摘要：以1999—2018年60个国家两两之间共同发明的PCT国际专利数据构建跨国合作创新网络，通过采用社会网络分析法和多维尺度分析法分析该网络的整体结构特征、节点中心性和节点间合作强度的演化过程，并运用QAP回归分析探究跨国合作创新关系变化的影响因素。研究发现，跨国合作创新网络的连通性不断增强、联系更加紧密、小世界特性逐渐凸显、位置优势分配也趋于平衡；美国、德国和英国一直占据着网络的重要位置，位于次重要位置的国家却发生了较大的变化，跨国合作创新的空间分布不均衡问题逐步改善，但仍集中于少数技术创新水平较高的国家之间；在网络演化过程中，地理距离、文化距离和语言差异对跨国合作创新程度具有负向影响；相反，技术距离发挥积极作用，其中，地理距离的影响逐渐减小，技术距离和语言差异的影响却不断增大。
关键词：跨国合作，创新网络演化，国家距离，共同发明专利，社会网络分析
一、引言
经济全球化的不断深入使越来越多的创新主体将合作创新活动由国内扩展到国外，由此形成了不同形式的跨国合作创新网络，该网络的有效利用有利于各国获得更多的外部创新资源，促进新技术和知识的产生，进而提升自身的创新能力水平和竞争优势[1-2]。在当前新冠肺炎疫情全球持续蔓延的背景下，跨国合作创新网络的高效运行对于全球共同应对疫苗和药物研制等方面的技术难题和由疫情导致的经济衰退问题也发挥着至关重要的作用。为此，如何提高跨国合作创新网络的运行效率成为社会各界关注的焦点问题，而解决该问题的前提是需要明确：跨国合作创新网络结构如何随时间的变化而演化？哪些因素影响了跨国合作创新网络的演化过程？
关于跨国合作创新网络结构及其演化的现有研究主要基于专利合作、论文合著和项目合作等信息，采用社会网络分析法从整体网络结构和个体网络结构两个方面展开讨论。Prato等采用欧洲专利局的共同发明专利数据建立了全球合作创新网络，研究表明该网络呈现出明显的小世界性和核心—边缘特征[3]。Ozcan等通过研究纳米线技术领域的跨国专利合作网络中各节点的中心性和相互之间的合作强度发现，美国处于中心位置，且与韩国、新加坡之间的合作最频繁，中国虽然申请专利数量较多，但跨国合作数量却较少[4]。Zheng等探讨了纳米技术领域国际专利合作网络的演化特征，结果显示，国际合作的规模和强度均逐步增加，美国一直占据着最重要的位置，亚洲国家的国际专利合作数量明显增多，而欧洲国家却呈下降趋势[5]。王继民等则重点分析了“一带一路”沿线国家的跨国科研合作网络的结构演化过程，得出该网络的密度波动上升，中国、印度、俄罗斯、土耳其、捷克、匈牙利和波兰等始终处于核心区域，其他国家之间的科研合作具有明显的区域聚集特征[6]。李文娟和朱春奎还针对中国的国际科技合作发展变化展开研究，发现中国的国际合作网络规模、密度和连接数均在持续增加，其核心度不断上升且处于结构洞位置，主要合作对象也由美、日、英、法、德等国扩展到韩国、印度和新加坡等亚洲国家[7]。
部分学者在明确跨国合作创新网络的结构特征及其演化规律的基础上还更加深入地揭示了对其产生影响的关键因素。Autant-Bernard将地理距离和社会距离作为欧盟框架计划项目下跨国合作创新网络的外部驱动因素，并认为社会距离的影响大于地理距离[8]。Petruzzelli以12个欧洲国家33所高校的校企共同发明专利为样本构建了专利合作网络并探讨了技术接近性与合作创新绩效的倒“U”型关系以及社会接近性和地理距离产生的积极作用[9]。向希尧等也从地理接近性、技术接近性和社会接近性三个因素出发，实证分析了不同接近性对跨国专利合作网络中节点之间的距离和合作强度的影响，发现地理接近性的影响并不显著，技术接近性和社会接近性均有利于缩短连接距离并提高合作创新程度[10]。也有学者以“一带一路”的沿线国家为样本，挖掘了跨国专利合作网络的规模、密度、中心势和核心国家分布等结构特征及其动态演化轨迹，并以此为基础进一步探究了推进跨国专利合作关系的因素，包括技术创新能力、地理接近性和社会接近性等[11-12]。
通过梳理国内外已有文献发现，学术界存在大量关于合作创新网络的研究成果，但更多地侧重于国家内部不同形式的创新主体之间和区域之间的合作创新[13-14]，从国家层面开展的研究相对较少。根据以上研究综述可知，现有的跨国合作创新网络相关研究大多局限于某一具体的技术领域，国内学者也更多地以中国和“一带一路”沿线国家为研究对象，分析不同国家之间合作的规模、强度和趋势以及各国在网络中的位置和影响力等，难以全面地反映整个跨国合作创新网络的演化路径。其中，更少有学者考虑到跨国合作创新网络中网络成员的异质性影响，为数不多的研究主要分析了地理、技术和社会等维度的邻近性对网络距离、合作创新程度和绩效的影响但并未得到一致的结论，忽略了其他因素对跨国合作创新关系的动态影响。
鉴于此，本文以全球创新指数排名前60位的国家为分析对象，基于1999—2018年《专利合作条约》（PCT）国际专利中不同国家之间的共同发明专利数据，运用社会网络分析和多维尺度分析等方法从整体结构指标、节点中心性和合作强度等方面分析了跨国合作创新网络的结构演化特征，并进一步探究了地理距离、技术距离、文化距离、制度距离和语言差异等在网络演化过程中发挥的作用，从而为各国研判跨国合作创新趋势并制定相应的政策和战略提供理论依据。
二、样本选择与数据处理
（一）样本选择
专利是重要的技术创新成果，包含专利号、专利名称、申请日、发明人姓名、发明人地址、申请人名称、申请人地址和技术分类号等规范且公开的信息，因此，学术界通常基于专利信息，以共同申请专利和共同发明专利等指标来研究技术合作创新的相关问题[9][15-16]，来自不同国家的申请人或发明人之间的专利合作常被用于跨国合作创新的研究[3][11]。由于共同发明专利比共同申请专利更能体现不同创新主体之间实际的知识交流与技术合作[17]，本文采用两个或两个以上来自不同国家的发明人之间的共同发明专利数量来反映各国两两之间的合作创新关系，进而构建跨国合作创新网络并对其展开研究。
