技术-合作网络视角下中国新能源汽车产业演化动力机制研究

索 琪 李长升

(青岛科技大学经济与管理学院)

1 研究背景

随着资源短缺和环境污染等问题的日益加剧，“双碳”战略为推动绿色发展提供了强劲动力。新能源汽车产业具有绿色低碳、能源清洁、智能高效等特点，成为引领产业绿色转型和推动国民经济可持续发展的重要引擎。自成为国家战略以来，新能源汽车产业已进入关键发展阶段。然而，核心技术难以突破、产业结构固化、协同效率低下等一系列问题严重制约着产业的健康发展。因此，迫切需要打破原有单一主体封闭式的创新模式，借助于协同创新活动整合要素资源、破除知识壁垒、优化产业布局，进而提升产业创新效率和创新能力[1]。习近平总书记在中国科协第十次全国代表大会上强调“加强原创性、引领性科技攻关，坚决打赢关键核心技术攻坚战”“加快构建龙头企业牵头、高校院所支撑、各创新主体相互协同的创新联合体”。在此背景下，探究产业协同创新的演化动力机制，强化产业驱动力并加速产业转型升级，对于推动新能源汽车产业的高质量发展具有重要意义。

协同创新以交叉学科为背景，强调在优势互补、协同合作原则下，通过整合和扩展创新要素实现知识、技术增值，促进主体创新能力的提升和产业的快速发展。广义视角以区域、城市群、产业链为对象，测度创新主体的协同创新能力。孙振清等[2]以中国东部沿海四大城市群为研究对象，发现创新能力、认知相似性对协同创新效率具有显著影响。吴卫红等[3]对长三角地区和京津冀地区的跨区域协同创新绩效进行测度，发现区域间协同度对协同创新绩效具有显著影响，且地理邻近性影响较大。刘国巍等[4]分析了产业链协同创新的复杂集聚和态势，发现网络整体连通性不高且产业链协同并不均衡。狭义视角则关注政产学研等创新主体，认为不同类型的创新主体在协同创新活动中发挥着不同的作用，它们共同促进了系统稳定性和协同效率的提升。孙大明等[5]采用复合系统协同度模型，证实了协同创新系统有助于推动产业升级发展。近年来，协同创新呈现出日益复杂的网络化合作趋势，研究视角呈现多样化特征，相关研究借助于DEA模型、空间网络模型、PLS-SEM模型等，分别从城市视角[6]和企业视角[7]探讨了创新网络的结构特征和演化机理。对于网络演化动力机制的研究，内部因素关注于微观层面因素，涉及复杂网络理论[8]、社会网络分析[9]、自组织理论[10]等相关领域；外部因素关注于宏观层面因素，研究以产业外部环境[1]和多维邻近性[6]为主。协同演化理论则认为，网络演化动力并非源于某一特定方面，而是受到相互依赖、相互影响的多种因素的综合作用[11]。郭建杰等[12]分析发现，电信产业协同创新网络的形成受到网络结构、多维邻近性等因素影响。苏屹等[9]在探究新能源汽车产业协同创新网络结构的基础上，发现产业邻近、知识邻近和地理邻近均对网络演化具有一定影响。

上述观点为本研究提供了充分的理论支撑，然而仍存在有待完善之处：①就研究视角而言，已有研究多关注于单一视角刻画协同创新活动，鲜见从多维视角出发进行协同创新探讨的文献；②就驱动机制而言，过往研究大多关注于内部或外部层面因素的单独研究，少有研究从协同驱动机制层面进行综合性阐述；③就研究方法而言，现有研究多采用二次指派程序[13]和面板回归模型对静态网络进行分析，而忽略了网络演化的动态机制。上述不足促使业界重新审视产业协同创新网络的演化动力机制。综上，本研究以主体协同和技术协同视角构建协同创新网络模型，借助网络分析方法刻画网络结构特征、探究内生结构因素和外生属性因素对协同创新网络的影响变化，并选取新能源汽车产业作为实证对象，揭示产业协同关系形成的动态驱动力，进而为推进产业创新发展提供有效切入点。

