基于因子分析的长三角中心城市创新力研究

张宏远，毛泽见，朱国军

(1. 南京大学 商学院，江苏 南京 210093；2. 江苏海洋大学 商学院，江苏 连云港 222000)

长三角地处国家沿海经济带、长江经济带和“一带一路”的结合部，在新的历史发展时期，城市间全方位推进和深度融合是长三角一体化发展国家战略的必然选择。随着2019年《长江三角洲区域一体化发展规划纲要》的审议通过并印发实施，长三角区域必将推进科技创新一体化。城市群发展是长三角一体化发展的重要组成部分，提升长三角城市群创新力是高质量构建长三角科技创新共同体的重要内容。为了推动长三角城市群经济创新发展、提升城市管理能力与水平，对中心城市间的创新力进行比较研究，可以更加快速且直观地找到长三角城市间的差距，明确城市在经济发展过程中的着力点及发展趋势，并以此为基础提出有效的提升城市创新力的对策。

一、 城市创新力的评价模型建构

1. 城市创新力的内涵

经济学家熊彼特将技术性变化的创新以及非技术性变化的创新视为一种“创造性的破坏”，目的是获得超额利润[1]，创新从此成为社会关注的重要理论之一[2]。英国学者弗里曼吸收了系统论思想，认为创新的本质是一个系统工程，并率先提出了国家创新系统的概念[3]。1990年，英国学者库克与摩根在其研究报告《通过网络化进行学习：区域创新及巴登-符腾堡的教训》中较早提出“区域创新”的概念[4]，并对“区域创新”进行了理论与实证研究。城市创新力是一种在一定区域内具有物资、人才、活动的密集性、高效性和多元化的区域创新，城市创新过程实际是一个重新配置创新资源和确定新型运行规则的过程[5]。作为城市竞争力的灵魂，城市创新力是城市价值收益和福利财富的源泉，对于推动城市、区域及国家的经济增长、协调发展以及增强其综合竞争力有着至关重要的作用[6]。城市在竞争中是否具有发展潜力，取决于城市创新力；城市创新力是城市竞争力的软实力体现，一定程度上决定着城市的未来发展走向。随着中国经济发展进入新时代，面对日益变化和复杂的全球经济环境，以中心城市为核心的城市群在区域经济发展与竞争中的作用日益加强，中心城市创新力已然成为区域竞争力的重要标志和获取国际竞争优势的决定性因素[3]。本文通过城市创新力的内涵及评价模型的构建，将城市创新力分为创新动力、创新实力、创新环境和创新潜力4个方面，以长三角27个中心城市为研究对象，对其创新力进行实证分析和动态评价，以期提出长三角城市群创新发展的合理化建议。

