魏 巍，王 婷，周世军

（1.安徽艺术学院 国有资产管理处，合肥 230011；2.合肥幼儿师范高等专科学校 社会管理与服务系，合肥 230011；3.安徽工业大学 商学院（安徽创新驱动发展研究院），安徽 马鞍山 243032）

0 引言

数字创意产业作为数字经济的重要组成部分，是文化创意产业和现代信息技术相互融合而成的一种新型业态，具有高附加值、高科技、高技术和多产业高度融合等特征，对加速推进文化产业变革、提升国家文化软实力、发展壮大数字经济、加快构建新发展格局具有深远意义。然而我国数字创意产业正面临着诸多挑战，一方面，产业基础薄弱，数字创意领域创作、生产、传播等方面的投入相对不足，与发达国家的技术创新水平存在一定差距[1]。另一方面，数字创意产业具有较高的人才壁垒行业门槛，专业技术人才队伍亟待补充，虚拟现实/增强现实（VR/AR）技术、超高清视频技术、数字内容生产和创新设计软件等领域的人才供需矛盾尤为突出[2]。因此，研究数字创意产业技术创新问题具有重要的理论和现实意义。

目前我国对数字创意产业的研究还处于认知阶段，有关数字创意产业技术创新的系统研究较少，主要包括以下两个方面内容：一是部分学者围绕数字创意产业“概念内涵—发展特征—发展现状—面临问题”的结构展开分析，提出了创新发展方向[3—7]。二是部分学者研究了数字创意产业技术创新的驱动机制问题[8—12]。然而，有关数字创意产业技术创新的研究主要是理论阐述和定性分析，缺乏实证研究和定量分析，不能准确把握数字创意产业技术创新的特征，无法刻画数字创意产业技术创新的空间关联网络结构形态，难以揭示数字创意产业技术创新空间关联的驱动机制。鉴于此，本文基于“关系数据”对数字创意产业技术创新进行空间量化研究，构建修正后的引力模型确定数字创意产业技术创新的空间关联关系，运用社会网络分析方法研究数字创意产业技术创新的空间关联网络演变特征，采用二次指派程序（Quadratic Assignment Procedure,QAP）方法识别数字创意产业技术创新空间关联的驱动因素，为促进数字创意产业技术创新的跨区域联动、协同发展提供理论参考。

1 研究设计

1.1 引力模型的构建

数字创意产业技术创新的空间关联网络中“点”与“线”分别是各省份和省份间的数字创意产业技术创新的关联关系，进而形成省份间数字创意产业技术创新的空间关联网络。本文借鉴吕荣杰等（2019）[13]、赵林等（2021）[14]和孙中瑞等（2022）[15]的做法，构建修正后的引力模型刻画数字创意产业技术创新的空间关联网络，如式（1）所示：

式（1）中，Sij为省份i和省份j之间数字创意产业技术创新的引力；Fi、Fj分别为省份i和省份j的数字创意产业专利申请总数，代表数字创意产业技术创新水平；Xij表示省份i在和省份j之间数字创意产业技术创新联系中的贡献率；Dij为i和j两省份省会城市之间的距离；gi、gj为省份i和省份j的人均GDP；Dij/(gi-gj)反映省份i和省份j之间的经济地理距离。根据引力模型可得出省份间数字创意产业技术创新的引力矩阵，当引力值大于所在行的平均值时，则赋值为1，表示引力值所在行省份对所在列省份存在空间溢出效应，否则赋值为0，表示不存在空间溢出效应。

1.2 QAP模型的构建

由于信息化水平、基础设施水平、人力资本状况、市场开放程度、政府创新支持力度等因素直接影响本省份和其他省份的数字创意产业技术创新，本文确立数字创意产业技术创新的空间关联驱动因素模型，如式（2）所示：

