湖南省城市创新能力空间分布、演化及溢出效应

石松麟，温彦平，宋小青

（中国地质大学（武汉）地理与信息工程学院，武汉 430078）

纵观全球化的发展，经济发展四阶段中最重要的阶段——创新驱动经济发展阶段已在较多发达国家得以体现［1］。美国坚持创新活动中国家的引导作用及企业的主体地位，其小企业作为创新最重要组成部分，通过不同部门长期努力建立起激励和保护机制，使美国在创新领域长期领跑世界［2］；日本企业坚持把握核心技术，将创新力集中于核心技术的攻坚阶段，同时注重过程创新，有效避免了高端技术在固定模式中的浪费；韩国利用市场的灵活驱动性，在国民生产中将创新共识化，借用信息网络的市场化创新体系在国民生产中实施系统化创新［3］；德国通过经费持续以及重点投入来保证科技研发创新的领先水平，通过严格的科技评估以及有效的知识产权保护保证创新体系的运转，通过内外联动机制以及完备的资源整合体系以保证科技创新组织结构的高效运行［4］。

党的十九大报告提出，中国创新发展主要目标为，2035年科技实力大幅跃升，跻身创新型国家前列。在新时代，城市创新发展的必要性和紧迫性更加凸显。创新型城市是将科技创新作为城市经济发展的核心动能［5］，创新资源富足、创新主体活跃、政府治理高效、创新创业环境良好，对建设创新型省份、区域和国家具有指导和引领作用的城市。建设创新型城市，既是贯彻落实国家“尊重科技创新集聚规律，探索地区差异化的发展路径，建设若干具有强大支撑与带动作用的创新型城市”的要求，也是新时代城市发展的内在需求。

城市创新能力以及对经济发展的贡献一直是学者研究的重点。自“创造性破坏”概念提出以来［6］，各学派经济学者利用新古典经济增长理论、内生增长理论、累积因果理论等在理论层面解释创新对经济增长的影响，这其中又分为将创新视作内在或外在变量的两种派别［7］，Jaffe［8］、Griliches［9］构建知识生产函数，分析和评价了创新产出的溢出效应，而在全球尺度下创新对经济增长和总产出的贡献程度暂时未能形成统一结论［10］。国内对城市创新能力的实证研究集中在三个方面。①城市创新能力评价，主要是采用多指标法和单指标法（多为专利授权量），对中国城市创新能力空间格局进行评价，研究发现中国各区域的创新能力空间差距总体呈扩大态势，东—中—西梯度衰减现象依然存在［11-14］，②城市创新能力影响因素探究，这些因素大致可以归纳为研发投入、人力资本、外商直接投资、制度因素、经济基础、创新环境和基础设施等［13，15-18］，③创新能力与经济发展协同性研究，经济发展与各类创新能力均表现出较大相关性［19，20］，创新能力对经济发展质量的提升具有显著的促进作用［21］，其正向带动效应十分显著［22］。还有学者对创新资源空间溢出效应进行评价，通过构建创新知识网络，揭示出创新知识及资源的溢出具有一定的空间距离性［23］。学者基于空间计量模型和双向固定效应面板模型，揭示了创新溢出的存在性，认为创新溢出对区域自身的影响是正负两种效应综合作用的结果［24］。总体看，国内学者对于城市创新能力评价指标体系未形成一个统一的看法，而且国内的研究往往在较长的时间序列中选择单变量指标代替城市创新能力，或是构建较为复杂完整的评价指标体系，但只选取截面数据进行分析，未能将城市创新能力指标体系的复杂性与城市创新能力的时空演化相结合。

2010年湖南省印发《湖南省关于推动产业技术创新战略联盟构建与发展的实施办法》，提出加快建设市场导向与产学研紧密结合，将企业作为创新主体的创新体系，提升产业核心竞争力，实现创新驱动发展，之后分别于2012年印发《创新型湖南建设纲要》，2015年提出《关于加快全省经济技术开发区转型升级创新发展的实施意见》。故选取湖南省作为研究对象，收集2009—2018年各地级市的数据，揭示湖南省城市创新能力空间演化，探讨其与经济发展的空间溢出效应，以期为建设创新型国家进程中的潜力城市提供合理的发展建议。

