中国城市创新基础设施的时空特征及影响因素——基于291 个地级及以上城市数据的实证分析

于英杰，吕拉昌，2，3

(1.首都师范大学资源环境与旅游学院；2.首都师范大学管理学院；3.首都师范大学北京城市创新与发展研究中心，北京 100048）

1 研究背景

随着知识经济时代的到来，各国在国际市场上的竞争也日趋激烈。2019 年，国家主席习近平在“一带一路”国际合作高峰论坛上指出：创新就是生产力，企业赖之以强，国家赖之以盛［1］。知识经济时代，需要建设与之相适应的创新基础设施，创新基础设施的建设将为建设创新型国家奠定重要的基础，是国家竞争力的重要支撑。

2020 年，面对国内外经济形势的变化，中国提出了构建以内循环为主体、内外循环互促的新发展格局。这一战略格局既是国际环境变动的必然结果，也是国内发展阶段转换的必由之路，而要适应这个转变，就必须实现从投资驱动、出口拉动转向创新驱动和内需拉动。很显然，创新已成为当今世界经济竞争的根本力量，能不断为国家经济增长注入新动力。城市创新是实现内外循环的关键，创新基础设施则是推进城市创新和国家创新发展最重要的环节之一。

受新冠肺炎疫情的影响，为提高经济增长水平，激发经济增长动力，开拓新产业新领域，提升长期竞争力，中共中央提出要加快新型基础设施建设（以下简称“新基建”）。2020 年4 月，国家发改委召开新闻发布会，首次明确了新基建的范围，包括信息基础设施、融合基础设施、创新基础设施3 个方面。创新基础设施主要是指支撑科学研究、技术开发、产品研制的具有公益属性的基础设施，比如重大科技基础设施、科教基础设施、产业技术创新基础设施等［2］。

国外对创新基础设施有一定研究，主要集中在创新基础设施对创新能力的影响，如Furman 等［3］认为国家公共创新基础设施、产业集群的创新环境以及两者之间的相互作用是影响国家创新能力的重要因素；Feldman 等［4］提出的创新地理经验模型验证了创新主要集中在创新基础设施等资源发达的地区，而且这些专业资源的空间集聚加强了一个区域的创新能力；Keeley［5］认为政府应当通过创新基础设施的建设和创新相关制度的设计，来推动区域创新能力的提高。一些学者研究了创新基础设施对于企业研发活动和企业创新创业的重要作用，如Suarez-Villa 等［6］指出企业发明专利的产出往往更多地受益于创新基础设施的建设，创新基础设施的建设与企业创新能力和国家总体创新能力之间有显著关联性；Roig-Tierno 等［7］指出，单一的基础设施对于企业创新创业的作用不大，只有将这些基础设施结合起来才能够发挥出最大的效益。也有学者如Terebova 等［8］研究俄罗斯沃洛格达地区创新基础设施的发展现状，将该地区的创新基础设施分为了4个子系统，并根据4 个子系统的情况对该地区创新基础设施水平进行评估。部分学者研究影响创新基础设施建设和发展的因素，如Justman 等［9］在探讨开放经济背景下的创新政策时认为，单个企业没有足够的能力创造创新基础设施，需要社会和政府的支持；Lee 等［10］认为政府政策的支持和风险资本是区域创新基础设施的重要组成部分，并且对于初创企业的成长和发展是必不可少的条件。

而国内对创新基础设施的研究，主要集中在创新基础设施对创新能力作用的理论和实证分析，如张于喆［11］指出，加强创新基础设施建设是发达国家提升自主创新能力的重要举措之一；程雁等［12］实证研究中国东中西部创新基础设施对创新产出的影响。也有学者在微观层面上分析城市内部的企业、高校、产业集群等各部门创新基础设施的建设情况及其对各部门创新能力的影响，如邱成利［13］在分析企业成长的创新环境时认为创新基础设施环境是其他创新环境存在的前提条件，直接决定着企业成长的规模；邓草心［14］提出高校通过建设知识创新基础设施来提高自主创新水平；刘莹莹［15］的研究表明产业集群内创新基础设施的完善能够增强产业集群的创新产出水平。只有少数学者从省域尺度分析国内科技基础设施建设区域分布状况及影响原因，如李立威等［16］对中国31 个省份科技基础设施建设及创新能力发展水平进行综合评价，研究发现国内科技基础设施的建设分布存在明显的地域差异性；段福兴等［17］基于因子分析法构建科技基础设施指标体系，并结合聚类分析对2013 年中国30 个省份科技基础设施的发展现状及创新能力进行综合测评。

