EN中文

经济地理 >

2021 , Vol. 41 >Issue 5: 1 - 10

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.05.001

区域经济与理论方法

中国城市创新网络演化特征及多维邻近性机制

  • 周锐波 , 1, 2 ,
  • 邱奕锋 1 ,
  • 胡耀宗 1
展开
  • 1.华南理工大学 经济与金融学院，中国广东 广州 510006
  • 2.广州国家创新型城市发展研究中心，中国广东 广州 510006

周锐波（1979—），男，广东潮州人，博士，副教授，研究方向为区域经济和城市创新发展。E-mail：

收稿日期: 2020-10-17

  修回日期: 2021-04-24

  网络出版日期: 2025-04-17

基金资助

国家社会科学基金项目(19BJY064)

教育部人文社会科学研究规划基金项目(18YJA790120)

收起

Characteristics，Evolution and Mechanism of Inter-city Innovation Network in China：From a Perspective of Multi-dimensional Proximity

  • ZHOU Ruibo , 1, 2 ,
  • QIU Yifeng 1 ,
  • HU Yaozong 1
Expand
  • 1. School of Economics and Finance，South China University of Technology，Guangzhou 510006，Guangdong，China
  • 2. Guangzhou National Innovation City Development Research Center，Guangzhou 510006，Guangdong，China

Received date: 2020-10-17

  Revised date: 2021-04-24

  Online published: 2025-04-17

Fold

摘要

以我国295个地级及以上城市为研究对象，利用城市间联合申请发明专利作为截面数据，采用社会网络分析法构建城市创新网络，总结其结构演化特征，并用负二项式重力模型，从邻近性视角探讨其演化机制。结果表明：①我国城市创新网络快速发展，网络生长呈现择优、邻近连接态势，中心城市和城市群的技术合作是主要网络形式，网络结构呈现“骨干网+区域网+专业网”三网镶嵌局面。②网络连接主要依托中心城市，这些城市彼此紧密合作，构成整体网络的骨干网；网络生长主要围绕中心城市联络周边城市和技术关联城市，促成城市群创新网络（区域网）和专业技术创新网络（专业网）。③城市间技术合作受城市自身创新能力深刻影响外，地理邻近、技术邻近和制度邻近都有显著促进作用，表明多维邻近性分析框架对我国城市创新网络结构演化具有较强解释力。

关键词： 城市创新网络; 演化; 多维邻近性; 中心城市; 城市群; 专业技术创新网络; 创新发展

本文引用格式

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: 10.15957/j.cnki.jjdl.2021.05.001

Abstract

This paper takes 295 cities at prefecture-level and above in China as research objects,uses the cross-section data of joint applications for invention patent between cities,and social network analysis to construct China's inter-city innovation network,summarizes its structure and evolution characteristics,and uses the negative binomial gravity model to discuss its evolution mechanism from a perspective of multi-dimensional proximity. The results show that: 1) China's inter-city cooperative innovation network is developing rapidly,and forming a synthetic structure with "skeleton network & regional network & radiation network". 2) Network structural evolution mainly relies on central cities. These cities cooperate with each other strongly and weave continuously to be a backbone of the entire innovation network. They actively contact with surrounding cities and technology-related cities to promote regional innovation network and technology innovation network. 3) In addition to the influence of innovation capability of cities,geographic proximity,technological proximity and institutional proximity all play a significant role in promoting inter-city technology cooperation and network growth. From the perspective of multi-dimensional proximity,the structural characteristics and evolution mechanism of the network are well explained.

Key words： inter-city innovation network; evolution; multi-dimensional proximity; central city; urban agglomeration; professional technology innovation network; innovation and development

