基于网络信息检索的技术转移联盟中城市合作网络分析

基于网络信息检索的技术转移联盟中城市合作网络分析

技术转移是中国国家创新体系建设的薄弱环节，是提高中国企业自主创新能力的重要障碍。技术转移具有典型的地理特征,它是某种技术或知识在空间上的流动与扩散,这一过程必须在一定区域直至更大的地理范围内开展。我国科技资源区域分布差异较大,区域经济发展也不平衡。技术的跨区域流动成为弥补区域科技资源差距,优化科技资源配置和推动区域协调发展的必然选择。跨区域技术转移必须以创新能力较强的城市为中心,组建技术转移联盟,通过搭建以网络、数据库为支撑的信息平台,打破地区间的疆域界线和行政隶属关系,充分发挥各方的优势,促使科技资源在不同经济区域内的综合集成与高效配置,加速跨区域的技术进步与经济发展。1以科技中介为先导的区域发展联盟2007年,《国家技术转移促进行动实施方案》提出要重点支持环渤海、长三角、珠三角、东北、中部、西部等经济区域的技术转移及服务联盟,促进跨区域技术转移。2004年6月,在科技部的支持与指导下,长三角地区的浙江、江苏上海市科技行政管理部门统一协调,上海科学技术开发交流中心、江苏省生产力促进中心、浙江省科技开发中心率先联合发起成立长三角科技中介联盟;2005年1月,东北地区的黑龙江省科学技术厅、辽宁省科学技术厅、吉林省科学技术厅和大连市科学技术局、沈阳市科学技术局、长春市科学技术局和哈尔滨市科学技术局签订了《东北技术转移联盟合作协议书》、《东北技术转移联盟章程》等,共同发起创立的东北技术转移联盟;2005年5月,环渤海经济区北京、天津、河北、山西、内蒙古、辽宁和山东两市五省(区)的技术市场管理部门及技术经纪机构共同签署了《环渤海技术转移合作协议》,创建的环渤海技术转移联盟;珠三角地区、中部地区和西部地区虽未建立起覆盖整个区域的技术转移联盟,但技术转移联盟在局部区域已经组建或开始筹建。其中,珠三角地区的中科院等单位拟在珠三角地区建立技术转移中心,构建技术转移联盟;中部地区的武汉城市圈技术转移联盟也正在酝酿当中。西部地区的甘肃省科技厅联合各行业、各专业、各有关技术市场管理机构、科技中介服务机构和相关的科技管理机构等共同发起成立全省范围的技术交易服务联盟。2更高层次的跨区域技术转移联盟国际经验表明,当一个国家或地区的人均GDP超过1000美元、城市化水平超过30%时,城市化便进入快速发展阶段,城市与区域的发展格局将会发生重大变化。这种重大变化的表现是经济区域内城市之间交流合作逐步加强,发展逐步融合,从而出现城市合作网络,即城市群。在我国随着区域经济一体化的不断发展,我国城市之间的交流合作越来越频繁,越来越深入,从更长远、更全面、更高层次上形成战略伙伴关系已成为不少城市的选择。2004年9月,福州、南昌、长沙、广州、南宁、海口、成都、贵阳和昆明9个省会城市签署《泛珠三角区域省会城市合作协议》,推动区域体制创新,优化区域科技资源配置。2009年5月,上海和武汉签署《关于进一步加强沪汉全面战略合作的协议》,标志着两地的合作格局向高层次、宽领域、全方位整体推进。6月,南京、合肥和南昌共同签署了《南京合肥南昌科学发展战略对接与合作备忘录》,就共同推进泛长三角区域合作对接达成共识。据不完全统计,至2009年上半年,全国主要城市间建立的各类合作联盟已达89个。城市合作网络的不断发展为跨区域技术转移联盟壮大提供基础和平台,跨区域技术转移联盟不断完善为城市合作网络向更深层次的延伸提供了动力和支撑。随着技术转移联盟的发展,城市合作网络逐步发挥了中心城市的技术集聚、扩散功能和中心城市在跨区域技术转移联盟中的龙头带动作用。技术转移联盟城市间的合作网络已初步显现。3技术转移联盟的城市合作网络图3.1内部环磷、政治中心、技术转移示范机构及分布特点中心城市在六大跨区域技术转移联盟中发挥着示范和龙头带动作用。因此,我们选取各跨区域联盟中的中心城市作为城市合作网络的网络节点。中心城市的选取标准是:(1)较高的技术转移交易额;该指标意味该城市具有较高技术产出能力,较强的技术消化和吸收能力;(2)有较高的经济发展水平,经济或政治中心;经济或政治中心一般是交通枢纽,创新要素流动速度快,具备较大的集聚效应和辐射效应;(3)建有国家级工程技术中心和国家级技术转移示范机构;工程技术中心是重要技术产出机构,技术转移机构是技术转移重要承担者。