EN中文

SCIENTIA GEOGRAPHICA SINICA >

2016 , Vol. 36 >Issue 9: 1338 - 1348

DOI: https://doi.org/10.13249/j.cnki.sgs.2016.09.007

Orginal Article

Relationship Between Innovation Resources and Industry Development

  • Jiao Jingjuan , 1 ,
  • Wang Jiaoe , 2 ,
  • Liu Zhigao 2
Expand
  • 1. School of Economics and Management,Beijing Jiaotong University,Beijing 100044,China
  • 2. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China

Received date: 2016-04-28

  Request revised date: 2016-06-29

  Online published: 2016-09-20

Supported by

National Natural Science Foundation of China (71541020)

Copyright

本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
Fold

Abstract

Influenced by the development of knowledge economy and scientific technology, innovation-driven development is becoming an important strategy of economic development. The spatial patterns of innovation resources and its’ relation with economic development largely influence the economic development. Therefore, it is significant to explore the relationship between innovation resources and industry development. This article examines the relationship between innovation resources and industry development from both the spatial and industrial perspectives, using the methods of exploratory spatial data analysis and quadrant map approach. The results indicate that: both the innovation resources and industry development are under the state of agglomeration in space, while the degree of spatial agglomeration of different industrial sectors are quite different. The industrial sectors of automobile industry, general equipment manufacturing industry, special equipment manufacturing industry and medicine industry have relatively higher degree of spatial agglomeration than the others. Spatially, the counties and districts of Dalian, Shenyang, Changchun and Harbin belong to the over-innovation or under-innovation, especially the industrial sectors of automobile industry and general equipment manufacturing industry, while the spatial patterns of the relationship between innovation resources and industry development share the different characters.

Key words： innovation source; industry development; agglomeration; coordination; Northeast China

Cite this article

Jiao Jingjuan , Wang Jiaoe , Liu Zhigao . Relationship Between Innovation Resources and Industry Development[J]. SCIENTIA GEOGRAPHICA SINICA, 2016 , 36(9) : 1338 -1348 . DOI: 10.13249/j.cnki.sgs.2016.09.007

随着经济全球化和信息技术的发展,经济发展逐渐由依靠传统的资本、劳动力投入等基础生产要素转向倚重于科技创新和人力资本等新型生产要素投入转变[1]。一个国家和地区的创新能力逐渐成为影响经济发展的重要因素[2]。欧洲联盟在“欧洲2020”战略中强调了创新的重要性,并于2011年公布了以科学技术创新为主的“2020年战略创新计划”（“地平线2020”科学研究规划提案）,认为扶持中小企业是创新政策核心[3]。美国自2009年先后出台了《美国创新战略（New strategy for American Innovation）》、《知识产权执法联合战略计划》、《21世纪国家知识产权战略》、《制造行业和就业机会转移回国战略法案》、《知识产权与美国经济：聚集产业》等,这些战略均将创新作为促进经济发展的重要因素,并明确不同行业在创新中的重要地位。中国也在党的十八大中首次提出实施创新驱动发展战略,并先后出台了《中共中央国务院关于深化体制机制改革加快实施创新驱动发展战略的若干意见》、《中国制造2025》、《关于发展众创空间推进大众创新创业的指导意见》和《关于新形势下加快知识产权强国建设的若干建议》等文件,并在《中共中央制定国民经济和社会发展第十三个五年规划的建议》中明确提出促进科技与经济深度融合,而科技的发展最直接的表现为科技产出（知识产权资源）的增加。
随着创新理论的发展和创新驱动战略的提出,越来越多的学者开始关注创新资源与经济、产业的关系研究,主要包括以下3个方面：① 创新资源综合实力评价。主要是基于产出和投入两方面的评价指标,构建综合评价模型,分析区域创新资源的整体发展水平[2,4~6];② 创新资源的空间分布特征。这些研究侧重于采用空间自相关、空间面板模型和变异系数等,从全球、全国、省域、城市或城市内部等不同尺度,探讨创新资源[7~11]和创新联系[12,13]的空间分布特征;③ 创新资源和经济发展相互作用关系。国外的研究主要侧重于创新资源保护与经济发展之间关系的研究,并认为加强创新资源的保护将会促进经济发展[14],整体上,经济发展和创新资源保护呈现U型关系[15,16];国内的研究则更侧重于在创新资源综合实力和经济发展水平评价的基础上,采用相关评价模型,探讨两者在全国省域尺度的配置关系[1,5,17]。整体上已有研究更多地侧重于对创新资源宏观尺度空间分布特征及与经济发展的协调性分析,而鲜少有从分行业和县域尺度探讨创新资源空间分布特征及其与产业发展协调性。
近几年,东北地区经济发展出现了一系列问题和困难,如GDP增速大幅度的回落、工业经济和财政收入增速下滑、居民收入增速放缓、固定资产投资严重萎缩以及对外贸易进一步下降等“新东北”现象[18],东北经济发展需全面振兴。东北地区的全面振兴仍受到传统产业结构刚性和计划经济体制的制约,如何实现东北地区经济发展模式由“生产要素驱动”向“创新驱动”转变成为政府和学者关注的焦点问题。国务院在对东北振兴的指导意见中将创新作为培育东北老工业基地内生发展动力的主要生成点[19],东北地区各省政府也均将创新作为促进经济发展的重要抓手。整体上,东北地区处于老工业基地转型的重要时期,需要进一步明确创新资源在空间上的分布特征及创新资源的行业抉择问题,以充分发挥创新在产业发展中的重要作用。为此,本文将从空间和行业2个视角,以县域尺度为基本单元,分析和评价创新资源和产业发展的协同关系,以期为东北地区经济发展和产业转型提供政策建议。

1 研究方法与数据来源

1.1 研究对象与数据来源

以东北三省及内蒙古东部的呼伦贝尔、兴安盟、通辽、赤峰和锡林郭勒盟等县级行政区为基本研究单元。其中,虽然扎赉诺尔区于2013年4月被国务院批复成立县级行政区,但其在空间上仍为满洲里市,本研究仍将其作为满洲里市的一部分进行研究,因此,本文共涉及343个研究单元。目前,国外学者主要采用专利、商标、版权、技术资源（装备和机械）和财力资源（用于创新活动）等指标衡量创新资源发展水平[20~23]。国内学者则主要从创新财力资源、创新人才资源和创新知识资源等方面构建创新资源的评价体系,对国家或省域尺度创新资源的分布特征进行评价[2,7~8]。根据数据可获取行和研究目标,选择代表创新水平的发明专利授权量衡量县域尺度创新资源发展水平。通过网络数据抓取技术,在C#语言环境下,从国家知识产权局网站（http://www.sipo.gov.cn/zljsfl/）提取了2013年的发明授权专利（以下简称发明专利）,并通过人工校验以确保数据的完备性和可靠性,一共获得了8 171个发明专利。在此基础上,根据地址信息通过分类汇总形成县域尺度的发明授权专利数据库,并根据近期国家知识产权局公布的《国际专利分类与国民经济行业分类标准（试用版）》(资料来源：国家知识产权局。),将东北地区的发明专利与国民经济行业分类（2位数）进行匹配,最终确定了4 105个专利的行业类别,并将此作为本研究的基础数据库。产业数据是从国家统计局获得的规模以上工业企业数据,并按照县级行政单元汇总获取。

