京津冀跨区域技术创新合作网络演化实证研究

齐晓丽 刘琪

摘 要：基于跨省合作的专利数据，利用社会网络分析的软件pajek绘制了京津冀、长三角和珠三角的跨区域技术创新合作网络图，计算了三个区域技术创新合作网络的结构洞、中心度、平均最短距离、聚类系数，并在这些网络空间表征指标的基础上引入熵值和最优分割理论，对京津冀技术创新合作网络演化路径进行了分析。研究表明：长三角、珠三角区域各地创新能力较强，网络分布均衡，发展较快，京津冀区域网络则以北京为中心向津冀两地扩散，津冀落后导致网络不均衡，发展较慢，其2001—2017年演化路径以2014为分割点分为混沌形成阶段和无序扩张阶段，然后为京津冀未来发展提出了建议。

关键词：跨区域;技术创新;网络;专利;演化

中图分类号：F427   文献标志码：A   文章编号：1674-7356（2019）-01-0013-09

创新充满不确定性，具有成本大，风险高，收益慢等特征，这些内在特征以及市场不确定性等外部条件使任何企业都难以拥有创新所需要的全部资源和技术，导致外部资源依赖性越来越强。因此，为了保障和提高创新效率，创新主体之间建立深入稳定的合作是发展大趋势。20世纪90年代前，线性技术创新合作模式是学者们研究的主要模式，但随着创新合作发展，线性模式已不足以代表现实状况，为了更准确描述和衡量现状，学者们引入网络的概念，Freeman提出创新网络之后大量相关的理论研究与应用喷涌而出，多主体协同互动网络型合作模式逐渐成为主流，创新网络的形成加强了资源、人才、技术等的交流往来，分担了创新的成本和风险，达成资源优势互补，提高了创新效率。不过网络型合作模式也还处于起步阶段，在跨组织协同管理、人才集聚、知识有效流动、利益分配等很多方面存在不少问题[1]。

在全球协同创新的背景下，京津冀也早早提出协同创新的战略，国家十分重视，投入大量的创新资源，但效果并不理想，不仅发展上落后于长三角、珠三角地区，在差距缩小的速度和程度上都不容樂观。为满足经济发展需要，京津冀的问题亟须解决，因此本文基于网络创新范式分析京津冀创新绩效不高的原因，寻找提高的途径。

技术创新合作网络是动态演化的复杂网络系统，随着时间空间演变呈现出不同特征。不同特征产生绩效差异，对经济发展造成影响，政府政策制定、主体行动都依赖于此，因此了解网络的结构特征对于分析绩效非常重要。同时，在结构特征的基础上，分析演化路径也更有助于深化对网络的认识，促使网络向有利方向发展。所以本文探究网络结构特征及演化路径对绩效的影响。受网络规模庞大，主体获取的信息不完全等问题制约，完全掌握网络特征及演化路径难度很大，需要构建拓扑结构，建立网络演化模型，来揭示网络演化的规律。

一、相关文献综述

Braczyk 等人认为区域创新网络概念强调企业经理通过在社会互动中持续学习和进步后做出选择来决定企业的发展轨道。当然，互动不仅局限于企业。当一个区域内主体的互动达到一定频率时，我们就认为这个区域创新合作网络已经形成。创新网络理论逐渐发展，学者们将网络在形成演化过程中所体现出来的特性与绩效结合实现从网络角度研究区域创新发展的目的。

