At present, the study of patent technology transaction and its behavior has become the focus of attention, but the research is fragmented between the network structure and the attributes of the actors themselves: research on technology transaction networks mainly focuses on the analysis of the factors and evolution characteristics which affect the field of technology transactions at the overall network level. It ignores the influence of the attributes of the network nodes on the evolution of the network. In addition studies on the behavior of patent assignors and assignees are mostly based on case analysis which is greatly influenced by objective factors.
The integrated circuit industry is a core and representative industry for the intelligent transformation of manufacturing and is most affected by the U.S. constraints in China in the post-epidemic period. To settle this conflict, this paper begins with the theoretical foundation and divides the factors affecting technology transaction behavior into two dimensions:the network effect and the actor effect. Therefore it proposes the research hypotheses in terms of three dimensions: structural characteristics of the network, actors' own attributes and inter-actor convergence. Then, the paper describes the data sources and processing methods, the research method stochastic actor-oriented model (Siena) and the variable measures. Subsequently, using the patent transfer data of the IC industry from 2002 to 2019, the study analyzes the overall trends and characteristics of patent technology transactions in this industry statistically and divides the industry stages. On this basis, it builds the patent technology transaction network of this industry to measure the characteristics of patent technology transactions in this industry from two aspects: quantity change and network evolution. Meanwhile, combined with research hypotheses, an empirical study of patent technology trading behavior based on the Siena model is conducted to analyze the characteristics of technology transaction behavior.
The main findings are as follows. First, in terms of the technological transaction network evolution, the patent technology transaction is mainly in a one-way mode. With the integrated circuit industry entering to the stage of growth, the number of technology transaction entities within the industry increases and the network scale increases. The efficiency of information transmission in the network has been improved, however it is still at a low level; the lock-in effect formed at the initial stage of the network is obviously relieved; the