EN中文

SCIENTIA GEOGRAPHICA SINICA >

2015 , Vol. 35 >Issue 1: 30 - 37

DOI: https://doi.org/10.13249/j.cnki.sgs.2015.01.30

Orginal Article

The Innovation Linkage Among Chinese Major Cities

  • LYU La-chang , 1, 2 ,
  • LIANG Zheng-ji 3 ,
  • HUANG Ru 1
Expand
  • 1.College of Resources Environment and Tourism, Capital Normal University, Beijing 100048, China
  • 2.Beijing Urban innovation and Development Research Center, Beijing 100048, China
  • 3.School of Geographical Science, Guangzhou University, Guangzhou, Guangdong 510006, China

Received date: 2014-03-10

  Request revised date: 2014-06-24

  Online published: 2015-01-15

Copyright

本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
Fold

Abstract

Inter-urban linkage is traditional research field of urban geography. With the increasing importance of innovation in city, inter-urban linkage of innovation has aroused the interesting of numerous sholars, some of which have examined the field through direct surveyed approach by co-author published papers or co-author patents granted, however, this approach is limited because it lacks data of the inter-urban and the rusults of survey may not present the comprensive inter-urban innovation situation of the cities. Therefore, we employ a indrect approach , using revised gravity model to map the pattern of inter-urban innovation linkage of Chinese major cities. China takes constructing the innovation country as the core strategy, and urban innovation as the core contents of national innovation system, so urban innovation linkage is an important part of China’s national innovation system. However, a number of issues, such as the current sitation of urban innovaiton linkage, and the pattern and laws of inter urban innovation have rarely been studied. This article will try to study the inter urban innovation linkage among major Chinese cities so as to find innovation source cities and innovation nodes cities in urban innovation system and the general pattern of the inter urban innovation, to promote the complementary and optimization of urban innovation function and to plan the circle of China urban innovation. Based on the review of the literatures of innovation linkage and theoretical analysis, through establishing a set of measureement of index, this article defines ourward innovation linkage of scale and measures innovation linkage and innovation pattern among Chinese major cities. The research shows: 1) the general pattern of urban innovation linkage in East China is stronger and that in West China is weak, and a "Golden Triangle innovation linkage" pattern has formed in the coastal area of China, which takes Shanghai, Nanjing and Hangzhou as the vertex, while Beijing-Tianjin and Guangzhou-Shenzhen as two points. 2) the city innovation linkage presents obvious hierarchy, the cities, such as Beijing, Shanghai, Guangzhou, Shenzhen, Tianjin and Chongqing have national innovation influence with extensive innovative linkage with the other cities in China, while cities, such as Nanjing, Hangzhou, Wuhan, Zhengzhou, Jinan, Qingdao, Dalian and Xi'an have regional innovation influence. 3) in terms of the East Coastal main economic circle in China, the Zhujiang River Delta economic circle has the strongest internal innovation linkage, but less outward innovation radiation; the Changjiang River Delta economic circle has very strong internal innovation linkage with strong external innovation linkage with the cities of Huan Bohai economic circle, while the cities of Beijing, Tianjin and Tangshan have very strong innovation linkage, and with strong outward radiation to the Changjiang River Delta economic circle. This article examines the general innovation linkage pattern among Chinese major cities considering two important elements of distance among cites and scale of urban innovation, but some elements, such institution and policies which may influence the innovation linkage have not been examined, it will be put consideration in future studies.

