清华大学产学合作专利网络特征及其对应用研究绩效的影响

李秀坤，肖广岭，刘露露

(1.清华大学社会科学学院，北京 100084；2.中国人民大学商学院，北京 100872)

党的十九大报告指出，中国经济发展已由高速增长阶段转向高质量发展阶段，必须坚持质量第一、效益优先的原则。然而，当前中国实现经济的高质量发展面临着产业结构亟需转型、发展动力不足等问题，技术进步与持续创新是解决这一问题的必由之路[1]，而专利无疑是测度技术进步的重要指标。在当下中国，包括科研人才、设备、经费等在内的科研资源大量集中在以清华为代表的高水平研究型大学。与大学合作开展技术研发是实现企业技术需求与高校科技资源对接的重要途径，而合作专利则是“企业—大学”合作的重要度量指标。产学合作对大学的专利产出具有积极的影响，因为合作可以有效减少科研成果供给和技术需求间的信息不对称[2]，有利于大学通过与企业的网络连接收集更多的信息，在向企业学习的过程中提升自己识别和开发更有影响力的专利组合的能力[3]。此外，产学合作还有利于企业降低研发成本和研发风险，促进新产品的开发和提高创新绩效[4-5]。因此，产学合作申请专利是一种双赢机制，有利于大学和企业提高自身的创新能力。

已有研究仍存在以下不足：第一，大多关注政府的政策和经费支持、地方政府科技投入和本地市场需求、高校科研投入和能力等因素对高校应用研究绩效的影响[6-7]，但很少关注产学合作网络对高校应用研究绩效的结构效应，缺乏相应的经验证据。第二，以对大学与企业的专利合作网络进行定性的、描述性的分析为主，缺乏对大学如何在专利合作网络中受益等问题的量化研究。第三，已经有研究探讨了产学合作网络对高校基础研究绩效的影响，这些研究大多以论文为衡量指标[8]，而在产学合作中，企业一方实际上更关注专利产出。在已有研究的基础上，本文运用社会网络和负二项回归分析方法，以清华大学为例，探讨了高校产学专利合作网络的结构对应用研究绩效的影响，并在此基础上对相应的政策与实践意涵进行了讨论。本文不仅丰富了关于高校应用研究的影响因素的研究，具有一定的理论意义，并且相关结论可供其它高校参考和借鉴，具有较强的现实意义。

1 文献回顾与研究问题

1.1 专利合作网络

已有研究大多从企业的角度出发来界定和阐释专利合作网络。王黎萤等[9]在对国内外专利合作网络文献进行梳理的基础上，将专利合作网络定义为企业在与其它企业、大学、科研机构合作的过程中或者技术转移中通过合作申请专利、购买专利、转让专利或者交叉许可专利形成的多维度复杂网络。本文则从高校的角度出发，将大学产学专利合作网络理解为：大学在与企业基于专利的共同开发、合作申请而形成的复杂的、多维的和动态的关系网络。在这一网络中，节点是大学和企业，边则是专利的合作开发与申请。

1.2 专利合作网络与高校应用研究

(1)度数中心度。度数中心度是社会网络中的核心概念之一，指的是网络中与某个点直接相连的点的个数，它衡量一个点在多大程度上与其它点直接相连[10]。一个点的度数越高，说明该点越居于网络中心。度数中心度是衡量行动者(个人或者组织)在关系网络中所处地位或所拥有控制力的重要指标[11]。度数中心度大的节点可以搜索、获取更多的稀缺资源和信息，并且通过结构位置的优势控制资源的流动并整合这些稀缺性的资源，从而提高自身的绩效。与之相对应，度数中心度较小的节点处于网络的边缘，在信息和资源的获取中处于劣势，该结构位置对其绩效的提升作用较小。高校在专利合作网络中的中心度越高，意味着与其它企业通过合作申请专利建立的联系越多，这越有利于大学从合作中获得异质性知识，从而推动创新与提升专利产出[12]。同时，由于知识、价值观和行为在组织间比组织内更具异质性，因此开展跨组织合作的机构可以更多地使用不同的思维方式，为他们创造新的组合提供更多的选择[13]。因此，度数中心度越高，越有利于高校应用研究绩效的提升。此外，随着高校与更多的企业建立直接的联系，重复、稳定的合作在增加，这一方面极大地降低了企业在信息搜寻、议价、监督和合同签订等方面的交易成本[14]；另一方面，也增强了信任，使高校在合作中更能得到有价值的信息和资源，促进了绩效的提升。最后，随着直接联系的增多，学习曲线和联系的规模效应凸显，降低了单位合作的资源投入，有利于高校科研人员将更多的时间投入到科学研究中，一定程度上促进了专利产出。基于上述讨论，本文提出假设1(H1)：高校在专利合作网络中的度数中心度越高，其应用研究绩效越高。