2. 城市创新力评价指标的构建

目前国内外研究对城市创新力的内涵界定尚未统一，对城市创新力评价指标体系的构建也有所不同。国外20世纪90年代就开始对城市创新力评价指标广泛关注，较为典型的有城市创新指数、城市创新活力、创新力指数、创新驱动力、知识竞争力指数等。例如，Stern等认为在城市创新力的评价中，R&D存量是一个十分关键且有效的因素，创新力即是创造出新产品的一种潜力[7]；曼斯菲尔德认为新产品开发才是创新的根本，技术创新是产品创新的一部分，体现在新产品的研发、生产和销售方面；Boero等则从企业的角度出发，探究地方企业对当地创新力的影响，对比企业与地区的创新绩效，研究发现地方企业的发展对区域创新力的影响巨大[8]。我国在此方面的研究相对稍晚，政府部门和研究学者从城市创新潜力、创新实力、创新动力、创新环境、投入与产出等方面对城市创新力作出分析，形成了由点到面的城市创新力评价体系[9]。其中，国家科技部倡导的创新型城市建设监测评价指标体系包括创新投入、企业创新、成果转化、高新产业、科技惠民、创新环境6类一级指标。深圳市、济南市、宁波市、江苏省、广州市等政府部门也纷纷提出符合地方发展实际的评价体系，着眼于创新动力与创新环境，从城市创新主体、创新投入、创新环境、创新绩效等方面进行设计。在学者的研究中，有学者从创新过程视角对城市创新力的评价指标体系进行设计，如李惠芬从创新潜力、创新活力、创新动力和创新实力4个方面来考核城市创新力[5]；陈宾等通过比较分析西部主要城市进化过程，提出城市创新资源、创新潜力、创新环境、创新主体是衡量城市创新力的核心准则[10]；解旭霞等构建了非线性、双向动态可循环的城市创新能力概念模型，由创新主体、创新环境、创新投入、创新产出4部分组成[11]。有学者从创新内容视角对城市创新力的评价指标体系进行设计，侧重知识创新、技术创新、产业创新、服务创新、制度创新、文化创新等方面[9,12]。还有学者从创新驱动要素视角对城市创新力的评价指标体系进行设计，侧重驱动城市技术创新的相关要素。张利国等实证检验了人力资本对城市创新能力具有显著的直接效应，是城市创新发展的重要推力，科技投入、外商投资和进出口贸易是影响城市创新能力的重要因素[13]。王鹏等、周悦等认为城市创新力是一个诸多要素相结合的系统，这些要素包括知识、生产力、制度等[14-15]。综合以上对城市创新能力研究分析中重点关注的因素，城市创新力是一个综合能力系统，为了进一步提高评价指标的广度和密度，增强评价指标的逻辑严密性，构建理论上科学、实践上可操作的城市创新力的评价指标体系，本文从创新动力、创新实力、创新环境和创新潜力4个方面构建城市创新力的评价模型。

创新动力是推动城市实现优质、高效运行并达到预定目标的重要保障，为城市区域创新提供了激励机制[16]。一个城市的创新动力是否强大，主要取决于创新投入。对照国家创新型城市建设监测评价指标体系中与创新投入直接相关的因素，本文选择城市R&D经费支出、地方财政科技拨款占地方财政支出比重、全员劳动生产率、高新技术企业数量、独立科研机构数和大中型企业R&D人员总数作为创新投入的衡量指标。

创新实力是城市创新发展的基础，也是城市间创新竞争的保障，更多表现为创新产出。知识产权是创新活动的主要产物[17]。另外，创新产出反映一个城市的科研产出能力和价值创造能力，揭示城市区域创新的基本地位和竞争基础，可以通过人均生产总值、科技新产品产值、省级以上科研奖项、高新技术产业总产值、科技进步贡献率等指标来表征。

创新环境是创新主体活动所依赖的外部环境，是创新主体活动的基本支撑，包括人才环境、信息环境、开放环境等。其中，人才环境是城市创新发展的核心环境，人才富足度将直接影响城市创新力。随着“互联网+”与经济、社会的高度融合，信息化促进城市创新力的价值资源的存量与优势不断显现。而且，随着新一代信息技术的快速发展，传统的内部创新已经无法保持竞争活力，在把握核心需求之后，将更多地实施国际合作开放式创新。因此，本文将人才资源总量、每百人拥有电话和手机数量、进出口总额作为衡量创新环境的指标。

创新潜力决定了一所城市在未来发展所达到的高度，反映城市创新的长期性、成长性和持续性，是城市创新发展和持续性的优势储备和价值资源存量[18]。人力资本论指出，人力资本是创新活动中的主要投入要素，教育机构为创新人才提供发展平台，两者将对城市创新潜力产生重要影响。因此，本文将每万人拥有高等学校在校生、人力资本投资占GDP比重、财政性教育支出占财政总支出比重、公共图书馆数量、第三产业比重作为衡量创新潜力的指标。

城市创新力反映了城市创新能力总体变化的方向和程度，是各因素在总体变化中的影响程度的综合体现，可以通过一种定量方法描述城市创新水平[19]。本文围绕城市创新力的最基本特征和最显著标志，同时考虑指标数据的可获得性和可比较性，形成易于量化评价且具有广泛认可度的评价指标体系，指标体系涵盖创新动力、创新实力、创新环境和创新潜力的4个一级指标、21个二级指标(见表1)。

