一種基于社會網絡分析與文獻計量法的企業創新人員影響力綜合評價方法
——基于專利視角

陳淑平

(燕山大學圖書館，河北 秦皇島 066004)

0 引言

社會網絡分析(Social Network Analysis，SNA)[1-2]基于圖論、矩陣等對社會關系結構及其屬性加以分析，是一套對個體關系、社會現象、組織結構、社區關系等進行分析的規范和方法。近年來，社會網絡分析在信息計量與情報分析等領域受到廣泛關注，研究人員借助科研合作網絡研究某一領域科研合作發展狀況與趨勢，反映合作者間的學術網絡關系，揭示學術信息交流傳播規律等。

社會網絡分析在專利分析的相關研究主要從以下幾方面開展。一是對核心團隊和發明人的分析：王立杰等[3]基于Ucinet社會網絡分析對專利發明人團隊和核心發明人進行了分析。二是對區域產學研合作模式的研究：劉紅光和劉瓊[4]通過申請人合作演化路徑反映浙江大學近20年間專利合作模式的變化情況。劉桂鋒等[5]基于社會網絡分析探討了校企合作的技術領域和地理距離。劉桂鋒等[6]又以清華大學為例，從可視化的角度展示合作主體分布以及相互之間的關聯。三是對企業、高校或區域合作網絡的分析：溫芳芳[7]通過構建區域技術合作網絡，直觀展示和定量分析我國區域之間以專利為載體的技術合作現狀及其模式與規律。貢金濤等[8]利用社會網絡分析方法探測企業技術研發績效水平、科研合作狀況與核心技術人員分布等。四是通過專利引用網絡分析專利分布和競爭態勢：侯筱蓉[9]對行業競爭對手的分布以及相互之間的關聯進行可視化。五是對企業科研水平的評價：貢金濤等[10]基于專利合著指標和引用指標，利用灰色關聯分析法確定關聯系數，利用熵權法計算出創新人員的技術水平綜合值。目前在科研評價的研究方面，國內外的研究主要以論文為視角，而基于專利視角的研究較少。

另一方面，在科研評價的研究中，基于h指數的研究在學術論文方面正如火如荼地開展。h指數一經問世[11]，就受到了廣泛關注，它將論文的“質”和“量”結合起來，雖然h指數本身還存在多方面不足，但由于其計算簡單快捷，成為不可或缺的衡量指標。在專利方面，基于h指數的相關研究主要有針對機構專利研發能力和影響力的研究[12-14]，機構包括高校、企業、國家范圍，這其中也包括基于分時間段和分領域的企業技術競爭力分析[15]；基于h指數的專利權人評價[16-18]；針對特定領域的專利影響力評價[19]等。

在專利研究領域同時涉及社會網絡分析和文獻計量的科研評價體系研究較少，本文基于專利視角，結合社會網絡分析和文獻計量2種方法，分析企業專利合作網絡的整體結構特性和節點特性，結合申請量、被引頻次、h指數，嘗試構建綜合指標。在數據處理與研究方法方面，利用NodeXL軟件建立企業專利合作網絡，利用SPSS軟件的因子分析法獲得綜合指標。

1 專利合作網絡的構建與分析

本文以創維有限公司作為實證研究對象，以德溫特專利數據庫為數據來源，數據檢索截至2019年12月31日。專利類型包括發明專利、實用新型、外觀設計，共計得到3 395條記錄，對合著情況、申請量、被引頻次進行統計。其中合著專利數為1 756件，獨著專利數為1 639件，合著專利占全部專利的51.72%；作者總計890人，其中，793人與他人發生合作，97人未與他人發生合作。利用NodeXL軟件構建專利合作無向網絡，該網絡具有793個節點、8 248條邊(見圖1)，圖中邊的粗細表示2個節點之間的合作頻次，合作次數越多，邊越粗。

