城市创新集聚空间演化及成因研究

城市创新集聚空间演化及成因研究

创新集聚空间分布特征与演化趋势的研究近年来，随着国家创新驱动发展战略的实施，创新型国家建设蓬勃发展，中国创新水平显著提高。城市作为创新人才和资本等要素的集聚地，对建设科技创新强国发挥着至关重要的作用。一个自然的问题是，中国创新集聚空间分布特征与演化趋势如何？现有文献主要从省域、市域、城市圈几个方面展开研究：首先，关于省域视角下的空间实证检验，大多采用探索性空间数据方法并结合空间计量模型，考察中国省域创新空间分布特征以及演化趋势，得出的结论较为一致，发现中国省域创新水平呈现逐年上升的趋势，并表现出空间集聚特征，集聚程度逐渐增强，三大地区差异特征明显，由东部地区向西部地区逐渐递减上述研究阐明中国创新集聚空间分布特征及演化趋势，那么不禁产生疑问，影响创新集聚空间分布特征与演化趋势的因素是哪些呢？通过梳理相关文献，发现现有研究大多从两个方面考察其影响因素。第一，从内部创新资源丰裕程度视角考察其对创新集聚的影响，大多数研究结论表明研发人员和资本有助于创新集聚综合现有文献来看，有关中国创新集聚空间分布特征与演化趋势及成因分析的研究日益增多，但现有研究大量集中于省域和城市圈层面，缺乏全面刻画城市创新集聚空间分布格局与演化特征的研究，并未重视知识溢出引发的辐射效应及其空间特征。基于此，本文利用2006—2017年中国286个地级城市面板数据，构建地理距离、经济距离、经济地理和技术关联空间权重矩阵，结合空间计量模型，考察中国城市创新集聚空间分布特征与演化趋势及成因，重点关注知识溢出对城市创新集聚的影响及其引发辐射效应的空间特征。一、知识溢出影响城市创新集聚熊彼特理论表明城市创新空间分布表现出显著的集聚特征。城市汇聚了大规模的人才、高等院校、研发机构和高技术企业，是新知识和新技术的主要来源地。研究表明，中国城市创新产出并非完全随机分布，而是呈现创新水平相似地区在空间上的集聚特征，并且城市创新水平存在较大空间差异，创新空间分布表现出极化特征，创新极核城市主要由北京、天津、上海和深圳组成假设1：中国城市创新集聚呈现显著的极化现象，创新极核城市取决于城市内部创新资源丰裕程度。新经济地理学认为，知识溢出是影响城市创新活动空间分布的重要原因。知识以人为载体，可以借助多种渠道在地区间传播和扩散，进而有助于促进城市创新集聚水平的提升。在城市创新集聚空间演化过程中，尤其需要关注知识溢出对城市创新集聚的影响。创新极核城市知识溢出优先辐射到地理邻近城市，有助于提升邻近城市创新集聚水平，逐渐带动邻近城市转变为新创新极核，形成以邻近城市为创新极核的多中心网络化特征。现有研究发现知识溢出效应表现出地理局限性，伴随地理距离的增加，知识获取和使用成本上升，导致知识溢出程度逐渐下降假设2：知识溢出引发的辐射效应导致中国城市创新集聚由极化特征逐渐演化为多中心网络化特征，地理邻近城市成为新创新极核，且辐射效应空间特征随地理距离增加呈先增大后减小的倒U型。知识溢出对城市属性具有较强的依赖性，城市研发水平、城市地理区位和城市规模成为影响知识溢出的关键因素。首先，研发领先的城市知识溢出能够激发企业创新动力，促进企业间人员交流和学习技术，极大地提升企业获取专利的概率，进而有助于城市创新集聚水平的提高；研发落后城市由于研发投入水平较低，知识溢出后仅仅是模仿或复制技术创新，导致大多为重复性研究和相似技术，大大降低落后城市创新集聚水平。其次，地理邻近的中心城市间，由于地理区位优势，能够加快知识在城市间溢出的速度，提高企业间人才交流和学习技术的频率，有助于提升企业创新水平，进而促进城市创新集聚；非中心城市借助发达的交通网络体系，克服地理区位的劣势，加快知识在城市间的流动频率，有效提升企业研发和创新能力，进而有助于提高创新集聚水平，但作用程度明显低于中心城市。