基于大型科研基础设施共享的区域创新网络研究——以山东省为例

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

饶悦^,¹, 沈丽珍^,¹, 汪侠²

1.南京大学建筑与城市规划学院,南京 210093

2.南京大学地理与海洋科学学院,南京 210023

Research on regional innovation network based on large-scalescientific research infrastructure sharing: Take Shandong as an example

RAO Yue^,¹, SHEN Lizhen^,¹, WANG Xia²

1. School of Architecture and Urban Planning, Nanjing University, Nanjing 210093, China

2. School of Geography and Marine Sciences, Nanjing University, Nanjing 210023, China

通讯作者: 沈丽珍（1976-）,女,福建三明人,博士,副教授,研究方向为城市与区域规划。E-mail: shellyjun@163.com

收稿日期:2020-07-17接受日期:2020-12-17网络出版日期:2021-06-10

基金资助:

国家自然科学基金项目.41871160
国家自然科学基金项目.41871134

Received:2020-07-17Accepted:2020-12-17Online:2021-06-10
作者简介 About authors
饶悦（1993-）,男,湖北襄阳人,硕士研究生,研究方向为城市与区域规划。E-mail: 603996439@qq.com

摘要
在产业革命和科技革命的背景下,创新在区域发展中发挥着越来越重要的作用,网络化创新模式成为当下创新的主流模式之一。基于创新网络视角,利用大型科研仪器共享大数据,对山东省创新网络的空间特征和主体特征进行分析,研究发现：山东省创新网络在形态上呈现出以济南为创新核心辐射带动济宁和淄博等周边边缘城市发展,同时形成东部青岛、威海和烟台作为创新次级核心集中连片发展的空间格局。然而,创新网络的形态核心节点与功能核心节点存在错位,从网络关联的角度出发,山东省区域创新网络节点存在核心、次核心、地方核心、外围4个层级,济南、济宁、淄博、潍坊中心地位明显,并且各级节点数量规模呈现金字塔格局,等级结构完善。网络联系强度最大的主要是济南市向周边辐射的联系,区域政产学研协同创新体系基本确立,存在综合创新模式、异质创新模式、根植创新模式和孤立创新模式四种创新网络模式。通过QAP模型分析表明,行政、交通等因素使得创新合作更倾向于发生在与省会城市之间以及地理接壤、交通条件优越的城市之间。最后,基于研究基础,对山东省创新网络优化、大型科研仪器共享、区域产业发展等提出发展建议。
关键词： 创新网络;设施共享;创新主体;特征向量中心性;QAP分析;山东

Abstract

In the context of industrial revolution and technological revolution, innovation is playing an increasingly important role in regional development, and network innovation has become the mainstream. This paper uses the shared big data of large-scale scientific research equipment to analyze the spatial characteristics and main characteristics of the innovation network in Shandong province. It is found that Shandong's innovation network presents a contiguous development space pattern with Jinan as the innovation core, which radiates the development of peripheral cities such as Jining and Zibo, and Qingdao, with Weihai and Yantai as innovation sub-cores. From the perspective of network association at the spatial level, the regional innovation network nodes in the province have four levels: core, sub-core, local core, and periphery. Jinan, Jining, Zibo and Weifang have obvious centrality. There are great differences for scientific research institutions in different parts of the network structured. The participation of higher education institutions in the innovation network is mainly based on science and technology universities, industrial enterprises dominate the overall regional innovation network structure, and government agencies have significant effects in promoting the improvement of regional innovation networks. Jinan's connection to the surrounding area is the strongest network. The local mechanism plays a significant role, and the collaborative innovation system of government, industry, university and research institutions is basically established. There are four situations in the urban innovation network model: comprehensive innovation model, heterogeneous innovation model, rooted innovation model and isolated innovation model. The analysis of the QAP model shows that administrative divisions, transportation and other factors are likely to promote innovation cooperation between provincial capital cities and between cities with geographical borders and superior traffic conditions. Finally, this paper puts forward suggestions for Shandong's development: (1) The institutional arrangements for the sharing of scientific research instruments should be further improved and opening up and sharing should be further expanded to bridge gaps between regions. (2) The core node cities should play the role of two sectors to form an innovative dual circulation system. The fringe cities should actively create characteristic specialized functions and take the path of specialization. (3) We should establish a regional innovation community for collaborative innovation by the government, industry, universities, and research institutes, and encourage innovation entities to actively go global and seek breakthroughs to enhance the breadth and depth of regional innovation. (4) Further we should improve the construction of new types of transportation and communication infrastructure so as to promote the free flow of innovative elements and regional innovation development.

Keywords：innovation network;facility sharing;innovation subject;eigenvector centrality;QAP analysis;Shandong

PDF (5486KB)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
饶悦, 沈丽珍, 汪侠. 基于大型科研基础设施共享的区域创新网络研究——以山东省为例. 地理研究[J], 2021, 40(6): 1840-1856 doi:10.11821/dlyj020200673
RAO Yue, SHEN Lizhen, WANG Xia. Research on regional innovation network based on large-scalescientific research infrastructure sharing: Take Shandong as an example. Geographical Research[J], 2021, 40(6): 1840-1856 doi:10.11821/dlyj020200673

1 引言

在当前全球新一轮产业革命和科技革命背景下,创新在解决中国经济社会发展重大问题中的支撑引领作用日益显著。党的十八大明确提出坚持走中国特色自主创新道路、实施创新驱动发展战略：科技创新是提高社会生产力和综合国力的战略支撑,必须摆在国家发展全局的核心位置。

区域创新是创新驱动发展战略的重要载体。然而一方面受到经济发展水平、科技创新基础设施等因素限制,全国一些相对滞后区域在建设区域创新系统时不能完全通过自主创新模式来实现。另一方面由于存在明显的创新资源重复投入、科研设施重复配置的问题,区域整体创新投入产出效率偏低。随着ICTs技术的快速发展,流动空间的兴起推动了创新要素在区域之间的优化配置,劳动力、资本、信息和技术等生产要素在全球范围内自由流动,对传统的区域创新网络和城市化进程产生了深刻影响。在“要素驱动”向“创新驱动”、“地方空间”向“流动空间”转变的趋势下,网络在知识流动和区域创新中起着至关重要的作用,多主体、多尺度的网络化创新模式成为新的创新导向^[1,2]。

国内外对创新网络的研究,主要有以下三点特征：① 从创新网络关系的建构来看,多数****运用科技论文和专利数据来构建创新网络联系^{[3,4,5,6,7,8,9,10,11,12,13,14,15,16,17]},少部分****借助人才流动、R&D投资、引力模型等方法构建创新关联矩阵^{[18,19,20,21,22]}。② 从创新网络的对象选取来看,有****以不同尺度地理空间单元,例如城市、区域、国家作为网络节点^[18,21-23],还有****以不同类型单位主体,例如企业、大学、政府作为网络节点^[17,24-27]。③ 从创新网络的研究内容来看,大部分****基本都是通过网络分析技术聚焦于创新网络的空间结构、影响机制、网络效应等^{[3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27]}。

综上所述,作为联结不同组织、不同空间知识的有效途径,网络成为促进区域创新的潜在因素^[28,29],网络资本和物质资本、人力资本、R&D资本一样,在区域经济增长中发挥着至关重要的作用^[30,31]。但现有的研究数据来源都选择合作专利和共著论文,且缺乏一个综合的视角,大都孤立的以不同区域、不同主体创新合作为关注点。区域创新能力不仅取决于创新资源的投入^[32,33],更依赖于创新资源的协同利用^[34,35]。在创新、开放、共享的理念下,科研仪器共享成为推动创新资源协同利用、提高区域创新能力和创新绩效的有效途径,近年来得到了国家高度重视。2017年9月,国家科技部、发展改革委、财政部三部门共同研究制定了《国家重大科研基础设施和大型科研仪器开放共享管理办法》为全国科研创新设施的协同利用奠定了坚实的基础。而现阶段全国关于大型科研设施共享的研究还不多,且关注点都在管理层面的制度设计上,通过大型科研设施共享探究区域创新网络结构的则基本没有。因此有必要基于创新资源协同共享的角度对区域创新网络进行分析与探究。

作为国家首批大型科研仪器共享的先行先试省份之一,山东省在创新资源协同利用和创新网络发展方面积累了许多经验和数据。本文以山东为例,基于大型科研设施共享的视角,探究流动空间背景下区域创新网络发展问题,对全国创新资源协同利用、区域创新网络建设等具有一定的理论意义和现实意义。

