-
20世纪50年代以来,科研合作已成为科学研究的一种重要形式。从社会和科技发展的角度看,随着劳动分工的深入,科学领域专业化程度的不断提高成为科研合作产生的主要原因(McDowell和Melvin,1983);科学技术的飞速发展,促进了科学研究的规模化、精细化和复杂化,促使科研人员从个体的“自由研究”逐步转向合作研究(Hudson,1996)。从期刊论文的发表看,科研人员数量持续增加,期刊版面竞争日益加剧,论文质量成为发表的关键因素,因此与掌握不同技能的科研人员合作成为提高论文质量的重要途径(Barnett等,1988)。从学者角度看,在科研考核、职称晋升和科研奖励的评定过程中,科研的价值通常被赋予比教学和服务更高的优先权,对高水平科研成果的需求激发了学者们寻求广泛的科研合作(Swanson,2004;Merigó和Yang,2017)。计算机、通信网络与信息技术的发展,为科研人员的合作清除了地域障碍,文献数量指数式的增长,网络数据库的不断更新和各种研究方法的应用,激发了学术界对科研合作的广泛研究(Bar-Ilan,2008)。
学术界关于科研合作的研究主要从以下三个方面展开:第一,主要针对各学科的科研合作倾向及科研合作原因进行研究(McDowell和Melvin,1983;Barnett等,1988;Hara等,2003;Haustein等,2011);第二,主要针对科研合作对科研产出(科研数量和研究质量)、学者绩效及主题创新的影响进行研究(Laband和Tollison,2000;Figg等,2006;Abbasi等,2011;Larivière等,2015;Hu等,2019);第三,采用社会网络分析法(SNA)从宏观角度分析合作网络的基本特征(如主群体规模、网络节点的平均距离等),从微观角度分析作者、研究机构和国家在合作网络中的中心位置,识别某领域的杰出学者、机构等(Moody,2004;Acedo等,2006;Ye等,2013;Kılıç等,2019)。会计领域现有合作研究主要分析合作趋势和合作网络特征,而关于合作是否会影响论文质量的研究较少,Endenich和Trapp(2016)得出二者无关的研究结论。在合作网络分析中,已有研究仅针对会计领域作者合作网络的结构特征进行分析,尚未对会计领域最具影响力的学者之间形成的合作网络特征进行研究。
基于此,本文主要从以下两个方面展开研究:第一,通过建立回归模型分析会计领域的合作对论文质量(年均引用率)的影响,并采用方差分析和Scheffe检验法对不同合作模式下论文质量的差异进行多重对比分析;第二,采用社会网络分析法对会计领域作者合作网络的基本特征进行分析。根据作者引用率、论文发表数和中心度指标(度中心性、中介中心性)识别会计领域最具影响力的作者,并对引用率最高的前100名和前200名作者分别建立合作网络,分析会计领域最具影响力的作者之间的合作特征。
-
科研合作作为科学研究最为重要的形式,最早产生并快速发展于自然科学,随后在社会科学中稳步发展,但无论是合作的发生率(合作论文比例)还是合作的程度(合作论文的平均作者人数),自然科学均显著高于社会科学(Laband和Tollison,2000;Biagoli和Galison,2002)。这种差异主要源自学科性质和研究方法的差异。在自然科学领域,科研人员需要共用实验室和昂贵的仪器设备开展科研工作,因此产生大量合作。以化学学科为例,1900年发表的论文中合作论文占30%,而到1945年这一比例增至70%(Gingras,2010)。同时有证据表明随着专业化程度的不断提高和科学研究问题的日益复杂化,许多前沿工作往往由专业知识互补、资金充足的科研合作团队完成(Larivière等,2015)。在社会科学领域,Hudson(1996)研究表明,1950年发表在American Economic Review的论文中合作论文仅占8%,1993年这一比例增至55%;Nathan等(1998)、Acedo等(2006)发现合作者超过四人的情况并不普遍。在科研方法差异对合作影响的研究中,Henriksen(2016)通过研究1980−2013年收录在WOS数据库中的56个学科450万篇文献,发现各学科的合作趋势普遍增长,但质性研究学科(如历史、文化、区域、社会科学史等)的大多数论文由单一作者完成,合作比例较低。与以理论建构和抽象概念为主导的学科(如数学、心理学等)相比,实验性的学科具有更强的合作性。Moody(2004)发现,随着定量和实证研究难度的增大,尤其是应用复杂计量经济学方法的学科具有更明显的合作趋势。
各学科普遍增长的科研合作趋势是否对科研产出和科研质量产生影响?研究表明,拥有不同专业知识和科研技能的作者在科研合作中不仅可以扬长避短,还可以节约时间、提高效率,因此随着合作人数的增加,科研产出也会提高(Zuckerman,1967;Smart和Bayer,1986;Mairesse和Turner,2005)。关于合作对科研质量影响的研究,学者通常用论文引用率或年均引用率来衡量论文质量(Acedo等,2006;Larivière等,2015;Endenich和Trapp,2016),引用率越高,表明论文越被学者认可,质量越高。大量研究表明,合作论文往往比单一作者论文具有更高的引用率,大学之间的合作和国际合作也被证明对科学研究产生了更大的影响(Wuchty等,2007;Lebeau等,2008;Franceschet和Costantini,2010;Larivière等,2015)。
会计领域关于作者合作关系的研究可以追溯到20世纪80年代,并在21世纪初快速发展,现有研究主要从以下两个方面展开:
一方面是通过研究某一种或几种国际期刊的论文,分析会计领域科研合作的趋势和动机。Heck和Bremser(1986)通过研究1926−1985年在Journal of Accounting Research(JAR)发表的论文,发现作者人数与论文发表数量在3个20年间不断增长,论文的合作者比例也在显著增加。Englebrecht等(2008)通过分析1979−2004年12种会计和非会计商业期刊的论文合作情况,发现所有期刊的独著论文比例显著下降,JAR在2004年的论文合作比例为100%。同时,每篇论文的平均作者人数也在增长,表明科研人员正在寻找多个合作者。Gaunt(2014)发现,1990−2000年,会计期刊论文出现由单一作者向两个作者的明显转变,2000年后论文作者人数由单一、两个作者向三、四个或更多作者转变。随着科研考核要求的提高、会计研究人员数量的增加和期刊版面竞争的加剧,会计研究人员只有主动寻求合作才能在篇幅有限的权威期刊竞争中胜出(Schultz等,1989;Valacich等,2006;Englebrecht等,2008)。Endenich和Trapp(2016)通过分析15种权威期刊7,105篇科研论文的发表情况,发现亚洲国家比大多数欧洲国家和美国的研究人员更倾向于参与国际合作,有担任主编或编委经历的作者更倾向于合作,但科研合作与论文质量(年均引用率)无关。
另一方面是采用社会网络分析法对会计学科的合作网络特征进行分析。Andrikopoulos和Kostarisb(2017)对会计领域四大顶级期刊发表的论文研究发现,隶属于美国科研机构的作者在四大期刊发表的论文中占主导地位(78.37%),会计领域的作者合作网络具有“小世界”特征。在进一步扩大样本后,Kılıç等(2019)对会计领域22种期刊发表的10,863篇论文进行分析,发现会计领域的合作论文比例持续增长,且作者合作网络同样具有“小世界”特征,同时他们利用合作网络的中心度指标识别出会计领域的杰出学者。Hu等(2019)利用1980−2016年在五大国际会计期刊发表的5,895篇论文建立作者合作网络,采用网络中心性指标衡量作者在合作网络中的重要性;利用作者在未来3年发表的论文平均长度(每篇论文页数除以合作者人数)之和衡量作者的未来科研生产力;采用文档主题生成模型(LDA),通过对比论文摘要中的关键词与研究主题的相似度识别论文主题创新。他们研究发现,作者的网络中心性越高,其未来科研生产力和主题创新能力越强。
综上,现有会计领域科研合作研究发现作者合作网络存在较高的聚类系数、较大的主群体规模以及较小的网络平均距离,具有“小世界”特征。Hu等(2019)的研究揭示了会计领域作者的网络中心性越高,其未来科研生产力和主题创新能力越强。Kılıç等(2019)虽然采用中心度指标识别出会计领域最具影响力的作者,但最具影响力作者之间的合作网络特征依然未知。基于此,本文首先采用实证方法分析会计领域的科研合作对论文质量的影响;其次,在对会计领域作者合作网络特征分析的基础上,进一步对会计领域最具影响力(引用率最高)的前100名和前200名作者的合作网络特征进行分析,以揭示科研合作和作者影响力(引用率)之间的关系。
-
