2. 辽宁师范大学 海洋可持续发展研究院, 大连 116029;
3. 北京师范大学 地理科学学部, 北京 100875
2. Institute of Marine Sustainable Development, Liaoning Normal University, Dalian 116029, China;
3. Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China
绿色技术创新作为绿色发展和创新驱动两大战略的结合点,是破解绿色发展难题和实现高质量发展的重要支撑[1, 2]。习近平总书记在全国科技创新大会上指出“要依靠绿色技术创新破解绿色发展难题,形成人与自然和谐发展新格局”;“十四五”规划和2035年远景目标纲要指出“要加快发展方式绿色转型,大力发展绿色经济,构建市场导向的绿色技术创新体系,实施绿色技术创新攻关行动”。绿色技术创新逐渐成为促进经济社会全面绿色转型和实现“双碳”目标的关键着力点。黄河流域作为中国重要的生态屏障和经济地带,仍面临着生态环境脆弱和发展质量有待提高等问题[3]。随着黄河流域生态保护和高质量发展上升为国家战略,绿色技术创新成为推动黄河流域生态保护和高质量发展的重要途径[4, 5]。因此,开展黄河流域绿色技术创新空间关联网络结构及其影响因素研究极具现实意义。
绿色技术创新最早由Braun等提出,并将绿色技术定义为旨在降低环境污染、减少资源消耗的工艺或产品的总称[6]。随着研究的不断深入,学者们开始将绿色技术创新概念由过去的产品、工艺扩展到营销、组织管理以及制度创新等生命周期全过程[7]。目前,学界对于绿色技术创新的研究主要集中于绩效评估、驱动因素及管理政策等主题。其中,绩效评估方面多采用单一指标法[8, 9]、综合指数法[10-12]和相对效率评价法[13, 14]对绿色技术创新水平进行定量测度。驱动因素方面学者们则多从政策推拉效应、市场拉动、技术驱动以及企业战略等多个方面对绿色技术创新的影响机制进行探讨[15, 16]。近年来,经济地理学视角下的绿色技术创新时空异质性研究成为学者们关注的焦点。例如,吕岩威等[17]和王婧等[18]研究证实中国省域与地市尺度上绿色技术创新的空间非均衡性明显,且存在显著的空间自相关性;段德忠等[19],董会忠等[20]和许玉洁等[21]通过对长江经济带、粤港澳大湾区及黄河流域等地域单元的绿色技术创新时空演变特征进行分析,表明绿色技术创新在上述地区也存在不同程度的溢出效应。然而,以上研究多是基于“属性数据”对绿色技术创新时空差异特征的刻画,从关系型视角对绿色技术创新空间关联关系及其溢出路径的研究仍较为薄弱。
随着知识经济时代“地方空间”向“流动空间”转变,在“开敞式”的创新环境下,创新要素的流动性日益频繁,跨主体、跨区域的网络化创新模式成为新的创新导向[22, 23],作为创新活动重要组成部分的绿色技术创新也有赖于创新网络进行知识交流与技术合作。从绿色技术创新本身特点而言,绿色技术创新具有高投入、高风险和复杂性特点,较之传统创新,绿色技术创新对创新网络的依赖性更强;同时绿色技术创新的公共产品属性也决定了其依赖与创新合作伙伴进行知识互动[24]。不同区域或创新主体之间不但通过显性方式比如专利技术的合作研发、转让、外包、委托技术创新开展创新合作,也通过缄默知识传递和创新资源互动等隐性方式实现绿色技术创新的跨区域及跨主体的交流协作,从而形成绿色技术创新空间关联网络[25]。与此同时,国内外学者也开始围绕绿色技术创新空间关联网络的演变特征及其影响效应进行了初步探索。例如,Fan等[26],Liu等[27]和孙中瑞等[28]采用引力模型和社会网络分析方法对中国省域尺度绿色技术创新效率的空间关联网络结构进行了解析;尚勇敏等[24],黄永春等[29]和孙蕾等[30]则基于绿色专利数据对长三角地区绿色技术创新的空间关联网络演变特征及其驱动因素进行了实证分析。总体上,目前对绿色技术创新空间关联网络的研究仍处于起步阶段,研究案例尚需进一步丰富与拓展。
总结可知,国内外学者围绕绿色技术创新绩效评估、驱动因素与时空异质性问题开展了较多工作,证实了绿色技术创新存在着空间关联效应。随着经济地理学研究范式由传统线性模式向网络模式转变,复杂网络视角下绿色技术创新的空间关联网络研究逐渐成为热点议题,然而当前针对典型地区尤其是以流域为研究单元的绿色技术创新空间关联网络演变及其影响机制的研究仍有待进一步加强。鉴于此,本文以黄河流域为研究案例地,立足绿色专利申请数据,采用修正的引力模型和社会网络分析方法对黄河流域绿色技术创新的空间关联网络结构演变特征进行分析,进而运用二次指派程序(quadratic assignment procedure,QAP)定量识别绿色技术创新空间关联网络的影响因素。本文理论上可以丰富绿色技术创新的研究案例,深化绿色技术创新空间关联网络演化的理论认知;实践上可为完善黄河流域绿色技术创新体系和建立黄河流域绿色技术创新联盟提供参考依据。
2 研究方法与数据来源 2.1 研究区概况参考已有研究[31],本文所研究的黄河流域为黄河干流流经的省区,研究范围覆盖青海(不含海东市)、甘肃、宁夏、内蒙古(不含赤峰市、通辽市和呼伦贝尔市)、陕西、山西、河南(不含济源市)、山东,共包括8个省级行政单元的78个地级市(不含州、盟)。黄河流域涵盖山东半岛城市群、中原城市群、关中平原城市群、晋中城市群、呼包鄂榆城市群、兰西城市群和宁夏沿黄城市群,共计7个城市群(图 1)。截至2019年,黄河流域城市群人口规模占黄河流域的70% 以上,经济总量占黄河流域的80% 以上,表明城市群作为黄河流域经济社会发展的主要载体,在高质量发展过程中发挥重要作用[32]。鉴于城市群是黄河流域创新活动的集聚地,故本文结合7大城市群对黄河流域绿色技术创新空间关联网络进行探究。
借鉴已有研究[27, 28],通过构建修正的引力模型测算黄河流域绿色技术创新的空间关联关系矩阵。修正后的引力模型公式为:
(1) |