国家“十四五”规划提出“坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑”。可见，创新是引领发展的第一动力，是构建新发展格局的重要支撑。我国社会经济发展空间结构正发生深刻变化，习近平总书记指出“中心城市和城市群正成为承载发展要素的主要空间形态”。城市作为经济联系和协同创新的重要载体，城市创新网络的研究具有十分重要的理论意义和现实价值。如何发挥各地区、各城市比较优势，促进创新资源、高端要素合理流动和有效集聚，加快构建区域创新系统和城市创新网络，是推进形成优势互补高质量发展的创新发展格局、建设创新型国家迫切需要回答的问题[1]。
知识经济时代，创新是推动社会经济发展的核心动力。随着全球化深化发展和产业链细化分解，创新资源在组织、地域和产业间的流动越来越频繁，知识交流和技术合作越来越紧密，“地方空间”向“流动空间”“网络空间”转变[2]。区域协同创新研究可溯源至19世纪末Marshall的产业区（Industrial District）理论，强调产业集聚所带来的外部经济和知识共享作用[3]。1980年代，第三意大利等新兴经济增长区域引起学界对地方中小企业合作网络和协同创新的关注，引发了产业集群（Industrial Cluster）和区域创新系统（RIS）等研究热潮[4-5]。相关研究被统称为“新区域主义”（New Regionalism），认为生产活动的地理邻近性、本地网络和面对面交流等，是产业集群不断创新发展并保持竞争优势的关键要素。新世纪以来，全球化浪潮下科技创新日新月异，知识流动日益频繁，创新合作日趋紧密，全球生产网络（Global Production Network，GPN）理论强调跨界生产组织、技术创新网络等外部冲击更为重要[6]。Bathelt等则认为地方化或全球化的视角都过于片面，地方创新优势源于隐性知识和显性知识在不同空间尺度中交融转化，从而构建知识流动的“全球通道—地方蜂鸣”（Global Pipeline-Local Buzz）模型，强调知识全球流动和地方粘着要有良好的互动[7]。法国邻近动力学派认为，地理因素并不是创新合作的充分必要条件，单一的地理关系无法解释组织间交互学习与合作创新的机制[8]。Boschma为代表的演化经济地理学者从关系视角提出了多维邻近性的研究框架，包括认知邻近、组织邻近、社会邻近、制度邻近和地理邻近五个维度[9]。
创新网络是一种应对系统性创新而形成的制度安排，以企业、中介服务机构、大学科研院所和地方政府等主体间的合作创新关系为基本连接机制，并在交互作用过程中不断自我强化，形成更加稳定的组织形式[10]。在开放合作、协同创新趋势下，网络分析方法和多维邻近性视角被广泛应用到合作创新研究中，研究对象聚焦在产业内或集群内的创新主体间，或国家、区域和城市等不同空间主体间[11]。其中，城市作为创新活动的主要载体，以城市为主体的创新网络研究越来越受到重视，城市创新网络成为我国演化经济地理学、创新地理学等学科的研究热点。城市间的科技交流合作是城市创新网络的基本要素，但由于科技合作涉及大量隐性知识的传递与扩散，难以直接测量，因此学者通常使用技术交易[12-13]、联合申请专利[14]、合作发表论文[15]、集群创新绩效[16]、国际贸易与外商R＆D投入[17]等数据，衡量跨区域的知识转移或技术合作。其中，联合申请发明专利因信息公开、具有较高技术含量和应用价值而广被使用。相关研究运用社会网络分析方法（SNA）对创新网络特征和拓扑关系、空间格局和网络结构演化进行分析[18]，利用空间计量模型或重力模型回归方程，对城市创新能力及空间溢出效应、合作创新的影响因素、网络生长动力和演化机理等进行深入探讨[19]。关于网络生长动力机制的研究，学者们普遍认为地理因素不是影响区域间合作创新的单一因素，需要引入多维邻近性分析视角，才能更加全面客观地探讨区域间创新合作的动力机制[9,20]。结论大都认为地理因素的重要性在下降，认知、组织、制度和文化等邻近性因素越来越重要[21-22]。然而，目前研究还存在如下不足：①受限于创新合作数据大量采集、处理的困难，许多研究只在某一时间断面对创新网络结构特征或形成机制进行研究，很少对网络的动态演化过程与生长机制进行深入探讨。②多维邻近性的机制研究中，对空间邻近、技术邻近和制度邻近等指标计算过于简单或有所偏颇，难以反映关系要素对创新合作的真实影响。
综上，城市创新网络研究对于揭示我国城市创新空间格局和结构特征，城市创新发展动力和演化机制，推进我国创新型城市建设具有十分重要的理论意义和现实价值。因此，本文以城市为研究对象，基于联合申请发明专利2000、2005、2010、2015、2018五个年份的截面数据，采用社会网络分析方法、负二项式重力模型动态研究我国城市创新网络演化特征和动力机制。

1 数据来源与研究方法

1.1 数据来源

专利是研发产出的主要体现形式，是衡量创新能力的最重要指标。联合申请专利是组织间知识共享、交流合作取得的共有成果，反映了共同申请人间的创新合作关系，被广泛用于创新网络的构建。其中，发明专利代表原创技术研发成果，技术含量和商业转化价值相对较高。因此，本文采用联合申请发明专利数据衡量城市间技术合作水平，构建城市创新网络。数据源自INCOPAT专利数据库，处理步骤如下：①从数据库中导出申请人大于等于2个的联合申请发明专利；②剔除申请人含有个人（因个人申请人难以匹配到对应城市）、港澳台及其他国家（不在研究范围）的联合申请专利；③申请人三个及以上的，采用两两交叉的方式记成多条专利合作；④借助天眼查软件和人工查找等方法，将申请人地址匹配到所在城市；⑤统计城市间联合申请专利数量并建立无向加权矩阵，构建中国城市创新网络。数据从2000年开始选取，每5年一个节点，为提高时效性，增加2018年为最近年份（国内专利申请到公布一般需要18个月），最终构建了2000、2005、2010、2015和2018年5个年份的中国城市创新网络。

1.2 社会网络分析方法

本文参考相关研究，采用社会网络分析方法，运用个体网络、整体网络和网络匹配性三个层面指标，对我国城市创新网络的城市节点拓扑关系、整体网络结构特征和复杂网络演化特征等进行研究，指标选取和含义见表1[23-24]。
表1 网络指标选取及其含义

