The Multi-dimensional Measurement of Beijing-Tianjin-Hebei Collaborative Innovation

Zhao Chengwei1,2 ,Zhai Ruirui3,Cao Zhi4,Zhang Shengtai5

(1.School of Economics and Management, Xinjiang University, Urumqi 830046,China;2.China Academy of Science and Technology Development Strategy,Beijing 100038,China;3.School of Network Education, Beijing University of Posts and Telecommunications,Beijing 100876,China;4. Key Laboratory of Regional Sustainable Development Modeling,Institute of Geographic Sciences and Natural Resources Research,CAS,Beijing 100101,China;5.School of Economics and Management,Beijing University of Posts and Telecommunications,Beijing 100876,China)

Abstract：Although the Beijing-Tianjin-Hebei Collaborative Development Plan was issued in 2015, there is still a large gap in the current level of innovation development and the scale of innovation resource allocation in Beijing, Tianjin and Hebei, restricting the coordinated innovation development of the three regions. 92.5% of Beijing's scientific research achievements have been industrialized in the Yangtze River Delta and the Pearl River Delta, which means that the innovation chain and industrial chain of Beijing Tianjin R&D and Hebei incubation transformation have not yet formed. It is difficult for Beijing's scientific and technological achievements to land in Tianjin and Hebei, and it is difficult for the industries in the three regions to coordinate with each other, which has become a prominent problem of Beijing-Tianjin-Hebei coordinated innovation. Understanding the status quo of Beijing-Tianjin-Hebei collaborative innovation and the characteristics of spatial network connection is the prerequisite for promoting collaborative innovation. The present research is inadequate to analyze in detail the level of collaboration between various regions in Beijing and Tianjin and cities in Hebei.

The ultimate goal of regional collaborative innovation is to narrow the innovation gap between regions. The most important way is to promote the free flow of innovation elements and innovation collaboration across regions and subjects. The innovation network is the most important spatial manifestation of regional collaborative innovation. This paper attempts to measure the level of Beijing-Tianjin-Hebei collaborative innovation from the macro and micro dimensions with focus on the differences between the collaborative innovation development and the Yangtze River Delta,the Guangdong Hong Kong-Macao Greater Bay Area, the status quo of the collaborative innovation development of 43 sub-units in Beijing-Tianjin-Hebei, and the construction of the Beijing- Tianjin-Hebei innovation network. On the macro level, focusing on the synergy among science, technology and industry, this study makes comparisons with the Yangtze River Delta and the Guangdong Hong Kong-Macao Bay Area, and summarizes the characteristics of Beijing-Tianjin-Hebei collaborative innovation by the entropy method. On the micro level, it analyzes the collaborative innovation in 43 sub regions, mainly using the entropy weight method. Given the collaborative innovation capability of each subdivided region, it further analyzes the construction of the Beijing-Tianjin -Hebei innovation network through network analysis by combining gravity model and social network analysis, and the analysis results are presented visually with ArcGIS software.

Compared with the two world-class urban agglomerations of the Yangtze River Delta and the Guangdong-Hong Kong-Macao Greater Bay Area, Beijing -Tianjin-Hebei has a very strong scientific research level and is at the front end of the innovation chain. The front end scientific research level and technology diffusion level of Beijing-Tianjin-Hebei are high, but the connection with the back end industrial chain is not enough, and the industrial development level is poor, which seriously restricts the improvement of the collaborative innovation level of Beijing-Tianjin-Hebei. The innovation and development of each region in Beijing, Tianjin and Hebei are not balanced. From 2014 to 2020, the level of collaborative innovation in Beijing-Tianjin-Hebei has been improved to a large extent, but the synergy between the main bodies is still at a low level, and the polarization has been accelerating. An efficient and collaborative innovation network has not been formed among Beijing, Tianjin and Hebei. Although the total amount and network density of the actual relationship of Beijing-Tianjin-Hebei collaborative innovation are growing rapidly, they are still at a low level. The network connections are mostly generated in Beijing, Tianjin and between Beijing and Tianjin, showing the spatial characteristics of Beijing and Tianjin as two poles, and gradually expanding to the surrounding areas. In the future, efforts should be focused on promoting the integration of context-driven innovation industries, improving Beijing's innovation radiation driving capacity, and building an innovation network with efficient collaboration between Beijing, Tianjin and Hebei.