科研合作有助于扩展研究方法,提高研究技能,增强合作者科研思维的严谨性(Edwards,2008)。科学研究中,研究方法是指有目的、有计划和系统性地收集和分析研究对象相关数据的策略或技术手段。科研合作有助于研究人员对科研问题采用多方法或混合方法研究。多方法研究是指使用多种定性分析方法或定量分析方法研究某一问题(Creswell,2015)。对于复杂的研究过程和结果,合作者可以结合自身的专业知识和技能,整合出不同的研究方法进行分析和论证。不同的研究方法得出的结论可能是有分歧和差异的,这有利于研究人员深刻认识研究方法的缺陷和应用范围,提高研究的深度和结果的准确性。混合研究方法是指在一项研究中融合使用定量研究和定性研究的方法。这种研究方法的特点是将定性和定量研究方法相结合,相比于单一研究方法,混合研究方法能帮助研究人员更好地理解研究问题(Creswell,2015;Dellaportas,2020),但工作量大、耗费时间长、成本高等缺陷严重制约了混合研究方法的应用(McKim,2017)。科研合作可以很好地改进和解决这些问题,从而提高科研技能和研究质量。
科研合作可以推动学科整合,开拓新的研究方向。新科技革命和产业变革的兴起,深刻改变着当前的科研范式。面对复杂多变的国际环境和突飞猛进的科技进步,具有不同学科背景的学者通过科研合作的方式来解决研究中的“卡脖子”难题,科研合作越来越受到人们的重视。在科研合作范畴中,跨学科合作研究是最高层次的合作方式。这种研究方式是对多个学科领域的思想、技术和方法的高水平融合,从多个角度看待复杂情境下的科研问题,有助于在学科理论交叉中形成新的思维方式或新的学科(Porter等,2006)。在跨学科合作中,来自不同机构或国家、具有不同学科背景的合作者对同一科研问题的研究,可以通过学科知识交流和研究技能互补,在共同思考和讨论中实现头脑风暴,充分发挥不同学科的溢出效应,从而产生新发现、新思想和新方法。Dellaportas等(2020)通过对2005−2016年在三种国际知名会计期刊发表的论文进行研究,发现跨学科合作程度越高,论文的引用率越高,而跨学科合作程度主要受整合和互动两种因素的制约。若研究中涉及的各学科理论相互独立,或从不同角度对研究对象进行研究,虽然采用不同的研究方法,但不一定能实现整合,此时表现为低水平的整合和互动。而为了获得在特定问题或技能上的突破,跨学科研究的学者们借助自身的科研优势进行合作,实现协同效应,创造新的知识,此时表现为高水平的整合和互动。当传统的会计思想不足以解决或解释核心问题时,高水平的整合和互动会促使一个超越现有知识边界的理论形成,新的会计学科则可能会出现(Wagner等,2011;Dellaportas等,2020)。因此,高水平的科研合作在一定程度上加快了学科整合的步伐,开拓了新的学科研究方向。
信息技术和互联网络的快速发展,促使不同机构或国家的学者之间的合作更为及时和频繁。不同机构或国家的学者在合作过程中,可以了解国际学术的热点、研究动态和走向。在跨文化的思想碰撞下,科研人员能够跳出惯性思维,从多角度审视科研问题,从而扩展研究思路,寻找新的研究切入点或解决问题的新方法。基于此,本文提出如下假说:
H1:会计领域的作者合作能提高科研质量。
-
本文以Scopus数据库为数据来源,根据2018年国际会计期刊的分区排名,选取12种一区会计期刊(AAAJ、AOS、Auditing、BAR、CAR、CPA、EAR、JAE、JAR、MAR、SAMPJ和TAR①),收集其1999−2018年刊发的7,513篇论文,剔除作者、机构和国家信息缺失的390篇论文后,最终获得可用期刊论文7,123篇,并从中提取作者、通讯地址(研究机构和国家)、发表期刊、论文引用率等数据。为提高数据有效性,本文对姓名相同的作者通过核对通讯地址及相关资料进行辨识。
-
本文将12种国际会计期刊20年数据以5年为期分为四个阶段,分别统计每个阶段论文的发表数量、合作论文数量、合作比例、作者人数等指标。
由表1可知,在1999−2018年12种国际会计期刊7,123篇论文中,5,154篇论文由两个或两个以上作者合作撰写,占全部论文的72.36%。论文数量和作者人数在四个阶段中均呈现增长趋势,可能受科研人员数量的增加和研究机构考核要求的提高等因素的影响。其中,第三阶段的论文数量和作者人数的增长较为迅速,增长率分别为36.99%和49.05%,主要原因是SAMPJ的论文从2010年开始被Scopus数据库收录。合作比例由第一阶段的61.21%逐步增长到第四阶段的79.78%,表明在会计领域科研合作趋势持续增强。
表 1 1999−2018年会计领域科研合作趋势的描述性统计
时间 论文
数量独著
论文合作
论文合作
比例作者
人数1999−2003 1,173 455 718 61.21% 2,251 2004−2008 1,530 485 1,045 68.30% 3,152 2009−2013 2,096 559 1,537 73.30% 4,698 2014−2018 2,324 470 1,854 79.78% 5,623 1999−2018 7,123 1,969 5,154 72.36% 15,724 -
持续增长的科研合作能否提高科研论文质量?本文构建如下线性回归模型,对这一问题进行实证检验:
$$\begin{aligned} Acitation =& {\beta_0} + {\beta_1}CoAuthor + {\beta_2}CoAffiliation + {\beta_3}CoNation +{\beta_4}JR + {\beta_5}AR\\& + {\beta_6}JIF + {\beta_7}PY + \varepsilon \end{aligned}$$ (1) 因变量:论文质量。某篇论文被学术界频繁引用,是因为学者高度认可该篇论文,认为论文的研究是有价值的,因此被引论文具有一定的质量(Acedo等,2006;Wuchty等,2007;Larivière等,2015)。论文的引用率越高,表明论文越被学者认可,质量越高(Mathieu和McConomy,2003;Beattie和Goodacre,2006;Reinstein和Calderon,2006)。由于研究时间跨度较长,近年发表的论文,其引用率存在滞后性,为降低发表时间对论文引用率的影响,本文参考已有研究采用年均引用率(Acitation)来衡量论文质量(Leimu和Koricheva,2005;Endenich和Trapp,2016)。
自变量:(1)作者合作(CoAuthor),根据每篇论文的作者人数,有两个或两个以上作者的论文视为作者合作论文,CoAuthor取值为1,独立作者论文取值为0。社会经济的快速发展促使科研问题多样化和复杂化,科学研究需要借助不同学者的专业技能,通过头脑风暴,激发创新思维,协同攻关。因此,本文认为作者合作论文具有较高的论文质量。(2)机构合作(CoAffiliation),若发表论文的作者来自两个或两个以上的大学(研究机构),则该论文为机构合作论文,CoAffiliation取值为1,否则为0。同一机构在人员构成上的同质性,容易形成学缘结构单一和思维定式,不利于创新和学术争鸣(黄建雄和卢晓梅,2011),而跨机构合作是打破研究人员同质性、增强研究创新的较好途径。因此,本文认为跨机构合作论文通常具有较高的年均引用率。(3)国际合作(CoNation),若发表论文的作者来自两个或两个以上国家,则该论文属于国际合作论文,CoNation取值为1,否则为0。国际合作对于学者引进国际先进的理论和方法,获取最前沿的科技信息,开展分工协作,实现优势互补,进一步提高理论创新水平具有重要作用(樊春良,2015;李文聪,2016)。因此,本文认为国际合作论文的质量较高。(4)期刊国别(JR),本文所选的12种期刊中,有6种期刊创办于美国。因此,本文定义JR如下:若期刊国别为美国,取值为1,否则为0。(5)作者国别(AR),本文选取第一作者的所属机构所在国家作为作者国别,在7,123篇论文中第一作者国别属于美国的有3,019篇,占比为42.38%,属于英国的占比为17.39%,属于澳大利亚的占比为9.1%,属于加拿大的占比为7.57%。因此,本文定义AR如下:若作者国别为美国,取值为1,否则为0。(6)期刊影响因子(JIF),即所选12种期刊截至2018年的影响因子。社会科学引文指数影响因子是衡量期刊影响力的客观指标,是评价期刊的最常用工具(Leff,2005)。一般而言,期刊的影响因子越高,论文被学者关注和引用的可能性越大。(7)发表时间(PY),一般而言,论文发表时间越近,引用率越低,本文在模型中引入论文发表时间变量。
由表2可知,12种国际会计期刊20年的论文年均引用率最高为136.930,最低为0(主要受样本发表时间的影响)。作者合作的均值为0.720,机构合作的均值为0.570,国际合作的均值为0.250,表明国际会计期刊中合作论文的比例较高,且论文合作广泛存在于不同机构和国家之间。期刊国别的均值为0.520,表明发表在美国创办的期刊论文占总样本的一半略多,作者国别的均值为0.420,即第一作者来自美国的论文接近总样本的一半,体现了美国学者在会计研究领域的中心地位。
表 2 变量描述性统计
指标 最小值 最大值 均值 标准差 Acitation 0 136.930 4.831 7.160 CoAuthor 0 1 0.720 0.447 CoAffiliation 0 1 0.570 0.496 CoNation 0 1 0.250 0.434 JR 0 1 0.520 0.500 AR 0 1 0.420 0.494 JIF 1.745 4.891 3.482 0.926 由表3可知,模型所选自变量中除论文发表时间与因变量年均引用率在0.01水平上负相关外,其余自变量与年均引用率均显著正相关。除期刊国别与作者合作和机构合作之间、期刊影响因子与国际合作之间不存在显著相关性外,自变量之间均在0.01水平上显著相关。为排除变量之间可能存在的多重共线性,在进行回归模型分析前,本文进行了多重共线性检验。
