段德忠
, 杜德斌
Duan Dezhong, Du Debin
中图分类号: K902
文献标识码: A
文章编号: 1000-0690（2018）11-1759-10
通讯作者:
收稿日期: 2017-11-11
修回日期: 2018-01-23
网络出版日期: 2018-11-20
版权声明: 2018 《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:
作者简介:
作者简介：段德忠（1989-）,男,江苏溧阳人,博士后,主要从事创新地理学研究。E-mail: dezhong_tuan@163.com
展开
摘要
以国家知识产权局专利转让记录为数据源,采用大数据挖掘与分析技术、空间分析技术、复杂网络模型和负二项回归模型,系统描绘了2001~2015年中国城市创新网络的拓扑结构、空间结构和生长机制。研究发现：① 中国城市创新网络规模迅速扩张,在两极分化下涌现出显著的小世界性和等级层次性,以北京、上海、深圳为核心的核心-边缘格局不断强化;② 以三角结构为基础的中国城市创新网络的四边形格局逐渐形成,京津、长三角、珠三角是中国城市专利转移的核心三角;③ 中国城市创新网络的生长与城市科技创新实力显著相关,且受到地理距离的阻抗作用,凸显出强烈的地理邻近性,另外城市经济发展水平相似度和产业结构相似度也是影响城市创新网络生长的重要因素。
关键词：
Abstract
At present, China’s city innovation system is gradually taking shape. As the core component of innovation resources, innovative technology represented by patents has become the focus of competition among all cities. Its gathering and diffusion channels urgently need to build a compatible city technology transfer system. The construction of a national technology transfer system in line with the law of science and technology innovation, the law of technology transfer and the law of industrial development is an inevitable choice for serving the strategy of innovation development. Based on data mining from National Intellectual Property Office of China, the heterogeneities and its evolution characteristics of city innovation network depicted by patent transfer in topology and space from 2001 to 2015 were sketched using lots of visualizing tools such as Pajek, Gephi, VOSviewer, ArcGIS, and so on. Topologically, from 2001 to 2015, with the increasing number of cities involved in technology transfer, China city innovation network has emerged a significant small-world feature with the smaller average path length and the extremely large cluster coefficient compared to its counterpart. In addition, the entire network presents a core- periphery structure with hierarchies, which dominated by Beijing, Shanghai and Shenzhen. Spatially, the quadrilateral pattern of China city innovation network based on the triangular structure is gradually formed. Last but not least, the growth mechanism of city innovation network were also verified by correlational analysis, negative binomial regression approach and gravity model of STATA. The growth of city innovation network in China is significantly related to the technological innovation strength represented by the number of patent application. The findings further confirm that geographical distance has weakened cross-city patents transfer. Meanwhile, the similarity of economic development and industrial structure between cities are also important factors influencing the growth of city innovation network.
Keywords：
进入21世纪以来,随着全球化深入发展和产业价值链的细化分解,创新资源越来越明显地突破组织的、地域的、国家的界限,在全球范围内自由流动,世界进入以创新要素全球流动为特征的开放创新时代[1]。在此背景下,以跨国公司为主导的全球技术创新网络与以大学为主导的全球知识创新网络及地方创新系统叠加耦合,交织成立体化的全球-地方创新网络[2]。在这个全球-地方创新网络中,国家间的科技竞争已经转化至以城市为基本空间单元的全球科技创新中心的竞争上,谁拥有世界级的科技创新城市,谁就能最大程度吸引全球创新要素,从而在国际竞争中获得战略主动权[1,3]。当前,北京、上海、深圳纷纷努力建设全球有影响力的科技创新中心,武汉、成都、重庆等城市也努力创建国家科技创新中心,试图在这个全球-地方创新网络中占据有利地位。《“十三五”国家科技创新规划》指出,深入实施创新驱动发展战略,必须建设高效协同的国家创新体系。因此,探讨中国城市创新网络的结构复杂性及其生长机理具有重要的现实意义。
在人文社会科学空间转向和新经济地理学关系-文化转向的碰撞下,创新网络逐渐成为研究区域知识溢出、创新与技术扩散、区域发展路径、创新集群等现实问题的主要途径[4,5]。综合现有创新网络研究发现,较为一致的集中于创新网络特征的揭示：研究内容包括创新网络的拓扑性质[6,7]、创新网络的空间格局[8,9]、创新网络的演化过程[10,11]、以邻近性机理为主的创新网络演化机制[12,13,14,15]等;研究尺度涉及范围颇广,从以企业、组织为代表的微观创新主体[16],至以城市、区域、国家甚至全球的宏观空间单元[17,18];研究方法多基于复杂网络理论,应用系列网络模型和空间计量模型对网络特征进行挖掘。研究结果普遍揭示出创新网络的无标度性、小世界性、等级层次性、空间集聚性等特性[19,20,21],也广泛验证了认知邻近性、社会邻近性、组织邻近性、制度邻近性以及地理邻近性是影响创新网络演化的重要因素[22,23,24]。然而在这一致性的背后,也凸显了诸多分歧,而其中最大的分歧就在于创新网络邻接矩阵的构建上。对于创新网络而言,大部分学者采用参量替代方法来建构创新网络,如以科研论文合作为代表的知识合作[24,25],以联合申请专利为代表的技术合作[26],以企业空间组织为代表的跨国公司研发合作[27,28]成为城市创新网络的3种主要构建方法。还有少部分学者采用模型拟合来建构网络,多以区域创新实力评价为基础,基于创新空间引力重构重力模型测度区域创新联系强度及格局[29]。
