不同尺度下黄河流域城际创新网络演化及其影响因素分析

张 筱 娟,陈 雯,段 诚,张 雨 萱,张 蓝 心

(湖南财政经济学院经济学院,湖南 长沙 410205)

0 引言

2016 年习近平总书记对深入推进新型城镇化建设作出重要指示,指出要“坚持以创新、协调、绿色、开放、共享的新发展理念为引领,促进中国特色新型城镇化持续健康发展。”党的十九大报告进一步强调,“必须坚定不移贯彻创新、协调、绿色、开放、共享的发展理念”,其中创新位居新发展理念之首。黄河流域是我国重要的生态保护屏障和经济发展带,如今面临区域经济发展不平衡、生态环境脆弱、水资源短缺、水环境污染等突出问题[1-4]。为促进黄河流域生态环境建设和高质量发展,2019年9月习近平总书记明确提出将黄河流域生态保护和高质量发展上升为重大国家战略。在此背景下,研究黄河流域创新网络演化特征及其影响因素,对提升区域创新水平、促进高质量发展具有重要的现实意义。

近年来,关于区域创新网络的研究成果颇丰:从研究对象看,涵盖全国市域[5-9]、长三角[10-16]、京津冀[17,18]、长江经济带[19,20]、粤港澳大湾区[21-23]、成渝城市群[24]、长江中游城市群[25,26]等诸多区域,其中以长三角居多;从区域创新衡量指标看,通常采用专利合作申请(授权)数、论文合作数及基于多维度指标构建创新评价指标体系;从研究方法看,引力模型、社会网络分析(SNA)是测度区域间创新联系的主流方法,其中SNA的常用指标包括网络密度、网络中心性、块模型以及核心—边缘结构等,用于分析创新网络的整体特征、网络中心性、小世界特性等;从创新联系影响因素看,主要基于多维邻近视角选取地理邻近、经济邻近、产业结构邻近、技术邻近以及制度邻近等指标分析其对创新联系的影响,实证方法主要为QAP回归分析、负二项回归模型等。由于研究范围、指标选取以及实证方法各异,不同影响因素对区域创新联系的作用仍未达成一致结论。

综上可知,创新网络研究涉及的空间尺度较广泛,多聚焦区域内部城市之间的创新联系,对区域内部与外部城市之间创新联系关注不够,难以揭示事物发展的全貌,且鲜有文献关注黄河流域的创新网络联系。近年来,我国数字经济发展迅速,数字化情境下创新网络呈现出创新主体日趋丰富、主体间边界欠稳定、网络结构松散化、网络规模与异质性不断扩大等特点[27]。有学者认为,信息通信技术的迅速发展使地理因素导致的合作障碍被逐渐破解[28],创新合作对地理邻近的依赖性减弱,提出“地理不再重要”“地理死亡论”等观点。因而,需进一步检验地理距离对城市间创新联系的影响。此外,经济发展水平差异、制度差异等因素对创新联系的影响也表现出区域异质性。基于此,本研究以黄河流域城市为研究对象,基于区域内部和全国两种尺度视角,采用专利联合申请数据,结合社会网络分析中的网络密度、网络中心性等方法探究黄河流域创新空间关联网络结构特征及其演化规律,并结合QAP回归分析方法识别影响黄河流域创新联系的因素,以期为黄河流域区域一体化建设提供参考。

1 研究区域、方法与数据来源

1.1 研究区概况

黄河流域涵盖青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南和山东9个省区,截至2018年底,黄河流域总人口为42 037万人,约占全国的30%,地区生产总值为238 565.79亿元,占比约为26%,但专利申请数和授权数分别为701 178、390 520件,占比同为17%,表明黄河流域整体创新水平偏低。其中,山东的创新能力较强,专利申请数和授权数分别为231 585、132 382件,宁夏、青海的创新能力较弱,专利申请数和授权数均低于10 000件。鉴于黄河仅流经四川北部少数地区,且2014年国务院印发的《关于依托黄金水道推动长江经济带发展的指导意见》将四川划入长江经济带,另内蒙古蒙东地区(呼伦贝尔、通辽、赤峰、兴安盟、锡林郭勒盟)属于“东北振兴”规划范围,本研究中黄河流域涉及范围不包括四川省及蒙东地区。考虑到区域属性数据的可获取性,本文仅选取黄河流域78个地级及以上城市作为研究对象。

