我国跨地区技术输入输出双网络分析

佘茂艳，李伟平，陈 劲

引 言

跨地区技术网络是近年来研究的一个重要领域*任胜钢.企业网络能力结构的测评及其对企业创新绩效的影响机制研究[J].南开管理评论,2010(1):69-80.。由于我国中东西部地区自主创新能力存在较大差异，经济发展不平衡及科技资源分布不均匀，使欠发达地区远远落后发达地区*卢宁，李国平，刘光岭.中国自主创新与区域经济增长——基于1998-2007年省际面板数据的实证研究[J].数量经济技术经济研究,2010(1):3-18.。而跨地区的技术网络打破了发展局限以及地理和空间界限，及部分阻碍技术流动的隶属关系，将全国各地区连结在一张庞大的网络中，使得各地区的科技资源和信息技术得以优化配置，解决部分技术信息不对称问题*Shin S K，Kook W.Can knowledge be more accessible in a virtual network:Collective dynamics of knowledge transfer in a virtual knowledge organization network[J].Decision Support Systems,2014,59(8):180-189.。技术网络的存在使得各地区能够向外部引进科技、创新资源等来促进自身发展*Bozeman B，Rimes H，Youtie J.The evolving state of the art in technology transfer research:Revisiting the contingent effectiveness model[J].Research Policy,2015,44(1):34-49.。由于技术网络结构特征会影响技术资源的传递效率和知识外溢效应*赵良杰，姜晨，鲁皓.复杂社会网络结构、局部网络效应与创新扩散研究[J].软科学,2011(8):6-9.，因而主体处于网络中不同位置意味禀赋着不同网络特征，对获取技术资源速度及便利程度不同*Gonzalez-Brambila C N,Veloso F M，Krackhardt D.The impact of network embeddedness on research output[J].Research Policy,2013,42(9):1555-1567.。

技术网络中主体之间技术来往是双向相互影响的。近几年中国对技术网络研究较多*范柏乃，余钧.高校技术转移效率区域差异及影响因素研究[J].科学学研究,2015(12):1805-1812.*刘凤朝，马荣康.区域间技术转移的网络结构及空间分布特征研究——基于我国2006-2010省际技术市场成交合同的分析[J].科学学研究,2013(4):529-536.*杨龙志，刘霞.区域间技术转移存在“马太效应”吗?——省际技术转移的驱动机制研究[J].科学学研究,2014(12):1820-1827.，主要基于国际、省际或两者结合出发*Cantner U,Rake B.International research networks in pharmaceuticals:Structure and dynamics[J].Research Policy,2014,43(2):333-348.，着重强调了网络结构特征对主体有较大影响*Guan J，Zhang J，Yan Y.The impact of multilevel networks on innovation[J].Research Policy,2015,44(3):545-559.。但对网络关系形成的研究，技术输出和输入双向网络对地区发展造成的影响及主体在网络中的主动性和积极性的研究较少。实际上，在技术网络中的技术输出、技术输入是一个双向互动行为，能说明城市在网络中处于主动地位还是被动地位，能表征主体的积极主动性、运用网络的能力以及受周围利益相关者影响的程度。

一、 数据来源、研究方法及技术网络构建

本部分将对本文的数据来源、研究方法及技术网络构建过程进行详细阐述。具体包括数据出处、筛选和信息匹配；结合社会网络分析方法，对网络结构特征指标进行选取；根据地区之间的专利许可数据矩阵构建全网络和技术输入输出网络。