虽然在科技全球化下,当今世界已进入一个被称为“国际合作”的时代。但与论文不同,专利因排他性,以及直接与个人或企业经济利益和行业地位挂钩从而使得“合作”在专利领域显得“势单力薄”,且多表现在以个人为单位的专利申请,或以政府组织的国际技术合作上。而以企业为单位的专利申请,尤其是全球顶尖科技创新型企业,因其力保技术的独立性基本不存在专利合作申请的情况,这造成合作专利数量在整个专利申请量中所占比重较小,不能够体现整个创新技术领域的复杂动态联系,因而以往以专利合作为媒介构建的创新网络就值得商榷。通过检索中国国家知识产权局（SIPO）和美国专利与商标局（USPTO）关于专利申请、专利合作和专利转移数据库发现,以专利权转让为体现的“专利收购”和以技术复制为体现的“专利许可”是专利领域产生联系的主要方式。其中“专利许可”多发生在大企业之间,“专利转让”则多发生在企业与个人之间,或大企业与小企业之间。由于中国技术市场创新独角兽企业数量有限,使得技术市场中专利许可量较专利转让量少之甚多,2015年中国技术市场专利许可量18 072件,而专利转让量则达到117 069件。事实上,以专利转让为媒介构建区域创新网络已经成为当前学术界的主流,但多集中于省级空间尺度的规律揭示[30,31,32]。
基于此,本文以国家知识产权局专利检索及分析平台2001~2015年专利转让记录为数据源,采用大数据挖掘与分析技术、地理信息编码技术获取341个中国城市间（包括4个直辖市;286个地级市;14个地区;3个盟;30个自治州;4个省直管县级市：潜江市、天门市、仙桃市和济源市）专利转移信息,采用复杂网络和空间统计方法,绘制了中国城市创新网络的动态演化图谱,并应用负二项式回归和引力模型研究了中国城市创新网络的生长机制,以尝试做出有益的补充。
基于大数据挖掘与分析技术、地理信息编码技术,以城市间的专利转让量为媒介,从而构建中国城市创新网络,具体思路如下：
1） 专利转让数据挖掘：采用大数据挖掘手段,以国家知识产权局专利检索及分析平台为数据源,通过检索专利法律状态关键词——“转移”,从而获取2001~2015年中国专利转让详情数据,共计648 654条。在剔除国际间（193 775条）和地址无法识别（7 263条）的专利转让记录后,得到本文最终数据447 616条专利转让记录[33,34]。
2） 专利空间信息提取：以邮编库网站（www.youbianku.com）关于地级市邮政编码归类数据库为数据源,同时考虑到行政区划调整带来的邮政编码归属问题,本文以国家统计局发布的2015年县及县以上行政区划代码（发布日期：2016-08-09）为修正依据,从而获取中国341个城市33 610个邮政编码。
3） 网络建构：借鉴图论构造中国城市创新网络连通图G=（V, E）,N=|V|为网络节点（城市）数,M=|E|为网络边（城市间的专利转让关系）数。中国城市创新网络的建构,使得可以借助系列网络统计特征量（加权度中心性、加权邻近中心性和加权介数中心性）来研究中国城市创新网络的等级层次性[24]。
鉴于城市间的专利转移量为非负整数,且被解释变量的方差明显大于期望,存在“过度分散”。因此,引力模型和负二项式回归方法被引入研究中国城市创新网络的生长机制[24,35]：
式中,α为常数项;εij为随机误差项;TTij为城市i与城市j之间的专利转移量,也是本文的被解释变量;PatApli和PatAplj分别为城市i与城市j的专利申请量,同时作为引力模型中城市质量的代理变量;GeoDisij为城市i与城市j之间的地理距离;EcoSimij为城市i与城市j的经济发展水平相似度虚拟变量,如果两城市地区生产总值皆高于地区生产总值的均值（全国城市地区生产总值的均值）,则赋值为1,否则为0;IndStrij为城市i与城市j之间的产业结构相似度,通过构建产业结构相似度模型来测算[31],计算公式如下：
式中,IndStrij为城市i和城市j的产业结构相似度,
2001~2015年,中国城市创新网络规模迅速扩张,网络中节点数和边数分别由2005年末的274个和703条增加至2015年末的338个和6 447条,网络e值（网络中边数与节点数之比）更是由2005年末的2.57上升至2015年末的19.07,表明中国城市创新网络逐渐由一稀疏网络生长为稠密的复杂网络,但在复杂性发育的过程中,中国城市创新网络节点发育呈现出显著的差异性,两极分化严重（表1）。
由加权度中心性和加权介数中心性测度的节点在网络中绝对地位凸显出中国城市创新网络两极分化严重,其中加权度中心性的变异系数在这15 a中保持在3.1以上,基尼系数也接近0.8,加权介数中心性测度的变异系数更是维持在4.5以上,基尼系数保持在0.9左右,表明在参与创新技术转移的城市数量不断增加情境下,中国城市创新网络呈现出强劲的离散趋势和极度不均衡特征。
表1 2001~2015年中国城市创新网络复杂性统计特征量
Table 1 Statistics of complexity of city innovation network in China from 2001 to 2015
| 统计特征 | 统计指标 | 2001~2005年 | 2006~2010年 | 2011~2015年 |
|---|---|---|---|---|
| 网络规模 | 节点数 | 274 | 319 | 338 |
| 边数 | 703 | 2362 | 6447 | |
| 密度 | 0.025 | 0.047 | 0.107 | |
| 网络直径 | 6（9） | 5（8） | 4（8） | |
| 小世界性 | 平均聚类系数 | 0.420（0.025） | 0.501（0.024） | 0.606（0.026） |
| 平均路径长度 | 2.739（2.829） | 2.314（2.745） | 1.968（2.742） | |
| 无标度性 | 加权度中心性幂律拟合 | y=4828.3x-1.481 （R2=0.9496） | y=60759x-1.631 （R²=0.8821） | y=493821x-1.713 （R²=0.8103） |
| 加权度中心性指数拟合 | y=72.556e-0.021x （R²=0.9172） | y=428.71e-0.018x （R²=0.9466） | y=2628.4e-0.018x （R²=0.9336） | |
| 度中心性 | 平均加权度 | 26.288 | 119.937 | 602.138 |
| 度中心势 | 0.967 | 0.975 | 0.975 | |
| 变异系数 | 3.267 | 3.302 | 3.152 | |
| 基尼系数 | 0.794 | 0.799 | 0.794 | |
| 邻近中心性 | 平均邻近性 | 0.375 | 0.441 | 0.514 |
| 邻近中心势 | 0.650 | 0.621 | 0.679 | |
| 变异系数 | 0.159 | 0.136 | 0.111 | |
| 基尼系数 | 0.088 | 0.074 | 0.053 | |
| 介数中心性 | 平均介数 | 202.598 | 208.220 | 167.484 |
| 变异系数 | 4.680 | 5.072 | 4.588 | |
| 基尼系数 | 0.895 | 0.900 | 0.891 |
加权邻近中心性测度是网络中的关系地位,即节点与网络中心的关系紧密程度。2001~2015年,北京市以绝对优势的专利转移量始终占据网络中心地位,而网络中其他城市节点中大部分都与北京市产生直接的创新技术联系（2001~2005年,236个城市节点中有116个城市直接与北京产生联系;2006~2010年,318个城市节点中有212个城市直接与北京市产生联系;2011~2015年,338个城市有302个城市直接与北京市产生联系）,因而城市节点的加权邻近中心性的变异系数和基尼系数皆较小,表明虽然中国城市创新网络两极分化显著,但网络关系非常密切。
2001~2015年,伴随着规模的迅速扩张,中国城市创新网络逐渐失去其无标度特性,向小世界网络演化（表1）：2001~2005年,虽然中国城市创新网络的平均聚类系数（0.420）显著大于同等规模的随机网络①(① 随机网络生成方法：基于Gephi软件,用同一时段相同节点数,按0.05的连接率生成。)（0.025）,但平均路径长度（2.739）与同等规模的随机网络（2.829）非常接近,小世界特征不太明显。另外,加权度中心性的位序-规模分布函数呈现出良好的幂律分布,优于指数分布,表现出的一定的无标度特性。
2006~2015年,与同等规模随机网络相比,中国城市创新网络均具有较大的平均聚类系数和较小的平均路径长度,且随着时间的推进,网络的平均聚类系数和平均路径长度分别呈现出明显上升和下降的趋势,其中网络平均聚类系数由2005年末的0.420上升至2015年末的0.606,网络平均路径长度由2005年末的2.739下降至2015年的1.968,中国城市创新网络的小世界特性愈发强劲。另外,网络直径也由2005年末的6下降至2015年末的4,而且期间2个时段的加权度中心性的位序-规模分布函数均呈现出良好的指数分布,拟合精度明显高于幂律分布。
中心势是衡量整个网络中心化程度的重要指标,2001~2015年,中国城市创新网络的度中心势基本维持在0.97左右,邻近中心势也基本维持在0.65左右,表明整个网络具有比较明显的向某个城市或某些城市集中的趋势,存在显著的“核心-边缘”结构（表1）。而根据加权度中心性,基于Pajek块模型分析中的层次聚类算法（Hierarchical clustering）识别的中国城市创新网络的等级层次性也印证了这一点。2001~2015年,中国城市创新网络由单核心圈层结构向多核心圈层结构渐进发育,涌现出金字塔结构的等次层次性,以北京、上海、深圳为核心的“中心-外围”格局不断夯实（图1）。
