中國高技術產業(yè)的空間關聯(lián)網絡特征研究
——基于社會網絡分析法

馬為彪,方大春

(安徽工業(yè)大學 商學院, 安徽 馬鞍山 243032)

一、文獻綜述

高技術產業(yè)是技術進步、產業(yè)升級的重要推動者和實現(xiàn)者,是經濟增長的“先導產業(yè)”和增強國家競爭力的“戰(zhàn)略產業(yè)”。在中國經濟進入新常態(tài)的背景下,高技術產業(yè)的發(fā)展還承擔著引導我國經濟由“投資驅動型”向“創(chuàng)新驅動型”轉變的重任[1]。高技術產業(yè)如何發(fā)展一直是經濟學家和政府管理部門關注重點。汪朗峰等基于隨機前沿模型探討1978～2009年間科技資源配置和相關制度對高技術產業(yè)發(fā)展影響[2]。吳勇民等利用我國1995～2012年的時間序列數據,探索金融產業(yè)與高技術產業(yè)對二者共生演化關系[3]。翟瓊等基于2004～2013年省際面板數據檢驗R&D投入對于高技術產業(yè)產值的增加具有較大的貢獻,并且在東中西地區(qū)差異很大[4]。戴魁早等基于1997～2009年省際面板數據,驗證要素市場扭曲顯著地抑制中國高技術產業(yè)發(fā)展[5]。鄧菁等利用2004～2014年省際面板數據研究發(fā)現(xiàn),在現(xiàn)行財政分權制度下,財政自主權、政策差異對高技術產業(yè)發(fā)展影響較大[1]。張鵬等利用2005～2011年省際面板數據空間面板模型,考察高技術產業(yè)影響因素,結果表明產業(yè)發(fā)展受到資本投入、人力資本投入、區(qū)域要素稟賦結構、區(qū)域開放度、區(qū)域自然資源稟賦和研發(fā)強度的影響,產業(yè)具有較大的空間溢出效應[6]。陳程基于2005～2015年省際面板數據空間滯后模型,研究表明稅收對高技術產業(yè)是空間負效應,地方財政支出則具有明顯的空間正效應[8]。朱衛(wèi)東等基于2002～2013年省際面板數據空間面板模型,研究表明區(qū)域技術引進和高技術產業(yè)產出均存在顯著的空間依賴性,并形成不同的集聚區(qū)域[9]。

從上述文獻梳理來看,一是大部分研究局限于分析本地區(qū)哪些因素影響本地高技術產業(yè)發(fā)展,少數在考察產業(yè)影響因素空間效應時,是基于“近鄰”關系。實際上,高技術產業(yè)發(fā)展的空間聯(lián)系已經超越了單純地理學意義上的 “近鄰”關系,可能出現(xiàn)“間隔”影響大于“近鄰”影響,主要表現(xiàn)在從業(yè)人員跨地區(qū)流動、產業(yè)競爭和合作、技術封鎖與外溢等。在這種復雜空間網絡關系作用下,在考慮高技術產業(yè)的發(fā)展時,就需要從空間關聯(lián)的角度來考察。二是現(xiàn)有的對高技術產業(yè)影響因素的探究主要基于“屬性數據”而非“關系數據”[10]。實際上,很多高技術產業(yè)發(fā)展影響因素存在門檻值,特別是對相鄰地區(qū)外溢效應只有達到或者超過門檻值才能發(fā)揮影響。高技術產業(yè)作為知識密集型產業(yè),高技術人員的空間流動等往往使得高技術產業(yè)關聯(lián)關系變成網絡關系。傳統(tǒng)“一刀切”的高技術產業(yè)發(fā)展政策在某種程度上抑制了全國高技術產業(yè)的聯(lián)動發(fā)展,這就需要我國政府站在全國“一盤棋”的角度制定全國的高技術產業(yè)發(fā)展戰(zhàn)略。因此,政府在制定推進高技術產業(yè)發(fā)展政策時,不但需要了解各地區(qū)高技術產業(yè)發(fā)展態(tài)勢,更要明確各地區(qū)在發(fā)展高技術產業(yè)中戰(zhàn)略地位,必須掌握各地區(qū)高技術產業(yè)在全國空間關聯(lián)網絡中節(jié)點地位。這需要我們借用社會網絡分析方法(SAN)來探討各地區(qū)高技術產業(yè)空間關聯(lián)網絡結構特征。實際上,社會網絡分析法(SNA)作為一種新的社會科學研究范式早已被廣泛運用到經濟學研究領域,如經濟聯(lián)系一體化[11]、產業(yè)結構變遷[12]、經濟增長[13]、人民幣國際化路徑[14]等。

