近年来，习近平总书记高度重视创新驱动发展，强调创新始终是引领发展的第一动力，必须把创新摆在国家发展全局的核心位置。在创新驱动发展战略的引领下，我国的经济发展已取得诸多成就。

十九大报告指出，我国经济建设进入高质量发展阶段，创新步伐不断加快，合作创新成为一种重要创新模式，合作创新网络也成为创新主体保持竞争优势的重要手段。^[1]在合作创新网络中，创新主体间合作能够充分利用网络的沟通功能与碰撞效应激发出大量的创新，进而加速成果的转化和创新能力的提升。^[2]在区分不同主体间合作的方式中，应用较为广泛的是由团队边界作为划分依据，将其分为团队内合作和团队间合作。随着我国市场竞争加剧，相对于团队间合作，成员间更倾向于同一团队内的交流，^[3]这在某种程度上分割了市场，影响了创新要素的配置，^[4]在合作创新网络中，市场分割的原因被解释为自演化过程中基于互惠性关系的网络成员间的相互选择。^[5]学界发现，相较于团队内合作，团队间的合作行为会提高整体网络的聚合性，促进成员跨越团队的信息交流、知识共享，从而对整体网络创新绩效产生更为深远的影响。^[6]因此，全面了解团队间合作行为的特点对于提升创新能力具有重要意义。从以往研究来看，学者们的研究多集中在团队间合作的后效，即其对创新绩效的影响，^[7]较少有学者研究团队间合作的前因。在仅有的团队间合作前因研究中，基于宏观层面研究的居多，^[8-9]鲜有从网络结构层面探究团队间合作的动因，这对于全面揭示团队间合作的特点是不利的。与此同时，随着海洋的战略地位及其经济价值逐渐升温，提高海洋产业创新绩效已成为我国当前面临的重大课题。作为国家十大重点产业之一，船舶产业在海洋创新中占据极为重要的战略位置。在船舶产业的合作创新研究中，由于产业特点对地理条件要求较为特殊，^[10]学者们多基于地理位置研究产业内团队间合作，^[11]较少有从网络层面研究船舶产业内的团队间合作，这对于全面提升船舶产业的创新产出是不利的。

综上，本文基于合作创新网络视角，选取国家重点产业信息平台中船舶产业专利数据为样本，从网络结构层面入手，深入探究不同因素对团队间合作的影响机制，为合作创新网络领域的研究提供新思路，对提升我国合作网络的创新能力、提高我国船舶产业的创新产出具有一定的指导意义。

一、文献综述

有学者发现，网络在演化过程中会形成边缘结构，而不是形成高密度。^[12]由于边缘结构的作用，网络内会出现多个介于宏观层面的整体网络和微观层面的个体网络间的中观网络结构。^[13]目前，学界对于此类中观网络结构的概念并不统一，比如团队、派系、模块等，^[14-15]基于团队的概念在学界已经得到广泛应用及认可，^[16]本文在研究时采用团队的概念。

在合作创新网络中，团队的产生十分普遍，^[17-18]其能为团队内成员提供更多交流、沟通的机会，使得成员乐于向彼此提供更多的帮助与支持。^[19]密切的团队内合作会使网络内形成多个局部联系紧密的子网络，^[20-21]即不同的团队。有学者认为不同团队之间存在连接作用的节点极少，交流及创新也主要发生在各个团队内部而非团队间，^{[3, 6]}这会对合作创新网络的创新能力产生影响。^[22]早期学者认为团队内的密切合作会导致同一团队的聚合性和嵌人性升高，促进团队内成员的知识流动，进而收获比团队外更高的创新产出，^[23-24]但随着学界不断深入研究，学者们发现跨越团队边界合作能够帮助不同团队成员间搭建良好的信任桥梁，以良好的基础进行知识共享，对整体网络的创新能力具有更强的促进作用。^[25]

