面向关键核心技术突破的区域创新网络协同驱动研究

许学国 马聪聪 李烨

摘 要：   构建长三角城市群集成电路产业链协同创新网络，探究网络驱动机制对促进成果转化，提高关键核心技术原始创新能力具有重要意义。研究以长三角城市群集成电路产业链合作专利数据为基础，基于社会网络分析（SNA）方法构建集成电路产业链协同创新网络，采用指数随机图模型（ERGM）探究网络演化驱动机制。结果表明：网络由“单核心”向“多核心”网络结构转变，网络“小世界性”显著，层级性清晰；开放型三角结构对网络演化呈倒“U”型曲线关系；研发主体的中心性、结构洞属性对网络演化具有显著的促进作用；技术距离对网络演化有差异化影响，其中技术多样性与重叠性对网络的影响呈“U”型曲线关系，技术宽度始终呈正向显著，而技术深度则对网络演化无显著的促进作用；网络演化具有显著的组织邻近性特征。

关键词：  ERGM；集成电路产业链；长三角城市群；协同创新网络

中图分类号：  F 204

文献标志码：   A

Key Technology Breakthrough Oriented Collaborative InnovationNetwork： Observations on the Integrated Circuit IndustryChain in Yangtze River Delta

XU Xueguo MA Congcong LI Ye

（School of Management， Shanghai University， Shanghai 200444， China）

Abstract：  constructing the collaborative innovation network of integrated circuit industry chain in Yangtze River Delta Urban Agglomeration and exploring the network driving mechanism are of great significance to promote the transformation of achievements and improve the original innovation ability of key core technologies. Based on the cooperation patent data of the integrated circuit industry chain of the Yangtze River Delta urban agglomeration， the research constructs the collaborative innovation network of the integrated circuit industry chain based on the social network analysis （SNA） method， and uses the exponential random graph model （ERGM） to explore the driving mechanism of network evolution. The results show that the network structure changes from “single core” to “multi-core”， the “small world” of the network is significant， and the hierarchy is clear;  the open triangular structure has an inverted “U” curve relationship with the network evolution; the centrality of R & D subject and the attribute of structural hole can significantly promote the network evolution; technology distance has a differentiated impact on network evolution， the impact of technology diversity and overlap on the network shows a “U” curve relationship， the technology width is always positive and significant， while the technology depth does not significantly promote the network evolution; network evolution has significant characteristics of organizational proximity.

Key words：  ERGM; integrated circuit industry chain; Yangtze River Delta urban agglomeration; collaborative innovation network

隨着国际贸易摩擦的爆发，我国“卡脖子”技术缺口问题突显。2021年5月，习近平在两院院士大会中国科协第十次全国代表大会发表重要讲话指出：“要加强原创性、引领性科技攻关，坚决打赢关键核心技术攻坚战。”因此，通过加强原始创新能力解决关键核心技术“卡脖子”问题显得迫在眉睫。集成电路产业是我国关键技术产业的重要代表，目前该领域核心技术与核心产品较多依赖进口，尚未形成自主可控的产业链。集成电路产业链具有高度复杂性、动态性、集成性，单一主体往往不具备技术创新所需全部资源与能力，因此需要从外部获取资源，通过多主体共同参与构建协同创新网络，实现创新资源的流通、配置，共同分担抵御风险。在此情形下，探究集成电路产业链协同创新网络驱动机制，推动协同创新网络形成与演化对关键核心技术突破，促进科技成果转化具有重要意义。

目前协同创新网络的相关研究主要聚焦以下两个方面：第一，现有研究使用社会网络分析法聚焦网络演化特征分析与空间格局演化分析，如李优树等、李冰等分别构建了石油产业链贸易网络与军民科技创新合作网络，从网络的整体特征指标（网络密度、平均距离、集聚系数等）与个体特征指标（中心性、结构洞等）出发对网络的结构特征和影响因素进行了分析；徐宜青等利用合作专利数据构建了长三角城市群协同创新网络，通过块模型分析、凝聚子群分析等方法研究了创新网络格局的演变特征并提出格局优化策略。第二，现有研究关注网络演化的驱动机制，探讨网络关系属性、网络结构属性、网络节点属性对创新网络的驱动效果，如陈文婕等、阮平南等从多维邻近性、内生结构依赖两方面分别探究了对低碳技术合作创新网络、OLED技术创新网络形成与演化的影响；王庆喜等利用城市间合作申请专利数构建了浙江城市创新网络，通过空间网络模型和负二项回归模型分析构建网络，分析了网络的整体与个体特征，并探究技术邻近性、制度邻近性、认知邻近性对网络的驱动作用；郭建杰等以电信产业申请并授权的合作专利为数据基础，从网络内生结构变量与节点属性变量两个方面对协同创新网络进行了研究；Ma等基于中国固体废物处理领域合作专利数据，分析了技术合作网络演化的结构、空间和组织特征，从内生结构、网络节点属性、网络关系属性三方面探讨了网络演化的驱动因素；Dong 等利用中国省际间专利贸易数据对影响区域技术交易网络的因素进行分析，研究发现网络节点属性中经济水平、技术集中度是制约省际间技术交易的关键因素。

