中國新能源汽車產業合作網絡演化特征和動因研究

摘要：以2012—2021年間新能源汽車產業申請并授權的合作專利為數據基礎，構建企業、大學和研究院所間合作創新網絡，并采用復雜網絡方法進行了網絡特征分析。分析結果顯示，行業內組織間的技術合作創新呈現快速增長，其中中國國家電網公司在網絡中持續占據核心地位。企業作為合作網絡的主導力量，與研究機構的合作穩定，但與大學的合作相對較少。此外，研究運用指數隨機圖模型（ERGM）考察了內生結構變量和外生節點屬性變量對網絡演化的影響。結果表明，趨同合作和傳播效應對網絡形成有積極影響；度中心性對創新合作的正向影響隨時間增強；組織所有者類型對網絡影響相較弱；早期參與者通過建立信任關系在長期合作中占優；地理接近性和社交接近性在促進組織間的合作創新中起到了關鍵作用。

關鍵詞：新能源汽車；復雜網絡；合作創新；指數隨機圖模型

中圖分類號：C91文獻標識碼：ADOI：10.3969/j.issn.1003-8256.2025.02.005

基金項目：國家自然科學基金（71571119），國家自然科學基金青年基金項目（71801139）

隨著全球能源危機加劇和環境可持續性需求的增加，新能源汽車作為創新交通解決方案，成為全球焦點[1]。這一趨勢對于推動能源結構轉型、環境質量提升、技術創新及產業升級具有重要戰略意義[2]。在中國，新能源汽車的發展降低了對傳統化石能源的依賴，促進了能源供給多樣化和能源結構的優化[3-4]。此外，它還推動了電池、電驅動系統和智能控制系統等關鍵技術的發展，提升了中國在全球制造業的競爭力[5]。由于新能源汽車產業的技術復雜性和市場競爭日益激烈，單一的內部創新已不足以滿足發展需求[2]。因此，通過構建跨組織的合作創新網絡，整合各方資源，已成為推動行業快速發展的關鍵。這些網絡不僅促進了資源的有效利用和風險分擔，還降低了研發和交易成本。在開放式創新的背景下，合作創新網絡由于其融合性、復雜性和不確定性，成為研究的熱點。明確影響這些網絡形成的關鍵因素及其內在影響機制對于促進合作效應、優化網絡結構和提高創新效率具有重要意義。

在理論領域，盡管眾多研究聚焦于探討影響組織創新的內部和外部因素，并從實證角度分析合作創新網絡對創新活動的作用，但這些研究常常忽略了探討形成合作創新網絡的前置變量。對此問題的研究雖有，但大多局限于傳統的統計方法，集中于分析單一網絡節點對網絡形成的影響，而較少涉及多種因素的綜合作用。特別地，新能源汽車產業作為高技術領域的代表，其知識密集和技術多元化的特質，要求來自高等教育機構和科研院所的知識支持，同時也依賴于企業的技術貢獻。因此，該產業展現了一種復雜的網絡化合作模式。鑒于這些背景，本研究選取新能源汽車產業作為案例，旨在深入分析促進企業、高校和研究機構間合作創新網絡形成的關鍵因素，及其對網絡結構特性和發展趨勢的影響。

1文獻回顧與問題提出

作為全球最大汽車市場的中國，面臨著能源限制和環境保護的雙重挑戰，因此積極發展新能源汽車產業對于減少對外部石油依賴、提高能源安全具有重要的戰略意義[4，6-9]。盡管已有文獻對新能源汽車產業進行了深入研究，涉及政策分析[10]、環境效益[11]和用戶需求[12-13]等多個維度。但從中國新能源汽車產業合作創新的角度來看，相關研究仍然不足。考慮到新能源汽車技術的復雜性以及其迅速發展的特點，對技術合作和能力提升的合作創新進行深入探討，對于推動產業發展具有重要的理論和實踐意義[14]。

