城市网络与创新能力间的时空关系研究——以成渝城市群为例

韩文丽，杨鑫垚

（西南交通大学公共管理与政法学院，四川成都 610031）

1 研究背景

随着信息时代的到来以及全球化进程的不断推进,物理距离对城市活动空间位置的约束作用被不断削弱［1］。这不仅使得城市间关系突破了原有的等级制体制开始走向多中心化、网络化，同时也催生了全新的城市创新范式［2］。城市创新能力不再仅取决于其自身的实力，而更多地受到城市间创新合作的影响。由此，以网络化为视角研究城市创新便成为相关学科的研究热点［3］。Cooke 等［4］学者研究发现，创新主体的网络化能够明显提升创新能力与绩效［5］。Huggins［6］则提出了“网络资本”概念，认为网络主体能够通过一系列制度安排，降低创新要素获取及传递的成本从而提高创新绩效［7］。“十三五”以来，我国先后出台了《国家中长期科学和技术发展规划纲要（2006—2020 年）》《国家创新驱动发展战略纲要》《“十三五”国家科技创新规划》等文件，明确了以创新为动力，城市群或城市网络为主体的战略格局［8］。

相较于个体城市，城市网络对于创新的主体优势不仅在于其可以通过确立供求关系、要素流通等一系列规则以降低知识或技术交易成本，更为重要的是，其作为多中心创新主体，改变了过去创新结果由核心城市向次级城市的单向、阶梯式传递［9］，在创新网络中很多次级城市能够凭借比较优势从而向核心城市进行“逆向传递”［10］；同时由于小世界效应，创新成果的非正式传播也时常存在，从而极大地提升了网络整体创新能力［11］。如程开明等［12］利用社会网络分析法论述了城市网络对技术创新的激励路径；高丽娜等［13］以长三角城市群为例论述了网络外部性对于城市群创新能力的动态影响。然而，在现实的创新过程中，这种主体优势是否始终存在？换句话说，城市网络的发展与城市创新能力的提升是否始终为正相关？城市网络应如何规划才能更好地服务于创新能力的提升？从现有研究来看，似乎对这一基本逻辑的探讨并不充分。即使是涉及城市网络与创新能力关系的探讨，也往往是从正向角度出发，着重论述网络对于创新能力提升的优势，如周灿等［14］基于网络资本视角，阐述了正是由于网络化主体自身的结构优势从而更好地促进城市创新能力的提升。

据此，为了理清创新能力与城市网络间的时空关系，本文以成渝城市群为研究对象，该地区是国务院2018 年确立的九大城市群之一，同时也是西南创新先导区以及内陆开放型经济战略高地，对于连接我国东西部，更好地落实区域协同发展战略有着重要意义；并且相较于长三角、京津冀等成熟城市群，相关研究较少因而存在更大的探究空间。

2 研究方法与数据

2.1 研究思路

首先以城市间联合专利、百度指数为变量构建成渝城市网络，并依据本文编制的创新能力评价指标通过因子分析法对目标城市的创新能力进行测度；随后对二者的相关性做出判断并通过象限图法对其时空关系做出可视化分析；最后，凭借障碍度模型识别阻碍成渝城市群创新能力提升的相关指标，并在此基础上为成渝城市网络日后规划能更好地服务于创新能力的提升提出建议。