通过筛选,环渤海地区的城市有北京、秦皇岛、天津、济南、青岛、沈阳、大连、呼和浩特;东北地区有哈尔滨、沈阳、长春和大连;长三角地区的城市有上海、杭州、南京、宁波、嘉兴、常州、苏州和无锡;中部地区的城市有长沙、武汉、合肥、南昌、郑州、景德镇和芜湖;西部地区的城市有成都、西安、兰州、重庆、昆明、乌鲁木齐、南宁和银川;珠三角地区的城市有广州、佛山、深圳和珠海。3.2网络检索,确定合作关系节点之间的链接反映了城市间建立了合作关系。为了确定六大区域中城市节点间的合作关系网,本研究采用网络检索方法。网络信息检索一般用于庞杂而缺乏系统性的信息或数据,工作量比较大。由于对城市合作关系并没有直接的统计,因此通过网络信息检索获取城市合作关系也是可以接受的一种方法。为了尽可能使检索的信息全面、准确和完整,网络检索从两个方面进行:(1)通过搜索引擎,在网上对所有城市进行两两检索,通过比较甄选确定城市间是否建立合作关系。确定建立合作的标准是政府间“签订合作协议”或者政府(科技)部门间“签订合作协议”或“框架协议”。(2)根据这38个城市的科技局自办或主办或协办的科技信息网站或产学研合作网、科协等网站上公布“合作交流”、“最新动态”等栏目信息为基准进行甄选,确定其与其他城市合作关系。如果两个城市间签订合作协议或者建立合作框架联盟,我们将这两个城市间合作网络关系标记为“1”,否则标记为“0”。通过对703个数据的搜索,数据获取渠道如表2所示。3.3社会网络分析是一种新的方法论本研究采用社会网络分析方法,借助Ucinet和NetDraw软件,以主要城市为节点,对我国跨区域技术转移联盟中各城市合作网络结构进行深入的可视化分析,以期获得各城市合作网络中的特点。社会网络分析由于引入数学图论和计算机技术为手段而不断成熟,给社会学带来了新的概念和理论,一些模型和方法也被广泛应用到社会学的许多领域。社会网络分析作为社会科学研究的一种新的范式,关注行动者之间的“关系”和整体网络的结构,在认识论、方法论、数据采集与统计等方面都形成了社会科学中的一种独特视角。同时,社会网络分析方法采用量化、图形化的方法对网络进行研究,是分析网络关系的一种有力工具。这些可视化工具不但扩展了人类的视觉功能,还允许人们对大量抽象的数据进行分析。而以往的分析多采用统计的方法,结果抽象,难于理解。Ucinet软件只能处理二值矩阵,我们将统计得到的二值矩阵输入到Ucinet,利用NetDraw绘制城市合作网络图,如图1。4中国区域技术转移联盟合作网络的资源分析4.1不同类别城市技术转移联盟合作关系分析首先,依据38个城市间的合作关系和合作结构,我们利用Concor法将合作网络节点进行相似性分析,计算38个城市间的合作关系以确定城市网络的亲疏关系。Concor法是以相关为基础发展出来的方法,城市合作网络中两个节点间的关系,可以用如下公式计算:rij=∑(xki−x¯⋅i)(xkj−x¯⋅j)+∑(xik−x¯i⋅)(xjk−x¯j⋅)∑(xki−x¯⋅i)2+∑(xik−x¯i⋅)2∑(xkj−x¯⋅j)2+∑(xjk−x¯j⋅)2√√‚其中i≠k,j≠krij=∑(xki-x¯⋅i)(xkj-x¯⋅j)+∑(xik-x¯i⋅)(xjk-x¯j⋅)∑(xki-x¯⋅i)2+∑(xik-x¯i⋅)2∑(xkj-x¯⋅j)2+∑(xjk-x¯j⋅)2‚其中i≠k,j≠k其中,x¯x¯·i就是所有指向i的平均数,xki−x¯⋅ixki-x¯⋅i就表示节点k指向i的关系,减去指向i的关系的平均数。通过计算,我们根据38个城市联系的亲疏程度,将其分为五大类别。第一类别城市为:北京、秦皇岛、大连、呼和浩特、青岛、沈阳、长春、哈尔滨、太原;第二类别城市为:济南、天津、上海、杭州、南京、宁波、嘉兴、常州、苏州和无锡;第三类别城市为:长沙、武汉、合肥、南昌、郑州、景德镇、芜湖和西安;第四类别城市为:成都、兰州、重庆、昆明、乌鲁木齐、南宁和银川;第五类别城市为:广州、佛山、深圳和珠海。可见,计算结果与六大跨区域技术转移联盟城市群地理分布基本一致,同一技术联盟内,城市所处的合作关系具有很强的相似性。这说明,技术转移联盟的建立,确实有助于联盟内部城市建立链接,有力推动了联盟内部城市间的合作和交流。但也可以看出,技术转移联盟的内部城市间合作网络较为发达,而联盟间城市合作关系相对较弱(图2)。一个群体的结构中,网络密度是一项重要变量。一个网络可以有密切关系,也可以由疏离关系,紧密团体的合作行为较多,信息流通较为方便,网络绩效也会较好。因此,对于六大区域的技术转移联盟来讲,衡量各战略联盟中核心城市所组成网络的密度,有利于清楚地揭示各战略联盟中核心城市间技术合作网络的发达程度,也可以反映各跨区域技术转移联盟技术转移联盟发展水平。