总体来说，学者们关于创新基础设施对创新能力的影响研究较多，但目前对中国创新基础设施的空间分布以及影响因素研究很少，基于城市尺度的创新基础设施研究还未涉及，因此，中国创新基础设施的时空发展是仍需要探讨的问题。中国创新基础设施的建设目前还处于初级阶段，如何合理优化布局应是首先要考虑的问题，因此本研究以国内291个地级及以上城市为研究对象，根据1995—2018 年数据划分创新基础设施的演化阶段，2010 年为阶段分界点，2018 年为最新数据，因此选取2010 年和2018 年分析创新基础设施的空间分布特征，综合运用回归模型包括线性回归模型（OLS）、空间滞后模型（SLM）和空间误差模型（SEM），分析影响创新基础设施分布的因素，以期为中国创新基础设施的布局和规划提供参考。

2 数据来源及研究方法

2.1 指标选取

根据国家发改委对创新基础设施的界定，主要从重大科技基础设施、科教基础设施、产业技术创新基础设施三方面选取创新基础设施的指标。

（1）重大科技基础设施。重大科技基础设施是用于探索未知世界、发现自然规律、实现技术变革的大型复杂科学研究系统，是国家创新体系的重要创新条件平台［19］。主要涉及生物、物理、化学、地理及工程技术等领域，影响范围广，利益相关者众多，对科学界、产业界和社会公众共享程度高，既是科学工具，也是经济社会工具。

（2）科教基础设施。科教基础设施是以学校为核心，以科研为目标的基础设施。教育部重点实验室是国家科技创新体系的重要组成部分，在高等学校学科建设、科技创新、人才培养和培育国家级科研基地中发挥着越来越重要的作用。国家大学科技园将高校科教智力资源与市场优势创新资源紧密结合，推动创新资源集成、科技成果转化、科技创业孵化、创新人才培养和开放协同发展，是促进科技、教育、经济融通的重要平台和科技服务机构，因此选取教育部重点实验室和国家大学科技园作为科教基础设施的指标。

（3）产业技术创新基础设施。产业技术创新强调以市场为导向，以企业技术创新为基础，以技术创新在企业之间和产业之间的扩散为重点过程。专业技术服务业是指由专门为客户或社会提供职业化和科技服务活动的机构所组成的现代服务行业，主要包括气象服务、地震服务、海洋服务、测绘服务、技术和环境监测、工程管理服务等。科技推广和应用服务业是以技术和知识向社会提供服务的产业，服务手段是技术和知识，服务对象是社会各行业。其包含的子产业有：技术推广服务、知识产权服务、科技中介服务、其他科技推广服务业。因此，选取专业服务行业、科技推广和应用服务业的企业数作为产业技术创新基础设施的指标。

2.2 数据来源

重大科技基础设施数据来源于科塔学术网站以及中国科学院重大科技基础设施共享服务平台；教育部重点实验室数据来源于百度文库以及科塔学术网站；国家大学科技园数据来自《中国火炬统计年鉴》；产业技术创新基础设施数据来源于企查查平台，筛选条件中登记状态为在业/存续、行业分类是科学研究和技术服务业，进一步筛选选择专业技术服务业、科技推广和应用服务业；科技企业孵化器数据来自《中国火炬统计年鉴》；众创空间和国家技术转移示范机构数据来源于科技部。考虑数据的可获取性、科学性和真实性，剔除无数据的城市，最终确定以国内291 个地级及以上城市（以下简称“样本城市”）为研究对象。

