全球创新网络演化的结构与邻近性影响机理——基于TERGMs的分析

余谦，葛梦妮，马玎

(武汉理工大学 经济学院，武汉 430070)

一、引 言

进入21世纪以来，随着创新全球化与知识经济的发展，“地方空间”转向“流空间”[1]，全球进入以创新要素流动为特征的开放式创新时代[2]。日渐复杂的技术研发需要通过国际合作凝聚更多专业性强的研究人员合作完成。其中，跨国公司建立海外R&D和技术中心，整合跨国公司资源进行技术合作创新；不同国家间的企业为削减创新成本和处理日益增加的技术复杂性，选择建立一个合资企业进行合作开发技术知识与产品。信息随着全球知识经济的发展呈现出离散的分布，合作创新逐渐成为创新的常态[3]。全球合作创新网络的建立有助于揭示全球创新网络的系统特征，分析创新集聚在全球地域上的分布规律；经济地理学普遍运用社会网络分析方法解释创新地理分布的现象，有助于理解区域之间的联系以及创新的产生过程[4]。创新网络的演化受到的影响机制为：一是网络结构内生效应，包括网络的整体性质等；二是网络组织要素，如网络节点性质等；三是多维邻近性的角度，主要包括地理邻近、技术邻近、文化邻近等[5]。现有研究停留在对整体网络一般特征的描述及节点网络结构如何影响个体创新行为，而网络结构及网络组成如何对整体网络演化产生影响？邻近性对国家间创新合作的影响并非静态的[6]，在合作网络动态演化过程中，不同维度邻近性对全球专利合作网络演化的影响程度如何？这都是本文亟待解决的问题。

相较于传统的回归模型，TERGMs(Temporal Exponential Random Graph Models，TERGMs)的独特优势在于,它可以在时间维度上纵向分析网络结构与多维邻近性对区域间专利合作网络动态演化的影响，进一步完善对合作网络动态演化的研究。TERGMs本身也具备指数随机图模型的优势，一方面强调专利合作网络间的结构效应，以及两国间专利合作关系的形成与其他合作关系存在一定关系，打破以网络边的独立性为前提的悖论；另一方面，通过微观层面上网络结构变量的显著性来揭示创新网络的整体结构统计[7]。早期多采用多元回归分析方法、引力模型等对创新网络演化的作用机制进行研究[8]，指数随机图模型以网络边相关性为基础，对网络结构、节点与边属性进行建模与统计检验，全面揭示合作创新网络形成的社会化过程[9]。TERGMs是网络演化的离散时间模型，假定这些过程在时间步长内可分离，旨在解释观测网络的结构模式随时间的变化。合作网络的演化受网络结构特征以及邻近性的影响，时序指数随机图模型是传统指数随机图模型动态网络的扩展，可综合外生节点属性、邻近性和内生结构，探索驱动创新网络演化的影响因素。

专利是知识和技术的重要表现形式，被广泛用于评估国家创新水平和创新竞争力，联合申请专利数据能够直接反映知识在各地区间的流动，是衡量各国创新合作的重要指标[10]。本文依据联合申请专利数据构建全球创新网络，研究全球创新网络的动态演化规律，通过时序指数随机图模型，探讨在全球网络动态发展的背景下，网络结构内生效应与多维邻近性对全球创新网络演化的影响机制。本文对全球专利合作发展趋势与特征演化进行分析，依据数据分析提出假设并运用TERGMs对假设进行验证，为各国创新政策的制定提供借鉴。

二、全球专利合作网络发展趋势与特征演化

(一)专利合作网络的构建与发展趋势分析

本文中涉及变量的数据来源于世界银行数据库和OECD数据库，部分数据来自全球创新指数报告。选择89个国家在2001—2017年间共同发明的专利，构建全球专利合作网络，运用MATLAB将数据转换成2001—2017年89个国家间分年份合作专利的邻接矩阵。用vi(i=1,2,…,n)表示第i个国家，邻接矩阵C=[aij]表示国家之间的专利合作关系，如果国家i与国家j之间存在专利合作的关系，则aij=1；反之，国家i与国家j之间不存在专利合作关系，aij=0。使用矩阵W=[wij]表示各国专利合作网络的权重矩阵，wij为国家i与国家j之间专利合作数。因此，89个国家专利合作网络由V、C、W构成。由于本文研究的重点为国家间的专利合作，不考虑国内的专利合作情况，全球专利合作网络为无向加权网络。