organization in the network is characterized by community, and the scale of community is expanding while the degree is increasing. Second, in terms of the stability of patent technology transaction network, the patent technology transaction network of integrated circuit industry is unstable and has a large variation. Third, in terms of network effect, assignors are more inclined to trade with partners of technology trading partners; as the assignees, firms will attract more new technology trading partners; there is no obvious reciprocal transaction between firms. Fourth, in terms of actor effect, as the industry enters the growth stage, mature firms are more likely to be patent assignors, and start-up firms are more likely to be patent assignees, and firms in the high structural hole position are more likely to be patent assignors; the smaller gap in technological innovation capabilities, the more likely technology transactions will occur between firms; firms tend to choose partners in the same country or in the same enterprise group for patent transaction. The research results have enriched the theoretical system and application scope of social network analysis in the field of patent technology trading, and enables scholars to analyze the factors influencing the transformation of scientific and technological achievements further. Meanwhile, it provides novel insights for the government to formulate industrial policies.
开放科学(资源服务)标识码(OSID)：
科技成果转化是打通“创新链”的重要环节,是新技术、新发明转化为市场价值的关键所在。专利是技术创新成果的表现形式,近年来,我国专利申请数量持续增长,2019年国际专利申请数量高达58 990件,首次超过美国成为世界知识产权组织框架下国际专利申请数量最多的国家。与之相对的是,我国科技成果转化率不足30%,远低于发达国家60%～70%的水平,已成为国家创新体系建设的薄弱环节。以专利转让与受让为代表的技术交易形式是连接发明和应用的“纽带”,通过专利转让市场或专利交易机构等中介平台将专利作为商品进行转让,有利于促进科技成果转化。因此,研究专利转让与受让行为影响因素,剖析企业技术交易的内在动因,能够提升政策制定的针对性,打通创新成果向现实生产力转化的通道。
技术交易概念由美国经济贸易学家Posner首次提出,是指技术供需双方通过契约形式对技术知识产权进行交易的行为。现有关于专利技术交易的研究主要以高校、企业、中介机构为代表的微观创新主体为主[1-2],抑或是以区域、国家甚至全球为研究对象,涉及不同层面,研究内容涉及新兴技术及热点技术(电子信息[3])等领域,研究目的涵盖专利转让与受让网络结构、空间格局、演化过程及机会预测,研究方法多运用社会网络分析法,将技术交易相关属性映射到网络模型,充分挖掘网络结构与节点属性特征及发展规律。专利转让方与受让方是发生技术交易的微观主体,对其发展规律及影响因素进行分析,能够帮助政府科学制定促进技术交易的相关政策。因此,诸多国内外学者从专利供需双方入手探究专利交易影响因素。Bahmani &Mehdi[4]基于伊朗经济与技术转移关系,认为生产力对区域专利交易具有重要影响;任龙等[5]通过构建中国技术流动网络,发现经济资本、产业结构是影响专利技术交易的主要因素。专利转让与受让行为发生动机研究表明,企业研究领域改变或非核心专利可用性有可能促成专利转让行为,同时具有广泛潜在应用价值以及拥有较高估价的技术专利也会大大提升潜在专利受让方的购买意愿[6]。
综上所述,专利技术交易行为已成为各界关注焦点,主要集中于技术交易网络构建,从网络整体层面对技术交易影响因素及演化特征进行分析,忽略了网络节点自身属性对网络演化的影响。而企业作为技术交易主体,只有从企业视角出发厘清哪些因素会促进或阻碍专利转让与受让行为,才能够使技术转移政策更具有针对性。目前,专利转让与受让行为特征研究多基于案例分析,受客观因素影响较大。随着技术交易主体增加,网络模块化和社团化趋势逐渐显现,只有从网络视角才能全面探究技术交易行为影响因素。集成电路产业是制造业智能化转型最核心、最具代表性的产业,也是后疫情时代我国受美国制约最大的产业。因此,本文以集成电路产业为研究对象,通过对该产业专利转让与受让行为进行分析,发现我国集成电路产业技术交易存在的问题,对于促进科技成果转化具有重要意义。