1.2 研究方法

社会网络分析(SNA)是社会学领域较成熟的研究方法之一,近年来,不少学者引入该方法对区域创新、能源消费、国际贸易、人口流动等主题进行研究。本研究借助SNA方法中的网络密度、网络中心性探究黄河流域创新网络结构特性并利用QAP回归分析其影响因素。①网络密度,可衡量区域创新网络中各成员之间的联系程度,网络密度越大,说明创新网络中各成员的联系越密切。②网络中心性,用于判别各节点在创新网络中的中心性程度,通常采用点的度数中心度、中间中心度等指标度量:前者指网络中与某城市直接相连的其他城市的数量[29],点度中心度越高,说明该城市与其他城市的连线越多,在网络中处于中心位置;后者测度某节点城市在网络中对创新资源的控制能力,其值越高,表明对资源的控制程度越强[29]。③QAP回归分析,用于研究因变量与多个自变量之间的回归关系,构建模型如下:

R=f(g,e,i,c,s)

(1)

式中:R为因变量,表示创新联系,g、e、i、c、s为自变量,分别表示地理距离、经济距离、产业结构距离、科技支出距离和制度距离,用以衡量城市间空间因素、经济发展水平、产业结构、科技支出以及制度方面的差异。

1.3 数据来源

专利是衡量区域创新的常用指标,包括发明专利、实用新型和外观设计3种类型,其中发明专利的技术含量最高。结合文献[6,19]并遵循指标选取的科学性、可获取性等原则,本研究以发明专利申请数作为创新的代理变量。在中国专利公布公告网站采用Python爬虫程序检索专利申请数据,数据收集时间为2021年1月1日—2月26日。由于专利从申请到公开存在18个月左右的时滞,考虑到数据的可获取性及完整性,本研究仅节选2006年、2012年及2018年3个时间点进行研究。数据处理过程如下:①从数据库中导出专利申请年份为2006年、2012年和2018年,申请人为2个及以上的发明专利数据;②删除申请人为个人、个人与单一机构(企业、高校等)的专利数据;③剔除申请人地址不属于研究区域的专利信息,专利申请人所在地址结合天眼查、企查查、万象云等渠道进行补充。若某专利存在3位及以上申请人,则采用两两交叉的方式,统计两两之间的合作关系。将创新主体间的专利合作关系转化为城市间的创新联系,以城市为节点,以城市之间的专利合作次数为边,基于地方和全国视角,分别构建黄河流域内部城际创新网络以及流域内与流域外部城市(未包含港澳台)黄河流域—全国城际创新网络。区域属性数据来源于2007年、2013年和2019年《中国城市统计年鉴》、相关地级市国民经济和社会发展统计公报,对缺失数据采用插值法补齐。

2 黄河流域内部城际创新网络演化特征

2.1 创新网络规模及密度演化特征

借鉴Bathelt等[30]提出的蜂鸣—通道模型,将黄河流域内部城市之间的创新联系定义为蜂鸣,与黄河流域外部城市之间的创新联系定义为通道。采用Ucinet软件绘制黄河流域内部城际创新网络,统计网络密度等指标(表1)。①2006年与黄河流域其他城市建立创新联系的城市仅占流域内全部城市的29%,绝大部分城市在创新网络中处于孤立状态,未能参与黄河流域本地蜂鸣;2012年参与合作创新的城市(占比约85%)不断增多,网络规模逐渐壮大;2018年全部城市均参与合作创新,本地蜂鸣程度不断提升。②从网络密度看,黄河流域创新网络密度呈明显上升趋势,区域内部创新联系日益密切。2006年网络密度值仅为0.013 3,密度值偏低,说明该阶段创新网络稀疏,呈弱连接状态;2012年密度值增至0.175 5,创新联系有所强化;2018年密度值达到0.724 6,说明期间区域内创新联系增多,网络规模明显扩张,创新网络日益密集。

表1 黄河流域内部城际创新网络特征Table 1 Characteristics of intercity innovation network in the Yellow River Basin

