EN中文

Economic geography >

2020 , Vol. 40 >Issue 5: 58 - 69

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.05.007

Spatiotemporal Characteristics of Intercity Technology Transfer Network in the Yellow River Basin

  • ZHANG Jianwei , 1, 2 ,
  • LIANG Changan 2 ,
  • HU Zhengyu 1 ,
  • MA Huidan 1 ,
  • MIAO Changhong , 2, ※
Expand
  • 1. School of Resources，Environment and Tourism，Anyang Normal University，Anyang 455000，Henan，China
  • 2. Center for Yellow River Civilization and Sustainable Development，Henan University，Kaifeng 475001，Henan，China

Received date: 2019-12-27

  Revised date: 2020-03-05

  Online published: 2025-04-17

Fold

Abstract

Based on the patent transaction data in 2010 and 2018,the spatial distribution pattern and social network structure characteristics of inter city technology transfer in the Yellow River Basin are studied by integrating GIS spatial analysis,spatial autocorrelation and social network analysis methods. The results show that: 1) The spatial polarization of inter city technology transfer intensity in the Yellow River Basin is significant. The high value areas are mainly distributed in Shandong,Henan and other provinces,while the low value areas are mainly distributed in Gansu,Qinghai,Inner Mongolia,Ningxia and other western provinces; 2) The spatial agglomeration characteristics of technology transfer activities in the Yellow River Basin are obvious. The spatial agglomeration patterns of technology transfer in and technology transfer out are similar. High and high agglomeration areas are mainly located in Deyang of Sichuan Province and some cities in the east of Shandong Province,while low and low agglomeration areas are mainly located in Qinghai,Sichuan,Gansu,Inner Mongolia and other provinces and cities; 3) From the perspective of regional interior,Chengdu,Xi'an,Zhengzhou and other provincial capitals are the core cities of the internal technology transfer network,with prominent core edge structure and less internal overall network density than the external ones; 4) The geographical proximity of technology transfer within the region is obvious. Technology transfer is mainly to the neighboring cities and cities,and the proportion of technology transfer within the cities is large in the total amount of technology transfer; 5) External perspective,both the Yellow River Basin from 2010 to 2018 for technology transfer,outside the territory or outside the area of the Yellow River Basin technology transfer,technology transfer and the number of strength are increased obviously,Jinan,Qingdao,Xi 'an,Zhengzhou,Chengdu to occupy the important position in the technology transfer outside the territory,and Beijing,Shenzhen,Guangzhou,Shanghai is one of the important node external to technology transfer in the Yellow River.

Key words： technology transfer; innovation network; spatial evolution; the Yellow River Basin; patent transaction; geographical proximity; core-edge

Cite this article

ZHANG Jianwei , LIANG Changan , HU Zhengyu , MA Huidan , MIAO Changhong . Spatiotemporal Characteristics of Intercity Technology Transfer Network in the Yellow River Basin[J]. Economic geography, 2020 , 40(5) : 58 -69 . DOI: 10.15957/j.cnki.jjdl.2020.05.007

随着全球化和信息化的深入推进，创新资源在全球加速流动，当今世界进入了以“国际合作”为特征的开放创新时代[1-2]，以大学和跨国公司主导的技术转移日益成为推动区域科技和经济发展的主导力量[3]。技术转移是指技术持有人通过某些方式或手段将所拥有的技术及其所属权转移给他人的行为活动[4]，对提升区域创新能力、调整产业结构、转变经济发展方式，促进经济高质量发展具有重要作用。因此，管理学、经济学和科技政策领域都将技术转移作为重要研究方向。国外研究主要侧重于技术转移的路径[5]、体系[6]、政策[7]、影响因素[8]。国内技术转移近年来主要以城市为枢纽开展创新网络的相关研究，从论文或专利合作[9-10]、专利转移[11-12]、人才流动[13]角度，采用引力模型或者社会网络分析方法刻画中国创新网络结构的异质性。在研究方向上主要集中在技术转移的理论及前沿动态[14-15]、研发机构和大学技术转移的经验[16-17]、发达国家向发展中国家技术转移及经济效应[18]、技术转移与人才流动对创新的影响[19]等。技术转移影响因素主要有技术差距、技术特性、吸收能力、转移政策[20⇓⇓-23]、城市主体属性环境、城市主体邻近性[24]、技术需求和供给能力、第三产业和专利申请量[25]、产业结构相似度、经济水平差异度、创新能力相似度、外商直接投资[26]。目前技术转移的相关文献非常丰富，相关对技术转移的网络特征及演化机制进行了较好的研究，但主要来自于管理学和经济学。基于地理视角研究技术转移的文献仍较少[25]，跨区域技术转移，明显具有显著的地理特征[26-27]。现有研究采用引力模型表征创新联系或者采用论文专利合作表征技术联系都难以反映区域间真实的技术转移情况，也难以体现市场的作用[26]，并且相关研究对技术的转入和输出的方向分析较少。从研究区域上来看，相关研究主要集中在长三角地区、京津冀地区、粤港澳大湾区等创新能力较强的区域，对创新能力相对滞后的黄河流域却较少研究。特别是黄河流域经济发展相对滞后，却又面临着经济高质量发展的压力，技术转移转化成为了黄河流域经济转型和高质量发展的抓手和渠道。
习近平总书记在黄河流域生态保护和高质量发展座谈会上强调，黄河流域是中国重要的生态屏障和重要的经济地带，是打赢脱贫攻坚战的重要区域，在我国经济社会发展方面具有十分重要的地位。为此，探讨黄河流域技术转移的时空演化特征，可以对黄河流域进行科学技术转移、优化创新空间格局、实现高质量发展提供一定的支撑和决策参考。基于此，本研究对黄河流域市际技术转移的空间分布格局及技术转移网络的结构特征进行研究，以期缩小区域经济差距，为黄河流域的高质量发展开辟新的方向。