技术交易行为往往是复杂的,需要从不同维度进行分析。现有研究表明,网络自身结构特征和网络节点属性[7]会对网络演化及网络成员交易行为产生影响。首先,在网络层面,核心行动者嵌入等内生性因素会使技术交易网络发生改变,从而影响进入者及网络行动者的行为。在网络节点属性层面,学者普遍认为网络行动者属性通过两种作用机制影响技术交易网络变化[8-9]。一方面,行动者专注于自我结构变化,通过自身节点属性寻找或吸引其他交易主体;另一方面,行动者专注于特征匹配性,通过趋同或趋异模式寻找或吸引其他行动者。因此,本文将影响技术交易行为的因素划分为网络效应和行动者效应两个维度。其中,网络效应是指技术交易网络内行动者结构特征对专利转让与受让行为的影响,主要考察网络内生关系即自组织过程对技术交易行为的影响;行动者效应是指专利转让与受让主体属性特征对专利转让与受让行为的影响,主要从行动者自身属性及行动者趋同性两个角度进行分析。
现有研究表明,互惠性[10]、传递性[11]和择优连接[12]等在技术交易网络演化过程中并存,因此本文选择这3个指标作为网络结构层面影响专利转让与受让关系的主要因素。
1.1.1 互惠性
互惠理念是行为经济学的理论基础,认为行为主体在追逐自身利益时还会考虑他人利益(李柏洲等,2019)。两个独立个体由于互惠性关系而对资源产生依赖,因此可以长期保持联系。刘敬伟(2009)等研究发现,互惠关系通过促进隐性知识转移与共同愿景培养提升研发团队技术转移水平和创新能力;赵健等[13]研究发现,互惠关系可以优化企业心理契约,提高企业跨组织知识转化效率。具体到专利技术交易双方,本文认为互惠性能够增强双方之间的信任,促进双方专利技术知识共享和专利隐性知识流动,从而实现共赢。据此,本文提出如下假设:
H1:网络互惠性有利于促进专利技术交易主体进行专利转让(受让)。
1.1.2 传递性
传递性是社会网络的一个基本属性,表明朋友的朋友也是朋友。Ahuja等[14]的研究表明,网络行动者更倾向于与联盟公司或合作伙伴形成联盟,这种传递性构成网络行动者机会主义行为的一个演变因素,并形成网络演化动态传递过程。在集成电路产业,专利技术交易主体可借助传递性,以较低成本获取网络中的专利技术、知识和信息,从而提升自身实力。据此,本文提出如下假设:
H2:网络传递性有利于促进专利技术交易主体进行专利转让(受让)。
1.1.3 择优连接
择优连接机制是指网络中的新节点更倾向于与已有节点建立联系,即新节点会根据中心度连接网络中现有节点,本质上是优势积累的体现[12],这种现象可能导致网络演化马太效应。Wang[15]证实择优连接机制对随机行动具有支持作用;Tamas[16]指出,区域知识网络质量与合作伙伴网络位置相关,择优连接机制形成区域知识网络“核心—外围”结构。同样,企业网络位置也会影响企业技术交易活动开展。据此,本文提出如下假设:
H3:网络中心度高的专利转让(受让)主体会吸引更多主体进行专利受让(转让)。
现有研究表明,行动者社会声誉[8]、资源[17]、能力[18]和趋同性对行动者选择起重要作用。因此,本文选择度量社会声誉的企业年龄[8]、表征资源优势的结构洞[19]以及技术创新能力指标探究行动者自身属性对专利转让与受让行为的影响;另外,学者们聚焦行动者国别[20]和企业集团关系[21]探究行动者趋同性对专利转让与受让行为的影响。
1.2.1 行动者属性
(1)企业年龄。年龄依赖理论(Age Dependence Theory)指出,企业年龄可以反映企业资源禀赋、研发能力、管理水平和组织合法性,是选择联盟合作伙伴的重要依据[22]。Gulati等[23]认为,与大规模或拥有长期经营记录的成熟企业建立联系会产生声誉效应,增加被推荐的概率;Ahuja等[9]指出,网络演化因行动者发生,“推荐和声誉效应”是网络演化的微动力之一,这种效应可能源于交易对象年龄和其所拥有的资源;Castro[8]对229家上市公司战略联盟情况进行分析发现,企业更愿意选择年龄大的伙伴组建战略联盟。具体到专利技术交易伙伴,由于产业内成熟企业普遍拥有较好的资源和声誉,因此更容易成为专利交易对象。
初创企业的主要目的是将核心技术产品或服务投入到目标市场(何郁冰,2017),但由于存在规模小、市场经验不足和研发资金薄弱等劣势,导致初创企业自主创新能力严重不足。企业为获取竞争优势,会产生依托外界社会力量解决问题的特定需求,这些具有技术需求意愿的主体往往更能成为专利技术转移对象[25]。据此,本文提出如下假设:
H4a:产业内成熟企业更倾向于专利转让;
H4b:产业内初创企业更倾向于专利受让。
(2)结构洞。从组织资源优势看,Burt[25]认为占据结构洞位置的网络行动者拥有大量知识资源,更具有“信息优势”和“控制优势”。张宝建(2018)等研究发现,企业因占据结构洞而拥有更多网络资源,并能够显著提高创新绩效。集成电路产业高速发展催生出越来越多的新兴技术,这些技术具有高增速、高新颖度和高市场潜力等特征。处于高结构洞位置的企业能够从更多异质技术交易群体中获取更多技术知识,形成技术资源优势,使其所申请的专利更加多元,并受到更多不同技术研发主体的青睐,从而促进专利转让的不断发生。据此,本文提出如下假设:
H5:网络中占据较多结构洞的专利技术交易主体更倾向于发生专利转让行为。
(3)技术创新能力。企业技术创新能力是指产品创新能力和工艺创新能力耦合以及由此决定的系统整体功能。相关研究表明,技术联盟选择创新合作伙伴时会重点关注合作伙伴的创新能力[18],合作伙伴创新能力对技术联盟价值创造和生产效率提升具有积极影响。因此,主体创新能力对技术知识转移吸收具有重要影响。
