成渝城市群的创新极化演进及动因

杨鑫垚，韩文丽

（西南交通大学公共管理与政法学院，四川成都 610031）

1 研究背景

创新极化是对创新过程中各主体发展速度非匀质化这一现象的描述［1］，同时也是城市极化问题的重要表征［2］。20世纪90年代，Mohnen等［3］学者发现了我国部分地区存在创新发展不均衡的现象，并对此作出了系统性的研究，从而开启对这一问题研究的先河。我国近年来党中央不断重申区域协调创新的战略意义，国内城市间关系也开始出现网络化［4］，然而，由于偏好性依附、择优选择、网络邻近等因素的根深蒂固［5］，核心城市凭借上述因素对区域内资源有着极强的控制力，并以此不断强化自身创新优势［6］，而那些被边缘化的城市要么被动地依附于核心城市［7］，要么处于孤立状态，从而较难获得所在创新网络的正外部性［8］。长此以往，强者恒强、积贫积弱的局面必然难以得到有效解决。故而，为了更好地优化创新网络结构，从而实现区域协调创新发展，亟须对地区间创新极化的演变过程、影响因素及解决措施进行深入探究。

创新极化作为研究城市创新问题的重要视角，目前学界将探讨重点主要集中在创新极化形成的机理、发展趋势以及结构分类等层面，或是对已有研究成果进行梳理。主要可以归结为以下两个方面：首先，不少学者通过经济极化测量指数（TW）、沃尔夫森极化指数（Wolfson）、坎贝尔-张极化指数（Kanbur-Zhang）、伊斯特班-雷极化指数（Esteban-Ray）等，对我国城市群、都市圈的创新极化程度进行定量分析，或是在此基础上进行不同地区或区域内各城市的极化比较；其次也有研究凭借向量自回归（VAR）脉冲响应模型对各区域创新极点扩散效应进行探究。然而，本研究认为创新极化是实现区域协调发展亟须解决的问题，因而对其研究的重点不能仅仅停留在极化程度的测度，更应理清相关影响因素；其次，不能只是从整体上对某区域创新极化问题进行展示，还需从内生性解释区域内各个城市在创新极化形成过程中所扮演的角色，因为这是提升解决对策效度的关键。

因此，为了对现有研究进行补充，本研究以正在发育的成渝城市群作为研究对象，以其内部16个城市2010—2019年间的专利授权量作为变量，建立一个从整体极化状况测度到各城市极化贡献度分析，再到相关影响因素梳理的分析框架，以对该地区创新极化问题进行探究。

2 研究思路与方法

2.1 研究思路

首先，以专利授权量为测度标准，对成渝城市群创新网络极化程度及其未来发展趋势进行总体描述。为了以动态化的视角进行论述，本研究以《成渝城市群发展规划》的颁布时间2016年为节点，从而将研究时间划分为2010—2013年、2014—2016年以及2017—2019年3个时间段，即成渝创新网络的松散阶段、正式规划阶段以及进一步发展阶段。其次，通过创新极化贡献度模型，对成渝城市群内16个城市（以下简称“样本”）在创新极化效应中的重要性进行探究。最后，通过地理加权回归（GWR）模型对成渝城市群创新极化的影响因素进行梳理，并在此基础上提出解决措施。

2.2 研究方法

2.2.1 创新极化贡献度模型

借鉴王成城等［9］的研究成果构建创新极化贡献度模型。该模型是以TW指数为基础，引入创新能力指标，构建出创新极化测量指数，指数值的大小反映城市创新能力的聚集趋势，创新能力较强的城市向强类组聚集，反之则相反。具体公式如下：

式（1）中：n为城市数量，n=16；N为专利授权量的总和；s(i)为第i个城市的专利授权量；m为所有城市创新综合值I除以专利授权量的比值的中间值；q(i)为第i个城市创新综合值I除以专利授权量的比值；θ为常数项，取值1；r为敏感系数，取值0.5。

区域极化效应的城市贡献度是将包含城市i的TW值作为分子，不包含城市i的TW值作为分母，经过约分后的结果，若贡献度大于1则该城市对区域创新极化效应有促进作用，反之则产生抑制作用。计算公式如下：