本文首先構建高技術產業(yè)空間關聯(lián)網絡模型,再運用社會網絡分析方法(SAN)測度網絡關聯(lián)關系數、網絡密度分析我國高技術產業(yè)整體空間網絡特征,計算中心度來考察各省高技術產業(yè)在網絡結構中的地位與作用,通過空間聚類討論各板塊之間的相互關系。

二、模型構建與數據來源

1.高技術產業(yè)空間關聯(lián)網絡模型構建

高技術產業(yè)的空間關聯(lián)網絡是高技術產業(yè)相互關系的集合。網絡中“點”表示省份,網絡中“線”表示省份之間關系,兩者相互結合形成空間關聯(lián)網絡。根據已有的文獻,構建空間關聯(lián)網絡主要存在兩種模型:VAR模型與引力模型。Groenewold等人在探討區(qū)域之間空間溢出關系時采用了VAR模型[15];李敬在探討區(qū)域經濟增長空間關聯(lián)時也采用了VAR模型[11]。但VAR模型依賴于數據的滯后期選擇較為敏感,引力模型在考察區(qū)域空間相互作用能力卻不依賴于數據的滯后期。因此,本文采用引力模型構建高技術產業(yè)的空間關聯(lián)網絡,并對已有的引力公式進行相對的修改,具體公式如下:

(1)

公式(1)中,ai,j表示省份i和省份j之間高技術產業(yè)空間上的相互關系;ki,j表示i省高技術產值占i與j省總值的份額;Pi與Pj分別代表i與j省的總人口數;Oi、Oj分別指i和j省的高技術產業(yè)產值;Gi、Gj分別指i與j省的GDP總值;高技術產業(yè)之間相互影響程度隨著兩者間距離存在衰減,這就需要將距離納入到模型中,用di,j表示i與j省省會之間的實際距離;gi與gj分別表示i與j省的人均GDP,它代表各省的經濟發(fā)展水平,一般情況經濟發(fā)展水平差別越大高技術產業(yè)之間互補性越強。根據(1)式,可得Ai,j=(ai,j)30*30的引力矩陣,取每行值的平均數為該行的行閾值,并將行內的每個值與其比較,當大于閾值時,取1代替,代表兩省高技術產業(yè)在空間上具有關聯(lián)性;當小于閾值時,取0替換,表示不存在關聯(lián)關系。最終構成高技術產業(yè)空間關聯(lián)網絡矩陣,由于得到的ai,j與aj,i值不同,所以該空間關聯(lián)網絡是有方向的。

2.數據來源

本文研究對象是全國的30個省市(不含西藏與港澳臺地區(qū)),時間跨度為1995～2014年。高技術產值與各省市GDP、人均GDP、城市人口分別來源于1996～2015年《中國高技術產業(yè)統(tǒng)計年鑒》與《中國統(tǒng)計年鑒》。GDP、人均GDP與高技術產值以1995年為基期進行平減,消除價格因素對地區(qū)生產總值的影響。省際間地理距離以省會城市之間的球面距離表示,以ARCGIS10.0軟件計算而得。

三、高技術產業(yè)空間關系關聯(lián)的實證結果與分析

1.整體網絡變化趨勢

本文根據公式(1),用UCINET可視化工具Netdraw繪制了1995年(參見圖1)、2008年(參見圖2)、2014年(參見圖3)我國省際高技術產業(yè)空間關聯(lián)的網絡結構圖,以便更能清晰地比較近20年來我國高技術產業(yè)的空間關聯(lián)網絡的演變情況。從三幅圖可以直觀地看出省際高技術產業(yè)空間關聯(lián)網絡連線慢慢趨向于我國的東部地區(qū),上海、北京、天津、江蘇、浙江等地漸漸地向網絡的中心靠近。網絡四周的邊緣地帶大部分所屬我國的中西部地區(qū),較少與其他省份直接的聯(lián)系,但是相比較于1995年,2008年與2014年網絡邊緣地帶點的連線有所增加,這說明我國高技術產業(yè)在空間關聯(lián)上有了更多聯(lián)系。

