江苏省城市综合创新竞争力时空联系研究

王承云，沈泽洲

（上海师范大学 环境与地理科学学院，上海 200234）

一、引 言

随着改革开放的进一步深化，依靠生产和资本要素驱动的传统经济发展模式受到挑战，创新成为城市发展和社会进步的核心推动力。江苏省作为我国的经济大省、教育大省，13个地级市全部上榜中国100强城市。坚实的经济基础、完善的创新制度、高素质的劳动力资源为江苏省的区域创新注入了活力，极大地提高了创新的竞争力。然而，江苏省各市间创新能力、创新环境的差异导致了各市创新发展不均衡；创新资源、创新要素的不流通导致了各地区间创新联系不紧密，使得江苏省创新竞争力的进一步提升受到限制。因此，探究江苏省各市综合创新竞争力水平、创新联系强度的时空分异规律，对缩小各市间创新能力的差距、促进创新资源的合理配置、推动各市创新联系与合作具有重要意义。

20 世纪90 年代末，国内外众多学者和研究机构开始关注城市竞争力的研究，早期如Landry探究了创新城市的内涵，并构建了城市创新评价指标体系［1］；Begg研究了城市竞争力的本质以及城市竞争力高的内在原因［2］。我国学者蔡来兴主编的《国际经济中心城市的崛起》、顾朝林等著《经济全球化与中国城市发展：跨世纪中国城市发展战略研究》也对该问题进行了系统、深刻的研究［3］。近年来对城市竞争力的研究更加深入，研究内容细分到城市的文化竞争力、旅游竞争力、创新竞争力等方面。地理学界对城市竞争力的研究大多是从空间分异和联系角度对一定区域内各城市的创新竞争力进行评估和排名［4-6］。如王发真等对中原城市群9 市的城市竞争力进行了排名，并探究城市竞争力的空间分异和空间扩展的演变规律与特征［7］。许学强等通过构建城市竞争力评价模型对珠江三角洲城市群进行打分和排名［8］。研究方法上，早期城市竞争力评价模型的相关研究大多是对波特国家竞争力评价理论的扩展和延伸，随着评价指标的增加和体系的复杂，目前主要运用的方法有模糊一致矩阵、熵权TOPSIS 法、主成分分析、GEM-ANP 模型和AHP法等［9］。在指标体系选取方面，大部分的城市竞争力研究都是从城市发展的综合角度出发选取当地经济、基础设施、政府政策、教育等几个方面进行综合分析［7-8］；而创新竞争力研究的指标体系则相对杂乱，并没有统一标准。因此，本文通过参考《中国城市创新竞争力发展报告（2018）》中的相关指标，选取最具权威性的创新能力和创新环境两个二级指标共7 个因子进行城市综合创新竞争的测算。

在创新空间分异和联系的研究方面，目前主要通过创新网络来实现，有关创新网络的概念最早由Freeman 提出，他认为创新网络是系统创新的制度安排［10］。由于城市间真实的创新联系难以准确全面测度，地理学者开始尝试将空间相互作用模型引入城市创新联系研究中，引力模型最早于1880 年被英国统计学家雷文茨坦使用于区域空间的研究［11］。目前大部分学者主要通过借鉴和改进物理学中的万有引力公式来衡量城市间的创新联系；近年来随着研究的深入，学者们在引力模型的基础上运用断裂点公式、最大引力线、场强公式等对各城市的创新联系及辐射范围进行进一步探究［12-16］；随着社会网络分析法（SNA）的兴起，越来越多的学者开始通过社会学视角对创新联系进行定量测度，并从网络规模、网络密度、网络中心势三个方面具体分析创新网络的结构特征［17-25］。

通过以上回顾可以发现，现有研究尺度主要集中于全国、城市群等相对宏观视角，对省一级的关注较少，而省一级创新均衡发展是城市群乃至全国创新均衡发展的基础和前提，故本文将重点研究基于江苏省各市数据，测算其综合创新竞争力。同时现有研究极少有将城市综合创新竞争力的空间分异与联系通过社会学方法SNA 进行定量测算，因此，本文在对传统城市相互作用理论模型进一步完善的基础上，运用社会网络分析法对创新网络的总体强度及各市的具体中心度进行测算。

