区域绿色技术创新产出网络演化及要素分析——来自长江经济带城市群的证据

邵 小 彧，翁 宗 源，苗 青 松， 刘 云 强

(1.武汉大学经济与管理学院，湖北 武汉430072；2.武汉大学中国中部发展研究院，湖北 武汉 430072；3.西南财经大学财政税务学院，四川 成都 611130;4.四川农业大学管理学院，四川 成都 611130)

0 引言

“十一五”规划实施节能减排战略以来，中国经济发展的绿色化程度初见成效，但资源约束趋紧、有效创新不足、区域差异大等问题并未从根本上得到解决[1]。转变经济发展方式，建立绿色低碳循环经济发展体系是实现可持续发展的必然选择。伴随着知识经济时代的到来，中国新时代下经济发展方式的转变被赋予新要求，自主科技创新成为推动绿色发展的一条重要途径。因此，只有构建“循环可持续”的绿色生产方式，坚持低碳发展的基本要求，抢占绿色技术创新的制高点，才能实现国家及区域经济的绿色转型和创新发展。

国内外学者关于绿色技术创新的概念界定并不统一，主要着眼创新特征和生产过程两个角度[2,3]。结合研究实际，本文将绿色技术创新定义为：为促进经济高质量发展、资源要素节约和环境保护的技术创新，具体表现为不同地区制定和实施绿色创新发展政策，推动污染降低和节能降耗等项目开展而进行的创造性活动，包括技术硬件和软件(如制度设计与操作方法)等方面的创新。企业是绿色技术创新的重要主体，因技术创新产出与专利申请数相关[4]，国内研究多利用企业绿色专利探讨绿色技术创新的意愿、规则手段的影响、外部效应等[5,6]，从区域特别是城市角度对绿色技术创新产出的探讨相对较少[7]。国家知识产权发布报告指出，2014-2017年中国绿色技术创新活力不断凸显，以国内高校和国外企业两大主体为代表。而更高层次和更紧密的合作创新更能促进区域间要素流动[8]，更大程度地带来区域创新扩散和溢出，因此，从实现绿色发展的角度出发，分析城市群绿色技术创新尤为必要。

城市群作为重要的区域创新系统，能强化和培育创新策源地，有利于促进区域创新资源的优化和整合[9，10]。随着交通和基础设施的完善，时空距离缩短背景下各创新主体和要素跨区域流动频繁，城市群的空间结构呈现更复杂的网络化特征。关于城市群网络的研究主要集中在机理分析、结构特征和演化、动力机制分析等方面[11-13]，多选取VAR模型[13]、引力模型[14]、社会网络分析[15]和连锁网络模型[16]等进行网络构建，多关注城市群中细分产业创新或协同创新关联网络的构建和结构分析，对于长三角和京津冀城市群的探讨比较全面[17,18]。近年来，创新网络演化的影响机制研究备受关注，学者们普遍认为创新网络的演化受内外生动力机制和其他组织机制的影响[19]，其中网络结构内生效应和多维邻近性是网络自身的驱动[20,21]，而网络组织要素特征和网络环境则为网络的动力机制[22]。网络组织要素特征通常涵盖要素的规模大小、中心度和关系属性等方面，不同的要素特征对于创新网络演化的作用机理存在差异。大规模和构成复杂的组织相较于小规模和构成单一的组织更易于集聚并促进当地创新网络的发展，其中子群凝聚力发挥重要作用[23]。具有较高地位的组织要素由于吸收能力和资源转移能力等优势，承担了知识流动网络中的核心角色，通过加强与不同层级要素的沟通和联系，有利于促进创新网络整体水平的提升[24]。

