Research on technological innovation flow in Guangdong-Hong Kong-Macao Greater Bay Area based on patent measurement

doi:10.3969/j.issn.1004-9479.2023.12.2021808

Abstract

Abstract:

Based on the patent measurement and spatial relationship of 26 860 technology transfer patents among different cities in Guangdong-Hong Kong-Macao Greater Bay Area from 1994 to 2019, this paper studies the temporal and spatial evolution law of technological innovation flow in Guangdong-Hong Kong-Macao Greater Bay Area. The research conclusions are as follows: (1) Technological innovation flow in Guangdong-Hong Kong-Macao Greater Bay Area between different regions is characterized by dispersion, homogeneity, dual core driving and multi center interaction,and develops unbalancedly between different regions. It has obvious characteristics of geographical proximity and economic proximity. (2) Technological innovation flow in Guangdong-Hong Kong-Macao Greater Bay Area between different regions has obvious path locking effect, and its evolution process has the characteristics of path creation. The path dependence of technological innovation flow radiation is more obvious. The spatial sensitivity of agglomeration network is stronger. (3) The network among individuals has the characteristics of "Small World" in Guangdong-Hong Kong-Macao Greater Bay Area, there is an impedance effect of technology flow within the group. The spillover effect of enterprise technological innovation is not significant enough. (4) In the process of technological innovation flow in study area among individuals, the enterprise is the leading force of network evolution, technology intermediaries and individuals play an important role, while the role of universities and scientific research institutions needs to be strengthened in radiation network.

Key words: Guangdong-Hong Kong-Macao Greater Bay Area, technological innovation flow, patent measurement, social networks, radiation, agglomeration

摘要：

基于1994—2019年粤港澳大湾区不同城市间26 860项技术转移专利计量信息及其空间关系，研究了粤港澳大湾区技术创新流动时空演化规律。研究结论包括：①粤港澳大湾区区域间技术创新流动网络呈散均质-双核心驱动-多中心互动演化趋势，具有明显的地理邻近和经济邻近特征。②区域间网络演化呈明显的路径锁定效应，其过程兼具路径创造特征，辐射网络的路径依赖更明显，集聚网络的空间敏感度更强。③个体间网络具有一定的“小世界”特征，存在技术流在集团内部流动的阻抗作用，企业技术创新外溢效应不够显著。④企业是个体间网络演化主导力量，科技中介机构和个人发挥着重要作用，高校和科研机构流动辐射作用有待增强。

关键词: 粤港澳大湾区, 技术创新流动, 专利计量, 社会网络, 辐射, 集聚

Wenhui LI, Chuying XIAN, Liru CHEN, Zhixin ZHANG. Research on technological innovation flow in Guangdong-Hong Kong-Macao Greater Bay Area based on patent measurement[J]. World Regional Studies, 2023, 32(12): 129-141.

李文辉, 冼楚盈, 陈丽茹, 张芷欣. 基于专利计量的粤港澳大湾区技术创新流动研究[J]. 世界地理研究, 2023, 32(12): 129-141.

Figures/Tables 11

Tab.1 The evaluation index system of technological innovation mobile social network

