多維鄰近性視角下城市群協同創新網絡及影響因素分析

馮 粲，韓 霞，史冬梅，張 煜

(1.北京航空航天大學公共管理學院，北京 100191；2.科學技術部高技術研究發展中心，北京 100044)

0 引言

創新是驅動國家經濟社會發展的持續動力，也是帶動區域發展的最核心因素。城市群作為現階段區域發展的主要空間載體，是支撐中國經濟高質量發展的主要平臺。 “十八大”以來，中國堅持創新在國家發展全局中的核心地位，并著力推進城市群建設，2018年11月18日，中共中央、國務院發布的 《關于建立更加有效的區域協調發展新機制的意見》明確指出，以京津冀城市群、長三角城市群、粵港澳大灣區、成渝城市群、長江中游城市群、中原城市群、關中平原城市群等城市群推動國家重大區域戰略融合發展。作為創新驅動發展和城市群發展有機結合的城市群協同創新已廣泛存在并日益受到學者的關注[1-4]。

以城市群為空間依托的協同創新不僅有利于中心城市增長極點向外圍城市的知識擴散，帶動周邊地區發展，同時有助于緩解大城市病，促進區域一體化進程，實現城市間優勢互補、合作共贏。城市群協同創新網絡，不僅是城市群內創新主體應對創新的制度性安排，也是城市群內創新主體協同創新活動的直觀體現，是研究城市群內協同創新發展水平的重要依據。本文以中國最具國際性和代表性的城市群——京津冀、長三角、粵港澳大灣區三大城市群為研究對象，利用社會網絡分析方法，透過對城市群協同創新網絡結構以及驅動城市群協同創新發展影響因素的深度分析，以期把握中國城市群協同發展的現狀，并從體制機制上為提升城市群協同創新能力水平提供政策參考。

1 文獻回顧

協同創新是在創新逐步轉向系統化、網絡化范式的背景下應運而生的，協同創新網絡是一種基于網絡的合作創新，是一種應對系統創新的基本制度安排[5-6]。近年來，隨著協同創新網絡研究廣度深度的不斷延展以及新研究技術的引入，關于協同創新網絡的研究逐漸由定性研究轉向定量研究，并拓展到企業、產業、集群、區域等層面，城市群協同創新網絡就是其中的一個重要方向。現階段關于城市群協同創新網絡的研究主要集中在城市群協同創新網絡的結構以及解釋城市群協同創新網絡關系或網絡演化的原因方面。

在城市群協同創新網絡結構特征的數據量化分析上，部分學者[7-8]從創新引力角度出發度量城市間的網絡聯系強度，采用基于城市創新綜合指標或創新產出的引力模型來測度城市間的創新聯系，但是這種方法只是對城市間創新聯系的簡單模擬，往往難以準確量化城市間的創新聯系[9]。還有部分學者[10]以資金、人員以及知識流動等 “流數據”代替基于引力模型的模擬數據。這種方法雖然能夠更加真實地反映城市主體間的創新聯系，但數據的難獲取性對其廣泛使用形成了較大的制約。因此，能夠直接體現主體間創新聯系且較易獲取的 “網絡數據”正被越來越多的學者采納。常見的 “網絡數據”如聯合申請專利數據、聯合發表學術論文數據等。例如，徐宜青等[11]、王海花等[12]利用聯合申請專利數據研究長三角城市群協同創新網絡格局的發展演變，劉佳等[13]基于城市合著論文、許培源等[14]基于科研合作數據研究粵港澳大灣區知識創新合作網絡的結構，潘春苗等[15]基于跨城市合著論文、跨城市聯合申請發明專利、省際間技術交易數據分析三大城市群協同創新網絡的結構和空間特征。

