基于地理邻近与社会邻近的创新网络动态演化分析——以我国装备制造业为例

吕国庆，曾 刚，顾娜娜

(华东师范大学 中国现代城市研究中心，上海 200062)

一、引言

自西方新经济地理学发生关系转向和演化转向以来，创新网络被看作是一种空间相互作用的过程，成为研究区域知识溢出、创新与技术扩散、区域发展路径、创新集群等领域不可缺少的变量。总体上看，经济地理学视角下创新网络的研究主要从三个方面展开:一是对创新网络结构和空间结构的解析(曾刚等，2006;Liefner 等，2011;汪涛等，2011)［1－3］;二是邻近性对创新网络知识流动及创新绩效的影响(Boschma，2004;Sorenson 等，2006;李琳等，2013)［4－6］;三是创新网络的动态演化及其驱动力分析(Powell 等，2005;Balland 等，2012;Li 等，2012)［7－9］。虽然，现有研究已取得了诸多具有创见的成果，但仍存在有待学术界深入研究的问题。第一，创新网络的空间特征及功能结构多侧重于静态分析，缺乏企业层面的动态研究，对传统产业的较少关注是近来研究中的一个不足(吕国庆等，2014)［10］;第二，邻近性的研究往往集中于分析单一维度对创新的作用及影响，但是不同维度的邻近性之间并非割裂的，而是相互联系的(李琳等，2013)［11］;第三，创新网络演化是演化经济地理学的重要内容之一，发掘了地理如何影响创新的新视角，却尚未涉及演化过程中地理角色的评价。

当前，我国正处于经济结构转型关键时期，产业结构的调整和升级需要得到装备制造业的支撑，产业效率的提高也需要装备制造业来引领。作为提供技术装备的战略性产业，装备制造业创新水平的提高不仅对自身效率存在积极的影响，还能通过有效的技术扩散，促进其他部门产业效率提升。因此，装备制造业技术创新能力的提升是我国新型工业化的关键所在。

有鉴于此，本研究在借鉴相关研究成果的基础上，选取地理邻近和社会邻近两个维度，以装备制造业作为研究对象，探索地理邻近、社会邻近以及二者交互作用对创新网络的影响，试图对驱动创新网络演化的两种邻近性因素进行评价，以期对创新网络的后续研究有所启发，并为区域经济发展战略以及装备制造业创新水平的提升提供政策参考。

二、文献综述及相关假设

(一)地理邻近在创新网络形成中的作用

在90年代末知识经济蓬勃兴起的背景下，地理邻近引起了新经济地理学、创新经济学等多学科的热切关注，学者们从国家或区域创新系统视角，对地理邻近与知识溢出、创新绩效等论题进行探讨，得出一个基本的结论:创新知识的适用性和可靠性会随着地理距离的增加而衰减，进而降低行为主体之间发生创新联系的概率(Abramovsky等，2011)［12］。由于知识在本地社会网络和地方人力资源的流动中进行传输，为追逐知识的外部性，行为主体表现出较强烈的集聚倾向(Giuliani 等，2005)［13］，地理邻近对创新网络的形成具有重要意义。一般来说，行业相同且地缘相近，可以避免信息不对称带来的风险，企业家和技术人员基于共同的教育背景和工作经验可以跨越组织边界形成技术社区(Bresch 等，2009)［14］，特别是，在一些专业的产业集群中，其创新网络的本地化特征更加明显(Grabher 等，2006)［15］。

虽然高水平的地理邻近有利于行为主体间进行面对面交流，促进隐性知识的传播从而推动创新，但亦有不少学者提出异议(Gordon 等，2005;李琳等，2011;Huber，2012)［16－18］，认为地理邻近所起的作用甚微(Howells，2002)［19］，过度的地理邻近会阻碍新知识的进入，削弱行为主体的创新能力，导致空间锁定(王孝斌等，2007)［20］。与此同时，一些研究亦开始关注行为主体与地理距离较远尤其是处于技术领先地位的产业集群之间的创新联系，Bathelt 等(2004)用“本地蜂鸣和全球管道”来描述创新网络空间分布的双重性［21］。

