贾雪萌，游小珺

(福建师范大学 地理科学学院，福州 350007)

0 引言

创新是引领经济发展的第一动力[1]。区域之间的创新联系显示出区域创新强度与内部协作程度，无数的创新联系构成了创新网络[2]，呈现日趋复杂的网络化特征。科技创新网络是区域发展的重要组成部分。创新主体如高校、科研机构等趋向于合作创新，形成了以知识创新和技术创新为主要领域的科技创新网络。其中，知识创新网络是“知识流”作为“软网络”进行的创新联系与合作[3]，技术创新网络通过各种参与人共同参与技术创新的开发与扩散从而形成网络[4-5]。研究科技创新网络的时空演化和驱动机理，对认识和推动区域创新一体化有重要意义。

城市群是当今知识经济时代区域经济发展的重要空间载体和科技创新的关键高地。2015年，中国提出粤港澳大湾区(以下简称“大湾区”)概念，拟将广东省九市与香港、澳门打造成区域性创新中心；2019年，国家发布《粤港澳大湾区发展规划纲要》，以期进一步提升粤港澳大湾区在国家经济发展和对外开放中的支撑引领作用。粤港澳大湾区城市群是中国经济活力最强、开放程度最高的区域之一，然而大湾区目前仍存在区域内部创新资源不均衡、科技资源投入结构及科技创新平台建设同质化、科技创新要素流动受阻、整体创新效率有待提升等问题[6]。同时，随着经济全球化的深化，科技创新质量不仅取决于单一城市本身，还愈发受到其他城市的影响[7]。因此，改善大湾区科技创新效率、优化科技创新网络结构、提高大湾区区域创新竞争力，亟需从复杂网络视角出发，刻画大湾区城市之间科技创新格局，揭示大湾区科技创新网络影响机制，以期为合理配置创新资源、加快科技创新要素流动等提供理论依据及政策参考。

创新活动的空间集聚凸显了地理邻近的重要性，而法国邻近动力学派发现城市群网络中某些与大城市毗邻的小城市发展情况不如其他城市，将原因归结为城市间的其他邻近因素[8]，地理距离不再是影响城市群各节点创新水平的唯一邻近属性。同时Shaw A T等[9〗亦指出多维邻近性会影响创新活动。国内学者也利用由地理、技术、社会、制度、组织邻近等组成的多维邻近框架解释各项创新活动[10-11]，虽然对不同情境下各维度邻近性的作用方向和作用强度尚未达成一致共识，但国内外研究表明，多维邻近性理论能为剖析创新网络的内在驱动机制搭建有价值的分析框架。

知识创新网络和技术创新网络是科技创新网络的两大核心内涵，代表不同的要素流[12]：前者研究知识流，即城市间的知识合作[13]，如论文合著、论文互引等形式；后者则关注技术流，即城市间的技术往来[4]，包括专利合作申请、专利转让、知识产权贸易等形式。两者的本质区别导致二者演化特征与驱动机理相异，探究和比较知识创新网络与技术创新网络的特征与演化才能更全面、深刻地认识科技创新网络的发展及其驱动机理。国内学者利用专家打分法[6, 14]、社会网络分析法[15]测度大湾区科技创新能力或科技创新网络的结构特征，发现创新资源在区域内部存在空间配置上的差异，不同城市占据不同地位。但现有研究通常将科技创新网络作为整体进行研究，对知识创新网络和技术创新网络空间特征及驱动机理的异同剖析仍较薄弱。基于此，本研究从复杂网络视角出发，将大湾区的科技创新网络划分为技术创新网络和知识创新网络两部分，分别研究其时空分异和演化特征，并从多维邻近性出发定量研究大湾区科技创新网络影响机制，以期为大湾区科技创新协同发展提供有益的建议。

1 数据来源和研究方法

1.1 研究区域与数据来源

以粤港澳大湾区11个城市为研究对象，以城市为检索单位，在中国知网(CNKI)总库和Web of Science核心总集数据库检索并整理2008—2018年城市间合作发表的中英文论文数，表征大湾区知识创新网络；在国家知识产权数据库、世界知识产权局数据库等专利数据库中，检索并统计2008—2018年城市间合作申请的专利数，表征大湾区技术创新网络。

