产学合作经历与科学家离群创新的产生

摘要

本研究探讨了产学合作经历如何影响科学家离群创新的产生。通过分析1993至2018年间中国专利数据，本研究采用面板负二项随机效应回归模型，考察了产学合作对科学家离群创新的作用及其边界条件。研究结果表明，产学合作经历显著提高了科学家发现离群创新的概率，这可能是因为产学合作增强了科学家对产业目标和思维模式的理解，同时激发了他们对科研成果商业化的关注。此外，科学家的组织内搜索资源，如个人创新经验和合作网络，调节了产学合作经历对科学家发现离群创新可能性的影响。具体而言，科学家的创新经验宽度越高，产学合作经历的正面影响越弱；而组织内间接合作者数量越多，产学合作的正面影响同样被削弱。本研究为理解科学家在创新生态系统中的角色提供了新的视角，并为促进科学成果转化为技术创新提供了管理启示。

引言

离群创新是指那些和所有已知创新距离较远、新颖程度较高的特殊创新，该类创新代表了技术发展中的不连续性，并可能在技术、经济和社会领域产生深远影响。作为新技术轨道的起点，离群创新不仅能带来引领新兴产业发展的创新机会，更是我国突破关键核心技术、提升原始创新能力、实现科技上从“跟跑”到“领跑”的关键所在。因此，关注离群创新的来源有重要的理论意义和政策启示。

现有文献对离群创新产生机制的认识十分有限。先前研究表明，科学理论在离群创新的搜索过程中发挥着重要作用。同时，科学家作为发明人更有可能取得离群创新成果。然而，在科学家的直接创新成果中，离群创新仅占很小比例。这一现象驱动我们探究：在直接参与创新的科学家群体中，为何只有部分人能够成功发现离群创新？

针对上述研究问题，本研究从认知视角出发，聚焦发明人层面，深入分析了产学合作经历对科学家搜索离群创新的影响机制。研究提出，产学合作通过改变科学家在科学问题选择和离群机会识别时的注意力分配，影响了科学家是否能够发现离群创新。研究基于1993-2018年的中国专利数据进行了实证分析，结果表明，有产学合作经历的科学家发现的离群创新数量更多；科学家的组织内创新经验、组织内间接合作者数量弱化了产学合作经历与科学家离群创新数量之间的正相关关系。

1 文献综述与研究假设

1.1 科学家的注意力与其离群创新的搜索

近年来，科学家越来越多地参与到创新活动中来，成为兼具研究者和发明人双重身份的“学术发明人”（academic inventor）。和一般发明人相比，科学家创新的动机和过程都有所不同。科学家的创新大多基于他们的科学研究，是在不以追求创新为目的的情况下得到了创新。此外，科学家离群创新的搜索与一般离群创新也有显著差异。一般发明人对离群创新的搜索始于对“离群机会”的识别，相较之下，对于科学家发明人来说，他们对离群创新的搜索开始于对特定科学问题的关注，对这些问题的探索有可能导致能够转化为离群创新的科学发现，如果科学家能够识别其科学发现中的离群机会，就有可能将其转化为离群创新。

既有研究表明，发明人在创新搜索过程中如何分配其有限的、稀缺的注意力会对其搜索结果产生不可忽视的影响。在本文的研究情境中，科学家在选择科学问题和识别离群机会时如何分配其注意力，可能影响他们是否能够发现离群创新。首先，科学家对研究问题的选择可能影响其创新成果。科学研究的根本使命让科学家更加专注于对基础认知的探索，而学术象牙塔的封闭性以及学科边界的限制，可能导致科学家选择理论上有深度但缺乏实际应用前景的研究问题，这种倾向阻碍了科学家发现有价值的创新成果。其次，科学家是否能识别其科学成果中的离群机会也影响了他们发现离群创新的可能性。既有研究表明，科学家更关注论文发表，能否在权威期刊上的论文并获得其他学者的引用，对科学家的学术声望、职业发展和经济收益有着重要影响。当论文发表占据了科学家稀缺的注意力，他们可能会忽略对其科研成果的创新潜力及实际应用价值的挖掘，并因此错过对科研产出中离群创新机会的识别。