“十三五”规划中提及加强城市群建设，发挥核心城市的辐射作用，加快发展中小城市。依靠黄金水道打造的长江经济带是我国经济增长的重要支撑，涵盖长三角、长江中游和成渝三大城市群100多个城市。根据《长江经济带绿色发展报告(2017)》，2011-2015年长江经济带绿色发展水平稳步提升，平均增速达2.67%，但长江经济带绿色创新和生态治理的协调关系存在显著空间差异[25]，如何促进长江经济带各城市绿色协同发展，构建区域生态保护协同网络，是各级政府面临的重要问题。然而，目前国内关于长江经济带城市群绿色技术创新的研究较少，一些学者结合专利数据从沿线城市群绿色创新能力评价、科技创新与绿色发展耦合协调的角度展开探讨[26,27]，或直接针对单一城市群绿色技术创新的时空演化格局和驱动因素展开分析[7],但缺少对不同城市群绿色技术创新的关联分析和网络结构对比。因此，本研究在倡导绿色创新发展理念的背景下，从区域要素集聚和区域联系的角度切入，利用修正的引力模型构建关联矩阵，选用社会网络分析探讨三大核心城市群绿色技术创新网络整体及内部个体的结构特征，以期揭示长江经济带绿色技术创新产出的空间关联特性和协作水平，为区域创新资源整合和协同发展提供理论参考。

1 研究方法与数据来源

长江经济带中城市节点之间绿色技术创新的相互作用构成空间上的联系，抽象表现为绿色技术创新关联网络，往往需要借助社会网络分析进行探究，该方法将“关系”作为基本分析单元，确定“关系”是关键[28]。目前研究多以引力模型、连锁网络模型以及VAR模型下的格兰杰因果检验确定节点间的关系。其中，连锁网络模型衡量空间联系的精度不足，且未考虑调整因素，导致测度结果不够系统；VAR模型不能体现网络结构的变化趋势，且对滞后阶数要求较高[29]；而引力模型能动态、简洁地表示各节点间的联系，已广泛应用于社会网络研究。因此，本文采用引力模型构建长江经济带的联系强度矩阵，以确定长江经济带108个城市之间绿色技术创新的总体作用关系，并进一步选取经济带中典型的三大城市群(总计78个城市)展开网络结构分析。

1.1 模型构建

1.1.1 区域绿色技术创新产出空间关联关系的确定 区域创新空间联系是指创新主体寻求创新联系伙伴、密切双方交流和合作、促使创新要素动态流动而产生的空间联系，但创新溢出会随着空间距离增加而衰减，因此，探讨地区之间创新产出的空间关联关系有必要确定地区间创新联系强度。长江经济带各城市的地理位置关系、人口数量、经济发展水平差异等会影响区域空间联系的强度，而面板数据能反映联系的时空演化，可借鉴经济动力学的引力模型对城市间的绿色技术创新产出联系进行测算。本文借鉴牛欣等[30]修正的引力模型，考虑绿色技术创新关联有向性，综合科研资金投入、科研人力投入以及创新环境对绿色技术创新的影响，测算长江经济带各城市间绿色技术创新产出的联系强度。由于创新产出会受到创新投入的影响[31]，需要对绿色技术创新产出进行修正，使产出关联的测度更精确。城市间的创新联系是双向和不对等的，因此学者常采用引力常数反映这种联系。基于王欣等[32]的实证研究，将修正指数视作表征经济结构的因素，同时不少学者已经证明地区经济水平、研发投入等与创新水平呈正相关。因此，在综合可得数据的基础上，选择城市i的人均收入与关联城市j及城市i本身的人均收入之和的比值作为引力常数。计算公式为：

(1)

式中：Tij为长江经济带中城市i、j之间的绿色技术创新产出联系；Kij为修正引力常数；πi为修正系数，主要包含3个二级指标(创新资本投入Ei、人力资本投入和储备Fi、创新环境支撑Gi分别是各子指标标准化后采用熵值法赋权求得的加权平均值)和11个二级子指标(表1)；科研人员是创新的主体和执行者，是重要测度指标，本文用Pi(Pj)表示城市i(j)的科研人员规模；Mi(Mj)为城市i(j)绿色技术创新产出水平，本文用每百万从业人口拥有的绿色专利(含绿色发明专利、新型实用专利)申请受理数表征。

