城际创新联系的尺度差异特征分析：以长三角核心区为例

王兴平，冯 淼，顾 惠

（1东南大学 建筑学院，东南大学 城乡规划与经济社会发展研究中心，江苏 南京 210096；2陕西省城乡规划设计研究院，陕西 西安 710075）

创新是当代城市的重要特征，集聚创新要素与承载创新活动是当代城市空间的重要功能。城际创新联系是创新活动相互作用的重要表现形式，是指城市之间基于创新要素的交换、创新活动的协同等而产生的联系，是区域、城际联系的重要内容和方式。在区域一体化、同城化程度不断深化和区域之间、城际之间各类要素流动不断强化的背景下，城市之间的创新联系正在成为重塑区域关系的重要动力。因此，研究城际创新联系的发生机理与空间格局，对于掌握区域创新活动的客观规律、优化创新资源配置等具有重要的学术价值和现实意义。

一、相关研究综述

创新联系是创新型都市圈区别于制造型都市圈的主要特征［1］，创新联系也是国内外学术研究的焦点。在国际学术界的相关研究中，部分学者如Lambregts B.研究了巨型城市区域的知识地理，指出，巨型城市区域竞争力的一个重要来源是高水平整合其坚实的地方性知识资本与世界上其他类似区域的能力［2］。J.Hoekman，K.Frenken，F.van Oort利用多地址合作的科技出版物和专利数据对欧洲的区域间科研合作进行了研究，研究发现科学研究合作对象的选择虽然纯粹以学术水平为主要因素，但是地理隔离带来的阻滞作用也非常明显［3］。Sidonia von Proff，Thomas Brenner以区域间的专利合作为对象研究了区际合作，通过对部分区域特征与区域间合作概率的关联分析，发现各种区域间的“距离”包括空间的、技术的和社会的距离，不仅仅对区域合作联系的发生而且对其延续具有明显的副作用，同时合作者的结构差异，包括产业结构与公共研究，似乎对联系的发生和延续具有积极的影响［4］等。国内学术界许多学者从企业之间的技术和产业联系、企业家的社会网络联系以及基于社会经济数据分析的系统联系等视角对创新联系进行了分析，并由此对创新城市创新能力、区域创新系统的范围等进行了判别或者划定。如黄擎明等对企业家技术创新社会联系网络的特征进行了研究［5］，吕拉昌、李勇基于问卷、访谈及统计数据资料，采用因子分析、数学建模等综合分析方法，以知识经济下城市创新职能及城市体系理论为理论基础，探讨中国城市的创新格局、网络、等级体系及城市的创新联系［6］。吕萍通过对典型案例的研究发现，企业进行研发采购时倾向于选择地理范围较远的伙伴，企业开展研发合作时倾向于选择地理范围较近的伙伴［7］。梁政骥以引力模型为基础，构建一套关于城市外向创新规模的指标体系，研究了城市间的创新联系规模［8］。牛欣、陈向东对城市间创新联系及创新网络空间结构进行了研究，将基于牛顿原理的引力模型修正，建立城市创新引力模型；结合网络分析法，按照八大经济圈的划分标准对我国287个地级及以上城市间的创新联系及创新网络空间结构进行深入探讨［9］。王雷、池巧珍从全球化和本土化的双重视角出发，以吸收能力为中介变量，构建双重网络联系对集群企业创新绩效影响的概念模型，利用长三角地区196家高科技企业的调研数据，采取多元回归方法对长三角企业对外创新联系进行了实证分析［10］。王秋玉、吕国庆、曾刚从地方、跨区以及全球尺度对创新网络进行了研究，提出关系资本、组织合作等在不同尺度的作用不同，其中创新链接以经济关系和知识关系为主［11］。

从上述创新联系的相关研究可以看出，虽然不同研究者的研究视角、研究对象、研究方法等各不相同，但是“联系方式、联系尺度、联系范围”均为创新联系研究的基本内容。本文遵从相关研究的框架对城际创新联系进行研究。

二、城际创新联系的基本模式与机制分析

城际创新联系之所以发生，在于城际之间具有创新要素的差异性与互补性，或者创新要素基于地理邻近性与技术邻近性或社会文化邻近性产生的联系与协作，简言之，即城际之间基于业缘、地缘和人缘的邻近性而产生的创新联系。