2 理论分析与研究假设

根据协同演化理论，影响网络演化的因素包括内部驱动因素和外部驱动因素。内部驱动因素以内生结构为主，其中网络闭合性和网络同配性的影响较为显著[14,15]，产业创新过程常常受到竞争能力的同配性影响和产业创新联盟的自组织影响；同时，网络中的“明星”节点会直接或间接导致马太效应的产生[16]。外部驱动因素则以多维邻近性为主[6，12]。

传递三元组普遍存在于社会网络中[16]，用于反映节点与邻居节点形成传递三元组的趋势。随着产业发展和分工深化，协同创新的分工不局限于两两之间[17]。日趋复杂的创新模式通过为创新主体提供更为稳定的知识转移和资源交换关系，加强了主体之间的信任关系，减少了信息不确定性和未知风险冲击，从而有效提升创新主体的创新能力。随着网络的自组织演变，协同关系的稳定会表现为创新主体建立三角形的长久协同关系，并通过择优连接而不断吸纳新成员的加入，从而促进网络中出现更多的闭合三角结构，且以其为基础形成的网络子群数量也会随之增加[18]。创新主体间合作强度的增加使得合作关系更为稳固，进一步提升了网络的稳定性，形成正向反馈。新能源汽车产业的协同创新成本大，投资回报周期长，具有较高的风险性。传递三元组的稳定和闭合三角结构的增加会促使创新主体结成并不断发展创新联盟，从而大幅度降低研发风险，增加创新主体的创新研发意愿。据此，提出如下假设：

假设1闭合三角结构对于协同关系的形成具有促进作用，且该结构具有较强的稳定性。

同配性即节点之间的连接具有倾向性，属性更为接近的节点倾向于彼此连接[19]。协同伙伴多的创新主体更倾向进入被大部分创新主体所关注的热门技术领域，彼此之间更倾向互相连接。作为新兴技术密集型产业，新能源汽车产业创新主体的研发能力和研发相似性对协同关系的建立具有重要影响。实力相近的创新主体会倾向于彼此协同，主体同配和技术同配是产业快速发展背景下，市场和利益分配主导的最优协同选择。强强联合能够降低双方的研发风险、占领行业市场并提升创新产出。此外，研发能力相近的创新主体协同有助于保证利益的均衡分配，共同促进创新能力的快速成长。技术相似性高的创新主体所从事的技术领域存在一定交叉，相互协同可减少沟通成本、加快创新成果落地，相互借鉴提升彼此创新能力。同时，拥有技术越多的主体技术研发能力更强，知识吸收与转化能力快，往往能够吸引更多的合作者。拥有广泛知识基础的企业具备较高的认知、评价和应用外部新知识的能力，能够在竞争环境中获得更多优势[20]。据此，提出如下假设：

假设2a 拥有多个协同伙伴的创新主体具有建立协同联系的正向倾向。

假设2b 拥有更多协同伙伴的创新主体与被多个主体拥有的技术领域具有建立协同联系的正向倾向。

马太效应通常指强者愈强的复杂系统特征，创新能力越强的创新主体，越倾向于获得新的创新关系[21]，关注于优势积累。根据吸收能力和技术竞争理论，创新主体在知识转化能力方面存在明显差异，吸收能力强，则协同创新能力强，导致其在合作选择博弈中具有明显优势，更容易成为其他主体的选择对象[22]。随着新能源汽车产业创新活动的日趋深化，多学科知识与技术不断融合，使得原本从事单一技术领域的创新主体必然需要进行技术扩张；同时，具有竞争优势的龙头企业也通过不断吸纳新知识、新技术、新资本，从而实现了技术范围的扩张。拥有相同技术领域的创新主体，创新经验接近、技术结构相似，可减少技术交流的成本，利于创新能力的提升，从而实现协同的持久性[23]。被更多创新主体所掌握的技术领域多属于较关键或通用性强的技术，随着创新主体的技术扩张和产业的不断发展，逐渐被更多主体所掌握。马太效应是行业深度发展的最终产物。网络闭合性和网络同配性使得不同创新主体的研发能力和市场分配存在较大差异，为马太效应的出现提供了必然。据此，提出如下假设：

