EN中文

地理研究 >

2021 , Vol. 40 >Issue 4: 913 - 927

DOI: https://doi.org/10.11821/dlyj020200333

“一带一路”视角下城市技术合作网络演化特征与影响因素研究

  • 焦美琪 ,
  • 杜德斌 ,
  • 桂钦昌 ,
  • 侯纯光
展开
  • 华东师范大学全球创新与发展研究院 华东师范大学城市与区域科学学院,上海 200062
杜德斌（1963-）,男,湖北宜昌人,教授,博士生导师,研究方向为世界经济地理与科技创新政策。E-mail:

焦美琪（1992-）,女,山西太原人,博士研究生,研究方向为科技创新与城市发展。 E-mail:

收稿日期: 2020-04-19

  录用日期: 2020-12-09

  网络出版日期: 2021-06-10

基金资助

国家社会科学基金重大项目(19ZDA087)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

The spatio-temporal evolution and influencing factors of urban technical corporation networks: From the perspective of Belt and Road

  • JIAO Meiqi ,
  • DU Debin ,
  • GUI Qinchang ,
  • HOU Chunguang
Expand
  • Institute for Global Innovation and Development, School of Urban and Regional Science, East China Normal University, Shanghai 200062, China

Received date: 2020-04-19

  Accepted date: 2020-12-09

  Online published: 2021-06-10

Copyright

Copyright reserved © 2021
Fold

摘要

采用2007—2018年的PCT专利合作数据,基于“一带一路”视角,分段刻画城市技术合作网络的拓扑结构、空间格局及其时空演化,利用负二项回归方法分析其演化的邻近性机理,结果表明：① 拓扑结构方面,网络整体规模经历了从“规模扩大”到“联系增强”的演化过程,中国城市逐渐占据网络的核心层级。② 空间格局方面,“一带一路”城市之间的合作多为国家内部合作,来自同一国家的城市在选择外部合作伙伴时具有一定的相似性。新加坡是“一带一路”内部网络和对外网络的枢纽节点。③ 影响机制方面,合作城市的质量对合作具有显著正向作用,地理邻近性和经济邻近性具有显著负向作用,社会邻近性、认知邻近性和语言邻近性具有显著正向作用,而地理邻近性与经济邻近性、地理邻近性与语言邻近性具有相互补充作用。

关键词： 一带一路; 全球城市; 复杂网络; 技术合作网络; 邻近性

本文引用格式

焦美琪 , 杜德斌 , 桂钦昌 , 侯纯光 . “一带一路”视角下城市技术合作网络演化特征与影响因素研究[J]. 地理研究, 2021 , 40(4) : 913 -927 . DOI: 10.11821/dlyj020200333

Abstract

China proposed the Belt and Road Initiative (BRI) to facilitate the economic development of the Belt and Road (B&R) region. In the vision of BRI, countries will utilize their comparative advantages to foster cultural and educational exchanges, build scientific and technological platforms, enhance relevant institution for long-term and stable scientific and technological collaboration, and elevate innovation abilities. As a result, B&R technological transfer networks can be constructed. At the same time, the integration of regional innovation can be achieved. However, within the B&R region, except a few developed countries, most countries are still developing or less developed. These countries sometimes show quite different evolutionary mechanism from the developed ones. Therefore, research on B&R technical corporation networks has both pragmatic and theoretical meanings in boosting the development of B&R countries. Under the background of knowledge economy, technology innovation becomes the key to regional economic development. Cities are the main platform of technology activities. So in order to explore the technology activities in and outside B&R region, we investigate the PCT patent data from 2007 to 2018. The inner and outer B&R technical corporation networks are constructed to present the topological structure and spatial distribution of the technical corporation activities. The negative binomial regression is used to detect the dynamic mechanism from the perspective of the proximity theory. The results show that in terms of topological structures, the networks evolve from Scale Extension to Linkage Enhancement stage. Chinese cities gradually reach the core position. In terms of spatial distribution, most linkages between B&R cities are domestic. Meanwhile, cities from the same country show similar pattern of choosing outer corporation partners. Singapore is the most important hub in both inner and outer B&R networks. We find that the mass of cities has significant impact on corporation. Geographical proximity and economic proximity have the significant negative impact, while social proximity, technology proximity and language proximity have the significant positive impact. In addition, geographical proximity and economic proximity have complementary effects as well as geographical proximity and language proximity.

Key words： Belt and Road; global cities; complex networks; technical cooperation network; proximity

1 引言

科技全球化背景下,创新成为区域经济增长的关键[1]。创新要素的全球流动构成了全球创新网络,全球创新网络深刻塑造着全球体系[2,3]。国家间相互依存关系逐渐由贸易投资向科技合作转移,科技实力成为国家权力的核心来源,深刻重构国家权力分配格局[4]。城市是科技创新的重要载体,具有要素集聚、知识传播和技术交互功能[5]。由于创新资源和科技创新活动空间分布的不均衡性,创新能力强的城市比经济能力强的城市空间分布更为集中,像“钉子”般凸起[6]。城市间的联系跨越国家和区域边界,对网络中其他城市节点产生深刻的影响[7,8]。
中国在2013年先后提出建设“丝绸之路经济带”和“21世纪海上丝绸之路”（简称“一带一路”）倡议,截至2019年10月,已同137个国家和30个国际组织签署197份共建“一带一路”合作文件。2019年4月,推进“一带一路”建设工作领导小组办公室发表《共建“一带一路”倡议：进展、贡献与展望》报告。报告指出,2013年以来,“一带一路”促进科技创新成果向沿线国家转移,发起成立了“一带一路”国际科学组织联盟等科技人文交流机制。报告提出了建设创新之路的美好愿景：沿线各国利用自身比较优势,推动人文交流、共建科研平台、深化长期稳定的科技创新合作机制,提升沿线国家的科技创新能力,构建“一带一路”技术转移协作网络,促进区域创新一体化发展。全球创新网络是地缘科技学的重要议题,从“一带一路”视角研究城市创新网络对中国提升自身科技实力、反制他国技术封锁、带动沿线国家科技发展具有战略意义[9,10]。
从世界范围来看,欧美城市创新创业实力强劲,但也有研究表明,知识网络中的优势节点已经从北美逐渐向欧亚转移[11]。“一带一路”沿线国家中,仅有少数国家为发达国家,其余国家均为发展中国家或最不发达国家。Giuliani在微观尺度研究阿根廷工业集群时发现,落后地区网络演化机制与发达地区并不相同。在不发达地区,尽管本地的社会和制度邻近对合作具有正向影响,但不足以维持本地集群的存活[12,13]。目前从“一带一路”角度探讨城市技术合作网络的时空演化格局及其演化机制的研究尚不多见,故本文采用2007—2018年的PCT专利合作数据,刻画“一带一路”视角下城市技术合作网络的网络拓扑结构、空间格局及其时空演化,并基于邻近性理论分析其演化的动力机制。

