基于耗散结构理论的区域创新生态系统环境效应研究

苏 屹，闫玥涵

（1.哈尔滨工程大学 经济管理学院，哈尔滨 150001；2.清华大学 经济管理学院，北京 100084）

2020年党的十九届五中全会指出：实施创新驱动发展战略，坚持创新的核心地位，是我国“十四五”规划的重要目标之一。创新成为学术界研究的热点，学者们认为创新产生于知识的生产、转移和应用过程中［1-2］，由于单个主体难以拥有全部创新资源［3］，须整合吸收外部知识［4-5］，主动寻找其他主体共同参与创新活动，具有一定的区域性特征。特定区域内的企业、政府、大学、研究机构、金融机构等创新主体及其所处的环境，在空间上构成区域创新系统。从生态学视角出发，创新主体可以看作不同的种群，异质的创新主体根据所处行业找到自己的合作伙伴逐渐形成自己的生态，成为一个个群落，影响该创新主体群落创新行为的所有外部因素的总和为创新生态系统环境。生态学强调主体（种群）对环境的适应性，认为主体需要从环境中获取资源，创新要素互动合作实现区域创新生态系统的演化［6］。从过程的视角来看，创新往往经历创意产生阶段、研究开发阶段与市场化阶段［7］，环境作为创新生态系统实现创新行为的主要驱动力，推动创新生态系统发展，使其高效地完成创新过程。在创意产生阶段，稳定的创新生态系统环境能降低创新风险，激发创新意愿。在研究开发阶段，创新主体间存在目标取向不同、信任冲突等问题［8-9］，此时创新生态系统环境能营造合作创新氛围，增强主体间的信任，缓解信任冲突，提供合作研发动力；同时，为主体间交流合作提供平台资源、金融资源等，整合不同主体的优势资源，促进合作研发的深度开展。在市场化阶段，良好的创新生态系统环境能推动创新成果的扩散［10］，充当生产者吸引更多创新资源流入，并为外部需求提供反馈渠道。已有研究认为基础设施［11-12］、财政支持［13-14］、法律制度［15-16］、产业结构［17］、知识产权保护［18-19］等多种环境因素都会对区域创新生态系统的创新水平产生影响，良好的区域配置［20］、多功能创新平台可以有效激励创新［21］，环境也常以创新环境子系统的形式被纳入创新系统效率的研究之中［22］，可见环境对于区域创新生态系统的发展尤为重要。已有文献虽然指出了环境在区域创新生态系统中的重要性，但研究仍有待深入。区域创新生态系统是复杂系统，其整体并不是各部分的简单线性加总。从还原论思想出发，仅仅关注某种单一环境的重要作用，难以全面地研究环境对区域创新生态系统的影响。

为了深入理解环境在区域创新生态系统的作用，本文围绕环境效应开展研究，在研究中运用耗散结构理论。耗散结构是系统在非平衡态时达到阈值后的高级有序状态，近年来被应用于建筑能源服务业［23］、养老保险系统［24］、企业创新系统［25］等多个领域。由于区域创新生态系统具备形成耗散结构的非平衡、开放、非线性和涨落特征［26］，耗散结构理论也能应用在区域创新生态系统的研究中，环境以影响熵变的方式影响系统耗散结构的形成。本文基于系统科学构建耗散结构分析模型，从熵变视角分析区域创新生态系统的环境效应，并以基于我国大陆地区29个省市划分的区域作为实证研究对象，明确各区域创新生态系统环境效应情况和环境效应空间特征，为推动系统发展提供依据。

本文的贡献有以下方面。①从生态学视角出发，以熵变特征构建了衡量区域创新生态系统环境效应的指标体系。该指标体系分为代谢型、还原型、压力型、支持型4个维度，更好地体现创新系统的代谢还原和相互作用的生态学特征，基于此描绘了区域创新生态系统环境效应熵值变动上升趋势。②突破传统还原论的部分构成整体的思想，从系统科学角度出发，将环境与区域创新生态系统熵变联系起来，弥补已有研究只关注单一环境作用的缺陷，为探究环境效应提供新的视角。构建基于耗散结构的区域创新生态系统环境效应的评价模型，发现了我国东部地区环境效应较强的特点。③应用莫兰指数和DAGUM基尼系数分解法，研究区域创新生态系统环境效应的空间异质性特征，为国家统筹规划环境发展、优化环境效应提供理论基础。研究发现三大地区内部差异逐渐成为主要差异来源，创新生态系统环境效应的空间集聚性不显著。