本文选择世界知识产权组织（World Intellectual Property Organization，以下简称WIPO）发布的《全球创新指数报告2018》中排名前60位的国家①作为样本国家，原因在于：这些国家的国内生产总值占全球的87.69%②，研发支出总量和PCT国际专利总数分别占全球的74.78%和94.21%③，可以看出，它们在全球经济发展和技术创新活动中发挥着重要的影响，将其作为研究对象具有较强的代表性。此外，所选的样本国家覆盖了亚洲、欧洲、北美洲、大洋洲和非洲等各个区域，既包含发达国家也包含发展中国家，其跨国合作发明专利总数在全球的占比也高达97.04%④，相互之间形成的合作创新网络能够全面地反映跨国技术合作的整体发展状况。考虑到专利从申请到公开通常需要18个月的滞后，将数据收集的时间截止到2019年1月1日前，以此来保证数据的完整性，由于立陶宛、科威特、马耳他、蒙古、阿联酋、越南、摩尔多瓦、卡塔尔、黑山和塞尔维亚等国家在1999年之前的跨国专利合作数量极少，故将本研究的时间跨度确定为1999—2018年。综上，最终选取1999—2018年60个国家两两之间的共同发明专利数据为研究样本。
（二）数据收集与处理
本文用于建立跨国合作创新网络的样本数据来源于WIPO的PCT国际专利数据库，主要是因为该数据库提供了完整的世界各国申请PCT国际专利的相关信息，且PCT国际专利是由多个专利局按照严格统一的标准审查通过的高质量专利，能够更好地避免由单一专利局的本国偏好而导致的数据偏差和同一专利数据在不同专利局的重复统计。本文采用高级检索的方式，以1999—2018年各年份为申请日，以样本国家两两组合作为发明人国籍，在数据库中输入检索式来统计各国两两之间的共同发明专利数量，如检索2018年澳大利亚与加拿大的共同发明专利数据，需要输入检索式“AD：（[01.01.2018 TO 31.12.2018]AND IADC：（AU）AND IADC：（CA）”。由此得到体现1999—2018年各年各国之间跨国合作创新关系的60×60的邻接矩阵。
图1描述了1999—2018年20年间60个国家之间的专利合作总数及其所占专利申请总数的比例随时间变化的趋势。由专利合作总数可以看出，1999—2003年，虽然专利合作数量逐年增加，但却仍处于较低水平，各年的合作数量均不超过20000项；2004—2008年，专利合作进入飞速发展时期，合作数量持续快速上升，从21056项增长到29324项，平均每年增长2000余项；2009—2013年，由于受到2008年世界金融危机的影响，专利合作数量出现了较大的波动，在2009年和2010年明显减少，之后随着经济的恢复又开始逐步增长；2013年以后，专利合作数量保持稳定增长的态势，2018年有所下降是因为部分专利申请处于审查期而尚未公开。由专利合作总数占专利申请总数的比例可以看出，各年的专利合作占比均低于20%，一直以来，大多数的专利为独立研发和国内自主研发，跨国合作研发相对较少。1999—2003年，专利合作占比缓慢增长，更多的创新主体开始跨越国界来寻求技术合作；2003—2008年，专利合作占比在16%左右浮动；2008年之后，专利合作占比大体呈下降趋势，从2008年的16.69%下降到2018年的14.10%，说明专利合作数量的增速低于专利申请总数的增速。根据上述跨国专利合作数量呈现的阶段性特征，本文将所得到的邻接矩阵按照1999—2003年、2004—2008年、2009—2013年和2014—2018年四个阶段进行加总求和来生成各阶段的跨国专利合作矩阵，以此来研究跨国合作创新网络的演化特征。
图1 1999—2018年跨国专利合作总数及其占比趋势
三、跨国合作创新网络的演化分析
（一）整体网络结构的演化分析
将1999—2003年、2004—2008年、2009—2013年、2014—2018年的跨国专利合作矩阵分别导入社会网络分析软件Ucinet6中，采用可视化工具Netdraw绘制各阶段的跨国合作创新网络结构图（图略）。其中，孤立点表示与其他国家均未开展专利合作的国家，孤立点越少，说明参与跨国专利合作的国家越多；节点表示参与跨国专利合作的国家，节点越大，说明与该国开展专利合作的国家越多；连线则反映了国家之间的专利合作关系，连线越粗，说明国家之间共同发明专利的数量越多。
除第二阶段有黑山1个孤立点之外，各国在其他各个阶段均不同程度地参与了跨国专利合作。在第一阶段，网络中的连线相对较少，各节点的大小和连线的粗细存在较大差异，说明各国之间的共同发明专利数量较少，各国的合作广度和强度差异较大。其中，美国、德国、法国和英国等国家的节点较大，开展了范围较广的跨国专利合作，而其他大部分国家仅与有限的国家之间存在合作创新关系。从合作强度来看，跨国专利合作也主要频繁发生于美国与英国、美国与德国以及美国与加拿大等少数国家之间；之后，各阶段与上一阶段相比而言，网络中的连线更加密集，一些节点明显增大，连线也明显加粗，各节点的大小和连线的粗细分布更加均匀，表明跨国合作创新关系持续增多且不断加强，节点较大的国家逐步扩展为美国、德国、法国、英国、荷兰、俄罗斯、瑞典、瑞士、印度、丹麦、意大利和中国等多个国家，合作强度较大的国家也并不仅仅局限于美国与英国、德国和加拿大之间，美国与英国、中国、日本和印度之间以及法国和德国之间也进行了更加深入的跨国专利合作。
为了进一步揭示跨国合作创新网络结构特征的演化规律，本文使用Ucinet6软件分别测算各阶段该网络的规模、边数、联结次数、密度、集聚系数、平均路径长度以及中心势等7个指标来进行具体分析[18]（见表1）。
表1 1999—2018年跨国合作创新网络的整体网络结构特征
指标
|
1999—2003
|
2004—2008
|
2009—2013
|
2014—2018
|
网络规模
|
60
|
59
|
60
|
60
|
网络边数
|
702
|
832
|
928
|
1008
|
网络联结次数
|
41375
|
63255
|
75447
|
85001
|
网络密度
|
0.397
|
0.470
|
0.524
|
0.570
|
网络集聚系数
|
0.654
|
0.689
|
0.727
|
0.758
|
平均路径长度
|
