多维邻近下浙江城市创新网络演化及其机制研究

　　摘要：以浙江90个县级城市(城区)为对象，基于大数据专利文本挖掘析取城市间合作申请专利数，构建创新网络，采用空间网络模型和负二项回归模型分析2007—2017年浙江城市创新网络的网络结构、时空演化及创新合作强度的影响机制。研究发现：①浙江城市创新网络规模逐渐扩张，“小世界性”显著，通达性较好，整体呈以杭州湾区为核心的“网络局部化、辐射中心化”特征，等级层次性清晰;②浙江城市创新合作强度与经济规模、教育水平、政策支持、技术势差、城市行政等级、技术邻近性、边界相邻效应显著正相关且受地理距离约束，认知邻近性和制度邻近性与创新合作间分别呈“U”型和倒“U”型曲线关系，网络效应更多在整体网层面上促进了创新合作。在特定省份县级城市层面探讨了如何加强城市创新网络协同效应，以促进地方城市间的创新联系。

　　关键词：城市创新网络;创新合作;多维邻近;浙江

　　流空间时代，创新不再是“本地创新”，创新主体更倾向于同其他创新主体合作[1]，从而形成各种层面上的创新网络。在全球−地方网络视角下，单个城市作为网络节点正加速嵌入到创新网络中，成为技术创新“孵化器”与知识流动“中转站”[2]。浙江力图成为新时代展示中国特色社会主义制度优越性的“重要窗口”，目前正在由城市化向城市网络化方向发展，希望通过加强城市间创新协同效应，实现新旧动能转换和经济结构优化。

　　因此，探讨浙江城市创新网络的特征及其演化机制，不仅可以为浙江本省如何更好地展示“窗口”效应提供参考，同时对中国其他省(市、区)通过完善城市创新网络来提升区域创新水平给出借鉴。从前人研究来看，对创新网络的定量刻画多为基于论文合作数的知识合作网络[3]和具有定向性的技术转移关系网络[4]等;研究主体涉及微观层面的企业[5]、产学研合作[6]以及宏观层面的城市群、国家乃至全球。鉴于论文合作主要偏向科学知识，专利合作更多偏向技术知识[3]，而经济活动受技术知识的影响更为直接，因此在区域创新网络研究中广泛使用专利合作数据[7]。

　　城市创新网络作为区域创新网络的分支，更重视小尺度城市间的创新合作交流。目前国内对城市创新网络的研究多集中在国家[8]和城市群层面[9]，典型如京津冀[10]、长三角[11]、粤港澳大湾区[12]等，节点城市多以地级市为主，对于较小尺度，如单个省内县级城市创新网络的研究尚不太多。相关研究也多从“格局−过程−机理”层面展开[13]，内容涉及创新网络的网络复杂性[14]、个体网和整体网拓扑特征[15]等，对演化机制剖析相对较少[16]。多维邻近与创新一直都是演化经济地理学关注的焦点。20世纪90年代，法国邻近动力学派提出的“多维邻近性”概念指出地理邻近不再是影响知识和创新要素流动的唯一要素[17]。Boschma将邻近性划分为地理、组织、社会、认知和制度邻近性[18]。

　　相关研究大多揭示出Boschma等人提出的多维邻近性在不同程度上对创新网络演化具有促进作用[19,20]。然而邻近性的影响并非完全静态，过度邻近导致的“锁定效应”往往会导致“邻近悖论”，随着创新主体所处阶段不同邻近性会产生倒“U”型或“U”型影响[21]。总体来看，多维邻近性被认为是综合作用于创新网络形成与知识流动的基本动力，目前多数研究仍集中讨论地理集聚与创新关系，对于多维邻近性与创新网络演化非线性关系的考察较为薄弱，需要进行深入探索。综上，本文基于浙江省90个县级城市单位的多年专利合作数据，构建城市间的创新网络，描述整体网络结构及其空间演化，并运用负二项回归模型考察了创新网络的合作影响机制，最后得出本文的结论及政策建议。

