绿色发展视角下长三角城市群城市创新网络结构特征研究

(1. 中国地质大学(武汉) 经济管理学院；2.湖北省区域创新能力监测与分析软科学研究基地，湖北武汉 430074)

摘要：以长三角城市群41个主要城市为研究单元，研究了绿色发展视角下的城市创新网络问题。通过引力模型得出各城市创新联系强度，进而运用社会网络分析方法研究城市群创新网络结构特征。结果表明：绿色发展视角下长三角城市群创新网络密度较低，阻碍了创新要素的传递，网络中心势不高，集中程度低，网络凝聚力不强；根据网络节点中心度数发现，以发达城市为核心的半轮轴型集聚格局基本形成；网络中结构洞数目不断增加，网络结构不断优化；网络核心-边缘结构呈现，核心区域空间集聚效应明显；由块模型得出8大子群，子群特征呈现多样化。

关键词：长三角城市群；绿色发展；创新网络；社会网络分析

0 引言

在“十三五”新时期以及经济新常态的时代大背景下，创新和绿色发展被置于五大发展理念之中，相关研究受到国内学者的高度重视[1]。我国能源短缺和环境污染等问题日益突出，因此，研究资源环境约束下如何创新问题显得尤为重要[2]。

目前，学者们关于绿色和创新发展方面的研究主要以“绿色创新”等为研究视角[3]。在国外，绿色创新与生态创新、环境创新、可持续创新等概念有着相近的含义[4-6]。中国20世纪90年代开始使用绿色创新概念，21世纪以后逐渐广泛应用[7-8]。虽然国内外关于绿色创新已经有了不少研究成果，但学者们对绿色创新的内涵及定义仍然没有达成统一认识[9-11]。本文综合绿色和创新方面的相关研究，认为绿色发展视角下的创新即绿色创新，其是指集科技创新要素、环境要素以及能源消耗等因素于一体的新型创新系统理论，以创新为主线，同时考虑发展中的能源和环境等因素。

在绿色创新研究进程中，以网络为视角的研究并不多见[12]。本文从区域创新网络定义以及社会网络分析方法出发[13]，认为绿色发展视角下的创新网络是指在一定地域范围内，以企业、大学、科研机构等主体为研究对象，在环境因素和科技创新水平的共同推动下，通过相互联系和交流最终形成稳定的系统，形成城市绿色发展与创新双赢的局面。将绿色发展理念渗透到创新系统中，对区域创新能力进一步提升具有重要意义。

基于此，本文着重研究绿色创新网络结构特征。长三角城市群具有优越的地理优势、雄厚的经济实力以及巨大的发展潜能，且其在绿色和创新发展上一直走在全国前列，具有典型性[14-15]。故选取长三角城市群作为研究区域，包括上海市、江苏省、浙江省以及安徽省，共41个研究区域。本文在引力模型的基础上构建长三角城市群绿色创新网络，并通过社会网络分析软件Ucinet研究城市群整体和个体结构特征，最后得出相关结论。以绿色发展为视角，分析长三角城市群创新网络结构特征具有重要的理论和现实意义。

本文遵循指标的科学性和可获得性原则，选取如下指标反映环境和创新水平：一是反映创新水平的相关指标，包括专利申请数量、科学技术支出占财政支出比重、R&D经费占GDP比重、信息计算机软件服务业的科技服务从业人员数占总从业人口比重；二是能源以及环境保护对绿色创新的影响，包括单位地区生产总值能耗以及工业二氧化硫排放量；三是技术进步以及经济发展水平对绿色创新的带动作用，包括全要素生产率和经济密度。研究时段为2006-2013年，数据来源为2007-2014年各省市统计公报，部分缺失数据来源于各市年度统计公报。

