删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中国城市创新网络结构与创新能力研究

本站小编 Free考研考试/2021-12-29

周灿, 曾刚, 曹贤忠
华东师范大学中国现代城市研究中心,城市与区域科学学院,上海 200062

Chinese inter-city innovation networks structure and city innovation capability

ZHOUCan, ZENGGang, CAOXianzhong
Center for Modern Chinese City Studies
通讯作者:曾刚（1961- ）,男,湖北武汉人,博士,教授,主要从事创新网络与产业集群、生态文明与区域发展模式研究。E-mail: gzeng@re.ecnu.edu.cn
收稿日期:2016-11-24
修回日期:2017-03-19
网络出版日期:2017-07-31
版权声明:2017《地理研究》编辑部《地理研究》编辑部
基金资助:

国家社会科学基金重大项目（10ZD&016）

国家自然科学基金项目（41071093,41371147）

德国科学基金会项目（LI 981/8-1 AOBJ：595493）

作者简介:
-->作者简介：周灿（1988- ）,女,河南信阳人,博士研究生,主要从事创新网络与产业集群研究。E-mail: zc070260046@126.com
X₂₂：移动电话用户数

展开

摘要
网络范式的兴起引起了经济地理****对于同网络结构相关的知识流动和创新产出的关注。基于“网络资本”视角,以国家知识产权局2014年中国292个地级以上城市间合作发明专利信息为原始数据,借助Ucinet、ArcGIS、SPSS等分析工具,刻画中国城市创新网络结构,间接测度创新网络资本,评价城市创新能力,进而对网络资本与城市创新关系进行探讨。研究表明：① 城市创新网络具有小世界特征和择优连接性,培育网络中心城市和创新城市群有益于优化创新网络结构,增加网络资本;② 城市创新网络空间格局呈现京津、宁沪、广深、成都等核心节点构成的菱形结构,城市创新能力空间格局与“结构性网络资本”空间分布较为一致;③ 网络资本与城市创新在0.01的水平上显著相关,据此认为,网络结构以及由此产生的网络结构资本影响城市创新能力。研究结论可为创新型城市建设和跨区域创新网络构建提供一定的参考。

关键词：城市创新网络;网络资本;城市创新能力;中国
Abstract
In recent years, the emergence of the network paradigm has led to a large and growing body of scholarly research in economic geography focused on analysing the impact of innovation networks structures on knowledge flows and innovation outcomes. From a theoretical perspective, this paper aims to consider the link between networks, knowledge and innovation. Using the notion of 'network capital', whereby networks are considered to potentially offer benefits to network actors in terms of knowledge they are able to access, our paper takes 292 prefecture-level cities as the object, by using Ucinet, ArcGIS. We analyze the inter-city innovation networks structure and measure the innovation networks capital indirectly based on a unique co-patent dataset issued by the State Intellectual Property Office of P.R.China in 2014. The main findings of this study are drawn as follows: (1) The structure of the overall innovation linkages across 292 prefecture-level cities in China features 'small-world' network properties, whereby dense clusters of network actors are linked to other clusters via a relatively small number of bridging links. The city degree distribution of innovation networks is characterized by dissortative, whereby the inter-city innovation networks present a preferential attachment rule when the cities choose their innovation cooperation partners. The results demonstrate that the key nodes of innovation networks and innovative urban agglomerations can effectively improve knowledge spillovers and the value cities gain from networks. (2) The networks structure is diamond-shaped and anchored by four major metropolitan areas (Beijing-Tianjin in the North; Nanjing-Shanghai, East; Guangzhou-Shenzhen, South; Chengdu, West), which reveals a significant spatial heterogeneity. The spatial pattern of city innovation capability is degressive gradient from east to west and the high level innovation cities are in the obviously centralized distribution. The levels of city innovation capability show consistent spatial heterogeneity law with the 'structural network capital', which refers to the advantages accrued based on the structural position of cities within innovation networks. (3) The analysis strongly suggests that the centralities and structural holes of cities within innovation networks are significantly associated with the overall innovation performance of the respective cities at 0.01 confidence level. It is concluded that network structures, and resulting stocks of 'structural network capital', influence city innovation capability, indicating that network capital may be an important indicator of city innovation capability. The results of this study may provide reference for the construction of innovative cities and inter-regional innovation networks.

Keywords：inter-city innovation networks;network capital;city innovation capability;China

-->0
PDF (5085KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
周灿, 曾刚, 曹贤忠. 中国城市创新网络结构与创新能力研究[J]. , 2017, 36(7): 1297-1308 https://doi.org/10.11821/dlyj201707009
ZHOU Can, ZENG Gang, CAO Xianzhong. Chinese inter-city innovation networks structure and city innovation capability[J]. 地理研究, 2017, 36(7): 1297-1308 https://doi.org/10.11821/dlyj201707009

