Scientia Geographica Sinica  2017 , 37 (7): 1014-1022 https://doi.org/10.13249/j.cnki.sgs.2017.07.006

Orginal Article

中国地级以上城市创新能力的时空格局演变及影响因素分析

何舜辉12, 杜德斌12, 焦美琪1, 林宇1

1. 华东师范大学城市与区域科学学院,上海 200241
2. 华东师范大学科技创新与发展战略研究中心,上海 200062

Spatial-Temporal Characteristics of Urban Innovation Capability and Impact Factors Analysis in China

He Shunhui12, Du Debin12, Jiao Meiqi1, Lin Yu1

1. School of Urban and Regional Science, East China Normal University, Shanghai 200241, China
2.Institute for Innovation and Strategic Studies, East China Normal University, Shanghai 200062, China

中图分类号:  F129.9

文献标识码:  A

文章编号:  1000-0690(2017)07-1014-09

通讯作者:  杜德斌,教授。E-mail:dbdu@re.ecnu.edu.cn

版权声明:  2017 《地理科学》编辑部 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.

基金资助:  国家自然科学基金项目(41471108)资助

作者简介:

作者简介:何舜辉(1988-),男,福建漳州人,博士研究生,主要从事科技创新与区域经济发展研究。E-mail:shhe126@126.com

展开

摘要

基于中国287个地级以上城市的专利、论文数据测度中国城市创新能力,揭示2001~2014年中国创新格局的时空演变特征,并分析城市创新能力的影响因素。研究表明:中国创新格局刻有明显的经济地带性差异的烙印,呈“东–中–西”逐渐衰减的态势,且随着时间推移,东部的压倒性地位进一步强化。基尼系数呈现先增后降的倒U型变化趋势,反映了整体由极化增长向优化均衡发展的空间过程。东部地区基尼系数维持相对稳定;创新能力较弱的中西部地区,城市间的创新能力差异却在不断缩小。高水平和较高水平的创新城市分布具有很强的经济依赖性,广泛分布于发达城市,而中等水平以上的城市呈集聚分布态势,表现出明显的“集群化”特征,与中国主要城市群的分布高度吻合。Moran’s I值均为正,并呈不断上升之势,反映了城市间显著的空间相关性。高高集聚区主要分布于京津冀、长三角和珠三角地区,而中部和西部省会城市作为区域性的创新极,对周围城市的创新带动效应并不明显,辐射作用有限。经济基础、人力资本、教育水平、FDI规模、制度因素、基础设施6方面因素不同程度地影响城市创新能力的形成。其中经济基础和人力资本因素影响较大,教育水平和制度因素次之,而FDI规模和基础设施水平对区域的创新能力影响相对较小,但仍表现为正向影响。

关键词: 城市创新能力 ; 时空格局 ; ESDA ; 溢出效应

Abstract

Based on patent and dissertation database of China’s 287 cities, the evaluation system of urban innovation capability was established in the perspective of innovation output, which is concerning the temporal-spatial evolution of innovation in China during 2001-2014. Then the article constructed the spatial econometric model to analyze influencing factors. The results are as follows: from 2001 to 2014, there are great differences of regional innovation output in China, and the output weakened from east to west, which showed an obvious trend of strengthen of western. The Gini Index of regional innovation capability in China raised at first, then decreased, which indicated that the innovation spatial patterns has evolved from polarized development to balanced development. The Gini Index of eastern where innovation output mainly concentrated in showed little change, in contract, the Gini Index of western showed declined. High level innovation hotspots widely distributed in developed cities, and the cities in the innovation secondary level are distributed in the form of agglomeration. Spatial dependence characteristic of city innovation level was significant, and further strengthen over time. H-H cluster areas are mainly distributed in Beijing-Tianjin-Hebei, the Yangtze River Delta and the Pearl River Delta, and the central and western provincial capital cities as regional innovation, didn’t have obvious driven effect to neighboring city and had limited radiation effect. Economic base, human capital, education level, FDI scale, institutional factors and infrastructure could promote the development of regional innovation. Especially, economic base and human capital were the most important factors, followed by education level and institutional factors.

Keywords: urban innovation capability ; spatial-temporal characteristics ; exploratory spatial data analysis ; spillover effect

0

PDF (1508KB) 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

何舜辉, 杜德斌, 焦美琪, 林宇. 中国地级以上城市创新能力的时空格局演变及影响因素分析[J]. , 2017, 37(7): 1014-1022 https://doi.org/10.13249/j.cnki.sgs.2017.07.006

He Shunhui, Du Debin, Jiao Meiqi, Lin Yu. Spatial-Temporal Characteristics of Urban Innovation Capability and Impact Factors Analysis in China[J]. Scientia Geographica Sinica, 2017, 37(7): 1014-1022 https://doi.org/10.13249/j.cnki.sgs.2017.07.006

知识经济时代背景下,科技创新逐渐成为国家或区域经济增长的核心动力[1]。全局把握中国创新发展的空间规律,是实施差异化的创新政策,寻求创新资源配置优化路径的关键。自进入21世纪以来,交通、网络和信息技术的发展极大地促进了知识、资本与人才的区域流动,不断重塑中国创新地理格局。一方面创新要素在“集聚效应”下的中心倾向性明显,区域间的创新差距在要素“累积效应”下逐渐拉大,呈现创新增长的发散趋势;另一方面由于知识、技术容易在高势位区域向低势位邻近区域溢出,后发地区可能通过模仿与学习,形成后发优势实现创新追赶,区域间的创新差距在“溢出效应”下缩小,呈现创新增长的收敛趋势。两种力量的博弈势必在时间和空间2个维度上产生异质性变化反应。

事实上,创新发展的空间异质性问题一直是国内地理学的研究热点。学界主要围绕着创新能力[2, 3]、创新绩效[4, 5]、创新联系[6, 7]等方面,从国际、省域等多元化空间尺度展开研究。随着科技与经济社会日趋融合,城市主导功能由管理、服务向科技创新功能转变[8]。城市作为创新生产的空间载体,直接参与到科技国际竞合中来,在国家创新体系中的地位进一步突显,由此衍生出了创意城市[9]、创新型城市[10]与全球科技创新中心[11]等城市创新研究命题。学界对创新空间异质性的关注也逐步从国际、省域层面下移到城市层面,或聚焦典型城市的创新发展模式与动力机制探讨[12],或选取部分城市,根据指标进行评估与排序比较[13, 14]。鉴于数据可得性,这类研究的对象只局限于部分经济发达城市,无法全面刻画中国的整体创新格局。而省域尺度的研究能够较好地展现中国区域分异特征,却忽略了省内创新发展的差异性。就区域科技政策而言,同样的政策在不同城市上可能产生不同的响应[15]。而具有明显局域性特征的知识溢出效应在省级空间的表现也并不明显[16]