1 数据来源与研究方法

1.1 数据来源

由于黄河在历史上经过多次改道及缺乏国家层面的战略规划，目前相关黄河流域的研究范围还未达成共识。习近平总书记在黄河流域生态保护和高质量发展座谈会上指出，黄河流域覆盖9个省区，横跨了东、中、西三大区域。为了保持行政区划的完整性，以自然形成的黄河流域为主体，将黄河流域空间范围划定为山东、河南、山西、陕西、宁夏、青海、甘肃、内蒙古、四川共9个省区。
技术转移的度量指标有很多，有研究通过引力模型度量城市创新联系，也有研究从论文合作来研究创新联系的，能在一定程度上反映城市间的创新关系，但是难以反映技术转移的市场机制。专利权交易基于市场供需、具有流向，可以有效识别出技术创新的供需空间关系[24,28-29]，被越来越多的研究用来度量技术转移[26]。因此，本研究技术转移主要通过专利交易数据来测度。本文数据来源于国家知识产权局的专利信息服务平台，通过数据爬虫获得，信息包含专利号、变更事项、分类号、专利变更前后权利人及地址、邮政编码、登记生效日，共提取黄河流域2010年有效数据3 643条，2018年有效数据33 421条，构建九省内部与九省对外的专利转移数据矩阵。

1.2 研究方法

1.2.1 空间自相关模型

空间自相关分析包括全局空间自相关和局部空间自相关。全局空间自相关反映的是观测变量在整个研究区域内空间相关性的整体趋势[30]，常用全局Moran's I指数来衡量，计算公式如下：
M o r a n ' s   I = ∑ i = 1 n ∑ j = 1 n w i j x i - x ¯ x j - x ¯ σ 2 ∑ i = 1 n ∑ j = 1 n w i j
σ 2 = 1 n ∑ i = 1 n x i - x ¯
式中：n为市域单元个数； x i、 x j分别为市域单元i和j的属性值； x ¯为各单元属性值的均值； w i j为空间权重矩阵，当两个地域单元相邻时， w i j取1，否则为0。 M o r a n ' s   I指数的取值范围为[-1，1]，当I>0时，表明各区域在空间上正相关（“高—高”或“低—低”集聚）；当I<0时，表明各区域在空间上负相关（“低—高”或“高—低”集聚）；当I=0时，表明各地区在空间上不存在相关性[31]。
全局空间自相关只能从全局上评估技术转移活动是否存在空间集聚，无法反映区域内局部的空间特征[32]，为此，本文结合局部空间自相关的局部莫兰指数和LISA集聚图将局部差异的空间结构可视化，来研究黄河流域市际技术转移的空间集聚特征，结果的获取均通过GeoDa软件得以实现。

1.2.2 社会网络分析方法

社会网络分析方法能够解释各种虚拟网络的微观结构和内在关系，在探究整体网络的地理特征和空间效应方面发挥着重要作用[33]。基本思路如下：首先，构建有向加权网络，以地级城市为节点，以地市间的专利转移数量为边，分别构建黄河流域九省内115座城市之间的技术转移网络矩阵和黄河流域九省与其外部其他城市之间的技术转移网络矩阵。其次，基于有向加权网络来构建度数中心度、接近中心度、中间中心度、网络密度等指标，刻画技术转移网络的结构复杂性，并将其进行可视化处理。最后，利用核心—边缘模型进一步验证网络结构的空间模式。

2 市际技术转移强度空间分布特征

2.1 技术转入强度空间分布格局

依据ArcGIS10.1自然断裂法将黄河流域市际技术转入强度划分为四个等级。2010年技术转入高强度类别的地市仅有6个，分别为成都、西安、郑州、潍坊、青岛和烟台；较高强度类别的地市有17个，分别为兰州、咸阳、攀枝花、德阳、绵阳、南阳、洛阳、济源、许昌、新乡、菏泽、太原、聊城、德州、威海、淄博和东营。其余地市处于一般和低类别强度。到2018年，高强度类别的地市进一步减少，仅有成都市和青岛市；较高强度类别的地市也进一步减少，仅有西安、郑州、济源、洛阳、济南、潍坊和烟台等7个城市。从数量上看，2018年处于低、一般转入强度的地市数量较2010年增加明显，处于较高、高转入强度的地市明显少于2010年，但最大转入数是2010年的8.2倍，技术转入整体水平明显提高，但极化现象依旧明显。从空间分布上看，2010年技术转入强度处于非低水平的地市主要分布在黄河中下游地区及部分省会城市，其中山东省是最密集、转入最为活跃的地方；到2018年，该水平的城市数量有所减少，多分布于河南、山东两省，且部分省会城市转入强度略高于周边地市，低转入水平的地市仍占据四川、甘肃、青海、山西、陕西、内蒙古、宁夏的绝大部分地区（图1）。
图1 黄河流域市际技术转入强度图谱