2.整體網絡特征

本文將從網絡密度、中心性與塊模型三個部分對我國省際高技術產業(yè)空間關聯(lián)網絡展開分析。

(1)網絡密度

網絡密度表示一個網絡關系緊密程度,其密度越大則表示該網絡對其行動者的態(tài)度、行為產生的影響就越大關系也就越緊密。計算網絡密度時包括有向的網絡密度和無向的網絡密度,本文測量的是有向網絡密度。

圖1 1995年全國省際高技術產業(yè)空間關聯(lián)網絡圖

圖2 2008年全國省際高技術產業(yè)空間關聯(lián)網絡圖

圖3 2014年全國省際高技術產業(yè)空間關聯(lián)網絡圖

從表1可以看出我國省際高技術產業(yè)的空間關聯(lián)關系總數總體呈上升趨勢，1995年的關聯(lián)關系總數為179個、2008年為190個、2014年上升為195個，與之對應的網絡密度由1995年的0.206上升到2014年的0.224。網絡密度的上升表明中國省級高技術產業(yè)空間關聯(lián)越密切。雖然通過對樣本的計算，我國的高技術產業(yè)空間關聯(lián)網絡密度總體上呈上升趨勢，但是其網絡密度并不高。對于該網絡，理論上存在的最大可能關聯(lián)關系總數應為870個(30×29)，但實際的最大只有2014年的195個，因此我國在高技術產業(yè)的空間聯(lián)系上還有很大的提升空間。與此同時，網絡密度越高一方面能夠體現(xiàn)我國高技術產業(yè)在空間關聯(lián)上的密切性，但另一方面，也會增加冗余的連線，一旦達到網絡的最大容載率，過多的連線就會導致網絡的低效率，進而對高技術產業(yè)空間關聯(lián)產生抑制作用，不利于我國區(qū)域間高技術產業(yè)相互發(fā)展。

表1 高技術產業(yè)空間關聯(lián)網絡密度及關聯(lián)關系總數

(2)中心性分析

對于中心性的分析包括兩個方面:度數中心性與中間中心性。度數中心性與中間中心性常用來描述行動者在網絡中居于怎樣的中心地位,是度量度數中心性指標。有向圖中的度數中心度的測量又可分為點入度(受益關系)與點出度(溢出關系)。在網絡中,點的中間中心性由中間中心度和接近中心度來表示。中間中心度測量的是該點對資源控制的程度,如果該點處于其他許多點相聯(lián)系的連線上表明該點就具有較高的中間中心度,在網絡中起到橋梁的作用。例如,如果一個省份的高技術產業(yè)中間中心度很高,則該省在整個高技術產業(yè)的空間關聯(lián)網絡中就起到橋梁性的作用。接近中心度表示該點通過最短的路徑與其他許多點相聯(lián)系,一個點的直接相聯(lián)系點越多說明該點在網絡中就是扮演中心行動者的角色。限于篇幅原因,在此僅列出2014年計算結果,如表2所示。