表1 修正系数指标Table 1 Correction coefficient indexes

1.1.2 城市群视角下绿色技术创新关联网络结构特征探究 本文基于引力模型测度城市之间的绿色技术创新联系，并记录城市之间的引力值数据，而后计算出各城市群内的引力值平均值。对实际计算出的节点城市间引力值与其平均值相比较，若实际值大于平均值，则表示为1，反之为0，由此得到关联矩阵。在构建关联矩阵的基础上，选择网络密度、网络中心势从城市群整体角度分析绿色技术创新关联网络结构，选择中心度、结构洞和凝聚子群从城市群内个体城市角度分析绿色技术创新关联网络特征。

(1)绿色技术创新网络整体紧密度。引力模型计算得到的绿色技术创新关联矩阵为有向矩阵，故要探究并分析有向网络密度，计算公式为：

E=L/[n(n-1)]

(2)

式中：E为绿色技术创新网络密度；L为城市之间实际连接的数量；n为网络中节点城市的数量。

(2)绿色技术创新网络整体中心势。本文选取反映中心势的度中心性指标测度绿色技术创新网络中心化程度，点入(出)中心势表达式为：

(3)

式中：C为绿色技术创新网络点入(出)中心化程度；cmax为绿色网络中各城市点入(出)中心度的最大值；ci为城市i的点入(出)中心度。只有当网络为包含n个点的星形网络时，分母才达到最大值(n2-3n+2)。

(3)利用二值化后城市与其余城市的关联数总和衡量中心度测度个体的资源控制能力。度数中心度为基础的中心度，网络中节点城市的度数中心度等同于和该节点相连的其余节点的数量，本文用点出度(本城市绿色技术创新影响其他城市的程度)和点入度(本城市受其他城市绿色技术创新影响的程度)分别表示绿色技术创新关系“输出”和“输入”的程度。节点的中心度越大，表明其在整体网络中的中心地位越凸显。

(4)结构洞可衡量城市获取关键信息和机会的能力，计算公式为：

Cij=pij+∑piqpjq

(4)

式中：pij为城市i、j之间的直接引力值；∑piqpjq为城市i和j通过城市q间接相连的引力值之和；Cij表示城市i、j之间的引力值约束程度。

(5)凝聚子群是一种将网络节点分为小团体，从而研究子群之间关系的方法。本文首先通过CONCOR法分区，再分别测算各子群的密度，可得每个子群的密度矩阵。三大城市群代表3个区块，分别比较各区块中各子群密度矩阵中的值，大于该城市群整体网络密度的数值取1，反之为0，最终得到像矩阵。

1.1.3 城市群视角下绿色技术创新关联网络的影响要素 经济是推动绿色技术创新的基础，包括生产产出与资本投入；科技投入是提高绿色技术创新的直接动因，包括科技人力资本投入与技术投入；要素流动有利于创新关联的形成，可分为交通便利程度与信息化水平；此外，地理距离与空间关联联系紧密。综上，本文选取经济发展水平、科技投入、要素流动和地理距离为度量要素，构建城市群绿色技术创新空间关联矩阵：

S=f(EL,FE,NR,TD,TA,IL,GD)

(5)

式中：EL(地区生产总值差异)和FE(地方财政一般预算支出差异)表示经济发展水平差异；NR(科学研究、技术服务和地质勘察人员数量差异)和TD(工业固体废物综合利用率差异)分别表示人力资本投入和技术发展水平差异；TA(地区客运量差异)和IL(国际互联网用户数差异)分别反映交通便捷程度和信息化水平差异；GD为两城市间地理距离。

本文在利用二次指派程序(QAP)构建差异矩阵时，首先计算节点城市之间基础数据的绝对差异值，然后求出城市群内求倒的绝对差异值的平均值并与实际值对比，若实际值大于平均值则取1，反之为0。将两地之间的地理距离矩阵与平均值相比较，从而进行二值化处理。

