创新策源能力如何影响区域创新绩效？——基于30 个省份的QCA 分析

曹 萍，赵瑞雪，尤 宇，方 曦

（上海应用技术大学经济与管理学院，上海 201418）

1 研究背景

创新策源能力是实现地区科技自立自强的重要突破口。2019 年，上海发布《关于进一步深化科技体制机制改革增强科技创新中心策源能力的意见》，率先探索建设国际创新策源地的途径，而后创新策源能力便成为了区域创新领域的焦点。什么是创新策源能力？陈超［1］认为是一种原创能力，一种真正的核心竞争力，至少体现在学术新思想、科学新发现、技术新发明和产业新方向四个方面。因而有学者从这四个方面入手，探索建立区域创新策源能力的评价指标体系，但是在选取可量化的三级表征指标时，学者们多倾向于R&D 经费、R&D 人员等创新投入指标，这样一来，创新策源能力与区域创新能力的界限便显得模棱两可。创新策源能力不同于区域创新能力，其高低与否体现在区域的创新资源禀赋与要素基础，反映一个区域深层次的创新底蕴，这种底蕴是区域在发展中积累的可调动的资源基础及形成的创新氛围。“源”与“策”是辩证统一的，“源”主要指人才、机构、技术、金融、社会、管理等各方面创新资源的集聚，“策”更多强调行动，即通过策划、组织和开展各种活动，将“源”所蕴藏的能量释放出来，引爆创新的奇点。在同样的创新投入下，策源能力高的区域往往能够创造更高的绩效。综合上述内容，我们会思考，这种有别于区域创新能力的深层次创新驱动力是如何影响区域创新绩效的呢？影响路径又有哪些？哪些路径是主要路径？本文将定性比较分析方法（qualitative comparative analysis,QCA）引入区域创新领域，分析影响区域创新绩效的必要和充分两类因果关系。将创新策源能力分为学术基础、科学基础、技术基础、政府支持及产业基础5 个方面，试图探索5 个前因条件组成的不同组态与区域创新绩效之间的关系，挖掘提升区域创新绩效的路径。

2 文献综述与理论建模

如今，科技创新领域的竞争愈发激烈，单边主义、保护主义抬头，从外部获得关键核心技术日趋艰难。如何提升区域创新策源能力，从而突破关键核心技术的封锁，成为我国创新驱动发展的当务之急［2］。随着政界对创新策源能力的关注与重视，学界对创新策源能力的研究也越来越多。但多集中于创新策源能力的含义理解、能力提升举措、影响机制及评价指标的构建方面。2018 年，上海提出“成为全球学术新思想、科学新发现、技术新发明、产业新方向的重要策源地”的目标。因而，在评价指标构建的过程中，学者们将重点放在学术新思想、科学新发现、技术新发明、产业新方向4 个方面。朱梦菲等［3］基于此，从每一方面的基础、投入、产出3 个维度对我国31 个省份创新策源能力进行了评价。敦帅等［4］则通过对创新策源能力的内涵、框架与特征解析，构建创新策源能力的评价指标体系，进而对全球典型科创中心城市创新策源能力水平进行了比较分析。除此之外，敦帅等［5］还基于贝叶斯网络构建了创新策源能力影响机制模型，分析了其影响机制的动态变化过程。张金福等［6］则另寻角度，从制度改革与创新、人才培养与建设、创新生态环境优化和科技创新布局4 个维度，构建创新策源能力评价指标体系，并运用模糊综合评价法测度了我国31个省份的创新策源能力水平。综合已有研究，笔者在学术、科学、技术及产业基础之上，增加政府支持作为创新策源能力的表征变量，即采用区域学术基础、科学基础、技术基础、产业基础和政府支持5 个前因条件，探讨影响区域创新绩效的多重并发因果要素及机制。区域内5 个前因条件水平如何？哪些前因条件相组合以及如何组合可以产生高创新绩效？本文将会通过QCA 方法进一步探索，首先建立如图1 所示的创新策源能力对区域创新绩效的影响机制模型。其中创新绩效由专利申请数量、新产品销售收入和技术合同成交额3 个变量表征，创新策源能力则由学术基础，技术基础，科学基础，产业基础和政府支持5个变量进行表征，各变量关系阐述如图1 所示。

