基于创新合作网络的我国省际间知识流动研究

吕民乐　王丹丹

(合肥工业大学，合肥　230601)



基于创新合作网络的我国省际间知识流动研究

吕民乐王丹丹

(合肥工业大学，合肥230601)

〔摘要〕在共惠互利的基础上，个人或组织为了获取外部知识提升自身竞争力，会选择与区域外的其他个人或组织进行创新合作，通过创新合作实现知识的流动，从而实现优势互补。文章选择1986～2014年期间我国在美国专利商标局(USPTO)中通过授权的专利数据，以发明人合作创新衡量知识流动，利用社会网络分析方法对我国省际间知识流动的发展演化进行分析，从网络结构等方面考察省际间知识流动的特征。研究结果表明，我国省际间知识流动范围逐渐扩大，知识流动强度逐渐加强；知识流动网络结构不合理，星型网络结构和强强联手态势不利于知识资源的合理配置；我国省际间知识流动空间分布不均匀，知识流动强度自东向西呈现递减的态势。

〔关键词〕创新合作知识流动社会网络分析网络结构特征

引言

知识经济时代，各个主体之间的竞争表现为对知识的竞争，知识资源正逐渐成为个人或组织，乃至一个地区生存和发展的关键要素。然而，我们在探究区域差异时往往是通过宏观经济指标(如GDP、失业率等)来衡量的，却忽略了区域创新能力和知识禀赋(获取新知识的能力)。由于各个地区的经济发展和知识资源禀赋各异的原因，使得部分地区在获取新知识等方面不占优势，知识流动在全国范围内流动不均匀，进而限制了区域经济的发展。因此，为了加强省际间知识流动，缩小区域差异，省际间创新合作成为促进知识流动的重要举措。

省际间创新合作，从微观上来看是不同省份的个人、企业或机构之间的合作，这些个体在共惠互利的前提下，将各自掌握的显性知识或隐性知识进行整合，最终形成新的知识或技术。新的知识或技术的表现形式一般是专利，因此，这些个体也就构成了专利发明人。专利发明人合作是知识共享的过程，发明人之间通过反复沟通不仅能加深彼此对创新要求的理解，而且有助于促成

新知识或技术的产生，实现优势互补，缩短技术创新周期，从而促进区域创新能力的提高，进而推动区域经济的发展。省际间创新合作实质上是不同省份的创新主体将各自所具有的创新知识资源和要素进行共享的过程。这种创新合作一方面有助于各个地区更多的获取外部知识资源，通过优势互补提升区域优势；另一方面创新合作能更好地促进创新知识资源和要素在不同地区内进行合理配置，从宏观层面提高国家整体创新能力和水平。

和显性知识不同，隐性知识是个人或组织形成核心竞争力的基础，具有高度个人化、难以编码化的特点[1]，这使得隐性知识难以在个体或组织间传播。隐性知识得不到有效的转移和传播，会使得缺乏交流型地区长期处于在落后的发展道路上[2]，因此隐性知识对于区域经济发展有着不可忽视的作用。在研究知识流动时，许多学者用专利引用探究知识流动的路径，而这一指标只捕捉了显性知识的流动，因此为了弥补以专利引用作为知识流动替代指标所产生的“噪音”，有学者提出用专利共同发明人指标作为知识流动的替代指标[3，4]。通常以专利共同发明人来识别创新主体

间的知识流动是基于这样一个假设：共同发明人之间有着较为密切的技术知识交流，这种交流往往是深层次的交流，从而可以将高度个人化、难以编码化的隐性知识在不同创新主体间传播[5，6]。