2 研究对象与研究方法

2.1 研究对象

本文选择山东作为研究对象,主要有3点原因。① 山东省亟需通过创新由经济大省迈向经济强省。作为长期位居国内GDP总量前三的经济大省,山东省的经济大而不强、发展不平衡不充分的问题非常突出,急需通过创新寻求突破。② 国家对山东产业转型发展十分重视。2018年国务院批复山东成立国内首家新旧动能转换综合试验区,要求山东坚持深度融合、互利共赢,立足各地现实基础和比较优势,创新区域协同发展机制,着力在产业升级协作、要素资源配置、基础设施互通、生态环保共建等重点领域深化改革探索,促进特色发展、错位发展和互动发展,努力实现山东省整体效益最大化。③ 山东省是国内最早开始实施大型科研仪器共享探索实践的7个省份之一。

2.2 数据来源和研究方法

本文研究数据来源为山东省科技厅筹建的山东省大型科研仪器共享网络平台,它吸引了省域范围内政产学研各主体的广泛参与,积累了山东省各个地区、各个创新主体相互之间共享使用大型科研仪器的五万余条数据记录,具有真实性和可靠性。本文以仪器供需双方归属的地区及主体作为分类标准,形成网络节点,以共享使用仪器频次作为节点之间的联系值,初步构建起山东省区域创新网络,并用复杂网络分析以及QAP分析等方法进行创新网络结构、创新模式和影响因素的研究。

复杂网络分析已被****多次运用于区域创新网络的研究,因此本次研究主要采用网络分析中的中心性分析,分别探讨各节点在网络中的影响力、距离、中介程度以及网络综合地位。主要指标包括度数中心度、接近中心度、中介中心度和特征向量中心度。

（1）度数中心度的大小可衡量该节点自身在网络中的集聚和辐射能力。其公式为：

（1）

C_{D} (n_{i}) = \sum_{j = 1}^{n} r_{ij}

式中：

C_{D} (n_{i})

是节点i的度数中心度;n是节点的数目。根据节点i到j方向上是否存在有向联系,

r_{ij}

取0或者1。

（2）接近中心度是通过节点与其他节点之间的最短距离之和的倒数来表示两者之间联系的紧密程度从而揭示其在网络中的位置。其公式为：

（2）

C_{C} (n_{i}) = \frac{1}{\sum_{j = 1}^{n} d (n_{i}, n_{j})}

式中：

C_{C} (n_{i})

是节点i的接近中心度;n是节点的数目;

d (n_{i}, n_{j})

代表节点

n_{i}

与

n_{j}

之间捷径距离。

（3）中介中心度是衡量节点对其他节点的控制或依赖程度以及某节点在其他“节点对”之间充当中介者的关键性程度。其公式为：

（3）

C_{B} (n_{i}) = \sum_{j}^{n} \sum_{k}^{n} \frac{g_{jk} (n_{i})}{g_{jk}}, j \neq k \neq i

式中:

C_{B} (n_{i})

是节点的中介中心度;n是节点的数目;

g_{jk}

是从节点j达到节点k的捷径数;

g_{jk} (n_{i})

是从节点j到达节点k经过节点i的捷径数。

（4）特征向量中心度指标采用迭代算法测度不同节点之间交互作用的大小^[36],在兼顾测度区域创新网络属性及影响力属性的同时,摒弃了原有研究中将节点权重视为全部相同的观点,不仅测度了联系的频次,还强调了节点对于联系发生的重要性,可以准确、综合的展现出不同节点间影响力的差异性。

（4）

C_{E} (n_{i}) = \frac{1}{λ} \sum_{j = 1}^{n} C_{E} (n_{j}) = \frac{1}{λ} \sum_{j = 1}^{n} a_{i . j} C_{E} (n_{j})

式中：

C_{E} (n_{i})

表示节点的特征向量中心度值;在网络邻接矩阵中,若节点i与j间存在联系,则

a_{i . j}

=1;若二者不存在联系则

a_{i . j}

=0;λ是特征向量计算中的常数指标。

以上指标均可用UCINET计算得出。

由于一般的统计分析模型多要求变量之间是独立的,而网络二元数据节点之间总是存在着直接或间接联系,采用传统的回归或相关分析不能完成参数估计和统计检验。QAP最初是研究社会关系的重要方法,是一种对两个方阵中各元素相似性进行比较的方法。QAP相关分析以矩阵数据置换为基础,对两个方阵中的元素进行比较,从而计算出两个矩阵之间的相关系数。QAP回归分析则是研究一个矩阵与多个矩阵之间的回归关系,即研究因变量矩阵与多个自变量矩阵之间的关系^[37]。因此,本文应用QAP模型,对创新网络影响因素进行实证分析。

3 山东省区域创新网络分析

3.1 创新基础评估

从大型共享科研仪器数量来看（表1）,山东省共享仪器数量多,马太效应显著。全省在线登记的共享仪器共有一万五千余件,济南作为省会,共享仪器最多,达到3200多件,占全省的比例超过五分之一,遥遥领先其他城市。威海、烟台和青岛也都大约有1400件共享仪器,排名第二、第三和第四。排名前四的这四座城市占据全省大约一半的比例。共享仪器数量排名靠后的是聊城、菏泽、日照、枣庄,都不足500件,尤其是枣庄,只有200多件,是济南的十五分之一。

Tab. 1
表1
表1山东省大型共享科研基础仪器创新基础
Tab. 1Innovation basis of large-scale shared scientific research instruments in Shandong province

	共享仪器数量(个)	共享仪器价值(万元)	共享仪器归属主体(个)
	共享仪器数量(个)	共享仪器价值(万元)	政	产	学	研
淄博	940	67710.26	127	366	118	329
枣庄	218	10747.89	50	83	71	14
烟台	1411	101503.23	171	895	50	295
潍坊	981	74565.00	166	571	157	87
威海	1426	98053.94	309	724	171	222
泰安	712	48172.38	149	213	108	242
日照	345	20383.21	165	113	15	52
青岛	1185	102353.51	67	145	429	544
临沂	618	44759.74	256	246	36	80
聊城	476	54566.23	142	162	106	66
济宁	1356	85078.1	299	883	83	91
济南	3254	316964.69	514	714	490	1536
菏泽	475	23634.45	329	105	6	35
东营	666	54475.01	194	370	24	78
德州	384	18929.01	95	150	68	71
滨州	620	25881.99	192	254	19	155
总计	15067	1147778.64	3225	5994	1951	3897

新窗口打开|下载CSV

从大型共享科研仪器价值来看,山东省共享仪器价值总量大,结构分层现象明显。全省共享仪器价值达115亿元,济南依托大量中央驻鲁单位以及自身强悍的教育和科技实力,共享仪器价值达到31.7亿元,处于第一层级。青岛、烟台、威海依托国家级实验室、国家级科学装置和一批注重开放和创新的优质企业,共享仪器价值都在10亿元左右,分别排名第二、第三和第四,处于第二层级,但三者之和仍不如济南。其他分属于第三和第四层级,排名最后的仍是菏泽、日照、德州、枣庄几个城市,占比都不足2%。

从大型共享科研仪器归属主体来看,全省大致呈现政产学研比例为2:4:3的格局,相比于企业深入参与到全省大型科研仪器共享,高等院校的参与不足。具体到各市,仪器归属主体大部分城市都是企业居多,因而各城市的创新也都属于企业主导型,尤其是济宁、烟台和潍坊,企业占比大约60%。但济南和青岛例外,这两座城市企业占比较少,属于研究机构主导型,占比超过45%,且青岛高等院校占比也达到36.2%。

综合以上分析,基于仪器共享数量、价值的视角,山东省区域创新系统以工业企业为主导,在形态上呈现出以济南为创新核心辐射带动济宁和淄博等周边边缘城市发展,同时东部青岛、威海和烟台作为创新次核心集中连片发展的空间格局。

3.2 创新网络研究

利用ArcGIS 10.6将基于科研仪器共享的创新联系在空间上进行可视化（图1）,初步揭示山东省基于大型科研仪器共享视角的区域创新网络的整体特征,可以发现城市之间发生的创新功能性联系大致呈现3个特征：① 济南地处山东省中部向周边各个方面发散出大量的联系,网络位置举足轻重。潍坊、淄博、滨州、泰安、济宁大量城市都是通过济南整合在一起。② 相对于整个省域,威海与烟台的地方网络整合较好,小世界网络明显,辐射范围主要在胶东半岛;青岛作为形态上的创新次核心,在功能上却处于边缘位置,与其他城市联系远远不足。③ 以食品加工为首的制造企业创新活跃,作为经济大省山东制造业发达,所有的创新联系由企业发出的占据95.9%。其中食品制造企业占据最大比例32.23%,其次为装备制造20.81%、材料制造13.75%,其他行业的企业所占比较少。

图1

新窗口打开|下载原图ZIP|生成PPT
图1山东省创新联系图

注：基于山东省自然资源厅标准地图服务系统的标准地图（审图号：鲁SG(2019)045号）绘制,底图无修改。
Fig. 1Innovation linkage map of Shandong province