二、研究区域界定与数据来源

本文的研究范围为江苏省下辖的13 个地级市，包括苏州市、无锡市、南京市、南通市、徐州市、常州市、镇江市、泰州市、扬州市、淮安市、盐城市、宿迁市、连云港市。

数据主要为城市综合创新竞争力测度数据以及创新联系测度数据。综合创新竞争力测度数据主要来自江苏省统计年鉴、江苏省科技统计网、中国统计局。考虑研究价值以及数据的可获得性，本文选取2013-2017 年5 年的数据为研究对象，具体选取了科研人员数量（万人）、专利申请授权数（件）、高新技术产业产值（亿元）、科学研究和技术服务业生产总值（亿元）、地区生产总值（亿元）、规模以上工业企业利润（亿元）、普通高等学校数（所）共7个指标综合反应各市的创新能力和创新环境，从而测算各市的综合创新竞争力。具体数据见表1所列。

表1 城市综合创新竞争力指标体系

考虑各市间交通通达程度的不同，且目前江苏省各地区间实体形态创新的流通仍以公路为主；虚拟形态的创新，如创新信息等的流通以网络为主，而各市间的网络距离实则相等。因此，创新联系测度数据可以通过各市间的距离采用高德地图中各市间最短行车距离来衡量。具体距离矩阵见表2所列。

表2 江苏省各市间最短行车距离 单位：km

三、研究方法

（一）城市综合创新竞争力测算

对于城市间综合创新竞争力的测算选取因子分析法，并在此基础上计算各市因子综合得分进行排名。具体步骤为：在进行z值标准化处理的基础上对7个创新竞争力的指标进行主成分因子分析，在因子分析的基础上计算各主因子的因子得分，并以抽取因子旋转后的方差贡献率为权重计算各市综合因子得分，综合因子得分计算公式如式（1）所示。其中，S为各市综合因子得分；Y1，Y2，Y3，…，Yn为抽取的各主因子得分；F1，F2，F3，…，Fn为旋转后各主因子的方差贡献率。

考虑各市的综合因子得分数据存在负数，不便各市间相对差距的对比，同时为了后文研究中正确引力模型的建立，故采用相应的标准化方法对数据进行处理，如式（2）所示。其中，xi为各市综合因子得分的原始值ˆ为各市创新竞争力的最终得分。

（二）探索性空间数据分析

探索性空间数据分析（ESDA）是通过具有空间异质性与依赖性特征的样本数据测度空间关联性的方法，主要有全局空间自相关与局部空间自相关。本文在因子分析的基础上对2013-2017 年江苏省各市创新竞争力的最终得分进行全局Moran'sI检验，以确定不同城市创新竞争力的时空分布之间是否相似（空间正相关）、相异（空间负相关）抑或相互独立。公式为：

其中，N为空间单元总数；xi和xj是空间单元i和j的属性；wij是空间权重，如果空间单元i与空间单元j邻接，则wij＝1，否则为0。用p值以及z得分对Moran'sI指数进行统计检验，其中为期望值，Var（I）为变异系数。

在全局空间自相关检验的基础上进一步对各市综合创新竞争力进行热点分析，以探究各市创新竞争力的具体时空分异特征。其中指数高值即热点区域指数低值即冷点区域。具体公式为：

（三）对引力模型的改进

地理学中的引力模型是测算各区域间空间相互作用强度的一种方法，由著名的万有引力定律改进而来。在引力模型的构建中，质量参数和距离参数的设定是影响模型构建适宜性的关键要素。而本研究基于江苏省各市间创新竞争力的特征，对引力模型中质量参数和距离参数的测度方法进行了改进，其中质量参数SA、SB选用式（2）中A、B两市标准化后的综合创新竞争力得分，距离参数R选用表2中A、B两市间的最短行车距离。F为两市间的创新联系强度，G为引力系数通常取1。

（四）总体网络密度分析

在引力模型计算出的各市创新联系强度矩阵基础上，运用总体网络密度来反映各市间创新的关联关系程度。总体网络密度是整体网络中实际存在的关系数与理论上可能存在的最多关系数之比，因此各地区间总体联系数M越多，网络的密度也就越大。考虑江苏省各市间的创新联系网络是一个有向的关系网络，则各市间创新联系可能存在的最大关系数量为N（N-1），因此各市间创新联系有向网络的总体密度D为：