密度计算的一半公式为:Δ=2Lg(g−1)=2Lg(g-1),其中L代表图中线的数目,g代表图中节点的数目。通过计算,我们将计算结果绘制如图3所示。可以发现珠三角、东北和长三角区域技术转移联盟的集聚度最高,说明以上区域技术转移联盟城市间联系最强,其中珠三角地区技术转移联盟城市合作关系最强。这与该区域城市分布集中,地理距离较近,经济较为活跃有很大关系。同时该区域城市间通过开展“国际技术转移论坛”等有关活动,搭建和维护联盟信息网络平台,有效实现技术市场信息资源共建共享。中部地区和西部地区集聚度较低,城市合作网络不发达。4.2中介性城市网络中心度分析通过以上分析,我们清晰而直观地看到每个城市在合作网络中所处的位置以及跨区域技术转移联盟发展形态。如果要更加精确地衡量每一个城市在合作网络中所处的位置,则必须利用社会网络分析中的其他方法。中心性分析是社会网络分析中常用的一种方法,该分析的应用主要体现在世界体系、经济地理、组织研究,以及科学论文的引文网络中。中心性是衡量某一网络节点结构和位置的重要指标。通过对城市中心性进行分析,将揭示不同技术转移联盟中城市的地位和角色。为了全面分析城市的中心性,我们将从程度中心性、亲近中心性和中介性三种形成对38座城市合作网络进行分析。程度中心性的计算公式为:CD=∑i=1g[CD(n∗)−CD(ni)]max∑i=1g[CD(n∗)−CD(ni)]CD=∑i=1g[CD(n*)-CD(ni)]max∑i=1g[CD(n*)-CD(ni)]亲近中心性则是以距离为概念来计算一个节点的中心程度,与其他节点越近则中心程度越高。其公式为:Cc(ni)=[∑j=1gd(ni,nj)]−1Cc(ni)=[∑j=1gd(ni,nj)]-1依据在38个城市中的影响力和首位度,我们将38个城市分为四类,第一类城市有很高的创新能力,技术创新活跃,合作关系广泛,有北京、上海、广州、深圳、大连、珠海、沈阳、南京、杭州、武汉和西安;第二类城市技术创新能力较强,合作关系较为广泛,有成都、天津、宁波、济南、苏州、重庆、青岛、太原、郑州、无锡、常州、嘉兴和哈尔滨;第三类城市合作网络较不发达,有长春、合肥、佛山、芜湖、昆明、长沙、秦皇岛;第四类:合作网络不发达,技术创新能力也较弱,有兰州、乌鲁木齐、南昌、南宁、呼和浩特、银川和景德镇。可见,中心度较高的城市都集中在北京和沿海经济发达地区,所在的技术转移联盟密度也较高,合作网络也较为发达。中心度较低的城市大多分布在中部地区和西部地区,所在的技术转移联盟密度也较低,合作网络较不发达。特别是西部地区,城市地理分布较为分散,城市网络中心性程度都不高(图4)。基于以上分析,我们发现由于受创新水平影响,城市的中心程度差异很大。这不利用跨区域技术转移联盟之间的跨联盟交流和联盟均衡发展。通过对城市网路的中介性进行分析,利用中介性高的城市,不仅可以有效激励本联盟中城市间合作,而且对于加强跨联盟间城市的合作具有很大推动作用。中介性衡量了某一节点作为媒介者的能力,即占据其他两个节点快捷方式上重要位置的节点,中介性强的节点对其他节点之间的交流和沟通起中介作用,也就是俗称的“桥”。其计算公式为:CB=2∑i=1g[CB(n∗)−CB(ni)][(g−1)2(g−2)]CB=2∑i=1g[CB(n*)-CB(ni)][(g-1)2(g-2)]通过计算,我们发现环渤海区域中介性最高的城市为北京;东北区域中介性最高的城市为:沈阳;西北地区中介性较高的城市为:西安、兰州、成都;长三角区域中介性较高的城市为:上海、杭州;中部区域中介性较高的城市为:武汉、合肥;珠三角区域中介性最高的城市为:广州。以以上城市作为各跨区域技术转移联盟的中心节点和中介节点,给予它们更多的政策关注和支持,鼓励这些中介性较高的城市建立合作网络,推进技术转移工作,可以有效地加强跨区域间技术转移能力和水平。5各城市技术转移联盟发展相对缓慢通过对我国跨区域技术转移联盟中城市合作网络的分析,我们发现:(1)城市合作网络关系和技术转移联盟城市群地理分布具有很强的一致性,说明技术转移联盟对城市合作网络发展确实有很大推动作用,城市合作网络也相应地推动了技术转移联盟的发展。(2)各区域城市合作网络密度差异巨大,珠三角地区城市网络密度最大,技术转移联盟最为发达,西部地区密度最小,技术转移联盟发展相对迟缓。(3)各城市中心程度差异巨大,北京中心度最高,是我国技术转移中心。中部地区和西部地区城市中心性较差,特别是西部地区,缺乏技术转移中心城市。(4)各城市