摘要：文章基于2010—2020年京津冀、长三角和珠三角三大城市群的数字技术专利数据，综合运用社会网络分析和面板负二项回归模型等方法，比较分析了三大城市群数字技术创新网络的时空演化和影响因素。研究发现：①三大城市群数字技术创新网络在主体和城市层面上均呈现网络规模不断扩大、网络结构趋于松散的共性特征，而在主体关联方面则呈现内向化特征，依赖组织间的“隶属关系”。②三大城市群数字技术创新网络具有区域分异性，主要体现在城市网络的合作尺度和主体合作模式等方面。其中，京津冀和长三角城市群以全国范围的合作为主，珠三角城市群以本地合作为主；主体合作模式方面，京津冀城市群的国有企业在塑造网络中发挥着重要作用，长三角城市群中民营企业的创新关联作用更强，而珠三角城市群则以本地民营企业合作为主，同时外部高校与本地企业的产学研合作在早期阶段也发挥了关键作用。③数字技术可以有效突破地理距离的限制，资本等传统生产要素是数字技术合作网络的重要推手。
关键词：数字技术专利，创新网络，多维邻近性，空间尺度，资本要素，长三角，珠三角，京津冀
21世纪以来，基于互联网、大数据等广泛应用，数字经济的蓬勃增长已然势不可挡，在国民经济发展中所扮演的角色也愈发重要，成为构建国家竞争新优势之所在。2023年发布的《数字中国建设整体布局规划》指出要“构筑自立自强的数字技术创新体系”，将数字技术作为建设数字中国的关键能力。目前，区域间数字技术发展的差异性较大，“数字鸿沟”表现十分明显，数字技术如何重塑区域空间结构成为经济地理学的研究热点[1]。随着创新范式由封闭式创新走向开放式创新，区域可以综合利用内外部技术和科学知识开展创新，通过创新网络弥补自身创新能力不足等劣势，创新网络为数字技术重塑区域空间结构提供助力。习近平总书记在《国家中长期经济社会发展战略若干重大问题》中指出“要推动城市组团式发展，形成多中心、多层级、多节点的网络型城市群结构”，城市群为数字技术创新网络研究提供了较好样本。因此，适时进行城市群尺度下数字技术创新网络的对比研究，对于实现区域数字经济差异化发展并推动数字中国建设具有重要理论和现实意义。
数字技术创新网络是指用数字技术专利进行表征，存在于企业、大学、科研机构或其他组织机构间的正式创新合作网络，数字技术是数字经济的技术经济范式表达。在数字经济蓬勃发展的大背景下，数字技术和创新网络分别成为经济地理学者近年来关注的核心领域。现有研究阐明了数字技术内涵和特性[2-3]，相关研究认为数字技术是数字经济的技术支撑，更是知识等要素在大尺度内流动的重要推手[4]；在研究视角上，相关研究集中于数字技术对空间组织结构的重构作用，多关注企业等微观层面，立足本地空间[5]，缺乏流空间视角下区际联系的相关研究，尤其是数字技术创新网络的研究。同时，创新网络的相关研究在研究对象方面由农业和传统制造业逐步转向高新技术产业[6]，且多集中于集成电路、新材料、半导体、新能源汽车等数字经济相关产业的技术创新网络[7]，缺乏关注多产业数字技术综合运用的集成性研究。在研究区域方面，已有研究多关注城市单元[8]、单个城市群[9]、长江经济带[10]、全国和全球等多尺度[11]。此外，创新网络的格局研究热点由传统网络结构转向网络空间的尺度效应[12]；而创新网络影响因素的研究多围绕多维邻近性[13]、主体属性[14]和政策因素[15]等方面展开。综上所述，已有研究中数字技术创新网络的研究较少且缺乏区域对比，对创新网络区域异质性问题关注不足；较多关注多维邻近性和主体属性等单一因素对创新网络演化的影响，缺乏系统性探讨，对区域层面要素关注较少。