基于上述分析，现有研究已关注到多维邻近性、节点属性、网络内生结构对网络形成与演化的影响，但考虑到集成电路产业链属于关键核心技术产业链，知识技术壁垒高，本研究将多维技术距离指标纳入研究范围，侧重探究多维度技术距离对网络演化的驱动作用。除此之外，目前集成电路产业链技术创新领域的相关研究逐渐增加，但少有研究从协同创新网络的角度分析影响集成电路产业链原始创新能力的因素，且现有研究较少涉及从产业链视角探究网络演化机制，因此本研究在结合网络演化特征分析的基础上探讨长三角城市群集成电路产业链协同创新网络驱动机制，以期促进集成电路产业链协同创新网络形成与演化，从而提高产业链创新能力，实现集成电路产业链的自主可控。

1 研究假设

本研究将通过ERGM模型对该网络演化的驱动机制进行研究，从网络内生结构、节点属性及网络关系三个方面探究网络联结关系形成的驱动作用，进而提出长三角地区集成电路产业链协同创新网络的优化策略，以提高产业链关键核心技术的原始创新能力，促进长三角地区集成电路产业链协同创新发展。

1.1 网络内生结构属性

网络内的连接关系不是孤立存在的，网络关系中隐藏的结构因素是宏观网络结构涌现的微观驱动力。在长三角地区集成电路产业链协同创新网络中，合作关系体现了两城市之间集成电路产业链上中下游产业的合作研发情况。合作关系的中介性体现了城市之间创新资源的传递共享与协同发展，通过城市合作研发促进一个地区产业链趋向高附加值方向发展，以实现产业链关键核心技术突破。网络结构中的开放三角结构Gwdsp体现了网络的中介效应，开放三角结构由中心节点连接两端节点形成长度为2的中介2-路径，两个端节点并不直接联系，而是由中间节点发挥中介效应对创新资源进行传递。因此本研究认为开放三角结构的中介性特征有利于促进城市之间资源的共享与协同创新发展。基于此，提出如下假设：

假设1：  网络开放三角结构有利于网络合作关系的形成。

1.2 网络节点属性

节点是网络的主体，节点属性直接影响网络关系的形成，因此本研究首先从节点城市的GDP、中心性及结构洞三个方面来探究节点属性对协同创新网络关系形成的影响。集成电路产业是我国的关键核心技术产业，其研发创新需要大量的资金、技术与人才。GDP代表了城市的经济发展水平与研发能力。一个城市的经济水平越高，研发能力越强，竞争力越大，愿意与之合作的城市越多，就会促进其他节点城市与该城市合作关系的建立，更多的城市被吸引就形成了“马太效应”。在节点中心性属性中，中心性常用于表示整体网络中各个行动者所处的位置，通常用于衡量网络节点对整体网络资源控制的程度，它相较于其他节点更具潜力，在未来具有更高的合作价值，因此处于中心性地位的城市由于中心性效应会促进其他节点与之联结。网络中的结构洞属性主要反映两个行动者之间的非冗余关系，结构洞能够降低信息搜索不确定性，在获取其他主体信息的同时，及时对信息进行识别和判断，更好地筛选潜在合作伙伴，提升合作关系建立效率，进而促进合作网络形成与演化。基于以上论述提出如下假设：

假设2：  研发主体的经济发展水平对网络合作关系的建立具有正向影响。

假设3：  中心性属性对网络合作关系的建立具有正向影响。

假设4：  结构洞属性对网络合作关系的建立具有正向影响。

技术距离为主体之间技术水平的差异性，本研究从技术宽度距离、技术深度距离、技术多样性距离、技术重叠性距离四个方面来考虑技术距离对网络关系形成的影响。

技术宽度距离指主体技术研发专利所涉及的技术领域范围之差，是技术横向宽度范围的比较。本研究将集成电路产业链分为上游设计、中游制造、下游封测三个技术领域，技术宽度大说明城市的技术研发涉及产业链的多个环节，技术宽度小说明城市技术研发领域比较狭窄且具有专业性。技術宽度小的一方通过合作能够拓展原有技术边界、获得异质性知识；技术宽度大的一方则能够增强技术集成与协同应用能力，有助于创新要素的重新组合。