　　本文的特色主要包括：一是在研究像浙江这样的省内城市创新网络时，除少数研究采用论文合作数外，前人多基于引力模型来构建城市间创新联系[22]，且多在市级层面。当前，专利合作数据成为测度创新联系的主流[23]，且在演化经济地理强调尺度更为精细化的研究导向下[13]，基于县级城市的专利合作创新网络研究无疑能够得到更为直接和精确的结果。二是前人研究城市创新网络多在国家和大区(如长三角地区等)层面展开，针对省级层面的研究较少。由于省级层面上创新政策和资源更容易协调，因此其实际效果更为明显，现实意义更强。三是从多维邻近视角考察创新网络演化机制仍是当前演化经济地理学的热点，本研究在这方面有望推进相关研究进展。

　　1研究方法

　　1)创新合作强度。合作申请专利数能更好地体现创新网络中节点的创新联系，是表征知识共享最直接有效的方式[27]。本文采用大数据文本挖掘方法，基于国家知识产权局公布的数10万份专利文件，利用R语言文本分析整理出2007—2017年浙江各县级城市(城区)专利申请数据，并从中辨识、析取各城市间联合申请专利数据。

　　2)双边城市特征变量。创新受益于知识的交流和互动，是人才和资金等要素协作的结果。创新主体包括大学、科研院所等，创新活动需要资金等资源投入，同时还需要地方政府在制度上给予支持。基此，本文将经济发展水平(人均GDP，pergdp)、教育水平(教育支出，edu)、政策支持(科学技术支出，policy)作为特征变量来控制城市资源异质性对主体间创新合作强度的影响。

　　3)多维邻近。借鉴Boschma等前人研究结果[18]，本文中的多维邻近除了传统的地理邻近外，还包括技术、制度和认知邻近。其中，地理邻近用2种方式进行衡量，一是利用城市间的球面距离(gDistance)表征地理距离，二是使用虚拟变量区分边界邻近效应(border)，若2市交界则取值为1，否则为0。

　　2浙江省城市创新整体网络的演化分析

　　2.1 创新网络结构性特征分析

　　浙江城市创新整体网络规模扩张较快，集聚性有所提高但仍不强，“小世界”特性明显。2007—2017年浙江城市创新网络的节点数从仅占所有县级单位数量的一半逐步提升至89个，网络节点数接近饱和;节点间关系数同样呈持续递增态势，增幅远超节点增幅;各年份网络密度均小于0.1，研究期间内从0.016增加至0.077，区域内创新网络整体结构松散，空间层面上呈弱连接状态;平均度数增长最快，节点间的创新联系也越来越紧密，创新网络逐渐由稀疏网络成长为稠密复杂网络.

　　网络直径逐渐减小且均小于随机网络直径，说明创新网络存在一定的集聚性，但平均聚类系数最大值仅为0.27，整体集聚性较弱。创新网络平均路径长度数值缓慢下降且整体小于随机网络，说明浙江城市创新网络呈现“小世界”特性。随着时间推移“小世界”特性更加明显，节点间交流合作更加通畅无阻碍。这应该是浙江省加强区域协同联系、交通和通讯成本降低的结果。

　　2.2 创新网络空间演化分析

　　从创新网络的空间演化来看，由单中心结构趋向复杂化结构。本文取2012年、加上2007年和2017年2个研究期限终端，分3个时间节点来考察演变态势。其道理为：2007年在2008年金融危机前，2012年11月国家召开了“十八大”，更加重视区域协同发展，且2012年也大致处在中点位置，2017年10月召开了“十九大”，因此，以这3个节点进行划分，阶段性特征相对明显且合理。分析结果表明，2007年浙江城市创新网络呈“单中心辐射”状，创新合作中心集中在杭州市西湖区、下城区，以杭州各区为中心向周边辐射，网络整体水平偏低，浙北、浙西等地参与创新合作较少。

