开放创新背景下“科学—技术”协同创新机制研究

徐勤增 王崇锋 晁艺璇

【摘要】随着时代发展，封闭式创新的适用条件渐渐被打破，开放创新逐渐成为更适合当今外部环境的创新模式，影响着创新活动的方方面面。“科学——技术”协同创新作为我国改革开放以来一直坚持的创新体系，其运行机制也受到开放创新背景的影响。因此，为了探究该背景下科学创新体系和技术创新体系的协同机制，保持该机制的与时俱进，以我国1985——2014年间的通信产业为例，分别研究了科学开放创新体系和技术开放创新体系内，创新网络整体结构特征对创新成果的影响，以及上述两个体系之间的协同关系。实证结果表明，在体系内部，科学创新网络的高平均聚集系数均会抑制科学创新成果产出；在体系之间，不仅科学创新成果与技术创新成果之间存在相互促进的关系，而且科学创新网络的平均聚集系数与技术创新成果之间以及技术创新网络的平均聚集系数与科学創新成果之间均存在显著负相关关系。在此结论基础上，针对我国“科学——技术”协同创新政策制定，产学研合作发展提出相关建议。

【关键词】开放创新；“科学——技术”协同创新；创新网络；产学研合作

【中图分类号】F124.3

一、引言

随着全球竞争格局发生根本性变化，创新尤其是科学技术创新，已经成为引领国家发展的第一动力，不断加快我国新旧动能转换速度，推动我国综合国力整体提升[1]。同时，国家的快速发展会带来国内市场环境的瞬息万变，影响着科技创新模式的选择[2]。传统的封闭式创新模式（closed innovation）认为，科技创新是组织的灵魂，应该由其内部独立完成，并保证科技成果的保密性和独享性，从而保持领先的竞争优势[3][4]。然而，随着时代的发展，科技创新的过程越来越复杂、需要承担的风险和不确定性越来越大、知识的专业分工越来越明晰，组织仅依靠自身内部的资源很难完成创新，或者完成创新的成本高、周期长；而且，随着人才流动性加大、知识转移和传播的难度降低，保证组织创新成果的独享性也越来越难；加之风险资本的盛行和产品生命周期的缩短，一些新兴组织能够通过整合外部资源快速超越竞争对手[5]。在此背景下， Henry Chesbrough提出开放创新（open innovation）的概念[6]，开放创新也开始逐渐取代封闭创新，成为更适合当今外部环境的科技创新模式。

开放创新是通过同时利用外部和内部资源以及内外部市场途径实现技术进步的创新模式。相较于封闭式创新，开放创新更强调开放组织边界，重视与利益相关者开展合作、知识交换，并希望通过利用互补的资源和能力最终加速创新过程[7]。基于该特点，学术界广泛采用创新网络（innovation network）描述开放创新模式，认为这种由节点和连线组成的网络形式可以清晰地展现开放创新背景下创新主体之间跨边界合作、整合互补资源的复杂创新过程[8]。依据社会资本理论和熊彼特创新理论，创新网络中的各类网络结构蕴含着来自其他创新主体的信息、知识等资源，这些丰富、多样的外部资源是创新主体开展科技创新活动所需的关键要素。于是，学者们通常认为创新网络的结构特征，比如网络规模、网络密度、聚集系数、结构洞、中心性等，是开放创新背景下影响科技创新水平的重要原因之一，并开展了一系列相关学术研究。

根据科学创新和技术创新两类科技创新形式，该主题的研究主要分为两方面。一方面是在科学开放创新体系内，研究科学创新网络（简称“科学网络”）及其结构特征对学术理论（论文）等科学创新成果的影响。科学网络主要指基于科学创新活动主体（如学术研究者、科研机构、高等院校等）之间的合作关系构建的创新网络，其合作目的主要为了合作实现某一领域的理论创新和学术突破。已有研究中，国内外学者分别从网络的节点结构[9]、整体结构[10][11]、关系结构[12]的视角探究了科学网络结构对科学创新产出的影响，研究的切入点多为个体创新能力的提高。另一方面是在技术开放创新体系内，研究技术创新网络（简称“技术网络”）及其结构特征对新型应用技术（专利）等技术创新成果的影响。技术网络主要指基于技术创新活动主体（如发明家、企业等）之间的合作关系构建的创新网络，其合作目的主要为了合作研发某项技术应用并获突破和创新。学者们除了从节点结构、整体结构和关系结构的视角分析以外，还会探究组织层面[13]、区域层面，甚至国家层面的技术网络结构特征对技术创新产出的影响，拥有更丰富的研究切入点。

