EN中文

South China Geographical Journal >

2023 , Vol. 1 >Issue 2: 27 - 38

DOI: https://doi.org/10.20125/j.2097-2245.202302003

Application Studies

Research on the Evolution Mechanism of the Innovation Network of the Electronic Information Industry Cluster in the Pearl River Delta from the Perspective of Multi-dimensional Proximity

  • DUAN Jie ,
  • WANG Wei
Expand
  • College of Economics, Shenzhen University, Shenzhen 518060, China

Received date: 2023-02-26

  Revised date: 2023-06-26

  Online published: 2023-09-25

Fold

Abstract

This paper takes the electronic information industry cluster in the Pearl River Delta as the research object, collects the joint application for invention patents in the Pearl River Delta region as the data source, uses the social network analysis method to construct the cluster innovation network, and describes the evolution process of the network space pattern. From the perspective of multi-dimensional proximity, its evolution mechanism is analyzed and discussed. The results show that: (1) The spatial pattern of the Pearl River Delta network has changed from a "core-periphery" structure to a multi-core development, and the status of Dongguan and Foshan in the network has been further improved, sharing the pressure for Guangzhou and Shenzhen; (2) Geographical proximity, organizational proximity and technological proximity play a significant role in driving the development and evolution of the electronic information industry cluster in the Pearl River Delta; (3) With the different stages of industrial development, the influence of proximity also varies; (4) There is a mutual substitution effect between geographic proximity and organizational proximity, and a complementary effect between organizational proximity and technical proximity; (5) Individual and network structure attributes have an important impact on the evolution of the Pearl River Delta cluster innovation network.

Key words： pearl river delta; electronic information industry cluster; innovation network; multidimensional proximity; evolution mechanism

Cite this article

DUAN Jie , WANG Wei . Research on the Evolution Mechanism of the Innovation Network of the Electronic Information Industry Cluster in the Pearl River Delta from the Perspective of Multi-dimensional Proximity[J]. South China Geographical Journal, 2023 , 1(2) : 27 -38 . DOI: 10.20125/j.2097-2245.202302003

信息革命和知识经济时代背景下，经济发展要求更快更高效的科技创新和交流合作，交互式学习过程在创新活动中发挥的作用日益显著。以创新合作关系为基础构建的创新网络，可以有效推动知识溢出和要素流动，实现更高效率的资源配置，是目前创新主体间开展合作交流，推动要素流动的重要模式。
Freeman［1］于20世纪90年代最早提出创新网络的相关概念，认为创新网络是随着创新活动发展和深入所形成的一种制度安排，也可以理解为是市场和组织两者交织渗透的系统发展模式。自Marshall［2］的“产业区”思想至Porter［3］的产业集群概念的提出，产业集群的讨论一直是学界关注的热点。随着研究不断深入，学界对创新网络演化路径和机理展开讨论，关注点集中在网络结构的内生效应与创新网络的外部影响机制，而多维邻近性能够较好地融合内生和外生各种不同影响因素，从多维邻近视角构建解释框架是目前研究创新网络演化的重要路径。梳理相关文献，现有研究主要涉及以下几方面：（1）多维邻近性在创新网络中的作用路径研究；（2）通过构建实证模型，分析多维邻近性在创新网络中的具体影响效应；（3）关注多维邻近性对创新网络绩效的影响。胡杨等［4］探讨地理邻近对产学研合作创新的影响，认为其影响路径是通过地理邻近单一维度和与其他邻近性交互作用层面影响创新合作过程中互适、互信、互惠和共赢这四大进程，形成一系列有规律的趋向和联系，从而对产学研合作创新活动产生积极影响；刘凤朝等［5］以产业生命周期理论为基础，划分技术交易网络发展的不同阶段，并验证地理、技术、制度三种邻近性对组织间技术交易网络的动态影响；Cao等［6］探讨了长三角医学科学领域不同形式邻近关系的影响及其相互作用，结果表明，组织邻近性可以弥补地理邻近性的不足，反过来又加强了社会和认知邻近性，促进组织间的科学合作；Wang等［7］以产学研创新网络为研究对象，发现知识扩散传播效率与创新主体之间地理距离密切相关，地理邻近性影响知识在网络中的扩散效率，进而影响网络绩效；李琳等构建我国高新区创新合作网络，发现地理邻近性对创新绩效呈现“S”型影响特征，认知邻近性则稳定发挥积极的推动作用［8］。
新一代电子信息产业作为战略性新兴产业的重要组成部分，其发展关系到新时代科技变革的方向，也是体现未来经济社会竞争优势的重要领域。珠三角是中国乃至全球电子信息产业最重要的生产中心，2020年，珠三角9市电子信息产业工业增加值达7 496亿元，占广东省电子信息产业增加值比重高达96.8% ，珠三角电子信息产业集群依旧保持强劲的发展态势。《广东省培育世界级电子信息产业集群行动计划（2019—2022年）》明确提出培育世界级电子信息产业集群，重点推进珠三角核心区深度一体化。目前珠三角电子信息产业集群合作创新需求强劲，构建开放式创新生态，促进集群创新合作网络深化成为产业升级和湾区发展的重要议题。珠三角电子信息产业集群在产业实力和地位上均居于领军位置，且珠三角地区在制度环境和产业发展具有复杂性和独特性，但针对珠三角电子信息产业集群创新网络的分析讨论较为欠缺。
综上，电子信息产业作为高新技术产业的典型代表，集群化发展为创新网络分析提供研究范本。目前相关研究多从国家层面或地区特色产业集群进行讨论，缺乏针对区域集群创新网络演化机理的分析。另一方面，由于创新网络研究的尺度和层次不同，基于不同知识基础的创新网络发展阶段、网络结构特征、网络规模等方面也存在差异，多维邻近性发挥的作用有所不同，因此其在珠三角电子信息产业集群创新网络中的影响作用尚待进一步验证。网络分析为研究产业创新合作提供了新的视角，多维邻近性则提供了新的分析框架，因此本文以珠三角电子信息产业集群为研究对象，阐释电子信息产业集群创新网络演化历程及特征，并基于多维邻近性视角深入探讨其演化机理，从网络发展观为珠三角电子信息产业集群优化转型及高质量发展提供思路，同时也为粤港澳大湾区打造全球科技创新高地提供借鉴与启示。

