基于创新联系的城市网络特征及影响因素研究 ——以粤港澳地区为例

钟 韵，叶艺华，魏也华

（1.暨南大学经济学院，广东广州 510632；2.犹他大学地理系，美国盐湖城 84112）

随着贸易全球化的不断演进与信息技术、交通条件等条件的不断改善，城市间联系愈加频繁，建立于城市联系之上的城市网络成为学者研究的热点。城市网络是在不同空间尺度下互相关联的城市间功能联系［1］，作为一种新型城市空间组织形式，它强调跨越行政界线的城市间功能关系［2］。简而言之，城市网络是城市关系在空间中的反映。当前对城市网络的研究主要视角包括从基础设施例如航空、高铁 等“交通流”数据构建区域的交通网络［3-6］，从企业组织途径例如企业总部及分部数据等构建企业活动网络［7-8］，以及通过生产性服务流动、资金流动和信息流动等各种要素流动分析区域中城市地位及城市间关系［9-12］。城市间的创新联系是近年来出现的对城市网络格局分析的新视角［13-15］。就研究的视角而已，有研究认为，从交通基础设施角度获得的数据，以及企业总部-分支的布局数据，均带有城市的属性特征并附带城市的等级关系，无法真实反映城市间联系网络，亦忽略了城市间的合作关系，但以创新视角研究城市联系则能直观展现基于自愿平等原则上的城市网络［16］。

从创新联系视角构建城市网络的已有研究，多是运用修正后的重力模型对GDP、人均GDP 等城市属性数据以及城市间距离数据进行间接测度［17］，或是基于合著论文、合作专利等数据进行直接测度［18-21］。其中，专利合作数据和科技合作论文数据直接反映了城市间创新合作的成果，被视为城市间科技创新联系研究中重要的分析数据。在研究方法上，常见的是空间相互作用模型以及社会网络分析方法，并运用ArcGIS 软件进行可视化分析。这几种方法常常结合使用，例如王越等［22］运用空间相互作用模型中的断裂点模型结合ArcGIS 可视化分析长三角城市创新联系网络特征，彭芳梅［23］运用空间相互作用模型中的重力模型结合社会网络分析方法，分析粤港澳大湾区及周边城市经济空间联系与空间结构，等等。其中，社会网络分析方法源于社会学［24］，它把复杂多样的关系形态表征为一定的网络构型，是创新网络特征分析的常用方法［25］。

本文拟从创新联系的视角，基于世界知识产权组织（WIPO）中专利合作协定（PCT）数据，从创新联系的视角构建粤港澳地区和美国硅谷的城市网络，运用网络密度、网络结构和网络发育程度等指标及社会网络分析方法，结合与硅谷地区的对比，分析粤港澳地区的城市创新合作联系特征，探究影响粤港澳地区城市创新联系的因素，以期为推进未来的创新合作、制定区域创新政策提供参考依据。美国的硅谷地区是目前公认的全球科技创新中心，地区内的各城市间通过位于不同城市的企业研发合作、产业链合作及共同成立区域协调委员会等活动构建了较为成熟的创新联系网络，与硅谷的对比有助于反映粤港澳地区创新联系网络的发育程度。

粤港澳大湾区建设亟待通过构建紧密的城市网络关系，以提升区域的整体竞争力［26］；同时，构建国际科技创新中心是《粤港澳大湾区发展规划纲要》所提出的区域发展战略定位之一。因此，本研究从创新合作的角度探讨粤港澳地区的城市网络关系，不仅有助于从科技联系的视角理解粤港澳地区城市之间的功能联系，而且，本研究所勾勒的创新合作空间结构，对未来深化该地区科技创新产业合作亦有着积极的参考价值。

1 数据来源及研究方法

1.1 数据来源及处理方法

以往的城市创新联系研究多使用各种类型的城市属性数据建立指标评价体系，并运用重力模型开展城市之间联系的测度，此方法难以摆脱城市等级及距离衰减假设等因素的影响。本研究认为，运用合作专利指标能更直接反映城市之间基于自愿原则基础上的创新联系，而且，与合著论文相比，合作专利可被视为城市间创新联系的媒介，合作申请专利更能反映经济活动的创新合作。基于国际比较、数据可得原则，本文数据采用世界知识产权组织（WIPO）专利合作合约（PCT）数据库中的城市专利合作数据。

