王思薇，陈西坤

（西安科技大学管理学院，陕西西安 710600）

当前，全球经济发展进入新旧动能转换期，以技术创新为主导的科技革命正在重塑世界经济格局，而另一方面，贸易保护主义的抬头使得全球范围内的科学技术封锁对中国科技创新能力的提升形成不可忽视的阻力。因此，中国“十四五”规划提出，坚持创新驱动发展战略，把科技自立自强作为国家发展的战略支撑，整合优化科技资源配置，完善国家创新体系。科技创新网络作为区域科技创新活动的重要组织形式和政府公共政策目标的实现载体，具有优化区域科技资源配置、促进科技成果转化与应用、完善国家创新体系建设等功能。《国家创新驱动发展战略纲要》指出，要构建开放高效的跨区域科技创新网络，建设各类创新主体协同互动和创新要素顺畅流动、高效配置的生态系统，推动区域间互联互通创新要素，联合组织技术攻关。在此背景下，科学构建区域科技创新网络，深入分析其时空演化特征及邻近性机制，对于加强区域创新联系，缩小区域发展差距，畅通国内经济大循环，实现区域产业升级及经济高质量发展具有重要意义。

1 文献综述

1.1 科技创新网络的内涵

科技创新网络是一种基于系统性创新的基本制度安排，以各主体间的创新合作关系为基本连接机制，形成强弱关系并存的松散结构，并在相互合作中不断强化，形成具有稳定性的动态系统［1］，是继技术推动、需求拉动、耦合模式和整合模式之后的新一代创新模式［2］。与前几种模式相比，科技创新网络模式能有效解决“创新孤岛”问题，加速地方空间向流动空间及网络空间的转变［3］。科技创新网络具有互惠、信任、学习、合作、分权及本地根植性等特点［4］，其建立需满足4 个基本条件，即认同、知识、机构及整合［5］。

1.2 科技创新网络的结构及变化

学者们，如吕拉昌等［6］、许培源等［7］、郭建杰等［8］、Scherngell 等［9］、Graf 等［10］、张建伟等［11］，分别基于引力模型视角、以论文合作为代表的科学研究网络视角、以技术合作为代表的技术创新网络视角，运用空间交互模型、社会网络分析、空间计量等方法对区域科技创新网络的结构及变化进行研究，结果表明：科技创新网络呈显著扩张态势、等级层次特征明显［12］；网络结构呈现“骨干网+区域网+专业网”三网镶嵌局面［13］。然而，与上述3种视角构建的科技创新网络相比，以专利转移为代表的科技创新网络具有以下特点：（1）以专利转移为代表的科技创新网络是有向网络，能说明知识及技术流动的方向和区域在科技创新网络中的职能。具体而言，运用区域的专利转出量衡量区域的技术创新能力及技术辐射能力，专利转入量衡量区域的技术集聚能力及技术应用能力；（2）专利转移本质上是一种市场交易行为，与区域的经济属性相契合，且前提条件是其应用价值已经被市场认可，代表一种真实的价值流向，构成科技成果转化的重要一环。因此，以专利转移为代表的科技创新网络更适合于描述区域科技创新网络。

总体来看，已有相关研究从科技创新网络的内涵、结构及变化等方面进行了深入研究，为本研究提供了有益借鉴，但针对中国科技创新网络的研究尚存在以下问题有待完善：（1）关于科技创新网络的构建主要从论文合作或专利合作的视角构建科技创新网络，虽能表征区域间的科技创新合作关系，但缺乏方向性，无法明晰区域在科技创新网络中发挥集聚作用还是扩散作用，且合作成果能否转化为现实生产力有待商榷；（2）多从截面角度对中国科技创新网络进行静态研究，如周灿等［14］、焦美琪等［15］的研究，动态研究较少。基于此，本研究以专利转移为视角，运用社会网络分析方法研究1990—2020年中国科技创新网络的结构特征，分1990—2000 年、2001—2010 年、2011—2020 年3 个时间段，绘制和弦图揭示其时空演化规律，利用负二项回归模型探究中国科技创新网络的邻近性机制，以求进一步丰富中国科技创新网络相关研究，同时为促进区域创新资源流动共享、创新主体合作互惠、创新成果有效转化及区域协调发展提供理论依据与借鉴。