關于合作創新網絡的相關研究，部分學者關注于合作創新網絡的形成、演變和結構特征。通常利用網絡分析的方法，諸如節點分析、網絡中心性、連結密度等，來理解和描述網絡的拓撲結構。劉云等[15]分析了納米科技國際合作創新網絡的“核心-邊緣”分布以及度數中心性、中間中心性和接近中心性三種中心性指標。另一部分學者探究合作創新網絡對組織創新能力和績效的影響。胡雙鈺等[16]利用中國生物技術領域的專利申請授權數據及負二項回歸方法，研究發現合作網絡強關系嵌入、弱關系嵌入對創新績效具有積極效應，合作網絡結構嵌入與創新績效呈倒U形曲線關系。張軍玲等[17]從多層網絡嵌入角度，來考察組織合作網絡和知識網絡的特征及其交互在發明人合作網絡結構嵌入影響發明人創新績效中的作用。通過以上文獻梳理發現，對于合作創新網絡的相關研究，大多數學者要么基于演化的視角，只分析了網絡本身的基本特征，沒有深入挖掘促進其形成的影響因素。要么從網絡視角出發，剖析合作創新網絡結構指標對創新績效或創新能力的影響，忽略了促進合作創新網絡形成的前因變量。雖然有少數學者對網絡形成的影響因素進行了初步探討，但大多從網絡結構或者節點屬性其中一個方面考慮。如戴靚等[18]研究節點之間的多維臨近性對中國城市間知識合作創新網絡結構的影響。邵桂蘭等[19]通過構建1985至2018年中國漁業專利網絡，探討其中的結構洞對發明人創新績效的影響及鄰域中心性的調節作用。指數隨機圖模型[20]（ERGM）強調網絡結構、節點屬性和關系的相互依賴性[21]，為分析復雜網絡特性和動態變化提供了更全面的視角。在ERGM中，節點屬性指的是網絡中各個節點的個體特征，而節點間關系的影響因素則涵蓋了諸如同質性和信任等因素對網絡形成的影響。網絡結構方面，則重點分析特定的關系模式如何促進網絡關系的形成，例如在合作網絡中的合作特征。

鑒于此，本文旨在構建新能源汽車產業在組織層面的合作創新網絡，并解釋組織間的合作模式及其對創新互動的影響。這一研究不僅能為新能源汽車產業的合作創新提供理論支持，也可為實踐中的策略制定提供指導。此外，通過應用指數隨機圖模型（ERGM），力求揭示驅動組織層面合作網絡的關鍵因素，為新能源汽車產業的進一步發展提供深刻的洞見。

2網絡構建和演化特征分析

?

2.1數據收集和處理

專利數據包含申請人及發明人信息，可以揭示創新生態系統中的關鍵參與者，包括發明人、研發機構和企業。專利庫中蘊含了豐富的技術細節和知識，其分析有助于追蹤知識流動的路徑并構建創新合作的網絡圖譜。因此，本文選取與新能源汽車產業相關的專利數據作為研究對象，以構建一個針對新能源汽車產業的創新合作網絡。所使用的新能源汽車專利數據源自谷歌專利網站（https：//patents.google.com），該平臺匯集了來自美國專利商標局（USPTO）和歐洲專利局（EPO）的專利文件，覆蓋了計算機科學、生命科學、工程學、化學、醫學等眾多領域的專利文獻。

依據中國《新能源汽車“十二五”規劃》確定的新能源汽車類型及技術分類，專利檢索框中輸入“電動汽車”“混合動力汽車”“燃料電池汽車”“天然氣汽車”“甲醇汽車”“能源存儲汽車”“電容器汽車”“新能源汽車”等關鍵詞。專利檢索覆蓋2012年1月1日至2021年12月31日。由于本文研究合作創新的趨勢，排除了單一申請人的專利，僅考慮具有兩個或更多申請人的聯合申請專利。故選擇以組織作為申請人的專利，排除了個人申請人的專利。故申請人類型涵蓋公司、研究機構、研究中心、大學、學院等。在進行了去重、過濾及無效專利數據的清除后，共篩選出4 112項專利，涵蓋1 692個機構。