（五）网络中心势分析

网络中心势与网络密度具有相互补充的特性，网络密度反映的是各市间关联关系的程度，而网络中心势反映的则是网络联系的紧密程度。网络中心势的构造思想为：首先找到图中最大中心度的值Cmax；然后计算该值与图中其他点的中心度值Ci的差，计算多个差值的总和；最后用这个总和除以理论上各个差值总和的最大可能值［19］。公式如下：

（六）点度中心度分析

点度中心度衡量的是一个地区与其他地区直接相连的关系程度，一个地区的点度中心度数值越大，则意味着与这个地区直接相连的地区越多，表明该地区在网络中的地位越高。有向关系网络中点度中心度可以分为出度中心度和入度中心度，创新网络中出度中心度越高，表明该城市对其他城市的创新溢出能力越强，而入度中心度越高则表明该地区吸收外界创新资源的能力越强。

（七）CONCOR块模型分析

块模型分析是一种简化多重关系网络的数量模型，最早由 Boorman 和 White 提出［26］。他们指出要想找到一个网络的总体模式，必须根据网络中参与者的结构对等性做一些转化性的工作。而一个角色系统中的各个角色是相互关联的，因此所使用的转化方法主要是把各个点集中到更大的点集之中，这样各个点集系统的内在结构要比在大量孤立点之间的具体关系更加明确，如图1 所示。CONCOR 作为一种迭代相关收敛法为块模型分析方法的一种，通过对目标矩阵的各个行（或者列）之间的相关系数进行多次迭代后，最终产生的将是一个仅由1和-1组成的相关系数矩阵，从而达到对各个参与者进行分区，简化数据的目的［19］。

图1 一个网络及其块模型

四、综合创新竞争力测算及分析

（一）综合创新竞争力测算

本文分别对2013-2017 年江苏省各市综合创新竞争力的7个指标进行因子分析，测算各市的因子综合得分标准化后，得到各市的综合创新竞争力得分，并以2017年的测算过程为例，具体阐述测算过程。

首先对各指标进行z值标准化处理，对创新竞争力的7 个指标变量进行适用性检验，得出KMO统计量为0.745大于阈值0.5，Bartlett的球形度检验Sig.＜0.05，适合进行因子分析。综合考虑设立的二级指标创新能力、创新环境以及提取各因子的累计贡献率，可以将提取的公因子数设为3。在此基础上对7个指标变量进行因子分析，抽取方法为主成分，旋转方法为最大方差法。结果表明抽取的三个主因子共解释总方差达98.218%，且每一项因子的提取值都大于0.9，结果表达效果好。通过表3旋转因子载荷矩阵可以看出，在最大方差旋转后，第一个主因子包括专利申请授权数（件）、高新技术产业产值（亿元）、地区生产总值（亿元）、规模以上工业企业利润（亿元）4个指标，可以归结为创新效益；第二个主因子包括普通高等学校数（所）、科学研究和技术服务业生产总值（亿元）2个指标，可以归结为创新能力；第三个主因子包括科学研究人员（万人）一个指标。

在主成分因子分析的基础上利用因子评分系数矩阵分别计算各抽取主因子得分，并利用抽取因子旋转后的方差贡献率为权重计算因子综合得分，对各市标准化后的因子综合得分进行排序，得出各市综合创新竞争力得分，结果见表4所列。

表3 正交旋转后的主因子载荷矩阵

表4 综合创新竞争力排名

（二）综合创新竞争力空间特征分析

在对江苏省各市2013-2017 年综合创新竞争力测算的基础上，进一步计算5 年间江苏省各市的全局Moran'sI指数，探究各市的综合创新竞力在空间上的分布特征。通过表5 可以发现：2013-2017 年，江苏省各市的Moran'sI一直为正，且指数不断增大，p值不断减小，空间正相关特性逐渐显著；2013-2015 年空间集聚程度较为微弱，直到2016-2017 年才开始出现显著的空间自相关现象。由此可以发现，江苏省各区域间综合创新竞争力的差距逐渐扩大，区域创新能力逐渐趋于不平衡。

