复杂网络视角下的高新技术产业集群创新扩散研究——以中
关村产业园为例
董慧梅;侯卫真;汪建苇
【摘 要】本文设定的创新扩散,是由潜在模仿者基于个体效用决策所决定的行为,以此作为网络自组织的基本动力,同时也构成中关村产业园作为高新技术产业某一集群的网络边界.在此基础上,本文研究集群创新扩散网络的特性,如创新扩散的拓扑形态、创新扩散强度及密度等相关指标,为高新技术产业集群创新扩散的问题研究提供参考和理论支持.
【期刊名称】《科技管理研究》 【年(卷),期】2016(036)005 【总页数】6页(P149-154)
【关键词】复杂网络;产业集群;创新扩散;中关村产业园 【作 者】董慧梅;侯卫真;汪建苇
【作者单位】中国人民大学信息资源管理学院,北京 100862;中国人民大学信息资源管理学院,北京 100862;中国人民大学信息资源管理学院,北京 100862 【正文语种】中 文
【中图分类】F276;F269.23
高新技术产业在国民经济部门中扮演着重要的角色，其产业集群引发的技术外溢现象已引起制定者的关注。实践倒推理论研究的形势，不仅引发对纾困产业
持续发展问题的研究，也使得创新扩散理论日益成为创新经济学理论研究的基本问题之一。从我国的实践来看，优势产业“园区化”成为制定者对高新技术产业发展的主要组织形式。然而，对于优势产业持续保持其固有创新优势机制的解读，目前研究则主要涉及产业集群下的网络效应——信息交流平台和社会交流中介，却鲜有在网络拓扑结构上来说明集群形态的特征。
上世纪初，熊彼特提出创新扩散的概念，并将创新扩散的本质定义为一种模仿行为。在此基础上，Rogers提出，创新扩散是创新信息通过一种或多种渠道在社会网络中进行传播的过程，主要包括创新信息、传播渠道、时间和社会系统等四个关键因素构成。并且Hwan认为，创新扩散对于一定区域内企业的技术能力提升有积极的促进作用。所以，从创新与产业结合的层面来看，研究创新扩散机制比研究创新更有意义。
近年来，高新技术产业园区的确在区域经济发展中发挥着“增长极”的作用，构成了区域发展优势的基石。因此，研究高新技术产业园的创新扩散结构和形态，也具有重大的社会意义。本研究结合创新扩散的微观机理和复杂网络的理论，通过对高新技术产业园的创新扩散网络的结构形态进行分析，来反映高新技术产业集群的创新扩散网络特征，并以此来为制定者提出有效建议。
内容安排：第二节，文章分别对产业集群、产业集群创新扩散研究概况及复杂网络在产业集群扩散的应用情况进行介绍，为后文奠定理论基础；第三节，通过构建中关村产业园的创新扩散复杂网络模型，并借助Gephi软件将2011—2013年园区内的创新扩散网络拓扑结构进行了模拟仿真，实现了拓扑结构的可视化及相关统计指标的量化计算；第四节，文章对模拟仿真的图谱和数据展开深入分析，反映产业园区创新扩散网络的相关情况；第五节，以中关村产业园的仿真结果为基础，分析了高新技术产业集群创新扩散的特征，并为读者提供了一些启示与建议。 产业集群是指特定领域里相互联系的企业和机构在地理上的集中，也暗含着企业间
