EN中文

Economic geography >

2019 , Vol. 39 >Issue 9: 164 - 173

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.09.020

Synergy Degree of Innovation Network of Emerging Technology Industry in Central China

  • MA Hui , 1, 2 ,
  • CAO Xing , 2, 3, ※ ,
  • LI Xingyu 2
Expand
  • 1. School of Information，Hunan University of Chinese Medicine，Changsha 410208，Hunan，China
  • 2. Business School，Central South University，Changsha 410083，Hunan，China
  • 3. School of Business，Hunan First Normal College，Changsha 410205，Hunan，China

Received date: 2018-12-20

  Revised date: 2019-05-27

  Online published: 2025-04-17

Fold

Abstract

Based on the panel data of six provinces in the central regions from 2010 to 2017, this paper constructs the synergetic degree model to measure the synergy degree of innovation network of emerging technology industry in the central regions from the aspects of innovation goals, resource allocation and knowledge transfer. The results show that it overall maintains the growth trend in the synergy degree of innovation network of emerging technology industry in the central regions, but the level of collaborative innovation is relatively low, and its difference among the six provinces is relatively large, Which is an orderly growth trend in Hubei Province and Anhui Province, and a fluctuating growth in Hunan Province, Jiangxi Province, Henan Province and Shanxi Province. Resource allocation and knowledge transfer are the main factors that restrict the collaboration of innovation network of emerging technology industry. Finally, it puts forward the policy proposals which are strengthening the integration and investment of cooperative R&D resources among the entities in the innovation network, standardizing the cooperation mode among the collaborative innovation entities, accelerating the transfer, absorption and re-creation of the emerging technology knowledge, and improving the synergy degree of the innovation network in the emerging technology industry.

Key words： emerging technology; industry innovation network; synergy degree; R&D resources; collaborative innovation; knowledge transfer

Cite this article

MA Hui , CAO Xing , LI Xingyu . Synergy Degree of Innovation Network of Emerging Technology Industry in Central China[J]. Economic geography, 2019 , 39(9) : 164 -173 . DOI: 10.15957/j.cnki.jjdl.2019.09.020

新兴技术具有高度不确定性，由于缺乏成熟的技术范式和市场定位[1]，在研发的过程中，其创新主体需承担较高的成本和较大的风险，很难完全依靠自身力量推动新兴技术创新，往往需要通过新兴技术产业创新网络来获取优质资源。相对于在传统产业中通过技术高端化而形成的高新技术产业来说，新兴技术产业则是突破传统产业，甚至对传统产业产生毁灭作用，具有全新经济形态的产业群[2]。新兴技术产业协同创新实质上是各要素得到充分利用[3]、资源得到优化配置的过程[4]，依赖于新兴技术企业与产业创新网络中其他研发主体甚至其他产业研发主体的资源、知识的深度配合与协同[5]。目前，我国创新资源分布不均严重制约新兴技术产业创新网络中各主体间深度协同，知识资源的分布在不同区域存在显著性差异，科技活动人员和经费由东部向西部依次减少。
协同度是指创新网络内各创新主体与非主体要素之间，通过创新系统自组织演化，达到协调一致的程度[6⇓-8]。已有文献在协同理论[9]的基础上，从不同视角对系统内外部协同创新及其协同度进行研究。关于系统内部协同的研究，侧重于系统内各主体间多维度的协同程度[10-11]。Persaud从战略研发协同、管理和运作协同、知识管理协同和创新程度协同四个维度对协同度进行测度[12]。Shinn深入研究大学与企业间协同度的提升路径[13]。吴笑等从主体协同、过程协同、要素协同、机制协同、体制协同与协同效果六个层面展开对协同创新系统的协同度测度[14]。李海东从社会支持能力、环境支持能力、资源支持能力和经济支持能力构建距离协同模型，分析了皖江城市带的协同发展程度[15]。关于系统外部协同的研究，侧重于分析创新系统与其外部环境之间的协同程度[16⇓-18]。Beers以澳大利亚奎那那经济区为例，从经济、技术和环境可行性分析资源型区域协同发展的制约因素[19]。刘英基在理论分析基础上构建复合系统协同度模型，以探究高技术产业技术创新、制度创新与产业高端化的协同发展关系[20]。李虹等在低碳环保的基础上分析生态环境和科技创新各系统间的协同度[21]。杨珍丽等测度长株潭城市群子系统、开发区子系统、产业集群子系统的有序度及整体协同度，并分析三者协同发展的形成机制[22]。
本文通过建立复合协同度模型，对新兴技术协同创新过程中创新目标实现程度、资源配置合理程度和知识转移有效程度进行衡量与评价，测量2010—2017年我国中部地区新兴技术产业创新网络的协同度。依据对协同度的时空差异性分析，指导我国中部地区新兴技术企业在协同创新中进行资源合理配置、知识转移和知识创造，高速有效地实现协同目标，以此来提升新兴技术产业创新网络中主体间的协同程度。