1.2 数据来源

本文选取长江经济带108个地级市作为研究对象，以2007年、2012年、2017年为研究时点。绿色技术创新产出数据比照经合组织(OEDC)发布的“国际专利分类绿色清单”，以申请人地址、IPC分类号、专利类型等为条件，通过知识产权局专利信息服务平台检索获得；绿色技术创新产出引力计算的修正指标数据来自相应年份的《中国城市统计年鉴》，其中部分地区的宽带用户数来自《中国科技统计年鉴》，缺失数据主要利用线性插值法补齐。关联网络影响因素的分析数据来自2017年《中国城市统计年鉴》，两城市间的距离数据通过ArcGIS 10.8点图之间的距离计算得到。

2 实证结果分析

2.1 区域绿色技术创新关联网络初步刻画

结合修正的引力模型对绿色技术创新空间关联强度进行测算，采用ArcGIS 10.8软件以1、10、50和100作为分界点，将关联强度划分为弱关联、较弱关联、一般关联、较强关联和强关联5个等级区间[37]，同时设置弱关联的引力线为不可见(图1)。从时间角度看，长江经济带108个城市之间的绿色技术创新关联在不同年份有较大差异，绿色技术创新网络由简单向复杂转变，长三角地区和长江中上游地区的关联逐渐紧密，向西部拓展的深度增加，表现为内蕴外拓的发展趋势；从空间角度看，长江经济带绿色技术创新整体网络结构分布不均衡，层次性和区域性特点显著，关联强度和引力线密度大致从东向西递减。具体而言，2007年网络结构以弱关联为主，关联网络较单一，主要覆盖长三角地区；2012年关联网络以轴线为基础向西部地区延伸，辐射到成渝城市群，轴线周边中小城市的弱关联有所增强；2017年整个经济带关联网络的密集程度显著增加，弱关联逐渐转变为较弱和一般关联。长三角地区的网络结构初具雏形，基本覆盖周边所有中小城市，区域范围内绿色技术创新发展呈现一定程度的集聚，较强关联由60组增长到70组，一般关联组数高达244组。关联网络向中西部进一步延伸和拓展，其中合肥、宣城和芜湖等为加强长江经济带中上游地区与下游地区的沟通交流以及促进中西部欠发达地区承接东部发达地区的绿色技术发挥了重要作用。中游地区形成以长沙、武汉和南昌3个省会城市为多核心的放射状绿色技术创新网络，上游地区的绿色技术创新空间关联渐趋紧密，初步形成“锥形”关联网络结构。

图1 长江经济带绿色技术创新空间关联网络Fig.1 Spatial correlation network of green technology innovation in the Yangtze River Economic Belt

2.2 城市群视角下绿色技术创新关联网络结构特征

从城市群角度对绿色技术创新网络进行研究有利于深挖长江经济带绿色技术创新的问题，增强研究结论的适用性。本文从108个地级市中选取70个地级市，以发展程度相对成熟的长三角、长江中游和成渝三大城市群为主体进行探讨。

2.2.1 城市群整体绿色技术创新网络特征 分析长江经济带城市群的绿色技术创新网络整体结构是全面掌握三大城市群绿色技术创新网络发展水平的可靠手段，本文选取网络密度和网络中心势两个典型指标对整体网络特征进行探讨(表2)。

