产学研合作创新网络的创新产出效应研究——以东北三省为例

马 艳 艳， 卢 朝 阳

(大连理工大学 经济管理学院，辽宁 大连 116024)

一、引 言

产学研合作创新是由企业、高校和研发机构优势互补、资源共享、共同开展协同合作的经济社会活动。作为产学研合作创新的主体，企业可以通过吸收大学和科研机构溢出的知识，提升自己的研发能力，加速产品和服务的产出。大学和科研机构也可以根据企业的研发要求和市场信息，提高科研的可行性和成果的市场价值。而大学和研发机构之间人才、知识和信息的双向流动，也会深化前沿领域的研究。对于某一特定区域而言，产学研合作创新活动会促使合作创新网络的生成，企业、大学和研发机构作为网络中的节点，通过合作申请专利、共建研发中心、研发人员流动等模式建立网络中节点之间的双向关系，产学研合作创新网络建设逐步成为提升区域创新产出的重要战略举措。

Freeman最早提出创新网络的概念，认为网络组织是为系统性创新而形成的基本制度安排[1]。Gloor指出产学研合作创新网络是由不同行动者针对具体问题，通过各自不同见解、知识和能力自发形成的网络[2]。Barzi等以意大利不同行业创新活动较高的企业为例，分析其创新产出的影响因素，认为企业—大学—研发机构关系比纵向和横向关系更重要，而且网络的组织架构战略也会提升创新产出[3]。王秋玉等分析了中国装备制造业产学研合作创新网络演化路径，通过实证研究发现占据网络中心位置的城市创新合作的吸引力更高，而长三角、珠三角城市群也构成合作网络重要支点，这说明网络结点中心地位会影响创新能力[4]。

随着社会网络分析方法(SNA)的兴起，越来越多的学者开始定量测度创新网络的结构特征，并在此基础上研究网络结构对创新产出的影响。Corey认为创新网络结构特征会影响知识在网络主体之间的流动和吸收，进而对企业创新产出产生影响[5]。马艳艳等从大学—企业合作的网络规模、网络密度和网络中心势3个指标出发，考察其对中国企业创新产出的影响，认为网络规模和网络中心势对创新产出有显著正向关系，而网络密度与创新产出的关系不显著[6]。Dong等从不同的网络中心度指标出发，对美国医药行业专利申请状况进行研究，认为度中心性对新产品开发有正向显著作用，但是接近中心性和特征向量中心性则对新产品开发有着负向影响[7]。Liu基于创新网络结构特征，考察我国台湾和大陆以及其他国家和地区联合申请的发明专利，认为中心势和中间中心性对创新产出有显著促进作用，但是结构洞的搭桥行为在网络密度较低时会抑制创新产出[8]。Chuluun等选择美国标普1500指数企业绘制网络图，研究发现网络结点中心度和地理邻近性会促进专利申请数量，但是网络密度对创新性影响并不显著[9]。胡平等通过构建企业—行业隶属网络，研究网络规模、中心度和密度对珠三角地区信息服务业的创新影响，发现整网规模对创新集群质的成长作用不明显，对量的成长有显著正向作用；群体中心性对创新集群成长作用显著；整网密度对创新集群质的成长作用显著，对量的成长影响不显著[10]。其格其基于中国ICT产业构建产学研合作创新网络，研究聚簇系数和可达性对ICT企业创新产出的影响，认为合作创新网络的聚簇性对企业当期创新绩效有显著正向作用，可达性对滞后一期的企业创新绩效有促进作用[11]。Yoon等采用三螺旋算法，从行政区域和行动者两个层面剖析了韩国产学研机构联合申请的专利情况，通过测算产学研合作协同度，发现网络中心势和网络密度对区域合作创新产出有明显促进作用[12]。

创新网络通常内嵌于某个区域，具有地域性特征。创新网络的有效构建对区域创新系统的运行具有决定性作用[13]。东北地区是全国经济的重要增长极，在国家发展全局中举足轻重，在全国现代化建设中至关重要。然而，在经济新常态化背景下，东北地区经济增长速度明显回落，东北三省依靠资源等要素投入和规模扩张的粗放型发展方式已难以为继。经济发展方式由要素驱动转向科技创新驱动是实施新一轮东北振兴战略的关键所在。2018年9月，习近平在深入推进东北振兴座谈会上提出要“以培育壮大新动能为重点，激发创新驱动内生动力”。因此，研究东北三省产学研合作创新网络结构特征及其对创新产出的影响对于国家东北振兴战略的实施具有重要的现实意义。本文以东北三省产学研合作创新网络为研究样本，分析创新网络规模、网络密度和网络中心势对东北三省创新产出的影响，以期为政府相关部门的政策制定提供支撑。