圖1展示了2012—2021年中國新能源汽車產業聯合申請專利的年度變化。在這十年中，專利總數呈波動性增長。2012—2015年，聯合申請的專利年均數量穩定在200～300件，顯示出一定的穩定性。自2016年起，專利數量顯著上升，年均超過300件，反映出該行業在專利創新上的顯著進展。2017—2018年，專利數量增長速度達到頂峰。盡管2019—2021年專利增長速度有所放緩，但整體水平依然較高，顯示出新能源汽車產業持續的創新潛力和競爭力。總的來看，過去十年中國新能源汽車產業的聯合申請專利數量表現出持續增長的趨勢，特別是在2016—2018年，凸顯了新能源汽車產業的技術創新能力。

2.2新能源汽車產業合作創新網絡的構建

?

使用Rstudio軟件對專利合作網絡進行可視化，圖2展示了2012—2021年網絡演化情況。從圖2可以看出，合作網絡的規模逐漸擴大，越來越多的機構參與了新能源汽車產業的合作研發活動。隨著新能源汽車產業的發展，網絡中連邊增多，創新活動變得更加頻繁。邊緣節點的數量也逐漸增多，零星專利合作變得更加普遍。與此同時，核心節點的度中心性呈上升趨勢，關鍵節點在整個合作過程中的重要性更加顯著，例如中國國家電網公司和吉利集團等。總的來說，創新合作網絡的演化呈現出節點規模擴大和邊緣連接增加的一般趨勢。

2.3城際合作網絡演化特征分析

通過網絡結構分析，研究新能源汽車產業中的合作創新網絡的演化特征，包括網絡的整體結構和組織個體在網絡中的位置。同時，通過對組織所有者屬性的統計分析，揭示網絡中的關聯特征。這項研究為使用指數隨機圖模型（ERGM）深入探討網絡形成機制奠定了基礎。

2.3.1網絡整體結構分析

?

利用Ucinet6.26和Rstudio軟件測量了新能源汽車行業創新合作網絡的六個關鍵指標：網絡規模、邊的數量、整體密度、平均度、平均路徑長度、平均聚集系數。每個網絡結構指標及其計算公式如表1所示，計算結果見表2。結果顯示，新能源汽車行業的專利合作規模從2012年的105家組織增至2021年的506家組織，顯示出組織數量的顯著增加。同時，邊的數量從109增加至673，說明組織間的技術合作聯系逐漸加強。網絡密度在2012—2013年上升，2014年達到峰值后穩定，然后自2015年起持續下降，這反映了行業的快速發展階段。平均度的增長表明組織間合作的廣度在不斷加深。平均路徑長度的整體上升趨勢則指向了組織間技術合作的可訪問性提高。最后，網絡的平均聚集系數明顯高于網絡密度，與隨機網絡相比，這表明新能源汽車行業的創新合作網絡具有更高的聚類特性。

2.3.2個體網絡結構分析

使用Ucinet6.26軟件分析新能源汽車行業創新合作網絡的中心性指標，包括度中心性、接近中心性和中介中心性。分析結果見表3，表中列出了2012年、2015年、2018年和2021年中心性排名前五的組織。度中心性結果顯示，中國國家電網公司在這四個時間點上連續保持第一位，其中心性值整體呈增加趨勢，說明其在新能源汽車行業中影響力和核心地位的持續增強。2012—2015年，度中心性值的普遍上升反映了更多組織加入創新合作網絡，增強了網絡間的聯系。然而，2015—2018年度中心性值略有下降，之后2018—2021年再次上升至最高水平，顯示出行業快速發展和多方組織在技術創新中扮演的重要角色。接近中心性分析顯示，網絡節點間的接近中心性值逐漸增加，意味著網絡中的節點之間聯系更加緊密，有更多節點參與信息傳遞和交流。盡管不同節點之間的接近中心性值差異較小，這種趨勢表明網絡的連通性在提高，促進了信息和資源的有效流動。中介中心性的分析表明，盡管國家電網有限公司的介數值在四個時間點上有所降低，它仍然穩居第一，顯示了其在網絡中不可替代的重要性。其他節點的排名和中介中心性值出現波動，但整體上，這些節點的中介中心性值逐漸增加，尤其是排名前三的節點，在四個時間點上的中介中心性值都顯著高于其他節點，進一步證明了它們在網絡中的重要地位。

2.3.3所有者屬性分析

?