图1 创新策源能力对区域创新绩效的影响机制模型

2.1 学术基础与创新绩效

一个区域的学术基础体现在高校的数量及水平上，高校作为三大创新主体之一，在区域创新过程中属于知识创造者和传播者，同时又是科技成果转化的主要平台，集聚了大量科研人才及丰富的科研资源，在提升区域创新整体水平中发挥着重要引领作用。“双一流”大学重点工程的提出，进一步明确了高校在区域创新体系中的作用。区域校企合作创新过程中，高校与企业研发合作的技术绩效毋庸置疑，而经济绩效却不会立竿见影，而且区域内高校科技资源也并不一定能直接转化为经济绩效，但不同行业、不同规模、不同年龄企业与高校合作的效果明显不同，在一些方面产生的间接绩效不容忽视［7］。此外，在产学研合作创新中，高校可以通过影响企业创新间接促进区域创新［8］。而且有研究发现，高校创新要素集聚对本区域的创新效率具有显著直接溢出效应［9］。区域创新体系中，高校在基础研究、应用研究领域均发挥着重要作用，为社会提供新知识、新技术的同时，还为体系培养、输送了大量人才［10］。从高校走出的毕业生和科学家是区域创新体系中的知识生产的根本来源［11］。综上所述，高等院校通过汇聚师资力量，培养各领域科技人才，承担R&D 课题，成为了区域中主要学术资源供应主体。所以，一个地区的学术基础是通过高校及其培养的科技人才来间接影响区域创新绩效的。正因如此，笔者后续选取了高校数量、专科及以上毕业生数量作为衡量区域学术基础的指标。

2.2 科学基础与创新绩效

创新主体的创新活动及区域内活跃的科技从业人员数量反映了地区的科学及服务水平。研究及开发机构作为三大创新主体之一，提供了开展科学实验的平台，是不可或缺的区域科学基础，有助于科学新发现的诞生［12］。其中新型研发机构以科学发现、技术发明和产业发展的“三发联动”为理念，在克服科技研发中的“市场失灵”“组织失灵”乃至“系统失灵”中发挥着重要作用［13］。区域创新中，科研机构是原创成果的产出高地，在与高校的合作中，可以通过搭建灵活的人才培养体系，培养优秀科技人才；与企业的合作中，可以带动新型产业发展，解决企业技术难题，突破产业关键技术，实现从源头创新到新技术，新产品的转换。区域创新生态系统方面，有学者基于共生理论将科研机构与高校、企业看作区域创新的共生单元［14］。在区域创新能力的研究中，研究与开发机构的数量往往作为创新投入的重要衡量指标，其对创新绩效的影响不言而喻。科技服务业从业人员数量可以用来衡量地区的科研人力资源投入比例，该比例越高代表城市的科研人员越多，越具有创新能力［5］。李鸿禧等［15］和于晓宇等［16］也将其作为衡量区域创新环境的重要指标，来考察创新环境对区域创新绩效的影响。借鉴前人研究，笔者选取了R&D 机构数量、科技服务业从业人员数量作为衡量区域科学基础的指标。

2.3 政府支持与创新绩效

科技投入是政府支持创新活动最直接有效的方式［17］。有些学者认为政府科技投入对创新绩效有正向溢出效应［18］，特别是对于专利产出，有显著的正向影响［19］。聂鸣等［20］研究发现，政府在创新过程中给予高校、科研机构及企业的资金、人才资助与区域创新产出间有正相关关系，唯一的差异仅是不同创新主体的弹性系数不同。另一方面，地方政府可以通过制定合理的创新政策来支持、引导区域创新。科技创新政策能保障各项创新活动的有效进行与资源的合理配置，有助于提高创新绩效从而促进国家创新体系的构建［21］。除此之外，还有研究表明国家创新政策可以跨层次影响区域创新绩效，并可以调节创新投入和区域创新绩效的关系［22］。考虑政府在区域创新中的重要角色，本文将“政府支持”作为创新策源能力的表征变量，借鉴于晓宇等［16］的研究，选取区域内科学技术支出作为衡量政府支持度的指标。

