城市群创新联系网络结构与创新效率研究

盛彦文; 苟倩; 宋金平

doi:10.13249/j.cnki.sgs.2020.11.008

PDF(3899 KB)

地理科学 ›› 2020, Vol. 40 ›› Issue (11) : 1831-1839. DOI: 10.13249/j.cnki.sgs.2020.11.008

城市群创新联系网络结构与创新效率研究

作者信息 +

Innovation Linkage Network Structure and Innovation Efficiency in Urban Agglomeration: A Case of the Beijing-Tianjin-Hebei, the Yangtze River Delta and the Pearl River Delta

Author information +

文章历史 +

摘要

引入修正引力模型、社会网络分析方法、DEA模型以及Tobit模型，探讨2001—2015年京津冀、长三角、珠三角三大城市群的创新联系网络结构对创新效率的影响。研究表明：① 创新联系格局方面，京津冀城市群呈现以“京津”为核心的放射状发展特征，长三角城市群呈现以“Z”字形为主轴的类钻石型空间格局，珠三角城市群形成了以珠江口两侧城市为核心、其他城市为重要节点的空间格局；② 在创新联系网络结构特征方面，京津冀城市群呈极核式发展，群内创新联系高度依赖于核心城市，长三角和珠三角城市群由单中心驱动转变为多中心驱动，呈均衡发展特征，京津冀和珠三角城市群创新联系网络具有“小世界”网络特征；③ Tobit模型回归结果显示，三大城市群中，城市节点在城市群创新联系网络中的中心位置、中介地位、对结构洞的运用能力和集聚程度对其创新效率的影响存在差异。

Abstract

Based on the modified Gravity Model, SNA method, DEA (Data Envelopment Analysis) model and Tobit model, this article analyzes the effect of spatial structure of the innovation linkage network on the innovation efficiency in cities. The main findings of this study are drawn as follows: 1) The innovation linkage showed a radial expansion with the core of Beijing-Tianjin in the Beijing-Tianjin-Hebei (BTH), and a diamond-shaped structure in the Yangtze River Delta (YRD), and in the Pearl River Delta (PRD), the innovation linkage presented a spatial pattern with the cities on both sides of the Pearl River estuary as the core and other cities as important nodes. 2) The innovation linkage network had a polar core development and the innovation linkage highly depended on the core cities in the BTH, but in the YRD and the PRD, the innovation linkage network showed the balanced development from single-center driving to multi-center driving. In addition, the innovation linkage networks in the BTH and PRD were characterized by the ‘small world’. 3) Tobit regression results showed that the central position, betweenness position, occupying capacity of structural holes and agglomeration had different effects on the innovation efficiency in the three urban agglomerations.

导出引用

盛彦文, 苟倩, 宋金平. 城市群创新联系网络结构与创新效率研究[J]. 地理科学, 2020, 40(11): 1831-1839 https://doi.org/10.13249/j.cnki.sgs.2020.11.008

Sheng Yanwen, Gou Qian, Song Jinping. Innovation Linkage Network Structure and Innovation Efficiency in Urban Agglomeration: A Case of the Beijing-Tianjin-Hebei, the Yangtze River Delta and the Pearl River Delta[J]. SCIENTIA GEOGRAPHICA SINICA, 2020, 40(11): 1831-1839 https://doi.org/10.13249/j.cnki.sgs.2020.11.008

在“地方空间”向“流动空间”转变的背景下^[1]，通过交流与合作，促进创新资源要素的交互流动和知识技术的溢出扩散，形成网络式的创新发展模式，是区域创新发展的新范式。作为创新主体为适应系统性创新所形成的新型合作形式^[2]，创新联系网络的形成有助于不同网络节点之间创新资源的流动和整合，促进创新优势的互补，降低创新成本和风险，实现外部规模经济和范围经济^[3]，是促进区域创新的重要因素，因而受到学界广泛关注。