2 科技创新网络的邻近性机制分析

科技创新网络包含科技创新网络主体、网络联系、网络尺度、网络结构4 个基本要素。其中，科技创新网络主体主要有3 类，即知识生产与技术开发机构（包括高校、科研机构、企业研发部门等）、知识与技术应用部门（以企业为主）、促进知识扩散与技术流动的主体（包括政府部门、行业协会、中介组织等）；网络联系指通过知识合作、技术合作、技术转让等形式，使区域各创新主体之间产生相互作用关系的连接机制；网络尺度涉及本地、城际、省际、全国以及全球等不同空间尺度或不同空间尺度的组合（如“本地-全球”、“本地-全国”等）；网络结构则指从个体网络特征（度数中心度、接近中心度、中间中心度等）、整体网络特征（网络密度、网络关联度、平均最短路径、互惠度、核心-边缘）和网络匹配性（同配性、异配性）等层面揭示科技创新网络的拓扑结构或空间结构特征。科技创新网络的研究主要基于多维邻近性理论展开。Boschma［16］将邻近性分为地理邻近性、认知邻近性、组织邻近性、社会邻近性以及制度邻近性，并从演化经济地理学的视角探讨科技创新网络的形成与演化。此后，学者们基于不同的研究对象与研究目的，对邻近性的维度与概念进行了拓展与完善。鉴于中国经济体制与社会发展的现实，以及原有各维度邻近性之间的相似性与重复性［17］，本研究将多维邻近性界定为地理邻近性、经济邻近性、认知邻近性、技术邻近性以及产业邻近性。

地理邻近性是指科技创新主体之间在地理空间上的分割程度及接近程度，通常以各主体间的地理距离来衡量，被认为是科技创新网络形成的基础及网络演化的首要影响因子［18］。Mitze 等［19］的研究结果显示，科研主体之间的地理距离与其合作强度显著负相关。因此，邻近的地理距离有助于各科研主体之间进行知识交流与共享，尤其是有利于隐性知识（非编码化知识）的流动与溢出，是科学研究与技术创新的“催化剂”。同时，地理邻近性有助于区域本地根植性的增强，可为区域共同应对风险创造有利条件。

经济邻近性是指各区域在经济规模及经济结构等方面的接近程度。科技创新网络是知识搜寻、技术合作与流动的结果，经济邻近的区域通常拥有相近的技术体系、人力资本、技术需求与技术吸收能力，有利于展开知识交流与技术合作。Scherngell 等［20］和任龙等［21］的研究结果表明，区域之间经济邻近性越低，即经济规模与经济结构的差距越大，越不利于落后地区吸收和引进发达地区的先进知识和技术，其展开科研合作和技术交流的可能性也越低。

认知邻近性反映科技创新主体之间知识基础共享的程度，被认为是知识合作与技术交流的前提条件［22］。认知邻近有利于区域创新主体对已有的互补性知识进行整合，通过知识共享有效提高知识溢出效率，并在此基础上产生新知识、新技术，从而促进区域科技创新网络的多元化与动态化［23］。而另一方面，根据“邻近悖论”可知，认知距离过近容易引发主体间的知识异质性降低、空间合作伙伴锁定等问题，不利于科技创新网络的演化。Broekel等［24］的研究结果证实了“邻近悖论”的存在，即过度的认知邻近会降低网络主体的科技创新绩效，抑制科技创新网络的演化。

技术邻近性反映区域科技创新能力的接近程度。科技创新能力相近的区域，通常拥有相似的创新环境及社会制度，这为区域间进行知识交流与技术流动提供了制度与组织保障。而技术势差理论认为，区域之间技术势差的存在是区域发生技术流动与技术转让的必要条件。通常来说，技术流出方多为区域科技创新中心，创新资源丰富、研发体系完备，在区域科技创新网络中主要发挥技术辐射功能；技术流入方多为产业聚集地，对新知识、新技术需求大，可提供技术实现的平台与载体，在科技创新网络中主要发挥技术吸收与实现功能。可见，技术邻近对科技创新网络演化表现出双重影响。

