跨区域创新合作网络构建对创新绩效的影响研究——以长三角为例|区域一体化

考察了长三角地区41个城市跨区域创新合作网络对创新绩效的影响，分析探究影响城市间协同创新趋势特征的关键因素，为区域一体化下的创新政策制定提供可靠依据。基于2010—2018年长三角地区41个城市的面板数据，分析跨城市创新合作网络的结构特征及其对创新绩效的影响机制。

研究发现：长三角地区城市间的创新合作广度对发明专利授权量和高新技术产业产值度量的创新绩效的影响呈倒“U”形；创新合作深度对发明专利授权量的影响呈倒“U”形，但对高新技术产业产值的影响并不显著。长三角城市需要根据自身资源禀赋条件及所处发展阶段制定合适的创新合作策略，积极参与周边城市的协同创新活动,提升区域创新绩效能力。

引言

长三角区域是全国经济最发达的地区之一，拥有完备的科技创新资源基础及产业体系，为科技创新和高技术产业发展提供了良好的基础。随着长三角一体化上升为国家战略，沪苏浙皖进一步加深合作，已初步形成了以企业为主导，政府、科研院所、金融机构和服务机构等联动发展的区域协同创新网络。在经济全球化的大趋势以及信息技术快速发展的背景下，各类创新主体不断增强交流联结，创新的多元性、动态性和复杂性不断增加，由此，区域创新合作行为近年来得到较多关注[1]。

随着长三角地区科技创新合作范围的进一步扩大、合作深度的进一步强化，一体化发展战略为区域创新合作网络构建提供了发展契机，将有效地促进区域内知识、信息、技术、资本和设备等创新资源的流动和整合，积极促进区域内创新水平，提高创新绩效。区域一体化趋势下长三角地区城市间的创新合作网络具备怎样的特征？对各城市的创新绩效产生了何种影响？本文将基于长三角地区41个城市2010-2018年的面板数据对此展开探讨，以期研究结论既可以深化对长三角地区城际创新合作的特征趋势的了解，能为区域一体化以及创新政策制定提供理论支撑和发展政策建议。

文献综述

“创新网络”最早由Freeman(1991) 提出[2]，是指应对系统性创新需求的一种制度安排，企业间的创新合作关系是网络的主要架构。创新合作网络由企业、高校、政府等主体通过合作构成的相对稳定的结构系统。区域创新网络的相关研究主要是从区域创新网络结构特征及演化和绩效两个视角展开。

区域创新网络结构的相关研究是从产业、企业等层面开展研究，包括网络的结构属性、机理以及特征等研究对象，选取或构造相关指标用以度量网络结构特征，展开定量分析和描绘特征趋势。区域创新网络演化的相关研究主要针对区域创新网络的动态变化过程，将区域创新网络的演化进行阶段划分并在此基础上展开实证研究[3]。池仁勇分析了浙江省区域内中小企业创新网络规模、结构特征，认为地区中小企业的内外部创新网络规模、特征、结构决定了网络的功能[4-5]。徐宜青等对2001—2015年长三角城市群创新模式的研究发现长三角协同创新模式由外部型转向综合型，省会城市如南京、杭州、合肥对所在省份及其他城市的协同创新水平具有引领作用[6]。区域创新网络演化研究包含网络结构整体、小团体节点和单个节点的对象[7]。毛伟采用引力模型测算2007—2017年长三角城市群的创新联系度，随后用社会网络分析法研究创新网络结构，研究发现长三角城市群的创新网络结构日益紧密，呈现出“多中心化”的空间结构特征[8]。创新网络绩效的相关研究涉及企业、高校等微观层面和行政区域等宏观层面。在企业主体创新绩效研究方面，解学梅[9-10]采用结构方程模型考察了不同创新网络对企业创新绩效的影响，发现不同的协同创新网络的发展对创新绩效具有正向影响作用，但存在明显的差异。马艳艳[11]、Chen[12]分别从企业层面论证了合作广度与创新绩效的倒“U”型关系。何郁冰[13]、郭尉[14]、黄婧涵[15]认为开放式创新的广度、深度和持久度对企业探索和吸收新知识、提高知识吸收能力以及知识整合能力，对增强专业领域科技能力和提高创新绩效均有正向影响作用。也有研究针对高校创新绩效展开，张勇[16]使用某高校个体成员的数据实证探讨了个体的合作网络、人力资本和创新绩效之间的关系，在研究中综合考察并揭示了个体合作网络规模、强度、合作者异质性以及个体在学科群体内部知识合作中的重要性地位与创新绩效之间的相互影响。李强[17]研究得出产学研合作渠道的广度与深度对高校科研绩效呈现倒“U”型关系的影响。Kobarg[18]基于德国项目数据，证实创新合作开放度对创新绩效的倒“U”影响。宏观层面上创新网络绩效的相关研究主要对象是跨行政区域。刘承良等 [19]通过全球科研合作论文数据研究，呈现以美国、西欧、中国和澳大利亚为主构建的全球科研合作网络。吴剑锋[20]从国际研发合作的区域广度、资源禀赋和技术创新绩效来研究互动关系。姜宁[21]对长三角地区高技术产业的数据展开了区域合作、竞争对创新绩效的影响研究，发现本土技术溢出效应对高技术产业的创新绩效具有正向影响。

