EN中文

经济地理 >

2021 , Vol. 41 >Issue 4: 38 - 47

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.04.006

城市地理与新型城镇化

广东省城市创新发展水平及其网络结构演化

  • 陈清怡 , 1 ,
  • 千庆兰 , ※ ,
  • 姚作林 2
展开
  • 1.广州大学 地理科学与遥感学院，中国广东 广州 510006
  • 2.中国科学院 地理科学与资源研究所，中国 北京 100101
※千庆兰（1970—），女，吉林吉林人，博士，教授，硕士生导师，研究方向为经济地理与区域发展。E-mail：

陈清怡（1996—），女，广西北海人，硕士研究生，研究方向为经济地理与区域发展。E-mail：

收稿日期: 2020-07-31

  网络出版日期: 2025-04-25

基金资助

国家自然科学基金项目(41771127)

收起

Urban Innovation Development Level and Network Structure Evolution in Guangdong Province

  • CHEN Qingyi , 1 ,
  • QIAN Qinglan , ※ ,
  • YAO Zuolin 2
Expand
  • 1. School of Geography and Remote Sensing，Guangzhou University，Guangzhou 510006，Guangdong，China
  • 2. Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China

Received date: 2020-07-31

  Online published: 2025-04-25

Fold

摘要

创新是知识经济时代区域与城市发展的重要驱动力，合理、协调的创新网络结构可以在一定程度上提升区域创新发展质量。基于广东省域，珠三角、粤东、粤西、粤北四大地区，以及地级市等不同尺度，运用多指标综合评价、重心分析、空间相互作用模型、社会网络分析等方法，结合增长率、基尼系数等定量指标，对2000—2018年广东省城市创新发展水平、城市创新联系强度、网络结构及其演化特征进行实证研究，结果表明：①广东省域城市创新发展水平的涓滴效应存在空间近邻效应，省域内城市创新发展水平在空间上呈现“双核心”结构；②省域尺度下的城市创新发展水平呈现异质性，非均衡发展特征不断固化，表现出“强者恒强，弱者恒弱”的马太效应；③省域内城市创新联系轴线多等级结构突出，珠三角地区逐步演变为全省创新联系网络的核心地区；④省域城市创新网络呈现明显的“圈层式”结构，创新网络致密性持续增强。

关键词： 创新网络; 空间联系; 网络结构; 社会网络分析; 圈层结构

本文引用格式

陈清怡 , 千庆兰 , 姚作林 . 广东省城市创新发展水平及其网络结构演化[J]. 经济地理, 2021 , 41(4) : 38 -47 . DOI: 10.15957/j.cnki.jjdl.2021.04.006

Abstract

In the era of knowledge economy,innovation becomes an important driving force for regional and urban development,reasonable and coordinated innovation network structure can improve the quality and efficiency of regional innovation development to a certain level. Based on the multiple perspectives of the whole province,the four major regions and prefecture-level cities in Guangdong Province,this research takes empirical research on the level of urban innovation development,the intensity of urban innovation connections,the network structure and its evolution characteristics in Guangdong Province from 2000 to 2018,and adopts the methods of multi-index comprehensive evaluation,gravity center analysis,spatial interaction model and social network analysis,Gini coefficient and so on. The results show that: Firstly,the trickle-down effect of urban innovation development level in Guangdong province shows a spatial proximity effect,and the level of urban innovation development in this province presents the spatial characteristic of "dual core" structure. Secondly,the level of urban innovation development at the provincial scale presents heterogeneous characteristics,and the characteristics of unbalanced development continue to be solidified,which is known as the Matthew effect. Thirdly,the axes of urban innovation connections in Guangdong Province has multi-level structure,and the Pearl River Delta has gradually evolved into the core area of innovation network in Guangdong Province. Finally,the provincial urban innovation network turns into the form of circle structure,and the density of the innovation network continues to increase.

Key words： innovation networks; spatial connection; network structure; social network analysis; circle structure