1 新兴技术产业创新网络协同演化机理与框架

新兴技术产业创新网络由多类型主体参与，主要包括企业、科研院校、政府等核心创新主体，及以中介机构为主的辅助创新主体。要实现新兴技术创新目标，关键是在创新资源的流动和交换过程中逐渐改变原有结构，形成高度有序的开放式交互结构，利于数据、信息和知识等资源畅通流动，进一步促进新兴技术产业创新网络自组织协同演化。
因此，新兴技术产业创新网络是由于各创新主体间存在竞争与合作，随着非线性相互作用，调节创新网络内主体间关系，进而利用涨落的波动从局部放大到整体，决定创新系统内部的资源配置和知识转移，使得系统朝有序方向演化[23]，实现新兴技术发展的创新目标。整个创新系统表现为从无序到有序、从低级向高级不断进化的循环过程。各创新主体间的协同度在循环过程中不断加深，甚至可能会产生质的跨越，提升系统整体竞争优势同时促进创新网络内各创新主体核心竞争力的形成，如图1。
图1 新兴技术协同创新自组织演化过程

Fig.1 Self-organization evolution of collaborative innovation of emerging technology

新兴技术产业创新网络协同演化过程中，更加强调创新资源的整合和利用、新兴技术知识的转移和共享。处于创新网络中新兴技术企业通过对创新资源的合理利用、新兴技术知识的转移和创造，有利于实现“1+1>2”的协同创新效果。网络内资源共享程度和知识转移效率，直接体现了各创新主体间相互协调、相互影响的程度，新兴技术产业创新网络协同度实质上是各创新主体在协同创新过程中，知识、资源等因素的整体协同效应的测度。资源的投入与配置是新兴技术协同创新的重要创新过程，构成新兴技术协同创新的物质基础。由于新兴技术本身的复杂程度与不确定性较高，凭借各新兴技术主体间的知识转移和共享来降低新兴技术研发的风险，因此知识转移有效程度是新兴技术协同创新过程中的关键保障。主体间通过资源的合理流动与所需知识的高效传递进而实现各创新主体的行动一致性，加深合作与交流，加强异质资源整合互补、加速知识交流分享，为共有的创新目标发挥各自优势，进而从整体上提升新兴技术产业创新网络协同度。
因此，本文从创新目标、资源配置和知识转移等方面，构建新兴技术产业创新网络协同度的测度，如图2所示。
图2 新兴技术产业创新网络协同度框架图

Fig.2 Synergy framework of innovation network of emerging technology industry

新兴技术产业创新网络协同系统包含资源配置、知识转移以及创新目标三个子系统。资源配置子系统衡量各创新主体投入到协同创新中的资源整合；知识转移子系统则是衡量产业创新网络中知识技术的有效流动；创新目标子系统衡量新兴技术协同创新过程中的资源投入和创新产出，即协同创新的绩效。

2 协同度指标体系构建

2.1 指标的选取

本文根据评价指标体系的构建理论依据与原则，针对新兴技术企业的特点，结合对已有的协同度相关文献的检索和分析，从新兴技术产业创新网络协同系统的三大子系统出发，结合各子系统的特点、作用，构建评价指标。
创新目标序变量。创新目标实现程度通过协同创新的绩效来体现，因此创新目标序变量主要依据新兴技术协同创新过程中的创新投入与产出来选取。本文采用R&D人员全时当量、R&D经费支出、研究与开发机构数，衡量我国新兴技术产业在创新人才、创新资金和基础设施等方面的投入情况，新产品开发项目数、有效发明专利数则可以较好评价创新产出情况。
资源配置序变量。资源配置合理程度体现在协同主体各方之间的资源整合，因此在资源配置子系统的相关序变量选取上，主要考虑新兴技术企业与高校、科研院所、政府之间的创新资源优化整合。本文通过计算新兴技术企业与高校间合作经费占企业研发外部支出中的比重、新兴技术企业与研发机构合作的经费占企业研发外部支出中的比重衡量新兴技术企业与高校、科研机构间的创新合作深度和创新资源整合程度，计算政府资金占企业研发内部支出的比重则很好地评价政府在新兴技术企业协同创新过程中的作用。
知识转移序变量。知识转移有效程度衡量了新兴技术协同创新过程中知识资源的交流和共享。因此在知识转移子系统的相关序参量选取上，考虑到知识转移过程中的知识流向和新兴技术企业的知识消化能力。本文采用技术市场输出技术成交额和购买国内外技术经费，评价新兴技术企业知识转移行为，用消化吸收费用衡量新兴技术企业的知识吸收能力。
根据上述指标的选取，本文构建新兴技术产业创新网络协同度指标体系，其子系统为创新目标实现度、资源合理配置度、知识转移有效度；一级指标为创新投入、创新产出、政府资源、高校科研机构资源、知识流向、知识吸收；二级指标即基础评价指标，见表1。
表1 新兴技术产业创新网络的协同度指标体系

