多維鄰近下浙江城市創新網絡演化及其機制研究

　　摘要：以浙江90個縣級城市(城區)為對象，基于大數據專利文本挖掘析取城市間合作申請專利數，構建創新網絡，采用空間網絡模型和負二項回歸模型分析2007—2017年浙江城市創新網絡的網絡結構、時空演化及創新合作強度的影響機制。研究發現：①浙江城市創新網絡規模逐漸擴張，“小世界性”顯著，通達性較好，整體呈以杭州灣區為核心的“網絡局部化、輻射中心化”特征，等級層次性清晰;②浙江城市創新合作強度與經濟規模、教育水平、政策支持、技術勢差、城市行政等級、技術鄰近性、邊界相鄰效應顯著正相關且受地理距離約束，認知鄰近性和制度鄰近性與創新合作間分別呈“U”型和倒“U”型曲線關系，網絡效應更多在整體網層面上促進了創新合作。在特定省份縣級城市層面探討了如何加強城市創新網絡協同效應，以促進地方城市間的創新聯系。

　　關鍵詞：城市創新網絡;創新合作;多維鄰近;浙江

　　流空間時代，創新不再是“本地創新”，創新主體更傾向于同其他創新主體合作[1]，從而形成各種層面上的創新網絡。在全球−地方網絡視角下，單個城市作為網絡節點正加速嵌入到創新網絡中，成為技術創新“孵化器”與知識流動“中轉站”[2]。浙江力圖成為新時代展示中國特色社會主義制度優越性的“重要窗口”，目前正在由城市化向城市網絡化方向發展，希望通過加強城市間創新協同效應，實現新舊動能轉換和經濟結構優化。

　　因此，探討浙江城市創新網絡的特征及其演化機制，不僅可以為浙江本省如何更好地展示“窗口”效應提供參考，同時對中國其他省(市、區)通過完善城市創新網絡來提升區域創新水平給出借鑒。從前人研究來看，對創新網絡的定量刻畫多為基于論文合作數的知識合作網絡[3]和具有定向性的技術轉移關系網絡[4]等;研究主體涉及微觀層面的企業[5]、產學研合作[6]以及宏觀層面的城市群、國家乃至全球。鑒于論文合作主要偏向科學知識，專利合作更多偏向技術知識[3]，而經濟活動受技術知識的影響更為直接，因此在區域創新網絡研究中廣泛使用專利合作數據[7]。

　　城市創新網絡作為區域創新網絡的分支，更重視小尺度城市間的創新合作交流。目前國內對城市創新網絡的研究多集中在國家[8]和城市群層面[9]，典型如京津冀[10]、長三角[11]、粵港澳大灣區[12]等，節點城市多以地級市為主，對于較小尺度，如單個省內縣級城市創新網絡的研究尚不太多。相關研究也多從“格局−過程−機理”層面展開[13]，內容涉及創新網絡的網絡復雜性[14]、個體網和整體網拓撲特征[15]等，對演化機制剖析相對較少[16]。多維鄰近與創新一直都是演化經濟地理學關注的焦點。20世紀90年代，法國鄰近動力學派提出的“多維鄰近性”概念指出地理鄰近不再是影響知識和創新要素流動的唯一要素[17]。Boschma將鄰近性劃分為地理、組織、社會、認知和制度鄰近性[18]。

　　相關研究大多揭示出Boschma等人提出的多維鄰近性在不同程度上對創新網絡演化具有促進作用[19,20]。然而鄰近性的影響并非完全靜態，過度鄰近導致的“鎖定效應”往往會導致“鄰近悖論”，隨著創新主體所處階段不同鄰近性會產生倒“U”型或“U”型影響[21]。總體來看，多維鄰近性被認為是綜合作用于創新網絡形成與知識流動的基本動力，目前多數研究仍集中討論地理集聚與創新關系，對于多維鄰近性與創新網絡演化非線性關系的考察較為薄弱，需要進行深入探索。綜上，本文基于浙江省90個縣級城市單位的多年專利合作數據，構建城市間的創新網絡，描述整體網絡結構及其空間演化，并運用負二項回歸模型考察了創新網絡的合作影響機制，最后得出本文的結論及政策建議。

