山東省創新網絡演變特征及影響因素分析

曾文霞，董會忠，盛科榮，趙 蕾

（1.山東理工大學管理學院；2.山東理工大學經濟學院，山東淄博 255012）

2016年5月，中共中央、國務院發布《國家創新驅動發展戰略綱要》，提出發揮創新要素的集聚優勢，建立跨區域創新網絡，推動經濟高質量發展。在此背景下，山東省加快實施創新驅動型經濟發展戰略，部署和推動新舊動能轉換重大工程，推進區域創新協調聯動發展，形成以創新為主體的新動能主導經濟發展新格局。2018年山東省的高新技術企業新增2 600家，總數達到8 912家，由新動能創造的增加值占生產總值的比重達到48%［1］。但是，同先進地區相比，山東省的創新規模、創新能力和創新質量等方面都有較大差距，各城市之間創新的空間溢出效應未得到充分發揮，加強城市間創新協同成為山東省提升整體創新能力的重大課題。以創新促進經濟向高質量轉型發展，不僅取決于當地創新產出的能力，也取決于當地與其他區域間的創新聯系強度，因此，探討城市創新聯系能力空間關聯網絡的演變特征及其影響因素，有利于推動山東省城市創新網絡協同發展。

1 文獻綜述

國外學者提出了3個階段創新空間擴散理論、“創新網絡”的概念以及區域創新存在空間關聯性［2-3］。社會網絡分析法（social network analysis，SNA）進一步以二值化的“關系數據”揭示創新網絡結構特征，突破了以往“屬性數據”僅分析鄰近地理區域關系的局限［4］。國外學者較早地將社會網絡分析法應用于創新網絡空間關系的相關研究，如Fritsch等［5］運用社會網絡分析法證明強關系促進了德國公司及研究機構間的知識交流。

國內學者關于城市創新的研究主要從3個方面展開：（1）測度城市創新水平。學者多采用專利授權數、高水平論文合作數據等單一指標衡量城市創新水平［6-7］；與此同時，有學者采用生態環境、創新基礎環境、創新輻射強度等新的功能參數構建城市創新聯系能力評價指標體系［8-10］。（2）探討創新的空間特征。相關研究多關注創新水平的空間集聚特征，如劉曙光等［11］使用空間自相關分析驗證了創新的空間關聯性，忽視了創新的網絡結構特征。當前學者開始運用空間相互作用模型、社會網絡分析等模型描述城市創新空間關聯網絡特征，如蔣天穎等［12］運用引力模型探討了浙江省創新產出空間聯系的等級結構特征；部分學者利用社會網絡分析法均驗證了我國區域創新的網絡化結構特征［13-15］。（3）揭示城市創新的影響因素。相關研究重點考慮城市創新的空間效應，如程開明等［16］運用空間計量模型測度創新集聚影響因素的空間溢出效應；劉曙光等［11］運用地理加權回歸法（GWR）證明了我國區域創新的空間集聚與空間擴散作用對其空間格局形成具有重要作用。此外，關于創新網絡結構的形成機制也受到了學者的關注，如宋旭光等［17］、方大春等［18］運用二次指派程序（quadratic assignment procedure，QAP）回歸方法驗證了地理距離、人力資本水平等因素在區域上的差異性對創新網絡結構的形成有顯著影響；邵漢華等［19］將創新網絡結構特征的中心度指標作為影響因素加入空間計量模型中，分析其對創新水平的驅動機制。

綜上研究，在空間關系上大部分學者僅局限于單一區域創新的空間集聚特征，而當前區域創新表現出了跨區域流動特征；在影響因素的分析上，相關研究多運用空間計量模型探討創新集聚的空間溢出效應，從“屬性數據”的角度進行分析，忽略了創新空間網絡結構的形成機制，而屬性數據往往是由結構決定的［20］。基于此，本文以山東省為地理分析單元，借助修正引力模型構建城市創新聯系能力空間關聯的有向加權矩陣，采用社會網絡分析法的網絡密度、度數中心度等指標探討2014—2017年山東省創新聯系能力網絡的空間結構特征，并運用QAP回歸分析從關系的視角揭示創新空間傳導關系的形成機制，以期推動山東省創新戰略由“點軸式”驅動向“網絡化”驅動轉變提供理論參考，同時為其他地區構建跨區域創新網絡提供理論借鑒。

