基于時序指數隨機圖模型的共性技術涌現動力機制研究

唐玉潔 李陽

收稿日期：2022.08.25? 修回日期：2022.10.24

基金項目：河南省哲學社會科學規劃項目（2022BJJ039）；河南省教育廳人文社會科學研究項目（2021.ZZJH.077）

作者簡介：唐玉潔（1987—），女，河北石家莊人，博士，鄭州輕工業大學經濟與管理學院講師，研究方向為技術創新和組織領導力；李陽（1985—），男，河南鄭州人，博士，河南工業大學管理學院講師，研究方向為技術創新與戰略管理。本文通訊作者：李陽。

摘? 要：基于超級電容器儲能技術專利數據，運用時序指數隨機圖模型構建共性技術涌現動力模型，實證檢驗技術協同性（度中心度、邊共享、非邊共享結構）、新穎性（前向引用、后向引用、科學引文）、功能性（組合規模、行業多樣性）對共性技術涌現的驅動作用。結果表明：在技術協同性維度，度中心度和邊共享結構顯著促進共性技術涌現，而非邊共享結構的促進作用不顯著；在技術新穎性維度，前向引用顯著促進共性技術涌現，科學引文存在顯著負向作用，而后向引用不存在顯著影響；在技術功能性維度，行業多樣性對共性技術涌現存在顯著促進作用，而組合規模不存在顯著影響。通過揭示共性技術涌現動力機制，探明共性技術形成規律，為預測共性技術發展趨勢提供新思路與新方法。

關鍵詞：技術涌現；共性技術；動力機制；TERGMs；綠色技術

DOI：10.6049/kjjbydc.2022080672

開放科學（資源服務）標識碼（OSID）：

中圖分類號：G301

文獻標識碼：A

文章編號：1001.7348（2024）04.0023.10

0? 引言

自技術涌現理論受到學術界關注以來［1.3］，學者們探討了新技術、突破性技術及創造性技術涌現現象，以揭示這些技術生成規律與發展趨勢［4.8］。然而，在新一輪技術革命與“逆全球化”浪潮下，產業國際競爭從前沿技術領域延伸至基礎性技術領域，我國不同產業的基礎性、共性技術已經成為發達國家封鎖與遏制的對象。由于共性技術可在多個行業中應用，并且顯著影響行業技術發展（李紀珍，2011），因此探明共性技術產生規律與發展趨勢、揭示共性技術涌現機制可以為我國突破技術封鎖和實現科技自立自強提供有益借鑒。

然而，當前鮮有研究針對共性技術涌現展開探討，也未能回答共性技術從何而來、因何而生、其涌現機理是什么等問題。通過梳理共性技術已有研究，可以發現其主要圍繞共性技術供給和共性技術識別兩大主題展開。共性技術供給研究主要從組織層面探討共性技術供給過程中的合作網絡結構與演化（岑杰等，2021；馬永紅等，2021）、供給決策與模式［9.10］、研發策略與行為等［11.12］。共性技術識別研究主要利用專利IPC信息［13］、專利引用信息［14］、技術共現網絡結構特征［15.17］等指標對共性技術進行判別。綜上，可以發現供給與識別是當前共性技術研究的焦點，但尚未涉及對共性技術涌現的探討，這為本文提供了研究空間。

根據涌現理論，技術涌現是指在高創造性技術網絡中，微觀層面的技術協同性、新穎性和功能性等動力因素能夠促使技術間不斷建立與維持長期互動關系，從而推動技術逐漸在宏觀網絡層面涌現的動態演化過程［2］?；谶@一理論，在技術共現網絡中哪些動力變量可以有效表征技術協同性、新穎性和功能性？這些動力變量是否在共性技術涌現過程中起驅動作用？以及如何驅動共性技術涌現？針對這些問題，本文基于時序指數隨機圖模型（簡稱“TERGMs”），通過構建共性技術涌現動力模型，揭示技術協同性、新穎性和功能性3個維度的動力因素推動共性技術涌現的動力機制，試圖探明共性技術形成規律。這對拓展技術涌現相關研究，彌補共性技術涌現研究不足，證實TERGMs對預測共性技術涌現的適用性具有重要理論意義。

1? 共性技術涌現理論基礎

涌現一詞最初起源于Von Bertalanffy的系統科學理論。Holland［18］將涌現定義為一個系統中微觀個體間預設的簡單互動行為在宏觀層面造就的未知、復雜樣態現象。在此基礎上，Burmaoglu等［2］進一步提出，技術涌現是發生在高度創造性技術網絡中的現象，在該網絡中，技術在宏觀層面的涌現是微觀層面技術間互動關系建立并持續動態演化的結果，而技術的協同性、新穎性和功能性是推動技術間互動關系建立并持續的關鍵因素。

具體而言，①技術協同性是指技術與其它技術協調互動的能力，與高協同性技術互動往往能夠產生顯著的協同效應［19］，因此高協同性技術更易形成并維持長期的技術間協同互動關系，最終促使協同性技術在宏觀層面涌現［2］；②技術新穎性強調技術的新穎程度，新穎性技術往往是突破式創新的結果［20］，通過與新穎性技術整合有助于實現后續技術創新，因此新穎性技術更容易形成長期的技術間合作互動關系，從而使新穎性技術在宏觀層面涌現［2］；③技術功能性強調技術間組合的機會與潛力，是聯結整體與局部關系的紐帶［19］，功能性越強，意味著該技術可以與更多技術形成組合互動關系，因此高功能性技術更容易在宏觀層面涌現［2］；④關系持續性是指技術合作、協同與互補等互動關系在連續時間段內所反映出的一致性和連貫程度，當技術不斷地與其它技術形成長期互動關系時，該技術更易于在宏觀層面涌現［2］。