1.2 研究方法

1.2.1 社会网络分析法

利用Ucinet软件中网络密度、网络中心性和凝聚子群等指标综合揭示粤港澳大湾区科技创新网络的演化特征[16]：网络密度刻画网络中城市间创新联系的密集程度；网络中心性包括度数中心度、中间中心度和接近中心度等，其中，度数中心度表示与某个城市产生创新合作的城市数量，其值越大说明城市权力越大；中间中心度表示城市对创新合作机会的控制程度，即衡量城市位于城市群中介位置的可能性；接近中心度反映城市在创新合作中的接近程度，其值越大，说明与创新网络中的其他城市的来往越便利，越不受制于其他城市。凝聚子群识别城市群内部的创新子结构，从而量化大湾区创新网络特征及各城市在网络中的地位及作用。具体公式详见文献[17]。

1.2.2 QAP回归分析

以多维邻近性为框架，使用Ucinet 6进行QAP回归分析，对各自变量矩阵作用于创新网络矩阵的关系进行检验。借鉴已有文献[15]，城市间创新联系(Innovation)主要受到地理邻近(Geo)、社会邻近(Soc)、技术邻近(Tec)、语言邻近(Lan)、制度邻近(Ins)、经济邻近(Eco)等因素的综合影响。结合大湾区的实际情况，本研究建立大湾区科技创新合作的模型：

Innovation=f(Geo，Soc，Tec，Lan，Ins，Eco)

(1)

使用城市间合作发表论文数和共同申请专利数，分别衡量大湾区知识创新网络和技术创新网络中的两座城市之间的创新联系强度(Innovation)。

地理邻近是指两城市之间的地理距离远近对城市集群间知识与技术合作交流的影响，是科技创新网络的重要影响因素。为此，使用百度地图测距工具，测度城市间直线距离的数据[18]并对其进行对数处理。

社会邻近指行为主体之间社会嵌入性关系的亲疏[19]。借鉴刘承良[20]的研究，构建杰卡德指数(Jaccard index)测度社会邻近，公式如下：

(2)

式(2)中：Socij是测度社会邻近的指标，cij是城市i和城市j合作发表论文数或共同申请的专利数，Pi和Pj分别为城市i和城市j的发表论文总数或专利申请总数。

技术邻近表示城市间学者数量、实验设施等技术水平的相似程度[10]。采用发表论文数量或每年专利申请数量的差距，分别衡量城市的知识创新和技术创新的技术邻近性，公式如下：

(3)

式(3)中：Tecij为测度技术邻近的指标，取值范围为0到1，数值越接近1，说明两城市之间技术邻近性更高；Pi和Pj分别为城市i和城市j的专利申请数或发表论文数。

通过虚拟变量，将大湾区使用相同官方语言的城市间语言邻近赋值为1，否则为0；由于香港官方语言是中文与英语，澳门官方语言是中文和葡语，故将这两个城市与其他城市之间的语言邻近赋值为0.5。

在大湾区实行“一国两制”基本国策的背景下，将实行相同制度的城市间制度邻近赋值为1，否则赋值为0，构建制度邻近矩阵。

借鉴谢伟伟[21]的研究，利用大湾区城市人均生产总值和地区生产总值的数据构建经济邻近矩阵：

(4)

式(4)中：Ecoij为测度经济邻近的指标，PGDPi和PGDPj分别是城市i和城市j的人均生产总值，GDPi和GDPj分别是城市i和城市j的地区生产总值。

2 大湾区科技创新网络的时空分异和演化特征

2.1 密度演化特征

2008—2018年，大湾区知识创新网络规模一直为11.0，即11个城市长期参与知识创新合作(表1)。关系总数代表城市间合作的总次数，关系总数越大，城市间的创新关联程度越高，11个城市关系总数最高值为110。研究期内，大湾区城市的知识创新合作总体呈上升趋势，2008—2012年快速增长，2013年略微下降之后基本趋于缓步发展且稍有上升的态势。在网络规模不变的情况下，关系总数增加，说明大湾区城市间的关联程度也越来越高。平均距离即两两城市间最短距离的平均值，取值范围为[1，+∞]，越短反映城市间创新联系越畅通。大湾区知识创新网络的平均距离整体呈下降趋势，其中2013年和2018年平均距离更是下降到最短距离1，说明城市之间的知识创新交流逐步畅通。网络密度逐渐上升，表明大湾区知识创新联系日益紧密。综合大湾区知识创新网络密度特征分析结果表明，大湾区论文合作、数据共享等知识创新联系不断发展优化，大湾区知识创新逐步走向一体化。

