文摘

创新网络的形成机制是当前研究的核心问题之一的创新网络,和接近中扮演一个重要的角色在创新网络的形成和发展;然而,距离更重要,不同的接近性相互作用仍有待进一步研究。本研究进行社会网络分析和采用空间交互模型来研究创新网络在中国290个城市。结果表明,第一,中国城市的创新网络的分层特征反映了核心外围结构和大分散、小集聚的空间格局。此外,受胡锦涛一行,等级高的东部和西部低。第二,地理、制度、和认知亲近积极影响中国城市的创新网络。认知距离,特别是影响最高。地理邻近强化制度距离的影响,因此,他们的交互是互补的。

1。介绍

知识和技术创新已成为区域经济发展的关键驱动力。创新包括生产新产品、采用新的生产方法,开发新的市场,扩大新能源供应和新形式的组织。获取知识是创新活动的实现的先决条件(1]。事实上,他们被认为是更重要的比传统的物质资本和持续的经济增长至关重要的战略资源2]。中国中央政府认为,创新领先的开发中发挥重要作用,在构建现代经济系统战略支持。城市积聚人才、资本、信息、企业、和其他创新的元素,是创新发展的重要平台3]。封闭的传统模式创新以及区域创新系统和学习领域,再也不能匹配经济快速发展的需要,或有效应对动态的竞争环境。因此,地方政府正越来越多地寻求创新合作和知识推广通过创新与其他城市合作和创新资源的优化配置,实现优势互补,双赢的局面。城市创新的预期成果是提高效率、降低创新的成本和风险,增强城市竞争力。在这个新时代,城际网络和合作创新已成为一个新的和频繁的趋势与城市发展相关(4]。

区域创新模式已经从演员multiactor协作创新自主创新。此外,经济地理学和区域经济学范式的创新研究已经从传统的位置转向现代流动空间。因此,基于关系网络的角度分析区域创新已经成为一个重要的起点和城市发展5,6]。这是一个常见的创新模式为企业通过合作创新网络;创新模式先后经历了技术推广、需求拉动,互动,和全面;现在,它已经进入了第五代创新与创新网络模式,这也是未来创新研究的主要方向(7]。创新网络的最根本的原因在于创新能力有限的一个演员和资源的稀缺性;个人可以获得更多的外部知识和资源的创新网络(8]。经济地理学关注的文学创新网络的结构和形成机理,尤其是那些由微型创新演员如企业、大学和研究机构。一些学者研究空间和创新网络的拓扑结构和动态演化过程(9),而另一些人讨论创新合作距离的影响,知识流、动态演化,内部影响机制和创新绩效(10]。创新网络的形成是受许多因素影响;首先,网络结构的内生效应,包括嵌入性、外部性、吸收能力,小世界,和技术的守门员。第二,网络组织要素的特点,包括性质、规模、组织要素的状态;第三,多维的角度接近,主要包括地理相邻、社会距离、认知距离、制度距离和文化距离(11]。邻近创新和企业间网络的作用受到越来越多的关注过去十年(12]。贝(13]调查网络距离如何影响区际合作的结构,以及它如何与地理。然而,很少有研究分析城市结构从创新的角度来看,而大多数的研究仅限于创新网络结构,未能详细为什么这样的网络结构形成,这是一个research-worthy话题。邻近有更大的影响力的形成创新网络和不同的接近性互动仍未解决的问题,这是本文的目的。

采用一个创新网络的角度来看,这项研究填补这些差距在文献中通过分析中国290个城市的层次结构特点,包括区位和空间属性的创新网络,并结合多维距离接近的机理分析。在这一过程中,它的目的是了解中国城市的合作创新现状,明确城际创新网络的形成和距离之间的关系。研究结果将作为一个参考制定更准确的区域创新政策的基础,丰富相关的创新在经济地理的研究。

本文的其余部分组织如下。部分2提出了创新网络和邻近的起源框架。部分3描述了数据和实证变量用于分析的结构和邻近机制创新网络。部分4进行社会网络分析(SNA)在中国290个城市的网络结构。部分5探讨了地理的影响机制、制度、和认知亲近城市的创新网络。部分6总结了纸。