最后，大型城市由于其市场规模较大，给研发人员提供更多选择，吸引人才大量流入，另一方面，企业倾向于进入市场规模较大的城市，可以有效降低运输和交易成本，且能够便捷地获取市场信息，因此，较大的市场规模加快了城市间知识溢出速度，提高企业创新能力，从而有助于提升城市创新集聚水平；中小型城市由于其自身市场规模较小，缺乏充足的吸引力，极大地降低知识溢出到这些城市的可能性，加之中小型城市可能会受到大型城市虹吸效应的影响，致使城市自身知识大规模流失，进而导致城市创新集聚水平大幅下降。由此，提出如下研究假设：假设3：知识溢出对城市属性具有较强的依赖性，研发水平领先城市、中心城市和规模较大城市的知识溢出效应更为显著。二、基于空间权重矩阵的城市创新集聚特征为刻画中国城市创新集聚空间分布与演化特征，采用单位面积发明专利授权数衡量中国城市创新集聚程度，结合探索性空间数据分析方法，测算全局Moran’sI指数以及局部Moran’sI指数。全局Moran’sI指数计算公式如下：其中，y本文空间权重矩阵包括四类，第一类为地理距离权重矩阵（W基于四种空间权重矩阵测算2006—2017年中国城市创新集聚的全局Moran’sI指数。结果表明(见表1），中国城市创新集聚全局Moran’sI指数均在10%显著性水平下为正，表现出正向空间关联特征，即创新集聚分布呈现高-高型集聚或低-低型集聚的特征。在地理距离空间权重矩阵下，城市创新集聚关联强度显著大于其他三类空间权重矩阵，暗示地理邻近城市间在空间上相对容易发生创新关联。为进一步探究单个城市与之邻近城市之间的创新集聚关联程度，挖掘中国城市创新集聚特征及演化趋势，测算城市i局部Moran’sI指数，公式如下：其中，y基于四种空间权重矩阵测算2006年、2010年、2017年中国城市创新集聚的局部Moran’sI指数，重点考察高—高型创新集聚城市，不同空间矩阵下城市创新集聚特征基本一致，在此仅展示地理距离权重矩阵下的结果，如表2所示。综合分析不同空间权重矩阵下高—高型创新集聚演化特征，可以得出以下结论：第一，2006年中国城市创新集聚空间分布呈现显著的极化特征，主要以北京、天津、上海、广州、深圳为创新极核城市。第二，随时间的推移，中国城市创新集聚逐渐表现出多中心化网络化的特征，地理邻近城市成为新创新极核。以上海为例，地理邻近的苏州、无锡、常州和镇江逐渐成为新创新极核，推动长三角城市圈创新集聚水平的提升。以广州、深圳为创新极核的珠三角城市圈，出现了珠海、佛山、东莞和中山等新一批创新极核城市，形成了多中心网络化的创新集聚特征。对京津冀城市圈来说，呈现以北京和天津为主要创新极核城市的集聚特征。总体来说，2006—2017年中国城市创新集聚逐渐由极化特征演化成为多中心网络化的特征。三、．控制变量为检验城市内部创新资源丰裕程度以及知识溢出引发辐射效应对创新集聚的影响，设定如下回归模型：其中，i代表城市，t表示时间。UCJ为城市创新集聚度，PJG、PQY、PGX分别为研发机构、规模以上工业企业、高等院校研发人员，CJG、CQY、CGX分别表示研发机构、规模以上工业企业、高等院校研发经费内部支出，HUM为城市人力资本水平，WKSP表征知识溢出，KSP为城市研发人员，WUCJ表示创新集聚的空间自相关变量。W表示空间权重矩阵，采用地理距离、经济距离、经济地理和技术关联空间权重矩阵。ρ表示空间自相关系数，θ城市创新集聚度：采用单位面积的发明专利授权数来衡量。城市内部创新资源丰裕程度：采用两种权重对各省研发机构、规模以上工业企业、高等院校研发人员分解到各地级市，权重为城市劳动力占各省劳动力比重和城市从业人员中的科学综合技术服务人员占各省科研人员比重；与此同时，基于两种权重对各省研发机构、规模以上工业企业、高等院校研发经费内部支出分解到各地级市，权重为城市GDP占各省GDP比重和城市财政预算内的科学事业费用支出占各省科学事业费用支出的比重。城市人力资本水平采用高等学校在校大学生人数占城市总人口比例衡量。