(一) 数据来源

专利许可是各个地区技术来往的主要方式，是衡量不同地区之间技术输入输出主要指标。根据我国2008年出台的《专利实施许可合同备案办法》规定，专利权人与他人签订实施许可合同，应当自合同生效之日起3个月向国务院专利行政部门备案*谭龙，刘云，侯媛媛.我国高校专利实施许可的实证分析及启示[J].研究与发展管理,2013(3):117-123.。利用国家知识产权局公布的专利许可数据，以“专利号”“专利名称”“专利许可备案时间”“让与人所在地区”“受让人所在地区”等为技术输出和输入的匹配信息，通过筛选、整理和统计得到2009—2012年以省、直辖市为单位的32320条专利数据，以此来展开研究。图1和图2分别表示技术输出和技术输入各个地区的空间分布情况，由此得知，技术输出主要集中在北京、江苏、安徽、浙江、广东、湖南、河南等地区，技术输入主要集中在北京、四川、湖北、江苏、江苏、浙江、广东。两个网络中均是少数地区成为技术输出和技术输入核心地区。

图1 技术输出空间分布

图2 技术输入空间分布

(二) 研究方法

以筛选得到的数据来构建我国30个省、直辖市之间的技术网络。再按照技术输出和技术输入将技术网路分为双向网络。每张网络中存在30个网络节点，技术输出网络表示从该省输出到其他省份的技术，技术输入网络表示该省从其他省份吸收的技术。利用社会网络分析方法定量分析两张网的特征并进行可视化图谱直观地展示，可采用网络规模、网络密度、网络中心性、结构洞、区块特征、核心—边缘等指标进行测量*邵云飞，欧阳青燕，孙雷.社会网络分析方法及其在创新研究中的运用[J].管理学报,2009(9):1188-1193.*李敏，陈凤珍，王元地.我国城市技术转移双网络分析——基于高校、企业比较的视角[J].软科学,2016(3):5-10.*赵尚梅，史宏梅，杜华东.基于网络模型的跨地区技术转移的研究[J].研究与发展管理,2013(5):54-61.。为了显示主体在技术输出和技术输入两张网络中的不同特征和差异性，本文从技术网络可视化图、网络整体特征、网络中心性、结构洞、核心—边缘、聚类系数、凝聚子群、QAP关系等几个方面来进行分析。

(三) 技术网络构建

1. 整体网络构建

一个地区既有技术流出，也有技术流入，技术网络中地区之间技术资源和信息的交流比较复杂，本文利用社会网络分析方法来描述技术网络中主体之间复杂的关系。

将跨区域形成的技术网络中主体之间的关系看作是社会网络的关联结构，每个地区看作是网络中的节点，对技术既有输出也有吸收。因此本文的技术网络将我国30个省、直辖市(考虑到数据的可得性，西藏未包括)作为研究对象，共含有30个网络节点，构成30×30的矩阵如下：

(1)

矩阵M表征技术网络的各个节点之间技术输出输入的数量关系。其中mi,j表示技术网络中第i地区技术输出至第j地区的数量，mj,i表示技术网络中第j地区技术输出至第i地区的数量。因本文研究的跨地区之间的技术网络，故网络中未包括地区内部之间的技术流动数据，因此mi,i=0。

成员之间会因为互动和交流形成稳定的关系体系，因此用社会网络分析方法来研究矩阵中多个主体之间的关系和属性，以可视化图谱对其网络关系进行直观展示和定量分析*Nam Y，Barnett G A.Globalization of technology:Network analysis of global patents and trademarks[J].Technological Forecasting and Social Change,2011,78(8):1471-1485.*Dong J Q，Yang C H.Information technology and organizational learning in knowledge alliances and networks:Evidence from U.S. pharmaceutical industry[J].Information & Management,2015,52(1):111-122.*温芳芳.基于专利许可关系网络的技术转移现状及规律研究[J].情报科学,2014(11):24-29.。在Ucinet中利用NetDraw→Open→Ucinet Dataset→Network路径绘制技术分布的社会网络图如图3所示。

图3 技术分布的社会网络图

其中，节点代表省份，连线代表省际之间的技术输入和输出。圆形的点表示在整体网络中心度大于20的省份，主要有浙江、江苏、福建、广东、北京、上海等沿海和经济发达地区；三角形的点表示网络中心度介于10至20之间的省份，主要有湖南、安徽、陕西等经济次发达地区；菱形的点表示网络中心度小于10的省份，主要有山西、云南、吉林、内蒙古等经济欠发达地区。