表1 知识创新网络与技术创新网络密度特征

研究期内，大湾区的技术创新网络规模从一开始的2或3个城市参与到后来的9个城市参与，说明大湾区城市技术创新参与度不断提高，但截至2018年，澳门和肇庆还未与其他大湾区城市发生技术创新联系。同时，技术创新关系总数不断增长，虽有波动但技术网络整体关系逐步密切。技术创新网络平均距离和网络的波动上升，说明各城市在技术创新方面沟通交流有所进展但尚待加强。整体来看，2008—2018年大湾区技术创新网络发展不如知识创新网络稳定，甚至存在一定程度的技术创新联系困难、网络结构松散化的倾向。

2.2 结构演化特征

使用Ucinet 6软件，从网络中心性和凝集子群2个维度分析2008—2018年粤港澳大湾区科技创新网络的组织结构演化特征，其中，中心度均采用相对度数中心度表征。

2.2.1 中心性分析

从整体上看，2008—2018年大湾区知识创新网络的平均度数中心度呈上升趋势(表2)。从城市尺度上看，广州、深圳、珠海、佛山和中山始终处于知识创新网络的核心位置，其余城市从一开始的边缘位置逐渐发展为次核心位置，说明城市间知识创新联系愈发紧密，至2018年大湾区城市间知识创新网络已实现高度互通交流。

表2 粤港澳大湾区科技创新网络中心性分析

从知识网络的中间中心度看，2008年肇庆、澳门、惠州的中间中心度最低，说明其作为知识创新“中介”联系其他城市的作用较弱；广州、深圳、珠海、佛山、中山、江门6个城市在研究期内从最高的中间中心度降低到0，说明2018年大湾区知识创新网络流通性显著提升，城市间的交流合作无需依靠“中介”即可开展。

2008—2018年大湾区知识创新网络中各城市的接近中心度均趋向100.00，城市间的最短路径之和趋向于无限小，说明网络整体更趋向于全面均衡高速发展而不是一味地独立门户，各个城市在知识创新方面差距小且具有较强的独立创新能力。同时，接近中心度总体分布差距不大，说明大湾区知识创新网络离不开城市间的互相支撑与影响[22]。

总体来说，2008—2018年大湾区知识创新网络中的“权力”集中于两三个城市向不断均势化发展，城市间的影响力差异不断缩小，香港、澳门也从边缘位置逐渐活跃起来。

大湾区技术创新网络中心性特征有所不同。2008—2018年技术创新网络的度数中心度平稳上升，而广州、深圳、江门、香港长期高于均值，始终处于大湾区技术创新网络的核心位置，这是由于这些城市多为高新技术企业集聚地，高素质人才和科技资源流动频繁；其他城市的度数中心度整体呈上升趋势，东莞、佛山起初处于技术创新网络的边缘位置，但到2018年也跻身技术创新网络中的核心位置；同时，澳门在研究期内度数中心度长期为0，这种技术创新零交流量的情况可能是由于“行政壁垒”[3]或者其他历史遗留问题造成。

2008—2018年前中期大湾区技术创新网络全部11个城市的中间中心度几乎为0，观察研究期内大湾区共同申请专利的数据可知，此时合作专利量过少且合作的城市节点少，技术网络中只有深圳为“中介”位置。2018年，广州、深圳、佛山成为技术网络的核心中间平台，在网络中掌握和控制较多的信息和资源，为其他城市搭建技术创新交流合作的桥梁，而中山、澳门等城市11年间中间中心度一直为0，在网络中资源控制力薄弱。

城市的接近中心度越大，说明与创新网络中的其他城市的来往越便利，越不受制于其他城市[23]。2008—2018年大湾区技术创新网络接近中心度均值波动上升，说明城市节点之间从疏远到联系逐步密切，各城市的自主创新能力也不断提高。广州、深圳、江门、香港一直占据主导位置，传递交流信息便捷，而佛山在2018年一跃成为仅次于深圳、广州的第三大核心城市。

