我国城市技术转移双网络分析

摘要：以2008～2012年我国城市间技术交易数据为基础，利用社会网络分析方法对高校和企业两个不同技术转移主体形成的城市技术转移网络进行对比研究。结果显示：不同技术转移主体对城市的要素禀赋特征要求不同；企业技术转移网络中各城市的技术输出普遍领先于高校技术转移网络；两张网络中发达地区的技术输出与吸纳均遥遥领先于落后地区，处于绝对中心地位；两个网络中均存在占据技术资源和信息流通关键位置的城市，控制着技术向中西部转移的关键路径；两个网络的技术转移关系是正向相关的，能相互促进。

关键词：城市；技术转移；双网络；高校；企业

中图分类号：F204 文献标识码： 文章编号：

Abstract： Using 2008～2012 bilateral data of technology transfer between cities in China， we compare the technology transfer network structure and function of universities and firms through a dual social network analysis. Results illustrate： 1）Universities and firms have different requirements for cities’ resources. 2）The technology output of firms in the network is more than that of universities. 3）The output and input of technology of developed cities is far ahead of backward ones.4）There are cities occupying the critical path of technology transfer to the Midwest in both networks.5）There is a positive correlation between the two networks.

Key words： city； technology transfer； dual network； university； firm

引言

技术转移是企业在现代开放式创新环境下，从外部技术市场引进科技资源、创新资源从而提高自身创新能力的重要途径[1， 2]。然而，由于我国技术市场机制不够完善，技术转移仍是企业提升自主创新能力的重大阻碍。技术转移过程是一个双边关系的形成过程，关系强弱、路径长短等是技术转移结果的体现[3]，它不仅与主体间的技术势差有关，还受主体地理位置的影响，具有典型的地理特征[4]。而跨区域技术转移打破了地理界限和行政隶属关系，将不同地理区域连结成一张庞大的技术转移网络，实现了科技资源在不同区域间的优化配置[5]。此外，由于不同的网络结构会影响网络的知识传递潜力[6]，且主体在网络中所占据的位置不同，其获取资源和信息的便利程度也不同[7]，所以近年来诸多学者运用社会网络分析方法对技术转移的网络关系进行定量分析并以可视化图谱对其结构特征进行直观展示[8-10]，以期从网络的结构和功能层面促进跨区域技术转移。

城市是我国技术转移网络中最重要的组成单位，因此跨区域技术转移必须以创新能力较强的城市为中心[4]，以此来推动全国范围内的技术转移。现有研究大多从国际、省际的层面研究技术转移网络[11， 12]，极少从城市创新合作网络的层面展开。但知识和技术的流动、经济发展和政治制度的交互作用，并不仅仅存在于国际范围内或是省与省之间，更多的是发生在局部的城市之间[13]。在我国，城市不仅是经济竞争的基本单位，同时也是技术创新和科技进步的孵化器，是践行国家政策方针的最终主体。因此，研究城市技术转移网络，能从更为微观和具有实践性的层面为促进技术转移的政策制定提供依据。

高校和企业是城市技术转移网络中最重要的两个主体，而不同主体其要素禀赋特征不同，获取新知识的机会、利用资源的能力、技术转移的动机等也不同，显然其网络结构和功能会有很大差异。但目前，在运用社会网络分析技术转移时，学者普遍从单一网络的视角出发，并没有关注不同的技术让与主体之间的网络差异以及网络的交互作用。

本文以我国城市间技术交易数据（以专利技术许可规模为指标）为基础，利用社会网络分析方法对高校和企业两个不同技术转移主体形成的双网络进行对比研究，旨在比较两张网络的结构特征和功能效率等，以及分析两张网络的相互作用，最终为我国技术转移提出新的政策建议。