1 多维邻近视角下集群创新网络演化分析框架

1.1 邻近性的单一影响作用

地理距离与合作的关系一直是经济地理学科的研究重点之一，集群理论的发展进一步揭示地理邻近可以促进隐形知识的传播，带来知识外溢效应。地理邻近对创新网络的演化存在影响已成为学界共识。但随着时代变迁，科技创新可减少主体间的合作成本，学界对地理邻近是否仍发挥重要作用存在质疑，也有学者提出临时地理邻近概念［9］，即合作主体通过会议、交流学习等活动暂时性在地理上的集聚，更有学者提出“地理死亡”的观点［10］。对于此类质疑，大部分学者仍坚持地理邻近促进合作创新的观点，认为地理邻近性仍是影响不同区域技术创新合作的重要因素。地理邻近性对集群创新网络演化的影响体现在：可以解决地理位置给创新主体交流所带来的障碍，从而建立更为直接的相互信任关系，并通过降低沟通成本和提升合作效率，促进合作双方共赢。
组织邻近则表明主体间认知差异较小，可减少获取知识的不确定性。Balland提出，组织邻近为企业创新网络形成提供稳定的环境［11］，马荣康等基于专利许可数据构建我国新能源技术转移网络，发现组织及地理邻近性在创新网络基础的形成与演化发展中发挥引领作用［12］。在集群创新网络演化中，相似的组织架构和制度环境可以为创新主体之间的合作起粘合作用，加强双方对彼此的理解程度，建立基于相似组织背景的沟通交流机制，既有助于推动合作稳定发展，也有助于双方加深信任。此外在共同的规范和制度约束之下，可以畅通创新要素的流动路径，进一步保障知识溢出效应。
技术邻近性在创新活动中同样发挥重要作用。阮平南等通过实证分析发现，技术邻近的重要性不断显现，是促进创新网络发展演化的主要驱动力［13］。技术邻近性在集群创新网络的影响在于：一方面可以确保创新主体之间的知识基础差异不会过于悬殊，为双方的技术交流与合作提供前提条件；另一方面，技术邻近性是隐形知识溢出效应发生的前提，对于非具象化、难以捕捉的技术经验和技巧，双方技术邻近有助于加深对隐形知识的了解与认识，从而转化成为提高自身实力的创新资源。

1.2 多维邻近性的交互影响作用

地理邻近性、组织邻近性和技术邻近性，三者并非单独作用于集群创新网络，各种邻近性之间对创新网络的影响机制存在互补、调节和替代作用，它们之间不是简单的线性相关。
首先，地理邻近性有利于降低网络中的信息传递成本，使得创新主体之间的交流与合作更加便利，在此基础上，技术邻近或组织邻近的主体之间可以更加顺畅地开展合作。其次，地理邻近性带来相似的文化环境和区域制度环境，可以进一步提升组织邻近性；同时，地理邻近性促进了面对面交流的机会，让创新主体更顺畅地进行技术交流和知识传播，减少交流成本，并有效提升技术邻近性。再次，组织邻近性和技术邻近性也会影响地理邻近性；当组织邻近性提升，主体间信任关系加强，技术邻近性则进一步创造创新主体的交流机会，此时创新主体在地理的聚集性强化。而组织和技术邻近性亦是如此，相似的组织架构促进技术和专业知识的交流与合作，提供更稳定的合作环境；而技术邻近性优势的发挥，则进一步加强组织合作的机会。如图1所示。
图1 多维邻近视角下集群创新网络演化机理分析框架

Fig.1 Framework diagram of evolution mechanism analysis of cluster innovation network from the perspective of multi-dimensional proximity

2 珠三角电子信息产业集群创新网络演化特征

2.1 数据来源与研究方法

联合申请专利是创新主体间的合作成果，可在一定程度上反映技术创新和知识流动，因此采用联合申请专利数据构建创新合作网络是目前接受度较高的研究方法。文章选取已授权公布的联合申请发明专利数据作为研究对象，所需数据来源于中华人民共和国国家知识产权总局（SIOP），并以《广东省发展新一代电子信息战略性支柱产业集群行动计划（2021—2025年）》明确的电子信息产业对应IPC分类号进行限定检索。本文以联合申请专利数据表征珠三角9个城市的创新合作，运用社会网络分析方法构建创新网络，并对珠三角城市创新联系的空间格局演化进行刻画。同时采用ArcGIS软件绘制珠三角电子信息产业集群城市创新合作联系图，并运用自然断裂法对城市间的合作联系划分三层次等级；绿色连线说明合作频率较低，为一级合作联系；橙色连线说明合作频率中等，为二级合作联系；红色连线说明合作频率最高，为三级合作联系。文章以5年为时间窗口，划分为2000—2004、2005—2009、2010—2014、2015—2019年4个阶段，各阶段集群创新网络空间格局演化如图所示。

