EN中文

经济地理 >

2024 , Vol. 44 >Issue 1: 107 - 117

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.01.011

产业经济与创新发展

上海大都市圈创新网络的演化特征及其对创新产出的影响——基于“蜂鸣—管道”视角

  • 王启轩 , 1 ,
  • 任婕 1 ,
  • 曹湛 , 1, 2, ※
展开
  • 1.同济大学 建筑与城市规划学院，中国 上海 200092
  • 2.自然资源部国土空间智能规划技术重点实验室，中国 上海 200092
※曹湛（1989—），男，博士，助理教授，研究方向为国土空间规划、城市网络和创新网络。E-mail：

王启轩（1994—），男，博士研究生，研究方向为国土空间规划、城市网络、开发区转型。E-mail：

收稿日期: 2023-07-04

  修回日期: 2023-11-17

  网络出版日期: 2024-06-03

基金资助

国家自然科学基金青年科学基金项目(52008298)

上海市科委软科学项目(23692116700)

国家自然科学基金面上项目(52378071)

国家留学基金委(CSC)

国家留学基金委(202206260214)

上海同济城市规划设计研究院有限公司暨长三角城市群智能规划协同创新中心科研课题(KY-2023-YB-B03)

收起

Evolution of Innovation Networks in Shanghai Metropolitan Region and Their Impact on Innovation Output：From the Perspective of “Buzz-Pipeline”

  • WANG Qixuan , 1 ,
  • REN Jie 1 ,
  • CAO Zhan , 1, 2, ※
Expand
  • 1. College of Architecture and Urban Planning，Tongji University，Shanghai 200092，China
  • 2. Key Laboratory of Spatial Intelligent Planning Technology，Ministry of Natural Resources of the People's Republic of China，Shanghai 200092，China

Received date: 2023-07-04

  Revised date: 2023-11-17

  Online published: 2024-06-03

Fold

摘要

创新网络的建构与完善对推动区域创新发展具有重要意义。文章采用2010—2019年专利合作数据，以上海大都市圈为对象，借鉴“蜂鸣—管道”模型，构建区县单元间与区县单元内的创新网络，并分析蜂鸣与管道对都市圈内创新产出不均衡的异质性影响。结果表明：①上海大都市圈的创新网络呈现出本地蜂鸣与区域管道相互交织的格局；根据蜂鸣与管道的组合特征，不同区县可分为“网络型”“外向型”“孤岛型”和“内向型”4类。②蜂鸣与管道总体上会促进区县单元的创新产出，但过于紧密的蜂鸣和管道则与区县单元创新产出间存在倒“U”型关系。③中国的都市圈创新发展要综合考虑不同创新合作模式对创新产出的差异化影响，充分发挥本地与区域创新网络的正外部性，并避免过强蜂鸣与管道带来的负外部性。

关键词： 创新网络; “蜂鸣—管道”模型; 演化特征; 专利合作; 上海大都市圈

本文引用格式

王启轩 , 任婕 , 曹湛 . 上海大都市圈创新网络的演化特征及其对创新产出的影响——基于“蜂鸣—管道”视角[J]. 经济地理, 2024 , 44(1) : 107 -117 . DOI: 10.15957/j.cnki.jjdl.2024.01.011

Abstract

Innovation networks play vital roles in driving regional innovation development. Based on the patent cooperation data in 2010-2019 and taking Shanghai metropolitan region as the research area, this paper uses the buzz-and-pipeline model to construct the innovation cooperation networks at the county level,and analyzes the heterogenous effects of buzz-pipeline on the uneven innovation output of the region. The study reveals that: 1) The innovation networks in the Shanghai metropolitan region have evolved into a tightly intertwined structure combining local buzz and regional pipelines. The districts within the region can be classified into four categories based on the different combinations of buzz and pipelines: network type,outward type,island type and inward type. 2) The presen1ce of both buzz and pipelines in the innovation networks positively contributes to innovation output at the district level. However,an inverted "U" shaped relationship between the connectivity of buzz-pipeline and the innovation output is observed. 3) The innovation development of China's metropolitan areas should comprehensively consider the differentiated impact of different innovation cooperation models on innovation output;it should take full advantage of the positive externalities of local and regional innovation networks and avoid the negative externalities of over-strong buzz and pipeline.

Key words： innovation network; buzz-and-pipeline model; evolutionary characteristics; patent cooperation; Shanghai metropolitan region