1.608
|
1.514
|
1.499
|
1.439
|
网络中心势（%）
|
58.91
|
51.32
|
47.46
|
42.78
|
除第二阶段的网络规模为59之外，其他各阶段的网络规模均为60，说明一直以来，几乎所有国家都参与了跨国专利合作。网络边数和网络联结次数呈现快速增长趋势，网络边数从第一阶段的702条增长到第四阶段的1008条，表明越来越多的国家之间建立了专利合作关系，网络逐步向完全连通的方向演变；网络联结次数在20年间增加了近45000次，说明各国大大加强了彼此之间的创新合作。在网络规模基本不变的情况下，网络密度也随着网络边数的增加由第一阶段的0.397增大至第四阶段的0.570，国家之间的网络关系更加紧密和复杂。四个阶段的网络集聚系数分别为0.654、0.689、0.727和0.758，该数值始终处于较高水平且不断增加，平均路径长度也一直维持在1～2之间且呈减小趋势，各国平均通过1～2个国家就能与其他国家建立联系，由此可知，跨国合作创新网络具有小世界特性且该特性愈加明显，各国之间的信任程度和合作密切程度进一步增强，技术交流与知识转移更加准确高效。从网络中心势来看，在第一阶段该指标数值为58.91%，相对较高的中心势意味着网络中的合作创新关系集中于少数核心国家，之后各阶段的中心势都有所下降，分别为51.32%、47.26%和42.78%，说明各国在网络中拥有的关系权力和位置优势逐渐趋于平衡。
（二）节点中心性的演化分析
节点中心性反映了各节点在网络中所处的位置和影响力的大小，主要包含度数中心性、中间中心性和接近中心性三个指标[19]。其中，度数中心性是指与某节点直接相连的其他节点的个数，度数中心性越大的国家与越多的国家进行了专利合作，占据着网络的中心地位；中间中心性测量的是某节点位于其他节点之间最短路径上的次数，其值越大，该节点的国家会在更多国家之间建立联系，从而具有更大的信息优势和控制优势；接近中心性是某节点与其他节点之间的距离之和，一个国家的接近中心性越大，则越难与其他国家进行知识交流且越容易被控制。
本文使用Ucinet6软件分别测算各阶段跨国合作创新网络中各节点的度数中心性、中间中心性和接近中心性并从大到小对其进行排名，据此来识别核心国家并分析其在网络中的地位、角色和权力随时间的变化。鉴于篇幅的限制，仅对各指标排名前6位的国家展开讨论（见表2）。
表2 1999—2018年跨国合作创新网络的节点中心性及其排名（前6位）
指标
|
排名
|
1999—2003
|
2004—2008
|
2009—2013
|
2014—2018
|
度数中心性
|
1
|
美国
|
美国
|
美国
|
美国
|
（0.966）
|
（0.966）
|
（0.983）
|
（0.983）
|
2
|
德国
|
德国
|
德国
|
德国
|
（0.932）
|
（0.966）
|
（0.932）
|
（0.966）
|
3
|
英国
|
英国
|
英国
|
英国
|
（0.847）
|
（0.898）
|
（0.915）
|
（0.915）
|
4
|
法国
|
加拿大
|
法国
|
法国
|
（0.847）
|
（0.847）
|
（0.881）
|
（0.898）
|
5
|
加拿大
|
瑞士
|
意大利
|
荷兰
|
（0.814）
|
（0.847）
|
（0.881）
|
（0.864）
|
6
|
瑞士
|
法国
|
加拿大
|
俄罗斯
|
（0.746）
|
（0.831）
|
（0.881）
|
（0.864）
|
中间中心性
|
1
|
美国
|
美国
|
美国
|
美国
|
（0.170）
|
（0.072）
|
（0.065）
|
（0.060）
|
2
|
德国
|
德国
|
德国
|
德国
|
（0.100）
|
（0.071）
|
（0.041）
|
（0.045）
|
3
|
法国
|
英国
|
塞尔维亚
|
俄罗斯
|
（0.049）
|
（0.039）
|
（0.034）
|
（0.024）
|
4
|
加拿大
|
加拿大
|
英国
|
荷兰
|
（0.046）
|
（0.029）
|
（0.030）
|
（0.024）
|
5
|
英国
|
法国
|
意大利
|
英国
|
（0.041）
|
（0.027）
|
（0.030）
|
（0.021）
|
6
|
瑞士
|
瑞士
|
瑞士
|
日本
|
（0.025）
|
（0.027）
|
（0.026）
|
（0.019）
|
接近中心性
|
1
|
美国
|
美国
|
美国
|
美国
|
（96.721）
|
（49.580）
|
（98.333）
|
（98.333）
|
2
|
德国
|
德国
|
德国
|
德国
|
（93.651）
|
（49.580）
|
（93.651）
|
（96.721）
|
3
|
英国
|
英国
|
英国
|
英国
|
（86.765）
|
（47.968）
|
（92.188）
|
（92.188）
|
4
|
法国
|
加拿大
|
法国
|
法国
|
（86.765）
|
（46.825）
|
（89.394）
|
（90.769）
|
5
|
加拿大
|
瑞士
|
意大利
|
荷兰
|
（84.286）
|
（46.825）
|
（89.394）
|
（88.060）
|
6
|
瑞士
|
法国
|
加拿大
|
俄罗斯
|
（79.730）
|
（46.467）
|
（88.060）
|
（88.060）
|
注：为了比较分析网络规模不同的各阶段跨国合作创新网络的节点中心性，以上测量的度数中心性、中间中心性和接近中心性分别指的是相对度数中心性、相对中间中心性和相对接近中心性，其中，对相对接近中心性进行倒数变换，以此来反映不同阶段网络中各国与其他国家之间的接近程度而非距离。