对于创新联系网络的测度，国内外学者利用论文、专利合作等数据以及实地调研的方法，刻画企业^[4]、产业集群^[5]、城市^[6]、国家^[7]等不同空间尺度下的创新联系网络；但由于创新合作数据较难获得，且单一合作数据难以综合反映区域间的创新联系情况^[8]，因此有学者^[8,9]采用引力模型刻画了区域间创新联系强度，这种间接刻画的方法反映区域间潜在创新联系，对于创新联系网络的优化有借鉴和启发意义。在研究内容上，学者对创新联系网络的空间结构特征^[10]及时空演化规律^[11]、驱动机制^[12]等方面进行了深入探讨；另一方面，通过引进网络密度、中心性等社会网络分析指标，学者开展了对创新联系网络结构与节点创新绩效关系的研究，结果表明节点在创新联系网络中的位置是影响其创新发展的重要因素^[4,13~15]。

在经济全球化和知识经济快速发展背景下，创新活动和创新竞争开始在高度一体化的城市群尺度上展开^[16]，城市群地区的创新联系强度显著大于其他区域^[8]，是影响城市群创新系统持续发展的重要因素。国内学者刻画和分析了城市、产学研创新主体尺度下的城市群创新联系网络及其时空演化规律^[17]、拓扑结构特征和驱动因素^[18]，并通过创新联系网络，探讨了城市群创新发展模式^[19]和一体化进程^[20]。然而，作为一个多要素投入转化为创新产出的复杂过程，创新发展会受到创新主体对创新资源配置利用能力——创新效率的影响，但已有研究从创新效率视角对城市群创新联系网络结构与创新发展关系的关注较少。理论上，节点在网络中的位置会影响其所能够获得和利用的创新资源规模、质量，进而影响其创新研发活动的资源投入和创新效率^[21]；通过网络的联结，具有不同创新优势的节点进行交流与合作，实现优势互补和技术的扩散溢出，最终影响节点的创新产出和创新效率。同时，随着节点创新效率和创新水平的提高，节点间的创新联系及节点的网络位置也会发生相应变化（图1）。

图1 创新联系网络结构与创新效率的理论关系

Fig.1 The theoretical relationship between innovation linkage network structure and innovation efficiency

Full size|PPT slide

综上所述，本文以京津冀、珠三角和长三角三大代表性国家级城市群为研究区域，定量刻画和分析2001—2015年三大城市群创新联系网络及其结构特征，探讨城市节点在城市群创新联系网络中的结构位置对其创新效率的影响，为城市群创新联系网络和创新资源利用的优化配置提供科学借鉴。

1 研究方法与数据来源

1.1 研究方法

1）引力模型。基于牛顿万有引力公式所改进的引力模型是测度区域之间要素流动和创新联系的重要工具。因此，参考相关研究^[8,9]，本文基于修正引力模型测度城市群内城市间创新联系强度。其中，选取专利申请授权数、发明专利申请授权数比重、SCI&SSCI期刊论文发表数、高新技术开发区主营业务收入、R&D内部经费支出、R&D人员全时当量6个指标对城市群城市创新质量进行全面衡量。在对各项指标标准化处理的基础上，采用熵值法求得各城市的创新综合质量。再次，空间直线距离难以完全表征城市之间创新资源流动、知识技术扩散和创新交流的倾向程度。因此本文借鉴文献[22]的方法，构建公路距离和铁路距离之和与2倍公路距离之比为复合权重来修正城市间的公路距离，以表征城市间的空间距离。其中，铁路距离分为普通铁路距离与高速铁路距离，高速铁路距离以其实际距离的1/2衡量，以体现高铁的“时空压缩”效应。当城市间没有铁路相连接时，以城市间的公路距离表征其空间距离。

2）社会网络分析法。基于社会网络分析法，本文从中心性、枢纽性和集聚性3个方面对城市群创新联系网络的结构特征进行分析：①选取点度中心性^[23]和加权点度中心性表征城市节点的中心性特征。其中，加权点度中心性是城市节点创新联系量占城市群创新联系总量的比例；②选取中间中心性^[23]和结构洞^[14]表征节点枢纽性特征。其中，本文以2与节点“限制度”^[23]之差来衡量其在创新联系网络中运用结构洞的能力；③选取聚类系数表征城市节点之间聚集成团的程度^[24,25]，反映城市群创新联系网络的集聚性特征。

3） DEA模型。本文选择在处理多投入和多产出效率测度上具有优势的数据包络分析法（Data Envelopment Analysis, DEA）来测度三大城市群中各城市的创新效率。在创新产出方面，选取发明专利申请授权数、SCI&SSCI期刊论文发表数和高新区主营业务收入3个指标。在创新资源投入方面，本文选取R&D内部经费支出、R&D人员全时当量和R&D资本存量^[21]3个指标。创新资源的投入需要一定时间才能转化为创新产出，本文将此时间设定为1 a。

