长江经济创新驱动带的空间关联网络结构及效应分析——以国家高新区为例

邵汉华，周 磊

(1.南昌大学中国中部经济社会发展研究中心，江西 南昌 330031；2.南昌大学经济管理学院，江西 南昌 330031)

0 引言

2016年5月，中共中央、国务院发布的 《国家创新驱动发展战略纲要》指出， “构建跨区域创新网络，提升京津冀、长江经济带等国家战略区域科技创新能力，着力打造区域协同创新共同体。”作为国家火炬计划的重点建设区域，长江经济带集中了众多国家级高新区，创新资源丰富，将长江经济带建设成引领全国转型发展的创新驱动带正成为新时期创新驱动发展战略的主战场。但是，目前长江经济带内部创新资源分布不平衡、区域创新能力差距大、创新发展各成体系、创新市场分割等问题较为突出，其跨区域创新合作仍处于初级阶段，跨区域创新网络结构松散、开放性不够，制约了长江经济创新驱动带建设这一目标的实现。此外，学术界涉及长江经济创新驱动带的研究仅停留于长三角城市群的创新关联[1]、创新松散型产业结构特征[2]等层面，目前并未展开对长江经济创新驱动带的网络结构及效应的实证研究。因此证实了以下问题研究的必要性：(1)长江经济带各高新区的创新能力有何差异？(2)长江经济创新驱动带的空间关联网络结构是怎样的？(3)长江经济创新驱动带的空间关联网络结构具有哪些效应？对以上问题的研究有助于充分认识以国家高新区为创新发展依托的长江经济创新驱动带的发展现状，理清空间关联网络结构对高新区创新能力的影响，为构建跨区域创新网络提供理论依据。

自20世纪早期熊彼特首次将 “创新”概念引入经济学领域以来,关于以 “创新”为主题的学术研究和讨论经历了近百年的发展历程[3]。21世纪初期，已经深入人心的 “新经济地理学[4]”思想推动着学术界对传统封闭式的创新发展模式进行反思，转而探索区域创新发展的 “外部通道”，关于创新外溢的研究逐渐增多。然而这些成果[5]只是创新发展外部延伸的初步，地理距离的限制依然存在。后来，随着我国产业布局调整及产业结构优化，地区之间的创新要素流动日益显著，有关区域创新的研究逐步摆脱地域的桎梏，开始向区域创新的空间关联性方面演进。余泳泽等[6]运用空间面板模型分别考证了我国区域创新效率空间外溢和价值链外溢的显著性。白俊红等[7]运用空间计量技术证实创新主体关联和区域空间关联均对区域创新绩效的提高产生了正向影响。在创新空间关联成果日益累积的基础上，以及在信息化进程发挥推动力的前提下，地区间创新活动的远程联系逐渐加强，创新关联的地理局限性进一步被打破，多主体、多线程式的创新网络日渐清晰。结构方程模型[8]、网络分析[9]等技术先后应用于区域创新网络的研究中，不同时间不同地域范围的区域创新网络系统被可视化呈现出来。

综合已有文献[10-12]，网络分析技术，尤其是社会网络分析法，在创新网络的研究中日益增多。究其原因，社会网络分析技术(Social Network Analysis，SNA)以 “关系数据”为基础进行空间关联网络的构造和分析，突破了传统 “属性数据”研究方法的局限，是一种更适用于网络结构分析的研究方法。本文立足于长江经济创新驱动带建设目标，以国家高新区为城市创新发展依托，综合评价城市高新区的创新能力，运用社会网络分析法构建长江经济创新驱动带的空间关联网络并对其结构效应进行分析，以此为长江经济创新驱动带由 “点”向 “带”突破的政策设计提供理论参考。

1 研究设计

1.1 创新能力综合评价

(1)综合评价指标体系的构建。综合评价高新区的创新能力是描述区域创新 “质量”，构建长江经济创新驱动带空间关联网络的关键。本文以构建多指标评价体系为基础，同时考虑到本文测度的创新能力是考察地区之间创新水平的相对指标，故选用熵值法对29个高新区样本的相对创新水平进行评价，由此衡量高新区创新能力的强弱。

