多維鄰近性對技術創新合作績效的影響效應
——以長江中游城市群合作網絡為例

徐 瑩，鄒 芳，姜李丹，張 琳，黃 穎

（1.湖南大學公共管理學院，湖南長沙 410082；2.北京郵電大學經濟管理學院，北京 100876；3.武漢大學信息管理學院，湖北武漢 430072；4.武漢大學科教管理與評價中心，湖北武漢 430072）

《國家中長期科學和技術發展規劃綱要（2006—2020 年）》明確提出要建設各具特色和優勢的區域創新體系，增強科技創新對區域經濟社會發展的支撐力度。《“十三五”國家科技創新規劃》明確提出圍繞拓展創新發展空間，統籌國內國際兩個大局。中國已將推動創新型城市發展與城市群技術創新合作網絡建設提到了前所未有的戰略高度。

縱觀全球，隨著城市聚集以及隨之產生的成熟吸引力，各國正在爭取發展具備國際影響力與競爭力的城市群。美國提出要在2050 年打造11 個超級都市圈，這些區域將憑借覆蓋美國26%的國土面積，占據74%的人口［1］。日本自20 世紀50 年代便開始在太平洋沿岸規劃建設城市群，逐漸形成了由十多個大小城市群組成的龐大城市群。由于歐洲地域特征和國家分布的密集性，更是在不同國家之間也形成了具有影響力的城市群。縱觀中國城市群發展軌跡，目前已有的19 個不同規模的城市群，憑借占據中國1/4 的土地和擁有中國3/4 的人口，為中國GDP 貢獻了近九成的力量［2］。這些城市群在經濟和科技等各方面的優異表現決定它們將為區域協調發展承擔更重的責任，也將為中國創新驅動發展戰略的實施提供更大的動力。

城市群技術創新合作網絡不僅能夠展現個體城市的創新活動與創新能力，更以聯系的視角看待城市與城市之間的創新合作與影響機制；能夠統籌調度區域創新資源，減少資源浪費，使得資源效益最大化；能夠協調城市群內產業與經濟發展的側重與水平，驅動區域創新協同發展。技術創新合作網絡的結構特征演化及其影響是城市群研究的基本內容和重要內容，能夠從整體和局部的視角為我們提供城市技術創新發展的概況并對掌握其發展演化軌跡提供清晰的認知。先前針對城市群的研究大多關注于長三角、京津冀、珠三角等發展水平較高的東部地區，較少涉及內陸地區。長江中游城市群同屬國內五大最具發展潛力的城市群之一，且正處于快速發展期，在地域上連東西、穿南北，對于構建中部崛起戰略起到關鍵支撐作用，然而現有研究對長江中游城市群的關注度以及城市群建設規劃的發展落實仍與設想存在一定差距。本文從長江中游城市群入手，通過構建技術創新合作網絡分析體系在一定程度上補充完善了中部地區的研究記錄與探索。

具體而言，本文關注如下兩個問題：其一，長江中游城市群技術創新合作網絡的結構特征如何？從整體網絡和個體網絡兩個視角入手，構建長江中游城市群技術創新合作網絡結構特征測度體系并分析其演化狀態。其二，影響長江中游城市群技術創新合作績效的因素是什么？在綜合分析了影響城市群技術創新合作績效的主要理論因素的基礎上，采用負二項回歸模型實證測度了鄰近性因素對長江中游城市群技術創新合作績效的影響，并結合現實背景進行分析與討論。

1 理論基礎與研究假設

1.1 城市群技術創新合作網絡結構的特征

網絡結構特征是社會網絡分析的基本內容和基本方法，對城市群技術創新合作網絡的探究得到了許多學者的支持。周燦等［3］基于“網絡資本”視角刻畫中國城市創新合作網絡結構，認為中國城市創新合作網絡具有小世界特征和擇優連接性，城市地位空間分布與城市創新能力一致，且網絡結構以及由此產生的網絡結構資本將影響城市創新能力。周燦等人［4］從本地和跨界多維空間尺度，刻畫長三角城市群創新合作網絡結構，測度城市創新合作網絡地位，評價城市創新能力，進而對城市創新模式進行劃分。馬靜等人［5］借助285 個城市的專利數據衡量其創新產出水平，發現中國城市創新空間分布集聚在沿海大城市群內，一些中西部城市正在發揮自身優異的輻射效應；而創新要素在不同梯度地區之間流動使得中西部城市也受到了溢出效應的激勵，這也從側面印證了國家在一定范圍內對中西部的政策引導與資源傾斜是符合整體發展需求的。基于創新合作網絡視角，唐建榮等人［6］將長三角城市群創新合作網絡作為研究主體，探討了網絡密度、多位中心性和塊模型結構特征，發現長三角處于多核心的發展狀態。城市群技術創新合作網絡結構的特征研究主要基于社會網絡方法從知識、技術、信息等資源流動角度，對涉及網絡密度、中心性、子群模型等內容展開論述。