城市群協同創新網絡發展過程中會受到多種因素的影響，如城市間的地理距離、交通的可達性、經濟發展水平、結構嵌入以及支持創新的政策環境等。在研究影響協同創新網絡因素的策略中，最基本、最常用的是比較創新網絡參與者間的相似性，即 “鄰近性”[16-18]。鄰近性概念最早起源于產業集群的研究，Marshall[19]發現同一集群內部的經濟活動主體在空間上存在協同定位關系，這種創新活動在特定空間范圍內的集聚使人們首先認識到地理鄰近的重要性。隨著研究的逐步深入，學者發現單一的地理鄰近性對創新主體間交互學習和合作創新的解釋力度非常有限。20世紀90年代，法國鄰近動力學派[16]指出，除了地理上的鄰近之外，其他形式的鄰近可能有助于互動學習和創新，這標志著學者對鄰近性的關注開始從單一的地理鄰近過渡到多維鄰近性的考察。此后，鄰近性概念得以豐富和拓展，不同維度鄰近性作為影響創新主體間開展互動學習、合作交流的重要因素已成為學者的共識[20]。

雖然鄰近性的多維性受到學者的普遍認同，但是由于研究視角不同、研究目的各異，不同學者在研究時對同一鄰近性的概念界定有所不同，導致不同維度鄰近性概念存在重疊交叉現象。Boschma[17]在整理歸納前人研究成果的基礎上，構建地理、制度、認知、社會和組織五維鄰近性概念框架，即行動者對于與之互動合作的人表現出強烈的偏見，其更喜歡與擁有相似知識 (認知鄰近)、準則和價值觀 (制度鄰近)、同一地點 (地理鄰近)、社會關系 (社會鄰近)或組織邊界 (組織鄰近)的人合作。后來這一框架常被使用在多維鄰近性的分析之中。此外，學者還將鄰近性拓展到技術鄰近、經濟鄰近等層面。在鄰近性影響城市群協同創新方面，徐瑩等[21]研究地理、認知、制度鄰近性對長江中游城市群技術創新合作績效的影響效應，高麗娜等[22]基于長三角城市群從空間、技術、經濟3個維度探尋鄰近性作用于城市群創新系統的路徑。

現有文獻為本文的研究奠定了基礎。基于三大城市群在國家發展進程中扮演的重要角色，又由于三大城市群在城市規模、城市發展水平、創新能力等方面的差異，綜合研究三大城市群協同創新網絡具有較強的現實意義。已有文獻大部分集中于研究單一城市群的協同創新網絡以及影響網絡形成的因素，較少基于三大城市群協同創新網絡結構的比較和綜合性分析。同時，在多維鄰近性視角探究城市群協同創新網絡影響因素方面的研究也有待進一步拓展。以京津冀、長三角、粵港澳大灣區三大城市群為研究對象，多角度探究其協同創新網絡的結構特征，進行三大城市群協同創新網絡結構的綜合比較分析，從地理、制度、經濟、認知、文化五維鄰近性視角出發探究影響三大城市群協同創新水平的因素，并使用方言數據出發研究文化鄰近性對創新網絡形成的影響，具有一定的新穎性。通過本研究，可進一步把握三大城市群協同創新發展的現狀，并為推進城市群協同創新發展提供參考。

2 研究設計

2.1 研究方法

社會網絡分析方法 (SNA)是一套用來分析多個個體通過相互聯系構成網絡的結構、性質以及其他用于描述這個網絡屬性的分析方法的集合[23]，可以把復雜的關系形態表征為網絡構型[23-24]，創新研究是其主要應用領域之一[26]。社會網絡分析方法已經比較成熟，大致從兩個方向展開，即以個體或節點為對象的網絡結構分析法和以整體網絡為對象的網絡結構分析法，分別從節點特征和整體特征方面闡釋網絡的具體特征[23]。

本文的主要研究問題是以三大城市群內部的城市為個體，構建通過城市間協同創新聯系形成的城市群協同創新網絡，并對其進行結構分析。采用社會網絡分析法可以映射城市創新主體間的互動結構和網絡關系，將城市間的協同創新聯系可視化，并就城市節點在城市群中的位置特征和城市群協同創新網絡的整體特征進行描述，適用于研究的展開。