1.2 产学合作经历与科学家离群创新的产生

本文提出，产学合作经历可能影响科学家在选择研究问题和识别离群机会时的注意力分配，从而促使科学家更有可能发现离群创新。产学合作泛指科学家和产业合作伙伴开展的正式和非正式合作、交流活动，涵盖联合科研、创新合作、咨询服务以及个人社交活动等多种形态。本文聚焦科学家和产业合作伙伴之间开展的联合创新，这是因为，联合创新一般旨在解决企业的实际问题，需要科学家持续的深度参与。一方面，产学合作经历可能影响科学家关注的研究问题。有产学合作经历的科学家更有可能了解到产业发展的最新动态和技术难题，而与产业界的接触则可能为他们提供科研上的新灵感，刺激科学家转向更可能产生离群创新的科学问题。另外一方面，接触企业增强了科学家的成果转化意识，让他们更有可能识别其科研成果中的离群机会，并通过申请专利将科学知识转化为离群创新。 基于以上论述，本文提出：假设1：有产学合作经历的科学家更有可能发现离群创新。

1.3 科学家组织内搜索资源的调节作用

本文将结合注意力视角和跨组织边界搜索理论，进一步探讨影响产学合作经历与科学家发现离群创新可能性之间关系的权变因素。既有研究表明，在进行跨组织搜索时，发明人需要在组织内外资源中合理分配其稀缺的注意力。发明人能否从外部搜索中获益，关键在于他们是否将注意力投向外部搜索所揭示的资源。在本研究的情境中，产学合作代表了科学家在组织边界外的搜索，科学家能否从中获益，取决于他们是否将注意力放在了从产学合作获得的信息和资源上。在进行产学合作的同时，科学家也可能在组织边界内搜索，例如与自己的研究团队或其他院系的科学家合作，将科研成果转化为创新。

本文提出，当组织内搜索能提供多样化信息时，科学家更可能关注组织内部资源，忽略产学合作带来的外部信息，从而减少产学合作对发现离群创新的正面影响。接触广泛的信息和知识，能提高科学家识别离群创新机会的可能性。产学合作虽然提供了异质化信息，但理解和应用这些外部知识充满挑战。Hansen指出，跨组织传递的外部知识很难被有效吸收和整合。由于产业界和学术界在目标、逻辑和关注点上存在差异，将产学合作中的信息融入学术环境并非易事。相比之下，科学家理解和利用组织内部资源更为直接高效。先前研究表明，科学家主要通过两个途径获取组织内部的信息和资源：一是个人在职业发展过程中积累的创新经验；二是组织内的发明合作网络。

（1）科学家组织内创新经验宽度的调节作用。科学家在职业生涯中积累的多样化经验和知识对创新活动有显著影响。如果这些个人经验足够广泛和多样化，科学家可能更倾向于依赖个人经验寻找和识别创新机会。这种倾向可能会分散他们对于产学合作中获得的信息的注意力，进而可能削弱产学合作在促进科学家发现离群创新方面的积极作用。 因此，本文提出：假设2：科学家自身创新经验的宽度越高，产学合作经历对科学家发现离群创新可能性的正面影响程度越弱。

（2）科学家组织内合作网络的调节作用。组织内的合作网络是科学家获取信息和资源的关键渠道之一。科学家通过这些网络获得的信息和资源的多样性，可能会影响他们对产学合作中获得信息的关注度。具体而言，网络中直接合作者的经验、间接合作者的数量、和科学家在网络中是否处于中介位置，都会对他们获取多样化信息的能力产生影响。 基于以上论述，本文提出：假设3a：科学家组织内直接合作者的创新经验宽度越高，产学合作经历对科学家发现离群创新可能性的正面影响程度越弱。假设3b：科学家组织内的间接合作者数量越多，产学合作经历对科学家发现离群创新可能性的正面影响程度越弱。假设3c：当科学家在组织内合作网络中处于中介位置时，产学合作经历对科学家发现离群创新可能性的正面影响被弱化。

图1 理论模型

2 研究设计

2.1 数据来源

本研究旨在探索中国研究型大学科学家离群创新的产生机制，并以中国专利数据为基础进行分析。研究样本涵盖了1993至2018年间的发明专利数据，共计3,578,008条，来源于中国国家知识产权局。通过分析专利数据中的申请人信息，本文筛选出由“双一流”建设高校提交的专利，并进一步通过发明人字段，以“高校-发明人姓名”的格式（如“上海交通大学-丁xx”），精确识别出来自这些高校的发明人。由此，我们构建了一个包含449,206名“双一流”建设高校发明人的样本。

为了深入分析科学家的职业经历对创新的影响，本文参照现有文献，将科学家的职业生涯划分为3年一个窗口期，共9个时期：1993-1995年、1996-1998年、1999-2001年、2002-2004年、2005-2007年、2008-2010年、2011-2013年、2014-2016年以及2017年及以后。最终，研究样本被整合为“科学家-时期”层次的数据，共计598,571条。这样的数据结构不仅有助于我们追踪科学家的创新轨迹，还能够分析不同时间段内科学家创新活动的动态变化。