图1 2001~2015年中国城市创新网络的等级层次结构演化
图中节点大小与该节点的加权度中心性成正比,边粗细与专利转移数量正相关
Fig.1 Evolution of hierarchical structure of city innovation network in China from 2001 to 2015
2001~2010年,中国城市创新网络明显形成了以北京为单核心的圈层结构,北京市在2001~2005年和2006~2010年这2个时段分别以779件和4 674件的专利转移量位居全国之首,成为网络核心。上海、深圳和广州3个城市以稍低于北京的专利转移量,从而构成了此阶段中国城市创新网络的第二圈层,这3个城市各项指标大致相当,网络性质相似,且皆承担着全国或区域性的技术集散中心角色。而在第三至第五圈层上,2001~2005年和2006~2010年这2个时段产生了细微的差别。其中,2001~2005年,位居第三圈层的城市多达28个,以长三角地区和珠三角地区城市居多,也涵盖诸如武汉、成都、长沙、哈尔滨这些中西部地区的省会城市;位居第四圈层和第五圈层的城市分别有59个和183个,这些城市大多位于中西部地区,专利转移量较少或仅与少数城市产生技术联系,如海口市,虽然其专利转移量达到135个,但仅与天津这一个城市产生技术联系。2006~2010年,位居第三圈层的城市减少至21个,诸如台州、金华、贵阳、哈尔滨、昆明等城市皆退至第四圈层,第三圈层的城市仍然集中在长三角地区和珠三角地区;位居第四圈层的城市增加至101个,多为东部沿海地区科技创新实力相对较弱的城市和中西部地区科技创新实力相对发达的城市;其余193个城市组成第五圈层,主要为中西部地区科技创新实力相对较弱的城市。
2011~2015年,中国城市创新网络由上一阶段的以北京为核心的单中心圈层结构进化为以北京、上海、深圳为核心的多中心圈层结构,虽然此阶段北京市仍然以24 469件的专利转移量遥遥领先,位居全国首位,但上海、深圳的专利转移量也分别达到13 687件和13 104件,逐渐拉大与其他城市的差距,从而跻身核心圈层。位居第二圈层的城市数量达到22个,除武汉、成都、长沙、重庆和天津以外,其余城市皆位于长三角和珠三角地区,其中,苏州以8 029件的专利转移量位居全国第四,南通以7 667件的专利转移量位居全国第五。第三圈层的城市数量也增加至50个,以东部沿海其他地区城市（如山东半岛城市群地区）和中西部科技创新实力相对较强的城市组成;第四圈层和第五圈层的城市数量分别为91个和154个,多为中西部地区科技创新实力相对较弱的城市。
基于ArcGIS网络分析平台,将中国城市创新网络拓扑关系转换至空间联系,从而建构中国城市创新空间网络数据库（图2）。研究发现,2001~2015年,三角结构是中国城市创新网络生长的基础组织单元,京津地区,长三角地区和珠三角地区组成了中国城市创新网络的核心三角,同时随着城市科技创新实力的增强,成渝地区逐渐成为中国中西部地区的创新技术集散中心,与京津地区,长三角地区和珠三角地区共同架构了中国城市创新网络的四边形格局：
图2 2001~2015年中国城市创新网络的时空演化格局
Fig.2 Spatial-temporal evolution pattern of city innovation network in China from 2001 to 2015
2001~2005年,虽然中国城市创新网络274个节点仅生成703条边,但这一稀疏的网络仍然孕育出中国城市创新网络的三角框架雏形结构,如京津地区-长三角地区-珠三角地区;京津地区-辽中南地区-长三角地区;辽中南地区-长三角地区-珠三角地区,这4个地区之间的专利转移量占到整体的86.45%。这种三角雏形结构也使得中国专利转移多以跨区域进行,其中,沈阳与上海之间的专利转移量为183件,成为此阶段空间联系最为紧密的2个城市,上海和深圳之间的专利转移量为129件,上海和北京之间的专利转移量为126件,天津和海口之间的专利转移量为120件。
2006~2010年,随着城市科技创新实力的迅速提升,城市间的创新联系也迅速增加,中国城市创新网络也发育的更加稠密。此阶段,中国城市创新网络的三角框架雏形结构继续生长,除上一阶段的三个三角结构外,这阶段还生长出京津地区-成渝地区-珠三角地区、珠三角地区-成渝地区-长三角地区,京津地区-关中地区-珠三角地区等若干个跨区域专利转移三角结构,而京津地区-长三角地区-珠三角地区的三角结构逐渐成为中国城市创新网络的核心三角,其中北京和深圳之间的专利转移量达到601件,成为此阶段创新联系最为密切的2个城市,北京和上海之间的专利转移量也达到548件,位居第二。另外,中国城市专利转移也由上一阶段倾向于跨区域活动转向此阶段跨区域和区域内转移并重,如长三角地区的上海和苏州之间的专利转移量就达到345件,位居第三;京津地区的北京和天津之间的专利转移量也达到240件,位居第六。
2011~2015年,京津地区-长三角地区-珠三角地区这一核心三角在中国城市创新网络中的地位趋于稳固,其中北京和上海之间的专利转移量达到2 073件,深圳和北京之间的专利转移量也达到1 458件,深圳和上海之间的专利转移量为743件。这一阶段,中国城市创新网络继续发育出多个三角结构,如京津地区-山东半岛地区-辽中南地区,京津地区-关中地区-长三角地区,京津地区-山东半岛地区-长三角地区,长三角地区-闽南地区-珠三角地区,京津地区-成渝地区-长三角地区等。在这些三角架构生长发育的过程中,中国城市创新网络以三角为架构的四边形格局逐渐清晰,除京津地区、长三角地区、珠三角地区外,以成都为核心的成渝地区逐渐生长为中国中西部地区的创新技术集散中心。但相较于上2个阶段,中国城市创新网络在这一阶段更加注重区域内的专利转移,城市技术转移的地理邻近性特征逐渐凸显,如上海和苏州之间的专利转移量达到1 556件,位居第二;深圳和东莞之间的专利转移量为1 077件,位居第四;北京和天津之间的专利转移量为1 023件,位居第五;深圳和惠州之间的专利转移量也达到789件,位居第七。
通过对模型进行检验发现,样本方差远大于样本均值,而且Alpha的置信区间在5%的显著性水平上拒绝“过度分散”参数“Alpha=0”的原假设,即本文使用引力模型和负二项回归方法正确[33],模型的回归结果如表2所示。
表2 中国城市创新网络生长机制的负二项回归结果
Table 2 Estimation results of the negative binomial spatial interaction models
| 2001~2005年 | 2006~2010年 | 2011~2015年 | |
|---|---|---|---|
| 城市i专利申请量 | 1.632*** （0.268） | 2.039*** （0.156） | 2.935*** （0.127） |
| 城市j专利申请量 | 1.692*** （0.240） | 2.118*** （0.173） | 2.987*** （0.111） |
| 经济发展水平相似度 | 0.280** （0.144） | 0.629*** （0.100） | 0.726*** （0.070） |
| 地理距离 | 0.117 （0.722） | -2.003*** （0.235） | -2.875*** （0.196） |
| 产业结构相似度 | 0.450 （0.379） | 0.818*** （0.324） | 0.510*** （0.228） |
| 常数 | -0.301 （-0.361） | 0.278 （0.317） | -0.937 （0.230） |
| 样本量 | 704 | 2362 | 6447 |
| Alpha | 0.824 | 1.049 | 1.172 |
| Wald chi2 | 113.83 | 464.03 | 2086.18 |
| Prob > chi2 | 0.0000 | 0.0000 | 0.0000 |
| Log pseudolikelihood | -1623.4576 | -6289.9496 | -19412.097 |
2001~2015年,城市专利申请量是影响城市创新网络生长的重要影响因素,且影响程度呈持续强化趋势。城市间专利转让规模与各自的专利申请规模成正比,即申请的专利越多,两城之间存在技术交易的可能性及交易量越大,表明中国城市创新网络存在显著的强强联合、合作共赢的网络演化态势,这与以往以专利合作为媒介构建的城市创新网络和以专利转让构建的省际创新网络的研究结论一致。2001~2015年,城市经济发展水平对城市间专利技术转移的影响程度逐渐提升,突显出中国城市专利技术转移越来越多的发生在经济发展水平相近的城市之间,城市间的经济发展水平越接近,相应的技术需求越一致,越能促进技术交易规模,这与城市创新网络演化机制中的经济邻近性分析结论一致,如任龙等对中国各省域之间的专利交易机制研究发现,省际经济水平差距越大,专利交易量就越少[31]。