可见,要想全面、系统地把握区域创新发展的空间变化规律及影响机制,突显城市的创新空间载体的特殊地位,就要打破传统空间尺度研究的束缚,聚焦于更微观的城市单元。然而,目前城市创新数据统计资料的缺失给这一方面的研究带来一定困难。鉴于此,本研究试图借助大数据挖掘技术,通过专利与论文数据来反映城市创新信息,从而揭示中国城市创新能力时空规律及影响因素,以期为行政区经济体制下的中国区域创新发展提供合理化建议。

1 研究方法

1.1 城市创新能力的测度

1.1.1 指标选取

城市创新能力是指城市对知识进行生产,并将其转化为新技术、新工艺、新产品与新服务的能力[17]。目前,城市创新能力的测度方法尚未形成共识,以往研究文献多以创新投入、创新产出、制度环境等复合性指标构建评价体系来综合测度。这种基于要素叠加的指标体系往往存在数据匹配能力缺失和重复计算的局限性。根据定义,城市创新能力应基本涵盖两方面内容,即知识生产能力和技术创新能力。知识生产是技术创新的源头,更靠近创新链的上游,而技术创新更接近创新活动的商业应用,靠近创新链的下游。在以往研究中,引用论文、专利指标来衡量知识生产能力和技术创新能力的合理性得到有效检验[18, 19]。因此,综合考虑数据可获得性和最具代表性,本文对创新能力的评价体系“去杂从简”,从产出的视角出发,采用国内发明专利授权量和论文发表量来测度城市创新能力。

1.1.2 数据来源说明

本研究以中国287个地级以上城市为基本空间单元,涵盖14 a(2001~2014年)的面板数据。其中发明专利授权量(件)数据来源于中国国家知识产权局(SIPO)专利检索数据库。通过检索2001年以来每件授权发明专利申请单位所在的邮编,匹配中国邮编数据库,识别专利的归属城市,最后进行专利总数的汇总。需要指出的是,中国知识产权局2000年以来授权发明专利的信息完整度较好,但仍存在部分专利邮编信息缺漏的情况,通过邮编数据识别方法与实际存在一定差距,但基本能较好地反映研究单元间的差异信息,例如2014年识别含邮编信息的专利数131 658项,SIPO官方实际发布的发明专利总数162 680项,信息覆盖达80.9%。其次,发表论文的数据来源于中国期刊全文数据库( www.cnki.net ),采用范斐等[20]的方法,通过CNKI论文检索数据库,高级检索预设“作者单位=某一城市”,检索当年287个地级以上城市的当年发表论文数。

1.1.3 突变级数求综合指数

预先将论文与专利指标分别进行无量纲化处理,转化为[0,1]区间范围内的越大越优型指标值。采用常见的尖点突变系统,通过专利授权量(主要因子)与发表论文量(次要因子)求解城市创新综合指数,其数学模型为:

fx=x4+ax2+bx(1)

式中:fx)为状态变量x的势函数;a、b表示状态变量x的控制变量。其归一化公式为:

xa=a,xb=b3(2)

由于所选指标间存在明显的互补性特征,因此采用取平均值法来确定各指标的评价值以及综合评价值。

1.2 ESDA:空间自相关

基于共同边界或顶点的相邻规则(Queen)来构建空间权重矩阵Wij。采用全局Moran’s I统计量测度城市单元之间的平均关联程度。公式如下:

I=i=1njinWijZiZjσ2i=1njinWij(3)

式中: Zi=Xi-X̅σ,X̅=1ni=1nXi,σ=1ni=1n(Xi-X̅)2,n 是研究单元的总数;Xi是城市i的创新综合得分值,Wij为空间权重矩阵。Moran’s I取值范围介于[-1,1]之间,大于0表示空间正相关,小于0表示空间负相关,等于0表示服从随机分布,空间不相关[21]

局域自相关(LISA)用来衡量每个城市单元在局部的相关性质,识别不同区域的空间关联模式。表达公式如下:

LISAi=Zij=1nWijZj(4)

LISAi为正值表示城市i与同样类型属性值的城市相邻近,为负值表示与不同类型属性值的城市相邻近。

2 中国创新时空格局演变特征

2.1 整体分异特征:从极化到优化均衡发展

采用基尼系数来反映空间差异,为了消除个别年份的异常干扰,对计算结果进行3 a滑动平均处理,结果表明(图1):基尼系数呈现先升后降的倒U型曲线变化趋势,说明中国城市创新能力总体经历了极化增长到优化均衡发展的变化过程。具体而言,在前期极化增长阶段,创新能力空间格局的二元结构愈加明显;而后期随着落后地区逐步追赶,空间失衡的加剧趋势得到减缓,“马太效应”逐步让位于“涓滴效应”,整体由低水平集聚向优化均衡过渡发展。从不同地带的变化情况来看,东部的极化水平较为稳定,基尼系数变化呈微弱波动,而中部和西部的基尼系数缓慢上升后逐渐下降,且西部的下降趋势尤为明显,基尼系数分别由2001年的0.42和0.34下降至2014年的0.34和0.31。表明在创新产出较为集中的东部,城市间的同步增长相对较为一致。而创新产出能力较差的中西部地区,差异却在不断缩小,均衡化发展趋势更加显著。

图1   中国地级以上城市创新能力基尼系数变化(2001~2014)

Fig.1   The Gini Index of regional innovation capability in China during 2001-2014

2.2 地带性分异特征:“东强西弱”格局烙印的深化

自进入21世纪以来,中国区域创新能力经历了一个剧烈的加速过程,整体创新能力得分从2001年的15.2增加到2014年的27.3,翻了将近一倍。总体创新格局明显刻有经济活动地带性差异的烙印,呈现“东--西”逐渐衰减的分布格局( ① 各地级市所属区域由其所在省、市、区所属的区域决定。东部地区包括辽宁、河北、北京、天津、山东、江苏、上海、浙江、福建、广东与海南,共计101个地级市;中部地区包括黑龙江、吉林、山西、河南、安徽、湖北、湖南、江西,共计100个地级市;西部包括内蒙古、陕西、甘肃、宁夏、青海、新疆、四川、云南、贵州、西藏、重庆、广西,共计86个地级市。)。且随着时间变化,东部城市得分有显著的增加,导致“沿海-内陆”分化进一步加剧。2001年东部地区创新能力得分为6.99,占当年总得分的45.8%,到2014年创新能力得分13.48,占当年总得分49.4%,上升近4个百分点(表1)。相反地,中部地区创新能力得分则下降了3个百分点,从2001年的32.2%下降为2014年的29.0%。说明中部城市相对其他地区创新能力增长动力不足,地位有所下将。而西部地区的创新能力一直维持在低位,变化并不明显。