假设3a 单一技术领域的创新主体具有进行技术扩张的正向倾向。

假设3b 相同技术领域的创新主体具有增加相同技术领域的正向倾向。

假设3c 拥有更多协同伙伴的主体具有增加协同关系的正向倾向。

假设3d 被更多创新主体拥有的技术领域具有增加创新主体的正向倾向。

邻近性用于表征主体间在多个维度关系的接近程度，已成为创新网络关系形成研究的重要分析框架：①地理邻近性表征空间距离的接近程度，地理上的邻近有利于产业互动、人员交往、信息交流和沟通合作。早期受到交通和通信限制，地理邻近成为影响创新主体协同的主要因素，位置上的接近有助于企业减少协同成本、避免信息不对称造成的阻碍[24]。随着交通和信息技术的发展，地理邻近的重要程度逐渐降低，但距离的增加仍会降低沟通效率、增加沟通成本[25]。②组织邻近性表征主体在结构、文化、社会关系等特性上的相似程度。组织上的邻近有助于降低创新主体研发的不确定性和风险，避免知识外泄，促进知识吸收，从而保障创新主体的竞争优势和领先地位。新能源汽车产业知识开放性较低，组织邻近对于协同创新影响较为显著，创新主体通过吸收互补资源开展合作，加速知识转移和知识溢出，进而提升创新能力。③认知邻近性意味着主体对创新理解的相似性。认知上的邻近有利于准确交流和传递信息，是创新主体之间进行持续交流和知识互动的前提，通过联合实现高效创新产出，共同推动产品迭代和行业发展[26]。④技术上的邻近反映了主体间知识和技术结构的相似程度。具有相似技术认知的创新主体间便捷的交流和沟通有利于合作的持久性。新能源汽车产业技术攻关投入成本大，研发周期长，技术领域的过度扩张并不符合当前行业发展特点，与技术邻近的创新主体建立关系有助于降低学习成本、增加自身创新能力、寻求技术新突破，当前产业创新呈现出明显的“抱团”现象[18]。据此，提出如下假设：

假设4a 地理邻近对建立协同创新关系具有正向倾向。

假设4b 组织邻近对建立协同创新关系具有正向倾向。

假设4c 认知邻近对建立协同创新关系具有正向倾向。

假设4d 技术邻近对建立协同创新关系具有正向倾向。

综上分析，构建本研究的概念模型(见图1)。

图1 概念模型

3 研究设计与变量测度

3.1 研究设计

网络化的协同创新方式能够有效整合产业资源[4]，创新主体之间的深度联动表现为多个技术领域的选择和融合，创新主体借助于技术合作和知识共享，实现了与新兴技术的交互融合，主体协同与技术协同之间存在着强关联联系[27]。本研究构建技术-合作网络协同模型，将主体要素与技术要素纳入同一研究框架中。具体而言，以创新主体为节点，以联合发明专利这种协同创新关系为连边构建主体协同网络(一模网络)；以创新主体所从事技术领域这种隶属关系为连边构建技术协同网络(二模网络)，即隶属网络(见图2)。

图2 技术-合作网络示意图

3.2 研究方法

本研究聚焦于新能源汽车产业协同创新网络演化动力研究，变量涉及网络属性和二元关系，无法用常规计量模型进行估计。因此，选取新的多层动态网络分析模型——多层网络随机行动者导向模型进行定量分析。其优势在于：一方面，拓展了传统一模网络模型，引入多层变量及网络间彼此依赖关联性；另一方面，从纵向网络数据视角综合考虑内生结构因素和外生属性因素对网络关系动态变化的影响。模型以多层网络为研究对象，基于多个连续时间点的不同类型网络数据进行建模，对驱动网络节点间关系新建、消失、维持等动态变化的变量进行参数估计，以反映各因素对网络动态演化的影响机制。网络中协同创新关系变化由速率函数决定，速率函数根据多项式Logit模型定义[28]。