纵观上述研究，虽然学者们对科学开放创新和技术开放创新体系内部的创新机制进行了较为完善的研究，但是两个体系之间的协同机制未被广泛关注。“科学——技术”协同是学术界和实业界均重视的创新机制之一[14]，已经成为当今科技创新活动的潮流，中国高铁、北京中关村的成功以及5G、人工智能产业的蓬勃发展均离不开科学研究与技术应用之间的深度合作[15]。而今，开放创新作为“科学——技术”协同的新背景，为科学创新体系和技术创新体系加入了创新网络这一新要素，影响了“科学——技术”的协同创新机制。因此，研究开放创新背景下的“科学——技术”的协同创新机制，即科学开放创新体系和技术开放创新体系之间相互影响的关系，不仅有利于丰富现有开放创新研究的内容，而且可以拓展科技协同创新的视角，为我国创新体系的完善做出理论贡献。

考虑到个体是科技创新最关键的因素[16]，是提高组织、区域，乃至国家创新能力的源动力，本文从个体层面构建科学网络和技术网络，进而从网络整体结构的角度探讨科学开放创新体系和技术开放创新体系之间的协同机制。具体而言，首先，基于对前人文献分析提出四个研究假设，探究科学开放创新体系和技术开放创新体系内，创新网络整体结构特征对创新成果的影响，以及上述两个体系之间的协同关系；其次，以我国通信产业为例，收集整理其1985——2014年的时间序列数据，构建以论文作者为结点的科学网络和以专利发明者为结点的技术网络；然后，基于知识生产函数提出了本文的回归模型，采用OLS方法估计了模型参数，检验研究假设，得出研究结论；最后，根据研究结论提出具体可行的政策建议。

二、理论基础及研究假设

（一）开放创新体系内部运行机制

个体作为社会人，总是被镶嵌在各种不同的社会关系网络中[17]，其所处的网络位置会为其带来信息、知识、情感等有形或无形的资源，这些资源便是社会学领域常提及的“社会资本”，因此基于作者或发明人之间的合作关系建立的开放创新网络也是社会关系网的一种，其中蕴含着流动的社会资本。社会学家Coleman[18]认为，一方面，社会资本与其他资本不同，其既不存在于物质的生产过程之中，也不依附于独立的个人，而是存在于人际关系结构中，不同的网络结构代表的社会资本不同；另一方面，与其他资本一样，社会资本也会影响个体目标的实现。因此，对于开放创新网络而言，由于不同的网络结构包含的社会资本不同，进而会影响个体的创新产出。学术界针对网络结构与创新产出之间的关系已进行了较为广泛的研究，基于对这些文献的梳理，本文从“中介中心势与科技创新成果”“平均聚集系数与科技创新产出”两个方面提出假设1和假设2。

1.中介中心势与创新成果

中心性是衡量创新网络中结点位置重要性的指标，占据网络中重要位置往往意味着更大的信息优势、中介优势或距离优势，中介中心性（betweenness centrality）则主要从中介优势的角度反映结点在网络中的重要程度[19]。多数学者的研究结论表明高中介中心性有利于网络中个体的创新产出：一方面，处于高中介中心性位置的个体拥有信息优势，其通过连接不同的群体可以接触到多样的信息，而信息的多样性对科技创新具有决定性作用[20][21]；另一方面，具有高中介中心性的个体拥有中介优势，其通过占据最短路径上的必经位置，不仅可以轻易获取大量的信息流，而且可以筛选出高质量的合作者，而丰富的信息和可靠的合作者是科技创新的基础条件之一[22]。

但是，从创新网络的整体角度考虑，若中介中心性最大的个体的重要程度远大于网络中其他个体的重要程度，即网络的中介中心势（betweenness centralization）较高，则网络中的社会资本会主要集中于个别个体，进而产生垄断社会资本的现象。一方面，这种现象不仅会使垄断者缺少竞争对手，也会使网络中缺少相互竞争的关系，进而影响了网络整体的多样性和创新活动动力，不利于创新产出[23]；另一方面，较强的垄断程度会使网络中的其他个体的资源获取成本提高，甚至无法在短时间内追赶上或超越垄断者，进而影响网络整体的创新积极性和活力，不利于创新产出[24]。因此，提出如下假设：

