Scientia Geographica Sinica  2016 , 36 (5): 751-759 https://doi.org/10.13249/j.cnki.sgs.2016.05.013

Orginal Article

地理邻近、关系邻近对农业产业集群创新影响——基于山东省寿光蔬菜产业集群实证研究

史焱文, 李二玲, 李小建

河南大学环境与规划学院,河南 开封 475001 河南财经政法大学中原经济区“三化”协调发展河南省协同创新中心,河南 郑州 450002

Impact of Geographical Proximity and Relational Proximity on Innovation in Agriculture Industrial Cluster Based on the Shouguang Vegetable Industrial Cluster

Shi Yanwen, Li Erling, Li Xiaojian

College of Environment and Planning, Henan University, Kaifeng 475004, Henan, China Collaborative Innovation Center of Three-aspect Coordination of Central-China Economic Region, Henan University of Economics and Law, Zhengzhou 450046, Henan, China

中图分类号:  K902

文献标识码:  A

文章编号:  1000-0690(2016)05-0751-09

通讯作者:  李二玲,教授。E-mail: erlingli@126.com

收稿日期: 2015-02-20

修回日期:  2015-05-26

网络出版日期:  2016-07-20

版权声明:  2016 《地理科学》编辑部 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.

基金资助:  国家自然科学基金项目(41471105,41471117,41430637)、教育部人文社会科学重点研究基地重大项目(15JJDZONGHE008)、河南省软科学重大项目(152400410098)、河南省高校科技创新团队支持计划(16IRTSTHN012)、河南省高等学校哲学社会科学“三重”重大项目(2014-SZZD-02)、河南大学优秀博士论文培育项目(Y1317004)资助

作者简介:

作者简介:史焱文(1987- ),男,河南柘城人,博士研究生,主要从事产业集聚与农区发展研究。E-mail: shiyanwen8@126.com

展开

摘要

以寿光蔬菜产业集群为例,运用ArcGIS 10.0软件的空间邻近分析,Ucinet软件的社会网络分析以及多元线性回归模型从多维邻近性视角探究蔬菜集群企业的地理邻近、关系邻近特征及两者在集群企业创新中的影响。研究表明:蔬菜集群企业具有明显的地理集聚特征,企业的空间邻近有利于集群创新氛围的形成;集群企业及各创新主体间拥有紧密的关系邻近网络,关系网络中多核心节点,促使创新资源、隐性知识、新技术等的扩散与传播;进一步回归分析表明,关系邻近对蔬菜产业集群创新作用更显著,永久性地理邻近在寿光蔬菜产业集群创新中仍然起到正向作用,但作用要弱于关系邻近。说明多元关系邻近在集群创新过程中能够对消除过度的地理邻近、单一关系邻近造成的创新锁定起到作用,同时还为全球化背景下农业集群创新提供新的渠道。

关键词: 地理邻近 ; 关系邻近 ; 农业产业集群 ; 山东省寿光蔬菜产业集群

Abstract

The article aims to analyze the impact of geographical proximity and relational proximity of innovative actors on the innovation of agricultural clusters. Taking Shouguang vegetable industrial cluster in Shandong Province, China as a case study, it examines how the geographical proximity and relational proximity among heterogeneous enterprises influence the innovation effects of the cluster, combining the spatial proximity analysis with the social network analysis and the multiple linear regression model, based on the fieldwork and questionnaire data. It is shown that: 1) The spatial agglomeration of enterprises in cluster is conducive to the formation of innovation atmosphere. The leading enterprises have a high degree of geographical proximity with the new agricultural enterprises, while the processing agricultural enterprises distribute relatively decentralized. Farmers collocated primitively evolve into agricultural enterprises through organizational innovation, which results to enterprise agglomeration, division of labor and close connection with each other, then the cluster forms; At the same time, the temporary geographical proximity among enterprises in the cluster, which is the spatial distance between the enterprise and the local vegetable expo park, mirrors the participant performance of enterprises to the meeting network. 2) The enterprises in cluster have close social connection to other innovation actors, and many core nodes in relational network take crucial roles to the allocation of the innovation resources and the diffusion of the tacit knowledge and new technology not only inside cluster but outside cluster as well. The concentration degree of the relational network of enterprises within cluster is lower than that of the whole network, which indicates that the concentration degree of the cluster’s external nodes is higher, and the geographical proximity of enterprises is not consistent with their relational proximity to the cluster enterprises. 3) The regression analysis presents that, with the rapid development of traffic and communication technology, the relational proximity has more significant influence on the innovation process of the vegetable cluster than the permanent geographical proximity, although which still has been playing a positive role. Therefore, the innovation network which is formed by multidimensional proximity not only eliminates the lock-in of the cluster technologies caused by excessive geographical proximity and single proximity, but also provides a new channel for agricultural cluster’s innovation under the background of globalization.

