城市科技創(chuàng)新效率與網(wǎng)絡(luò)結(jié)構(gòu)特征
——對國家級創(chuàng)新型城市的實證分析

劉 鍇，周雅慧，王 嵩

(1.遼寧師范大學(xué) 海洋經(jīng)濟與可持續(xù)發(fā)展研究中心，遼寧 大連 116029；2.東北大學(xué) 工商管理學(xué)院，遼寧 沈陽110819)

0 引言

黨的十九大報告把加快建設(shè)創(chuàng)新型國家作為現(xiàn)代化建設(shè)全局的戰(zhàn)略舉措，堅定實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，突出以科技創(chuàng)新引領(lǐng)全面創(chuàng)新。隨著我國城鎮(zhèn)化水平的不斷提升，城市已成為科技創(chuàng)新的主戰(zhàn)場[1]。而我國城市數(shù)量眾多，不同類型城市承擔著不同的任務(wù)和使命，其中創(chuàng)新型城市以科技創(chuàng)新作為經(jīng)濟社會發(fā)展的核心驅(qū)動力，對建設(shè)創(chuàng)新型國家具有顯著支撐及引領(lǐng)作用[2]。中國在2008年將深圳市設(shè)為第一個創(chuàng)新型城市并加快建設(shè)國家級創(chuàng)新型城市進程，2016年由科技部和國家發(fā)展改革委員會聯(lián)合制定的《建設(shè)創(chuàng)新型城市工作指引》提出要鼓勵建設(shè)若干具有強大帶動力的創(chuàng)新型城市和區(qū)域創(chuàng)新中心。截至目前，全國受科技部批準成為創(chuàng)新型城市試點的城市共有78個[3]，已經(jīng)基本上形成創(chuàng)新型城市發(fā)展創(chuàng)新網(wǎng)絡(luò)，為我國區(qū)域創(chuàng)新驅(qū)動發(fā)展提供了有力支撐。全面落實創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略目標，需要立足于當前創(chuàng)新網(wǎng)絡(luò)空間布局，以創(chuàng)新型城市為核心全方位提升城市創(chuàng)新效率，而提升城市創(chuàng)新效率的關(guān)鍵在于有效配置和管理科技要素，以此發(fā)揮創(chuàng)新型城市在創(chuàng)新型國家建設(shè)中的引領(lǐng)和示范作用?？茖W(xué)評價科技創(chuàng)新效率及其影響因素對制定有效的科技創(chuàng)新政策，推動經(jīng)濟社會可持續(xù)發(fā)展具有重要意義。然而，科技創(chuàng)新效率提升是一個復(fù)雜過程，既受到城市內(nèi)部諸多因素的影響，包括工業(yè)結(jié)構(gòu)[4]、對外開放度[5]、高等教育發(fā)展水平[6]、政府影響力[7]等，也取決于城市所處位置，即地理位置和在創(chuàng)新網(wǎng)絡(luò)中的位置。

由于地理空間具有異質(zhì)性，地理位置因素及其內(nèi)含的信息、資源、環(huán)境和社會關(guān)系等均會在不同程度上影響城市科技創(chuàng)新效率。地理位置優(yōu)越的城市能夠獲取更多創(chuàng)新資源，匯聚更優(yōu)質(zhì)的創(chuàng)新人才。目前，有關(guān)地理位置對城市創(chuàng)新的影響大多從地理鄰近性角度展開。呂國慶等[8]從節(jié)點、部類、城市、區(qū)域4個層面，對長三角裝備制造業(yè)產(chǎn)學(xué)研創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)及空間特征進行分析，發(fā)現(xiàn)地理鄰近性是影響行為主體建立創(chuàng)新合作聯(lián)系的重要因素；Breschi[9]運用專利引用評估知識流本地化程度，認為地理距離接近可以減少城市或企業(yè)間聯(lián)系的交通成本，提高其獲取資源及市場的便利度，有利于隱性知識資源吸收與利用；趙炎等[10]采用負二項回歸方法，探究企業(yè)區(qū)域位置及企業(yè)間地理鄰近性對創(chuàng)新效率的影響，發(fā)現(xiàn)地理鄰近性對科技創(chuàng)新效率的影響作用顯著；Abramovsky[11]通過研究地理鄰近性對企業(yè)與大學(xué)間創(chuàng)新聯(lián)系的影響，發(fā)現(xiàn)隨著地理距離的增加，創(chuàng)新知識可靠性和適用性相應(yīng)衰減，還會降低行為主體間產(chǎn)生創(chuàng)新聯(lián)系的概率。

除地理位置影響外，科技創(chuàng)新效率還受城市所處創(chuàng)新網(wǎng)絡(luò)位置的影響。隨著科學(xué)技術(shù)資源的日漸豐富和科技創(chuàng)新外溢性日趨加強，城市創(chuàng)新要素除源于內(nèi)部科學(xué)技術(shù)資源和條件外，還可以從其它城市獲取[12]，使創(chuàng)新資源跨城市、跨區(qū)域流動更加顯著[13]，網(wǎng)絡(luò)位置被認為是重要的社會資本。黃中偉等[14]引進“位置嵌入”的重要概念，研究網(wǎng)絡(luò)位置對海外子公司決策和資源獲取的影響，發(fā)現(xiàn)通常個體因占據(jù)良好的網(wǎng)絡(luò)位置，其所獲得的資源比本身擁有的資源更加豐富、重要。城市創(chuàng)新成果的生成與轉(zhuǎn)化，依賴于創(chuàng)新網(wǎng)絡(luò)中各種要素的優(yōu)化配置和協(xié)同，其所處創(chuàng)新網(wǎng)絡(luò)位置不同代表獲得新知識的機會不同，而城市進行創(chuàng)新活動的關(guān)鍵性因素之一就是獲取新知識[15]；Coleman[16]的研究表明，高密度創(chuàng)新網(wǎng)絡(luò)能使城市間產(chǎn)生大量創(chuàng)新聯(lián)系，促使網(wǎng)絡(luò)中資源和信息流動得更快。所以，在分析科技創(chuàng)新效率時，城市網(wǎng)絡(luò)位置也應(yīng)納入影響機制框架；王璐等[17]運用社會網(wǎng)絡(luò)分析法探究絲綢之路經(jīng)濟帶沿線國家農(nóng)產(chǎn)品貿(mào)易網(wǎng)絡(luò)結(jié)構(gòu)特征發(fā)現(xiàn)，網(wǎng)絡(luò)結(jié)構(gòu)特征能夠刻畫網(wǎng)絡(luò)中個體間的聯(lián)系，進而說明個體在網(wǎng)絡(luò)中的重要性，即一個城市在網(wǎng)絡(luò)結(jié)構(gòu)中與其它城市聯(lián)系越緊密，其網(wǎng)絡(luò)位置越優(yōu)越，從中獲取高質(zhì)量知識資源的路徑也就越多。因此，可通過網(wǎng)絡(luò)結(jié)構(gòu)特征考察網(wǎng)絡(luò)位置對科技創(chuàng)新效率的影響。