网络层级	衡量指标	计算公式	指标说明	指标解释
整体层面	节点数	N=\|V\| （1）	反映网络的规模	V为节点数，即参与流动的主体；E为边数，即有向流动关系数
	边数	M=\|E\| （2）	反映网络的规模	V为节点数，即参与流动的主体；E为边数，即有向流动关系数
	密度	$D e = 2 E \| V \| (\| V \| - 1)$ （3）	反映网络的紧凑程度	—
	平均路径长度	$L = 1 12 N (N + 1) ∑ i ≥ j d i j$ （4）	反映网络中信息传递的效率	d_ij 代表节点i和节点j之间的距离
节点层面	节点度	$C D (N i) = ∑ j = 1 N a i j (i ≠ j)$ （5）	反映网络节点的基本特征	当节点i与节点j之间存在连接边时，a_ij =1，否则a_ij =0；W（i，j）为节点i与节点j之间连边的权重
	节点强度	$S i = ∑ j w (i, j)$ （6）	反映网络节点的基本特征
	度数中心性	$C D (N i) ̃ = ∑ j = 1 N a i j N - 1 i ≠ j$ （7）	反映网络节点地位最直接的指标	g_jk 为节点j和k间存在的最短线数目，g_jk （N_i ）为包含N_i 个g_jk 节点
	中间中心性	$C B =$ $∑ j < k g j k (N i)$ / $g j k$ （8）	反映网络节点地位最直接的指标	g_jk 为节点j和k间存在的最短线数目，g_jk （N_i ）为包含N_i 个g_jk 节点
	接近中心性	$C (i) = N - 1 ∑ n = 1 N D i n$ （9）	反映网络节点的独立性	$D i n$ 表示节点i到节点n的最短距离

Tab.1 The evaluation index system of technological innovation mobile social network

网络层级	衡量指标	计算公式	指标说明	指标解释
整体层面	节点数	N=\|V\| （1）	反映网络的规模	V为节点数，即参与流动的主体；E为边数，即有向流动关系数
	边数	M=\|E\| （2）	反映网络的规模	V为节点数，即参与流动的主体；E为边数，即有向流动关系数
	密度	$D e = 2 E \| V \| (\| V \| - 1)$ （3）	反映网络的紧凑程度	—
	平均路径长度	$L = 1 12 N (N + 1) ∑ i ≥ j d i j$ （4）	反映网络中信息传递的效率	d_ij 代表节点i和节点j之间的距离
节点层面	节点度	$C D (N i) = ∑ j = 1 N a i j (i ≠ j)$ （5）	反映网络节点的基本特征	当节点i与节点j之间存在连接边时，a_ij =1，否则a_ij =0；W（i，j）为节点i与节点j之间连边的权重
	节点强度	$S i = ∑ j w (i, j)$ （6）	反映网络节点的基本特征
	度数中心性	$C D (N i) ̃ = ∑ j = 1 N a i j N - 1 i ≠ j$ （7）	反映网络节点地位最直接的指标	g_jk 为节点j和k间存在的最短线数目，g_jk （N_i ）为包含N_i 个g_jk 节点
	中间中心性	$C B =$ $∑ j < k g j k (N i)$ / $g j k$ （8）	反映网络节点地位最直接的指标	g_jk 为节点j和k间存在的最短线数目，g_jk （N_i ）为包含N_i 个g_jk 节点
	接近中心性	$C (i) = N - 1 ∑ n = 1 N D i n$ （9）	反映网络节点的独立性	$D i n$ 表示节点i到节点n的最短距离

Tab.2 The overall level characteristics of technological innovation flow network between different urban regions

阶段	第一阶段	第二阶段	第三阶段	总体
节点数/个	11	11	11	11
边数/条	64	91	92	100
密度	0.582	0.827	0.836	0.945
平均路径长度	1.482	1.173	1.164	1.091

Fig.1 The network diagram of the first stage of technological innovation flow between different urban regions

Tab.3 The node level characteristics of technological innovation flow radiation network between different urban regions