式中:Fij为城市i、j之间绿色技术创新的空间关联强度;Gpai和Gpaj分别表示城市i和城市j的绿色专利申请量;Disij表示城市i、j之间的球面距离;Stei和Stej分别为城市i、j的科学技术支出;Kij为引力系数,表示城市i在城市i、j之间绿色技术创新联系中的贡献率。根据公式(1)计算得到黄河流域绿色技术创新引力矩阵,以矩阵中各行的平均值Y为阈值,若Fij>Y则记为1,说明两城市间的绿色技术创新存在关联关系;反之记为0,说明两城市间不存在关联关系[33]。经过矩阵二值化处理后,构建出绿色技术创新的空间关联矩阵(GTI)。
2.2.2 社会网络分析方法社会网络分析是一种研究社会关系的定量分析方法,广泛应用于复杂关联网络研究。本文利用社会网络分析方法从整体网络结构特征、个体网络结构特征、核心—边缘结构特征3个方面分析黄河流域绿色技术创新空间关联网络的结构特征,具体公式见文献[34]。
2.2.3 QAP回归分析QAP回归分析是研究网络间关系的假设检验方法,可用于矩阵间关系数据的回归分析,能够有效避免传统计量方法对关系型数据回归分析时产生的“多重共线性”问题[35]。QAP回归分析通过计算得出矩阵间的相关系数和回归系数,并进行非参数检验,从而研究复杂关联网络与影响因素间的关系[36]。本文采用QAP回归分析方法对黄河流域绿色技术创新空间关联网络的影响因素进行识别。
2.3 指标选取与数据来源本文以黄河流域78个地级以上行政单元为研究对象,研究期为2006—2019年。指标数据来源于2007—2020年《中国城市统计年鉴》、各地级市历年统计年鉴、国民经济和社会发展统计公报。由于专利授权存在时滞性,且易受人为因素的干预,专利申请量则更能体现城市创新质量,因此本文将绿色专利申请量作为衡量绿色技术创新水平的指标。绿色专利数据依据WIPO确定的“国家绿色专利分类清单”中列出的绿色专利国际专利分类编码,然后通过国家知识产权专利数据库检索获得[37]。2019年莱芜市撤市设区划入济南市,为保持统计口径的一致性,将2006—2018年原莱芜市数据叠加至济南市数据。地市之间的球面距离通过ArcGIS计算得到。
3 结果分析 3.1 黄河流域城市群绿色技术创新空间关联特征根据公式(1)计算得到黄河流域绿色技术创新空间关联关系矩阵,以黄河流域的7大城市群为分析单元,选取2006年和2019年数据对黄河流域城市群内部绿色技术创新空间关联网络进行可视化表达,如图 2所示。黄河流域城市群内部绿色技术创新空间关联呈现出多线程、多流向的复杂网络结构形态,各城市群内部关联强度存在显著差异,且随时间各城市群内部空间关联网络表现出圈层结构特征。2006年,山东半岛城市群、中原城市群及关中平原城市群的空间关联网络稠密程度最大,其中,临沂和许昌在所处的城市群中的关联关系数最多,呼包鄂榆城市群及兰西城市群的空间关联网络也具有较好的通达性。2019年,山东半岛城市群和中原城市群的空间关联关系进一步强化,其中,山东半岛城市群沿胶济线和沿京沪线的地市关联关系数显著多于其他地市,中原城市群则形成了以“郑洛汴”为核心的圈层结构特征;关中、兰西和晋中城市群内部的关联关系趋于减弱,西安、兰州和太原在这三大城市群中的枢纽地位显著。
为直观刻画黄河流域城市群之间绿色技术创新空间关联关系,利用Origin软件绘制了2006年和2019年黄河流域城市群绿色技术创新空间关联网络弦图,如图 3所示。分析可知:黄河流域城市群之间的绿色技术创新空间关联关系突破了传统地理空间限制,各城市群之间呈现相互交织、互通有无的网络结构特征。2006年,除兰西城市群和宁夏沿黄城市群与其他城市群之间联系较为贫乏外,其余5大城市群之间均存在较为复杂的溢出与接收关系。其中,中原城市群与山东半岛、晋中两大城市群联系最为紧密,且以溢出效应为主,关中平原城市群以向兰西城市群溢出为主,呼包鄂榆城市群主要向关中平原城市群溢出。2019年,城市群之间空间关联关系出现了明显变化,山东半岛城市群与其他城市群之间的联系减弱,中原城市群主要向关中平原城市群和呼包鄂榆城市群产生溢出关系,宁夏沿黄城市群向兰西城市群产生一定溢出效应,晋中、呼包鄂榆和宁夏沿黄城市群则均对关中平原城市群产生了溢出效应,可见研究期末关中平原城市群在绿色技术创新空间关联网络中获益较多。总体上,研究时段内黄河流域城市群绿色技术创新空间关联网络仍以城市群内部的互动为主,城市群之间的绿色技术交流与合作仍有待强化。
利用Ucinet6.0软件从网络密度和网络关联性两方面计算得到黄河流域绿色技术创新整体网络结构特征指标值,如图 4所示。分析可知:①2006—2019年关联关系数呈现波动下降态势,由2006年的1192个下降至末期的883个;网络密度值与网络关系数变动轨迹保持一致,也表现出波动下降趋势,由2006年的0.199下降至2019年的0.147,表明黄河流域绿色技术创新关联网络的稠密程度有减弱趋势,各地市在绿色技术创新空间关联网络的联系强度有待提高。②2006—2019年网络关联度呈现“波动上升→平稳”的发展态势,2011年后网络关联度上升至1后保持平稳态势,说明2006—2011年间黄河流域各地市间绿色技术创新的关联程度逐渐增强。2011年以后,黄河流域内的78个地市均建立起了直接或间接的关联关系,没有孤悬于网络之外的地市,表明绿色技术创新在黄河流域内存在显著的空间关联和溢出效应,网络的连通性较好。网络等级度由2006年的0.843微弱下降至0.785,呈现波动下降趋势,总体上网络等级度的数值较高,表明黄河流域绿色技术创新的空间关联网络内部存在着较为森严的等级结构,少数地级市在绿色技术创新关联网络中掌握着绝对“话语权”,而多数地市在关联网络中处于从属和边缘地位,影响力十分微弱。研究期内网络效率呈现缓慢下降态势,由2006年的0.381下降至2019年的0.275,说明流域内各地市间的空间溢出渠道较多,绿色技术创新空间关联网络的稳定性有增强的趋势。