相比以往研究，本文可能的創新之處如下：一是運用社會網絡分析法量化創新聯系能力網絡結構特征，同時關注空間關聯的方向性及空間上的地理位置特征；二是構建自變量差異矩陣，運用QAP回歸方法探討各自變量差異矩陣對創新聯系能力網絡的形成機制，為山東省創新聯系能力網絡協同發展提供新視角。

2 數據來源與研究方法

2.1 數據來源

以山東省17個地級市作為地理分析單元，評價指標體系及影響因素的原始數據均來自2015—2018年《山東省統計年鑒》《中國城市統計年鑒》；各地級市間的距離采用各地級市市政府所在地之間的最短行車距離表征。

2.2 研究方法

2.2.1 城市創新聯系能力評價指標體系

借鑒相關研究成果，本文從創新聯系水平、創新聯系環境、創新基礎環境和企業信息化環境4個方面選取具體指標［10-11］，構建山東省城市創新聯系能力的評價指標體系（見表1）。其中，城市創新聯系水平不僅由其自身的創新聯系總量衡量，也取決于該城市對其他城市的創新吸引能力，因此用創新聯系總量、創新輻射強度來衡量［10］。應用引力模型測算創新聯系總量和創新輻射強度，公式如下：

式（1）（2）中：Ri為城市i對外創新聯系總量；n為對外聯系城市個數；Rij為兩城市創新聯系強度；Dij為城市i、j的時間距離；K為引力常數，取1；MA、MB分別為城市i、j的創新水平。

運用熵值法，采用城市創新投入及創新產出來衡量城市創新水平［21］，具體選用R&D人員數量和科學研究、技術服務和地質勘察業從業人員、R&D經費內部支出來衡量創新投入，選取3種專利（發明、實用新型和外觀設計）授權數、高新技術企業產值、企業電子商務銷售額來衡量城市創新產出［11］。

運用Converse斷裂點及場強公式計算城市創新輻射強度，公式如下：

式（3）（4）中：Di為斷裂點到城市i的時間距離；Dij為i、j兩城市的時間距離；MA、MB分別為城市i、j的創新水平；Fi為節點城市i的輻射強度。

表1 城市創新聯系能力評價指標體系

2.2.2 社會網絡分析法

社會網絡分析方法基于二值化的關系數據進行分析，本文首先運用修正引力模型構建空間關聯矩陣，轉化為空間二值矩陣，采用社會網絡分析法的網絡密度、度數中心度等指標探討2014—2017年山東省城市創新聯系能力網絡的空間結構特征。在構建空間關聯矩陣時，參考彭芳梅［22］的做法，考慮城市創新聯系的雙向性、不對稱性特征，利用修正引力模型體現輻射方向，公式如下：

式（5）（6）中：Mi、Mj分別為城市i、j的創新聯系能力；為城市i對城市j的創新空間作用強度；為城市j對城市i的創新空間作用強度。

3 山東省城市創新聯系能力網絡空間結構特征

為刻畫山東省城市創新聯系能力網絡空間演化特征，本文將空間關聯矩陣轉化為空間二值矩陣，取斷點值為100，即大于等于100取值為1，小于100取值為0。

3.1 創新網絡整體結構特征

利用UCINET軟件計算山東省城市創新聯系能力空間關聯網絡的網絡密度（見表2）。從2014—2017年的整體網絡密度來看，2014年網絡密度為0.173，網絡整體連通性較差；2017年網絡密度為0.460，較2014年網絡密度有較大幅度提升，表明城市間創新要素流動渠道增多，網絡整體連通性增加。