綜上所述，技術協同性、新穎性及功能性是技術涌現的關鍵動力因素，能夠推動技術間互動關系建立與維持，從而最終影響技術涌現［2］。基于上述分析，共性技術作為一類基礎性、廣泛性技術，其涌現可以被認為是技術間共現關系不斷建立與維持的動態演化結果，并受到技術協同性、新穎性及功能性等動力因素影響。因此，本文選擇從技術協同性、新穎性和功能性3個維度的動力因素入手，探究其在技術共現網絡演化過程中如何驅動技術共現關系建立與持續，試圖揭示共性技術涌現的動力機制。

2? 共性技術涌現動力機制與研究假設

2.1? 技術協同性對共性技術涌現的驅動作用

技術協同性是指一項技術與其它技術在技術系統中協調互動的能力，可以由技術節點的度中心度衡量［21］。已有研究發現，在協同創新網絡中度中心度較高的節點通常在網絡中占據中心位置，在獲取創新資源和吸引合作伙伴方面具有顯著優勢［22］，表現出一定的馬太效應［23］。由此可知，在技術共現網絡中，度中心度較高的技術節點同樣占據共現網絡的中心位置。占據網絡中心位置的技術節點不僅擁有較強吸引力，利于其它技術節點優先與該技術節點建立共現關系，而且該共現關系具備較高技術價值，由此提升技術共現關系穩定性。因此，從網絡位置來看，度中心度越高的技術節點，越可能在共現網演化過程中形成長期的技術間共現關系，從而促使該技術節點涌現為共性技術。

從網絡共現關系來看，度中心度較高還意味著該技術節點能夠與較多的外圍技術節點協同應用，具備較強的技術交叉融合潛力［21］，并且提高該技術節點涌現為共性技術的可能性。技術應用相關研究也證實，對于新興技術而言，為了能夠被市場接受并獲得廣泛應用，通常優先選擇與度中心度較高的技術節點建立聯系并形成新共現關系［24］，通過維持長期穩定的共現關系，進而在共現網絡演化過程中推動這些技術節點涌現為共性技術。

在實踐層面，以超級電容器儲能技術為例，活性炭和石墨烯都可作為電極材料，由于石墨烯具有高化學穩定性、高導性和離子易吸附性，使得應用石墨烯材料的超級電容器儲能技術不僅能與活性炭材料相關技術共存，而且能夠與快速充放電、高電壓等技術實現協同，從而促使石墨烯材料的相關技術涌現為普遍使用的電極材料技術。

基于以上分析，本文提出如下研究假設：

H1：在技術共現網絡演化過程中，度中心度越高的技術，越傾向于建立并維持新共現關系，從而涌現為共性技術。

此外，有研究表明，邊共享與非邊共享等結構嵌入性特征同樣可以反映社會網絡中節點間的協同程度［25］。在技術共現網絡中，非邊共享結構是指兩個技術節點之間形成多個開放的三角關系，即兩個技術節點之間沒有直接的共現關系，僅有一系列共享的伙伴技術［22］。非邊共享技術之間在結構上具有對稱性且功能上具有相似性［25］，因此非邊共享技術之間可以相互替代，往往被認為是一組替代型技術。技術替代現象會破壞非邊共享結構的對稱性，導致非邊共享技術與其它技術形成的開放式三角共現關系不穩定，從而導致在技術共現網絡演化過程中非邊共享技術難以涌現為共性技術。

相反，在技術共現網絡中，邊共享結構是指兩個技術節點之間形成多個閉合三角關系，即兩個技術節點之間不僅存在直接共現關系，而且具有一系列共享伙伴技術［22］。與非邊共享結構不同的是，邊共享結構的主要特征是結構上具有傳遞性且功能上具有關聯性［26］。結構傳遞性意味著邊共享技術與其它領域技術之間存在技術信息和知識的傳遞及擴散，這不僅有助于邊共享技術擴散到多個新技術領域［27］，還可拓展邊共享技術市場和應用場景［28.29］。因此，在技術共線網絡演化過程中，結構傳遞性有利于邊共享技術不斷與新技術形成共現關系，并且這種共現關系基于豐富的市場應用場景而得以維系。功能關聯性說明邊共享技術之間存在較強內聚力，在技術創新過程中通?！袄壥褂谩?，因此可以被認為是一組互補型技術。技術互補現象會增強邊共享結構的穩定性，促使邊共享技術與其它技術形成的封閉式三角共現關系更持續穩定，不易破裂，進而促使邊共享技術在共現網絡演化過程中涌現為共性技術。

實踐中，在超級電容器儲能技術發展初期，靜電儲能和電化學儲能是一對非邊共享技術。由于基本技術原理的差異，在不同應用場景中兩者可以相互替代，導致無論是靜電儲能技術還是電化學儲能技術，均未能成為該技術領域的共性技術。隨著超級電容器儲能技術的深入發展，混合型超級電容器技術誕生，該技術將之前的靜電技術與電化學技術進行整合，組成一對邊共享技術，實現優勢疊加、劣勢互補的儲能效果，使得混合型超級電容器儲能技術得到廣泛應用并最終成為該技術領域的共性技術。