當前，學(xué)者已針對地理位置或網(wǎng)絡(luò)位置對創(chuàng)新產(chǎn)出的影響進行了大量研究，但仍然存在以下不足：①現(xiàn)有研究較少涉及城市地理位置和所在創(chuàng)新網(wǎng)絡(luò)位置對科技創(chuàng)新效率的共同影響；②現(xiàn)有研究多集中在國家、城市或企業(yè)間的創(chuàng)新聯(lián)系，以創(chuàng)新型城市作為研究對象的實證研究較少。鑒于此，本文從動態(tài)演化角度出發(fā)，首先運用SBM超效率模型測度2003—2017年中國國家級創(chuàng)新型城市的科技創(chuàng)新效率；其次，在用修正引力模型量化城市間創(chuàng)新聯(lián)系強度的基礎(chǔ)上，運用社會網(wǎng)絡(luò)分析法，從人才流動、資本流動和制度學(xué)習(xí)3個方面分析創(chuàng)新型城市的網(wǎng)絡(luò)結(jié)構(gòu)特征及演變規(guī)律；最后，運用考慮地理位置因素的GWR模型分析創(chuàng)新型城市網(wǎng)絡(luò)結(jié)構(gòu)特征對科技創(chuàng)新效率的影響機制，可為合理構(gòu)建城市創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)、擴大協(xié)同創(chuàng)新效應(yīng)、促進我國創(chuàng)新型城市網(wǎng)絡(luò)發(fā)展提供參考。

1 模型方法與變量數(shù)據(jù)

1.1 地理加權(quán)回歸(Geographically Weighted Regression,GWR)

為分析創(chuàng)新型城市地理位置及其所處創(chuàng)新網(wǎng)絡(luò)位置對科技創(chuàng)新效率的影響，以及不同城市間的差異性，本文采用GWR模型對相關(guān)數(shù)據(jù)進行回歸估計。GWR模型由Brunsdon等提出，其核心思想是將數(shù)據(jù)的地理位置引入回歸參數(shù)中，觀測由于空間地理位置變化而引起的參數(shù)變化。利用鄰近觀測值的子樣本數(shù)據(jù)信息進行局域回歸模擬分析，GWR模型有效擴展了利用全域信息估計常數(shù)的普通線性回歸模型[18]，使估計結(jié)果更加精確，其一般形式為：

(1)

在式 (1)中，yi、xik、εi分別為被解釋變量、第k個解釋變量和隨機誤差項，(ui,vi)是城市i的地理經(jīng)緯度坐標，βk(ui,vi)表示第k個解釋變量在城市i的回歸系數(shù)，且隨著城市位置的變化而變化。

在運用GWR模型前，首先需要確定權(quán)重和帶寬。權(quán)重體現(xiàn)了觀測位置的重要性，根據(jù)齊亞偉等[19]的研究，本文采用一種近高斯函數(shù)——雙平方函數(shù)確定權(quán)重，其計算公式如下：

(2)

在式(2)中，b為帶寬，即城市i與城市j間距離dij及權(quán)重間函數(shù)關(guān)系的參數(shù)。帶寬越大，權(quán)重隨距離的增減變動越慢，反之亦然。Cleveland[20]在1979年提出局域回歸分析交叉驗證法(Cross Validation,CV)，以此確定合適的帶寬。

(3)

在考慮地理因素的基礎(chǔ)上，為探究創(chuàng)新型城市所處創(chuàng)新網(wǎng)絡(luò)位置對創(chuàng)新效率的影響，以科技創(chuàng)新效率作為被解釋變量(yi)，城市所處創(chuàng)新網(wǎng)絡(luò)位置以其網(wǎng)絡(luò)結(jié)構(gòu)特征作為代理變量，包括人才流動度數(shù)中心度(x1)、資本流動度數(shù)中心度(x2)和制度學(xué)習(xí)度數(shù)中心度(x3)。此外，本文選擇人才教育、產(chǎn)業(yè)結(jié)構(gòu)、科研基礎(chǔ)設(shè)施和對外開放水平作為控制變量，并分別通過地方一般公共預(yù)算支出中的教育支出、第二產(chǎn)業(yè)占GDP的比重、互聯(lián)網(wǎng)寬帶接入用戶數(shù)、當年實際使用外資總額表示。

在以上變量中，控制變量為直接數(shù)據(jù)，被解釋變量通過SBM超效率模型測度，解釋變量通過修正引力模型和社會網(wǎng)絡(luò)分析計算。為克服異方差的影響，對被解釋變量、解釋變量和控制變量進行取對數(shù)處理。

1.2 SBM超效率模型(Super-Slacks Based Measure,S-SBM)

數(shù)據(jù)包絡(luò)分析由美國著名運籌學(xué)家Charnes等[21]提出，是一種評價多投入和多產(chǎn)出決策單元效率的分析方法。在此基礎(chǔ)上，Tone[22]提出SBM模型，將松弛變量考慮在內(nèi)，并在SBM模型的基礎(chǔ)上提出S-SBM模型，不僅考慮了松弛變量因素，還可以區(qū)分有效決策單元大小，在探究科技創(chuàng)新效率影響機制回歸分析時可有效避免截斷數(shù)據(jù)導(dǎo)致的偏誤。模型具體如下：

