基于GIS的区域科技创新空间聚集效应评价

雷怀英，靳辰璐

(天津工业大学管理学院，天津 300387)

一 引言

科技是第一生产力，经济发展离不开科技创新。近些年来，我国经济迅速发展，但区域发展却不平衡，该不平衡问题更多的是由科技方面的差距引起的。区域科技创新是提升区域核心竞争力的重要因素，以往学者们为解决我国区域发展的不平衡性，尝试从各个方面来寻求区域经济发展的动力。近年来学术界偏向于从空间统计分析的角度，研究区域科技创新的问题。因此，本文从空间统计分析的角度，在区域科技研究中引入地理信息系统(GIS)，从考察区域科技创新的空间差异入手，分析区域科技创新空间结构演变历程和聚集格局及其效应，从而探索出依靠加快区域科技创新，实现该区域经济迅速发展的方法。GIS是一种特定的十分重要的空间信息系统。其最关键的特性是将各种与空间有关的数据与地理位置链接在一起，从空间角度出发对分布在一定地理区域内的各种规划、决策和管理问题进行分析、处理和解决。

二 区域科技创新综合水平的空间分布特点

区域科技创新能力已经成为衡量本地区经济能否拥有长期优势的决定性因素之一，区域科技创新能力同时还是衡量区域经济参与者是否拥有核心竞争力的重要标志，此外，区域科技创新能力也是区域经济发展的根本动力，宋学峰、王启仿、刘耀彬从科技投入、科技产出社会管理环境和可持续创新这几个方面构建了一套区域科技创新能力的评价指标体系;邵云飞、唐小我、王为民等对影响区域科技创新能力因素进行了分析，通过这些研究的启示，我们构建了区域科技创新能力评价指标体系。本文在总结前人研究成果的基础上，结合数据的可获取性，从科技投入、科技产出以及高新技术产业发展三个维度，选择10个指标对区域科技创新进行评价(见表1)。

为了保证评价结果的可信度，本文收集了2009－2011年三年间各区域的相关指标数据，将三年数据平均值作为最终的评价指标。数据来源于《中国科技统计年鉴》(2009年、2010年、2011年)数据整理，其中指标X5(国外论文数)是2年平均，其他数据均为2009年至2011年三年每项指标数据的平均值。

根据下页表1所选取的指标，利用主成分分析法对各区域进行综合评价，得到各地区科创新能力的综合分后，借助于ArcGIS9.2在中国地图上对样本地区的科技创新综合水平进行等级划分(如下页图1)。可以非常直观地反映出我国的科技创新综合水平的地域分布特点。本文采用的分级方案为Natural Breaks自然间断点分级法，它是在分级数确定的情况下，通过聚类分析将差异性最大的数据分在不同级，相似性最大的数据分在同一级，这种方法比较好保持数据的统计特性。

表1 区域科技创新评价主要指标

图1 区域科技创新综合水平的地域分布图

区域科技创新综合水平得分低于1.1，高于0.15的地区为科技创新次高水平区域。这个区域包括广东省、江苏省、天津市，约占样本总数的10%。这几个省份都是位于东部沿海，其中，北京市的巨大科技辐射效应给天津市带来强大优势，决定了天津市必然较高的科技创新水平;江苏省近年以来企业自主创新投入力度不断加大，创新产出优势凸显;广东省的科技创新水平在全国范围内也趋于较高水平。

区域科技创新综合水平得分低于0.15，高于－0.1的地区为科技创新中上等水平区域。包括福建省、浙江省、山东省、辽宁省，约占样本总数的13%。福建省、浙江省、山东省、辽宁省都位于东部沿海地区，这些省区的高新技术产业发展较快，并且其高等教育水平也比较高，属于我国经济发展较靠前的地区。

区域科技创新综合水平得分低于－0.1，高于－0.3的地区为科技创新中等水平区域。包括山西省、安徽省、黑龙江省、吉林省、内蒙古自治区、陕西省、湖南省、湖北省、四川省、重庆市、宁夏回族自治区，约占样本总数的35%。

区域科技创新综合水平得分低于－0.3的地区为科技创新低水平区域。包括河南省、河北省、青海省、甘肃省、广西壮族自治区、江西省、云南省、贵州省、新疆维吾尔自治区、西藏自治区、海南省，约占样本总数的35%。

可见我国地域科技创新水平呈现明显的梯度特征，反映了我国不均衡的科技创新力量。区科技创新水平从西部地区到中部省域，再到东部沿海地区依次升高，从北往南也是如此。在少数地区科技创新力量分布集中，其中北京市、上海市和科技创新水平较高的环渤海、长三角和珠三角地区为科技创新高水平区域，而中部地区多为科技创新中等水平区域，我国的科技创新低水平区域则是西北的大部分地区。并且我国这种科技创新水平在不同地域高低不同是与其经济发展水平是相匹配的。

