蒲珊琳

［摘 要］文章基于社會網(wǎng)絡理論，采集江蘇省人工智能產(chǎn)業(yè)2010—2021年產(chǎn)學研合作專利數(shù)據(jù)，通過QAP分析方法探索中心度與結(jié)構(gòu)洞兩類指標對產(chǎn)學研合作創(chuàng)新績效的影響。實證結(jié)果表明：①江蘇省人工智能產(chǎn)學研合作創(chuàng)新網(wǎng)絡的中介中心度、結(jié)構(gòu)洞對創(chuàng)新績效起正向促進作用；②接近中心度負向影響合作創(chuàng)新績效。文章的研究豐富了對社會網(wǎng)絡理論的理論支撐，同時對人工智能產(chǎn)業(yè)產(chǎn)學研合作主體提升創(chuàng)新績效具有現(xiàn)實意義。

［關(guān)鍵詞］合作網(wǎng)絡；創(chuàng)新績效；QAP；人工智能

doi：10.3969/j.issn.1673 - 0194.2023.14.060

［中圖分類號］F124.3［文獻標識碼］A［文章編號］1673-0194（2023）14-0183-03

1? ? ?研究假設

1.1? ?中心度與創(chuàng)新績效

點度中心度是指與該點直接相連的其他點的個數(shù)。如果某點具有較高的度數(shù)，則成該點居于網(wǎng)絡的中心，擁有權(quán)力［1］。在合作創(chuàng)新網(wǎng)絡中，點度中心度高的主體位于網(wǎng)絡的中心位置，可拓寬資源和信息獲取的渠道，增強資源收集與整合的能力。

中介中心度是指該節(jié)點擔任其他點之間的最短路徑的次數(shù)，刻畫的是該節(jié)點的中介作用大小。該節(jié)點位于其他節(jié)點溝通的必經(jīng)路徑上，在控制資源獲取上具備優(yōu)勢，在節(jié)點間充當了橋梁作用。

接近中心度是指該節(jié)點與其他節(jié)點的距離，衡量的是該節(jié)點不受其他節(jié)點控制的測度。接近中心度越高的節(jié)點與網(wǎng)絡內(nèi)其他節(jié)點的距離越遠，從而導致技術(shù)交流、資源傳遞的途徑長度增長。相反，接近中心度較低的節(jié)點能更快速地傳播信息，保證資源傳遞的有效性，穩(wěn)定資源與信息獲取方式，更有利于提高研發(fā)成果的質(zhì)量。

基于上述分析，本文提出假設：

H1a：點度中心度對合作網(wǎng)絡的創(chuàng)新績效存在正向影響。

H1b：中介中心度對合作網(wǎng)絡的創(chuàng)新績效存在正向影響。

H1c：接近中心度對合作網(wǎng)絡的創(chuàng)新績效存在負向影響。

1.2? ?結(jié)構(gòu)洞與創(chuàng)新績效

處于結(jié)構(gòu)洞位置的節(jié)點是兩端節(jié)點交流的唯一樞紐，對信息傳遞具有絕對的控制性。結(jié)構(gòu)洞占據(jù)者扮演著中間人角色，成為信息與資源的匯點，可以根據(jù)自身需求對資源、信息進行篩選并控制其流量與流向［2］。占據(jù)結(jié)構(gòu)洞的節(jié)點在獲取這些知識元素作為自身探索性創(chuàng)新的同時，也作為中間人的角色在其輻射范圍內(nèi)促進異質(zhì)性知識的溢出，進一步打通整體網(wǎng)絡的合作路徑，提高節(jié)點之間的組合機會，將潛在的創(chuàng)新價值“變現(xiàn)”。