中国区域与城市发展正处于从要素驱动向创新驱动的动力转换阶段，创新已成为提升区域与城市产业竞争力的重要抓手[1]。创新活动是创新行为主体在一定空间范围内，以开发和利用创新要素资源为目标进行的生产性行为活动[2]。城市及其内部组织是创新活动的空间载体，城市创新发展水平在很大程度上决定着城市在区域未来发展中的竞争能力[3]。城市间的创新联系是促进城市创新功能完善和互补的通道，是重构区域空间组织结构、推动区域协同创新发展的驱动力[4]。探究区域内不同城市间的创新空间联系、探索构建合理有效的创新网络格局已成为知识经济时代创新研究关注的焦点[5]。区域创新网络的空间格局本质上是区域内部以城市为核心载体的创新活动，在地理空间上相互联系与作用而形成的空间结构与形态[6]。2017—2019年《中国区域创新能力评价报告》显示，广东省区域创新能力已连续三年位居全国首位，其中，珠江三角洲地区是我国创新资源要素集聚程度最高、创新型经济发展态势最强的区域之一。因此，以广东省为研究对象，探究省域内部城市创新发展水平、城市间创新联系与创新网络的空间格局，揭示其创新网络结构的演化特征，对于珠三角和广东全省的创新发展与创新型城市建设至关重要。
从国内外创新研究进展看，地理学者的研究主要集中在城市创新发展水平和创新网络结构演化两个方面。城市创新发展水平是一个地区创新发展态势的首要表征[7]，以城市创新发展评价指标体系构建[8-9]、创新发展水平测度和创新发展影响因素分析[10]等为主要研究内容。已有研究表明：城市创新发展水平取决于创新要素的富集程度和创新环境的优劣，其中创新要素包括技术、人才、知识、资本、经济等要素[11-12]，而创新环境则可以通过知识传播与应用能力、创新金融支撑、创新产出效率、创新市场潜力等指标进行刻画[13⇓-15]。创新网络的形成是创新发展水平达到一定高度的产物，地理学视角下的创新网络及其空间结构形成与演化已成为国内外创新地理研究的热点[16]。从国外来看，创新网络演化中的网络节点地位与功能演进[17-18]、网络主体间的联系[19-20]及创新网络结网动因变化[21-22]、创新网络演化机制[23]、创新网络结构效率[24]等受到国外学者的高度关注，发现创新网络的演化具有多维邻近性特征，且随着社会经济发展，处于网络关键节点位置的主体间所形成的创新合作网络的连接度和密度表现出致密性的特征，同时创新网络中核心城市的辐射与带动效应也逐步凸显。从国内来看，创新网络的研究集中于多尺度的创新网络空间格局[25]、创新网络的地理邻近性[26]、创新网络演化态势[27]、创新网络形成的机理[28]和网络的组织模式[29]等方面，并从企业[30-31]、产业（集群）[32-33]和地区（城市）间[34-35]等三个视角对创新网络展开实证研究。而在具体实证研究方法方面，对城市创新发展水平测度主要采用多指标综合评价法，发明专利申请授权量、技术市场合同成交额、企业研发投入占GDP比例、高科技服务业就业人员比例、R&D经费占GDP的比例、地方财政科技拨款等是测度城市和区域创新发展水平的常用指标；社会网络分析[36]、引力模型[37]、空间计量模型[38]等则是研究创新网络演化及其空间结构最常用的方法。
综上所述，国、内外学者关于城市创新发展水平的研究主要从创新的概念与内涵、创新水平定量测度等方面开展，在创新网络及其演化研究则多围绕国家、地区、城市群、城市及企业等多元对象，并以创新网络中的节点地位、主体联系、网络格局演化以及不同网络结构的效率、形成与发展机制等为主要研究内容，但整体上还存在以下待深化的内容：一是针对特定区域内部城市创新发展水平及其格局分异、创新网络及其空间结构演化的实证研究不足；二是已有创新网络定量研究多采用截面数据，时序层面上的动态分析尚待加强。考虑到广东省，特别是珠三角地区在中国创新网络中的突出功能、重要地位与示范效应，本研究以广东省为研究对象，基于复杂网络的视角，聚焦于广东省城市创新发展水平及其网络结构演化特征，采用多指标综合评价、修正后的空间相互作用模型、重心分析模型和社会网络分析等方法，结合增长率、基尼系数等指标，测度2000—2018年广东省不同城市与地区创新发展水平的时空演化态势，一方面从时间维度揭示时序视角下区域城市创新发展水平空间格局变化的整体规律性和空间异质性，另一方面从网络视角刻画城市间创新联系、创新网络的空间格局与结构的演化过程。研究成果可以在理论层面丰富创新地理学的研究内容，有助于更深入地认识城市创新发展与创新网络的演进规律，也能为广东和全国其他省区市创新发展水平提升和创新网络优化提供参考借鉴。

1 研究方法及数据来源

1.1 研究区概况

广东省下辖21个地级市及以上行政区，根据地理区位与经济发展水平的差异，全省可划分为珠三角、粤东、粤西和粤北4个地区。其中，珠三角地区包括广州、深圳、佛山、东莞、珠海、中山、江门、肇庆、惠州9个城市；粤东地区包括汕头、潮州、汕尾、揭阳4个城市；粤西地区包括湛江、茂名、云浮、阳江4个城市；粤北地区包括韶关、清远、梅州、河源4个城市。在上述区域划分基础上，以广东省21个地市级及以上行政区为基本研究单元，从省域、地区、城市三个不同视角来探究不同尺度下的创新发展水平及其空间差异、创新主体内部联系及其网络空间格局演化特征。

1.2 研究方法

1.2.1 多指标综合评价

本研究在借鉴方创琳等人研究的基础上[39]，对城市创新发展水平评价指标体系进行优化，从创新环境、创新投入及创新产出三个准则层，选择9大指标对城市创新发展水平评价指标体系进行构建（表1）。
表1 城市创新发展水平评价指标体系