本文首先从创新主体维度考虑，将创新主体分为高等院校、科研院所与企业；其次从创新活动的投入产出角度切入，进一步确定创新能力的具体评价指标。创新主体主要包括高等院校、科研院所和企业。其中，中高级职称人员是高等院校中最活跃的创新主体；科技人员与科技活动经费的投入为科研院所从事研发活动提供了保障；企业作为研发成果产出的最终环节，其产生的工业总产值、技术收入、净利润、出口创汇及所缴税费是创新过程的最终产出形式。从创新价值链的角度来看，高等院校和科研院所处于创新过程的第一、二阶段，其产出即为以企业为主体的第三阶段的投入。本文从创新活动的整体性考虑，将高等院校和科研院所在创新活动中所投入的人力资本和经费以及第三阶段所投入的企业数视为整个创新过程的投入，而将收入、利润等企业在经济转化阶段的成果视为整个创新过程的产出。因此，本文选取中高级职称、科技人员数量、科技经费内部支出、企业数、工业总产值、上缴税费、出口创汇、技术收入和净利润九个指标构建综合评价指标体系，如图1所示。

图1 创新能力综合评价指标体系

(2)创新能力的测度与分析。依据上述构建的创新能力综合评价指标体系，利用2011—2015年九个指标的相关数据，运用熵值法测度了长江经济创新驱动带29个国家高新区的相对创新能力。需要说明的是，本文考虑到国家高新区数量的递增变化，选用截至2010年已批复的国家高新区，同时采用 “一城一区”的选取原则，将上海紫竹高新区排除在研究范围之外，最终确定的研究样本为包括上海张江在内的29个国家级高新区，原始数据均来自于相关年份的 《中国火炬统计年鉴》。与传统的熵值法不同，本文从时间趋势的角度考虑，将分年度数据转化为面板数据，求出统一权重后再进行评价，既保证了熵值法的科学性，又使得不同年份的创新能力之间具有可比性。图2呈现了29个高新区创新能力的核密度分布图像。

图2 创新能力的核密度分布

从曲线形状来看，创新能力的核密度估计呈现右偏分布，说明大多数高新区的创新能力较低，只有少数高新区具有较强的创新能力；从波峰来看，随着时间的推移，核密度分布的峰值一直处于下降趋势，说明低创新能力的高新区数量在逐渐减少；从曲线位置来看，2011年以来，分布曲线呈现右移的趋势，波峰对应的创新能力逐渐提高，同时曲线向右收敛距离加大，说明长江经济创新驱动带的整体创新水平在稳步提升。

1.2 空间关联关系的确定

长江经济创新驱动带空间关联网络是个体高新区之间创新发展关联关系的集合[13]。与传统的 “属性数据”的分析方法不同，社会网络分析技术的基础是创新能力关联矩阵。由于本文重点考察各个网络指标的时间演变趋势，并且将以面板数据为基础对网络结构效应进行分析，因此选用引力模型用于关联矩阵的构建。以Fij表示个体i和个体j之间的引力，Mi和Mj分别表示个体i和j的 “质量”，Dij表示i和j之间的距离；以b和k分别表示距离衰减系数和经验常数，则引力模型的基本公式为：

(1)

应用于本文的研究，上述引力模型中的Mi和Mj分别指高新区i和j的综合创新能力，即前文运用熵值法测度的crei和crej；Dij表示高新区i和j之间的地理距离(公路里程)；与已有研究[14]相同，距离衰减系数b取2；采用高新区i的创新能力与高新区i和j的创新能力之和的比重来修正经验常数kij，修正后的引力模型公式为：

(2)