Key words： China; urban innovation linkage; Gravity model

Cite this article

LYU La-chang , LIANG Zheng-ji , HUANG Ru . The Innovation Linkage Among Chinese Major Cities[J]. SCIENTIA GEOGRAPHICA SINICA, 2015 , 35(1) : 30 -37 . DOI: 10.13249/j.cnki.sgs.2015.01.30

城市是创新的主要载体,城市创新是城市创新动力的重要来源之一,城市创新联系促进了城市创新功能的优化与互补,促进了城市创新放大与创新外溢,促进了城市创新都市圈的形成。中国把自主创新,建设创新型国家作为国家发展的核心战略。城市创新是国家创新系统的核心内容之一,城市创新联系是国家创新体系的重要组成部分,对国家创新体系建设有重要作用。
早在20世纪50年代,城市创新联系引起了地理学者的关注。1953年哈格斯特朗(Hagerstrand)提出三阶段空间扩散的观点 [1]。Pred在1977年进一步解释了创新通过城市体系的等级扩散 [2]。程开明认为城市间的创新扩散流强度随距离呈负指数衰减,且受城市规模影响[3]。20世纪80年代以来,随着全球化的发展,城市创新联系研究表现出以下几个特点：① 研究的尺度扩大。全球城市体系理论强调全球城市在世界城市体系中的地位[4,5],也包括全球城市创新的作用,但全球城市理论并没有对全球城市以及全球城市与其他城市的创新联系进行研究。② 重视从创新网络研究创新联系 [6,7]。③ 重视从城市体系研究创新联系。吕拉昌等认为中国创新城市体系空间格局呈现以北京、上海为“塔顶”的5级塔形城市体系结构[8-10]。并认为城市创新体系格局随时间发生变化,创新格局形成因子随空间尺度发生变化,并与空间扩散有密切关系[11,12]。④ 重视城市间的创新合作。目前研究以城市间公司或企业之间的产品联系为主,Hans Ouwersloot等通过R&D活动中找出了创新联系与地理距离有一定的关系[12]。Jeroen P.J.等深化了Ouwersloot的研究,从316个高科技的小公司的调查数据中发现大部分的创新合作来源于“当地”,然而,更多的R&D开支却来源于外地的一些组织机构[13]。
综上所述,城市创新研究已从不同侧面对城市创新联系进行了多方面的研究,但由于城市间创新直接数据难以取得,使得测度城市间的创新联系仍然不易,有些学者采用合作论文、合作专利等进行创新联系的测度,但仅限于理论创新或技术创新的方面,无法较综合的反映城市间的创新联系格局,因此需要采用间接的模型方法,对城市间的创新联系进行测度。本文采用间接的测度方法,用改进后的重力模型,对中国城市的创新联系进行研究,试图揭示中国主要城市间创新联系的现状及特点。

1 研究范围及研究方法

1.1 研究范围及数据来源

本文研究范围包括中国（除港、澳、台地区以外）部分地级及以上城市,涉及直辖市、副省级市、省会城市和地级市4种类型。以科技日报、北京大学战略研究所等多家单位联合发布的《2009年中国城市创新报告》[14]为依据,选定了创新能力前50名的城市作为本文研究的对象,主要包括4种类型：① 直辖市4个：北京、上海、天津、重庆。② 副省级城市15个：深圳、广州、宁波、杭州、南京、青岛、武汉、成都、大连、沈阳、西安、长春、厦门、济南、哈尔滨。③ 省会城市7个：长沙、郑州、福州、石家庄、太原、合肥、昆明。④ 地级市24个：苏州、佛山、东莞、无锡、嘉兴、绍兴、烟台、温州、珠海、常州、泉州、淄博、中山、南通、金华、唐山、台州、潍坊、包头、江门、威海、大庆、东营、镇江。
论文中的数据来源包括：《中国城市统计年鉴2010》[15]、《中国火炬统计年鉴2010》[16]、《中国统计年鉴2010》[17]、各相关省市统计年鉴2010[18]、第二次全国R&D资源普查相关数据[19]。

