粤港澳大湾区城市间协同创新联系及影响因素分析

覃成林， 黄龙杰

(暨南大学 经济学院， 广东 广州 510632)

建设国际科技创新中心是粤港澳大湾区参与全球竞争、实现高质量发展的必由之路(谭慧芳、谢来风，2019)[1]。2019年2月18日，中共中央、国务院发布了《粤港澳大湾区发展规划纲要》(1)详见http:∥www.gov.cn/zhengce/2019-02/18content_5366593.htm#1.，明确提出了粤港澳大湾区要建设“具有全球影响力的国际科技创新中心”的战略定位，强调要“深化粤港澳创新合作，构建开放型融合发展的区域协同创新共同体”。目前，粤港澳大湾区的创新驱动发展趋势明显，具备建成国际科技创新中心的潜力和现实基础(覃成林等，2017)[2]，但也存在着粤港澳三地产学研脱节，创新要素的自由流动受阻，区域创新效率有待提升等不利于创新发展的问题(辜胜阻等，2018)[3]。笔者认为，解决这些问题是粤港澳大湾区建设国际科技创新中心的重要任务。这是因为，学界已有研究表明，加强城市间的协同创新联系，有利于促进创新要素在不同城市间的自由流动，从而可以充分发挥各个城市的创新资源优势，提升区域创新效率(白俊红、蒋伏心，2015；白俊红，2017)[4-5]。可见，我国加强粤港澳大湾区城市间的协同创新联系，将有利于实现粤港澳三地及大湾区内部11个城市之间创新资源的高效整合与利用，从而推动国际科技创新中心的建设。

本文搜集了2008—2016年粤港澳大湾区各个城市的发明专利数据，以城市间发明专利联合申请量作为城市间协同创新联系的代理变量，运用社会网络分析方法，分析粤港澳大湾区城市间协同创新联系的网络特征和空间格局演变；在此基础上，进一步运用负二项回归模型分析港澳大湾区城市间协同创新联系的影响因素。笔者通过分析，以期获得有意义的研究发现和政策启示。

一、文献综述

目前，学界有关创新联系的研究，较多学者采用引力模型、因子分析、Moran′s I指数等方法，通过构造创新联系的相关指标，估算城市间或区域间的创新联系(牛欣、陈向东，2013；蒋天颖、华明浩，2014；吕拉昌等，2015)[6-8]，但此类研究大多基于属性数据，其标识的创新联系只是一种估算的结果，虽然具有一定的参考意义，但却无法揭示实际的创新联系情况。随着此类研究相关数据获取渠道的增加，部分学者开始以专利合作、论文合作等作为创新联系的代理变量，使用社会网络分析方法揭示创新联系网络(张明倩、柯莉，2018)[9]，或是通过计量模型考察某些外部因素对区域创新联系的影响(Dong等，2020)[10]。笔者认为，与使用属性数据的研究比较，此类研究使用的是联系数据，能更准确地揭示实际的创新联系情况。

学界现有关于协同创新联系的研究主要是从产学研协同的角度展开的(陈伟等，2012；庄涛、吴洪，2013；夏丽娟等，2017)[11-13]。白俊红和蒋伏心(2015)[4]认为，“协同创新指区域创新系统内部企业、高校、科研机构、政府、金融中介等创新主体间通过协同互动等方式，组织创新资源以获得创新成果。”然而，学界已有研究较少基于城市的角度，因而忽略了创新主体所在城市的空间属性对协同创新的影响。就空间组织类型而言，粤港澳大湾区是一个城市群；而在城市群内部，城市不仅是一种空间尺度，也是一种行政单元。如果研究将各个创新主体匹配到其所属城市，便可从空间上将创新主体间的联系转化为城市间的联系，于是就可在城市层次上考察城市群内部创新主体间的协同创新联系。

在协同创新联系的度量上，学界有关研究(陈伟等，2012；庄涛、吴洪，2013)[11-12]均采用发明专利联合申请数据衡量产学研的创新合作。其以专利申请人中包含企业、大学、研究所等名称的交叉组合为检索条件，从国家知识产权局专利检索数据库获得此类专利数据的检索数量。然而，这种条件检索的方式所获得的数据量不完整，往往会存在比较大的数据误差，且无法对专利数据内容进行检查与甄别。因此，本文拟通过数据爬虫的方式，抓取粤港澳大湾区各个城市的发明专利信息数据。然后经过对这些数据进行筛选处理与城市匹配，获得各个城市间的发明专利联合申请数据。

