创新型城市建设对城市创新能力的影响研究

■ 侯林岐

我国经济发展进入新常态，经济增长由要素驱动型向创新驱动型转变，这意味着科技创新要在更大范围和更深层次上发挥对经济增长的引领与支撑作用。与此同时，随着城镇化进程的不断推进，城市成为创新要素和资源的汇集地，是承载科技创新活动开展的空间主体，也是知识创造和应用的重要基地[1]。因此，建设城市创新体系、激发城市创新活力、挖掘城市创新潜力、提高城市创新能力成为建设创新型国家和提高城市综合竞争力的客观选择，地方政府参与创新型城市创建成为整合城市资源、优化城市创新、提高城市创新能力的重要举措。

学术界针对政府参与和政策支持对城市创新能力的影响展开了广泛研究与有益探索，包括政府支持与创新的关系、创新政策的有效性和创新环境建设等多个方面。有学者认为，政府支持能够显著提高企业创新活跃度，对企业创新产生积极影响[2-3]，政府创新政策有利于促进产学研协同创新体系的形成[4]，推动区域创新体系的发展[5]。但也有部分学者指出，政府参与对创新活动影响并不显著，企业为获取补贴而产生的寻租行为会弱化政府政策补贴效果[6]，政府对创新活动的补贴会对企业研发投入产出挤出效应[7]。此外，由于信息不对称、政府与企业创新偏好不对称等问题的存在，也使政府对创新活动的支持难以发挥应有效用，反而阻碍区域创新效率的提升[8]。因此，如何准确评估创新型城市建设对城市创新能力的影响，识别试点政策的作用机制，对发挥城市创新在国家创新体系中的基础作用和支持作用具有重要意义。基于此，本文将创新型城市试点政策作为一项准自然实验，基于2003—2018年266个地级市面板数据，运用双重差分法考察创新型城市建设对城市创新能力的影响，并综合运用PSM-DID等方法对结论进行稳健性检验。

一、文献回顾与研究假设

关于创新型城市建设，现有文献已从创新型城市概念[9]、创新型城市发展模式[10]、城市创新能力评价[11]和经济效果[12]等多个角度展开丰富讨论。本文主要从以下角度分析创新型城市试点政策对城市创新能力的影响。一是从区域宏观层面来看，建设创新型城市是推进国家创新体系建设的关键环节，地方政府对试点政策多样化的理解有利于推动城市依托自身资源禀赋、产业特征和区位优势来探索创新发展模式[13]。二是从产业中观层面来看，创新型城市建设有利于提高区域创新要素集聚水平，强化城市体系中各经济主体之间的相互联系、相互依赖，促进产业间与产业内形成网络布局[14]，从而实现高新技术产业集群和新兴产业集群，推动传统产业由粗放、低技术水平向集约、高技术水平发展模式转变[15]。三是从企业微观层面来看，创新型城市建设通过财政支持、人才引进、信息化建设和营造创新环境等方面推动以城市为主体的创新体系建设[16]，政府能够通过创新政策弥补技术外部性导致的市场激励不足的问题，推动企业开展创新研发活动。由此可见，创新型城市试点政策通过探索创新发展模式、集聚区域创新资源、推动建设城市创新体系来推动城市创新能力的提升。因此，本文提出研究假设1。

假设1：创新型城市建设有利于促进城市创新能力的提升。

创新型城市建设对城市创新能力的影响机制主要表现在政府政策引领与区域创新环境建设两个方面。从政府政策引领的视角来看，创新型城市建设是政府参与和支持城市创新活动的一种重要探索，汇集国家和地方政府的政策合力，能够显著地刺激创新要素集聚，进而推动城市创新能力的提升。通过政府政策引领创新型城市建设可以优化城市创新资源配置与要素使用效率。城市创新能力的提升是城市经济内生演变与政府外生引导综合作用的结果，城市创新能力的提升无法仅仅依靠内生经济演变获得，需要政府政策的引领和支持。一方面，地方政府会通过制定科学的城市创新发展规划完善城市创新功能、探索城市创新模式，在市场配置资源的基础上引导城市创新资源向具有发展优势的领域配置，因此推动城市创新资源使用效率和城市创新能力的提高[6]。另一方面，在政府政策引领下的创新型城市建设有利于提高城市创新资源集聚能力与要素供给能力。基础知识与共性技术研发所具有的风险高、外部性强和回报不明显等特征导致企业在基础知识和共性技术研发领域缺少投入激励[17]，这也成为阻碍城市创新能力提高的一大因素。然而在政府政策引领下，创新型城市不仅可以通过加大政府对创新的资金投入来鼓励高校、科研机构开展基础知识和共性技术研发，保障企业开展创新活动所需要的知识基础供给，也可以通过企业与高校、科研机构等主体的合作来强化创新网络构建和促进创新要素的流动，推动科研成果的传播与共享，增强城市技术储备和持续创新能力[18]。