基于上述分析，本文提出假設：

H2：結(jié)構(gòu)洞對合作網(wǎng)絡的創(chuàng)新績效存在正向

影響。

2? ? ?研究設計

2.1? ?數(shù)據(jù)來源

本文選擇以合享專利數(shù)據(jù)庫為檢索平臺，限定專利類型為已授權(quán)發(fā)明專利，限定地域范圍為江蘇省，限定時間范圍為2010—2021年共12年。本文將技術(shù)領域限定為人工智能產(chǎn)業(yè)領域，參考清華大學人工智能研究院出版的《人工智能發(fā)展報告2011—2020》［3］，篩選出24條關(guān)鍵技術(shù)的國際專利分類（International Patent Classification，IPC）號前4位；主體類型限定為高校、企業(yè)、研究院所，將關(guān)鍵詞“大學”“學院”“企業(yè)”“集團”“公司”“研究院”“研究所”“中心”分別按類別進行兩兩組合，得到共計27種組合作為專利權(quán)人關(guān)鍵詞。對原始數(shù)據(jù)進行人工清洗：第一，專利權(quán)人數(shù)量為2以上的，僅保留兩位專利權(quán)人；第二，合并公司及其子公司、分公司的專利權(quán)人，合并高校及其下屬學院專利權(quán)人，合并研究所及分所專利權(quán)人；第三，由于UCINET中二次指派程序（Quadratic Assignment Procedure，QAP）分析的容量原因，提取創(chuàng)新績效大于等于3的85對主體。

2.2? ?變量測量

2.2.1? ?被解釋變量

創(chuàng)新績效（Yit）：參考Lahiri N［4］的研究結(jié)果，本文采用發(fā)明專利共授權(quán)數(shù)作為合作主體的創(chuàng)新績效。Yit表示節(jié)點i在第t年的發(fā)明專利授權(quán)量。

2.2.2? ?解釋變量

點度中心度（CEa）：點度中心度計算的是網(wǎng)絡中與該節(jié)點直接相連的其他節(jié)點的數(shù)量。點度中心度反應的是該節(jié)點占據(jù)中心位置的程度。本文采用CEa（i）表示與節(jié)點i相連的所有其他節(jié)點j的數(shù)量，Xij為每一個與節(jié)點i相連的節(jié)點j。具體計算方法如公式（1）所示。

（1）

中介中心度（CEb）：中介中心度測算的是該節(jié)點位于其他兩節(jié)點之間的最短路徑上的概率。本文采用CE2（i）表示節(jié)點i有多大程度位于節(jié)點j和節(jié)點k的最短路徑上，表示經(jīng)過節(jié)點j和節(jié)點k的i的數(shù)量，表示節(jié)點i和節(jié)點j的所有路徑數(shù)量。具體計算方法見公式（2）。

（2）

接近中心度（CEc）：接近中心度測量的是該節(jié)點與網(wǎng)絡中所有其他節(jié)點的最短路徑之和。本文采用CEc（i）表示節(jié)點i與網(wǎng)絡中n個節(jié)點的最短路徑之和，為節(jié)點i與節(jié)點j之間的最短距離。具體計算方法見公式（3）。

（3）

結(jié)構(gòu)洞（SH）：本文選用伯特（Burt）結(jié)構(gòu)洞指數(shù)中的限制度來測量結(jié)構(gòu)洞的數(shù)量［5］，Ci表示節(jié)點i在網(wǎng)絡中受限制指數(shù)大小，Pij表示行動者q的全部關(guān)系中，直接投入j與總關(guān)系的占比，表示行動者q的全部關(guān)系中，間接投入j與總關(guān)系的占比。同時借鑒之前的研究，用2減約束系數(shù)Ci表示節(jié)點i的結(jié)構(gòu)洞指標大小，具體計算方法見公式（4）、（5）。

SH=2-Ci（4）

（5）

2.3? ?分析方法

本文對人工智能合作創(chuàng)新網(wǎng)絡主體與創(chuàng)新績效關(guān)系進行假設，并選用QAP分析方法進行驗證。QAP是一種以重新抽樣為基礎的方法，在社會網(wǎng)絡研究中得到了廣泛的應用，其研究對象都是“關(guān)系”數(shù)據(jù)［2］。在常規(guī)的回歸分析中，對數(shù)據(jù)的前提要求之一是自變量之間必須相互獨立，否則會產(chǎn)生共線性問題。QAP分析的是矩陣與矩陣之間的關(guān)系，并不要求變量之間相互獨立，繞開了常規(guī)統(tǒng)計方法需要處理的共線性問題。