H1a：科学网络的中介中心势对科学创新成果产出水平具有负向影响。

H1b：技术网络的中介中心势对技术创新成果产出水平具有负向影响。

2.平均聚集系数与创新产出

集聚系数作为反映网络内各结点之间联系紧密程度的重要指标，代表着网络中各主体之间信息流动的频繁程度，个体之间的信息交换与联系频繁程度越高，則网络平均聚集系数越高。多数学者认为高聚集系数不利于创新产出，比如Shi Y和Guan J C[25]以我国纳米产业为例研究小世界网络对创新的影响时发现，较高的聚集系数不利于个人发明专利的产出；闫艺和韩军辉[26]以我国信息技术产业为例构建产学研合作网络，研究小世界、知识基础和企业创新之间的关系发现，当网络聚集系数高于临界值时，其与企业创新呈负向关系而且知识基础会负向调节聚集系数与企业创新之间的关系；Wang Z Y 等人[27]在研究网络结构对创新扩散的影响时发现，当网络的聚集系数增加时，创新传播的性能会下降，不利于网络中的创新产出。关于较高的聚集系数不利于创新产出的原因主要有两个方面：首先，高聚集性会产生信息冗余，相同的信息在网络中循环传递，会使网络中的主体对待事物的看法基本一致，缺乏不同观点之间的碰撞与交流，难以产生新观点，不利于科技创新成果产出[28]；其次，高聚集性会形成信息壁垒，网络中观点的一致性会阻碍主体对不同信息的接受，形成信息进入壁垒，不利于网络内的信息多样性，而信息的多样性是创新的关键因素之一，因此不利于科技创新成果的产出[29]。

从创新网络的整体角度考虑，若网络中各个创新主体的聚集系数均较高，即网络的平均聚集系数较高，则网络整体会呈现信息冗余、信息壁垒较高的状态，进而不利于网络整体的创新产出。因此，提出如下假设：

H2a：科学网络的平均集聚系数对科学创新成果产出水平具有负向影响。

H2b：技术网络的平均集聚系数对技术创新成果产出水平具有负向影响。

（二）开放创新体系之间协同机制

1.科学创新成果和技术创新成果

科学创新强调对现存世界的探索和认识，其成果具有一般性和普适性，并以学术理论成果（论文）为主要表现形式；技术创新则更强调对现存世界的改变和利用，其成果具有明确的应用目的，并主要表现为拥有发明专利、著作权等知识产权。科学成果和技术成果之间的关系一直是学术界关注的问题。传统的观点认为技术是应用科学，技术成果是对科学原理的具体运用30，但是越来越多的学者们发现，科学成果与技术成果之间并不是简单的线性关系，科学和技术存在着各自独立却并非相互隔离的发展过程[31][32]，又被称为共同演化关系（coevolution）。虽然科学和技术存在着各自独立的发展过程，它们并非相互隔离，在科学创新的过程中，技术成果不仅可以为科学发现提供试验工具等，而且可以为科学研究验证前沿理论设想，有利于科学“探索”（exploration），揭示更多新的理论；在技术创新过程中，科学成果则为技术研发提供了理论依据，聚焦于潜在需求，有利于发明“利用”（exploitation），对已有技术和理论进行完善、整合，研发出更多新的技术。基于此，本文提出如下假设：

H3：科学创新成果与技术创新成果之间存在相互促进作用。

2.科学技术网络与科学技术成果

根据社会资本理论，不同的网络结构特征蕴含的信息资源量不同，进而影响创新成果的产出，基于此，前文分别提出“科学网络的中介中心势和平均聚集系数均会抑制科学创新成果产出”以及“技术网络的中介中心势和平均聚集系数均会抑制技术创新成果产出”的假设。另外，根据共同演化理论，科学创新成果可以来自于对技术成果的理论思考，技术创新成果也可以来源于对科学成果的利用、组合[33]，即科学成果与技术成果之间存在相互促进的关系。因此，抑制科学创新成果产出的科学网络结构特征，也会在一定程度上抑制技术创新成果产出；同理，抑制技术创新成果产出的技术网络结构特征，也会抑制科学创新成果的产出。