在数据提取上，本文采用字段组合结合高级检索方法，从PCT 体系中调取1999—2017 年粤港澳地区1）和美国硅谷专利合作数据。数据筛选采用专利申请人所在城市不同作为一大清洗原则，换而言之，若PCT 上的多个申请人地址均位于同一个城市时，此样本将被剔除。由于PCT 从申请到正式公布需要较长的时间，因而我们选用申请日年度作为专利合作的流量分析年度划分依据；又鉴于2017 年申请的PCT 专利合作数据尚未公布完全，本文采用了公布日截止至2016 年12 月31 日的数据，由于粤港澳地区1999 年以前在档PCT 数量较少，本研究采用1999—2016 年粤港澳地区跨城市专利合作数据样本，以及1988—2016 年美国硅谷地区的跨城市专利合作数据样本，构建基于两个区域的城市创新联系网络。

1.2 分析方法与指标

社会网络分析方法是城市网络分析较为常见的一种方法，关注点包括网络密度、核心-边缘分析、度数中心性及中间中心性等。

1.2.1 网络密度

网络密度反映一个图的凝聚力的整体水平。网络密度越大，表示网络中各节点之间的总体关联程度。无向的整体关系网络密度计算公式如下：

1.2.2 核心-边缘分析

核心-边缘分析是块模型分析中一种结构模式分析方法，常用于考量社会网络结构。在这种结构中，存在核心与边缘两类行动者，处于核心地位的行动者，相互间联系紧密，而处于边缘地位的行动者，相互间联系松散。运用核心-边缘分析方法可用于识别网络结构是否呈现核心-边缘特征，并大致识别出网络的核心行动者与边缘行动者，以及两类行动者群体内部及群体之间联系紧密度。

1.2.3 度数中心度与中间中心度

中心性反映个人或者组织在社会网络中的影响力［27］90。中心性指标有多种，比较常用的是度数中心度和中间中心度。度数中心度通过一个点与其他点的连接个数衡量，若某个点在网络中具有最高的度数，则称该点为网络的中心。在本研究中，度数中心度反映某城市与网络中其他城市的合作专利总数。本文认为，度数中心度较高表示该城市在创新联系网络中对外交往能力较强。中间中心度通过测度网络中的点居于其他两个点之间的频度，反映网络中某点在多大程度上控制其他点之间的交往。本文认为，中间中心度可以反映某个点在网络中的“中介能力”，其数值越高反映该节点在网络中起到的中介作用越强，对网络中资源的控制程度亦越高。中间中心度的计算公式如下：

1.3 研究区域

本文所分析的粤港澳地区包括广东省的21 个地级市加上香港、澳门两个特别行政区，共23 个城市；硅谷地区包括《硅谷指数》中划定的39 个城市。根据社会网络分析方法，虽然两个网络的节点数不同，但可以展开对比。

2 城市创新联系网络特征

2.1 粤港澳地区城市间创新联系日益紧密，但联系的紧密程度低于硅谷

根据数据的可获得性，将粤港澳地区1999—2016 年之间的创新联系数据以每5 年为一个阶段，分为3 个阶段。网络密度分析结果显示，粤港澳地区城市创新联系在1999—2016 年间呈现逐步增强的状态，联系越来越密切，尤其是2011—2016 年间，创新联系紧密程度提升显著；但与美国硅谷城市间创新联系网络紧密度相比，粤港澳地区仍稍显不足。粤港澳地区三阶段密度值如表1 所示，密度值呈现逐步上升的状态，由第一阶段的0.016 逐步上升到第二阶段的0.036，再上升至第三阶段的0.111，密度值提升近7 倍。这表明1999 年以来，粤港澳地区城市间创新联系逐渐增强，地区内部创新活动的互动越来越频繁。