4） Tobit回归模型。由于城市创新效率的取值范围为0~1，因此本文采用Tobit模型定量测度城市群创新联系网络结构对城市创新效率的影响。其中，选取点度中心性（PC）、加权中心性（WPC）、中间中心性（BC）、限制度（CD）和聚类系数（CC）及其二次方（CC²）6个指标表征各城市节点在其城市群创新联系网络中的结构位置特征。其次，参考已有研究^[21,26,27]，选取财政科技支出占财政支出比例、外商直接投资占GDP比例、邮电业务总量占GDP比例、每百万人中高等学校在校生人数、人均GDP和城市人口密度6个指标作为控制变量，表征政府支持（GOV）、外商投资（FDI）、基础设施建设（BAS）、劳动力素质（LAB）、经济发展水平（GDP）和城市化经济（URB）对创新效率的影响。

1.2 研究范围与数据来源

本文的研究对象包括京津冀城市群的13个城市，长三角城市群的16个城市和珠三角城市群的9个城市，共计38个城市。R&D经费、R&D人员、专利授权数来源于《中国科技统计年鉴》^[28]以及河北、浙江、江苏和广东省统计局及科技厅，发表科技论文数来自于Web of Science数据库（ www.webofknowledge.com）。城市间的公路里程数据来源于《中国高速公路及城乡公路网地图集》^[29]，其他基础数据来源于《中国城市统计年鉴》^[30]。

2 实证研究

2.1 城市群创新联系空间格局及其演变分析

基于修正引力模型计算2001—2015年三大城市群内城市间的创新联系强度，并保留强度大于1的联系为有效连接。从宏观角度来看，三大城市群创新联系网络的密度和联系强度均呈快速增长态势，城市间创新联系日趋强化和紧密。在2001年，三大城市群内的创新联系均较为稀疏，有效联系主要存在于群内核心城市之间，且联系强度较弱。此后，京津冀城市群核心城市与群内城市的创新联系增多，出现以北京为中心、天津为次中心的放射状创新联系网络雏形，但河北省各城市间仍然相互孤立；长三角城市群内，南北城市间创新联系增多，打破了群内省际壁垒，而珠三角城市群内，广、深等核心城市与群内其他城市建立创新联系，肇、江等边缘城市对外联系也有所增加，促进了城市群创新联系的网络式发展。到2015年（图2），京津冀城市群创新联系网络开始在河北省各城市之间扩张，群内创新联系逐渐稠密，网络化趋势显现，但仍处于弱联结分布状态，“核心−外围”特征显著；相较而言，长三角和珠三角城市群内，核心城市之间联系强度进一步提高，核心与边缘以及边缘城市之间的联系增多，城市群创新联系网络密度分别达到0.858和0.972，长三角城市群形成了以“Z”字形为主轴的类钻石型城市群创新联系网络，珠三角城市群则形成了以珠江口两侧的城市为核心、其余城市为重要节点的多中心城市群创新联系网络。

图2 2015年三大城市群创新联系强度

Fig.2 Degree of innovation linkage of the three major urban agglomerations in 2015

Full size|PPT slide

2.2 城市群创新联系网络结构特征及其演变分析

1）城市群创新联系网络节点中心性特征分析。三大城市群中各城市2001—2015年点度中心性均有所上升，加权点度中心性则表现出核心城市下降、非核心城市提高的变化特征。在京津冀城市群（图3），京、津的点度中心性一直位居前2，两者加权点度中心性之和一直在80%以上，“双核心”特征显著。石、保的核心地位在2008年后有所提高，是河北省内重要的创新联系中心。长三角城市群中，上海始终维持其城市群创新联系网络核心位置，苏、杭的点度中心性大幅提高，成为城市群北部和南部的重要创新联系中心。同时，沪、宁、杭3个核心城市的加权点度中心性下降，锡、苏等城市的加权点度中心性则显著增加，创新联系网络的均衡性不断提高。珠三角城市群中，广州的点度中心性和加权点度中心性一直处于领先地位，网络中心地位显著，深、佛、中的点度中心性呈现大幅增长，成为城市群创新联系网络中的重要节点。佛山凭借邻近广州的区位优势，其加权点度中心性仅次于广州。2015年，7个城市的点度中心性达到1，城市群创新联系网络从以广州为核心的单中心结构演变为多中心结构。