2. 技术输出网络和技术输入网络构建

为了更加清楚地描述技术网络中地区之间的技术输入输出状况，根据(1)矩阵构建如下矩阵：

(2)

(3)

矩阵(2)表示技术网络中企业从i地区将技术输出到j地区，矩阵(3)表示技术网络中企业从j地区将技术输出到i地区。矩阵(2)和(3)在矩阵(1)的基础上将技术网络中企业输出和输入的技术分别用两张网络表示，使跨地区的技术输入输出的数量关系更加清晰。其可视化图谱如图4和图5所示。

图4 技术输出的社会网络图

图5 技术输入的社会网络图

图4和图5分别是根据矩阵(2)和(3)绘制的技术输出输入技术网络的可视化图谱，是2009—2012年技术输出的技术网络图和技术输入的可视化社会网络图。

二、 技术输出网络和技术输入网络特征比较研究

本部分将对技术输出和输入两个网络的结构特征进行详细的比较研究，主要从整体特征比较、中心度、核心-边缘、结构洞、聚类系数、区块特征比较、QAP相关性等指标出发，比较两个网络，分析两个网络中主体的竞争优势、中介能力、与外界联系程度、信息利用能力等主要特点。

(一) 整体特征比较

表1反映了技术输出网络和技术输入网络的整体特征。两个网络的规模都是30，表示网络中有30个节点；两个网络的密度、关系数量、节点平均距离、凝聚力指数趋同。密度为0.4989表示两个网络对主体的行为影响一致，程度适中；关系数量均为434，表示两个网络主体的技术活动活跃、密切、频繁程度类似，在获取信息资源的便利和渠道上没有太大的差异；节点平均距离约为1，表示两个网络中的主体平均通过1个省就可以到达另一个城市，空间距离较小，网络的凝聚力指数对主体的影响也适中。从整体特征上观察，两个网络并没有表现出太大的差异，表明两个网络的从整体上对节点的影响一致。

表1 两个网络各项指标对比

(二) 中心度分析

中心度是社会网络分析法定量分析网络特征的常用指标，用它可以表示网络中的主体在集中和集权方面的表现，同时表示主体在网络中扮演的角色、拥有的地位和威望以及影响力。中心度指标一般由度数中心度、中间中心度、接近中心度和特征向量中心度组成*张虹.中国参与东盟区域经贸合作研究——基于社会网络分析视角[J].对外经贸,2016(4):25-28.。

1. 度数中心度

在网络中，度数中心度表示一个节点与其他节点之间的关系密切程度以及节点之间空间距离的大小。度数中心度越高，表示该节点在网络中扮演的角色越重要，与周围节点的空间距离越近，关系越密切。处于网络中心度越高的地区，对资源和信息的获取更具有优势。对网络度数中心度的测量，因为本文以企业所在地区在全国形成的技术网络，采用侧重整体网络的总体中心度来衡量各个地区与其他地区之间的密切关系程度。度数中心度又可分为点出度(OutDegree)和点入度(InDegree),测量地区技术输出和输入的频繁程度。其计算公式为：

(4)

(5)

在Ucinet中利用Network→Centrality→Degree分析得到如下结果：

表2 技术输出和技术输入的网络度数中心度

表示技术输出网络和技术输入网络在2009—2012年之间整体度数中心度的百分比。从技术输出网络的OutDegree来看，呈现增长的趋势，表示网络的凝聚程度逐渐增强，个体在网络中扮演的角色越来越重要，拥有的地位和威望也更高；而技术输入网络的InDegree是先增长再下降，表示个体在网络中的地位和威望有所下降。

通过对2009—2012年技术网络的数据进行整理，计算出4年的技术输出网络出度(OutDegree)和技术输入网络入度(InDegree)，将年份(2009—2012年)作为自变量，技术输出网络出度(OutDegree)和技术输入网络入度(InDegree)分别作为因变量，利用Excel函数中的SLOPE()计算出OutDegree和InDegree的拟合系数，来分析各地区的技术网络出度和技术网络入度的变化情况和趋势，见图6和表3。

