中国城市绿色创新空间关联网络及其影响效应

王婧 杜广杰

摘要 绿色创新能够在保证环境质量的前提下，提高生产效率实现社会进步，有助于我国社会经济发展可持续转型。文章从关系型视角拓展绿色创新相关研究，基于中国336个城市相互间的绿色专利联合申请信息构造绿色创新空间关联网络，弥补了现有研究多基于属性数据的缺陷。进而基于网络分析技术考察绿色创新空间关联网络的结构特征，并构造了一种新的嵌套分解方法对网络嵌套结构特征进行分析。最终，揭示绿色创新空间关联网络的整体结构以及个体节点网络位置在城市绿色创新水平提升中所发挥的作用。研究发现：①样本城市间绿色创新合作关系平均数为2.04项，而北京市与样本内其他城市的绿色创新合作关系平均数约为228项。②网络内仅北京、南京、杭州、上海、武汉等少部分城市拥有较强的影响力，而样本内78.9%的城市度数中心度小于1，位于网络边缘位置。③我国城市绿色创新空间关联网络呈现出典型嵌套性结构，通过将绿色创新空间关联网络分解为不同的子网络，进一步识别了不同子网络的网络密度以及各城市在不同子网络内的中心度特征。④通过绿色创新空间关联网络，各类创新主体能够吸收更大空间范围内的资源、知识与技术经验，从而超越自身认知局限而提升其创新能力。根据空间计量模型估计结果，绿色创新空间关联网络密度的提升能够显著提高城市绿色创新水平。⑤创新网络中占据不同位置的创新主体所接收到的信息和知识是不同的，占据核心位置的成员相比非核心成员拥有更强的信息优势，由此可能加剧网络内各成员的非均衡发展趋势。

关键词 绿色创新;空间关联网络;网络分析;绿色专利

中图分类号 F124.3文献标识码 A文章编号 1002-2104（2021）05-0021-07DOI：10.12062/cpre.20201007

2017年10月，习近平总书记在中国共产党第十九次全国代表大会上做了《决胜全面建成小康社会夺取新时代中国特色社会主义伟大胜利》的报告，提出“加快生态文明体制改革，建设美丽中国”，再次强调了“构建市场导向的绿色技术创新体系”“壮大节能环保产业、清洁生产产业、清洁能源产业”。绿色创新又被称为环境创新、生态创新或可持续创新，指能为消费者和企业创造价值并且能显著降低对环境负面影响的新产品或新工艺。与传统创新相比，绿色创新更加强调减少对环境的不利影响，能够在创造经济价值的同时降低经济发展的资源消耗与环境代价，有助于构造环境友好的经济社会发展模式。伴随对资源环境和生态问题的关注不斷提高，绿色创新日益成为国内外学者研究的焦点问题，已有文献对绿色创新的概念内涵[1-2]、指标测度[3-5]与影响因素[6-8]等进行了深入研究。虽然现有文献已经对绿色创新进行了较多的研究，但多是从属性数据的视角展开，在考察各类主体（企业、大学与科研机构等）绿色创新行为的过程中仅从自身属性特征展开研究，而忽视了来自其他区域的创新主体的影响。当前文献已经揭示出创新具有显著的空间溢出效应，区域间的相互关联会对创新活动产生重大影响[9-10]。现有文献缺少从关系型视角对我国城市绿色创新展开研究，由此无法深入分析各城市间的绿色创新合作关系以及由此形成的复杂空间关联网络对我国城市绿色创新水平提升所发挥的作用。考虑到上述缺陷，该研究基于绿色专利联合申请信息构建城市绿色创新空间关联网络，并利用网络分析方法对整体网络结构特征与嵌套结构特征进行分析。最终，基于空间计量模型分析了绿色创新空间关联网络的影响效应，考察了整体网络结构以及个体节点在网络中的位置对城市绿色创新的影响。