　　本文的特色主要包括：一是在研究像浙江這樣的省內城市創新網絡時，除少數研究采用論文合作數外，前人多基于引力模型來構建城市間創新聯系[22]，且多在市級層面。當前，專利合作數據成為測度創新聯系的主流[23]，且在演化經濟地理強調尺度更為精細化的研究導向下[13]，基于縣級城市的專利合作創新網絡研究無疑能夠得到更為直接和精確的結果。二是前人研究城市創新網絡多在國家和大區(如長三角地區等)層面展開，針對省級層面的研究較少。由于省級層面上創新政策和資源更容易協調，因此其實際效果更為明顯，現實意義更強。三是從多維鄰近視角考察創新網絡演化機制仍是當前演化經濟地理學的熱點，本研究在這方面有望推進相關研究進展。

　　1研究方法

　　1)創新合作強度。合作申請專利數能更好地體現創新網絡中節點的創新聯系，是表征知識共享最直接有效的方式[27]。本文采用大數據文本挖掘方法，基于國家知識產權局公布的數10萬份專利文件，利用R語言文本分析整理出2007—2017年浙江各縣級城市(城區)專利申請數據，并從中辨識、析取各城市間聯合申請專利數據。

　　2)雙邊城市特征變量。創新受益于知識的交流和互動，是人才和資金等要素協作的結果。創新主體包括大學、科研院所等，創新活動需要資金等資源投入，同時還需要地方政府在制度上給予支持。基此，本文將經濟發展水平(人均GDP，pergdp)、教育水平(教育支出，edu)、政策支持(科學技術支出，policy)作為特征變量來控制城市資源異質性對主體間創新合作強度的影響。

　　3)多維鄰近。借鑒Boschma等前人研究結果[18]，本文中的多維鄰近除了傳統的地理鄰近外，還包括技術、制度和認知鄰近。其中，地理鄰近用2種方式進行衡量，一是利用城市間的球面距離(gDistance)表征地理距離，二是使用虛擬變量區分邊界鄰近效應(border)，若2市交界則取值為1，否則為0。

　　2浙江省城市創新整體網絡的演化分析

　　2.1 創新網絡結構性特征分析

　　浙江城市創新整體網絡規模擴張較快，集聚性有所提高但仍不強，“小世界”特性明顯。2007—2017年浙江城市創新網絡的節點數從僅占所有縣級單位數量的一半逐步提升至89個，網絡節點數接近飽和;節點間關系數同樣呈持續遞增態勢，增幅遠超節點增幅;各年份網絡密度均小于0.1，研究期間內從0.016增加至0.077，區域內創新網絡整體結構松散，空間層面上呈弱連接狀態;平均度數增長最快，節點間的創新聯系也越來越緊密，創新網絡逐漸由稀疏網絡成長為稠密復雜網絡.

　　網絡直徑逐漸減小且均小于隨機網絡直徑，說明創新網絡存在一定的集聚性，但平均聚類系數最大值僅為0.27，整體集聚性較弱。創新網絡平均路徑長度數值緩慢下降且整體小于隨機網絡，說明浙江城市創新網絡呈現“小世界”特性。隨著時間推移“小世界”特性更加明顯，節點間交流合作更加通暢無阻礙。這應該是浙江省加強區域協同聯系、交通和通訊成本降低的結果。

　　2.2 創新網絡空間演化分析

　　從創新網絡的空間演化來看，由單中心結構趨向復雜化結構。本文取2012年、加上2007年和2017年2個研究期限終端，分3個時間節點來考察演變態勢。其道理為：2007年在2008年金融危機前，2012年11月國家召開了“十八大”，更加重視區域協同發展，且2012年也大致處在中點位置，2017年10月召開了“十九大”，因此，以這3個節點進行劃分，階段性特征相對明顯且合理。分析結果表明，2007年浙江城市創新網絡呈“單中心輻射”狀，創新合作中心集中在杭州市西湖區、下城區，以杭州各區為中心向周邊輻射，網絡整體水平偏低，浙北、浙西等地參與創新合作較少。