Tab.1 Synergy index system of innovation network of emerging technology industry

系统 一级指标 要素 单位 权重
创新目标实现度（I） 创新投入 高技术产业研究与开发机构数（e11） 个 0.0524
高技术产业R&D人员折合全时当量（e12） 个 0.0393
高技术产业R&D项目经费（e13） 亿元 0.0402
创新产出 高技术产业新产品开发项目数（e14） 件 0.0366
高技术产业有效发明专利数（e15） 件 0.0557
资源合理配置度（R） 政府资源 政府资金占企业研发内部支出的比重（e21） % 0.0403
高校科研院所资源 与高校合作研发的经费占企业研发外部支出的比重（e22） % 0.0596
与研发机构合作研发的经费占企业研发外部支出的比重（e23） % 0.0436
知识转移有效度（K） 知识流向 购买国外技术经费（e24） 亿元 0.1345
购买国内技术经费（e25） 亿元 0.0705
技术市场输出技术成交额（e31） 亿元 0.1574
技术市场引进技术成交额（e32） 亿元 0.1367
知识吸收 消化吸收费用（e33） 亿元 0.1333

2.2 权重的确定

为了避免个人主观因素的影响，本文采用以原始数据为基础的熵值法，通过深入挖掘数据本身信息来衡量新兴技术产业创新网络协同度指标权重。
熵值法是依据指标离散程度来测度权重。指标熵值越小，意味着该指标提供的信息量越大，即拥有越大的权重值。根据熵理论，建立创新系统熵计算公式如下：
H j = - K ∑ i = 1 m Y i j × l n Y i j     0 ≤ H j ≤ 1
K = 1 l n   m
Y i j = X i j ' ∑ i = 1 m X i j '
式中：Hj为第j个变量的熵值；K为该变量无序系数的平均值；Yij表示i区域中第j个变量所占的比重，若i子系统表现无序时，第j个变量出现的概率，且满足 ∑ Y i j = 1的条件。其效用值的计算如下所示：
d j = 1 - H j
变量的熵值与效益值的变化方向是相反的，即变量熵值越大，其效用值则越小，变量包含的信息量就越少。
W j = d j / ∑ j = 1 n d j
式中：Wj表示的是第j个指标的重要程度，即权重。各指标权重计算见表1。

2.3 度模型有序度与协同度

新兴技术产业创新网络的有序发展在于新兴技术创新各子系统及其要素间的协调可持续发展。

2.3.1 子系统有序度

e i j为新兴技术协同发展的序参量， i代表的是协同创新子系统， j代表的是子系统中的各类要素。基于序参量对新兴技术产业创新网络有序程度的正负影响，可将其划分为正向和负向的序参量。当正向序参量的取值越大，则新兴技术产业创新网络的有序程度就越高，反之则低；负向序参量的取值越大时则意味着新兴技术产业创新网络的有序程度较低，反之则越高。区域产业创新网络中 e i j序参量的有序程度计算公式如下：
当 e i j为正向序参量时，
u i e i j = e i j - b i j a i j - b i j
当 e i j为负向序参量时，
u i e i j = a i j - e i j a i j - b i j
式中： u i e i j ∈ [ 0,1 ]，若其取值的越大，则序参量 e i j对子系统 i的有序程度贡献效果更好； e i j ∈ [ a i j , b i j ]， a i j代表的是协同创新子系统 i的第 j个创新要素的最小值， b i j代表的是协同创新子系统 i的第 j个创新要素的最大值。
本文采用线性加权法将 u i e i j集成，计算子系统 i的有序度，公式如下：
u i e i = ∑ i = 1 n u i e i j × ω i j

2.3.2 系统有序度

将 t 0作为基期，创新目标子系统I的有序程度指标为 u I 0 e i，资源配置子系统R的有序程度指标为 u R 0 e i，知识转移子系统K的有序程度指标为 u K 0 e i，当系统演化发展到时刻 t 1时，子系统I的有序程度变为为 u I 1 e i，子系统R的有序程度发展为 u R 1 ( e i )，子系统K的有序程度发展为 u K 1 e i。因此，各子系统间有序度模型如下。
C = u I 1 e i - u I 0 e i u R 1 e i - u R 0 e i u K 1 e i - u K 0 e i λ
其中，
λ = 1 , u I 1 e i - u I 0 e i ≥ 0 、 u R 1 e i - u R 0 e i ≥ 0 、 u K 1 e i - u K 0 e i ≥ 0 同 时 成 立 - 1 , 其 他
由式（9）可知，C参数取值越大，系统的协同度越高，反之则系统的协同创新发展程度低；若各子系统间的有序程度发展方向及速度不一致时，则区域产业创新网络的协同效果较差或根本不存在协同。