圖1 創維公司專利合作網絡

1.1 合作網絡整體結構特性

社會網絡整體結構特性分析包含凝聚性、連通性和節點度特性三方面內容。凝聚性通常采用網絡密度、平均路徑長度、聚類系數表征[1-2，20]。雖然本文專利合作網絡規模較小，但網絡密度值為0.012 4，相對較大，說明該網絡中各個節點之間的連接較緊密，合作關系比較頻繁。該網絡的平均路徑長度為3.245 6，社會網絡中任意節點之間距離的平均值為4，符合復雜網絡理論中的“小世界效應”，網絡中的任一節點平均通過4次關聯就可以溝通到其他節點。該網絡聚類系數為0.511，說明該網絡中與某一節點相連的其他2個節點彼此相連的可能性較大，具有聚類效應，該網絡存在長期合作的團體。

網絡連通性[20-21]是指社會網絡中任意2個節點間至少有一條連接路徑存在，具有連通性的子網絡稱為聯通體。排除97位未與他人發生合作的作者，該專利合作網絡具有11個聯通體。其中最大的聯通體包含773個節點，占整個創維公司專利合作網絡的86.85%，聯通體中邊數最多的包含8 238條邊，占整個合作網絡邊數的99.88%，說明該公司已經形成了絕對的群體效應，存在廣泛的技術合作與交流。

度數描述了在無向網絡中所有與某一節點相連的連線數量，在該專利合作網絡中，度數為1的節點共計105個，而擁有最高節點度數為93的節點僅有1個，各節點度數分布情況(見圖2)，節點數量隨著節點度數的增加而快速減少，直至趨于一條直線，節點度分布基本遵循“二八定律”[22]，擁有較大度數節點非常少，而這部分節點與其他節點的聯系較強，合作和技術交流頻繁，說明該合作網絡的專利技術合著存在明顯的優勢累加效應，即“馬太效應”[23]，少數技術骨干的節點度數較高，形成集聚的趨勢。

圖2 網絡節點數與節點度數分布

上述分析結果表明，創維公司已經形成了比較穩定的科研團體，建立了初具規模的技術交流與科研合作模式，團體內部存在廣泛的技術交流和合作，整體科研力量分布較集中，擁有卓越的技術骨干和創新帶頭人。

1.2 合作網絡節點特性

節點度分析考察的是節點的點度中心度指標，筆者發現擁有較小度數的節點大量存在，在節點度分布圖中形成長尾，這部分節點與其他節點合作與技術交流較少，但是否在網絡中發揮著其他作用，還需要繼續分析節點的其他中心度特性，如中介中心度和特征向量中心度[20-21]。進而對網絡節點集聚或離散進行干預指導，促進網絡內部知識和技術的流動，推動整個合作網絡的積極發展。

根據普賴斯核心作者的計算公式M=0.749(Nmax)1/2，計算出約有22名創新人員為該企業專利研發核心人員，表1為該專利合作網絡中基于上述中心度排名前22名的作者。

表1 基于三個中心度指標的前22名核心作者排名

在該專利網絡中，不具有中介中心度值的節點共計 415個，占整個連通體總節點數的 46.63%，表明有較大部分創新人員較少參與技術交流，或者不具有控制其他人員技術交流或合作的能力，在公司科研網絡中處于不利地位，需要加強這部分科技人員的技術交流意識和能力，調動其工作積極性與創新性，培養和發掘潛在科研合作力與影響力的技術帶頭人。

為了清楚識別該公司的科研帶頭人，判斷技術人員在企業中的作用，基于3個中心度建立x、y、z坐標系，x軸表示點度中心度，y軸表示中介中心度，z軸代表特征向量中心度，原點表示在3個中心度排名中分別排在第22位，獲得的8個分區如表2所示。

表2 基于創新人員中心度指標數據的三維分區

從三維分區中，筆者發現，位于A分區的作者有Li Y、Wang X、Wang Y、Liu X、Wu Z、Wang L、Wang Z，這幾位科技人員的3個中心度排名都在前22名之內，這些人員與其他人員有著更多的合作交流，在公司內部技術傳播中發揮著重要中介作用，在整個專利合作網絡中具有重要的影響力，在創維公司的科研研發中處于絕對的中心地位。

處于B、C、D分區的創新人員也有著較高的影響力，例如處于B分區的人員具有較高的點度和中介中心度，但特征向量中心度值略低，對重要節點的信息傳遞能力較弱；處于C分區的人員中介中心度較其他2個中心度低，具有廣泛的合作和整體影響力，但在技術交流中的中介作用和組織能力較弱；處于D分區的人員具有較強的中介作用，是潛在的技術組織者，具有較高的整體影響力，但技術合作頻率不高。企業可以針對這些人員進一步有針對性地提升其短板，培養全方位創新帶頭人。

