Structural characteristics of the global trade network of biomedical products and the evolution of China's position

doi:10.3969/j.issn.1004-9479.2024.11.20230152

Abstract

Abstract:

With the rapid development of the biomedical industry in various countries, the global trade of biomedical products is increasingly active. Based on the biomedical products trade data in the United Nations Commodity Trade Statistics Database from 2000 to 2020, social network analysis is applied to reveal the structural characteristics of the global biomedical products trade network and the evolution of China's position. The study shows that: ①The global biomedical products trade network is closely linked, with a relatively stable trade network structure and the characteristics of a "small world" network. ②The spatial distribution of nodes in the global biomedical products trade network is uneven, with high node degree countries located at the core of the network and little network heterogeneity. ③The core-edge structure of the global biomedical products trade network has changed from the "four-legged" situation formed by the US, Germany, France and Belgium to the "three-legged" situation formed by the US, France and Belgium. The community structure has evolved in a trend of fragmentation followed by restructuring.④China's position in the global biomedical products trade network is gradually increasing, its role as a hub is obvious, and its dependence on the major global biomedical products trading countries is gradually decreasing.

Key words: biomedical products, social network analysis, "core-edge" structure, structure of the community, degree of dependence

摘要：

随着各国生物医药产业的快速发展，全球生物医药产品贸易日趋活跃。基于2000—2020年联合国商品贸易统计数据库中的生物医药产品贸易数据，运用社会网络分析法揭示全球生物医药产品贸易网络结构特征及中国在其中的地位演变趋势。研究表明：①全球生物医药产品贸易网络联系紧密，贸易网络结构相对稳定，并具有“小世界”网络特征。②贸易网络节点空间分布不均，高节点度国家位于网络核心位置，网络异质性不高。③整体贸易网络的“核心-边缘”结构由美国、德国、法国、比利时形成的“四足鼎立”局面向美国、法国、比利时形成的“三足鼎立”局面转变，社团结构呈现先分散后重组的演变趋势。④中国在全球生物医药产品贸易网络中的地位逐步提高，枢纽作用明显，且对全球主要生物医药产品贸易国的依存度呈现逐渐减弱的趋势。

关键词: 生物医药产品, 社会网络分析法, “核心-边缘”结构, 社团结构, 依存度

Mei ZHANG, Yeyi SUN, Shuanglu LIANG. Structural characteristics of the global trade network of biomedical products and the evolution of China's position[J]. World Regional Studies, 2024, 33(11): 1-15.

张梅, 孙烨懿, 梁双陆. 全球生物医药产品贸易网络结构特征与中国地位演变[J]. 世界地理研究, 2024, 33(11): 1-15.

Figures/Tables 10

Tab.1 Classification and definition of customs HS codes for biomedical products

编码	产品定义
293810	糖苷；芦丁苷及其衍生物
300110	腺体和其他器官；干的，不论是否粉末状
300120	腺体和其他器官；腺体获或其他器官或其分泌物的提取物，用于器官治疗
300210	人或动物、抗血清、其他血液组分和免疫产品；无论是否通过生物技术过程进行修饰或获得
300220	疫苗；人类药物
300230	疫苗；用于兽医学
300290	毒素、微生物培养物（不包括酵母）和类似产品