图6和表3显示了各个省在技术输出网络OutDegree和技术输入网络InDegree，结果表明几乎所有省份都有技术输入和技术输出。江苏、广东、浙江、山东等沿海城市的技术输入输出相持平，但北京、上海、湖北、四川等省市都有较多的技术输入输出，但在技术输出上有所侧重，海南、广西、云南等欠发达地区以技术输入为主。从2009—2012年的趋势变化拟合线的结果来看，30个地区的OutDegree和InDegree大部分都是呈增加趋势。其中OutDegree变化最大的有重庆、广西和安徽，InDegree变化最大的有重庆、广西、河北、云南，说明这些地方在技术输出和输入网络中发挥的作用逐步增大。北京、福建、广东、湖北、江苏、浙江、上海、四川等经济发达地区，在技术输出和输入方面都具有较大的增长趋势，在网络中扮演的角色越来越重要，但有所侧重，其中北京、福建、广东、湖北、江苏、浙江等省份是技术输出的核心地区，上海、四川等是技术输入的核心地区。在经济欠发达地区，如海南、青海、新疆的OutDegree和InDegree呈负增长的趋势。通过分析各地区的OutDegree和InDegree增长趋势来看，科技发达地区、次发达地区、欠发达地区技术输入输出存在较大的差异，这种差异导致技术差距更加严重。

2. 中间中心度

中间中心度表示该节点在网络路径中的地位，处于两个节点的最短路径的中间，可以用来衡量网络中的节点对其他节点的交往能力的控制。中间中心度高，说明该节点对其他节点起到信息资源流动和沟通的桥梁和中介作用。中间中心度的计算公式如下：

图6 技术输出和输入网络的OutDegree和InDegree

地区OutDegreeInDegreeOutDegree线性拟合系数InDegree线性拟合系数安徽1111138758.328.9北京1554142243.835.8福建1247132340.128.7甘肃67545122.752.1广东1520153442.434广西763117862.964.8贵州61349530.324.7海南32480816.2-1.6河北1151120130.963.9河南1095123025.947黑龙江1187104247.576湖北141012554439.3湖南1258129823.422.6吉林102984838.99.6江苏1523151048.138.8江西915110248.557

续表3

其中，CABi表示节点对技术网络中所有节点的中间中心度之和。在Ucinet中利用Network→Centrality→Freeman Betweenness→Node Betweenness路径分析得到图7和图8：

图7和图8显示了技术输出和输入网络中间中心度。技术输出网络的结果显示，北京、广东、浙江中间中心度最高，北京2012年达到10.935，广东2010年是9.683，浙江2010年和2011年分别为11.666和10.993，表明这些地区在技术输出网络路径中的地位最高，处于两个地区最短路径最多，与其连接的地区较多，技术输出渠道广，对技术资源信息流动发挥着较强的中介作用，因此交往能力强。其他地区的交往能力相对较弱，特别是甘肃、海南、内蒙古、江西、宁夏、青海、新疆等地区的交往能力几乎接近于0，处于被动的地位。技术输入网络结果显示，北京、广东、江苏的中间中心度高，北京2010年和2012年分别为9.958、10.935，广东2009年和2011年8.669、12.32，江苏2009年和2010年分别为9.18、12.868。表明这些地区在技术输入网络路径中的地位高，向外部技术输出较多，对技术资源的流动和传播发挥重要的桥梁作用，交往沟通能力强。在技术输出网络中交往能力较差的地区，在技术输出网路中也呈现出相似的特征。

图7 2009—2012年技术输出网络中间中心度

图8 2009—2012年技术输入网络中间中心度

3. 接近性中心度

接近性中心度是衡量网络中节点与其他节点之间的接近程度。接近中心度越小，节点与网络中其他的空间距离越短，越容易从邻近的主体获得资源和信息，避免信息闭塞，且保证搜索的知识来源安全可靠；接近中心度越大，节点距离网络中其他节点越远，分布越稀疏和分散，容易形成孤立的个体。其测量的表达式如下：