創新活動依賴于不同創新主體之間的相互作用和合作。在新能源汽車行業中，這種合作通過一個專利合作網絡實現，其中包括企業、高校和研究機構等不同類型的組織。這個網絡框架使得參與者能夠共享信息、技術和經驗，促進知識的傳播。通過對2012—2021年新能源汽車行業專利合作網絡的統計分析，探討了三種主要申請組織類型（企業、高校和研究機構）的分布規律。表4顯示了按組織類型劃分的專利申請人年度數量及其百分比分布情況。橫向比較顯示，企業在專利合作網絡中占據主導地位，其比例穩定在約70%左右，而大學和研究機構的數量之和則低于企業。縱向比較表明，隨著時間的推移，參與專利合作的組織數量整體上呈增加趨勢。這些數據反映了新能源汽車行業專利合作網絡的多元化特征，以企業為主導，同時也得到了大學和研究機構的積極參與和支持。

對2012—2021年新能源汽車產業中不同類型申請者之間的合作關系進行統計分析，結果見圖3。在圖3中E代表企業，U代表大學，R代表研究機構。分析顯示，企業間合作（E-E）在此期間占據了近半的比例，是最主要的合作模式。其次，企業與研究機構（E-R）的合作關系保持穩定，而企業與大學（E-U）的合作相對較少，反映了工業界與學術界之間直接合作的低頻率。直接的大學間合作（U-U）極為罕見。雖然研究機構間（RR）的合作不多，但顯示出一定的穩定性。從總體來看，企業對企業的合作模式占據了主導地位，成為推動工業創新和發展的關鍵力量。企業與大學、研究機構之間的合作同樣極為重要，促進了學術研究成果在實際產業中的應用。此外大學間的直接合作相對較少，研究機構之間的合作在某些年份呈現增長趨勢。為進一步促進產學研之間的深度合作，鼓勵多樣化的合作模式是關鍵。

?

3實證分析

在新能源汽車領域的技術創新網絡演化研究中，網絡的發展受到參與主體間合作關系的顯著推動。這些合作關系形成網絡的自組織屬性，即通過參與者間的互動形成的連接。同時，網絡的自相關性，即網絡中已存在的合作關系傾向于促進新的合作關系的形成，進一步構筑出結構有序的網絡體系。除此之外，網絡節點的固有屬性，如參與主體的類型和中心度，也顯著影響其選擇合作伙伴的決策，從而塑造合作網絡的構建和發展過程。因此，新能源汽車產業技術創新合作網絡的形態是在結構性因素和節點性因素的共同作用與驅動下形成的。基于這些認識，本文將對內生網絡結構變量和外生節點屬性變量進行實證分析，以探討這些因素如何驅動新能源汽車產業技術創新合作網絡的演化。

3.1變量設置

（1）內生結構變量

在本研究中，探討聚合式結構和中介式結構對新能源汽車產業創新合作網絡演化的影響。聚合式結構關注于網絡中緊密相連的小群體，強調局部的密集合作；而中介式結構則著重于在網絡中擔任中介角色的關鍵節點，這些節點在連接不同組織間起到橋梁作用。幾何加權度分布[22]（Gwdegree）衡量了傾向于與多個組織形成合作關系的組織的分布，揭示了網絡中的聚合趨勢。這表示，擁有較多連接的組織往往具備更豐富的資源、專業知識和合作機會，這些都是合作創新的關鍵因素。另一方面，幾何加權邊共享伙伴[22]（Gwesp）體現了組織間通過共享合作伙伴而形成的相互聯系，反映了中介式結構的存在。這種結構促進了信息和資源在網絡中的傳遞與擴散。因此選擇邊、幾何加權度分布和幾何加權邊共享伙伴作為內生結構變量。

?

