技术的快速变革和竞争的全球化要求企业专注于核心竞争力和快速学习，为了创新发展，企业通过交易或者发展互惠关系从外部获取资源。虽然编码的知识很容易传播，但隐性知识却很难编纂和表达，需要企业通过观察、参与合作才能实现有效的转移。因此，企业通过发展关系实现知识共享，这对于创新的成功非常重要。网络就代表了这种关系。不仅是企业，产业和区域置于网络中，能够在全球范围内搜索并利用外部知识，实现高效创新。在过去十几年中，经济地理学者大量使用网络概念和网络思维来分析许多现象，包括产业集群、区域创新系统、企业和组织间网络、全球价值链和全球生产网络、世界城市网络和移民网络^[1]。在创新研究领域，“网络”一词的使用与日俱增，创新网络理论常常用于分析产业发展、区域增长、区域治理。

在过去十年中，经济地理学应用社会网络分析方法（SNA）解释知识和创新地理分布的现象十分普遍，通过特定的研究设计，有助于理解区域之间的相互联系、连通性，以及新知识和创新的产生过程。学者们主要采用社会网络分析方法回答两个问题，第一，网络个体的位置如何影响个体的创新行为与创新结果；第二，网络的结构如何影响整体的创新结果。经济地理学中大多数的研究集中在前者，通过网络分析解释个体的网络特征，例如中心性、结构洞等，以及分析这些个体的特征对创新的影响^[2]。然而，这些研究通常只是停留在对整个网络的一般特征，例如集中性，聚类和平均路径距离的简单描述，忽视了对整体网络的深入分析。对识别整体网络连接的基本逻辑方面的工作还很少，例如分析市场中劳动力的社会和空间划分，或者网络组成对整体网络演变的影响，它的社会意义和整体网络的效果。整体网络的构成、演变、结构在特定的背景下的含义及其对个人和集体结果的影响，还需要更多的关注。

2000年以后，创新网络的研究成为经济地理学最关注的研究热点之一^[3]。创新网络的研究成果越来越丰富，然而研究成果仍然存在碎片化的问题，有必要对这些成果进行回顾与系统整理，从研究脉络、研究内容、研究趋势三方面进行总结，推进中国创新经济地理学的发展。

本文运用Citespace软件对国内外经济地理学领域的创新网络主题论文进行知识图谱分析，通过观察关键词共现情况，关键词的出现频次，分析创新网络的研究脉络。数据选取和处理步骤如下：

选择“Web of Science核心合集”数据库（简称WOS），在“主题”检索栏输入“innovation network”，时间跨度选择2000—2018年，在“Web of Science类别”栏，选择与经济学、地理学、城市研究等领域相关的文献精炼，最后筛选出2331篇文章。在“中国知网”数据库中（简称CNKI），输入检索条件：“主题”输入“创新网络”；文献“来源类别”选择“CSSCI”；时间跨度选择2000— 2018年；检索出2173篇文章。检索时间为2018年7月20日。运用Citespace软件处理数据，时间切片选择2年，并选择每个片中前5%的关键词形成知识图谱，采用寻径网络算法对网络进行剪裁，对关键词共现情况进行可视化。WOS、CNKI中创新网络主题文献的关键词共现分析结果如图 1和图 2所示，关键词出现频率前30位如表 1所示。

图 1(Fig. 1)

图 1 2000—2018年WOS中创新网络主题论文关键词知识网络 Fig.1 Knowledge Network of Innovation Network Built with Key Words from WOS in 2000—2018 注：时区视图根据关键词首次被引用时间，节点被设置在不同的时区中；节点越大表示关键词出现的频次越高，节点内圈的颜色表示不同时间段出现的频次，节点间连线表示关键词共现关系，连线的颜色则对应关键词第一次共现的时间。

图 2(Fig. 2)

图 2 2000—2018年CNKI中创新网络主题论文关键词知识网络 Fig.2 Knowledge Network of Innovation Network Built with Key Words from CNKI in 2000—2018