2.2 數據來源

選取能夠直接體現主體間的創新聯系且較易獲取的 “網絡數據”對三大城市群協同創新網絡的結構特征進行量化分析，從城市間創新主體聯合申請專利和專利權轉移的視角切入。選擇聯合申請專利和專利權轉移數據構建創新網絡的原因一方面在于專利數據的標準化和可貿易性，能夠直接反映微觀主體的實際協同創新關聯，另一方面在于聯合申請專利和專利權轉移數據能夠直接反映城市間創新主體的創新合作和知識產權轉移情況，是城市群層面創新要素聯合互補、優化配置的集中體現。本研究的專利數據來源于IncoPat專利數據庫，采集2011—2019年三大城市群內部地級及以上城市由兩個或兩個以上主體合作申請以及專利權發生轉移的專利信息，包括發明申請、實用新型、外觀設計以及發明授權。經過篩選和處理后最終得到76644對城市間創新合作數據，其中京津冀8078對，長三角36764對，大灣區31802對。

2.3 鄰近性界定與指標構建

明確鄰近性的維度是探究城市群協同創新網絡影響因素的基礎。本文從多維鄰近性視角出發，參考學者對多維鄰近性的設定方法，結合中國城市群創新網絡的實際情況和數據的可獲得性，構建地理鄰近、制度鄰近、經濟鄰近、認知鄰近和文化鄰近五維鄰近性指標。由于本文定義的城市群內城市間的地理鄰近、制度鄰近和文化鄰近指標均隨時間變化較小，因此在構建三大城市群協同創新網絡結構和探究其影響因素方面均未考慮隨時間演化的數據，而是選取三大城市群協同創新網絡在時間上的一個 “截面”進行比較研究。本文對多維鄰近性的界定和指標構建方法具體如下。

地理鄰近性表示兩個城市地理上的接近程度。由于創新就其本質而言是知識的創造性重組，而知識的傳播具有顯著的地理衰減效應，因此在創新過程中面對面的近距離交流變得尤為重要。地理鄰近性的本質是區域主體間各要素運輸、傳播和共享需要面對的物理或空間距離。大部分前人研究中以城市間地理球面距離為基礎測度地理鄰近性。由于城市間的溝通依賴于交通便捷性，單純地理概念上兩點的球面距離并不能準確反映兩個城市間溝通交流的距離，因此本文使用城市間路網的最短通勤距離作為衡量地理鄰近的負向指標，城市間地理距離越低則地理鄰近性越高。數據來源于南開大學中國城市與區域空間發展數據庫，據此計算了中國主要地級以上城市間的路網最短通勤距離。

制度鄰近性衡量的是兩個城市之間能夠促使知識有效傳播的制度相似性，本文的制度指正式制度，即主要依賴各行政區域通過協商和法規等形式達成的共識。基于前人研究使用的虛擬變量方法，本文采用城市行政級別差距作為度量城市間制度距離的依據，以此構建制度鄰近性矩陣。采用這種方法的原因，一是行政級別由官方規定，記載于正式的規章制度中，有較強的依據性，二是不同行政等級的城市間確實存在不可忽視的差距。本文將同級別城市對應的制度鄰近性取值設定為1，否則為0。考慮到行政級別高的城市擁有的制度紅利更多，當兩個城市同時屬于副省級以上城市時，將其制度鄰近的取值調整為2。

經濟鄰近性衡量網絡中各城市間經濟規模的接近程度，在經濟距離方面，本文使用2011—2019年城市人均GDP差距的均值來衡量城市間的經濟距離，測算公式為：

Ecoij=|gdpi-gdpj|

(1)

式中，城市GDP數據來源于中國研究數據服務平臺 (CNRDS)。經濟距離是衡量經濟鄰近的負向指標，城市間的經濟距離越低則經濟鄰近性越高。

認知鄰近性對城市間創新合作的促進作用表現為能夠促進兩個城市行為主體間的有效溝通，提高交流效率。使用產業結構相似系數衡量城市間的認知鄰近性，產業結構相似系數取值介于0到1之間，取值越大，表示兩城市的產業結構越相似，認知鄰近性越高。本文以2011—2019年城市間三次產業結構相似系數的均值衡量認知鄰近性，產業結構相似系數的測算公式為：

(2)