2.3 研究方法

空间自相关分析（spatial autocorrelation analysis）是通过空间自相关指数来反映自然或社会要素在空间上的关联程度，揭示其空间分布规律的一种空间统计方法［20］。计算公式为：

式（1）中：n为地区总数；Xi为区域观测值；为样本平均值；Wij为空间权重矩阵，使用基于距离的空间权重矩阵；s2为

Moran'sI取值范围为［-1,1］：大于0 为正相关，高值区域或低值区域趋于集聚；小于0 为负相关，高值区域被低值区域包围或低值区域被高值区域包围；等于0 表示随机分布。

3 创新基础设施的时空特征

3.1 创新基础设施的演化

根据创新基础设施数量的变化，中国的创新基础设施发展可分为初步发展和快速增长两个阶段。从新中国成立初期开始，中国科学院成立第一批研究所15 个，在计划经济体制下，企业重生产的量、轻产品的质，只有少量工业实验室。20 世纪八九十年代，为了改善基础研究整体实力薄弱的状况，原国家计委（现国家发改委）于1984 年实施重点实验室建设计划，到1995 年国家先后建设156 个重点实验室；1999 年，科技部和教育部确立了清华大学国家大学科技园、北京大学国家大学科技园等15 家国家大学科技园试点。21 世纪初，在“大众创业，万众创新”的背景下，众创空间应运而生，2008 年国家首批有76 个国家技术转移示范机构，创新基础设施类型开始增多。在2010 年之前，中国创新基础设施发展缓慢，处于初步发展阶段。

2010 年之后，中国创新基础设施快速发展，众创空间、孵化器、国家技术转移示范机构等专业技术服务业以及科技推广和应用服务业发展迅猛，重点实验室、重大科技基础设施、国家大学科技园也依旧保持增长势头。2012 年党的十八大明确提出科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置，在创新驱动发展战略指引下，中国的创新基础设施进入快速发展阶段（见图1 至图3）。

图1 中国重点实验室、重大科技基础设施、国家大学科技园、国家技术转移示范机构数量变化趋势

图2 中国众创空间、科技企业孵化器数量变化趋势

图3 中国专业技术服务业、科技推广和应用服务业企业数量变化趋势

3.2 空间格局

从创新基础设施数量的演化来看，2010 年处于两个阶段的交接点，2018 年为最新公布数据，因此选取2010 年和2018 年两年数据，计算样本城市创新基础设施数值，利用ArcMap 和GeoDa 软件分别考察重大科技基础设施、科教基础设施和产业技术创新基础设施的空间分布状况及空间集聚特征。根据Jenks 自然断裂法，将各类创新基础设施划分为不同级别（见图4 至图6）。整体来说，创新基础设施空间分布不均匀，符合胡焕庸线的分布规律，主要集中在胡焕庸线以东地区，其中京津冀和长三角地区是东部1）核心区，但不同创新基础设施在不同年份的空间上表现不同的特征。具体分析如下：

图4 样本城市重大科技基础设施的空间分布

图5 样本城市科教基础设施空间分布

图6 样本城市产业技术创新基础设施空间分布

（1）2010 年，在区域尺度上看，重大科技基础设施主要集中在东部沿海地区，在中西部地区分布较少；科教基础设施主要集中在京津冀、长三角及中西部少数发达地区；产业技术创新基础设施主要集中在东部沿海地区，京津冀地区是全国产业技术创新基础设施的核心区，在中西部密度较低。从城市尺度上看，重大科技基础设施主要集中在北京；科教基础设施依然是北京数量最多，其次是上海、武汉、天津、南京、西安、成都，呈现以北京为核心，以上海、武汉等为次核心的发展格局；产业技术创新基础设施在北京和上海的数量位于首位，呈现北京、上海双极突出，天津、武汉、西安、广州、大连、杭州、成都多极均衡发展的格局。