基于此，本文以数字技术创新网络为研究对象，利用2010—2020年的数字技术专利数据对京津冀、长三角和珠三角三大城市群的网络特征进行刻画，运用ArcGIS空间可视化制图、社会网络分析方法系统研究数字技术创新网络的整体演化特征、创新合作尺度演化特征和主体关联演化特征，并在比较格局演化的区域异质性基础上，选用负二项模型基于“多维邻近性—区域禀赋—产业基础”综合框架识别关键因子进行影响因素分析，为数字技术创新体系建设和实现数字中国提供理论参考。
1 研究方法及数据
1.1 研究方法与数据来源
1.1.1 社会网络分析法
社会网络分析法基于图论衍生而来，常被用于网络节点属性及结构的测度，该方法的优势在于揭示关系的结构模式，使用数据将模糊的隐喻网络精确描述出来，从而用定量方法简洁地分析理论问题。数字技术创新网络隶属于创新网络范畴，故而选用社会网络分析法对数字技术网络整体演化特征进行剖析。本文参考已有研究[11-12]，引入网络规模、网络密度、平均路径长度和平均聚类系数等指标来反映数字技术创新网络整体演化特征。
1.1.2 面板负二项模型
面板负二项模型是一种计数模型，常被用于不符合正态分布的计数变量的回归分析中。由于创新联系往往采取计数形式度量，该数据不符合正态分布，相关研究采取泊松回归或负二项回归模型[16]。本文基于研究需要选用负二项回归，构建模型如下：
式中：因变量Cityit是城市i在t年份全国范围内（包括本地合作和城市群内合作）数字技术合作专利数；Geoit是城市i在t年份处于整体网络中的地理邻近性系数；Tecit是城市i在t年份处于整体网络中的技术邻近性系数；Insit是城市i在t年份处于整体网络中的技术邻近性系数；ln pgdpit是城市i在t年份经济发展水平对数值；labit是城市i在t年份信息传输、计算机服务和软件业从业人员占城镇单位从业人员比重；ln RDit表征城市i在年份t的科技投入水平对数值；Deit则表征城市i在年份t的数字经济发展水平；αit为常数项；ε为随机误差项。
由于中国数字经济在2010年之后呈现出蓬勃发展的趋势，综合各省份统计年鉴公布时间和数据可得性，本文选2010—2020年为研究期限，主要通过incoPat专利数据库（www.incopat.com）进行检索，地址栏内设置为三大城市群各地级及以上城市，依据数字经济核心产业行业代码筛选出三大城市群城市间合作专利。在此基础上，依据合作专利的定义，将主体的地址投射归并至城市层面，构建三大城市群数字经济核心产业合作创新数据集。少量数据缺失值采用插值法和均值替换法进行补全。
1.2 研究区域概况
在数字经济规模方面，据中国信通院发布的《中国数字经济发展白皮书（2022年）》，截至2021年，国内有16个省（市）数字经济规模突破万亿元，其中三大城市群中除河北、天津外，均突破万亿；北京、上海、天津等省份的数字经济占GDP比重已超过50%，成为拉动地区经济发展的主导力量。据《2019长三角数字经济指数报告》，2018年长三角城市群数字经济规模达到8.63万亿元，占全国数字经济总量的28%，当年度该区域已经成为全国数字经济体量最大、最为活跃的地区；珠三角城市群与京津冀城市群数字经济发展也较为活跃，体量在全国也名列前茅，占全国数字经济总量的比重分别达14%和11%。本文综合国家规划和相关政策文件，结合我国城市群发展情况，选取京津冀、长江三角洲、珠江三角洲城市群共49个地级及以上城市（以下简称城市）为研究对象。其中长三角城市群范围暂存争议，本文关注三大城市群的创新策源效应，参考冯怡等研究[10]，将《长三角区域一体化发展规划纲要》中划定中心区27城市定为本文的研究区域。
2010—2020年，京津冀、长三角和珠三角城市群数字技术合作创新规模均呈现波动上升态势，其中京津冀城市群数字技术创新体量最大，长三角和珠三角城市群数字技术创新体量大致持平。空间格局方面，京津冀城市群形成以北京为核心的核心边缘结构；长三角城市群形成以南京、上海为核心的空间结构；珠三角城市群形成以深圳和广州为核心的双核布局。