(1)绿色技术创新网络整体紧密度分析。2007-2017年长三角城市群关联节点数明显多于长江中游城市群及成渝城市群，但长三角城市群实际连接数相对于最大值而言依然较少。三大城市群最大可能关系数分别为650(26×25)、756(28×27)、240(16×15)，而研究期间三大城市群的实际关系数最大值分别为110(2017年)、94(2007年)、29(2007年)，同时，三大城市群中均有部分城市与其余城市未形成任何绿色技术创新关联。综上，三大城市群绿色技术创新关联仍有较大的上升潜力。由表2可知，2007-2017年长三角城市群网络密度总体呈上升态势，从0.131增至0.169，随着长三角城市群一体化的推进，区域之间的协同发展趋势向好。2007-2017年长江中游城市群和成渝城市群网络密度分别从0.124和0.121降至0.097和0.083，说明两城市群对绿色技术创新的重视程度不够，城市之间要素流动不充分，城市绿色技术发展受限。三大城市群的网络密度均较小，城市之间的绿色技术创新关联较弱，应通过调节网络内部结构加强城市之间关联。

表2 三大城市群绿色技术创新关联网络特征Table 2 Correlation network characteristics of green technology innovation in the three major urban agglomerations

(2)绿色技术创新网络中心性分析。由表2可知：三大城市群2012年的点入和点出中心势均低于2007年，其中长三角和成渝城市群的中心势下降趋势明显，说明该区域绿色技术创新趋于多元化发展，城市间差异较小。2017年成渝城市群绿色技术创新的网络中心势相比2012年增长明显，而长江中游城市群的点出中心势从65.302%降至55.281%，意味着成渝城市群从多核转变为单核绿色技术创新发展，而长江中游城市群绿色技术创新的辐射力减弱，对资源的吸引作用明显增强，说明城市群内部分地区凭借优势地位对周边地区逐渐形成“虹吸效应”。

2.2.2 城市群内部绿色技术创新网络特征 把握网络中各节点城市的结构特征可以更深入地剖析网络中存在的问题，有利于促进长江经济带绿色技术创新产出水平的提高和优化，本文选取网络中心度、结构洞和块模型展开分析。

(1)重点绿色技术创新城市分析。利用UCINET软件，由修正后的城市绿色技术创新引力矩阵计算得出三大城市群绿色技术创新网络中心度(表3)，由于长江经济带三大城市群内城市较多且数量不等，故只列出排名前5的城市。由表3可知，三大城市群点入度和点出度排名前5的城市基本一致，这些城市是绿色技术创新的焦点城市，其作为绿色技术创新资源的吸入地区，也承担着绿色技术创新发散的角色。2007-2017年长三角城市群内上海市率先成为创新网络的中心，之后贯穿苏州、无锡、常州和南京，逐渐形成一条狭长的绿色经济带。上海起初作为绿色技术创新的中心节点，绿色技术创新发展水平较高，一直处于长三角城市群的优势地位，后来其点出度逐渐大于点入度，对周边辐射和带动作用不断增强。2012年后杭州市的中心度数不断上升，点入度明显大于点出度，说明2011年杭州提出全面建设“生态城市”以来绿色发展成效显著，其坚持创新驱动，推动地区生态文明建设，倒逼产业转型升级，吸收和引进发达地区绿色技术转移；2007-2017年长江中游城市群点入度和点出度排名前5的城市顺序基本一致，中心城市武汉、长沙、南昌一直位居前3，说明中游地区核心城市的绿色技术创新对周边地区的影响和吸引作用均较强，其资源利用和创新驱动均处于较高水平；2007年和2012年成渝城市群点入度和点出度排名前5的城市顺序变化较大，2017年排名顺序较一致，3年点入度和点出度排名前5的城市均有成都、重庆、绵阳和德阳。其中成都的中心度一直处于较高水平，而重庆受区位因素限制，与成渝城市群内多数城市关联不够紧密，绿色技术创新的吸引力和辐射力有波动，成渝城市群绿色技术创新联系能力整体呈现出一定的空间固化特征。

表3 三大城市群绿色技术创新网络中心度Table 3 Centrality of green technology innovation network in the three major urban agglomerations