2.2 研究方法

2.2.1 因子分析法

该方法在创新能力测度中有着广泛的应用，主要通过降维的方式识别复杂问题中的若干个主要影响因子从而实现对该问题的剖析。具体公式如下：

具体计算过程如下：

（1）数据的无量纲化。对数据进行标准化处理，消除不同计量单位的影响，得到无量纲数据。

（2）估计因子载荷矩阵。这是因子分析的重要环节，可使用的方法有映像因子法、主成分法、加权最小二乘法和最大似然法等。

（3）因子旋转。当因子荷载矩阵对主因子解释不清晰、不明确时，可实行正交变换，从而使因子具有明确的意义。

（4）测算因子得分。通过因子得分函数计算观测因子得分。

2.2.2 象限图法

象限图法能够对各城市变量的协调类型提供一个较为直观的比较方法，计算过程也相对简便，常被应用于城镇化与经济、生态等系统的关系研究，是判别系统关系的重要方法。本文通过象限图法论述城市网络与城市创新能力两大系统间的时空关系。首先将城市网络(B)与创新能力(P)进行标准化处理，生成新的变量ZB和ZP，以ZB为X轴，ZP为Y轴，绘制点集(ZB，ZP)，形成散点式象限图。根据象限图法，城市网络与创新能力的关系可分为 4 类:高级协调型、网络优先型、低级协调型和创新优先型。其中，第一象限为高级协调型(ZB ＞0，ZP ＞0)，城市网络和创新能力水平均较高，是双高状态下的同步发展；第二象限为创新优先型（ZB＜0，ZP＞0），城市网络通达性较低，而城市创新水平较高，创新能力提升速度快于城市网络的发展；第三象限为低级协调型(ZB ＜0，ZP ＜0)，城市网络与创新能力水平均较低，两者呈现出同步的双低状态;第四象限为城市网络优先型(ZB ＞0，ZP ＜0)，城市网络较为健全，而创新能力水平较低，城市网络的发展速度大于创新能力提升;

2.2.3 障碍度模型

以创新能力评价指标为检测对象，通过障碍度模型识别阻碍成渝创新能力进一步提升的相关因素，具体计算公式如下：

式（4）中，U为因子贡献度，即因子对目标层的权重；式（5）中，V为指标偏离度，Xi为指标标准化后的数值；式（6）中，m为指标层障碍度，即指标对创新能力的影响；M为准测层障碍度。

2.3 研究区域与数据

以成渝城市群内成都、重庆、自贡、雅安、遂宁、德阳、绵阳、眉山、达州、泸州、遂宁、内江、资阳、宜宾、广安、南充在内的16 个城市作为研究区域。所涉及的研究数据包括如下三种类型：（1）专利授权数据。以创新活动的重要成果——专利授权量作为创新能力的评价指标并从中国国家知识产权局专利检索与服务系统中的地方知识产权局网站，以及历年《四川统计年鉴》《重庆统计年鉴》《中国城市统计年鉴》中收集了上述城市过去十年间的发明、实用新型以及外观设计共三种类型的专利授权量，同时选用ArcGIS10.1 和SAMv4.0 等定量研究工具对其进行数据处理。（2）百度指数的信息数据。百度指数为表征城市间信息流强度提供了相对便捷的途径，是构建城市网络的重要变量。本文采集两两城市间关注度的年平均数构建成渝地区城市信息网络，数据采集时间段为过去十年间。（3）创新能力评测数据。本文通过14 个变量对城市创新能力进行测度，所涉及数据均来自《四川省统计年鉴》《四川省经济统计年鉴》《重庆统计年鉴》。

2.4 创新能力评价指标

根据现有研究以及数据的可获得性，本文构建了包含14 个变量的创新能力评价指标体系（见表1），从创新投入、创新产出以及创新环境3 个层面对城市创新能力进行测度。

表1 创新能力评价测度

3 成渝城市网络与创新能力的测度结果分析

3.1 成渝城市网络构建及分析

当前，构建城市网络选择的主流变量为城市间联合专利、百度指数、企业总部分部数据、交通客流等数据。为避免单变一变量效度不足，本文采用百度指数、城市间联合专利双变量构建成渝城市网络。参考李帅等［15］的研究方法，两两城市间的信息联系强度用A和B两座城市间关注强度的乘积RAB表示。计算公式为：

