皖浙产业协同集聚度与区域创新能力的空间相关性分析*

储伊力

（合肥工业大学管理学院 宣城 242000）

1 文献综述

提高区域创新能力，核心在于提高企业的生产效率和创新能力。进入经济“新常态”后，中国制造业成本优势和“人口红利”逐渐消失，制造业逐渐进入疲软状态，转变经济增长方式，实现产业转型升级是中国制造业发展的未来方向。与此同时，服务业也逐步向知识密集的现代服务业升级[1]。

知识密集型服务业即致力于知识和信息的收集、整理、创造和传播的新兴服务业[2]，在知识创新系统中不但承担着知识的生产功能，还扮演着知识扩散的重要角色[3]。已有研究中，学者们普遍认为知识密集型服务业(KIBS)与制造业的协同集聚的协同互动会提高区域内的创新能力。Muller和Zenker认为知识密集型服务业具有高交互性，在其与客户的交互过程中，可以整理和深化已有的知识和新知识，并通过服务的形式向制造业企业传达知识，这促进了知识在区域内的扩散，从而提高了区域创新能力[4]。朱海燕等从创新系统观、创新过程及其影响因素角度分析了KIBS与制造业交互创新的机理和趋势[5]。熊励等认为KIBS与制造业的互动创新将有助于提高制造业，特别是先进制造业的产业附加值[6]。雷宏振、谢卫军以陕西省部分文化产业集群内的组织作为研究对象，对知识共享、网络外部即产业集聚三者之间的关系进行了典型相关分析，发现知识共享与产业集聚具有一定的相关性[7]。

从已有研究来看，方法上多数学者往往采用传统的相关性分析或回归分析考察了KIBS与制造业协同集聚的创新效应，内容上多为分析产业集聚对区域创新的影响，较少分析二者在地理分布上的空间相关性且研究对象多为单一地区，且罕有对不同地区的比较研究，因此，方法上本文采用地理经济学的方法，从而更加直观地观察二者的空间相关性，内容上，考虑到不同地区具有不同的经济发展特点，在提出产业创新发展策略上必须区别对待，基于此本文对所处不同发展阶段的安徽省与浙江省所包括的27个城市进行比较研究，从纵向上考察二者在时间上的发展趋势，从横向上考察不同地区的发展差异。本文希望通过研究厘清这些问题，为下一步区域产业规划布局、制定相关产业政策提供一定的理论借鉴。

2 数据的选取与说明

本文将以提供服务的部门提供的服务或产品中所具备的知识量、专业化程度及提供服务的部门与其客户的互动频率及互动方式作为知识密集型服务业的划分依据，同时考虑到知识密集型服务业对于环境的敏感性和数据可及性等要求，重点参考中国国务院发展研究中心的划分标准，并结合我国2002年修订的《国民经济行业分类》(GB/T4754-2002)第三产业的统计门类，将知识密集型服务业划分为：信息传输、计算机服务和软件业(下文简称信息服务业)、金融业、商业服务业、科学研究、技术服务业和地质勘查业(以下简称“科技服务业”)和教育业五大类，依此对数据进行收集和整理。

2.1 单一产业集聚度

测度单一产业的空间集聚程度的指标较多，较为普遍的计算方法有区位熵、行业Hoover系数、区位空间基尼系数和产业份额等。本文为了与产业协同集聚程度的测算保持数据选取的一致性及测算过程的连贯性，统一采用区位熵计算知识密集型服务业与制造业的产业集聚度。具体计算公式如下：

（1）式中，Lmn表示n城市m产业的区位熵，反映了n市m产业的产业集聚程度(本部分中，m产业即知识密集型服务业或制造业)，其中em表示n市m产业的从业人员数量，Em表示全国m产业的从业人员总数，en表示n市所有产业的从业人员数，E表示全国所有产业的从业人员数。

2.2 产业协同集聚度

关于产业协同集聚程度指标的测算，国内外学者也进行了很多的探索，如国外学者Ellison和Glaser[8]构建的E-G指数、Duranton和Overman构建的D-O指数和Stephen和Erik构建的Colocalization指数；国内运用较为广泛的有陈国亮和陈建军构建的γ指数，以及杨仁发在γ指数基础上所构建的Coaggl指数。

本研究借鉴陈国亮、陈建军[9]和杨仁发[10]的方法，首先构建知识密集服务业与制造业的区位熵，再利用二者的区位熵构建知识密集型服务业与制造业的协同集聚程度，考虑到区域经济发展水平会影响产业的协同集聚情况，而传统的产业协同集聚度算法没有考虑到区域经济发展水平，就可能存在两个产业发展集聚程度较接近但是各自水平都不高的情况[11]，这种情况所计算的协同集聚水平也会较高，但是是一种“虚高”的现象，不能说明产业间融合达到很高的水平，因此本文进一步加入地区发展程度指标对这种情况进行纠正，具体计算公式如下：