本研究首次运用双网络比较法将同一城市放在多张网络中对比分析，在一定程度上弥补了理论研究的不足，且极具现实意义。首先，分析主体间的关系状态能有效揭示技术转移的现状及规律，更能从整体上把握整个技术交易市场的结构模式和空间格局，进而协调和促进跨区域技术转移的进程[14]。其次，跨区域技术转移必须以创新能力较强的城市为中心[4]，所以重点研究我国各省会城市、直辖市及副省级城市之间的技术转移网络能有效带动我国整个技术转移网络系统。最后，基于主体视角对高校和企业两个不同主体形成的网络进行对比分析，找出两者的共性和异性，同时弄清两个网络的相互关系，能以此为区域间技术转移的相关政策制定提供更为具体有效的依据。

1数据与方法

1.1数据来源

专利技术是创新活动的主要成果之一，而专利许可是科学技术向生产力转化的重要途径，是国内外学者衡量技术转移的惯用指标。本文使用国家知识产权局公布的技术许可数据，通过许可合同包含的让与人、受让人、技术标的物等信息匹配技术转移城市。前期数据处理工作经历了三个阶段：第一，经过大量的数据检索、整理及统计，得到2008～2012年的许可数据共84693条；第二，对让与人及受让人地区进行筛选，将区域范围设置为省会城市、直辖市以及副省级城市，共得到数据12288条；第三，将让与人属性限定为高校及企业，共得到数据12233条。即本研究针对高校、企业作为让与人的城市技术转移网络，最终得到了12233个样本作为研究基础，其中高校作为让与人的有2231条，企业作为让与人的有10002条。

1.2研究方法

基于我国36个省会城市、直辖市以及副省级城市之间不同技术转移主体引导的技术转移关系可构建两张区域间技术转移网络。其中，网络节点为36个城市，节点联系分别为各城市之间高校和企业作为让与人的专利许可项数。本文运用社会网络分析方法对这种网络关系进行定量分析并以可视化图谱直观展示两张网络的结构特征，使用的网络测量指标有网络规模、网络密度、节点强度、网络中心性、结构洞、区块特征、核心―边缘模型等[15]。

2高校及企业城市技术转移网络比较研究

为了全面有效地对两张网络进行分析，本文从网络的整体特征、网络中心性及中介行为、网络位置角色及结构特征、网络相互关系等四个方面展开研究。

2.1网络整体特征对比分析

表1的各项指标从一定程度上反映了两个网络整体概况的差异。高校、企业技术转移网络的密度分别是0.227和0.285，网络密度均偏低，即两个网络对行动者的态度、行为产生的积极影响程度较低。而相对来说，企业技术转移网络较高校技术转移网络技术转移活动更为密切和频繁，其网络密度较大，关系数量也较高校技术转移网络多73条，即企业比高校能更加便利地从网络上获取各种资源。从节点的平均距离来看，高校技术转移网络的跨度大于企业技术转移网络，其网络中的城市通过约2个城市能到达其它城市。而从凝聚力指数来看，企业技术转移网络建立在距离基础上的凝聚力要比高校技术转移网络稍强。

图1是两个网络的整体网络图，全面展示了两个不同主体引导的所有城市技术转移关系。网络呈现出边缘、半边缘、核心城市三个层次，其中边缘城市的关系数量较少，而核心城市的关系数量最多，且关系线也较粗。进一步过滤掉城市间技术转移频次小于等于10的低强度关系，简化后如图2，网络密度大幅度减小，大部分城市变为了孤立点。

以上研究发现：（1）企业技术转移网络的网络密度、凝聚力指数均高于高校技术转移网络，但整体上两个网络的两项指标均偏低。（2）由于不同技术转移主体对城市的要素禀赋特征要求不同，同一城市在两个网络中所处的位置并不同。（3）专利技术转移强度极低，大部分城市的技术转移频次均低于10。在引入关系强度后，两个网络仅分别保留了原图中3.8%、21.7%的关系。

