《Habitat International》：The nonlinear scale-matching mechanism of green innovation transfer: Insights from explainable machine learning
编辑推荐：
•
研究提出了一个双尺度匹配框架，以解释源城市和目标城市规模组合如何影响城市间的绿色创新合作。
•
- •
研究提出了一个双尺度匹配框架，以解释源城市和目标城市规模组合如何影响城市间的绿色创新合作。
- •
研究表明，中国的绿色创新网络正从局部集聚向多中心、多层次的合作结构转变。
- •
利用XGBoost-SHAP方法揭示了城市规模对合作强度的显著非线性和阈值效应。
- •
研究发现，人口在100万到300万之间的目标城市存在持续的低效率合作区域。
引言
在全球应对气候变化和推进可持续发展目标（SDGs）的背景下，绿色创新已成为推动城市生态转型和提高区域竞争力的关键途径（Cooke & Leydesdorff, 2006; Isiksal & Assi, 2022）。随着绿色创新范式的深入发展，其在区域发展战略中的作用日益突出，促进了技术要素在城市间的广泛流动（Zhang et al., 2018）。与传统以城市内部技术进步为主的发展模式不同，当代绿色创新活动具有多主体参与、多层次协调和跨区域互动的特点（Fan & Xiao, 2021; Freeman, 1991）。在这种情况下，绿色创新网络（GIN）的演变不仅受到单个城市的影响，还受到不同规模城市之间匹配和协同关系的制约，这些关系反映了资源禀赋和功能定位的差异（Dong et al., 2023; Shearmur, 2012）。因此，从城市间人口规模组合的角度研究GIN内的匹配机制和连接偏好，对于揭示城市合作的潜在逻辑和改善区域绿色创新治理具有重要的理论意义和实际价值。
城市间绿色创新网络（GIN）是一个以绿色技术合作和知识转移为中心的跨区域系统。其本质不仅体现在知识和创新要素的空间流动上，还体现在网络节点间的多层次和多中心结构互动中（Freeman, 1991; Gui et al., 2026; Melander & Arvidsson, 2022）。在这一互动系统中，城市间合作是由双方共同推动的，基于共同需求和互补优势，而非由单一城市主导。随着绿色创新在城市发展中的地位日益凸显，不同类型的城市参与了多层次、多维度的合作，以促进绿色创新资源的高效流动和整合。大型城市凭借丰富的知识储备、强大的研发能力和制度创新优势，通常在绿色技术的生产和扩散中占据核心地位，塑造着技术供应和发展的路径。相比之下，中小型城市则积极吸收和整合外部绿色技术资源，逐步摆脱对大城市的依赖，增强自身在区域绿色创新体系中的自主性，寻求更积极的角色。
绿色创新合作表现出明显的方向性，本质上是从“源城市”向“目标城市”有目的、有方向地转移绿色知识和技术能力（Cantner & Graf, 2011）。这一过程不仅描绘了绿色技术扩散的空间路径，还揭示了城市间功能分工和结构协调的潜在逻辑和动态机制。与传统无向网络分析相比，理解这种有向合作关系的结构特征需要全面考察双方的特征及其互动（Li et al., 2025）。合作的方向性主要源于源城市和目标城市在创新产出、制度环境和网络结构方面的匹配和互补性。这种动态互动共同决定了绿色知识和技术的扩散路径和效率。因此，绿色创新合作的形成和演变不应被视为一个线性的、由城市驱动的扩散过程，而应该是一个基于“规模匹配-结构协调”的复杂系统机制，强调合作城市间结构属性的互补性和协调性。
本研究提出了一个综合的分析视角，以探讨城市规模匹配如何影响城市间的绿色创新合作。通过明确源城市和目标城市之间的双边规模关系，识别不同规模组合对合作强度的非线性影响，以及揭示高效和低效率合作模式相关的结构条件，本研究旨在提供对绿色创新网络（GIN）形成机制的更深入理解。本研究关注三个核心问题：(RQ1) GIN的空间模式和结构特征是什么，不同规模的城市如何促进网络的形成和连通性？(RQ2) 城市规模组合是否对合作强度产生非线性影响，如果存在，可以识别出哪些阈值效应、飞跃效应或结构边界？(RQ3) 哪些城市规模组合与高效合作模式相关，哪些则倾向于在GIN内产生结构薄弱或低效率的连接？
本文的结构如下（图1）。第2节回顾了有关GIN的相关文献，并发展了城市规模匹配的分析视角。第3节介绍了研究区域、数据来源、变量和研究方法。第4节考察了GIN的整体结构特征和演变轨迹。在此基础上，第5节使用可解释机器学习框架研究了不同城市规模组合下的绿色创新合作机制。具体而言，本文旨在识别关键变量的非线性边际效应，揭示源城市和目标城市规模配对的联合行为模式，并区分城市间绿色创新合作的最优和次优配置。第6节总结了主要发现、理论意义和政策启示。
章节摘录
GIN与可持续发展
在全球气候变化加剧和可持续发展目标（SDGs）持续推进的背景下，绿色技术——兼具环境效益和经济效率——正成为推动城市生态转型和提高整体竞争力的关键驱动力（Cetin et al., 2021）。广义上讲，绿色技术包括旨在减少资源消耗、降低污染物排放和改善……
研究区域和时间范围
本研究主要考察了中国大陆的4个直辖市和293个地级市，共计297个研究单元（图2）。由于数据可获取性和行政区划标准的一致性，分析范围限于地级市及以上。县级市、自治州以及香港、澳门和台湾不包括在内。
本研究的时间范围为2001年至……
整体网络的结构特征
2001年至2020年间，中国城市间绿色创新网络呈现出更加密集、更加集聚和更加互惠的合作趋势（图3）。网络密度在整个研究期间持续增加，表明城市间绿色创新联系不断加强。聚类系数和网络效率也呈上升趋势，表明局部合作聚类逐渐增强，整体网络连通性得到改善。
关键因素的非线性机制识别
为了进一步揭示城市间绿色创新合作中关键变量的非线性影响机制，本研究使用SHAP依赖图系统地描述了变量值及其边际贡献之间的动态响应关系（图5）。图中的每个点代表一个观察样本，纵轴表示相应的SHAP值，该值衡量了变量对预测结果的边际效应的大小和方向。
讨论
绿色创新转移是推动城市低碳转型、提高综合竞争力和实现可持续发展目标（SDGs）的重要途径，因此在政策制定和实际创新举措中成为重点（Roh et al., 2021）。实际上，绿色创新转移的过程高度依赖于城市间的互动关系及其在GIN中的各自角色（Liao & Li, 2022）。
CRediT作者贡献声明
Gui Chunwen：写作 – 审稿与编辑，撰写初稿，可视化，方法论，调查，数据分析，概念化。 Wang Chengjin：写作 – 审稿与编辑，撰写初稿，监督，资源协调，项目管理，资金筹集，数据分析，概念化。
写作过程中使用生成式AI和AI辅助技术的声明
在准备这项工作时，作者使用了ChatGPT来提高手稿的语言表达和可读性。使用该工具后，作者对文本进行了必要的审阅和修改，并对出版物的内容负全责。
利益冲突声明
我们提交的手稿题为“绿色创新转移的非线性规模匹配机制：来自可解释机器学习的见解”，旨在发表在Habitat International上。手稿中不存在利益冲突，所有作者均同意发表。我代表所有作者声明，所描述的工作是原创的，尚未在其他地方提交或发表。
Chunwen Gui|Chengjin Wang
