论文部分内容阅读
[摘要] 作为区域创新的增长极，在当前要求经济由高速度向高质量转型发展的背景下，创新型城市对区域经济发展的引领和带动作用不可替代。研究创新型城市的创新空间关联特征对促进区域创新资源合理配置、优化创新空间布局、实现区域创新有效联动具有重要意义。本文运用社会网络分析方法对创新型城市的区域创新空间关联特征进行研究，并进一步提出优化创新资源配置、统筹创新空间布局、放大创新溢出效应等促进创新型城市建设的对策建议。
[关键词] 创新型城市;创新空间关联性;网络中心度
一、引言
创新型城市是区域创新的“增长极”，是建设创新型国家的重要依托。具体而言，创新型城市是城市经济与知识经济融合而成的城市演变形态，是以创新为核心驱动力的一种城市发展模式，其特征是在创新资源配置、不断自我平衡调整和发展的基础上，推动建立创新驱动的集约型经济增长，最终实现城市的可持续发展。[1]建设创新型城市是经济发展的必然趋势，近年来中国创新驱动能力得到显著提升，但与西方发达国家相比仍然较弱;劳动生产率水平方面的差距显著，但同时进步也较快。[2]为了建设若干具有强大带动力的创新型城市和区域创新中心，充分发挥区域示范引领作用，引导城市探索各具特色的创新发展模式，科技部、国家发展改革委在2016年制定的《建设创新型城市工作指引》（国科发创[2016] 370号）中，要求在全国61个城市开展创新型城市试点。
目前，学界对创新型城市的研究主要聚焦在创新评估指标体系、创新能力、创新驱动要素评价以及发展模式等方面。绉燕（2012）利用主成分分析法对创新型城市进行分类测评，并依据其内涵构建评价指标体系。[3]方创琳（2014）以全国地级以上城市为综合评估对象，从体制机制创新、产业创新、人居环境创新和自主创新四个方面综合评估中国创新型城市空间分异特征，得出中国东部地区创新型城市创新水平明显高于中西地区的结论。[4]许治（2016）利用马可夫链与核密度方法研究21个国家级创新型城市的技术成就指数分布特征，指出21个国家级创新型城市创新能力的差异有扩大的趋势。[5]邓芹凌（2013）则利用技术成就指数来研究国家创新型城市创新能力的地区差异和收敛效应。[6]吴宇军（2011）研究创新型城市建设进程中创新驱动要素的分类，分别对体制机制创新驱动、开放创新驱动、科技创新驱動、产业创新驱动以及综合创新驱动等多类典型驱动模式进行研究。[7]魏亚平（2014）构建创新驱动要素评价模型，并运用熵值法对20个创新型城市的创新驱动要素能力水平进行评价。[8]尤建新（2011）以上海和深圳为例，分析创新型城市两种不同发展模式在城市创新发展战略和创新要素方面的异同。[9]李靖华（2014）对政府主导型、市场主导型和混合主导型三种创新型城市建设模式进行研究，并从创新资源、创新主体、创新文化、创新制度四个层面进行梳理和比较，得出不同模式下创新型城市建设经验。[10]贺永正（2015）分别从时间、空间维度对江苏省国家创新型城市的建设成效进行评价，以期为建设国家创新型城市提供经验。[11]李炳超（2019）通过分析欧美和亚洲创新型城市的主要分布特点，发现了世界主要创新型城市的变化情况，得出从创新型城市发展模式及支持重点城市建设世界级创新型城市集群的重要经验，从而为我国创新型城市发展提供借鉴。[12]
此外，也有一些学者密切关注区域创新空间关联特征。宋旭光（2018）采用复杂网络理论和二次指派程序（QAP）回归分析方法研究中国区域创新的空间关联网络结构及其主要影响因素，以及各区域板块在关联网络中的地位、作用和角色和彼此之间关联机制与传导路径。[13]金浩（2019）采用社会网络分析和QAP回归分析方法，认为中国区域创新网络水平呈东高西低格局，东部地区多处于空间关联网络的核心，地理位置、经济基础、创新资源投入是影响创新网络空间溢出的主要因素。[14]赵雨涵（2017）运用最小生成树法，测度分析了中国区域创新空间关联关系以及中国区域创新网络结构的动态特征，得出中国区域创新活动具有明显的空间关联性，并随着时间的推移显著增强的结论。[15]邵汉华（2018）对创新价值链进行研究，将创新过程分为研发阶段和经济转化阶段两个阶段，指出在研发创新阶段网络的稳定性趋于下降，在经济转化阶段网络稳定性则趋于上升，但在两个阶段区域创新发展的空间关联性都逐渐增强。[16]
综上，学界众多学者关于创新型城市和区域创新空间关联特征的研究为中国推进创新型城市建设提供了必要的理论基础，对加快建设创新型国家具有重要意义。总体来看，学界大多集中于对区域创新的空间网络特征的研究，而对创新型城市的空间关联性网络特征则关注不够，其相关研究成果也较少。研究创新型城市的空间关联性特征，能直观地看出全国创新型城市之间不同的创新空间联系强度以及区域创新的差异，从而为合理规划创新型城市的空间布局、平衡创新型城市的区域创新差异提供依据。本文利用社会网络分析方法（SNA），进一步聚焦到55个创新型城市，①对其区域创新的空间网络相关性特征进行深入研究，以期对中国创新型城市区域创新的集群特征、网络中心性和地理分布等做出合理的评价，这进一步丰富了全国城市创新的区域空间关联性研究方面的成果。