2.2网络中心性及中介行为对比分析

各城市在两个网络中表现出来的中心性特征差异明显，其中图3和图4中的出度、入度分别表示技术输出和技术吸纳。从技术输出看，企业技术转移网络中各城市的技术输出普遍领先于高校技术转移网络，反映了我国高校技术转化率低，同时也说明具有技术资源优势并不一定会引起技术转移，技术转移在很大程度上还受技术交易意愿的影响。企业迫于盈利的压力，会最大程度地利用自身资源，但高校没有此方面的压力，技术交易意愿不强。在高校技术转移网络中，起到技术输出中心作用的城市依次是上海、北京、天津、杭州、西安、南京、广州等高等教育较为发达的地区，具有强大的技术产出能力支撑。而在企业技术转移网络中发挥技术输出中心作用的城市是拥有绝对地理、经济优势的京沪粤江浙等地区。例如深圳在高校技术转移网络中出度并不大，但是由于其在经济发展、创新环境、地理区位等各方面都有其他城市无法比拟的优势，其技术输出在企业技术转移网络中跃居第一，其后依次是北京、上海、南京、西安等。高校、企业技术转移网络的出度中心势分别为11.174%和10.081%，技术输出均集中在少数城市。从技术吸纳看，深圳、宁波、上海、北京、广州、南京、杭州等城市在两个网络中均居于中心地位，说明不论技术让与人是谁，技术吸纳能力强的城市均能发挥自身优势。高校、企业技术转移网络的入度中心势分别为11.965%和5.902%，反映了高校技术转移网络的技术吸纳集中在少数城市，而企业技术转移网络的技术吸纳比较分散。

区域经济发展不平衡和科技资源分布不均是导致我国各大城市技术输出和吸纳不均衡的首要因素。理论上，存在经济势差和技术势差会促使技术从发达地区流向落后地区。但图3、图4均显示中西部欠发达地区在两个网络中的出度、入度均处于边缘地位，而发达地区同时是技术输出和吸纳中心。形成这样的状况主要是由于我国目前经济和科技资源分布过度倾斜，导致欠发达地区技术吸收能力缺失。因此，均衡分布科技资源，促进欠发达地区的技术吸收是缓解欠发达地区在创新网络中边缘化的有效途径。

中间中心度测量了一个城市在多大程度上充当着其他城市之间沟通的桥梁，一个城市的中间中心度越高，该城市拥有的资源优势就越多，对其他城市的控制能力也越强。图5显示，高校、企业技术转移网络中各城市的中间中心度差异很大，例如广州和长沙在高校技术转移网络中的中间中心度位居前列，仅次于北京和上海，但是其在企业技术转移网络中却表现平平，反映了这两个城市在高校技术向中西部转移的进程中发挥了极其重要的中介作用，是高校技术西进的重要桥梁，但在企业技术转移中却并未发挥很好的传递作用。相反，深圳在企业技术转移网络中却极大程度地充当着众多城市之间的中间人。

除了北京、上海、天津等发达城市，杭州、武汉、重庆、成都等城市在两个网络中的中间中心度也较高，说明这些城市在两个网络中均处于技术资源和信息流通的关键位置，控制着技术向中西部转移的关键路径，是我国促进技术转移进程应该重点培育的城市。技术转移具有一定的辐射范围，因此靠近发达城市的地区应该能更加便利的接受技术并向其他地区转移，进而形成全方位的技术辐射和扩散圈。但是靠近北京、天津的沈阳并未能发挥技术转移的过渡作用而向东部的长春、哈尔滨辐射技术，此外，石家庄、合肥等也占据着优越的地理位置，但是在技术向中西部转移的过程中都未能发挥积极的传递作用。高校、企业技术转移网络的中间中心势分别为10.82%和14.66%，企业技术转移网络的中间中心势较高，说明该网络中各个小团体过度依赖于几个中心城市的传递作用。