在以专利共同发明人为知识流动研究指标时，大部分学者都是结合社会网络分析方法进行研究的。Cowan等(2004)从网络演化角度分析网络结构对创新知识扩散的影响，结果表明具有小世界效应的网络有利于知识流动和创新技术的扩散[7]。Maggioni和Uberti(2007)运用社会网络分析方法研究了5个欧洲国家的NUTS2区域之间基于专利共同发明人的知识流动网络，发现该网络具有明显的分层次结构[8]。Sternitzke等(2008)对基于共同发明人的组织间技术交流网络进行可视化处理，对网络的结构特征进行分析，结果表明发明人合作促进了组织间的知识流动[9]。Soh(2010)从网络点度中心性、战略协同与知识共享程度3个角度分析了它们对知识流动的影响[10]。我国学者在知识流动领域的研究主要有，汪涛等(2009)以合作发表的化工领域论文为指标，运用社会网络分析等研究方法探讨了知识网络的组织和空间结构及其对知识流动的影响[11]。王朋等(2010)运用复杂网络理论定量描述了校企在纳米合作专利的拓扑网络结构，对网络相关特征进行了分析和总结[12]。刘凤朝等(2011)运用可视化方法对我国1985～2009年期间985院校的产学研专利合作进行了分析，研究结果表明985院校专利合作网络具有明显的阶段化特征[13]。高霞和官建成(2011)基于专利合作信息，运用社会网络分析方法对我国区域间知识交流模式进行研究，发现我国省份之间知识交流差异明显，北京、上海和广东是我国知识交流的核心地区[14]。张宝生和王晓红(2012)基于知识网络对东北三省高校内的科技创新团队间的知识流动影响因素进行研究，并根据结果提出促进知识流动的政策建议[15]。刘晓燕等(2013)使用社会网络分析方法对集成电路专利合作网络进行研究，得出合作网络密度越大越不利于知识扩散[16]。洪进和宛晓梅(2014)通过对我国生物医药产业的发明人合作网络进行研究发现，发明人合作强度呈现出逐渐递增的趋势，发明人之间知识交流在加强[17]。

通过以上对现有文献的梳理，发现现阶段我国对知识流动的研究主要是基于共同申请专利和合著学术论文的研究，很少有从区域层面以发明人合作创新专利的角度进行的研究。本文以发明人合作创新作为衡量知识流动的替代指标，利用社会网络分析方法对我国省际间知识流动的发展演化进行分析，从网络结构特征和中心性分析两个方面考察我国省际间知识流动的特征，了解各个省份在知识流动网络中所处的位置，分析位于不同位置的省份在获取外部知识和知识共享方面的差异，并提出促进省际间知识流动的政策建议。

1数据来源与描述

本文选择我国在美国专利商标局(USPTO)申请并通过授权的专利进行研究。美国专利数据库是全球比较权威的数据库，其收录的专利具有较高的质量，且信息完备，目前被广泛用于创新研究。本文主要研究我国内地31个省份之间的知识流动，考察2014年12月31日前公布的所有专利，从专利授权数据库中筛选专利发明人为两人(包含)以上，且发明人属于不同省份的专利，经过筛选，共得到612件发明人跨省合作专利。由于本文收集的是发明人属于不同的省份的专利，那么每个专利就对应着至少两个不同的省份，按照两两组合的方式形成城市对，得到省际间合作发明专利次数的31阶对称矩阵。矩阵中每一个单元里的数值都对应于两个地区的合作发明专利数量。

图1描述了1986～2014年发明人跨省合作专利授权数及其在每年授权专利中所占的比例。从发明人跨省合作专利授权数来看，我国首个通过美国专利商标局授权的发明人跨省合作的专利是在1986年，1986～2001年期间，发明人跨省合作专利数量一直都保持着很低的水平，年授权量均在10件以下；从2002年开始有了缓慢稳定的增长，从2002年的12件增长到2008年的45件；之后2009～2012年增长速度加快，从41件增长到129件；可以观察到2013年和2014年的授权数量明显下降，这主要是因为从开始向美国专利商标局申请专利到获得专利授权需要至少两年的审查周期，许多专利还处于审查期未公布。从省际间合作专利占授权专利比例来看，1986～2001年期间，省际间合作专利占比在0%～14%之间波动，且波动性很大；从2002～2008年，跨省合作专利占比在1.35%～2.92%之间上下波动；2009～2014年，跨省合作专利占比从1.17%快速增长到10.94%，这说明近些年创新主体开始面向省外寻求合作伙伴，以求获得更多的外部知识资源。经过以上分析可知，发明人跨省合作专利行为有明显的阶段性特征，可分为1986～2001年、2002～2008年、2009～2014年3个阶段。

