中国电子信息产业创新的集群网络模式与演化路径

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

周灿¹, 曹贤忠^,², 曾刚²1. 浙江工商大学经济学院,杭州 310018
2. 华东师范大学中国现代城市研究中心,上海 200062

Cluster networks and evolution path of China’s electronic information industry innovation

ZHOU Can¹, CAO Xianzhong^,², ZENG Gang²1. School of Economics, Zhejiang Gongshang University, Hangzhou 310018, China
2. Center for Modern Chinese City Studies, East China Normal University, Shanghai 200062, China

通讯作者: 曹贤忠（1987-），男，安徽泗县人，博士，助理研究员，主要从事区域创新网络与产业经济发展研究。E-mail: xzcao@geo.ecnu.edu.cn

收稿日期:2018-09-3修回日期:2019-06-6网络出版日期:2019-09-20

基金资助:

教育部人文社科基地重大项目.17JJD790006
国家自然科学基金青年项目.41801109

Received:2018-09-3Revised:2019-06-6Online:2019-09-20
作者简介 About authors
周灿（1988-）,女,河南信阳人,博士,讲师,主要从事创新网络与产业集群研究E-mail:zc070260046@126.com。

摘要
流空间背景下,多空间尺度网络耦合对创新至关重要已达成学界共识。综合运用区位熵与社会网络分析,识别32个电子信息产业集群,进而基于1985—2015年合作申请发明专利数据,运用卡方检验和Infomap社区发现算法,借助Pajek和ArcGIS等软件,揭示中国电子信息产业创新合作空间模式,探讨创新网络空间组织演化规律。结果表明：① 中国电子信息产业创新合作呈现集群互联的模式,集群区域的创新主体更倾向于同本地和其他集群区域的创新主体合作,这与非集群区域的创新主体结网方式明显不同,印证了关系经济地理****提出的全球集群网络论断。② 集群创新网络社区的空间组织从位于集群地理边界内,本地化特征显著,演化为超越集群地理边界,呈现等级差异明显的核心-边缘层级式特征,反映出地理邻近对集群主体创新结网影响程度的动态变化。
关键词： 创新网络;集群网络;演化路径;电子信息产业;中国

Abstract

With the change of ‘space of places’ to ‘space of flows’, the knowledge flows and innovation linkages at different spatial scales have attracted the attention of economic geographers. It is an academic consensus that multi-scale networks coupling is critical to innovation. In line with other theorizations of trans-local linkages at various scales, relational economic geographers develop a framework of global cluster networks. From the network perspective of multi-cluster level, our paper takes China’s electronic information industry as the objects. We identify 32 electronic information industrial clusters in China by using location quotient and social network analysis. Drawing on chi-square test and community detection, we analyze spatial pattern and evolution path of China’s electronic information industry innovation networks based on the co-patent data issued by the National Intellectual Property Administration of China (CNIPA) from 1985 to 2015. The main findings of this study are drawn as follows. (1) The innovation of China’s electronic information industry shows a pattern of cluster networks. The innovation actors in cluster area have significant difference in spatial location from innovation actors in non-cluster area while choosing innovation partners due to a comprehensive consideration of local knowledge spillover and cross-regional ‘tacit knowledge pool’. As a result, they prefer to cooperate with the innovators in local and other clusters for the reason that cluster is helpful for knowledge acquisition and collective learning. This finding offers support for ‘global cluster networks’ hypothesis proposed by relationship economic geographers. (2) Our analysis reveals that geographic boundaries of industrial clusters have become a poor predictor of the community structure of cluster innovation networks along with the development of China’s electronic information industry. The community structure of cluster innovation networks has gradually changed from the geographic boundaries of clusters with a significant characteristic of localization to a pattern that local communities and cross-cluster communities coexist, to a hierarchical structure that surpasses the geographic boundaries of clusters. Overall, because of cognitive proximity and social proximity, cluster actors have largely expanded their innovation connections with actors located in other clusters.

Keywords：innovation networks;cluster networks;evolution path;electronic information industry;China

PDF (23780KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
周灿, 曹贤忠, 曾刚. 中国电子信息产业创新的集群网络模式与演化路径. 地理研究[J], 2019, 38(9): 2212-2225 doi:10.11821/dlyj020180964
ZHOU Can. Cluster networks and evolution path of China’s electronic information industry innovation. Geographical Research[J], 2019, 38(9): 2212-2225 doi:10.11821/dlyj020180964

1 引言

伴随“要素驱动”向“创新驱动”以及“地方空间”向“流动空间”的转变,区域创新在多尺度的空间格局、组织方式等发生了重构,网络模式成为第五代创新模式^[1],建立并维持有效的网络是21世纪创新成功的关键^[2]。经济地理学界围绕知识联系和创新网络的地理空间问题形成了三大理论学派。以产业集群和区域创新系统为理论核心的新区域主义学派,关注地方根植性和基于本地网络的区域知识溢出^[3];以全球生产网络和全球价值链为理论核心的全球创新网络学派,重视跨国公司网络权利和基于跨界网络的全球知识获取^[4];关系经济地理学派提出“本地蜂鸣-全球管道”理论模型,强调“地方-全球”不同空间尺度知识网络耦合^[5]。由此,区域创新过程中日益凸显的多尺度网络化特征已逐渐被学界认知,并引发经济地理****对创新空间及其互动模式的再思考。Bathelt等研究指出,以地方化网络为本质的集群是区域创新的重要空间载体,集群重视本地知识溢出和跨区域缄默知识池的双重效应,依托价值链、FDI和人才环流等嵌入到跨越集群的更大尺度的全球集群网络之中,区域创新呈现全球集群网络模式^[6]。全球集群网络体现了集群研究由地方观向网络观、由单集群向多集群的转变,是“超越集群”“本地蜂鸣-全球管道”研究的深化,为解析网络社会时代创新空间格局奠定了理论基础。然而,由于企业发展路径、产业知识基础以及区域创新情境等异质性,基于发达国家和跨国公司提出的全球集群网络理论在中国的适用性有待验证。