(2)接近中心度。Freeman[15-16]在研究不同节点之间的距离时，提出将接近性作为整体中心度的衡量标准，又称为“接近中心度”。如果一个节点与网络中其它节点的平均距离最短，则该节点可以被认为是该网络的中心；换言之，它与网络中的其它节点最为“接近”，接近中心度用距离来横量一个点的中心程度，如果一个节点和别的节点越接近，那么到达它们途经的路径或边数就越少，其接近中心度就越高，反之则越低[11]。接近中心度显示了一个节点能够避免其余节点对其控制的能力，接近中心度高的节点能够最有效地获取信息并通过网络快速传播信息，它代表了某节点和网络中的其它节点独立和高效地进行沟通的能力[16]。高校在专利合作网络中的接近中心度越高，表明它越能够方便、高效地联系网络中的其他节点，更快地集结资源和信息，并且避免在信息传递中“失真”，保证所获取资源与信息的完整性与有效性，为其进行后续的专利研发提供更好的资源和信息条件。基于此，本文提出假设2(H2)：高校在专利合作网络中的接近中心度越高，其应用研究绩效越高。

(3)中介中心度。两个不相邻的节点需要通过第三方行动者(节点)方可连接，这些第三者节点因而发挥着“中介”的作用。某个节点的中介中心度指的是网络中节点对之间的最短路径在多大程度上需要经过该节点[10]。中介中心度可以用来衡量一个节点控制网络中信息沟通与资源流通的潜力，高中介中心度的节点可以通过阻止或扭曲传输中的信息来影响整体[15]。由于位于其它节点之间沟通的最短路径上，中介中心度较高的行动者占据了网络中的关键位置，控制网络内的信息流动，发挥着“守门人”的作用。节点中介中心度越大，表明其越处于网络中其它节点之间沟通的桥梁位置，越有利于其控制资源与信息的流动，从而使其在新的知识、技术和信息的获取与控制上具有优势，促进持续性的创新[16]。高校在专利合作网络中的中介中心度越高，表明其作为网络中其它节点之间沟通和交流的媒介，在合作中获取、把握、动用高价值的信息、知识与专利资源，在研发合作中具有主动与先发优势，从而有利于促进高校的专利产出。反之，中介中心度越低，越不利于高校获取相应的结构优势，对专利产出的正向效应相应较小。基于此，本文提出假设3(H3)：高校在专利合作网络中的中介中心度越高，其应用研究绩效越高。

2 研究设计

2.1 数据收集

综合考虑案例的典型性和数据的可得性，本文以清华大学为例，其在2016年申请国内专利达2350项，授权专利总数为1890项，在美国的专利授权量名列全球大学第5位。从这个意义上来说，清华大学如何更好地提高专利产出，可以看作是研究型大学如何推动经济高质量发展的一个缩影。本文从Patsnap数据库检索清华大学在1985—2016年与企业合作申请的专利数据，在检索专利时，如果某项专利的申请人既包含清华大学，又包含公司，则认为该专利为清华大学与公司合作申请的专利。本文将研究范围界定在中国大陆地区，专利类型包含发明专利、实用新型和外观设计三类，主要出于以下考虑：①专利申请以国别为界限，在国外申请的专利基本上都是已经在国内申请过的，如将查询范围界定为全球，会造成专利数量的重复计算；②清华大学美术学院申请较多的实用新型专利和外观设计专利，这部分专利在当今的社会情境下也非常有实用价值，如果对此一概略去不计，会使结果有较大偏差。基于上述考虑，本文将专利检索式确定如下：(AN:(清华大学 and(公司))OR AN_ST:(清华大学 and(公司))OR ANC:(清华大学 and(公司)))NOT(台湾清华大学)。该检索的时间跨度为1985—2016年，检索时间为2017年12月8日，共得到7145组同族专利，经过人工逐条筛选不符合条件的专利，最终得到6827条同族专利。

2.2 变量测量与研究方法

因变量为应用研究绩效，以清华大学每年的专利申请数 (Patent)来度量。自变量分别为度数中心度、中介中心度和接近中心度，具体含义及计算方法见表1。此外，本文还对以下变量的效应进行了控制，即聚类系数、总科研经费和科研全时当量。

表1 解释变量的含义及计算公式

资料来源：根据参考文献[8][10]整理。

由于因变量即专利申请量为过度离散的非负整数，且方差远大于均值(标准差为996.2，平均值为905.7)，故而选用负二项回归模型对研究假设予以检验。基本模型如下：

Patentt=f(D(i)t,B(i)t,C(i)t,clustert,expt,labort)

自变量D(i)t、B(i)t、C(i)t、clustert、expt、labort分别代表清华大学在与企业合作申请专利网络中的度数中心度、中介中心度、接近中心度、聚类系数以及清华大学历年科研经费、科研全时当量。