表2 2014—2017年山東省城市創新聯系能力網絡密度

3.2 創新網絡節點結構特征

為有效刻畫各城市在網絡中發揮的作用，本文以2017年山東省17個地級市數據為例進行分析。首先，運用度數中心度分析各城市在山東省創新聯系能力空間網絡結構中的地位。如表3所示，濟南、青島、淄博等8個城市的度數中心度高于均值36.42，表明這些城市處于創新網絡的中心地位，與其他城市在空間上存在較多的直接聯系；城市創新聯系能力空間關聯存在不對稱特征，構成有向空間網絡，其中濟南、青島、淄博等7個城市創新聯系能力的點入度大于點出度，表明這些城市易受其他城市創新聯系能力的推動作用影響，創新聯系能力的水平較高，能夠吸引創新要素并將其有效轉化，促進自身創新聯系能力的提升，在整個創新網絡中為受益城市，表現為凈受益效應；棗莊、萊蕪、臨沂等6個城市的點出度大于點入度，表現為凈溢出效應。

其次，利用接近中心度刻畫各城市在2017年山東省創新聯系能力關聯網絡中產生聯系的難易程度。如表3所示，濟南、青島、淄博等8個城市的接近中心度高于均值52.96，說明這些城市在網絡中起到中心行動者的作用，產生創新關聯的能力不受制于網絡中其他城市，易與其他城市發生空間關聯；棗莊、菏澤、臨沂等城市的接近中心度低于平均值，表明這些城市推動其他城市創新聯系能力提高的能力不明顯，同時受其他城市的帶動作用影響不明顯，不受制于創新網絡來帶動自身的發展，也表明其無法融入創新網絡。

最后，采用中間中心度反映各城市在2017年山東省創新聯系能力網絡中促進其他城市之間產生空間關聯橋梁作用的程度。如表3所示，高于均值11.83的有濟南、濰坊、淄博等6個城市，表明這些城市在網絡中能起到促進其他城市之間產生空間關聯的橋梁作用；棗莊、威海、德州、聊城、濱州、菏澤的中間中心度為0，這些城市在網絡中的控制能力較低，與其他城市產生空間關聯的能力不明顯。

表3 2017年山東省城市創新聯系能力網絡節點中心度

3.3 創新聯系能力網絡空間演變

為清晰直觀地從空間視角探討山東省城市創新聯系能力的空間關聯網絡演變特征，本文進一步考慮地理位置特征，利用ArcGIS10.2軟件繪制2014、2017年山東省城市創新聯系能力的空間網絡結構拓撲圖（見圖1）。其中，用節點表示17個城市，節點的大小表示度數中心度，節點間的連線表示城市間存在空間關聯，節點間的箭頭表示城市單向聯系的溢出方向，即點入度、點出度，粗線段表示城市間存在雙向聯系。

從整體關聯網絡空間結構來看，2014、2017年空間關聯網絡中每個城市都至少與另外一個城市存在空間關聯關系，表明城市間的創新聯系能力普遍存在關聯關系，創新聯系能力空間結構的網絡化特征初步形成。其次，觀察網絡中表示強關聯雙向聯系的粗線段，2014年山東省內陸中部地區形成以濟南為核心城市，與周邊泰安、萊蕪、淄博等6個城市為節點城市的“多三角型”強關聯網絡，東部沿海地區形成以青島為核心城市，與周邊日照、煙臺、威海4個城市為節點城市的“倒T型”強關聯網絡，其中濰坊作為連接沿海與內陸城市在空間上產生關聯的“橋梁”，其余城市為網絡中的邊緣城市。2017年，網絡中兩兩節點間的雙向直接關聯增多，表明聯系緊密的城市增多；邊緣城市融入原先形成的網絡結構，其中聊城、濟寧、菏澤這3個邊緣城市加入內陸中部地區“多三角型”強關聯網絡，日照加入東部沿海地區“倒T型”網絡，促使整個網絡形成具有較強關聯的穩健性復雜創新網絡。同時，網絡中距離較近的邊緣城市如菏澤、濟寧、棗莊、臨沂間沒有形成強關聯網絡，而是傾向于加入原先形成的網絡，可見，這些創新聯系能力較低且中心度水平表現較差的城市較依賴于級別高的城市，這是由于這些城市人力資本等促進創新聯系能力提高的資源較少，從而受核心城市的輻射較強，較容易與核心城市產生空間上的聯系。從網絡空間結構的關聯方向看，省內中、東部地區絕大多數城市具有很強的吸收能力，接收關系顯著多于發出關系；西南地區城市的吸收能力往往低于溢出能力，接收關系遠遠小于發出關系，與創新網絡節點結構特征分析的節點中心度分析結果一致。

