中国管理科学领域机构合作的网络结构与演化规律研究

吴登生，李若筠

(1.中国科学院科技战略咨询研究院，北京 100190；2.国家自然科学基金委管理科学部，北京 100085)

中国管理科学领域机构合作的网络结构与演化规律研究

吴登生1，李若筠2

(1.中国科学院科技战略咨询研究院，北京 100190；2.国家自然科学基金委管理科学部，北京 100085)

随着学科之间渗透日益扩展，越来越多的机构意识到科研合作对促进科研工作的重要作用，并越来越重视研究合作。通过对机构之间的合作网络进行分析，可以更深层次地理解研究合作的意义，指导合作的方向和方式。运用复杂网络方法以中国管理科学领域机构合作为研究对象，从网络整体属性和个体属性两个层面系统分析机构合作的网络结构，并按照时间段划分分析其演化规律。以遴选的137种管理科学重要期刊(A类期刊和A+期刊)为基础，收集了中国大陆学者2001-2015发表的论文6670篇，作为分析的样本数据。研究结果表明近年来中国管理科学领域机构层面的合作度和合作率总体上变化不大。网络整体属性指标分析结果显示中国管理科学领域的机构合作网络中大部分合作关系很弱，随着网络中结点数量增加，连通子图数量反而减少。核心-边缘分析结果显示香港科研机构在合作网络中起到重要连接作用。微观的中心性指标分析结果表明在三个中心性指标以及发文篇数及被引次数指标下，排序第一的都是中国科学院。程度中心性、中间中心性与接近中心性之间存在着很强的正相关关系，发文篇数和被引次数都和程度中心性、接近中心性、中间中心性有着较强的正相关关系。

科研机构；合作网络；管理科学；社会网络分析

1 引言

管理科学是研究不同层次组织管理和经济活动客观规律的科学，研究成果为管理研究或管理实践提供有效的科学理论、方法与技术支撑[1-2]。新中国建立后，在华罗庚、钱学森等老一辈科学家的推动下，中国管理科学得到进一步的发展。改革开放后，经济与科技发展对科学管理产生了巨大的需求，管理科学依托自然科学与工程科学快速发展起来，并在我国经济、社会发展中发挥着越来越重要的作用[3-4]。在知识快速增长和经济迅猛发展的时代，管理科学内容涉及的相关学科越来越多，科研合作逐渐成为管理科学研究的主流方式。科研合作有助于提高科研水平和质量、凝聚创新思想以及培养创新型、综合型科研人才，同时对实现重要学科领域的跨越式发展也有非常重要的意义。由于管理科学更偏重基础性方法论的研究，最能体现科研合作是科研人员之间合著论文，作者合著论文的数量及合作状况，在一定意义上能反映领域科研合作与学术交流的发展速度和质量，因而可以将对论文合作情况的研究作为分析科研合作的一个重要切入点。已有较多研究从合著论文的角度出发，构建相应的合作网络，来分析学科领域的合作态势。

合作网络的形式有很多种，常见的有作者合作网络、机构合作网络和国家合作网络[5-6]。作者合作网络体现了作者之间的合作与交流。Newman等[7]运用复杂网络方法从作者层面对 ISI的四个数据库中作者合作网络做了详细研究，并揭示出各个合作网络中存在的小世界现象及无标度现象等规律，为科研合作网络研究提出很好的研究范式。Yan Erjia等[8]也是从复杂网络角度分析了中国图书情报领域作者合作网络，并将分析指标分为宏观层面和微观层面，结果也表明该网络是小世界网络和无标度网络。刘盛博和丁堃[9]运用复杂网络方法从作者层面分析了中国科技领域的合作网络，认为其网络是无标度网络，且整个网络正朝着健康有序方向发展。Chuang Paolong等[10]在系统梳理亚太地区OR/MS领域的研究态势后，运用统计工具分别从作者层面和国家层面分析了亚太地区OR/MS领域科学合作情况，结果表明亚太地区OR/MS论文通常只有1-3个作者，大部分作者倾向于和本国作者合作，除此还偏好与美国学者合作。