Keywords: geographical proximity ; relational proximity ; agricultural clusters ; Shouguang vegetable cluster

0

PDF (3784KB) 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

史焱文, 李二玲, 李小建. 地理邻近、关系邻近对农业产业集群创新影响——基于山东省寿光蔬菜产业集群实证研究[J]. , 2016, 36(5): 751-759 https://doi.org/10.13249/j.cnki.sgs.2016.05.013

Shi Yanwen, Li Erling, Li Xiaojian. Impact of Geographical Proximity and Relational Proximity on Innovation in Agriculture Industrial Cluster Based on the Shouguang Vegetable Industrial Cluster[J]. Scientia Geographica Sinica, 2016, 36(5): 751-759 https://doi.org/10.13249/j.cnki.sgs.2016.05.013

全球化背景下,创新要素在农业生产、发展中的作用为发展现代农业、提升农业竞争力创造了契机。作为农业现代化、产业化的代表,农业产业集群创新的重要性就不言而喻,农业产业集群的创新不仅包括新知识、新技术的传播与模仿,创新资源流向的调整还依赖于资源禀赋、区位优势等原始资本的积累以及多种资源的融合[1,2]。关于产业集群创新的研究,创新活动的空间集聚使西方学者集中关注地理邻近性对集群创新的影响[3~5]。随着全球化和数字化时代的到来,通信技术和交通技术的进步对地理空间的作用产生影响,使得“地理不再重要”、“地理已死”的质疑不断出现[6],也有学者提出地理邻近对当前知识交流仍然不可或缺[7]。20世纪90年代末以来,经济地理学出现的“关系转向”,使人们的视线集中到从组织内外的关系来研究集群创新[8,9]。事物的发展不是某一因素所决定的,而是多种因素综合作用的结果。一些学者已经认识到单一邻近对创新的影响是有限的[10,11],而过度的单一邻近可能导致集群创新的锁定[12],产业集群创新更多的是受到多维邻近性的综合作用[10,13~16]。多维邻近性的研究是对地理学第一定律中“邻近性”思考的延伸,其中以法国动力学派的相关研究较突出[13,17]。但总体上多维邻近性的研究还处于探索阶段,并且在邻近性维度的划分上尚未形成统一的界定[12],被提及的邻近性主要包括地理邻近[3~5,7],社会邻近[18],关系邻近[9],组织

邻近[19],制度邻近[12],认知邻近[12]等。国内关于多维邻近性与创新文献较少,早期有学者强调地理邻近与区域、产业集群企业创新的关系[20~23]。2010年以来相关学者开始探讨地理邻近、认知邻近、组织邻近等多维邻近性在高附加值产业、高新技术产业集群创新中的影响[19,24,25]

在多维邻近性研究中,定性研究居多,定量的实证分析较少。相关研究主要集中在高附加值产业、高技术产业集群,对农业产业集群的关注很少,并且将地理邻近、关系邻近以及企业性质的异质性同时考虑的研究还不多见。中国农区传统文化影响深远,使得多维邻近性对农业创新的影响具有特殊性。因此,在全球经济、技术快速发展的背景下,农业产业集群企业创新是受地理邻近影响还是关系邻近作用更强烈就值得探讨。基于此,本文以寿光蔬菜产业集群为例,利用ArcGIS 10.0的空间邻近分析,Ucinet软件的社会网络分析对集群企业地理邻近、关系邻近的特征进行分析并运用多元线性回归模型分析地理邻近、关系邻近在集群企业创新中影响,以期为多维邻近性的实证分析和产业集群创新的相关研究提供参考。

1 研究区域概况、数据来源与研究思路

1.1 研究区域概况

寿光市位于山东半岛中部,地理位置优越,自然资源丰富,气候适宜,南部土质肥沃,宜于粮食、蔬菜、果树等多种农作物生长,是中国著名的蔬菜之乡。随着农业的高效发展,寿光蔬菜产业得到长足的发展,农业生产基本实现了区域化布局、规模化经营、专业化生产。依托蔬菜产业的发展,寿光地区涌现出不同种类的蔬菜品牌农业企业及相关配套产业企业,形成了中国著名的蔬菜产业集群,截止到2012年全市共有农业企业414家。

1.2 数据来源

文章数据主要以实地调研获取为主,并以当地的统计年鉴和政府部门提供的相关资料、企业网站查询为辅,后期又进行了电话和邮件咨询。2012年11月4号对山东寿光蔬菜产业集群展开了相关调研①(① 调研人员李二玲老师、史焱文、郭丽霞、程战朋以及潍坊科技学院的吕化霞老师、董秀丽老师和工商管理学院15位本科同学。),共投放集群企业创新调研问卷140份,收回有效问卷71份,并获得了相关文字材料和政府统计数据。调研企业包含了集群内相当数量且不同比例的大中小型企业,基本能够反映蔬菜产业集群②( ② 蔬菜集群企业包含蔬菜种植企业、蔬菜加工企业、农业生产配套企业、国有改制的农业企业等。企业创新的实际情况。相关地图数据主要基于2012年出版的《寿光市地图集》和寿光市卫星地图所获取,并对地图进行矢量化处理,调研企业、相关机构、蔬菜博览园空间区位坐标来源于Google Map和寿光市电子地图。