Tab.2 Description of indicators of network structure and node properties

指标	公式	解释	经济意义
网络密度	$D = 2 m n (n - 1)$	刻画网络内部稀疏性的指标，m表示实际联系的总数，n为网络节点总数	衡量生物医药产品贸易网络中连接的紧密程度^[29]
平均路径长度	$L = 1 n (n - 1) ∑ i = 1 n ∑ j = 0 n s i j$	网络中任意两个节点之间距离的平均值， $s i j$ 为节点i与节点j之间最短距离	考察生物医药产品贸易网络的传输效率及通达性，其数值越小传输效率越高^[30]
聚类系数	$C = 1 n ∑ i = 1 n 2 R i n (n - 1)$	描述节点的集聚程度， $R i$ 为与经济体i有贸易关系的所有经济体数量	衡量生物医药产品贸易网络中节点国家的聚集程度
度数中心性	$D e g r e e i = ∑ j = 1 n a i j (n - 1)$	衡量节点在网络中的重要程度， $a i j$ 表示i国与j国间的是否有贸易往来（有贸易往来记为1，无贸易网络则为0）	衡量各国在生物医药产品贸易网络中的地位
结构洞指数	有效规模 $E f f S i z e = ∑ i (1 - ∑ q p i q m j q)$	贸易网络中某一节点国家受到其他国家的限制程度，q是不同于i与ｊ的第三者， $p i q, m j q$ 表示i与j之间的冗余度	衡量贸易网络中节点国家的异质性，一般用有效规模和限制度来衡量结构洞^[31]
结构洞指数	限制度 $C o n s t r a i n t = (p i j + ∑ j p i j m i j) 2$	衡量节点国家在贸易网络中的自由度， $p i j$ 是直接限制， $∑ j p i j m i j$ 是间接限制	衡量贸易网络中节点国家的异质性，一般用有效规模和限制度来衡量结构洞^[31]
核心-边缘	—	衡量贸易网络中节点国家的地位	区分生物医药产品贸易网络中核心、半边缘、边缘区域国家
社团结构	$Q = 1 2 m ∑ i j [A i j - k i k j 2 m] δ (c i, c j)$	反映网络中节点国家对应的贸易联系最紧密的群体。 $A i j$ 表示节点i、j之间的权重； $k i$ 、 $k j$ 表示节点i、j强度； $c i$ 、 $c j$ 表示节点i、j所属社区； $c i$ = $c j$ 时， $δ (c i, c j)$ =1，否则为0；m表示所有边的权重之和	生物医药产品贸易网络各个节点国家所属集团内部贸易紧密，集团之间相对稀疏

Tab.2 Description of indicators of network structure and node properties

指标	公式	解释	经济意义
网络密度	$D = 2 m n (n - 1)$	刻画网络内部稀疏性的指标，m表示实际联系的总数，n为网络节点总数	衡量生物医药产品贸易网络中连接的紧密程度^[29]
平均路径长度	$L = 1 n (n - 1) ∑ i = 1 n ∑ j = 0 n s i j$	网络中任意两个节点之间距离的平均值， $s i j$ 为节点i与节点j之间最短距离	考察生物医药产品贸易网络的传输效率及通达性，其数值越小传输效率越高^[30]
聚类系数	$C = 1 n ∑ i = 1 n 2 R i n (n - 1)$	描述节点的集聚程度， $R i$ 为与经济体i有贸易关系的所有经济体数量	衡量生物医药产品贸易网络中节点国家的聚集程度
度数中心性	$D e g r e e i = ∑ j = 1 n a i j (n - 1)$	衡量节点在网络中的重要程度， $a i j$ 表示i国与j国间的是否有贸易往来（有贸易往来记为1，无贸易网络则为0）	衡量各国在生物医药产品贸易网络中的地位
结构洞指数	有效规模 $E f f S i z e = ∑ i (1 - ∑ q p i q m j q)$	贸易网络中某一节点国家受到其他国家的限制程度，q是不同于i与ｊ的第三者， $p i q, m j q$ 表示i与j之间的冗余度	衡量贸易网络中节点国家的异质性，一般用有效规模和限制度来衡量结构洞^[31]
结构洞指数	限制度 $C o n s t r a i n t = (p i j + ∑ j p i j m i j) 2$	衡量节点国家在贸易网络中的自由度， $p i j$ 是直接限制， $∑ j p i j m i j$ 是间接限制	衡量贸易网络中节点国家的异质性，一般用有效规模和限制度来衡量结构洞^[31]
核心-边缘	—	衡量贸易网络中节点国家的地位	区分生物医药产品贸易网络中核心、半边缘、边缘区域国家
社团结构	$Q = 1 2 m ∑ i j [A i j - k i k j 2 m] δ (c i, c j)$	反映网络中节点国家对应的贸易联系最紧密的群体。 $A i j$ 表示节点i、j之间的权重； $k i$ 、 $k j$ 表示节点i、j强度； $c i$ 、 $c j$ 表示节点i、j所属社区； $c i$ = $c j$ 时， $δ (c i, c j)$ =1，否则为0；m表示所有边的权重之和	生物医药产品贸易网络各个节点国家所属集团内部贸易紧密，集团之间相对稀疏

