Scientia Geographica Sinica 2017 , 37 (1): 11-18 https://doi.org/10.13249/j.cnki.sgs.2017.01.002

Orginal Article

中国城市技术创新能力的空间特征及影响因素——基于空间面板数据模型的研究

王俊松¹^,²^,, 颜燕³, 胡曙虹¹^,²

1.华东师范大学城市与区域科学学院区域地理系,上海 200062
2.华东师范大学城市与区域科学学院科技创新与发展战略研究中心,上海 200062
3.首都经济贸易大学城市经济与公共管理学院,北京 100070

Spatial Pattern and Determinants of Chinese Urban Innovative Capabilities Base on Spatial Panel Data Model

Wang Junsong¹^,²^,, Yan Yan³, Hu Shuhong¹^,²

1. Department of Regional Geography, School of Urban and Regional Science, East China Normal University, Shanghai 200062, China
2. Institutional for Innovation and Strategic Studies, School of Urban and Regional Science, East China Normal University, Shanghai 200062, China
3. School of Urban Economics and Public Administration, Capital University of Economics and Business, Beijing 100070, China

中图分类号: K902

文献标识码: A

文章编号: 1000-0690(2017)01-0011-08

收稿日期: 2016-01-5

修回日期: 2016-05-30

网络出版日期: 2017-01-15

基金资助: 国家自然科学青年基金项目(41301117)资助National Nature Science Foundation of China (41301117).

作者简介:

作者简介：王俊松（1983-）,女,安徽利辛人,讲师,博士,主要从事创新和区域发展研究。E-mail：wjsenjoy@126.com

展开

摘要

基于2003~2013年城市专利数据采用基尼系数、趋势面分析、空间动态面板数据模型等方法探讨了中国城市技术创新能力的空间分布和影响因素。研究发现：① 中国创新能力高的城市高度集聚在沿海三大区域及内地的区域中心城市,随着时间推移,创新能力在空间上呈现扩散的趋势。城市技术创新能力的空间相关性逐渐增强,推动了创新的区域扩散和空间溢出。② 发明专利、外观专利和实用新型专利的创新水平依次降低,空间集聚程度依次提高,空间相关性依次提高。③ 固定效应面板数据的空间滞后模型和空间Durbin模型的计量结果发现,城市技术创新能力存在显著的空间溢出效应,邻近城市技术创新能力的提升有助于提升该市的创新能力。政府支持、工业基础、高等教育资源、创新投入、经济外向度显著影响城市技术创新能力水平的提升,且政府支持和城市高等教育资源对城市技术创新能力的影响出现增强趋势。

关键词： 城市 ; 专利 ; 技术创新能力 ; 空间面板数据 ; 趋势面分析

Abstract

The article explored the spatial pattern and determinants of Chinese urban innovative capabilities based on Gini index, trend surface analysis, spatial panel data model methods using urban patents data during 2003 to 2013. The results show that: 1) Spatial pattern of Chinese urban capabilities is highly agglomerated in center cities in three coastal metropolitan areas and regional center cities inland. The hot spots of innovation are highly agglomerated in regions around Beijing, Shanghai, and Shenzhen. Innovation abilities are spreading to inland cities with the time goes, although high innovative cities still agglomerated in coastal region. The Gini index of three patent output have decreased since 2011. 2) The technology level decreases with the invention patent, design patent, utility-patent, while the agglomeration level proxy by the Gini index, rises in sequence. 3) Spatial correlation of three kinds of patents is all significantly positive, and the correlation has been strengthened especially for appearance patent and utility patent. The correlation of appearance patent, utility patent and invention patent decrease in turn which indicates that lower technology can be spread and spillover more easily. The spatial trend surface analysis shows that there are high east and low west trend of innovative abilities, the north-south trend is not obvious, except for the utility patent show the inverse U shape of “high middle and low end” trend. 4) The results of spatial panel econometric models show that there are significant spillovers among urban innovative capabilities. The main influential factors include government support, industrial foundation, higher education sources, innovation input and economic openness, in which the influences of government support and higher education resources have been reinforced. The results show that dependent and independent variables have significant spatial dependence, indicates that urban abilities are heavily affected by the surrounding areas, the higher innovative surrounding areas can promote local innovative abilities. The spatial lag effect denotes that the high education resources and industrial foundation of neighboring cities have positive effects on cities innovation output, while the government support of neighboring cities have negative effect on urban innovation output. 5) Therefore, to promote urban innovation capabilities, government should still put forward the concept of innovation-driven concept, try to attract and nurture innovative enterprises; second, to promote urban higher education qualities and manufacture foundations, encourage enterprises to promote R&D input, and encourage the cooperation between industry, school and research; third, government should induce the innovation cooperation among cities, regions, and universities, drive the free flow of talents and innovative elements and promote the innovative spillovers among cites.

Keywords： urban ; patent ; innovation ; spatial panel data ; trend surface analysis

PDF (467KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

王俊松, 颜燕, 胡曙虹. 中国城市技术创新能力的空间特征及影响因素——基于空间面板数据模型的研究[J]. , 2017, 37(1): 11-18 https://doi.org/10.13249/j.cnki.sgs.2017.01.002

Wang Junsong, Yan Yan, Hu Shuhong. Spatial Pattern and Determinants of Chinese Urban Innovative Capabilities Base on Spatial Panel Data Model[J]. Scientia Geographica Sinica, 2017, 37(1): 11-18 https://doi.org/10.13249/j.cnki.sgs.2017.01.002

新古典经济学家熊彼特认为创新是现代经济增长的核心^[1]。罗默则认为技术进步是经济增长的内生变量^[2]。随着中国经济发展进入新阶段,创新在经济发展中的作用日益提升。党的十八大以来,国家提出实施创新驱动的发展战略,强调科技创新是提升国家综合国力的战略支撑,并将其摆在国家发展全局的核心地位。国家“十二五”规划提出进一步推进创新型国家建设的战略。各地方政府纷纷将营造创新环境、提升创新能力作为地区发展的重要任务。但并非所有的地区都有能力吸引创新要素,实现创新驱动的发展。创新有其显著的特点,一是高度集聚在少数城市,即使在美国这样的创新大国,创新产出也高度集聚在硅谷、波士顿128号公路等少数地区,新兴国家的创新活动尤其高度集聚在少数地区^[3];二是创新存在空间溢出特征,由于知识的可复制性和流动性,创新存在地区间的空间溢出效应,由于创新活动中的缄默知识依赖于面对面地交流,创新活动的知识溢出效应随着距离的增加迅速下降;三是创新能力是动态发展的。因此,需要从较小的空间尺度探讨创新能力的空间分布特征,并充分考虑创新能力的空间依赖性和动态特征。

当前围绕创新能力的研究主要包括以下几个方面：① 基于投入和产出及创新环境等综合指标的创新能力评价研究^[4~8];② 创新活动及创新资源配置效率^{[7, 8]};③ 创新活动的空间分布与空间集聚特征^{[3, 9, 11~13]}。但是当前对创新能力空间分布的研究主要是基于省区层面的研究或是一个省内的研究,以省区为单位的研究容易忽视省区内部城市之间创新能力的异质性^[5];尽管已有的研究发现省区之间存在较强的空间依赖和空间溢出效应^[9,11],但由于地理距离带来的信息衰减,且创新过程中意会知识的传播依赖于面对面的交流^[14,15],创新溢出往往发生在较小的空间尺度上。对省区内部城市或区县的研究可以克服研究知识溢出过程中空间尺度过大的问题,但难以反应全国整体的创新空间格局的演化趋势。另外,随着近几年国家创新驱动发展战略的实施,创新空间格局出现新的变化,需要进一步分析空间创新格局的新趋势并从动态的角度探讨影响创新空间格局的因素。

本文采用地级市尺度的研究,使用多种方法探讨中国城市技术创新能力的空间分异特征及影响因素。① 采用较长时间的数据探讨城市技术创新能力的动态变化,尤其是近几年国家实施创新驱动发展战略后的空间发展变化;② 充分考虑地级单元的空间相关性,探讨地级尺度水平上的创新溢出情形;③ 基于多年空间滞后和空间Durbin面板数据模型探讨创新能力差异的决定因素及变化; ④ 充分考虑不同类型的专利创新的空间差异性。