基于上述分析，本文提出如下研究假設：

H2：在技術共現網演化過程中，與非邊共享技術相比，邊共享技術更傾向于建立并維持新共現關系，其涌現為共性技術的可能性更大。

2.2? 技術新穎性對共性技術涌現的驅動作用

新穎性技術往往需要擺脫對已有技術的路徑依賴，是突破式創新的結果［20］，并對后續技術具有較大影響力和推動作用［30］，可以分別由專利前向引用次數和后向引用次數進行測度。其中，前向引用指標從技術影響力角度衡量技術新穎性，即技術的前向引用次數越多，其新穎程度越高［31］；后向引用指標從技術的原創程度衡量技術新穎性，即技術的后向引用次數越少，其新穎程度越高［32］。

對于技術新穎性中的后向引用指標，從技術引用次數來講，技術的后向引用次數越少，表明其對已有技術的繼承與參考程度越低［33］，技術的原創性越高。原創性技術能夠為解決現有技術難題提供新思路，促使科研人員將已有技術與原創性技術組合，從而提出一系列新解決方案［34］。因此，后向引用次數越少的技術，在共現網絡演化過程中越可能與已有技術形成新共現關系。然而，從技術成熟度看，后向引用次數越少，意味著該技術成熟度越低［35］，導致技術使用風險和成本較高且應用效果不穩定，不利于該技術與已有技術共現關系的穩定。因此，后向引用次數較少的技術即使能夠與已有技術建立新共現關系，但由于共現關系不穩定，使得該技術在共現網絡演化過程中難以涌現為共性技術。

對于技術新穎中的前向引用指標，從技術成熟度角度看，前向引用次數多，意味著該技術是一種對后續技術產生重要影響的新穎性技術，正處于創新活躍期［35］，表明該技術有更多機會和潛力與其它領域技術發生密集性整合、利用、吸收等聯系，從而在共現網絡演化過程中更可能與其它領域技術形成共現關系。從知識積累角度看，創新是技術和知識不斷累積增值的連續過程（張軍等，2014）。由于前向引用次數較高的技術通常被視為影響力顯著的技術［33］，隨著共現網絡演化，后續技術需要不斷地與影響力顯著的技術建立聯系，產生較大技術價值，因此有利于技術間共現關系持續與穩定。由此可見，前向引用次數越多的技術越傾向于建立并維持新共現關系，越可能涌現為共性技術。綜上所述，在分析技術新穎性對共性技術涌現的驅動作用時，相對于后向引用，前向引用的預測能力更強。

在實踐層面，以超級電容器儲能技術中活性炭、石墨烯與金屬-有機聚合物（MOF）3種電極材料為例，與較早提出的活性炭技術相比，石墨烯技術是當前影響力較顯著的新穎性技術，已經逐漸替代活性炭成為電極材料中的共性技術；而MOF作為新近出現的一項原創性技術，受限于高技術成本與傳導性能，目前難以取代石墨烯技術成為電極材料中的共性技術。

基于上述分析，本文提出如下研究假設：

H3：在技術共現網演化過程中，與后向引用相比，前向引用次數越多的技術越傾向于建立并維持新共現關系，也越可能涌現為共性技術。

此外，有研究強調新穎性技術內容更接近于科學發現［36］，并可以通過科學引文測度。該指標從技術前瞻性衡量新穎性，即科學引文越多，技術的新穎程度越高［37］。當引用較多科學引文時，說明該技術與科學發現存在緊密聯系。一項技術在申請專利時，通常通過大量引用科學論文以強調所申請專利技術的前瞻性和唯一性［37.38］。然而，前瞻性技術往往處于理論構想階段，具有技術與市場雙重不確定性，通常需要經歷二次開發和二次創新的復雜過程［39］。因此，盡管科學引文能夠在一定程度反映技術新穎性，但短時間內科學引文數量較多的技術難以吸引其它技術與之形成持續且穩定的共現關系，從而不利于其在共現網絡演化過程中涌現為共性技術。

實踐中，基于MOF電極材料技術，科學家開始嘗試將無孔MOF技術應用于超級電容器電極材料開發，為發展高性能超級電容器提供了方向，然而該技術仍處于理論探索時期，因此短期內無法成為該領域的共性技術。

基于上述分析，本文提出如下研究假設：

H4：在技術共現網演化過程中，科學引文數量多的技術難以建立并維持新共現關系，從而不太可能涌現為共性技術。

2.3? 技術功能性對共性技術涌現的驅動作用

技術功能性是指技術進行組合使用的機會與潛力［19］，可以由組合規模與行業多樣性測度，即功能性較強的技術，其技術組合規模大、行業多樣性強［40］。組合規模大，表明該技術可以與更多類型技術伙伴進行組合；行業多樣性強，意味著該技術可拓展到多個不同行業（王媛等，2020）。基于技術價值視角，功能性高的技術，即組合規模大或行業多樣性強的技術，通常擁有較高的技術使用價值［41］，能夠吸引更多不同類型、行業的技術與之組合使用。因此，在共現網絡演化過程中，組合規模越大或行業多樣性越強的技術，越可能形成穩定的技術共現關系，從而促使該技術涌現為共性技術。

實踐中，與單一的雙電層電容器和法拉第贗電容器相比，混合型超級電容器儲能技術已經能夠與太陽能、風力發電、新能源汽車等多類型、多行業技術進行組合使用，從而提高該技術使用價值并擴展應用場景，使之逐漸成為超級電容器技術領域的共性技術。