其中（1）式为区位熵，表示单一产业的集聚情况，（2）式中，Con表示n市知识密集型服务业与制造业的产业协同集聚指数的一般算法，大部分学者按照此法计算产业协同集聚度，如陈晓峰[12]等。其中Lin与Ljn分别表示n市i产业与j产业的区位熵，即知识密集型服务业与制造业的区位熵，（3）式中，Con’为产业协同集聚指数的改进算法，即在（2）式的基础上，加入了区域发展程度指标，该指标用考察期内本地GDP与全国GDP均值之比表示。本文用（3）式来计算浙江省与安徽省的KIBS与制造业产业协同集聚指数，当Con’值越大，说明产业协同集聚程度越高。本研究的协同集聚度不仅考虑了产业集聚数量上的接近，也在一定程度上反映了产业协同集聚的效果及质量。

2.3 区域创新能力

区域创新能力指的是一个地区有效吸收、掌握和改进现有技术以及创新技术的能力[13]。其关键在于区域内各创新主体之间的积极互动，是当前区域经济发展的核心要素，也是解释区域间经济差异的重要影响因素。

对于区域创新能力，不同的学者有不同的表征指标，主要可以分为产出指标、投入指标和综合指标体系三类，考虑到数据的可及性，本文采用表征产出指标的专利申请数表征，这也是国内大部分学者选择的表征方法[14-15]，专利数据除了较容易获取之外，不同地区专利申请的标准基本统一且较为稳定和客观，具备可比性，并且专利数据与创新活动关系密切，可以直观反映企业或地区的创新能力，其相较专利授权数还可以避免较长的时间滞后性。

2.4 数据来源

各产业数据主要来源于2004～2015年的《中国城市统计年鉴》，部分来源于2004～2015年的《安徽省统计年鉴》和《浙江省统计年鉴》，其中，考虑产品从研发创意到研发产品存在一定的时间差，因此表征区域创新能力的专利数据我们选择滞后产业数据一年的数据，来自于安徽省和浙江省的知识产权局公布的年度或月度数据。

3 计量方法与模型设定

Tobler地理学第一定律认为：地理物体中，任何事物都是互相关联的，离的越近，相关性越高。传统的统计计量分析往往假设观测值相互独立，但是事实上，很多数据存在空间上的关联性，空间计量经济学假设不同区域间的数据间存在空间关系，不同于传统计量分析中观测值彼此独立的原假设，它是在继承了经典经济计量方法的基础上考虑地理位置及空间交互作用的计量方法。

空间自相关的检验也称作是空间模式的检验，是判断研究对象是否存在空间关联性及判断空间关联性强弱的有效方法，这种方法将统计学与地理学中的地图处理技术结合起来，通过地图、统计图表等方式直观揭示了区域之间的空间关系。空间自相关包括全局空间自相关与局部空间自相关两种，全局空间自相关适用于度量整个地理区域的整体情况，局部空间自相关情况可以反映全局空间中不同区域的集聚与扩散情况，在局部空间自相关中，每一个观测单元即城市都有反映其自相关强度及类型的度量值，不同城市的空间集聚情况往往存在显著差异，本文采用局部空间自相关方法，以从地理区位分布上观察皖浙产业集聚水平与区域创新能力之间的关系。

局部空间自相关效应的度量方法主要有局部莫兰指数I(local Moran’s I)、局部Getis-Ord’s G(d)等，本文采用莫兰指数I的度量方法，为了分析两个省份知识密集型服务业与制造业协同集聚程度(以下简称产业协同集聚度)和区域创新能力在区域分布上的关联情况及各自的发展情况，本部分的观测变量值为产业协同集聚度和专利审核数量，其表达式如下：

设邻接的两个城市i和j观察变量值分别为xi、xj，zi和zjs为xi、xj的标准化观测值，即那么，观测单元Ii的局部莫兰指数I的计算公式为：用E(Ii)表示Ii 的数学期望，其数学表达式为另外设为Ii的方差，那么观测单元邻接区域的集聚特征可以用Z(Ii)表示，其表达式为：当Z(Ii)大于0 时，表示在观测单元i的邻接区域具有高相似值的集聚特征，当Z(Ii)小于0时，表示观测单元i的邻近区域具有低相似值的集聚特征。