1 数据与方法

城市技术创新能力的指标有很多,主要从投入和产出两个方面,投入指标主要包括企业研发投入等,产出指标包括专利授权数、新产品产值等。投入指标难以反映一个地区的实际创新能力。产出指标中,目前缺乏统一的新产品产值的统计标准,而专利数能够在一定程度上反映企业的创新能力,本文借鉴已有的研究^{[3, 9, 15~ 17]},使用城市专利授权数据反应城市的创新能力。已有的文献多使用专利授权数量数据,由于笼统的专利授权数据难以反映实际创新能力,本文进一步将专利区分成发明授权、实用新型、外观设计3个方面。发明专利是对产品、方法或其改进提出的新的技术方案;实用新型专利是对产品的形状、构造做出的适用于使用的新的技术方案;外观专利是涉及产品的形状、图案或色彩与形状图案的结合并运用于工业上应用的新设计。其中发明专利的技术创新水平最高,相对于其他专利更有助于反应区域实际创新能力。本文的专利数据来源于国家知识产权局网站中国专利公布公告系统,利用爬虫程序获得2003~2013年中国地级及以上城市（不包括港澳台地区）发明授权、实用新型、外观设计专利授权数量。其他城市数据主要来源于历年中国城市统计年鉴^[18],研发数据来源于国家统计局企业统计数据汇总。本文选用基尼系数探讨中国城市专利创新的总体区域分异情况,采用空间自相关系数探讨中国城市技术创新能力的集聚情形,基于趋势面分析考察城市创新分布的空间趋势,最后基于空间面板数据模型探讨城市创新能力的影响因素。

2 中国城市技术创新能力分布的空间特征

2.1 城市技术创新能力的整体分布及变化

为考察中国城市创新的空间分布,本文利用ArcGIS核密度分析工具,设置搜索半径为15 km、输出单元半径为1.5 km,分别作2003和2013年中国城市发明授权、实用新型、外观设计专利授权量的K密度图（图1）。可以发现：① 中国创新能力高的城市主要分布在沿海地区,尤其集中在以北京为中心的京津地区、以上海为中心的长三角地区和以深圳为中心的珠三角地区,这些地区拥有的多样化的产业结构^[19]和丰富的人力资本条件,成为吸引创新活动的高地。这种格局与已有的研究结论^[20]一致。② 发明专利、实用新型、外观设计专利授权量的空间分布在宏观上基本一致,也存在一定差异。发明专利更加集聚在东部沿海地区,尤其高度集聚在北京地区,这与北京科研院所众多,拥有雄厚的基础科研实力密切相关,而实用新型和外观设计专利产出则主要集聚在长三角和珠三角地区。这两种专利是在已有创新的基础上根据市场需求的再创新。长三角和珠三角地区的市场化水平较高,企业有较强动力对产品进行实用性和外观方面的创新改进,所以这两种专利在市场化水平更高的长三角和珠三角地区集聚度更高。③ 2003~2013年,创新专利授权数量的空间分布逐渐向内陆地区扩展。2013年,发明专利分布主要集聚在北京地区,除北京外,以上海、深圳、武汉为核心的地区也拥有较多的发明专利产出;深圳市以华为、中兴等研发创新企业为依托,发明专利不断上升;以上海为中心的长三角地区是发明专利产出的最大集中连片区。实用新型专利分布更加分散,2003年,实用新型专利产出主要分布在上述三大地区和在山东半岛、辽东半岛地区;2013年,实用新型专利分布进一步扩展,以上海、苏州、杭州、宁波为核心的极化区进一步扩大。外观设计专利呈现以长三角和珠三角两大极核为中心不断扩张的分布态势,尤其以长三角的外观设计专利产出的核密度最高。已有的研究显示专利创新的空间格局具有一定的锁定效应或路径依赖效应^[9]。从各专利产出的空间扩散趋势看,专利产出分布主要呈现以中心城市为核心向外扩展的趋势。

显示原图| 下载原图ZIP| 生成PPT

图1 中国地级市三大专利的K密度分布（2003和2013年）

Fig.1 K density of three patents of Chinese prefecture level cities in 2003 and 2013

2.2 中国城市技术创新能力的集聚与空间分布差异变化

基尼系数和Theil系数是反应区域差异的重要指标^①(① 基尼系数可以表示为 $\begin{matrix} G = \frac{1}{2 N 2 μ} \overset{}{\sum i} \sum j |\frac{x_{i} - x_{j}}{X}| \end{matrix}$ ,其中x_i或x_j为i或j城市的专利数,X为全国的专利授权数总量,μ为各地级单位专利数比重的均值,N城市数量。⁾。本文计算了2003~2013年,以地级行政单元为单位的3种专利产出的基尼系数（图2）,结果表明,① 三大专利产出的基尼系数在2003~2013年间均保持在较高水平,高于0.78,表明创新活动仍然高度集聚在少数城市。② 发明授权、外观设计、实用新型专利的基尼系数依次降低,反映了这几种专利创新水平的差异,发明专利创新技术含量和难度系数最高,专利产出高度集聚在少数城市,外观设计其次,实用新型专利创新含量最低,在空间上最为分散;已有的研究表明,知识越隐性、复杂和系统化,越倾向于集聚在少数地区^[21],发明专利涉及的知识更加复杂和系统,显然较其他两种专利更加集聚。③ 从基尼系数的变化趋势看,2003~2011年,3种专利产出以城市为单位的基尼系数基本不变,仅外观设计专利基尼系数有微弱降低,2011年以后,3种专利产出的基尼系数出现较明显的降低趋势,表明创新专利产出近年在空间上出现了较明显的创新扩散趋势。李国平等^[9]基于省区1997~2008年的研究发现创新产出的基尼系数呈上升趋势,本文则发现2011年以后基于城市单位的创新产出基尼系数出现下降,表明创新能力出现扩散趋势。Crescenzi等^[3]比较了中国、印度与欧盟和美国的专利产出的地区基尼系数,发现中国、印度这样的新兴国家创新专利的集聚度明显高于欧盟和美国这样成熟的创新经济体。这也预示着未来中国创新产出的空间分布将随着经济发展和区域均衡发展进一步扩散。

显示原图| 下载原图ZIP| 生成PPT

图2 2003~2013年中国城市三大专利基尼系数变化

Fig. 2 Gini index of three patents of Chinese prefecture level cities in 2003-2013

2.3 中国城市技术创新能力的空间集聚特征

为探讨中国城市技术创新能力的空间分布及演化,本文计算3种类型专利2003~2013年的全局空间自相关系数（表1）,结果显示2003~2013年中国城市创新产出在空间上基本呈现显著的集聚分布态势,且集聚程度逐渐上升,表明城市间创新产出的空间相关性日益提升。3种专利的空间相关系数也存在差异,发明授权的空间相关性较弱,且仅在2011年后显著为正,显示出发明专利授权的空间溢出效应较弱,发明专利授权申请对城市技术创新能力基础要求较高,通常集中在少数几个区域,对周边区域的溢出效应较低。相比之下,实用新型和外观设计专利授权的空间相关性均较强,且随着时间的推移,空间相关系数逐渐增强,表明这两种专利存在一定的空间正向溢出效应,这两类专利产出对城市技术创新能力的要求较小,也容易形成较强的空间创新溢出效应。

表1 2003~2013年中国城市专利授权量的Moran’s I值

Table 1 Moran’s I of patents grants of Chinese prefecture level cities in 2003-2013

年份	发明授权			实用新型			外观设计
年份	Moran’s I		Z		Moran’s I	Z	Moran’s I	Z
2003	0.001	0.48		0.039^***	3.24		0.061^***	7.02
2004	0.003	0.54		0.054^***	4.42		0.180^***	14.09
2005	0.006	0.80		0.063^***	5.11		0.158^***	12.67
2006	0.008	0.92		0.073^***	5.81		0.160^***	12.65
2007	0.007	0.89		0.079^***	6.31		0.164^***	13.36
2008	0.007	0.84		0.082^***	6.52		0.200^***	15.44
2009	0.008	0.92		0.092^***	7.30		0.203^***	15.73
2010	0.011	1.15		0.100^***	7.79		0.205^***	15.86
2011	0.015^*	1.49		0.150^***	11.46		0.272^***	22.41
2012	0.025^***	2.34		0.197^***	14.76		0.255^***	22.13
2013	0.034^***	3.13		0.204^***	15.28		0.270^***	23.03