表 3 变量相关性检验(Pearson)
变量 Acitation CoAuthor CoAffiliation CoNation JR AR JIF PY Acitation 1 CoAuthor 0.100*** 1 CoAffiliation 0.091*** 0.705*** 1 CoNation 0.036*** 0.331*** 0.482*** 1 JR 0.099*** 0.017 0.010 −0.079** 1 AR 0.100*** 0.089*** 0.103*** −0.200*** 0.325*** 1 JIF 0.177*** 0.088*** 0.066*** −0.014 0.553*** 0.307*** 1 PY −0.071*** 0.155*** 0.197*** 0.174*** −0.033*** −0.030*** −0.091*** 1 注:***表示在0.01水平上显著。 由表4可知,模型中各自变量的VIF值均小于5,说明自变量之间不存在多重共线性问题;模型总体的F值为58.293,在0.01水平上具有显著性。作者合作、机构合作和国际合作分别在0.01、0.05和0.1水平上与论文质量呈显著的正相关关系,表明会计学者之间的合作促进了会计领域学术质量的提高。作者国别在0.01水平上对论文质量具有显著正向影响,表明第一作者来自美国的科研论文在国际会计学术领域具有重要影响力。期刊影响因子在0.01水平上显著正向影响论文年均引用率,表明发表在影响因子较高期刊的论文被关注和引用的频率更高,论文的年均引用率也会更高。发表时间与论文年均引用率呈显著负相关关系,而期刊国别对论文年均引用率没有显著影响。
表 4 科研合作对论文质量影响的回归结果
变量 非标准系数 显著性 VIF 系数 标准误 Constant 205.079 30.785 0.000 CoAuthor 0.965 0.262 0.000 2.000 CoAffiliation 0.542 0.259 0.036 2.394 CoNation 0.389 0.229 0.089 1.432 JR −0.032 0.205 0.877 1.233 AR 0.634 0.189 0.001 1.140 JIF 1.164 0.111 0.000 1.057 PY −0.102 0.015 0.000 2.000 R2 0.046 F 58.293 0.000 -
为进一步研究作者合作模式对论文质量的影响,本文将所有样本论文按照作者合作人数分为独立作者、两位作者合作、三位作者合作和四位及四位以上作者合作四种模式,通过方差分析和Scheffe检验法进行多重比较,考察不同合作模式对论文质量的影响。
表5的方差检验结果显示,F检验值为31.995,在0.01水平上具有显著性,说明在不同数量作者的合作模式下,论文质量(年均引用率)具有显著差异。本文进一步采用Scheffe检验,表6的检验结果显示,在7,123篇样本论文的作者合作模式中,除三位作者合作模式与四位及四位以上作者合作模式的论文质量不存在显著差异外,其他各类作者合作模式之间的论文质量均在0.01水平上存在显著差异,同时随着作者合作人数的增加,论文的年均引用率也在增长,由四位及四位以上作者合作的论文年均引用率高于其他三种作者合作模式的论文年均引用率,表明作者合作人数会影响论文质量。
表 5 作者合作模式对论文质量的方差分析
平方和 df 平均值
平方F 显著性 组之间 4,853.780 3 1,617.927 31.995 0.000 组内 359,999.892 7,119 50.569 总计 364,853.673 7,122 表 6 不同合作模式下论文质量差异的Scheffe检验
年均引用率 作者人数 平均差异 显著性 1(3.668) 2 −1.037 0.000 3 −1.944 0.000 4 −2.337 0.000 2(4.705) 1 1.037 0.000 3 −0.907 0.000 4 −1.300 0.002 3(5.613) 1 1.944 0.000 2 0.907 0.000 4 −0.393 0.692 4(6.010) 1 2.337 0.000 2 1.300 0.002 3 0.393 0.692 -
上述研究表明,会计领域的科研合作会显著影响论文质量,不同数量的作者合作模式对论文质量的影响存在显著差异。在合作日益增长的趋势下,由作者之间的合作关系所形成的合作网络成为学者关注的重点。本文采用社会网络分析法②构建作者之间的合作网络,使用BibExcel软件和Pajek软件进行合作网络分析。
-
表7为采用Pajek软件对作者合作网络分析的指标,结果显示合作网络中共有6,067位作者,形成524个网络群体,其中最大的合作网络由4,532位作者形成,占合作作者人数的74.7%。第二大网络群体由12位作者形成,数量上远小于最大的合作网络规模,同时发现由两位作者或三位作者合作形成的网络群体数量最多,分别为270个和150个,表明作者合作网络中存在大量小而散的群体。网络密度主要用于描述网络中节点间相互连线的密集程度,会计领域的作者合作网络密度为0.0006,远大于管理与组织领域合作网络的密度0.0002(Acedo等,2006),这可能是受本研究的网络规模较小或会计领域较高程度的合作所影响。合作网络特征的分析表明,尽管网络中存在较多小而散的群体,但是最大合作网络的规模远超第二大合作网络规模,表明在国际会计期刊发表论文的大部分作者之间存在着广泛的合作关系。
表 7 会计领域作者合作网络指标分析
指标 指标值 合作节点 6,067 群体数 524 最大网络规模 4,532 最大网络占比 74.7% 第二大网络规模 12 密度 0.0006 -
Newman(2001)对医学和物理等学科领域作者合作网络的结构特征进行分析,并讨论了不同学科合作模式的差异。Acedo等(2006)、Ye等(2013)分别对管理与组织领域和旅游与酒店管理领域的作者合作网络特征进行了研究。本文构建了会计领域的作者合作网络,并对各学科之间的作者合作网络特征差异进行分析。
表8的结果显示,会计领域的主群体(即最大作者合作网络)的比例为74.7%,显著高于管理与组织和旅游与酒店管理领域的主群体比例(可能与会计学科研究的定量化特征有关),但显著低于实验性较强的医学和物理学科的主群体比例。作为衡量网络中信息传递效率的重要指标,会计合作网络的平均路径为7.03,显著高于医学和物理学科的平均路径,但与会计领域较大的网络规模(6,067)相比,网络中每两位作者之间平均通过7人就可以建立合作,表明作者合作网络具有较高的连通性,便于从远距离获取非冗余和前沿信息,从而提高信息传递效率。聚类系数用来衡量某位作者的合作者之间相互连接的程度,是作者向集群化趋势发展的衡量指标。除了医学领域显著偏低外,会计与其他三个学科都有较高的聚类系数,表明作者间的相互信任和更紧密的合作关系。
表 8 不同学科的作者合作网络指标
指标 会计 管理与组织# 旅游与酒店管理* 医学@ 物理@ 节点 6,067 10,176 1,520,251 52,909 主群体规模 4,532 4,625 1,376 1,395,693 44,337 主群体比例 74.7% 45.4% 59.3% 92.6% 85.4% 第二大群体 12 23 49 18 平均路径 7.03 7.20 4.60 4.00 聚类系数 0.67 0.68 0.75 0.07 0.73 注:#数据来自Acedo等(2006),*数据来自Ye等(2013),@数据来自Newman(2001)。 “小世界”现象最早由美国社会心理学家Stanley Milgram在1967年通过设计一个连锁信件实验所发现,他认为世界上任意两个不相识的人之间大概通过6个中间人建立联系。Watts和Strogatz(1998)首次提出并从数学上定义了小世界网络的概念,他们认为小世界网络是相对于同等规模节点的随机网络,是具有较短的平均路径和较大的聚类系数特征的网络模型。上述分析表明,会计领域具有较大的主群体规模、较高的聚类系数和相对较低的平均路径等特征,表明会计领域作者合作网络具有“小世界”特征。该特征被证实对于提高作者间信息交流的效率和质量,激发合作者的创造力,从而提高整体科研绩效具有重要意义(陈子凤和官建成,2009)。
-
中心位置是作者重要性、影响力、接触网络中其他作者,或获取社会资本能力的关键指标(Acedo等,2006)。本文采用Freeman(1978)提出的衡量作者在网络中所处中心性位置的两类指标(度中心性和中介中心性),结合作者发表论文的数量和引用率,识别出在所选12种国际会计期刊中最具影响力的学者。
表9报告了1999−2018年12种国际会计期刊发表论文的引用率、论文数量、度中心性和中介中心性指标排名前20的作者,并列出了这些指标在合作网络中所有作者的均值。通过对比可以看出,合作网络中所有作者引用率的均值为117.47,显著低于前20名作者论文的平均引用率3,313,其中Kothari SP的引用率高达5,637。从论文发表数量上看,前20名作者平均发表论文26.5篇,显著高于合作网络中所有作者发表论文数量的均值1.14,其中Parker LD发表论文数量高达50篇,表明会计领域存在少数杰出的学者,这些学者发表了多篇高质量论文。