为了更加直观地表示不同地理区域的模式差异及空间随机过程，本文综合运用Geoda、Excel和Arcgis 10.3软件绘制了LISA散点图和莫兰指数空间自相关统计的集聚分布图(以下简称莫兰空间分布图)，对安徽省及浙江省各城市的局部空间自相关情况进行对比分析。

LISA散点图是分析局部空间自相关集聚分布的重要方法，其横轴表示某变量在不同位置的观测值向量，纵轴表示该向量的空间滞后向量(即该观测值周围邻居的加权平均)，通过LISA散点图，可以识别某地区与其邻接地区的聚集关系。散点图以二维坐标显示了四个象限，分别对应着邻接城市之间四种不同的关系：(1)第一象限(H-H)：又称“高-高”集聚区，表示高值被高值包围，即区域自身和周边地区均处于较高的水平，空间差异小；(2)第二象限(L-H)：又称“低-高”集聚区，表示低值被高值包围，即区域自身水平低，周围地区水平高；(3)第三象限(L-L)：又称“低-低”集聚区，表示低值被低值包围，即区域自身和周围地区均处于较低的水平；(4)第四象限(H-L)：又称“高-低”集聚区，表示高值被低值包围，即区域自身水平高，周围地区水平低。当观测值位于一、三象限时，观测值与邻接区域具有高相似值集聚特征；当观测值位于二、四象限时，表示观测值与邻接区域具有负相关性关系。莫兰空间分布图的含义与LISA值一致，是LISA散点图在地图上的反映，比LISA图更加直观，但是LISA散点图可以反映非显著地区的空间集聚类型和同一类型地区的自身及邻接地区创新能力或产业协同集聚情况的强弱程度，因此本文结合运用莫兰空间分布图与LISA散点图以反映观测对象的区位分布情况。

在莫兰空间集聚图中，为反映集聚效应的明显程度，通过0.1显著性水平检验的区域按照LISA散点图的象限分布情况进行分类并以不同的颜色或形状加以区分，未通过0.1显著性水平检验的在地图中不着色。根据上述规则，可以得到以下几个图，需要指出的是，在莫兰空间分布图中，一些城市集聚效应不显著，往往是由于该城市位于高区和低区之间，如合肥、杭州和衢州，而LISA图可以对这些不显著地区的自身水平作出补充说明。

4 皖浙产业协同集聚水平空间相关性的比较分析

由图1～图4可知，知识密集型服务业与制造业的协同集聚程度不仅反映了两个产业间的协同集聚情况，也反映了知识密集型服务业与制造业各自发展的情况。

从知识密集型服务业与制造业的产业协同集聚度(以下简称产业协同集聚度)来看，横向方面，安徽省产业协同集聚发展水平低于浙江省，从LISA图可以明显看出，安徽省各市基本位于第三象限，即安徽省多数城市的产业协同集聚水平处于“低-低”分布，呈现产业协同的低水平集聚状况，与之相反，浙江省大部分城市位于第一象限，呈现高水平集聚状况。

纵向方面，从LISA图中可以发现，浙江省2003～2014年期间基本都位于第一象限，而从安徽省来看，2014年相对于2003年，更多城市开始偏移于第二、四象限了，这说明安徽省的产业发展开始挣脱低水平的困境，一些城市的知识密集型服务业与制造业开始形成良性互动、协同发展了，但是总体水平仍然有待提高。

安徽省内，池州市、淮北市、亳州市、蚌埠市、阜阳市、淮南市在2003～2014年一直处于低-低分布的区域中，这些城市大部分位于皖北地带，说明安徽省北部地区的产业发展及协同集聚程度不够，需要进一步提高。在皖南地区，安庆市、芜湖市在2003年的产业协同集聚度分别为“低-高”分布和“低-低”分布，而在2014年成为“高-低”分布，可见数十年来，安庆市和芜湖市的发展速度很快，从LISA图可以看出，2003年，这两个城市均位于坐标图纵轴以左，当时安徽省整体的制造业发展都比较落后，知识密集型服务业很多地区都处于萌芽状态，更不用提二者的协同集聚情况了，但是在2014年，安庆和芜湖市位于坐标轴中纵轴右侧，这说明两个城市的知识密集型服务与制造业协同集聚情况较好，说明了这两个市在这十余年来产业发展取得了很大的进步。另外，安徽省内有相似情况的还有马鞍山市，由于其位于“高值”和“低值”之间，所以产生的集聚效应不明显，不过可以从LISA图中看到，2003年，马鞍山市位于“低-低”集聚区域，可是到了2014年，该市位于“高-高”集聚区内，从其在坐标轴横轴中的数值来看，马鞍山市的产业协同集聚度仅次于合肥市和芜湖市，安庆市排名第四，其余城市的区域创新能力均处于较低水平。除了这些进步较快的城市，安徽省内还有一些城市产业协同集聚情况出现退步的现象。2003年，虽然滁州市的产业协同集聚度聚集效应不明显，但是通过LISA图可以看出该市位于第一象限，即“高-高”分布，可是在2014年，其产业协同集聚度却明显低于周边地区，根据LISA图可知，与其邻接的省会合肥市的产业协同集聚程度很高，但是滁州市没有充分吸收到周边城市发展的辐射效果，这是该市在今后发展需要注意的。