表1   中国三大地带创新能力得分与比重(2001~2014年)

Table 1   Scores and percentage of the three regions innovation capability in China during 2001-2014

区域2001年2007年2014年
得分比重得分比重得分比重
东部6.990.4610.590.4713.480.49
中部4.920.327.170.327.920.29
西部3.340.224.870.225.890.22
全国15.25122.63127.291

新窗口打开

2.3 集群分布特征:不同创新集群的“此消彼长”

以Jenks最佳自然断裂法将各年份的城市创新能力划分4个等级阶梯(图2),图中的空白区域为数据缺失的地级市以及港澳台地区。中国城市创新格局呈现明显的经济依赖性特征,高水平的创新城市作为区域创新引领极,广泛分布在城市群的核心城市,包括几个直辖市和个别省份的主要发达城市,如北京市、上海市、深圳市、南京市、武汉市等。较高水平的创新城市基本分布于部分省会城市和部分经济发达的非省会城市,具体包括:杭州市、吉林市、郑州市、大连市、东莞市等。而中等水平以上的城市呈片状分布态势,表现出明显的“集群化”特征,具体包括京津冀、长三角、珠三角、山东半岛、哈长、辽中南、长江中游、成渝、海峡西岸等区域,尤其是在东部“京津冀 -长三角”沿海地区已形成明显的创新连绵带。纵向来看,研究期内较高水平和高水平的创新城市相对比较稳定,呈现出一定的时空惯性。而低水平和中等水平城市呈现“此消彼长”的动态趋势,低水平城市的范围扩散明显,而中等水平城市的范围不断缩减,其中,东北地区和环渤海地区、华北地区、华中地区等地区尤为明显,相反,长三角和珠三角地区创新集群分布模式随时间推进而进一步强化。

图2   2001年和2014 年中国城市创新水平类型

Fig.2   The spatial distribution of urban innovation capability in China in 2001 and 2014

2.4 空间关联特征:溢出效应下的空间依赖性增强

研究期间,中国城市创新能力的Moran’s I指数均为正值,且在10%水平下显著(表2)。说明相邻城市的创新水平具有较高的一致性,在空间分布上呈现集聚现象。随着时间的推移,Moran’s I的值不断上升,说明城市之间联系日益紧密,溢出效应下的空间相关性逐渐增强。为了进一步反映局域空间关联特征,借助LISA图(图3)来反映不同局域的关联模式。

图3   中国城市创新能力的LISA集聚图

Fig.3   LISA of urban innovation capability in China in 2001 and 2014

1) H-H集聚区(高效型)主要分布在长三角、环渤海和珠三角的非核心城市。2001年为惠州、保定、天津、绍兴4个城市,2014年增加了东莞、湖州、嘉兴、苏州、扬州、上海6个城市。这些城市本身的创新能力水平较高,且周围相邻城市的创新水平也较高,从而成为中国的“高效型”创新区域。值得注意的是,虽然北京市与深圳市的创新能力较高,但与其相邻的部分城市,如廊坊市却很低,两极分化明显,削弱了该区域高高集聚的显著性。相对而言,长三角地区的高高集聚区明显,说明该地区创新溢出的效应明显,空间联系较为紧密。

2) H-L集聚区(极化型)主要集中分布于中国西部地区,2001年包括呼和浩特市、兰州市、成都市、重庆市等6个省会城市。且随着时间变化,该类型区域有所缩减,但成都、兰州、重庆的3个城市的高低集聚特征仍十分明显,这些城市相对于周围城市具有较高的创新能力水平,但无法带动周边地区创新能力的提高,从而形成了中间高、周围低的“极化型 ”的分化格局。

3) L-H集聚区(空心型)呈零星状分布于东、中部的少数城市,包括松原、牡丹江、廊坊、滁州、嘉兴和莱芜。这些城市创新能力明显低于周围城市,形成周围高,中间低的“空心型”的分化格局。这些城市自身创新水平较差,且受周围城市的影响也小。到2014年,该类型的创新城市数量有所减少,如嘉兴、东莞和松原,说明随着时间推进,周围城市的创新带动效应有所增强,使得这几个城市的创新能力差距有所缩减。

表2   中国城市创新能力的Moran’s I指数变化

Table 2   Moran’s I index change of urban innovation capability in China

年份Moran’s IsdZp年份Moran’s IsdZp
20010.05220.0391.4460.07320080.08220.0382.3320.020
20020.05410.0381.5290.06720090.10200.0392.6670.015
20030.05410.0401.4650.07220100.11140.0412.8610.009
20040.05600.0391.5280.06320110.11630.0402.9670.005
20050.06300.0411.6380.05420120.12910.0393.3510.002
20060.06340.0401.7200.05120130.12040.0393.2360.005
20070.06660.0401.7850.04520140.13220.0413.3550.003

新窗口打开

表3   中国城市创新能力的影响因素与解释变量

Table 3   The impact factors and variables of urban innovation capability in China

因素编码解释变量
经济基础GDP地区生产总值(万元)
人力资本CAP科学研究、技术服务和地质勘察业人员数(万人)
教育水平EDU平均受教育年限(年)
FDI规模FDI当年实际使用外资金额(万美元)
制度因素INS科学支出占地方财政预算支出的百分比(%)
基础设施FAC每万人国际互联网用户数(户/万人)

新窗口打开

4) L-L集聚区(低效型)广泛分布于中西部的城市,包括甘肃省的酒泉、张掖和天水,陕西省的榆林,山西省的大同,四川省的广元、南充和六盘水,以及广西省的百色、崇左、防城港等城市。该类型城市的创新能力属于国内较低水平,且与周围城市的差异较小。该类地区是创新产出的低值集中区,呈连片团状分布,在中国西部形成了一片创新洼地。