2.3.3 有序度标准离差率的计算

系统的协同度不仅与系统内各子系统间的有序程度有关，而且还与各子系统有序程度的差异性有关。协同度其实质是各子系统有序程度的差异总和，差异程度越大，越难匹配。因此，通过标准离差率这一指标分析各子系统间有序程度的离散情况，其计算公式如下所示：
D i = δ C n S i = ∑ n = 1 8 C n S i - C - S i 2 n - 1 / C n S i i = 1,2 , 3
式中：Di指的是第i个子系统有序程度的离差率； δ是各子系统间有序程度的标准差； C n S i表示第i个子系统在第n时刻的系统有序度。

2.3.4 协同度

整体系统的有序程度与系统内部各子系统间的相互协同并不是独立，两者之间存在必然的联系，其中一个的变化会对另一个产生重大的影响，系统的整体协同度是两者共同作用的结果。因此，系统整体协同度的计算通过系统有序度和各子系统间有效匹配度的乘积进行计算，公式如下：
C d = C 1 - D = ∏ n = 1 8 C n S i 8 · 1 - ∑ n = 1 8 C n S i - C - S i 2 n - 1 C n S i
式中：Cd表示的是系统整体的协同度；C表示系统的有序程度； 1 - D表示各子系统间的有效匹配度。对协同度Cd数值进行了协同程度标准划分，见表2。
表2 新兴技术产业创新网络协同度划分标准

Tab.2 Synergy criteria for innovation network of emerging technology industry

Cd <0 0~0.2 0.2~0.4 0.4~0.6 0.6~0.8 0.8~1.0
协同度 不协同 低 较低 中等 较高 高

3 新兴技术产业创新网络的协同度实证

3.1 数据来源

考虑到地域邻近性特征，同处于中部地区的各省经济环境和政策环境相似，具有可比性。因此，本文选取中部地区六省新兴技术产业为研究对象，进行时间—空间差异性分析。收集了2010—2017年科技创新数据为研究样本，数据来源于《中国高技术产业统计年鉴》《中国科技统计年鉴》《中国火炬统计年鉴》以及各地区统计年鉴等的高技术产业统计数据。

3.2 创新目标实现度的时空差异性分析

创新目标子系统一方面描述了新兴技术协同创新过程中各创新要素的投入，另一方面描述了大学、科研机构及企业等协同主体间的经济和技术成果。以2010年数据为标准，通过公式（6）~（8）测量中部地区六省协同创新目标实现度（表3）。
表3 创新目标实现度统计表

Tab.3 The statistical table of innovation goal

地区 2010 2011 2012 2013 2014 2015 2016 2017
湖北 0.0001 0.2933 0.5781 0.5459 0.6736 0.7075 0.8179 0.9686
湖南 0.0001 0.1900 0.3091 0.4433 0.6351 0.7628 0.7865 0.9998
江西 0.0001 0.1425 0.2009 0.3307 0.3746 0.4931 0.6156 0.9998
河南 0.0001 0.1566 0.2669 0.4121 0.5184 0.6383 0.8207 0.9811
山西 0.0001 0.1167 0.4271 0.4126 0.4650 0.4417 0.7701 0.9765
安徽 0.0001 0.1266 0.2652 0.3315 0.4277 0.5417 0.7876 0.9998
如图3所示，2010—2017年中部地区创新目标实现度呈明显的增长趋势，2010年中部地区创新目标实现度均值为0.0001，2017年中部地区创新目标实现度均值为0.9876，中部地区六省的创新目标实现度均呈增长趋势。其中，江西省和山西省在2012—2017年的创新目标实现度增长速度相对较缓慢。依据年鉴原始数据可发现，江西省新产品开发项目的增长速度趋于平缓；山西省研究开发机构数与专利授权数均减少，影响到创新目标子系统有序度的增长速度。从创新目标实现度的分布情况看，中部地区六省均呈明显的增长趋势。
图3 创新目标实现度的时空差异图

Fig.3 Spatiotemporal difference in realization degree of innovation goal

3.3 资源配置合理度的时空差异性分析

资源配置子系统是创新主体在参与新兴技术协同创新过程中资源要素的集合体，强调了新兴技术协同创新中创新主体如高校、科研院所与企业之间深度合作及协同主体间的动态联动和有效协作的过程。以2010年数据为标准，通过公式（6）~（8）测量中部地区六省资源配置合理度（表4）。
表4 资源配置合理度统计表