各国联合申请专利的数量从29 168件增长至67 150件，总体呈现稳步增长的态势。随着知识经济的兴起与专利制度中超TRIPS条款的完善，专利审查机制进一步完善，促进专利信息在世界范围传播和扩散。美欧国家是合作创新网络的主力军，亚洲国家在合作创新网络中的地位显著提升。

(二)全球专利合作网络特征演化分析

1.专利合作网络结构特征解释

网络密度：网络中实际存在的边数与可容纳边数上限的比值，可用于刻画网络中节点间连边的密集程度。无向图中网络密度表达式为：2L/n(n-1)，其大小介于0和1之间，密度值越接近1，网络节点间关系越紧密。密度计算反映各国专利合作的积极程度。

平均度和平均加权度：在一个网络G=(V,E)中，节点v的度dv是与v关联的边的数量。平均度为该网络中所有节点度的平均值；对于有权网络，度的一个有用的推广是节点的“强度”，即与某个节点相连的边的权重之和，称为加权度，平均加权度为该网络中所有节点的加权度的平均值。平均度和平均加权度可反映全球专利合作网络整体的连通程度。

2.专利合作网络拓扑结构分析

对专利合作网络的相关特征进行描述性统计，如表1所示。从表1看出，国家间的专利合作日益增多且日益紧密。专利数量从2001年的29 168件增加至2017年的67 150件，网络密度也由最初的0.16增加到0.26，说明整个网络中各个国家之间的专利合作溢出频繁，合作联系密切，具有较高的凝聚性。聚类系数增加，说明总体聚合程度有所提高，平均最短路径长度也呈现逐年下降趋势，说明全球专利合作网络具有小世界性，节点国家能提高信息交流与传递的效率，激发节点的创造力，进行更多的合作专利创新。

表1 全球合作创新网络的基本描述性统计结果

图1为2001年和2017年全球专利合作网络图，呈现核心-外围的结构，且全球专利合作创新网络的热点分布从“美欧”转向“美亚欧”。线条宽度代表国家间的合作强度，节点的大小为节点强度。图1显示，美国是全球最大的专利合作产出国，拥有最多的专利合作伙伴，专利合作数量位居第一。专利合作网络的中心从2001年的美国、德国、英国、日本、加拿大转向2017年的美国、德国、英国、中国、印度、加拿大，亚洲国家在全球专利合作中的地位呈现上升态势。

图1 2001年与2017年全球专利合作创新网络图

对全球专利合作网络进行社团识别，将创新网络划分为三个社团，采用块状区分。社团内的节点间联系紧密，社团组间联系较为稀疏，社团的划分一定程度上受地理邻近、文化邻近及社会邻近的影响。社团1中的国家以意大利、法国、比利时、西班牙等地中海国家为主。地中海是欧、亚、非三大洲的交通枢纽，地中海中的海运连通地中海沿岸各国，该社团的划分表明国家间的创新合作在一定程度上受地理邻近性的影响。社团2中的国家以丹麦、瑞典、挪威、芬兰等北欧国家及波罗的海国家为主导，这些国家的文化与官方语言相似，该社团的划分表明文化与语言的相似度影响国家间的专利合作。

3.专利合作网络空间结构分析

全球专利合作网络呈现弱集聚性和分散化的空间态势，大部分国家之间的专利合作程度差距较小，如表2所示。各国间的专利合作程度随着时间发展进一步深化。截至2017年，小部分专利合作程度较高的国家主要集中于北美洲、欧洲与大洋洲。主要原因在于，众多国际科研合作组织的研究所在地集中于北美和西欧地区，成为全球专利合作产出的高地；亚太部分地区对科技创新的重视及科研投入的增加，为国际专利合作的发展提供动力。

表2 2001年与2017年全球合作创新网络度中心性与介数中心性排名前20的国家

表2中，高介数中心性的国家集中区域从北美、西欧转向北美、西欧、东亚；2017年，高介数中心性的国家集中在北美、西欧与大洋洲，呈现“三足鼎立”的非均衡格局。具体来说，美洲地区中的美国与加拿大处于美洲极值区，美洲大陆长期以来呈现“北高南低”的空间布局。在亚欧大陆中，东西之间形成“塌陷地带”，整体表现出“四周高、中间低”的盆地形态。究其原因，一方面，美国、加拿大、澳大利亚、中国、西欧等国拥有较强的科研资源；另一方面，共同的语言与文化有利于维持国家间的合作关系。英语是全球使用最广泛的语言，欧美文化是当今主流，这两者为专利合作提供更大可能性。