从区域创新环境建设角度来看，创新型城市建设激励地方政府营造有利于创新活动的软环境和硬环境，从而提高城市创新能力。在硬环境建设方面，创新型城市建设能激励地方政府增加新基建领域的财政支持力度。首先，交通、通信等基础设施的完善有利于降低创新市场上的信息不对称，促进城市创新资源配置效率优化[6]。其次，基础设施的完善可降低企业间交通运输成本、拉近企业间地理距离、缩短知识和技术传播的时间，为城市创新与知识创新提供良好的发展环境。最后，基础设施建设有利于促进知识的溢出、传播和共享，不仅可以降低企业创新需要面临的不确定性和复杂性，而且能够有效促进创新主体搜索、吸收和利用外部创新资源，以突破企业在创新过程中面临的人才、资金、技术知识等资源瓶颈[19]。在软环境建设方面，营造公平的市场环境、探索经济政策与科技政策协调发展的改革和管理是创新型城市建设的重要组成部分。一方面，减少创新主体开展研发活动所面临的无效率管制，营造公平的市场竞争环境，有利于激发民间创新活力和企业创新动力，提高城市创新能力[18]；另一方面，完善和强化知识产业保护机制也为创新主体提高创新私人收益提供了良好的制度保障，有利于稳定企业创新收益预期，激发企业家精神，提高企业开展创新活动的积极性。由此，本文提出研究假设2.1和假设2.2。

假设2.1：创新型城市建设能够在政府政策引领下显著地刺激创新要素集聚，进而推动城市创新能力提升。

假设2.2：创新型城市建设能够在区域环境建设中有效地完善创新活动软环境和硬环境，进而推动城市创新能力提高。

二、研究设计

（一）研究方法

由于影响城市创新能力的因素众多，因此无法直接比较政策试点城市在获批创新型城市前后创新能力的变化。一方面，被确立为创新型城市后其城市创新能力的提升可能并非因为政策作用，而是内部资源、外部环境及宏观经济形势变动的结果[20]；另一方面，同一时期内实施的其他区域政策也可能存在影响创新型城市的获批或城市创新能力的因素，对创新型城市政策评估带来较大的干扰与估计偏误[21]。若使用单差分法直接评估创新型城市对城市创新绩效的影响，通过比较城市创新绩效在获批创新型城市前后的变化，则无法排除其他共时性因素在同期内可能对模型带来的影响，往往会导致实际政策效应存在估计偏误[22]。因此，本文使用双重差分法来控制处理组与控制组政策实施前后差异，克服政策评估中存在的内生性问题[23]，从而更好地估计出政策实施对创新型城市创新能力的净效应。本文基于双重差分法的研究框架将受到政策影响的城市样本作为处理组，基于反事实框架将未受到政策影响的城市样本作为对照组，通过对比分析处理组和对照组的差异来评估创新型城市获批对城市创新效应的影响。

本文借鉴霍春辉等人[22]的处理方式，按照政策在不同城市间实施时序的差异来构建渐进性双重差分模型，严格控制城市和时间两个维度，确保两组样本在政策实施前满足共同发展趋势，以避免模型中可能存在的反向因果、遗漏变量和样本不足等问题。基本计量模型如式（1）所示。

其中，Innovate为城市创新能力；Treated为获批创新型城市试点后的政策效应，其中α1为创新型城市建设政策对城市创新影响的平均净效应，若α1回归系数为正，说明创新型城市建设政策有效地推动了城市创新能力的提升，反之则说明创新型城市建设政策并未推动城市创新能力的提升；Contril为一系列城市层面的控制变量；city和year为城市和年份的虚拟变量；ε为模型不可观测的随机误差项；下标i和t分别表示城市个体和年份。