表 9 作者合作网络中排名前20的作者
引用率 论文数量 度中心性 中介中心性 Kothari SP 5,637 Parker LD 50 Dhaliwal DS 45 Humphrey C 0.059 Leuz C 4,531 Gendron Y 39 Francis JR 37 Lim CY 0.035 Francis JR 4,507 Tan HT 35 Humphrey C 35 Guthrie J 0.025 Rajgopal S 4,223 Evans S 31 Gendron Y 33 Gendron Y 0.023 Ball R 4,136 Rajgopal S 28 Tan HT 33 Francis JR 0.021 Barth ME 3,411 Francis JR 27 Rajgopal S 30 Dhaliwal DS 0.021 Larcker DF 3,314 Walker SP 26 Wright AM 29 Salterio SE 0.020 Healy PM 3,273 Dhaliwal DS 25 Trotman KT 29 Chen CX 0.019 Verrecchia RE 3,234 Scapens RW 25 Kothari SP 28 De VC 0.019 Lafond R 3,197 Lennox,cs 24 Raghunandan K 27 Lee J 0.018 Defond ML 3,040 Wright AM 24 Shevlin T 26 Wright AM 0.017 Leone AJ 2,904 Raghunandan K 23 Lobo GJ 26 Tan HT 0.016 Palepu KG 2,895 Humphrey C 22 Scapens RW 26 Knechel WR 0.016 Lys TZ 2,724 Trotman KT 22 Lapsley I 26 Kausar A 0.015 Lang MH 2,706 Modell S 22 Funnell W 25 Khalifa R 0.015 Wong TJ 2,677 Neu D 22 Weber JP 24 Merchant KA 0.015 Francis J 2,658 Bedard JC 22 Bedard JC 24 Lennox,cs 0.015 Graham JR 2,401 Guthrie J 21 Gul FA 24 Lobo GJ 0.014 Ge W 2,400 Defond ML 21 Barth ME 24 Campbell D 0.014 Ashbaughskaife H 2,392 Lapsley I 21 Kim JB 23 Roberts RW 0.014 前20均值 3,313 前20均值 26.5 前20均值 28.7 前20均值 0.021 网络均值 117.47 网络均值 1.14 网络均值 3.57 网络均值 0.0006 注:表中黑体字的作者表示至少在两个指标中出现。 度中心性是通过测量一个节点与所有其他节点直接联系的总数,来刻画节点中心性的最直接指标,与该节点直接连线的节点数越多,意味着这个节点的度中心性越高,则该节点在获取或传递信息过程中拥有的权力和机会就越多,在网络中就越重要(Freeman,1978)。表9显示,在合作网络中所有作者的平均度中心性值为3.57,显著低于前20名作者的度中心性值28.7,其中,Dhaliwal DS的度中心性值最高。此外,Francis JR、Humphrey C、Gendron Y、Tan HT、Rajgopal S、Wright AM、Trotman KT、Kothari SP等学者的度中心性值也较高,表明这些作者在会计领域的合作网络中非常活跃,具有较强的影响力和重要性。
中介中心性反映作者在合作网络中连接其他作者的能力。如果一位作者可以将网络中原本相互独立的网络部分连接起来,则该作者就具有“中间人”作用,具有较高中介中心性的节点是网络中信息传播的关键节点(Freeman,1978)。表9显示,前20名作者的中介中心性值显著高于合作网络所有作者的平均中介中心性值0.0006,其中,Humphrey C的中介中心性值最高。此外,Lim CY、Guthrie J、Gendron Y、Francis JR、Dhaliwal DS等学者的中介中心性值也较高,其中,Guthrie J、Gendron Y、Francis JR、Dhaliwal DS、Tan HT等学者曾经或现在担任国际会计期刊的编委、大学会计学科带头人等。这些学者是不同国家、不同机构会计学者之间合作的桥梁和纽带,促进会计学者之间的学术联系更紧密。
-
为进一步研究核心作者之间的合作关系,本文根据会计领域作者的引用率排名,分别建立了引用率最高的前100名作者和前200名作者的合作网络。首先将两个合作网络与全部作者合作网络形成的嵌套结构进行对比,以揭示引用率高的作者之间是否存在紧密的合作关系。其次,将会计领域引用率最高的前100名和前200名作者的合作网络和管理与组织领域引用率最高的前100名和前200名作者的合作网络进行对比,以分析两个领域核心作者之间合作关系的差异。
表10的结果显示,会计领域前100名作者的合作网络中有8名独立作者,当网络规模增加到200名时,独立作者人数增加到18人。同时由于网络中作者的可供合作人数增加了90人,使网络主群体比例由77.4%上升到82.4%,略高于全部作者合作网络的74.7%。前100名作者合作网络的密度为0.03,略高于前200名作者合作网络的密度0.02,但显著高于全部作者合作网络的密度0.0006,这一结果可能由于前100名和前200名作者合作网络规模较小所致,但是结合主群体比例指标的分析发现,会计领域最具影响力的核心作者之间存在更为广泛和紧密的合作关系。前100名作者的合作网络聚类系数为0.5,大于前200名作者的合作网络聚类系数0.39,表明前100名作者的合作者之间具有更强的合作倾向,但由于网络规模的限制,该指标值小于全部作者合作网络的聚类系数0.67。从合作网络的平均路径看,前100名和前200名的作者合作网络的指标值差异较小,均显著低于全部作者合作网络的平均路径,表明影响力较高的作者之间更容易合作,信息的传递速度更快。
表 10 核心作者合作网络与全部作者合作网络的指标对比
指标 会计领域 管理与组织领域# 前100 前200 全部作者 前100 前200 合作作者人数 92 182 6067 77 166 主群体比例 77.4% 82.4% 74.7% 41.0% 67.6% 群体数 6 5 524 36 44 聚类系数 0.50 0.39 0.67 0.167 0.245 网络密度 0.03 0.02 0.0006 0.015 0.0098 平均路径 4.98 4.72 7.03 注:#数据来自Acedo等(2006)。 通过对比表10中会计领域和管理与组织领域核心作者合作网络指标可以发现,无论是引用率最高的前100名作者的合作网络还是前200名作者的合作网络,在网络规模相同的情况下,会计领域的合作作者人数、主群体比例、聚类系数和网络密度均显著高于管理与组织领域的同类指标值,而网络群体数指标明显较低。这表明,相比于管理与组织领域的核心作者,会计领域的核心作者存在更紧密的合作关系。图1、图2展示了会计领域核心作者的合作网络。
图1是由引用率最高的前100名作者中92位有合作关系的作者形成的合作网络图,图2是由引用率最高的前200名作者中182位有合作关系的作者形成的合作网络图。其中,图中较粗的连线代表作者之间合作的次数较多。随着最高引用率作者人数的增加,作者之间的合作关系更为紧密,图2比图1的网络群体数减少1个,主群体规模却远远超过图1。总体而言,图1和图2均展示出会计领域最高引用率的作者之间存在着强强联合的紧密合作关系。
-
本文以Scopus数据库收录的12种国际会计期刊1999−2018年发表的7,123篇论文为研究对象,通过对20年来国际会计期刊论文合作趋势的分析,构建科研合作对论文质量影响的线性回归模型,采用社会网络分析法分析作者合作网络的特征,得出以下主要结论:
第一,文献统计发现,在12种国际会计期刊1999−2018年发表的7,123篇论文中,5,154篇是合作论文,占全部论文的72.36%。对每5年一个阶段的分阶段统计发现,国际会计期刊的论文发表数量、合作论文数量、合作比例和作者人数均呈现明显的增长趋势。
第二,在研究科研合作对论文质量(年均引用率)的影响中,本文将合作分为作者合作、机构合作和国家合作,研究发现作者合作对论文质量具有显著影响,来自不同机构和不同国家的作者合作会显著提高论文质量。因此,加强作者之间,尤其是来自不同机构和国家间的作者合作对于打破学缘结构单一、实现优势互补、推动理论创新、进而提高会计领域的科研质量具有重要意义。
第三,采用社会网络分析法对国际会计期刊的作者合作网络特征进行分析,发现作者合作网络存在较大的主群体比例、较高的聚类系数和相对较小的网络平均路径,表明合作网络具有“小世界”特征。这一特征进一步说明会计领域作者间的科研合作较为广泛和紧密,科研信息交流的效率较高,作者间合作是高效和高质量的。