（2）与2010 年相比，2018 年创新基础设施数量和规模均出现增长，其中科教基础设施和产业技术创新基础设施增长幅度较大，创新基础设施进一步向北京、上海等一二线城市集聚，极化趋势更加明显，与此同时，创新基础设施也有向其他区域性中心及其他省份重要城市扩散的趋势。其中，重大科技基础设施空间分布存在路径依赖，依然东部地区较多，形成北京、上海、南京多核心结构，但有少部分向中西部扩散，整体呈现“H”型，即西部靠近第一阶梯，东部为沿海地区，中间靠近秦岭和长江中下游。重大科技基础设施空间位置没有大幅度变化，只是数量上增加，说明这类基础设施的空间布局具有特殊条件要求，有明确的空间指向性。科教基础设施的空间格局依然主要集中在京津冀、长三角和中西部少数发达城市，但有向外扩散的趋势，在城市尺度上，从以北京为单核心到北京、上海双核突出，武汉、南京、西安、天津、成都、广州为次核心的空间格局。产业技术创新基础设施的增长幅度最大，在原有的格局上继续向外扩大规模，集中分布在东部沿海地区和中西部沿河沿江地区，在京津冀、长三角和珠三角地区分别形成“北京-天津”“上海-杭州”“广州-深圳”的双核心共生结构，形成三大区域三足鼎立的格局；同时在此阶段，顺应国家政策政策，创客进入国内大众视野，“众创空间”成为2017 年民生热词榜。产业技术创新基础设施的空间分布出现跨区域特征，但仍偏好集中在少数首位度高的城市，由此说明产业技术创新基础设施的布局对区域经济发展水平等条件存在一定要求。

在GeoDa 软件平台中，采用莫兰指数对中国创新基础设施进行全局空间自相关分析。结果显示，2010 年莫兰指数为0.025，2018 年莫兰指数为0.065，莫兰指数值均为正但较低，接近于0，统计显著性水平均在5%水平，说明创新基础设施的空间分布具有一定集聚现象，但集聚度较低，主要集聚在个别省份的发达城市。其中，高-高型聚类和低-高型聚类主要分布在京津冀和长三角地区，说明这两个地区核心城市的创新基础设施数量最高，且对周边地区辐射带动作用强；低-低型和高-低型聚类主要分布在中西部地区，且低-低型聚类分布范围较广，说明中西部地区的创新基础设施水平依然较低，核心城市的带动作用较弱（见图7）。

图7 样本城市创新基础设施的LISA 聚类分布

4 城市创新基础设施影响要素分析

创新基础设施是科研活动的基础资源和必要条件，因此了解创新基础设施的影响因素对创新基础设施作用的发挥具有重要意义。国内学者对创新基础设施影响因素进行研究的主要结论包括4 个方面：一是认为政府可以通过制定创新政策和制度等软环境影响创新基础设施的建设，进而影响企业的创新过程［20］；二是认为处在经济较为发达、创新相对活跃的区域，科技园区的发展相对迅速，园内的企业实力相对较强［21］；三是认为基础设施是一个地区各种创新要素流动的实物载体，加快基础设施的投资和建设一方面要与区域经济发展相适应，另一方面要鼓励社会资本和个人资本投资基础设施建设，这样才能优化创新资源配置［22］；四是认为对外开放程度高有助于生产要素的自由流动和信息的共享，进而有助于实现资源的合理配置［23］。通过上述时空变化特征可以发现，中国创新基础设施的地域分布主要集中分布在京津冀、长三角地区和中西部的武汉、西安、成都等发达城市，综合这些城市发展条件以及已有研究，本研究主要从政策、金融发展水平、经济发展水平、对外开放水平、创新人才、创新企业和空间溢出来构建影响城市创新基础设施分布因素的理论框架。

（1）政策。创新基础设施的建设需要政府政策支持，借鉴吴先慧等［25］的研究做法，选用地方政府三项科技经费支出占财政支出的比重作为衡量指标。地方财政科技拨款是政府政策的重要一项内容，在全社会多渠道科技投入中占据着重要地位并发挥着引导和调节作用，有助于地方科技基础设施的落实和正常运行，但由于各地财政总支出不同，因此选取地方财政科技支出代表政府的财政支持。