Tab.1 Network indexes and their symbolization

层面 指标 计算式 指标解释
个体网络指标 度中心性 A D i = ∑ j = 1 n l i j n 衡量节点在网络中的联系广度。 A D i指节点i直接连接的节点数占所有节点之比； l i j当节点i与j直接相连时为1，否则为0；n为网络节点数（下同）
特征向量中心性 E C i = a - 1 ∑ j A i j E C j 衡量节点其邻居的重要程度。 E C i指节点所连接其它节点的重要系数之和；A为网络的邻接矩阵，若城市i与城市j相连，则 A i j = 1，否则为0；a为矩阵A的特征向量最大值，对所有节点i，先设其特征向量中心性初始值 E C i = 1，迭代收敛后得到每个节点特征向量中心性 E C i
整体网络指标 网络密度 N D = 2 l n n - 1 衡量网络中节点间合作的紧密程度； N D指网络中实际存在边数与理论最大边数之比；l为网络边数
平均路径 L = 2 n n - 1 ∑ d i j 衡量网络可达性和节点间的平均距离；L指网络中两节点之间距离的平均值； d i j为城市i与j在网络中的最短距离
平均效率 E = 1 n n - 1 ∑ 1 d i j 衡量网络的联系效率。E指网络中两节点间最短距离的倒数平均值； d i j为城市i与j在网络中的最短距离
平均聚类系数 C = 1 n ∑ C i = 1 n ∑ 2 E i k i k i - 1 衡量网络中部分节点的集聚情况，描述是否存在局域网现象。C指整体网络的节点聚集程度； C i指节点i所有邻居节点之间实际存在边数与理论最大边数之比； k i为节点i邻居节点数目； E i为节点i与邻居节点形成的局域网中实际存在边数
网络匹配性指标 度度相关性 k n n k = 1 N k ∑ i , k i = k k n n , i k n n , i = 1 k ∑ k j 分析网络中节点对于合作对象的特征。度度相关性为正，网络连接具有同配性，倾向于与自身同类型节点连接，反之具有异配性。 k n n ( k )指度数为k的节点的邻居节点平均度； N k为度数为k的节点； k n n , i为城市节点i的邻居节点平均度； k j为城市i的邻居节点j的度数

1.3 负二项式重力模型分析方法

重力模型被广泛应用于区域间创新合作研究[25-26]。为考虑更多关系要素对区域间合作的作用机制，Scherngell T等人提出了基于重力模型的负二项式回归方法[27]。本文参考相关研究[28]，引入该方法探讨多维邻近性对城市间技术合作的作用机制，模型设定如下：
C o i i j = α + α 1 i n o i + α 2 i n o j + ∑ k = 1 3 β k P i j k + ε i j
式中： α为常数项； ε i j为随机误差项； C o i i j为城市i与城市j当年联合申请的发明专利数，代表两个城市在网络中的联系强度，也是被解释变量； i n o i、 i n o j为城市i和城市j当年作为第一申请人的发明专利申请数，代表城市的创新规模或能力， α 1和 α 2为对应的估计参数； P i j为多维邻近性衡量指标， β为对应的估计参数。

1.4 多维邻近性变量选择

法国邻近动力学派提出多维邻近性概念后[29]，Boschma构建了制度邻近性、地理邻近性、社会邻近性、认知邻近性和组织邻近性这五个维度的分类方法和分析框架[9]。由于研究对象或空间尺度的不同，关于邻近性的概念、分类和影响机制，学界还存在较多争议。相比微观企业主体，城市尺度的技术合作更多受到地理邻近性、制度邻近性以及技术邻近性的影响。地理邻近性指物理空间距离，是影响城市间交流频率与沟通成本的重要因素，常被认为是客观且重要的影响因素。制度邻近性指宏观层面上的普适关系，包括法律制度和政策规则。城市是我国重要的行政管理单元，其创新活动的制度环境与城市等级密切相关，因此本文将制度邻近性纳入分析框架。技术邻近性指技术环境和知识基础的相似性。城市间技术合作需要建立在相关产业或关联技术、通用知识基础之上。综上，本文选取地理、技术和制度三个邻近性维度进行演化机制研究。
地理邻近性 G e o i j指城市间在地理空间上的远近程度，是最传统、最基础的邻近性概念。地理空间邻近有利于创新主体间的产业互动、人员交往、信息交流和沟通合作，提高技术合作的概率和效率。随着交通设施和信息技术的发展，地理邻近的重要性有所削弱，但隐性知识的转移和思想火花的碰撞仍高度依赖于面对面交流，地理邻近性依然是重要的影响因素之一。地理邻近性的衡量方式有很多，最简单的方法是用邻接虚拟变量（0，1）来表示，但这不能反映城市间的地理邻近性程度；也可用球面距离衡量[30]，但受地理交通条件影响，也不能完全反映克服空间障碍的交通联系成本。本文利用python爬虫技术，爬取城市间的最短公路距离 d i j来衡量城市间的地理邻近性。
G e o i j = 1 - l n d i j m a x d i j
式中： d i j为城市i与城市j之间的公路距离。
技术邻近性 T e c i j指城市间的知识基础或技术结构的相似性或关联度。创新主体在识别、搜寻外部知识并进行创新合作过程中，需要合作双方拥有共同或相似的知识基础，才有可能进行技术交流和沟通合作，产生新的观念和方法。技术邻近性可用两个城市间的相同主导产业个数[31]，也可使用工业或产业结构相似系数来衡量[28]，但都难以全面反映城市技术知识基础的相似水平或关联程度。本文根据国际专利分类法（IPC八大类），采用Jaffe技术距离公式，计算城市间发明专利的结构相似性，衡量城市间的技术邻近性[32]。
T e c i j = ∑ m = 1 8 P A T i m P A T j m ∑ m = 1 8 P A T i m 2 ∑ m = 1 8 P A T j m 2
式中： P A T i m、 P A T j m分别为城市i和城市j当年第m个IPC大类的发明专利申请量。
制度邻近性 I n s i j指城市间正式、非正式创新规则的相似性。按照科斯理论，制度邻近性本质上应归结为制度设计上的相似性或便利性，达到降低知识交流和合作创新交易成本的作用。一般而言，只要有一方拥有便利的政策环境或优惠的政策支持，就能减少双方合作的不确定性并降低交易成本，促进城市间的创新合作[33]。制度邻近性可用市场化相似水平或地方保护程度等指标[28]，也可使用合作主体属性结构测量[22]，但都难以反映我国科技创新的国家体制特征。考虑到我国政府在科技创新中的组织作用和举国体制的优势特点，城市创新政策具有典型的行政等级分层特征，行政级别高的城市创新环境更优、创新激励更多、创新政策更优惠。因此，本文采用优势城市行政等级简化测度城市间的制度邻近性。
I n s i j = 3 城 市 i 和 城 市 j 都 是 副 省 级 及 以 上 城 市 1 城 市 i 和 城 市 j 仅 一 者 是 副 省 级 及 以 上 城 市 0 城 市 i 和 城 市 j 都 是 其 他 地 级 市

