基于SAOM模型的主體協同創新網絡演化機理

摘要： 為探究主體協同創新網絡的動態演化，基于電子信息產業聯合發明專利數據構建網絡，揭示網絡演化特征，并構建隨機行動者模型識別網絡演化影響因素。研究表明：電子信息產業創新主體與創新關系隨時間演化呈前期上升、后期平穩之勢，網絡規模趨于穩定，節點間聯系愈加緊密。網絡演化受到網絡結構特征、創新主體特征以及鄰近性機制的共同影響；其中，合作廣度與地理鄰近性的影響最大。

關鍵詞： 創新網絡；隨機行動者模型；動態演化機制；電子信息產業

中圖分類號： C93；G306文獻標識碼： A

Dynamic Evolution Mechanism of Innovator Collaborative Innovation Network Based on Stochastic Actor-oriented Model

LI Changsheng， SUO Qi， WANG Zihao

（School of Economics Management，Qingdao University of Science and Technology， Qingdao 26606 China）

Abstract：In order to explore the dynamic evolution of innovator collaborative innovation network， networks are constructed based on the data of joint invention patent in electronic information industry. The paper reveals the characteristics of networks evolution， and constructs random actor models to identify the influencing factors of networks evolution. The results show that the relationship between innovators and innovation in electronic information industry increases in the early stage and becomes stable in the later stage. The network scale tends to be stable and the connections between nodes become closer. Network evolution is influenced by network structure characteristics， innovator characteristics and proximity mechanism. Among them， cooperation breadth and geographical proximity have the greatest impact.

Keywords： innovation network; stochastic actor-oriented model; dynamic evolution mechanism; electronic information industry

0 引言

創新是發展的重要動力源泉，是建設現代化經濟體系的戰略支撐。黨的十九大報告將“躋身創新型國家前列”作為遠景目標，進一步明確了“堅持創新在我國現代化建設全局中的核心地位”這一創新發展戰略。自1992年“產學研聯合開發工程”啟動以來，產學研協同創新已成為中國重要的多主體協同創新模式之一。其本質是通過異質性知識流動和資源共享實現知識與資源的創造與增值［1］，為產業突破傳統單一創新主體的發展瓶頸提供了良好的發展思路。企業、高校和研究所作為核心創新主體，以協調資源、優勢互補的方式開展協同創新合作，提升產業創新績效，繼而促進產業鏈升級和高質量發展。

已有研究基于社會網絡分析方法從合作模式［2］、網絡演化［3］等視角對協同創新進行了較為充分的探討，研究發現，核心節點多為規模較大、知名度較高的創新主體［4］，合作模式多以企業為核心［5］，網絡多具有明顯的小世界性［6］和“核心邊緣”等結構特征［2］，網絡的動態演化受多種因素的共同影響［7］。部分學者在網絡構建與空間分析基礎上，運用回歸模型［8］、隨機行動者導向模型［9］等方法探究影響網絡動態演化的影響因素，發現網絡主體行為變量及鄰近性機制［10］已被廣泛應用于網絡演化驅動機制中。圍繞具體產業，學者基于區域［11］和主體［12］視角，探究了產業協同創新網絡的拓撲結構及演化規律，為產業的創新能力提升和長效發展提供了建設性意見。

1 理論基礎與研究假設

關系網絡的形成和演變受到網絡主體屬性和網絡結構特性等因素的綜合影響［13］。其中，創新主體的行為特征包括網絡主體屬性以及主體間形成的鄰近性機制。

1.1 網絡結構特征機制

網絡結構是系統自組織的結果，網絡關系的形成不僅需考慮主體基本屬性和隨機性的影響，同時還需要考慮節點嵌入網絡所形成的網絡結構特征機制的影響［14］，如互惠性、傳遞性等。主體協同創新網絡屬于無向網絡，因此主要探究傳遞三元組對網絡動態演化的影響。