Key Words：Beijing-Tianjin-Hebei; Collaborative Innovation;Allocation of Innovation Resources; Network Connection

DOI：10.6049/kjjbydc.2022070121

开放科学(资源服务)标识码(OSID)：

中图分类号：F127.1

文献标识码：A

文章编号：1001-7348(2023)16-0072-12

收稿日期：2022-07-06

修回日期：2022-09-28

基金项目：科技部国家高端智库研究联合体重大研究课题项目(ZKLH202104)

作者简介：赵成伟(1982-),男,山东济宁人,博士,新疆大学经济与管理学院讲师、硕士生导师,中国科学技术发展战略研究院博士后,研究方向为区域创新战略、京津冀协同创新;翟瑞瑞(1987-),女,山东菏泽人,博士,北京邮电大学网络教育学院讲师,研究方向为创新与国际商务、数字经济与高质量发展;曹智(1989-),男,山东济南人,中国科学院地理科学与资源研究所中国科学院区域可持续发展分析与模拟重点实验室副研究员,研究方向为土地利用与乡村发展、城乡融合发展与乡村振兴;张生太(1962-),男,山西应县人,博士,北京邮电大学经济管理学院教授,研究方向为知识管理与人力资本管理。本文通讯作者:曹智。

0 引言

自2015年《京津冀协同发展规划纲要》颁布实施以来,京津冀协同创新取得一定进展。但是,京津冀各地创新发展水平及创新资源配置规模仍然存在较大差距,制约了三地协同创新发展。如92.5%的北京科研成果“蛙跳”到长三角、珠三角进行产业化[1],意味着京津研发、河北孵化转化的创新链、产业链条尚未形成。北京的科技成果在津冀“落地”难、三地产业协同难,成为京津冀协同创新中的突出问题[2]。而摸清京津冀协同创新现状和空间网络联系特征,是推进协同创新的先决条件。目前,有关北京、天津和河北11个地市协同创新水平的研究较多,但是关注维度较单一,尚无法准确回答京津冀协同创新发展水平在全国处于何种地位,亦无法详细回答北京和天津内部以及与河北各地市的协同水平到底如何。因此,本文将从宏、微观两个维度精准画像京津冀协同创新水平,立体呈现京津冀协同创新现状。这对深入推进京津冀区域协同创新发展具有重大意义。

1 文献梳理

伴随区域一体化和知识经济的兴起,区域协同创新逐步受到学者们的重视,针对区域协同创新测度以及评价指标体系构建,国外相继发布了《国际竞争力》《奥斯陆手册》《欧洲创新记分牌》等评价报告。如Cooke[3]较早地对区域创新能力进行实证研究。在研究方法方面,Leydesdorff等[4]运用三螺旋模型测度德国制造业协同创新水平;鲁继通[5]运用复合系统协同度模型测度京津冀区域协同创新有序度。在指标体系构建方面,王志宝等[6]认为,区域协同创新应以区域创新主体合作收益最大化为目标,实现创新要素自由流动、创新差距缩小以及整体创新水平提升;孙瑜康等[7]从综合创新水平和协同创新水平两个维度构建京津冀协同创新指标体系;还有学者从基础创新和协同创新出发,基于创新环境、创新投入、创新成果、区域协同和主体协同5个方面构建成渝双城经济圈协同创新评价指标体系(龚勤林等,2022);祝尔娟、何皛彦[8]从协同基础、协同行动、协同成效和协同环境4个方面构建评价指标体系。无论采取何种方法,学者们基本均从协同水平、创新水平两个维度构建指标体系。

随着技术进步、经济发展,创新已不再是单向的线性范式,而是转向整合式、生态学范式的系统性创新发展,创新网络成为创新主体适应系统性创新的新型合作形式[9],是区域创新在空间上的具体体现。因此,空间网络联系方法逐渐成为分析区域协同创新的有力工具,有效弥补了传统的“点轴”理论、集聚—扩散理论等研究方法的不足。Lundvall[10]认为,创新体系中的体系更偏向网络概念;盖文启[11]认为,创新网络是存在于一定区域内各种相对稳定的正式和非正式关系的总和;Meijers[12]指出,城市群协同创新体系由节点、节点间链接、要素流动和网点四部分构成;Nieto等[13]根据企业、高校、研究机构、消费者等不同创新主体的异质性,探讨不同协同创新模式及特点;Asheim等[14]认为,差异化知识库是构建区域优势的关键要素;Boschma等[15]研究发现,随着信息技术的发展,地理邻近性作为影响区际创新联系的要素之一,是实现创新溢出的必要条件,但其重要性不断弱化,创新扩散越来越多地受到技术邻近性和制度邻近性等相关因素的影响。