1 引言

伴随知识经济发展和全球化深化,“地方空间”向“流动空间”的转变^[1],创新空间格局呈现由等级化向网络化演变,引发城市或区域创新功能与创新模式的变革。由此,创新经济地理学领域引入了网络化视角,掀起了创新网络研究热潮^[2-4]。Coe、Dicken等全球生产网络****以及Cooke、Asheim等新区域主义****研究发现,网络与创新绩效存在显著相关性^[5,6]。Huggins则提出了“网络资本”概念^[7],认为网络主体通过网络关系能够获取知识、信息等创新要素,进而提高预期创新效益^[8,9];并将网络视为和物质资本、人力资本、R&D资本同等关键的资本投入,纳入区域经济增长模型^[10];随后,其对英国知识网络的实证分析指出,网络对创新绩效的影响存在区域异质性,网络资本应成为衡量区域创新能力的重要指标^[11]。然而,尽管企业网络、产学研网络已经是密切关注的重要议题,Bathelt等关系经济地理****以及Boschma、Balland等演化经济地理****从网络结构特征、空间属性和网络演化等层面对其进行了探讨^[12-15],但网络结构要素如何促进区域层面创新的研究仍旧欠缺^[16]。因此,特别有必要弄清在创新网络中占据中心地位的主体是否同其所在区域的创新水平存在关联性。
创新成为世界经济持续增长的动力来源,城市是创新的空间载体^[17]。《国家中长期科学和技术发展规划纲要（2006-2020年）》《中华人民共和国国民经济和社会发展第十三个五年规划纲要》《国家创新驱动发展战略纲要》《“十三五”国家科技创新规划》等都明确提出实施创新驱动发展战略,建设创新型城市。全球流动空间下,创新地理学、城市地理学研究范式出现“网络化”转向^[18-20],如Berry指出城市间的网络交互作用是城市体系的本质特征^[21];Taylor为代表的世界城市研究小组（Globalization and World Cities Study Group and Network,GaWC）主张以“网络”视角替代“等级”视角、以“中心流动”理论替代“中心地方”理论来开展城市间关系研究^[22];Batty认为要深刻理解城市创新,就不能仅将其当作空间中的点,更应将其视为网络和流的体系^[23]。网络化发展模式孕育了创新都市圈、创新城市群,城市成为重要的网络节点,正加速嵌入到地方和全球创新网络之中,而传统中心地理论基于规模等级视角,难以对城市创新网络形成机理做出合理解释,因此,有必要从网络视角对城市创新进行全新审视。
为科学量化网络关系,经济地理****将社会网络理论引入到创新网络研究之中,并将其应用到以城市或企业、高校、科研机构等为节点的网络结构分析^[24,25],但Ma等创新地理****认为,节点属性影响创新网络组织机制,以企业、高校、科研机构为节点的研究过于强调城市内合作关系,而过度依赖本地知识网络会导致节点的知识冗余,相比而言,以城市为节点的创新网络研究,表征了节点从区域外部获取异质性知识能力^[26],有益于知识网络空间结构^[27]、知识溢出空间尺度及机制^[28]等分析。然而,纵观中国城市创新网络研究仍有不足：① 由于流数据和网络分析的限制,大多是采用重力模型修正基础上的城市属性指标进行交互叠加计算^[17,28],其实质是基于等级规模、时间/空间距离对城市创新联系进行模拟,难以准确刻画城市创新空间格局;② 局限于特定产业（生物医药、装备制造等）或特定区域（重点城市、重点城市群等）的合作论文、合作专利等数据,开展城市创新联系的空间测度^[29,30],无法从总体上综合反映城市创新网络格局; ③ 侧重城市创新网络空间特征描述,缺乏网络结构与区域创新关系分析,而Huggins等****指出,关系结构资本是影响区域创新的重要网络资本形式^[11,31]。以城市为单位的创新格局如何?各城市在创新网络中的地位如何?网络资本同城市创新水平有何关联?这些都是值得研究的命题,也是本文试图回答的问题。
网络范式的兴起引起了经济地理****在空间分析背景下,开展网络结构研究的兴趣^[32],特别是对基于网络的知识流动和创新产出的关注^[33]。本文从“网络资本化”视角分析城市创新能力,尽管已有研究关注到网络资本层面,如网络关系强度、网络关系根植性等^[14],本文侧重城市在创新网络中结构位置的优势积累,将其称之为“结构性网络资本”。基于2014年中国292个地级以上城市间合作发明专利数据,尝试刻画中国城市创新网络空间格局、量化城市创新网络资本、测度城市创新能力、探究城市创新网络资本与创新能力之间的关系,以期为创新型城市建设和跨区域创新网络构建提供有益参考。

2 研究方法与数据来源

2.1 网络资本与城市创新理论框架

知识经济和网络社会时代背景下,知识流动对城市创新至关重要,而网络作为知识流动的通道,是创新过程中的关键资本投入^[7,10]。立足于“网络资本化”视角,构建网络资本与城市创新理论分析框架（图1）。知识正逐步取代传统物质资本的主导地位,成为推动区域创新和经济增长的重要因子^[34,35]。依据知识内隐性的不同,可将其划分为编码知识和隐性知识^[36]。全球生产网络和新区域主义等创新网络研究两大学派均认为,组织间知识流动是影响创新的关键要素^[5,6]。有关知识流动的地理空间范围,早期学界普遍认同,编码知识可在非本地区域内传输,而隐性知识则局限于本地化区域内,且需要强联系才能传输^[37,38];近期,Bathelt等对隐性知识本地化和编码知识非本地化单一尺度流动的观点提出了质疑,认为地方创新优势源于隐性知识和编码知识在不同空间尺度的流动和转化,并构建了知识流动的“本地蜂鸣—全球管道”（local buzz-global pipeline）模型^[39]。对于知识流动的影响因素,曾刚等研究发现,其主要受技术势差、距离（空间、组织、认知等）、扩散通道等影响^[9,40];随着对以网络为特征的社会经济组织和空间发展模式的关注,网络结构被认为是影响知识流动的关键因素^[11,31]。通过网络关系,创新主体能够获取具有优越性、排他性和可混合性等特性的外部知识^[9,10],据此认为,网络具有了价值,是创新过程中重要的资本投入形式。Huggins等****指出,区域获取外部知识的多寡主要受其所处网络地位或位置的影响^[11,41],因而,城市网络资本可从城市网络结构层面（中心性、结构洞等）间接衡量。从结构层面来看,形成了网络中心城市和网络边缘城市,中心城市的知识会流向边缘城市,产生知识溢出效应,基于优先连接机制,边缘城市也会主动同中心城市联系^[42],中心城市和边缘城市的网络关系有助于知识流动、生产、运用,进而促进城市创新能力提升。由于城市的网络位置不同,决定了其获取外部知识能力的差异,进而影响城市创新绩效,依据城市创新能力的高低也形成了中心城市和边缘城市的等级体系。鉴于网络结构对知识流动、城市创新的重要作用,本文认为,城市在创新网络中位置结构差异而形成的网络资本空间格局与城市创新能力空间分布具有一致性。