1.2 研究方法

1.2.1 空间自相关分析
空间自相关是指地理事物分布于不同空间位置的某一属性值之间的统计相关性,通常距离越近相关性越大[24],常见的评价指标包括Moran’s I、Local Moran’s I和Geary’s C。其中,Moran’s I和Local Moran’s I常用来分析和评价某一要素在空间上整体或局部的集聚状态,但不能反映两个要素之间的相互作用关系。为此,引入双变量空间自相关分析和评价创新资源和产业发展之间的集聚特征。Moran’s I、Local Moran’s I和双变量Moran’s I（ I lm p ）计算公式如下：
Moran’sI = ∑ i=1 n ∑ j=1 n W ij ( X i - X ̅ ) ( X j - X ̅ ) S 2 ∑ i=1 n ∑ j=1 n 1 n W ij （1）
LocalMoran’sI = ∑ i=1 n ∑ j=1 n W ij ( X i - X ̅ ) ( X j - X ̅ ) 1 n ∑ i=1 n ( X i - X ̅ ) 2 （2）
I lm p = z l p × ∑ q=1 n 1 n ( W pq × z m q )
z l p = X l p - X ̅ l σ l ; z m q = X m q - X ̅ l σ m （3）
式中, X ̅ 和S分别表示相关指标的均值和标准差,Xi和Xj分别表示城市i和j上相关指标的值,Wij和 W pq 为空间权重; X l p 是空间单元p的属性l的值; X m q 是空间单元q的属性m的值; X ̅ l 和 X ̅ m 分别是属性l和m的平均值; σ l 和 σ m 分别是属性l和m的平方差,n表示城市的个数。
1.2.2 象限图法
对于创新资源和产业发展关系的判别和识别,目前学术界主要采用灰色关联度和相关性分析等方法,这些方法较适用于长时间序列数据的分析,而对单一年份的截面数据分析很难揭示其内在规律。本文将借鉴陈明星等学者评价城市化和经济发展关系改进的象限图方法[25],探讨创新资源和产业发展之间的关系,以识别其空间分布特征。步骤如下：① 对分别衡量创新资源和产业发展水平的发明专利授权量和工业总产值进行标准化;② 利用标准化后的新变量绘制各城市创新资源（Innovation Resources, IR）和产业发展水平（Industry Development Level, IDL）的散点样式的象限图;③ 类型区识别。根据各城市在象限图中地位置关系,判断其类型。根据陈明星等学者的划分标准,选择0.1、0.5和1作为分界点,对创新资源和产业发展的协同关系进行划分为：创新资源严重滞后[（IR-IDL）≤-1]、创新资源中度滞后[-1<（IR-IDL）≤-0.5]、创新资源轻微滞后[-0.5<（IR-IDL）≤-0.1]、基本协调（-0.1<（IR-IDL）≤ 0.1）、创新资源轻微超前[0.1<（IR-IDL）≤0.5]、创新资源中度超前[0.5<（IR-IDL）≤1]和创新资源严重超前[1<（IR-IDL）]7个类型区。

2 空间和行业分布特征

2.1 创新资源

空间上,东北地区创新资源主要集中在沈阳、大连、长春和哈尔滨四大城市,并在其周边形成热点区（图1）。从地级行政单元(本文所指地级行政单元中包括哈尔滨、长春、沈阳、大连4个副省级城市。)分析,哈尔滨拥有最多的发明专利（944个）,占总量的23.0%;其次为沈阳、大连和长春,其发明专利也均在600个以上;四大城市发明专利占东北地区总量的74.9%。而七台河、伊春、大兴安岭、松原等位于东北地区边缘的城市发明专利相对较少。从县区行政单元分析,发明专利在四大城市内部也存在较大差异,主要集中在哈尔滨南岗区、长春朝阳区、大连甘井子区和沈阳沈河区等,其发明专利均在200个以上,其次为大连西岗区、沈阳东陵区和和平区等,这些地区多为高校、科研院所和高新技术企业集聚区。除四大城市外,大庆让胡路区和鞍山铁西区拥有较多的发明专利,这两个地区布局有大庆油田和鞍钢。整体上,发明专利主要集中在高校、科研院所、高新技术企业或大型央企、国企集聚的地区。从热点图分析,发明专利在大连和哈尔滨市辖区及其周边形成了高-高热点集聚区,其次为长春和沈阳市辖区及其周边等,而在黑龙江东部地区形成了低-低集聚。整体上,四大城市及其周边地区成为东北创新资源的主要集聚区,以哈尔滨最为明显。
Fig.1 Spatial distribution ofinnovation resources in Northeast China

图1 东北地区发明专利空间分布及集聚特征

从行业分析,东北地区发明专利主要集中在通用设备制造业、化学原料和化学制品制造业、医药制造业和专用设备制造业等4个行业,占东北地区发明专利的55%左右（图2）。而造纸和纸制品业,水的生产和供应业、废弃资源综合利用业、家具制造业等发明专利规模相对较小。从省区分析,辽宁省和黑龙江省发明专利的行业分布也表现出与东北地区类似的特征,而吉林省则以医药制造业、化学原料和化学制品制造业的发明专利最多。从各县区发明专利的Moran’s I分析,东北地区多数行业发明专利在空间上表现出一定的集聚性,但其集聚程度存在较大差异。其中,通用设备制造业、有色金属冶炼和压延加工业、金属制造业、化学原料和化学制品制造业和医药制造业等行业的发明专利具有较高的Moran’s I值,其空间集聚性更为显著,且其集聚程度高于所有行业的集聚性,且主要集中在四大城市。四大城市对应这五大行业的发明专利量占东北地区的比重分别为85.23%、65.12%、78.29%、82.08%和70.48%。而水的生产和供应业,烟草制品业,皮革、毛皮、羽毛及其制品和制鞋业等行业的发明专利表现出一定的空间分散特征,其Moran’s I均低于0。总体上,东北地区发明专利在行业上存在较大的集中性,且各行业的创新资源在空间上也表现出一定的集聚特征,并主要集中在四大城市。