表1 1999—2016 年粤港澳地区三阶段网络密度

网络密度值对图的规模（即网络中包含的全部节点的数目）具有很强的依赖性，不同规模网络的密度难以直接比较。但研究亦发现，在同等网络密度水平下，节点数量多的网络其密度往往比节点数量少的网络的密度小——Mayhew 等认为行动者用以维持某些关系的时间是有限的，随着接触行动者数量增加，维持关系成本在相应地上升，当回报减少并且代价太大时，行动者就会停止发展新的关系［28］；而且，如果每个行动者能够保持的关系数目（即点度数）有一个上限，整个图的连线总数就会受到点度数的限制［27］73。因此可以推导出：在其他因素保持不变的情况下，节点数较多的网络的网络密度将小于节点数较少的网络。

根据网络密度的统计原理推导，节点数量较多的硅谷地区的网络密度将低于节点数量较少的粤港澳地区。但是，实际计算结果显示硅谷地区的创新联系网络密度大于粤港澳地区，与此推导结论相反。计算结果显示（表2），美国硅谷网络密度为0.162，高于粤港澳地区网络密度0.127（表2）。由此可以说明，美国硅谷创新联系水平高于粤港澳地区，硅谷地区城市间的创新联系紧密程度更高。

表2 粤港澳地区与美国硅谷网络密度

2.2 创新联系空间结构呈现较为明显的核心-边缘模式

对粤港澳地区进行核心-边缘分析的结果显示，粤港澳地区城市创新联系网络呈现较为明显的核心-边缘结构，广州、深圳、东莞、珠海和香港是网络中的核心城市，而包括澳门在内的其他城市则属于网络中的边缘城市；边缘城市的创新活动倾向于与核心城市合作，边缘城市之间的创新合作十分薄弱。

开展核心-边缘分析的一个重要的假设前提，是样本区域的节点不能分割成几个独立的簇或者不存在多个互斥子群［29］。因此要先做节点的聚类分析，呈单驼峰现象的区域才属于核心-边缘结构，适合开展进一步的分析。本文运用硅谷和粤港澳地区两个区域的PCT 数据分别进行聚类分析后发现，粤港澳地区聚类分析图呈现清晰的单驼峰现象（图1a），说明其空间结构可能存在核心-边缘结构，而硅谷则呈现双驼峰现象（图1b），直接反应出硅谷地区的核心-边缘结构不显著。聚类分析图（图1）显示，图1a 为粤港澳地区聚分析图，当最高值相似度值为3 时，形成深圳与广州一个簇，随着簇成员不断增加，相似度慢慢下降，呈现单驼峰形态；图1b 为硅谷聚类分析图，圣荷西和桑尼维尔在最高相似值为13 时形成一个簇，但在相似值为3 时，出现了以圣马特奥及南旧金山为核心的另一个簇，并且随着相似值不断下降，两个簇仍处于分割状态，聚类图呈现双驼峰。换言之，硅谷地区可能存在多个核心群，因此不适合开展核心-边缘分析。这种双驼峰现象反映出：硅谷城市创新联系网络存在两个独立簇现象，可能存在多个核心群结构，核心-边缘现象不突出，不适合做核心-边缘分析，而粤港澳地区则呈现良好的单驼峰形态，具备核心-边缘分析的前提条件。

图1 粤港澳地区与硅谷聚类

进一步的核心-边缘分析结果显示，粤港澳地区进行核心-边缘分析得到的拟合度为0.8342），表明粤港澳大湾区及周边城市核心-边缘网络结构突出，空间分异结构明显。根据粤港澳地区的核心-边缘合作密度值，广州、深圳、东莞、珠海和香港等5 个城市是23 个节点中的核心，其余18 个节点属于网络的边缘。核心城市群体内部的合作密度值是1，边缘城市之间的合作密度值仅为0.026，边缘城市与核心城市之间的合作密度值为0.2（表3），这一方面反映出核心节点城市之间存在频密的创新互动联系，而边缘城市之间的创新联系相对少得多；另一方面则显示，边缘城市在创新合作方面更倾向与核心城市展开联系，而不是与网络中的其他边缘城市联系。这种联系倾向性推动了核心-边缘模式的形成。

