羅樂, 張笑玲, 陳妍, 陳嘉鑫(廣州大學)
黨的二十大報告中強調(diào)“加快實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略,深化粵港澳大灣區(qū)創(chuàng)新合作戰(zhàn)略”,研究大灣區(qū)創(chuàng)新聯(lián)系網(wǎng)絡對了解大灣區(qū)創(chuàng)新水平及驅(qū)動機制,對提升區(qū)域創(chuàng)新綜合水平具有重要意義。
“創(chuàng)新網(wǎng)絡”[1]為在一定范圍內(nèi)由政府、企業(yè)或科研院校之間存在的合作關系所形成的穩(wěn)定系統(tǒng)[2]。梳理現(xiàn)有文獻發(fā)現(xiàn),研究對象多以企業(yè)和政府為創(chuàng)新主體[3-4],對科研院校的研究較少;研究范圍上,國內(nèi)研究多集中于長三角地區(qū),對粵港澳大灣區(qū),特別是香港和澳門的研究較缺乏[5-6];研究方法上,多采用引力模型,缺乏對創(chuàng)新聯(lián)系直接的測度[7];研究內(nèi)容集中于網(wǎng)絡的空間特征,缺少對網(wǎng)絡演變及機制的研究[8]。因此,研究采用Web of Science 論文合著數(shù)據(jù),圍繞高校和科研機構構建粵港澳大灣區(qū)知識創(chuàng)新網(wǎng)絡,探究2008年~2020年的網(wǎng)絡演變機制。
2.1.1 社會網(wǎng)絡方法
社會網(wǎng)絡分析法作為一門對關系進行量化分析的技術和研究范式,已被廣泛地運用于創(chuàng)新網(wǎng)絡的研究[9],適用于研究網(wǎng)絡的空間結構、動態(tài)演變過程及其影響因素[10]。
選取網(wǎng)絡密度、平均路徑長度、度中心勢和聚類系數(shù)等指標來測度整體網(wǎng)絡的特征。網(wǎng)絡密度可測度網(wǎng)絡的疏密程度;平均路徑長度能反映出整體網(wǎng)絡的聯(lián)系距離;度中心勢和聚類系數(shù)分別能測度出網(wǎng)絡的向心性和聚集程度。
選取度數(shù)中心度、中間中心度和接近中心度來分析網(wǎng)絡中各城市的中心地位和作用。度數(shù)中心度可反映節(jié)點的重要程度如何;中間中心度反映節(jié)點控制資源及影響其他城市的能力;接近中心度能測量出節(jié)點的獨立程度。
網(wǎng)絡分析中,由于數(shù)據(jù)本身存在“關聯(lián)”,無法使用常規(guī)統(tǒng)計分析方法,因此使用QAP 分析方法,解釋“關聯(lián)”之間的關系[11]。
2.1.2 多維鄰近
多維鄰近性概念被法國鄰近動力學派提出后[12],Boschma構建了五個維度的分類方法和分析框架,包括制度鄰近性、地理鄰近性、社會鄰近性、認知鄰近性和組織鄰近性[13]?;谇叭搜芯?,本研究的多維鄰近構建如下。
1)地理鄰近
地理鄰近Geoij主要是指從地理空間角度考察兩地的遠近程度,參考周銳波測度方法[14],查詢兩城市間最短公路距離,并代入下列公式來衡量城市間的地理鄰近性。
式(1)中:dij為城市i與城市j之間的公路距離。
2)制度鄰近
在制度臨近Insij的測度上參考陳娟的做法[15],采取兩城市間國家級經(jīng)濟技術開發(fā)區(qū)、高新區(qū)、青年創(chuàng)新基地數(shù)量和的差值倒數(shù)進行測度。
3)社會鄰近
社會鄰近Socij是合作主體之間基于信任的社會關系,“關系空間”通過相同語言體系有利于知識的隱性傳播,進而能夠推動區(qū)域內(nèi)的創(chuàng)新活動[16]。采用虛擬變量0 或1,分別代表兩城市是否使用同種語言[17]。
4)技術鄰近
檢索的專利數(shù)據(jù)來自IncoPat全球?qū)@麛?shù)據(jù)庫,采用專利分類中小類500,借鑒Jaffe(1993)測度技術鄰近Tecij的方法[18],計算城市間專利結構的相似性。
式(2)中:PATim、PATjm分別為城市i和城市j當年第m個IPC小類的發(fā)明專利申請量
大灣區(qū)的創(chuàng)新網(wǎng)絡指標如表1所示。2008年~2020年,創(chuàng)新網(wǎng)絡的密度值和平均度數(shù)顯著提高,增幅明顯。表明大灣區(qū)城市間的創(chuàng)新聯(lián)系更緊密。網(wǎng)絡的平均路徑長度從1.75 下降至1.18,說明聯(lián)系成本下降,城市間合作更加便捷。從度中心勢看,2008年網(wǎng)絡的中心性強,度中心勢為0.91,隨著灣區(qū)發(fā)展,2020年度中心勢下降至0.22,網(wǎng)絡的向心性顯著減弱。聚類系數(shù)緩慢下降,但最小值仍高達0.7,網(wǎng)絡整體聚集性較強。
