区域创新网络的网络特征对知识创新绩效的影响研究

李言睿 马永红

摘 要：本文在分析区域创新网络的结构特征与关系特征的基础上，应用复杂网络理论建立了主体知识创新模型，并基于创新模型探讨了区域创新网络的网络密度、网络开放度及网络关系强度对知识创新绩效的影响规律。研究显示，网络密度变化呈现出先增后稳定状态，网络开放度及网络关系强度变化呈现倒“U”状态;网络密度、网络开放度及网络关系强度均对知识创新绩效整体呈现正影响。本文研究为构建区域创新网络、提升知识创新绩效提供新的思路。

关键词：知识创新绩效;网络特征;网络密度;开放度;关系强度

中图分类号：F272.4 文献标识码：A 文章编号：1003-5192（2021）05-0083-07 doi：10.11847/fj.40.5.83

Abstract：Based on the analysis of the structural features and relationship features of regional innovation network， this paper establishes a subject knowledge innovation model by applying complex network theory. Using this innovation model， we discuss the influence of network density， network openness and network relationship intensity on knowledge innovation performance. The results show that the network density presents a first increasing and then stable state， the changes of network openness and network relationship intensity present an inverted “U” state; network density， network openness and network relationship intensity always have a positive impact on knowledge innovation performance. This paper provides new ideas for constructing regional innovation network and improving knowledge innovation performance.

Key words：knowledge innovation performance; network characteristics; network density; openness; relationship intensity

1 引言

区域创新网络的发展能够形成一个技术知识分享、创新合作的环境氛围，促进技术知识在不同创新主体之间的转移扩散，进而提升网络的创新能力。当前，区域创新网络结构的发展及优化已经成为提升知识创新绩效的主要方式，研究区域创新网络特征对创新活动的影响，有助于创新主体间技术知识的流动与创新。

作为衡量区域创新网络创新产出效率和效果的重要指标，知识创新绩效是学者研究重点。Su等[1]将创新绩效定义为创新活动中由技术创新带来的那部分绩效成果，其主要的评估标准就是创新产品的生产数量和规模。吉迎东等[2]构建了知识共享主从博弈模型，发现各方创新绩效分配系数与知识共享贡献率正相关。孔晓丹和张丹[3]认为创新网络中知识流动能促进企业创新绩效;企业间的联系强度能正向调节结构嵌入性对知识流动和企业创新绩效间关系的调节作用。贾晓霞和李金芳[4]研究发现，合作网络中申请人的结构洞和度中心性及知识网络中知识元素的结构洞和度中心性都与高校创新绩效具有显著倒U形关系。王海花等[5]认为，整体网络层面的中心势和密度正向影响创新绩效。苏屹和林周周[6]认为，研发经费投入强度、研发人力、创新机构数、新产品开发费用及对外开放度对创新产出均具有显著正向影响。

目前，学者们已从多个角度对区域创新网络特征进行研究。Cowan和Jonard[7]， Eisingerich等[8]认为，邻近性越高，网络结构的紧密性越强，网络强度和网络开放度是支撑高绩效区域集群的基础。徐敏等[9]研究发现，网络联结密度与网络平均知识存量存在倒U型关系，而网络关系强度与网络平均知识存量呈正相关关系。张卓和魏杰[10]基于小世界网络仿真建模方法，从创新输出企业视角，探究创新输出与创新网络、创新绩效之间的内在关系。李玥等[11]认为，随着网络规模扩大，创新服务网络结构呈现小世界特性。苏屹和刘艳雪[12]梳理了近10年关于区域创新的文献，提出了未来区域创新应该关注的研究方法。复杂网絡作为一种研究复杂系统性现实网络的工具，在区域创新网络的研究中起到了重要作用[13，14]。Watts和Strogatz[13]提出的小世界网络和Barabasi和Bonabeau[14]提出的无标度网络理论，为分析创新网络的结构提供了有力工具。学者们利用复杂网络及实证分析相结合的方法研究创新网络结构，发现区域创新网络兼具小世界和无标度特性，并从创新输出、知识共享、主体合作等视角研究了区域创新网络结构的特征变化[15～18]。