（2）金融发展水平。资金的来源除了受财政支持外，还受金融机构的影响，相对于财政预算与国外贷款，当前中国城市基础设施融资更加依赖债权与股权融资、银行信贷、信托融资和项目融资［24］。胡朝举［25］认为金融系统通过资金供给和资金配置的传导机制，在基础设施建设、公共服务及人力资本等软硬件方面发挥作用。金融相关率（financial interrelations ratio，FIR）用于测量一个地区的金融发展水平，银行存贷款总额占地区生产总值（GDP）的比重表示金融相关率，该比重越大说明受金融机构影响越大，因此，选取银行存贷款总额/GDP 代表金融相关率，衡量地区的资金融资能力。

（3）经济发展水平。经济发展水平是创新基础设施建设的重要承载力和支撑条件，经济水平的高低会直接影响创新基础设施的资金投入力度。李平等［26］认为GDP 多少代表一国和地区资金的充裕程度及基础设施的完善程度，因此选取GDP 来衡量地区的经济发展水平。

（4）对外开放水平。随着经济全球化的深入发展，国家和地区经济对外开放的规模和水平也对创新基础设施的建设具有重要影响，开放度高可加大外商投资、扩大资金来源，为创新基础设施建设注入资本与活力；同时，对外开放度也决定一国和地区技术引进的质量，是不断更新国内科技基础设施发展水平的重要途径［27］。借鉴吴先慧等［23］以外商直接投资（FDI）对区域创新的影响反映地区开放程度，设置外商直接投资（FDI）作为对外开放程度的衡量指标。

（5）创新人才。创新基础设施建设和运行由创新人才执行，创新人才是创新基础设施得以运转的供应者，创新企业则是创新基础设施运转后的需求者，二者都对创新基础设施具有重要影响。初始的科技创新源于科学家个人的灵感和冲动，在个人创作愿望支配下，他们会根据自己的需要搭建试验和研究平台［27］。因此，创新人才的丰富度也影响创新基础设施的分布，而大学是人才的主要供给载体，因此采用在校大学生数量可以衡量一个地区的人才丰富度。

（6）创新企业。Subhash［28］在研究风险投资时认为，具有高成长潜力的创业企业是风险资本的最大需求者，特别是高科技创业企业。创新企业在初创过程中面临众多挑战和风险，需要一个安全有经验的平台提供保护和支持，降低交易成本、减少风险，创新企业的需求促进创新基础设施的供给。本研究认为，创新企业主要指从事技术创新的企业，因此对创新企业的选取主要有3 个标准：第一，行业分类为研究与试验发展；第二，具有专利信息；第三，成立时间为1 年至2 年。

综上所述，城市创新基础设施空间分布差异的形成受多种因素共同作用，主要包括地方财政科技支出、银行存贷款总额/GDP、GDP、外商直接投资、在校大学生和创新企业（见表1）。除以上支撑要素以外，空间邻近性对创新基础设施的区位分布具有重要的作用，创新人才、创新企业等具有很强的距离敏感性，更愿意利用临近自己区域的基础设施，因此，作为地理区位因素的空间距离可以为创新基础设施提供便利，促进各种因素积极发挥作用。

表1 样本城市创新基础设施影响因素评价指标

5 城市创新基础设施影响因素的实证检验

5.1 数据来源

地方财政科技支出、外商直接投资、在校大学生人数、2018 年GDP、2018 年银行存贷款总额来源于《中国城市统计年鉴》；2010 年GDP、2010 年银行存贷款总额来源于《中国区域经济统计年鉴》；创新企业数据来源企查查，筛选条件为登记状态是在业/存续、行业分类是科学研究和技术服务业，进一步筛选选择研究与试验发展行业、有专利信息。

5.2 模型构建

创新基础设施可能存在空间依赖性，因此有必要将空间效应作为影响因子纳入模型中构建创新基础设施影响因素的回归模型，包括SLM 模型和SEM模型。

（1）线性回归模型。线性回归模型是一种确定变量之间相关关系的数学回归模型。为实现与空间滞后模型和空间误差模型结果的比较，本研究先行构建线性回归模型。为进一步揭示创新基础设施与其影响因素之间的关系，对模型中的所有变量进行标准化处理以增加数据稳定性。具体模型表达式如下：