西方经济地理学“关系转向”和“演化转向”使得创新网络演化议题受到关注^[7]。相关研究主要聚焦三个方面：一是运用社会网络分析法,刻画创新网络拓扑结构和空间组织的动态变化^[8,9];二是基于路径依赖与路径创造机制,解析创新网络主体、创新合作关系以及网络地理边界的演化轨迹^[10];三是立足于多维邻近性视角,探讨创新网络演化动因与机理^[11]。集群作为知识生产与知识溢出并存的区域,是研究创新网络演化的最佳空间单元。基于生命周期、路径依赖、共同演化以及邻近性等理论,经济地理****对集群创新网络演化进行了诸多探讨,但研究对象以单集群为主,多集群的实证研究尚缺乏^[12]。由于多集群创新网络是涉及不同空间尺度耦合、不同生命周期阶段集群互动以及不同区域情境嵌入的复杂创新生态系统,传统单集群创新网络演化研究结论对其解释力不足^[7]。多集群创新网络的空间组织有何规律性与动态性,网络耦合机制与演化路径有何特质还需论证。

中国是全球最大的电子信息产品制造基地,但电子信息产业技术创新能力亟待提高。《2016年全球信息技术报告》显示,中国在该技术领域每百万人PCT专利拥有量位列第26位,与电子信息产业强国相比存在较大差距;2018年陆续发生的“中兴事件”“福建晋华事件”“44家军工企业事件”无疑暴露了其缺乏关键核心技术的短板。突破“大而不强”“缺芯少魂”的困境与瓶颈,是其作为国家智能制造发展战略核心基础产业的迫切需求。鉴于创新绝非企业单打独斗行为,寻找协同创新网络形成与演化规律是推进中国电子信息产业创新发展的重要前提。现有文献主要探讨了中国电子信息产业转移与驱动因素、集群与技术创新、生产网络和贸易网络、创新网络演化与创新绩效等问题^{[13,14,15,16,17,18]}。对于依托政府主导的经济技术开发区和高科技园区呈现集群式产业空间格局、依托产业链分工和人才环流呈现上海张江-广东东莞-台湾新竹-美国硅谷等跨界集群合作的中国电子信息产业而言^[19,20],其技术创新呈现何种空间模式与演化路径则有待解答。

鉴于此,本文立足于全球集群网络理论视角,以中国电子信息产业为研究对象,利用1985—2015年合作申请发明专利数据构建创新网络。试图回答其创新是否呈现集群网络模式?集群创新网络的空间组织有何动态性和规律性?以期推进基于发展中国家现实的多集群网络演化研究,为集群企业与何种区位和尺度的创新主体结网提供参考。

2 数据来源、研究方法与集群界定

2.1 数据来源与处理

专利是世界上最大的技术信息源^[21],电子信息产业高度重视知识产权活动,故而专利被视为衡量该产业技术创新的重要指标。合作申请专利能够共享、溢出和转移技术知识,其实质是基于关系嵌入的技术知识流动和创新资源整合的开放式创新^[22],被国内外****广泛应用于创新空间扩散、复杂知识地理空间、创新网络空间格局以及技术关联与区域创新绩效等研究^{[23,24,25,26,27]}。本文以合作专利为基础数据,分析中国电子信息产业创新网络模式,数据来源于中国国家知识产权局（CNIPA）重点产业专利信息服务平台。数据获取与创新网络构建步骤如下：① 编写基于Scrapy框架的分布式Python爬虫程序,抓取申请和合作申请发明专利文献。为获取最新和最完整的专利文献,将数据抓取范围设置为中国大陆于1985—2015年申请的发明专利。② 删除专利申请人包含个人的专利,最终获取独立、合作申请发明专利分别为835355、107370项。③ 将每项合作专利涉及的申请人两两组合,据此形成159578条创新主体间加权创新联系。④ 基于专利申请人的邮政编码和地址等空间信息,并结合人工校验核查,判别创新主体所属的地级单元,并将创新主体间网络转换为城市内与城市间网络。由于全球创新联系数据不完整,故去除同境外（保留同中国港澳台地区）机构的创新合作。

2.2 研究方法

2.2.1 卡方检验卡方检验（Chi-Square Test）通过统计样本观察值与理论值之间的偏离程度,来检验两个及以上样本率（构成比）之间差异的显著性,适用于无序分类变量的统计推断^[28]。借助Stata软件,运用Pearson卡方检验,验证集群和非集群区域的创新主体,其创新伙伴的选择在区位上是否存在显著差异。卡方值计算公式如下：