2001~2015年,城市间的地理距离对城市专利技术转移的阻抗作用愈发凸显,即城市之间的地理距离与交易的专利数量呈显著的负相关。其中,2001~2005年城市间的地理距离对城市专利技术转移的影响还不显著,而进入后2个时段则涌现出了显著的阻抗作用,2001~2005年,中国城市技术转移的平均地理距离为833.92 km,而大于这一距离的城市技术转移样本量有297个,且这297个样本量专利转移总量为1 748件,占整体数量的比重达到57.48%。而2006~2010年和2011~2015年,中国城市技术转移的平均地理距离分别达到856.40 km和917.90 km,且大于这这一距离的城市技术转移样本量分别有994个和2 664个,而在这994和2 664个样本量中,专利转移总量分别只占到总体41.79%和36.95%,由此可见虽然中国城市技术转移的距离不断在增加,但长距离的技术转移量占整体比重却不断下降,中国城市创新网络生长的地理邻近性逐渐凸显。
2001~2015年,城市产业结构相似度对城市创新网络生长的影响程度呈现出波动下降的趋势,但仍然对城市间专利技术转移产生正相关影响。其中,2001~2005年城市间的产业结构相似度对城市专利技术转移的影响还不显著,而后2个阶段则对城市专利技术转移产生了一定的正向影响,即城市间产业体系越相近,则技术转移量就越大。这一研究结论与已有关于省际技术转移网络研究结论不一致[31],表明城市产业结构相似度对城市创新网络生长的影响存在空间尺度依赖性,但随着影响程度的降低,这种尺度依赖性也在降低。
本文以国家知识产权局专利转让记录为数据源,采用大数据挖掘与分析技术、空间分析技术和负二项回归模型,系统描绘了2001~2015年中国城市创新网络的拓扑结构、空间结构和生长机制,得出以下结论：
1） 2001~2015年,中国城市创新网络规模迅速扩张,逐渐由一稀疏网络生长为稠密的复杂网络,且在复杂性发育的过程中渐失其无标度特性,小世界性越发强劲;另外,15 a间中国城市创新网络由单核心圈层结构向多核心圈层结构渐进发育,涌现出金字塔结构的等次层次性,以北京、上海、深圳为核心的“中心-外围”格局不断夯实。
2） 2001~2015年,三角结构是中国城市创新网络生长的基础组织单元,京津地区,长三角地区和珠三角地区组成了中国城市创新网络的核心三角,同时随着城市科技创新实力的增强,成渝地区逐渐成为中国中西部地区的创新技术集散中心,与京津地区,长三角地区和珠三角地区共同架构了中国城市创新网络的四边形格局。
3） 生长机制上,通过引力模型和负二项式回归分析发现,中国城市创新网络生长与以专利申请量为代表的城市科技创新实力显著正相关,且受到地理距离的阻抗作用,突显出强烈的地理邻近性。经济发展水平相似度和产业结构相似度也是影响城市创新网络生长的重要因素,但经济发展水平相似度对城市创新网络生长的影响程度逐渐提升,而产业结构相似度对城市创新网络生长的影响程度呈现波动下降的趋势。
The authors have declared that no competing interests exist.
| [1] |
|
| [2] |
基于全球—地方视角的创新网络研究进展 [J].https://doi.org/10.18306/dlkxjz.2016.05.007 URL [本文引用: 1] 摘要
全球化、创新驱动是新时代的重要特征之一,创新网络成为经济地理学者关注的热点领域之一。在评述现有创新网络研究成果的基础上,本文界定了全球—地方创新网络的内涵和特征,论述了其类型、结构、作用机理和分析方法,并得出结论：全球创新网络与地方创新网络是不可分割的有机体,地方创新网络是全球创新网络的子系统,知识流是创新网络各主体之间联系的重要纽带,行业协会、技术联盟与成员之间的多次协商是全球—地方创新网络的重要组织方式,而网络知识测量方法则能较好地实现定性分析结论与统计计算结论的融合,能较好地刻画、模拟全球—地方创新网络的形态、结构、演变和机理。从服务国家建设和推动中国创新地理学发展的目标出发,有必要开展基于中国国情和视角的全球—地方创新网络机理与区域经济增长之间互动关系的研究,启动不同产业领域的全球—地方创新网络的比较分析,检验网络知识测量方法的可靠性和准确性。
Research progress of global innovation networks .https://doi.org/10.18306/dlkxjz.2016.05.007 URL [本文引用: 1] 摘要
全球化、创新驱动是新时代的重要特征之一,创新网络成为经济地理学者关注的热点领域之一。在评述现有创新网络研究成果的基础上,本文界定了全球—地方创新网络的内涵和特征,论述了其类型、结构、作用机理和分析方法,并得出结论：全球创新网络与地方创新网络是不可分割的有机体,地方创新网络是全球创新网络的子系统,知识流是创新网络各主体之间联系的重要纽带,行业协会、技术联盟与成员之间的多次协商是全球—地方创新网络的重要组织方式,而网络知识测量方法则能较好地实现定性分析结论与统计计算结论的融合,能较好地刻画、模拟全球—地方创新网络的形态、结构、演变和机理。从服务国家建设和推动中国创新地理学发展的目标出发,有必要开展基于中国国情和视角的全球—地方创新网络机理与区域经济增长之间互动关系的研究,启动不同产业领域的全球—地方创新网络的比较分析,检验网络知识测量方法的可靠性和准确性。
|
| [8] |
Structural holes and new dimensions of distance: the spatial configuration of the scientific knowledge network of China's optical technology sector [J]. |
| [9] |
Urban centers and networks of co-invention in American biotechnology [J].https://doi.org/10.1007/s00168-014-0610-8 URL [本文引用: 1] 摘要
Theories of localized knowledge exchange argue that proximity among economic agents in spatial clusters fosters invention and innovation. An alternative perspective stresses interregional collaborative networks in which individuals and groups are embedded in wide-ranging webs of relationships. This article uses social network analysis to explore the changing structures of collaborative systems of intermetropolitan co-patenting in American biotechnology from 1979 to 2009. Results show that intermetropolitan network complexity has broadened and deepened. While inventors in major centers are the foremost collaborators, a dense web of knowledge exchange has emerged that is not singularly controlled by a handful of intermediaries. National linkages have developed, but intense local and regional ties persist. Inventive centrality, magnitude, and patent intensity significantly correlate. Inventors in small areas are obliged to substitute intermetropolitan networks for thin agglomerative economies. An estimate is proposed of the size of biotechnology centers needed to generate agglomerative economies. The system approximates a core-periphery structure with core metropolitan areas strongly tied to one another and to peripheral areas. City systems theory and associated American empirical analyses help interpret results.
