技术创新合作网络与经济网络演化特征及协同关系研究——以中国30个省会城市为例

■ 朱向梅 王子莎

中北大学经济与管理学院 太原 030051

0 引言

随着技术发展和经济全球化的不断深入,城市经济发展由传统的资源、劳动力、资本要素向技术、知识、人才等创新要素转变。特别是基于大数据和互联网支撑的信息流的逐渐兴起，使信息和技术创新成为决定一个城市经济发展和可持续发展的动力。通过建立和完善技术创新合作机制，能够为城市的经济发展提供核心驱动力，从而促进区域协调发展和经济繁荣。但经济发展涉及到多种因素，技术创新只是重要因素之一，它们之间并不是简单的线性关系，因此需要进一步探究二者的关系。

早在20世纪90年代就有学者指出中国应当考虑通过技术创新来引领经济的高质量发展[1]，后有学者指出中国经济质量提升缓慢的重要原因在于技术创新能力的薄弱[2]，但大多研究只是利用定性方法对二者的关系加以阐述。2013年中国经济步入新常态阶段，开始利用实证分析对技术创新和经济发展关系进行检验。何兴邦[3]、马昱[4]、李成刚[5]、杨恺钧[6]、尚勇敏[7]、李翔[8]分别利用面板平滑转移模型、动态空间杜宾模型、Malmquist 指数等多种计量方法证明技术创新对经济高质量发展具有推动作用。华坚等人[9]利用灰色关联分析对30 个省会城市的耦合协调进行评价，结果显示我国的科技创新与经济发展呈现良好的协调关系，但东西部省市之间具有较大差距。以上研究均将城市作为一个单点进行分析，在区域经济联系呈现网络化的背景下，既无法揭示城市间的联系，也无法反映技术创新与经济发展的双向动态关系。

城市作为技术创新和经济增长的载体[10]，是国家经济社会发展的重要空间依托[11]。随着城市空间结构由单中心向多中心演化，城市之间形成相互依存、互相补充的异质动态关联关系[12]，而这种关联关系实际上可以由城市的网络关系进行代替。因此，通过网络的方法来探讨技术创新与经济发展之间的关系，可以克服现有研究的局限性，不仅能够体现出城市节点彼此间的技术合作和经济往来，而且能够从动态角度分析两个网络的时空演化特征及相互作用的关系。基于此，本文在以全国30个省会城市（由于拉萨的数据不可得性，因此剔除）作为研究对象，借助社会网络分析法和引力模型的方法，分别构建城市之间的技术创新合作网络和经济网络，进而分析两个网络随时间推移演化的特征，并利用QAP相关和格兰杰因果检验的方法，进一步揭示网络间协同发展的关系。

1 数据处理及指标选取

1.1 技术创新合作网络数据来源与处理

现有研究多表明，专利作为技术创新的载体，包含了全球90%以上的最新技术情报[13]，成为衡量创新能力高低的重要数据来源，尤其是城市间专利联合申请的数据，能够反映出彼此间合作的强度和联系的强弱，也能反映出全国范围内区域的知识流动。但由于城市联合专利数据的不可得性，省会城市作为一个省份的经济、政治、文化中心，享有最优质的资源和最先进的技术，是一个省份竞争力的主要支柱，省会城市之间的技术合作成为跨省技术合作的主要参与主体。由此本研究借鉴郑蔚[14]、邢华[15]、王崇峰[16]、翟东升[17]等学者的观点，以主体间的合作专利刻画城市间的技术创新合作。

2014年国家知识产权局制定发布了《深化实施国家知识产权战略行动计划（2014-2020）》，提出进一步深入推进全国专利事业并加强专利合作，优化产业布局，引导各省市的技术创新，促进产业提质增效升级，另外国家财政部会加大对技术创新的资金支持，适当降低企业专利申请的费用和减少不必要的手续，由此，全国技术创新合作步入新的阶段。本研究选取2014年以来各省会城市的专利联合申请数据，对城市间的技术创新合作情况进行探究。

借助国家知识产权局专利检索平台进行检索，构建合作矩阵并进行二值化处理，借用社会网络分析方法对城市节点之间的互动结构关系进行研究，以此反映整个网络的特征及每个城市在技术创新合作网络中的地位[18]。

1.2 经济网络数据来源与处理

引力模型起源于牛顿的万有引力定律，最初由Tinghergen[19]提出，随后Anderson[20]和Bergstrand[21]等学者对其进行不断的完善，使之既能反映出中心城市对周围地区的辐射能力，又能反映出周围地区对中心城市辐射能力的接受力[22]，因此被广泛地应用于刻画城市之间的经济联系。本文采用省会城市间的直线距离（dij）与城市质量来表示城市间的经济联系强度（Rij）(万元*万人/km2)，其中城市的质量用该城市的GDP 和人口乘积（P）来表示，如公式（1）所示，建立城市经济网络图的节点赋值矩阵，将测算得到的引力值矩阵的行平均值作为行阈值，大于阈值，城市间的经济联系取值为“1”，若小于阈值，则取为“0”。