二、数据及方法
1.数据来源
本文主要使用的数据有：一是区域创新综合指数。区域创新综合指数是运用社会网络分析方法分析区域创新空间网络特征的前提，因此首先要对区域创新综合指数进行测算。本文采用的区域创新综合指数来源于区域创新指数课题组的测算结果。②该课题组以全国286个创新元为评价对象，从创新环境、创新投入和创新产出三个维度构建区域创新指数，分析了中国区域创新活动现状。二是计算创新空间相关性所使用的其他数据，其中创新型城市的人口和地区生产总值的数据来源于《中国城市统计年鉴（2017）》，科技技术支出占比、万人专利申请量等数据来源于<中国科技年鉴（2017）》。由于数据完整性和可得性，主要采用2016年数据进行计算。本文在计算创新空间关联性时使用的摩擦距离直接从中国城市距离网站上获取。③ 2.社会网络分析方法
社会网络分析法（SNA）是一种运用数据关系来分析社会空间结构特征的研究方法，它借用数学中图论和矩阵理论来表现社会关系及其结构特征。社会是由结点以及结点之间的关系所形成的网络构成的，这是社会学理论的一般表述。本文主要通过社会网络中的整体网络特征和网络中心特征研究创新型城市的空间关联特征。
3.区域创新空间网络结构模型
创新型城市创新发展空间关联关系的研究主要使用VAR模型和引力模型。而VAR模型对变量滞后阶数的选择过于敏感，会降低所得网络结构特征的精确性。[17]与VAR模型相比，引力模型可以克服VAR模型对空间关联网络变化趋势刻画不够准确和解决不了滞后阶数的难题。因此，本文选择使用引力模型对创新型城市的创新空间特征进行分析，并出于提高模型适用性的目的对模型进行修正完善。得到如下模型：
其中，Xi，j表示创新型城市i与创新型城市j之间的创新空间相关性，Ki，j表示创新型城市i在两城市中的创新贡献率占比，等于创新型城市i的创新水平与创新型城市i和创新型城市j的创新水平之和之比;Pi和Pj分别表示创新型城市i和创新型城市j的人口总量;Gi和Gj分别表示创新型城市i与创新型城市j的地区生产总值（GDP）;Ii和Ij分别表示创新型城市i和创新型城市j的创新水平;Di，j表示摩擦距离，是由地理距离di，j——即创新型城市i与创新型城市j之間的欧几里得距离，和经济距离（9i-9i）之比，经济距离（9i-9i）表示创新型城市i的人均地区生产总值和创新型城市j的人均地区生产总值之差。
通过引力模型可得到创新型城市的空间关联引力矩阵。考虑到创新城市之间的相互作用有一个临界值，当大于临界值时，其相互作用效果显著，否则相互作用可忽略。为简化计算，取矩阵的行均值作为临界值，当相互作用值大于临界值时，则赋值为1，小于临界值则赋值0，表示两者之间的相互作用不显著。最终由于创新型城市的贡献率Ki，j不同，可以得到不对称的空间关联网络矩阵。为了能直观地观察创新型城市之间的空间网络关联，再利用UCINET可视化工具Netdraw绘制关联网络图，从而对创新型城市的空间经济关联性特征进行更为深入的分析。
三、中国创新型城市创新基本概况分析
1.基本情况
根据区域创新指数课题组的区域创新综合指数结果，本文得出创新型城市的创新综合指数均值为72. 06，比全国平均水平（67. 27）高4.79，有23个创新型城市创新综合指数进入全国前30位，有46个创新型城市创新综合指数高于全国均值，占创新型城市总数的83. 64%（详见表1）。
从创新环境指数看，55个创新型城市的均值为70. 26，比全国平均水平高5.05，其中49个高于全国平均水平，占创新型城市总数的89. 09%。从创新投入指数看，55个创新型城市的均值为68. 57，比全国平均水平（63. 79）高4.78，其中44个高于全国平均水平，占创新型城市总数的80%。从创新产出指数看，55个创新型城市的均值为77. 55，比全国平均水平（72. 97）高4.58，也有44个高于全国平均水平，占创新型城市总数的80%。
2.创新型城市的总体特征
从全国来看，创新型城市无论是创新环境、创新投入还是创新产出都居于领先地位，是区域创新的核心，总体上呈现以下特征：
（l）示范引领作用显著。创新型城市基本为省会城市和区域性中心城市，是各类创新要素和资源的集聚地，创新能力较强，在优化营商环境、完善创新网络、提高创新产出效率等方面成效明显。2016年创新型城市数量不到全国的1/5，但其R&D经费支出、R&D研究人员数、期刊论文数量、百万人口技术合同成交额等指标均占全国的50%以上，创新型城市对中国区域创新能力的提升做出了重要贡献。同时，城市创新活动产生的知识空间溢出效应，也促进了周边地区经济的持续增长。
（2）存在多个创新“塌陷区”。通过对创新型城市创新综合指数及各项分指数的分析发现，秦皇岛、海口、景德镇、萍乡、西宁、遵义等城市多项指标低于全国286个创新元的平均值，形成创新能力“塌陷区”。这些创新型城市虽为各区域的中心城市，但受地理区位、经济发展水平、文化氛围等方面制约，创新能力处于中下水平，难以发挥对整个区域的主导或带动作用。