基于假设1、假设2和假设3，本文提出如下假设：

H4a：科学网络的中介中心势和平均聚集系数均对技术创新成果产出水平具有负向影响。

H4b：技术网络的中介中心势和平均聚集系数均对科学创新成果产出水平具有负向影响。

综上所述，研究框架如图1所示。

三、数据来源及变量设定

（一）数据来源与处理

为了检验上述研究假设，本文选择我国通信产业为样本。Zhang G P等人[34]、高霞和陈凯华[35]等多位学者也曾以该产业为例研究开放创新和产学研协同问题，本文选择通信产业的主要原因为：一是由于通信技术本身的复杂性，其创新通常会涉及数学、物理学、计算机科学、信息与通信科学等多个学科，开放创新是该行业较为普遍创新模式；二是由于通信行业的变革速度快，其创新过程需要结合强调“利用”的技术创新和强调“探索”的科学创新，科学技术协同是该行业的重要标志之一，比如我国参与制定的全球第一个5G标准便是中国通信研究院、萨里大学等科学创新者和华为、三星等技术创新者合作形成的成果。因此，通信行业适合于研究本文关于开放創新背景下科学技术协同创新机制的问题。

本文采用的通信产业专利数据来源于“专利信息服务平台”（search.cnipr.com），并根据与通信产业相关的国际专利分类号（简称“IPC号”）检索了1985——2014年间我国通信产业所有专利（不考虑港澳台），共得到303 571条专利数据；同时，本文使用的通信产业论文数据来源于“中国知网”（www.cnki.net），主要检索了1985——2014年间与通信产业有关且来源于SCI、核心以及EI期刊的论文，共得到192 419条数据。另外，由于我国的通信产业在1985年之前处于起步阶段，发展较为缓慢，但自1985年起，进入大发展时期，年增长率超过GDP[36]，因此本文选择1985年作为数据的起始年份。此外，外商直接投资和研究开发投入的数据来源于1986——2014年的《中国统计年鉴》以及1991——2014年的《中国科技统计年鉴》，并通过非线性拟合的方法补齐了缺失的部分年份的数据。

本文根据1985——2014年间的专利和论文数据，以五年为移动时间窗口[37]，使用社会网络分析软件Pajek5.01分别构建了科学网络和技术网络，其构建过程如图2所示。

其中，1、2、3等编号代表每一条专利或论文数据且编号与数据一一对应，A、B、C、D、E等字母代表专利发明人或论文作者。

在科学网络中，结点代表论文作者，结点之间的连线代表合作发表论文的关系，以1990年为例，科学网络如图3所示。

在技术网络中，结点代表专利发明人，结点之间的连线代表合作发明专利的关系，以1990年为例，技术网络如图4所示。

（二）模型中的变量

1.科技创新成果层面的变量

科技创新成果包括科学创新成果和技术创新成果，本文分别选择论文发表数量和专利申请数量代表个人的科学创新成果和技术创新成果。

（1）科学创新成果（简称“AR”）：研究者的科学创新成果往往可以使用论文发表数量评估[38]，但仅考虑论文数量会忽视研究质量，因此本文使用研究者在核心、SCI和EI等高质量期刊上发表论文的数量作为衡量研究者的科学创新成果的指标。本文用符号ARi表示研究者的科学创新成果的产出水平，即论文发表数量，其中i代表在第i年研究者发表的文中总数。

（2）技术创新成果（简称“PA”）：发明专利的申请数量是反映研究者技术创新成果的产出水平的重要指标之一[39]。其虽然不是衡量创新能力最优的指标，但也具有其它指标所不可替代的优点，比如数据量的充足性为纵向研究提供了机会[40]，因此，本文选择专利申请数量作为反映创新产出的指标。本文用符号PAi表示研究者的技术创新成果，即专利申请数量，i代表第i年研究者的专利总数，其中i取值为1985年到2014年。

2.创新网络层面的变量

本文通过中介中心性和平均聚集系数这两个变量研究合作创新网络的结构特征对科技创新成果的影响。

（1）中介中心势（简称“BCi”）：中介中心性用于描述网络中结点的重要程度，本文使用Freeman[41]于1979年提出的计算中介中心性的方法，其认为结点的中介中心性（BC（ni））为该结点位于最短路径上的频率，频率越大则该结点的中介中心性越高；中介中心势为中介中心性最大的结点与网络中其它结点之间的中心性实际之差的合计数与可能存在的同规模网络的中心性之差的合计数最大值之比，具体如公式（1）（2）所示。