2.2 创新联系空间分布及等级结构特征

2006年黄河流域内部创新联系总量排名前八位城市依次为郑州、安阳、西安、太原、济南、许昌、咸阳、兰州,创新联系总量占比约为74%,上述城市除安阳、许昌、咸阳外,均为省会城市,说明省会是创新网络中的重要引擎,存在一定辐射效应;2012年创新联系总量排名前八位的城市依次为青岛、济南、许昌、西安、郑州、银川、中卫、太原,以上城市创新联系总量占比约为64%,其中前四位城市创新联系总量占比为46%;2018年创新联系总量排名前八位的城市依次为西安、济南、郑州、青岛、太原、许昌、西宁、潍坊,创新联系总量占比降至57%。可见,省会和副省级城市在黄河流域创新网络中的辐射和带动作用明显。

基于城市间的创新联系量,采用ArcGIS 10.1软件绘制2006年、2012年和2018年黄河流域内部城际创新网络,采用自然断点法将黄河流域城市间的创新联系划分为高强度、中等强度和低强度3个等级(图1)。可以看出,黄河流域创新联系呈现“东南密集、西北稀疏”的特点,空间分布不均衡,城市创新联系高、中、低强度的城市对比例依次递增,呈“金字塔型”的等级结构。2006年黄河流域创新联系强度总体较弱,创新联系高强度的城市对为郑州—安阳,中等强度和低强度城市对基本为与兰州、太原、西安、郑州等省会城市建立的较稀疏的创新联系,少数城市对的创新联系发生在同省相邻地市之间,如东营—潍坊等;2012年创新联系高强度城市对为济南—许昌,中等强度城市对基本以青岛、西安、郑州、济南、银川等省会和副省级城市为中心,低强度城市对比例提升明显,连线增多;2018年创新网络更密集,覆盖范围更广,创新联系高强度的城市对包括西安—西宁、西安—许昌、济南—济宁、济南—青岛、郑州—三门峡、青岛—潍坊,中等强度城市对大幅增加,密集分布于东南区域,高强度与中等强度的创新联系主要发生在同省份内部、省会之间等。

注:基于自然资源部标准地图服务网站下载的审图号为GS(2020)4618号标准地图制作,底图无修改。图1 黄河流域内部城际创新网络Fig.1 Intercity innovation network in the Yellow River Basin

2.3 创新网络的中心城市及其辐射效应

结合点度中心度、中间中心度指标对黄河流域内部城际创新网络的中心性进行分析,限于篇幅,仅展示各指标排名前15位城市(表2)。可以发现,西安、济南、郑州与其他城市的创新联系较多,在黄河流域内部创新网络中处于中心位置,其中西安、郑州在网络中对创新资源的控制能力较强,扮演中介角色。

表2 黄河流域内部城际创新网络中心性Table 2 Centrality of intercity innovation network in the Yellow River Basin

从点度中心度看,2006年郑州的点度中心度最高,居于网络的中心地位,与其他城市的联系最多;其次是安阳、西安,在密切黄河流域内部创新联系中起关键作用,安阳主要与省会郑州产生创新联系;太原、济南、兰州等省会城市也具有较高的中心度。总体而言,中心度较高的城市大多为省会城市、省会邻近城市,其余绝大部分城市中心度很小甚至为零,说明这些城市相对较封闭,在创新网络中处于孤立状态。2012年青岛的点度中心度超过郑州跃居第一,在黄河流域创新网络中的重要性进一步提升,原因可能在于,在国家创新型城市中,青岛的创新能力位居前列,又具有良好的区位优势;济南、许昌以及银川等城市在网络中的地位有所强化,而郑州的中心性略有减弱。2018年点度中心度排名前三位的城市依次是西安、济南和郑州,西宁、太原、潍坊、兰州等城市的中心性明显提升,在网络中的作用更突出。