2.3网络位置角色及结构特征对比分析

利用CONCOR法分析得出高校、企业技术转移网络的分块结果如图6所示。两个网络均分为五个区块，但各区块包含的成员及区块之间的关系并不相同。在高校技术转移网络中，第1区块包含了北京、宁波、广州、上海、天津、深圳、南京等城市，属于输出倾向型区块，大量地向剩余的四个区块输出技术，同时也从第2、3、4个区块吸纳技术以维持其核心地位。同时，第1区块的块内密度很大，其内部成员间的联系极其紧密。第2区块包含的成员高校资源丰富，但却属于输入倾向型区块，没有很好地向第3、4区块输出技术。第5区块是典型的边缘型、输入型区块。在以企业为主体的城市技术转移网络中，第1区块包含了贵阳、呼和浩特等经济发展程度相对较低的城市，而天津、成都、武汉、杭州等城市却分布在其他区块，这说明贵阳、呼和浩特虽然技术转移强度不大，但是其与核心城市联系紧密，与经济发达城市具有网络结构对等性。高校、企业技术转移网络的块模型R平方值分别为0.325、0.172，说明高校技术转移网络的区块特征强于企业技术转移网络，而企业技术转移网络中结构相似的节点较高校技术转移网络多，个体行动者的发展也更平衡。

采用UCINET中的核心―边缘模型对网络的核心边缘结构进行分析，得到如下结果。表2分别列出了两个网络中的核心城市，边缘部分由其余城市组成，表3是两个网络核心边缘结构的密度矩阵。高校技术转移网络的核心部分由北京、广州、杭州、南京、上海、深圳、天津等7个城市组成，核心部分各城市间密度为6.286，而边缘部分各城市间密度仅为0.231，核心到边缘和边缘到核心的密度相差不大，分别为1.291和1.015。企业技术转移网络的核心部分由北京、南京、宁波、上海、深圳等5个城市组成，核心部分各城市间网络密度高达30.15，而边缘部分仅为0.771，核心到边缘的密度为6.026，是边缘到核心3.787的约两倍，说明网络呈现出明显的核心―边缘结构，技术转移高度集中于5个核心成员之间，且边缘部分主要依赖于从核心部分吸纳技术，相互之间交流不多。

2.4两个网络相互关系分析

QAP（二次指派程序）是一种测量关系之间关系的分析方法。本文用QAP方法检验以高校为主体的城市技术转移和以企业为主体的城市技术转移之间的相互关系，检验结果如表4所示，相关系数0.391，显著性0，说明我国城市之间的高校技术转移和企业技术转移是正相关的，并且在统计意义上这种相关关系是显著的。即两张城市技术转移网络虽然以高校、企业两个不同的主体引导，但两张网络是正向相关的，各自的关系能相互促进，高校技术转移关系强的城市之间企业技术转移关系也趋向于发生，反之亦然。

3结论及政策建议

跨区域技术转移是区域间资源优化配置的有效途径，是各地区保持和提升创新能力的必经之路。本文以城市技术转移网络为研究对象，并将其区分为以高校为主体的城市技术转移网络和以企业为主体的城市技术转移网络，首次运用双网络比较法将同一城市放在两张网络中进行对比研究。通过对比分析两张网络的整体特征、网络中心性及中介行为、网络位置角色及结构特征、网络相互关系等，得出以下主要结论：（1）从网络的整体特征规律来看，两个网络的网络密度、技术转移强度均较低，且由于高校、企业两个主体对城市的要素禀赋特征要求不同，同一城市在两个网络中所处的位置并不同。（2）从技术输出和输入度来看，企业技术转移网络中各城市的技术输出普遍领先于高校技术转移网络，反映了我国高校技术转化率低；同时，两张网络中发达地区的技术输出与吸纳均遥遥领先于落后地区，处于绝对中心地位。（3）从中间中心度来看，各城市在两个网络中的中间中心度差异很大，即同一城市在不同网络中的中介行为强度不同；但也存在如北京、上海、杭州等在两个网络中均处于技术资源和信息流通关键位置的城市，控制着技术向中西部转移的关键路径。（4）从网络位置和结构特征来看，两个网络均分为五个区块，但各区块包含的成员以及区块之间的关系差异很大，且高校技术转移网络的区块特征强于企业技术转移网络，而后者较前者呈现出更明显的核心―边缘结构。（5）两个网络的技术转移关系是正向相关的，能相互促进。