（3）创新投入短板制约突出。从整体上讲，创新型城市的创新环境较好，但区域创新投入力度仍显不足。在55个创新型城市中，有11个的创新投入指数都低于全国平均水平，占创新型城市总数的20%。可以看出，持续提高创新投入水平是下一步创新型城市增强创新综合能力的关键所在。
四、创新型城市创新空间特征
1.复合链接的集群化特征
为了能更清晰和直观地展示中国创新型城市区域创新的空间关联网络，本文利用UCINET可视化工具Netdraw绘制关联网络图，图中节点大小与其中心性成正比，表明中国区域创新呈现较为明显的网络特征，在空间视阈的角度已演变为从点及面，从创新主体城市各自为政到多元协同创新的纵横交错的复杂网络系统（详见图1）。创新网络整体复合连通，拥有明显核心节点和子群。创新活动在空间上高度集聚，如深圳、广州、苏州、无锡、南京等东部城市与其他区域联系较多，处于网络的中心地带，是中国区域创新的中坚力量。在它们的带动下，长三角、珠三角地区的中心性增强，成为创新活动最为活跃和频繁的地区。中部、西部地区也形成多个创新能力高值连片分布区，如以郑州、南阳为核心的中原城市群，以武汉、长沙为核心的长江中游城市群，以西安、宝鸡为核心的关中平原城市群等，而银川、乌鲁木齐、昆明等城市则处于网络的边缘地带，与其他城市间的创新联系有待进一步加强。
2.网络中心的差异化特征
网络中心度是反映结点成员在网络中的权力大小和地位高低的重要参数。包括点度中心度，即衡量成员在网络中的地位，其值越高则与其他成员的关联越多，越处于网络的中心，从而拥有较大的“权力”。中间中心度，是反映成员在网络中对资源的控制程度及其对网络的衔接和协调能力，其值越高则掌握的资源越多，起到沟通其他成员的“中介”和“桥梁”作用越强;接近中心度，是反映成员在网络中不受其他成员“控制的能力”，其值越高则与其他成员越接近，与其他成员的联系越强。[18]本文计算了55个创新型城市的点度中心度、中间中心度和接近中心度的值，如表2所示。 创新型城市网络中心性特征明显。从点度中心度来看，55个创新型城市的点度中心度均值为21. 01，其中，有21个高于均值，排名前10的城市分别是苏州、无锡、南阳、南京、深圳、常州、杭州、包头、广州和武汉，这些城市在区域创新网络中与其他城市直接关联较多，处于网络的中心地带。排名前10的城市中，有7个位于东部地区，表明东部地区是中国区域创新的核心区域，形成了较为成熟的创新型城市网络发展格局。从中间中心度来看，高于均值的城市有1 7个，占55个创新型城市总数的30. 91%，排名靠前的包头、南阳等城市有着特殊的区位优势，在区域创新网络中起着连接枢纽的作用，对整个网络的创新协同影响较大。从接近中心度来看，其均值为46. 92，有29个高于均值，这些城市的创新地位较高，对其他区域的创新活动有较大影响，在区域创新网络中扮演着中心行动者的角色。另外，综合各类中心度的情况来看，大连、海口、秦皇岛等城市排名相对靠后，在网络中表现出明显的从属特征，这些城市由于地理空间和经济发展水平的限制，区域创新能力比较薄弱，创新资源的流动性不足，与其他创新主体合作交流不够紧密。
3.地理分布的梯度化特征
从空间分布来看，中国区域创新能力分布非常不均衡，总体呈东强西弱，“东中西”阶梯式减弱的空间格局。55个创新型城市中，東部地区26个、中部地区12个、西部地区13个、东北地区4个。东部地区占比为47.27%，接近创新型城市总数的一半，呈高度集中状态，东北地区个数最少，仅有3个省会城市和大连市人选。东部、中部、西部和东北地区创新型城市的创新指数均值分别为73. 85、70. 70、69. 92和71. 50（详见图2）。东部地区分值最高，领先优势明显，西部地区得分最低，但与中部、东北部差距较小，水平接近。东部、西部地区创新型城市创新综合指数差距最大，差值为3. 93。总的来说，中国创新型城市的创新综合水平、创新环境、创新投入和创新产出水平在各城市之间存在明显的空间分异，东部城市的综合创新水平明显高于中西部，且这种空间差距在短期内很难改变。若引入反映我国人口分布密度的“胡焕庸线”作为参考，可以发现，创新型城市高值区主要分布在“胡焕庸线”东侧，东强西弱的空间分布特征更为清晰。
4.多极多点的协同化特征
由于创新区域扩散与空间溢出效应的存在，产生了数量多、分布广的核心与次核心城市，形成了多中心的城市创新空间格局，并以区域中心为极点，辐射带动了周边城市的协同创新。长三角城市群创新扩散较为明显，南京、杭州等创新极核对宁波、南通等邻近城市的创新发展产生正向积极影响，创新带动效应开始释放，创新极核空间溢出效应显现。深圳和广州作为珠三角城市群中的创新极核，与佛山、东莞等城市有较多的创新合作，有效提高了周边城市的整体创新水平。东北地区的哈尔滨、沈阳，中部地区的武汉、长沙，以及西部地区的成都、西安在各区域中开始呈现创新极核的发展态势，形成了多个以省会城市为核心的区域创新中心。受多维度邻近性的影响，创新型城市往往倾向于与自己相似或互补的高知识创新能力城市进行创新合作与联系，产生知识空间溢出效应。这些城市有效发挥了创新型城市应有的核心功能并促进了自身及周边城市经济的持续增长，形成了多创新中心协同的网络空间格局。