基于此，笔者认为，在新技术的早期阶段，知识的隐性程度往往很高，公司和个人很大程度上可以受益于地理邻近(Audretsch 等，2005)［22］;当该技术逐渐成长并发展成熟时，知识变得规范化，创新合作将突破地理空间的束缚转而向更远的地方转移(Cowan 等，2004)［23］。可以预期的是，随着时间的推移，地理邻近在创新网络形成中的重要性逐渐降低。

假设1:地理邻近在创新网络形成中的作用随着时间的推移而下降。

(二)社会邻近在创新网络形成中的作用

社会邻近源于嵌入性理论，指行为主体之间社会嵌入性关系的远近。在社会学的研究中，三元闭包经常被作为一种解释社会资本的标志而存在(Coleman，1998)［24］，它通过降低行为主体间隐性知识转移与吸收的难度而为知识溢出创造条件。研究认为，前期存在的创新网络在提供潜在合作伙伴信息的可用性和可靠性方面发挥着重要作用(Gulati 等，1999)［25］。闭合、内聚的创新网络具有互惠、持续和频繁作用等基本特征，每一种属性都能够激发创新合作者之间的信任，以促进复杂或敏感性知识的交换(Zaheer 等，2005)［26］。因此以信任为基础的合作关系常优于匿名或新增关系的建立(Broekel 等，2012)［27］，具有相同桥接中介的行为主体之间更容易发生创新合作，从而形成一种三角闭合结构。国内外有关社会邻近的研究尚不多见，具有代表性的有Giuliani(2005)、Cantner(2006)、Broekel(2012)、Ter Wal(2013)分别从智利啤酒集群［13］、德国耶拿地区企业间科学家流动［28］、荷兰航空知识网络［27］和德国生物技术［29］等方面对上述结论进行了验证。

然而，过度的社会邻近也不利于行为主体之间知识流动。当彼此间关系过于紧密时，信任程度较高，会低估机会主义行为的发生(Uzzi，1997)［30］，导致创新成本过高。同时，由于长期关系中的过度承诺，会将行为主体锁定在既定的社会网络中，对外部创新知识采取保守态度(毛睿奕，2012)［31］。总之，社会邻近通过建立互信来促进互动式学习和创新，适度的社会邻近应是市场关系与社会关系的某种平衡(李琳等，2013)［11］。

基于此，笔者认为，伴随着装备制造业的发展，为抑制知识编码化所带来的无意识溢出风险，以信任为主的交流方式将逐渐增多，创新网络中的行为主体有一个明确的偏好，更倾向于与合作伙伴的伙伴建立联系，由此三角闭合的趋势将不断增加。但是，在产业发展的早期阶段，尤其是当装备制造业领域的知识多为隐性状态时，信任尚未像后期那样重要。因此，可以预期的是，随着时间的推移，三元闭包在创新网络形成中的重要性逐渐增加。

假设2:社会邻近在创新网络形成中的作用随着时间的推移而增加。

(三)地理邻近与社会邻近的交互在创新网络形成中的作用

创新网络的空间演化存在路径依赖，已有的创新网络结构在很大程度上决定了其演化趋势(Ter Wal 等，2011，2013)［29，32］。在产业发展的初期阶段，地理邻近对创新网络影响较强，三元闭包效应相对较弱，因此，在地理集聚和路径依赖的共同作用下，大多数具有潜力形成三元闭包的行为主体之间的地理距离较小，三元闭包可能会强化由于地理邻近所产生的本地化效应。然而，在产业演进的后期阶段，地理邻近对于创新网络的影响逐渐削弱或趋于稳定，三元闭包的作用开始被放大。这样，地理距离和三元闭包之间的相互作用方式开始发生变化，地理邻近作用的削弱增加了与距离较远的行为主体建立三元闭包的强度(Martin，2010)［33］。由此可以认为，早期较为稳定的地方合作模式逐渐被打破，三元闭包发展成为有利于较远合作的一种机制。