注：^*、^***分别表示在10%和1%的水平上显著。

新窗口打开

2.4 中国城市技术创新能力的空间趋势面分析

对2013年中国城市创新产出进行空间趋势面分析的结果如图3所示,可以发现中国城市技术创新能力呈现出显著的东高西低的态势,但整体上分布空间趋势线较为平缓。在东西方向上,3类专利产出的趋势曲线均呈现向沿海方向微弱上升的趋势,其中实用新型专利的上升趋势较为明显,在南北方向上,创新能力趋势曲线较为平缓,仅实用新型专利趋势线出现较明显的中间高两边低的倒U型分布,表明以上海为中心的长三角地区的实用新型专利产出水平高于其他城市。而发明专利和外观设计专利产出仅在东部少数城市出现高值,整体的空间趋势变化并不明显。

显示原图| 下载原图ZIP| 生成PPT

图3 2013年中国城市创新产出的空间趋势面分析

Fig.3 Spatial trend analysis of Chinese urban innovative output in 2013

3 中国城市技术创新能力影响因素的计量分析

以上研究表明,城市技术创新能力具有高度集聚性、空间关联性和动态变化的特征。周边城市及城市自身条件均在一定程度上影响城市的创新能力发展。已有的研究从不同角度探讨了影响城市技术创新能力的因素,由于方法、数据、空间范围等限制,难以从整体上客观反映城市技术创新能力的影响因素。综合而言,本文认为研发投入、经济外向度、工业基础、创新政策、高等教育基础是影响城市技术创新能力的主要因素。限于数据可得性,用制造业研发投入占销售收入的比重反映城市创新投入的情况;用城市实际利用外商直接投资额占GDP的比重衡量经济外向度对城市技术创新能力的影响。为衡量城市高等教育对城市技术创新能力的影响,引入城市高等学校教师数指标,预期其对创新能力产生正向影响。采用工业生产总值占GDP的比重衡量城市工业发展对创新的影响。由于发明专利的创新技术含量最高,本研究以城市发明专利数作为被解释变量。本文采用2005~2012年城市面板数据进行分析。为降低变量的异方差并得到弹性的结果,对因变量和连续性自变量取对数。

由于普通的计量模型忽视空间相关性,从而造成回归结果的偏误,本文选用空间面板数据回归模型利用最大似然估计方法给出一致无偏的估计^[22]。由于空间误差模型中,误差项的空间自相关来源于遗失变量的空间自相关,Durbin模型中解释变量的空间滞后项与遗失变量相关,从而可以解决空间误差模型中误差项的空间自相关问题。本文引入空间滞后模型和空间Durbin模型探讨城市技术创新能力的影响因素。在面板数据模型背景下,本文运用中国地级市资料进行分析,样本时间序列较短（2005~2012年）,研究同时需要考虑未观测的变量对模型的影响,同时基于LM和Hausman检验结果,选择固定效应的空间面板数据模型进行估计。固定效应的空间滞后效应可以表示为：

$\begin{matrix} Y_{it} = ρW Y_{it} + β X_{it} + μ + ε_{it} \end{matrix}$ （1）

固定效应的空间Durbin模型可以表示为：

$\begin{matrix} Y_{it} = ρW Y_{it} + β X_{it} + αW X_{it} + μ + ε_{it} \end{matrix}$ （2）

式中,Y为N×1（N=n×T,n为地级市数量,T为时期数）的时空因变量向量,ρ为空间自回归系数, W为n×n的空间邻接矩阵,本文取带宽为300 km范围内的距离反比值作为空间邻接矩阵元素的取值。为检验方法可行性,研究还尝试了其他带宽,结果与此相似。β为解释变量的回归系数,X为N×k的解释变量矩阵,μ为未观测到的个体效应,ε为正态分布的误差向量,α为解释变量空间滞后项的回归系数,i为地级单元,t为年份。

回归的结果见表2。其中第1、2列分别为使用OLS和固定效应面板数据模型回归的结果,第3、4列引入固定效应的空间滞后模型和空间Durbin模型,均通过LM检验,且空间计量模型回归的拟合优度R²有了明显的提高。回归结果符合理论预期,研发投入、政府支持、高等教育资源、经济外向度和工业基础均对城市的创新能力产生显著的正向影响,其中政府科技支出占财政支出比重对城市技术创新能力影响最为明显,不考虑城市间空间依赖的情况下,政府科技支出比重增加1%,城市发明专利产出上升33%。在考虑城市间的空间相关性的情况下,政府科技支出比重每增加1%,城市发明专利产出上升9%。地方政府对城市创新的支持一方面体现在制定优惠的政策鼓励企业和科研机构进行创新,另一方面加大对企业和科研院所科技活动的支出力度。其次,工业产业基础也是影响城市创新的重要因素,很多发明专利是基于生产制造业产品产生的,所以地方工业的发展有助于城市技术创新能力的提升。回归结果也显示城市经济开放度的提升能够显著提升城市技术创新能力,通常开放度高的城市能够带来与本地区呈差异化和互补性的知识,通过与本地已有知识的联系与融合产生创新发明。研究结果也证实了高等教育资源对城市发明专利的正向影响,高校不仅是知识创新的重要来源,还通过与企业的合作产生创新发明,同时为地方的企业输送高质量的人才资源。研发投入比重的回归系数显著为正,表明研发投入有助于创新能力的提升。

表2 中国城市技术创新能力决定因素空间面板数据回归结果

Table 2 Spatial panel regression result of determinants of Chinese urban innovative capabilities

	最小二乘法模型	固定效应模型	固定效应的空间滞后效应模型	固定效应的空间 Durbin模型	SDM
	最小二乘法模型	固定效应模型	固定效应的空间滞后效应模型	固定效应的空间 Durbin模型	2005	2012
ρ	-	-	0.046^***	0.041^***	0.004	0.001
研发投入比重	0.000^***	0.000^***	0.000^*	0.000^***	8.555^***	5.368^***
高等教育教师数	0.317^***	0.131^***	0.087^***	0.084^***	0.433^***	0.681^***
科技支出比重	36.686^***	33.047^***	8.989^***	13.937^***	40.710	49.088^***
外资比重	0.490^***	0.491^***	0.222^***	0.397^***	45.995^**	43.229^*
工业产值比重	1.060^***	1.293^***	0.223^***	0.204^***	0.737^***	0.215^**
w1x_研发投入比重	-	-	-	0.000^***	-	-
w1x_高等教育教师数	-	-	-	0.094^***	-	-
w1x_科技支出比重	-	-	-	-0.376^*	-	-
w1x_外资比重	-	-	-	-0.011	-	-
w1x_工业产值比重	-	-	-	0.071^***	-	-
常数	-1.062^**	0.025	0.025	-8.633^***	-1.670^***	-2.478^***
样本数	2280	2280	2280	2280	285	285
地区数	-	285	-	-	285	285
R-squared	0.653	0.451	0.983	0.979	0.870	0.967

注：^*、^**、^***分别表示在10%、5%和1%的水平上显著;括号内为p值;w1x_为变量的一阶空间滞后项;“-”为未涉及项。

新窗口打开

从空间相关系数看,空间滞后模型的空间滞后项系数（ρ）显著为正,表明城市创新存在显著的空间溢出效应,周边城市技术创新能力的提升有助于本地创新能力的提升。空间Durbin模型的自变量滞后项除经济外向度外均显著。其中周边城市高等教育资源、研发投入、工业基础的空间滞后项对本地城市技术创新能力的影响均显著为正,而政府创新投入支出比重的空间滞后项对本城市