一模网络表达式为：

P[ichangesxij|Y(t)=y,X(t)=x]=

(1)

二模网络表达式为：

P[ichangesyij|Y(t)=y,X(t)=x]=

(2)

式中，N={1,2,…，n}为创新主体的节点集，A={1，2，…，a}为技术领域的节点集，一模网络X是n×n的邻接矩阵，xij={0,1}为其中的元素，i∈N,j∈N;二模网络Y是n×a的邻接矩阵，yij={0,1}为其中的元素，i∈N,j∈A;X(t)和Y(t)分别为观测时间点t时的一模和二模网络状态;xij表示在xij中进行更改的网络，fi(xij,y)为对应的效用函数(目标函数)；yij表示在yij上发生变化的网络，gi(x,yij)为对应的效用函数(目标函数)，则有

(3)

(4)

式中，βk和γk为估计参数；sk(xij,y)和sk(x,yij)为影响协同创新网络演化的因素；k∈{1,2,…，n}。

目标函数为内生结构因素和外生属性因素的线性组合，用于揭示主体协同网络和技术协同网络改变协同创新关系的影响因素。如果式中右边变量的估计参数为正，则对协同创新网络演化具有促进效应，利于网络发展；反之，则有负面影响。

选取内生结构和外生属性因素构建技术-合作网络协同模型(见表1)。

表1 技术-合作网络协同模型

3.3 变量测度

传递三元组测度主体协同网络(一模网络)中，创新主体形成的传递三元组对次年度主体协同网络关系变化的影响，公式为：

(5)

式中，i、j、h为创新主体，xij、xih、xhj为创新主体之间的协同关系。存在则取值为1，否则为0。

闭合三角结构测度主体协同网络中，创新主体形成的闭合三角结构对次年度主体协同网络关系变化的影响，公式为：

(6)

式中，α为调优参数，α∈(0,+∞)。

主体同配性测度主体协同网络中，连边更多的创新主体协同对次年度该网络关系变化的影响；主体-技术同配性测度技术协同网络(二模网络)中，拥有更多连边的创新主体与拥有更多连边的技术领域协同对次年该网络关系变化的影响，公式为：

(7)

式中，主体同配中i,j为创新主体；主体-技术同配中i为创新主体，j为技术领域；p=1，2，默认值为2。

单一连边测度技术协同网络中，仅拥有一条连边的创新主体对次年度该网络的关系变化的影响，公式为：

(8)

式中，a代表技术领域。

主体-技术融合测度技术协同网络中，拥有相同连边的创新主体对次年度该网络关系变化的影响，公式为：

(9)

式中，a1、a2均代表技术领域。

组织广度测度技术协同网络中，拥有更多连边的创新主体对次年度该网络关系变化的影响，公式为：

(10)

式中，b代表技术领域。

技术扩散测度技术协同网络中，拥有更多连边的技术领域对次年度技术协同网络关系变化的影响，公式为：

(11)

相似性效应衡量属性因素相似的主体之间协同对次年度主体协同网络关系变化的影响，公式为：

(12)

式中，simij=(1-|Vi-Vj|/maxij|Vi-Vj|)。

地理邻近性(GP)测度创新主体之间空间距离的影响，采用区域等级进行简化测度。

组织邻近性(OP)指组织内或组织间共由一个组织安排的关系，通常表现为母子公司关系、直属单位关系、资本关系等[29]。采用虚拟变量0和1进行测度；若协同双方具有组织邻近关系则赋值为1，反之为0。