假設(shè)有n個決策單元(DMU)，每個決策單元都有m種輸入和s種輸出，在規(guī)模報酬可變條件下的S-SBM模型為：

(4)

科技創(chuàng)新是一個多投入和多產(chǎn)出的復(fù)雜系統(tǒng)，參考晏蒙等[23]、柴瑋等[24]關(guān)于科技創(chuàng)新效率的研究，本文從科技投入與科技產(chǎn)出兩個方面選取相應(yīng)指標，對中國75個創(chuàng)新型城市的科技創(chuàng)新效率進行估計，具體指標如表1所示。

表1 科技創(chuàng)新效率評價指標體系

其中，投入指標主要包括：①人力投入。本文選取科技從業(yè)人數(shù)表征，主要反映城市科技活動和研發(fā)活動實力；②資本投入用固定資產(chǎn)存量表示，其為城市科技創(chuàng)新活動提供物質(zhì)保障；③地方公共財政支出中的科學(xué)技術(shù)支出是政府財政預(yù)算內(nèi)安排的科研經(jīng)費支出，代表政府及其相關(guān)部門對科技活動的支持。

產(chǎn)出指標主要包括：①論文數(shù)反映城市科研創(chuàng)新水平及創(chuàng)新主體素質(zhì)，同時論文代表新知識產(chǎn)出，論文數(shù)體現(xiàn)了知識產(chǎn)出活躍程度；②將專利授權(quán)數(shù)作為科技創(chuàng)新產(chǎn)出指標盡管存在一定的局限性,但由于專利數(shù)據(jù)易于獲取，專利和技術(shù)創(chuàng)新關(guān)系密切,且專利標準變化緩慢,所以用專利測量技術(shù)創(chuàng)新產(chǎn)出仍然可靠[25]。另外，由于申請專利并不一定都能通過核查，因此專利授權(quán)數(shù)更能體現(xiàn)地區(qū)創(chuàng)新程度[26]。

1.3 基于修正引力模型的創(chuàng)新聯(lián)系強度

城市間創(chuàng)新聯(lián)系實質(zhì)上是創(chuàng)新資源相互作用的結(jié)果。城市研究中常采用“屬性數(shù)據(jù)”，而社會網(wǎng)絡(luò)分析研究一般采用“關(guān)系數(shù)據(jù)”，借助修正引力模型可將“屬性數(shù)據(jù)”轉(zhuǎn)換為“關(guān)系數(shù)據(jù)”[27]，用以反映不同創(chuàng)新型城市間創(chuàng)新的相互作用程度?；A(chǔ)引力模型如下：

(5)

在式(5)中，F(xiàn)ij為城市i、j間的創(chuàng)新聯(lián)系強度；Mi、mj分別表示城市i和j根據(jù)不同測量維度所需選取的變量；Dij表示城市i、j間的距離；b為距離衰減系數(shù)，一般取2；k為經(jīng)驗常數(shù)，一般取1。

創(chuàng)新網(wǎng)絡(luò)包括諸多創(chuàng)新要素，其中人才、資本和政府制度既是評價科技創(chuàng)新效率的投入要素，也是城市間創(chuàng)新要素動態(tài)流動最具代表性的表征變量[28]，最有可能對城市間創(chuàng)新聯(lián)系產(chǎn)生影響。因此，本文從人才流動、資本流動和制度學(xué)習(xí)3個維度測度創(chuàng)新型城市間的創(chuàng)新聯(lián)系強度，與科技創(chuàng)新效率的3個投入要素相對應(yīng)，公式如下：

(6)

在式(6)中，Wi為城市i的工資水平，用在崗職工平均工資表征；Pj為城市j的創(chuàng)新人才數(shù)量，用科技從業(yè)人數(shù)表征；TFij表示城市i的工資水平對城市j人才流動的吸引強度。這一公式是基于人才向薪資更高地區(qū)流動的特征。

(7)

在式(7)中，Ri為城市i的市場活躍度，用社會消費品零售總額表征；Ij為城市j的資本實力，用全社會固定資產(chǎn)投資總量表征；CFij為城市i市場活躍度對城市j資本流動的吸引強度。這一公式是基于資本向市場活躍度更高地區(qū)流動的特征。

(8)

在式(8)中，Ei為城市i的創(chuàng)新支出，用公共財政支出中的科學(xué)技術(shù)支出表征；Gj為城市j的經(jīng)濟效益，用地區(qū)生產(chǎn)總值表征；RFij為城市i對城市j制度學(xué)習(xí)的吸引強度。這一公式是基于地方政府向經(jīng)濟發(fā)展水平較好地區(qū)學(xué)習(xí)和模仿的特征。

1.4 社會網(wǎng)絡(luò)分析(Social Network Analysis,SNA)

城市創(chuàng)新網(wǎng)絡(luò)被定義為由城市內(nèi)或城市間正式或非正式合作(政府、研究機構(gòu)和公司等)形成的顯性或隱性科學(xué)技術(shù)知識網(wǎng)絡(luò)[29]，是提升區(qū)域創(chuàng)新能力的重要支撐，而社會網(wǎng)絡(luò)是由多個點和各點間連線組成的幾何形狀，與創(chuàng)新網(wǎng)絡(luò)分析相契合。社會網(wǎng)絡(luò)分析法由布朗于1930年最先提出，是指運用定量指標描述個體間互動結(jié)構(gòu)關(guān)系和發(fā)展變化以反映網(wǎng)絡(luò)結(jié)構(gòu)整體特征，并揭示個體在網(wǎng)絡(luò)結(jié)構(gòu)中的地位。社會網(wǎng)絡(luò)分析為認識創(chuàng)新網(wǎng)絡(luò)提供了一系列指標，主要包括整體網(wǎng)絡(luò)結(jié)構(gòu)和個體節(jié)點結(jié)構(gòu)兩部分。其中，整體網(wǎng)絡(luò)結(jié)構(gòu)分析主要包括網(wǎng)絡(luò)密度、網(wǎng)絡(luò)關(guān)聯(lián)度、核心—邊緣、凝聚子群等指標，個體節(jié)點結(jié)構(gòu)分析主要包括中心度和結(jié)構(gòu)洞兩個指標[27]。基于整體與個體相結(jié)合角度，本文分別選取代表整體網(wǎng)絡(luò)結(jié)構(gòu)分析的網(wǎng)絡(luò)密度以及代表個體節(jié)點結(jié)構(gòu)分析的中心度兩個方面研究中國75個國家級創(chuàng)新型城市間創(chuàng)新網(wǎng)絡(luò)的空間結(jié)構(gòu)及演變特征。