表3 粤港澳地区核心-边缘分析合作密度表

2.3 网络中心度呈现圈层式结构，核心区域的网络发展程度较高

运用中心性指标从时间和空间两个维度对粤港澳地区创新联系网络中的各城市的地位进行分析，可以反映出粤港澳地区创新联系网络的发展态势。

图2 截取了1999—2016 年珠三角9 个城市及香港、澳门共11 个节点城市在3 个发展阶段内度数中心度的变化情况。由图2 可见，广州在创新联系网络中始终处于重要的核心城市地位，反映其在本区创新合作方面的重要影响力。深圳自2005 年以来度数中心度大幅提升，反映其在区域创新合作方面的对外联系能力增势迅猛，并于2011—2016 年间超过广州。香港在1999—2004 年间，在本区创新联系网络中的度数中心度较高，在区内的创新联系影响力仅次于广州；2005—2010 年，香港的度数中心度被深圳超越，居于本区的第三位；但到2011—2016 年，香港在网络中已大幅落后于广深两地，甚至还低于东莞。东莞在2011—2016 年的发展阶段中呈现出较强的度数中心度，展示出东莞近年引进创新科技项目、建设产业孵化园等扶持科技创新产业发展政策的成效。澳门在本区中的创新联系较弱，近年来方有所开展。未在图2 展示的本区其他节点城市，除了汕头在第三阶段度数中心度较高，其余城市的度数中心度测算结果均持续处于低值状态，这一定程度上反映出广东省内位于外围的城市圈层在创新合作活动方面相比珠三角更为薄弱。

图2 粤港澳地区三阶段城市（部分）度数中心度变化

网络图谱有助直观反映网络结构。根据1999—2016 年的度数中心度指标描绘出粤港澳地区的创新联系网络图谱（图3）和硅谷地区的创新联系网络图谱（图4），其中线段粗细来自于城市间合作专利的数量，反映两个城市间创新联系的强度；圆点大小以该城市与其他所有城市合作专利数量的总量为依据，反映城市在网络中的中心度高低。由图3 可见，在广州、深圳、东莞、珠海和香港5 个核心城市中，广州、深圳中心度远高于其他3 个城市，珠海是珠江西岸创新合作网络的核心，整个粤港澳地区创新联系网络呈现出圈层模式，五大核心城市构成了核心圈层。在核心圈层内部，广深核心地位显著高于其他核心城市，显示出广深两地是网络的中心，香港、珠海和东莞是次中心。图3 与图4 的对比，亦直观反映出粤港澳地区23 个城市的创新联系网络关系仍较薄弱，虽然中心城市之间已经建立了较为显著的创新联系，但广东省内部分大城市相互之间，乃至与港澳之间的创新联系则较为单薄。与硅谷地区的创新网络相比，创新活动发育程度更高的硅谷创新联系网络显得空间结构更为均衡，节点城市之间的互联关系更为显著。值得一提的是，在网络图谱中显示澳门与珠海尚无直接创新联系，推测主要原因在于数据选取原则为申请地所在城市需为不同城市，不排除在珠海或广东自贸区横琴片区内存在澳门企业及珠海企业合作研发专利的情况，但这类情况不被计入本研究的统计。

图4 1988—2016 年美国硅谷创新合作网络

2.4 大部分城市的创新合作影响力存在细分的差异

如前所述，本文认为度数中心度可以反映节点的对外交往能力，中间中心度反映节点在网络中的中介能力。一个城市的中间中心度大小主要受其在网络中合作对象数量的影响，换而言之，合作对象较为多样的城市中间中心度较高，合作专利数量较多的城市度数中心度较高。

表4 1999—2016 年粤港澳地区城市度数中心度及中间中心度排名情况

对粤港澳地区各城市进行度数中心度及中间中心度两大中心性指标的对比分析发现（表4）：首先，在前述5 个核心城市中，广州和深圳两大核心城市在这两项指标上均居于本区前列，在创新合作的对外交往能力和中介能力方面，均高于其他3 个核心城市，再次反映广深在核心层的重要地位。进一步的比较显示，深圳的度数中心度高于广州，说明深圳在创新联系网络中的合作专利数量较多，对外交往能力较强；广州的中间中心度高于深圳，说明其在本地的创新联系网络中具有最强的中介合作能力，对网络中资源的控制能力最强。