3.2.1 区域网络分析为了更加清晰的探究山东省区域创新网络空间格局以及各城市的地方创新网络和跨界创新网络现状,将发生创新活动功能联系的主体双方在区县尺度进行分析。结果显示山东省以济南历城、历下、济宁泗水、淄博张店、潍坊奎文为核心的多中心区域创新网络格局已经初步形成。

在区域创新网络中（表2）,度数中心度最大的为济南市历城区、泰安市岱岳区和济南市历城区,表明这些节点在网络影响力巨大;接近中心度最大的为济南市历城区、历下区、济宁市任城区、威海市环翠区等,这些节点在网络中离其他节点距离比较近;中介中心度最大的为济南市历下区、历城区、济宁市任城区,这些节点在网络中中介作用明显;加权中心度最大的为济南市历城区、历下区、淄博市张店区,这些节点的网络连通性最好。基于特征向量中心度视角的区域创新网络节点综合地位分析显示,山东省区域创新网络在功能上存在核心、次核心、地方核心、外围4个层级,济南、济宁、淄博、潍坊中心地位明显,并且各级节点数量规模呈现金字塔格局,等级结构完善。其中济南历下区作为区县尺度区域创新网络的核心节点,具有绝对优势,对周边、甚至整个省域区县都有强大的辐射带动能力。历城、泗水、张店、岱岳、奎文、任城作为次一级核心节点,影响力虽然没有历下那么大,但仍然在网络中占据着优势地位,它们的的网络腹地范围都不仅仅限于周边邻近区县,仍然覆盖整个省域的创新节点。寒亭、金乡、福山、天桥、禹城、安丘共26个属于特色功能型节点,处于地方核心,都承担着专业化的特色职能,一方面与高层级节点关联吸收高级要素,另一方面将知识要素进行转化扩散服务周边功能节点,且两项职能中以后者为主。剩下的93个节点作为外围节点,为整个区域网络发展提供了广阔的腹地支持。

Tab. 2
表2
表2山东省区域创新网络节点网络地位分析
Tab. 2Analysis of node network status of regional innovation network in Shandong province

节点	城市	度数中心度	接近中心度	中介中心度	加权中心度	特征向量中心度	分类
历下	济南	61	0.5000	1746.8594	2780	1.000000	核心(1个)
历城	济南	47	0.5172	995.0120	3475	0.854372	次核心(6个)
泗水	济宁	39	0.3846	571.9447	2145	0.792271
张店	淄博	32	0.3947	564.2105	3372	0.777650
岱岳	泰安	50	0.4128	545.2707	595	0.749199
任城	济宁	33	0.4592	758.1549	730	0.684119
奎文	潍坊	36	0.3750	333.2975	2687	0.678736
寒亭	潍坊	35	0.3383	431.7992	1499	0.512994	地方核心(26个)
金乡	济宁	17	0.4128	157.0092	208	0.493244
福山	烟台	17	0.3750	222.1392	711	0.467668
…	…	…	…	…	…	…
安丘	潍坊	12	0.4286	111.3426	1390	0.145059
长清	济南	5	0.4167	3.3596	69	0.107035	边缘(93个)
潍城	潍坊	6	0.3689	36.5120	337	0.080746
…	…	…	…	…	…	…
惠民	滨州	3	0.3459	0.0000	175	0.000000

新窗口打开|下载CSV

综合来看,山东省区域创新联系存在较为显著的空间差异,与城市经济发展水平、地理交通可达性、行政等级等具有一定相关性。济南、济宁、淄博等行政等级高、经济发达地区拥有较多的创新主体参与创新合作,创新主体发出和接收的创新联系最为密集,在整个区域创新网络中具有极大的影响力。这一方面是由于大量的国家级和省级大科学装置、研发机构被安置在高行政等级城市,另一方面也得益于这些地区发达的市场经济环境,企业积极寻求创新突破,在自主研发设计等环节投入了大量人力、物力和财力资源。

对节点之间的联系强度进行可视化分析发现（图2）,山东省区域创新网络具有很强的地方性机制。联系强度排名前20的节点对之间,有19对位于同一个市。根据Boschma等的研究,创新伙伴、空间尺度、合作关系的选择是认知、组织、社会、制度和地理等维度邻近性的影响,得益于经济水平相似、地理邻近、文化相通、制度相同等因素,济南市历城和历下及章丘、威海市环翠和文登、济宁市泗水和曲阜及邹城、淄博市张店和临淄、滨州市滨城和沾化联系强度较大。且多维邻近性并非相互独立,基于地理邻近衍生的成本机制、关系资本、信任机制等和认知、组织、社会、制度等维度邻近性在特定阶段具有一定的相关性和替代性,所以这些因素又会产生交互作用进而使得这几个区县的联系强度在整个网络中排名靠前。

图2

新窗口打开|下载原图ZIP|生成PPT
图2山东省区域创新联系结构图

Fig. 2Structure of regional innovation linkage in Shandong province

鉴于远距离跨界的创新合作可以带来新鲜、异质的创新资源,因此在市域内部高强度的创新联系之外,对节点之间跨市创新联系进行分析。研究发现山东省区域创新网络跨界创新联系主要发生在核心节点与次级核心节点之间。以潍坊市青州和淄博市张店、济南市章丘和淄博市张店、威海市环翠和烟台市芝罘、德州市乐陵和济宁市泗水、菏泽市郓城和济南市历下、济南市历下和烟台市福山等跨界创新联系最为密切。相对于市域范围内的密切创新联系,这些跨界的创新联系能够产生,既需要优质稀缺的创新资源互补性进行推动,也需要高效便捷的交通和通讯设施提供基础支撑,因而处于网络门户位置的潍坊、淄博、烟台等的联系强度与最强联系的绝对差值有所缩小,呈现微弱的联系地位上升的趋势。

3.2.2 主体网络分析创新主体指创新体系中的主要实体,主要包括政府部门、工业企业、高等院校、研究机构。根据****已有的大量研究,政府部门的政策制度保障、工业企业的市场化推动、高等院校的人才供应、研究机构的专业突破等等,都对创新和数量和质量、深度和广度都发挥着至关重要的作用。

区域之间的创新联系对创新网络的构建十分重要,不同主体之间的创新联系也是如此。为了进一步探究山东省创新网络主体之间的创新联系,把发生创新联系的单位划分为政产学研四种类型,构建主体创新网络。可以发现,山东省以淄博的高等院校、淄博的公司企业、济南的研究机构等为核心初步构建了紧密的创新主体交互网络。

度数中心度和加权中心度分析表明济南的企业、济宁的企业、淄博的高等院校等在主体网络中占据核心地位;接近中心度大体呈现相似的格局;中介中心度分析显示位于山东省创新网络主体节点之间门户通道位置的大都是公司企业。因此,公司企业不仅相互之间交流转化创新知识,还推动着新知识和技术在不同的主体之间进行传播,对于促进不同主体之间构建协同创新的网络意义重大。

基于特征向量中心度视角的区域创新网络节点综合地位分析显示（表3）：① 科研机构在网络中地位结构化差异明显。济南的研究机构处于最核心地位,但在第一和第二等级节点中,其他地方科研机构出现次数较少,综合排名靠后。② 高等院校参与创新网络以理工类高校为主。这些高校和生产实际结合密切,而其他院校未充分参与。③ 工业企业主导山东省区域创新网络的形成。表现在企业参与科研创新不仅总数最多,而且各个地方创新网络都有企业的深度参与。④ 政府机构对区域创新网络发挥着锦上添花的作用,推动区域创新网络的完善和提升。

Tab. 3
表3
表3山东省主体创新网络节点网络地位分析
Tab. 3Analysis of node network status of main innovation network in Shandong province

节点	标签	类型	度数中心度	接近中心度	中介中心度	加权中心度	特征向量中心度	分类
济南-研	济南	研	17	0.2985	4.6667	1699	1.000000	一级(7个)
淄博-学	淄博	学	11	0.0000	0.0000	6896	0.878092
济宁-产	济宁	产	30	0.5479	170.0667	1135	0.813787
潍坊-政	潍坊	政	9	0.0000	0.0000	1980	0.812810
济宁-政	济宁	政	9	0.0000	0.0000	255	0.735139
泰安-产	泰安	产	20	0.4082	60.4833	736	0.687613
潍坊-产	潍坊	产	26	0.5479	109.0333	2513	0.649831
济南-产	济南	产	37	0.7018	381.7500	1788	0.583238	二级(8个)
烟台-产	烟台	产	22	0.5063	93.0583	1953	0.556853
泰安-研	泰安	研	4	0.0000	0.0000	83	0.539473
济南-政	济南	政	8	0.4211	41.3333	88	0.509833
泰安-政	泰安	政	6	0.0000	0.0000	150	0.502260
淄博-研	淄博	研	9	0.3960	45.2250	312	0.487216
滨州-政	滨州	政	8	0.0000	0.0000	177	0.451236
青岛-产	青岛	产	8	0.4124	3.1667	51	0.446597
滨州-产	滨州	产	17	0.5128	22.9167	606	0.335125	三级(35个)
…	…	…	…	…	…	…	…
聊城-产	聊城	产	9	0.4828	0.0000	99	0.000000
菏泽-产	菏泽	产	8	0.4941	0.0000	163	0.000000