式(8)中，Ab为城市A在城市B的用户关注度，Ba为城市B在城市A用户关注度。

为了进行动态可视化分析，将上述分析结果划分为2010、2015 以及2019 年三个时间节点并用Arcgis 软件绘制成如图1 所示。

图1 成渝城市网络分布

从图1（a）可以看出，信息流密度在第一阶段内明显大于联合专利，但数值也普遍较低，其中峰值出现在成都与重庆之间，然而未能形成明显的辐射带，说明该阶段城市网络较为松散，尚处于发育阶段。从图1（b）可以看出，到了第二阶段随着成渝城市群规划的正式提出，不仅网络密度进一步提升，同时催生了成都、重庆、泸州、绵阳等核心辐射点；网络结构得以初步形成。第三阶段，该网络形成了成都-重庆核心辐射带，并且出现大量内部子群，网络结构复杂程度显著提升。总体而言，成渝城市网络密度不断提升并且核心城市的辐射能力增长较为迅速，说明城市网络架构日趋成熟。其中，专利网络发展更为迅速。从图1（c）可以看出，在第三阶段不仅形成了成都、重庆双核心，同时绵阳、南充、泸州、德阳等次级城市也能主动双向地参与网络运作并形成内部子群，说明各节点创新合作模式逐渐稳定。然而，该城市网络也存在显著缺陷——高度“双核心化”，即成都与重庆无论是在百度指数还是专利网络中始终保持绝对核心。尽管绵阳、泸州、南充等次级城市成长较快，但网络地位与“双核心”相比仍有明显差距。这意味着由于缺乏中坚城市从而对核心城市的依赖性过大，网络结构的多元性受到了极大的破坏。

3.2 成渝城市群创新能力的测度结果分析

通过因子分析法，测度出16 个城市过去十年间的创新能力数值并选取了前、中、后三个时间点的综合数值及排名，结果见表2 所示。总体而言，除资阳、广安、绵阳和自贡创新能力有所下降外，其余各城市基本都有较为明显的提升。其中，重庆数值增幅最大，较期初增加了4 个单位，增幅超过3 倍；南充排名上升了6 位，增幅最大；而遂宁与内江则排名下降相对较多。同时，各城市创新能力差异十分明显：首先，成都与重庆不仅数值最高同时增幅也最大，这种过高的中心性极大地限制了城市群整体创新能力的协调发展。其次，作为中坚城市的德阳、绵阳、泸州与眉山，尽管创新能力有所上升，但数值大多仍为负数并且和重庆、成都间的差距愈发加大，说明其增长乏力从而无法有效地做到“承上启下”。最后，雅安、资阳以及遂宁等城市，创新基础十分薄弱且增幅基本为负，这表明网络内大量的边缘城市长期得不到发展与重视，从而难以摆脱积贫积弱的局面。不难看出，上述结果与成渝城市网络结构基本吻合，这也说明本文研究的出发点存在合理性。

表2 成渝城市群各城市创新能力综合数值

4 成渝城市网络与创新能力的关系分析

4.1 城市网络与创新能力相关关系分析

依据前文对城市网络和创新能力的测度结果，通过EViews6.0 进行面板数据的相关系数分析，从而对城市网络与创新能力间是否存在相关性进行判断。计算得知，成渝城市网络与其创新能力的相关系数为0.69，sig=0.000,说明二者间存在着较强的正相关性。为了进一步探究二者间的时空关系，本文对城市网络以及创新能力的测度结果进行标准差标准化，并运用象限图法进行进一步探究（见图2）。

图2 成渝城市网络与创新能力间关系象限

4.2 城市网络与创新能力的象限图分析

（1）以低级协调分布为主，且大体呈同步演进。成渝城市网络与其创新能力的关系以低级协调为主，即二者间的时空关系呈现出较强的正相关但都处于较低水平。首先，低级协调型城市共有12 个，占城市总数的75%。其中数值最低的城市为雅安，这主要是由于其位于四川贫困山区，经济基础与创新水平较低，加之处于成渝网络边缘，接收网络正外部性能力十分有限因而很难实现城市网络与创新能力的协调发展。其次，该地区仅有宜宾一座城市属于创新优先型，这可能与城市发展规划转型有关。宜宾曾作为典型的资源型城市，白酒与煤炭是其过去的支柱产业。然而，近年来宜宾进行城市转型将经济增长的动能落在新能源汽车、智能终端高科技新兴产业。在此发展理念下，城市科技产业发展自然优先于城市网络建设。此外，网络内仅有成都、重庆属于高级协调型城市。其中，成都数值最大且P值远大于B值，这可能是由于成都因拥有众多核心创新资源而使其创新能力得到持续快速提升，但成渝城市群与成都都市圈规划起步较晚，相关基础设施以及制度设计尚处于发育阶段，因而城市网络发展速度滞后于创新能力的提升。总体而言，除成都外的其余15 个城市，城市网络与创新能力数值大致平衡，再次证明了二者间存在较强的正向关系。