|
| [3] |
上海和北京城市创新空间结构的时空演化模式 [J].https://doi.org/10.11821/dlxb201512005 URL [本文引用: 1] 摘要
基于城市邮编区划空间数据库,从创新产出的视角建构城市创新评价指标体系,对1991-2014年上海市和北京市的创新空间结构的空间演化模式进行了探讨。研究发现：1邮政区划为研究城市创新空间结构的生长提供了全新的视角,基于随机边缘点连线以及泰森多边形法构建的城市邮编空间数据库评价城市创新空间结构的结果较为理想,因此具有推广价值;2 25年间,上海市和北京市的创新空间结构生长体现出了诸多的共性特征：随着参与创新的城市空间单元逐年增加,区域创新产出虽总体差距在缩小,但空间集聚趋势在加剧;3 25年间,上海市和北京市的创新空间结构生长也体现出了共性上的差异性,其中上海市创新空间结构在创新资源郊区化转移的趋势下,呈现出由单核驱动向多核共振演进,以交通干道为空间扩散廊道的辐射效应凸显,相应的,其创新产出空间关联效应也显现出了市中心空心化现象;而北京市创新空间结构始终为市中心单核主导型,并在创新资源不断向中心集聚趋势下,其创新产出空间关联效应呈现出＂农村包围城市＂的演化特征;4上海市和北京市创新空间结构与其所在的区域创新空间结构（长三角城市群和京津冀城市群）具有内在的一致性,表明城内尺度科技创新活动空间分布的均衡与非均衡规律与其所处的区域创新格局密切相关。
Spatial-temporal evolution mode of urban innovation spatial structure: A case study of Shanghai and Beijing .https://doi.org/10.11821/dlxb201512005 URL [本文引用: 1] 摘要
基于城市邮编区划空间数据库,从创新产出的视角建构城市创新评价指标体系,对1991-2014年上海市和北京市的创新空间结构的空间演化模式进行了探讨。研究发现：1邮政区划为研究城市创新空间结构的生长提供了全新的视角,基于随机边缘点连线以及泰森多边形法构建的城市邮编空间数据库评价城市创新空间结构的结果较为理想,因此具有推广价值;2 25年间,上海市和北京市的创新空间结构生长体现出了诸多的共性特征：随着参与创新的城市空间单元逐年增加,区域创新产出虽总体差距在缩小,但空间集聚趋势在加剧;3 25年间,上海市和北京市的创新空间结构生长也体现出了共性上的差异性,其中上海市创新空间结构在创新资源郊区化转移的趋势下,呈现出由单核驱动向多核共振演进,以交通干道为空间扩散廊道的辐射效应凸显,相应的,其创新产出空间关联效应也显现出了市中心空心化现象;而北京市创新空间结构始终为市中心单核主导型,并在创新资源不断向中心集聚趋势下,其创新产出空间关联效应呈现出＂农村包围城市＂的演化特征;4上海市和北京市创新空间结构与其所在的区域创新空间结构（长三角城市群和京津冀城市群）具有内在的一致性,表明城内尺度科技创新活动空间分布的均衡与非均衡规律与其所处的区域创新格局密切相关。
|
| [4] |
创新地理学研究的几个理论问题 [J].https://doi.org/10.13249/j.cnki.sgs.2016.05.002 URL Magsci [本文引用: 1] 摘要
<p>创新地理学是研究人类创新活动与地理环境关系的地域系统,是一门独立的人文地理分支学科,具有交叉学科的性质。其研究的“人类创新活动”是人类活动的最为重要的方面,对智慧的人地关系系统建设具有重要的意义。创新地理学与其他人文地理学的分支学科具有密切的联系,也与政治学、管理学、经济学、政策学、城市规划等学科有关,创新地理学面临的主要任务是：<i>① </i>创新地理学基本理论的研究;<i>② </i>创新要素（人才、资本、技术等）在空间的地域分布与组合规律的研究;<i>③ </i>创新环境、创新生态及评价研究;<i>④ </i>创新地理测度、创新空间格局与效应的研究;<i>⑤ </i>创新联系、创新网络及创新集群的研究;<i>⑥ </i>多尺度的创新体系的研究;<i>⑦ </i>创新、城市发展与规划的研究。</p>
Several theoretical issues on innovation geography .https://doi.org/10.13249/j.cnki.sgs.2016.05.002 URL Magsci [本文引用: 1] 摘要
<p>创新地理学是研究人类创新活动与地理环境关系的地域系统,是一门独立的人文地理分支学科,具有交叉学科的性质。其研究的“人类创新活动”是人类活动的最为重要的方面,对智慧的人地关系系统建设具有重要的意义。创新地理学与其他人文地理学的分支学科具有密切的联系,也与政治学、管理学、经济学、政策学、城市规划等学科有关,创新地理学面临的主要任务是：<i>① </i>创新地理学基本理论的研究;<i>② </i>创新要素（人才、资本、技术等）在空间的地域分布与组合规律的研究;<i>③ </i>创新环境、创新生态及评价研究;<i>④ </i>创新地理测度、创新空间格局与效应的研究;<i>⑤ </i>创新联系、创新网络及创新集群的研究;<i>⑥ </i>多尺度的创新体系的研究;<i>⑦ </i>创新、城市发展与规划的研究。</p>
|
| [5] |
国外创新网络研究述评与区域共生创新战略 [J].
要:创新网络是企业创新在地理空间和战略关系层面上的综合体现。在经济地理视角下,本文重点从企业层面的联盟创新网络,产业层面的集群创新网络,以及区域层面的共生创新网络加以具体评述与分析。在企业层面,强调企业在网络当中的核心地位,以及如何通过企业战略联盟构建创新网络;在产业层面,强调产业集群要素对创新网络影响,更倾向刻画创新网络是一种以产业地理空间为边界的整体性创新网络;在区域层面,跨越企业所处的产业边界,基于生态共生思想提出区域共生创新网络的新范式。最后,提出创新网络未来的研究应重点关注企业、产业与区域三个层面的协同演化,突破传统区域创新网络的空间特征和地理格局,探讨如何构架一个具有层次性、协同性和互动开放性的区域生态共生创新网络。
A review of foreign literature of innovation network and regional symbiotic innovation strategy .
要:创新网络是企业创新在地理空间和战略关系层面上的综合体现。在经济地理视角下,本文重点从企业层面的联盟创新网络,产业层面的集群创新网络,以及区域层面的共生创新网络加以具体评述与分析。在企业层面,强调企业在网络当中的核心地位,以及如何通过企业战略联盟构建创新网络;在产业层面,强调产业集群要素对创新网络影响,更倾向刻画创新网络是一种以产业地理空间为边界的整体性创新网络;在区域层面,跨越企业所处的产业边界,基于生态共生思想提出区域共生创新网络的新范式。最后,提出创新网络未来的研究应重点关注企业、产业与区域三个层面的协同演化,突破传统区域创新网络的空间特征和地理格局,探讨如何构架一个具有层次性、协同性和互动开放性的区域生态共生创新网络。
|
| [10] |
Network dynamics and field evolution: The growth of inter-organizational collaboration in the life sciences [J]. |
| [11] |
Network dynamics and cluster evolution: changing trajectories of the aluminum extrusion industry in Dali, China [J].https://doi.org/10.1093/jeg/lbr024 URL [本文引用: 1] 摘要
Research on industrial clusters has shifted in a paradigmatic way from an exploration of structural ideal-types toward evolutionary explanations. Thus far, however, networks—the key concept in the former paradigm—and evolution—the focus in the latter—remain somewhat unconnected in the literature. This article addresses this gap by developing a comprehensive tri-polar analytical framework of cluster evolution. This framework combines the three concepts of context, network and action, allowing each to evolve in interaction with the others. The empirical analysis applies this framework to the aluminium extrusion industry cluster in Dali, Guangdong province, which has developed over a period of 30 years. Our study finds that with the formation of a new generation of entrepreneurs, previous kinship-based learning networks have disappeared, causing significant changes to action and interaction within and between firms.
|
| [6] |
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 [J].https://doi.org/10.11821/dlyj201503011 URL [本文引用: 1] 摘要
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:1 SKN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。3 SKN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。4 SKN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。5 SKN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。
Spatial and temporal complexity of scientific knowledge network and technological knowledge network on China's urban scale .https://doi.org/10.11821/dlyj201503011 URL [本文引用: 1] 摘要
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:1 SKN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。3 SKN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。4 SKN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。5 SKN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。
|
| [12] |
Proximity and innovation: a critical assessment [J]. |
| [13] |
On the analytical dimension of proximity dynamics [J].https://doi.org/10.1080/00343400050006087 URL [本文引用: 1] 摘要
No abstract is available for this item.