（1）基于“业缘”也即技术邻近性（technological proximity）的城际创新联系：该类型的城际创新联系主要在技术水平、技术层次和技术领域等类似的城市之间发生，多以国际性和跨区域、区域城际的创新联系为主。典型如美国硅谷与中国的中关村、深圳、台湾新竹等之间所形成的不受地理约束的高新技术和创新联系，以及部分基于行业共性技术的城际创新联系，城际之间通过专业性高端人才、信息和技术的交互与合作形成专业化、高端化的协同网络，城际之间通勤成本相对较高但是基于技术邻近性的技术交易成本相对较低。城际之间形成的更多地属于创新技术圈。

（2）基于“地缘”也即地理邻近性（geographical proximity）的城际创新联系：该类型的城际创新联系主要在地理上邻近的城际之间产生，城际之间具有明显的技术落差和互补性，邻近的城市形成交互密切、分工明确的创新链与产业链。城际之间基于边界的日常通勤网络，形成人才、资源、资金和技术等创新要素的高频互动与多层次合作，空间通勤成本相对较低，城际之间形成的偏重于创新产业协作圈。

（3）基于“人缘”也即社会文化邻近性（social and cultural proximity）的城际创新联系：该类型的城际创新联系主要在社会文化等邻近的城际之间产生，主要借助于同乡、同族或者校友等“人脉圈”形成的“人际关系通道”进行联系，是一种典型的基于身份认同产生的联系，在创业创新领域校友圈是比较常见的一种联系模式。基于“人缘”的创新联系以身份认同带来的社会信任为基础，其社会交易成本相对较低，在初创期和孵化阶段的创新联系中比较常见。

上述三种创新联系在空间尺度和范围上有不同的表现。依据一般逻辑分析，地理邻近性对包括创新联系在内的各种空间联系均具有基础性的约束，社会文化邻近性与地理邻近性具有较强的关联性，基于业缘的创新联系中部分受到地理邻近性的显著影响和制约，部分则受地理邻近性约束不明显。王秋玉、吕国庆、曾刚提出了类似的观点，认为在本地尺度方面，通过“关系资本”构建网络的作用较为突出，随着时间推移和集群创新潜力增大，行为主体会积极地构建真实的“远程”合作关系获取创新资源，基于组织关系的合作开始在网络中居于主导地位［11］。这里的关系资本类似于社会邻近性的“人缘”关系，而组织关系实质上就是基于技术邻近性的“业缘”关系。在创新联系中，到底是舍近求远、墙内开花墙外香的跨区域城际联系主导，还是近水楼台先得月的邻近地域城际联系主导，基于地缘、业缘与人缘的创新联系其空间尺度与范围有何差异，这种基于一般逻辑得出的结论是否能在实践中得到验证，需要进行具体研究才能够得出可信的结论。

本文选取长三角核心区作为实证研究区域，以日常通勤的都市圈为基本研究尺度，分为圈内城际间与圈外区域城际间的创新联系两个层次，从长三角核心区整体尺度、南京都市圈尺度对其城际创新联系进行具体研究。

三、长三角核心区城际创新联系测度与分析

创新联系包括创新主体、创新人才、创新技术、创新环境资源等多方面的联系。创新人才和创新技术联系密不可分，考虑到数据的可获得性，在城际创新联系指标体系的构建中将创新人才和创新技术联系合并为创新成果联系，因为创新成果是由创新人才和创新技术共同作用完成的。基于此，本文构建了由创新主体联系、创新成果联系和创新环境构建三方面五项具体指标构成的城际创新联系量化评价指标体系（表1）。

上文五类指标构成五个矩阵，由于每类矩阵代表不同的属性，需要对每个矩阵消除量纲。本文采用向量归一化方法对五个矩阵分别进行标准化运算，将五个标准化之后的矩阵相加，即得到城际创新联系现状二维矩阵（表2，考虑到篇幅限制，对具体指标数据的采集和计算过程本文不做介绍，表格中部分城市矩阵数据省略）。

表1 创新联系现状测度指标体系

表2 城际创新联系现状结果矩阵

在上述二维矩阵基础上进一步通过公式Na=∑Rai（a≠i）得到每个城市与其他城市的网络联系总联系度Na（Rai为两两城市之间的创新联系现状值），运用单个城市的相对网络连接度公式Pa=Na／Nh计算其相对连接度（Nh为网络总连接度最高的城市，Na即为上一步算出的单个城市的网络连接度，在上步计算中，网络总联系度最高的城市为上海，其标准化数值为12.29，因此Nh取值为12.29）。以每个城市的总联系度Na为横坐标、相对网络连接度Pa为纵坐标，形成长三角核心区各城市创新联系现状指标分布如图1。