1 材料与方法

1.1 研究对象

研究区域为湖南省境内14个地级市，研究时间段为2009—2018年。以此为研究对象，基于如下原因：①湖南省在长江中游城市群发展中占有重要地位，在中国科学技术信息研究所《国家创新型城市创新能力评价报告2019》中，湖南省有3个地级市获选创新型城市。②过往研究多聚焦于创新能力较强且创新创业活跃的区域，缺少创新潜力地区的精细研究，而在《国家创新型城市创新能力评价报告2019》中湖南省有2个地级市入围创新潜力指数前20名。③检索到的省域城市创新能力相关研究报道，对湖南省内创新空间演化等情况关注较少。

1.2 城市创新能力评价指标体系构建

城市创新能力是指城市对知识进行生产，并将其转化为新技术、新工艺、新产品与新服务的能力［25］。城市创新能力的测度指标体系在学界尚未形成共识，国内外较为多用的区域创新能力评价指标体系是由OECD、中国科学技术信息研究所和中国科技发展战略研究小组发布的《Measuring the digital economy：A new perspective》《国家创新型城市创新能力评价报告》和《中国区域创新能力报告》构建。这3份报告分别从创新资源、知识创造、创新生态、创新投入及产出、企业创新、创新特色等方面评价区域或城市创新能力。考虑到报告中部分数据获取不够全面，各地级市不同年份间统计口径的改变导致无法进行长时间序列分析，在借鉴3份报告的指标体系基础上，结合湖南省数据的可获取性和代表性，综合考虑，创建适合的城市创新能力评价指标体系（表1）。指标体系包括了5个一级指标，①创新投入，主要为经费方面的投入，反映重视城市创新的财力。考虑到部分地市数据存在缺失，故用规模以上工业企业R&D经费支出以及新产品开发经费等指标代替财政科技支出。②创新产出及成效，反映创新成果以及对城市发展重要指标的影响，包括有效发明专利数、城镇居民人均可支配收入、全员劳动生产率等指标。③创新人才及科教资源，反映城市创新的可持续性，包括规模以上工业企业研究与发展（R&D）人员全时当量、普通高等学校在校学生数、普通高等学校专任教师数等指标。④产业技术创新能力，反映城市创新的产业化能力，包括高新技术企业数、规模以上工业企业新产品产值、高技术产品总产值占GDP比重等指标。⑤开放协同创新能力，反映城市创新的开放与协同状态，包括高技术产品出口额占外贸出口额比重、实际使用外资金额、内联引资实际到位资金等指标。

表1 城市创新能力评价指标体系

所有数据均来自于湖南省统计年鉴以及湖南省内各地市国民经济和社会发展统计公报。为确定各评价指标的权重，采用主成分分析法计算城市创新能力，步骤如下。

1）将2009—2018年所有指标数据整理并构建面板数据，随后用极差法对数据进行标准化处理，具体公式如下。

式中，zij为地级市i指标j的标准化值，xij为其原始值，x（ij，max）和x（ij，min）分别为指标最大值和最小值。

2）将数据进行KMO和Bartlett球形度检验，检测数据集适合使用主成分分析法。

3）根据因子得分系数矩阵算出各指标权重并进行归一化处理（表1）。

4）综合计算出湖南省各地级市不同年份城市创新能力得分，为方便作图将所有得分均乘以100。具体公式如下。

式中，Ci为地级市i的城市创新能力，Wj为指标j的权重，zij为地级市i指标j的标准化值。

1.3 研究方法

1.3.1 空间聚类分析法 利用ArcGIS软件的Jenks最佳自然断裂法对城市创新能力进行聚类分析，以研究其时空分布特征。

1.3.2 空间自相关模型 全局空间自相关检验运用全局莫兰指数（Moran’I）测度各个城市之间的平均关联程度，计算公式如下。

式中，n为研究单元总数，Ci是城市i的城市创新能力得分值，Cˉ是城市创新能力均值，Wij为空间权重矩阵。

此类研究常用的空间权重矩阵包括空间邻接矩阵、K-最近邻矩阵和截断距离矩阵，基于Queen原则，构建空间权重矩阵。莫兰指数的I取值范围为［-1，1］，大于0为要素存在空间正相关，小于0则说明存在空间负相关，等于0时表明空间不相关，服从随机分布。对于空间自相关性，采用统计检验中的Z检验进行分析［26，27］。