2 文献回顾

2.1 世界城市网络

随着经济全球化和信息化程度的加深,城市之间的联系越来越紧密,经济地理学家对城市的研究由等级视角向网络视角转变。Castelle提出了“流空间（the space of flows）”概念,认为全球城市是过程而非地点。在此过程中,高级生产服务业的中心及其附属部门基于信息流联结成为全球网络[14]。以Taylor为主导的GaWC（Globalization and World Cities Research Network）利用高级生产服务业中的企业联系构建世界城市网络,探讨世界城市网络演化过程与机制、网络结构与全球化的相互作用、网络结构对城市发展影响等问题[15]。在此基础上,学者对研究方法和内容进行了充分的拓展和延伸。Lüthi认为,基于大型高级生产服务业“自上而下”的方法虽然能够探讨国家间宏观尺度上的差异,却忽视了全球化过程中小微经济体在网络中的作用[16]。为了克服这一缺陷,有学者将区域内城市置于世界城市背景下进行研究。Wall将荷兰兰德斯塔德地区城市置于世界城市背景下,发现城市网络的结构高度依赖于企业总部的规模和位置[17]。Mans构建了印度城市自网络,探讨“末端节点（end nodes）”在网络中的作用[18]。部分学者从企业出发探索城市之间的相互作用。Rozenblat发现,网络中新兴大城市的确具有优势,而专业化集群的本地效应不足[19]。

2.2 “一带一路”技术合作网络

自2013年中国提出“一带一路”倡议以来,相关研究逐年增长。早期研究的研究主题主要以宏观探讨战略内涵和微观分析投资格局为主。近年来,中观尺度上对“一带一路”建设中区域、产业等层面的研究有所增加。“一带一路”合作网络研究主要关注战略内涵和理论构建、基础设施联结、海外投资、资源环境等方面[20,21]。相关研究主要利用文献计量方法测度沿线国家技术合作网络的拓扑结构、技术领域、合作对象等。部分学者关注技术贸易与技术输出等方面[22]。研究发现,“一带一路”国家间技术合作网络中节点的合作广度和强度均具有不均衡性,核心节点基本为经济较发达国家[23]。“一带一路”沿线国家的科技合作总体保持增长趋势,合作区域呈现不均衡的特征,企业是技术合作的主体[24]。中国与“一带一路”内部国家专利合作日益频繁,在网络中的核心地位逐步确立[25]。高伊林等通过比较中美与“一带一路”沿线国家科技合作的双多边关系,发现中美都将发达国家作为主要市场,但各自的区域偏好不同[26]。受到数据可获得性的制约,“一带一路”合作网络研究主要为国家尺度,城市尺度的研究主要以国内城市作为研究对象,包含“一带一路”沿线其他国家的城市网络研究尚不多见。

2.3 邻近性理论

演化经济地理学广泛应用多维邻近性理论框架探索创新网络的演化机制[27]。Boschma提出了影响机构进行知识交换的五种邻近性,即认知邻近性、社会邻近性、组织邻近性、制度邻近性和地理邻近性[28]。认知邻近性是网络中主体间共同的知识基础;组织邻近性指两个组织受制于同一等级控制;社会邻近性通常为主体间的朋友关系;制度邻近性为组织受同一准则或制度的约束;地理邻近性即两组织间的空间距离或经历时间[29,30]。一定的认知邻近性是学习过程的基础,对知识创造与传递都具有促进作用[31]。组织邻近性降低了不确定性和机会主义,促进网络构建;社会邻近性的“关系”内涵增加了组织参与到创新网络的可能性,同时也降低了组织间产生冲突的风险;制度邻近性在宏观层面为相互学习提供动力;地理邻近性并非直接作用于创新活动,但其对其他邻近性以及创新活动都具有间接的促进作用[32]。Balland指出,随着通信技术的迅速发展,知识更易在空间中传播,故地理邻近性的重要性相对于其他邻近性有所下降[33]。Sun首次提出了经济邻近性概念,发现在技术转移网络中,经济发展水平相似的节点更易于合作[34]。Soo通过研究218个OECD城市的专利活动数据发现,城市的专利合作量与其GDP和人口密度正相关[35]。在全球合作网络研究中,文化邻近性也起着重要作用,不同的文化背景可能会阻碍节点之间的合作[36,37]。张明倩等通过对“一带一路”跨国专利合作网络研究,发现国家自身创新能力对技术合作具有促进作用,贸易邻近性、语言邻近性、宗教邻近性和地理邻近性对国家间技术合作具有正向作用,且作用程度依次下降[38]。

3 数据来源与研究方法

3.1 数据来源

专利合作协定是专利领域的一项国际合作条约,PCT专利比各国专利局的专利数据更能体现全球专利合作情况。本文以2007—2018年的PCT专利申请数据作为数据来源,选取联合国《The World's Cities in 2018 Data Booklet》[39]和2thinknow发布的《Innovation Cities™ Index 2018: Global》[40]中包含的856个城市作为研究对象。结合谷歌地图网站（https://www.google.com/maps）和GADM数据库（http://gadm.org）对专利申请人地址进行地理编码,剔除重复和错误的数据,构建专利空间数据库。为了确定“一带一路”城市样本,本文结合已有研究,选取“一带一路”沿线65个国家（表1）中的城市作为研究对象,基于图论构建城市技术合作网络连通图[41,42,43]。
表1 研究区域

Tab. 1 Research area

区域 主要国别
东北亚（2） 蒙古、中国
东南亚（11） 印度尼西亚、泰国、马来西亚、越南、新加坡、菲律宾、缅甸、柬埔寨、老挝、文莱、东帝汶
南亚（8） 印度、巴基斯坦、孟加拉国、斯里兰卡、阿富汗、尼泊尔、马尔代夫、不丹
西亚北非（19） 沙特阿拉伯、阿联酋、阿曼、伊朗、土耳其、以色列、埃及、科威特、伊拉克、卡塔尔、约旦、黎巴嫩、巴林、也门、格鲁吉亚、阿塞拜疆、亚美尼亚、叙利亚、巴勒斯坦
中东欧（20） 俄罗斯、波兰、罗马尼亚、捷克、斯洛伐克、保加利亚、匈牙利、拉脱维亚、立陶宛、斯洛文尼亚、爱沙尼亚、克罗地亚、阿尔巴尼亚、塞尔维亚、乌克兰、白俄罗斯、摩尔多瓦、北马其顿、波黑、黑山
中亚（5） 哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、吉尔吉斯斯坦、塔吉克斯坦