|
| [14] |
Proximity dynamics, social networks and innovation [J].https://doi.org/10.1080/00343404.2015.1028222 URL [本文引用: 1] |
| [15] |
知识网络空间结构演化及对NIS建设的启示——以我国生物技术知识为例 [J].https://doi.org/10.11821/yj2011100012 URL [本文引用: 1] 摘要
Knowledge network is a kind of inter-connected network that is born in the process of diffusion and communication of knowledge by the actors who create, transfer, absorb and apply knowledge, such as enterprises, universities, organizations and institutions. Network structures may exert influence on the actors and regions involved, and the potential for successful knowledge absorption and learning may be partly determined by network positions. Up to present, there are no researches about the evolution of spatial structure of knowledge network in China. In recent years, the evolutionary economic geography in Europe and USA begins to explore the spatial structure and evolution of knowledge networks from the geographical angle. But because of language and cultural barriers, the western research focused more on international knowledge flows and connections about knowledge networks in China, while the evolution of Chinese domestic knowledge networks were rarely involved. Purposes of this paper are: 1) to establish the estimation model to analyze the formation mechanism of spatial patterns of knowledge network, and to reveal the dynamic mechanism of its evolution; 2) to provide some advice to the government for policy making of national innovation system.This paper takes statistical data of the papers published in cooperation about the biotechnology in the database of Chinese Scientific and Technical Journals (Journal of Chongqing VIP) from 2000 to 2009 as data source. Based on the theory and methods of social network analysis in New Economic Sociology, it uses UCINET and ArcGIS to analyze the spatial structure and the evolution of knowledge network of biotechnology at provincial level in China. In recent 10 years, the knowledge network developed in three phases: infant stage, expansion stage and maturity stage. Accordingly, the major pattern of knowledge diffusion in the network changed from contagious diffusion to hierarchical diffusion. The spatial high-density of knowledge connections also changed from decentralization to concentration, then again to decentralization. The interactions of geographical proximity and organizational proximity between nodes impact the evolution of network. Based on the result, this paper suggests that the national innovation system should improve the biotechnology through two ways: 1) shortening the social distance of actors who create knowledge; 2) optimizing spatial disposition of innovation resources.
Spatial structure evolution of knowledge network and its impact on the NIS:Case study of biotechnology in China .https://doi.org/10.11821/yj2011100012 URL [本文引用: 1] 摘要
Knowledge network is a kind of inter-connected network that is born in the process of diffusion and communication of knowledge by the actors who create, transfer, absorb and apply knowledge, such as enterprises, universities, organizations and institutions. Network structures may exert influence on the actors and regions involved, and the potential for successful knowledge absorption and learning may be partly determined by network positions. Up to present, there are no researches about the evolution of spatial structure of knowledge network in China. In recent years, the evolutionary economic geography in Europe and USA begins to explore the spatial structure and evolution of knowledge networks from the geographical angle. But because of language and cultural barriers, the western research focused more on international knowledge flows and connections about knowledge networks in China, while the evolution of Chinese domestic knowledge networks were rarely involved. Purposes of this paper are: 1) to establish the estimation model to analyze the formation mechanism of spatial patterns of knowledge network, and to reveal the dynamic mechanism of its evolution; 2) to provide some advice to the government for policy making of national innovation system.This paper takes statistical data of the papers published in cooperation about the biotechnology in the database of Chinese Scientific and Technical Journals (Journal of Chongqing VIP) from 2000 to 2009 as data source. Based on the theory and methods of social network analysis in New Economic Sociology, it uses UCINET and ArcGIS to analyze the spatial structure and the evolution of knowledge network of biotechnology at provincial level in China. In recent 10 years, the knowledge network developed in three phases: infant stage, expansion stage and maturity stage. Accordingly, the major pattern of knowledge diffusion in the network changed from contagious diffusion to hierarchical diffusion. The spatial high-density of knowledge connections also changed from decentralization to concentration, then again to decentralization. The interactions of geographical proximity and organizational proximity between nodes impact the evolution of network. Based on the result, this paper suggests that the national innovation system should improve the biotechnology through two ways: 1) shortening the social distance of actors who create knowledge; 2) optimizing spatial disposition of innovation resources.
|
| [16] |
Knowledge networks in the Dutch aviation industry: The proximity paradox [J].https://doi.org/10.1093/jeg/lbr010 URL [本文引用: 1] 摘要
The importance of geographical proximity for interaction and knowledge sharing has been discussed extensively in recent years. There is increasing consensus that geographical proximity is just one out of many types of proximities that might be relevant. We argue that proximity may be a crucial driver for agents to connect and exchange knowledge, but too much proximity between agents on any of the dimensions might harm their innovative performance at the same time. In a study on knowledge networks in the Dutch aviation industry, we test this so-called proximity paradox empirically. We found evidence that the proximity paradox holds to a considerable degree. Our study clearly showed that cognitive, social, organizational and geographical proximity were crucial for explaining the knowledge network of the Dutch aviation industry. However, we found strong evidence that too much cognitive proximity lowered firms innovative performance, and organizational proximity did not have an effect.
|
| [17] |
The geography of collaborative knowledge production in Europe [J].https://doi.org/10.1007/s00168-008-0252-9 URL [本文引用: 1] 摘要
We analyse inter-regional research collaboration as measured by scientific publications and patents with multiple addresses, covering 1316 NUTS3 regions in 29 European countries. The estimates of gravity equations show the effects of geographical and institutional distance on research collaboration. We also find evidence for the existence of elite structures between excellence regions and between capital regions. The results suggest that current EU science policy to stimulate research collaboration is legitimate, but doubt the compatibility between EU science policy and EU cohesion policy.
|
| [18] |
Global technological collaboration network: Network analysis of international co-inventions [J].https://doi.org/10.1007/s10961-012-9285-4 URL [本文引用: 1] 摘要
Global innovation networks are emerging as a result of the international division of innovation processes through, among others, international technological collaborations. At the aggregate level, the creation of technological collaboration between countries can be considered as mutually beneficial (or detrimental) and their random distribution is unlikely. Consequently, the dynamics and evolution of the technological collaborations can be expected to fulfil the criteria of a complex network. To study the structure and evolution of the global technological collaboration network, we use patent-based data of international co-inventions and apply the network analysis. In addition, extending the gravity model of international technological collaboration by network measures, we show that a country position in the network has very strong impact on the intensity of collaboration with other countries.
|
| [19] |
基于不同时空尺度的知识溢出网络结构特征研究 [J].
<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>
The structural characteristics of knowledge spillover networks based on different spatial and temporal scales .
<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>
|
| [20] |
International collaboration in science: The global map and the network [J].https://doi.org/10.3145/epi.2013.ene.12 URL [本文引用: 1] |
| [21] |
中国装备制造业产学研合作创新网络初探 [J].https://doi.org/10.11821/dlxb201602006 URL [本文引用: 1] 摘要
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.
Structural evolution of innovation networks of China's equipment manufacturing industry .https://doi.org/10.11821/dlxb201602006 URL [本文引用: 1] 摘要
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.
|
| [22] |
长三角装备制造业产学研创新网络体系的演化分析 [J].
<p>利用国家重点产业专利信息服务平台，对长三角装备制造业联合申请发明专利数据进行检索，绘制了长三角地区企业、厂、公司与高校、科研机构之间的产学研创新网络，从节点、部类、城市、区域等4 个层面，采用中心度、网络密度等网络结构指标，对1985~2010 年长三角装备制造业产学研创新网络的结构及空间特征进行分析。研究发现，长三角装备制造业产学研创新网络的演化具有明显的阶段性特征，中心度较高的成员多为高校，区域内各城市的产学研空间分异特征明显，地理邻近、行政邻近及知识规模邻近是影响行为主体建立创新合作联系重要的因素，网络建构处于初级阶段。</p>
Innovation network system of industry-university-research institute of equipment manufacturing industry in the Changjiang River Delta .