1 绿色发展视角下长三角城市群创新网络构建

网络最开始被认为是点和线的结合[16]。随着社会发展，不同领域对网络有不同认识，但大都指向行为主体之间关系，区别仅在于网络主体以及表现形式不同[17-18]。本文以长三角城市群为研究对象，以绿色创新网络为主题，网络主体即城市群中各主要城市，网络规模为41；网络中关系即各主体之间绿色创新联系。科学合理测度城市间绿色创新联系是构建长三角城市群创新网络的基础，同时也是研究网络结构特征的重要依据。目前，关于联系的定量测度一般有理论模型法和实地调研法[19]。本文将采用引力模型计算城市间创新联系。

引力模型是牛顿万有引力中的重要内容，表示两个物体之间引力与两者质量成正比，与两者之间距离成反比[20-21]。如今，引力模型已经在社会经济科学中得到了拓展，并被广泛应用。例如，Tinbergen[22]最早将引力模型运用到国际贸易领域。引力模型也常用来计算城市间空间联系，如经济联系、创新联系等[23]。本文参考王欣等[24]的做法，通过引力模型测度区域间绿色创新联系：

其中，Tij代表i地与j地的绿色创新联系；K为引力常数，一般为1；Pi和Pj分别是i与j区域的绿色创新水平。以绿色创新水平的8个指标作为变量，通过因子分析方法提取累计方差贡献率大于85%的因子，并计算各因子的综合得分。Dij是i地与j地的时间距离，通过Arcgis 10.2中点图之间距离计算得来；Ti为城市间绿色创新联系总强度。

1.2 绿色发展视角下的创新联系

通过引力模型计算2006-2013年长三角城市群绿色创新网络联系强度，由于数据期限较长，数据样本较多，故给出绿色创新平均联系的矩阵表(见表1)。为进一步揭示区域间绿色创新联系强度，通过Arcgis中的自然断裂法将绿色创新联系分为5级，第一级至第五级代表网络联系强度由高到低(见图1)。

从图1中可以发现，长三角城市群城市间绿色创新联系分布不均衡，等级差异明显。上海市对长三角城市群其它地区的辐射能力最强，形成了一个扇形放射状。第一级和第二级的联系均以上海为出发点，第一级中，与上海具有强联系的是南通、无锡、苏州和嘉兴，第二级是常州、湖州、宁波三市，第三级除上海与泰州、镇江、南通、杭州、绍兴、舟山具有联系之外，扬州和镇江、常州和无锡、无锡和苏州之间也有联系，前四级未与其它城市有联系的是亳州、阜阳以及六安，第五级联系呈现强度小、范围广的特点。另外，与上海存在联系的城市其强度随着距离的增加而变小，城市间绿色创新联系存在距离衰减规律。处于第五级的联系最多，说明城市间弱联系占比较大，城市群绿色创新还有很大发展空间。

2 绿色发展视角下长三角城市群创新网络整体结构特征

在网络构建的基础上，重点分析其网络结构特征。社会网络分析中有诸多指标可以表征网络结构特征，对于网络整体而言，有网络密度、网络中心势、集聚系数、最短路径等多个指标，本文选取最具代表性的网络密度、网络中心性以及凝聚力指数[25]。通过对长三角城市群绿色创新网络的整体结构特征进行分析，可以从宏观上把握城市群绿色创新网络发展水平(见表2)。

2.1 网络紧密度特征

以网络密度衡量网络成员联系的紧密程度。网络密度是指网络节点之间连接对的数目与网络中所有可能连接对的比值，介于0～1之间[26]。一般来说，密度是网络中实际连接数L与最大可能存在连接数P之比。网络分为有向网络和无向网络，两者的密度有所不同。假设网络中有n个节点，在有向网络中，网络节点最大连接数P=n*(n-1)，故其密度e有向=