1.2 城市群技術創新合作績效的影響因素

通過梳理現有相關研究文獻，發現技術創新合作績效的影響因素主要包括以下四類：網絡效應［7］、社會政治經濟屬性［8］、鄰近性因素［9］，以及多因素綜合交互影響［10］。其中，鄰近性是研究者們公認度最高、普遍認知較一致的因素，因此，本文將其作為長江中游城市群技術創新合作績效的影響因素進行實證測度分析。綜合考慮各鄰近性的內涵以及長江中游城市群數據的可測度性與可獲得性，本文重點關注地理鄰近性、認知鄰近性和制度鄰近性對城市群技術創新合作績效形成的影響。

1.2.1 多維鄰近性的獨立影響

（1）地理鄰近性。城市間的交通成本和交流機會都會受到地理距離的直接影響，過遠的地理距離在一定程度上會阻礙城市技術創新合作效果。Petruzzellii［11］發現較低的地理鄰近性會產生較高的知識擴散成本和交易成本，影響創新效率。眾多研究證明，較高的地理鄰近性能夠促進高校技術創新合作并提升創新績效［12］，能夠促進圖書館聯盟之間的知識流動與傳播，提升聯盟創新績效［13］，能夠正向促進企業知識獲取與創新績效［14］。然而，當城市間地理位置過于集中，交互學習和創新效率會嚴重下滑［15］。這是因為過度地理鄰近使得兩地間外部環境過于相似，缺乏技術創新差異化條件，導致疲勞化與消極化關系，不利于城市合作良性發展。由此來看，過高和過低的地理鄰近度都不利于城市群技術創新合作績效的提高，適度的地理鄰近距離才能最大化合作績效。據此，本文提出假設1。

H1：地理鄰近與技術創新合作績效呈倒“U”型關系。

（2）認知鄰近性。城市間較高的認知鄰近性能夠促進二者的有效溝通與交流［16］。知識信息是技術創新的靈感源泉，尤其對于擁有較高技術門檻的技術類別而言，并非所有人都具備技術創新合作的認知基礎；相類似的認知鄰近性大大拉近了彼此交流合作的距離，減少了因為技術壁壘而造成的阻礙，進而有利于提升城市群技術創新合作績效。研究發現，組織信任、個人信任、關系承諾與合作績效之間均呈正相關關系［17］，認知鄰近性對技術聯盟創新績效［18］、高技術產業集群創新績效和產學協同創新績效皆具有顯著的正向影響［19-20］。據此，本文提出假設2。

H2：認知鄰近與技術創新合作績效呈正相關關系。

（3）制度鄰近性。城市群技術創新合作網絡的發展離不開社會環境這個培養皿，必然會受到包括創新環境、文化習俗和政策規劃在內的制度屬性的影響。由于技術創新政策規劃與相關管理規范具有一定客觀強制力，對城市內外部活動列出了普適性要求，因此在相同或相似的制度背景下，城市間技術創新活動與合作具備必要的制度基礎，在項目交接、合作備案、政企業務等方面的實踐操作將更加便利靈活。基于對同類制度的信任，城市間合作交流更加暢達高效［21］。然而，一旦高度制度鄰近背景下的城市群體過度聚集，基于有意識的對既得利益和地位的保持維護以及無意識的制度依賴和慣性產生的壁壘，會對集群外部城市產生排擠效應，降低技術創新合作的可能［22］。長江中游城市群由于其在文化習俗和人文慣例等方面的高度凝聚，城市間制度鄰近性較為集中，據此，本文提出假設3。