纵观已有研究，相比于团队内合作，团队间合作对于提高整体网络创新绩效而言发挥更为关键的作用。学界已大致梳理出团队间合作与创新绩效的关系，^[7]但团队间合作形成的动因并不清晰。^[26]在现有研究中，成泷和党兴华发现社会属性的高聚合程度会阻碍团队间合作发展，^[9]赵炎和姚芳发现网络规模、网络密度会负向影响团队间合作；^[11]在基于船舶产业的研究中，学者们从地理位置、政府政策、经济环境等方面研究船舶产业内团队间合作，^[27-29]发现在船舶产业内合作演化过程中，普遍存在龙头企业与中小企业并存的现象，^[30]与此同时，合作创新网络内存在的“明星”创新主体以及网络内的信息冗余程度逐渐被学界所重视。综上，本文将以“明星”创新主体为自变量，代表船舶产业内的龙头企业，以信息冗余程度为调节变量，代表船舶产业内的资源冗余程度，其中，采用中心势衡量“明星”创新主体的存在程度，采用聚集系数衡量信息冗余程度，以网络规模、网络内的连接程度作为控制变量，共同探究在合作创新网络内其对于团队间合作的影响，填补基于网络结构层面对团队间合作动因研究的空白，进一步揭示船舶产业内团队间合作形成特点。

二、理论依据与研究假设 (一) 中心势与团队间合作

网络中心势(NetworkCentralization)是对网络内个体中心性的延伸，它描述了一个网络集中在某些“明星”成员周围的程度，这些“明星”成员与其他成员存在高质量的密切联系；^[31]它还描述了网络内具有最高中心性的明星成员如何与其他具备次中心性的明星成员间进行关联。^[32]假设一个极端的例子，在合作创新网络内只存在一个明星成员，那么按照中心势的描述推测，网络内其他成员会不约而同地围绕在唯一的明星成员周围，网络内会呈现出所有团队融合为一体的状态。由此推断，中心势与团队间合作可能存在一定关系。

作为一个整体层次的概念，网络中心势主要分为程度中心势、中介中心势和接近中心势。由于接近中心势在分析时要求较高的网络连接性及较大的网络密度，^[33]但本研究采用的合作创新网络通常有稀疏的连接。因此，本研究仅探讨程度中心势、中介中心势与团队间合作的关系。

1、程度中心势与团队间合作

程度中心势(DegreeCentralization)是对网络中连接分布差异程度和网络集中趋势的描述，^[34]即整个网络的内聚性在多大程度上围绕某些特定的点。程度中心性是指网络中的一个节点拥有的直接联结的数量。^[35]网络的程度中心势越高，意味着网络中成员之间程度中心性差异越明显，^[36]即存在具有较高程度中心性的明星成员的程度较大。相比处于低程度中心性地位的边缘人物而言，处于高程度中心性地位的明星成员会更为频繁地与其他成员联系。^[37]随着高频率的信息交互，不同团队中的明星成员可能会形成认知捷径，在彼此观点和意见方面倾向于保持一致，^[38]随着不同明星成员的异质性大大降低，团队间的边界感会被逐渐削弱，不同团队趋于融合。因此，本文提出如下假设：

H1：在合作创新网络中，程度中心势会对团队间合作产生正向影响。

2、中介中心势与团队间合作

在合作创新网络中，中介中心势(BetweennessCentralization)是指网络中核心节点对非核心节点的控制能力，即网络围绕核心节点的聚集程度。^[39]中介中心性反映的是主体在网络中作为其他两位成员间媒介者的地位，拥有越高中介中心性代表着主体占据这样的桥梁位置越多，有更多成员需要通过该主体与其他成员进行联系。网络中的中介中心势越高，意味着中介中心性的离散程度越大，即网络内存在具有较高中介中心性的明星成员的程度较大，二者之间会建立一种强关系。^[40]随着强关系的产生，低中介中心性的非明星成员会主动围绕在高中介中心性的明星成员周围，由于中介中心势较高，不同团队的高中介中心性明星成员间可能会进行密切交流，从而增强全局网络的联系，表现为网络内的团队边界会逐渐淡化，团队内与团队外的连接越来越频繁。因此，本文提出如下假设：