现有对研究创新绩效的测度和评价主要有三种方式。第一种是单一指标法，采用专利数、新产品销售收入或高新技术产业产值等指标[22-23]。第二种是多指标评价体系，相比单一指标可以从多维度反应创新绩效，创新绩效综合指标体系的构建多是基于多维度视角（如创新投入、创新产出、创新环境、知识创新与知识创造等），结合主成分分析法、模糊综合评价法等方法进行测算[24-27]。第三种方式是模型测度法，主要是基于生产函数，构建测度指标，通过DEA或SFA等方法来测算创新投入的产出效率，但这一方法主要反映区域创新投入与产出效率，对区域创新总量性特征反映不够[28-30]。

从现有研究中可以发现，一方面，创新合作网络研究中涉及创新绩效的研究大多集中在企业或组织层面，空间区域特别是中观的城市层面的研究相对较少，另一方面，现有研究中对创新绩效的考察很少区分不同的创新阶段，从创新链的角度将创新成果区分为技术研发和成果转化的不同阶段，分阶段研究创新绩效具有重要的研究与实践意义。要实现长三角高质量一体化发展，41个城市的创新绩效如何，城市之间的创新合作对创新绩效的影响作用机制如何等诸多问题亟待深入研究。本文借鉴三阶段创新价值链将创新绩效分为发明专利授权量和高新技术产业产值，表征创新过程的研发及产品两个阶段，借鉴开放度概念，将创新合作网络用创新合作广度、创新合作深度来表征，研究长三角41个城市跨区域创新合作的知识溢出效应，分析创新合作网络对创新绩效的影响机制。

研究设计

3.1

研究假设

现有研究发现创新合作广度对创新绩效的影响在企业的微观层面和区域的宏观层面上都是非线性发展的。创新合作网络的广度增加会通过不同途径提升创新绩效[9,31-33]。首先，随着创新网络内的创新主体数量的增加，创新知识源的体量增加、范围扩大，促进协同创新链的形成，进一步有效优化创新资源的配置效率。其次，差别化、多样化的主体链入创新网络，网络内的创新知识形成差异互补，进而有效提高创新网络内部知识体系和技术链的完备性。最后，创新合作广度的提升扩大创新知识网络，有助于削弱网络内创新主体的外部市场风险冲击，降低知识搜寻成本，并开拓更大的产品市场。但创新合作广度的进一步扩大可能会对创新绩效产生负面影响。一方面是创新合作成本的升高，随着创新合作网络的扩大，创新主体接触的信息过多，提高主体间创新合作的信息甄别成本和关系维护成本。另一方面是创新合作关系广度与创新合作质量的权衡，维持过多的合作关系使得合作关系停滞于机会性地获取知识和信息，缺乏持续性合作与信任保障，难以开展深入合作，进而提高创新合作网络共同创造价值的难度。

