“双一流”高校专利合作网络中结构洞的测度方法

石磊 赵宁

摘 要 为推动我国原创科研成果的增长，提升产学研协同创新能力，研究了2009—2016年42所“双一流”高校产学研专利合作网络中的结构洞，利用因子分析法对网络成员的结构洞测度进行了综合排名，同时对“双一流”高校结构洞地位进行了聚类分析。结果表明，结构洞测度排名靠前的是像清华大学这样的工科强校和国家电网公司这样有广泛合作关系的企业。他们应该发挥结构洞优势，促进以专利合作模式为主的协同创新工作深入开展。

关键词 专利合作 结构洞测度 因子分析

Abstract In order to promote the growth of original scientific research achievements and enhance the ability of collaborative innovation between industry-university-research in China， structural hole of 42 “double first-class” universities industry-university-research patent cooperation network in 2009-2016 were studied. The structural hole of network members were comprehensively ranked by factor analysis method， and the position of “double first-class” universities was cluster analyzed. The results show that the top of structural hole measurement are the strong universities of engineering such as Tsinghua University and the enterprises with extensive cooperative relationship such as State Grid Corporation. They should give full play to the advantages of structural hole and promote the in-depth development of collaborative innovation based on patent cooperation mode.

Keywords Patent cooperation. Structural hole measurement. Factor analysis.

0 引言

当前，我国经济发展进入新常态，传统发展动力不断减弱，必须依靠创新驱动打造新的发展引擎，培育新的经济增长点，保证我国经济发展的质量和效益能够稳步提升。高校是进行科学研究与技术开发的重要基地，是原创性成果的重要源头和实现技术成果转移的生力军，有很多高水平的科研成果需要转化服务社会，但统计数据表明我国高校当前科技成果转化率很低，2012—2016年这五年的年度科技成果转化率都在2%上下[1]。2015年，国务院印发的“双一流”建设方案中指出“推进成果转化，深化产教融合，努力使高校成为催化产业技术变革、加速创新驱动的策源地。强化创新成果与产业对接，推动重大科学创新、关键技术突破转变为先进生产力”，表明产学研协同创新无疑是提高高校科技成果转化率、增强企业市场竞争力，使得多方共同受益的有效途径。由于专利产出是最能够体现技术创新和科技成果转化能力的重要指标之一，因此，笔者认为对“双一流”高校产学研合作申请专利情况进行研究对提高国家科研协同创新能力、推动创新体系建设具有重要的现实意义。本文以42所 “双一流”高校产学研专利合作网络中网络成员的结构洞测度为研究对象，提出一种基于因子分析的综合计算方法，该方法在去除有效规模、效率、约束度、等级度、中介中心度及局部聚类系数等6项典型结构洞测度指标之间相关性的基础上，对反映结构洞不同特征的公因子进行加权得分，完成对网络成员结构洞测度大小的综合排序;再利用聚类方法对42所“双一流”高校进行归类分析;最后提出如何发挥占据结构洞网络成员的优势地位，促进 “双一流”高校与产研机构之间协同创新的有效策略。

1 “双一流”高校申请专利合作网络“结构洞”理论

结构洞是合作网络的一种结构属性，由美国芝加哥大学经济学教授Burt提出，他认为那些占据网络结构洞的网络节点（成员） 将获得更多接触新信息和知识的机会，享有资源的控制优势，是合作网络的关键节点[2]。专利合作网络是以探索性技术创新为主，强调多知识领域的交叉和融合，以产生技术溢出和原创科研成果为目标。占据专利合作网络结构洞的网络成员可以获得多样化信息和优势异质资源、可搭建更多合作桥梁的有利位置，能够促进合作網络的规模、网络密度、合作广度、合作强度等多个方面性能的提升，对于提高新知识和突破性技术的产出、增强专利合作协同创新将起到至关重要的积极作用。

国内外很多相关文献已表明，结构洞对促进创新网络合作绩效有正向积极作用。Zaheer认为占据较多网络结构洞的企业能够接触到不同类型的信息，有利于企业创新活动的进行[3];Xiao认为在高度信任的合作网络中，占据结构洞可以有更多的技术创新机会[4];迟嘉昱对中国电子信息产业百强企业2006—2015年合作申请发明专利情况进行了研究，发现占据结构洞位置能够正向影响企业专利合作产出[5];付雅宁研究了1995—2014年美国专利和商标局授权的纳米技术领域发明专利合作情况，通过回归模型验证了占据丰富结构洞的发明人有利于企业的探索式创新[6];章丹对中国63个技术创新网络进行了研究，发现占据较多结构洞有利于创造新知识的探索式创新活动[7];邵云飞认为占据更多结构洞和提高关系强度对提升突破性技术创新绩效有协同促进作用[8]。