三、研究假设

创新网络关系的形成基于网络自组织过程、节点属性的过程以及外生二元协变量过程，由网络内部结构效应与网络各节点属性相互作用而形成。创新网络的演化影响机制主要有三种：一是网络结构内生效应，包括网络整体特征及网络内部过程；二是网络组织要素特征，网络内组织要素的不同属性对创新网络的演化作用机制不同；三是二元协变量过程，如多维邻近性的角度，探讨多维邻近性对创新网络的形成与演化的作用。前人针对合作网络结构的研究主要以发现为主，并不能解释合作网络形成的内在机理。本文综合考虑网络结构内生效应与邻近性的外生效应，揭示专利合作网络的内在形成机理。

网络传递性是网络的一个重要性质，传递性定义同一个节点的两个相邻节点仍然是相邻节点的概率较大。在全球专利合作网络中，合作关系体现创新主体研究领域的相似性，创新主体间的联系因合作而更加紧密，如两个国家有共同的合作伙伴国家，那么这两个国家会倾向于建立专利合作关系。同质性法则是指，两个主体间建立联系的概率由其相似程度决定，两个主体相似程度越高，它们建立联系的概率越大[11]。几何加权边共享伙伴(geometrically weighted edge-wise shared partners,GWEPS)表明全球专利合作网络中形成闭合三角结构的倾向性；几何加权二元共享伙伴(geometrically weighted dyad-wise shared partners,GWEPS)则表明专利合作网络中节点承担中介功能倾向性，即形成开放三角结构的倾向性。三元组作为无向网络中重要的网络结构，显示了网络的传递性[12]。基于上述三元网络结构，提出假设H1a。

H1a：全球专利合作网络存在传递性特征。

度数中心性反映节点在创新网络中的位置，一定程度上是个体在创新网络中权利的象征。在专利合作创新网络中，由于技术与声望等原因，在专利合作创新网络中受欢迎的国家可能会吸引更多国家来与其进行贸易活动。直观来说，一些经济、技术发达的国家会成为其他国家进行专利合作的首选。然而，专利合作网络中关系的建立需要经过长时间的考察与选择，维持现有的合作关系需要大量的成本投入，在现有合作伙伴能够满足创新需求的情况下，主体一般倾向避免花费成本建立新的合作关系[13]。此外，由于其自身在网络结构中所占据的绝对优势，为避免其他企业“搭便车”的侥幸心理寻求合作，核心节点会谨慎地建立新的合作关系。基于此，提出假设H1b。

H1b：专利合作网络演化过程中，度数高的节点更倾向避免建立新的合作关系。

关于邻近性对区域创新体系重要性的研究由来已久。对于集聚经济和产业区的研究，Marshall(1)详见Marshall A于1961年发表的Principles of economics。从地理邻近的角度，探讨经济主体聚集所产生的优势。随着研究的不断深入，法国邻近动态学派提出多维度邻近，并指出地理邻近在合作创新中的重要性。Knoben等[8]阐述多维邻近性的内涵，将邻近性划分成地理、组织、文化、制度、认知、技术与社会七个维度。党兴华等[14]根据经济活动主体和技术创新的不同层面，将邻近性划分为认知邻近、制度邻近和地理邻近。专利合作受各国的社会、经济、文化等方面影响，故选择地理、技术与文化邻近性研究全球专利合作网络形成与演化的关系。

地理邻近在跨国专利合作网络中的作用。大部分学者认为，地理邻近是驱动创新网络形成与演化的重要因素。地理邻近是创新主体间地理距离的接近程度，创新主体在地理上的邻近会产生知识的外部性。地理距离主要影响运输成本以及沟通的经济成本等合作成本，原因在于：一方面，在跨区域合作创新需要更高的交通运输成本，特别是跨区域的创新过程需要面对面接触，较大的地理距离会对跨区域互动产生阻碍作用[15]；另一方面，地理邻近使创新主体之间的交流成本降低，有利于创新主体之间产生共同技术语言，培养相互间的信任，克服知识的粘性，为创新主体间隐性知识的交流和吸收创造条件[16]。随着交通与通讯技术的发展，地理绝对距离的影响逐渐减弱，一些学者提出“地理已死”等观点，即过度的地理邻近性会阻碍创新主体新知识的产生与外部知识的吸收，形成空间“锁定”效应[17-19]。但大部分学者仍强调合作创新对地理距离的高度敏感性。地理临近方便创新主体间互动交流，促进知识的转移与创新。基于这种观点及前文的社团分析，提出假设H2a。