由表2中可以看出，各阶段度数中心性排名前三位的国家依次是美国、德国和英国，一直位于网络的中心位置。在第一阶段和第二阶段，法国、加拿大和瑞士的度数中心性仅低于美国、德国和英国，处于次中心位置。之后，一些国家的位置逐渐向中心移动，意大利的度数中心性排名由前两阶段的第10位上升至第三阶段的第5位，荷兰和俄罗斯的排名也在第四阶段超越加拿大和意大利，与法国一同位于次中心位置；从中间中心性分析结果来看，美国始终是中间中心性最大的国家，具有最大的网络资源控制优势。在第一阶段和第二阶段，中间中心性排名前六位的国家主要为美国、德国、英国、法国、加拿大和瑞士，与度数中心性相一致，这表明位于网络中心位置的国家往往也扮演着关键“中间人”的角色。在第三阶段和第四阶段，关键“中间人”发生了较大的变化，塞尔维亚、意大利、俄罗斯、荷兰和日本逐步替代了法国、加拿大和瑞士，占据着网络的枢纽位置；从接近中心性分析结果来看，各国接近中心性排名的变化趋势与度数中心性大致相同，由此说明中心地位越高的国家通常也越不容易受到其他国家的控制。
综上所述，美国在1999—2018年四个阶段的度数中心性、中间中心性和接近中心性均排名第一，长期处于网络的核心地位，具有最强的影响力、控制力和资源获取能力。在2008年世界金融危机爆发之前，德国、英国、法国、加拿大和瑞士等发达国家也一直占据着网络的次重要位置，与多数国家建立了合作关系且掌握和控制着大部分的信息资源。随后，位于次重要位置的国家发生了很大的改变，意大利、荷兰和日本等其他发达国家以及塞尔维亚和俄罗斯等一些国家的网络地位逐步提升，开展了更广泛的专利合作和知识交流并发挥着越来越重要的“中间人”作用，与德国一同位于次重要位置。
（三）合作强度的演化分析
合作强度反映了不同国家之间的专利合作次数和合作创新关系的紧密程度。为了清晰地展现跨国合作创新网络中合作强度的空间分布演化情况，本文将各阶段的跨国专利合作矩阵转化为相异度矩阵，并使用SPSS25.0软件对其进行多维尺度分析，结果如图2所示。国家之间的距离越小，表明它们相互之间的合作强度越大。
图2 1999—2018年跨国合作创新网络的合作强度空间分布
由图2可知，第一阶段，美国和德国之间的合作强度最高，并与法国共同形成了稳定的强合作关系，美国与英国、美国与加拿大以及瑞士与德国之间也开展了频繁的合作创新活动，其他国家则与上述合作强度较高的国家距离较远且分布松散，可以看出，该阶段的合作创新主要发生在位于网络核心位置的少数国家之间；第二阶段，美国、德国、法国、英国、加拿大和瑞士之间仍然保持着密切的合作关系，与此同时，荷兰、奥地利、比利时、意大利和日本同美国和德国的共同发明专利数量均明显增多，这说明更多的国家之间进行了较深入的创新合作；第三阶段，美国、德国、法国、英国、加拿大、瑞士、荷兰、奥地利、比利时、意大利和日本之间的合作关系更加集中并构成一个聚类，其中，部分国家也开始注重与少数发展中国家的合作，美国和德国与中国和印度的合作强度均有显著的提升；第四阶段，存在紧密合作关系的聚类中增加了瑞典和新加坡，中国和印度两个发展中国家与其的技术合作在进一步增强，由此形成了包含更多国家的新聚类，此外，俄罗斯也拉近了与该聚类国家之间的合作关系。
总体而言，各国之间的合作创新关系在不断加深，但跨国合作创新的空间分布仍不均衡。经济发达且技术创新水平较高的国家之间一直存在较强的合作关系，中国、印度和俄罗斯等国家在提升自身创新水平的同时也在逐步加强与发达国家之间的技术合作，黑山、塞尔维亚、科威特、马耳他、蒙古、摩尔多瓦和卡塔尔等创新程度较低的国家与其他国家的合作创新虽有了一定程度的加强，但却仍停留在很低的水平。
四、跨国合作创新关系的影响因素分析
根据上述网络演化分析结果可知，不同国家之间的合作创新关系存在较大差异并随时间的推移而发生变化。究竟是哪些因素影响着跨国合作创新关系的形成和演化？为了探究这一问题，本文从国家距离的角度出发，进一步实证分析了各国之间在地理、技术、文化、制度和语言等方面的距离对其合作创新关系的动态影响。
（一）变量选择与测量
1.被解释变量
被解释变量为跨国合作创新程度，是指两个国家之间的合作创新在其所有跨国合作创新中的占比，用以体现合作创新关系的重要程度。在以上构建跨国合作创新网络时，本文以来自不同国家的发明人之间的共同发明专利数量来反映跨国合作创新关系，据此，采用各国两两之间的共同发明专利数量占双方跨国专利合作总数的比例来测量跨国合作创新程度。具体计算公式如下：
其中，Coopij是指国家i和国家j之间的跨国合作创新程度，为取值在0～1之间的连续变量；Pi表示国家i和国家j之间的共同发明专利数量；Pi、Pj分别表示国家i、国家j的跨国专利合作总数。共同发明专利数量和跨国专利合作总数均来源于WIPO的PCT国际专利数据库。分阶段计算所有样本国家之间的合作创新程度，由此得到各阶段的跨国合作创新程度矩阵。
2.解释变量
（1）地理距离。大量已有研究将地理距离作为跨国合作创新的阻碍因素，认为地理距离的增加会导致技术知识和研发人员在地理上的分散，不利于知识的有效转移、人员的沟通交流和协同创新，知识转移成本、人员交通成本以及创新面临的不确定性也会随之增加，从而降低了双方进行跨国合作创新的可能性[20-21]。随着通讯技术和交通设施的快速发展，创新主体之间能够突破地理距离的限制来进行交互学习和知识交流，人员交通成本也会有所降低，为此，一些学者提出了地理距离的阻碍作用不再显著的观点[22-23]。本文认为，虽然现代通讯技术为地理距离较远的国家提供了更多的沟通交流方式，但合作创新过程中的隐性知识转移仍需通过面对面交流的方式来实现[24]，因此，地理距离对跨国合作创新程度的负向影响随时间而减小，但却仍然显著。
本文采用Mayer和Zighago的做法[25]，以两个国家首都之间的球面直线距离来测量地理距离，数据来源于世界经济研究所（Research and Expertise on the World Economy，以下简称CEPII）的地理数据库。计算所有样本国家之间的地理距离并对其进行标准化处理，由此得到地理距离矩阵。