首先,從點度中心度來看:2014年中心度高于均值的省份有上海、天津、北京、江蘇、浙江、福建、廣東、山東、河南、貴州。2014年點入度排名高于平均值有上海、天津、北京、江蘇、浙江、山東、福建、河南、廣東,且這些省份的點入度都分別大于自身的點出度。從地理位置上看,這些排名靠前的省份絕大部分位于東部沿海地區(qū),正是我國高技術產業(yè)最為發(fā)達的地區(qū),說明這些省份在高技術產業(yè)的空間網絡關聯(lián)性上較其他地區(qū)具有中心地位。從數值上看,上海的度數中心度位居全國之最,這說明上海在全國的高技術產業(yè)關聯(lián)網絡中起到中心的作用。2014年中心度的均值(22.414)高于1995年(20.575)與2008年(21.839),這說明我國的高技術產業(yè)空間關聯(lián)網絡在整體上關聯(lián)度趨于更加緊密。其次,從中間中心度的角度看:2014年高于均值的有上海、天津、北京、江蘇、浙江、福建6個省份。這說明這些省份在高技術產業(yè)空間關聯(lián)網絡中處于其他省份的相互連線上,在網絡中起到“橋梁”的作用。上海、江蘇、浙江作為長江三角洲的“領頭羊”,北京、天津作為環(huán)渤海地區(qū)的“龍頭大哥”,在全國的高技術產業(yè)關聯(lián)網絡中起到舉足輕重的地位。上海的中間中心度達到全國的最高點19.08,約占全國總中間中心度的30%,這說明上海在整個網絡中起到核心的作用,它銜接了全國高技術產業(yè)的空間聯(lián)系。中間中心度2014年均值為2.258,低于1995年均值(2.381)與2008年均值(2.307),我國高技術產業(yè)空間關聯(lián)網絡中間中心度有下降趨勢,上海、北京、天津、浙江、江蘇等地區(qū)在1995年到2014年中間中心度都有所下降,這說明它們在網絡中所起“橋梁”的作用有所消減,更加體現(xiàn)了全國高技術產業(yè)在空間上趨向于均衡發(fā)展。最后,從接近中心度的角度看,2014年高于均值的省份有上海、天津、北京、江蘇、浙江、福建、山東、廣東、貴州。這些省份大部分位于我國的東部沿海地帶,科技水平處于全國領先地位,匯集了全國大量的科技人才,這使得這些省份不僅占據了全國高技術發(fā)展的資源,也控制了全國高技術資源的流動效率。其中,上海的接近中心度達到93.548,居于全國之首,這說明上海在我國的高技術產業(yè)關聯(lián)網絡中處于網絡的中心。2014年接近中心度均值為62.355,較1995年(60.852)與2008年(61.748)有所上升。

另外,不管從中心度、中間中心度還是接近中心度的角度來分析,青海、吉林兩省排名最后,主要由于地理位置偏遠、基礎設施不發(fā)達、經濟相對落后,導致高技術產業(yè)發(fā)展相對落后,在全國的高技術產業(yè)空間關聯(lián)網絡中處于邊緣位置,處于受支配的地位。從該網絡中很容易發(fā)現(xiàn),我國高技術產業(yè)在空間上所呈現(xiàn)的非均衡發(fā)展的特征:高技術產業(yè)集中在我國的東部地區(qū),中西部地區(qū)發(fā)展不明顯。

表2 省際高技術產業(yè)空間關聯(lián)網絡中心性分析結果

(3)塊模型分析

為了探討省際高技術產業(yè)的空間關聯(lián)網絡整體以及板塊內結構的情況。塊模型最早由White等提出,它是一種研究網絡位置模型的方法,塊模型研究網絡中的某一塊在該網絡中承擔的作用與角色,這點不同于對個體網絡的分析[16]。本文依據Wasserman與Faust評價網絡塊模型的測量方法[17],將本文的高技術產業(yè)空間關聯(lián)網絡劃分為四個板塊:凈受益板塊、凈溢出板塊、經濟人板塊、雙向溢出板塊。凈受益板塊含義是該板塊的內部關系相較于外部關系比較多,且對其他板塊有很少的溢出效應,在極端的情況下,只存在板塊內成員的相互關系且接受外來的關系,但不對其他板塊主體發(fā)出關系,這種情況下稱之為凈收益板塊。凈溢出板塊含義是該板塊的成員向其他板塊發(fā)出的關系比較多,接受外來的關系比較少。經紀人板塊含義是該板塊在網絡中起到“中介”的作用,既能接受外部的關系又能向外界發(fā)送關系,但其內部成員關系聯(lián)系少。雙向溢出板塊含義是該板塊向其他板塊發(fā)出較多的關系,同時板塊內成員之間有較多的相互關系,但接收較少的外部關系。