式中，k代表城市第k次產業的產值，城市三次產業產值數據來源于中國研究數據服務平臺 (CNRDS)。

文化鄰近性是一個較為模糊的概念，有時被包含在制度鄰近性中，作為非正式制度的一種。非正式制度是在主體間內在的根植性、民族習性和歷史積淀中逐漸形成的，包含語言文字、價值理念、道德規范、風俗習慣等。非正式制度的度量一直是研究的難點。考慮到中國各地區內在的傳統文化差異在一定程度上塑造了語言地圖的劃分，本文從地區方言體系出發，試圖探究文化鄰近性對創新網絡形成的影響。三大城市群地區主要涉及官話片區和漢語方言片區。其中，京津冀城市群劃分為北京官話 (北京市、承德市、廊坊市)、冀魯官話 (天津、石家莊、唐山、秦皇島、邢臺、保定、滄州、衡水)和晉語 (張家口、邯鄲)；長三角城市群劃分為吳語 (上海、無錫、常州、蘇州、杭州、寧波、嘉興、湖州、紹興、金華、舟山、臺州、銅陵)和江淮官話 (南京、南通、鹽城、揚州、鎮江、泰州、合肥、蕪湖、馬鞍山、安慶、滁州、池州、宣城)；粵港澳大灣區城市群全部為粵語。方言數據來源于中國研究數據服務平臺 (CNRDS)，以官話 (大類)和漢語方言 (大類)作為城市語言的劃分標準。同一語言大類城市間的文化距離設定為0，否則為1。同樣，文化距離是衡量文化鄰近的負向指標，城市間文化距離越低則文化鄰近性越高。

3 三大城市群協同創新網絡的結構特征

3.1 網絡結構基本情況描述

將三大城市群中的各個城市視為節點，使用專利數據構建城市間協同創新矩陣，以各城市的地理經緯度坐標作為節點布局方式，用Gephi軟件繪制三大城市群區域協同創新網絡如圖1所示。圖1中，城市節點的大小依據各節點的度數中心度大小確定，節點間邊的寬度依據邊的權重確定。

圖1 2011—2019年三大城市群協同創新網絡

由圖1可以直觀看出，三大城市群內各城市之間普遍存在協同創新聯系，但這種聯系在不同城市之間的強度有顯著差別，網絡聯系并不均衡。具體而言，在京津冀城市群中，北京和天津兩個城市之間的創新聯系最多，其次是北京與廊坊、唐山、保定、石家莊幾個城市間的創新聯系較多。北京和天津兩個城市之間的創新聯系顯著超出其他城市間的創新聯系。在長三角城市群中，上海與蘇州、上海與南京兩對城市間的創新聯系最多，其次是南京與蘇州、上海與常州、上海與無錫、上海與杭州幾對城市間的創新聯系較多。在粵港澳大灣區城市群中，深圳與東莞兩個城市之間的創新聯系最多，其次是深圳與廣州、深圳與惠州、廣州與佛山幾對城市間的創新聯系較多，深圳與廣州兩個城市之間的創新聯系也顯著超出其他城市間的創新聯系。以下通過社會網絡分析方法探究具體的網絡結構特征。

3.2 節點中心性分析

節點中心性反映網絡行動者在網絡中地位和優勢等方面的差異。行動者越處于網絡中的中心地位，其影響力越大。根據本文研究的背景和指標內涵，選擇度數中心度和中間中心度兩種指標進行測度。

度數中心度表示某一城市在網絡中與其他城市聯系的緊密程度，度數中心度越大的城市，在網絡中的影響力越強。當網絡規模不同時，不同網絡中節點的絕對中心度不可比較，因此，本文所用的中心度為相對中心度，測算公式為：

(3)

式中，Xij為與i點相連的聯系數，n為網絡規模。

中間中心度測量的是行動者對資源的控制程度。具有較高中間中心度的節點處于網絡內其他節點交往的最短路徑上。在本文中，某一城市的中間中心度表明其對其他城市協同創新起到了橋梁或媒介作用。中間中心度越高，表明其他城市聯系經過該節點的路徑數越多，該城市對其他城市的控制能力越強，越處于網絡的核心。同樣，本文所指的中間中心度為相對中心度，測算公式為：