如何寻找或衡量结构洞大小成为核心问题，当前直接寻找结构洞大都借鉴社会网络关键节点挖掘方法，主要有以下几类。

一类是挖掘社团网络的关键节点，如Lou和Tang寻找与社团意见领袖相连的关键节点，提出了HIS算法;为使社团最小割集最大化，提出了MaxD算法[9];还有其后续改进算法[10-11]。

另一类是基于节点特征的排序方法，Kitsak提出利用K核分解来发现网络的关键节点，将外层节点层层剥去，处于内层的节点即为关键节点[12];李鹏翔提出利用网络节点被删除后形成的所有不连通节点对之间最短距离的倒数之和来反映节点的重要性[13];Kleinberg提出了HITS算法，该算法赋予每个节点权威值和枢纽值，权威值衡量节点对信息的原创性， 枢纽值反映了节点在信息传播中的作用，权威值与枢纽值相互作用影响， 最终通过迭代达到收敛[14];谷歌提出PageRank算法，认为基于网页的链接结构进行网页排序时，一个页面的重要性取决于指向它的其他页面的数量和质量， 如果一个页面被很多高质量页面指向， 则这个页面的质量也高[15];L?提出LeaderRank算法，通过添加一个背景节点以及该节点与网络中所有节点的双向边来代替PageRank算法中的跳转概率c，从而得到一个无参数且形式上更加简单的算法，实验发现LeaderRank比PageRank表现得更好[16]。韩忠明提出把网络节点的7个不同属性作为训练参数，采用ListNet方法进行综合排序的机器学习方法[17]。但这些算法大都设置目标函数，通过数值迭代计算寻找最优解。对于大规模网络，较高的计算量、复杂度、最优解判定条件会使这些算法的应用受到一定限制，而且迭代计算无法得到所有节点的结构洞特征参数值。

直接衡量网络节点结构洞的测度大小，主要有三类共6项指标。首先是由Burt提出的4个结构洞指数：有效规模、效率、约束度、等级度;其次由Freeman提出的中介中心度;局部聚类系数也可以用来表征网络是否存在结构洞。这些指标的出发点都不尽相同，但又有一定的内在联系和相关性，单从哪个指标出发衡量结构洞大小的程度都不够全面客观。而关于分析这些指标之间的相关性、提取它们公共部分，以最少的指标个数对结构洞的大小进行全面测度的研究，目前鲜见有文献报道。

2 数据获取和处理

本文研究的专利合作数据全部来源于国家知识产权局网站，其中选择专利类型为中国发明专利，数量范围为申请量。专利统计时间范围设定从2009年1月1日到2016年12月31日，数据检索下载时间为2019年8月18日到2019年8月25日。

对于检索结果需要经过去重和去噪处理。首先，去掉同一个申请号不同阶段版本的重复专利;其次，要去除字段中含有42所高校名称之一、同时带有公司、研究院等字段的单一申请人专利;最后，去除与42所高校名称部分重叠的高校的专利，如西安电子科技大学、桂林电子科技大学、杭州电子科技大学、日本国立东北大学等。本文不对各机构与其下属机构进行合并处理，因为很多机构的下属机构本身具有独立法人，具备申请专利的资格。经过去重去噪后，合作机构数6635家，合作专利22 943项，合作关系11 160对，合作总频次38 993次，网络密度0.05%，10次以上的高频合作占比4.33%。

3 专利合作网络的结构洞及其测度分析指标

一个结构洞是两个网络成员之间的非冗余连接。如图1所示，行动者B、C之间没有直接连接，就存在一个结构洞，而A就是这个结构洞的占据者。通俗的讲，结构洞的占据者就是能够把没有直接联系的网络成员连接到一起的桥梁或者中间人。

实际合作网络连接远比图1复杂的多，某个网络成员可能处于某些其他成员间的结构洞位置，但不处于另一些成员间的结构洞位置，所以不能简单说谁完全占据了结构洞，而是要通过测度指标衡量成员占据结构洞位置的优劣程度。对于衡量结构洞位置优劣的典型测度指标，就是前面提到的6项指标，其具体计算公式分别如下。

3.1 Burt 结构洞指数

（1） 有效规模，等于网络成员的网络规模减去网络的冗余度，有效规模越大，成员的网络影响力越强。成员的有效规模计算表达式为：

j代表与i相连的所有点，q是除i、j之外的第三者，piq代表i投入到q的关系所占比例，mjq是j投入到q的关系所占比例，piqmjq代表i和j之间的冗余度。

（2） 效率等于网络成员的有效规模与实际规模之比，效率越高，成员对与其相关的其他成员的影响程度越大。

（3） 约束度，表征网络成员在网络中对其他成员的依赖程度，约束度越小，成员的网络能力越强。具体定义为：

其中，pij代表i直接投入到j的关系占总关系的比例，代表间接投入。

（4）等级度，指约束性多大程度上集中在一个网络成员身上，计算表達式为：

其中，N是点i的网络规模，C/N是各个点约束度的均值，Nln（N）代表可能的最大总和值，等级度越高，成员受到的约束程度也越大。

3.2 Freeman中介中心度

设V是点的集合，从点s出发，到达点t的路径记为（s，t），其包含的边数叫做该路径的长度，其中最短者叫做该路径的距离，用σ（s，t）表示距离数目，并令σ（s，t|ν）表示经过点v距离的数目。这样ν∈V，点的中介中心度为CB（ν）[18]，其公式为：