实际上,在专利技术交易网络中,创新实力强的专利主体更容易获得其他主体青睐,更容易建立技术交易关系。结合集成电路产业发展特征,创新实力较强的创新主体通常创新意愿更强,在技术交易市场中往往掌握更多的专利资源。当企业拥有较强的技术创新能力时,其创新成果更能实现工业化生产或商业化交易,否则将无法补偿研发成本[26],尤其是对于拥有大量专利的专利权人而言,申请、维护专利权成本高昂,会消耗企业巨大的人力和物力成本,并且部分专利价值会随时间延长而不断下降,此时通过专利交易获取转让费用成为一种有效的处理方式。另外,为获取更多创新资源,具有较强吸收能力的企业可从外部购买异质性技术来提升自身实力。现有研究表明,拥有较强技术创新能力的企业在识别和吸收外部关键知识方面效率更高,更有利于提高企业创新绩效(朱向琳等,2020)。可见,具有较强技术创新能力的企业可通过购买专利拓展企业知识宽度,弥补企业技术空缺,实现“强者更强”的发展目标。
与合作不同,专利技术交易通过买卖方式掌握某项技术知识所有权,因此不同技术交易主体会提高技术交易兼容性,使受让主体通过模仿实现深度学习,从而提升技术知识使用价值及经验水平。据此,本文提出如下假设:
H6a:技术创新能力强的主体更倾向于专利转让。
H6b:技术创新能力强的主体更倾向于专利受让。
H6c:技术创新能力差距越小的专利主体越容易发生专利技术交易行为。
1.2.2 行动者趋同性
除上述行动者属性特征外,行动者趋同性和趋异性也会影响技术交易关系的达成。行动者冲突在很大程度上由行动者特征不相容引致[27],两个相似的人之间建立联系的概率比两个没有相似点的人高很多。基于此,本文认为具有同质属性的专利供需双方更容易建立联系,因此重点考察国别及企业集团两个因素对专利转让与受让的影响。
(1)国别。随着经济全球化的飞速发展,科技全球化应运而生,各国对于提升本国科技成果转化率的要求越来越迫切。互联网技术发展为跨国专利转让行为提供了快捷的技术支持,跨国公司为跨国专利转让行为提供了坚实的载体。这促使专利转让不再仅局限于某一国家内部专利技术交易,跨国专利转让更加重要。然而,跨国专利转让并非绝对的自由行为,其可能会受到各国政策限制[20];而且,集成电路专利是关乎国家发展的重要技术,从国家战略视角看,集成电路产业专利转让行为会先发生在同一国家内部。据此,本文提出如下假设:
H7:相同国家主体更倾向于进行专利转让与受让。
(2)企业集团。共生理论(Symbiosis)描述了市场运行中各主体间相互合作与竞争的规律。近年来, 共生理论的应用逐渐从工业生态领域扩展到企业集团网络。相关研究发现,企业集团网络存在共生组织模式和行为模式,表现为内部成员常进行信息交流、技术交换和物质联系,形成以企业集团为载体的内部关系[21]。在进行专利技术交易时,这种内部关系能够有效降低专利交易成本,同时也有利于隐性知识扩散,促进企业集团内部各类技术均衡发展,并减少核心技术外溢风险。据此,本文提出如下假设:
H8:企业集团内部各主体更倾向于进行专利转让与受让。
综上所述,本文构建理论模型,如图1所示。
图1 理论模型
Fig.1 Theoretical model
本文以我国集成电路产业专利技术交易数据为基础构建专利转让与受让行为分析模型,借助随机行动者模型Siena建模并进行实证检验,研究框架如图2所示。
图2 研究框架
Fig.2 Research framework
本文数据来源于Incopat全球专利数据库。首先,通过阅读大量集成电路产业相关文献、政府报告、专利及技术报告采集数据,确定检索表达式为:(TIAB=(“集成电路”) OR TIAB=(“微电路”) OR TIAB=(“微芯片”) AND (PD=[20020101 to 20191231])),筛选公开法律事件中包含“转让”事件的专利,得到集成电路产业相关技术交易数据,共计9 026条专利数据信息;其次,抽取的专利信息包括专利转让主体、受让主体、转让日期、所属国别、成立年份,根据专利权人信息,通过企查查数据库、企业官方网站和二手资料等多种渠道查询对外投资子公司的基本信息,对相关企业集团进行梳理。再次,基于He等[3]对单次转让记录中多主体拆分规则的分析,借助Python工具对专利转让人与受让人进行识别和拆分,并删除以个人为主体进行专利交易的技术交易数据和重复交易数据,具体规则如表1所示。在表1中,A、B、C表示技术交易主体,“→”表示技术交易方向。
表1 单次转让记录中多主体拆分规则
Table 1 Rules for multi-agent split in single transfer records
转让类型A→ABAB→AAB→CAB→ABCA→BC识别规则A→BB→AA→C、B→CA→B、B→C
专利转让和受让行为形成技术交易网络,技术交易网络结构反过来也会影响专利转让与受让者行为。为刻画行动者属性和网络结构特征对交易转让与受让关系的影响,本文引入Siena模型,该模型是为分析动态网络演化而设计的估计模型,通过整合网络节点外生属性和内生结构特征,运用蒙特卡洛算法,模拟网络如何从一种状态演化为另一种状态,并估计所选指标的参数值,是当前探究网络动力学的最优工具[28]。与传统实证研究方法相比,其能够引入更多隐藏在网络中的内生结构因素,因此更适用于网络关系实证研究。目前,已有学者利用Siena对网络关系演化进行实证研究。如Mirc等[29]运用Siena模型,探究收购公司与被收购公司员工向他人寻求建议的4个微观过程;Liang等[11]借助Siena模型,研究2003—2013年由政府赞助的中国太阳能技术发展协作网络结构效应和属性邻近性效应演变过程;Lazzeretti等[30]利用Siena模型研究各种邻近性对集群创新网络动态演化所发挥的作用。可见,借助Siena模型开展实证研究已成为新趋势。
Siena模型从网络微观层面入手,用实际网络拟合网络生长过程,将行动者看作网络中的节点,将连接各节点的边看作行动者之间的相互关系,将网络演化看作是行动者新建、保持或者终止与其他行动者边的过程,并为每个行动者定义了目标效用函数,代表网络节点发生变化的概率(节点行为规则)。目标效用函数是一组效果的加权综合,具体如公式(1)所示。
(1)
式(1)中,fi(β,x)表示行动者i的目标函数值,βk表示效应sik(x)强度的统计参数。sik(x)是基于理论和实际选择的一系列网络效应(Effect)和行为协变量(Covariate),包括个体协变量和二元协变量效应。若βk=0,无影响;若βk为正,表示影响效果更强;若βk为负,则表示结论相反。