技术创新能力的影响显著为负。表明周边城市的高等教育资源、研发投入、工业基础有助于本地创新能力的提升,高等教育资源流动性较大,其影响范围超越城市范围,使周边地区受益。工业基础良好的周边地区可以通过各种创新合作提升本市的创新能力。而周边城市政府科技投入则不利于本市创新能力的提升,可能由于邻近城市政府对创新的重视会降低本市对优质人才和创新企业的吸引力,从而不利于城市技术创新能力的提升。

进一步将样本分成2005和2012年的截面数据空间Durbin模型的回归分析（列5、列6）,探讨城市技术创新能力的影响因素变化,从2 a的回归系数变化看,城市政府科技支出比重和高等教育资源对发明专利产出的影响上升,而研发支出比重、外资比重、工业产值比重对城市技术创新能力的影响下降。显示出政府和大学对城市技术创新能力发展的重要性。

4 结论

随着创新驱动发展战略的实施,中国各级政府日益强调创新在经济发展中的驱动作用。探讨城市技术创新能力的空间结构演化及影响因素,对于优化创新要素布局,促进城市和区域经济增长,提升城市竞争力具有重要的现实意义。本研究利用城市发明授权专利、实用新型和外观设计专利产出的年度数据,采用K密度图、Gini系数、空间相关系数、空间趋势面分析及空间面板数据回归模型探讨了中国城市创新产出的空间特征及创新能力差异的影响因素。研究发现,中国城市创新产出主要集聚在沿海地区和内陆少数区域性中心城市,以北京、上海和深圳为中心的区域是中国创新的热点地区。2003~2013年,城市技术创新能力分布格局向中西部地区转移,但东部仍然为主要的集聚地区。从空间差异看,以城市为单位计算的三种专利产出的基尼系数均较高,显示出创新能力的高度集聚特征,2011年后,3种专利产出的空间集聚出现下降趋势。发明授权、外观设计和实用新型专利的创新含量依次降低,相应的空间差异的基尼系数也依次降低。3种创新产出的全局空间自相关系数在研究期内呈现上升趋势,外观设计、实用新型、发明授权专利的空间相关系数依次降低,显示技术水平较低创新更容易进行空间溢出和扩散。空间趋势面分析表明,城市技术创新能力在空间上呈现东高西低的态势,南北方向的趋势较不明显,仅实用新型专利呈“中间高、两边低”的倒U型趋势。

基于2005~2012年空间动态面板数据模型的分析发现,政府支持、高等教育资源、创新投入、经济外向度、工业基础是影响城市技术创新能力的重要因素,其中政府支持和城市工业基础的影响最大。显示出中央和地方政府支持对提升城市技术创新能力的重要性。空间面板计量模型的结果还显示因变量和自变量均呈现出显著的空间依赖性,表明城市技术创新能力受到周边地区的显著影响,周边城市的创新能力提升对本地区存在显著的正向影响。从2005年和2012年空间截面数据回归模型结果看,政府支持和高等教育资源对城市创新产出的影响明显增强,而其他几种因素对城市创新产出的影响呈现减弱趋势。

