基于創新聯系的城市網絡特征及影響因素研究
——以粵港澳地區為例

鐘 韻，葉藝華，魏也華

（1.暨南大學經濟學院，廣東廣州 510632；2.猶他大學地理系，美國鹽湖城 84112）

隨著貿易全球化的不斷演進與信息技術、交通條件等條件的不斷改善，城市間聯系愈加頻繁，建立于城市聯系之上的城市網絡成為學者研究的熱點。城市網絡是在不同空間尺度下互相關聯的城市間功能聯系［1］，作為一種新型城市空間組織形式，它強調跨越行政界線的城市間功能關系［2］。簡而言之，城市網絡是城市關系在空間中的反映。當前對城市網絡的研究主要視角包括從基礎設施例如航空、高鐵 等“交通流”數據構建區域的交通網絡［3-6］，從企業組織途徑例如企業總部及分部數據等構建企業活動網絡［7-8］，以及通過生產性服務流動、資金流動和信息流動等各種要素流動分析區域中城市地位及城市間關系［9-12］。城市間的創新聯系是近年來出現的對城市網絡格局分析的新視角［13-15］。就研究的視角而已，有研究認為，從交通基礎設施角度獲得的數據，以及企業總部-分支的布局數據，均帶有城市的屬性特征并附帶城市的等級關系，無法真實反映城市間聯系網絡，亦忽略了城市間的合作關系，但以創新視角研究城市聯系則能直觀展現基于自愿平等原則上的城市網絡［16］。

從創新聯系視角構建城市網絡的已有研究，多是運用修正后的重力模型對GDP、人均GDP 等城市屬性數據以及城市間距離數據進行間接測度［17］，或是基于合著論文、合作專利等數據進行直接測度［18-21］。其中，專利合作數據和科技合作論文數據直接反映了城市間創新合作的成果，被視為城市間科技創新聯系研究中重要的分析數據。在研究方法上，常見的是空間相互作用模型以及社會網絡分析方法，并運用ArcGIS 軟件進行可視化分析。這幾種方法常常結合使用，例如王越等［22］運用空間相互作用模型中的斷裂點模型結合ArcGIS 可視化分析長三角城市創新聯系網絡特征，彭芳梅［23］運用空間相互作用模型中的重力模型結合社會網絡分析方法，分析粵港澳大灣區及周邊城市經濟空間聯系與空間結構，等等。其中，社會網絡分析方法源于社會學［24］，它把復雜多樣的關系形態表征為一定的網絡構型，是創新網絡特征分析的常用方法［25］。

本文擬從創新聯系的視角，基于世界知識產權組織（WIPO）中專利合作協定（PCT）數據，從創新聯系的視角構建粵港澳地區和美國硅谷的城市網絡，運用網絡密度、網絡結構和網絡發育程度等指標及社會網絡分析方法，結合與硅谷地區的對比，分析粵港澳地區的城市創新合作聯系特征，探究影響粵港澳地區城市創新聯系的因素，以期為推進未來的創新合作、制定區域創新政策提供參考依據。美國的硅谷地區是目前公認的全球科技創新中心，地區內的各城市間通過位于不同城市的企業研發合作、產業鏈合作及共同成立區域協調委員會等活動構建了較為成熟的創新聯系網絡，與硅谷的對比有助于反映粵港澳地區創新聯系網絡的發育程度。

粵港澳大灣區建設亟待通過構建緊密的城市網絡關系，以提升區域的整體競爭力［26］；同時，構建國際科技創新中心是《粵港澳大灣區發展規劃綱要》所提出的區域發展戰略定位之一。因此，本研究從創新合作的角度探討粵港澳地區的城市網絡關系，不僅有助于從科技聯系的視角理解粵港澳地區城市之間的功能聯系，而且，本研究所勾勒的創新合作空間結構，對未來深化該地區科技創新產業合作亦有著積極的參考價值。

1 數據來源及研究方法

1.1 數據來源及處理方法

以往的城市創新聯系研究多使用各種類型的城市屬性數據建立指標評價體系，并運用重力模型開展城市之間聯系的測度，此方法難以擺脫城市等級及距離衰減假設等因素的影響。本研究認為，運用合作專利指標能更直接反映城市之間基于自愿原則基礎上的創新聯系，而且，與合著論文相比，合作專利可被視為城市間創新聯系的媒介，合作申請專利更能反映經濟活動的創新合作?；趪H比較、數據可得原則，本文數據采用世界知識產權組織（WIPO）專利合作合約（PCT）數據庫中的城市專利合作數據。