2。理论分析框架

开放合作创新已成为城市创新的新模式,进一步引起城际创新网络。城际创新网络的结构不仅反映了网络中每个城市的联系方式,也决定了每个城市的相互位置和关系。换句话说,它直接影响城市之间的知识交流和交互在网络14),与深度相关的集成和创新资源的利用率的关键因素在决定城市创新的性能(15]。创新网络的概念最初是在社会学文献中提出,后来,经济地理学家应用创新研究。弗里曼(16)定义了创新网络作为一种新的制度安排,脱离之前的创新模式来实现系统的创新也可以在学术界认可。从本质上讲,一个创新网络是一个密切相关的系统创新中形成的各种正式和非正式的联系演员包括公司、大学和研究机构、政府、资本市场、中介机构。Boix和Trullen17)测量了不同强度的因素影响进化的知识在一个地区的城市。研究人员定义创新网络在城市层面(18]。他们相信这是一个城市的战略合作过程实现的联合互补和优化配置(即知识溢出效应和创新元素。、人才、资金和信息),这两个可以应对快速变化的创新在知识经济时代的要求。城际创新网络也可以被视为一个城市空间的互动形式。

近距离的概念起源于对产业集群经济马歇尔的开创性研究。它最初被定义为经济活动参与者的空间主机托管在同一个集群(19),因此强调地理相邻在给定的时期。经济地理学家目前扩展距离的角度分析影响因素,创新网络的进化动力和机制。很多研究专注于地理距离之间的关系和知识创新和显示,前者不仅可以促进企业的集聚,也影响了创新网络的结构(20.]。值得注意的是,维的地理距离不充分解释创新参与者之间的互动学习和合作创新。法国学校的这种效果,接近动力学考虑多维距离框架包括地理、组织、制度、认知和社会接近性(21,22),从而把邻近的讨论从一维与多维距离。荷兰乌特勒支学院地理之间的相互作用进行了深入分析,组织、制度、认知和社会接近性及其对公司的影响创新合作(23在多维距离分析[],这是受欢迎24]。卡彭和Lazzeretti12]研究了各种形式的距离的角色在多个非正式组织间的关系。文献既有定性和实证研究,强调地理的重要性,认知,和机构亲近知识流动和企业的创新网络(25]。

很明显从上面的讨论,大多数的文献探讨了独立的距离对创新网络的不同维度的影响。然而,不同维度的距离不是分裂和独立;相反,它是互动(26]。最近,实证研究了多维距离的影响相互作用[13]虽然他们仍然处于初级阶段,因此需要加强相关的实验测试和理论讨论。接近框架一般包括三个维度,地理维度(表现为创新网络成员之间的物理距离的区别),认知维度(特点是知识的相似程度)和机构维度(程度的共同所有权,社会关系强度,共享度标准,习惯,规定和法律),并广泛应用于相关研究如区域协调发展和创新网络。这项研究还雇佣了三个亲近解释在城际创新网络结构差异。

3所示。方法和数据

3.1。数据源

考虑到困难与收集大量的网络数据,多数学者应用空间相互作用模型(即修改。,重力或重力模型)与一个城市输出或全面的指标体系来衡量创新城市之间的联系。联合专利申请代表知识流在不同创新演员在不同的城市和更有效地反映了创新的城市之间的关系。因此,越来越多的学者在使用数据联合专利申请来衡量创新网络。在各种专利,如外观设计和实用新型专利,发明专利更代表原始技术和技术创新绩效27]。因此,本研究使用数据联合发明专利申请审查在中国城际创新网络。

专利数据获得的专利检索和分析系统的国家知识产权管理局(http://www.pss-system.gov.cn/sipopublicsearch patentsearch /表Search-showTableSearchIndex.shtml)。在中国,需要18个月为专利公开发布。本研究使用的数据由两个或两个以上的发明专利申请演员在2014年为290个城市。数据的专利申请在2014年被选中,因为它是在2016年出版,但新专利法实施2017年,专利申请有新的限制法规。数据在2017年之前稳定和不稳定的数据后,数据的专利申请在2014年被选中。

