长三角城市群科技创新合作的空间关联网络特征及影响因素分析

王守文，赵 敏，章杰嘉，余思明

（三峡大学a.法学与公共管理学院；b.经济与管理学院；c.电气与新能源学院，湖北 宜昌 443002）

0 引言

为了增强科技创新的发展动力，国家通过构建区域创新合作网络，将同一区域范围内同规模、不同职能的城市依靠交通、信息等网络联结成相互依存且空间分布有序的城市空间网络，以此促进各类要素合理流动和高效集聚[1]。中心城市和城市群成为承载发展要素的主要空间形式，科技创新的空间关联成为当前学界研究的热点问题，相关学者研究了粤港澳等城市群内部科技创新的空间关联及驱动机制[2]。已有研究发现，来自专利中的技术知识（技术）与来自论文中的科学知识（科学）是科技创新中的两种重要知识来源[3]，只有将基于科学的创新和基于技术的创新结合起来，才能实现技术科学的原始创新功能、集成创新功能、二次创新功能及潜在创新功能[4]。由于数据来源的局限性，鲜有学者从“科学创新”与“技术创新”这样一组二元创新知识视角来探讨区域科学创新与技术创新合作空间关联网络结构的整体特征及时间演变趋势。长三角城市群是“一带一路”与长江经济带的重要交汇地带，在国家现代化建设大局和开放格局中具有举足轻重的战略地位。研究长三角城市群城市间协同创新空间关联网络的特征及其动态演化，能对制定城市群协同创新政策，引领中部崛起以及推动长江经济带协同高质量发展战略的实施提供有价值的决策参考。

基于上述分析，本文以长三角城市群的创新合作空间关联为研究对象，从“科学创新”与“技术创新”两个视角出发，结合我国国情和实际需求，探讨区域内部不同类型创新合作空间关联网络结构的整体特征及时间演变趋势，探究影响城市创新发展的相关因素，以期为城市网络空间功能提升、区域经济优化和一体化发展提供对策建议。

1 研究设计

1.1 不同类型创新合作空间关联网络的构建

本文选择引力模型从“科学创新”与“技术创新”两个视角确定长三角地区城市科技创新合作空间关联关系。为增强该模型的适用性，本文加入科学技术支出及R&D人员数对其进行修正，如式（1）和式（2）所示：

其中，i、j表示城市，i与分别表示科学创新（POSI）与技术创新（POTI）视角下长三角地区不同城市i、j之间的创新合作关联强度，基础科学的内涵是科学家在研究型高校或机构中自由选择所研究的科学问题，其研究产出的表现形式以出版物为主，其成果的体现主要是基础研究论文[4]。科学合作增长的一个重要标志是合著文献的增多[5]，因此，本文以论文合作数据作为基础科学研究的分析指标，选取在SCI 来源期刊、EI 来源期刊、核心期刊、CSSCI 以及CSCD 的高质量合著量作为论文合作数据，通过高级检索中作者单位的并列选择，得到长三角地区城市之间两两合作的高质量论文数，并将两个合作城市与剩余25 个城市的高质量论文合作数进行叠加，得到该城市在长三角地区的高质量论文合作总数，用以表征其科学创新合作水平。技术科学是从自然科学与工程技术结合产生的、具有科学基础的工程技术理论，利用专利、商标或版权等形式将技术科学进行商业转化，具体表现是专利数量[6]，因此，本文利用发明专利合作申请数据为专利合作数据，记录每年两个城市之间合作申请的发明专利数量，并将两个合作城市与剩余25 个城市的发明专利申请数进行叠加，得到该城市在长三角地区的发明专利合作申请总数，用以表征其技术创新合作水平。

将样本考察期间基年关联矩阵中所有元素的平均值作为切分值，根据“均数法原则”，对关联矩阵进行二值化处理，建立城市间创新合作空间关联矩阵。若关联矩阵中元素大于或等于该切分值，则表明两个城市之间创新合作关联度较强，赋值为1；若小于该切分值则表明两个城市之间创新合作关联度较弱，则赋值为0。

1.2 空间关联网络特征的测度方法

本文采用网络密度、网络关联度、网络等级度、网络效率4 个整体网络结构指标和点度中心度、接近中心度、中间中心度3 个个体网络指标对长三角地区科技创新合作的空间关联特征进行研究。

本文采用块模型方法从板块内部创新合作关联系数占该板块内外关联系数总额的比例、板块间创新合作关联结构两个方面将长三角地区空间网络关联划分为净受益、净溢出、双向溢出、经纪人四大板块。