。在无向网络中，P=

，e无向=

[27]。本文通过引力模型计算绿色创新联系矩阵，该矩阵为对称矩阵，故而探讨无向网络密度。

从表2可以看到，网络密度呈现明显的波动上升趋势。2006-2008年，网络密度由0.174 4增长至0.247 7，网络中各城市间联系日益紧密，知识、技术等要素流动加快；2008-2009是大幅下降阶段；2009-2010年处于低水平状态，密度低于均值0.207 8，说明长三角城市群对绿色创新的重视程度远远不够，网络仍然处于不稳定增长阶段；2010-2013年是长三角城市群对绿色创新能力关注较多的4年，网络密度再次提升。总的来说，长三角城市群网络密度较低，最大值仅为0.247 7，说明网络间交流与合作处于低水平层次，区域之间绿色创新联系较弱，这在一定程度上限制了城市间交往与合作，影响了各城市绿色创新能力，应通过调整网络内部结构，加强各城市间联系。

2.2 网络中心势特征

以网络中心性反映网络集中程度，较高的中心性水平意味着较少的节点拥有较大的中心性，而较多的节点拥有较少的中心性。网络中心性指标包括度中心性、接近中心性、中间中心性以及特征向量中心性。本文中网络中心势指数选用度数中心性，指图中最大中心度的值与其它点中心度的差值总和除以图中各个差值总和的最大可能值[28]：

其中，C表示网络中心性，Cmax是网络中最大的节点中心度数值， Ci表示节点i的中心度。

网络中心势指数虽然也沿着“M”型路径变化，但变化幅度较小，2011年的最大值15.92%与2010年的最小值12.75%之间仅有0.032的差距，可见，2006-2013年网络中心势比较稳定，说明长三角城市群绿色创新网络中处于中心位置的城市数量比较稳定。从数值上看，中心势指数在0.14左右波动，中心化程度相对较低，网络中心趋势相对不明显，处于中心位置的城市节点较少，长三角城市群整体绿色创新水平有待提高，否则将对城市群绿色创新产生较大的消极影响。

2.3 网络凝聚力特征

通过最短距离体现网络凝聚力水平。计算最短距离有3种途径，即费用最小、强度最大以及概率[29]，本文基于费用最小距离计算凝聚力指数。

网络凝聚力建立在最短距离的基础之上。凝聚力指数越大，网络凝聚力越强。相对于网络密度和中心势来说，网络凝聚力较高。相比较“十一五”时期而言，“十二五”期间凝聚力指数有所下降。凝聚力减弱，一方面说明区域之间整合联动不足。长三角城市群区域间经济发展差距较大，尤其是安徽与上海、江苏和浙江的经济发展水平存在比较严重的不均衡性，因此凝聚力大大降低。为了验证这个结论，剔除安徽省所有城市，计算长三角地区的凝聚力指数，发现相对于41个城市群整体的集聚系数而言，长三角地区凝聚力指数得到提高；另一方面，说明行政壁垒是阻碍城市群整合联动的桎梏。在绿色创新发展过程中，各区域在发展自身的同时，应注重与其它各地区的资源共享与信息技术交流。

3 绿色发展视角下长三角城市群创新网络个体结构特征

通过分析网络内各节点结构特征，可以使网络中存在的问题更为直观，为长三角城市群绿色创新网络结构优化和水平提升提供更清晰的思路。表征网络个体结构特征的指标很多，本文选用中心度、结构洞指数、核心-边缘模型以及块模型[30]。

3.1 网络中心度特征

在无向网络中，用绝对度数中心度和相对度数中心度作为客观反映网络节点连接分布规律以及集群类型的指标。某点的绝对度数中心度是指与该点直接相连的其它点的个数，相对度数中心度是绝对度数中心度与最大可能连接数量的比值。通过社会网络分析方法计算2006-2013年长三角城市群绿色创新网络节点度数，对长三角城市群内各城市中心度进行分级(见图2)。

总的来说，网络节点中心度比较稳定，但空间分布差异较大，区域不均衡现象明显。从图2可以看出，中心度分布存在明显的空间集聚效应，热点区均聚集在长三角城市群东部，以上海为首，次热点区则包括多个城市，如苏州、南通、无锡、泰州、镇江、常州、南京、嘉兴、湖州、宁波等。可见，在网络演化过程中，大量顶点较低的节点围绕极少数顶点度较高的节点发展，故长三角城市群绿色创新网络呈现明显的半轮轴型集聚格局，即以上海市为主导，以周边地区(苏州、南通、无锡等城市)为依托，其余城市均围绕这一核心发展的网络空间格局。