2 中国城市创新网络的演化及结构特征

2.1 中国城市创新网络的演化特征

2000年以来，我国城市创新网络快速扩展，合作联系不断加深，网络化程度不断提高。节点连接具有异配性，网络生长呈现“择优连接、强者愈强”的特征，中心节点城市网络地位提升较快。网络结构极度分异，存在向某些枢纽节点集中的趋势，出现“中心—外围”结构，由“单中心放射”向“多中心网络化”转变。中心城市和城市群正在成为承载技术合作的主要空间形式，也是城市创新网络的重要支撑。

2.1.1 整体网络不断扩展、合作联系不断深化

2000—2018年，我国城市创新网络呈现快速扩展态势，网络规模即城市节点数量从2000年84个增加到2018年295个（表2），基本覆盖所有地级及以上城市。创新合作联系不断加深，城市间联合申请发明专利数从2000年427条增加到2018年74 681条，增长近174倍。网络密度随着网络规模的扩大不降反升，从2000年0.038提高至2018年0.078，增长一倍多。这说明创新网络快速扩展的同时，城市间的创新合作不断加强、联系强度不断提高。同时，网络通达性不断优化，2000—2018年平均路径从2.75降低到2.02，平均效率从0.38上升到0.52，城市间技术合作越来越便捷。可见，我国城市创新网络整体范围与规模不断扩大，联系强度和密度不断提高，网络效率和通达性不断优化。
表2 中国城市创新网络拓扑结构指标表

Tab.2 Indicators of topological structure of intercity cooperative innovation network in China

年份 2000 2005 2010 2015 2018
网络规模 84 147 240 290 295
连接条数 427 1 781 9 196 48 401 74 681
网络密度 0.038 0.033 0.039 0.056 0.078
平均路径 2.75 2.64 2.39 2.08 2.02
平均效率 0.38 0.40 0.45 0.51 0.52
度度相关性 -0.34 -0.33 -0.30 -0.31 -0.31
平均聚类系数 0.29 0.28 0.49 0.63 0.63
度中心性基尼系数 0.54 0.61 0.61 0.60 0.56
特征向量中心性基尼系数 0.48 0.52 0.52 0.50 0.48

2.1.2 网络生长择优连接、城市节点等级分化

我国城市创新网络生长具有明显的择优连接性，中心城市枢纽地位不断增强。2000—2018年网络的度度相关性始终为负，表明节点在网络连接中具有异配性，倾向于与自身不同类型的节点相连。与此同时，各年份度中心性和特征向量中心性的基尼系数始终处于中高水平，说明节点城市的网络地位和连接对象（邻居节点）重要程度的差异一直存在，反映出节点城市存在分等、分层情况，整体网络表现为“正金字塔”的层级结构和“多中心网络化”的联系特征（图1）。网络中度数小、创新能力弱的城市积极寻求与度数大、创新能力高的城市合作，这强化了中心城市的网络地位，使得网络生长主要围绕中心节点展开。“择优连接”使得“强者愈强”，中心城市不断得到强化，网络枢纽地位持续提升。2000—2018年，度中心性前10位的节点城市较为稳定（表3），主要是北京、上海、广州、深圳、南京、武汉、杭州、天津、西安等国内创新能力较强的一二线城市。这些中心城市的网络地位提升也较快，如北京的度中心性从2000年的0.49增长到2018年的0.89，上海从0.25增长到0.55等。
图1 中国城市创新网络结构演化图(2000、2005、2010、2015、2018)

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号GS（2019）1823号）绘制。

Fig.1 Structural evolution of intercity cooperative innovation network in China (2000, 2005, 2010, 2015, 2018)

表3 中国城市创新网络度中心性前十城市

Tab.3 Top 10 cities of degree centrality in inter-city cooperative innovation network in China