五、结论和建议
本文对试点的55个创新型城市区域创新的基本情况和空间分布特征进行了研究，主要得出了以下结论：整体而言，创新型城市是中国区域创新的增长极，引领示范作用明显，但由于部分城市创新投入力度相对不足，形成了多个创新“塌陷区”。从空间形态看，各创新型城市区域新新活动具有很强的空间关联性，创新型城市之间呈现出复杂网络的特性且形成多个核心簇群，呈现出明显的集群化特征。从空间联系看，深圳、苏州、南京等城市位于网络的核心位置，具有较强的虹吸和辐射能力，这些创新型城市将创新动能传递给周边城市，带动周边城市的协同创新，引导区域创新系统协调发展。从空间分布看，创新型城市创新水平空间差异较大，存在明显的阶梯层次分布，表现出东强西弱的空间格局。基于此，得出以下三点建议。
1.优化创新资源配置，提高区域创新水平
创新型城市应对自身在国家创新体系中的定位与职责有更充分的认识，持续加大科技创新投入，提高人力资源水平，为创新发展提供充足的资金和人才保障，带动自主创新能力提升，不断缩小与发达城市的创新差距。从长期看，推动区域空间结构均衡化发展，是经济地理重塑的重要内容，在配置资源时，应鼓励和引导创新要素向中西部城市倾斜，缩小地区差距，促进城市融合，实现均衡协调发展。
2.统筹创新空间布局，构建区域创新网络
不同城市在区域创新网络中的地位、作用与职能有所差异，应注重透过网络引导城市创新系统协调发展，促使整体网络效应达到最优。对处于网络核心地位的创新型城市，如深圳、广州、苏州等.应最大限度地发挥其辐射引领作用，促进它们与周边城市的联动发展;强化西安、南阳等城市的网络“中介”传递功能，完善其“承上启下”“左右逢源”的创新通道作用;明确边缘城市在区域创新网络中的定位，推动边缘城市与核心城市“中介”城市建立创新联系与合作，逐步增强边缘城市在网络中的节点功能;合理规划创新型城市的职能与特色，因城制宜，尽可能以优带弱，构建科学合理的区域创新网络。
3.放大创新溢出效应，实现区域创新共赢
创新活动存在显著的空间相关性，在促进创新型城市自身创新发展的同时，需充分考虑创新的溢出效应，打破制约创新要素跨行政区流动的制度障碍，建立和完善更广泛的区域合作机制，提高创新型城市间的协同创新能力。应进一步加大创新型城市间交通、文化、人才培引、产业等方面的共建共享，鼓励创新人才等创新资源跨区域流动，建立具有区域协同效应的创新资源共享平台，促进更大区域内创新要素的合理配置和开放共享，扩大创新要素流动的空间溢出半径，实现各创新型城市、多区域创新活动的有效联动、互利共赢。 参考文献：
[1]杨冬梅，赵黎明，闫凌州，创新型城市：概念模型与发展模式[J].科学学与科学技术管理，2006，（08）.
[2]陈昭，刘珊珊，邬惠婷，唐根年，创新空间崛起、创新城市引领与全球创新驱动发展差序格局研究[J].经济地理，2017，（01）.
[3]邹燕，创新型城市评价指标体系与国内重点城市创新能力结构研究[J].管理评论，2012， （06）.
[4]方创琳，马海涛，王振波，李广东.中国创新型城市建设的综合评估与空间格局分异[J].地理学报，2014，（04）.
[5]许治，陈丽玉.国家级创新型城市创新能力的动态演进——基于技术成就指数的研究[J].管理评论，2016，（10）.
[6]许治，邓芹凌.国家创新型城市创新能力的地区差异与收敛效应——基于技术成就指数的研究[J].科学学与科学技术管理，2013，（01）.
[7]吴宇军，胡树华，代晓晶.创新型城市创新驱动要素的差异化比较研究[J].中国科技论坛，2011， （10）.
[8]魏亚平，贾志慧.创新型城市创新驱动要素评价研究[J].科技管理研究，2014，（19）.
[9]尤建新，卢超，郑海鳌，陈震.创新型城市建设模式分析——以上海和深圳为例[J].中国软科学，2011，（07）.
[10]李靖华，李宗乘，朱岩梅.世界创新型城市建设模式比较：三个案例及其对上海的启示[J].中国科技论坛，2013，（02）.
[11]贺永正，吴价宝，潘培培，卢珂.江苏省国家创新型城市建设水平的兩维视角研究——以连云港市为例[J].地域研究与开发，2015，（06）.
[12]李炳超，袁永，王子丹.欧美和亚洲创新型城市监测研究——全球创新城市100强[J].科技进步与对策，2019，（15）.
[13]宋旭光，赵雨涵.中国区域创新空间关联及其影响因素研究[J].数量经济技术经济研究，2018，（07）.
[14]金浩，王平平，赵晨光.我国区域创新网络评价与空间关联研究[J].当代经济管理，2019，（05）.
[15]赵雨涵，宋旭光.我国区域创新空间关联的测度与分析——兼论区域创新网络结构的动态特征[J].西南民族大学学报（人文社科版），2017，（07）.
[16]邵汉华，周 磊，刘耀彬.中国创新发展的空间关联网络结构及驱动因素[J].科学学研究，2018，（11）.