網(wǎng)絡(luò)密度是指創(chuàng)新網(wǎng)絡(luò)中實際包含的關(guān)系數(shù)與理論上可能存在的最大關(guān)系數(shù)的比值，可表征創(chuàng)新網(wǎng)絡(luò)中各城市間關(guān)聯(lián)的緊密程度。網(wǎng)絡(luò)密度取值范圍為[0,1]，其值越接近于1，表明網(wǎng)絡(luò)密度越高[30]，節(jié)點間聯(lián)系越緊密，即整體創(chuàng)新網(wǎng)絡(luò)對個體創(chuàng)新城市創(chuàng)新行為產(chǎn)生影響的可能性越大，各創(chuàng)新城市間的交互程度也越強[31]；其值越接近于0，則情況恰好相反。本文中的創(chuàng)新關(guān)系網(wǎng)絡(luò)為有向關(guān)系網(wǎng)絡(luò)，公式為：

(9)

在式(9)中，D為網(wǎng)絡(luò)密度，m表示網(wǎng)絡(luò)中包含的實際關(guān)系數(shù)，n表示創(chuàng)新城市數(shù)，則n(n-1)為理論上網(wǎng)絡(luò)包含的最大關(guān)系數(shù)。

中心度是對個體權(quán)力的量化分析，用來衡量某一節(jié)點在網(wǎng)絡(luò)中的地位，主要包括度數(shù)中心度、中間中心度和接近中心度3種。本文選用度數(shù)中心度衡量各城市在創(chuàng)新網(wǎng)絡(luò)中的中心位置情況，若一個城市與多個城市存在直接創(chuàng)新聯(lián)系，則表明該個體城市處于整體創(chuàng)新網(wǎng)絡(luò)中心位置[32]，即該城市在創(chuàng)新網(wǎng)絡(luò)中擁有較大權(quán)力，而處于網(wǎng)絡(luò)邊緣位置的行動者則擁有較小權(quán)力，與其它城市的關(guān)聯(lián)較少[33]。當網(wǎng)絡(luò)規(guī)模不同時，不同網(wǎng)絡(luò)點的絕對度數(shù)中心度沒有可比性，因此本文采用相對度數(shù)中心度[34]，其公式如下：

(10)

在式(10)中，DCi為城市i的相對度數(shù)中心度，是指城市i的絕對度數(shù)中心度與網(wǎng)絡(luò)中點最大可能的度數(shù)之比；rij表示城市i與其它城市間的創(chuàng)新聯(lián)系數(shù)量，即城市i的絕對度數(shù)中心度；n表示創(chuàng)新城市數(shù)。

1.5 數(shù)據(jù)來源

本文選取經(jīng)科技部批準建立的中國創(chuàng)新型城市為研究對象，鑒于原始數(shù)據(jù)可得性及數(shù)據(jù)統(tǒng)計口徑一致性，石河子、昌吉和拉薩3個城市不包含在內(nèi)。本文研究的創(chuàng)新型城市共有75個，時間跨度為2003—2017年。本文各項指標原始數(shù)據(jù)主要來源于各年《中國城市統(tǒng)計年鑒》、各城市統(tǒng)計年鑒和相關(guān)統(tǒng)計公報，對于缺失數(shù)據(jù)采用指數(shù)平滑法補全。此外，地理加權(quán)回歸模型中的地理經(jīng)緯度坐標數(shù)據(jù)來源于城市地區(qū)經(jīng)緯度查詢網(wǎng)，創(chuàng)新聯(lián)系度計算中的城市間距離數(shù)據(jù)來源于全國城市里程查詢網(wǎng)。

2 描述性分析

2.1 創(chuàng)新型城市科技創(chuàng)新效率

不同城市創(chuàng)新效率規(guī)模報酬一般認為可變，因此利用規(guī)模報酬可變(VRS)條件下非導(dǎo)向SBM超效率模型測算國家級創(chuàng)新型城市各年的科技創(chuàng)新效率，并對整體及東中西部的科技創(chuàng)新效率進行比較和分析，如圖1所示。

圖1 中國75個創(chuàng)新型城市科技創(chuàng)新效率值

從圖1可以發(fā)現(xiàn)，2003—2017年各城市科技創(chuàng)新效率整體呈上升態(tài)勢，但在各年份平均效率值中，2017年最高值為0.69。根據(jù)王少劍[35]關(guān)于超效率SBM模型的研究，效率值小于1時表示決策單元未達到DEA有效狀態(tài)，即效率值處于較低水平，說明創(chuàng)新型城市整體創(chuàng)新投入要素利用率不足，科技創(chuàng)新資源配置不合理。區(qū)域科技創(chuàng)新效率具有差異性，東部地區(qū)科技創(chuàng)新效率值增長較快，處于領(lǐng)先地位；中部地區(qū)效率值后期低于西部，在整個測度期內(nèi)平均值最低。究其原因在于：一方面可能是國家西部大開發(fā)建設(shè)發(fā)揮了作用[36]；另一方面，西部地區(qū)西安、蘭州、成都、重慶等市科技創(chuàng)新效率值較高，有效促進了西部科技創(chuàng)新效率提升，而中部地區(qū)高科技創(chuàng)新效率值城市較少，整體科技創(chuàng)新效率一直不溫不火。