（二）描述性统计分析

表1展示了模型中各个变量的描述性统计和相关性分析结果。其中，由于中介中心势与平均聚集系数的取值在0到1之间，因此其对数的均值都小于零，另外，由于1997年之前的专利和论文数量较少，lnPA和lnAR的均值较小，方差较大。从相关性分析结果可以得出，lnFDI与lnPA、lnAR之间的相关系数均为正，而且均大于0.8，这与已有研究中R&D能促进创新产出的结论保持一致的[51][52]。但是由于时间序列数据的局限性，变量之间的相关性可能是其相同的时间变动趋势导致的，因此需要进行平稳性检验和协整检验。

（三）平稳性检验

由于本文选取的变量数据为时间序列数据，因此需要检验lnAR、lnBCAR、lnCCAR、lnR&D、lnFDI、lnPA、lnBCPA以及lnCCPA变量是否平稳，以避免“伪回归”现象，使用Eviews计量软件对变量进行ADF单位根检验的结果如表2所示。

由表2可得，在5%显著性水平下，各个变量的ADF值大于临界值，但一阶差分后的各个变量的ADF值小于临界值，因此，前者不能拒绝含有单位根的原假设，但后者可以拒绝原假设，这意味着这8个过程均为一阶单整过程，即自身不能通过平稳性检验，但是一阶差分后结果可以通过平稳性检验，需要进一步通过协整检验来验证这些变量之间是否存在长期的均衡关系。

（四）协整检验

根据上述平稳性检验的结果可知，lnAR、lnBCAR、lnCCAR、lnR&D、lnFDI、lnPA、lnBCPA以及lnCCPA均为一阶单整过程，但由于通过差分获得的平稳数据会损失原有信息，因此本文进一步通过协整检验来确定变量之间是否存在长期均衡关系，以期在避免“伪回归”现象的前提下，最大程度的保留原有变量所包含的信息。对于本文的多变量情况，适用于Johansen协整检验的方法[53]，各个模型协整检验的具体结果如表3所示。

由表3可得，在10%顯著水平上，模型1、3、4拒绝了不存在协整关系的原假设，接受了存在一个协整关系的原假设，即这些模型中的变量存在协整关系，模型具有长期均衡关系。模型2虽然在5%显著水平上拒绝不存在协整关系的原假设，接受存在一个协整关系的原假设，通过了协整检验，但为使结果更加可靠，本文选择在10%显著水平下的协整分析结果，模型2拒绝存在一个协整关系的原假设，即认为仅模型1、3、4通过了协整检验。

（五）回归分析

根据协整检验的结果，模型1、3、4方程中的变量存在长期均衡关系，避免了“伪回归”现象，可以使用回归分析检验变量之间关系。本文使用Stata 12软件对模型进行最小二乘法回归，系数估计分析结果如表4所示。

在模型1中，科学网络中介中心势（BCAR）与科学创新成果（AR）之间不存在显著关系，假设H1a未得到检验；科学网络的平均聚集系数（CCAR）在10%的显著水平下对科学创新成果（AR）具有负向影响，系数为-6.1177，假设H2a得到检验。

模型2由于未通过Johansen协整检验而被剔除，使得技术网络中介中心势（BCPA）对技术创新成果（PA）影响以及技术网络的平均聚集系数（CCPA）对技术创新成果的影响均无法被验证。因此，假设H1b和假设H2b未得到验证。此两项假设需进一步分析相关数据，作深入探究。

在模型1中， 技术创新成果（PA）在5%的显著性水平下对科学创新成果（AR）具有正向影响，系数为0.3273；在模型4中，科学创新成果（AR）对技术创新成果（PA）的产出也具有显著正向影响（r=0.4107，p<0.05），因此，假设H3得到验证。

在模型3中，技术网络的聚集系数（CCPA）在1%的显著性水平下抑制科学创新成果（AR）产出，系数为-10.7557；在模型4中，科学网络的平均聚集系数（CCAR）对技术创新成果（PA）产出具有显著负向影响（r=-8.7888，p<0.01）。但在模型3和模型4中，中介中心性（BCAR、BCPA）对创新成果（PA、AR）的影响均不显著。因此，假设H4a和假设H4b得到了部分检验。