从中间中心度看,2006年西安的中间中心度最高,表明西安在黄河流域创新网络中的控制和支配能力最强,充当网络的中介;其次为太原、济南、兰州、郑州,是网络中的关键节点。2012年西安的中间中心度稳居第一,在创新网络中扮演中介和桥梁的角色;郑州、青岛、银川、呼和浩特等城市的中间中心度明显提升;中心度排名前8位的城市中,除青岛外均为省会城市,说明省会在网络中的控制和支配能力显著提升。2018年西安的中间中心度高达37.158,在创新网络中的支配能力进一步强化,原因可能为,西安作为我国西部地区重要的中心城市,科教智力资源丰富,具有承东启西、连贯南北的良好区位优势,同时也是“一带一路”的关键节点。

2.4 创新联系的地理邻近效应和等级效应

黄河流域内部城市间的创新联系表现出由近及远的接触式连接、依据城市规模等级进行的等级式连接以及二者相结合的联系模式。首先,创新联系表现出明显的地理邻近效应。如2006年与郑州产生创新联系的城市主要为省内的安阳、许昌、平顶山、新乡、周口等。地理邻近性不仅体现在某城市倾向于与省内城市建立创新联系,邻省的地级市对其同样具备吸引作用。此外,创新联系还存在等级效应,如新乡、淄博等城市均与本省省会城市建立联系,且存在地理相邻关系,与西安建立创新联系的主要是省内与其邻近的咸阳、渭南、汉中等以及济南、太原等省会城市,这从一定程度上印证了Hagerstrand提出的创新空间扩散具有邻近效应和等级效应的观点[31]。外省除省会城市外,省会邻近城市、山东沿海城市也具有一定的吸引力。

2012年城市间创新联系的邻近效应与等级效应进一步强化,在合作创新目标城市选择上,主要偏好于省内邻市、省内不相邻地级市、邻省城市、本省省会、外省省会、外省省会邻市、山东沿海城市等不同组合。相对而言,创新联系体量较大的城市辐射效应较明显,形成以其为核心的放射状创新网络,目标城市大多为省内邻市、本省省会、外省省会、山东沿海城市等类型;创新联系体量较小的城市创新联系方式较单一,在目标城市的选择上较保守,邻近效应更突出,多倾向于与本省省会、本省邻市、邻省地市建立创新联系,如新乡、周口、晋城、石嘴山、定西、吴忠、濮阳、包头、枣庄等城市倾向于与省会、邻市等省内城市进行合作创新;也有少数城市(如庆阳、临沂、渭南等)偏好与外省省会、山东沿海城市(青岛等)建立跳跃式创新联系。

2018年城市合作创新目标城市主要偏好于省内、外省省会、外省省会邻市、邻省地级市、山东沿海城市等类型,表现出一定的路径依赖性。以西安为例,主要与外省省会建立创新联系,同时与省内城市、邻省省会邻市、山东沿海城市均建立创新联系;西宁、太原、许昌、兰州、呼和浩特等城市的外向度较高,以省外联系为主;济南、郑州、青岛、潍坊等城市的创新联系集中于省内;定西、阳泉、忻州、乌海、漯河、嘉峪关、武威、平凉、酒泉、朔州、乌兰察布、铜川、庆阳等对外联系较弱的城市则倾向与省内城市(省会、邻市)、邻省省会及其邻市等建立联系,且以本省省会城市为主,合作城市间的地理距离相对较短,原因可能在于,省会的创新能级更高,更具辐射力。而对于一般地级城市而言,与邻近城市合作创新可能承担的成本和风险更低,也有少数城市选择与青岛等沿海城市建立长距离的创新联系。

3 黄河流域—全国城际创新网络演化特征

1)黄河流域跨区域创新合作通道增多,内外部创新联系稠密化。由黄河流域—全国城际创新网络统计指标(表3)发现,黄河流域内部与外部城市创新联系网络的节点数、网络边数均大于黄河流域内部创新网络对应数值,说明黄河流域城市合作创新的外向度不断提升。2006年黄河流域内部与外部城市创新网络的节点数为66个,网络边数为92条;2018年节点数和网络边数分别增至216个、961条,说明与黄河流域建立创新联系的城市呈快速增加趋势。2006年网络密度值为0.015 9,2018年增至0.211 4,约为2006年的13倍,表明黄河流域与流域外的创新联系程度不断增强。

表3 黄河流域—全国城际创新网络特征Table 3 Characteristics of intercity innovation network between the Yellow River Basin and the whole country