式（2）中，S、GA、IL、IF、HC、MO和GS均为关系矩阵；S表示数字创意产业技术创新的空间关联矩阵；GA为地理位置邻接矩阵，若省份间邻接则赋值为1，否则赋值为0；信息化水平差异IL、基础设施水平差异IF、人力资本状况差异HC、市场开放程度差异MO和政府创新支持力度差异GS，先分别取2011—2020年各省份互联网普及率、公路与铁路网络密度、人均受教育年限、进出口总额占GDP 比重、科学技术支出占一般公共预算支出比重指标的平均值，然后利用各省份对应指标的绝对差异构建差异矩阵。

1.3 数据来源

本文以2011—2020年我国31个省份（不包括港澳台）的数据为样本。数字创意产业专利申请数据来自全球专利数据库（incoPat），年末总人口数、地区生产总值、互联网普及率、公路与铁路网络密度、人均受教育年限、进出口总额占GDP 比重、科学技术支出占一般公共预算支出比重等数据取自国家统计局网站以及2011—2021 年《中国统计年鉴》；省会城市之间的球面距离由ArcGIS 9.4 软件计算得出。为剔除价格要素的影响，以2011年为基年（指数=100）进行价格平减。

2 演变特征

2.1 整体网络特征

由修正引力模型计算出2011—2020年数字创意产业技术创新的空间关联矩阵，经过二值化处理后，得出省份间数字创意产业技术创新的空间关系，使用Ucinet可视化工具绘制出2011 年和2020 年的空间关联网络图（见图1和图2），可以看出，数字创意产业技术创新空间关联表现为多流向、多线程的典型网络结构形态。2000年空间关联网络中上海、北京、江苏、天津和浙江的关联关系数最多，处于核心位置；广东和福建等省份的关联关系数较多，处于次级核心位置；东北、西北、西南和华中地区省份的关联关系数相对较少，处于边缘位置；西藏、宁夏的关联关系数为0，处于孤立状态。2020年，空间关联网络关系数由2011年的156个增至170个，核心位置及次核心位置成员及其关系相对稳定，边缘位置的关系数明显增加，西藏、宁夏由孤立状态逐渐融入空间关联网络。总体上，样本期内形成以长三角、京津地区为核心区，东南沿海地区为次核心区，东北、西北、西南和华中地区为边缘区的复杂网络圈层结构。

图1 2011年中国数字创意产业技术创新的空间关联网络

图2 2020年中国数字创意产业技术创新的空间关联网络

由下页图3 和图4 可知，2011—2020 年关联关系数总体呈现波动上升的趋势，关联关系总数由156 个增至170个；与之对应的网络密度表现为波动上升，由0.1677 增至0.1828，表明数字创意产业技术创新的空间关联性明显增强。值得说明的是，虽然样本期内关联关系数和网络密度明显提升，但明显小于理论上网络的最大可能关系总数（31×30=930个）和网络密度（1），反映了我国数字创意产业技术创新的空间关联密切程度仍存在较大的提升空间。样本期内网络关联度由2011年的0.8731上升至2020年的1，说明数字创意产业技术创新空间关联网络的状态从存在个别“孤岛”省份到各省份间均存在间接或直接的关联关系，各省份节点的通达性持续向好，数字创意产业技术创新在省份间存在明显的空间溢出效应。研究期内网络等级度表现出波动上升的趋势，由2011 年的0.6047上升至2020 年的0.6121，网络等级度始终维持在较高的水平，表明省份间数字创意产业技术创新存在较为森严的等级结构，大多数省份节点处于被支配地位，应进一步完善整体空间关联网络的结构。网络效率在样本期内表现出一定的增长态势，由2011 年的0.7169 上升至2020 年的0.7333，说明我国数字创意产业技术创新空间关联网络冗余路径不断减少，关联效率得到提升，但也反映出整体网络路径缺少多样性，影响整体网络的稳定性。

图3 中国数字创意产业技术创新空间关联的网络关联关系与网络密度

图4 中国数字创意产业技术创新空间关联的网络关联度、网络等级度和网络效率

2.2 个体网络特征

各省份在数字创意产业技术创新空间关联网络中的作用和地位能够通过点出度、点入度、点度中心度、接近中心度和中介中心度进行衡量，表1 列出了2011 年和2020年各省份的中心性结果。