(4)

式中，gjk為節點j和節點k之間存在的捷徑數目，gjk(i)表示節點j和節點k之間經過節點i的捷徑數目。

使用Gephi軟件計算2011—2019年三大城市群協同創新網絡中各城市節點的度數中心度和中間中心度，結果見表1。由表1可知：①在京津冀城市群中，北京是處于網絡中統領地位的中心型節點城市，具有最高的度數中心度和中間中心度，與其他城市聯系最為緊密且對其他城市有較強的控制能力，天津的中心性僅次于北京，具有第二高的度數中心度和中間中心度，其他河北省的城市相較而言均具有較低的度數中心度，僅石家莊具有較高的中間中心度，衡水和邢臺的中心性最低。與其他兩個城市群相比，北京、天津在京津冀城市群中的度數中心度占比較大，說明京津冀城市群在協同創新上資源分配更加不平均，整體協同性更差。②在長三角城市群中，上海是處于網絡中統領地位的中心型節點城市，具有最高的度數中心度和中間中心度，其次是南京、蘇州和無錫，與其他城市具有較為緊密的協同創新聯系，中間中心度較高的城市還包括杭州和寧波，池州和宣城的中心性最低。作為由上海這一直轄市和江蘇、浙江、安徽三省部分城市構成的城市群，可以明顯看出江蘇省的協同創新水平較高，其次是浙江省，安徽省的協同創新水平較低。③在粵港澳大灣區城市群中，深圳是處于網絡中統領地位的中心型節點城市，具有最高的度數中心度和中間中心度，其次是東莞和廣州，中間中心度較高的城市還包括了中山和珠海，肇慶和澳門的中心性最低。

3.3 整體網絡指標分析

整體網絡評價指標可定量刻畫網絡整體規模、形態、中心勢等。本文選取網絡規模、網絡關系數、網絡密度、網絡中心勢刻畫各城市群協同創新網絡的整體特征。

網絡規模指網絡中的節點數量，本文指城市群協同創新網絡中涉及的城市數量，網絡關系數指協同創新網絡中城市間創新合作的總值，這兩個指標十分直觀地反映了城市群內的創新合作規模。網絡密度是網絡中各節點間聯系的緊密程度，便于比較不同規模網絡節點間聯系的密切程度，其測算公式為：

(5)

式中，d(ni，nj) 表示城市i和城市j間的合作關系數量，k表示網絡中的成員數目。

網絡中心勢指作為整體圖的中心度，反映了網絡的集中程度或者一致性。具體而言，網絡度中心勢指網絡的實際點度變異值與可能出現的最大點度變異值之比，該值越接近于1，表明網絡集中趨勢越明顯、網絡度中心勢的測算公式為：

(6)

類似地，網絡中間中心勢的測算公式為：

(7)

使用Gephi軟件計算的2011—2019年三大城市群協同創新網絡的整體網絡指標見表2。由表2可知：①京津冀城市群協同創新網絡具有最小的網絡規模、關系數和網絡密度，同時具有最大的網絡度中心勢和中間中心勢，表明其城市成員之間的協同創新活動較少，同時協同創新活動更加集中在少數城市 (北京、天津)， “權力”更加集中，城市群整體協同創新水平較低。②長三角城市群協同創新網絡的規模最大，具有最大的關系數，最小的中心勢，其協同創新水平較高，創新分布更加平均。③粵港澳大灣區城市群協同創新網絡雖然規模最小，但擁有最高的網絡密度，說明其成員之間的協同創新合作更為密切，網絡中心勢位于京津冀城市群和長三角城市群之間。