注：不包括中国台湾地区的城市。

3.2 研究方法

3.2.1 构建城市网络 将同一城市的不同名称进行整合,删除与其他城市无合作关系的孤立节点,共获得城市节点432个,其中“一带一路”城市228个,非“一带一路”城市204个。将城市的合作数量作为节点权重,城市间的联系数量作为边权重,构建无向加权网络。
节点的无标度性反映了节点对资源的控制和再分配能力[44]。若网络中的节点度值分布符合幂律（power-law）分布,则称该网络为无标度网络。无标度网络节点度k幂律分布函数为
p k = c k - γ
式中：c是常数,γ为幂指数。γ值越大,网络异质性越低。
核心-边缘结构是指中心联系紧密、外围系数分散的稳定结构[45]。本文通过Pajek计算网络中城市节点之间的欧氏距离得出节点之间的非相似性,利用聚类方法将划分网络中节点的核心-边缘结构。
3.2.2 回归模型 选取专利合作量 T T ij 作为被解释变量。由于专利合作量为非负整数,且其方差明显大于期望,即存在“过度分散”效应。故采用负二项回归方法探讨“一带一路”技术合作网络的演化机制：
T T ij = α + β 1 Mas s i + β 2 Mas s j + β 3 Mas s i × Mas s j + γ ij ∑ prox ij + β 4 Soc _ pro x ij × Geo _ pro x ij + β 5 Cog _ pro x ij × Geo _ pro x ij + β 6 Eco _ pro x ij × Geo _ pro x ij + β 7 Lan _ pro x ij × Geo _ pro x ij + ε ij
式中：城市i和j的专利总量 Mas s i 和 Mas s j 为城市i和城市j的质量。地理邻近性 Geo _ pro x ij 为城市i和j之间球面距离的倒数。社会邻近性 Soc _ pro x ij 为城市i和城市j技术合作的Jaccard相似系数[46]。采用Jaffe对认知邻近性的测度方法,即认知邻近性 Cog _ pro x ij 为城市i与城市j专利类型（IPC）八大部类构成向量的余弦相似性[47]。参照世界银行（https://data.worldbank.org.cn/）收入群组划分经济邻近性 Eco _ pro x ij ,若城市i和城市j属于同一收入群组,则即为1,否则为0。语言邻近性 Lan _ pr o x ij 提取于法国CEPII数据库（http://www.cepii.fr/CEPII/en/bdd_modele/bdd.asp）。Boschma认为,地理邻近性可能会对其他邻近性产生影响,故引入交叉项 Soc _ pro x ij × Geo _ pro x ij 、 Cog _ pro x ij × Geo _ pro x ij 、 Eco _ pro x ij × Geo _ pro x ij 、 Lan _ pro x ij × Geo _ pro x ij 测度地理邻近性对社会邻近性、认知邻近性、经济邻近性和语言邻近性的调节作用[28,48]。

4 “一带一路”视角下城市技术合作网络的拓扑结构演化

4.1 拓扑结构演化： “规模扩大”到“联系增强”

“一带一路”视角下的城市技术合作网络经历了由“规模扩大”到“联系增强”的演化过程（表2）。网络中“一带一路”域内和域外的城市节点数不断增加,在2013—2015年到达较高水平后维持相对稳定。在2013—2015年和2016—2018年期间,网络中的边数和节点的平均度仍然保持增长,说明网络中节点间的联系强度提升,联系日益紧密。网络密度始终较低,为稀疏网络。网络的平均聚类系数经历了“升高-降低-升高”的变化,说明网络中的节点经历了“先集聚后分散再集聚”的过程。网络的平均路径长度逐渐降低,说明网络中节点间的距离逐渐缩短,联系程度加强。
表2 不同时段“一带一路”城市技术合作网络的拓扑结构演化

Tab. 2 The evolution of topological structure of Belt and Road urban technical cooperation network

2007—2009年 2010—2012年 2013—2015年 2016—2018年
城市节点数 186 240 281 286
“一带一路”城市节点数 107 135 164 163
边数 366 550 883 1008
平均度 3.527 4.017 5.217 5.944
平均加权度 27.011 28.067 29.402 42.273
网络直径 8 8 7 7
密度 0.019 0.017 0.019 0.021
平均聚类系数 0.381 0.452 0.510 0.479
平均路径长度 3.556 3.302 3.05 3.032

4.2 无标度性：内部节点逐渐突出

分时段节点的度值分布如图1。各时段拟合曲线R2分别为0.950、0.953、0.947和0.933,拟合效果较好。各时段节点度分布均符合幂律分布,为无标度网络。各时段网络中均存在度值突出的优势节点,这些节点对网络中的科技资源具有集聚效应和再分配功能。2013—2015年和2016—2018年时段,峰值节点的度值基本持平,而其余节点的度值逐渐增加。北京和上海在各时间段均为度值第一和第二的节点,深圳在2016—2018年时间段取代新加坡成为网络中度值第三的节点。“一带一路”外部的城市节点度值在网络中的位序逐渐下降,如巴黎、东京等;中国城市的节点度值在网络中的位序逐渐提升,如深圳、南京、杭州等。网络的幂指数γ随时间变化而逐渐上升。
图1 分时段节点度分布

Fig. 1 The evolution of degree distribution

4.3 核心-边缘结构：中国城市逐渐成为核心

“一带一路”视角下城市技术合作网络的核心-边缘结构如图2所示,其中绿色节点为“一带一路”内部城市,红色节点为中国城市,蓝色节点为“一带一路”外部城市。2007—2012年,网络的核心位置由孟买、伦敦和鹿特丹占据,构成“核心三角”。第二层级中,中国城市和非“一带一路”城市在数量上平分秋色,其他“一带一路”城市较为弱势,仅有新加坡和利雅得处于该层级。2013—2018年,北京、合肥、上海、深圳、天津等中国城市与日本的东京和大阪跻身于核心层。第二层级中,中国城市与非“一带一路”城市在数量上基本相同,其他“一带一路”城市依然处于弱势,仅有新加坡、班加罗尔、孟买、阿布扎比处于此层级。部分城市凭借其先天的地缘优势成为网络中活跃的枢纽节点,如新加坡凭借其独特的地理位置,与各大洲的城市均有合作联系;而阿布扎比则依靠其丰富的油气资源,吸引了诸如维也纳BOREALIS等化工类跨国公司在此展开合作研发活动。
图2 分时段“一带一路”城市技术合作网络的核心-边缘结构

