孙澍 陈刚 王光辉 | 中国城市知识合作网络结构及其多维邻近性机制——基于论文合作规模和质量的对比分析

简介

随着知识经济的发展和创新驱动发展战略的实施，知识合作网络及其多维邻近性机制已经成为政府和学界共同关注的焦点。现有研究大多关注论文合作数量，较少关注论文合作的质量。本文基于“Web of Science”中的论文合作发表数据，从论文合作规模和质量视角，构建2011—2020年中国城市知识合作网络，对其空间网络结构及拓扑演化特征进行分析，采用负二项回归模型探究其多维邻近性机制。研究结果发现：① 网络空间格局上，中国城市知识合作网络具有较为稳定的“东密西疏”的空间格局，合作规模与合作质量网络均呈现出由“轴辐扩散”结构向“菱形”空间结构转变的特征，同步呈现出以北京、上海的双核空间结构向多中心空间结构转变的趋势。城市知识合作质量网络结构发育相对缓慢，空间结构的稳定性相对不足。② 网络拓扑结构上，中国知识合作网络的规模和密度显著增加，网络极化特征明显，网络节点均表现出明显的首位分布特征。③ 网络影响机制上，地理距离对合作规模的影响更为显著，呈现先负后正的关系，对合作质量存在负向影响;社会、制度、组织邻近对合作规模和质量均起到显著的促进作用;组织邻近性对合作质量影响更大，高能级城市间的合作更容易获得较高质量的产出。不同类型城市间的知识合作受多维邻近性因素影响具有差异性。

伴随全球知识经济时代的到来，城市间的知识交流与创新合作日益频繁，创新能力竞争逐步成为全球竞争的制胜之道。然而，城市的快速发展不仅依赖与其他城市的知识联系规模，更依赖知识联系的质量。近年来，西方国家蓄意打压华为等中国科技企业，对中国部分高科技领域产生了连带影响，相关行业的产业链供应链受到遏制，某些关键领域的核心技术被“卡脖子”。这种情境反映的现实问题是，在创新网络构建过程中，关键领域的合作节点遭到蓄意攻击导致结构损坏，并波及到整个技术网络。党的二十大报告提出坚持创新在全国现代化建设全局中的核心地位，要加快实现高水平科技自立自强。因此，从创新规模和创新质量两个视角探究中国城市间的创新网络关系，对扩大和提升中国科技合作内循环规模和质量，实现高水平科技自立自强具有重要意义。

现有研究主要关注城市知识合作的规模网络，但忽视了知识合作的质量网络。在高质量发展背景下，仅研究合作规模难以全面揭示城市间知识流动的真实格局。因此，本文从合作规模和合作质量两个维度，对中国城市知识合作网络进行对比分析，以弥补现有研究的不足。

现有研究多采用整体回归分析，缺乏对城市类型间异质性的关注。在国家统筹推进国际科技创新中心和区域科技创新中心建设的背景下，探讨不同类型城市间知识合作网络的影响机制及其异质性特征尤为重要。本文结合负二项回归分析方法，从城市个体层面和多维邻近性层面，揭示不同城市类型在知识合作网络中的作用机理，为差异化制定区域创新战略提供决策参考。

(1)城市知识规模网络和质量网络的关系。由于创新合作对城市经济增长具有明显的驱动作用，各地想方设法嵌入到全球或地方创新网络中。城市创新水平不仅取决于知识合作规模，同时也依赖于知识合作质量，相较于规模，质量更能引领创新知识网络高质量发展，对推动城市建立高质量的科技合作体系，加快实现科技自立自强起到重要作用。梳理已有研究发现，当前对城市知识合作的规模与质量界定较为宽泛，尚未将规模与质量进行明确的区分，多侧重于对合作数量的研究，将城市间论文合作数量作为区域创新网络构建的基础，这一网络可以较好地刻画出区域知识流动的规模与方向，但难以刻画城市间创新合作的质量与效率。近年来，专利或论文被引用量被学术界广泛用于表示其质量和影响力，可以作为衡量科研人员的绩效表现。加强区域创新合作，提升高被引论文或专利的产出，是建设创新型城市的重要手段，以此构建的创新知识合作质量网络具有重要意义。

城市知识规模与质量网络有着密切的联系。一方面，城市知识质量网络来源于规模网络，是在城市间形成基础的合作关系后，逐渐演化分离出来的高质量协同关系，可能存在“门槛效应”，网络的形成对创新推动知识技术持续进步与迭代提出了更高的要求，随着规模网络的不断扩大，质量网络也相应得到完善和提升。另一方面，质量网络的发 展和演化，有助于坚实合作主干网络和稳定链接关系，在此基础上创新主体获得更多产出，构建多样化的知识“流动管道”，降低知识流动的成本，促进城市间更为高效的合作交流和知识溢出，由此规模网络可能得到快速增长。

(2)城市知识网络演化的理论机制。本文根据Boschma关于邻近性的分类方法，综合考虑地理、认知、制度、社会与组织五个维度的邻近性，结合中国城市属性特征，定量分析多维邻近性对知识网络结构的影响(图1)。

地理邻近性也称空间邻近性或地域邻近性。目前，学者主要通过城市间中心经纬度距离、城市间高铁距离、城市最短公路距离等衡量地理邻近性。城市间的地理邻近可以影响隐性知识的传输，较小的地理邻近性可以方便技术和研发人员进行流动，加强相互间的学习和交流，促进知识的产出;也有研究表明地理邻近性会导致合作主体间形成“路径依赖”，从而在一定程度上影响主体与其他外围主体间的合作选择，造成合作“壁垒”，阻碍知识的产出、进步和质量提升。