上海市的中心度数连续8年遥遥领先，上海市作为国际化大都市、全球创新示范型城市，其绿色创新能力一直走在全国前列。其次是江苏省部分地区，8年间江苏省的中心度高于浙江省以及安徽省。可见，地理邻近性使得江苏省以及浙江省受到上海市的辐射带动作用明显。以江苏省为例，与上海市在空间上紧密相连的南通市和苏州市，其中心度数在江苏省内位居前列，上海市对周边地区尤其是邻近地区有着良好的引领和带动作用。除此之外，城市本身的引进和吸收能力也相当重要。由于区位的原因，安徽省的资源获取能力和绿色创新动力有着明显的局限性。

3.2 网络核心度特征

通过核心-边缘模型可以清楚地解析网络处于核心位置的一个或几个节点，以及网络节点核心度。确定处于核心地位和边缘地位的城市，有助于网络结构调整。针对核心-边缘模型的核心度计算，社会网络分析中有两种方法，一是用连续的核心-外围模型评估核心度；二是用分类的核心-外围模型评估核心度，将城市节点明确地归类到核心和外围两个集合中。

本文选用分类的核心-边缘模型评价各城市节点的核心度，最终将41个城市分为核心和边缘两个集合(见表3)。2006-2008年网络核心集合呈扩大趋势，2006年核心城市仅有上海、无锡、南京三市，2007年增加一个核心城市常州，2008年又增加了镇江，集聚核心趋向多元化。但2009-2012年核心城市为上海、无锡、南京、常州四市，可见核心城市规模相对稳定。2006-2012年，上海、无锡、南京一直保持核心位置，而2013年南京脱离该行列，核心逐渐向苏州、南通、常州转移。总的来说，长三角城市群绿色创新网络形成了以上海、无锡、南京、苏州、常州为核心，其它城市为腹地的空间格局。

3.3 网络结构关系特征

结构洞通常表示两个行动者之间的非冗余联系，一个结构洞是指A和B都与C有关系，但A与B之间没有直接联系的一种关系结构。Burt[31]认为具有结构洞优势的个体行动者在资源获取和信息控制方面有着很大优势。结构洞指标一般有两种测算方法，即伯特的结构洞指数和中间中心度指数。伯特的结构洞指标有网络约束系数、有效规模、效率以及等级度4个指标。其中，网络约束系数即限制度最常用，网络中某个节点的限制度是指其在网络中运用结构洞的能力。按照伯特的结构洞指数计算网络约束系数，约束系数越高，结构洞数目越小，网络越闭合。节点ni受到nj的限制程度可以表示为：

其中，pij是直接投入

是间接投入，piq是在ni的全部关系中投入q的关系占总关系的比例。结构洞的存在使得整个网络拥有对信息优势、资源优势等的控制。使用Ucinet软件计算网络约束系数，结果如表4所示。

从表4可以看出，2006-2013年长三角城市群网络约束系数在0.47上下波动。2006-2008年限制度由0.471降至0.427，结构洞数目相应增大，网络中冗余信息减少，有利于区域间新信息流动与网络结构重构和整合。2008-2010年是一个增长阶段，约束系数大幅增加，结构洞数目减少。2011-2012年约束系数有所下降，但2013年又回归到平均水平，网络中结构洞数目趋于平稳，长三角城市群绿色创新网络结构日益稳定。