H2a：地理邻近性对跨国专利合作网络存在正向影响，地理距离越近的创新主体越有可能开展专利合作创新。

技术邻近在跨国专利合作网络中的作用。技术邻近性也称虚拟邻近，其反映了创新主体间知识基础与技术结构的相似度。多数学者认为，技术邻近有助于增加合作创新产出。技术邻近性对创新主体吸收具有互补性与异质性的新知识具有重要的作用[20]。一方面，技术创新需要知识的长期积累与重组，对于知识的理解与应用需要相关的背景知识与文化基础。另一方面，创新主体间隐性知识的传递只能发生在高度专业化人员之间，知识基础与创新领域相近的主体可以克服专业知识与隐性知识所造成的知识粘性[21-23]。如果创新主体间技术接近性低，创新主体难以有效吸收与利用相关的专业性知识，对合作创新产生不利影响[24]。但是过度的技术邻近性会引发认知锁定，同化创新主体间的差异性，削弱创新主体的创新竞争力[25-27]。Broekel等[28]指出，地理邻近性与技术邻近性存在互补关系，具有地理邻近性和技术邻近性的联系比仅有地理邻近性的联系更容易实现。基于此，笔者认为，技术领域相似的创新主体更容易理解、吸收对方的知识，形成共同的技术发展轨迹，更有可能开展合作研发，由此提出假设H2b。

H2b：技术邻近性对跨国专利合作网络存在正向影响，技术相似主体更有可能进行专利合作创新。

文化邻近在跨国专利合作网络中的作用。文化邻近性是一个相对模糊的概念，在一般层面，文化邻近性着眼于国家、区域间的文化相似与区别。语言是人们交流和沟通最重要的工具，是文化的载体，也是文化的重要组成部分。跨国专利合作中，国家之间拥有同种语言可降低交流成本，对跨国研发合作创新存在显著影响[29]，且文化邻近性能降低合作创新主体间因双方专利合同及法律标准差异引起的风险和成本。文化差异性可促进创新主体间吸收具有异质性与互补性的新知识，以新方法重组知识，实现合作创新[30]。笔者认为，文化邻近的创新主体，可降低沟通成本，有助于理解对方知识并开展专利合作。基于这种观点及前文的社团分析，提出假设H2c。

H2c：文化相似的创新主体更可能开展专利合作。

根据上述假设构建影响机理图，如图2所示。

图2 网络结构效应与多维邻近性对全球专利合作网络演化的影响路径图

四、TERGMs实证研究

(一)研究方法

TERGMs是对传统指数随机图模型的动态扩展，将网络的内生结构特征、节点属性和二元协变量纳入模型，基于随机社会过程对观测网络的生成机制做出推论。TERGMs是网络演化的离散时间模型，假定这些过程在时间步长内可分离，通过迭代过程构造随机图概率实现对网络的真实预测。TERGMs定义当前时间t的网络是t-K到t-1时间步长网络的函数，随机图概率函数表示为

(1)

其中，N是特定的观测网络，θ是对应向量的系数，H(N)是统计向量，主要纳入结构变量、节点属性及二元协变量。∑k(θ,Nt,Nt-1,…,Nt-K)表示在t时刻前可能的网络求和。

(二)变量测度

从全球专利合作网络演化机制出发，选择相关统计量作为模型的因变量，相关统计量的定义与内涵如表3所示。

表3 TERGMs模型统计量及内涵

传递性的概念是:如果两个国家共享一个专利合作伙伴，那么这些国家通常会成为专利合作伙伴。选取几何加权边共享伙伴关系(GWESP)及几何加权二元共享伙伴(GWDSP)评估网络中的传递关系。几何加权度是以每个节点度中心性所对应的频数乘以一个加权参数求和而得，依赖于网络度分布以及衰减参数。具体来说，具有更高中心度节点被赋予更高权重。选取几何加权度(GWdegree)评估网络中节点的度中心性。

