开放科学(资源服务)标识码(OSID)：
随着高端技术需求在全球范围内日益增加，技术保护逐渐得到国际社会的广泛重视，拥有高端技术的发达国家将筑起更高的核心技术壁垒，我国从“中国制造”向“中国创造”转型迫在眉睫。自2018年以来，美国对中兴、华为等新兴技术企业的打压与技术封锁从侧面反映出加快发展我国关键共性技术的现实紧迫性。因此，2018年中央经济工作会议指出，要提升我国制造业创新水平，构建开放、高效、协同的共性技术研发平台。关键共性技术研发过程具有投入高、周期长、外部性强的特点，导致供给失灵，而合作研发方式能够降低研发成本并有效分担研发风险，成为解决我国关键共性技术研发难题的重要途径[1]。研发主体之间以知识交流、互补资源获取等为目的建立合作关系，在合作过程中逐渐形成以技术研发为核心的技术合作网络。技术合作网络在促进主体间知识交流的同时，逐步成为关键共性技术研发的重要载体。因此，揭示技术合作网络演化机制对提升技术合作效率、缓解关键共性技术供给失灵现象具有重要意义。
关键共性技术具有研发基础性、应用广泛性以及准公共品属性[2]，研发主体难以单独完成关键共性技术研发工作，而合作研发能够分摊工作任务并整合优势资源。但由合作研发产生的“搭便车”现象会促使部分企业采取投机策略，从而影响合作研发有效性。国内外学者对关键共性技术合作研发的研究主要集中于以下两个方面：第一，政府参与方面。于斌斌等[3]基于共性技术特征提出，关键共性技术应形成以政府研发为主导，以企业间或产学研合作研发为辅助的研发体系；程永波[4]构建政府补贴下的共性技术成本分摊模型，从而确定政府在技术合作研发中的最优补贴比例；郑月龙[5]以企业投入最大化为目标设计共性技术政府最优研发支持合同；樊霞等[6]通过文本挖掘分析共性技术政策走向，发现政策支持重心下移，政府更偏重于支持应用型共性技术。第二，行动策略方面。企业如何制定行动策略以保证自身利益最大化是关键共性技术合作研发中的重要问题，Hamid 等[7]构建关键共性技术研发阶段博弈模型，发现企业会采取合作研发策略进行资源整合；Majidpour[8]以知识扩散为背景，研究关键共性技术合作研发过程中企业最优投入问题；郑月龙等[9]考察共性技术合作研发中企业行为的影响因素以及演化动态。
关键共性技术的外部性与复杂性能够促进研发主体之间的交流与合作，这种合作关系随着研发主体数量增加与关系复杂性提升逐渐形成网络化。学者们从多维邻近性角度分析技术合作网络形成与演化驱动因素，大多数研究成果表明，地理邻近性[10]、社会邻近性[11]及技术邻近性(王巍等，2017)对技术合作网络形成与发展具有正向促进作用。在交互作用方面，向希尧等[12]研究发现，技术邻近性在地理和社会邻近性对跨国技术合作网络节点连接距离与连接重要性的影响关系中起调节作用，地理邻近性能够通过社会邻近性的中介作用影响跨国技术合作[11]。也有学者从合作主体的组织类型等方面分析技术合作网络发展，Schummer等[13]研究发现，在技术合作网络中，高校不仅占据合作主导地位，而且能够调节其它类型研发主体之间的合作关系。此外，网络主体自身能力[14]、结构洞[15]、网络位置[16]也被认为是影响技术合作网络形成与演化的重要因素。
综上所述，学术界更关注关键共性技术合作研发过程中的政府角色与企业行为，对技术合作网络影响因素的研究大多局限于单方面节点属性因素，导致相关研究存在一定的局限。具有特殊性质的关键共性技术合作网络会受哪些因素的驱动作用？随着网络演化，这些因素的影响效果会产生什么变化？针对上述问题，本文以社会网络分析(SNA)方法与指数随机图模型(ERGM)为基础，将影响关键共性技术合作网络演化的因素归纳为属性驱动、同质驱动以及结构驱动3个方面，基于医药产业合作专利数据构建技术合作网络并进行实证分析，探究关键共性技术合作网络演化特征与演化驱动机制，以促进研发主体建立合作关系，提升关键共性技术研发水平。
社会网络理论认为，网络是指由个体间社会关系构成的相对稳定的系统。因此，该理论包含关系与结构两大要素。在社会网络理论的基础上，社会网络分析(SNA)方法通过分析关系数据描述网络社会化过程，经过长时间完善和发展成为一种研究范式并得到推广与应用，为网络发展提供了科学的研究基础[17]。指数随机图模型(ERGM)是社会网络分析中的重要模型,以随机统计理论与社会网络理论为基础，以网络关系形成为研究对象，通过构建仿真模型与真实观测网络进行对比，获得统计推断结果，实现对网络的逼真预测。