其次，在其他3 个核心城市中，香港、珠海在中间中心度上分别排名第三与第四，度数中心度则均较低，而东莞在度数中心度上排名第三，中间中心度较低。这反映香港、珠海在网络中创新合作对象较多，在维持网络城市联系关系上具有较强的支配力；而东莞的对外合作专利数量较多，因此显示出对外联系能力较强。

再次，创新网络中部分城市的度数中心度和中间中心度排名存在较大差距。例如汕头及阳江，阳江在度数中心度上落后汕头，而在中间中心度上超过汕头。结合创新联系网络图谱（图3）分析可知，汕头在城市创新联系网络上里合作对象主要集中在广州，虽然合作联系的城市单一，但合作的专利数量较多，而阳江与其相比，合作申请专利的伙伴城市更多，因此显示出中间中心度的较高排名。又如，珠海、江门在网络中创新合作伙伴城市较广泛，中介桥梁作用较突出。

3 城市创新联系影响因素

为了避免单年度数据波动造成估计偏差，本文选取2012—2016 年4 年PCT 数据进行城市创新联系影响因素分析。现有文献主要集中于从多维度的邻近性理论探究城市间创新联系的影响机理［30-31］，近年来随着社会网络分析方法成为热点，也有不少文献从网络要素角度提出“网络邻近性”概念［32-33］，运用网络分析指标进行机理分析，本文选取地理邻近性、技术邻近性、网络邻近性、科技邻近性以及经济邻近性角度分析粤港澳地区创新联系的影响因素［34-36］，模型变量及测度如表5 所示。由于因变量为非负计数型，常使用泊松回归及负二项回归，且其方差显著大于期望，存在“过度分散”特征，因而本文采用负二项回归模型进行估计［37］，估计结 果如表6 所示。

表5 模型变量及测度

表6 负二项回归分析结果

对表中4 个模型的检验反映，各模型均通过显著性检验，且alpha 在5%的显著水平下拒绝alpha=0 的原假设，再次验证负二项回归模型优于泊松回归模型。为避免内生性对模型准确性的影响，本文对技术邻近性与经济邻近性两个指标进行分别考量。

回归结果显示，地理接近性在4 个模型中参数均为负值，在1%水平下显著，表明地理距离对粤港澳地区创新合作联系起着显著的抑制作用，合作联系受交通通行时间影响，较长的通行时间为城市间创新联系带来更高的交流成本，降低了合作的可能性。模型1 与模型3 中，技术邻近性的参数均为正并处于较高的显著性水平，反映技术邻近性对粤港澳地区创新联系起着正向推动作用，两个城市间的产业结构越相似，反映在同样的技术领域上的创新合作需求越接近，知识技术认知上的差异越小，则进行创新合作的空间越大。科技邻近性在四个模型中的参数均为显著的正数，这与党兴华等［35］的结论相同，党兴华认为创新能力差异在空间上反映为核心-外围结构。由于科技邻近性的取值采用的是差异与均值的乘积形式，参数为正反映在粤港澳地区创新联系网络中，创新合作更容易在高创新能力水平的城市间形成，无论创新能力高低的城市都更乐于与创新能力较高的城市合作，因为与创新能力较高的城市合作更能在技术上产生更大的突破，成功率较高，即使一般情况下创新能力高的城市并不乐意与创新能力低的区域进行合作，这与前文核心-边缘结构分析中的边缘城市更倾向于与核心城市合作现象相吻合。同样的，在模型2 与模型4 中，经济邻近性的参数符号为负，网络邻近性在4 个模型中的参数均为正，这表明经济水平的差异与网络地位的差异促进了城市间的合作，这反映了经济水平较高、度数中心度较高的城市在创新合作网络中占据重要的支配地位，影响力较大，其他城市均偏向于与其合作。

Wal［38］与Whittington 等［39］均认为网络结构与地理邻近性间存在交互作用，因而为进一步探究这种交互关系，本文将度数中心度与地理距离乘积、中间中心度与地理距离乘积加入模型中，结果显示，在地理接近性对创新联系产生显著的负向影响的情况下，该项乘积的参数为正，这反映网络要素能调节负向调节地理接近性［39］，当网络中城市与其他城市的地理距离较远时，城市能通过提高自身的网络地位，获取更多的信息资源，与网络中其他城市达成合作意向，提高合作产出，已有的研究发现与此的实证结果相似［40］。