綜上所述，本文提出如下研究假設：

H5：在技術共現網演化過程中，技術組合規模越大的技術，越傾向于建立并維持新共現關系，從而越可能涌現為共性技術；

H6：在技術共現網演化過程中，行業多樣性越強的技術，越傾向于建立并維持新共現關系，從而越可能涌現為共性技術。

3? 基于TERGMs的共性技術涌現動力機制模型構建

3.1? 研究方法

基于涌現理論，共性技術涌現的動力機制是指在技術共現網絡演化過程中，技術協同性、新穎性及功能性等動力因素對技術間共現關系形成與持續的驅動作用。這些動力因素涉及外生節點屬性與內生網絡結構變量，因此傳統統計模型不再適用。本文將借助TERGMs探索共性技術涌現的驅動因素與動力機制。目前TERGMs被認為是分析復雜網絡動態演化過程的適合方法［42］，該方法以關系形成和關系持續為研究對象，是對傳統ERGMs在時間維度上的擴展，通過將跨時間依賴效應納入縱向觀察網絡中［26，43］，綜合探討內生網絡結構與外生節點屬性如何影響關系形成及維持。因此，TERGMs普遍用于網絡演化動力研究［42］，為本文探索共性技術涌現的動力機制提供了實證分析工具。本文基于TERGMs，從技術共現關系建立與維持入手，構建共性技術涌現動力模型，以技術共現網絡中技術節點連接和持續概率為被解釋變量，以內生結構依賴和外生技術節點屬性為解釋變量，在共現網絡演化過程中分析技術協同性、新穎性與功能性等動力因素對技術共現關系建立及維持的驅動作用，揭示共性技術涌現的動力機制。

3.2? 變量描述

基于上述理論分析，技術協同性作為內生結構變量，可以由度中心度、非邊共享結構與邊共享結構測度；技術新穎性作為外生節點屬性變量，可由前向引用次數、后向引用次數和科學引文數量測度；技術功能性作為外生節點屬性變量，可由技術組合規模和行業多樣性測度。TERGMs變量定義及測度方法如表1所示。

3.3? 模型構建

TERGMs可以通過建立分離模型（Separate model）或聯合模型（Joint model）分析不同時期（Between timesteps）網絡關系的動態變化［26］。其中，分離模型側重于解釋微觀層面節點間關系（Ties）的建立與持續［26］，而聯合模型則用于評估宏觀網絡結構持續性（Cross.sectional structure）與二元組（Dyads）數量變動［44］。鑒于本文研究重點是通過考察技術共現關系建立與持續以揭示共性技術涌現動力機制，因此構建4組分離模型。

首先，構建Model1零模型。Model1只包含技術共現網絡中技術節點共現關系的數量（edges），并依據該模型提供的AIC（赤池信息準則）及BIC（貝葉斯信息準則）模型選擇準則信息，對后續復雜模型的擬合優化情況進行評價。通常而言，AIC和BIC值越小，說明模型擬合效果越好。

其次，構建Model2內生結構依賴效應模型。在Model1基礎上增加技術協同性指標，包括幾何加權度中心度（gwdegree）、幾何加權非邊共享結構（gwnsp）及幾何加權邊共享結構（gwesp），從而檢驗內生網絡結構依賴變量對技術共現關系建立與持續的影響。

再次，構建Model3外生技術節點屬性效應模型。在Model1基礎上增加技術新穎性和技術功能性指標。其中，新穎性包括前向引用、后向引用和科學引文，技術功能性包括組合規模和行業多樣性，從而估計外生技術節點屬性影響共現關系建立與持續的概率。

最后，構建Model4全模型。將網絡結構依賴變量與節點屬性變量同時納入Model1中，綜合考察內外生變量對技術共現關系建立與持續的影響。

4? 實證研究

超級電容器儲能技術是一項既包括快速充放電功能，又具有電儲能特性的新型綠色儲能技術。在工業和信息化部印發的《基礎電子元器件產業發展行動計劃（2021—2023年）》中，明確提出要把握傳統汽車向電動化、智能化、網聯化的新能源汽車和智能網聯汽車轉型的市場機遇，重點推動包括超級電容器在內的電子元器件產業發展。在我國碳達峰碳中和背景下，超級電容器儲能技術應用前景巨大。因此，作為眾多產業的基礎性技術——超級電容器儲能技術領域未來會涌現一批共性技術，故選取該技術作為共性技術涌現動力機制的實證研究對象具有代表性和實踐意義。

4.1? 樣本選擇與數據收集

首先，獲取綠色儲能技術IPC代碼。由于超級電容器儲能技術是一種綠色電儲能技術，為了提高數據準確性和科學性，本文需要首先搜集綠色電儲能技術IPC代碼。按照世界知識產權局（WIPO）提供的綠色技術領域專利分類（IPC green inventory），獲取綠色電儲能技術（Storage of electrical energy）的IPC代碼。該專利分類是由IPC專家委員會依據《聯合國氣候變化框架公約》（UNFCCC）中關于無害環境技術相關信息制定的。其次，篩選專利數據。本文以世界專利數據庫《德溫特創新索引》（DII）作為數據來源，在綠色電儲能技術IPC代碼基礎上，結合主題詞進一步對專利數據進行篩選。檢索式為TS=（EDLC* OR Electr* double.layer capacit* OR pseudocapacit* OR pseudo capacit* OR hybrid capacit* OR supercapacit* OR ultracapacit* OR super capacit* OR ultra capacit*） AND IP=（B60K.006/28 OR B60W.010/26 OR H01M.010/44 OR H01M.010/46 OR H01G.011* OR H02J.003/28 OR H02J.003/30 OR H02J.003/32 OR H02J.007* OR H02J.015*）。最終，本文檢索獲得1999-2015年超級電容器儲能技術的世界專利9 033條。