在數據提取上，本文采用字段組合結合高級檢索方法，從PCT 體系中調取1999—2017 年粵港澳地區1）和美國硅谷專利合作數據。數據篩選采用專利申請人所在城市不同作為一大清洗原則，換而言之，若PCT 上的多個申請人地址均位于同一個城市時，此樣本將被剔除。由于PCT 從申請到正式公布需要較長的時間，因而我們選用申請日年度作為專利合作的流量分析年度劃分依據；又鑒于2017 年申請的PCT 專利合作數據尚未公布完全，本文采用了公布日截止至2016 年12 月31 日的數據，由于粵港澳地區1999 年以前在檔PCT 數量較少，本研究采用1999—2016 年粵港澳地區跨城市專利合作數據樣本，以及1988—2016 年美國硅谷地區的跨城市專利合作數據樣本，構建基于兩個區域的城市創新聯系網絡。

1.2 分析方法與指標

社會網絡分析方法是城市網絡分析較為常見的一種方法，關注點包括網絡密度、核心-邊緣分析、度數中心性及中間中心性等。

1.2.1 網絡密度

網絡密度反映一個圖的凝聚力的整體水平。網絡密度越大，表示網絡中各節點之間的總體關聯程度。無向的整體關系網絡密度計算公式如下：

1.2.2 核心-邊緣分析

核心-邊緣分析是塊模型分析中一種結構模式分析方法，常用于考量社會網絡結構。在這種結構中，存在核心與邊緣兩類行動者，處于核心地位的行動者，相互間聯系緊密，而處于邊緣地位的行動者，相互間聯系松散。運用核心-邊緣分析方法可用于識別網絡結構是否呈現核心-邊緣特征，并大致識別出網絡的核心行動者與邊緣行動者，以及兩類行動者群體內部及群體之間聯系緊密度。

1.2.3 度數中心度與中間中心度

中心性反映個人或者組織在社會網絡中的影響力［27］90。中心性指標有多種，比較常用的是度數中心度和中間中心度。度數中心度通過一個點與其他點的連接個數衡量，若某個點在網絡中具有最高的度數，則稱該點為網絡的中心。在本研究中，度數中心度反映某城市與網絡中其他城市的合作專利總數。本文認為，度數中心度較高表示該城市在創新聯系網絡中對外交往能力較強。中間中心度通過測度網絡中的點居于其他兩個點之間的頻度，反映網絡中某點在多大程度上控制其他點之間的交往。本文認為，中間中心度可以反映某個點在網絡中的“中介能力”，其數值越高反映該節點在網絡中起到的中介作用越強，對網絡中資源的控制程度亦越高。中間中心度的計算公式如下：

1.3 研究區域

本文所分析的粵港澳地區包括廣東省的21 個地級市加上香港、澳門兩個特別行政區，共23 個城市；硅谷地區包括《硅谷指數》中劃定的39 個城市。根據社會網絡分析方法，雖然兩個網絡的節點數不同，但可以展開對比。

2 城市創新聯系網絡特征

2.1 粵港澳地區城市間創新聯系日益緊密，但聯系的緊密程度低于硅谷

根據數據的可獲得性，將粵港澳地區1999—2016 年之間的創新聯系數據以每5 年為一個階段，分為3 個階段。網絡密度分析結果顯示，粵港澳地區城市創新聯系在1999—2016 年間呈現逐步增強的狀態，聯系越來越密切，尤其是2011—2016 年間，創新聯系緊密程度提升顯著；但與美國硅谷城市間創新聯系網絡緊密度相比，粵港澳地區仍稍顯不足?；浉郯牡貐^三階段密度值如表1 所示，密度值呈現逐步上升的狀態，由第一階段的0.016 逐步上升到第二階段的0.036，再上升至第三階段的0.111，密度值提升近7 倍。這表明1999 年以來，粵港澳地區城市間創新聯系逐漸增強，地區內部創新活動的互動越來越頻繁。