新窗口打开|下载CSV

通过不同主体之间联系强度的分析发现（图3）,山东省比较紧密的创新联系主要发生在城市内部不同主体之间,这表明很多城市内部都已经形成比较紧密的政产学研协同创新网络。例如淄博、济南、济宁、威海等,由于地理、文化接近,交流方便,城市内部不同主体创新联系紧密。处于主导地位的公司企业通过主动与外界的相同或不同主体构建联系,为地方创新网络输入新鲜异质的知识。作为追求利润最大化的主体,企业有通过创新提高门槛的需求,也有向其他地方扩张布局的需要,这就导致企业成为最为活跃的创新主体,在与其他企业、科研机构协同创新的同时,也跨越边界为不同主体、不同地区带去了异质性的知识,促进了创新资源的吸收和扩散。

图3

新窗口打开|下载原图ZIP|生成PPT
图3山东省主体创新联系结构图

Fig. 3The main body innovation connection structure of Shandong province

综合来看,研究机构是具有明确的研究方向和创新任务的概念,更倾向于专业化领域的针对性较强的研究,更致力于技术创新,与企业的关系更为密切。在产业转型升级的过程中,国家和省委省政府都在山东设立了大量的科研机构,以济南的农业科学院、药物科学院、食品工程重点实验室、软件工程重点实验室、泰安的特种设备检验研究院、动物微生态制剂工程技术研究中心、作物生物学重点实验室、淄博的耐火材料工程研究中心、精细化工和高分子材料研究院、先进陶瓷研究院等为代表,这些科研机构在区域创新网络中承担了明确的科技产业化的任务,与其他研究机构以及相应的企业都产生了密切的创新联系,这也使得济南的研究机构的在整个主体创新网络中处于第一层级,泰安和潍坊的科研机构在整个网络中也处于较为核心的位置。

高等院校是主要的创新摇篮,更倾向于范围更广、更深入的研究,或者教学形式的研究。它能够有效地加强企业与以科研机构之间知识的互补,进而促进各自的创新能力以及创新水平的提高。在基于大型科研仪器共享的山东省区域创新主体网络体系中,由于山东理工大学有大量的材料制造、机械制造以及其他行业大量的分析测量共享仪器,使得淄博的高等院校在整个网络中也处于较为核心的位置。相较而言,像山东大学等老牌综合名校一方面由于学科设置不如理工科能够直接面向生产,另一方面也由于开放共享程度不足等原因,不仅使得这些原本拥有综合名校的地区高等院校与其他主体创新联系不足,也制约着整体区域创新网络中高等院校的地位的提升。

企业是技术创新活动的主要参与者,是区域创新R&D经费的重要来源主体和执行主体,通过直接面向客户和市场,及时地把握市场的需求,并推动着技术创新的进程。山东省区域创新网络主体企业的数量最多,最有活力。济宁、泰安、潍坊、济南等地的企业为了占领市场、追求利润最大化等,不仅投入大量的研发经费完善自身科研仪器配置,还通过共享出租、科研合作等方式与其他企业、科研机构交流合作,因此造成了各地企业充分参与地方科技创新、省域整体以企业创新为主导的局面。

政府部门虽然不直接参与技术研发活动,但政府行为以及政策制度对区域创新网络发挥着越来越重要的作用,对于促进知识在技术创新网络中的吸收和转化起着重要的平台支撑作用,在技术和经济水平都不发达的地区创新网络的构建过程中更是如此。山东省的创新网络分析表明了地方政府在推动区域创新网络形成中发挥了锦上添花的作用。对于创新发展突出的济南、济宁等地区,地方政府积极打造服务型政府,主动为实力强劲的科研机构、创新活跃的工业企业搭建交流共享平台,引导形成创新联盟,推动区域创新能力更上一层楼。而对于创新发展欠缺的聊城、枣庄等地,政府也有积极寻求自身仪器开放共享以及和其他主体合作,但由于基础薄弱、缺乏市场活力等原因,目前未见有明显改善,这些地区的创新联系依然呈现单薄稀少的局面。

3.3 创新网络模式

创新过程的关键在于不同区域（城市）、不同类型创新主体所建立的创新链^[38],要想获得有价值的知识来促进地方学习和创新,除了充分利用默许知识之外,还应获取新异知识^[39,40]。城市内部创新关联网络和主体内创新协同可以为创新网络整体带来根植性的要素,促进创新要素和创新知识的消化吸收;城市外部关联网络和主体间创新协同可以为创新网络整体带来异质性的要素,是打破路径锁定和取得突破创新的必经之路。因此,基于区域创新合作、主体创新协同以及创新网络规模的视角,对山东省各城市创新网络的创新模式进行分析。

分别构造城市创新的根植性系数和异质性系数来表征城市创新联系的特征。根植性系数主要包含区域内部创新合作强度和主体内部创新合作强度,描述城市内向创新联系;异质性系数主要包含区域外部创新合作强度和主体之间创新合作强度,描述城市外向创新联系。城市区域内部创新合作强度为该城市区域内部创新联系频次与整个山东省区域内部创新合作频次的比值,同样方法可以计算得出其他三种城市创新合作强度,最后分别加和得出基于空间和主体视角下的城市创新根植性和异质性系数（表4）。

Tab. 4
表4
表4山东省各市创新根植性和异质性分析
Tab. 4Analysis of the embeddedness and heterogeneity of innovation in Shandong province

	区域内部创新合作强度	区域外部创新合作强度	主体内部创新合作强度	主体之间创新合作强度	根植性系数	异质性系数
滨州	0.0652	0.0383	0.0796	0.0258	0.1448	0.0641
德州	0.0018	0.0541	0.0046	0.0034	0.0063	0.0575
东营	0.0059	0.0239	0.0047	0.0131	0.0105	0.0370
菏泽	0.0048	0.0173	0.0085	0.0039	0.0132	0.0211
济南	0.1944	0.1900	0.2597	0.0943	0.4541	0.2843
济宁	0.1983	0.1152	0.2925	0.0180	0.4909	0.1332
聊城	0.0009	0.0104	0.0017	0.0029	0.0026	0.0132
临沂	0.0185	0.0638	0.0052	0.0117	0.0237	0.0755
青岛	0.0002	0.0061	0.0011	0.0006	0.0013	0.0067
日照	0.0001	0.0775	0.0046	0.0023	0.0047	0.0798
泰安	0.0175	0.1101	0.0205	0.0168	0.0380	0.1269
威海	0.1274	0.0457	0.1192	0.1195	0.2466	0.1652
潍坊	0.1201	0.0676	0.1113	0.1269	0.2313	0.1944
烟台	0.0693	0.0695	0.0627	0.0902	0.1320	0.1597
枣庄	0.0003	0.0154	0.0009	0.0022	0.0011	0.0177
淄博	0.1754	0.0952	0.0234	0.4687	0.1988	0.5639

新窗口打开|下载CSV

根植性创新趋势最明显的为济宁,异质性创新趋势最明显的为淄博,创新网络规模最大的是济南。济宁的城市内部、相同主体之间的创新网络联系最紧密,淄博的城市外部、不同主体之间的创新网络联系最紧密,济南的创新合作联系最广,且根植性创新网络和异质性创新网络比例大致相同。综合来看,可将山东省的城市创新网络模式划分为四类：综合创新模式、异质创新模式、根植创新模式和孤立创新模式（表5、图4）。

Tab. 5
表5
表5山东省创新网络模式分类表
Tab. 5Classification of innovation network model in Shandong province

分类	示意图	代表城市	模式特征
综合创新模式	C	济南	创新网络规模和密度庞大,且创新主体内和主体间、区域内和区域间联系都非常紧密,既有跨界联系获取高端创新要素,又有根植性的网络协助承接和转化吸收。
异质创新模式	D	淄博、烟台	创新网络规模较大,主要由于各个创新主体获取异质知识丰富,但主体或是区域之间缺乏关联,一方面限制了主体网络地位的提升,另一方面也不利于区域综合创新能力的提升。
根植创新模式	B	济宁、威海、潍坊、滨州	创新网络密度较大,主要由于各个创新主体内部创新联系紧密,但缺乏外部有效的联系,难以获得突破性的创新,容易陷入路径锁定的风险,需要及时引入外部创新要素。
孤立创新模式	A	德州、东营、菏泽、聊城、临沂、青岛、日照、泰安、枣庄	创新网络规模和密度都有待提升,创新活动不足且多是孤立创新,各个创新主体与区域内外相同或者不同主体都没有建立有效的联系,处于创新网络发育的初级阶段。