（2）外生節點屬性變量

外生變量選擇點度中心性、所有者屬性和合作初始時間三個網絡節點屬性變量。首先考察節點度中心性，可通過Ucinet6.2軟件計算，反映一個節點在網絡中的連接數量。具有高度中心性的節點由于其廣泛的連接，能夠更有效地獲取和分享關鍵信息，這促使它們成為吸引更多合作伙伴的中心，加快知識交流和技術轉移，從而加速創新過程。接下來，分析申請人的所有權屬性，即他們是企業、高校還是研究機構。不同類型的申請人在開放和多樣化的創新網絡中參與和貢獻的傾向可能不同，這反映了跨界合作和信息共享的重要性。最后，組織首次加入合作創新網絡的時間點對于建立早期的信任關系至關重要，這對于后續的合作和知識共享極為重要。較早加入網絡的組織更有機會增加網絡的多樣性，引入新視角和合作伙伴，促進整個網絡的合作。

（3）網絡協變量

?

本研究選擇地理距離和社交接近性兩個網絡協變量。地理距離衡量不同組織之間的地理位置差異。在新能源汽車這樣的知識密集型領域中，合作伙伴之間的相互信任對于分享關鍵技術和知識至關重要，而地理上的接近性有助于促進面對面的交流，從而加強信任和合作的基礎。使用Python軟件從網站（https：//restapi. amap.com/v3/geocode/geo？）上爬取了1 692個組織的地理坐標信息，并根據這些經緯度坐標計算了它們之間的地理距離。社交接近性指的是兩個節點鄰居節點交集中的元素個數與兩個節點并集中元素個數的比例，社交接近性有助于建立信任關系、促進開放式溝通和知識交流、共同應對風險，以及達成共識和理解。社交接近度的計算公式如下：

?

關于各變量的具體表示和測量方法，即ERGM中的變量說明，請參見表5。3.2ERGM回歸分析

3.2.1實驗結果分析

在指數隨機圖模型（ERGM）中，變量系數為正，表明相比隨機情況，某種特定的網絡連接或特征在實際觀察到的網絡中出現的概率較高；相反，變量系數為負，表明相關聯的網絡特性或連接類型在實際網絡中比在隨機生成的網絡中出現得更少，即這些特性或連接在網絡形成過程中可能起到了抑制作用。此外，赤池信息量準則（AIC）和貝葉斯信息準則（BIC）用來檢驗模型的擬合效果，其數值越小表示模型越接近真實網絡的觀測結果。表6展示了同時包含網絡內生構型變量和外生節點屬性變量的網絡結構模型在2012、2015、2018和2021年的回歸結果。由表可見：

（1）幾何加權度分布和幾何加權邊共享的回歸系數在網絡演化的所有時期都顯著為正。這意味著趨同合作和傳播效應對創新網絡的形成具有積極影響。換句話說，組織之間的合作趨勢以及信息傳播對創新網絡的建立產生了積極的影響。

（2）度中心性的回歸系數在網絡演化的后三個階段中是正向且具有統計學顯著性的，但在第一個階段則不顯著。這意味著在網絡中，具有更多連接的節點更愿意參與創新合作活動。然而，在網絡的早期階段，那些擁有高度中心性的節點尚未積累權威優勢和信息優勢，因此在初級階段度中心性的回歸系數不顯著。申請者屬性的回歸系數在每個階段都不顯著。這表明申請者屬性與網絡結構之間的關系相對較弱。另外，首次進入網絡的時間的回歸系數在每個階段都顯著呈負相關。這意味著早期參與者在建立更多合作關系方面具有更多優勢。早期的合作者在早期階段建立了信任關系，為未來長期的合作創新奠定了堅實的基礎。