4.2? 技術共現網絡特征描述

對技術共現網絡演化的統計分析如表2所示。從表2中看出，超級電容器儲能技術的專利數量逐年增多，從1999年的45件增至2015年的1 765件。技術共現網絡規模逐年擴大，說明每年都有不同功能的技術加入。網絡密度整體偏低并隨時間逐漸下降，說明該網絡表現出稀疏特征，技術聯系不緊密。平均路徑長度和聚類系數較穩定，分別處于1.79～2.23和0.80～0.87范圍內，這種低平均路徑長度和高聚類系數說明超級電容器儲能技術共現網絡具有小世界網絡特性。隨著時間的推移，該網絡的平均度中心度呈遞增趨勢，說明在該技術領域核心技術與更多的其它技術產生共現關系。另外，平均中介中心度也從1999年的22.79攀升至2015年的104.91，說明隨著超級電容儲能技術發展，更多技術處于橋接的中介位置，更多技術通過這種中間關系聯系起來。最后由核心邊緣結構系數可知，該技術共現網絡表現出一定的“核心—邊緣”特征，說明存在核心技術與其它技術關聯密切而邊緣節點技術聯系稀疏的情況。綜上所述，通過共現網絡特征描述，初步判斷超級電容器儲能技術可能存在共性技術涌現現象。然而，內生網絡結構依賴與節點屬性對共性技術涌現的影響需要進一步的實證檢驗。

4.3? 結果分析

通過R軟件中的TERGMs包對4個分離模型進行參數估計。如果統計項系數為0，表明在其它條件不變的情況下，事件發生概率為exp（0）/（1+exp（0））=0.5。因此，對于本項研究而言，系數為正，表明在其它條件不變的情況下，擁有某個內生結構或外生屬性的技術建立或維持共現關系的概率大于50%，即內生結構或外生屬性有利于共現關系建立與持續；系數為負，表明在其它條件不變的情況下，上述概率小于50%，即內生結構或外生屬性不利于共現關系建立與持續，具體結果見表3。可以發現，在模型Model1基礎上，逐步添加統計項，并且Model2、Model3和Model4擬合指標的AIC、BIC值逐漸變小。與Model1相比，Model2的AIC與BIC指標下降幅度比Model3更大，說明在技術共現網絡中內生依賴結構對共現關系建立與持續的影響更顯著。全模型Model4的AIC和BIC值最小，說明模型越來越貼近觀測的技術共現網絡。

具體統計結果以Model4為基準進行分析。其中，edges系數類似于傳統回歸模型中的截距項，用于解釋技術共現網絡中共現關系建立和持續的傾向。表3的Model4中，edges建立與持續的系數顯著為負，說明在技術共現網中技術間形成新共現關系與維持共現關系的概率均小于50%。

4.3.1? 內生結構依賴估計結果

結果顯示，幾何加權度中心度gwdegree對共現關系建立的影響系數為1.452（p＜0.001），對關系持續的影響系數為0.715（p＜0.001），說明技術共現網絡呈現出馬太效應。這是因為技術總是優先選擇與度中心度較高的節點技術建立并維持共現關系，從而有利于該技術涌現為共性技術，假設H1成立。

此外，幾何加權非邊共享結構gwnsp對共現關系建立的影響系數為0.015（p＜0.001），對共現關系持續的影響系數為-0.001（p＞0.1），說明技術共現網中開放三角關系的存在有利于共現關系建立，但不能提高關系持續概率，即非邊共享技術更可能建立新共現關系，但不會顯著提高共現關系維持概率。關于幾何加權邊共享結構gwesp，其對共現關系建立的影響系數為4.726（p＜0.001），對共現關系持續的影響系數為1.918（p＜0.001），說明技術共現網中閉合三角關系的存在有利于共性技術涌現，即邊共享技術更可能建立與維持共現關系。因此，與非邊共享技術相比，邊共享技術更可能作為共性技術涌現，假設H2成立。

4.3.2? 外生節點屬性估計結果

由表3可知，后向引用BC對關系建立的影響系數為0.000（p＞0.1），對關系持續的影響系數為-0.001（p＞0.1），說明后向引用不會顯著提高技術建立與共現關系維持概率，即不會促使該技術涌現為共性技術。關于前向引用FC，其對關系建立的影響系數為0.028（p＜0.001），對關系持續的影響系數為0.062（p＜0.001），說明前向引用次數多的技術更可能建立并維持共現關系。因此，相比于后向引用，前向引用次數多的技術更可能作為共性技術涌現，假設H3成立。

關于科學引文SCI，其對關系建立的影響系數為-0.004（p＜0.001），對關系持續的影響系數為-0.018（p＜0.001），說明科學引文降低了技術建立與共現關系維持概率，即抑制了該技術作為共性技術涌現，假設H4成立。

關于技術組合規模TPsize，其對關系建立的影響系數為-0.000（p＞0.1），對關系持續的影響系數為0.014（p＜0.001），說明組合規模提高了技術建立與維持共現關系的概率，但對新共現關系建立的概率并無顯著影響。因此，組合規模不會促進共性技術涌現，假設H5不成立。

關于技術行業多樣性TPdiversity，其對關系建立的影響系數為6.428（p＜0.001），對關系持續的影響系數為2.355（p＜0.001），說明行業多樣性提高了技術建立與維持共現關系的概率，從而有利于該技術作為共性技術涌現，假設H6成立。

4.4? 模型診斷

首先，從表3可知，相比于Model1、Model2和Model3，綜合內生結構依賴與外生節點屬性的Model4，其AIC和BIC值最小，說明全模型Model4更貼近真實觀察網絡，證明該模型具有穩健性，其估計結果更準確。