4 结论

本文以世界知识产权组织（WIPO）中专利合作协定（PCT）申请人所在地址构建了基于创新联系的城市网络，并结合网络的阶段演化特征及与美国硅谷城市创新联系网络的对比，分析了粤港澳地区基于创新联系的城市网络特征，并探究了影响粤港澳地区城市创新联系的因素，得到的结论如下：

第一，从网络的整体联系水平看，粤港澳地区城市间的创新联系处于逐步增强的状态，尤其是近年来随着地区产业合作政策不断出台，以及不断完善的交通基础设施推动下的城市联系程度提升，都促使地区内合作研发方面的创新互动和合作创新成果日益增多。但与美国硅谷地区相比，粤港澳地区的创新网络的联系紧密度仍有差距。

第二，从网络的空间结构看，粤港澳地区城市创新联系网络呈现明显的核心-边缘结构，中心度在空间结构上呈现圈层模式，以广深两地为中心，广州、深圳、香港、珠海和东莞等五大核心城市在内的核心圈层网络发育程度较高，广东省内部分大城市（包括佛山、江门、韶关、汕头和茂名）为主体的区域内已初步呈现互联的网络关系，但珠三角外围城市乃至珠三角内部部分城市与内部圈层之间的联系网络仍较为单薄。相比之下，硅谷的创新网络显得更趋平衡，核心城市与圈层结构并不明显。

第三，从网络中各城市的地位看，深圳与广州在粤港澳创新网络中影响力最大，深圳合作专利数量较高，体现其创新对外交往能力较强。而广州则在网络中起到较强的辐射带动和联系作用，有效带动周围的城市进行创新合作活动。东莞近年来扶持科技创新产业政策效果明显，成为网络核心城市，但合作对象较为单一。香港在网络中的联系地位突出，近年来核心地位相对有所下降。澳门在粤港澳地区城市创新联系网络参与度仍较弱，这与澳门产业结构单一，创新能力较为薄弱有一定关系。边缘城市在合作对象的选择上更青睐于选择网络中核心城市，而不是网络中的其他边缘城市。

第四，从创新联系影响因素上看，技术差距越小，城市间创新联系的需求越高，度数中心度较低、创新能力较低、经济水平较低的城市更偏向与差距较大的高度数中心度、高创新能力水平、高经济水平的城市产生创新合作，但实际上创新合作容易产生于高网络地位、高创新能力水平和经济水平的城市间。地理邻近性仍对城市间创新联系产生负向影响，但通过提高网络地位，城市能获取更多的资源，从而提高城市间创新联系水平。

2019 年2 月18 日颁布的《粤港澳大湾区发展规划纲要》提出建设国际科技创新中心，推进“广州— 深圳—香港—澳门”科技创新走廊建设。本研究认为，穗港深三地目前已显示出在本地区创新联系网络中的核心地位。本研究还令我们认识到，促进粤港澳大湾区科技创新产业发展，不仅提升某些创新核心城市的产业创新水平，打造科技创新走廊，还需要构建更为均衡的地区创新联系网络。硅谷的创新联系网络结构已证明，在全球科技创新发育程度最高的区域，创新联系网络的结构将更趋于空间均衡。因此，粤港澳大湾区如何建设开放互通、布局合理的区域创新体系，构建更为紧密的创新联系网络，值得进一步深入研究。

注释：

1）本文所指的粤港澳地区包括广东省下辖的21 个地级市，及香港特别行政区、澳门特别行政区。

2）根据拟合优度计算方法，拟合值越接近0 表示拟合度越低，越接近1 表示拟合度越高。

3）包含火车、高铁、动车和城际等，取最短通行时间。由于部分城市间未开通直达火车，例如澳门与各城市未开通上述几种直达交通工具，以百度地图提供的汽车运行时间替代。

4）为了反映两城市创新能力在何等水平上相似，借鉴党兴华做法采用比值×均值形式。

5）该项变量为度数中心度与地理邻近性变量的乘积。

6）该项变量为中间中心度与地理邻近性变量的乘积。