表 1(Tab. 1

表 1 2000—2018年中外经济地理学领域创新网络主题论文高频关键词 Tab.1 Hot Key Words of Economic Geography Literature on Innovation Networks

表 1 2000—2018年中外经济地理学领域创新网络主题论文高频关键词 Tab.1 Hot Key Words of Economic Geography Literature on Innovation Networks

由图 1和表 1可知，随着知识经济的重要性日益提高，2000年后，创新网络的研究成为热点问题。西方学者对创新网络的研究大致经历了三个阶段：2000—2006年（关键词之间的连线以蓝色为主，首次关键词共现时间为2000年），西方学者更多关注创新网络的形成过程，创新网络中流动的知识和技术^[4]，以及创新网络对集群、产业、城市发展的影响，以静态研究为主；关键词涵盖：知识（knowledge）、技术（technology）、研发（research and development）、创新表现（performance）、增长（growth）、产业（industry）、知识溢出（spillover）、区域发展（regional development）、集群（cluster）等。2007—2013年，西方学者开始关注创新网络演化和驱动因素，广泛应用社会网络分析方法（越来越多的研究利用专利数据进行分析）分析网络结构，重视大学在创新网络中的作用，对产学研网络的研究增多^[5]；关键词涵盖：动态性（dynamics）、邻近性（proximity）、影响（impact）、社会网络（social network）、大学（university）、专利（patent）等。2014年以后，西方学者的研究视野从区域放眼至全球，研究对象从关注网络中心主体到网络外围主体，研究包括全球创新网络的结构与演化^[6]，跨国公司的知识转移与创造^[7]，发展中国家、边缘地区、小型城市、中小企业的创新网络发展与创新政策影响^[8]；关键词涵盖：跨国公司（multinational enterprise）、国际贸易（international trade）、公平性（justice）、发展中国家（developing country）、可持续性转型（sustainability transition）、劳动力流动（labour mobility）、小城市（small city）。

从图 2和表 1可以看出，国内学者对创新网络的研究也大致经历了三个阶段：2000—2007年（关键词之间的连线以蓝色为主），中国学者更多的关注区域创新网络、产业集群创新网络、企业创新网络的形成过程及其对创新绩效的影响^[9]；当时硅谷卓越的创新成效吸引了全世界的目光，中国政府也在积极打造中国版硅谷，设立大批高新区、大学科技园，中国学者也在积极研究产业集群内的知识溢出与技术共享；涵盖的高频关键词：创新网络、技术创新网络、区域创新网络、企业创新网络、产业集群、高新区、科技园区、产学研、协同创新、创新绩效。2008—2014年（关键词之间的连线以紫红色和橙色为主），中国学者开始采用社会网络分析法、复杂网络分析法、仿真模拟等方法，研究创新网络结构、演化、空间特征，以及网络结构对创新绩效的影响^[10]；涵盖的高频关键词：网络能力、网络位置、社会网络分析、结构洞、演化、系统动力学、仿真、空间结构等。2015年后，中国学者更多关注城市间创新合作、战略性新兴产业创新网络^[11]，对双元创新、邻近性影响的研究也增多；涵盖的高频关键词：京津冀、城市群、协同创新能力、双元创新、破坏性创新、利用式创新、新能源汽车、邻近性、地理邻近等。