表5 2013-2017年Moran's I指数变化

在全局空间自相关的基础上，对江苏省各市2013 年和2017 年的综合创新竞争力进行热点分析，进一步探究具体空间集聚情况及类型分布。通过图2可以发现，热点分析结果与全局Moran'sI结果相符。2013年，苏州、无锡、南通、常州在上海强烈的创新辐射下综合创新能力都处于高值，由于地理的邻近性，在苏南地区形成了综合创新力的高值集聚区；而由于长江对创新辐射的削弱作用，无锡与相对低值的泰州相邻导致无锡无法表现出高值集聚的特点。2017年苏州的综合创新竞争力不断增强形成高值集聚区，而增长相对较慢的无锡、南通、常州转为次高值集聚区，无锡出现次高值集聚表明长江对创新辐射的削弱作用有所减弱，泰州等苏中地区的综合创新竞争力有所提升。但由于溢出效应有限，苏南地区的高值集聚虽在一定程度上带动苏中创新的增长，但对苏北的带动作用仍不足；在苏南带动苏中创新竞争力不断发展的同时，苏北的宿迁出现了创新竞争力的低值集聚。2013-2017 年，作为综合创新竞争力第二高值的南京并没有对周边城市起到足够的带动作用，形成类似苏南的高值集聚区。

图2 江苏省各市综合创新竞争力热点分析

五、城市创新竞争力时空联系研究

为了直观地反映2013-2017 年江苏省各城市创新联系的空间格局，本文利用引力模型对2013年和2017 年各城市空间联系进行可视化分析，并按照引力强度大小将其划分为5个等级，即引力强度极弱、引力强度较弱、引力强度一般、引力强度较强、引力强度极强，并绘制出江苏省各城市间创新联系网络结构图。

（一）引力模型分析

如图3 所示，2013 年和2017 年江苏省各市创新联系网络的总体结构较为相似，2017 年相较于2013 年，各市的创新联系强度都有所提升。总体来看，各市的创新联系表现为“南强北弱”的特点创新联系强度分布极不均匀，大致表现为苏南地区最强，苏中次之，苏北最弱。且各市的联系强度值差异较大，位于“引力强度极强”和“引力强度较强”等级的城市相对较少。

图3 江苏省城市创新联系网络结构

其中，2013 年引力最强的为苏州—无锡、较强的为无锡—常州；一般的为常州—苏州、苏州—南通、镇江—扬州、南京—扬州、南京—镇江、南京—苏州。2017 年引力强度最强的为苏州—无锡；较强的除了包括无锡—常州外，还包括了2013 年引力强度一般的苏州—南通、常州—苏州；一般的为南京—镇江、南京—扬州、南京—常州、南京—无锡、南京—苏州、无锡—南通、扬州—镇江。对比2013 年和2017 年可以发现，除了创新联系总体强度有所提升，苏南地区创新核心的内部联系更加紧密；同时南京与苏南地区的联系也有所提升，以南京为中心的苏中地区次级创新核心与苏北地区的联系并没有发生太大变化，说明南京及苏南地区各市的创新联系强度提升速度更快；而苏中、苏北地区的创新联系结构并没有显著变化。总的来说，江苏省各市间创新引力强度的空间分布不均衡问题日益严峻。

结合Boschma［27-28］提出的对邻近性5个维度的概念区分，可以发现地理邻近性、技术邻近性在创新联系产生的过程中起到了至关重要的作用。2013 年、2017 年苏州市和无锡市引力一直处于极强等级，主要是由于良好的地理邻近性带来了交通的便捷；同时两地较高的综合创新竞争力使得两地具有相当的技术条件、技术邻近。而对于常州和无锡、镇江和扬州、苏州和南通同样也满足便捷的交通所带来的地理邻近性优势，但是由于各市相对较弱的创新竞争力，使得总体的联系强度相对较弱。苏北地区由于较弱的综合创新竞争力以及城市间相对较长的行车路程同时并存，导致城市间的联系处于最弱状态，且与苏中苏南联系也较为薄弱；徐州市虽然有着较强的创新竞争力，但因地理邻近性较差，因此与苏中、苏南的联系强度也较弱。

