石磊 趙寧

摘 要 為推動(dòng)我國原創(chuàng)科研成果的增長，提升產(chǎn)學(xué)研協(xié)同創(chuàng)新能力，研究了2009—2016年42所“雙一流”高校產(chǎn)學(xué)研專利合作網(wǎng)絡(luò)中的結(jié)構(gòu)洞，利用因子分析法對(duì)網(wǎng)絡(luò)成員的結(jié)構(gòu)洞測度進(jìn)行了綜合排名，同時(shí)對(duì)“雙一流”高校結(jié)構(gòu)洞地位進(jìn)行了聚類分析。結(jié)果表明，結(jié)構(gòu)洞測度排名靠前的是像清華大學(xué)這樣的工科強(qiáng)校和國家電網(wǎng)公司這樣有廣泛合作關(guān)系的企業(yè)。他們應(yīng)該發(fā)揮結(jié)構(gòu)洞優(yōu)勢，促進(jìn)以專利合作模式為主的協(xié)同創(chuàng)新工作深入開展。

關(guān)鍵詞 專利合作 結(jié)構(gòu)洞測度 因子分析

Abstract In order to promote the growth of original scientific research achievements and enhance the ability of collaborative innovation between industry-university-research in China， structural hole of 42 “double first-class” universities industry-university-research patent cooperation network in 2009-2016 were studied. The structural hole of network members were comprehensively ranked by factor analysis method， and the position of “double first-class” universities was cluster analyzed. The results show that the top of structural hole measurement are the strong universities of engineering such as Tsinghua University and the enterprises with extensive cooperative relationship such as State Grid Corporation. They should give full play to the advantages of structural hole and promote the in-depth development of collaborative innovation based on patent cooperation mode.

Keywords Patent cooperation. Structural hole measurement. Factor analysis.

0 引言

當(dāng)前，我國經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，傳統(tǒng)發(fā)展動(dòng)力不斷減弱，必須依靠創(chuàng)新驅(qū)動(dòng)打造新的發(fā)展引擎，培育新的經(jīng)濟(jì)增長點(diǎn)，保證我國經(jīng)濟(jì)發(fā)展的質(zhì)量和效益能夠穩(wěn)步提升。高校是進(jìn)行科學(xué)研究與技術(shù)開發(fā)的重要基地，是原創(chuàng)性成果的重要源頭和實(shí)現(xiàn)技術(shù)成果轉(zhuǎn)移的生力軍，有很多高水平的科研成果需要轉(zhuǎn)化服務(wù)社會(huì)，但統(tǒng)計(jì)數(shù)據(jù)表明我國高校當(dāng)前科技成果轉(zhuǎn)化率很低，2012—2016年這五年的年度科技成果轉(zhuǎn)化率都在2%上下[1]。2015年，國務(wù)院印發(fā)的“雙一流”建設(shè)方案中指出“推進(jìn)成果轉(zhuǎn)化，深化產(chǎn)教融合，努力使高校成為催化產(chǎn)業(yè)技術(shù)變革、加速創(chuàng)新驅(qū)動(dòng)的策源地。強(qiáng)化創(chuàng)新成果與產(chǎn)業(yè)對(duì)接，推動(dòng)重大科學(xué)創(chuàng)新、關(guān)鍵技術(shù)突破轉(zhuǎn)變?yōu)橄冗M(jìn)生產(chǎn)力”，表明產(chǎn)學(xué)研協(xié)同創(chuàng)新無疑是提高高校科技成果轉(zhuǎn)化率、增強(qiáng)企業(yè)市場競爭力，使得多方共同受益的有效途徑。由于專利產(chǎn)出是最能夠體現(xiàn)技術(shù)創(chuàng)新和科技成果轉(zhuǎn)化能力的重要指標(biāo)之一，因此，筆者認(rèn)為對(duì)“雙一流”高校產(chǎn)學(xué)研合作申請專利情況進(jìn)行研究對(duì)提高國家科研協(xié)同創(chuàng)新能力、推動(dòng)創(chuàng)新體系建設(shè)具有重要的現(xiàn)實(shí)意義。本文以42所 “雙一流”高校產(chǎn)學(xué)研專利合作網(wǎng)絡(luò)中網(wǎng)絡(luò)成員的結(jié)構(gòu)洞測度為研究對(duì)象，提出一種基于因子分析的綜合計(jì)算方法，該方法在去除有效規(guī)模、效率、約束度、等級(jí)度、中介中心度及局部聚類系數(shù)等6項(xiàng)典型結(jié)構(gòu)洞測度指標(biāo)之間相關(guān)性的基礎(chǔ)上，對(duì)反映結(jié)構(gòu)洞不同特征的公因子進(jìn)行加權(quán)得分，完成對(duì)網(wǎng)絡(luò)成員結(jié)構(gòu)洞測度大小的綜合排序;再利用聚類方法對(duì)42所“雙一流”高校進(jìn)行歸類分析;最后提出如何發(fā)揮占據(jù)結(jié)構(gòu)洞網(wǎng)絡(luò)成員的優(yōu)勢地位，促進(jìn) “雙一流”高校與產(chǎn)研機(jī)構(gòu)之間協(xié)同創(chuàng)新的有效策略。