（2）低级协调型呈带状分布，高级协调型则分散分布。首先，成渝城市网络与创新能力间的关系类型存在较为显著的区域差异。低级协调型城市呈带状分布并从西南向东北延伸，而高级协调型则分散在该带状两侧。其次，关系类型的地理分布与各城市的发展水平基本吻合。如成都、重庆、绵阳作为该地区体量前三名的城市，城市网络构建与创新能力都处于领先水平，这主要是由于上述城市能够通过完善的发展规划使得二者间呈现出和谐共赢的发展关系；而诸如泸州、乐山、内江等城市，尽管近年来城市发展增速不断加大，但由于基础过于薄弱，因而在城市发展的过程中无法很好地协调城市网络发展与创新能力提升间的关系。最后，关系类型的内部子群分布也存在较大差异。如由成都、眉山、德阳、资阳组成的成都城市圈，其整体数值明显领先于其他城市圈。这可能是由于近年来随着“成德一体化”以及成都城市圈规划的实施，全面加速了成都城市圈内部交通网络建设、部分公共服务一体化以及城市发展间的全面合作，从而不仅极大地提升了网络的通达性，也为各城市创新能力的持续提升提供了良好的环境。与此相反，尽管泸州、达州邻近重庆，但由于缺乏类似成都城市圈的区域整体规划，极大地影响了重庆对上述两地的辐射带动作用，因此该子群整体数值偏低。

5 成渝城市群创新能力时空演变的障碍因子分析

5.1 准则层障碍因子

根据障碍度模型计算出成渝城市群2010—2019年创新能力准则层障碍度，结果如表3 所示。由表3 可见，首先，创新产出与创新环境的障碍度呈波动上升的趋势，而创新投入则与此相反，其在初期障碍度较大，2014 年以后明显下降。这可能是到了2014 年以后，我国出台的“十三五”规划明确指出要实现经济增长动能的转换即创新驱动将是日后发展的主动力，创新相关指标由此纳入了地方政府政绩考核的范围；加之此时成渝城市群规划的正式提出，党中央明确了其作为西南创新驱动先导区的战略定位，从而使得各地政府纷纷加大了在创新方面的投入，因而该层面的障碍度自此以后有了较为明显的降低。其次，创新产出之所以成为当前最大的阻碍因素，这可能主要是由于本文仅通过专利衡量创新产出所带来的度量偏差。因为就目前而言，该地区的创新投入主要是流向国有单位，而相关创新产出大多不是以专利的形式得以体现从而造成测度的遗漏。但值得注意的是，创新作为一种生产过程，投入的持续改善却没有在产出层面得以回馈，说明该地区创新投入的方式和资源流向存在较大的提升空间。最后，创新环境尽管在中期得到了一定程度的改善，但就总体而言，其障碍度仍呈现上升趋势。这可能与该地区内各城市发展水平严重失衡密切相关。正如前文所说，成渝城市群面临着“中级城市塌陷”的困境，大量的创新资源如国家级实验室、高等科研院校以及创新经费高度集中在成都、重庆以及绵阳；创新要素地理分布的严重失衡加之当前该网络创新资源共享机制并未在制度层面上得以确立，使得创新环境迟迟无法得到根本性的改善。