存在一定的隐性关系。集群所带来的网络外部性形成创新扩散网络，而创新在网络中的流动则形成了技术外溢，这对某一产业的集群崛起具有深远影响。中关村高新技术园起源于“电子一条街”，崛起1998年将其确定为第一个国家级的高新区，现在定位于面向下一代互联网、移动互联网和新一代移动通信、卫星应用、生物和健康、节能环保、轨道交通等六大优势产业集群。据《中关村科技统计年鉴》披露，2013年园区内电子信息产业集群拥有电子信息产业企业共8 718家。中关村仍以电子信息产业为基本优势，企业平均拥有有效发明专利4.97，企业最高拥有有效发明专利3 052个，形成了具有创新梯度的创新竞合集群。基于这一特征，将中关村产业园作为高新技术产业集群的典型代表进行分析，确有足够的科学性和合理性。并且其创新水平也领先于全国各大产业园区，符合创新扩散网络研究的基本要求，因此，本文的研究对象将选定中关村产业园，并对其展开深入研究。 关于产业集群创新扩散的研究，学术界已展开广泛讨论。集群内企业的网络关系嵌入强度对技术创新扩散有重要影响，并且强关系嵌入的企业更方便与其他企业进行技术信息和知识的交流或转移，进而促进技术创新在网络中的扩散效果。同时，由于关联度代表着企业拥有的技术创新扩散渠道的多少，因此关联度与技术创新扩散的效率呈正相关关系[1]。由于时间和空间两方面因素都会对产业集群内的创新扩散产生影响，因此将其同时纳入创新扩散的模型构建中，即可再现集群内技术创新扩散的时空统一过程，借助仿真实验，证明模型中空间距离与创新扩散、创新企业的数量均呈负相关关系[2]。创新网络与创新能力和绩效之间存在相互关系，网络密度、联系强度、资源丰富程度等网络参数对创新能力和绩效的相关性假设可通过问卷调查的形式得到验证[3]。软件产业虚拟集群是产业集群中的一类典型代表，基于流行病的原理来研究创新扩散机理、扩散规律及相关特征，可得出邻居关系、易染系数、潜伏系数、集群网络结构和扩散层次性等参数对创新扩散的不同影响，江苏虚拟软件园可谓模型科学性的验证提供实例应用[4]。技术创新场和产业创新
势的引入，可对知识密集型产业的技术创新扩散矩阵进行修正，以此来研究创新扩散网络的结构和部门的技术溢出和吸收能力之间的相互关系，为创新扩散网络的演化路径、创新获取的方式转变提供理论支持[5]。创新行为的发生受交流学习和竞争两方面因素的共同影响，产业集群内创新扩散的模型中加入竞争元素的考虑，以此分析模型的平衡点所在及其稳定性，并从经济学角度，分析了产业集群内创新扩散的影响因素，并通过数据验证了创新扩散与竞争之间存在正反馈关系，而学习能力对创新扩散的速度则有显著影响等重要结论[6]。鉴于创新扩散和知识流动作为集群创新的两大核心，可在两者之间建立一个均衡模型，通过寻找均衡点来确定企业进行技术创新和知识流动的交易费用，为集群内创新扩散提供一种新视角[7]。 不难看出，学术界关于创新扩散的研究，主要分为三个层次：(1)宏观层，即知识生产部门、国民经济部门与之间的角色研究；(2)中观层，即企业与企业之间创新竞合机制，产业集群、标准联盟、专利池问题是中观层的主要研究方向；(3)微观层，即企业内部采取科学管理，旨在促进技术创新水平的增加。然而，对创新扩散的研究大多专注于构建创新扩散的宏观或微观模型，从不同层面对创新扩散的应用展开分析，却鲜有将微观层面与中观层面相结合的研究。因此，本文试图通过分析企业自身决策与企业所处的网络结构，为创新扩散提供一个具体化的理论支持。 为探讨高新技术产业集群的创新扩散机理及网络结构，本文需要对复杂网络的基本统计特征进行介绍，以便后文进行深入分析。
复杂网络是由节点和边相互连接构成的图，其拥有一系列的统计指标为分析和理解现实网络特征提供了测量方法。下面将列举几种主要的统计指标，如表1所示，并对部分指标的应用意义进行解读。
(1)度及度分布。所谓一个节点的度，是指与这个节点连接的所有其他节点的数量。直观上看，一个节点的度越大就意味着这个节点在某种意义上越“重要”(“能力大”)。创新扩散网络的一个重要任务就是要揭示所有节点的度，以找到“重要”