1 “雙一流”高校申請專利合作網(wǎng)絡(luò)“結(jié)構(gòu)洞”理論

結(jié)構(gòu)洞是合作網(wǎng)絡(luò)的一種結(jié)構(gòu)屬性，由美國芝加哥大學(xué)經(jīng)濟(jì)學(xué)教授Burt提出，他認(rèn)為那些占據(jù)網(wǎng)絡(luò)結(jié)構(gòu)洞的網(wǎng)絡(luò)節(jié)點(diǎn)（成員） 將獲得更多接觸新信息和知識(shí)的機(jī)會(huì)，享有資源的控制優(yōu)勢，是合作網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)[2]。專利合作網(wǎng)絡(luò)是以探索性技術(shù)創(chuàng)新為主，強(qiáng)調(diào)多知識(shí)領(lǐng)域的交叉和融合，以產(chǎn)生技術(shù)溢出和原創(chuàng)科研成果為目標(biāo)。占據(jù)專利合作網(wǎng)絡(luò)結(jié)構(gòu)洞的網(wǎng)絡(luò)成員可以獲得多樣化信息和優(yōu)勢異質(zhì)資源、可搭建更多合作橋梁的有利位置，能夠促進(jìn)合作網(wǎng)絡(luò)的規(guī)模、網(wǎng)絡(luò)密度、合作廣度、合作強(qiáng)度等多個(gè)方面性能的提升，對(duì)于提高新知識(shí)和突破性技術(shù)的產(chǎn)出、增強(qiáng)專利合作協(xié)同創(chuàng)新將起到至關(guān)重要的積極作用。

國內(nèi)外很多相關(guān)文獻(xiàn)已表明，結(jié)構(gòu)洞對(duì)促進(jìn)創(chuàng)新網(wǎng)絡(luò)合作績效有正向積極作用。Zaheer認(rèn)為占據(jù)較多網(wǎng)絡(luò)結(jié)構(gòu)洞的企業(yè)能夠接觸到不同類型的信息，有利于企業(yè)創(chuàng)新活動(dòng)的進(jìn)行[3];Xiao認(rèn)為在高度信任的合作網(wǎng)絡(luò)中，占據(jù)結(jié)構(gòu)洞可以有更多的技術(shù)創(chuàng)新機(jī)會(huì)[4];遲嘉昱對(duì)中國電子信息產(chǎn)業(yè)百強(qiáng)企業(yè)2006—2015年合作申請發(fā)明專利情況進(jìn)行了研究，發(fā)現(xiàn)占據(jù)結(jié)構(gòu)洞位置能夠正向影響企業(yè)專利合作產(chǎn)出[5];付雅寧研究了1995—2014年美國專利和商標(biāo)局授權(quán)的納米技術(shù)領(lǐng)域發(fā)明專利合作情況，通過回歸模型驗(yàn)證了占據(jù)豐富結(jié)構(gòu)洞的發(fā)明人有利于企業(yè)的探索式創(chuàng)新[6];章丹對(duì)中國63個(gè)技術(shù)創(chuàng)新網(wǎng)絡(luò)進(jìn)行了研究，發(fā)現(xiàn)占據(jù)較多結(jié)構(gòu)洞有利于創(chuàng)造新知識(shí)的探索式創(chuàng)新活動(dòng)[7];邵云飛認(rèn)為占據(jù)更多結(jié)構(gòu)洞和提高關(guān)系強(qiáng)度對(duì)提升突破性技術(shù)創(chuàng)新績效有協(xié)同促進(jìn)作用[8]。