21世纪以来，我国针对区域协调发展出台了一系列重大国家战略。党的二十大报告明确指出，要以城市群、都市圈为依托构建大中小城市协调发展格局[1]。近年来，多个城市群、都市圈的发展规划获得国务院批复并开始实施，城市群和都市圈逐渐成为我国促进国家创新转型、推动区域一体化的重要空间载体[2-3]。2019年国家发改委印发的《关于培育发展现代化都市圈的指导意见》（发改规划〔2019〕328号）明确指出，都市圈是城市群内部以超大特大城市或辐射带动功能强的大城市为中心、以1 h通勤圈为基本范围的城镇化空间形态。而在知识经济时代，都市圈作为区域中同城化程度最高、经济社会联系紧密的功能地域，发挥着配置国家创新要素、链接全球创新网络的关键作用。都市圈内的各类生产要素在中心城市与腹地城市间的功能协同与互动组织，推动了区域内垂直分工与水平分工的形成，知识、技术、人才等创新资源亦得以在都市圈内实现集聚与扩散。在这一过程中，都市圈内的创新要素不仅在城市本地集聚共振，而且在城市之间流动交换，在本地与区域层面均呈现出互动融合的创新网络格局[4-5]。
国内外学者已从不同视角探讨了区域创新网络的空间结构[6-8]、邻近性机理[9-10]、影响因素[11-12]等内容，并取得了丰富的研究成果。但是，既有创新网络文献多聚焦于宏观或微观的单一尺度的研究。其中，宏观层面一般将城市作为网络节点，微观层面则大多将大学、公司等创新主体作为网络节点，多尺度综合的创新网络实证研究还相对较少。Bathelt等人提出的“本地蜂鸣—全球管道”（Buzz-and-pipelines Dynamic）模型（下文简称“蜂鸣—管道”模型），为理解创新网络多尺度演化格局及其影响作用提供了重要参考[13]。在国家大力推动科技创新和建设创新型都市圈的背景下，在都市圈层面建立和完善创新网络并形成促进地区创新发展的良性机制，对于支撑都市圈高质量发展具有重要意义。本研究以中国专利数据为基础，基于对“蜂鸣—管道”模型的解析与演绎[13-14]，构建上海大都市区多尺度创新合作网络，分析2010—2014和2015—2019年2个时段内上海大都市圈创新网络中蜂鸣和管道的演化特征，并通过计量模型考察创新网络的本地蜂鸣与区域管道对区县创新产出的影响。

1 研究假设与框架

1.1 研究假设

近年来，城市与区域研究者愈发关注创新网络演化及其对地区发展的外部性影响[15-16]。从微观尺度来看，创新网络依赖于各类主体的“面对面”互动和支撑这种网络过程的本地创新环境[17-18]，以促进缄默知识的生产或交换。从宏观尺度来看，全球分工深化、交通与信息科技革命使得符码知识能够通过创新网络进行交换与传播，为本地带来新知识和新技术。Bathelt等提出的“蜂鸣—管道”模型融合了不同尺度的创新议题，强调地方知识生产与创新需要本地网络和跨域网络的协同作用[13-14]。在该模型中，邻近地理空间内或相似制度语境下的创新主体，通过面对面互动交流、传播缄默知识所形成的合作关系被定义为蜂鸣（Buzz）；位于不同区域或在不同制度语境的创新主体，通过跨地域互动、传播符码知识所形成的合作关系被定义为管道（Pipeline），这两类创新合作模式以不同机制共同促进地区创新。受制于数据精度等问题，既有创新网络演化及外部性文献多在国家[19-20]、城市群[21-22]等宏观尺度，以城市为节点开展分析。相比较而言，采用更精细的空间单元构建和分析多尺度创新网络的研究仍较少；同时既有借鉴“蜂鸣—管道”模型的实证研究中，“蜂鸣”的测度和构建仍较少触及城市内部的创新网络。考虑到技术溢出效应往往会在城市内部街区尺度更加显著[23]，因此有必要进一步采用城市乃至区县内部的创新合作数据表征本地蜂鸣，以此才能更加符合“蜂鸣—管道”概念原型的假设。
近年来，许多城市都在积极建设科创平台、共享研发设施、培育创新主体、降低创新成本，以促进本地创新企业和产业集群的发展[24]；同时也从地理邻近性、组织邻近性、制度邻近性等维度，为本地创新网络即“蜂鸣”的形成和发展提供有利条件[25]。本地创新网络对地方创新产出具有重要作用，强大的本地创新网络，不仅可以促进创新主体间的集聚交流，提升本地企业的创新绩效，还有助于促进对外创新联系的形成[26]；此外，本地创新网络还是吸收转化外部知识的重要基础，若没有密集的本地联系，从外部区域所获取知识的价值很可能会被忽视，并随着时间推移而消失[27]。然而，本地创新网络过于紧密可能会引起负面效应[28]，即陷入过度专业化导致的技术锁定困境（the problem of lock-in）。据此提出假设1。
假设1：大都市圈内，基于专利合作创新网络的“蜂鸣”对地区创新产出有显著影响。
假设1a：本地蜂鸣对地方创新产出有显著推动作用。
假设1b：过于紧密的本地蜂鸣，可能会对地方创新产出产生抑制作用。
城市还需要外部创新资源（包括市场信息、外部知识等）来刺激本地创新系统适时进行自我调整与更新[13]。都市圈融合发展和城际科技产业合作为信息、知识与技术的跨地域交互提供了条件，加速了区域创新活动的协同。相比于本地创新网络，长距离的创新合作，即“管道”更加正式化、结构化和规范化，能为本地创新主体带来新知识和新技术，从而推动本地的知识产出。同时，跨域网络也会从地理邻近性等维度影响地区内企业的创新绩效[29]，需要关注区域中的局部网络以及特定嵌入形式的重要性[30]，因此有必要对不同尺度的区域“管道”进行更加精细化的测度。此外，亦有研究指出过强的管道可能会带来过大的知识势差而削弱本地网络的灵活性与自组织性，进而抑制本地创新[31]。据此提出假设2。
假设2：大都市圈内，基于专利合作创新网络的“管道”会对地区创新产出有显著影响。
假设2a：区域管道对地方创新产出有显著推动作用，且同城、城际尺度区域管道的推动作用存在差异。
假设2b：过强的区域管道，可能会对地方创新产出存在抑制作用，且同城、城际尺度区域管道的抑制作用存在差异。