Fig.1 Intensity map of intercity technology transfer in the Yellow River Basin

2.2 技术转出强度空间分布格局

与技术转入强度空间格局相似，黄河流域技术转出强度空间极化现象显著。2010年技术转出高强度类别的地市仅有6个，分别为成都、西安、郑州、潍坊、青岛和烟台；较高强度类别的地市有16个，分别为兰州、咸阳、德阳、绵阳、南阳、洛阳、济源、许昌、新乡、太原、聊城、德州、威海、淄博和东营、临沂。其余地市处于一般和低类别强度，技术转出强度处于低强度范围0~34的地市高达93个。到2018年，高强度类别的地市进一步减少，仅有成都市；较高强度类别的地市也进一步减少，仅有西安、郑州、济南和青岛等4个城市，处于低强度范围0~1087的地市增加到110个，市际技术转出区域分布不均衡，主要集中于少数城市，但总体上，2018年技术转出的量大幅增加，最大转出数是2010年的10.14倍，技术转出水平显著提高。从空间格局上看，2010年技术转出活动的集群分布特征明显，高值区主要集中于黄河流域东中部，如山东、河南、四川、山西、陕西，其中山东高值空间集聚最为突出，是黄河流域技术转出数量最多、最活跃的地方，而低值区则广布于黄河中上游。到2018年呈现出典型的核心—边缘结构，技术转出强度较高的地市呈点状散布于各省会城市，如成都市、西安市、郑州市、济南市，其他地市技术转出强度普遍偏低（图2）。
图2 黄河流域市际技术转出强度图谱

Fig.2 Intensity map of intercity technology transfer in the Yellow River Basin

3 市际技术转移空间集聚特征

利用GeoDa软件计算出了黄河流域2010和2018年技术转入和转出的Moran's I值，并绘制出了LISA集聚图。总体上，黄河流域市际技术转入和转出的空间集聚特征明显，存在空间正相关性，但经济带东西部技术集聚的差异性显著。

3.1 技术转入空间集聚特征

2010和2018年黄河流域技术转入的Moran's I值分别为0.2118、0.1719，均大于0，即技术转入存在空间正相关性，呈集聚格局。从局部空间自相关看，2010年威海、青岛、烟台、潍坊、东营、德阳属于技术转入的高—高集聚区，锡林郭勒、通辽、吴忠、固原、阿拉善盟、酒泉、张掖、金昌、西宁、海西、玉树、果洛、甘孜、黄南、甘南属于低—低集聚区，日照、眉山、资阳为低—高集聚区，兰州为高—低集聚区，其他地市的空间自相关特征不显著。2018年，日照、泰安转变为高—高集聚区，其中日照由低—高转变为高—高，主要是随着经济的发展，其自身技术转入强度在提高，区域差异有所缩小。威海由高—高集聚转变为不显著，兴安盟、榆林、达州、巴中、中卫、定西、海东、海南由不显著转变为低—低集聚，阿拉善、酒泉锡林郭勒由低—低集聚转变为不显著，其他地市未发生显著变化。总体而言，技术转入的高—高集聚区主要是地处东部的山东省，其经济发达，能为技术接收提供良好的物质基础，创新活动频繁，对技术的需求大，所以会出现技术向东部流动的集聚现象；并且经济与地理上的邻近性也会使创新资源在山东省各地市之间充分流动，使周边地区的发展强化地区争夺创新资源的能力[32]。而技术转入的低—低集聚区主要分布于中西部地区的青海、甘肃、内蒙古等省区，这些地区经济发展滞后，创新资源匮乏，对技术的吸引能力较弱，且周边地区的创新发展环境同样欠佳，使集聚效应无法发挥，技术转入强度长期处于低水平（图3）。
图3 黄河流域市际技术转入LISA集聚图

Fig.3 LISA cluster diagram of intercity technology transfer in the Yellow River Basin

3.2 技术转出空间集聚特征

2010和2018年黄河流域技术转出的Moran's I值分别为0.1876、0.1071，也呈现出空间集聚格局。2010年属于技术转出高—高集聚区的地市为威海、烟台、青岛、潍坊、德阳，仍主要分布于山东省；属于低—低集聚区的为锡林郭勒、阿拉善盟、中卫、固原、酒泉、张掖、金昌、海北、西宁、海西、玉树、果洛、海南、黄南、甘南等15个地市，以西部的青海、甘肃等省区为主；属于低—高集聚区的地市为日照、眉山、资阳、阿坝藏族羌族自治州，这些地区自身技术转出强度较低，但其周边地区技术转出强度较高，区域间的差异较大，因为与其邻近的是成都、德阳、绵阳等地市，这些地市的技术输出能力较强；属于高—低集聚区的仅有兰州市，作为甘肃省省会，注重技术创新资源的发展，技术转入与技术转出活动较活跃，但其周围地区均为西部经济发展较为落后的地区，所能进行技术转移活动的资源较为匮乏。2018年，泰安由不显著转为高—高集聚区，自身技术输出能力提高，主要是由于其技术转入增多，技术创新能力增强，加之邻近经济技术发达地区，区域间的技术流动通畅；低—低集聚区城市数量有所增加，赤峰、通辽、兴安盟、大同、榆林、海东、白银、定西由不显著转变为低—低集聚区，酒泉、金昌由低—低集聚转变为不显著，其他地市未发生显著变化。与技术转入集聚格局相似，技术转出的高—高集聚区分布于黄河流域下游地区的山东，低—低集聚区分布于黄河中上游，为我国经济欠发达的中西部地区（图4）。
图4 黄河流域市际技术转出LISA集聚图