1.3 研究思路

地理邻近包括永久性地理邻近和临时性地理邻近[26],永久性地理邻近是指行为主体间面对的空间距离;临时性地理邻近指行为主体通过参加会议、培训、贸易展览等暂时性的接触来实现接近的机会[27]。关系邻近指产业集群企业在亲属、朋友、合作伙伴等关系上建立起的邻近,是一种隐性的邻近。本文利用寿光市企业空间数据通过ArcGIS空间邻近分析测度各企业点在空间范围内集聚的数量、企业与主要交通线的邻近距离作为永久性地理邻近指标,将企业与蔬菜博览园的空间直线距离的远近反映企业参会的积极性作为临时性地理邻近的考察③(③ 调研了解到本地蔬菜企业业主外出参加此类会议的机会并不多,寿光蔬菜贸易、交流、合作等活动与会议主要在蔬菜博览园举行,因此作为临时性地理邻近考察的指标。),并进一步分析集群企业地理邻近特征。在关系邻近特征研究中利用企业调研的数据通过社会网络分析法分析农业产业集群企业之间的关系及参与集群创新相关行为主体的整体关系网络特征。最后运用多元线性回归模型分析地理邻近,关系邻近在蔬菜集群企业创新中的影响。

2 寿光蔬菜产业集群地理邻近,关系邻近的实证分析

作为产业集群突出的邻近性特征,地理邻近、关系邻近通过不同的作用机理贯穿于集群形成、发展、创新的每个过程。为了探究地理邻近、关系邻近对产业集群创新的影响,首先需要深入了解产业集群企业的地理邻近、关系邻近基本特征。

2.1 蔬菜产业集群企业地理邻近特征分析

为深入了解蔬菜集群企业的永久性地理邻近和临时性地理邻近特征,本文将在5 km空间范围内邻近的企业数量、企业到主要交通线的空间距离作为考察永久性地理邻近特征的分析指标。另外,选取集群企业到蔬菜博览园的空间直线距离(定义为企业地理邻近程度)来反映企业参会积极性程度,作为临时性地理邻近特征分析的指标。

首先通过寿光市电子地图、Google Maps获取71家调研农业企业、主要的政府机构、科研机构、协会组织的空间区位坐标,利用ArcGIS 10.0空间邻近分析,测度企业间邻近的距离并计算企业在5 km范围内邻近其他企业的数量,最后对企业到主要交通线的空间邻近距离以及企业到蔬菜博览园空间距离进行测度,得到图1

图1可知蔬菜产业集群企业地理邻近特征如下: 蔬菜集群企业具有明显的地理集聚特征。蔬菜集群企业在5 km范围内邻近的数量较多,一些分散的企业也多邻近主要交通线,集群永久性地理邻近特征突出,表现为蔬菜集群企业在区域空间内呈现地理集聚趋势。龙头企业和新兴的农业企业地理邻近程度较高。图1a中,深蓝色企业为寿光蔬菜产业集群龙头企业和新兴的农业企业,这些企业规模较大,产品多样,附加值高,属于寿光蔬菜集群品牌企业,如寿光蔬菜产业集团、赛维绿色科技有限公司、山东寿光天成集团、三元朱宝泉蔬菜公司等,在地理空间上表现出较高的地理邻近性。 加工型农业企业相对分散。红色分散的企业则主要为农产品种植加工企业,企业规模偏小,产品附加值较低,相对地理邻近性较低,如寿光市瑞杰食品科技有限公司、寿光市田苑果菜生产有限公司、山东隆恺蔬菜有限公司等。农户演化而成的企业集聚地是集群形成的发源地。黄色和浅蓝色企业多位于集群初期演化的企业发源地,呈现一定的地理集聚,其地理上的邻近使得这些企业在早期承担着农业企业技术、组织扩散的作用,企业的规模多中等,以蔬菜种植、农副产品深加工为主,如洛城农发有限公司、寿光市红参食品有限公司、寿光大森食品有限责任公司、寿光市裴岭蔬菜食品有限公司等。集群企业以蔬菜博览园为中心呈放射状分布。在图1b中,临时性地理邻近特征表现为蔬菜集群企业与蔬菜博览园呈放射状分布,企业距蔬菜博览园空间距离的远近反映不同的参会概率,距离越远参会概率越小。寿光市每年四、五月份在蔬菜博览园举行蔬菜博览会,为产业集群企业与区外企业、机构合作交流提供平台,集群中企业距蔬菜博览园空间距离的远近会对企业参会的积极性产生影响。