产业邻近性指区域之间在产业结构及产业规模方面的接近程度。产业邻近的区域通常面临相近的技术瓶颈与技术需求，区域在产业升级过程中通常会在相近产业中寻求吻合的技术，因此产业邻近有利于区域之间的创新合作与技术流动。而另一方面，竞争意识与地方保护主义的存在会限制本地优质资源与先进技术的流出，从而使得产业邻近不利于区域之间的创新合作，对科技创新网络演化起抑制作用。

3 研究方法与数据来源

3.1 社会网络分析

借鉴图论思想和王玮等［25］的研究方法，以中国31 个省区市（未含港澳台地区）为网络节点（n）、各省份之间的专利转移关系为边（e）、专利转移量为权重（w），构建中国科技创新有向加权网络（G）G=G（n,e（w））；同时，引入网络密度、网络直径、中心度、平均最短路径等指标，综合分析中国科技创新网络中节点位置及网络结构特征。各指标含义及计算公式如表1 所示。

表1 科技创新网络指标含义及计算说明

表1 （续）

3.2 和弦图

和弦图是一种网络拓扑关系可视化分析工具。和弦图中的圆弧对应网络节点，圆弧对应的圆心角度数越大、弧长越长表明节点的专利转移数量越多、在科技创新网络中的地位越高；圆弧间的连线反映了节点间的拓扑关系，连线宽度越大说明专利转移数量越多、联系越紧密。本研究使用和弦图动态刻画中国31 个省份间的科技创新网络拓扑关系，明确各省份在科技创新网络中所处位置及发挥的作用。

3.3 负二项回归

为探究中国科技创新网络的邻近性机制，基于上述理论分析，构建如下负二项回归模型：

3.4 数据来源

研究数据中，专利转让数据来源于HimmPat 专利检索数据库，专利类型包括实用新型、发明授权及外观设计3 种类型，共检索到1990—2020 年省际专利转让记录689 518 条，其中1990—2000 年专利转移记录602 条，2001—2010 年为39 555 条，2011—2020 年为649 361 条。各省份生产总值及各产业产值数据来源于历年《中国统计年鉴》，R&D 投入经费及专利授权数来源于历年《中国科技统计年鉴》。

4 中国区域科技创新网络的时空演化特征

4.1 创新联系不断增强，网络趋向复杂

运用社会网络分析方法，计算得到31 个省份科技创新整体网络统计指标值（见表2）。其中：网络边数从1990 年到2020 年扩张了4.6 倍；最大专利转移量由1990—2000 年的64 件（海南-天津）增加至2011—2020 年的23 069 件（浙江-江苏），增加了359.45 倍；网络密度相应增长至接近最大值1，表明各省份间的创新联系数量不断增多，创新联系强度持续增强。

表2 31 个省份科技创新整体网络指标结果

根据省际专利转移数据，绘制31 个省份的专利转移和弦图（见图1）。可以看出，各个节点发出的连线数量不断增多，表明省际专利交易不断突破地理空间的限制与区域行政壁垒，专利交易对象不断扩充；同时，节点连线之间表现出显著的强强联合特征，即科技创新能力强的节点之间的连线宽度显著大于科技创新能力弱的节点之间的连线宽度；此外，科技创新能力弱的节点更倾向于与科技创新能力强的节点形成专利交易关系，即存在择优连接机制，表明科技创新网络连接同配性与异配性并存。从圆弧长度看，1990—2000 年，北京、上海、广东构成专利转移网络的核心三角结构；2001—2010 年，江苏专利转移数量大幅增加，由京津冀、长三角、珠三角构成的专利转移网络核心三角结构进一步强化；2011—2020 年，专利转移网络的重心南移，三角结构逐渐演变成以长三角和珠三角为中心的双边结构。总体来看，科技创新网络逐渐由稀疏网络演化成错综复杂的高连通网络。其原因是，随着中国经济的转型，科技创新对于地区经济发展的支撑作用愈发重要，各个省份都加大了对科学研究与技术开发的投入力度，以求占领科技创新的高地；同时，知识产权制度的不断完善为技术转移提供了顺畅通道与制度保障，从而共同促进了科技创新网络向复杂网络演化。