在此基础上,国内外学者针对特定区域的协同创新开展了丰富的研究。西方发达国家的市场化程度较高,创新网络较发达,区域协同发展水平处于较高阶段,且相关研究主要是基于区域创新系统理论。相比之下,我国的发展情况存在较大差异,城市群协同创新研究主要针对京津冀、长三角、粤港澳大湾区以及成渝地区等,这些地区经历了“强核”“外溢”“布网”阶段,正面临带动区域协调发展的艰巨任务[16]。陆大道[17]认为,随着新型全球化和信息技术发展,世界经济发展呈现出由“地点空间”逐渐被“流的空间”替代的演化趋势,并塑造了对世界经济发展至关重要的门户城市;刘冬梅等[18]基于修正的引力模型,提出成渝地区“工”字型科创走廊的建设设想;李晓琳和李星坛[19]认为,京津冀地区目前整体创新水平较低,区域协作以政府为主导,协同创新合力有待增强;胡悦等[20]、毕娟 [21] 、杜勇宏和王汝芳[22]分别研究了京津冀协同创新水平、网络结构、影响因素、提升路径等问题。

然而遗憾的是,虽然学术界在京津冀协同创新水平测度领域取得较多研究成果,但是大部分研究均将京津两大直辖市与河北11地市直接进行比较,且很少采用创新网络研究方法,既缺乏对北京、天津内部各地区的研究,又缺乏城市群之间的比较研究。此外,各地市辖区数据难以获取。本文尝试从多个维度对京津冀协同创新水平展开研究,以弥补上述研究不足并为区域创新政策制定提供依据。

2 理论框架与研究方法

2.1 理论框架

区域协同创新是区域协同发展的高级阶段,是知识经济时代区域协同的新形式[23]。京津冀、长三角和粤港澳大湾区是我国创新资源最集聚、创新能力最强的区域,创新体系较完善,同时,各具特色。探究京津冀在我国创新版图上的地位和特征,有助于深化京津冀协同创新微观方面的研究。区域协同创新的最终目标是缩小地区间创新差距,主要方式是推动跨地区、跨主体的创新要素流动并实现协同创新,而创新网络是区域协同创新的重要空间表现形式。本文尝试从宏观、微观维度测度京津冀协同创新水平,深入探究其与长三角、粤港澳大湾区协同创新发展的差异,揭示京津冀43个区(地市)协同创新发展现状以及京津冀创新网络构建情况。

2.2 研究方法

为准确刻画京津冀协同创新现状,从宏观和微观两个维度展开研究。从宏观方面,采用熵值法,围绕科学、技术和产业三大要素协同性,通过与长三角、粤港澳大湾区对比,揭示京津冀协同创新特征。从微观方面,分析京津冀三地协同创新水平。首先,采用熵权法,分析43个细分区域的协同创新情况;然后,基于各细分地区的协同创新能力,采用引力模型与社会网络分析相结合的方法,研究京津冀创新网络构建情况,并借助ArcGIS软件将分析结果予以呈现,具体见图1。

2.2.1 熵值法

熵值法专门用来研究某部门或某产业专业化水平,以及某区域在全国的地位与作用等,是目前考察区域差距和区域整体协同水平的常用方法。借鉴赵成伟等[24]以地区人均 GRP占全国人均GDP之比衡量中国经济与人口分布不匹配度的计算方法,构建衡量三大城市群不同创新维度与整体创新投入不匹配度的R指数和M指数,不仅考察单个区域某创新维度分布的偏离,还考察3个世界级城市群创新维度分布的偏离。需要说明的是,因为熵值法并没有考虑研究对象规模因素的影响,当某区域研究对象体量很小且地区总体量也很小时,易导致区位熵过大,而实际上该地区并不存在研究对象集聚现象。本研究中3个区域均属于世界级城市群,科学研究、技术创新和产业创新体量都非常大,故不存在上述现象。具体计算方法如式(1)(2)所示。

(1)

式中,i=1,2,3,代表三大城市群;j=1,2,3,4,5,6,7,代表7个指标。

(2)

其中,LQij代表三大城市群各创新指标的区域熵R指数,xij代表城市群i在第j个创新维度的相关指标,∑ixij代表三大城市群在第j个创新维度的指标总量,∑jxij代表城市群i所有创新维度的指标总量,∑i∑jxij代表三大城市群所有创新维度的指标总量。代表i地区某指标数占该地区创新指标总数的比例,代表所有区域某指标数占该地区创新指标总数的比例。

R指数可以描述两个指标的偏离程度,值域为[0,∞),R越接近于1表示两个指标的匹配度越高,当R=1时,两个指标完全匹配。M指数表示空间整体的不匹配度,值域为[0,2],M越接近于0表示整体匹配程度越高,越接近于2表示匹配度越低;当M=0时表示整体完全匹配,当M=2时表明整体完全不匹配。

2.2.2 熵权法

熵权法是确定指标权重的常用方法,属于客观赋权法,即根据指标变异程度确定指标权重,本文利用该方法确定权重并计算协同创新水平。通常来讲,指标变异程度与信息熵成反比,即某个指标的信息熵越小,表明指标变异程度越大,所能提供的信息量越多,在综合评价中的作用与权重也越大;相反,指标权重就越小。