　　2007—2012年，参与创新合作的城市数量逐年增加，创新网络变得更为复杂。至2012年，杭州市各区原本较强的核心结构更趋明显，同期宁波市各区的次中心地位有一定程度提升，舟山、丽水等地仍处在创新合作边缘，创新合作活动稀少。至2017年，基本上所有县区均参与到创新网络合作中去，空间上整体呈现出“网络局部化、辐射中心化”的复杂特征，杭州湾区城市占据强核心地位，向外辐射知识溢出频繁，宁波、温台沿海城市间创新网络密集性次之，浙西城市间创新网络最为稀疏。这说明城市间的创新联系空间格局大体上受到它们经济联系空间格局的影响。

　　进一步考察发现，节点的经济地位也大致反映了其创新地位。强核心和次强核心地区多位于浙北及浙东南沿海地区，这些地区有着雄厚的经济实力和较强的创新能力，说明经济基础可以在一定程度上反映创新网络地位;浙南和浙西多位于边缘和次边缘层，经济发展水平相对落后，距杭州湾区城市较远;从行政单元级别来看，市辖区网络等级地位居高，其中省会市辖区集中在最核心区，其原因可能在于这些城市拥有较多数量的高校和研究机构。一般来说，城市间创新联系同城市经济发展水平具有一定相关性[7]，经济越发达的城市，其创新氛围和创新条件越好，与其他城市的交流活动更多，在网络中的等级地位往往也高。

　　3浙江省城市创新合作强度影响机制分析

　　首先对各种模型设定进行Hausman检验，发现其P值都远小于0.05，因此本文使用固定效应的负二项回归模型对城市创新合作强度进行回归。根据以上实证分析结果，可以发现，城市特征、多维邻近和网络效应均对城市创新合作强度有着不同的显著影响。基于包含所有变量影响的模型7的分析结果，得到其影响机制。综合多个模型结果，从城市主体属性来看，经济规模系数和教育水平系数均显著为正，说明经济越发达、城市教育水平越高越有利于创新交流合作;政策支持系数为正但显著性稍差，说明科学技术支出对城市间创新合作强度有一定程度的促进作用但效果不太明显。这可能是因为创新交流合作多属市场化行为，政府科学技术支出到创新成果之间的转化效率不高，有待进一步提升。

　　从多维邻近性来看，空间距离回归系数显著为负，边界邻近系数显著为正，说明地理邻近性对城市间创新合作有显著促进作用，地理距离对创新合作的阻碍作用非常明显，这与Maskell等人的研究指出地理距离会削弱知识溢出正向外部性的观点相合[33]，也从侧面证实了“地理邻近死亡论”起码在浙江城市创新合作的发展过程中并不成立。创新合作这一强互动过程需要双方大量的实体接触，地理邻近无疑减少了创新交流的空间阻碍。技术邻近系数显著为正，表明技术邻近性对主体间创新合作有显著促进作用。城市在隐性知识上的匹配有利于双方的创新合作，知识交流过程更为流畅和高效。

　　4结论

　　本文以浙江省90个县(市、区)为研究对象，基于2007—2017年合作申请专利数据构建浙江城市创新网络，采用大数据文本分析、空间网络分析、负二项回归等方法析取数据并建立模型，系统分析了浙江城市创新网络的网络结构、时空演化及创新合作强度的影响机制，得出以下结论：

　　1)从网络演化来看，网络规模不断扩张，网络结构渐趋复杂。2007—2017年，浙江城市创新网络规模逐渐扩张，由稀疏网络趋向于稠密复杂网络，表现出区别于随机网络的“小世界”性，网络整体上具备较好的通达性，但仍有提升空间。创新网络空间格局整体上呈现出以杭州湾区城市为核心的“网络局部化、辐射中心化”特征，有清晰的等级层次。以杭州市市辖区为核心，宁波、温州、金华等为次核心的“中心−外围”结构越发凸显，浙西城市则居于创新网络边缘。