（二）社会网络分析

在综合创新竞争力测算以及引力模型分析的基础上，构建2013-2017 年江苏省综合创新网络，并利用社会网络分析法分别测算5 年间江苏省创新网络的密度和中心势，探究江苏省各市间创新网络的关联关系程度和紧密程度，结果见表6 所列。可以看出2013-2017 年江苏省综合创新网络的中心势逐年增大，由2013 年的11.39%增长到2017 年的11.78%；而密度值则一直处于0.05～0.06的不断波动中，并没有表现出显著的增大或减小态势。由此可以发现，江苏省各市间创新联系网络的总体关联程度并没有发生太大变化，而城市间总体创新联系的紧密程度却逐年增大，说明网络中原本且持续存在创新联系的核心点，其核心与周围城市的联系逐渐紧密，而与其他非核心地区的联系则逐渐松散。

《紫色》以女主人公黑人女性西丽的故事为主线，讲述了四位黑人女性的抗争故事。四位女性有相同的种族背景，受到不同程度的种族压迫和性别歧视。她们性格各异，经历不同，都通过自己的方式反抗不公正的种族和性别压迫。最为可贵的是，四位女性能够团结一致，互相鼓励，互相安慰，完善自己，改变自己的命运。这正是沃克的妇女主义思想不同于传统女权主义所在之处。同时，黑人女性最终不是通过孤立黑人男性来达到抗争的目的，相反，她们通过与男性和谐共处来实现命运的改变。

表6 2013-2017年江苏省各市创新网络结构特征

在对2013-2017 年江苏省各市综合创新网络总体结构特征分析的基础上，运用各市平均点度、中心度以及CONCOR 块模型，分析创新网络中具体的创新核心及各市间的具体创新联系程度。

通过表7 可以发现，出度中心度最高的为苏州，其次为无锡、常州；入度中心度最高为无锡，其次为苏州、常州。因此最主要的创新核心应为苏南地区的苏州、无锡、常州，各市间的创新联系最为密集，其中苏州出度中心度最高，为最主要的创新溢出区，带动周围城市创新发展；而无锡的入度中心度最高，为最主要的创新接受区，主要承接苏州的创新溢出。同时作为创新竞争力高值地区的南京和南通，并没有表现出较高的点度中心度，这主要是因为南京对周边城市的创新带动能力较差，周边城市大多为创新联系能力一般和较低的城市，联系强度较弱；而南通虽承接苏州以及上海的创新溢出，创新联系紧密，但与苏北地区的联系却较为松散，因此总体创新联系强度也较差。苏北地区总体缺少创新中心，辐射带动作用弱，因此也一直处于创新联系能力较低状态。

表7 江苏省各市创新网络平均中心度

在点度中心度分析的基础上，进一步运用CONCOR 方法［19］对 2013-2017 年江苏省各市创新关系矩阵进行块模型分析，选择最大切割深度为2，收敛标准为0.2，将江苏省13个市划分为4个板块：板块Ⅰ由苏州、无锡、常州组成；板块Ⅱ由泰州、盐城、南通组成；板块Ⅲ由连云港、宿迁、徐州、淮安组成；板块Ⅳ由南京、扬州、镇江组成。各板块间的密度矩阵见表8 所列，并计算2013-2017 年江苏省各市综合创新关系网络的平均网络密度为0.057 6，将其作为临界值计算像矩阵。若板块密度大于0.057 6，则赋值为1，反之则为0，得出像矩阵（表8）。

表8 密度矩阵和像矩阵

再根据像矩阵绘制四大板块间的创新关系，如图4所示，揭示江苏省创新关系网络中各市间具体的创新关联程度。

综合表8、图4 可知，板块Ⅰ即为苏南地区，内部创新联系最为紧密；其次为板块Ⅳ内部，即为南京创新辐射带动下的部分邻近苏中城市；再次为板块Ⅱ与板块Ⅳ之间，即为南京对其他较远苏中城市的创新辐射带动作用；最后为板块Ⅰ与板块Ⅳ之间，即为苏南地区对南京及邻近苏中地区的创新溢出；而其他地区及城市间的创新联系密度均小于平均密度0.057 6，因此创新联系较为松散。进一步研究可以发现，江苏省创新关系网络中实际存在两个创新集聚区，即板块Ⅰ和板块Ⅳ；同时由于板块Ⅰ的密度远高于板块Ⅳ及平均网络密度，因此可以确定板块Ⅰ为创新的主要集聚区，而板块Ⅳ为次级集聚区；在结合点度中心度分析的基础上，可以确定两个集聚区内存在两个创新辐射能力不等的创新核心，其中板块Ⅰ中的主要创新核心为苏州市，而板块Ⅳ中的次级创新核心为南京市。