2.2 集群创新网络空间格局演化特征

2.2.1 2000—2004年集群创新网络结构与城市空间格局联系较弱

如图2所示，珠三角内部城市联系较少，空间网络结构稀疏，创新联系主要体现在“广州-深圳”之间的合作。从城市空间格局来看，电子信息产业集群创新网络初始萌芽于广深之间的合作交流。两座城市自身产业基础较好，广州汇聚珠三角高校和科研机构力量，而深圳拥有改革开放的政策优势，两地开展合作条件优越。此阶段其他城市尚未参与到珠三角电子信息产业内部合作之中，创新网络的整体结构与城市空间格局联系均较弱。
图2 2000—2004年珠三角城市电子信息产业合作空间网络格局

Fig.2 2000-2004 the spatial network pattern of electronic information industry cooperation in the Pearl River Delta cities

2.2.2 2005—2009年珠三角城市参与集群内创新合作联系有所提升

如图3所示，该阶段珠三角空间创新联系明显增强，除江门外，所有城市都参与到珠三角电子信息产业创新合作中，“广州-深圳”合作强度最高；此外，其他城市合作对象较为单一，以“广州-深圳”创新联系为界，东西两侧分化出以广州与深圳为核心的创新集团。佛山、中山、珠海、肇庆均以广州为主要合作对象，东莞、惠州则与深圳建立创新合作联系。此阶段创新网络空间格局整体仍趋于简单，有待进一步优化。
图3 2005—2009年珠三角城市电子信息产业合作空间网络格局

Fig.3 2005-2009 the spatial network pattern of electronic information industry cooperation

2.3.3 2010—2014年珠三角城市创新合作三层级模式逐渐凸显

如图4所示，该阶段珠三角空间创新联系进一步增强，江门参与到内部合作中，但肇庆在该阶段退出合作，表明集群创新网络空间格局尚未稳定和健全。进一步观察发现，该阶段珠三角城市内部创新合作联系日渐丰富，其他城市均不同程度地与除广深两个核心节点外的城市建立创新合作。此外，东莞、惠州、佛山3个城市也逐步成为集群创新网络的重要支撑，内部创新合作的三层级模式逐渐凸显。而东莞作为唯一与广州、深圳拥有二级合作强度的城市，更是发挥了重要的中介作用和创新资源传递功能。此阶段集群创新网络空间格局初具规模，各城市合作程度进一步增强。
图4 2010—2014年珠三角城市电子信息产业合作空间网络格局

Fig.4 2010-2014 the spatial network pattern of electronic information industry cooperation

2.3.4 2015—2019年集群创新网络城市合作空间网络格局趋于成熟

如图5所示，该阶段珠三角9市三级合作联系显著增加，“广州-佛山”合作联系由二级升级为三级合作联系，广佛之间的合作强度增强。同时城市选择的合作对象愈加丰富，内部网络联系更加复杂。可以看出，珠三角区域内部交流与合作呈现多元化趋势，集群创新网络空间联系也逐渐增强。网络空间结构由最初的以广深为核心的“核心-边缘”结构向多中心发展，佛山、东莞在网络中的地位得到极大提升，网络城市节点构成向多极化方向发展。此阶段珠三角城市创新合作空间网络格局已趋于成熟，呈现稳定的三层级合作模式。
图5 2015—2019年珠三角城市电子信息产业合作空间网络格局

Fig.5 2015-2019 the spatial network pattern of electronic information industry cooperation

总体而言，珠三角集群创新网络空间格局由以广深为核心的“核心-边缘”结构向多中心多极化发展转变。珠三角9市均成为集群创新合作网络中的重要节点，合作对象不再局限于广深两地，创新资源更快捷地在珠三角内部流动，创新合作水平显著提升。此外，佛山、东莞逐渐崛起，成为创新网络中的次核心节点，中山、惠州、珠海在创新网络中也发挥承接产业和辅助核心城市的作用，但肇庆和江门的参与度及创新合作水平仍处于较低层级，有待进一步提高。

3 珠三角电子信息产业集群创新网络演化机理分析

3.1 数据获取与处理

在创新合作与创新网络研究领域中，专利数据是现阶段使用广泛且较为成熟的理想数据，并且具有较好的可获得性与可操作性；其中联合申请专利是创新主体间的合作成果，可在一定程度上反映技术创新和知识流动，因此采用联合申请专利数据构建创新合作网络是目前接受度较高的研究方法。目前中国专利申请可分为发明专利、实用新型和外观设计三大类，其中发明专利因科技含量高，成为衡量科研产出和创新价值的标准之一；此外，已公布授权的发明专利均通过实质性审查，可以反映较高的创新质量。因此，文章选取已授权公布的联合申请专利数据作为构建集群创新网络的基础，数据来源于中华人民共和国国家知识产权总局（SIOP）。
具体数据筛选与处理步骤如下：（1）设置检索时间区间，根据国家知识产权局公布的资料，发明专利平均审查周期压减至19.1个月①，为确保数据完整性，选取2000—2019年联合申请专利数据，并以5年为时间窗口，探讨创新网络演化规律；（2）限定电子信息产业IPC分类号，《广东省发展新一代电子信息战略性支柱产业集群行动计划》明确产业集群包含计算机、通信和其他电子设备制造业（包括计算机制造、通信设备制造、广播电视设备制造、雷达及配套设备制造、非专业视听设备制造、智能消费设备制造、电子器件制造、电子元件及电子专用材料制造、其他电子元件制造9项中类36项小类），本文根据《国际专利分类与国民经济行业分类参照关系表（2018）》整理得出行业对应的IPC分类号并进行检索；（3）以珠三角城市群9个城市为申请地址，筛选出申请人为机构主体，且专利至少有两家合作机构的信息；（4）通过“天眼查”、“爱企查”等商业查询平台匹配专利申请主体地址信息；（5）最后获得20 189条样本数据，以两两组合的方式构建不同时期的加权无向网络矩阵。