表2 2011—2019年三大城市群協同創新網絡整體網絡指標

3.4 核心-邊緣分析

核心區是具有較高創新變革能力的地域社會組織子系統，邊緣區則是依附于核心區的地域社會子系統。核心區與邊緣區共同組成完整的空間系統，其中核心區在空間系統中居支配地位。核心—邊緣結構分析可根據網絡中結點之間聯系的緊密程度，將網絡中的結點分為核心區域和邊緣區域，并給出其兩類區域內部及之間的聯系矩陣。處于核心區域的結點在網絡中占有比較重要的地位，其余結點則處于邊緣地位。利用Ucinet軟件自帶的核心-邊緣分析模塊進行計算，結果見表3。由表3可知：①在京津冀城市群中，北京、天津處于核心地位，在長三角城市群中，上海、南京、蘇州處于核心地位，在粵港澳大灣區城市群中，香港、廣州、深圳處于核心位置。②根據核心邊緣聯系矩陣，京津冀城市群的核心-邊緣特征最為顯著，其基本處于協同創新的初期，長三角城市群的核心-邊緣特征較京津冀偏弱，其基本處于協同創新的成長期，而大灣區城市群的核心-邊緣特征在三大城市群中表現最弱，各城市間發展較為均衡，可認為其協同創新發展已相對完善。

表3 2011—2019年三大城市群協同創新網絡核心-邊緣分析

3.5 模塊化分析

模塊化分析的目標是要探測網絡中的 “模塊”或是 “社團”，模塊劃分方法可以使模塊間的緊密度最大，具有更大的密度。利用Gephi軟件中自帶的模塊化運算方法，找到使模塊性最大化的劃分方式。使用不同的顏色對城市群網絡的每個模塊進行標記，分析結果如圖2所示。

圖2 2011—2019年三大城市群協同創新網絡模塊化結果

由模塊化分析結果可知，在京津冀城市群中，形成了兩大 “社團”——北京、天津、廊坊為一個社團，其余河北的城市為一個社團。在長三角城市群中，上海和江蘇的城市組成一個社團，浙江的城市為一個社團，安徽的城市為一個社團，即長三角城市群的行政區劃在協同創新網絡中有明顯邊界。在粵港澳大灣區城市群中，深圳、東莞、惠州為一個社團，廣州和其他城市為一個社團。

4 三大城市群協同創新網絡的影響因素分析

4.1 多維鄰近性與城市群協同創新網絡的QAP分析

在研究設計明確多維鄰近性的基礎上，通過QAP分析法探索影響三大城市群協同創新網絡的因素。QAP分析是一種將兩個及以上矩陣中各對應元素值的相似性進行比較，給出矩陣間的相關系數，同時對系數進行非參檢驗的方法，其優點在于不要求變量之間相互獨立或已知變量的總體分布形態，適用于違背 “共線性”關系矩陣的參數估計和統計檢驗，可度量 “屬性數據”與 “關系數據”間的關系，并能有效避免無意義顯著性檢驗導致的模型預測功能失效。在網絡分析中，QAP提供的多元回歸方法可以衡量多個屬性矩陣 (自變量矩陣)和一個主體矩陣 (因變量矩陣)之間的回歸關系。運用QAP分析法研究多維鄰近性對城市群協同創新的影響，設立模型為：

PATij=f(Geoij，Insij，Ecoij，Cogij，Culij)

(8)

式中，PATij表示城市間協同創新水平，以專利聯合申請和轉讓數作為表征，Geoij、Insij、Ecoij、Cogij、Culij分別代表地理鄰近性、制度鄰近性、經濟鄰近性、認知鄰近性和文化鄰近性的對應指標。從單一城市群出發，對被解釋變量PAT與5個影響因素進行QAP回歸分析，回歸結果見表4。