如何尋找或衡量結(jié)構(gòu)洞大小成為核心問題，當(dāng)前直接尋找結(jié)構(gòu)洞大都借鑒社會(huì)網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)挖掘方法，主要有以下幾類。

一類是挖掘社團(tuán)網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)，如Lou和Tang尋找與社團(tuán)意見領(lǐng)袖相連的關(guān)鍵節(jié)點(diǎn)，提出了HIS算法;為使社團(tuán)最小割集最大化，提出了MaxD算法[9];還有其后續(xù)改進(jìn)算法[10-11]。

另一類是基于節(jié)點(diǎn)特征的排序方法，Kitsak提出利用K核分解來發(fā)現(xiàn)網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)，將外層節(jié)點(diǎn)層層剝?nèi)?，處于?nèi)層的節(jié)點(diǎn)即為關(guān)鍵節(jié)點(diǎn)[12];李鵬翔提出利用網(wǎng)絡(luò)節(jié)點(diǎn)被刪除后形成的所有不連通節(jié)點(diǎn)對(duì)之間最短距離的倒數(shù)之和來反映節(jié)點(diǎn)的重要性[13];Kleinberg提出了HITS算法，該算法賦予每個(gè)節(jié)點(diǎn)權(quán)威值和樞紐值，權(quán)威值衡量節(jié)點(diǎn)對(duì)信息的原創(chuàng)性， 樞紐值反映了節(jié)點(diǎn)在信息傳播中的作用，權(quán)威值與樞紐值相互作用影響， 最終通過迭代達(dá)到收斂[14];谷歌提出PageRank算法，認(rèn)為基于網(wǎng)頁的鏈接結(jié)構(gòu)進(jìn)行網(wǎng)頁排序時(shí)，一個(gè)頁面的重要性取決于指向它的其他頁面的數(shù)量和質(zhì)量， 如果一個(gè)頁面被很多高質(zhì)量頁面指向， 則這個(gè)頁面的質(zhì)量也高[15];L?提出LeaderRank算法，通過添加一個(gè)背景節(jié)點(diǎn)以及該節(jié)點(diǎn)與網(wǎng)絡(luò)中所有節(jié)點(diǎn)的雙向邊來代替PageRank算法中的跳轉(zhuǎn)概率c，從而得到一個(gè)無參數(shù)且形式上更加簡單的算法，實(shí)驗(yàn)發(fā)現(xiàn)LeaderRank比PageRank表現(xiàn)得更好[16]。韓忠明提出把網(wǎng)絡(luò)節(jié)點(diǎn)的7個(gè)不同屬性作為訓(xùn)練參數(shù)，采用ListNet方法進(jìn)行綜合排序的機(jī)器學(xué)習(xí)方法[17]。但這些算法大都設(shè)置目標(biāo)函數(shù)，通過數(shù)值迭代計(jì)算尋找最優(yōu)解。對(duì)于大規(guī)模網(wǎng)絡(luò)，較高的計(jì)算量、復(fù)雜度、最優(yōu)解判定條件會(huì)使這些算法的應(yīng)用受到一定限制，而且迭代計(jì)算無法得到所有節(jié)點(diǎn)的結(jié)構(gòu)洞特征參數(shù)值。