1.2 分析框架

本文以区县边界为区分蜂鸣和管道的依据，以乡镇单元为网络节点，基于专利合作数据，构建上海大都市圈的创新网络。借鉴“蜂鸣—管道”模型，利用同一区县内乡镇（街道）单元间的专利合作网络来表征“蜂鸣”，利用不同区县之间乡镇（街道）的专利合作网络来表征“管道”，进而解析蜂鸣和管道的空间结构演化特征，并考察其对上海大都市圈范围内各区县创新产出的影响。研究的基本分析对象选择区县，主要原因如下：①我国的区县在国土空间、产业发展等方面具有一定行政治理自主权，在区域协调发展中存在较为激烈的竞争关系；②以城市为研究节点在都市圈层面会有尺度过大、样本量偏少等问题，诸多都市圈研究亦将区县作为其分析对象。本研究在分析蜂鸣、管道的空间结构演化特征时，均采用联系强度和连通性2个方面的指标反映创新网络的规模层级和拓扑结构特征；在进一步探究创新合作网络对本地创新产出的影响时，考虑到创新联系强度与创新产出数量方面存在内生性问题，则以连通性这一网络结构指标表征蜂鸣和管道。此外，本文按照地级及以上城市边界将管道细分为同一城市内部管道和跨城市管道，考察不同尺度管道对地区创新发展影响的差异。

2 研究数据与方法

2.1 研究区域与数据选取

2018年，长三角一体化上升为重大国家战略，作为长三角的核心地域，上海大都市圈的规划建设工作在近年来进展迅速。2022年9月，由上海市人民政府、江苏省人民政府、浙江省人民政府联合编制的《上海大都市圈空间协同规划》正式发布，提出上海大都市圈9个城市“共塑全球领先的创新共同体”的目标。上海大都市圈规划范围包含上海、苏州、无锡、常州、南通、宁波、嘉兴、舟山和湖州9个城市共72个区县（截至2019年），陆域面积5.6万km2，2021年常住人口7741万人。上海大都市圈的经济体量在已批复的都市圈中位列第1，是我国经济活力和创新动能最强劲的区域之一。
专利是衡量一个地区技术创新水平的重要指标，基于创新主体间专利合作数据的创新网络研究近年来有了较快的发展[32-33]。以专利之星网站为数据源，抓取2000—2019年上海大都市圈各城市的专利申请数据；基于百度地图API，利用Python程序对专利地址进行地理编码，并落点至GIS平台。观察2000—2019年上海大都市圈内不同空间尺度专利合作的占比关系（图1），可以发现：①2010年以来，上海大都市圈内的合作专利数量均有了显著增长，而且同城市和同区县内的合作专利数量占比分别超过了80%和50%。同时，考虑到一方面我国于“十一五”期间提出了“建设创新型国家”的要求，并于党的十八大报告中正式决定实施创新驱动发展战略，另一方面虽然近年来专利合作数量增长较快，但专利审核流程较长、专利数据库中最近2年的数据还有待更新，因此本文的研究时段选择了2010—2019年。②考虑到创新合作对地区创新产出的影响存在一定的“时间滞后效应”，且不同年份内创新主体间的合作数量存在波动，本文采用5年窗口来消除干扰。构建创新网络时，选取2010—2014和2015—2019年2个连续5年时段内的合作专利数据，最终用于网络构建的合作专利数量共计80655条，节点间的专利合作总数据为5年内的加总值。
图1 2000—2019年上海大都市圈内不同行政单元间专利合作比例变化

Fig.1 The proportion of patent cooperation between different administrative units in Shanghai metropolitan region from 2000 to 2019