与作者合作网络分析不同，对机构合作网络进行分析，可以从更宏观的角度把握科研合作的发展方向。邱均平和温芳芳[11]选取中国“985工程”高校作为研究样本，从运用社会网络分析方法从机构层面分析了高校科研合作情况，结果表明中国39所“985工程”高校已经初步建立了广泛的科研合作关系，但是合作强度还有待于进一步加强。王贤文等[12]以中国主要科研机构为研究对象，运用社会网络分析方法从机构层面分析了中国的科研合作情况，研究结果表明高水平的科研机构具有中心效益。刘作仪等[13]以2001-2010年中国管理与运筹学发表的SCI论文为对象，从合作度与合作率两个角度进行了相应的研究，发现近年来中国管理与运筹学领域作者层面的合作度和合作率总体上呈上升趋势，机构层面和国家层面上没有明显变化。Wang Weichao等[14]以中国TOP高校为样本，研究了不同高校之间的科研合作情况。

除了在作者层面和机构层面分析科研合作网络，也有较多成果从国家层面研究更加宏观的科研合作情况。Niu Fenggao等[15]从国家层面研究了中国科研合作的网络结构、分布情况和演化趋势。Zhou Ping等[16]以中国和德国两个国家为对象，系统综述了这两个国家的科技论文的发表与合作情况。刘云等[17]采用统计分析方法对中国基础学科研究的国际合作进行计量测度，结果表明中国基础研究的国际合作依存度在不断提高，其国际合作已形成多元化、全方位的格局。He Tianwei[18]运用统计分析方法研究了中国同G7国家在12个基础科学领域的合作情况，研究结果表明中国同G7国家的国际合作近年来有明显提升，且偏好与美国进行合作。

具体到管理科学领域，也有较多成果关注到具体领域的科研合作情况。Kumar等[19]以马来西亚的经济管理领域为对象，研究了科研合作的基本情况与发展趋势。Koseoglu[20]分析了1980-2014年间全球范围内战略管理领域的机构合作网络情况。Fry等[21]关注了运营管理领域的国际层面的科研合作态势。Kumar等[22]还分析了1979-2010年间亚洲国家在经济学领域的国际合作情况。张利华等[23]以具体一本期刊为例，采用社会网络分析方法研究了中国管理科学领域作者层面的合作情况，并将其分成“基地型”、“团队型”和“师生型”三种类型。闫相斌等[24]选取了国家自然基金委员会管理科学部遴选的22 本管理科学重要学术期刊作为数据源，应用社会网络分析方法分析了中国管理科学领域合作网络的特征和模式。

上述研究促进了科研合作领域研究方法和模型的发展，丰富了科研合作领域的研究实践。其中，作者层面的合作网络体现了作者之间的合作与交流，国家层面的合作网络体现了国际合作关系。与作者合作网络与国家合作网络分析不同，对机构合作网络进行分析，可以从合适的角度把握科研合作的发展方向。随着学科渗透日益扩展，越来越多的机构意识到科研合作对科研发展有利，也十分重视科研合作。而已有研究中还没有对中国管理科学领域的机构合作进行深入剖析，其选取的样本还集中在中文论文上，样本的偏差一定程度上影响了研究结果的代表性。所以本文以中国管理科学领域机构层面的科研合作为研究对象，在遴选的137种管理科学重要期刊(A类期刊和A+期刊)样本数据基础上，运用复杂网络方法，从微观和宏观两个角度系统揭示中国管理科学领域机构合作的网络结构，探究其演化规律，系统梳理中国管理科学领域的发展脉络，可以更深层次地理解科研合作的意义，指导中国管理科学领域的科研合作方向和方式。

2 中国管理科学领域机构合作数据获取与

统计分析

2.1数据获取与预处理

本文以遴选的137种管理科学重要期刊(A类期刊和A+期刊)论文为研究对象，分析中国管理科学领域主要科研机构的科学合作网络。在WOS数据库中，检索式为SO=(Management Science OR Operations Research OR ……)AND AD=Peoples R China，文献年限限定为2001-2015，文献类型限定为Article和Review，共检出10137篇文献。进一步分析其作者单位，只选取有大陆作者参与的论文，共计6670篇。由于作者标示习惯问题，同一机构在WOS数据库中可能会有多种不同的标示。如北京航空航天大学在WOS数据库中有Beihang Univ和Beijing Univ Aeronaut &Astronaut两种标示。对于该类问题，将同一机构不同形式的标示名称进行统一。