2.4 技术基础与创新绩效

高技术产业是推动区域创新能力提升的重要引擎，其数量大小反映了一个地区的技术潜力的高低，高技术企业每年都会花费大量经费对技术进行引进、改造，一定程度上夯实了区域进行创新活动所需的技术基础。相比于其他传统产业，高技术产业推动区域创新体系的效果更加明显，主要原因是高技术产业创新领域具备更具前瞻性、更易汇聚人才和资本、更易带动和提升生产的特点。高技术产业可以通过资源集聚产生协同效应，进而提高对区域创新绩效的溢出效应［23］。袁胜超等［24］实证了高技术产业集聚对产学研协同创新的倒“U”型直接效应。吴卫红等［25］也将高技术产业与高校进行对比，证明了其对区域创新绩效的溢出效应。可见，区域创新绩效的提升与高技术产业密不可分。基于上述分析，从技术新发明角度出发，笔者选取与其相关的区域高技术企业数量与高技术产业研发经费支出作为衡量区域技术基础的指标。

2.5 产业基础与创新绩效

对于区域产业基础，笔者主要从区域内企业创新活动方面进行阐述。企业创新在产业升级中有着举足轻重的地位，研究表明，大企业的创新投入对区域产业的升级有明显的带动作用［26］。敦帅等［4］在选取产业新方向评价指标时，侧重于地区企业对研发的重视程度和企业内外创新活动数量，因而选取了地区企业R&D 经费作为衡量指标。朱梦菲等［3］则利用地区内科创板企业申请数和高新企业数量表征地区产业基础，进而评价区域创新策源能力。在一些有关区域创新能力的研究中，有R&D 活动的企业数量常被作为衡量地区创新能力的重要指标。由于企业在区域创新中扮演“生产者”的角色，创新活动产生的技术成果最终都由企业转化为新产品，新产业，因而企业的生产和创新活动能够直接体现创新绩效的高低。基于此，笔者选取区域有R&D 活动的企业数量和企业创新活动费用支出作为衡量产业基础的指标。

3 研究设计

3.1 研究方法

定性比较分析方法是以案例为导向的非对称性研究方法，旨在解决社会科学领域复杂因果现象［27］。管理研究实践具有相互依赖和因果复杂的特点，定性比较分析方法从整体视角，将组态思维引入到管理学领域，基于集合论和布尔运算方法，揭示多个前因变量间的复杂关系对结果的影响，解决了因果不对称、多重并发因果关系等问题［28］。QCA 方法通过输出主要指标的一致性和覆盖度来表征指标对于输出结果的必要性与充分性，一致性表示共属前因条件组合的案例属于同一结果的一致性程度，当组态一致性大于临界值0.8［29］，说明该组态构成了某个特定结果的充分条件，即采用这一组态能够达到特定的结果；覆盖度表示集合关系对结果的解释程度，体现了前因条件组合的重要性［30］。

影响区域创新绩效的组态是一个复杂的作用过程，受到多重要素的影响且各要素间并不是相互孤立的。此外，本研究所涉及条件变量均为介于0 到1之间表示程度的连续型变量，不适用于清晰集比较分析方法（csQCA）和多值集比较分析方法（mvQCA），因此，本研究以模糊集定性比较分析法（fsQCA）为研究工具，分析30 个省份的学术基础、科学基础、政府支持、技术基础、产业基础5 个条件变量对区域创新绩效的影响组态。

3.2 变量选取及数据来源

以上，我们明晰了创新策源能力的五个主要变量与区域创新绩效间的关系，各变量的衡量指标也已加以说明。在朱梦菲等［3］、敦帅等［4］、张金福等［6］对创新策源能力研究的基础上，参考中国区域创新能力评价报告和区域创新能力相关研究，确定了创新策源能力表征变量及衡量指标。对于创新绩效，现有研究多以创新产出为准，综合前人研究，选取专利申请数量、新产品销售收入、技术合同成交额来作为创新绩效的衡量指标。最终的变量及衡量指标如表1 所示。

表1 变量描述

本文以我国30 个省份（未含西藏和港澳台地区）作为样本收集数据，初始数据来源于《中国统计年鉴》《中国科技统计年鉴》和各省份统计年鉴。考虑到区域创新活动形成区域创新产出需要一定时间的延迟，因此本文借鉴苏屹等［31］和白俊红等［32］的处理方法，在后续的研究中选取了两年的滞后期。即对于条件变量，采用2017 年编制的各年鉴数据，而结果变量，则选取2019 年的数据。在获取原始数据后，如何对其标准化是一项科学工作，本文借鉴李志军等［33］的做法，采取效用值法对数据进行标准化处理，值域选取为区间［0，1］，效用值越接近1，表明该指标的得分越高。最终得到标准化后各省份数据如表2 所示。借鉴程建青等［34］的方法，对衡量指标进行加权平均，得到细分变量的分数。