认知邻近性(CP)采用创新主体之间创新能力差异指标刻画。选取样本区间内创新主体每年的协同次数表征创新认知水平。协同次数越相近，则认知水平越近；反之则相差越大。

技术邻近性(TP)表征创新主体间技术领域的相似程度。基于JAFFE[30]的方法测度技术距离，结合实际数据以技术小类(分类号前4位)代表技术领域为筛选标准，且考虑到时间属性对公式进行改进，具体如下：

(13)

式中，fik(fjk)表示在第k年创新主体i(j)所拥有的分类号数量；fijk表示在第k年创新主体i、j所共同拥有的分类号数量；m为样本区间起始年份；n为样本区间结束年份。

技术距离取值在0～1之间，越接近于1，表示创新主体之间技术越邻近。特别地，0代表两个创新主体的技术领域完全不同，1代表两个创新主体的技术领域完全相同。

4 实证研究

4.1 数据来源与处理

专利是创新活动的直接产出成果，既能反映出创新主体之间的互动关系，也是衡量主体创新能力的重要指标。选择中国新能源汽车产业联合发明专利数据作为研究样本，数据来源于专利信息服务平台。鉴于产业IPC分类号较为复杂，为避免遗漏，采取关键词检索方式，以“新能源汽车”or“电动汽车”or“纯电动汽车”or“混合动力汽车”or“燃料电池汽车”作为关键词进行检索。由于产业前期专利数量较少且考虑到专利3年的时间滞后性，以2009～2018年间的数据作为样本区间，共计27 075项。在此基础上，进行数据清洗和预处理，剔除专利权人为自然人、单一主体、港澳台、国外创新主体的专利数据，删除样本区间内出现次数小于2的创新主体及专利数据。最终，获得新能源汽车产业联合专利数据共计2 092项，创新主体共计228个，技术领域共计133个。

4.2 协同创新网络的演化特征

运用R语言的Rsiena程序包对协同创新网络的演化特征进行计算，结果分别见表2和表3。研究发现：①主体协同网络(一模网络)和技术协同网络(二模网络)日趋复杂化，产业协同发展迅速。创新主体由11个增长至131个，联结数量由14次增长至542次，均呈稳步上升态势；技术领域数量增长5.25倍，2018年技术协同联系强度为2009年的18.28倍，网络密度和平均度均有显著提升。这意味着新能源汽车产业的协同创新范围得以不断扩大，技术领域覆盖更为广泛，主体之间的联系强度在不断增强，知识的开放性不断扩充，网络结构持续优化。2010年新能源汽车成为国家战略，宏观政策的布局使得研发和生产投入力度显著增加，吸引了大量科研机构和企业的不断涌入，协同创新正逐渐成为攻关核心技术、提升创新能力的主要途径。②协同创新网络发展虽有波动，但趋于稳定。在2011年，创新主体骤减至17个，技术领域减至22个，主体协同和技术协同强度均有所下降；短期内主体大量退出主要源于新能源汽车产业研发周期长、风险高，使得早期进入的部分中小企业由于难以承担过高的资金投入和过长研发周期而退出。随后，由于产业联盟与合作关系的不断加深，抗风险能力显著提升，协同创新稳步发展。随着多项国家政策的相继出台，创新风险和研发成本得以降低，大量创新主体的涌入使得网络规模呈大幅增长趋势。至2016年，创新主体数量增长45%，主体协同次数增长38%；技术领域增长38%，技术协同次数增长68%。2018年，网络联系强度虽略有小幅下降，但市场在龙头企业和产业联盟带领下趋于稳定。③由表3可知，协同创新占比小，亟需进一步加强；协同创新网络结构脆弱，但随着产业发展逐渐稳定。样本区间内，只有3个阶段的杰卡德相似系数大于0.3，占整体33.3%；其余阶段杰卡德相似系数较小，但逐年上升，随着产业的不断发展，网络稳定性逐渐提高。新能源汽车产业的特点决定了其需要经历较长时间才能逐步走向成熟，且创新主体的进入和退出存在较大不确定性，主体技术领域呈现出分散化和多样化的特征。