基于此,本文运用Siena模型构建行为框架,从网络结构、行动者属性两个方面加入相关协变量。其中,网络结构变量利用“RSiena”软件包中相应变量自动估值计算;行动者属性变量采用等级赋分法,按照表中相关测量方法对各技术交易主体进行测算,根据数据整体分布情况制定类别标准,并按照各主体所属类别等级分派数字,数字范围为0～6共7级,数值越大说明等级越高;行动者趋同性变量用二元矩阵形式呈现,若两个技术交易主体具有相同属性则赋值为1,否则为0。上述变量空缺数据均以空值“NA”表示,具体协变量选取与测度方法如表2、表3所示。
表2 网络结构变量选取与测度方法
Table 2 Selection and measurement method of network variables
变量名称变量名称假设测量方式公式 注释描述网络效应互惠性 H1互惠关系数量sneti2x =∑jxijxji表示节点i、j间的往复关系互惠关系倾向传递性 H2三元组数量 sneti3x =∑j,hxijxihxhj表示当节点j、h与节点i存在联系时,节点j与h也存在联系倾向于与交易伙伴的伙伴进行交易择优连接H3变更程度 sneti4x =∑jxijx+j=∑jxij∑hxhj当节点i指向节点j时,其它节点指向节点j的数量的平方根之和倾向于与多次受让企业进行交易
表3 行动者属性变量选取与测度方法
Table 3 Selection and measurement methods of actor variables
变量名称 变量名称假设测量方式描述 行动者属性发送者效应—企业年龄H4a企业成立年份企业年龄对转让行为的影响接受者效应—企业年龄H4b企业年龄对受让行为的影响发送者效应—结构洞H5约束性结构洞占据结构洞数量对转让行为的影响发送者效应—创新能力H6a专利申请数量创新能力对转让行为的影响接受者效应—创新能力H6b创新能力对受让行为的影响趋同性—创新能力H6c倾向根据是否创新能力相似选择交易对象行动者趋同性趋同性—国别H7所在国家倾向根据是否国别相同选择交易对象趋同性—企业集团H8企业所有权倾向根据是否相同企业集团选择交易对象
3.1.1 专利技术交易数量变化特征
我国集成电路产业发展与国家战略政策息息相关。2001年10月1日起,我国开始实施《集成电路布图设计保护条例》,在保护集成电路布图设计专有权的同时,鼓励集成电路技术创新;2001年,我国正式加入WTO,我国集成电路市场与国际市场融为一体,打通了我国集成电路产业对外贸易渠道;2011年1月28日,国务院颁布《进一步鼓励软件产业和集成电路产业发展的若干政策》,为进一步优化软件产业和集成电路产业发展环境,提高产业发展质量和水平奠定了重要基础。基于此,本文结合我国产业政策及战略布局,将集成电路产业技术交易划分为两个阶段:萌芽阶段(2002-2010年)、成长阶段(2011-2019年)。
我国集成电路产业专利转让数量整体呈波动上升趋势,如图3所示。在萌芽阶段,转让数量从2002年的13件增至2010年的576件,但与成长阶段相比,该阶段集成电路产业专利转让数量处于较低水平;而从2011年起,随着产业步入成长期,专利转让数量明显提升,从2011年的463件增至2019年的952件,越来越多的行动者投身于该产业专利技术交易,集成电路产业逐渐进入专利转让活跃期。
图3 2002-2019年集成电路产业专利转让数量
Fig.3 Quantities of patent assignments in IC industry from 2002-2019
3.1.2 专利技术交易网络演化特征
本文进一步对两阶段专利技术交易网络进行可视化分析,并对整体网络指标进行测算,结果如图4、表4所示。在可视化网络中,各节点(行动者)表示不同专利技术交易主体,节点之间的连线(边)表示主体间的交易关系。节点半径越大,表明节点度越大,即专利主体承载的专利技术交易关系越多。
表4 两阶段专利技术交易网络指标分析
Table 4 Analysis of patent technology trading network indicators in two stages
阶段交易主体数/节点数交易规模/边数转让主体数量/出度节点数量受让主体数量/入度节点数量网络直径平均路径长度平均聚类系数模块化萌芽阶段(2002-2010年)66755137433241.3330.0430.882成长阶段(2011-2019年)2 4321 8661 2971 23241.2770.0260.951
图4 两阶段专利技术交易网络可视化
Fig.4 Visualization of two stages of patent technology trading networks
本文通过分析两阶段技术交易网络结构特征指标发现:
(1)从网络结构看,专利技术交易主体多为单向箭头连接关系,随着产业不断发展,技术交易网络节点数和边数明显增多,产业技术交易网络规模不断扩大,网络结构日益复杂。这表明,我国集成电路产业以单向交易为主,相关市场需求不断增多,越来越多的企业进入该产业进行专利技术交易,专利技术交易规模呈扩大趋势。
(2)与萌芽阶段相比,成长阶段网络传输效率虽然有所提升,但仍处于较低水平。网络直径和平均路径长度可用以衡量网络节点间的最远距离和信息传递有效性[31]。在两个阶段中,网络直径与平均路径长度总体变化不大,网络直径始终为4,平均路径长度从1.333下降至1.277。这表明,随着产业不断发展,信息网络传输有效性虽有所提升,但网络信息传输速度无明显改变,信息流通耗费节点较多能量,导致技术知识转移困难。
(3)萌芽阶段技术交易网络形成的锁定效应,在成长阶段有所缓解。平均聚类系数用以衡量网络节点与邻居节点间的紧密程度。在集成电路产业技术交易网络中,平均聚类系数由萌芽阶段的0.043下降至成长阶段的0.026。这表明,随着集成电路产业从萌芽阶段过渡至成长阶段,网络节点间的紧密性明显下降,节点更多呈现分散特征,锁定效应减弱。