式（2）中：i表示城市；LnINi包含3 个子变量，LnINFi表示重大科技基础设施，LnINKi是科教基础设施，LnINMi表示产业技术创新基础设施；β0是常数项；ε为随机误差项向量；β为回归系数，当β大于0 且显著则表明该变量对创新基础设施具有正面影响。

（2）空间滞后模型和空间误差模型。一个变量不仅受自身的解释变量的影响，还受到其他空间的这个变量的影响。空间滞后模型主要是探讨因变量是否受周边地区自变量的影响、是否具有溢出效应。创新基础设施不仅受所在地区创新企业、人才等影响，还受其周边地区企业和人才等影响，其空间滞后模型表达式如下：

空间扰动项和空间总体相关，某一空间的扰动会随空间效应影响到其他空间，因此，当模型的误差项在空间上相关时则采用空间误差模型。创新基础设施还受其他扰动因素影响，而这些因素在空间上也可能存在相关性并对创新基础设施产生影响，因此其空间误差模型表达式如下：

在式（3）（4）中：W×lnIN 为空间滞后因变量；ρ为空间相关系数，反映的是相邻地区观察值lnINi对本地区观察值lnINi的影响方向和程度；空间误差系数λ衡量了存在于扰动误差项之中的空间依赖作用，即邻近地区关于因变量的误差冲击对本地区观察值的影响程度；W为n×n阶的空间权重矩阵，采用基于距离空间权重矩阵。

5.3 结果

运用GeoDa 软件，分别对样本城市2010 年和2018 年的创新基础设施分别采用线性回归模型、空间滞后模型和空间误差模型进行分析，结果表明：2018 年重大科技基础设施的OLS、SLM 和SEM 模型拟合效果较低，R2为50%，说明2018 年自变量对重大科技基础设施的解释率相对较低，还受其他因素的影响如政治等因素；但科教基础设施和产业技术创新基础设施在2010 年和2018 年的OLS、SLM 和SEM 模型均具有较好的拟合效果，R2均在80%左右。进一步对比对数似然函数值（LogL）、赤池信息准则（AIC）和施瓦茨准则（SC）的值，根据Anselin［29］的辨别准则，若LogL值最高且AIC 和SC 值最低，则为最优模型。因此，根据回归结果，选择SEM 模型作为最适用模型（见表2）。

表2 样本城市重大科技基础设施影响因素的统计检验

模型的计量结果表明：政策支持和创新企业对创新基础设施的影响最大，金融发展水平和创新人才对创新基础设施也存在较大积极影响，而经济发展水平和对外开放水平在2010 年与创新基础设施存在负相关、2018 年转为正相关或影响不显著，2018年金融发展水平对创新基础设施的影响力大于2010年（见表3）。

表3 样本城市创新基础设施计量模型估计结果

具体来看：（1）重大科技基础设施的R2在2018 年为50%、2010 年为70%，说明2018 年重大科技基础设施受上述影响因素作用弱于2010 年。2010 年，政府政策支持、创新人才和创新企业均通过了1%的显著性水平检验且均为正相关，说明在其他条件不变的情况下，政策、创新人才和创新企业每增加1%，对区域重大科技基础设施建设水平的提升分别为0.896%、0.479%和0.249%；经济发展水平和对外开放水平的回归系数显著为负，表明地方经济发展和外商直接投资对重大科技基础设施存在负向影响，主要原因在于2010 年中国的经济发展模式主要依靠资源集聚和投资拉动的传统发展方式，创新驱动力度小。童健等［30］在研究科技基础设施建设水平与经济发展的关系时也发现，在经济发展水平较低时，投资更侧重于一般性基础设施，对自主创新演变影响较弱。2018 年，政府政策支持、创新人才和创新企业依然存在较大影响，同时金融发展水平对重大科技基础设施建设也产生了促进作用，贡献率为0.095%。