协同创新在本质上是不同创新主体间的创新合作行为。学界现有研究协同创新或创新合作的文献主要集中在两个方面。一是注重分析创新合作的经济效应。研究主要是基于知识溢出的视角解释创新合作的经济效应(赵勇、白永秀，2009)[14]。二是探究创新合作的影响因素，以及创新合作的发生机制。关于创新合作的影响因素研究，现有文献主要是采用邻近分析视角。学界现有研究大多认为，地理邻近性有利于促进创新主体间的合作。黄苏萍和李燕(2018)[15]的研究显示，城市间的空间距离越近，创新的直接交流频率就越高，而出现这种现象的原因有两个：一是创新的生产过程含有大量不可编码的隐形知识，而隐形知识的传播更多地依赖于个人之间的直接沟通。例如，利贝蒂和彼得森(Liberti & Petersen，2018)指出，需要频繁的面对面交流或人际交往[16]。二是布雷斯基和里索尼(Breschi & Lissoni，2009)认为，由于创新人员的流动性受空间距离的限制，因此在创新合作的过程中，隐形知识的传播与直接交流的有效性也会随着空间距离的增加而衰减[17]。可见，城市间的地理距离会影响其创新人员面对面交流互动的频率，以及信息沟通的效率与成本。佩特鲁佐利等(Petruzzelli，2011 & Hong，2013)[18-19]分别利用欧洲与中国的专利数据考察了地理邻近对产学合作的影响，结果均表明，地理距离会阻碍企业与大学之间的合作。同时，施瓦慈(Schwartz，2012)认为，随着信息通讯与现代交通基础设施的快速发展，地理距离并不是影响创新合作的主要因素[20]。

随着邻近理论的发展，以法国邻近学派为代表的学者引入了多维度的邻近概念，主要包括地理邻近、技术邻近、制度邻近、社会邻近等。博斯玛(Boschma，2005)指出，单一的地理邻近视角存在一定的局限性，其他维度的邻近对于促进交互式学习和创新合作的作用也很重要[21]。在测量方面，技术邻近的测量方式比较成熟，现有研究大多采用杰夫(Jaffe，1986)[22]提出的技术相关性的测量方法，即利用专利数据中的分类信息测量两个主体在技术空间的接近程度。此外，莫厄里(Mowery，1998)[23]利用企业之间的专利交叉引用率和共同引用率来测量技术重叠度，结果表明，技术邻近与合作倾向的关系是倒U型的。原因在于，当技术邻近很小的时候，主体之间不能充分的相互理解，此时缺乏合作的基础；而随着技术邻近的增加，主体之间沟通的有效性与知识的互补性逐渐增强，有利于激发创新成果的产生；但超过某一个点后，技术邻近太大将会导致主体之间知识的互补性减弱，竞争效应增强，从而抑制了创新主体间合作的需求(夏丽娟等，2017)[13]。刘志迎和单洁含(2013)[24]的研究认为，对中国而言，技术邻近与产学协同创新绩效的关系还处在倒U型曲线的前半部分。

由于创新合作涉及到大量的创新主体，创新主体之间所形成的联系错综复杂，日益呈现出网络的形态，因此越来越多的学者基于网络视角对其展开研究。周灿等(2017)[25]认为，区域创新空间格局呈现由等级化向网络化的演变趋势，创新网络的形成，成为了不同创新组织与不同空间知识有效联结的途径。因此，在开放式创新的背景下，有必要从网络视角对区域创新模式进行研究。陆天赞(2015)[26]利用社会网络分析方法，分析了长三角城市群的创新协作关系的空间格局，结果表明，2005—2010年，我国长三角城市群开始形成以上海为核心的“核心+多节点”的创新网络，到了2010—2015年，这种网络组织的特征更加明显，且出现沿交通轴形成创新走廊的现象。