2.2 創(chuàng)新型城市間創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)特征

基于修正引力模型得到2003—2017年各城市間創(chuàng)新聯(lián)系度關(guān)系數(shù)據(jù)，遵循保留有效信息性和可比性原則，并根據(jù)反復(fù)實驗選取0.350作為人才流動方面的創(chuàng)新聯(lián)系度閾值，選取3.916作為資本流動方面的創(chuàng)新聯(lián)系度閾值，選取0.023作為制度學(xué)習(xí)方面的創(chuàng)新聯(lián)系度閾值。本文借助Ucinet軟件，分別將人才流動、資本流動和制度學(xué)習(xí)的創(chuàng)新聯(lián)系度數(shù)據(jù)進行二值化處理，即大于或等于閾值的數(shù)據(jù)用“1”代替，小于閾值的數(shù)據(jù)用“0”代替，構(gòu)建75個城市測度期內(nèi)的網(wǎng)絡(luò)二分矩陣，并以二分矩陣作為輸入數(shù)據(jù)進一步計算網(wǎng)絡(luò)密度和中心度，從這兩個維度對創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)特征進行分析。

(1)創(chuàng)新網(wǎng)絡(luò)密度演變。根據(jù)公式(9)及各個二分矩陣，通過Ucinet軟件計算得到2003—2017年75個創(chuàng)新型城市在人才流動、資本流動和制度學(xué)習(xí)3個方面的創(chuàng)新網(wǎng)絡(luò)密度值，結(jié)果見圖2。整體而言，2003—2017年人才流動、資本流動和制度學(xué)習(xí)網(wǎng)絡(luò)密度均呈現(xiàn)增長態(tài)勢，說明在創(chuàng)新網(wǎng)絡(luò)空間中各城市間創(chuàng)新關(guān)聯(lián)逐漸增強，創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)趨于緊密，創(chuàng)新交往活動越發(fā)頻繁，有助于整體創(chuàng)新發(fā)展。但人才流動方面的網(wǎng)絡(luò)密度值不高，在整個測度期內(nèi)，其最大值僅在2017年達到0.32，說明2003年以來創(chuàng)新型城市間人才流動方面的創(chuàng)新聯(lián)系還處在一種弱聯(lián)結(jié)分布狀態(tài)，需要進一步加強。

(2)創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)演變。為進一步揭示創(chuàng)新網(wǎng)絡(luò)的內(nèi)在結(jié)構(gòu)特征，本文選用度數(shù)中心度刻畫不同城市在網(wǎng)絡(luò)中的重要性。為使不同時點的創(chuàng)新網(wǎng)絡(luò)中心度具有可比性，本文選用度數(shù)中心度指標為相對度數(shù)中心度。利用Ucinet軟件中的Network/Centrality功能計算得出各節(jié)點城市2003—2017年度數(shù)中心度在人才流動、資本流動、制度學(xué)習(xí)3個維度的中心度值(見圖3)，從而揭示測度期內(nèi)創(chuàng)新型城市網(wǎng)絡(luò)中心度變化的基本規(guī)律。

在創(chuàng)新網(wǎng)絡(luò)人才流動方面，2003年除北京、上海和南京外，各城市的度數(shù)中心度普遍較低且空間差異較大，西部地區(qū)城市度數(shù)中心度極低。其中，南寧、?？诤蜑豸斈君R的度數(shù)中心度為0，高值區(qū)主要集中在京津冀和長三角地區(qū)以及其它地區(qū)部分省會城市，表明2003年人才流動核心節(jié)點城市中心性較弱，輻射效應(yīng)與帶動能力有限，各節(jié)點城市網(wǎng)絡(luò)地位相差懸殊，兩極分化現(xiàn)象嚴重。在測度期間內(nèi)，各城市均呈現(xiàn)波動上升趨勢，繼北京、上海、天津之后，西安、成都、武漢、廣州、杭州等省會城市脫穎而出并帶動周圍城市增長，表明人才流動度數(shù)中心度有從東部地區(qū)向中、西部地區(qū)擴散的趨勢，主要核心節(jié)點城市溢出效應(yīng)顯著，網(wǎng)絡(luò)整體發(fā)展趨于均衡。但烏魯木齊、吉林和哈爾濱在整個測度期內(nèi)最高值均未超過10，成為制約創(chuàng)新網(wǎng)絡(luò)人才流動發(fā)展的重要癥結(jié)。

在創(chuàng)新網(wǎng)絡(luò)資本流動方面，2003年所有樣本城市的度數(shù)中心度起點普遍偏低，僅有東部地區(qū)上海、南京和蘇州3市的值超過20，其中上海最高值為24.32；而分布在中部地區(qū)如內(nèi)蒙古、山西、河南、江西、湖北部分非省會城市以及西部地區(qū)貴州、云南、陜西、甘肅、青海、寧夏、新疆所有樣本城市均為0。這表明，2003年在創(chuàng)新網(wǎng)絡(luò)資本流動方面各城市的中心性都較弱，網(wǎng)絡(luò)地位相差不大。在測度期間內(nèi)，上海、北京、天津以及位于江蘇、浙江、山東等東部地區(qū)的城市形成高值區(qū)，與其它地區(qū)城市拉開距離。后期高值區(qū)城市增長速度由快速趨于平緩，中心度值集中在75～100之間，而其它城市的值則分散在0～60之間，表明網(wǎng)絡(luò)中核心節(jié)點城市中心性增強，但兩極分化現(xiàn)象嚴重。2017年，之前處于高值區(qū)的城市增長速度由快速趨于平緩，而一些中西部城市如衡陽、寶雞、貴陽等增勢明顯，并且有望在后期進入高值區(qū)。這表明，創(chuàng)新網(wǎng)絡(luò)資本流動重心在向中西部擴散過程中，兩極分化態(tài)勢有所緩和，網(wǎng)絡(luò)整體發(fā)展越發(fā)均衡。值得注意的是，吉林和哈爾濱資本流動度數(shù)中心度在整個測度期都處于較高水平，不同于人才流動度數(shù)中心度的“拖后腿”狀態(tài)。