ERGM以社会网络理论为基础，具有社会网络理论的一般假定：网络是局部涌现的；网络关系受网络结构、节点属性与外生因素共同作用；网络内正在进行的结构过程是可以同时发生的；社会网络既是结构化的，也是随机的。基于上述假定，ERGM认为，网络是通过网络结构因素与节点属性因素以及节点间关系等因素共同作用形成的[18]。结合上述因素构建的复杂网络模型能够解释并预测网络关系形成。其中，网络结构主要解释某些网络中特定关系模式出现是否促进网络总体关系形成，节点属性解释网络行动者自身禀赋是如何影响网络形成的，而节点间关系因素则解释节点间同质性、信任度等方面对网络形成的影响。ERGM的优势在于能够突破传统定量研究依赖于观察对象独立性的假定，通过类似逻辑回归的统计形式，将网络结构与节点属性因素纳入同一研究框架，分析复杂因素共同作用对网络形成的贡献。基于理论分析，本文将关键共性技术合作网络演化的驱动因素划分为属性驱动、同质驱动、结构驱动3类。
(1)属性驱动。节点属性代表自身禀赋，是网络中节点存在的特征，包括节点的要素、潜能、气质等。本文将属性定义为在技术合作网络中研发主体本身所具备的可能影响网络关系建立的个体特征。本文主要考虑研发主体的研发能力、度中心性以及结构洞属性对于关键共性技术合作网络演化的影响。
在社会网络演化过程中，会出现少数具有意见领袖地位的“明星”节点，它们能够对网络中其它节点起到引领作用，吸引更多节点与之连接，形成“强者愈强”的马太效应，这种效应是社会网络中的关键机制。复杂网络理论认为，“明星”节点具有优先连接机制，相比于其它节点具有更高的连接概率。技术竞争理论也认为，技术研发能力强的主体具有合作优势，更容易吸引其他主体与之建立合作关系[19]。关键共性技术属于通用型技术，其研发过程需要广泛的知识积累与重组，研发能力强的研发主体普遍具有更强的知识吸收能力，能够将所需知识快速吸收与转化，提升研发效率。因此，在关键共性技术合作网络中，研发能力强的主体能够吸引更多合作者，从而形成以强节点为核心的技术合作网络。基于上述分析，本文提出如下假设：
H1：研发主体的研发能力对关键共性技术合作网络演化具有正向促进作用。
研发主体的合作潜力是指该主体与其他主体之间的适配程度[20]，合作潜力主要取决于研发主体与其他主体之间已经存在的合作关系。在技术合作网络中，研发主体的度中心性代表该主体在技术合作网络中与其他主体的连接程度。因此，度中心性能够在一定程度上反映研发主体在技术合作网络中的合作潜力。研发主体的度中心性越大，说明该主体与其他主体建立过合作关系，越能够控制网络中的资源与信息。这类主体进一步建立合作关系的空间更大，合作潜力也更大。具有较高合作潜力的研发主体在技术合作网络中居于中心地位。相反，研发主体在网络中的度中心性越低意味着其合作潜力越小。基于上述分析，本文提出如下假设：
H2：研发主体的度中心性对关键共性技术合作网络演化具有正向促进作用。
在网络中存在某些节点与其它节点相连，而其它节点彼此不直接相连的现象，导致网络结构出现“洞穴”，而这些在中间作为“桥梁”的节点所占据的位置形成了网络结构洞。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[21]。在关键共性技术合作网络中，技术研发所需的知识类型不同，不同研发主体的优势领域不同，位于结构洞位置的研发主体能够获得更多知识和技术交流机会，掌握异质性技术信息，从而在网络中具有信息优势、控制优势以及先动优势。在技术具有高度复杂性的情况下，获得多样性知识对于研发主体尤为重要。因此，研发主体的结构洞属性会为其吸引更多合作者。另外，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。基于上述分析，本文提出如下假设：
H3：研发主体结构洞属性对关键共性技术合作网络演化具有正向促进作用。
(2)同质驱动。研发主体同质性是指研发主体之间具有相同或相似的特征，是网络关系研究的重要维度。主体关系同质性对于主体间知识共享、信任度以及交往活动起重要作用。现有研究发现，网络中的信息传递大多发生在网络中具有同质性或相似性的主体之间[22]，基于同质性建立的合作关系能够避免过大差异带来的利益冲突与交易成本。本文从研发主体间的地理同质性与组织同质性[23]两个方面，研究研发主体之间的同质性特征如何驱动关键共性技术合作网络演化。
在技术合作网络中，地理同质性是指技术合作网络中的研发主体处于相同地区。学术界普遍认为，地理同质性代表资源空间集聚，是网络主体寻求知识外部性的基础[24]，这种知识外部性能够在一定程度上提升技术研发效率。伴随信息技术发展与交通设施完善，部分学者认为，随着产业发展与技术进步，地理邻近在网络中的促进作用逐渐下降(刘晓燕等，2020)。但关键共性技术的共性特征使其具有较大的外部性，其产生的技术溢出效应也会随着地理邻近程度提高而不断增强。同时，与相同地区的研发主体合作能够提升技术吸收的时效性。另外，关键共性技术具有较高的复杂性，导致合作研发过程中需要交流大量复杂的信息，较大的地理距离和不同地区政策差异会提升信息不对称程度，降低合作效率。因此，是否处于同一地区是研发主体选择合作伙伴的重要因素。基于上述分析，本文提出如下假设：