　　2007—2012年，參與創新合作的城市數量逐年增加，創新網絡變得更為復雜。至2012年，杭州市各區原本較強的核心結構更趨明顯，同期寧波市各區的次中心地位有一定程度提升，舟山、麗水等地仍處在創新合作邊緣，創新合作活動稀少。至2017年，基本上所有縣區均參與到創新網絡合作中去，空間上整體呈現出“網絡局部化、輻射中心化”的復雜特征，杭州灣區城市占據強核心地位，向外輻射知識溢出頻繁，寧波、溫臺沿海城市間創新網絡密集性次之，浙西城市間創新網絡最為稀疏。這說明城市間的創新聯系空間格局大體上受到它們經濟聯系空間格局的影響。

　　進一步考察發現，節點的經濟地位也大致反映了其創新地位。強核心和次強核心地區多位于浙北及浙東南沿海地區，這些地區有著雄厚的經濟實力和較強的創新能力，說明經濟基礎可以在一定程度上反映創新網絡地位;浙南和浙西多位于邊緣和次邊緣層，經濟發展水平相對落后，距杭州灣區城市較遠;從行政單元級別來看，市轄區網絡等級地位居高，其中省會市轄區集中在最核心區，其原因可能在于這些城市擁有較多數量的高校和研究機構。一般來說，城市間創新聯系同城市經濟發展水平具有一定相關性[7]，經濟越發達的城市，其創新氛圍和創新條件越好，與其他城市的交流活動更多，在網絡中的等級地位往往也高。

　　3浙江省城市創新合作強度影響機制分析

　　首先對各種模型設定進行Hausman檢驗，發現其P值都遠小于0.05，因此本文使用固定效應的負二項回歸模型對城市創新合作強度進行回歸。根據以上實證分析結果，可以發現，城市特征、多維鄰近和網絡效應均對城市創新合作強度有著不同的顯著影響。基于包含所有變量影響的模型7的分析結果，得到其影響機制。綜合多個模型結果，從城市主體屬性來看，經濟規模系數和教育水平系數均顯著為正，說明經濟越發達、城市教育水平越高越有利于創新交流合作;政策支持系數為正但顯著性稍差，說明科學技術支出對城市間創新合作強度有一定程度的促進作用但效果不太明顯。這可能是因為創新交流合作多屬市場化行為，政府科學技術支出到創新成果之間的轉化效率不高，有待進一步提升。

　　從多維鄰近性來看，空間距離回歸系數顯著為負，邊界鄰近系數顯著為正，說明地理鄰近性對城市間創新合作有顯著促進作用，地理距離對創新合作的阻礙作用非常明顯，這與Maskell等人的研究指出地理距離會削弱知識溢出正向外部性的觀點相合[33]，也從側面證實了“地理鄰近死亡論”起碼在浙江城市創新合作的發展過程中并不成立。創新合作這一強互動過程需要雙方大量的實體接觸，地理鄰近無疑減少了創新交流的空間阻礙。技術鄰近系數顯著為正，表明技術鄰近性對主體間創新合作有顯著促進作用。城市在隱性知識上的匹配有利于雙方的創新合作，知識交流過程更為流暢和高效。

　　4結論

　　本文以浙江省90個縣(市、區)為研究對象，基于2007—2017年合作申請專利數據構建浙江城市創新網絡，采用大數據文本分析、空間網絡分析、負二項回歸等方法析取數據并建立模型，系統分析了浙江城市創新網絡的網絡結構、時空演化及創新合作強度的影響機制，得出以下結論：

　　1)從網絡演化來看，網絡規模不斷擴張，網絡結構漸趨復雜。2007—2017年，浙江城市創新網絡規模逐漸擴張，由稀疏網絡趨向于稠密復雜網絡，表現出區別于隨機網絡的“小世界”性，網絡整體上具備較好的通達性，但仍有提升空間。創新網絡空間格局整體上呈現出以杭州灣區城市為核心的“網絡局部化、輻射中心化”特征，有清晰的等級層次。以杭州市市轄區為核心，寧波、溫州、金華等為次核心的“中心−外圍”結構越發凸顯，浙西城市則居于創新網絡邊緣。