为揭示黄河流域内部各地市在绿色技术创新空间关联网络中的溢出与受益关系,结合点入度和点出度绘制形成溢出—受益关系图,如图 5所示。具体可知:2006年,净溢出地区主要分布于黄河流域中下游地区,具体包括黄河“几字湾”东部的晋中、晋南、关中平原(西安、宝鸡和渭南)、陕北的榆林、中原城市群的洛阳和许昌、黄淮地区的信阳和驻马店以及鲁南地区的济宁、菏泽和临沂等地市,内蒙古自治区的包头和乌海、宁夏的吴忠和石嘴山也表现出净溢出效应;净受益地区主要分布于中原城市群的郑州和开封、鲁北的德州和滨州、内蒙古自治区的呼和浩特与乌兰察布、山西的晋南、长治及朔州,甘肃省大部及青海的西宁受益效应最为显著,并形成了沿河西走廊向东南延伸至安康的“净受益长廊”。2019年,净溢出地区空间分布趋于集中,主要分布在除濮阳、漯河2市的中原城市群地区,尤其形成了以郑洛汴为核心的绿色技术创新溢出高地,宁夏的银川、石嘴山和吴忠也表现出较强的溢出效应,此外,关中的西安和晋中的太原2市的溢出效应也较为显著,带动了所在省份其他地市绿色技术创新水平的提升;净受益地区则主要分布在甘肃大部、黄淮和鲁南地区,以及太原和西安两省会的周边地市。整体上,研究时段内,黄河中下游地区和沿黄省份的省会城市在绿色技术创新空间关联网络中以溢出效应为主,成为了驱动关联网络演化的发动机,黄河上游的甘肃、青海以及城市群外围的地市则以接收其他地区的溢出为主。
为进一步分析各地市的网络中心性特征,计算得到2006年和2019年黄河流域各地市的度数中心度和中介中心度,如图 6所示。
(1)度数中心度。2006年和2019年度数中心度均值分别为33.500和23.077,度数中心度整体呈下降态势,空间分布上不均衡特征明显,高值区集中于中游地区,低值区则以上游和下游为主。2019年,度数中心度处于前列的为郑州、洛阳、兰州、太原、西安和南阳,上述地区多为省会城市或区域中心城市,经济基础好,创新要素资源集聚,具有较强的科研创新能力,并且面临较大的绿色转型压力,故而绿色技术创新产出能力较强,并且其处于下游地市与上游地市联络必经之地的特殊区位,因此在关联网络中占据中心位置。甘肃省大部分地市以及黄河“几字弯”中部地区的经济基础较差,科研经费投入能力有限,创新要素稀缺,绿色技术创新能力较差,因此多处于网络边缘位置;此外,山东半岛城市群由于地理位置因素,与上中游地区联络较为困难,故而在关联网络中也处于边缘位置,影响力也十分有限。
(2)中介中心度。2006年和2019年中介中心度均值分别为2.066和2.740,说明网络节点的中介功能有增强的趋势。2019年,中介中心度显著高于均值的包括甘肃的兰州、武威,内蒙古的呼和浩特,山西的太原、大同,陕西的西安、宝鸡,河南的郑州、洛阳、开封和三门峡,山东的青岛和济南,上述地市多为城市群中心城市,其在关联网络中多承担了中介和中转功能,尤其是郑州和西安等地在实现黄河流域上游与下游地区绿色技术创新合作中发挥了“中介”和“桥梁”作用。中介中心度数值较低的地区连片分布于山东和山西省大部、宁夏全部、陕北及内蒙古大部分地区,上述地区由于特殊地理区位,在空间关联网络中的控制力十分微弱。此外,高于均值的地市数量呈现减少趋势,说明绿色技术创新空间关联网络的中介功能开始集中于少数地市。整体上,中介中心度的空间分布呈现非均衡特征,城市群中心城市在促进绿色创新要素流动方面发挥了显著中介作用。
3.4 核心—边缘结构特征为探究绿色技术创新空间关联网络中各节点的位置和重要程度。本文运用Ucinet6.0软件计算各网络节点的核心度,将核心度在0.10以上的划分为核心区,核心度在0.05— 0.10之间的划分为半边缘区,核心度在0.05以下的为边缘区,并利用ArcGIS绘制核心—边缘结构图,如图 7所示。
由图 7可知,2006—2019年黄河流域绿色技术创新空间关联网络逐渐呈现出明显的核心—边缘结构特征,随时间核心区呈集聚分布特征,半边缘区范围缩小,边缘区范围则趋于扩大。从各类型区域数量变化来看,2006年核心区、半边缘区和边缘区数量分别为21、28和29个;2019年,核心区数量增至22个,半边缘区的数量减少至10个,而边缘区数量则急剧增多至46个。从空间分布上看,2006年,核心区集中分布于河南省大部、晋中、晋南、关中以及内蒙古的呼和浩特和包头等地区,并零星散布于陕北及鲁南地区;边缘区以胶东、鲁中、陇东南及宁夏沿黄城市群为主要分布区;半边缘区则主要分布在晋北、河西走廊及豫鲁交界地区。2019年,核心区分布范围趋于集中,主要分布在河南省除三门峡外的所有地级市,山西省的太原、阳泉、长治、晋城和大同,以及内蒙古的呼和浩特;半边缘区的分布范围急剧缩小,仅分布于黄河“几字弯”东部及黄河下游山东段沿线地市;边缘区分布范围最广,呈连绵状态分布于甘肃、宁夏和陕西等黄河流域中上游地区以及山东半岛城市群。整体上,黄河流域绿色技术创新空间关联网络的核心区呈组团式集中于中原城市群,边缘区则多以黄河“几字弯”中部和山东半岛城市群为主要分布区,半边缘区呈嵌珠状散布于核心区与边缘区的过渡地带。
4 影响因素分析 4.1 变量选择与模型建立黄河流域绿色技术创新空间关联网络的形成和发展是不同区域、不同创新主体之间通过显性的技术交流协作与隐性的知识传递互动等多种方式综合作用下产生的结果,其实质是绿色技术创新要素资源在地理空间上不同区域与创新主体之间流动与溢出。参考已有研究[38, 39],本文选取地理空间邻近(DIS)、经济发展水平差异(PGDP)、产业结构差异(INDS)、科研经费投入差异(RES)、教育资源配置差异(EDU)、数字基础设施差异(DIGIT)、金融发展水平差异(FD)探究黄河流域绿色技术创新空间关联网络的影响因素。本文采用QAP回归分析对影响因素进行识别,构建模型如下:
(2) |
式中:因变量GTI表示2019年黄河流域地市间绿色技术创新空间关联矩阵;DIS表示空间邻接关系矩阵;PGDP、INDS、RES、EDU、DIGIT、FD分别为人均地区生产总值(元)、第三产业增加值与第二产业增加值比(%)、R&D经费内部支出(万元)、教育支出占财政支出比重(%)、互联网宽带接入用户数(万户)、金融机构存贷比地市间绝对差异构建的差值关系矩阵。
4.2 QAP回归分析本文通过5000次随机置换,得到黄河流域绿色技术创新空间关联网络影响因素的回归结果(表 1)。分析表 1可知,调整后的判定系数R2为0.218,且通过了1% 显著性水平检验,说明选取的7个变量能够解释黄河流域城市绿色技术创新空间关联关系的21.8%,拟合效果较好。具体而言:
(1)地理空间邻近、科研经费投入差异、数字基础设施差异对绿色技术创新空间关联网络具有显著正向影响。其中,①地理空间邻近的标准化回归系数为0.514,在1%水平上显著,说明地理位置邻近是绿色技术创新空间关联网络形成的必要条件,相邻地市间存在显著的空间关联和空间溢出效应,更易产生空间关联关系,有利于空间关联网络的形成和演化。②科研经费投入差异的标准化回归系数在5%水平上显著为正,表明科研经费投入差异越大,地市间绿色技术创新资源配置的差距越大,使得资金、技术、人才等资源要素流动的可能性越大,绿色技术创新的传导和溢出渠道增加,空间关联性越强。③数字基础设施差异的标准化回归系数为0.106,且呈显著正相关,说明数字基础设施对绿色技术创新空间关联关系的产生具有重要影响。地市间数字基础设施差异越大,绿色技术创新主体间的交流与合作就越频繁,网络的关联强度就越大。
(2)经济发展水平差异、金融发展水平差异、产业结构差异和教育资源配置差异对空间关联网络呈显著负相关。①经济发展水平差异对绿色技术创新空间关联网络的影响呈显著负相关,经济发展水平差异越显著,绿色技术创新的空间关联越弱,说明经济发展水平相似的地市间基本不存在经济合作壁垒,有利于要素的流动,从而推动空间关联网络的发育。②金融发展水平差异标准化回归系数为负,表明地市间金融发展的差异越小,对绿色技术创新空间关联网络的稳定性越具有促进作用。③产业结构差异系数显著为负,表明产业结构的相似度对绿色技术创新空间关联网络具有显著影响。产业结构越相似,对绿色技术的需求越相近,有利于空间关联关系的形成。④教育资源差异标准化回归系数在1% 水平上显著为负,说明教育资源的均衡配置,能够降低知识合作成本,有助于绿色技术的协作,增强地市间绿色技术创新的关联关系。
5 结论与讨论 5.1 结论本研究立足绿色专利申请数据,采用修正的引力模型和社会网络分析方法揭示了2006—2019年黄河流域绿色技术创新空间关联网络结构的演变特征,在此基础上运用QAP回归分析方法识别了影响因素,主要结论如下:
(1)黄河流域城市群内部绿色技术创新空间关联网络呈现出多线程、多流向的复杂网络结构形态,随时间关联网络表现出圈层结构特征。山东半岛城市群和中原城市群内部关联关系最为复杂,关中平原、兰西及晋中城市群内部关联关系有所减弱。城市群之间存在相互交织、互通有无的网络结构,中原城市群对其他城市群的溢出最为显著,兰西城市群和关中平原城市群以接收其他城市群溢出为主。
(2)黄河流域绿色技术创新在地市间存在显著空间关联与溢出效应,但关联网络仍存在较为森严的等级结构,网络稳定性有待增强。净溢出地区以中原城市群以及银川、西安和太原等省会城市为主,净受益地市集中分布于甘肃河西走廊以及城市群外围地区。省会城市及区域中心城市在网络中占据中心位置,郑州和西安在实现黄河流域上中下游绿色技术创新联系方面发挥了显著中介作用,甘肃以及黄河“几字弯”中部地区处于边缘位置。
(3)黄河流域绿色技术创新空间关联网络具有明显核心—边缘结构特征,且整体保持相对稳定。核心区呈组团式集中分布于中原城市群与晋中城市群,边缘区连片分布于黄河“几字弯”中部广大地区以及山东半岛城市群,半边缘区呈嵌珠状零星散布于“几字弯”东部和黄河下游山东段沿线地区,且半边缘区数量趋于减少。
(4)黄河流域绿色技术创新空间关联网络的形成和发展是不同区域、不同创新主体之间通过显性的技术交流协作与隐性的知识传递互动等多种方式综合作用下产生的。QAP回归结果表明,地理空间邻近、科研经费投入和数字基础设施的差异对绿色技术创新空间关联网络的发展具有促进作用;经济发展水平、金融发展、产业结构及教育资源配置的差异对空间关联网络具有一定抑制作用。
5.2 讨论绿色技术创新是多学科命题,本研究系统分析了黄河流域绿色技术创新空间关联网络结构演变特征与影响因素,对于黄河流域绿色发展与创新地理等研究具有一定补充价值。研究结论显示黄河流域绿色技术创新空间关联网络存在较为森严的等级结构,与严翔等[40]对长江流域的研究相比,黄河流域关联网络的等级结构更为显著,这也说明了加快黄河流域绿色技术创新跨区域协同的紧迫性。研究刻画了黄河流域绿色技术创新的溢出路径与强度,进一步深化了绿色技术创新双重溢出效应的理论认知,弥补了许玉洁等[21]对黄河流域绿色创新空间溢出方向和强度分析的不足。此外,影响因素分析表明黄河流域经济发展水平差异对绿色技术创新空间关联网络具有负向影响,与孙中瑞等[28]基于省域尺度得出的正向影响不同,说明黄河流域绿色技术创新空间关联网络的发育更依赖于区域经济梯度的缩小,暗含了推进绿色技术创新跨区域交流与合作必须先以区域经济协调发展为重要前提。
根据研究结论提出以下对策建议:首先,推动建立黄河流域绿色技术创新联盟,形成绿色技术协同创新共同体。通过政策引导与市场调节,推进绿色技术研发、应用和推广等方面的跨区域帮扶协作,实现黄河流域上下游、左右岸的绿色协同创新。其次,促进绿色技术创新要素在城市群与城际间自由流动,通过完善交通通讯基础设施,实现人才、资金、技术及知识的交流与合作,不断拓宽绿色技术创新溢出渠道,提高绿色创新要素流动效率,实现绿色技术创新资源的跨区域共享与转移。第三,充分发挥城市群在绿色技术创新方面的辐射带动作用,除继续发挥中原城市群在绿色技术创新方面的溢出效应外,要进一步强化山东半岛城市群的组织引领功能;同时,要将西安和太原等打造成为绿色技术创新跨区域交流与协作的战略支点,实现上下游的联动效应。第四,加大绿色技术创新方面的科研经费投入,完善数字基础设施,加强绿色技术创新方面的教育投入与人才培养,积极引导风险投资等社会资本为绿色技术创新提供金融支持。
本研究仍存在部分可继续深化的议题。首先,本文主要采用绿色专利衡量绿色技术创新水平,未来可结合论文合作、科研课题协作等数据对绿色创新的空间关联网络进行更为全面的刻画;其次,绿色技术创新空间关联网络的存在为创新要素的流动提供了联系通道,如何识别关联网络的影响效应及其作用机制也是值得深化的学术命题;此外,由于绿色技术创新的高风险性以及外部多种不确定性因素的冲击,如何从韧性理论视角提出强化绿色技术创新空间关联网络韧性的具体策略,进而增强绿色技术创新体系抵御外部风险和冲击的能力,也是未来重要的研究方向。
[1] |