图3 三大城市群创新联系网络中心性特征

1.北京；2.天津；3.石家庄；4.唐山；5.秦皇岛；6.邯郸；7.邢台；8.保定；9.张家口；10.承德；11.沧州；12.廊坊；13.衡水；14.上海；15.南京；16.无锡；17.常州；18.苏州；19.南通；20.扬州 21.镇江；22.泰州；23.杭州；24.宁波；25.嘉兴；26.湖州；27.绍兴；28.舟山；29.台州；30.广州；31.深圳；32.珠海；33.佛山；34.江门；35.肇庆；36.惠州；37.东莞；38.中山

Fig.3 Centrality of innovation linkage network in the three major urban agglomerations

Full size|PPT slide

2）城市群创新联系网络节点枢纽性特征分析。京津冀城市群中（图4），北京的中间中心性和限制度远高于其他城市，是城市群创新联系网络的核心枢纽，天津的网络中介地位也显著提高。随着京广高速铁路的开通，石、保的中间中心性和限制度有所提升，成为了城市群中部和南部重要的联系枢纽，但城市群创新联系仍高度依赖于京津的枢纽作用。而长三角和珠三角城市群核心城市的中间中心性呈下降趋势，对城市群创新联系的“掌控”力度不断减弱。长三角城市群中，上海始终是网络的重要中介中心，苏、杭的中间中心性、限制度不断提升，成为了城市群北部和南部创新联系的重要门户城市。珠三角城市群中，广州一直是城市群创新联系网络的核心枢纽城市，深、中、佛也具有较高的中间中心度和限制度，在城市群中发挥着重要的中介作用。2015年，除肇、惠以外的7个城市的中间中心性均为0.005，限制度差距微弱，创新联系网络趋于均衡。

图4 三大城市群创新联系网络枢纽性特征

Fig.4 Betweenness of innovation linkage network in the three major urban agglomerations

Full size|PPT slide

3）城市群创新联系网络节点集聚性特征分析。三大城市群的平均聚类系数均呈持续增长趋势，创新联系网络的集聚性不断增强。京津冀城市群中（图5），2001年尚未形成明显的“群落”。此后，除张、承外，其他城市的聚类系数均有不同幅度的增长。其中，具有较高中心性的核心城市聚类系数较低，而点度中心性较低的边缘城市具有较高的聚类系数，这反映出网络中边缘城市倾向与核心城市直接建立创新联系的特点。长三角城市群中，沪、锡、苏3个城市在2001年拥有较高的聚类系数。此后，除了通、湖等边缘城市在2008年后有所下降外，其余各城市的聚类系数显著提高。珠三角城市群中，2001年后，除珠、江、莞3个城市的聚类系数先增后降外，其余城市的聚类系数也均呈增长趋势。随着核心城市与边缘城市以及边缘城市之间联系的增多，长三角和珠三角城市群中核心城市与边缘城市的聚类系数差距不断缩小，城市群创新联系网络的整体集聚程度不断提高。此外，京津冀和珠三角城市群创新联系网络的平均最短路径和聚类系数在2008年后分别小于和大于相应规模的随机网络理论值，表现出小世界的网络特征。

图5 三大城市群创新联系网络集聚性特征

Fig.5 Cluster of innovation linkage network in the three major urban agglomerations

Full size|PPT slide

2.3 城市群创新效率的演变分析

整体而言，三大城市群的创新效率呈波动上升趋势，其中珠三角城市群的创新效率处于领先地位；长三角城市群的创新效率在三大城市群中提升幅度最大，城市群对创新资源的合理配置与使用能力提升显著；京津冀城市群创新效率则呈“N”型发展趋势，在2006—2011年间由于邯郸、邢台等城市创新效率的降低，城市群创新效率大幅下降，处于三大城市群末位，2011年之后创新效率逐渐提高。

从创新效率的空间格局上看（图6），京津冀城市群从2001年的“南北高、中间低”演变为2015年的“以北京为中心向两侧递减”的空间格局，群内低效率城市减少，中等及较高效率城市显著增多。长三角城市群则从“中间低、两侧高”演变为“沿‘Z’字形高值区向两侧递减”的空间格局，群内差异不断缩小。珠三角城市群创新效率的空间格局变化较小，整体上呈现“东高西低”的特征，群内9个城市的创新效率在2015年均处于中等以上水平。