首先,对指标数据进行标准化处理。由于本文所涉指标均为正向指标,即所有数值均越大越好,故采用式(3)进行处理。

(3)

其中,Dij表示标准化处理前第i个地区的第j个指标;aij表示标准化处理后的指标。

其次,求各指标熵权。通过建立标准化矩阵,确定各指标熵值Hj。

(4)

其中,为地区总个数。

在此基础上,计算各指标熵权,如式(5)所示。

(5)

其中,m为指标个数。

最后,计算各子系统得分,如式(6)所示。

(6)

其中,q为某子系统中的指标个数。

2.2.3 引力模型

Reilly[25]于1929年将万有引力应用于经济学领域,目前已广泛应用于空间相互作用和具有距离衰减效应的研究中。协同创新是指创新要素在不同区域内流动,从而产生的空间相互作用。作为创新产出的知识、技术等,其创新溢出效应同样遵循距离衰减规律,可借用引力模型衡量协同创新联系强度。因此,本文采用修正引力模型测算京津冀协同创新空间联系度,具体计算方法如式(8)。

(7)

(8)

其中,Rij为协同创新联系强度,表示i与j地区之间的创新联系紧密程度,为便于后续数据处理,此强度值为由熵值法测算的协同创新水平乘10的4次方;Kij为修正经验常数,具体计算为Kij=Ci/(Ci+Cj),是指i地区协同创新水平占i、j地区协同创新水平总值的比重;Ci为经熵值法计算得到的i地区协同创新水平,Cj以此类推;Dij为i与j地区政府驻地的直线距离;Ri表示i地区的对外协同创新联系总量。

2.2.4 社会网络分析方法

为研究区域创新网络空间关联性,本文基于社会网络分析法[26],主要从整体网络特征、个体网络特征与凝聚子群3个维度考察,具体见表1。以修正引力模型测算的京津冀协同创新关联矩阵为基础,选取2014年协同创新关联矩阵引力值均值作为截断数据,构造京津冀协同创新空间关联的0-1非对称矩阵,并导入UCINET软件,从整体网络、个体网络和凝聚子群3个方面,分析2014年、2020年京津冀协调创新空间网络关联特征。

3 京津冀与长三角、粤港澳大湾区城市群比较分析

3.1 城市群创新网络协同度评价指标体系构建

科学是技术之源,技术是产业之源。虽然很多学者从科学研究或者技术扩散角度研究创新网络并取得一定进展,然而脱离产业的创新网络是没有根基的,不利于创新链与产业链衔接。本文通过科学研究、技术扩散和产业创新3个创新维度构建7个二级指标,利用熵值法开展京津冀与长三角、粤港澳大湾区3个世界级城市群创新网络协同水平的横向比较研究。

3.2 相关数据来源

长三角以上海、浙江和江苏数据为表征(由于涉及的安徽省地域范围较小,本研究忽略该部分),粤港澳大湾区选用广东省相关数据代替,这是因为本研究关注的是比例而不是绝对值,对结果影响较小。其中,科技论文发表数包括SCI、EI和CPCI-S,具体见表2。虽然科学研究、技术扩散和产业创新3个指标的单位不同,但是经标准化处理后,仅关注同指标间的比例情况,对分析结果的影响可以忽略不计。考虑到2020年数据受新冠疫情影响波动较大,且仅作三大城市群横向比较,不涉及时间变化,为提高研究精准度以及研究结果普适性,本部分相关指标选取的是2019年数据,其它均为2020年数据。

3.3 城市群创新网络协同度测度结果分析

对京津冀、长三角和粤港澳大湾区的科学研究、技术扩散和产业创新指标匹配度进行计算,得到相应创新维度对应的R指数和M指数,具体见表3与图2。

总体上看,京津冀的M指数为0.729,位置居中,说明整体匹配度较好。但是,需要引起重视的是,京津冀与粤港澳大湾区的整体匹配度非常接近,仅有0.03的差值,说明前者可能随时被赶超。长三角的匹配度最高,说明长三角地区整体协同创新水平较高,基于分工形成了较为完善的创新网络。从三大城市群的R指数来看,京津冀三个创新维度的指数都远距离1,尤其是科学研究,达到了1.752,是所有指标中不匹配程度最高的。北京集聚了大量国家实验室、国家重点实验室、国家工程研究中心、研究型大学、科技领军企业等国家重要科技创新资源,以0.17%的地区面积占据约1/3的全国科技创新资源也印证了这一点。长三角城市群的协同水平最高,各创新维度指数都在1附近;粤港澳大湾区科学研究维度的表现欠佳,但是产业创新发展态势最好;京津冀呈现出科学研究体系优势明显、技术扩散体系仅有局部优势、产业创新体系明显落后于其它两区域的协同创新格局。