Fig.1 Overall characteristics of global trade networks for biomedical products from 2000 to 2020

Tab.3 Top 10 countries in terms of network centrality

排名		2000年		2005年		2010年		2016年		2020年
出度中心度	1	美国	66.67	德国	52.78	德国	63.89	美国	66.67	美国	61.11
	2	法国	50.00	美国	50.00	美国	61.11	德国	66.67	法国	52.78
	3	德国	44.44	比利时	41.67	瑞士	47.22	瑞士	50.00	比利时	52.78
	4	比利时	41.67	法国	41.67	比利时	44.44	比利时	38.89	德国	36.11
	5	瑞士	30.56	瑞士	41.67	法国	41.67	英国	33.33	爱尔兰	36.11
	6	英国	30.56	英国	33.33	意大利	36.11	爱尔兰	30.56	荷兰	30.56
	7	奥地利	27.78	荷兰	27.78	奥地利	30.56	法国	25.00	英国	25.00
	8	意大利	27.78	意大利	25.00	荷兰	27.78	荷兰	25.00	意大利	22.22
	9	荷兰	27.78	西班牙	25.00	英国	27.78	意大利	22.22	中国	22.22
	10	巴西	25.00	奥地利	22.22	西班牙	22.22	西班牙	16.67	西班牙	16.67
入度中心度	1	美国	61.11	瑞士	63.89	瑞士	63.89	法国	61.11	法国	61.11
	2	德国	58.33	美国	50.00	德国	55.56	比利时	50.00	比利时	58.33
	3	法国	52.78	德国	47.22	美国	52.78	美国	47.22	美国	55.56
	4	比利时	52.78	比利时	47.22	法国	36.11	英国	36.11	德国	33.33
	5	瑞士	47.22	法国	41.67	英国	36.11	德国	33.33	意大利	33.33
	6	英国	27.78	英国	30.56	比利时	30.56	意大利	33.33	爱尔兰	27.78
	7	意大利	27.78	意大利	25.00	意大利	27.78	爱尔兰	25.00	英国	19.44
	8	奥地利	25.00	奥地利	25.00	奥地利	25.00	西班牙	19.44	西班牙	19.44
	9	荷兰	22.22	荷兰	22.22	巴西	25.00	俄罗斯	16.67	中国	16.67
	10	西班牙	22.22	西班牙	22.22	西班牙	22.22	加拿大	13.89	巴西	16.67

Tab.4 Top 10 countries in the structural hole index

排名			2000年		2005年		2010年		2016年		2020年
有效规模		1	美国	27.22	瑞典	25.25	新加坡	25.67	匈牙利	27.97	丹麦	27.73
		2	芬兰	25.93	法国	25.19	美国	25.42	美国	27.62	挪威	26.51
		3	印度	24.89	新加坡	24.85	德国	25.16	立陶宛	27.09	捷克	26.42
		4	韩国	24.77	美国	24.58	比利时	24.58	德国	26.04	荷兰	26.34
		5	德国	24.54	挪威	24.40	法国	24.56	芬兰	25.21	瑞士	26.17
		6	瑞典	24.29	芬兰	24.25	瑞士	24.48	比利时	24.65	西班牙	25.40
		7	法国	23.93	瑞士	23.92	芬兰	24.25	印度	24.61	匈牙利	25.12
		8	荷兰	23.53	印度	23.72	波兰	23.70	法国	24.01	土耳其	25.11
		9	意大利	23.45	比利时	23.65	新西兰	23.61	土耳其	23.39	俄罗斯	24.82
		10	挪威	23.34	以色列	22.93	瑞典	23.24	俄罗斯	23.38	印度	24.40
		对比项	中国	19.22	中国	22.41	中国	21.77	中国	18.77	中国	21.79
限制度	1		美国	0.22	美国	0.30	美国	0.29	美国	0.24	丹麦	0.28
	2		德国	0.32	印度	0.32	德国	0.29	立陶宛	0.28	挪威	0.33
	3		印度	0.32	立陶宛	0.34	立陶宛	0.32	德国	0.29	荷兰	0.33
	4		芬兰	0.34	瑞典	0.34	瑞士	0.35	匈牙利	0.30	捷克	0.34
	5		立陶宛	0.34	法国	0.34	比利时	0.35	芬兰	0.32	瑞士	0.34
	6		法国	0.35	芬兰	0.35	芬兰	0.36	印度	0.33	俄罗斯	0.34
	7		韩国	0.35	中国	0.36	波兰	0.36	俄罗斯	0.34	西班牙	0.35
	8		巴西	0.36	俄罗斯	0.36	法国	0.37	法国	0.34	爱沙尼亚	0.35
	9		荷兰	0.36	阿根廷	0.37	爱沙尼亚	0.37	瑞士	0.35	匈牙利	0.37
	10		意大利	0.37	新西兰	0.37	印度	0.37	比利时	0.37	芬兰	0.37
	对比项		中国	0.47	中国	0.36	中国	0.40	中国	0.45	中国	0.57