其值越大，网络成员越可能是中间的关键桥梁节点。

3.3 局部聚类系数

局部聚类系数表示网络成员i的朋友也是朋友的概率，局部聚类系数越小，成员越可能起到桥梁的作用。设E（i）表示网络成员i邻居成员中直接相连的成员对数，k（i）表示成员邻居成员的个数，则局部聚类系数计算表达式为：[19]

4 专利合作网络结构洞测度指标因子分析及提取

从上述6项指标的定义，尤其是Burt的4个结构洞指数可以看出，它们内在可能存在一定相关性，如果直接用这 6项指标对“双一流”高校合作网络的结构洞进行综合评价，会增加一些冗余因素项，不够准确。所以本文利用因子分析法，去除各指标之间的相关性、提取公共因子，用最少数量的公因子全面客观地测度网络成员占据结构洞程度的大小。

4.1 指标的正侧化和标准化

本文首先把专利合作数据导入Ucinet，得到6项结构洞测度指标的原始个案数据，再采用SPSS进行因子分析。为了消除各指标量纲不同对评价的影响，需要对每个指标的6635个个案值进行标准化。在标准化之前，需要注意指标是正向型还是负向型，对于正向型指标，正侧化个案值yij=xij，对于负向型指标，正侧化个案值yij的计算表达式如下：

表1给出了经过正侧和标准化的42所“双一流”高校6项结构洞测度指标的数值结果。

4.2 效度检验

变量间存在相关性是可以做因子分析的前提，主要利用两个统计量进行检验判断。KMO检验是比较观测变量之间简单相关系数和偏相关系数的比值大小，比值范围在0～1之间，大于0.5可以做因子分析。Bartlett球形度检验是检验相关矩阵是否为单位阵，显著性水平小于0.05，表示相关性检验有效。由表2可知，KMO值为0.633，Bartlett显著性水平为0.000，变量之间存在相关性，可以做因子分析。

4.3 公因子提取

对6项结构洞指标利用主成分法提取公因子，从表3可以看出，因子1（F1）和因子2（F2）特征值均大于1，而且累计方差贡献率达到89.788%，说明这两个公因子解释了原有6项指标的大部分信息，起到了很好地减少评价指标个数的作用。为了更易于解释原有变量，一般需要对原有公因子进行旋转，采用最大方差法进行旋转。

4.4 因子载荷矩阵与因子得分系数矩阵

因子载荷矩阵载荷值表示提取的公因子与原有变量的相关性（可解释程度），载荷绝对值越高，两者相关性越强。从表4可以看出，F1与效率、约束度、等级度、局部聚类系数有较强的相关;而这4项结构洞特征指标反映的是网络成员与邻居节点的局部相互影响。F2与有效规模、中介中心度高度相关，这两个结构洞特征指标反映的是网络成员对所处合作网络的整体影响。因此，本文将F1命名为结构洞邻域影响力指数，F2命名为结构洞全局影响力指数。而根据表5因子得分系数矩阵中F1、F2各数值，把各指标的公因子值相加，分别可得F1=0.014X1+0.282X2-0.236X3-0.282X4+0.016X5+0.275X6，F2=0.498X1+0.065X2+0.111X3+0.014X4+0.497X5 +0.073X6。

4.5 因子得分与排名

由表3可知，第一公因子F1的方差贡献比为57.719/89.788=0.643，第二公因子F2的方差贡献比为32.069/89.788=0.357，用两个公因子的方差贡献比作为权重，得到各合作成员的综合评价模型F=0.643F1+ 0.357F2，这样可以得到各合作成员的因子得分和综合评价得分。由于本文专利合作网络总的成员数为6635个，数量规模庞大，无法在文中全部展示，因此只展示42所“双一流”高校的单独因子、综合因子的得分和排名情况，详见表6。

从表6中可以看出，各高校F1得分排名都不高，因为经过标准化的效率和局部聚类系数都正比于F1、约束度和等级度负比于F1;而专利合作网络中有超过4000家机构分别只与唯一所“双一流”高校进行合作，这些机构效率和局部聚类系数都是排名并列第一的，约束度和等级度都排名最后一名，所以他们F1得分排名第一。而对于F2得分排名，绝大多数高校排名靠前，因为F2主要与中介中心度和有效规模密切相关，这些高校在合作网络中具有广泛的合作关系、起到更多桥梁中介作用。从数值结果中看出，当>3.443，F2得分对综合得分起决定作用，这时与F1得分密切相关指标带来的负作用被弱化了，综合得分排名靠前的成员对促进专利合作具有更好的实际意义。

