我国跨省区科学合作中的马太效应与地域倾向，本文主要内容关键词为：马太论文,地域论文,跨省论文,倾向论文,效应论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
〔中图分类号〕G311 〔文献标识码〕A 〔文章编号〕1000-0763(2002)01-0042-09
一、引言
我国有34个行政区，包括23个省，5个自治区，4个直辖市以及香港、澳门两个特别行政区。省区间的科技发展是不平衡的，主要表现在三个方面：科技工作者队伍的构成，研究与发展经费的投入，科技产出的数量与质量。科技实力分布和科技资源配置的不均衡性是引发科学合作的重要原因。和世界上其他国家一样，我国不同省区的科技工作者也在各个学科领域频繁合作。在基础研究与应用基础研究领域，科学合作成果的主要形式是联合署名的学术论文。
实际上，不仅科学社会学家感兴趣，政策制定者与科技管理者也想了解，我国不同地区间的科学家究竟是怎样合作的。合作倾向的表现，合作结构的形成，合作机制的揭示，都是关注点。我们的文章就从科学论文的联合署名出发，探讨这些问题。
运用科学计量学方法研究科学社会学问题是著名科学社会学家默顿所倡导和身体力行的。早在1933-1935年撰写博士论文时，默顿就曾对6000多篇人物传记，2000多篇文章和数百篇研究报告作了统计分析。[1]自普赖斯的科学计量学奠基作《小科学、大科学》[2]发表之后，近40年来科学计量学的发展更为科学社会学的研究提供了有效的模型与方法。有关科学合作模式的研究也早已突破对合著率的比较与对合作频次的简单统计。组合数学模型、数理统计方法等都是常用的工具。近年来，一种被称作mapping的可视化网络分析技术也频频用于展示科学合作的结构。[3]我们也尝试运用科学计量学方法研究我国省区间科学合作中的科学社会学问题，特别是马太效应与合作的地域倾向性。
从社会学、心理学与科学计量学文献中可以检索到许多有关科学合作的论文。这些论文涉及不同层面科学合作的结构与特征，包括个人间的科学合作，跨学科、跨机构的科学合作，地区、国家间的科学合作等。其中，研究国与国之间科学合作模式与机制的文献对我们研究我国省区间的科学合作模式很有启发。[4-8]近年来，我国两个著名的国内论文数据库CSCD[9]和CSTPC[10]提供了省区间科学合作的数据。这些数据使得运用科学计量学方法研究我国省区间科学合作的模式成为现实。
我们的研究兴趣集中在以下三个方面：
第一，跨省区联合署名论文的频度分布：谁与谁合作？合作频度如何？
第二，科学生产能力与科学合作的关系：选择合作伙伴是否具有倾向性？科学论文的高产省区（低产省区）愿意与低产省区合作，还是与高产省区合作？在跨省区科学合作的过程中是否存在马太效应和波敦克效应？
第三，地域接近对跨省区科学合作的影响：省区间的合作强度与省区间距离的量化关系是怎样的？相邻省区间的合作是否为跨省区科学合作中的优势组合？
二、数据与方法
1.数据
本项研究所用的数据取自CSCD(Chinese Science Citation Database)数据库。该数据库全称为“中国科学引文数据库”，是由中科院文献情报中心创建的。数据源为国内具有较高学术水平的582种专业期刊，覆盖了数学、物理学、化学、生命科学、地球科学、农林科学、医药卫生、工程技术以及环境科学等主要科学技术领域。社会科学与人文科学期刊不在收录范围。
我们选取CSCD数据库1999年版收录的大陆31省区的科学论文为计量样本。台湾、香港和澳门产出的论文暂未考虑。
表1列出的是31省区的CSCD论文产出情况，包括同一省区作者完成的论文和省区间合作完成的论文，也包括省区间合作频度的分布。以下是一些概念的界定。
省区内论文：独著论文或同省区作者合作的论文。
省区间合作论文：由至少来自两省区的作者共同署名的论文。