1.2 城市间创新联系的测度方法与指标

1.2.1 测算方法
本文采用改进的重力模型对城市创新联系进行空间测度。本文应用引力模型基于2个假设前提：
1） 引力模型系统具有广义的分形性质,即城市外向创新规模与现实生活中的实体有一定的相似性,同样受万有引力定律的支配。
优化后的引力模型公式如式(1)：
R ij = K Y i Y j D ij 2 （1）
式中,Rij为两城市间的创新联系强度;K为常数（通常也称为引力系数）;Yi,Yj分别表示第i、j城市的外向创新规模;Dij为两城市之间的空间距离。
2） 城市间的创新引力大小可由城市外向创新规模和空间距离定义,在相同的创新规模下,空间距离越大,城市创新联系就越小,反之引力越大;同样,2个创新主体城市间距离不变的前提下,城市外向创新规模越大,城市创新联系就越强,反之城市外向创新规模越小,城市创新联系就越弱。
1.2.2 测度指标
根据上述模型的要求,首先需要界定城市外向创新规模,城市外向创新规模是城市创新外向性的体现,是指城市具有创新能量,可能输出的部分,主要由城市的规模、城市的创新规模、城市对外联系三方面构成（表1）。
Table 1 The survey of externally oriented scale of cities

表1 城市创新外向创新规模测度

目标层 准则层 指标层
城市外向
创新规模		 城市规模 市区人均GDP X1 万元
建成区面积 X2 km2
市区常住人口 X3 万人
第三产业占GDP比重 X4 万元
居民人均可支配收入 X5 元
市区人口密度 X6 人/km2
地方财政一般预算收入 X7 亿元
全社会固定资产投资 X8 万元
创新规模 高等学校在校学生数 X9 人
专利申请量 X10 件
专利授权量 X11 件
国家财政教育支出 X12 万元
国家财政科学支出 X13 万元
R&D投入占GDP比重 X14 %
实际利用外资 X15 万美元
从事科研、技术服务方面人员数 X16 万人
从事教育方面人员数 X17 万人
从事生产性服务业方面人员数 X18 万人
高等学校数 X19 所
国际互联网数用户数 X20 户
每百人公共图书馆藏书量 X21 册
高新区企业数 X22 个
高新区企业技术收入 X23 千元
国家级科技企业孵化器当年毕业企业数 X24 个
非国家级科技企业孵化器当年毕业企业数 X25 个
国家级示范生产力促进中心服务企业数 X26 个
国家大学科技园在孵企业数 X27 个
对外联系 民航客运量 X28 人
民航货运量 X29 t
公路客运量 X30 万人
公路货运量 X31 万t
铁路客运量 X32 万人
铁路货运量 X33 万t
邮政业务总量 X34 万元
电信业务总量 X35 万元

2 中国主要城市间创新联系的测算

引力模型计算首先涉及到城市间的距离,本文以城市政府所在地作为坐标原点,根据城市间的经纬网坐标,计算城市间的距离。

2.1 城市外向创新规模的测度

运用因子分析方法,在综合衡量各指标后,对样本进行外向创新规模的成因分析,并将指标体系中各项指标综合得出外向创新规模的大小。本文运用统计分析软件SPSS19对城市外向创新规模中各指标的数据进行处理,通过KMO和Bartlett的检验,样本的值分别是0.764和0,两者均通过检验,满足因子分析的条件。根据因子分析的原则,主因子特征值应大于1,方差解释的累计百分比应达到80%以上。经计算,抽取特征值大于1的主成份,前6个成份对方差解释的累计百分比为84.659%,符合设定条件,具体如下。
成份Ⅰ：高新区企业个数、高新区企业技术收入、国家级科技企业孵化器当年毕业企业个数、非国家级科技企业孵化器当年毕业企业个数、国家大学科技园在孵企业个数、从事科研和技术服务方面人员数、从事教育方面人员数、从事生产性服务业方面人员数、R&D经费占GDP比重,这些指标主要反映了创新基础的规模。
成份Ⅱ：民航客运量、民航货运量、国家财政科学支出、国际互联网数用户数、邮政业务总量、市区人口密度,主要反映了创新联系的规模。
成份Ⅲ：全社会固定资产投资、实际利用外资、国家财政教育支出、地方财政收入、建成区面积、市区总人口,主要反映了创新的经济基础规模。
成份Ⅳ：高等学校在校学生数、国家级示范生产力促进中心服务企业数量、铁路货运量、高等学校数、铁路客运量、第三产业占GDP比重,主要反映了人力资源与联系的规模。
成份Ⅴ：市区人均GDP、居民人均可支配收入、专利申请量、专利授权量、每百人公共图书馆藏书量,主要反映了创新的知识规模。
成份Ⅵ：公路客运量、公路货运量、电信业务总量,主要反映了城市间的联系。
通过各成份的得分系数和原始变量的标准化值的运算,得出每个样本的因子得分和总得分（表2）。
Table 2 The scores by factor analysis