直接衡量網(wǎng)絡(luò)節(jié)點(diǎn)結(jié)構(gòu)洞的測度大小，主要有三類共6項(xiàng)指標(biāo)。首先是由Burt提出的4個(gè)結(jié)構(gòu)洞指數(shù)：有效規(guī)模、效率、約束度、等級(jí)度;其次由Freeman提出的中介中心度;局部聚類系數(shù)也可以用來表征網(wǎng)絡(luò)是否存在結(jié)構(gòu)洞。這些指標(biāo)的出發(fā)點(diǎn)都不盡相同，但又有一定的內(nèi)在聯(lián)系和相關(guān)性，單從哪個(gè)指標(biāo)出發(fā)衡量結(jié)構(gòu)洞大小的程度都不夠全面客觀。而關(guān)于分析這些指標(biāo)之間的相關(guān)性、提取它們公共部分，以最少的指標(biāo)個(gè)數(shù)對(duì)結(jié)構(gòu)洞的大小進(jìn)行全面測度的研究，目前鮮見有文獻(xiàn)報(bào)道。

2 數(shù)據(jù)獲取和處理

本文研究的專利合作數(shù)據(jù)全部來源于國家知識(shí)產(chǎn)權(quán)局網(wǎng)站，其中選擇專利類型為中國發(fā)明專利，數(shù)量范圍為申請量。專利統(tǒng)計(jì)時(shí)間范圍設(shè)定從2009年1月1日到2016年12月31日，數(shù)據(jù)檢索下載時(shí)間為2019年8月18日到2019年8月25日。

對(duì)于檢索結(jié)果需要經(jīng)過去重和去噪處理。首先，去掉同一個(gè)申請?zhí)柌煌A段版本的重復(fù)專利;其次，要去除字段中含有42所高校名稱之一、同時(shí)帶有公司、研究院等字段的單一申請人專利;最后，去除與42所高校名稱部分重疊的高校的專利，如西安電子科技大學(xué)、桂林電子科技大學(xué)、杭州電子科技大學(xué)、日本國立東北大學(xué)等。本文不對(duì)各機(jī)構(gòu)與其下屬機(jī)構(gòu)進(jìn)行合并處理，因?yàn)楹芏鄼C(jī)構(gòu)的下屬機(jī)構(gòu)本身具有獨(dú)立法人，具備申請專利的資格。經(jīng)過去重去噪后，合作機(jī)構(gòu)數(shù)6635家，合作專利22 943項(xiàng)，合作關(guān)系11 160對(duì)，合作總頻次38 993次，網(wǎng)絡(luò)密度0.05%，10次以上的高頻合作占比4.33%。

3 專利合作網(wǎng)絡(luò)的結(jié)構(gòu)洞及其測度分析指標(biāo)

一個(gè)結(jié)構(gòu)洞是兩個(gè)網(wǎng)絡(luò)成員之間的非冗余連接。如圖1所示，行動(dòng)者B、C之間沒有直接連接，就存在一個(gè)結(jié)構(gòu)洞，而A就是這個(gè)結(jié)構(gòu)洞的占據(jù)者。通俗的講，結(jié)構(gòu)洞的占據(jù)者就是能夠把沒有直接聯(lián)系的網(wǎng)絡(luò)成員連接到一起的橋梁或者中間人。

實(shí)際合作網(wǎng)絡(luò)連接遠(yuǎn)比圖1復(fù)雜的多，某個(gè)網(wǎng)絡(luò)成員可能處于某些其他成員間的結(jié)構(gòu)洞位置，但不處于另一些成員間的結(jié)構(gòu)洞位置，所以不能簡單說誰完全占據(jù)了結(jié)構(gòu)洞，而是要通過測度指標(biāo)衡量成員占據(jù)結(jié)構(gòu)洞位置的優(yōu)劣程度。對(duì)于衡量結(jié)構(gòu)洞位置優(yōu)劣的典型測度指標(biāo)，就是前面提到的6項(xiàng)指標(biāo)，其具體計(jì)算公式分別如下。

3.1 Burt 結(jié)構(gòu)洞指數(shù)

（1） 有效規(guī)模，等于網(wǎng)絡(luò)成員的網(wǎng)絡(luò)規(guī)模減去網(wǎng)絡(luò)的冗余度，有效規(guī)模越大，成員的網(wǎng)絡(luò)影響力越強(qiáng)。成員的有效規(guī)模計(jì)算表達(dá)式為：

j代表與i相連的所有點(diǎn)，q是除i、j之外的第三者，piq代表i投入到q的關(guān)系所占比例，mjq是j投入到q的關(guān)系所占比例，piqmjq代表i和j之間的冗余度。

