葛 勇，朱桃杏，顼玉卿

(石家庄铁道大学 经管学院，石家庄 050043)

创新是引领发展的第一动力，创新发展战略将科技创新推向高潮，我国各地都在大力推进科技创新进程以实现区域经济转型发展，科技创新成为推动我国经济增长的新的动力源泉。改革开放以来，我国经济以近10%的速率高速增长，其中科技创新要素发挥了重大作用。经济实力的增强，同时为科技创新奠定了经济基础。截止2018年，我国研发经费投入强度为2.19%，总体来看，我国研发经费投入强度与以色列、日、德、美等发达国家有一定差距，但是我国一流企业在研发投入方面丝毫不落后。2018年华为研发投入高达1 015亿元，占总营收的14.1%，研发总投入排名全球前五。我国科技创新整体水平发展良好，但区域间差异显著。2018年广东省专利申请受理数量为478 082件，而西藏仅有755件，不足广东省的千分之二。科技创新水平差异巨大成为制约推动协调创新发展的主要障碍。重视区域间的协调配合，区域科技创新协同发展是必由之路。

很多学者也证明了科技创新区域间存在关联性。李程宇等[1]指出省域科技创新空间联系不是东、中、西部区域相关，而是局部空间聚类。张振刚等[2]应用空间面板计量模型验证了区域创新能力与空间距离相关性大于经济距离。空间距离小，有利于区域间的人才、知识的流动。段德忠[3]利用25年数据研究了上海和北京两市的创新空间结构，研究发现上海市廊道辐射效应显著，出现了市中心空心化的空间关联效应现象；北京市创新资源向市中心集聚趋势明显，空间关联呈现出“农村包围城市”的特征。毛良虎和姜莹[4]应用探索性空间数据分析法研究发现长江经济带科技创新能力发展核心-边缘空间结构特征明显，空间集聚显著。李红雨[5]研究发现，地级区域层面创新产出不均衡，空间集聚水平较高，局部空间关联呈现出多元化特征。

上述相关文献一定程度上揭示了区域科技创新空间关联性，但区域科技创新空间联系是复杂的多线性网络关系，应用传统的空间计量模型具有一定的局限性。社会网络分析(Social Network Analysis ，SNA)方法为我们提供了基于网络视角研究问题的思路。SNA在区域经济、碳排放、能源消费、信息化等问题的空间关联研究中得到很好应用[6-9]。因此论文应用社会网络分析探究我国区域科技创新空间关联特征，以期为制定创新协调发展战略提供参考意见。

区域科技创新空间联系是复杂的多线性网络关系，应用传统的空间计量模型具有一定的局限性。社会网络分析(Social Network Analysis ，SNA)方法为我们提供了基于网络视角研究问题的思路。SNA在区域经济、碳排放、能源消费、信息化等问题的空间关联研究中得到广泛应用。因此论文应用社会网络分析探究我国区域科技创新空间关联特征，以期为制定创新协调发展战略提供参考意见。

1 研究方法与数据说明

1.1 研究方法

科技创新要素在区域创新系统间动态流动，形成地理空间上的区域联系，复杂的区域联系构成区域科技创新网络。网络节点由各省份组成，节点间若存在关联关系，用直线连接起来，最终形成区域科技创新空间网络。引力模型是国内外学者研究空间网络方法之一，被广泛应用于旅游经济、金融联系、城市经济等领域[10-12]。

1.1.1 修正引力模型

论文参考相关文献[13-14]，同时考虑科技创新网络要素特征，科技创新要素中人员是创新联系的执行者，科技人员不仅是知识的载体，同时发挥了传播知识的作用，故论文将科技人员数量作为测度指标之一。考虑到人才机制问题，创新活动活跃的区域，人才流动频繁，故论文采用区域专利申请受理数量占有联系的两区域专利申请受理数量之和作为修正系数。构建区域科技创新空间网络，修正引力模型如下：

(1)

其中，Rij表示i、j两省之间的科技创新关系，Pi、Pj分别表示i、j两省专利申请受理数，Mi、Mj分别表示i、j两省科研人员数量，Dij代表i、j两省省会之间的空间距离。

1.1.2 网络中心度测算

省域间科技创新联系矩阵是进行网络分析的基础，论文在空间联系矩阵基础上，应用社会网络分析法研究区域科技创新网络特征。中心性测算是社会网络分析中重要的分析工具，中心度描述了网络节点在网络中的地位。论文通过测算点度中心度(Degree Centralization)、接近中心度(Closeness Centralization)和中间中心度(Betweenness Centralization)研究我国区域科技创新网络特征。