Fig.2 Evolution of the core-edge structure of the global biomedical product trade network

Fig.3 Evolution of the community structure of global biomedical product trade networks

Tab.5 Evolution of individual networks in China from 2000 to 2020

年份	贸易国家数/个	贸易关系数/条	关系对数/对	网络密度	中介中心度
2000	34	1 014	1 122	90.37	3.14
2005	35	1 085	1 190	91.18	2.66
2010	36	1 167	1 260	92.62	2.79
2016	36	1 198	1 260	95.08	2.49
2017	36	1 156	1 260	91.75	3.52
2018	36	1 145	1 260	90.87	3.52
2019	36	1 165	1 260	92.46	3.87
2020	36	1 167	1 260	92.62	3.54

Tab.6 Interdependence index between China and the top 20 countries in biomedical product trade

位序	2000年		2010年		2020年
位序	国家	$D r G L i, j$ 值	国家	$D r G L i, j$ 值	国家	$D r G L i, j$ 值
1	美国	0.327	美国	0.222	爱尔兰	0.000
2	比利时	0.206	德国	0.048	美国	0.042
3	法国	0.479	奥地利	0.015	比利时	0.005
4	荷兰	0.185	瑞士	0.041	法国	0.007
5	意大利	0.296	法国	0.148	巴西	0.005
6	韩国	0.041	比利时	0.038	丹麦	0.000
7	日本	0.309	西班牙	0.038	土耳其	0.000
8	德国	0.919	荷兰	0.163	意大利	0.085
9	巴西	0.012	爱尔兰	0.075	荷兰	0.059
10	加拿大	0.041	印度	0.725	英国	0.053
11	澳大利亚	0.536	意大利	0.229	德国	0.518
12	奥地利	0.000	日本	0.346	西班牙	0.057
13	西班牙	0.240	英国	0.369	印度	0.151
14	以色列	0.016	韩国	0.578	韩国	0.353
15	英国	0.001	芬兰	0.252	俄罗斯	0.128
16	瑞士	0.003	丹麦	0.021	澳大利亚	0.296
17	捷克	0.000	加拿大	0.148	泰国	0.000
18	印度	0.000	澳大利亚	0.631	日本	0.802
19	新加坡	0.085	挪威	0.000	加拿大	0.579
20	新西兰	0.000	南非	0.464	瑞士	0.737

Tab.6 Interdependence index between China and the top 20 countries in biomedical product trade