研究發現，兩個節點的共同朋友越多，則其建立聯系的可能性越高［15］。結合本文情境，若A與C有合作關系，B與C也有合作關系，則A與B存在較大概率建立合作關系。產業協同創新多以固定合作模式為主，創新主體在選擇新的合作伙伴時常常會面臨一定風險，C的存在增加了A與B的交流機會，并以信任傳遞方式降低了A與B之間的不確定性。依賴現有合作關系有助于提供可靠的信息源，促進網絡成員合作意愿進一步加強，產生更為頻繁的知識交流與共享［16］，從而快速建立合作關系。

綜上分析，提出研究假設1：

假設1 在主體協同創新網絡中，傳遞三元組有助于推動網絡演化發展。

1.2 網絡主體特征機制

同質性理論認為，具有相似或相同屬性的主體之間更有可能建立聯系，本文探究創新能力、合作廣度和創新經驗三個變量對網絡動態演化的影響。

根據主體創新能力，可將協同創新模式分為強強合作、弱弱合作、強弱合作三種模式。強強合作雙方由于競爭與利益沖突，往往難以保持長期合作；弱弱合作無法達成創新能力與成果的有效突破；強弱合作能夠滿足雙方的戰略需求，創新能力強的主體利用網絡效應保持甚至擴大技術領先地位，創新能力弱的主體則通過知識交流與實踐學習，實現技術追趕［17］。

合作廣度一般指主體與其他主體建立合作關系的廣泛程度［18］，能夠反映創新主體的網絡地位與影響力。合作廣度大的主體占據網絡核心位置，具有豐富的資源與較高的影響力；受擇優連接機制影響［19］，新進主體與邊緣主體一般會與合作廣度大的核心主體進行合作，以增強自身的網絡中心性。

創新主體在選擇協同創新伙伴時，通常通過類似口碑或經驗等指標進行篩選［12］。創新經驗豐富的創新主體能夠更好地節省成本和規避風險，對于潛在合作伙伴更具吸引力［20］；然而，創新主體間的創新經驗差距過大會導致合作溝通成本增加，容易出現理解盲區。

綜上分析，提出研究假設2～4：

假設2 在主體協同創新網絡中，創新能力差異大的主體間更傾向于建立合作關系。

假設3 在主體協同創新網絡中，合作廣度差異大的主體間更傾向于建立合作關系。

假設4 在主體協同創新網絡中，創新經驗相近的主體間更傾向于建立合作關系。

1.3 鄰近性機制

主體間的相互作用也會對網絡的動態演化產生一定影響，本文選取地理鄰近性和組織鄰近性探究網絡鄰近性機制的影響。

地理鄰近性是對主體間空間位置遠近程度的衡量。通信技術的發展在一定程度上突破了地理距離的絕對限制，基于互聯網等工具可以實現遠距離實時交流。然而，在協同創新過程中，地理鄰近仍然是驅動隱性知識創新的核心動力［21］。地理鄰近能夠有效降低創新主體間的交流和溝通成本，增強隱性知識的傳播并建立長期信任關系。

組織鄰近性是指主體間在組織結構、規章制度、文化等方面的相似性［22］。研究將創新主體劃分為企業、高校、研究所3種類型，其協同創新合作模式為3種組織類型之間的兩兩或三者合作。組織類型相同的主體擁有相似的組織結構、規則制度和激勵機制，通過高效率的知識交流與管理，能夠降低合作成本［23］，具體表現為母子公司、高校附屬分院等形式。

綜上分析，提出研究假設5～6：

假設5 在主體協同創新網絡中，地理距離鄰近的主體間更傾向于建立合作關系。

假設6 在主體協同創新網絡中，組織類型相同的主體間更傾向于建立合作關系。

2 實證分析

2.1 數據來源與研究方法

電子信息產業技術更新速度快，研發合作頻繁，是知識密集型、技術創新活動活躍的典型產業，頻繁的技術更迭使其協同創新合作呈現出復雜的網絡化特征。以電子信息產業為例，從主體層面探究協同創新網絡的結構特征及動態演化機制，對于新時期產業創新能力的提升具有深遠意義。