本文选择使用专利数据作为研究样本，主要基于以下几方面的考虑：首先，通过对专利数据和技术分类号进行分析和计算，研究者能够实现对技术地形空间、技术位置、技术距离等构念的准确操作化，为识别离群创新提供了必要的实证基础。其次，专利数据也为追踪科学家的创新成果提供了大样本分析的基础。此外，中国专利数量增长迅速，但质量参差不齐，存在一定泡沫。为提高研究的可靠性，本文选取审查更严格、创新性更高的发明专利作为研究对象，以更准确地反映实质性创新成果。

2.2 变量说明

（1）识别离群创新。本文基于Aharonson等（2016）的方法，利用中国专利数据（1993-2018）操作化了技术地形空间、技术位置和技术距离的概念。技术地形空间由7546个主组技术分类号所代表的技术元素的所有可能组合构成。每个专利的主组技术分类号组合确定了其在技术地形空间中的位置，目前已被占领的技术位置为569,400个。技术距离则通过比较两个专利的主组技术分类号组合的差异来确定，具体计算方法是统计只存在于其中一个专利而没有同时出现在两个专利中的主组技术分类号的个数。

基于以上构念的操作化，研究采用Kneeland等（2020）的方法识别离群创新。如果两个专利之间的技术距离为1，则认为它们互为邻居。离群创新在出现时远离所有已知创新，是技术地形空间中没有邻居的孤立点。因此，如果一项专利在申请时与所有已知专利的技术距离都在2或以上，则认为其没有邻居，体现了"离群"特征，可被识别为离群创新。

（2）被解释变量。科学家离群创新数：本文使用研究型大学科学家被授权的离群专利数量来衡量科学家发现的离群创新数。具体方法是，针对每位“双一流”建设高校的科学家，我们收集了他们在各自职业生涯的3年时间窗口内授权的专利。在这一过程中，我们筛选出那些专利文件中发明人一栏包含科学家姓名、申请人一栏显示其所属大学名称，并且专利申请日期符合时间窗口要求的专利。通过这种方法，我们确定了每位科学家在特定时期内的离群专利数量，该数量以零或正整数表示。

（3）解释变量。是否有产学合作经历：如果科学家在当期与一个或者多个企业合作申请了专利（科学家所属大学名称与企业名称共同出现在专利的“申请人”字段，且科学家姓名出现在专利的“发明人”字段），则认为科学家具有产学合作经历，取值为1，否则为0。

（4）调节变量。科学家的创新经验宽度：为衡量科学家的创新经验宽度，本研究计算了“双一流”大学科学家组织内合作专利中出现的不重复主组（main group）技术分类号的数量。

组织内直接合作者的创新经验宽度：本文首先通过以下条件识别科学家的直接合作者：1）科学家本人出现在当期专利发明人字段；2）科学家所在大学为专利的唯一申请人；3）该专利的其他发明人即为科学家的直接合作者。然后，以与计算科学家个人创新经验宽度相同的方法，得出每个直接合作者往期专利的不重复主组技术分类号数量。最后，将所有直接合作者的该数值相加并平均，得到的正整数即为科学家组织内直接合作者的平均创新经验宽度。

组织内间接合作者的数量：首先识别出科学家当期组织内的直接合作者，然后找出同期与这些直接合作者共同申请专利、但未与该科学家本人合作的组织内发明人，即为该科学家的间接合作者。将间接合作者总数相加所得的正整数，即为该科学家组织内间接合作者的数量。

科学家是否处于中介位置：为确定科学家在组织内合作网络中的位置，本研究基于Fleming等人（2007）的方法，通过计算以科学家为中心的自我中心网络的凝聚度来评估其中介程度。网络凝聚度是指科学家合作者之间实际合作关系占所有可能合作关系的比率，凝聚度越低，表明科学家连接了更多原本不直接相连的合作者，在网络中的中介程度越高。

（5）控制变量。本研究控制了多个可能影响科学家探索和发现离群创新的因素。首先，科学家的创新产出，即其参与的专利数量，可能影响他们搜索和发现离群创新的概率。其次，科学家与组织内合作者发明经验的相似程度，反映了科学家与合作者是否拥有相似的背景，可能对科学家探索离群创新产生影响。本文通过计算科学家与组织内合作者共享的主组技术分类号的比例来控制这一因素。此外，科学家组织内的直接合作者数量，反映了科学家获取信息渠道的规模，可能影响其获得信息的数量和多样化程度，进而改变他们发现离群创新的可能性。本研究还控制了科学家当期的所有直接合作者中以前合作过的比例，以及科学家所属大学的专利数，后者反映了科学家所处社会环境是否支持并鼓励创新，以及组织层面的创新能力。最后，本研究控制了科学家当期发表的科学论文数，因为科学家的离群创新可能来自对其科研成果的转化，以及科学家的职业时期，以消除不同时期科学家在发现离群创新可能性上的差别。