首先,研究人员登录到专利检索和分析系统和寻找中国发明专利范围、申请日期“201401 20141231”,和“??;“申请人姓名申请人地址的290个城市(如北京、上海、广州和深圳)。第二,以下标准数据被删除,以确保可靠的网络数据:(i)不到两个联合机构申请专利申请人包括个人或个人和一个机构之间的联合应用,(2)单独的应用程序中,很难确定申请人的城市,和(3)外国申请人自本研究着重于创新联系在中国大陆290个城市之一。最后,分析进行两点差两分估计三个或三个以上的发明专利申请的机构。此外,申请人的信息提取城市建立一个全向城际创新网络。63108联合发明专利数据收集自2017年4月。筛选和处理后,数据42921项专利,其中包括286城市节点,被保留。

4所示。方法

4.1。社会网络分析

系统网络体系结构(SNA)通常被用来描述创新网络结构。Ter细胞膜并Boschma [28)进行了一次系统网络体系结构(SNA)对创新网络和描述和可视化网络结构和演化。系统网络体系结构(SNA)被认为是“最具潜力的实证分析工具”。

本研究使用中心和网络密度测量本地和城际创新网络的整体结构。此外,它使用UCINET软件分析局部和整体结构。(我)网络密度。网络密度反映了节点连接度网络:网络密度越高,越近的节点连接。公式如下: 在哪里D是网络密度,k是一个节点,d(n_我n_j)是节点之间的连接我和j。网络中心。网络中心的措施主要是网络中节点中心的程度,可以制定如下: 在哪里CD(n_我)是网络中心和X_霁节点之间的联系强度吗我和j。网络中心的潜力。网络中心网络的潜在措施的集中化程度,反映了网络中偏差的程度通过检查整个网络的结构特点。公式如下: 在哪里C_马克斯最大程度的为网络中的节点和中心吗C_我是节点的中心度我。

4.2。空间相互作用模型

早期的近距离研究忽略了空间交互multiregional上下文的影响。Wanzenbock [29日)提出了一种新的测量来评估网络聚合单元之间的距离,根据分类信息网络上的演员的距离。Scherngell和理发师30.]将区域相互作用影响因素分为规模因子和距离变量象征着紧张和电阻使用引力模型。Scherngell和胡31日)提出了一个空间相互作用模型,地址在先前的研究局限性。从那时起,他们的模型已经广泛应用于创新的研究经济地理学家。Montobbio和Sterzi32),国际技术合作为例,分析了影响因素。Kunze [33)在欧洲探索创新和贸易之间的关系。Gui et al。34]讨论了间接机制全球合作网络的科学研究论文。本研究采用该模型,基于多维距离的概念框架,开发一个接近城际创新网络机制模型如下:研发支出、人力资本和人均国内生产总值: 在解释变量是创新合作城市衡量城市联合申请发明专利的数量吗我和j在2014年。控制变量得出的专利申请(和 ),研发支出(和 ),人力资本(和 ),和人均国内生产总值(和 )。 和发明专利申请总数的城市吗我和j在2014年,用于衡量一个城市的技术创新能力。本研究包含这些变量的模型来检查这两个城市之间的空间相互影响。城市之间的地理距离吗我和城市j。根据Balland et al。10]; ,在哪里是我和城市之间空间球面距离使用ArcGIS j和计算。是相似的程度等机构environments-this包括非正式的系统的文化,语言,社会价值观,规范,和正式的系统;例如,法律、法规和区域发展政策的城市我和j。在这项研究中,Ejermo和Karlsson [35),本研究集作为虚拟变量的值,如果两个城市属于同一个省份;否则,0。表示两个城市之间的技术知识结构的相似性。在这项研究中,贾菲(36), , ,和发明专利申请的数量在第m国际专利分类的城市数量我和j。收集的数据分类专利可以国家知识产权专利检索和分析系统管理(见表1)。

5。实证结果

实证结果强调,中国286个城市(或98.6%)建立创新网络,特别是42921年创新联系,2014年(见图1)。然而,创新合作是相对较弱的中国城际的创新网络,报告只有0.05的密度。换句话说,很难启动创新城市间的合作,因为平均路径长度是2.07,这是比随机网络的规模。此外,有必要加强创新合作的强度在城市中心的平均程度是15。