1.3 区域创新合作发展空间关联的影响因素与模型建立

根据已有的研究发现地理邻近、开放投资水平、人力资本、资源存量、教育支持、经济发展与信息化程度是影响创新合作的重要因素[7—9]，本文基于七大影响因素构建区域创新合作发展空间关联因素模型：

其中，RC1与RC2分别为2019年POSI视角下与2019年POTI视角下区域创新合作发展的空间关联矩阵；GE、OP等为与变量相对应的10个对称差异矩阵，变量说明如表1所示。

表1 长三角区域内部创新合作发展空间关联的影响因素与变量

1.4 数据来源与处理

本文选取2010—2019年发表在SCI来源期刊、EI来源期刊、核心期刊、CSSCI以及CSCD的高质量合作量作为论文合作数据表征科学创新合作水平，通过高级检索中作者单位的并列选择，得到长三角地区城市之间两两合作的高质量论文数据，数据来源于中国知网和WOS数据库；技术创新合作水平数据源为大为（INNOJOY）专利搜索引擎数据平台。长三角地区城市层面的实际利用外资金额、固定资产投资、城镇单位从业人数等基础数据来自相应年份的《中国统计年鉴》《中国科技统计年鉴》《中国城市统计年鉴》及各城市统计年鉴，其中缺失数值采用平滑指数法补齐。

2 区域创新合作的空间网络结构分析

2.1 整体性分析

为了更加直观地展示长三角地区区域创新合作联系的紧密程度，利用Ucinet 软件下的可视化工具NetDraw 绘制区域创新合作空间关联网络图，由于创新合作引力具有双向性、非对等性，因此表现为有向网络。下页图1 为科学创新合作空间关联网络图，下页图2为技术创新合作空间关联网络图。可以发现，虽然2010 年科学创新合作空间关联网络比技术创新合作空间关联网络更为复杂，但2019 年技术创新合作网络结构复杂度明显攀升，且没有城市游离在空间关联网络之外，长三角地区技术创新合作势头强劲，呈现较快的发展态势。

图1 科学创新合作空间关联网络图

图2 技术创新合作空间关联网络图

2.1.1 网络密度

图3和图4分别描绘了长三角地区科学创新合作和技术创新合作空间关联关系数和网络密度。可以发现：（1）科学创新合作网络空间关联关系数由88条（2010年）增长到171 条（2019 年），网络密度则由0.1354 增加到0.2631。（2）技术创新合作网络空间关联关系数由75条（2010年）增长到267 条（2019 年），网络密度则由0.1154 增加到0.4108。（3）对比分析发现：从时间演变角度来看，双视角下区域创新合作网络中各节点之间的联系均趋于紧密，但技术创新合作网络整体增长幅度明显更大。根据具体数值，双视角下各年份的网络密度最大值均小于0.5，表明长三角地区科学创新与技术创新合作联系仍有较大提升空间。

图3 POSI下关联网络密度与关系数

图4 POTI下关联网络密度与关系数

2.1.2 网络关联性

图5和图6分别描绘了长三角地区科学创新合作与技术创新合作的网络关联度、网络等级度与网络效率。（1）科学创新合作网络关联度整体呈上升态势，2014 年后趋于平稳，数值保持在0.9以上；网络等级度在波动中呈下降态势，由0.7272（2010 年）下降到0.6875（2019 年），说明网络结构得到改善，区域协同化进程推进；网络效率同样呈下降趋势，但数值波动较小，由0.7857（2010 年）下降到0.7667（2019年）。（2）技术创新合作网络通达性逐渐变强，各城市之间专利合作紧密；网络等级度与网络效率均在波动中呈下降趋势，网络稳定性逐步增强。（3）对比分析发现：从动态演化趋势来看，科学创新合作网络关联性各指标波动较技术创新合作更为平缓，技术创新溢出渠道更多，区域协同创新趋势更明显。

图5 科学创新合作网络关联度、等级度与网络效率

图6 技术创新合作网络关联度、等级度与网络效率

2.2 中心性分析

为揭示长三角地区创新合作网络的中心节点城市，对城市各项中心性指标进行计算，结果如下页表2所示。

表2 2019年长三角地区内部创新合作发展空间关联网络中心性分析

2.2.1 点度中心度

科学创新合作网络相对点度中心度均值为35.69，共有12个城市高于均值，其中南京、上海、杭州、苏州、无锡、常州、合肥排名靠前。技术创新合作网络相对点度中心度均值为53.23，同样有12 个城市高于均值，其中上海、南京、杭州、合肥、苏州、无锡、常州、宁波排名靠前。对比分析发现：双视角下排名靠前的城市大体一致，但具体顺序有一定差别。这些城市点出度较高，对其余城市的溢出效应较为明显。从创新合作空间关联关系的测度指标来看，这些城市经济社会发展水平高，科研人才资源丰富，科技经费投入比重高，因此创新合作活动更为频繁，且与其地理位置邻近的城市会受到一定的辐射作用。