2.2 研究指标与方法

2.2.1 “蜂鸣”与“管道”的测度

结合前文定义，以上海大都市圈规划范围内的72个区县（包括市辖区、县、县级市）为边界，提取出同一区县内乡镇（街道）单元间的专利合作网络用于表征“蜂鸣”，不同区县之间的专利合作网络用于表征“管道”（图2）。蜂鸣和管道的强度采用专利合作网络中的联系数量表征，连通性则采用专利合作网络中节点最短路径的倒数之和表征，具体公式如下：
B u z z _ s c a l e i = ∑ j ≠ k ∈ i n b P j k
B u z z _ e f f i c i e n c y i = ∑ j ≠ k ∈ i n b 1 d j k n b n b - 1
P i p e l i n e _ s c a l e i = ∑ m = 1 , m ≠ i n p P i m
P i p e l i n e _ e f f i c i e n c y i = ∑ m = 1 , m ≠ i n p 1 d i m n p
式中： B u z z _ s c a l e i表示区县i的蜂鸣强度； P j k表示区县i内部的乡镇j和乡镇k间的合作专利数量； B u z z _ e f f i c i e n c y i表示区县i的蜂鸣连通性； d j k表示区县i内乡镇j和乡镇k之间的最短路径长度； n b表示区县i内乡镇节点的数量； P i p e l i n e _ s c a l e i表示区县i的管道强度； P i m表示区县i和区县m之间的合作专利数量； P i p e l i n e _ e f f i c i e n c y i表示区县i的管道连通性； d i m表示区县i和区县m之间的最短路径长度； n p表示与区县i位于同一城市或不同城市的区县节点数量。在此基础上，进一步将区县间“管道”分为“同城管道”和“城际管道”两部分，测度“同城管道”和“城际管道”需要分别满足区县i与m属于和不属于同一城市。以图2为例，同城市中的区县联系A-D、D-E属于同城管道，连接不同城市的B-G、E-J则属于城际管道，各区县的同城和城际管道指标亦是由区县在对应创新网络中的联系强度和连通性所表征。
图2 蜂鸣和管道的示意图

Fig.2 The model of the measurements of buzz and pipeline

2.2.2 创新网络外部性对地区创新产出的影响

考虑到采用的被解释变量——各区县的专利申请总量（不仅包括合作专利，还包括更多独立的、本地内部的其他专利申请量）为计数变量，且其方差远大于均值，因此选择负二项式回归模型，探讨蜂鸣和管道对地区创新产出的影响。具体公式如下：
D I S P A T E N T i t = μ 0 + μ 1 B U Z Z i t + μ 2 B U Z Z i t 2 + μ 3 P I P E i t + μ 4 P I P E i t 2 + μ 5 X i t + D u m m y c i t y + D u m m y t + ε
式中：DISPATENTit代表区县i在t时段内的创新产出，用2010—2014和2015—2019年2个时段内的区县专利申请总量表征；BUZZit代表蜂鸣效应，以区县内专利合作创新网络的连通性作为变量；PIPEit代表管道效应，以区县间专利合作创新网络的连通性作为变量，分为同城和城际两个层面，其回归结果用于验证假设1a和假设2a，即蜂鸣和管道是否对地区创新产出有推动作用；而蜂鸣与管道的平方项 B U Z Z i t 2和 P I P E i t 2则用于验证假设1b和假设2b，即过强的蜂鸣和管道是否会对创新产出有抑制作用；Xit为区县层面的控制变量，选择各区县人口总量、人均GDP、财政支出均值以及是否属于中心城区4个变量，分别代表各研究单元的人口规模、发展水平、政府投入和制度差异4方面的情况。同时，因模型涉及2个时段的截面数据估计，引入时间固定效应变量Dummyt；为控制不同城市间未观测到的异质性因素，引入城市固定效应变量Dummycity。此外，对数据进行标准化处理，人口、财政取自然对数。所有变量均通过了VIF多元共线性检验，最大VIF为4.50，平均VIF为2.78，说明核心解释变量和控制变量不存在明显的多元共线性问题。

3 专利合作创新网络演化特征

3.1 蜂鸣的演化特征

图3为上海大都市圈中各区县蜂鸣强度与连通性示意图。从蜂鸣强度来看，2010—2014、2015—2019年2个时段内上海浦东新区均具有极高的首位度，蜂鸣强度分别达到2624和4263；而相比之下，2个时段内排名前列的上海闵行区、宝山区及苏州姑苏区、吴江区的蜂鸣强度均在600以内，都市圈边缘的个别区县的蜂鸣强度甚至为0。从蜂鸣连通性来看，上海、无锡、常州等城市内的区县一直处于前列，例如，2个时段内蜂鸣连通性前10位中上海的区县均占据6席。
图3 上海大都市圈蜂鸣强度与连通性示意图

Fig.3 The intensity and connectivity of buzz in Shanghai metropolitan region

3.2 管道的演化特征

3.2.1 同城管道的演化

图4和图5分别为上海大都市圈中各区县同城管道的强度与连通性，以及同城管道创新网络演化示意图。从同城管道强度来看，2010—2014和2015—2019年同城管道强度排名前3的区县均为浦东新区、闵行区、徐汇区，在浦东新区这一核心节点带动下，上海市各区县的同城管道强度高且联系紧密。从同城管道连通性来看，属于同一城市的各区县的同城管道连通性差异较小，事实上，2015—2019年大部分城市内区县间已经形成全连通的创新网络。上海市浦东新区、常州市新北区、苏州市常熟市以及虎丘区等在各市内部的创新网络中持续承担着枢纽职能，高新区布局是这一地理现象的重要原因，上述区县分别是张江等国家高新区的核心园区所在地，大量的科技企业集聚和辐射使其成为带动本市创新发展的引擎。
图4 上海大都市圈同城管道强度与连通性示意图