表2 各因子得分及总得分

序号 城市 成份Ⅰ 成份Ⅱ 成份Ⅲ 成份Ⅳ 成份Ⅴ 成份Ⅵ 总计
1 北京 6.20495 0.62003 1.09486 -0.57882 0.37962 2.11672 9.83736
2 上海 -1.26386 5.39904 3.24251 -0.32395 1.17279 -0.25874 7.96779
3 天津 -0.17751 -0.95803 2.96683 0.91436 0.47767 -0.79168 2.43164
4 重庆 -1.36502 -1.18373 2.25653 0.72787 -2.48803 3.48837 1.43599
5 深圳 -0.71490 0.68903 -0.98307 -0.78452 2.34786 3.20383 3.75823
6 广州 -0.67902 1.49135 -1.34315 3.07267 0.78034 0.97508 4.29727
7 宁波 -0.49977 -0.53854 -0.24856 -0.01286 0.63662 0.94865 0.28554
8 杭州 0.57050 -0.01473 -0.21750 0.21583 0.88556 0.09960 1.53926
9 南京 0.21124 0.85686 -0.62709 0.89103 0.6526 -0.76611 1.21853
10 青岛 -0.41948 -0.05057 -0.04861 0.42395 -0.10758 -0.07646 -0.27875
11 武汉 0.53312 -0.38242 0.33235 2.55064 0.32911 -1.35400 2.00880
12 成都 -0.46896 -1.34638 0.61799 2.65396 0.12325 1.54910 3.12896
13 大连 0.17304 -0.94051 1.06395 0.24509 0.36686 -0.66868 0.23975
14 沈阳 0.03390 -0.43483 0.87684 0.32545 -0.24928 -0.40176 0.15032
15 西安 0.78247 0.60520 -1.41267 1.72385 -0.98635 0.67854 1.39104
16 长春 0.21239 0.14743 0.17657 -0.11518 -1.14367 -0.56140 -1.28386
17 厦门 0.14310 0.78348 -1.33194 -0.18529 0.79777 -0.80786 -0.60074
18 济南 -0.23221 0.08120 -1.15056 2.16866 0.32814 -0.40936 0.78587
19 哈尔滨 0.51440 0.32757 -0.28497 0.52566 -1.03276 -0.71734 -0.66744
20 长沙 -0.05548 0.19861 -0.10962 0.38559 -0.44243 -0.16025 -0.18358
21 郑州 0.89817 -0.19499 0.29360 0.62761 -0.46360 -1.09529 0.06550
22 福州 -0.05527 0.56449 -0.50347 -0.15534 -0.62516 -0.40038 -1.17513
23 石家庄 -0.14658 0.20204 0.47919 -0.16243 -1.37949 -0.51258 -1.51985
24 太原 0.42584 0.43754 -1.10436 0.83598 -0.51515 -0.82247 -0.74262
25 合肥 0.10121 0.14888 0.11710 0.10915 -0.91532 -0.61483 -1.05381

2.2 城市创新联系的引力强度

在测算城市外向创新规模的基础上,根据引力模型式(1),得出城市创新联系的引力强度（表3）,其中,引力系数K取1 000①(① 通过对国内外学者关于引力模型的研究发现,引力常数K的值一般为1。然而,引力常数取值的大小往往不影响最终数据的对比分析。因此,本文在不影响最终研究结论的情况下,对模型中的K值进行适当的调整,确定K值为1 000。)。
Table 3 The gravitational scale of urban innovation linkage(Part of data)