3 城市创新能力的影响因素分析

3.1 变量的选取

综合已有文献的成果与缺失[22~25],本文提出城市创新能力差异的分析框架,包括6个方面因素:经济基础(GDP)、人力资本(CAP)、教育水平(EDU)、FDI规模(FDI)、制度因素(INS)以及基础设施(FAC)。各因素替代指标如表3所示,数据来源于《中国分县市人口统计资料(2010)》[26]与《中国城市统计年鉴》[27]。同时,考虑到创新投入与产出的滞后性(一般滞后期为2 a),以及人口普查数据的非连续性,采用截面数据,以2012年城市创新能力综合值作为因变量,对应2010年的指标数据进行回归,并预先采用极差标准化法对数据进行标准化处理。

3.2 空间计量模型的构建

上文空间统计的Moran’s I指数检验已经证明了中国城市在溢出效应下的空间依赖性。因此有必要将空间效应(空间自相关和空间误差)作为影响因子纳入到模型中,来构建中国城市创新能力回归模型,转而探索研究单元之间的相互关系。

空间滞后模型(SLM)表达式为:

Y=a+ρWY+bX1+cX2+dX3+eX4+fX5+gX6+ε(5)

空间误差模型(SEM)表达式为:

Y=a+bX1+cX2+dX3+eX4+fX5+gX6+ε

ε=λWε+u(6)

式中,Wn×n的空间权重矩阵,ε为随机误差项,μ为正态分布的随机误差项。ρ反映的是相邻地区的观察值Y 对本地区观察值Y 影响方向和程度,λ度量邻接地区关于因变量的误差冲击对本地区观察值的影响程度[28]

3.3 回归结果分析

回归结果(表4)表明,经典OLS、空间滞后模型(SLM)和空间误差模型(SEM)3种计量模型均具有很好的拟合效果,R2都在90%以上。进一步对比对数似然函数值LogL、赤池信息准则 AIC 和施瓦茨准则 SC 的值。结果显示空间误差模型的LogL值最高,且AIC及SC值最低,根据Anselin[29]的判别准则可以断定空间误差模型(SEM)为本文最适用模型,其拟合优度最佳。其中,空间误差项Wε的弹性系数λ为0.25,显著为正,说明空间溢出效应对中国区域创新能力具有正向的影响,即某一城市的创新产出增加,会带动相邻的城市的创新产出增加,换言之,当周围城市创新能力提高时,该城市的创新能力也会随之增加,相邻区域间形成趋同效应。该结果也进一步佐证城市之间知识溢出效应下的创新关联性。

表4   中国城市创新能力的计量模型估计结果

Table 4   Econometric model estimation result of influencing factors of urban innovative capacity in China

OLS空间滞后
模型(SLM)
空间误差
模型(SEM)
CONSTANT3.10E-082.49E-04-5.26E-03
EDU0.086***0.086***0.104***
GDP0.419***0.417***0.413***
CAP0.511***0.513***0.511***
INS0.109***0.104***0.109***
FDI0.0660.0650.067*
FAC0.061**0.061**0.065**
ρ/0.028/
λ//0.250***
R20.9040.9040.909
LogL-69.434-69.136-63.857
AIC152.869154.272141.713
SC178.411183.464167.256

注:双尾检验统计显著度:*,P<0.05;**,P<0.01;***,P<0.001;“/”为未涉及项。

新窗口打开

所有指标的标准化回归系数均为正,且除FDI通过5%的显著水平检验外,其他指标均通过了1%的显著性水平检验。其中,人力资本与经济基础系数分别达到0.511和0.413,说明在其他条件不变的情况下,人力资本和经济水平每增加1%,对区域创新能力的提升的贡献分别为0.51%和0.41%。这与国内外众多的研究结果一致,城市创新系统是一个投入产出系统,创新资源投入(如财力、人力等)很大程度上决定了地区的创新水平。以科学研究、技术服务和地质勘察业人员数衡量城市创新生产的人力资本,对区域创新发展的作用起到至关重要的作用。同时也验证了城市经济规模与创新水平是相辅相成的关系。创新作为城市经济增长重要驱动力,对城市经济发展的促进作用已是不争之实。而城市的经济发展水平,反过来也在很大程度上决定了当地的财政科技投入、以及社会研发经费支出等创新投入的规模,从而决定了区域创新发展水平。

教育水平和制度因素对城市创新能力的差异具有较显著的影响,标准差系数分别为0.104和0.109,仅次于人力资本和经济基础的影响。说明了教育作为提高城市人口知识化水平的手段,对城市的创新发展的具有重要作用。同时,地方政府作为城市创新系统的参与者,对科研与教育的支持力度对城市创新发展具有一定的正向影响,反映了政府的能动性作用。另外,FDI和基础设施的标准差系数分别为0.067和0.065,尽管相对其他4个因素的系数值较低,但也表现出不同程度的正向影响。一般认为,大规模的FDI夹带着隐性和显性的知识与技术,跨国资本的进驻,为地方提供了更多的技术学习机会,产生“知识溢出”,对地方的创新能力提升具有正向促进作用,但可能也会形成一定的逆向“挤占作用”[30]。从回归结果来看,更接近于正负相互作用的结果,处于不同发展阶段的城市,对FDI所带来的正负效应所产生地方响应各异,使得总体显著性降低。而良好的创新基础设施,有利于营造良好的创新环境,为城市开展创新活动提供有益保障。回归结果中,尽管影响相对较小,但仍为正向影响,也基本符合国内外研究的结果。

4 结论

1) 城市创新增长的差异势必造成空间过程的趋同或趋异,两种力量的博弈不断重塑中国创新格局。本文基于产出视角来测度城市创新能力,并从分异特征、集群分布和空间关联等方面揭示中国创新格局演变规律。结果表明,中国创新格局刻有“东强西弱”的经济格局烙印,且呈不断深化的趋势,但在整体上表现为前期极化增长,后期优化均衡发展的过程。而从城市对比结果来看,高水平与较高水平创新城市分布具有明显的经济依赖性特征,总体格局与中国主要城市群的空间格局高度吻合。与以往省域尺度研究结果不同的是,创新城市“集群化”分布模式十分明显,且空间集聚现象在逐步增强。作为区域增长极的高高集聚区集中分布于中国长三角、环渤海及珠三角地区,而中部和西部省会城市作为区域性的创新极,对相邻城市的创新带动效应并不明显,辐射作用有限。研究结果在一定程度上揭示了地理邻近与创新溢出对中国地级以上城市创新时空演进的推动作用。

2) 总体而言,城市创新能力的形成是创新主体与环境相互作用的结果。计量模型回归结果表明,经济基础与人力资本投入因素对城市创新能力的形成起到了至关重要的作用,而地方的教育水平、吸引FDI的规模、政府的创新投入积极性和基础设施也有着不同程度的影响。同时,空间误差模型的拟合结果最优,也进一步说明了城市间的创新溢出对城市创新能力的促进作用。因此在区域创新研究中,地理因素(空间关联效应)不容忽视,尤其在政策实施层面,有必要从协同开发的角度来制定区域规划或区域创新发展战略,强调创新互动机制,促进跨区域知识溢出、转移和扩散,实现联动发展。同时,值得注意的是,由于ESDA的空间相关性是以数据驱动的,因此在结果分析上还欠缺更加有力的理论解释。在后续研究中,应该加强城际间的创新要素流动和创新合作等方面的研究,从而进一步总结城市创新研究中的空间交互作用的机理与规律。

The authors have declared that no competing interests exist.