3.2 构建回归模型

多维邻近性能够较好地融合内生和外生各种影响因素，从多维邻近视角构建解释框架是目前创新网络演化研究的重要议题，同时多维概念交叉重叠的现象也受到重视。Knoben等［14］最大程度地分离此前邻近性维度存在交叉重叠的内容，将制度、文化、社会邻近性等模糊性较高的邻近性整合划分至组织邻近性，最终确定了在组织间协作中具有特殊重要性的三个邻近性维度，即地理邻近性、组织邻近性和技术邻近性，并提出邻近性之间存在相互影响作用。文章中创新网络研究对象为企业、高校、科研机构、公共服务单位等不同类型组织间的创新合作关系，因此模型的构建借鉴Knoben等基于组织间协作视角所构建的多维邻近性分析框架。
同时，Balland提出创新网络自身的结构特征对集群创新网络的演化也具有影响作用，主体在网络结构中所处的位置与地位，影响其与其他创新主体合作关系的连结［15］。另一方面，作为网络节点，不同创新主体之间存在的个体属性也影响着主体间合作关系的建立，从而影响集群创新网络的演化，已有学者针对创新主体的异质性因素做了讨论［16-17］。因此，本文认为网络结构属性与个体属性可作为控制变量引入模型。
本文样本数据为联合发明专利数据，是任意非负整数的计数类数据，数据不满足连续性要求，样本过度分散，因此选择适用于离散概率分布的负二项回归模型进行实证分析。借鉴Knoben等[14]基于组织间协作所构建的多维邻近性分析框架，选择地理邻近性、组织邻近性及技术邻近性三个维度，加入不同邻近性之间的交互项，引入个体属性与网络结构属性作为模型的控制变量，分析珠三角电子信息产业集群创新网络的演化机理。模型如下：
$\begin{aligned} \text { Patent }_{i j}= & \alpha+\beta_{1} \text { Geo_ }_{-} \text {Proxi }_{i j}+\beta_{2} \text { Org_Proxi }_{i j}+\beta_{3} \text { Tec_Proxi }_{i j}+\beta_{4} \text { Geo_Proxi }_{i j} * \text { Org_Proxi }_{i j}+\beta_{5} \text { Geo_ }_{-} \text {Proxi }_{i j} * \\ & \text { Tec_Proxi }_{i j}+\beta_{6} \text { Org_Proxi }_{i j} * \text { Tec_Proxiy }_{i j}+\text { Geo_Proxi }_{i j} * \text { Org_Proxi }_{i j}^{*} \text { Tec_Proxi }_{i j}+\beta_{7} \text { Experience }_{i j}+ \\ & \beta_{8} \text { Creation }_{i j}+\beta_{9} \text { Center }_{i j}+\varepsilon, \end{aligned}$
其中， P a t e n t i j代表联合发明专利数据， G e o _ P r o x i i j 、 O r g _ P r o x i i j 、 T e c _ P r o x i i j代表地理邻近性、组织邻近性和地理邻近性， G e o _ P r o x i i j * O r g _ P r o x i i j、 G e o _ P r o x i i j * T e c _ P r o x i i j、 O r g _ P r o x i i j * T e c _ P r o x i i j为3种邻近性两两交互作用的变量， G e o _ P r o x i i j * O r g _ P r o x i i j * T e c _ P r o x i i j为3种邻近性的交互项， E x p i j代表创新主体在网络中的创新合作经验， C r e i j代表创新主体的创新技术实力， C e n i j是创新主体的网络结构属性， ε为误差项。

3.3 变量选择

3.3.1 被解释变量

本文的被解释变量为 P a t e n t i j，目前测度创新主体间合作关系包括专利的引用和转让、专利授权、合著论文等方式，本文选择已授权公布的联合发明专利数据衡量主体间的创新合作。

3.3.2 解释变量

地理邻近的概念争议较小，皆围绕地理距离展开讨论，测量方法多样，基本可以概括为以相对距离（如两地最短交通通行时间）和绝对距离（如球面距离）为标准的测量方法［18-19］。地理邻近性借鉴李琳的做法，根据创新主体的地址建立二元形式的地理邻近［20］，从省、市、区这三个层次划分创新主体合作的空间区域。如果创新主体处于不同省份，赋值为1，代表二者地理邻近程度低；如果创新主体同处广东省内，赋值为2，此时二者保持低程度的地理邻近性；如果创新主体处于同一个城市，赋值为3，二者保持中等程度的地理邻近性；如果创新主体同属同一市内的同一区，赋值为4，二者保持高等程度的地理邻近性。
关于组织邻近性，有学者在企业创新网络研究中可根据企业间是否属于同一集团公司或者母公司测量其组织邻近性［21-22］，也有学者以主体间是否属于同类机构组织衡量其组织邻近性［23］。本文选择后者的测度方式，将主体划分为高校、科研机构、企业和政府机构，创新主体间同属一类组织，赋值为1，否则为0。
技术邻近性的测量已较为成熟，主要通过专利数据中的分类信息或专利引用信息进行测量和分析，目前认可度较高的是Jaffe提出的利用主体间技术向量非中心化相关系数的测量方法［24］。因此，本文也借鉴该方法测度创新主体间的技术邻近性，计算公式如下：
T e c P r o x i i j = ∑ n = 1 8 P i n P j n / ∑ n = 1 8 P i n 2 ∑ n = 1 8 P j n 2 ，
P为技术领域，根据IPC分类标准，一共有8部技术领域。 T e c _ P r o x i m i t y i j的取值范围介于0到1之间，取值越接近1，说明主体间的技术邻近性越高。
交互项考察3种邻近性之间的互补效应和调节效应，为避免交互项与以上3种邻近性产生共线性的问题，本文中心化交互项，计算公式如下：
G e o _ P r o x i i j * O r g _ P r o x i i j = ( G e o _ P r o x i i j - G P ¯ ) ( O r g _ P r o x i i j - O P ¯ )，
G e o _ P r o x i i j * T e c _ P r o x i i j = ( G e o _ P r o x i i j - G P ¯ ) ( T e c _ P r o x i i j - T P ¯ )，
O r g _ P r o x i i j * T e c _ P r o x i i j = ( O r g _ P r o x i i j - O P ¯ ) ( T e c _ P r o x i i j - T P ¯ )，
G e o _ P r o x i i j * O r g _ P r o x i i j * T e c _ P r o x i i j = ( G e o _ P r o x i i j - G P ¯ ) ) ( O r g _ P r o x i i j - O P ¯ ) ( T e c _ P r o x i i j - T P ¯ )，
其中， G P ¯、 O P ¯、 T P ¯为不同邻近性的平均值。