随着经济发展进入新阶段,中国城市逐渐进入结构调整、转型升级过程中,创新成为中国城市发展的重要驱动力。当前创新产出仍然高度集聚在少数城市,创新能力的空间集聚度降低,空间溢出效应增强。提升中国城市的创新能力,需要加强政府的政策引导,强化创新驱动的理念,着力吸引和培育创新型产业;其次,要提升城市高等教育质量和制造业基础,鼓励企业增加研发创新投入,促进产学研协作,从而提升城市的创新能力;再次,鼓励城市加强与周边城市区域的创新合作,推动创新人才和创新要素的空间流动,从而提升城市间的创新溢出效应。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	Schumpeter J A.The Theory of Economic Development[M]. Cambridge, MA: Harvard University Press, 1934. [本文引用: 1]
[2]	Romer P M. Increasing returns and long run growth [J]. Journal of Political Economy, 1986,94(5): 1002-1037. [本文引用: 1]
[3]	Crescenzi R, Rodriguez-Pose A, Storper M. The territorial dynamics of innovation in China and India [J]. Journal of Economic Geography, 2012,12(5):1055-1085. https://doi.org/10.1093/jeg/lbs020 URL [本文引用: 4] 摘要 This paper analyses the geography of innovation in China and India. Using a tailor-made panel database for regions in these two countries, we show that both countries exhibit increasingly strong polarisation of innovative capacity in a limited number of urban areas. But the factors behind this polarisation and the strong contrasts in innovative capacity between the provinces and states within both countries are quite different. In China, the concentration of innovation is fundamentally driven by agglomeration forces, linked to population, industrial specialisation and infrastructure endowment. Innovative areas in China, rather than generate knowledge spillovers, seem to produce strong backwash effects. In India, by contrast, innovation is much more dependent on a combination of good local socioeconomic structures and investment in science and technology. Indian innovation hubs also generate positive knowledge spillovers to other regions.
[4]	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. https://doi.org/10.11821/xb201002005 URL [本文引用: 1] 摘要基于问卷、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. [Lyu Lachang, Li Yong. A Research on Chinese Renovation Urban System Based on Urban Renovation Function. Acta Geographica Sinica, 2010,65(2):177-190.] https://doi.org/10.11821/xb201002005 URL [本文引用: 1] 摘要基于问卷、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.
[5]	范斐, 杜德斌, 李恒, 等. 中国地级以上城市科技资源配置效率的时空格局 [J]. 地理学报, 2013,68(10):1331-1343. https://doi.org/10.11821/dlxb201310003 URL [本文引用: 1] 摘要根据科技资源的内涵与结构,利用全国286个地级以上城市2001-2010年科技资源的相关数据,应用改进的数据包络分析方法(DEA)计算出各城市在不同时期的科技资源配置效率,在此基础上,借助探索性空间数据分析方法(ESDA)对研究期内各城市科技资源配置效率的空间分布格局及演变态势进行分析和探讨。结果表明①全国地级以上城市的科技资源平均配置效率一直处于较低水平,且在高低交错中呈现逐年递减趋势,东部地区与中西部地区的科技资源平均配置效率差距逐渐扩大。②在空间分布上,科技资源平均配置效率与城市群存在较好拟合。从空间的演变格局来看,科技资源配置效率空间自相关显著,呈现出相似值(高高或低低)之间的空间集聚,空间分布的集聚现象逐步增强,在地理空间上总体差异具有变小的趋势。③科技资源配置相对效率的差异是区域发展的普遍现象,它的存在与演变是地理位置、科技资源禀赋、科技环境等诸多方面直接或间接的影响和反映。 [Fan Fei, Du Debin, Li Heng et al. Spatial-temporal characteristics of scientific and technological resources allocation efficiency in prefecture-level cities of China. Acta Geographica Sinica, 2013,68(10):1331-1343.] https://doi.org/10.11821/dlxb201310003 URL [本文引用: 1] 摘要根据科技资源的内涵与结构,利用全国286个地级以上城市2001-2010年科技资源的相关数据,应用改进的数据包络分析方法(DEA)计算出各城市在不同时期的科技资源配置效率,在此基础上,借助探索性空间数据分析方法(ESDA)对研究期内各城市科技资源配置效率的空间分布格局及演变态势进行分析和探讨。结果表明①全国地级以上城市的科技资源平均配置效率一直处于较低水平,且在高低交错中呈现逐年递减趋势,东部地区与中西部地区的科技资源平均配置效率差距逐渐扩大。②在空间分布上,科技资源平均配置效率与城市群存在较好拟合。从空间的演变格局来看,科技资源配置效率空间自相关显著,呈现出相似值(高高或低低)之间的空间集聚,空间分布的集聚现象逐步增强,在地理空间上总体差异具有变小的趋势。③科技资源配置相对效率的差异是区域发展的普遍现象,它的存在与演变是地理位置、科技资源禀赋、科技环境等诸多方面直接或间接的影响和反映。
[6]	宋丽思, 陈向东. 我国四大城市区域创新空间极化趋势的比较研究 [J]. 中国软科学, 2009,(10):100-108. https://doi.org/10.3969/j.issn.1002-9753.2009.10.013 URL 摘要本文在构建城市区域创新发展综合指数的基础上,通过极化指数对城市区域的创新极化进行了量化研究,并以1998-2007年的城市数据为基础,考察了我国城市区域创新空间极化的动态变化趋势.研究结果表明:在我国京津冀、长三角、珠三角和成渝四大城市区域内,创新发展综合指数均存在显著的空间极化现象,且尤以成渝地区最为显著,长三角和珠三角次之,京津冀极化度最低. 进一步研究极化指数增速的变化发现,变化趋势呈不对称的交替性上升下降运动特征,而且增速逐步趋近于0. [Song Lisi, Chen Xiangdong. Comparative Study on the Trend of Innovation Polarizing Based on Four Urban Regions. China Soft Science, 2009,(10):100-108.] https://doi.org/10.3969/j.issn.1002-9753.2009.10.013 URL 摘要本文在构建城市区域创新发展综合指数的基础上,通过极化指数对城市区域的创新极化进行了量化研究,并以1998-2007年的城市数据为基础,考察了我国城市区域创新空间极化的动态变化趋势.研究结果表明:在我国京津冀、长三角、珠三角和成渝四大城市区域内,创新发展综合指数均存在显著的空间极化现象,且尤以成渝地区最为显著,长三角和珠三角次之,京津冀极化度最低. 进一步研究极化指数增速的变化发现,变化趋势呈不对称的交替性上升下降运动特征,而且增速逐步趋近于0.
[7]	刘永久, 王忠辉, 吴风庆. 城市技术创新能力综合评价实证分析——以山东省十七城市为例 [J]. 城市发展研究, 2010,17(9):30-35. https://doi.org/10.3969/j.issn.1006-3862.2010.09.006 URL [本文引用: 1] 摘要城市创新能力是由城市的知识创造能力、知识流动能力、企业技术创新能力、创新产出能力、创新环境和创新投入六方面要素所构成;运用定性分析与定量判断相结合的方法建立了由六大要素、25个指标构成的城市创新能力综合评价指标体系,运用综合评价方法对山东各城市的创新能力进行了综合评价和实证分析;提出了加快提高城市创新能力的对策建议。 [Liu Yongjiu, Wang Zhonghui, Wu Fengqing. Empirical Analysis on City Innovation Capability. Urban Development Studies, 2010,17(9):30-35.] https://doi.org/10.3969/j.issn.1006-3862.2010.09.006 URL [本文引用: 1] 摘要城市创新能力是由城市的知识创造能力、知识流动能力、企业技术创新能力、创新产出能力、创新环境和创新投入六方面要素所构成;运用定性分析与定量判断相结合的方法建立了由六大要素、25个指标构成的城市创新能力综合评价指标体系,运用综合评价方法对山东各城市的创新能力进行了综合评价和实证分析;提出了加快提高城市创新能力的对策建议。
[8]	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. URL [本文引用: 2] 摘要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。 [Lyu Lachang, Liang Zhengji, Huang Ru. Innovative relations among major cities in China. Scientia Geographica Sinica, 2015,35(1):30-37. URL [本文引用: 2] 摘要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。
[9]	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. https://doi.org/10.11821/yj2012010010 URL [本文引用: 5] 摘要 Innovation activities in each region not only depend on their own characteristics,but also on those of the regions that form the neighborhood to which it belongs.Regional spillover as a spatial interaction is important in explaining agglomeration,innovation and regional growth.A great deal of literature has deeply dealt with the issue from a spatial perspective since the 1990s,especially in the context of urban and regional studies.Unfortunately,the traditional approaches to regional innovation suppose that each region is independent from others.This paper uses spatial statistical techniques to establish the statistical relations among data according to the geographical locations.It aims to understand the spatial dependence and autocorrelation related to geographical locations.Using the methods of exploratory spatial data analysis(ESDA) and spatial analysis software,this paper analyzes the spatial distribution of innovation outputs,measured by the number of patient applications,throughout 31 Chinese provinces from 1997 to 2008.The visual patent distribution plot has shown the distribution of innovation outputs at the provincial level and its spatial dynamic changes.A significantly high level of spatial concentration of innovation outputs among Chinese provinces has been captured by the computed spatial Gini coefficient and the Concentration Ratio,and the concentration level has increased steadily over the past 10 years.The analysis using the Moran鈥檚 I statistics gives the strong evidence of spatial autocorrelation in innovation activities among provinces,while the concentration pattern of innovation activities among provinces and its changes over time have been revealed by using the local Moran鈥檚 I and the Moran scatter plot,which indicate the clustering nature of the spatial distribution of provincial innovation activities.Spatial Gini coefficient and Moran鈥檚 I index have indicated that innovation activities of Chinese provinces are not randomly distributed.Our findings suggest that innovation activities are spatially differentiated among Chinese provinces over the 10 years,and innovation activities at the provincial level are highly localized.This study can provide a scientific basis for the intuitive expression of the spatial correlation of innovation outputs among provinces,and puts forward that the spatial statistical analysis could present some references valuable for analyzing spatial structure and patterns and policy-making. [Li Guoping,Wang Chunyang. Spatial characteristics and dynamic changes of provincial innovation output in China: An investigation using the ESDA. Geographical Research, 2012, 31(1):95-106.] https://doi.org/10.11821/yj2012010010 URL [本文引用: 5] 摘要 Innovation activities in each region not only depend on their own characteristics,but also on those of the regions that form the neighborhood to which it belongs.Regional spillover as a spatial interaction is important in explaining agglomeration,innovation and regional growth.A great deal of literature has deeply dealt with the issue from a spatial perspective since the 1990s,especially in the context of urban and regional studies.Unfortunately,the traditional approaches to regional innovation suppose that each region is independent from others.This paper uses spatial statistical techniques to establish the statistical relations among data according to the geographical locations.It aims to understand the spatial dependence and autocorrelation related to geographical locations.Using the methods of exploratory spatial data analysis(ESDA) and spatial analysis software,this paper analyzes the spatial distribution of innovation outputs,measured by the number of