图1　省际间创新合作专利的授权数及其占所有授权专利的比例

2省际间知识流动网络分析

2.1知识流动网络演化

为了更加直观地观察省际间的知识流动，我们将原始专利合作矩阵绘制成图谱。根据以上数据，按照3个阶段对每个阶段的整体网络结构进行研究，利用Ucinet软件生成无向网络图。本文知识流动网络中的节点是各个省份。若某专利的发明人分别属于不同的两个省份，从社会网络分析的角度来说就是这两个省份间存在关系，在知识流动网络中表现为这两个节点相连接，所有的节点和连线最终形成知识流动网络。

在生成知识流动网络图时，因为Netdraw软件只能处理0～1矩阵，因此要先将原始专利合作矩阵进行二值化处理。从我们得到的省际间专利合作次数的31阶对称矩阵可知，我国省际间专利合作整体水平不高，因此为了尽可能多地包含所有节点，我们将临界值设为1，利用Ucinet软件可将原始矩阵转化为0～1矩阵，然后利用Netdraw软件绘制省际间知识流动网络。各阶段的省际间知识流动网络图如图2～图4所示。图中节点标志用各个省份的简称代替。图的左侧是孤立点，是指不与其他节点相连接的节点；图中连线的粗细反映的是合作强度，合作次数多则连接线粗，反之，则较细。图中节点大小反映的是节点的度大小，节点的度是指与之直接连接的节点的个数，也称为节点中心度。

图2　1986～2001年省际间知识流动网络

图3　2002～2008年省际间知识流动网络

图4　2009～2014年省际间知识流动网络

由第一阶段的知识流动网络可以看出，该阶段的孤立点有11个，网络中连线较少，并且各节点的大小和连线的粗细差异较大；北京是网络中最大的节点，其次是上海、江苏、广东、辽宁。这一阶段的知识流动网络表明该阶段我国创新主体之间跨省合作发明专利数量很少，省际间流动的知识资源较少，并且各省份间合作强度差异较大。第二阶段的知识流动网络中，孤立点有3个，与上一阶段相比，网络中连线有着很明显的增加，不同省份之间联系增多；北京和广东是网络中最大的节点，其余多数节点的节点度都很小，说明这一阶段的知识流动水平和范围有明显的提高。第三阶段的网络图有6个孤立点，图中连线相比上阶段有所增多，并且节点的大小相比上阶段有所增大，这说明我国跨省合作发明专利数量有提高，创新主体在寻求省外合作伙伴时不再仅限于北京等经济发达城市，可选择对象增多。3个阶段的孤立点个数以及节点都不同，西藏、宁夏和青海3个省份在3个时期中始终是孤立点。

知识流动网络表明越来越多的省份之间存在知识交流和共享，但是，区域间知识流动强度差异比较大，各区域获取外部知识能力存在显著差异。北京始终是网络中最大的节点，上海、广东和浙江是仅次于北京的节点。值得注意的是，网络呈现出较明显的星型结构，少数节点处于网络中心，其他节点处于网络外围。

2.2知识流动网络的结构特征

网络结构特征主要通过网络规模、网络密度、平均距离、集聚系数和网络中心势指标来刻画[18]。网络规模(Size)是指网络中相连接的所有节点的个数。网络密度(Density)度量节点间连接的紧密程度，是网络中实际存在的连线总数l与理论上可能存在的最大连线总数n(n-1)/2的比值，n为节点数，密度值在0～1之间，密度越大，节点间联系越紧密。平均距离(Average Distance Length)指的是网络中所有节点对之间的最短路径长度的平均值，所谓最短路径是指一个节点连接另一个节点中间存在的连线最小值。网络的集聚系数(Clustering Coefficient)是所有节点集聚系数的平均值，用来衡量网络节点的集中情况。各个节点的集聚系数是其所有相邻节点的数目占可能存在的最多相邻节点总数的比例。