1.3 指标选取

指标的含义及公式如表1所示。

表1 指标含义及公式

2 中国省会城市技术创新合作网络与经济网络时空演进特征

通过构建专利网络表示各省会城市的技术创新合作，借助引力模型刻画省会城市间的经济联系，随后通过UCINET 6.0 软件进行中心性分析，最后通过软件对经济网络和技术创新网络进行可视化分析，更好地揭示各自的演进特征。

2.1 技术创新合作网络演进特征

2.1.1 城市之间的直接技术创新合作不断增强且呈现多中心化趋势

全国技术创新合作网络密度整体处于上升态势。由表2可知，2014年全国的技术创新合作网络实际存在的关联数为219 条，整体密度为0.252；2018年全国的关联数为225 条，整体密度为0.259。2016年和2017年稍有回落，但变化不大，整体处于上升的趋势，说明全国的技术创新合作往来增强。同时由表2（中间中心度）可以看出，大部分城市的中间中心度均处于下降趋势，2014年全国技术创新合作网络中间中心度范围为[0,17.106]，2018年范围缩减为[0.099,14.730]，说明各城市间的直接合作逐渐加强，在合作中占据越来越多的主动权，不再依赖于其他城市的“中转合作”，削弱了城市的中心地位。

表2 2014～2018年技术创新网络和经济网络密度

通过借助NetDraw 软件绘制出2014年及2018年的可视化网络，图中蓝色的节点表示城市，中间的连线代表城市之间的合作。由图1可以看出，技术创新合作网络整体结构较为松散，仅有北京、上海、济南、南京、杭州、重庆等城市之间的连线较密集。而图2可以明显看出各个城市之间的连线增加，且成都、郑州、西安等城市逐渐向中心靠拢，呈现多中心化趋势。

图1 2014年省会城市技术创新合作网络

图2 2018年省会城市技术创新合作网络

2.1.2 突破地理距离局限的跨区域技术创新合作增强

最初的技术创新合作往往局限于距离相近的城市，有学者用实证分析指出“距离每增加100公里，合作的可能性下降34.2%”[23]，地理距离对跨区域创新合作具有显著的负向影响。本文利用Ucinet 中的相关收敛法对30个省份城市进行聚类分析，将全国30 个省会城市在3 级层面上划分为8 个子群，在2 级层面形成4 大片区，具体情况如图3所示，从中可以看出，除北京、石家庄子群外，其他子群城市间地理跨度较大，受地理距离影响较小。随着城市交通网络以及各方面设施的不断完善，跨区域合作愈演愈烈，逐渐突破地理距离局限。

图3 2018年省会城市技术创新合作网络凝聚子群分析

2.1.3 全国省会城市技术创新合作网络呈现明显的区域差距

由表3呈现的各省会城市的点度中心度和接近中心度结果，可以发现我国的技术创新合作网络呈现出明显的区域差异。

①2014年的技术创新合作网络中城市点度中心度范围为[13.393,96.662]，而2018年范围为[20.690,100]，说明全国30 个省会城市的技术创新合作在不断增加。北京、上海等大多数东部城市点度中心度均在50%以上，可以看出这些城市在网络中居于中心地位，在技术创新上对其他城市具有很强的引领作用和辐射力，事实上高新技术型企业、高校和科研院所作为技术创新的主体，大多集中在这些城市。而中西部地区仅有重庆、成都、郑州在2018年度数达到50%以上，大部分城市仅有30%左右，我国技术创新合作呈现出明显的东强西弱的特点。

②接近中心度用来衡量城市的“不受控制力”，2014年接近中心度均值为63.046，2018年接近中心度平均值为64.753，说明各城市技术创新合作的独立性在逐渐增强。由表3东中西部城市技术创新合作的接近中心度范围可以看出2014年及2018年均呈现出由东向西逐渐变小的趋势，反映出城市间技术创新合作的独立性由东向西逐渐减弱。东部地区的北京、上海、杭州等城市独立性最强，不易受其他城市影响，以自我为中心的倾向性较为明显；中部和西部地区绝大多数城市的接近中心度均低于整体平均值，尤其是长春、昆明、兰州等地，在技术创新合作中表现出高度依赖外力的特征。