图6 2001年、2008年、2015年三大城市群创新效率空间格局

Fig.6 Spatial pattern of innovation efficiency in the three major urban agglomerations in 2001, 2008 and 2015

Full size|PPT slide

2.4 城市群创新联系网络结构对创新效率的影响

面板数据的单位根检验和协整检验显示，原始序列经过一阶差分后均变成平稳序列，变量之间存在长期稳定的协整关系。其次，根据相关系数的分析结果，为避免共线性，本文剔除变量GDP，并在模型中分别引入核心变量。再次，本文将核心变量的一期滞后变量作为工具变量，采用Hausman检验^[31]是否存在内生变量，检验结果显示长三角城市群的5个核心变量以及珠三角城市群的限制度（CD）存在内生性，因此相应变量采用含内生变量的Tobit模型处理，结果如表1所示。

表1 三大城市群创新联系网络结构与创新效率Tobit回归结果

Table 1 Tobit regression result in the three major urban agglomerations

	PC		WPC		BC		CD		CC		CC²
	Coef.	t	Coef.	t	Coef.	t	Coef.	t	Coef.	t	Coef.	t
注：括号内为t 值； ^*、^、^分别表示1%，5%，10%的显著性水平；Coef.为回归系数；空白为无内容；PC为选取点度中心性；WPC*为加权中心性；BC为中间中心性；CD为限制度；CC为聚类系数；CC²为聚类系数二次方。限于篇幅省略控制变量回归结果。
京津冀城市群	0.524	（2.830）^***	0.393	（0.930）	0.996	（3.020）^***	−0.085	（−2.410）^**	−0.002	（−0.060）
									0.742	（2.190）^*	−0.007	（−2.220）^**
长三角城市群	0.445	（4.35）^***	1.231	（4.02）^***	3.446	（5.390）^***	0.062	（1.210）	−0.067	（−0.870）
									1.342	（0.780）	−0.014	（−0.830）
珠三角城市群	0.383	（3.730）^***	−0.378	（−0.790）	0.808	（2.320）^**	0.301	（2.750）^***	0.073	（1.030）
									0.983	（3.320）^***	−0.009	（−3.16）^***

点度中心性的系数在三大城市群中均显著为正，表明城市节点在城市群创新联系网络中中心地位的提高有利于其获取创新资源和知识信息，促进其创新效率的提升。加权点度中心性的回归系数仅在长三角城市群中通过显著性检验，且为正。其原因可能是，在另外2个城市群中，核心城市占城市群创新联系总量的比重过高，群内差异显著，导致群内其他城市在资源信息获取上不具优势，而核心城市面临联系固化、资源信息同质的风险，因此对城市创新活动效率的提升并不显著，甚至产生抑制作用。

中间中心性的系数在三大城市群中均显著为正，表明城市节点网络中介地位的提高有利于其获取来自于其他城市节点的资源和知识信息，改进其创新活动和创新效率。表征节点中介作用的另一指标——限制度，在京津冀和珠三角城市群中的系数分别显著为负和正，在长三角城市群中则呈现积极但不显著的作用。这表明在创新联系网络呈极核式发展的京津冀城市群中，创新联系过度依赖于核心城市导致创新资源要素和信息高度集聚，不利于城市间的交互流动，从而限制群内其他城市的创新发展。而在发展相对均衡的长三角和珠三角城市群中，城市节点对结构洞占据能力越高，越有可能获得非冗余、非同质的关键资源和及时信息，并且减少对资源、信息的筛选成本以及创新合作的维护成本，最终提升其创新效率。

聚类系数对三大城市群城市创新效率的影响均不显著。在引入聚类系数的二次项后，结果显示聚类程度对三大城市群城市创新效率的作用均呈现倒“U”型非线性变化，虽然在长三角城市群中并不显著。这反映出在城市群中，城市之间的“凝聚”有利于资源要素和信息在群块内的流动、溢出以及创新活动的协作，但过高的“凝聚”会造成群落的“固化”和“孤立”，导致资源信息的冗余和同质，反而不利于城市创新活动的持续发展。