参考文献

[1] 杜德斌.

上海建设全球科技创新中心的战略路径

[J]. 科学发展, 2015,74(1):93-97.

https://doi.org/10.3969/j.issn.1674-6171.2015.01.014      URL      [本文引用: 1]      摘要

建设全球科技创新中心是一个系统工程,上海应从国家战略需求出发,紧盯全球科技创新中心目标,全盘考虑、抓紧谋划、扎实推进,力争到2040年基本建成具有雄厚竞争力、强大辐射力和广泛影响力的全球科技创新中心,成为全球创新资源配置中枢、国际创新知识生产源地、世界创新经济战略高地和国际科技创新竞合平台。

[Du Debin.

Strategic thinking on Shanghai’s construction of global science and technology innovation center.

Scientific Development, 2015, 74(1):93-97.]

https://doi.org/10.3969/j.issn.1674-6171.2015.01.014      URL      [本文引用: 1]      摘要

建设全球科技创新中心是一个系统工程,上海应从国家战略需求出发,紧盯全球科技创新中心目标,全盘考虑、抓紧谋划、扎实推进,力争到2040年基本建成具有雄厚竞争力、强大辐射力和广泛影响力的全球科技创新中心,成为全球创新资源配置中枢、国际创新知识生产源地、世界创新经济战略高地和国际科技创新竞合平台。
[2] 柳卸林, 胡志坚.

中国区域创新能力的分布与成因

[J]. 科学学研究, 2002, 20(5):550-556.

https://doi.org/10.3969/j.issn.1003-2053.2002.05.022      URL      [本文引用: 1]      摘要

本文分析了中国区域创新能力研究的意义和演化历程,建立了一套综合的创新能力指标体系,对中国的区域创新能力作了一个基本判断,并就区域创新能力的成因作了自己的分析.最后,文章探讨了中国区域创新能力所揭示的政策意义和启示.

[Liu Xielin, Hu Zhijian.

The pattern of China regional innovation capability and its implication.

Studies in Science of Science, 2002, 20(5):550-556.]

https://doi.org/10.3969/j.issn.1003-2053.2002.05.022      URL      [本文引用: 1]      摘要

本文分析了中国区域创新能力研究的意义和演化历程,建立了一套综合的创新能力指标体系,对中国的区域创新能力作了一个基本判断,并就区域创新能力的成因作了自己的分析.最后,文章探讨了中国区域创新能力所揭示的政策意义和启示.
[3] 曹勇, 秦以旭.

中国区域创新能力差异变动实证分析

[J]. 中国人口•资源与环境, 2012, 22(3):164-169.

https://doi.org/10.3969/j.issn.1002-2104.2012.03.027      URL      [本文引用: 1]      摘要

区域创新能力是决定区域经济发展水平和经济增长实力的关键,在建设“创新型国家”的战略背景下,各省市越来越注重区域创新能力的建设.区域创新能力作为一个动态的发展过程,其差异在不断变化,差异可能扩大也可能缩小,区域创新能力的差异性及随时间的波动性对政府相关管理部门的决策具有重要影响.本文以发明专利申请量和大中型工业企业新产品产值衡量区域创新能力,运用Theil系数模型测算了1990 - 2008年间我国发明专利申请量和大中型工业企业新产品产值的区域差异变动情况.结果发现:发明专利申请量区域差异变动呈现S型曲线;大中型工业企业新产品产值区域差异变动呈现近似倒U型曲线;区间差异和东部地区内部差异在总差异中占主导地位.在此基础上,本文进一步提出了缩小我国区域创新能力差异的针对性政策建议.

[Cao Yong, Qin Yixu.

Measurable analysis on the difference changes of regional innovation capability based on the dynamic performance in China. China Population,

Resources and Environment, 2012, 22(3):164-169. ]

https://doi.org/10.3969/j.issn.1002-2104.2012.03.027      URL      [本文引用: 1]      摘要

区域创新能力是决定区域经济发展水平和经济增长实力的关键,在建设“创新型国家”的战略背景下,各省市越来越注重区域创新能力的建设.区域创新能力作为一个动态的发展过程,其差异在不断变化,差异可能扩大也可能缩小,区域创新能力的差异性及随时间的波动性对政府相关管理部门的决策具有重要影响.本文以发明专利申请量和大中型工业企业新产品产值衡量区域创新能力,运用Theil系数模型测算了1990 - 2008年间我国发明专利申请量和大中型工业企业新产品产值的区域差异变动情况.结果发现:发明专利申请量区域差异变动呈现S型曲线;大中型工业企业新产品产值区域差异变动呈现近似倒U型曲线;区间差异和东部地区内部差异在总差异中占主导地位.在此基础上,本文进一步提出了缩小我国区域创新能力差异的针对性政策建议.
[4] 池仁勇, 唐根年.

基于投入与绩效评价的区域技术创新效率研究

[J]. 科研管理, 2004, 25(4): 23-27.

https://doi.org/10.3969/j.issn.1000-2995.2004.04.005      URL      [本文引用: 1]      摘要

本文介绍了区域技术创新效率的概念和DEA测算方法,以浙江省十一个地区为例测算了技术创新效率,并对影响该效率的各个因素进行了回归检验.研究结果表明,企业制度、研发项目投入强度、企业群体结构和产业集群对区域技术创新效率有显著影响.然而,政府对技术创新投入并不会对效率有显著影响.因此,区域技术创新政策应更加关注制度创新、产业布局和市场竞争环境改善.

[Chi Renyong, Tang Gennian.

Study on efficiencies of regional technology innovation based on evaluation of inputs and performances.

