开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
电子信息行业在国民经济中发挥着基础性、先导性和战略性作用，电子信息材料行业作为电子信息行业的重要组成部分，也逐渐成为高技术竞争的关键领域[1]。十三届全国人大二次会议上，李克强总理在政府工作报告中提出，要进一步把大众创业、万众创新引向深入，坚持创新引领发展，培育壮大新动能。显然，创新已成为发展的主要动力之一，而电子信息材料行业创新水平是衡量国家创新能力的重要标志之一。近年来，在我国政府的大力扶持下，电子信息材料行业获得了快速发展，成为我国支柱性行业，但由于我国电子信息材料行业发展起步较晚，致使行业普遍存在产品附加值较低、技术创新能力较弱等问题，加之在贸易摩擦愈演愈烈的态势下，电子信息材料行业面临着内忧外患的瓶颈局面。根据前瞻产业研究院最新数据，我国电子信息材料行业增长趋势有所减缓，亟待聚力创新，走高质量发展之路。信息材料行业生产研发需要大量精密仪器进行试验并需要大量技术人才，企业依靠自身独立完成较为困难，需要通过与其它企业联合研发突破现有局限。当前及未来的发展趋势表明，我国电子信息材料行业发展将更加注重网络化，也就需要行业企业不断建立互惠关系，在蝴蝶效应的作用下，通过企业间联合研发创新，逐步提升行业整体创新能力，推进行业高质量发展进程。
已有研究发现，在聚力创新政策引导下，由于企业抱团现象使创新网络中出现了特殊的子网络(社群)，本文通过对此类子网络深度剖析以揭示企业之间的合作方式和创新提升的动力来源。在企业创新网络合作中，企业应扩大开放度，即当企业拥有对外部资源信息较强的搜寻识别能力时，企业能够不断吸引互补企业进行研发合作，突破自身创新瓶颈，进而启示企业要时刻关注外部信息动态，积极主动地通过各种途径向外部企业展示自身实力。同时，通过研究创新网络社群结构特征，有助于了解在不同权力分布下社群结构的变化，在一定程度上丰富创新网络权力配置理论。因此，本文拟通过研究电子信息材料行业创新网络社群的识别、结构特征和位置关系，掌握其内在变化规律，为工业互联网环境下我国电子信息材料行业乃至其它行业的发展提供一定理论借鉴。发明专利是反映企业创新能力的重要指标，专利申请书中的联合专利申请人反映了企业机构间在研发上的合作关系[2],因此，本文利用联合申请人构建电子信息材料企业研发合作网络，即联合专利网络。
本文基于电子信息行业合作专利数据构建企业创新网络，通过社群凝聚性和稳定性特征的刻画指标，先从网络局部对电子信息材料产业支柱行业合作网络中的社群结构进行剖析，继而从网络整体探讨该行业网络社群的位置关系，位置关系反映权力配置格局，通过关系量化揭示社群内在形成机理。从抱团现象出发，探究其结构本质，并揭示其形成机理，实现对社群从局部到整体的全面研究。
网络社群是一个较新的概念，早期美国学者Newman[3]将具有子网络内部连接稠密、网络间连接稀疏结构特征的网络称为社群。在风险投资领域关于网络社群的研究已成为焦点，风险投资家会基于伙伴选择偏好而形成集聚现象[4]，学者们在后续研究中将风险投资家优先选择伙伴而呈现的抱团现象，即网络中集聚的小团体，定义为风险投资网络社群[5]。国内学者关于风险投资行业社群的研究热度同样很高，通过对我国风险投资联合行为的观察发现，社群是介于自中心网络与全局网络之间，建立在风险投资机构相互偏好基础之上的亚组织形态[6]。随着我国风投行业研究的深入，学者们对网络社群的理解逐步完善，认为网络社群是整体网络中非重叠但关系紧密的节点空间集聚形成的子群，在社群中，社群成员之间相互连接，而这种连接比外部连接更为密切[7]。社群的发现为网络研究提供了一个新的视角，目前对创新网络社群的研究还比较少，部分学者研究发现，创新网络社群是全局网络中致密非重叠的结构子群，属于中观层面的复杂网络结构[8]。目前学术界关于网络社群规范的概念尚未达成共识，尽管由于研究背景、目的等不同，对网络社群表述不一致，但究其本质来讲，社群是整体网络中的子网络，因异质资源偏好、信任等在空间上呈现抱团现象。