在控制变量中，政府支持对京津冀和珠三角城市群城市创新效率有显著的抑制作用，表明政府科技投入对企业研发的“挤压效应”大于其“杠杆效应”，不利于城市创新效率的提升。外商投资会抑制京津冀和珠三角城市群创新效率的提高，对长三角城市群的作用则并不显著，这表明长期以劳动密集型为主的外商投资难以带来充分的先进技术和管理经验，且可能对国内企业造成“挤出效应”和“技术锁定”^[27]。在长三角和珠三角城市群中，基础设施建设可能会挤占研发投入，对创新活动产生不利影响，但有利于京津冀城市群创新活动的开展和创新效率的提高。劳动力素质水平在三大城市群中均显示出积极影响，表明劳动力素质的提高有利于城市创新效率的改善。城市集聚经济仅对长三角城市群有积极显著影响。这反映出作为中国城镇化水平和人口密度最高的区域，城市群内过高的集聚会导致生产要素价格上涨、创新成本提高等集聚不经济现象，最终影响城市创新活动的开展。

3 结论与讨论

1）在网络式创新背景下，三大城市群内城市之间的创新联系日趋紧密与强化。其中，京津冀城市群的创新联系相对稀疏，呈现以“京津”为核心的放射状发展特征；长三角和珠三角城市群的创新联系呈现稠密化、网络化发展特征，分别形成了以“Z”字形为主轴的类钻石型创新联系网络和以珠江口两侧的城市为核心、其余城市为重要节点的创新联系网络。

2）对城市群创新联系网络的结构特征研究表明，京津冀城市群创新联系网络呈“极核式”发展特征，核心城市中心地位不断提高、城市群创新联系过度依赖于核心城市的中介作用，长三角和珠三角城市群创新联系网络则呈现由“单中心驱动”向“多中心驱动”转变的均衡发展特征，“反极化”趋势显著。此外，京津冀和珠三角城市群呈现出“小世界”网络的发展特征。

3）采用DEA模型对三大城市群创新效率的测度结果表明，珠三角城市群创新效率在三大城市群中处于领先位置；长三角城市群创新效率增长幅度最大，低效率城市显著减少，高效率城市显著增多；京津冀城市群创新效率相对落后，呈现“N”型发展趋势。

4）基于Tobit模型的定量研究表明，点度中心性和中间中心性对三大城市群城市节点创新效率的提高均有积极作用；加权点度中心性会正向影响长三角城市群创新效率；限制度则对珠三角城市群创新效率有促进作用。在京津冀和珠三角城市群中，聚类程度对城市节点创新效率呈现倒“U”型非线性影响。

本文以京津冀、长三角和珠三角三大城市群为研究对象，刻画和分析了三大城市群内城市间的创新联系和创新联系网络的时空演化特征，探讨了城市群创新联系网络的结构特征与城市创新效率的关系，为城市群创新联系网络和创新资源配置的优化提供科学参考。然而，城市之间的创新联系复杂多样，影响因素繁多，如何利用多源数据更为细致地测度与刻画城市尺度上的创新联系，进一步厘清创新联系网络结构特征的影响，将是未来的研究重点。

参考文献

列表( 原文顺序 | 文献年度倒序 | 文中引用次数倒序 ) 可视化分析

[1]	Castells M. The rise of the network society[M]. Oxford: Blackwell, 1996. 本文引用 [1]

[2]	Freeman C. Networks of innovators—A synthesis of research issues[J]. Research Policy, 1991, 20 (5): 499-514. https://doi.org/10.1016/0048-7333(91)90072-X 本文引用 [1]

[3]	Huggins R, Prokop D. Network structure and regional innovation: A study of university industry ties[J]. Urban Studies, 2017, 54 (4): 931-952. https://doi.org/10.1177/0042098016630521 本文引用 [1]

[4]	Tsai W P. Knowledge transfer in intraorganizational networks: Effects of network position and absorptive capacity on business unit innovation and performance[J]. Academy of Management Journal, 2001, 44 (5): 996-1004 本文引用 [2]

[5]	Li E, Li X, Liu Z. Relationships and evolving networks of rural manufacturing clusters: A case study in Yucheng County, Henan Province of China[J]. Chinese Geographical Science, 2011, 21 (3): 364-376. https://doi.org/10.1007/s11769-011-0449-1 本文引用 [1]