本研究利用ArcGIS 10.2和雇佣詹金斯自然分解优化,进一步将中国城际创新网络的链接强度分为四个等级:高(1149 - 3109),中等(362 - 1149),低(89 - 362),和低强度(1 - 89)。图2显示连接强度的增加会导致快速城际联系的数量下降。此外,大多数城市的创新联系证明低强度;总联系的,1626组(76.99%)报告不到10的联系。只有3和16组显示高和中等强度的场合,只有不到1%的总联系。这些结果强调中国大多数城市相对较低程度的创新合作。虽然城际创新网络在规模和广阔的覆盖面,有一些明显的问题,如宽松的链接,可怜的可访问性,和知识溢出效应,因此,城际创新网络的功能需要进一步加强。Boix和Trullen17]还发现,高增长率和高水平的技术和知识,和不同种类的知识的增长与地方和空间因素(集聚和网络外部性),和每一个显示特定的知识强度应对这些因素。贝当古et al。37)发现的结构专利coauthorship网络弱相关专利的比例有所上升。

胡线已经在很大程度上导致了东西方之间的不平等在创新联系的城市。东部城市的联系比在西方更大的城市。高强度创新之间的联系主要是观察到一些大城市,如Beijing-Nanjing、京津、京沪。中强度的地理空间格局创新联系演示了一个“只有辐射”功能,在北京的中心,向外辐射。低强度创新联系,另一方面,报告“只有辐射和本地网络,”北京中心。复杂的和交互式的网络联系也可以观察到在长江三角洲和珠江三角洲。研究人员发现,网络联系胡线以东往往有不同的强度,而在西方城市低强度。

中国城际创新网络的网络中心的潜力为0.95,表明“核心边缘”结构。使用Pajek 4.08软件和块的层次聚类算法模型,本研究将中国城际创新网络划分为五个层次:强大的核心,核心,semi-edge强、弱semi-edge和边缘(见表2)。接下来,它使用网络图绘图工具在VOSviewer 1.6.5画中国城际创新网络的层次结构关系图(见图3)。结果表明,只有北京的强大核心网络;17个城市包括上海、南京和武汉是核心;30个城市组成的合肥、无锡和大连是semi-edge强;75个城市组成的岳阳,北海,金门是semi-edge疲软;,163个城市包括固原,三门峡,巴中是优势。图3强烈表明,城市核心网络的核心与城市紧密相连,更低的层次结构,并与其他城市创新联系较少。

根据表2和图4,城市可以分为五种类型:强大的核心城市,核心城市,subcore城市,subperiphery城市和周边城市。参见图4可视化使用ArcGIS 10.2。类似的分布网络联系,城市层次结构是受胡锦涛一行。,大多数的核心和subcore城市都位于东部的胡锦涛,以及总体布局相对分散。几个城市集中在长江三角洲和珠江三角洲的地理分布特点“大分散、小集聚。“相比之下,大多数的城市西部的胡线subperiphery或周边城市。城市在中国城际创新网络主要是北京等管理。深圳和苏州,省会城市或直辖市,可能是因为中国的国家核心城市或区域创新体系明显受到政府的影响。研究van der Wouden和里格比18]表明,大都会地区更多的本地和外地网络关系比城市经济主体是孤立的,和coinventor网络在不同城市,生产专业化和多元化的知识。许多重要的科学研究机构和大学位于行政中心城市,如北京,上海,南京,武汉,广州,杭州,这增加了创新网络的可能性(38,39]。Lobo和Strumsky40]还发现,烧结的大都市地区的特点更重要的决定因素大都会专利生产率比创新网络的结构特征。

6。在中国城市创新网络的机制

使用公式(4城际之间的关系),一个模型创新网络和地理,制度,和建立认知亲近。解释变量的相关系数表明,除了体制和地理接近性,这是0.707,另一个变量是小于0.2。方差膨胀因子(VIF)为所有解释变量小于3。因此,不存在多重共线性问题的解释变量的关系模型,及其可靠性高。为解释变量,报告一个非负整数,有必要用一个离散计算模型如泊松回归或负二项回归模型。解释变量的数据过于分散由于解释变量的方差是10739.98,而期望值只有20.32,远低于方差。本研究采用负二项回归模型来检验中国城际创新网络的间接机制(见表3)。

进行了逐步回归测试模型,结果表明,模型1 - 3拒绝原假设(α= 0)在5%的水平,因此重申负二项回归模型的合理性。的值三个模型是零,不拒绝零假设的结果。多数估计参数的解释变量在1%的显著水平,表明测试结果的可靠性高于(见表4)。