Tab.1 Evaluation index system of urban innovation development level

目标层 准则层 权重 指标层 权重 性质
城
市
创
新
能
力
评
价		 创新环境 0.19 人均GDP（元） 0.03 正向
地方财政科技拨款（万元） 0.14 正向
地方财政科技拨款占 0.02 正向
地方财政支出占比（%）
创新投入 0.27 R&D人员（人/年） 0.11 正向
R&D经费（万元） 0.13 正向
R&D经费占GDP占比（%） 0.03 正向
创新产出 0.54 专利申请授权量（项） 0.16 正向
发明专利申请授权量（项） 0.17 正向
技术市场成交合同金额（万元） 0.21 正向
在评价过程中，采用熵值法确定指标体系中各指标的权重，并测算2000—2018年广东省21个地市级及以上行政单元的创新发展水平，其计算公式如下：
S i = ∑ i = 1 n a i j 1 - d i ∑ i = 1 n 1 - d i · 100 = ∑ i = 1 n a i j w j · 100
式中： S i是城市创新发展水平综合得分； a i j是创新指标数据标准化值； d i为创新指标熵值，根据熵的定义，可用熵值来判断某个指标的离散程度，某个指标的离散程度越小，表明该城市的创新水平越高，反之则反[40]； w j为创新指标权重。在分析过程中为进一步分析省域城市创新水平的差异与集中程度，引入基尼系数模型，其表达式为：
G i n i = S A S A + B
式中： S A为洛伦兹曲线与创新绝对平均数所围合的面积； S A + B为创新绝对平均所围合的三角形的面积。基尼系数的值变动范围处于[0,1]区间内，基尼系数值小于0.2表明区域内部创新发展水平高度平均，若高于0.6则表明区域内部创新发展水平差距极为悬殊，基尼系数越大表明区域内部差异越大，反之则反[41]。

1.2.2 重心分析模型

重心是指在空间上存在一个点，能够使得各个方向上的力量在该点上维持平衡[42]。为分析广东省城市创新空间重心在省域空间尺度上的演变方向，借助物理学中“重心”的概念，引入重心分析模型来刻画省域范围内城市创新重心的空间移动轨迹，计算公式为：
x - = ∑ i = 1 n M i X i / ∑ i = 1 n M i   , y - = ∑ i = 1 n M i Y i / ∑ i = 1 n M i
式中：（ X i， Y i）为省域内行政区单元的重心经纬度坐标，一般为行政区首府（核心城市）； M i为城市的创新发展水平值。

1.2.3 空间相互作用模型

为更加准确地刻画特定时段内城市创新联系的总体特征，本研究在借鉴已有利用引力模型来研究城市间创新联系的基础上[43]，对传统的引力模型加以修正，修正后的引力模型为：
Q x y = ∂ S x × S y D x y 2
式中： Q x y为城市x与城市y之间的创新联系强度；S为城市创新发展水平； D x y为两城市之间的时间距离。由于城市间最短时间距离在时序上呈现出逐年变化的状态，为更加科学准确地测度两城市间最短时间距离，在引力模型修正过程中，本文选取两城市2000—2018年铁路、公路客运最短时间进行加权平均后求得两地间的最短时间距离。其中，权重值依据2000—2018年广东省统计公报中旅客周转量（亿人·km）中铁路旅客周转量与公路铁路周转量两大指标的占比关系进行确定。同时，为了更好地测度广东省城市创新网络空间联系的主导方向，本文进一步引入了隶属度模型，其表达式为：
F x y = Q x y / ∑ i = 1 b Q x y
式中： F x y为两城市间的创新隶属度；b为次级创新中心城市的数量。

1.2.4 社会网络分析

社会网络分析是主要从个体网络、整体网络两方面来探究社会关系所构成的网络，刻画网络中“个体”与“整体”关系，以及网络的结构特征等问题的一种方法[36]。运用Uicnet6.0软件，利用中心度、网络密度、核心—边缘分析、凝聚子群等指标，刻画广东省城市创新网络节点、空间结构的特征及其演化趋势。
①网络中心度。中心度包括节点中心度、接近中心度和中间中心度等指标。本文通过节点中心度和中介中心度来衡量城市创新节点在网络中的地位。
②网络密度。网络密度是用于衡量创新网络的紧密程度的指标，其取值范围为[0,1]，数值越大表明网络间结构越紧密。
③网络核心—边缘结构。通过Uicnet6.0中的Core-Periphery分析模块，对广东省城市创新网络的空间结构进行刻画，划分网络结构中节点的核心和边缘结构。
④网络凝聚子群。借助Uicnet6.0中的CONCOR分析模块来探究城市节点之间较强的、直接的、紧密的或是积极的联系特征[44]，将具有一定的凝聚力和相似性创新联系的城市划分为同一子群，用以探究广东省城市创新网络内部的子群体结构，挖掘广东省城市创新网络的空间组织、结构状态等内涵性特征。

1.3 数据来源与处理

鉴于全球尺度下的创新发展空间格局与中国创新发展的阶段性特征，本文选择2000—2018年为研究时段，研究数据主要来源于《广东统计年鉴》《广东省统计公报》《广东科技统计年鉴》、各地级市相应年份的统计公报以及广东省科技统计分析中心（http://h.sts.gd.cn/）网站的公开数据，并借助ArcGIS10.3、Ucinet6.0等软件进行数据处理、分析计算及空间可视化表达。研究发现，2003年广东城市创新发展水平、城市创新联系等在可视化结果表达中相较于2000年无明显变化，故具体阐述中省略了2003年相应要素的空间可视化表达。