城市节点		香港	澳门	广州	深圳	珠海	佛山	惠州	东莞	中山	江门	肇庆
节点度	第一阶段	9	1	9	9	8	6	5	8	6	2	1
	第二阶段	8	5	9	9	9	10	8	10	7	8	8
	第三阶段	9	3	9	9	9	10	9	9	10	7	9
	总体	10	7	9	9	10	10	9	10	9	8	9
节点强度	第一阶段	43	7	303	188	137	103	129	379	120	41	36
	第二阶段	265	9	1 973	1 545	510	980	889	1 521	871	438	281
	第三阶段	141	4	2 671	3 333	854	2 633	1 076	2 587	1 482	976	335
	总体	449	20	4 947	5 066	1 501	3 716	2 094	4 487	2 473	1 455	652
度数中心性	第一阶段	3.693	0.279	13.345	25.889	5.436	4.286	4.669	13.519	4.321	1.498	1.254
	第二阶段	3.404	0.212	21.686	33.339	4.682	10.081	7.443	13.078	7.272	3.705	2.410
	第三阶段	1.574	0.023	25.667	25.758	6.440	16.772	7.527	15.821	9.399	5.587	2.044
	总体	2.424	0.120	23.339	29.349	5.665	13.837	7.579	15.288	8.445	4.735	2.197
中间中心性	第一阶段	8.519	0.000	6.074	9.963	12.796	10.907	0.185	7.019	2.148	1.056	0.222
	第二阶段	0.889	0.159	2.447	1.280	4.474	5.040	0.344	5.040	0.556	0.725	0.159
	第三阶段	0.000	0.000	2.910	2.910	0.317	10.317	0.317	0.317	2.910	0.000	0.000
	总体	2.282	0.000	0.615	0.615	2.282	2.282	0.139	2.282	0.615	0.000	0.000
接近中心性	第一阶段	90.909	50.000	90.909	90.909	83.333	66.667	66.667	83.333	71.429	55.556	41.667
	第二阶段	83.333	66.667	90.909	90.909	90.909	100.000	83.333	100.000	76.923	83.333	83.333
	第三阶段	90.909	58.824	90.909	90.909	90.909	100.000	90.909	90.909	90.909	76.923	90.909
	总体	100.000	76.923	90.909	90.909	100.000	100.000	90.909	100.000	90.909	83.333	90.909

Tab.4 The node level characteristics of technological innovation flow agglomeration network between different urban regions

城市节点		香港	澳门	广州	深圳	珠海	佛山	惠州	东莞	中山	江门	肇庆
节点度	第一阶段	5	2	7	8	7	7	4	6	7	5	6
	第二阶段	7	3	10	9	10	10	8	10	9	9	6
	第三阶段	8	1	10	10	9	9	9	9	10	9	8
	总体	10	4	10	10	10	10	9	10	10	9	8
节点强度	第一阶段	87	3	365	620	56	138	22	109	77	5	4
	第二阶段	352	6	1 821	4 027	222	913	359	900	381	138	163
	第三阶段	242	4	4 389	4 121	717	1 942	1 187	1 940	1 072	259	219
	总体	681	13	6 575	8 768	995	2 993	1 568	2 949	1 530	402	386
度数中心性	第一阶段	5.052	0.279	15.296	22.718	5.505	5.714	3.763	13.519	4.564	1.533	1.289
	第二阶段	3.436	0.212	21.686	33.339	4.682	10.114	7.443	13.078	7.272	3.705	2.410
	第三阶段	1.574	0.023	25.667	25.758	6.440	16.772	7.527	15.821	9.399	5.587	2.044
	总体	2.376	0.117	22.213	28.184	5.665	13.231	7.413	15.073	4.963	4.735	2.167
中间中心性	第一阶段	6.585	0.000	2.659	4.233	11.418	7.796	4.944	5.500	1.696	0.344	0.381
	第二阶段	0.889	0.159	2.447	1.280	4.474	5.040	0.344	5.040	0.556	0.725	0.159
	第三阶段	0.000	0.000	2.910	2.910	0.317	10.317	0.317	0.317	2.910	0.000	0.000
	总体	2.546	0.000	0.880	0.880	2.546	2.546	0.139	2.546	0.139	0.000	0.000
接近中心性	第一阶段	90.909	52.632	90.909	90.909	90.909	76.923	66.667	83.333	76.923	62.500	52.632
	第二阶段	83.333	66.667	90.909	90.909	90.909	100.000	83.333	100.000	76.923	83.333	83.333
	第三阶段	90.909	58.824	90.909	90.909	90.909	100.000	90.909	90.909	90.909	76.923	90.909
	总体	100.000	71.429	90.909	90.909	100.000	100.000	90.909	100.000	90.909	83.333	90.909

Tab.5 The overall level characteristics of technological innovation flow network among individuals in different cities