2 三大城市群数字技术创新网络演化特征
2.1 整体演化特征
三大城市群数字技术创新网络由三大城市群中的各主体间的知识流组成，已有研究多聚焦城市层面的创新网络，对主体层面的网络关注较少。本文从主体和城市2个层面出发，利用Gephi和UCINET软件测度2010、2015和2020年的三大城市群数字技术创新网络的网络规模、网络密度、平均路径长度和平均聚类系数，以反映网络整体演化特征（表1、表2）。三大城市群数字技术创新网络在主体和城市层面均呈现网络规模不断扩大、网络结构趋于松散的特征，但二者在小世界特征演化趋势等方面具有异质性。
具体来看，在三大城市群基于主体的数字技术创新网络中（以下简称主体网络），网络规模均显著增加，且网络密度均呈减小趋势，这也说明了三大城市群主体网络呈现逐渐松散的趋势（表1）。三大城市群主体网络小世界特征演化趋势具有异质性，其中京津冀城市群平均路径长度呈现先增后减的倒“U”型曲线，长三角城市群平均路径长度则先减后增，呈“U”型变化曲线，而珠三角则呈持续增长趋势；平均聚类系数方面，京津冀城市群主体网络中平均聚类系数变化趋势与平均路径长度变化趋势保持一致，而长三角城市群主体网络平均聚类系数则呈现倒“U”型曲线。这也说明京津冀合作网络内社区联系在2010—2015年逐渐紧密，在2015—2020年趋于松散，小世界性呈减弱趋势；长三角城市群主体网络内社区联系则在2010—2015年趋于松散，此后在2015—2020年趋于紧密，小世界性发育显著；珠三角城市群主体合作网络在研究期内社区联系趋于紧密。
在三大城市群基于城市的数字技术创新网络中（以下简称城市网络），三大城市群城市网络呈现逐渐松散的趋势，这一结论与三大城市群主体网络保持一致（表2）。从网络平均路径和平均聚类系数来看，三大城市群城市网络的变化趋势一致，平均路径长度呈显著下降趋势，而平均聚类系数则呈上涨趋势，各网络的小世界特征均减弱。具体来看，珠三角城市群的城市网络的平均路径下降幅度小于其他2个城市群，仅从2010年的2.410下降至2020年的2.352；而京津冀城市群的城市网络的平均聚类系数最高，在2020年增至0.807，这也说明京津冀城市群子网络合作较为紧密；长三角城市群在研究初期平均聚类系数最低，仅为0.309，但增速较快，在2020年增至0.759，珠三角城市群城市网络平均聚类系数则较为稳定，变化较小。
2.2 合作尺度演化特征
为了比较三大城市群数字技术创新合作的多尺度演化特征，本文将数字技术创新网络进行尺度分解，分为本地即城市内部本地合作（以下简称本地合作）、城市群范围内城际合作（以下简称城市群内合作）和城市群外的国内城际合作（以下简称城市群外合作）。2010—2020年，三大城市群数字技术创新的空间尺度具有异质性，整体上珠三角以本地合作为主，长三角和京津冀则以全国范围合作为主，其中长三角城市群的城市群内合作占比高于京津冀城市群（表3）。
在本地合作尺度上，2010—2020年，京津冀城市群本地合作占比下降较快；长三角城市群本地合作占比在2010—2016年下降速度较快，2016年以后呈缓慢上升态势；珠三角城市群本地合作占比快速增长。从三大城市群数字技术本地合作规模的空间格局来看，高值区集中在直辖市和省会城市以及经济发达的地区，三大城市群空间结构演化有一定差异。
