《Systems》：Technological Breakthrough Tendency in Patent Networks Under Open Innovation: Evidence from Autonomous Driving Patents
编辑推荐：
企业可以通过战略性专利组合获得竞争优势，其中专利阐明了技术进步并建立了阻止竞争对手的法律壁垒。然而，在当前的开放式创新（open innovation）范式下，专利并不能提供永久的垄断，这意味着企业必须持续进行创新投入和专利申请以维持其市场主导地位。因此，促进
企业可以通过战略性专利组合获得竞争优势，其中专利阐明了技术进步并建立了阻止竞争对手的法律壁垒。然而，在当前的开放式创新（open innovation）范式下，专利并不能提供永久的垄断，这意味着企业必须持续进行创新投入和专利申请以维持其市场主导地位。因此，促进专利网络中的技术突破成为一个关键问题。基于开放式创新的理论观点，研究人员对专利数据进行实证分析，以考察专利网络结构特征如何影响自动驾驶（autonomous driving, AD）领域的技术突破倾向。研究结果表明，AD专利网络中的度中心性（degree centrality, DC）、调和中心性（harmonic centrality, HC）和介数中心性（betweenness centrality, BC）等中心性指标对技术突破倾向有显著影响，并且专利家族大小（patent family size）在这些关系中起调节作用。此外，本研究为AD新兴企业的专利战略制定提供了理论见解，并对其他技术密集型产业具有更广泛的启示。
在开放式创新（open innovation）范式下，专利不再提供永久垄断，企业需持续创新以维持竞争优势，但专利网络结构如何影响技术突破仍待厘清。现有研究多从组织层面探讨技术突破前因，忽视了企业间网络联系对微观技术演进的影响。自动驾驶（autonomous driving, AD）作为典型技术密集型产业，其专利网络特征与突破倾向的关系尚缺乏系统实证。研究人员基于AD专利数据，构建专利-国际专利分类（IPC）二分网络，采用递归图神经网络（recursive graph neural network, RGNN）提取潜在偏好得分，并利用TF-IDF加权得到技术突破倾向（technological breakthrough tendency, TBT）代理变量，通过回归分析检验网络中心性（度中心性DC、调和中心性HC、介数中心性BC）对TBT的影响及专利家族规模（patent family size）的调节作用。结果显示，网络中心性负向影响TBT，专利家族规模正向调节该关系；通过工具变量、异质性及替代变量分析验证结论稳健。该论文发表在《Systems》期刊，为AD企业专利战略制定及技术密集型产业创新管理提供了理论依据。
研究人员采用的主要关键技术方法包括：数据来源于Derwent Innovations Index（DII）数据库，收集2010–2021年AD相关专利，构建专利–IPC二分网络；利用递归图神经网络（RGNN）计算企业与IPC子类间的潜在偏好得分（latent preference score, LPS），并结合TF-IDF加权得到专利级TBT代理变量；自变量为度中心性（DC）、调和中心性（HC）和介数中心性（BC）；调节变量为专利家族规模；选取专利文本长度（Overall_lens）作为工具变量，采用两阶段最小二乘法（2SLS）解决内生性；此外进行时间区间与IPC类别异质性分析，并使用神经矩阵分解（NMF）和神经图协同过滤（NGCF）进行替代变量稳健性检验。
研究结果部分保留原文小标题如下：
**5.1 Descriptive Statistics and Analysis**：通过对核心变量进行描述性统计与多重共线性诊断，发现所有变量的方差膨胀因子（VIF）均低于3，表明不存在严重共线性问题，模型设定可接受。
**5.2 Baseline Regression Results**：基于线性回归模型，分别检验三个中心性指标的影响。模型M1显示DC对TBT呈显著负向影响（支持H1-1）；M2显示HC显著正向影响（与H1-2方向相反，需后续工具变量修正）；M3显示BC显著负向影响（支持H1-3）。逐步引入控制变量后（M4–M7），DC与HC独立性保持，但BC与DC存在相关性，导致BC系数符号在M6和M7中变为正向且不显著，提示需进一步处理内生性。
**5.3 Moderating Effect Results**：引入专利家族规模（Family_size）作为调节变量，模型M8–M13显示DC×Family_size、HC×Family_size及BC×Family_size的交互项系数均显著为正（b分别为0.202、0.156、0.087），表明专利家族规模正向调节网络中心性与TBT之间的关系，验证假设H2及其子假设H2-1、H2-2、H2-3。具体而言，Family_size的增强能减弱DC和BC对TBT的负向影响，并增强HC的正向影响。
**6.1 Endogeneity Issue Test**：采用工具变量Overall_lens进行2SLS回归。第一阶段显示Overall_lens与三个中心性变量均显著正相关，且F统计量大于10，弱识别检验通过。第二阶段结果显示DC和BC仍显著负向，HC的系数变为负向且显著，证实了原假设H1-2（即HC对TBT存在负向影响），说明基线回归中HC的正向系数由内生性所偏误，工具变量有效释放了真实因果效应。
**6.2 Heterogeneity Analysis**：时间区间方面，按三年间隔划分样本，交互项均不显著，表明基线模型在长期时间跨度内无显著异质性；但在补充分析的年份层面，DC和BC的TBT效应受到负向调节。IPC类别方面，仅DC×IPC_Section交互项显著负向，表明IPC类别（尤其物理科学类G）对DC与TBT的关系起负向调节作用，而其他中心性变量无显著异质性。
**6.3 Alternative Variables Analysis**：分别使用神经矩阵分解（NMF）和神经图协同过滤（NGCF）替代RGNN方法构建TBT_NMF和TBT_NGCF指标，回归结果（M26–M31）显示基线模型和调节模型的系数符号与显著性均保持稳定，进一步证实核心假设的稳健性。
在讨论部分，研究人员从理论、实践和局限性三个层面进行了总结。理论上，基线回归揭示开放创新网络中的节点中心性负向影响TBT，表明企业需摆脱现有技术的“捕获”效应，边缘节点反而更可能孕育突破；调节效应显示专利家族规模能有效缓解路径依赖，通过外部扩散减缓中心性对突破的阻碍；稳健性分析确认了结论在时间和技术类别上的稳定性，尤其HC的内生性处理验证了初始理论预期。实践层面，针对AD技术管理建议：基于G05D和G08G分支优化轨迹控制（增强可操作性），基于B60W和B60L分支降低能耗（扩大场景适用性），基于G08G和G06Q分支构建动态调度系统（促进商业化）。政策层面，建议产业规划者优先关注创新网络中的离群节点，引导资源向早期技术倾斜；企业决策者应合理制定专利家族扩张策略，避免技术路径依赖陷阱；技术创新联盟需强化跨行业协作，构建价值共享创新生态。研究结论部分翻译如下：第一，基线回归结果表明，开放创新网络中的节点中心性对TBT存在显著负向影响；稳健性分析表明DC和BC的负向效应成立，而HC存在严重内生性，通过工具变量调整后其真实效应亦为负向。第二，调节效应分析揭示专利家族规模在中心性与TBT间发挥显著正向调节作用，随着专利家族规模扩大，网络中心性对技术突破的阻碍被削弱，表明路径依赖可通过外部扩散得到缓解。第三，稳健性检验确认研究结论在潜在内生性、时间变化及IPC类别变化下保持稳定；时间区间未表现出长期异质性，但短期年份层面存在差异；技术类别方面，物理科学类（Section G）专利主要影响DC主效应，呈现显著异质性。整体而言，该研究为理解开放创新情境下专利网络如何塑造技术突破倾向提供了整合性理论和实证证据。