针对网络社群识别，已有学者对我国风险投资行业网络应用派系分析方法进行了研究[9]，然而早有研究证明，在节点成百上千的大网络中，经常会出现大量子群且相互重叠，而派系方法识别出的子群规模均很小，因此派系研究没有太大意义[10]。关于创新网络领域的研究显示，组织间合作网络中存在模块化的社群结构，并且通过大量文献得到证实[11]；同时，前期学者提出的Girvan-Newman(G-N)算法能够对复杂网络中非重叠社群进行可靠精准的识别[12]，国内学者应用G-N算法对风险投资网络社群进行了识别[7]。大量研究表明，对网络社群的识别，G-N算法具有较好的代表性。
在网络社群结构特征方面，社群成员之间非常熟悉，信息、知识等资源分布更为均匀，从而更有利于成员通过“干中学”获得需要的技术，并且由于社群成员较为相似，在学习技术的过程中，出现知识断层的机率很低，成员之间能够很好地理解彼此传达的概念[6]。社群内的紧密联系使成员能够有效利用网络获取合作伙伴的背景信息，这种紧密的联系意味着不合作将付出高昂的代价[11]，因为社群内部的密切关系使成员企业间存在一种“我知道你所知道”的现象，在一定程度上避免了由于信息不对称造成的机会主义行为，为机构减少了成本，提高了机构绩效[6]。随着研究的深入，对网络社群结构特征的理解更加具象，在保持内部联系密切的同时，通过桥接关系和外部联系获取异质性以及有效的资源，避免由于信息趋同导致网络运行效率降低，使得网络社群具有“核心—边缘”结构特征。换言之，强联结充分利用社群内部资源，弱连接从社群间获取新的资源，该结构会使社会资本达到最优[13]。我国学者对风险投资行业的研究发现，网络社群具有的结构特征既保证了熟悉伙伴间的投资机会识别、信息与资源共享、互惠与合作，又能使其适宜地获得群外新的信息和资源，从而更有利于风险项目的事前筛选、事后监督和增值服务[14]。前期学者基于算法框架对社群演化进行了研究，以社群形成为起点预测社群的生命周期，发现社群存续长度与社群稳定性密切相关，规模越小，连接密度越大，并且越稳定的社群，存续时间越长[15]。对创新网络的研究进一步表明，社群在动态演化过程中，数量和规模的大小会不断调整变化，但在一定时间范围内会保持相对稳定的状态[16]。在由联合专利形成的创新网络中，社群成员相互信任，资源信息相互吸引，社群成员总体上处于稳定和持续的合作关系，这种稳定的合作关系使得成员企业相互熟悉，降低了信息不对称等带来的损失。本文基于前人的研究发现，在风投网络中，社群具有凝聚性和稳定性特征[8]，使得风投机构投资绩效得以提升，同样，在创新网络中，社群结构特征会影响创新绩效提升效果，因此，社群的结构特征研究尤为必要。
针对网络社群位置关系的研究，早有学者对其进行了分类：①孤立位置，其成员与外界没有任何联系；②谄媚位置，其成员与其它位置成员的关系比自身成员的关系多，并且很少接收到外来的关系；③经纪人位置，其成员在发送关系的同时也能接受到外来的关系，其内部成员之间的联系比较少；④首属位置，其成员既有来自外部的关系，也有来自自身成员的关系[17]。随着后期对网络位置关系的合理量化，Wasserman等[18-19]将各个位置的规模引入关系的研究中，从而对子群在网络中的位置关系进行了更加合理的刻画。
综上所述，网络中存在的抱团现象(社群)会对各个节点的行为产生直接影响，已有社群相关研究仅聚焦于少数行业，集中关注社群对绩效的影响。创新是新时代的热点话题，而对创新网络中社群的研究以及基于这一中观视角对创新网络中节点行为的研究较少。因此，本文在研究创新网络中社群结构特征和位置关系的基础上，进一步分析行业中企业的合作行为动机及其演化机制。
网络社群识别是指通过一定的算法识别出网络中紧密连接的小团体，网络社群识别算法目前可分为分裂算法和凝聚算法两大类，本文选用具有较高代表性、由Girvan & Newman提出的基于模块性指标优化的层次聚类算法，即凝聚算法(G-N算法)。其基本思想为：在不要求所有企业都是社群成员以及不固定不同时期社群数量和社群规模的条件下，识别出一个最佳致密非重叠的社群划分。最初的G-N算法在不知道社群数目的情况下无法确定要进行到哪一步，在改进后的G-N算法中引入了衡量网络划分质量的标准——模块度Q[20]，用公式表示为：
(1)
其中，Aij代表关系矩阵A的元素，表示企业i和企业j间专利联合的次数；
表示企业i参与联合专利的总次数，即企业i的中心度；