假设3:随着时间的推移，通过社会邻近形成创新联系的行为主体之间的地理距离逐渐增加。

三、研究方法

(一)数据来源与处理

联合申请发明专利可以反映创新网络中相关节点基于创新活动所进行的合作，正越来越多地作为关系数据被应用于科学研究。本研究的实证分析即基于专利数据来建构创新网络，数据来源于国家知识产权局专利检索与服务系统中的重点产业专利信息服务平台。

数据筛选的标准及处理方式:(1)由于专利申请日到公开日需要18 个月，在2011年12月以后的数据并不完全，因此本研究提取数据的截止日期为2011年12月，国外和港澳台地区的联合申请专利不在讨论范围之内。(2)合作发明专利揭示了行为主体间存在创新交流，若合作者分属于不同机构，则说明行为主体间出现了知识流动，其机构构成了创新网络中的节点，合作次数构成了节点间关系链的数目。(3)本研究假设，创新合作项目通常是长期的并以合约的形式进行固化，合作过程最终致使专利的应用年限达到五年，加之1987年前合作发明专利数量较少。所以，检索年限为1987－2011年，并将其分为5 个时间序列进行考察，每一阶段的创新网络包含本年度及四年前的发明连接。(4)对大学及科研院所分支单位作如下处理:隶属于同一大学，且处于同一城市的学院视为同一机构;处于不同城市的同一大学为不同的机构，用其所在城市区分;中科院等科研院所的二级分支单位视为不同的机构。(5)为降低部分行为主体短时间进入或退出对创新网络造成的影响，文中用来衡量合作创新的专利仅限于在不同年份至少出现过两次的行为主体。

对数据进行遴选，剔除上述不符合分析要求的数据后，得到样本共30318 项，涉及行为主体计12066 个(图1)。总体来看，合作发明专利和参与创新行为主体数量的变化基本一致，呈现不断上升的态势，1987－2002年，创新合作一直处于较低水平，专利及行为主体的数量分别在500、600 以下;从2003年开始，两项指标数量迅速增加，2006年分别超过800、1000 项;2009年以后，装备制造业创新合作进入跃升期，专利数量全部在5000 项以上，参与合作主体的数量均超过3000 个。

图1 1987－2011年合作发明专利及行为主体的数量情况

(二)分析方法

本研究参考Ter Wal(2013)的研究思路［29］，实证分析主要有以下三个方面:首先，描述性统计分析将阐明创新网络中地理平均距离和三元闭包的变化趋势;第二，Ucinet 软件多元回归分析(QAP，quadratic assignment procedure)用来评估地理邻近和社会邻近对装备制造业创新网络的作用;最后，运用Stocnet 软件的纵向网络数据分析模块(SIENA，simulation investigation for empirical network analysis)验证地理距离和三元闭包如何驱动创新网络演化。

1.地理邻近的测度

地理邻近是创新网络中的行为主体在地理空间上的接近程度。地理距离的衡量方法有以下几种:(1)利用Arcgis 软件或在地图上计算两城市之间的直线距离;(2)两城市之间最短的道路距离;(3)两城市之间最短的交通时间。考虑到获取数据的难易及准确程度，本研究选取第一种方法，以城市地理坐标为依据，利用Arcgis 中Point Distance功能生成创新网络行为主体对之间的地理距离。为了降低实际值差异过大所带来的偏误，借鉴王贝贝(2013)的研究方法［34］，采用取对数的形式，将每组行为主体间的地理距离加1，计算地理邻近的公式为:

其中dij为行为主体i 和j 之间的实际地理距离，Maxdij为相应阶段地理距离的最大值。同一区县的行为主体间的地理邻近为最大值1，距离最远的行为主体间取值为0，构建地理邻近矩阵，为取值在0－1 之间的连续变量。