H3：制度鄰近與技術創新合作績效呈負相關關系。

1.2.2 多維鄰近性的交互影響

（1）地理鄰近與認知鄰近的交互作用。城市間在地理距離上更接近，兩地間進行技術交流與資源共享的方式將會更加豐富靈活，能夠降低交往的成本和風險，有利于產生更多頻的技術創新合作行為，而這種優勢基于一定的認知共識［23］。在城市群技術創新合作網絡中，過遠的地理距離縮小了獲取異質性知識的范圍，阻礙了認知鄰近作用的發揮［24］；而較高的地理鄰近性便利了城市間吸收異質性知識的渠道，映射了認知鄰近性的提升［25］。因此，兩者的交互作用將促進創新合作績效。據此，本文提出假設4。

H4：地理鄰近和認知鄰近的交互作用正向促進技術創新合作績效。

（2）地理鄰近與制度鄰近的交互作用。由于地理位置帶來的天然便利性，擁有相類似文化背景和制度環境的城市更容易在地理空間上聚集。中國的行政區劃制度明顯體現出距離優勢的發揮，包括對文化偏好、風土人情和慣例習俗的同類認可。Broekel 等［26］認為地理鄰近作為鄰近性理論的基礎，對制度鄰近性是有影響的。然而在城市群技術創新合作網絡中，當兩地地理距離較為鄰近時，并不代表兩地擁有較高的制度鄰近性；同樣從行政區劃來看，分屬于兩個省域交界處的鄰近城市具備不同的地方制度導向。因此，地理鄰近和制度鄰近相輔相成卻又差異發展，對技術創新合作具有積極意義。據此，本文提出假設5。

H5：地理鄰近與制度鄰近的交互作用正向促進技術創新合作績效。

（3）認知鄰近與制度鄰近的交互作用。城市并非獨立存在，而是與周邊環境共生互融，并受到周遭認知基礎和制度環境及其交互效應的深遠影響。認知是技術創新合作的知識基礎，在選擇創新方向與創新路徑時將產生隱性與顯性的導向作用。基于對技術創新的相似認知與理解，人們更容易進行交流合作，而伴隨相類似的制度規范與文化慣例，城市間的交往將會更加便利快捷，為其創造肥沃的生長土壤。因此，城市間的認知鄰近與制度鄰近互為保障和依賴。據此，本文提出假設6。

H6：認知鄰近與制度鄰近的交互作用正向促進技術創新合作績效。

2 變量定義與模型構建

2.1 變量定義與測度

2.1.1 因變量

本文將借助長江中游城市群客觀數據考察影響其技術創新合作網絡的因素，基于以上分析，選取三類鄰近性探究其對技術創新合作績效的影響作用過程，即為探究對以聯合授權專利為表征的技術創新合作績效的影響。現有文獻中，對技術創新合作績效的衡量有多種方式，其中專利數據由于具有客觀性、可靠性和易獲取性等優點，且包含豐富的技術信息，被廣泛使用于各類研究中。因此，本文最終選取專利數據測度技術創新合作績效。由于授權專利表示專利已具備相應法律效應，其創造性價值獲得審查認可，所以一定程度上更能夠代表城市間的創新績效，因此本文采用城市間合作專利授權數量表征技術創新合作績效。

2.1.2 自變量

（1）地理鄰近性。地理鄰近性測度一般涉及以下三種內涵：兩個城市之間的直線距離、兩個城市之間的最短公路距離、兩個城市之間的最短交通時間距離。由于直線距離過于在乎兩個城市之間的直接數值距離，忽略了交通可達性等現實因素，而城市間最短公路距離較難確認，在操作上缺少精確性，本文選擇兩個城市之間的最短鐵路交通運輸時間來測度地理鄰近性，通過12306 官方網站查詢各城市之間的鐵路交通路線，并按照時間升序排列，最短耗時作為城市地理鄰近性測度數據。

（2）認知鄰近性。認知鄰近性的測度方法通常包括以下三種：1）利用兩個城市之間的產業結構相似系數衡量認知鄰近性；2）依據兩個城市之間專利結構的相似系數，即技術結構相似系數來衡量認知鄰近性；3）同時考慮兩個城市的產業結構以及技術結構相似系數。本文基于已有研究與現實效果，采用第三種綜合算法進行測度。