梳理文献发现，学者们对创新网络内知识创新的研究，涵盖了知识共享、知识流动、知识溢出、知识转移与创新绩效、知识网络对创新绩效的影响等方面，这些既往研究主要侧重于知识自身的动态研究及其对创新绩效的影响，而对知识创新过程与创新网络特征相互作用的关注不够。本文从网络密度、网络开放度及网络关系强度三个特征入手，利用主体知识创新模型揭示网络特征的宏观变化对知识创新绩效的影响。首先在复杂网络下构建主体创新模型，通过知识搜索、知识转移、知识创新来体现知识存量的变化，然后构建创新网络的整体网络特征及知识创新绩效模型，通过主体的微观行为，将网络整体特征和知识创新绩效联系起来，从而研究区域创新网络特征对知识创新绩效的影响。

2 模型描述及假设

区域创新网络作为一个复杂网络，通过创新主体的合作创新而产生创新绩效，具备小世界及无标度特性。小世界特性不存在高度节点、联系均匀，且聚类系数较高，无标度特性存在高度节点、联系不均匀，且聚类系数较低，因此区域创新网络表现出的性状不同。复杂网络分析中，刻画网络特征的变量有很多，有些变量反应了单一节点的特性及节点间的关系，而有些变量反应了网络整体特性，本文主要关注区域创新网络的整体特征对知识创新绩效的影响，因此选取网络密度、网络开放度、网络关系强度三个网络特征作为模型的自变量，都反映了网络的整体特征。为了利用虚拟网络，体现现实网络的变化规律，本文首先分析区域创新网络的拓扑结构及其状态，通过复杂网络特征，构建多主体网络，即用网络节点代表主体、用节点间的连边代表主体合作，从而为利用复杂网络动态分析主体行为、呈现区域创新网络整体结构特征提供模型的理论基础。基于多主体复杂网络构建区域创新网络，网络中的节点为Vi;节点Vi与节点Vj的连边为eij。

假设1 区域创新网络中创新主体的数量不变，没有新的节点加入，但是在每个创新周期中，创新主体重新搜索合作伙伴，建立链接进行知识转移，因此创新网络是动态的。

假设2 创新主体根据宽度搜索及深度搜索的规则寻找合作伙伴，找到满足规则的创新主体后，两者建立链接进行合作创新。

假设3 区域创新网络中的各创新主体合作态度都是积极的，区域创新网络中的主体i有意愿与主体j合作时，主体j同样也有意愿与主体i合作。

假设4 区域创新网络中的创新主体在创新过程中，既对原有知识创新，又对新知识创新。

假设5 区域创新网络中的创新主体的吸收能力、开放度随着知识存量的改变而变化。

3 模型分析

3.1 知识创新模型

知识创新的核心内容是知识创造与应用[1]，很多研究都从知识角度衡量和测度创新绩效，并以区域创新网络为载体，各种知识、信息的流动、传递及创新的过程成为研究重点，本文以前述研究为基础构建知识创新模型，揭示知识创新的整体过程。模型将创新主体的创新过程分为三个阶段：（1）知识搜索。创新主体首先进行宽度搜索寻找互补性知识，其次进行深度搜索控制异质性知识过高。（2）知识转移。在知识搜索的基础上，创新主体首先进行链接确定合作关系，其次根据双方合作的领域，有选择地进行知识传递，从而增加各自的知识存量。（3）知识创新。创新主体进行利用式创新和探索式创新，即对原有知识和新知识同时进行创新。创新主体在创新过程中产生知识创新绩效，同时与区域创新网络特征双向作用，即网络密度、开放度及关系强度影响了创新过程，创新过程也改变了网络密度、开放度及关系强度。区域创新网络的特征与创新主体的创新活动之间相互作用如图1所示。

3.1.1 知识搜索

创新过程的第一阶段为知识搜索，假设创新主体的属性集为E=（ki，ci，vi，λi），其中ki为m维知识向量，ki=（ki1，ki2，…，kim），ci为创新主体i的吸收能力，λi为创新主体的创新能力，vi为创新主体开放度。创新主体的吸收能力与知识存量相关[18]，第t期创新主体i的吸收能力ci（t）=11+e-αi·kil（t），其中吸收能力ci（t）随知识存量kil（t）的增长而增长，系数αi控制ci（t）增长的速度;第t个周期的开放度vi（t）=φ1+e-βi·kil（t），其中vi（t）随kil（t）的增长而增长，系数βi控制vi（t）增长的速度，φ为vi（t）的上限[19]。