点度中心度在节点连接数量角度描述节点的中心程度，数值越大表明中心性越强。在含有n个节点的网络有向图中，节点的点度中心度计算公式为：

(2)

接近中心度在距离角度描述节点的中心程度，数值越小表明该节点与其他节点联系越紧密。在含有n个节点的图中，节点的接近中心度计算公式为：

(3)

中间中心度描述节点对资源的控制程度，数值越大表明节点的中介与控制能力越强。节点的中间中心度计算公式为：

(4)

1.2 数据说明

鉴于省际间技术扩散是影响科技创新网络的主要因素，论文从全国省域宏观层面进行分析，以我国31省(市、自治区)为研究对象。为研究我国近10年来科技创新网络演化过程，论文统计了2018年、2008年的相关数据。数据来源于《国家统计年鉴》，空间距离数据来源于百度地图。

2 实证分析

2.1 省域科技创新联系测算

应用公式1，计算得到31省域间科技创新联系矩阵，如图1所示。

图1 我国31省域科技创新联系图

2.2 网络中心性测算及其分析

2.2.1 点度中心度测算及其分析

根据公式2应用Ucinet 6软件计算得到2008年和2018年我国科技创新网络点度中心度。计算结果如图2所示。

图2 我国科技创新网络点度中心度计算图

整体来看，区域点度中心度差异较大。2018年，江苏、浙江和广东三省的点度中心度位列前三位，表明这三个省份在科技创新网络中拥有较大的权力，即与其他省份科技创新交流频繁，联系密切。山东、北京、河南三省市紧随其后，其余省份相差不大。2008年江苏、浙江和山东三省点度中心度位列前三位，广东位列第四，数值为76.667。从时间角度来看，这10年来，江苏和浙江科技创新方面一直与其他省份保持高度联系，广东省一直在加强与其他地区的科技创新联系，山东在这方面则有所退步。 我国区域点度中心度极差值83.334增长为86.667，方差由491.642增长为539.786。极差值与方差值的增大表明这10年来，区域科技创新能力差异在不断增大。

2.2.2 接近中心度测算及其分析

应用公式3计算接近中心度，数据如图3所示。

图3 我国科技创新网络接近中心度计算图

接近中心度数值表示该网络节点不受其他节点控制的程度，值越小，表明该节点优势越大。对比2018年与2008年数据，大多数省份接近中心度变化不大，上海、山东和四川三省数据出现明显降落，江苏和广东2省接近中心度数值略有涨幅。对比点度中心度和接近中心度数据可以发现，点度中心度高的省份，其接近中心度数值也高，这表明对外科技创新联系密切的省份更易受其他区域科技创新能力的影响。

2.2.3 中间中心度测算及其分析

应用公式4计算中间中心度，数据如图4所示。

图4 我国科技创新网络中间中心度计算图

中间中心度数值大小反映该节点在整个网络中对科技创新联系的控制程度。整体来看，区域间中间中心度数值差异巨大。2018年，中间中心度排名前三位的仍然是江苏、浙江和广东三省，这表明这三省在科技创新联系网络中控制能力较强，能够在很大程度上可以控制科技创新联系。2008年排在前三位的是江苏、浙江和山东三省。在时间维度来看，山东、上海和广东三省市中间中心度数值下降明显，江苏、浙江和广东三省数值增幅显著。对比点度中心度和中间中心度数据，不难发现点度中心度值高的省份，中间中心度值一般也高，这表明对外科技创新联系密切的省份在科技创新网络中控制能力较强。

3 研究结论与展望

测算结果表明我国区域科技创新能力差异巨大，推动我国科技创新协同发展势在必行。第一，打破跨区域合作壁垒，打造跨区域科技创新合作平台，同时扩大创新协同范围。第二，完善区域科技创新合作机制，提高创新协同水平。第三，加强区域间企业科技产业互动联系，提升区域科技创新协同发展能力。此外，充分发挥科技创新在社会经济发展中的引领作用，进一步夯实科技创新与经济体系互动基础，形成科技创新系统与经济社会互动发展的格局。

未来可进一步深入研究科技创新区域约束壁垒、跨区域创新合作机制、创新驱动与经济协同发展等课题。