3.3.3 控制变量

除多维邻近性影响因素外，通过梳理相关文献，本文认为珠三角电子信息产业集群创新网络的演化还应考虑个体异质性和网络结构属性。
个体属性方面，选取创新合作经验和创新技术实力2个指标。创新合作经验是指创新主体进入集群创新网络的时长，创新技术实力则是指创新主体拥有的专利数量。本文将发生创新合作关系的主体进入网络的时长和拥有的专利数量分别相加，取平均数得到二者的创新合作经验和创新技术实力，经验丰富和技术实力深厚的创新主体在集群创新网络中具有较高的积极性和吸引力。
网络结构属性层面，则以创新主体的度数中心度相加作为衡量创新主体间的网络地位的指标。度数中心度越高的创新主体在创新活动中的表现更具支配创新资源的力量，取二者度数中心度平均值为测度值。

3.4 实证结果分析

模型回归结果如表1、表2所示，从四阶段模型的回归结果来看，地理邻近性、组织邻近性和技术邻近性整体上对珠三角电子信息产业集群创新网络的发展存在显著影响；地理邻近性和组织邻近性的交互项系数为负，说明二者之间的交互作用是正向的调节作用；地理邻近性和技术邻近性仅在第二阶段显著，二者之间的交互作用整体上对集群创新网络的影响并不重要；组织邻近性和技术邻近性存在互补效应；控制变量中，创新主体的创新合作经验和创新技术水平均通过模型的显著性检验，而代表网络结构属性的度数中心度仅在第三阶段通过显著性检验，整体影响较小。
表1 模型回归结果1

Tab.1 Model regression results 1

变量 2000—2004年 2005—2009年
参数 边际效应 参数 边际效应
G e o _ P r o x i i j 0.221 5 (0.46) 3.836 3 (0.48) -0.180 2** (-2.09) -3.335 8 (-1.86)
O r g _ P r o x i i j 2.066 0** (2.30) 35.777 5 (2.21) 0.644 3*** (2.86) 11.928 6 (1.76)
T e c _ P r o x i i j 1.591 2 (0.34) 27.556 3 (0.32) 3.142 1*** (7.37) 58.170 9 (2.57)
G e o _ P r o x i i j * O r g _ P r o x i i j -1.603 6 (-1.59) -27.769 6 (-1.12) -0.499 6*** (-2.97) -9.249 4 (-1.73)
G e o _ P r o x i i j * T e c _ P r o x i i j -1.305 9 (-0.34) -22.615 0 (-0.35) -1.872 5*** (-7.61) -34.667 0 (-2.47)
O r g _ P r o x i i j * T e c _ P r o x i i j 1.017 3 (0.15) 17.617 8 (0.15) 2.793 6*** (3.64) 51.719 6 (2.05)
G e o _ P r o x i i j * O r g _ P r o x i i j * T e c _ P r o x i i j -1.120 8 (-0.20) -19.409 2 (-0.21) -2.327 1*** (-4.77) -43.082 2 (-2.37)
E x p i j 0.234 7* (1.81) 4.064 3 (1.44) 0.314 5*** (4.93) 5.822 9 (2.56)
C r e i j 0.000 4** (2.55) 0.006 3 (1.56) 0.000 1*** (3.16) 0.002 3 (1.69)
C e n i j 0.104 8 (0.56) 1.814 5 (0.54) -0.046 3* (-1.68) -0.858 0 (-1.23)
Constant -1.156 8 (-0.77) -0.462 5 (-1.29)
Observations 33 33 235 235
表2 模型回归结果2