同時，針對處于E、F、G、H分區的技術人員，首先要強化其交流合作的意識，并積極為其創造交流和合作機會，調動其積極性，促進合作網絡的整體協調發展。

2 專利文獻計量特征分析

申請量從“量”的角度衡量創新人員的影響力，申請量越大，說明科研積極性越高，越容易獲得合作交流機會，產出高水平成果的可能越大。專利被引頻次從“質”的方面評估創新人員的學術影響力，單篇專利被引頻次越高，說明該專利受到同領域研究人員認可的程度越高，研究內容或為該主題研究基礎，或為具有較高價值的研究成果，獲得越高被引頻次的專利極有可能為該主題的核心專利。作者總被引頻次越高，也說明了該作者所申請專利中存在具有較高價值的專利。但也存在申請量大而總被引頻次反而低于申請量小的作者的情況，因而不能單獨采用申請量或被引頻次來評估創新人員的影響力。

h指數[11]將發文數量與發文質量有機地結合起來，同時考量文獻數量和質量，比單純采用數量或被引頻次評價科學家個人學術影響力更加合理。該文對創維公司創新人員的專利申請量、被引頻次、h指數進行計量分析，申請量排名在前22的作者如表3所示。

表3 申請量排名前22的作者

作者Wang X的申請量和被引頻次都較高，因而h指數也較高，而作者Wang Y的申請量較高，但被引頻次較Wang X低很多，h指數較低；作者Xu Y雖然申請量排名第六，但擁有較高的被引頻次，其被引頻次排名第二位，獲得了較高的h指數。雖然h指數綜合考慮了申請量與被引頻次，但其排名區分度很低，常常出現多名作者具有相同的h指數的情況，同時，h指數也忽略了h核內的文獻被引頻次的高低。

3 網絡中心度指標與文獻計量指標的相關性分析

結合該公司專利合作網絡的中心度指標，筆者發現，在3個中心度指標中排名都在前22的7位作者中，有5位作者Li Y、Wang X、Wang Y、Liu X、Wu Z的專利申請量在前22名中，但點度中心度排名第一的Li Y，其申請量、被引頻次、h指數都不是很高，而作者Wang C和Zhang S的申請量排名靠前，但其點度中心度僅為17。這說明創新人員個人科研能力和其在合作網絡中的影響力并不完全相關。為了考察申請量、引用指標與中心度指標的相關性，采用Spearman計算相關性矩陣[24]，結果如表4所示。

表4 相關矩陣

從表4可以看出，申請量和被引頻次與其他指標顯著相關，說明申請量越大，被引頻次越高，越易獲得合作交流機會，越易產生更高的影響力；同時，合作交流越頻繁，也越容易產出成果。而h指數與點度中心度和特征向量中心度都為弱相關，說明合作對h指數的影響較間接。

從合作網絡中心度指標和文獻計量指標的相關性分析可以發現，基于2種度量方法獲得的企業創新人員影響力評價結果不盡相同，中心度指標高的人員其文獻計量指標有可能并不高，反之亦然。通過各自統計排名能分別分析創新人員的科研能力和合作影響力情況，進而可以采取相應的策略，提高其中某些指標的數值，但卻無法定量地計算出綜合影響力排名，這增加了企業或其他機構科研評價的難度，不利于促進企業整體技術交流。另外，在未與他人發生合作的人員中，一些作者的申請量和被引頻次也不低，這類人員雖然未對企業技術交流和合作發揮作用，但其所申請專利歸屬企業，對提高企業創新能力也具有推動能力。因而，需要構建一個綜合評價指標，綜合考慮合作影響力、產出影響力和引證影響力對企業研發人員的創新能力作出整體評價。

4 綜合評價指標構建

為了構建綜合評價指標，本文采用基于主成分分析的因子分析方法，該方法是1904年英國心理學家Spearman提出的社會科學研究領域的主要數據研究方法，在各個方面都有廣泛的應用。其實質是通過分析原始變量的依賴關系，確定原始數據內部基本結構，最終用新的因子表征該結構。