Fig.4 The intensity and connectivity of inner-city pipeline in Shanghai metropolitan region

图5 上海大都市圈同城管道创新网络演化图

Fig.5 Innovation network evolution of inner-city pipeline in Shanghai metropolitan region

3.2.2 城际管道的演化

图6和图7分别为上海大都市圈区中各区县城际管道的强度与连通性，以及跨城管道创新网络演化示意图。从城际管道强度来看，2010—2014和2015—2019年浦东新区、闵行区、徐汇区等区县均位居前5，而凭借紧邻上海的区位优势，苏州、南通与嘉兴等城市所辖区县的城际管道强度则取得了巨大增长，如苏州姑苏区、吴江区处于第二、三位。从管道连通性来看，大部分区县的跨城管道连通性不似强度一般有巨大差异，体现了上海大都市圈创新合作的日趋完善，其专利合作创新网络亦逐步扁平化。在空间格局上，随着网络结构的演变，浦东新区等区县在都市圈内的区域辐射能力愈发凸显；与此同时，地理空间上并不邻近的“浦东新区—吴江区”“徐汇区—武进区”等区县却有着相当高的联系强度，说明布局于这些区县内的创新主体已形成相对显著的区域管道效应，亦可能因为企业间科技合作“固化”，如合作集中于总部与分支机构内而存在一定“封闭性”。
图6 上海大都市圈城际管道强度与连通性示意图

Fig.6 The intensity and connectivity of inter-city pipeline in Shanghai metropolitan region

图7 上海大都市圈城际管道创新网络演化图

Fig.7 Innovation network evolution of inter-city pipeline in Shanghai metropolitan region

3.3 创新合作模式分类探析

分别绘制2010—2014和2015—2019年2个时段各区县本地蜂鸣和区域管道的强度和连通性散点图，以平均值为基准，可将上海大都市圈内的区县分为4类（图8、图9）：①强度与连通性内外皆强的“网络型”区县有浦东新区、闵行区、徐汇区等，这类区县是链接区域和本地创新网络的枢纽，创新资源集聚、对外合作较多，例如浦东新区有张江科学城，是上海建设综合性国家科学中心的核心承载地。②内强外弱的“内向型”区县，创新联系强度角度如宜兴市等，创新网络连通性角度如锡山区、定海区等，这类区县一般有着较多的创新要素集聚，如宜兴市正在着力打造“太湖湾科创带”，但缺少与大都市圈内其他区县的大规模创新合作。③外强内弱的“外向型”区县如金山区、长宁区等，这类区县一般受到其他区县创新合作的辐射带动，但内部空间暂未形成完善的创新网络。④内外皆弱的“孤岛型”区县如舟山、湖州的诸多区县，属于大都市圈创新网络的边缘，其本地创新网络亦有待发育。此外，从2010—2014到2015—2019年，部分区县蜂鸣与管道强度、连通性实现了相对增长，从强度指标来看，姑苏区、常熟市等从外向型变为了网络型；从连通性指标来看，青浦区等均从外向型变为了网络型，吴中区等则从孤岛型直接升级为网络型，表明上述区县近10年来在科技创新与合作领域快速发展，逐步成为区县层面的区域创新链接者。
图8 上海大都市圈各区县蜂鸣与管道的强度散点图

Fig.8 Scatter plot of intensity of buzzer and pipeline in Shanghai metropolitan region

图9 上海大都市圈各区县蜂鸣与管道的连通性散点图

Fig.9 Scatter plot of connectivity between buzzer and pipeline in Shanghai metropolitan region

4 专利合作创新网络对本地创新产出的影响

4.1 总体分析

探究专利合作创新网络对本地创新产出的影响，上文已指出创新联系强度指标存在内生性问题，回归模型中采用不同空间尺度的连通性以表征创新网络的蜂鸣与管道。表1为负二项式回归的结果，模型1的结果表明假设1a与假设2a成立，即：蜂鸣和管道，对地区创新产出均存在显著的正向推动作用。其中，可以发现都市圈中本地蜂鸣（0.858）与城际管道（2.281）对地区创新产出有着更显著的推动效果，而同城管道的影响并不显著。这与上海大都市圈创新要素高度市场化配置，实现了知识、技术、信息等的高效流动有关，也是其在创新领域一体化水平较为良好的重要佐证。此外，将核心解释变量的平方项纳入回归模型，进一步考察蜂鸣与管道与创新产出间潜在的负向效应。可发现模型2与模型4变量平方项的系数显著，模型3变量平方项的系数不显著，表明假设1b和假设2b成立，即：过于紧密的“蜂鸣”和“管道”，会对地方创新产出存在一定的抑制作用。模型2中蜂鸣连通性平方项的系数显著为负（-2.076），说明本地创新合作的连通性与创新产出存在倒“U”型关系。虽然本地合作在初期能显著促进创新产出，但若本地蜂鸣过密，容易对地方创新产出的进一步提升产生阻碍作用。模型4中城际管道连通性平方项的系数显著为负（-6.364），反映了城际创新合作连通性与地方创新产出也存在倒“U”型关系。虽然融入区域创新网络有助于地方创新主体接受新的知识与信息，但过度嵌入也可能出现区域虹吸效应，逐渐使得本地创新生态受到区域内大型企业、科研机构的干扰。
表1 负二项回归结果