显示原图|下载原图ZIP|生成PPT
图1网络资本与城市创新理论框架
-->Fig. 1The theoretical framework of network capital and city innovation
-->

2.2 创新网络构建

专利作为知识产权的主要体现形式,是创新研究广泛使用的数据。联合申请专利代表了企业、高校、科研机构以及相关中介服务机构等形成的非正式创新合作网络^[43],能够反映创新知识在组织间的共享和转移,运用联合申请专利数据开展创新网络研究得到****们认可^[3,4,42,44],其中发明专利代表着原创技术,更能反映技术创新成果^[4]。因此,本文选取了国家知识产权局（SIPO）公布的联合申请发明专利数据来分析中国城市创新网络。数据筛选及处理主要步骤如下：① 考虑到国内专利申请的公布需要18个月,为保证数据的完整性,提取了2014年中国大陆31个省级行政区（本文研究不含中国香港与中国澳门）的292个地级以上城市由两个或两个以上主体合作申请的发明专利信息;② 删除专利申请人均为个人或个人与机构的专利,最终获得45106项合作发明专利信息,涉及12692个创新主体,包含16162条合作关系;③ 将所有主体归并入所属国家,剔除中国大陆和港澳台及国外机构合作关系,并将位于中国大陆的创新主体归并入所属省市、地级市,据此将创新主体间的合作关系转换为城市间的联系;④ 选取合作次数标度城市间的网络联系强度,构建2014年地级以上城市间创新合作的无向加权矩阵,提取城市间网络联系强度大于0的边权,最终基于42399项合作发明专利,形成了由287个城市节点、2156条城市间联系构成的创新合作关系型数据。

2.3 社会网络分析

运用社会网络分析法（social network analysis,SNA）,从个体网络拓扑结构、整体网络拓扑结构及复杂网络特性三个层面来考察中国城市创新网络中的节点关系和网络结构,间接测度城市网络资本。
2.3.1 个体网络指标选取中心性和结构洞等表征创新网络中各节点网络位置或地位的核心指标^[25,27],来衡量城市创新网络资本（表1）。
Tab. 1
表1
表1城市创新网络的节点网络指标及含义
Tab. 1Social network analysis indicators and their symbolizations of inter-city innovation networks

指标名称	表达式	解释	表征解析
程度中心度	$\begin{matrix} C_{D (i)} = \sum^{} x_{ij} \end{matrix}$	测量节点i与其他节点的关联数,度量节点处于网络中心位置的程度。x_ij是1或0的数值,代表节点i与节点j是否具有连接关系	城市i程度中心度越大,表明其在城市创新网络中的地位越高,具有的网络资本越多,能够获取的外部知识越丰富
接近中心度	$\begin{matrix} C_{C (i)} = 1 / \sum^{} d_{ij} \end{matrix}$	以距离为概念计算的个体中心程度,衡量节点i与其他节点的接近程度。d_ij代表节点i与j之间的距离	城市i的接近中心度越大,表明其通达性越好,知识流动越便捷
中介中心度	$\begin{matrix} C_{B (i)} = \sum^{} \sum^{} \frac{g_{jk} (i)}{g_{jk}} \\ j \neq k \neq i \end{matrix}$	衡量节点i在整体网络中的中介能力。g_jk代表节点j和k之间存在最短路径的数目;g_jk(i)是节点j和k之间存在的经过节点i的最短路径的数目	城市i的中介中心度越大,对其他城市的控制能力越强,越能发挥促进知识流动的桥梁作用
有效规模	$\begin{matrix} E S_{i} = \sum^{} (1 - \sum^{} p_{iq} m_{jq}) \\ q \neq i, j \end{matrix}$	表征节点i网络联系的非冗余部分。p_iq代表节点i的全部关系中,投入节点q的关系所占比例;m_jq代表节点j与q之间的边际强度,等于j与q的连接数除以j与其他节点连接中的最大值	城市i的有效规模越大,网络联系的冗余度越低,获取异质性知识的能力越强
限制度	$\begin{matrix} C_{i} = {\sum^{} (P_{ij} + \sum^{} P_{iq} P_{qj})}^{2} \\ q \neq i, j \end{matrix}$	测度节点i在网络中运用结构洞的能力,反映其对网络中其他节点的直接和间接依赖程度	城市i的限制度越小,与多个相互隔离的个体或簇群发生非冗余联系的能力越强,获取的差异化知识和信息越多

新窗口打开
2.3.2 整体网络指标选用平均路径长度和群集系数来考察中国城市创新网络结构的可达性和集聚性。整体网络平均路径长度

\begin{matrix} L \end{matrix}

是指网络中所有节点对距离

\begin{matrix} d_{ij} \end{matrix}

（最短路径）的平均值,用来反映整体网络可达性,计算公式为：

\begin{matrix} L = \frac{2}{n (n - 1)} \sum^{} d_{ij} \end{matrix}

（1）
群集系数用来衡量网络节点局部聚类情况,其中,节点群集系数

\begin{matrix} C_{i} \end{matrix}

是指所有相邻节点之间实际连边数目占最大连边数目的比例,定义为：

\begin{matrix} C_{i} = \frac{E_{i}}{C_{k_{i}}^{2}} = \frac{2 E_{i}}{k_{i} (k_{i} - 1)} \end{matrix}