在城市群内部合作尺度上，从时序变化来看，京津冀城市群内合作占比波动上升，长三角城市群内合作占比变化幅度较小，珠三角城市群内合作占比在2010—2016年增长较快，2016年后有所下降（图1）。从合作空间格局来看，三大城市群的城市群内合作均以直辖市和省会城市为核心向外辐射，城市群内多核互动频繁，形成合作廊道（图2）。具体来看，京津冀城市群以北京、天津和石家庄三市为核心，2020年北京—天津、北京—石家庄2个合作对形成城市群的核心联系干线，合作频次分别为252和247次，占当年城市群内合作总数的27.2%和26.7%。长三角城市群则以南京、杭州和上海为核心，苏州、宁波等为网络次核心，核心等级差异较小。珠三角城市群内合作网络中，广州和深圳占据核心位置，在2020年形成广州—佛山、广州—深圳、深圳—东莞等合作廊道，合作频次较高。
在城市群外部创新合作尺度上，2010—2020年京津冀城市群和长三角城市群外合作占比演化趋势相似，其中2010—2013年增长速度较快，2013年以后则均呈现小幅度上升态势；珠三角城市群外合作占比则显著降低（图3）。
三大城市群的城市群外合作网络密度和频次大幅提升，合作区域逐步扩散（图4）。具体来看，京津冀城市群外合作总频次居首位，2020年京津冀城市群共有8326个城市群外合作专利；而长三角城市群外合作范围最广，从2010年51个城市对增加至2020年365个城市对；珠三角城市群外合作规模最小，2010年城市对仅有42个，合作频次为230次，到2020年城市对增长至204个，共有2217个合作专利。三大城市群在空间上均以城市群核心城市为节点形成跨区域创新合作廊道，京津冀、长三角和珠三角城市群保持高强度的合作。与此同时，三大城市群外部知识源呈现区域异质性，2010年深圳和上海是京津冀城市群重要的外部知识源，到2020年除了长三角和珠三角城市群的核心城市南京、上海、合肥、杭州、深圳、广州之外，济南、成都、重庆、武汉、长沙和沈阳也迈入京津冀城市群的外部知识源行列，呈现全国范围扩散趋势，覆盖各区域重要节点城市。对于长三角城市群，2010年上海—北京和上海—深圳是长三角城市群在城市群外合作网络的重要合作轴线，到2020年仍有北京和深圳与长三角城市群的合作频次超过100，但重要合作走廊数量增多，由上海扩展到长三角城市群的其他城市。在珠三角城市群中，2010年仅北京—深圳合作廊道合作频次超过100，到2020年重庆、上海和成都凭借自身的知识生产能力迈入珠三角城市群的外部知识源行列，川渝城市群与珠三角城市群数字技术创新合作紧密。
2.3 主体合作关联演化特征
主体合作关联是指数字技术主体创新网络中各主体间的知识流即主体间合作对。本文以2010、2015和2020年3个时间节点，进行弦图可视化表达，以反映三大城市群主体合作关联演化特征（图5）。三大城市群在主体创新关联方面呈现相似的演化特征，主体间创新关联由产学研合作转移至企业间合作，其中主体创新关联依赖组织间“隶属关系”，趋向集中于母子公司间，但在创新合作模式方面存在差异。
在京津冀城市群内，京津冀企业总部经济特征明显，主体创新关联主要存在于母子公司间以及存在投资关系的企业间，产学研合作较突出（图5）。具体来看，2010年高校为企业数字技术创新提供了重要技术支持，校办企业成为京津冀产学研合作的重要手段，清华大学和北京大学与企业合作频次数量较多，分列一二位。到2015年产学研合作地位有所下降，国有企业及行业研究院合作重要性逐渐凸显，中国电力科学研究院与国家电网有限公司的合作频次增速明显。在2020年，京津冀城市群数字技术联系模式趋于稳定，大型企业子母公司间合作以及国有企业与行业研究院间的合作占据主导地位，其重要性进一步凸显。