為了更加清晰地表現(xiàn)我國高技術網絡的空間關聯(lián)性,本文將整個網絡塊狀化并研究每板塊在網絡中所扮演的角色。本文采用CONCOR方法,以最大分割深度為2,收斂標準為0.2,并以Wasserman與Faust的劃分標準將整個高技術產業(yè)網絡分為四塊板塊:主(凈)受益板塊、凈溢出板塊、經紀人板塊與雙向溢出板塊,如表3所示。

2014年我國高技術產業(yè)空間關聯(lián)網絡存在195個關聯(lián)關系,其中板塊內的關聯(lián)關系33個,板塊外的關聯(lián)關系162個,說明全國高技術產業(yè)存在著明顯的空間關系與溢出關系。第一板塊包括北京、天津、上海、山東,溢出關系有22個,其中板塊內部的溢出關系有8個,板塊外14個;接收關系總共85個,其中板塊內8個,板塊外77個,期望內部關系比例為10.34%,實際內部關系比例為36.36%,第一板塊的實際內部關系比例大于期望內部關系比例,這說明該板塊既發(fā)出關系也吸收來自外部板塊的關系,屬于“雙向溢出”板塊。第二板塊包括廣東、江蘇、浙江、福建,溢出關系有21個,其中板塊內溢出關系為0,板塊外溢出關系21;接收關系總共53個,屬于板塊內為0,板塊外為53,該板塊接收關系大于發(fā)出關系,表明該板塊屬于“凈受益”板塊,該板塊的內部成員基本位于沿海地區(qū),屬于高技術產業(yè)鏈發(fā)展地帶,主要接收全國的高技術產業(yè)發(fā)展資源。第三板塊含吉林、河北、內蒙古、甘肅、遼寧、寧夏、黑龍江、山西、青海,溢出關系總共有52個,其中屬于板塊內的14個,板塊外的38個;接收關系21個,其中板塊內接收關系14個,板塊外7個,期望內部關系比例27.59%,實際內部關系比例26.92%,第三板塊既對其他板塊發(fā)送關系,又接收來自外部成員的關系,且其接收關系與發(fā)出關系比較接近,在高技術產業(yè)網絡中充當“中介”與“橋梁”的作用,所以第三板塊可作為該網絡的“經濟人”板塊。第四板塊的成員主要有湖北、河南、廣西、湖南、重慶、四川、貴州、云南、陜西、安徽、海南、江西、新疆,發(fā)出關系總共100個,其中屬于板塊內的11個,板塊外的89個;接收關系總共36個,其中11個屬于板塊內,25個屬于板塊外,期望內部關系比例為41.38%,實際內部關系比例11%,該板塊發(fā)出關系明顯大于接收關系,故該板塊在高技術產業(yè)關聯(lián)網絡中作為“凈溢出”板塊,該板塊的成員主要屬于我國的中、西部地區(qū),擁有豐厚的自然資源,但由于當地的高技術產業(yè)發(fā)展緩慢,故而引起資源的對外流動。

表3 高技術產業(yè)空間關聯(lián)板塊分析

注:期望內部關系比例根據(板塊內省份個數-1)/(網絡中所有省份個數-1)計算;實際內部關系比例根據板塊內部關系數/板塊的溢出關系總數計算。

為了更進一步探索四個板塊之間高技術產業(yè)空間關聯(lián)關系,本文利用表3的分布結果計算出各個板塊的網絡密度矩陣,如表4所示,2014年全國高技術產業(yè)空間關聯(lián)關系密度為0.224,若該四個板塊任何一個板塊網絡密度大于0.224,則說明該板塊高技術產業(yè)之間更加集中,并賦值1,相反則賦值為0,由此構成高技術產業(yè)空間關聯(lián)網絡像矩陣,如表4所示。