H4：研发主体间的地理同质性对关键共性技术合作网络演化具有正向促进作用。
组织同质性是指技术合作网络中的研发主体属于同一类型，在技术合作网络中，拥有相同组织类型的研发主体通常在组织、制度、工作流程等方面存在相似性，这种相似性使得研发主体之间彼此更加了解，能够促进研发主体之间的沟通与交流。另外，同一类型研发主体内的研发人员可能拥有较为相似的研发背景与知识吸收能力，能够更高效地对知识进行交换与吸收，降低研发合作成本[25]。因此，属于同一类型的研发主体之间更容易建立合作关系。基于上述分析，本文提出如下假设：
H5：研发主体间的组织同质性对关键共性技术合作网络演化具有正向促进作用。
(3)结构驱动。在社会网络分析中，社会关系之间呈现非随机特征，其网络结构是系统内部自组织的结果。网络内的连接关系不是孤立存在的，网络关系中隐藏结构因素是宏观网络结构涌现的微观驱动力。在技术合作研发视角下，研发主体之间的合作关系是技术合作网络结构涌现的基础，反映了技术合作研发的内在根本动力。基于此，本文利用ERGM提出的网络结构，选择星型结构、开放三角结构和闭合三角结构探讨结构因素对关键共性技术合作网络演化的驱动作用。
星型结构代表网络中一个节点与其它多个节点相连接，这些节点在网络中处于核心位置[26]，控制着网络中大部分权力与资源，反映了网络聚合效应。聚合效应体现了技术集聚研发特征，这种聚集性能够吸引外部资源，促进复杂技术交流与扩散。在关键共性技术合作网络中，考虑到关键共性技术研发投入普遍较高，研发周期较长，为避免研发风险，研发主体会倾向于与处于核心地位的研发主体进行合作。随着合作关系增加，技术合作网络规模也会以核心研发主体为中心不断扩张，形成“核心-边缘”型网络结构。基于上述分析，本文提出如下假设：
H6：关键共性技术合作网络在演化过程中倾向于形成星型结构。
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[27]，中间节点在其中承担知识传递功能，反映了网络结构的中介效应。在关键共性技术合作网络中，当研发主体k在研发主体i与j之间扮演中介角色时，从知识流动角度看，k与i进行合作研发时会吸收i的部分知识，这部分知识经过转化后，会由k传递给另一个合作主体j，作为中介节点的k就成为i与j之间的潜在沟通途径。关键共性技术研发对主体知识的控制与传递速度具有较高的要求，通过中介节点进行知识与资源传递的合作模式可能导致仅存在间接关系的研发主体之间沟通不畅，阻碍知识广度拓展以及知识领域融合，进而阻碍技术合作网络形成与发展。基于上述分析，本文提出如下假设：
H7：关键共性技术合作网络在演化过程中不倾向于形成开放三角结构。
闭合三角结构是社会网络中最常见的结构，表示网络中两个节点之间存在直接与间接两条冗余路径，当两个节点与同一个节点建立关系时，它们之间也会倾向于建立关系，这反映了网络传递效应。相关学者在对合作网络结构的研究中证实三角结构存在于实际网络中[28]。在关键共性技术合作网络中，合作关系体现了研发主体之间的技术知识共享与传递，同时体现了随着研发主体社会关系不断拓展，研发主体之间进行技术传递与再研发，快速形成网络集聚，并进一步吸引外部资源参与，从而促进技术合作网络规模扩张。路径冗余性能够提升技术传递效率，结构闭合性能够保证节点之间关系的稳健性。因此，闭合三角结构在效率与稳定性方面具有双重优势，在一定程度上有利于技术合作网络形成与演化。基于上述分析，本文提出如下假设：
H8：关键共性技术合作网络在演化过程中倾向于形成闭合三角结构。
3种结构驱动因素的图形表示如图1所示。
图1 结构驱动因素
综上，本文构建概念模型如图2所示。
图2 关键共性技术合作网络演化概念模型
为满足制造业创新发展需求，工信部在《产业关键共性技术发展指南(2017)》中提出174项应优先发展的产业关键共性技术，其中，消费品工业27项，涵盖纺织、轻工、医药3类产业。医药产业与人类生命安全息息相关，当前公共卫生安全事业受到全球广泛重视，医药技术研发占据科学技术领域的重要地位。医药技术领域创新成果日益丰富，同时因为产业特殊性，医药技术产出需要经过实验、临床、对比、验证等一系列过程，这对研发主体的资金实力与研发能力提出了更高的要求，同时也促进了研发主体间的技术合作。基于产业重要性与代表性，本文选择医药产业关键共性技术作为研究样本。
专利是研发过程的产物，能够在一定程度上反映技术创新水平。本文以医药产业关键共性技术合作专利数据为基础构建技术合作网络，数据来源为国家知识产权局专利数据库。专利数据收集与处理过程如下：