圖2 創(chuàng)新網(wǎng)絡(luò)密度特征

圖3 創(chuàng)新網(wǎng)絡(luò)度數(shù)中心度

在創(chuàng)新網(wǎng)絡(luò)制度學(xué)習(xí)方面，2003年各城市的度數(shù)中心度總體較低，除上海(41.89)和北京(24.32)外，其它幾個度數(shù)中心度相對較高的城市集中在蘇杭地區(qū)，但均不超過20，并且約90%城市的度數(shù)中心度在10以內(nèi)，表明2003年網(wǎng)絡(luò)中的核心節(jié)點為上海和北京，且城市間的空間差異不明顯。測度期間內(nèi)除部分西部地區(qū)城市變化幅度較小外，大部分城市的度數(shù)中心度飛速增長。原因在于，各城市紛紛加大了科學(xué)技術(shù)支出，使得創(chuàng)新網(wǎng)絡(luò)制度學(xué)習(xí)方面的度數(shù)中心度在整體上得到大幅提升。與此同時，網(wǎng)絡(luò)整體開始分化出高值區(qū)(包括北京、上海、天津及東部地區(qū)城市)和低值區(qū)(包括西部地區(qū)大部分城市)，西部地區(qū)逐漸與中東部地區(qū)拉開差距。2017年，高值區(qū)城市增長趨緩，而低值區(qū)城市的度數(shù)中心度雖然仍然不及高值區(qū)，但增長幅度卻較大。這說明，西部地區(qū)城市在加快向中、東部地區(qū)核心節(jié)點靠攏，主要核心節(jié)點城市溢出效應(yīng)顯著，使周圍地區(qū)受益并呈組團式發(fā)展，整體網(wǎng)絡(luò)發(fā)展與之前相比更加成熟。

整體而言，2003—2017年各城市的度數(shù)中心度都有一定程度提升，并且整體保持上升趨勢，表明各城市與其它城市的創(chuàng)新聯(lián)系程度不斷提高，度數(shù)中心度均值也顯示創(chuàng)新型城市創(chuàng)新網(wǎng)絡(luò)內(nèi)部聯(lián)系緊密度不斷增強。從各城市對比情況看，北京、上海和南京在整個測度期內(nèi)人才流動、資本流動和制度學(xué)習(xí)3個維度上的平均度數(shù)中心度都處于較高水平，說明這3個城市始終處于創(chuàng)新網(wǎng)絡(luò)核心位置。在空間維度上，東部地區(qū)的核心地位優(yōu)于中、西部地區(qū)。

3 影響機制

3.1 模型檢驗

運用GWR模型測度影響機制的重要前提是空間數(shù)據(jù)是否存在空間自相關(guān)性，如果存在空間自相關(guān)，則使用GWR模型建模效果更好，否則OLS模型更合適[37]。因此，在分析人才流動中心度、資本流動中心度和制度學(xué)習(xí)中心度對科技創(chuàng)新效率的影響前，先利用全局莫蘭指數(shù)(Global Moran's I)對科技創(chuàng)新效率進行空間自相關(guān)檢驗。結(jié)果見表2。

從表2可以看出，僅2007年科技創(chuàng)新效率的Moran's I值小于0.2，其它年份大多保持在0.4以上，說明中國75個創(chuàng)新型城市的科技創(chuàng)新效率具有明顯的空間自相關(guān)性，各城市在科技創(chuàng)新方面存在空間聯(lián)系。因此，OLS模型中殘差項獨立假設(shè)無法滿足，GWR模型允許一些不平穩(wěn)的數(shù)據(jù)直接被模擬，用局部參數(shù)估計代替全局參數(shù)估計[38]，驗證了本文使用GWR模型的合理性。

3.2 網(wǎng)絡(luò)結(jié)構(gòu)特征對協(xié)同創(chuàng)新效應(yīng)的影響及其空間差異性

本文運用GWR4軟件對2003—2017年中國75個創(chuàng)新型城市科技創(chuàng)新效率影響因素進行回歸，數(shù)據(jù)對應(yīng)關(guān)系如表3所示，其中2003年和2017年的回歸結(jié)果見圖4。

表2 2003—2017年創(chuàng)新型城市科技創(chuàng)新效率的Moran's I值

表3 數(shù)據(jù)—城市對應(yīng)關(guān)系

圖4顯示，科技創(chuàng)新效率各影響因素在GWR估計中表現(xiàn)出明顯的變化趨勢和空間差異性，即各因素對不同城市科技創(chuàng)新效率的影響方向和強度不同。

(1)在人才流動中心度方面，隨著時間的推移，各城市人才流動中心度對科技創(chuàng)新效率的促進作用不斷增強，說明人才流動通過對知識、技術(shù)的承載和溢出效應(yīng)提高了城市知識創(chuàng)造與流動能力，對各創(chuàng)新型城市科技創(chuàng)新效率提升具有明顯促進作用。西部地區(qū)回歸系數(shù)增長幅度最大，特別是烏魯木齊，從2003年的0.020增長到2017年的0.806，可能是由于國家西部大開發(fā)建設(shè)人才工程為西部地區(qū)輸送了大量高層次人力資本，西部人才生存發(fā)展環(huán)境有了很大改善，基本穩(wěn)定了各路人才隊伍。同時，不少青年人加入到西部志愿者服務(wù)隊伍中，為西部地區(qū)發(fā)展注入了新生力量，這對西部地區(qū)科技創(chuàng)新效率的提升作用非常大；東部地區(qū)人才流動更加快捷，所以人才流動中心度對科技創(chuàng)新效率的促進作用相對穩(wěn)定。

(2)在資本流動中心度方面，2003年其對科技創(chuàng)新效率具有微弱的促進作用，到2017年大部分城市的回歸系數(shù)變負，特別是對于長三角地區(qū)來說，資本流動并沒有促進科技創(chuàng)新效率提升，反而因過度集聚產(chǎn)生人員冗余或經(jīng)費利用效率低下等問題。并且，中國大部分固定資產(chǎn)投資流向重工業(yè)，只有少部分用于支持科技創(chuàng)新，因此造成資本流動妨礙城市創(chuàng)新能力形成和發(fā)展，對城市創(chuàng)新能力未起到明顯促進作用。而呼和浩特、包頭、蘭州、西寧、銀川和烏魯木齊等市的資本深化對當?shù)乜萍紕?chuàng)新效率提升起到一定的正向影響，表明這些城市資本有機構(gòu)成還沒有達到飽和狀態(tài)。