表1 变量说明

2.3 分析方法与模型设定

本研究的因变量——科学家的离群创新数，是非负整数值（受限变量），在统计上应该采用计数模型而非线性模型来进行回归分析。同时，科学家的离群创新数在统计分布上存在过度离散的问题（变量的方差远大于平均值），使用泊松模型可能会得到不准确的结果。另外，本研究关注科学家之间的不同。因此，本研究采用面板负二项随机效应回归模型进行估计分析。

3 实证结果

3.1 描述性统计分析

表1给出了本研究中变量的描述性统计。由表可知，科学家在时期n的离群创新数均值为0.10，最少为0个，最多为35个，仅有少部分的科学家发现了离群创新，或者说科学家发现离群创新是一个稀有事件（rare event）。在时期n有产学合作经历的科学家为5%，只有少数的科学家进行了产学合作，产学合作本身也是一个稀有事件。科学家的组织内创新经验均值为0.85，最小值是0，最大值为24，说明科学家平均拥有一个技术领域的创新经验。组织内合作者创新经验均值为1.56，最小值为0，最大值为36.50。间接合作者数量的均值是22.46，最小值为0，最大值为735，取值范围的跨度较大。网络凝聚度的均值为0.25，是一个取值范围在0到1之间的非负数。表2汇报了变量之间的相关系数。

表2 变量的描述性统计

3.2 实证分析结果

表3汇报了是否有产学合作经历对科学家离群创新产生的影响，以及科学家组织内搜索资源对产学合作与科学家离群创新产生之间关系的调节效应。

模型1包含了核心解释变量科学家是否有产学合作经历和所有控制变量。由模型1的结果可知，是否有产学合作经历对科学家发现的离群创新数的影响显著为正（ β = 0.21 , p < . 01 ），表明是否有产学合作经历对科学家发现离群创新可能性的正向影响是显著的，也就是说，有产学合作经历的科学家，发现离群创新的可能性更高。因此，假设1得到了支持。

模型2引入了是否有产学合作经历与科学家创新经验的交乘项，其系数显著为负（ β = - 0.014 ， p < . 01 ），因此，当科学家创新经验的宽度较高时，是否有产学合作经历与科学家发现的离群创新数量之间的正相关关系会被弱化。因此，假设2得到了支持。

模型3-5在模型1的基础上，分别引入了是否有产学合作经历与组织内直接合作者创新经验、间接合作者数量以自我中心网络凝聚度的交乘项。结果表明，组织内直接合作者的创新经验对产学合作与科学家离群创新的正相关关系没有显著影响，假设3a未得到支持。但当科学家拥有较多组织内间接合作者时，产学合作对科学家离群创新的正向作用会被削弱，支持了假设3b。此外，科学家在组织内合作网络中是否处于中介位置，对产学合作与离群创新的关系没有显著影响，假设3c未得到支持。

表3 变量的相关系数

表4 产学合作与科学家离群创新的产生及调节效应

图2 是否有产学合作经历与科学家组织内创新经验的交乘效应

图3 是否有产学合作经历与科学家组织内间接合作者数的交乘效应

3.3 稳健性检验

为增强上述结论的可靠性，本研究进行了以下稳健性检验：首先，改变核心解释变量的测度，用连续变量测量科学家的产学合作，使用与科学家合作的不重复企业数，来替代前文使用的虚拟变量。结果表明合作企业数对离群创新有正向显著影响，支持了H1的主效应，科学家的创新经验（H2）、组织内间接合作者的数量（H3b）和中介位置（H3c）的调节作用得到支持。其次，加入了新的控制变量产学合作的所有专利数，以反映来自业界信息刺激强度。产学合作经历对离群创新的正面影响依然显著，支持假设1。调节效应中，科学家的创新经验（H2）、组织内间接合作者的数量（H3b）的负向调节作用得到了支持，其余调节作用未得到支持。最后，为了避免网络自相关（network autocorrelation）问题，本研究在前文回归样本的基础上随机抽取科学家发明人的完整职业经历。我们沿用了Fleming等（2007）的处理办法，在发明人层面随机抽取10%的样本。检验结果支持了主效应H1和科学家的创新经验（H2）的调节效应。综上，实证分析和稳健性检验的结果基本支持了假设1、假设2和假设3b。