注：各图中节点大小和线粗细与其值成正比。

Fig. 2 The evolution of core-periphery structure of Belt and Road cities

从城市所属国家看,中国城市在网络演化过程中占据越来越重要的位置,且有将其他“一带一路”城市“挤出”核心圈层的趋势。欧美发达国家的城市是“一带一路”城市合作的主要对象。2007—2012年,网络中中国城市节点有75个,其他“一带一路”城市节点有67个,共占节点总数的54.6%。尽管“一带一路”城市是网络的主体,但除孟买、北京、上海和深圳在网络中较为核心的位置外,其余节点都在网络边缘,外部城市节点对网络的控制作用强。2013—2018年,网络中中国城市节点为105个,其他“一带一路”城市为80个,占节点总数56.4%。核心层除东京和大阪外,其余均为中国城市。第二层级上,其他“一带一路”城市仅有新加坡、阿布扎比、孟买和班加罗尔。新加坡、阿布扎比均属于高收入国家,而印度的孟买和班加罗尔因其特殊的历史文化背景,与英国的伦敦、美国的旧金山-圣何塞-奥克兰等城市有较为密切的合作。同一国城市之间的协同合作对提升城市节点在网络中的位置具有重要作用。中国城市在“一带一路”城市技术合作网络中的影响力显著增强,取代孟买占据了网络中最为核心的位置。值得注意的是,核心层的中国城市主要与中国城市或发达国家城市合作,即使是与“一带一路”合作最为密切的上海,其合作对象也为布鲁诺、新加坡等经济水平和技术能力相对优越的城市。
从联系主体看,创新型企业对“一带一路”城市在网络中的位置具有重要的作用。2007—2012年,孟买、伦敦和鹿特丹构成的“核心三角”之间的联系有92.6%为联合利华英国总部、鹿特丹总部与印度分公司（HINDUSTAN UNILEVER）之间的联系。2013—2018年,合肥凭借其与北京的密切联系,在网络中处于重要的位置。合肥的对外联系90.2%都为与北京的合作,其中,合肥京东方光电科技有限公司和合肥鑫晟光电科技有限公司两家企业与京东方科技集团有限公司的合作分别占比为49.7%和49.5%。

5 “一带一路”城市技术合作网络的空间格局及演化

5.1 内部联系：合作意愿不强,增长速度缓慢

本文借鉴Yang等的可视化方法对“一带一路”城市间技术合作进行可视化处理（图3）[49]。“一带一路”城市间的合作多为同一国家城市间的合作,跨国合作较少。网络内部合作意愿不强,合作频率较低,增长速度较为缓慢。内部合作网络的规模逐渐扩大,成员数量有所增加。在2013—2018年,中亚地区城市首次加入“一带一路”内部合作网络,来自其他地区的城市也有所增加。
图3 “一带一路”内部城市技术联系网络

Fig. 3 Inner linkages of Belt and Road cities

同一国内城市之间的合作比跨国合作更为密切。由图3可知,“一带一路”内部的城市合作主要发生在“对角线”附近,城市的合作对象大多在网格上横向或纵向连续分布,说明合作往往是所属同一国或同一区域的城市所构成的集团,有较强的集聚性,如印度城市之间的合作。新加坡是“一带一路”内部网络的枢纽城市,不仅与东南亚城市联系密切,与其他地区城市也均有合作。中国城市与“一带一路”城市的联系强度比其他城市更高。从2007—2012年到2013—2018年时间段,与中国城市合作的“一带一路”城市数量逐渐增加,其中最为重要的合作对象为新加坡。

5.2 对外联系：同一国城市具有相似的合作偏好

受篇幅所限,依照城市间联系数量,首先列举“一带一路”城市（不含中国城市）与“一带一路”外部城市合作数前20的联系对（表3）。其中,印度城市、以色列城市和新加坡城市在“一带一路”城市对外联系网络中具有重要作用。同一国的“一带一路”城市节点在选择合作对象时具有一定的相似性。如印度城市由于历史文化原因,与欧洲尤其是英国城市联系密切,尽管在2014—2018年印度城市的合作范围扩展到了美国,但其主要合作伙伴仍为欧洲城市。与之类似,以色列城市始终与美国城市保持着较为密切的联系。新加坡是“一带一路”地区对外联系的重要枢纽,几乎与网络中每个国家的城市都有联系。
表3 “一带一路”城市与外部城市主要联系对

Tab. 3 Top 20 Belt and Road urban linkages

2007—2013年 2014—2018年
孟买（印度）-伦敦（英国） 阿布扎比（阿联酋）-伦敦（英国）
孟买（印度）-鹿特丹（荷兰） 班加罗尔（印度）-斯图加特（德国）
新加坡-东京（日本） 阿布扎比（阿联酋）-维也纳（奥地利）
利雅得（沙特阿拉伯）-慕尼黑（德国） 新加坡-东京（日本）
班加罗尔（印度）-斯图加特（德国） 孟买（印度）-萨克拉门托（美国）
利雅得（沙特阿拉伯）-不莱梅（德国） 孟买（印度）-伦敦（英国）
新加坡-纽约-纽瓦克（美国） 特拉维夫（以色列）-苏黎世（瑞士）
耶路撒冷（以色列）-伦敦（英国） 新加坡-大阪（日本）
利雅得（沙特阿拉伯）-巴黎（法国） 新加坡-纽约-纽瓦克（美国）
新加坡-大阪（日本） 新加坡-巴黎（法国）
雅加达（印度尼西亚）-东京（日本） 新加坡-旧金山-圣何塞-奥克兰（美国）
耶路撒冷（以色列）-纽约-纽瓦克（美国） 孟买（印度）-鹿特丹（荷兰）
德里（印度）-日内瓦（瑞士） 曼谷（泰国）-东京（日本）
莫斯科（俄罗斯）-得梅因（美国） 多哈（卡塔尔）-华盛顿（美国）
利雅得（沙特阿拉伯）-首尔（韩国） 利雅得（沙特阿拉伯）-慕尼黑（德国）
新加坡-圣迭戈（美国） 班加罗尔（印度）-伦敦（英国）
新加坡-巴尔的摩（美国） 雅加达（印度尼西亚）-东京（日本）
棉兰（印度尼西亚）-东京（日本） 利雅得（沙特阿拉伯）-温哥华（加拿大）
莫斯科（俄罗斯）-首尔（韩国） 新加坡-汉诺威（德国）
莫斯科（俄罗斯）-东京（日本） 特拉维夫（以色列）-纽约-纽瓦克（美国）

注：不含中国城市与“一带一路”外部城市的联系。

在对外技术合作网络中,内部城市节点和外部城市节点数量都有所增加,网络整体规模扩大。与内部技术合作网络相比,外部合作强度远高于内部城市间合作,说明“一带一路”内部技术合作网络不足以满足其自身技术发展需要,需要向外部城市节点寻求更广阔的技术市场。从对外的合作对象来看,外部城市与内部城市的合作具有明显的“截断”特征,即外部城市与某些区域的城市保持着固定的联系,而与其他地区的城市基本无联系。如在2007—2012年巴黎与中东欧、南亚的城市均有合作,但与西亚北非和东南亚城市缺乏联系。与之相反,东京则与东南亚城市保持着密切联系。
中国城市与外部城市的联系逐渐增强。2007—2012年,孟买与外部城市伦敦、鹿特丹合作最为密切;2013—2018年,孟买与伦敦和鹿特丹的合作逐渐弱化,但合作对象逐渐多元。在此期间,城市间联系逐渐加强,类似孟买这样“一枝独秀”的城市逐渐弱化并被中国城市赶超。2013—2018年,北京、上海与纽约-纽瓦克的联系数分别为279、197,远高于同期网络中“一带一路”内部其他城市的对外联系值。