参数	阶段
参数	第一阶段	第二阶段	第三阶段	总体
节点数/个	6 69	3 725	6 478	7 386
边数/条	706	5 685	9 085	11 358
密度	0.029	0.008	0.005	0.001
平均路径长度	1.026	2.881	2.455	3.304

Fig.2 Network diagram of technological innovation flow among individuals in different cities in the first stage

Tab.6 The node level characteristics of technological innovation flow radiation network among individuals in different cities in the first stage，1994-2019 (TOP5)

指标	特征值前五的个体名称（特征值）
节点度	广东高航知识产权运营有限公司（627）	广州博鳌纵横网络科技有限公司（279）	华南理工大学（78）	广州知容捷知识产权服务有限公司（56）	广东工业大学（53）
节点强度	华为技术有限公司（754）	广州博鳌纵横网络科技有限公司（678）	广东高航知识产权运营有限公司（668）	刘秋明（297）	黄腾新（204）
度数中心性	广州博鳌纵横网络科技有限公司（0.329）	左右家居有限公司（0.048）	黄腾新（0.047）	广东创美抗衰老研究有限公司（0.040）	肇庆南亚环保铝模有限公司（0.033）
中间中心性	广州博鳌纵横网络科技有限公司（2.073）	广东电网有限责任公司电力科学研究院（0.447）	东莞市松研智达工业设计有限公司（0.286）	深圳市奈士迪技术研发有限公司（0.280）	深圳市雷凌广通技术研发有限公司（0.184）
接近中心性	广州博鳌纵横网络科技有限公司（0.055）	深圳市奈士迪技术研发有限公司（0.055）	东莞市松研智达工业设计有限公司（0.055）	深圳市安思科电子科技有限公司（0.055）	东莞理工学院（0.055）

Tab.7 The node level characteristics of technological innovation flow agglomeration network among individuals in different cities in the first stage， 1994-2019(TOP5)

指标

特征值前五的个体名称（特征值）

节点度

广州博鳌纵横网络科技有限公司

（106）

广东高航知识产权运营有限公司

（91）

深圳市元创时代科技有限公司

（33）

佛山吉月科技有限公司

（22）

建泰橡胶（深圳）有限公司

（14）

节点强度

广东高航知识产权运营有限公司

（778）

广东博智林机器人有限公司

（362）

惠州市吉瑞科技有限公司

（281）

中山市云创知识产权服务有限公司

（196）

广州博鳌纵横网络科技有限公司

（171）

度数中心性

广州博鳌纵横网络科技有限公司

（0.330）

左右家居有限公司

（0.048）

黄腾新

（0.047）

广东创美抗衰老研究有限公司

（0.040）

肇庆南亚环保铝模有限公司

（0.034）

中间中心性

广州博鳌纵横网络科技有限公司

（2.026）

广东电网有限责任公司电力科学研究院

（0.427）

东莞市松研智达工业设计有限公司

（0.284）

深圳市奈士迪技术研发有限公司

（0.211）

深圳市雷凌广通技术研发有限公司

（0.181）

接近中心性

深圳市中科智诚科技有限公司

（0.055）

广州市乐拓电子科技有限公司

（0.055）

广东天虹工程咨询有限公司

（0.055）

广州市山鼎建筑设计咨询有限公司

（0.055）

广州航通船业有限公司

（0.055）

Tab.8 The comparison of technological innovation flow patents among individuals in different cities

个体类别	辐射专利/项				集聚专利/项
个体类别	第一阶段	第二阶段	第三阶段	总体	第一阶段	第二阶段	第三阶段	总体
合计	1 486	9 282	16 092	26 860	1 486	9 282	16 092	26 860
民营企业	413	2 474	6 630	9 517	853	5 249	11 098	17 200
个人	545	2 822	4 551	7 918	120	697	873	1 690
高新技术企业	312	2 532	2 314	5 158	203	1 699	3 048	4 950
科技中介机构	24	673	1 817	2 514	215	1 207	496	1 918
外商独资企业	84	407	269	760	50	187	284	521
高校	28	194	309	531	7	20	34	61
中外合资企业	28	69	108	205	32	208	215	455
科研机构	15	74	63	152	5	7	31	43
国有企业	36	29	18	83	1	7	10	18
政府部门	1	8	13	22	0	1	3	4