1数据来源与研究方法

1.1数据来源

根据国际权威机构世界知识产权组织（WIPO）于2010年制定的“国际绿色专利分类清单”，绿色创新共涉及七大技术领域：替代能源生产、交通运输、能源节约、废弃物管理、农林、行政监管与设计、核电。依照上述绿色专利分类清单，通过专利检索与数据分析网站（http：//pss-system.cnipa.gov.cn/）采集并整理了336个城市2000—2019年绿色专利授权信息。

根据采集得到的数据，2000—2019年336个样本城市累计绿色专利授权量约85.07万项。基于专利授权数据，并进一步通过绿色专利的联合申请信息构造城市绿色创新空间关联网络，主要处理步骤如下：①剔除仅有一位申请者的绿色专利数据;②考虑到个人申请者流动性较强，难以确定其所在城市，因此剔除样本中的个人申请者;③如果某一专利存在三位以上的申请者，则采用两两交叉的方式，统计各对申请者之间的合作关系;④统计各城市间的专利联合申请信息，进而构造城市绿色创新空间关联网络。经过上述处理步骤，共计获得336城市18.35万条绿色专利联合申请信息，基于这一结果构造城市绿色创新空间关联网络。区别于二值网络，这一空间关联网络为无向加权网络，节间点权重衡量了各城市之间合作关系的紧密程度。

1.2.2个体节点在网络中的位置

加权网络中个体节点的位置与作用可以通过如下各类中心度指标进行测度[14]，中心度越高的节点对于网络的影响与支配能力更强，往往在网络中占据核心位置。

度数中心度。度数中心度衡量某一节点与网络中其他节点的总体联系程度，如果该节点与其他节点的总体联系较强，则该点具有较高的度数中心度。式（3）给出了加权网络中节点度数中心度的计算公式。其中w是与v同型的向量，其中元素全为1，b与向量v同型，与v中节点n对应位置元素为1，其余元素均为0。

2绿色创新空间关联网络的结构特征

2.1绿色创新空间关联网络的结构特征分析

从整体网络结构特征来看，城市绿色创新空间关联网络的网络密度为2.04，即在336个样本城市之间发生协作关系的平均数为2.04。从这一结果可以发现，总体来看样本城市之间的绿色创新合作关系数量较少。整体网络的结构熵测度结果为3.48，结构熵值非常小，意味着整体网络各部分间的差异较大，异构性比较强[15]。结合上述结论可知，尽管网络整体较为稀疏，但在部分城市间仍存在较为活跃的绿色创新合作关系。

从个体节点中心度的测度结果来看，北京市的度数中心度最高达到228.48，意味着北京市与其他城市发生的绿色创新协作关系平均数约为228项，北京市与样本内绝大多数城市间均存在极为密切的协作关系与绿色创新知识溢出。此外，南京、杭州、上海、武汉、深圳、广州、天津、济南等城市具备相对较高的度数中心度，说明这些城市在绿色创新空间关联网络中处于中心位置。样本城市度数中心度均值为2.0396，约有85%的城市度数中心度低于这一数值，这些城市与其他城市发生的协作关系数不足北京市的0.5%。由上可见，城市绿色创新空间关联网络呈现典型幂律特征与极化分布趋势，仅少部分城市拥有较强的影响力，样本内绝大多数城市则位于网络边缘位置，绿色创新的城市间合作关系数量较少，绿色创新知识的相互间溢出渠道不畅。

相较于度数中心度，介数中心度在样本城市中分布的右拖尾现象更加明显，仅极少部分城市在整体网络中能够发挥中介作用。北京市介数中心度为0.417，远高于其他样本城市，说明北京是绿色创新空间关联网络的核心中介城市，网络中形成了大量以北京为中介的城市间创新协作。南京、上海、武汉、深圳、西安、长沙、广州等城市也具备相对较高的介数中心度，在网络中也发挥了一定的知识转移中介作用。超过95%的城市介数中心度低于0.01，在网络中并未发挥明显的中介作用。由此可见，相较于度数中心度，介数中心度分布的非均衡特征更加明显，仅少部分城市能够在网络中发挥绿色创新知识转移中介作用。