（2） 效率等于網(wǎng)絡(luò)成員的有效規(guī)模與實(shí)際規(guī)模之比，效率越高，成員對(duì)與其相關(guān)的其他成員的影響程度越大。

（3） 約束度，表征網(wǎng)絡(luò)成員在網(wǎng)絡(luò)中對(duì)其他成員的依賴程度，約束度越小，成員的網(wǎng)絡(luò)能力越強(qiáng)。具體定義為：

其中，pij代表i直接投入到j(luò)的關(guān)系占總關(guān)系的比例，代表間接投入。

（4）等級(jí)度，指約束性多大程度上集中在一個(gè)網(wǎng)絡(luò)成員身上，計(jì)算表達(dá)式為：

其中，N是點(diǎn)i的網(wǎng)絡(luò)規(guī)模，C/N是各個(gè)點(diǎn)約束度的均值，Nln（N）代表可能的最大總和值，等級(jí)度越高，成員受到的約束程度也越大。

3.2 Freeman中介中心度

設(shè)V是點(diǎn)的集合，從點(diǎn)s出發(fā)，到達(dá)點(diǎn)t的路徑記為（s，t），其包含的邊數(shù)叫做該路徑的長度，其中最短者叫做該路徑的距離，用σ（s，t）表示距離數(shù)目，并令σ（s，t|ν）表示經(jīng)過點(diǎn)v距離的數(shù)目。這樣ν∈V，點(diǎn)的中介中心度為CB（ν）[18]，其公式為：

其值越大，網(wǎng)絡(luò)成員越可能是中間的關(guān)鍵橋梁節(jié)點(diǎn)。

3.3 局部聚類系數(shù)

局部聚類系數(shù)表示網(wǎng)絡(luò)成員i的朋友也是朋友的概率，局部聚類系數(shù)越小，成員越可能起到橋梁的作用。設(shè)E（i）表示網(wǎng)絡(luò)成員i鄰居成員中直接相連的成員對(duì)數(shù)，k（i）表示成員鄰居成員的個(gè)數(shù)，則局部聚類系數(shù)計(jì)算表達(dá)式為：[19]

4 專利合作網(wǎng)絡(luò)結(jié)構(gòu)洞測度指標(biāo)因子分析及提取

從上述6項(xiàng)指標(biāo)的定義，尤其是Burt的4個(gè)結(jié)構(gòu)洞指數(shù)可以看出，它們內(nèi)在可能存在一定相關(guān)性，如果直接用這 6項(xiàng)指標(biāo)對(duì)“雙一流”高校合作網(wǎng)絡(luò)的結(jié)構(gòu)洞進(jìn)行綜合評(píng)價(jià)，會(huì)增加一些冗余因素項(xiàng)，不夠準(zhǔn)確。所以本文利用因子分析法，去除各指標(biāo)之間的相關(guān)性、提取公共因子，用最少數(shù)量的公因子全面客觀地測度網(wǎng)絡(luò)成員占據(jù)結(jié)構(gòu)洞程度的大小。

4.1 指標(biāo)的正側(cè)化和標(biāo)準(zhǔn)化

本文首先把專利合作數(shù)據(jù)導(dǎo)入U(xiǎn)cinet，得到6項(xiàng)結(jié)構(gòu)洞測度指標(biāo)的原始個(gè)案數(shù)據(jù)，再采用SPSS進(jìn)行因子分析。為了消除各指標(biāo)量綱不同對(duì)評(píng)價(jià)的影響，需要對(duì)每個(gè)指標(biāo)的6635個(gè)個(gè)案值進(jìn)行標(biāo)準(zhǔn)化。在標(biāo)準(zhǔn)化之前，需要注意指標(biāo)是正向型還是負(fù)向型，對(duì)于正向型指標(biāo)，正側(cè)化個(gè)案值yij=xij，對(duì)于負(fù)向型指標(biāo)，正側(cè)化個(gè)案值yij的計(jì)算表達(dá)式如下：