位序	2000年		2010年		2020年
位序	国家	$D r G L i, j$ 值	国家	$D r G L i, j$ 值	国家	$D r G L i, j$ 值
1	美国	0.327	美国	0.222	爱尔兰	0.000
2	比利时	0.206	德国	0.048	美国	0.042
3	法国	0.479	奥地利	0.015	比利时	0.005
4	荷兰	0.185	瑞士	0.041	法国	0.007
5	意大利	0.296	法国	0.148	巴西	0.005
6	韩国	0.041	比利时	0.038	丹麦	0.000
7	日本	0.309	西班牙	0.038	土耳其	0.000
8	德国	0.919	荷兰	0.163	意大利	0.085
9	巴西	0.012	爱尔兰	0.075	荷兰	0.059
10	加拿大	0.041	印度	0.725	英国	0.053
11	澳大利亚	0.536	意大利	0.229	德国	0.518
12	奥地利	0.000	日本	0.346	西班牙	0.057
13	西班牙	0.240	英国	0.369	印度	0.151
14	以色列	0.016	韩国	0.578	韩国	0.353
15	英国	0.001	芬兰	0.252	俄罗斯	0.128
16	瑞士	0.003	丹麦	0.021	澳大利亚	0.296
17	捷克	0.000	加拿大	0.148	泰国	0.000
18	印度	0.000	澳大利亚	0.631	日本	0.802
19	新加坡	0.085	挪威	0.000	加拿大	0.579
20	新西兰	0.000	南非	0.464	瑞士	0.737

Tab.7 Rank of interdependence intensity between China and the top 20 countries in biomedical products trade

依存指数等级	2000年	2010年	2020年
高度相互依存	德国、澳大利亚	印度、澳大利亚、韩国	日本、瑞士、加拿大、德国
中度相互依存	法国、美国、日本、意大利、西班牙、比利时	南非、英国、日本、芬兰、意大利、美国	韩国、澳大利亚
低度相互依存	荷兰、新加坡、加拿大、韩国、以色列、巴西、瑞士、英国	荷兰、法国、加拿大、爱尔兰、德国、瑞士、西班牙、比利时、丹麦、奥地利	印度、俄罗斯、意大利、荷兰、西班牙、英国、美国、法国、巴西、比利时
单向依存	奥地利、捷克、印度、新西兰	挪威	丹麦、爱尔兰、土耳其、泰国