2.2绿色创新空间关联网络的嵌套结构特征分析

依照八大地区的空间尺度将336个样本城市进行分组，由此将绿色创新空间关联网络分解为区域内空间关联网络与区域间空间关联网络。表1报告了网络密度的嵌套分解结果，表格中对角线元素给出了每一区域内部空间关联网络的密度，非对角线元素则给出了区域间空间关联网络的密度。由表1可知，北部沿海地区城市更倾向与同区域城市形成绿色创新合作关系，其次则是与东部沿海、东北地区城市，而与西南、西北地区城市的关系较弱;对于东北地区的城市，无论是区域内部空间关联网络还是区域间空间关联网络的密度均较低，绿色创新合作主要来自与北部沿海城市之间的区域间联系;东部沿海城市的绿色创新合作关系，主要来自区域内部联系以及与北部沿海城市的区域间联系，而与西南、西北、东北地区城市的关联较少;黄河中游地区的绿色创新合作关系主要来自与北部沿海城市之间的区域间联系;南部沿海地区的合作关系则主要来自区域内部以及与北部沿海城市的区域间联系。综合上述结果可见，在绿色创新空间关联网络中，北部沿海、东部沿海、南部沿海区域内部的城市间合作比较频繁，而北部沿海与东部沿海地区之间存在紧密的協作关系，南部沿海与这两个地区之间的关联关系相对较弱。对于东北、西南、西北等绿色创新水平相对落后的地区，区域内部的城市合作关系较少，而受到北部沿海、东部沿海城市的影响较深，而南部沿海城市对于这些落后地区的影响较弱。

表2报告了度数中心度前10位城市的嵌套结构分解结果，其中报告了每一城市在区域内部空间关联网络中的度数中心度，同时报告了其联系最为密切与最为稀疏的外部区域。北京市在区域内部空间关联网络的度数中心度为513.76，即平均而言北京与北部沿海地区其他城市的合作项目数超过513项。而北京市与东部沿海地区城市的区域间平均合作数量为896.92，相较于同区域城市北京市与东部沿海城市的合作交流更为频繁。对于样本内的多数城市，与北部沿海地区的区域间合作往往超过了与同区域内城市的合作，这一现象主要归因于北京市在绿色创新空间关联网络中所发挥的核心效应。此外，西南、西北地区城市位于网络边缘位置，这些城市不仅与同区域内城市的合作数量较少，区域间合作同样较为贫乏。

3绿色创新空间关联网络的影响效应分析

为进一步识别绿色创新空间关联网络是否对我国城市绿色创新产生影响，将网络结构变量与空间计量模型相结合，从网络整体结构、个体节点位置等方面实证考察绿色创新空间关联网络对我国城市绿色创新的影响效应。首先构建如下包含网络结构变量的空间滞后模型：

式（8）中，被解释变量y为样本期内各城市绿色专利的累计授权量，α为截距项，空间权重矩阵W为行标准化后的创新合作权重矩阵，Wy为空间滞后项，Xi为控制变量，neti为网络结构变量，ε为误差项。网络结构变量与控制变量的选择如下所述（由于存在数据缺失问题，本部分在模型估计过程利用了276个城市2000—2017年的样本数据）。

3.1网络结构变量

网络密度den是衡量网络连接紧密程度的变量，网络结构熵se能够衡量网络异构性（为衡量不同网络密度与结构熵对于城市绿色创新的影响，论文选择以每一城市在其所属区域内部网络中的网络密度与网络结构熵作为解释变量）;度数中心度rd与介数中心度rb是衡量个体节点在整体网络中重要程度的变量，中心度高的城市具备较高的信息优势从而有助于对外部信息与内部知识进行整合，从而有助于提升自身绿色创新水平。