式（2）中：C为区域极化效应的城市贡献度；N(i)为第i个城市的专利授权量；m'为不包含城市i的其他15个城市创新综合值I除以专利授权量的比值的中间值。

结合现有研究，并依据指标的可得性、综合性与简明性，从创新环境、投入、产出3个方面对16个样本城市的综合创新能力进行测度，具体指标包括：（1）人均地区生产总值（GDP）；（2）政府教育支出；（3）R&D人员折合全时当量；（4）万人发明专利授权量；（5）在校学生人数；（6）国际互联网用户数。对上述数据进行标准化处理，利用主成分分析法提取单因子，从而得出成渝城市群各节点的综合创新能力得分。

2.2.2 GWR模型

尽管传统的普通最小二乘法（OLS）简便易行且经过长时间验证，但由于其自身工具逻辑会忽视变量的空间属性，即其无法对影响创新产出因素的空间异质性进行检测［9］，同时根据成渝城市群各节点创新产出差异分布情况，可以看出成渝城市群的创新活动具有正空间相关性，故而在参考已有研究的基础上，本研究认为GWR模型能够更好地揭示成渝城市群创新产出的相关影响因素。当前，学界普遍认为创新产出主要受到创新投入以及环境等因素的影响，由此，以政府教育支出（政府支持）和R&D人员（创新基础）表征创新投入，再以货运总量（流通性）、互联网用户数（开放度）以及人均GDP（经济水平）代表创新环境（见表1）。此外，考虑到创新作为一种生产活动固有的时滞性，采用1年的滞后期，即用2010年的影响因素和2011年的创新产出指标来建立模型。最后，为了消除异方差，对上述指标进行对数处理，具体方式如下：

表1 成渝城市群创新产出影响测量指标选取及其含义

式（3）中：Si是第i地区的专利授权量；IFi、GSi、ELi、ORi、Mi分别是i地区的创新基础、政府支持、经济水平、开放度和流动性；α是常数项；εi是误差项；β、λ、δ、η、γ是弹性系数，即 IF、GS、EL、OR、M每发生1%变化，分别将引起PG发生β%、λ%、δ%、η%、γ%变化。

2.3 研究区域与数据来源

截至2018年年底，《中共中央国务院关于建立更加有效的区域协调发展新机制的意见》等相关文件的出台，先后确立了包括京津冀、成渝、长三角等在内共9个国家级城市群。其中，成渝城市群作为西南创新先导区以及内陆开放型经济战略高地，对于连接我国东西部，更好地落实区域协同发展战略有着重要意义；同时，相较于长三角、京津冀等发展较为成熟的城市群，成渝城市群的相关研究较少，因而存在较大的探究空间。基于此，笔者以成渝城市群内成都、重庆、自贡、雅安、遂宁、德阳、绵阳、眉山、达州、泸州、乐山、内江、资阳、宜宾、广安、南充等16个城市作为研究对象。其次，本研究共涉及专利授权量、创新能力评价指标以及创新产出影响因素指标3种类型数据，主要来自于中国国家知识产权局专利检索与服务系统中的地方知识产权局网站和历年的《四川统计年鉴》《重庆统计年鉴》《中国城市统计年鉴》，并选用ArcGIS10.1和SAMv4.0等定量研究工具进行数据处理。

3 成渝城市群创新极化整体特征

3.1 成渝城市群创新产出差异的空间演化

2010—2019年间，成渝城市群专利授权量由41 875件上升至129 311件，年均增长34.3%。然而，其中成都、重庆、绵阳、德阳4个城市的专利授权量占到整个成渝地区专利授权总量的八成以上，说明创新总体实力得到快速提升的同时，成渝地区创新网络也面临着极为严重的创新产出空间分布失衡的问题。值得注意的是，2019年成渝地区其他城市专利授权量增长速度快于上述4个城市，表明随着创新网络结构的不断优化，网络正外部性逐渐显现，从而使得区域内部差异开始缩小。