Tab.2 Model regression results 2

变量 2010—2014年 2015—2019年
参数 边际效应 参数 边际效用
G e o _ P r o x i i j 0.086 7 (1.37) 1.643 6 (1.06) 0.241 5*** (4.49) 1.414 0 (4.24)
O r g _ P r o x i i j 0.367 5 (1.60) 6.967 5 (1.23) 0.642 7*** (4.06) 3.762 7 (3.40)
T e c _ P r o x i i j 2.430 0*** (5.55) 46.068 8 (1.66) 2.336 8*** (8.01) 13.681 7 (5.60)
G e o _ P r o x i i j * O r g _ P r o x i i j -0.487 6*** (-3.49) -9.243 5 (-1.53) -0.280 6*** (-2.67) -1.642 8 (-2.39)
G e o _ P r o x i i j * T e c _ P r o x i i j -0.089 1 (-0.41) -1.690 0 (-0.40) -0.229 2 (-0.87) -1.341 8 (-0.87)
O r g _ P r o x i i j * T e c _ P r o x i i j 0.205 9 (0.23) 3.903 3 (0.23) 1.270 1** (2.02) 7.436 4 (1.95)
G e o _ P r o x i i j * O r g _ P r o x i i j * T e c _ P r o x i i j -1.033 8** (-2.02) -19.598 6 (-1.35) -2.330 8*** (-4.98) -13.646 6 (-4.24)
E x p i j 0.248 8*** (5.25) 4.715 9 (1.73) 0.332 4*** (9.13) 1.946 4 (5.64)
C r e i j 0.000 1*** (6.61) 0.002 3 (1.42) 0.000 0*** (2.70) 0.000 1 (2.47)
C e n i j -0.033 4*** (-6.93) -0.632 8 (-1.56) -0.006 7 (-1.57) -0.039 2 (-1.54)
Constant 0.041 5 (0.15) -0.872 3*** (-4.03)
Observations 937 937 1 380 1 380
地理邻近性对集群创新网络的影响增强，且出现由负向影响转为正向影响的转变。这与集群创新网络内部核心节点的变化有关。发展的初始阶段，本地缺乏实力雄厚的电子信息企业，且珠三角本地高校科研机构较少，因此创新合作无法在本区域顺利展开，需要寻求区域外具有技术实力和专业知识的创新主体进行合作。在本地企业和高校科研机构实力不断提升，且数量逐渐增多之后，地理邻近性系数在最后一阶段显著为正，地理邻近性强化面对面交流机会，提高合作效率、降低沟通成本的优势逐渐显现。
组织邻近性在集群创新网络中发挥积极促进作用，但随着时间推移，其影响减弱，边际效应呈现下降趋势。产业发展的萌芽时期，组织邻近性发挥重要作用，创新主体发起尝试性合作与探索，更愿意选择组织性邻近较高的对象进行合作，这有利于双方在合作交流时减少因组织架构和制度不同所带来的沟通障碍，技术的交流和信息的反馈会更加顺畅。但随着集群创新网络规模的扩张，网络创新主体发展日益多样且创新合作经验累积，创新主体开始考虑其他类型组织类型合作对象，因此组织邻近性对创新主体之间建立创新联系的影响减弱。
除第一阶段外，技术邻近性对集群创新网络的影响系数均在1%的水平下显著为正，说明技术邻近性对创新主体建立创新联系发挥积极促进作用，同时从边际效应看，其影响程度呈现倒“U”结构，这与多数学者研究结论一致［25-26］。电子信息产业集群对创新主体的技术水平和专业知识储备要求较高，且电子信息产业经过几十年的高速发展，技术更新换代速度不断加快，如果合作主体间技术邻近性程度低，需要花费更多的时间和成本去了解对方的技术知识结构，不利于应对市场的快速变化。但技术邻近性缓慢下降的趋势也反映出技术邻近性发挥的作用已越过其发挥最大作用的拐点区，集群网络的创新主体对创新合作的内容表现出更高期待，即不同技术领域的合作激发出更大的合作价值和技术创新。
回归结果显示，地理邻近性和组织邻近性的交互项系数为负，且通过了1%水平的显著性检验，这意味着二者的交互影响作用表现为替代效应，二者可以相互弥补对方的不足。当创新主体之间地理邻近性较高时，即便二者属于不同的组织类型，其组织制度背景不同，但面对面的交流可以跨越组织制度不同的合作壁垒，促进二者建立创新联系。而当创新主体之间相隔较远地理距离时，组织邻近性可以在一定程度上弥补地理邻近性较低的遗憾，相似的组织架构和制度搭建起双方的信任合作关系，让创新联系跨越地理距离的障碍。
地理邻近性和技术邻近性的交互项仅在第二阶段显著为负，从整体上看，二者之间不存在互相调节的关系。这可能是由于随着产业的发展，市场竞争不断加剧，创新主体在追求技术创新与合作时，关注重点放在产品创新和技术更新层面，与技术层面的需求相比，空间上的集聚重要性降低，因此二者交互作用不显著，不存在替代效应和互补效应。
组织邻近性和技术邻近性交互项的影响系数在4个阶段都为正，第二阶段和第四阶段分别通过1%、5%的显著性水平检验，二者之间为互补效应，对集群创新网络的发展呈现正向调节作用。在电子信息产业集群中，具备较高的组织邻近性和技术邻近性会建立起更稳定和更长期的合作联系，由于相似的组织特征和相近的技术研究范围，双方会进行更深入的合作，促进集群创新网络的纵深化发展。以智能手机屏幕技术领域的创新合作为例，围绕光学显示为主要研究领域和技术业务的企业，是集群创新合作的主要对象。
地理邻近性、组织邻近性和技术邻近性三者的系数在第二、第三和第四阶段通过1%、5%水平下的显著性检验，说明三者之间存在交互作用。如果创新主体之间地理距离较远，主体之间仅依靠技术和组织邻近性开展合作活动，则无法享受到地理邻近性所带来创新资源流动效率提升，当面交流以确保问题有效解决，以及较低交易成本的巨大优势；假设创新主体之间不存在技术邻近性，即便具有相似组织制度基础的主体拥有空间聚集的地理优势，主体之间如果不具备对不同领域技术专业知识的理解吸收和转化能力，要跨越技术壁垒的障碍也非易事；而如果没有组织邻近，搭建信任的合作关系需要花费更多的精力和时间，合作创新活动缺乏长期稳定开展的保障。总体上看，地理邻近性进一步促进创新联系的建立，组织邻近性为创新合作提供保障，技术邻近决定合作内容，三者对集群创新网络产生交互影响。
从个体属性层面的控制变量来看，创新合作经验在四阶段回归结果中系数显著为正，说明主体在集群创新网络开展合作的经验，有利于主体之间建立创新合作关系，随着经验水平的提高，更容易获得合作伙伴的信任，对创新资源的控制力越强，对于建立和稳定创新合作有积极影响。创新技术实力在四阶段回归实证中系数也显著为正，双方创新技术实力越强，说明主体之间拥有更优质的知识基础和技术储备，可以减少沟通成本和时间，有力促成创新合作，高效率地完成关键技术难题的攻克，并建立起较为稳定的创新合作关系。
在网络结构属性层面，度数中心数在第二阶段、第三阶段分别通过了10%、5%水平下的显著性检验，系数由第一阶段的正转为负，说明随着越来越多创新主体加入集群创新网络，主体在网络中的地位对促进创新合作的影响出现了抑制作用。主体在建立创新合作关系以提高在集群中网络地位需要付出寻找创新合作对象、双方沟通谈判以及实际履行约定等不同成本，地位越高，说明需要维护关系的成本也越高，从而对主体构建创新合作关系产生消极影响。这与Balland等［19］在全球电子游戏产业中实证分析得出度数中心不利于促进网络演化的观点一致。