节点，为制定提供支持。同时，还可剖析所有节点度所满足的统计规律性。复杂网络理论中，节点的度是服从幂律分布的，也就是说，不论规模大小的差异，网络中的有大量连接的节点只有少数，而有很少连接的节点则大量存在。随后的仿真结果同样揭示了这样的统计规律性。
(2)聚集系数。节点的聚集系数是指，所有节点之间存在的实际边数与总的最大可能的边数之比，表明节点与相邻节点之间关系的密切程度；而网络的聚集系数是指，所有节点的聚集系数的平均值，通常取值为(0,1)；若聚集系数值为0，代表网络中所有节点都是孤立点；而当聚集系数为1，则表示任意节点之间都有边相连。创新扩散网络的节点聚集系数和网络聚集系数能反映企业之间联系的密切程度，进而体现了网络的凝聚力。 (3)网络密度
网络密度反映网络的完整性，如果复杂网络中任意节点之间都有边连接，那么这个网络的密度为1，其可达性是最好的；反之，如果网络密度的值为0，则表明该网络内部节点之间均没有连通性。较高的网络密度可促使创新信息在扩散的周期中，更容易被个体接收并模仿，从而加速创新扩散，所以，创新扩散的网络密度越大越好。 (4)平均路径
网络中的任意两点间有一条最短的路径，平均路径表示网络中所有的节点对之间的最短路径的平均值。通过对平均路径长度的研究，科学家们揭示出了一个“小世界网络”的模型。 (5)网络直径
网络中的任意两点间都有一条最短路径，而平均路径表示网络中所有最短路径的平均值，所以，网络的平均路径可以对创新信息扩散时所经历的平均距离进行测量。平均最短路径越小，代表信息扩散需要距离就越短，扩散速度就越快，信息失真的
可能性被降低，创新扩散的范围就越大。所以平均最短路径是影响创新扩散的重要参数。限于篇幅，对复杂网络的其他统计指标就不在此详述了。
按照美国技术管理学专家Hippel的观点，技术的创新扩散网络中，领军者和模仿者构成了企业的基本角色，而当模仿者足够多时，可近似用均匀分布来描述模仿者决策的情况。模型中的网络是由园区内1 000多家企业构建而成的小世界网络。如果两个企业在创新方面的关系为1，则表示创新信息将会通过这种关系进行扩散。每个企业都可选择模仿创新或拒绝创新。模型中定义了两个阈值：一个是企业进入园区的临界值，一个是企业的关系强度临界值。当企业认为进入高新技术园区内的效用值大于退出园区或不进入园区的效用值，则该企业选择进入园区，并成为园区内小世界网络的个体；同样的，如果企业之间的关系强度低于某个阈值，则认为两企业之间的相互关系过于微弱而无法发生创新扩散的直接发生，那么这种关系将不体现在扩散网络中。
由于园区内企业通常具有高相似性和相关性，其因此技术创新信息一旦发生扩散，便很容易被企业感知和模仿，故本研究对模型做出以下假设：
(1)由于中关村内的高新技术企业由中关村管委会审核，集群内企业都具有较强的经营实力和研发能力。同时，统计口径内的企业具有良好治理结构，能够自主的进行创新决策；(2)中关村园区处于我国创新的中心地位，园区内的配套性制度基础较为完善，如知识产权交易制度、知识产权仲裁制度等。这些基础设施都有利于产生并维持技术创新扩散网络。因此，实行创新的行为主体的确能因发明专利水平的提高而增加其效益；(3)破坏性创新是对原有技术路径的，这完全重构了创新扩散网络，应予以排除。因此，创新网络是对企业间竞合创新的表述，具体为模仿型企业对领军企业的技术跟踪；(4)企业的创新水平难以直接观察，但是同行业内的发明专利授权数目能够侧面体现企业的创新实力。本研究认为，企业的创新水平可用企业的发明专利数量进行直接度量；(5)区域内的企业集群降低了信息传