表 1的高频关键词表明，创新网络的主要研究内容包括：创新网络空间尺度（知识传播的距离），创新网络演化及其驱动因素，创新网络结构及其对创新绩效的影响。

（1）产业集群创新网络

传统上，对于集聚经济的解释是企业集聚可以降低生产成本。如今，众多创新活动空间集聚的研究表明，本地集群的知识创造能力对于集群的增长具有决定性作用。影响集群经济的因素有很多，包括原材料的可用性、专业劳动力的可用性、高级分工的可能性、知识溢出效应，如今强调社会网络和企业家精神是解释创新活动集聚的重要因素^[12]。集群研究的共同之处是强调知识流动对于产生新知识的重要性，换言之，知识是累积的，知识累积和知识流动的本地化特征结合导致了知识生产的地理集聚。但知识流动并非限于本地，Bathelt等^[13]提出本地锋鸣—全球管道的观点，认为本地锋鸣有利于创新，能够快速过滤无用信息，全球管道有利于企业从不同环境获取不同的知识，并将知识在集群中扩散。最近的研究关注点由集群内网络转向集群间网络，Nomaler等^[14]研究美国创新集群之间的知识流动，发现技术轨迹在创新集群之间发展，而不是在集群内部；与全球管道认为集群部分企业从外界获取知识，在集群内扩散的观点不同，Nomaler认为技术轨迹是企业集体努力的结果，以渐进的方式发展为累积的局部变化，没有自上而下的设计过程。

（2）区域创新网络

随着网络范式的兴起，城市研究也开始采用社会网络分析方法研究知识流动与区域创新模式的关系。知识的获取对城市经济的发展至关重要，城市在创新网络中占据好的地位，使得中心城市在信息收集和处理方面享有优势，一些学者将这种优势定义为网络资本。Huggins^[2]对英国产学研知识网络的研究表明，最具创新性和经济发展好的地区更有可能成为在知识网络中占据高度核心位置和有影响力的节点，网络结构和网络资本影响了区域创新和发展模式。周灿^[15]刻画中国城市创新网络结构，并以网络中心度测度网络资本，研究表明城市的网络资本与其创新表现显著相关。随着中国对城市群发展的重视，最近的研究对城市群内部网络、城市群之间网络研究逐渐增多^[16]。例如刘承良等^[17]刻画了长三角城市群内部技术流动的主体、客体、网络的时空演化规律。城市创新网络与早期产业创新网络的研究方法相似，采用专利数据，研究网络结构、节点演变、网络结构与绩效的关系。

（3）全球创新网络

跨国公司在全球范围内活跃，通过子公司在全球范围获取知识，构建全球创新网络。随着中国企业对外研发投资的增多，中国学者开始关注中国跨国公司构建全球创新网络的途径。司月芳等^[18]研究华为的研发国际化，研究发现华为通过全球网络中的核心子公司与国际企业、大学与科研机构的合作获得领先的研发资源，并通过总部协调实现知识向总部的流动。西方跨国公司的海外投资经验丰富，西方学者的关注点从全球网络中的核心子公司转向外围子公司。Glueckler^[8]认为创新在外围成功的原因有三点：首先，在不同的地理环境下，跨国公司子公司捕捉新颖知识、创造知识的方式不同。其次，地方信息的流动性意味着网络外围的小规模子公司很可能促进了相关和不相关的组织之间的信息偶然交叉，可能导致新知识的产生。第三，全球信息的黏性意味着子公司与总部的连通性较弱时，可以为外围子公司提供必要的管理自由，即使在国际总部的压力下也能追求探索式创新。

从以上分析可以看出，目前大多数研究还是在单一尺度下开展，或是不同尺度网络的比较^[19-21]，多尺度融合研究较少，忽视了不同尺度之间的要素流动与组织关系^[22-23]。组织创新绩效往往受多尺度网络的影响，以城市为例，国内外知识对城市创新的影响是不同的，需要综合考虑国内和全球网络。一个国家内部创新活动是由城市间协作网络中的创新城市实现的，国际合作网络带来了外部知识，影响国家内部创新网络^[24]。跨国网络的结构是否影响城市网络中的城市协作？对于企业而言，区域网络、国家网络、全球网络对企业创新表现的影响多大？这些问题都还有待研究。

网络演化已经成为经济地理学的一个重要议题，特别是在网络演化的累积机制研究取得重要发现后，例如优先连接和多连接^[25]。从那时起，研究关注网络空间演化和区域发展过程中的网络动态轨迹之间的相互关系。关系分析对于研究产业、技术的相关性，以及它们对区域发展和创新的影响是至关重要的。另一个重要的研究领域是多维邻近性^[26]。网络联系通常被认为是由于地理上的邻近而产生的，关系则更有可能在空间邻近的主体间产生，从而解释了集群和网络的空间依赖性^{[27, 28]}。然而，也有研究表明，相距较远的主体间可以形成三元闭包的关系，地理邻近的作用在降低^[29]。虽然地理距离和本地联系的相互作用引起了关注，但更为重要的是，整个网络和全球产业发展中的知识传播。