3? ? ?實證結(jié)果與分析

3.1? ?QAP相關(guān)分析

本文利用UCIET生成專利授權(quán)量矩陣、點度中心度矩陣、中介中心度矩陣、接近中心度矩陣、結(jié)構(gòu)洞矩陣，將上述矩陣導入UCINET軟件中進行相關(guān)性分析，得到矩陣之間的顯著性水平和相關(guān)系數(shù)，如表1所示。創(chuàng)新績效與點度中心度、中介中心度、結(jié)構(gòu)洞的相關(guān)關(guān)系在P＜0.05的水平上顯著，相關(guān)系數(shù)分別為0.009 2、0.110 1、0.050 8，說明創(chuàng)新績效與點度中心度、中介中心度、結(jié)構(gòu)洞具有較顯著的正相關(guān)關(guān)系，但相關(guān)程度較弱；創(chuàng)新績效與接近中心度的相關(guān)關(guān)系在P＜0.01的水平上顯著，相關(guān)系數(shù)為-0.081 4，說明創(chuàng)新績效與接近中心度具有顯著的負相關(guān)關(guān)系，相關(guān)程度較弱。

從表1同時可以看出，點度中心度、中介中心度、接近中心度之間呈現(xiàn)顯著的高度正相關(guān)關(guān)系，說明這與3個中心度的定義是吻合的，即位于網(wǎng)絡中心位置的節(jié)點同時也更為可能位于其他節(jié)點聯(lián)系的中介位置，與網(wǎng)絡中的大多數(shù)位置的節(jié)點接近程度更高，位于節(jié)點間中介位置的節(jié)點更有可能與大多數(shù)節(jié)點保持更近的距離。中心度指標與結(jié)構(gòu)洞指標都呈現(xiàn)顯著的正相關(guān)關(guān)系，可以說明占據(jù)結(jié)構(gòu)洞位置越多的主體，更加位于網(wǎng)絡中心位置，具備更多的“權(quán)力”和資源。在線性回歸中，自變量之間呈現(xiàn)顯著的自相關(guān)性不適合建立回歸模型，但采用QAP仍然可以繼續(xù)進行回歸分析，并得到較為準確的結(jié)果。

3.2? ?MR-QAP回歸分析

將專利授權(quán)量、點度中心度、中介中心度、接近中心度、結(jié)構(gòu)洞指數(shù)導入UCINET中進行回歸分析，結(jié)果如表2所示。P（R2）＜0.05，表明回歸結(jié)果穩(wěn)健；調(diào)整后的R2為0.024 5，表明該結(jié)果可以解釋2.45%的變量，雖然該結(jié)果數(shù)值偏低，但處于社會學分析可接受范圍。

回歸結(jié)果顯示，中介中心度與創(chuàng)新績效在P＜0.05的水平上顯著，相關(guān)系數(shù)為0.152 4，說明在合作創(chuàng)新網(wǎng)絡中處于中間位置的節(jié)點起到正向促進網(wǎng)絡信息流通的作用，同時該位置的節(jié)點也更容易掌控獨占性資源，促進自身創(chuàng)新產(chǎn)出，所以點度中心度對創(chuàng)新績效起到正向所用。接近中心度與創(chuàng)新績效在

P＜0.05的水平上顯著，相關(guān)系數(shù)為-0.116 2，說明在合作創(chuàng)新網(wǎng)絡中與其他大部分節(jié)點距離遠的節(jié)點創(chuàng)新績效更低，這類節(jié)點外網(wǎng)絡結(jié)構(gòu)中往往是孤立節(jié)點或者邊緣網(wǎng)絡中的節(jié)點，獲取共享資源的能力較低；反之則說明某節(jié)點與其他節(jié)點的距離越短，網(wǎng)絡中的大多數(shù)資源到達該節(jié)點的速度更快，該節(jié)點的創(chuàng)新效率更高，更容易促使迭代性創(chuàng)新的產(chǎn)出，所以接近中心度對創(chuàng)新績效起到負向作用。結(jié)構(gòu)洞與創(chuàng)新績效在