1.3 社会网络分析法

长江经济创新驱动带所涉及的社会网络分析技术主要包括整体网络特征、中心性分析和块模型三个方面。

(1)整体网络特征。整体网络特征需要借助网络密度、网络关联度、网络等级度和网络效率四个指标进行表述。网络密度用于衡量创新驱动带个体之间关联关系的疏密程度。网络密度越大，说明长江经济创新驱动带各成员之间的关联程度越紧密。网络关联度用于表示网络中个体与个体之间的可达程度。网络中两两成员之间的直接关联连接越多，则网络结构越稳健。网络等级度是反映网络成员的等级结构和支配地位的指标，往往是针对有向网络而言的，适用于本文构建的长江经济创新驱动带网络结构的研究。本文中，网络等级度表达的是驱动带创新网络中高新区两两之间在多大程度上非对称地可达。网络效率是指在网络个体数既定的条件下，网络中冗余线条的存在程度，也是用于表达网络稳健性的指标。网络效率越低，说明网络中的冗余线条越多，网络则表现出较强的稳健性。

(2)个体中心度。本文用度数中心度、接近中心度和中介中心度来描述个体高新区的角色定位。度数中心度有绝对和相对之分。绝对度数中心度指网络中与某高新区直接相关联的成员数；而相对度数中心度是指绝对度数中心度和网络中与该高新区直接相关联的最大可能的成员数之比。本文采用相对度数中心度来衡量各高新区在长江经济创新驱动带空间关联网络中所处的地位。相对度数中心度越高，意味着该高新区与网络中其他成员的直接关联关系越多，在网络中越具有 “支配”地位。接近中心度一般用于刻画个体高新区不受其他高新区控制的程度，需要借助捷径距离，即成员与成员之间的最短路径来表述。接近中心度强调的是高新区与高新区之间的距离，是某高新区与其他高新区之间的捷径距离之和。接近中心度越高，表明个体高新区与其他高新区之间的关系越密切，受其他高新区控制的程度越低。中介中心度强调的是个体高新区在创新网络中处于其他高新区关联路径上 “中间”位置的程度，用于测度高新区成员在创新网络中的 “中介”作用的大小。中介中心度越大，表明高新区在网络中所发挥的 “桥梁”作用越大，对创新资源溢出的控制程度越高，越处于网络的中心位置。

(3)块模型。块模型是由White等[15]提出的进行空间聚类[16]的一种方法。在社会网络分析中，通常采用CONCOR方法根据角色定位对网络成员进行不同板块的划分，在本文揭示长江经济创新驱动带空间关联网络的内部结构状态和溢出路径方面发挥了重要作用。自Wasserman等[17]提出通过比较实际内部关系比例和期望内部关系比例的大小进行板块划分以来，相关研究通常采用切割深度为2的分割原则，将网络划分为 “净溢出” “净受益” “双向溢出”和 “经纪人”四个板块。然而，由于长江经济创新驱动带空间关联网络没有呈现多线程的板块间溢出关系，运用内部关系比例的方法对四个板块进行定位变得相对困难。本文借助密度矩阵和像矩阵来刻画板块间的溢出路径，将密度矩阵中大于网络密度的数值赋值为1，代表一条溢出路径；小于网络密度的数值赋值为0，则表示不存在溢出关系。

2 长江经济创新驱动带的空间关联网络结构分析

2.1 整体网分析

根据引力模型得出的空间关联矩阵，本文计算出了网络密度、关联度、等级度和网络效率四个指标(见表1)，以此来刻画长江经济创新驱动带的网络结构与效率。

表1 整体网分析结果

从表1的分析结果来看，2011年网络中各高新区之间的关系数为180，而29个高新区最大可能的关系数是812个，由此得出2011年创新网络的网络密度是0.2217；2015年29个高新区之间的关系数为178，则2015年的网络密度为0.2192。5年间，长江经济创新驱动带空间关联网络的网路密度略有波动，并未出现显著地变化。结合其他指标分析，网络的关联度均为1，网络的通达性较好，高新区之间的空间溢出效应明显；网络的等级度均为0，表明创新网络的等级梯度不明显，网络结构较疏松，有利于长江经济创新驱动带高新区之间进行多方位多渠道的创新合作；另外，网络效率呈现出稳步提升的态势，说明在网络中冗余连线减少的同时，创新溢出的多重叠加效应减弱，从而不利于网络的稳定性。通过整体网指标的分析结果可以发现，长江经济创新驱动带高新区之间存在显著的创新溢出与合作路径，协同发展现象明显，已形成较稳定的跨区域创新网络，但创新网络空间关联的紧密程度仍维持在较低水平，网络的稳定性不断削弱，提高网络的紧密度和稳定性是创新驱动战略实施的攻坚内容。