2.2 产业发展

东北地区工业产值较高的地区主要集中在哈大交通走廊沿线核心城市及其周边地区,尤其是沈阳、大连和长春（图3）。从地级行政单元分析,沈阳具有最大的工业规模,其产值占东北地区的15.45%,其次为大连和长春,其占东北地区的比重也均高于10%,第四位为大庆,前4位城市工业总产值比重约为42.6%,低于发明专利前四位城市比重;与发明专利不同,哈尔滨的工业总产值位居东北第五,甚至略低于同省份的大庆。而黑龙江省的大兴安岭地区、黑河、伊春、七台河、佳木斯、鸡西以及吉林白城工业总产值较低,其占东北地区的比重均低于0.8%。从县区尺度分析,长春绿园区、大连金州区、大庆让胡路区以及沈阳铁西区等具有最高的工业总产值,且占东北的比重均高于3%,同时,这些地区也是在东北地区经济发展中仍发挥重要作用的央企和国有企业主要的集聚区。其中,长春绿园区是东北地区汽车行业的主要集聚区,其汽车行业对长春市GDP的贡献率在50%以上。整体上,工业总产值在沈阳、大连和长春周边形成主要集聚区,而哈尔滨周边的集聚特征不明显。此外,黑龙江北部地区呈现出低-低集聚特征。这与创新资源的空间分布特征有所不同。
东北地区工业总产值的行业分布特征与发明专利存在较大差异,且其工业总产值的集聚性要高于发明专利的集聚特征（图4）。具体分析,东北地区各县区工业总产值的Moran’s I为0.31,高于发明专利的对应值（0.26）。东北地区工业总产值最高的行业为农副食品加工业,其占东北地区的比重均在12.8%,其次为汽车制造业,黑色金属冶炼和压延加工业,非金属矿物制品业,石油加工、炼焦和核燃料加工业等,这四大行业的工业总产值比重为30.48%,而其对应的发明专利的比重仅为6.7%。而化学纤维制造业、废弃资源综合利用业、水的生产和供应业和金属制品、机械和设备修理业的工业总产值相对较低,占东北地区的比重不足0.5%。从分行业工业总产值Moran’s I分析,东北地区黑色金属矿采选业、橡胶和塑料制品业等行业具有较高的空间集聚性,其Moran’s I 值高于东北地区工业总产值,而化学纤维制造业、燃气生产和供应业、废弃资源综合利用业的空间集聚性相对较低。此外,烟草制品业、石油和天然气开采业等行业Moran’s I值为负,表明这些行业在空间上呈分散分布特征。与分行业发明专利集聚性对比分析发现,医药制造业,金属制品、机械和设备修理业,化学原料和化学制品制造业和通用设备制造业等行业创新资源的集聚性高于产业的集聚性,而非金属矿采选业,纺织服装、服饰业,橡胶和塑料制品业,木材加工和木、竹、藤、棕、草制品业,计算机、通信和其他电子设备制造业等行业创新资源集聚性低于产业的集聚性。
Fig.2 Rank-size distribution of Moran’s I of innovation resourcesby industrial sectors in Northeast China

图2 东北地区各产业发明专利位序-规模图及Moran’s I值

Fig.3 Spatial distribution of industry development in Northeast China

图3 东北地区各县市区工业空间分布及集聚特征

Fig.4 Rank-size distribution of the Moran’s I of all industrial sectors in Northeast China

图4 东北地区分行业工业总产值位序-规模图及Moran’s I值

3 空间和行业协同特征

3.1 空间协同性

根据改进的象限图法,通过对比分析创新资源和产业发展之间的关系,可以将东北地区各县区划分为7种类型区（表1和图5）：
1） 基本协调区。该类型区包括49个县区,占总量的14.29%,其发明专利和工业总产值仅分别占东北地区的3.56%和9.07%。空间上,该类区域主要位于辽宁省的丹东、阜新和朝阳,吉林省的白城和延边州以及位于哈大经济走廊核心城市中间的地区等,这些地区发明专利和产业发展水平均相对较落后,其发明专利和工业总产值的均值仅分别为东北地区均值的24.9%和63.5%,即虽然该类地区属于创新资源和工业发展的基本协调区,但两者的发展水平均相对较低。
Table 1 Classification of relationship between innovation resources and industry development in Northeast China

表 1 东北地区创新-产业类型区

类型区 区县 发明专利 工业总产值
数量(个) 比重(%) 总量（件） 比重（%） 总量（亿元） 比重（%）
基本协调区[-0.1<（IR-IDL）≤0.1] 49 14.29 146 3.56 8274 9.07
创新资源轻微滞后区[-0.5<（IR-IDL）≤-0.1] 60 17.49 389 9.48 20607 22.58
创新资源中度滞后区[-1<（IR-IDL）≤-0.5] 14 4.08 45 1.10 7626 8.36
创新资源严重滞后区[(IR-IDL)≤-1] 25 7.29 477 11.62 37816 41.44
创新资源轻微超前区[0.1<（IR-IDL）≤0.5] 178 51.90 456 11.11 9111 9.98
创新资源中度超前区[0.5<（IR-IDL）≤1] 6 1.75 325 7.92 1866 2.05
创新资源严重超前区[1<（IR-IDL）] 11 3.21 2267 55.23 5947 6.52
Fig.5 Spatial patterns of the relationship between innovation resources and industry development in Northeast China

图5 东北地区创新资源和产业发展的空间耦合性

2） 创新资源轻微滞后区。该类型区包括60个县区,占总量的17.49%,其发明专利占东北地区的比重为9.48%,低于县区数量的比重;而工业总产值的比重（22.58%）明显高于县区数量和发明专利的比重。与东北地区平均水平相比,该地区创新资源的发展水平略滞后于产业发展水平。空间上,该类县区主要位于哈大交通走廊沿线县区外围地区,尤其是吉林、抚顺和阜新,其创新资源轻微滞后于产业发展水平。
3） 创新资源中度滞后区。该类型区仅包括14个县区,占总量的4.08%。这些县区主要位于辽宁省的铁岭、辽源和抚顺等,且其发明专利仅占东北地区总量的1.1%,远低于工业总产值的比重（8.36%）,且该类型区发明专利和工业总产值的均值分别为东北地区平均水平的26.86%和2.05倍,即创新资源发展水平中度滞后于产业发展水平。
4） 创新资源严重滞后区。该类型区包括25个县区,占总量的7.29%,主要位于沈阳、大连、长春和大庆市辖区范围内等县区,该类型区发明专利和工业总产值占东北地区的比重分别为11.62%和41.44%。其中,这类地区的创新资源虽然高于东北平均水平,但仍远落后于其对应的产业发展水平。
5） 创新资源轻微超前区。东北地区一半以上县区属于该类型（178个,51.9%）。该类型区的创新资源和产业发展水平均较低,其发明专利和工业总产值仅占东北地区的11.11%和9.98%。与东北地区平均水平相比,创新资源发展水平略高于产业发展水平。空间上,这些县区主要位于黑龙江省北部、吉林省东北部和辽宁省西南部等地区。
6） 创新资源中度超前区。该类型区仅包含沈阳和平区和皇姑区、哈尔滨道里区、抚顺新抚区、大庆萨尔图区和齐齐哈尔龙沙区等6个县区,其发明专利占东北地区的7.92%,而工业总产值仅占2.05%。与东北地区平均水平相比,该类型区均具有相对较高的发明专利和工业总产值,但其创新资源发展水平中度超前于产业发展水平。
7） 创新资源严重超前区。该类地区仅包含哈尔滨南岗区、香坊区和松北区,大连市西岗区、沙河口区和甘井子区,沈阳沈河区和浑南区,鞍山铁东区和长春朝阳区等11个县区,占东北地区的3.21%。该类型区的发明专利占东北地区的55.23%,而工业总产值仅占6.52%,属于具有相对较高的创新资源和产业发展水平,但其产业发展水平严重滞后于创新资源的发展水平。
整体上,东北地区创新资源和产业发展水平较高的地区,两者之间的关系存在明显的偏离,如大连、沈阳、长春和哈尔滨等四大城市市辖区及其周边地区;而创新资源和产业发展之间协调性相对较好的地区,两者的发展均相对较落后,如黑龙江省东部、吉林和辽宁省边缘的县区。导致该现象的原因可能表现以下2个方面：一是东北地区发明专利主要是由科研院所和高校贡献,而这些单位主要是以科研为主,而非追求经济效益,导致科研院所和高校集聚的地区产业发展水平相对较低,如哈尔滨南岗区布局有哈尔滨工业大学和哈尔滨工程大学等多所大学,而这两所大学贡献了哈尔滨市近50%的发明专利,而这两所大学发明专利转化率均低于7%,且多数不在当地转化;二是东北地区产业发展水平较高的地区仍为大型央企和国企集聚的地区,受央企和国企集聚效应影响,周边集聚了大规模中小企业,为央企和国企提供配套,而这些企业创新意识不高,导致该地区具有相对较高的产业发展水平,但创新产出不足。