五、结论与政策建议

在探究开放创新背景下“科学——技术”协同创新机制的过程中，本文对相关文献和理论进行了分析，提出了关于科学和技术开放创新体系内部运行机制以及科学和技术开放创新体系之间协同机制的研究假设。本文以我国通讯行业为样本，收集了其1985——2014年的专利申请数据和论文发表数据，采用社会网络分析方法量化开放创新背景，分别构建了以论文作者为结点的科学网络和以专利发明者为结点的技术网络，并计算中介中心势、平均聚集系数等整体结构特征。最后，基于知识生产函数提出回归模型，采用时间序列数据模型对上述假设进行了验证。实证结果表明：首先，在开放创新体系内部，科学网络的平均聚集系数对科学创新成果产出具有显著的抑制作用。其次，在开放创新体系之间，科学创新成果产出水平与技术创新成果产出水平之间存在相关促进的关系，而且，科学网络的高平均聚集系数会抑制科学成果产出，技术网络的高平均聚集系数也会抑制科学创新成果产出。

（一）理论贡献

相较于目前学界基于单一视角下对开放创新体系内部运行机制的研究，本研究创新性地聚焦于科学开放创新体系和技术开放创新体系双视角，提出并验证了两个体系之间存在的协同机制。具体而言，已有研究主要聚焦于探索单一开放创新体系内，创新网络对创新产出的影响，并得到创新网络的节点结构、整体结构、关系结构等特征均会显著促进或抑制创新产出的研究结论。本文则不仅考虑了单一开放创新体系内的运行机制，而且整合了社会资本和科技协同创新的研究，同时聚焦于科学开放创新体系和技术开放创新体系双视角，得出了科学网络的整体特征会影响技术创新成果产出，同时技术网络的整体特征也会影响科学创新成果产出的结论。该结论一方面巩固了已有研究对于开放创新的认可，突出了创新网络的价值，另一方面突破了单一开放创新体系的视角局限，强调科学开放创新体系和技术开放创新体系之间存在的协同机制，丰富了现有研究的内容。

（二）实践启示

首先，在开放创新背景下，科学技术创新发展要“两手抓”。在实践中，技术开放创新体系主要以企业和经济实体人员为主导并以解决技术问题为主要目标，而科学开放创新体系主要以大学和科研院所人员为主导并以发现新的科学现象为主要目标，该现象使得科学网络和技术网络的主导成员类型和行为目标不一致，导致这两类创新网络的优化政策往往难以协同。而本文结论表明科学开放创新体系和技术开放创新体系之间存在协同机制，科技创新成果的产出水平往往同时受到这两类创新网络特征的影响。因此，为了推进科技创新发展，需去除科学与技术壁垒，发挥我国国家科技计划的资源配置和动员作用，一方面，通过科技计划可以协同科学创新和技术创新的目标，比如在技术专项中开设国家战略领域的研发项目，在科学专项中设置行业技术难题攻关项目；另一方面，通过科技计划可以协同科研人员和技术人员的创新网络优化，比如鼓励高校设置流动岗位吸引企业人才加入，鼓励企业与高校合建“创新中心”，产学研深度合作，实现专业领域理论突破和企业自身技术创新，体现合作共赢理念。

其次，在开放创新背景下，科学技术创新发展要“重跨界”。改革开放四十余年来，我国的人才聚集政策得到有效实施，人才聚集的正效应使得大量同类型的人才在高校、企业、科技园区等组织内部形成聚集，促进了某一地区或行业的快速发展；在实施创新驱动发展战略的过程中，十三五规划纲要也提出了“集聚创新型人才”的更高要求。但是，根据本文结论，在开放创新背景下，过高的网络聚集性将在一定程度上不利于科技协同创新，因此，在创新型人才聚集过程中，应尽量缓解创新人才所嵌入网络的整体聚集程度，比如，鼓励组建跨组织、跨区域、跨学科的科研团队，推动开展跨行业、跨领域、跨体制的重大技术整合，乃至是为人才流动提供跨地区、跨行业的便利条件，最终实现多样性、多元化地创新型人才聚集。

（三）不足与未来研究方向

首先，由于本研究使用的数据中不包括研究者发表文章的被引用次数以及期刊的影响因子，仅通过筛选核心、SSCI、EI期刊粗略地判断科技成果质量，因此无法确定创新网络的结构特征与科技成果质量之间的关系。未来的研究可以通过补充研究数据弥补该不足。

其次，由于本研究采用了时间序列数据，因此没有探究在某一时间截面上不同地域或不同领域之间存在的科学网络和技术网络的促进或抑制关系，以及如何在开放创新背景下优化科技协同创新机制，其各自的协同优化机制是否会存在差异等问题。未来的研究可以通过面板数据拓展这一思路。

主要参考文献：

[1]中华人民共和国科学技术部.国家创新驱动发展战略纲要，2017-1-17日.