综上所述，创新合作广度的提高可以通过增加创新知识总量，完备知识和技术体系，降低搜寻成本等路径提高创新绩效，但当创新广度达到主体承受极限后，创新主体将面临信息甄别成本和关系维护成本上升和创新合作质量难以提升等问题，进而对创新绩效产生负面影响。基于以上分析，本文提出第一个假设：

假设1：创新合作广度对创新绩效的影响呈倒“U”型。

创新合作深度的提高对创新绩效的影响也是非线性的。创新合作深度的提升可以促进知识的有效传递，提高联合开展重大创新项目的可能性。一方面，创新合作深度推进增强创新主体间的信任，可以促进非编码的隐性知识有效传递，提高创新合作网络对促进知识传递和知识溢出的效率，提高创新合作效率。另一方面，创新合作深度的加强还能促进创新主体联合开展仅凭各自研发能力无法实现的重大项目，实现创新合作突破。但是创新合作深度的进一步提升将带来“技术路径锁定”效应、降低主体抗风险能力以及提高内部核心知识泄露风险。“技术路径锁定”效应是指随着合作深度加强创新主体局限于某一特定的技术方向，减少了对知识信息源获取的异质性和多样性，对创新绩效产生负面影响。创新合作深度的加强还可能导致的企业技术创新、对外战略和产品市场的单一性和同质性，降低外部抗风险能力降低。此外，当合作深度达到一定的水平后可能会面临内部核心知识泄露的风险，合作伙伴的机会主义行为的可能性与危害性同步增大。总之，当创新合作的深度超过企业承载的极限后，将会对企业的创新绩效带来负面影响。基于以上分析，本文提出第二个假设。

假设2：创新合作深度对创新绩效的影响呈倒“U”型。

学界对科技创新过程的阶段划分存在不同见解，一是基于创新要素流动方向和形态的视角划分为知识资源获取、知识转化和知识开发三个阶段[34]，二是基于要素投入产出视角划分为研发和商业化两个子过程[35]，三是基于知识流动视角划分为知识共享、知识创造和知识优势三个阶段[36]。从经济效益角度来看，科技创新过程划分的研究中基本包含了技术研发和技术成果转化两个阶段[37]。鉴于此，本文将分别使用发明专利授权量和高新技术产业产值来度量这两个阶段的创新绩效，构建出创新合作网络对创新绩效影响的概念模型，如图1所示：

图1 创新合作网络对创新绩效影响的概念模型

3.2

模型设定及变量选取

3.2.1 模型设定

实证研究分析中通常以发明专利授权数度量创新绩效，但专利授权数是非负整数，不服从正态分布，因此，在实证分析过程中采用计数模型更为合适。鉴于泊松分布一般要求因变量均值与方差相等，这一约束条件在经验应用中经常无法成立，且考虑到发明专利授权数量过度分散的问题，本文采用能更好解决这两个问题的负二项式模型。最后，考虑到样本个体间存在不可观测的特征差异，本文将加入个体效应变量加以控制。根据以上分析和已有的经验做法，本文构建以下计量模型以检验创新合作网络对创新绩效的影响：

其中，i和t分别表示城市和时间，表示创新绩效，表示创新网络开放度，表示其他控制变量，表示城市不可观测的个体效应，表示随机误差项。

3.2.2 变量选取

①因变量创新绩效的选取。选择发明专利授权量（patent）和高新技术产业产值（output）两个指标对中间产出、最终产出两阶段创新绩效进行度量 [37]。发明专利授权量反映区域年度产生的科技研发成果，且在三类专利中技术含量价值最高，是测度区域创新绩效的常用指标[36-40]。高新技术产业产值作为衡量区域创新成果实现商业化的重要指标，代表了区域科技成果转化效益[41]。