1 区域创新生态系统环境效应指标体系与评价模型

区域创新生态系统包括主体和环境两部分，他们高效互动形成的交流合作网络结构是区域创新生态系统有序运转的组织基础。创新环境以信息流、物流、资金流贯穿创新主体为创新提供必需品，并吸引外部资源增添创新活力，与区域创新生态系统其他要素之间呈现非线性关系，良好的创新环境可促进要素的高效流动，保障创新活动的开展，是系统演进的能量来源之一，影响着系统是否能成为耗散结构。热力学是熵耗散结构理论中有序度的度量，随着社会需求的改变，产品生命周期逐渐变短，区域创新生态系统若想成为耗散结构，须与外部进行物质和能量的交换增加负熵，优化各主体的人员配备、机构设置、管理模式、信息渠道等，消除陈旧落后不利于发展的物质，以弥补系统正熵。环境效应则指环境通过影响区域创新生态系统的熵变，进而影响其创新发展水平的现象。

1.1 环境效应指标体系

为衡量区域创新生态系统的环境效应，须确定系统演化的序参量。区域创新生态系统环境中的技术力、产业力、制度力、环境力和资源力都是创新活动开展所需的客观条件，产生环境效应，直接影响系统“熵”的变化。①创新生态系统技术力环境反映创新转化为新产品的能力以及淘汰已有落后创新成果的能力，体现区域创新生态系统已有的技术积累，是改进创新的基础。②产业力环境中，产业结构体现着区域知识的涵盖广度，理想的产业结构是一个区域顺应时代发展使产业重心向效率更高的产业调整，产业结构优化影响创新要素的集聚［27］。产业环境的优劣直接影响产业创新发展规模，目前来看高技术产业的创新规模和创新效率高于传统产业，具备比较优势。③制度力环境主要体现在创新结果的保护方面，良好的制度环境能提高创新积极性，推动创新生态系统的有序发展。④环境力维度主要包括自然环境和市场环境，自然环境水平往往能代表区域的发展水平吸引各类资源，尤其是优质创新人才资源；有序的市场环境能降低收益风险，提供创新动力，且能为技术流动提供便利，提高创新效率。⑤资源力环境包括人才资源和资金资源，其中资金资源主要来自金融机构的融资水平和国家的财政补助，是区域创新的支配性力量，可有效解决创新生产困境。这些环境共同发挥创新生态系统环境效应，制约系统发展。显然，各区域创新生态系统环境有所差别，其产生的效应不尽相同。

从生态学视角出发，创新环境效应具体为可分为两个部分。一部分为区域创新生态系统内部环境代谢与净化的熵产生，另一部分是区域创新生态系统在开放式创新模式下与系统外部其他区域间人员、物质和能量交流和互动中改变的熵流。其总熵变可表示为熵产生和熵流的和：dS=d i S+d e S。结合指标所致熵变的方向，将指标分为代谢型指标、还原型指标、支持型指标、压力型指标4类，构建环境效应的评价指标体系。①内部技术陈旧、土地依赖、传统产业的比重、知识产权保护的缺失、环境压力、资源依赖、融资约束环境，逐渐成为一个区域创新生态系统发展的阻碍，这些代谢型指标体现无效环境资源带来的系统正熵，增加系统混乱程度。②还原型指标则是与代谢型指标对应的、可有效促进创新产生的要素，体现系统的恢复活力。③由于创新资源的稀缺性，每个系统都希望资本流入，限制资本外流，从这一角度出发，支持型指标是区域创新生态系统因其他系统资源的流入获得支持的系统负熵，主要通过进口贸易、技术引进、资金流入、人才流入方式获取其他创新生态系统的资源。④压力型指标则是外部环境中出口贸易以及技术、资金、人才等要素流出产生创新压力的系统正熵。四部分指标的矢量共同形成创新生态系统熵变，具体指标情况如表1所示。其中，内部的代谢型环境和外部的压力型环境不利于演进发展，均为区域创新生态系统的正熵来源，系统还原型环境和系统支持型环境均是系统负熵来源。区域创新生态系统的熵变值可体现受内、外部环境影响的系统有序度和发展方向。