技术深度距离指各城市间技术研发专利数量差距之间的比较，是技术纵向存量深度的比较，技术深度越大往往说明该城市在其技术领域内有较强的知识技术实力，甚至获得垄断地位。因此从原则上说，技术深度大的城市更容易吸引其他城市与之合作。但事实上技术深度较大的城市自身研发实力与知识吸收能力均较强，与其他城市的合作对技术深度大的城市而言不利于巩固其在相应领域的垄断地位，因此技术深度距离较大的两个城市不利于建立合作关系。

技术多样性反映了技术资源分布的均衡程度，是技术领域分布差距的比较，着重考察创新资源或技术成果的领域分布是集中还是分散。技术多样性水平高的城市技术领域分散，技术布局范围广、包容性强，技术资源更加丰富，因此可以吸引更多城市进行合作研发。

技术重叠性指企业技术领域的相似程度，技术重叠性在产业发展的不同时期会产生不同的影响，产业发展早期技术重叠性可能会由于技术竞争而导致冲突，不利于合作发展，当产业发展到一定程度时，在对知识密集型产业、高技术产业或者产业链附加值高的领域进一步研发时，技术重叠性降低了合作成本，此时的技术竞争冲突也会被抵消。基于以上论述提出如下假设：

假设5：  技术宽度对网络合作关系的建立具有正向影响。

假设6：  技术深度对网络合作关系的建立具有负向影响。

假设7：  技术多样性对网络合作关系的建立具有正向影响。

假设8：  技术重叠性对网络合作关系的建立具有正向影响。

1.3 网络关系属性

本研究从制度邻近性、组织邻近性两个方面来研究同配效应对网络合作关系建立的影响。

制度邻近性指区域间社会制度和文化环境的差异，意味着双方共享类似的行为规则和价值观，提供了基本的信任水平，并降低了沟通中的不确定性和交易成本。相似的制度环境有利于激发主体创新合作行为的产生。制度邻近性在创新主体间发挥“黏合”作用，制度相同或类似有助于增强创新主体间信任，降低合作不确定性和成本。制度落差过大易形成技术壁垒，且容易导致机会主义行为的发生。

组织邻近性指组织间与组织内部共同拥有的关系。组织邻近性近的城市拥有着相同的城市层级与社会关系，城市之间拥有更高的依赖性和信任程度。对于集成电路产业链各个环节来说，组织邻近性近的城市之间能够更容易地进行信息交换，有利于合作研发的形成。

假设9：  制度邻近性有利于网络合作创新关系的建立。

假设10：  组织邻近性有利于网络合作创新关系的建立。

2 研究设计

2.1 样本选择和数据来源

集成电路产业链是我国关键核心技术产业链的重要代表，是国民经济和社会发展的战略性、基础性、先导性产业。随着我国集成电路行业市场规模的不断扩大，各个地区都加入了集成电路研发和生产的环节，目前已形成以长三角、环渤海和珠三角三大核心区域聚集发展的集成电路产业链空间格局。其中，长三角地区是中国集成电路产业基础最扎实、技术最先进的区域，产业规模占全国半壁江山，设计、制造、封测、装备、材料等产业链全面发展。集成电路制造行业本土企业有中芯国际、华虹集团、合肥睿力、华润微电子等。目前80%的封装测试企业、55%的集成电路制造企业以及近50%的集成电路设计企业都集中在长三角地区，初步形成了包括研究开发、设计、芯片制造、封装测试及支撑业在内的较为完整的集成电路产业链。2020年，中国十大集成电路设计企业在长江三角洲地区有6家，整个长三角地区的国家级IC设计业产业化基地在全国仅有的7个中就占了3个，即上海、无锡、杭州；在全国国家级IC设计人才培训基地中，长三角区内也占5个，即上海交大、复旦、东南、浙大、同济，因此本研究选取长三角城市群作为研究区域。

为探讨长三角城市群集成电路产业链的协同创新关系，本研究选取长三角城市群的41个城市作为合作网络的主体节点。由于专利数据具有公开性、易于计算以及可比较的优点，本研究选取两两城市间的联合申请专利数据构建城市群产业协同创新网络。根据王文宵对集成电路领域专利布局的分析，研究以“IPC=H01L”与“IPC=G06F”为关键词在国家知识产权局的重点产业数据库中进行检索，筛选出专利中申请人为2人及以上的联合申请专利，剔除联合申请人为同一城市与申请人为个人的情况。最后利用企查查将创新主体定位到城市，将创新主体联合申请专利信息转换为城市间协同创新关系，筛选出长三角城市群合作专利数据。本研究考虑近十年的专利发展状况，将协同创新网络分为两个时间段三个时间节点，选取2011年、2016年、2021年三年为样本数据，但由于2021年专利数据统计具有滞后性，改用2020年数据。