2 广东省城市创新发展水平及其空间格局演化

2.1 城市创新发展水平空间异质性特征

2.1.1 不同城市创新发展水平差距显著，省域创新发展水平呈现空间非均衡态势

根据构建的城市创新发展水平评价指标体系，运用公式（1）对2000—2018年广东省21个地市级及以上城市的创新发展水平进行测度后，借助Python及ArcGIS软件，对2000—2018年城市创新发展水平整体时序数据进行自然断裂法等级划分和空间可视化表达（图1）。结果表明：①整体来看，2000—2018年广东省城市创新发展水平呈不断提升态势。2000年省域内广州市城市创新发展水平最高，达到4.84，最低值的河源市仅为0.03；2018年深圳市成为省域内创新发展水平最高的城市，增长至65.60，同期最低的潮州市也达到0.34。在创新发展水平等级方面，2000年全省仅有广州市处于创新发展水平较低等级，其余城市均处于创新发展水平低等级；到2018年创新发展水平高等级的城市数量达到2个，创新发展水平较低等级城市增长至5个，实现了创新发展水平等级与城市数量的双重提升。②2000—2018年，省域内不同城市间的创新发展水平差距逐年拉大。2000年创新发展水平最高的广州市与最低的河源市之间的创新发展水平指数值相差160.33倍；到2018年，深圳市取代广州市成为全省创新发展水平最高的城市。创新发展水平等级方面，随着2012年后创新发展水平中等和较高两个等级的城市在2018年演变发展成为创新发展水平高等级的城市，全省范围内仅有创新发展水平高、创新发展水平较低和创新发展水平低三个等级的城市，不同城市在创新发展水平等级上的差距也十分明显。③城市创新发展水平与城市行政等级呈现正相关的关系。广州、深圳2个副省级城市的城市创新发展水平在2000—2018年均处于领先地位，到2018年两市城市创新发展水平指数总和达到其余19个地级市总和的2.67倍，表明两市对于各类创新要素与创新资源的配置能力远远高于省内其他城市。
图1 广东省城市创新发展水平时序演变态势

Fig.1 Temporal evolution of urban innovation development level in Guangdong Province

2.1.2 珠三角地区城市创新发展水平优势明显，深圳反超广州领跑全省

从省域内珠三角和粤东、粤西、粤北四大地区及具体城市的城市创新发展水平变化来看：①省域内不同地区城市创新发展水平均实现不同程度的提升。珠三角地区城市创新发展水平的年增长率为16.80%，是省域内创新发展水平最为快速的地区，粤东、粤西、粤北地区城市总的年增长率分别为8.01%、9.34%、10.18%，表明省内四大地区城市创新发展水平均有不同程度的提升，区域城市创新发展水平不断提高。②地区间城市创新发展水平差距逐渐扩大。珠三角地区城市创新发展水平指数远高于其余三个地区。2000年珠三角地区创新发展水平指数为8.94，同期粤东、粤西、粤北地区分别为0.56、0.38和0.40；到2018年珠三角地区提升至146.37，而粤东、粤西、粤北地区分别是2.26、1.89、2.29。省域内四大地区间城市创新发展水平差距逐渐扩大。③从具体城市来看，广州与深圳创新发展水平长期领跑全省，深圳市于2008年反超广州且两者间差距逐渐扩大。2000—2007年广州市创新发展水平领先于深圳市，但领先优势逐年缩小；2008年深圳市创新发展水平指数达到13.56，历史性地超越广州市；到2018年，两市创新发展水平指数值之差由2008年的0.59拉大至19.97，深圳市在全省范围内的创新发展水平领先地位日益巩固。④珠三角地区其他城市创新发展水平逐年稳步提升，但仍大幅度落后于广、深两市。2000—2018年，珠三角地区城市创新发展水平年增长率均大于10%，除广、深外，东莞、佛山、珠海3市城市创新发展水平位居地区第二梯队，第三梯队则包括中山、惠州、江门、肇庆4个城市。其中，东莞市创新发展水平指数年增长率达到了21.95%，是珠三角地区创新能力增长最快的城市之一。从各城市创新能力及创新能力年增长率来看，与广州、深圳存在经济社会密切交互的城市的创新发展水平提升速度优于其他城市。从全省范围来看，深圳与广州两市依然保持着与其他城市的比较优势，是引领全省创新发展的核心地区。