2)北京、上海、深圳等少数城市集中了绝大部分创新流,空间极化现象明显,黄河流域对外辐散范围不断扩大。根据自然断点法将黄河流域城市与流域外城市间的创新联系划分为高强度、中等强度和低强度3个等级,从城市对创新联系强度看,2006年城市创新联系高强度(频次为[10,24])、中等强度(频次为[4,9])、低强度(频次为[1,3])城市对占比依次递增。创新联系高强度城市对有5组,分别为北京—青岛、北京—西安、北京—洛阳、深圳—驻马店、西安—深圳,仅占城市对总量的5%,但集中了整个创新网络38%的创新联系量;创新联系中等强度城市对包括北京—兰州、北京—太原、北京—烟台、深圳—青岛、北京—济南、北京—泰安、西安—沈阳、上海—驻马店、上海—西安9对城市,高强度和中等强度14对城市占据了50%以上的创新流,说明北京、深圳的极化效应明显;北京—郑州、北京—淄博等创新联系低强度城市对共78组,约占城市对总量的85%,但创新联系总量占比不及50%。2012年创新联系高强度(频次为[131,284])城市对缩减至3个,分别为北京—东营、北京—青岛、北京—西安,中等强度(频次为[29,130])城市对增至22个,主要为北京、深圳、上海、南京、天津与黄河流域内的西安、济南、郑州、兰州、银川等省会城市之间的创新联系,低强度城市对占比高达94%,创新联系总量占比约为43%。2018年创新网络更密集,覆盖范围更广,中西部大量城市摆脱孤立状态,成为创新网络的新成员,网络形态朝复杂化方向发展。此外,北京的结网规模和能力大幅攀升,与黄河流域的创新联系不断强化,呈现出以北京为顶点向全国辐射的伞状结构形态。所有高强度(频次为[481,1 242])和中等强度(频次为[133,480])创新联系城市对均由北京与黄河流域城市之间产生,占比约为54%。总体而言,除甘肃、青海、宁夏的少数城市没有与流域外的城市进行合作创新外,流域内其余城市与外界均存在一定的创新联系。此外,黑龙江、广西、西藏、云南等省区参与合作创新的城市数量较少,与黄河流域创新联系薄弱。

3)以直辖市、省会、副省级城市为辐射中心,长江沿江与东部沿海城市构成的“T”形轴带是黄河流域重要跨区域合作通道。由中心度数值(表4)可知,北京、上海在创新网络中居于绝对核心地位,且在网络中充当中介,其余直辖市、省会、副省级城市为网络的次级中心,绝大多数城市在网络中的支配能力明显提升。①从点度中心度看,2006年点度中心度最高的是北京,其次为上海,在创新网络中处于中心地位,与黄河流域的创新联系最多,广州、成都、武汉、天津、无锡等城市是网络的次中心,在促进创新联系方面起着关键作用;2012年北京和上海的点度中心度仍位居第一、二位,中心度数值均明显提升,说明在网络中的中心地位得以巩固,武汉、天津、南京、苏州、长沙、合肥及大连等城市在创新网络中的连接作用凸显;2018年点度中心度排名前15位的城市基本保持不变,除苏州和无锡外,其余城市均为直辖市、省会、副省级城市,创新网络呈现出“多中心”空间分布格局。②从中间中心度看,2006年北京在创新网络中的中介作用最强,上海、广州、武汉、成都、无锡、杭州的中间中心度均大于0,说明这些城市在创新网络中具有一定的中介作用,而其余绝大多数城市的中心度为0,表明不具有中介作用;2012年北京依旧充当创新网络的中介和桥梁,且在网络中的支配能力明显提升,南京、天津、苏州、厦门等城市在网络中的中介作用凸显;2018年北京在创新网络中的中介作用依旧突出,成都、天津、厦门、镇江等城市中间中心度均有所提升,而南京在网络中的中介作用趋于弱化。

表4 黄河流域—全国城际创新网络中心性分析Table 4 Centrality analysis of intercity innovation network between the Yellow River Basin and the whole country