图4 江苏省城市创新关系网络简化

总的来看，苏南地区存在主要创新核心苏州市，因此内部创新联系最为紧密；其次为次级创新核心南京市辐射带动下的一系列苏中城市；最后为苏北地区各城市间创新联系较为松散。同时对苏南、苏中、苏北三个地区间的创新联系程度进行比较可以发现，三个地区间的创新联系也存在一定差异，且地理邻近性起着相对重要的作用，其中苏南和苏中联系相对密切，而两者与苏北间的联系相对松散。

六、结论与建议

综上所述，本文利用2013-2017年江苏省各市综合创新竞争力测度数据，并结合因子分析法、探索性空间分析法、改进后的引力模型以及社会网络分析法对江苏省各市综合创新竞争力的时空分异、创新联系强度及创新网络结构的时空演变规律进行了分析和评价，得出以下结论：

（1）2013-2017 年江苏省各市的综合创新竞争力排名并没有发生大幅度的变动，总体上表现为苏州、南京、无锡、南通为第一等级，综合创新能力最强；徐州、常州为第二等级，创新得分在平均得分附近徘徊；泰州、镇江、扬州、盐城、淮安、连云港、宿迁为第三等级，创新得分均在平均分以下；其中南通、常州综合创新竞争力表现出升高态势，徐州表现出下降态势。区域的综合创新能力正逐渐趋于不平衡，形成以苏州为中心的高值集聚区以及以宿迁为中心的低值集聚区。

（2）2013-2017 年江苏省各市创新联系网络的总体结构特征较为相似，各市间创新联系强度均有所提升，但仍呈现苏南地区最强、苏中次之、苏北最弱的局面。南京及苏南各市间的创新联系强度提升速度较快；而苏中、苏北地区的创新联系结构并没有得到大幅的提升，创新联系强度的空间分布不均衡问题正日益严峻。同时地理邻近性、技术邻近性对解释江苏省各市间创新联系的紧密程度起到至关重要的作用。

（3）江苏省创新网络中存在以苏州为中心的主要创新核心及以南京为中心的次级创新核心，且核心与周边城市的联系日益紧密，而与其他非核心地区的联系则日益松散。对苏南、苏中、苏北三个地区间的创新联系程度比较发现，苏南与苏中联系相对密切，而两者与苏北间的联系相对松散。

对于江苏省各市现阶段创新发展面临的一系列问题，除了应当在遵循国家宏观调控的基础上发挥市场的自主调控能力外，政府部门应根据苏南、苏中、苏北地区不同的创新发展情况，出台具体的针对性激励政策并制定切实可行的行动措施。在对前文研究内容总结、分析的基础上，本文认为主要可以从以下方面制定相关措施和方案：

（1）鼓励苏中、苏北地区提高招商引资、吸引高端人才落户的优惠条件，积极吸引新兴高科技产业的落户，从而提高自身创新竞争力，缩小与苏南、苏中地区的差距。

（2）完善苏北各城市间的交通网建设，增强苏北与苏中、苏南地区的地理邻近性，从而实现各城市间人流、物流、信息流的高效、快速传输，加强苏北各城市与苏中、苏南城市的创新联系，缓解创新联系强度空间分布不均衡问题。

（3）各地政府应学习借鉴南通、常州的创新发展经验，按照各市的实际创新发展情况，落实相关政策，采取实际行动，从而实现自身创新竞争力排名的提高，缓解江苏省区域综合创新能力不平衡的局面。

（4）要加强南京、苏州的创新辐射带动作用，实现苏中的崛起以及苏南一体化的发展，在此基础上可以进一步提高南京的创新辐射范围，依靠其独特的地理位置，实现对苏北地区的创新辐射带动作用。

（5）在连淮扬镇等高铁线路建设通车的基础上，鼓励苏北地区发展除徐州外的创新核心，实现创新溢出效应的最大化，带动周边地区的创新发展，打破现有创新竞争力排名，实现江苏省创新一体化发展，使江苏省总体创新竞争力突破限制得到进一步的提升。