2.2 省域尺度下创新发展水平空间格局演化态势

2.2.1 全省创新空间重心整体向东南方向移动，空间迁移幅度呈现放缓态势

利用重心分析模型探讨广东省省域创新空间重心的地理位置及其演变趋势，结果表明：①从移动距离和移动方向来看，2000—2018年广东省省域创新重心向东北、西北、西南、东南方向偏移的距离总和分别为4.29 km、13.58 km、18.87 km、26.89 km，研究时段内省域创新重心整体呈现出东南向移动态势，表明东南部地区城市创新发展水平的提升幅度大于东北、西北、西南部地区。具体来看，可将广东省城市创新重心偏移过程划分为两个阶段：第一阶段是2000—2015年，省域创新重心呈现波动式向东南方向移动的态势，究其原因是在国家政策扶持以及临近香港优势区位的双重驱动下，深圳市创新发展水平实现了急速提升；第二阶段是2015—2018年，随着佛山、中山等城市与广州一体化发展进程的持续加快，广州市创新发展的溢出效应日益明显，导致省域创新重心偏移方向由原来的整体向东南方向偏移转变为向西北方向偏移。②从偏移地理重心距离及创新重心与地理重心的相对位置来看，研究时段内省域创新重心均位于东莞市行政区划范围内，始终偏离位于广州市内省域地理重心，且偏移距离呈现出逐渐拉大的态势，表明省域尺度下东北、西北、西南、东南方向城市创新发展水平所表征的“力量”在该点上达到了平衡，各地区城市创新发展水平呈现非均衡化发展态势，也可以看出，省域尺度下的创新重心空间位置演变以东南—西南方向为主轴，西北—东北方向地区城市创新发展水平没有明显变化。
利用基尼系数模型（2）对2000—2018年广东省域不同尺度下创新发展水平差异的空间特征及其演化态势进行测度（图2），结果表明：①从省域尺度来看，城市间创新发展水平差异巨大，基尼系数整体呈现波动上升态势。具体来看，2000—2010年，省域城市创新发展水平基尼系数增长幅度较快，省域内不同城市间城市创新发展水平基尼系数从2000年的0.71逐步拉大至2010的峰值水平0.79；2010年后，随着区域协调发展战略的提出，基尼系数呈现小幅度下降趋势，到2014年下降至该时段内的最低值0.76；自2015年始基尼系数开始出现反弹式升高，城市间创新发展水平差距再次拉大。②从四大地区对比来看，珠三角地区城市间创新发展水平基尼系数远远高于粤东、粤西、粤北三大地区。2000—2018年珠三角地区年均城市创新发展水平基尼系数高达0.63，远远领先于粤东（0.25）、粤西（0.15）、粤北（0.25）；而除珠三角地区外的三大地区平均城市创新发展水平基尼系数为0.22，远低于珠三角地区，说明省域内四大地区之间城市创新发展水平的异质性特征突出。③从地区自身来看，珠三角地区城市间创新发展水平基尼系数从2000年0.62略微下降至2018年的0.61，表明珠三角地区城市间创新发展水平长时间处于极不均衡状态；同时段内，粤东、粤西、粤北三大地区自身城市创新发展水平基尼系数变化态势趋同，分别大幅度下降0.23、0.16、0.27，意味着上述三大地区内部城市间创新发展水平差距逐渐缩小，经历了从非均衡增长向低水平均衡转变的历程。④对比其他三大地区，发现珠三角地区的城市创新发展水平基尼系数差距在时序上逐步拉大，从2000年的0.26快速扩大至2018年的0.48，四大地区间城市创新发展水平非均衡发展特征不断固化，明显呈现出“强者恒强，弱者恒弱”的马太效应。
图2 广东省城市创新发展水平基尼系数演变态势

Fig.2 Evolution trend of Gini coefficient of urban innovation development level in Guangdong Province

3 广东省城市创新网络空间格局及其演化

3.1 城市创新联系空间格局整体特征

3.1.1 城市创新联系轴线趋于网络化，珠三角地区具有等级、数量双优势

利用修正后的空间相互作用模型（4）对2000—2018年广东省城市间创新联系强度进行测度，并利用Python及ArcGIS进行自然断裂法等级划分和空间可视化表达（图3），研究发现：①从创新能力联系轴线等级演变来看，省域内城市间高等级创新联系轴增长明显。其中，2009年前广东省城市间高等级创新联系轴线尚未形成；2009年形成了第一条“广州—深圳”四级创新联系轴；2012年四级联系轴的数量增加至两条，新增“广州—佛山”四级创新联系轴线；2015年创新联系轴线等级与数量均实现较大提升，“广州—深圳”创新轴线等级提升至三级，四级创新联系轴数量增长至4条，广州、佛山、东莞、深圳四市间创新联系轴线整体呈“菱形”形态；到2018年，省域内形成了“1+2+1+7”的高等级创新联系轴线网络，包括1条一级轴线“广州—深圳”，2条二级轴线“深圳—佛山”和“深圳—东莞”，1条三级轴线“广州—东莞”，以及以广州和深圳为中心的其他7条四级轴线。②从四大地区城市间创新联系强度的占比与增速来看，珠三角处于绝对“优势”地位，且优势不断加强。从创新联系总量全省占比来看，珠三角地区城市创新联系总量占广东省的比例从2000年的95.05%增长至2018年的98.55%，其他三大地区同时段内创新联系总量占全省比例相应下降了3.5个百分点；从创新联系强度增长态势来看，2000—2018年，粤西、粤东、粤北三大地区的城市创新联系强度年平均增长率分别为31.20%、34.17%和32.66%，同样低于珠三角地区的40.62%。③从单一城市的对外联系总强度来看，2000—2018年，广州、深圳、佛山3个城市占广东省创新联系总量的比例均位于前列，且均大于10%。时序上的演变态势体现为广州、珠海、佛山等主要城市占比分别下降了5.96、3.25、2.83个百分点，同期深圳、东莞、惠州等城市则相应上升了12.36、6.62、1.09个百分点。
图3 广东省城市创新空间相互作用态势演化