（1）

χ^{2} = \sum \frac{{(A - E)}^{2}}{E}

式中：

χ^{2}

为卡方值;A为观察频数;E为期望频数。卡方值越大,表示分类变量之间的差异越大,反之亦然。

2.2.2 社区发现社区发现（Community Detection）与传统聚类理论有相通之处,最早由Girvan等提出^[29],是利用拓扑关系和属性挖掘网络蕴含的社区,是识别复杂网络结构和关系模式的重要工具。基于模块度的Girvan-Newman、Fast-greedy和Multi-level等算法,以及Walk Trap、Label Propagation和Infomap等算法是目前主流的社区发现算法^[30]。其中,基于信息论的Infomap算法的核心是最小化随机游走路径的编码长度,将社区划分转换为信息流路径编码压缩^[31]。该算法能够综合考虑节点权重、连边权重和连接方向,是目前较优的网络社区发现算法^[32]。本文运用Python编写Infomap算法,识别中国电子信息产业集群创新网络社区结构,对集群创新网络空间组织模式的动态性进行特征提取和规律挖掘。依据香农定理,若使用n个码字描述随机变量X在游走过程中出现概率p_i的n种状态信息,则平均编码长度不低于X的熵。熵的计算公式为：

（2）

H (X) = - \overset{n}{\sum_{i = 1}} p_{i} \log (p_{i})

式中：H(X)为随机变量X的熵。

对节点进行霍夫曼编码以刻画随机游走过程,用编码组合表达网络中的任意路径。根据信息熵理论,其映射方程为：

（3）

L (M) = qH (Q) + \overset{m}{\sum_{i = 1}} p_{i} H (P_{i})

式中：L(M)为社区内与社区间随机游走路径的平均编码长度期望值;q、p_i分别为社区间、社区内随机游走的概率;H(Q)、H(P_i)分别为社区间、社区内随机游走的熵。

2.3 中国电子信息产业集群识别

2.3.1 空间单元选取与数据说明集群地理边界的界定尚无明确标准^[33],现有多集群研究表明,定量测度和识别产业空间集聚状态的有效方法是运用基于行政单元的空间数据和区位熵指标^[6,12,34]。鉴于此,选取地级市作为分析的空间单元,以2015年行政区划为标准,研究范围界定为325个市域单元。就业和创新产出区位熵使用2013—2015年从业人员和发明专利申请的均值测算,以更全面地涵盖早期潜在的集群,并避免单一年份数据大幅波动致使结果不可信和不稳定,数据分别来源于《中国城市统计年鉴》和CNIPA。

2.3.2 集群识别方法与步骤把握集群的空间集聚、专业化、产业联系和创新性等核心特征,并结合数据的可得性、操作的可行性与研究的针对性,运用区位熵与社会网络分析识别中国电子信息产业集群,具体步骤如下：

（1）基于区位熵的空间集聚测度。区位熵（LQ）计算公式如下：

（4）

LQ E_{i} = \frac{(\frac{e_{ij}}{e_{i}})}{(\frac{E_{j}}{E})}

（5）

LQ P_{i} = \frac{(\frac{p_{ij}}{p_{i}})}{(\frac{P_{j}}{P})}

式中：i为区域;j为产业;LQE、LQP分别为就业和创新产出区位熵;e、p分别为从业人员和发明专利申请数量;E、P分别为中国从业人员和发明专利申请数量。LQ>1、LQ=1和LQ<1分别表示区域就业和创新的空间集聚水平高于、持平和低于中国平均水平。

（2）潜在集群筛选。选取LQ>1的区域,同时考虑区域电子信息产业规模,借鉴李佳洺等^[35],设置区域从业人员和发明专利申请数的阈值,即以第80个百分位数的数值作为下限,排除未达到阈值的区域。

（3）基于社会网络分析的创新联系测度。集群的本质是网络,依据网络节点中心度指标,从区域本地和外部创新联系层面,提取创新网络地位高的集聚区,即产业创新联系密切的潜在集群,将其视为电子信息产业集群。

2.3.3 集群识别结果中国电子信息产业空间集聚层面,2013—2015年就业、创新产出基尼系数数值分别为0.72、0.9,按照基尼系数区段划分的国际标准^[36],可知该产业呈现高度集聚的空间分布模式,且相比于就业,创新更加倾向于集聚在少数集群区域。计算区域就业、创新产出区位熵的相关系数,数值为0.3（p<0.001）,呈现显著的弱正相关。区位熵空间分布（图1）显示,就业空间集聚上,就业区位熵大于1的区域有40个,排除不满足就业规模阈值条件的11个区域,保留29个就业集聚区域;创新空间集聚上,创新产出区位熵大于1的区域有41个,排除不满足创新规模阈值条件的16个区域,保留25个创新集聚区域;总体上,所保留的集聚区域中,有11个区域既是就业集聚区又是创新集聚区。为相对全面地考察中国电子信息产业集聚区域,就业和创新产出区位熵数值之一大于1且达到规模阈值的区域,便将其视为潜在集群,共计43个。

图1

新窗口打开|下载原图ZIP|生成PPT
图12013—2015年中国电子信息产业就业与创新产出区位熵

注：该图基于国家测绘地理信息局标准地图（审图号：GS（2016）2884）绘制,底图无修改。
Fig. 1Location quotients of employment and innovation of China’s electronic information industry in 2013-2015