3.2控制变量

经济发展水平rGDP，以各城市实际GDP年均值进行表征;人力资本HC，以各城市每万人普通高等学校在校生人数的年均值进行表征;政府财政科技投入gov，用一般公共预算支出中的科学技术支出表征财政科技投入，以此衡量政府创新扶持力度;城市绿色环境意识green，以各城市建成区绿化覆盖率表征。

表3报告了计量模型回归结果。各类模型均具有较高的R2，拟合效果较好。根据模型估计结果，网络密度den的系数估计值为正值，且通过了1%的显著性水平检验，表明绿色创新空间关联网络对城市绿色创新产生显著的影响，空间关联网络密度的提升能够显著提高城市绿色创新水平。网络密度的提升意味着网络中合作关系增加，城市间绿色创新知识的相互溢出渠道增加，区域交流和联系增多，这将有助于提高各城市的绿色创新水平。

度数中心度rd的回归系数较高，且通过了1%的显著性水平检验。这意味着伴随各城市在绿色创新空间关联网络中与其他城市的联系越密切，将有助于其绿色创新水平的提升。介数中心度rb的回归系数估计值较高，且通过了1%的显著性检验，说明伴随介数中心度的提升，城市绿色专利数量将大幅增加。介数中心度提高的城市拉大了与其他城市的优势，能够通过城市空间关联网络更加准确的引导绿色创新协作关系的形成，有助于强化网络整体的空间溢出效应，从而促进空间关联网络中各城市绿色创新水平的提升。因此，对于介数中心度较小且绿色创新水平较低的城市，可以通过提升自身在创新空间关联网络中的活跃程度，加强与其他省份之间的间接联系，以此提升自身的绿色创新水平。

对比模型估计结果，可以发现介数中心度的回归系数远大于度数中心度，产生这一现象的原因在于：①介数中心度衡量的是在其他城市间发挥中介作用的能力，度数中心度衡量的是与其他城市连接关系数，相比之下介数中心度的提升更加困难而度数中心度的提升相对容易。②伴随度数中心度的提升，个体城市与其他城市的联系加强，能够在一定程度上增强空间溢出效应。而伴随介数中心度的提升，不仅是个体城市与其他城市的联系增强，而且由于介数中心度高的城市能够发挥中介平台的作用，促进其他城市间创新协作关系的产生，提高了整体网络的连接强度与空间溢出效应，能够更加有效的提升城市绿色创新水平。

4结论与政策建议

基于绿色专利联合申请信息，构建了城市绿色创新空间关联网络，利用复杂网络分析方法对网络整体结构特征与嵌套结构特征进行分析，并进一步揭示了绿色创新空间关联网络的影响效应，识别网络整体结构与个体节点网络位置在城市绿色创新水平提升中所发挥的作用。主要结论如下。

4.1城市绿色创新合作呈现典型的网络结构，网络中存在较为活跃的绿色创新协作关系

在整体网络中，样本城市间绿色创新协作关系的平均数为2.04，整体网络的结构熵测度结果为3.48。从度数中心度的分布特征来看，城市绿色创新空间关联网络呈现典型的幂律特征与极化分布趋势，网络中仅少部分城市（北京占据核心主导位置以及南京、杭州、上海、武汉、深圳等城市）拥有较强的影响力，绝大多数城市则位于网络边缘位置。介数中心度分布的非均衡特征更加明显，仅少部分城市能够在网络中发挥绿色创新知识转移中介作用。

4.2城市绿色创新空间关联网络呈现出典型嵌套性結构

研究构造了一种新的网络结构特征嵌套分解方法，能够将绿色创新空间关联网络分解为不同的子网络，进而可以考察不同子网络以及各城市节点在其中的位置。通过嵌套结构分解，识别了不同区域内部关联网络与区域间关联网络的网络密度，并分别考察了每一城市在不同子网络中的度数中心度与介数中心度，确定了与每一城市关联关系最为紧密的外部区域。