表1 2011—2020年中国数字创意产业技术创新空间关联网络的中心性结果

（1）点出度与点入度。2011—2020 年，北京、上海、江苏、浙江、天津、广东、福建7 个省份的点入度始终高于点出度，表明长三角、珠三角和京津地区在数字创意产业技术创新空间关联网络中受益关系大于溢出关系，对其余地区的虹吸效应显著；大部分西部（云南、四川、贵州、甘肃、新疆、青海、陕西）、中部（河南、湖北、湖南、内蒙古、江西、山西、黑龙江、吉林）和少数东部（辽宁、广西、海南）省份的点出度均高于点入度，表明上述省份在数字创意产业技术创新空间关联网络中溢出关系大于受益关系，对其余省份的净溢出效应显著。西藏、宁夏、湖北、江苏和青海等11个省份2020 年点出度大于2011 年点出度，这些省份的溢出效应呈增长趋势；重庆、湖北、江苏、福建和广西等15个省份2020 年点入度大于2011 年点入度，这些省份的虹吸效应呈增长趋势。

（2）点度中心度。2011—2020 年点度中心度平均值由29.032 提高至31.398，数值区间由0～86.667 缩小为13.333～93.333，说明点度中心度整体表现为上升态势，网络关联的集聚程度有所下降。2020年，北京、上海、江苏、浙江、天津、福建、湖北和广东8个省份的点度中心度显著大于全国平均值，这些省份在空间关联网络中与其他省份的空间联系较多，说明他们处于空间关联网络的核心位置，对整体数字创意产业技术创新空间关联的影响力较大，发挥着“发动机”的作用。辽宁、吉林、河北、山东、山西、黑龙江、陕西、宁夏等省份的点度中心度较小，这些省份在数字创意产业技术创新空间关联网络中与其他省份的空间联系较少。比较2011年与2020年的点度中心度发现，天津、广东和浙江等省份的降幅较大，在空间关联网络中的影响力明显减弱，江苏、福建、湖北、宁夏和西藏等省份的增幅较大，在空间关联网络中的影响力明显增强。此外，宁夏、西藏的点度中心度由0分别增至16.667、26.667，他们在数字创意产业技术创新空间关联网络中与其他省份的空间联系从无到有。

（3）中介中心度。2011—2020 年中介中心度平均值由15.484 提高至17.774，数值区间由0～126.250 扩大为4～140.450，表明中心省份的主导控制作用呈增强态势。2020年，江苏、北京、上海、福建、山东、湖北、湖南7个省份的中介中心度高于全国均值，这些省份对其他省份数字创意产业技术创新资源和要素的控制能力较强，对其他省份关联关系的形成具有较强的推动作用，在空间关联网络中发挥着“桥梁”和“中介”的作用。吉林、辽宁、陕西、河北、宁夏、黑龙江、内蒙古、新疆、江西等省份的中介中心度排名靠后，这些省份大多都创新动能不足、经济发展水平较低，他们在数字创意产业技术创新空间关联网络中对其余省份的控制和支配作用较弱。比较2011年和2020年中介中心度数值变化，江苏的提升幅度最大，由20.633 提升至140.450，中介功能显著增强；北京、上海下降幅度较大，北京由105.250下降至64.333，上海由126.250下降至40.717，中介功能显著减弱。

（4）接近中心度。2011—2020 年接近中心度平均值由15.658 提高至30.105，数值区间由3.226～32.609 扩大至3.226～93.750，反映出接近中心度的上升态势较为明显。2020 年，上海、北京、江苏、浙江、天津、山东、安徽、湖北、河北、河南、湖南、江西、福建和广东14个省份的接近中心度显著大于全国平均值，他们在数字创意产业技术创新空间关联网络中与其余省份形成关联的速度较快，具有重要的引领带动作用，扮演着“中心行动者”角色，可能是因为他们的经济发展水平较高且地理位置较优越，能够快速拉动其他省份数字创意产业技术创新水平。接近中心度排名靠后的省份地理位置偏远且经济基础薄弱，在数字创意产业技术创新空间关联网络中扮演着“边缘行动者”角色。观察2011年和2020年中介中心度数值变化，北京、上海和江苏的增幅较大，引领带动作用日益增强，吉林、陕西和辽宁降幅较大，边缘属性加重。