<p>利用国家重点产业专利信息服务平台，对长三角装备制造业联合申请发明专利数据进行检索，绘制了长三角地区企业、厂、公司与高校、科研机构之间的产学研创新网络，从节点、部类、城市、区域等4 个层面，采用中心度、网络密度等网络结构指标，对1985~2010 年长三角装备制造业产学研创新网络的结构及空间特征进行分析。研究发现，长三角装备制造业产学研创新网络的演化具有明显的阶段性特征，中心度较高的成员多为高校，区域内各城市的产学研空间分异特征明显，地理邻近、行政邻近及知识规模邻近是影响行为主体建立创新合作联系重要的因素，网络建构处于初级阶段。</p>
|
| [23] |
基于地理邻近与社会邻近的创新网络动态演化分析——以我国装备制造业为例 [J].https://doi.org/10.3969/j.issn.1002-9753.2014.05.010 URL [本文引用: 1] 摘要
本研究利用国家重点产业专利信息服务平台,对我国装备制造业联合申请发明专利数据进行检索整理,采用社会网络多元回归和纵向网络分析方法,就地理邻近和社会邻近对创新网络及其演化的影响进行实证分析。研究发现,我国装备制造业创新网络处于初级阶段,地理邻近的作用趋于稳定,仍是装备制造业创新网络形成的基础及演化的首要驱动因子。社会邻近丰富了行为主体间的知识流动渠道,逐渐发展成为寻求创新合作伙伴的重要方式。最后,提出了结论及进一步研究的展望。
Dynamic evolution of innovation network in China's equipment manufacturing industry: Geographic proximity versus social proximity .https://doi.org/10.3969/j.issn.1002-9753.2014.05.010 URL [本文引用: 1] 摘要
本研究利用国家重点产业专利信息服务平台,对我国装备制造业联合申请发明专利数据进行检索整理,采用社会网络多元回归和纵向网络分析方法,就地理邻近和社会邻近对创新网络及其演化的影响进行实证分析。研究发现,我国装备制造业创新网络处于初级阶段,地理邻近的作用趋于稳定,仍是装备制造业创新网络形成的基础及演化的首要驱动因子。社会邻近丰富了行为主体间的知识流动渠道,逐渐发展成为寻求创新合作伙伴的重要方式。最后,提出了结论及进一步研究的展望。
|
| [24] |
全球科研论文合作网络的结构异质性及其邻近性机理 [J].https://doi.org/10.11821/dlxb201704014 URL [本文引用: 4] 摘要
以科研论文为媒介的知识合作网络已成为知识溢出的重要通道,但目前学术界对全球科研合作网络结构的复杂性涌现机制缺乏深入的探讨。基于2014年Web of Science核心合集所收录的科研论文合著数据,借助大数据挖掘技术、复杂网络、空间统计和重力模型分析,刻画了全球科研论文合作网络的拓扑结构、空间格局及其邻近性机理。结果发现：①拓扑结构上,形成了以美国为核心的层级网络,具有小世界性和等级层次性,发育出典型的等级＂核心—边缘＂结构。②空间格局上,以美国、西欧、中国和澳大利亚为顶点的＂四边形＂成为全球科研论文合作网络的骨架;三大中心性指标值的空间分异明显,强度中心性形成以美国为极核,加拿大、澳大利亚、中国及西欧诸国为次中心的＂一超多强＂格局,与之类似的介数中心性呈现北美、西欧和东亚＂三足鼎立＂的形态,度中心性分布则相对均匀,表现出＂大分散、小集中＂的＂多中心—边缘集散＂格局。③重力回归分析发现,地理距离抑制了国际科研论文合作,不过其影响力较弱;社会与经济邻近性对全球科研论文合作具有明显的促进作用,语言差异不是国际科研合作交流的障碍。
Structural heterogeneity and proximity mechanism of global scientific collaboration network based on co-authored papers .https://doi.org/10.11821/dlxb201704014 URL [本文引用: 4] 摘要
以科研论文为媒介的知识合作网络已成为知识溢出的重要通道,但目前学术界对全球科研合作网络结构的复杂性涌现机制缺乏深入的探讨。基于2014年Web of Science核心合集所收录的科研论文合著数据,借助大数据挖掘技术、复杂网络、空间统计和重力模型分析,刻画了全球科研论文合作网络的拓扑结构、空间格局及其邻近性机理。结果发现：①拓扑结构上,形成了以美国为核心的层级网络,具有小世界性和等级层次性,发育出典型的等级＂核心—边缘＂结构。②空间格局上,以美国、西欧、中国和澳大利亚为顶点的＂四边形＂成为全球科研论文合作网络的骨架;三大中心性指标值的空间分异明显,强度中心性形成以美国为极核,加拿大、澳大利亚、中国及西欧诸国为次中心的＂一超多强＂格局,与之类似的介数中心性呈现北美、西欧和东亚＂三足鼎立＂的形态,度中心性分布则相对均匀,表现出＂大分散、小集中＂的＂多中心—边缘集散＂格局。③重力回归分析发现,地理距离抑制了国际科研论文合作,不过其影响力较弱;社会与经济邻近性对全球科研论文合作具有明显的促进作用,语言差异不是国际科研合作交流的障碍。
|
| [25] |
Collaborative knowledge production in China: Regional evidence from a gravity model approach [J].https://doi.org/10.1080/00343401003713373 URL [本文引用: 1] 摘要
SCHERNGELL T. and HU Y. Collaborative knowledge production in China: regional evidence from a gravity model approach, Regional Studies. This study investigates collaborative knowledge production in China from a regional perspective. The objective is to illustrate spatial patterns of research collaborations between thirty-one Chinese regions, and to estimate the impact of geographical, technological, and economic factors on the variation of cross-region collaboration activities within a negative binomial gravity model framework. Data are used on Chinese scientific publications from 2007 with multiple author addresses coming from the China National Knowledge Infrastructure (CNKI) database. The results provide evidence that geographical space impedes cross-region research collaborations in China. Technological proximity matters more than geography, while economic effects only play a minor role.
|
| [26] |
Cluster emergence and network evolution: A longitudinal analysis of the inventor network in Sophia-Antipolis [J].https://doi.org/10.1080/00343401003614258 URL [本文引用: 1] 摘要
Ter Wal A. L. J. Cluster emergence and network evolution: a longitudinal analysis of the inventor network in Sophia-Antipolis, Regional Studies. It is increasingly acknowledged that clusters do not necessarily exhibit networks of local collective learning. Through a case study of Sophia-Antipolis in France, this study investigates to what extent networks of collective learning emerged throughout the growth of the business park. A longitudinal analysis of the inventor networks of its two main sectors reveals that a local network of collective learning emerged only in Information Technology and not in the Life Sciences. Through the creation of spin-offs and high-technology start-up firms, the initial dominance of large multinationals decreased only in Information Technology. This suggests that small firms play an important role in establishing local networks.
|
| [27] |
跨国公司研发全球化的空间组织研究 [J].https://doi.org/10.3969/j.issn.1000-8462.2005.05.007 URL [本文引用: 1] 摘要
随着跨国公司全球战略目标的逐步深化，跨国公司研发全球化的组织形态也不断发生调整和变化，在理论上相继出现母国绝对集中式研发、母国相对集中式研发、多中心分散式研发、轴心型混合式研发、网络化整合研发五种类型。在一定的研发组织形式引导下，跨国公司全球范围内的研发活动会产生集聚、扩散等地理现象，从地理特征和空间关联两个层面诠释着跨国公司研发全球化的空间形态，相对应的研发全球地理分布呈现出由孤岛中心、开放中心、多心分散、中心边缘向网络化结构发展的趋势，并通过各个分支机构之问的各种要素流诠释着跨国公司研发全球化的空间格局。
The spatial organization of R&D globalization by multinational corporations .https://doi.org/10.3969/j.issn.1000-8462.2005.05.007 URL [本文引用: 1] 摘要
随着跨国公司全球战略目标的逐步深化，跨国公司研发全球化的组织形态也不断发生调整和变化，在理论上相继出现母国绝对集中式研发、母国相对集中式研发、多中心分散式研发、轴心型混合式研发、网络化整合研发五种类型。在一定的研发组织形式引导下，跨国公司全球范围内的研发活动会产生集聚、扩散等地理现象，从地理特征和空间关联两个层面诠释着跨国公司研发全球化的空间形态，相对应的研发全球地理分布呈现出由孤岛中心、开放中心、多心分散、中心边缘向网络化结构发展的趋势，并通过各个分支机构之问的各种要素流诠释着跨国公司研发全球化的空间格局。
|
| [28] |
How does agglomeration promote the product innovation of Chinese firms? [J].https://doi.org/10.1016/j.chieco.2015.06.003 URL [本文引用: 1] 摘要
61This paper investigates the effect of agglomeration on product innovation.61I use Chinese firm-level data and consider the effects of both localization economies and urbanization economies.61Urbanization size and industrial diversity contribute to new product introduction and new product intensity.
|
| [29] |
中国主要城市间的创新联系研究 [J].