2.2 模型构建

ERGM 模型是一种依赖网络数据来观测真实网络结构的统计方法，能够解释网络的形成机理，核心是将网络中的联系视为一个随机变量，由统计模型来解释。ERGM 模型以随机统计理论和社会网络理论为基础，社会网络分析侧重于外生变量的可视化分析， ERGM模型可以综合考虑网络内生结构、节点属性及其关系，可以同时从多角度探究目标网络演化的影响因素。以SNA分析构建出的网络关系为因变量，采用蒙特卡罗-马尔可夫最大似然估计（ MCMC-MLE） 方法估计变量参数，通过不断迭代，结合赤池信息量（ AIC） 和贝叶斯信息量（ BIC）评判指数随机图模型（ERGM）的间接性与拟合度。构建基于节点属性关系和网络拓扑结构的随机图概率：

Pr（X=Y）=  1 k  exp ∑θAgA（y）  （1）

式中：X代表随机网络的集合；Y是X的一个具体实现，为长三角地区集成电路产业链合作网络带权重的边；k是能保证概率值Pr处于0～1的归一化常数；A為所有网络结构与节点属性统计量的集合；gA（y）代表内生网络结构与外部网络节点属性的统计量；θA为网络统计量的系数。本研究以此构建ERGM模型：

模型1：

pr（Y=y）=（1/k）exp（θ1Edges+θ2Gwdsp） （2）

模型2：

Pr（Y=y）=（1/k）exp（θ1Edges+θ2Gwdsp+θ3GDP+θ4dgree+θ5hole+θ6diff（width）+θ7diff（depth）+θ8diff（diversity）+θ9diff（overlap）） （3）

模型3：

Pr（Y=y）=（1/k）exp（θ1Edges+θ2Gwdsp+θ3GDP+θ4dgree+θ5hole+θ6diff（width）+θ7diff（depth）+θ8diff（diversity）+θ9diff（overlap）+θ10Insij+θ11Zij） （4）

本研究使用R语言的statnet程序进行模拟，其中内生结构变量采用R语言中的ergm包来处理。模型中，k确保了Y的概率在0～1；Edges、Gwdsp用来描述网络内生结构变量；外生属性中GDP、dgree、hole、diff（width）、diff（depth）、diff（diversity）、diff（overlap）分别表示城市生产总值、度数中心度、结构洞、技术宽度、技术深度、技术多样性、技术重叠性，用来描述节点属性变量；Insij、Zij分别表示制度邻近性、组织邻近性，用来描述网络关系变量。指数随机模型迭代过程中，赤池信息量（ AIC） 和贝叶斯信息量（ BIC）数值越小，拟合度越高，对网络的观测也越准确。

2.3 变量测量

本研究中的解释变量从网络结构变量、节点属性变量、网络关系变量三个方面考虑，具体变量见表1。

首先从网络内生结构变量考虑，网络内生结构中的典型构型有闭合型三角结构与开放型三角结构，其中闭合型三角结构是指当网络中两个节点与另一个节点均建立联系时，二者也倾向于建立联结，这样形成的闭合三角结构易形成冗余路径，不利于联结关系的进一步扩大。开放三角结构是指网络中由中间节点连接两端节点所形成的长度为２的网络结构。由中介主体联结两端主体合作，对知识与资源进行传递，有利于知识技术的扩散与融合，促进更多主体合作，因此选取开放型三角结构作为网络内生结构变量，如果Gwdsp显著性为正则说明网络易形成开放型三角结构。

其次从节点属性变量考虑，长三角地区虽采取一体化高质量的发展战略，但城市群内部创新能力差距巨大，科技创新能力不强，科技成果转化率仅10%，这可能是由较大的经济发展水平差距所导致的。因此，本研究选取城市经济发展水平作为节点属性变量，以研究城市经济发展水平对集成电路产业链网络合作关系的影响。网络的中心性与结构洞体现了在网络中占据主导位置、对网络具有控制能力的城市节点，因此将中心性与结构洞纳入解释变量。中心度公式如下：

Cd（ni）= di （N-1）  （5）

式中：变量di表示节点的度数；变量N表示网络规模。

结构洞刻画了网络中非冗余联系，占据结构洞位置的节点在不直接相连的节点间承担中间人角色，能够发挥信息传递作用，通过结构洞可以扩大主体接触信息的多样性。因此，处于网络中结构洞位置的个体通过占据网络中的洞穴或搭桥位置能为其占据者获取“信息优势”和“控制优势”，通常比网络中其他位置的节点更具创新力与竞争力。结构洞指标包括有效规模、效率、限制度和等级度四个指标，研究采用有效规模来衡量，其公式如下：

H=∑  j  1-∑  q piqmiq ，q≠i，j （6）

其中：j代表与自我点i相连的所有点；q是除i或j之外的每个第三者；piq代表创新主体i投入q的关系所占比例；mjq是j到q的关系的边际强度；piqmjq代表自我点和特定点j之间的冗余度。