Tab.1 Results of negative binomial regression

项目 模型1 模型2 模型3 模型4
蜂鸣连通性 0.858（0.304）*** 2.773（0.587）***
蜂鸣连通性2 -2.076（0.770）***
同城管道连通性 0.558（0.392） -1.313（2.472）
同城管道连通性2 1.524（1.588）
城际管道连通性 2.281（0.713）*** 12.846（3.420）***
城际管道连通性2 -6.364（2.373）***
人均GDP 0.006（0.007） 0.011（0.008） 0.018（0.009）* 0.008（0.007）
人口 0.1889（0.1111）** 0.452（0.114）*** 0.540（0.126）*** 0.305（0.305）**
财政支出 0.449（0.106）*** 0.401（0.114）*** 0.485（0.130）*** 0.413（0.111）***
是否市辖区 0.458（0.109）*** 0.504（0.099）*** 0.594（0.123）*** 0.537（0.094）***
Peseudo R2 0.0800 0.0778 0.0674 0.0784
alpha 0.1380 0.1448 0.1803 0.1428
AIC 3000.66 3005.97 3039.20 3003.84
Log pseudolikelihood -1482.33 -1485.99 -1502.60 -1484.92
是否控制时间 是 是 是 是
是否控制城市 是 是 是 是
观测值 144 144 144 144

注：***表示p < 0.01，**表示p < 0.05，*表示p < 0.10。表2、表3同。

4.2 内生性检验与异质性分析

使用工具变量法进一步检验模型中潜在的内生性。分别选择同一区县内乡镇间的欧氏距离、不同区县间的欧氏距离作为蜂鸣和管道的工具变量。许多研究已经证实，地理距离与创新合作网络的形成以及连通性强弱紧密相关：地理距离越大，合作网络形成越困难，连通性也越弱；但地理距离与区县的创新产出并无直接关系，满足作为工具变量的先决条件。为了使回归结果更加易读，对地理距离取倒数，并做对数标准化，值越大，表明地理邻近性越高。采用TSLS模型进行工具变量回归，并进行了弱识别检验。从表2可知，回归结果中F统计量分别达到了10.730和8.271，CDW检验均超过10，且纳入工具变量后两阶段估计结果均是显著的，说明通过了工具变量检验，即解释变量“蜂鸣”与“管道”的连通性与被解释变量创新产出之间不存在显著内生性，说明前文中的回归分析结果是稳健的。
表2 针对蜂鸣和管道的工具变量检验结果

Tab.2 Results of instrumental variable test on different buzz and pipeline

检验项目 蜂鸣IV 管道IV
第一阶段 工具变量含义 区县内乡镇间的距离 区县间的距离
工具变量回归系数 -0.080（0.025）*** 13.252（4.644）***
最小特征值统计量 10.186 7.264
调整R2 0.6299 0.6220
第二阶段 核心解释变量回归系数 7.360（1.989）*** 13.418（4.187）***
R2 0.8081 0.5559
F统计量 10.730 8.271
弱识别检验
Cragg-Donald Wald F statistic 10.19 10.97
Stock-Yogo weak ID
test critical values		 10% maximal IV size 16.38 16.38
15% maximal IV size 8.96 8.96
是否有控制变量 是 是
是否控制城市 是 是
总体层面的分析已发现，过强的本地蜂鸣和城际管道可能对地区创新产出产生负向效应。为了确定当前上海大都市圈内部区县是否已经在创新网络建构进程中形成过强的蜂鸣或者管道，进而引发了对创新产出的潜在负向影响，本文选择本地蜂鸣和城际管道连通性数值前25%、50%的区县进行分组线性回归。对于2015—2019年上海大都市圈各区县来说（表3）：模型1中蜂鸣连通性排名前25%的区县中，蜂鸣的增加对于地区创新产出已经出现一定程度的负向效应（系数为-0.570，p值为0.201）。模型2中蜂鸣连通性排名前50%的区县则未发现负向效应。而模型3与模型4中城际管道排名靠前的区县，管道的增加暂未对本地创新产出有负向效应。结合前文中上海大都市圈区县专利合作创新网络的空间演化特征来看，近期应该重点关注本地蜂鸣较高，尤其是蜂鸣与管道相对不均衡的“内向型”区县，促进其在上海大都市圈内开展城际创新合作，避免过度聚焦于本地创新可能引发的技术锁定问题。对于城际管道较高的“外向型”区县，虽然目前尚未普遍达到对创新产出有负向作用的阶段，但也应该主动引导本地创新主体间的信息、知识和技术交流，尤其是处于大都市圈边缘的中小“外向型”区县，其创新型企业容易被区域中心城市、本市中心城区虹吸，因此可能造成本地创新要素的流失，阻碍地方创新产出的提升。
表3 针对部分高蜂鸣、高管道区县的分组回归结果