表1 区域创新生态系统环境效应指标体系Tab.1 Environmental effect index system of regional innovation ecosystem

1.2 环境效应评价模型构建

根据上述分析，区域创新生态系统若能达到耗散结构，则代表此时区域创新生态系统环境状态良好，可有效保证创新，促进区域创新生态系统在动态平衡中得到发展。根据针对环境效应的分析，由区域创新生态系统熵变确定形成耗散结构的条件，对中国区域创新生态系统的环境效应进行评价，明确我国不同地区的环境效应情况。布鲁塞尔学派领导人ILYA PRIGOGINE首先提出耗散结构，并根据多个有序结构形成过程的共有特征，构建了一个虚拟化学反应Brusselator三分子模型［28-29］［见式（1）］，它是解释耗散结构形成的重要模型，能进行数学处理，为判断耗散结构的形成提供量化依据。这一化学反应是反应物A和B的中间反应物X实现自催化生成最终产物E的过程，反应物A、B不断消耗和补充，在反应速率k的影响下持续进行。区域创新生态系统具备形成耗散结构的特征，其在环境熵流作用下经历结构的演变，有机会成为耗散结构，这与Brusselator模型的反应过程具有极高的相似性，可对Brusselator模型转译，赋予该三分子方程式新的含义来展现环境效应因素间的关系，以转译模型模拟系统的运行，解决复杂系统耗散结构判别的问题。

续 表

为保证Brusselator模型转译的准确性，根据实际反应滞后期的倒数设置反应速率，转译如下。

A（环境效应系统正熵）X（非耗散结构），X代表系统的有序度，区域创新生态系统环境的内部代谢和压力型输出给系统带来的正熵A使系统混乱度增加，创新环境不再适应当前创新的发展，难以为其提供保障，此时创新能力有限，产生效率较低，系统处于无序结构。由于无序状态只有出现创新成果不足时才能被识别，结合创新投入到产出往往滞后3期［30-31］，确定反应速率k1=1/3。

B（环境效应系统负熵）+（创新能力）+D（创新收益），系统主动改善环境，为系统补充提升有序度的反应物B系统负熵，发挥环境效应，提升创新能力并为系统创造创新收益，使创新生态系统恢复活力，进而促进有序结构的形成（k2=1）。

Y+2X3X（耗散结构），当反应物B达到临界值时，此时环境效应能带动整个区域创新生态系统进行自催化反应形成巨涨幅，此步骤是破坏稳定性的必要条件［29］（k3=1）。

XE（经济增长），此步骤表明由于系统的自组织性特征，最终为区域带来经济增长E，根据经济增长的滞后期，设定k4=1/5［32］。

区域创新生态系统环境效应机理如图1所示。

图1 区域创新生态系统环境效应机理Fig.1 The environmental effect mechanism of regional innovation ecosystem

根据反应机理建立该反应的动力学方程，它是以X和Y为变量的微分方程［见式（2）］，体现中间产物X和Y的反应速率随参量变化情况。

由于耗散结构存在于失稳系统，对动力学方程进行线性稳定性分析，参考苏屹［25］的研究，以量子力学本征方程中本征根的特征确定原方程解的稳定性，以确定系统是否稳定，反应物A、B满足k2k24B-(k34+k21k3A2)＞0时，稳定性则被破坏，环境负熵的流入足以使区域创新生态系统成为耗散结构，使区域创新生态系统进行有效的创新。根据解的稳定性得到区域创新生态系统耗散结构判别式［见式（3）］，将其作为环境效应的评价标准，数值越大环境效应越强，系统越有序。