知识溢出：结合空间杜宾模型，采用WKSP表征知识溢出，W为空间权重矩阵，KSP为城市科学研究、技术服务和地质勘查业从业人员数量。控制变量主要包括交通便捷性、信息化水平、市场规模和城镇化水平。交通便捷性（TRA）选择高铁是否开通表征，信息化水平（NET）采用互联网宽带用户数衡量，市场规模（MGM）使用城市人口占地理面积比例表征，城镇化水平（URB）选择城市建设用地面积占市区面积比重衡量。本文最终选择中国286个地级城市为研究样本，原始数据来源于历年《中国城市统计年鉴》、《中国科技统计年鉴》。根据计量模型（3），检验城市内部创新资源丰裕度对创新集聚的影响，结果如表3所示。第（1)—(4）列分别为采用不同比例分解得到城市创新资源对创新集聚影响的实证结果，第（1）列为采用劳动力比例和GDP比例分解，第（2）列为采用劳动力比例和科学事业费用支出比例分解，第（3）列为采用科学综合技术服务人员比例和GDP比例分解，第（4）列为采用科学综合技术服务人员比例和科学事业费用支出比例分解。表3结果可以看出：城市内部创新资源丰裕度对创新集聚影响的实证结果显示出较高一致性。城市内部创新资源中研发机构研发人员和经费、高校研发经费以及城市人力资本水平对城市创新集聚表现出显著的促进作用，企业研发经费投入对创新集聚具有负向作用，其中研发机构研发经费作用程度超过高校研发经费作用程度，表明城市研发机构作为城市创新的重要引擎，其研发投入对创新集聚发挥关键作用。数据显示研发机构研发人员和经费投入前几名的城市为北京、上海、天津、深圳、广州等，由于城市内部创新资源丰裕程度较高，推动这些城市率先成为创新极核城市，致使中国城市创新集聚空间分布呈现显著的极化特征。为检验城市知识溢出引发的辐射效应对创新集聚的影响，采用计量模型（4）进行回归，结果如表4所示。第（1)—(4）列分别为地理距离、经济距离、经济地理和技术关联空间权重矩阵下知识溢出对城市创新集聚影响的实证结果。表4实证结果显示：基于四种空间权重矩阵下知识溢出对城市创新集聚存在显著的正向作用，且在地理距离权重矩阵下作用程度最大，经济地理权重矩阵次之，技术关联权重矩阵再次，经济距离权重矩阵最小。由前述分析可知，中国城市创新集聚空间分布呈现显著的极化特征，北京、上海、天津、深圳、广州等城市率先成为创新极核城市，创新极核城市知识向邻近城市溢出引发辐射效应，导致中国城市创新集聚由极化特征逐渐演化为多中心网络化的特征，邻近城市成为新创新极核。本文从以下两个方面做了稳健性讨论：一是，在估计方法上换用普通面板回归方法对知识溢出与创新集聚之间的关系再次进行验证；二是，在指标选取上采用人均专利授权数作为衡量创新集聚的指标，重新检验知识溢出与创新集聚之间的关系。与此同时，采用知识离差三次方的空间滞后项作为工具变量，检验知识溢出对创新集聚的影响。从稳健性和工具变量回归结果可以发现为进一步研究知识溢出辐射效应的空间特征，设定不同地理距离阈值空间权重矩阵，考察不同距离范围内知识溢出辐射效应的空间特征。结果发现，全样本下知识溢出对创新集聚的作用随距离表现出无规律的特征，可能因为中国城市间创新集聚程度差异较大，导致未能准确刻画知识溢出辐射效应空间特征。为此，选取具有代表性的长三角、珠三角和京津冀城市圈样本进行回归，以考察中国城市圈知识溢出辐射效应的空间特征，结果如表5所示。表5知识溢出辐射效应空间特征实证检验结果显示：不同城市圈知识溢出辐射效应空间特征表现出非一致性，珠三角和长三角知识溢出对创新集聚的影响随着距离变化先增大后减小，京津冀城市圈估计系数未通过显著性检验。表明珠三角和长三角城市圈知识溢出辐射效应空间特征表现出显著的倒U型关系，验证了假设2，即伴随地理距离的增加，知识溢出辐射效应空间特征呈现先上升后下降的趋势，珠三角城市圈在125千米的距离范围达到峰值，长三角城市圈峰值位于150千米的距离范围，而京津冀城市圈并未表现出显著空间特征。四、知识溢出与城市属性的关系上述研究发现知识溢出能够显著促进城市创新集聚，但是知识溢出对城市属性具有较强的依赖性，城市研发水平、城市地理区位和城市规模成为影响知识溢出的关键因素。