（2）
式中：k_i代表节点i邻接节点数目;E_i代表由节点i的邻接节点组成的子网中,实际存在的边数。整体网络群集系数

\begin{matrix} C \end{matrix}

是指所有节点群集系数的平均值,计算公式为：

\begin{matrix} C = \frac{1}{N} \overset{N}{\sum_{i = 1}} C_{i} \end{matrix}

（3）
2.3.3 网络匹配性运用度度相关性分析来验证节点在选择合作对象时,是倾向于同自身水平相近的节点联系（同配性）还是同网络的中心节点联系（异配性）。节点i邻接节点的平均度为：

\begin{matrix} k_{nn, i} = \frac{1}{k_{i}} \sum^{} k_{j} \end{matrix}

（4）
度数为k的所有节点的邻接节点平均度为：

\begin{matrix} k_{nn} (k) = \frac{1}{N_{k}} \sum^{} k_{nn, i} \end{matrix}

（5）
式中：j为i的邻接节点;k_j为邻接节点度数;N_k为度数为k的节点数目。若度度相关系数为正,意味着网络连接具有同配性,反之,则具有异配性^[42]。

2.4 主成分分析

基于城市创新系统理论,并借鉴吕拉昌等的研究成果^[30,45],认为影响城市创新能力的关键因素有知识创新能力、技术创新能力、创新基础环境等。依据科学性和可操作性、前瞻性和现实性相结合的原则,构建了由25个指标构成的城市创新能力测度指标体系（表2）,进而运用主成分分析法对中国城市创新能力进行综合评价。
Tab.2
表2
表2中国城市创新能力测度指标体系
Tab.2Evaluation index system of city innovation capability in China

目标层	准则层	指标层	单位
城市创新能力	知识创新能力	X₁：普通高等学校数	所
		X₂：普通高等学校在校学生数	人
		X₃：普通高等学校教师数	人
		X₄：百人拥有公共图书馆藏书量	册/百人
		X₅：教育经费支出占地方财政支出占比	%
		X₆：论文发表数量	篇
	技术创新能力	X₇：科学研究、技术服务和地质勘查从业人员数	人
		X₈：港澳台商及外商投资企业数	个
		X₉：国家级科技企业孵化器数量	个
		X₁₀：创业板上市公司数量	个
		X₁₁：科技支出占地方财政支出占比	%
		X₁₂：国家级高新技术产业开发区产值	亿元
		X₁₃：专利授权数	项
		X₁₄：技术市场合同成交额	亿元
	创新基础环境	X₁₅：地区生产总值	亿元
		X₁₆：年末总人口	万人
		X₁₇：当年实际使用外资金额	亿美元
		X₁₈：全社会R&D经费占GDP比例	%
		X₁₉：年末金融机构存款余额	亿元
		X₂₀：邮政、电信业务收入	亿元
		X₂₁：客运总量	万人
		X₂₂：移动电话用户数	万户
		X₂₃：互联网用户数	万户
		X₂₄：建成区绿化覆盖率	%
		X₂₅：全年二级以上优良天气数	天

新窗口打开
本文以2014年全国292个地级以上城市作为研究对象,数据来源于《中国城市统计年鉴2015》《中国城市年鉴2015》《中国区域经济统计年鉴2015》《中国火炬统计年鉴2015》《中国科技统计年鉴2015》、2015年各省统计年鉴、2015年各省科技统计年鉴、2015年各市统计年鉴以及各市政府公开网站（如各市统计信息网、统计局和科技局网站等）。

3 结果分析

3.1 城市创新网络结构特征

3.1.1 城市创新网络整体结构呈现为小世界网络借助Ucinet软件对中国城市创新网络拓扑结构进行定量分析（表3）,结果显示,城市创新网络的平均路径长度为2.091,城市间平均只需要2次左右的中介就可以产生联系,具有较高的通达性;群集系数达0.688,表现出较强的集聚性。并进一步构建287个节点规模的随机网络模型（设模型平均度分布与实际网络平均度分布一致）,结果表明,城市创新网络平均路径长度值小于随机网络理论值（2.379）,群集系数值大于随机网络理论值（0.053）,中国城市创新网络兼具较小的平均路径长度和较大的群集系数,符合小世界网络特征。依据小世界理论^[46],程度中心度高的网络中心城市（如北京、上海、南京、深圳、杭州等）是网络中的关键节点,影响着城市间的创新联系数量和创新网络的稳定性;中介中心度高的网络中介城市（如北京、上海、武汉、南京、广州等）有助于缩短城市间知识流动所经历的平均路径长度,提高城市间知识溢出效率;创新联系紧密的城市群（如京津冀、长三角、珠三角等）有利于形成城市间创新合作的信任关系,促进知识跨界共享和交流。基于此,研究认为,培育网络中心城市和网络中介城市以缩短网络平均路径长度、构建创新型都市圈和创新型城市群以提高网络群集系数,是优化中国城市创新网络结构,促进知识、信息、技术流动,提升城市合作创新能力的重要途径。
Tab. 3
表3
表32014年中国城市创新网络相关拓扑结构指标
Tab. 3Topology structure indicators of China's inter-city innovation networks in 2014

网络指标	实际网络值	随机网络理论值
节点数	287	-
平均度	7.512	-
平均路径长度	2.091	2.379
群集系数	0.688	0.053

新窗口打开
3.1.2 城市创新网络具有择优连接性在不考虑边权的情况下（图2a）,中国城市创新网络中节点的度度相关性系数r为-0.719（P=0.000）,即度度分布的曲线斜率为负,度数小的城市倾向于同度数大的城市合作,整个网络连接呈现异配性。具体来看,北京、上海、武汉、南京分别与251个、138个、121个、106个其他城市产生了直接的连接关系,指向这四个核心节点的其他城市能获得较高的平均连接度,而核心节点指向的低度节点其连接量较少,使得这四大核心城市的邻近平均连接度都处于30以下的较低水平。对于加权网络而言（图2b）,度度相关性系数r为-0.141（P=0.081）,尽管相关性并不显著,但也表现出异向匹配的特征。总体上,中国城市创新网络点度和点权的连接匹配性较为一致,具有择优连接性,均倾向于同中心度较高的北京、上海、南京、深圳、武汉、天津、杭州等城市合作,反映出城市间的创新联系具有空间依赖性。

