0 引言 由一群企业或创新组织互动交流形成的创新网络(以下简称为“创新网络”)结构演化一直是创新管理领域研究的热点和重点[1-3]。一直以来，创新网络及其网络结构演化联系被认为对个体创新具有积极的正向作用，学者们将创新网络理解为合作创新网络、协同创新网络、知识网络等结构变化。实际上，创新网络是一个符号网络(signed network)，个体企业间不仅存在代表合作创新、知识共享等的正联系(positive links)，还存在代表竞争对抗、信息封锁、抵触交流等的负联系(negative links)。相较于获得广泛研究的正联系，负联系尚未在创新领域引起足够关[4-5]。学者们大多跳过负联系，将企业间创新网络等同为创新合作网络、协同创新网络等正网络或无符号网络(unsigned network)。Schuler[6]将这一现象形象地总结为“不可见的联系”(invisible ties)。 近年来，有关社会网络、复杂网络以及其他交叉学科领域的研究逐渐增多。Harrigan等[7]在梳理社会网络研究时指出，在社会经济交流互动过程中，相较于正联系，负联系对个体行动者态度和行为具有更显著的影响；Teixeira等[8]、Keuchenius等[9]对Twitter、 Facebook、Insgram等大型社交媒体网络的实证分析结果表明，引入负联系信息有助于提升在线网络社区结构划分、新社区发现和预测用户网络行为的精准性；Summers & Shames[10]根据联合国1946-2008投票表决记录考察国际关系网络变迁与国家战略行为，调查发现，负联系在网络结构形成和结构演化过程中扮演重要角色；Lerner[11]在研究人际关系网络时发现，负联系直接影响个体行为模式，是社群结构形成的重要原因，并提出应引入负联系改进社群发现算法和指标；Isakov等[12]在研究欧美乡村网络时发现，引入负联系能够更清晰、更合理地解释网络结构成因与历史发展路径，预测网络未来演化趋势；Stadtfeld等[13]在梳理社会网络领域负联系研究进展的基础上，进一步指出，负联系直接作用于节点网络行为，表现为网络联系的形成、维系和消散，进而影响整体网络演化轨迹。 值得注意的是，现有负联系和符号网络的相关研究主要是针对特定组织或特定范围内的人际网络、社交网络或人格化的国家关系网络开展的实证研究或问卷调查[7]，针对组织间网络(inter-organizational network)的研究较为匮乏，这与学者们普遍将企业间创新网络默认为“正网络”的现状相符。造成这种现象的直接原因在于，实证数据获取困难。与人际网络、社交网络、国际网络等其他形式社会网络、复杂网络相比，获取描述网络结构的长周期、连续性组织关系数据的难度更大。此外，与个体相比，企业往往不愿意公开表达或者倾向隐瞒对其它组织的态度，尤其是负面态度。在两大因素的叠加下，针对组织间网络(inter-organizational network)负联系或符号网络的研究较匮乏。对此，Stadtfeld等(2020)提出了可行的解决方案，即利用多主体建模仿真方法，将网络视为一个由多个体构成的复杂自适应系统，其结构状态是由个体互动与敌视关系共同作用、自下而上的结果。Stadtfeld等[13]通过变换模型参数值模拟各种网络场景，生成大规模连续性关系数据，在一定程度上克服和弥补了实证数据获取困难的不足。 因此，在研究企业间创新网络相关问题，特别是网络演化等动态问题时，有必要将创新网络视为一个符号网络，关注负联系对创新个体网络行为及创新网络结构的影响，并考虑应用多主体建模仿真方法开展研究。现阶段，针对负联系或符号网络的研究主要建立在Heider于20世纪40年代提出的“结构平衡”(structural network)理论基础上。在静态结构分析方面，通过经图论、“弱平衡”，以及有向图“地位理论”等观点的补充，已经形成相对完整的符号网络结构分析框架[6-7]。静态网络结构分析包括小、中、大3个尺度，其中，小尺度分析主要采用特征向量中心性、节点中心性、节点RageRank值等指标度量个体的网络地位；中尺度分析主要关注符号网络中的结构分割及派系分化现象；大尺度分析重点关注符号网络平衡性的度量和分析。在动态演化研究方面，主要通过构建各类离散时间模型、连续时间模型仿真分析符号网络演化的动态特征[14]。总体来看，符号网络研究主要是将负联系置于网络个体行为与符号网络结构分析框架下，这种研究思路为引入负联系的创新网络研究提供了重要参考。 综上所述，本研究将聚焦创新网络演化问题，在现有文献基础上，将创新网络视为一个复杂系统的符号网络，关注负联系对创新个体网络行为和创新网络演化的影响与作用机制。首先，本文拟采用多主体建模仿真方法开展研究，将企业间创新网络视为一个由不同企业个体交织而形成的复杂自适应系统，其结构演化是企业网络行为推动的自下而上的结果。其次，出于简化研究、降低不必要复杂性等方面的考量，借鉴吕一博等[15]的研究思路，将创新个体网络行为限定为基于网络传递性(tradic)机制的知识搜索行为。在此基础上，通过引入符号网络的结构平衡和动态平衡思想，构建创新个体知识搜索行为演化分析框架。随后，构建个体知识搜索驱动下创新网络演化的多主体仿真模型。最后，对比不同状态的仿真结果，从创新个体网络地位差异和创新网络动态结构特征两个方面，探讨创新网络演化过程中负联系的影响。
图1 结构平衡状态下的四类“三角”稳定关系 1 创新个体知识搜索行为分析框架 创新个体的知识搜索行为不仅是自身和目标对象相互作用的结果，往往还受到“中间人(brokers)”的影响[16]。大量经验事实表明，中间人在激发组织学习、促进创新网络中的知识流动等方面扮演协调人、守门人和代理人等重要角色[17]。在传统的无符号网络或正网络框架下，“中间人”影响下的创新个体知识搜索行为会表现出较显著的传递性(tradic)机制，即“朋友的朋友是朋友”的三角关系[18-19]，如图1(a)所示。