是关系矩阵A所有连接权重之和；a(i,j)是指标函数，如果节点i与j来自同一社群，其值为1，否则为0；Q∈[-1，1]，Q值的物理意义表示为，划分后的网络社群内部节点连接比例减去在相同社群划分下任意节点连接比例的期望值最大，一般而言，当Q>0.3时，存在社群结构，随着Q值的增大，社群结构的明显程度逐步加深。
G-N算法的基本流程为：①计算网络中各边相对于所有可能源节点的边介数；②移除相对于所有节点边介数较大的边，每当分裂出新的社群时，需要计算一次网络的模块度Q，并记录该Q值对应的整体网络划分结构；③重新计算网络中节点的边介数，重复上述过程，直到网络中没有边为止，选出Q值最大对应的网络结构。对社群林立程度的判断，本文使用E-I指数反映，实质上E-I指数是子群密度与整体密度之比，取值范围为[-1,1]，具体公式如下：
(2)
其中，EL表示社群之间的关系数量，IL表示社群内部的关系数量。当E-I指数值越靠近1时，表明关系在群体外发生的程度较大，而当该值越接近于-1时，表明关系越倾向于在社群内发生[18]。也就是说，值越小，说明社群内部连接越稠密，而社群之间的连接更加稀疏，E-I值的出现，使得社群的明显程度量化成为可能。
本文选择电子信息材料行业联合专利数据作为分析对象，主要是出于以下几点考虑：①随着云计算、大数据、物联网、人工智能等新一代信息技术快速发展，信息技术创新进入加速期，电子信息行业产值连续多年保持较快增长，与之相关的电子信息材料产业迎来了高速发展时期，技术创新能力大幅度提升，研发专利数量逐年递增，因而选择电子信息材料联合专利网络具有代表性；②电子信息材料的研发生产需要精密的试验和检测设备，还依赖技术人员的专业知识积累，因此研发难度与复杂程度较高，单个企业很难依靠自身科研力量独自完成，为了突破困境，行业企业倾向于通过联合研发打破自有局限，联合专利研发已相当普遍，因而选择电子信息材料联合专利网络具有典型性；③鉴于现有专利数据库相对完善，数据可获取性较高，加之团队成员前期对大量专利数据进行汇总整理，且对电子信息材料行业进行了深入研究，数据获取相对便捷；④电子信息行业合作已较为普遍，但研发效率不高，需要从社群视角解析其原因。
在2008年之前，我国自主独立的发明专利较少，与其它国家进行的专利合作较多，而本文重点研究的是我国本土企业创新情况，同时要考虑专利授权需要一定周期，一般为18～36个月。同时，还考虑电真空材料和半导体材料行业是“十三五”国家战略兴新兴产业规划中的重点产业，这两个行业技术开发难度大，涉及的基础领域多，具有技术密集和知识积累的特性，易产生“专利丛林”问题，而企业间合作创新能够有效克服此问题[21]，使得在电真空行业和半导体材料行业合作研发联合申请专利更为普遍。
基于此，本文数据以中国国家知识产权局(SIPO)专利数据库为来源，确定筛选的行业为电子信息材料产业的支柱行业，即电真空材料和半导体材料领域。为了避免时间滞后的影响，将2008—2016年作为检索区间，检索出以上领域56 509条专利，并在此基础上对数据进行筛选整理，得到2 394条符合研究要求的有效联合申请专利。由于本文研究对象为我国本土企业，因而剔除国外的专利联合以及本国与国外的专利合作，考虑到本研究立足于企业视角，因此，将科研院所或高校之间的合作也剔除。
大量研究表明，企业之间的合作关系一般可以存续3～5年，考虑到专利授权周期一般是3年左右[22]，因此，本研究以3年为移动时间窗口期，将2008—2016年的专利数据划分为7期(2008—2010年、2009—2011年、2010—2012年、2011—2013年、2012—2014年、2013—2015年、2014—2016年)，依此对联合专利网络中的社群进行探测识别。
在具体操作过程中，将移动时间窗对应的合作专利分别整理到对应的Excel表格中，使用Eclipse软件编程，将数据转化为二维矩阵。采用Ucinet6.487软件将关系矩阵导入到软件中，使用Netdraw绘制出联合专利网络。在分析过程中，借鉴罗吉等[6]对网络社群的处理方法以及李纲等[23]对网络社群的划分思路，本文将规模小于4的社群剔除，仅对规模在4及以上的社群进行分析，为方便筛选节点企业，将企业依据阶段进行编号，探测结果如表1所示。结果显示，最佳Q值的网络中最大连通图得到最佳划分，同时与整体网络模块度Q的最大值对应，且Q值与E-I指数的变化趋势跟社群变化本质是相符的，变化情况如图1所示。
表1 联合专利创新网络社群探测结果