2.2.2 接近中心度

科学创新合作网络相对接近中心度均值为37.31，共有16 个城市高于均值，超过总城市半数，南京、上海、杭州、苏州、常州、合肥相对接近中心度值均大于40，扮演中心行动者角色，受其余城市控制程度低。技术创新合作网络相对接近中心度均值为70.72，共有9个城市高于均值，按数值顺序依次是上海、南京、杭州、苏州、合肥、无锡、常州、宁波、南通。对比分析发现：科学创新合作网络中相对接近中心度位于平均值以上的城市更多，表明创新要素与资源分布更为均匀；科学创新合作网络的相对接近中心度均值高于技术创新合作网络，表明技术创新合作网络的创新资源更为聚集。

2.2.3 中间中心度

科学创新网络相对中间中心度均值为2.42，共有6个城市高于均值，依次是南京、上海、杭州、合肥、苏州和无锡，这些城市对科学创新资源有较高的控制权。技术创新网络相对中间中心度均值为1.95，共有7个城市高于均值，依次是上海、南京、杭州、合肥、苏州、无锡和宁波，这些城市拥有较多技术创新资源。对比分析发现：双视角下区域创新合作网络中科学、技术资源的主要城市大体一致。科学创新网络的相对中间中心度均值更高，表明科学创新网络中心节点城市的创新要素控制能力高于技术创新网络。

2.3 块模型分析

通过tabu 搜索算法，将26 个城市划分为4 个板块，各板块空间关联关系见表3。由表3 可知，科学创新合作网络关系总数为163，板块内部关系数为39，占比为23.93%，板块外部为124，占比为76.07%，表明科学创新存在明显的空间溢出效应。板块I接收关系总数为60，发出关系总数为110，发出与接收比值为1.83。其中内部关系数为30，向其他板块溢出关系数为80，内部联系较为紧密且有明显的溢出效应，属于内部紧密且净溢出板块；剩余板块类型分析同板块I，其中板块II属于双向溢出板块，板块III属于净受益板块，板块IV 属于近似孤立板块。技术创新合作网络关系总数为267，板块内部关系数为61，占比为22.85%，板块外部为206，占比为77.15%。板块I属于内部紧密且净溢出板块，板块II属于经纪人板块，板块III属于双向溢出板块，板块IV属于净受益板块。

表3 2019年长三角地区内部创新合作板块空间关联关系

将双视角下的板块间密度矩阵转化为像矩阵，见表4。结合像矩阵与表3 绘制四大板块间的关联关系图，直观展示板块内的城市分布与板块间的溢出效应，见下页图7、图8。科学创新合作网络板块I和板块III具有较强的空间关联，板块II 和板块IV 不仅内部空间关联较弱，而且与其他板块空间关联也较弱。科学创新合作网络板块I、板块II和板块III具有较强的空间关联，板块IV与板块I有关联，但整体关联性较弱。对比分析发现：双视角下板块分类不一致，科学创新合作网络具有近似孤立板块，而技术创新合作网络中存在主要起桥梁作用的经纪人板块；双视角下净溢出板块中城市相似，但双向溢出板块内城市完全不同。

图7 科学创新合作网络板块具体城市与相互关系

表4 2019年长三角地区内部创新合作板块间的密度矩阵与像矩阵

3 区域创新合作空间关联的影响因素分析

3.1 QAP相关性分析

运用Ucinet 软件，选择5000 次随机置换，双视角下创新合作空间关联网络与10个变量之间的相关性分析结果见表5。由表5可知：科学创新合作网络空间邻近、对外开放程度差异、投资水平差异、知识平台数量地区差异、文化程度地区差异、教育规模地区差异6个变量对科学创新合作空间关联结构产生较大影响；技术创新合作网络空间邻近、对外开放程度差异、投资水平差异、知识平台数量地区差异、文化程度地区差异5个变量会对技术创新合作空间关联结构产生较大影响。