首先，對產業結構相似系數進行測度。本文選擇聯合國工業發展組織國際工業研究中心提出的相似系數法來衡量［27］。具體表達式為：

其次，測度技術結構相似系數。本文選擇專利授權數量作為測度技術結構相似系數的數據。具體表達式為：

最終，認知鄰近性的表達式為：

（3）制度鄰近性。單純依靠行政區劃進行非此即彼的制度鄰近性測度過于粗糙。對現代城市來說，制度鄰近性意味著一致的經濟政策和相似的投資經營環境，突出表現為地方保護程度（degree of local protection，DLP）和市場化程度（degree of marketization，DM）的相似性［28］。由于2010 年后的市場化指數無法獲得，因此本文從地方保護程度方面進行考察。市場分割程度將影響創新要素的流動［27］，對于地方保護程度的測度，可以借助城市間零售價格差異反映市場分割程度。表達式為：

其中，Pi和Pj分別表示城市i和j的零售價格。通過收集各地統計年鑒中的“地區商品零售價格分類指數”獲得。

2.1.3 控制變量

由于城市經濟水平、教育水平和科技水平在技術創新合作網絡中發揮的突出作用，本文選取經濟發展規模、教育發展水平和科技發展能力三個指標作為回歸分析的控制變量，其內涵分別為城市人均生產總值、教育經費支出和發明專利授權量，在一定程度上能夠對指標具有代表性與說服力，也與普遍認知和客觀事實相符。計算具體指標值時所采用的原始數據主要來源于各個城市的統計年鑒或者經濟年鑒以及《中國城市統計年鑒》等。

因變量、自變量和控制變量的具體符號及涵義詳見表1。

表1 變量及涵義

2.2 模型構建

由于本文因變量的表征指標——城市間聯合授權專利為非負整數，因此更適合離散計數模型。常用的基本離散計數模型有泊松回歸模型和負二項回歸模型兩種。通過描述統計可以發現本文數據的平均值與標準差存在較大差異，因此更適合采用負二項回歸模型。模型的具體表達式如下：

3 實證分析

城市群技術創新合作網絡刻畫了合作網絡結構特征，聚焦于分析技術創新合作網絡的空間和拓撲結構特征及其時空動態演變過程。本文根據授權專利數據，基于各城市參與協同創新的頻次以及合作關系的緊密程度，構建長江中游城市群技術創新合作網絡，并從整體和個別網絡兩個維度對節點城市的創新合作狀態進行分析。

3.1 數據獲取與界定

本文選擇長江中游城市群31 個城市作為研究單元，涉及湖北武漢、黃石、荊門、鄂州、荊州、黃岡、襄陽、孝感、咸寧、宜昌、仙桃、潛江、天門，湖南長沙、株洲、湘潭、衡陽、岳陽、婁底、益陽、常德，江西南昌、萍鄉、九江、宜春、鷹潭、景德鎮、新余、上饒及撫州、吉安的部分縣（區）。

本文選擇2000—2019 年31 個城市的授權專利作為構建城市間技術創新合作關系的聯結基礎，主要是因為專利在研究分析中的優異表現。一是專利與創新存在高度相關性［29］，被認為是創新與技術變革的重要來源［30］，且已有大量研究采用專利數據作為評估技術創新的依據［31-32］，對專利數據的可靠性進行了科學證明。二是從地理布局看，專利發明主要發生在城市中［33-34］，它能夠體現并代表城市區域范圍內知識技術的產出水平。借助專利所包含的地理空間分布信息，能夠定位城市群的技術創新程度［35］。三是基于專利數據的強大內容構建了世界公認的分類體系與獲取渠道，能夠便捷獲取精準可靠的專利數據，有利于實踐操作與知識交流共享合作。

本文選擇德溫特創新平臺（Derwent Innovation）獲取專利數據源，采用專利授權數量作為技術創新產出的指標來分析長江中游城市群技術創新合作網絡的空間分布情況，公開（公告）日為時間單位，專利范圍為中國（不含港澳臺地區）授權專利。

截至2020 年12 月19 日檢索獲得2000—2019年期間授權的172 522 條專利數據，通過剔除個人專利權人等沒有包含地址信息的數據、對每個城市數據進行查找分組、規范統一城市地址信息等清洗工作后，共有138 694 條專利數據，并借助專利聯合授權關系構建長江中游城市群技術創新合作網絡。