中国电子信息产业创新联系层面,2013—2015年潜在集群创新联系空间格局显示（图2）,43个集聚区的创新合作在本地和外部尺度上呈现显著空间差异。本地创新合作较多的集聚区有北京、深圳、南京、上海、杭州、广州等,形成了有利于本地知识溢出的创新网络。外部创新联系强度较高的集聚区有北京、深圳、南京、上海、苏州、杭州、武汉等,成为了外部创新网络的核心节点。然而,榆林、廊坊、海口、呼和浩特、银川、舟山、哈尔滨、连云港、大连等集聚区的主体间尚未基于地理邻近机制建立起创新合作关系,本地创新合作极少;榆林、呼和浩特、海口、舟山、廊坊、连云港、昆明、大连、哈尔滨、银川、长春等集聚区则处于外部创新网络的边缘位置,外部创新联系缺乏。综上,研究认为榆林、廊坊、海口、呼和浩特、银川、舟山、哈尔滨、连云港、大连、长春、昆明等集聚区的产业创新联系薄弱,未达到集群认定标准,故将其排除。

图2

新窗口打开|下载原图ZIP|生成PPT
图22013—2015年中国电子信息产业集聚区本地与外部创新联系空间格局

注：该图基于国家测绘地理信息局标准地图（审图号：GS（2016）2884）绘制,底图无修改。
Fig. 2Spatial pattern of intra- and inter-regional innovation networks of China’s electronic information industrial agglomeration areas in 2013-2015

从空间集聚和创新联系角度,最终识别出32个电子信息产业集群(32个集群：北京、常州、成都、东莞、佛山、福州、广州、杭州、合肥、惠州、济南、嘉兴、兰州、绵阳、南昌、南京、宁波、青岛、厦门、上海、深圳、石家庄、苏州、天津、无锡、武汉、西安、许昌、长沙、郑州、重庆、珠海。),主要分布在环渤海、长三角、珠三角和福厦沿海以及中西部区域。总体上,本文界定的集群是国家电子信息产业基地和产业园以及骨干企业的集中分布区域。信息产业部于2004、2005年相继设立首批国家电子信息产业基地、首批国家电子信息产业园,主要以上述集群区域为核心承载区;中国电子信息行业联合会发布的“2016年（第三十届）中国电子信息百强企业”“2017中国电子信息行业创新能力五十强企业”中分别有78、47个企业分布在上述集群区域。

3 中国电子信息产业创新合作模式

依据发明专利申请数量（图3）,将中国电子信息产业创新历程分为引进、起步和发展三个阶段。创新引进阶段（1985—1999年）,通过“三来一补”、OEM代工等途径引进技术,采用“干中学”方式吸收技术和模仿创新,年度专利数量较少,年际增长率较低,呈现平稳式增长。创新起步阶段（2000—2008年）,外资企业在全球电子信息产业转移的背景下,大量进驻中国,通过产业合作和业务联系,形成了对中国本土企业的知识溢出;中国加入WTO则加速了其电子信息产业的全球化进程,通过建立海外制造基地,逐步实现本土技术与海外技术集成创新,年度专利数量呈现渐进式增长。创新发展阶段（2009—2015年）,中国电子信息产业立足于提高自主创新能力和国际竞争力,重视推进产学研合作和建立海外研发中心,呈现本地网络与跨界网络融合的开放式协同创新模式,培养了一批具有国际竞争力的创新型企业,初步实现了创新技术和自主品牌的海外输出,年度专利数量呈现跳跃式增长。

图3

新窗口打开|下载原图ZIP|生成PPT
图31985—2015年中国电子信息产业发明专利申请数量

Fig. 3The number of invention patent applications of China’s electronic information industry in 1985-2015

3.1 创新合作空间区位

Pearson卡方检验结果（表1）表明,集群区域的创新主体在创新合作的区位选择上与非集群区域的创新主体具有显著差异。① 集群是中国电子信息产业不同空间尺度创新合作的重要载体。在三个研究时段,以集群本地和多集群为空间载体的创新合作比率分别高达82.48%、96.9%、89.57%,主要源于集群本地合作具有贸易和非贸易相互依赖、共同话语体系以及相似区域情境等根植性优势,多集群外部合作则有益于创新资源的跨界整合、隐性知识的远距离溢出。② 集群区域的创新主体在创新合作的区位选择上呈现集群指向。1985—1999年,位于集群的创新主体,与集群、非集群区域的创新合作分别占92.87%、7.13%;而位于非集群的创新主体,与集群、非集群区域的创新合作分别占36.17%、63.83%。2000—2008年,位于集群的创新主体,与集群、非集群区域的创新合作分别占98.19%、1.81%;而位于非集群的创新主体,与集群、非集群区域的创新合作分别占57.62%、42.38%。2009—2015年,位于集群的创新主体,与集群、非集群区域的创新合作分别占92.65%、7.35%;而位于非集群的创新主体,与集群、非集群区域的创新合作分别占68.13%、31.87%。在三个研究时段,卡方检验结果均显著。由于集群和非集群区域创新主体在研发投入、技术积累、创新环境和管理能力等层面具有异质性,位于集群的主体在创新合作的区位选择上具有获取新知识导向,始终倾向于同具有知识溢出优势的集群区域主体合作,形成了中国电子信息产业创新的集群网络模式;位于非集群的主体在创新合作的区位选择上则具有降低研发成本导向,在第一阶段以创新能力较弱的非集群区域主体合作为主,在第二、三阶段逐渐寻求与集群区域主体合作,但创新合作区位选择的集群指向明显低于集群区域主体。

Tab. 1
表1
表11985—2015年中国电子信息产业创新合作卡方检验
Tab. 1Chi-square test result of China’s electronic information industry innovation cooperation in 1985-2015