由像矩陣可以看出,第一板塊除了自身存在著高技術產業(yè)的相關關系外,還接收來自第二、三、四板塊的溢出,第二板塊接收來自第四板塊的溢出,這說明地區(qū)經濟越發(fā)展,高技術產業(yè)越發(fā)達,更加需要來自其他省份的資源的供給;第三對第一板塊、第四板塊分別與第一板塊第二板塊有發(fā)出關系,究其原因第三、第四板塊成員基本位于我國的中、西部,擁有著大量可促進高技術發(fā)展的豐富自然資源。這些表明我國的高技術產業(yè)空間關聯(lián)的網絡中,各板塊之間有緊密的聯(lián)系,板塊之間發(fā)揮自身的比較優(yōu)勢,扮演著自己角色。

表4 省際高技術產業(yè)空間關聯(lián)網絡密度矩陣與像矩陣

注:“1”表示存在行指向列的關聯(lián)關系,“0”表示沒有關聯(lián)關系。

四、結論與建議

本文運用社會網絡分析方法,通過構建修正的引力模型,利用1995～2014年省際數據,從整體網絡特征、網絡中心特征以及空間聚類特征三個角度考察高技術產業(yè)空間關聯(lián)關系網絡結構,得出以下結果:

第一,從整體網絡特征看:從1995年到2014年期間,我國省際高技術產業(yè)空間關聯(lián)的網絡密度總體趨于上升狀態(tài),這說明全國高技術產業(yè)之間的空間關聯(lián)性更加密切。

第二,從網絡中心特征看:點度中心度排名高于平均值省份有上海、天津、北京、江蘇、浙江、福建、山東、貴州、廣東;中間中心度高于平均值省份有上海、天津、北京、江蘇、浙江、福建;接近中心度高于平均值省份有上海、天津、北京、江蘇、浙江、福建、山東、廣東、貴州;排名最后兩個省份為青海、吉林。從網絡中心特征的三個角度可以看出,上海都處于第一,這說明上海在全國的高技術產業(yè)空間關聯(lián)網絡中處于核心的地位。

第三,從空間聚類特征看:由北京、天津、上海、山東4個省份所構成的板塊在高技術產業(yè)空間關聯(lián)的網絡中起著“雙向溢出”的作用;由廣東、江蘇、浙江、福建等4省份組成的第二大板塊在網絡中扮演著“凈受益”的角色;第三板塊成員包括吉林、河北、內蒙古、甘肅、遼寧、寧夏、黑龍江、山西、青海等9個省份,以“經紀人”的身份活躍在網絡中;最后一個板塊由湖北、河南、廣西、湖南、重慶、四川、貴州、云南、陜西、安徽、海南、江西、新疆等13省份組成，在網絡中起著“凈溢出”的作用。前兩個板塊成員按我國的地區(qū)分類,都屬于我國的東部地區(qū),其高技術產業(yè)發(fā)展迅速,吸收了來自全國其他地區(qū)的資源,后兩個板塊成員基本位于我國的中、西部地區(qū),為全國其他地區(qū)的高技術產業(yè)的發(fā)展提供了支持。

根據以上結論,給出以下建議:

第一,高技術產業(yè)發(fā)展需要“全國一盤棋”戰(zhàn)略。我國高技術產業(yè)的空間關聯(lián)性越來越密切,因此在制定高技術產業(yè)發(fā)展政策時,必須將各地區(qū)空間上的關聯(lián)關系納入到考慮范圍,在整個宏觀的角度制定相應的高技術產業(yè)發(fā)展計劃,從而適應各個地區(qū)的發(fā)展。上海、天津、北京、江蘇、浙江在整個網絡中趨于中心的位置,高技術產業(yè)比較發(fā)達,對于青海、寧夏、安徽、吉林、湖南、湖北等處于網絡邊緣的地區(qū),在資源上有較大的依賴性。這些地區(qū)經濟發(fā)展相對緩慢,高技術產業(yè)發(fā)展相對遲緩,但擁有豐富的科技資源,可以與東部地區(qū)展開合作,承接東部產業(yè)的轉移并改造出同當地傳統(tǒng)產業(yè)優(yōu)勢互補的產業(yè),充分發(fā)揮高技術產業(yè)的溢出效應,并有效緩解各自的短板,發(fā)揮各自的比較優(yōu)勢[18]。使得我國的高技術產業(yè)空間上的關聯(lián)性更加密切。