表2 各省份标准化后数据

表2（续）

3.3 变量校准

本研究采用直接法来校准数据，即使用三个重要的定性锚点来进行结构化校准：完全隶属阈值、完全不隶属阈值以及交叉点［35］。参考FISS［29］的研究，本文将6 个变量完全隶属阈值、完全不隶属阈值以及交叉点的3 个校准点分别设置为案例样本描述性统计的上四分位数（75%）、下四分位数（25%）与中位数。条件变量与结果变量校准锚点及描述性统计如表3 所示。

表3 各变量校准锚点与描述性统计

4 分析结果

4.1 单个条件必要性分析

本文采用fsQCA3.0 分析在区域创新策源能力驱动下，30 个省份获得高区域创新绩效的条件组态，根据FISS［29］和杜运周等［28］的建议进行参数设置，即原始一致性阈值为0.8，PRI 一致性阈值为0.75，案例频数阈值为1。

在进行条件组态的充分性分析之前，需要进行单个条件的必要性分析。采用QCA 方法，计算单变量的一致性和覆盖率检验高/低区域创新绩效条件的必要性。从集合的角度来看，就是检验结果集合是否为某个条件的子集，如果结果的发生总是伴随着某个条件的出现，那么这个条件便是结果的必要条件［30］。计算结果如表4 所示，在达到高区域创新绩效的前因条件中，技术基础和产业基础的必要性超过0.9，构成必要条件，此外，弱产业基础是导致低区域创新绩效的必要条件。

表4 单个条件的必要性检验

4.2 组态分析

采用fsQCA3.0 构建2k行的真值表，k表示前因条件的数量。根据模糊定集比较分析得到简单解和中间解，识别每个解的核心条件和边缘条件，在中间解和简约解中同时出现的条件即为核心条件，只出现在中间解中的条件为边缘条件［35］。QCA 分析结果如表5所示。产生高区域创新绩效的组态有4个，其中组态1、2 构成二阶等价组态，组态3、4 构成二阶等价组态，二阶等价组态的核心条件一致。观察4 种组态，发现组态3 和4 中，政府支持均为核心条件，而组态1和2中核心条件均不涉及政府支持，为了更好地比较不同组态对在创新绩效的影响差异，本文归纳出以下2 种区域创新活动的组态（路径），即非政府主导下主体合作创新（组态1、2）与政府主导下关键技术创新（组态3、4）。现阐述如下：

表5 区域创新绩效组态分析

（1）非政府主导下主体合作创新。组态1 指出区域高学术基础、高产业基础为核心条件，互补高政府支持和非高科学基础为边缘条件的区域创新策源能力可以产生高创新绩效。表明不管地区内高技术企业的数量和创新情况如何，大量的高等院校与人才，结合高强度的企业创新活动，即便在区域科学基础不足的情况下，通过一定的政府支持，同样可以创造高的创新绩效。组态2 则指出高学术基础、高技术基础和高产业基础为核心条件，互补非高科学基础为边缘条件可以产生高创新绩效。即在科学基础薄弱时，不管政府支持与否，高校与高技术产业联合企业创新能够催生高区域创新绩效。二者共同构成了非政府主导下区域合作创新的类型，最能贴切反映出此类型的创新方式便是企合作创新。产学研协同创新中，校企合作逐渐成为区域发展的关键力量。高校和企业分别作为知识输出端和输入端，在创新过程中，通过知识流动实现了资源互补，促进创新绩效的提升［36］。有研究发现，产学合作下，高校易取得更高的创新绩效［37］，而企业也可以通过提高专利申请数量和促进产品创新来影响自身创新绩效［38］。