（一）技术创新合作网络的结构特征

技术创新合作网络的结构反映出主体在网络中的相对坐标及合作状态[2]。对于结构特征的探析一是利用相关数据构建网络模型并进行理论探讨，如运用复杂网络理论或者结构方程式进行定量分析。二是在实证研究和系统论证上展开探索，构建创新网络评价体系，节点多少、关系强弱、中介影响力大小以及背景环境等都是可以评价的指标，目前因为方法约束，多侧重于探究网络的某些组织结构特征对绩效的影响。Schilling认为当网络聚类系数较高，平均路径较短时，拥有更高创新绩效[3];高霞，陈凯华发现小世界性和无标度特征对绩效提升有积极影响[4];周灿等认为核心城市和创新城市群的存在起到整合改良网络结构，增加网络资本的作用[5];Levén 等发现政府的组织管理能够强化企业和研发机构的联系，对创新绩效产生强力增强效果[6];于明洁等证明规模以上工业企业研发中心数、网络开放连接程度和结构洞都能在提高创新效率上发挥效用[7]。这些都是关于结构特征对绩效影响的探索。

（二）技术创新合作网络的动态演化

演化研究主要针对演化动因和演化形态。动因即演化过程与机制，其研究采用了一些生态学观念，例如“共同演化”等，主要通过邻近性视角实现。吕国庆等就发现多维邻近性能在不同阶段发挥作用，地理邻近性前期作用较大，后期趋于平缓，社会邻近性拓宽了主体间知识流动渠道[8];叶琴，曾刚等则认为相较于地理邻近性，组织和认知邻近性在内生型产业集群创新网络上能发挥更强的驱动作用[9]。演化形态的研究多从产业集群生命周期视角入手，分析演化不同阶段的结构特征，在特定空间范围内探讨网络演化，或以特定产业为对象，揭示产业区域技术创新网络演化规律。有人根据文献划分各阶段，例如胡绪华等总结产业的形成机制与成长特征再结合文献将电子信息产业划分为五个阶段[10];也有人根据数据划分，刘国巍就从生命周期和拓扑结构双重视角构建产学研创新合作网络时空演化模型，基于广西电子信息产业的联合发明专利数据确认了三个周期[11]。

此外，学者试图以演化思路探究内部机制，有人认为结构性竞争机制和网络租金影响网络形成与发展，使创新网络呈S型演化态势[12];行为主体为了获取信息采取的行动也会影响网络演化轨迹[13]。网络内部创新能力也会随演化发生改变，唐孝文等就强调内部协调能够在网络发展历程中发挥重要作用，他们认为当行为主体间做到深度信任，互相学习程度加深时，能显著提高网络中知识传递效率以及运行绩效，也能相应提高各自创新能力[14]。

二、技术创新合作网络模型的测度指标

（一）网络空间状态表征指标

网络空间状态表征指标是以用数据测度结构，旨在描述网络宏观整体特性。区域技术创新合作网络是区域交互的社会网络，可以运用结构洞、中心度、平均最短路径、聚类指数等指标表征其空间状态。

第一，结构洞是网络中的空隙，指的是个体之间存在关系间断的现象[15]。结构洞能使将没有直接联系的两个个体联系起来的个体在信息和控制上具有优势，从而获取更多回报，结构洞有四种测算方法[16]，本文采用结构约束算法，公式为：

（二）网络空间演化测度指标

随着时间推移，系统有序性会逐渐升高，网络从无序随机状态演变为有序耗散结构。仅仅依靠静态的空间状态表征指标，并不能有效反映网络空间的有序演化过程，因此本文引入“熵”这个被认为能够测度系统不确定性及混乱程度等特征[18-20]的指标，用以衡量空间有序演化。

（三）演化研究方法

三、实证研究

（一）数据来源

专利包含科技技术信息的90%-95%，是技术创新信息最有效的载体，地区间合作专利数据能够代表其技术创新合作的水平。本文选取2017年京津冀、长三角和珠三角三个区域省市间合作的专利数据，数据来源于国家知识产权局专利检索系统，认定标准是申请人有两个或以上且属于不同省市，收集处理过程是以申请人所在地为切入点得到地区间合作专利，删除与其他省份合作及省内合作部分并全部拆分为两两合作，相同申请人视为一次合作，将重复次数录为权重，排第一位的为第一申请人。