(4)网络组织社团化特征明显,技术交易社团呈现扩张态势且社团紧密程度不断提高。在集成电路产业萌芽阶段,专利技术交易网络模块化值为0.882,接近1,表明网络社团化空间结构显著,随着集成电路产业步入成长阶段,这一数值继续提升至0.951,表明社团组织稳定性进一步提升。结合网络结构可视化分析发现,核心社团节点数量明显增加,社团规模扩大,以核心节点为主的领导型社团特征开始显现。
为进一步探究影响集成电路产业技术交易关系形成和演化的因素以及两阶段技术交易主体行为机制异同,本文借助Siena模型,从动态视角分析驱动技术交易网络从萌芽状态发展到成长状态的组织行为机制。
由于集成电路产业技术交易主体数量较多,且多数主体仅在单一时间段内拥有少量交易,不利于后续行为影响因素分析。现有研究表明,核心节点能够统筹非核心节点模态,因而更具有代表性(孙国强,2021)。因此,本文根据各阶段专利技术交易主体交易频次,筛选各阶段专利技术交易主体作为两阶段核心节点,分别为63个和94个,其技术交易关系占总关系的44%以上。同时,基于3年时间移动窗口,将各阶段技术交易网络划分为3个时间序列,如萌芽阶段:(2002-2004年、2005-2007年、2008-2010年),根据上文确定的指标测度方式,挖掘各阶段专利转让与受让行为影响因素并进行比较分析。
3.2.1 有效性检验
本文借助RSiena软件包中的GOF检验,利用拟合优度p值对萌芽阶段和成长阶段模型有效性进行检验。结果发现,萌芽阶段拟合优度p值为0.401,成长阶段拟合优度p值为0.644,两个阶段检验p值均高于0.05。这表明,将上文确定的网络结构和个体属性指标纳入模型,所得网络与实际观察网络偏差较小,模型能够很好地描述现实网络变化,结果比较稳健,可用于行为演化分析。
3.2.2 结果分析
本文基于网络效应中的互惠性、传递性、择优连接以及行动者效应中的企业年龄属性、结构洞属性、创新能力属性、国别属性、企业集团属性,分别对两阶段共6个时期构建Siena模型,从发送者效应、接受者效应和趋同性3个方面对网络动态演化过程进行统计分析,研究专利转让与受让行为影响因素,结果如表5所示。
表5 基于Siena的专利转让与受让行为网络模型
Table 5 Siena model of the behavior of patent assignors and assignees
变量参数估计值萌芽阶段(2002-2010年)参数t比率成长阶段(2011-2019年)参数t比率演化速率第1～2时期1.979**(0.519)1.345***(0.331)第2～3时期2.054***(0.466)2.940***(0.679)网络效应度数-6.577***(0.626)-0.035-6.456***(0.575)0.017互惠性-0.907(1.364)0.051-2.073(1.459)-0.001传递性1.541**(0.638)0.0042.414***(0.697)-0.018择优连接1.320***(0.358)0.0270.875**(0.374)0.012行动者属性发送者效应—企业年龄-0.188(0.163)-0.0250.497***(0.116)-0.063接受者效应—企业年龄-0.094(0.112)-0.030-0.390***(0.106)-0.023发送者效应—结构洞-0.082(0.379)-0.0350.564**(0.253)-0.035发送者效应—创新能力0.716***(0.141)0.0270.350*(0.189)0.014接受者效应—创新能力-0.114(0.113)-0.030-0.153(0.145)0.018趋同性—新能力1.993**(0.918)0.0242.032**(0.855)-0.024趋同性—国别2.181***(0.344)-0.0091.491***(0.286)0.040趋同性—业集团2.254***(0.409)-0.0323.480***(0.391)0.025总体最大t比率0.1620.107迭代次数3 0103 060
注：***、**、*分别表示在1%、5%、10%置信水平下显著,括号内数值为标准误差
两个阶段专利转让与受让行为网络模型分别在经历3 010次和3 060次迭代后显示出良好的收敛性,所有参数t比率均小于(模型规定)0.1,两阶段总体最大t比率分别为0.162和0.107,小于模型规定的0.25。因此,Siena模型可用于专利转让与受让行为影响因素分析。
网络演化速率参数用来计算样本期间内已创建或溶解的连接数,表明行动者在样本期间形成新关系的概率,是度量网络稳定性变化的重要方式[30]。由表5可知,两个阶段4个时期网络演化速率值为正并在1%置信水平下显著,数值介于1.345～2.940之间,变化幅度较大,说明集成电路产业专利技术交易网络不稳定。具体而言,成长阶段第2个时期即2014-2016年至2017-2019年网络演化速率最快为2.940,说明该段时期每个行动者之间建立的联系最频繁,主体间技术交易意愿最大,知识转移最多。
3.4.1 网络效应对转让与受让行为的影响
度数是Siena模型的基准参数,表示行动者倾向于与网络中其他人建立联系的趋势。在两阶段中,度数参数始终显著为负,说明集成电路产业技术交易网络稀疏,演化虽然带来行动者数量增加,但行动者更倾向于与现有伙伴进行专利技术交易。
互惠性参数是互易效应的体现,参数数值为正表示如果存在节点到节点之间的联系,那么将会促进相反方向连接。由表5可知,互惠性参数在两个阶段均为负且不显著,说明在技术交易网络中核心行动者之间不存在显著互惠交易关系,假设H1未得证。
传递性参数计算的是核心行动者在两个或多个路径距离(k≥2)处可到达的网络其他行动者的数量,体现核心行动者的人际关系。在表5中,传递性参数均为正,作用效果及显著性水平随时间推移而显著。这表明,传递关系在集成电路产业不同阶段均会带来积极影响,且其作为网络演化动力学驱动因素越来越重要,行动者越来越愿意与伙伴的伙伴进行专利技术交易,因此假设H2得以验证。