2.3 空间聚类特征

为刻画数字创意产业技术创新空间关联网络的空间聚类特征演变，选取2011年和2020年数据，通过Ucinet工具的CONCOR 功能，将31 个省份划分为四大板块。2011—2020年四大板块的成员稳中有变。2011年，北京、天津、江苏、上海、广东和浙江6 个省份属于第一板块，西藏和宁夏属于第二板块，吉林、辽宁、黑龙江、内蒙古、河北、山西、河南、山东、陕西、甘肃、新疆11个省份属于第三板块，四川、贵州、云南、广西、海南、湖南、湖北、江西、安徽、青海、福建、重庆12 个省份属于第四板块。与2011 年相比，2020 年第一板块的广东、江苏和第四板块的福建、重庆进入第二板块，第二板块的西藏、宁夏分别进入第三和第四板块，第三板块的陕西、新疆进入第四板块。总体上，第一板块成员均位于京津、长三角地区，第二板块成员主要是东部沿海发达地区省份，第三板块成员大多都是东北、华北地区省份，第四板块成员多为西南、西北、华中和华南地区省份。由表2可知，2011年数字创意产业技术创新空间关联网络的关系数为156 个，其中，板块内的关系占比为19.23%，板块间的关系占比为80.77%；2020年关系总数升至170个，其中，板块内的关系占比为10.59%，板块间的关系占比为89.41%，说明我国数字创意产业技术创新空间关联网络的溢出效应以板块间占主导，且板块间的溢出效应呈现增强的趋势。

表2 2011年和2020年中国数字创意产业技术创新空间关联板块划分结果

具体来说，2011 年第一板块总受益关系数为121 个，板块外受益关系数为110 个；总溢出关系数为18 个，板块外溢出关系数为16 个；该板块实际内部关系比例远大于期望内部关系比例，板块外的受益关系数明显大于溢出关系数，属于“净受益”板块。第二板块仅存在板块内溢出关系11个，该板块内外部的联系较少，属于“孤立”板块。第三板块总受益关系数为15 个，板块外受益关系数为7 个；总溢出关系数为57个，板块外溢出关系数为46个，该板块对板块内、板块外均有明显的溢出效应且溢出效应占比较高，属于“双向溢出”板块。第四板块总受益关系数为20个，板块外受益关系数为9个；总溢出关系数为72个，板块外溢出关系数为64 个；该板块实际内部关系比例明显小于期望内部关系比例，板块外的溢出关系数远大于受益关系数，属于“净溢出”板块。2020年，第一板块的受益关系数、溢出关系数以及两者的差值均明显变小，在空间关联网络中的“净受益”属性变弱。第二板块的内部成员发生改变，板块内外部的关系明显增加，板块外受益关系数由0 个增至39 个，板块外溢出关系数由0 个增至20 个，该板块既接收其他板块的溢出又向其他板块溢出，由“孤立”板块变为“经纪人”板块。第三板块板受益关系数和溢出关系数相对平稳。第四板块的溢出关系数大幅增加，由72个增至87个，说明“净溢出”板块的溢出效应明显提升。