图1   寿光蔬菜产业集群永久性地理邻近与临时性地理邻近空间特征

Fig.1   The permanent and the temporary geographical proximity in the vegetable cluster of Shouguang

2.2 蔬菜产业集群关系邻近特征分析

寿光蔬菜集群起源于三元朱村蔬菜温室大棚的推广,其形成带有农业集群演化的特点,即由农户演化成农业企业。社会网络分析法是研究行为主体关系联系程度的方法,本研究用来分析集群企业间和企业与相关机构间的关系特征。根据与集群创新联系程度的不同,在调研问卷中设计了大学科研机构、国外企业、区外企业、政府机构、农业合作组织共5个独立的关系主体,将这些关系主体与集群71家企业是否存在生产、合作、创新的联系以及集群企业间是否存在亲属、朋友、合作、生产、创新等相关联系作为调查重点。大学科研机构、国外企业、区外企业、政府机构、农业合作组织分别用DXKY、GW、QW、ZF、NH表示,企业则用阿拉伯数字编号。对集群各关系赋值后得到76×76整体关系网络矩阵和71×71企业关系网络矩阵。运用Ucinet 6.9软件对关系网络矩阵进行分析,得出关系网络相关指标,利用所得关系指标,运用Netdraw软件绘制出集群整体关系网络和企业关系网络图,见图2

图2   寿光蔬菜产业集群整体关系网络与企业间关系网络

Fig.2   The whole network and the relational network of enterprises of Shouguang vegetable industry cluster

关系邻近对集群创新的作用机理是通过集群整体关系和企业关系组成的网络为集群内知识的溢出与扩散、技术的传播、企业间的合作以及集群外部资源的嵌入等提供创新的通道。由计算所得相关指标和图2可知,寿光蔬菜产业集群整体关系网络、企业关系网络具有以下特征:集群整体关系网络与企业关系网络均具有多核心关系节点,整体关系网络的核心节点较多。蔬菜集群关系邻近程度可以体现在节点在整个关系网络中所拥有的点度中心度上。在整体关系网络中,DXKY、QW节点中心度最高,分别为49、41,说明集群整体关系网络中,企业倾向于同大学科研机构、区外企业联系。GW、ZF、NH节点中心度分别为22、25、30,也处于较高的水平,说明企业注重同政府机构、农业合作组织、国外企业的合作。企业1、34、41、16是集群内核心企业,中心度分别为36、23、21、18。企业关系网络中,核心节点为1、34、41、16、57,其中心度分别为31、20、16、14、14,这与整体关系网络中核心节点企业相匹配,调研了解到这些核心企业多属于综合性农业生产企业,如山东寿光蔬菜产业集团、世纪三元现代农业开发有限公司、农圣庄园有机农业发展有限公司等,在集群企业创新中起到龙头带动作用。 蔬菜集群企业关系网络集中度为34.68%,低于整体关系网络的集中度51.39%,说明集群企业外部的几个节点集中性程度较高。蔬菜集群各种关系构成的网络结构是集群关系邻近的隐性体现,总体上集群整体关系邻近处于较集中的程度。集群整体关系网络与企业关系网络密度分别为0.151和0.103,说明蔬菜集群企业关系网络节点之间互动联系的紧密程度要弱于整体关系网络。 关系节点的中心度指标也以整体关系网络较突出。蔬菜集群的关系不单包括集群企业之间的关系,还包括集群区域内相关机构以及区外相关机构企业的联系,这就不难解释蔬菜集群整体关系网络的相关指标均要优于集群企业关系网络的相关指标。

3 地理邻近、关系邻近与产业集群创新机理分析

无论是关系邻近还是地理邻近都是以促进集群创新为基础,因此在定量化分析两种邻近性在蔬菜产业集群创新中产生的影响方面需要深入理解地理邻近、关系邻近与产业集群创新的互动机理。

3.1 地理邻近在产业集群创新中的作用机理

地理邻近对产业集群创新的作用机理主要表现在以下4个方面:地理邻近增加了集群企业面对面交流的机会,容易实现知识,技术的集聚与扩散,引发周边企业竞争和效仿,从而实现企业对创新的摸索;地理邻近缩短了集群企业间空间距离,降低了要素流通的时间、物力成本,有利于企业在生产层面的创新;地理邻近是其它邻近形成的基础,对其它邻近具有强化作用,有利于形成集群多维邻近的创新效应;过度的地理邻近容易造成集群创新“锁定”效应[12],临时性地理邻近可以增加同外部企业、机构合作交流的机会,利于打破原有的创新锁定,便于提高集群创新的层次。