3 结果与讨论

3.1 描述性统计分析

清华大学一直非常重视专利工作，并把专利工作作为建设世界一流大学和促进自主创新的一项重要内容。自1985年中国实施专利法以来，清华大学的专利工作经历了以加强专利意识、激励专利申请、提高专利质量、促进专利实施为重点的几个阶段。从总体趋势来看，清华大学与企业合作申请专利在1999年第一次达到两位数，为14件；2002年第一次达到三位数，为111件，之后的趋势如图1所示，一直在快速平稳增长；在2014年达到顶峰，之后略有回落，这与学校对专利由数量管理改为注重质量提升的战略转变有关。清华大学1998年开始设立专利基金，2001年开始加大专利基金的投入，对所有以学校名义申请的专利的申请费给予全额资助；同时，学校还得到政府的资助和争取到一些校外的捐助。此外，学校还进一步落实了有关支持专利申请的政策措施。例如，在2001年校务会议通过的《清华大学关于加强专利工作的若干意见》中规定，对教师的绩效评价中，发明专利与高水平论文同等对待；“863”等重点课题小组的研究生在毕业前、博士后在出站前应完成必要的专利申请；学校每年在公布科研情况时，都将专利申请量和授权量作为重要的指标单独列出。接下来，科技部于2007年2月13日印发了《国家科技支撑计划 “十一五”发展纲要》(以下简称《纲要》)，《纲要》对部分重大项目提出了具体的申请专利数量要求；《中华人民共和国科学技术进步法》于2007年12月29日修订通过，自2008年7月1日起施行。综上所述，可知影响到学校专利申请量的国家政策和学校政策在2001年和2007年发生了较大变化，因此本文以这两年为节点，将清华大学与企业合作申请专利分为1985—2001年、2002—2007年、2008—2016年三个阶段。

图2～4绘制了相应时期清华大学产学专利的合作网络图。随着时间推移，合作网络的规模不断扩大、密度不断增加，这表明清华大学和企业合作的广度和深度都在增强。

图1 清华大学与企业合作申请专利趋势图

图2 1985—2001年产学合作专利网络图

图3 2002—2007年产学合作专利网络图

图4 2008—2016年产学合作专利网络图

图5 1985—2016年产学合作专利网络图

在专利合作网络中，与清华大学开展合作的企业呈现以下几个特点(见表2)。首先，从行业分布来看，与清华合作的企业有从传统行业向新兴战略产业转移的趋势。1985—2001年与清华大学合作申请专利数量最多的10家企业主要分布在电子信息、电力、石化等领域，2002—2007年与清华大学合作申请专利数量最多的15家企业主要分布在高科技制造、信息通信、生物、电器设备等领域，2008—2016年与清华大学合作申请专利数量最多的20家企业主要分布在高科技制造业、信息电子与通信、先进制造、清洁能源、半导体制造等领域。其次，从地域空间来看，与清华合作的企业所在地域从北京逐渐扩展到长三角、珠三角等地区。再次，从企业类型来看，与国企的合作是清华产学合作专利申请的主要形式。在合作专利数量最多的前20家企业中，1987—2001年，国企10家、民企2家、外企4家；2002—2007年，国企8家、民企7家、外企5家；2008—2016年，国企13家、民企5家、外企1家。这说明了在当下中国，整体上还是国企的合作意愿和合作研发实力更强。最后，从合作企业的特点来看，合作量最多的前20家企业，50%为清华衍生企业，这说明衍生企业是清华大学技术转移、转化的主要途径，组织临近性是高校技术转化的重要影响因素。

资料来源：整理自Patsnap 专利数据库。

3.2 回归结果分析

表3呈现的是负二项回归模型的分析结果。模型1、2、3分别检验度数中心度、接近中心度和中介中心度对高校应用研究绩效的影响。研究假设1提出产学合作专利网络的度数中心度对应用研究绩效具有正向促进作用。从表3的模型1可以看出，度数中心度对清华大学应用研究绩效具有显著的正向影响(β=0.641，p<0.001)，研究假设1得到实证数据的支持。结合案例，清华大学与很多知名企业都联合申请过专利，包括鸿富锦精密工业有限公司、维信诺公司、国家电网公司和清华同方股份有限公司等。这些企业遍布不同的行业，类型各异，为清华大学提供了异质性知识和不同的思维方式，有益于促进创新。在具体合作的过程中，清华大学通过密切地与公司接触，与公司的研发人员不断地讨论如何改进专利，更加了解企业的实际需求，有利于减少专利供给和需求信息的“不对称”，促使清华大学能够开发出更多有利于企业发展，提高经济发展质量的专利。