二、研究假设

1.网络规模对创新产出的影响

整体网络规模是指整体网络中所包含的所有大学、企业和科研机构的数目，即网络中所有节点的数量。网络规模越大，行动者数量越多，其联系的节点越多，参与研发合作的大学、企业和科研机构接触外部信息的机会越大。Freeman认为，联结度的大小代表节点可选择方案数目的多少, 可选择的数目增加, 权力也随之增加。因交换来源的质量好坏等信息未知，因此需假定选择方案越多越好，即联结度越高越好[14]。Balconi等认为企业会吸收大学培养的科研人员，科研成果(新观点、新方法及新型产品)也会通过企业的科技进步以及生产经营活动转化成实际产品[15]。产学研合作的目标是促使知识创造价值，其很大程度上取决于合作网络各节点之间知识传递的有效性。企业会输入来自大学和科研机构的研究成果，提高解决问题的能力；反之，企业也会向大学和科研机构输出其生产技术、管理经验和市场消息等知识，强化科学技术知识的市场需求导向。产学研合作创新网络规模越大，网络中双向输入的节点越多，企业、大学和科研机构获得知识溢出效应的机会越大，越能降低生产成本并提高创新产出。因此，本文提出如下假设：

H1：产学研合作创新网络规模与创新产出之间呈正相关关系。

2.网络密度对创新产出的影响

H2：产学研合作创新网络密度与创新产出之间呈正相关关系。

3.网络中心势对创新产出的影响

整体网络中心势也是创新网络结构特征的重要指标。和描述某一节点在网络中占据的位置的核心性不同，网络中心势刻画的是网络图的整体中心性。对一个网络来说，中心势的计算方法是将图中最大中心度数值与其他点中心度的差值求和，除以各个差值总和的最大可能值[16]，如式(1)所示：

(1)

网络中心势描述的是网络的内聚性的程度，它测量的是网络中围绕核心点的紧密性程度[19]。如果创新网络中存在着核心点，意味着知识元素代表了企业主流的技术或者核心技术领域[20]。处于核心点的企业对网络中的信息和资源的掌控能力相对于其他企业较大，更有能力吸纳由大学和科研机构溢出的新知识，提高企业的创新产出。如果创新网络中心势较小，则知识元素的组合较为分散，企业对其知识元素的依赖程度较低，造成科技领域创新度也较低。如果网络中心势较高，则企业会对其核心知识产生较强的依赖，企业专注于专业化的技术领域有利于技术及产品的开发与应用，可能为企业带来更高的创新产出[21]。因此，本文提出如下假设：

H3：产学研合作创新网络中心势与创新产出之间呈正相关关系。

三、研究设计

1.模型构建

创新的基本过程经常伴随着专利的申请，而创新网络可以最大程度上将企业资源聚集的生产优势和经济效益发挥出来，促进专利申请的进程。本文定义的产学研合作创新产出，是由产学研机构合作申请的发明专利，创新网络是参与联合申请发明专利的企业、大学和研发机构这些节点构成的网络。基于柯布-道格拉斯生产函数，本文构建的实证模型如下：

lnPAT=c+α1RDR+β1lnSTF+γ1NS+ε

(2)

lnPAT=c+α2RDR+β2lnSTF+θ1ND+ε

(3)

lnPAT=c+α3RDR+β3lnSTF+μ1NC+ε

(4)

lnPAT=c+α4RDR+β4lnSTF+γ2ND+θ2ND+μ2NC+ε

(5)

其中，因变量为创新产出(lnPAT)，采用辽宁、吉林、黑龙江3省发明专利授权量总和衡量。模型(2)中自变量为网络规模(NS)；模型(3)中自变量为网络密度(ND)；模型(4)中自变量为网络中心势(NC)；模型(5)中自变量为网络结构特征指标，包括网络规模、网络密度和网络中心势。控制变量为东北三省R&D经费总支出占GDP总和的比例(RDR)，以及采用东北三省总研发人员表示的研发人员投入(lnSTF)。c为常数项，α表示R&D经费占GDP比例投入估计系数、β表示R&D人员投入的估计系数，γ、θ、μ分别表示网络规模、网络密度和网络中心势的估计系数，ε为随机扰动项。

2.变量选取与数据来源

(1)被解释变量

专利(lnPAT)：专利包括发明专利、实用新型专利和外观设计专利。《专利法》所称的发明是指对产品、方法或其改进所提出的新的技术方案，因而发明专利技术价值最高，最能反映区域创新产出。本文据此针对企业、大学和研发机构联合申请发明专利的情况进行分析。在中国国家知识产权局专利检索中，按照“发明专利”“辽宁省” “吉林省”“黑龙江省”进行检索，检索时间截止到2016年11月。检索结果为227 830项。为考察合作申请专利，剔除“主申请人”为1的专利215 210项，剩余12 620项。另外，剔除个人名义申请的项目，以及合作申请专利中的个人姓名，严格保留机构、企业及高校申请专利，最终保留5883项，年限起止时间为1990～2016年。