4)跨区域联系通道表现出明显的路径依赖,流域外省会和直辖市邻市、沿江滨海城市以及省域交界处的吸引力上升。①2006年直辖市、副省级(非省会)城市以及省会城市与黄河流域创新联系总量占比分别为56%、17%和19%,说明黄河流域对外创新联系表现出明显的等级效应;此外,与黄河流域建立创新联系的城市还包括省会和直辖市邻市、江苏沿江城市、江苏和浙江的沿海城市等。从目标城市看,黄河流域与北京、深圳、上海、广州的创新联系最多,而与合肥、马鞍山、厦门、东莞等城市的创新联系较薄弱;从联系源城市看,西安、青岛、洛阳、驻马店、兰州、济南等与流域外的城市联系密切。②2012年与黄河流域建立创新联系的城市数量增加,流域外的直辖市、省会以及副省级(非省会)城市创新联系总量占比分别为68%、13%和4%,与直辖市的创新联系占比小幅提升,表明直辖市的辐射效应逐步强化;同时发现黄河流域对外创新联系表现出一定的路径依赖性,省会、副省级(非省会)城市的辐射效应有所减弱,省会和直辖市邻市的近邻优势得以发挥,与黄河流域城市的联系强度有所提升,此外,江苏沿江沿海、浙江、广东、辽宁以及福建的沿海城市与黄河流域的联系进一步密切(值得一提的是,有些城市有多重身份,如泉州既是省会福州的邻市,又是沿海城市,按照优先顺序,记作省会邻市)。从具体城市看,北京、上海与黄河流域的创新联系加强,而深圳、广州相对有所弱化;从联系源城市看,青岛、西安、东营、济南、郑州等城市较活跃,是黄河流域与外部建立创新联系的重要节点。③2018年黄河流域与省会城市的创新联系占比进一步上升,说明省会的辐射效应逐步强化,副省级城市的辐射效应相对弱化。随着邻边经济迅速发展,省域交界处也成为黄河流域建立创新联系的重点选择对象,同时,黄河流域与江苏沿江沿海、广东、浙江、辽宁、福建等的沿海城市均建立了创新联系。从目标城市看,北京、上海、成都、深圳、天津、南京、杭州等城市与黄河流域联系密切;从联系源城市看,青岛、西安、东营、济南、洛阳、郑州等城市对外联系频繁。

4 多维距离视角下黄河流域城市创新联系的影响因素分析

4.1 研究假设与变量选取

1)地理距离:地理因素是影响区域间创新联系的重要变量,地理邻近有利于降低企业合作的信息、交易等成本[32-35],减少创新合作的阻碍,增进相关知识的传递[36],发挥知识溢出的正外部性[37]。随着全球化和数字化时代的到来,部分学者对地理邻近性存在的必要性提出质疑,认为区域间的合作创新对地理邻近的依赖性趋于弱化。因而,本研究以各城市质心间的欧氏距离表示地理距离,作为城市间创新合作的影响因素之一进行检验。

2)经济距离:针对经济距离对区域创新联系的影响也存在分歧。一种观点认为,地区间经济差距较大,说明两地在创新意识、创新投入以及创新能力等方面存在一定差异,这种认知和能力上的不对等可能不利于经济发展水平差异较大的城市开展创新合作,或导致创新联系不稳定,而经济发展水平较接近的城市间可能具有共同的科研诉求,合作机会更多,创新联系更稳固[38,39],此外,不同经济发展水平可能面临合作创新的隐性成本和显性成本较高等问题;另一种观点则认为在不同阶段,不同经济发展水平城市间的创新空间溢出较明显[40]。参照贾建琦等[41]的做法,以人均GDP的绝对差距衡量两地间的经济距离。

3)产业结构距离:一种观点认为,城市间产业结构相似,会形成接近的创新需求,更有利于创新交流与合作[14];而另一种观点认为,产业结构距离可以反映城市间技术供需上的差异[42],产业结构相似度较高,出于地方保护和竞争的考虑,一定程度上会阻碍创新要素的跨区域流动,对区域之间的创新联系形成抑制作用[43],不利于知识传播和技术外溢。参照唐建荣等[14]的做法,本文以第三产业占GDP的比重差距表示产业距离。