[17]刘华军，刘传明，孙亚男.中国能源消费的空间关联网络结构特征及其效应研究[J].中国工业经济，2015，（05）.
[18]方大春，马为彪.我国区域创新空间关联的网络特征及其影响因素[J].西部论坛，2018，（02）.
[关键词] 创新型城市;创新空间关联性;网络中心度
一、引言
创新型城市是区域创新的“增长极”，是建设创新型国家的重要依托。具体而言，创新型城市是城市经济与知识经济融合而成的城市演变形态，是以创新为核心驱动力的一种城市发展模式，其特征是在创新资源配置、不断自我平衡调整和发展的基础上，推动建立创新驱动的集约型经济增长，最终实现城市的可持续发展。[1]建设创新型城市是经济发展的必然趋势，近年来中国创新驱动能力得到显著提升，但与西方发达国家相比仍然较弱;劳动生产率水平方面的差距显著，但同时进步也较快。[2]为了建设若干具有强大带动力的创新型城市和区域创新中心，充分发挥区域示范引领作用，引导城市探索各具特色的创新发展模式，科技部、国家发展改革委在2016年制定的《建设创新型城市工作指引》（国科发创[2016] 370号）中，要求在全国61个城市开展创新型城市试点。
目前，学界对创新型城市的研究主要聚焦在创新评估指标体系、创新能力、创新驱动要素评价以及发展模式等方面。绉燕（2012）利用主成分分析法对创新型城市进行分类测评，并依据其内涵构建评价指标体系。[3]方创琳（2014）以全国地级以上城市为综合评估对象，从体制机制创新、产业创新、人居环境创新和自主创新四个方面综合评估中国创新型城市空间分异特征，得出中国东部地区创新型城市创新水平明显高于中西地区的结论。[4]许治（2016）利用马可夫链与核密度方法研究21个国家级创新型城市的技术成就指数分布特征，指出21个国家级创新型城市创新能力的差异有扩大的趋势。[5]邓芹凌（2013）则利用技术成就指数来研究国家创新型城市创新能力的地区差异和收敛效应。[6]吴宇军（2011）研究创新型城市建设进程中创新驱动要素的分类，分别对体制机制创新驱动、开放创新驱动、科技创新驱動、产业创新驱动以及综合创新驱动等多类典型驱动模式进行研究。[7]魏亚平（2014）构建创新驱动要素评价模型，并运用熵值法对20个创新型城市的创新驱动要素能力水平进行评价。[8]尤建新（2011）以上海和深圳为例，分析创新型城市两种不同发展模式在城市创新发展战略和创新要素方面的异同。[9]李靖华（2014）对政府主导型、市场主导型和混合主导型三种创新型城市建设模式进行研究，并从创新资源、创新主体、创新文化、创新制度四个层面进行梳理和比较，得出不同模式下创新型城市建设经验。[10]贺永正（2015）分别从时间、空间维度对江苏省国家创新型城市的建设成效进行评价，以期为建设国家创新型城市提供经验。[11]李炳超（2019）通过分析欧美和亚洲创新型城市的主要分布特点，发现了世界主要创新型城市的变化情况，得出从创新型城市发展模式及支持重点城市建设世界级创新型城市集群的重要经验，从而为我国创新型城市发展提供借鉴。[12]
此外，也有一些学者密切关注区域创新空间关联特征。宋旭光（2018）采用复杂网络理论和二次指派程序（QAP）回归分析方法研究中国区域创新的空间关联网络结构及其主要影响因素，以及各区域板块在关联网络中的地位、作用和角色和彼此之间关联机制与传导路径。[13]金浩（2019）采用社会网络分析和QAP回归分析方法，认为中国区域创新网络水平呈东高西低格局，东部地区多处于空间关联网络的核心，地理位置、经济基础、创新资源投入是影响创新网络空间溢出的主要因素。[14]赵雨涵（2017）运用最小生成树法，测度分析了中国区域创新空间关联关系以及中国区域创新网络结构的动态特征，得出中国区域创新活动具有明显的空间关联性，并随着时间的推移显著增强的结论。[15]邵汉华（2018）对创新价值链进行研究，将创新过程分为研发阶段和经济转化阶段两个阶段，指出在研发创新阶段网络的稳定性趋于下降，在经济转化阶段网络稳定性则趋于上升，但在两个阶段区域创新发展的空间关联性都逐渐增强。[16]
综上，学界众多学者关于创新型城市和区域创新空间关联特征的研究为中国推进创新型城市建设提供了必要的理论基础，对加快建设创新型国家具有重要意义。总体来看，学界大多集中于对区域创新的空间网络特征的研究，而对创新型城市的空间关联性网络特征则关注不够，其相关研究成果也较少。研究创新型城市的空间关联性特征，能直观地看出全国创新型城市之间不同的创新空间联系强度以及区域创新的差异，从而为合理规划创新型城市的空间布局、平衡创新型城市的区域创新差异提供依据。本文利用社会网络分析方法（SNA），进一步聚焦到55个创新型城市，①对其区域创新的空间网络相关性特征进行深入研究，以期对中国创新型城市区域创新的集群特征、网络中心性和地理分布等做出合理的评价，这进一步丰富了全国城市创新的区域空间关联性研究方面的成果。
二、数据及方法
1.数据来源