技术距离用技术规模（技术宽度、技术深度）、技术结构（技术多样性、技术重叠性）两个维度、四个指标进行测量。其中，技术宽度采用各城市所涉及的集成电路产业链技术领域数量来测量，反映了技术的横向势差；技术深度采用各城市在该技术领域研发的专利数量来测量；技术多样性参考产业集中度指数来测量，其公式如下：

diversityi=1-HHIi=1-∑ K k=1   pik pi   （7）

其中，K代表技术领域，范围为1～3；pi为各城市在所有领域所拥有的专利数量；pik为各城市在某一特定技术领域的专利数量。技术多样性的取值为0～1/k。

技术重叠性为城市之间平均技术重叠性，其公式如下：

overlayi= 1 M-1 ∑  j sim（i，j），j≠i （8）

其中，M=41，代表長三角城市群的数量；sim（i，j）代表两城市之间的重叠性，用两城市间的技术分布接近程度来表示，公式如下：

sim（i，j）= ∑  k pikpjk  ∑  k p2ik  ∑  k p2jk   （9）

其中，pik与pjk表示两城市在k领域的专利数。

最后从网络关系变量考虑，制度邻近性在主体之间发挥着“黏合固定”作用，与其他邻近性发挥作用的层次不同，是主体间建立合作关系的最基础因素，可以减少创新网络中主体进行合作的不确定性和冲突，因此选取制度邻近性作为网络关系变量衡量其对集成电路产业链合作创新关系建立的影响，建立0-1矩阵，同为省会（直辖市）或者同为地级市的城市记为1，否则记为0。组织邻近性被定义为两个组织之间的战略相互依赖程度，它减少了对未来伙伴行为不确定性的担忧。长三角地区各城市虽然都处于一体化发展的政策之下，但各城市隶属省份不同，其创新政策也会有差异，因此本研究将组织邻近性纳入解释变量。建立组织邻近性的0-1矩阵，隶属于同一省份的记为1，否则记为0。

3 实证研究

3.1 网络演化特征分析

本研究将联合申请专利数据转化为41×41的邻接矩阵，在此基础上使用UCINET6程序计算得到统计值，对长三角城市群集成电路产业链协同创新网络进行网络整体特征分析，具体结果如表2所示。

从表2中可以看出， 网络的节点数、边数、网络密度、平均距离与集聚系数均有不同程度的增长。节点数量反映网络规模，直接决定了嵌入网络的主体能获得的最大关系数。从网络节点来看，节点规模有明显的扩大，节点数从11上升为35，说明参与集成电路产业链不同环节进行合作研发的城市主体有明显增加。从网络边数来看，2011—2020年合作频次增长了约10倍，网络规模进一步扩大，但粗连边始终为极少数，细连边较多，说明网络中仅少数主体开展了广泛又频繁的合作。网络的密度表示网络成员之间联系的紧密程度，网络密度越大说明网络成员之间的合作越紧密。从表2中网络密度统计值来看，网络密度从0.15增加到1.24，虽然有明显的增加，但网络密度值偏低，说明长三角城市群之间在集成电路产业链上各环节合作研发程度较低，协同创新水平较低，没有实现紧密且稳定的合作。平均距离与集聚系数可以探究网络的“小世界性”，平均距离表示城市之间建立联系的路径长度，集聚系数用来衡量网络节点之间关系的重叠性，其取值通常在0～1。2011年平均距离为1.6，2016年平均距离为2.59，说明城市之间最多通过3个城市就可以建立联系，2020年平均距离为2.079，平均距离下降，说明城市之间的联系更加紧密，平均距离总体上先增大后变小，说明网络信息传递效率有可能进一步提高。2011年的集聚系数达到0.517，2020年达到0.662，较小的平均距离与较高的集聚系数说明长三角城市群集成电路产业协同创新网络具有一定的“小世界”特征，其协同创新网络演化趋势如图1所示。

由图1可知，上海是2011年的核心网络节点，2016年上海仍是最大网络节点，同时新增了南京、合肥两大次核心节点，到2020年除原有节点之外，苏州、杭州也成为次核心节点，研发主体从单一的上海变为了多核心的网络结构，网络联结更加密切。

3.2 网络驱动机制分析

根据确定的测度变量，本研究通过逐步添加变量的方式进行ERGM拟合来挖掘长三角41城市集成电路产业链研发合作网络的演化机制与驱动因素，拟合结果如表3所示，表3中每一年都包括了3个模型， 其中模型1是包括网络边与网络构型的内生结构变量，模型2在模型1的基础上添加了网络节点属性变量，模型3在模型2的基础上增加了网络关系属性变量。由表3中数据可知3年中模型3的AIC值和BIC值最小，拟合度均优于模型1与模型2，说明模型3对网络的观测最为准确，因此在分析时选用模型3的指标进行分析，拟合结果如表3所示。