3.2 行业协同性

通过对比分析各区县发明专利和工业总产值的双变量Moran’s I值发现（图6）,东北地区创新资源和产业发展在空间上表现出一定的协同性,其双变量Moran’s I 值为0.211。分行业分析,东北地区非金属制造业集聚性较高,双变量Moran’s I值为0.223,其次为汽车制造业,通用设备制造业,石油加工、炼焦和核燃料加工业,电气机械和器材制造业等。除通用设备制造业外,其他行业的发明专利量均相对较少,但其与产业发展均具有较高的协同性。然而,非金属矿采选业,煤炭开采和洗选业,木材加工和木、竹、藤、棕、草制品业,烟草制品业,皮革、毛皮、羽毛及其制品和制鞋业等行业创新资源和产业发展双变量Moran’s I值为负,表明这些行业的创新资源和产业发展水平在空间上不协调,其行业产值规模和发明专利数量均相对较低,且创新资源发展水平略低于产业发展水平,两者总量分别占东北地区的7.57%和3.14%,针对该类行业东北地区应增加其科研投入,提高其创新资源产出及转化,促使其与产业发展水平相匹配。
虽然东北地区部分行业创新资源和产业发展存一定空间协同性,但其空间分布特征仍存在较大差异。为进一步探讨不同行业创新资源和产业耦合关系空间分布特征,根据东北地区产业发展的特点,选择汽车制造业、医药制造业、通用设备制造业和专用设备制造业等进行重点分析,以识别重点行业创新资源和产业发展空间耦合特征。具体评价结果如图7。
1） 汽车制造业。汽车制造业产值规模在东北地区41个工业行业（2位数）中位居第二,但其发明专利位居第20位,严重滞后于产业发展水平。
Fig.6 Multiple Moran’s I of innovation resources and industry development by industrial sectors in Northeast China

图6 东北地区分行业创新资源和工业总产值双变量Moran’s I值

Fig.7 Spatial patterns of the relationship between innovation resources and industry development of selected industrial sectors

图7 东北重点行业创新资源和产业发展的空间耦合关系

但在东北地区41个工业行业中,汽车制造业的产值规模和创新资源在空间上具有较高的耦合性,其双变量Moran’s I值为0.21。空间上,汽车制造业产值最高的县区为长春绿园区,其次为长春朝阳区、南关区、二道区以及沈阳大东区、大连金州区;而发明专利最多的县区为长春朝阳区,其次为哈尔滨南岗区、大连西岗区和长春绿园区等。根据象限图分析,83.1%的东北县区创新资源和产业发展处于基本协调阶段,而这些县区也是汽车制造业发展相对较为落后的地区,其产值规模仅占东北地区的6%,且没有发明专利授权;其他16%的县区拥有东北地区汽车制造业94%的产值规模和所有的发明专利。汽车制造业创新资源和产业发展严重偏离的县区主要位于长春、大连和沈阳市辖区及其周边地区。具体分析,大连西岗区、沙河口区和甘井子区,沈阳和平区和沈北新区,哈尔滨南岗区,盘锦兴隆台区,齐齐哈尔龙沙区,长春农安县和朝阳区,伊春乌马河区和营口老边区等创新资源发展水平明显高于产业发展水平,而大连金州区、沈阳大东区和长春绿园区创新资源发展水平明显滞后于产业发展水平。
2） 医药制造业。医药制造业作为东北地区近几年发展起来的优势行业,其产值规模和发明专利在41个二位数行业中分别位居第12和第3位,但其空间协同性相对较弱,双变量Moran’s I值仅为0.047,位居第20位。空间上,东北地区医药制造业规模较高的县区主要包括通化东昌区和梅河口市、本溪溪湖区、大连金州区和哈尔滨道里区等,而发明专利主要集中在沈阳沈河区、长春南关区和朝阳区以及哈尔滨南岗区、香坊区等。根据象限图分析,52.1%的县区创新资源和产业发展处于基本协调阶段,这些地区主要分布在黑龙江省北部和西部、吉林省西北部和辽宁省南部等。创新资源严重滞后区主要包含白山抚松县、本溪溪湖区、大连金州区、哈尔滨道里区、沈阳铁西区和新民市以及通化东昌区和梅河口市等;而创新资源发展严重超前的地区主要包括沈阳和平区、沈河区、皇姑区、浑南区和于洪区,长春朝阳区、南关区和绿园区,大连西岗区和沙河口区以及哈尔滨松北区,这些地区均具有较高的发明专利及产值规模,但与东北地区平均水平相比,创新资源发展水平高于产业发展水平。
3） 通用设备制造业。通用设备制造业是东北地区发明专利拥有量最大的行业,而其产值规模在41个行业中位居第7位,两者在空间上的耦合性仅次于非金属矿物制品业、汽车制造业,位居第3,其双变量Moran’s I值为0.2,表现出一定的空间耦合性。空间上,通用设备制造业产值较高的县区主要分布在大连瓦房店市、金州区、庄河市以及沈阳铁西区、于洪区和新民市;而发明专利主要集中在大连甘井子区、西岗区、金州区以及沈阳沈河区、哈尔滨南岗区。根据象限图分析,70.6%的县区通用设备制造业创新资源和产业发展处于基本协调阶段,而这些县区发明专利和工业产值分别仅占东北地区的3.9%和6.9%,主要分布在黑龙江省北部、吉林和辽宁省边缘地区。通用设备制造业创新资源和产业发展偏离地区空间分布较为集中。其中,创新资源严重超前的县区主要包括大连西岗区和甘井子区,沈阳和平区、沈河区、皇姑区、浑南区和朝阳区,长春南关区和绿园区,哈尔滨南岗区、香坊区和松北区等;而创新资源严重滞后的县区包括大连和沈阳市其他地区以及阜新细河区、铁岭开原市和昌图县等。
4） 专用设备制造业。专用设备制造业作为东北地区较有特色的行业,其产值规模和发明专利在41个二位数行业中分别位居第9和第4位,而其空间协同性位居第8位,低于汽车制造业和通用设备制造业的空间协同性,其Moran’s I值仅为0.116。空间上,东北地区专用设备制造业主要分布在大连金州区、沈阳铁西区、盘锦兴隆台区、抚顺望花区等,而其发明专利主要分布在哈尔滨南岗区、大连西岗区、沈阳沈河区和长春朝阳区等,这与工业总产值的空间分布存在较大差异。根据象限图分析,83.67%的县区专用设备制造业创新资源和产业发展的空间协同性处于基本协调和轻微偏离阶段,主要分布在黑龙江省的大部分地区以及辽宁、吉林省边缘地区。创新资源和产业发展空间耦合明显偏离的县区分布相对较集中。创新资源严重超前的12个县区主要位于哈尔滨、沈阳、长春、大庆、大连和鞍山等市辖区内;创新资源严重滞后的县区主要为沈阳和大连市其他县区以及鞍山、朝阳、辽源、抚顺、齐齐哈尔、四平和铁岭等城市市辖区。