表1 1999—2016 年粵港澳地區三階段網絡密度

網絡密度值對圖的規模（即網絡中包含的全部節點的數目）具有很強的依賴性，不同規模網絡的密度難以直接比較。但研究亦發現，在同等網絡密度水平下，節點數量多的網絡其密度往往比節點數量少的網絡的密度小——Mayhew 等認為行動者用以維持某些關系的時間是有限的，隨著接觸行動者數量增加，維持關系成本在相應地上升，當回報減少并且代價太大時，行動者就會停止發展新的關系［28］；而且，如果每個行動者能夠保持的關系數目（即點度數）有一個上限，整個圖的連線總數就會受到點度數的限制［27］73。因此可以推導出：在其他因素保持不變的情況下，節點數較多的網絡的網絡密度將小于節點數較少的網絡。

根據網絡密度的統計原理推導，節點數量較多的硅谷地區的網絡密度將低于節點數量較少的粵港澳地區。但是，實際計算結果顯示硅谷地區的創新聯系網絡密度大于粵港澳地區，與此推導結論相反。計算結果顯示（表2），美國硅谷網絡密度為0.162，高于粵港澳地區網絡密度0.127（表2）。由此可以說明，美國硅谷創新聯系水平高于粵港澳地區，硅谷地區城市間的創新聯系緊密程度更高。

表2 粵港澳地區與美國硅谷網絡密度

2.2 創新聯系空間結構呈現較為明顯的核心-邊緣模式

對粵港澳地區進行核心-邊緣分析的結果顯示，粵港澳地區城市創新聯系網絡呈現較為明顯的核心-邊緣結構，廣州、深圳、東莞、珠海和香港是網絡中的核心城市，而包括澳門在內的其他城市則屬于網絡中的邊緣城市；邊緣城市的創新活動傾向于與核心城市合作，邊緣城市之間的創新合作十分薄弱。

開展核心-邊緣分析的一個重要的假設前提，是樣本區域的節點不能分割成幾個獨立的簇或者不存在多個互斥子群［29］。因此要先做節點的聚類分析，呈單駝峰現象的區域才屬于核心-邊緣結構，適合開展進一步的分析。本文運用硅谷和粵港澳地區兩個區域的PCT 數據分別進行聚類分析后發現，粵港澳地區聚類分析圖呈現清晰的單駝峰現象（圖1a），說明其空間結構可能存在核心-邊緣結構，而硅谷則呈現雙駝峰現象（圖1b），直接反應出硅谷地區的核心-邊緣結構不顯著。聚類分析圖（圖1）顯示，圖1a 為粵港澳地區聚分析圖，當最高值相似度值為3 時，形成深圳與廣州一個簇，隨著簇成員不斷增加，相似度慢慢下降，呈現單駝峰形態；圖1b 為硅谷聚類分析圖，圣荷西和桑尼維爾在最高相似值為13 時形成一個簇，但在相似值為3 時，出現了以圣馬特奧及南舊金山為核心的另一個簇，并且隨著相似值不斷下降，兩個簇仍處于分割狀態，聚類圖呈現雙駝峰。換言之，硅谷地區可能存在多個核心群，因此不適合開展核心-邊緣分析。這種雙駝峰現象反映出：硅谷城市創新聯系網絡存在兩個獨立簇現象，可能存在多個核心群結構，核心-邊緣現象不突出，不適合做核心-邊緣分析，而粵港澳地區則呈現良好的單駝峰形態，具備核心-邊緣分析的前提條件。

圖1 粵港澳地區與硅谷聚類

進一步的核心-邊緣分析結果顯示，粵港澳地區進行核心-邊緣分析得到的擬合度為0.8342），表明粵港澳大灣區及周邊城市核心-邊緣網絡結構突出，空間分異結構明顯。根據粵港澳地區的核心-邊緣合作密度值，廣州、深圳、東莞、珠海和香港等5 個城市是23 個節點中的核心，其余18 個節點屬于網絡的邊緣。核心城市群體內部的合作密度值是1，邊緣城市之間的合作密度值僅為0.026，邊緣城市與核心城市之間的合作密度值為0.2（表3），這一方面反映出核心節點城市之間存在頻密的創新互動聯系，而邊緣城市之間的創新聯系相對少得多；另一方面則顯示，邊緣城市在創新合作方面更傾向與核心城市展開聯系，而不是與網絡中的其他邊緣城市聯系。這種聯系傾向性推動了核心-邊緣模式的形成。