表1 城市创新力的评价指标

二、 实证分析与结果评价

1. 研究设计

(1)样本选取

根据《长江三角洲区域一体化发展规划纲要》所列出的27个中心城市，本文将27个城市作为样本对象，具体为上海市，江苏省南京、无锡、常州、苏州、南通、扬州、镇江、盐城、泰州9个城市，浙江省杭州、宁波、温州、湖州、嘉兴、绍兴、金华、舟山、台州9个城市，安徽省合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城8个城市。研究数据是通过全国以及省市统计年鉴、政府工作报告、科技进步监测报告以及相关部门的政府公告数据获得，其中部分数据直接来自现有的统计内容，还有部分数据需要对原始数据进行计算或转换。

(2)因子分析法

因子分析是社会研究的一种有力工具，可在许多变量中找出隐藏的具有代表性的因子，采用“几个具有实际意义的公因子来描述多个指标或因子之间的关系，有效避免了加权综合平均法等主观赋权问题”[20]。在实际应用中，利用因子分析得分可以比较不同因子的重要性，管理者则可根据这些指标的重要性进行决策。为了避免数据的源值范围和指标单位差异而造成的分析误差，本文对数据进行标准化处理，使数据变量渐近符合正态分布N～(0，1)且具备一定的可比性，计算公式为：Zi=(Xi-X)/σ，其中，Zi为第i个变量的标准化值，σ表示方差[21]。同时，将紧密相关的变量划分为同一个类别，形成一个共同因素。在确定因子分析法使用前，需要对样本数据进行KMO检验和Bartlett′s检验[22]。本研究的样本KMO值为0.598，大于0.5，且Bartlett′s球度检验的卡方值为707.83，Sig值为0.000，说明变量和因子之间存在有意义的关系，适合做因子分析。

2. 公因子的析取及内涵解析

运用SPSS 20.0计算出各因子对应的特征值、贡献率和累计贡献率(见表2)，其中变量的相关系数矩阵有5个特征值，分别为10.081、3.274、1.884、1.524和1.097，都大于1，符合因子分析特征值设定。旋转平方和载入的累计方差贡献率为85.050%，大于50%，说明影响力度较大。文章选取5个公因子用来解释21个评价指标，指标的大部分方差也可以通过5个公因子来代表，具备一定的理论意义。

表2 因子解释的总方差

本文将5个公因子设为F1，F2，F3，F4和F5，并分析得出初始因子载荷矩阵，将得到的因子载荷矩阵进行正交旋转，得到一个最大化负载的方差矩阵，并获得旋转后的因子载荷矩阵(见表3)，得到5个具有内在联系的公因子评价指标。

第一公因子F1方差贡献最大，达36.524%，占比最大，重要程度最高。该因子在R&D经费支出、地方财政科技拨款占地方财政支出比重、全员劳动生产率、独立科研机构数、大中型企业R&D人员总数、高新技术企业数量、每万人拥有高等学校在校生指标上荷载较大，反映出城市创新发展的动力支撑，可称为“创新动力因子”。

第二公因子F2方差贡献率为22.471%，该因子在每十万人专利申请数、每十万人专利授权数、人均生产总值、省级以上科研奖数、科技新产品产值、高新技术产业总产值指标上具有较大的载荷系数，反映出城市发展所带来的创新效益，可称为“创新实力因子”。

第三公因子F3方差贡献率为10.638%，该因子在进出口总额、人才资源总量、每百人拥有电话和手机数量指标上得到载荷体现，反映出城市在创新发展中的环境水平，可称为“环境支撑因子”。

第四公因子F4方差贡献率为9.452%，该因子在公共图书馆数量、人力资本投资占GDP比重、财政性教育支出占财政总支出比重指标上得到载荷体现，反映出城市在创新发展中的人力资源要素与学习配套设施所起的作用，可称为“资源配置因子”。

第五公因子F5方差贡献率为5.966%，该因子在科技进步贡献率、第三产业比重指标上得到载荷体现，反映出城市创新发展中的结构比例水平，可称为“结构效率因子”。

表3 旋转的因子载荷矩阵

3. 城市创新力的因子分析

在计算城市因子得分时，利用回归分析法，将各城市标准化后的指标数值乘以相应的因子得分系数，然后加权得出5个主因子得分，对表3中5个主要公因子的各个特征值分别除以5个特征值之和，最终得到5个主因子的权重，分别是0.365 24、0.224 71、0.106 38、0.094 52、0.059 66，然后结合因子载荷和权重，计算27个样本城市2019年的各项指标得分、综合得分以及排名(见表4)。