从区域角度看，上海市网络约束系数较其它三省更低。一般情况下，上海市绿色创新水平较高，与周边地区联系紧密，处于结构洞的可能性很小。但是，实证结果显示其富有结构洞，这也进一步说明富有结构洞的网络擅于将关系稠密地带连接起来。博特说过，网络中关系稠密地带之间带来的竞争优势远比关系稠密地带之内多。因此，上海市将周围联系较多的城市联合起来形成一个统一整体，并与其它地区形成结构洞。约束系数高于0.8的城市占比相对较少，主要有江苏省的苏州市和南通市、浙江省的宁波市和舟山市。安徽省约束系数较江苏省和浙江省低，尤其是合肥、蚌埠、六安、亳州等城市，网络约束系数低于0.3，富有结构洞，这与上海市及周边城市形成的结构洞是两种完全不同的模式。主要是由于安徽对内对外联系都相对较少，非冗余信息也就较少，导致结构洞数目较多。安徽省恰好可以抓住结构洞丰富这一发展特点，将关系较为稠密的地带连接起来，重组自身网络结构，逐渐增强自身优势。

3.4 网络角色关联特征

块模型是一种研究网络位置模型的方法，是对网络中角色关联性的具体描述，包括分区和定值两个步骤[32]。分区一般用CONCOR法和层次聚类方法，定值是指根据一定标准确定各个区块的取值。一般来说，定值有6种标准，分别是完全拟合、0-块标准、1-块标准、ɑ-密度指标、最大值指标和平均值指标[33]。最后，由以上两个步骤得出简易“像矩阵”图。

通过Ucinet软件中CONCOR算法，对引力模型计算得出的2006-2013年长三角城市群创新联系总强度矩阵进行块模型分析。首先计算得出矩阵中行(列)的相关系数矩阵W1，并以此作为输入矩阵，计算得出W1的相关系数矩阵W2。重复上述计算，经过多次叠加之后得出只有1和-1元素的矩阵，利用树形图标记各个位置拥有的网络成员，最后进行分区得到8个子群(见表5)。

对于8个子群的成员分布，第二子群成员最多，其次是第一子群和第三子群。子群分布最为明显的特征是，子群内部城市节点空间集聚性较强。以第一、第二子群为例，第一子群集中了上海市以及江苏省、浙江省的经济发达城市，第二子群成员聚集在长三角城市群南部。根据已有子群，计算各个子群之间密度矩阵表。2006-2013年网络平均密度值为0.207 75，故将密度矩阵中大于0.207 75的值修改为1，反之为0，得到像矩阵，最后得出关系简化图(见图3)。

图3中1-8分别代表第一至第八子群。每一个子群自身的箭头代表从自身出发又返回到自身，例如第一、第三、第四、第七这4个子群具有自反性，构成凝聚子群关系模式，子群成员内部之间具有较高的信息流动性。以第一子群为例，第一子群中所有成员不仅具有较高的经济水平，在地理上均聚集在长江三角洲东部，而且两两相邻，成员间距离优势以及经济开放度是促进信息交流、资源共享的重要因素。

子群之间的连线表示两个子群之间具有较强的联系，相互之间存在联系的子群仅有第一与第四子群、第五与第六子群。第一子群是发送点，第四子群是接收点，即第一子群对第四子群存在单向作用力，第五子群对第六子群存在单向作用力，两对联系相互独立。存在作用力的子群之间绿色创新联系较强，知识溢出效应明显。

“孤立点”即对外无联系、对内无自反的点，如第二和第八子群，这些子群与其它子群之间联系很弱，自身内部要素信息流动也相对较少。第二子群有江苏省的淮安、连云港、盐城、宿迁、泰州五市，浙江省的衢州、台州、温州、金华、宁波、舟山六市，安徽省的宣城、黄山、丽水、合肥、安庆、六安六市，第二子群集中了3个省份的诸多城市，这些城市不仅位于长三角城市群边缘，而且也是网络中处于边缘位置的节点。第八子群仅有阜阳一市，其位于长三角城市群西北角，自身相对封闭，与外部信息交流严重欠缺。