图1 各城市的网络总联系度和相对网络连接度

运用ArcGIS空间处理方法，将创新联系现状的测度结果进行可视化分析，并总结其联系的总体特征。

整体来看，城际创新联系的密集区位于长三角核心区的中心位置，上海、南京、杭州、苏州、无锡为网络密集区的核心城市。距长三角核心区首位城市上海较远且处于长三角核心区边缘的滁州、马鞍山、宣城、舟山等城市处于网络较为稀疏的区域。但研究区域内每个城市都至少有两条相对较强的联系线，说明每个城市都参与到长三角核心区创新网络的构建中，其不是封闭孤立的节点，且每个城市至少有一到两个主要联系的城市，在创新网络中有自己的位置，对整体网络亦有一定的贡献。

图2 长三角核心区域创新联系网络总体现状

从城市间总体联系强度来看，上海为该区域城市网络体系的绝对中心，排在前5的创新联系全部是以上海为中心发生的联系，而与上海发生联系的南京、杭州、苏州、无锡、宁波等城市均为研究区域内的相对核心城市。特别值得关注的是，在第一层级中，这些城市与上海发生直接联系，但相互之间并无联系。第二层级的创新联系已经涵盖了各个城市，也就是说每个城市至少有一条与其他城市的外向创新联系，其中以上海、南京、杭州、苏州、宁波、南通、无锡、常州、扬州、泰州最为密切，第三层级以淮安、宁波、芜湖、南通、嘉兴、镇江、常州、无锡、苏州为主要城市，第四层级的创新联系为滁州、马鞍山、芜湖、宣城、绍兴、舟山、台州等相对处于长三角核心区边缘地带的城市。

图3 城际创新联系现状网络第一层级

图4 城际创新联系现状网络第二层级

图5 城际创新联系现状网络第三层级

图6 城际创新联系现状网络第四层级

综合考虑单个城市创新联系总体强度和两两城市间的创新联系强度两个方面，可将长三角核心区的城市创新联系现状划分为五个等级，如表3所示。

表3 创新联系现状强度等级划分

由上述分析可以看出，在长三角核心区这一高度同城化的范围内，城际创新联系首先遵从规模等级规律，城市规模大、等级高，城际之间的创新联系相对就强，其次是距离衰减规律，也即邻近的城市、位于区域发展主通道上的城市之间创新联系强、边缘城市联系弱。由于本文选取的衡量创新联系的指标多为技术联系与合作类指标，属于“业缘”性指标，可以认为城际创新联系是技术邻近性与地理邻近性的综合平衡，且在高度一体化的基本区域地理尺度内，基于业缘的技术邻近性居于主导地位，其次才是地理邻近性的作用。

四、南京都市圈的城际创新联系测度与分析

南京都市圈是长三角核心区重要的组成部分，也是该区域重要的科教研发密集区和交通枢纽，其圈内外的创新联系规律与特征具有典型性。本文利用前述的五指标分析数据进行总体量化分析，并选取高校学术与人才联系指标进行分析和比较验证。

1.南京都市圈创新联系的总体量化分析

表4 各都市圈平均联系度比较

长三角核心区内主要包含四个都市圈，分别为南京都市圈、苏锡常都市圈、杭州都市圈和宁波都市圈。采用前文计算的城际创新联系指标进行分析可以看出，南京都市圈虽然有创新联系强度较高的南京作为核心城市，且产生联系的城市数量较多、分布范围较广，然而其总体平均联系强度仍然较低，且低于长三角核心区的平均联系强度。

南京都市圈的城际创新联系现状明显分为三个层级：第一个层级为南京，是南京都市圈的核心城市，其联系强度最紧密的是更高层级的城市——上海，其次为圈内江苏省内城市和圈外的杭州和苏州，其与南京都市圈范围内的江苏省内城市联系较为密切；第二层级为扬州、镇江、淮安，这三个城市与南京的联系很密切；第三个层级为在南京都市圈范围内的安徽省内城市，包括滁州、马鞍山、芜湖和宣城，这四个城市均与上海的联系强度最高，与南京的联系强度和其余城市一样，未有明显差别。这说明都市圈的内外城际创新联系中，首先是基于等级规模规律的作用，导致无论南京还是圈内其他城市均与高一级的圈内外城市发生联系，其次是行政区划等社会邻近性的作用，导致南京和都市圈中省内城市的联系强于省外城市，最后是地理邻近性的作用。