H2：在合作创新网络中，中介中心势会对团队间合作产生正向影响。

(二) 聚集系数的调节作用

聚集系数(ClusteringCoefficient)是表示一个图中结点聚集程度的系数。Watts和Strogatz认为一个结点的聚集系数反映了它与邻居之间互相连接的程度，整体网络的聚集系数是所有结点的局部集聚系数的均值，^[41]即平均聚集系数。在合作创新网络中，较高的平均聚集系数意味着网络内信息冗余程度高，成员信息渠道多，与其他成员合作的成本高，即便是处于结构优势的核心成员也会由此陷入无效的合作关系中，^[42]这在一定程度上降低了成员间合作的意愿与动机。^[43]另外，有学者发现诸多模块结构嵌入在具备较高平均聚集系数的网络中，^[44]且模块结构内的成员间拥有较小的平均距离，即成员间倾向于模块结构内密切交流。由此推断，本研究猜测平均聚集系数在团队间合作的演化过程中可能发挥一定的负向调节作用，提出假设：

H3a：在合作创新网络中，平均聚集系数会负向调节程度中心势对团队间合作产生的正向影响。

H3b：在合作创新网络中，平均聚集系数会负向调节中介中心势对团队间合作产生的正向影响。

三、实证分析 (一) 数据来源

近年来，海洋的战略地位及其经济价值逐渐升温。作为海洋大国，如何高效发展海洋经济、发挥海洋创新的带动作用始终是我国当前面临的重大课题。^[45]船舶产业作为国家十大重点产业之一，在主要海洋产业中占据极为重要的战略位置。^[46]基于此，本研究依托于国家重点产业平台(http://www.chinaip.com.cn)，以船舶产业为对象，利用船舶产业内联合申请专利构建合作创新网络。已知船舶产业包括船体结构、船舶动力装置、船舶设备、信号或照明设备、航海仪器或导航、船舶辅助设备、船舶防御攻击设备、渔业船舶、海洋工程设备和专业工程船十大子产业，本研究以此为网络边界构建合作创新网络。初步的数据筛选和处理如下：

(1) 国家重点产业平台内船舶产业的十个子产业的专利文摘均以发明专利、实用新型、外观设计、发明授权四类列示，由于发明专利与发明授权间存在专利重合，且发明授权属于发明专利的子集，因此剔除发明授权类别，选取十个子产业内申请的其他三类中国专利文摘；(2)考虑到船舶产业在2000年前处于产业技术缓慢发展阶段，专利申请数量较少，^[47]且2000年后，船舶产业产业进入技术研发高峰，专利申请量呈现逐年递增，更具代表性。故提取申请日处于2000年1月1日到2017年12月31日之间的专利数据，并剔除国省代码为国外及港澳台的数据；(3)借鉴官建成、王崇锋的研究，^[48-49]本文以5年为时间线构建移动时间窗，如变量在2013年的数据取值采用2008-2012年来测度，最终生成140个(各子产业14个)反映成员间关系变化的移动时间窗。图 1展示了网络的构建过程，其中1、2、3、4表示专利号，A、B、C、D、E表示申请人。

近年来，船舶产业内联合申请专利逐渐增多，形成了多个以不同“明星”创新主体为中心的团队。以船舶产业中的海洋工程设备产业为例，挑选其极具代表性的三个合作创新网络(如图 2—图 4)，其中，节点代表专利申请人，连线代表申请专利的合作关系。不难看出，随着时间推移，合作创新网络内团队形成的趋势愈发明显，其中像中国海洋石油总公司，中集海洋工程研究院有限公司、中国海洋大学等“明星”创新主体在团队形成过程中起到显著作用。此外，不同团队之间通过“明星”创新团体建立了稀疏的联系。就合作创新网络整体而言，团队间的合作还是仍然比较松散。