跨省区合作关系：不同省区的作者在一篇论文中共同署名，我们认定署名省区间存在合作关系。例如，一篇由北京和上海作者共同署名的论文包含了一个北京－上海间的跨省区合作关系。当一篇合著论文由3个或3个以上省区的作者共同完成时，这篇合著论文就会包含3个或者3个以上的跨省区合作关系。例如，一篇5人合作论文的作者排序是：北京作者－上海作者－上海作者－广东作者－北京作者，这其中包含北京－上海、北京－广东、上海－广东3种省区合作关系。受数据来源限制，本文只考虑了第一作者省区与非第一作者省区的合作关系，非第一作者省区之间的合作关系暂未考虑。因此，3种省区合作关系中，只有北京－上海，北京－广东的合作关系在我们的计量范围之内。
合作频度：跨省区合作关系中一省区出现的次数被称为合作频度。上例中，对于北京来说，作为第一作者省区的合作频度为2，上海和广东作为非第一作者省区的合作频度分别为1。需要注意的是，某一省区的作者在一篇论文署名中出现的次数与省区间的合作频度无关。因此，尽管上例中有2位上海作者，但上海作为非第一作者省区与北京合作的频度依然为1。
论文总数：某省区的论文总数包括单纯由省区内作者完成的论文，和该省区与他省区合作的论文。跨省区合作论文中，仅包括该省区为第一作者的论文。
在表1及其后各表中，31个省区均依照各省区论文总数降序排列。特别需要强调的是，在本文中，我们将一省区的论文总数作为表征其科学生产能力的指标。
表1 31省区论文与合作频度分布
序号 省区
Ⅰ
Ⅱ
Ⅲ
Ⅳ
Ⅴ
Ⅵ
Ⅶ(%)
Ⅷ
1
北京 14528 12043 2485 1940 1860 3800
17.1 1.04
2
上海 6785 5805 980 733 719 1452
14.4 1.02
3
江苏 5147 4105 1042 792 624 1416
20.2 1.27
4
广东 4257 3421 836 645 458 1103
19.6 1.41
5
湖北 3896 3300 596 468 470 938
15.3 1.00
6
陕西 3592 3132 460 414 521 935
12.8 0.79
7
山东 2969 2360 609 515 406 921
20.5 1.27
8
四川 2750 2251 499 338 348 686
18.1 0.97
9
辽宁 2532 2273 259 296 469 765
10.2 0.63
10 浙江 2436 1954 482 292 277 569
19.8 1.05
1-10
48892 40644 8248 6433 6152 12585 16.9
1.05
11 吉林 2218 1980
238
330 384 714
10.7
0.86
12 湖南 2157 1736 421
286 206 492
19.5
1.39
13 天津 2139 1881 258
282 289 571
12.1
0.98
14 安徽 1798 1408 390
302 248 550
21.7
1.22
15 黑龙江 1703 1522 181
267 362 629
10.6
0.74
16 福建 1553 1165 388
143 154 297
25.0
0.93
17 重庆 1323 1087 236
184 224 408
17.8
0.82
18 甘肃 1090 860 230
189 216 405
21.1
0.88
19 河北 1015 782 233
281 290 571
23.0
0.97
20 河南 987764 223
207 286 493
22.6
0.72
11-20 15983 13185 2798
2471 2659 5130 17.50.93
21 山西 829 636
193
158 144 302
23.3 1.10
22 云南 828 669