区域创新生态系统环境效应正熵及负熵的计算方式如下，假设共有l个评价对象，每个区域创新生态系统中正熵子系统和负熵子系统为Sj，j∈（1，2），其序参量为ej=（ej1，ej2，…，ejn），βji≤eji≤αji，βji和αji分别为第j个子系统第i个指标的最大值和最小值。由于熵的矢量特征，若为正熵，eji取值越大，系统有序度越低；若为负熵，eji取值越大，系统有序度越高。则各子系统指标e的有序度为

各区域创新生态系统正、负熵值为

其中：i=1，2，…，m；j=1，2；k=1，2，…，l；f jik=；指标eji的权重为

2 实证研究

2.1 数据来源与处理

由于西藏、吉林数据有所缺失，本文选取我国大陆地区29个省市为研究对象。同时，由于自2018年起无法获得指标D3“各省实际利用外商直接投资额”多个省市的数据，为了确保数据完整性，时间跨度为2012—2017年。数据来源于EPS数据库、《中国知识产权年鉴》《中国科技统计年鉴》、全国流动人口动态监察调查数据，以及家统计局网站。为保证各区域创新生态系统间的横向对比和纵向时间对比，将n年29个省市的截面数据排列在一起进行全局标准化处理［33］，此时l=n×29。

2.2 指标熵权及环境效应熵值分析

在评价环境效应实证结果之前，首先进行指标权重水平及熵值的分析，直观体现指标重要性及熵值变动情况。代谢型指标和压力型指标的熵值作为区域创新生态系统的正熵来源，还原型指标和支持型指标的熵值作为区域创新生态系统的负熵来源。为明确不同类型环境效应指标对创新生态系统的影响，明确系统内、外部环境之间的关系，提升创新动力的责任大小，根据式（6）和式（7），利用指标的信息熵确定区域创新生态系统环境效应正、负熵指标权重（见表2）。整体来看，系统内部指标所占权重略高于外部指标，代谢型指标A=0.543 1大于压力型指标C=0.456 9，还原型指标B=0.631 5大于支持型指标D=0.368 5。可见，系统内部环境的熵权高于外部环境熵权，说明现阶段创新生态系统内部环境相比外部环境而言，能给予系统更强的支持，内部责任重于外部，为弥补正熵的增加，应强化系统内部还原型措施的实施，避免出现内部支持无法与外部支持水平匹配的状况。

表2 指标权重Tab.2 Index weights

具体指标权重如表2所示，技术陈旧（A1）、知识产权侵害（A4）和出口贸易（C1）、技术流出（C2）和资本流出（C3）所占权重较大，是区域创新生态系统正熵的主要来源，阻碍区域演进；技术创新（B1）、政府支持（B2）知识产权保护（B4）和资源投资（B6）、进口贸易（D1）则是系统负熵的主要来源，为创新提供良好的条件。由此可见，技术创新及知识产权管理对系统有序度起着重要的作用，我国各省市须着重关注技术创新及知识产权管理，防止技术落后和知识保护环境问题导致系统混乱。

下面分析熵值变动情况，根据式（5）得到各创新生态系统2012—2017年的环境效应正、负熵值。将我国29个省市创新生态系统按照东、中、西部划分，其中：东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南；中部地区包括山西、安徽、江西、河南、湖北、湖南、辽宁、吉林、黑龙江；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。以地区均值探究整体发展情况，结果如表3所示。从全国整体情况来看，我国区域创新生态系统2012—2017年系统正、负熵呈逐年上升趋势，仅系统代谢型指标熵值有较为明显的数值波动，这一波动由中部地区自2013年代谢熵的降低和西部地区自2012年代谢熵的降低引起，可见中西部地区的创新环境有利好趋势，创新不利因素减少。还原型指标在2017年出现了回落，主要受到中西部地区的影响，这说明中西部地区2017年系统对无效资源的还原程度有所降低，直接影响这两个地区负熵增加幅度。而全国外部压力型熵在东部地区的影响下于2017年下降，这说明2017年外部地区对东部地区的创新压力有所减弱。从区域创新生态系统的正、负熵值可知，东部地区明显高于其他地区，外部系统支持环境水平显著高于其他地区，是东部地区负熵高的主要原因。各个区域创新生态系统的环境效应情况需要进一步分析。