图1 31 个省份省际专利转移和弦图

4.2 网络通达性与技术转移效率显著提高，小世界性明显

由表2 可知，在考察期间，平均最短路径由1.851缩短至1.005，表明节点之间只需要经历1 次中介就可以产生技术联系，网络通达性较好；网络直径由3 降至2，表明创新网络内技术转移效率显著提高，这主要源于市场化改革催生的巨大红利，使得全国范围内的技术需求与技术供给能有效对接，降低信息不对称风险，同时法律法规的完善、相关中介服务机构的成立使得技术转移过程更加规范且高效，区域之间由“创新孤岛”逐步演变为互联互通的协同创新网络；小世界性指标值由1.259 提高至1.334，表明创新网络的小世界特征愈发明显。在网络理论中，小世界理论是指在一个由大量顶点构成的网络中，部分节点之间彼此并不直接相连，但这些节点之间经过少数几步即可到达［26］。通常情况下，网络中会存在一些中心——它们是具有很高连接数的节点（即高度节点），这些中心扮演了公共连接的角色，缩短了其他节点之间的平均最短路径长度。依据小世界理论，中间中心度高的网络节点（即高度节点，如表3 中的北京、广东、上海、山东等）能显著缩短技术流动的平均最短路径，促进技术在不同节点之间的高效转移，提高技术溢出效率，在技术辐射的同时进行自我强化，加强其科技创新中心的地位；同时，这些节点负责与网络外部进行知识交流与技术交换，发挥“技术守门员”（gatekeepers，即在本地网络内进行技术传播和知识扩散，在网络外部对外来知识进行转移和吸收，从而产生新知识的参与者［27］）功能。

表3 31 个省份创新网络发展过程中中间中心度排名前五的省份

4.3 网络空间分布失衡，梯度差异明显

根据3个时间段各省份的加权出度与加权入度，得到各省份的加权中心度，运用自然间断点对各省份进行分级处理，结果如表4 所示。其中：

表4 31 个省份在科技创新网络的加权中心度分级结果

1990—2000 年，北京、广东、上海3 个省市组成专利转移网络的第一梯队，成为科技创新网络的支撑节点。具体而言，北京与27 个省份发生专利交易关系，专利转出量与专利交易总量均居第一、专利转入量位居第二，成为全国性的技术集散中心；广东与25 个省份发生专利交易关系，专利转出量与专利转入量均居第三、专利交易总量居第二位；上海与20 个省份发生专利交易关系，专利转出量居第五、专利转入量居第一、专利交易总量居第三，成为全国最大的技术聚集地。第二梯队以东部沿海省份辽宁、天津、山东、江苏及中部省份湖南为主，这些省份科研资源丰富、技术创新能力较强，同时工业基础雄厚、产业体系完备、技术转化能力突出，成为科技创新网络的中坚力量。第三梯队以区域性科技创新中心为主，包括东北的黑龙江、吉林，东部的浙江、福建，中部的湖北，西部的陕西、四川等省份，是区域科技创新网络的重要节点。其余15个省份为第四梯队，以西部及中部省份为主，处于科技创新网络的边缘。总体来看，这一时期的科技创新网络呈金字塔型结构。

2001—2010 年，除北京、广东、上海外，江苏也跻身第一梯队俱乐部。其中，北京的专利转出量、专利转入量、专利交易总量均居第一，其全国技术集散中心的地位进一步强化；广东专利转出量居第二、专利转入量居第三，专利交易总量仅次于北京，成为第二大技术集散中心。第二梯队与前期相比，规模大幅缩减，仅剩山东、浙江两个省份。第三梯队由于前期第二梯队中个别省份的掉落和第四梯度个别省份的追赶，规模有所扩张，增至10 个省份。第四梯队仍为15 个省份，主要分布于西部及东北地区，在地理空间上表现出显著的集聚特征。

2011—2020 年，浙江取代北京及上海，与江苏、广东组成科技创新网络的第一梯队。北京、上海、山东、安徽、福建组成第二梯队，其中，安徽由第四梯队逐级递升至第二梯队，福建由第三梯队递升至第二梯队，实现了科技创新网络地位的跃升。第三梯队仍为10 个省份，其中，江西、广西、重庆实现了梯队跃迁，陕西则遭遇了梯度下移。第四梯队数量与前期相比有所减少，但仍是省份个数最多的梯队。总体来看，科技创新网络空间分布梯度差异明显，由东到西能级递减。