（二）网络结构现状对比分析

京津冀与长三角、珠三角同属中国三大经济圈，但相对发展较晚，虽受到国家的重点关注统筹，仍落后较大差距，潜力也没有得到充分发挥。京津冀能否成为新的经济增长极，推进科技合作非常关键，而技术创新合作在其中占据重要地位。不同地域国家政策，地方措施，文化背景，发展程度各不相同，其网络具有的特征所处的阶段都可能相异。本文希望通过三地比较对跨区域创新技术合作网络的现状、结构、特征等得到深层次的认识，同时也对未来发展起到一定的指导作用。

1. 网络结构图

利用复杂网络分析软件pajek绘制三个地区的技术创新合作网络结构图。2017年京津冀得到参与跨区域合作的创新主体297个，长三角541个，珠三角256个，这些创新主体主要包括公司、大学、研究所等。引入真实坐标作为节点位置，因为软件限制，坐标只能从0到1，所以对地理坐标进行了一定处理，使得节点位置分布基本符合地理地图。为了更加直观，将节点名称去掉，主体的性质按节点颜色深浅区分，公司、大学、研究机构和其他的节点颜色依次加深。网络为有向图，箭头从第一申请人指向第二申请人，如图1、图2和图3所示。再统计主体信息，如表1、表2和表3所示。

根据图1和表1，一是合作多是天津或河北与北京合作，三个省市两两合作并不均衡，且北京作为第一申请人所在地比天津和河北多;二是北京所占的节点最多，尽管北京面积并不大，也分布较为集中，天津则相比更加均衡，河北面积大节点少，分布较开，存在几个集聚集中的地方;三是从河北省看，经济较为发达的城市及离京津更近的城市参与跨省市创新合作较多，例如石家庄、保定、廊坊等，而经济较为落后的城市或者离京津较远的城市参与较少，例如邢台、张家口等，且在每个城市节点分布也集中于城市而不是乡镇;四是公司在所有主体中占据主要部分，大学研究院和其他主体则只集中分布于其中几个城市，以北京为最。

本文选取了上海浙江江苏安徽参与跨区域合作的主体作为节点代表长三角地区。从图2和表2可以发现，首先拥有节点数江苏与上海相差不远，大于浙江大于安徽，边的分布也较为均衡;其次图中可以很明显地辨认出各省省会城市为各省最多节点聚集之处;此外各省的创新主体在作为第一申请人和第二申请人的数量上比较平均，上海及其周边城市合作更加密切，公司在主体分布中同样占据主要部分，但其他类型主体在长三角地带分布较为均匀。

珠三角与其他两地不同，没有跨省份，而是仅包含广东部分城市，因此在政策和发展目标统一上具有一定优势，本文以各地级市之间合作数据绘制网络图。根据图3和表3，尽管不同城市有参与度差别，但区域内节点位置比较分散，而且虽仍存在一定地理邻近性影响，珠三角大部分城市两两之间也具有比较密切的合作。广州和深圳作为广东经济最发达的城市，在技术创新合作网络中同样占据重要地位，拥有节点最多，节点作为第一申请人的情况也更多。从产学研角度，由于省会优势，广州拥有最多参与创新的研究院所和大学，广州以外，研究院所和大学在距广州更近的深圳、东莞、佛山和中山分布均匀，其他较远的城市创新主体则基本以公司形式存在。整体上来说，珠三角与长三角结构上有更多相似之处。

2. 网络权重图

将合作次数作为权重绘制地区技术创新合作网络权重图，如图4、5、6所示。

合作关系的质量关系到网络结构稳定性、效率和发展，权重越大，关系线越粗，则主体间合作越频繁，关系越稳固，合作质量越高，有利于促进网络结构稳定和网络效率的提升，有利于网络发展壮大，产出更多创新成果。如图，长三角技术创新合作网络结构在上海及其周边地带更加成熟稳定，权重大的关系线更多更密，与较远地区也有频繁合作往来;珠三角与长三角类似，广州深圳及周边城市间存在较大权重的关系线，这种特征促进网络的良性发展;京津冀则呈现分散较开的结构分布，稳定性较弱，与部分地区联系并不紧密，对网络发展作用较小。