References 34

1	彭珂.中国生物医药产业的国际贸易政策选择.经济纵横,2006(1):13-15.
	PENG K. International trade policy options of China's biopharmaceutical industry. Economic Review Journal, 2006(1):13-15.
2	左月华,陈欣,彭珂.我国生物医药产业国际贸易的政策选择.国际贸易问题,2007(1):44-49.
	ZUO Y, CHEN X, PENG K. International trade policy selection of Chinese biological pharmaceutical industry. Journal of International Trade,2007(1):44-49.
3	濮润,桑晓冬,张大璐,等.基于产业集群视角中国生物医药产业创新能力的提升.医药导报,2022,41(6):905-910.
	PU R, SANG X, ZHANG D, et al. Improvement of innovation ability of China's biomedical industry based on perspective of industrial cluster. Herald of Medicine,2022,41(6):905-910.
4	庞弘燊,宋亦兵,覃筱楚,等.广东省生物医药知识产权密集型产业对比分析.科技管理研究,2018,38(1):92-102.
	PANG H, SONG Y, QIN X, et al. A comparative analysis of intellectual property rights intensive industries of biomedicine in Guangdong Province. Science and Technology Management Research,2018,38(1):92-102.
5	李炎炎,高山行.中国生物医药产业发展现状分析——基于1995—2015年统计数据.中国科技论坛,2016(12):42-47.
	LI Y, GAO S. Biopharmaceutical industry's developing situation based on statistical data from 1995 to 2015. Forum on Science and Technology in China,2016(12):42-47.
6	茅宁莹,彭桂花.战略地图视角下生物医药产业政策的协同作用机制——基于系统动力学方法的研究.科技管理研究,2017,37(15):40-49.
	MAO N, PENG G. Research on mechanism of bio pharmaceutical industrial policy coordination: From the perspective of strategy maps based on system dynamics. Science and Technology Management Research,2017,37(15):40-49.
7	万伦来,曹景帆,娜仁.长三角生物医药产业高质量发展的时空特征.华东经济管理,2022,36(9):19-23.
	WAN L, CAO J, NA R. Spatial-temporal characteristics of the high-quality development of biomedical industry in the Yangtze River Delta. East China Economic Management,2022,36(9):19-23.
8	于璠,于涛,葛纯宝.地方化产业集群空间演化及影响机制实证分析——基于泰州市生物医药产业微观数据考察.经济地理,2022,42(7):135-145.
	YU F, YU T, GE C. Spatial pattern evolution and influencing mechanism of localized industrial clusters:Based on the micro data of Taizhou biomedical industry. Economic Geography, 2022,42(7):135-145.
9	刘文澜.中关村生物医药产业创新链布局与对策研究.科研管理,2016,37(S1):673-681.
	LIU W. A research on the layout and strategy of Zhongguancun biopharmaceutical industry innovation chain. Science Research Management,2016,37(S1):673-681.
10	高小宁,欧光军,蔡姝莎,等.生物医药产业创新效率评价及提升路径研究:以湖北省为例.科技管理研究,2018,38(14):75-80.
	GAO X, OU G, CAI S, et al. Research on evaluation and promotion of the innovation efficiency of biopharmaceutical industry:A case study of Hubei Province.Science and Technology Management Research,2018,38(14):75-80.
11	张朦,蒋丹,韩朦,等.生命周期视角下多维邻近性对长三角生物医药产业集群创新的动态影响研究.中国医药工业杂志,2022,53(4):584-588.
	ZHANG M, JIANG D, HAN M, et al. Dynamic impact of multidimensional proximity on the innovation of biomedical industry clusters in the Yangtze River Delta from the perspective of life cycle. Chinese Journal of Pharmaceuticals,2022,53(4):584-588.
12	李洁,葛燕飞,高丽娜.我国生物医药产业创新集群演化动力机制研究——基于复杂适应系统理论.科技管理研究,2022,42(3):176-183.
	LI J, GE Y, GAO L. Study on the characteristics and evolutionary dynamics mechanism of innovation clusters in Chinese biomedical industry: Based on complex adaptive systems theory. Science and Technology Management Research, 2022, 42(3):176-183.
13	汪涛,王璐玮,张晗.中国城市新兴技术的双元创新路径与发生机制:以生物医药技术为例.科技进步与对策,2022,39(6):29-39.
	WANG T, WANG L, ZHANG H.The dual innovation path and generation mechanism of the emerging technology of cities in China:taking biomedical technology as an example.Science & Technology Progress and Policy,2022, 39(6): 29-39.
14	周燕,李晓锚.政府补助对生物医药产业的影响与对策分析——以广东省G开发区为例.福建论坛(人文社会科学版),2018(9):185-191.
	ZHOU Y, LI X. The influence of government subsidies on biomedical industry and its countermeasures: A case study of G Development Zone in Guangdong Province. Fujian Tribune,2018(9):185-191.
15	李巧,董绍辉.生物医药产业发展关键因素识别研究.河北学刊,2018,38(3):198-202.
	LI Q, DONG S. Critical factor identify of development for bio-medicine industry. Hebei Academic Journal,2018,38(3):198-202.
16	孙洁.生物医药产业集群风险的因素诊断与层次分析——基于上海三类园区的案例研究.中国科技论坛,2021(12):62-69.
	SUN J. Factor identification and hierarchical analysis of risks in biopharmaceutical industry clusters: case study in Shanghai. Forum on Science and Technology in China,2021(12):62-69.
17	贺正楚,刘亚茹.印度生物医药产业政策分析及启示.世界地理研究,2019,28(3):135-145.