(1)依据《指南》中列举的医药产业关键共性技术的具体名称确定检索表达式，将筛选时间设定为2000—2019年，得到医药产业关键共性技术专利数据13 175条。
(2)对专利数据进行清洗与筛选，选出包含两个及两个以上申请人且申请人不属于个人的专利数据，得到医药产业关键共性技术合作专利数据405条。
(3)抽取专利信息，主要包含专利名称、申请日期、申请人、所属地区等，用于技术合作网络构建以及网络统计量计算。
2000—2019年医药产业关键共性技术合作专利数量及其所占比例变化趋势如图3所示。2000—2004年，年均合作专利数量为4.2件，说明在该时期，医药产业关键共性技术专利合作研发能力相对较弱。2005—2014年，合作专利数量呈现波动性变化但总体呈缓慢增长趋势，从2005年的16件增长至2014年的19件。2015年，合作专利数量呈现迅速增长趋势，从2015年的26件增长到2019年的75件。尽管合作专利数量逐年增长，但合作专利占专利总数的比例始终不超过10%，说明医药产业关键共性技术合作发展仍处于初级阶段，具有较大的发展空间。本文以每5年为一个时间段，将医药产业关键共性技术合作网络演化划分为2000—2004年、2005—2009年、2010—2014年、2015-2019年4个阶段。
图3 医药产业关键共性技术合作专利数量及占比变化趋势
ERGM能够综合考虑网络结构与节点属性，从多角度探究网络演化驱动因素，最终解释复杂网络形成机理。ERGM的原理是将网络形成机理问题转化为因果关系度量，在模型中，被解释变量是网络关系连接概率，解释变量是节点属性与网络结构的统计量，模型可以根据统计量变化进行调整与扩展，其一般形式如下：
(1)
其中，Y是随机变量，代表通过ERGM仿真模拟的随机网络的集合；y代表Y的一个具体的实现；k是标准化常数，能够确保概率值P在0～1之间；A为所有网络结构与节点属性统计量的集合；gA(y)代表节点属性或网络结构A的网络统计量，θA为所对应网络统计量的系数。通过θA估计值的显著性、正负方向、取值大小能够判断其对应的节点属性或网络结构统计量对网络关系连接的贡献度。
根据Hunter等[29]的研究成果，式(1)可以被改写为对数几率函数形式：
(2)
其中，
表示除单一变量Yij外的网络其余部分。δgA(y)是当yij从0变化到1而y其余部分不变时网络统计值的变化。
2.3.1 属性变量测度
(1)研发能力。本文在国家知识产权局专利数据库中，检索作为技术合作网络节点的研发主体在医药产业关键共性技术领域专利申请数量，以此衡量研发主体研发能力。
(2)度中心性。基于上文合作专利数据及划分的4个阶段，以申请合作专利的研发主体为节点，以研发主体之间的合作关系为边，构建四阶段医药产业关键共性技术合作网络，将网络数据导入Ucinet软件，研发主体的度中心性通过Ucinet软件测度，计算公式如下：
(3)
其中，CADi代表节点i的度中心性，n代表节点总数，
为节点i与其它节点的直接连接数( i≠j，不包括i与自身的关联)。
(3)结构洞。根据Burt[21]的研究成果，结构洞可通过限制度指数衡量，基于上文网络数据，通过Ucinet软件测度限制度指数，计算公式如下：
Cij=(pij+∑qpiqpqi)2(q≠i,j)
(4)
Cij代表节点i受到节点j的限制度指数，pij代表i的网络时间和精力花费在联系j上所占比例。限制度指数表示对结构洞的约束，即限制度指数越高，结构洞的值越小。因此，采用(2-Cij)测度研发主体的结构洞属性。
2.3.2 同质变量测度
(1)地理同质性。以我国(内地)31个省市自治区为依据，统计合作专利数据中研发主体所在地区，以数字标记地区，若研发主体具有同一地区标识，则代表研发主体之间具有地理同质性。
(2)组织同质性。统计研发主体所属类型并对其类型作出标记，其中，将所属类型为企业的研发主体标记为“1”，将所属类型为大学的研发主体标记为“2”，将所属类型为科研院所的研发主体标记为“3”，若研发主体具有同一组织标识，则代表研发主体之间具有组织同质性。
2.3.3 结构变量测度
在网络结构方面，考虑到规避模型退化风险问题，本文采用ERGM中的高阶统计量几何加权度分布项(Gwdegree)、几何加权二元组共享伙伴(Gwdsp)、几何加权边共享伙伴(Gwesp)[30]考察网络结构中星型结构、开放三角结构与闭合三角结构对技术合作网络演化的驱动作用，变量具体解释如表1所示。
表1 变量描述与解释
变量类型变量名称变量效应变量图例含义解释属性驱动研发能力马太效应研发能力强的研发主体是否能够吸引更多合作度中心性中心性效应度中心性高的研发主体是否能够吸引更多合作结构洞结构洞效应占据结构洞位置的研发主体是否能够吸引更多合作同质驱动地理同质同质效应相同地理属性的研发主体之间是否更容易进行合作组织同质相同组织属性的研发主体之间是否更容易进行合作结构驱动几何加权度分布项聚合效应研发主体之间的合作关系是否倾向于形成星型结构几何加权二元组共享伙伴中介效应研发主体之间的合作关系是否倾向于形成开放三角结构几何加权边共享伙伴传递效应研发主体之间的合作关系是否倾向于形成闭合三角结构
