低碳能源技术研发网络的生成、演化和效应研究

发布时间：2020-08-10 17:45

【摘要】：能源是国家经济可持续发展的重大战略需求。发展低碳能源技术是解决全球性能源短缺的关键途径,成为世界各国高度关注的核心问题。低碳能源技术是具有多学科、多领域、跨行业特征的复杂系统工程,这决定了其发展依托于研发网络这一技术研发、传播及应用效能评价的主流载体和平台。然而现有基于研发网络的研究多是聚焦于单一行业的独立零散研究,缺乏综合考虑多因素影响下内在规律的系统性挖掘。鉴于此,本研究采用联合国知识产权组织(WIPO)公布的国际专利分类绿色清单(IPC green inventory)中的节能减排技术专利代码为基准采集数据,开展了围绕低碳能源技术研发网络(Low-carbon Energy Technology RD Collaboration Network,以下简称为LCET-CN)的生成机制、演化规律、结构效应以及企业网络策略和政府政策定位优化的系统研究。主要成果如下:(1)构建了LCET-CN的生成机制模型并通过模拟仿真揭示网络涌现属性针对LCET-CN的复杂适应系统特征,构建了基于复杂网络的多Agent模型,通过模拟仿真来分析系统优化过程,揭示了研发网络中组织间合作的动力机制和随时间演化的涌现状态。模型实质是将LCET-CN的网络连边机制转化为一个动态优化模型,运用Matlab的差分演化算法进行求解并模拟仿真,通过对比分析揭示了LCET-CN与传统技术导向型研发网络在复杂网络特征和组织层面的涌现属性差异。该方法克服了现有研究受制于网络静态化严苛假设带来的缺陷,为规划高效的研发网络生态环境提供理论依据。同时,通过对Agent模型中创新主体的研发投入规则、知识吸收规则、知识生成规则与创新和利润生成规则的设定,将合作伙伴选择的外生机理内生化,解决现有研究对网络节点连接机制解释的模糊性问题。(2)创建了以联合申请专利为特征的LCET-CN并揭示其演化规律以联合国知识产权组织公布的国际专利分类绿色清单中的9类低碳能源技术的212个专利代码确定LCET-CN的技术外延,利用Java编程工具生成邻接矩阵挖掘联合申请专利数据,构建了2006年到2015年由我国491个组织为网络节点构成的研发网络。从网络整体结构、行动者位置、合作伙伴关系视角分析了LCET-CN的演化特征。结果表明:(1)LCET-CN具有最大子群的小世界性和整体的无标度网络特征;(2)中心性行动者及其演变特征的分析说明政府需对处于不同产业发展阶段的9类LCET-CN中核心行动者实施多元化、多层次、差异化的激励政策;(3)合作伙伴关系的演化特征一方面表明LCET-CN中产学研和跨行业合作的关系强度有待加强,另一方面体现出LCET-CN中合作关系向高技术互补性发展的趋势。这是首次基于联合申请专利数据,从创新技术导向而非行业视角对我国低碳技术研发网络的量化分析。(3)构建面板数据计数模型并实证验证LCET-CN的结构效应在运用嵌入性等理论梳理整体网、行动者位置、合作伙伴关系特征以及三者交互对低碳领域技术创新影响的基础上提出研究假设,构建了215家企业的757个企业年观察值的面板数据,并运用面板数据计数模型进行回归分析。结果表明:(1)集聚系数比网络密度对二元式创新产生更积极的影响;(2)行动者位置决策应与网络整体结构、合作伙伴关系特征相匹配;(3)结构特征交互效应的方向和程度在探索式创新和利用式创新类型中的影响存在差异;(4)关系强度的提高有利于提升两类技术创新。本研究从三重网络结构指标的交互对二元式创新影响的视角深入挖掘了LCET-CN结构效应的特殊性,探讨了LCET-CN结构效应提升的一般规律,填补了低碳技术创新背景下研发网络结构效应的实证研究空白。(4)基于耦合分析确立提升LCET-CN结构效应的网络策略与政策定位结合三维曲面图和二维矩阵分析了LCET-CN中能提升技术创新水平的企业网络策略和政府网络治理方向。基于行动者位置和合作伙伴关系特征的交互效应、整体网特征与行动者位置交互效应的三维曲面图得出二维矩阵,展示交互类型与技术创新水平的耦合关系。在此基础上分别归纳提升技术创新水平的企业网络策略及实现路径、政府网络治理方向和相关政策。这一方面为具有不同创新战略姿态和资源条件的企业作出适应自身创新诉求的网络决策提供了操作借鉴,另一方面也为政府在不同层次、不同阶段科学合理的政策运用提供了决策支撑。
【学位授予单位】：武汉理工大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：F273.1;F426.2
【图文】：

对比图,密度相,对比图,系数

信息共享从而减少信息传递的市场失灵，同时便于制裁和形成声誉，这使信任或合作关系的破裂的影响扩大，从而使创新个体趋于避免导致不良声誉的行为，因此，传递性比率与创新绩效有明显的关系；另一方面，平均局部密度的计算与节点度相关，这与行动者位置特征指代变量度数中心度高度相关，因此在能提供的额外变量信息上价值不如传递性比率。在反映传递性的概念上，如图 2-3所示，三角形的个数均为 1，而“三方组”（三角形少一条边）的数量从各个节点出发计算的数量对应于第一、二、三个图，分别为 9、10、12，因此依据集聚系数计算公式：(2-1)其中，，为包含节点 i 的三角形总数，为包含节点 i 的“三方组”3( )总数，C 的取值范围为[0，1][208]。而从图形上来看，第一个图中可形成的三角形的比率最高，意味着信息的传递性最好，因此具有三个图中最高的集聚系数。

流程图,模型仿真,流程图,认知距离

64图 3-2 模型仿真流程图表 3-1 仿真模型中的参数设定参数名称符号设定值研发预算 RDi10认知距离带来的新颖性价值系数 α 2/50不存在合作时组织的理解能力 1240合作后认知距离对理解能力的削减系数 21自身研发投入的回报率 0.5吸收能力投入的递减边际收益率 0.5比例系数 0.1知识扩散系数 δ [0.1;0.9]知识溢出系数 δ [0.03;0.1]认知距离的前三期赋值 d [0, 0.15]

途径长度

3.3.3 仿真结果仿真的目的在于揭示研发决策优化模型生成的网络的涌现性质，包括网络整体性质和组织层面的性质，前者是对拓扑结构的分析，后者是对组织嵌入网络结构效应的分析。首先，对研发网络的集聚系数和特征途径长度进行分析。这两个指标是网络小世界性的判断依据[189]；其中，特征途径长度为连接任何两个点之间最短途径的平均长度。从图 3-4 可以看出：当固定（图（a）和图（b））或（图（c）和图（d））时，生成网络的集聚系数均明显高于同等规模（相同节点和连线数）的随机网络，特征途径长度则在两类网络中相当，说明生成的研发网络具有小世界性[189]，且考虑二类指标在 5%和 95%分位数上的值也不影响结论的稳健性；同时，可以发现集聚系数在传统技术导向型研发网络（较大或较小）中高于 LCET-CN（较小或较大），这验证了 Rowley 等（2000）[95] 的经验发现，即在传统技术导向型研发网络中三角结构所反映的集聚性更有助于组织的技术挖掘，其网络的传递性会高于新兴技术研发网络。

【参考文献】