patient applications,throughout 31 Chinese provinces from 1997 to 2008.The visual patent distribution plot has shown the distribution of innovation outputs at the provincial level and its spatial dynamic changes.A significantly high level of spatial concentration of innovation outputs among Chinese provinces has been captured by the computed spatial Gini coefficient and the Concentration Ratio,and the concentration level has increased steadily over the past 10 years.The analysis using the Moran鈥檚 I statistics gives the strong evidence of spatial autocorrelation in innovation activities among provinces,while the concentration pattern of innovation activities among provinces and its changes over time have been revealed by using the local Moran鈥檚 I and the Moran scatter plot,which indicate the clustering nature of the spatial distribution of provincial innovation activities.Spatial Gini coefficient and Moran鈥檚 I index have indicated that innovation activities of Chinese provinces are not randomly distributed.Our findings suggest that innovation activities are spatially differentiated among Chinese provinces over the 10 years,and innovation activities at the provincial level are highly localized.This study can provide a scientific basis for the intuitive expression of the spatial correlation of innovation outputs among provinces,and puts forward that the spatial statistical analysis could present some references valuable for analyzing spatial structure and patterns and policy-making.
[10]	Gu W, Tang J. Link between innovation and productivity in Canadian manufacturing industries [J]. Economics of Innovation and New Technology, 2004,13(7):671-686.
[11]	李婧, 谭清美, 白俊红. 中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究 [J]. 管理世界, 2010,(7):43-55. URL [本文引用: 2] 摘要运用空间计量分析技术,从地理特征和社会经济特征两个方面分别构建空间权重矩阵,建立基于超越对数生产函数的静态与动态空间面板计量经济模型,考察1998～2007年中国大陆30个省级区域创新的空间相关与集聚.研究表明,中国区域创新存在显著的正向空间相关性,且在东部及沿海地区形成了创新活动的密集带;地理区位特征与社会经济特征均会对区域创新产出及其空间相关性产生影响,而又以社会经济特征的影响更大;静态和动态空间面板模型均显示出创新投入产出之间存在显著的正向空间相关,但静态模型对空间相关性产生过高估计的偏误,应用动态空间计量模型由于分离出了投入变量以外其他潜在因素的影响,使偏误得以部分矫正. [Li Jing, Tan Qingmei, Bai Junhong. Spatial analysis of Chinese regional innovative production: Empirical analysis based on static and dynamic spatial panel model. Management World, 2010,(07):43-55. URL [本文引用: 2] 摘要运用空间计量分析技术,从地理特征和社会经济特征两个方面分别构建空间权重矩阵,建立基于超越对数生产函数的静态与动态空间面板计量经济模型,考察1998～2007年中国大陆30个省级区域创新的空间相关与集聚.研究表明,中国区域创新存在显著的正向空间相关性,且在东部及沿海地区形成了创新活动的密集带;地理区位特征与社会经济特征均会对区域创新产出及其空间相关性产生影响,而又以社会经济特征的影响更大;静态和动态空间面板模型均显示出创新投入产出之间存在显著的正向空间相关,但静态模型对空间相关性产生过高估计的偏误,应用动态空间计量模型由于分离出了投入变量以外其他潜在因素的影响,使偏误得以部分矫正.
[12]	张玉明, 李凯. 省际区域创新产出的空间相关性研究 [J]. 科学学研究, 2008,26(3):659-665. URL 摘要以专利数据作为衡量创新产出的指标，利用1996—2005年的专利数据对中国31个省际区域进行了空间数据探索分析；专利可视化分布图显示了中国省际区域创新产出的分布情况及其空间动态变化；区位Gini系数和Moran I指数均指出了中国省际区域创新产出的非随机分布，呈现不同层次的创新集群，并表现出空间依赖；Moran散点图进一步指出了各省际区域的创新产出的空间相关模式，为区域合作和发展决策提供了理论指导。 [Zhang Yuming, Li Kai. Research on the spatial dependence of Chinese province level innovative output. Studies in Science of Science, 2008,26(3):659-665.] URL 摘要以专利数据作为衡量创新产出的指标，利用1996—2005年的专利数据对中国31个省际区域进行了空间数据探索分析；专利可视化分布图显示了中国省际区域创新产出的分布情况及其空间动态变化；区位Gini系数和Moran I指数均指出了中国省际区域创新产出的非随机分布，呈现不同层次的创新集群，并表现出空间依赖；Moran散点图进一步指出了各省际区域的创新产出的空间相关模式，为区域合作和发展决策提供了理论指导。
[13]	王春杨, 张超. 中国地级区域创新产出的时空模式研究——基于ESDA的实证 [J]. 地理科学, 2014,34(12):1438-1444. URL Magsci [本文引用: 1] 摘要 <p>以341个地级层面区域作为空间观测单元,以专利申请受理数作为衡量指标,对中国1997~2009年期间地级区域创新产出的时空特征进行了ESDA分析.结果表明:中国地级区域创新产出的地域性特征显著,首先表现为全局上的地理集聚和地带间的巨大差异;但不同于省级空间尺度下地带内部区域创新显著的极化特征,地级空间尺度区域创新却呈现多样化的局部空间依赖模式.整体上,创新产出在地级空间尺度上自然形成2个显著的空间集群,即东部沿海的H-H集群和西部内陆的L-L集群.东部H-H集群在考察期内由东北和华北地区逐渐向山东半岛、长三角和珠三角地区转移,西部L-L集群的空间发展则相对稳定;H-L型集群和L-H型集群主要分布在中部地区和东中西邻接地区,创新的空间过渡特征明显.最后在实证分析的基础上,提出了政策建议和未来研究的方向.</p> [Wang Chunyang, Zhang Chao. Spatial-temporal Pattern of Prefecture-level Innovation Outputs in China: An Investigation Using the ESDA. Scientia Geographica Sinica, 2014,34(12):1438-1444.] URL Magsci [本文引用: 1] 摘要 <p>以341个地级层面区域作为空间观测单元,以专利申请受理数作为衡量指标,对中国1997~2009年期间地级区域创新产出的时空特征进行了ESDA分析.结果表明:中国地级区域创新产出的地域性特征显著,首先表现为全局上的地理集聚和地带间的巨大差异;但不同于省级空间尺度下地带内部区域创新显著的极化特征,地级空间尺度区域创新却呈现多样化的局部空间依赖模式.整体上,创新产出在地级空间尺度上自然形成2个显著的空间集群,即东部沿海的H-H集群和西部内陆的L-L集群.东部H-H集群在考察期内由东北和华北地区逐渐向山东半岛、长三角和珠三角地区转移,西部L-L集群的空间发展则相对稳定;H-L型集群和L-H型集群主要分布在中部地区和东中西邻接地区,创新的空间过渡特征明显.最后在实证分析的基础上,提出了政策建议和未来研究的方向.</p>
[14]	Audretsch D, Feldman M. R&D spillovers and the geography of innovation and production [J]. The American Economic Review, 1996,36:630-640. [本文引用: 1]
[15]	Jaffe A B, Trajtenberg M, Henderson R. Geographic localization of knowledge spillovers as evidenced by patent citations [J]. The Quarterly Journal of Economics, 1993,108(3):577-598. https://doi.org/10.2307/2118401 URL [本文引用: 2] 摘要 We compare the geographic location of patent citations to those of the cited patents, as evidence of the extent to which knowledge spillovers are geographically
[16]	蒋天颖. 浙江省区域创新产出空间分异特征及成因 [J]. 地理研究, 2014,33(10):1825-1836. https://doi.org/10.11821/dlyj201410004 URL Magsci 摘要 <p>通过构建总体差异测度指数,并结合运用核密度估计等多种空间统计方法,分析浙江省区域创新产出的空间分异特征及其影响因素,结果表明：2006-2012年,浙江省区域创新产出总体存在较大差异,并呈现波动式上升趋势;浙江省区域创新产出分异增强,空间核密度呈现出由相对均匀到极化的演化趋势;浙江省区域创新产出整体上呈现高值和低值集聚分布,且集聚程度逐渐增强;各县域创新产出同样具有空间集聚性,杭州与宁波市辖区成为热点区域;空间指向性明显,整体表现出“东高西低、北高南低”的空间趋势面分布;由回归分析得出该时期浙江省区域创新产出空间分异主要受经济基础、政策制度、技术溢出和空间区位四个主要因素的影响。</p> [Jiang Tianying. Spatial differentiation and its influencing factors of regional innovation output in Zhejiang province. Geographical Research, 2014,33(10):1825-1836.] https://doi.org/10.11821/dlyj201410004 URL Magsci 摘要 <p>通过构建总体差异测度指数,并结合运用核密度估计等多种空间统计方法,分析浙江省区域创新产出的空间分异特征及其影响因素,结果表明：2006-2012年,浙江省区域创新产出总体存在较大差异,并呈现波动式上升趋势;浙江省区域创新产出分异增强,空间核密度呈现出由相对均匀到极化的演化趋势;浙江省区域创新产出整体上呈现高值和低值集聚分布,且集聚程度逐渐增强;各县域创新产出同样具有空间集聚性,杭州与宁波市辖区成为热点区域;空间指向性明显,整体表现出“东高西低、北高南低”的空间趋势面分布;由回归分析得出该时期浙江省区域创新产出空间分异主要受经济基础、政策制度、技术溢出和空间区位四个主要因素的影响。</p>
[17]	Acs Z J, Anselin L, Varga A. Patents and innovation counts as measures of regional production of new knowledge [J]. Research Policy, 2002, 31(7):1069-1085. https://doi.org/10.1016/S0048-7333(01)00184-6 URL [本文引用: 1] 摘要 The role of geographically mediated knowledge externalities in regional innovation systems has become a major issue in research policy. Although the process of innovation is a crucial aspect of economic growth, the problem of measuring innovation has not yet been completely resolved. A central problem involved in such analysis is the measurement of economically useful new knowledge. In the US information on this has been limited to an innovation count data base. Determining the extent to which the innovation data can be substituted by other measures is essential for a deeper understanding of the dynamics involved. We provide an exploratory and a regression-based comparison of the innovation count data and data on patent counts at the lowest possible levels of geographical aggregation.
[18]	国家统计局.中国统计年鉴[M].北京:中国统计出版社,2006-2013. [本文引用: 1] [National Bureau of Statistics of China. China Statistical Yearbook. Beijing: China Statistics Press, 2006-2013.] [本文引用: 1]
[19]	Feldman M P, Audretsch D B. Innovation in cities: Science-based diversity, specialization and localized competition [J]. European Economic Review, 1999,43(2):409-429. [本文引用: 1]
[20]	吕拉昌, 谢媛媛, 黄茹. 我国三大都市圈城市创新能级体系比较 [J]. 人文地理, 2013,28(3):91-95. URL [本文引用: 1] 摘要大都市圈已成为国际经济发展的关键节点,是国际创新的主要支点。我国三大都市圈在我国创新体系中起着至关重要的作用。本文对我国三大都市经济圈内城市创新能力进行测度分析的基础上,对三大都市圈的创新能级体系进行了比较,并应用重力模型,对中心城市创新引力进行测度与比较,分析了三大都市圈内部城市的创新联系。 [Lyu Lachang, Xie Yuanyuan, Huang Ru. The comparison of innovation ability hierarchy of three megalopolises in China. Human Geography, 2013,28(3):91-95.] URL [本文引用: 1] 摘要大都市圈已成为国际经济发展的关键节点,是国际创新的主要支点。我国三大都市圈在我国创新体系中起着至关重要的作用。本文对我国三大都市经济圈内城市创新能力进行测度分析的基础上,对三大都市圈的创新能级体系进行了比较,并应用重力模型,对中心城市创新引力进行测度与比较,分析了三大都市圈内部城市的创新联系。
[21]	Breschi S. The Geography of Innovation: a Cross - sector Analysis [J]. Regional Studies, 2000,34(3):213-230. https://doi.org/10.1080/00343400050015069 URL [本文引用: 1] 摘要 Abstract BRESCHI S. (2000) The geography of innovation: a cross-sector analysis, Reg. Studies 34 , 213‐229. This paper attempts to identify some broad empirical regularities in the geographical distribution of innovative activities. The basic hypothesis which is advanced is that spatial patterns of innovation vary greatly amongst sectors according to the specific features of the underlying technology, as summarized by the concept of technological regime. In order to verify such a hypothesis, an empirical analysis was carried out by using European Patent Office (EPO) data for the period 1978‐91. Two main results emerge from such analysis. On the one hand, the empirical evidence shows the existence of remarkable differences across technological classes in the spatial patterns of innovation. On the other hand, one also typically observes the existence of quite remarkable similarities across countries in the spatial patterns of innovation within each technological class.
[22]	Anselin L. Spatial Econometrics: Methods and Models [M]. Boston: Kluwer Academic Publishers, 1988. [本文引用: 1]