三 区域科技创新空间聚集效应分析

(一)区域科技创新空间自相关分析

空间自相关是指一些变量在同一个分布区内的观测数据之间潜在的相互依赖性，所描述的是同一变量在空间位置a与其邻近位置aj上的相关性。空间自相关分为两种，即全域自相关和局域自相关。对于任意一个空间变量X，其临近值对于其自身相似或不相似的程度是空间自相关所要测度的，如果是正空间自相关，说明其临近位置上的数值相互间比较接近，反之，则表明临近位置上的数值相互间不接近。

一般常用空间自相关指数Moran’s I统计量来测度空间自相关，假设研究区域中有n个单元区域，以R＆D经费为衡量指标，记第i个区域的R＆D经费为yi，¯y表示所有区域R＆D经费的平均水平，则Moran’s I可定义为:

其中Wij为空间权重矩阵，是对空间接近性的定量化测度。该矩阵的计算方法有多种，因为对接近性的定义不同，而本文选用的是邻近定义，单元面积共享边界定义为邻近，如果两个单元共享边界，则权重矩阵Wij=1，否则Wij=0，即:

HET-CAM and human skin patch test of ten commonly used sunscreens 12 26

Moran’s I指数的取值范围在－1到+1之间，Moran’s I的期望值为正数表示正相关，Moran’s I的期望值为负数则表示负相关，如果Moran’s I的值接近0，则表明空间过程不相关。空间集聚程度越高，Moran指数则越大。

根据Moran’s I指数的公式，选取我国科技创新R＆D经费内部支出指标进行计算(见表2)。

表2 2006－2011年我国科技创新R＆D经费支出的空间自相关系数

表2是2006年至2011年我国科技活动经费内部支出的G值和Z值，从表中可以看出Moran I的显著性检验值Z值均大于正态分布函数在0.01水平下的数值，即临界值1.96，表明我国科技创新经费内部支出的空间自相关性为明显的正相关，即全国各省科技创新R＆D经费内部支出处于非随机的空间分布状态，科技创新水平较高的区域倾向于聚集在一起，科技创新水平较低的地区也聚集在一起。

(二)区域科技创新的空间集聚模式演化

在实际情况中全局Moran’s I指数只能对研究区域整体进行空间相关性测度，而局部Moran’s I指数则可以度量一些存在空间异质性的区域，即空间自相关性在一些区域上的程度较高，而在另一些区域上程度较低，甚至有可能在同一研究区域中同时出现正的自相关和负的自相关。设研究区域为i区域，以所选指标在i区域观测值度量的局部Moran’s I指数定义为:

式中yi，yj分别是对于均值和标准差的标准化变量;即:yi=(xi－¯x)/δ，δ为所选指标在i区域观测值(xi)的标准差。

从计算公式可知，局部Moran’s I的计算分为两部分，一部分是区域i的观测值与全国观测值均值的离差的标准化变量，另一部分是相邻区域观测值与全国观测值加权平均后的均值离差的标准化变量。由于这两个部分的不同取值，分为四种聚集类型，聚集类型不同所表示的一个地区和其邻近地区之间存在的关系也不相同。四种聚集类型如下所示:

(1)H－H 型(High－High)。Ii＞0，表示该区域有较高水平，而且与其邻近区域有较小的空间差异，即高水平区域被其他高水平区域所包围;

(2)L－H型(Low－High)。Ii＜0，表示该区域有较低水平，而且与其邻近区域有较大的空间差异，即低水平区域被其他高水平的区域所包围;

(3)L－L型(Low －Low)。Ii＞0，表示该区域有较低水平，而且与其邻近区域有较小的空间差异，即低水平区域被其他低水平区域所包围;

(4)H－L型(High－Low)。Ii＜0，表示该区域有较高水平，而且与其邻近区域有较大的空间差异，即高水平区域被其他低水平的区域所包围。

通过 ArcGIS9.2 软件对 2000、2005、2008、2011年的局部Moran’s I指数LMIi和Z检验值分别进行计算，并利用以上类型划分规则进行划分，制作可视化地图(见图2)。

图2 我国区域科技创新局部自相关类型分布图

从图2可以直观地看出，2000年以来我国区域科技创新的聚集格局变化不大，基本具有以下特点:(1)H－H型区域的变化趋势不太明显。在数量方面，H－H型区域2008年和2011年比2000年和2005年数量多增加一个天津地区。在范围方面，H－H型的区域分布在东部沿海地区，上海为中心区域城市，具有一定的扩散效应，以江苏和上海为中心，形成天津——山东——江苏——上海——浙江的发展纽带。(2)H－L型区域数量较少，只有五六个区域，该类型区域其本身经济发展较快，而周围区域经济发展较慢，最为典型的区域是四川，这些地区的科技创新对全国的科技创新起着重要带动作用。加上政府的政策扶持，对这些地带进行有效规划，其科技创新可以带动其周围地区科技创新的提升，从而起到示范和带动作用。(3)L－H型2011年相比前三年有所增加，该区域其科技创新较慢，而周围区域科技创新较快，主要位于H－L型和H－H型区域板块的中间地带，具有被带动的潜力。(4)L－L型区域基本分布于西部和北部的广大连片地域，以及中部的贵州、重庆等地。可见这些科技创新的低洼地带一直没有找到新的科技创新点。