递的成本并建立起强有力的社会联系，使得同业企业均受益于创新的网络外部性，并进行路径依赖式的模仿式创新。这种外部性会产生创新的后发优势，即创新水平较低的企业可通过模仿区域内创新水平较高的企业进行创新，即产生创新的梯度扩散。(6)企业是否进入某产业集群，是基于企业遵循创新网络效应最大化的理性目标所进行的微观决策；
为了简化模型的设定，模型同时假设：
(1) 假设企业的重置成本为零，即不考虑企业进退出网络存在壁垒；
(2) 假设的目标为增加集群内创新的潜在均衡水平，那么最低的创新水平门槛应该高于创新的潜在均衡水平；
(3) 专利同质性假设。进入创新网络中的企业，模仿任一专利的概率均相同； 基于企业创新效应最大化的系统决策机制，即可确定创新扩散网络的边界。假设行政边界所确定的高新技术园区内，领域D中有在时期t中存在企业集群
E=(e1,e2,…,ei)，对于时期t+1中第i+1个企业ei+1是否进入企业集群E，其企业决策情况如下：
无对高水平创新能力企业补贴的情况下，企业的进入效应和退出效应图形如图1所示：
(1)进入集群的效用为I_U(p)。在创新扩散梯度效应作用较小的前提下，当企业自身发明专利水平(发明专利数量)越低，技术创新扩散带来的效用则越大；当企业的专利水平p趋向于+∞时，效用I_U(p)→0；
(2)退出集群的效用为O_U(p)。当企业自身发明专利水平越低，退出集群带来的效用也越小。当企业创新p(3)进入—退出效用曲线的组合决定了时期t+1中第i+1个企业ei+1是否进入企业集群E，形成决策空间C=(C1,C2)，其中C1为进入集群E，C2反之。对高水平创新能力企业补贴的情况下，企业的进入效应和退出效应图形如图2所示：
(1)在假设(5)的约束下，退出集群的效用为O_U(p)未发生改变。
(2)对于进入集群的效用为I_U(p)，由于存在对高新技术企业的补贴(税收优惠、土地协议转让等经济型优惠)，那么企业面临的I_U(p)将出现结构断裂。根据假设(6)，若补贴目标导致p>p*时， I_U(p)会向右平移，即p1>p*恒成立。 (3)以上进入—退出效用曲线的组合决定了时期t+1中第i+1个企业ei+1是否进入企业集群E，形成决策空间C=(C1,C2,C3)，其中C1,C2为进入集群E，C3反之。 模仿行为构成技术创新扩散的主要动力。根据假设(7)，企业模仿任一专利的概率相同，即模仿行为遵循均匀分布的密度函数。函数的表达式为：
在集群E中，同业企业的专利集合 P={p1,p2,p3} ，那么b=∑p,a=0，则模仿关系 R·U(0，∑p) 。那么，对于企业ei模仿ej二元关系Rij可定义为： Rij=pj/∑p
推论(1)：企业ei不参与模仿创新的概率为Ri-=pi/∑p，或参与模仿创新的概率为 Ri+=1-pi/∑p 。那么自有专利数高的自主研发的概率大，因此对集群创新环境的依赖度相较于低，创新多的企业倾向于采取自主创新的路线。
推论(2)：由于ei为集群内企业，无补贴情况下，图1(a)的p*=max(P)。有补贴情况下，图1(b)的p1=max(P)无补贴情况下。 由此可得到各企业的模仿关系矩阵为：
技术扩散路线与模仿路线相反，则技术扩散矩阵为： Ψ=ΓT
(1)从图3可以看出，产业园内的创新扩散网络有清晰的边界，核心企业及其关系连接较为显著。通过节点排序，可得出“中心节点”的企业及其各自的影响力。同时，图谱显示，关联数在企业之间的分布极不均匀，关联数多的企业只有少数，关