4 结语

本文以长三角城市群为研究区域，选取专利申请数、工业二氧化硫排放、GDP能耗总量等指标，基于引力模型和社会网络分析方法，构建长三角城市群绿色创新网络，研究网络结构特征，得出以下结论：①长三角城市群内部绿色创新联系呈现分布不均衡的特点，城市群南部及西南地区绿色创新联系最弱，中部地区联系较强，北部联系次之，空间差异明显。网络中强联系以上海为中心，向周围辐射，其弱联系强度占主导地位；②网络整体发展水平不高，密度和中心性水平较低，城市间交流与合作还处在相当不成熟的阶段，网络凝聚力有待进一步加强；③网络个体结构特征差异较大。就中心性来说，网络的半轮轴型集聚格局基本形成，集聚核心区域趋于多元化。结构洞优势为上海市、安徽省提供了机遇，上海市应依靠结构洞优势加快产业结构升级、信息传递与共享，安徽省应在提升自身绿色创新能力的基础上充分利用结构洞，加强对信息资源等的控制。网络的核心——边缘格局已经呈现。8个子群联系不紧密，“孤立”子群现象严重。

目前，长三角城市群绿色创新网络发展面临诸多问题与挑战，网络内部空间集聚现象明显、核心区域相对固定、子群之间发展不均衡等问题突出。长三角城市群绿色创新要进一步走向国际，合理规划网络空间布局，核心区域之间应充分利用地理邻近优势，继续巩固核心地位，同时带动边缘地区共同发展，提高“核心”辐射范围，增强“边缘”吸收能力。

[1] 程恩富.论新常态下的五大发展理念[J]. 南京财经大学学报, 2016(1):1-7.

[2] 白俊红, 蒋伏心.考虑环境因素的区域创新效率研究——基于三阶段DEA方法[J]. 财贸经济, 2011(10):104-112.

[3] 张钢, 张小军. 国外绿色创新研究脉络梳理与展望[J]. 外国经济与管理, 2011(8):25-32.

[4] PERNILLA GLUCH, MATHIAS GUSTAFSSON, LIANE THUVANDER. An absorptive capacity model for green innovation and performance in the construction industry[J]. Construction Management and Economics, 2009(7):275.

[5] WALZ R, EICHHAMMER W. Benchmarking green innovation[J]. Mineral Economics, 2012(4):242.

[6] ERNEST BRAUN, DAVID WIELD. Regulation as a means for the social control of technology[J]. Thechnology Analysis & Strategic Managemet, 1994,3(6):78-99.

[7] 张钢, 张小军. 绿色创新研究的几个基本问题[J]. 中国科技论坛,2013(4): 12-15+20.

[8] 曹霞,于娟.绿色低碳视角下中国区域创新效率研究[J]. 中国人口·资源与环境,2015(5):10-19.

[9] 冯之浚, 周荣. 低碳经济:中国实现绿色发展的根本途径[J]. 中国人口·资源与环境, 2010(4):1-7.

[10] 周力. 中国绿色创新的空间计量经济分析[J]. 资源科学, 2010,32(5):932-939.

[11] 任耀,牛冲槐,牛彤,等.绿色创新效率的理论模型与实证研究[J].管理世界, 2014(7):176-177.

[12] 王陆. 典型的社会网络分析软件工具及分析方法[J]. 中国电化教育, 2009(4):95-100.

[13] FREEMAN C. Networks of innovators: a synthesis of research issues[J]. Research Policy, 1991,20(5):499-514.

[14] 毕秀晶. 长三角城市群空间演化研究[D].上海：华东师范大学,2014.

[15] 吕康娟, 王娟. 长三角城市群网络化发展研究[J]. 中国软科学,2011(8):130-140.

[16] 孙雷, 邵云飞, 欧阳青燕. 社会网络分析方法及其在创新研究中的运用[J]. 管理学报, 2009(9):1188-1193+1203.

[17] 刘军. 整体网分析讲义：UCINET软件实用指南[M]. 上海: 格致出版社, 2009.

[18] 盖启文. 创新网络——区域经济发展新思维[M].北京：北京大学出版社, 2002.

[19] 顾朝林, 庞海峰. 基于重力模型的中国城市体系空间联系与层域划分[J]. 地理研究,2008(1):1-12.