1934

... 新古典经济学家熊彼特认为创新是现代经济增长的核心^[1].罗默则认为技术进步是经济增长的内生变量^[2].随着中国经济发展进入新阶段,创新在经济发展中的作用日益提升.党的十八大以来,国家提出实施创新驱动的发展战略,强调科技创新是提升国家综合国力的战略支撑,并将其摆在国家发展全局的核心地位.国家“十二五”规划提出进一步推进创新型国家建设的战略.各地方政府纷纷将营造创新环境、提升创新能力作为地区发展的重要任务.但并非所有的地区都有能力吸引创新要素,实现创新驱动的发展.创新有其显著的特点,一是高度集聚在少数城市,即使在美国这样的创新大国,创新产出也高度集聚在硅谷、波士顿128号公路等少数地区,新兴国家的创新活动尤其高度集聚在少数地区^[3];二是创新存在空间溢出特征,由于知识的可复制性和流动性,创新存在地区间的空间溢出效应,由于创新活动中的缄默知识依赖于面对面地交流,创新活动的知识溢出效应随着距离的增加迅速下降;三是创新能力是动态发展的.因此,需要从较小的空间尺度探讨创新能力的空间分布特征,并充分考虑创新能力的空间依赖性和动态特征. ...

Increasing returns and long run growth

1986

The territorial dynamics of innovation in China and India

2012

... 当前围绕创新能力的研究主要包括以下几个方面：① 基于投入和产出及创新环境等综合指标的创新能力评价研究^[4~8];② 创新活动及创新资源配置效率^{[7, 8]};③ 创新活动的空间分布与空间集聚特征^{[3, 9, 11~13]}.但是当前对创新能力空间分布的研究主要是基于省区层面的研究或是一个省内的研究,以省区为单位的研究容易忽视省区内部城市之间创新能力的异质性^[5];尽管已有的研究发现省区之间存在较强的空间依赖和空间溢出效应^[9,11],但由于地理距离带来的信息衰减,且创新过程中意会知识的传播依赖于面对面的交流^[14,15],创新溢出往往发生在较小的空间尺度上.对省区内部城市或区县的研究可以克服研究知识溢出过程中空间尺度过大的问题,但难以反应全国整体的创新空间格局的演化趋势.另外,随着近几年国家创新驱动发展战略的实施,创新空间格局出现新的变化,需要进一步分析空间创新格局的新趋势并从动态的角度探讨影响创新空间格局的因素. ...

... 城市技术创新能力的指标有很多,主要从投入和产出两个方面,投入指标主要包括企业研发投入等,产出指标包括专利授权数、新产品产值等.投入指标难以反映一个地区的实际创新能力.产出指标中,目前缺乏统一的新产品产值的统计标准,而专利数能够在一定程度上反映企业的创新能力,本文借鉴已有的研究^{[3, 9, 15~ 17]},使用城市专利授权数据反应城市的创新能力.已有的文献多使用专利授权数量数据,由于笼统的专利授权数据难以反映实际创新能力,本文进一步将专利区分成发明授权、实用新型、外观设计3个方面.发明专利是对产品、方法或其改进提出的新的技术方案;实用新型专利是对产品的形状、构造做出的适用于使用的新的技术方案;外观专利是涉及产品的形状、图案或色彩与形状图案的结合并运用于工业上应用的新设计.其中发明专利的技术创新水平最高,相对于其他专利更有助于反应区域实际创新能力.本文的专利数据来源于国家知识产权局网站中国专利公布公告系统,利用爬虫程序获得2003~2013年中国地级及以上城市（不包括港澳台地区）发明授权、实用新型、外观设计专利授权数量.其他城市数据主要来源于历年中国城市统计年鉴^[18],研发数据来源于国家统计局企业统计数据汇总.本文选用基尼系数探讨中国城市专利创新的总体区域分异情况,采用空间自相关系数探讨中国城市技术创新能力的集聚情形,基于趋势面分析考察城市创新分布的空间趋势,最后基于空间面板数据模型探讨城市创新能力的影响因素. ...

... 基尼系数和Theil系数是反应区域差异的重要指标^①(① 基尼系数可以表示为

\begin{matrix} G = \frac{1}{2 N 2 μ} \overset{}{\sum i} \sum j |\frac{x_{i} - x_{j}}{X}| \end{matrix}

,其中x_i或x_j为i或j城市的专利数,X为全国的专利授权数总量,μ为各地级单位专利数比重的均值,N城市数量.⁾.本文计算了2003~2013年,以地级行政单元为单位的3种专利产出的基尼系数（图2）,结果表明,① 三大专利产出的基尼系数在2003~2013年间均保持在较高水平,高于0.78,表明创新活动仍然高度集聚在少数城市.② 发明授权、外观设计、实用新型专利的基尼系数依次降低,反映了这几种专利创新水平的差异,发明专利创新技术含量和难度系数最高,专利产出高度集聚在少数城市,外观设计其次,实用新型专利创新含量最低,在空间上最为分散;已有的研究表明,知识越隐性、复杂和系统化,越倾向于集聚在少数地区^[21],发明专利涉及的知识更加复杂和系统,显然较其他两种专利更加集聚.③ 从基尼系数的变化趋势看,2003~2011年,3种专利产出以城市为单位的基尼系数基本不变,仅外观设计专利基尼系数有微弱降低,2011年以后,3种专利产出的基尼系数出现较明显的降低趋势,表明创新专利产出近年在空间上出现了较明显的创新扩散趋势.李国平等^[9]基于省区1997~2008年的研究发现创新产出的基尼系数呈上升趋势,本文则发现2011年以后基于城市单位的创新产出基尼系数出现下降,表明创新能力出现扩散趋势.Crescenzi等^[3]比较了中国、印度与欧盟和美国的专利产出的地区基尼系数,发现中国、印度这样的新兴国家创新专利的集聚度明显高于欧盟和美国这样成熟的创新经济体.这也预示着未来中国创新产出的空间分布将随着经济发展和区域均衡发展进一步扩散. ...