其次，運用MCMC診斷進一步驗證模型穩健性。MCMC診斷結果如圖1所示。圖1顯示了Model4中共現關系建立和持續過程中每個統計項以MCMC鏈為時間序列的變化以及對應的MCMC鏈直方圖。根據圖1，Model4中統計項都表現出以0為中心的隨機變化，其中，0表示觀察網絡對應統計項的統計值，診斷圖結果表示該模型收斂，說明Model4是一個穩健的模型。

最后，通過擬合優度（goodness.of.fit，GOF）進一步驗證模型與數據的擬合程度。GOF結果如圖2所示。圖中粗黑線表示觀察網絡的測量結果，灰線表示仿真網絡在95%置信區間的測量結果，若粗黑線落在灰線條之間，說明仿真網絡能夠較好地反映觀察網絡的結構特征。左右兩列圖分別顯示了度（degree）、邊共享伙伴（esp）、二元共享伙伴（dsp）以及測地距離（distance）統計項的數據擬合狀況。圖2結果表明，在Model4中的共現關系建立和持續過程中，仿真網絡基本能夠解釋上述統計項。

綜上，Model4能夠較為穩定地反映真實觀察網絡，各統計項也能夠代表網絡結構特征，因此證實基于TERGMs構建的共性技術涌現動機機制模型所得結果穩健。

5? 研究結論與啟示

5.1? 研究結論

基于涌現理論，本文運用TERGMs研究方法，利用超級電容儲能技術專利數據，通過構建共性技術涌現動力模型，實證檢驗技術協同性、新穎性及功能性3個維度的動力因素對共性技術涌現的驅動作用，以揭示共性技術涌現的動力機制。本文研究結論如下：

（1）我國超級電容器儲能技術處于快速發展階段，專利數量逐年遞增，涵蓋的技術數量呈上升趨勢，技術共現網絡表現出小世界特征和“核心—邊緣”結構，表明大部分技術節點不鄰接，但可以通過與其它關鍵節點聯結而彼此相連，說明在該技術領域存在共性技術。

（2）對于技術協同性指標，度中心度與邊共享結構對共性技術涌現存在正向影響，而非邊共享結構不存在顯著作用。這說明度中心度越高，即外圍節點越多的星型結構中心技術越可能成為共性技術；與開放三角關系的非邊共享技術相比，擁有更多閉合三角關系的邊共享技術更可能成為共性技術。

（3）作為技術新穎性指標，反映技術影響力的前向引用正向影響共性技術涌現，反映技術原創程度的后向引用不存在顯著影響，而反映技術前瞻性的科學引文則存在負向影響。這表明相較于技術原創性，對后續技術具有較強影響力的技術更可能涌現為共性技術，而接近科學研究的前瞻性技術在短期內不太可能成為共性技術。

（4）作為技術功能性指標，行業多樣性正向影響共性技術涌現，而組合規模不存在顯著促進作用。這表明與技術功能數量相比，跨行業技術融合對共性技術涌現的作用更顯著，即相較于功能數量多的技術，能夠跨行業使用的技術更可能成為共性技術。

5.2? 理論貢獻與實踐啟示

本研究理論貢獻如下：①將網絡關系形成與持續作為網絡演化過程中技術涌現的動力機制，拓展了技術涌現相關研究；②不同于已有的共性技術供給與識別研究，本研究發現，共性技術涌現是由內生網絡結構與外生節點屬性共同驅動的，彌補了共性技術涌現研究的不足；③不再局限于傳統的統計模型和案例研究，證實了TERGMs對共性技術涌現研究的適用性。

本研究的實踐啟示如下：

第一，對于共性技術預測，相對于后向引用，技術研發人員在短期內應當優先關注前向引用次數較多的技術，這些技術通常具有較強影響力，更可能成為共性技術。對擁有較多科學引文的技術進行長期追蹤，這是因為這些技術更接近于科學發現，同樣具備成為共性技術的潛力。此外，技術研發人員還應該關注存在跨行業應用場景的技術，這些技術可能成為多行業協同發展的基礎性技術，因此也存在成為共性技術的可能。

第二，處于技術網絡中心位置的核心技術，由于存在“馬太效應”，通常會發展成共性技術，成為技術封鎖的潛在對象。為避免共性技術被“卡脖子”，政府應該通過制定相關政策并營造寬松的研發環境，引導技術研發人員探索技術發展新軌道，利用科技專項大力發展替代技術；鼓勵高校、科研院所通過發揮學科齊全、人才聚集等優勢，針對存在“卡脖子”風險的共性技術，開展多種替代技術的基礎研究。

5.3? 不足與展望

基于涌現理論，本文選擇超級電容器儲能技術專利數據進行實證研究，通過TERGMs揭示共性技術涌現的動力機制，而不同領域的共性技術涌現可能存在不同特點與動力因素，因而本文研究結論具有一定局限性。未來研究一方面可以通過拓展技術行業領域，提高研究結論普適性；另一方面，可以將其它可能影響共性技術涌現的內生與外生變量納入考察范圍，進一步分析并揭示共性技術涌現的動力機制。

參考文獻：

［1］? KAPOOR R， KLUETER T. Progress and setbacks： the two faces of technology emergence［J］. Research Policy， 2020， 49（1）： 103874.

［2］? BURMAOGLU S， SARTENAER O， PORTER A. Conceptual definition of technology emergence：a long journey from philosophy of science to science policy［J］.Technology in Society， 2019， 59： 101126.

［3］? ROTOLO D， HICKS D， MARTIN B R. What is an emerging technology［J］.Research Policy， 2015， 44（10）： 1827.1843.