表3 东、中、西部创新生态系统环境效应熵值变动Tab.3 Entropy value changes of environmental effects among the eastern，central and western innovation ecosystems

2.3 区域创新生态系统的环境效应实证结果

根据系统熵变情况，采用本文构建的Brusslator转译模型评价我国区域创新生态系统的环境效应。将每个区域创新生态系统的正、负熵流代入判别式即式（3），以确定29个省市2012—2017年的环境效应强弱，环境效应越强，系统越接近耗散结构。由于篇幅限制，仅列出接近耗散结构＞-0.004］和已到达耗散结构的区域，具体如表4所示（以k1=1/3进行描述性分析）。研究发现，2017年仅有北京、上海的创新生态系统经过系统内、外部环境带来的物质流和能量流成为耗散结构，环境效应赋予了系统更高的有序度。研究期间天津和广东始终接近耗散结构，环境效应较强，广东在2012年曾达到过耗散结构。四川2017年的状态十分接近耗散结构；江苏、浙江在2012年较为接近耗散结构，但其余年份的环境效应一般。总观这些达到或接近耗散结构状态的创新生态系统，均表现出相似特征：为系统带来的负熵流均明显高于其他区域，这些省市在弥补系统代谢方面相对出色，能采取及时有效的方式、方法降低内部环境的不确定性，为系统增添新的活力，同时从支持型指标来看，这些省市拥有较高的资源输入，广东尤其显著，即使是在广东正熵较高的情况下仍出现耗散结构。江苏和四川总熵接近耗散结构，其负熵均显著高于其他省份，足以抵消正熵的影响，甚至负熵是正熵的2倍。

为保证反应速率k1设定的准确性，设置其相邻参数k1=1/2、k1=1/4、k1=1/5进行验证，虽然参数的改变会影响环境效应的绝对值，但经检验，非线性变化后的环境效应相对位置排序几乎不变，环境效应强的地区仍为表4所列区域，不影响本文辨识环境效应差异的目的。

表4 区域创新生态系统耗散结构状态Tab.4 Dissipative structure status of regional innovation ecosystem

3 进一步分析

3.1 环境效应空间格局演变及空间聚集性分析

由于我国区域创新生态系统常以行政区域划分，环境效应的实证结果具备天然的空间特征，基于空间自相关性分析我国环境效应特征，可以为环境效应的优化提供思路。首先，将各区域创新生态系统环境效应评价值标准化后按自然断裂点法划分为5个等级，观察研究期限内环境效应的变化，结果如表5所示。整体来看，高等级地区的区间起始值逐渐上升，除甘肃、广东、湖南、云南等少数地区出现较为明显的波动，其他地区的状态均为稳步或波动上升。就众数所在区间而言，我国大多数区域的环境效应由较弱发展为一般水平。环境效应较强和极强水平区域与周边区域有较大的差距，尤其在研究期限始终保持绝对优势的区域（北京和上海），其周边地区环境效应状态呈多样化，较弱、一般、较强水平均有出现。

表5 区域创新生态系统环境效应自然最佳断裂点聚类结果Tab.5 Clustering results of the best natural breakpoints for environmental effects of regional innovation ecosystems

为探究环境效应这一属性是否与邻接区域相关、环境效应的空间分布是否在出现集聚，采用空间自相关分析中的莫兰指数确定区域数据间的联系，探索区域创新生态系统环境效应空间集聚变化规律。当邻近区域相似属性值集聚时即为空间正自相关，莫兰指数值越接近1，集聚属性越相似；反之，为负自相关，莫兰指数值越接近-1，集聚属性越相异。由于中国各地区均以共同边界相邻，地理邻接权重中的rook邻接与queen邻接权重相等，借助GeoDa的空间分析功能，以空间邻接权重计算全局莫兰指数I，体现区域创新系统环境效应的空间集聚性，具体计算公式为