4 结论与讨论

1） 东北地区创新资源和产业发展水平在空间上均表现出明显的集聚特征,但产业发展水平的集聚程度略高于创新资源的集聚程度,且其空间分布特征略有差异。创新资源主要在沈阳、大连、长春和哈尔滨等四大城市形成热点区,而产业发展在哈尔滨周边的集聚特征不明显,仅表现出在沈阳和大连周边的高-高集聚特征;创新资源和产业发展均表现出在黑龙江北部低低集聚特征。其次,东北地区各行业创新资源和产业发展的空间集聚特征也表现出明显的差异。空间上,通用设备制造业、有色金属冶炼和压延加工业、金属制造业、化学原料和化学制品制造业、医药制造业等行业创新资源集聚性高于东北地区各县区创新资源,且其也表现出在四大城市市辖区集聚的特征;而黑色金属矿采选业、橡胶和塑料制品业等行业产值规模集聚特征较明显。
2） 东北地区创新资源和产业发展的协同性在空间和行业上均存在较大差异。空间上,沈阳、大连、哈尔滨和长春等城市市辖区及其周边地区创新资源和产业发展多属于严重偏离区,但其偏离方向略有差异,即创新资源严重滞后区和严重超前区在空间上邻近;位于黑龙江省北部、吉林省和辽宁省边缘地区的工业发展水平相对滞后的县区多属于基本协调类型区,该类型区创新资源和产业应保持同步发展。行业上,非金属矿物制品业创新资源和产业发展在空间上具有最高的协同性,高于东北地区工业总产值的协同性,而煤炭开采和洗选业、非金属矿采选业等行业双变量Moran’s I 值为负,即不存在空间协同性。从重点行业空间分布特征分析,汽车制造业和通用设备制造业创新资源和产业发展严重偏离区均集中在四大城市市辖区及其周边,而医药制造业在白山抚松县和本溪溪湖区表现出明显的偏离,专用设备制造业在大庆和鞍山市辖区内表现出明显偏离。针对目前东北地区创新资源和产业发展空间和行业布局特征不均衡的现象,综合考虑其空间协同性,在提升其整体创新能力和产业发展水平的同时,应提高创新资源严重滞后区创新能力,增强创新资源严重超前区创新资源转化,提高其经济效益,同时加强创新资源要素的流动,促进创新资源跨区域转化;加强科研院所、高校和企业之间的合作,实现产学研一体化发展。
本研究主要侧重于对创新资源和产业发展集聚性和协同性的评价,虽然研究结果主要是依托创新资源和产业发展的相对发展水平进行评价,而未考虑其绝对量之间的相关性,但一定程度上仍可用于解释创新资源和产业发展的布局相对效率。虽然发明专利授权量仅反映了地区创新资源的一个方面,但对其与对应行业工业总产值协同性的分析仍具有一定的实践价值。随着创新理论和创新驱动战略的发展,创新资源的内容也在不断的丰富。在后续研究中,将不断的丰富创新资源评价的指标体系,并增加长时间序列分析,更深入的探讨创新资源对区域经济发展的影响评价。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
牛方曲,刘卫东,刘志高,等. 中国区域公立科技创新资源与经济发展水平相关性分析[J]. 经济地理,2011,31(4): 541-547.各国各政府相继开展了创新系统建设,而"创新型城市"、"创新型 区域"的建设成为国家创新体系的重要组成部分.利用突变级数法综合考虑地区生产总值、年末总人口、人均地区生产总值、经济密度,对地区经济发展水平进行评 价;并基于地区公立科研机构对地区科技创新资源进行评估,研究区域公立科技创新资源与经济发展水平之间相关性.中国区域经济发展水平与公立科技资源之间并 无明显的正相关关系.由二者决定的散点图,呈现较弱的抛物线分布.因此,区域公立科技投入如何与经济发展水平进行匹配,以提高科技产出效率,有待进一步研 究支撑.

[Niu Fangqu, Liu Weidong, Liu Zhigao et al. Relationships between public scientific & technological resources and regional economic development in China. Economic Geography, 2011, 31(4): 541-547.]

[2]
刘凤朝,徐茜,韩姝颖,等. 全球创新资源的分布特征与空间差异——基于OECD数据的分析[J]. 研究与发展管理,2011,23(1):11-16,30.以OECD国家数据为基础,分析了全球创新资源的分布特征和差异.研究结果表明,创新资源的国家分布呈现金字塔结构;从绝对差异看,美洲和亚洲的差异较大,而欧洲的差异相对较小;从相对差异看,全球总量指标的差异主要表现在不同区域之间,即美洲、欧洲、亚洲、大洋洲和非洲之间的差异,区域内部的相对差异较小.中国应凭借资金和人员总量优势加强与周边国家交流,提升自主创新能力,并促进亚洲的协调发展.

[Liu Fengchao, Xu Qian, Han Shuying et al. Distribution characteristics and spatial differences of global innovation resources— An analysis based on data from OECD. R&D Development, 2011, 23(1):11-16,30.]

[3]
虞孝感,段学军,刘新,等. 人地关系转折时期对策—调整结构与一体化战略——解读“欧洲2020战略”与“长江三角洲地区规划”[J].经济地理,2010,30(9): 1409-1416.根据同在2010年上半年发布的两个世界重大区域发展战略与规划内容,进行了对比分析,研究了21世纪世界将面对人地关系发生重大转折的应对策略,不同发展水平、阶段、不同社会经济背景的地区,都采取以科学技术创新为前提、调整经济结构、加强区域一体化的战略对策。文章比较了两大区域规划思路、内容、方法的异同,根据"欧盟战略"特点,对实施"长江三角洲一体化"提出了具体建议。

[Yu Xiaogan, Duan Xuejun, Liu Xin et al. Strategies for the transportation period of man-land relationship—restructuring and integration—the comment on the Europe 2020 strategy and regional planning of Yangtze River Delta. Economic Geography, 2010, 30(9): 1409-1416. ]