②关键自变量创新合作广度和创新合作深度的选取。使用城市的度（去重边网络）来表示创新合作广度（breadth），度是指与城市i直接相连（存在科技论文合作）的城市节点数（长三角41个城市中每个城市最大的度是40），城市的创新合作广度值越大表示该城市在长三角地区科技资源流动的范围更广，“朋友圈”更大。使用城市i与其他合作城市的平均合作次数来度量创新合作深度（depth），指城市i的对外总创新合作次数（每个城市与长三角41个城市的科技论文合作总量）/创新合作广度，城市的创新合作深度值越大表示该城市的科技资源流动的频率，与合作城市关系更紧密[11]。

③其他控制变量的选取。

a.以地方人均GDP的对数形式表示地区经济发展水平（lpegdp），地区经济发展水平是一个地区经济发展实力的象征，存在空间交互效应，对科技创新资源流动、人才吸引等各方面具有重要影响，对区域创新绩效产生影响。

b.外商直接投资总额取对数表示外商直接投资（lfdi），地区获得外商直接投资代表着地区的开放程度，通过资金进入，吸引技术、人才等资源，影响创新绩效的提升。

c.以政府科学技术支出额占GDP比重表示政府科学技术支出占比（goven），“三螺旋”理论中政府、大学及产业共同促进地区创新发展，政府科学技术支出占比指标表征了地方政府对科学技术的支持力度。

d.以第三产业产值占GDP比重的对数形式表示产业发展水平（lindus），产业结构的优化升级对新技术扩散、应用、降低成本具有优势，用科技创新成果更好地带动产业的发展。

e.以高等院校教师数量表示高等教育水平（ledu），高校教师作为高校开展科学研究工作的核心人力资源，在科学合作中发挥重要作用。

f.以创新合作网络中结构洞指标的限制度表示结构洞（sh），结构洞的限制度衡量了节点运用结构洞的能力，限制度越小，表明节点跨越的结构洞越多，反之，节点跨越的结构洞越少[42]。创新网络中的两个参与城市必须通过第三方才能形成联系，那么第三方就在网络中占据了一个结构洞。占据结构洞位置的城市，位于信息传输的枢纽位置，在关键信息和最新知识的获取上具有优势。

3.2.3数据来源

本文选取2010-2018年长三角41个城市的数据。创新合作数据来自WebofScience数据库，包含科学引文索引（SCI）和社会科学引文索引（SSCI）收录的论文数据，检索并筛选2010-2018年第一作者单位属于长三角41个城市的科技论文中所有的作者及地址信息，排除没有地址信息的非职务发表论文以及独著未进行创新合作的论文，筛选出合作者均属于三省一市的合作数据并将所属地址信息精确到长三角41个城市，保留至少2个不同作者及不同城市地址信息的数据作为三省一市41个城市间的科技论文合作数据。

发明专利授权量数据来自各年份的《中国城市统计年鉴》。高新技术产业产值数据来自各年份的《高新技术产业发展统计公报》及三省一市的高新技术相关统计报告。其他控制变量来自各年份的《中国城市统计年鉴》，结构洞的限制度数据是基于科技论文合作数据使用Burt[24]的测度方式测算得到的。

实证结果分析

4.1

描述性统计及相关性分析

对数据指标进行描述性统计分析，样本总量为369，因变量发明专利授权和高新技术产业产值标准差较大，不存在异常值，具体信息如表1所示。

对所有变量进行相关性分析，结果如表2所示，创新合作广度、深度与发明专利授权量和高新技术产业产值呈现显著正向相关，控制变量经济发展水平、外商直接投资、政府财政科技支持、产业发展水平与两个因变量同样呈现显著正相关。

4.2

回归结果分析

根据上文在模型设定中的分析，本文选择使用负二项式回归模型进行回归分析。鉴于数据是面板数据可能存在城市个体效应，本文首先进行Hausman检验，确定使用固定效应回归后，在使用负二项式回归分析时控制个体固定效应。

4.2.1创新合作网络对发明专利授权量的影响

首先考察创新合作网络对创新过程中技术研发环节绩效的影响，使用发明专利授权量代表创新过程中技术研发环节的绩效，分别就创新合作网络的深度和广度的影响展开回归，结果如表3所示。