159
93 115 208
19.2 0.81
23 广西 427 292
135
82 65
147
31.6 1.26
24 内蒙古 405 312
93
63 102 165
23.0 0.62
25 江西
353 239
114
62 86
148
32.3 0.72
26 新疆
350 267
83 77 110 187
23.7 0.70
27 贵州
339 239
100
94 64
158
29.5 1.47
28 青海
112 78
34 21 26
47
30.4 0.81
29 海南
106 77
29 21 34
55
27.4 0.62
30 宁夏
93 62
31 22 28 50
33.3 0.79
31 西藏
22 14
8 820
28 36.4 0.40
21-31 3864 2885
979 701 794
1495
25.3 0.88
合计 68739 56714 12025
9605 9605 19210
17.5 1.00
Ⅰ：论文总数，Ⅱ：省区内论文，Ⅲ＝Ⅰ－Ⅱ：与他省区合作的第一作者论文，Ⅳ：作为第一作者省区与非第一作者省区的合作频度，Ⅴ：作为非第一作者省区与第一作者省区的合作频度，Ⅵ＝Ⅳ＋Ⅴ，Ⅶ＝Ⅲ／Ⅰ，Ⅷ＝Ⅳ／Ⅴ
表2是跨省区科学合作频度的观察值矩阵，记为观察值矩阵A。在矩阵A中，第一作者省区与非第一作者省区的总合作频度为9605。该矩阵左边所列省区是第一作者省区，依各省区论文总数多少从高到低排列。矩阵上方所列省区是非第一作者省区，依各省区论文总数多少由左至右排列。矩阵对角线元素空缺，排除了省区内合作论文。记观察值矩阵中第i行与第j列交叉处的元素为x[,ij]，x[,ij]就是以排序第i位的省区的作者为第一作者与排序第j位的省区的作者为非第一作者合作的频度，简记为i省区与j省区的合作频度。
表2 观察值矩阵A：省区间科学合作频度分布
以观察值矩阵A为基础，构建新矩阵。将A中关于对角线对称的两元素x[,ij]与x[,ji]相加得到新元素x[ij,*]，x[ij,*]表征的是当不考虑合作双方谁是第一作者省区谁是非第一作者省区时i省区与j省区的实际合作频度。由于x[ij,*]=x[ji,*]，新矩阵是关于对角线对称的矩阵。记新矩阵为观察值矩阵A[*]。在矩阵A[*]中，左侧排列的省区与上方排列的省区不再有第一作者省区与非第一作者省区之分。（因篇幅所限，矩阵A[*]略）
2.方法
在构建表1和观察值矩阵A时，已经融入了两种研究思路。第一种思路是，在宏观层面考察全国跨省区合作的模式时，将跨省区合作与各省区的科学生产能力联系起来。第二种思路是，为了研究科学合作中的分层结构及马太效应，我们对第一作者省区与非第一作者省区在科学合作中的地位加以区分。此外，还有两种方法论方面的考虑。一种考虑是，构建跨省区科学合作的期望值矩阵，以便与观察值矩阵进行比较，并进一步得到观察值与期望值的比例矩阵，从而消除省区科学研究规模(size)的差异对计量两省区间科学合作倾向的影响。另一种考虑是，在分析地域接近对跨省区合作的影响时，用定量的方法考察省区间距离与省区合作强度的相关性，并选择省区接壤作为地域接近的典型进行分析。
省区间的距离和接壤关系可以从地图上直接获得。接下来的关键问题是如何构建期望值矩阵。科学计量学家在研究科学合作问题时曾创造了不同的计算期望值的方法，例如文献11与文献12中提到的方法。但是，这些方法都是不考虑第一作者与非第一作者顺序时使用的方法，因而并不适用于我们的案例分析。我们必须创造新的方法。
考虑到在跨省区合作的论文中，第一作者的位置是唯一的，因而第一作者省区也是唯一的。而当合作人数多于2人时，非第一作者省区却可能不唯一，从而可以得到不止一种第一作者省区与非第一作者省区的合作关系，前边已经给出过这方面的例子。第一作者省区的唯一性是我们所给出的计算期望值公式的基础。