Science Research Management, 2004,25(4): 23-27.]

https://doi.org/10.3969/j.issn.1000-2995.2004.04.005      URL      [本文引用: 1]      摘要

本文介绍了区域技术创新效率的概念和DEA测算方法,以浙江省十一个地区为例测算了技术创新效率,并对影响该效率的各个因素进行了回归检验.研究结果表明,企业制度、研发项目投入强度、企业群体结构和产业集群对区域技术创新效率有显著影响.然而,政府对技术创新投入并不会对效率有显著影响.因此,区域技术创新政策应更加关注制度创新、产业布局和市场竞争环境改善.
[5] 谭俊涛, 张平宇, 李静.

中国区域创新绩效时空演变特征及其影响因素研究

[J]. 地理科学, 2016,36(1):39-46.

[本文引用: 1]     

[Tan Juntao, Zhang Pingyu, Li Jing.

Spatio temporal characteristics of regional innovation performance and its influencing factors in China.

Scientia Geographica Sinica, 2016, 36(1):39-46.]

[本文引用: 1]     

[6] 牛欣, 陈向东.

城市间创新联系及创新网络空间结构研究

[J]. 管理学报, 2013, 10(4):575-582.

https://doi.org/10.3969/j.issn.1672-884x.2013.04.014      URL      Magsci      [本文引用: 1]      摘要

将基于牛顿原理的引力模型首次应用到城市间创新联系的研究中并对其进行修正,建立城市创新引力模型;结合网络分析法,按照八大经济圈的划分标准对我国287个地级及以上城市间的创新联系及创新网络空间结构进行深入探讨。结果显示,各经济圈创新网络城市间创新联系紧密程度存在差异,以经济发达城市为核心的创新网络空间布局基本形成,块模型揭示了城市子群内创新联系较子群间紧密的特征。

[Niu Xin, Chen Xiangdong.

Innovation connection between cities and spatial structure of innovation network.

Chinese Journal of Management, 2013, 10(4):575-582.]

https://doi.org/10.3969/j.issn.1672-884x.2013.04.014      URL      Magsci      [本文引用: 1]      摘要

将基于牛顿原理的引力模型首次应用到城市间创新联系的研究中并对其进行修正,建立城市创新引力模型;结合网络分析法,按照八大经济圈的划分标准对我国287个地级及以上城市间的创新联系及创新网络空间结构进行深入探讨。结果显示,各经济圈创新网络城市间创新联系紧密程度存在差异,以经济发达城市为核心的创新网络空间布局基本形成,块模型揭示了城市子群内创新联系较子群间紧密的特征。
[7] 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(1):30-37.

[本文引用: 1]     

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

[本文引用: 1]     

[8] 杜德斌. 全球科技创新中心:动力与模式[M]. 上海:上海人民出版社, 2015.

[本文引用: 1]     

[Du Debin.Global S&T innovation center: Motivation and Model. Shanghai: Shanghai People’s Publishing House, 2015.]

[本文引用: 1]     

[9] Florida R.

The rise of the creative class

[J]. Washington Monthly, 2002, 35(5):593-596.

https://doi.org/10.1016/j.regsciurbeco.2005.01.005      URL      [本文引用: 1]      摘要

Discusses the emergence of the creative class in cities and regions in the U.S. Characteristics of the creative class; Concentration of the creative class in various U.S. cities and regions; Characteristics of cities and regions that attract lots of creative talent; Attitude of creative class people toward outdoor recreation. INSET: The Creativity Index.
[10] 黄亮, 杜德斌.

创新型城市研究的理论演进与反思

[J]. 地理科学, 2014, 34(7):773-779.

[本文引用: 1]     

[Huang Liang, Du Debin.

The evolution and introspection for the theory of innovative city.

Scientia Geographica Sinica, 2014, 34(7): 773-779.]

[本文引用: 1]     

[11] 杜德斌, 段德忠.

全球科技创新中心的空间分布、发展类型及演化趋势

[J]. 上海城市规划, 2015(1): 76-81.

https://doi.org/10.3969/j.issn.1673-8985.2015.01.016      URL      [本文引用: 1]      摘要

首先基于澳大利亚智库2thinknow评选出的2014年全球最具影响的100个创新城市,对当前全球科技创新中心的空间分布格局进行了揭示,其次依据麦肯锡公司发布的创新热图对全球科技创新中心的成长路径和类型进行了阐述,发现区位是影响全球科技创新中心成长和发展的决定性因素。最后对全球科技创新中心的空间转移和演化趋势进行了探讨,指出在全球高端生产要素和创新要素加速向亚太板块转移的趋势下,亚太国家和地区,特别是中国更具备孕育科技创新中心所需的资源丰度和市场深度,且随着科技创新逐渐成为全球城市的重要标志性功能,以科技创新推动全球城市发展将是世界城市发展的普遍趋势。

[Du Debin, Duan Dezhong.Spatial distribution, development type and evolution trend of global s&t innovation center. Shanghai Urban Planning Review, 2015(1): 76-81. ]

https://doi.org/10.3969/j.issn.1673-8985.2015.01.016      URL      [本文引用: 1]      摘要

首先基于澳大利亚智库2thinknow评选出的2014年全球最具影响的100个创新城市,对当前全球科技创新中心的空间分布格局进行了揭示,其次依据麦肯锡公司发布的创新热图对全球科技创新中心的成长路径和类型进行了阐述,发现区位是影响全球科技创新中心成长和发展的决定性因素。最后对全球科技创新中心的空间转移和演化趋势进行了探讨,指出在全球高端生产要素和创新要素加速向亚太板块转移的趋势下,亚太国家和地区,特别是中国更具备孕育科技创新中心所需的资源丰度和市场深度,且随着科技创新逐渐成为全球城市的重要标志性功能,以科技创新推动全球城市发展将是世界城市发展的普遍趋势。
[12] 尤建新, 卢超, 郑海鳌,.

创新型城市建设模式分析——以上海和深圳为例

[J]. 中国软科学, 2011(7):82-92.

https://doi.org/10.3969/j.issn.1002-9753.2011.07.011      URL      [本文引用: 1]      摘要

创新型城市的建设和发展具有内在的路径和模式.上海和深圳是我国 创新型城市建设的典范,在城市创新战略和驱动要素方面各具特色、各有所长.在构建完整的城市创新体系的基础上,以上海和深圳为例,对两市的城市创新战略和 驱动要素进行对比分析,并归纳、总结出创新型城市建设的“上海模式”和“深圳模式”,可以为国内其他创新型城市的建设提供参考.