本文通过对学界相关文献的梳理，得到了几方面的启示。第一，知识的空间溢出效应加强了城市间的协同创新联系，有利于促进创新资源及要素的充分利用，从而提升区域的整体创新效率；第二，网络化是城市间协同创新联系的重要特征之一；第三，城市间的地理邻近与技术邻近因素可能是影响城市间协同创新联系的重要因素。在此基础上，本文拟研究粤港澳大湾区城市间协同创新联系。一方面，运用社会网络分析方法，分析粤港澳大湾区城市间协同创新联系的网络特征及其空间格局变化；另一方面，运用负二项回归模型，揭示地理邻近与技术邻近对粤港澳大湾区城市间协同创新联系的影响；同时，基于前两个部分的研究结果，提出增强粤港澳大湾区城市间协同创新联系的对策建议。

二、研究方法与数据处理

(一)研究方法

本文的实证分析主要包括三个方面。第一，运用Ucinet软件，分析和揭示粤港澳大湾区城市间协同创新联系的整体网络特征；第二，运用ArcGis软件，分析粤港澳大湾区城市间协同创新联系的空间格局，考察其动态演变过程；第三，运用负二项回归模型，探究地理邻近与技术邻近因素对粤港澳大湾区城市间协同创新联系的影响。

1.网络分析方法

本文采用网络密度、网络度数中心势，以及网络集聚系数势三个网络指标分析粤港澳大湾区协同城市间创新联系的整体网络特征。其含义和计算方法如下：

2.负二项回归模型

本文旨在考察粤港澳大湾区城市间的地理邻近与技术邻近因素对城市协同创新的影响。参考张明倩、柯莉(2018)[9]的分析方法，本文模型的被解释变量Patentij,t表示城市i与城市j在t期的发明专利合作数量；考虑到发明专利合作数量为计数数据，适宜采用泊松分布拟合此类数据。因此，被解释变量Patentij,t的条件期望函数可以表示为：

E(Patentij,t|Xij,t,β)=exp(βXij,t)

(1)

其中，β为待估计参数向量，Xij,t为解释变量。由于泊松分布要求数据均等分散，而本文的被解释变量Patentij,t存在过度分散的现象，此时适宜采用负二项回归模型。因此，本文在式(1)的基础上，引入一个不随时间改变但影响城市间发明专利合作的未观测效应εij,t，得到负二项回归模型：

E(Patentij,t|Xij,t,β)=exp(βXij,t+εij,t)

(2)

其中，exp(εij,t)～Gamma(1，α)，α为负二项分布的过离散系数。对式(2)两边同时取对数得到：

ln[E(Patentij,t|Xij,t,β)]=βXij,t+εij,t

(3)

该模型的主要解释变量为地理邻近(Geoij,t)与技术邻近(Tecij,t)。地理邻近指创新网络中的行为主体在地理空间上的接近程度(吕国庆，2014)[27]。本文采用不同城市之间的最短高速公路距离进行度量。具体是运用ArcGis软件计算出粤港澳大湾区各城市间的历年最短高速公路距离Geoij,t。技术邻近(Tecij,t)指城市间专利技术的相似程度。本文采用Jaffe指数度量粤港澳大湾区城市间的技术邻近程度。考虑到数据的可得性，本文参考史峰等(2016)[28]的方法，采用简化的Jaffe指数进行测量：

(4)

其中，1～8表示按照国际专利分类法将专利分成8个专利类别，fi,tk表示t期内城市i在第k部专利申请的发明专利数，同理，fj,tk表示t期内城市j在第k个专利类别申请的发明专利数。如果Tecij,t的值越接近1，表明城市i与城市j的技术结构越邻近；其值越接近0，则表示城市i与城市j的技结构差距越大。

此外，本文在模型中还引入了一组控制变量Zij,t。参照白俊红等[5]与其他学者[10]的研究，本文采用两个城市的人均GDP之和(GDPp)与科研活动人员之和(R&D)作为控制变量。

在对模型解释变量选择和定义的基础上，根据式(3)得到本文最终的负二项回归模型：

ln[E(Patentij,t|Xij,t,β)]=β0+β1Geoij,t-1+β2Tecij,t-1+β3Zij,t-1+εij,t

(5)