令x[,i]是观察值矩阵A中第i行各元素之和，y[,j]是第j列元素之和。
实际上，x[,i]就是科学生产能力排序第i位的省区作为第一作者省区，与其他30省区分别作为非第一作者省区的总的合作频度。y[,j]是科学生产能力排序第j位的省区作为非第一作者省区与其他30省区分别作为第一作者省区的总的合作频度。
记与观察值矩阵A对应的期望值矩阵为B，B的元素为X[,ij]，则
公式（Ⅰ）中，
表示的是，j省区作为非第一作者省区的合作频度占全国除i省区外非第一作者合作总频度的份额。之所以将i省区排除在外，是因为我们仅考察跨省区合作的期望值分布，故而，与观察值矩阵一样，期望值矩阵中对角线元素也是空的。在公式（Ⅰ）中起到x[,i]的分配系数作用。也就是说，将i省区作为第一作者省区的全部跨省区合作论文x[,i]，按照其余各省区占全国（i省区除外）非第一作者省区总合作频度的份额重新进行匹配。因此由公式（Ⅰ）得到的X[,ij]，是基于各省区在全国跨省区合作中作为第一作者省区的总体实力，和作为非第一作者省区的总体实力的重新匹配，是具有统计学意义的期望值。可以证明，期望值矩阵的总频度与观察值矩阵的总频度相等，也是9605。这表明我们计算期望值矩阵元素的公式（Ⅰ）是符合统计学原理的。
以期望值矩阵B为基础，用构建观察值矩阵A[*]的同样方法，可以构建期望值矩阵B[*]。在B[*]中，元素X[ij,*]和X[ji,*]关于对角线对称，省区间的合作没有第一作者省区与非第一作者省区之分。（因篇幅所限，矩阵B与B[*]略）
令r[ij,*]=x[ij,*]/X[ij,*]，构建与矩阵A[*]、B[*]相关的观察值与期望值的比例矩阵，记为R[*]。比例矩阵R[*]是我们对矩阵A[*]中的观察值与矩阵B[*]中相应的期望值一一比较的结果。当观察值大于期望值时，r[ij,*]>1；当期望值大于观察值时，r[ij,*]<1。r[ij,*]越大，表示i省区与j省区的合作倾向越强，或说合作越密切。（因篇幅所限，矩阵R[*]略）矩阵R[*]在本文中主要用于考察省区接壤与省区合作密切程度的关系。
三、分析与结果
1.跨省区合作的频度分布
在表1中，我们将31省区依照科学产出能力分为3组。第一组包括科学产出能力最高的10个省区（后文简称高产省区），第二组包括科学产出能力居中的10个省区（中产省区），第三组为科学产出排序后列的11个省区（低产省区）。从表1中可以得到各省区科学产出与科学合作频度分布的一些特征。
总的看来，无论是省区内论文，还是省区间合作的第一作者论文，都相对集中于10个高产省区。高产省区的省区内论文高达40644篇，占31省区全部省区内论文的71.66%；其省区间合作的第一作者论文为8248篇，占31省区全部省区间合作论文的68.59%；10个高产省区的全部论文数为48892篇，占31省区全部论文的71.12%。
有两点值得注意的地方。
第一点，随着省区科学生产能力从第一组到第三组的逐步降低，跨省区合作的第一作者论文占该省区全部论文的比例反而逐步提高，从第一组的平均16.9%上升到第三组的平均25.3%，表明低产省区参与省区间合作的比例远远高于高产省区的相应比例。这一现象似乎反常，其实并不奇怪。A.Schubert和T.Braun在分析167个国家论文总数与跨国合作论文数之比的时候，已描述过类似现象。[10]T.Luukkonen等人在研究97国的科学生产能力与跨国合作比例时也揭示了类似规律。[13]按照Schubert和Braun的解释，导致这一现象的原因很简单：科学生产能力强的大国很容易从本国找到合作伙伴，而小国只好到国外寻找合作者了。这种解释应该说也适用于对我国跨省区科学合作发生原因的分析。但是，其他一些因素的影响也决不能忽略，诸如由科技发展的区域差异和科技资源配置的不均衡性所形成的科技人力、资金、信息、设备等“引力中心”对科研力量的吸引作用，和对科学合作的导向作用等。