4)科技支出距离:创新过程具有前期投入大、周期长、风险较高等特点,某地区创新水平的提升往往离不开政府的财政支持,而科技支出方面的互补性有利于促进创新要素流动[14],深化创新中的分工程度,促进城市间的合作交流,带动区域协同发展。根据传统技术差距理论,技术由发达地区向欠发达地区转移,遵循梯度转移规律,但也存在落后地区向发达地区反梯度技术转移的情况[44]。本文以财政支出中科技支出差距衡量科技支出距离。

5)制度距离:一方面,制度邻近有利于增进合作主体间的信任,减少不确定性,为创新要素的跨区域流动提供保障,同时可降低交流成本和制度成本[45,46],增强创新合作的可能性。另一方面,过度的制度邻近会造成创新主体面临制度锁定、制度惯性等问题[47],导致“网络锁定”效应,即“邻近性悖论”,制度差异大的城市间往往会产生创新联系,缘于低级别城市创新能力低下,会产生强烈的动力与高级别城市进行创新合作,而高级别城市创新能力较突出,更易吸引其他城市与之合作[19],如直辖市和省会城市更易吸引其他城市的创新交流[18]。因此,本文将直辖市、省会或副省级城市赋值为1,其他城市则赋值为0。

4.2 实证结果分析

分别基于地方和全国视角,采用QAP回归分析方法检验黄河流域内部城市创新联系以及黄河流域内部与外部城市创新联系的影响因素,随机置换次数设为2 000次,计算结果如表5所示。

表5 黄河流域内部、内部与外部城际创新联系影响因素的回归结果Table 5 Regression results of influencing factors of the internal and external urban innovation linkages in the Yellow River Basin

1)地理距离对黄河流域内部创新联系的作用系数显著为负,说明地理距离仍是阻碍黄河流域内部城市间建立创新联系的重要因素,且作用系数呈扩大趋势,表明地理距离的阻碍作用不断增强,进一步证明了“地理死亡论”等观点不适用于黄河流域内部城市的创新联系。地理邻近可以增进城市间的交流与合作,促进知识技术的溢出,因而创新联系更易发生在地理距离较短的城市之间。从内外部创新联系影响因素看,地理距离的作用系数也为负,但数值相对较小,说明地理空间上的邻近性对黄河流域与外部城市合作创新的影响较弱,创新联系一定程度上突破了地理距离的阻碍,可见数字经济时代通信技术及高速交通工具的发展为远距离跨区域创新合作提供了便利,对地理邻近的依赖性减弱。

2)经济距离对黄河流域内部创新联系的影响系数较小,且该指标在2006年、2012年均未通过显著性检验,2018年在10%的水平上显著,说明经济距离对黄河流域内部城市创新合作的作用不断增强。从影响黄河流域对外创新联系的回归结果看,该指标在2012年及之后的回归系数显著为负,说明无论是黄河流域内部的创新联系还是对外创新合作均倾向于选择经济发展水平接近的城市,可能是经济发展水平相似的城市之间创新差距相对较小,更有利于创新的消化和吸收,合作成本更低。

3)产业结构距离对区域内部创新联系的影响在2006年和2018年不显著,可能是黄河流域多数城市产业结构相似,对创新联系的影响较小。产业结构距离对黄河流域内外部创新联系的影响显著为正,说明产业结构距离越大,产业的互补性越强,越有利于发挥不同城市的创新优势,促进创新要素的跨区域流动,避免创新资源由于过度竞争导致的浪费现象,强化区域间的创新联系。

4)科技支出距离对黄河流域内部、内外部城市间的创新联系的影响系数为正,说明科技支出的差异也是影响城市间创新合作的重要因素,科技支出差距越大,越有益于推动发达地区与落后地区之间的技术转移,产生创新联系的概率越大。

5)制度距离对黄河流域内部创新联系的影响系数显著为正,且数值不断增大,说明黄河流域内部大部分城市更偏好与省会城市建立创新联系,一定程度上可以解释“一些地级市倾向于与本省、外省省会进行创新合作”的研究结论。但制度距离对黄河流域内外部创新联系具有显著的负向作用,这表示在其他条件不变的情况下,制度邻近的城市产生创新联系的可能性越大,这也是黄河流域内部省会与流域外直辖市、副省级城市联系密切的重要原因。