新窗口打开|下载CSV

图4

新窗口打开|下载原图ZIP|生成PPT
图4山东省创新网络模式图

注：点的大小表示创新主体的中心度的大小;线条的粗细表示各主体创新主体联系的强弱;4个虚线圈表示4个不同的城市。
Fig. 4Innovation network model of Shandong province

由表5可知,综合创新模式只有济南一座城市,作为区域创新网络构建的核心主导力量,济南应保持并优化本地和跨界创新合作网络格局,同时积极融入国家创新体系,在更大范围内承担创新分工,以便于更好的向省内周边辐射扩散。异质创新模式有淄博和烟台两座城市,作为区域跨界创新的积极推动者,在推动全省创新融合发展的同时,还应强化本地主体间的互动合作,促进自身对外部知识的吸收转化。根植创新模式有济宁、威海、潍坊、滨州4座城市,作为区域创新知识吸收和转换的主要阵地,在打造自身特色职能的同时,要着力构建外部联系通道,促进局部小创新网络融入区域大创新网络。孤立创新模式有德州、东营、菏泽、聊城、临沂、青岛、日照、泰安、枣庄9座城市,作为区域创新尚待开发的网络腹地,应充分认识到网络在资源配置和要素流动中的关键作用,主动融入区域创新网络寻求发展,逐步构建起有利于自身发展的根植性创新网络和异质性创新网络体系。

4 影响因素探究

已有研究表明,区域地理空间因素、经济与技术因素、社会文化因素等会对区域创新网络产生重要影响,地理邻接以及交通可达性为创新交流提供便利条件,经济和技术发展水平相近的城市拥有相近的创新需求和创新能力,社会开放、信息交流、政治制度等因素为区域创新合作积累了网络资本,这些都可以直接或者间接的对创新网络产生影响^{[41,42,43,44,45,46]}。借鉴****的相关研究,本文选择土地是否接壤以及公路交通通行时间成本两个指标来代表地理空间因素,选择第三产业产值占GDP比值的差异和共享仪器数量的差异来代表经济和技术因素,选择进出口总额差异、百度关注指数、是否为省会城市来代表社会文化因素。通过7个指标来实证探究山东省区域创新网络的影响因素。

首先利用Ucinet软件进行QAP相关分析（表6）。由结果可知,在空间距离因素中,选取的两个指标皆与区域创新合作显著相关,其中地理毗邻显著正相关,交通可达显著负相关,且都在1%水平下显著。表明地理空间接壤、交通时间成本低有助于区域创新资源共享与合作。在经济技术因素中,技术差异与创新合作正相关,且在5%水平下显著,创新技术水平落后的城市倾向于跨越层级,直接和科技水平突出的城市联系,而非与自身科研技术实力相当的城市;经济差异没有通过显著性检验,说明城市经济发展水平不是影响山东省城市创新联系的必然条件。在社会文化因素中,开放程度差异与创新合作负相关,且在5%水平下显著,开放程度差异大的城市之间更不容易发生创新联系;制度差异和信息差异与创新合作正相关,且都在10%水平下显著,表明在区域中都倾向于和省会城市、日常信息交流密切的城市进行创新合作。

Tab. 6
表6
表6QAP相关分析结果
Tab. 6QAP correlation analysis results

影响因素	指标	Obs Value	Significance
地理空间因素	地理毗邻	0.442^***	0.000
地理空间因素	交通可达	-0.408^***	0.000
经济技术因素	经济差异	0.104	0.203
经济技术因素	技术差异	0.283^**	0.047
社会文化因素	开放程度	-0.184^**	0.025
	百度指数	0.189^*	0.082
	制度差异	0.350^*	0.063

注：^*表示在0.1水平下显著;^**表示在0.05水平下显著;^***表示在0.01水平下显著。

新窗口打开|下载CSV

其次,基于以上变量数据,剔除经济差异要素指标,运用Ucinet软件进行5000次随机置换得到的QAP回归结果显示（表7）,整个回归方程R²为0.316,调整R²为0.301,且均通过显著性检验。由于创新的复杂性等原因,入选的6个通过相关性检验的指标中,信息差异、技术差异、开放程度差异未通过回归分析模型的显著性检验。通过检验的指标中,制度差异的标准化系数最大,为0.355,在5%的水平下显著;交通时间成本的标准化系数为-0.162,在5%水平下显著。地理毗邻的标准化系数为0.352,且在1%水平下显著。由于区域内城市创新能力整体较弱,行政、交通等因素使得创新合作更倾向于发生在与省会城市之间以及地理接壤、交通条件优越的城市之间。

Tab. 7
表7
表7QAP回归分析结果
Tab. 7QAP regression analysis results

Independent	Un-stdized Coefficient	Stdized Coefficient	Significance	Proportion As Large	Proportion As Small
Intercept	74.428	0.000
地理毗邻	76.158	0.352	0.001	0.001	1.000
交通可达	-0.154	-0.162	0.048	0.952	0.048
技术差异	-0.001	-0.008	0.464	0.537	0.464
开放程度	0.001	0.015	0.428	0.428	0.572
百度指数	-0.085	-0.132	0.165	0.836	0.165
制度差异	97.083	0.355	0.050	0.051	0.951

注：R-Square=0.316;Adj R-Sqr=0.301;Probability=0.000。

新窗口打开|下载CSV

制度差异对区域创新联系有显著的促进作用,表明行政等级高的城市更易与其他城市发生创新联系,这是因为高等级城市通常分布有大型企业、科研院所总部,其他地区则分布着它们的分支机构,企业子母公司、科研机构上下层级关系推动着周边其他城市主动与高行政等级产生创新联系,寻求创新资源。地理毗邻对区域创新的空间关联发生了显著的作用,毗邻地区之间创新联系更强;交通时间成本与创新联回归系数为负说明交通基础设施的通达水平对市域之间创新关联具有较为显著的影响。这是由于地理接壤、交通联系方便的地区具有更加相似的文化背景和更为紧密的社会交往关系,基于地缘和业缘的社会资本促进了创新联系的发生与和强化。经济发展水平的相近以及信息水平等的相近并没有带来创新联系的强化,说明山东省区域创新联系的发生更多的是基于社会文化等其他方面的要素,基于空间邻近衍生的成本机制、关系资本、信任机制等和基于制度因素衍生的行政配置、权力差异等发挥着更为重要的作用。

5 结论与讨论

5.1 结论

第一,从创新基础来看,山东各地结构性差异显著。这种差异表现在共享仪器数量和仪器价值上是山东省各地存在严重的极化趋势,以省会和胶东半岛几个核心城市占据了区域绝大部分创新基础资源;表现在仪器归属主体上是高等院校没有深度融入山东省区域创新网络,高校科研资源未能充分转化为区域创新发展资源。这些差异将有可能导致在产业转型升级的背景下,山东省与其他省份、山东省内各地区之间创新差距进一步拉大。因此未来不仅要考虑科研设施布置向南部倾斜,同时还要进一步完善科研仪器共享的制度安排,对各地区和各主体单位的共享仪器数量、对外服务时长设立明确的目标和考核要求,进一步扩大开放共享,缩小地区差距。

第二,从创新网络来看,山东省创新网络由济南、淄博、济宁、威海的几个核心节点的区县所主导。济南、淄博、烟台等核心节点要发挥两个扇面作用,形成创新的双环流体系。一方面整合好内部创新网络腹地,为边缘位置扩散创新要素,另一方面参与到更大范围的创新合作中;边缘型城市积极打造特色专业化职能,依托于自身动态比较优势,以产业分工、产业创新推动城市深度融入区域创新网络。同时,公司企业在创新网络中占据主导地位,创新的市场性导向特征明显。网络联系比较紧密的为济南、济宁、淄博以及威海、潍坊的区县,地理临近性优势明显。由济南发出的放射性的高强度联系最为密集。从节点属性来看,政产学研各主体发挥作用各不相同,未来各市需要进一步强化建立起政产学研协同创新的区域创新共同体。

第三,从创新模式来看,流动空间背景下城市根植性和异质性创新网络需要同步提升。现阶段山东省内创新发展良好的,都是区域和主体内外创新合作发展均好的城市,缺了任何一项,都会制约整体创新水平的提升,而具有密集内部和外部创新联系的城市创新水平和创新效率更高。基于信任、根植性机制以及基于跨界、异质性机制是未来提升区域创新优势的关键。未来在鼓励各地大力搭建创新联盟、引导地方创新合作的同时,也应该支持地方主体积极走出去,向外寻求突破,提升区域创新的广度和深度。