研究方法上，网络演化的研究方法从传统的演绎方法到采用广义块模型、社区检测等新方法。学者们最早使用块模型方法研究全球生产网络、价值链升级的过程，以及创新的扩散。块模型将网络转换为具体位置（由个体组成）和一组块的集合，每个块被定义为网络个体的两个位置之间的关系，用位置和块一起描述角色系统，例如买方和卖方关系。块模型是一种探索性的聚类方法，研究者通常了解网络中个体之间的角色关系，预先指定具体的基于实质关系的块模型，然后用数据测试它们的拟合度。Doreian等^[30]在2005年提出了广义块模型，该方法注重网络功能，并且在获得实证性信息时最有成效。根据理论或已知的关于研究领域的先验条件，在块模型中预先指定块及其位置^[31]，通过预先设定的块模型在不同的情况下进行测试，验证在不同情境下的理论假设。Turkina等^[6]采用网络视角，分析了本地集群和全球集群网络的相互关系，建立北美和欧洲50多个航空航天集群内部和集群之间的纵向和横向业务关系数据库，为了在全球范围内识别高科技行业的组织动态，采用了新的网络研究方法，对技术空间演化提出了新见解。将2002年至2014年的网络划分为几个阶段，使用整个网络中的社区检测方法，揭示了日益增长的区域航空航天集群创新网络的空间分布和组织动态。

2004年至今，网络结构分析一直是创新网络研究的重要内容（图 1、图 2）。Ucinet、Gephi等复杂网络分析软件开发后，网络结构分析变得相对容易。这些软件可以处理庞大的网络关系数据，计算整体网络的规模、密度、聚类系数、距离等网络结构指标，可用于节点中心性分析、子群分析、角色分析和基于置换的统计分析，并能将网络可视化。学者们还开展了网络结构演化的研究，网络结构演变取决于参与者的连接策略^[32]。Powell等^[25]的研究表明，美国生命科学领域企业或个人更倾向与不同的组织或个人联系。Menzel等^[33]研究了制度变迁对网络结构演变的影响，研究表明，互联网泡沫期，共同发明人网络中的探索性关系产生结构洞，是新知识的来源，而利用性关系则关闭结构洞，有利于将知识转化为产品。

已有文献表明网络结构特征包括网络的规模、强度、位置、开放性、关系强度等都对创新绩效具有重要的影响^{[10, 34]}。然而不同学者对这些网络结构变量是否对于创新绩效起作用，起促进还是抑制作用还存在着较大的争议。以代表网络位置的变量中心性和结构洞为例，党兴华等^[35]认为网络中心度与地理邻近性的交互作用对创新绩效有显著的正向影响作用；而结构洞与地理邻近性的交互作用对企业创新绩效没有显著的影响。范群林等^[36]指出传统产业集群企业网络中介中心度对企业创新绩效存在正向影响，而结构洞则无影响。钱锡红等^[37]以深圳市IC产业的实证研究表明，占据网络中心和富含结构洞的网络位置有利于提升企业创新绩效。Ahuja^[38]认为结构洞影响有正、负两方面，增加结构洞对化学工业创新不利。Dong等^[39]以美国制药产业的实证研究表明接近中心性和特征向量中心性对新产品开发有负面影响。