[2]梁云.市场环境、社会发展和经济发展[J]，财经问题研究，2013（3）.

[3]Chandler A D，“The Visible Hand：The Managerial Revolution in American Business”. Cambridge，Mass：Belknap Press，1977.

[4]Chandler A D H T.Scale and Scope，“The Dynamics of Industrial Capitalism”.Cambridge，Mass：Belknap Press，1990.

[5]凌学忠，杨若鑫，李纪珍.国家开放创新体系：文献综述[J]，创新与创业管理，2016（1）.

[6]Chesbrough H W，“Open Innovation：The New Imperative for Creating and Profiting from Technology”.Cambridge：Harvard Business School Press，2003，42-55.

[7]Chesbrough H，“The era of open innovation”.MIT Sloan Management Review，2003，Vol.44，No.3，pp.35–41.

[8]彭華涛，Bert Sadowski.开放式创新网络形成及演化的探索性案例研究[J]，科研管理，2014（8）.

[9]Guan J，Pang L，“Bidirectional relationship between network position and knowledge creation in Scientometrics”.Scientometrics，2018，Vol.115， No.1.201-222.

[10]Ortega J L，“Influence of co-authorship networks in the research impact：Ego network analyses from Microsoft Academic Search”.Journal of Informetrics， 2014，Vol.8，No.3，pp.728-737.

[11]王崇锋，高泽鹏.创新团体、结构洞非均衡性与创新产出——基于海洋产业的省级面板研究[J]，山东大学学报（哲学社会科学版），2017（1）.

[12]Abbasi A，Altmann J，Hossain L，“Identifying the effects of co-authorship networks on the performance of scholars：A correlation and regression analysis of performance measures and social network analysis measures”.Journal of Informetrics，2011，Vol.5，No.4， pp.594-607.

[13]解学梅，左蕾蕾.企业协同创新网络特征与创新绩效：基于知识吸收能力的中介效应研究[J]，南开管理评论2013（3）.

[14]高正，马鹏程，陈志军.产学研合作与企业绩效关系研究：基于动态创新能力的视角[J].山东大学学报（哲学社会科学版），2018年（3）.

[15]陈劲，阳银娟.协同创新的驱动机理[J].技术经济，2012（8）.

[16]刘亮.习近平：创新的事业呼唤创新的人才[EB/OL] http：//news.cctv.com/2016/04/17/ ARTI4pCbGxhabjYmS1524vGM160417.shtml，2016-04-17.

[17]Jackson M O，Rogers B W，Zenou Y，“The Economic Consequences of Social Network Structure”，Cepr Discussion Papers，2016，No.1，49-95.

[18]Coleman J S，“‘Social Capitaland Schools”，Education Digest，1988.

[19]Newman M E J，“A measure of betweenness centrality based on random walks”，Social networks，2 005，Vol.27，No.1，39-54.

[20]Brandes U，Borgatti S P，Freeman L C，“Maintaining the duality of closeness and betweenness centrality”，Social Networks，2016，Vol.44，153-159.

[21]Gilsing V，Nooteboom B，Vanhaverbeke W，et al.“Network embeddedness and the exploration of novel technologies：Technological distance，betweenness centrality and density”，Research policy，2008，Vol.37， No.10，1717-1731.

[22]郑向杰，赵炎.联盟创新网络中企业嵌入与区域位置对企业知识创造能力影响的实证研究[J].研究与发展管理，2013（4）.

[23]陈明明，张国胜.多样性、行政垄断与我国区域经济增长[J].产经评论，2017年（5）.

[24]王贵东.中国制造业企业的垄断行为：寻租型还是创新型[J].中国工业经济，2017（3）.

[25]Shi Y，Guan J C，“Small-world network effects on innovation：evidences from nanotechnology p a t e n t i n g”， J o u r n a l o f N a n o p a r t i c l e Research，2016，18（11）：329.

[26]闫艺，韩军辉.产学研合作网络小世界性、知识基础与企业创新[J].科技管理研究，2017（19）.

[27]Wang Z Y，Han J T，Zhao J，“Identifying node spreading influence for tunable clustering coefficient networks”，Physica A Statistical Mechanics & Its Applications，2017，Vol.486，242-250.