图7 南京都市圈城际创新联系现状

2.南京都市圈部分高校学术联系分析

高校是推动区域创新发展的重要载体，校际合作之间形成的学术网络对促进区域创新、密切区域联系有至关重要的推动作用。以南京都市圈为例，在1995—2000年、2001—2006年以及2007—2010年三个时期，其校际合作网络阶段性变化特征明显（如图8-10所示）。高校①依据中国校友会网研究团队发布的《2014中国大学评价研究报告》，本文中提及的高校为报告中研究范围内所有的上榜高校。南京都市圈内高校共计31所，长三角核心区（除南京都市圈）高校共计56所。间形成的学术网络相互连通，随着时间的变化，校际合作规模、合作强度逐渐递增，合作联系也越来越紧密。特别是在第二阶段，校际合作实现了规模和强度的“井喷式”增长。数据显示，南京高校与镇江、淮安、扬州、宣城等地区高校合作的数量占据这些城市与圈内高校合作总量的57.5%、55.2%、83.9%、36.4%。

图8 南京都市圈校际合作网络（1995-2000）

图9 南京都市圈校际合作网络（2001-2006）

图10 南京都市圈校际合作网络（2007-2014）

从校际联系的强度来看，南京都市圈内各城市高校与圈内其他城市高校间的联系均明显多于圈外周边区域①周边区域为长三角核心区（除南京都市圈包含在内的城市）城市：上海、苏州、无锡、常州、泰州、南通、杭州、宁波、湖州、嘉兴、绍兴、舟山、台州。（如表5），如果跳出南京都市圈的范围，圈内城市和周边区域城市校际联系的特征主要有以下两个方面：一方面，上海和南京作为区域范围高校集聚、人才培养的重要节点城市，是区域范围校际合作网络的核心节点，两城市高校间的合作较之区域内其他城市更多（如表6），说明基于城市功能相似性的技术邻近性对城际高校间高水平联系发挥着重要作用；另一方面，圈内城市（高校）间的联系均明显多于与圈外周边区域城市的联系（如表1所示），一定程度上佐证了地理邻近性对城市创新联系的促进作用。

表5 南京都市圈高校与圈内、外高校创新联系规模差异

表6 南京高校与周边城市高校城际创新合作强度

3.南京都市圈典型高校人才联系分析

本文选择了圈内两所最知名的高校南京大学和东南大学，获取了其2014年度毕业生在长三角核心区各城市的就业数据，运用stata12软件进行定量分析，考察高校人才流动与城市联系的相关性。

（1）人才流动与城市创新联系相关性

分别以毕业生城市分布数据与对应的前文提及的城市创新总联系度、相对网络连接度指标进行关联系分析，发现南京人才留驻南京本市的比例较高，对于南京以外的其他城市而言，两高校人才城市分布与相关城市总联系度和相对网络连接度成正比，即总体上，南京人才留驻南京比例较高，外流人才主要流向总联系度和网络连接度较高的城市。

（2）南京人才流向与相关城市GDP水平及与南京市距离关系

首先，基于引力模型，对南京人才流向（LB）与相关城市人均GDP水平（GDP）及与南京市距离（DIS）做回归分析，回归结果如下：

lnLB=3.75 lnGDP-0.588 lnDIS

（0.694）（0.214）

R-squared=0.69 F(2,17)=18.90 Prob＞F=0.00

回归结果显示：R2达0.69，F检测结果高度显著，模型拟合效果较好。自变量lnGDP与lnDIS皆在1%的显著性水平上统计显著，即南京人才流向人数与相关城市GDP成正比，与和南京的距离成反比，即发展水平越高，与南京距离越近、联系越紧密的城市对南京高校应届毕业生越有吸引力。

基于学术和人才联系的分析表明，虽然南京都市圈核心城市的对外联系强于对内联系，但是作为创新联系核心的学术与人才网络表现出明显的地理邻近性特点，这种基于高校学术圈的地理邻近性特征与社会文化邻近性相互依存，说明南京都市圈内部的城际之间学术与人才联系在地缘、人缘的促进下在进一步强化，都市圈尺度的区域创新系统正在形成。

五、基于企业调查的长三角核心区城际创新联系分析

为了校验从统计数据分析得出的长三角核心区城际创新联系结论，笔者在南京市进行了社会问卷调查，了解企业和员工对外创新联系的空间分布情况，藉此明确企业视角的城际创新联系的差异格局特征。