Tab.9 The regression analysis results of correlation between technological innovation flow intensity and influencing factors

类别	指标	GDP	申请发明专利数	R&D经费投入	R&D人员投入	邮电（邮政电信）业务总量	高科技产品出口额	与各城市政府所在地交通距离之和
技术创新流动辐射	皮尔逊相关性	0.340	0.785^**	0.648^*	0.773^**	0.782^**	0.912^**	－0.543
技术创新流动辐射	显著性（双尾）	0.307	0.004	0.031	0.005	0.004	0.000	0.084
技术创新流动集聚	皮尔逊相关性	0.564	0.962^**	0.880^**	0.929^**	0.966^**	0.983^**	－0.270
技术创新流动集聚	显著性（双尾）	0.070	0.000	0.000	0.000	0.000	0.000	0.421

References 29

1	ADAMS J. Collaborations: The fourth age of research. Nature, 2013, 497(7451): 557-560.
2	WU L, WANG D, EVANS J A. Large teams develop and small teams disrupt science and technology. Nature, 2019, 566(7744):378-382.
3	韩永辉, 张帆, 李子文. 全球典型城市供给侧改革与发展经验比较研究——兼论加强粤港澳大湾区要素流动之广州作用. 城市观察, 2018(2): 82-97.
	HAN Y, ZHANG F, LI Z. A comparative study of supply side reform and development of some typical world cities: guangzhou's role in factor mobility in the Guangdong-Hong Kong-Macau Greater Bay Area. Urban Insight, 2018(2): 82-97.
4	陈世栋. 粤港澳大湾区要素流动空间特征及国际对接路径研究. 华南师范大学学报(社会科学版), 2018(2): 27-32.
	CHEN S. Research on the spatial characteristics of factor flow and its international integration path in Guangdong-Hong Kong-Macao Bay Area. Journal of South China Normal University(Social Science Edition), 2018(2): 27-32.
5	邱坚坚, 刘毅华, 陈浩然, 等. 流空间视角下的粤港澳大湾区空间网络格局——基于信息流与交通流的对比分析. 经济地理, 2019, 39(6): 7-15.
	QIU J, LIU Y, CHEN H, et al. Urban network structure of Guangdong-Hong Kong-Macao Greater Bay Area with the view of space of flows:A comparison between information flow and transportation flow. Economic Geography, 2019, 39(6): 7-15.
6	CAPOZZA C, DIVELLA M. Human capital and firms' innovation: Evidence from emerging economies. Economics of Innovation and New Technology, 2019, 28(7): 741-757.
7	CASTELLS M. The Information City. Oxford: Basil Blackwell, 1989.
8	BUENSTORF G, GEISSLER M. Not invented here: Technology licensing, knowledge transfer and innovation based on public research. Journal of Evolutionary Economics, 2012, 22(3): 481-511.
9	BERCOVITZ J, FELDMAN M. Entpreprenerial universities and technology transfer: A conceptual framework for understanding knowledge-based economic development. Journal of Technology Transfer, 2006, 31(1): 175-188.
10	ALMEIDA P, KOGUT B. Localization of knowledge and the mobility of engineers in regional networks. Management Science, 1999, 45(7): 905-917.
11	PONDS R, OORT F, FRENKEN K. Innovation, spillovers and university-industry collaboration: An extended knowledge production function approach. Journal of Economic Geography, 2009, 10(2): 231-255.
12	陈暮紫, 秦玉莹, 李楠. 跨区域知识流动和创新合作网络动态演化分析. 科学学研究, 2019, 37(12): 2252-2264.
	CHEN M, QIN Y, LI N. Dynamic evolution analysis of cross - regional knowledge flow and innovation cooperation network. Studies in Science of Science, 2019, 37(12): 2252-2264.
13	LEYDESDORFF L, RAFOLS I. A global map of science based on the ISI subject categories. Journal of the Association for Information Science and Technology, 2009, 60(2): 348-362.
14	KELLER W.Geographic localization of international technology diffusion.American Economic Review,2002,92(1): 120-142.