表3 粵港澳地區核心-邊緣分析合作密度表

2.3 網絡中心度呈現圈層式結構，核心區域的網絡發展程度較高

運用中心性指標從時間和空間兩個維度對粵港澳地區創新聯系網絡中的各城市的地位進行分析，可以反映出粵港澳地區創新聯系網絡的發展態勢。

圖2 截取了1999—2016 年珠三角9 個城市及香港、澳門共11 個節點城市在3 個發展階段內度數中心度的變化情況。由圖2 可見，廣州在創新聯系網絡中始終處于重要的核心城市地位，反映其在本區創新合作方面的重要影響力。深圳自2005 年以來度數中心度大幅提升，反映其在區域創新合作方面的對外聯系能力增勢迅猛，并于2011—2016 年間超過廣州。香港在1999—2004 年間，在本區創新聯系網絡中的度數中心度較高，在區內的創新聯系影響力僅次于廣州；2005—2010 年，香港的度數中心度被深圳超越，居于本區的第三位；但到2011—2016 年，香港在網絡中已大幅落后于廣深兩地，甚至還低于東莞。東莞在2011—2016 年的發展階段中呈現出較強的度數中心度，展示出東莞近年引進創新科技項目、建設產業孵化園等扶持科技創新產業發展政策的成效。澳門在本區中的創新聯系較弱，近年來方有所開展。未在圖2 展示的本區其他節點城市，除了汕頭在第三階段度數中心度較高，其余城市的度數中心度測算結果均持續處于低值狀態，這一定程度上反映出廣東省內位于外圍的城市圈層在創新合作活動方面相比珠三角更為薄弱。

圖2 粵港澳地區三階段城市（部分）度數中心度變化

網絡圖譜有助直觀反映網絡結構。根據1999—2016 年的度數中心度指標描繪出粵港澳地區的創新聯系網絡圖譜（圖3）和硅谷地區的創新聯系網絡圖譜（圖4），其中線段粗細來自于城市間合作專利的數量，反映兩個城市間創新聯系的強度；圓點大小以該城市與其他所有城市合作專利數量的總量為依據，反映城市在網絡中的中心度高低。由圖3 可見，在廣州、深圳、東莞、珠海和香港5 個核心城市中，廣州、深圳中心度遠高于其他3 個城市，珠海是珠江西岸創新合作網絡的核心，整個粵港澳地區創新聯系網絡呈現出圈層模式，五大核心城市構成了核心圈層。在核心圈層內部，廣深核心地位顯著高于其他核心城市，顯示出廣深兩地是網絡的中心，香港、珠海和東莞是次中心。圖3 與圖4 的對比，亦直觀反映出粵港澳地區23 個城市的創新聯系網絡關系仍較薄弱，雖然中心城市之間已經建立了較為顯著的創新聯系，但廣東省內部分大城市相互之間，乃至與港澳之間的創新聯系則較為單薄。與硅谷地區的創新網絡相比，創新活動發育程度更高的硅谷創新聯系網絡顯得空間結構更為均衡，節點城市之間的互聯關系更為顯著。值得一提的是，在網絡圖譜中顯示澳門與珠海尚無直接創新聯系，推測主要原因在于數據選取原則為申請地所在城市需為不同城市，不排除在珠?；驈V東自貿區橫琴片區內存在澳門企業及珠海企業合作研發專利的情況，但這類情況不被計入本研究的統計。

圖4 1988—2016 年美國硅谷創新合作網絡

2.4 大部分城市的創新合作影響力存在細分的差異

如前所述，本文認為度數中心度可以反映節點的對外交往能力，中間中心度反映節點在網絡中的中介能力。一個城市的中間中心度大小主要受其在網絡中合作對象數量的影響，換而言之，合作對象較為多樣的城市中間中心度較高，合作專利數量較多的城市度數中心度較高。

表4 1999—2016 年粵港澳地區城市度數中心度及中間中心度排名情況

對粵港澳地區各城市進行度數中心度及中間中心度兩大中心性指標的對比分析發現（表4）：首先，在前述5 個核心城市中，廣州和深圳兩大核心城市在這兩項指標上均居于本區前列，在創新合作的對外交往能力和中介能力方面，均高于其他3 個核心城市，再次反映廣深在核心層的重要地位。進一步的比較顯示，深圳的度數中心度高于廣州，說明深圳在創新聯系網絡中的合作專利數量較多，對外交往能力較強；廣州的中間中心度高于深圳，說明其在本地的創新聯系網絡中具有最強的中介合作能力，對網絡中資源的控制能力最強。