Tab.3 Regression results based on different buzz and pipeline

项目 模型1 模型2 模型3 模型4
分组标准 蜂鸣前25%的区县 蜂鸣前50%的区县 城际管道前25%的区县 城际管道前50%的区县
连通性的系数 -0.570（0.446） 1.408（0.379）*** 4.263（1.316）*** 4.648（0.790）***
是否有控制变量 是 是 是 是
是否控制城市 是 是 是 是
Peseudo R2 0.110 0.067 0.069 0.067
观测值 18 36 18 36

5 结论与探讨

5.1 结论

基于“蜂鸣—管道”模型，采用2010—2019年的专利合作数据，构建区县单元内、外部的创新合作网络，以表征本地蜂鸣和区域管道两种创新合作关系，研究上海大都市圈的创新网络演化特征，进而探究区域创新网络中蜂鸣、管道对城市创新产出的推动作用及其差异。主要结论如下：
①2010—2019年上海大都市圈的本地蜂鸣和区域管道2种创新合作模式的联系强度、网络连通程度均显著增强，在空间上呈现出以上海浦东新区、闵行区等为中心节点，以其他城市核心区县为次级节点，本地蜂鸣与区域管道紧密交织的格局。②基于上海大都市圈创新网络中各区县蜂鸣与管道指标的相对关系，可将其划分为“网络型”“外向型”“内向型”“孤岛型”4类。其中网络型区县是大都市圈内、外部创新合作的链接者，对本地和区域创新发展均发挥着关键引领作用。③通过负二项回归模型考察上海大都市圈的蜂鸣与管道对地方创新产出的推动作用，发现创新网络的内外部连通性，对地区创新产出均有着显著的正向推动作用。其中，创新合作中本地蜂鸣与城际管道还与地方创新产出存在倒“U”型关系，过于紧密的本地和城际创新合作不利于创新产出进一步提升；进一步通过分组回归分析发现，当前部分本地蜂鸣较强的区县已经面临这一困境，亟须通过完善城际创新合作使蜂鸣与管道协同推动本地区的创新发展。

5.2 讨论

都市圈是当前中国促进创新转型、推动区域一体化的典型空间载体[34]。本文研究结论可为都市圈及其创新网络的高质量发展提供如下对策建议：①在本地创新环境营造方面，一方面各区县应该主动吸引创新活力较强的大学、研究院等科研机构，促进形成本地集聚效应和知识溢出；另一方面都市圈层面要鼓励企业间、企业内开展横向、纵向合作，培育多元化、市场化的城市内部创新网络。②在区域创新联系建构方面，都市圈建设提供了交通紧密联系、产业就近组织的空间和平台，应借助都市圈规划契机推进跨域创新合作网络的完善，实现产业链、价值链和创新链的跨市界、省界融合，进而使得区域中形成稳固规范、具备韧性的创新网络。③ 研究亦发现过于紧密的蜂鸣和管道可能带来负外部性，都市圈一体化过程中，应该探索创新领域的内外部合作模式互补，创新政策制定时做到本地与跨域合作并重，破除刚性行政边界对创新要素市场化配置带来的负面影响。
综上，本研究拓展了“蜂鸣—管道”模型的应用尺度与方法，即在大都市圈空间尺度下细化了不同层级的创新网络建构，将城市、区县内部的创新合作纳入分析框架之中，并从创新网络的蜂鸣、管道2个层面，对创新网络对影响地区创新产出的推动效应进行分析。不过，本研究也还存在一些不足，如上海大都市圈的规划范围界定存在一定政策考量，且我国不同地区的都市圈之间发展阶段不同。因此，上海大都市圈仅是中国发达地区都市圈的代表案例，与其他地区都市圈的对比研究还有待展开。此外，本文采用的专利数据主要为我国三大类型专利的申请量总和，未来研究中可对不同技术领域的专利进行分类探讨。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
习近平. 高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗[N]. 人民日报,2022-10-26(1).

[2]
方创琳. 新发展格局下的中国城市群与都市圈建设[J]. 经济地理, 2021, 41(4):1-7.

DOI

[3]
张京祥, 胡航军. 新发展环境下的都市圈发展、规划与治理创新[J]. 经济地理, 2023, 43(1):17-25.

DOI

[4]
司月芳, 曾刚, 曹贤忠, 等. 基于全球—地方视角的创新网络研究进展[J]. 地理科学进展, 2016, 35(5):600-609.

DOI

[5]
戴靓, 刘承良, 王嵩, 等. 长三角城市科研合作的邻近性与自组织性[J]. 地理研究, 2022, 41(9):2499-2515.

DOI

[6]
周灿, 曾刚, 王丰龙, 等. 中国电子信息产业创新网络与创新绩效研究[J]. 地理科学, 2017, 37(5):661-671.

DOI

[7]
鲜果, 曾刚, 曹贤忠. 中国城市间创新网络结构及其邻近性机理[J]. 世界地理研究, 2018, 27(5):136-146.

[8]
Dai L, Derudder B, Cao Z, et al. Examining the evolving structures of intercity knowledge networks:The case of scientific collaboration in China[J]. International Journal of Urban Sciences, 2022:1-19.