Tab.4 The statistical table of resource allocation rationality

地区 2010 2011 2012 2013 2014 2015 2016 2017
湖北 0.3561 0.2287 0.3713 0.7659 0.3481 0.3756 0.5836 0.5834
湖南 0.2723 0.2981 0.3843 0.3164 0.2467 0.2993 0.1767 0.2355
江西 0.4859 0.6121 0.3343 0.1462 0.2749 0.1080 0.3011 0.3006
河南 0.3398 0.5939 0.3300 0.4316 0.4703 0.1999 0.1152 0.0984
山西 0.4034 0.4286 0.2918 0.7541 0.3147 0.5576 0.1501 0.1659
安徽 0.3771 0.6721 0.1530 0.3557 0.2333 0.2762 0.4327 0.3438
2010—2017年中部地区整体资源配置合理度呈明显的波动态势，2010年中部地区资源配置合理度均值为0.3724，2017年中部地区资源配置合理度均值为0.2879，在统计期内，中部地区资源配置合理度均值都未超过0.5，处于较低水平。
图4中可以看出中部地区资源配置合理度在不同省份呈现出明显差异。湖北省资源配置合理度呈增长趋势，湖南省资源配置合理度发展较稳定，其余四省资源配置合理度都呈波动发展趋势。依据年鉴中数据，发现江西省、河南省、陕西省和安徽省在统计期内高校与企业合作研发经费、科研机构与企业合作研发经费及政府资金投入都在不断变化，这意味着我国新兴技术协同创新过程中创新主体间的深入融合还存在瓶颈，这需要进一步深化资源协同机制，合理整合创新主体之间的创新资源，促进新兴技术协同创新和技术成果转化。从资源配置合理度的分布情况看，湖北省和湖南省呈稳步增长趋势，其余四省呈明显的波动趋势，资源配置合理程度成为制约我国新兴技术协同创新程度的关键因素。
图4 资源配置合理度的时空差异图

Fig.4 Spatiotemporal difference of resource allocation rationality

3.4 知识转移有效度的时空差异性分析

知识转移子系统是新兴技术协同创新的重要组成部分，它是对协同创新过程中最重要的知识技术流动的衡量。以2010年数据为标准，通过公式（6）~（8）测量中部地区六省知识转移有效度（表5）。
表5 知识转移有效度统计表

Tab.5 The statistical table of knowledge transfer validity

地区 2010 2011 2012 2013 2014 2015 2016 2017
湖北 0.0274 0.0394 0.2032 0.3027 0.6343 0.5215 0.6670 0.7461
湖南 0.3222 0.0892 0.0631 0.3728 0.4446 0.4420 0.3134 0.6882
江西 0.1605 0.3881 0.2431 0.2661 0.2325 0.3734 0.5970 0.6882
河南 0.0000 0.2659 0.1887 0.3047 0.5636 0.3656 0.4570 0.7094
山西 0.0132 0.0643 0.1693 0.5563 0.4934 0.3152 0.4338 0.6882
安徽 0.3148 0.2175 0.1608 0.3812 0.3773 0.5911 0.8098 0.6882
2010—2017年中部地区整体的知识转移有效度呈增长趋势，增速较缓，2010年中部地区知识转移有效度均值为0.1397，2017年中部地区知识转移有效度均值为0.7014。
图5中可以看出中部地区知识转移有效度在不同省份也呈现出明显差异。其中湖北省、河南省和安徽省的知识转移有效度呈增长趋势，湖南省、江西省和山西省知识转移有效度则呈明显的波动趋势。其中，湖南省在2012年达到波谷位置（0.0631），山西省在2011年到达波谷位置（0.0643），其本质原因均是其消化吸收费用这一关键序参量的有序度呈现波动态势；江西省在2014年达到波谷位置（0.2325），其本质原因是其技术转让和消化吸收费用两个关键序参量的有序度出现了波动。说明湖南省、江西省和山西省的知识转移程度并不理想，特别是该地区新兴技术企业的知识吸收能力制约了新兴技术协同创新主体间的深度合作。从知识转移子系统有序度的分布情况看，湖南省、江西省和山西省的知识转移子有效度呈现波动态势，其他3个省的有序度呈稳步增长趋势。
图5 知识转移有效度的时空差异图

Fig.5 Spatiotemporal difference of knowledge transfer validity

3.5 新兴技术协同创新整体有序度的时空分析

基于中部地区三个新兴技术协同创新子系统有序度的测量，运用协同度模型的公式（9）~（10），进一步计算出2010—2017年中部地区新兴技术协同创新的整体有序度和有序度标准离差率（表6、表7，图6）。
表6 中部地区六省新兴技术协同创新有序度统计表