表2 网络统计特征

表3 网络关系演化分析

4.3 协同创新网络的演化机理

运用R语言的RSiena程序包，采用Robbins-Monro随机逼近算法进行迭代，以观测网络作为因变量，以效应因素作为自变量，对式(3)和式(4)进行无条件矩估计。模型1～模型3分别评估闭合性(假设1)、同配性(假设2)、马太效应(假设3)对协同创新网络演化的影响。模型4评估多维邻近性(假设4)的影响。在此基础上，模型5评估闭合性(假设1)、同配性(假设2)、马太效应(假设3)的交互作用影响，模型6作为综合模型评估多变量(假设1～假设4)的耦合影响。由于模型选取变量不同，导致网络复杂程度不同；且模型越复杂，达到最佳拟合效果的迭代次数越高。模型1～模型6分别经过3 751、3 888、3 888、3 801、4 757、4 425次迭代，达到速率和目标函数的最优参数估计结果(见表4)。速率函数用于模拟网络的变化速度，即每个节点改变因变量得分的速度，其中网络密度为默认解释变量。为直观体现网络纵向演化动态，将2009～2010年对应于阶段一，据此将样本区间划分为9个阶段。以当前观测网络中内生结构和外生属性对次年观测网络中连边的动态变化影响反映网络演化动力机制。

表4 网络演化SAOMs参数估计结果

在模型1～模型6中，速率函数在样本区间内均呈现周期性波动。主体协同网络和技术协同网络的演化速率分别在0.05～16.72和0.70～241.33之间变动，网络波动幅度较大，且技术协同网络变动更为剧烈。目前，协同创新网络处于调整期，网络结构尚未稳定，创新活动仍然存在一定的不确定性。两个网络的密度均显著为负，仍较为稀疏，这与表3所反映出的产业整体协同创新比例不高的结论相吻合。

模型1中，传递三元组(TT)参数估计(-1.23)显著为负，闭合三角结构(GWESP)参数估计(5.84)显著为正(部分支持假设1)。说明对创新主体而言，网络根植性对协同创新具有负向影响，主体协同网络中的传递三元关系并不能促进创新关系的产生。同时，主体协同网络涌现闭合三角结构，实现了产业的链式发展路径。虽然目前倾向于闭合三角结构的产生，但这种三元关系却不能长久维持。受产业特点影响，协同创新关系仍较为脆弱，闭合三角结构的稳定性并不能抵消创新主体承受的高风险性。

模型2中，主体同配(OIDA_org)系数(0.40)和主体-技术同配(OIDA_tec)系数(0.26)均显著为正(支持假设2a和假设2b)。说明具有多个协同伙伴的创新主体具有和相似创新主体进行协同的正向倾向；不考虑其他因素的前提下，研发能力是选择创新主体的重要指标，研发能力较强代表创新相对稳定，主体协同存在强强联合的倾向，并对协同创新网络的演化具有正向驱动作用。协同伙伴多的创新主体与被多个创新主体拥有的技术领域建立联系对网络演化具有正向影响。较高的创新能力和研发的相似性赋予创新主体较强的知识吸收和转化能力，使协同伙伴多的主体更容易掌握关键技术。分析结果说明，同配性显著影响着协同创新网络演化。

模型3中，主体-技术融合(CY4)参数估计(0.02)显著为正，单一连边(OT2)参数估计(-1.10)显著为负(支持假设3a和假设3b)，说明具有相同技术领域的创新主体对建立相同的技术领域具有正向倾向，从事单一技术领域的创新主体也对进行技术领域扩张具有正向倾向。随着产业的发展，协同创新综合性和复杂性日益提高，创新主体只有不断地加强技术扩张，才能增加竞争优势。组织广度(OS)(0.04)和技术扩散(TD)(0.03)效应均显著为正(支持假设3c和假设3d)，说明从事多个技术领域创新活动的主体对继续扩张技术领域具有正向倾向；被多个创新主体关注的技术领域的竞争趋于激烈。拥有多个技术领域的创新主体已经具备了较强的研发能力，通过扩大合作伙伴关系有助于进一步增强吸收创新能力，从而更容易实现技术领域的扩张。被多个创新主体拥有的技术领域源于重要性、易掌握等属性，相较于其他技术领域更易被创新主体所掌握，技术领域的重要性为创新主体带来了更大的话语权和更高的收益。综上，网络演化促使马太效应的产生，同时马太效应显著影响协同创新网络演化。