2.社会邻近的测度

本研究将三元闭包作为社会邻近的表征，用来描述创新连接形成的倾向。目前国际上对社会邻近的衡量方法有以下几种:(1)两节点原有的合作次数;(2)两节点之间合作过的科学家人数;(3)构建过去时段的创新网络，两节点之间关系距离的倒数。本研究对社会邻近的衡量通过上一时段两节点在创新网络中关系距离的倒数来计算。如果主体i 和主体j 直接相连，他们之间的关系距离为1，互为直接相连的主体。如果主体i 和主体j没有直接相连，且可达路径上经过一个共同主体，那么他们之间的关系距离为2，社会邻近系数为0.5。本质上，三元闭包是一个社会邻近效应作用于创新联系的特殊案例，被定义为关系距离为2(即社会邻近=0.5)转变为直接联系的倾向。

四、创新网络的动态演化

(一)网络空间结构

为直观地反映1987年以来我国装备制造业创新网络行为主体的空间集聚变化状况，本研究输入节点的空间属性数值，利用Arcgis 测算其空间分布特征。为使结果具有可比性，选择相同的搜索半径与栅格大小对核密度进行测算，绘制创新网络核密度估计图(图2)。装备制造业创新网络的行为主体主要分布在长三角、环渤海以及珠三角等三大经济区，呈现密集的群团式分布特征;其次是鄂、渝、湘、川和辽等直辖和省会城市，其他省、自治区的城市多以零星分布;总体上主要分布在”胡焕庸人口线“右侧，核密度最大值一直呈扩大趋势，空间集聚度逐渐升高。

图2 创新网络行为主体空间分布核密度图

此外，把样本数据按所属城市、省份进行归类，将创新网络中行为主体均在同一城市的认定为城市内部合作，同一省份的为本省合作，其他情况为省际合作，旨在超越单一节点的分析，重点讨论我国装备制造业创新网络在空间层面的分布状况及变化(表1)。总体而言，我国装备制造业创新网络的空间模式较为稳定。

表1 创新网络空间分布状况

随着时间的推移，地理距离和三元闭包对创新网络形成的影响各异(图3)。(1)2001年地理平均距离达到最大值703.3KM 后，逐渐减小并趋于稳定，基本在550KM 上下波动。(2)对各年份发生创新联系的行为主体进行重点观察，创新网络关系距离从2 变为直接联系的比例逐渐增大，该比例在2011年达到21.22%，由此可以认为:结合2000年后高校成为中国公共科研的主要力量(顾建民等，2008)［35］的这一论断，基于中介的牵线搭桥作用，三元闭包丰富了行为主体间的知识流动渠道，发展成为创新主体寻找合作伙伴的重要方式。

图3 创新网络的描述性统计图

(二)多元回归分析

基于最小二乘法的多元回归要求变量之间是相互独立的，常用统计检验一般不适用于对矩阵形式的关系数据进行统计分析，原因在于矩阵中存在结构性的自相关会使OLS 多元回归方法的变量显著性检验失效［36］。为此，本研究采用社会网络分析中常用的QAP 多元回归分析方法。首先将因变量和自变量进行标准的回归分析，然后通过对矩阵的行与列进行随机置换，计算每次矩阵重排后的检验统计量，经多次重复的置换后，得到统计量的分布及显著性检验结果［37］。使用Ucinet 软件，经2000 次置换，得到表2。需要指出的是，本研究通过计算地理邻近和社会邻近的乘积项来表征二者之间的交互作用。