（2）技术距离。技术距离较大的两个国家在知识基础和创新能力方面存在较大的差异，使得相互之间能够获取更多的差异化知识[26]，从而提高了双方互动学习的动力和合作创新的意愿，并促进更多技术创新成果的产生[27]。然而，过大的技术距离意味着其中一国的技术创新能力过低而难以理解和吸收创新能力较强的国家提供的先进技术知识[28]，双方沟通交流严重受阻，进而阻碍了跨国合作创新的进程。一些现有研究已经证实了技术距离与跨国合作创新之间的倒“U”型关系[9][29]。在本文中，由于所选取的样本国家均为创新能力水平较高的国家，不存在技术距离过大的情况，故技术距离对跨国合作创新程度具有显著的正向影响。
本文将技术距离界定为不同国家之间的技术创新水平差异，以向希尧等的研究[10]为借鉴，采用两个国家各自专利申请数量中的较小值与较大值之比来测量技术距离，其取值为0～1之间，数据来源于WIPO的PCT国际专利数据库。分阶段计算所有样本国家之间的技术距离，由此得到各阶段的技术距离矩阵。
（3）文化距离。文化距离是指不同国家在价值观、规范、习惯、风俗和信仰等方面的差异程度[30]。学术界开展了很多文化距离影响跨国合作创新的相关研究，但目前并未得到一致的结论。一些学者认为文化距离会对跨国合作创新产生负面影响。当文化距离较大时，处于不同文化背景下的创新主体所产生的思维和认知方式相差较大，使其在沟通交流和协同创新的过程中难以相互理解并建立高度信任的合作关系[31]，甚至还会引发文化冲突，从而增加了知识转移和协调管理的难度[32]，降低了跨国合作创新的效率；还有一些学者提出了相反的观点，认为文化距离所带来的互补性知识和惯例会增强学习效应并激发创新思维[33-34]，这都会为跨国合作创新提供动力；少数研究还将以上两种观点相结合，分析了文化距离与跨国知识转移之间的倒“U”型关系[35]，间接证实了文化距离对跨国合作创新的门槛效应。本文认为，由文化距离带来更多的是与文化相关的差异化知识，互补性技术知识相对有限，文化整合的成本会远高于互补性知识获取的益处，因此，文化距离对跨国合作创新程度具有显著的负向影响。
大多数文化距离的相关研究以Hofstede国家文化模型为基础，采用Kogut等提出的KSI指数[36]来测量文化距离。由于KSI指数中仅包含Hosftede最初提出的四个文化维度，本文引入之后提出的长期导向/短期导向和放纵/克制文化维度对KSI指数进行改进，具体计算公式如下：
其中，CulDistij是指国家i与国家j之间的文化距离，为取值为0～1的连续变量，不随时间而变化；Iki和Ikj分别表示国家i、国家j的第k个文化维度的分数；Vk表示所有国家第k个文化维度的方差。国家文化维度的分数来源于Hofstede insights的文化指南。计算所有样本国家之间的文化距离，由此得到文化距离矩阵。
（4）制度距离。制度距离反映的是不同国家在法律、法规、政策和市场规则等方面存在的差异[30]。现有的研究主要从合法性获取的角度探讨了制度距离在国际商务活动中的作用，指出制度距离越大，双方越难以了解和适应彼此的制度环境，其行为也更容易偏离当地的制度要求和市场偏好，因此，制度距离会增加跨国公司在对方国家获取合法性的难度[37-38]。由此推断，制度距离较大的合作双方需要花费更多的制度学习和适应成本，在合作创新过程中难以形成统一的程序和规则并提出达到合法性标准的创新观点，从而增加了跨国合作创新的难度和不确定性。据此，本文提出，制度距离对跨国合作创新程度具有显著的负向影响。
本文参照Li等提出的方法[39]，通过计算各维度的全球治理指数分数的平均值得出各国的制度质量综合分数，并以各国两两之间的制度质量综合分数差值的绝对值来测量制度距离。具体计算公式如下：
其中，InsDistij是指国家i与国家j之间的制度距离；Wki和Wkj分别表示国家i、国家j的第k个全球治理指数维度的分数。全球治理指数包含腐败控制、政府效率、政治稳定和无暴力/恐怖主义、监管质量、法治水平以及话语权和问责制六个维度，数据来源于世界银行数据库。分阶段测量所有样本国家之间的制度距离，由此可以得到各阶段的制度距离矩阵。
（5）语言差异。语言差异会为创新主体之间的沟通交流和相互学习带来语言障碍，在很大程度上降低了知识尤其是隐性知识的转移效率，还可能造成信息的错误解读，不利于双方建立良好的信任合作关系并实现有效的文化整合，国内外学者普遍提出并实际验证了这一观点[10][40]。以此为依据，本文提出，文化距离对跨国合作创新程度具有显著的负向影响。
本文以虚拟变量来反映不同国家之间的语言差异，当两个国家使用不同的通用官方语言时，则取值为1，反之，取值为0。各国通用官方语言的信息来源于CEPII的地理数据库。采用以上方法表示所有样本国家之间的语言差异，由此得到语言差异矩阵。
3.控制变量
控制变量为技术创新水平。技术创新水平较高的国家通常会投入大量的研发资源并拥有充足的知识储备，使其能够更好地理解、吸收和整合外部知识并在此基础上创造出更多的技术创新成果[12][41]，同时，还会吸引更多的主体与其建立合作关系来从中获取先进技术知识[42]，从而为跨国合作创新的顺利开展提供了支持。由此可知，跨国合作创新会更多地发生在具有高技术创新水平的国家之间。
大多数研究将专利申请数量作为反映技术创新水平的重要指标[2][27]，由于跨国合作创新涉及合作双方所在的两个不同国家，故本文采用各国两两之间专利申请数量的总和来测量技术创新水平，数据来源于WIPO的PCT国际专利数据库。分阶段计算所有两两组合的样本国家的技术创新水平并对其进行标准化处理，由此得到各阶段的技术创新水平矩阵。
（二）结果分析与讨论
以上各变量均为以矩阵形式表示的关系数据，存在结构性自相关，而普通最小二乘法要求不同变量之间相互独立，并不适用于本文的研究。QAP回归分析是一种专门用于研究多个矩阵与一个矩阵之间回归关系的社会网络分析方法，通过对解释变量和被解释变量进行常规的回归分析，然后对矩阵的行和列随机置换后重新计算回归系数和判定系数，重复多次该步骤获得统计量的分布，以此得到显著性检验结果[18]。为此，本文采用该方法来实证检验地理、技术、文化、制度和语言等各维度的国家距离对跨国合作创新程度的影响。通过使用Ucinet6软件，沿着“Tools→Testing Hypothesis→Dyadic（QAP）→QAP Regression→Double Dekker Semi-Partialling（MRQAP）”的路径，分别导入四个阶段的各变量数据并经过2000次随机置换，得到QAP回归分析结果（见表3）。