创新主体	创新伙伴
	1985—1999年		2000—2008年		2009—2015年
	集群	非集群	集群	非集群	集群	非集群
集群	664	51	31616	582	231764	18385
非集群	51	90	582	428	18385	8602
卡方值	275.17（p<0.001）		5465.43（p<0.001）		16669.04（p<0.001）
样本总数	856		33208		277136

新窗口打开|下载CSV

3.2 创新合作空间格局

图4显示,中国电子信息产业创新网络的核心节点是集群区域,创新合作呈现由少核主导向多核互联的集群网络模式演化。

图4

新窗口打开|下载原图ZIP|生成PPT
图41985—2015年中国电子信息产业创新合作空间格局

注：该图基于国家测绘地理信息局标准地图（审图号：GS（2016）2884）绘制,底图无修改。
Fig. 4Spatial pattern of China's electronic information industry innovation networks in 1985-2015

（1）从本地创新合作来看,三个研究时段集群本地联系均明显高于非集群本地联系,表明集群能够强化集体学习、促进隐性知识溢出和驱动创新合作。北京具有科研资源禀赋优势,天津、上海、南京、深圳等集群的产业基础良好,是本地创新合作最为密切的区域。

（2）从外部创新合作来看,一方面创新网络规模与网络密度不断增大。三个研究时段创新网络节点由61个增加至136个再至309个,加权合作关系由246条增加至11854条再至82528条,说明中国电子信息产业创新日益重视外部知识获取,多尺度网络耦合的协同创新态势凸显。另一方面,创新网络空间范围和联系强度与区域创新能级相关,网络中心主要分布在创新能力较强的集群区域。三个研究时段台北、苏州、北京、深圳等集群始终为外部创新网络的核心节点,上海电子信息产业集群在第二阶段发展为新的核心节点,南京、杭州、武汉、广州等集群在第三阶段发展为核心节点,三个研究时段核心节点涉及的外部联系比率分别高达60.77%、85.3%、68.41%,说明外部知识流动主要由核心集群主导,具有显著的空间非均衡性。

（3）多集群网络逐渐成为创新合作的核心子网络。第一阶段的核心知识流为苏州-台北、北京-北京、深圳-台北,创新联系强度依次为80、53、33;第二阶段的核心知识流为深圳-台北、北京-北京、苏州-台北、上海-上海、佛山-台北、北京-深圳,创新联系强度依次为6474、2110、978、904、852、599;第三阶段的核心知识流为北京-北京、深圳-台北、深圳-深圳、北京-南京、上海-上海、南京-南京、苏州-台北、北京-上海、北京-深圳,创新联系强度依次为24096、11691、10396、4575、3443、3178、3140、2316、2199。可见,主要创新流发生在核心集群内部与核心集群之间,以集群网络为核心的创新合作模式逐渐形成。

4 中国电子信息产业集群创新网络演化路径

4.1 集群创新结网模式演化

矩阵图能够较好地可视化拓扑关系和网络属性,是分析集群创新结网模式及动态性的有效表征工具。由于三个研究时段,集群创新联系数量差异较大,偏度系数分别为6.07、9.47、14.36,峰度系数分别为41.88、102.88、236.32,呈现高度偏态分布。为增强矩阵图的可读性,研究采用封顶方法处理数据,将三个研究时段创新联系数量的最高值分别设置为20、500、2000条,其余分析使用的均为创新联系的原始值。借助Pajek软件,按照环渤海、长三角、珠三角和福厦沿海、中西部的地理位置进行集群分组与排列,绘制中国电子信息产业集群创新网络矩阵图（图5,见第2220页）。图中格子颜色的深浅表示创新联系的强弱,白色格子代表缺乏创新联系;沿矩阵对角线的深色格子代表密集的集群本地创新联系,靠近矩阵对角线的深色块代表密集的近距离集群间创新联系,远离矩阵对角线的深色块代表密集的远距离跨集群创新联系。

图5

新窗口打开|下载原图ZIP|生成PPT
图51985—2015年中国电子信息产业集群创新网络矩阵

Fig. 5Innovation network linkage matrix of China’s electronic information industrial clusters in 1985-2015

图5显示：

（1）集群本地和集群间的创新结网日趋频繁。第一阶段矩阵图以白色格子为主,蓝色格子数量很少,集群创新合作缺乏;第二阶段矩阵图出现少数深蓝色格子,白色格子数量减少,呈现以核心集群为主的本地和跨界创新结网模式;第三阶段矩阵图仅存在少量白色格子,且深蓝色格子数量明显增加,呈现多集群跨界互联的创新结网模式。集群创新结网模式的演化特征表明,中国电子信息产业在强化创新驱动发展的背景下,整合集群本地以及其他集群等多空间尺度的创新资源,协同攻关关键核心技术成为其创新的重要路径。

（2）集群创新结网从基于地方根植性的本地知识溢出,发展到基于认知和社会等邻近性的跨集群知识获取。1985—1999年少量深蓝色格子零星布局在矩阵对角线区域,2000—2008年深蓝色格子主要沿矩阵对角线分布,深色块主要布局在靠近矩阵对角线的区域,表明该时期地理因素是集群创新结网最为关键的影响因子,地理邻近是集群创新合作的重要驱动力。2009—2015年大量深蓝色格子出现在非矩阵对角线区域,深色块的分布也不再局限于靠近矩阵对角线的区域,创新结网的地理距离伴随时间的推移而增加,更大空间尺度的多集群创新合作日益密切,表明认知、社会等其他邻近弥补了地理邻近的缺失,促进了复杂性或敏感性知识的远距离溢出,驱动了多集群多空间尺度的创新耦合。