综上所述,京津冀是科研供给驱动的原发型科技创新中心。该类型表现为科技—产业—科技的循环路径,丰富的科教资源是其发展的前提,由科教资源外溢推动新兴技术和新兴产业发展,科学发现、技术发明是其主要驱动力,通过网络化知识链接的科学研究体系不断向技术领域扩散并与产业创新体系融合。在全球创新网络形态上,表现为以科学知识为核心的科学研究体系较早融入全球创新网络,而技术扩散和产业创新体系发展则相对滞后。原发型科技创新中心多产生于科教资源密集地区,依靠大学、科研院所的知识供给与技术供给以及政府的政策指引,推动相关科技成果转化,促进新产业发展。整体上看,这类科技创新中心的科学研究体系领先于产业创新体系。典型代表如以美国硅谷为中心的旧金山湾区、因知识集聚形成的日本东京创新环境,均体现出“科技资源+政策支持”的特点。

4 京津冀协同创新水平测度分析

4.1 京津冀协同创新水平指标体系构建

在对国内三大世界级城市群协同创新水平比较分析的基础上,进一步研究京津冀区域细分单元的协同创新水平并增加相关指标。为将研究聚焦于京津冀协同创新水平,本文从京津冀协同水平和创新水平两个维度展开分析,以兼顾协同与创新两方面。在协同维度,Cooke[27]认为不同地区和跨区域创新主体依托区域优势,形成各具特色的区域创新体系,该体系促进知识快速扩散和创新成果产出。因此,本文基于原有的科学研究、技术扩散和成果转化指标,增加区域协同和主体协同两个一级指标,以测度不同地区和跨区域创新主体间的协同创新水平。在创新维度,借鉴科技部中国科学技术发展战略研究院编著的《中国区域科技创新评价报告》(2021),构建创新环境、创新投入、创新溢出3个一级指标。在此基础上建立二级指标,并且所用指标均通过自相关检验,见表4。

4.2 区域研究对象及数据来源

4.2.1 研究对象范围

根据相关文件,本文将京津冀地区的空间范围限定为北京、天津两大直辖市和河北省全域。考虑到无论是创新资源体量,还是行政级别,北京、天津与河北省各地市均不在同一层级,为进一步细化研究,本文将北京市的16个区、天津市的16个区与河北省11个地级市视为同级研究单元,所以研究样本共计43个单元。需要说明的是,河北省两个省直辖县级市辛集、定州的相关数据分别计入石家庄和保定,雄安新区的相关数据也计入保定。虽然河南省安阳市被纳入《“十三五”时期京津冀国民经济和社会发展规划》,为方便研究,未将其纳入本文研究范围。

4.2.2 数据来源及说明

本文数据主要来自2015年、2021年《北京科技统计年鉴》《天津科技统计年鉴》和《河北科技统计年鉴》,部分数据来源于《中国城市统计年鉴》《2020年北京技术市场统计年报》及京津冀三地统计年鉴。此外,跨区域合作申请专利数通过国家专利局的中国专利数据库进行手动筛选获取,跨区域合作发表论文数通过Web of Science(wos)官网获得。由于北京、天津的创新资源体量较大,为了提高研究精准度,将两地数据再细分到区,无法获取的数据根据总值作均值处理,部分缺失数据作平滑处理。

在数据年份选择方面,考虑到数据可获性及准确性,同时,根据政策梳理发现,自2014年始京津冀协同发展进入实质性推进阶段,故本文将考察期定为2014—2020年,选取的两个重要时间节点为 2014 年、2020年。

4.3 协同创新水平测度分析

依据熵权法,计算2014年和2020年数据,分别得到各级指标权重和得分,并对各级指标加权求和,最终得到京津冀细分指标协同创新指数(见表5)、京津冀细分区域协同创新指数(见表6)。需要指出的是,由于上述两年权重值相差不大,因此以2020年的熵权作为标准。

由表5可知,2014—2020年综合协同创新指数增长近一倍,得益于三地创新投入增大,综合创新水平有较大提升。但是,从细分维度看,三地协同水平指数仅增长了23.1%,增速缓慢,仍然徘徊在较低水平,尤其是区域间协调水平处于下降态势;三地创新水平有了较大提高,尤其是创新投入方面,2020年创新投入指数较2014年增长1倍多。以上情况可能是由于京津冀协同发展上升为国家战略后,尤其是自2016年《国家创新驱动发展战略纲要》颁布以来,三地政府加大跨区域平台建设,京津冀各地创新水平均有明显提升。但是,三地之间的创新资源流动壁垒仍然大范围存在,创新主体间的跨区域合作受到较大掣肘,导致协同水平不高。