第二点，当省区间第一作者合作论文占省区全部论文的比例从第一组到第三组逐步攀升时，作为第一作者省区的合作频度与作为非第一作者省区的合作频度之比反而下降了，从1.05下降到0.88。这一现象很少有文献提及，但分明是马太效应在起作用。本文将对这一现象作较深入的剖析。
2.省区科学生产能力与跨省区科学合作的关系——跨省区合作中是否存在马太效应
马太效应是一种优势累积效应，即成功产生成功的效应。马太效应是科学共同体内部运行机制的组成部分。与马太效应相关的另一种效应是波敦克效应。波敦克效应常用来解释科学家们在机构分层体系中的劣势。这种效应表明，在声望较低的机构或处于边远地区的机构任职，往往得不到应有的承认。[14]我们将通过分析省区科学生产能力与跨省区科学合作的关系，来判别中国跨省区合作中是否存在马太效应和波敦克效应。
首先，我们定义一个新概念——合作类型。我们将由高产、中产、低产三个组交叉形成的合作关系的总和称作合作类型。例如，高产省区与中产省区合作称为高产－中产合作类型，低产省区与低产省区合作称为低产－低产合作类型。
从矩阵A[*]、B[*]可以计算出当不考虑作者排名顺序时每种合作类型的观察值、期望值及观察值与期望值的比值。某种合作类型的观察值（期望值）等于该类型中各个合作关系的观察值（期望值）之和。表3列出每种合作类型的观察值、期望值及观察值与期望值的比值。观察值与期望值的比值表示的是具有不同科学生产能力的省区之间科学合作的倾向。比值大于1表示合作倾向较强，比值小于1表示合作倾向较弱。从表3中可以清晰地看到，中产省区和低产省区都倾向于与高产省区合作，观察值与期望值之比分别为1.040、1.033；低产省区和中产省区之间及其各自内部合作倾向性差，观察值与期望值之比分别为0.800、0.882和0.832；高产省区之间的合作几乎没有任何倾向性，该比值为1.003。
表3 各种合作类型的观察值、期望值及比值
1-10 11-20
21-31
观察值
3875
3755 1080
1-10期望值
3862
3610 1045
比值1.003 1.040 1.033
观察值
525
325
11-20
期望值631 406
比值0.832 0.800
观察值
45
21-31
期望值
51
比值
0.882
表3从描述不同科学生产能力省区间的合作倾向的角度，揭示出高产省区在科学合作中的有利地位。表4则从不同科学生产能力省区的作者在科学合作中的排名顺序考察各类省区在合作中所处位置的相对优劣。这里，我们认定第一作者省区为相对主动和具有相对优势的一方。
表4借助对角线形成了12种合作类型，两两关于对角线对称，如高产－低产和低产－高产对称，中产－低产和低产－中产对称等。在对角线以上部分的各种类型的科学合作中，第一作者省区比非第一作者省区的科学生产能力强，如高产－中产、高产－低产、中产－低产等类型的合作。即使是两个高产（中产、低产）省区的合作，第一作者省区论文总数排序也居非第一作者省区之前。对角线以下部分的科学合作类型则正好相反，第一作者省区比非第一作者省区的科学生产能力弱。
表4是这样构造的。以表2为基础，比较表2中每一对x[,ij]和x[,ji]的大小。如果x[,ij]>x[,ji]，含x[,ij]的类型得一分，它意味着在由i省区和j省区合作的全部论文中，i省区的第一作者论文比j省区的多。反之，含x[,ji]的类型得一分。如果x[,ij]=x[,ji]，两种类型均不得分。表4中，除低产省区与低产省区合作的两种类型得分相同外，对角线以上其他5种类型的积分均大于对角线以下对应类型的积分。从总体上看，对角线以上6种类型的总计得分为201，对角线以下6种类型总计得分为150。二者的比值为4:3。这就是说，在跨省区科学合作中，相对高产的省区成为第一作者省区的机会要远远大于相对低产的省区。后者在跨省区科学合作中处于劣势地位。