（3）組織間距離的回歸系數在每個階段都一致且顯著呈負相關，這表明組織在地理位置上的接近對它們之間的溝通和合作創新是有利的。較大的組織間距離降低了知識傳遞的效率和獲得合法性的可能性，使合作創新更具挑戰性。因此，組織之間的地理接近在促進合作創新方面發揮了至關重要的作用。此外，在網絡演化的各個階段，社交接近性的回歸系數一直保持正向且具有統計學顯著性。這表明組織更傾向于與具有高度社交接近的合作伙伴建立聯系。高度的社交接近有助于增加信任和提高合作效率。鑒于新能源汽車的研發過程充滿了復雜性和風險，建立信任關系的合作伙伴之間的合作可以降低創新風險。

3.2.2魯棒性分析

為了驗證結果的穩健性，對三個特定年份（2013年、2016年和2020年）的新能源汽車領域技術合作網絡進行指數隨機圖模型（ERGM）分析，結果見表7。表 7中的實驗結果與表6一致，這表明實驗結果是穩健的。

4結論與建議

?

4.1研究結論

構建2012年—2021年中國新能源汽車產業組織間專利合作網絡，首先對網絡的演化特征進行了分析，然后引入ERGM綜合考慮網絡結構內生因素和外生節點屬性因素對網絡演化的影響。可以得出以下結論：

（1）2012—2021年，新能源汽車產業的創新合作網絡經歷了顯著擴展和強化，體現在參與組織的增加、合作關系的加強，以及網絡結構的緊密化。這反映了該行業在推動創新合作方面的活躍發展和效率提高。

（2）中國國家電網公司在度中心性、接近中心性和中介中心性上持續占據領先地位，凸顯其在行業內的核心影響力和不可替代性。2012—2021年，網絡中的組織增加，合作關系加強，網絡連通性提高，表明新能源汽車行業的技術創新合作網絡趨向更緊密、更高效的互動和信息流動。

（3）對2012—2021年新能源汽車行業的專利合作網絡上組織所有者屬性分析顯示，企業是合作主導力量，占比約70%，顯示出行業內合作的多元化和以企業為中心的特點。同時，企業與研究機構的合作保持穩定，而企業與大學的合作較少，反映了工業界與學術界之間直接合作的低頻率。大學間合作稀少，研究機構間合作顯示出穩定性。整體上，企業間的合作模式對推動行業創新和發展至關重要，而與大學和研究機構的合作也對將學術研究成果轉化為產業應用起到重要作用。

（4）趨同合作和傳播效應在網絡演化的各個階段都對創新網絡的形成產生了積極影響。度中心性在后續階段對創新合作也具有正向影響，但在早期階段影響較弱，這表明節點的連接程度對創新合作有重要作用，但需要時間來積累權威和信息優勢。另外，申請者屬性對網絡結構影響較弱，而早期參與者具有更多優勢，建立信任關系有助于長期合作創新。地理接近性對組織間的合作創新至關重要，而社交接近性有助于建立信任關系，提高合作效率，降低創新風險。

4.2政策建議

中國新能源汽車產業的發展正處于快速增長的階段，而本研究揭示了該行業在創新合作網絡方面的重要特征和關鍵驅動因素。基于以上的研究結果，提出以下建議，以期幫助政府、企業和研究機構更好地推動新能源汽車產業的可持續發展和創新合作：

（1）促進多元化合作與支持創新生態系統。新能源汽車產業的發展依賴于多元化的創新合作網絡。為此，政府和企業應鼓勵不同類型的組織，如企業、高校和研究機構之間建立多樣化的合作關系。通過提供激勵措施，可以促進知識共享和技術創新。此外，支持初創企業和小型企業融入這些網絡至關重要，可以通過提供創業資金、技術支持和市場準入機會來實現。同時，創建一個有利于創新的生態系統，包括研究基礎設施、知識產權保護和創新政策，將有助于吸引更多創新者和投資者參與到新能源汽車產業中。