2000 2005 2010 2015 2018
城市 数值 城市 数值 城市 数值 城市 数值 城市 数值
北京 0.49 北京 0.48 北京 0.65 北京 0.89 北京 0.89
上海 0.25 上海 0.40 上海 0.39 上海 0.45 上海 0.55
南京 0.17 深圳 0.19 广州 0.31 武汉 0.39 武汉 0.50
深圳 0.13 杭州 0.18 南京 0.25 南京 0.38 南京 0.47
广州 0.12 西安 0.14 武汉 0.24 西安 0.34 成都 0.42
沈阳 0.10 武汉 0.13 西安 0.23 天津 0.32 西安 0.41
成都 0.10 天津 0.12 天津 0.22 广州 0.32 广州 0.41
杭州 0.10 南京 0.12 深圳 0.21 成都 0.32 深圳 0.40
武汉 0.08 广州 0.12 成都 0.20 深圳 0.31 天津 0.39
长沙 0.08 成都 0.11 杭州 0.18 杭州 0.27 杭州 0.35

2.1.3 网络生长邻近连接、城市节点分类聚集

我国城市创新网络生长还具有邻近连接性，城市节点由于某些关系要素出现分类聚集，网络结构呈现空间分异。2000—2018年，网络平均聚类系数从0.29提高到0.63，表明存在部分城市节点间紧密合作、形成聚集，网络内部出现“局域网”现象。网络生长过程中，节点城市一般会优先选择具有某些相同特征（空间邻近、技术邻近或制度邻近等）、便于联系的城市进行合作，从而在某一区域形成具有地域特色的区域创新网络，或在某一关联产业中形成具有产业特色的技术创新网络。中心节点城市的特征向量中心性数值普遍下降，尤以北京、上海等中心城市下降最为明显（表4），说明中心节点城市合作对象（邻居节点）的重要性普遍下降，间接验证了局域网现象的存在。究其原因，一是中心节点城市数量增加、网络地位提高，彼此紧密连接，网络出现多中心和“骨干网”，相对拉低了核心城市的特征向量中心性；二是围绕不同的中心节点城市，网络形成多极化的局域网，降低了中心城市合作对象的相对重要性。
表4 中国城市创新网络特征向量中心性前十城市

Tab.4 Top 10 cities of eigenvector centrality in inter-city cooperative innovation network in China

2000 2005 2010 2015 2018
城市 数值 城市 数值 城市 数值 城市 数值 城市 数值
北京 0.54 北京 0.40 北京 0.34 北京 0.27 北京 0.23
上海 0.33 上海 0.38 上海 0.27 上海 0.21 上海 0.20
深圳 0.25 深圳 0.26 广州 0.22 南京 0.19 武汉 0.18
杭州 0.21 杭州 0.24 南京 0.21 武汉 0.19 南京 0.18
成都 0.20 西安 0.20 深圳 0.20 西安 0.18 深圳 0.16
南京 0.20 天津 0.18 西安 0.19 天津 0.17 西安 0.16
青岛 0.18 武汉 0.16 天津 0.18 深圳 0.17 成都 0.16
武汉 0.17 兰州 0.16 武汉 0.18 成都 0.17 广州 0.16
长沙 0.16 南京 0.15 杭州 0.17 广州 0.17 天津 0.16
广州 0.16 青岛 0.15 成都 0.16 杭州 0.17 杭州 0.16

2.2 中国城市创新网络的结构特征

综上，我国城市创新网络演化具有明显的等级化、层级化和聚集化等趋势。为进一步研究网络结构特征，本文根据节点城市的加权度，用自然断裂法将其划分为四个等级，绘制不同年份的层级结构图。图中节点大小与加权度成正比，线条粗细与联系强度成正比，节点越接近核心则处于越中心位置（图2）。由图2可见，我国城市创新网络规模不断扩大，创新联系不断增强，总体呈现“中心—边缘”、金字塔式的层级结构，形成“骨干网+区域网+专业网”三子网镶嵌的网络结构（图3）[34]。北京一直处于网络的核心枢纽；第二、三层中心节点城市数量不断增加，功能提升较快，网络化程度和提升速度也最高；第四层一般节点城市数量趋于稳定，功能提升、网络化提升则相对较慢。
图2 中国城市创新网络层级结构图(2000、2005、2010、2015、2018)

Fig.2 Hierarchical structure of intercity cooperative innovation network in China (2000, 2005, 2010, 2015, 2018)

图3 中国城市创新网络结构示意图

Fig.3 Structure of intercity cooperative innovation network in China

2.2.1 核心层骨干网

中心城市和城市群正在成为我国城市创新网络的重要节点和主要支撑。以北京为核心，上海、天津、广州、深圳、成都、杭州等多个中心城市作为重要节点，以“京津冀—长三角—珠三角”三大城市群为三极，共同构成我国城市创新网络的骨干网（图1）。这些中心节点城市自身创新能力强，彼此之间紧密合作，不断编织成网，是我国城市创新网络的骨架和最重要组成部分。这些城市大多是直辖市、省会或副省级城市，是国家重点布局的创新型城市，一般享有特殊的政策环境和体制优势，强大的研发资源和创新势能使其容易跨越地理边界、克服空间障碍进行技术合作。它们还扮演中介城市作用，广泛联系其他一般节点城市，进行创新辐射并自我强化，发挥了重要的技术扩散和中介桥梁作用。其中，北京一直是我国最重要的网络枢纽，处于最核心位置，承担了超过一半的最短路径关键节点作用，发挥着重要的中介功能与创新引擎功能。