表3中，模型1中仅纳入控制变量。经济发展水平、政府科学技术支出和产业发展水平对发明专利授权量的影响显著为正，外商直接投资有显著性水平较低的负向影响，高等教育水平与结构洞指标对发明专利授权量的影响不显著。

模型2和模型3对假设1进行检验。模型2的回归结果显示创新合作广度（breadth）对发明专利授权量的影响显著为正，模型3加入创新合作广度的平方项（breadth2），结果显示创新合作广度（breadth）对发明专利授权量的影响显著度水平不变且影响系数从0.032增加到0.091，创新合作广度的平方项（breadth2）同样在1%显著水平上对发明专利授权量存在负向影响。模型2和模型3的回归结果验证了本文的研究假设1，即创新合作广度对创新绩效（发明专利授权量）的影响呈倒“U”型。

模型4和模型5对假设2进行检验。模型4的回归结果显示创新合作深度（depth）对发明专利授权量的影响显著为负，模型5加入创新合作深度的平方项（depth2），结果显示创新合作深度（depth）对发明专利授权量的影响从-0.001转变为0.004且显著为正，二次项的影响显著为负，但二次项系数较小。模型4和模型5的回归结果验证了本文的研究假设2，即创新合作深度对创新绩效（发明专利授权量）的影响呈倒“U”型。

模型6中纳入了所有变量，对创新合作广度和创新合作深度的影响进行联合检验。回归结果显示创新合作广度（breadth）和创新合作深度（depth）及两者的二次项对发明专利授权量的影响方向和显著水平保持相对稳定，创新合作广度与深度对创新绩效（发明专利授权量）的倒“U”型影响具有稳健性，假设1和假设2得到验证，与何雪莹[43]从长三角空间效应视角的研究结果一致。此外，创新合作广度的倒“U”型关系更为显著，与马艳艳[9]、吴剑峰[18]分别就企业数据和国际数据展开的研究结果一致。

4.2.2创新合作网络对高新技术产业产值的影响

其次考察创新合作网络对创新过程中成果转化绩效的影响，使用高新技术产业产值代表创新过程中成果转化环节的绩效，分别就创新合作网络的深度和广度的影响展开回归，结果如表4所示。

表4中，模型1中仅纳入控制变量。除结构洞指标外，其余控制变量对高新技术产业产值的影响均显著为正，表明这些控制变量对高新技术产业产值存在正向影响。

模型2和模型3对假设1进行检验。模型2的回归结果显示创新合作广度（breadth）对高新技术产业产值的影响显著为正，模型3加入创新合作广度平方项（breadth2），结果显示创新合作广度（breadth）对高新技术产业产值的影响显著水平不变且影响系数从0.026增加到0.057，创新合作广度的平方项（breadth2）同样在1%显著水平上对高新技术产业产值存在负向影响。模型2和模型3的回归结果验证了本文的研究假设1，即创新合作广度对创新绩效（高新技术产业产值）的影响呈倒“U”型。

模型4和模型5对假设2进行检验。模型4的回归结果显示创新合作深度（depth）对高新技术产业产值的影响显著为负，但模型5加入创新合作深度的平方项（depth2）后，创新合作深度的一次项和二次项对高新技术产业产值的影响均不显著，即创新合作深度对创新绩效（高新技术产业产值）的影响机制不成立，无法验证假设2。

模型6中纳入了所有变量，对创新合作广度和创新合作深度的影响进行联合检验。回归结果显示创新合作广度（breadth）对高新技术产业产值的影响显著为正，创新合作广度平方项（breadth2）对高新技术产业产值的影响显著为负，创新合作广度对创新绩效（高新技术产业产值）的影响呈倒“U”型，假设1得到验证，创新合作深度对创新绩效（高新技术产业产值）的影响无法验证假设2。