其次，在其他3 個核心城市中，香港、珠海在中間中心度上分別排名第三與第四，度數中心度則均較低，而東莞在度數中心度上排名第三，中間中心度較低。這反映香港、珠海在網絡中創新合作對象較多，在維持網絡城市聯系關系上具有較強的支配力；而東莞的對外合作專利數量較多，因此顯示出對外聯系能力較強。

再次，創新網絡中部分城市的度數中心度和中間中心度排名存在較大差距。例如汕頭及陽江，陽江在度數中心度上落后汕頭，而在中間中心度上超過汕頭。結合創新聯系網絡圖譜（圖3）分析可知，汕頭在城市創新聯系網絡上里合作對象主要集中在廣州，雖然合作聯系的城市單一，但合作的專利數量較多，而陽江與其相比，合作申請專利的伙伴城市更多，因此顯示出中間中心度的較高排名。又如，珠海、江門在網絡中創新合作伙伴城市較廣泛，中介橋梁作用較突出。

3 城市創新聯系影響因素

為了避免單年度數據波動造成估計偏差，本文選取2012—2016 年4 年PCT 數據進行城市創新聯系影響因素分析。現有文獻主要集中于從多維度的鄰近性理論探究城市間創新聯系的影響機理［30-31］，近年來隨著社會網絡分析方法成為熱點，也有不少文獻從網絡要素角度提出“網絡鄰近性”概念［32-33］，運用網絡分析指標進行機理分析，本文選取地理鄰近性、技術鄰近性、網絡鄰近性、科技鄰近性以及經濟鄰近性角度分析粵港澳地區創新聯系的影響因素［34-36］，模型變量及測度如表5 所示。由于因變量為非負計數型，常使用泊松回歸及負二項回歸，且其方差顯著大于期望，存在“過度分散”特征，因而本文采用負二項回歸模型進行估計［37］，估計結 果如表6 所示。

表5 模型變量及測度

表6 負二項回歸分析結果

對表中4 個模型的檢驗反映，各模型均通過顯著性檢驗，且alpha 在5%的顯著水平下拒絕alpha=0 的原假設，再次驗證負二項回歸模型優于泊松回歸模型。為避免內生性對模型準確性的影響，本文對技術鄰近性與經濟鄰近性兩個指標進行分別考量。

回歸結果顯示，地理接近性在4 個模型中參數均為負值，在1%水平下顯著，表明地理距離對粵港澳地區創新合作聯系起著顯著的抑制作用，合作聯系受交通通行時間影響，較長的通行時間為城市間創新聯系帶來更高的交流成本，降低了合作的可能性。模型1 與模型3 中，技術鄰近性的參數均為正并處于較高的顯著性水平，反映技術鄰近性對粵港澳地區創新聯系起著正向推動作用，兩個城市間的產業結構越相似，反映在同樣的技術領域上的創新合作需求越接近，知識技術認知上的差異越小，則進行創新合作的空間越大。科技鄰近性在四個模型中的參數均為顯著的正數，這與黨興華等［35］的結論相同，黨興華認為創新能力差異在空間上反映為核心-外圍結構。由于科技鄰近性的取值采用的是差異與均值的乘積形式，參數為正反映在粵港澳地區創新聯系網絡中，創新合作更容易在高創新能力水平的城市間形成，無論創新能力高低的城市都更樂于與創新能力較高的城市合作，因為與創新能力較高的城市合作更能在技術上產生更大的突破，成功率較高，即使一般情況下創新能力高的城市并不樂意與創新能力低的區域進行合作，這與前文核心-邊緣結構分析中的邊緣城市更傾向于與核心城市合作現象相吻合。同樣的，在模型2 與模型4 中，經濟鄰近性的參數符號為負，網絡鄰近性在4 個模型中的參數均為正，這表明經濟水平的差異與網絡地位的差異促進了城市間的合作，這反映了經濟水平較高、度數中心度較高的城市在創新合作網絡中占據重要的支配地位，影響力較大，其他城市均偏向于與其合作。

Wal［38］與Whittington 等［39］均認為網絡結構與地理鄰近性間存在交互作用，因而為進一步探究這種交互關系，本文將度數中心度與地理距離乘積、中間中心度與地理距離乘積加入模型中，結果顯示，在地理接近性對創新聯系產生顯著的負向影響的情況下，該項乘積的參數為正，這反映網絡要素能調節負向調節地理接近性［39］，當網絡中城市與其他城市的地理距離較遠時，城市能通過提高自身的網絡地位，獲取更多的信息資源，與網絡中其他城市達成合作意向，提高合作產出，已有的研究發現與此的實證結果相似［40］。