3. 对比结果总结

总体来说，三地跨区域技术创新合作的网络基本符合各省市的创新能力现状，京津冀三地创新资源禀赋差距过大，因此京津冀形成了以北京为中心向津冀两地扩散的格局，创新主体在选择合作对象时也是以经济较发达创新能力较强的城市所拥有的创新主体为先。长三角不同省市虽也有一定差距，但比起京津冀要小许多，因此网络构图更加均衡，又因本身属于发达区域，不似河北拥有很多较落后的地域，所以节点分布均匀，四个省市兩两之间都拥有一定密切程度的技术创新合作，网络并不以任何一个省市为中心扩散。珠三角与长三角情况相似，各市均具有一定创新能力，发展相对均衡。

从表4产学研合作关系来看，公司在创新合作中占据绝对主体地位，三地公司参与的创新合作关系占比均高于公司本身作为节点的占比，其中长三角以88.48%位居第一，长三角珠三角两地公司间合作的占比也高于京津冀。在京津冀网络中，大学和研究院发挥作用相去不远，但在其他两地，大学的参与度远大于研究机构，可见高校在长三角珠三角网络中起到了更强的能动作用，高校带动企业创新，较充分地利用了高校的资源人才优势，京津冀则更多的倚仗了北京作为政治中心，所拥有的国家科研机构创新实力的发挥。

再根据表5的数据对比，京津冀的C远高于长三角，说明其网络中介性强，中间人作用较明显，珠三角也有一定强度的网络中介性。长三角、珠三角D和S低于京津冀，CC1高于京津冀，都显示了其网络的均衡性，在长三角、珠三角网络中，资源和信息能够得到比京津冀创新网络更快速的传播，创新效率也更高。长三角、珠三角地区经济实力雄厚，创新能力强，虽然京津冀尤其是北京得到了国家大力扶持，但创新发展速度比不上其他两地，可见长三角、珠三角网络的均衡结构比京津冀以北京为中心向外扩散的结构更加优越，值得借鉴和发展。

（三）京津冀网络演化路径分析

运用pajek软件求得2001—2017年京津冀技术创新合作网络的各项空间状态指标，根据公式（7）计算得出网络的空间演化测度指标和熵值Hj，如表6所示，之后对熵值进行最优分割，通过matleb软件首先对熵值进行标准化，得到标准化矩阵Z=[0.064 0.058 0.112 0.070 0.078 0.042 0.114 0.087 0.092 0.085 0.107 0.121 0.117 0.127 0.155 0.162 0.127]，再根据矩阵Z得到网络的变差矩阵D，如表7所示，使用matlab软件可以设定分段数，并求得所设分段数下最优切割点，然后根据变差矩阵D可以求得不同分段情况下各分段的变差极小值，如表8所示。

对于最优分段数，通过比值来确定，其中，a34=0.914>a45=0.858>a23=0.776，且k=3时极小变差值最小，对k=3进行F检验，所得值大于显著性为0.05时的检查值。因此根据数据确定最优分段数为3，分段点为2014年和2016年，但是专利公开有延迟性，2017年数据并未收集完全，所以所求得数据可能有一定偏差，而且根据2017年京津冀与长三角珠三角地区的结构特征对比和各数据分析，京津冀与长三角珠三角还有很大差距，因此将2017年并入上一个分段，将分段数确认为两段更加合理，分段点为2014年，路径如图7。

第一阶段：混沌形成阶段（2001-2013年）

该阶段网络逐渐形成一定的规模，可以从路径图中看到熵值虽有上升趋势但出现明显上下波动，不时出现“v”字走势，这正是随着新节点的大量涌入网络呈现出一种混乱不稳定的状态，而且随着熵值的扩大无序性渐强，在网络逐渐发展过程中，有一些主体间出现了一定程度的二次合作，多次合作，不过合作稳定性仍然较低。