结论与启示

基于创新网络理论和区域创新系统理论，本文分析了2010-2018年长三角41个城市创新合作网络对创新绩效的影响机制，增加了此类研究在城市层面的经验证据。基于城市面板数据，通过负二项式回归模型实证检验创新合作广度和深度对创新绩效的影响，得到以下结论：

第一，创新合作广度与创新绩效呈现倒“U”型关系，意味着创新合作的广度增加对创新网络中各城市的创新绩效的影响先上升后下降。随着创新网络中创新合作城市的增多，创新主体获得的知识或技术范围扩大，激发自身创新灵感，而科技论文创新合作可能产生协同效应，使创新主体间知识、信息流动更通畅，促进发明专利的产生或产业化后产值的提升，创新合作对创新绩效呈现正向影响；但是随着伙伴搜寻成本、信息交流及管理成本的增加，自身科研精力受到限制，与外部创新主体协同创新的边际收益逐步降低，扩大“朋友圈”所产生的创新绩效可能并不如预期，产生下降的趋势。

第二，创新合作深度对创新过程中不同阶段的影响存在差异，创新合作深度对发明专利授权量的影响呈倒“U”型，但创新合作深度对高新技术产业产值的影响并不显著。首先，发明专利授权量度量的是技术研发阶段的绩效，创新合作深度的加大表示随着创新主体之间合作次数增加，了解和信任程度加深，边际成本降低，能够拓宽科学研究的方向和内容，在更多方向和领域内开展合作，提高各城市在技术研发阶段的创新绩效。但是随着合作不断加深，创新主体获得异质性的创新知识减少，形成的协同能力有限，容易产生“路径依赖”，还存在知识或技术泄露的风险，进而对技术研发阶段的创新绩效产生负向影响，产生倒“U”型的影响。其次，创新合作深度对高新技术产业产值所度量的创新成果转化的绩效的影响并不显著，一方面，可能是长三角创新合作深度尚未到达对高新技术产业产值产生显著影响的临界值，另一方面，可能是科技成果转移转化效能不足抑制了这一预期影响的发生。本文采用科技论文合作次数度量创新合作深度，而科技论文的合作更多处于创新的技术研发阶段，知识吸收能力和成果转化能力可能在创新合作网络对创新绩效的影响过程中存在中介效应，科技成果转移转化能力不足可能限制了创新合作深度对高新技术产业产值的影响，创新合作深度对高新技术产值的影响机制和路径有待在未来的研究中进一步深入。

结合以上理论分析与实证检验，本文提出以下政策建议：

一方面，根据各城市所处创新合作阶段合理提升创新合作广度和深度。合作广度和深度的扩大应该与城市在创新发展中所处的经济发展与创新发展阶段相关，考虑地区发展实际及未来战略来合理扩大合作范围及增加合作密度，以取得更好的创新绩效。搭建科研合作平台并引入科研分支机构，进一步扩大网络边缘地区参与到创新合作网络中的机会，并便利创新主体之间创新合作活动的开展。

另一方面，需要切实打通创新合作成果转化为高新技术产业产值等经济效益的路径，充分发挥科创成果的经济效能，完善科技成果转化和服务体系的建设，加强对科技成果转化的引导和激励，完善科技成果的市场定价机制，促进技术市场高质量发展。

[1] GuanJiancheng，ZuoKairui，ChenKaihua，etal．Doescountry-levelR&Defficiencybenefitfromthecollaborationnetworkstructure?[J].ResearchPolicy，2016.45: 770-784.

[2]FreemanC.Networksofinnovators: Asynthesisofresearchissues[J]. ResearchPolicy，1991，20：499-514.

[3]易将能，孟卫东，杨秀苔.区域创新网络演化的阶段性研究[J].科研管理，2005(05)：24-28.

[4]池仁勇.区域中小企业创新网络形成、结构属性与功能提升：浙江省实证考察[J].管理世界，2005(10)：102-112.

[5]池仁勇.区域中小企业创新网络的结点联结及其效率评价研究[J].管理世界，2007(01)：105-112+121.