4.4 “核心-边缘”格局强化，路径依赖与路径创造并存

运用UCINET 软件进行“核心-边缘”结构识别，得到的结果如表5 所示。总体来看，核心区主要以北京、上海、江苏、浙江、广东等经济发达省市为主，且核心区内的省份个数持续减少，边缘区的省份个数持续增加，说明科技创新资源加速集聚于少数科技创新中心，极化趋势明显。

表5 31 个省份科技创新网络的“核心-边缘”结构

从专利转移路径来看（见表6），北京、上海、江苏、浙江、广东等核心区省市之间的专利转移量最多，且其专利转移规模快速增长，自我强化特征明显，专利转移路径表现出显著的空间惰性与时间惯性。从核心区专利转移量所占比重来看，核心区各节点之间1990—2000 年、2001—2010 年、2011—2020 年分别发生专利转移195 件、10 167 件、100 744 件（见表4），占专利转移总量的比重分别为32%、26%、16%，可以看出，核心区专利转移量占专利转移总量的比重持续下降，说明新的专利转移关系不断产生并趋于强化，演化成科技创新网络新的生长线，从而提升整个网络的连通性，扩大网络规模。

表6 31 个省份创新网络内专利转移量统计

5 中国科技创新网络的邻近性机制分析

为探究中国科技创新网络的邻近性机制，对31个省份的有关数据进行检验，结果表明：在3 个发展时段变量Patij的方差均大于均值，表明数据存在过度分散特征，应采用负二项式回归模型进行分析。负二项式回归模型的估计结果见表7，可以看出，模型整体通过了1%的显著性水平检验，且Alpha 值显著不为0，表明本研究构建的负二项式回归模型拟合程度较好，具有较强的解释力。

表7 31 个省份科技创新网络邻近性的模型估计结果

从地理邻近性来看，3 个时间段内Gep 的回归系数均通过1%的显著性水平检验，且回归系数均为负，表明地理邻近对专利转移表现出显著的阻抗作用，即专利转移更容易发生在地理邻近的区域之间，这与以上理论分析相符。专利转移需要通过市场交易机制来实现，地理邻近有助于交易双方进行面对面地交流谈判，降低交易的时空成本，提高专利转移的效率。

从经济邻近性来看，1990—2000 年和2011—2020 年的Ecp 均通过了1%的显著性水平检验且回归系数均为负，表明经济邻近，即经济规模与经济结构的接近程度对专利转移表现出显著的促进作用，即经济距离越小则专利转移量越多，这与以上理论分析一致。2001—2010 年的Ecp 未通过显著性检验，主要原因是有些省份之间虽然经济规模与经济结构的差距较小，但经济发展水平都比较低，自身的研发实力相对有限，对技术的需求也相对较少，从而展开技术交流与合作的可能性较小，使得经济邻近性对技术转移的影响不显著。

从技术邻近性来看，3 个时间段内的Tep 均通过了1%的显著性水平检验且回归系数均为正，表明技术差距会显著促进区域之间的专利转移，证实了以上理论分析中的技术势差理论。区域之间技术势差的存在为区域间技术转移提供了条件，加之目前多数省份的科技创新能力较弱，为了满足自身技术需求，在进行技术交易时更倾向于与科技创新能力强的省份展开合作，这进一步证实了科技创新网络存在择优连接机制。

从认知邻近性来看，1990—2000 年的Cop 通过了5%的显著性水平检验，2011—2020 年的Cop 通过了10%的显著性水平检验，且回归系数均为正，表明认知差距会显著促进区域之间的专利转移。原因在于过度的认知邻近会造成知识重叠性变高、空间合作关系锁定等问题，不利于区域之间的技术交流；而认知差距的扩大有利于创新主体间异质性知识的交流互换，以及新知识与新技术的产生，从而促进区域之间的创新合作与技术交流。

从产业邻近性来看，3 个时间段内的Inp 均通过了1%的显著性水平检验且回归系数均为负，表明产业结构越相似，区域之间发生技术转移的概率越低。原因是：第一，产业邻近的区域之间通常面临相近的技术需求，而地方保护主义与竞争意识的存在使得区域为了保持技术领先地位，减少与产业邻近区域之间的技术交流；第二，在经济转型的背景下，地方政府为了实现本地区产业结构的转型升级，更倾向于与产业结构更为先进的区域展开合作，从而使得产业邻近对专利转移表现出负向影响。