表4 城市创新力的公因子得分、综合得分以及排名情况(2019年)

从因子分析综合得分可以看出，上海的城市创新力综合排名第一，杭州排第二，南京排第三，其余长三角城市群中城市创新力由高到低依次是苏州、合肥、宁波、无锡、常州、嘉兴、绍兴、温州、南通、镇江、金华、芜湖、台州、扬州、盐城、湖州、马鞍山、舟山、安庆、泰州、滁州、宣城、铜陵、池州。

在F1创新动力因子中，上海、杭州、合肥、温州、南京、宁波等城市得分较高，主要是在R&D经费支出、地方财政科技拨款占地方财政支出比重、高新技术企业数量中占据优势，这几项指标是城市创新力的基础动力，此类因子与城市所在地区的经济发展具有很强的关联性。其中，温州在财政性科技拨款方面占比最高，达到13.09%，其余各市基本超过平均水平。

在F2创新实力因子中，与上海邻近的苏州、无锡、杭州、嘉兴、常州等城市分值较高。专利申请与授权量、人均生产总值、高新技术总产值等指标是衡量一个城市创新力的重要指标，代表着城市发展的实力体现。但是，此类指标受人口因素影响较为明显，许多城市绝对优势可能较大，却因城市人口基数较大，导致最后得分不是很高。

在F3环境支撑因子中，合肥、芜湖、南京、苏州、杭州等城市分值较高。特别是合肥、芜湖等城市在进出口总额、人才资源总量、每百人拥有电话和手机数量方面投入比重较高。从相关新闻报道可以看出，这些城市非常重视信息化建设，且大多为国家智慧(试点)城市，外向型经济也较为明显，与国内外地区开展技术合作较为频繁。

在F4资源配置因子中，南京、上海、苏州、杭州、常州、绍兴、宁波排名靠前，而滁州、嘉兴、无锡、湖州、宣城等城市排名靠后，此排名可能与每万人大学生数量有紧密关系。杭州各类图书馆数量最多，远超其他城市，而大学生数量与人口基数使常州排名相对靠前。另外，总体经济水平较高的城市其教育性支出占比也较高，经济水平较低的城市其教育性支出占比相对较低。

在F5结构效率因子中，苏州、嘉兴、上海、南京、杭州等城市排名较高，这些城市在科技进步贡献率、第三产业比重上表现出较好的合理性，其科技、教育、金融等服务业近年来发展迅速，为城市创新力提供了良好的结构性动力。

4. 城市创新力的动态分析

依据上述因子分析方法，本文对长三角27个中心城市2016—2019年的创新力进行综合计算，并比较其排名变化(见表5)。首先，上海、杭州、南京、苏州属于创新领跑型城市，在27个城市中属于领头羊地位。从排名来看，4个城市在2016—2019年一直处于前4名，上海一直稳居第一，南京位列三四名，而杭州由2016年第四上升到2019年第二，苏州在2016—2018年一直位居第二，但因国际贸易动荡环境影响，2019年降至第四。上海、杭州、南京、苏州具有发达的经济实力、雄厚的创新基础、丰富的创新资源、广阔的发展前景，作为都市圈中的核心城市，能够很好地引领长三角城市群创新发展。它们在政策、制度、环境等方面也聚集了大量的科技创新资源，创新投入和人才资源远超其他城市，从而为城市创新力提供了有利条件。特别是上海以其优厚的地理条件、世界贸易中的核心地位以及雄厚的财政资金，使其城市创新力得以叠加增强。其次，江苏苏南地区和浙江沿海城市群，基本保持在前10名。无锡、常州、宁波、合肥、芜湖与上海、苏州、杭州、南京距离较近，区位条件比较明显，创新发展活力充足，能够与上海、苏州、杭州、南京形成共创共赢优势。同时，它们在本省也都属于经济、文化、科技资源较为丰富的城市，城市创新发展基础好，财政投入力度大，因此在2016—2019年城市创新力综合排名中保持在中上游区间。再次，绍兴、南通、安庆、温州、台州、嘉兴2016—2019年城市创新力排名有较大幅度上升，这类城市基本处于沿海沿江发达地区，尽管目前排名相对靠后，但它们的上升空间较大，后期可能会超越发展后劲不足的城市。最后，泰州、镇江、铜陵在2016—2019年名次有较大幅度下跌，整体排名落后于长三角城市群中的其他城市，其可能原因是城市创新资源相对较少、创新绩效不显著。