(二) 变量测量 1、因变量

团队间合作程度：在社会网络中，常采用E-I指数测量派系林立的程度；^[50]成泷和党兴华等人利用E-I指数衡量子群极化程度。^[11]显然，无论是派系林立、子群极化亦或是本文所探究的团队间合作，都需不断通过比较内部关系(Internallinks)与外部关系(Externallinks)的占比进行测算变量的程度高低。另外，罗家德认为E-I指数等于(子群的密度)/(整体的密度)，^[34]这与团队间合作在网络的结构含义是相吻合的。因此，本文采用E-I指数衡量合作创新网络内团队间合作的程度。其计算公式为：

$ E-I{\rm{index}} = \frac{{EL-IL}}{{EL + IL}} $

(1)

其中，EL表示团队间合作关系数量(thenumberofexternalfriendshiplinks)；IL表示团队内部关系数(thenumberofinternalfriendshiplinks)。E-I指数的取值范围为[-1, +1]。该值越接近1，表明合作关系趋向于发生在团队之外，意味着团队间的程度越大；该值越接近-1，表明团队之间的合作关系越少，合作越趋向于发生在团队之内，意味着团队间合作的程度越小；该值越接近0，表明合作越趋向于随机分布，团队内与团队间的合作较均衡。

由于N-clique方法相对严格且较为常见，刘军、魏瑞斌也认为N-clique的界定标准较接近人们日常对团队的认知与理解。^[50-51]因此，本文采用UCINET中的N-Cliques分析方法来识别网络内相对独立的团队，然后结合识别的团队构建分区矩阵，通过UCINET计算出E-I指数。

2、自变量

(1) 程度中心势(DegreeCentralization, DC)：本文采用程度中心势测量在合作创新网络中，存在具有高程度中心性明星成员的程度。公式如下：

$ DC = \frac{{\sum\limits_{i = 1}^n {\left( {{C_{\max }}- {C_i}} \right)} }}{{\max \left[{\sum\limits_{i = 1}^n {\left( {{C_{\max }}-{C_i}} \right)} } \right]}} $

(2)

$ {C_i} = \sum\limits_i {{X_{ij}}} $

(3)

其中，DC表示合作创新网络的程度中心势，C_max代表着合作创新网络内申请人的程度中心性最大值，C_i代表网络内节点i的程度中心性，当节点i与j之间有边相连，则X_ij=1，反之，则X_ij=0。

(2) 中介中心势(BetweennessCentralization, BC)：本文采用中介中心势测量在合作创新网络中，存在具有高中介中心性明星成员的程度。公式如下：

$ BC = \frac{{\sum\limits_{i = 1}^n {\left( {{C_{B\max }}- {C_{Bi}}} \right)} }}{{\max \left[{\sum\limits_{i = 1}^n {\left( {{C_{B\max }}-{C_{Bi}}} \right)} } \right]}} $

(4)

$ {C_{Bi}} = \sum\limits_{j, k} {\frac{{{g_{jik}}}}{{{g_{jk}}}}} $

(5)

其中，BC表示合作创新网络的中介中心势，C_Bmax代表着合作创新网络内申请人i中介中心性的最大值，C_Bi表示网络内申请人i的中介中心性，g_jk代表从节点j到节点k(J, k≠i)的最短路径的数量，g_jik是经过节点i的从j到k的最短路径的数量。

3、调节变量

聚集系数：本文采用聚集系数(ClusteringCoefficient, CC)表示合作创新网络内的信息冗余程度。计算公式为：

$ CC = \frac{{\sum\limits_{i = 1}^n {C{C_i}} }}{n} $

(6)

$ C{C_i} = \frac{{{b_i}}}{{k\left( {k-1} \right)/2}} $

(7)