(6)

其中，di,j是点i和j之间的捷径距离。在Ucinet中利用Network→Centrality→Closeness路径分析得到图9所示的分析结果。

图9显示了技术输出和输入网络的接近性中心度结果，几乎所有地区都与邻近地区有紧密的联系，倾向于从邻近地区获取相关资源。在技术输出网络中，2011年和2012年相对于2009年和2010年各地区与邻近地区接近程度更高，2011年和2012年更加倾向于距离较近的地区。在技术输入网络中，各地区更愿意从相邻的地区引进技术，从而减少相关成本。

4. 特征向量中心度

特征向量中心度是指网络中节点临近节点影响力的加权平均数据。特征向量中心度较高，表示该节点在网络中对其他临近节点的影响力较大，它的发展和成长会带动周边的主体向其靠拢，并且吸引到更多新兴主体；相应地，特征向量中心度较低的节点，对它周边的节点没有多大的影响，它自身的发展需要靠其他主体带动，处于相对被动的地位。在Ucinet中利用Network→Centrality→Eigenvector路径分析得到相应的结果。

图10和图11显示了技术输出和输入网络特征向量中心度的结果。在技术输出网络中，北京、广东、湖北、江苏、辽宁、四川、上海、天津、浙江等地区的特征向量中心度较高，说明这些地区在技术输出网络中处于积极主动地位，主动地搜寻技术输出对象，自身的发展会带动处于被动地位的地区，对周边地区的影响力较大。在技术输入网络中，北京、广东、上海、浙江等地区的特征向量中心度较高，说明这些地区在技术引进时，能够积极主动地搜寻技术，并带动其他地区的发展。在欠发达地区，如甘肃、贵州、宁夏、青海、新疆等地区，在技术输出方面仍表现出积极意愿，但在技术引进方面完全处于被动，可能是与其经济发展、资金状况、转化技术能力等原因有关。

图11 技术输入网的络特征向量中心度

(三) 核心-边缘分析

运用Ucinet中核心-边缘模型得到两个网络中的中心主体，其路径为Network→Core/Periphery → Categorical。

表4和表5分别列出了两个网络的核心城市和核心-边缘模型密度矩阵。从技术输出网络和技术输入网络的核心城市比较来看，两个网络均包含了安徽、北京、福建、广东、河北、河南、黑龙江、湖北、湖南、江苏、辽宁、山东、上海、四川、浙江15个省市，说明这些省市在技术输出网络和技术输入网络中均表现得比较活跃，除了向其他省市输出技术外，也从其他省市吸收技术来平衡自身的发展。另外，广西和陕西分别在技术输出网络、技术输入网络中表现得比较活跃。从两个网络的核心-边缘模型密度矩阵来看，技术输出网络核心部分的密度为27.316，而边缘密度只有7.199，核心到边缘与边缘到核心有较大的差距，分别为21.036、7.588。在技术输出时，核心区域之间的交流频繁，边缘区域之间交流则比较少，核心区域流向其他区域的技术远远多于边缘区域流向其他区域的技术；技术输入网络的核心部分密度高达30.788，边缘低至8.835，核心到边缘与边缘到核心仍然存在有较大的差别11.719、19.344。在技术输入时，核心区域的联系更加密切，边缘区域的联系相对缺乏，核心区域从其他区域吸纳的技术远远多于边缘区域从其他省份吸纳的技术。说明这些区域较多地承载了技术网络中的主体，在技术流动和信息资源交流过程中扮演着较为重要的角色和承担了更多的责任。

表4 两个网络核心区域对比

表5 两个网络核心—边缘模型密度矩阵对比

(四) 结构洞分析

结构洞是连接两个缺乏直接联系的主体，结构洞发挥着中介机构和中间枢纽的作用。处于结构洞位置的主体享有更多的信息和技术资源的控制权和自主权，且对信息和资源的传播和流动具有控制作用，减少信息不对称带来利益上的损失。结构洞高意味着主体有较多的合作伙伴且联系紧密，结构洞低表明主体周围的合作伙伴联系较稀疏。通常用限制度指数来衡量结构洞，用Pajek软件对结构洞进行测量。