基于城市创新职能的中国创新城市空间体系

2010

基于城市创新职能的中国创新城市空间体系

2010

中国地级以上城市科技资源配置效率的时空格局

2013

中国地级以上城市科技资源配置效率的时空格局

2013

我国四大城市区域创新空间极化趋势的比较研究

2009

我国四大城市区域创新空间极化趋势的比较研究

2009

城市技术创新能力综合评价实证分析——以山东省十七城市为例

2010

城市技术创新能力综合评价实证分析——以山东省十七城市为例

2010

中国主要城市间的创新联系研究

2015

... , 8];③ 创新活动的空间分布与空间集聚特征^{[3, 9, 11~13]}.但是当前对创新能力空间分布的研究主要是基于省区层面的研究或是一个省内的研究,以省区为单位的研究容易忽视省区内部城市之间创新能力的异质性^[5];尽管已有的研究发现省区之间存在较强的空间依赖和空间溢出效应^[9,11],但由于地理距离带来的信息衰减,且创新过程中意会知识的传播依赖于面对面的交流^[14,15],创新溢出往往发生在较小的空间尺度上.对省区内部城市或区县的研究可以克服研究知识溢出过程中空间尺度过大的问题,但难以反应全国整体的创新空间格局的演化趋势.另外,随着近几年国家创新驱动发展战略的实施,创新空间格局出现新的变化,需要进一步分析空间创新格局的新趋势并从动态的角度探讨影响创新空间格局的因素. ...

中国主要城市间的创新联系研究

2015

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

2012

... [9,11],但由于地理距离带来的信息衰减,且创新过程中意会知识的传播依赖于面对面的交流^[14,15],创新溢出往往发生在较小的空间尺度上.对省区内部城市或区县的研究可以克服研究知识溢出过程中空间尺度过大的问题,但难以反应全国整体的创新空间格局的演化趋势.另外,随着近几年国家创新驱动发展战略的实施,创新空间格局出现新的变化,需要进一步分析空间创新格局的新趋势并从动态的角度探讨影响创新空间格局的因素. ...

... 为考察中国城市创新的空间分布,本文利用ArcGIS核密度分析工具,设置搜索半径为15 km、输出单元半径为1.5 km,分别作2003和2013年中国城市发明授权、实用新型、外观设计专利授权量的K密度图（图1）.可以发现：① 中国创新能力高的城市主要分布在沿海地区,尤其集中在以北京为中心的京津地区、以上海为中心的长三角地区和以深圳为中心的珠三角地区,这些地区拥有的多样化的产业结构^[19]和丰富的人力资本条件,成为吸引创新活动的高地.这种格局与已有的研究结论^[20]一致.② 发明专利、实用新型、外观设计专利授权量的空间分布在宏观上基本一致,也存在一定差异.发明专利更加集聚在东部沿海地区,尤其高度集聚在北京地区,这与北京科研院所众多,拥有雄厚的基础科研实力密切相关,而实用新型和外观设计专利产出则主要集聚在长三角和珠三角地区.这两种专利是在已有创新的基础上根据市场需求的再创新.长三角和珠三角地区的市场化水平较高,企业有较强动力对产品进行实用性和外观方面的创新改进,所以这两种专利在市场化水平更高的长三角和珠三角地区集聚度更高.③ 2003~2013年,创新专利授权数量的空间分布逐渐向内陆地区扩展.2013年,发明专利分布主要集聚在北京地区,除北京外,以上海、深圳、武汉为核心的地区也拥有较多的发明专利产出;深圳市以华为、中兴等研发创新企业为依托,发明专利不断上升;以上海为中心的长三角地区是发明专利产出的最大集中连片区.实用新型专利分布更加分散,2003年,实用新型专利产出主要分布在上述三大地区和在山东半岛、辽东半岛地区;2013年,实用新型专利分布进一步扩展,以上海、苏州、杭州、宁波为核心的极化区进一步扩大.外观设计专利呈现以长三角和珠三角两大极核为中心不断扩张的分布态势,尤其以长三角的外观设计专利产出的核密度最高.已有的研究显示专利创新的空间格局具有一定的锁定效应或路径依赖效应^[9].从各专利产出的空间扩散趋势看,专利产出分布主要呈现以中心城市为核心向外扩展的趋势. ...

... 基尼系数和Theil系数是反应区域差异的重要指标^①(① 基尼系数可以表示为

\begin{matrix} G = \frac{1}{2 N 2 μ} \overset{}{\sum i} \sum j |\frac{x_{i} - x_{j}}{X}| \end{matrix}

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

2012

... 基尼系数和Theil系数是反应区域差异的重要指标^①(① 基尼系数可以表示为

\begin{matrix} G = \frac{1}{2 N 2 μ} \overset{}{\sum i} \sum j |\frac{x_{i} - x_{j}}{X}| \end{matrix}

Link between innovation and productivity in Canadian manufacturing industries

2004

中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究

2010

... ,11],但由于地理距离带来的信息衰减,且创新过程中意会知识的传播依赖于面对面的交流^[14,15],创新溢出往往发生在较小的空间尺度上.对省区内部城市或区县的研究可以克服研究知识溢出过程中空间尺度过大的问题,但难以反应全国整体的创新空间格局的演化趋势.另外,随着近几年国家创新驱动发展战略的实施,创新空间格局出现新的变化,需要进一步分析空间创新格局的新趋势并从动态的角度探讨影响创新空间格局的因素. ...

中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究

2010

省际区域创新产出的空间相关性研究

2008

省际区域创新产出的空间相关性研究

2008

中国地级区域创新产出的时空模式研究——基于ESDA的实证

2014

中国地级区域创新产出的时空模式研究——基于ESDA的实证

2014

R&D spillovers and the geography of innovation and production

1996

Geographic localization of knowledge spillovers as evidenced by patent citations

1993

浙江省区域创新产出空间分异特征及成因

2014

浙江省区域创新产出空间分异特征及成因

2014

Patents and innovation counts as measures of regional production of new knowledge

2002

2013

Innovation in cities: Science-based diversity, specialization and localized competition

1999

我国三大都市圈城市创新能级体系比较

2013

我国三大都市圈城市创新能级体系比较

2013

The Geography of Innovation: a Cross - sector Analysis

2000

... 基尼系数和Theil系数是反应区域差异的重要指标^①(① 基尼系数可以表示为

\begin{matrix} G = \frac{1}{2 N 2 μ} \overset{}{\sum i} \sum j |\frac{x_{i} - x_{j}}{X}| \end{matrix}

Spatial Econometrics: Methods and Models

1988

... 由于普通的计量模型忽视空间相关性,从而造成回归结果的偏误,本文选用空间面板数据回归模型利用最大似然估计方法给出一致无偏的估计^[22].由于空间误差模型中,误差项的空间自相关来源于遗失变量的空间自相关,Durbin模型中解释变量的空间滞后项与遗失变量相关,从而可以解决空间误差模型中误差项的空间自相关问题.本文引入空间滞后模型和空间Durbin模型探讨城市技术创新能力的影响因素.在面板数据模型背景下,本文运用中国地级市资料进行分析,样本时间序列较短（2005~2012年）,研究同时需要考虑未观测的变量对模型的影响,同时基于LM和Hausman检验结果,选择固定效应的空间面板数据模型进行估计.固定效应的空间滞后效应可以表示为： ...

〈

〉

中国城市技术创新能力的空间特征及影响因素——基于空间面板数据模型的研究

Spatial Pattern and Determinants of Chinese Urban Innovative Capabilities Base on Spatial Panel Data Model

1 数据与方法

2 中国城市技术创新能力分布的空间特征

2.1 城市技术创新能力的整体分布及变化

2.2 中国城市技术创新能力的集聚与空间分布差异变化

2.3 中国城市技术创新能力的空间集聚特征

2.4 中国城市技术创新能力的空间趋势面分析

3 中国城市技术创新能力影响因素的计量分析

4 结论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子