聯合申請發明專利數據具有可獲得、易處理等優點，較好地反映了創新主體之間的研發合作活動。通過國家知識產權局專利信息服務平臺（http：//search.cnipr.com/）獲取1985～2017年電子信息產業發明專利數據，共計681 912條。由于數據量龐大、時間跨度過長，為保證研究結果的時效性，借助Logistic曲線擬合法對產業生命周期進行劃分，只保留2011～2017年間至少4年參與協同創新合作的企業、高校和研究所以及歷年的合作關系（不含港澳臺地區），最終篩選出430個創新主體作為實證分析對象。構建430×430的二值鄰接矩陣，并建立縱向網絡數據庫。鄰接矩陣中，若創新主體間存在合作關系則為1，否則為0。

SAOM（Stochastic Actor-Oriented Model）結合了仿真模擬、馬爾可夫過程和隨機效應模型［9］，相較于負二項回歸模型和ERGM等研究方法，能夠基于多層次、動態歷時數據，對影響網絡節點間關系維持、消失或新建等動態變化的變量進行參數估計，從而更加全面地分析時間段內的縱向網絡動態演化影響因素［24］；協同創新合作關系的變化是由其速率函數決定的，運用Logistic回歸模型來模擬選擇的概率［25］。速率函數表達式為

Pix0，x，v，w=expfix0，x，v，w∑x′∈Cx0expfix0，x′，v，w （1）

其中，x0為網絡初始狀態；x為網絡潛在新狀態；v為網絡中創新主體的主體屬性，如專利數量等；w為網絡中創新主體的鄰近性機制指標，如地理距離等。

SAOM定義了效用函數作為行為主體的目標函數，創新主體選擇合作伙伴時總是期望目標函數最大化，依據創新主體的效用函數來模擬創新合作關系的演變。目標函數受網絡結構、主體屬性和鄰近性機制的綜合影響，其表達式為

fix0，x，v，w=∑kβkSkix0，x，v，w （2）

其中，βk為估計參數；Ski為網絡演化的影響因素，包括x0、x、v、w，其解釋含義與式（1）中相同。

此外，t比率與整體最大收斂比通常用于評判模型的收斂度，各變量t比率≤0.1且模型整體最大收斂比≤0.25，則認為模型具有較好的收斂度［25］。

2.2 模型構建與變量測度

將構建的7個430×430的二值鄰接矩陣作為被解釋變量，通過逐漸添加網絡效應變量方式構建模型1～模型5，以此來判別所納入網絡效應是否對新網絡演化產生影響。以網絡密度作為默認解釋變量，構建模型1作為基礎模型。在模型1基礎上，納入網絡結構變量構建模型2至模型5，依次加入網絡結構、網絡主體特征、鄰近性、所有變量，探究不同屬性變量對網絡演化的綜合影響。

內生結構、主體特征、鄰近性機制是影響網絡演化的關鍵要素。SAOM的統計項如表1所示。其中，密度指標作為模型默認的控制變量，其參數正負不具有重要性，一般解釋為網絡關系是否為隨機過程的結果［26］，因此不對應于任何效應與假設。

2.3 網絡動態演化描述性統計

基于縱向網絡數據庫，借助R語言的RSiena程序包，獲得2011～2017年主體協同創新網絡演化描述性統計結果如表2所示，其網絡主體與關系演化趨勢如圖1所示。

綜合表2和圖1可知，網絡主體總數與關系總數隨時間演化呈前期上升、后期逐漸平穩之勢；保留主體與維持關系的變化趨勢與網絡主體總數與關系總數的變化趨勢類似，這說明新進、退出主體數量和新建、消失關系數量并未從根本上影響網絡整體創新主體與連接關系的變化趨勢。新進主體進入網絡必然產生新建關系，退出主體退出網絡也必然會引發關系消失，其變化趨勢類似。然而，新進主體與新建關系數量前期大大超過退出主體與消失關系數量，說明觀測期前期網絡發展并不穩定，創新主體間的合作關系并不牢固，網絡規模的不斷擴張需要涌入大量新進主體，網絡的協同創新發展也需新舊主體間快速建立合作關系。2014年以后，新進主體與退出主體數量、新建關系與消失關系數量逐漸持平，說明網絡規模趨于穩定，大部分創新主體通過不斷嘗試，最終發展為較為固定的合作伙伴，建立了穩固的合作關系，合作屏障初步形成，新進主體難以與在位主體間形成廣泛合作關系。