本文利用 Gephi 软件对所构建的四阶段医药产业关键共性技术合作网络演化过程进行可视化处理，不同演化阶段的网络图谱如图4所示。其中，网络节点大小代表研发主体之间合作的广泛程度，网络连边粗细则代表研发主体之间的合作频率。
从图4可知，2000—2004年，参与技术合作的研发主体较少，南京大学是这一阶段技术合作网络中的重要节点。2005-2009年，技术合作网络规模逐步扩大，研发主体之间开始建立较为复杂的合作关系，天津药物研究院、先声药业有限公司成为这一阶段的重要节点。2010—2014年，网络规模和网络形态较上一演化阶段未发生明显变化，扬子江药业集团、重庆圣华曦药业集团以及中国药科大学在这一阶段的网络演化中起重要作用。2015—2019年，技术合作网络规模进一步扩大，网络中大节点与较大节点增多，成都中医药大学、广州呼吸疾病研究所及广州医科大学附属第一医院成为这一阶段的重要节点。此外，南京优科制药有限公司及贵州柏强制药有限公司也在网络中占据一定的地位。总体而言，企业在医药产业关键共性技术合作网络中占据主要地位。在技术合作网络演化过程中，仅存在少数大节点但存在众多小节点，说明技术合作网络中仅有少数研发主体展开了较为广泛的研发合作。技术合作网络中，仅存在极少数粗连边但存在大量细连边，说明技术合作网络中仅有少数研发主体之间进行了较为频繁的合作。另外，网络演化过程中节点与连边呈现缓慢增长趋势，说明技术合作网络发展状态稳定但后劲不足。
图4 医药产业关键共性技术合作网络图谱
为进一步探究医药产业关键共性技术合作网络结构演化特征，本文采用社会网络分析方法，利用Ucinet软件对技术合作网络的网络规模、网络边数、网络密度、平均距离、凝聚力指数、平均度数6个指标进行测度，结果如表2所示。
由表2可知，网络规模由2000—2004年的39上升至2015—2019年的175，网络边数由2000—2004年的20上升到2015—2019年的121，说明在网络演化过程中，越来越多的研发主体参与技术合作，从而产生了更多合作关系。网络演化过程中，网络密度偏低且呈降低趋势，说明技术合作网络联结不紧密且呈逐渐稀疏化；平均距离先升高后减小，说明网络中信息传递效率先降低后升高，有进一步提升趋势；基于距离的凝聚力指数呈现逐渐降低趋势，原因可能是在网络演化初期，网络中研发主体数量较少且处于研发初级阶段，出于学习、交流等目的，这一阶段主体间互动较为频繁。随着时间推移，网络规模逐渐增大，研发主体之间的凝聚力随之降低。在技术合作网络演化过程中，研发主体平均度数逐渐升高且处于1～2之间，说明每个研发主体与1或2个其他研发主体建立了合作关系，合作程度不够广泛但有望提升。
表2 医药产业关键共性技术合作网络特征指标
网络指标2000—2004年2005—2009年2010—2014年2015—2019年网络规模39110150175网络边数207198121网络密度0.028 30.014 80.011 70.011 6平均距离1.0481.1711.2601.160凝聚力指数0.0280.0130.0100.009平均度数1.0261.2911.3071.383
本文采用R语言中的Statnet程序包对模型进行参数估计，网络结构高阶统计量统计过程采用马尔科夫链蒙特卡洛(MCMC)参数估计算法，采用t统计量对模型参数显著性进行检验。同时，只有标准差不大于参数的50%才能被认定为统计量检验结果显著。医药产业关键共性技术合作网络演化机制的ERGM估计结果如表3所示。网络边数(Edge)可被看作常量，一般不多作解释。另外，每一阶段的AIC(赤池信息准则)与BIC(贝叶斯信息准则)值在表3中列出，AIC与BIC的值越小，模型拟合效果越好[31]。
表3 ERGM估计结果
变量2000—2004年参数估计标准差2005—2009年参数估计标准差2010—2014年参数估计标准差2015—2019年参数估计标准差Edge-6.136*2.548-7.719***1.110-7.231***0.923-6.827***0.849属性驱动研发能力-0.2360.269-0.0030.0050.0130.0120.0050.003度中心性0.4750.5710.469***0.1180.766***0.1840.463***0.116结构洞——0.2340.529-0.1710.494-0.2500.441同质驱动地理同质2.710***0.4872.023***0.2183.209***0.2212.997***0.230组织同质-0.6780.5510.0730.2310.469*0.2330.588***0.159结构驱动Gwdegree——8.336***1.2169.466***1.1914.404***0.640Gwdsp——-2.883***0.393-2.526***0.279-1.530***0.219Gwesp——0.996***0.1863.163***0.3940.614***0.080AIC164.8654.5887.71 023BIC192.4701.4931.61 077