本文主要使用的数据有：一是区域创新综合指数。区域创新综合指数是运用社会网络分析方法分析区域创新空间网络特征的前提，因此首先要对区域创新综合指数进行测算。本文采用的区域创新综合指数来源于区域创新指数课题组的测算结果。②该课题组以全国286个创新元为评价对象，从创新环境、创新投入和创新产出三个维度构建区域创新指数，分析了中国区域创新活动现状。二是计算创新空间相关性所使用的其他数据，其中创新型城市的人口和地区生产总值的数据来源于《中国城市统计年鉴（2017）》，科技技术支出占比、万人专利申请量等数据来源于<中国科技年鉴（2017）》。由于数据完整性和可得性，主要采用2016年数据进行计算。本文在计算创新空间关联性时使用的摩擦距离直接从中国城市距离网站上获取。③ 2.社会网络分析方法
社会网络分析法（SNA）是一种运用数据关系来分析社会空间结构特征的研究方法，它借用数学中图论和矩阵理论来表现社会关系及其结构特征。社会是由结点以及结点之间的关系所形成的网络构成的，这是社会学理论的一般表述。本文主要通过社会网络中的整体网络特征和网络中心特征研究创新型城市的空间关联特征。
3.区域创新空间网络结构模型
创新型城市创新发展空间关联关系的研究主要使用VAR模型和引力模型。而VAR模型对变量滞后阶数的选择过于敏感，会降低所得网络结构特征的精确性。[17]与VAR模型相比，引力模型可以克服VAR模型对空间关联网络变化趋势刻画不够准确和解决不了滞后阶数的难题。因此，本文选择使用引力模型对创新型城市的创新空间特征进行分析，并出于提高模型适用性的目的对模型进行修正完善。得到如下模型：
其中，Xi，j表示创新型城市i与创新型城市j之间的创新空间相关性，Ki，j表示创新型城市i在两城市中的创新贡献率占比，等于创新型城市i的创新水平与创新型城市i和创新型城市j的创新水平之和之比;Pi和Pj分别表示创新型城市i和创新型城市j的人口总量;Gi和Gj分别表示创新型城市i与创新型城市j的地区生产总值（GDP）;Ii和Ij分别表示创新型城市i和创新型城市j的创新水平;Di，j表示摩擦距离，是由地理距离di，j——即创新型城市i与创新型城市j之間的欧几里得距离，和经济距离（9i-9i）之比，经济距离（9i-9i）表示创新型城市i的人均地区生产总值和创新型城市j的人均地区生产总值之差。
通过引力模型可得到创新型城市的空间关联引力矩阵。考虑到创新城市之间的相互作用有一个临界值，当大于临界值时，其相互作用效果显著，否则相互作用可忽略。为简化计算，取矩阵的行均值作为临界值，当相互作用值大于临界值时，则赋值为1，小于临界值则赋值0，表示两者之间的相互作用不显著。最终由于创新型城市的贡献率Ki，j不同，可以得到不对称的空间关联网络矩阵。为了能直观地观察创新型城市之间的空间网络关联，再利用UCINET可视化工具Netdraw绘制关联网络图，从而对创新型城市的空间经济关联性特征进行更为深入的分析。
三、中国创新型城市创新基本概况分析
1.基本情况
根据区域创新指数课题组的区域创新综合指数结果，本文得出创新型城市的创新综合指数均值为72. 06，比全国平均水平（67. 27）高4.79，有23个创新型城市创新综合指数进入全国前30位，有46个创新型城市创新综合指数高于全国均值，占创新型城市总数的83. 64%（详见表1）。
从创新环境指数看，55个创新型城市的均值为70. 26，比全国平均水平高5.05，其中49个高于全国平均水平，占创新型城市总数的89. 09%。从创新投入指数看，55个创新型城市的均值为68. 57，比全国平均水平（63. 79）高4.78，其中44个高于全国平均水平，占创新型城市总数的80%。从创新产出指数看，55个创新型城市的均值为77. 55，比全国平均水平（72. 97）高4.58，也有44个高于全国平均水平，占创新型城市总数的80%。
2.创新型城市的总体特征
从全国来看，创新型城市无论是创新环境、创新投入还是创新产出都居于领先地位，是区域创新的核心，总体上呈现以下特征：
（l）示范引领作用显著。创新型城市基本为省会城市和区域性中心城市，是各类创新要素和资源的集聚地，创新能力较强，在优化营商环境、完善创新网络、提高创新产出效率等方面成效明显。2016年创新型城市数量不到全国的1/5，但其R&D经费支出、R&D研究人员数、期刊论文数量、百万人口技术合同成交额等指标均占全国的50%以上，创新型城市对中国区域创新能力的提升做出了重要贡献。同时，城市创新活动产生的知识空间溢出效应，也促进了周边地区经济的持续增长。
（2）存在多个创新“塌陷区”。通过对创新型城市创新综合指数及各项分指数的分析发现，秦皇岛、海口、景德镇、萍乡、西宁、遵义等城市多项指标低于全国286个创新元的平均值，形成创新能力“塌陷区”。这些创新型城市虽为各区域的中心城市，但受地理区位、经济发展水平、文化氛围等方面制约，创新能力处于中下水平，难以发挥对整个区域的主导或带动作用。
（3）创新投入短板制约突出。从整体上讲，创新型城市的创新环境较好，但区域创新投入力度仍显不足。在55个创新型城市中，有11个的创新投入指数都低于全国平均水平，占创新型城市总数的20%。可以看出，持续提高创新投入水平是下一步创新型城市增强创新综合能力的关键所在。