全局莫兰指数仅能说明各城市几期相邻单元城市空间差异的平均水平，忽略局部范围的不平衡现象，故引入Local Moran’I（LISA）来进行局部空间自相关分析，公式如下。

式中，Ii为局部莫兰指数，Ci与Cj为区域空间单元属性值，Wij为空间权重矩阵。

1.3.3 空间自回归分析模型 空间自相关中一些变量的潜在相互影响可以用不同的模型来展示。若仅用最小二乘法（OLS）进行回归分析，其对于研究单元独立不相关的假设易造成估计结果的偏误。故引入被应用最为广泛的空间滞后模型（SLM）和空间误差模型（SEM），二者均可量化空间异质性。当被解释变量之间相互的空间依赖性是导致空间相关的关键要素时，为空间滞后模型；而当模型的误差项在空间上相关，则为空间误差模型［28，29］。

2 创新能力时空格局演化分析

2.1 总体特征

经过近10年的高速发展，湖南省城市创新能力迅速增长，其空间差异也呈现缩小态势（图1）。2009—2018年湖南省各地级市城市创新能力的均值由10.24增加至29.85，增加了约1.9倍。其中2009—2010年城市创新能力增长较为缓慢，增长速度仅为2.6%；但紧接着2010—2011年的城市创新能力增长速度激增至24.1%；而2011—2018年城市创新能力呈稳定增长态势，年均增长速度达到17.5%。此外，2009—2018年湖南省城市创新能力变异系数呈现出波动下降态势，且波动幅度较小。整体来看，湖南省城市创新能力空间差异在不断缩小。

图1 湖南省城市创新能力平均水平及变异系数

2.2 城市创新能力空间分布

利用ArcGIS软件中的自然间断点分级法，将湖南省各年份（2009、2012、2015、2018年）的城市创新能力划分为4个梯队。图2反映了2009—2018年的城市创新能力时空演化情况，显示出湖南省城市创新能力呈现出东中西递减的态势，存在明显的空间集聚与地区差异。

从图2可以看出湖南省城市创新能力湘东地区集聚，并以长沙市为核心，向西部地区减弱。

分析2009、2012、2015和2018年城市创新能力空间分布特征。2009—2018年城市创新能力位于第一梯队的仅有长沙市，长沙市城市创新能力4年得分为35.8、53.42、73.84、92.05。2009年位于第二梯队的有湘潭市和株洲市，创新能力得分均高于14.89，与第一梯队构成长株潭城市圈，是湖南省经济发展的核心增长极；2012年岳阳市与衡阳市进入第二梯队；2015年常德市与郴州市亦升入第二梯队；但到2018年这两个地级市又退回至第三梯队。城市创新能力处于第三及第四梯队的城市主要位于湖南省的西部与北部地区。整体来看，长株潭城市群具有较高的城市创新能力，与之相邻的地级市的城市创新能力也发展较为迅速。虽然2018年出现了第一、第二梯队总数回落的现象，但是可以观察到第三梯队数量从2015年的4个增至2018年的7个，说明城市创新能力整体差距在缩小。值得关注的是，湖南省西北角的张家界市与湘西土家族苗族自治州，一直处于第四梯队，这与其在全省的经济地位表现一致。

2.3 城市创新能力的空间关联特征

利用Geoda软件计算2009—2018年间湖南省14个地级市城市创新能力的全局Moran’I（表2）。结果表明在研究期间，全局Moran’I均为正值且通过Z检验，Moran’I指数在5%的显著水平上都表现为显著，说明湖南省相邻地级市的城市创新能力具有较高一致性，在空间分布上呈现出集聚现象。湖南省近10年Moran’I指数较为波动，用图3对波动情况进行解释。