地理邻近性参照Hong等[31]对地理邻近性的测度，lati、longi为国家i首都的纬度和经度，latj、longj为国家j首都的纬度和经度，6 371(千米)为地球的平均半径，国家首都的经纬度信息可以由百度地图API批量获取。国家i和国家j间的地理距离的公式为

distij=6 371·{arccos[sin(lati)sin(latj)+cos(lati)cos(latj)cos (|longi-longj|)]}

(2)

技术邻近性参照Jaffe等[32]和Balland等[33]的计算方法，使用不同国家的各个技术领域所拥有的专利数量作为技术结构向量来衡量技术的接近程度。Fi=(n1,n2,…,nk)是i国家在技术领域中拥有的专利数量，Fi和Fj国家i和国家j在不同技术领域中拥有的专利数量的技术结构向量。技术结构向量邻近性的公式为

(3)

语言是文化的载体，文化邻近性以国家是否存在官方语言决定。构建文化邻近性邻接矩阵，使用共同官方语言的两个国家存在文化邻近性，邻接矩阵元素为1；若两个国家没有共同官方语言，则邻接矩阵元素为0。

本文选取专利合作网络内国家节点属性为控制变量，专利合作网络中节点国家的创新制度环境以及研发投入为节点属性。创新制度环境以WIPO发布的全球创新指数报告中制度得分表示，研发投入采用世界银行数据库中各国的R&D数据。

(三)实证结果分析

1.ERGM模型选择

本研究采用截面ERGM与TERGMs分析专利合作网络中的网络结构依赖关系及邻近性等影响机制。依据2017年ERGM截面分析，选择最简约的模型，分别将内生网络结构变量、节点属性变量、外生网络协变量纳入模型，其拟合结果均收敛(如表4所示)。根据表4可知，模型7的AIC和BIC值最小，为最简约的模型。在此基础上进行MCMC诊断，结果如图3所示。从图3可以看到，每个子图的左边是模型中变量的变化，子图的右侧是对应的MCMC链直方图，模型7稳定，可作为TERGMs变量选择有效性的依据。

表4 2017年全球专利合作网络的ERGM拟合结果

图3 MCMC诊断结果图

2.总体实证结果与分析

借助R软件相关程序，TERGMs模型结果如表5所示。

表5 全球专利合作网络TERGMs估计结果

由表5的回归结果可以看出，在全球专利合作网络动态发展过程中，几何加权边共享伙伴关系(GWESP)、几何加权及几何加权度GWdegree这些网络结构变量对专利合作网络存在负向影响。其中，几何加权二元共享伙伴对专利合作网络演化存在正向影响，地理邻近、技术邻近与文化邻近对时序专利合作网络的影响显著为正。

模型中包含创新制度得分以及R&D投入两个控制变量构成的基本线性模型估计，Edges作用类似于计量回归中的常数项，一般不作解释。各国在创新方面制度的评分优劣对国家间专利合作存在正向影响，但其影响系数较小；各国R&D投入在各年份中表现出正向影响，说明在创新网络中，国家在选择合作伙伴时，倾向于选择和重视R&D投入与科技发展的国家，并与之进行专利合作，这个结果与Ter Wal等[34]研究结果一致。

GWESP与GWDSP解释了专利合作网络中的三角构型机制。GWESP的系数显著为负，GWDSP刻画了中介性机制，其系数显著为正，说明技术合作网络倾向于形成开放三角结构，其原因在于：通过第三方国家获取知识的方式存在可行性，利于提高知识交流效率。专利合作网络存在传递性特征。星型构局GWdegree是由多项度分布的几何加权和，综合反映了不同度分布的结构效应。几何加权度GWdegree的参数估计显著为负，说明星型构局反向抑制专利合作网络的动态演化。假设H1a、H1b得到验证。

在TERGMs模型中，随着时间的发展，地理邻近、技术邻近和文化邻近性对专利合作网络的影响显著为正。从理论分析来看，地理邻近可以降低运输与交流成本，方便创新主体间互动交流，促进创新主体间隐性知识的交流与吸收，从而促进知识的转移与重组创新。创新是主体间交流、吸收异质性知识，运用新想法重组现有知识，相同的知识与技术为创新主体间的专利合作奠定了基础，技术邻近性有助于创新主体吸收具有互补性与异质性的新知识并重组知识，实现合作创新,假设H2b成立。文化邻近性与共同的官方语言可降低沟通障碍，避免因双方专利合同及法律标准差异引起的风险和成本，方便获取专利知识，促进创新主体间异质性知识的吸收与合作创新。文化相似的国家拥有相近的价值观，并因此增进合作双方的信任，提高双边合作规模。故假设H2c成立。因此，H2a、H2b及H2c得到验证。