表3 城市创新联系引力强度（部分数据）

序号 城市 北京 上海 天津 重庆 深圳 广州 …
1 北京 – – – – – – –
2 上海 131.28 – – – – – –
3 天津 628.75 61.77 – – – – –
4 重庆 39.09 33.59 39.5 – – – –
5 深圳 44.73 60.88 46.52 80.3 – – –
6 广州 49.7 65.83 51.63 95.69 480.2 – –
7 宁波 34.72 237.56 38.07 28.99 19.99 21.43 –
8 杭州 51.73 299.46 56.96 44.23 29.09 31.53 …
9 南京 60.27 168.84 67.79 45.00 24.63 27.17 …
10 青岛 63.16 54.09 78.99 23.56 11.31 12.45 …
11 武汉 61.19 79.33 65.39 85.07 37.91 43.8 …
12 成都 51.85 40.33 51.7 292.27 30.9 36.11 …
13 大连 89.42 41.19 107.8 24 11.16 12.25 …
14 沈阳 63.86 28.78 66.22 19.8 9.18 10.05 …
15 西安 61.84 39.3 61.67 99.22 21.32 24.56 …
16 长春 25.34 12.83 25.39 9.54 4.46 4.87 …
17 厦门 17.86 31.85 18.86 24.13 34.86 34.08 …
18 济南 133.86 56.31 177.71 38.84 16.06 17.88 …
19 哈尔滨 28.15 15.05 27.83 11.9 5.56 6.07 …
20 长沙 27.09 34.54 28.41 56.51 29.76 36.3 …
21 郑州 63.16 40.28 67.71 44.73 15.31 17.36 …
22 福州 14.98 32.55 15.96 17.81 18.59 19.16 …
23 石家庄 72.38 16.34 72.4 15.9 5.81 6.51 …
… … … … … … … … …

2.3 主要城市间创新联系的现状

2.3.1 创新联系分级
根据测算得出的数据,本次研究得出459个城市创新联系。由于引力模型中距离因子的特性,本文以10为基数,并与自然对数的底（e）的n次方之间的乘积为分类标志,其中,n=0,1,2,3。最终将数据分为4类：引力极强（200.86-731.94）、引力较强（73.89-200.85）、引力一般（27.18-73.88）、引力较弱（10.00-27.17）。根据分类情况,得出城市创新联系引力极强的为10个,引力较强的为37个,引力一般的为134个,引力较弱的为278个,据此绘制（图1）。
Fig.1 The overall situation of urban innovation linkage in China