表2 湖南省城市创新能力评价

从图3可见，2009—2018年湖南省城市创新能力全局Moran’I波动较大经历了3次先下降后上升，但波动区间较小，其值大致位于0.20～0.25，在2012和2014年达到最大值0.241，表明城市创新能力空间集聚态势相对较高。2016—2018年全局Moran’I逐年下降，在2018年达到最低点0.133 8，表明此时湖南省城市创新能力仍具有空间正相关关系，但集聚态势减弱，城市创新能力差距逐渐缩小。整体上看湖南省Moran’I指数与全国性研究数据较为接近，属于全国平均水平［30］。

图3 2009—2018年湖南省城市创新能力评价

为了进一步展示局部空间关联特征，给出4个具有代表性变化年份（2009、2012、2015、2017年）的LISA聚类图（图4），反映不同局域的关联模式。从图4可见，湖南省有半数以上的地级市集聚现象显著。2009年高—高集聚区有长沙市、湘潭市和株洲市，高—低集聚仅有常德市，低-高集聚有岳阳市，低—低集聚为湘西州与怀化市；2012年高—高集聚区新增岳阳市，低—低集聚区新增张家界市；2015年高—高集聚区地级市维持不变，低—低集聚新增常德市；2017年岳阳市变为集聚不显著，其他地级市与2015年相比均无变化。

图4 湖南省创新能力LISA集聚

湖南省城市创新能力的整体与局部的空间关联性较为密切。各地级市间空间相关方式不同，呈现出东部以长株潭城市群为核心的局域性高—高集聚，以及西部与西北部的低—低集聚。

2.4 城市创新能力的构成贡献度

从湖南省城市创新能力构成看，产出及成效和产业技术创新能力具有较高的贡献率，其次是创新投入与开放协同水平，而创新人才及科教资源贡献率较低，具体分析见图5。全省创新投入的贡献率先降后升，从2009年的15.9%降至2010年的12.45%，中间数年维持在14.5%上下波动，2018年超越前高，贡献率达到16.85%；全省创新产出及成效的贡献率先升后降，从2009年的24.59%升至2012年的27.77%，而后又降至2018年的24.31%；全省创新人才及科教资源的贡献率逐年下跌，从2009年的18.63%降至2018年的9.9%；全省产业技术创新能力的贡献率呈现升—降—升的“N”字形，从2009年的24.73%升至2011年的26.93%，于2014年跌至最低占比23.98%，2017年后贡献率上升到28%之上；全省开放协同水平贡献率经历了前期的上升已趋于稳定，贡献率稳定在20.5%左右。从各地级市分析（图6），2018年75%以上的地级市城市创新能力主要由创新产出及成效和产业技术创新能力贡献，贡献率高于50%，而创新人才及科教资源贡献率较低，该指标贡献率10%以上的地级市仅有3个。由图5可见，湖南省仅长沙市城市创新能力构成均衡，说明发展结构较好；而湘潭市、衡阳市和株洲市城市创新能力构成较为均衡。着重观察衡阳市，与城市创新能力得分联系可见，衡阳市创新能力弱于长沙株洲湘潭三市，但创新能力构成较为均衡，在省内仅次于长沙市，这也与国家创新型城市创新能力评价报告中将衡阳市列为创新潜力指数省内第二、全国第十八的结果相吻合。其他地级市则应该考虑优化创新能力构成，降低对依赖创新产出及成效和产业技术创新能力的依赖性。

图5 湖南省创新能力构成

图6 各地级市城市创新能力构成（2018年）

3 创新能力空间溢出效应分析

发展创新能力的根本是促进城市经济发展。分析其对经济发展是否存在溢出效应，若有，则计算出城市创新能力对经济发展的空间溢出效应。

3.1 空间计量模型构建

为了分析城市创新能力对经济增长的空间溢出效应，借用前人研究并加以改进，建立包含资本存量、劳动力和城市创新能力的城市经济增长模型。

式中，Y为经济产出，用GDP作为替代指标；S、T分别为资本存量和劳动力拥有量；α、β、γ分别为S和T的弹性系数；R为常数项；C为城市创新能力。选用全社会固定资产投资和年末从业人口数作为衡量资本存量和劳动力拥有量的指标。考虑到各地级市存在空间自相关的不连续性，仅选取截面数据进行运算，时间选择2013年，构建空间回归模型。对式（6）两边进行取对数处理以消除异方差带来的影响，得到计量经济学模型如下。