认知邻近性反映区域内主体受非制度或非政策影响，对事物天然主观认知的相似程度，受到空间因素和自然要素的制约，如文化方言、血缘关系等，具有较强的根植性特征。认知邻近性有助于主体间的互动交流，适度的认知邻近能够促进合作双方对同一事物的理解，提升知识的迁移转化;过度的认知重叠则不利于创新和知识扩散，可能会陷入“认知锁定”或“技术锁定”，影响新思想的萌发。

制度邻近性指区域内部制度和管理体系的相似程度，是除主观认知要素以外其他的理性部分，其主要受到城市总体规划、发展战略的影响，具体可以通过对创业的扶持程度、不同类型企业的构成、招商引资的力度、市场化程度等来衡量。相近的制度邻近性使合作主体因存在较小的政策差异，资源流通更为顺畅，更有效地促进创新产出和成果转化。

社会邻近性可以用合作主体社会活动联系紧密程度来衡量，表现为双方长期以来建立的涉及信任的交互关系，已经熟悉的主体间更容易产生合作。在探索和寻找合作伙伴的初期，会经历一段时期的调整和试错，由于主体间对彼此并不了解，这种合作关系可能只是临时的。在合作发展过程中，主体间不断建立合作伙伴，产生更多交集，合作成果得到进一步检验，内嵌于网络中的信任关系发挥作用，双方的合作关系进一步深化。

组织可以理解为城市的组织架构，简单可以阐述为国家从宏观层面对城市的定位，以此决定了城市总体的架构和组织形式。组织邻近性是城市社会地位等特征的相似程度，是城市间外部形象相似度的综合体现，因城市的规模、经济、人口有明显差异，国家支持力度不同，在职能、竞争力和辐射力方面体现出不同的组织特征。如直辖市、副省级城市、计划单列市等相对数量较少，但在网络中具有更高的节点属性和影响力。

以上5个维度的邻近性既相互影响，又彼此互补。其中，地理邻近性是多维邻近性的基础，可以限制主体对事物的认知;认知邻近性受到地理要素的影响，同时也是制度邻近性在人文上的补充;制度邻近性能够提升主体认知，制度和政策的综合叠加最终形成组织关系;组织邻近性直观反映不同等级城市的合作关系，从一定程度上影响社会合作的开展;社会邻近性可以作为地理邻近的重要反馈。综合考虑以上邻近性指标的关系和特征，结合城市的经济、教育和科技要素，构建影响城市知识合作规模、合作质量网络的框架体系。

(1)数据来源。城市知识合作网络基于论文合作关系构建，通过爬取 Web of Science 检索系统2011—2020年中国科研教学机构所属学者参与的 SCI 和 SSCI 论文，共获取论文数据3134528条，其中包括论文名称、作者及单位所在地、论文被核心引用次数等信息。通过对机构所在城市进行编译和筛选，剔除作者所属第一机构为同一城市的情况，共获得数据 726418 条。借鉴曹湛等的方法，对符合条件的论文进行解析，形成无向的两两组合，最终按地级市归并汇总形成城际知识合作关系。通过数据清洗，共获取有效个体合作关系 2001090次，按照年份将城市合作信息汇总后，共获取有效城市合作关系89270对，以此构建论文合作规模网络，用以衡量城市间的知识合作规模。

被引频次是衡量论文质量的重要指标，一般高质量的论文被引频次较高。在知识合作质量网络构建上，本文以城市间高被引论文数量构建网络并进行结构分析，采用处理后的高被引文章在知识合作规模中的占比，分析邻近性要素等对知识合作质量的影响。

(2)高被引论文识别与网络构建。考虑到论文的被引用数据是动态变化的，通常论文发表的越早，相对被引用的次数就会越多。为了确保数据的均衡性，借鉴之前学者的研究，采用历时法，确定各年度高被引论文的标准，逐年统计各城市间高质量的合作论文。在高被引论文标准的设定上，参考Nature的报道，在SCI和 SSCI文章中，论文如果被引用1次，已经排在全球论文的前55.8%，如果被引用在10次以上，则该文章已经排名在前 24%。本文以2020年作为基准年份，以被引用10次以上作为该年高被引论文标准，分别计算2011—2019年论文平均被引用量，在此基础上确定该年高被引论文界定阈值。

(3)城市间知识合作质量的表征。高被引论文的数量可以更加直观地从网络结构上反映城市间知识合作质量的情况，但在对质量影响因素的研究中，计量分析更注重变量的科学性和合理性。为消除合作规模对高被引论文产出的影响，综合考虑模型对数据的要求，本文选用处理后合作规模下高质量论文产出的均值作为被解释变量，以表征城市间知识合作质量。

(1)社会网络分析方法。网络密度。网络密度通过网络中实际交互关系总量与理论上最大连边总量之比衡量，用以表示网络中各节点之间关系的紧密程度。节点度中心性。节点度中心性用于衡量城市节点在网络中的地位与作用。在网络中，某节点的度越大，则表明该节点的度中心性越高，说明其在整个网络系统中的作用和影响越大。平均路径长度。网络中任意两个节点之间距离的平均值就是网络的平均路径长度。网络平均路径越长，说明要经过越多的节点到达任意节点，那么网络的可达性越小;反之，网络平均路径越短，说明要经过较少的节点就能到达任意节点，那么网络的可达性越高。平均聚类系数。聚类系数用于衡量节点聚集的程度。聚类系数越大，说明网络节点分布越集中;反之，聚类系数越小，网络节点分布越分散。