2008—2018年大湾区技术创新网络中各城市的“权力”比重即影响力基本上从互不干扰、不相限制，逐步开始交织融合，直至技术创新网络雏形初现。

2.2.2 凝聚子群

Ucinet 6软件中使用迭代相关收敛法，以城市为单位，分析大湾区科技创新网络子群和凝聚关系。设置最大分割深度为3，收敛标准为0.2[3]，得到表达各个位置之间结构对等性程度的树形图(tree-diagram或dendrogram)，进而标记出各个位置拥有的网络成员。

从知识创新网络凝聚子群结果看(图1)，2008—2018年，子群分化趋势显著，三级子群和二级子群数量不断增加，从2008年的3个三级子群和3个二级子群，逐步形成2018年的5个三级子群和4个二级子群。2018年第一子群为广州、珠海，第二子群为东莞、惠州，第三子群为佛山、中山、肇庆、江门，第四子群为深圳、香港，第五子群为澳门，知识创新网络的派系渐趋稳定，各子群的城市组成稳定不变。同时，广州和珠海为第一子群，说明二者关系相比这2个城市与其他城市之间的关系更紧密，而第五子群澳门单独作为一个子集，说明澳门与其他城市之间知识创新联系相对较弱，占据网络边缘位置。

图1 粤港澳大湾区知识创新网络凝集和子群关系

大湾区技术创新网络树形图(图2)显示，网络中2个级别的子群数量不断变化，各子群的城市组成也处于活跃的变化中。研究期内，技术创新网络的三级子群和二级子群数量增加，二级子群数量逐渐稳定在4个，而三级子群数量变化范围为2到7。大湾区技术创新网络的碎化说明城市间缺少直接联系，具有绝对控制力的城市并不突出。

图2 粤港澳大湾区技术创新网络凝集和子群关系

2.3 空间格局演化特征

从2008—2018年大湾区知识创新网络空间格局的演变可看出(图3)，大湾区的知识创新网络越来越紧密，从一开始存在部分城市知识创新联系为0，到2018年全部实现知识创新流动。其中，广州、中山、深圳知识创新联系一直处于优势地位，逐渐发展为知识创新网络核心城市，单城市的联系量可达其他城市的几倍或十几倍；香港知识创新网络联系数量大幅增多，逐渐占据知识创新网络中的次核心地位。

图3 粤港澳大湾区知识创新网络的空间格局

相比之下，2008—2018年大湾区技术创新网络规模从4逐步增加到9(图4)。2008年技术创新网络整体联系薄弱，2018年其网络密度大幅度提高。其中，广州、深圳、佛山在技术创新网络中处于核心地位；而香港对技术创新网络的贡献率有所下降，这一方面是因为大湾区技术创新网络不断发展，合作交流平台不断增加，香港在技术创新交流中一枝独秀的格局逐渐被打破；另一方面，在对技术标准要求严格的专利申请过程中，使用相同官方语言的内地九市之间交流合作更为畅通，这也使得香港逐渐失去优势地位。

图4 粤港澳大湾区技术创新网络的空间格局

2.4 大湾区知识创新网络与技术创新网络的特征比较

比较整体网络密度特征及其演化可以发现，2008—2018年，大湾区知识创新网络比技术创新网络联系更密切，整体网络更加完备。知识创新网络已实现11个城市全部参与，且与技术创新网络相比，具有更小的平均路径和更大的网络密度，而技术网络还存在着交流闭塞，缺少平台等情况。

在对知识创新网络和技术创新网络的中心性分析比较中发现，大湾区2种网络处在不同的发展阶段：知识创新网络已处于高度发展阶段，网络稳定性逐渐提高，城市知识创新联系对“中介”的依赖程度低，知识创新资源可以自由流动；而技术创新网络仍处于起步发展阶段，2014年后才出现明显的技术创新合作，城市之间联系不密切。特别地，澳门在两类创新网络中的发展情况存在显著差距，澳门在知识创新网络中已从合作量为0到逐步融入网络，但仍未参与到大湾区技术创新网络中。

从凝聚子群的结果上看，知识创新网络与技术创新网络相比，后者凝聚力较低，城市子群结构松散，核心城市对其他的城市控制力较弱，尚未到达稳定状态，仍处于不断变化之中；而研究期末，知识创新网络的凝聚子群结构已基本稳定。此外，从空间组织结构上看，大湾区知识创新网络和技术创新网络均形成“核心-边缘”结构，创新网络的空间异质性明显，但是知识创新网络的核心节点主要为广州、中山和深圳，而技术创新网络的核心节点为广州、深圳、佛山。