表5 2016—2019年长三角中心城市创新力的排名变动情况

三、 结论与建议

1. 结论

本文以长三角中心城市创新力为研究对象，构建创新动力、创新实力、创新环境以及创新潜力4项一级指标、21项二级指标的城市创新力评价模型，运用因子分析法对27个中心城市的创新力进行动态比较，分析长三角城市群创新力的发展态势及其关键成因。

研究表明：首先，反映城市创新力的重要因素可归结为创新动力、创新实力、环境支撑、资源配置和结构效率5个因子。其次，长三角城市群既相互融合又各有特点，呈现出以上海为核心，苏州、杭州、南京、合肥为副中心，其他城市为三四梯队的长三角城市创新格局。最后，从动态评价来看，随着长三角区域一体化的深度推进，长三角中心城市各因子间的差异逐渐缩小并形成各自特点，说明如何加强长三角城市群之间区域创新融合发展是长三角区域一体化规划发展的重点关注问题。

2. 建议

首先，实施以各城市优势创新资源为主导的“一核多中心”的分类发展模式。随着长三角区域一体化的深度推进，长三角城市群在创新动力、创新实力等城市创新力因子上积累了各自的优势和特点，形成了以上海为首位核心城市，苏州、杭州、南京、合肥为副中心的多创新中心的长三角城市创新网络。已有研究表明，长三角呈现出以网络创新城市为中心、外部创新城市为第二圈层、地方创新城市为外围圈层的同心圆分布格局[23]，因此，各城市要立足本地资源禀赋和发展阶段实际，研究制定城市创新发展的目标、路径、主攻方向和关键举措，努力走出符合自身特点的区域创新发展之路。一是上海要发挥城市创新首位度的溢出效应，加强长三角区域内的创新合作引领，强化对附近城市的辐射带动作用，特别是充分发挥上海科教资源丰富和对长三角产业创新链延伸的作用，放大在金融、咨询、信息、会展等高科技服务业的优势，进一步将服务和辐射范围向更广区域延伸。二是苏州、杭州、南京、合肥等城市以其先进制造业、新一代信息技术等战略性新兴产业为依托，以高新技术与新产品研发为重点，积极发展成为长三角区域创新副中心城市。三是无锡、南通、宁波、舟山、芜湖、安庆等城市要强化与上海、杭州、合肥等创新中心城市的全面对接，在产业、规划、交通、生态等方面进一步加强合作，明晰自身在长三角区域创新一体化中的定位和短板，促进产业、文化、经济全面优化升级。

其次，加强长三角城市群间的区域创新合作。科学合理的城市群空间布局能有效提升区域创新力，长三角城市群受益于高铁规划，可以极大改善对外连通性，在区域创新发展方面将起到极大的推动作用。长三角城市群要积极推动由“上海单核”向“一核多中心”即以上海为核心，苏州、杭州、南京、合肥等多个创新副中心的空间布局，着力加强长三角城市群创新合作和协调，推进区域一体化下的多中心城市创新复合体的建立，提升长三角区域创新一体化竞争合力。一是进一步加强城市创新管理的顶层设计，建立健全长三角城市群创新宏观决策的协同联动机制和决策机制，协调跨区域产学研科技创新合作，重点加强与长三角城市群中“低洼地”的协同合作，缩短区域内城市的创新差距。二是进一步完善长三角城市群创新协同治理机制，促进城市间创新资源的开放流动，促进区域内跨地区、跨部门的协调配合深度合作。三是健全完善区域协同创新的工作体系，以《长江三角洲区域一体化发展规划纲要》和世界产业发展需求为指引，集聚长三角城市群科研优势，以产业共性技术研究开发与示范应用为重点，以重大工程、重大项目、重大政策为抓手，共建产业共性技术研发载体，全力攻克一批“卡脖子”技术和关键技术，突破制约长三角产业发展的共性技术瓶颈，为优化长三角产业结构和提升产业竞争力提供技术支撑。四是加强城市由点及线再到面的区域合作。上海、江苏、安徽、浙江的互动联动频频，可以从小领域、小区域特别是涉及民生、规划等方面入手，以区域特色产业群整合为着眼点，形成以上海为中心、以其他地区为外围的宏观架构，建立区域创新技术交易中心，提供长三角地区科技创新技术交易服务。