四、创新型城市创新空间特征
1.复合链接的集群化特征
为了能更清晰和直观地展示中国创新型城市区域创新的空间关联网络，本文利用UCINET可视化工具Netdraw绘制关联网络图，图中节点大小与其中心性成正比，表明中国区域创新呈现较为明显的网络特征，在空间视阈的角度已演变为从点及面，从创新主体城市各自为政到多元协同创新的纵横交错的复杂网络系统（详见图1）。创新网络整体复合连通，拥有明显核心节点和子群。创新活动在空间上高度集聚，如深圳、广州、苏州、无锡、南京等东部城市与其他区域联系较多，处于网络的中心地带，是中国区域创新的中坚力量。在它们的带动下，长三角、珠三角地区的中心性增强，成为创新活动最为活跃和频繁的地区。中部、西部地区也形成多个创新能力高值连片分布区，如以郑州、南阳为核心的中原城市群，以武汉、长沙为核心的长江中游城市群，以西安、宝鸡为核心的关中平原城市群等，而银川、乌鲁木齐、昆明等城市则处于网络的边缘地带，与其他城市间的创新联系有待进一步加强。
2.网络中心的差异化特征
网络中心度是反映结点成员在网络中的权力大小和地位高低的重要参数。包括点度中心度，即衡量成员在网络中的地位，其值越高则与其他成员的关联越多，越处于网络的中心，从而拥有较大的“权力”。中间中心度，是反映成员在网络中对资源的控制程度及其对网络的衔接和协调能力，其值越高则掌握的资源越多，起到沟通其他成员的“中介”和“桥梁”作用越强;接近中心度，是反映成员在网络中不受其他成员“控制的能力”，其值越高则与其他成员越接近，与其他成员的联系越强。[18]本文计算了55个创新型城市的点度中心度、中间中心度和接近中心度的值，如表2所示。 创新型城市网络中心性特征明显。从点度中心度来看，55个创新型城市的点度中心度均值为21. 01，其中，有21个高于均值，排名前10的城市分别是苏州、无锡、南阳、南京、深圳、常州、杭州、包头、广州和武汉，这些城市在区域创新网络中与其他城市直接关联较多，处于网络的中心地带。排名前10的城市中，有7个位于东部地区，表明东部地区是中国区域创新的核心区域，形成了较为成熟的创新型城市网络发展格局。从中间中心度来看，高于均值的城市有1 7个，占55个创新型城市总数的30. 91%，排名靠前的包头、南阳等城市有着特殊的区位优势，在区域创新网络中起着连接枢纽的作用，对整个网络的创新协同影响较大。从接近中心度来看，其均值为46. 92，有29个高于均值，这些城市的创新地位较高，对其他区域的创新活动有较大影响，在区域创新网络中扮演着中心行动者的角色。另外，综合各类中心度的情况来看，大连、海口、秦皇岛等城市排名相对靠后，在网络中表现出明显的从属特征，这些城市由于地理空间和经济发展水平的限制，区域创新能力比较薄弱，创新资源的流动性不足，与其他创新主体合作交流不够紧密。
3.地理分布的梯度化特征
从空间分布来看，中国区域创新能力分布非常不均衡，总体呈东强西弱，“东中西”阶梯式减弱的空间格局。55个创新型城市中，東部地区26个、中部地区12个、西部地区13个、东北地区4个。东部地区占比为47.27%，接近创新型城市总数的一半，呈高度集中状态，东北地区个数最少，仅有3个省会城市和大连市人选。东部、中部、西部和东北地区创新型城市的创新指数均值分别为73. 85、70. 70、69. 92和71. 50（详见图2）。东部地区分值最高，领先优势明显，西部地区得分最低，但与中部、东北部差距较小，水平接近。东部、西部地区创新型城市创新综合指数差距最大，差值为3. 93。总的来说，中国创新型城市的创新综合水平、创新环境、创新投入和创新产出水平在各城市之间存在明显的空间分异，东部城市的综合创新水平明显高于中西部，且这种空间差距在短期内很难改变。若引入反映我国人口分布密度的“胡焕庸线”作为参考，可以发现，创新型城市高值区主要分布在“胡焕庸线”东侧，东强西弱的空间分布特征更为清晰。
4.多极多点的协同化特征
由于创新区域扩散与空间溢出效应的存在，产生了数量多、分布广的核心与次核心城市，形成了多中心的城市创新空间格局，并以区域中心为极点，辐射带动了周边城市的协同创新。长三角城市群创新扩散较为明显，南京、杭州等创新极核对宁波、南通等邻近城市的创新发展产生正向积极影响，创新带动效应开始释放，创新极核空间溢出效应显现。深圳和广州作为珠三角城市群中的创新极核，与佛山、东莞等城市有较多的创新合作，有效提高了周边城市的整体创新水平。东北地区的哈尔滨、沈阳，中部地区的武汉、长沙，以及西部地区的成都、西安在各区域中开始呈现创新极核的发展态势，形成了多个以省会城市为核心的区域创新中心。受多维度邻近性的影响，创新型城市往往倾向于与自己相似或互补的高知识创新能力城市进行创新合作与联系，产生知识空间溢出效应。这些城市有效发挥了创新型城市应有的核心功能并促进了自身及周边城市经济的持续增长，形成了多创新中心协同的网络空间格局。
五、结论和建议