综上所述，网络结构特征与创新绩效关系受到广泛关注，但不同学者的研究结论大相径庭。大多数学者根据自身的研究重点，选择某一产业作为实证案例，然而不同产业的创新特征有很大差别，产业创新特征不同，产业创新网络就会有本质的区别，其对创新绩效的影响也必然存在差异。Asheim等^[40]根据产业知识基础的不同，将产业分为三种类型，基于科学知识的解析型产业（science-based）、基于工程技术的合成型产业（engineering-based）、基于创造力的象征型产业（art-based）。Plum等^[41]、Aslesen等^[42]、Martin等^[43]、Marek等^[44]都沿用此分类，比较了三类产业的创新网络主体、网络空间尺度，以及网络中流动的知识类型。国内关于知识基础的研究尚处于起步阶段，文献仅简单描述区域合作网络与区域创新存在的联系，未展开知识基础与创新网络关系的讨论^[45-49]。即使学者们研究的产业类型相同，研究的空间尺度不同，研究结论也有很大差别。创新网络结构受多种因素的影响，大多数学者以各自的案例研究结论，批判对立方观点，很少学者对差异原因进行解释。另外，目前学者们还沿袭“结构决定绩效”的思路，忽视了绩效提高反过来也会深刻影响着网络结构^[50]。

从创新网络空间尺度看，传统研究对单一尺度网络进行分析，例如集群、城市、国家、全球网络，或开展不同尺度的网络比较研究，将不同空间尺度相互割裂，忽视了多空间尺度的要素与组织间密不可分的关联。未来应从多尺度耦合的角度出发，研究全球—地方创新网络对于组织创新的影响。

从创新网络层级看，传统研究以单一网络分析为主，而多层级网络分析能够为创新提供更加丰富的见解。以博览会为例，最近经济地理学密切关注临时邻近对于知识创造、再生产、二元商业关系的转型，以及组织和全球网络再配置的影响^[51]。创新过程包含的交易、营销、学习、合作等流程，往往是在不同级别的机构中构建，又是建立在人与人之间的信任之上。包含个人和组织的多层级网络关系分析为临时邻近的研究提供了一个有趣的研究方向。

从创新网络演化看，传统研究关注点是企业，对节点演变的研究较多，而对技术本身的发展方式，技术的演变与空间相互作用关系的研究较少。技术轨迹展示了主导技术的长期发展过程，是一条累积的渐进式创新链，它对于分析技术变革对经济和整个社会的影响非常重要。技术网络的空间位置变化研究，对于分析创新的地理集聚、区域间的知识流动、企业的选址决策具有重要意义。未来应加强技术网络轨迹、技术网络空间变化等研究。专利直接引用、间接引用数据为技术网络轨迹刻画提供数据基础。

从创新网络结构看，现有研究停留在对整体网络一般特征的描述，对整体网络连接形成的原因、网络组成对整体网络演化的影响分析还不够深度，例如劳动力流动对整体网络演化的影响等问题研究较少。另外，现有研究多以单一产业为研究对象，计算节点的网络结构指标（中心性、结构洞等），缺乏对不同知识基础产业创新网络的比较分析，对不同产业网络结构差异原因分析不足。未来应深化整体网络分析和不同产业网络的比较研究。

实证研究方面，第一，中国正在加快建设创新型国家，各城市都将创新作为引领发展的第一动力，然而目前国内创新网络研究聚焦于发达地区，边缘城市、欠发达地区知识创造和知识共享的研究基础薄弱。第二，中国作为新兴经济体的代表，培育出众多后发跨国企业，它们正在将研发国际化作为发展“跳板”，在全球市场上寻求先进技术资源，寻求创新合作以提高创新能力。母国的特定社会政治经济环境深刻影响跨国公司创新决策，当前全球创新网络研究仍以发达国家跨国企业为重点研究对象，忽视了新兴经济体的后发跨国企业全球创新网络配置，未来应加强中国欠发达地区、中国跨国公司创新网络方面的研究。

研究方法方面，当前研究主要基于小规模企业调查一手数据，或专利二手数据，主要采用社会网络分析法描绘创新网络的结构、衡量网络个体位势，运用多元回归、负二项回归、Tobit回归等多种回归分析方法，研究整体网络结构或者个体差异对创新绩效的影响。实证研究方法相对滞后，数据获取困难是原因之一。未来应在手动数据的收集与计量方法的应用上有所强化。可以运用光谱和层次聚类算法相结合来识别网络结构，可以采用社区发现、块模型等方法分析整体网络组成与网络的演化。