该研究探讨了合作网络的结构如何影响国家层面的科研效率。通过构建1996年至2006年的科学合作网络，使用Malmquist-DEA方法分析R&D效率变化，发现结构洞（SH）、度中心性（DC）、紧密中心性（CNC）和中间中心性（BC）等网络属性与R&D效率的提升正相关。研究还强调了SH位置的国家能获取更多互补信息，高DC、CNC和BC有利于知识获取和创新。未来研究将进一步探索这些网络结构对研发绩效的影响。
2016年发布
Abstract
研究合作网络结构对R&D efficiency的影响。
不仅通过output quantitive 衡量R&D结构的表现，还使用了input-output efficiency score
构建了一个独一无二的数据集使得可以在国家层面构建7个科学合作网络
使用Malmquist productivity index(曼奎斯特生产率指数)与数据包络分析方法(Data Envelopment Analysis,DEA)
Version:0.9 StartHTML:0000000105 EndHTML:0000000772 StartFragment:0000000141 EndFragment:0000000732
The clustering coeffificient (CC), structural holes (SH), degree centrality (DC), closeness centrality (CNC), and betweenness centrality (BC) 被用于综合分析合作网络的结构属性
panel data model(面板数据模型)用来探索网络属性对R&D效率的影响
我们的研究结果不仅再次证实了协作网络结构对国家层面的科研成果的影响，而且还表明更高的SH、DC、CNC和BC水平与更高的未来效率呈正相关。
接下来先着重了解一下以上涉及到的方法和理念
clustering coeffificient:集聚系数（也称
群聚系数、
集群系数）是用来描述一个图中的顶点之间结集成团的程度的系数。具体来说，是一个点的邻接点之间相互连接的程度
structural holes:
结构洞，即社会网络中某个或某些个体和有些个体发生
直接联系，但与其他个体不发生直接联系，即无直接关系或关系间断，从网络整体看好像网络结构中出现了洞穴。
如果两者之间缺少直接的联系，而必须通过第三者才能形成联系，那么行动的第三者就在关系网络中占据了一个结构洞
degree centrality：度中心性（Degree Centrality）是在网络分析中刻画节点中心性（Centrality）的最直接度量指标。一个节点的节点度越大就意味着这个节点的度中心性越高，该节点在网络中就越重要。
closeness centrality：计算一个节点到所有其他可达节点的最短距离的倒数，进行累积后归一化的值。紧密中心度可以用来衡量信息从该节点传输到其他节点的时间长短。节点的
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