(3)在制度學(xué)習(xí)中心度方面，在測度期內(nèi)其對科技創(chuàng)新效率的負向作用越來越明顯，可能是由于創(chuàng)新制度學(xué)習(xí)是一個需要不斷探索、試錯、完善的過程，一般來說，其成效不會很快凸顯出來，可能在經(jīng)歷很長一段時期后才顯現(xiàn)出潛在促進作用。在空間變化方面，制度學(xué)習(xí)中心度對科技創(chuàng)新效率的影響存在較大的空間非穩(wěn)定性，其在西部地區(qū)、中部地區(qū)河南省及東部地區(qū)京津冀和山東省所發(fā)揮的負向作用更大，原因可能是這些地區(qū)和城市在效仿或者借鑒其它地區(qū)、城市創(chuàng)新制度過程中出現(xiàn)了一定的偏差，亟需進一步完善；抑或是由于新制度仍處在適應(yīng)階段，在創(chuàng)新政策實踐中過于追求量化指標，出現(xiàn)了求速度輕質(zhì)量的現(xiàn)象。

(4)從控制變量看，2017年人才教育對科技創(chuàng)新效率作用的回歸系數(shù)與2003年相比有顯著提升，從具有較大阻礙作用變?yōu)閷Σ煌鞘谐尸F(xiàn)出激勵和阻礙兩種效應(yīng)，且京津冀和東北地區(qū)的回歸系數(shù)較低，而烏魯木齊遠高于其它城市，說明近年來國家對人才教育十分重視，尤其是針對西部地區(qū)制定了一系列人才培養(yǎng)政策，如推進“西部之光”人才培養(yǎng)計劃等，但要發(fā)揮人才教育對科技創(chuàng)新的作用，仍需繼續(xù)加大人才投入，特別是針對京津冀和東北地區(qū)等重要工業(yè)地區(qū)而言尤其如此。2017年，產(chǎn)業(yè)結(jié)構(gòu)方面除烏魯木齊的回歸系數(shù)有較大幅度上升外，其它各城市均在2003年負數(shù)的基礎(chǔ)上下降了較為相似的幅度，且東北地區(qū)、京津冀、山東省一直處于較低水平。原因在于，近些年中國供給側(cè)改革的一大重點任務(wù)就是調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，而產(chǎn)業(yè)結(jié)構(gòu)調(diào)整需要經(jīng)過很長一段時期才能顯現(xiàn)成效。2003—2017年，科研基礎(chǔ)設(shè)施對科技創(chuàng)新的促進作用有所減弱，但仍處于較高水平，說明各城市對科研基礎(chǔ)設(shè)施投放予以高度重視，但基礎(chǔ)設(shè)施日漸完備，其對科技創(chuàng)新工作的推進作用日益達到飽和。對外開放有利于加強科技創(chuàng)新交流與合作，隨著中國對外開放水平的不斷提升，其對科技創(chuàng)新效率的促進作用越來越明顯。在中國75個創(chuàng)新型城市中，只有烏魯木齊的回歸系數(shù)遠低于其它城市，因為烏魯木齊所在的新疆深居亞洲內(nèi)陸，與科技創(chuàng)新發(fā)達國家或地區(qū)缺乏深入交流。

圖4 GWR模型回歸結(jié)果

4 結(jié)語

4.1 研究結(jié)論

發(fā)揮協(xié)同創(chuàng)新效應(yīng)的關(guān)鍵在于形成結(jié)構(gòu)合理、運行高效的創(chuàng)新網(wǎng)絡(luò)體系。本文以中國75個國家級創(chuàng)新型城市為研究樣本，采用2003—2017年面板數(shù)據(jù)，以S-SBM模型測度創(chuàng)新型城市科技創(chuàng)新效率作為被解釋變量；在修正引力模型量化人才流動、資本流動和制度學(xué)習(xí)城市間創(chuàng)新聯(lián)系強度的基礎(chǔ)上，以SNA測算的創(chuàng)新聯(lián)系度數(shù)中心度作為解釋變量；以人才教育、產(chǎn)業(yè)結(jié)構(gòu)、科研基礎(chǔ)設(shè)施和對外開放水平作為控制變量；通過GWR模型測度網(wǎng)絡(luò)結(jié)構(gòu)特征對科技創(chuàng)新效率的影響機制，得出以下幾點結(jié)論：

(1)整體回歸結(jié)果顯示，2003年人才流動中心度回歸系數(shù)整體大于資本流動中心度且為正，制度學(xué)習(xí)中心度回歸系數(shù)在三者中最小且為負；到2017年，資本流動中心度回歸系數(shù)整體大于制度流動中心度且為負，人才流動中心度回歸系數(shù)在三者中最大且為正。綜合考慮各變量可以看出，科研基礎(chǔ)設(shè)施和人才流動中心度對科技創(chuàng)新效率提升具有促進作用；與之相反，制度學(xué)習(xí)中心度、人才教育和產(chǎn)業(yè)結(jié)構(gòu)則沒有發(fā)揮出很好的效用，對科技創(chuàng)新效率的影響為負。

(2)隨著時間的推移，創(chuàng)新型城市間的創(chuàng)新網(wǎng)絡(luò)整體呈現(xiàn)出前期快速擴展和后期緩慢增長的變化過程，說明創(chuàng)新網(wǎng)絡(luò)空間中各城市間的創(chuàng)新關(guān)聯(lián)逐漸增強，創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)趨于緊密。創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)中各要素對科技創(chuàng)新效率的影響在不同方向和不同強度方面產(chǎn)生了變化：人才流動中心度對科技創(chuàng)新效率提升具有積極作用且趨于強化；資本流動中心度對科技創(chuàng)新效率提升從具有微弱的積極作用趨向于在不同城市呈現(xiàn)出激勵和阻礙兩種效應(yīng)；制度學(xué)習(xí)中心度對科技創(chuàng)新效率提升存在負面影響且趨于強化。