圖3為利用SPSS軟件對數據進行因子分析[25-26]的流程圖，最終采用計算因子加權總分的方法，以2個因子的方差貢獻率為權數，得到綜合評價公式：Y=(50.942y1+34.233y2)/85.175，代入相應數據即可計算得出企業創新人員專利科研影響力的綜合得分值。

圖3 因子分析數據處理流程圖

為了分析該綜合評價指標的有效性，結合表1，對表3中的22名作者的新舊排名進行對比，得出表5的結果。

表5 創維公司部分創新人員綜合評價排名

排在前3名的作者分別是Wang X、Li Y、Li H。Wang X的申請量、被引頻次、中介中心度都排名第一，點度中心度以1分之差排名第二，而特征向量中心度也排名較高，在產出、引用和合作三方面都表現優異，因而在綜合排名中保持了領先。Li Y雖然申請量僅居于第8名，但其點度中心度排名第一，中介中心度和特征向量中心度都排名第二位，而其被引頻次也較高，因而也取得了較高的綜合排名。Li H的申請量排名僅在第13位，但其被引頻次高達到161次，h指數值為6，點度中心度和中介中心度分別排名第四、三位，該作者所參與申請的專利包含多份具有較高引用價值的專利，合作影響力也較高，因而在綜合指標評估中排名上升幅度較大。申請量在第三位的Wu Q由于被引頻次和h指數較低，且其中心度指標表現也不突出，因而綜合指標值下降較多。排名下降幅度最大的是申請量第10名的Wang C，綜合排名為第46位，從表1、表3可以看到，該作者的被引頻次僅有40次，h指數值為3，點度中心度排名127位，中介中心度和特征向量中心度也很低，該作者雖然有一定的產出，但具有較高引用頻次的專利較少，其在技術交流和合作中的合作頻率較低，傳遞信息作用較弱，因而綜合排名降幅較大。

另外有6名作者未出現在申請量前22名中，但在綜合排名中表現較好，究其原因，這6名作者申請量為23～40，而其都具有較高的被引頻次，3個中心度指標中點度中心度和中介中心度值也較高，在產出影響力稍弱的情況下，引用影響力和合作影響力表現較強，因而綜合指標值較高。

由此可見，綜合評價指標克服了單一指標的不足，全面反映了企業創新人員的綜合實力。企業創新人員如果想取得突出的綜合影響力，不僅要在產出上下功夫，更不能忽視專利質量，同時，也要加強企業內部的技術合作和信息交流。

進一步對原始指標與綜合指標進行Spearman相關性分析[24]，如表6所示。由表6可以看出，綜合指標與6類原始指標具有較高的相關性，反映了創新人員在技術開發的“質”與“量”的水平，也反映了其在公司科技信息交流和科研合作中的作用，綜合體現了創新人員的創新能力與影響力。

表6 綜合指標與原始指標的相關系數

5 結語

本文基于社會合作網絡視角來考察企業專利合作網絡結構特征和節點特性，分析企業整體科研合作與技術交流狀況，識別企業技術帶頭人，為企業調動員工創新積極性、加強技術合作和交流提供指導。在對比分析基于網絡中心度指標和文獻計量指標評價結果的基礎上，提出了一種基于因子分析法的企業創新人員綜合評價指標，綜合考慮了專利申請量、被引頻次、h指數以及網絡節點中心度指標，集成了合作影響力、引證影響力和產出影響力。綜合評價指標克服了單一指標的不足，綜合體現了創新人員的創新能力與影響力。企業創新人員要想取得突出的創新影響力，不僅要注重專利研發的“質”與“量”，也要加強信息交流和科研合作。對企業創新人員的影響力和水平給出客觀定量的評價，有利于推動企業整體的創新開發和技術交流。該綜合評價指標的構建基于因子分析方法，客觀設置指標權重，避免了人為主觀性干擾，使評價結果更具有客觀性。由于數據統計是在一段時間內完成，期間存在數據庫更新的可能，導致本文綜合評價排名存在一定誤差，但該誤差不影響綜合評價方法的構建。該文中未考慮合著者署名次序，未對著者貢獻按照署名次序進行分配，這是在后續研究中需要重點考慮的問題。