Fig.4 LISA cluster diagram of intercity technology transfer in the Yellow River Basin

4 黄河流域本地市际技术转移网络结构特征

4.1 点中心度

运用Ucinet软件分别获得各网络节点的度数中心度、接近中心度、中间中心度，因城市数量较多，故将2010与2018年黄河流域技术转出数量排序后前20位的地市以表格形式呈现（表1）。2010和2018年成都、青岛、郑州、西安是黄河流域九省内部市际技术转移网络的绝对核心，多为省会城市，并且随着经济技术的发展，与2010年相比，2018年各城市的中心度值大幅提高，核心城市数量也显著增多。
表1 黄河流域内部技术转移网络点中心度

Tab.1 Point centrality of technology transfer network in the Yellow River Basin

2010年 2018年
地市 度数中心度 接近中心度 中间中心度 地市 度数中心度 接近中心度 中间中心度
成都 16.667 1.895 17.042 成都 62.609 10.748 26.980
青岛 9.649 1.889 8.986 青岛 46.957 10.570 9.064
西安 8.772 1.892 12.287 郑州 43.478 10.522 9.464
郑州 7.018 1.879 6.219 西安 35.652 10.445 6.428
烟台 5.263 1.882 1.969 济南 28.696 10.370 2.210
潍坊 4.386 1.876 3.196 潍坊 27.826 10.360 2.445
兰州 4.386 1.877 4.070 济宁 26.087 10.342 2.597
太原 4.386 0.909 0.155 临沂 25.217 10.314 1.379
威海 3.509 1.874 0.320 太原 25.217 10.305 3.437
许昌 3.509 1.875 2.180 淄博 23.478 10.277 3.176
咸阳 2.632 1.875 0.565 烟台 22.609 10.268 0.700
南阳 2.632 1.884 4.815 东营 20.000 10.250 1.845
东营 1.754 1.862 1.140 洛阳 19.130 10.231 0.488
临沂 1.754 1.871 0.081 新乡 19.130 10.240 0.786
洛阳 1.754 1.863 0.016 滨州 18.261 10.177 0.916
淄博 0.877 1.870 0.000 泰安 17.391 10.204 0.346
德州 0.877 0.909 0.000 许昌 16.522 10.141 0.564
新乡 0.877 1.845 0.000 绵阳 14.783 10.159 0.996
绵阳 0.877 1.875 0.000 威海 13.043 10.159 0.155
德阳 0.877 1.875 0.000 德阳 7.826 9.957 0.315
从度数中心度结果看，2010年成都中心度值最大，表明成都具有最强的网络中心性，青岛、西安、郑州、烟台4个地市相较其余地市中心度较好，发挥了重要的带头作用；2018年成都仍居于榜首，并远大于排名前列的青岛、郑州、西安，其他城市的中心度相差不大。总体上在技术转移网络中成都优势明显，多数城市的重要性差异较小，2018年较2010年中心度数值具有很大提高，技术转移网络更加复杂。
从接近中心度结果看，成都、青岛、西安、郑州在2010、2018年均名列前茅，2018年较2010年中心度数值大幅提高，地市之间的交往更加密切。总体上黄河流域内部技术转移网络中心性分层不明显，地市与地市之间度数差异较小，但由于城市总量较大，最大值与最小值之间存在一定差距，各地市对技术转移网络的贡献度也存在一定的差异。
从中间中心度结果看，2010年与2018年中心度数值变化不明显，在技术提升和经济发展方面处于领先地位的成都、青岛、西安、郑州依然拥有绝对优势，其余地市中心度均在5以下，具有不同强度的中间性，这与各地市的地理位置、经济发展有较大关系。

4.2 网络密度及可视化

2010年黄河流域内部地市间网络关系数量为90，整体网络密度为0.007，整体网络密度标准差为0.083；2018年黄河流域内部地市间网络关系数量为638，整体网络密度为0.048，整体网络密度标准差为0.213。由表2可以看出，黄河流域内部2018年的网络关系数量和整体网络密度均约为2010年的7倍，表明地市间联系数量增大、强度大幅提高，标准差的提高也说明了在2010年黄河流域内部技术转移网络离散程度较小，地市之间对网络的贡献水平相差较小，而2018年由于地理位置和技术水平优势的充分发挥，一些省会和沿海省份城市快速发展，逐渐拉开了与其他地市之间的距离，龙头城市开始出现。
表2 黄河流域内部技术转移网络整体网络密度

Tab.2 The overall network density of the technology transfer network in the Yellow River Basin

年份 网络关系数量（Ties） 整体网络密度 整体网络关系标准差
2010 90 0.007 0.083
2018 638 0.048 0.213
由于技术转移具有相互性，为了更清晰地展示地市技术转移的方向，分别从输出和输入两个方面制作了2010和2018年黄河流域技术转移图（图5）。2010年技术转移量在高值区间[9,29]的通道有西安至菏泽、兰州、咸阳以及咸阳至菏泽、青岛至临沂、烟台至聊城、成都至攀枝花等7条技术转移通道；2018年黄河流域内部技术联系进一步加强，技术转移量高值区间[19,46]的技术转移通道增加到26个，成都、青岛、济南、郑州、西安、太原表现突出，已成为区域内技术中心，其中，成都、郑州、济南等省会城市与各自省内地市互相之间技术转移紧密。区域内技术转移地理邻近性特点明显，不仅表现在向技术转移周边邻居地区转移，更表现在地市内部技术转移占了较大比重，2010年黄河流域地市内部技术转移占转移总量大都在70%以上，2018年地市内部技术转移明显减少，地市内部技术转移所占比重大都降低到10%以下。
图5 黄河流域内部城市技术转移网络