表3 国家距离影响跨国合作创新程度的回归分析结果
变量
|
1999—2003
|
2004—2008
|
2009—2013
|
2014—2018
|
地理距离
|
-0.272***
|
-0.271***
|
-0.270***
|
-0.260***
|
技术距离
|
0.127**
|
0.141**
|
0.164***
|
0.252***
|
文化距离
|
-0.139***
|
-0.103*
|
-0.108*
|
-0.128**
|
制度距离
|
-0.074
|
-0.056
|
-0.024
|
-0.033
|
语言差异
|
-0.239***
|
-0.294***
|
-0.305***
|
-0.312***
|
技术创新水平
|
0.544***
|
0.527***
|
0.555***
|
0.612***
|
R2
|
0.449***
|
0.415***
|
0.409***
|
0.441***
|
样本数
|
552
|
552
|
552
|
552
|
注：***p＜0.01、**p＜0.05、*p＜0.10分别表示在1%、5%和10%的水平上显著；考虑到样本的代表性和数据的可获取性，本文仅从全球创新指数排名前60位的国家中选取各年跨国专利合作总数高于100项且各变量数据齐全的24个国家作为用于回归分析的样本。
由表3可以看出，控制变量技术创新水平在各阶段的回归系数均显著为正且最大，说明技术创新水平一直以来都是促进跨国合作创新的关键因素，一个国家的技术创新水平越高，意味着该国具有越强的技术创新能力和知识转移能力，能够取得更高的跨国合作创新绩效。
地理距离的回归系数总是显著为负，各阶段的系数大小与前一阶段相比均有所减小，表明两个国家之间的地理距离会阻碍双方的技术合作，但这一阻碍作用在逐步减小，该结果与本文的观点相一致。地理距离增加了跨国合作双方面对面交流的成本，日益完善的通讯技术与交通设施却为双方的沟通交流带来更多的便利，使地理距离所带来的负面影响不断减弱。
与地理距离相反，各阶段的技术距离显著但系数为正，验证了本文所提出的技术距离会正向影响跨国合作创新程度的观点。随着时间的推移，技术距离的回归系数呈明显增大的趋势，说明更多的国家与技术能力水平相差较大的国家开展了更加深入的跨国专利合作。综合技术创新水平项的回归系数可知，具有高技术创新能力的两个国家存在越大的技术差异，则会合作发明更多的专利，因为他们相互之间能够共享更多有利于技术创新的先进知识。
文化距离的回归系数一直显著为负，体现了文化距离对跨国合作创新程度的负向影响，证实了本文的观点，文化距离较大的跨国合作双方会因为价值观和认知方式的不同而很难相互理解、认同并协同完成技术创新任务，减小了跨国合作创新成功的可能性。
与预期不同的是，制度距离项为负但不显著，说明制度距离并不会对跨国合作创新产生影响，可能的原因在于制度是明文规定的人们必须遵守的社会规则，跨国合作双方能够通过学习或咨询的方式在短时间内了解并掌握对方的制度规则[43]，所感受到的制度压力也会使其在同时符合双方制度要求的前提下进行跨国合作[44]。
语言差异项为负且显著性水平和回归系数持续增大，表明语言差异确实是跨国合作创新有效实施的障碍之一，并且发挥着越来越重要的作用。虽然即时免费翻译工具更加丰富和高效，但跨国合作创新更多地需要面对面的口语交流并建立在相互理解和信任的基础上，即使采用翻译工具也很难克服语言差异带来的交流和理解障碍[45]。相反，随着各国开展跨国合作创新范围的扩大，会有更多使用不同语种的国家之间进行技术合作，语言差异的负向影响会更加明显。
五、结论与启示
与以往聚焦于单一技术领域或特定国家的跨国合作创新网络结构特征的研究不同，本文基于1999—2018年全球创新指数排名前60位的国家之间的共同发明专利数据，分析了跨国合作创新网络的整体结构特征、重要国家的网络地位以及各国之间的合作强度的演化过程。进一步，本文还深入探究了影响该演化过程的主要因素，实证检验了地理、技术、文化、制度和语言等各维度的国家距离对不同阶段的跨国合作创新网络关系的动态影响，弥补了以往研究从静态视角分析的不足，揭示了已有研究结论不一致的原因。主要研究结论如下：
第一，跨国合作创新网络的演化具有阶段性特征。在网络规模基本不变的情况下，网络边数、网络联结次数、网络密度和网络聚集系数均呈显著增长的趋势，平均路径长度和网络中心势也随之逐步减小。由此可知，各国之间的技术合作在不断扩展和深化，网络关系更加紧密和复杂，整体网络呈现出越来越明显的小世界特性且位置优势分配逐渐趋于平衡。
第二，跨国合作创新的空间分布有所改善但仍不均衡。美国始终占据着网络的核心位置并具有绝对的资源获取和控制优势，德国和英国也长期与美国一同处于网络中心位置并扮演着关键的“中间人”角色，位于次重要位置的法国、加拿大和瑞士逐步被意大利、俄罗斯、荷兰、日本和塞尔维亚等国家替代。跨国合作创新最初更多地发生在位于网络重要位置的美国、德国、英国、法国、加拿大和瑞士等6个国家之间，之后逐渐扩展到15个国家之间且其合作关系不断增强并形成聚类。然而，大部分国家却一直位于网络边缘位置，与其他国家之间仅存在着较低程度的合作创新关系。
第三，地理距离、技术距离、文化距离和语言差异是影响跨国合作创新关系的重要因素。其中，地理距离对跨国合作创新程度具有显著的负向影响，该影响随着时间的变化而逐渐减小；技术距离在跨国合作创新的过程中发挥着越来越重要的促进作用；文化距离与跨国合作创新程度之间始终存在显著的负相关关系，与此不同，制度距离对跨国合作创新的影响并不显著；语言差异对跨国合作创新所产生的阻碍作用不断增强。
根据上述研究结论，本文提出如下推动跨国合作创新发展的政策建议与启示：