(2)城市绿色技术创新要素流动效率分析。结构洞反映两个节点城市之间的非重叠关系，网络中处于结构洞的节点城市具有天然的信息优势。本文利用UCINET软件测算网络约束系数(表4)以衡量节点城市形成结构洞时所受到的约束。由表4可知：1)2017年武汉、成都、南京、杭州的网络约束系数相对其他城市较低，表明这些省会城市更富有结构洞，其作为三大城市群中经济相对发达的城市，社会关系稠密，绿色技术创新水平高。2)长三角城市群中，2007-2017年上海周边的苏州、南通、嘉兴和舟山网络约束系数下降明显，区域范围形成紧密的创新协作关系；安徽省部分欠发达城市的网络约束系数较低，尤其是安庆、池州等城市的网络约束系数多在0.3～0.4之间，不同于联系稠密地区形成结构洞的模式，缘于安徽省整体的绿色技术创新能力不足，城市之间创新能力差距较大，绿色技术创新关联较弱，获得的非冗余信息相对少，因此结构洞数目更丰富。 3)长江中游城市群中，2007-2012年城市平均网络约束系数由0.438降至0.373， 2017年整体网络约束系数增至0.457，而中心城市武汉、长沙和南昌约束系数增长不明显，甚至有降低，说明核心城市周边的中小城市结构洞数目明显减少，冗余信息增多，要素易呈现单向流动。4)成渝城市群中，四川省广安、泸州、达州的网络约束系数整体呈下降趋势，缘于3市与重庆地理和文化邻近，近年来与重庆交流和联系较密切，通过创新资源和平台共享、项目清单敲定、产业基地协作共建、交通设施建设等加强川渝示范合作，共同推动成渝城市群一体化发展。

表4 三大城市群网络约束系数Table 4 Network constraint coefficients of the three major urban agglomerations

(3)绿色技术创新凝聚子群分析。基于2017年各城市群创新关联矩阵，利用UCINET软件进行块模型分析，得到三大城市群凝聚子群划分结果(图2)，进而得到简化“像矩阵”(图3)。图3中的数字代表子群编号，部分子群内部绿色技术创新联系密切，关联指向线从子群出发最终又指向子群，如长三角城市群中的子群3。凝聚子群与其自身以及其余子群之间的关系构成凝聚子群关系图，各凝聚子群在绿色技术创新网络中的作用不同，大体可分为4类。1)领导子群：如成都作为成渝城市群1号子群的唯一成员，其在绿色技术创新的输入和输出上均居主要位置，发挥着领导作用。2)桥梁子群：如长江中游城市群的1号子群以南昌为代表，与领导子群存在双向创新交流，同时与武汉联系密切。3)净输出子群：滁州、泰州、扬州等因邻近以南京为核心的创新子群，邻近子群对本子群内资源要素的吸引作用强，导致其绿色技术创新关联呈单向，子群的输入作用小于输出。4)孤立子群：长三角城市群中孤立子群较多，主要包括安徽省内的中小城市，其绿色技术创新的输入与输出作用不明显，可能受地理区位限制，加之配套设施落后，其提升空间较大；长江中游城市群部分子群联系频繁，此类子群主要以武汉、长沙和南昌为中心，三大核心子群输入作用均大于输入，形成绿色技术创新交流的小团体，对其余子群的带动作用较弱。结合网络中心性和重点创新城市的分析更印证了长江中游城市群的核心城市对周边地区的资源要素存在“虹吸效应”。综上，以上4类子群承担的责任和分工不同，因而三大城市群内网络结构具有较大差异，但各城市群内部的关联特征与整体基本一致。

图2 三大城市群凝聚子群划分Fig.2 Division of cohesive subgroups in the three major urban agglomerations

图3 三大城市群创新关联网络简化Fig.3 Simplified diagram of innovation correlation network of the three major urban agglomerations