我们将组态1 和组态2 进行对比，发现组态1和组态2 的主要区别在于政府支持和技术基础两个变量上，前者以政府支持为边缘条件，后者以技术基础为核心条件，其余条件一致。在一些地区，政府对于高校、企业的创新活动给予一定的资金、政策支持，特别是在成果转化方面，部分地区政府会设置成果转化引导基金，帮助创新成果转化为生产力，进而提升创新绩效。在高技术企业参与校企创新时，高技术企业具备的技术研发、转化能力，使得创新活动同样可以取得高创新绩效，此时政府支持便可有可无，即对应组态2 描述的状态。

（2）政府主导下关键技术创新。组态3 指出高政府支持与高技术基础为核心条件，互补高学术基础与高科学基础为边缘条件的区域创新策源能力可以产生高的创新绩效。表明不管地区内企业创新活跃程度如何，政府通过大力支持高技术产业，在高校和研发机构的参与下，可以创造高创新绩效，这种情况多出现于政府出资，由高技术企业，高校，科研机构来对关键技术进行攻关的情况，往往为国家重大项目，比如国家科技重大专项，国家重点研发计划项目等。组态4 指出高政府支持，高技术基础和高产业基础为核心条件，互补高科学基础为边缘条件的创新策源能力可以催生高创新绩效。即不管高校和人才多少，在一定科研机构的参与下，政府通过大力支持高技术产业和企业创新，会产生较高的区域创新绩效。政府主导下的三大创新主体均有参与的项目，往往是针对我国重大科技领域，能够突破“卡脖子”技术，解决制约我国发展瓶颈的创新活动，比如核高基重大专项，载人航天与探月工程等。在这类项目中，政府是项目的发起者，通过资金，政策支持，由科研院所、高校和企业合力对关键技术进行突破。

通过观察会发现，组态4 相较于组态3，产业基础成为了核心条件。主要原因与非政府主导下的创新活动一致，企业作为“生产者”，在创新活动中扮演了将创新成果转化为产值的重要角色。在对不涉及国家保密的技术成果进行转化后，创新绩效随之提高。

对于区域创新绩效的两条影响路径，可以从我国各省份中找到典型案例。政府主导下的关键技术创新，代表案例为北京、上海、广东、江苏等省市，这些区域多为发达城市，科技经济水平较高，产业、技术基础深厚，且有大量的高技术企业，科研机构及高校，政府往往将关键技术的攻关任务分配给这些地区，利用其强大的创新策源能力，来获取高的创新绩效，实现关键技术攻关。对于非政府主导下的合作创新，代表案例为河北、安徽等地。相较于北上广等发达地区，此类地区的创新策源能力较低，创新基础较为薄弱。因而常常以满足地区内部需求、促进区域发展为目标进行创新活动，政府会给予一定的帮助，通过区域内的产学研主体合作，来获取推动地区经济发展的创新成果。

（3）非高区域创新绩效条件组态。本文也检验了产生非高区域创新绩效的条件组态（即组态4 和组态5）。首先，组态4 显示，在缺乏高技术基础、缺乏高产业基础、缺乏高学术基础的创新生态中，不管政府支持程度高低与区域内科学基础如何，城市创新绩效也不会高。其次，组态5 显示，在缺乏高技术基础、缺乏高产业基础的创新生态中，即便有一定的政府支持与科学基础，也不会产生高创新绩效。本文发现组态4 和组态5 的共同特征都是缺乏高的技术基础与产业基础，也就是说区域内的高技术产业与企业创新活动水平不高，导致产生非高区域创新绩效，再一次说明了企业在技术成果转化和推广过程中的重要性，同时也验证了前面提高的弱产业基础是非高创新绩效的必要条件的分析。从两类组态的代表案例来看，青海、宁夏等地区创新基础薄弱，拥有的高等学校和科研机构较少，有创新活动的企业数量较低，获取高创新绩效十分困难。相较于青海、宁夏等地，组态5 的代表案例辽宁、黑龙江等地在20 世纪90 年代以前，是我国重要的工业基地，经济水平在当时相对较高，因此发展过程中积累了一定创新基础。但随着改革开放深入，我国区域发展重心开始转移，这些地区的优势已经慢慢消失，即便21 世纪初国家提出振兴东北老工业基地的号召，但仍需要大量时间才能获取成效。