首先，各国应继续加大跨国合作创新的范围和强度，并为知识和人才交流提供政策、资金和平台支持。以上研究结果表明，在跨国合作创新网络中，合作创新关系不断增多并逐步加强，但网络并未实现完全连通，合作强度较高的国家仍占少数，各国还应该与更多的国家建立更加密切的合作关系来提升网络运行的效率。促进跨国合作创新的关键在于加快合作双方创新资源的流动，为此，各国应通过组织学术会议和论坛以及建立在线创新实践交流社区和国际技术转移机构等方式来加强国家间的知识交流和共享，并采用加大资助力度、放宽准入条件、联合培养人才和设立国际研发中心等措施来鼓励和引导科技人才的国际交流。
其次，位于不同网络位置的国家应充分认识核心节点的重要作用，并制定差异化的跨国合作创新战略。美国、德国和英国等核心国家应推进相互之间的合作向更加多样化的技术领域方向发展，进而实现更多关键技术的突破，同时，还应发挥自身的网络资源优势，尝试在更大的范围内获取所需的技术知识，加强与其他各国在其优势技术领域的合作；其他国家应重视与核心国家之间的合作，密切追踪其技术发展动态，从中吸收先进知识和成功经验并主动寻求战略合作，在此基础上，利用核心国家的位置优势与更多的国家建立良好的合作关系，进而提高自身在网络中的地位和影响力。
最后，各国应准确评估本国与其他各国之间的国家距离，据此选择重点合作伙伴并降低距离带来的负面影响。以上研究结果表明，地理距离、文化距离和语言差异不利于跨国合作创新，相反，技术距离会对跨国合作创新产生积极作用，因此，各国应优先选择与其地理邻近、文化接近、语言相同和技术创新水平相差较大的国家进行创新合作。由于地理距离和语言障碍很难克服，各国应开展形式多样的跨文化交流和学习活动来增进与文化距离较大的国家之间的文化认同，并加强与技术接近的国家之间在关键共性技术方面的合作，以此来减小文化距离和技术接近对跨国合作创新的阻碍作用。
注释：
①2018年全球创新指数排名前60位的国家依次为：瑞士、荷兰、瑞典、英国、新加坡、美国、芬兰、丹麦、德国、爱尔兰、以色列、韩国、日本、卢森堡、法国、中国、加拿大、挪威、澳大利亚、奥地利、新西兰、冰岛、爱沙尼亚、比利时、马耳他、捷克、西班牙、塞浦路斯、斯洛文尼亚、意大利、葡萄牙、匈牙利、拉脱维亚、马来西亚、斯洛伐克、保加利亚、阿联酋、波兰、立陶宛、克罗地亚、希腊、乌克兰、泰国、越南、俄罗斯、智利、摩尔多瓦、罗马尼亚、土耳其、卡塔尔、黑山、蒙古、哥斯达黎加、塞尔维亚、墨西哥、印度、南非、格鲁吉亚、科威特和沙特阿拉伯。
②数据来源：世界银行经济与增长数据库。
③数据来源：联合国教科文组织统计数据库。
④数据来源：经济合作与发展组织科学技术与专利数据库。
参考文献：
[1]VICENTE G, OLMEDA-GÓMEZ C, MOYA-ANEGON F. Quantifying the benefits of international scientific collaboration[J]. Journal of the American Society for Information Science & Technology, 2013, 64（2）: 392-404.
[2]陈子凤，官建成.国际专利合作和引用对创新绩效的影响研究[J].科研管理，2014，35（3）：35-42.
[3]PRATO G D, NEPELSKI D. Global technological collaboration network: network analysis of international co-inventions[J]. The Journal of Technology Transfer, 2014, 39（3）: 358-375.
[4]OZCAN S, ISLAM N. Collaborative networks and technology clusters-The case of nanowire[J]. Technological Forecasting & Social Change, 2014, 82（1）: 115-131.
[5]ZHENG J, ZHAO Z Y, ZHANG X, et al. International collaboration development in nanotechnology: A perspective of patent network analysis[J]. Scientometrics, 2014, 98（1）: 683-702.
[6]王继民，王若佳，曾兰馨，等.1996—2015年“一带一路”沿线国家科研合作网络的演化分析[J].图书情报工作，2017，61（16）：76-83.
[7]李文娟，朱春奎.中国在国际科技合作网络中的角色和地位演变：基于2000—2015年国际专利合作数据的实证研究[J].科技管理研究，2019，（3）：44-50.
[8]AUTANT-BERNARD C, BILLAND P, FRACHISSE D, et al. Social distance versus spatial distance in R&D cooperation: empirical evidence from European collaboration choices in micro and nanotechnologies[J]. Regional Science, 2007, 86（3）: 495-519.
[9]PETRUZZELLI A M. The impact of technological relatedness, prior ties, and geographical distance on university-industry collaborations: A joint-patent analysis[J]. Technovation, 2011, 31（7）: 309-319.
[10]向希尧，蔡虹，裴云龙.跨国专利合作网络中3种接近性的作用[J].管理科学，2010，23（5）：43-52.
[11]张明倩，邓敏敏.中国与“一带一路”沿线国家跨国专利合作特征研究[J].情报杂志，2016，35（4）：37-42.
[12]张明倩，柯莉.“一带一路”跨国专利合作网络及影响因素研究[J].软科学，2018，32（6）：21-25+29.