表2 QAP 多元回归分析

回归结果显示:(1)地理邻近的回归系数不断发生变化，1987－1991年为2.623，1997－2001年增加至最大值2.871 之后，数值趋于稳定，说明地理距离对创新网络形成的影响与前述分析一致;但是，地理邻近在所有观察年份的回归系数一直为正且最为显著，说明地理距离并未死亡，尽管伴随着创新网络节点数量的日益增多，地理邻近的作用有所减弱，但在行为主体进行复杂知识传播和交流时，地理邻近依旧是我国装备制造业创新网络形成的基础，是创新网络能否长期存在的决定性因素，假设1 不成立。(2)从社会邻近方面来看，模型显示观察系数逐渐升高，1992－2001年分别经历了－0.843、－0.472，到2002－2006年增加为正数，尤其到2011年达1.513。由此可以说明，伴随着时间的推移，为获得更为准确、更具信任的知识，我国装备制造业创新网络越来越倾向于通过中介节点发生合作，间接联系转化为直接联系的方式逐渐增多，假设2 可以得到支持。(3)地理邻近和社会邻近之间的交互作用方面，回归系数总体并不稳定且没有显著的变化规律。为此，本研究构建了依靠社会邻近发生创新的行为主体之间地理距离变化趋势(图4)。除1994年外，1996年前，尚未存在通过社会邻近发生联系的行为主体;之后的观察年份，除2004、2005年外，通过三元闭包形成创新联系的地理距离均大于直接新增联系的地理距离。造成这一现象的原因是:选择社会邻近的方式建立联系的行为主体，一般会优先考虑潜在合作对象在经济、技术和知识资源等方面的比较优势，地理距离对于创新联系的阻碍和削弱作用小于其对直接新增联系的作用。所以，通过三元闭包建立联系的节点之间的地理平均距离较大，由此假设3 成立。

图4 地理邻近和社会邻近交互作用分析

(三)网络演化分析

一般而言，创新网络研究包括两个方面，即创新网络结构的成因和结果，而创新网络演化是结构的动态体现(Borgatti 等，2003)［38］。笔者认为，创新网络中行为主体的战略选择与创新网络的构建、演进紧密相关，如何构建创新联系并伴随创新网络演进实现互动，是行为主体获取资源、产生竞争优势继而持续成长的重要过程。表3 就1987－2011年间我国装备制造业创新网络及主要指标的变化进行了统计分析，可以发现，装备制造业创新网络中参与合作的行为主体数量日益增多，知识交流愈发频繁，创新网络规模以及中心性均不断增大，多数行为主体之间进行了两次或两次以上的创新合作。但是，创新网络密度较低，持续联系所占比例较小，节点新增及退出变化剧烈。总体上，我国装备制造业创新网络的建构尚处于初级阶段。

表3 创新网络演化的统计分析

为探求地理邻近和社会邻近在我国装备制造业创新网络演化中的角色，本研究将创新网络的变化看作是马尔科夫过程，用SIENA 进行模拟，这一方法在经济地理学新近的文献中已有所应用(Balland，2012; Pierre，2012; Ter Wal，2013)［8，29，39］。利用Stocnet 软件执行创新网络结构动态变化的模拟，参数估计经历了马尔科夫链蒙特卡罗(MCMC)1000 次迭代，各个阶段模型均具有良好的收敛度(T ＜0.1)，生成置信区间为95%的网络参数估计变化图(图5)。研究发现:(1)与Ter Wal(2013)对德国生物技术创新网络的研究不同，鉴于装备制造业本身的特殊性及其发展路径，地理邻近仍是创新网络演化的首要驱动因子;(2)信息技术和通讯手段的发达，节点倾向于选择与其自身社会邻近的合作以满足更高层次的创新需求，社会邻近在创新网络演化中的作用逐渐上升;(3)地理邻近和社会邻近作为发生创新联系的两种驱动因子，可以用来解释创新网络的空间模式。该分析具有的理论和实际意义是，行为主体在选择创新合作对象时具有的社会邻近可以作为地理邻近的有效补充。当地方创新资本匮乏时，节点与其他创新主体的嵌入性关系可以激发与地理距离较远的潜在合作伙伴建立创新联系，这样既可减少合作成本，又可以提升创新成功的概率。

图5 创新网络演化的驱动力分析

五、结论与展望

笔者从微观数据入手，选取我国装备制造业为研究对象，通过前述实证分析得出以下结论:

第一，学术界一直认为，潜在合作伙伴信息的适用性和可靠性随着地理距离的增加而衰减，但也可以通过创新网络中已存的合作关系，形成三角闭合的网络。本研究支持现有创新网络理论的部分论断，认为:地理邻近的作用趋于稳定，但地理距离并没有死亡，依旧是我国装备制造业创新网络形成的基础，是创新网络能否长期存在的决定性因素;社会邻近丰富了行为主体间的知识流动渠道，逐渐发展成为寻求创新合作伙伴的重要方式。