4.3构建空间计量模型考察了绿色创新空间关联网络的影响效应

从网络整体结构、个体节点位置等方面实证考察绿色创新空间关联网络的结构特征对于城市绿色创新的影响效应。模型估计结果表明，绿色创新空间关联网络对城市绿色创新水平的提升存在显著的影响，绿色创新空间关联网络密度的提升能够显著提高城市绿色创新水平。度数中心度与介数中心度的提升能够使各城市在创新空间关联网络中与其他城市的联系越密切，更加有效的汇集来自其他城市的创新资源，进而有助于城市绿色创新水平的提升。

上述研究结果对于我国城市绿色创新水平的提升具有一定启示作用。①为推动城市绿色创新发展，在相关政策的制定和实施过程中不仅要考察各城市自身的属性特征，也要更加重视绿色创新的城市间合作。对于度数中心度较小且绿色创新水平较低的城市，可以通过加强与其他省份的创新联系有效促进其绿色创新水平的提升。对于介数中心度较小且绿色创新水平较低的城市，可以通过构建区域创新协作平台的方式提升自身在空间关联网络中的作用，加强与其他省份之间的间接联系，以提升自身的绿色创新水平。②从政策制定者的角度，需要根据城市创新发展现状以及基础背景的不同，积极引导高水平城市与低水平城市之间开展各类形式的创新协作交流，协助创新发展滞后的地区消化吸收核心城市辐射效应，形成良好的区域间协同创新机制。充分发挥核心城市的“示范效应”与“带动效应”，通过核心城市带动边缘城市、优势地区带动落后地区的方式为我国绿色创新的整体提升打下坚实基础。

参考文献

[1]FOSTERC，GREENK.Greeningtheinnovationprocess[J].Businessstrategyandtheenvironment，2000，9（5）：287-303.

[2]RENNINGSK.Redefininginnovation：eco-innovationresearchandthecontributionfromecologicaleconomics[J].Ecologicaleconomics，2000，32（2）：319-332.

[3]韩晶.中国区域绿色创新效率研究[J].财经问题研究，2012（11）：130-137.

[4]曹霞，于娟.绿色低碳视角下中国区域创新效率研究[J].中国人口·资源与环境，2015，25（5）：10-19.

[5]罗良文，梁圣蓉.中国区域工业企业绿色技术创新效率及因素分解[J].中国人口·资源与环境，2016，26（9）：149-157.

[6]齐绍洲，林屾，崔静波.环境权益交易市场能否诱发绿色创新：基于我国上市公司绿色专利数据的证据[J].经济研究，2018，53（12）：129-143.

[7]KNELLERR，MANDERSONE.EnvironmentalregulationsandinnovationactivityinUKmanufacturingindustries[J].Resourceandenergyeconomics，2012，34（2）：211-235.

[8]CAIWG，ZHOUXL.Onthedriversofeco-innovation：empiricalevidencefromChina[J].Journalofcleanerproduction，2014，79（15）：239-248.

[9]宋旭光，赵雨涵.中国区域创新空间关联及其影响因素研究[J].数量经济技术经济研究，2018，35（7）：22-40.

[10]王崇锋.知识溢出对区域创新效率的调节机制[J].中国人口·资源与环境，2015，25（7）：77-83.

[11]刘华军，杜广杰.中国雾霾污染的空间关联研究[J].统计研究，2018，35（4）：3-15.

[12]刘华军，何礼伟.中国省际经济增长的空间关联网络结构：基于非线性Granger因果检验方法的再考察[J].财经研究，2016，42（2）：97-107.

[13]罗鹏，李永立，吴冲.利用网络结构熵研究复杂网络的演化规律[J].复杂系统与复杂性科学，2013，10（4）：62-68.

[14]OPSAHLT，AGNEESSENSF，SKVORETZJ.Nodecentralityinweightednetworks：generalizingdegreeandshortestpaths[J].Socialnetworks，2010，32（3）：245-251.

[15]黄丽亚，霍宥良，王青，等.基于K-阶结构熵的网络异构性研究[J].物理学报，2019，68（1）：325-336.

（责任编辑：李琪）