(2)解释变量

本文采用Ucinet6.0软件开展对产学研专利申请合作网络的分析，分不同年份按照检索到的专利申请网络合作数据，生成n×n阶对称邻接矩阵，并最终得到1990～2016年东北三省产学研专利申请合作网络图。因篇幅有限，本文仅给出1990年和2016年东北三省产学研合作创新网络图，如图1和图2所示，并进一步测度了网络规模、网络密度和网络中心势等网络结构特征指标，如表1所示。

①网络规模(NS)。考察东北三省产学研合作创新网络的结构特征，必须首先明确网络规模的变化趋势。网络规模指网络中所有节点的数目，本文中创新网络规模即网络中包含的所有大学、企业和科研机构的数量。自1990年以来东北三省产学研合作创新网络规模呈持续增长趋势，年均增长率为7%，如表1所示。

③网络中心势(NC)。与描述某一节点在网络中所占据的核心性不同，网络中心势刻画的是网络图的整体中心性。网络中心势被很多学者运用到网络调节效果的测算中，并评价其对创新产出的影响。本文沿用该方法来衡量网络中心势对创新产出的影响。不难看出，1990～2016年东北三省产学研合作创新网络中心势的变化趋势与网络密度相似，随着网络规模的增大而变小，说明网络缺少具有核心支撑作用的企业或学研机构，如表1所示。

表1 1990～2016年东北三省产学研合作创新网络的结构特征

(3)控制变量

①RD经费投入占GDP的比重(RDR)。RD经费支出是用于基础研究、应用研究和试验发展的经费支出。研发经费占GDP的比重是国际上通用的衡量一个国家或者地区科技投入强度的指标[22]，反映了一个国家的创新力量和核心竞争力的标准。本文选取的RD经费投入是东北三省总研发经费投入，GDP是加总得到的东北三省地区生产总值。

②研发人员投入(lnSTF)。创新作为一项知识密集型活动，不仅受到研发资本的影响，也受到大规模高质量研发人员投入的影响。因此，本文选取东北三省总研发人员数量作为控制变量。

本文中相关数据来源于《中国科技统计年鉴》、《辽宁省统计年鉴》、《吉林省统计年鉴》和《黑龙江省统计年鉴》。数据描述性统计如表2所示。

表2 描述性统计

四、实证结果分析

在引进回归模型之前，本文对数据本身的分布特征和变量的多重共线性进行分析与检验。一方面是通过α统计量来检验数据的离散分布特征，检验结果如表3所示，模型Ⅰ、Ⅱ、Ⅲ、Ⅳ的α值均显著大于0，说明被解释变量存在过度离散特征，所以采用负二项模型是合适的。另一方面，本文测算了变量的VIF值，结果显示最大的VIF值为8.63，根据经验规则，变量之间不存在多重共线性。故采用Stata13.1对本文构建的实证模型进行负二项回归，估计结果如表3所示。首先，对表3中4个模型的残差项进行ADF检验，检验结果显示：模型Ⅰ、Ⅲ、Ⅳ的检测值在1%的水平上显著，模型Ⅱ的检测值在5%的水平上显著，因此，表3中4个模型的残差序列都为平稳序列。然后，对模型Ⅰ、Ⅱ、Ⅲ和Ⅳ进行LM检验，以检测模型误差项的序列相关性。检验结果显示，表3中4个模型均不存在序列自相关。因此，模型Ⅰ、Ⅱ、Ⅲ和Ⅳ的回归结果是有效的。

(1)从模型Ⅰ和模型Ⅳ的估计结果可知，网络规模(NS)与企业创新产出之间的关系不显著，假设H1并未得到验证，这说明创新网络规模的扩张不一定能促进创新产出的提升。一方面，是因为创新网络规模和企业创新产出之间可能呈倒U型关系。参考李志刚等对产业集群网络结构与企业创新绩效关系的研究，创新网络可能存在一个有效规模或者最优规模[23]，在达到网络最优规模之前，企业通过和学研机构之间不断建立新的合作关系，从外部获取新的知识、信息和资源，丰富自己的创新认识，进而有效提升企业创新产出。然而，达到并超过网络最优规模之后，网络往往存在冗余的合作联系，或者现有合作并未有效激发新技术和新知识的产生，知识陈旧或异质性程度不高，随着网络规模的扩大及企业维护合作关系成本的增加，反而抑制了企业创新产出。另一方面，可能因为东北三省经济在长期发展中形成了以国有资产为主的结构，这种资产结构有明显的固化特征，占有大量资源后相对效率却比较低，一定程度上存在无效或者低效的投资状况[24]。这会导致产学研合作创新网络关系的低水平重复建设，网络规模的扩大对创新产出影响非常有限。