2.3 城市群视角下绿色技术创新关联网络要素分析

2.3.1 城市群绿色技术创新网络回归分析 本文应用构建的7个自变量矩阵进行QAP分析(表5)。1)地区生产总值差异(EL)对长江中游和长三角城市群的正向影响较显著。长三角城市群的创新溢出效应较明显，呈现“多核心”蔓延趋势，部分经济发展较差的城市往往会选择模仿发展，承接周边发达地区的产业和技术转移，其创新能力和动力不足，绿色技术创新要素的需求低于供给，要素价格偏低。而长江中游城市群内中心城市对周边城市的“虹吸效应”较强，发达地区经济发展水平越高，越需要新技术驱动经济可持续发展，对绿色技术创新的需求越大；同时地区生产总值高的城市要素价格往往偏高，绿色技术创新要素在城市间的不同定价直接导致要素从边际收益率低的城市流向边际收益率高的城市。2)地方财政一般预算支出差异(FE)对三大城市群的影响不显著，说明其可直接促进区域内绿色技术创新，并非通过不同地区的预算差异形成的空间关联促进落后地区创新能力的提升。3)人力资本投入差异(NR)对三大城市群绿色技术创新关联产生的作用存在异质性。与汪彦等[38]的研究结论相似，长三角城市群中优势地区对人力资源的“虹吸效应”不强，人力资本不仅会直接影响本地的创新产出，还对其他城市产生辐射作用，促进整体创新水平提升；而成渝城市群中各城市人力资本投入水平差异较大，缺少要素沟通和知识交流优势，不利于技术的吸收和再转化，抑制了城市间技术创新的直接联系。4)技术发展水平差异(TD)对成渝和长江中游城市群的影响为负，但对长三角城市群的影响为正。城市群内绿色技术发展水平高的城市通过向发展水平低的城市提供绿色技术创新产出换取一部分绿色技术创新要素，导致绿色技术水平差异大的区域间能产生更强的协同作用。而长三角城市群内多数城市的技术水平较高，技术需求和产业结构相似，形成优势城市与落后城市间“创新—模仿”的竞合关系[39]；同时，受创新禀赋条件的约束，优势城市往往会选择与其更匹配的发达地区合作，不利于长三角城市群内长期的创新联系和合作。5)信息化水平差异(IL)对长江中游和成渝城市群的影响为正，并且显著影响长江中游城市群。主要是因为在互联网发展水平较低的区域，创新核心城市影响创新协同进程，因信息不对称产生逆向选择使区域关联紧密，促进资源的优化配置；而随着互联网的普及和快速发展，创新资本流动的正向作用较显著，信息化水平差异的减小更利于区域的协同创新[40]。6)地理距离(GD)和交通便捷程度差异(TA)对绿色技术创新空间关联的影响方向不同，且交通便捷程度的影响系数较小，对成渝和长江中游城市群的影响不显著。绿色技术创新要素的流动是提高创新效率、加快创新产出的推动因素，技术转移作为一种市场交易行为，空间距离短便于合作双方线下交易，促进交易合约的签订和转移行为的落实。不同地区之间技术传播会随辐射范围增大而衰减，即形成涟漪效应[41]，地理上的邻近往往更能促进地区创新关联，这与知识创新空间溢出的原理相同[42]。交通便捷程度的提升能打破地理距离的限制，推动要素流动，长三角城市群立体交通发达，城市间联系便利，交通条件对区域创新关联的正向影响较小。其次，城市客运量在一定程度上反映了该城市在政治、经济和文化上的活动总量，是衡量地区综合发展水平的重要指标，会驱使创新要素流动，促进绿色技术创新空间关联的提升。

表5 QAP回归分析所得各变量矩阵的回归系数及检验指标Table 5 Regression coefficients and test indicators of each variable matrix obtained from QAP regression analysis

2.3.2 稳健性检验 利用各城市群绿色技术创新均值作为空间关联关系衡量的标准，可能会因个别极值而拉高或降低整体的平均值，导致QAP回归结果存在一定偏差，因此，有必要更换关联关系确定的权衡标准进一步检验，通常检验指标选择在基础指标上下浮动一定比例。借鉴王俊等[43]的方法，以各大城市群绿色技术创新引力均值的120%和80%为权衡标准判定空间关联性,得出两个绿色技术创新空间关联的新矩阵；将这两个矩阵依次作为被解释变量开展回归，并与上述成果进行对比分析，发现自变量的置信度和系数均未出现急剧转变，表明回归结果稳健可靠。