（一）．研发领先城市知识溢出对创新集聚的影响奇数列为研发领先城市在四种权重矩阵下的回归结果，偶数列为研发落后城市在四种权重矩阵下的回归结果。表6回归结果显示：第一，研发领先城市知识溢出有助于城市创新集聚，在不同空间权重矩阵下回归结果表现出一致性，且地理邻近城市间知识溢出效应更为明显。邻近的研发领先城市之间，知识溢出能够激发企业创新动力，有效促进企业间人员交流和学习技术，极大地提升企业获取专利的概率，进而有助于城市创新集聚水平的提高。第二，研发落后城市知识溢出对创新集聚影响存在差异性。地理邻近或经济相似城市之间溢出效应并不显著，地理邻近且经济相似城市间溢出效应发挥抑制作用，而技术相似城市间溢出效应存在显著促进作用。地理邻近且经济相似的研发落后城市，由于研发投入水平较低，知识溢出后仅仅是模仿或复制技术创新，导致大多为重复性研究和相似技术，大大降低落后城市创新集聚水平。技术相似的研发落后城市间，知识借助现代化的交通基础设施，突破城市间地理距离的限制，提升知识溢出的可能性，且城市间技术水平较为相似，从而能够显著提升城市创新集聚水平。（二）．知识溢出对创新集聚的促进作用根据地理区位特征，将样本划分为中心城市和非中心城市，中心城市主要包括全国性中心城市（北京、上海、广州、深圳、重庆和天津）和区域性中心城市（副省级城市和省会城市），非中心城市包括除去全国性和区域性中心城市之后的其他地级城市，分别进行实证回归，结果如表7所示。奇数列为中心城市在四种权重矩阵下的回归结果，偶数列为非中心城市在四种权重矩阵下的回归结果。表7回归结果显示：第一，中心城市知识溢出有助于城市创新集聚，在不同空间权重矩阵下回归结果表现出稳定性，且地理邻近中心城市间知识溢出效应更为明显。地理邻近的中心城市间，由于地理区位优势，能够加快知识在城市间溢出的速度，提高企业间人才交流和学习技术的频率，有助于提升企业创新水平，进而促进城市创新集聚。第二，非中心城市知识溢出对创新集聚亦表现出促进作用，但作用程度明显小于中心城市。在四种权重矩阵下，技术相似的非中心城市间，知识溢出对创新集聚发挥作用明显。近年来，我国交通网络空间不断扩张，非中心城市借助发达的交通网络体系，克服地理区位的劣势，提高知识在城市间的流动频率，有效提升企业研发和创新能力，进而有助于提高创新集聚水平。然而技术相似的非中心城市间，由于知识存量和技术水平方面较为接近，知识溢出效应能够得到充分释放，达到效益最大化的程度，因此，技术相似的非中心城市间，知识溢出对创新集聚作用更加显著。（三）．中小型城市知识溢出作用总体情况，即主要奇数列为大型城市在四种权重矩阵下的回归结果，偶数列为中小型城市在四种权重矩阵下的回归结果。表8回归结果显示：第一，大型城市知识溢出显著提升创新集聚水平，在不同矩阵下具有同一性，地理邻近的大型城市间知识溢出作用程度更加显著。原因在于，大型城市由于其市场规模较大，给研发人员提供更多选择，吸引人才大量流入；另一方面，企业倾向于进入市场规模较大的城市，可以有效降低运输和交易成本，且能够便捷地获取市场信息，因此，较大的市场规模加快了城市间知识溢出速度，提高企业创新能力，从而有助于提升城市创新集聚水平。第二，中小型城市知识溢出对城市创新集聚未表现出明显作用。可能的原因在于，一方面，中小型城市由于其自身市场规模较小，缺乏充足的吸引力，极大降低知识溢出到这些城市的可能性；另一方面，中小型城市可能会受到大型城市虹吸效应的影响，致使城市自身知识大规模流失，进而导致城市创新集聚水平大幅下降。五、结论与启示：知识溢出助推城市创新集聚空间差异，促进地区协同发展本文基于2006—2017年中国286个地级城市面板数据，构建地理距离、经济距离、经济地理和技术关联空间权重矩阵，结合空间计量模型，考察中国城市创新集聚空间分布特征与演化趋势及成因，重点关注知识溢出对城市创新集