表3 成渝城市群创新能力准则层障碍度

5.2 指标层障碍因子

本文选取了2010、2014 以及2018 年排名前五的指标层障碍因子，如表4 所示。由表4 可见，首先，过去十年间，阻碍成渝城市群创新能力持续提升的指标层面因素尽管排名有所变化，但始终都为上述5 个因子并且除了普通高校在校生数外，其余因子都来自于创新环境，表明创新环境长期得不到改善这一困境严重阻碍了成渝城市群创新能力的提升。其中，实际利用外资始终为最大的障碍因子，这一方面是由于该地区处于内陆地区，对外开放程度相较于沿海城市群显得较为有限，造成了可利用外资数量不足；同时成渝城市群尚处于发育阶段，该阶段更多地依托政府力量从而市场能够发挥的空间较为有限。其次，当前的创新行为与发明创造有着本质性的区别，其不仅包含了产品的设计与生产更延伸至市场销售，因此市场体量的大小直接关系到创新的可持续性发展。尽管该地区拥有成都、重庆两座新一线城市，但其余各节点经济体量普遍较低，如网络内排名第三的绵阳，其年生产总值也未超过2 000 亿元，故而相较于长三角、京津冀等城市群，成渝城市群腹地市场体量较小加之对外开放性较差，所以人均GDP 和地区生产总值便成为创新能力的重要障碍因素。最后，普通高校在校生人数之所以成为重要的障碍因素，可能是由于该区域内的重点高校如四川大学、电子科技大学、重庆大学、西南交通大学等悉数集中在成都与重庆，其他城市的高校水平总体而言相对较低，同时优秀人才回流也较为困难，从而限制了这些地区的创新能力提升。

表4 成渝城市群创新能力指标层主要障碍因子障碍度

6 结论与政策建议

为了对城市网络和创新能力间关系的研究进行补充，本文以成渝城市群为例，对过去十年间该地区城市网络及其创新能力的时空关系进行了探讨，并通过障碍度模型对阻碍成渝城市网络创新能力提升的因素进行了识别。主要得到如下结论：

（1）成渝城市网络与其创新能力存在较强的正向关系，但其主体形态为低级协调型，全网络内仅有成都、绵阳、重庆为高级协调型。说明该地区当前的城市网络规划并未很好地服务于创新能力的提升。

（2）创新能力与城市网络的关系类型地理分布存在明显的区域差异且与各城市发展水平基本吻合。低级协调型呈带状分布并从西南向东北延伸，高级协调型则零散分布在该带状两侧。

（3）成渝城市群创新能力的准则层障碍因子中，创新投入波动下降，而创新产出和创新环境波动上升，并且前者数值最大。从指标层障碍因子来看，实际利用外资数、普通高校在校生数、人均GDP、地区生产总值以及国际互联网用户数始终占据前五位，其中实际利用外资数为最大障碍因子并且上述因子主要来自于创新环境，说明创新环境长期得不到改善这一困境严重阻碍了成渝城市群创新能力的提高。

基于上述研究，为进一步提升整体创新能力使成渝城市群真正成为西南地区创新驱动的先导区，本文认为成渝城市群在其未来的城市网络规划中应做好如下几点：首先，充分发挥成都、重庆两座核心城市的引领作用，加快与其周边城市的一体化进程，以此扩大成都、重庆城市圈创新辐射的广度与深度，从而弥补因“中部城市塌陷”带来的困境［16］。其次，构建网络内各节点在科研、教育等领域的合作框架，尽量做到统一部署、标准一致、资源共享以及建立成渝城市群利益共享机制，如成立成渝城市群专门投资基金，按照区域总体发展规划与各城市实际情况酌情发放资金，制定科学合理的GDP 值及税收分成办法，避免各节点为某一项目恶意竞争从而出现囚徒困境［17］。最后，成立对成渝城市网络人力资源进行管理的专职部门。一方面通过建立外部人才引流机制，吸收各地创新人才从而解决在创新过程中因缺乏尖端人才而导致创新能力提升缓慢的困境；另一方面，通过建立网络内各城市公共服务互认制度以及人才转移优惠制度［18］，使得人力资源能够充分流动尤其是流向次级城市。