[13]FRITSCH M, KAUFFELD-MONZ M. The impact of network structure on knowledge transfer: an application of social network analysis in the context of regional innovation networks[J]. The Annals of Regional Science, 2010, 44（1）: 21-38.
[14]杨敏利，丁文虎，郭立宏，等.双重网络嵌入对联合投资形成的影响：基于网络信号视角[J].管理评论，2018，30（2）：61-70.
[15]STERNITZKE C, BARTKOWSKI A, SCHRAMM R. Visualizing patent statistics by means of social network analysis tools[J]. World Patent Information, 2008, 30（2）: 115-131.
[16]詹爱岚，王黎萤.专利情报的社会网络学创新研究：视角、进展及述评[J].科研管理，2017，38（S1）：401-411.
[17]BALCONI M, BRESCHI S, LISSONI F. Networks of inventors and the role of academia: An exploration of Italian patent data[J]. Research Policy, 2004, 33（1）: 127-145.
[18]刘军.整体网分析讲义：UCINET软件实用指南[M].上海：格致出版社，2009：9-15，99.
[19]FREEMAN L C. Centrality in social networks: conceptual clarification[J]. Social Networks, 1979, 1（3）: 215-239.
[20]GERTLER M S. Best practice? Geography, learning and the institutional limits to strong convergence[J]. Journal of Economic Geography, 2001, 1（1）: 5-26.
[21]THOMAS S, MICHAEL B. Spatial interaction modelling of cross-region R&D collaborations, empirical evidence from the EU framework programmes[J]. Regional Science, 2009, 88（3）: 531-546.
[22]HUBER F. Do clusers really matter for innovation practices in information technology? Questioning the significance of technological knowledge spillovers[J]. Journal of Economic Geography, 2012, 12（1）: 107-126.
[23]夏丽娟，谢富纪，王海花.制度邻近、技术邻近与产学协同创新绩效：基于产学联合专利数据的研究[J].科学学研究，2017，35（5）：782-791.
[24]ALMEIDA P, KOGUT B. The exploration of technological diversity and the geographic localization of innovation[J]. Small Business Economics, 1997, 9（1）: 21-31.
[25]MAYER T, ZIGNAGO S. Notes on CEPII's distances measures: The GeoDist database[R]. CEPII Working Paper, 2011（25）: 1-47.
[26]BOSCHMA R A, IAMMARINO S. Related variety, trade linkages, and regional growth in Italy[J]. Economic Geography, 2009, 85（3）: 289-311.
[27]GULER I, GUILL N M F. Institutions and the Internationalization of US venture capital firms[J]. Journal of International Business Studies, 2010, 41（2）: 185-205.
[28]陈文婕，曾德明.低碳技术合作创新网络中的多维邻近性演化[J].科研管理，2019，40（3）：30-40.
[29]夏丽娟，谢富纪.多维邻近视角下的合作创新研究评述与未来展望[J].外国经济与管理，2014，36（11）：46-54.
[30]ESTRIN S, BAGHDASARYAN D, MEYER K E. The Impact of institutional and human resource distance on international entry strategies[J]. Journal of Management Studies, 2009, 46（7）: 1171-1196.
[31]BEUGELSDIJK S, SLANGEN A, MASELAND R, et al. The impact of home-host cultural differences on foreign affiliate sales: The moderating role of cultural variation within host countries[J]. Journal of Business Research, 2014, 67（8）: 1638-1646.
[32]CHANG Y, KAO M, KUO A, et al. How cultural distance influences entry mode choice: The contingent role of host country's governance quality[J]. Journal of Business Research, 2012, 65（8）: 1160-1170.
[33]SARALA R M, VAARA E. Cultural differences, convergence, and crossvergence as explanations of knowledge transfer in international acquisitions[J]. Journal of International Business Studies, 2010, 41（8）: 1365-1390.
[34]VAARA E, SARALA R, GÜNTER K S, et al. The impact of organizational and national cultural differences on social conflict and knowledge transfer in international acquisitions[J]. Journal of Management Studies, 2012, 49（1）: 1-27.
[35]叶娇，原毅军，张荣佳.文化差异视角的跨国技术联盟知识转移研究：基于系统动力学的建模与仿真[J].科学学研究，2012，30（4）：557-563.
[36]KOGUT B, SINGH H. The effect of national culture on the choice of entry mode[J]. Journal of International Business Studies, 1988, 19（3）: 411-432.
[37]BANALIEVA E R, DHANARAJ C. Home-region orientation in international expansion strategies[J]. Journal of International Business Studies, 2013, 44（2）: 89-116.
[38]李雪灵，万妮娜.跨国企业的合法性门槛：制度距离的视角[J].管理世界，2016（5）：184-185.
[39]LI Y, VERTINSKY I B, LI J. National distances, international experience, and venture capital investment performance[J]. Journal of Business Venturing, 2014, 29（4）: 471-489.
[40]GOKMEN G. Clash of civilizations and the impact of cultural differences on trade[J]. Journal of Development Economics, 2017, （127）: 449-458.
[41]ALMEIDA P, PHENE A. Subsidiaries and knowledge creation: the influence of the MNC and host country on innovation[J]. Strategic Management Journal, 2004, 25（8-9）: 847-864.
[42]党兴华，弓志刚.多维邻近性对跨区域技术创新合作的影响：基于中国共同专利数据的实证分析[J].科学学研究，2013，31（10）：1590-1600.
[43]SCHWENS C, EICHE J, KABST R. The moderating impact of informal institutional distance and formal institutional risk on SME entry mode choice[J]. Journal of Management Studies, 2011, 48（2）: 330-351.
[44]宋渊洋.制度距离、制度相对发展水平与服务企业国内跨地区经营战略：来自中国证券业的经验证据[J].南开管理评论，2015，18（3）：60-70.
[45]杨雪，顾新，王元地.文化邻近对产学合作创新倾向影响的实证研究[J].中国科技论坛，2014（10）：66-71.
作者简介：李琳，西安理工大学经济与管理学院博士研究生，研究方向：技术创新与跨文化管理；郭立宏，博士，西北大学经济管理学院教授，博士研究生导师，研究方向：技术创新管理；杨敏利，博士，西安理工大学经济与管理学院副教授，硕士研究生导师，研究方向：风险投资与创业融资。