此外，对比表1高校结构洞单项指标和表6综合得分排名还可已看出，用单项指标衡量结构洞测度大小必定有失偏颇。如从效率或局部聚类系数看，高校结构洞在这两个指标上整体排名都非常靠后;从等级度上看，清华大学、浙江大学等几所综合得分靠前的高校，该指标排名反倒位列高校中下游;从中介中心度看，综合得分第7的上海交通大学也位于中下游。所以采用因子分析去除结构洞多个单项测度指标内在相关性，再综合评分排名显然更为科学客观。

5 专利合作网络结构洞测度因子聚类分析

对42所“双一流”高校结构洞测度进行聚类，按照公共因子F1和F2因子得分的相似性进行分类。本文选用层次聚类法，层次聚类方法适合个案数据量适中、变量较少的聚类分析。利用聚类进度表确定聚类数，当聚合系数出现陡增所对应的类别数，就是比较合适的聚类数，本文聚类数选为5，树状聚类图如图2所示。

从图2中可以看出，清华大学、浙江大学被聚为第一类，他们因子得分F1和F2都位列前2名。在对F1起主要作用的因素中，清华大学、浙江大学的效率、局部聚类系数、约束度都位列前3名;对因子得分F2起主要的有效规模、中介中心度，清华大学、浙江大学依然位列前2名。华南理工大学被单独聚到第二类，公共因子F1和F2排名都位列第3。华中科技大学、北京航空航天大学、同济大学、上海交通大学被聚为第3类，公共因子F1和F2得分位列4～8位;天津大学等16所高校聚到第4类，公共因子F1和F2得分位列7～23位，属中游及以上;湖南大学等19所学校聚到第5类，公共因子F1和F2得分位列24～42位，属中游及以下。从结构洞测度综合得分和聚类结果，“双一流”高校处于明显优势合作位置的是少数几所高校，与其他30多所高校拉开了一定的距离，其他高校结构洞程度相差不大，自身合作机构的研究领域和数量还有很大的提高空间。此外，一些偏理科、文科、专项学科的高校，结构洞测度排名靠后，专利合作能力有待进一步加强。

6 提高“双一流”高校专利合作协同创新的建议

对于“双一流”高校专利合作网络结构洞测度的综合计算结果，从排名可以看出我国清华大学、浙江大学、华南理工大学等工科强校均名列前茅，国家电网公司、华为技术有限公司结构洞综合测度表现也非常不错。但同时也发现整个专利合作网络是以低频次合作为主，有超过4000家机构分别只与唯一一所“双一流”高校进行合作。而这所高校的结构洞综合测度得分并不高，主要是由于其局部影响力指数F1得分对综合评价得分起主要作用而造成的。网络成员合作关系较少、资源十分有限，对加强整个网络的专利合作意义不大。只有提高网络成员全局影响力指数F2的得分，进而提升结构洞综合测度排名，使其成为具有桥接作用的关键节点，才能加強整个网络的专利合作。一些综合实力强、具备广泛合作关系、密切合作伙伴的结构洞综合测度排名靠前的网络成员，应该利用自身资源优势，发挥桥梁作用，促进专利合作协同创新活动的持续深入开展。

6.1 把合作伙伴请进来

具有结构洞位置优势的“双一流”高校，大都有很强的科研实力和原始创新能力，也具有和企业、科研院所开展协同创新的丰富经验，他们可以利用自身广泛的合作基础和良好口碑，吸引更多优秀的企业到学校来，深入讨论合作需求，建立互信关系，寻找合作机会，构建长期稳定的合作关系。

6.2 走到合作伙伴身边

高校也要主动走出去，避免闭门造车，多去了解下企业产品研发、生产实际困难，使自己的科研成果能够更好地与企业需求进行对接，提高科技成果转化率。鼓励人才流动，高校可以为企业培养人才、企业也可以聘任高校人才长期在企业兼职，互通互利，良性循环。结构洞综合测度排名靠前的高校多来自于经济发达地区的工科强校，他们应该加大与经济欠发达地区的合作力度。

6.3 搭建合作桥梁作用

结构洞本质就是关系的中间人，高校作为科技创新的主要策源地，不仅要利用自身优势使自己受益，更要使多方同时受益。科学工程的复杂度日趋增强，单靠一两家机构通常很难完成，而这个合适的搭桥人非高校莫属，只有发挥好高校的结构洞作用，产学研协同创新才能够真正得以有效实施。