2.2.2 支持层区域网和专业网

在城市群或某些产业门类中，围绕中心节点城市，城市间依托地理邻近或产业关联等比较优势，促进了要素合理流动和科技创新合作。创新网络中形成局部紧密联系、具有空间地域性或产业关联性的支持层区域网，形成了城市群区域创新网络或某些特色产业的专业技术网络。例如，在珠三角地区，依托电子信息、机械装备等产业基础，围绕广州、深圳两大中心城市，紧密环绕有佛山、东莞、惠州、珠海等多个节点城市，形成一个内部紧密合作、产业技术特色鲜明的城市群区域创新网络。支持层区域网在我国城市创新网络中发挥重要作用，一方面它内部形成密集、高效的城市群区域创新网络或特色产业的技术合作网络；另一方面对外还形成两个创新资源连接扇面：一是以中心节点城市为首接收骨干网的创新资源输入，二是对周边或边缘城市节点进行技术知识输出和辐射带动。

2.2.3 边缘层放射网

绝大多数一般城市节点创新合作能力较弱，位于第四圈层的边缘层，是整个城市创新网络的末梢。它们虽然节点数量众多，但技术合作对象稀疏、合作强度不高、网络化水平较低。这些节点城市由于本身创新资源和能力不足，并受产业结构、地理距离等方面的限制，很难与其他城市产生技术合作，处于被边缘化的地位。它们的技术合作一般有三个指向，一是择优连接，选择头部城市进行合作，如优先选择与北京、上海等枢纽城市进行技术合作；二是就近连接，与邻近中心城市进行技术合作，如广东省内粤东西北一般节点城市会优先选择与省会城市广州进行技术合作；三是专业连接，与具有相似产业或技术的城市进行技术合作。

3 城市创新网络的多维邻近性机制分析

3.1 数据检验与模型选择

本文基于重力模型、采用负二项回归分析方法，选取地理邻近、制度邻近、技术邻近等变量纳入分析模型，加入稳健型标准误保证模型的准确性，探讨多维邻近性对城市间技术合作的影响。数据检验方面，首先对变量进行多重共线性检验，得到的VIF最大值不超过2，不存在严重的共线性问题。模型拟合结果看，Alpha参数均显著不等于0，各年份中的大部分自变量均通过1%显著性水平检验，说明模型拟合度较好，具有较强的解释力。

3.2 实证研究结果

多年截面数据分别回归后的结果显示，我国城市间技术合作联系（联合申请发明专利量）与城市的创新能力（发明专利申请量），城市间的交通距离（地理邻近性）、技术相似性（技术邻近性）和城市等级（制度邻近性）显著正相关（除2005年技术邻近性外）。
①城市自身创新能力是影响城市间技术合作的基本因素。一个城市的发明专利申请量越多，与其他城市存在技术合作的可能性及合作量就越大，表明城市创新能力是技术合作的基础。城市间技术合作网络存在着显著的“择优连接、强者愈强”的网络生长态势，以及“强强联合、合作共赢”的网络结构特征。一般而言，城市间的技术合作必须以城市的创新资源或创新能力作为基础，才能进行沟通交流共享和技术合作创新。一个城市的创新资源越多、创新能力越强，就越有可能与其他城市进行技术合作。不断吸引、形成的技术合作，又将促进城市创新能力的提升，积累城市的创新资源和网络资本，巩固并提高其在创新网络中的中心地位和中介作用，从而形成良性的循环累积效应并实现“自我强化”。上述我国城市创新网络中，中心城市节点相对稳定、枢纽地位不断提高，以及中心城市骨干网的形成和发展，在此可得到佐证。
②城市间创新合作程度与两市间的地理邻近性、技术邻近性和制度邻近性显著相关。首先，地理邻近性对城市间的技术合作起正向促进作用。城市之间的最短公路距离越短，联合申请发明专利数量就越多，这与大多数研究发现相一致。地理邻近有利于提高技术合作的概率和效率，一方面降低技术合作的交通成本，另一方面也有利于人员往来，便于面对面交流，增加非正式交流的机会并促进隐性知识的传播。这很好地解释了我国城市创新网络中出现的城市群区域创新网络（区域网）现象。比如在珠三角、长三角等城市群，地理空间上邻近的城市，围绕上海、广州和深圳等中心城市，形成优势互补高质量发展的区域创新网络。其次，技术邻近在大部分年份也显著为正，说明技术邻近在城市技术合作和网络演化过程中同样起到重要作用。技术合作要求双方必须拥有共同或相似的知识基础或产业认知，才有可能进行专业技术交流和知识共享合作，产生新的观点和思想。当然，过度相似的知识结构或技术基础，也可能由于缺乏知识碰撞和新知识源，导致技术“锁定”等负面效应。可见，技术上的合作需求，边缘城市甚至可以突破自身能力和空间距离等障碍，远距离与具有产业技术相关城市进行合作。这较好地说明了我国城市创新网络中形成的另一种子网形态——专业技术创新网络。最后，制度邻近对城市间技术合作具有显著正向作用，意味着特殊的体制优势、相似的制度环境和优惠的创新政策，都有利于减少技术合作不确定性、消除隐性壁垒、提高激励作用，促进技术合作创新。这较好地解释了城市创新网络层级化、分异化特征，表明创新发展动力极化现象日益突出，技术创新向中心城市、城市群等优势发展地区集聚的趋势较为明显。
③上述三种邻近性从不同角度、多方位解释了我国城市技术合作和创新网络演化机制，说明了我国城市创新网络是多种邻近性机制共同作用的结果，表现为“择优连接”“邻近连接”“技术连接”等网络生长态势，以及层级化、区域化和专业化等网络结构特征。我国城市创新发展，必须按照协同创新发展规律，充分发挥各城市比较优势，促进各类创新资源要素合理流动和高效集聚，增强中心城市和城市群等创新发展优势区域的技术承载和扩散能力。每个城市必须弄清自身比较优势、技术特色和网络资本，找准自身定位和技术合作对象，选择好自身的创新发展道路。