根据统计分析结果，2001-2015年，中国大陆管理科学领域学者共发表6670篇论文，占全球管理科学领域发文总数的3.41%。年发文数量从2001年的67篇上升到2015年的1239篇，占全球管理科学领域发文总数百分比也从2001年的0.66%上升到2015年的7.69%。图1给出了2001-2015年中国大陆管理科学领域发文数量增长情况。

图1 2001-2015年中国管理科学领域论文数量增长情况

2.2机构合作的统计分析

研究机构合作主要是研究机构在同一篇论文上共同署名问题。一般来说机构合作包括以下几种情况：论文中一个作者同时属于不同的研究机构，该论文通常会标署多个研究机构；论文中的作者来自于不同的研究机构，该论文也会有多个机构。理论上来说，这两种情况的机构合作意义不太一样，应该区分对待，但是数据库中早期数据无法区分这两种情况，所以在本文中将其统一为一种情况，即只研究论文中机构共同署名问题。在研究科学合作时常用的两个指标分别是合作度和合作率，这两个指标能够反映出论文作者合作智能发挥的程度，其数值越高，就说明合作智能发挥越充分。本文将其应用到机构合作层，构建机构合作度和机构合作率两个指标，具体定义见公式1和公式2。

机构合作度=机构总数/论文总篇数

(1)

机构合作率=机构合作论文篇数/论文总篇数×100

(2)

根据公式1和公式2的定义可以看出，机构合作度是指论文的平均署名机构数，即平均一篇论文署名多少个机构，该指标反映了机构合作的深度；机构合作率是指机构合作论文的占比，即在所有论文中，有多少论文是由机构合作完成的，该指标反映了机构合作的广度。

图2 2001-2015年中国管理科学领域机构的合作度与合作率

从图2中可以看出，近年来中国管理科学领域机构层面的合作度和合作率总体上变化不大，机构合作率一直维持在75%-85%之间，平均值为81.31%；机构合作度一直维持在2.32-2.75之间，平均值为2.54。从多年数据来看，机构层面的合作一直较为稳定，演化规律不明显。为了进一步统计分析中国管理科学领域机构合作情况，构建了中国管理科学领域机构合作网络，并将其分成三个阶段，具体统计情况如表1所示。其中合作连接数为机构网络中实际存在的连接数，平均合作强度=合作连接数/机构数。

表1 2001-2015年中国管理科学领域机构合作网络情况

表1中的结果显示，2001-2005年中国管理科学领域机构合作网络中共有406个机构，到2006-2010阶段，合作机构数增长到1053个，到2011-2015年增加1875个，三个阶段中机构数量增幅明显。与机构数相同，合作连接数也从2001-2005阶段的741条增长到2006-2010阶段的2988条，进一步到2011-2015年增长到7403条。综合考虑机构数和连接数的平均合作强度指标，在三个阶段则增长趋势明显。结果说明从2001-2015年，中国管理科学领域合作网络随着论文数量增加而不断扩大，其合作强度也呈现出明显的增长趋势。

3 机构合作的社会网络分析方法

社会网络分析(Social Network Analysis，简称SNA)以行动者及其相互间的关系作为研究内容，它通过对行动者之间的关系模型进行描述，分析这些模型所蕴含的结构及其对行动者和整个群体的影响。社会网络分析指标包括两个层次：针对网络整体的属性指标和针对网络中个体的属性指标。

3.1网络整体属性指标

网络整体特征是指描述整个网络规模、紧凑程度等方面的指标，包括网络的密度、节点度的分布，聚类系数、最大连通子图、核心边缘分析等指标。

(1)网络密度

密度指的是合作网络中各个节点(表示机构)之间联络的紧密程度，为网络中实际存在的连接数与可能存在的最多连接数之比。若密度为 1，意味着每个点都与所有其他点相连，密度为 0意味着任何点都不相连。对于有n个节点的无向图来说，其密度计算方法如公式3所示。

(3)