5 结论与建议

本研究以黄河流域为研究区域,采用专利联合申请数据,基于不同尺度视角分别构建黄河流域内部城际创新网络和黄河流域—全国城际创新网络,结合社会网络分析中的网络密度、网络中心性等探究创新网络结构特征及其演化规律,最后结合QAP回归分析方法识别影响黄河流域内部创新联系以及内外部创新联系的因素,主要研究结论如下:

1)区域内部视角下,黄河流域内部创新联系不断增强,本地蜂鸣程度提升,创新网络东南密集,西北稀疏,空间分布不均,区域差异明显,内部创新联系形成“金字塔型”等级结构;流域内省会是创新联系的辐射中心,在网络的中心性和控制能力不断攀升,西安、济南、郑州等城市在创新网络中的中心性最为突出;创新联系具有一定的邻近效应和等级效应,且呈现强化趋势,创新联系包括由近及远的接触式连接、基于城市规模等级的等级式连接以及接触式与等级式连接相混合的联系模式;创新外向度较高的城市创新联系方式多元化,以接触与等级式相混合模式为主,倾向与省内邻市、本省省会、外省省会、山东沿海城市建立创新联系,而创新外向度较低的城市创新联系方式较单一,目标城市多为本省省会、本省邻市、邻省地市等,地理邻近效应更突出。

2)全国视角下,黄河流域对外创新联系呈现迅速扩张态势,对外辐散范围不断扩大,网络形态日趋复杂化,流域内参与合作创新的城市主体不断增多。北京、上海、深圳等少数城市占据绝大部分创新联系流,极化效应明显;北京、深圳、上海、南京、天津与流域内的西安、济南、郑州、兰州、银川等省会城市创新联系较密切,其中北京的结网规模和能力大幅攀升;直辖市、省会、副省级城市为创新网络的辐射中心,呈现出“多中心”空间分布格局,长江沿江与东部沿海城市构成的“T”形创新轴带是重要创新合作通道;北京、上海、南京、天津、杭州、合肥、广州等核心城市在网络中的支配能力明显提升,扮演中介角色;黄河流域对外创新联系表现出一定的路径依赖性,与流域外的直辖市、副省级城市以及省会城市联系最密切,创新联系的等级效应逐步强化,流域外省会和直辖市邻市、江苏沿江沿海以及广东、浙江、辽宁、河北等省域的沿海城市和省域交界处对黄河流域的吸引力不断上升。

3)地理距离对黄河流域内部创新联系具有显著的负向影响,制度距离具有显著的正向影响,经济距离和科技支出距离对内部创新联系的影响逐渐增强,产业结构距离在部分年份影响不显著。科技支出距离和产业结构距离对黄河流域内外部创新联系具有显著的正向影响,制度距离的影响为负,而地理距离和经济距离对内外部创新联系的影响逐渐增强。

基于上述结论,本研究建议如下:①黄河流域要树立全局一盘棋思想,做好顶层设计,加大创新扶持力度,营造良好的创新合作环境;合理引导创新要素跨区域流动,提高要素配置效率,打破创新要素流动壁垒;加强省际、市际协调,构建跨区域协同创新机制,提升科技一体化水平。②充分发挥西安、济南、郑州等多中心在黄河流域创新网络中的引领作用,进一步密切区域内部的创新联系,加强“本地蜂鸣”;突出流域外直辖市、省会、副省级城市的引力效应,拓展多元化合作创新“全球通道”,重点发挥长江沿江与东部滨海创新走廊的辐射和带动作用;加强多元创新主体的协同与合作,优化协同创新网络,最大化知识外溢效应。③推进黄河流域综合交通体系建设,加快交通一体化进程,进一步突破城市间地理距离对合作创新的阻碍,尤其对于网络中的边缘城市,应不断完善交通基础设施建设,同时缩小与中心城市之间经济发展水平、科技水平等方面的差距。④各城市要结合自身实际,发挥比较优势,创新外向度较低的城市应积极与外界建立创新联系,融入区域创新体系,逐步提升创新能级;省域交界处应利用好“邻边”优势,积极发展邻边经济,增强创新合作的吸引力,拓宽创新合作通道。