2.2 中心性分析

为进一步研究各成员在创新网络中的地位和作用，本文进行了个体网络分析，分别测度了度数中心度、接近中心度和中介中心度三个指标。

度数中心度的测度结果显示，上海张江、苏州、武汉三个高新区的度数中心度排名居首，说明这三个高新区与长江经济创新驱动带其他高新区之间的空间关联关系最多。更进一步，关联关系的产生是由发出和接收两部分形成的，因此度数中心度分为点出度和点入度。点出度排名处于前四位的高新区分别是武汉、南京、合肥、南昌，这些地区处于长江中下游地区，其人才等创新要素在 “虹吸效应”的推动下流向了经济水平、创新环境更加优越的长三角地区，所以这些城市的高新区在总体上是溢出的。位于长三角地区的上海张江、苏州、无锡、常州等成员的点入度排名靠前，这些地区在总体上是受益的，佐证了上述分析结果。接近中心度的测度结果显示，长江经济创新驱动带创新网络呈现出显著的 “核心—边缘”分布。武汉、上海张江、合肥、南京、杭州五个高新区位列前五位，说明这些地区是网络中的 “中心行动者”，获得创新资源的能力较强；成都、绵阳、自贡、益阳四个高新区位列后四位，说明这些地区在网络中处于边缘地位，获得创新资源的能力较弱。另外，根据中介中心度的分析结果可见，武汉、合肥、上海张江、南京、杭州五个高新区的中介中心度排名处于前五位，其余成员往往借助这些地区建立关联，这些地区在网络中扮演 “桥梁”和 “中介”的作用，对创新资源的流动具有较强的 “控制”能力；绍兴、益阳、成都、绵阳、自贡五个高新区的中介中心度排在后五位，在寻求创新合作的过程中往往受到其他成员的 “支配”。

总体而言，度数中心度、接近中心度、中介中心度的分析结果相似。长三角地区在网络中处于中心位置，吸收了其周边地区其他高新区的创新要素，导致泰州、宁波、绍兴、蚌埠等高新区的中心度偏低。长江中上游地区高新区的网络中心度普遍较低，处于网络的边缘位置，创新发展的外部联系较少，获取创新资源的能力不足。需要说明的是，武汉虽然地处长江中游地区，却扮演者 “中转站”的特殊角色，附近创新能力较差的高新区普遍需要借助武汉的 “中介”作用才能形成两两之间的创新关联关系，由此形成了局域网络中 “一家独大”的局面，表现为武汉高新区的三种中心度的排名均处于第一位。

2.3 块模型分析

长江经济创新驱动带横跨我国东、中、西部地区，地域的狭长分布现状阻碍了驱动带的协同发展。为研究驱动带的 “区块”特征，接下来对长江经济创新驱动带的空间关联网络进行块模型分析。本文采用CONCOR方法，选取最大切割深度为2，集中标准为0.2，将2015年29个高新区划分为四个不同的创新发展板块，并绘制了板块溢出关系图像，如图3所示。

图3 长江经济创新驱动带板块溢出关系

图3呈现了板块内与板块间的溢出关系数量，以及每个板块所包含的高新区成员。为了使结果直观化，接下来运用可视化网络和密度矩阵加以分析。首先运用Ucinet软件下的Netdraw工具将长江经济创新驱动带的空间关联网络可视化，如图4所示。