为了更加直观地描述成渝地区创新产出差异的空间演变，根据2013、2016、2019年样本城市专利授权量占成渝城市群专利授权量总数的比重，结合ArcGIS10.1的自然断裂法，将创新产出水平分为低水平、较低水平、较高水平、高水平4个等级，绘制出成渝城市群创新产出水平空间分布图。如图1所示，2013年，仅有成都和重庆两座城市的创新产出处于（较）高水平，其他城市除了绵阳以外，均处于低水平，说明该时期成渝地区创新能力不仅整体偏低，同时也面临着十分显著的创新产出差异化问题。到了2015年（见图2），德阳与绵阳的创新实力显著提升，标志着创新网络开始形成次级中心，同时成渝城市群规划的正式提出促进了创新网络内部的创新合作以及要素流动，从而使得创新产出低水平的城市数量开始下降，最后随着重庆迈进高产出之列，最终确立了成都、重庆双核心的创新网络格局。进入2019年（见图3），尽管成渝城市网络得到了进一步发展，但该阶段创新低水平城市的数量并未发生变化，并且除成都以外，德阳、绵阳、重庆的创新产出都出现下降，一方面这可能是由于创新作为一种生产性活动，其效能的高低在相当程度上取决于创新要素的投入，而成渝地区创新资源地理分布严重失衡的现象并未得到有效解决；其次，就当前而言，成渝城市群合作框架主要集中在经济、基础设施、环保等领域，在科技创新方面则涉及较少，从而限制了网络外部性的发挥，加之成都、重庆等城市面临着高度的产业同构化，由此造成的城市间无序竞争也不利于网络结构的持续优化。

图1 2013年成渝城市群创新产出差异分布

图2 2016年成渝城市群创新产出差异分布

图3 2019年成渝城市群创新产出差异分布

3.2 各节点创新产出收敛、发散状况

从数理上看，创新极化的出现是由于区域创新网络中各节点创新产出增幅长期存在差异所致，故而本研究以2013、2016与 2019年样本城市专利授权量和对应年份的成渝城市群专利授权量均值之比作为测度标准，以此为切入点，对创新差异的发展趋势（敛散情况）作出进一步分析。研究期内，仅有成都、重庆两座城市的创新产出增速高于区域平均增幅，其中成都的创新产出增长速度向上趋近于全区域平均水平，即呈现向上收敛的趋势，而重庆的创新产出愈发高于全区域平均水平，呈向上发散。这一现象与上述分析结果相呼应，再次说明了成都、重庆作为区域内的创新极，凭借自身雄厚的创新资源以及网络内部的影响力，不断对周边各节点城市产生虹吸效应，从而产生“创新凸点”，因此，如何增加成都、重庆辐射带动的深度与广度以实现从极化效应到扩散效应的转变，就成为解决成渝地区创新极化问题的关键所在。总的来看，2011—2019年期间，共有15个市域收敛，1个市域发散（见图4），收敛大于发散，因此各节点创新产出对整体创新活动差异的影响表现为收敛，从而使得成渝城市群创新产出差异呈现出缩紧的趋势。

图4 2011—2019年成渝城市群创新产出增长发散与收敛态势

4 成渝城市群各节点创新极化贡献度分析

为了对成渝城市群创新极化形成过程作出进一步分析，对在此过程中各节点的极化贡献度进行分析。首先通过主成分分析法（PCA）计算出各城市的I值，以成都市为例，部分年份的计算结果如表2所示。

表2 样本城市创新综合值

然后，依据城市极化贡献度C的计算公式编写函数，最终得到的样本城市创新极化贡献度，具体如表3所示。

表3 2010—2018年样本城市创新极化贡献度

表3 （续）

为了更加直观地展示各节点的极化贡献度，运用ArcGIS10.0绘制创新极化贡献度图（见图5）。通过图5与图1～图3的对比可以清楚地看出，节点创新产出分布呈现出“双核”结构，而创新极化贡献度则近似环状分布，即外围节点数值高、中间低，这说明样本城市的创新能力与其对成渝城市群整体极化贡献度存在较大差异。具体而言，宜宾、乐山、泸州、南充以及达州尽管创新产出较低，但这些城市对整体极化贡献度却较高，其中宜宾最为明显，其创新产出仅为第8名，而极化贡献度却为第3名，而创新产出排在中段位置的雅安与广安的贡献度却为末尾两名。当然，创新能力与极化贡献度排名并不总是相悖，如眉山、内江、自贡等城市的创新能力与极化贡献度都处于平均水平，此外，成都、重庆的创新产出与极化程度都位居前两名。总体而言，本研究分析的结果与王成城等［9］的结论一致，即节点的创新能力（产出）与其对所在区域创新极化贡献程度并非严格对等。也就是说，创新极化问题的出现并不能完全归因于创新极值区域。