再次，加快产业筑基城市创新效能。城市创新力的提升必须以产业发展为根基，产业发展塑造了现代城市，而城市的能量推动了产业的崛起。长三角区域是我国先进制造业集聚区，尤其是集群式发展离不开城市创新，而城市创新也离不开产业集群培育。一是长三角城市群要成为先进制造业的主战场。研究显示，先进制造业数量多、产业产值高的城市，其创新力综合得分也很高。因此，对于自身有先进制造业基础的城市，要进一步发挥创新驱动和产业引领作用，深度推进产业链与创新链融合，特别是加快战略性新兴产业和高新技术产业部署，以创新驱动产业优化升级。二是打造城市生产性服务业高地。产业转型升级的需求客观上倒逼着生产性服务业发展，加强服务业与一二产业紧密融合，在区域内补落差，在地区间加强联系，形成一个点对点、分布式的生产性服务网络，并且通过一系列跨界资源的整合、服务创新的供给，打造出产业协同创新体系。三是强化高新技术企业培育。高新技术企业决定着一个城市的发展水平，能够带动城市的经济、文化等各方面要素的发展[24]。从上述因子分析可以发现，高新技术企业较多的城市其创新力评分也较高，因此长三角城市群必须加大对高新技术企业的投入，使城市在未来发展中拥有产业优势潜力，增强自我发展能力。四是加大产业技术创新投入。R&D经费支出决定了技术创新高度，对城市创新力的发展起到了极大的推动作用。从地方财政科技拨款可以看出地方政府对科技创新的重视程度，创新力排名靠后的城市科技拨款比重不高，整体低于长三角区域平均水平，而上海、苏州、杭州等城市的科技拨款高出平均水平近20个百分点。因此，政府、企业只有不断加大R&D投入，才能保持其产业竞争力和城市创新力。

最后，加快引进、培育高层次创新创业人才。城市的发展究其根本是人的发展，人才资源是城市创新发展的第一动力，这是影响城市创新力的核心指标。通过对长三角城市群的数据分析，城市创新力的快速提升得益于高学历人才的加入，创新力较弱的城市，其人才资源总量、人力资本投资等数据也比较低。近年来，杭州、南京、合肥等城市加大对高层次人才引进力度，吸纳全球高端人才来助推产业高端化发展，带动城市创新活力和效率提升。当前，城市与城市之间的人才竞争越演越烈，对长三角城市群来说，要充分利用区位优势，面向全球发挥虹吸效应，大力推进高层次专业技术人才、高技能人才建设，重点引进创新创业型高端人才、战略性新兴产业领军人才和海外技术领域权威专家，努力打造国际化创新创业人才集聚区；要推动建立长三角知识产权服务合作城市联盟，共同打造一支具有国际水平的知识产权专业人才队伍，建立健全长三角区域知识产权创造和保护协作网络。同时，要完善与之配套的评估、选拔任用、奖励机制，加大对科研人员的研发鼓励以及知识产权管理，激励科技创新人才的积极性，为长三角城市群创新力提供可持续的活力源泉。

3. 不足

本文重点研究了长三角中心城市创新力情况，由于一些统计数据的缺乏，使研究时限局限为2016—2019年，不排除在更长的时间跨度内对长三角城市群创新力变动有新的发现和解释。此外，未来研究可以收集粤港澳大湾区、京津冀、成渝经济圈等其他区域一体化地区相关数据进行对比研究，从而加深对城市群创新力的理解。