显示原图|下载原图ZIP|生成PPT
图22014年中国城市创新网络度度相关性
-->Fig.2The degree-degree correlation of China's inter-city innovation networks in 2014
-->

3.1.3 城市创新联系具有显著空间异质性基于ArcGIS软件,按照自然断裂法,将城市网络联系总量和网络联系边强度划分为七个等级,绘制中国城市创新联系图谱（图3）,分析发现：① 城市网络联系空间差异显著,网络中心城市多分布在东部沿海经济发达地区。城市网络联系总量排名前10位城市分别为北京、南京、上海、深圳、杭州、天津、苏州、武汉、福州、广州等,这些核心节点具有较高的网络联系强度和对外连接度,创新联系量高达49986,占总联系量的58.95%;而排名后64位城市,其创新联系量均低于10,位于东、中、西、东北地区的城市数量分别为4、13、37、10中国城市创新网络的主要联系流呈现由京津、宁沪、广深、成都等节点构成的菱形结构, 苏州、杭州、福州、武汉、重庆等节点又构成次级创新联系干线。北京在城市创新网络中处于绝对中心位置,其度数和加权度数分别高达251、25 340,同时,北京承担着极为重要的桥梁作用,其接近中心度和中介中心度也处于首位。前20%的创新联系流主要发生在菱形核心结构的右半区, 分别为北京— 南京（2962）、北京— 上海（1448）、北京—天津（1360）、北京—福州（1153）、北京—杭州（940）、北京—深圳（799）,而外围区域的网络联系流强度较低,有710 条联系流的强度仅为1。③ 中国城市创新网络空间格局并未受到距离的明显约束。北京—南京、北京—上海、北京—福州、北京—杭州、北京—深圳等远距离城市间形成了密切的创新联系,这与基于城市等级规模、城市间时间/空间距离等构建的引力模型,显示出城市创新联系主要集中在创新能力强的近距离城市间的宏观格局存在差异[17]。

显示原图|下载原图ZIP|生成PPT
图32014年中国地级以上城市创新网络空间格局
-->Fig.3Spatial pattern of the innovation networks of prefecture-levelcities in China in 2014
-->

3.2 城市创新能力空间分异

3.2.1 城市创新能力测度依据城市创新能力测度指标体系,选用主成分分析法来评价城市创新能力。首先,为消除量纲及数量级对评价结果的影响,采用中心化无量纲方法对原始数据进行标准化处理,标准化后变量的均值为0,方差为1。然后,对样本变量进行KMO和Bartlett检验,得出KMO检验值为0.929,Bartlett检验接受零假设,表明满足主成分分析条件。进而,计算样本变量相关系数矩阵特征值、贡献率,结果显示（表4）,前5个主因子正交旋转后的特征值均大于1,累计方差贡献率达到81.712%,能够较好地解释各城市的创新能力,因此,本文研究提取5个主因子。
Tab. 4
表4
表4主因子特征值与贡献率
Tab. 4The total variance explained of principal components

主因子	特征值与贡献率				正交旋转特征值与贡献率
主因子	特征值		贡献率（%）	累积贡献率（%）	特征值	贡献率（%）	累积贡献率（%）
1	14.492	57.968	57.968		7.205	28.821	28.821
2	1.787	7.148	65.116		5.283	21.130	49.951
3	1.634	6.537	71.653		5.236	20.944	70.895
4	1.316	5.265	76.918		1.398	5.590	76.485
5	1.199	4.794	81.712		1.307	5.228	81.712

新窗口打开

第一主因子主要由变量X₂、X₁、X₃、X₂₂、X₂₃决定,它们作用在第一个主因子上的载荷分别为0.916、0.876、0.873、0.668、0.665,反映了城市高等教育水平、人力资源发展潜力、城市间信息及知识的流动和获取能力,可定义为城市创新知识生产与流动因子;第二主因子主要由变量X₈、X₄、X₁₅、X₂₀、X₁₇、X₉决定,载荷分别为0.887、0.732、0.607、0.591、0.567、0.546,反映了城市产业吸引力、经济发展水平、信息化水平、创新平台建设,可定义为城市创新规模因子;第三主因子主要由变量X₁₄、X₆、X₇、X₁₀、X₁₃决定,载荷分别为0.934、0.898、0.835、0.771、0.658,反映了城市科研产出水平及创新成果转化能力,可定义为城市创新效率因子;第四主因子主要由变量X₂₄、X₂₅、X₁₈决定,载荷分别为0.766、0.642、0.538,反映了城市宜居度、城市创新氛围,可定义为城市创新环境因子;第五主因子主要由变量X₅、X₁₁决定,载荷分别为0.891、0.826,反映了政府对城市创新的经济支撑能力,可定义为城市创新资本投入因子。
最后,以“方差最大化”为准则,对初始因子进行正交旋转,得到方差极大化后的因子载荷矩阵,据此,计算各城市的5个主因子得分,并将各因子正交旋转后的方差贡献率和主因子累积方差贡献率的比值作为各因子的权重,测算各城市的综合因子得分。公式为：

\begin{matrix} Z = (0.28821 Z_{1} + 0.2113 Z_{2} + 0.20944 Z_{3} + 0.0559 Z_{4} + 0.05228 Z_{5}) / 0.81712 \end{matrix}