3.2.1 网络内生结构对网络的影响

网络边edges类似于常数项，因此不做解释。由内生结构拟合结果可以看出，前期2011年由于合作研发数量较少，网络连边极为稀疏，因此结构驱动因素对网络的影响不能体现。2016年Gwdsp网络构型对网络关系的形成呈现显著的正向影响，说明城市协同创新网络倾向于形成中介2-路径，网络具有明显的中介效应，网络中存在中介城市对创新资源进行传递。随着城市合作研发的深入发展，2020年这种构型对网络关系的形成呈显著的负向影响，反而不利于网络关系的形成。这主要是由于2016年主体在集成电路产业链各技术领域的研发实力较弱，大多数主体倾向于先和研发实力较强的中心城市进行协同创新，并依赖中心城市作为中介城市与其他城市进行研发合作创新，网络大多连边都是边缘城市与核心城市进行协同创新，再通过核心城市与其他城市进行间接合作，因此中介效应在网络中期有利于促进网络关系的形成与扩大，而随着集成电路产业链的发展，许多城市的合作主体朝着多样性发展，凭借中介城市进行合作研发的技术交流会导致沟通不畅，反而不利于网络的演化发展。假设1未得到验证。

3.2.2 网络节点属性对网络的影响

GDP对于网络的影响自始至终都不显著，这是由于虽然一个城市的经济发展水平会吸引更多的城市与之合作，但主体之间也存在竞争关系，且集成电路产业属于知识密集型的关键核心技术，经济发展水平差距较大的城市间合作容易导致“搭便车”现象产生，且经济实力强的城市容易形成技术锁定效应，阻碍协同创新网络演化，抵消GDP对网络演化的正向效应。假设2未得到验证。中心性与结构洞属性除网络雏形期2011年外均对网络的形成与演化具有显著作用。中心性强的主体具有更多的网络合作关系与创新资源，因此更多城市愿意和中心性强的主体进行合作联结，而位于结构洞的网络主体又可以提升网络联结的效率，从而促进网络的形成。假设3与假设4得到验证。

技術宽度2011年不显著，随着网络的发展，2016年与2020年均呈现出正显著性，集成电路产业链相关领域技术创新价值高，城市涉及集成电路产业链的三个技术领域越全面、覆盖面越广，越有助于建立网络的合作研发关系，说明技术宽度距离对协同创新网络关系的建立具有正向影响，假设5得到验证。

技术深度2011年通过显著性检验，2016年与2020年均未呈现正显著性，说明随着城市群合作研发的深入，技术深度在网络关系形成中的作用微乎其微。这是由于在集成电路产业发展的初期，各城市目标是扩大规模以求快速发展，因此技术深度在初期对网络的形成具有一定的影响，但随着产业的发展，城市的目标转为集成电路产业链关键核心技术突破问题，不再仅仅局限于产业链中低端技术领域专利的申请量，且过度单一追求技术深度易导致各技术领域形成垄断，不利于协同创新网络的形成演化，假设6得到验证。

技术多样性从不显著到负显著性再变为正显著性。集成电路产业具有知识密集性与高垄断性，在产业链发展初期，技术多样性导致技术过于分散，不利于城市之间交流合作，当集成电路产业链协同创新网络发展到一定程度时，城市之间更倾向于和集成电路产业链各技术环节较为丰富全面的城市进行合作，这样更有利于产业链上中下游的整合发展，有助于城市内部形成完整的产业链结构，假设7得到验证。

技术重叠性由不显著到负显著再变为正显著，说明随着研发合作的深入发展，城市需要攻克更多技术难关，因此需要和自身具有更多相似知识技术领域的城市进行合作以保证自身的知识吸收量，这些城市往往具备相似的研发技术条件，更有利于进一步深入达成合作。假设8得到验证。

3.2.3 网络关系属性对网络的影响

制度邻近性对网络的影响在2011年不显著，2016年与2020年为负显著。这可能是因为随着长三角一体化的深入发展，长三角地区相继出台了集成电路产业链相关的政策，制度差异被弱化，且过多的制度上的邻近会造成组织结构上的过度依赖和城市间知识的过度溢出，不利于城市之间进一步协同创新。在集成电路发展早期，技术交易出于地方性专利保护的影响，城市之间更有可能基于相同的制度体系建立技术交易關系。但随着时间推进，交易主体逐步多样化，制度邻近性作用下降。这说明随着城市协同创新的深入发展，制度邻近性对网络并没有显著的正向促进作用，假设9未得到验证。

组织邻近性在2011年不显著，2016年与2020年均呈现正显著性，说明城市群首先倾向于省份内部的合作研发，这与城市间相似的文化环境有关，更有利于知识技术交流，减少城市间由于不确定性导致的合作冲突，且交流成本也会相对较低，假设10得到验证。