Tab.6 Statistics on the order degree of collaborative innovation in central China

地区 2010 2011 2012 2013 2014 2015 2016 2017
湖北 0.0099 0.1383 0.3520 0.5021 0.5298 0.5175 0.6828 0.7498
湖南 0.0206 0.1716 0.1957 0.3739 0.4114 0.4656 0.3518 0.5452
江西 0.0198 0.3235 0.2537 0.2343 0.2882 0.2709 0.4801 0.5914
河南 0.0015 0.2914 0.2552 0.3784 0.5161 0.3600 0.3509 0.4091
山西 0.0081 0.1476 0.2763 0.5573 0.4164 0.4266 0.3688 0.4813
安徽 0.0228 0.2645 0.1868 0.3556 0.3351 0.4456 0.6510 0.6185
表7 中部地区六省新兴技术协同创新有序度的标准离差率统计表

Tab.7 The standard deviation for the order degree of collaborative innovation in central China

地区 2010 2011 2012 2013 2014 2015 2016 2017
湖北 0.0348 0.0102 0.0210 0.0254 0.0441 0.0511 0.0348 0.0102
湖南 0.0450 0.0015 0.0017 0.0226 0.0983 0.0308 0.0450 0.0015
江西 0.2719 0.0602 0.0352 0.0609 0.0399 0.0648 0.2719 0.0602
河南 0.0615 0.0175 0.0188 0.0012 0.0135 0.0353 0.0615 0.0175
山西 0.1331 0.0070 0.0352 0.0106 0.1151 0.0309 0.0331 0.0070
安徽 0.1478 0.1344 0.0093 0.0247 0.1075 0.0313 0.1478 0.0344
图6 新兴技术协同创新整体有序度

Fig.6 The overall order degree of emerging technology synergistic innovation

由图6可看出中部地区新兴技术协同创新有序度均有所增长，但增速相对较缓。2017年除湖北省新兴技术协同创新有序度达到0.7498，其余五省的新兴技术协同创新有序度仍处于中等水平（0.5左右范围），亟待快速的提升。依据图6可发现新兴技术协同创新有序度在不同时期、不同省份有明显的差异。湖北省、湖南省和安徽省新兴技术协同创新有序度呈直线式的增长趋势，而江西省、河南省和山西省新兴技术协同创新有序度呈波动式的增长趋势，在某些时期出现新兴技术协同创新发展不协调的现象。通过对各省相关指标数据分析，寻找新兴技术协同创新发展关键影响因素，如2012年江西省和河南省的新兴技术协同创新有序度分别为0.2537和0.2552，源于资源配置合理度和知识转移有效度的不稳定发展；2014年山西省新兴技术协同创新有序度为0.4164，是因为资源配置合理度进入波谷。
由表7可看出湖北省和湖南省的新兴技术协同创新有序度的标准离差率值较低（<0.05），说明其三个子系统之间的匹配程度较高。但2014年湖南省新兴技术产业创新网络有序度的标准离差率增至0.0983，是因为其资源配置合理度出现了波动，并未与另两个子系统协同发展。河南省和安徽省的新兴技术产业创新网络有序度的标准离差率呈明显的降低趋势，说明其三个子系统之间协同程度越来越高。江西省和山西省的新兴技术协同创新有序度的标准离差率呈明显的波动发展。其中，江西省的资源合理配置度和知识转移有效度都有显著的波动，导致其新兴技术协同创新有序度的标准离差率波动范围最大。

3.6 新兴技术产业创新网络协同度的时空分析

整体系统的有序程度与系统内部各子系统间的相互协同并不是独立，两者之间存在必然的联系，其中一个的变化会对另一个产生重大的影响，系统的整体协同度是两者共同作用的结果。运用协同度模型的公式（11）计算出2010—2017年中部地区新兴技术产业创新网络的协同度（表8），并依据表2中协同程度的划分标准，用等级颜色表示出中部地区各省份协同程度的演变过程，如图7。
表8 新兴技术产业创新网络协同度统计表

Tab.8 Synergy statistics of innovation network of emerging technology industry

地区 2010 2011 2012 2013 2014 2015 2016 2017
湖北 -0.0502 0.1173 0.3152 0.4465 0.4975 0.4894 0.6686 0.7120
湖南 -0.0567 0.1600 0.1626 0.3699 0.3723 0.4073 0.3413 0.4837
江西 -0.0989 0.2634 0.2490 0.2253 0.2828 0.2277 0.4481 0.4610
河南 -0.0557 0.2362 0.2501 0.3737 0.5139 0.3084 0.2071 0.1522
山西 -0.0701 0.1041 0.2591 0.5274 0.4071 0.4117 0.2622 0.2876
安徽 -0.0828 0.1709 0.1829 0.3550 0.3248 0.4160 0.6053 0.6056
图7 新兴技术产业创新网络协同度时空演化图