从图4中可以看出，长江经济创新驱动带创新发展板块的空间分布呈现显著的 “地理邻近”特征，即距离较近的高新区之间的关联关系的溢出与接收特征较为接近。在图4的基础上，通过计算像矩阵来定量分析板块间的关联关系以及创新资源的溢出路径。首先运用Ucinet软件计算出块模型分析的密度矩阵(见表2)，将密度矩阵中大于2015年网络密度(0.2192)的数值赋值为1，小于2015年网络密度(0.2192)的数值赋值为0，由此得出像矩阵结果如表2所示。

图4 创新网络与板块空间分布

板块密度矩阵像矩阵第一板块第二板块第三板块第四版块第一板块第二板块第三板块第四版块第一板块0.6560.0600.0000.0001000第二板块0.4800.6500.0750.0001100第三板块0.0500.1750.5540.0210010第四版块0.0000.0000.1880.8000001

从溢出关系数可以看出，四个板块的内部成员间均存在显著的创新资源流动现状，在像矩阵中体现为 “数值1”；而除第二板块向第一板块创新资源溢出较多外，其余板块间只有少量溢出关系，在像矩阵中体现为 “数值0”。结合图3进一步分析，第二板块向第一板块存在明显的溢出关系，表现为第二板块的内部关系数仅为13，而向第一板块的溢出关系数为24，说明长三角周边城市高新区的创新资源流向了长三角地区，这是长三角地区 “虹吸效应”推动的结果；其余板块间的溢出关系不明显，表现为板块内部关系数远远大于板块间的溢出关系数，说明长江经济创新驱动带高新区的发展还未完全打破地域的限制，没有形成创新驱动带各高新区之间创新资源的自由流动机制，协同创新路径仍不完善。

3 长江经济创新驱动带的空间关联网络结构效应分析

3.1 指标说明与模型构建

前述研究揭示了长江经济创新驱动带的关联网络架构，分析了不同城市的高新区在驱动带网络中的角色和地位。高新区成员在网络中所处的位置决定了其获得创新资源的难易程度，进一步影响了现阶段的创新能力以及创新发展潜力。本文通过分析空间关联网络的结构效应从而检验位置优劣对高新区创新能力的影响。

度数中心度、接近中心度和中介中心度可以很好地刻画高新区的 “位置优劣”。然而， “位置优劣”不是创新能力提升的唯一限制因子，政府支持、经济规模、金融发展、人力资本等因子与之共同构成了创新发展的驱动机制。其中，政府支持通过政策扶持和资金注入等方式降低创新系统因 “市场失灵”、资金短缺和利益分配等问题而存在的崩溃的风险[18]，为创新能力的提升提供了良好的运行环境和政策优势；经济规模是城市经济实力的体现，决定着创新要素的投入规模，是高新区创新发展的基础；金融发展，尤其是金融宽化，拓宽了中小企业创新的融资渠道[19]，是区域创新能力提升的源动力；此外，内生经济增长理论认为，人力资本首先作用于技术创新和传播，从而间接实现对经济增长的影响[20]。因此，本文构建如下模型探究创新能力的驱动机理和创新驱动带关联网络的结构效应。

(3)

式中，creit表示i高新区t年的创新能力；degit表示i高新区t年的度数中心度；cloit表示i高新区t年的接近中心度；betit表示i高新区t年的中介中心度；govit表示i城市t年的政府支持；gdpit表示i城市t年的经济规模；finit表示i城市t年的金融发展；peoit表示i城市t年的人力资本。gov、gdp、fin、peo的具体测度指标如表3所示，所用数据来源于2011—2015年的 《中国城市统计年鉴》。

表3 影响因子的具体测度指标说明

需要说明的是，本文对自变量和因变量取自然对数以探究中心度的变化率对高新区创新能力的影响，而少数高新区的中介中心度的分析结果为0，所以本文将把中介中心度为0的样本剔除后的数据用于模型的求解。