表4 关于对角线对称的两种合作类型合作频度观察值的比较
以上分析告诉我们，我国省区间的科学合作中确实存在马太效应与波敦克效应：从科学合作的机会来看，低产省区和中产省区都倾向于寻找高产省区作为合作伙伴；从科学合作双方作者署名的顺序来看，科学生产能力较高的省区的科技工作者成为第一作者的几率远远大于科学生产能力较低的省区的科技工作者。
3.地理接近对跨省区科学合作的影响
用定量方法研究地理接近对科学合作影响的文献很少。J.S.Katz曾考察了加拿大、澳大利亚和英国大学合作频度与大学间距离的关系。他发现，一个国家内部大学间的合作频度随大学间空间距离的增大呈指数型降低。[15]
受Katz所用模型的启发，我们也尝试对地理接近与省区间科学合作的影响给出量化描述。Katz将两所大学之间的距离定义为两所大学所在城市之间的直线距离，我们则定义两省区省会之间的直线距离为两省区之间的距离。考虑到Katz模型选用大学间合作的绝对频次作为合作关系的度量存在一些缺陷，即无法排除不同省区科学产出规模对合作关系的影响，我们选择了一种新的指标——合作强度作为省区间合作关系的度量。
G.Salton曾给出了合作强度的计量公式[16]，这一公式在提出之后的近20年中已被学者多次采用。设n[,i]、n[,j]分别是i省区与j省区的论文总数，n[,ij]是i省区与j省区合作的论文数，则i省区与j省区的合作强度为s[,ij]=n[,ij]/(n[,i]n[,j])[1/2]。图1描绘出省区间合作强度与省区间距离的相关变化，但这种描绘不是对31省区两两之间的465个合作强度和465个距离相关性的直接展示，而是对计量样本分组进行计算，以使结果更简明。具体做法是，依大小对465个省区间距离排序，并以40个为一组进行分组（最后一组为25个），共得到12组。求出每组40(25)个距离数据的平均值，以此作为横坐标x。纵坐标y是与每组40(25)个省区间距离对应的40(25)对省区的合作强度的平均值。在双对数坐标系中点列(logx,logy)成线性排布，回归方程为logy=0.3353-0.8175logx，即y=2.1642[-0.8175,x]。统计检验值R[2]=0.9662。这表明，省区间的平均合作强度随省区间直线距离的增大而降低，呈负幂分布。
图1 省区间平均合作强度与省区间直线距离的相关性
此外，我们还选择了一种新的视角，着重考察了省区接壤对省区科学合作的影响。
在前述观察值矩阵A[*]中可以找出与每个省区合作频度最高的2个省区。将这些省区列入表5左栏。其中，带＋号的是选定省区的接壤省区。对接壤解释的1个特例是，将隔海相望的广东和海南视为接壤省区。
表5左栏仅列出30个省区的最紧密合作伙伴，北京被排除在外。因为，作为首都，北京是科学与文化中心，也是全国大学和研究机构最集中的地方。北京科学成果的数量与其他省区科学成果的数量不属于同一数量级。例如，1999年北京被CSCD收录的论文占当年全国CSCD论文的21.1%，是排序第2位的上海的2.14倍。从科学合作的观察值来看，北京分别是全国27个省区的最紧密的科学合作伙伴。如果将北京包含在该项考察的范围中，我们将无法剥离出地域接近对跨区合作的影响。
表5左栏显示，在30个省区的60个最密切的合作伙伴中，接壤省区为35个，占58.3%。特别是，当仅考虑每一省区的第一合作伙伴时，30个省区的30个第一合作伙伴中有24个为接壤省区，比例高达80%。
基于观察值与期望值的比例矩阵R[*]，可作类似考察。我们认定，观察值与期望值的比值r[ij,*]越大，两省区的合作关系越紧密。从R[*]中选出每一省区合作关系最紧密的两个伙伴，共计62个省区，列入表5右栏。依然将接壤省区标注+号。此处，北京也被考虑在内。因为在比例矩阵R[*]中，北京不再显示优势地位。62个省区中有43个省区为接壤省区，占69.4%。如果仅考虑每一省区的第一合作伙伴，31个省区的31个第一合作伙伴中有25个为接壤省区，比例高达80.6%。