由表6可知,京津冀三地的最大特征是协同创新水平不均衡,不仅各省市之间存在虹吸效应,而且同一省市内部也存在,整体上表现为创新资源体量大、集聚性强,并有增强趋势。北京的创新资源主要集聚在海淀、朝阳两地,两区的创新水平及增长速度远高于全市平均值。通州和大兴分别受城市副中心、北京经济开发区发展的影响而呈现较好发展势头。五大生态涵养区协同创新水平基本维持在0.001附近,仅怀柔和延庆有一定增长,其它区域受核心区域虹吸效应的影响更显著。以专利申请量为例,海淀是延庆的132倍。天津各区域间的协同创新差距比京冀两地小,但是整体发展速度不高,其中,滨海新区、武清和西青发展势头最猛。滨海新区靠沿海经济带动,武清则靠北京带动,西青靠天津整体发展带动。河北整体的协同创新发展速度较快,但是创新资源体量不大,集聚性较强,主要集聚在石家庄、保定和唐山等省会城市或京津毗邻城市,南部地区发展速度较缓慢。尤其值得注意的是,廊坊的发展速度惊人,其依托其地理位置优势,2020年协同创新发展水平位居河北省第二。

5 京津冀协同创新网络联系分析

本文利用引力模型与社会网络分析方法,将量化数据与关系数据有机结合,能够更细致地研究京津冀协同创新网络联系情况。

5.1 整体网络特征分析

2014—2020年京津冀协同创新实际关系总量、网络密度、中心势和出度中心势增长近一倍,聚类系数也有所增大,但是入度中心势略有下降,且关系总量、网络密度等仍处于较低水平(见表7),说明伴随协同创新网络关系的不断拓展,紧密度、凝聚力不断提升,创新输出能力得到增强,但整体协同创新水平不高,创新网络较为分散、内部联系不够紧密。为进一步分析京津冀协同创新网络密度的稳定性,本文测算不同截断阈值下京津冀协同创新联系矩阵的网络密度变化(见表8)。当截断阈值为1时,整体网络密度为0.487,关系总量为880,反映此时网络关系较紧密。当截断阈值提高到293.707(均值)时,整体网络密度下降至0.039,同时,关系总量下降至70,说明京津冀协同创新网络密度的稳定性不高,内部不同区域间创新水平断层现象严重,协同创新整体水平较低,进一步证实了前文研究结论。

5.2 个体网络特征分析

从度数中心度看,北京的海淀、朝阳和天津的河北、南开一直处于核心地位;大部分单元的中心度有所提升,如2020年天津的西青超过南开,网络地位涨幅明显的还有天津的武清、东丽和北辰。从接近中心度看,各单元的接近中心度都呈现不同幅度下降,说明各单元自主性不断下降、协同性不断增强。从中介中心度看,北京海淀区具有绝对优势,承担着协同创新网络的“桥梁”作用,且呈现大幅增长态势;而天津武清区在网络中的控制作用减弱,具体见表9。进一步通过入度和出度分析城市个体在协同创新网络中的影响力。从度数中心度看,北京海淀和朝阳的出度中心度持续稳定在京津冀地区前两位,是京津冀地区的创新策源地,此外还有天津的西青和南开;2020年天津北辰进入创新策源地前列;天津其它区在2020年的入度中心度较高,说明它们在自主创新的同时更多地向创新策源地寻求协同创新(见表10)。从接近中心度看,平均入度中心度略高于平均出度中心度,且平均入度中心度为上升而平均出度中心度为下降,说明京津冀协同创新的输入自主性强于输出自主性,且这种差距有所扩大。值得说明的是,协同创新指数较高的天津滨海、武清在创新网络中的作用并不突出,原因可能是两区地理位置较偏,分别处于天津西南、东北的位置,无法形成创新合力。

5.3 凝聚子群分析

由于创新网络各节点的相似属性和联系紧密度不同,为进一步分析相邻模块的协同创新情况,将整体网络划分为若干子群,并通过UCINET软件交互(interactive)识别京津冀协同创新网络中的5个子群(见图3、表11)。其中,子群一是以北京海淀区为核心的联系紧密且创新活跃的北京核心城区;子群二是北京市内联系松散的较远城区以及距离较近的河北廊坊市等;子群三是联系紧密的天津核心城区;子群四是以西青为代表的天津发展较快的较远城区;子群五是联系相对较弱的河北地市以及北京、天津的部分边缘区域。与2014年相比,2020年子群呈现如下特征:以北京核心城区为中心的子群不断扩展,并覆盖了北京周边城区;以北京周边城区为主构成的子群向天津、河北扩展;以天津核心城区为主的子群与天津边缘区子群成员构成在一定程度进行了交互调整;以河北地市为代表且联系较弱的子群有所缩小。