3.2 城市群整體技術創新合作網絡結構

3.2.1 專利數量演化趨勢

長江中游城市群31 個城市歷年授權專利數量趨勢如圖1 所示，排名前四的武漢、長沙、株洲和南昌以黑色線條與主縱坐標表示，其余城市以灰色線條與次縱坐標表示。總體來看，湖北省會武漢以59 157 件專利位居第一，湖南省會長沙則以31 703件專利緊隨其后，而江西省會南昌則以6 945 件專利排名第四。2000 件專利以上的城市有十個，其中，有五個屬于湖南省，有四個屬于湖北省，有一個屬于江西省。2008 年以前，各城市仍保持著較低的專利數量，武漢成為擁有授權專利最多的城市，但總體差距不大，處于較為平穩的發展態勢。從2008 年開始，各城市授權專利數量都有了明顯的提升，尤其是武漢和長沙兩個城市，發展勢頭兇猛；從2015年開始，更是上一層樓，發展前景看好；其中在2019 年，武漢已達到11 634 件專利，遙遙領先于其他城市；長沙已擁有4 897 件專利。株洲和南昌的專利數量也較為亮眼，技術創新能力可見一斑。另外值得注意的是，2015 年間，曾有過一次整體授權專利數量明顯提升的階段，這可能與《長江中游城市群發展規劃》的發布存在密切關系。

圖1 2000—2019 年長江中游城市群歷年授權專利數量趨勢

3.2.2 城市合作網絡演化

專利聯合申請是提高創新產出、提升創新水平的重要手段。本文依據專利聯合授權數據繪制了長江中游城市群在2000—2019 年全時段分階段的技術合作網絡（見圖2）。其中，節點大小表示城市的合作度數中心度，即與該城市存在合作的城市數量；連線的粗細程度表示城市之間的合作強度，以合作專利數量來衡量；相同顏色表示同屬于一個城市子群。

圖2 2000—2019 年長江中游城市群技術創新合作網絡圖譜

從動態視角而言，在2000—2004 年間僅主要城市之間存在明顯的技術合作現象，較明顯的有武漢與黃石、長沙與株洲、南昌與撫州。隨后，技術合作現象開始逐漸增多，但基本上還是保持在低速增長階段，合作數量也比較少。2010 年以后，技術合作的范圍進一步加大，網絡規模因網絡節點的增長而不斷變大，網絡規模因不斷有新的節點的出現而呈現出不斷蔓延的狀態。2000—2019 年間，城市之間的技術合作關系明顯加強，技術合作網絡更多地表現在已有節點之間合作現象的頻發，網絡規模更多的因新連接的出現而不斷擴大。以武漢和長沙為首的主要城市表現突出，在合作規模和合作強度上起到了重要的輻射作用。

從靜態視角而言，在2000—2019 年期間的城市技術合作創新合作網絡中，各城市之間大都建立起了技術合作關系，科技創新發明需要不同城市之間進行充分的技術交流，通過優勢互補為技術發展創造良好的環境。

從城市的合作范圍來看，武漢的城市合作范圍最為廣泛，其次是長沙，南昌、荊門、宜昌和黃石的合作范圍也較為廣泛。而且這些城市的合作范圍不僅包括省內合作，與省外的合作也十分密切。但是明顯可以發現，一般情況下省內合作要多于省外合作，這也說明省域內外部的合作受到一定現實客觀因素的影響。

從城市的合作強度來看，長沙與本省內的株洲合作關系最強。此外，長沙與本省內的益陽和常德也有著很強的合作關系。其次，武漢與本省內的黃石合作關系最強，而且與本省內的荊門和黃岡也有著很強的合作關系；而武漢授權專利數量位居31 個城市首位，很大程度上也得益于其注重城市之間的交流合作。與江西省會南昌合作最為密切的有景德鎮、撫州和鷹潭等城市，注重加強省內城市之間的合作來推動技術創新的發展。而萍鄉則成為沒有任何合作產生的城市。長江中游城市群技術創新合作網絡整體呈現出省內合作關系強、省際合作較弱的特點，省內城市之間較為密切的合作對區域技術發展規模帶來了較大貢獻。

3.3 城市群技術創新合作績效的影響因素分析

3.3.1 描述性統計分析

為了了解數據的整體分布與概覽，本文借助計量分析軟件Stata 對上述收集到的數據進行描述性統計分析，具體情況如表2 所示。通過對長江中游城市群31 個城市進行兩兩組合，共包含465 對數據觀察值。