L为网络中实际存在的线数，n(n-1)/2表示n个节点之间全部有线相连的线条总数。

(2)节点度的分布

节点的度定义为与该节点连接的其他节点的数目。直观上看，节点的度越大就意味着在某种意义上该节点越重要。网络中所有节点度的平均值称为网络的平均度。节点度分布p(k)指的是网络中度数为k的节点个数占节点总数的比例。根据Barabási AL等人的定义，现实世界中多数复杂网络的度分布都满足幂律分布，即p(k)=c·k-a，并将节点度分布为幂律分布的网络称为无尺度网络[25]。

(3)聚类系数(Clustering Coefficient)

网络的聚类系数是衡量网络集团化程度的重要参数，是一个局部特征量，是指与一个给定节点直接相连的两个节点彼此恰好也直接相连的概率。根据Newman的定义，对于有n个节点的网络，其聚类系数可用公式4来计算[7,26]。

(4)

其中，n为网络中节点的个数，mi是和节点i相连接的节点个数，ki表示和节点i相连接的这些节点之间的连接数。一个节点有高聚类系数表明和该节点连接的节点之间有很好的联通性。如果一个网络的聚类系数为0.5，即表明在该网络中与同一个节点相连接的两个节点之间有50%的可能性也是连接的。

(4)最大连通子图

网络连通性是由图论中的连通图概念引来，在社会网络分析中将网络中任意两个节点间都可达的图称为联通图。机构合作网络一般来说会包含多个连通子图，通常会关注其中规模最大的连通子图[27]。此外，还可以分析最大连通子图中节点个数占图中所有节点数的百分比来衡量合作网络的模式，比较不同领域合作网络的差异。

(5)核心-边缘分析

核心-边缘结构是由若干元素相互联系构成的一种中心紧密相连、外围稀疏分散的特殊结构[11]。该结构的特点是核心区域内的顶点不能继续分成更小的子群，边缘区域中的顶点与核心区域内的顶点保持相对紧密的关系而彼此之间的联系则相对稀疏。在社会网络分析过程中，整体合作网络的核心-边缘结构分析可以将所有节点分为核心区域和边缘区域两种类型，部分节点处于网络的核心区域，部分节点处于网络的边缘区域；处于核心区域中的节点彼此之间联系紧密，边缘区域内的节点与核心区域中的节点联系紧密，彼此之间的联系较为稀疏。进一步可以分析核心区的结构特征，总结网络的一般特征。

3.2网络个体属性指标

网络个体属性指标主要是中心性指标。中心性是社会网络分析中重要的节点结构位置指标，一般用来评价网络中个体节点重要与否、衡量其地位优越性及其声望等。常用的中心性指标有度数中心性、接近中心性和中介中心性三个指标[28-29]。

(1)度数中心性(Degree centrality)

度数中心性用来衡量一个节点与其他节点直接相连的程度。对于无向图来说，度数中心性定义如公式5所示。

CD(ni)=d(ni)

(5)

d(ni)表示第ni个节点的度。度数中心性指标刻画的是局部的中心指数，衡量网络中节点与其他节点的联系能力。

(2)中介中心性(Betweenness centrality)

中介中心性指标被用来衡量网络中一个节点对资源的控制程度。如果一个节点处于许多其他节点对的最短路径上，则该节点具有较高的中介中心性，因为它起到了沟通各个节点的桥梁作用。中介中心性具体定义如公式6所示。

(6)

其中，gjik表示节点j和节点k之间经过i的最短路径条数；gjk表示节点j和节点k之间所有最短路径条数。根据定义可以看出节点中介中心性的高低会受网络中节点总数的影响，为了消除这种影响，使得不同网络中节点的中介中心性可以相互比较，定义了相对中介中心性。

(7)

相对中介中心性取值[0,1]之间，所以可以比较不同网络中节点的中介中心性。

(3)接近中心性(Closeness centrality)

接近中心性以距离为概念来计算一个节点的中心性，与其他点距离越近则中心性越高，具体如公式8所示。

(8)

其中，d(ni,nj)表示节点ni和节点nj最短距离(即最短路径包含的线数)。CC(ni)值越小，越说明该点不是网络的核心点。为了比较不同网络中节点的接近中心性，特定义了相对接近中心性，具体如公式9所示。

(9)