（6）
式中：Z为综合得分;Z₁、Z₂、Z₃、Z₄、Z₅分别为各城市的各主因子得分。
3.2.2 城市创新能力空间格局依据因子综合得分情况,绘出中国城市创新能力空间格局（图4）,结果显示：① 城市创新能力存在明显的空间异质性,大体呈现由东向西梯度递减的分布规律。2014年,有78个城市的综合创新水平高于全国平均水平,占全国地级以上城市数量的比例为26.71%,其中,位于东、中、西、东北地区的城市数量分别为52个、13个、9个、4个,东部地区占据绝对优势地位。从东、中、西、东北地区城市创新能力综合得分的均值来看,四个地区的得分分别为0.28、-0.07、 -0.15、-0.17,东部城市创新能力整体要高于中西部和东北地区。② 创新能力高的城市在地理空间上呈现较为集中的态势。京津冀、长三角、珠三角三大城市群具有创新要素投入力度、创新平台建设水平、创新成果转化程度、信息化设施完善程度等方面的综合优势,成为高等级创新城市的集中分布区,中西部、东北地区的创新中心主要集中在重庆、成都、武汉、西安、郑州、长沙、沈阳等城市,而其余城市则沦为创新洼地。③ 城市创新能力格局与城市网络地位分布较为一致。城市综合创新能力排名前10位的城市为北京、上海、广州、天津、深圳、重庆、苏州、成都、武汉、杭州,它们也是城市创新网络中的核心节点,具有较高的中心度;相应地,城市综合创新能力较弱的城市,其在城市创新网络中处于较为边缘地位。

显示原图|下载原图ZIP|生成PPT
图42014年中国地级以上城市创新能力空间格局
-->Fig.4Spatial pattern of the comprehensive innovative level of prefecture-level cities in China in 2014
-->

3.3 网络资本与城市创新关系

鉴于驱动区域创新的关键因子由资本、劳动力等传统要素向知识、技术等创新要素转变,并强调本地和非本地不同空间尺度创新要素的互动,网络作为促进知识流动的重要通道,城市创新能力格局与城市网络地位分布的一致性,本文从网络结构层面,选取网络中心性和网络结构洞等指标,间接测度城市的网络资本,称其为“结构性网络资本”,据此,开展网络资本与城市创新能力的相关性分析。Pearson相关分析的结果显示（表5）,在0.01水平上,不同的结构性网络资本指标与城市创新能力均呈显著相关性,证实了网络成为重要的资本形式,网络位置决定了城市获取外部知识能力的异质性,网络结构是影响城市创新绩效的关键要素这一观点。具体来看,北京、上海、南京、深圳、武汉、天津、杭州、广州、成都等占据网络中心地位和结构洞位置的城市,拥有的外部知识源众多,获取非冗余知识的潜力很大,具有丰富的网络资本,成为中国创新能力极强的城市;而在创新网络中处于边缘位置的城市,其跨界联系有限,外部知识获取受限,城市创新能力弱。根据与城市创新能力相关性的高低对网络资本指标进行排序,依次为接近中心度、程度中心度、中介中心度、限制度、有效规模（表5）,相比而言,网络中心性指标的相关系数要高于网络结构洞指标,意味着在获取创新知识和信息方面,城市所处的网络地位优势要高于网络控制能力优势,这可能同当前中国国城市创新网络建设尚处于初级阶段,结构洞的优势尚未完全发挥有关。
Tab. 5
表5
表5网络资本与城市创新能力相关性分析
Tab. 5Correlation analysis of network capital and city innovation capability

	程度中心度	接近中心度	中介中心度	有效规模	限制度
相关系数r	0.713^***	0.735^***	0.662^***	0.198^***	-0.371^***
P值	0.0000	0.0000	0.0000	0.0008	0.0000