表1　省际间知识流动网络结构特征

从表1中可看出，3个阶段网络规模不同，虽然2009～2014年的网络规模是25，比2002～2008年阶段的小，但是后两阶段的网络规模都比1986～2001年的大，整体趋势是增大的。3个阶段网络密度均在0.2000以下，表明我国各省之间联系并不紧密，研究表明过低的密度不利于知识在全国范围内流动。网络平均距离从2.1880～1.6890呈下降趋势，网络中节点在获得其他省份知识资源的时候至少要通过1个区域才可以。3个阶段的集聚系数分别是1.1410、5.3340、7.4630，该数值逐渐增大，说明整个网络的发展逐渐集中，省际间发明人合作次数增加，并且网络中连线增多，还表明我国省际间合作发明专利开始跨越地域性阻碍，全国范围内知识流动规模逐渐壮大。

网络中心势反映的是网络中关系的分布结构，考察整个网络是偏向“集权”还是“分权”，已有的研究表明，知识在过于集权、分权的网络中不易转移和共享。表1中，3个阶段的网络中心势分别为36.09%、57.13%、43.68%，第一阶段网络中心势最小，这是因为这一阶段省际间专利合作强度还处于很低的水平，网络中节点联系不紧密。知识资源的重要促使各个地区开始加强与其他地区的创新合作，而优先联结机制的存在导致大部分省份在寻求合作对象时往往倾向于选择网络中节点大的省份，这就使得网络中节点大的省份对其他省份有着很强的影响力和控制力，最终导致网络的发展偏向于“集权”。

2.3中心性分析

从图1可以看出，北京、上海和广东是很明显的3个中心节点。为了进一步准确识别网络中的关键节点，需要对各阶段网络进行中心性分析。为了比较不同阶段知识流动网络的中心节点，这里用相对度数中心度和相对中间中心度作为衡量关键节点的指标。相对度数中心度是指节点的绝对度数中心度与图中点的最大可能的度数之比，节点的绝对度数中心度则是指网络中与节点直接连接的节点个数。

中间中心度也称间距中心度，它反映的是某一节点在整个网络中充当“中介”的程度，或者说是其在多大程度上能控制其他节点[19]。如果把点j和k之间存在的捷径数用gjk来表示，这些捷径中经过第三点i的捷径数用gjk(i)表示，第三个点i处于点j和k之间的捷径上的概率用bjk(i)表示，那么bjk(i)=gjk(i)/gjk，点i的绝对中心度就是点i处于其他点对之间的捷径上的概率之和，用CB表示绝对中心度，n为网络中节点个数，其相对中间中心度用公式表示为：

(1)

运用UCINET软件计算结果如表2所示，这里我们只列出指标排名前10的省份。表中各省份用简称表示。

表2　相对度数中心度指标

表3　相对中间中心度指标

从相对度数中心度结果可以看出，北京、上海、浙江和广东在3个阶段一直处于中心位置，且表中区域多数是东、中部地区，而西部地区省份大都为边缘位置，这说明我国区域间知识流动发展存在严重不平衡问题，东、中部地区知识资源丰富，获取外部知识资源容易，各区域间容易发生合作创新，而西部地区本身经济的落后，使其不易获得外部资源。根据表2发现，江苏、天津和山东也一直处于次核心位置，四川和湖北在演变过程中也逐渐向核心节点发展。通过对比各阶段整体指标值发现，指标值呈增长趋势，这说明区域间合作在不断加强，合作范围也越来越广，2009～2014年这阶段北京和上海的指标值比上一阶段小，由于其他节点逐渐发展为核心节点，创新主体可选择的合作对象增多，使得其度数中心度减小。

从相对中间中心度结果可以看出，在1986～2001年间，北京是核心“中间人”的角色，天津、辽宁、广东和上海是主要的“中间人”，它们对网络中知识的交流和传播发挥了巨大的推动作用，有效促进了网络中知识的共享。到2002～2008年上海、广东和山东一跃成为仅次于北京的中介，连接其他地区传递知识。到2009～2014年上海和浙江进一步成为关键的“中间人”。