3 多维邻近性对科技创新网络的驱动机理

选取2009、2018年的数据，采用5 000次随机置换对各邻近属性矩阵和创新联系强度矩阵进行QAP回归分析，样本数为110，结果如表3。

表3 粤港澳大湾区科技创新网络驱动机理

2009年，大湾区技术创新网络处于技术发展的早期阶段，隐性知识占比大，较难克服地理距离对交流的阻碍，因此城市间技术创新联系受地理距离影响显著，地理邻近对技术创新网络呈显著负相关。2018年，技术创新网络逐渐走向成熟，技术交流更为规范，加上大湾区交通、通信等基础设施不断完善，技术创新合作开始突破地理空间的束缚而向其他城市转移[24]，地理邻近对技术创新联系的影响转为不显著；技术邻近对技术创新联系的影响为正显著，说明发展后期，城市间技术创新交流的开展主要取决于彼此技术水平的相似性；语言邻近正向显著影响技术创新网络，说明对技术标准和文件规范要求更为严格的专利合作活动而言，官方语言的不同更容易导致交流不畅。

通过对大湾区知识创新网络和技术创新网络邻近性机理的对比可看出，大湾区知识创新网络更不易受到其他要素的影响，各邻近指标波动小；技术创新网络正处于建立完善的过程，显著性水平不稳定。制度邻近和经济邻近对大湾区科技创新网络的影响均为不显著，这一方面可能因为粤港澳大湾区规划的促进作用下，湾区城市间制度差异不断缩小，制度邻近未对科技创新联系产生显著阻碍；另一方面，可能是由于澳门、深圳、珠海等经济发展水平较高的城市尚未拥有大规模科技创新资源，而拥有充足科技人才和经费的城市(例如东莞、中山和佛山)，其经济发展水平并不一定位居前列，因此经济邻近并不是决定科技创新联系的关键指标。

4 结论与建议

本研究基于复杂网络视角，刻画和比较了2008—2018年粤港澳大湾区知识创新与技术创新网络的拓扑结构及空间组织特征，并构建多维邻近性属性矩阵，揭示科技创新网络的影响机理。研究发现：(1)从网络整体性来看，大湾区知识创新网络已进入稳定发展阶段，网络密度高且逐步走向整体性，而技术创新网络发展仍处于不稳定状态。(2)从结构特性来看，知识创新网络中核心城市对其他城市控制力强，呈现明显的“核心-边缘”结构，技术创新网络中尚无明显具有“高权力”的城市，城市大多位于网络边缘位置，凝聚力弱。(3)从网络空间可视化看，大湾区知识创新网络的核心城市为广州、中山、深圳，技术创新网络则以广州、深圳、佛山为核心。广州作为省会城市引导了大湾区科技创新网络的发展，而深圳近几年在经济、科技等各方面均跻身大湾区乃至全国前列，是大湾区科技创新网络的又一大核心。(4)除了语言邻近性之外，大湾区知识创新网络和技术创新网络还分别受社会邻近和技术邻近的显著影响，而制度邻近、经济邻近影响始终不显著。其中技术创新网络的邻近指标显著性波动较大，对外界影响更为敏感。

结合大湾区科技创新网络的格局和驱动机理的分析和结论，为大湾区科技创新网络未来发展提出如下建议：(1)充分依托建设粤港澳大湾区的政策浪潮，进一步完善大湾区互联网和交通设施，助力城市打破因语言文化环境的差异形成的科技创新合作壁垒，弱化语言邻近性对科技创新网络产生的阻滞作用。(2)巩固大湾区已有的合作关系，增加城市间稳定的交流平台，重点为目前交流不畅、共享受阻的城市之间搭建合作互通渠道，同时，利用与港澳邻近的珠海、深圳等城市，作为沟通港澳与其他城市的“桥梁”，为大湾区城市创新合作搭建平台。(3)加大技术水平落后的城市中企业、高校等创新主体的资金投入，广泛吸收高质量人才，逐渐缩小大湾区内城市之间科技水平的差距，鼓励并推广“以强带弱”“以高拉低”的互助模式，促进网络中的技术交流与辐射作用。