[4]
方创琳,马海涛,王振波,等. 中国创新型城市建设的综合评估与空间格局分异[J]. 地理学报, 2014,69(4):459-473.创新型城市是开展创新活动、建设创新型国家的重要基地，是探索城市发展新模式和推进城市可持续发展的迫切要求，因而在中国建设创新型国家中具有举足轻重的战略地位。当前，中国已进入到2020 年建成创新型国家的攻坚阶段，但创新型城市建设尚处初级阶段，尚未完成从要素驱动向创新驱动的战略质变，与真正意义上的创新型城市还有很大差距。本文以全国287 个地级以上城市为综合评估对象，采用自主构建的中国创新型城市综合评估体系和开发的中国创新型城市综合评估监测系统软件，从自主创新、产业创新、人居环境创新和体制机制创新四大方面对中国创新型城市的建设现状做了综合评估，分析了创新型城市建设的空间分异特征。结果认为，中国城市综合创新水平偏低，建设创新型国家难度大，87.8%的城市综合创新水平低于全国平均水平；城市综合创新水平与城市经济发达水平呈密切的正相关关系，东部地区城市明显高于中西部地区；城市自主创新水平、产业创新水平、人居环境创新水平和体制机制创新水平呈现出与城市综合创新水平一致的空间分异规律。到2020 年争取将北京、深圳、上海、广州建成4 大全球创新型城市，成为全球创新中心；把南京、苏州、厦门、杭州、无锡、西安、武汉、沈阳、大连、天津、长沙、青岛、成都、长春、合肥、重庆共16 个城市建成国家创新型城市，成为国家创新中心，形成由4 个全球创新型城市、16 个国家创新型城市、30 个区域创新型城市、55 个地区创新型城市和182 个创新发展型城市组成的国家城市创新网络空间格局，进而为到2020年建成创新型国家做出贡献。

DOI

[Fang Chuanglin, Ma Haitao, Wang Zhenbo et al. Comprehensive assessment and spatial heterogeneity of the construction of innovative cities in China. Acta Geographica Sinica, 2014,69(4):459-473.]

[5]
牛方曲,刘卫东. 中国区域科技创新资源分布及其与经济发展水平协同测度. 地理科学进展,2012,31(2): 149-155.21 世纪是知识经济时代,为了提高中国的科技创新能力以促进经济快速发展,各区域进行了大量科技创新资源的建设投入。但科技投入只有真正转化为创新能力、产出创新成果,才能促进经济的发展。本文分别从国立、地方、企业三方面综合评价了各省的科技创新资源,分析其空间分布格局,并结合经济发展水平,分析了区域科技创新资源与经济发展水平之间的相关性。研究表明,中国各省科技创新资源与经济发展水平总体上呈正相关趋势,但具体到各省份,随着科技创新资源的增加,其经济发展水平却有升有降。为充分发挥区域科技创新资源的作用,提高科研成果产出,区域科技创新资源与经济发展水平的配置关系仍需优化调整。探索中国科技创新资源与经济发展水平间的驱动与响应机制,建立科学合理的决策模型,实现国家用于宏观调控的国立科技创新资源、各地区自主决策的地方科技创新资源、市场驱动的企业科技创新资源三者有机结合、高效配置,以更大程度地实现科技产出,促进经济发展,对于转型期的中国,实现由依靠传统资源要素进入到依靠科技资源支撑和推动社会经济发展的新阶段,具有重要意义。

DOI

[Niu Fangqiu, Liu Weidong.Relationships between scientific & Technological resources and regional economic development in China. Progress in Geography, 2012, 31(2): 149-155. ]

[6]
吕拉昌,李勇. 基于城市创新职能的中国创新城市空间体系[J]. 地理学报,2010,65(2): 177-190.lt;p>基于问卷、访谈及统计数据资料,采用因子分析、数学建模等综合分析方法,以知识经济下城市创新职能及城市体系理论为理论基础,探讨中国城市的创新格局、网络、等级体系及城市的创新联系,研究表明,中国创新城市体系空间格局形成以上海、北京为顶级城市的五级塔型城市体系结构,东部沿海城市在中国创新城市中具有重要地位,省会城市及经济强劲的城市一般成为区域性的创新中心。中国创新城市体系受城市创新规模、城市科研规模与效率、城市创新潜力因素、城市创新环境等多方面因素的影响。以城市间合作论文数量来测度城市之间的创新联系,结果表明,北京在知识传播和知识合作创新中的处于中心位置,高层级的城市在知识传播与合作中明显比较高层级与中层级以及低层级城市多,省会城市及经济实力强劲的区域中心城市在知识传播中起重要的作用。</p>

DOI

[Lv Lachang, Li Yong.A research on Chinese renovation urban system based on urban renovation function. Acta Geographica Sinica, 2010, 65(2): 177-190.]

[7]
李国平,王春杨. 我国省域创新产出的空间特征和时空演化——基于探索性空间数据分析的实证[J]. 地理研究,2012,31(1): 95-106.以我国31个省域作为空间观测单元,以专利申请受理数作为创新产出的衡量指标,对我国1997～2008年期间省域创新产出的空间分布进行了探索性空间数据分析(ESDA)。通过计算区位基尼系数和集中度指数,发现我国的创新活动显示了相当高水平的空间集中,并且这种集中程度在过去的十多年里表现出了稳定的增长趋势;对全局的Moran&rsquo;s <em>I</em>统计分析表明:省际创新活动之间存在着显著的空间自相关(空间依赖性),证明了知识溢出的存在性和空间局限性;对局部的Moran&rsquo;s <em>I</em>分析进一步揭示了省际创新活动水平的相关模式,Moran散点图刻画了创新活动的空间集聚模式及其时空演变态势。研究结果说明经过十几年的发展,我国省域创新活动的地域性特征十分显著。

DOI

[Li Guoping, Wang Chunyang.Spatial characteristics and dynamics changes of provincial innovation output in China: An investigation using the ESDA. Geographical Research, 2012, 31(1): 95-106.]

[8]
程叶青,王哲野,马靖. 中国区域创新的时空动态分析[J]. 地理学报,2014,69(12):1779-1789.基于探索性空间数据分析和验证性空间面板模型,本文探讨了2000 年以来中国区域创新的时空动态。结果表明:① 自创新战略实施以来,中国各省区创新产出的年均增长率几乎都经历了一个剧烈的加速过程,说明区域创新能力的总体提升,但是,东部沿海地区仍然在创新产出中居于压倒性地位,导致“沿海—内陆”分化加剧和区域鸿沟的进一步突出,省区创新可能会陷入“强者愈强,弱者愈弱”的“马太效应”;② 中国区域创新产出与创新投入的空间集聚随时间推移不断强化,通过识别不同时期各变量“热点”,表明创新产出“热点”地区与创新投入“热点”具有高度的时空耦合特征;③ 人均GDP、研发投入、研发人员及在校大学生数对省区创新产出有显著的直接影响。省区间创新活动存在明显的空间溢出效应,其知识溢出的地理区域跨越了省区边界。空间依赖性的存在导致省区间创新活动具有反馈效应,相邻省区的知识溢出对该省区的创新活动具有实质性影响。

DOI

[Cheng Yeqing, Wang Zheye, Ma Jing.Analyzing the space-time dynamics of innovation in China. Acta Geographica Sinica, 2014,69(12): 1779-1789. ]