　　2)从影响机制来看，不同维度的邻近性对城市创新合作强度的影响各异，此外，城市特征和网络效应也有着显著影响。浙江城市创新合作强度与经济规模、教育水平、政策支持显著正相关，技术势差、城市行政等级存在正向推动作用。地理邻近性、边界相邻是影响创新合作的正向因素。认知邻近性与创新合作间呈现“U”型关系，说明在认知邻近处于较低水平时，不利于创新合作，但随着城市间认知邻近水平的提高，其对创新合作强度的边际效应越来越强。与此相反，制度邻近性与城市间呈倒“U”型曲线关系，说明制度邻近在较低范围内对创新合作强度有促进作用，但其作用随着城市间市场制度的完善将越来越弱。

　　技术邻近性的作用为正，说明技术结构上的相似性可以促进城市间的技术交流。网络效应也具有正向作用，这中间，较之于城市网络个体特征而言，城市网络结构特征对城市间知识交流的促进作用更为明显，网络效应更倾向于整体层面，这说明要重点关注网络整体结构的发展完善，突出核心城市的“领头羊”作用。

　　3)从政策涵义来看，根据实证分析结果，为加强浙江各县级城市间的创新合作，一是需要加快建设城际间的交通基础设施建设，降低因地理距离而产生的知识交流成本。浙江已经建成了比较完善的高速公路网，目前正在建设的杭绍台、杭温高速铁路有望进一步缩短空间旅行时间，从而减少地理距离对创新合作的阻滞作用。二是吸引创新人才，加强产业研发，尤其是基础性的共性产业技术开发，以夯实城市间创新合作的认知基础，提高技术上的交流邻近性。这对于浙西、浙南创新水平较低的城市来说意义尤甚，因为认知和吸收水平低就很难承接技术上的外溢，需要突破一定门槛。

　　城市发展论文： 把中央商务区建设成为我国城市发展的亮点

　　三是打破城市间的行政藩篱，缩小城市间的制度距离，促进技术人才、创新要素在各城市间的交流，实现技术市场一体化和创新平台的协同。四是从整体上优化创新网络格局，在进一步提高城市间创新合作强度的基础上，突出杭州、宁波等创新型城市的中心地位，强化台州、温州、金华等次中心的功能作用，通过极化和辐射效应实现以点带面的效果，以最大化知识的空间外部效应。本文的研究结论和政策涵义对国内其他省份通过完善城市创新网络来提高省份创新水平也有着一定的借鉴意义。

　　参考文献(References)：

　　[1]周灿,曹贤忠,曾刚.中国电子信息产业创新的集群网络模式与演化路径[J].地理研究,2019,38(9):2212-2225.[ZhouCan,CaoXianzhong,ZengGang.ClusternetworkmodelandevolutionpathofChina’selectronicinformationindustryinnovation.GeographicalResearch,2019,38(9):2212-2225.]

　　[1]段德忠,杜德斌,刘承良.上海和北京城市创新空间结构的时空演化模式[J].地理学报,2015,70(12):1911-1925.[DuanDezhong,DuDebin,LiuChengliang.Spatial-temporalevolutionmodeofurbaninnovationspatialstructure:AcasestudyofShanghaiandBeijing.ActaGeographicaSinica,2015,70(12):1911-1925.]

　　[2]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.[LiDandan,WangTao,WeiYehuaetal.SpatiotemporalcomplexityofthestructureofscientificknowledgenetworksandtechnicalknowledgenetworksinChinesecities.GeographicalResearch,2015,34(3):525-540.]

　　[3]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):1462-1477.[LiuChengliang,GuanMingming,DuanDezhong.ThespatialpatternandinfluencingfactorsofChina’sinter-citytechnologytransfernetwork.ActaGeographicaSinica,2018,73(8):1462-1477.

　　王庆喜，胡志学

转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/28053.html