(7)

图12 技术输出网络的结构洞

图13 技术输入网络的结构洞

图12和图13显示了技术输出网络和技术输入网络的结构洞结果。在技术输出网络中，2009和2010年宁夏的结构洞值为0，说明这两年宁夏与其他省之间没有进行技术交流。2011年甘肃、2010年广西、2009年贵州、2012年甘肃，2012年宁夏、2010和2011年青海、2009年云南，这些省(市)在相应的年份的技术交流能力比较低，而且均是欠发展的中西部地区的省市，说明这些省市与周围的省市联系较少、交流欠缺、处于被带动发展的被动地位，自主发展的积极性和主动性较低，这可能与其经济发展程度有关。在技术输入网络中，2010年全国省(市)的结构洞值均较大，说明各省都没能很好地运用自身的中介作用。其他年份除了甘肃、宁夏和青海等省市结构洞值均小于0.5，说明在技术吸收时，大部分省市还是处于积极主动的地位，能够向外界获取所需的技术资源、消化、吸收、应用，最终呈现为经济价值。

(五) 聚类系数

聚类系数用公式(8)测量:

(8)

E(i)是节点i周围的邻接的主体数，k(i)是节点i的中心度，如果节点周围没有邻接的主体，则CCi=0；如果所有的邻接主体都连接起来，则CCi=0。在Ucinet中利用Network→Cohesion→Clustering的路径分析得到图14和图15。

图14 技术输出网络的聚类系数

图15 技术输入网络聚类系数

从技术输出网络和技术输入网络的聚类系数来看，沿海经济发达地区如江苏、上海、广东、浙江等省市的聚类系数比较低，而欠发达地区如甘肃、贵州、海南、宁夏、青海等省市的聚类系数比较高。这说明沿海经济发达地区的省市由于与外界联系频繁，获取资源信息的渠道多，信息繁复冗余，反而导致主体不能很好地利用获取的资源促进其发展；而欠发达地区的获取信息资源的渠道有限，种类较单一，对间接联系带来的外界信息会更充分地加以利用。

(六) 网络位置角色及结构特征对比分析

利用CONCOR 法分析得出技术输出网络和技术输入网络的分块结果。两个网络都被分为了八块，但每个网络的各区块包含的主体和各个区块之间的关系不相同。在Ucinet中利用Network→Roles & Positions→Structural→CONCOR路径画出如图16。

图16 技术输出和输入网络的分块结果

技术输出网络和技术输入网络的R2分别为0.899、0.901，表明技术输入网络的区块特征强于技术输出网络。将技术输出网络的密度矩阵中的值小于R2的改为0，大于R2的值改为1，对技术输入网络的密度矩阵进行相同的处理，得到技术输出网络和输入网络的像矩阵，如表6。其中上半矩阵表示技术输出网路的像矩阵，下半矩阵表示技术输入的像矩阵。结合分块结果来看，两个网络均被分成了8个区块，在两个网络中，技术输出和输入不仅仅出现在分块子群之间内部城市，也存在分块子群城市之间。但在技术输出网络中，分块子群3与分块子群5之间没有联系，即在技术资源流动上欠缺沟通。技术输出网络的第1区块包含安徽、北京、福建等省市，技术输入网络的第1区块包含安徽、北京、福建、甘肃等省市，说明北京、安徽、福建大量地向其余区块输出技术，同时从其他省市吸收技术来维持其核心发展地位。但经济发展程度较低的甘肃也被分到了技术输入网络的第1区块，说明甘肃的技术吸收强度不大，但与核心城市联系密切，关系紧密，因此与经济发达省市拥有一致的网络结构特征。