本文选取了南京市六个区（鼓楼区、玄武区、秦淮区、栖霞区、浦口区、江宁区）内与创新密切相关的企业（具体名单略），研究这些企业与南京都市圈及长三角区域内的其他企业的创新联系情况，调研企业主要分布在主城区外的各大科技园区如紫东国际创意园、金港科技创业中心、雨花台软件谷、徐庄软件园等以及主城区内部分大厦内。调研分别设计了企业和员工两种问卷，企业问卷调查内容包括南京市企业对外创新联系的现状、对外联系的意愿与诉求、对外创新联系过程中遇到的障碍以及对合作伙伴和合作城市的选择因素。员工问卷调查内容包括企业内部员工对外联系现状及在对外创新联系方面的认识和诉求。

从调研情况看，企业在市内的联系数量和频率远高于与其他城市的联系频率，这说明市内创新联系远远超过城际创新联系。在城际创新联系中，从全国范围看，南京与长三角区域内的城市联系最为密切，长三角范围内（不包括南京都市圈范围），南京与上海的联系最为密切，远远超过与其他城市的联系强度，除上海外，与杭州、苏州、无锡等自身创新能力较强的城市联系较为密切（图11）。南京都市圈范围内沿江城市的创新联系较为密切，整体创新联系强度大致分为三个等级，联系强度的核心区位于“宁镇扬”区域，其次为芜湖、马鞍山、淮安，与滁州、宣城的联系最少（图12）。

图11 区域联系紧密程度

图12 各城市与南京联系的总强度

由此可见，在全国范围比较，地理邻近性对城际创新联系的影响发挥着比较显著的作用，中尺度区域范围内，技术邻近性对城际创新联系的发挥着重要作用，在都市圈内部社会邻近性（行政区划等）、技术邻近性（规模等级）、地理邻近性（空间距离）作用于创新联系的强度依次递减。

六、结 语

综合本文对长三角核心区、南京都市圈两个范围的内外城际创新联系研究，可以看出：在全国整体层面，地理邻近性显著影响城际创新联系的强度，相同的区域单元内（长三角、京津冀、珠三角等一日通勤范围）城际联系强于和区域外的城际创新联系，这与吕拉昌等［6］的研究结论类似；而在同一区域单元内部城际创新联系主要受到基于规模等级的业缘也即技术邻近性的影响，在区域内都市圈内部的城际创新联系中，基于人缘的社会文化邻近性如行政区划要素、校友学术圈等发挥了重要作用，其次是技术邻近性和地理邻近性的作用。上述基于地缘、业缘、人缘的城际创新联系在全国、区域和都市圈尺度和空间范围上的强度分布差异性，其内在机制可能与不同邻近性产生的城际之间创新交易成本（包括经济成本、时间成本、社会成本等）的高低差异有关系，有待于进一步研究和验证。

致谢：硕士生柏露露协助进行了高校相关数据的处理分析，特此说明并致谢。

［1］ 王兴平.创新型都市圈的基本特征和发展机制初探［J］ .南京社会科学，2014（4）：9-16.

［2］ Lambregts B.Geographies of Knowledge Formation in Mega-City Regions：Some Evidence from the Dutch Ramstad［J］ .Regional Studies，2008，42（8）：1173–1186.

［3］ J.Hoekman ，K.Frenken ，F.van Oort.The geography of collaborative knowledge production in Europe［J］ .2009，Ann Reg Sci，43：721–738.

［4］ Sidonia von Proff，Thomas Brenner.The dynamics of inter-regional collaboration：an analysis of co-patenting［J］ .2014，Ann Reg Sci，52：41–64.

［5］ 黄擎明，蔡宁，陈军.论企业家技术创新的社会联系网络［J］ .科技管理研究，1994（3）：46-48，42.

［6］ 吕拉昌，李勇.基于城市创新职能的中国创新城市空间体系［J］ .地理学报，2010（2）：177-190.

［7］ 吕萍.知识来源和创新联系的地理分布对创新绩效的影响研究［J］ .财经研究，2011（6）：90-102.

［8］ 梁政骥.中国主要城市间的创新联系研究［D］ .广州大学硕士学位论文，2012.

［9］ 牛欣，陈向东.城市间创新联系及创新网络空间结构研究［J］ .管理学报，2013（4）：575-582.

［10］ 王雷，池巧珍.本地网络联系和全球网络联系与集群企业创新绩效的关系——吸收能力的中介作用［J］ .技术经济，2014（8）：1-9.

［11］ 王秋玉，吕国庆，曾刚.内生型产业集群创新网络的空间尺度分析——以山东省东营市石油装备制造业为例［J］ .经济地理，2015（6）：102-108.