3.2 关系邻近在产业集群创新中的作用机理

产业集群的网络特征是集群在形成与发展过程中多种关系融合的结果[29]。关系邻近对集群企业创新的作用机理主要表现在: 关系邻近有利于新知识、新技术迅速外溢和扩散,对创新资源的流动方向产生影响,为集群提供便捷的创新通道;企业之间稳定的网络关系有利于增强合作创新能力,密切的网络互动是创新火花产生的源泉[30],使之不受空间距离的影响,降低交易成本; 关系邻近也体现在与区外组织的邻近上,有利于实现区外创新要素的流入,打破区内创新的困境。

在产业集群中,创新一旦发生,就可以借助关系通道引发知识、技术的扩散和创新资源流向的调整,形成创新扩散的网络。而地理邻近作为其它邻近形成的基础,则是利用集群企业的地理集聚、各种资源、关系的集聚为集群企业提供面对面交流的机会,隐性知识相对公开化,这对农业产业集群创新尤其重要。地理邻近、关系邻近与集群创新的互动机理框架见图3

图 3   地理邻近、关系邻近与集群创新的互动机理

Fig.3   The interaction mechanism of geographical proximity, relational proximity and cluster innovation

4 地理邻近、关系邻近对蔬菜产业集群创新影响

产业集群的创新受多种因素的影响,既包括多维邻近性的作用,也包括集群企业在创新过程中的科研投入以及企业性质产生的影响。为了更客观、准确的把握地理邻近、关系邻近在产业集群创新中的作用,本文构建了引入控制变量的多元线性回归模型,在不影响整体分析结果的情况下,着重探讨地理邻近、关系邻近在集群创新中的作用,并结合调研的实际情况对分析结果进行解释。

4.1 回归模型构建

在产业集群创新回归模型的构建中,选取集群企业2012年度新产品种类的数量作为模型的因变量。自变量的选取包括3方面因素,首先是控制变量的选取,考虑到产业集群创新投入产出的关系,选取科研人员投入,资金投入,企业属性3个指标作为模型的控制变量;根据调研中掌握的集群企业创新信息,将企业性质划分为农户演变,国企改制,合资企业,根据其创新发展程度将企业属性值由低到高设定为1,2,3三个层次。其次是地理邻近自变量因素选取,永久性地理邻近为企业与交通线的空间距离、企业与企业之间的邻近程度,临时性地理邻近为企业距蔬菜博览园空间距离的倒数。关系邻近的自变量则从集群内关系邻近和集群外部关系联系中选取,包括整体关系网络中企业的中心度,集群企业与国内区外企业机构,大学科研机构,国外企业机构,政府机构,农业合作组织的关系联系紧密程度。相关回归分析变量解释见表1,构建的多元线性回归模型如下:

其中,为因变量 , 为自变量 为控制自变量; , 为模型待估系数,为随机扰动项。

表1   回归分析变量解释

Table 1   Regression variables

创新因素变量定义及解释
地理邻近X1企业距交通线邻近距离,表明企业区位的开放程度,运输成本的节约
X2企业在5 km范围内其他企业集聚的数量,表明企业间空间邻近程度
X3距蔬菜博览园空间距离的倒数,代表企业的临时性地理邻近
关系邻近G1企业在集群整体网络中的点度中心度,表明其掌握的关系资源邻近强度
G2与国内区外企业关系紧密程度,根据企业联系国内区外企业数量进行打分,紧密程度分为3,2,1,0
G3与大学、科研机构关系紧密程度,根据企业联系大学、科研机构数量进行打分,紧密程度分为3,2,1,0
G4与国外企业、机构关系紧密程度,根据企业联系国外企业、机构数量进行打分,紧密程度分为3,2,1,0
G5与政府部门关系紧密程度,根据企业接触政府部门的数量进行打分,紧密程度分为3,2,1,0
G6与农业合作组织关系紧密程度,根据企业接触农业合作组织的数量进行打分,紧密程度分为3,2,1,0
创新投入T1科研人员投入(人)
T2科研资金投入(万元)
企业性质S1农户演变,国企改制,合资企业,创新属性值分别为1,2,3