其中，CC_i代表申请人i的聚集系数，CC代表合作创新网络整体的聚集系数。在合作创新网络中，节点的聚集系数反映某个节点与相邻节点连接的紧密程度，整体聚集系数反映网络的所有节点相互聚集的程度，该值越大，说明网络内的信息冗余程度越高。

4、控制变量

参照党兴华与成泷、张鹏程与李铭泽的研究，^[52-53]本文选取网络规模、网络内连接程度作为控制变量。

(1) 结点数量(Nodes)：在本研究中，合作创新网络中的结点数量是将数据清洗后的样本导入pajek软件处理得出，结点代表着专利的申请人，可能是个人、学校、企业等，结点越多意味着网络内的创新主体越多。

(2) 联结数量(Lines)：在本研究中，合作创新网络中的联结数量是将数据清洗后的样本导入pajek软件处理得出，结点间的联结代表着申请专利时的结点的合作关系，联结数量越多意味着网络内不同主体间的合作关系越复杂。

(3) 网络密度(NetworkDensity, ND)：网络密度代表网络中节点间相互连边的密集程度，定义为网络中实际存在的边数与可容纳的边数上限的比值。计算公式为：

$ ND = \frac{a}{{k\left( {k-1} \right)/2}} $

(7)

在合作创新网络图中，假设实际存在a条边，可能存在k(k-1)条边，则ND表示合作创新网络密度，在相同的网络规模下，该值越大，意味着网络内主体合作越密切。

(4) 平均程度中心性(AverageDegree, AD)：程度中心性是测量网络中一个节点与所有其他节点相联系的程度。具体公式如下：

$ AD = \frac{{\sum\limits_i {{X_{ij}}} }}{n} $

(8)

在合作创新网络中，程度中心性代表一个创新主体所拥有的与其他创新主体合作申请专利的数量，平均程度中心性则是描述合作创新网络整体合作申请专利的密切程度。

小结：在描述相关变量的含义及测量方法后，将本文研究设计的简化为如图 5所示。

(三) 数据分析 1、描述性统计分析与相关性分析

变量的描述性统计分析结果如表 1所示。EI指数反映了团体内部创新合作关系与团体之间创新合作关系的相对比例。对我国船舶产业合作创新网络而言，EI指数平均值为-0.98，最大值为-0.88，表明现阶段，我国船舶行业创新合作关系更多发生于团队内部，团队之间的创新合作关系数量较少。DC与BC分别表示创新网络程度中心势与中介中心势，反映了在创新网络中存在“明星”创新主体的程度，相较于中介中心势的衡量额方式，程度中心势的平均水平以及离散水平更高。CC表示创新网络聚集系数，反映了在创新网络中信息资源冗余程度，现阶段我国船舶行业创新网络中信息资源冗余程度较高，平均水平为0.91，表明平均而言，每个创新主体所合作的创新主体间存在合作关系的比例为0.91。其他变量的含义不再赘述。

变量的相关性分析结果如表 2所示。首先，程度中心势(DC)和中介中心势(BC)与EI指数的相关系数分别为0.35和0.70，初步验证了本文的假设1与假设2。针对于我国船舶行业而言，创新网络中若存在“明星”创新主体的程度较高，则更有利于打破创新合作的团队壁垒，实现团队之间合作的创新模式。聚集系数(CC)与EI指数的相关系数为-0.6，初步验证了本文的假设3与假设4，表明在创新网络中若信息资源冗余程度较高，则更难形成团队间合作的局面。其他变量间的相关性分析不再赘述，本文的研究变量间无较高的相关系数，不存在多重共线性的现象。