模型4中，地理邻近(GP)参数估计(0.54)、组织邻近(OP)参数估计(1.95)、技术邻近(TP)参数估计(2.43)均显著为正(支持假设4a、假设4b和假设4d)。这意味着地理距离相近的创新主体更倾向于开展协同创新活动；具有组织关系的创新主体更易建立创新联系；同时，创新主体倾向于与其技术相似的创新主体进行协同创新。技术邻近相较于其他两者，对于协同创新网络演化的影响更为显著。认知邻近(CP)参数估计(-2.75)显著为负(不支持假设4c)，表明相似认知的创新主体并不倾向于建立协同关系，由于新能源汽车产业技术和知识开放程度较低，相似认知水平的创新主体的双方利益难以达成一致，加之组织邻近的影响，使得认知水平不同的创新主体更容易达成协同。

模型5中，参数估计结果反映了同配性和闭合性与马太效应之间的影响机制。综合影响下，传递三元组(TT)对网络演化影响减小，闭合三角结构(GWESP)参数变动较小，主体同配(OIDA_org)(-0.02)效应和主体-技术融合(CY4)(-0.05)均由显著正向倾向变为显著负向倾向。说明在多因素协同驱动机制下，内部驱动因素可从一定程度上对其他内部因素(主体同配和主体-技术融合)产生影响，并使之对协同创新网络演化的影响倾向发生变化。事实上，基于信任和规避竞争原则，产业创新联盟的主体间更倾向于协同合作，这使得原本应有的合作倾向发生了改变，合作伙伴多的主体之间不倾向于进行合作，具有相似技术领域的主体没有进一步同质化的倾向。综上，闭合性和同配性与马太效应之间的影响是相互的，闭合性和同配性不能促进马太效应的进一步扩大，三者不存在相互促进的关系。

模型6中，参数估计结果反映了所有变量耦合对协同创新网络演化的综合影响。在多种机制的综合影响下，除组织广度(OS)效应(0.01)外，其余变量均显著影响网络演化。其中，认知邻近(CP)(-5.11)、组织邻近(OP)(3.07)、闭合三角结构(GWESP)(5.58)对协同创新网络演化的影响远大于其他效应。说明外部驱动因素能够在更大程度上影响网络演化。传递三元组(TT)、闭合三角结构(GWESP)、组织广度(OS)效应、地理邻近(GP)、技术邻近(TP)对协同创新网络演化的影响程度减小；主体-技术同配(OIDA_tec)、组织邻近(OP)、认知邻近(CP)影响程度增大；主体同配(OIDA_org)、技术扩散(TD)、主体-技术融合(CY4)、单一连边(OT2)影响倾向发生改变。说明在多因素协同驱动下，外部驱动因素与内部驱动因素相互影响，使彼此对协同创新网络演化的影响程度发生改变。

结合所有因素，归纳协同创新网络演化动力影响机制。闭合三角结构(GWESP)对网络演化的影响最为突出，说明创新联盟对于协同创新关系的产生至关重要。组织邻近(OP)影响次之，创新主体在目标导向、组织文化的一致能够有效降低沟通成本，更有利于组织间的技术探索。认知邻近(CP)明显阻碍了网络演化，说明仅仅依靠创新能力的相似无法促成协同创新。技术邻近(TP)和技术扩散(TD)同样起到重要的促进作用，保障合作过程中冲突更小，知识吸收与交换效率更高，从而可降低技术融合成本。此外，主体-技术同配(OIDA_tec)和地理邻近(GP)对协同创新具有一定的促进作用，主体同配(OIDA_org)和马太效应虽然具有一定的阻碍作用，但其影响十分有限。