第二,充分發(fā)揮各板塊之間的關聯(lián)性。在制定相應的高技術產業(yè)發(fā)展政策時,要考慮到各個地區(qū)在網絡中所扮演的角色,有差別地規(guī)劃,進一步提高我國高技術產業(yè)網絡效率。經紀人板塊與凈溢出板塊應積極學習雙向溢出板塊和凈受益板塊的高技術發(fā)展的核心技術,要加強人才的引進力度。雙向溢出板塊與凈受益板塊應該積極引導經紀人板塊與凈溢出板塊技術發(fā)展,利用經紀人板塊與凈溢出板塊的豐富科技資源,并借助國內外的正在興起高技術創(chuàng)新大環(huán)境,更好地發(fā)展自身的高技術產業(yè)鏈。

第三,制定高新技術差異板塊產業(yè)發(fā)展政策。中央政府既要關注控制資源能力強沿海地區(qū)和雙向溢出經濟板塊省份,進一步激發(fā)空間溢出效應,也要“溫暖”在高技術產業(yè)發(fā)展中起著重要“中介”作用的板塊地區(qū),進一步增強這些地區(qū)的傳導功能[11]。

[1]鄧菁,肖興志.財政自主權、政策差異與高技術產業(yè)發(fā)展[J].財經論叢,2017,(1):19-28.

[2]汪朗峰,伏玉林.高技術產業(yè)發(fā)展中科技資源配置研究[J].科研管理,2013,(2):152-160.

[3]吳勇民,紀玉山,呂永剛.金融產業(yè)與高技術產業(yè)的共生演化研究:來自中國的經驗證據[J].經濟學家,2014,(7):82-92.

[4]翟瓊,宋正一,張哲,等.R&D投入對區(qū)域高技術產業(yè)發(fā)展的影響[J].經濟地理,2015,(8):129-134.

[5]戴魁早,劉友金.要素市場扭曲與創(chuàng)新效率:對中國高技術產業(yè)發(fā)展的經驗分析[J]. 經濟研究,2016,(7):72-86.

[6]張鵬,李悅明,張立琨.高技術產業(yè)發(fā)展的影響因素及空間差異性[J].中國科技論壇,2015(6):100-105.

[7]陳程.財稅政策對高技術產業(yè)的空間效應研究[J].世界科技研究與發(fā)展,2016,(6):1294-1299+1304.

[8]朱衛(wèi)東,王前松,李婷婷.區(qū)域技術引進與高技術產業(yè)產出:基于空間面板模型實證研究[J].企業(yè)經濟,2017,(1):127-134.

[9]劉華軍,劉傳明,孫亞男.中國能源消費的空間關聯(lián)網絡結構特征及其效應研究[J].中國工業(yè)經濟,2015,(5):83-95.

[10]侯赟慧,劉志彪,岳中剛.長三角區(qū)域經濟一體化進程的社會網絡分析[J].中國軟科學,2009,(12):90-101.

[11]杜華東,趙尚梅.中國產業(yè)結構變遷的實證研究:基于社會網絡分析法的分析[J].管理評論,2013,(3):38-47+90.

[12]李敬,陳澍,萬廣華,等.中國區(qū)域經濟增長的空間關聯(lián)及其解釋：基于網絡分析方法[J].經濟研究,2014(11):4-16.

[13]方俊智,陳俊營,李忻蔚. 外匯交易視角下人民幣國際化的路徑:基于社會網絡分析方法的研究[J]. 金融論壇,2016,(12):49-59.

[14]Groenewold N, G Lee, A Chen.Inter-regional Spillovers in China:The Importance of Common Shocks and the Definition of the Regions[J]. China Economic Review, 2008,(19):32-52.

[15]White H C,S A Boorman,R L Breiger.Social Structure from Multiple Networks I: Blockmodels of Roles and Positions[J].American Journal of Sociology, 1976,(81):730-779.

[16] Wasserman S,K Faust. Social Network Analysis: Methods and Applications[M]. Cambridge: Cambridge University Press,1994.

[17]糜志雄,何艷.我國高技術產業(yè)發(fā)展的現(xiàn)狀、問題及對策[J].宏觀經濟管理,2016,(12):61-64.