第二阶段：无序扩张阶段（2014—2017年）

新节点仍然在不断涌入，熵值呈现上升趋势，代表网络的无序性增强，说明很多节点都在积极地寻找合作对象，建立探索性的关系，这种关系程度是较为微弱的，而且随着网络规模的进一步扩大，脱离混乱状态表现出知识扩张性，知识和信息能够在更广阔的范围内进行传播，因此虽然网络平均最短路径的均值较大，但增加了更多的可能性，对网络进一步扩张和迈入有序发展阶段奠定了基础。

四、结论与建议

长三角珠三角技术创新合作网络效率高于京津冀，京津冀网络以北京为中心向津冀两地扩散，且中间人作用明显，长三角珠三角的网络则较为均衡，没有明显的中心。创新主体在选择合作对象时比较倾向位于经济较发达及地理位置较近城市的主体，长三角珠三角整体城镇水平高于京津冀因此乡镇参与跨区域技术合作更多。演化角度京津冀创新网络还处于无序扩张阶段，需要进一步向有序发展阶段迈进。因此对京津冀的发展提出如下几条建议。

第一，提高津冀本身竞争能力。经济发展中要素空间的分布决定活动方式和内容，其具有的非均衡特性必然造成巨大影响，促进不同地区之间产生商品和生产要素的交换与流动，基于各地区所特有的发展条件和比较优势，一些地区互相弥补密切合作，另一些地区则形成竞争，从根本上，实现合理分工是建立区域合作的前提，也是取得持久发展优势的基础。北京手握全面丰富的资源，天津是我国重要的商品生产基地，临近渤海，运输发达，河北省则拥有充裕自然能源和完整工业体系，具备实现区域经济一体化的自然禀赋和经济基础。但天津河北与北京的巨大差距制约了合作的进行，因此提高天津和河北本身竞争能力才是重中之重，而不是只依靠网络扶持，只有这样才能提高网络运行效率，促进网络发展。这需要天津河北积极引进人才，鼓励创新，充分发挥自身优势，从而吸引合作，也需要北京主动伸出援手，带动天津和河北的发展。

第二，构建科学合理的城镇体系，促进中小城市快速崛起。只局限于城市而无法扩散到乡镇的网络并不健全，无法提高区域创新的效率，无法促进整个区域创新的腾飞。按照一般规律，随着都市圈、城市群的发展，核心城市会逐步进行产业升级并疏解出一部分功能，这个过程也正是区域产业整合和经济重构、新城及中小城市快速崛起的重要阶段。新城及中小城市能够成为推动区域快速崛起的新驱动力。对京津冀区域，北京各方面负担过重，尽管交流越来越方便，地理邻近性的影响仍不可小觑，北京独木难支，雄安新区的设立就是为了缓解北京作为中心的压力，优化调整京津冀的城市布局空间结构，培育创新驱动发展的新引擎，促进京津冀协同发展。不仅是雄安新区，京津冀其他区域也应大力发展中小城市和乡镇，先进带动落后，改善合作创新网络结构。

第三，完善区域合作内在推进机制。如何使区域合作内在推进机制趋于完善主要在两个方面下功夫：一是拥有完整高效的管理监测系统。政府提供的沟通交流平台和非官方的沟通交流体系的建设相辅相成，既方便各地政府掌握最新情况，及时制定相应政策，解决突出矛盾，避免因交流不畅带来的困难，也方便中介机构、社会团体等民办组织充分发挥纽带作用，使合作多元化，灵活化，区域内创新合作系统平稳协调的向前发展。二是形成合理的利益分配机制。利益是区域合作的根本，只有具有合理利益分配机制，才能促进合作健康稳定进行，不断深化合作。因此必须建立有效市场化生态补偿机制，使区域内部资源、环境，科技成果等重要禀赋平衡分布;强化跨地区投资、产业转移等重大事项利益分享的政策安排和制度设计，逐步形成指標健全、权重合理、比例得当的较为完善的分配体系。京津冀的发展需要迫切要求三方既要完善自身机制，也要进行积极交流，协商促进京津冀整体合作内在推进机制的形成与完善。