［4］? LI M， WANG W， ZHOU K. Exploring the technology emergence related to artificial intelligence：a perspective of coupling analyses［J］.Technological Forecasting and Social Change， 2021， 172： 121064.

［5］? WOOLLEY J. Technology emergence through entrepreneurship across multiple industries［J］.Strategic Entrepreneurship Journal， 2010， 4（1）： 1.21.

［6］? 陳傲， 柳卸林， 高廣宇. 突破性技術發明的涌現軌跡——以心臟起搏器行業為例［J］.系統工程， 2011， 29（9）： 1.8.

［7］? 毛薦其， 劉娜. 技術生態視野下的新技術涌現機理探析［J］.管理世界， 2011， 27（12）： 182.183.

［8］? 周軍. 創造性技術涌現中的政府模式選擇［J］.河南大學學報（社會科學版）， 2017， 57（2）： 8.14.

［9］? 鄭月龍， 劉思漫， 白春光. 考慮多主體參與的產業共性技術研發模式比較研究［J］.中國管理科學， 2021， 29（8）： 44.56.

［10］? 鄭月龍， 王琳. 多企業共性技術合作研發行為的演化動態［J］.系統工程， 2018， 36（2）： 71.79.

［11］? 秦佳良， 張玉臣， 賀明華. 技術—市場雙重未知下企業共性技術設計：從試錯學習到共同未知［J］.中國科技論壇， 2019，36（7）： 128.137.

［12］? 鄭月龍， 秦國靜. 政府補貼對產業共性技術可持續研發行為的影響研究［J］.研究與發展管理， 2021， 33（3）： 121.145.

［13］? 樊霞， 陳雙麗. 產學研合作更有利于產業共性技術研發創新嗎——對USPTO中國專利數據的實證檢驗［J］.科技進步與對策， 2016， 33（13）： 59.65.

［14］? 鄭彥寧， 浦墨， 劉志輝. 基于產業創新鏈的產業共性技術識別基本理論探討［J］.情報理論與實踐， 2016， 39（9）： 53.58.

［15］? 陳偉， 林超然， 孔令凱. 基于專利文獻挖掘的關鍵共性技術識別研究［J］.情報理論與實踐， 2020， 43（2）： 92.99.

［16］? 馬永紅， 孔令凱， 林超然. 基于專利挖掘的關鍵共性技術識別研究［J］.情報學報， 2020， 39（10）： 1093.1103.

［17］? 鄭賽碩， 王學昭， 陳小莉. 共性技術識別方法構建與實證研究——以集成電路行業為例［J］.圖書情報工作， 2021， 65（15）： 130.139.

［18］? HOLLAND J H. Emergence： from Chaos to order［M］.Oxford：Oxford University Press， 2000.

［19］? CORNING P A. The re.emergence of "emergence"： a venerable concept in search of a theory［J］.Complexity （New York， N.Y.）， 2002， 7（6）： 18.30.

［20］? ?GOLDSTEIN J. Emergence， creativity， and the logic of following and negating［J］.The Innovation Journal： The Public Sector Innovation Journal， 2005， 10（3）： 1.10.

［21］? 張琳， 彭玉杰， 杜會英. 技術會聚：內涵、現狀與測度——兼論與學科交叉的關系［J］.圖書情報工作， 2021， 65（1）： 91.101.

［22］? 孫雯， 劉人境. 我國大科學工程協同創新參研人員的網絡嵌入性前因機制研究［J］.管理學報， 2021， 18（12）： 1763.1771.

［23］? OPSAHL T，AGNEESSENS F，SKVORETZ J.Node centrality in weighted networks：generalizing degree and shortest paths［J］.Social Networks，2010，32（3）：245.251.

［24］? SANDN B A， AZAR C. Near.term technology policies for long.term climate targets—economy wide versus technology specific approaches［J］.Energy Policy， 2005， 33（12）： 1557.1576.

［25］? GHOSH A， RANGANATHAN R， ROSENKOPF L. The impact of context and model choice on the determinants of strategic alliance formation：evidence from a staged replication study［J］.Strategic Management Journal， 2016， 37（11）： 2204.2221.

［26］? KRIVITSKY P N， HANDCOCK M S. A separable model for dynamic networks［J］.Journal of the Royal Statistical Society，Series B，Statistical Methodology， 2014， 76（1）： 29.46.

［27］? YASUNAGA Y， WATANABE M， KORENAGA M. Application of technology roadmaps to governmental innovation policy for promoting technology convergence［J］.Technological Forecasting and Social Change， 2009， 76（1）： 61.79.

［28］? CURRAN C， BRRING S， LEKER J. Anticipating converging industries using publicly available data［J］.Technological Forecasting and Social Change， 2010， 77（3）： 385.395.

［29］? 陳亮， 張志強， 尚瑋姣. 技術融合研究進展分析［J］.情報雜志， 2013， 32（10）： 99.105.

［30］? KWON S， LIU X， PORTER A L， et al. Research addressing emerging technological ideas has greater scientific impact［J］.Research Policy， 2019， 48（9）： 103834.

［31］? 萬小麗. 專利質量指標中“被引次數”的深度剖析［J］.情報科學， 2014， 32（1）： 68.73.

［32］? 李睿， 趙峰. 屆滿專利與無效專利的施引特征對比及其情報學意義［J］.情報學報， 2016， 35（6）： 586.596.

［33］? 楊中楷， 梁永霞， 劉則淵. USPTO中我國專利引用狀況的統計分析［J］.圖書情報工作， 2009， 53（2）： 42.46.

［34］? CHRISTENSEN C M. The innovator's dilemma： when new technologies cause great firms to fail［M］.Harvard：Harvard Business Review Press， 2013.