[28]Moody J，White D R，“Structural Cohesion and Embeddedness：A Hierarchical Concept of Social Groups”，American Sociological Review，2003，Vol.68， No.1，103-127.

[29]Portes A，Sensenbrenner J，“Embeddedness and Immigration：Notes on the Social Determinants of Economic Action”，American Journal of Sociology，1993，Vol.98，No.6，1320-1350.

[30]Gardner P L，“The relationship between technology and science：some historical and philosophical reflections”，International Journal of Technology and Design Education，1994，No.4，123-153.

[31]Nelson R R，“The market economy，and the scientific commons”，Research Policy，2004，Vol.33， No.3，455-471.

[32]Rip A，“Science and Technology as Dancing Partners”，Technological Development and Science in the Industrial Age，1992，231-270.

[33]林苞.科學-技术的汇合与分离：演化的视角[J].科学学研究，2014（7）.

[ 3 4 ] Z h a n g G ， D u a n H ， Z h o u J .“N e t w o r k s t a b i l i t y ， c o n n e c t i v i t y a n d i n n o v a t i o n output”，Technological Forecasting & Social Change，2 016，Vol.114，No.2，339-349.

[35]高霞，陈凯华.基于SIPO专利的产学研合作模式及其合作网络结构演化研究——以ICT产业为例[J].科学学与科学技术管理，2016（11）.

[36]《中国通信年鉴》2016年卷编辑委员会.中国通信年鉴[M].北京：《中国通信》杂志社，2016.

[37]Fleming，L.，King，C.，& Juda，A，“Small worlds and regional innovation”，Organization Science，2007，Vol. 18，No.6，938–954.

[38]Toutkoushian R K，Porter S R，Danielson C，et al，“Using Publications Counts to Measure an Institutions Research Productivity”，Research in Higher Education，2003，Vol.44，No.2，121-148.

[39]He J，Fallah M H，“Is inventor network structure a predictor of cluster evolution ”，Technological Forecasting & Social Change，2009，Vol.76，No.1，91-106.

[40]Archibugi D，Planta M，“Measuring technological change through patents and innovation surveys”，Tech novation，1996，Vol.16，No.9，451-468.

[41]Freeman L C，“Centrality in social networks conceptual clarification”，Social Networks，1978，Vol. 1，No.3，215-239.

[42]D.J.Watts，Steven Strogatz，“Collective dynamics of ‘small-world networks”，Nature，1998，Vol.393，No.6684，440–442.

[43]Schilling M A，Phelps C C，“Interfirm Collaboration Networks：The Impact of Large-Scale Network Structure on Firm Innovation”，Management Sc ience，2007，Vol.53，No.7，1113-1126.

[44]Cheung K.，Ping L，“Spillover effects of FDI on innovation in China：Evidence from the provincial data”，China economic review，2004，Vol.15，No.1，25-44.

[45]何青松，王冬梅，蔡琳.改革開放背景下FDI技术溢出效应及其阶段性变化[J].山东大学学报（哲学社会科学版），2012（2）.

[46]单伟，马文，高俊光.弹性视角下的R&D投入与产出关系研究[J].科学学研究，2017（7）.

[47]Zhang G，Zhou J，“The effects of forward and reverse engineering on firm innovation performance in the stages of technology catch-up：An empirical study of China”，Technological Forecasting and Social Change，2016，Vol.104，212-222.

[48]Jones C I，“R&D-Based Models of Economic Growth”，Journal of Political Economy，1995，Vol.103， No.4，759-784.

[49]Romer P M，“Endogenous Technological Change”，Nber Working Papers，2015，Vol.98， No.98，71-102.

[50]Cheung K.，Ping L，“Spillover effects of FDI on innovation in China：Evidence from the provincial data”，China economic review，2004，Vol.15，No.1，25-44.

[51]Cheung K.，Ping L，“Spillover effects of FDI on innovation in China：Evidence from the provincial data”，China economic review，2004，Vol.15，No.1，25-44.

[52]邵玉君.FDI、OFDI与国内技术进步[J].数量经济技术经济研究，2017（9）.

[53]Johansen S，Juselius K，“Maximum likelihood estimation and inference on cointegration—with applications to the demand for money”，Oxford Bulletin of Economics and statistics，1990，Vol.52， No.2，169-210.