模型1 - 3表明,地理相邻明显积极的在1%的水平,这表明更大的两个城市之间的地理距离呈现创新网络的可能性更大。相反也适用。创新是一个强大的互动学习与交流的过程以及知识交流的明显特征和转移,尤其是隐性知识,需要频繁的面对面的创新参与者之间的交互(41,42]。哈金斯et al。43)还指出,跳板效应和外部知识网络的地理与区域经济相关联的上下文,卡彭和Lazzeretti12];Knoben [44)强调的异构影响各种形式的距离在不同的人际关系和强烈的社会关系对创新的影响。这也解释了地理相邻的临界。增加城市之间的地理距离将增加面对面交流的时间和经济成本,创造合作方面的努力。此外,它显著地减少潜在的创新网络在城市。这一发现有力地驳斥了“地理相邻的死亡”的观点,提出“地理死”Cairncross [45和弗里德曼46]。此外,它证明了地理相邻继续扮演着至关重要的角色在中国城际创新网络,尽管交通和信息技术高度发达,是创新的关键因素和地理距离演员选择创新的合作伙伴。

模型2和3显示机构接近也显著促进创新网络在中国的城市,和创新合作机构附近的城市的概率更高。一个城市不是一个简单的地理单元,但各种自然和人为因素的综合载体。在其历史发展过程中,城市开发不同的人文素质,有助于不同制度环境,包括非正式制度环境,如文化、语言,和规范。然而,这些差异在城际创新网络创建制度性的障碍。因此,城市类似的制度环境因素创造更有利的环境,增进相互之间的信任他们的创新的演员。这降低了创新网络过程中的不确定性,降低交易成本,提高了创新网络的可能性之间的城市。这一发现Maillat和Kebir[的观点是一致的47),他强调,特别非正式规范发挥着至关重要的作用在形成创新网络在区域创新的演员和类似的机构促进区际创新网络。

模型3显示认知距离明显积极的在1%的水平,这表明认知邻近促进创新的中国城市间的合作。换句话说,城市具有相似的认知水平极有可能成为创新的合作伙伴。认知融合呈现两个城市相似的技术专业化,从而确保有效的沟通在创新网络和识别和吸收新知识。这一发现是一致的与Guellec [48)、池塘等。49[],Guellec48),他发现,类似的技术专长的国家更有可能从事创新合作。池塘et al。49)检查industry-university-research合作在荷兰和显示技术距离是一个必要的先决条件创新跨区域间的合作企业,科研机构和大学。

一些学者认为,各种维度的距离相互影响和相互作用,并可能会有一些替代或互补效应(50,51]。本研究进行一个变量相互作用的试验进一步研究地理之间的交互,认知,和机构亲近中国城际的创新网络。因为地理和认知亲近是连续变量,制度距离被认为是类别变量。以确保该方法是正确的,结果是可靠的,研究利用地理接近类型之一,认知、或机构接近性为主要变量,变量和另外两个被认为是监管检查两个亲近(见表之间的交互5)。

使用地理相邻的主要变量和认知距离作为调节变量,构造模型4测试认知邻近的地理邻近的监管效果。同样,模型5是构造测试对认知邻近地理相邻的监管效果。因为地理和认知亲近是连续变量,一个交互项地理的集中化和认知亲近添加到基本的测试模型。模型4和5之间的互动系数表明,地理和认知亲近在1%显著水平,说明重要的之间的相互作用都亲近。然而,显著负系数表明,认知距离会削弱地理相邻城际创新网络的影响,反之亦然。一方面,这种替代效应可以归因于创新的合作伙伴,都是认知和地理位置接近,否则无法获得新的信息和知识,导致“过度嵌入”和“认知锁定。“另一方面,互相学习的范围大大减少类似的地理和认知邻近的地区,和无意识的知识溢出效应的风险增加52]。

接下来,机构近距离治疗为主要变量,而地理和认知亲近被认为是调节变量。互动的角度∗和被添加到基本模型。模型6显示,机构和地理接近性的互动系数显著积极的在5%的水平。换句话说,机构接近城际创新网络的影响是积极的监管机构接近地理相邻,城际创新网络将加强在这两个城市相距不远;这是一个互补的效果。模型7显示,机构和认知互动系数接近性也是重要的在5%的水平,但它是负的。这一发现表明,认知邻近负调节机构接近和城际创新网络之间的关系,这是一个替代效应。