3.2 模型求解与效应分析

Hausman检验的结果显示，模型(1)的ch(2)结果为28.07，模型(2)的ch(2)结果为29.52，模型(3)的ch(2)结果为24.20，三个模型均在1%的水平上拒绝了原假设，均支持固定效应模型，模型回归结果如表4所示。

表4 网络效应分析结果

表4中的结果显示，度数中心度的回归系数为0.713，且在1%的水平上显著，表明高新区的度数中心度每提高1个百分点，高新区的创新能力将会提升0.713个百分点，这意味着个体高新区越处于创新驱动带关联网络的中心位置，与其他高新区之间的创新关联程度越高，越能从驱动带协同创新发展的进程中受益，从而有利于增强自身的创新发展能力。接近中心度的回归结果为1.753，且在1%的水平上显著，表明高新区的接近中心度每提高1个百分点，高新区的创新能力将会提升1.753个百分点，这意味着随着个体高新区之间距离的逐渐缩短，高新区之间的关联关系变得更加密切，跨区域创新的合作程度更高，区域间协同创新促进了创新资源流动的 “成本递减”效应的实现。中介中心度的回归结果为0.105，且在1%的水平上显著，表明高新区的中介中心度每提高1个百分点，高新区的创新能力将会提升0.105个百分点，这意味着个体高新区越处于创新驱动带关联网络的 “中介”位置，越能充分发挥 “桥梁”的优势，有效引导创新资源的流动并从中获益，在维持创新网络有序、合理运行的同时，不断增强自身的创新能力，最终实现 “双赢”的局面。可见，高新区在网络中的位置是影响其自身创新综合能力的重要因素。因此，提升自身的地位，缩短与其他高新区成员之间的距离，增强对创新资源流动的配置作用，是每个高新区及其所在的城市实现创新硬实力稳步提升的关键。

4 结论性评述

本文综合运用熵值法、引力模型、社会网络分析法和固定效应模型对长江经济创新驱动带的空间关联网络结构和效应进行了研究，得出以下政策启示：

(1)对于中央政府而言，应整体把控长江经济创新驱动带的跨区域创新合作与发展现状。重视高新区作为创新主战场的战略地位，兼顾 “精准扶持”和 “有效扶持”举措。针对长江经济创新驱动带多重叠加效应减弱的现状，中央与地方政府应更加强调创新要素跨区域流动、共享和整合以及区域间创新主体互动、耦合和结网，更加强调长江经济带整体的协同创新效应，加强区域创新资源传输的 “基础设施”建设，拓宽高新区成员之间的人力、资本、技术等创新要素的溢出通道，提高创新网络的紧密程度，保障创新网络的长期稳定。

(2)对于创新板块而言，尤其是创新水平较低、创新合作较少的中游和上游板块，应当携手培育所在板块创新要素流动的 “中转站”和 “守门员”，促使其成为板块协同创新发展的 “发动机”，在加强与其他板块之间联系的同时，有效带动板块内部成员创新水平的共同提升。上游板块可吸取 “武汉经验”，迈出区域创新关联发展的第一步；中游板块应逐步打破武汉高新区 “一家独大”的局面，加快培育创新要素输送的第二 “枢纽”。四大板块应共同构建多层次区域创新合作治理体系，包括城市群、省际、地市以及国家高新区之间的创新合作战略联盟，推动各地区之间的创新协作交流。

(3)对于高新区成员而言，应当关注 “经济规模是创新发展的基础”的重要性，在加大创新投入的同时，更加关注创新效率的提升。政策的颁布应当惠及高等院校、科研院所、企业等各个创新主体，有效促进产学研协同创新发展。重视创新网络的结构效应，处于边缘地位的成员应当积极寻求创新合作，参与创新资源流动的 “管道”建设，提高在网络中的话语权，从而获得对创新动能溢出与传送的支配力；处于中心位置的成员应当适时回馈创新要素的 “贡献者”，与边缘成员携手突破制约创新资源合理配置、开放共享和高效整合的体制障碍，加强技术交易市场、科技消费市场和科技投融资市场一体化建设，共同建立起长江经济创新驱动带的长效发展机制。