6 邻近性机理

对邻近性变量进行共线性检验,结果如表4。从表可知,各变量VIF值远小于10,可认为指标间基本不存在共线性。负二项回归结果如表5所示。从模型1可以看出,城市质量 Mas s i 和 Mas s j 对城市间技术合作具有显著正相关性,说明专利产出越高的城市对外合作量也越高。交叉项表示变量之间的调节作用。模型2中,交叉项 Mas s i × Mas s j 显著负相关,说明城市i和城市j的质量互为替代作用。
表4 邻近性指标的共线性检验

Tab. 4 Results of collinearity test

变量名称 VIF 1/VIF
Geo_proxij 1.03 0.97
Soc_proxij 1.15 0.87
Cog_proxij 1.08 0.93
Eco_proxij 2.03 0.49
Lan_proxij 2.26 0.44
表5 负二项回归结果

Tab. 5 Results of negative binomial regression

变量 模型1 模型2 模型3 模型4 模型5 模型6
Massi 0.364*** 0.398*** 0.398*** 0.399*** 0.398*** 0.396***
(0.103) (0.108) (0.106) (0.108) (0.106) (0.106)
Massi 0.059** 0.076*** 0.076*** 0.076*** 0.079*** 0.077***
(0.023) (0.025) (0.024) (0.025) (0.0243) (0.024)
Geo_proxij -1.002* -0.968* -2.859* -1.711 -364.768* -278.199**
(0.530) (0.529) (1.416) (4.041) (188.861) (129.404)
Soc_proxij 1.807* 1.861** 1.691 1.861* 1.972* 1.920*
(1.107) (1.062) (1.081) (1.062) (1.059) (1.061)
Cog_proxij 2.337*** 2.382*** 2.394*** 2.374*** 2.352*** 2.372***
(0.593) (0.595) (0.596) (0.610) (0.582) (0.588)
Eco_proxij -1.341*** -1.337*** -1.338*** -1.337*** -1.447*** -1.299***
(0.327) (0.327) (0.327) (0.327) (0.355) (0.314)
Lan_proxij 1.282*** 1.257*** 1.282*** 1.254*** 1.252*** 1.138***
(0.199) (0.196) (0.201) (0.200) (0.195) (0.200)
Massi×Massj -0.037*** -0.037*** -0.037*** -0.0364*** -0.036***
(0.007) (0.007) (0.007) (0.007) (0.007)
Soc_proxij×Geo_proxij 12.997
(8.744)
Cog_proxij×Geo_proxij 1.217
(7.293)
Eco_proxij×Geo_proxij 363.818*
(188.827)
Lan_proxij×Geo_proxij 277.260*
(129.370)
常数 -0.168 -0.220 -0.229 -0.214 -0.093 -0.135
(0.426) (0.427) (0.426) (0.428) (0.438) (0.432)
样本数 1471 1471 1471 1471 1471 1471
Alpha 1.742 1.731 1.731 1.731 1.719 1.718
Log pseudolikelihood -4093.773 -4088.045 -4087.408 -4088.031 -4082.045 -4082.351

注：*表示P<0.10;**表示P<0.05;***表示P<0.01。

国家尺度的多维邻近性研究中,地理邻近性和经济邻近性通常具有显著正向作用,而欠发达地区城市在选择合作对象时与全球城市不尽相同[46]。“一带一路”视角下,城市技术合作网络中地理邻近性和经济邻近性具有显著负向作用。说明在“一带一路”技术合作网络中,地理位置接近并非城市选择合作对象的主要因素。在全球化升级的过程中,创新资源流动的形式更为多样、空间范围不断扩大。通信技术的发展削弱了地理邻近性的作用,与Balland的观点相符[33]。网络中城市合作往往是明星城市与边缘城市的结合,经济发展水平悬殊,故经济邻近性显著为负。社会邻近性和语言邻近性对城市间技术合作具有显著正向作用。认知邻近性显著为正,说明合作城市具有相似的知识基础和技术结构。模型1和模型2说明,“一带一路”视角下的技术合作网络中,城市节点选择合作主要对象为距离较远,但经济发展水平高、技术创新实力强的外部明星城市。“一带一路”内部的城市节点大多为中低收入,自身技术创新实力不足,本地技术市场不足以满足其发展的需要,故需要向远距离的明星城市“求助”,如孟买等城市。即使是“一带一路”中少数较为发达的城市,也不愿与本地落后城市节点合作,宁愿选择地理距离较远的欧美城市节点作为合作对象,如特拉维夫等城市。这些区域内部相对发达城市的“自私（everyone for themselves）”行为可能会阻碍区域内部的知识流动,进而抑制区域发展[12]。对于“一带一路”外部的城市节点,与“一带一路”城市合作可以有效利用当地资源、降低技术开发成本、规避竞争,并更好地在当地市场推广其新兴技术[50]。社会邻近性、认知邻近性和语言邻近性具有显著正向影响,说明“一带一路”城市节点更倾向于与社会关系相近、技术优势相似、沟通障碍较小的外部城市节点进行合作。网络的构建和发展需要信任和长期承诺,且根植于特定的社会文化背景中,为了节约搜索和管理成本,往往形成的路径依赖和锁定,使得网络边缘位置的节点难以提升自己在网络中的位置,未进入网络的节点难以进入网络,导致“弱者恒弱”现象[51,52]。
模型3和模型4中,地理邻近性与社会邻近性的交叉项 Soc _ pro x ij × Geo _ pro x ij 、地理邻近性与认知邻近性的交叉项 Cog _ pro x ij × Geo _ pro x ij 均不显著,说明地理邻近性和社会邻近性、地理邻近性和认知邻近性之间无调节作用。模型5中,地理邻近性和经济邻近性的交叉项 Eco _ pro x ij × Geo _ pro x ij 显著为正,说明地理邻近性和经济邻近性具有互补作用,经济邻近性对城市间合作的作用受地理邻近性的促进,地理邻近性越高,经济邻近性对城市间合作的作用越大,反之亦然。模型6中,地理邻近性和语言邻近性的交叉项 Lan _ pro x ij × Geo _ pro x ij 显著为正,说明地理邻近性和语言邻近性具有互补作用,语言邻近性对城市合作的影响受到地理邻近性的促进,地理邻近性越强,语言邻近性对城市间合作的作用越大,反之亦然。模型5和模型6说明,地理邻近性在一定程度上促进了经济邻近性和语言邻近性对技术合作的作用。但由于“一带一路”城市本地网络的低密度与碎片化,内部城市节点依然倾向于打破地理边界寻求文化背景相似的明星城市节点进行合作。