4.2 集群创新网络社区结构演化

中国电子信息产业集群创新网络社区结构（图6）显示,集群创新网络演化路径呈现由地理邻近主导的本地化社区结构向超越集群的层级式社区结构转变。

图6

新窗口打开|下载原图ZIP|生成PPT
图61985—2015年中国电子信息产业集群创新网络社区结构

注：圆点代表创新主体,其编码和颜色依据属性信息（即所属集群）设置,圆圈代表社区。
Fig. 6Community structure of China’s electronic information industrial cluster innovation networks in 1985-2015

（1）从社区规模来看,1985—1999年集群创新合作形成了34个社区,社区规模较小且社区间差异不大,规模最大的社区包含16个创新主体。2000—2008年形成了55个社区,社区规模有所增大,但社区等级差异尚不显著,规模最大的社区包含25个创新主体。2009—2015年形成了190个社区,社区规模具有明显的等级差异,规模最大的社区包含115个创新主体。

（2）从社区空间范围来看,1985—1999年社区主要位于集群地理边界内,具有显著的地方化特征。2000—2008年社区与集群地理边界较为一致,少数规模较大的社区具有跨集群特征,呈现本地社区和跨集群社区并存的格局。2009—2015年出现了大量重叠社区,核心社区空间范围日益超越集群地理边界。

（3）从社区形成机制来看,1985—1999年中国电子信息产业集群创新处于技术引进阶段,创新主要源自“干中学”,隐性知识共享主要依托面对面交流,该时期地理距离显著制约了技能、技巧和诀窍等复杂知识的高效传递与精准理解,地理邻近是以本地合作为主导的集群创新网络形成的重要基础。2000—2008年地理距离不再是集群创新网络社区形成的唯一主导因子,企业通过收购整合以及建立分支机构等途径,逐渐与集群外部创新主体建立起合作关系,地理邻近的重要程度有所下降。2009—2015年多集群多空间尺度耦合的创新网络社区凸显。首先,伴随中国电子信息产业集群技术生命周期从萌芽到成长再到逐渐成熟的演化,技术知识编码化程度得以提高,知识流动和知识溢出不再局限于集群内部;其次,创新主体通过参与贸易博览会、研讨会和商务出差等经济活动,增加了远距离创新主体间交流与合作的机会,临时性地理邻近促进了隐性知识流动;再次,集群创新为避免路径锁定、实现路径创造,跨界整合其他集群的创新资源成为创新合作的重要选择。

5 结论与讨论

基于全球集群网络理论框架,在科学识别中国电子信息产业集群的基础上,构建了1985—2015年创新网络,探讨了创新网络空间模式,分析了创新网络演化路径,揭示了多集群创新网络演化规律,主要结论如下：

（1）中国电子信息产业创新呈现多集群多尺度合作模式,证实了关系经济地理****所主张的基于多集群视角来理解创新活动空间组织的全球集群网络理论。其一,中国电子信息产业不同空间尺度创新合作的重要载体是集群。由于电子信息产业知识基础具有缄默化特征,主要来源于供应商与客户之间交流以及实践社区,集群本地合作能够强化集体学习、促进新技术知识产生,多集群外部合作能够跨界整合创新资源、远距离溢出隐性知识。其二,集群和非集群区域主体创新结网的空间区位呈现显著差异。集群区域主体具有技术积累相对优势,始终倾向于同易于知识溢出的集群区域合作;非集群区域主体的创新合作具有降低研发成本导向,区位选择的集群指向明显低于集群区域主体。其三,中国电子信息产业创新的多集群跨界合作模式凸显,基于规模等级视角的传统中心地理论以及单集群视角的传统产业集群理论的解释力有限。

（2）中国电子信息产业集群创新网络社区的空间组织呈现由本地社区为主,向本地与跨集群社区并存,再至跨集群社区为主的演化路径。地理邻近是技术引进阶段创新合作的核心驱动力,形成了位于集群地理边界内,具有显著地方化特征的社区结构。伴随技术知识编码化,空间距离对知识流动的制约减弱,以及创新主体通过会议和贸易博览会等临时性地理邻近交流隐性知识,社区空间范围日益超越集群地理边界。认知邻近和社会邻近逐渐成为集群创新结网的重要驱动力,呈现等级差异明显的核心-边缘层级式社区结构。研究发现揭示了其他邻近对地理距离的修正,应基于集群技术创新生命周期,动态看待地理邻近对于创新网络社区影响程度的阶段效应。

本文以关系经济地理****的全球集群网络为理论基石,遵循演化经济地理学的研究范式,从多尺度耦合、动态演化视角来解析发展中国家集群创新的空间特征。虽基于中国电子信息产业创新联系数据证实了集群网络模式、探讨了集群网络演化路径。然而,多集群视角下的创新网络既是一个前沿的科学问题,又是一个复杂的创新生态系统,后续还需完善全球尺度数据,进一步深入论证全球集群网络主体有何特质,全球网络和地方网络如何互动,不同空间尺度网络耦合机制等问题。另外,本文基于合作申请专利数据构建中国电子信息产业无向加权技术创新网络,后续分析可考虑关注创新主体间关系的不对称性,以及基于专利的授权、转让和引用等信息,考察有向的技术知识流动。最后,单一运用专利数据进行创新空间分析存在一定局限性,合作论文、科研项目和技术创新联盟等也体现了集群创新过程中水平或垂直维度的创新联系。不同联系类型的集群网络动态有何差异,还应基于大数据挖掘与分析技术,在多源流数据获取的基础上,开展比较与综合研究。

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]

Rothwell

. Successful industrial innovation: Critical factors for the 1990s
R&D Management, 1992,22(3):221-240.