4 结论与启示

集成电路产业是当前国际科技与产业竞争的重要战场，“缺芯”事件已严重威胁到我国产业链安全，协同创新网络的建立有利于实现创新成果的转化，达到产业链的自主可控，因此探究协同创新网络的影响机制具有重要意义。本研究基于2011年、2016年、2020年三个时期长三角城市群的合作研发专利构建了时间序列的协同创新网络，运用社会网络分析方法探究协同创新网络演化特征，并运用ERGM模型揭示了网络演化机制，得到了如下结论与启示：

（1）网络演化特征：长三角地区集成电路产业链协同创新网络由“单核心”向“多核心”网络结构转变，发育出以上海为强核心，南京、苏州、杭州、合肥为次核心的网络结构特征。网络“小世界性”显著，层级性清晰。上海始终是占据网络中心地位及大多数结构洞的网络主体。长三角地区大部分城市参与了合作，但较多城市处于网络边缘，上海作为“龙头”城市具有辐射带动合作研发的作用。因此，应加强产业分工协作，积极引导集成电路产业链跨区域优化布局，依托核心节点城市建立集成电路产业链“创新走廊”，构建集成电路产业链从核心节点到创新走廊再到创新区域的“点—线—面”合作研发路径，打造集成电路产业链创新集群。

（2）网络结构驱动机制：开放型三角结构对长三角地区集成电路产业链协同创新网络的形成与演化呈倒“U”型曲线关系，前期倾向于形成开放型三角结构，后期开放型三角结构不利于网络的进一步形成和演化。网络中介性在早期有助于中心城市带动边缘城市发展，后期会由于中介效应限制网络发展，降低合作研发效率。鉴于此，应考虑发挥上海辐射效应与创新策源能力，一方面接收其他中心城市的技术知识输入和融合转化，另一方面辐射一般城市进行技术知识的输出和扩散带动。在进一步提高城市间合作强度的基础上发挥南京、杭州、苏州、合肥次核心节点作用，通过极化与辐射效应最大限度地带动更多的研发合作；充分发挥各城市的比较优势，增强产业间分工协作进而便于城市间开展创新合作。

（3）网络属性驱动机制：研发主体的中心性、结构洞、技术宽度、技术多样性、技术重叠性对长三角地区集成电路产业链协同创新网络的形成与演化具有促进作用，其中技术多样性与重叠性对网络的影响呈“U”型曲线，而GDP、技术深度则对网络的形成与演化无显著作用。相比于一个城市的经济实力，城市的中心性地位以及在网络中占据结构洞优势的城市对网络的形成与演化更具促进作用；相比于简单的知识技术存量，一个城市在集成电路产业链各领域技术分布的宽度、多样性与重叠性更利于吸引合作者促进网络演化。鉴于此，应充分考虑技术距离对城市之间研发合作的影响，即城市主体应考虑拓宽技术领域与技术多样性，增大为自身带来新要素组合的可能，同时优先考虑与技术重叠性较高的城市进行合作，更好地进行知识互溢，提升技术协同性，注重技术体系的匹配性而非一味追求技术深度。同时，优先考虑不同较大中心性与占据结构洞的城市节点在产业链不同技术领域的优势特征，扩大网络联结。

（4）网络关系驱动机制：制度邻近性对长三角地区集成电路产业链协同创新网络的形成与演化无显著促进作用；组织邻近性对长三角地区集成电路产业链协同创新网络的形成与演化具有显著的促进作用。鉴于此，长三角城市群应加强一体化协同发展，合理配置创新资源，打造区域创新一体化格局，并充分发挥各地区在集成电路产业链各技术领域的优势。同时由于核心节点大部分为省会、直辖市城市，应充分依托省内中心城市创新动力源，发挥组织邻近性带动省内边缘城市参与合作研发。

参考文献：

［1］  李优树， 冉丹. 石油产业链贸易网络及其影响因素研究：以“一带一路”沿线国家为例 ［J］. 经济问题， 2021（9）： 111-118.

［2］ 李冰， 张纪海. 军民科技创新合作网络结构与演化：基于专利合作与社会网络实证分析［J］. 科技进步与对策， 2021， 38（21）： 142-151.

［3］ 徐宜青， 曾刚， 王秋玉. 长三角城市群协同创新网络格局发展演变及优化策略［J］.经济地理， 2018， 38（11）： 133-140.

［4］ 陈文婕， 曾德明. 低碳技术合作创新网络中的多维邻近性演化［J］. 科研管理， 2019，40（3）： 30-40.

［5］ 阮平南， 王文丽， 刘晓燕. 基于多维邻近性的技术创新网络演化动力研究：以OLED产业为例［J］. 研究与发展管理， 2018， 30（6）： 59-66.