7 结论与讨论

7.1 结论

得出以下结论：
（1）网络的拓扑结构方面,网络整体规模经历了从“规模扩大”到“联系增强”的演化过程。网络在各个阶段都为无标度网络,优势节点突出。网络的核心位置逐渐被中国城市占据。
（2）网络的空间演化方面,“一带一路”内部的合作多为同一国家城市间的合作,在选择外部合作对象时,同一国城市具有相似的偏好。新加坡是网络中内部与对外合作的枢纽。创新型企业是技术合作最重要的主体,城市之间的合作反映了企业的研发活动分布。“一带一路”内部技术合作网络不足以满足其自身技术发展需要,需要寻求外部更广阔的技术市场。
（3）网络演化的影响因素方面,合作城市的质量对合作具有显著正向作用,地理邻近性和经济邻近性具有显著负向作用,社会邻近性、认知邻近性和语言邻近性具有显著正向作用,而地理邻近性与经济邻近性、地理邻近性与语言邻近性具有相互补充作用。

7.2 讨论

在当今世界经济发展普遍受阻的背景下,加强区域合作能有效促进世界经济发展。苏东剧变后,“一带一路”沿线所处地区由“心脏地带”沦为世界体系的“边缘地带”[53]。除了新加坡、以色列、沙特阿拉伯、印度等个别国家的少数城市具有较强的经济活力,其他城市的经济发展水平难以带动周边区域发展。创新是经济发展的重要动力,技术创新是创新的重要组成部分,而城市正是技术创新最重要的载体。在“一带一路”城市技术合作网络中,中国城市逐渐占据核心位置,而其他“一带一路”城市大多处于次核心或边缘位置。企业、高校和科研院所是科技创新的主体。2020年发布的QS世界大学排名1000强榜单中,242所来自中国以外的“一带一路”高校上榜,仅有新加坡国立大学、南洋理工大学、马来西亚大学、莫斯科罗蒙诺索夫国立大学位于前100名。而在《财富》世界500强企业排行榜中,非中国“一带一路”企业仅有14家,仅沙特阿美公司、托克集团、信实工业公司3家企业跻身前100强。创新主体创新能力不强,促使“一带一路”沿线城市迫切需要寻找外部合作对象,从而提升自身科技创新能力。中国提出的“一带一路”倡议为沿线国家提供了新的发展机遇,成为构建平等互惠的新型全球化的重要抓手。“一带一路”城市技术合作网络中的边缘城市节点,能够凭借其丰富自然资源、劳动力资源等比较优势参与到技术合作中。同时,“一带一路”沿线城市也更倾向与拥有历史文化背景相似、有合作基础的明星城市进行合作研发活动[54]。中国自古就与古丝绸之路上的城市具有密切的联系往来,中国城市需要利用自身在网络中的优势地位,带动“一带一路”沿线国家协同发展,实现互利共赢。基于此,本文研究对中国推动“一带一路”一体化建设提出以下政策建议：
（1）提升城市自身实力,加快建设具有全球影响力的科技创新中心。尽管“一带一路”城市大多自身技术创新能力有限,但其有与明星城市合作的迫切需求。建设具有全球影响力的科技创新中心能够有效促进科技创新成果向沿线国家转移,带动提升沿线国家技术创新水平,推动“一带一路”一体化建设。培育技术转移枢纽型城市,发挥技术守门员作用,对促进知识流动、带动沿线城市发展具有重要意义。中国城市应依托自身多样的学术、商贸、文化交流背景,因地制宜选择“一带一路”城市作为合作对象。
（2）培养优秀创新型企业,发挥城市比较优势。“一带一路”城市拥有丰富的人力资源和自然资源,如印度孟买和沙特阿拉伯的达兰等。创新型企业是“一带一路”城市技术合作网络的主体,引导本土创新型企业“走出去”、鼓励国外的创新型企业“走进来”,对加强企业在城市间的人员流动和业务往来、建立城市间长期合作关系、提升互利互惠具有重要意义。
（3）完善“一带一路”科技领域合作的制度保障。“一带一路”城市节点更倾向于与社会关系相近、技术优势相似、沟通障碍较小的外部城市节点进行合作。完善相关科技、产业、财政、税收、投资、金融、外贸、人事等方面的鼓励和扶持政策,有助于加深共识、增加信任[55]。优化知识产权环境,推动知识产权相关法律法规的一体化进程,是构建推进“一带一路”科技领域合作的重要制度保障。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文研究视角、实证方法选择与指标选取、结论梳理与讨论方面提出了非常宝贵的修改意见,使本文有了质的飞跃,获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
杜德斌, 何舜辉. 全球科技创新中心的内涵、功能与组织结构. 中国科技论坛, 2016, (2):10-15.

[ Du Debin, He Shunhui. The connotation, function and organization of global S＆T innovation center. Forum on Science and Technology in China, 2016, (2):10-15.] DOI: 10.13249/j.cnki.sgs.2017.07.006.

[2]
Ernst D, Kim L. Global production networks, knowledge diffusion, and local capability formation. Research Policy, 2002,31(8):1417-1429. DOI: 10.1016/S0048-7333(02)00072-0.

[3]
杜德斌. 全球科技创新中心: 动力与模式. 上海: 上海人民出版社, 2015: 2-20.

[ Du Debin. Global Technical Innovation Center: The Dynamics and Model. Shanghai: Shanghai People's Press, 2015: 2-20.]

[4]
段德忠, 杜德斌, 谌颖. 知识产权贸易下的全球地缘科技格局及其演化. 地理研究, 2019,38(9):2115-2128.

[ Duan Dezhong, Du Debin, Chen Ying. Global geopolitical pattern on science & technology from the perspective of intellectual property trade. Geographical Research, 2019,38(9):2115-2128.] DOI: 10.11821/dlyj020180789.

[5]
马双, 曾刚. 多尺度视角下中国城市创新网络格局及邻近性机理分析. 人文地理, 2020,35(1):95-103.

[ Ma Shuang, Zeng Gang. Analysis of China's urban innovation network pattern and its proximity mechanism from a multi-scale perspective. Human Geography, 2020,35(1):95-103] DOI: 10.13959/j.issn.1003-2398.2020.01.011.

[6]
Florida R. The Rise of the Creative Class. New York: Basic Books, 2004: 183-203.

[7]
Rozenblat C, Zaidi F, Bellwald A. The multipolar regionalization of cities in multinational firms' networks. Global Networks, 2017,17(2):171-194. DOI: 10.1111/glob.12130.