四 区域科技创新的空间扩散效应

早在1953年黑格斯特兰德(Hgerstrand)已经对创新空间扩散规律和内在机制进行了详尽的探索，研究提出两个重要结论:“等级效应”和“邻近效应”。前者是指在一个体系中，创新总是按照等级来扩散，创新逐步由高梯度地区向低梯度地区扩散，后者是指创新从创新源逐渐向周围地区扩散。区域经济发展中的点轴扩散理论中的“轴”是一个高梯级的线状地带，即由若干个高梯级地区相互连成的一个区域。在这个区域上，交通往来便利，信息交流畅通，从经济距离来考虑，这个轴线就缩为一个“点”，成为一个更大的增长极，增长极是科技创新空间扩散的源泉。目前我国已经形成以天津——山东——江苏——上海——浙江的科技创新发展纽带，构成了区域经济创新发展的增长极和原动力。

通过中国区域科技创新局部自相关类型分布图只能看出扩散数量和范围，不能够清晰地看出四年之间高聚集地扩散效应存在的差别，所以利用Arc－GIS9.2软件对2006年、2008年、2010年、2011年的区域科技创新分布图做渲染，如下页图3所示。

图3 中国区域科技创新分级渲染图

图3是我国科技经费内部支出分布的分级渲染图，灰色区域的大小表示该项指标在该区域的影响范围的大小。从图中可以明显地看出影响范围最大的区域始终是上海、北京、广东和江苏，在2011年以江苏、上海为中心向四周扩散，东海岸几乎连成一片，由东向西影响范围有所缩小。在西南和西北地区主要分布的是影响范围较小的区域，中部的贵州和湖南等省域也属于影响范围较小的区域。随着时间的推移，每个年份的情况也有所变化。可以从图中清楚地看到，与2000年对比，沿海地区的情况在2011年发生了很大变化，但中西部地区变化不大，导致中西部地区与东部地区的差距仍然较大。

五 结论

本文将空间地理信息与统计分析相结合用于研究区域科技创新，对我国科技创新空间分布特点进行了分析，并且对其空间聚集效应和扩散效应进行了实证研究。主要观点和结论有:

(1)我国地域科技创新水平呈现明显的梯度特征，区科技创新水平从西部地区到中部省域，再到东部沿海地区依次升高，从北往南也是如此。

(2)全国各省科技创新R＆D经费内部支出的空间分布是非随机状态，Moran’s I指数表明科技创新水平存在显著的空间自相关性，较高的科技创新水平区域倾向于聚集在一起，较低的科技创新水平地区也聚集在一起，科技创新水平相同的区域在地域上有显著的聚集特征。

(3)从扩散数量和范围看2000年以来科技创新的聚集格局的变化不明显，扩散的范围和数量变化不大，但从扩散的效应来看科技发达地区的扩散与带动作用却明显增强。

科技创新是区域经济发展的核心竞争力，科技创新的扩散与带动作用是区域经济发展的原动力，由于科技创新呈现梯度发展的空间特点，政府相关部门应该首先从扩散的数量和范围上着手，一边引导相邻区域之间加大科技合作的力度和范围，另一方面对低科技创新的区域进行政策上倾斜和扶持。

［1］王贤文.基于GIS的区域科技发展空间结构与合作网络分析［D］.大连理工大学，2009.

［2］段建锋，雷怀英.基于GIS的县域经济空间结构及其聚集效应研究——以山西为例［J］.宁夏社会科学，2011(6):55－61.

［3］丁 刚，胡联升，严维青.我国省域人口安全水平的现状评价与空间相关性分析——基于GCPA模型和Moran’s I统计量［J］.电子科技大学学报:社会科学版，2011(2):23－26.

［4］汪振明.我国区域科技创新能力评价研究［D］.西北农林科技大学，2010.

［5］张丽华，林善浪，汪达钦.我国技术创新活动的集聚效应分析［J］.数量经济技术经济研究，2011(1):3－18.

［6］张仁开，杨耀武.我国科技进步与经济发展的协调性评价研究［J］.世界科技研究与发展，2007(1):100－106.

［7］赵立民.梯度推移与区域经济和谐发展［N］.光明日报，2006－07－31(9).

［8］魏 峰，江永红.安徽省中小企业技术创新效率的评价及影响因素分析［J］.中国科技论坛，2012(8):100－106.

［9］欧变玲，龙志和，林光平.空间经济计量滞后模型Moran检验的渐近分布［J］.管理科学学报，2011(12):79－86.