其中，x为样本属性，x0为样本平均值，n为样本数，Wij为区域邻接空间权重。

2012—2017年全局莫兰指数结果如表6所示，我国环境效应仅在2012年和2013年在10%的显著性水平上空间正相关，其余年份接受“不存在空间自相关”假设，说明2012年、2013年环境效应有一定的相似属性集聚性特征，达到或接近耗散结构的区域创新生态系统邻接达到或接近耗散结构的系统，远离耗散结构的系统邻接也是远离耗散结构的系统，但局部LISA图无法描述这一特征。2016年和2017年出现不显著的负相关性，可以认为各区域创新生态系统环境效应独立或是随机分布，即达到或接近耗散结构的区域创新生态系统孤立存在，周围创新生态系统与之差距明显，由此可见，各区域环境效应水平未受到周围区域的影响，当前区域创新生态系统耗散结构区域较少，且与其他区域相比，近年来优势越来越明显，这些环境效应高值点并未缩小与周围邻近省市的差距，清晰地表明中国各地区环境效应不均衡发展的现状，且不存在空间依赖性。

表6 空间相关性分析Tab.6 Spatial correlation analysis

为避免权重设置对结果的干扰，设定k=5的k-nearest距离空间权重（每个省市均与距离最近的5个单元相邻接）的全局莫兰指数和局部莫兰指数进行模拟检验，LISA图显示环境效应仍未出现集聚性特征，检验了结论的准确性，我国各区域存在空间联动性差的问题。

3.2 三大地区环境效应差异来源

研究发现各地区环境效应差异明显，进一步运用DAGUM基尼系数分析中国东、中、西部差异情况。基尼指数由统计与社会学家CORRADO GINI提出，基尼系数的大小代表差异的大小，常用于经济领域衡量收入分配差距，体现国家的贫富差距。基尼系数本质上是一种衡量恒正分布的离散程度的指标，存在多种计算方法，随着研究的拓展，这个指标应用领域不断扩大。上述聚类结果表示我国各省市生态系统间环境效应在空间分布上差距明显，与居民收入的差距类似。为进一步衡量中国各地区环境效应不均衡程度，将基尼系数应用在区域创新系统环境效应的研究中。DAGUM于1997年提出基尼系数分解法，将差异系数分解为群体间和群体内，并进一步考虑群体间重叠问题，近年来广泛应用于各个领域［34-35］。由于良好的创新生态系统环境效应能使区域创新生态系统呈更为有序的结构，为有效促进中国区域的协调发展，需掌握环境效应差异来源。本文借助DAGUM基尼系数分解法［36］将各创新生态系统分为东、中、西部地区，测算创新生态系统环境效应差异来源、变化趋势和各地区对总体差异影响的大小。总体基尼系数G、区域内基尼系数Gjj以及区域j和h之间的基尼系数Gjh的计算公式分别如式（9）～式（11）所示。

其中，yji（yhr）为j（h）地区内省份i（r）的环境效应强弱，nj（nh）为地区j（h）内的省份个数，μj（μh）为地区j（h）的环境效应均值。

将环境效应总体基尼系数G分为区域内部差异贡献Gw、区域间净值差异贡献Gnb和超变密度贡献Gt，即G=Gw+Gnb+Gt。Gw、Gnb、Gt的计算公式分别如式（12）～式（14）所示。