（二）变量说明

被解释变量为Innovate。目前文献多采用地区专利数量来衡量区域创新能力[24]，但是使用专利数量衡量城市创新能力存在一定的不足。一方面，专利数量只能体现城市创新产出水平，缺乏对城市创新投入情况的描述，难以准确反映出城市创新能力；另一方面，专利数量并不能准确反映出专利价值，不同专利的价值差异较大，采用专利数量来衡量城市创新能力存在较大的误差[21]。因此，本文采用北京大学国家发展研究院张晓波发布的《中国区域创新创业指数（2019）》中区域创新创业指数来衡量城市创新能力，该指标将技术、人力和投资等多领域创新数据以企业角度有机统一联系起来，多维角度综合构建评价体系，从而能够更客观、真实地评估城市创新能力。

核心解释变量是Treated。为研究城市被确立为创新型城市试点后城市创新能力的变化情况，以政策性虚拟变量作为核心解释变量。依据国家已公布的创新型城市名单，某城市确立为创新型城市试点当年及此后各年Treated设定为1，否则设定为0，此方式以单一变量直接体现政策差分效应，直观地体现出政策逐渐实施的过程。

为了避免遗漏变量而产生内生性问题，确保实证结果的可信度，本文参考已有文献将可能影响城市创新能力的因素作为控制变量进行处理。一是经济发展水平（GDP），本文采用人均GDP对数来代表城市经济发展水平；二是财政支出规模（EXP），本文采用政府财政支出与GDP的比值来刻画地方政府对创新的财政支出力度；三是固定资产投资（INV），本文采用固定资产投资与GDP的比值来衡量城市基础设施投入规模；四是金融发展水平（FIN），本文采用银行信贷规模与地区GDP比值衡量建设创新型城市的金融环境；五是人力资本水平（HUM），本文采用在校大学生人数对数来描述城市创新所需要的人力资本情况；六是贸易开放水平（FDI），本文采用外商直接投资取对数来衡量技术溢出效应对城市创新的影响；七是产业结构（IND），本文采用第二产业与第三产业占GDP的比重来衡量城市产业结构。

（三）数据来源与描述性统计

在数据来源方面，被解释变量城市创新能力使用《中国区域创新创业指数（2019）》中的相应数据进行计量，其余变量数据来源于对应年份的《中国城市统计年鉴》。在数据处理方面，本文剔除数据缺失较为严重的部分城市样本，最终采用2003—2018年266个地级市面板数据，其中包含试点城市59个，非试点城市207个。变量描述性统计结果见表1。

表1 变量描述性统计结果

三、实证结果及分析

（一）基准回归结果分析

本文采用逐步回归法分析获批创新型城市试点后的政策效应对城市创新能力的影响，回归结果见表2。从估计系数可以看出，无论是否加入控制变量，在单差分法、双重差分法和广义最小二乘法下双重差分这三种模型的估计方法下，核心解释变量对城市创新能力影响的政策平均效应均呈现显著正向影响，表明获批创新型城市试点后能够有效促进城市创新能力的提高。对比单差分法与双重差分法的政策估计系数可以看出，在仅考虑是否为创新型城市试点的情况下，创新型城市试点政策对城市创新能力的平均效应大于双重差分法下的政策平均效应估计值，说明若不考虑创新型城市试点政策实施时间会导致对政策实际实施效果的高估。由表2中的模型3至模型6的估计结果可以看出，在使用异方差标准误和FGLS两种方法修正异方差问题后创新型城市试点的政策效应依然显著，表明模型估计结果具有有效性。

表2 基准回归结果

（二）分批效应和动态效应检验

考虑到创新型城市试点的获批是分批次进行的，那么不同批次之间的政策效应是否相同？随着创新型城市试点的逐渐增加，创新型城市建设对城市创新能力的影响是否能够持续？为了检验获批创新型城市试点后的分批效应和动态效应，本文按创新型城市试点获批时间，将创新型城市试点按2008年、2010年、2011年、2012年和2013年的顺序依次划分为第一批、第二批、第三批、第四批和第五批，从时间角度考察获批创新型城市试点后的政策效应对城市创新能力影响的动态趋势。从表3的回归结果可以看出，不同批次的创新型城市试点在获批后的政策效应均对城市创新能力提升存在显著的促进作用，但不同批次的政策效应其促进效果存在差异，整体表现出递减趋势，即随着创新型城市试点批次增加，获批创新型城市试点后的政策效应对城市创新能力的促进作用逐渐降低。从动态效应检验来看，在开展创新型城市建设当年，政策对城市创新能力的促进作用并不显著，表明获批创新型城市试点后的政策效应存在一定的滞后性，该滞后性随着试点批次的增加而逐渐减弱。