[6]	周灿, 曾刚, 王丰龙, 等. 中国电子信息产业创新网络与创新绩效研究[J]. 地理科学, 2017, 37 (5): 661-671 Zhou Can, Zeng Gang, Wang Fenglong et al. Innovation network structure and innovative performance: A study of China’s electronic information industry[J]. Scientia Geographica Sinica, 2017, 37 (5): 661-671 本文引用 [1]

[7]	焦美琪, 杜德斌, 桂钦昌, 等. 全球城市技术合作网络的拓扑结构特征与空间格局[J]. 地理科学, 2019, 39 (10): 1546-1552 Jiao Meiqi, Du Debin, Gui Qinchang et al. The topology structure and spatial pattern of global city technical cooperation network[J]. Scientia Geographica Sinica, 2019, 39 (10): 1546-1552 本文引用 [1]

[8]	吕拉昌, 梁政骥, 黄茹. 中国主要城市间的创新联系研究[J]. 地理科学, 2015, 35 (1): 30-37 Lyu Lachang, Liang Zhengji, Huang Ru. The innovation linkage among Chinese major cities[J]. Scientia Geographica Sinica, 2015, 35 (1): 30-37 本文引用 [4]

[9]	蒋天颖, 谢敏, 刘刚. 基于引力模型的区域创新产出空间联系研究——以浙江省为例[J]. 地理科学, 2014, 34 (11): 1320-1326 Jiang Tianying, Xie Min, Liu Gang. Spatial linkage of regional innovation output based on gravity model: A case study in Zhejiang Province[J]. Scientia Geographica Sinica, 2014, 34 (11): 1320-1326 本文引用 [2]

[10]	Ma H, Fang C, Pang B et al. Structure of Chinese city network as driven by technological knowledge flows[J]. Chinese Geographical Science, 2015, 25 (4): 498-510. https://doi.org/10.1007/s11769-014-0731-0 本文引用 [1]

[11]	Peng F, Zhang Q, Han Z et al. Evolution characteristics of government-industry-university cooperative innovation network of electronic information industry in Liaoning Province, China[J]. Chinese Geographical Science, 2019, 29 (3): 528-540. https://doi.org/10.1007/s11769-019-1047-x 本文引用 [1]

[12]	段德忠, 杜德斌, 谌颖, 等. 中国城市创新网络的时空复杂性及生长机制研究[J]. 地理科学, 2018, 38 (11): 1759-1768 Duan Dezhong, Du Debin, Chen Ying et al. Spatial-temporal complexity and growth mechanism of city innovation network in China[J]. Scientia Geographica Sinica, 2018, 38 (11): 1759-1768 本文引用 [1]

[13]	Kraatz M S. Learning by association? Interorganizational networks and adaptation to environmental change[J]. Academy of Management Journal, 1998, 41 (6): 621-643 本文引用 [1]

[14]	Burt R S. Structural holes: The social structure of competition[M]. Cambridge: Harvard University Press, 2009. 本文引用 [1]

[15]	Baptista R, Swann P. Do firms in clusters innovate more?[J]. Research Policy, 1998, 27 (5): 525-540. https://doi.org/10.1016/S0048-7333(98)00065-1 本文引用 [1]

[16]	方创琳, 鲍超, 马海涛. 2016中国城市群发展报告[M]. 北京: 科学出版社, 2016. Fang Chuanglin, Bao Chao, Ma Haitao. 2016 China’s urban agglomeration development report. Beijing: Science Press, 2016. 本文引用 [1]

[17]

吕国庆, 曾刚, 郭金龙. 长三角装备制造业产学研创新网络体系的演化分析[J]. 地理科学, 2014, 34 (9): 1051-1059

Lyu Guoqing, Zeng Gang, Guo Jinlong. Innovation network system of industry-university-research institute of equipment manufacturing industry in the Changjiang River Delta[J]. Scientia Geographica Sinica, 2014, 34 (9): 1051-1059

本文引用 [1]

[18]

王丰龙, 曾刚, 叶琴, 等. 基于创新合作联系的城市网络格局分析——以长江经济带为例[J]. 长江流域资源与环境, 2017, 26 (6): 797-805

Wang Fenglong, Zeng Gang, Ye Qin et al. Analysis of city network based on innovation cooperation: Case study of Yangtze River Economic Belt[J]. Resources and Environment in the Yangtze Basin, 2017, 26 (6): 797-805