为保障拟合结果的稳健性，采用以下方法进行验证：①变更部分变量的测度指标，将地理邻近性变量测度替换为创新主体所在城市之间的实际球面距离测度，重新进行计算，参数符号及大小关系与现有结果差异不大，故不再单独列出；②变更部分变量处理方式，对文中认知邻近性变量测度采取对数化处理，重新进行拟合，与现有结果无明显差异；③变更模型参数，在迭代参数设置上选取不同初始随机种子进行验证，多次拟合结果除参数变动较小之外，显著性水平均保持一致。以上结果验证了本研究结论的稳健性。

5 结语

选取2009～2018年间中国新能源汽车产业发明专利数据，构建主体协同和技术协同网络，探究中国新能源汽车产业协同创新网络演化动力机制。研究结论如下：①演化特征方面，协同创新网络日益复杂，网络密度和强度逐步提升，协同占比扩大，创新主体协同和技术协同随产业发展有较大提升。协同创新网络总体较为稀疏，协同创新仍属于创新的少数；技术协同网络稳定性增强但脆弱性仍然显著，技术种类变动大、规模小、强度不高。②动力机制方面，网络演化受到内部因素和外部因素协同驱动且影响均较为显著。相较而言，内部驱动因素中的闭合性、同配性、马太效应的影响程度普遍弱于外部驱动因素中的多维邻近性。即外部宏观因素更大程度上影响着协同创新网络的演化。③经过纵向对比，内部因素中的网络闭合性即创新联盟，外部因素中的认知邻近性即创新主体之间的创新能力差异对网络演化影响最为显著。④经过横向对比，闭合性和同配性与马太效应之间的影响是相互的，三者不存在相互促进关系。在多因素协同驱动机制下，内部驱动因素可从一定程度上对其他内部因素产生影响，并使之对网络演化的作用倾向发生变化。多维邻近性与内生结构共同驱动协同创新网络的演化，其对网络演化的作用程度受到彼此影响。

结合本研究的分析结果，对新能源汽车产业协同创新发展提出以下建议：①加大对协同创新活动的支持力度，加强主体协同和技术协同。运用政策法规进行宏观和微观调控，对企业协同创新活动提供政策支持；同时，建立统一开放的市场体系，鼓励公平竞争。②建立具有国际竞争力的新能源汽车产业创新联盟，形成以大带小、以强带弱、辐射发展的创新格局。产业创新联盟通过共享资源降低研发成本、分担研发风险、拓展规模经济、提高产业创新竞争能力，有助于聚焦短板弱项技术、提升核心技术和难点技术攻关能力。③以协同演化理论督导产业良性发展，寻找多效应共同促进协同创新的平衡点。

本研究的理论贡献包括：①为产业动力机制研究提供更为完善的分析框架，结合新能源汽车产业特点，整合广义和狭义协同视角，探究创新主体和技术耦合对产业发展的影响机制，研究思路和研究视角更贴合产业实际；②丰富协同演化理论研究，以多维邻近性为外部驱动因素，以网络内生结构为内部驱动因素，多层面探寻影响网络演化的动力因素及其之间的交互作用关系；③引入多层网络随机行动者导向模型，突破以往对产业动力机制研究的静态分析局限，将静态与动态相结合、结构与机理相统一。

本研究初步探究了新能源汽车产业协同创新网络的动力演化机制，未来研究可扩充数据来源的丰富性，借鉴统计年鉴数据、政策文件和行业等数据，完善网络演化动力机制的探讨。此外，加入技术融合网络构建多层网络模型或以产业链视角对研究进行细化，能够进一步丰富研究内容，对当前结论实现深入补充。