P＜0.1的水平上顯著，相關(guān)系數(shù)為0.015 4，說明占據(jù)結(jié)構(gòu)洞的主體有獲得周邊節(jié)點的異質(zhì)性信息和實現(xiàn)資源控制的優(yōu)勢，從而正向推動該主體的創(chuàng)新

產(chǎn)出。

回歸系數(shù)表明點度中心度（P＞0.1）的回歸結(jié)果不顯著，無法證實點度中心度和結(jié)構(gòu)洞與創(chuàng)新績效具備顯著的相關(guān)關(guān)系。猜測有可能是選取的網(wǎng)絡數(shù)據(jù)為合作頻次大于等于3的節(jié)點，此時的網(wǎng)絡結(jié)構(gòu)較為密集，對高中心度的節(jié)點創(chuàng)新績效反而起到限制作用。也有可能是QAP本身所研究的矩陣之間往往存在著實質(zhì)性同構(gòu)，所以趨向于給出非顯著性的結(jié)果［1］。

從上述QAP和MR-QAP分析中能夠得知，中介中心度、結(jié)構(gòu)洞對創(chuàng)新績效具備顯著的正向作用，接近中心度對創(chuàng)新績效具備顯著的負向作用，點度中心度不能成為創(chuàng)新績效的主要影響因素。

4? ? ?管理啟示

綜上所述，本文對產(chǎn)學研合作創(chuàng)新主體提出如下管理啟示。

充分發(fā)揮企業(yè)的橋梁作用，加大高校與企業(yè)的合作力度。要想提高創(chuàng)新績效，應當擴大核心網(wǎng)絡的規(guī)模，增加高校與企業(yè)的合作深度與廣度，以便高校的科研成果得到實際應用。企業(yè)也應當利用中介優(yōu)勢，連接起更多高校和企業(yè)、科研機構(gòu)之間的合作關(guān)系；位于邊緣的高校以企業(yè)或者省會高校為媒介，建立起與中心網(wǎng)絡的連接，提高整體網(wǎng)絡的連通性。

發(fā)揮企業(yè)的結(jié)構(gòu)洞優(yōu)勢，吸納更多產(chǎn)學研機構(gòu)加入合作網(wǎng)絡。通過實證分析發(fā)現(xiàn)，結(jié)構(gòu)洞正向影響創(chuàng)新績效，意味著結(jié)構(gòu)洞指數(shù)高的主體可以快速識別和篩選需要的信息，提高自身的科技創(chuàng)新水平，并且能夠直接控制結(jié)構(gòu)洞周圍的資源流向，促成與周邊節(jié)點的互利共贏。企業(yè)可以發(fā)揮中介優(yōu)勢，吸納更多產(chǎn)學研機構(gòu)加入合作網(wǎng)絡，增加網(wǎng)絡內(nèi)部的連通數(shù)量，增加產(chǎn)學研主體的合作機會，有助于合作創(chuàng)新績效的進一步提升。

主要參考文獻

［1］劉軍.整體網(wǎng)絡分析 UCINET軟件實用指南［M］.上海：人民出版社，2019：55.

［2］郭穎，段煒鈺，孟婧，等.中國科學院產(chǎn)學研合作網(wǎng)絡特征對其科技成果轉(zhuǎn)化績效的影響［J］.中國科技論壇，2022（5）：81-89.

［3］清華-中國工程院智能聯(lián)合研究中心.人工智能發(fā)展報告2011-2020［R］.2021.

［4］NANDINI， LAHIRI. Geographic distribution of R&D activity： hou does it affect innovation quality？［J］.Academy of Management Joural，2010（5）：1194-1209.

［5］BURT R S . Structural holes： the social structure of competition［J］. The Economic Journal， 1994（2）：18，55.

［收稿日期］2023-01-08