[本文引用: 1]

[2]

Rycroft R

, Kash D

. The Complexity Challenge: Technological Innovation for the 21st Century
New York: Cassell Academic Publishers, 1999.

[本文引用: 1]

[3]

Cooke

. Regional innovation systems: General findings and some new evidence from biotechnology
Journal of Technology Transfer, 2002,27(2):133-145.

[本文引用: 1]

[4]

Moodysson

. Principles and practices of knowledge creation: On the organization of “buzz” and “pipelines” in life science communities
Economic Geography, 2008,84(4):449-469.

[本文引用: 1]

[5]

Bathelt

, Malmberg

, Maskell

. 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]

[6]

Bathelt

, Li P

. Global cluster networks: Foreign direct investment flows from Canada to China
Journal of Economic Geography, 2014,14(1):45-71.

[本文引用: 2]

[7]

Glückler

, Doreian

. Editorial: Social network analysis and economic geography: Positional, evolutionary and multi-level approaches
Journal of Economic Geography, 2016,16(6):1123-1134.

[本文引用: 2]

[8]

Ter

Wal A L J

. Cluster emergence and network evolution: A longitudinal analysis of the inventor network in Sophia-Antipolis
Regional Studies, 2013,47(5):651-668.

[本文引用: 1]

[9]

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.

URL Magsci [本文引用: 1]

<p>知识溢出的多空间尺度耦合、空间知识溢出的测度以及空间知识溢出的机制是近期国内外有关知识溢出地理效应研究的主要新动向。借助科学计量学追踪知识溢出的方法,以2000~2009 年被国际ISI 及国内重庆维普数据库收录的,中国大学和科研院所等机构在生物技术领域合作发表科学论文的信息为数据源,从社会网络的视角,运用社会网络分析和GIS 空间分析方法,分别以国家、省份和城市为单元,从国际、国家和长三角层面(区域),分析2000 年以来,中国大学和科研院所知识溢出网络的拓扑结构和空间结构变动特征,并从地理距离、社会距离、认知距离、组织距离等方面探讨影响知识溢出效应的机理。研究发现:① 2003~2004 年为知识溢出网络发展的拐点期;② 国际和国家层面网络接近小世界网络,长三角层面的网络体现出更多的随机网络特征;③ 知识在国际层面的空间溢出具有明显的路径依赖性,主要受到社会距离和组织距离的影响;④ 在国家层面呈现由三角形向钻石形发展的趋势,随着网络发育的日益成熟,地理距离的影响逐步减弱,社会距离和组织距离的影响得以加强;⑤ 在长三角层面总体上呈现三点一线特征,地理距离在区域尺度的影响最为显著,知识溢出既遵循了等级扩散的规律,也体现了距离衰减的特点。</p>

[ 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.]

URL Magsci [本文引用: 1]

徐蕾, 魏江 . 网络地理边界拓展与创新能力的关系研究: 路径依赖的解释视角
科学学研究, 2014,32(5):767-776.

[本文引用: 1]

[ Xu

Lei

, Wei

Jiang

. The relationship between knowledge network geographic boundary spanning and innovation capabilities of clustered firm: From the explanation perspective of path dependence
Studies in Science of Science, 2014,32(5):767-776.]

[本文引用: 1]

[11]

Balland P

, Belso-Martínez

J A

, Morrison

. 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]

[12]

, Min

, Reve

. Cluster and co-located cluster effects: An empirical study of six Chinese city regions
Research Policy, 2016,45(10):1984-1995.

[本文引用: 2]

[13]

高菠阳, 李俊玮, 刘红光 . 中国电子信息产业转移特征及驱动因素
经济地理, 2015,35(10):103-109.

[本文引用: 1]

[ Gao

Boyang

, Li

Junwei

, Liu

Hongguang

. The quantitative study on electronic information industry transfer in China
Economic Geography, 2015,35(10):103-109.]

[本文引用: 1]

[14]

Wang C

, Lin C

. Industrial clustering and technological innovation in China: New evidence from the ICT industry in Shenzhen
Environment and Planning A, 2010,42(8):1987-2010.

[本文引用: 1]

[15]

武前波, 宁越敏 . 中国城市空间网络分析: 基于电子信息企业生产网络视角
地理研究, 2012,31(2):207-219.

[本文引用: 1]

[ Wu

Qianbo

, Ning

Yuemin

. China's urban network based on spatial organization of electronic information enterprises
Geographical Research, 2012,31(2):207-219.]

[本文引用: 1]

[16]

高菠阳, 李俊玮 . 全球电子信息产业贸易网络演化特征研究
世界地理研究, 2017,26(1):1-11.

[本文引用: 1]

[ Gao

Boyang

, Li

Junwei

. The geography of global electric information industry trade network
World Regional Studies, 2017,26(1):1-11.]

[本文引用: 1]

[17]

周灿, 曾刚, 王丰龙 , 等. 中国电子信息产业创新网络与创新绩效研究
地理科学, 2017,37(5):661-671.