新窗口打开

4.2 影响因素解释

为消除数据变异性和数值属性的影响,在分析过程中将数据进行对数化处理。通过SPSS19.0软件进行多元线性回归分析,并根据回归系数的显著性及其大小来判定其对集群创新贡献程度,结果见表2。模型中企业科研人员投入、资金投入、企业属性的回归系数均显著,表明选取的控制变量对产业集群创新贡献较高,能够起到对整个模型的控制作用。根据模型计算所得回归系数知,在地理邻近因素中,企业之间地理邻近对产业集群企业创新影响显著,对集群企业创新贡献率为0.171,表明在寿光蔬菜产业集群中企业间的地理空间邻近依然起到正相关作用,结合图1a和调研的状况,了解到一些创新效率较高的龙头企业在空间上呈现集聚分布状态。而企业距交通线邻近距离和临时性地理邻近对集群企业创新影响不显著。调研中了解到大多数企业为了保证蔬菜产品运输的快捷,将企业区位设在靠近主要交通线的位置,因此这对企业创新产生的影响弹性较小。集群企业与蔬菜博览园的空间距离远近虽然会影响到企业参会的意愿,但蔬菜博览会引进的外部企业多以贸易合作为主,对企业的产品研发合作较少,这可能是企业的临时性地理邻近对集群创新贡献不显著的原因。以上关于地理邻近对集群企业创新影响的分析表明,企业间地理区位的空间邻近对蔬菜产业集群的创新仍然起到正促进作用。

根据模型计算所得回归系数知,在关系邻近因素中,集群企业关系中心度对产业集群创新影响显著,对集群创新贡献率为0.306,表明集群企业间关系邻近对集群创新呈现显著的正相关关系。调研了解到集群企业之间有家族式企业,亲属、朋友、本村演化出的企业,企业的创新信息在整个集群企业关系圈内传播较快。集群企业与区域外企业的关系紧密程度对集群创新影响不显著,原因可能在于集群企业与国内区外企业的关系多为贸易合作的关系,企业间新知识、新技术的交流较少。集群企业与大学科研机构的关系紧密程度对产业集群创新影响显著,对集群创新贡献率为0.272,大学科研机构拥有科研技术知识,集群内一些企业同大学科研机构存在良好而持久地合作关系,对集群企业的新产品研发影响较大。蔬菜产业集群企业与国外企业、机构的联系对集群创新影响显著,对集群创新贡献率为0.153。这是由于本地企业与国外企业在市场竞争上较少,同时国外企业、机构与本地企业合作多集中在新产品、新技术的引进上,因此对集群创新的产生影响显著。与政府机构的关系邻近对集群创新影响显著,对集群创新贡献率为0.222。在市场经济背景下,寿光蔬菜产业集群经历了快速地演化与发展,既有其自身优越的发展条件,也离不开本地政府在集群发展中的积极引导与大力推广。调研中了解到当地政府部门对集群企业的创新多资金、政策上的鼓励,在一些技术合作中政府起到牵线搭桥的作用,同时相关政府性研发机构与集群企业联系较频繁,这些对集群企业创新起到积极的促进作用。集群企业与农业合作组织的关系邻近对集群创新影响不显著,主要由于农业合作组织成员多为农户组成,除在蔬菜种植经验上有些交流外,企业与农业合作组织联系的主要是农产品的收购种植和农户的雇佣上,在种植技术、产品上的创新很少。以上关系邻近对集群企业创新影响的分析表明,总体上蔬菜产业集群企业关系邻近对集群创新影响显著。

表2   回归分析结果

Table 2   The results of regression analysis

解释变量回归系数 t统计 P
常量u-0.282-1.0300.307
控制变量T10.346***3.6730.000
T20.214***3.4050.001
S10.219**2.5870.012
地理邻近X1-0.026-0.3060.761
X20.171**2.1680.034
X3-0.110-1.3410.185
关系邻近G10.306***4.0110.000
G20.0440.5380.592
G30.272***3.0620.003
G40.153*1.8850.064
G50.222***2.8800.005
G60.0931.1460.256

注:***代表在0.01的水平上显著,**代表在0.05的水平上显著,*代表在0.1的水平上显著,调整的R2=0.688。

新窗口打开

从地理邻近与关系邻近在蔬菜集群创新贡献上相比较可以看出,企业的地理空间邻近对产业集群创新贡献率为0.171,仅高于企业与国外企业机构的关系邻近(0.153),但要明显低于企业间关系邻近(0.306)、企业与大学科研机构的关系邻近(0.272)以及与政府机构的关系邻近(0.222)。说明地理邻近对蔬菜产业集群创新的影响要相对弱于关系邻近的作用。

5 结论与建议

本文以山东寿光蔬菜产业集群为例,利用空间邻近分析法,社会网络分析法以及多元线性回归模型来探究蔬菜产业集群企业的地理邻近、关系邻近特征及其在集群企业创新中的影响程度,结果表明: 蔬菜产业集群企业具有明显的地理集聚特征,龙头企业和新兴的农业企业地理邻近程度较高,加工型农业企业相对分散,农户演化而成的企业集聚地是集群形成的发源地;集群企业的临时性地理邻近呈放射状分布,具体表现为企业与蔬菜博览园空间距离的远近反映企业参会的积极性。 集群企业关系网络与整体关系网络均具有多核心关系节点,整体关系网络的核心节点较多;蔬菜集群企业关系网络集中度低于整体关系网络的集中度,说明集群企业外部的几个节点集中性程度较高;集群企业关系网络节点之间互动联系的紧密程度要弱于整体关系网络。 关系邻近效应对集群创新影响更显著,永久性地理邻近在当前寿光蔬菜产业集群创新中依然起到正向作用,但作用要弱于关系邻近。