为进一步研究板块间数字创意产业技术创新的关联关系，本文通过板块密度矩阵和像矩阵进行分析。计算出各板块数字创意产业技术创新空间关联网络的密度矩阵，密度矩阵结果如下页表3 所示。若密度矩阵中的密度值大于相应年份网络的整体密度值，说明相应板块间的数字创意产业技术创新空间溢出效应较为明显，则赋值为1，否则赋值为0，所有的密度值完成赋值后即可得到像矩阵（见表3）。由2011年的密度矩阵和像矩阵可知，第一板块不但自身内部存在明显的数字创意产业技术创新空间溢出效应，而且对第三、第四板块均存在一定的溢出效应。第二板块与各板块间不存在空间溢出效应。第三、第四板块除自身内部存在微弱的溢出效应外，对第一板块产生明显的溢出效应。与2011 年相比，2020 年第二板块对第一板块、第四板块对第二板块的溢出效应均从无到明显。除第一板块对第四板块，第二、第三和第四板块自身内部，以及第四板块对第一板块的溢出效应减弱或未变化外，其余板块内部和板块间的溢出效应均有一定提升。可见我国数字创意产业技术创新网络中各板块间的空间联系逐渐增多，协同、联动效应明显增强。

表3 2011年和2020年中国数字创意产业技术创新空间关联的密度矩阵和像矩阵

3 驱动因素

3.1 QAP相关性分析

数字创意产业技术创新空间关联矩阵与驱动因素的QAP相关性分析结果如表4所示，各省份的地理位置邻接关系、信息化水平差异、基础设施水平差异、人力资本状况差异、市场开放程度差异、政府创新支持力度差异与数字创意产业技术创新空间关联的相关系数分别为0.127、0.229、0.424、0.386、0.229、0.351，均通过了显著性检验，说明上述指标与数字创意产业技术创新空间关联存在密切的相关关系，但相关关系不等同于回归关系，各指标的省域差异对数字创意产业技术创新空间关联的影响需要进行回归分析得出。

表4 中国数字创意产业技术创新空间关联矩阵与驱动因素的QAP相关性分析结果

为确定合适的回归方法，需要进一步研究驱动因素间的相关性。由表5研究结果可以发现，地理邻接关系与其他解释变量均存在显著相关关系，说明本文选取的解释变量对数字创意产业技术创新空间关联关系的影响具有“多重共线性”，因此需要通过QAP回归方法进行分析。

表5 中国数字创意产业技术创新空间关联驱动因素之间QAP相关性分析结果

3.2 QAP回归分析

进行QAP 回归分析后得到调整的可决系数为0.245，在1%的水平上显著，表明选取的6 个驱动因素差异矩阵能够阐释数字创意产业技术创新空间关联的24.50%，具体的解释变量和截距项的估计结果见表6。各省份的地理位置邻接关系、信息化水平差异、基础设施水平差异、市场开放程度差异、政府创新支持力度差异的回归系数均为正值，其中地理位置邻接关系、市场开放程度差异通过了1%水平上的显著性检验，信息化水平差异、基础设施水平差异通过了5%水平上的显著性检验，政府创新支持力度差异通过了10%水平上的显著性检验，说明地理位置邻接关系、信息化水平差异、基础设施水平差异、市场开放程度差异、政府创新支持力度差异对数字创意产业技术创新的空间关联有着显著的正向影响，各指标差异越大，数字创意产业技术创新的空间关联和溢出效应越明显。人力资本状况差异的回归系数为负值，且通过了1%水平上的显著性检验，说明人力资本状况差异对数字创意产业技术创新的空间关联有着显著的负向影响，人力资本状况的相似性能够促进省份间的技术创新交流，进而加强省份间数字创意产业技术创新空间关联程度。究其原因，各省份之间自身禀赋条件和外部环境存在的差异性，使得省份间存在数字创意产业技术创新“势能差”，有助于促进“要素资源流”的跨区域流动，并通过规模效应、协同效应、网络效应和双边市场效应，推动省份间出现技术创新的空间溢出，进而各省份数字创意产业技术创新空间关联网络关系的关联度和复杂性也随之提高，从而共同驱动数字创意产业技术创新省际关联网络的加快形成。