表3 2014及2018年技术创新合作网络中心性分析

2.2 经济网络演进

2.2.1 城市之间的经济关联有所增加但整体偏低

由图4和图5可看出，2018年城市间的经济连线逐渐增多，经济关联趋于紧密。2018年沈阳、西宁等城市逐渐融入到经济网络中，使得整体经济网络连线数增加，网络密度有所提高。由表1可看出，省会城市经济网络密度由0.228 增长至0.244，城市经济网络联系总体有所扩张，但网络结构仍较为松散，城市间经济联系较为薄弱且发展不均衡，说明我国城市间的经济联系还有很大的提升空间。

图4 2014年省会城市经济网络

图5 2018年省会城市经济网络

2.2.2 核心区域与边缘区域的经济联系发展不均衡

全国资源分布不均衡，各地发展水平有较大差异，东部沿海城市率先成为网络的中心节点，而西部等不发达的城市仍处于网络的边缘。为进一步探究全国省会城市的演化规律，本文对经济网络的核心—边缘结构进行分析，结果如下：2014年处于边缘位置的城市有：哈尔滨、长春、沈阳、西宁、贵阳、昆明、海口，其他23个城市位于核心地位。2018年西宁、沈阳跻身于核心区域，哈尔滨、长春等5个城市由于地理位置偏僻、经济发展水平较低等因素导致与其他省会城市的经济往来较少，因此始终处于经济网络的边缘位置。

通过对核心区和边缘区内部密度进行探究可以发现（表4）：①核心区域内部密度未发生变化，说明核心区内部省会城市间的经济联系基本没有变化；②边缘区内部的联系密度有所提升，表明边缘区内部联系不断增强，经济联系趋于紧密；③边缘区对核心区的密度有所提升，说明边缘城市对核心城市的经济联系在增强，核心城市对边缘城市具有经济带动作用；④核心区对边缘区的网络密度稍有下降，反映出核心区域对边缘区域的经济往来略有减弱，折射出核心城市对边缘城市的辐射带动作用在不断减弱。由核心-边缘分析可得，核心区域与边缘区域发展不平衡，核心城市间的经济联系比边缘城市间的联系更为紧密，但近几年边缘区域内部经济联系发展速度快于核心城市；同时两个区域间的双向关系发展亦不均衡，表现为边缘城市对核心城市具有较强的经济依赖性。

表4 省会城市经济网络核心—边缘分析

图6 QAP相关性分析结果

2.2.3 省会城市在经济网络中的位置变化不明显

①由表5呈现的省会城市3 种中心度指标测算结果可以看出：点度中心度范围由[13.793,65.517]变为[13.793,72.414]，除个别边缘城市外，其他省会城市中心度水平均在上升，因此各城市在网络中的位置变化并不明显，重庆、北京、上海、郑州、武汉（2014）、天津（2018）始终占据着网络的中心位置，原因在于这些城市凭借着经济总量和人口规模优势成为引力中心，与其他省会城市具有密切的经济联系。

表5 2014及2018年经济网络中心性分析

②全国省会城市中心度由2014年的[0,15.134]下降至2018年的[0,11.658]，整体处于下降趋势，但趋势并不明显。2014年到2018年全国省会城市经济往来的“中介”位置并未发生太大变化，排名靠前的有北京、重庆、上海、郑州、武汉（2014）、天津（2018），这些城市以经济总量、人口规模以及交通枢纽的位置优势成为其他城市经济往来的中间桥梁，发挥着连接城市经济、缩小区域差距的重要作用。长春、哈尔滨2014年及2018年中间中心度均为0，说明这两个城市对其他城市的依附性很强，位于全国省会城市经济网络的边缘，无法充当城市间经济往来的“中介”。

③接近中心度作为一个全局测度指标[24]，可以清楚地表示出城市节点在网络中所处的位置。2014年全国省会城市接近中心度取值范围为[43.939,74.359]，2018年上升为[46.032,78.378]，接近中心度水平有所上升但浮动很小，表明从整体来看城市节点在网络中的位置变化不明显。其中距网络中心较近的城市有郑州、重庆、上海、武汉、北京（2014）、天津（2018），表明这些城市的独立性较强，不容易受其他城市的控制。长春、哈尔滨接近中心度水平虽有上升但仍然是所有省会城市中的最小值，说明它们处于距离网络中心较远的位置，在资源和信息的传递共享方面处于弱势地位，极易受到其他省会城市的“控制”。

点度中心度、中间中心度和接近中心度的排名呈现出一定的相似性。北京、上海、天津等东部发达城市及郑州、武汉、重庆等交通枢纽城市的各中心度排名均位于前列，原因在于东部发达城市GDP水平明显高于中西部，人口密集程度也较高，导致与其他城市的经济引力值升高；而枢纽城市虽然GDP水平及人口不及东部发达城市，但其凭借优越的地理位置与其他省会城市形成密切的经济联系。