图1 中国城市创新联系总体现状

2.3.2 创新联系的总体状态
主要城市间创新联系目前具有以下特征（图1）：
1） 从区域上看,中国经济发达的沿海地区,环渤海地区、长江三角洲地区、珠江三角洲地区城市内部的创新联系最强。中部五省城市间创新联系较为一般,这些城市与环渤海地区以及长江三角洲地区的城市创新联系相对密切,与珠三角地区的创新联系相对较弱。中国整个城市创新联系格局是东强中弱、西部仅个别城市联系较强,东部城市创新联系格局呈现出“金三角”的格局,三个顶角分别是：以上海、南京、杭州为核心的长江三角洲经济圈;以北京、天津为首的环渤海经济圈;以广州、深圳为首的珠三角经济圈。
2） 从城市间的创新联系的引力强度上看,城市间创新联系大小排名前40名中,珠江三角洲与长江三角洲内部城市创新联系最强,其中广州与佛山为731.94,排名第1。在前10位中,广州与深圳、广州与东莞、深圳与东莞排名分别为3、4、5。长江三角洲的上海与无锡为301.28,排名第6,上海与杭州、上海与苏州、上海与宁波分别为第7、9、10位。京津唐地区的北京与天津,以628.75排名第2位。中国西南部的重庆与成都联系极强,排名8,其它的城市间创新联系均未达到极强的水平。
3） 从创新辐射区域的范围大小来看,具有中国创新辐射能力的城市主要有北京、上海、广州、深圳、天津、重庆,辐射范围覆盖了中国东北、华北、华中、华南等大部分城市。其次,具有地区性大范围创新辐射能力的城市有南京、杭州、武汉、郑州、济南、青岛、大连、西安等,辐射范围为以该城市为中心的周边较大城市。再次,具有区域内部辐射的城市有环渤海地区的石家庄、唐山、东营、淄博、潍坊,长三角地区的镇江、南通、常州、无锡、苏州、嘉兴、杭州、绍兴、宁波、金华、台州、温州,珠三角地区的佛山、东莞、中山、珠海、江门。在各自所在的区域内,具有一定的创新辐射能力。
2.3.3 各区域内部及区际的创新联系
1） 东北地区城市与其他大区城市的创新联系
东北地区的城市内部的创新联系较弱,与环渤海地区的城市联系较强,与长江三角洲的主要城市有一定的创新联系,与珠江三角洲的城市创新联系较弱。其中东北的大连与环渤海地区的北京、天津、唐山有较强的创新联系,与上海有一定的创新联系,与广州、深圳等城市创新联系较弱,与中国中西部地区的城市创新联系较弱。
2） 环渤海地区城市与其他大区城市的创新联系
环渤海地区的城市内部创新联系较强,与长江三角洲城市创新联系最强,与中国东北、西南、东南部地区的城市均有一定的创新联系。其中,北京与天津的创新联系最强,与本区域唐山、华北地区的济南、青岛,华东地区的上海,东北地区的大连创新联系也较强。天津同样与北京与本区域的主要城市有较强的创新联系,但与北京相比较,外向创新联系较弱。唐山与北京、天津有较强的创新联系,但与环渤海地区的其他城市联系较弱。济南、青岛除与这一地区的主要城市北京、天津有较强的创新联系,与其他的城市创新联系较弱。
3） 长江三角洲地区的城市与其他大区的创新联系
长江三角洲地区的城市内部联系较强,从外向创新联系来看,以环渤海地区城市和华中地区的城市为主。其中,上海与北京、武汉之间的创新联系最强。
4） 珠江三角洲地区的城市与其他大区的创新联系
珠江三角洲城市内部联系极强,外向创新联系与西南地区重庆联系较强,与中国东部长江三角洲、环渤海地区及中西部地区的省会城市有一定的创新联系。
5） 中国东、西部城市的城市的创新联系
中国中部地区、西部地区的创新联系主要出现在省会城市,中部地区集中在郑州、武汉、长沙三个城市,西部地区主要集中在重庆、成都、西安等城市。其中武汉与东部的上海以及西部的重庆创新联系最强的城市,重庆与广州、上海、成都、西安有较强的创新联系。中西地区的其他重要城市与东部及中部的城市有一定的创新联系,但联系强度十分有限。