第二，本研究将地理学视角植入对创新网络动力的研究，发现:尽管地理邻近的直接效应有所减弱，但基于装备制造行业发展的历史原因和路径依赖特征，地理邻近依旧是我国装备制造业创新网络演化的首要驱动因子;选择社会邻近的方式建立创新联系的主体，一般会优先考虑潜在合作对象在经济、技术和知识资源等方面的比较优势，地理距离对于创新联系的阻碍和削弱作用小于其对新增联系的影响。

第三，基于实证结论提出提升我国装备制造业创新网络绩效的针对性建议:产业演进的早期阶段，知识多为隐性状态，相对较弱的闭合效应强化了创新网络的地方化特征，地理邻近的作用明显;后期阶段，产业变得更加成熟并逐渐针对特定的商业发展应用时，闭合效应愈发明显，信任机制发挥作用，进而激发地理距离较远的行为主体建立创新关系。作为邻近性理论的一种有效的补充，地理邻近和社会邻近作为创新联系发生的两种形式，可以用来解释与邻近或遥远的伙伴进行创新合作的倾向。如何把握并充分发挥不同维度邻近性带来的正向效应，相关政府部门和企业应该有适当的行为策略。

本研究进一步拓展的方向主要有:(1)选用专利数据作为指标，优点在于可获得性和可控性较高，但其仅为创新成果的一个侧面，可能会因为关注面过窄影响结论的实用性。(2)本研究仅限于对地理邻近和社会邻近的探讨，构建科学、合理的多维邻近分析框架，探讨网络空间和地理空间的交互作用对创新行为的影响无疑是一个有趣的研究方向。(3)结合企业访谈和问卷调研，加强对创新网络的演化机理的探讨。

［1］曾 刚，李英戈，樊 杰．京沪区域创新系统比较研究［J］．城市规划，2006，30(3):32－38．

［2］LIEFNER I，HENNEMANN S．Structural holes and new dimensions of distance:the spatial configuration of the scientific knowledge network of China's optical technology sector ［J］．Environment and Planning A 2011，43:810－829．

［3］汪 涛，HENNEMANN S，LIEFNER I，等．知识网络空间结构演化及对NIS 建设的启示——以我国生物技术知识为例［J］．地理研究，2011，(10):1861－1872．

［4］BOSCHMA R A．Proximity and innovation:a critical assessment［J］．Regional Studies，2005，39:61－74．

［5］SORENSON O，RIVKIN J W，FLEMING L．Complexity，networks and knowledge flow［J］．Research Policy，2006，35:994－1017．

［6］李 琳，韩宝龙，高 攀．地理邻近对产业集群创新影响效应的实证研究［J］．中国软科学，2013，1:167－175．

［7］POWELL W W，WHITE D R，KOPUT K W．Network dynamics and field evolution:the growth of inter-organizational collaboration in the life sciences ［J］．American Journal of Sociology，2005，110:1132－1205．

［8］BALLAND P 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，2012，46:741－756．

［9］LI P，BATHELT H，WANG J．Network dynamics and cluster evolution:changing trajectories of the aluminum extrusion industry in Dali，China ［J］．Journal of Economic Geography，2012，12:127－155．

［10］吕国庆，曾 刚，顾娜娜．经济地理学视角下区域创新网络的研究综述［J］．经济地理，2014，34(2):1－8．

［11］李 琳，雒道政．多维邻近性与创新:西方研究回顾与展望［J］．经济地理，2013，33(6):1－7．

［12］ABRAMOVSKY L，SIMPSON H．Geographic proximity and firm－university innovation linkages:evidence from Great Britain［J］．Journal of Economic Geography，2011，11:949－977．

［13］GIULIANI E，BELL M．The micro-determinants of mesolevel learning and innovation:evidence from a Chilean wine cluster［J］．Research Policy，2005，34(1):47－68．

［14］BRESCHI S，LISSONI F．Mobility of skilled workers and co-invention networks:an anatomy of localized knowledge flows［J］．Journal of Economic Geography，2009，9:439－468．

［15］GRABHER G．，IBER O．Bad company?the ambiguity of personal knowledge networks ［J］．Journal of Economic Geography，2006，6:251－271．

［16］GORDON I R．，MCCANN P．Innovation，agglomeration，and regional development ［J］．Journal of Economic Geography，2005，5:523－543．

［17］李 琳，杨 田．地理与组织邻近对产业集群创新影响效应——基于对我国汽车产业集群的实证研究［J］．中国软科学，2011，9:133－143．

［18］HUBER F．Do clusters really matter for innovation practices in information technology? questioning the significance of technological knowledge spillovers［J］．Journal of Economic Geography，2012，12:107－126．

［19］HOWELLS J R L．Tacit knowledge，innovation and economic geography ［J］．Urban Studies，2002，39(5):871－884．

［20］王孝斌，李福刚．地理邻近在区域创新中的作用机理及其启示［J］．经济地理，2007，27(4):543－546．

［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］AUDRETSCH D B，FELDMAN M P．Innovative clusters and the industry life cycle ［J］．Review of Industrial Organization，1996，11:253－273．

［23］COWAN R，JONARD N，ZMAN M．Knowledge dynamics in a network industry ［J］．Technological Forecasting and Social Change，2004，71:469－484．

［24］COLEMAN J S．Social capital in the creation of human capital ［J］．American Journal of Sociology，1998，94:95－120．

［25］GULATI R，GARGIULO M．Where do interorganizational networks come from?［J］．American Journal of Sociology，1999，104:1439－1493．

［26］ZAHEER A，BEL G．Benefiting from network position:firm capabilities，structural holes，and performance ［J］．Strategic Management Journal，2005，26:809－825．

［27］BROEKEL T，BOSCHMA R T．Knowledge networks in the Dutch aviation industry:the proximity paradox［J］．Journal of Economic Geography，2012，12:409－433．

［28］CANTNER W，HOLGER G．The network of innovators in Jena:an application of social network analysis［J］．Research Policy，2006(35):463－480．

［29］TER WAL A L J．The dynamics of the inventor network in German biotechnology:geographic proximity versus triadic closure［J］．Journal of Economic Geography，2013，2:1－32．

［30］UZZI B．Social structure and competition in interfirm networks:the paradox of embeddedness［J］．Administrative Science Quarterly，1997(42):35-67．

［31］毛睿奕．基于知识流动的生物医药创新网络邻近性作用研究［D］．上海:华东师范大学资源与环境科学学院，2012．

［32］TER WAL A L J，BOSCHMA R A．Co-evolution of firms，industries and networks in space［J］．Regional Studies，2011，45:919－933．

［33］MARTIN R．Lecture in economic geography-rethinking regional path dependence:beyond lock-in to evolution ［J］．Economic Geography，2010，86:1－27．

［34］王贝贝．多维邻近视角下的知识网络结构演化研究——以生物科技和纳米科技为例［D］．南京:南京师范大学地理科学学院，2013．

［35］顾建民，王爱国．高校科研体制改革问题与展望［J］．中国高教研究，2008，(9):12－15．

［36］JAFFE A．Technological opportunity and spillovers of R＆D:evidence from firms' patents，profits，and market value［J］．The American Economic Review，1986，76 (5):984－1001．

［37］向希尧，蔡 虹，裴云龙．跨国专利合作网络中3 种接近性的作用［J］．管理科学，2010，23(5):43－52．

［38］BORGATTI S．，FOSTER P．The network paradigm in organizational research:a review and typology［J］．Journal of Management，2003，29(6):991－1013．

［39］PIERRE A B．，MATHIJS D，BOSCHMA R A．The dynamics of interfirm networks along the industry life cycle:The case of the global video game industry，1987－2007［J］．Journal of Economic Geography，2012，12:1－25．