[9]
段德忠,杜德斌,刘承良. 上海和北京城市创新空间结构的时空演化模式[J].地理学报,2015,70(12): 1911-1925.基于城市邮编区划空间数据库,从创新产出的视角建构城市创新评价指标体系,对1991-2014年上海市和北京市的创新空间结构的空间演化模式进行了探讨。研究发现：1邮政区划为研究城市创新空间结构的生长提供了全新的视角,基于随机边缘点连线以及泰森多边形法构建的城市邮编空间数据库评价城市创新空间结构的结果较为理想,因此具有推广价值;2 25年间,上海市和北京市的创新空间结构生长体现出了诸多的共性特征：随着参与创新的城市空间单元逐年增加,区域创新产出虽总体差距在缩小,但空间集聚趋势在加剧;3 25年间,上海市和北京市的创新空间结构生长也体现出了共性上的差异性,其中上海市创新空间结构在创新资源郊区化转移的趋势下,呈现出由单核驱动向多核共振演进,以交通干道为空间扩散廊道的辐射效应凸显,相应的,其创新产出空间关联效应也显现出了市中心空心化现象;而北京市创新空间结构始终为市中心单核主导型,并在创新资源不断向中心集聚趋势下,其创新产出空间关联效应呈现出＂农村包围城市＂的演化特征;4上海市和北京市创新空间结构与其所在的区域创新空间结构（长三角城市群和京津冀城市群）具有内在的一致性,表明城内尺度科技创新活动空间分布的均衡与非均衡规律与其所处的区域创新格局密切相关。

DOI

[Duan Dezhong, Du Debin, Liu Chengliang.Spatial-temporal evolution mode of urban innovation spatial structure: A case study of Shanghai and Beijing. Acta Geographica Sinica, 2015,70(12): 1911-1925.]

[10]
赵昱. 创新资源国际流动格局、过程及对中国自主创新的影响[D]. 上海:华东师范大学,2014.

[Zhao Yu.Resources for innovation flows configuration, process and its impacts on China’s innovation output. Shanghai: East China Normal University, 2014. ]

[11]
孙玮,陈燕,孙全亮. 东北城市群专利资源布局的空间关联性——基于Moran指数的解释[J].科技和产业,2015,15(12):32-37.在明确专利资源内涵和价值属性 的基础上,分析了1992-2012年间专利资源在东北36个地级以上城市的空间分布格局及空间关联性,结果显示,东北各城市专利资源存量差异巨大,整体 呈"东南强西北弱"的分布格局;增速相对较为均衡,呈现"沿海边界快、内陆慢"的分布格局。同时,东北各城市专利资源的空间布局表现出很强的地域固化性, 多数城市专利资源基础薄弱。城市间空间联系松散,尚未形成专利的有效集聚。上述分布格局对东北加快落实创新驱动发展战略,主动适应新常态带来了负面影响。

[Sun Wei, Chen Yan, Sun Quanliang.Patent resources spatial agglomeration in the Northeastern cities — An explanation based on Moran index. Science Technology and Industry, 2015,15(12):32-37.]

[12]
蒋天颖,谢敏,刘刚. 基于引力模型的区域创新产出空间联系研究—以浙江省为例[J]. 地理科学,2014,34(11): 1320-1326.lt;p>以浙江省为例,分析与探讨基于引力模型的区域创新产出空间联系。根据最大引力线数量与区域创新产出联系总量确定了区域创新产出空间联系的中心城市,并结合断裂点公式测度了中心城市的创新产出辐射范围。研究发现,与2005 年相比,2011 年各县、市区的区域创新产出联系量与区域创新产出联系总量有明显增加,但区域创新产出联系的空间格局并未有显著变化,联系密集区主要集中于杭州、宁波两地;二、三级节点城市发生明显变化,而杭州市辖区始终是浙江区域创新产出联系的中心城市;中心城市辐射区范围增大,除宁波市辖区外,中心城市对节点城市的辐射效果均略有增强。基于此,提出加大区域创新投入,优化创新环境,完善城市、县市间道路建设,加强信息发展,缩短区域之间的硬距离与软距离,增强区域创新产出的空间联系等政策建议。</p>

[Jiang Tianying, Xie Min, Liu Gang.Spatial linkage of regional innovation output based on gravity model: a case study in Zhejiang province. Scientia Geographica Sinica, 2014, 34(11): 1320-1326.]

[13]
吕拉昌,梁政骥,黄茹. 中国主要城市间的创新联系研究[J]. 地理科学, 2015,35(1): 30-37.对国内外城市创新联系综述及理 论分析的基础上,通过一组测度指标,界定了城市外向创新联系规模,采用引力模型,测度了中国主要城市间的创新联系强度及格局。研究表明:中国主要城市创新 联系格局基本为东强西弱,东部地区城市创新联系格局显现出以上海、南京、杭州为顶角,以北京、天津,以广州、深圳为2个底角的创新联系"金三角"。城市创 新联系在空间上呈现明显的等级性:北京、上海、广州、深圳、天津、重庆等与中国的许多城市有广泛的创新联系,具有全国创新影响力;南京、杭州、武汉、郑 州、济南、青岛、大连、西安等成为地区性的城市创新联系节点,具有区域性的创新影响力。在创新联系较强的东部沿海主要的经济圈,珠江三角洲经济圈城市间创 新联系最强,但外向辐射力有限;长江三角洲经济圈内部创新联系较强,并与环渤海经济圈有较强的创新联系,环渤海经济圈内部北京、天津、唐山具有较强的创新 联系,外向辐射以长江三角洲的城市为主。对中国创新联系格局规律的揭示,更进一步强化了中国创新城市体系中城市的作用,并为规划与建立中国创新都市圈提供 依据。

[Lv Lachang, Liang Zhengji, Huang Ru.The innovation linkage among Chinese major cities. Scientia Geographica Sinica, 2015,35(1): 30-37.]

[14]
Gilbert R, ShaPiro C. Optimal Patent Length and Breadth[J].The Rand Journal of Economies,1990,21(1):106-112.In providing rewards to innovators, there is a tradeoff between patent length and breadth. This article provides conditions under which the optimal patent policy involves infinitely-lived patents, with patent breadth adjusting to provide the required reward for innovation.(This abstract was borrowed from another version of this item.)

DOI

[15]
Chen Y, Puttitanun T.Intellectual property rights and innovation in developing countries[J]. Journal of Development Economies, 2005,78(2):474-493Downloadable (with restrictions)! Author(s): Chen, Yongmin & Puttitanun, Thitima. 2005 Abstract: No abstract is available for this item.