实证分析的结果表明了地理邻近对促进集群内创新氛围形成、提高新知识新技术在集群内扩散流通仍起着正向作用。但当前真正提高农业产业集群创新的发展,还应从关系邻近的角度抓起。结合实地调研状况有以下4点建议:培育集群创新龙头企业,形成对中小企业帮扶作用;加强集群企业与大学科研机构的联系,进一步完善集群产学研体系; 鼓励集群企业与国内同行间的合作交流,加强同国外机构的合作,积极引进国外创新资源,不断的吸收、模仿创新; 政府应该为集群企业与外部机构的联系合作起到牵线搭桥的作用,制定招商引资政策,落实好政府在企业创新上的奖助政策,一些政府科研机构要发挥好作用。

The authors have declared that no competing interests exist.


参考文献

[1] 陈耀, 陈钰.

资源禀赋、区位条件与区域经济发展

[J]. 经济管理, 2012, 34(2): 30-39.

[本文引用: 1]     

[Chen Yao, Chen Yu. Resource Endowment,

Location and Regional Economic Growth.

Economic Management Journal (EMJ), 2012, 34(2): 30-39.]

[本文引用: 1]     

[2] 李小建. 经济地理学(第2版)[M]. 北京: 高等教育出版社, 2006: 196-199.

[本文引用: 1]     

[Li Xiaojian. Economic Geography(The second edition). Beijing: Higher Education Press, 2006: 196-199.]

[本文引用: 1]     

[3] Katz J S.

Geographical proximity and scientific collaboration

[J].Scientometrics, 1994, 31(1): 31-43.

[本文引用: 2]     

[4] Rallet A, Torre A.

Is geographical proximity necessary in the innovation networks in the era of global economy?

[J]. GeoJournal, 1999, 49(4): 373-380.

[5] Desrochers P.

Geographical proximity and the transmission of tacit knowledge

[J].The Review of Austrian Economics, 2001, 14(1): 25-46.

[本文引用: 2]     

[6] 谭文柱.

地理空间与创新:理论发展脉络与思考

[J]. 世界地理研究, 2012, 21(3): 94-100,151.

[本文引用: 1]     

[Tan Wenzhu.

Geographic space and innovation: The oretical development and thinking.

World Regional Studies, 2012, 21(3): 94-100,151.]

[本文引用: 1]     

[7] Morgan K.

The exaggerated death of geography: learning, proximity and territorial innovation systems

[J]. Journal of Economic Geography, 2004, 4(1): 3-21.

[本文引用: 2]     

[8] 刘志高, 崔岳春.

演化经济地理学: 21世纪的经济地理学

[J]. 社会科学战线, 2008, (6): 65-75.

[本文引用: 1]     

[Liu Zhigao, Cui Yuechun.

Evolutionary economic geography: the economic geography of twenty-first Century.

Social Science Front, 2008, (6): 65-75.]

[本文引用: 1]     

[9] Amin A, Conhendet P.

Architectures of Knowledge: Firms, Capabilities, and Communities

[J]. Organization Studies, 2003, 26(9):150-156.

[本文引用: 2]     

[10] Breschi S, Lissoni F.

Mobility and social networks: Localized knowledge spillovers revisited

[M]. Milan: Bocconi University, 2003:142.

[本文引用: 2]     

[11] Fuchs G, Shapira P, Koch A.

Rethinking regional innovation and change

[M]. Berlin: Springer, 2004,10: 127-146.

[本文引用: 1]     

[12] Boschma R.

Proximity and innovation: a critical assessment

[J]. Regional Studies, 2005, 39(1): 61-74.

[本文引用: 5]     

[13] Shaw A T, Gilly J P.

On the analytical dimension of proximity dynamics

[J]. Regional Studies, 2000, 34(2): 169-180.

[本文引用: 2]     

[14] Ponds R, Van Oort F, Frenken K.

The geographical and institutional proximity of research collaboration

[J]. Papers in Regional Science, 2007, 86(3): 423-443.

[15] Rychen F, Zimmermann J B.

Clusters in the global knowledge-based economy: knowledge gatekeepers and temporary proximity

[J]. Regional Studies, 2008, 42(6): 767-776.

[16] D’Este P, Guy F, Iammarino S.

Shaping the formation of university-industry research collaborations: what type of proximity does really matter?

[J]. Journal of Economic Geography, 2013, 13(4): 537-558.

[本文引用: 1]     

[17] Rallet A, Torre A.