圖1 山東省城市創新聯系能力空間網絡分布

4 山東省城市創新空間網絡結構的影響因素

4.1 模型設定與變量說明

本文利用QAP回歸方法揭示2014—2017年山東省城市創新聯系能力網絡空間傳導關系的影響因素。對自變量差異矩陣和因變量矩陣進行多元回歸分析，由于傳統計量統計方法不能分析兩兩矩陣之間的關系，因此借助社會網絡分析中的QAP回歸進行分析。借鑒有關文獻研究方法，從地理鄰近性、經濟發展水平、信息傳播水平、高等教育水平、政策支持力度、企業信息化水平6個方面構建影響山東省城市創新聯系能力空間網絡結構的自變量差異矩陣［10-11］。其中：地理鄰近性用城市之間的空間相鄰關系矩陣來表征，即相鄰取1，不相鄰取0；經濟發展水平差異用人均地區生產總值差異矩陣表示；信息傳播水平差異用互聯網寬帶普及率差異矩陣表示；人力資本水平差異用每萬人在校大學生人數差異矩陣表示；政府支持力度差異用科學技術支出占公共財政收入比重差異矩陣表征；企業信息水平差異用電子商務交易活動占比差異矩陣表示。參考秦奇等［23］的做法構建各自變量差異矩陣，以所在列與行的城市自變量屬性值的比值構造差異矩陣。為確定合理的斷點值以將自變量矩陣二值化，將矩陣中小于1的值取倒數，其中高等教育水平自變量比值差距較大，取其自然對數進行處理。依據經驗，除自變量地理鄰近性以外，以上5個自變量差異矩陣分別取閾值為2.0、1.5、1.5、1.5和1.2，即小于閾值取值為1，否則取值為0，得到二值化的自變量差異矩陣。基于此，選取創新空間關聯矩陣作為被解釋變量、各自變量差異矩陣作為解釋變量，構建模型如下：

式（7）中：MI為創新聯系能力空間關聯矩陣；D為地區間的空間相鄰矩陣；eco為經濟發展水平差異關聯矩陣；int為信息傳播水平差異關聯矩陣；edu表示人力資本水平差異關聯矩陣；pol為政策支持力度差異關聯矩陣；ent為企業信息水平差異關聯矩陣。

4.2 QAP結果分析

4.2.1 QAP相關分析

利用UCINET軟件對2014、2017年山東省城市創新聯系能力空間關聯關系矩陣與各個自變量差異矩陣進行QAP相關分析，選取10 000次隨機置換次數，結果如表4所示，2014年地理距離、人力資本水平差異、政策支持力度差異、企業信息化水平差異的相關系數通過顯著性水平檢驗，說明這4個自變量對創新聯系能力的空間關聯有顯著影響；其次，經濟實力差異、信息水平差異的相關系數均沒有通過顯著性水平檢驗，表明這兩個自變量的差異對城市創新聯系能力空間關聯沒有顯著影響。2017年，經濟實力差異的相關系數通過5%顯著性檢驗，其余自變量差異的相關系數均未發生大幅度變化，其符號均未發生改變。

4.2.2 QAP回歸分析

選取QAP相關分析水平，運用UCINET軟件將其與城市創新聯系能力空間關聯關系矩陣進行QAP回歸分析，隨機置換次數設置為10 000次，再次逐步剔除無顯著意義的變量，得到QAP回歸分析結果（見表4）。2014、2017年調整后的可決系數分別為0.383、0.456，且在1%的顯著性水平下顯著，表明地理距離、教育水平差異、政策支持力度差異、企業信息化差異4個自變量分別解釋2014年、2017年城市創新聯系能力空間關聯的38.3%、45.6%。與經驗相比，本文的模型測算結果較好［24-25］。若回歸系數為正，表明城市間自變量差異越小，城市間的創新要素流動性越強，城市間的創新空間關聯程度越高，促進了城市創新聯系能力網絡的擴展；若回歸系數為負，表明城市間自變量差異越小，城市間的創新要素流動性較差，抑制了城市創新聯系能力網絡的形成與擴展。具體結果如下：