本文采用择优连接参数衡量行动者入度度数分散趋势,表5中两阶段参数均显著为正,说明多次进行专利受让行为的核心行动者因当前高入度而倾向于吸引额外行动者进行专利转让,因此假设H3得以验证。同时,随着时间推移,该参数值及显著性水平有所下降,这与决策期望理论相符[29],即随着时间推移,决策者会减少对最受欢迎的个人的咨询需求,转向那些以最低成本提供知识收益的个人寻求意见。因此,择优连接趋势将显著下降。
3.4.2 行动者效应对转让与受让行为的影响
(1)企业年龄。发送者效应和接受者效应在集成电路产业萌芽阶段均为负且数值接近于0,因为在产业初期,各企业成立时间较短,仍处于探索阶段,没有明显的龙头企业和权威组织,专利转让与受让行为受声誉影响较小。同时,由于缺乏信任,企业不愿意进行技术交易。因此,企业年龄对专利转让与受让行为无明显影响。但随着产业进入成长阶段,企业年龄对专利转让与受让行为的影响作用开始凸显,发送者效应显著为正、接受者效应显著为负,表明产业内成熟企业倾向于专利转让,初创企业倾向于专利受让。这表明,随着时间推移,产业内成熟企业得到更多认可,同时也积累了更多资源,拓展专利认可交易渠道,因此更倾向于进行专利转让,假设H4a得到验证。与此同时,在产业高速成长期,初创企业由于缺乏经验以及受研发资金限制,为保持核心竞争力,更愿意进行专利受让,假设H4b得到验证。
(2)结构洞。发送者效应在产业萌芽阶段数值接近于0且不显著,表明占据结构洞优势的行动者对专利转让与受让行为无明显影响。这是因为在产业发展初期,产业知识和技术尚不成熟,大量行动者的涌入使知识和技术呈现多样化特征,而占据多个结构洞位置的核心行动者由于吸收能力有限难以消化大量多样化信息[32],从而会抵消结构洞位置所带来的信息优势。在成长阶段,结构洞参数显著为正,表明随着时间推移,处于高结构洞位置的核心行动者因拥有信息和资源优势,更易获得行动者认可,更倾向于进行专利转让。因此,假设H5得到验证。
(3)创新能力。接受者效应系数在两阶段均为负但不显著,说明创新能力较弱的主体更倾向于进行专利受让,但这种趋势不明显,假设H6b未得到验证。发送者效应系数在两阶段均显著为正,但数值呈下降趋势,说明技术创新能力强的核心行动者更愿意进行专利转让,但随着时间推移这种意愿不断下降,假设H6a得以验证。趋同性系数在两个阶段均显著为正,数值不断增大,说明技术创新能力差距越小的核心行动者越容易发生专利技术交易行为,假设H6c得以验证。结合发送者效应与趋同性参数变化规律可以看出,随着时间推移,核心行动者的技术交易行为更倾向于对技术创新能力强的行动者转让并对与自身实力相似的行动者进行专利转让与受让。这表明,核心行动者进行专利交易的目的从获取收益和技术逐渐转变为追求经济利益最大化,尽可能从相似创新主体处汲取技术和经验,以缩小竞争差距。
(4)国别。趋同性系数在两个阶段中显著为正,表明国别属性对于专利技术交易网络演化具有积极影响。在不同阶段,基于距离成本和技术保护政策考虑,专利主体更倾向于选择同一国别内其他专利主体进行交易,以提高知识转移效率,假设H7得到验证。
(5)企业集团。趋同性系数在两个阶段均显著为正,表明核心行动者更倾向于优先选择与自己公司存在控制关系的子母公司进行技术交易,以减少知识外溢,假设H8得到验证。
本文将集成电路产业发展划分为萌芽阶段(2002-2010年)和成长阶段(2011-2019年),按照3年移动窗口构建网络,对各阶段专利转让与受让行为影响因素进行研究,得出如下研究结论:
(1)专利技术交易主体以单向交易为主,随着集成电路产业从萌芽阶段步入成长阶段,产业技术交易主体数量虽然有所增加,网络规模不断扩大,网络传输效率有所提升,但仍处于较低水平,初期形成的锁定效应在成长阶段得到明显缓解。技术交易网络组织社团化特征明显,技术交易社团规模呈现扩张态势且社团紧密程度不断提高。
(2)集成电路产业专利技术交易网络不稳定,且变化幅度较大。其中,在“十三五”规划和政策扶持下,集成电路产业成长阶段第2个时期(2014-2016年至2017-2019年)网络演化速率最快,交易最频繁。
(3)通过分析网络效应对专利转让与受让行为的影响发现,两个阶段作用效果无明显变化,企业在选择技术交易伙伴时更愿意与伙伴的伙伴进行专利技术交易。同时,受让行为频繁的企业更倾向与更多行动者进行专利转让,企业间不存在明显的互惠交易关系。
(4)通过分析行动者效应对专利转让与受让行为的影响发现,随着产业进入成长阶段,成熟企业更倾向于专利转让,初创企业更倾向于专利受让,占据较多结构洞位置的企业,倾向于发生专利转让行为;创新能力较弱的企业更倾向于进行专利受让,但不明显;技术创新能力强的企业更愿意进行专利转让,但随着时间推移意愿有所下降;技术创新能力差距小的企业更容易发生专利技术交易;企业在寻找交易对象时更倾向于选择同一国别或同一企业集团内的伙伴进行专利技术交易。
(1)企业集团内更容易发生专利技术交易行为,这有可能导致专利技术交易网络马太效应,形成技术锁定,抑制主体间知识流动,从而影响整个产业科技成果转化效率。为促进产业转型升级,提升创新效率,政府应扶植多主体参与新型研发机构,建立产业内部企业和企业、企业和科研机构以及企业和中介服务机构之间的联系,为企业集团提供互补信息和资源,同时促进集团内部技术交易和推广,带动整体产业升级。
(2)由于集成电路产业专利技术具有通用性和复杂性特点,使技术交易主体不愿寻找新技术交易伙伴而更愿意与伙伴的伙伴建立联系,以减少信息不对称带来的交易风险。为突破这一瓶颈,政府应完善技术交易平台,举办相关论坛和交流活动,为企业提供广泛获取专利技术交易信息的机会,同时避免信息不对称风险,提高专利技术主体积极性,促进技术交易网络可持续发展。
(3)当前集成电路产业专利技术交易正处于高速成长期,伴随着产业内企业数量的不断增加,大量专利涌入技术交易市场,为降低专利转让与受让过程中的道德风险和逆向选择风险,各级政府应健全专利技术交易法律法规体系,建立基于区块链技术的技术交易联盟链,鼓励交易主体和交易技术上链,借助智能合约和共识机制约束企业交易行为,完善技术交易信任机制。
[1] FIGUEROA N,SERRANO C J.Patent trading flows of small and large firms[J]. Research Policy, 2019,48(7):1601-1616.