Fig.3 Evolution of urban innovation space interaction in Guangdong Province

3.1.2 创新联系呈现多等级结构，广州市省域创新联系强度占比优于深圳市

利用隶属度模型（5）测算2000—2018城市间创新联系的隶属关系与辐射范围，结果发现：①整体来看，除2000年潮州创新联系首位隶属城市为汕头，广州首位隶属城市为佛山外，其余年份所有城市的创新联系首位隶属城市均为广州或深圳。可以明显看出，广东省省域范围内的城市创新联系呈现以广州和深圳为核心的“双中心”结构。②对于广深两大核心城市，尽管2000—2018年以广州为首位创新联系隶属度的城市数量从19个下降至12个，深圳在省域内城市创新联系中的地位有所提升，但综合研究时段内广深两大城市的创新发展水平及其占全省创新联系强度的比例来看，广州相对于深圳仍然有比较优势，特别是广州占全省创新联系强度的比例（34.34%）依旧高于深圳市（28.25%）。③从地区间城市创新联系隶属度大于5%的情况来看，省域城市创新联系结构受到一定的空间近邻效应影响，创新联系的多等级结构特征明显。广东省域范围内以广州与深圳2市为核心，以佛山、东莞、中山3个城市为副中心；四大地区城市创新联系也具有显著的等级结构特征，如粤东地区形成了以汕头为中心的创新联系，粤西地区形成以茂名为中心的创新联系结构，而粤北地区创新联系的主要隶属城市为珠三角地区，地区内部无明显创新联系中心城市。由此可见，在广东省域范围内已经形成了“中心城市—副中心城市—地区中心城市—其他城市”的多等级创新联系结构。

3.2 城市创新网络空间结构及其演化特征

3.2.1 节点中心性存在明显的等级特征，省域创新网络圈层结构突出

为充分剖析2000—2018年广东省城市创新网络主要城市节点的功能与地位，测算各城市节点的中心度，并在Gephi软件中对广东省城市创新网络拓扑结构进行可视化表达（图4），研究发现：①节点中心度、中介中心度和接近中心度3个指标在广东省城市创新网络中存在明显的等级特征。其中，广州市和深圳市年均网络节点中心度指数分别为585.36和498.82，远远领先于其他城市；中山市的年均中介中心度达到7.45，体现了其在优势网络联通性基础上对于全省其他城市创新网络较强的控制能力；广州市的年均网络接近中心性高达100，大幅度领先第二名的韶关市（42.16）和第三名的深圳市（33.33），上述3个城市在全省城市创新网络中的自主运动能力最强。②从中心度演变态势来看，不同类型中心度指数的演变趋势各异。其中，节点中心度演化态势与城市节点中心度呈现正向关系，广州市、深圳市、东莞市、佛山市等4个高节点城市中心度分别提升了3 868.40、3 187.49、1 403.95和1 387.79，同样表现出“马太效应”；而中介中心度和接近中心度反映的是网络中节点行动的自主控制与反控制能力，在城市创新网络强度不断增强的前提下，上述两个指标则体现了非核心城市在网络中自主控制与反控制能力的提升，如惠州市、汕尾市和清远市的网络中介中心度提升幅度最大，分别提升了1.70、1.53和1.36，而接近中心度中珠海市、韶关市和汕头市分别提升了14.07、12.42和10.29。③从广东省城市创新网络结构拓扑图可看出，广东省城市创新网络内部的交互作用不断强化，创新网络圈层结构突出。在网络核心节点方面，省域创新网络由“一主两副”结构逐步演变为“两主两副”结构，深圳市由副中心城市逐步提升为中心城市，东莞市晋升成为副中心城市；在网络圈层结构方面，形成了以广州市为核心，以深圳、东莞、佛山、珠海、中山、惠州等珠三角地区城市为第二圈层，云浮、湛江、茂名等其他城市为第三圈层的多圈层结构。
图4 广东省城市创新网络结构演化态势

Fig.4 Evolution of urban innovation network structure in Guangdong Province

3.2.2 城市创新网络结构致密性不断增强，凝聚子群破碎化程度有所提升

同样地，利用Ucinet6.0从网络密度、核心—边缘、凝聚子群等结构性特征对2000—2018年广东省城市创新网络进行分析。研究发现：①广东省城市创新网络的结构密度在研究时段内不断提升，从2000年的0.19增长至2018年的0.47，表明研究时段内省域城市创新网络的结构致密性不断增强，不同城市间的创新联系愈发紧密。②2004年以前全省城市创新网络核心区包括广州市、深圳市和佛山市，2004年后创新网络核心区仅包括广州市和深圳市，城市创新网络最终演变为“双核”形态。③凝聚子群分析发现，一级凝聚子群和二级凝聚子群尺度下的子群数量无变化，但三级凝聚子群数量从2000年的6个增加至2018年的8个，表明广东省城市创新网络在三级凝聚子群尺度下“破碎化”程度有所提升，且城市间的凝聚力有所下降，同时城市创新联系的类型更为多样和复杂化。