其中，β1、β2与β3分别为待估计参数。考虑到解释变量对专利申请具有时滞性，本文对解释变量采取滞后一期处理。由于这个模型存在“零膨胀”现象，即被解释变量Patentij,t存在大量零值。因此，本文采用零膨胀负二项回归模型，即引入一个零计数过程来解释零膨胀现象。

(二)数据来源与处理

本文采用发明专利联合申请量作为城市间协同创新联系的代理变量。为了获得粤港澳大湾区城市之间发明专利联合申请量数据，本文在广东省知识产权局专利信息查询系统上以申请人地址为筛选条件，使用python获取粤港澳大湾区11个城市的发明专利信息数据，数据检索时间为2008—2016年。其中，本文选择2008年为起始时间的原因是，2008年是《珠江三角洲地区改革发展规划纲要(2008—2020)》(以下简称《纲要》)实施的第一年，在《纲要》的实施过程中，粤港澳大湾区的11个城市之间开展了更加积极的创新合作；而选择2016年为截止时间，由于专利从申请到公开授权信息最长时间需要18个月，所以在研究过程中所能检索到的年度完整数据为2016年。

本文获取了2008—2016年粤港澳大湾区11个城市的发明专利数据共547 564条，数据内容包括专利名称、申请日期、公开日期、申请人、IPC分类号等。其中，申请人包括2个及以上的发明专利联合申请数量为68 988件。本文将发明专利的合作关系定义为第一申请人与非第一申请人之间的联系。如，一个发明专利有n个申请人，第一申请人与n-1个非第一申请人总共形成了n-1次合作关系；在此基础上，将合作关系按申请人所属城市是否位于粤港澳大湾区进行分类(详见图1)。我们从中可以看到，在2008—2016年期间，粤港澳大湾区城市与非湾区城市的发明专利合作所占比重从2008年的87.3%持续下降至2016年的29.6%，而大湾区内部各城市之间的发明专利合作所占比重则由12.7%上升到2016年的70.4%。由此可见，粤港澳大湾区城市间的创新合作有向湾区内部集聚的趋势，大湾区内部城市间的协同创新联系越来越紧密，目前已占据了主导地位。

从变化过程来看，2012—2014年，粤港澳大湾区城市间发明专利合作方式的变化趋势发生了明显的波动，其它年份则保持较为稳定的变化趋势。因此，本文为了更准确的描述和分析城市间协同创新联系的情况，除了分析总的时间样本，也将其划分为2008—2010年、2011—2013年、2014—2016年三个时间序列，以考察其动态演变过程。

本文各解释变量和控制变量的数据来源为《广东省统计年鉴》、《香港统计年鉴》与《澳门统计年鉴》。模型各变量的描述性统计结果如表1所示。

表1 模型变量描述性统计

三、实证分析结果

(一)粤港澳大湾区城市间协同创新联系的网络特征

本文以粤港澳大湾区11个城市为节点，以城市之间的发明专利合作为边，构建协同创新联系网络。运用社会网络分析软件Ucinet分别计算该网络的网络密度、网络度数中心势、集聚系数(详见表2)。然后，从三个方面分析粤港澳大湾区城市间协同创新联系的网络特征。

第一，在网络密度方面，表2显示，在2008年至2016年期间，粤港澳大湾区城市间协同创新联系网络的发育程度逐渐提升。网络密度系数由0.28增至0.60。这说明在粤港澳大湾区内部，有越来越多的城市之间形成了专利合作关系，城市间协同创新联系越来越紧密。这一结论与笔者本文对发明专利数据分类统计的观察结果，即粤港澳大湾区城市间协同创新合作联系有向湾区内部集聚的趋势是一致的。这也意味着，粤港澳大湾区城市间协同创新联系越来越紧密的原因可能有两个方面：一是大湾区内部城市的创新合作能力随时间的推移而增强；二是大湾区城市在空间上的创新合作关系具有从大湾区外部向大湾区内部转移的趋势。

表2 港澳大湾区发明专利合作网络整体特征

第二，从网络度数中心势的变化情况来看，粤港澳大湾区城市间协同创新联系网络度数中心势呈现非常明显的递减趋势，度数中心势系数由67.78%降至6.85%。这说明在粤港澳大湾区城市间协同创新联系网络中，核心城市与其它城市之间的创新合作能力的相对差距逐步缩小，网络内部呈现更加均衡的发展趋势。