Fig.7 Space-time evolution of synergy degree of innovation network in emerging Technology Industry

由图7可以看出，湖北省和安徽省新兴技术产业创新网络协同度均处于有序增长趋势，创新网络内各创新主体协同效果显著，三个子系统之间关联度较强。湖北省新兴技术产业创新网络协同度相对较高，且三个子系统有序度在统计期内逐年增强、有序增长，说明这三个子系统对湖北省新兴技术产业创新网络自组织演进的有序化影响较大。安徽省的新兴技术产业创新网络协同度的增长速度相对较平缓，创新目标实现度和知识转移有序度的增速较快，对新兴技术产业创新网络有序化的影响较大，资源配置合理度出现了小幅度的波动，对新兴技术产业创新网络有序化的影响较小。
湖南省、江西省、河南省和山西省的新兴技术产业创新网络协同度波动性较大。湖南省新兴技术产业创新网络协同度整体处于稳步增长趋势，但在2016年出现小幅度的下降。究其原因，2016年湖南省企业与研发机构合作研发的费用投入减少导致其资源配置合理度减小。江西省在2010—2015年的新兴技术产业创新网络协同度相对较低，处于稳定态势，2016年之后开始增长。由于江西省科研院所和企业合作研发经费投入的减少导致其资源配置合理度出现波动，同时消化吸收费用的降低也影响了知识转移有效度的发展。山西省和河南省在统计期内的新兴技术产业创新网络协同度处于明显波动状态。河南省购买国外技术经费投入和技术转让成交额的逐年降低导致其知识转移有效度出现波动。山西省高校、科研机构与企业合作研发经费投入下降趋势明显导致其资源配置合理度跌入谷底，另外购买国外技术经费投入一直为零也严重降制约其知识转移子系统的有序发展。
综上所述，中部地区资源配置合理度处于明显的劣势位置，知识转移有效度次之。这说明我国新兴技术协同创新的实施仍是注重协同创新的效果，即创新主体合作创新目标是否实现，而并未在实施过程中形成合理的资源配置模式和有效的知识转移途径。近年来新兴技术产业创新网络协同系统的创新目标、资源配置和知识转移三个子系统之间的发展无法协同一致，导致整个系统协同创新程度减弱。

4 结论与建议

本文以湖北、湖南、江西、河南、山西、安徽6个省份为空间单元，从创新目标实现、资源配置、知识转移三个层次构建新兴技术产业创新网络的协同度指标体系，并运用复合系统协同度模型，实证检验中部地区六省各子系统的有序度、整体协同度及演变规律。
①从新兴技术产业创新网络的协同度来看，中部地区整体上呈现增长趋势，但是协同创新水平较低，中部六省的新兴技术产业创新网络协同度的差异较大。其中湖北省和安徽省的新兴技术协同创新程度呈现有序增长趋势，湖北省新兴技术协同创新程度相对较高，湖南省、江西省、河南省和山西省的新兴技术协同创新程度呈现波动增长趋势。我国新兴技术协同创新的创新目标子系统、资源配置子系统和知识转移子系统之间的匹配度亟待增强，通过创新网络内部资源要素的合理流动和有机耦合，促进整个新兴技术产业创新网络协同度提高。
②中部地区创新目标实现度呈现逐年稳步增长趋势，且增速较快。实现合作创新目标是新兴技术协同创新追求的结果，创新资源的投入是制约创新目标实现度的关键因素。通过不断增加创新投入带来新兴技术创新成果的递增，将促进整体系统向协同有序的状态演变。
③中部地区资源配置合理度呈现波动态势，且无明显的增长趋势。高校、科研院所与企业之间的合作方式不稳定限制资源配置合理度的提升，进而导致新兴技术协同创新程度的降低。因此，在新兴技术协同创新过程中，不仅要高度重视创新资源的投入，还应重视创新主体之间合作研发资源的整合，通过规范协同创新主体间合作模式，加强主体间深入合作，减少创新资源的重复投入和浪费，进而实现资源配置合理度的提升。
④中部地区知识转移有效度呈现整体增长趋势，但各省份知识转移子系统有序度存在明显差异。新兴技术企业知识消化吸收能力制约知识转移有效度的增长。如安徽省和江西省都因新兴技术企业消化吸收费用逐年减少导致其知识转移有效度的降低。因此，在新兴技术协同创新过程中，要兼顾新兴技术知识的流入与流出，以及对新兴技术知识进行消化吸收再创造，从而提升创新网络中知识转移的有效程度，提升整体协同创新程度。
基于各地区协同度差异较大的现状，可发现资源配置和知识转移是制约新兴技术协同创新程度的主要影响因素，应重组创新资源、贯通产业链条、弥合发展差距；促进企业、高校、科研机构开展跨界研发合作和技术交流，构建合理、有效的创新发展格局。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
邓龙安. 战略性新兴产业技术范式演进中的企业动态集成创新管理研究[J]. 科技进步与对策, 2013, 30(16):43-47.