本文引用 [1]

[19]	马双, 曾刚. 网络视角下中国十大城市群区域创新模式研究[J]. 地理科学, 2019, 39 (6): 905-911 Ma Shuang, Zeng Gang. Regional innovation models of China's ten major urban agglomerations from the perspective of network[J]. Scientia Geographica Sinica, 2019, 39 (6): 905-911 本文引用 [1]

[20]	段德忠, 谌颖, 杜德斌. 技术转移视角下中国三大城市群区域一体化发展研究[J]. 地理科学, 2019, 39 (10): 1581-1591 Duan Dezhong, Chen Ying, Du Debin. Regional integration process of China’s three major urban agglomerations from the perspective of technology transfer[J]. Scientia Geographica Sinica, 2019, 39 (10): 1581-1591 本文引用 [1]

[21]	Guan J, Zuo K, Chen K et al. Does country-level R & D efficiency benefit from the collaboration network structure?[J]. Research Policy, 2016, 45 (4): 770-784. https://doi.org/10.1016/j.respol.2016.01.003 本文引用 [3]

[22]	毕秀晶. 长三角城市群空间演化研究[D]. 上海: 华东师范大学, 2014. Bi Xiujing. Pattern, dynamics and mechanism of spatial evolution in Yangtze River Delta. Shanghai: East China Normal University, 2014. 本文引用 [1]

[23]	刘军. 社会网络分析导论[M]. 北京: 社会科学文献出版社, 2004. Liu Jun. An introduction to social network analysis. Beijing: Social Sciences Literature Publishing House, 2004. 本文引用 [3]

[24]	Newman M. The structure and function of complex networks[J]. Siam Review, 2003, 45 (2): 167-256. https://doi.org/10.1137/S003614450342480 本文引用 [1]

[25]	Uzzi B, Spiro J. Collaboration and creativity: The small world problem[J]. American Journal of Sociology, 2005, 111 (2): 447-504. https://doi.org/10.1086/432782 本文引用 [1]

[26]	刘树峰, 杜德斌, 覃雄合, 等. 基于创新价值链视角下中国创新效率时空格局与影响因素分析[J]. 地理科学, 2019, 39 (2): 173-182 Liu Shufeng, Du Debin, Qin Xionghe et al. Spatial-temporal pattern and influencing factors of China's innovation efficiency based on innovation value chain[J]. Scientia Geographica Sinica, 2019, 39 (2): 173-182 本文引用 [1]

[27]	白俊红, 卞元超. 要素市场扭曲与中国创新生产的效率损失[J]. 中国工业经济, 2016 (11): 39-55 Bai Junhong, Bian Yuanchao. Factor market distortion and the efficiency losses of Chinese innovative production[J]. China Industrial Economics, 2016 (11): 39-55 本文引用 [2]

[28]	国家统计局, 科学技术部. 中国科技统计年鉴[M]. 北京: 中国统计出版社, 2001-2016. National Bureau of Statistics of China, The Ministry of Science and Technology. China statistical yearbook on science and technology. Beijing: China Statistics Press, 2001-2016. 本文引用 [1]

[29]	北京天域北斗图书有限公司, 山东省地图出版社. 中国高速公路及城乡公路网地图集[M]. 济南: 山东省地图出版社, 2001-2015. Beijing Tianyu Dipper Book Ltd, Shandong Province Map Press. Chinese highway and road network atlas. Jinan: Shandong Province Map Press, 2001-2015. 本文引用 [1]

[30]	国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2001-2016. National Bureau of Statistics of China. China urban statistical yearbook. Beijing: China Statistics Press, 2001-2016. 本文引用 [1]

[31]	Hausman J. Specification tests in econometrics[J]. Econometrica, 1978, 46 (6): 1251-1271. https://doi.org/10.2307/1913827 本文引用 [1]

基金

国家自然科学基金项目（41271132）资助

版权

PDF(3899 KB)

可视化

1764

Accesses

Citation

Detail

段落导航

收稿日期	修回日期	出版日期
2019-09-29	2020-01-02	2020-11-10
发布日期
2020-11-10

选择文件类型/文献管理软件名称

选择包含的内容