表1給出了經(jīng)過正側(cè)和標(biāo)準(zhǔn)化的42所“雙一流”高校6項(xiàng)結(jié)構(gòu)洞測度指標(biāo)的數(shù)值結(jié)果。

4.2 效度檢驗(yàn)

變量間存在相關(guān)性是可以做因子分析的前提，主要利用兩個(gè)統(tǒng)計(jì)量進(jìn)行檢驗(yàn)判斷。KMO檢驗(yàn)是比較觀測變量之間簡單相關(guān)系數(shù)和偏相關(guān)系數(shù)的比值大小，比值范圍在0～1之間，大于0.5可以做因子分析。Bartlett球形度檢驗(yàn)是檢驗(yàn)相關(guān)矩陣是否為單位陣，顯著性水平小于0.05，表示相關(guān)性檢驗(yàn)有效。由表2可知，KMO值為0.633，Bartlett顯著性水平為0.000，變量之間存在相關(guān)性，可以做因子分析。

4.3 公因子提取

對(duì)6項(xiàng)結(jié)構(gòu)洞指標(biāo)利用主成分法提取公因子，從表3可以看出，因子1（F1）和因子2（F2）特征值均大于1，而且累計(jì)方差貢獻(xiàn)率達(dá)到89.788%，說明這兩個(gè)公因子解釋了原有6項(xiàng)指標(biāo)的大部分信息，起到了很好地減少評(píng)價(jià)指標(biāo)個(gè)數(shù)的作用。為了更易于解釋原有變量，一般需要對(duì)原有公因子進(jìn)行旋轉(zhuǎn)，采用最大方差法進(jìn)行旋轉(zhuǎn)。

4.4 因子載荷矩陣與因子得分系數(shù)矩陣

因子載荷矩陣載荷值表示提取的公因子與原有變量的相關(guān)性（可解釋程度），載荷絕對(duì)值越高，兩者相關(guān)性越強(qiáng)。從表4可以看出，F(xiàn)1與效率、約束度、等級(jí)度、局部聚類系數(shù)有較強(qiáng)的相關(guān);而這4項(xiàng)結(jié)構(gòu)洞特征指標(biāo)反映的是網(wǎng)絡(luò)成員與鄰居節(jié)點(diǎn)的局部相互影響。F2與有效規(guī)模、中介中心度高度相關(guān)，這兩個(gè)結(jié)構(gòu)洞特征指標(biāo)反映的是網(wǎng)絡(luò)成員對(duì)所處合作網(wǎng)絡(luò)的整體影響。因此，本文將F1命名為結(jié)構(gòu)洞鄰域影響力指數(shù)，F(xiàn)2命名為結(jié)構(gòu)洞全局影響力指數(shù)。而根據(jù)表5因子得分系數(shù)矩陣中F1、F2各數(shù)值，把各指標(biāo)的公因子值相加，分別可得F1=0.014X1+0.282X2-0.236X3-0.282X4+0.016X5+0.275X6，F(xiàn)2=0.498X1+0.065X2+0.111X3+0.014X4+0.497X5 +0.073X6。

4.5 因子得分與排名

由表3可知，第一公因子F1的方差貢獻(xiàn)比為57.719/89.788=0.643，第二公因子F2的方差貢獻(xiàn)比為32.069/89.788=0.357，用兩個(gè)公因子的方差貢獻(xiàn)比作為權(quán)重，得到各合作成員的綜合評(píng)價(jià)模型F=0.643F1+ 0.357F2，這樣可以得到各合作成員的因子得分和綜合評(píng)價(jià)得分。由于本文專利合作網(wǎng)絡(luò)總的成員數(shù)為6635個(gè)，數(shù)量規(guī)模龐大，無法在文中全部展示，因此只展示42所“雙一流”高校的單獨(dú)因子、綜合因子的得分和排名情況，詳見表6。