表2 描述性統計分析結果

表2 （續）

從因變量來看，合作專利授權數量最大值為4 482，最小值為0，平均值為43.837，標準差為323.258。由此可以看出，因變量的平均值和標準差差距較大，數據離散程度較高。從自變量來看，GP均值為0.701，標準差為1.171；CP 均值為0.887，標準差為0.146；IP 均值為0.527，標準差為0.39。GP 標準差較大，說明各地之間地理距離差異較大；GP 和CP 的均值相對較高，說明具備相同制度基礎且相似認知基礎的城市更容易達成合作；IP 接近均值且比較穩定，說明制度基礎相似或不那么相似的城市間都可能存在合作。

3.3.2 模型構建與假設檢驗

（1）相關關系。為了進一步明晰長江中游城市群技術創新合作績效模型各變量之間的相互關系，本文借助Stata 進行相關分析，具體結果如表3 所示。

表3 相關系數矩陣

相關關系統計結果顯示，自變量與二次項以及交互項有較高的相關性系數，可以通過中心化處理進行調整。地理鄰近性及其二次項、交互項與其他變量存在明顯的相關關系，且為較緊密的正向相關，說明地理鄰近性對于技術創新合作績效的強烈影響。大部分變量之間呈現正相關關系，普遍呈積極影響態勢。因變量、自變量和控制變量之間的相關系數基本小于0.5，不用擔心多重共線性的風險。相關關系有正有負，說明彼此之間存在正相關與負相關的復雜關系，尤其以IP 所引發的負相關關系為主；此外大多為顯著的正相關關系。各交互項中，GP×CP與因變量有顯著的正相關關系，說明了多維鄰近性的交互項對技術創新合作績效存在一定作用，對于實證檢驗具有效用。控制變量中，代表經濟發展規模、教育發展水平和科技發展能力的eco、edu、tec 與因變量存在顯著的相關關系，從一定程度上說明了將其納入到模型的合理性。通過相關性分析，驗證了模型設定的合理性。

（2）回歸分析。為了實證分析多維鄰近性因素對長江中游城市群技術創新合作績效產生的影響，在設定好的研究假設和已有數據統計結果的基礎上，將按照構建好的負二項回歸模型進行遞階檢驗，具體回歸分析結果如表4 所示。

表4 負二項回歸結果

表4 （續）

模型1 表示所有控制變量對技術創新合作績效的影響。從回歸結果來看，eco、edu、tec 對技術創新合作績效存在顯著的影響。其中，分別代表兩個城市在經濟、教育、科技方面實力的系數皆為一正一負，這也許說明了在城市之間進行創新合作的時候，彼此之間的實力處于一個此消彼長的狀態，綜合實力更強的城市將在合作關系中處于相對主導的地位。估計系數都較小，說明控制變量與因變量之間的關聯并不緊密，對創新合作的影響較小。綜合來看，控制變量對創新合作績效存在影響作用，說明控制變量的選取是有效的。

模型2 在控制變量的基礎上加入了地理鄰近性、認知鄰近性和制度鄰近性的一次項以檢驗多維鄰近性對創新合作績效的獨立效應。據回歸結果，GP 和CP 與技術創新合作績效呈現顯著正相關關系（β1=0.899 08，P＜0.01；β2=9.790 50，P＜0.1），說明地理鄰近性和認知鄰近性對創新合作績效具有較強的積極影響作用；IP 則呈不顯著的負相關關系（β3=-0.861 15，P＞0.1），說明制度鄰近性對技術創新合作績效的影響不明顯。因此，假設2 成立，即認知鄰近與技術創新合作績效呈正相關關系。

模型3-1 在控制變量和多維鄰近性一次項的基礎上加入了地理鄰近性、認知鄰近性和制度鄰近性的二次項以檢驗多維鄰近性對創新合作績效的獨立效應。回歸結果顯示，GP2與技術創新合作績效呈顯著負相關（β4=-0.391 42，P＜0.01），說明地理鄰近性對技術創新合作績效的擬合作用曲線形似一條開口向下的拋物線。經過計算發現曲線的峰值點為2.734 89，而地理鄰近性的最小值和最大值分別為0.06 和10，峰值正處于這個區間范圍內，說明地理鄰近對創新合作績效的作用曲線是先上升后下降的，符合倒“U”型發展，即假設1 成立。此時，GP 的均值是0.701，位于峰值點的左側，說明地理鄰近性整體對于技術創新合作績效的影響作用處于上升態勢，能夠正向促進技術創新合作網絡的發展。CP2與創新合作績效的相關結果不顯著（β5=-29.931 26，P＞0.1）。IP2與創新合作績效呈顯著負相關（β6=-4.302 99，P＜0.5），說明制度鄰近性對技術創新合作績效的擬合作用曲線形似一條開口向下的拋物線。經過計算發現曲線的峰值點為-0.042 87，而制度鄰近性的最小值和最大值分別為0 和1.9，處于峰值點的右側，呈現為一條斜率為負的曲線，因此制度鄰近與技術創新合作績效呈負相關關系，假設3 成立。