（2）科教基础设施在2010 年的SEM 模型中，政府政策、创新人才和创新企业依然存在正向影响，且通过了1%的显著性水平检验，对科教基础设施建设水平的贡献率分别为0.897%、0.466%、0.167%；而GDP 的回归系数依然为负，也说明当时经济发展方式阻碍创新基础设施的增长。到2012 年年底，党的十八大明确提出创新驱动发展战略，各地政府积极响应国家号召，转变经济发展方式，因此2018 年的经济发展水平和对外开放水平对科教基础设施产生积极影响，其每增加1%，对科教基础设施建设水平的提升分别为0.174%和0.459%。此外，2018 年，金融发展水平对科教基础设施出现积极影响，贡献率为0.085%，政策支持、创新人才和创新企业每增加1%，其对科教基础设施建设水平的提升分别为0.197%、0.243%、0.309%。在2018 年的SEM 模型中，W和ε的弹性系数λ显著为正，说明科教基础设施具有空间溢出效应，即某一个城市的重点实验室和科技园数量增加会带动相邻城市的科教基础设施数量增加。

（3）2010 年，产业技术创新基础设施受政策支持和创新企业影响最大，政策支持和创新企业对产业技术创新基础设施的贡献率分别达到0.898%和0.126%；其次，金融发展水平对产业技术创新基础设施建设也存在较大影响，通过了5%的显著性水平检验，贡献率为0.052%；经济发展水平和对外开放水平对产业技术创新基础设施产生负向影响。在2010 年的SEM 模型中，W和ε的弹性系数λ显著为正，说明产业技术创新基础设施具有空间溢出效应，即某一个城市的众创空间、孵化器等数量增加，会带动相邻城市产业技术创新基础设施建设水平增加0.162%。到2018 年，政策支持、经济发展水平、对外开放水平和创新企业均对创新基础设施存在正向影响，且通过了1%的显著性水平检验，贡献率分别为0.231%、0.139%、0.369%、0.263%，但创新人才对其没有影响，说明产业技术创新基础设施受在校大学生影响不大，可能与已毕业的社会高学历工作人员更相关；此外，2018 年产业技术创新基础设施没有空间溢出效应，说明样本城市的产业技术创新基础设施到2018 年趋于成熟，城市之间的影响作用减弱。

6 结论与讨论

本研究系统分析中国创新基础设施的空间分布特征及其影响因素。利用1995 年到2018 年创新基础设施的数据，分析创新基础设施的演化特征，并以291 个地级及以上城市为研究对象，选取其2010年和2018 年数据，定量刻画了创新基础设施的空间分布特征，构建线性回归模型、空间滞后模型和空间误差模型深入解析了影响创新基础设施分布的因素，得出以下结论：

（1）中国创新基础设施的演化分为初步发展和快速增长两个阶段，2010 年为两个阶段的分界点；创新基础设施空间分布不均匀，符合胡焕庸线的分布规律，主要集中在胡焕庸线以东地区，京津冀和长三角地区是东部核心区。2010 年，重大科技基础设施集中在北京，科教基础设施呈现以北京为核心，上海、武汉等为次核心的发展格局；产业技术创新基础设施呈现北京、上海双极突出，天津、武汉、西安、广州、大连、杭州、成都等多极均衡发展的格局。2018 年，创新基础设施进一步向北京、上海等一二线城市集聚，也向其他区域性中心及其他省内重要城市扩散，其中重大科技基础设施空间分布存在路径依赖，整体呈现“H”型即西部靠近第一阶梯、东部为沿海地区、中间靠近秦岭和长江中下游，具有明确的空间指向性；科教基础设施的空间格局从以北京为单核心到北京、上海双核突出，武汉、南京、西安、天津、成都、广州为次核心的空间格局；而产业技术创新基础设施在原有的格局上继续向外扩大规模，在京津冀、长三角和珠三角地区分别形成北京-天津、上海-杭州、广州-深圳的双核心共生结构，形成三大区域三足鼎立的格局。