表6 中国数字创意产业技术创新空间关联驱动因素的QAP回归结果

3.3 稳健性检验

为检验QAP 回归结果的稳健性，分别以数字创意产业技术创新空间关联矩阵平均值的90%和110%作为阈值，构建全新的二值空间关联矩阵，以此为新的被解释变量，同时将原有驱动因素矩阵作为解释变量分别与上述矩阵进行QAP 相关性和QAP 回归分析。限于篇幅，本文未列出稳健性检验结果，结果显示，无论是以平均值的90%作为阈值，还是以平均值的110%作为阈值，调整的可决系数均在1%的水平上显著，说明各驱动因素的差异矩阵对数字创意产业技术创新的空间关联矩阵的解释力度较好。同时，各驱动因素差异矩阵回归系数符号与显著性在检验前后基本一致，本文QAP实证结果具有稳健性。

4 结论与启示

4.1 结论

本文综合运用社会网络分析方法、修正的引力模型和QAP 回归方法研究了我国数字创意产业技术创新空间关联网络演变特征及驱动因素，得出如下结论：

（1）我国数字创意产业技术创新空间关联表现为多流向、多线程的典型网络结构形态，整体空间关联网络形成了以长三角、京津地区为核心区，东南沿海地区省份为次核心区，东北、西北、西南和华中地区为边缘区的复杂网络圈层结构。随时间演变空间关联性呈现明显的增强趋势，但整体网络结构有待进一步优化。

（2）样本期内数字创意产业技术创新空间关联网络的点度中心度、中介中心度和接近中心度数值均表现为明显的上升态势。目前，北京等8个省份在网络中发挥着“发动机”的作用，江苏等7个省份在网络中发挥着“桥梁”和“中介”的作用，上海等14个省份在网络中扮演着“中心行动者”角色。

（3）研究期内数字创意产业技术创新网络中各板块间的空间联系紧密程度由较为疏松趋于较为紧密，协同、联动效应有较大的提升，但是同样存在着非均衡、逆向溢出的问题，“净受益”板块成员均位于京津、长三角地区，“经纪人”板块成员主要是东部沿海发达地区省份，“双向溢出”板块成员大多是东北、华北地区省份，“净溢出”板块成员多为西南、西北、华中和华南地区省份。

（4）地理位置邻接关系、信息化水平差异、基础设施水平差异、市场开放程度差异、政府创新支持力度差异对数字创意产业技术创新空间关联有着显著的正向影响，人力资本状况差异对数字创意产业技术创新空间关联有着显著的负向影响。

4.2 启示

根据上述研究结论，得到以下启示：

（1）各省份应引进数字创意产业专业技术人才，夯实数字创意行业的知识基础，制定数字创意产业政策在兼顾各省份技术创新水平差异的同时，更要关注省份间数字创意产业技术创新的空间联动效应，推动人才、技术、资金等创新资源跨区域流动，加强区域间数字创意产业技术创新的合作与交流，进一步优化整体网络结构。

（2）正确认识各省份在数字创意产业技术创新空间关联网络中的作用和地位，形成数字创意产业技术创新协同传递机制，进一步激发上海、江苏、浙江等数字创意产业技术创新水平较高省份的引领带动作用，深化中心省份与内蒙古、辽宁、吉林、黑龙江、海南、云南等边缘省份的合作。

（3）充分把握数字创意产业技术创新空间聚类特征，针对“双向溢出”“净受益”“净溢出”“经纪人”板块自身的优势和不足，进行差别化的板块管理，注重板块内部以及板块间的协调、均衡发展，鼓励数字创意产业创新知识、技术和人才由发达区域向欠发达区域转移，形成更多的良性空间溢出渠道。

（4）制定区域差别化发展政策，缩小数字创意产业技术创新差距，人力资本状况差异越小，信息化水平、基础设施水平、市场开放程度、政府创新支持力度差异越大，越有利于省际技术创新的空间关联和溢出效应，因此处于边缘外围地带的省份要增强技术创新的引进消化能力，优化数字创意产业技术创新软环境，推动要素资源流跨区域有效流动，促进数字创意产业技术创新省际关联和协调发展。