4 結論

本文以世界知識產權組織（WIPO）中專利合作協定（PCT）申請人所在地址構建了基于創新聯系的城市網絡，并結合網絡的階段演化特征及與美國硅谷城市創新聯系網絡的對比，分析了粵港澳地區基于創新聯系的城市網絡特征，并探究了影響粵港澳地區城市創新聯系的因素，得到的結論如下：

第一，從網絡的整體聯系水平看，粵港澳地區城市間的創新聯系處于逐步增強的狀態，尤其是近年來隨著地區產業合作政策不斷出臺，以及不斷完善的交通基礎設施推動下的城市聯系程度提升，都促使地區內合作研發方面的創新互動和合作創新成果日益增多。但與美國硅谷地區相比，粵港澳地區的創新網絡的聯系緊密度仍有差距。

第二，從網絡的空間結構看，粵港澳地區城市創新聯系網絡呈現明顯的核心-邊緣結構，中心度在空間結構上呈現圈層模式，以廣深兩地為中心，廣州、深圳、香港、珠海和東莞等五大核心城市在內的核心圈層網絡發育程度較高，廣東省內部分大城市（包括佛山、江門、韶關、汕頭和茂名）為主體的區域內已初步呈現互聯的網絡關系，但珠三角外圍城市乃至珠三角內部部分城市與內部圈層之間的聯系網絡仍較為單薄。相比之下，硅谷的創新網絡顯得更趨平衡，核心城市與圈層結構并不明顯。

第三，從網絡中各城市的地位看，深圳與廣州在粵港澳創新網絡中影響力最大，深圳合作專利數量較高，體現其創新對外交往能力較強。而廣州則在網絡中起到較強的輻射帶動和聯系作用，有效帶動周圍的城市進行創新合作活動。東莞近年來扶持科技創新產業政策效果明顯，成為網絡核心城市，但合作對象較為單一。香港在網絡中的聯系地位突出，近年來核心地位相對有所下降。澳門在粵港澳地區城市創新聯系網絡參與度仍較弱，這與澳門產業結構單一，創新能力較為薄弱有一定關系。邊緣城市在合作對象的選擇上更青睞于選擇網絡中核心城市，而不是網絡中的其他邊緣城市。

第四，從創新聯系影響因素上看，技術差距越小，城市間創新聯系的需求越高，度數中心度較低、創新能力較低、經濟水平較低的城市更偏向與差距較大的高度數中心度、高創新能力水平、高經濟水平的城市產生創新合作，但實際上創新合作容易產生于高網絡地位、高創新能力水平和經濟水平的城市間。地理鄰近性仍對城市間創新聯系產生負向影響，但通過提高網絡地位，城市能獲取更多的資源，從而提高城市間創新聯系水平。

2019 年2 月18 日頒布的《粵港澳大灣區發展規劃綱要》提出建設國際科技創新中心，推進“廣州— 深圳—香港—澳門”科技創新走廊建設。本研究認為，穗港深三地目前已顯示出在本地區創新聯系網絡中的核心地位。本研究還令我們認識到，促進粵港澳大灣區科技創新產業發展，不僅提升某些創新核心城市的產業創新水平，打造科技創新走廊，還需要構建更為均衡的地區創新聯系網絡。硅谷的創新聯系網絡結構已證明，在全球科技創新發育程度最高的區域，創新聯系網絡的結構將更趨于空間均衡。因此，粵港澳大灣區如何建設開放互通、布局合理的區域創新體系，構建更為緊密的創新聯系網絡，值得進一步深入研究。

注釋：

1）本文所指的粵港澳地區包括廣東省下轄的21 個地級市，及香港特別行政區、澳門特別行政區。

2）根據擬合優度計算方法，擬合值越接近0 表示擬合度越低，越接近1 表示擬合度越高。

3）包含火車、高鐵、動車和城際等，取最短通行時間。由于部分城市間未開通直達火車，例如澳門與各城市未開通上述幾種直達交通工具，以百度地圖提供的汽車運行時間替代。

4）為了反映兩城市創新能力在何等水平上相似，借鑒黨興華做法采用比值×均值形式。

5）該項變量為度數中心度與地理鄰近性變量的乘積。

6）該項變量為中間中心度與地理鄰近性變量的乘積。