表5 相关性分析

3.2 QAP回归分析

以双视角下的空间关联矩阵为被解释变量，各自的显著相关变量为解释变量，进行QAP 回归，结果见表6。由表6 可知，科学创新合作网络空间邻近、文化程度地区差异和知识平台数量地区差异的标准化回归系数均为正，显著性水平分别为1%、5%、10%；对外开放程度差异、投资水平差异和教育规模地区差异的标准化回归系数均为负，前两者的显著性水平分别为5%、1%，教育规模地区差异未通过显著性检验。技术创新合作网络空间邻近、文化程度地区差异和知识平台数量地区差异的标准化回归系数均为正，前两者的显著性水平分别为1%、5%，知识平台数量地区差异未通过显著性检验。对外开放程度差异和投资水平差异的标准化回归系数为负，均在5%的水平上显著。综合分析发现：双视角下相同解释变量的正负影响分类一致，表明科学与技术创新合作的影响因素相似，关联性较强。城市间空间地理位置越邻近，越有利于创新合作活动的产生；文化程度和知识平台数量地区差异对区域创新合作空间关联性具有正向影响。文化程度较高的地区具有更优质的人文环境区域，而知识平台数量更多的城市高等院校更多，前者吸引技术服务人员的涌入，后者吸引教育较为落后地区的学生流入，使城市间创新合作更紧密。对外开放程度与投资水平差异对区域创新合作空间关联性具有负向影响。对外开放可反映一个地区的开放合作能力，对外开放程度差异越大，地区进行合作的可能性也就越低。投资水平差异越大，则整体发展水平差异越大，不利于创新合作。

表6 回归分析结果

4 结论与启示

4.1 结论

本文运用修正的引力模型建立长三角地区创新合作的关联关系，并利用社会网络分析法研究了城市创新合作的结构特征。实证结果表明：

（1）整体网络层面，长三角地区科学创新合作与技术创新合作均呈现明显的空间关联结构，且其网络强度整体均呈现稳健的上升态势。在样本考察期间，科学创新合作的网络密度高于技术创新合作，但后者呈现更为明显的增长态势。

（2）个体网络层面，南京是科学创新合作网络各中心性指标排名第一的城市，在科学创新合作网络中具有较强的创新合作能力；上海、南京、杭州在技术创新合作网络各中心性指标中并列第一，在技术创新合作网络中具有较强的辐射作用。此外，苏州、无锡、常州、合肥、宁波5个城市在科学与技术创新合作网络中心性指标均排名靠前，同样属于中心节点城市。

（3）科学和技术创新合作网络中板块内的城市分布与板块间的溢出效应均与常规情况有所不同。具体如下：网络净溢出板块城市基本相似，上海、苏州、常州、南京、无锡、杭州均属于双视角下的净溢出板块城市角色；双向溢出板块和净收益板块城市间呈现跳跃式波动，南通、宁波、嘉兴由“科学创新”视角下的净受益板块转变为“技术创新”视角下的双向溢出板块，镇江、芜湖由“科学创新”视角下的双向溢出板块转变为“技术创新”视角下的净收益板块；近似孤立者板块城市相似。

（4）区域创新合作空间关联结构的影响因素相近。城市之间空间邻近、文化程度地区差异和知识平台数量地区差异对长三角地区内部创新合作空间关联表现为正向影响；对外开放程度差异、投资水平差异对长三角地区内部创新合作空间关联表现为负向影响。

4.2 对策建议

（1）优化创新合作网络空间关联结构。一是从整体宏观层面认识长三角地区内部创新合作空间关联网络结构。科学预判城市定位随时间的演化趋势，逐步打破地区之间科学技术研究合作隐形壁垒，完善创新要素的传递机制；二是加大合作投入力度，设立合作基金，形成合作共赢机制。根据整体性指标测算，网络密度虽呈现上升态势，但紧密化仍需加强，应将理论研究与现实区域情况相结合，积极落实各项创新政策，维持区域创新活力。

（2）不同城市要有科学和技术合作的角色定位认知。充分认识长三角地区各城市在网络中所扮演的角色以及定位的相似性，以针对性地制定区域创新政策。一是强化合作网络中心节点城市之间的联系，促进科学与技术的转化；二是中心节点城市依据地理邻近性与科学技术研究相似性分配对应发展较弱的城市，建立辐射带动机制，消除同类竞争；三是对于净溢出板块的城市，向其输送成熟的科学技术研究资源和体制制度，并强化其与剩余板块的交流合作活动，促进创新要素的高效整合。

（3）平台布局要有科学和技术的策略分类。政府部门在制定城市协同集聚发展规划时要做到统筹兼顾，加强引导，明确科学创新与技术创新交流合作的中心平台，并根据两类合作网络的创新要素溢出路径，制定不同平台布局政策。基础研究平台（如国家实验室、国家重点实验室、大科学装置等）布局对标“科学创新”视角；应用研究平台布局（如国家工程技术研究中心、高新技术产业平台开发区）对标“技术创新”视角，以提升创新资源的配置效率和流动力。