表3 分批效应和动态效应检验回归结果

（四）稳健性检验

1.平行趋势检验

为了检验渐进性双重差分模型的适当性，本文借鉴胡兆廉等人[25]的研究方法，回归结果如图1所示。图1展示了在95%置信区间下创新型城市建设对城市创新能力的回归系数，从回归结果中可以看出，在试点政策实施前，政策变量对城市创新能力的影响并不显著且呈现负向影响，在试点政策实施后，政策变量对城市创新能力的影响显著为正且呈现逐渐递增的趋势，表明整体上处理组与对照组满足平行趋势假设，即假设1成立，本文的结论具有稳健性。

图1 平行趋势假设检验结果

2.基于PSM-DID的稳健性检验

本文引入倾向匹配的双重差分方法对回归结果进行稳健性检验，该方法能够通过将处理组与控制组样本进行匹配以降低模型中存在的选择性偏误问题。借鉴李政和杨思莹[6]的研究方法，估计结果见表4。估计结果表明获批创新型城市试点对促进城市创新能力提升依然存在显著的政策效应，这说明了基准回归结果具有一定的稳健性。

表4 稳健性检验结果

3.子样本检验

本文参考饶品贵等人[26]的研究方法，通过剔除样本中的重点城市以降低非随机选择对模型估计结果的干扰，采用剔除处理组城市样本中直辖市、省会和副省级城市后的子样本对获批创新型城市试点后的政策效应进行估计，回归结果见表4。从回归结果中可以看出，在排除重点城市可能引起的非随机性干扰后，获批创新型城市试点对促进城市创新能力提升的政策效应依然将显著，表明在满足随机性假设后研究结论依然稳健。对比子样本与基准回归结果可以发现，政策效应的估计系数相较于全样本估计结果有所下降，说明获批创新型城市试点后的政策效应对普通城市创新能力的促进作用弱于对重点城市创新能力的促进作用。

4.安慰剂检验

为避免其他原因而非创新型城市政策导致的差异与城市创新能力提升产生关联，本文借鉴霍春辉等人[22]的研究方法，通过改变创新型城市试点获批时间来构建反事实检验方法对模型进行检验，结果见表4。可以看出，随着政策实施年份不断提前，政策假定执行时间的政策效应与实际执行时间的政策效应偏离度不断加大，估计系数也不断降低，反事实检验的估计系数与显著性水平随着假定时点与实际时点偏离程度增加而不断减弱，说明随着时间虚拟变量的提前，获批创新型城市试点的地级市与未获批创新型城市试点的地级市之间促进城市创新能力提升的因素差异逐渐消失，再次验证基准回归结果的稳健性。

5.替代被解释变量

专利作为研发与创新活动产出的重要成果，也是衡量城市创新能力的重要指标之一。为了更加全面地分析创新型城市建设对城市创新能力的影响，本文进一步选用专利申请量（Innovate1）的对数和专利授予量（Innovate2）的对数来替代城市创新能力作为被解释变量以检验结论的稳健性，回归结果见表4。可以看出，被解释变量被替换后获批创新型城市试点带来的政策效应依然对城市创新能力呈现出显著的促进作用，表明本文的研究结论不受被解释变量替代的影响。