第三，从网络的集聚系数来看，粤港澳大湾区城市间协同创新联系网络的整体集聚能力逐渐增强，在2008至2016年期间，网络集聚系数由0.38增至0.68。这表明在粤港澳大湾区城市间协同创新联系网络中，各城市间协同创新联系的扩散能力逐渐增强，网络内部集团化程度也逐渐提高。

(二)粤港澳大湾区城市间协同创新联系的空间格局演变

本文进一步分析粤港澳大湾区城市间协同创新联系的空间格局及其动态演变。本文采用Jenks最佳自然断裂法，根据组间方差最大、组内方差最小的聚类结束条件将粤港澳大湾区城市间的创新联系强度划分为4个等级(详见图2)。

图2中点的大小表示粤港澳大湾区城市内部发明专利合作的次数，线的粗细则表示粤港澳大湾区城市间发明专利的合作次数。从图2中节点的变化趋势来看，深圳、广州、佛山与东莞始终是粤港澳大湾区城市间协同创新联系网络的核心节点城市，其城市内部的创新联系长期维持在一个较高的水平，珠海、惠州则呈现较快的增长速度，香港、澳门等其它城市的变化情况则不明显。尤其在2014年至2016年期间，佛山城市内部的创新合作水平出现了跨越式的增长，排名分别超过了广州与深圳，由第三升至第一。这意味着，佛山城市内部的创新主体之间具有较强的创新联系与创新合作需求，且近几年呈现快速增长的趋势，在粤港澳大湾区城市间协同创新联系网络中的核心节点地位逐渐增强。本文认为可能的原因是，佛山的制造业体系发达，在产业结构升级的大背景下，提升产品技术含量的压力，催生了制造业企业间强烈的创新合作需求。

从图2中线的连接情况来看，粤港澳大湾区城市间协同创新联系格局呈现“邻近”与“跳跃”并存的现象。在形态上，从早期主要由以深圳和广州为核心节点所形成的较为发散、均衡的射线集，逐渐演变为以深圳、广州为核心，并分别向东莞与佛山延伸的“佛—穗—莞—深”创新走廊，其它城市则通过与深圳、广州连接而向该创新走廊集聚，整体联系格局呈现更加网络化、复杂化的趋势。

从城市间的联系强度来看，深圳与广州作为协同创新网络的核心节点城市具有重要的网络枢纽功能。在2014年至2016年期间，深圳与广州所参与的发明专利占粤港澳大湾区内所有城市间总合作量的63.48%。此外，另一个变化比较明显的城市是珠海。在2008年至2010年间，珠海处于粤港澳大湾区城市间协同创新联系网络的边缘位置，但此后珠海逐渐加强了与广州和深圳的创新合作，到了2014—2016年期间，已成长为“佛—穗—莞—深创新”走廊之外的一个创新增长极。同时，香港和澳门的发明专利数量增长缓慢，且与珠三角城市间的创新联系较弱。由此可见，香港与澳门都需要加强与珠三角城市间的协同创新联系，以便发挥其科学研究国际化程度高、吸引国际创新人才比较容易、科研经费比较充足等创新比较优势，从而进一步释放其创新潜力。

(三)粤港澳大湾区城市间协同创新联系的影响因素

本文分别将地理邻近与技术邻近变量引入模型(5)，分析其对粤港澳大湾区城市间协同创新联系的影响；除了做2008—2016年的总时间样本分析之外，根据图1将分析时段划分为2008—2010年、2011—2013年、2014—2016年三个时段，以进一步分析解释变量对粤港澳大湾区城市间协同创新联系影响的动态变化(模型估计结果如表3所示)。其中，表3中模型1至模型6的过度分散检验显著拒绝了α=0的原假设，表明负二项回归模型优于泊松回归模型；模型1、模型2、模型4与模型6的Voung检验表明零膨胀负二项回归模型优于标准负二项回归模型；模型3与模型5则没有通过Voung检验。