[6]徐宜青，曾刚，王秋玉.长三角城市群协同创新网络格局发展演变及优化策略[J].经济地理，2018，38(11)：133-140.

[7]朱琛.国内区域创新网络研究文献综述及展望[J].物流工程与管理，2020，42(08)：141-144.

[8]毛伟.长三角城市群创新网络的演化与特征[J].学习与探索，2020(05)：90-97.

[9]解学梅.中小企业协同创新网络与创新绩效的实证研究[J].管理科学学报，2010，13(08)：51-64.

[10]解学梅，左蕾蕾.企业协同创新网络特征与创新绩效：基于知识吸收能力的中介效应研究[J].南开管理评论，2013，16(03)：47-56.

[11]马艳艳，刘凤朝，姜滨滨，王元地.企业跨组织研发合作广度和深度对创新绩效的影响——基于中国工业企业数据的实证[J].科研管理，2014，35(06)：33-40

[12]JinChen，YufenChen. Theinfluenceofscope,depth, andorientationofexternaltechnologysourcesontheinnovativeperformanceofChinesefirms[J].Technovation，2011，31(8)：362-373.

[13]何郁冰，陈劲.企业技术多元化战略影响因素的实证研究[J].技术经济，2010，29(11)：1-7+90.

[14]郭尉.创新开放度对企业创新绩效影响的实证研究[J].科研管理，2016，37(10)：43-50.

[15]黄婧涵，蓝庆新，李飞.创新开放度、知识整合和企业创新绩效——基于跨国知识搜索视角的实证研究[J].技术经济，2019，38(07)：38-45.

[16]张勇，徐艳梅，彭庚.创新合作网络、人力资本与创新绩效关系研究[J].新疆师范大学学报(哲学社会科学版)，2017，38(05)：116-127

[17]李强，顾新，胡谍.产学合作渠道的广度和深度对高校科研绩效的影响[J].软科学，2019(06)：12-17

[18]Kobarg,S.，J. Stumpf-WollersheimandI.M.Welpe，Moreisnotalwaysbetter: Effectsofcollaborationbreadthanddepthonradicalandincrementalinnovationperformanceattheprojectlevel.ResearchPolicy，2019. 48(1)：p. 1-10(01)：66-71.

[19]刘承良，桂钦昌，段德忠，殷美元.全球科研论文合作网络的结构异质性及其邻近性机理[J].地理学报，2017，72(04)：737-752.

[20]吴剑峰，杨震宁，邱永辉.国际研发合作的地域广度、资源禀赋与技术创新绩效的关系研究[J].管理学报，2015，12(10)：1487-1495.

[21]姜宁，奚晨弗，董成.区域合作、竞争对创新绩效的促进作用分析——基于高技术产业的实证研究[J].商业经济与管理，2012(05)：64-71.

[22]Funk,J.，Makingthemostofwhereyouare:geography, networks, andinnovationinorganizations [J].AcademyofManagementJournal.2014，57(1)：193-222

[23]白俊红，蒋伏心. 协同创新、空间关联与区域创新绩效[J]. 经济研究，2015. 50(07)：174-187

[24]周文泳，项洋. 中国各省市区域创新能力关键要素的实证研究[J]. 科研管理，2015. 36(01)：29-35.

[25]黄亮，王振，范斐.基于突变级数模型的长江经济带50座城市科技创新能力测度与分析[J].统计与信息论坛，2017，32(04)：73-80.

[26]王振，卢晓菲.长三角城市群科技创新驱动力的空间分布与分层特征[J].上海经济研究，2018(10)：71-81+93.

[27]赵炎，徐悦蕾.上海市区域创新能力评价[J]. 科研管理，2016. 37(01)：489-494.

[28]刘顺忠，官建成.区域创新系统创新绩效的评价[J].中国管理科学，2002(01)：76-79.

[29]白俊红，王钺. 研发要素的区际流动是否促进了创新效率的提升[J]. 中国科技论坛，2015(12)：27-32.

[30]宛群超，袁凌. 空间集聚、企业家精神与区域创新效率[J]. 软科学，2019：1-16.