	HE Z, LIU Y. Analysis of India's biomedical industry policy and its enlightenment. World Regional Studies,2019,28(3):135-145.
18	王楠,王国强.新竞争格局下中美生物医药创新对比研究.中国软科学,2023(1):22-31.
	WANG N, WANG G. Comparative analysis on the biopharmaceutical innovation of China and United State in a new era of China -US competition. China Soft Science,2023(1):22-31.
19	王飞.美国生物医药产业创新的升级规律及启示.南京社会科学,2019(8):29-35.
	WANG F. Upgrading law and enlightenment of biopharmaceutical innovation in USA. Nanjing Journal of Social Sciences,2019(8):29-35.
20	马晓玲.美国建设生物医药创新高地的实践及对我国的启示.中国科学院院刊,2023,38(2):294-301.
	MA X. Practice of building biomedical innovation highland in the United States and its enlightenment to China. Bulletin of Chinese Academy of Sciences,2023,38(2):294-301.
21	丁宏,战炤磊."双循环"新格局下自贸区生物医药全产业链开放的逻辑与路径.现代经济探讨,2021(4):83-88.
	DING H, ZHAN Z. Logic and path of opening the whole industrial chain of biomedicine in free trade zone under the new pattern of "double cycle". Modern Economic Research,2021(4):83-88.
22	王璐玮,汪涛,张晗.全球生产网络与本土创新网络的战略耦合动态——以中国生物医药产业为例.地理研究,2021,40(12):3314-3332.
	WANG L, WANG T, ZHANG H. Dynamic change of strategic coupling between global production networks and indigenous innovation networks: Take China's biopharmaceutical industry as an example. Geographical Research, 2021,40(12):3314-3332.
23	李树祥,褚淑贞,杨庆,等.江苏省生物医药产业产学研专利合作网络演化分析.科技管理研究,2021,41(14):73-80.
	LI S, CHU S, YANG Q, et al. Analysis of industry-university-research patent cooperation network evolution of biomedical industry in Jiangsu province. Science and Technology Management Research,2021,41(14):73-80.
24	李树祥,杨庆,褚淑贞.江苏省生物医药领域创新知识流动网络分析:基于专利引用数据.科技管理研究,2022,42(5):147-152.
	LI S, YANG Q, CHU S. A study on the flow of biomedical innovation knowledge in Jiangsu Province: Based on patent citation network. Science and Technology Management Research,2022,42(5):147-152.
25	马菁,曾刚,胡森林,等.长三角生物医药产业创新网络结构及其影响因素.长江流域资源与环境,2022,31(5):960-971.
	MA J, ZENG G, HU S, et al. Innovation network structure of biomedical industry and its influencing factors in Yangtze River Delta. Resources and Environment in the Yangtze Basin,2022,31(5):960-971.
26	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.经济地理,2022,42(7):146-158.
	WAN Y, WANG Q, ZENG G, et al. Influencing mechanism of formation of innovation network between universities and biomedical firms:a case study of Yangtze River Delta. Economic Geography, 2022,42(7):146-158.
27	叶琴,曾刚.解析型与合成型产业创新网络特征比较——以中国生物医药、节能环保产业为例.经济地理,2018,38(10):142-154.
	YE Q, ZENG G. Comparison of innovation networks of analytical and synthetic industries:an empirical analysis on China biomedicine and environmental protection industry. Economic Geography,2018,38(10):142-154.
28	夏启繁,杜德斌,段德忠,等.全球抗病毒药品贸易格局演化及其对新冠肺炎疫情防控的启示.地理研究,2020,39(11):2429-2448.
	XIA Q, DU D, DUAN D, et al. The evolution of global trade in antiviral drug and revelation for COVID-19 prevention and control. Geographical Research,2020,39(11):2429-2448.
29	陈银飞.2000—2009年世界贸易格局的社会网络分析.国际贸易问题,2011(11):31-42.
	CHEN Y. Analysis on social network of world trade situation in 2000-2009. Journal of International Trade,2011(11):31-42.
30	王泽宇,张如昕,王焱熙.中国与周边国家盐业和盐化工业贸易网络演化与驱动机制.经济地理,2022(2):143-152.
	WANG Z, ZHANG R, WANG Y. Spatio-temporal evolution and driving mechanism of trade network of salt industry and salt chemical industry between China and neighboring countries. Economic Geography,2022(2):143-152.
31	BURT R S. Structural Holes: The Social Structure of Competition. Cambridge: Harvard University Press, 1992.
32	GRUBEL H, LLOYD P. Intra-Industry Trade: The theory and measurement of international trade in differentiated products. London: Basingstoke, 1975.
33	许和连,孙天阳,吴钢.贸易网络地位、研发投入与技术扩散——基于全球高端制造业贸易数据的实证研究.中国软科学,2015(9):55-69.
	XU H, SUN T, WU G. Status in trade networks, R&D expenditure and technology diffusion: An empirical study based on the trade data of global high-end manufacturing. China Soft Science,2015(9):55-69.
34	吴雅琼.国际科技动态跟踪-生物医药.北京:清华大学出版社,2013.
	WU Y. International Science and Technology Trends Tracking: Biological Medicine. Beijing: Tsinghua University Press,2013.