在长三角城市群内，本地区子公司与区域外总部企业合作较为突出，这也说明了长三角地区通过招商引资等方式与外界进行有效联系，提升了本地数字技术创新能力。2010年，民营企业间创新关联较为突出，主要创新联系存在于民营企业的子母公司中如大唐移动通信设备有限公司，产学研合作外部性较为明显，呈现跨区域合作态势，即本地高校与外部头部企业或本地企业与外部头部高校合作，如上海交通大学和华为技术有限公司。到2015年，高校和科研院所的作用持续减弱，企业间合作地位显著提升，以国家电网为首的大型国企关联强度逐步凸显。在2020年，外部创新关联增多，合作范围显著扩大，地区龙头企业内联系显著增强，首位联系为“中芯国际集成电路制造（上海）有限公司—中芯国际集成电路制造（北京）有限公司”（图5）。
在珠三角城市群内，产学研合作在初期具有重要地位，国有企业的优势在珠三角表现不明显，主体创新关联以本地民营企业间合作为主。具体来看，2010年，产学研合作在珠三角城市群创新网络中占据重要位置。到2015和2020年，珠三角城市群中民营企业关联较为密集，主要涉及海洋王照明科技股份有限公司、深圳怡化电脑股份有限公司等核心主体（图5）。
3 三大城市群数字技术创新网络演化影响因素
3.1 模型构建
创新来源于知识重组，被视为是一种新的生产函数，本文沿用已有研究对知识生产函数进行拓展，将知识生产函数由公司层面拓展至地理区域层面[17-18]。具体来看，本文参考万媛媛等的研究[19]，根据数据的可获得性以及可计算性，沿用数字技术创新合作专利数量变化用以表征数字技术创新网络演化的总体概况。选择合作专利数据的优势在于：①合作申请专利的主体之间往往需要形成稳定的创新合作联系，因此合作专利是对高质量创新合作活动及其构成创新网络的客观且有效的表达；②专利数据可以覆盖较长的时间周期，有着较可靠的质量，这是其他类型数据所难以比拟的。
在影响因素选取上，法国动力学派认为创新并不是孤立的过程，多维邻近性普遍被认为是创新网络形成演化的重要驱动力。其中，地理邻近性有利于降低创新成本，且对于隐形知识的传播更为有利，但在数字技术新时代地理邻近性的作用受到了挑战[20]；技术邻近性则为技术创新提供了基础，但技术相关性过高会带来路径锁定[21]，本文沿用Jaffe技术距离公式，在国际专利分类法（IPC八大类）的基础上计算城市间发明专利的结构相似性，从知识基础的视角出发衡量城市间的技术邻近性[22]；制度邻近性则有助于打破行政壁垒从而促进区域创新，其作用机制较为复杂，本文借鉴周锐波等的做法，采用优势城市行政等级简化测度城市间的制度邻近性，若城市i和城市j都是副省级及以上城市，对制度邻近性赋值为3，若城市i和城市j仅一者是副省级及以上城市则赋值为1，其余赋值为0[11]。同时，本文引用地理空间密度公式用以测量城市与其合作城市的平均距离，这个方法的好处在于地理空间密度是一个测量研究单元地理距离的年度指标，可连续变化形成面板数据[20]，同时对技术邻近和制度邻近也进行了相近处理。
此外，新区域主义重视地方知识根植性，强调区域内生性因素的作用，本文基于知识生产函数选取区域禀赋的相关变量，并基于产业生命周期理论选取产业基础要素进行研究。本文参考已有研究建立指标体系利用熵权法对数字技术发展水平进行测度，选取电信业务收入、信息传输计算机服务和软件业从业人数、互联网宽带接入用户数、移动电话用户数和普惠金融指数共5个指标建立综合发展水平评价指标体系[24]。
综上，结合创新网络中的多维邻近性框架、区域禀赋以及产业基础等要素，形成综合框架，参考已有研究选取影响因素进行负二项回归定量研究（表4）。
基于被解释变量的数据类型，本文选用负二项面板模型对影响因素进行回归分析，分别以京津冀、长三角和珠三角城市群的样本构建模型（1）、模型（2）和模型（3），对2010—2020年三大城市群进行分组回归（表5）。相关模型通过VIF检验，解释变量间均不存在多重共线性。基于F检验和Hausman检验结果，3个模型均选用固定效应模型。