第四,通过将会计领域引用率最高的前100名作者和前200名作者形成的合作网络特征与全部作者的合作网络特征进行对比,发现引用率最高的作者不仅在整体网络中具有较好的合作,而且他们相互之间的合作也较为紧密。进一步和管理与组织领域的核心作者合作网络对比,发现会计领域的核心作者之间存在更为广泛而紧密的合作关系。
基于上述结论,本文获得如下启示:首先,科学研究是一项复杂而系统的工作,学科专业化程度的提高和科研问题的复杂化,使科研合作成为一种常态。通过合作推动信息交流和资源共享,实现优势互补,成为突破会计科研难题、推动会计学科发展的必经之路。其次,引导会计科研人员拓宽合作渠道,加强对外交流,与国内外不同机构的研究人员建立合作关系,可以打破学缘结构单一,推动会计科研创新。最后,加强与会计领域影响力较大的作者建立长期稳定的合作关系,是持续提高科研质量和科研人员影响力的重要途径。本文的研究也存在不足之处,如对于会计领域影响力较大的核心作者与其他作者之间的科研合作关系未进行深入剖析,未来将对此开展更加细致、系统的分析。
-
摘要: 以Scopus数据库为数据来源,根据2018年国际会计期刊的分区排名,以12种一区期刊1999−2018年发表的7,123篇论文为样本,对会计领域的科研合作进行分析。首先,采用回归分析法研究科研合作对论文质量的影响,发现作者合作、来自不同机构和不同国家的作者合作会显著提高论文质量。其次,采用社会网络分析法对会计领域的作者合作网络进行分析,发现网络中存在较大的主群体比例、较高的聚类系数和较低的网络平均路径,表明作者合作网络具有“小世界”特征;进一步对引用率最高的前100名和前200名作者的合作网络分析,发现核心作者之间存在紧密的合作关系。研究突出合作对科研质量的影响,为会计领域研究人员审视合作网络化、通过多渠道加强与影响力较高的核心作者合作、提高科研质量提供参考。
Research Collaboration in Accounting:Social Network Analysis Based on International Journals
Abstract: This paper uses the Scopus database as a data-source, selects 12 Q1 international accounting journals according to the discipline ranking in 2018, and collects 7,123 journal articles published from 1999 to 2018. The research collaboration in accounting is analyzed in two perspectives. Firstly, regression analysis is used to study the impact of research collaboration on the quality of papers. It is found that author collaboration and the collaboration between authors from different institutions and countries can significantly improve the quality of papers. Secondly, the social network analysis method is used to analyze the author’s collaboration network in the accounting field, and it is found that the collaboration network has a large proportion of main groups, a high clustering coefficient, and a low average network distance, indicating that the author’s collaboration network in accounting field is characteristic of Small World. Further analysis on the collaboration network of the top 100 and top 200 authors with high citation rates finds that there is a close relationship among core authors. The research highlights the impact of collaboration on the quality of scientific research, and provides a reference for researchers in the accounting field to examine the collaboration networking, strengthen collaboration with core authors with great influence through various channels, and improve the quality of scientific research. -
表 1 1999−2018年会计领域科研合作趋势的描述性统计
时间 论文
数量独著
论文合作
论文合作
比例作者
人数1999−2003 1,173 455 718 61.21% 2,251 2004−2008 1,530 485 1,045 68.30% 3,152 2009−2013 2,096 559 1,537 73.30% 4,698 2014−2018 2,324 470 1,854 79.78% 5,623 1999−2018 7,123 1,969 5,154 72.36% 15,724 表 2 变量描述性统计
指标 最小值 最大值 均值 标准差 Acitation 0 136.930 4.831 7.160 CoAuthor 0 1 0.720 0.447 CoAffiliation 0 1 0.570 0.496 CoNation 0 1 0.250 0.434 JR 0 1 0.520 0.500 AR 0 1 0.420 0.494 JIF 1.745 4.891 3.482 0.926 表 3 变量相关性检验(Pearson)
变量 Acitation CoAuthor CoAffiliation CoNation JR AR JIF PY Acitation 1 CoAuthor 0.100*** 1 CoAffiliation 0.091*** 0.705*** 1 CoNation 0.036*** 0.331*** 0.482*** 1 JR 0.099*** 0.017 0.010 −0.079** 1 AR 0.100*** 0.089*** 0.103*** −0.200*** 0.325*** 1 JIF 0.177*** 0.088*** 0.066*** −0.014 0.553*** 0.307*** 1 PY −0.071*** 0.155*** 0.197*** 0.174*** −0.033*** −0.030*** −0.091*** 1 注:***表示在0.01水平上显著。 表 4 科研合作对论文质量影响的回归结果
变量 非标准系数 显著性 VIF 系数 标准误 Constant 205.079 30.785 0.000 CoAuthor 0.965 0.262 0.000 2.000 CoAffiliation 0.542 0.259 0.036 2.394 CoNation 0.389 0.229 0.089 1.432 JR −0.032 0.205 0.877 1.233 AR 0.634 0.189 0.001 1.140 JIF 1.164 0.111 0.000 1.057 PY −0.102 0.015 0.000 2.000 R2 0.046 F 58.293 0.000 表 5 作者合作模式对论文质量的方差分析
平方和 df 平均值
平方F 显著性 组之间 4,853.780 3 1,617.927 31.995 0.000 组内 359,999.892 7,119 50.569 总计 364,853.673 7,122 表 6 不同合作模式下论文质量差异的Scheffe检验
年均引用率 作者人数 平均差异 显著性 1(3.668) 2 −1.037 0.000 3 −1.944 0.000 4 −2.337 0.000 2(4.705) 1 1.037 0.000 3 −0.907 0.000 4 −1.300 0.002 3(5.613) 1 1.944 0.000 2 0.907 0.000 4 −0.393 0.692 4(6.010) 1 2.337 0.000 2 1.300 0.002 3 0.393 0.692 表 7 会计领域作者合作网络指标分析