Fig.5 Technology transfer network of cities in the Yellow River Basin

4.3 核心—边缘分析

由表3可知，2010年黄河流域内部技术转移网络核心区为菏泽、西安、咸阳，联结密度高达13.167，而其余边缘区地市的联结密度仅为0.016；2018年黄河流域内部技术转移网络核心区为济南、青岛、潍坊、临沂、西安、郑州、成都，联结密度高达11.286，而其余边缘区地市的联结密度仅为0.074。由此可见，核心区各个地市间的联系要比边缘区密切得多，而2018年相比于2010年的核心区密度降低了1.881，边缘区密度提高了0.058，这一变化表明，随着技术转移网络复杂性的提高，核心区地市数量有所增加，地市的技术转移具有更多的选择性，地市的地理位置和经济发展条件影响着这种选择，从而使得核心区密度下降，在核心区地市的辐射带动作用下边缘区联结密度得到了小幅度的提高，地市间来往更加密切频繁。
表3 黄河流域内部技术转移网络核心—边缘分析结果

Tab.3 Analysis results of core-edge of technology transfer network in the Yellow River Basin

年份 区域 地市 联结密度
2010 核心区 菏泽、西安、咸阳 13.167 0.030
边缘区 济南、青岛、烟台、兰州、酒泉、太原等113个城市 0.071 0.016
2018 核心区 济南、青岛、潍坊、临沂、西安、郑州、成都 11.286 2.030
边缘区 淄博、枣庄、东营、烟台、济宁、泰安等108个城市 0.307 0.074

5 黄河流域—全国市际技术转移网络结构特征

5.1 点中心度

2010年在黄河流域与其外部地区的技术转移网络中，北京市的中心度最大，是黄河流域对外技术转移网络的核心；其次是上海市，在网络中具有较大的技术交易影响力。到2018年，北京、深圳、绍兴、南通、温州、上海、广州等地市在技术转移网络中的优势凸显，地位大幅上升，且网络中核心地市数量明显增多（表4）。
表4 黄河流域与外部各地市构成的技术转移网络点中心度

Tab.4 Technology transfer network point centrality of the Yellow River Basin and the cities outside

2010年 2018年
地市 度数中心度 接近中心度 中间中心度 地市 度数中心度 接近中心度 中间中心度
北京市 22.513 1.862 22.782 北京市 26.168 11.363 4.321
深圳市 6.806 1.848 5.940 深圳市 25.857 11.347 4.614
上海市 11.518 1.853 8.265 广州市 20.249 11.189 2.275
哈尔滨市 1.571 1.829 0.827 上海市 21.495 11.220 2.323
广州市 5.759 1.843 2.189 绍兴市 23.676 11.283 2.930
台州市 0.524 1.828 0.000 重庆市 19.626 11.173 1.599
杭州市 3.665 1.841 1.561 泉州市 19.003 11.157 1.678
天津市 5.236 1.839 2.611 南通市 21.495 11.236 2.299
保定市 2.094 1.834 0.382 温州市 21.184 11.220 2.145
重庆市 3.141 1.832 2.628 佛山市 16.199 11.096 1.118
南京市 3.665 1.836 1.288 苏州市 17.134 11.119 1.328
无锡市 3.665 1.837 1.229 天津市 17.757 11.127 1.605
珠海市 1.047 1.816 0.059 保定市 8.411 10.856 0.305
郴州市 0.524 0.524 0.000 杭州市 13.707 11.020 0.948
东莞市 2.618 1.835 0.376 台州市 16.511 11.103 1.361
福州市 2.094 1.834 0.239 东莞市 15.265 11.065 1.206
沈阳市 2.094 1.833 1.299 南京市 14.019 11.020 0.876
苏州市 3.141 1.836 0.542 合肥市 14.330 11.042 0.942
温州市 3.141 1.834 1.437 宁波市 16.199 11.088 1.087
厦门市 1.047 1.806 0.029 武汉市 12.150 10.982 0.669
从度数中心度结果看，2010年北京、上海处于网络的绝对核心位置，与黄河流域100多个地市存在着直接的技术转移交互作用，在功能上发挥着对技术资源集聚与扩散的统一。深圳、广州、天津、南京、杭州等地市的度中心性值介于3.665~6.806之间，是技术转移网络的次级中心，一方面得益于与北上中心城市的地缘优势，另一方面也得益于其自身的经济发展水平、技术创新能力等。而清远、葫芦岛、台州等地市的度数中心度均为0.524，在技术转移网络中的联系作用较弱。到2018年，北京、深圳、绍兴、上海、南通、温州、广州等7个地市成为技术转移网络中的一级核心城市，且均为东部发达地区城市，而度数中心度小于1的地市有58个，在206个外部地市中仅占比28.16%。总体上，2018年众多地市在黄河流域对外的技术转移网络中的作用较2010年大幅增强。
从接近中心度结果看，2010年，除郴州、朝阳、岳阳、滁州、齐齐哈尔5个地市的接近中心度为0.524外，其他各市的接近中心度均在1.8左右，差异较小，表明各地市对接黄河流域技术转移的距离和优势差别不大。2018年，各市的接近中心度仍较接近，但相对于2010年而言，高值与低值间的差距由1.338增加到2.051，北上广等城市的优势略有凸显，且总体上2018年的中心度值大幅增大，约为2010年的6.102倍。
从中间中心度结果看，2010年，北京、上海、深圳等地市的中间中心度大于1，具有一定的中介性，而台州、郴州、清远等地市的中心度值为0，不具有节点中介作用。同时，北京的中心度值为22.782，在技术转移网络中中介作用最强；上海的中间中心度为8.265，仅次于北京，但中介指数仅为北京的36%，在技术转移网络中的中介作用差距明显。2018年，哈密、吐鲁番、伊春等边缘地区地市的中介度仍为0，中介作用不明显。而北京、深圳两市仍为网络的绝对核心，具备较强的媒介功能，在黄河流域与外部的技术转移过程中发挥着桥梁作用。值得注意的是，深圳的中介作用还强于北京，但度数中心性与接近中心性略差于北京，主要是由于深圳市地处粤港澳大湾区经济带，具有临近东部技术核心城市的距离优势，在网络中的中介性较好。上海、广州、绍兴、南通、温州等地市为次级中心，在技术转移网络中起着起承转合的作用，发挥着连接北京、深圳等一级中心与一般节点的作用。但总体上，随着科技发展、技术创新能力的提升，众多城市间的中介作用差距较2010年有所缩小。