[9]
刘承良, 桂钦昌, 段德忠, 等. 全球科研论文合作网络的结构异质性及其邻近性机理[J]. 地理学报, 2017, 72(4):737-752.

DOI

[10]
孙宇, 彭树远. 长三角城市创新网络凝聚子群发育机制研究——基于多值ERGM[J]. 经济地理, 2021, 41(9):22-30.

DOI

[11]
席强敏, 李国平, 孙瑜康, 等. 京津冀科技合作网络的演变特征及影响因素[J]. 地理学报, 2022, 77(6):1359-1373.

DOI

[12]
焦美琪, 杜德斌, 桂钦昌, 等. “一带一路”视角下城市技术合作网络演化特征与影响因素研究[J]. 地理研究, 2021, 40(4):913-927.

DOI

[13]
Bathelt H, Malmberg A, Maskell P. Clusters and knowledge:Local buzz,global pipelines and the process of knowledge creation[J]. Progress in Human Geography, 2004, 28(1):31-56.

DOI

[14]
Bathelt H. Buzz-and-pipeline dynamics:Towards a knowledge-based multiplier model of clusters[J]. Geography Compass, 2007, 1(6):1282-1298.

DOI

[15]
Meeteren M V, Neal Z, Derudder B. Disentangling agglomeration and network externalities:A conceptual typology[J]. Papers in Regional Science, 2016, 95(1):61-80.

DOI

[16]
姚常成, 吴康. 集聚外部性、网络外部性与城市创新发展[J]. 地理研究, 2022, 41(9):2330-2349.

DOI

[17]
Bathelt H, Henn S. Knowledge exchanges,trust,and secretive geographies in merger and acquisition processes[J]. Environment and Planning A:Economy and Space, 2021, 53(6):1435-1453.

DOI

[18]
Shi S, Wong S K, Zheng C. Network capital and urban development:An inter-urban capital flow network analysis[J]. Regional Studies, 2022, 56(3):406-419.

DOI

[19]
周锐波, 邱奕锋, 胡耀宗. 中国城市创新网络演化特征及多维邻近性机制[J]. 经济地理, 2021, 41(5):1-10.

DOI

[20]
戴靓, 曹湛, 马海涛, 等. 中国城市知识合作网络结构演化的影响机制[J]. 地理学报, 2023, 78(2):334-350.

DOI

[21]
徐宜青, 曾刚, 王秋玉. 长三角城市群协同创新网络格局发展演变及优化策略[J]. 经济地理, 2018, 38(11):133-140.

DOI

[22]
马海涛, 徐楦钫, 江凯乐. 中国城市群技术知识多中心性演化特征及创新效应[J]. 地理学报, 2023, 78(2):273-292.

DOI

[23]
Larsson J P. The neighborhood or the region?Reassessing the density-wage relationship using geocoded data[J]. The Annals of Regional Science, 2014, 52(2):367-384.

DOI

[24]
Gordon I R, Mccann P. Industrial clusters:Complexes,agglomeration and/or social networks?[J]. Urban Studies, 2000, 37(3):513-532.

DOI

[25]
Wolfe D, Bramwell A. Innovation,creativity and governance 8 years on:Social dynamics of economic performance in city-regions[J]. Innovation, 2016, 18(4):462-467.

DOI

[26]
Boschma R A, Ter Wal A L J. Knowledge Networks and Innovative Performance in an Industrial District:The case of a footwear district in the south of Italy[J]. Industry and Innovation, 2007, 14(2):177-199.

DOI

[27]
Cao Z, Derudder B, Dai L, et al. ‘Buzz-and-pipeline’ dynamics in Chinese science:The impact of interurban collaboration linkages on cities’ innovation capacity[J]. Regional Studies, 2022, 56(2):290-306.

DOI

[28]
Boschma R. Proximity and innovation:A Critical[J]. Regional Studies, 2005, 39(1):61-74.

DOI

[29]
Broekel T, Boschma R. Knowledge networks in the Dutch aviation industry:The proximity paradox[J]. Journal of Economic Geography, 2011, 12(2):409-433.

DOI

[30]
Gertler M S, Levitte Y M. Local nodes in global networks:The geography of knowledge flows in biotechnology innovation[J]. Industry and Innovation, 2005, 12(4):487-507.

DOI

[31]
曹湛, 戴靓, 杨宇, 等. 基于“蜂鸣—管道”模型的中国城市知识合作模式及其对知识产出的影响[J]. 地理学报, 2022, 77(4):960-975.

DOI

[32]
Wang E C. R&D efficiency and economic performance:A cross-country analysis using the stochastic frontier approach[J]. Journal of Policy Modeling, 2007, 29(2):345-360.

DOI

[33]
周灿, 曾刚, 宓泽锋. 中国城市群技术知识单中心与多中心探究[J]. 地理研究, 2019, 38(2):235-246.

DOI

[34]
樊杰. 我国“十四五”时期高质量发展的国土空间治理与区域经济布局[J]. 中国科学院院刊, 2020, 35(7):796-805.

Options
文章导航

/

〈 〉