指标 指标值 合作节点 6,067 群体数 524 最大网络规模 4,532 最大网络占比 74.7% 第二大网络规模 12 密度 0.0006 表 8 不同学科的作者合作网络指标
指标 会计 管理与组织# 旅游与酒店管理* 医学@ 物理@ 节点 6,067 10,176 1,520,251 52,909 主群体规模 4,532 4,625 1,376 1,395,693 44,337 主群体比例 74.7% 45.4% 59.3% 92.6% 85.4% 第二大群体 12 23 49 18 平均路径 7.03 7.20 4.60 4.00 聚类系数 0.67 0.68 0.75 0.07 0.73 注:#数据来自Acedo等(2006),*数据来自Ye等(2013),@数据来自Newman(2001)。 表 9 作者合作网络中排名前20的作者
引用率 论文数量 度中心性 中介中心性 Kothari SP 5,637 Parker LD 50 Dhaliwal DS 45 Humphrey C 0.059 Leuz C 4,531 Gendron Y 39 Francis JR 37 Lim CY 0.035 Francis JR 4,507 Tan HT 35 Humphrey C 35 Guthrie J 0.025 Rajgopal S 4,223 Evans S 31 Gendron Y 33 Gendron Y 0.023 Ball R 4,136 Rajgopal S 28 Tan HT 33 Francis JR 0.021 Barth ME 3,411 Francis JR 27 Rajgopal S 30 Dhaliwal DS 0.021 Larcker DF 3,314 Walker SP 26 Wright AM 29 Salterio SE 0.020 Healy PM 3,273 Dhaliwal DS 25 Trotman KT 29 Chen CX 0.019 Verrecchia RE 3,234 Scapens RW 25 Kothari SP 28 De VC 0.019 Lafond R 3,197 Lennox,cs 24 Raghunandan K 27 Lee J 0.018 Defond ML 3,040 Wright AM 24 Shevlin T 26 Wright AM 0.017 Leone AJ 2,904 Raghunandan K 23 Lobo GJ 26 Tan HT 0.016 Palepu KG 2,895 Humphrey C 22 Scapens RW 26 Knechel WR 0.016 Lys TZ 2,724 Trotman KT 22 Lapsley I 26 Kausar A 0.015 Lang MH 2,706 Modell S 22 Funnell W 25 Khalifa R 0.015 Wong TJ 2,677 Neu D 22 Weber JP 24 Merchant KA 0.015 Francis J 2,658 Bedard JC 22 Bedard JC 24 Lennox,cs 0.015 Graham JR 2,401 Guthrie J 21 Gul FA 24 Lobo GJ 0.014 Ge W 2,400 Defond ML 21 Barth ME 24 Campbell D 0.014 Ashbaughskaife H 2,392 Lapsley I 21 Kim JB 23 Roberts RW 0.014 前20均值 3,313 前20均值 26.5 前20均值 28.7 前20均值 0.021 网络均值 117.47 网络均值 1.14 网络均值 3.57 网络均值 0.0006 注:表中黑体字的作者表示至少在两个指标中出现。 表 10 核心作者合作网络与全部作者合作网络的指标对比
指标 会计领域 管理与组织领域# 前100 前200 全部作者 前100 前200 合作作者人数 92 182 6067 77 166 主群体比例 77.4% 82.4% 74.7% 41.0% 67.6% 群体数 6 5 524 36 44 聚类系数 0.50 0.39 0.67 0.167 0.245 网络密度 0.03 0.02 0.0006 0.015 0.0098 平均路径 4.98 4.72 7.03 注:#数据来自Acedo等(2006)。 -
[1] 陈子凤, 官建成. 2009. 合作网络的小世界性对创新绩效的影响. 中国管理科学 (3): 115−120. doi: 10.3321/j.issn:1003-207X.2009.03.016 [2] 樊春良. 2015. 关于国际科学合作过程与效益的案例研究—基于国家自然科学基金国际合作项目的案例. 中国科学基金 (2): 129−134. [3] 黄建雄, 卢晓梅. 2011. 高校教师队伍学缘结构的三重特征及其优化. 江苏高教 (5): 41−43. doi: 10.3969/j.issn.1003-8418.2011.05.013 [4] 李文聪. 2016. 国际科研合作的网络演变及其对科研产出的影响研究. 北京: 中国科学院大学. [5] 林聚任. 2009. 社会网络分析: 理论、方法与应用. 北京: 北京师范大学出版社. [6] Abbasi. A., J. Altmann, and L. Hossain. 2011. Identifying the effects of co-authorship networks on the performance of scholars: a correlation and regression analysis of performance measures and social network analysis measures. Journal of Informetrics 5(4): 594−607. doi: 10.1016/j.joi.2011.05.007 [7] Acedo, F. J., C. Barroso, C. Casanueva, and J. L. Galán. 2006. Co-authorship in management and organizational studies: an empirical and network analysis. Journal of Management Studies 43(5): 957−983. doi: 10.1111/j.1467-6486.2006.00625.x [8] Andrikopoulos, A., and K. Kostaris. 2017. Collaboration networks in accounting research. Journal of International Accounting, Auditing and Taxation 28: 1−9. doi: 10.1016/j.intaccaudtax.2016.12.001 [9] Bar-Ilan, J. 2008. Informetrics at the beginning of the 21st century−a review. Journal of Informetrics 2(1): 1−52. doi: 10.1016/j.joi.2007.11.001 [10] Barnett, A. H., R. W. Ault, and D. L. Kaserman. 1988. The rising incidence of co-authorship in economics: Further evidence. The Review of Economics and Statistics 70(3): 539−543. doi: 10.2307/1926798 [11] Beattie, V., and A. Goodacre. 2006. A new method for ranking academic journals in accounting and finance. Accounting and Business Research 36(2): 65−91. doi: 10.1080/00014788.2006.9730011 [12] Biagoli, M., and P. Galison. 2002. Scientific co-authorship: Credit and intellectual property in science. New York: Routledge. [13] Creswell, J. W. 2015. A concise introduction to mixed methods research. Sage, Thousand Oaks. [14] Cross, R., S. P. Borgatti, and A. Parker. 