注：括号内为参数估计的标准差；*表示p<0.05，**表示p<0.01，***表示p<0.001
在属性驱动方面，研发能力在4个阶段网络演化过程中对技术合作网络形成的影响不显著，H1未得到验证。原因可能在于虽然研发能力较强的主体会吸引更多合作者，但在关键共性技术合作网络中具有合作关系的研发主体之间也可能存在竞争关系，具有更强吸收能力和更大进步空间的研发主体会在合作中获取更多利益。研发能力较强的主体无需依赖竞争对手的新技术，并由于担心自身核心技术泄露，其技术合作研发意愿不强。此外，由于缺乏核心竞争力，研发能力较弱的中小型主体很难成为强大研发主体的潜在合作伙伴[32]，最终导致核心技术控制在少数研发能力较强的主体手中。因此，拥有强大研发能力的主体容易在技术合作网络中形成技术锁定效应，阻碍技术合作与扩散，从而抵消研发能力对网络形成的正向效应。
度中心性在除第一阶段外的第二、三、四阶段对技术合作网络形成具有显著正向促进作用，度中心性强的研发主体具有更多的合作关系，所获得的丰富信息资源可以提升研发效率，从而促进技术合作网络形成，H2得到验证。
研发主体的结构洞属性在网络演化第一阶段未显示影响，在第二、三、四阶段对技术合作网络形成的影响不显著， H3未得到验证。首先，通过结构洞所建立的联系属于弱连接，这种弱连接在一定程度上会对较为复杂的知识与技术传播造成阻碍。同时，位于结构洞位置的研发主体可能由于吸收能力有限等原因难以消化多样化信息，从而抵消了结构洞所带来的信息优势；其次，在缺乏治理机制的情况下，研发主体的结构洞属性可能会引发机会主义行为，降低主体之间的信任度，在信任程度较低的网络中，为降低风险研发主体会尽量避免合作，在一定程度上抑制了合作研发，从而阻碍合作网络进一步演化发展；最后，结构洞属性在第二阶段的系数为正但在第三、四阶段系数为负，说明大多数信息价值会随着时间流逝而下降，结构洞为网络带来的利益是相对短暂的[33]。
在同质驱动方面，研发主体之间的地理同质性在技术合作网络演化4个阶段中均呈现显著正向影响，说明地理同质性是在技术合作网络形成与演化过程中较为稳定的关系生成机制，较短的地理距离可提高研发主体之间信息交换频率和效率，促进研发主体之间的技术合作，同时说明当前技术合作网络尚未出现大范围跨区域合作趋势，H4得到验证。研发主体之间的组织同质性在网络演化第一、二阶段的影响不显著，在网络演化第三、四阶段呈现显著正向影响且影响效应越来越强，说明组织同质性在技术合作网络演化过程中的重要性逐渐提升。研发主体更信任与自己具有相似背景的其他主体并与之合作，随着网络演化，组织同质性也可以形成一种有效的交互学习机制，进而实现知识在研发主体之间自由转移，从而促进技术合作网络形成，H5得到验证。
在结构驱动方面，由于网络演化第一阶段参与主体数量较少，结构驱动因素在这一阶段未显现出影响效应。Gwdegree在技术合作网络演化第二、三、四阶段呈现显著正向影响且影响系数较高，说明技术合作网络倾向于形成“核心-边缘”式的星型结构，聚合效应对网络形成和演化起重要促进作用，H6得到验证。Gwdsp在网络演化过程中对技术合作网络形成呈现显著负向影响，意味着技术合作网络不太可能形成双路径或开放三角结构，中介效应的影响为负。换句话说，没有直接合作关系的两个研发主体之间不太可能具有间接联系，通过中介节点进行知识与资源传递的合作模式可能导致仅存在间接关系的研发主体之间沟通不畅，对技术合作网络形成具有负向影响，H7得到验证。Gwesp对技术合作网络形成具有显著正向影响，说明在演化过程中技术合作网络容易形成闭合三角形的网络结构，网络中的传递效应显著，两个具有直接合作关系的研发主体也可能通过间接联系进行合作，H8得到验证。
为证明模型的稳健性，采用最优拟合优度(Gof)检验模型拟合程度[34]，选择边共享伙伴(edge-wise shared partners)这一网络结构指标验证仿真网络与真实网络的匹配性，检验结果如图5所示。其中，横轴代表网络构型(边共享伙伴)，纵轴代表边的对数几率，黑线代表真实网络统计结果，灰线与箱型图代表仿真网络统计结果。从图5可以看出，网络演化4个阶段中，真实网络与仿真网络统计结果无较大偏差，说明模型构建的仿真网络能够较好地拟合真实网络，ERGM的估计结果是稳健的。