15	COE D T, HELPMAN E. International R&D spillovers. European Economic Review, 1995, 39(5): 859-887.
16	POLANYI M. Personal Knowledge: Towards a Post-critical Philosophy. Chicago: University of Chicago Press, 2015.
17	段德忠, 杜德斌, 谌颖, 等. 中国城市创新技术转移格局与影响因素. 地理学报, 2018, 73(4): 738-754.
	DUAN D, DU D, CHEN Y, et al. Technology transfer in China's city system: Process, pattern and influencing factors. Acta Geographica Sinica, 2018, 73(4): 738-754.
18	刘承良,管明明.基于专利转移网络视角的长三角城市群城际技术流动的时空演化.地理研究,2018,37(5): 981-994.
	LIU C, GUANG M. Spatio-temporal evolution of interurban technological flow network in the Yangtze River Delta Urban Agglomeration:From the perspective of patent transaction network. Geographical Research, 2018, 37(5): 981-994.
19	黄晓东, 马海涛, 苗长虹. 基于创新企业的中国城市网络联系特征. 地理学报, 2021, 76(4): 835-852.
	HUANG X, MA H, MIAO C. Connectivity characteristics for city networks in China based on innovative enterprises. Acta Geographica Sinica, 2021, 76(4): 835-852.
20	FRAUKE U. China's rise: Challenging the North-South technology transfer paradigm for climate change mitigation and low carbon energy. Energy Policy, 2018, 113(2): 320-330.
21	OLIVER H. South-South technology transfer: Who benefits? A case study of the Chinese-built Bui dam in Ghana. Energy Policy, 2018, 114(3): 499-507.
22	司月芳, 王岱, 王丰龙. 对华跨境技术转移影响因素研究. 地理科学, 2019, 39(2): 259-266.
	SI Y, WANG D, WANG F. Geographical patterns and determinants of transnational technology transfer to China. Scientia Geographica Sinica, 2019, 39(2): 259-266.
23	BASSENS D, DERUDDER B, TAYLOR P J, et al. World city network integration in the Eurasian Realm. Eurasian Geography and Economics, 2010, 51(3): 385-401.
24	潘雄锋, 张静, 米谷. 中国区际技术转移的空间格局演变及内部差异研究. 科学学研究, 2017, 35(2): 240-246.
	PAN X, ZHANG J, MI G. Spatial pattern evolution and inner differences of Chinese interregional technology transfer. Studies in Science of Science, 2017, 35(2): 240-246.
25	刘承良, 管明明, 段德忠. 中国城际技术转移网络的空间格局及影响因素. 地理学报, 2018, 73(8): 1462-1477.
	LIU C, GUAN M, DUAN D. Spatial pattern and influencial mechanism of interurban technology transfer network in China. Acta Geographica Sinica, 2018, 73(8): 1462-1477.
26	刘承良, 牛彩澄.东北三省城际技术转移网络的空间演化及影响因素. 地理学报, 2019, 74(10): 2092-2107.
	LIU C, NIU C. Spatial evolution and factors of interurban technology transfer network in Northeast China from national to local perspectives. Acta Geographica Sinica, 2019, 74(10): 2092-2107.
27	HAGEDOORN J, CLOODT M. Measuring innovative performance: Is there an advantage in using multiple indicators. Research Policy, 2003, 32(8): 1365-1379.
28	李文辉, 李青霞, 丘芷君. 基于专利计量的粤港澳大湾区协同技术创新演化研究. 统计研究, 2019, 36(8): 74-86.
	LI W, LI Q, QIU Z. Research on evolution of cooperative technological innovation about Guangdong-Hong Kong-Macao Greater Bay Area based on patent measurement. Statistical Research, 2019, 36(8): 74-86.
29	朱贻文, 曾刚, 曹贤忠, 等. 不同空间视角下创新网络与知识流动研究进展. 世界地理研究, 2017, 26(4): 117-125.
	ZHU Y, ZENG G, CAO X, et al. Research progress of innovation network and knowledge flow. World Regional Studies, 2017, 26(4): 117-125.