根据定义可以看出如果一个节点在网络中发生联系的过程中较少依赖于其他节点，则认为该节点具有较高的接近中心性。

虽然这三个中心性指标在一般网络中是相关的，但是他们从不同的角度来反映了网络中节点的重要程度。度数中心性指标刻画的是局部的中心指数，衡量网络中节点与其他节点的联系能力。中介中心性考虑了一个节点控制其他节点的能力。接近中心性考虑的是该节点不受控制的能力。

4 中国管理科学领域机构合作网络分析结果

本文根据2001-2015年中国管理科学领域学者在137种重要期刊上发表的6670篇论文，对中国管理科学领域机构合作网络进行分析。根据统计结果，2001-2015年中国管理科学领域机构合作网络中共有2484个节点(机构)和10112条连接线(合作关系)。

4.1网络整体层次分析

本文关注机构合作网络中的5个整体属性分析指标，分别是网络密度、节点度的分布、聚类系数、最大连通子图和核心-边缘分析。通过Ucinet软件可以计算出2001-2015年中国管理科学领域机构的合作密度为0.0058，表明其合作较为稀疏。此外，可以进一步考虑机构之间合作频次对网络合作密度的影响。表2中为不同合作频次阈值下的网络密度。

表2 2001-2015年中国管理科学领域机构合作密度变化情况

表2中的结果显示当设定合作频次阈值，过滤掉合作频次较小的连接关系时，网络密度迅速下降。当合作频次阈值为2时，网络密度降为0.00058，网络连接数从10112降为2071；合作频次阈值为10时，整个合作网络中只有81条网络连接，即合作网络中绝大部分节点都是孤立的。这表明2001-2015年中国管理科学领域的机构合作网络中合作(连接)关系还是很弱的，大部分机构之间只合作了一次。

表3 中国管理学科领域机构合作网络的连通与聚类情况

表3总结了中国管理科学领域机构合作网络连通与聚类情况。聚集系数反映了整个网络的聚集性，集聚系数越大说明网络的集聚性越好，在现实网络中这种特性表现的非常明显，在本文的机构合作网络中，这种特性表现为与同一机构有合作关系的两个机构之间出现合作情况的概率。表3中结果显示，三个时间段的平均集聚系数分别为0.143、0.097、0.111，可以看出中国管理科学领域机构合作网络中这种集聚性也比较明显。此外，三个时间段中的聚集系数值对比来看，近年来机构合作的集聚性有所降低。

本文的机构合作网络图是一个非连通网络图，它由很多连通子网络构成，在Ucinet软件中计算，得到具体连通属性参数见表3。由于机构数量较多，其中很多在网络中为孤立点，因此连通子图的个数较多。从时间维度来看，随着网络中结点数量增加，连通子图数量没有相应的增加，说明网络中机构之间相互交流合作在不断增多。最大连通子图结点个数以及最大连通子图结点数占比都在不断增加，也说明机构之间的合作是不断扩展的。

分析2001-2015 年中合作机构的核心—边缘结构如何变化。采用Ucinet 软件估计出个机构的核心度(Coreness)，从而对合作网络中每个节点的地位有一个量化的认识。根据核心度计算结果，本文把核心度大于0.01的节点归于核心机构，核心度小于0.01的节点归于边缘机构，核心-边缘分析结果显示，在总共2484个研究机构中，处于核心区域的研究机构共有231所，其中中国大陆研究机构有83所，占35.93 %，中国港澳台研究机构有9所，占3.90 %，海外研究机构有139所，占60.17 %。研究核心区科研机构的合作情况有助于把握整体合作网络的主体部分，反映合作网络的一般特征。为了进一步分析核心区科研机构的合作情况，将其进行可视化展示，具体见图4和图5。

图4 2001-2015年中国管理科学领域核心区科研机构合作图

图5 2001-2015年中国管理科学领域核心区大陆科研机构合作图

图4中为中国2001-2015年中国管理科学领域核心区科研机构合作图(为了进一步简化，图4中只列出了合作频次超过8次的核心区研究机构的合作情况)。图中三种不同图形的节点分布表示大陆、港澳台以及海外的科研机构，节点的大小表示该节点代表的研究机构发文数量的多少，连接线的粗细表示该线连接的研究机构之间合作频次的高低。图4中的结果表明，处于整个网络核心的是中国科学院、香港城市大学和香港理工大学。港澳台的科研机构在图中起到重要连接作用，海外科研机构也是重要组成部分，但是其连接作用不强。