图5 模型拟合优度
探究技术合作网络演化机制对促进医药产业关键共性技术研发具有重要意义。本文将技术合作网络演化驱动因素归纳为属性驱动、同质驱动以及结构驱动3个方面，基于2000—2019年我国医药产业关键共性技术合作专利数据，构建四阶段技术合作网络，利用社会网络分析方法研究技术合作网络演化特征，并运用指数随机图模型揭示技术合作网络演化机制，有效弥补了关键共性技术研发实证研究的不足，拓展了技术合作研发理论视角。
(1)在我国医药产业关键共性技术合作网络演化过程中，仅少数研发主体展开了较为广泛且频繁的合作。企业在技术合作网络中占据主要地位，技术合作网络在动态演化过程中扩张速度缓慢并逐渐稀疏，研发主体之间的联系紧密程度较低。总体而言，医药产业关键共性技术合作网络发展状态稳定但后劲不足。
(2)研发主体的研发能力和结构洞属性对医药产业关键共性技术合作网络形成与演化无显著作用，但度中心性对技术合作网络演化的促进作用显著。相比于研发能力强和在网络中占据优势地位的研发主体，在网络中的潜力和影响力较大的研发主体更能吸引合作者。
(3)医药产业关键共性技术合作网络形成与演化具有显著地理同质效应和组织同质效应。其中，研发主体之间的地理同质性在技术合作网络演化4个阶段的促进作用显著，而组织同质性的促进作用在网络演化后期逐渐显现，且影响效果弱于地理同质性。相似的地理与资源背景能够降低沟通成本，使得研发主体之间的交流更加便捷，组织类型相似性能够在一定程度上促进主体间合作关系形成并在技术合作网络演化后期提升合作关系的稳定性。
(4)医药产业关键共性技术合作网络倾向于形成星型结构与闭合三角结构，而不倾向于形成开放三角结构。其中，星型结构对合作网络形成与演化的贡献最高，在较高的研发投入要求下，医药产业关键共性技术“核心-边缘”的结构特点能够对外围主体产生带动作用。同时，研发主体之间的直接沟通优于间接沟通，具有直接合作关系的研发主体也会进行间接合作，但只具有间接合作的研发主体很难主动进行直接合作。
(1)研发能力强的主体所形成的马太效应使技术合作网络形成“强者愈强，弱者愈弱”的发展趋势，这种趋势可能导致技术锁定。为避免上述现象产生，要营造更加包容的研发环境，突出政府在关键共性技术研发过程中的引导作用，优化政策发展路径，细化针对关键共性技术研发的科技扶持政策；加强对技术合作的监管，确保资源合理配置，降低研发过程中的风险与不确定性；突破技术壁垒，吸引中小型研发主体参与，防止少数研发能力较强的研发主体在网络中形成垄断。
(2)具有重大影响力的研发主体对网络发展至关重要。研发主体应通过增加网络关系适当提升自身网络地位，在扩大合作关系的同时，研发主体应巩固现有合作关系，增强网络凝聚力。此外，鉴于合作网络中显著的同质效应，研发主体应优先选择位于同一区域或组织类型相似的主体进行合作，降低沟通成本，确保技术研发知识被有效吸收与利用，促进技术转移与扩散，增强产业整体创新实力。同时，可以通过研发主体内部工作人员之间的短期交流或视频会议等方式缩短主体之间的地理距离，进行更广泛的技术交流与互动。
(3)由于关键共性技术具有的通用性与复杂性，技术合作网络中通过其他主体间接建立合作关系会增加主体间的信息不对称，不利于主体间建立信任机制。为突破技术合作瓶颈，应构建并完善关键共性技术合作交流与共享平台，定期举办交流论坛，建立研发主体之间的直接沟通渠道。这不仅能够提升工作效率，还能够通过避免信息不对称风险提高研发主体之间的合作积极性，促进关键共性技术合作网络平衡和可持续发展。
本文选择医药产业关键共性技术专利数据展开实证研究，而不同产业关键共性技术合作网络可能具有不同的结构与特点，因而所得结论具有一定的局限性。未来研究中，建议扩大样本收集范围，就不同产业关键共性技术合作网络演化进行比较，得出更具有普适性的结论。此外，本文从网络内部视角分析关键共性技术合作网络形成与演化内在机理，实际上还存在大量外部影响因素，后续研究可将外部效应纳入研究框架，进一步分析关键共性技术合作网络演化动因。
[1] MILLIOU C, PAVLOU A.Upstream mergers, downstream competition, and R&D investments[J].Journal of Economics & Management Strategy, 2013,22(4): 787-809.
[2] 周源.制造范式升级期共性使能技术扩散的影响因素分析与实证研究[J].中国软科学, 2018，33(1): 19-32.
[3] 于斌斌, 陆立军.产业集群共性技术供给机理研究——以绍兴纺织产业集群为例[J].科研管理, 2012,33(5): 132-138.