（2）強化國際合作與建立穩定的合作關系。政府可以通過與其他國家和組織的合作，促進技術創新和標準制定，共同推動全球市場的發展。此外，鼓勵和支持長期合作關系的建立，這對于建立持久的信任和穩定的創新合作網絡至關重要。長期合作不僅能夠促進技術進步，還有助于在全球市場中占據競爭優勢。

（3）持續監測與能力建設。為應對新能源汽車產業不斷變化的環境，政府、企業和研究機構需要持續監測創新合作網絡的演化，并及時調整合作策略。此外，提供培訓和教育機會，增強組織間的合作能力，將幫助各組織更好地理解和利用創新合作網絡的潛力，從而加速技術創新，推動產業的可持續發展。

4.3局限性和未來研究方向

（1）數據完整性和時效性是本研究的主要局限之一。當前研究依賴的是已有的專利合作網絡數據，這些數據可能存在不完整或更新不足的問題。因此，未來的研究需要獲取更全面、更新的數據集，以提高研究結果的準確性和相關性。

（2）時間跨度的限制也是一個考慮點。由于新能源汽車產業發展迅速，覆蓋2012—2021年的數據可能無法充分捕捉該產業的最新趨勢和演化。未來的研究應當考慮擴大時間范圍，以便更好地理解產業的長期動態。

（3）目前研究關注于網絡特征與創新合作之間的相關性，未來的工作可以更深入地探討這些關系的因果性，以及如何更準確地識別特定網絡特征對創新績效的影響，同時考察創新績效如何反作用于網絡的演化。

（4）研究的地理范圍限制在中國，未來研究可以拓展到其他國家或組織，以便進行跨國比較，深入理解不同市場間的合作模式、創新驅動因素以及政策效應。同時，可以更廣泛地探討可持續性問題，研究新能源汽車產業在生產、運營、回收等環節的可持續性實踐和創新，從而提供全面的見解，支持產業的可持續發展和技術創新。

參考文獻：

[1]ZHANG H，CAI G X.Subsidy strategy on new-energy vehicle based on incomplete information：a case in China[J]. Physical Astatistical Mechanics and its Applications，2020，541：123370.1-123370.8.

[2]ZHANG L，QIN Q D.China’s new energy vehicle policies：evolution，comparison and recommendation[J].Transportation Research Part A-Policy and Practice，2018，110：57-72.

[3]ZHU Z B J. A review of new technology in the new energy automobile[C]？ZHANG D L.Proceedings of SPIE-The International Society for Optical Engineering，12500.Bellingham，WA：SPIE，2022：1-7.

[4]KENDALL M. Fuel cell development for New Energy Vehicles（NEVs）and clean air in China[J]. Progress in Natural Science：Materials International，2018，28（2）：113-120.

[5]LI D Q，XU H.Analysis on the development of new energy vehicles in China[J].Advanced Materials Research，2013，805-806：1636-1640.

[6]HUA Y F，DONG F.How can new energy vehicles become qualified relays from the perspective of carbon neutralization？ literature review and research prospect based on the CiteSpace knowledge map[J].EnvironmentalScienceandPollutionResearch International，2022，29（37）：55473-55491.

[7]MA S C，FAN Y，FENG L Y.An evaluation of government incentives for new energy vehicles in China focusing on vehicle purchasing restrictions[J].Energy Policy，2017，110：609-618.

[8]LIU F C，ZHANG N，CAO C. An evolutionary process of global nanotechnology collaboration：a social network analysis of patents at USPTO[J].Scientometrics，2017，111（3）：1449-1465.

[9]YUAN X L，LIU X，ZUO J.The development of new energy vehicles for a sustainable future：a review[J]. Renewable and Sustainable Energy Reviews，2015，42：298-305.

[10]ZHANG X，BAI X.Incentive policies from 2006 to 2016 and new energy vehicle adoption in 2010-2020 in China[J].Renewable and Sustainable Energy Reviews，2017，70：24-43.