3 结论与讨论

本文选取绿色专利申请数据、人均GDP、科研人数等关键指标构建引力模型，进一步从创新资本、人力资本和环境支持三方面进行修正，刻画了长江经济带108个城市绿色技术创新产出的空间关联网络。在此基础上，结合社会网络分析深入探究三大城市群绿色技术创新关联网络的特征和影响因素，得出以下结论：1)从区域整体角度看，2007-2017年长江经济带绿色技术创新关联不断增强，创新的热点区域中心化趋势明显，形成了以三大城市群为核心的基本关联格局。绿色关联网络的复杂性、层次性和区域性特点显著。经济带中绿色技术创新辐射和吸引力处于中心地位的城市主要集中在中下游，多为省会城市，因此，应适当将行政与经济区域分离，简化不必要的行政程序，推动绿色技术创新的合作化和一体化。比如在打造成渝双城经济圈的同时，促进内部地区合作平台建设，形成城市间“强—强”合作、“强—弱”带动、“弱—弱”结合等多种发展模式，提高绿色技术创新信息流动效率。2)从城市群整体角度看，随着时间推移，绿色技术创新发展模式由不均衡向均衡状态转变，但长三角城市群绿色技术创新仍呈现明显的极化发展态势，关联网络的密度较大，区域范围内趋于多元化发展。长江中游城市群与成渝城市群的绿色技术创新发展仍以本区域为中心，城市群内核心地区的绿色技术创新发展能力凸显。各城市群应做好内部角色定位，在优势互补的基础上，破除地区间行政和产业发展的传统壁垒，通过园区共建、校企合作等形式加强交流和沟通。3)从城市群内部角度看，长三角城市群绿色技术创新能力较强，苏州、杭州、无锡等均有望成为绿色技术创新中心城市，而安徽省部分城市形成了孤立子群；长江中游绿色协同发展尚处于初级阶段，整体关联不紧密，省会城市对周边城市资源的“虹吸效应”明显；成都是成渝城市群绿色技术创新中心，群内其他城市绿色技术创新能力较弱，缺少桥梁子群。因此，应合理规划绿色技术创新开发战略，找到有发展潜力的二级节点城市，优先加强对潜力城市创新人力和专项资金的投入支持，探索多层次、多方向的协作；其次，促进中心城市不断转型升级，在提高“优势团体”内部绿色技术交流的基础上，着眼“团体”外部知识的沟通，以提高绿色技术创新的整体水准。4)回归结果表明，地区生产总值、人力资本投入、技术发展和信息化水平对不同城市群创新关联的影响存在异质性，地理距离较远会抑制绿色技术创新的空间关联。因此，应以城市群为关键，促进长三角城市群产业结构优化，增强次级节点城市自主创新能力，实现技术互补；加强中上游城市群的交通基础设施建设，构建一条畅通的交通网络，增强群内对外创新联系能力。其次，立足城市群经济社会发展状态，促进要素在领先地区和落后地区间合理配置，提高资源利用效率。

鉴于绿色技术创新是由微观主体及其关系构成的复杂系统，本研究存在以下不足：横向上，未能对细分绿色技术创新领域的网络结构展开对比研究，依据国际绿色专利分类清单，绿色技术创新包含替代能源生产、废物利用、能源节约等多个领域，不同细分领域的网络结构特征可能存在异质性；纵向上，探讨城市群绿色技术创新关联网络结构特征，可进一步利用专利合作和转移数据分析不同层级嵌套的网络关系；此外，可从关联特征的影响因素展开进一步分析，并考虑高铁建设、区域合作等变化带来的影响。