（2）样本城市创新基础设施的空间分布具有一定集聚现象，但集聚度较低，主要集聚在个别省份的发达城市。其中，高-高型聚类和低-高型聚类主要分布在京津冀和长三角地区，这两地区的创新基础设施建设水平较高，且核心城市对周边地区辐射带动作用强；低-低型聚类和高-低型聚类主要分布在中西部地区，说明中西部地区创新基础设施水平较低，且核心城市的带动作用较弱。未来，可以中西部依靠核心城市带动周边城市形成创新基础设施城市圈，依靠东部带动中西部形成创新基础设施区域面，层层扩展、全面发展。

（3）政策和创新企业对样本城市创新基础设施的影响最大，说明创新基础设施的建设和发展主要受财政支持和企业需求的影响；其次，创新人才和金融发展水平对创新基础设施也存在较大影响；经济发展水平在一定程度上反映当地的经济发展模式，《国家创新指数报告》指出，传统的发展模式主要依靠要素（传统的自然资源消耗和资本）投入驱动，创新型国家的社会经济发展方式主要以知识创造、传播和应用为标志的创新活动来驱动［31］，因此，当经济发展模式为创新驱动型时则推动创新基础设施的建设发展，当经济发展模式为粗放式资源拉动型，则阻碍创新基础设施的发展；对外开放水平也受经济发展方式的影响，在创新驱动下的对外开放更有助于创新基础设施的发展。

（4）重大科技基础设施的布局受政策、创新人才和创新企业的影响较大，但由于解释率相对较低，因此对于其布局条件还需重点考虑其他方面，比如自然条件和其他社会因素等；科教基础设施受政策、对外开放水平、创新人才和创新企业的影响较大，因此要加大财政支持同时注重人才的培养，积极寻求国内外高校之间合作，建立公平的市场竞争机制，为企业营造良好的创新环境，此外，在科研资金上可与企业优势互补，企业也可与风险投资机构等金融机构加强合作，减少风险、提高成功率；产业技术创新基础设施受财政政策、金融机构和创新企业影响较大，因此在布局产业技术创新基础设施时要加强政府政策支持，同时拓宽融资渠道，按创新企业的分布状况合理布局。

综合样本城市创新基础设施的时空分布特征及影响因素，可以得出：首先，未来中国城市创新基础设施的发展首先要转变经济发展方式，围绕建设创新型国家目标并根据城市不同的资源禀赋条件和发展环境选择不同的创新驱动进入战略；第二，加大政策支持和创新资金投入，政府职能要由一般服务型政府转向创新激励型政府，加强融资创新，建立投融资协同机制，同时扩大对外创新开放程度，促进知识、信息、资源的交流和共享；第三，营造活跃的创新环境，如有利于创新人才发挥创新潜力的环境，有利于创新企业参与市场竞争的创新环境等；第四，在创新基础设施开发和运行过程中，还需完善创新机制，如促进创新基础设施发展的创新激励机制，以及各创新合作伙伴进行协同创新的资源整合机制和可持续发展机制等。

由于数据获取困难，本研究仅对2010 年和2018年两年的指标数据进行回归分析，选取的指标也未能完全覆盖创新基础设施，不同类型创新基础设施的影响因素也不同，还需详细考虑指标的选择，且对于影响因素究竟如何作用于创新基础设施，其内在作用机理如何还需深入思考。此外，不同地区发展条件不同，如何构建不同类型创新基础设施的遴选机制、在投入创新基础设施时如何构建使其可持续发展的有效机制也需详细思考。

注释：

1）根据《中共中央、国务院关于促进中部地区崛起的若干意见》《国务院发布关于西部大开发若干政策措施的实施意见》以及党的十六大报告精神，将我国的经济区域划分为东部、中部、西部和东北四大地区。其中，东部地区包括北京市、天津市、河北省、上海市、江苏省、浙江省、福建省、山东省、广东省、海南省、台湾省、香港特别行政区、澳门特别行政区；中部地区包括山西省、安徽省、江西省、河南省、湖北省、湖南省；西部地区包括内蒙古自治区、广西壮族自治区、重庆市、四川省、贵州省、云南省、西藏自治区、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区。