5.2 网络密度及可视化

黄河流域与其外部地市的技术合作密切，技术转移网络的整体网络关系数量较黄河流域内部大，技术网络的整体网络密度也较内部高。2010年黄河流域对外的技术转移网络整体关系数为261，网络密度为0.014，而到2018年，网络关系数增加到3 145，约为2010年的12倍，整体网络密度也上升到0.061，表明黄河流域对外技术合作的密切性增强，且技术转出强度大于技术转入强度，技术创新能力提升，注重与外部的联动发展（表5）。
表5 黄河流域与外部技术转移网络之间的整体网络密度

Tab.5 The overall network density between the Yellow River Basin and the external technology transfer network

年份 网络关系数量（Ties） 整体网络密度 整体网络关系标准差
2010 261 0.014 0.118
2018 3 145 0.061 0.239
对黄河流域内部与外部相互技术转移进行分类统计作图，制作黄河流域对外技术转移图（图6）和外部对黄河流域技术转移图（图7）。具体转移方向来说，2010年黄河流域内部向外技术转移在[12,18]区间的通道有4个，分别是潍坊至北京、西安至深圳、成都至台州、成都至北京，技术转移相对强；在[5,11]区间的有13个，其中，成都、晋城、晋中、烟台、青岛表现突出，向区域外部技术转移所占比重都在4%以上，成都更是达到14.86%。2018年黄河流域向外部技术转移强度进一步加强，无论是与区域外城市联系的数量还是强度都明显增大，联系通道从2010年的139个增加到2018年的1 915个，在[73,237]区间的通道有5个，分别是成都至北京、上海、深圳、广州和保定，技术转移相对强，在[18,72]区间的有80个，主要以青岛、济南、烟台、威海、淄博、临沂、郑州、洛阳、新乡、濮阳、信阳、成都、广安、资阳、银川、包头等地市向外转移为主。其中，济南、青岛、西安、郑州、成都向区域外部技术转移所占比重都在4%以上，在区域整体技术转移提升的背景下，成都和青岛更是从14.86%和4.8%提高到22.18%和11.17%。
图6 黄河流域对外城市技术转移网络

Fig.6 Technology transfer network for cities in the Yellow River Basin

图7 外部城市对黄河流域内技术转移网络

Fig.7 External cities to technology transfer network in the Yellow River Basin

2010年黄河流域外部技术输入通道有144个，在[12,18]区间的通道有7个，分别是北京至西安和新乡、深圳至长治和西安、杭州至烟台、保定至西安、郴州至南充，技术转移相对强；在[5,11]区间的有21个技术转移通道，其中，北京、上海、天津、深圳、杭州表现突出，向区域内技术转移所占比重分别为28.81%、10.25%、4.71%、9.42%、6.65%。2018年黄河流域外部技术输入强度和范围进一步加大，无论是与区域外城市联系的数量还是强度都明显增大，联系通道从2010年的144个增加到2018年的1 983个，在[73,122]区间的通道有6个，分别是北京至青岛和潍坊、广州至南阳、深圳至成都、杭州至济宁、重庆至成都，技术转移相对强；在[18,72]区间的有52个，主要以北京、广州、深圳、上海、武汉、南京、苏州、杭州、宁波、绍兴、天津等向区域内转移为主。其中，北京、深圳、广州、上海向流域内技术转移所占比重都分别为13.77%、6.79%、4.9%、4.49%，是黄河流域关键技术来源节点。绍兴、杭州、温州、重庆所占比重都也分别分布达到了4.47%、3.8%、3.15%、3.11%，也是黄河流域的重要的技术来源通道。