從表6中可以看出，各高校F1得分排名都不高，因?yàn)榻?jīng)過標(biāo)準(zhǔn)化的效率和局部聚類系數(shù)都正比于F1、約束度和等級(jí)度負(fù)比于F1;而專利合作網(wǎng)絡(luò)中有超過4000家機(jī)構(gòu)分別只與唯一所“雙一流”高校進(jìn)行合作，這些機(jī)構(gòu)效率和局部聚類系數(shù)都是排名并列第一的，約束度和等級(jí)度都排名最后一名，所以他們F1得分排名第一。而對(duì)于F2得分排名，絕大多數(shù)高校排名靠前，因?yàn)镕2主要與中介中心度和有效規(guī)模密切相關(guān)，這些高校在合作網(wǎng)絡(luò)中具有廣泛的合作關(guān)系、起到更多橋梁中介作用。從數(shù)值結(jié)果中看出，當(dāng)>3.443，F(xiàn)2得分對(duì)綜合得分起決定作用，這時(shí)與F1得分密切相關(guān)指標(biāo)帶來的負(fù)作用被弱化了，綜合得分排名靠前的成員對(duì)促進(jìn)專利合作具有更好的實(shí)際意義。

此外，對(duì)比表1高校結(jié)構(gòu)洞單項(xiàng)指標(biāo)和表6綜合得分排名還可已看出，用單項(xiàng)指標(biāo)衡量結(jié)構(gòu)洞測度大小必定有失偏頗。如從效率或局部聚類系數(shù)看，高校結(jié)構(gòu)洞在這兩個(gè)指標(biāo)上整體排名都非?？亢?從等級(jí)度上看，清華大學(xué)、浙江大學(xué)等幾所綜合得分靠前的高校，該指標(biāo)排名反倒位列高校中下游;從中介中心度看，綜合得分第7的上海交通大學(xué)也位于中下游。所以采用因子分析去除結(jié)構(gòu)洞多個(gè)單項(xiàng)測度指標(biāo)內(nèi)在相關(guān)性，再綜合評(píng)分排名顯然更為科學(xué)客觀。

5 專利合作網(wǎng)絡(luò)結(jié)構(gòu)洞測度因子聚類分析

對(duì)42所“雙一流”高校結(jié)構(gòu)洞測度進(jìn)行聚類，按照公共因子F1和F2因子得分的相似性進(jìn)行分類。本文選用層次聚類法，層次聚類方法適合個(gè)案數(shù)據(jù)量適中、變量較少的聚類分析。利用聚類進(jìn)度表確定聚類數(shù)，當(dāng)聚合系數(shù)出現(xiàn)陡增所對(duì)應(yīng)的類別數(shù)，就是比較合適的聚類數(shù)，本文聚類數(shù)選為5，樹狀聚類圖如圖2所示。

從圖2中可以看出，清華大學(xué)、浙江大學(xué)被聚為第一類，他們因子得分F1和F2都位列前2名。在對(duì)F1起主要作用的因素中，清華大學(xué)、浙江大學(xué)的效率、局部聚類系數(shù)、約束度都位列前3名;對(duì)因子得分F2起主要的有效規(guī)模、中介中心度，清華大學(xué)、浙江大學(xué)依然位列前2名。華南理工大學(xué)被單獨(dú)聚到第二類，公共因子F1和F2排名都位列第3。華中科技大學(xué)、北京航空航天大學(xué)、同濟(jì)大學(xué)、上海交通大學(xué)被聚為第3類，公共因子F1和F2得分位列4～8位;天津大學(xué)等16所高校聚到第4類，公共因子F1和F2得分位列7～23位，屬中游及以上;湖南大學(xué)等19所學(xué)校聚到第5類，公共因子F1和F2得分位列24～42位，屬中游及以下。從結(jié)構(gòu)洞測度綜合得分和聚類結(jié)果，“雙一流”高校處于明顯優(yōu)勢合作位置的是少數(shù)幾所高校，與其他30多所高校拉開了一定的距離，其他高校結(jié)構(gòu)洞程度相差不大，自身合作機(jī)構(gòu)的研究領(lǐng)域和數(shù)量還有很大的提高空間。此外，一些偏理科、文科、專項(xiàng)學(xué)科的高校，結(jié)構(gòu)洞測度排名靠后，專利合作能力有待進(jìn)一步加強(qiáng)。