[20] 孟德友, 陆玉麒. 基于引力模型的江苏区域经济联系强度与方向[J]. 地理科学进展, 2009,28(5):697-704.

[21] 罗来军, 罗雨泽, 刘畅, 等. 基于引力模型重新推导的双边国际贸易检验[J]. 世界经济, 2014(12):67-94.

[22] HASSON J A, TINBERGEN J. Shaping the world economy: suggestions for an international economic policy[J].New York: The Twentieth Century Fund, 1962(5).

[23] 吴志强, 陆天赞. 引力和网络:长三角创新城市群落的空间组织特征分析[J]. 城市规划学刊, 2015(2):31-39.

[24] 王欣, 吴殿廷, 王红强. 城市间经济联系的定量计算[J]. 城市发展研究, 2006(3):55-59.

[25] 陈映雪, 甄峰, 王波, 等. 基于社会网络分析的中国城市网络信息空间结构[J]. 经济地理,2013(4):56-63.

[26] 王珏, 陈雯, 袁丰. 基于社会网络分析的长三角地区人口迁移及演化[J]. 地理研究,2014(2):385-400.

[27] 叶磊, 段学军, 欧向军. 基于社会网络分析的长三角地区功能多中心研究[J]. 中国科学院大学学报,2016(1):75-81.

[28] 汤放华, 汤慧, 孙倩, 等. 长江中游城市集群经济网络结构分析[J]. 地理学报，2013(10)：1357-1366.

[29] 李响. 基于社会网络分析的长三角城市群网络结构研究[J]. 城市发展研究，2011(12)：80-85.

[30] 李仙德. 城市网络结构与演变[M]. 北京：科学出版社，2015.

[31] BURT R S. Structural holes: the social structure of competition[M].New York:Social Science Electronic Publishing, 1992.

[32] WHITE H C, BREIGER R L. Social structure from multiple networks block models of roles and positions[J]. Journal of Avian Biology, 1976,81(4):293-299.

[33] WASSERMAN S, FAUST K. Social network analysis methods and applications[J]. Structural Analysis in the Social Sciences, 2015, 24(435):219-220.

Research on Innovation Network Structure in Urban Agglomeration of Yangtze River Delta from the Perspective of Green Development

(1.School of Economics and Management, China University of Geoscience, Wuhan 430074, China;2.Institutes of Soft Science on Regional Innovation Capacity Monitoring and Analysis, Wuhan 430074, China)

Abstract：The paper takes 41 major cities in Urban Agglomeration of Yangtze River Delta as examples and researches the innovation network under restraint of green development. And then it calculates the linkage of regional green innovation by the gravity model, and researches the network structure feature on the basis of the social network analysis. Five results are as follows. Firstly, the result shows that the low density of network hinders the resource transfer. Secondly, according to the centrality degree, several developed urban areas formulate a core group, and are surrounded by the other low-degree cities. Thirdly, the number of the structural holes in the network grows. Fourthly, as for spatial dimension, the core areas exhibit a clear trend of the spatial distribution pattern. Lastly, there exist 8 cliques according to the CONCOR method of block models. Some cliques are reflexive. The first and fifth ones are transmitters, and the forth and the sixth are receivers. Besides, the second clique and the eighth clique are isolates.

Key Words:Urban Agglomeration of Yangtze River Delta；Green Development; Innovation Network; Social Network Analysis

作者简介：谢伟伟(1993-)，女，江苏如皋人，中国地质大学(武汉)经济管理学院博士研究生，湖北省区域创新能力监测与分析软科学研究基地成员，研究方向为区域经济学等；邓宏兵(1966-)，男，湖北五峰人，土家族，湖北省区域创新能力监测与分析软科学研究基地负责人，中国地质大学区域经济与投资环境研究中心主任、教授、博士生导师，研究方向为区域经济学等；刘欢(1993-)，女，江西赣州人，中国地质大学(武汉)经济管理学院博士研究生，湖北省区域创新能力监测与分析软科学研究基地成员，研究方向为区域经济学等。