4 结论与讨论

多维邻近性是影响珠三角电子信息产业集群创新网络演化发展的重要动力，且邻近性的作用随着集群发展演化呈现动态变化。从关系的角度可以更好地解释集群创新网络关系的连结与消失，邻近性为网络不同创新主体建立合作关系提供可能，并减少主体间交流合作成本，从而丰富网络联系，促进资源的有效流动。在创新联系的基础上，集群创新网络得以进一步发展，吸纳分享更多资源，巩固网络的稳定性和凝聚力，使得集群发展可以更加高效地适应外部风险和产业发展要求，集群创新网络由萌芽走向成熟。本文采用社会网络分析方法刻画珠三角电子信息产业集群创新网络空间演化特征，旨在探讨多维邻近视角下集群创新网络演化机理，并基于组织协作视角构建多维邻近性分析框架，选择地理邻近性、组织邻近性及技术邻近性3个维度，同时考虑个体属性及网络结构对集群创新网络演化的影响，深入讨论产业集群创新网络的演化机理，如图6所示。
图6 珠三角电子信息产业集群创新网络演化机理分析图

Fig.6 Analysis of the evolution mechanism of the innovation network of the electronic information industry cluster in the Pearl River Delta

（1）珠三角创新网络空间格局由“核心-边缘”结构向多中心发展转变。从珠三角内部城市创新联系来看，九个城市之间创新联系不断增强；网络演化的初始阶段，佛山、中山等地仅与广州建立创新联系，东莞、惠州仅与深圳建立创新联系，创新合作活动对象较为单一。随着时间推移，各市之间的创新合作活动开始活跃，网络空间格局由“核心-边缘”结构向多中心发展转变，东莞和佛山在集群创新网络中的地位进一步提升。
（2）多维邻近性是推动珠三角电子信息产业集群创新网络演化的重要动力。地理邻近性、组织邻近性及技术邻近性对驱动产业集群发展演化发挥显著作用。地理邻近性增加面对面交流机会，促进隐形知识的传播与溢出，同时增强沟通合作的及时性，推动主体间创新合作及时有效地开展；组织邻近性基于相似的组织架构和制度背景，双方之间的认识和了解不断加深，有益于建立稳定信任的合作关系；技术邻近性跨越技术合作壁垒，避免双方技术知识差异过大而导致的沟通障碍，降低双方沟通成本，高效率推动合作顺畅进行。
（3）邻近性对集群创新网络演化的影响呈现动态变化。产业集群发展的不同阶段，邻近性发挥的影响也存在差异。珠三角电子信息产业集群由依靠外资到自主创新，地理邻近性则从消极影响转为积极影响，进一步发挥地理集聚的优势效应，集群技术创新自主性增强。组织邻近性和技术邻近性对集群创新网络的演化始终发挥积极影响，但随着网络规模的扩张，创新主体合作选择的对象日益丰富，技术合作追求不同合作领域的融合价值，组织和技术邻近性对集群创新网络的影响均有不同程度地衰减；组织邻近性的边际效应逐步减弱，而技术邻近性则呈倒“U”形模式，早期技术邻近性在推动创新合作中发挥极大作用，随着网络演化的推进，技术创新开始追求跨界合作及技术融合，技术邻近性的边际效应有所下降。
（4）不同邻近性之间存在替代效应或互补效应。首先，地理邻近性和组织邻近性存在相互替代效应，说明二者能在一定程度上弥补对方的缺失，地理邻近性打破产业集群内不同组织合作的制度壁垒，而组织邻近性则推动创新合作关系跨越地理距离的障碍。其次，组织邻近性和技术邻近性存在互补效应，相似的组织结构和技术领域相互促进，为不同创新主体构建创新联系提供更多可能性，同时共同促使集群创新合作关系稳定发展。
（5）创新网络演化还需考虑个体差异和网络结构属性。作为网络组成的基础，创新主体在网络中的创新合作经验和创新技术实力可以有效促进网络关系的连结，带动新加入主体更快地融入集群创新网络；而创新技术实力强则可以吸引同等实力的主体开展合作，并带动技术实力较弱的主体参与集群网络创新合作活动。以不同主体在网络中的地位差异构成的网络结构特征属性，通过主体网络地位的维护成本影响网络演化，主体之间网络地位差距大，高位者拥有丰富网络资源，但与低位者合作效益低，低位者缺乏主动选择权，网络资源的流通与分享存在壁垒。
本文授权公布的联合申请发明专利数据构建珠三角电子信息产业集群创新网络仍存在一定局限性。集群创新合作关系丰富多样，包括技术转移、专利代理、合著论文等正式联系［27-28］，也涵盖创新主体本身具有的人脉等社会资源、主体间日常交流等非正式联系［29］。未来研究希望可以克服正式联系数据获取困难，并采用问卷调查、案例访谈等方式收集非正式联系数据，以期更大程度还原集群创新网络，获得更有价值的研究成果。同时，基于多维邻近性视角构建的集群创新网络演化分析框架有待进一步深化。文章虽然从动态及交互视角对多维邻近性的影响效应尝试进行了一定的探讨，但对邻近性背后的异质性原理、邻近性对分层网络的影响尚未展开深入讨论［30］。未来期待进一步改进研究方法，补充数据，对集群创新网络演化的多维邻近性机理进行更深入全面的探究［31］。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
Freeman C. Networks of invators: A synthesis of research issues[J]. North-Holland, 1991, 20(5).