联数少的企业则大量存在。由于“中心节点”的位置特殊性，可使该类企业享受更大的控制力和影响力，因此其对扩散网络的范围和创新扩散的效果有更加显著的影响，更值得相关部门给予重视。
(2)从图谱可以看出，网络密度逐年增大，这代表着园区创新扩散范围正在不断得到扩展。然而，从宏观层面来看，网络的基本拓扑形态差别不大，说明园区内创新领军者的数量差别不大，创新扩散路径基本相似，这与企业之间因竞争而抑制创新信息外泄所带来的扩散网络扩张速度较慢相契合。
(3)从2011—2013年的平均加权度的趋势图可得，产业园区的创新扩散网络处于相对稳定的状态。这对于园区内实现扩散均衡是较为有利的。
(4)网络密度越高，创新信息的传播越容易。从表2的对比可得，园区内创新扩散网络的密度值普遍较低，与完整网络的差距较大，这说明园区内的创新扩散尚未达到均衡状态。
(5)扩散网络中企业的聚集系数反映企业之间关系的紧密情况。表2中的数据显示，园区内企业的节点平均聚集系数逐年增大，说明产业园内创新主体的相互联系在加强，领军企业的局部影响强度在扩大；与图3结合来看，园区内的企业在分派体系上表现尚不明显。
(6)结合图3和表2中平均路径的数据来看，2013年的平均路径最小，平均模仿强度最大，其扩散速度和范围也最大。因此可得，平均路径与创新扩散的速度和范围呈负相关关系，而平均模仿强度则与其呈正相关关系。
(7)模块度系数越高，说明企业在组内的连接越紧密。表2中的模块化分析结果显示，模块度与最大值1相比，还有很大差距，可见园区内企业还尚未形成社区结构，内部集聚水平相对较低。
对2011—2013年中关村产业园区的创新扩散网络的分析对比来看，高新技术产业集群的创新扩散企业所处的网络结构与位置有密切的关系。产业园区内创新仿真
图谱及各项统计指标告诉我们，高新技术产业集群内的创新网络有着相对清晰明显的边界，核心企业在创新扩散活动中扮演着重要角色，与其他企业之间的大量连接让其具备较大影响力，进一步影响创新扩散网络的扩散范围。所以相关部门应给予这些企业足够的重视和支持。由于高新技术企业要保持其核心竞争力而抑制创新信息被感知、被模仿，导致创新网络的速度和范围扩展都相对较慢，因此，需要相对稳定的网络环境保证创新扩散的连续性。方面，可以通过有效的财政、税收和文化建设等工具，促进创新扩散介质的形成，使得创新扩散网络被控制在一个稳定的范围内，进而对创新扩散进行有效控制。值得注意的是，由于高新技术产业集群具备知识密集型的特点，创新是企业发展的根本任务，所以，即使是模仿创新的企业，也会出于成本与效益的博弈，在创新信息被模仿到一定程度而选择拒绝模仿，所以其创新扩散网络很难达到一种扩散完全或绝对均衡状态。集群内的聚集系数反映出各企业之间关系的密切程度，因此，不论是实体的产业集群，还是虚拟的集群形态，都应关注聚集系数的高低，以便相关部门针对不同目标制定相关。同时，高新技术产业不同于其他产业，通常企业之间为了维持创新水平的领军者地位而选择创新或与较少企业进行合作创新，因此，该类产业集群的模块化程度水平一般不高。这些发现可为高新技术产业集群的创新扩散及创新发展提供理论参考。
随着高新技术和区域经济的迅速发展，技术创新扩散也受到越来越多的关注，并逐步成为促进社会和企业整体创新水平提高的重要加速器。高新技术产业集群作为区域发展的重要组织形态，其创新能力和扩散体系对区域经济至关重要。因此，分析高新技术产业集群的创新扩散机制，探索提高集群创新扩散的效率的途径，为保持创新扩散网络的稳定发展贡献力量是非常有必要的。未来研究将进一步探讨高新技术创新扩散网络动态的演化过程和相关的影响因素。