为了进一步反映港澳台、海外科研机构在中国管理科学领域机构合作网络中的连接作用，本文在图4的基础上，只保留表示大陆研究机构节点，具体见图5。结果表明，去除表示港澳台和海外研究机构的节点，中国管理科学领域核心机构合作网络中，大部分节点为孤立点。这说明在中国管理科学领域机构合作网络中，港澳台和海外研究机构(尤其是香港的研究机构)起到至关重要的连接作用。表4列出了在所有合作关系中频次最高的连接，结果表明合作频次最高的前5条连接中有4条为大陆研究机构和香港研究机构之间的合作。

表4 2001-2015年中国管理科学领域机构合作频次最高的连接

4.2网络个体层次分析

在网络个体层次分析上，本文采用了3个中心性指标来衡量个体的重要性。3个指标分别反映了网络中个体的与其他节点的联系能力、控制其他节点的能力和不受其他节点控制的能力。表5中列出了中国管理科学领域度数中心性排序前10的机构名称，并分别考察了2001-2005、2006-2010和2011-2015三个时间段的情况，以其反映出节点度数中心性的演化情况。

表5中结果显示，三个时间段中度数中心性最高的机构都是中国科学院，这说明中国科学院在中国管理科学领域有着较高的影响力，在合作网络中有着很强的联系能力。通过比较机构在三个时间段内度数中心性的变化情况来看，可以将研究机构分成三大类。一类是中国科学院和北京大学，该类机构的度数中心性在早期就很高，后续增长也很明显，表明该类研究机构在早期就有很强的联系能力，而且一直保持较高的联系能力。第二类以香港城市大学和香港中文大学为代表，该类机构早期度数中心性也较高，但是后期的增长幅度不够显著。第三类以上海交通大学和中国人民大学最为典型，该类机构在早期其度数中心性不高，说明其联系能力有限，但随着新机构不断加入到合作网络中，该类机构逐渐成为网络中的核心机构，其联系能力迅速增强。

表5 2001-2015年中国管理科学领域机构度数中心性排序

表6 2001-2015年中国管理科学领域机构接近中心性排序

表6中列出了中国管理科学领域接近中心性排序前10的机构名称。与度数中心性反映机构联系能力不同的是，接近中心性反映的是机构不受控制的能力。表6中的结果显示，不同机构之间的接近中心性差别不是很大，表明研究机构不受控制的能力相似，没有明显的差异。此外，结果还表明2001-2015年间的接近中心性数值明显小于三个分阶段的数值，意味着随着新机构不断加入到合作网络中，原有机构不受控制的能力在不断降低。具体到研究机构，三个时间段接近中心性排序第一的仍然是中国科学院。

表7 2001-2015年中国管理科学领域机构中介中心性排序

表7中列出了中国管理科学领域中介中心性排序前10的机构名称，中介中心性反映的是机构控制其他节点的能力。表7中结果显示，三个时间段内，中介中心性最高的机构仍然是中国科学院。表8中列出了综合考虑三个中心性指标的排名前20的机构情况，并比较了中心性指标与发文篇数及被引次数之间的关系。

表8 2001-2015中国管理科学领域机构个体属性指标排序

表8中的结果表明，在三个中心性指标以及发文篇数及被引次数指标下，排序第一的都是中国科学院，说明中国科学院在中国管理科学领域的领先地位。在分析中心性指标与发文篇数关系后可以发现，在发文篇数前5的机构中，发文篇数排序与中心性排序较为一致，差异不大；在发文篇数靠后的机构中，中心性指标与发文篇数，以及中心性指标之间的排序差异较大。

度数中心性、接近中心性和中介中心性从不同的角度来反映了合作网络中机构的重要程度，但是这三个中心性指标在一般网络中是相关的，本文进一步考察了中国管理科学领域机构中心性指标的相关性，并分析中心性指标与发文篇数与被引次数的关系，具体见表9。

