中国城市创新网络的时空复杂性及生长机制研究.docxVIP

? ? 中国城市创新网络的时空复杂性及生长机制研究 ? ? 　　K902 ：A 1000-0690(2018)11-1759-10 　　进入21世纪以来，随着全球化深入发展和产业价值链的细化分解，创新资源越来越明显地突破组织的、地域的、国家的界限，在全球范围内自由流动，世界进入以创新要素全球流动为特征的开放创新时代[1]。在此背景下，以跨国公司为主导的全球技术创新网络与以大学为主导的全球知识创新网络及地方创新系统叠加耦合，交织成立体化的全球—地方创新网络[2]。在这个全球—地方创新网络中，国家间的科技竞争已经转化至以城市为基本空间单元的全球科技创新中心的竞争上，谁拥有世界级的科技创新城市，谁就能最大程度吸引全球创新要素，从而在国际竞争中获得战略主动权[1，3]。当前，北京、上海、深圳纷纷努力建设全球有影响力的科技创新中心，武汉、成都、重庆等城市也努力创建国家科技创新中心，试图在这个全球—地方创新网络中占据有利地位。《“十三五”国家科技创新规划》指出，深入实施创新驱动发展战略，必须建设高效协同的国家创新体系。因此，探讨中国城市创新网络的结构复杂性及其生长机理具有重要的现实意义。 　　在人文社会科学空间转向和新经济地理学关系—文化转向的碰撞下，创新网络逐渐成为研究区域知识溢出、创新与技术扩散、区域发展路径、创新集群等现实问题的主要途径[4，5]。综合现有创新网络研究发现，较为一致的集中于创新网络特征的揭示：研究内容包括创新网络的拓扑性质[6，7]、创新网络的空间格局[8，9]、创新网络的演化过程[10，11]、以邻近性机理为主的创新网络演化机制[12-15]等；研究尺度涉及范围颇广，从以企业、组织为代表的微观创新主体[16]，至以城市、区域、国家甚至全球的宏观空间单元[17，18]；研究方法多基于复杂网络理论，应用系列网络模型和空间计量模型对网络特征进行挖掘。研究结果普遍揭示出创新网络的无标度性、小世界性、等级层次性、空间集聚性等特性[19-21]，也广泛验证了认知邻近性、社会邻近性、组织邻近性、制度邻近性以及地理邻近性是影响创新网络演化的重要因素[22-24]。然而在这一致性的背后，也凸显了诸多分歧，而其中最大的分歧就在于创新网络邻接矩阵的构建上。对于创新网络而言，大部分学者采用参量替代方法来建构创新网络，如以科研论文合作为代表的知识合作[24，25]，以联合申请专利为代表的技术合作[26]，以企业空间组织为代表的跨国公司研发合作[27，28]成为城市创新网络的3种主要构建方法。还有少部分学者采用模型拟合来建构网络，多以区域创新实力评价为基础，基于创新空间引力重构重力模型测度区域创新联系强度及格局[29]。 　　虽然在科技全球化下，当今世界已进入一个被称为“国际合作”的时代。但与论文不同，专利因排他性，以及直接与个人或企业经济利益和行业地位挂钩从而使得“合作”在专利领域显得“势单力薄”，且多表现在以个人为单位的专利申请，或以政府组织的国际技术合作上。而以企业为单位的专利申请，尤其是全球顶尖科技创新型企业，因其力保技术的独立性基本不存在专利合作申请的情况，这造成合作专利数量在整个专利申请量中所占比重较小，不能够体现整个创新技术领域的复杂动态联系，因而以往以专利合作为媒介构建的创新网络就值得商榷。通过检索中国国家知识产权局(SIPO)和美国专利与商标局(USPTO)关于专利申请、专利合作和专利转移数据库发现，以专利权转让为体现的“专利收购”和以技术复制为体现的“专利许可”是专利领域产生联系的主要方式。其中“专利许可”多发生在大企业之间，“专利转让”则多发生在企业与个人之间，或大企业与小企业之间。由于中国技术市场创新独角兽企业数量有限，使得技术市场中专利许可量较专利转让量少之甚多，2015年中国技术市场专利许可量18072件，而专利转让量则达到117069件。事实上，以专利转让为媒介构建区域创新网络已经成为当前学术界的主流，但多集中于省级空间尺度的规律揭示[30-32]。 　　基于此，本文以国家知识产权局专利检索及分析平台2001-2015年专利转让记录为数据源，采用大数据挖掘与分析技术、地理信息编码技术获取341个中国城市间(包括4个直辖市；286个地级市；14个地区；3个盟；30个自治州；4个省直管县级市：潜江市、天门市、仙桃市和济源市)专利转移信息，采用复杂网络和空间统计方法，绘制了中国城市创新网络的动态演化图谱，并应用负二项式回归和引力模型研究了中国城市创新网络的生长机制，以尝试做出有益的补充。 　　1 研究方法 　　1.1 以专利转让为媒介的城市创新网络建构 　　基于大数据挖掘与分析技术、地理信息编码技术，以城市间的专利转让量为媒介，从而构建中国城市创新网络，具体思路如下： 　　(1)专利转让数据挖掘：采用大数据挖掘