浙江省内，有且仅有两个城市丽水市和衢州市一直位于第四象限“低-高”集聚区域，这说明这两个城市内，知识密集型服务业与制造业的发展水平较低，且二市的协同集聚程度较低，其周边城市的产业协同集聚程度较高。杭州市虽然自身的产业协同集聚水平很高，但是其位于低水平城市(如衢州市、黄山市、宣城市)及高水平城市(如湖州市、绍兴市、金华市)中间，因此其集聚效应不显著。

图1 2003年皖浙产业协同集聚莫兰空间分布图

图2 2003年皖浙产业协同集聚LISA图

图3 2014年皖浙产业协同集聚莫兰空间分布图

图4 2014年皖浙产业协同集聚LISA图

5 皖浙区域创新能力空间相关性的比较分析

图5～图8表示的是两个省的区域创新能力，是区域经济获取竞争优势的关键因素，代表着区域的发展潜力。新增长理论认为，创新伴随着新知识的产生，这引发了区域内知识的溢出效应的产生，而区域内知识的溢出与扩散有利于区域经济的繁荣。

从区域创新能力来看，横向方面，安徽省基本处于“低-低”分布，皖北尤其明显，浙江省各市整体处于“高-高”分布，安徽省各城市的创新能力显著低于浙江省各市。

纵向上，从LISA图可以看出，2004～2015年间，整体同产业协同集聚度一样，2004年，安徽省各市主要分布于第三象限，2015开始有一些城市分布在第二、四象限，而浙江省各市基本位于第一象限，说明浙江省各市的创新能力一直较高且稳定发展，而安徽省在2004年创新能力整体都比较低，但是从2015年的LISA图可以看到，安徽省一些城市的创新能力逐渐提高，所以呈现了省内创新发展不均衡的局面，说明了安徽省在创新发展方面的后发优势开始体现，一些城市的创新能力有较大提高。

具体来看，安徽省内，池州市、淮北市、亳州市、蚌埠市、阜阳市、淮南市一直处于“低-低”分布的区域中，这些城市大部分位于皖北地带，说明安徽省北部地区创新能力较弱，需要进一步提高。安庆市在2004年创新能力不显著，在经过数十年的发展，安庆市变为“高-低”集聚，创新能力有较大的提升，成为所处区域中的创新谷地，而芜湖市由于地处“高值”与“低值”之间，所以集聚效应不明显，但是从LISA图中可以看到，该市在2004年创新能力较低，而2015年芜湖市的区域创新能力仅次于合肥市，发展速度很快。另外，安徽省还有一些城市，如宣城市、池州市、黄山市虽然与杭州市、合肥市等创新能力高的城市毗邻，但是其自身的创新能力仍然较弱，说明这些城市并没有利用好其优越的地理位置，吸收周边城市的知识溢出。

浙江省内，浙北地区创新能力一直较高，值得注意是的，丽水市在2004年是“高-高”集聚区，而在2015年变为“低-高”集聚区，说明这些年来该市的发展速度落后于浙江省的其他城市，丽水市并没有很好地吸收消化周边城市的创新溢出，除此之外，衢州市创新能力也一直较低，这两个城市位于浙江省西南方位，可能受到地理位置和经济政策的影响，这两个地区的创新发展并没有受到重视。

图5 2004年皖浙创新能力莫兰空间分布图

图6 2004年浙皖区域创新能力LISA图

图7 2015年浙皖区域创新能力莫兰空间分布图

图8 2015年浙皖区域创新能力LISA图

6 皖浙产业协同集聚度与区域创新能力空间分布的关联性分析

从产业协同集聚度与区域创新能力集聚分布情况可以发现：二者在分布区域及集聚类型上相似度都很高，说明知识密集型服务业与制造业的协同集聚度与区域创新能力的关系非常密切。也就是说，无论是在安徽省还是浙江省内，当某城市知识密集型服务业与制造业协同集聚程度高时，这个城市的创新能力往往也较高。知识密集型服务业在城市区域创新系统中，起着知识创造、接收、整合及传播扩散的重要作用，横向上KIBS要与创新系统中各子系统产生有机联系，扮演着中介和桥梁的角色，这可以推进行业内外企业的合作，纵向上能够帮助制造业企业特别是一些能力有限的中小型企业吸纳外部知识，实现技术升级。因此当一个城市的制造业与知识密集型服务业联系紧密时，往往意味着该城市的制造业客观上能够获取且主观上需要更多的知识与技术，创新意识更强，这个区域自然便拥有了较高的创新能力。