表9 中心性指标与相关指标之间的相关系数

注：***，**，*分别表示系数t的检验在1%，5%和10%的置信水平下显著。

表9中的结果表明，在三个中心性指标之间有着很强的正相关关系。此外，发文篇数与被引次数之间也存在着较强的正相关关系。本文中机构的实证结果与已有作者合作网络中的实证结果不太一致，在Yan Erjia等[8]对LIS领域的作者合作网络分析中，程度中心性与中间中心性和接近中心性之间存在着负相关关系，而被引次数与中心性之间的相关系数也不是很强。

5 结语

本文在遴选的137种管理科学重要期刊基础上，收集整理了中国大陆管理科学领域学者发表的6670篇论文，并以此为基础系统分析了中国机构的合作网络。机构合作度与机构合作率的初步分析结果表明，近年来中国管理科学领域机构层面的合作度和合作率总体上变化不大。网络整体属性指标分析结果表明2001-2015年中国管理科学领域的机构合作网络中大部分合作(连接)关系还是很弱的，该网络中大多数节点仅有少数连接，而少数节点拥有大量连接，连通子图的个数较多，随着网络中结点数量增加，连通子图数量没有明显变化。最大连通子图结点个数以及最大连通子图结点数占比都在不断增加。从科研管理的角度来看，应该采取相应的措施鼓励不同机构之间进行合作。核心-边缘分析得到231机构处于核心位置，其中港澳台的科研机构在合作网络中起到重要连接作用，而国内的科研机构的连接不强，缺少核心机构。微观的中心性指标分析结果表明在三个中心性指标以及发文篇数及被引次数指标下，排序第一的都是中国科学院。三个中心性指标之间有着很强的正相关关系。发文篇数和被引次数都和程度中心性、接近中心性、中间中心性有着较强的正相关关系。

[1] 国家自然科学基金委员会管理科学部．管理科学发展战略：暨管理科学十二五优先资助领域[M]．北京:科学出版社，2011.

[2] 徐伟宣，李建平．我国管理科学与工程学科的新进展[J]．中国科学院院刊，2008，23(2)：162-166.

[3] Wang J,Yan Ruiliang,Hollister K,et al.A historic review of management science research in China[J].Omega,2008,36(6): 919-932.

[4] White L,Smith H,Currie C.OR in developing countries: A review[J].European Journal of Operational Research,2011,208(1): 1-11.

[5] Gazni A,Sugimoto C R,Didegah F.Mapping world scientific collaboration: Authors,institutions,and countries [J].Journal of the American Society for Information Science and Technology,2012,63(2): 323-335.

[6] Coccia M,Wang Lili.Evolution and convergence of the patterns of international scientific collaboration [J].Proceedings of the National Academy of Sciences of the United States of America,2016,113(8): 2057-2061.

[7] Newman M E J.The structure of scientific collaboration networks [J].Proceedings of the National Academy of Sciences of the United States of America,2001,98(2): 404-409.

[8] Yan Erjia,Ding Ying,Zhu Qinghua.Mapping library and information science in China: A coauthorship network analysis [J].Scientometrics,2010,83(1): 115-131.

[9] 刘盛博，丁堃．中国科技管理领域科技合作复杂网络分析[J]．情报学报，2010，29(1)：177-183.

[10] Chang Paolong,Hsieh P N.Bibliometric overview of operations research / management science research in Asia [J].Asia-Pacific Journal of Operational Research,2008,25 (2) 217-241.

[11] 邱均平，温芳芳．我国"985工程"高校科研合作网络研究[J]．情报学报，2011，30(7)：746-755.

[12] 王贤文，丁堃，朱晓宇．中国主要科研机构的科学合作网络分析——基于Web of Science的研究[J]．科学学研究，2010，28(12)：1806-1812.

[13] 刘作仪，吴登生，李建平．2001-2010年我国管理与运筹学研究态势的计量分析：基于Web of Science数据[J]．北京理工大学学报(社会科学版)，2012，14(1)：1-8.

[14] Wang Weichao,Wu Yishan,Pan Yuntao.An investigation of collaborations between top Chinese universities: A new quantitative approach[J].Scientometrics,2014,98(2): 1535-1545.

[15] Niu Fenggao,Qiu Junping.Network structure,distribution and the growth of Chinese international research collaboration[J].Scientometrics,2014,98(2): 1221-1233.

[16] Zhou Ping,Bornmann L.An overview of academic publishing and collaboration between China and Germany[J].Scientometrics,2015,102(2): 1781-1793.