6 提高“雙一流”高校專利合作協(xié)同創(chuàng)新的建議

對(duì)于“雙一流”高校專利合作網(wǎng)絡(luò)結(jié)構(gòu)洞測度的綜合計(jì)算結(jié)果，從排名可以看出我國清華大學(xué)、浙江大學(xué)、華南理工大學(xué)等工科強(qiáng)校均名列前茅，國家電網(wǎng)公司、華為技術(shù)有限公司結(jié)構(gòu)洞綜合測度表現(xiàn)也非常不錯(cuò)。但同時(shí)也發(fā)現(xiàn)整個(gè)專利合作網(wǎng)絡(luò)是以低頻次合作為主，有超過4000家機(jī)構(gòu)分別只與唯一一所“雙一流”高校進(jìn)行合作。而這所高校的結(jié)構(gòu)洞綜合測度得分并不高，主要是由于其局部影響力指數(shù)F1得分對(duì)綜合評(píng)價(jià)得分起主要作用而造成的。網(wǎng)絡(luò)成員合作關(guān)系較少、資源十分有限，對(duì)加強(qiáng)整個(gè)網(wǎng)絡(luò)的專利合作意義不大。只有提高網(wǎng)絡(luò)成員全局影響力指數(shù)F2的得分，進(jìn)而提升結(jié)構(gòu)洞綜合測度排名，使其成為具有橋接作用的關(guān)鍵節(jié)點(diǎn)，才能加強(qiáng)整個(gè)網(wǎng)絡(luò)的專利合作。一些綜合實(shí)力強(qiáng)、具備廣泛合作關(guān)系、密切合作伙伴的結(jié)構(gòu)洞綜合測度排名靠前的網(wǎng)絡(luò)成員，應(yīng)該利用自身資源優(yōu)勢，發(fā)揮橋梁作用，促進(jìn)專利合作協(xié)同創(chuàng)新活動(dòng)的持續(xù)深入開展。

6.1 把合作伙伴請進(jìn)來

具有結(jié)構(gòu)洞位置優(yōu)勢的“雙一流”高校，大都有很強(qiáng)的科研實(shí)力和原始創(chuàng)新能力，也具有和企業(yè)、科研院所開展協(xié)同創(chuàng)新的豐富經(jīng)驗(yàn)，他們可以利用自身廣泛的合作基礎(chǔ)和良好口碑，吸引更多優(yōu)秀的企業(yè)到學(xué)校來，深入討論合作需求，建立互信關(guān)系，尋找合作機(jī)會(huì)，構(gòu)建長期穩(wěn)定的合作關(guān)系。

6.2 走到合作伙伴身邊

高校也要主動(dòng)走出去，避免閉門造車，多去了解下企業(yè)產(chǎn)品研發(fā)、生產(chǎn)實(shí)際困難，使自己的科研成果能夠更好地與企業(yè)需求進(jìn)行對(duì)接，提高科技成果轉(zhuǎn)化率。鼓勵(lì)人才流動(dòng)，高校可以為企業(yè)培養(yǎng)人才、企業(yè)也可以聘任高校人才長期在企業(yè)兼職，互通互利，良性循環(huán)。結(jié)構(gòu)洞綜合測度排名靠前的高校多來自于經(jīng)濟(jì)發(fā)達(dá)地區(qū)的工科強(qiáng)校，他們應(yīng)該加大與經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的合作力度。

6.3 搭建合作橋梁作用

結(jié)構(gòu)洞本質(zhì)就是關(guān)系的中間人，高校作為科技創(chuàng)新的主要策源地，不僅要利用自身優(yōu)勢使自己受益，更要使多方同時(shí)受益?？茖W(xué)工程的復(fù)雜度日趨增強(qiáng)，單靠一兩家機(jī)構(gòu)通常很難完成，而這個(gè)合適的搭橋人非高校莫屬，只有發(fā)揮好高校的結(jié)構(gòu)洞作用，產(chǎn)學(xué)研協(xié)同創(chuàng)新才能夠真正得以有效實(shí)施。