其中：pj=nj/n；sj=njμj/nμ；Djh是j和h地区间的相互影响，计算公式如式（15）所示。

其中，dih为地区间yji-yhr＞0的数学期望，pih为yji-yhr＜0的数学期望，d jh=，。

根据式（9）～式（15）得到基尼系数分析结果（见表7）。从全国来看，总体基尼系数波动上升，2015年总体差距最小，2012—2017年总体基尼系数增幅为31.9%，差异扩大明显。2012—2017年区域内差异逐渐扩大，贡献率由26.14%增加至32.48%，增长不足7个百分点；区间净值差异对总体基尼系数的贡献显著减小，从65.24%降至最低11.07%；超变密度的贡献出现显著的增长，从8.62%增至最高56.52%。这说明我国东、中、西部创新生态系统环境效应的交叉重叠现象明显增加，三大地区间的环境效应差距相对缩小。由表7的数据可知，2012—2017年间，我国东部区域内基尼系数较大；东、中、西部区域内差异均值分别为0.199 4、0.041 0和0.035 9（即6年期间区域内差异值的平均数）；环境效应值都有不同程度的增长，东、中、西部区域内差异增长率分别为13.06%、9.55%和5.27%。东、中部和东、西部的区域间环境效应基尼系数高于中、西部间的基尼系数，东部地区环境优势明显，三大地区差距较大。从区域间基尼系数来说，东部的环境效应优势波动上涨，说明东部逐渐拉大与其他地区的差距。

表7 东、中、西部地区环境效应DAGUM基尼系数Tab.7 DAGUM GINI coefficient of environmental effects in eastern，central and western regions

4 研究结论与管理启示

4.1 研究结论

本文从耗散结构理论出发，分析了区域创新生态系统环境能以改变区域创新生态系统熵值的方式发挥环境效应，影响系统的有序度。通过环境效应指标体系的构建及Brusselator转译模型中的产物状态衡量各区域创新生态系统的环境效应。以我国大陆地区除西藏、吉林以外的29个省市创新生态系统2012—2017年的数据进行实证分析，测度环境效应情况，并对这些区域创新生态系统环境效应进行空间异质性分析，得到以下结论。①熵值变动逐年上升。2012—2017年29个区域创新生态系统正、负熵值整体呈逐年上升的趋势。本文构建的指标体系能够清晰地反映熵值来源的动态变化及特征，中西部地区的环境不利因素给系统带来的代谢型正熵逐年减少，但在2017年对无效资源的还原能力有所降低。2017年东部地区出现了外部系统压力型熵降低的现象。不同地区的环境效应变化直接导致全国整体环境效应熵值波动。从外部环境熵值来看，东部地区的外部系统支持熵显著高于中西部地区，是东部地区负熵高的重要原因。②仅少数省份在环境效应下达到耗散结构，环境效应极强的地区较少。通过对29个省市区域创新生态系统环境效应进行评价分析发现，北京、上海、广东、天津、四川、江苏、浙江达到或接近耗散结构，这些地区的环境效应极强。③区域创新生态系统的环境效应地区差异明显，且未出现空间集聚。进一步对区域创新生态系统的环境效应进行DAGUM基尼系数分解发现，我国整体的环境效应差距增大，东、中、西部地区间的环境效应差异对整体贡献逐渐缩小，区域内差距的贡献逐渐增大。由实证分析可知，空间集聚特征不显著，环境效应强的区域未能带动周边区域的环境效应。

4.2 理论贡献

本研究主要有以下理论贡献。一方面，已有研究分析了环境对区域创新生态系统的影响，但聚焦在环境与创新能力等因素之间关系的研究［37］，缺乏对环境效应的探究。本文运用耗散结构理论，通过研究环境因素对区域创新生态系统熵值的影响来揭示环境效应，为环境效应的探究提供了新视角。从内部环境代谢型、内部环境还原型、外部环境压力型、外部环境支持型4个维度构建富有生态学特征的指标体系，并以Brusselator转译模型中耗散结构的形成情况作为环境效应的评价标准，通过对我国大陆地区29个省市的实证研究，发现区域创新生态系统环境效应极强省份较少，区域差异明显。另一方面，根据我国区域创新生态系统环境效应的评价结果，采用莫兰指数及DAGUM基尼系数分解法进行空间异质性分析，探究环境效应的空间特征和差异来源，为掌握环境效应的空间异质性特征提供了可借鉴的研究方法，为国家规划区域环境效应的发展提供依据。