表3 粤港澳大湾区的零膨胀负二项回归模型估计结果

由表3可知，在模型1至模型6中，地理邻近(Geoij,t)的系数均显著为负，表明地理邻近对粤港澳大湾区城市间协同创新联系有明显的促进作用。阿格拉瓦尔(Agrawal,2017)认为，这是因为，城市间的高速公路距离越近，越有利于城市间创新要素的流动，有利于城市间的科研人员进行跨城交流，降低了面对面交流的成本，从而促进了城市间的人才、信息、技术等创新要素的流动，扩大了知识溢出效应[29]。另外，在模型4至模型6中，地理邻近(Geoij,t)的变量系数绝对值逐渐减小，意味着在2008—2016年期间，地理邻近对粤港澳大湾区城市间协同创新联系的促进作用在逐渐降低。本文认为，一方面，随着信息通讯技术的快速发展，线上交流的效率不断提高，为远距离的交流与合作提供了便利，地理距离比较远的城市之间也可以进行交互式学习与合作创新，城市间的协同创新联系因此而逐渐突破地理邻近的限制；另一方面，技术邻近(Tecij,t)只在模型2中通过了5%水平的显著性检验，在其它模型中均不显著。在模型4至模型6中，技术邻近(Tecij,t)的系数由正逐渐转变为负值，表明技术邻近对粤港澳大湾区城市间协同创新联系的影响由促进作用逐渐转变为抑制作用。但是，从总体来看，粤港澳大湾区各城市间的技术邻近对其协同创新联系的影响作用并不确定。

在区域构成上，我国粤港澳大湾区由珠三角城市群的9个城市与中国香港、澳门组成。与世界其它城市群相比，粤港澳大湾区的特殊性主要体现在，粤港澳三地在经济制度、社会制度与内部联系方面都有着较为明显的差异，而这种特殊性给粤港澳大湾区的内部联系、分工、合作等造成了事实上的阻碍(覃成林、柴庆元，2018)[30]。可见，制度上的差异会在一定程度上阻碍中国香港、澳门与珠三角城市间创新要素的自由流动。由于中国香港、澳门与珠三角城市间的创新联系不强，为了更准确地考察地理邻近与技术邻近对粤港澳大湾区城市间协同创新联系的影响，本文进一步将研究范围缩小为珠三角城市群(详见表4)。其中，模型1至模型6均通过了过度分散检验，除了模型2，其它模型均通过Voung检验，表明零膨胀负二项回归模型的估计效果较好。

表4显示，在模型1至模型6中，地理邻近(Geoij,t)的系数均显著为负，且都通过了1%水平的显著性检验。结合上述表3的分析结果，可以发现，无论是在粤港澳大湾区，还是在珠三角城市群，地理邻近都是影响城市间协同创新联系的重要要素。其内在的原因主要是，发明专利是一种高水平且复杂的创造性活动，其生产过程含有大量不可编码的隐性知识。而隐形知识的传播更多地依赖于个人之间的直接沟通，例如频繁的面对面交流，否则在传播过程中，会导致内容失真和漏损(龙玉等，2017)[31]。因此，对于需要进行跨城合作的创新主体而言，为了保证创新合作的质量与降低沟通成本，地理邻近就成为影响这类创新主体选择合作伙伴时必须考虑的因素之一。

在表4的模型1至模型6中，技术邻近(Tecij,t)的参数均为负，且模型2与模型3分别通过了1%水平与10%水平的显著性检验。这表明，技术邻近对粤港澳大湾区城市间协同创新联系有负向的作用。即在粤港澳大湾区，城市间的专利技术结构越相似反而会阻碍它们之间开展发明专利方面的创新合作。现阶段，无论是在三次产业层面，还是在制造业行业层面，粤港澳大湾区均存在显著的产业结构趋同问题(覃成林、潘丹丹，2018)[32]，而且产业结构趋同往往会加剧城市间的产业发展竞争；同时，这种竞争必然会映射到技术竞争上。因此，城市间的专利技术结构越相似，专利知识的互补性越小，则相关城市间开展创新合作的动机与需求越弱。这就是为什么技术邻近对粤港澳大湾区城市间协同创新联系产生负向作用的原因。