表4 多維鄰近性與城市協同創新網絡QAP回歸分析結果

根據QAP回歸分析結果，可發現通勤距離與三大城市群內的協同創新水平顯著負相關，即地理鄰近性與協同創新水平顯著正相關。制度鄰近性與協同創新水平顯著正相關，即創新合作會傾向于發生在行政級別相同的高級別城市間，跨行政級別的創新合作在高級別城市的主導下也會表現出較高的頻次和強度，行政級別較低城市間的創新合作的頻次較低。GDP差距對三大城市群協同創新水平的影響有所差異，即經濟鄰近性對三大城市群協同創新的影響不同，在京津冀城市群中，經濟鄰近性與城市間協同創新水平顯著正相關，在長三角城市群中，經濟鄰近性與城市間協同創新水平顯著負相關，在粵港澳大灣區城市群中，經濟鄰近性與城市間協同創新水平關系不顯著。產業結構相似系數對三大城市群協同創新水平的影響也有所差異，即認知鄰近性對三大城市群協同創新的影響不同，在長三角和粵港澳大灣區城市群中，認知鄰近性與城市間協同創新水平成正比，在京津冀城市群中，認知鄰近性與城市間協同創新水平成反比。以方言差異為表征的文化鄰近性與城市群內的協同創新水平沒有顯著關系。

由于QAP分析是矩陣相關分析，單一城市群矩陣數據量較少，為了更深一步研究多維鄰近性對協同創新水平的影響，接下來將矩陣數據轉變為兩兩關系數據，整體分析三大城市群協同創新水平的影響因素。

4.2 多維鄰近性與城市群協同創新網絡的線性回歸分析

城市之間的協同創新水平與兩個城市各自的創新水平成正相關，與距離變量成負相關。借鑒引力模型，將引力模型取對數轉化為線性模型，考察協同創新水平與多維鄰近性的對應關系，設定線性模型為：

PATij=α+β1PATi+β2PATj+β3Geoij+β4Insij+β5Ecoij+β6Cogij+β7Culij+ε

(9)

式中，PATi和PATj分別代表兩個城市各自的專利申請數量，其余變量含義與上文相同，回歸結果見表5。首先用Stata軟件對城市之間的協同創新水平進行OLS回歸，并使用穩健標準誤，回歸結果見表5中的列 (1)。由OLS回歸結果可以看出，城市之間的專利合作數量與兩個城市各自的專利申請數量成正比。兩個城市間的通勤距離對其專利合作數量的影響顯著為負，即地理鄰近性對城市間的協同創新水平有顯著正向影響，與QAP分析的結果一致。制度鄰近性對城市間協同創新水平的影響顯著為正，城市間GDP差距對城市間協同創新水平的影響顯著為負，即經濟鄰近性正向影響城市間協同創新水平，產業結構相似系數及認知鄰近性對城市間專利合作的影響為正但不顯著，語言體系即文化鄰近性對城市間專利合作數量的影響為負但不顯著。

表5 多維鄰近性與城市協同創新網絡回歸分析結果

由于被解釋變量專利聯合申請和轉讓數為非負整數，故可采用離散計數模型進行穩健性分析。常用的離散計數模型有泊松回歸和負二項回歸兩種模型。但是，標準泊松回歸的使用前提是被解釋變量的期望與方差相等。經計算，本文被解釋變量的樣本方差大約是樣本均值的4倍，因此不適用標準泊松回歸，在此使用負二項回歸。表5列 (2)為NB2負二項回歸結果，計算負二項回歸的平均邊際效應，結果見列 (3)。列 (4)為NB1負二項回歸的結果，列 (5)為平均邊際效應。由于被解釋變量有部分取值為0，考慮零膨脹泊松回歸，列 (6)為其結果，經計算的vuong統計量為2.74，顯著大于1.96，固拒絕標準泊松回歸，使用零膨脹泊松回歸合理，列 (7)為平均邊際效應。

綜合離散計數模型的平均邊際效應結果可以看出，城市之間的專利合作數量與兩個城市各自的專利申請數量成正比，兩個城市之間的通勤距離對其專利合作數量影響顯著為負，制度鄰近性、產業結構相似系數對專利合作數量影響顯著為正，其結果與OLS回歸的結果相似，通過穩定性檢驗。在負二項回歸中，城市間GDP差距和語言鄰近對專利合作數量的影響不顯著，在零膨脹泊松回歸中，城市間GDP差距、語言鄰近對專利合作數量的影響顯著為正，結果不穩健。