时间窗网络节点数Q值E-I指数社群数目社群规模均值社群标准差2008-20102580.793 4-0.921125.162.3032009-20112990.880 5-0.981185.202.2742010-20123530.926 6-1225.401.4292011-20134430.859 2-0.975226.826.3152012-20145390.810 4-0.875288.604.6802013-20156110.795 1-0.796338.7614.2072014-20166740.779 4-0.793349.7914.450
图1 Q值与E-I指数变化趋势
为了对社群现象形成更直观深入的认识，图2给出了2014—2016年整体网络结构，将该网络中最大的3个社群用方块、圆形和三角形标识，结果显示，网络抱团现象明显，企业内部合作更加密切，社群间的联系比较稀疏。
社群探测结果显示，在7个移动时间窗下，社群的模块度Q值均大于0.3，表明网络社群结构明显；同时，在2008—2010、2009—2011、2010—2012年时间窗下，社群的Q值从0.793 4增加到0.926 6，在2011—2013至2014—2016年时间窗下，社群Q值呈下降趋势。该趋势的变化主要是因为节点之间的紧密连接提供了多样性异质资源，并且能够为节点本身提供良好的发展机遇，但与此同时，过度紧密连接的网络会产生负作用，不断阻碍企业发展[24]。在金融网络中也有类似发现，网络密度越大，会使银行的负面消息扩散加快，从而使恐慌事件高频率发生[25]。同样，风险投资行业的研究表明，社群投资机构之间的紧密连接度不断提高，会使合作伙伴对项目的知识贡献度由开始时的合作(互补知识)不断变化为共有知识，因此不会产生新的知识资源，而在密集度高的网络中，这种同质资源扩散造成机构投资收益下降，从而使社群的凝聚性与投资绩效呈现倒U型关系[26]。在本研究中，企业之间在开始时由于异质资源等原因抱团形成社群结构，并且随着规模增加，社群内部密度愈发加大，使得企业无法再吸收到异质性资源。此时，企业为了满足自身发展，确保自身的创新能力在时代背景下不断提升，社群内成员会排斥那些“无用”的企业，即企业通过不断的“断舍离”实现与新资源的对接，从而保证企业自身创新能力提升，正如表中1所反映的，社群模块度在减少，但企业专利数逐年增加。
图2 2014—2016年整体网络结构
图3、4分别给出了2013—2015和2014—2016年两个移动时间窗下的某一社群成员变化情况。图3、4显示，同方威视技术股份有限公司和北京鼎材科技有限公司在脱离其所在社群后，新成员北京兆易创新科技股份有限公司加入该社群。同方威视技术股份有限公司主要经营范围包括核仪器仪表研究、开发、销售及设备安装服务，而北京兆易创新科技股份有限公司经营范围包括微电子产品、计算机及集成系统、电信设备、手持移动终端研发，委托加工生产、销售自行研发的产品，并提供技术转让、技术服务、货物进出口、技术进出口、代理进出口等。从对社群的贡献度来看，北京兆易创新科技股份有限公司更具竞争力，从而取代同方威视技术股份有限公司，作为新成员加入社群中。同方威视技术股份有限公司与清华大学合作之后，创新能力得到提升，更有底气选择加入新社群。同样，在该社群中，北京鼎材科技有限公司主营业务是技术开发、技术推广等，通过与清华大学合作，提升了自身技术能力，而北京维信诺科技有限公司与其业务重合度较高，使北京鼎材科技有限公司脱离该社群，在避免与北京维信诺科技有限公司竞争的同时，利用自身技术研发实力吸引新的合作伙伴，进而加入新社群。社群成员在其所在社群中，当有更强的替代者存在时，“无用”社群成员会被移出社群，在社群成员退出与进入过程中，社群吸收所需新资源，创新能力不断提升。
在工业互联网时代背景下，网络、平台以及安全成为工业互联网的三大构成要件。其中，网络能促进知识互通，实现信息数据在生产各个环节和全要素的无缝传递，形成实时感知、协同互交和智能反馈的生产模式；平台通过海量数据汇集、建模分析以及应用开发，促进制造能力和工业知识的标准化、软件化、模块化和服务化；安全则是建立工业互联网安全保障体系[27]。随着工业互联网的发展，企业间的合作模式也发生了变化，企业间的合作不再局限于地域等，企业间的技术合作不必要在聚集状态下进行，企业可以通过工业互联网的海量数据终端进行技术共享，在克服企业合作局限的同时，实现企业创新能力提升。这也在一定程度上解释了网络社群模块度虽在2012年之后有所降低，但自身创新能力仍得到提升。