为进一步反映京津冀协同创新的内在联系,计算2014年和2020年各子群密度矩阵(见表12)。结果显示,2014年创新能力较强的子群一内部联系紧密,但与其它子群联系较弱,主要为距离相近的子群二;2020年子群一内部联系密度以及与子群二的联系密度有所降低,与子群四的联系密度超过子群二;2014年子群三的内部联系也很紧密且2020年有所提升,子群四的提升更显著;子群三与子群四联系较紧密,且有不断增强趋势;子群二、子群五的内部联系较弱,且与其它区域联系也不强。

5.4 京津冀协同创新演进情况的纵向时间比较

为便于直观显示2014—2020年变化,利用ArcGIS软件的可视性,将基于修正引力模型计算的各区域协同创新联系结果以及社会网络分析的中心度结果投射到地图上(见图4),进行不同时间维度空间联系特征的比较分析。

一是从京津冀协同创新联系看,整体呈现“两极高、中部弱、周边低”的空间分布格局,以及“从两极逐步扩展、联系日趋增多”的变化特征。“两极”分别是北京的海淀与朝阳,以及天津的西青和南开;北京与天津之间呈现“接壤区洼地”,北京、天津与周边的河北地市联系不多;2014—2020年协同创新网络节点间的联系不断增多,且联系强度不断增大。二是从京津冀各地区协同创新发展水平看,呈现“头部效应”突出、地域分布不均衡的特征,空间近邻效应明显。空间分布上呈现以“北京—天津”为双核心,向周边扩展的特征;“北京”核心的极化效应明显高于“天津”核心;京津冀协同创新水平整体呈现提高趋势,最低等级的区域从2014年的13个单元减少为2020年的9个,北部部分区域提高了发展等级。三是从京津冀协同创新节点看,重要节点数量不断增多。中心度大于8的单元由2014年的3个增加到2020年的9个,全部位于天津市区,说明北京创新极化效应明显,而天津的区域创新发展更加均衡。

6 结论与政策建议

6.1 结论

本文将京津冀协同创新水平置于多个维度,结合多种方法进行研究,得出如下结论:

(1)与长三角、粤港澳大湾区两大世界级城市群相比,京津冀科研能力较强,处于创新链前端。京津冀前端科研水平和技术扩散水平较高,但是与后端产业链衔接不足,产业发展水平不高,严重制约京津冀协同创新水平提高。

(2)京津冀三地内部各地区创新发展不平衡。2014-2020年,京津冀协同创新水平有较大程度提高,但是主体间的协同能力处于较低水平,整体协同创新水平尚有较大提升空间,极化现象有加剧发展趋势。北京集聚了大量创新资源,尤其是海淀、朝阳两区,但绝大部分创新成果流向南方城市,对津冀的创新辐射带动作用没有充分发挥。

(3)京津冀三地间尚未形成高效协同的创新网络。京津冀协同创新实际关系总量、网络密度等虽然提升较快,但仍处于较低水平,网络联系多发生于北京、天津内部以及京津之间,呈现以北京、天津为两极的空间特征,并向周边逐步扩展。其中,北京的创新能力以核心带动能力为主,而天津则多发挥市区间协同作用。天津滨海、武清两区的协同创新发展水平较高,但在创新网络构建中的作用不大,且呈现向东南、西北相背发展的趋势,一定程度上对创新资源集聚不利。

6.2 政策建议

一是通过场景创新驱动产业与技术、研发的融合。新场景能瞄准市场前沿需求,为创新要素和创新主体提供生态载体。在京津冀区域内促进应用场景、商业模式和科学技术的融合创新,以领域应用带动技术扩散,构建技术创新与场景需求的双轮驱动机制,有利于将现有技术应用于某个特定领域与场景,实现产业链与创新链融合,创造新技术、新产品、新材料、新流程乃至开辟新市场、新领域[28]。发挥基于京津冀大规模市场形成丰富应用场景的优势,通过市场需求引导创新资源配置,建设近京科创产业带和科创产业协同创新高地,促进三地科技创新和产业协同发展,构筑“产业—创新”耦合高地。

二是提升北京在区域内的创新辐射带动能力,缩小区域协同创新差距。北京应强化非首都功能的疏解,治理“大城市病”,培育区域中心城市,充分发挥北京城市副中心和雄安新区的承接功能[29]。天津应做好发展定位,依托滨海新区、武清等地理位置优势,加强与京冀的互动联系。河北省必须抓住京津冀协同发展以及雄安新区建设的战略机遇,推进环“京津雄”创新三角蔓延式发展,努力通过产业结构转型升级,实现跨越式发展。

