， 楊俊， 陳逢文， 等. 創業企業如何構建聯結組合提升績效——基于“結構—資源”互動過程的案例研究[J]. 管理世界， 2017，33（10）：130-149.

[18]喻金田， 胡春華. 技術聯盟協同創新的合作伙伴選擇研究[J]. 科學管理研究， 2015，33（1）：13-16.

[19]劉璇， 汪林威， 李嘉， 等. 科研合作網絡形成機理——基于隨機指數圖模型的分析[J]. 系統管理學報， 2019，28（3）：520-527.

[20]謝建國. 市場競爭、東道國引資政策與跨國公司的技術轉移[J]. 經濟研究， 2007，53（6）：87-97.

[21]朱娜娜， 趙紅巖， 謝敏. 基于共生理論下的子母公司合作關系與績效表現的實證研究——來自上市公司與跨國公司的經驗證據[J]. 預測， 2017，36（5）：76-80.

[22]趙超， 王鐵男. 伙伴年齡非對稱性對企業戰略聯盟價值的影響[J]. 管理評論， 2019，31（11）：183-194.

[23]HIGGINS G M C. Which ties matter when？ the contingent effects of interorganizational partnerships on IPO success[J]. Strategic Management Journal， 2003，24（2）：127-144.

[24]伊惠芳， 吳紅. 多級需求分析視域下高校專利轉移對象識別研究——以石墨烯為例[J]. 圖書情報工作， 2020，64（12）：118-126.

[25]LAZEGA E， BURT R S. Structural holes： the social structure of competition[J]. Revue Francaise de Sociologie， 1995，36（4）：779.

[26]SUN Y T， GRIMES S. The actors and relations in evolving networks： the determinants of inter-regional technology transaction in China[J]. Technological Forecasting and Social Change， 2017，125：125-136.

[27]LAVIE D， MILLER S R. Alliance portfolio internationalization and firm performance[J]. Social Science Electronic Publishing， 2008，19（4）：623-646.

[28]SNIJDERS T， BUNT G， STEGLICH C. Introduction to stochastic actor-based models for network dynamics[J]. Social Networks， 2010，32（1）：44-60.

[29]MIRC N， PARKER A. If you do not know who knows what： advice seeking under changing conditions of uncertainty after an acquisition[J]. Social Networks， 2020，61（8）：53-66.

[30]LAZZERETTI L， CAPONE F. How proximity matters in innovation networks dynamics along the cluster evolution. a study of the high technology applied to cultural goods[J]. Journal of Business Research， 2016，69（12）：5855-5865.

[31]WATTS D J， STROGATZ S H. Collective dynamics of 'small-world' networks[J]. Nature， 1998，393（6684）：440-442.

[32]馬永紅， 楊曉萌， 孔令凱. 關鍵共性技術合作網絡演化機制研究——以醫藥產業為例[J]. 科技進步與對策， 2021，38（8）：60-69.

責任編輯（責任編輯：王敬敏）

英文標題The Behavior of Patent Assignors and Assignees Based on the Network Effect and the Actor Effect

英文作者Liu Xiaoyan， Sun Lina， Shan Xiaohong， Yang Juan

英文作者單位（College of Economics and Management， Beijing University of Technology， Beijing 100124，China）

英文摘要Abstract：As the conversion rate of scientific and technological achievements is less than 30%， technology transaction is regarded as the link between invention and application. It is not only the main channel of technological innovation diffusion， but also an effective way to make the transformation of scientific and technological achievements into practice. This paper focuses on the behavior of patent assignors and assignees， and it aims to analyze the characteristics of transactions， identify the main factors affecting patent transaction， and provide a scientific basis for the government to formulate policies as well as promote technology transactions.

At present， the study of patent technology transaction and its behavior has become the focus of attention， but the research is fragmented between the network structure and the attributes of the actors themselves： research on technology transaction networks mainly focuses on the analysis of the factors and evolution characteristics which affect the field of technology transactions at the overall network level. It ignores the influence of the attributes of the network nodes on the evolution of the network. In addition studies on the behavior of patent assignors and assignees are mostly based on case analysis which is greatly influenced by objective factors.

The integrated circuit industry is a core and representative industry for the intelligent transformation of manufacturing and is most affected by the U.S. constraints in China in the post-epidemic period. To settle this conflict， this paper begins with the theoretical foundation and divides the factors affecting technology transaction behavior into two dimensions：the network effect and the actor effect. Therefore it proposes the research hypotheses in terms of three dimensions： structural characteristics of the network， actors' own attributes and inter-actor convergence. Then， the paper describes the data sources and processing methods， the research method stochastic actor-oriented model （Siena） and the variable measures. Subsequently， using the patent transfer data of the IC industry from 2002 to 2019， the study analyzes the overall trends and characteristics of patent technology transactions in this industry statistically and divides the industry stages. On this basis， it builds the patent technology transaction network of this industry to measure the characteristics of patent technology transactions in this industry from two aspects： quantity change and network evolution. Meanwhile，? combined with research hypotheses， an empirical study of patent technology trading behavior based on the Siena model is conducted to analyze the characteristics of technology transaction behavior.

The main findings are as follows. First， in terms of the technological transaction network evolution， the patent technology transaction is mainly in a one-way mode. With the integrated circuit industry entering to the stage of growth， the number of technology transaction entities within the industry increases and the network scale increases. The efficiency of information transmission in the network has been improved， however it is still at a low level; the lock-in effect formed at the initial stage of the network is obviously relieved; the organization in the network is characterized by community， and the scale of community is expanding while the degree is increasing. Second， in terms of the stability of patent technology transaction network， the patent technology transaction network of integrated circuit industry is unstable and has a large variation. Third， in terms of network effect， assignors are more inclined to trade with partners of technology trading partners; as the assignees， firms will attract more new technology trading partners; there is no obvious reciprocal transaction between firms. Fourth， in terms of actor effect， as the industry enters the growth stage， mature firms are more likely to be patent assignors， and start-up firms are more likely to be patent assignees， and firms in the high structural hole position are more likely to be patent assignors; the smaller gap in technological innovation capabilities， the more likely technology transactions will occur between firms; firms tend to choose partners in the same country or in the same enterprise group for patent transaction. The research results have enriched the theoretical system and application scope of social network analysis in the field of patent technology trading， and enables scholars to analyze the factors influencing the transformation of scientific and technological achievements further. Meanwhile， it provides novel insights for the government to formulate industrial policies.

英文關鍵詞Key Words：Network Effect； Actor Effect; Patent Transfer；Patent Assignment；Technology Transaction; Transformation of Scientific and Technological Achievements