接下来,本研究使用地理和认知亲近为主要变量和制度距离作为调节变量测试机构的监管效果接近于地理和认知亲近。首先,一组把样本数据进行回归分成两组根据机构附近,然后执行负二项回归分析两组样本(见下表6)。模型8和9表明,地理相邻积极促进城际创新网络在1%的水平。然而,影响系数的样本组机构距离较大,和促进效应更强,表明机构距离可以增强地理相邻城际创新网络的积极影响,这是一个互补的效果。认知距离失败的系数显著性检验的样本组机构接近,虽然明显积极的机构nonproximity样本组的。这意味着机构接近会削弱认知邻近的积极影响城际创新网络,这是一个替代效应。

图5是一个图形变量的监管效果和更好地理解之间的交互创建不同的接近性。它显示了地理的监管效果,认知,和机构亲近。更大的地理相邻的城市,认知邻近城际创新网络的积极影响减弱,甚至有负面影响。在[13],作者指出,区际网络距离是重要的在确定未来的合作,但其效果是由地理位置。然而,机构的影响接近城际创新网络显著增加。更高的认知邻近的城市,地理的积极影响和机构亲近大大削弱。最后,对于城市与大机构毗邻,地理相邻的影响加强,变得更积极,而认知距离不再是重要的。

7所示。结论

人们越来越关注关于区域发展和创新在经济地理文献[53- - - - - -55]。在最近的许多研究区域经济发展、空间距离、密度、和本地化流程,这不能解释新经济现象,全球和当地接近性变得越来越重要50,56,57]。采用创新网络的角度进行系统网络体系结构(SNA),本研究分析了结构特征,也就是说,在中国城市网络的拓扑结构和空间格局。利用Scherngell和理发店30.空间相互作用模型,模型之间的关系接近和城际创新网络。然后用来解释模型的交互作用和影响地理、制度、和认知亲近中国城际创新网络。

研究结果表明,虽然中国城际创新网络的规模和范围增加,密度较低,大多数城市是松散的联系。在网络层,结果表明,城际创新网络更集中。即集聚和层次结构的创新活动突出,发展成一个中心-外围结构,它可以进一步分为强核心,核心,semiperiphery强,弱semiperiphery和外围。只有北京的强大核心网络。上海、南京、武汉等14个城市的核心网络,和其余强者semiperiphery, semiperiphery疲软,或外围的创新网络。根据中国城市创新网络的结构,我们可以将城市划分为五个层次:强大的核心,核心,subcore, subperiphery和外围。我们发现,中国城市的层次结构是高在东部和低在西方,核心和subcore城市展示空间格局的“大分散、小集聚”和受胡锦涛一行。东部的胡锦涛,创新城市之间的联系的密度和强度更高,因此,网络是复杂的和有效的与北京的强有力的核心城市。然而,西部的胡锦涛,创新联系较弱,大部分城市subperiphery或周边城市。

8。讨论

本研究分析了城际创新机制在中国网络,提供了有趣的结论一致的观点Maillat和Kebir47],Guellec [48)、池塘等。49],和范德Wouden Rigby [18),他们认为发明家在专门的城市价值空间和认知距离更接近小于发明家与外地合作发明者在多元化的城市。然而,它否定Cairncross [45]和弗里德曼的[46]的观点“地理相邻的死亡”和“地理死亡。“分析表明,地理,制度,和认知亲近中国城市中积极创新网络的影响。特别是,认知邻近影响最强烈,其次是制度和地理接近性。变量交互的测试结果显示显著的地理之间的交互,认知,和机构亲近。地理和机构亲近积极调节与城际创新网络,彼此的关系和地理的关系和机构亲近报告互补效应。然而,有一个替代关系认知距离和地理和机构接近性,因此,他们的角色在促进城际创新网络是削弱。这进一步证实了认知距离可能导致越来越弱网络和不利于产品在发展中国家和地区结构的变换(26]。

未来的研究应考虑进一步探索数据和方法来衡量城际创新网络,引入更多接近类型,探索相同的动态距离随着时间的推移,和总结的规律接近类型在创新网络的动态演化。

数据可用性

使用的数据来支持这个研究的发现可以从相应的作者在合理的请求。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了国家自然科学基金项目(41801109和41801109)和上海市科学技术委员会(19 dz1203801)。