新窗口打开
注：^***表示P<0.01。

4 结论与讨论

本文通过对2014年中国地级以上城市创新合作的关系型数据建构,分析了中国城市创新网络和城市创新能力空间结构、城市网络资本与城市创新能力关系,主要结论如下：
（1）中国城市创新网络具有小世界特征和择优连接性。相比于随机网络,中国城市创新网络具有较小的平均路径长度和较大的群集系数,城市间创新联系的内在规律符合小世界网络模型;城市选择创新合作伙伴并非随机的、无规则的,度数低的城市倾向于同度数高的中心城市合作,创新联系具有异配性。基于中国城市创新网络的特性,研究认为,培育网络中心城市、构建创新城市群有助于优化中国城市创新网络结构,促进跨界知识流动,提升城市网络资本价值。
（2）创新网络中的城市网络地位空间分布与城市创新能力空间格局一致。中国城市创新网络呈现由京津、宁沪、广深、成都等节点构成的菱形结构,苏州、杭州、福州、武汉、重庆等节点又构成次级创新联系干线,这些核心城市在创新网络中占据中心性和结构洞位置,成为中国城市创新的高地;而位于创新网络边缘的城市,其创新能力也较弱。
（3）“地方空间”向“流动空间”转变的背景下,网络具备了资本价值,网络结构影响城市创新能力。从结构性网络资本与城市创新关系层面来看,二者存在显著相关性,网络地位高的城市相应具有较高的创新水平,表明城市在跨界创新网络中的位置差异决定了其获取外部知识能力的异质性,优化城市创新网络结构,有益于促进跨界知识流动、增加城市网络资本、提高城市创新能力。相比而言,由网络中心性指标表征的网络资本在获取创新知识和信息方面更具优势,而网络结构洞的控制优势尚未完全发挥,中国城市创新网络建设有待于进一步优化。
网络资本作为创新地理学新近的研究命题,本文从网络促进知识流动的角度,构建了网络资本与城市创新的理论分析框架,在验证网络资本影响城市创新这一科学问题上,仅从网络结构层面间接测度网络资本,表明结构性网络资本与城市创新之间具有显著相关性,缺乏对网络如何影响城市创新内在机理的探讨,而本文力求为城市创新研究提供新的研究思路。此外,本文仅是对截面数据开展的分析,网络资本对城市创新的影响是否具有阶段效应,后续需运用面板数据对这一问题进行研究。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	Castells M.The Rise of the Network Society . Oxford: Blackwell, 1996. [本文引用: 1]
[2]	Bergman E M.Embedding network analysis in spatial studies of innovation . The Annals of Regional Science, 2009, 43(3): 559-565. [本文引用: 1]
[3]	TerWal A L J. The dynamics of the inventor network in German biotechnology: Geographic proximity versus triadic closure . Journal of Economic Geography, 2014, 14(3): 589-620. [本文引用: 1]
[4]	王秋玉, 曾刚, 吕国庆. 中国装备制造业产学研合作创新网络初探 . 地理学报, 2016, 71(2): 251-264. [本文引用: 3] [Wang Qiuyu, Zeng Gang, Lv Guoqing.Structural evolution of innovation networks of China's equipment manufacturing industry . Acta Geographica Sinica, 2016, 71(2): 251-264.] [本文引用: 3]
[5]	Coe N M, Dicken P, Hess M.Global production networks: Realizing the potential . Journal of Economic Geography, 2008, 8(3): 271-295. [本文引用: 2]
[6]	Cooke P, Asheim B, Boschma R, et al.Handbook of Regional Innovation and Growth . Cheltenham: Edward Elgar, 2011. [本文引用: 2]
[7]	Huggins R.Forms of network resource: Knowledge access and the role of inter-firm networks . International Journal of Management Reviews, 2010, 12(3): 335-352. [本文引用: 2]
[8]	Huggins R, Thompson P, Johnston A.Network capital, social capital, and knowledge flow: How the nature of inter-organizational networks impacts on innovation . Industry and Innovation, 2012, 19(3): 203-232. [本文引用: 1]
[9]	曹贤忠, 曾刚, 司月芳. 网络资本、知识流动与区域经济增长: 一个文献述评 . 经济问题探索, 2016, (6): 175-184. [本文引用: 3] [Cao Xianzhong, Zeng Gang, Si Yuefang.Network captial, knowledge flow, and regional growth: A literature review . Inquiry into Economic Issues, 2016, (6):175-184.] [本文引用: 3]
[10]	Huggins R, Thompson P.A network-based view of regional growth . Journal of Economic Geography, 2014, 14(3): 511-545. [本文引用: 3]
[11]	Huggins R, Prokop D.Network structure and regional innovation: A study of university-industry ties . Urban Studies, 2017, 54(4): 931-952. [本文引用: 4]
[12]	Bathelt H, Glückler J.The Relational Economy: Geographies of Knowing and Learning. New York: Oxford University Press, 2011. [本文引用: 1]
[13]	Boschma R, Frenken K.The spatial evolution of innovation networks: A proximity perspective. In: Boschma R, Martin R. The Handbook of Evolutionary Economic Geography. Cheltenham: Edward Elgar, 2010: 120-135.
[14]	Balland P A, Belso-Martínez J A, Morrison A. The dynamics of technical and business networks in industrial clusters: Embeddedness, status or proximity? . Economic Geography, 2016, 92(1): 35-60. [本文引用: 1]
[15]	吕国庆, 曾刚, 顾娜娜. 经济地理学视角下区域创新网络的研究综述 . 经济地理, 2014, 34(2): 1-8. [本文引用: 1] [Lv Guoqing, Zeng Gang, Gu Nana.Literature review of regional innovation network: An economic geographical perspective . Economic Geography, 2014, 34(2): 1-8.] [本文引用: 1]
[16]	Ponds R, Oort F V, Frenken K.Innovation, spillovers and university-industry collaboration: An extended knowledge production function approach . Journal of Economic Geography, 2010, 10(2): 231-255. [本文引用: 1]
[17]	吕拉昌, 梁政骥, 黄茹. 中国主要城市间的创新联系研究 . 地理科学, 2015, 35(1): 30-37. [本文引用: 2] [Lv Lachang, Liang Zhengji, Huang Ru.The innovation linkage among Chinese major cities . Scientia Geographica Sinica, 2015, 35(1): 30-37.] [本文引用: 2]
[18]	吕拉昌, 黄茹, 廖倩. 创新地理学研究的几个理论问题 . 地理科学, 2016, 36(5): 653-661. [本文引用: 1] [Lv Lachang, Huang Ru, Liao Qian.Several theoretical issues on innovation geography . Scientia Geographica Sinica, 2016, 36(5): 653-661.] [本文引用: 1]
[19]	马学广, 李贵才. 全球流动空间中的当代世界城市网络理论研究 . 经济地理, 2011, 31(10): 1630-1637. [Ma Xueguang, Li Guicai.Study on world city network theory within global space of flow . Economic Geography, 2011, 31(10): 1630-1637.]
[20]	鲍超, 陈小杰. 中国城市体系的空间格局研究评述与展望 . 地理科学进展, 2014, 33(10): 1300-1311. [本文引用: 1] [Bao Chao, Chen Xiaojie.Review and prospect of research on the spatial pattern of China's urban system . Progress in Geography, 2014, 33(10): 1300-1311.] [本文引用: 1]
[21]	Berry B J L. Cities as systems within systems of cities . Papers in Regional Science, 1964, 13(1): 147-163. [本文引用: 1]
[22]	Taylor P J.World Cities Network: A Global Urban Analysis . London: Routledge, 2004. [本文引用: 1]
[23]	Batty M.The New Science of Cities. Massachusetts: MIT Press, 2013. [本文引用: 1]