3 QAP相关分析及因果检验

3.1 技术创新合作网络和经济网络QAP相关分析

QAP（即二次指派程序）方法被学者广泛应用于社会网络研究中，后被引入到经济领域的研究中[25]，该方法常常用来研究两种关系矩阵之间是否具有相关关系，如果相关分析的结果为正，则说明二者对彼此有相互促进的作用。本文经过对比全国的技术创新合作网络和经济网络的演进特征发现，它们之间的演进具有一定的相似性，因此借助QAP相关分析来检验二者的协同演进关系，然后通过格兰杰因果检验分析二者之间是否属于互为因果的关系。

由表6及图6可以看出，全国省会城市的技术创新合作网络与经济网络的相关性结果均在0.3 以上，并且在统计意义上显著，说明技术创新合作和经济联系能够对彼此起到促进作用。技术创新合作不仅能够促进区域间技术的流动，而且可以改善区域间的互动关系，影响空间外溢[26]。经济联系可以加速城市间各生产要素及资源的流动与利用，从而在一定程度上促进技术创新方面的合作与发展。二者的相关性由2014年的0.304逐渐上升为2018年的0.353，可见二者相关性随着经济和技术的不断发展而不断加强，省会城市间的技术创新合作和经济往来相辅相成，互相促进，形成稳定的网络正相关关系。

表6 QAP相关分析结果

3.2 技术创新合作网络和经济网络的格兰杰因果检验

QAP 相关分析仅能说明两个网络之间具有相关关系，并不能确定二者间的具体影响关系。格兰杰因果检验常用来检验某一变量是否为另一变量变化的原因，因此本文以网络的3 个中心度指标为数据，借助格兰杰检验对其进行分析。首先借助任意一组中心度数据建立ⅤAR 系统，根据系统在不同滞后期下的AIC 和SC 值来判断最优滞后阶数。图7中可以看出所有准则（除LogL外）所对应的滞后期均为7，所以选择滞后7 期符合信息准则的精神。格兰杰因果检验结果如表7所示。

图7 VAR系统

由表7可以看出，点度中心度、中间中心度以及接近中心度作为数据源时，均在15%的显著性水平下拒绝原假设，即接受备择假设“技术创新合作是经济发展的格兰杰原因”。这说明省会城市之间的技术创新合作为当地产业升级提供了供给侧动力，促使生产力水平的提升，并成为经济高质量发展的重要支撑。由中间中心度作为数据源时可看出在15.77%的显著性水平下拒绝“经济发展不是技术创新合作的格兰杰原因”，说明城市间的经济互动和发展能够加强彼此间的互动连通性，促进其技术创新合作。

表7 技术创新合作网络和经济网络的格兰杰因果检验结果

由此可以证明经济发展和技术创新合作二者互为因果关系，技术创新合作能够促进区域间技术的流动，进而影响经济联系；经济发展上行可以为技术创新提供物质和资金支持，从而间接促进区域间技术创新方面的合作。但相比之下，经济发展对技术创新合作的作用相对较弱。

4 结论及建议

借助社会网络分析和引力模型的方法对全国30 个省会城市之间的技术创新合作网络和经济网络的时空演进特征进行分析，并利用QAP和格兰杰因果检验的方法对二者之间的关系进行探究，得出以下结论：

（1）2014～2018年城市间跨区域技术创新合作不断增强且呈多中心化趋势，成都、郑州、西安等城市逐渐向中心靠拢。此外，全国省会城市技术创新合作网络呈现出东强西弱的区域差异，东部城市自我中心性倾向较为明显，而中西部城市则表现出高度依赖外力的特征。因此应针对不同地区制定不同的技术政策，东部发达地区应着力提高其技术创新含金量，而中西部地区应当坚持技术引进和技术带动，承接东部地区的产业转移，以此来实现区域经济均衡发展。

（2）2014～2018年城市间的经济联系有所增强但整体偏低，东部核心区域与西部边缘区域的经济联系发展不均衡，核心区域内经济联系比边缘区域联系更为紧密，边缘城市对核心城市具有较强的经济依赖性。

（3）技术创新合作网络和经济网络互为格兰杰因果关系，技术创新合作能够转化为生产力进而促进经济联系发展，相反经济联系发展能够为技术创新合作提供资金和物质支持，二者相互促进，呈现稳定的网络正相关关系。因此应当充分利用技术创新合作网络来优化经济结构，通过信息和技术创新促进城市经济发展，经济“边缘城市”也可以通过技术创新合作，加强同核心城市之间的往来，承接其相关产业，促进经济转型升级。