[You Jianxin, Lu Chao, Zheng Haiao et al. Analysis of innovative cities’ construction patterns: A case study of Shanghai and Shenzhen.China Soft Science, 2011(7):82-92.]

https://doi.org/10.3969/j.issn.1002-9753.2011.07.011      URL      [本文引用: 1]      摘要

创新型城市的建设和发展具有内在的路径和模式.上海和深圳是我国 创新型城市建设的典范,在城市创新战略和驱动要素方面各具特色、各有所长.在构建完整的城市创新体系的基础上,以上海和深圳为例,对两市的城市创新战略和 驱动要素进行对比分析,并归纳、总结出创新型城市建设的“上海模式”和“深圳模式”,可以为国内其他创新型城市的建设提供参考.
[13] 方创琳, 马海涛, 王振波,.

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.

[本文引用: 1]     

[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.]

[本文引用: 1]     

[14] 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。

[Lv 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。
[15] 李小建, 乔家君.

20世纪90年代中国县际经济差异的空间分析

[J]. 地理学报, 2001, 56(2): 136-145.

https://doi.org/10.3321/j.issn:0375-5444.2001.02.002      URL      [本文引用: 1]      摘要

首次将县域经济发展数据与图形数据结合分析,结果表明1990-1998年中国县域经济发展相对差异明显较小,但沿海地区与内陆地区的差异则出现扩大;经济增长较快的县域自一些增长中心向外扩延,逐步形成沿海岸带,京广线和长江沿岸三大经济增长轴;但沿海发达区内存在十分不发达县域,经济不发达县域主要位于西部地区,与环境较差的山区,寒区,旱区以脑省际边界地区有关;全国县域经济基础和增长可分为基础好增长较快型,基础差增长较快型,基础差缓慢增长型,基础好缓慢增长型。

[Li Xiaojian, Qiao Jiajun.

County level economic disparities of China in the 1990s.

Acta Geographica Sinica, 2001, 56(2): 136-145.]

https://doi.org/10.3321/j.issn:0375-5444.2001.02.002      URL      [本文引用: 1]      摘要

首次将县域经济发展数据与图形数据结合分析,结果表明1990-1998年中国县域经济发展相对差异明显较小,但沿海地区与内陆地区的差异则出现扩大;经济增长较快的县域自一些增长中心向外扩延,逐步形成沿海岸带,京广线和长江沿岸三大经济增长轴;但沿海发达区内存在十分不发达县域,经济不发达县域主要位于西部地区,与环境较差的山区,寒区,旱区以脑省际边界地区有关;全国县域经济基础和增长可分为基础好增长较快型,基础差增长较快型,基础差缓慢增长型,基础好缓慢增长型。
[16] 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      [本文引用: 1]      摘要

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。

[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      [本文引用: 1]      摘要

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。
[17] 柳卸林, 高太山. 中国区域创新能力报告[M]. 北京:科学出版社, 2013.

[本文引用: 1]     

[Liu Xielin, Gao Taishan.The report of regional innovation capability in China. Beijing: Science Press, 2013.]

[本文引用: 1]     

[18] Pavitt K.

R&D, Patenting and innovative activities: A statistical exploration

[J]. Research Policy, 1982, 11(1):33-51.

https://doi.org/10.1016/0048-7333(82)90005-1      URL      [本文引用: 1]     

[19] 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.

https://doi.org/10.11821/dlxb201512005      URL      [本文引用: 1]      摘要

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。

[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.]

https://doi.org/10.11821/dlxb201512005      URL      [本文引用: 1]      摘要

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。
[20] 范斐, 杜德斌, 李恒, .

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.

[本文引用: 1]     

[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.]

[本文引用: 1]     

[21] Anselin L, Florax R J G M.

Small sample properties of tests for spatial dependence in regression models: Some further results

[M]. New Directions in Spatial Econometrics. Springer Berlin Heidelberg, 1995:21-74.

[本文引用: 1]     

[22] 左学金, 王红霞.

大都市创新与人口发展的国际比较——以纽约、东京、伦敦、上海为案例的研究

[J]. 社会科学, 2009(2):44-52.

https://doi.org/10.3969/j.issn.0257-5833.2009.02.006      URL      [本文引用: 1]      摘要

大都市区不仅是人口经济活动的集聚地,而且也正成为创新的重要区域。纽约、伦敦、东京等国际大都市区的创新经验表明:稳定增长的人口规模、高素质的劳动力队伍和能够提供多种服务的产业结构以及开放的市场和人口环境,是大都市得以成功实现创新和保持创新优势的关键因素。上海城市创新进程中高素质的人力资本相对匮乏,人口增长相对滞后,人口流动性、多样性与开放性不足,放宽人口和产业管制、差别化人力资本投资政策以及重视对高素质人才的公共服务等也许可以为上述问题提供有效的应对。

[Zuo Xuejin, Wang Hongxia.The innovation of metropolis and its population development: A comparative study on New York, Tokyo, London and Shanghai. Social Science, 2009(2):44-52.]

https://doi.org/10.3969/j.issn.0257-5833.2009.02.006      URL      [本文引用: 1]      摘要

大都市区不仅是人口经济活动的集聚地,而且也正成为创新的重要区域。纽约、伦敦、东京等国际大都市区的创新经验表明:稳定增长的人口规模、高素质的劳动力队伍和能够提供多种服务的产业结构以及开放的市场和人口环境,是大都市得以成功实现创新和保持创新优势的关键因素。上海城市创新进程中高素质的人力资本相对匮乏,人口增长相对滞后,人口流动性、多样性与开放性不足,放宽人口和产业管制、差别化人力资本投资政策以及重视对高素质人才的公共服务等也许可以为上述问题提供有效的应对。
[23] Etzkowitz H.

The Triple Helix: Academy-industry-government relations and the growth of neo-corporatist industrial policy in the U.S.

[M]. Managing Technological Knowledge Transfer, EC Social Sciences. 1997.

[24] 杜德斌, 何舜辉.

全球科技创新中心的内涵、功能与组织结构

[J]. 中国科技论坛, 2016,(2):10-15.

https://doi.org/10.3969/j.issn.1002-6711.2016.02.003      URL      摘要

文章在界定"全球科技创新中心"内涵的基础上,讨论了全球科技创新中心的四大功能,即科学研究、技术创新、产业驱动和文化引领;同时总结出全球科技创新中心的五个显著特征:功能支配性、结构层次性、空间集聚性、产业高端性、文化包容性;最后分析了全球科技创新中心的组成要素和结构,将其归纳为三个层次的多要素系统,其中人才是全球科技创新中心形成的核心要素,大学、企业和政府是全球科技创新中心发展的驱动要素,创新文化、创新资本、创新基础设施和专业服务等是构成全球科技创新中心的环境要素。

[Du Debin, He Shunhui.