就自身特征而言，网络社群主要体现在凝聚性和稳定性两个方面[7]，通过深入研究网络社群特征，有利于深刻把握创新网络社群的内涵以及作用机理。
大量关于网络分析的文献基于宏观层面对网络密度、网络规模等进行研究，在微观层面对个体节点的属性特征进行研究，而基于中观层面对三元闭包、凝聚子群的分析相对较少。本文所指的社群是在网络中拥有高度凝聚特征的子群[7]，即中观层面的网络研究。
目前大量研究表明，凝聚性是社群的重要特征，社群内部各种社会势力的直接或间接接触运作会产生相较于社群外部更大的凝聚力，并且随着行动者不断联系，机构同质化倾向也会更加显著[28]。另有研究发现，社群内部连接量是社群外连接量的16倍[4]，并基于中国的联合投资网络进行社群分析，同时对网络聚合系数进行了测度，发现社群呈现一定程度的小世界网络特征[29]，且技术创新网络中的社群结构具有较高的凝聚系数和网络连通性[2]。上述研究均表明凝聚性是创新网络社群结构的基本特征。
本文结合李纲等[21]的研究，通过网络社群密度和密度矩阵刻画社群结构的凝聚性特征。其中，社群密度相当于整体网络中有关子网络的密度，Scott[30]的研究证实网络密度的本质是行动者间实际直接连接的数量与所有理论上可能的连接数量之比，所得到的比值是对网络中各节点连接紧密程度的体现，从而得到社群密度的计算公式为：
(3)
其中，Cui表示第i个社群密度，n表示该社群内成员数量，l表示该社群成员实际连接数。
通过网络社群划分得到若干个子群，对仅有内部连接且与外部没有任何联系的子群进行研究没有太大意义，而对拥有众多合作者，且合作者能够通过内部联系不断汲取外部资源的结构进行深入研究，能够为企业发展提供更有价值的参考，据此找到专利合作网络中最大连通图，并在此基础上进行社群密度研究[23]。本文选取2014—2016年最大连通图进行社群凝聚性特征分析，如图5所示。在密度矩阵中，除对角线外，其它行列值体现的是社群间联系紧密程度，也即行列行动者到彼此社群中的关系比率[31]，凝聚性研究情况如表2所示。
表2显示，网络社群内部联系紧密程度高于社群之间的联系，各企业基于异质资源的吸引、信任等因素抱团形成社群，并在社群内部成员之间建立频繁的联系，同时与外界进行联系，避免资源同质化影响自身发展，社群凝聚性特征研究量化了社群抱团现象。
图3 2013—2015年某一社群
图4 2014—2016年某一社群
图5 2014—2016年最大连通图的社群结构
稳定性是社群另一重要特征。本文基于联合专利创新网络数据分析形成的网络社群，不对其规模和数量进行任何约束，即某一时期、同一社群的成员在下一时期可能依然处在该社群，也可能被分成两个及以上的社群，社群成员总数依然不变。此外，新成员能够进入任何新社群，并且存在原有社群成员不再属于任何社群的可能，为了克服不同社群规模造成的无法判断本期社群来源于上期哪个社群这一困扰，本文选择Jaccard指数刻画社群结构的稳定性特征。Jaccard指数是指对应集合间交集与并集的比值，在本文的创新网络中，不同的两个社群Cui和Cuj的相似指数为：
(4)
对于社群结构，假设At=A1,A2,…,Ar代表在t时期的r个社群。类似地，Bt+1=B1,B2,…,Bn代表t+1时期的n个社群，对B中每一个社群都与Ai计算Jaccard指数之后取均值即可得到复合Jaccard指数。也就是说，如果某一社群在t和t+1期都存在，并且这两时期社群成员都保持在同一社群当中，此时复合Jaccard指数等于1。同理，如果t时期某一社群成员在t+1时期平分到两个社群，那么复合Jaccard指数为0.5。基于此，本文联合专利创新网络中社群的稳定性通过相邻时间窗下社群的相似程度进行量化，然后对大于0的Jaccard相似指数取均值，得到移动时间窗下的复合Jaccard指数，结果如表3所示。