[本文引用: 1]

[ Zhou

Can

, Zeng

Gang

, Wang

Fenglong

, et al. Innovation network structure and innovative performance: A study of China's electronic information industry
Scientia Geographica Sinica, 2017,37(5):661-671.]

[本文引用: 1]

[18]

周灿, 曾刚, 辛晓睿 , 等. 中国电子信息产业创新网络演化: 基于SAO模型的实证
经济地理, 2018,38(4):116-122.

[本文引用: 1]

[ Zhou

Can

, Zeng

Gang

, Xin

Xiaorui

, et al. The dynamics of China's electronic information industry innovation networks: An empirical research based on SAO model
Economic Geography, 2018,38(4):116-122.]

[本文引用: 1]

[19]

童昕, 王缉慈 . 东莞PC相关制造业地方产业群的发展演变
地理学报, 2001,56(6):722-729.

[本文引用: 1]

[ Tong

Xin

, Wang

Jici

. Local clustering: A case study on PC-related manufacturing in Dongguan
Acta Geographica Sinica, 2001,56(6):722-729.]

[本文引用: 1]

[20]

Saxenian

. Brain Circulation and Regional Innovation: The Silicon Valley-Hsinchu-Shanghai triangle
In: Polenske K R. The Economic Geography of Innovation. Cambridge: Cambridge University Press, 2007.

[本文引用: 1]

[21]

Liu C

, Yang J

. Decoding patent information using patent maps
Data Science Journal, 2008,7:14-22.

[本文引用: 1]

[22]

王黎萤, 池仁勇 . 专利合作网络研究前沿探析与展望
科学学研究, 2015,33(1):55-61.

[本文引用: 1]

[ Wang

Liying

, Chi

Renyong

. The frontier analysis and prospect of patent cooperation network research
Studies in Science of Science, 2015,33(1):55-61.]

[本文引用: 1]

[23]

Fifarek B

, Veloso F

. Offshoring and the global geography of innovation
Journal of Economic Geography, 2010,10(4):559-578.

[本文引用: 1]

[24]

Cassi

, Plunket

. Research collaboration in co-inventor networks: Combining closure, bridging and proximities
Regional Studies, 2015,49(6):936-954.

[本文引用: 1]

[25]

Miguelez

, Moreno

. Relatedness, external linkages and regional innovation in Europe
Regional Studies, 2018,52(5):688-701.

[本文引用: 1]

[26]

张翼鸥, 谷人旭 . 中国城市知识复杂性的空间特征及影响研究
地理学报, 2018,73(8):29-40.

[本文引用: 1]

[ Zhang

Yiou

, Gu

Renxu

. The geography of knowledge complexity and its influence in Chinese cities
Acta Geographica Sinica, 2018,73(8):29-40.]

[本文引用: 1]

[27]

刘承良, 管明明 . 基于专利转移网络视角的长三角城市群城际技术流动的时空演化
地理研究, 2018,37(5):137-150.

[本文引用: 1]

[ Liu

Chengliang

, Guan

Mingming

. Spatio-temporal evolution of interurban technological flow network in the Yangtze River Delta Urban Agglomeration: From the perspective of patent transaction network
Geographical Research, 2018,37(5):137-150.]

[本文引用: 1]

[28]

Pearson

. On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling
Philosophical Magazine, 1900,50(302):157-175.

[本文引用: 1]

[29]

Girvan

, Newman

M E J

. Community structure in social and biological networks
Proceedings of the National Academy of Sciences of the United States of America, 2002,99(12):7821-7826.

[本文引用: 1]

[30]

陈伟, 刘卫东, 柯文前 , 等. 基于公路客流的中国城市网络结构与空间组织模式
地理学报, 2017,72(2):224-241.

[本文引用: 1]

[ Chen

Wei

, Liu

Weidong

, Ke

Wenqian

, et al. The spatial structures and organization patterns of China's city networks based on the highway passenger flows
Acta Geographica Sinica, 2017,72(2):224-241.]

[本文引用: 1]

[31]

Rosvall

, Bergstrom C

. Maps of random walks on complex networks reveal community structure
Proceedings of the National Academy of Sciences of the United States of America, 2008,105(4):1118-1123.

[本文引用: 1]

[32]

Zhong

, Arisona S

, Huang

, et al. Detecting the dynamics of urban structure through spatial network analysis
International Journal of Geographical Information Science, 2014,28(11):2178-2199.

[本文引用: 1]

[33]

Sternberg

, Litzenberger

. Regional clusters in Germany: Their geography and their relevance for entrepreneurial activities
European Planning Studies, 2004,12(6):767-791.

[本文引用: 1]

[34]

Turkina

, Assche A

, Kali

. Structure and evolution of global cluster networks: Evidence from the aerospace industry
Journal of Economic Geography, 2016,16(6):1211-1234.

[本文引用: 1]

[35]

李佳洺, 张文忠, 李业锦 , 等. 基于微观企业数据的产业空间集聚特征分析
地理研究, 2016,35(1):95-107.

[本文引用: 1]

[ Li

Jiaming

, Zhang

Wenzhong

, Li

Yejin

, et al. The characteristics of industrial agglomeration based on micro-geographic data
Geographical Research, 2016,35(1):95-107.]

[本文引用: 1]

[36]

洪兴建 . 基尼系数理论研究. 北京: 经济科学出版社, 2008.

[本文引用: 1]

[ Hong

Xingjian

. Research on Gini Coefficient Theory. Beijing: Economic Science Press, 2008.]

[本文引用: 1]