[24]	Yeung H W C. Critical reviews of geographical perspectives on business organizations and the organization of production: Towards a network approach . Progress in Human Geography, 1994, 18(4): 460-490. [本文引用: 1]
[25]	TerWal A L J, Boschma R. Applying social network analysis in economic geography: Framing some key analytic issues . The Annals of Regional Science, 2009, 43(3): 739-756. [本文引用: 2]
[26]	Ma Haitao, Fang Chuanglin, Pang Bo, et al.Structure of Chinese city network as driven by technological knowledge flows . Chinese Geographical Science, 2015, 25(4): 498-510. [本文引用: 1]
[27]	Liefner I, Hennemann S.Structural holes and new dimensions of distance: The spatial configuration of the scientific knowledge network of China's optical technology sector . Environment & Planning A, 2011, 43(3): 810-829. [本文引用: 2]
[28]	李丹丹, 汪涛, 周辉. 基于不同时空尺度的知识溢出网络结构特征研究 . 地理科学, 2013, 33(10): 1180-1187. [本文引用: 2] [Li Dandan, Wang Tao, Zhou Hui.The structural characteristics of knowledge spillover networks based on different spatial and temporal scales . Scientia Geographica Sinica, 2013, 33(10): 1180-1187.] [本文引用: 2]
[29]	蒋天颖, 谢敏, 刘刚. 基于引力模型的区域创新产出空间联系研究: 以浙江省为例 . 地理科学, 2014, 34(11): 1320-1326. [本文引用: 1] [Jiang Tianying, Xie Min, Liu Gang.Spatial linkage of regional innovation output based on gravity model: A case study in Zhejiang province . Scientia Geographica Sinica, 2014, 34(11): 1320-1326.] [本文引用: 1]
[30]	吕拉昌, 李勇. 基于城市创新职能的中国创新城市空间体系 . 地理学报, 2010, 65(2): 177-190. [本文引用: 2] [Lv Lachang, Li Yong.Research on Chinese renovation urban system based on urban renovation function . Acta Geographica Sinica, 2010, 65(2): 177-190.] [本文引用: 2]
[31]	Sebestyén T, Varga A.Research productivity and the quality of interregional knowledge networks . Annals of Regional Science, 2013, 51(1): 155-189. [本文引用: 2]
[32]	Balland P A.Proximity and the evolution of collaboration networks: Evidence from research and development projects within the Global Navigation Satellite System (GNSS) industry . Regional Studies, 2012, 46(6): 741-756. [本文引用: 1]
[33]	Glückler J.Knowledge, networks and space: Connectivity and the problem of non-interactive learning . Regional Studies, 2013, 47(6): 880-894. [本文引用: 1]
[34]	Romer P M.Human capital and growth: Theory and evidence. Carnegie-Rochester Conference Series on Public Policy, 1990: 251-286. [本文引用: 1]
[35]	Dicken P.Geographers and 'globalization': (Yet) Another missed boat? . Transactions of the Institute of British Geographers, 2004, 29(1): 5-26. [本文引用: 1]
[36]	Pinch S, Henry N, Jenkins M, et al.From 'industrial districts'to 'knowledge cluster': A model of knowledge dissemination and competitive advantage in industrial agglomeration . Journal of Economic Geography, 2003, 3(4): 373-388. [本文引用: 1]
[37]	Maskell P, Malmberg A.The competitiveness of firms and regions: 'Ubiquitfication' and the importance of localized learning . European Urban and Regional Studies, 1999, 6(1): 9-25. [本文引用: 1]
[38]	王缉慈. 创新的空间:企业集群与区域发展. 北京: 北京大学出版社, 2001. [本文引用: 1] [Wang Jici.Innovative Spaces: Enterprise Clusters and Regional Development. Beijing: Peking University Press, 2001.] [本文引用: 1]
[39]	Bathelt H, Malmberg A, Maskell P.Clusters and knowledge: Local buzz, global pipelines and the process of knowledge creation . Progress in Human Geography, 2004, 28(1): 31-56. [本文引用: 1]
[40]	曾刚, 林兰. 不同空间尺度的技术扩散影响因子研究 . 科学学与科学技术管理, 2006, 27(2): 22-27. [本文引用: 1] [Zeng Gang, Lin Lan.Study on the factor of technology diffusion. Science of Science and Management of S. & T., 2006, 27(2): 22-27.] [本文引用: 1]
[41]	司月芳, 曾刚, 曹贤忠, 等. 基于全球—地方视角的创新网络研究进展 . 地理科学进展, 2016, 35(5): 600-609. [本文引用: 1] [Si Yuefang, Zeng Gang, Cao Xianzhong, et al.Research progress of glocal innovation networks . Progress in Geography, 2016,35(5): 600-609.] [本文引用: 1]
[42]	李丹丹, 汪涛, 魏也华, 等. 中国城市尺度科学知识网络与技术知识网络结构的时空复杂性 . 地理研究, 2015, 34(3): 525-540. [本文引用: 3] [Li Dandan, Wang Tao, Yehua Dennis Wei, et al.Spatial and temporal complexity of scientific knowledge network and technological knowledge network on China's urban scale . Geographical Research, 2015, 34(3): 525-540.] [本文引用: 3]
[43]	陈伟, 张永超, 田世海. 区域装备制造业产学研合作创新网络的实证研究: 基于网络结构和网络聚类的视角 . 中国软科学, 2012, (2): 96-107. [本文引用: 1] [Chen Wei, Zhang Yongchao, Tian Shihai.Empirical research on innovation networks consisting of industry-university-research institute in regional equipment manufacturing industry: A perspective of network structure and network cluster . China Soft Science, 2012, (2): 96-107.] [本文引用: 1]
[44]	Cassi L, Plunket A.Research collaborationin co-inventor networks: Combining closure, bridging and proximities . Regional Studies, 2015, 49(6): 936-954. [本文引用: 1]
[45]	方创琳, 马海涛, 王振波,等. 中国创新型城市建设的综合评估与空间格局分异 . 地理学报, 2014, 69(4): 459-473. [本文引用: 1] [Fang Chuanglin, Ma Haitao, Wang Zhenbo, et al.Comprehensive assessment and spatial heterogeneity of the construction of innovative cities in China . Acta Geographica Sinica, 2014, 69(4): 459-473.] [本文引用: 1]
[46]	Watts D J, Strogatz S H.Collective dynamics of 'small-world' networks . Nature, 1998, 393(6684): 440-442. [本文引用: 1]

中国城市创新网络结构与创新能力研究

本站小编 Free考研考试/2021-12-29

Chinese inter-city innovation networks structure and city innovation capability

1 引言