首先，创新主体进行宽度搜索确定搜索范围，由于创新主体的吸收能力限制了可接受的知识量，因此搜索范围取决于创新主体的吸收能力，知识互补性则体现了合作创新需满足的最小知识势差，也就是说，在一定的知识互补性下，知识流动才有意义，才能给创新主体带来新的创新机会。因此，创新主体利用知识势差搜索合作伙伴时存在搜索上限及下限，搜索下限保证了主体间的知识有一定的互补性，搜索上限保证了知识势差不超出创新主体的吸收能力。创新主体i和创新主体j的距离用二者的知识势差来表示，即知识势差应在搜索下限及搜索上限之间。主体i和主体j的知识势差可以理解为知识距离，采用欧式距离计算公式

其次，创新主体进行深度搜索。创新主体的知识异质性过高，或者同领域的知识存量差过大时，创新主体出于自我保护阻止知识流动。创新主体在进行创新时更愿意在自己所熟悉的领域进行再创新，如果搜索到的创新主体的知识领域完全不同，则会因为风险大而放弃合作。因此在搜索创新资源时，首先考虑将已涉及领域的知识再加深，由此设计深度搜索规则：若两个节点有L种以上同维度的知识存量不为0，则两个节点连边，即两个创新主体的知识所在的領域有L种以上为同类时，两个主体合作创新，否则放弃合作。对于满足Vj∈Wi的主体j与主体i的链接函数为

其中Linkij=1代表主体i和主体j存在合作关系，Linkij=0代表主体i和主体j不存在合作关系。主体第二次连边时，不考虑已经连边的主体j的情况下，同样适用以上规则，依次类推，无论有几次连边，规则都相同。

3.1.2 知识转移

创新过程的第二阶段为知识转移，是指创新知识从输出主体传递到输入主体的过程，在知识转移过程中创新主体进行知识整合及学习[18]。区域创新网络中的创新知识的转移过程受多种因素影响[19]，知识距离、网络特征是影响知识转移的重要因素，网络关系及网络结构是影响知识转移效率的关键因素。根据以往研究所得的阻碍因素和促进因素[20]，本文主要从网络密度、关系强度、主体距离及主体开放程度的角度构建知识转移模型。

同时，知识转移过程中同时存在输出主体和输入主体，由于主体输出知识并不影响自身的知识存量，因此假设输出主体的知识存量不变。综上，根据Cowan和Jonard[7]的知识转移模型，构建知识转移函数如下

3.1.3 知识创新

创新过程的第三阶段为知识创新阶段，主要是对现有的知识及新知识进行整合、应用及再创造，可以看作利用知识存量提高创新主体知识水平。根据Levinthal[21]的研究，创新主体在知识创新过程中存在利用式创新及探索式创新两种创新方式。利用式创新是创新主体在现有知识基础上进行整合、应用及再创造的创新行为。如果创新主体i和创新主体j存在同一种知识的知识量均不为0，在知识转移阶段，输入吸收该种知识的同时采取利用式创新，创新后将会增加各自的知识量，但不产生新的知识种类。探索式创新是主体基于新知识进行的试探性创新行为。如果创新主体j存在创新主体i没有的知识种类，则两个创新主体在知识转移的阶段增加了新的知识种类，在此基础上进行探索式创新。

在知识创新过程中，创新主体通过两种创新产生知识势能，可以看作创新过程中的知识投入。知识势能是在一定的创新能力下，对原有及新的知识进行整合、应用、再创造后投入到創新活动中的知识量。因此，知识势能与主体的创新能力密切相关，这里我们忽略知识的转出，只考虑知识输入主体知识存量的创新，包括原有知识增量的创新和新领域知识的创新，即利用式创新及探索式创新。由于各种因素的不确定性，创新主体进行探索式创新的速度要慢于利用式创新。因此，前文设定λi为创新主体i对新知识的创新能力，则创新主体对原有知识的创新能力在新知识的创新能力基础上呈指数增长，即为eλi，即创新主体i利用式创新时的创新能力为eλi，探索式创新时的创新能力为λi。在对创新主体利用式创新及探索式创新描述的基础上，根据两种创新发生的频率和时间，采取双元创新平衡模式，需要分配资源给不同的组织单元同时进行利用式创新和探索式创新，因此假设一次知识创新需要两个仿真周期：创新主体在一个周期中进行利用式创新，即对原有知识创新;另一个周期进行探索式创新，即对新知识创新。则主体知识势能函数为