2、回归分析

采用最小二乘法对本文构建的回归模型进行估计，回归结果如表 3所示。其中模型1与模型2分别表示程度中心势(DC)与中介中心势(BC)对EI指数的直接影响；模型3与模型4分别表示聚集系数(CC)对上述影响的调节效应。整体而言，模型1至模型4均通过了方程整体显著性F检验，且具有一定的解释力度，表现为较高的拟合优度。就各模型而言，在1%的显著性水平下，程度中心势与中介中心势对EI指数具有正向影响，回归系数分别为0.6510和4.3533，本文的假设1与假设2得以验证；在1%的显著性水平下，聚集系数在程度中心势影响EI指数的过程中具有负向调节效应，回归系数为-2.9951，假设3得以验证。然而，聚集系数在中介中心势影响EI指数的过程中的调节效应不显著，假设4未得到验证，原因可能是由于拥有高中介中心性的“明星”主体成员本身在网络内就具备中介调节的功能，信息冗余程度的负向影响并不能使其中介调节功能失衡。

四、结论与意义 (一) 研究结论

本文基于合作创新网络视角，以中心势、聚集系数等指标为基础，以海洋产业内占据重要战略地位的船舶产业为研究对象，选取其2000年1月1日至2017年12月31日之间的联合申请专利数据为研究样本，深入探讨了在合作创新网络内，“明星”创新主体与信息冗余程度对于团队间合作的影响。研究表明，合作创新网络内存在的“明星”创新主体是促进团队间合作的关键，只要合作创新网络内存在“明星”创新主体的程度较高，无论“明星”创新主体具备较高程度中心性亦或是较高中介中心性，均会有利于打破创新合作的团队壁垒，在一定程度上正向促进团队间合作的创新模式。此外，在合作创新网络中，信息资源冗余会对团队间合作的形成产生不利影响，具体表现为，较高的信息冗余程度会负向调节“明星”创新主体对团队间合作模式产生的正向影响，即较高的信息资源冗余程度会通过削弱“明星”创新主体的资源、信息等优势间接阻碍团队间合作的形成。

(二) 研究意义

本研究不仅完善了相关理论研究，也为产业的发展提供借鉴，具有对理论、实践的双重意义。

(1) 理论方面：学界多将重点集中在团队间合作的后效，即其对创新绩效的影响，^[9]少有学者对团队间合作的前因进行系统的分析，但了解前因对于全面揭示其在合作创新网络内的特点具有重要意义。本研究通过中心势、聚集系数等网络整体指标对合作创新网络内团队间合作的动因进行系统分析，第一，填补了从网络结构等微观层面探究合作创新网络内团队间合作动因的空缺，完善了学界对合作创新网络内结构演化的研究；第二，基于合作创新网络视角整合出部分网络结构指标对团队间合作的影响，即在合作创新网络内，程度中心势、中介中心势正向促进团队间合作，聚集系数负向调节前者的正向影响；第三，丰富了从网络层面分析船舶产业内团队间合作的动因研究。

(2) 实践方面：本研究的数据来源是海洋船舶产业2000年1月1日至2017年12月31日联合申请专利数据。因此，研究结论对于海洋船舶产业极具参考和借鉴意义。一方面，研究结论利于了解船舶产业内的团队间合作特点，最大化发挥团队间合作对于提升船舶产业创新产出的作用。另一方面，也为船舶产业的稳健发展提供相关建议：对于船舶产业的相关管理部门而言，首先，应当着力加强现有“明星”创新主体的培养与发展，最大化发挥诸如中集海洋工程研究院有限公司等“明星”创新主体的带头作用，以此增强不同团队间的合作，实现互惠共赢，此举也响应了《产业技术创新能力发展规划(2016-2020年)》提出的海洋产业创新中心建设的号召；其次，有关部门应当加大重视产业市场内信息资源的分配，优化信息资源的利用率，避免信息资源过分冗余，以此提高“明星”创新主体对团队间合作的正向影响。对于船舶产业的“明星”创新主体而言，诸如“明星”企业中国海洋石油总公司、“明星”科研高校中国海洋大学等，除了加强其自身“明星”效应外，应进行彼此深度融合，取长补短，共同开发，有效集成船舶产业创新资源和创新要素，促进产业创新产出，为船舶产业转型发展提供全方位的支撑，使我国完成从造船大国向造船强国的跨越，实现建设海洋强国的战略目标。