2
Marshall A. Principles of Economics, 8th edn[M]. London: Macmillan, 1920.

3
Porter M. The Competitive Advantage of Nation[M]. New York: Free Press, 1990.

4
胡杨, 李郇. 地理邻近对产学研合作创新的影响途径与作用机制[J]. 经济地理, 2016, 36(6): 109-115.

5
刘凤朝, 肖站旗, 马荣康. 多维邻近性对技术交易网络的动态影响研究[J]. 科学学研究, 2018, 36(12): 2205-2214.

6
Cao Z, DerudderBen, Peng Z W. Interaction between different forms of proximity in inter‐organizational scientific collaboration: the case of medical sciences research network in the Yangtze River Delta region[J]. Papers in Regional Science, 2019, 98(5): 1903-1924.

7
Wang J, Zhang L W. Proximal advantage in knowledge diffusion: The time dimension[J]. Journal of Informetrics, 2018, 12(3): 858-867.

8
李琳, 王晓峰. 地理邻近与认知邻近对高新区创新绩效的影响——基于社会网络分析[J]. 华东经济管理, 2014, 28(11): 32-37.

9
Andr Torre Shaw, Gilly Jean-Pierre. On the analytical dimension of proximity dynamics[J]. Regional Studies, 2000, 34(2).

10
Cairncross F. The death of distance[M]. Harvard Business School, 1997.

11
Balland P A, Belso–Martínez J A, Morrison A. The dynamics of technical and business networks in industrial clusters: embeddedness, status or proximity?[J]. Economic Geography, 2016, 92(1): 35-60.

12
马荣康, 刘凤朝. 基于专利许可的新能源技术转移网络演变特征研究[J]. 科学学与科学技术管理, 2017, 38(6): 65-76.

13
阮平南, 王文丽, 刘晓燕. 技术创新网络多维邻近性演化研究——基于IBM专利合作网络数据[J]. 科技进步与对策, 2018, 35(8): 1-7.

14
Knoben J, Oerlemans L A G. Proximity and inter-organizational collaboration: A literature review[J]. International Journal of Management Reviews, 2006, 8(2): 71-89.

15
Balland P A, Belso-Martínez J A, Morrison A. The dynamics of technical and business networks in industrial clusters: embeddedness, status or proximity?[J]. Economic Geography, 2016, 92(1): 35-60.

16
彭英, 姚恒璐, 吴菲. 组织个体创新与合作网络演化机理研究——基于通信业专利数据分析[J]. 科技进步与对策, 2015, 32(6): 24-28.

17
GlücklerJ, Panitz R. Relational upgrading in global value networks[J]. Journal of Economic Geography, 2016, 16(6): lbw033.

18
钟韵, 叶艺华, 魏也华. 基于创新联系的城市网络特征及影响因素研究——以粤港澳地区为例[J]. 科技管理研究, 2020, 40(7): 1-9.

19
Balland P A, De Vaan M, Boschma R A. The dynamics of interfirm networks along the industry life cycle: the case of the global video game industry, 1987-2007[J]. Journal of Economic Geography, 2013, 13(5): 741-765.

20
李琳, 张宇. 地理邻近与认知邻近下企业战略联盟伙伴选择的影响机制——基于SIENA模型的实证研究[J]. 工业技术经济, 2015, 34(4): 27-35.

21
曹兴, 宋长江. 认知邻近性、地理邻近性对双元创新影响的实证研究[J]. 中国软科学, 2017(4): 120-131.

22
周灿, 曹贤忠, 曾刚. 中国电子信息产业创新的集群网络模式与演化路径[J]. 地理研究, 2019, 38(9): 2212-2225.

23
潘微微, 菅利荣, 刘涛. 基于关键节点与关键路径的专利集群网络演进研究[J]. 科技进步与对策, 2020, 37(12): 1-8.

24
Jaffe A B ．Technological opportunity and spillovers of R&D: Evidence from firms’patents, profits, and market value[J]. American Economic Review, 1986, 26(5): 1023-1046.

25
阮平南, 王文丽, 刘晓燕. 技术创新网络多维邻近性演化研究——基于IBM专利合作网络数据[J]. 科技进步与对策, 2018, 35(8): 1-7.

26
王海花, 王蒙怡, 孙银建. 多维邻近性对我国跨区域产学协同创新的影响: 静态与动态双重作用[J]. 科技进步与对策, 2019, 36(2): 44-50.

27
毕鹏翔, 唐子来, 李紫玥. 创新一体化进程中的长三角城市网络演化——基于技术转移的视角[J]. 城市规划学刊, 2022(1): 35-43.

28
谢伟伟, 邓宏兵, 苏攀达. 长江中游城市群知识创新合作网络研究——高水平科研合著论文实证分析[J]. 科技进步与对策, 2019, 36(16): 44-50.

29
刘军. 整体网分析讲义: UCINET软件实用指南[M]. 上海: 格致出版社, 2019.

30
陈凯, 李志萍, 罗国锋, 等. 技术邻近、本地风投参与对地理邻近的调节作用研究[J]. 工业技术经济, 2017, 36(4): 40-47.

31
Ma H T, Wei Y H D, Dai L, et al. The proximity and dynamics of intercity technology transfers in the Guangdong-Hong Kong-Macau Greater Bay Area: Evidence from patent transfer networks[J]. Environment and Planning A-Economy and Space, 2022, 54(7): 1432-1449.

Options
Outlines

/

〈 〉