5.3 核心—边缘分析

2010年黄河流域内外部技术转移网络的核心区为北京、深圳、西安、晋城、成都，其余187个地市均处于边缘区，核心区地市数量较少。核心区地市联结密度为9.000，边缘区地市联结密度仅为0.019，联结密度两极化明显，而核心区与边缘区之间的联结密度为0.429，虽较低但仍高于边缘区，体现出核心—半边缘—边缘的结构趋势。2018年核心区地市数量有所增加，分别为北京、青岛、广州、西安、深圳、成都，在技术网络中吸引力强、辐射范围广。但边缘区地市数量由2010年的187个增加到2018年的315个，主要源于技术转移网络的扩大，核心—边缘结构明显。其中青岛、广州创新能力提高，2018年从边缘区变为核心区。联结密度上，核心区密度为76.400，边缘区密度为0.164，核心区与边缘区之间的密度为3.421，2010—2018年间，核心区、边缘区各自内部的联结密度及相互间的联结密度差异在加大，核心—半边缘—边缘的网络结构特征逐渐显现（表6）。
表6 黄河流域内外部技术转移网络核心—边缘分析结果

Tab.6 Results of core-edge analysis of technology transfer network in and outside the Yellow River Basin

时间 区域 地市 联结密度
2010 核心区 北京、深圳、西安、晋城、成都 9.000 0.429
边缘区 济南、青岛、太原、绵阳、南京、苏州、金华、宁波、绍兴、中山、东莞、厦门、重庆、长沙、滨州、宜宾、清远、无锡、廊坊、武汉…… 0.429 0.019
2018 核心区 北京、青岛、广州、西安、深圳、成都 76.400 0.042
边缘区 重庆、拉萨、佛山、珠海、南京、扬州、湖州、宁波、太原、沈阳、临沂、菏泽、咸阳、南充、廊坊、长沙、桂林、台湾、武汉、厦门…… 3.421 0.164

6 结论

通过数据爬虫技术提取2010和2018年黄河流域各地市的专利交易数据，结合GIS空间分析、空间自相关和社会网络分析方法，立足全国和本地两个视角，揭示黄河流域技术转移强度的空间分布、空间集聚状况及技术转移的社会网络结构特征。
①黄河流域技术转入强度和技术转出强度空间极化现象显著，2010和2018年技术转入和转出高值地市多分布于黄河中下游的山东、河南、四川、陕西、山西等省区的个别地市，其中山东是黄河流域技术转移最活跃的地带；低值城市多分布于中上游经济欠发达的青海、宁夏、甘肃、内蒙古等省区。从技术转移数量上看，2010年技术转入数、转出数最高值分别为429、481，最低值均为0；2018年技术转入数、转出数最高值分别为3 520、4 876，最低值均为0，高低值间差距极大，且2018年技术转入数最高值是2010年的8.2倍，转出数最高值是2010年的10.14倍，即与2010年相比，2018年黄河流域众多地市的技术创新能力显著增强。
②黄河流域市际技术转入活动和转出活动的空间集聚特征明显，存在显著的空间正相关性，且技术转入空间集聚格局与技术转出空间集聚格局具有相似性，高高集聚区主要分布于地处东部的山东省，低低集聚区主要分布于西部地区，高低集聚和低高集聚的地市数量较少。
③区域内部视角下，成都是技术转移网络的绝对核心，其次是青岛、西安、郑州等地市，具有较好的网络中心性，且多为省会城市；2018年的整体网络密度是2010年的7倍，内部各地市间的技术交流在加强，网络复杂性提高，技术网络的离散程度较小；网络结构上，济南、青岛、潍坊、临沂、西安、郑州、成都等7个地市为网络的核心区，其他地市均为边缘区，核心—边缘结构凸显。区域内技术转移地理邻近性特点明显，不仅表现在向技术转移周边邻居地区转移，更表现在地市内部技术转移占了较大比重。
④外部视角下，北京、上海、深圳等大城市在技术转移网络中发挥着对技术资源的集聚与扩散作用，中心度值较高，且黄河流域对外的技术转移网络的整体网络密度较内部大，与外部的技术交流活动频繁，注重与外部的联动发展；结构上，整体技术转移网络呈现出明显的核心—边缘结构，北京、成都、深圳、西安等地市是技术转移网络中的核心区，对网络的控制力不断加强。
⑤2010年黄河流域内部向外技术转移强度高的通道有4个，分别是潍坊至北京、西安至深圳、成都至台州、成都至北京。成都、晋城、晋中、烟台、青岛表现突出，向区域外部技术转移所占比重都在4%以上，成都更是达到14.86%。2018年黄河流域向外技术转移强度进一步加强，无论是与区域外地市联系的数量还是强度都明显增大，联系通道从2010年的139个增加到2018年的1 915个，技术转移强度高的通道增加到5个，分别是成都至北京、上海、深圳、广州和保定。济南、青岛、西安、郑州、成都向区域外部技术转移所占比重都在4%以上，在区域整体技术转移提升的背景下，成都和青岛更是从14.86%和4.8%提高到22.18%和11.17%。
⑥2010—2018年区域外对黄河流域技术转移通道从2010年的144个增加到2018年的1 983个，技术转移强度高的区间从[12,18]跃升为[73,122]。2010年技术转移强度高的通道有7个，分别是北京至西安和新乡、深圳至长治和西安、杭州至烟台、保定至西安、郴州至南充；2018年有6个：北京至青岛和潍坊、广州至南阳、深圳至成都、杭州至济宁、重庆至成都。北京、深圳、广州、上海向流域内技术转移所占比重都分别为13.77%、6.79%、4.9%、4.49%，是黄河流域关键技术来源节点。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
杜德斌. 全球科技创新中心:动力与模式[M]. 上海: 上海人民出版社, 2015.