2.4 SAOM實證結果分析

為探究網絡演化背后的影響因素，借助R語言實現SAOM的參數估計，基于馬爾科夫鏈蒙特卡羅（MCMC）模擬，模型1～模型5的速率函數和目標函數的估計結果分別于第1 765，2 024，1 948，2 294，2 354次迭代獲得，結果如表3所示。

2.5 模型對比分析

以2011～2012為第1個時期，可獲得逐年的速率參數λ，共計6期；各模型所有變量t比率均≤0.1、整體最大收斂比均≤0.25，說明模型1～模型5均具有較好的收斂度。

橫向對比，模型1中各時期的速率參數λ均小于模型2至模型5，說明選取變量的納入均會增大對應時期改變關系的機會；除模型5中的創新能力變量，各模型變量t值均在p<0.05的水平下顯著，說明各變量均對網絡演化產生一定影響。除模型2與模型5中速率λ在2012～2015年期間有所下降外，其余模型的速率λ均逐漸上升，意味著后一個時段比前一個時段具有更大機會改變關系。模型3中創新能力變量呈顯著影響，但模型5中卻呈不顯著特征，組織鄰近變量參數估計值也由模型4中的正值變為模型5中的負值，說明其他類型變量的加入會使原變量對網絡演化的影響力產生改變，網絡演化受多種變量的共同影響。

模型5納入的變量最為完整，屬于綜合模型，相較于其他模型，參數估計結果更具說服力，因此本文以模型5中各變量參數結果進行分析解釋。傳遞三元組系數在p<0.001水平上顯著為正，說明傳遞三元組網絡結構有利于推動網絡演化發展，假設1得證。創新主體間基于相同的知識背景、技術方向和創新目標進行合作，其合作伙伴也會借助現有合作關系快速建立新的合作關系，呈現三元閉合傾向，三元關系也有助于形成穩定可靠的合作，減少不確定性和信息不對稱。創新能力無顯著影響，說明創新能力差異大的主體不能廣泛建立協同創新合作關系，因此不支持假設2。合作廣度系數顯著為負，說明合作廣度差異大的主體間更傾向于建立合作關系，因此假設3得證。創新主體在提升網絡地位過程中存在多方面成本，主體的合作廣度越大、網絡地位越高，其維護合作關系的成本也相應較高，一定程度上限制了創新網絡的擴散。創新經驗系數顯著為正，說明創新經驗相似的主體間更傾向于建立合作關系，因此假設4得證。創新經驗豐富的主體進入網絡時間較長，為保證協同創新成果的質量與數量，創新經驗相近的創新主體間更易在協同創新合作過程中達成一致目標。地理鄰近性系數顯著為正，說明地理距離對于促進網絡演化具有積極影響，地理距離鄰近的主體間更傾向于建立合作關系，因此假設5得證。協同創新是一個深度互動的過程，涉及相關知識、技術基礎等隱性知識的交流與傳播。地理距離的增加勢必會加大合作過程中的時間和經濟等成本，不利于創新主體間有效開展協同創新。組織鄰近性系數顯著為負，說明不同組織類型主體間更傾向于建立合作關系，因此不支持假設6。相同類型的創新主體具有相似的知識結構和技術資源，一定程度上有利于協同創新的快速進行；然而在產業發展的增長階段，各主體對異質性資源的需求遠超過同質性資源，過度的組織鄰近性會阻礙新信息、新資源、新人才等資源的獲取，使主體間的互動學習和靈活性受限，故不同組織類型主體間更易于建立合作關系。