本文对试点的55个创新型城市区域创新的基本情况和空间分布特征进行了研究，主要得出了以下结论：整体而言，创新型城市是中国区域创新的增长极，引领示范作用明显，但由于部分城市创新投入力度相对不足，形成了多个创新“塌陷区”。从空间形态看，各创新型城市区域新新活动具有很强的空间关联性，创新型城市之间呈现出复杂网络的特性且形成多个核心簇群，呈现出明显的集群化特征。从空间联系看，深圳、苏州、南京等城市位于网络的核心位置，具有较强的虹吸和辐射能力，这些创新型城市将创新动能传递给周边城市，带动周边城市的协同创新，引导区域创新系统协调发展。从空间分布看，创新型城市创新水平空间差异较大，存在明显的阶梯层次分布，表现出东强西弱的空间格局。基于此，得出以下三点建议。
1.优化创新资源配置，提高区域创新水平
创新型城市应对自身在国家创新体系中的定位与职责有更充分的认识，持续加大科技创新投入，提高人力资源水平，为创新发展提供充足的资金和人才保障，带动自主创新能力提升，不断缩小与发达城市的创新差距。从长期看，推动区域空间结构均衡化发展，是经济地理重塑的重要内容，在配置资源时，应鼓励和引导创新要素向中西部城市倾斜，缩小地区差距，促进城市融合，实现均衡协调发展。
2.统筹创新空间布局，构建区域创新网络
不同城市在区域创新网络中的地位、作用与职能有所差异，应注重透过网络引导城市创新系统协调发展，促使整体网络效应达到最优。对处于网络核心地位的创新型城市，如深圳、广州、苏州等.应最大限度地发挥其辐射引领作用，促进它们与周边城市的联动发展;强化西安、南阳等城市的网络“中介”传递功能，完善其“承上启下”“左右逢源”的创新通道作用;明确边缘城市在区域创新网络中的定位，推动边缘城市与核心城市“中介”城市建立创新联系与合作，逐步增强边缘城市在网络中的节点功能;合理规划创新型城市的职能与特色，因城制宜，尽可能以优带弱，构建科学合理的区域创新网络。
3.放大创新溢出效应，实现区域创新共赢
创新活动存在显著的空间相关性，在促进创新型城市自身创新发展的同时，需充分考虑创新的溢出效应，打破制约创新要素跨行政区流动的制度障碍，建立和完善更广泛的区域合作机制，提高创新型城市间的协同创新能力。应进一步加大创新型城市间交通、文化、人才培引、产业等方面的共建共享，鼓励创新人才等创新资源跨区域流动，建立具有区域协同效应的创新资源共享平台，促进更大区域内创新要素的合理配置和开放共享，扩大创新要素流动的空间溢出半径，实现各创新型城市、多区域创新活动的有效联动、互利共赢。 参考文献：
[1]杨冬梅，赵黎明，闫凌州，创新型城市：概念模型与发展模式[J].科学学与科学技术管理，2006，（08）.
[2]陈昭，刘珊珊，邬惠婷，唐根年，创新空间崛起、创新城市引领与全球创新驱动发展差序格局研究[J].经济地理，2017，（01）.
[3]邹燕，创新型城市评价指标体系与国内重点城市创新能力结构研究[J].管理评论，2012， （06）.
[4]方创琳，马海涛，王振波，李广东.中国创新型城市建设的综合评估与空间格局分异[J].地理学报，2014，（04）.
[5]许治，陈丽玉.国家级创新型城市创新能力的动态演进——基于技术成就指数的研究[J].管理评论，2016，（10）.
[6]许治，邓芹凌.国家创新型城市创新能力的地区差异与收敛效应——基于技术成就指数的研究[J].科学学与科学技术管理，2013，（01）.
[7]吴宇军，胡树华，代晓晶.创新型城市创新驱动要素的差异化比较研究[J].中国科技论坛，2011， （10）.
[8]魏亚平，贾志慧.创新型城市创新驱动要素评价研究[J].科技管理研究，2014，（19）.
[9]尤建新，卢超，郑海鳌，陈震.创新型城市建设模式分析——以上海和深圳为例[J].中国软科学，2011，（07）.
[10]李靖华，李宗乘，朱岩梅.世界创新型城市建设模式比较：三个案例及其对上海的启示[J].中国科技论坛，2013，（02）.
[11]贺永正，吴价宝，潘培培，卢珂.江苏省国家创新型城市建设水平的兩维视角研究——以连云港市为例[J].地域研究与开发，2015，（06）.
[12]李炳超，袁永，王子丹.欧美和亚洲创新型城市监测研究——全球创新城市100强[J].科技进步与对策，2019，（15）.
[13]宋旭光，赵雨涵.中国区域创新空间关联及其影响因素研究[J].数量经济技术经济研究，2018，（07）.
[14]金浩，王平平，赵晨光.我国区域创新网络评价与空间关联研究[J].当代经济管理，2019，（05）.
[15]赵雨涵，宋旭光.我国区域创新空间关联的测度与分析——兼论区域创新网络结构的动态特征[J].西南民族大学学报（人文社科版），2017，（07）.
[16]邵汉华，周 磊，刘耀彬.中国创新发展的空间关联网络结构及驱动因素[J].科学学研究，2018，（11）.
[17]刘华军，刘传明，孙亚男.中国能源消费的空间关联网络结构特征及其效应研究[J].中国工业经济，2015，（05）.
[18]方大春，马为彪.我国区域创新空间关联的网络特征及其影响因素[J].西部论坛，2018，（02）.