<p>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。</p>
The innovation linkage among Chinese major cities .
<p>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。</p>
|
| [30] |
中国区际技术转移的空间格局演变及内部差异研究 [J].
本文以各省技术市场技术输出、流入量为分析指标,分别利用重心模型和统计地图方法,从动态和静态两种视角探讨1992-2014年中国技术转移流源、汇地空间格局特征及其演化规律,在此基础上利用标准差和变异系数揭示源、汇地内部空间差异的变化特征。结果表明:(1)技术源地重心移动轨迹经历了向西南再向东北再向西的转移过程,而技术汇地重心移动轨迹则呈现出向南再向北再向西南的发展趋势。(2)中国技术输出源地最初主要分布在东部沿海地区,但近年来在中西部形成了陕西、重庆、湖北、安徽等多个较大的输出源地;技术汇地最初同样分布在东部沿海地区,但近年来空间结构呈现向西、向南转移的趋势。(3)技术源地和汇地的绝对差异总体发展趋势为不断扩大,相对差异则在2006年之前均有扩大的趋势,而2006年之后源地开始趋于平稳,汇地不断减小。
Spatial pattern evolution and inner differences of Chinese interregional technology transfer .
本文以各省技术市场技术输出、流入量为分析指标,分别利用重心模型和统计地图方法,从动态和静态两种视角探讨1992-2014年中国技术转移流源、汇地空间格局特征及其演化规律,在此基础上利用标准差和变异系数揭示源、汇地内部空间差异的变化特征。结果表明:(1)技术源地重心移动轨迹经历了向西南再向东北再向西的转移过程,而技术汇地重心移动轨迹则呈现出向南再向北再向西南的发展趋势。(2)中国技术输出源地最初主要分布在东部沿海地区,但近年来在中西部形成了陕西、重庆、湖北、安徽等多个较大的输出源地;技术汇地最初同样分布在东部沿海地区,但近年来空间结构呈现向西、向南转移的趋势。(3)技术源地和汇地的绝对差异总体发展趋势为不断扩大,相对差异则在2006年之前均有扩大的趋势,而2006年之后源地开始趋于平稳,汇地不断减小。
|
| [31] |
基于专利权转移的中国区域技术流动网络研究 [J].https://doi.org/10.3969/j.issn.1003-2053.2016.07.005 URL [本文引用: 4] 摘要
通过使用来自中国国家知识产权局（SIPO,State Intellectual Property Office of China）的专利权转移数据构建中国技术流动网络,并对其演化路径进行了深入分析,发现技术流动主要集中于发达地区间,发达与欠发达地区间也存在较频繁的技术流动,而欠发达地区间的技术流动则较为罕见。文章中使用负二项分布模型、Logit模型和Probit模型对我国技术流动网络演化的影响因素进行了回归分析,结果显示：研发人力资本投入对于区域技术流动的贡献大于研发物质资本投入,这可能是由于人力资本的流动相较于物质资本更加迅速和简单,从而促进了区域技术流动;技术更可能从研发资源密集的地区,譬如北京、上海等,向经济发达的地区转移,譬如广东、江苏和浙江等;
Preliminary consideration of central and local scientific responsibility and expenditure division—Based on the research of integrated management department of science and technology .https://doi.org/10.3969/j.issn.1003-2053.2016.07.005 URL [本文引用: 4] 摘要
通过使用来自中国国家知识产权局（SIPO,State Intellectual Property Office of China）的专利权转移数据构建中国技术流动网络,并对其演化路径进行了深入分析,发现技术流动主要集中于发达地区间,发达与欠发达地区间也存在较频繁的技术流动,而欠发达地区间的技术流动则较为罕见。文章中使用负二项分布模型、Logit模型和Probit模型对我国技术流动网络演化的影响因素进行了回归分析,结果显示：研发人力资本投入对于区域技术流动的贡献大于研发物质资本投入,这可能是由于人力资本的流动相较于物质资本更加迅速和简单,从而促进了区域技术流动;技术更可能从研发资源密集的地区,譬如北京、上海等,向经济发达的地区转移,譬如广东、江苏和浙江等;
|
| [32] |
区域间技术转移的网络结构及空间分布特征研究 [J].Study on the network structure and spatial distribution of inter-regional technology transfer . |
| [33] |
中国城市创新技术转移格局与影响因素 [J].
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。
Technology transfer in China's city system: Process, pattern and influencing factors .
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。
|
| [34] |
中国城市技术转移的空间演化研究[D] .Spatial evolution of technology transfer in China city system . |
| [35] |
城市内部研发密集型制造业的空间分布与区位选择模式——以北京、上海为例 [J].
基于微观企业数据对北京和上海研发密集型制造业空间分布的特征和影响因素进行分析,进而揭示其区位选择模式差异。研究发现,北京企业集中分布特征明显,热点区主要位于核心城区及近郊的少数地区,并形成以中关村-上地为中心的集聚格局;上海企业表现为集中与扩散并存,热点区在郊环线以里区域零散布局,并形成以漕河泾和张江为双核的联动共生集聚格局;北京和上海企业均存在开发区和交通指向性以及路径依赖,与此同时,上海企业还具有学研机构和老工业区指向性以及郊区化现象,北京企业则出现逆郊区化。研发密集型制造业在北京和上海分别形成以开发区为空间载体的"紧凑型-中心性"模式和以开发区、学研机构和老工业区为多元空间载体的"离散型-郊区化"模式。不同行业企业基本符合总体特征,但又呈现一定的特殊性。
Duan Dezhong et al. The intra-metropolitan location of R&D-intensive manufacturing in Beijing and Shanghai .
基于微观企业数据对北京和上海研发密集型制造业空间分布的特征和影响因素进行分析,进而揭示其区位选择模式差异。研究发现,北京企业集中分布特征明显,热点区主要位于核心城区及近郊的少数地区,并形成以中关村-上地为中心的集聚格局;上海企业表现为集中与扩散并存,热点区在郊环线以里区域零散布局,并形成以漕河泾和张江为双核的联动共生集聚格局;北京和上海企业均存在开发区和交通指向性以及路径依赖,与此同时,上海企业还具有学研机构和老工业区指向性以及郊区化现象,北京企业则出现逆郊区化。研发密集型制造业在北京和上海分别形成以开发区为空间载体的"紧凑型-中心性"模式和以开发区、学研机构和老工业区为多元空间载体的"离散型-郊区化"模式。不同行业企业基本符合总体特征,但又呈现一定的特殊性。
|
| [7] |
Spatial and temporal evolution of urban innovation network in China [J].https://doi.org/10.1016/j.habitatint.2015.05.031 URL [本文引用: 1] 摘要
http://www.sciencedirect.com/science/article/pii/S0197397515001125
|
/
| 〈 |
|
〉 |