Is geographical proximity necessary in the innovation networks in the era of global economy?

[J]. GeoJournal, 1999, 49(4): 373-380.

[本文引用: 1]     

[18] Agrawal A, Kapur D,

McHale J. How do spatial and social proximity influence knowledge flows? Evidence from patent data

[J].Journal of Urban Economics, 2008, 64(2): 258-269.

[本文引用: 1]     

[19] 李琳, 杨田.

地理邻近和组织邻近对产业集群创新影响效应——基于对中国汽车产业集群的实证研究

[J]. 中国软科学, 2011, (9): 133-143.

[本文引用: 2]     

[Li Lin, Yang Tian.

Effect of geographical proximity and organizational proximity on innovations of industrial cluster: an empirical research based on automobile industry clusters in China.

China Soft Science, 2011, (9): 133-143.]

[本文引用: 2]     

[20] 王缉慈, 谭文柱, 林涛, .

产业集群概念理解的若干误区评析

[J]. 地域研究与开发, 2006, 25(2): 1-6.

[本文引用: 1]     

[Wang Jici, Tan Wenzhu,

Lin Tao et al. Discussion on the misapprehensions to the concept of industrial clusters.

Areal Research and Development, 2006, 25(2): 1-6.]

[本文引用: 1]     

[21] 饶扬德, 李福刚.

地理邻近性与创新:区域知识流动与集体学习视角

[J]. 中国科技论坛, 2006, (6): 20-24.

[Rao Yangde, Li Fugang.

Geographical proximity and innovation: a perspective of regional knowledge flow and collective learning.

Forum on Science and Technology in China, 2006, (6): 20-24.]

[22] 李福刚, 王学军.

地理邻近性与区域创新关系探讨

[J]. 中国人口·资源与环境, 2007, 17(3): 35-39.

[Li Fugang, Wang Xuejun.

Geographical proximity and regional innovation: the perspective of knowledge flows and collective learning. China Population,

Resources and Environment, 2007, 17(3): 35-39.]

[23] 汪涛, 曾刚.

地理邻近与上海浦东高技术企业创新活动研究——兼比较德国下萨克森州

[J]. 世界地理研究, 2008, 17(1): 47-52,84.

[本文引用: 1]     

[Wang Tao, Zeng Gang.

Geography proximity and innovation activities of High-Tech enterprises in Shanghai Pudong—compared with lower Saxony Germany.

World Regional Studies, 2008, 17(1): 47-52,84.]

[本文引用: 1]     

[24] 李琳, 韩宝龙.

地理与认知邻近对高技术产业集群创新影响——以中国软件产业集群为典型案例

[J]. 地理研究, 2011, 30(9): 1592-1605.

[本文引用: 1]     

[Li Lin, Han Baolong.

An empirical research on how geographic proximity and cognitive proximity work on the innovation performance of high-tech industrial cluster

[J]. Geographical Research, 2011, 30(9): 1592-1605.]

[本文引用: 1]     

[25] 李琳, 熊雪梅.

产业集群生命周期视角下的地理邻近对集群创新的动态影响——基于对中国汽车产业集群的实证

[J]. 地理研究, 2012, 31(11): 2017-2030.

[本文引用: 1]     

[Li Lin, Xiong Xuemei.

Dynamic effect of geographic proximity on cluster innovation in perspective of industrial cluster's life cycle: a case study of Chinese automobile industry.

Geographical Research, 2012, 31(11): 2017-2030.]

[本文引用: 1]     

[26] Torre A, Rallet A.

Proximity and Localization

[J]. Regional Studies, 2005, 39(1): 47-59.

[本文引用: 1]     

[27] Rallet A, Torre A.

Temporary Geographical Proximity for Business and Work Coordination: When, How and Where?

[J]. Spaces Online, 2009, 7(2): 83-88.

[本文引用: 1]     

[28] 刘军. 整体网分析讲义——UCINET软件实用指南 [M]. 上海: 格致出版社, 2009: 10, 98-107.

[Liu Jun.Lectures on whole network: a practical guide to UCINET. Shanghai: Truth & Wisdom Press, 2009:10, 98-107.]

[29] 李二玲, 李小建.

欠发达农区传统制造业集群的网络演化分析

[J]. 地理研究, 2009, 28(3): 738-750.

[本文引用: 1]     

[Li Erling, Li Xiaojian.

The evolution of networks in traditional manufacturing clusters of undeveloped rural areas: The case of steel measuring tape cluster in Nanzhuang Village, Yucheng County, Henan Province.

Geographical Research, 2009, 28(3): 738-750.]

[本文引用: 1]     

[30] Ozer M, Zhang W.

The effects of geographic and network ties on exploitative and exploratory product innovation

[J]. Strategic Management Journal, 2015, 36(7):1105-1114.

[本文引用: 1]     

/