4 结论与讨论

1） 城市创新联系研究有直接的测度与间接的测度两种方法,由于直接的测度方法难以获取相关的数据,因此运用数学模型方法,分析城市创新联系的格局,对认识城市空间创新规律,构建城市创新体系有重要的作用。本文对重力模型进行改进,初步分析了中国城市创新联系的格局,为中国国家创新体系建设以及规划创新型都市圈提供依据。
2） 从总体上看,中国城市创新联系格局与中国的经济以及城市发展水平有一定的关联性,总体联系格局是东部地区最强,中部地区次之,西部地区城市联系较强仅限于西部的个别城市,数量有限。中国东部沿海地区环渤海经济圈、长江三角经济圈、珠江三角洲经济圈内部的主要城市创新联系强度较大。就外向联系来看,环渤海经济圈、长江三角经济洲的创新联系紧密,外向性明显,两者创新联系较强,对全国辐射作用明显。珠江三角洲经济圈内部城市间总体联系较强,但对外辐射能力相对较弱。中国中部地区城市创新联系较弱,个别城市如武汉与中国东部及西部的城市有较强的创新联系。对中国的西部地区,创新联系仅限于个别城市,重庆与成都的创新联系最强,与西安及昆明有一定的联系。
3） 中国城市创新联系也呈现明显的等级性。北京、上海、广州、深圳、天津、重庆等城市与中国的许多城市有广泛的创新联系,具有全国影响力;南京、杭州、武汉、郑州、济南、青岛、大连、西安等成为具有区域性的创新影响力的创新城市;其它省会城市或经济发达的城市则成为地区性创新联系的节点城市。
4） 运用引力模型虽然可以测度城市创新联系的基本格局,但城市创新联系受多方因素的制约,尤其是体制、政策以及联系管道等方面的影响,而且,受现代信息技术的影响,城市间距离远,也不一定创新联系就不密切。因此,本文的结论是一个基本的格局,还需要进一步结合体制、政策等社会性因素进一步进行分析,另外,形成这种格局的原因,限于论文篇幅将在后继发表的论文中详细研究。但无论如何,本文通过大量的指标、在数学模型基础上初步得出了中国主要城市创新联系的基本空间结构,起一个抛砖引玉的作用。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Mark Dodgson, Roy Rothwell.创新聚集——产业创新手册[M]. 陈劲等译.北京:清华大学出版社,2000.

[2]
Pred A.City System in Advanced Societies[M]. London: Hutchinson, 1977.

[3]
程开明. 城市体系中创新扩散的空间特征研究[J].科学学研究, 2010, 28(5): 793-799.

[4]
Sassen S.The Global City: New York, London, Tokyo[M]. Princeton: Princeton University Press, 1991.

[5]
Hall P.Towards a General Urban Theory[M]//Brotchie J et al. Cities in Competition: Productive and Sustainable Cities for the 21st Century. Melbourne: Longman Australia, 1995.

[6]
Castells M, Hall P.Technopoles of the world: the making of 21st century industrial complexes[M]. London: Routledge,1994.

[7]
Christian W M, Annette W S. The top-level global research system, 1997-99: Centers, networks and nodality—Ananalysis based on bibliometric indicators[J]. Urban Studies, 39(5/6): 903-927.

[8]
吕拉昌, 李勇. 基于城市创新职能的中国创新城市空间体系[J].地理学报,2010, 65(2): 177-190.

[9]
吕拉昌,李永洁,刘毅华. 城市创新职能与创新城市空间体系[J].经济地理,2009, 29(5): 710-713,751.

[10]
Lu L,Huang R.Urban hierarchy of innovation capability and inter-city linkages of knowledge in post-reform China[J]. Chinese Geographical Science, 2012,22(5):602-616.

[11]
韩丽, 吕拉昌, 韦乐章. 广东城市创新空间体系研究[J].经济地理, 2010, 30(12): 1978-1984.

[12]
Hans Ouwersloot, Piet Rietveld.The geography of R&D: TobitAnalysis and a Bayesian Approach to Mapping R&D Activities in the Netherlands[R]. Amsterdam: Tinbergen Institute, 2000, 43(3): 1-26.

[13]
Jeroen P J, Mark Freel.Geographical Distance of Innovation Collaborations[J]. Business and Policy Research, 2010, (2):56-74.

[14]
科技日报,北京大学战略研究所等.中国城市创新力评价报告[R/OL].

[15]
国家统计局城市社会经济调查司.中国城市统计年鉴2010[M]. 北京:中国统计出版社, 2011.

[16]
科技部火炬高技术产业开发中心. 中国火炬统计年鉴2010[M]. 北京:中国统计出版社, 2011.

[17]
国家统计局. 中国统计年鉴2010[M]. 北京:中国统计出版社, 2011.

[18]
国家统计局. 省市统计年鉴2010[M]. 北京:中国统计出版社, 2011

[19]
国家统计局. 第二次全国R&D资源清查[M]. 北京:中国统计出版社, 2011.

Options
Outlines

/

〈 〉