4 结论与启示

4.1 结论

利用熵值法、基尼系数、空间相互作用模型和社会网络分析等方法，以广东省为研究案例区域，对省域城市创新发展水平及其空间分异格局、省域城市创新联系网络特征及其结构演化等进行了实证研究，总结了城市创新发展水平空间格局变化的整体性和空间异质性特征，揭示了网络视角下的城市间创新联系、创新网络的空间格局与结构演化的一般规律，得到如下主要结论：
①广东省域城市创新发展水平存在创新溢出涓滴效应，且创新发展水平的扩散与增长具有空间近邻性。2000—2018年，全省创新发展水平呈现“双核心”空间结构，广州与深圳城市创新发展长期领跑全省，深圳创新发展水平于2008年超越广州位居全省首位。但从对省域其他城市创新发展的辐射与涓滴效应来看，研究时段内广州的省域创新联系强度占比均高于深圳，广州对省域内部城市的涓滴效应仍领先。同时，“双核心”空间结构下，地理邻近的佛山、东莞、珠海等城市受创新溢出涓滴效应影响，创新发展水平均得到显著提升，创新溢出涓滴效应具有明显的空间近邻性。
②地区内部城市创新发展水平表现出空间异质性特征，非均衡发展态势日趋固化。2000—2018年，广东全省城市创新发展水平重心均位于东莞市行政区划范围内，偏离位于广州市的地理重心，表明省域尺度下的城市创新发展水平呈现空间非均衡态势，并向东南和西南方向移动。从空间差异看，全省和省域四大地区不同城市间创新发展水平基尼系数呈波动上升，粤东、粤西、粤北地区与珠三角地区间的创新发展水平差距拉大，呈现“强者恒强，弱者恒弱”的马太效应。
③省域城市间创新联系轴线呈现多等级结构，珠三角地区逐步演变为全省创新联系网络的核心地区。2000—2018年，省域城市间的创新联系强度持续提升，并在全省范围内逐步形成了“中心城市—副中心城市—地区中心城市—其他城市”的多等级创新联系轴线结构。从创新联系的总量来看，研究时段内珠三角城市创新联系年均总量占比均达到全省的95%以上，省域内城市间创新联系形成以珠三角地区为核心的网络结构。
④省域城市创新网络具有“圈层式”结构特征，且网络的层级和密度均不断提升。全省创新网络核心节点由早期的“一主两副”逐步演变为“两主两副”，深圳市由副中心城市成长为中心城市，东莞晋升成为副中心城市。在省域创新网络核心—边缘结构中，由广、佛、深“三核心”演变为广、深“双核心”，并依托核心城市形成了以珠三角地区为第一、第二圈层，其他城市为第三圈层的“圈层式”创新网络结构。在省域创新网络的动态演化过程中，网络中凝聚子群分化趋势明显，但整体致密性持续增强，网络结构不断趋于复杂化。

4.2 启示

第一，以实现创新高质量发展为目标，继续做大做强广州、深圳两大核心城市的“创新”动能，并优化科学技术、专利交易市场环境，完善科技成果转化市场机制，促进各创新主体的产学研深度合作，为技术转化和交易平台提供更多政策支持，大力提升核心城市、核心区域在全国、全球创新竞争中的竞争力和地位。第二，持续发挥核心城市、核心区域的创新溢出和带动作用。以实现全省一体化协同创新发展为目标，积极培育省域创新网络新增长极，发挥好核心城市、核心区域对于省域范围内创新资源要素的合理配置与高效利用能力，实现不同城市在创新型经济、创新型城市等多方面的互补协作，优化省域创新网络空间布局。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
刘程军, 周建平, 蒋建华, 等. 区域创新与区域金融耦合协调的格局及其驱动力——基于长江经济带的实证[J]. 经济地理, 2019, 39(10):94-103.

DOI

[2]
李小建, 李国平, 曾刚, 等. 经济地理学(第二版)[M]. 北京: 高等教育出版社, 2006.

[3]
杨明海, 张红霞, 孙亚男. 七大城市群创新能力的区域差距及其分布动态演进[J]. 数量经济技术经济研究, 2017, 34(3):21-39.

[4]
叶雷, 曾刚, 曹贤忠, 等. 中国城市创新网络模式划分及效率比较[J]. 长江流域资源与环境, 2019, 28(7):1511-1519.

[5]
Li Y C, Phelps N. Megalopolis unbound:Knowledge collaboration and functional polycentricity within and beyond the Yangtze River Delta Region in China,2014[J]. Urban Studies, 2018, 55(2):443-460.

[6]
Castells M. The rise of the network society[M]. London: Blackwell Oxford,1996.

[7]
方创琳, 刘毅, 林跃然. 中国创新型城市发展报告[M]. 北京: 科学出版社, 2013.

[8]
Florida R. The rise of the creative class[M]. New York: Basic Books, 2002.

[9]
国家创新体系建设战略研究组. 2010国家创新体系发展报告:创新型城市建设[M]. 北京: 科学出版社, 2011.

[10]
焦敬娟, 王姣娥, 程珂. 中国区域创新能力空间演化及其空间溢出效应[J]. 经济地理, 2017, 37(9):11-18.