区域创新网络整体的知识创新绩效是通过知识创新所产生，而知识创新是指对知识的整理及再创造，使其超越原有知识的价值，因此用区域创新网络内的知识势能来衡量知识创新绩效是可取的。这里用网络内主体知识势能的平均数的对数来衡量知识创新绩效，则第t个周期内的知识创新绩效函数为

3.2 区域创新网络特征

3.2.1 网络密度

网络密度衡量的是区域创新网络整体的紧密程度，反映各创新主体之间的联系和互动情况，网络密度越大，网络中创新主体之间的交互越频繁，信息流动速度越快，有助于隐性知识转移和深入理解复杂知识，为创新创造条件。高密度网络使信息传播的路程大大缩小，使信息和知识迅速分享，并且高密度网络可以加强知识的整合，提升网络的吸收能力。整体网络的密度，是指区域创新网络内实际存在的网络联系数量占到可能联系数量的比值，即

3.2.2 网络开放度

网络开放度主要是指区域创新网络内部与外部进行信息交换、资源获取及交流合作能力的强弱。区域创新网络的开放度，就是指区域创新网络主体依托所开展的创新活动而进行内外部频繁交流的程度。本文将网络整体的开放度设为创新主体开放度的平均值，即

3.2.3 网络关系强度

本文所指区域创新网络为无向加权网络，赋予每条边eij一个权数ωij，用于衡量节点i和节点j联系的紧密程度。当ωij值较大时，表示节点i和节点j联系紧密，互相流动传递的创新资源较多，不容易断开;反之，当ωij值较小时，表示节点i和节点j联系不够紧密，此边很容易断开。网络整体关系强度s为边权数ωij的平均值，边权数可以看作知识转移量，即

4 仿真分析

在前文对研究问题建模的基础上，为了揭示区域创新网络结构对知识创新绩效的影响机理，结合区域创新网络及创新主体的特点，根据变量的实际含义，设置相关参数的初始值进行仿真分析。曹兴等[22]将网络规模设置为100，其所指网络创新主体是多元化的，本文创新主体仅包括区域创新网络中的企业、高校及科研机构，政府及中介机构看作外生变量，考虑到政府及中介机构所占权重问题，故将网络规模设置为65。张卓和魏杰[10]将区域创新网络的网络开放度设置为0.1、0.5、0.9三个程度，因此本文将开放度上限设置为0.9。创新主体的吸收能力及开放度随着创新主体知识存量的增加而增加，为了避免增加过快，将控制系数设置为0.8。为了体现不同领域的创新知识搜索，设置创新主体具有5种知识类别，每个知识向量随机赋值区间为（0，1），因此创新主体间的知识距离在0到5之间。创新主体进行宽度搜索时，为了保证异质性知识的存在，又要避免同领域的知识存量过于悬殊，设置知识搜索范围的最小半径为1，最大半径为2。创新主体进行深度搜索时，为搜索与自身创新领域相近的合作伙伴，设置存量不为零的同类知识种类为4类。

根据设置的初始值，输出区域创新网络周期t=1到t=50期间的网络开放度、网络关系强度、网络密度及其对知识创新绩效的作用，如图2至图7所示。

结论1 图2显示，网络密度的曲线在区域创新网络运行的前40个周期内，整体呈现上升趋势，从0.05逐渐增加到0.3，然后保持稳定。网络密度由区域创新网络中创新主体的数量及创新主体间链接数量决定，体现了区域创新网络内创新主体合作的程度。在区域创新网络运行的初始阶段，创新主体积极寻找满足条件的合作主体并产生链接，此时网络密度逐渐上升。网络继续运行几个周期后，创新主体的创新能力基本饱和，原有合作关系稳定，此时网络密度稳定不变。

结论2 图3显示，网络开放度的曲线在区域创新网络运行的前50个周期内，整体呈现出倒“U”型，在前40个周期内整体呈现上升趋势，然后出现下降，但曲线不是光滑的，小范围内上下波动。在区域创新网络运行初始阶段，由于创新主体随机产生的创新知识差距较大，在创新过程中不断进行知识转移，增加主体的创新知识存量，模型中的网络开放度与知识存量正相关，因此不断增加。区域创新网络运行近40个周期时，各创新主体的创新知识势差减小，创新主体间转移的知识量减少，导致网络开放度逐渐下降，但曲线整体的变化值很小，变化范围在0.835到0.86之间，可见区域创新网络的开放度是基本稳定的。