[8]
Huallacháin B Ó, Lee D. Urban centers and networks of co-invention in American biotechnology. The Annals of Regional Science, 2014,52(3):799-823. DOI: 10.1007/s00168-014-0610-8.

[9]
刘海猛, 胡森林, 方恺, 等. “一带一路”沿线国家政治-经济-社会风险综合评估及防控. 地理研究, 2019,38(12):2966-2984.

[ Liu Haimeng, Hu Senlin, Fang Kai, et al. A comprehensive assessment of political, economic and social risks and their prevention for the countries along the Belt and Road. Geographical Research, 2019,38(12):2966-2984.] DOI: 10.11821/dlyj020181321.

[10]
刘卫东, 宋周莺, 刘志高, 等. “一带一路”建设研究进展. 地理学报, 2018,73(4):620-636.

[ Liu Weidong, Song Zhouying, Liu Zhigao, et al. Progress in research on the Belt and Road Initiative. Acta Geographica Sinica, 2018,73(4):620-636.] DOI: 10.11821/dlxb201804003.

[11]
Gui Q, Liu C, Du D. Globalization of science and international scientific collaboration: A network perspective. Geoforum, 2019,105:1-12. DOI: 10.1016/j.geoforum.2019.06.017.

[12]
Giuliani E, Balland P, Matta A. Straining but not thriving: Understanding network dynamics in underperforming industrial clusters. Journal of Economic Geography, 2019,19(1):147-172. DOI: 10.1093/jeg/lbx046.

[13]
Shutters S T, Muneepeerakul R, Lobo J. Constrained pathways to a creative urban economy. Urban Studies, 2016,53(16):3439-3454. DOI: 10.1177/0042098015616892.

[14]
Castells M. The Rise of the Network Society. Oxford, UK: Blackwell Publishers, 2000: 409-417.

[15]
Taylor P J. Specification of the world city network. Geographical Analysis, 2001,33(2):23-47.

[16]
Lüthi S, Thierstein A, Hoyler M. The world city network: Evaluating top-down versus bottom-up approaches. Cities, 2018,72:287-294. DOI: 10.1016/j.cities.2017.09.006.

[17]
Wall R. The relative importance of Randstad cities within comparative worldwide corporate networks. Tijdschrift Voor Economische en Sociale Geografie, 2009,100(2):250-259. DOI: 10.1111/j.1467-9663.2009.00533.x.

[18]
Mans U. Understanding the position of end nodes in the world city network: Using peer city analysis to differentiate between non-hub cities. Global networks, 2014,14(2):188-209. DOI: 10.1111/glob.12016.

[19]
Rozenblat C. Opening the black box of agglomeration economies for measuring cities' competitiveness through international firm networks. Urban Studies, 2010,47(13):2841-2865. DOI: 10.1177/0042098010377369.

[20]
刘卫东. “一带一路”战略的科学内涵与科学问题. 地理科学进展, 2015,34(5):539-544.

[ Liu Weidong. Scientific understanding of the Belt and Road Initiative of China and related research themes. Progress in Geography, 2015,34(5):539-544.] DOI: 10.11820/dlkxjz.2015.05.001.

[21]
梁育填, 周政可, 刘逸. 东南亚华人华侨网络与中国企业海外投资的区位选择关系研究. 地理学报, 2018,73(8):1449-1461.

[ Liang Yutian, Zhou Zhengke, Liu Yi. Relationship between the location choices of Chinese outbound enterprises and overseas Chinese networks: The case study of Southeast Asia. Acta Geographica Sinica, 2018,73(8):1449-1461.] DOI: 10.11821/dlxb201808005.

[22]
段德忠, 谌颖, 杜德斌. “一带一路”技术贸易格局演化研究. 地理科学进展, 2019,38(7):998-1008.

[ Duan Dezhong, Chen Ying, Du Debin. Technology trade pattern and change in the Belt and Road region. Progress in Geography, 2019,38(7):998-1008.] DOI: 10.18306/dlkxjz.2019.07.005.

[23]
陈欣. “一带一路”沿线国家科技合作网络比较研究. 科研管理, 2019,40(7):22-32.

[ Chen Xin. A comparative study of the S＆T collaboration networks in countries along the Belt and Road, Science Management, 2019,40(7):22-32.] DOI: 10.19571/j.cnki.1000-2995.2019.07.003.

[24]
叶阳平, 马文聪, 张光宇. 中国与“一带一路”沿线国家科技合作现状研究: 基于专利和论文的比较分析. 图书情报知识, 2016, (4):60-68.

[ Ye Yangping, Ma Wencong, Zhang Guangyu. Research on the current situation of science and technology cooperation between China and countries along the Belt and Road: Comparative analysis based on patent and paper data. Documentation, Information & Knowledge, 2016, (4):60-68.] DOI: 10.13366/j.dik.2016.04.060.

[25]
张明倩, 邓敏敏. 中国与“一带一路”沿线国家跨国专利合作特征研究. 情报杂志, 2016,35(4):37-42, 4.

[ Zhang Mingqian, Deng Minmin. Research on the characteristics of international patent cooperation between China and countries alongside One Belt and One Road area. Journal of Intelligence, 2016,35(4):37-42, 4.] DOI: 10.3969/j.issn.1002-1965.2016.04.008.

[26]
高伊林, 闵超. 中美与“一带一路”沿线国家专利合作态势分析. 图书情报知识, 2019, (4):94-103.

[ Gao Yilin, Min Chao. Tendency analysis on patent cooperation of China and America with the countries located along the “One Belt and One Road” region. Documentation, Information & Knowledge, 2019, (4):94-103.] DOI: 10.13366/j.dik.2019.04.094.

[27]
周灿, 曾刚, 尚勇敏. 演化经济地理学视角下创新网络研究进展与展望. 经济地理, 2019,39(5):27-36.

[ Zhou Can, Zeng Gang, Shang Yongmin. Progress and prospect of research on innovation networks: A perspective from evolutionary economic geography. Economic Geography, 2019,39(5):27-36.] DOI: 10.15957/j.cnki.jjdl.2019.05.004.

[28]
Boschma R. Proximity and innovation: A critical assessment. Regional Studies, 2005,39(1):61-74. DOI: 10.1080/0034340052000320887.

[29]
Breschi S, Lissoni F. Mobility of skilled workers and co-invention networks: An anatomy of localized knowledge flows. Journal of Economic Geography, 2009,9(4):439-468. DOI: 10.1093/jeg/lbp008.

[30]
Hoekman Jarno, Frenken Koen, van Oort Frank, The geography of collaborative knowledge production in Europe. The Annals of Regional Science, 2009,43(3):721-738. DOI: 10.1007/s00168-008-0252-9.

[31]
Nooteboom B, Van Haverbeke W, Duysters G, et al. Optimal cognitive distance and absorptive capacity. Research Policy, 2007,36(7):1016-1034. DOI: 10.1016/j.respol.2007.04.003.