[1]	Jing CHEN, Li HUANG. Spatial heterogeneity of influencing factors on public environmental awareness in Yangtze River Delta urban agglomeration [J]. World Regional Studies, 2023, 32(8): 139-151.
[2]	Shouhong XIE, Ge HONG. Research on spatial spillover effects of specialized market agglomeration to regional economic growth [J]. World Regional Studies, 2023, 32(7): 123-133.
[3]	Hongru WANG, Wenjin QIN. Research on the spatial distribution and agglomeration characteristics of geographical indication products in China [J]. World Regional Studies, 2023, 32(6): 157-166.
[4]	Chang LU, Xueyuan XU, Meixuan ZHOU. Analysis on coupling coordination degree of production-living-ecological functions in shrinking cities of China's three major urban agglomerations [J]. World Regional Studies, 2023, 32(3): 76-88.
[5]	Yunzhe WANG, Guojun ZHANG, Chunshan ZHOU. Spatio-temporal characteristics and influencing factors of industrial collaborative agglomeration in urban agglomerations in China [J]. World Regional Studies, 2023, 32(2): 104-114.
[6]	Wenwen CHENG, Yayou DU, Manxin ZHENG, Peng GAO, Dan HE. Influence of urban network characteristics on attracting domestic investment: A case study of Urban Agglomeration in the Middle Reaches of Yangtze River [J]. World Regional Studies, 2023, 32(11): 119-129.
[7]	Xiaoni WU, Weihua GUAN, Hui ZHANG, Lianxia WU. Spatial differentiation and influencing factors of online attention in Chengdu-Chongqing urban agglomeration: Based on the number of Douyin fans [J]. World Regional Studies, 2023, 32(11): 130-140.
[8]	Yu WANG, Jinxiang ZHANG, Yujie WANG, Jieying YANG. Influence mechanism and measurement of "institutional distance" of administrative regions in regional economic integration: [J]. World Regional Studies, 2023, 32(11): 141-154.
[9]	Zhaofu XIAO, Rui LI, Wanqing LV. Study on temporal and spatial pattern evolution of tourism ecological security in Chengdu-Chongqing urban agglomeration [J]. World Regional Studies, 2023, 32(10): 122-133.
[10]	Xuetong SONG, Yongquan LI, Wenqi RUAN. The mechanism and causal combination of the evolution of tourism economic network of urban agglomeration on the West Coast of the Taiwan Straits [J]. World Regional Studies, 2022, 31(6): 1321-1331.
[11]	Deyou MENG, Chao GAO, Cengceng CHEN. The agglomeration pattern of automotive service industry and spatial correlation between traffic in Zhengzhou's urban area [J]. World Regional Studies, 2022, 31(5): 1021-1033.
[12]	Xiaojuan ZHANG, Qifeng TANG, Ziwei LIAO. Spatial pattern evolution of R&D enterprises and its influencing factors in Jiangsu Province [J]. World Regional Studies, 2022, 31(5): 1034-1045.
[13]	Langong HOU, Jiping SUN. Evaluation of network structure resilience of Chengdu-Chongqing urban agglomeration from the perspective of complex networks [J]. World Regional Studies, 2022, 31(3): 561-571.
[14]	Yue QIN, Changle XU. Research review and prospect of the linkage of urban agglomerations in foreign countries [J]. World Regional Studies, 2022, 31(3): 582-590.
[15]	Yue WANG, Tao WANG. Research on structure of global geographic information industry innovation chain [J]. World Regional Studies, 2022, 31(2): 225-235.