但是，在两个省份中，都存在着不同程度的发展不均衡现象，伴随着市场化的推进，可以推断，区域非均衡发展在一定阶段内将是一种常态，这也是经济规律的作用结果。从实证分析结果中，可以看到，无论是产业协同集聚程度还是区域创新能力，安徽省内仅合肥、马鞍山、芜湖和安庆四个城市发展水平相对较高，其他城市自身能力都非常有限，尤其是皖北地区。这几个城市中，省会合肥市水平最高，2014年，其产业协同集聚度仅低于杭州和宁波，说明合肥市的知识密集型服务业与制造业协调度较好，但是从区域创新能力来看，2015年仅仅达到浙江省发展水平的平均值，这说明安徽省的创新发展道路依然漫长。除了合肥市、马鞍山市、芜湖市和安庆市等皖南地区作为安徽省率先发展的城市需要在自身发展的同时起到带头作用，带动其他城市特别是周边城市的共同发展；另外，从全局来看，安徽省政府应当重视皖北地区的发展，可以对皖北地区的一个城市加大扶持和投入力度，让其率先发展起来，再运用知识溢出和经济辐射效应带动周边其他城市的发展。从浙江省看，浙江省整体发展情况良好，但是丽水市和衢州市是浙江产业发展及创新发展的短板，建议要特别重视这两个城市未来的经济发展，加大投入力度，鼓励周边较发达城市带动其发展。

7 小结

本文通过对比研究浙江省与安徽省产业协同集聚度与区域创新能力的空间自相关情况，发现如下结论：

首先，产业协同集聚与区域创新能力在分布区域及集聚类型上相似度都很高，说明二者的关系非常密切，即产业协同集聚程度高的城市，知识密集型服务与制造业结合越紧密，二者的有效协同和良性互动最终将会促进知识的创造与流动，形成“双轮驱动”，提高区域的创新能力。其次，安徽省和浙江省在产业协同集聚水平与区域创新能力方面都存在明显的空间相关性，其中，安徽省整体的发展水平较差，尤其是皖北地区，而经济发展水平较高的城市如合肥市、芜湖市和马鞍山市的产业协同集聚程度较高，合肥市、芜湖市、安庆市的区域创新能力较强；从浙江省来看，无论是产业协同集聚度还是区域创新能力均优于安徽省，而衢州市与丽水市是浙江省发展的短板。这说明在区域发展中，不同的城市有着不同的发展特点，处于不同的发展阶段，因此区域的产业发展存在着长期的不均衡现象，这也是导致安徽省与浙江省产业发展及创新能力差异的原因。

根据以上结论，政府需要在以下几方面做出努力：

第一，政府应该加强区域间产业协同集聚，具体做法有：首先，搭建区域合作共享平台。区域合作共享平台是区域各市场主体互动合作的场所，可以为知识密集型服务业与制造业的交流与合作创造一个开放式的氛围，从而促进知识的流动与扩散。其次，加强行业协会的协调作用。在区域发展中，各级政府可以依靠行业协会的力量建立产业间、区域间合作联系的桥梁，不断完善整体的行业布局结构。

第二，制定差异化的区域创新发展战略。通过前文的分析，可以得知浙江省和安徽省无论在发展阶段上还是发展特点上都存在着较大的差异，而省内的各个城市也存在着发展不均衡、不同步的现象。究其原因，不同的地区有着不同的地理区位、文化氛围、历史背景及资源禀赋，其发展特点和发展阶段自然也有所不同，所以在制定产业发展战略时，必须考虑到区域之间协同效应的差异性，应理性地思考“退二进三”产业政策是否适用于每个城市，如果不考虑区域差异采用同一化发展战略而不考虑当地特有情况，反而不利于区域发展。产业协同集聚并不等同于两个产业实现同步的、对称的分布，各地区应当根据自身城市的发展特点与发展阶段采取差异化的产业发展政策，着重发展自身优势产业，找到突破口，从实际而非表面来真正推动知识密集型服务业与制造业的协同集聚效应。