Jaccard指数的取值范围为[0，1]，0代表“完全不同”，1代表“完全相同”。表3显示，复合Jaccard指数均接近于1，说明随着时间的推移，社群结构相对稳定，t+1时期的社群成员绝大部分来自于t时期，社群结构的稳定特性得到验证。2008-2016年，电子信息材料行业企业间保持着相对稳定的合作研发关系。企业在选择合作伙伴时，优先考虑自己熟悉的、合作过的伙伴企业，一定程度上减少了由于信息不对称带来的损失，避免了知识断层现象，使得彼此的合作研发产生了“1+1>2”的效果，企业创新能力不断得到提升。
表2 网络社群密度矩阵
社群CuCu1Cu2Cu3Cu4Cu5Cu6Cu7Cu8Cu9Cu1100000000.4Cu200.60000000.3Cu3000.3500000.0410.17Cu4000100000.3Cu5000010.053000.053Cu6000000.253000.4Cu70000000.4300.25Cu8000.083000.08300.30.35Cu90.0290.0220.020.030.0070.10.0290.020.032
表3 网络社群稳定性分析结果
时间窗1时间窗2复合Jaccard指数2008-20102009-20110.863 4902009-20112010-20120.753 5102010-20122011-20130.803 7322011-20132012-20140.773 5642012-20142013-20150.789 1492013-20152014-20160.723 783
上文对整体网络最大连通图结构中的社群进行了分析，本节从整体层次研究社群在整体关系中的角色，由局部到整体，进一步剖析社群的形成及运行机理。根据Wasserman等[28]对位置关系的研究，分析来自位置Bk的各个成员关系，其中，行动者有gk个，可以得到Bk内部可能具有的关系总数为gk(gk-1)个，在总体中含有g个行动者。因此，Bk位置各个成员所有可能的关系有gk(g-1)个。基于此，可以得到一个位置中所有关系期望的比例。
(5)
同时，基于社群内与社群间关系得到4种关系的判定表，如表4所示。
对2014—2016年社群位置关系进行分析，如表5所示。结果显示，社群Cu1、Cu2、Cu3、Cu4、Cu5、Cu6、Cu7、Cu8均处于领导者位置，说明其有属于自己的技术体系以及资源优势。社群Cu5自身拥有完整的技术支持体系，中广核工程有限公司通过投资控股等形式与中国科学院金属研究所、苏州汉申温差电科技有限公司、苏州热工研究院有限公司形成了资源共享合作体系，与此同时，上述企业还为广东核电合营有限公司、东莞美壹磁电科技有限公司和广东工业大学提供技术支持，从而形成了社群Cu5这一成熟的团体，这一团体又为国家电网有限公司提供了一定的技术支持，即社群Cu5在整体网络层次的位置关系为领导者。网络位置关系为领导者的8个社群均表现为内部通过投资控股实现资源共享和技术合作，同时也对外部社群提供一定的技术支持，在WIND数据库中表现为企业没有关联数据，但进行了专利合作。社群Cu9担当经纪人角色，在该社群中，以国家电网为核心，其它成员绝大部分是国家电网的分支机构，国家电网为其分支机构提供所需技术支持以及发展需要的各种合理要素，但在社群内部，除去与国家电网的合作外，其它成员之间的合作程度极低，导致该社群内部的联系少于社群内成员与社群外成员的联系，从而使国家电网及其分支机构会向其它社群提供技术支持。
表4 4种类型位置关系判定结果
某社群内部关系的比例某社群接收到的关系的比例≈0>0≥g k-1)/(g-1)孤立者位置首属人(领导者)位置≤g k-1)/(g-1)谄媚人位置经纪人位置
表5 2014—2016年社群位置关系分析结果
社群Cu1Cu2Cu3Cu4Cu5Cu6Cu7Cu8Cu9内部关系(gk-1)/(g-1)0.020.030.070.030.040.1010.040.060.56密度10.60.35110.2530.0430.30.032外部关系入度/出度>0>0>0>0>0>0>0>0>0位置关系领导者领导者领导者领导者领导者领导者领导者领导者经纪人
本文以电子信息材料行业为例，通过对联合专利网络社群结构及位置关系的深入研究，得到如下结论：
(1)从动态视角对电子信息材料行业创新网络中社群的系统识别分析发现，其模块度指标均远大于0.3，表明存在明显的社群结构，并且指标值呈现先增后减的变化趋势。可能的原因是，企业为避免资源信息过度同质化，退出原有社群或让“无用”的社群成员出局；工业互联网时代背景下，企业合作不再局限于企业彼此聚集，而是通过大量数据信息共享实现。