图5 2010—2019年成渝城市群创新极化贡献度均值差异分布

5 成渝城市群创新产出差异影响因素分析

借助SAMv4.0 软件，选用高斯函数测度影响成渝城市群创新产出指标GWR模型的最优带宽，结果见表4，得到 R2为 0.928，调整后的 R2为 0.896，局域的 R2最大值为 0.930、最小值为0.911，表明各影响因子对创新产出拥有较好的解释力。

表4 2010—2019年影响成渝城市群创新产出指标的GWR模型回归系数描述性统计

为了更好地对成渝地区创新极化成因作出可视化分析，借助ArcGIS10.1软件，将样本城市的上述创新产出影响因子通过自然断裂法根据弹性系数大小划分为4个级别。如图6所示，经济水平指标的弹性系数皆为正，说明成渝城市群的创新产出水平与经济发展呈正相关。其中，经济弹性系数最大的是成都，为0.590 350，即其经济水平每提高1%将会使其创新产出增加0.590 350；最低的为泸州，仅为0.462 120。总体上，经济水平的弹性系数分布呈现出中间低、四周高的形态，与以上创新贡献度分布大体一致，说明经济发达的城市能够为本地创新产业提供金融、保险以及销售等方面的服务，从而大大降低了创新的成本和风险，因此二者体现出正向关系。

图6 2010—2019年经济水平因素对成渝城市群创新产出影响的差异分布

如图7所示，政府支持指标的弹性系数皆为正数，表明政府支持力度越大，创新产出水平便越高；同时，对比其他系数不难发现，政府支持弹性系数皆大于其他系数，这可能是由于成渝地区创新体系尚处于发育阶段，创新系统运行的背后有着相当浓厚的政府色彩，市场可发挥的空间较少。其中，弹性系数最大的依然为成都、重庆两座城市，分别为0.908 720和0.895 660，这主要是由于这两座城市的行政级别明显高于其他节点城市；而雅安的政府支持弹性系数最低，仅为0.585 640。与其他影响因子相比，政府支持系数的内部差异最大，进一步说明各地的创新产出差异与各地政府的公共管理政策紧密相关。

图7 2010—2019年政府支持因素对成渝城市群创新产出影响的差异分布

如图8所示，创新基础指标的弹性系数都为正数，这说明创新基础对创新产出的影响具有正向效应。其中，弹性系数最大的依然是成都，为0.513 540；最小的为南充，为0.462 350。总体而言，创新基础弹性系数分布与其他系数以及创新产出分布形状大致类似，但值得注意的是，该项系数的绝对差值最小，为0.066 343，表明创新基础对区域创新产出差异格局影响较小。然而现实中，成渝地区的创新资源地理分布极度不均衡，绝大多数创新资源都为成都、重庆、绵阳所掌握，这一差异可能说明区域内各节点创新效率普遍较低，创新产出可能更多地受到如政府干预等外界因素的影响。

图8 2010—2019年创新基础因素对成渝城市群创新产出影响的差异分布

如图9所示，流动性指标的弹性系数显示都为正数，即各地流动性越大则创新产出也越多。其中，弹性系数最大的依然为成都和重庆，分别为0.426 580及0.403 150，这是由于近两年来成都、重庆城市圈的不断完善进一步地提升了这两座核心城市在区域内的辐射力，从而能够更大限度地将网络内的创新资源为其所用；而德阳的流动性弹性系数最低，为0.143 250，这主要是由于近两年德阳、成都同城化战略的深度推进使得这两座城市发展的一体化程度大为提升，经济体量较小的德阳势必会受到成都巨大的虹吸效应影响，从而使得其在整个网络内影响力大大降低。总体而言，样本城市的流动性系数普遍较低，这可能是因为成渝城市群从国家层面正式提出至今仅5年有余，相关协调机制与合作框架尚处于完善阶段，从而创新要素在各节点间尚未得到较充分地分流，因此流动性因素对区域创新产出的影响较为有限。