4 结论与启示

本文利用我国城市间联合申请发明专利的截面数据，构建我国城市创新网络，并对其结构特征和演化过程进行分析研究，基于重力模型并导入多维邻近性的分析视角，用负二项回归分析方法研究我国城市创新网络的生长演化机制，主要结论与启示如下：
①2000年以来，我国城市创新网络快速发展，网络规模、节点数量、网络密度、联系强度等指标明显提高，网络连通效率、网络通达性不断提升。网络结构呈现层级化、区域化和专业化等特征。以北京为枢纽，一二线城市为重要节点，构成我国城市创新网络的骨干网，发挥了重要的技术创新引领作用和网络连通功能，是我国创新发展的中坚力量。以中心城市为核心，基于区域创新系统或产业生产体系，我国多个城市群形成具有地域特色或产业特色的局域创新网络，成为我国创新发展高地和重要支撑。但是，我国绝大多数城市的创新能力还相当落后，与其他城市的合作创新非常有限，位于城市创新网络的末梢。
②我国城市创新网络的演化，存在明显的“择优连接、强者愈强”等典型生长特征。城市间技术合作首先受城市自身创新能力的影响，还与城市间的空间、技术和制度等多维邻近性显著相关，这也是我国城市创新网络结构层级化、区域化和专业化的根本原因，并不断促成骨干网、区域网和专业网的形成和发展。中心城市利用自身创新资源的比较优势和创新网络中的优势地位，获得大部分的技术合作创新，不断积累网络资本并实现自我强化。它们还发挥着重要的网络中介作用和上下联结功能，成为两个创新扇面的连接中枢，一方面融入到骨干网接收其他中心城市的技术知识输入和融合转化，另一方面辐射区域网的一般城市进行技术知识的输出和扩散带动。
③我国城市创新网络的结构特征和演化机制表明，城市创新发展分化态势明显，创新动力极化现象突出，中心城市和城市群正在成为承载创新发展要素的主要空间形式，是促进科技合作创新的主要网络形式。我们必须按照科技创新发展规律，发挥各地区、各类城市比较优势，促进创新资源要素合理流动和高效聚集，构建优势互补高质量发展的城市创新网络，增强中心城市和城市群等创新发展优势地区的科技创新承载能力和辐射带动作用。首先，要充分利用我国科技创新的举国体制优势，组织引导创新资源等高端要素向优势区域和中心城市集中，形成以中心城市和城市群为主要依托的创新动力源，提升创新总体效能。其次，要充分利用中心城市的创新辐射带动作用，促成若干联系紧密、创新活跃的城市群区域创新系统或专业技术合作网络，形成若干高效协作的创新发展高地和技术创新系统。最后，一般城市应根据自身的创新资源、创新能力、技术特色和网络资本，找准技术合作对象，采取差异化的创新发展道路。
表5 负二项式回归分析结果

Tab.5 Results of the negative binomial regression

变量符号 2000 2005 2010 2015 2018
城市i的发明申请专总数 i n o i 0.0011***（0.000） 0.00034***（0.000） 0.00026***（0.000） 0.00012***（0.000） 0.000073***（0.000）
城市j的发明申请专总数 i n o j 0.00094*（0.055） 0.00049***（0.000） 0.00046***（0.000） 0.00016***（0.000） 0.000086***（0.000）
地理邻近性 G e o i j 0.92***（0.000） 0.95***（0.000） 0.32***（0.004） 1.15***（0.000） 0.99***（0.000）
技术邻近性 T e c i j 2.83***（0.001） 0.18（0.792） 2.23***（0.000） 2.11***（0.000） 2.18**（0.017）
制度邻近性 I n s i j 1.15***（0.000） 1.70***（0.000） 2.61***（0.000） 0.72***（0.000） 0.95***（0.000）
常数Cons -9.57***（0.000） -7.69***（0.000） -6.73***（0.000） -8.19***（0.000） -7.18***（0.000）
N 3 486 10 731 28 441 41 905 43 365
Alpha 6.07 6.22 14.13 15.07 13.20
prob>chi2 0.00 0.00 0.00 0.00 0.00
Log pseudolikelihood -586.57 -1 688.62 -6 125.61 -13 389.47 -19 182.94
R2 0.25 0.26 0.18 0.17 0.15

注：使用稳健标准误，*表示p<0.01，**表示p<0.05，***表示p<0.001。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
周锐波, 刘叶子, 杨卓文. 中国城市创新能力的时空演化及溢出效应[J]. 经济地理, 2019, 39(4):85-92.