杨阳, 曾刚, 葛世帅, 等. 国内外绿色创新研究进展与展望[J]. 经济地理, 2022, 42(3): 10-21. [Yang Yang, Zeng Gang, Ge Shishuai, et al. Research progress and prospects of green innovation at home and abroad[J]. Economic Geography, 2022, 42(3): 10-21.] |
[2] |
孙燕铭, 谌思邈. 长三角区域绿色技术创新效率的时空演化格局及驱动因素[J]. 地理研究, 2021, 40(10): 2743-2759. [Sun Yanming, Shen Simiao. The spatio-temporal evolutionary pattern and driving forces mechanism of green technology innovation efficiency in the Yangtze River Delta region[J]. Geographical Research, 2021, 40(10): 2743-2759.] |
[3] |
习近平. 在黄河流域生态保护和高质量发展座谈会上的讲话[J]. 求是, 2019(20): 1-3. [Xi Jinping. Speech at the symposium on ecological protection and high-quality development in the Yellow River Basin[J]. Qiu Shi, 2019(20): 1-3.] |
[4] |
刘贝贝, 左其亭, 刁艺璇. 绿色科技创新在黄河流域生态保护和高质量发展中的价值体现及实现路径[J]. 资源科学, 2021, 43(2): 423-432. [Liu Beibei, Zuo Qiting, Diao Yixuan. The value and pathways of green technology innovation for the ecological conservation and high-quality development of the Yellow River Basin[J]. Resources Science, 2021, 43(2): 423-432.] |
[5] |
陈家涛, 张坤鹏, 苗长虹. 高质量发展背景下黄河流域中下游绿色生产率时空分异研究[J]. 人文地理, 2021, 36(5): 138-147. [Chen Jiatao, Zhang Kunpeng, Miao Changhong. Spatial-temporal differentiation of green productivity in the middle and lower reaches of the Yellow River Basin urban the background of high-quality development[J]. Human Geography, 2021, 36(5): 138-147.] |
[6] |
Braun E, Wield D. Regulation as a means for the social control of technology[J]. Technology Analysis&Strategic Management, 1994, 6(3): 259-272. |
[7] |
Hazarika N, Zhang X. Evolving theories of eco-innovation: A systematic review[J]. Sustainable Production and Consumption, 2019, 19: 64-78. |
[8] |
王博, 张永忠, 陈灵杉, 等. 中国城市绿色创新水平及影响因素贡献度分解[J]. 科研管理, 2020, 41(8): 123-134. [Wang Bo, Zhang Yongzhong, Chen Lingshan, et al. Urban green innovation level and decomposition of its determinants in China[J]. Science Research Management, 2020, 41(8): 123-134.] |
[9] |
许可, 张亚峰. 绿色科技创新能带来绿水青山吗?——基于绿色专利视角的研究[J]. 中国人口·资源与环境, 2021, 31(5): 141-151. [Xu Ke, Zhang Yafeng. Can green technology innovation bring 'lucid waters and lush mountains'? : A study based on the perspective of green patent[J]. China Population, Resources and Environment, 2021, 31(5): 141-151.] |
[10] |
Li P P, Bi P. Study on the regional differences and promotion models of green technology innovation performance in China: Based on entropy weight method and fuzzy set-qualitative comparative analysis[J]. IEEE Access, 2020, 8: 226931-226941. DOI:10.1109/ACCESS.2020.3043364 |
[11] |
孙博文, 张友国. 中国绿色创新指数的分布动态演进与区域差异[J]. 数量经济技术经济研究, 2022, 39(1): 51-72. [Sun Bowen, Zhang Youguo. A research of the distributional dynamic evolution and regional disparities of green innovation index in China[J]. The Journal of Quantitative&TTechnical Economics, 2022, 39(1): 51-72.] |