表3的模型2结果表明，随着接近中心度的提升，高校的应用研究绩效在降低(β=-5.182，P<0.05)，这与研究假设2相反，故假设2没有得到实证支持。究其原因，虽然较高的接近中心度有利于清华大学在与企业沟通的过程中更快速的获取信息、更加独立高效的沟通、更快地集结资源并避免信息“失真”，但是也可能因存在多重互动而导致信息冗余，增加了信息筛选的难度。也就意味着清华大学科研人员需要花费大量的时间和精力研究各个企业的实际情况，综合多种信息，做出专利开发决策。此外，囿于人有限的信息处理能力，以至于其难以达到完全理性，因此决策的标准往往是满意，而不是最优[17]。这种信息筛选的难度和满意的决策标准可能使清华大学在专利合作网络中有利的位置不能转化为应用研究的资源，不利于应用研究绩效的提高。

表3 负二项回归分析结果

注：*p<0.1，**p<0.05，***p<0.01，下同。

研究假设3认为中介中心度与高校应用研究绩效正相关，模型3的研究结果支持了这一假设(β=0.339，P<0.001)。清华大学在专利合作网络中的中介中心度越高，表明其越占据网络的关键位置，即对网络内节点间的资源、信息、知识的流动具有较强的控制力。在参与产学合作时，高的中介中心度使清华大学能够发挥研发的主动性并充当其它企业之间沟通和交流的媒介，能够获得更多有关专利的信息，使得其能够实时监测企业间的专利合作动态，了解新的专利开发趋势，开发出更有针对性的技术。

3.3 稳健性检验

为了检验上述分析结果的稳定性与可靠性，本文从以下三个方面进行了稳健性检验。第一，将控制变量中的总科研经费替换为横向科研经费。因为横向科研经费来自于企业资助，绝大多数以技术研究、开发为主，其成果形式以专利为主，因此对应用研究绩效具有重要影响。第二，控制网络结构的非线性效应，即分别将度数中心度、接近中心度和中介中心度的平方项纳入模型中。第三，在模型中考虑了前一期应用研究绩效对当前应用研究绩效的滞后影响，即将前一年的专利产出的滞后效应作为控制变量纳入模型中。上述稳健性检验的结果见表4，从中可以看出，度数中心度和中介中心度对应用研究绩效影响的方向和显著度没有变化(分别见于表4模型1、3、4、6、7和9)。但是，接近中心度对应用研究绩效的影响却呈现出很大的不稳定性，表4模型2中该影响为负向且显著，而模型5和8则为正向且不显著。这表明接近中心度的影响不稳定，由此表3中关于H2的检验结果是不稳健的。此外，稳健性检验二的结果还表明网络结构的非线性效应不显著。

表4 稳健性检验结果

4 结论

本文基于清华大学在1985—2016年与企业联合申请专利的数据，研究了高校的产学专利合作网络对应用研究绩效的影响。研究发现，清华大学与企业的专利合作申请可分为三个阶段，1985—2001年、2002—2007年和2008—2016年。在三个时段内，合作网络的节点和边的数量一直在快速增加，合作网络规模和密度也在扩大。负二项回归分析的结果进一步表明该网络的结构特征即度数中心度、中介中心度对高校应用研究绩效具有显著的正向影响，但接近中心度对清华大学应用研究绩效的影响并不稳定。1985—2016年，清华大学在其产学专利合作网络中的中心地位不断增强，这为其应用研究绩效的提升带来了积极影响。

本文的研究结果对产学合作实践与政策具有一定的启示：首先，高校在筛选、寻找合作企业时，应当与企业建立更多的直接联系，充当企业间信息沟通与交流的“媒介”；同时，优化信息筛选的机制，提高信息处理的能力，发挥网络带来的结构效应，避免接近中心度较高可能带来的不利影响，从而提高自身应用研究绩效。其次，鼓励高校与企业开展长期稳定的研发合作，培育信任，推动高校将由网络位置带来的资源和信息优势转化为有价值的研究成果，避免因知识与信息冗余而带来的负向效应。

本研究也存在一些不足：首先，本文以清华大学为例展开探讨，未来的研究样本可以扩展到其它高校，研究问题可以从专利合作网络结构对专利数量的影响拓展到对质量的影响。其次，本文从结构嵌入性探讨了合作网络对高校应用研究的影响，关系嵌入性也是合作网络的重要特征。因此，进一步的研究可聚焦于合作关系的嵌入性，如大学与企业合作申请专利中哪些关键的 “桥接者”或者何种连接机制推动了专利合作网络的良性发展，哪些关系互动对企业和高校创新绩效的提高具有特殊的意义等，这将有利于进一步揭示合作关系对高校应用研究绩效影响的微观作用机制。最后，高校由不同的院系构成，不同院系与企业合作的形式与结果具有差异性，因此，探讨不同院系与企业合作申请专利的网络特征，对于深入揭示合作网络对高校应用研究绩效影响的作用机制具有重要意义。