[2]
Castells M. The rise of the network society[M]. Cambridge, MA:Wiley-Blackwell,1996.

[3]
Marshall A. Principles of economics[M]. London:Macmillan,1890.

[4]
Porter Michael. Competitive advantage of nations[J]. Competitive Intelligence Review, 1990, 1(1):14.

[5]
Cooke P. Regional innovation systems:Competitive regulation in new Europe[J]. Geoforum, 1992, 23(3):365-382.

[6]
Coe N M, Dicken P, Hess M. Global production networks:Realizing the potential[J]. Journal of Economic Geography, 2008, 8(3):271-295.

[7]
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.

[8]
Torre A, Gilly Jean-Pierre. On the analytical dimension of proximity dynamics[J]. Regional Studies, 2000, 34(34):169-180.

[9]
Boschma R. Proximity and innovation:A critical assessment[J]. Regional Studies, 2005, 39(1):61-74.

[10]
Freeman C. Networks of innovators:A synthesis of research issues[J]. Research Policy, 1991, 20(5):499-514.

[11]
Huggins R, Prokop D. Network structure and regional innovation:A study of university-industry ties[J]. Urban Studies, 2017, 54(4):931-952.

[12]
何喜军, 董艳波, 武玉英, 等. 基于ERGM的科技主体间专利技术交易机会实证研究[J]. 中国软科学, 2018(3):184-192.

[13]
Arvanitis S, Kubli U, Woerter M. Knowledge and technology transfer activities between firms and universities in Switzerland:An analysis based on firm data[J]. Industry & Innovation, 2011, 18(4):369-392.

[14]
Lissoni F. Academic inventors as brokers[J]. Research Policy, 2010, 39(7):843-857.

[15]
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

[16]
李琳, 杨田. 地理邻近和组织邻近对产业集群创新影响效应——基于对我国汽车产业集群的实证研究[J]. 中国软科学, 2011(9):133-143.

[17]
沈玉芳, 彭彩娥. 在华外商投资R&D中心建设与中国经济发展关系研究[J]. 世界地理研究, 2004(3):1-9.

[18]
高霞, 陈凯华. 合作创新网络结构演化特征的复杂网络分析[J]. 科研管理, 2015, 36(6):28-36.

[19]
高霞, 其格其, 曹洁琼. 产学研合作创新网络开放度对企业创新绩效的影响[J]. 科研管理, 2019, 40(9):231-240.

[20]
李琳. 多维邻近性与产业集群创新[M]. 北京: 北京大学出版社, 2014.

[21]
王庆喜, 王巧娜, 徐维祥. 我国高技术产业省际知识溢出:基于地理和技术邻近的分析[J]. 经济地理, 2013, 33(5):111-116,136.

[22]
刘凤朝, 肖站旗, 马荣康. 多维邻近性对技术交易网络的动态影响研究[J]. 科学学研究, 2018, 36(12):2205-2214.

[23]
刘军. 整体网分析讲义:UCINET软件实用指南[M]. 上海: 上海人民出版社, 2009.

[24]
周灿, 曾刚, 曹贤忠. 中国城市创新网络结构与创新能力研究[J]. 地理研究, 2017, 36(7):1297-1308.

DOI

[25]
Hoekman J, Frenken K, Van Oort F. The geography of collaborative knowledge production in Europe[J]. The Annals of Regional Science, 2009, 43(3):721-738.

[26]
夏丽娟, 谢富纪, 付丙海. 邻近性视角下的跨区域产学协同创新网络及影响因素分析[J]. 管理学报, 2017, 14(12):1795-1803.

[27]
Scherngell T, Hu Y. Collaborative knowledge production in China:Regional evidence from a gravity model approach[J]. Regional Studies, 2011, 45(6):755-772.

[28]
党兴华, 弓志刚. 多维邻近性对跨区域技术创新合作的影响——基于中国共同专利数据的实证分析[J]. 科学学研究, 2013, 31(10):1590-1600.

[29]
李琳, 雒道政. 多维邻近性与创新:西方研究回顾与展望[J]. 经济地理, 2013, 33(6):1-7,41.

[30]
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.

[31]
李琳, 王晓峰. 地理邻近与认知邻近对高新区创新绩效的影响——基于社会网络分析[J]. 华东经济管理, 2014, 28(11):32-37.

[32]
Adam B Jaffe. Technological opportunity and spillovers of R&D:Evidence from firms' patents,profits,and market value[J]. The American Economic Review, 1986, 76(5):984-1001.

[33]
高照军, 武常岐. 制度理论视角下的企业创新行为研究——基于国家高新区企业的实证分析[J]. 科学学研究, 2014, 32(10):1580-1592.

[34]
吕拉昌, 李勇. 基于城市创新职能的中国创新城市空间体系[J]. 地理学报, 2010, 65(2):177-190.

Options
文章导航

/

〈 〉