[11]
唐娟莉, 倪永良, 郑丽娟, 等. 区域技术创新动态能力培育的影响因素——基于省级面板数据的实证分析[J]. 科学与管理, 2019, 39(6):1-9.

[12]
Roberts P, Sykes H. Urban Regeneration:AHandbook[M]. London: SAGE Publications, 2000.

[13]
王缉慈. 知识创新和区域创新环境[J]. 经济地理, 1999, 19(1):3-5.

[14]
朱海就. 区域创新能力评估的指标体系研究[J]. 科研管理, 2004(3):30-35.

[15]
柳卸林, 胡志坚. 中国区域创新能力的分布与成因[J]. 科学学研究, 2002(5):550-556.

[16]
顾伟男, 刘慧, 王亮. 国外创新网络演化机制研究[J]. 地理科学进展, 2019, 38(12):1977-1990.

DOI

[17]
Huggins R, Prokop D. Network structure and regional innovation:A study of university-industry ties[J]. Urban Studies, 2017, 54(4):931-952.

[18]
Graf H, Henning T. Public research in regional networks of innovators:A comparative study of four East-German regions[J]. Regional Studies, 2009, 43(10):1349-1368.

[19]
Broekel T, Boschma R. Knowledge networks in the Dutch aviation industry:The proximity paradox[J]. Journal of Economic Geography, 2012, 12(2):409-433.

[20]
Zhang K H, Qian Q L, Zhao Y J. Evolution of Guangzhou biomedical industry innovation network structure and its proximity Mechanism[J]. Sustainability, 2020,https://doi.org/10.3390/su12062456.

[21]
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.

[22]
Oerlemans L, Meeus M. Do organizational and spatial proximity impact on firm performance?[J]. Regional Studies, 2005. 39(1):89-104.

[23]
Balland A. Proximity and the evolution of collaboration networks:Evidence from research and development projects within the global navigation satellite system (GNSS) industry[J]. Regional Studies, 2012, 46(6):741-756.

[24]
Michael Fritsch, Viktor Slavtchev. Determinants of the efficiency of regional innovation systems[J]. Regional Studies, 2011, 45 (7),905-918.

[25]
马双, 曾刚. 多尺度视角下中国城市创新网络格局及邻近性机理分析[J]. 人文地理, 2020, 35(1):95-103.

[26]
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.

[27]
马海涛, 黄晓东, 李迎成. 粤港澳大湾区城市群知识多中心的演化过程与机理[J]. 地理学报, 2018, 73(12):2297-2314.

DOI

[28]
陈丹宇. 基于效率的长三角区域创新网络形成机理[J]. 经济地理, 2007, 27(3):370-374.

[29]
马双, 曾刚. 网络视角下中国十大城市群区域创新模式研究[J]. 地理科学, 2019, 39(6):905-911.

DOI

[30]
刘炜, 刘逸, 李郇. 全球化下珠三角本土企业创新网络的演变及影响因素研究——基于顺德东菱凯琴集团和珠海德豪润达集团的对比实证[J]. 经济地理, 2010, 30(8):1316-1321,1394.

[31]
张永凯, 李登科. 全球化视角下中国本土企业创新网络演化分析——以华为技术有限公司为例[J]. 世界地理研究, 2017, 26(6):92-100.

[32]
王秋玉, 曾刚, 吕国庆. 中国装备制造业产学研合作创新网络初探[J]. 地理学报, 2016, 71(2):251-264.

DOI

[33]
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

[34]
吕拉昌, 梁政骥, 黄茹. 中国主要城市间的创新联系研究[J]. 地理科学, 2015, 35(1):30-37.

DOI

[35]
段德忠, 杜德斌, 谌颖, 等. 中国城市创新网络的时空复杂性及生长机制研究[J]. 地理科学, 2018, 38(11):1759-1768.

DOI

[36]
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

[37]
牛欣, 陈向东. 城市间创新联系及创新网络空间结构研究[J]. 管理学报, 2013, 10(4):575-582.

[38]
马慧, 曹兴, 李星宇. 中部地区新兴技术产业创新网络的协同度研究[J]. 经济地理, 2019, 39(9):164-173.

DOI

[39]
方创琳, 马海涛, 王振波, 等. 中国创新型城市建设的综合评估与空间格局分异[J]. 地理学报, 2014, 69(4):459-473.

DOI

[40]
姚作林, 涂建军, 牛慧敏, 等. 成渝经济区城市群空间结构要素特征分析[J]. 经济地理, 2017, 37(1):82-89.

[41]
Li Y C, Phelps N. Knowledge polycentricity and the evolving Yangtze River Delta megalopolis[J]. Regional Studies, 2017, 51(7):1035-1047.

[42]
杨青山, 江孝君, 刘鉴. 区域城镇化空间格局优化路径与实践——以吉林省为实证[J]. 经济地理, 2020, 40(5):10-18.

DOI

[43]
刘心怡. 粤港澳大湾区城市创新网络结构与分工研究[J]. 地理科学, 2020, 40(6):874-881.

DOI

[44]
史庆斌, 谢永顺, 韩增林, 等. 东北城市间旅游经济联系的空间结构及发展模式[J]. 经济地理, 2018, 38(11):211-219.

DOI

Options
文章导航

/

〈 〉