3 結論與啟示

基于2011～2017年電子信息產業聯合發明專利數據，從主體視角探究協同創新網絡的演化特征與機制。當前，產業創新主體與創新關系日趨平穩，主體的產業根植性與協同創新關系并不穩定，產業創新存在較大變動性。網絡演化受網絡結構特征、網絡主體特征和鄰近性機制的共同影響。傳遞三元組促進了網絡演化的發展，創新能力對網絡演化無顯著影響，創新經驗相近、地理距離相近、合作廣度差異大、組織類型相異的主體間更傾向于建立合作關系。通過積極構建協同創新合作交流平臺，對合作信息與合作渠道進行有效的資源整合，能夠顯著降低合作交流成本與風險，整體網絡的聯系緊密度與信息傳播效率將得到增強。此外，通過建立創新激勵機制有助于增強產學研聯盟凝聚力，加強政府在協同創新過程中的引導作用，能夠進一步推進協同創新從低層次向高層次的演化。

參考文獻：

［1］涂振洲， 顧新.基于知識流動的產學研協同創新過程研究［J］. 科學學研究， 2013， 31（9）： 13811390.

TU Z Z， GU X. Study on process of industry-university-research institute collaborative innovation based on knowledge flow［J］. Studies in Science of Science， 2013， 31（9）： 13811390.

［2］高霞， 陳凱華. 基于SIPO專利的產學研合作模式及其合作網絡結構演化研究： 以ICT產業為例［J］. 科學學與科學技術管理， 2016， 37（11）： 3443.

GAO X， CHEN K H. Analysis on the evolution of patterns and network structure for industry-university research institute cooperation in the Chinese ICT industry based on SIPO patents［J］. Science of science and management of S & T， 2016， 37（11）： 3443.

［3］ZHANG Y， CHEN K H， ZHU G R， et al. Inter-organizational scientific collaborations and policy effects： an ego-network evolutionary perspective of the Chinese academy of Sciences［J］. Scientometrics， 2016， 108（3）： 13831415.

［4］孫天陽， 成麗紅.中國協同創新網絡的結構特征及格局演化研究［J］. 科學學研究， 2019， 37（8）： 14981505.

SUN T Y， CHENG L H. Research on the structure characteristics and evolutionary pattern collaborative innovation network in China［J］. Studies in Science of Science， 2019， 37（8）： 14981505.

［5］GAO X， GUO X， GUAN J C. An analysis of the patenting activities and collaboration among industry-university-research institutes in the Chinese ICT sector［J］. Scientometrics， 2014， 98（1）： 247263.

［6］戚筠， 唐恒， 石俊國. 基于小世界網絡特性的核心技術識別研究——以石墨烯為例［J］.情報雜志， 2020， 39（2）： 5055.

QI Y， TANG H， SHI J G. Research on core technology identification based on small world network characteristics： a case study of graphene［J］. Journal of intelligence， 2020， 39（2）： 5055.

［7］ZHAO J Y， WU G D. Evolution of the Chinese industry-university-research collaborative innovation system［J］. Complexity， 2017（1）： 113.

［8］郭建杰， 謝富紀， 王海花， 等. 產學協同中自我中心網絡動態性、區域間合作網絡對企業創新的影響研究［J］. 管理學報， 2019， 16（7）： 10261034.

GUO J J， XIE F J， WANG H H， et al. Research of the effect of ego-network dynamics， inter-regional collaboration network on innovation of enterprises in industry-university collaboration［J］. Chinese Journal of Management， 2019， 16（7）： 10261034.

［9］周燦， 曾剛， 辛曉睿， 等. 中國電子信息產業創新網絡演化——基于SAO模型的實證［J］.經濟地理， 2018， 38（4）： 116122.

ZHOU C， ZENG G， XIN X R， et al. The dynamics of China’s electronic information industry innovation networks： an empirical research based on SAO model［J］. Economic geography， 2018， 38（4）： 116122.

［10］ 阮平南， 王文麗， 劉曉燕. 基于多維鄰近性的技術創新網絡演化動力研究——以OLED產業為例［J］. 研究與發展管理， 2018， 30（6）： 5966.

RUAN P N， WANG W L， LIU X Y. Dynamic evolution of technological innovation network based on multi-dimensional proximity-based on OLED industry［J］. R&D Management， 2018， 30（6）： 5966.

［11］ 曹霞，李傳云，林超然.基于新能源汽車的專利合作網絡演化研究［J］.科研管理， 2019， 40（8）： 179188.