第四,从影响因素来看,QAP相关性分析的结果可知地理空间接壤、交通便利有助于区域创新资源共享与合作。技术差异与创新合作正相关,技术发展水平相似的城市直接更不容易发生创新合作关系。开放程度差异与创新合作负相关,开放程度的差异性并没有给区域之间创新合作带来正向的促进作用。在区域中都倾向于和省会城市、日常信息交流密切的城市进行创新合作。QAP回归分析表明行政、交通等因素使得创新合作更倾向于发生在与省会城市之间以及地理接壤、交通条件优越的城市之间。因此山东省需要通过完善高速交通和通讯等新型交通和通讯基础设施建设、加大省会城市济南的创新辐射等方式,进一步整体促进区域创新发展水平的提升。

5.2 讨论

与已有基于专利、论文等数据研究区域创新网络相比,本文基于大型科研仪器共享数据研究区域创新网络,二者存在一些相似之处,都是在创新发展的背景下探讨知识流动与区域发展格局重塑的关系。不同之处主要在于：从创新的过程来看,创新包含基础研究、应用研究、试验发展3个环节,基于专利、论文等数据研究区域创新网络主要聚焦于基础研究环节,部分涉及应用研究;而基于大型科研仪器共享数据构建创新网络则重点落在了应用研究和试验发展环节,且试验发展环节占比更大。这是因为在科研仪器共享的背景下,企业是数量最大最主要的参与主体,不仅表现在科研仪器需求端,也表现在仪器的供给端,而企业追求市场占领和经济效益的特性就决定了自身的创新以面向市场的产业化创新为主。因此,本文基于大型科研仪器共享数据构建区域创新网络的研究与产业创新联系更为密切,这对于当下全国各级政府推行的振兴实体经济、制造业回归等战略具有更大的参考和指导意义。

同时,产业创新并非一味追求“大智移云”（大数据、人工智能、移动互联网、云计算等新一代信息通信产业的简称）,需要重点关注自身具有比较优势的产业。在所有基于科研仪器共享的山东省创新联系中,食品制造类企业占比32.23%,促成了以沾化、金乡、章丘、福山为首的一批特色专业化职能创新网络节点的崛起。四区县都属于国家认定的特色农业优势区,特产沾化冬枣、金乡大蒜、章丘大葱、福山樱桃都是国家地理标志产品,尤其是金乡大蒜的品牌价值218.19亿元,位居全国蔬菜类品牌排名第一,享有极大的品牌优势和竞争力。事实上,整个山东省在现代农业上具有明显优势,基于科研仪器共享视角的大量的创新联系显示出了山东省食品加工制造巨大的市场活力和产业竞争力,这些都表明了山东省之后在科研设施布局、产业创新发展中需要重视现代农业和食品制造的基础优势以及创新需求,助推全省产业转型升级取得更好的发展。

致谢

真诚感谢匿名评审专家在论文评审中所付出的时间与精力,评审专家在实证结果解读、核心主体补充分析、与已有研究情况对比、结论对策等方面的建议,使得本文的写作深度和学术价值有了较大的提升;专家对文章各部分的逻辑关系整合、规范表达等方面的建议,使文章整体的结构层次更加清晰合理。

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]

Coe N

, Dicken

, Hess

. Global production networks: Realizing the potential
Journal of Economic Geography, 2008, 8(3): 271-295.

DOI:10.1093/jeg/lbn002 URL [本文引用: 1]

[2]

Cooke

, Asheim

, Boschma

, et al. Handbook of Regional Innovation and Growth
Cheltenham: Edward Elgar, 2011.

[本文引用: 1]

[3]

Hoekman

, Frenken

, Oort F

. The geography of collaborative knowledge production in Europe
Annals of Regional Science, 2009, 43(3): 721-738. DOI: 10.1007/s00168-008-0252-9.

URL [本文引用: 2]

[4]

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.

DOI:10.11821/dlyj201503011 [本文引用: 2]

知识在产业集聚、区域创新中的地位越来越突出,城市知识储量及其在区域知识网络中的地位对城市的综合竞争力有重要影响。学术论文合作与专利合作是知识溢出的体现形式,是科学和技术发展的重要成果,也是度量区域创新能力的主要指标。以2000-2009年中国生物技术领域合著论文和共同申请专利的信息为原始数据,分别构建中国城市间科学知识网络(scientific knowledge network,SKN)与技术知识网络(technological knowledge network,TKN)。运用复杂网络与地学空间分析方法,从整体网络结构特征、择优链接性、中心城市及其自我网络的空间特征等方面进行分析,探究知识溢出的时空复杂性。研究表明：①SKN和TKN具有无标度网络特征;SKN节点度数的异质性高于TKN。②两种网络均呈异配性,即城市选择合作对象存在明显择优链接性,知识溢出具有粘着性和空间依赖性。③SKN中心城市具有明显的等级结构,空间分布总体呈“大分散小集聚”特点;TKN中心城市层级结构不明显,尚未形成明显极化中心。④SKN中心城市自我网络的合作空间,由最初的沿海省会城市间的合作转向长三角、珠三角、京津冀等区域间和沿海城市与内陆城市间的合作,区域间知识溢出明显;TKN中心城市自我网络仍多分布于沿海城市和少数中西部省会城市,区域间知识溢出不明显。⑤SKN中心城市及其自我网络的时空演变存在等级扩散和传染扩散的现象,符合时空梯度推移规律,且空间等级梯度逐渐向扁平化转变;TKN中心城市及其自我网络的时空演变以等级扩散为主,时空梯度推移现象不明显。研究结论为量化知识溢出及知识溢出网络结构的时空演化过程提供新的研究视角,对城市创新政策的制定有一定借鉴意义。

[Li

Dandan

, Wang

Tao

, Wei

Yehua

, et al. Spatiotemporal complexity of urban scale scientific knowledge network and technological knowledge network structure in China
Geographic research, 2015, 34(3): 525-540.] DOI: 10.11821/dlyj201503011.

[本文引用: 2]

[5]

Ma H

, Fang C

, Pang

, et al. The effect of geographical proximity on scientific cooperation among Chinese cities from1990 to 2010
PLOS One, 2014, 9(11): 1-11. DOI: 10.1371/journal.pone.0111705.

[本文引用: 2]

[6]

Li Y

, Phelps

. Knowledge polycentricity and the evolving Yangtze River Delta megalopolis
Regional Studies, 2017, 51(7): 1035-1047. DOI: 10.1080/00343404.2016.1240868.

URL [本文引用: 2]

[7]

Ma H

, Fang C

, Lin S

, et al. Hierarchy, clusters, and spatial differences in Chinese intercity networks constructed by scientific collaborators
Journal of Geographical Sciences, 2018, 28(12): 1793-1809.

[本文引用: 2]

[8]

马海涛, 黄晓东, 李迎成. 粤港澳大湾区城市群知识多中心的演化过程与机理
地理学报, 2018, 73(12): 2297-2314.

DOI:10.11821/dlxb201812003 [本文引用: 2]

基于1990-2016年“Web of Science”核心合集所收录的科研论文合著数据,借助基尼系数测度属性和功能多中心性的方法,对粤港澳大湾区城市群的知识多中心性及其知识网络的演化进行了研究。结果发现：① 伴随着粤港澳大湾区城市群知识生产总量的持续增长,其多中心性程度呈现出阶段性、阶梯式提升的特征,分别经历了波动、增长和分化的发展阶段,港澳回归后的2000-2010年间是多中心性快速增长的重要阶段。② 粤港澳大湾区城市群在区域、国家和全球尺度上的功能多中心性程度随着尺度增加逐级递减,进一步证实了功能多中心性的尺度规律性;而且发现了多中心在演化中的尺度敏感性,全球尺度上的多中心性会存在不确定的峰值,而区域尺度上的多中心性可能会持续增加。③ 城市群多中心的演化是受制度接近、地理接近和等级接近影响,在研究人员移动、科研单位联动和政府政策推动及其行动主体间的相互作用下实现的,多中心程度的增加有助于推动粤港澳大湾区城市群构建科研协同创新共同体。

[Ma

Haitao

, Huang

Xiaodong

, Li

Yingcheng

. Evolution process and mechanism of knowledge Polycentricity in Guangdong, Hong Kong and Macao megalopolis
Acta geographica Sinica, 2018, 73(12): 2297-2314.] DOI: 10.11821/dlxb201812003.

[本文引用: 2]

[9]

Proff S

, Brenner

. The dynamics of interregional collaboration: An analysis of co-patenting
Annals of Regional Science, 2011, 52(1): 41-64. DOI: 10.1007/s00168-013-0573-1.

URL [本文引用: 2]

[10]

牛欣, 陈向东. 城市创新跨边界合作与辐射距离探析: 基于城市间合作申请专利数据的研究
地理科学, 2013, 33(6): 659-667.