[11]LI Y W，ZENG B H，WU T，et al.Effects of urban environmental policies on improving firm efficiency：evidence from Chinese new energy vehicle firms[J].Journal of Cleaner Production，2019，215：600-610.

[12]LAI X J，ZHANG S，MAO N，et al. Kansei engineering for new energy vehicle exterior design：an Internet big data mining approach[J]. Computers amp; Industrial Engineering，2022，165：107913.1-107913.22.

[13]SHI X Y，HUANG X X，LIU H F. Research on the structural features and influence mechanism of the low-carbon technology cooperation network based on temporal exponential random graph model[J].Sustainability，2022，14（19）：12341.1-12341.24.

[14]CHENG L，LIU Y H，LOU X M，et al.Does technology conglomeration promote innovative outcomes of new energy vehicle enterprises？ the moderating effect of divisive faultlines[J].Journal of Cleaner Production，2021，324：129232.1-129232.13.

[15]劉云，蔣海軍，樊威，等.納米科技國際合作創新網絡結構與演化特征研究[J].科研管理，2015，36（2）：41-49.

[16]胡雙鈺，吳和成.促進還是抑制：合作網絡嵌入對組織創新績效影響研究[J/OL].系統工程，1-13[2024-02-02].http：//kns.cnki. net/kcms/detail/43.1115.N.20240119.1222.002.html.

[17]張軍玲，許鑫.發明人關系網絡對創新績效的影響研究：多層網絡視角[J/OL].軟科學，1-14[2024-02-02].http：//kns.cnki.net/ kcms/detail/51.1268.G3.20231103.1622.006.html.

[18]戴靚，紀宇凡，王嵩，等.中國城市知識創新網絡的演化特征及其鄰近性機制[J].資源科學，2022，44（7）：1494-1505.

[19]邵桂蘭，許杰，李晨.合作網絡結構洞、鄰域中心性與發明人創新績效[J].科技管理研究，2021，41（4）：168-174.

[20]LU C，LI B.The influence factors of innovation networking formation based on ERGM：evidence from the smart medical industry[J]. Journal of Digital Economy，2023，2：64-80.

[21]ROBINS G，PATTISON P，KALISH Y，et al. An introduction to exponential random graph（p*）models for social networks[J].Social Networks，2007，29（2）：173-191.

[22]迪安·魯謝爾，約翰·科斯基寧，加里·羅賓斯，等.社會網絡指數隨機圖模型[M].杜海峰，任義科，杜巍，譯.北京：社會科學文獻出版社，2016.

Research on the Evolution Characteristics and Driving Forces of China’s New Energy Vehicle Industry Cooperation Network

YUAN Yuan1，GUO Jinli1，2，GUO Zhaohua3

（1.Business School，University of Shanghai for Science of Technology，Shanghai 200093，China；2.Xi’an Innovation College of Yan’an University，Xi’an 710100，China；3.School of Ocean and Civil Engineering，Shanghai Jiao Tong University，Shanghai 200240，China）

Abstract：Based on the cooperation patents applied for and granted in the new energy vehicle industry from 2012 to 2021，this study constructs a network of collaborative innovation among enterprises，universities，and research institutions. Complex network methods were employed for network characteristic analysis. The analysis reveals a rapid growth in technological cooperation and innovation among industry organizations，with the State Grid Corporation of China significantly strengthening its leading position in the cooperation network.The predominant mode of cooperation is found to be inter-enterprise collaboration，followed by collaboration between enterprises and research institutions.An empirical analysis of the network’s formation was conducted using the Exponential Random Graph Model（ERGM），focusing on the internal structure and external node attributes. The results indicate that convergent collaboration and diffusion effects positively impact the network’s formation，and the influence of degree centrality increases over time. The impact of applicant attributes is relatively weak，but early participants gain an advantage in long-term cooperation by establishing trust relationships. Additionally，geographical and social proximity play a significant role in enhancing cooperation efficiency and reducing innovation risks.

Keywords：new energy vehicle；complex network；collaborative innovation；exponential random graph model