式中，ε为独立且同分布的随机误差项。部分学者认为有必要将空间要素引入到知识生产函数模型中，因为一个地区的经济产出会受到周围地区经济水平、资本存量、劳动力和创新能力的影响［31］。研究截面数据，故引入空间滞后模型（SLM）和空间误差模型（SEM），其中，空间滞后模型存在空间滞后被解释变量作为解释变量的问题；空间误差模型存在空间残差项的空间滞后问题。具体公式如下。

空间滞后模型（SLM）：

空间误差模型（SEM）：

式中，β0、β1、β2和β3分别为模拟的截距项或参数等；ε为误差项；W为空间权重矩阵。

根据各模型模拟的结果参考Lesage、Pace的选择方法和LM检验以及Robust LM检验进行选择［32］。

3.2 回归结果

回归结果（表3）显示，OLS、SLM、SEM三种模型的拟合效果均较好，R2均大于0.95。而根据LM和Robust-LM检验结果，仅空间滞后模型在5%水平显著，空间滞后模型未能能通过显著性检验。通过比较自然对数函数值、赤池信息准则和施瓦茨准则的值，显示空间滞后模型（SLM）较经典OLS的Log likelihood值高，且AIC和SC低，可以认为空间滞后模型具有最好拟合效果。

3.3 空间溢出效应分析

根据表3对城市创新能力对经济增长的空间溢出效应作出解读，城市创新能力的提升对经济发展有促进作用，但没有资本存量的促进作用强。劳动力拥有量指标的分析结果未能通过显著性检验，猜想是由于数据本身的选择问题。查看空间滞后模型的估计结果可发现，城市创新能力每提升1个单位，对应的GDP总量将提升0.294个单位；资本存量每增加1个单位，GDP总量会提升0.767个单位，促进作用明显高于城市创新能力。此外，湖南省各地级市经济发展还会受到邻近城市经济发展水平的影响，周边地市GDP总量每上升1个单位，对应地市GDP总量就减少0.231个单位，表现为抑制作用。整体来看，资本存量的提升对湖南省经济发展贡献率最高。

表3 湖南省创新能力溢出效应模拟结果

4 小结与讨论

综合考虑创新投入、创新产出及成效、产业技术创新能力和开放协同水平等，对2009—2018年湖南省各地级市城市创新能力进行评价，并探析其空间溢出效应，得到如下结论。

第一，湖南省城市创新能力分布呈现出明显的东强西弱。第一梯队仅有长沙市。第二梯队有株洲、湘潭、岳阳和衡阳，它们都位于湖南省东部且在空间上环绕第一梯队，呈集聚状态。第三梯队则为省内的中部及南部地市，随着发展，第三梯队数量稳步提升。其余地市城市创新能力水平较低，与其经济发展水平在省内排名具有一致性。

第二，湖南省城市创新能力主要受到创新产出及成效和产业技术创新能力影响，创新投入与开放协同水平也有较为不错的贡献。部分地市特征有所区别，如常德市与郴州市，开放协同水平对城市创新能力影响较大，而张家界市与怀化市，则对创新投入依赖性较强。若更好提升湖南省城市创新能力，应加大创新人才的培养，增加科教资源的供给。部分地市还需提高创新投入，以维持均衡长效的发展。

第三，湖南省城市创新能力对经济发展具有正向溢出效应，但促进作用不如资本存量强烈。各地政府在大力发展经济与城市创新能力的同时，还要注重与邻近地市的交流，促进创新要素的流动，将开放协同水平提升到一个新的高度，最终实现全省创新驱动经济发展。