DOI:10.13249/j.cnki.sgs.2013.06.659 [本文引用: 2]

基于跨城市边界合作申请的发明专利数据,对中国（不包括港澳台地区）跨区域合作创新现状进行了分析,同时提出城市知识创新辐射距离的概念和计算方法,进一步研究具有辐射效应城市的8个合作方向以及不同行业的辐射距离。结果显示知识创新辐射距离随着地理距离增长呈递减趋势,且不一定与该城市信息流量成正比;北京、上海、深圳3个城市起到一定的技术创新“辐射和带动”作用;一些城市存在对某些方向地区“带动”作用的忽视;在不同的行业中,城市知识创新辐射距离体现出不同的特征。

[Niu

Xin

, Chen

Xiangdong

. Analysis of cross boundary cooperation and radiation distance of urban innovation: Based on patent application data of inter city cooperation
Geoscience, 2013, 33(6): 659-667.] DOI: 10.13249/j.cnki.sgs.2013.06.003.

[本文引用: 2]

[11]

Ma H

, Fang C

, Pang

. Structure of Chinese city network as driven by technological knowledge flows
Chinese Geographical Science, 2015, 25(4): 498-510. DOI: 10.1007/s11769-014-0731-0.

URL [本文引用: 2]

[12]

段德忠, 杜德斌, 谌颖, 等. 中国城市创新技术转移格局与影响因素
地理学报, 2018, 73(4): 738-754.

DOI:10.11821/dlxb201804011 [本文引用: 2]

以国家知识产权局专利检索及分析平台中历年专利转让记录为数据源，采用大数据挖掘技术、地理信息编码技术、空间自相关模型和多元线性回归模型，并从集聚和扩散两个方面构建城市创新技术转移能力评价指标体系及评估模型，对2001-2015年中国城市技术转移的时空格局、集聚模式及影响因素进行了研究。结果发现：① 2001-2015年，随着城市创新技术转移能力的不断上升，且在参与创新技术转移的城市数量不断增加情境下，中国城市创新技术转移能力的两极分化及强集聚特征持续发育;② 中国城市创新技术转移格局经历着空间不断极化的历程，由京津冀、长三角和珠三角主导的三极格局逐渐凸显;③ 中国城市创新技术集散体系不断完善，从全球至地方的中国创新技术集散体系已初步形成;④ 中国城市创新技术转移呈现出显著的空间关联与集聚效应，4种类型基本呈“抱团”分布，城市创新技术转移的地理邻近性显著;⑤ 多元线性回归模型发现，城市创新技术的需求能力和供给能力决定其转移能力，第三产业产值规模和专利申请量对城市创新技术转移能力影响较大。另外，研发人员数量也是影响城市技术转移能力的重要因素，但是相关性较低，而城市第一产值规模对城市创新技术转移能力具有显著的阻抗作用。（注：①考虑到专利技术从申请至授权以及转移的期限较长，因此本文城市吸收、转出的专利速度主要基于1年转移量、2年转移量和5年转移量来综合评定。）

[Duan

Dezhong

, Du

Debin

, Chen

Ying

, et al. The pattern and influencing factors of urban innovation technology transfer in China
Acta geographica Sinica, 2018, 73(4): 738-754.] DOI: 10.11821/dlxb201804011.

[本文引用: 2]

[13]

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.

DOI:10.11821/dlxb201602006 [本文引用: 2]

产学研合作是区域创新的主要途径和重要来源.以中国装备制造产业为例,基于中国知识产权局1985-2012年间的合作发明专利数据,借助SPSS,UCINET,ArcGIS等定量分析工具,对中国装备制造产业合作网络的创新主体结构,空间结构及其演变,创新合作的空间尺度的影响因素进行了分析.研究发现,民营企业,高校在中国装备制造产业创新网络中的地位不断上升,数量不断增加,且已经成为重要的创新源泉;市域空间合作成为发达地区城市产学研创新合作最重要的空间单元,国家空间是欠发达地区城市产学研创新合作的主要空间载体;理工科高校等科技资源的空间集聚态势是导致创新网络层级特征的主要因子,科技资源富集的行政中心如直辖市,省会城市等发达城市成为最重要的资源集聚地,创新源泉和创新合作对象.

[Wang

Qiuyu

, Zeng

Gang

, Lv

Guoqing

. A preliminary study on the industry university research cooperation innovation network of China's equipment manufacturing industry
Acta geographica Sinica, 2016, 71(2): 251-264.] DOI: 10.11821/dlxb201602006.

[本文引用: 2]

[14]

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

. Spatial system of innovative cities in China based on urban innovation function
Acta geographica Sinica, 2010, 65(2): 177-190.] DOI: 10.11821/xb201002005.

[本文引用: 2]

[15]

, Fang

, Pang

, et al. Structure of Chinese city network as driven by technological knowledge flows
Chinese Geographical Science, 2015, 25(4): 498-510. DOI: 10.1007/s11769-014-0731-0.

URL [本文引用: 2]

[16]

Chen

, Xiu

, Liu

, et al. Visualizing intercity scientific collaboration networks in China
Environment and Planning A, 2015, 47(11): 2229-2231. DOI: 10.1177/0308518X15609220.

URL [本文引用: 2]

[17]

林润辉, 范建红. 中国管理****论文合作网络属性及其对合作绩效的影响研究
研究与发展管理, 2012, 24(4): 81-92.

[本文引用: 3]

[Lin

Runhui

, Fan

Jianhong

. Research on the attribute of cooperative network and its influence on cooperative performance by chinese management scholars
Research and development management, 2012, 24(4): 81-92.] DOI: 10.3969/j.issn.1004-8308.2012.04.010.

[本文引用: 3]

[18]

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.

DOI:10.13249/j.cnki.sgs.2015.01.30 [本文引用: 3]

对国内外城市创新联系综述及理论分析的基础上,通过一组测度指标,界定了城市外向创新联系规模,采用引力模型,测度了中国主要城市间的创新联系强度及格局。研究表明：中国主要城市创新联系格局基本为东强西弱,东部地区城市创新联系格局显现出以上海、南京、杭州为顶角,以北京、天津,以广州、深圳为2个底角的创新联系“金三角”。城市创新联系在空间上呈现明显的等级性：北京、上海、广州、深圳、天津、重庆等与中国的许多城市有广泛的创新联系,具有全国创新影响力;南京、杭州、武汉、郑州、济南、青岛、大连、西安等成为地区性的城市创新联系节点,具有区域性的创新影响力。在创新联系较强的东部沿海主要的经济圈,珠江三角洲经济圈城市间创新联系最强,但外向辐射力有限;长江三角洲经济圈内部创新联系较强,并与环渤海经济圈有较强的创新联系, 环渤海经济圈内部北京、天津、唐山具有较强的创新联系,外向辐射以长江三角洲的城市为主。对中国创新联系格局规律的揭示,更进一步强化了中国创新城市体系中城市的作用,并为规划与建立中国创新都市圈提供依据。

[Lv

Lachang

, Liang

Zhengji

, Huang

. Research on innovative links between major cities in China
Geoscience, 2015, 35(1): 30-37.] DOI: 10.11821/dlyj201407014.

[本文引用: 3]

[19]

马海涛. 基于人才流动的城市网络关系构建
地理研究, 2017, 36(1): 161-170.

DOI:10.11821/dlyj201701013 [本文引用: 2]

以高端归国人才为对象,通过构建“归国人才三角”概念框架,设计基于高端移动性人才的城市关系构建方法,对人才迁移驱动的城市网络构建进行了初步探讨。研究认为：① 借助“行动者空间移动带来的空间动力”这一视角,运用高端归国人才在城市间的移动模拟城市间关系,可为构建城市网络提供一条新路径。② 基于人才流动的城市网络构建,有助于破解城市关系矩阵数据挖掘与案例城市选取的难题,是知识经济时代城市网络研究的新方向。③ “归国人才三角”概念框架将人才流动与城市网络两方面研究融为一体,既可以通过人才流动探讨城市创新空间组织特征,也可以通过城市网络方法分析人才流动网络,对城市网络研究和人才战略实施都具有一定参考价值。

[Ma

Haitao

. Urban network relationship construction based on talent flow
Geographic research, 2017, 36(1): 161-170.] DOI: 10.11821/dlyj201701013.

[本文引用: 2]

[20]

段德忠, 杜德斌, 桂钦昌, 等. 中国企业家成长路径的地理学研究
人文地理, 2018, 33(4): 102-112.

[本文引用: 2]

[Duan

Dezhong

, Du

Debin

, Gui

Qinchang

, et al. A geographical study on the growth path of Chinese entrepreneurs
Human geography, 2018, 33(4): 102-112.] DOI: CNKI:SUN:RWDL.0.2018-04-016.

[本文引用: 2]

[21]

祝影, 杜德斌. 跨国公司研发全球化的空间组织研究
经济地理, 2005, 25(5): 620-623.

[本文引用: 3]

[Zhu

Ying

, Du

Debin

. Spatial organization of R & D globalization of multinational corporations
Economic geography, 2005, 25(5): 620-623.] DOI: 10.3969/j.issn.1000-8462.2005.05.007.