(2)适度的凝聚性和稳定性有利于企业创新发展。电子信息材料行业创新网络社群中，大部分节点企业在发挥技术开发、咨询和推广的作用时，需要不断吸收有价值的异质资源并避免知识断层现象出现，从而反映出创新网络社群结构具有内部连接紧密、外部连接稀疏的特征，也反映出在一定时间范围内，社群规模和数量保持相对稳定的特征。同时，社群内部成员企业互相学习、互换异质资源，社群间的稀疏联系为企业输送新鲜血液。此外，在相对稳定的社群关系下，成员企业逐渐熟悉彼此，信任增强，为企业节省了时间成本和机会成本。
(3)在整体网络层次中，社群位置关系包括经纪人和领导者角色。在电子信息材料行业中，各企业在研发环节各司其职，从而使其所在的社群技术研发水平整体提升。处于经纪人位置的社群在内部进行联系的同时，为外界与之有联系的企业提供技术帮助；处于领导者位置的社群技术等各方面较为成熟，内部成员互助的同时还会对其它社群成员提供技术支持。对于位置关系的研究，本文从局部到整体对社群结构进行分析，而这种基于整体层次分析社群之间关系的方法在一定程度上解释了网络权力的配置格局，也就是说，社群的不同位置关系解释了不同的权力配置。
基于对创新网络社群由局部到整体的研究，本文提出政策建议如下：
(1)网络治理方面。在创新网络中，谨防社群繁荣背后的危机，社群成员过度抱团有可能形成行业垄断以及短期虚假繁荣之后的行业衰亡，对企业公平竞争秩序造成一定的威胁。为了更好地规避上述风险，要在网络社群形成初期就开始重视，要明确规定各企业自身享有的权力及在社群中应履行的职责，为后续社群的良性循环打好基础。社群节点企业在合理规范的环境下才能更积极发挥自身优势，从而实现网络组织的健康运行。此外，在建立宏观社群运行机制的基础上，要完善社群内企业的自我约束机制和激励机制，满足企业加入社群的愿望，并使企业重视自我规范和自我约束，以降低社群网络治理难度，从而促进整个创新网络良性发展。
(2)网络权力配置方面。企业在选择合作伙伴构建社群或加入社群时，要对合作伙伴的资源异质性程度进行合理预判，并分析合作伙伴价值，了解合作双方的权力状态及权力发展态势，合理制定自身权力配置策略。权力的合理配置能促进资源有效整合，企业间的高效合作能促进社群内外创新发展，提升整个创新网络的创新绩效。如果合作伙伴拥有的异质性资源更多、价值更大，企业可逐步提升自身的技术权力、认同权力等与之匹配，通过自身拥有的知识优势和品牌信誉吸引合作伙伴，并与其建立良好的合作关系，从而逐步获取合作伙伴优质的异质性资源；若合作伙伴的异质资源可选择范围较小、价值偏低，此时企业应更偏向于配置制度权力等刚性权力，获取对方资源后，通过技术等手段对资源进行优化，提升其价值，以便更好地服务于本企业的发展。此外，在社群动态发展过程中，企业应不断合理调整自身的权力配置策略，顺应创新网络发展规律。只有这样，才能使企业乃至整个创新网络向正确的方向前进。
从2012年工业互联网首次提出以来，海量的数据和信息资源共享使我国企业的合作模式不断发生变化。在这一时代背景下，我国企业要不断突破关键核心技术，强化万物感知、信息传输等共性技术研究，加快数字化升级，实现工业智能化生产，以使获取有价值资源和信息的能力不断提高，为此，与更多企业建立互利共赢的合作模式尤为重要。本研究通过剖析创新网络中社群的结构和特征，以期掌握网络社群的内在变化规律。在未来工业互联环境下，企业要不断扩大自身开放度，积极掌握行业信息动态，主动展示自我实力，吸引互补企业展开合作。本文关于社群研究的结论为未来我国企业发展模式的动态研究提供了一定借鉴。
本文也不可避免地存在一定局限。本文分析了社群结构的凝聚性和稳定性特征，对其它特征的分析有待进一步深入探究；考虑到专利从申请到授权的时滞性，本文仅选取了2008—2016年的专利数据，而2017年之后，企业专利合作形式也在不断变化，后续研究需要继续跟踪考查；针对网络社群对企业创新能力影响的研究，需要更具体的数据模型支持，本文涉及不多；社群研究为网络权力配置提供了一个新视角，本文尚未对此进行深入分析，这将成为后续研究的重要方向。
[1] 李传志. 我国电子信息产业高端化对策分析[J].经济问题,2019,473(1):74-80+89.