［6］ 王庆喜， 胡志学. 多维邻近下浙江城市创新网络演化及其机制研究［J］. 地理科学， 2021， 41（8）：1380-1388.

［7］ 郭建杰， 谢富纪. 基于ERGM的协同创新网络形成影响因素实证研究［J］. 管理学报， 2021， 18（1）： 91-98.

［8］ MA Y， YANG X， QU S， et al. Characteristics and driving factors of the technology cooperation network evolution： a case study of solid waste treatment field in China［J］. Technology Analysis and Strategic Management， 2021（4）： 1-15.

［9］ HE X J， DONG Y B， WU Y Y， et al. Factors affecting evolution of the interprovincial technology patent trade networks in China based on exponential random graph models［J］. Physica A： Statistical Mechanics and its Applications， 2018， 514： 443-457.

［10］ 李宏寬， 何海燕， 单捷飞，等. 剔除非管理性因素影响的我国集成电路产业技术创新效率研究：基于广义三阶段DEA和Tobit模型［J］. 管理工程学报， 2020， 34（2）： 60-70.

［11］ 周观平， 易宇. 新发展格局下提升中国集成电路产业链安全可控水平研究［J］. 宏观经济研究， 2021（11）： 58-69.

［12］ 马永红， 杨晓萌， 孔令凯. 关键共性技术合作网络演化机制研究：以医药产业为例［J］. 科技进步与对策， 2021， 38（8）： 60-69.

［13］ 张宇翔， 赵国堂， 周国华，等. 国际复杂工程项目合作网络演化研究［J］. 软科学， 2021， 35（7）： 136-144.

［14］ JAFFE A. Technological opportunity and spillovers of R&D： evidence from firms patents， profits and market value［J］. NBER Working Papers， 1986， 76（5）： 984-1001.

［15］ 段庆锋， 冯珍. 多维视角下技术距离对企业研发合作关系影响的实证研究［J］. 科技进步与对策，2020， 37（14）： 110-117.

［16］ BOSCHMA R A . Proximity and innovation： a critical assessment［J］. Regional Studies， 2005， 39（1）：61-74.

［17］ 前瞻产业研究院. 2021年中国集成电路行业市场规模及区域格局分析长三角地区成为我国集成电路生产主要区域［EB/OL］. （2021-06-11）. https：//www.qianzhan.com/analyst/detail/220/210611-fde22d01.html，2021-06-11.

［18］ TER WAL A L J. Cluster emergence and network evolution： a longitudinal analysis of the inventor network in Sophia-Antipolis［J］. Regional Studies， 2013， 47（5）： 651-668.

［19］ 王文霄. 从集成电路领域中国专利状况看“中国芯”的发展前景［J］. 中国发明与专利， 2015（7）： 29-34.

［20］ 刘晓燕， 李金鹏， 单晓红，等. 多维邻近性对集成电路产业专利技术交易的影响［J］. 科学学研究， 2020， 38（5）： 834-842，960.

［21］ FAUST K. A puzzle concerning triads in social networks： graph constraints and the triad census［J］. Social Networks， 2010， 32（3）： 221-233.

［22］ GOODREAU S M. Advances in exponential random graph （p*） models applied to a large social network［J］. Social Networks， 2007， 29（2）： 231-248.

［23］ BURT R S. Structural holes and good ideas［J］. American Journal of Sociology， 2004， 110（2）：349-399.

［24］ 刘璇， 汪林威， 李嘉， 等. 科研合作网络形成机理：基于随机指数图模型的分析［J］. 系统管理学报， 2019， 28（3）： 520-527.

［25］ 王璐璐， 张卓， 刘一新. 江苏省产学研合作创新网络结构特征及其优化策略［J］. 科技管理研究， 2018， 38（8）： 94-99.

［26］ BALLAND P A， BELSO-MARTINEZ J A， MORRISON A. The dynamics of technical and business knowledge networks in industrial clusters： embeddedness， status， or proximity？［J］. Economic Geography， 2016， 92（1）： 35-60.

［27］ BALLAND P A. Proximity and the evolution of collaboration networks： evidence from R&D projects within the GNSS industry［J］. Papers in Evolutionary Economic Geography， 2009， 46（6）： 741-756.

［28］ 吴菲菲， 韩朝曦， 黄鲁成. 集成电路产业研发合作网络特征分析：基于产业链视角［J］. 科技进步与对策， 2020， 37（8）： 77-85.

［29］ WOLFE A W. Social network analysis： Methods and applications［J］. Contemporary Sociology， 1995， 91（435）： 219-220.

［30］ CAPONE F， LAZZERETTI L. R&D networks in high technology applied to cultural goods： a social network analysis［J］. Sinergie Italian Journal of Management，2015，34（5）： 105-122.