表5 省区接壤与省区合作密切程度的关系
在观察值矩阵A[*]中 在观察值／期望值矩阵R[*]中
序号 省区 合作频度 合作频度
比值r[ij,*] 比值r[ij,*]居
最高的省区 次高的省区
最大的省区第二位的省区
1
北京
－ － 青海河北[+]
2
上海
江苏[+]
浙江[+]
浙江[+]
江苏[+]
3
江苏
上海[+]
安徽[+]
安徽[+]
西藏
4
广东
湖北
上海 海南[+]
广西[+]
5
湖北
广东
江苏 河南[+]
湖南[+]
6
陕西
上海
广东 宁夏[+]
青海
7
山东
上海[+] 江苏[+]天津 上海
8
四川
重庆[+] 陕西[+]重庆[+]
西藏[+]
9
辽宁
吉林[+] 上海 吉林[+]
黑龙江
10 浙江
上海[+]
江苏[+]
上海[+]
福建[+]
11 吉林
辽宁[+]
黑龙江[+]
黑龙江[+]
辽宁[+]
12 湖南
广东[+]
湖北[+]
广西[+]
江西[+]
13 天津
山东河北[+]
河北[+]
山东
14 安徽
江苏[+]
上海 江苏[+]
上海
15 黑龙江 吉林[+]
辽宁 吉林[+]
内蒙古[+]
16 福建
江苏
上海
海南江西[+]
17 重庆
四川[+]
广东 四川[+]
西藏
18 甘肃
陕西[+]
广东 青海[+]
新疆[+]
19 河北
天津[+]
黑龙江天津[+]
黑龙江
20 河南
湖北[+]
陕西[+]湖北[+]
陕西[+]
21 山西
陕西[+]
上海
宁夏陕西[+]
22 云南
四川[+]
广东
四川[+]
西藏[+]
23 广西
广东[+]
湖南[+]广东[+]
湖南[+]
24 内蒙古 吉林[+]
黑龙江[+]
宁夏[+]
吉林[+]
25 江西
上海江苏 福建[+]宁夏
26 新疆
甘肃[+]
陕西 甘肃[+]
陕西
27 贵州
四川[+]
江苏 海南 四川[+]
28 青海
甘肃[+]
陕西 甘肃[+]
陕西
29 海南
广东[+]
江苏 贵州 福建
30 宁夏
陕西[+]
江苏 内蒙古[+]
陕西[+]
31 西藏
四川[+]
江苏 四川[+]
重庆
四、结论与讨论
我国省区间科学合作模式的科学计量学研究是一个新的研究课题。用科学计量学的方法诠释科学社会学的问题，可以得到一些更有说服力的结论。
第一，我国跨省区科学合作的频度随省区科学生产能力而变化。科学生产能力低的省区，跨省区科学合作的比例反而高，显示出较强的寻求省外合作者的倾向。
第二，马太效应和波敦克效应在我国跨省区科学合作中是存在的。无论是中产省区，还是低产省区都倾向于与高产省区合作。在省区合作中，相对高产的省区有较多机会成为第一作者省区，相对低产省区往往处于劣势地位，表现出科学合作中相对高产省区与相对低产省区地位的不对称性。
第三，地域接近是省区间合作的最重要的因素，省区间的合作强度随省区间直线距离的增大而降低，呈负幂分布。接壤省区成为最密切合作伙伴的几率高达80%以上。
为什么我国存在这样的跨省区科学合作模式？这种合作模式与其他国家内部跨地区科学合作模式有什么异同？究竟是什么因素影响着我国省区间科学合作的结构？一般认为，科学系统内在的运行机制是影响科学合作的主要因素，经济、社会、文化等则是外部条件。当然，也不能忽略心理因素对科学家行为模式的影响。因此，上述问题既是一些复杂的科学社会学问题，也是复杂的心理学问题。但要选择恰当的科学指标，建构合理的数学模型，特别是采集到有说服力的数据来描述和解释上述各种因素的作用，并进行国与国之间的比较，则是更加困难的科学计量学选题。我们期望今后能在这方面有所作为。
〔收稿日期〕2001年5月11日