针对以上研究结论，本文提出如下建议：（1）根据不同技术转移主体对城市要素禀赋特征的不同要求，有针对性地制定适合不同主体的政策，增强城市间技术转移关系的强度。（2）增强高校的技术转移意愿，降低我国高校技术的闲置率。（3）在科学技术和创新资源向中西部转移的过程中，选择武汉、西安等作为技术向中西部过渡和渗透的中介城市重点培养，形成关键路径，从而打破经济发达地区与中西部落后地区技术势差过大而技术转移效率低下的局面。（4）发挥发达城市周边城市的中介作用，把技术辐射源由点变为圈。（5）对在两个网络中中心度均较高的城市给予更多的政策关注和支持，以此充分发挥两个网络的相互促进作用。

参考文献

[1]Bozeman B， Rimes H， Youtie J. The evolving state-of-the-art in technology transfer research： Revisiting the contingent effectiveness model[J]. Research Policy，2015，44（1）：34-49.

[2]李艳丽，赵大丽，高伟.市场化改革、知识转移与区域创新能力研究[J].软科学，2012，26（4）：28-32.

[3]Luo S， Du Y， Liu P， et al. A study on coevolutionary dynamics of knowledge diffusion and social network structure[J]. Expert Systems with Applications，2015，42（7）：3619-33.

[4]司尚奇，冯锋.我国跨区域技术转移联盟研究――基于38个城市合作网络分析[J].科学学研究，2010，28（8）：1165-70.

[5]Shin S K， Kook W. Can knowledge be more accessible in a virtual network？： Collective dynamics of knowledge transfer in a virtual knowledge organization network[J]. Decision Support Systems，2014，59（0）：180-9.

[6]赵良杰，姜晨，鲁皓.复杂社会网络结构、局部网络效应与创新扩散研究[J].软科学，2011，25（8）：6-9.

[7]Gonzalez-Brambila C N， Veloso F M， Krackhardt D. The impact of network embeddedness on research output[J]. Research Policy，2013，42（9）：1555-67.

[8]Dong J Q， Yang C-H. Information technology and organizational learning in knowledge alliances and networks： Evidence from U.S. pharmaceutical industry[J]. Information & Management，2015，52（1）：111-22.

[9]Nam Y， Barnett G A. Globalization of technology： Network analysis of global patents and trademarks[J]. Technological Forecasting and Social Change，2011，78（8）：1471-85.

[10]温芳芳.基于专利许可关系网络的技术转移现状及规律研究[J].情报科学，2014，32（11）：24-9.

[11]Cantner U， Rake B. International research networks in pharmaceuticals： Structure and dynamics [J]. Research Policy，2014，43（2）：333-48.

[12]赵尚梅，史宏梅，杜华东.基于网络模型的跨地区技术转移的研究[J].研究与发展管理，2013，25（5）：54-61.

[13]Guan J， Zhang J， Yan Y. The impact of multilevel networks on innovation[J]. Research Policy，2015，44（3）： 545-59.

[14]Caner T， Sun J， Prescott J E. When a firm's centrality in R&D alliance network is （not） the answer for invention： The interaction of centrality， inward and outward knowledge transfer[J]. Journal of Engineering and Technology Management， 2014，33（0）：193-209.

[15]邵云飞，欧阳青燕，孙雷.社会网络分析方法及其在创新研究中的运用[J].管理学报，2009，6（9）： 1188-93+203.