[12] |
葛世帅, 曾刚, 胡浩, 等. 长三角城市群绿色创新能力评价及空间特征[J]. 长江流域资源与环境, 2021, 30(1): 1-10. [Ge Shishuai, Zeng Gang, Hu Hao, et al. Evalution of green innovation ability and analysis of spatial characteristics in the Yangtze River Delta urban agglomerations[J]. Resources and Environment in the Yangtze Basin, 2021, 30(1): 1-10.] |
[13] |
黄磊, 吴传清. 长江经济带城市绿色技术创新效率及其动力机制研究[J]. 重庆大学学报(社会科学版), 2021, 27(1): 50-64. [Huang Lei, Wu Chuanqing. Research on the cities' green technology innovation efficiency and its dynamic mechanism in the Yangtze River Economic Belt[J]. Journal of Chongqing University (Social Science Edition), 2021, 27(1): 50-64.] |
[14] |
鲍涵, 滕堂伟, 胡森林, 等. 长三角地区城市绿色创新效率空间分异及影响因素[J]. 长江流域资源与环境, 2022, 31(2): 273-284. [Bao Han, Teng Tangwei, Hu Senlin, et al. Spatial differentiation and influencing factors of urban green innovation efficiency in the Yangtze River Delta[J]. Resources and Environment in the Yangtze Basin, 2022, 31(2): 273-284.] |
[15] |
李旭. 绿色创新相关研究的梳理与展望[J]. 研究与发展管理, 2015, 27(2): 1-11. [Li Xu. Analysis and outlook of the related researches on green innovation[J]. R&D Management, 2015, 27(2): 1-11.] |
[16] |
Taklo S K, Tooranloo H S, Shahabaldini parizi Z. Green innovation: A systematic literature review[J]. Journal of Cleaner Production, 2021, 279: 122474. DOI:10.1016/j.jclepro.2020.122474 |
[17] |
吕岩威, 谢雁翔, 楼贤骏. 中国区域绿色创新效率时空跃迁及收敛趋势研究[J]. 数量经济技术经济研究, 2020, 37(5): 78-97. [Lv Yanwei, Xie Yanxiang, Lou Xianjun. Study on the space-time transition and convergence trend of China's regional green innovation efficiency[J]. The Journal of Quantitative&Technical Economics, 2020, 37(5): 78-97.] |
[18] |
王婧, 杜广杰. 中国城市绿色创新水平的空间差异及分布动态[J]. 中国人口科学, 2021, 35(4): 74-85. [Wang Jing, Du Guangjie. The spatial difference and dynamic evolution of green innovation in China's cities[J]. Chinese Journal of Population Science, 2021, 35(4): 74-85.] |
[19] |
段德忠, 夏启繁, 张杨, 等. 长江经济带环境创新的时空特征及其影响因素[J]. 地理科学, 2021, 41(7): 1158-1167. [Duan Dezhong, Xia Qifan, Zhang Yang, et al. Evolution pattern and impact factors of environmental innovation in the Yangtze River economic belt[J]. Scientia Geographica Sinica, 2021, 41(7): 1158-1167.] |
[20] |
董会忠, 李旋, 张仁杰. 粤港澳大湾区绿色创新效率时空特征及驱动因素分析[J]. 经济地理, 2021, 41(5): 134-144. [Dong Huizhong, Li Xuan, Zhang Renjie. Spatial-temporal characteristics and driving factors of green innovation efficiency in Guangdong-Hong KongMacao greater bay area[J]. Economic Geography, 2021, 41(5): 134-144.] |
[21] |