3.2 实证结果
由表5可知，京津冀、长三角和珠三角城市群的数字技术创新网络的影响因素在多维邻近性和产业基础方面具有异质性，在区域禀赋方面则呈现一致性特征。
地理邻近性对数字技术创新联系强度在三大城市群均不显著，但技术邻近性和制度邻近性在特定情境下中起作用，且作用有所不同。具体来看：①在三大城市群中，地理邻近性作用不显著，这一结论与已有研究相印证[20]，地理距离并不能对数字技术创新联系强度产生显著影响。数字技术为知识跨域重组，实现区域间知识传播提供了可能，故数字技术如互联网技术体现出了“去中心化”的产业特质，可以有效突破地理距离的限制[25]，这也说明了在数字经济的这一经济新形态下，城市体系呈现更为开放的网络结构特征[4]，三大城市群的城市群外合作网络密度和频次大幅提升，合作区域逐步扩散，均呈现全国范围扩散态势。②关于技术邻近性，长三角城市群技术邻近性对数字技术创新联系强度呈正向显著影响，模型（2）中技术邻近性的影响系数为5.206，在1%的显著水平上对数字技术创新联系强度产生积极促进作用；而在京津冀城市群和珠三角城市群，技术邻近性对数字技术创新联系强度的影响均不显著。③在京津冀城市群中制度等级差异悬殊导致资源配置不均衡，北京拥有丰富的数字技术创新基础设施和人才资源，首位度较高，区域间差异较大，城市群内创新合作难度加大；在长三角城市群中，层级化的城市间的制度差异可以促使城市之间形成基于不同创新链环节的竞争优势，其中上海在金融科技方面有较强的发展优势，而杭州在电子商务等方面有较强的创新能力，差异性政策和产业优势促进了城市间的竞争，进而增强区域间数字技术创新的联系强度；在珠三角城市群中，制度邻近性作用不显著。这可能是由于制度邻近性在城市群协同化程度不同时发挥的作用不一致，且这也说明制度邻近性在创新网络中的作用机制较为复杂，呈现非单一影响而是复合影响[26]。在珠三角城市群中大型企业起到的作用较大，如深圳怡化电脑股份有限公司等，该类主体受区域性政策性影响相对较小。
资本要素和人力要素是区域禀赋方面的关键影响因子，数字经济发展水平的影响具有显著区域异质性。具体来看：①资本要素对三大城市群数字技术创新联系强度均呈显著正向影响，其系数分别为1.124、0.306和1.809。②人力要素在京津冀城市群中与数字技术创新联系强度正相关，但在珠三角和长三角城市群中均不显著，这可能是由于数字技术发展涉及产业众多，需要的人才由此也较为多样，人力资本发挥作用的条件更为苛刻[27]。③产业基础方面，数字经济发展水平对数字技术创新联系强度仅在长三角城市群中呈正向影响，而在珠三角城市群中数字化水平的影响为负，这是由于各区域产业发展路径和创新条件具有异质性。
考虑到经济发展水平、人力资本投入以及技术邻近性可能与城市数字技术合作专利数量互为因果，且内生性问题有待检验，故而采用工具变量方法进行内生性检验，参考已有成果[28-30]，选取城市地形起伏度的均值、城市劳动力数量滞后一期、技术邻近的滞后一期作为对应的工具变量分别进行回归，其检验结果均表明选取的工具变量不存在弱工具变量问题，且为外生变量。在纠正内生性问题后，第二阶段回归结果显示与前文回归结果保持一致，表明核心结论是稳健的。
4 结论与讨论
本文基于京津冀、长三角和珠三角三大城市群2010—2020年的数字技术专利数据，利用ArcGIS、社会网络分析法和负二项回归方法系统研究了城市群数字技术专利创新网络整体演化特征、创新合作尺度演化特征、主体关联演化特征和影响因素。主要结论如下：