模型3-2 在控制變量和多維鄰近性一次項的基礎上加入了地理鄰近性、認知鄰近性和制度鄰近性的交互項以檢驗多維鄰近性對創新合作績效的交互效應。回歸結果顯示，GP×CP 正向促進創新合作績效，但沒有通過顯著性檢驗（β7=0.666 05，P＞0.1）。因此，假設4 不成立。GP×IP 正向促進創新合作績效，且通過了顯著性檢驗（β8=2.205 42，P＜0.5）。這說明地理鄰近性和制度鄰近性對創新合作績效的交互作用顯著，假設5 成立。CP×IP 對創新合作績效是正向促進的，但沒有通過10%水平的顯著性檢驗（β9=0.785 08，P＞0.1）。因此，假設6 不成立。

3.3.3 結果分析與討論

通過模型檢驗，已經得到本文研究假設的結果，整體情況如表5 所示。為進一步深化對結果的理解，將結合長江中游城市群實際情況加以探析。

表5 假設檢驗結果

假設H1驗證成立，即地理鄰近性與技術創新合作績效呈倒“U”型關系。在長江中游城市群中，合作專利授權數量大于1 000 的組合包含長沙-株洲、長沙-益陽、武漢-黃石、長沙-常德、武漢-荊門、武漢-黃岡，明顯都屬于省域內部的合作，體現了地理距離上的鄰近，給雙方的創新活動帶來了便利。然而距離越近，并不意味著合作越密切；過度的地理鄰近性反而會降低合作效率，比如黃石-黃岡、潛江-仙桃、宜春-新余。

當地理鄰近性和認知鄰近性進行交互時，理論上來說，適宜的鄰近距離能夠促進創新合作，然而這一作用并未在長江中游城市群中體現出來。這也許說明了隨著通信技術對地理距離的替代，削弱了因距離所產生的交流障礙，而區域內產業與技術結構的相似度較高，帶來了技術創新同質化問題。因此，地理鄰近性和認知鄰近性的交互影響并未對技術創新合作產生明顯促進作用。假設H4驗證不成立，即地理鄰近性和認知鄰近性的交互作用不明顯。

假設H2驗證成立，即認知鄰近性對創新合作績效具有正向促進作用。在長江中游城市群中，認知距離較鄰近的長沙-株洲、長沙-益陽、武漢-黃石等城市保持一個較為緊密的技術創新合作關系。由于兩地間在涉及到產業結構和技術結構等方面的內容具備一定的共識基礎，所以更加容易形成技術創新合作。因此，可以借助更多的技術交流和共建共享平臺加強并維持和鞏固對于認知的共識。

當認知鄰近性與制度鄰近性進行交互時，他們分別與技術創新合作績效呈正相關和負相關關系，因此在一正一負的影響下，其交互效應并不顯著，假設H6驗證不成立。

假設H3驗證成立，即制度鄰近性與技術創新合作績效呈負相關關系。長江中游城市群整體制度鄰近性聚集，對城市間進行技術創新合作產生了消極影響，如宜春-新余、長沙-咸寧、黃石-黃岡等城市在高度鄰近的制度環境下并未產生合作行為。

當地理鄰近性與制度鄰近性進行交互時，可以發現相較于其獨立作用，交互影響的地理鄰近和認知鄰近的系數遠大于前者，且單獨的制度鄰近性未具有顯著效應，說明其交互作用大于其獨立作用。受交互作用明顯的城市包括武漢-鄂州、長沙-湘潭、南昌-撫州，隨著便利可達的地理距離帶來的正向促進，制度環境帶來的政策規劃和人文習俗等各方面有了更好的作用空間，因此交互產生的影響作用能夠更大程度地促進技術創新合作績效的發展和提升。假設H5驗證成立，即地理鄰近性與制度鄰近性的交互作用正向促進創新合作績效。