結合QAP分析結果與回歸分析的結果可知，每個城市自身的創新能力能夠直接正向影響城市群內城市間的協同創新能力。同時，在三大城市群中，地理鄰近性、制度鄰近性和認知鄰近性對城市群協同創新網絡具有顯著的正向影響，而經濟鄰近性和以方言為表征的文化鄰近性對三大城市群協同創新網絡的影響不顯著。這意味著，城市群內城市間的交通越便捷，行政等級越接近，產業結構越相似，越容易產生協同創新，且行政等級越高的城市與其他城市協同創新聯系的可能性更高。然而，城市間的GDP差距、以方言為代表的傳統文化相似性對城市群協同創新的影響并不顯著。

5 結論及政策建議

在創新驅動發展和城市群成為區域經濟核心引擎的背景下，城市群內城市間的協同創新發揮著日益突出的作用。本文選取京津冀、長三角、粵港澳大灣區三大城市群為研究對象，使用城市間創新主體聯合申請專利和專利權轉移數據構建城市群協同創新網絡，應用社會網絡分析法分析三大城市群內部協同創新網絡的空間結構，并從多維鄰近性視角出發探究影響城市群協同創新網絡的因素，研究結論如下。

(1)三大城市群協同創新網絡的結構特征存在明顯差異。通過社會網絡分析，可發現在三大城市群中，粵港澳大灣區城市群城市間的協同創新合作最為密切，創新網絡核心-邊緣特征較弱，城市間發展較為均衡，其中深圳是粵港澳大灣區城市群協同創新網絡的中心型節點城市。長三角城市群的整體協同創新水平較高，創新分布較均衡，但江蘇、浙江、安徽3個省份在協同創新網絡中存在明顯的邊界，上海是長三角城市群協同創新網絡中的中心型節點城市，其次是南京、蘇州和無錫。相比較而言，京津冀城市群的整體協同創新水平較低，核心-邊緣特征最為顯著，協同創新活動更加集中在北京、天津兩個城市，河北省的城市均具有較低的中心性。

(2)城市間鄰近性對城市群協同創新能力具有顯著影響。除了城市自身的創新能力能夠直接影響其與其他城市的協同創新能力，城市間的地理鄰近、制度鄰近、認知鄰近對城市群協同創新能力具有顯著影響，即城市群內城市間的通勤距離、行政劃分和產業結構是影響協同創新的重要因素。但是，文章未發現以城市間GDP差距為表征的經濟鄰近性和以語言區劃分為表征的文化鄰近性對于城市群協同創新網絡的顯著影響。

結合研究結論，基于城市群的協同創新發展提出以下政策建議。

(1)重視多維鄰近性對城市群協同創新的影響，不斷優化城市群創新環境。各城市在努力提升自身創新能力的同時，要注重多維鄰近性對城市間協同創新的積極作用。應持續推進城市間的基礎設施建設，提高創新主體間的可達性，增強城市間主體往來的便利性，降低城市間合作的時間與經濟成本，提升城市間的地理鄰近性。要弱化城市群內城市間的行政劃分，例如，長三角城市群要著力降低江蘇、浙江、安徽三省間的行政壁壘，減少制度距離對協同創新的阻礙作用，實現城市群內 “一盤棋”的規劃發展。

(2)放大中心節點城市的創新溢出和輻射功能，提升城市群創新協同效應。中心節點城市要發揮關鍵作用，帶動城市群邊緣的中小城市協同發展。資源承載負荷過重的超大城市應加強創新溢出和對周邊中小城市的產業輻射，避免中心城市 “孤島式”發展，城市群內的邊緣城市應提升對中心城市產業的承接能力，彌補城市間的創新水平差距。例如，京津冀城市群要著力加強北京、天津的功能疏導和對河北省的產業帶動，提升河北省的產業承接能力，加強一體化水平，而這也是京津冀協同發展的重要內核。

(3)完善城市群內部創新資源配置和激勵機制，推動城市群協同創新驅動發展。要根據不同城市群協同創新發展的現狀特征，制定總體規劃，有效配置城市群內部的各類資源，形成城市群創新合力。制定激勵機制，消除城市群內限制創新資源流動的各類藩籬，增強城市間創新資源流動，實現城市群更深度的協同創新，促進城市群整體創新績效的提升。