表6 技术输出和输入网络的像矩阵

(七) 两个网络相互关系分析

QAP(二次指派程序) 是一种测量关系之间关系的分析方法。本文利用QAP来测量技术输出网络和技术输入网络之间的关系(见表7)。在Ucinet中利用Tool→Testing Hypotheses→Continuous Attributes (QAP)→QAP Correlation检验的结果显示：两张网络的QAP相关系数为-0.601，p值为0，高度显著性相关，表明技术输出网络和技术输入网络是显著负相关的，并且在统计意义上这种相关性是显著的。两张网络中,技术流动和传播的主体相同，在技术输出的同时会抑制技术输入，两个行为不是同时发生的，存在时间间隔。即城市在技术输出关系强度较大时，会减少对技术的吸纳。

表7 技术输出和输入网络QAP相关性检验结果

三、 结论与建议

跨区域技术网络是使科技资源优化配置的有效方法，可以有效地促进各地区技术创新和科技进步。本文以企业所在地区在全国的专利许可数据表征技术网络，以地区技术输出和输入为研究对象，并区分网络方向构建技术输出和技术输入双网络，运用社会网络分析方法，对两张网络进行对比研究。通过网络可视化图、网络整体特征、网络中心性、结构洞、核心-边缘、聚类系数、凝聚子群、QAP关系分析两个网络结构特征和功能效率，我们得出以下结论：(1) 从网络可视化图和网络整体特征来看，沿海地区技术输出和技术输入均领先内陆地区，技术输出网路和技术输入网络特征没有表现出显著差异。整体网络密度、关系数量、节点平均距离、网络凝聚力在两张网络中呈现一致的特征，说明主体在两张网络中活跃程度和影响力相似。(2) 通过对网络中心性分析，沿海发达地区在技术输出网络的度数中心度、中间中心度、接近性中心度和特征向量中心度等指标上较技术输入网络表现得更好。技术输出会创造经济利润，主体能够积极主动地搜寻技术输出对象，并且具有更强的交往能力、中介能力、竞争力和影响力。而技术输入需要投入大量的资金经费，这与地区经济发展水平高度相关，经济发达地区及其周围的地区成为主要的技术输入对象。(3) 从网络位置和结构特征来看，两个网络都被分为八个区块，核心地区联系更为密切。技术输入网路呈现更显著的核心-边缘化，各地区更倾向于从距离更近的地区引进技术，一方面降低技术交易成本，另一方面也增加了技术差距。(4) 欠发达地区更能有效利用有限资源。沿海和发达地区由于信息资源冗余繁杂，反而使得资源利用率不高。(5) 两个网络是显著的负相关，同一个地区技术输出和技术输入在相同时间内相互抑制。

虽然我国地域间技术交流已经越来越普遍，但只有少数地区可以充当主动技术输出和技术输入主体。部分经济发达地区同时在技术输出网络和技术输入网络中发挥重要的影响作用，占据和控制着技术资源信息流动和传播的关键位置。我国中东西部地区经济发展不均衡，科技资源的区域分布差异较大，沿海地区和经济发达地区在科技创新、技术发展、研发投入、国际开放性等方面拥有其他地区无法比拟的竞争优势。欠发达地区处于孤立支撑点，在技术网络中，由于渠道、技术、经济等原因的限制，使其不太可能受益于技术网路。因此它们需要做出更多额外的努力，建立渠道，自己从事技术勘探或开发战略。沿海和经济发达地区在对引入的技术进行吸收、转化、应用的过程中，可能进行二次创新，再将二次创新的技术成果输入到其他地区，从另一方面创造经济收益和利润，带动地区经济发展。因此可以从以下方面来进行缩小中东西部地区技术差距：第一，中央政府促进全国技术市场监管，在科技交流较少地区建立交易市场。第二，中央政府除了制定区域技术市场、发展和培育国家技术市场外，更要仔细监督地方政府。中国欠发达地区省份的知识库本来就薄弱，在技术市场的不确定性和信息不对称情况下更是处于劣势地位，中央政府的市场监督和管理对欠发达地区发展尤为重要。