①三大城市群数字技术创新网络在主体和城市层面上均呈现网络规模不断扩大、网络结构趋于松散的共性特征。在空间上，直辖市和省会城市均占据网络的核心位置，且表现出强大的外向辐射与溢出效应，以城市群核心城市为节点形成跨区域创新合作廊道，数字技术在上述方面遵循创新网络发展的一般规律，区域异质性在这一方面表现并不明显。而在主体关联方面则呈现内向化，依赖组织间的“隶属关系”，主体合作关联倾向于大型企业子母公司间合作以及国有企业与行业研究院间。
②三大城市群数字技术创新网络具有区域分异性，主要体现在城市网络的合作尺度和主体合作模式等方面。具体来看，长三角和京津冀城市群以全国范围内的合作为主，而珠三角城市群则以本地合作为主。京津冀城市群本地合作占比持续下降，城市群内合作波动性上升，全国范围内合作比例小幅度上升；长三角城市群本地合作占比呈现“U”型曲线，城市群内合作占比变化幅度较小，全国范围内合作占比快速增长后又趋于平稳；珠三角城市群本地合作占比快速增长，城市群内合作占比较为稳定，全国范围合作占比则显著降低。
③三大城市群数字技术创新网络演化的影响因素有所异同，资本要素是重要的影响因素，人力资本水平发挥作用的条件较高，地理邻近性则不显著。在多维邻近性方面，地理邻近性的作用在三大城市群中均不显著，技术邻近性和制度邻近性则呈现区域异质性。其中，地理邻近性作用不显著，这与前人基于全产业样本的研究[18]以及基于沿黄三大城市群对比的城市网络研究[31]存在一定出入，此结果体现了数字技术的空间收敛性特征，回应了信息时代数字技术的出现和发展削弱了地理摩擦[3]。在区域禀赋方面，资本要素对三大城市群的数字技术创新网络演化的影响具有相似性，而人力资本水平发挥作用的条件较高。在产业基础方面，数字经济发展水平对数字技术创新网络的作用在三大城市群内具有区域异质性，仅在长三角城市群中，数字经济发展水平对数字技术创新联系强度呈正向显著影响，这也说明了数字技术所需资源禀赋的复杂性[2-3]。
本研究证实了创新网络具有区域异质性，回应了新经济形态下数字技术对地理摩擦的冲击，是对现有创新网络研究的有益补充。但受限于数据可得性等各方面因素的限制，未来可以考虑通过项目合作等多种类关系型数据进一步深化创新网络相关研究，采用实地调研和问卷调查等方法对数字技术创新网络的跨界结网动因及内在机制进行深化研究。
参考文献：
[1]孙勇，樊杰，刘汉初，等.长三角地区数字技术创新时空格局及其影响因素[J].经济地理，2022，42（2）：124-133.
[2]王胜鹏，滕堂伟，夏启繁，等.中国数字经济发展水平时空特征及其创新驱动机制[J].经济地理，2022，42（7）：33-43.
[3]刘洋，董久钰，魏江.数字创新管理：理论框架与未来研究[J].管理世界，2020，36（7）：198-217，219.
[4]邓慧慧，刘宇佳，王强.中国数字技术城市网络的空间结构研究——兼论网络型城市群建设[J].中国工业经济，2022（9）：121-139.
[5]王林辉，姜昊，董直庆.工业智能化会重塑企业地理格局吗[J].中国工业经济，2022（2）：137-155.
[6]Shkolnykova M，Cooke P，Albrechts L. Assessing the importance of proximity dimensions for the diffusion of radical innovations in German biotechnology[J]. European Planning Studies，2023，31（7）：1510-1531.
[7]曹贤忠.基于全球—地方视角的上海高新技术产业创新网络研究[M].北京：中国财政经济出版社，2019.
[8]刘婧玥，殷存毅.三大城市跨域合作创新形成机制差异分析[J].科技进步与对策，2018，35（23）：34-42.