[32]
Boschma R, Martin R. The Handbook of Evolutionary Economic Geography. Cheltenham: Edward Elgar Publishing Limited, 2010: 120-135.

[33]
Balland P, Boschma R, Frenken K, et al. Proximity and innovation: From statics to dynamics. Regional Studies, 2015,49(6):907-920. DOI: 10.1080/00343404.2014.883598.

[34]
Sun Y, Liu K. Proximity effect, preferential attachment and path dependence in inter-regional network: A case of China's technology transaction. Scientometrics, 2016,108(1):201-220. DOI: 10.1007/s11192-016-1951-0.

[35]
Soo K T. Innovation across cities. Journal of Regional Science, 2018,58(2):295-314. DOI: 10.1111/jors.12352.

[36]
Thomas A S, Mueller S L. A case for comparative entrepreneurship: Assessing the relevance of culture. Journal of International Business Studies, 2000,31(2):287-301. DOI: 10.1057/palgrave.jibs.8490906.

[37]
Yoon J, Sung S, Ryu D. The role of networks in improving international performance and competitiveness: Perspective view of open innovation. Sustainability, 2020,12(3):1269. DOI: 10.3390/su12031269.

[38]
张明倩, 柯莉. “一带一路”跨国专利合作网络及影响因素研究. 软科学, 2018,32(6):21-25,29.

[ Zhang Mingqian, Ke Li. Study on the Belt and Road network of transnational patent cooperation and its influencing factors. Soft Science, 2018,32(6):21-25, 29.] DOI: 10.13956/j.ss.1001-8409.2018.06.05.

[39]
United Nations. The World's Cities in 2018 Data Booklet. https://www.un.org/development/desa/pd/content/worlds-cities-2018-data-booklet, 2020-04-19.

[40]
2thinknow. Innovation CitiesTM Index 2018: Global. https://www.innovation-cities.com/innovation-cities-index-2018-global/13935/, 2020-04-19.

[41]
郑蕾, 刘志高. 中国对“一带一路”沿线直接投资空间格局. 地理科学进展, 2015,34(5):563-570.

[ Zheng Lei, Liu Zhigao. Spatial pattern of Chinese outward direct investment in the Belt and Road Initiative area. Progress in Geography, 2015,34(5):563-570.] DOI: 10.11820/dlkxjz.2015.05.004.

[42]
杨文龙, 杜德斌, 马亚华, 等. “一带一路”沿线国家贸易网络空间结构与邻近性. 地理研究, 2018,37(11):2218-2235.

[ Yang Wenlong, Du Debin, Ma Yahua, et al. Network structure and proximity of the trade network in the Belt and Road region. Geographical Research, 2018,37(11):2218-2235.] DOI: 10.11821/dlyj201811008.

[43]
丁洁兰, 杨立英, 孙海荣, 等. 基于文献计量的“一带一路”区域及沿线国家科研合作态势研究. 中国科学院院刊, 2017,32(6):626-636.

[ Ding Jielan, Yang Liying, Sun Hairong, et al. Bibliometric study on research collaboration among the Belt and Road areas and countries. Bulletin of Chinese Academy of Science, 2017,32(6):626-636.] DOI: 10.16418/j.issn.1000-3045.2017.06.010.

[44]
焦敬娟, 王姣娥, 金凤君, 等. 高速铁路对城市网络结构的影响研究: 基于铁路客运班列分析. 地理学报, 2016,71(2):265-280.

[ Jiao Jingjuan, Wang Jiaoe, Jin Fengjun, et al. Impact of high-speed rail on inter-city network based on the passenger train network in China, 2003-2013. Acta Geographica Sinica, 2016,71(2):265-280.] DOI: 10.11821/dlxb201602007.

[45]
De Prato G, Nepelski D. Global technological collaboration network: Network analysis of international co-inventions. The Journal of Technology Transfer, 2014, (39):358-375. DOI: 10.1007/s10961-012-9285-4.

[46]
刘承良, 桂钦昌, 段德忠, 等. 全球科研论文合作网络的结构异质性及其邻近性机理. 地理学报, 2017,72(4):737-752.

[ Liu Chengliang, Gui Qinchang, Duan Dezhong, et al. Structural heterogeneity and proximity mechanism of global scientific collaboration network based on co-authored papers. Acta Geographica Sinica, 2017,72(4):737-752.] DOI: 10.11821/dlxb201704014.

[47]
Jaffe A B, Trajtenberg M, Henderson R. Geographic localization of knowledge spillovers as evidenced by patent citations. The Quarterly Journal of Economics, 1993,108(3):577-598. DOI: 10.2307/2118401.

[48]
Cassi L, Plunket A. Research collaboration in co-inventor networks: combining closure, bridging and proximities. Regional Studies, 2013,49(6):936-954. DOI: 10.1080/00343404.2013.816412.

[49]
Yang Y, Dwyer T, Goodwin S, et al. Many-to-many geographically-embedded flow visualization: An evaluation. IEEE Transactions on Visualization and Computer Graphics, 2017,23(1):411-420. DOI: 10.1109/TVCG.2016.2598885.

[50]
Martin R, Sunley P. Path dependence and regional economic evolution. Journal of Economic Geography, 2006,6(4):395-437. DOI: 10.1093/jeg/lbl012.

DOI

[51]
Bathelt H, Cantwell J A, Mudambi R. Overcoming frictions in transnational knowledge flows: Challenges of connecting, sense-making and integrating. Journal of Economic Geography, 2018,18(5):1001-1022. DOI: 10.1093/jeg/lby047.

[52]
Neffke F, Henning M, Boschma R. How do regions diversify over time? Industry relatedness and the development of new growth paths in regions. Economic Geography, 2011,87(3):237-266. DOI: 10.1111/j.1944-8287.2011.01121.x.

[53]
哈·麦金德. 历史的地理枢纽. 林尔蔚, 陈江 译. 北京: 商务印书馆, 2010: 1-35.

[ Mackinder H J. Translated by Lin Erwei, Chen Jiang. The Geographical Hub of History. Beijing: The Commercial Press, 2010: 1-35.]

[54]
Zelinsky W. The twinning of the world: Sister cities in geographic and historical perspective. Annals of the Association of American Geographers, 1991,81(1):1-31. DOI: 10.1111/j.1467-8306.1991.tb01676.x.

[55]
王立, 封颖. “一带一路”背景下我国知识产权输出政策研究. 科技管理研究, 2019,39(9):44-48.

[ Wang Li, Feng Ying. Policy of intellectual property export in China under the background of "the Belt and Road" Initiative. Science and Technology Management Research, 2019,39(9):44-48.] DOI: 10.3969/j.issn.1000-7695.2019.09.007.

Options
文章导航

/

〈 〉