表4 珠三角城市群的零膨胀负二项回归模型估计结果

四、结论与建议

(一)结论

本文以城市间发明专利联合申请量衡量城市间的协同创新联系，采用社会网络分析方法与负二项回归模型，分析了2008—2016年粤港澳大湾区城市间协同创新联系的网络特征、空间格局演变及其影响因素，获得了三个方面的研究结论。

第一，2008—2016年，粤港澳大湾区城市间协同创新联系越来越紧密，城市间的相对差距逐渐缩小，网络的集聚能力逐渐增强，网络内部集团化程度增加。

第二，粤港澳大湾区城市间协同创新联系格局呈现“邻近”与“跳跃”并存的现象，形成了以深圳、广州为核心，并分别向东莞与佛山延伸的创新走廊。此外，珠海正成长为新的创新增长极，其它城市则主要通过与深圳、广州连接，从而向创新走廊集聚，整体联系格局呈现更加网络化、复杂化的趋势。

第三，地理邻近对粤港澳大湾区城市间协同创新联系具有显著的正向作用，表现为城市间的高速公路距离越近，越有利于城市间开展创新合作；技术邻近粤港澳大湾区对城市间协同创新则具有显著的负向作用，表现为城市间的专利技术结构越相似，越有可能阻碍城市间的创新合作。

(二)建议

本文研究结论期望对促进粤港澳大湾区城市间协同创新联系，从而提升区域整体创新效率具有一定的政策参考意义。

第一，2017年12月，中共广东省委和广东省政府发布《广深科技创新走廊规划》(以下简称《规划》)。《规划》指出，要集中穗莞深创新资源，建设广深科技创新走廊，使之成为粤港澳大湾区国际科技创新中心的主要承载区。本文的研究发现，在粤港澳大湾区城市间协同创新联系网络中，佛山始终是核心节点城市之一，承担着关键的角色与作用。从城市内部看，依托发达的制造业体系，佛山对创新合作的需求较强。从城市间看，佛山与广州、深圳、中山都有着较强的协同创新联系，发挥了重要的连接功能。因此，应考虑将佛山纳入该创新走廊的建设规划，构建佛—穗—莞—深创新走廊，充分发挥佛山的创新资源优势和利用其强劲的创新合作需求，以利于提升粤港澳大湾区的创新效率。对于佛—穗—莞—深创新走廊之外的城市，可参考珠海的经验，通过主动加强与广州、深圳间的协同创新联系，从而较快地提升自身的创新能力以及在大湾区协同创新联系网络中的作用。

第二，地理临近是影响粤港澳大湾区城市间协同创新的重要外部因素。因此，粤港澳大湾区应进一步加强城际快速交通网络的建设，提升城市之间城际交通的效率。当前，香港、澳门与珠三角各城市之间的协同创新联系不强，一定程度上是由于粤港澳三方的城际交通效率较低所导致。因此，一方面，香港、澳门应进一步加强与珠三角城市的交通联系，加快粤港澳大湾区交通一体化进程，为科技创新要素流动创造更便捷的条件；另一方面，应积极探索“一国两制”下的通关模式创新，积极运用人工智能、大数据、云计算、互联网等新技术，不断提升香港、澳门与深圳、珠海、广州之间的通关效率，促进粤港澳三地间科研创新人员的跨境交流与合作。考虑到粤港澳大湾区以轨道交通网络和高速公路网络为主体的快速交通网络建设将增强其内部联系的网络化趋势(覃成林、柴庆元，2018)[30]。可以预见，随着港珠澳大桥与广深港高铁的开通运营，以及珠海与澳门之间的轻轨互联，将为提升香港、澳门与珠三角城市群之间的协同创新联系创造极为有利的外部条件。

第三，在现阶段，技术邻近阻碍了粤港澳大湾区内部城市间的协同创新联系。因此，粤港澳大湾区应注意提升城市间专利技术结构的互补性，形成更加合理的创新分工与合作。特别是，大湾区内的各个城市要以《粤港澳大湾区发展规划纲要》为指引，明确各自的功能定位，提升产业结构的协调度，减少重复竞争，从而提升城市间协同创新的效率。政府应扮演好搭建协同创新平台的角色，促进各城市在相应技术领域实现信息的互通与共享，为各城市创新主体间的合作交流创造良好的环境，提供相应的政策激励。