2002. Making invisible work visible: Using social network analysis to support strategic collaboration. California Management Review 44(2): 25−46. [15] Dellaportas, S., L. Xu., and Z. Yang. 2020. The level of cross-disciplinarity in cross-disciplinary accounting research: Analysis and suggestions for improvement. Critical Perspectives on Accounting 102275. [16] Edwards, J. R. 2008. To prosper, organizational psychology should… overcome methodological barriers to progress. Journal of Organizational Behavior 29(4): 469−491. [17] Endenich, C., and R. Trapp. 2016. Cooperation for publication? An analysis of co-authorship patterns in leading accounting journals. European Accounting Review 25(3): 613−633. doi: 10.1080/09638180.2015.1085886 [18] Englebrecht, T. D., S. A. Hanke, and Y. Kuang. 2008. An assessment of patterns of co-authorship for academic accountants within premier journals: Evidence from 1979–2004. Advances in Accounting 24(2): 172−181. doi: 10.1016/j.adiac.2008.08.009 [19] Figg, W. D., L. Dunn, D. J. Liewehr, S. M. Steinberg, P. W. Thurman, J. C. Barrett, and J. Birkinshaw. 2006. Scientific collaboration results in higher citation rates of published articles. Pharmacotherapy: The Journal of Human Pharmacology and Drug Therapy 26(6): 759−767. doi: 10.1592/phco.26.6.759 [20] Franceschet, M., and A. Costantini. 2010. The effect of scholar collaboration on impact and quality of academic papers. Journal of Informetrics 4(4): 540−553. doi: 10.1016/j.joi.2010.06.003 [21] Freeman, L. C. 1978. Centrality in social networks conceptual clarification. Social Networks 1(3): 215−239. doi: 10.1016/0378-8733(78)90021-7 [22] Gaunt, C. 2014. Accounting and finance: Authorship and citation trends. Accounting & Finance 54(2): 441−465. [23] Gingras, Y. 2010. The transformation of physics from 1900 to 1945. Physics in Perspective 12(3): 248−265. doi: 10.1007/s00016-010-0017-6 [24] Hara, N., P. Solomon, S. L. Kim, and D. H. Sonnenwald. 2003. An emerging view of scientific collaboration: Scientists’ perspectives on collaboration and factors that impact collaboration. Journal of the American Society for Information Science and Technology 54(10): 952−965. doi: 10.1002/asi.10291 [25] Haustein, S., D. Tunger, G. Heinrichs, and G. Baelz. 2011. Reasons for and developments in international scientific collaboration: Does an Asia-Pacific research area exist from a bibliometric point of view? Scientometrics 86(3): 727−746. doi: 10.1007/s11192-010-0295-4 [26] Heck, J. L., and W. G. Bremser. 1986. Six decades of the accounting review: a summary of author and institutional contributors. Accounting Review 61(4): 735-744. [27] Henriksen, D. 2016. The rise in co-authorship in the social sciences (1980-2013). Scientometrics 107(2): 455−476. doi: 10.1007/s11192-016-1849-x [28] Hu, X., O. Z. Li, and S. Pei. 2019. Of stars and galaxies−Co-authorship network and research. China Journal of Accounting Research 13(1): 1−30. [29] Hudson, J. 1996. Trends in multi-authored papers in economics. Journal of Economic Perspectives 10(3): 153−158. doi: 10.1257/jep.10.3.153 [30] Kılıç, M., A. Uyar, and M. A. Koseoglu. 2019. Co-authorship network analysis in the accounting discipline. Australian Accounting Review 29(1): 235−251. doi: 10.1111/auar.12271 [31] Laband, D. N., and R. D. Tollison. 2000. Intellectual collaboration. Journal of Political Economy 108(3): 632−662. doi: 10.1086/262132 [32] Larivière, V., Y. Gingras, C. R. Sugimoto, and A. Tsou. 2015. Team size matters: Collaboration and scientific impact since 1900. Journal of the Association for Information Science and Technology 66(7): 1323−1332. doi: 10.1002/asi.23266 [33] Lebeau, L., M. Laframboise, V. Larivière, and Y. Gingras. 2008. The effect of university-industry collaboration on the scientific impact of publications: the Canadian case, 1980-2005. Research Evaluation 17(3): 227−232. doi: 10.3152/095820208X331685 [34] Leff, D. R. 2005. Making an impact: the rise of the impact factor as a measure of journal quality. Journal of the American Dietetic Association 105(1): 29−30. doi: 10.1016/j.jada.2004.11.020 [35] Leimu, R., and J. Koricheva. 