表1 粵港澳大灣區(qū)創(chuàng)新網(wǎng)絡整體指標
2008 年~2020 年大灣區(qū)創(chuàng)新網(wǎng)絡的中心性見表2。從度數(shù)中心度看,大灣區(qū)各城市間的創(chuàng)新合作不斷加強。其中,廣州始終位于首位,是大灣區(qū)創(chuàng)新網(wǎng)絡的中心城市。2020 年,深圳、香港、佛山追上廣州,并列首位。肇慶、江門的度數(shù)中心度提升較為緩慢,且一直低于平均值,在大灣區(qū)中處于邊緣地位。
表2 粵港澳大灣區(qū)創(chuàng)新網(wǎng)絡中心性
從接近中心度來看,各城市的接近中心度都在下降,說明大灣區(qū)創(chuàng)新網(wǎng)絡的整體性越來越強,各城市的創(chuàng)新發(fā)展越來越離不開與其他城市協(xié)同合作。
中間中心度上,在2008 年,廣州是大灣區(qū)的絕對樞紐,充當中間人角色;2014年,深圳快速發(fā)展,成為灣區(qū)第二大創(chuàng)新樞紐城市;2020年,廣州、深圳、香港、佛山并列成為大灣區(qū)中間中心度最高的城市,發(fā)揮知識創(chuàng)新中轉(zhuǎn)的作用。
2008 年~2020 年大灣區(qū)的知識創(chuàng)新聯(lián)系如圖1~圖3。2008 年大灣區(qū)創(chuàng)新網(wǎng)絡松散稀疏,為單中心的空間結構。2014 年網(wǎng)絡密度有所增加,深圳發(fā)展迅速,中心度接近廣州成為第二大創(chuàng)新節(jié)點。廣州、深圳、香港之間形成緊密的創(chuàng)新聯(lián)系,呈現(xiàn)出“廣州—深圳—香港”的三角結構。2020年,大灣區(qū)創(chuàng)新網(wǎng)絡密度顯著提升,各城市間創(chuàng)新聯(lián)系十分緊密,形成以廣州、香港、深圳、佛山和珠海為中心的多中心格局。
圖1 2008年大灣區(qū)創(chuàng)新聯(lián)系圖
圖3 2020年大灣區(qū)創(chuàng)新聯(lián)系圖
選擇10000 次隨機置換,對各變量與創(chuàng)新關系矩陣進行QAP回歸分析,結果見表3。
表3 QAP 回歸分析結果
2008 年~2020 年的制度鄰近性均呈現(xiàn)顯著性水平。其回歸系數(shù)的絕對值先降后升,表明制度鄰近對創(chuàng)新網(wǎng)絡的正向影響存在2008 年~2014 年下降,2014 年后又逐漸增強的趨勢。2008 年是《珠江三角洲地區(qū)改革發(fā)展規(guī)劃綱要(2008-2020)》實施的第一年,受制度積極影響,大灣區(qū)各個城市開始積極地創(chuàng)新合作,陸續(xù)成立開發(fā)區(qū)、高新區(qū)等。其間,此類科創(chuàng)區(qū)建設經(jīng)歷一定的探索并逐漸成熟。2019年《粵港澳大灣區(qū)發(fā)展規(guī)劃綱要》發(fā)布,設立了更多具有資金、管理等一系列政策支持的青年創(chuàng)新基地。
社會鄰近性呈負相關的顯著性水平,且絕對值不斷增加。說明社會鄰近性的制約作用越來越大,語言差異愈發(fā)成為影響合作效率的因素。
技術鄰近性顯著為正,在2014年~2020年增幅較大。表明具有共同的認知在大灣區(qū)創(chuàng)新網(wǎng)絡演變中起積極作用。各個時期的影響中,技術鄰近的影響始終是最大的,且占比越來越重。說明相似的產(chǎn)業(yè)結構更有利于城市之間的合作。
地理鄰近的顯著性水平均低于10%,一定程度上說明地理鄰近對以高校和科研機構為主體的知識創(chuàng)新網(wǎng)絡并無顯著影響。
總的來說,大灣區(qū)創(chuàng)新網(wǎng)絡愈發(fā)緊密,由單中心演變?yōu)槎嘀行母窬?。其中,廣州是最核心的節(jié)點,早期作為唯一樞紐,帶動整個灣區(qū)的創(chuàng)新發(fā)展。2014年,深圳飛速發(fā)展,成為第二中心。香港積極融入大灣區(qū),在2020年與廣州、深圳并列,成為大灣區(qū)的創(chuàng)新中心城市。肇慶和江門處于創(chuàng)新聯(lián)系網(wǎng)絡最邊緣地帶,需增加關注。
基于QAP 分析,制度鄰近和技術鄰近對創(chuàng)新網(wǎng)絡具有積極影響,社會鄰近有制約作用。為促進大灣區(qū)城市間創(chuàng)新聯(lián)系的進一步發(fā)展,要營造區(qū)域創(chuàng)新一體化發(fā)展的制度環(huán)境,推動各類要素在區(qū)域內(nèi)流動;注重完善合作機制,調(diào)和城市間由語言差異引起的合作壁壘;在城市間形成共同認知,引導產(chǎn)生相似的知識基礎和行為經(jīng)驗等能有效影響創(chuàng)新合作。