许玉洁, 刘曙光. 黄河流域绿色创新效率空间格局演化及其影响因素[J]. 自然资源学报, 2022, 37(3): 627-644. [Xu Yujie, Liu Shuguang. Spatial pattern evolution and influencing factors of green innovation efficiency in the Yellow River basin[J]. Journal of Natural Resources, 2022, 37(3): 627-644.] |
[22] |
饶悦, 沈丽珍, 汪侠. 基于大型科研基础设施共享的区域创新网络研究——以山东省为例[J]. 地理研究, 2021, 40(6): 1840-1856. [Rao Yue, Shen Lizhen, Wang Xia. Research on regional innovation network based on large-scale scientific research infrastructure sharing: Take Shandong as an example[J]. Geographical Research, 2021, 40(6): 1840-1856.] |
[23] |
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[J]. 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[J]. Economic Geography, 2019, 39(5): 27-36.] |
[24] |
尚勇敏, 王振, 宓泽锋, 等. 长三角绿色技术创新网络结构特征与优化策略[J]. 长江流域资源与环境, 2021, 30(9): 2061-2069. [Shang Yongmin, Wang Zhen, Mi Zefeng, et al. Structural characteristics and optimization strategies of green technology innovation network in the Yangtze River Delta[J]. Resources and Environment in the Yangtze Basin, 2021, 30(9): 2061-2069.] |
[25] |
Melander L, Arvidsson A. Green innovation networks: A research agenda[J]. Journal of Cleaner Production, 2022, 357: 131926. DOI:10.1016/j.jclepro.2022.131926 |
[26] |
Fan F, Lian H, Liu X, et al. Can environmental regulation promote urban green innovation efficiency? An empirical study based on Chinese cities[J]. Journal of Cleaner Production, 2020, 287: 125060. DOI:10.1016/j.jclepro.2020.125060 |
[27] |
Liu Y Q, Shao X Y, Tang M P, et al. Spatio-temporal evolution of green innovation network and its multidimensional proximity analysis: Empirical evidence from China[J]. Journal of Cleaner Production, 2020, 283: 124649. DOI:10.1016/j.jclepro.2020.124649 |
[28] |
孙中瑞, 樊杰, 孙勇, 等. 中国绿色科技创新效率空间关联网络结构特征及影响因素[J]. 经济地理, 2022, 42(3): 33-43. [Sun Zhongrui, Fan Jie, Sun Yong, et al. Structural characteristics and influencing factors of spatial correlation network of green science and technology innovation efficiency in China[J]. Economic Geography, 2022, 42(3): 33-43.] |
[29] |
黄永春, 钱昕怡, 严翔, 等. 长三角绿色技术转移空间关联网络演化及驱动因素研究[J]. 科技进步与对策, 2022, 39(21): 45-55. [Huang Yongchun, Qian Xinyi, Yan Xiang, et al. Evolution and driving factors of green technology transfer network in Yangtze River Delta[J]. Science&Technology Progress and Policy, 2022, 39(21): 45-55.] |
[30] |
孙茜, 黄丽. 风险投资网络与绿色技术创新网络的时空耦合及其影响因素——以长三角城市群为例[J]. 热带地理, 2022, 42(5): 716-726. [Sun Qian, Huang Li. Spatial-temporal coupling of venture capital and green technology innovation networks and its influencing factors: A case study of the Yangtze River Delta urban agglomeration[J]. Tropical Geography, 2022, 42(5): 716-726.] |
[31] |