[17] 刘云，常青．中国基础研究国际合作的科学计量测度与评价[J]．管理科学学报，2001，4(1)：64-74.

[18] He Tianwei.International scientific collaboration of China with the G7 countries [J].Scientometrics,2009,80(3): 571-582.

[19] Kumar S,Jan J M.Mapping research collaborations in the business and management field in Malaysia,1980-2010[J].Scientometrics,2013,97(3): 491-517.

[20] Koseoglu M A.Mapping the institutional collaboration network of strategic management research: 1980-2014[J].Scientometrics,2016,109(1): 203-226.

[21] Fry T D,Donohue J M,Saladin B A,et al.The internationalisation of operations management research [J].International Journal of Production Research,2015,53(16): 4857-4887.

[22] Kumar S,Rohani V A,Ratnavelu K.International research collaborations of ASEAN Nations in economics,1979-2010[J].Scientometrics,2014,101(1): 847-867.

[23] 张利华，闫明．基于SNA的中国管理科学科研合作网络分析——以《管理评论》(2004-2008)为样本 [J]．管理评论，2010，22(4)：39-46．

[24] 闫相斌，宋晓龙．我国管理科学领域机构学术合作网络分析[J]．科研管理，2011，32(12)：104- 111．

[25] Barabási A L,Albert R.Emergence of scaling in random networks [J].Science,1999,286(5439):509-512.

[26] 陈子凤，官建成．合作网络的小世界性对创新绩效的影响[J]．中国管理科学，2009，17(3)：115-120.

[27] Nooy W,Mrvar A,Batagelj V.Exploratory social network analysis with Pajek [M].Cambridge: Cambridge University,2005.

[28] Freeman L C.Centrality in social networks conceptual clarification [J].Social networks,1979,1(3): 215-239.

[29] Liu Xiaoming,Bollen J,Nelson M L,et al.Co-authorship networks in the digital library research community [J].Information Processing &Management,2005,41(6): 1462-1480.

Abstract： With the expanding penetration of disciplines,more and more organizations realize that research cooperation conducive to the development of scientific research and attach great importance to research cooperation.The cooperation network between organizations is analyzed from co-authorship paper,which will help to understand the significance of research cooperation at a deeper level and to guide the direction and mode of research cooperation.Recently,Management Science has been experiencing rapid development and playing increasing important roles in the economic prosperity and social development in China.However,the research about the cooperation network about Management Science in China is still relatively scarce.Based on Mainland China scholars' 6670 papers included by 137 important Management Science journals (rating A or A+) from 2001 to 2015,social network analysis method is adopted to make a statistical analysis of the structure and evolution of institution collaboration network on management sciences in Mainland China.The empirical results show that the institutional-level cooperation rate and cooperation degree of about Management Science in China are 81.31% and 2.32 respectively.Moreover,the cooperation rate and cooperation degree change little during 2001 to 2015.Indicators of the overall network analysis reveal that the most cooperation relation among the institutions is feeble.The number of connected subgraphs is reduced with the increasing nodes in the network.The core-edge analysis shows that Hong Kong's research institutions play an important connection role among the cooperation network.The results of degree centrality,betweenness centrality,and closeness centrality indicate that the Chinese Academy of Sciences is the most influential institution among the cooperation network.Moreover,there is a strong positive correlation between the centrality indicators and the number of articles,and the number of being cited.

Keywords： scientific institution;collaboration network;management sciences;social network analysis

The Structure and Evolution of Institution Collaboration Network on Management Sciences in China

WUDeng-sheng1,LIRuo-yun2

(1.Institutes of Science and Development,Chinese Academy of Sciences,Beijing 100190,China;2.Department of Management Sciences,National Natural Science Foundation of China,Beijing 100085,China)

C939；G353.1

A

1003-207(2017)09-0168-10

10.16381/j.cnki.issn1003-207x.2017.09.019

2016-09-27；

2017-02-05

国家自然科学基金资助项目(71640007)；中国科学院青年创新促进会资助项目(2013112)

吴登生(1984-)，男(汉族)，安徽庐江人，中国科学院科技战略咨询研究院副研究员，研究方向：数据分析与决策支持，E-mail:wds@casipm.ac.cn.