（1）2014、2017年地理距離的回歸系數為正，均在1%的水平上顯著，表明地理距離對城市創新聯系能力空間關聯起到正向作用，鄰近的城市間創新聯系能力的空間關聯關系越強。

（2）2014、2017年人力資本的回歸系數為負，表明人力資本水平的差異越大，城市間創新聯系能力的吸引力比較優勢越突出，其創新要素的流動性越強。由于濟南、青島兩地擁有較多高等院校，因此這兩個城市擁有遠遠高于其他城市的人力資本積累，使得其人力資本積累負向顯著影響城市間的創新合作。

（3）2014、2017年政策支持力度的回歸系數為正，表明政策上的相似性有利于城市間進行創新聯系能力的深度合作，城市間政府協同治理對城市創新聯系聯系能力的空間關聯關系起到正向作用。

（4）2014年，企業信息化水平的回歸系數為正，說明企業信息化水平較高城市的創新輻射力度還較小，相似發展水平的城市間傾向于進行創新聯系能力的合作。2017年企業信息化水平的回歸系數為負，表明企業信息化水平差異越大，城市間的創新合作與交流越多，空間關聯關系就越強，高水平企業信息化的城市創新輻射力度加強，低企業信息化水平城市之間原本形成的創新合作關系被打破，形成低-高企業信息化水平城市創新合作的模式。

表4 山東省城市創新聯系能力空間網絡QAP回歸分析結果

4.2.3 穩健性檢驗

對上述QAP回歸分析中通過顯著性檢驗的自變量差異矩陣與城市創新聯系能力空間關聯矩陣進行穩健性檢驗，參考王俊等［26］的研究做法，分別選取2014、2017年城市創新聯系能力引力值平均值的80%和120%作為斷點值，并在此基礎上得到不同年份城市間創新聯系能力空間二值化矩陣作為被解釋變量進行QAP回歸（見表5），結果表明，兩個斷點值下所有回歸變量的符號均未發生改變，且回歸系數未發生大幅度的變化，表明各變量對山東省城市創新聯系能力空間關聯網絡結構的影響方向及回歸結果較為穩健。

5 結論

本文借助修正引力模型構建城市創新聯系能力空間關聯的有向加權矩陣，采用社會網絡分析法的網絡密度、度數中心度等指標探討2014—2017年山東省城市創新聯系能力網絡的空間結構特征，運用QAP回歸方法探討影響城市創新網絡空間傳導關系的形成機制，得到以下結論：

（1）從整體網絡密度來看，2014年山東省城市創新聯系能力網絡的整體連通性較差，2017年較2014年網絡密度提升了1倍，城市間創新要素流動渠道增多，網絡整體連通性增加；網絡節點結構特征分析表明，山東省內陸中、東部絕大多數沿海城市處于網絡的中心位置，同時在網絡中扮演著中心行動者的角色，促進其他城市之間產生空間關聯的橋梁作用程度也較高。

（2）從整體關聯網絡空間結構特征來看，2014年山東省內陸中部地區城市形成“多三角型”強關聯網絡，東部沿海地區城市形成“倒T型”強關聯網絡，濰坊作為連接沿海與內陸城市在空間上產生關聯的“橋梁”，初步形成創新網絡化結構特征；2017年邊緣城市依賴于核心城市發展，內陸城市的“多三角型”強關聯網絡與沿海城市的“倒T型”強關聯網絡得以擴展，促使整個網絡形成具有較強關聯的穩健性復雜創新網絡。從網絡空間結構的關聯方向看，山東省東、中部地區絕大多數城市具有很強的創新吸收能力，接收關系顯著多于發出關系。

（3）從QAP回歸及穩健性檢驗結果來看，地理距離、人力資本、政策支持、企業信息化對山東省城市創新聯系能力網絡的形成有顯著影響。其中，地理距離對城市創新聯系能力空間關聯有顯著的空間溢出現象；人力資本水平負向顯著影響城市間的創新合作，其差異越大，城市創新聯系能力的空間關聯越強；政策支持力度正向顯著影響城市間的創新合作，政府協同治理促進城市創新聯系聯系能力產生空間關聯；2014年企業信息化的回歸系數為正、2017年為負，低企業信息化水平城市之間原本形成的創新合作關系被打破，形成低-高企業信息化水平城市創新合作的模式。