结论3 图4显示，网络关系强度的曲线在区域创新网络运行的前50个周期内，整体基本呈现出倒“U”型并且上下波动，在运行到37个周期时出现急剧下降。网络关系强度由创新主体间知识转移量来体现，即与创新知识势差、创新主体开放程度及吸收能力相关，在诸多因素的影响下，关系强度呈现出不稳定的状态，但整体大的趋势是倒“U”型。创新初始阶段，需要主体之间频繁交流，相互学习、传递信息，因此网络关系强度不断上升，当创新活动进行到中后期时，各主体对创新知识及技术基本掌握，主体间交流学习次数频率减低，网络关系强度逐渐下降，创新后期在一个较平稳的值附近上下波动。

结论4 图5至图7显示网络密度、网络开放度及网络关系强度对知识创新绩效的作用曲线整体都呈递增趋势，且小范围内有波动，但不影响知识创新绩效的增长。网络密度低于0.3时对知识创新绩效的影响较稳定，波动幅度较小，知识创新绩效随网络密度增大而稳定增长。网络开放度及網络关系强度曲线波动较大，小范围内可见明显负影响关系，说明网络开放度过高或网络关系过强时，不利于知识创新绩效的提升，此时网络会自动调节。

综上所述，网络密度、网络开放度及关系强度对知识创新绩效整体呈正影响。

5 结论及对策建议

本文基于复杂网络，通过模型中建立的知识搜索、知识转移及知识创新规则，剖析了创新主体进行创新活动的微观行为，同时呈现了区域创新网络的整体特征即网络密度、网络开放度、网络关系强度，以及知识创新绩效的变化情况，从而揭示了区域创新网络特征对知识创新绩效的影响规律。得出如下结论：网络密度呈现出先增后稳定状态，网络开放度及网络关系强度变化呈现倒“U”状态，网络密度、网络开放度及网络关系强度均对知识创新绩效整体呈现正影响。区域创新网络的各个特征是互相依赖的，只有相互协调才能促进区域创新网络的发展，才能提升区域创新网络的知识创新绩效。基于此，提出建议如下：

第一，发挥高校作为各种创新资源的创造主体作用，鼓励高校、科研机构与企业之间广泛联系。区域创新网络建立初期，网络结构及特征还不稳定，创新主体应积极寻找合作伙伴，建立良好的合作关系，使得异质性知识流动起来，最大限度吸收外部知识资源。在区域创新网络运行至一定周期，结构较稳定时，网络内的异质性知识不再明显，高校及科研机构在合作中应不断提高自身的科研水平，创造出更多的异质性创新资源，与不同企业合作，加强网络链接的异质性，提高创新主体间合作的广度，带动区域创新网络整体的多向合作。高校及科研机构应加强科研力度，增加科研人员互相学习交流的频率，鼓励合作创新主体深度合作，提高创新主体间合作的深度，增加区域创新网络中异质性知识的流动，促进整个区域创新网络的创新成果产出。

第二，发挥企业在区域创新网络中的主导作用，加强与外部组织的合作，在带动网络整体开放度、提高网络强度的同时，获取、吸收多元化的异质性知识，从而提升潜在的吸收及创新能力。区域创新网络的大量异质性知识会促使企业与其他创新主体之间的合作，加强了合作的密度及强度。在异质性知识不明显时，企业应积极组织学习、培训等活动，增加自身的知识存量，提高对知识的吸收能力及创新能力，从而产生新的知识，加强知识的流动，提高区域创新网络整体的网络密度及网络关系强度。企业作为创新成果产出的主要来源，在创新活动中具有关键作用，应主动寻找创新合作的伙伴，加大自身的开放程度，吸引更多的创新主体加入到网络中，扩大网络规模，同时可以通过外部网络获取更多的异质性知识，提升网络整体的开放程度。