从结果来看，产生高区域创新绩效与非高创新绩效的条件组态及对应的典型案例是十分符合我国区域发展现状的，验证了本文方法选取的科学性与分析结果的合理性。

5 结论与建议

5.1 研究结论

本文基于学术基础、科学技术、技术基础、产业基础和政府支持5 个变量构建区域创新策源能力评价框架，详细分析了每个变量与区域创新间的关系，并综合他人研究，选取了每个变量的衡量指标，建立了全面、合理的创新策源能力评价指标体系。基于上述分析，运用fsQCA 方法分析5 个变量对区域创新绩效的影响路径。得出以下主要结论：首先，创新策源能力通过学术基础、科学基础、技术基础、产业基础和政府支持对区域创新绩效产生重要影响，产生高区域创新绩效的主要路径有4 条，说明了创新策源能力对区域创新绩效影响存在多重并发因果关系。其次，产业基础和技术基础是产生高创新绩效的必要条件，验证了区域高技术产业的技术研发活动与企业生产创新活动对区域创新绩效的主导作用。再次，根据政府支持作为核心条件与否，可将4 条路径归为两类，即非政府主导下的产学合作创新和政府主导下的关键技术创新。非政府主导型创新多集中于创新策源能力薄弱的地区，以高校和企业为主要创新主体，通常以满足区域发展需求而进行创新活动；政府主导型创新集中于上海、北京和广东等发达省市，其凭借地区内发达的学术、技术、产业资源，在政府的支持下，完成对关键技术的突破。最后，导致非高区域创新绩效的路径有两条，且均以弱技术基础和弱产业基础为核心条件，侧面强调了技术产业与企业创新对于区域创新发展的重要性。

5.2 相关建议

本文首次将创新策源能力与区域创新绩效联系起来，探讨了创新策源能力对创新绩效的影响机制。既然创新策源能力对区域创新绩效有显著的正向影响作用，那么如何提高区域内的创新策源能力，进而促进创新绩效提升呢？本文给出如下建议：

加强区域高校建设。高水平大学和科研机构是地区内知识和技术的供给方，为区域创新提供了知识资源与科技人才，其拥有的知识、人力资本可以被直接转化为生产力，是增强区域创新策源能力的重要抓手。知识经济时代，高校成为了驱动原始创新的源头，因此在新一轮的产学研一体化过程中，需要重构校企创新之间的联系，探索区域创新主体新布局，形成大学为主体，企业为资金来源，政府提供政策支持的创新范式。

增强人才集聚能力。创新策源能力建设的本质是顶尖创新人才的集聚与培育，真正的创新中心一定是产生顶尖创新人才的沃土［1］。既要吸引和集聚人才，更要培养和培育人才，健全区域内人才激励措施，采取多样化激励方式，完善“引”“育”机制，真正做到待遇条件吸引人才，科研项目培育人才。进而获取一大批高层次战略、科技、技术、管理、科学服务人才。

加强基础研究投入。2014 年我国对众多科技计划项目进行了整合，形成了以基础前沿研究、关键技术攻关、应用示范研究三类研发活动为主体的创新链。基础研究作为第一个环节，是创新的根本，我国的“卡脖子”问题，本质上是基础性创新能力不足。为此，应加强基础研究规划和政府财政资金投入力度，建立政府引导及保障制度，鼓励区域内企业加大基础研究投入力度，进而提升原始创新能力，支撑区域基础研究，提高城市科技创新能力。

推动关键技术突破。鼓励区域创新主体承担国家重大科技项目，利用区域产业、技术基础围绕5G、人工智能、生物医药等关键技术领域进行技术攻关，形成一批引领产业新方向的高技术企业。加快建设新型基础设施，为开展高水平科技创新活动提供可靠的物质基础［39］，勇于尝试颠覆式创新，突破关键共性技术，率先确立起未来产业竞争“技术轨道”和未来产业创新“主航道”，进而获取“头部效应”红利［2］。

促进科技成果转化。首先，坚持产学研用相结合原则，建立以成果转化为导向的创新绩效评价机制；其次，鼓励高等学校、科研院所、企业等创新主体开展成果转化工作，聚焦关键技术，加强政府引领。再次，健全完善成果转移转化激励机制，对科技成果转化重要贡献人员作出明确界定，合理区分科研人员和相关转移转化服务人员的贡献，充分调动各转化主体的积极性。最后，政府尝试设立重大科技项目成果转化引导基金，构建重大自主创新产品进入市场的“绿色通道”。