［35］? HALL B H， JAFFE A， TRAJTENBERG M. Market value and patent citations［J］.Rand Journal of Economics， 2005， 36（1）： 16.38.

［36］? MEYER M. Does science push technology？ patents citing scientific literature［J］.Research Policy， 2000， 29（3）： 409.434.

［37］? 陳凱， 徐峰， 程如煙. 非專利引文分析研究進展［J］.圖書情報工作， 2015， 59（5）： 137.144.

［38］? MEYER M. Patent citations in a novel field of technology——what can they tell about interactions between emerging communities of science and technology［J］.Scientometrics， 2000， 48（2）： 151.178.

［39］? 李睿， 周維， 王雪. 引文生態視角下標準必要專利的引文特征研究［J］.情報學報， 2018， 37（9）： 882.889.

［40］? 王萍萍， 王毅. 知識單元特征對發明者知識組合行為的影響——知識網絡的視角［J］.經濟管理， 2018， 40（5）： 92.107.

［41］? PARCHOMOVSKY G， WAGNER R P. Patent portfolios［J］.University of Pennsylvania Law Review， 2005， 154（1）： 1.78.

［42］? 黨興華， 張晨. 基于Stergm的風險投資網絡演化動力研究［J］.科研管理， 2022， 43（5）： 182.190.

［43］? LEIFELD P， CRANMER S J， DESMARAIS B A. Temporal exponential random graph models with btergm： estimation and bootstrap confidence intervals［J］.Journal of Statistical Software， 2018， 83（6）： 1.36.

［44］? CARNEGIE N B， KRIVITSKY P N， HUNTER D R， et al . An approximation method for improving dynamic network model fitting［J］.Journal of Computational and Graphical Statistics， 2015， 24（2）： 502.519.

（責任編輯：胡俊?。?/p>

The Dynamics of Generic Technology Emergence Based on TERGMs： The Example of Supercapacitor Green Energy Storage Technology

Tang Yujie1， Li Yang2

（1.College of Economics and Management， Zhengzhou University of Light Industry，Zhengzhou 450002，China; 2. School of Management， Henan University of Technology， Zhengzhou 450002， China）

Abstract：Since the technology emergence theory has gained much research attention， scholars have discussed the emergence of new technologies，technology breakthroughs and creative technologies. However， under the new wave of technological revolution and "anti.globalization，" international industrial competition extends from frontier technology to generic technology. Because generic technology can be applied in many industries and restrict the development of industry technology，the emergence mechanism of the generic technology can provide a beneficial reference for China to break through the technology blockade and realize scientific and technological self.reliance. However， few studies have explored the emergence of generic technologies， failing to answer questions such as where they come from， why they arise， and what the emergence mechanism is. Reviewing the existing research on generic technology， this study confirms that the two research themes are "generic technology supply" and "generic technology identification." However， current studies have yet to answer the question of how generic technology emerges， which provides a research opportunity for this paper.

According to the technology emergence theory， technology emergence refers to the dynamic evolution process in which technology synergy， novelty， functionality， and other dynamic factors at the micro level can promote the continuous establishment and maintenance of long.term interactive relations among technologies in a highly creative technology network， and thus promote the gradual emergence of technologies at the macro level.Following this theory， this study adopts the TERGMs （time.series exponential stochastic model） method and constructs a dynamic model for the emergence of generic technologies to reveal the dynamic mechanism driven by the dynamic factors of technology synergy， novelty and functionality.

This paper takes the supercapacitor energy storage technology as an example because supercapacitor energy storage technology is a new green technology with an electric energy storage function. In the context of carbon peak and carbon neutrality， several generic technologies are likely to emerge in this domain. First，the study obtains the IPC code for identifying electrical energy storage according to the IPC green inventory provided by the World Intellectual Property Organization （WIPO）. Then， this paper uses the De Winter Index of Innovation （DII） as the patent data source and finally gets 9 033 supercapacitor energy storage technology patents from 1985 to 2021. Using TERGMs， the study empirically tests the driving effects of synergism （indicators including k.star， k.triangle， and k.twopath）， novelty （indicators including forward citation， backward citation， and science citation） and functionality （indicators including portfolio size and industry diversity） on the emergence of co.occurring technologies.

The results show that k.star and k.triangle significantly contribute to the emergence of generic technologies for technology synergy， while k.twopath is not significant. For technology novelty， forward citation significantly contributes to the emergence of generic technologies， while science citation has a significant negative effect， and backward citation does not have a significant effect. For technology functionality， industry diversity significantly contributes to the emergence of generic technologies， while portfolio size has no significant impact.

This paper has implications for companies and governments in understanding how generic technology emerges.（1）Compared with the backward reference， technologies with a more forward reference are more likely to become generic technologies because these technologies usually have strong technical influence. In addition， technologies with more scientific citations also have the potential to grow into generic technologies because they are closer to scientific discovery. Finally， the technologies with cross.industry application scenarios should also be paid attention to，as these technologies may become essential for the collaborative development of multi.industries. （2） Because of the "Matthew effect"， the core technologies in the center of the technology network usually develop into generic technologies and become the potential objects of technology blockade. To avoid the generic technology being “blocked，” the government should make relevant policies and create a loose research and development environment， guide technology researchers to explore the new track of technology development， and vigorously develop alternative technologies by using particular science and technology projects. Universities and research institutes are encouraged to conduct primary research on various alternative technologies by giving full play to their advantages， such as a complete range of disciplines and a concentration of talents.

Key Words： Technology Emergence; Generic Technology; Dynamics Mechanism; TERGMs; Green Technology