[1]	Yaochuan KAN, Lei XU, Yu GUO, Jingyuan YANG, Fandi MENG, Changchun ZHANG. Telecoupling characteristics and spatial clustering analysis of land use functions: An empirical study of counties in Beijing-Tianjin-Hebei Region by SNA model [J]. World Regional Studies, 2024, 33(9): 133-146.
[2]	Yabo ZHAO, Liuqian HUANG, Die HU, Ruiyang CHEN, Dixiang XIE, Jianhong FAN. Characteristics and influencing factors of comprehensive passenger transport network in Pearl River Delta Urban Agglomeration from the perspective of "flow space" [J]. World Regional Studies, 2024, 33(9): 163-175.
[3]	Cheng CHENG, Yaqi HU, Yunlong WANG. Growth characteristics and national role identification of China-ASEAN trade flow network [J]. World Regional Studies, 2024, 33(5): 1-17.
[4]	He LIU, Xueming LI, Yilu GONG. Analysis on the evolution of the urban network of the urban agglomeration in the middle reaches of the Yangtze River and its influencing factors: From the perspective of multi factor flow [J]. World Regional Studies, 2024, 33(10): 100-115.
[5]	Xinli QI, Zhenfu LI, Qiqi ZHANG, Jiaqi LI. Research on the geo-relationship among countries in the global Arctic-related events based on GDELT Database [J]. World Regional Studies, 2024, 33(10): 43-57.
[6]	Yubin OU, Gengzhi HUANG, Desheng XUE. Structure of world city network based on sports events: Case study of Tennis World Tours [J]. World Regional Studies, 2023, 32(9): 1-16.
[7]	Yaowei CHANG, Jing ZHANG, Zhijun HAN, Junwei WANG, Daihong TANG, Shukun DU. The evolution of geo-military relations network of Indo-Pacific countries based on cooperation perspective [J]. World Regional Studies, 2023, 32(8): 1-15.
[8]	Fengjiao ZHANG, Jun LI, Zhongli LIU. Research on urban innovation network based on unicorn entrepreneur growth path [J]. World Regional Studies, 2023, 32(8): 103-111.
[9]	Ziling YU, Lili MA, Mengcheng REN. Large network groups: A study on the China-ASEAN electricity interconnection network construction [J]. World Regional Studies, 2023, 32(8): 25-36.
[10]	Changqiang FENG, Lili WU, Guozhong ZHOU, Xiaofei QI, Peng DU. Spatio-temporal evolution of arms trade pattern in Southeast Asia [J]. World Regional Studies, 2023, 32(7): 13-23.
[11]	Zhenfu LI, Zijing WANG. Research on the characteristics of Pan Arctic comprehensive transportation network under different transportation mode [J]. World Regional Studies, 2023, 32(7): 24-35.
[12]	Zezhou SHEN, Chengyun WANG. Shanghai's position in global science and technology innovation network: [J]. World Regional Studies, 2023, 32(2): 93-103.
[13]	Chenhui HU, Haining JIANG. Analysis of regional spatial network structure based on the cooperation of Stephen Chow film creators [J]. World Regional Studies, 2023, 32(10): 173-184.
[14]	Ruili WANG, Yu LIU, Chengxin WANG, Mengcheng LI, Yongchao TANG, Mingyue XUE. Study on the economic connection and network structure evolution of the Yellow River Basin [J]. World Regional Studies, 2022, 31(3): 527-537.
[15]	Yu YANG, Kerong SHENG. Evolution and influencing factors of urban network linkage patterns in China: From the perspective of enterprise network [J]. World Regional Studies, 2021, 30(6): 1208-1218.