[2] 顾力刚,张文帝.基于联合申请专利的企业研发合作网络研究[J].科技进步与对策,2015,32(5):73-78.
[3] NEWMAN M E．Modularity and community structure in networks[R].Proceedings of the National Academy of Sciences of the United States of America,2006.
[4] BUBNAA,DASS R,PRABHALA N.Venture capital communities[R].Working Paper:University of Maryland,2015.
[5] BUBNAA,DASS R,PRABHALA N.What types of syndicate partners do venture capitalists prefer? evidence from VC communities[J].Indian School of Business,2013,10(21):1-61.
[6] 罗吉,党兴华.我国风险投资网络社群识别、群间差异与投资绩效研究[J].管理评论,2017,29(9):48-58.
[7] 罗吉. 风险投资网络社群形成机理研究[D].西安：西安理工大学,2018.
[8] 魏龙,党兴华.非对称视角下技术创新网络社群结构涌现及其对双元创新的影响研究[J].运筹与管理,2017,26(10):188-199.
[9] 王艳,侯合银.创业投资辛迪加网络结构测度的实证研究[J].财经研究,2010,36(3):46-54.
[10] CARRINGTON P J,SCOTT J,WASSERMAN S. Models and methods in social network analysis[M]. Cambridge U.K.: Cambridge University Press,2005.
[11] GULATI R,SYTCH M,TATARYNOWICZ A.The rise and fall of small worlds:exploring the dynamics of social structure[J].Organization Science,2012,23(2):449-471.
[12] GIRVAN M,NEWMAN M E. Community structure in social and biological networks[R]. Proceedings of The National Academy of Sciences,2002.
[13] GULATI R.Does familiarity breed trust?the implications of repeated ties for contractual choice in alliances[J]. Academy of Management Journal,1995,38(1):85-112.
[14] 党兴华,薛超凯,施国平.风险投资网络社群行为研究述评与展望[J].科技进步与对策,2016,33(18):156-160.
[15] GOLDBERG M,MAGDON ISMAIL M,NAMBIRAJAN S. Tracking and predicting evolution of social communities[C]//2011 IEEE Third International Conference on Privacy,Security,Risk and Trust: IEEE,2011.
[16] SYTCH M,TATARYNOWICZ A. Exploring the locus of invention:the dynamics of network communities and firms' invention productivity[J].Academy of Management Journal,2014,57(1):249-279.
[17] BURT R S. Model and network structure[J].Annual Review of Sociology,1980(6):79-144.
[18] WASSERMAN S,FAUST K. Social network analysis:methods and applications[J]. Contemporary Sociology,1995,91(435):219-220.
[19] 刘军.整体网分析讲义:UCINET软件实用指南[M]. 上海:上海人民出版社,2009.
[20] NEWMAN M E. The structure and function of complex networks[J].SIAM Review,2003,45(2):167-256.
[21] CARL SHAPIRO.Navigating the patent thicket: cross licenses,patent pools,and standard setting[J].NBER Innovation Policy & the Economy,2001,1(1):119-151.
[22] GUAN J C,ZUO K R,CHEN K H.Dose country level R&D effiency benefit from the collaboration network structure[J].Research Policy,2016,45(4):770-784.
[23] 李纲,任佳佳,毛进,等.专利权人合作网络的社群结构分析——以燃料电池电动汽车专利为例[J].情报学报,2014,33(3):267-276.
[24] LUSHER D,KOSKINEN J,ROBINS G. Exponential random graph models for social networks:theory,methods,and applications[M]. Cambridge U.K.:Cambridge University Press,2012.
[25] GREVE H R,KIM J Y.Running for the exit:community cohesion and bankpanics[J].Organization Science,2013,25(1):204-221.
[26] 石琳,党兴华,韩瑾,等.风险投资网络结构嵌入对投资绩效只有促进作用吗——来自我国风险投资业的经验证据[J].科技管理研究,2016,36(17):216-223.
[27] 中国工业互联网研究院.工业互联网创新发展20问[J].中国计量,2019(8):13-19.
[28] WASSERMAN S,FAUST K.Social network analysis:methods and applications[M].Cambridge U.K.:Cambridge University Press,1994.
[29] JIN Y,ZHANG Q.Topological properties and community detection of venture capital network:evidence from China[J].Physica A:StatisticalMechanics and its Applications,2016,442:300-311.
[30] SCOTT J.Social network analysis[M].Thousand Oaks,CA:Sage,2012.
[31] 翁顺裕．探讨技术网络之社群结构与位置关系——以保险商业方法专利为例[J].管理学报,2010,27(5):442-444.