DOI

[16]
ThomPson M A, Rushing F W. An empirical analysis of the impact of patent protection on economic growth[J]. Journal of Economic Development, 1996, 24(2):67-76.This research extends prior research (Thompson and Rushing (1996)) that explores the relationship between patent protection and economic growth. In comparison with the prior work, this research takes a more refined look at the linkages between the impact of patent

[17]
赵宏志,马荣康,刘凤朝. 东北地区知识产权与产业发展关联性的实证研究[J]. 大连理工大学学报(社会科学版, 2015,36(3): 80-85.文章从地区知识产权促进地区产业发展总量的关系视角开展知识产权促进东北地区产业发展的实证研究，对东北三省知识产权促进产业发展的省际差异进行对比分析，识别知识产权与老工业基地产业发展的关联关系的特殊性，建立了知识产权和产业发展的指标体系，运用灰色关联分析方法进行实证。结果表明：在地区知识产权促进产业发展总量上，东北三省论文产出与产业、经济指标关联程度高于专利产出与产业、经济指标关联程度；在产业知识产权促进产业发展结构运行上，研发人员投入的作用最为突出，其次是专利申请的作用，新产品销售收入作为知识产权的运用端发挥的作用仍然较小。

[Zhao Hongzhi, Ma Rongkang, Liu Fengchao.Empirical study of relevance between intellectual property and industry development of Northeastern China. Journal of Dalian University of Technology (Social Sciences), 2015,36(3): 80-85.]

[18]
李政. 当前东北地区经济增长问题成因与创新转型对策[J]. 经济纵横, 2015, 7: 14-17.当前,东北地区经济发展面临一定困境,但应正确认识"新东北现象"及东北地区经济发展新机遇。表面上看,"新东北现象"是经济结构问题;深层上看,"新东北现象"是创新创业问题,根源则在于东北地区经济结构性矛盾较为突出、创新水平不高且动力不足、创新创业环境及经济结构优化升级所需要的体制与机制不完善。未来实现创新驱动转型发展的基本路径包括:构建创新创业生态系统,完善创新创业环境;深化创新创业体制机制改革;加快"五化"融合;大力吸引和培育高素质创新创业人才;构建互利共赢开放型经济体系,促进区域与国家间协同创新。

[Li Zheng.Problems of the current economic growth in Northeast China and its strategy of innovation transformation. Economic Review, 2015,7: 14-17. ]

[19]
中共中央. 中共中央、国务院关于实施东北地区等老工业基地振兴战略的若干意见(中发[20032003

[The central People’s Government of the People’s Republic of China (CPG,PRC). Suggestions to implement the strategy of rejuvenating the old industrial bases of Northeast China and the others,2003.]

[20]
Aaker DA.Managing assets and skills: The key to a sustainable competitive advantage[J]. California Management Review,1989, 31(2): 91-106.The article discusses managing organizational assets and skills, seen as a key element in developing a sustainable competitive advantage (SCA). Strategic management is defined as the development and maintenance of organizational assets and skills, and the selection of appropriate strategies and competitive markets to convert those assets and skills into a competitive advantage. The author claims that too often, American managers focus on sales and market share rather than the implementation of sound strategic management policies designed to sustain an organization's competitive advantage.

DOI

[21]
陈菲琼,任森. 创新资源集聚的主导因素研究:以浙江为例[J]. 科研管理,32(1): 89-96.区域创新是当前理论界的研究热点,学者们往往从产业、制度、文化和过程等方面研究区域创新行为,对创新资源的集聚和演化规律则缺乏足够的关注。本文整合几个主要学派的观点,以浙江省为例研究创新资源集聚的主导因素及创新资源禀赋对地区创新能力的影响。通过时间序列因子分析,本文发现:1.人力资源因子和物质资源因子是浙江创新资源集聚的主导因素;2.浙江省创新资源投入的增加会带来本地区科技创新能力的改善;3.浙江省创新活动正在经历由政府主导向市场主导的转变。基于上述结论,本文认为浙江省应当注重创新资源的投入和培养,遵循创新的市场化规律,以企业为主体,增强企业和高校的创新合作,优化地区创新资源配置,使创新成为浙江经济发展的不竭动力。

[Chen Feiqiong, Ren Sen.The dominant factors of innovation resource integration: A case study based on Zhejiang province. Science Research Management, 32(1): 89-96. ]

[22]
Galbreath J.Which resources matter the most to firm success? An exploratory study of resource-based theory[J]. Technovation,2005, 25(9): 979-987.The resource-based view of the firm (RBV) is one of the most important areas of research content to emerge in the field of strategic management in the last decade. The RBV posits that a firm's success is largely driven from resources that posses certain special characteristics. However, the RBV stream tends to be dominated by conceptual discussions. Although the empirical research body is growing rapidly, most studies concentrate on isolating only a few resources—namely intangible resources—within single industry contexts to examine resource effects on firm success. To more adequately test the main prescription of the RBV, new research approaches must be considered. This study explores one such approach. Defining the firm's resource pool to include intangible and tangible assets, a series of hypotheses are posited in order to examine the relative contribution levels of various resources on firm success. The model is tested on a sample of manufacturing and services firms operating in Australia. In the main, the results are supportive of the RBV's main prescription.

DOI

[23]
Sok P, O’Cass A. Achieving superior innovation-based performance outcomes in SMEs through innovation resource-capability complementarity[J]. Industrial Marketing Management, 2011,40: 1285-1293.Firms are increasingly identifying new avenues to enhance their market position. One such effort involves the firms' ability to continuously learn. Learning has the capacity to enable firms to develop and implement more efficient and effective innovation-focused strategies, resulting in the ability to develop and deliver more products in a timelier manner. This study tests the relationship between innovation resource–capability complementarity and innovation-based performance. This study further elaborates that while innovation resource–capability complementarity drives innovation-based performance; their relationship will be enhanced via the firms' possession of superior learning capability. The findings show a significant effect of innovation resource–capability complementarity on innovation-based performance. The results also show that firms that possess superior learning capability are willing to question their operational processes and routines and make adjustments following the feedback obtained from customers and channels; thereby enhancing their abilities to develop more new products and increase their speed in delivering products to the customers.

DOI

[24]
王劲峰,廖一兰,刘鑫,等. 空间数据分析教程[M]. 北京:科学出版社,2010.

[Wang Jinfeng, Liao Yilan, Liu Xin et al. Study on spatial autocorrelation analysis. Beijing: Science Press, 2010 ]

[25]
陈明星,陆大道,刘慧. 中国城市化与经济发展水平关系的省际格局[J]. 地理学报,2010,65(2):1443-1453.认识中国省际尺度上城市化与经济发展水平之间关系具有重要的理论和实践意义。基于世界上120个国家或地区与中国31个省区的经验数据,采用改进的象限图方法,分析了中国城市化与经济发展水平之间关系的空间格局。研究表明：①全国31个省级单元划分为6种类型。城市化严重超前型3个,城市化中度超前型2个,城市化轻微超前型8个,基本协调型4个,城市化中度滞后型5个,城市化轻微滞后9个。②省际尺度上城市化与经济发展水平之间关系存在着显著的区域差异。③城市化与经济发展水平关系的省际格局呈明显的东西差异。东部沿海地区以城市化超前经济发展水平类型为主,而中西部地区则以城市化滞后经济发展为主。④城市化与经济发展水平之间关系类似马太效应。得出2个重要的启示,一是当前中国不少发达省区中的城市化超前现象值得关注和警惕;二是中西部地区部分省区的城市化进程仍然需要适度加快。

DOI

[Chen Mingxing, Lu Dadao, Liu Hui.The provincial pattern of the relationship between China’s Urbanization and economic development. Acta Geographica Sinica, 2010,65(2): 1443-1453.]

Options
Outlines

/

〈 〉