为检验模型对事实网络的还原能力，进一步绘制拟合优度图。本文选择边共享伙伴、二元共享伙伴、测地距离、度中心性这四个统计量作为比较指标(如图4所示)。黑线表示现实网络的统计特征，箱型图代表由拟合模型得到的网络特征。根据图4可知，现实网络与拟合模型得到的网络差别较小，说明TERGMs模型拟合效果较好，能够研究全球专利合作网络演化机制。

图4 拟合优度图

五、结论与政策分析

本文以全球专利合作网络为研究对象，整理2001—2017年间各国合作申请的专利数量整理并进行可视化研究；同时借助TERGMs时序指数随机图模型，深入揭示全球合作创新网络的动态演化规律，并从邻近性与网络结构两方面探究专利合作创新网络的演化动因，得到以下结论与启示。

全球合作创新网络呈现显著的核心-外围结构，合作创新网络的核心从“美欧”向“美亚欧”转移，亚洲国家逐渐进入创新网络的核心。全球专利合作数量增加，专利合作网络表现出较高的小世界性，各国的一体化程度较高，有助于获取新信息与新资源，并加强各国间的专利合作创新。全球专利合作网络呈现弱集聚性和分散化的空间态势，中介中心性的国家集中与北美、西欧与大洋洲呈现“三足鼎立”的非均衡格局。合作创新网络的核心从美、德、英、智利以及加拿大转向为美、英、德、加拿大、中国与印度，亚洲国家进入合作创新网络的核心。美欧国家依旧是合作创新网络的主力军，亚洲国家在合作创新网络中的地位显著提升。

时序指数随机图模型的结果显示，网络结构与邻近性对全球专利合作网络演化存在正向影响作用。全球专利合作网络存在传递性特征，各国可以通过第三方国家获取知识，提高知识交流效率。星型构局反向抑制专利合作网络的动态演化，核心节点倾向避免与新的伙伴建立专利合作关系。就邻近性而言，地理邻近、技术邻近与文化邻近对专利合作网络存在显著正向作用。技术上的相似性可以保障国家在创新过程中高效通畅地沟通，技术邻近性有助于各国吸收具有互补性与异质性的新知识并重组知识，实现合作创新。语言差异会增加双方因专利合同及法律标准差异引起的风险和成本，相似的文化与官方语言有助于国家理解国际间的知识溢出，促进国家间的专利合作创新。

各国今后需要继续保持较高的国际合作活跃程度，不断提升其国家创新影响力。全球专利合作创新网络的核心分布在美亚欧发达地区，各国在保持与美亚欧核心国家合作为主的同时，应该不断加深与周边国家或地区的合作，向多区域合作方向发展。

国家在选取专利合作伙伴时需考虑关系导向和技术导向，通过加入技术联盟来促进国家间专利合作，实现技术转移。各国可利用技术邻近，在搜寻合作伙伴与整合互补性知识元素等过程中的有利条件构建合作渠道，建立更加稳固的合作关系，并结合多种邻近性机制以更好地获取和整合国外的先进技术知识。各国也可加入技术联盟学习技术知识，通过专利合作等方式实现技术转移，提高将技术转化为生产力的能力。

进一步推动中日韩亚洲三边专利局合作与美国专利局(USPTO)、欧洲专利局(EPO)、日本专利局(JPO)国际三边专利局的格局融合发展，建立IP5合作模式，完善全球专利档案系统。解决语言障碍对专利申请与审查造成的困难。联合专利申请与审查会受各国制度及语言的影响，文化与语言的相似性能简化专利局的工作难度，保证专利局间的工作成果共享。

本文主要着眼于全球专利合作创新网络的空间特征分析与网络结构、多维邻近性在专利合作创新网络的动态影响作用，丰富了分析网络结构与多维邻近性作用机制的研究视角，进一步拓展了相关研究的范围，深化了对全球知识合作机制的认识。未来可进一步详细搜集联合专利申请的信息，加强创新尺度融合和要素融合研究，可结合企业或产业创新网络，挖掘不同尺度、不同层次的创新网络的演化机制；同时可构建多维邻近性分析的框架，着重研究网络结构与多维邻近性在其演化过程中的作用。