　　2)從影響機制來看，不同維度的鄰近性對城市創新合作強度的影響各異，此外，城市特征和網絡效應也有著顯著影響。浙江城市創新合作強度與經濟規模、教育水平、政策支持顯著正相關，技術勢差、城市行政等級存在正向推動作用。地理鄰近性、邊界相鄰是影響創新合作的正向因素。認知鄰近性與創新合作間呈現“U”型關系，說明在認知鄰近處于較低水平時，不利于創新合作，但隨著城市間認知鄰近水平的提高，其對創新合作強度的邊際效應越來越強。與此相反，制度鄰近性與城市間呈倒“U”型曲線關系，說明制度鄰近在較低范圍內對創新合作強度有促進作用，但其作用隨著城市間市場制度的完善將越來越弱。

　　技術鄰近性的作用為正，說明技術結構上的相似性可以促進城市間的技術交流。網絡效應也具有正向作用，這中間，較之于城市網絡個體特征而言，城市網絡結構特征對城市間知識交流的促進作用更為明顯，網絡效應更傾向于整體層面，這說明要重點關注網絡整體結構的發展完善，突出核心城市的“領頭羊”作用。

　　3)從政策涵義來看，根據實證分析結果，為加強浙江各縣級城市間的創新合作，一是需要加快建設城際間的交通基礎設施建設，降低因地理距離而產生的知識交流成本。浙江已經建成了比較完善的高速公路網，目前正在建設的杭紹臺、杭溫高速鐵路有望進一步縮短空間旅行時間，從而減少地理距離對創新合作的阻滯作用。二是吸引創新人才，加強產業研發，尤其是基礎性的共性產業技術開發，以夯實城市間創新合作的認知基礎，提高技術上的交流鄰近性。這對于浙西、浙南創新水平較低的城市來說意義尤甚，因為認知和吸收水平低就很難承接技術上的外溢，需要突破一定門檻。

　　城市發展論文： 把中央商務區建設成為我國城市發展的亮點

　　三是打破城市間的行政藩籬，縮小城市間的制度距離，促進技術人才、創新要素在各城市間的交流，實現技術市場一體化和創新平臺的協同。四是從整體上優化創新網絡格局，在進一步提高城市間創新合作強度的基礎上，突出杭州、寧波等創新型城市的中心地位，強化臺州、溫州、金華等次中心的功能作用，通過極化和輻射效應實現以點帶面的效果，以最大化知識的空間外部效應。本文的研究結論和政策涵義對國內其他省份通過完善城市創新網絡來提高省份創新水平也有著一定的借鑒意義。

　　參考文獻(References)：

　　[1]周燦,曹賢忠,曾剛.中國電子信息產業創新的集群網絡模式與演化路徑[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,劉承良.上海和北京城市創新空間結構的時空演化模式[J].地理學報,2015,70(12):1911-1925.[DuanDezhong,DuDebin,LiuChengliang.Spatial-temporalevolutionmodeofurbaninnovationspatialstructure:AcasestudyofShanghaiandBeijing.ActaGeographicaSinica,2015,70(12):1911-1925.]

　　[2]李丹丹,汪濤,魏也華,等.中國城市尺度科學知識網絡與技術知識網絡結構的時空復雜性[J].地理研究,2015,34(3):525-540.[LiDandan,WangTao,WeiYehuaetal.SpatiotemporalcomplexityofthestructureofscientificknowledgenetworksandtechnicalknowledgenetworksinChinesecities.GeographicalResearch,2015,34(3):525-540.]

　　[3]劉承良,管明明,段德忠.中國城際技術轉移網絡的空間格局及影響因素[J].地理學報,2018,73(8):1462-1477.[LiuChengliang,GuanMingming,DuanDezhong.ThespatialpatternandinfluencingfactorsofChina’sinter-citytechnologytransfernetwork.ActaGeographicaSinica,2018,73(8):1462-1477.

　　王慶喜，胡志學

轉載請注明來自發表學術論文網：http://www.zpfmc.com/jjlw/28053.html