张佰发, 苗长虹. 黄河流域土地利用时空格局演变及驱动力[J]. 资源科学, 2020, 42(3): 460-473. [Zhang Baifa, Miao Changhong. Spatiotemporal changes and driving forces of land use in the Yellow River Basin[J]. Resources Science, 2020, 42(3): 460-473.] |
[32] |
董会忠, 韩沅刚. 复合生态系统下城市高质量发展时空演化及驱动因素研究——以黄河流域7大城市群为例[J]. 人文地理, 2021, 36(6): 96-107. [Dong Huizhong, Han Yuangang. Development in a complex ecosystem: Taking the seven major urban agglomerations along the Yellow River basin as examples[J]. Human Geography, 2021, 36(6): 96-107.] |
[33] |
李琳, 彭璨. 长江中游城市群协同创新空间关联网络结构时空演变研究[J]. 人文地理, 2020, 35(5): 94-102. [Li Lin, Peng Can. Study on the structure of collaborative innovation network of urban agglomeration in the middle reaches of the Yangtze River and its evolution[J]. Human Geography, 2020, 35(5): 94-102.] |
[34] |
刘军. 整体网分析——UCINET软件实用指南(第二版)[M]. 上海: 格致出版社, 2014. [Liu Jun. Lecture on Whole Network Approach: A Practical Guide to UCINET (2nd)[M]. Shanghai: Gezhi Publishing House, 2014.]
|
[35] |
刘军. QAP: 测量"关系"之间关系的一种方法[J]. 社会, 2007(4): 164-174. [Liu Jun. QAP: A unique method of measuring "relationship" in relational data[J]. Chinese Journal of Sociology, 2007(4): 164-174.] |
[36] |
张启楠, 张凡凡, 麦强, 等. 中国粮食生产效率空间溢出网络及提升路径[J]. 地理学报, 2022, 77(4): 996-1008. [Zhang Qinan, Zhang Fanfan, Mai Qiang, et al. Spatial spillover networks and enhancement paths of grain production efficiency in China[J]. Acta Geographica Sinica, 2022, 77(4): 996-1008.] |
[37] |
斯丽娟. 环境规制对绿色技术创新的影响——基于黄河流域城市面板数据的实证分析[J]. 财经问题研究, 2020(7): 41-49. [Si Lijuan. The impact of environmental regulations on green technological innovation: An empirical analysis based on the urban panel data of the Yellow River basin[J]. Research on Financial and Economic Issues, 2020(7): 41-49.] |
[38] |
葛世帅, 曾刚, 杨阳, 等. 基于DEA-Malmquist和Tobit模型的长三角城市群绿色创新绩效研究[J]. 长江流域资源与环境, 2022, 31(4): 738-749. [Ge Shishuai, Zeng Gang, Yang Yang, et al. Research on green innovation performance of Yangtze River Delta urban agglomerations based on DEA-Malmquist and Tobit model[J]. Resources and Environment in the Yangtze Basin, 2022, 31(4): 738-749.] |
[39] |
吕承超, 邵长花, 崔悦. 中国绿色创新效率的时空演进规律及影响因素研究[J]. 财经问题研究, 2020(12): 50-57. [Lv Chengchao, Shao Changhua, Cui Yue. The spatio-temporal evolution rule and influencing factors of China's green innovation efficiency[J]. Research on Financial and Economic Issues, 2020(12): 50-57.] |
[40] |
严翔, 黄永春, 柏建成, 等. 长江经济带绿色创新效率的空间关联网络结构及驱动因素[J]. 北京理工大学学报(社会科学版), 2021, 23(6): 72-83. [Yan Xiang, Huang Yongchun, Bai Jiancheng, et al. Spatial network structure and driving factors of green innovation efficiency in Yangtze River Economic Zone[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2021, 23(6): 72-83.] |