[9]马海涛，徐楦钫，江凯乐.中国城市群技术知识多中心性演化特征及创新效应[J].地理学报，2023，78（2）：273-292.
[10]冯怡，彭迪云，周美楠.长江经济带城市群网络结构韧性之演化——基于“流空间”视角的分析[J].江西社会科学，2022，42（8）：53-62.
[11]周锐波，邱奕锋，胡耀宗.中国城市创新网络演化特征及多维邻近性机制[J].经济地理，2021，41（5）：1-10.
[12]张凯煌，千庆兰，陈清怡.多尺度视角下中国新能源汽车产业创新空间格局及网络特征[J].地理科学进展，2021，40（11）：1824-1838.
[13]Boschma R，Martin R. The Handbook of Evolutionary Economic Geography[M]. Cheltenham：Edward Elgar Publishing，2010.
[14]Balland P A. Proximity and the evolution of collaboration networks：Evidence from research and development projects within the global navigation satellite system（GNSS）industry[J].Regional Studies，2012，46（6）：741-756.
[15]符文颖，Diez J R，Schiller D.区域创新系统的管治框架演化——来自深圳和东莞的对比实证[J].人文地理，2013，28（4）：83-88.
[16]Hoekman J，Frenken K，Tijssen R J W. Research collaboration at a distance：Changing spatial patterns of scientific collaboration within Europe[J]. Research Policy，2010，39（5）：662-673.
[17]Abbott C. Regional diversity：Growth in the United States，1960-1990[J]. Business History Review，1982，56（2）：322-323.
[18]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.
[19]万媛媛，王秋玉，曾刚，等.高校与生物医药企业创新结网的影响机制——以长三角为例[J].经济地理，2022，42（7）：146-158.
[20]赵炎，王琦，郑向杰.网络邻近性、地理邻近性对知识转移绩效的影响[J].科研管理，2016，37（1）：128-136.
[21]杜亚楠，王庆喜，王忠燕.多维邻近下中国三大城市群创新网络演化特征及机制研究[J].地理科学，2023，43（2）：197-207.
[22]Jaffe A B. Technological opportunity and spillovers of R & D：Evidence from firms’ patents，profits，and market value[J].American Economic Review，1986，76（5）：984-1001.
[23]赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界，2020，36（10）：65-76.
[24]魏敏，李书昊.新时代中国经济高质量发展水平的测度研究[J].数量经济技术经济研究，2018，35（11）：3-20.
[25]葛翔宇，周尊荣.数字经济能否缓解中国发展不平衡不充分的局面？[J].经济问题探索，2023（3）：1-17.
[26]展亚荣，谷人旭.中国网络游戏产业合作网络特征及其多维邻近性机制[J].地理科学进展，2022，41（7）：1145-1155.
[27]包振山，韩剑，翁梅，等.数字经济如何促进对外贸易高质量发展[J].国际经贸探索，2023，39（2）：4-20.
[28]赵奎，后青松，李巍.省会城市经济发展的溢出效应——基于工业企业数据的分析[J].经济研究，2021，56（3）：150-166.
[29]徐，金泽润，朱晟君，等.生命周期，知识多样性与区域技术创新——以中国可再生能源技术为例[J].地理研究，2023，42（8）：2070-2088.
[30]郑江淮，戴玮.中国技术空间雁行式变迁缩小了地区经济差异吗——基于地区间技术邻近度的假说和实证[J].财贸经济，2021，42（12）：133-149.
[31]王文杰，胡述聚，苗长虹，等.沿黄三大城市群城市网络结构演化特征与驱动因素[J].地理研究，2023，42（2）：534-549.
作者简介：滕堂伟（1973—），男，博士，教授，博士生导师，研究方向为集群创新与区域经济发展。E-mail：twteng@re.ecnu.edu.cn
通讯作者：鲍涵（1998—），女，博士研究生，研究方向为区域发展与可持续转型。E-mail：17305695440@163.com