4 結論與討論

長江中游城市群連接東西、貫穿南北，是國家實施中部崛起戰略的重要一環。受囿于地區發展水平等現實因素，城市群技術創新能力還有較大發展空間，合作網絡也還未成體系。本文受有關理論探討和實踐需求的啟發，圍繞長江中游城市群技術創新合作網絡的兩個關鍵研究問題，以專利文獻這一重要技術信息數據源為基礎，提出一套全面且系統可行的城市群技術創新合作網絡結構特征識別與影響因素分析模型。

從網絡結構來看：（1）2000—2019 年間，長江中游城市群技術創新合作網絡在網絡規模、網絡密度等方面得到量與質的提升，尤其是2015 年之后，整個城市群內技術合作范圍與強度增長明顯。這一時機正逢《長江中游城市群發展規劃》發布，因此，區域技術合作具備現實需求與政策支持。（2）長江中游城市群技術創新合作網絡整體呈現出省內合作關系強、省際合作較弱的特點，省內城市之間合作密切對區域技術創新發展規模帶來了較大貢獻。其中三省省會城市——武漢、長沙和南昌的技術創新合作表現突出，在長江中游城市群技術創新合作網絡中，處于網絡的核心，擁有較大的影響力和權力并能夠控制其他城市，地位非常重要。（3）在長江中游城市群技術創新合作網絡中，因為區域范圍以及自身技術創新能力和發展水平的局限性，僅有少部分城市能夠承擔“中間人”的職責。區域內“中間人”比較缺失，使得城市間進行技術創新合作的間接路徑距離拉長，阻礙了知識信息資金等傳播的效能，耗費了更多創新成本，在一定程度上降低了合作意愿。

長江中游城市群涉及鄂、湘、贛三省，三個省會城市武漢、長沙、南昌以不足整個城市群1/10 的面積，占據長江中游城市群超過1/3 的經濟總量、近1/5 的人口，在整個城市群中，占據著舉足輕重的地位［36］，因此，相當數量的技術創新活動皆是以這些城市為出發點、連接點。這一方面體現了區域內部呈梯度分布的創新活力與影響力，可以借助這些力量帶動和激活內部交流連接；另一方面，當梯度勢差過大反而會削弱頭部城市與其他城市的創新合作，因為資金、人才和配套設施等資源會受到市場驅動自發向頭部城市傾斜，加劇馬太效應，無法達成雙向促進的良性循環。因此，如何實現區域資源配置最大化，使得有益的梯度勢差控制在合理范圍內，將為促進區域內協調發展提供布局補充。

從影響因素來看：（1）地理鄰近性與技術創新合作績效呈倒“U”型關系，鄰近性對創新合作績效的作用曲線是先上升后下降的，且此時地理鄰近性整體對于長江中游城市群技術創新合作績效的影響作用處于上升態勢，能夠正向促進技術創新合作網絡的發展。認知鄰近性對技術創新合作績效具有正向促進作用；制度鄰近性與技術創新合作績效呈負相關關系。（2）地理鄰近性與制度鄰近性存在交互影響，二者的交互作用正向促進創新合作績效，但作用系數較小；而二者交互作用大于其獨立作用，說明兩相疊加，形成“1+1＞2”的優勢。地理鄰近性和認知鄰近性、認知鄰近性與制度鄰近性的交互作用對創新合作績效的影響作用不顯著。

長江中游城市群正處于長江經濟帶三大城市群之間、長江的中端，是上下游暢達的重要條件。武漢更是古有“九省通衢”的美稱，連東西、穿南北，是重要的交通樞紐，憑借便利可達的交通路徑，武漢在整個城市群中的經濟、政治地位都占據較大優勢。從內部交通可達性來看，鐵路建設還存在斷聯，尤其是區位較偏遠的城市或者縣級市，還處在交通不便、與其他城市地理鄰近較低的狀態。長江中游城市群省域內部合作聯系強于省際間聯系，省域內部在地理距離的鄰近基礎上，伴隨著與之相呼應的認知共識與制度共建，因此要利用好制度鄰近性的天然紐帶，在便利的文化和政策基礎上構建緊密合作。