[2]
Adams J. Collaborations:the fourth age of research[J]. Nature, 2013, 497(7451):557-560.

[3]
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

[4]
Buenstorf G, Geissler M. Not invented here:technology licensing,knowledge transfer and innovation based on public research[M]. Heidelberg: Springer International Publishing, 2013:77-107.

[5]
Del Giudice M, Carayannis E G, Maggioni V. Global knowledge intensive enterprises and international technology transfer:emerging perspectives from a quadruple helix environment[J]. The Journal of Technology Transfer, 2017, 42(2):229-235.

[6]
Kenney M. The Chicago handbook of university technology transfer and academic entrepreneurship[J]. Academy of Management Learning & Education, 2017, 16(1):167-169.

[7]
Munari F, Rasmussen E, Toschi L, et al. Determinants of the university technology transfer policy-mix:a cross-nationalanalysis of gap-funding instruments[J]. The Journal of Technology Transfer, 2016, 41(6):1377-1 405.

[8]
Iwasaki I, Tokunaga M. Technology transfer and spillovers from FDI in transition economies:a meta-analysis[J]. Journal of Comparative Economics, 2016, 44(4):1086-1 114.

[9]
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

[10]
李丹丹, 汪涛, 周辉. 基于不同时空尺度的知识溢出网络结构特征研究[J]. 地理科学, 2013, 33(10):1180-1 187.

[11]
李丹丹, 汪涛, 魏也华, 等. 中国城市尺度科学知识网络与技术知识网络结构的时空复杂性[J]. 地理研究, 2015, 34(3):525-540.

DOI

[12]
Andersson D E, Gunessee S, Matthiessen C W, et al. The geography of Chinese science[J]. Environment & Planning A, 2014, 46(12):2950-2 971.

[13]
马海涛. 基于人才流动的城市网络关系构建[J]. 地理研究, 2017, 36(1):161-170.

DOI

[14]
盛亚. 中国技术转移的理论与实际问题[J]. 科学管理研究, 1994, 12(6):40-43.

[15]
陈艾华, Patton Donald, Kenney Martin. 中国大学技术转移前沿理论动态:学术背景与理论焦点[J]. 科学学与科学技术管理, 2017, 38(4):16-23.

[16]
饶凯, 孟宪飞, Andrea Piccaluga, 等. 丹麦公共研发机构专利技术转移研究[J]. 科技进步与对策, 2011, 28(8):47-51.

[17]
饶凯, 孟宪飞, Andrea Piccaluga, 等. 英国大学专利技术转移研究及其借鉴意义[J]. 中国科技论坛, 2011(2):148-154.

[18]
罗德明, 周嫣然, 史晋川. 南北技术转移、专利保护与经济增长[J]. 经济研究, 2015(6):46-58.

[19]
罗思平, 于永达. 技术转移、“海归”与企业技术创新:基于中国光伏产业的实证研究[J]. 管理世界, 2012(11):124-132.

[20]
Cohen W M, Levinthal D A. Absorptive capacity:a new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990:128-152.

[21]
Gertler M S. Tacit knowledge and the economic geography of context,or the undefinable tacitness of being (there)[J]. Journal of Economic Geography, 2003, 3(1):75-99.

[22]
Jonathan C C, Wikle T A. Worldwide diffusion of the cellular telephone,1995-2005[J]. Professional Geographer, 2008, 60(2):252-269.

[23]
Perkins R, Neumayer E. The international diffusion of new technologies:A multitechnology analysis of latecomer advantage and global economic integration[J]. Annals of the Association of American Geographers, 2010, 95(4):789-808.

[24]
刘承良, 管明明, 段德忠. 中国城际技术转移网络的空间格局及影响因素[J]. 地理学报, 2018, 73(8):1462-1 477.

[25]
段德忠, 杜德斌, 谌颖, 等. 中国城市创新技术转移格局与影响因素[J]. 地理学报, 2018, 73(4):738-754.

DOI

[26]
刘承良, 牛彩澄. 东北三省城际技术转移网络的空间演化及影响因素[J]. 地理学报, 2019, 74(10):2092-2 107.

[27]
李天放, 冯锋. 跨区域技术转移网络测度与治理研究:基于共生理论视角[J]. 科学学研究, 2013, 31(5):684-693.

[28]
任龙, 姜学民, 傅晓晓. 基于专利权转移的中国区域技术流动网络研究[J]. 科学学研究, 2016, 34(7):993-1 004.

[29]
段德忠, 杜德斌, 谌颖, 等. 中国城市创新技术转移格局与影响因素[J]. 地理学报, 2018, 73(4):738-754.

DOI

[30]
苏建军, 朱海艳. 中国旅游投资水平的时空格局演变及驱动因素分析[J]. 世界地理研究, 2019, 28(4):144-155.

[31]
王雪峰, 温彦平. 湖南省人口城镇化与土地城镇化空间格局演化及协调性研究[J]. 湖南师范大学自然科学学报, 2019, 42(5):34-43.

[32]
韩兆洲, 操咏慧, 方泽润. 区域创新水平综合评价及空间相关性研究——以粤港澳大湾区为例[J]. 统计与决策, 2019, 35(23):128-133.

[33]
Emanuela D A, Marco L. Social networking and inequality:the role of clustered networks[J]. Cambridge Journal of Regions,Economy and Society, 2011, 4(1):64-78.

Options
Outlines

/

〈 〉