DOI

[2]
杨忠泰. 地方培育发展战略性新兴产业与高新技术产业差异分析[J]. 科技管理研究, 2013, 33(11):127-131.

[3]
沈灏, 魏泽龙, 苏中锋. 多层次视角的新兴技术创新管理研究回顾与展望[J]. 科技进步与对策, 2017, 34(8):154-160.

DOI

[4]
孟娟. 网络环境下企业生态系统协同创新的影响机制研究[D]. 衡阳: 南华大学, 2008.

[5]
李星宇, 曹兴, 马慧. 长株潭地区新兴技术企业间协同创新影响因素与机制研究[J]. 经济地理, 2017, 37(6):122-128.

[6]
张慧颖, 吴红翠. 基于创新过程的区域创新系统协调发展的比较研究——兼析天津市区域创新复合系统协调性[J]. 情报杂志, 2011, 30(8):12-16.

[7]
齐二石, 李辉, 刘亮. 基于遗传算法的虚拟企业协同资源优化问题研究[J]. 中国管理科学, 2011, 19(1):77-83.

[8]
陶长琪, 陈文华, 林龙辉. 我国产业组织演变协同度的实证分析——以企业融合背景下的我国IT产业为例[J]. 管理世界, 2007(12):67-72.

[9]
Haken H. Synergetics:Introduction and Advanced Topics[J]. Springer, 2004, 67(3):773-774.

[10]
解学梅. 企业协同创新影响因素与协同程度多维关系实证研究[J]. 科研管理, 2015, 36(2):69-78.

[11]
董豪, 曾剑秋, 沈孟如. 产业创新复合系统构建与协同度分析——以信息通信产业为例[J]. 科学学研究, 2016, 34(8):1 152-1 160.

[12]
Persaud A. Enhancing Synergistic Innovative Capability inMultinational Corporations:An Empirical Investigation[J]. Journal of Product Innovation Management, 2010, 22(5):412-429.

[13]
Shinn T, Lamy E. Paths of commercial knowledge:Forms andconsequences of university-enterprise synergy in scientist-sponsored firms[J]. Research Policy, 2006, 35(10):1 465-1 476.

[14]
吴笑, 魏奇锋, 顾新. 协同创新的协同度测度研究[J]. 软科学, 2015, 29(7):45-50.

[15]
李海东, 王帅, 刘阳. 基于灰色关联理论和距离协同模型的区域协同发展评价方法及实证[J]. 系统工程理论与实践, 2014, 34(7):1 749-1 755.

[16]
毕克新, 孙德花. 基于复合系统协调度模型的制造业企业产品创新与工艺创新协同发展实证研究[J]. 中国软科学, 2010(9):156-162.

[17]
王宏起, 徐玉莲. 科技创新与科技金融协同度模型及其应用研究[J]. 中国软科学, 2012(6):129-138.

[18]
Zhao-Yang LI. Study on Exploitation of Resources and Coordi-nated Development of Regional Economy of Underdeveloped Resource-intensive Region:Taking Qingyang City,Gansu Province as an Example[J]. Research of Agricultural Modernization, 2013, 38(6):1 009-1 028.

[19]
Beers D V, Biswas W K. A regional synergy approach to ener-gy recovery:The case of the Kwinana industrial area,Western Australia[J]. Energy Conversion & Management, 2008, 49(11):3 051-3 062.

[20]
刘英基. 高技术产业技术创新、制度创新与产业高端化协同发展研究——基于复合系统协同度模型的实证分析[J]. 科技进步与对策, 2015, 32(2):66-72.

DOI

[21]
李虹, 张希源. 区域生态创新协同度及其影响因素研究[J]. 中国人口·资源与环境, 2016, 26(6):43-51.

[22]
杨珍丽, 唐承丽, 周国华, 等. 城市群—开发区—产业集群协同发展研究——以长株潭城市群为例[J]. 经济地理, 2018, 38(1):78-84.

DOI

[23]
龚艳萍, 陈艳丽. 企业创新网络的复杂适应系统特征分析[J]. 研究与发展管理, 2010, 22(1):68-74.

Options
Outlines

/

〈 〉