三是构建京津冀高效协同的创新网络。完善创新扩散机制,促进京津冀创新要素自由流动,增强腹地对创新成果的吸纳转化能力。布局高技术产业集群,打造区域科创走廊,构建城市空间创新网络载体。大力发展制造业,提升区域内制造业创新水平。其中,促进北京创新成果在区域内转化是缩小三地经济发展差距的关键,天津、河北应当紧紧围绕北京的优势研发资源,完善产业承接、配套与转化体系,而非一味采取“退二进三”的产业结构转变方式。

参考文献：

[1] 田学斌,卢燕.新发展格局下京津冀产业链创新链深度融合推动河北产业高质量发展——2021京津冀协同发展参事研讨会综述[J].中共石家庄市委党校学报,2022,24(1):39-44.

[2] 张贵,温科.协同创新、区域一体化与创新绩效——对中国三大区域数据的比较研究[J].科技进步与对策,2017,34(5):35-44.

[3] COOKE P. Introduction: origins of the conception [C]. London:UCL Press, 1998:2-25.

[4] LEYDESDORFF L,FRITSCH M. Measuring the knowledge base of regional innovation systems in Germany in terms of a triple helix dynamics[J]. Research Policy,2006,35(10):1538-1553.

[5] 鲁继通.京津冀区域协同创新能力测度与评价——基于复合系统协同度模型[J].科技管理研究,2015,35(24):165-170,176.

[6] 王志宝,孙铁山,李国平.区域协同创新研究进展与展望[J].软科学,2013,27(1):1-4,9.

[7] 孙瑜康,李国平.京津冀协同创新水平评价及提升对策研究[J].地理科学进展,2017,36(1):78-86.

[8] 祝尔娟,何皛彦.京津冀协同创新水平测度与提升路径研究[J].河北学刊,2020,40(2):137-144.

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

[10] LUNDVALL B Å. Scope, style, and theme of research on knowledge and learning societies[J]. Journal of the Knowledge Economy,2010,1(1): 18-23.

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

[12] MEIJERS E.Polycentric urban regions and the quest for synergy:is a network of cities more than the sum of the parts[J]. Urban Studies,2005,42(4):765-781.

[13] NIETO M J, SANTAMARIA L. The importance of diverse collaborative networks for the novelty of product innovation[J]. Technovation, 2007, 27(6): 367-377.

[14] 上海科学所译.区域创新体系概论[M].上海:上海交通大学出版社,2000.

[15] BOSCHMA R A. Proximity and innovation: a critical assessment[J]. Regional Studies,2005,39(1):61-74.

[16] 解学梅,刘丝雨.都市圈中观视角下的协同创新演化研究综述[J].经济地理,2013,33(2):68-75.

[17] 陆大道.京津冀城市群功能定位及协同发展[J].地理科学进展,2015,34(3):265-270.

[18] 刘冬梅,赵成伟.成渝地区建设全国科创中心的路径选择[J].开放导报,2021,30(3):72-79.

[19] 李晓琳,李星坛.高水平推动京津冀协同创新体系建设[J].宏观经济管理,2022,38(1):60-67.

[20] 胡悦,马静,李雪燕.京津冀城市群创新网络结构演化及驱动机制研究[J].科技进步与对策,2020,37(13):37-44.

[21] 毕娟.京津冀科技协同创新影响因素研究[J].科技进步与对策,2016,33(8):49-54.

[22] 杜勇宏,王汝芳.基于研发枢纽—网络的京津冀协同创新效果分析[J].中国流通经济,2021,35(5):85-97.

[23] 国子健,钟睿,朱凯.协同创新视角下的区域创新走廊——构建逻辑与要素配置[J].城市发展研究,2020,27(2):8-15.

[24] 赵成伟,孙启明.京津冀人口与第三产业分布匹配研究——兼论影响首都人口疏解效果的因素[J].求是学刊,2018,45(6):53-60.

[25] REILLY W J. Methods for the study of retail relationships[M]. Austin:University of Texas Press,1929.

[26] 李琳,牛婷玉.基于SNA的区域创新产出空间关联网络结构演变[J].经济地理,2017,37(9):19-25,61.

[27] COOKE P. Regional innovation system: general findings and some new evidence frombiotechnology clusters[J].Journal of Technology Transfer,1992,27:133-145.

[28] 尹西明,苏雅欣,陈劲,等.场景驱动的创新:内涵特征、理论逻辑与实践进路[J].科技进步与对策,2022,39(15):1-10.

[29] 赵成伟,刘冬梅,王砚羽.产业疏解对京津冀协同发展的作用路径及效果研究[J].经济与管理评论,2022,39(3):53-66.

(责任编辑:胡俊健)