[参考文献]

[1]  张瑜，菅利荣，刘思峰，等. 基于优化Shapley值的产学研网络型合作利益协调机制研究：以产业技术创新战略联盟为例[J]. 中国管理科学，2016，24（9）：36-44.

[2]  阮平南，顾春柳. 技术创新合作网络知识流动的微观作用路径分析：以我国生物医药领域为例[J]. 科技进步与对策，2017，34（17）：22-27.

[3]  Melissa A ing，Corey C Phelps. Inter firm Collaboration Networks：The Impact of Large-scale Network Structure on Firm Innovation[J]. Management Science，2007，53（7）：1113-1126.

[4]  高霞，陈凯华. 合作创新网络结构演化特征的复杂网络分析[J]. 科研管理，2015，36（6）：28-36.

[5]  周灿，曾刚，曹贤忠. 中国城市创新网络结构与创新能力研究[J]. 地理研究，2017，36（7）：1297-1308.

[6]  Levén P，Holmstrom J，Mathiassen L. Managing research and innovation networks：Evidence from a government sponsored cross-industry program[J]. Research Policy，2014，43（1）：156-168.

[7]  于明洁，郭鹏，张果. 区域创新网络结构对区域创新效率的影响研究[J]. 科学学与科学技术管理，2013，34（ 8）： 56-63.

[8]  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.

[9]  叶琴，曾刚，陈弘挺. 组织与认知邻近对东营市石油装备制造业创新网络演化影响[J]. 人文地理，2017 （1） ：116-122.

[10]  胡绪华，徐骏杰. 不同生命周期阶段我国电子信息产业区域技术创新网络演化比较分析[J]. 科技进步与对策，2017，34（22）：25-34.

[11]  刘国巍. 产学研合作创新网络时空演化模型及实证研究——基于广西2000—2013年的专利数据分析[J]. 科学学与科学技术管理，2015（4）：64-74.

[12]  张宝建，胡海青，张道宏. 企业创新网络的生成与进化——基于社会网络理论的视角[J]. 中国工业经济，2011（4）：117-126.

[13]  吕一博，程露，苏敬勤. 知识搜索行为与区域创新网络演化[J]. 系统工程学报，2014，29（6）：725-733.

[14]  唐孝文，賴廷谦，刘敦虎. 区域创新网络中的交互学习与信任演化研究[J]. 经济体制改革，2016（ 3） ：170-171.

[15]  Burt R S. Structure Holes：The Social of Competition[M]. Boston：Harvard University Press，1995.

[16]  汪丹. 结构洞算法的比较与测评[J]. 现代情，2008，28（9）：153-156.

[17]  Kastelle T，Steen J. Are small world networks always best for innovation？[J]. Innovation Management Policy & Practice，2010，12（1）：75-87.

[18]  Tsai W. Knowledge transfer in inter organizational networks：Effects of network position and absorptive capacity on business unit innovation and performance[J]. Academy of Management Journal，2001，44（5）：996-1004.

[19]  刘明广. 基于耗散结构理论的区域创新系统演化分析[J]. 商业时代，2013（8）：127-128.

[20]  李柏洲，朱晓霞. 基于耗散与灰关联熵的，RIS 演化机制研究[J]. 科学学研究，2007，25（6）：1239-1243.

[21]  韩蓉，林润辉. 基于自组织临界性理论的知识创新涌现分析[J]. 科学学与科学技术管理，2014，35（4）：74-79.