6 结论与对策建议

中国科技创新资源分布存在明显的失衡现象，加快区域科技创新网络构建是促进科技创新资源流动共享、科技成果有效转化、缩小区域创新差距的重要途径。本研究以专利转移为视角构建中国区域科技创新网络，运用社会网络分析及和弦图揭示其时空演化特征，并采用负二项回归模型探究其演化的邻近性机制，得到的结论如下：

（1）科技创新网络向复杂网络演化，网络连接同配性与异配性并存。科技创新网络的网络边数快速扩张，网络密度持续增大，节点间的创新联系不断增强，由稀疏网络向复杂网络演化；同时，科技创新能力强的节点之间的连线宽度显著大于科技创新能力弱的节点之间的连线宽度，科技创新能力弱的节点更倾向于与科技创新能力强的节点形成专利交易关系，表明网络连接同配性与异配性并存。

（2）科技创新网络的通达性与技术转移效率显著提高，小世界特征明显。由社会网络分析结果可知，平均最短路径由1.851 缩短至1.005，网络直径由3降至2，小世界性指标值由1.259 提高至1.334，表明科技创新网络的通达性与技术转移效率显著提高，小世界特征明显。这主要源于市场化改革催生的巨大红利，使得地方之间由“创新孤岛”逐渐演变成互联互通的协同创新网络。

（3）科技创新网络的空间分布失衡，梯度差异明显，呈现由东到西能级依次递减特征。具体来看，第一梯队主要由东部沿海发达省份组成，是科技创新网络的支撑节点；东部其余省份组成第二梯队，是科技创新网络的中坚力量；中部省份及个别西部省份组成第三梯队，是区域科技创新网络的重要节点；西部大部分省份组成第四梯队，处于科技创新网络的边缘。

（4）科技创新网络的“核心-边缘”格局不断强化，路径依赖与路径创造并存。1990—2020 年，北京、上海、江苏、浙江、广东等核心区省份之间的专利转移量最多，路径依赖特征明显；同时，核心区专利转移量占整个创新网络专利转移总量的比重持续下降，说明新的专利转移关系不断产生并趋于强化，形成科技创新网络新的生长线，网络演化兼具路径创造特征。

（5）邻近性理论框架对于中国科技创新网络的演化具有较好的解释能力。其中，地理邻近、经济邻近显著促进科技创新网络的演化，技术邻近、认知邻近、产业邻近显著抑制科技创新网络的演化。

基于以上研究结论及中国科技创新网络发展的现实，提出如下对策建议：

（1）完善专利交易机制，提升技术转移效率。政府部门应强化研发设计和知识产权评估、转让等科技服务，营造有利于技术转移的政策环境；构建统一开放、互联互通的全国技术交易市场与地方技术交易市场，弱化信息不对称对于技术转移的阻碍作用；完善科技创新成果的市场化定价机制，培育发展技术转移服务机构，促进技术转移体系高效运转。

（2）推进科技创新网络向多中心、多层级结构演变，增强网络稳定性。以北京、上海、广州、深圳、香港为全国科技创新中心，推进京津地区、长三角地区、粤港澳大湾区建设成为世界级科技创新集群；以沈阳、青岛、郑州、武汉、成都、西安等为区域科技创新中心，推进辽中南地区、山东半岛地区、中原地区、长江中游地区、成渝地区、关中平原地区建设成为区域科技创新集群，形成多中心、多层级的区域创新网络。

（3）弱化地理距离、经济距离、产业邻近对于科技创新网络演化的阻抗作用，充分发挥中介省份的“桥梁”作用。完善交通、通信等基础设施建设，降低知识与技术交流合作的时空成本；强化地区间的知识共享与创新合作意识，促进科技创新资源自由流动，以区域合作代替区域竞争；充分发挥中介省份的辐射带动作用，促进网络边缘省份连线结网，共同促进区域创新合作及区域协调发展；因地制宜，建立符合区域优势的差异化产业结构，并加快产业结构优化升级；打破地方保护主义，树立正确的竞争意识，加强产业邻近区域之间的技术交流。