4 结语

4.1 主要结论

本研究旨在揭示产学合作经历如何促进科学家发现离群创新，采用1993至2018年间的中国专利数据，运用面板负二项随机效应回归模型进行了实证分析，以考察产学合作经历对科学家离群创新产生的作用及其边界条件。主要研究结论如下：

（1）产学合作经历对科学家的离群创新产生具有显著的正面效应。产学合作使科学家能够更准确地把握产业界的目标和思维模式，与产业界建立更为紧密的社会联系。这种经历可能改变科学家在研究问题选择时的注意力分配，使他们更可能聚焦于与技术创新紧密相连的科学议题。同时，产学合作经历也可能激发科学家对科研成果商业化转化的关注，这两大机制共同提升了科学家发现离群创新的概率。（2）科学家的组织内搜索资源会影响产学合作经历与科学家发现离群创新可能性之间的关系。产学合作经历对科学家发现离群创新的正面效应程度，取决于科学家对产学合作所带来的信息和资源的关注程度。在跨组织搜索资源时，创新者需在组织内外的资源的注意力分配上做出平衡。当科学家能够在组织内部获取到多样化的信息资源时，他们可能会减少对产学合作信息的关注，从而降低了产学合作经历对发现离群创新可能性的正面影响。而科学家如果拥有丰富的组织内创新经验或广泛的组织内间接合作者，他们接触到的组织内搜索资源更为多元，这可能会削弱产学合作经历对发现离群创新可能性的积极作用。

4.2 研究贡献

本文的边际贡献在于：第一，现有文献较少关注科学家的商业活动对其发明结果的影响，本文的研究结论填补了这一研究空间，在个体层面证实了科学与技术之间的相互影响和协同演化的复杂关系。第二，先前研究对于认知因素在离群创新搜索中的作用理解有限，本文的研究结论证实了注意力分配在科学家搜索离群创新中的作用，拓展了我们对认知因素在离群创新理论中的认识。第三，本研究也深入分析了科学家组织内搜索资源对产学合作经历与科学家离群创新产生关系的调节作用，这一发现不仅深化了我们对产学合作在不同情境下促进科学家离群创新产生的效用，也从跨边界搜索和认知视角出发为二者之间的关系提供了边界条件。

4.3 实践启示

基于以上结论，本文得到以下实践启示：首先，政策制定者应认识到产学合作在促进科技创新中的重要作用，并制定相应的政策以支持和激励科学家参与产学合作，同时为他们提供必要的资源和环境，以促进离群创新的产生。其次，科学家应充分意识到其在联结科学与技术之间的桥梁作用，并通过与产业界的合作，更好地识别科学知识向技术创新转化的机会。这不仅能够让科学家获得更多来自外界的肯定，也为他们指明了直接贡献于技术创新的途径。最后，科学家的离群创新为创新型企业指明了新兴技术领域的发展方向，本文的研究发现表明，企业管理者可以通过考察科学家的过往产学合作经历，来判断其离群创新在未来可能获得成功的可能性，抢占相关创新赛道的先机。

4.4 研究局限与未来研究方向

首先，尽管本研究利用了详尽的二手面板数据来捕捉科学家与产业界合作伙伴共同创新的经历，我们却无法直接观察到科学家在实际合作中的参与程度及其所扮演的具体角色。有充分理由相信，本研究的结论对于那些深度参与产学合作的科学家发明人是适用的。然而，我们不能排除在所分析的数据样本中，可能包含一些虽然与企业建立了合作关系，但并未深度参与其中的科学家。因此，本研究为广泛意义上的产学合作经历对科学家离群创新产生与传播的影响提供了积极的支持。未来的研究可以在这一基础上进行更深层次的探究，比如分析不同类型的产学合作经历、与多样化产业伙伴的合作，或者科学家在合作中的多种角色如何影响其离群创新的产生。此外，科学家从事的基础研究和参与创新活动受到科技政策、法律环境以及社会文化因素的影响。因此，尽管本研究的结论在当代中国背景下具有适用性，但其在不同时期和制度环境中的普适性仍需未来研究的进一步验证和探索。

作者：韩令晖1,2、陈劲1,2、李习保1,2

1 清华大学经济管理学院

2 清华大学技术创新中心

本文原载于《科学学研究》2024年9月13日网络首发

| | | | | | | | | | | | | | | |更多精彩敬请期待

投稿邮箱： nais-research@cnais.org.cn