结合相对度数中心度和相对中间中心度两个指标，3个阶段中，北京的指标值都是最高的，这说明北京是我国知识流动的核心地区，且充当着核心中介连接其他地区间的知识流动，这主要是因为北京是我国政治、文化和经济的中心，经济发达并且拥有较多的知识资源。对比两表各阶段的省份，可以发现相对度数中心度指标值高的地区往往相对中间中心度指标值也高，这表明网络中的中心节点对于其他节点间知识流动的控制力往往也是很高的。两表中每个阶段都有8个区域是相同的，分别是第一阶段中的北京、上海、广东、浙江、江苏、山东、天津和辽宁，第二阶段中的北京、上海、广东、浙江、江苏、山东、天津和吉林，第三阶段中的北京、上海、广东、浙江、河北、山东、湖北和湖南，说明这些地区既是知识网络的核心地区，同时又是作为“中间人”控制知识资源的主要地区。

3结论与启示

本文通过网络图谱形象地展示了1986～2014年我国内地31个省份间的基于发明人合作创新的知识流动状况，并通过社会网络分析方法得出以下结论：

(1)从1986～2014年，我国省际间知识流动范围逐渐扩大，省际间的知识交流强度逐渐加强。从省际间知识流动网络图可以看出，节点间联系增多。整体网络结构各指标同样表明省际间知识资源的共享在加强。

(2)我国省际间知识流动网络结构不合理。①从3个阶段的知识流动网络图可以看出，网络结构基本是以北京、上海和广东等核心节点为中心的星型结构，少数东部强省位于网络核心位置，有着较多的联结；而大部分中西部省份则处于网络边缘，只有少数的联结。这点可以用优先联结机制解释，由于节点在选择合作对象时，往往会优先选择高连接度的节点。星型网络结构具有不稳定性，因为整个网络过于依赖中心节点，边缘节点能够获得的外部资源极其有限。②东部省份之间合作强度很高，呈现强强联手的态势，其他节点间合作强度则很低，这种知识流动模式能够促进东部省份基于高度知识共享的环境进一步提升它们的经济实力，不利于中部和西部地区获得外部知识资源。从长远来看，以上两种模式很容易产生“马太效应”，将使得我国地区间经济发展差距进一步加大。

(3)我国省际间知识流动呈现出空间分布不均匀问题，东、中部地区和西部地区间差距较大。东部地区省份在知识网络中居于中心位置，在知识流动活动中比较活跃，并且对其他地区的影响力比较大。北京是我国知识流动的最核心区域，且充当着核心中介连接其他地区间的知识流动，其他中心省份和“中间人”主要是东部地区，其次是中部地区，西部地区则大部分处于网络边缘。中部地区与西部地区相比在网络中的活跃程度高一些，与东部地区的合作强度相比也高些，因此中部地区能获得更多的外部知识资源。

总的来说，我国跨省份的专利发明人合作创新大多是以北京、上海和广东为主要合作对象，此外，浙江、江苏、山东等省份逐渐成为创新主体跨省寻求合作的地区。经济较发达的省份在知识流动网络中占有很大的优势，较容易获得外部所需资源，而欠发达的省份和落后地区则处于劣势，这不利于缩小区域经济发展差距，因此为了促进省际间知识流动，应从以下两点入手。

(1)创建多元化知识流动渠道。这需要政府机构出面，积极组织创建各种协会、论坛、推介会等，鼓励个人、企业和研究机构积极参加，积极吸收外部知识，推动跨区域合作关系的建立，加强区域间合作和交流。(2)加快知识共享平台建设。知识共享平台是连接各个主体间知识资源转移、共享的重要渠道，是促进知识流动的重要途径。通过知识共享平台，可以加强网络中核心节点省份与其他省份之间的联系，让各地区都能平等地获取知识资源，促进知识资源的合理配置。

参考文献

[1]Sternberg，R J.The Theory of Successful Intelligence[J].Review of General Psychology,1999,(3):292～316