2005. Does scientific collaboration increase the impact of ecological articles? BioScience 55(5): 438−443. doi: 10.1641/0006-3568(2005)055[0438:DSCITI]2.0.CO;2 [36] Mairesse, J., and L. Turner. 2005. Measurement and explanation of the intensity of co-publication in scientific research: an analysis at the laboratory level. National Bureau of Economic Research Working Paper. [37] Mathieu, R., and B. J. McConomy. 2003. Productivity in “top-ten” academic accounting journals by researchers at Canadian universities. Canadian Accounting Perspectives 2(1): 43−76. doi: 10.1506/J5G6-2WXL-H8M1-YL92 [38] McDowell, J. M., and M. Melvin. 1983. The determinants of co-authorship: an analysis of the economics literature. The Review of Economics and Statistics 65(1): 155−160. doi: 10.2307/1924423 [39] McKim, C. A. 2017. The value of mixed methods research: a mixed methods study. Journal of Mixed Methods Research 11(2): 202−222. doi: 10.1177/1558689815607096 [40] Merigó, J. M., and J. B. Yang. 2017. A bibliometric analysis of operations research and management science. Omega 73: 37−48. doi: 10.1016/j.omega.2016.12.004 [41] Moody, J. 2004. The structure of a social science collaboration network: Disciplinary cohesion from 1963 to 1999. American Sociological Review 69(2): 213−238. doi: 10.1177/000312240406900204 [42] Nathan, S., D. R. Hermanson, and R. H. Hermanson. 1998. Co-authoring in refereed journals: Views of accounting faculty and department chairs. Issues in Accounting Education 13(1): 79−92. [43] Newman, M. E. J. 2001. Scientific collaboration networks. II. Shortest paths, weighted networks, and centrality. Physical Review 64: 016132, 1-7. [44] Porter, A. L., J. D. Roessner, A. S. Cohen, and M. Perreault. 2006. Inter-disciplinary research: Meaning, metrics and nurture. Research Evaluation 15(3): 187−195. doi: 10.3152/147154406781775841 [45] Reinstein, A., and T. G. Calderon. 2006. Examining accounting departments’ rankings of the quality of accounting journals. Critical Perspectives on Accounting 17(4): 457−490. doi: 10.1016/j.cpa.2004.09.002 [46] Schultz, J. J., J. A. Meade, I. Khurana. 1989. The changing role of teaching, research, and services in the promotion and tenure decisions for accounting faculty. Issues in Accounting Education 4(1): 109−119. [47] Smart, J., and A. Bayer. 1986. Author collaboration and impact: a note on citation rates of single and multiple authored articles. Scientometrics 10(5-6): 297−305. doi: 10.1007/BF02016776 [48] Swanson, E. P. 2004. Publishing in the majors: a comparison of accounting, finance, management, and marketing. Contemporary Accounting Research 21(1): 223−255. doi: 10.1506/RCKM-13FM-GK0E-3W50 [49] Valacich, J. S., M. A. Fuller, C. Schneider, and A. R. Dennis. 2006. Issues and opinions-publication opportunities in premier business outlets: How level is the playing field? Information Systems Research 17(2): 107−125. doi: 10.1287/isre.1060.0089 [50] Wagner, C. S., J. D. Roessner, K. Bobb, J. T. Klein, K. W. Boyack, J. Keyton, I. Rafols, and K. Börner. 2011. Approaches to understanding and measuring interdisciplinary scientific research (IDR): a review of the literature. Journal of Informetrics 5(1): 14−26. doi: 10.1016/j.joi.2010.06.004 [51] Watts, D. J., and S. H. Strogatz. 1998. Collective dynamics of ‘small-world’ networks. Nature 393(6684): 440−442. doi: 10.1038/30918 [52] Wuchty, S., B. F. Jones, and B. Uzzi. 2007. The increasing dominance of teams in production of knowledge. Science 316(5827): 1036−1039. doi: 10.1126/science.1136099 [53] Ye, Q., T. Li, and R. Law. 2013. A coauthorship network analysis of tourism and hospitality research collaboration. Journal of Hospitality & Tourism Research 37(1): 51−76. [54] Zuckerman, H. 1967. Nobel laureates in science: Patterns of productivity, collaboration, and authorship. American Sociological Review 32(3): 391−403. doi: 10.2307/2091086

下载:
