上海农业创新网络及其空间结构研究

辛晓睿+刘刚+曾刚

摘 要：本文以1988年～2015年上海农业技术领域合著论文和共同申请专利的信息为原始数据，分别表征科学知识网络与技术知识网络。运用复杂网络与空间分析方法，基于城市、区域和国家等3个层面，从网络整体结构、关键节点的比较及其空间结构等方面刻画上海农业创新网络的结构及其演变特征。研究发现：上海农业创新网络的演化具有明显的阶段性特征，具有明显的“核心-边缘”结构，地理邻近的重要性尚未减弱；科学网络中研究机构的中心性明显均高于企业，科研院所占据创新网络的核心位置；技术网络的结构较为松散并呈链状结构，处于发展初期。研究结论为创新网络时空演化过程提供新的研究视角，对农业创新系统良性运转和创新节点的培育具有一定借鉴意义。

关键词：创新网络；农业；上海

中图分类号：F129.9 文献标识码：A

0 引言

知识、网络、空间是新经济地理学研究的热点领域[1]，已有创新网络的相关研究主要围绕产业集群与邻近性、跨国技术社区与守门员、全球与本地网络联系等方面展开[2]。作为创新网络研究的两大学派，新区域主义关注创新的地理空间集聚，强调创新的粘性和根植性；全球生产网络学派则重视跨界网络的创新联系，强调全球扩散与地方制度响应。近年来，由于意识到单一尺度的片面性，两大分支开始融合，出现了“全球管道—本地蜂鸣”、“超越新区域主义”以及全球生产网络与区域发展的GPN1.0和GPN2.0等学说[3]。此外，社会网络分析方法为经济地理学传统的定性及静态研究注入了新鲜的血液，用定量和可视化的方式来刻画创新网络的节点特征、空间结构及其演化特征，被冠以“最有前途的实证分析工具”之名[4]。但是，创新网络的相关研究多以发达国家的制造和高科技行业部门为研究对象，对农业创新领域的关注相对较少。事实上，伴随着传统农业向现代农业转型的持续发酵[5]，计算机技术和基因技术的飞速发展为农业现代化进程的推进带来了契机[6]，构建农业创新体系对于农业生产率的提升同样具有重要意义。

学术界就农业部门的创新主体和要素，展开了广泛而深刻的讨论。Chairatana以泰国为案例的研究指出农业创新系统为以农业为基础的产业网络和生产链[7]；涂俊等认为农业创新系统为一定区域范围内（多为省域），由科研机构、政府、相关技术推广部门、农民及企业共同组成的技术研发与扩散网络[6]；Spielman等认为农业创新系统的基本组成要素包括大学-研究机构、企业-贸易联系、中介机构和制度环境等四个方面[8]；李二玲等经过一系列研究认为农业创新体系由农业创新的行为主体、创新网络以及在网络中流动的创新内容三个部分组成[5，9]。一般来说，大学和研究机构主导着农业相关研究和技术的发展方向，对创新知识的产生、扩散和应用具有重要的作用，被认为是农业创新系统的核心变量，在现有文献中被广泛讨论[10]，常用的表征指标包括合著学术论文和合作发明专利，并分别对应科学知识网络和技术知识网络[11]。但是，上述二者在運行机制和创新模式等方面存在显著差异，其对应网络结构和空间结构存在明显不同。因此，农业科学知识网络与技术知识网络结构有何不同？二者的时空演化特征及对应的城市网络又存在什么区别？本文拟围绕这些问题开展研究，意在抛砖引玉。

与国内其他区域比较而言，尽管上海农业的规模与产量较小，但因其较好的经济基础、先进的硬件条件、相对较高的劳动力素质等方面优势因素的存在，使得上海拥有众多优势农业技术，如蔬菜、食用菌以及农业生物等[12]。由《现代农业》杂志联合现代农业产业网、鸿与智产业研究院共同发起的“2013现代农业创新力企业100强”评选活动中，上海农业企业共有21家入围百强名单。因此，以都市型农业为代表的上海，其农业创新网络的结构和空间结构必定迥异于传统农业区域。有鉴于此，本文选择上海为研究案例，着眼于创新网络的节点特征及其空间结构，从微观层面上明晰参与主体的网络功能与角色分布，谋求充实创新经济地理学研究的实证案例，并为农业创新系统良性运转和培育创新节点提供方向。

1 案例概况、数据获取与研究方法

1.1 上海农业创新发展现状

根据《上海统计年鉴》、《上海郊区统计年鉴》和上海市农业委员会政务网对农业技术应用和综合开发的变化数据的分析，可以得出：一方面，由于农业科技成果的高效应用，使得上海农业的生产结构得到不断优化，生产资料清洁化的趋势日益明显，特别是对化肥、农药的依赖度逐年降低；另一方面，特别是自2010年以来，从农业论文、发明专利申请及授权、农业科技成果获奖等数量指标方面来看，上海农业科技成果大获丰收。目前，上海已基本形成了以高校和科研机构为核心、国家和省部级创新平台为重点、农业示范园区和生产基地为载体的农业创新体系。整体而言，上海市农业的科技创新能力显著高于国内其他区域。

1.2 数据的采集与处理

本文以CNKI为基本数据库，检索1988年～2015年上海农业领域的合作发明专利和科技论文。数据筛选的标准及处理方式：（1）明晰上海涉农行为主体。筛选并确定在上海市域范围内从事农业创新活动的97家企业和25家高校/科研院所，个人、政府部门等行为主体不属于本文的研究对象。（2）数据的时间和范围界定。CNKI数据库中搜索到的第一个合作发明专利出现在1988年，因此，数据的起始时间选择1988年。（3）合作发明专利和论文揭示了创新主体间存在创新交流的合作关系。若行为主体属于不同的机构，则说明他们之间出现了知识流动和创新联系，节点间的关系数量可以表征行为主体之间合作的频度和深度[13]。（4）在数据检索栏依次键入上述122家行为主体，最终确定的合著论文和合作发明专利分别为1822篇和270项。（5）确定行为主体所在城市，将空间尺度分为城市、长三角和国家3个层面进行分析，本市合作是同属上海市域范围内的创新联系，长三角内部合作是指与上海外江浙两省其他城市之间的合作，本国合作是指与江浙沪两省一市外、本国之内的合作。国外和港澳台地区的数据不在讨论范围之内。

1.3 分析方法

社会网络分析方法是综合运用图谱与模型来研究节点之间关系的一种结构分析方法，具有以下基本特征：认为行为主体之间的联系是重要的；主要基于关系数据的搜集与分析；高度依赖于可视化的图像或图形；注重数学模型等定量分析来描述网络[14]。本研究采用包括网络密度、规模、中心性和块段模型等度量指标和方法来分析上海农业创新网络结构和节点间关系的变化趋势。其中，块段模型本质为一种多重关系网络简约化的表达方式，是将所观察到的系统中大量因子间关系简化为不同类型因子间关系的模拟方法[15-16]，主要包括分块和建模两个步骤。本文参照已有学者的研究，选择最大分割深度为2，收敛标准为0.2，计算不同组团间的密度矩阵，以此可视化不同行为主体块之间的关系模式。

2 上海市农业创新网络演化的实证分析

2.1 演化阶段划分

从图1可以看出，上海农业合作论文及专利数量总体呈现上升趋势，且具有明显的阶段性特征。1988～2000年间，论文和专利数量较少，2001年以前的合作数均不足30个；2001～2005年，二项指标均呈低水平上升态势，本阶段末，合作论文和专利的数量分别为81和7个；从2006年开始，上海农业的创新合作进入跃升期，数据呈现指数增长态势，合作专利和专利数年均增长率接近37.18%和19.34%；此后，农业创新合作趋势基本稳定，合作论文和专利的数量分别维持在130篇和40项左右波动。此外，在上海农业发展的几个重要时间节点也出现了一些标志性事件。2000年，中国开始全面部署和实施科教兴国战略，高校和科研机构开始成为中国知识创造和技术研发的主要力量。从2004年至今，中央一号文件连续12年锁定“三农”问题，上海市农委、科委等部门积极贯彻落实，特别是在2009年编制完成的《上海市农业布局规划（2010-2020）》，明确上海市农业生产综合布局主要集中于五大片区。2015年，上海提出了要加快建设“具有国际影响力的科技创新中心和整建制创建国家现代农业示范区”的总体构想，上海农业的创新能力得以进一步的发展和提升。综合考虑曲线变化和重大事件影响的滞后效应，本文分1988～2000、 2001～2005、 2006～2010和2011～2015等4个阶段对上海农业创新网络的结构及其空间特征进行解析。

2.2 网络结构

从创新网络演化的拓扑结构分析（图2）可以发现：（1）上海市农业创新合作主体逐渐增加，带动了论文和专利数量的增长，网络规模不断上升，进而实现了知识、技术在更大范围内的流动与扩散。（2）尽管随着时间的推演，越来越多的企业作为创新主体进入网络，但是，学术论文的发表常常成为大学或科研院所评定学术成果的重要依据，很少作为企业竞争力的评价指标[11]，因此科学知识网络中研究机构的中心性明显均高于企业，且与装备工业等产业存在显著不同，凭借知识储備、科研基础、创新效率等优势，科研院所占据创新网络的核心位置，发挥重要的引领和支撑作用。（3）由于越来越多的企业开始重视专利对创新的作用，企业行为主体的数量变化保持较快的扩张速度，1988年～2000年共有4个，2001年～2005年为8个，第三阶段则增至19个，2010年以后为46个；与科学知识网络不同，上海农业技术知识网络的结构较为松散并呈链状结构，处于发展初期。

特别需要指出的是，上海农业创新网络具有较为明显的“核心-边缘”范式。一方面，由图2可知，2010年后上海农业技术知识网络围绕某些节点构建创新联系的程度逐渐提高，基本形成以上海市农业科学院为核心，包含上海科园、绿箭农业、佳牧生物、正名技术、国森生物在内的凝聚子网。另一方面，针对科学知识网络内部行为主体的关联关系进行块模型分析，可以得到四个板块（表1）。

参照李敬等的研究[16]，结合科学知识网络的整体密度，若板块密度大于总体平均水平，则可以认为该板块就有明显内部合作，与此同时，若板块之间的合作密度大于总体平均水平，即认为存在创新合作的强链接；反之为弱联系。总体来说，各板块在四个阶段的内部创新合作都具有较强的内部集聚特性，俱乐部效应明显。具体来说，（1）第一阶段，该阶段网络密度为0.0187，第一板块成员有80个，第二板块成员有23个，第三板块成员共有19个，第四板块成员共有6个；（2）第二阶段，该阶段网络密度为0.0108，第一板块成员有230个，第二板块的成员有63个，第三板块的成员共有35个，第四板块成员共有15个；（3）第三阶段，该阶段网络密度为0.0066，第一板块成员有332个，第二板块的成员有212个，第三板块的成员共有102个，第四板块成员共有46个；（4）第四阶段，该阶段网络密度为0.0075，第一板块成员有259个，第二板块的成员有225个，第三板块的成员共有166个，第四板块成员共有47个。

尔后，对上海农业科学知识网络各板块密度矩阵进行处理，得到创新关系简化图3，可以发现：上海农业科学知识创新网络各板块之间的创新联系逐渐加多、加深，并具有明显的“梯度”特征，具体来说：第四板块多为中心性较高、创新能力较强的行为主体；第三板块自第二阶段开始便建立了与高能级板块的强创新链接，并行使“二传手”的传递作用实现第一、二板块与第四板块的链接，表明了创新网络通过创新的优先连接机制而具有粘着性和等级性。

2.3 空间结构

根据论文合著者与发明专利申请者所属地级市，将样本数据进行归类，最终实现了由具体组织之间的合作转变为不同城市之间的合作。由表2可以看出：（1）总体而言，尽管跨界合作创新的数量在逐渐增长，但是，本地尺度在上海农业创新网络中占据重要地位且呈上升趋势，国家层面的合作呈现下降趋势并占据次要的位置。（2）就上海农业科学知识和技术知识网络之间的横向比较而言，前者的创新空间结构相对稳定且跨界合作占比相对较多；而地理邻近对后者的重要性更加突出。

接下来，为分析上海农业创新空间的时空演变，构建城市网络空间分布图4，可以发现：（1）上海农业科学知识网络中，1988年～2000年间，网络结构简单，有限的跨界合作主要集中于沪京、沪宁杭等重点城市之间，特别是与北京之间联系占比接近38.5%；至2005年，合作涉及城市数量激增为第一阶段的1.5倍，在进一步明确前述阶段已有联系的基础上，哈尔滨、沈阳为代表的东北区域逐渐成为上海市农业创新节点的结网对象；而第三阶段，东北的强创新联系逐渐消失，广州取而代之融入网络；2011年～2015年间，在巩固第三阶段城市空间结构的基础之上，上海与武汉的联系强度逐渐增大。总体而言，从2006年开始，尽管进入网络的城市数量增加缓慢，但是重点城市与上海之间的创新联系日渐加深，上海与北京的合作依然最高，达92次；上海与南京和杭州的合作次之，分别为59和52次；上海—广州、上海—武汉的合作次数为39和35次。可见，空间尺度上主体创新能级对于创新网络的空间特征具有决定性作用，而地理距离并不是首要驱动因子，网络结构呈现跳跃式的等级辐射特征。（2）随着时间的推移，越来越多的城市与上海建立了创新联系。网络发展初期，仅有连云港和杭州两个城市，经过第二阶段和第三阶段的拓展，2011年～2015年上海农业技术知识网络涉及的城市增加到17个，其中长三角区域城市5个，全国其他区域城市12个。但是，区域和国家尺度上的创新联系所占比例较小且重要性逐渐下降，地理邻近对技术合作结网的重要性并未减弱。

究其原因，笔者认为：基础研究和应用研究的差异性导致网络结构的差异。一般来说，科学知识网络编码化的知识被认为是通用的，可以跨域文化和地理的边界进行扩散，其创新更关注正式研发活动、高学历人才应用、与知识机构的紧密联系，地理邻近及交易成本已不再是行为主体创新网络构建考虑的首要因素[17]，合作关系的建立更多地需要在认知上具有相似的知识基础，“声誉”是创新合作链接优先考虑的要素[18]。与此相对，应用研究多强调包括信息、灵感在内的本地蜂鸣[2]，包括市场需求、工艺改善、元件改进等方面的信息多通过大量的正式会议和非正式会面获得，在创新资源禀赋充裕与行为主体共存的区域（城市），会因为优先选择机制的作用而具有创新的本地化倾向。

3 结论与展望

创新网络的特征描述及其演变规律已成为经济地理学界的研究热点，但农业创新系统的结构和空间特征的探讨相对较少。本文以中国知网1988年～2015年上海农业领域的科技合作论文和合作发明专利为数据来源，并分别表征科学知识网络和技术知识网络，从不同的空间尺度对上海市农业创新网络进行分析，得出以下结论：

第一，1988年～2015年间，上海农业创新网络中行为主体间持续的合作关系已基本建立，创新知识交流愈发频繁；创新网络呈现“核心—边缘”的连接范式，但是，由于科学知识和技术知识在运行机制和创新模式等方面差异的存在，使得其对应网络结构和空间结構存在明显不同，前者网络中心度较高的成员是科研机构，后者则以企业为主。

第二，对上海农业创新网络在空间层面的分布状况及其变化进行讨论，得出：尽管上海与区域内、外行为主体的创新合作日渐增强，北京和广州等地的知识扩散效应有所显现，但是，长三角区域和国家尺度上的创新联系在上海农业创新过程中所占比例较小且重要性逐渐下降，地理邻近对创新合作结网的重要性并未减弱。

第三，基于实证研究对上海市推动产业创新升级战略、建设全球科创中心提出针对性建议：鉴于上海技术势能高的特点，并结合区域一体化的发展战略，应积极探索与创新能级较高的主体展开跨区域合作的方式和方法；市域层面，应大力推进现代农业园、大学科技园为主要载体的创新集群建设，重点加强创新主体之间的面对面交流，呼吁企业或其分支机构在科研机构周边或园区内布局才是重中之重。

本研究进一步拓展的方向主要有：一是与实地调研数据相结合。文中选用的专利和论文数据优点在于可获得性和可控性较高，但其缺陷也很明显，并不是所有的论文和授权专利都代表具有市场价值的创新成果。二是上海农业创新网络的可视化分析尚未涉及内在机制的剖析，构建科学合理的演化分析框架，探讨网络结构、行为主体自身属性及地方情境性因素对网络绩效的影响将是下一阶段研究的重点。

参考文献

[1] Bathelt H， Glückler J. The Relational Economy： Geographies of Knowing and Learning[M]. Oxford University Press， 2011：273-275.

[2] 王秋玉，曾刚，吕国庆. 中国装备制造业产学研合作创新网络初探[J].地理学报， 2016（2）：251-264.

[3] 吕国庆. 中国装备工业创新网络研究[D].上海：华大师范大学，2016.

[4] Ter Wal A L J， Boschma R. Applying social network analysis in economic geography： framing some key analytic issues[J].Annals of Regional Science， 2009（3）：739-756.

[5] 李二玲，史焱文，李小建. 基于农业产业集群的农业创新体系结构分析—以河南省鄢陵县花木产业集群为例[J]. 经济地理，2012（11）：113-119.

[6] 涂俊，吴贵生. 基于DEATobit两步法的区域农业创新系统评价及分析[J].数量经济技术经济研究， 2006（4）：

136-145.

[7] Chairatana P. The economics of the agro-innovation system （AIS）[A]//Paper for DRUIDs Summer 2000

Conference[C]，Rebild/Denmark， 2000：15-17.

[8] 5.Spielman， J.D.， Birner， R.How Innovative Is Your Agriculture？ Using Innovation Indicators and Benchmarks to Strengthen National Agricultural Innovation Systems[M]. World Bank， Washington DC，2008.

[9] 史焱文，李二玲，李小建. 农业创新系统研究脉络及启示[J].经济地理，2014（3）：10-16.

[10] Mekonnen D K， Spielman D J， Fonsah E G， et al. Innovation systems and technical efficiency in developing-country agriculture[J].Agricultural Economics， 2012（5）：689-702.

[11] 李丹丹，汪濤，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（3）：

525-540.

[12] 罗强，俞菊生，刘刚. 上海农业科技创新水平现状分析[J].上海农村经济， 2014（6）：33-34.

[13] 吕国庆，曾刚，顾娜娜. 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[J].中国软科学，2014（5）：97-106.

[14] 徐振宇. 社会网络分析在经济学领域的应用进展[J].经济学动态， 2013（10）：61-72.

[15] 欧阳俊，李康杓. 中国汽车零部件购销网络的块段模型分析[J].统计研究，2006（4）：32-38.

[16] 李敬，陈澍，万广华，等. 中国区域经济增长的空间关联及其解释——基于网络分析方法[J].经济研究，2014（11）：4-16.

[17] Tracey P， Clark G L. Alliances， networks and competitive strategy： Rethinking clusters of innovation[J].Growth & Change， 2003（1）：1-16.

[18] Hong W， Su Y S. The effect of institutional proximity in non-local university–industry collaborations： An analysis based on Chinese patent data[J].Research Policy， 2013 （2）：454-464.

Abstract： Network perspective has already been applied in diverse area comprehensively. However， the innovation network of agriculture might have been neglected. This paper， using co-publication and co-patent in the field of agriculture in Shanghai from 1988 to 2015 as the original data， focuses on understanding the structural and spatial characteristics of the innovation network. There are some conclusions drawn from the research. Firstly，The innovation network obviously has core-periphery paradigm. Secondly， From the spatial characteristics of the network， although other cities like Beijing， having become powerful knowledge pool， the actors still tend to cooperate with the partners which located within Shanghai. Thirdly， the research institutions has become the center of science network， while the structure of technology network is on the initial stage and display as a chain. The results provide a new research perspective on the evolution of innovation network， which has some guided and reference meaning to the agricultural innovation system.

Key words： innovation network； agriculture； Shanghai