第三，区域创新网络的网络密度、网络开放度及网络关系强度等网络特征并不是独立存在的，而是相互影响、相互依赖的。在区域创新网络现有知识条件下，为了从根本上提高知识资源的利用效率，发挥知识资源的最大化效用以提高内部知识对技术创新形成的贡献度[23]，除了直接参与创新的高校及企业，区域创新网络内的其他主体也应积极发挥其自身的作用，推动创新主体积极创新，使各网络特征相互协调。政府在鼓励投入进行研发创新的同时，应明确区域内创新主体资源需求和创新能力差异等问题，充分发挥区域创新网络的优势;同时制定合理的政策制度，积极进行宏观调控，防止网络开放度及关系强度过高，影响创新成果的产出。中介机构作为创新主体的桥梁，应积极发挥其纽带作用，为高校、科研机构及企业创造更多的合作机会，提升知识创新绩效。

参 考 文 献：

[1]Su Y S， Tsang E W K， Peng M W. How do internal capabilities and external partnerships affect innovativeness[J]. Asia Pacific Journal of Management， 2009， 26（2）： 309-331.

[2]吉迎东，党兴华，弓志刚.技术创新网络中知识共享行为机理研究——基于知识权力非对称视角[J].预测，2014，33（3）：8-14.

[3]孔晓丹，张丹.创新网络知识流动对企业创新绩效的影响研究——基于网络嵌入性视角[J].预测，2019，38（2）：45-51.

[4]贾晓霞，李金芳.合作网络和知识网络对国内农林类高校创新绩效的影响研究[J].科技管理研究，2019，39（14）：146-157.

[5]王海花，王蒙怡，孙银建.社会网络视角下跨区域产学协同创新绩效的影响因素研究[J].科技管理研究，2019，39（3）：26-33.

[6]苏屹，林周周.基于消化吸收门槛的区域创新系统知识溢出效应研究[J].管理学报，2020，17（3）：411-421.

[7]Cowan R， Jonard N. Network structure and the diffusion of knowledge[J]. Journal of Economic Dynamics & Control， 2004， 28（8）： 1557-1575.

[8]Eisingerich A B， Bell S J， Tracey P. How can clusters sustain performance？ The role of network strength， network openness， and environmental uncertainty[J]. Research Policy， 2010， 39（2）： 239-253.

[9]徐敏，張卓，宋晨晨，等.开放创新搜索、知识转移与创新绩效——基于无标度加权网络的仿真研究[J].科学学研究，2017，35（7）：1085-1094.

[10]张卓，魏杰.小世界网络视角下外向型开放式创新输出机制建模及仿真研究[J].科技进步与对策，2018，35（19）：15-22.

[11]李玥，周燕，王宏起，等.基于改进BBV模型的区域战略性新兴产业创新服务网络演化研究[J].预测，2020，39（5）：89-96.

[12]苏屹，刘艳雪.国内外区域创新研究方法综述[J].科研管理，2019，40（9）：14-24.

[13]Watts D J， Strogatz S H. Collective dynamics of ‘small-world networks[J]. Nature， 1998， 393（6684）： 440-442.

[14]Barabasi A L，Bonabeau E. Scale-free networks[J]. Scientific American， 2003， 288（5）： 60-69.

[15]高霞，陈凯华.合作创新网络结构演化特征的复杂网络分析[J].科研管理，2015，36（6）：28-36.

[16]李斌，韩菁.市场导向、多主体协同与创新扩散：基于复杂网络的动态仿真[J].运筹与管理，2019，28（2）：67-73，117.

[17]薛昱，张文宇，雷家骕.基于复杂网络分析的区域战略性新兴产业创新能力评价[J].科学决策，2020，（4）：49-66.

[18]曹薇，董瑶，苗建军.区域知识产权保护网络演化机制研究[J].科技进步与对策，2020，37（10）：45-52.

[19]雷井生.中小企业创新网络中知识转移机制研究[D].长沙：中南大学，2010.

[20]阮平南，栾梦雪，魏云凤，等.创新网络组织间知识转移影响因素元分析[J].科技进步与对策，2019，36（18）：7-14.

[21]Levinthal D A. Adaptation on rugged landscapes[J]. Management Science， 1997， 43（7）： 934-950.

[22]曹兴，欧阳莹，杨春白雪.创新网络合作密度影响因素及其仿真分析[J].运筹与管理，2019，28（2）：74-80.

[23]苏屹，林周周，欧忠辉.基于突变理论的技术创新形成机理研究[J].科学学研究，2019，37（3）：568-574.