[本文引用: 3]

[22]

杜德斌, 周天瑜, 王勇. 世界R&D产业的发展现状及趋势
世界地理研究, 2007, 16(1): 1-6.

[本文引用: 2]

[Du

Debin

, Zhou

Tianyu

, Wang

Yong

. Development status and trend of world R & D industry
World Geographic Research, 2007, 16(1): 1-6.] DOI: 10.3969/j.issn.1004-9479.2007.01.001

[本文引用: 2]

[23]

周灿, 曾刚, 宓泽锋, 等. 区域创新网络模式研究: 以长三角城市群为例
地理科学进展, 2017, 36(7): 795-805.

DOI:10.18306/dlkxjz.2017.07.002 [本文引用: 2]

网络范式的兴起赋予城市创新模式新的内涵,引起了经济地理****对不同空间尺度知识流动和创新联系的关注。基于网络视角,以中国知识产权局2014年长三角城市群26个地级市合作发明专利信息为原始数据,借助Ucinet、ArcGIS等分析工具,从本地和跨界多维空间尺度,刻画长三角城市群创新网络结构,测度城市创新网络地位,评价城市创新能力,进而对城市创新模式进行划分。研究表明：①研发密集的大型国有企业、中外合资企业和知名的理工科院校具有较高的知识生产能力,成为长三角城市群创新合作优先链接主体;②长三角城市群重视外部知识获取,跨界网络成为重要的创新合作途径,地理距离对创新合作空间载体选择的制约减弱;③创新网络位置影响知识获取和城市创新,网络视角下的长三角城市群呈现四类创新模式,密集的“本地—跨界”创新网络有助于城市创新。研究结论对长三角城市群不同类型创新模式的优化升级具有一定的参考价值。

[Zhou

Can

, Zeng

Gang

, MI

Zefeng

, et al. Research on regional innovation network model: A case study of Yangtze River Delta urban agglomeration
Progress in Geographical Sciences, 2017, 36(7): 795-805.] DOI: 10.18306/dlkxjz.2017.07.002.

[本文引用: 2]

[24]

Etzkowitz

. Networks of innovation: Science, technology and development in the Triple Helix Era
International Journal of Technology Management & Sustainable Development, 2002, 1(1): 7-20. DOI: 10.1386/ijtm.1.1.7.

[本文引用: 2]

[25]

Leydesdorff

, Etzkowitz

. The triple helix as a model for innovation studies
Science and public policy, 1998, 25(3): 195-203. DOI: 10.1093/spp/25.3.195.

[本文引用: 1]

[26]

庄涛, 吴洪. 基于专利数据的我国官产学研三螺旋测度研究: 兼论政府在产学研合作中的作用
管理世界, 2013, (8): 175-176.

[本文引用: 1]

[Zhuang

Tao

, Wu

Hong

. Research on triple helix measurement of government industry university research based on patent data: And on the role of government in industry university research cooperation
Management World, 2013, (8): 175-176.] DOI: CNKI:SUN:GLSJ.0.2013-08-022.

[本文引用: 1]

[27]

蔡翔, 刘晓正. SCI视角的官产学创新合作关系测度研究
中国科技论坛, 2012, (8): 16-22.

[本文引用: 2]

[Cai

Xiang

, Liu

Xiaozheng

. Research on the measurement of government industry university innovation cooperation from the perspective of SCI
China Science and Technology Forum, 2012, (8): 16-22.] DOI: 10.3969/j.issn.1002-6711.2012.08.004.

[本文引用: 2]

[28]

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. DOI: 10.1191/0309132504ph469oa.

URL [本文引用: 1]

[29]

Bergenholtz

, Waldstrom

. Inter-organizational network studies: A literature review
Industry & Innovation, 2011, 18(6): 539-562. DOI: 10.1080/13662716.2011.591966.

[本文引用: 1]

[30]

Huggins

. Forms of network resource: Knowledge access and the role of inter-firm networks
International Journal of Management Reviews, 2010, 12(3): 335-352. DOI: 10.1111/j.1468-2370.2009.00266.x.

[本文引用: 1]

[31]

Huggins

, Thompson

. A network-based view of regional growth
Journal of Economic Geography, 2014, 14(3): 511-545. DOI: 10.1093/jeg/lbt012.

URL [本文引用: 1]

[32]

Debresson

. Estimating gaps disparities, complementary and propensities to innovate
Seminar on Measurement of Innovation Activities in OECD and non-OECD countries. Pretoria, South Africa: The Department of Arts, Culture, Science and Technology and the OECD, 2001, 3, 28-29.

[本文引用: 1]

[33]

张治河, 冯陈澄, 李斌, 等. 科技投入对国家创新能力的提升机制研究
科研管理, 2014, 35(4): 149-160.

[本文引用: 1]

[Zhang

Zhihe

, Feng

Chencheng

, Li

Bin

, et al. Research on the promotion mechanism of science and technology investment on national innovation capability
Scientific research management, 2014, 35(4): 149-160.] DOI: CNKI:SUN:KYGL.0.2014-04-018.

[本文引用: 1]

[34]

Lixin

, Min

Cheng

. A study on Chinese regional scientific innovation efficiency with a perspective of synergy degree
Technology and Investment, 2013, 4: 229-235. DOI: 10.4236/ti.2013.44027.

URL [本文引用: 1]

[35]

贺灵, 单汨源, 邱建华. 创新网络要素及其协同对科技创新绩效的影响研究
管理评论, 2012, 24(8): 58-68.

[本文引用: 1]

[He

Ling

, Shan

Miyuan

, Qiu

Jianhua

. Research on the influence of innovation network elements and their synergy on technological innovation performance
Management review, 2012, 24(8): 58-68.] DOI: CNKI:SUN:ZWGD.0.2012-08-007.

[本文引用: 1]

[36]

Newman M E

. Mathematics of Networks
New York: Springer, 2008.

[本文引用: 1]

[37]

Barnett G

. Encyclopedia of Social Networks
Thousand Oaks: SAGE Publications, 2011: 523-526.

[本文引用: 1]

[38]

Castells

, Hall P

. Technopoles of the World: The Making of Twenty-First-Century Industrial Complexes
London: Routledge, 1994. DOI: 10.2307/490973.

[本文引用: 1]

[39]

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. DOI: 10.1191/0309132504ph469oa.

URL [本文引用: 1]

[40]

Morrison

, Rabellotti

, Zirulia

. When do global pipelines enhance the diffusion of knowledge in clusters
Economic Geography, 2013, 89(1): 77-96. DOI: 10.1111/j.1944-8287.2012.01167.x.

URL [本文引用: 1]

[41]

Marek

, Titze

, Fuhrmeister

, et al. R&D collaborations and the role of proximity
Regional Studies, 2017, 51(12): 1761-1773. DOI: 10.1080/00343404.2016.1242718.

URL [本文引用: 1]

[42]

李晨, 覃成林, 任建辉. 空间溢出、邻近性与区域创新
中国科技论坛, 2017, (1): 47-52, 68.

[本文引用: 1]

[Li

Chen

, Qin

Chenglin

, Ren

Jianhui

. Spatial spillover, proximity and regional innovation
China Science and Technology Forum, 2017, (1): 47-52, 68.] DOI: CNKI:SUN:ZGKT.0.2017-01-008.

[本文引用: 1]

[43]

夏丽娟, 谢富纪, 王海花. 制度邻近、技术邻近与产学协同创新绩效: 基于产学联合专利数据的研究
科学学研究, 2017, 35(5): 782-791.

[本文引用: 1]

[Xia

Lijuan

, Xie

Fuji

, Wang

Haihua

. Institutional proximity, technology proximity and collaborative innovation performance of industry university collaboration: A study based on the data of industry university joint patent
Scientific research, 2017, 35(5): 782-791.] DOI: CNKI:SUN:KXYJ.0.2017-05-017.

[本文引用: 1]

[44]

Sun

, Liu

. Proximity effect, preferential attachment and path dependence in interregional network: A case of China's technology transaction
Scientometrics, 2016, 108(1): 201-220. DOI: 10.1007/s11192-016-1951-0.

URL [本文引用: 1]

[45]

肖丁丁, 朱桂龙. 产学研合作创新效率及其影响因素的实证研究
科研管理, 2013, 34(1): 11-18.

[本文引用: 1]

[Xiao

Dingding

, Zhu

Guilong

. Empirical Study on the efficiency of industry university research cooperation innovation and its influencing factors
Scientific research management, 2013, 34(1): 11-18.] DOI: CNKI:SUN:KYGL.0.2013-01-003.

[本文引用: 1]

[46]

Jiang

, Shi

, Peng

, et al. Major factors affecting cross-city R&D collaborations in china: Evidence from cross-sectional co-patent data between 224 cities
Scientometrics, 2017, 111(3): 1251-1266. DOI: 10.1007/s11192-017-2358-2.

URL [本文引用: 1]