The connotation, function and organization of global s&t innovation center.

Forum on Science and Technology in China, 2016,(2):10-15.]

https://doi.org/10.3969/j.issn.1002-6711.2016.02.003      URL      摘要

文章在界定"全球科技创新中心"内涵的基础上,讨论了全球科技创新中心的四大功能,即科学研究、技术创新、产业驱动和文化引领;同时总结出全球科技创新中心的五个显著特征:功能支配性、结构层次性、空间集聚性、产业高端性、文化包容性;最后分析了全球科技创新中心的组成要素和结构,将其归纳为三个层次的多要素系统,其中人才是全球科技创新中心形成的核心要素,大学、企业和政府是全球科技创新中心发展的驱动要素,创新文化、创新资本、创新基础设施和专业服务等是构成全球科技创新中心的环境要素。
[25] 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].地理科学,2017,37(1):11-18.

URL      [本文引用: 1]      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。

[Wang Junsong,

YanYan, Hu Shuhong. Spatial pattern and determinants of chinese urban innovative capabilities base on spatial panel data model.

Scientia Geographica Sinica,2017,37(1):11-18.]

URL      [本文引用: 1]      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。
[26] 公安部治安管理局. 中华人民共和国全国分县市人口统计资料(2010年)[M]. 北京: 群众出版社, 2011.

[本文引用: 1]     

[Ministry of Public Security. Statistics on the population statistics of the People's Republic of China (2010). Beijing: Masses Publishing House, 2011.]

[本文引用: 1]     

[27] 国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2011.

[本文引用: 1]     

[National Bureau of Statistics of China. China City Statistical Yearbook. Beijing: China Statistics Press, 2011.]

[本文引用: 1]     

[28] 王俊松.

长三角制造业空间格局演化及影响因素

[J]. 地理研究, 2014, 33(12):2312-2324.

https://doi.org/10.11821/dlyj201412009      URL      Magsci      [本文引用: 1]      摘要

基于长三角制造业企业数据和空间计量统计方法,探讨了长三角地区2000 年以来制造业的空间格局变化及影响因素。结果表明:长三角制造业空间分布呈现出典型的以上海为中心的沿重要交通轴线集聚的特征,且在2000 年以后经历了明显的产业扩散,这种扩散存在明显的行业差别,技术密集度越高,行业的扩散半径越小。尽管出现制造业扩散趋势,上海市作为长三角中心城市的地位却有所增强。空间计量的回归结果表明,制造业分布存在典型的空间溢出效应;控制空间溢出效应以后,这一地区的制造业集聚主要受制于区位条件因素,包括到上海市区和到机场的距离以及市辖区区位是影响制造业分布的重要因素,且前两个因素的影响逐渐增强,尚未发现政策因素对制造业分布的显著影响。同时发现制造业集聚影响因素存在显著的行业差异。

[Wang Junsong.

Evolution of spatial pattern and influencing factors of manufacturing industries in Yangtze River delta region.

Geographical Research, 2014, 33(12):2312-2324.]

https://doi.org/10.11821/dlyj201412009      URL      Magsci      [本文引用: 1]      摘要

基于长三角制造业企业数据和空间计量统计方法,探讨了长三角地区2000 年以来制造业的空间格局变化及影响因素。结果表明:长三角制造业空间分布呈现出典型的以上海为中心的沿重要交通轴线集聚的特征,且在2000 年以后经历了明显的产业扩散,这种扩散存在明显的行业差别,技术密集度越高,行业的扩散半径越小。尽管出现制造业扩散趋势,上海市作为长三角中心城市的地位却有所增强。空间计量的回归结果表明,制造业分布存在典型的空间溢出效应;控制空间溢出效应以后,这一地区的制造业集聚主要受制于区位条件因素,包括到上海市区和到机场的距离以及市辖区区位是影响制造业分布的重要因素,且前两个因素的影响逐渐增强,尚未发现政策因素对制造业分布的显著影响。同时发现制造业集聚影响因素存在显著的行业差异。

[29] Anselin L.

Spatial Econometrics: Methods and Models

[M]. Dordrecht: Kluwer Academic Publishers, 1988:284.

[本文引用: 1]     

[30] 张战仁.

中国创新发展的区域关联及空间溢出效应研究: 基于中国经济创新转型视角的实证分析

[J]. 科学学研究, 2013(9): 1391-1398.

https://doi.org/10.3969/j.issn.1003-2053.2013.09.014      URL      [本文引用: 1]      摘要

随中国经济创新转型的大力实施及市场化改革的不断深入,当创新服务需求因转型而不断加大时,一省区极有可能因满足外部的创新服务需求而获得自身的创新发展。论文不仅使用探索性空间数据分析工具研究了1999—2010年中国各省区创新专利产出的空间分布格局与特征,并以一个表征市场潜能对地区创新发展影响的新经济地理学模型为基础,运用空间误差面板数据方法,考察了外部潜在的创新服务需求即市场潜能给地区创新发展带来的直接空间溢出效应。结果发现,中国创新发展存在随时间推移而日益加大的正向溢出性,并且市场潜能因素对中国各省区的创新发展及相互溢出具有重要影响,只不过由市场潜能所引致的创新空间溢出存在随地区间隔距离增大而减小的地理特性。

[Zhang Zhanren.

Regional linkage and spatial spillover effects on regional innovation development in China: A case study from the perspective of economic innovation transformation in China

. Studies in Science of Science, 2013(9): 1391-1398.]

https://doi.org/10.3969/j.issn.1003-2053.2013.09.014      URL      [本文引用: 1]      摘要

随中国经济创新转型的大力实施及市场化改革的不断深入,当创新服务需求因转型而不断加大时,一省区极有可能因满足外部的创新服务需求而获得自身的创新发展。论文不仅使用探索性空间数据分析工具研究了1999—2010年中国各省区创新专利产出的空间分布格局与特征,并以一个表征市场潜能对地区创新发展影响的新经济地理学模型为基础,运用空间误差面板数据方法,考察了外部潜在的创新服务需求即市场潜能给地区创新发展带来的直接空间溢出效应。结果发现,中国创新发展存在随时间推移而日益加大的正向溢出性,并且市场潜能因素对中国各省区的创新发展及相互溢出具有重要影响,只不过由市场潜能所引致的创新空间溢出存在随地区间隔距离增大而减小的地理特性。

/