4.3 管理启示

第一，关注指标熵权，确定政策调整方向。本文根据指标的离散情况确定指标权重，能有效反映不同环境指标对区域创新生态系统有序度的贡献情况，对环境政策的侧重有一定的参考作用。从创新环境为区域创新生态系统带来的熵流来看，负熵来源权重表示目前区域创新生态系统的负熵流入主要依靠内部还原型指标带来的负熵，为有效增加系统负熵，应加强区域创新生态系统的开放程度以增加外部支持型熵。已有研究证实，组织、地理和技术协同程度高的创新系统往往更加吸引外商直接投资，国际知识溢出的获取十分重要［38］。结合商务部利用外资的实际情况，中、西部两个地区利用外资情况最高占比不超过全国的20%，须扩大外商投资范围，并做好电子信息、新能源领域等产业向该地区转移的准备。同时，欠发达地区往往存在人才外流，而人才的流失必然会降低创新活力，须提高教育水平，改善劳动分配制度，提供优质创新创业平台，从而改善欠发达地区人才流失问题。技术引进和进口贸易有利于利用溢出效应使各区域突破创新门槛，有助于中西部地区克服因技术累积不足难以实现追赶的问题，同时须提高引进技术的再开发效率，并控制进口贸易的竞争效应对国内创新欲望的削弱［39］。

第二，确定环境效应差异来源，缩小区域差异。通过对环境效应的空间差异分析，明确我国各地区域创新生态系统环境效应的状态和区间差异情况，有助于国家进一步改善环境建设水平，为各地区的发展提供有力保障，促进区域创新能力的发挥。近年来，我国整体环境效应差距扩大，东、中、西部差距显著缩小，但东部地区的优势仍然明显。很多优势省市正是由于环境基础良好扩大了与其他区域的差距。经济发达地区的融资环境优势明显是差距的重要来源，即使政府以发行地方债的方式平衡差异，但若想真正达成融资环境平衡，还要增强落后地区的市场化程度，降低投资风险。落后地区可积极利用自身条件优化创新环境，如利用地理边缘条件开展边境贸易。政府须进一步加大对中、西部地区的政策偏移，发掘落后地区的资源优势，优化各区域的创新环境，并充分重视中西部地区的政策落实情况。中、西部地区在积极建设能增加系统负熵的创新环境的同时，也应该尽可能释放潜能，提高建设速度，进一步缩小区域差距。同时，关注地区内部环境效应的均衡发展。

第三，增强环境效应的辐射功能。环境有力推动着区域创新生态系统的发展，环境效应的空间集聚体现当前环境效应的空间分布状况。当前环境效应极强的区域全部集中在东部地区，但近年来其区域内差异逐渐增加，结合空间集聚性分析可知，这些区域良好的创新环境效应尚未带动周边地区创新环境效应的发展。实践中，区域的辐射功能会受到资源的限制，通过分析可明确改进重点，解决实际问题。各区域应促进高能级产业发展，加快传统产业升级，围绕优势产业培育产业中的龙头企业，这类产业不仅能获取政策支持，还能带动产业链发展，吸引国内外学研机构合作创新，带动创新生态系统的良性循环。政府应鼓励区域间的横向交流及要素资源流动，从而助力区域间的交流学习，实现区域间环境的优势互补，并促进环境优势转换为区域创新生态系统优势，发挥优质环境效应。强化环境效应的辐射功能，激励已到达或接近耗散结构的优质创新环境地区发挥辐射带动功能，尤其须发挥环渤海经济圈、长江经济带等资源优势区域的辐射集聚作用，与周边地区的协同发展，提高周边区域的创新环境效应，为区域创新的发展提供环境保障，早日实现区域均衡。

4.4 研究不足与展望

本文虽然提供了衡量区域创新生态系统环境效应的方法，探讨了中国环境效应的特征，但存在以下不足之处，有待进一步研究。①指标体系中指标的选择以正、负熵相对应和可量化为原则，未能涵盖难以量化的指标，如提供信息资源的中介平台、社会福利等，未来应进一步结合调研完善指标体系。②仅以行政区域为单位进行环境效应的探究，然而每个区域内有不同行业，行业特征不同可能会体现出不同的环境效应，未来可进一步从中观层面研究区域分行业环境效应。③基于耗散结构理论，强调了环境通过改变系统熵值发挥环境效应，未来可在此基础上探究环境效应如何影响区域创新生态系统主体的创新活动过程，以丰富环境效应的研究。