图9 2010—2019年流动性因素对成渝城市群创新产出影响的差异分布

如图10所示，开放性指标的弹性系数皆为正数，表明各地开放程度越高则创新产出越多。其中，开放度弹性系数最大的仍为成都，为0.584 260，而雅安的开放度最低，仅为0.345 640。这不仅是由于成都处于成渝地区的中心地带且地处平原，各类交通设施齐全，以及通往其他节点时间距离较短；而雅安不仅山区较多，且处在成渝城市群边缘地区，因而与其他节点间的通达性较差。开放性系数分布与其他系数分布较为类似，以成都、重庆为两个极值区，周围地区逐渐递减，中部地区依然为低值区，主要包括了遂宁、资阳、眉山、乐山、广安等城市。

比较上述影响因素的弹性系数不难发现，政府支持、经济水平对成渝城市群创新产出的提升发挥了主要作用，尤其是政府支持因素。具体而言，在成渝城市群创新网络运行的过程中，政府的公共管理质量、经济制度、集聚经济等相关因素扮演了关键角色，这与当前川渝地区城市网络的发育程度和主体产业类型有着密切关联。如2019年重庆全市科研投入主要流向传统国有企业，仅占全市企业数量3%的上述企业就拿到了近七成的科研经费，这便使得成渝城市群的创新产出差异在更大程度上归因于政府因素。此外，创新基础的弹性系数绝对差异最小，极差仅为0.066 343，说明该因素对地区创新极化问题影响较小。最后，上述各类因素的弹性系数分布具有相当程度的空间稳定性，且与创新产出分布大致相同，进一步说明了通过上述因素可以对区域创新极化问题作出有效解释。

6 结论与讨论

本研究以成渝城市群内16个城市为研究对象，以其授权专利为研究变量，综合运用自然断裂法、GWR模型、城市创新极化贡献度模型等方法，系统研究了2010—2019年成渝城市群创新产出极化的现状、发展趋势、各城市极化贡献度以及影响因素，主要得出如下结论：

（1）成渝城市群总体创新产出有了明显提升，但也面临着严重的极化问题，虽然从2019年的数据来看这一现象有了一定程度的缓解，但依然未得到根本性地解决。

（2）从各城市创新产出的敛散情况来看，有15座城市呈现出收敛，仅有1座城市的创新产出发散，因此整体创新产出差异呈现出缩小的态势。

（3）对各节点创新极化贡献度的分析结果与王成城等［9］的结论一致，即节点的创新能力（产出）与其对整体创新极化贡献程度并非严格对等。同时，成渝城市群创新极化贡献度的地理分布大致呈环状，即外围高、中间低。

（4）创新产出影响因子的空间分布呈现出较为稳定的特征，且与创新产出分布较为一致，5类影响因子弹性系数的峰值都出现在成都、重庆。总体而言，在各类因素中，政府支持、经济水平对创新产出差异发挥了主导性作用，而流动性的影响则相对有限；政府支持的绝对差异最大，而创新基础则最小。这些都说明成渝城市群创新网络尚处于发展期，在运行过程中更多地依靠政府力量，中心城市的话语权明显高于其他节点城市，边缘城市较多，极化问题较为严重。

根据以上结论，对于实现协调创新发展亟须解决的难题，笔者认为可以从如下3个方面对成渝城市群创新极化问题进行修正：其一，充分发挥成都、重庆两座核心城市的引领作用，加快周边城市与其一体化进程［10］，以此扩大成都、重庆城市圈创新辐射的广度与深度，从而弥补因“中部城市塌陷”带来的困境［11］；其二，构建网络内各节点在交通、科研、教育等领域的合作框架，尽量做到统一部署、标准一致、资源共享以及建立成渝城市群利益共享机制，如成立成渝城市群专门投资基金，按照区域总体发展规划与各城市实际情况酌情提供支持，制定科学合理的GDP值及税收分成办法，避免各节点城市为某一项目恶意竞争从而出现囚徒困境［12］。最后，依托网络内5G物理基站，构建内部创新资源数据库与分享平台，以修正资源分布不均所带来的节点城市创新能力差距日益加大的问题。