[4] 程永波, 陈洪转, 何利芳, 等.复杂装备主制造商-供应商主从合作激励协调Stackelberg模型[J].中国管理科学, 2016,24(1): 91-96.
[5] 郑月龙, 周立新, 周继祥.考虑产业共性技术市场化的政府研发支持合同[J].科学学研究, 2017,35(10): 1483-1490.
[6] 樊霞, 吴进.基于文本分析的我国共性技术创新政策研究[J].科学学与科学技术管理, 2014,35(8): 69-76.
[7] VALIPOUR H, FARHANGVESALI N, FOSTER S.A generic model for investigation of arching action in reinforced concrete members[J].Construction & Building Materials, 2013(38): 742-750.
[8] MAJIDPOUR M.Technological catch-up in complex product systems 1[J].2016(41): 92-105.
[9] 郑月龙, 王琳.多企业共性技术合作研发行为的演化动态[J].系统工程, 2018,36(2): 71-79.
[10] 刘斌, 唐慧敏, 王玉凤, 等.地理接近性对高校技术创新合作及创新绩效的影响[J].研究与发展管理, 2016,28(1): 121-131.
[11] 向希尧, 裴云龙.地理接近性对跨国专利合作的影响——社会接近性的中介作用研究[J].科学学与科学技术管理, 2016,37(4): 17-24.
[12] 向希尧, 裴云龙.跨国专利合作网络中技术接近性的调节作用研究[J].管理科学, 2015,28(1): 111-121.
[13] SCHUMMER J.Multidisciplinarity, interdisciplinarity, and patterns of research collaboration in nanoscience and nanotechnology[J].Scientometrics, 2004,59(3): 425-465.
[14] 刘凤朝, 张娜, 孙玉涛, 等.基于优先连接的纳米技术合作网络演化研究[J].管理评论, 2016,28(2): 74-83.
[15] 曹兴, 李文.创新网络结构演化对技术生态位影响的实证分析[J].科学学研究, 2017,35(5): 792-800.
[16] 陈祖胜, 叶江峰, 林明, 等.联盟企业的网络位置差异、行业环境与网络位置跃迁[J].管理科学, 2018,31(2): 96-104.
[17] RETHEMEYER R K.Conceptualizing and measuring collaborative networks[J].Public Administration Review, 2005,65(1): 117-121.
[18] MCPHERSON M, COOK L S A J.Birds of a feather: homophily in social networks[J].Annual Review of Sociology, 2001(27): 415-444.
[19] PENG, TAI-QUAN.Assortative mixing, preferential attachment, and triadic closure: a longitudinal study of tie-generative mechanisms in journal citation networks[J].Journal of Informetrics, 2015,9(2): 250-262.
[20] BRENNECKE J, RANK O.The firm's knowledge network and the transfer of advice among corporate inventors——a multilevel network study[J].Research Policy, 2017,46(4): 768-783.
[21] BURT R S.Structural holes and good ideas[J].American Journal of Sociology, 2004,110(2): 349-399.
[22] 张路蓬, 薛澜, 周源, 等.社会资本引导下的新兴产业技术扩散网络形成机理与实证研究[J].中国软科学, 2019，34(3): 34-45.
[23] JASNY L, JOHNSON M, CAMPBELL L K, et al.Working together: the roles of geographic proximity, homophilic organizational characteristics, and neighborhood context in civic stewardship collaboration networks in Philadelphia and New York city[J].Ecology and Society, 2019,24(4): 8.
[24] GELDES C, FELZENSZTEIN C, TURKINA E, et al.How does proximity affect interfirm marketing cooperation? a study of an agribusiness cluster[J].Journal of Business Research, 2015,68(2): 263-272.
[25] BALLAND P, BELSO-MART
NEZ 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.
[26] 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.
[27] GOODREAU S M.Advances in exponential random graph (p*) models applied to a large social network[J].Social Networks, 2007,29(2): 231-248.
[28] CIMENLER O, REEVES K A, SKVORETZ J.An evaluation of collaborative research in a college of engineering[J].Journal of Informetrics, 2015,9(3): 577-590.
[29] HUNTER D R, HANDCOCK M S, BUTTS C T, et al.ERGM: a package to fit, simulate and diagnose exponential-family models for networks[J].Journal of Statistical Software, 2008,24(3): 860.
[30] 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.
[31] VAN DER POL J.Introduction to network modeling using exponential random graph models (ERGM): theory and an application using r-project [J].Computational Economics, 2019,54(3): 845-875.
[32] WU J.Cooperation with competitors and product innovation: moderating effects of technological capability and alliances with universities[J].Industrial Marketing Management, 2014,43(2): 199-209.
[33] SODA G, ZAHEER U A.Network memory: the influence of past and current networks on performance[J].Academy of Management Journal, 2004,47(6): 893-906.
[34] CASTILLO E D, MEYERS A, CHEN P.Exponential random graph modeling of a faculty hiring network:the IEOR case[J].IIE Transactions, 2020,52(1): 43-60.