(2)模型Ⅱ考察网络密度(ND)和企业创新产出之间的关系。估计结果显示，网络密度对创新产出具有显著的正向影响(θ1=16.418，p<5%)，模型Ⅳ显示增加其他网络结构特征变量后，网络密度的回归结果依然显著(θ2=20.539，p<5%)。这说明东北三省产学研主体之间互动程度的增加，有利于提升人才、知识和信息双向流动，提高知识的转移效率，最终促进企业创新产出的增加，也验证了本文提出的假设H2。另外也可以解释观测期间网络密度逐年下降和专利数量逐年上升的现象，说明网络密度的下降不会抑制创新产出的提升。

表3 负二项回归结果

注：*、**、***分别代表p在10%，5%和1%水平上显著。

(3)模型Ⅲ考察网络中心势(NC)与企业创新产出之间的关系。估计结果显示，网络中心势对创新产出有正向显著作用(μ1=6.633，p<10%)。模型Ⅳ在加入网络规模和网络密度两个网络结构特征变量之后，回归结果显示网络中心势在5%的显著性水平上对创新产出有正向影响(μ1=6.906，p<5%)。结合历年创新网络图中心节点相对稳定的状况(篇幅限制未全部展示)，说明随着网络中心势的增加，处于核心地位的节点如大连理工大学、国家电网公司等更容易利用资源及信息优势，吸引新节点加入创新网络，提高创新能力。因此，产学研主体之间内聚性的增强有利于创新产出的提升，验证了本文提出的假设H3。

就控制变量而言，模型Ⅰ、Ⅱ、Ⅲ和Ⅳ的估计结果一致。研发支出占GDP的比重(RDR)的估计系数显著为正，说明研发强度的提高能促进知识密集型活动的开展，进而促进企业创新产出增加。科研人员投入(lnSTF)的企业创新产出弹性也显著为正，说明科研人员投入越大，企业创新产出越高。

五、结论与政策建议

本文利用1990～2016年东北三省产学研专利合作数据，从整体网络结构的视角出发，分析了产学研合作创新网络结构特征对创新产出的影响。研究结果显示：(1)网络密度和网络中心势对创新产出均有显著的正向影响。(2)网络规模对创新产出的影响并不显著，可能原因之一是网络规模和创新产出之间可能存在倒“U型”关系，当网络规模超过最优规模后，关系的冗余或者知识异质性程度不高等因素会抑制创新产出，这是本文的不足和未来的展望，有待进一步研究和完善；原因之二是东北三省经济发展模式和投资结构对网络关系的建立可能带来的负面影响。本文实证结果证实了关于网络结构和创新产出之间的关系，基于这一结果对企业和学研机构提出以下政策建议。

第一，完善产学研合作的政策环境。对于网络成员而言，产学研主体必须重视知识吸纳和溢出的管理方式。建立高校和科研机构分类考核机制，引导科研人员面向市场，强化科研活动的市场需求导向，并启动高校、研究机构和企业合作的绩效奖励制度，以加快科技成果向企业生产经营的转化。同时引导创新人才向企业流动，鼓励核心人才或学科带头人加入企业，促进企业提高自主创新能力，加快产品开发和科技成功转化，提升网络的紧密度。第二，加大创新政策颁布和实施的力度，对自主创新的企业和科研成果丰富的学研机构进行支持。一方面，企业应加大研发投入，加快知识创新。尤其在互联网经济环境下，重视现有知识的创新方式，激励创新团队挖掘内部知识潜能，同时提高对市场和竞争对手的敏感度，激发企业创新活力，形成自身核心知识，获取竞争优势。另一方面，除了完善经费管理制度之外，应培育面向市场的新型研发机构。对于从事战略性、前瞻性的科研团队，应该予以政策支持，从而促进产学研主体自身在网络中形成核心势力，在网络中占据关键位置，通过强化核心优势，推动知识的交流和互动，发挥其在技术创新中的引领作用，促进东北地区形成多中心节点的知识网络，以提升整体网络中心势，促进东北三省创新产出。第三，由于网络规模对东北三省创新产出的影响可能受制于最优规模和东北投资结构的影响，所以不要片面追求网络规模，要注重投资结构优化。产学研主体在建立创新网络时，应突出关键网络的建设和维护，避免创新度低的重复合作，减少冗余联系，提高网络规模的效果。应加快东北地区经济体制改革，优化投资结构，对规模较小而产业雷同的区域推进资源要素整合，鼓励差异化发展，科学有效地利用资源优势，加快技术创新的步伐。同时调整经济结构，加快发展互联网和相关服务等新兴产业，推动制造业服务化，推进“互联网+”在各个产业的运用，培育新经济增长点，通过培养有效、核心的网络规模，提升东北三省的创新产出。