[2] 曾婧婧, 温永林, 毕超. 高校技术转移与企业技术转移对区域创新能力的差异性贡献——技术转移中心的调节作用[J]. 科技进步与对策, 2020,37(6):84-91.
[3] HE X J,DONG Y,ZHEN Z,et al. Weighted meta paths and networking embedding for patent technology trade recommendations among subjects[J]. Knowledge-Based Systems, 2019,184(15):104891-104899.
[4] BAHMANI M,MEHDI N. Trade-based technology transfer and its impact on the Iranian economy: using a CGE model[J]. Iranian Economic Review, 2015,19(1):107-122.
[5] 任龙, 姜学民, 傅晓晓. 基于专利权转移的中国区域技术流动网络研究[J]. 科学学研究, 2016,34(7):993-1004.
[6] CAVIGGIOLI F, UGHETTO E. The drivers of patent transactions: corporate views on the market for patents[J]. R&D Management, 2013,43(4):318-332.
[7] LIAN X, GUO Y, SU J. Technology stocks: a study on the characteristics that help transfer public research to industry[J]. Research Policy, 2021,50(10):104361.
[8] CASTRO I, CASANUEVA C, GALáN J L. Dynamic evolution of alliance portfolios[J]. European Management Journal, 2014,32(3):423-433.
[9] AHUJA G, SODA G, ZAHEER A. The genesis and dynamics of organizational networks[J]. Organization Science, 2012,23(4):1211.
[10] 林昭文, 张同健, 蒲勇健. 基于互惠动机的个体间隐性知识转移研究[J]. 科研管理, 2008,29(4):28-33.
[11] LIANG X, LIU A M M. The evolution of government sponsored collaboration network and its impact on innovation: a bibliometric analysis in the Chinese solar PV sector[J]. Research Policy, 2018,47(7):1295-1308.
[12] SUN Y T, LIU K. Proximity effect, preferential attachment and path dependence in inter-regional network: a case of China's technology transaction[J]. Scientometrics, 2016,108(1):201-220.
[13] 赵健, 尤建新, 张同建, 等. 互惠性视角下的知识型企业知识转化机制[J]. 同济大学学报(自然科学版), 2011,39(2):304-308.
[14] AHUJA G, SODA G, ZAHEER A. Introduction to the special issue: the genesis and dynamics of organizational networks[J]. Organization Science, 2012,23(2):434-448.
[15] WANG Z Z, ZHU J. Homophily versus preferential attachment: evolutionary mechanisms of scientific collaboration networks[J]. International Journal of Modern Physics C, 2014,25(5):1440014.
[16] SEBESTYEN T, VARGA A. Research productivity and the quality of interregional knowledge networks[J]. Annals of Regional Science, 2013,51(1):155-189.
[17] 韩炜, 杨俊, 陈逢文, 等. 创业企业如何构建联结组合提升绩效——基于“结构—资源”互动过程的案例研究[J]. 管理世界, 2017,33(10):130-149.
[18] 喻金田, 胡春华. 技术联盟协同创新的合作伙伴选择研究[J]. 科学管理研究, 2015,33(1):13-16.
[19] 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.
[20] 谢建国. 市场竞争、东道国引资政策与跨国公司的技术转移[J]. 经济研究, 2007,53(6):87-97.
[21] 朱娜娜, 赵红岩, 谢敏. 基于共生理论下的子母公司合作关系与绩效表现的实证研究——来自上市公司与跨国公司的经验证据[J]. 预测, 2017,36(5):76-80.
[22] 赵超, 王铁男. 伙伴年龄非对称性对企业战略联盟价值的影响[J]. 管理评论, 2019,31(11):183-194.
[23] HIGGINS G M C. Which ties matter when? the contingent effects of interorganizational partnerships on IPO success[J]. Strategic Management Journal, 2003,24(2):127-144.
[24] 伊惠芳, 吴红. 多级需求分析视域下高校专利转移对象识别研究——以石墨烯为例[J]. 图书情报工作, 2020,64(12):118-126.
[25] LAZEGA E, BURT R S. Structural holes: the social structure of competition[J]. Revue Francaise de Sociologie, 1995,36(4):779.
[26] SUN Y T, GRIMES S. The actors and relations in evolving networks: the determinants of inter-regional technology transaction in China[J]. Technological Forecasting and Social Change, 2017,125:125-136.
[27] LAVIE D, MILLER S R. Alliance portfolio internationalization and firm performance[J]. Social Science Electronic Publishing, 2008,19(4):623-646.
[28] SNIJDERS T, BUNT G, STEGLICH C. Introduction to stochastic actor-based models for network dynamics[J]. Social Networks, 2010,32(1):44-60.
[29] MIRC N, PARKER A. If you do not know who knows what: advice seeking under changing conditions of uncertainty after an acquisition[J]. Social Networks, 2020,61(8):53-66.
[30] LAZZERETTI L, CAPONE F. How proximity matters in innovation networks dynamics along the cluster evolution. a study of the high technology applied to cultural goods[J]. Journal of Business Research, 2016,69(12):5855-5865.
[31] WATTS D J, STROGATZ S H. Collective dynamics of 'small-world' networks[J]. Nature, 1998,393(6684):440-442.
[32] 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.