[2]雷滔,陈向东.区域校企合作申请专利的网络图谱分析[J].科研管理,2011,32(2):67～73

[3]Morgan K.The Learning Region Institutions Innovation and Regional Renewal[J].Regional Studies,1997,31:491～598

[4]Maggioni M A,Nosvelli M.,Uberti T.E..Space vs Networks in the Geography of Innovation:A European Analysis[J].Regional Science,2007,86(3):471～493

[5]Singh J.Collaborative Networks as Determinants of Knowledge Diffusion Pattern[J].Management Science,2005,51(5):756～770

[6]Balconi M,Breschi S,Lissoni F.Networks of Inventors and the Role of Academia:An Exploration of Italian Patent Data[J].Research Policy,2004,33(1):127～145

[7]Cowan R.Network Structure and the Diffusion of Knowledge[J].Journal of Economic Dynamics and Control,2004,28(8):1557～1575

[8]Maggioni M A,Uberti T E.International Networks of Knowledge Flows:An Econometric Analysis[M].Cheltenham:Edward Elgar,2007:230～255

[9]Sternitzke C,Bartkowski A,Schramm R.Visualizing Patent Statistics By Means of Social Net Work Analysis Tools[J].World Patent Information,2008,30(2):115～131

[10]Soh P.Network Patterns and Competitive Advantage Before the Emergence of a Dominant Design[J].Strategic Management Journal,2010,31(4):438～461

[11]汪涛,任瑞芳,曾刚.知识网络结构特征及其对知识流动的影响[J].科学学与科学技术管理,2010，(5):150～155

[12]王朋,张旭,赵蕴华,等.校企科研合作复杂网络及其分析[J].情报理论与实践,2010,33(6):89～93

[13]刘凤朝,马荣康,姜楠.基于“985高校”的产学研专利合作网络演化路径研究[J].中国软科学,2011，(7):178～192

[14]高霞,官建成.基于社会网络分析的我国区域知识交流模式研究[J].研究与发展管理,2011,23(5):110～134

[15]张宝生,王晓红.虚拟科技创新团队知识流动意愿影响因素实证研究[J].研究与发展管理,2012,24(2):1～9

[16]刘晓燕,阮平南,童彤.专利合作网络知识扩散影响因素分析——以集成电器产业为例[J].中国科技论坛,2013，(5):125～148

[17]洪伟,宛晓梅.我国生物医药产业专利现状及发明人合作网络演化研究[J].电子科技大学学报,2014,16(1):33～38

[18]李星．企业集群创新网络中异质性主体间的合作涌现机制研究[J]．工业技术经济，2014，(5)：124～130

[19]刘军.整体网分析讲义.UCINET软件实用指南[M].上海:格致出版社,2009:19～24

(责任编辑：王平)

收稿日期：2016—01—26

作者简介：吕民乐，合肥工业大学经济学院副教授，经济学博士。研究方向：产业组织与技术创新。王丹丹，合肥工业大学经济学院硕士研究生。研究方向：区域经济学。

DOI：10．3969/j．issn．1004-910X．2016．07．019

〔中图分类号〕F061.5

〔文献标识码〕A

Research on Inter-regional Knowledge Flows in China Based on the Network of Innovation Cooperation

Lv MinleWang Dandan

(Hefei University of Technology，Hefei 230601，China)

〔Abstract〕Based on the common benefit,individuals or organizations will choose to cooperate with other individuals or organizations outside the region to acquire external knowledge,and enhance self-competition capability.Through innovation cooperation to realize knowledge flows.The dynamic variation and structure characteristics of inter-regional knowledge flows in China are analyzed through social network analysis based on patent data during the period from 1986 to 2014 from the United States Patent and Trademark Office.The results show that the range of China inter-regional knowledge flows had gradually expanding over time,but the structure of knowledge flows networks are unreasonable.And knowledge flows are uneven regional distribution between different provinces in China.

〔Key words〕innovation cooperation;knowledge flow;social network analysis;network structure