CAO X， LI C Y， LIN C R. A research on the evolution of patent cooperation networks based on new energy vehicles［J］. Science Research Management， 2019， 40（8）： 179188.

［12］ 彭英， 姚恒璐， 吳菲. 組織個體創新與合作網絡演化機理研究——基于通信業專利數據分析［J］. 科技進步與對策， 2015， 32（6）： 2428.

PENG Y， YAO H L， WU F. Research on the evolution mechanism of organizational individual innovation and cooperative networks： based on patent data analysis in the communication industry［J］. Science & Technology Progress and Policy， 2015， 32（6）： 2428.

［13］ MCPHERSON M， SMITH-LOVIN L， COOK J M. Birds of a feather： homophily in social networks［J］. Annual Review of a Sociology， 2003， 27（1）： 415444.

［14］ PENG T Q. Assortative mixing， preferential attachment， and triadic closure： a longitudinal study of tie-generative mechanisms in journal citation networks［J］. Journal of Informetrics， 2015， 9（2）： 250262.

［15］ KOSSINETS G， WATTS D J. Empirical analysis of an evolving social network［J］. Science， 2006， 311（5757）： 8890.

［16］ ZAHEER A， BELL G G. Benefiting from network position： firm capabilities， structural holes， and performance［J］. Strategic Management Journal， 2005， 26（9）： 809825.

［17］ 段慶鋒， 馮珍.多維視角下技術距離對企業研發合作關系影響的實證研究［J］.科技進步與對策， 2020， 37（14）： 110117.

DUAN Q F， FENG Z. Empirical research on impact of technology distance upon R&D collaboration among enterprises from multi-views［J］. Science & Technology Progress and Policy， 2020， 37（14）： 110117.

［18］ 高霞， 其格其， 曹潔瓊. 產學研合作創新網絡開放度對企業創新績效的影響［J］.科研管理， 2019， 40（9）： 231240.

GAO X， QI G Q， CAO J Q. Influence of openness on the innovation performance in the industry-university-research cooperation innovation networks［J］. Science Research Management， 2019， 40（9）： 231240.

［19］ BARABSI A L， RAVASZ E，VICSEK T. Deterministic scale-free networks［J］. Physica A： Statistical Mechanics and Its Applications， 200 299（3/4）： 559564.

［20］ BUCHMANN T， PYKA A. The evolution of innovation networks： the case of the german automotive industry［J］. Fzid Discussion Papers， 2015， 24（1/2）： 114139.

［21］ GIULIAN E. Network dynamics in regional clusters： evidence from Chile［J］. Research Policy， 2013， 42（8）： 14061419.

［22］ 武玉英， 才久然， 何喜軍. 基于多層關系網絡的專利技術主體間交易機會預測——以電子信息技術領域為例［J］. 情報雜志， 2020， 39（7）： 4953，100.

WU Y Y， CAI J R， HE X J. Prediction of transaction opportunities between subjects based on multi-layer relational network——take the field of the electronic information technology as an example［J］. Journal of Intelligence， 2020， 39（7）： 4953，100.

［23］ BALLAND P-A， BELSO-MART NEZ J A， MORRISON A. The dynamics of technical and business knowledge networks in industrial clusters： embeddedness， status， or proximity？［J］. Economic Geography， 2016， 92（1）： 3560.

［24］ 覃柳婷， 滕堂偉， 張翌， 等.中國高校知識合作網絡演化特征與影響因素研究［J］.科技進步與對策， 2020， 37（22）： 125133.

QIN L T， TENG T W， ZHANG Y， et al. Evolution’s characteristics and influence factors of china’s universities knowledge collaboration network［J］. Science &Technology Progress and Policy， 2020， 37（22）： 125133.

［25］ SNIJDERS T A B. Introduction to stochastic actor-based models for network dynamics［J］. Social Networks， 2010， 32（1）： 4460.

［26］ BATHELT H，LI P F. Global cluster networks—foreign direct investment flows from Canada to China［J］. Journal of Economic Geography， 2014， 14（1）： 4571.

（責任編輯 耿金花）