(3)各城市人才流動中心度、資本流動中心度和制度學(xué)習(xí)中心度對科技創(chuàng)新效率的影響在測度期前期差別較小，在后期呈現(xiàn)出顯著的空間差異性。在人才流動中心度方面，其對科技創(chuàng)新效率的促進作用由大到小依次為西部地區(qū)、中部地區(qū)和東部地區(qū)，而對東部地區(qū)大部分城市的促進作用比較穩(wěn)定；在資本流動中心度方面，其對科技創(chuàng)新效率的影響存在較大的空間非穩(wěn)定性，僅對西部地區(qū)6個城市起到促進作用；在制度學(xué)習(xí)中心度方面，在西部地區(qū)、中部地區(qū)河南省及東部地區(qū)京津冀和山東省，制度學(xué)習(xí)中心度所發(fā)揮的負向作用更大。

4.2 政策建議

基于創(chuàng)新型城市間網(wǎng)絡(luò)結(jié)構(gòu)特征對科技創(chuàng)新效率影響的時空差異分析結(jié)果，本文提出以下政策建議：

(1)城市間人才流動有助于合理配置創(chuàng)新資源，逐步縮小城市間創(chuàng)新能力差距。鑒于人才流動中心度對科技創(chuàng)新的積極影響，各城市應(yīng)全面聚焦人才培養(yǎng)及人才交流。中國西部地區(qū)與其它地區(qū)間的人才流動極為緩慢，不利于西部地區(qū)擺脫目前的低創(chuàng)新水平。因此，可通過改善城市間人才交流機制或者深化戶籍制度改革，鼓勵城市間協(xié)同創(chuàng)新，打破城際人才流動壁壘，以此增加城市間的知識溢出和創(chuàng)新互動。

(2)資本流動中心度對科技創(chuàng)新的影響在不同城市表現(xiàn)出明顯的空間差異性，各城市應(yīng)依據(jù)自身資本集聚狀態(tài)把握差異化發(fā)展。對于資本有機構(gòu)成還未達到飽和狀態(tài)的西部地區(qū)而言，在短時間內(nèi)仍然可以憑借資本積累實現(xiàn)資本偏向型技術(shù)進步；對于資本過度集聚的中、東部地區(qū)而言，要在資本投入總量及結(jié)構(gòu)上進行科學(xué)調(diào)整，提高資本利用效率，以實現(xiàn)其激勵城市科技創(chuàng)新能力發(fā)展的效用；同時，還應(yīng)依靠新興產(chǎn)業(yè)發(fā)展，引導(dǎo)物質(zhì)資本偏向型技術(shù)進步向人力資本偏向型技術(shù)轉(zhuǎn)變。

(3)適應(yīng)城市發(fā)展的創(chuàng)新制度體系對提升科技創(chuàng)新效率至關(guān)重要。鑒于制度學(xué)習(xí)中心度對各城市科技創(chuàng)新效率的阻礙作用趨于強化，因此各城市應(yīng)遵從其要素稟賦結(jié)構(gòu)，找準自身優(yōu)勢及在全國科技創(chuàng)新發(fā)展網(wǎng)絡(luò)中的最佳位置，因地制宜地采取適合自身的創(chuàng)新制度，或在已有制度基礎(chǔ)上進一步完善，形成行之有效的創(chuàng)新政策體系和治理架構(gòu)。

(4)一個城市成長為創(chuàng)新型城市是內(nèi)生驅(qū)動力不斷轉(zhuǎn)換和升級的過程，并且在創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)中扮演著不同的角色。各城市應(yīng)探索形成各具特色的創(chuàng)新發(fā)展模式以及橫向錯位發(fā)展、縱向分工協(xié)作的發(fā)展格局，加強城市內(nèi)及城市間各類創(chuàng)新資源開放共享，促進創(chuàng)新資源優(yōu)化配置和高效利用，加快創(chuàng)新成果生成、轉(zhuǎn)化及溢出，使之發(fā)揮協(xié)同創(chuàng)新效應(yīng)。

4.3 研究貢獻

科技創(chuàng)新是提高綜合國力的關(guān)鍵，是社會生產(chǎn)方式和生活方式變革進步的強大引領(lǐng)。本文的邊際貢獻在于：①基于目前缺乏直接統(tǒng)計城市間人才流動、資本流動、制度學(xué)習(xí)數(shù)據(jù)的現(xiàn)實情況，根據(jù)人才、資本流動特征和制度可復(fù)制、推廣性，選取相應(yīng)指標并通過修正引力模型量化這3個方面的創(chuàng)新聯(lián)系強度，為創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)及演變特征測度提供了參考；②在兼顧城市地理位置的同時，通過網(wǎng)絡(luò)結(jié)構(gòu)特征考察網(wǎng)絡(luò)位置對科技創(chuàng)新效率的影響，與已有研究[8，16]僅反映地理鄰近性或網(wǎng)絡(luò)位置對創(chuàng)新產(chǎn)出的影響相比，本文體現(xiàn)了兩種不同位置的共同影響，為政策制定提供了更具針對性的建議；③創(chuàng)新型城市在經(jīng)濟社會發(fā)展過程中更加注重科技創(chuàng)新的驅(qū)動作用，本文以創(chuàng)新型城市作為研究對象，與已有研究相比[4]，對其它城市提升科技創(chuàng)新效率更具有啟示意義。

4.4 不足與展望

本研究仍存在一些不足：①科學(xué)量化城市科技創(chuàng)新效率仍需進一步探索，其評價體系有待完善；②本文揭示不同創(chuàng)新型城市在網(wǎng)絡(luò)中的重要程度，即創(chuàng)新網(wǎng)絡(luò)的內(nèi)在結(jié)構(gòu)特征，但創(chuàng)新網(wǎng)絡(luò)中是否存在創(chuàng)新聯(lián)系更加緊密、創(chuàng)新合作更加頻繁的組團現(xiàn)象，且以何種形式存在等問題仍需進一步關(guān)注。