四、机制检验

为进一步检验创新型城市建设对城市创新能力的影响机制，本文参考温忠麟等人的方法[27]，在式（1）的基础上构建中介效应计量模型，如式（2）、式（3）所示。

其中，Media为中介变量。式（2）为获批创新型城市试点后的政策效应对中介变量的回归方程，式（3）为同时纳入获批创新型城市试点后的政策效应与中介变量的回归方程。根据前文关于创新型城市试点对城市创新能力影响的分析，本文从获批创新型城市试点后的政策效应对城市创新要素集聚水平、基础设施建设水平和市场化环境三个维度检验政策冲击对城市创新能力的影响。第一，衡量创新要素集聚水平（Gather），选取企业R&D投入作为中介变量，研究获批创新型城市试点对创新要素集聚的影响。由于企业R&D投入难以获取地级市层面数据，本文借鉴肖叶等人[28]的研究方法，将省级数据与地级市数据进行匹配取自然对数带入回归，采用省级层面数据在一定程度上能够缓解创新型城市试点与区域创新之间的双向因果导致的内生性问题。第二，衡量基础设施建设水平（Basic），选取年末市区道路面积作为基础设施建设水平的衡量指标，基础设施的完善能够降低企业间交流成本，缩短知识和技术传播时滞，从而推动创新活动开展。第三，衡量市场化水平（Market），良好的市场化环境能够提高城市创新资源配置效率，促进企业探索新工艺、研发新产品与开拓新市场。因此，本文选取樊纲等人[29]编制的市场化指数作为创新活动软环境建设的衡量指标，同样采取省级数据与地级市数据匹配的方式带入模型。

中介效应检验结果见表5。从表5的回归结果中可以看出，获批创新型城市试点能够显著提高城市创新要素集聚水平，提高城市基础设施建设水平，完善市场化环境，从而推动城市创新能力提高。具体来看，获批创新型城市试点后的政策效应这一变量对创新要素集聚水平、基础设施建设水平和市场化水平的回归结果均显著为正，说明创新要素集聚、基础设施建设水平和市场化水平的提升能够有效促进城市创新能力的提升，即假设2.1和假设2.2成立。

表5 中介效应检验结果

五、异质性检验

（一）区域异质性检验

不同区位的城市在发展过程中会衍生出各自的区域特质，城市区位的不同导致城市在交通便利程度、对外开放水平、人才集聚水平和创新政策等方面存在较大差异。为了更加全面地考察创新型城市建设对城市创新能力的影响，本文按照地理位置将样本分为东部城市、中部城市与西部城市带入回归模型，分析区域异质性下创新型城市建设的政策效应差异，结果见表6。从表6可以看出，创新型城市建设对不同区域城市创新能力的提升均呈现显著的促进作用，但是该作用效果的大小存在区域异质性差异。整体来看，对不同区域城市创新能力的促进作用呈现出由东向西递减的趋势。其原因在于，东部地区城市在基础设施建设、制度环境和经济实力等方面相对领先于中、西部地区城市，使得东部地区城市集聚了较多的创新资源，从而在创新型城市试点的政策激励下更好地促进城市创新能力提升；而中、西部地区城市在创新方面的基础设施薄弱、激励机制不健全，使得创新型城市试点的政策没能最大化驱动城市创新能力的提高。

表6 异质性检验回归结果

（二）规模异质性检验

城市规模是影响城市创新能力的重要因素之一，规模大的城市能够为高风险的创新活动提供多样化资源和物质保障，从而在创新领域具有一般城市不可比拟的优势。为了分析创新型城市建设在规模异质性下对城市创新能力作用的差异，本文按照《国务院关于调整城市规模划分标准的通知》[30]中的城市规模划分标准，将样本划分为超大特大型城市、Ⅰ型大城市和Ⅱ型大城市三组，回归结果见表6。从结果中可以看出，创新型城市建设能够有效促进大城市创新能力的提高，但不同规模城市之间的政策效应存在较强的异质性，整体上表现为随城市规模下降而呈现递减趋势。这说明获批创新型城市试点后对城市创新能力提升的政策效应具有较强的规模效应，伴随着城市规模的增加，创新型城市试点对城市创新能力促进作用的政策效应越明显。其原因在于大城市具备较强的创新人才与创新资源集聚效应，在建设创新型城市的过程中能够更好地发挥创新优势，推动城市转型，而中小城市创新人才与资源储备薄弱，在建设创新型城市的过程中需要较长时间的准备，因而创新型城市试点对其创新能力提升的驱动效果较弱。

六、结论与建议

本文将创新型城市试点政策作为一项准自然实验，基于266个地级市2003—2018年的面板数据，利用双重差分模型分析了创新型城市建设对城市创新能力的影响，得出以下结论。

第一，创新型城市建设是政府参与和支持城市创新活动的一种重要探索，汇集了国家和地方政府的政策合力，能够显著地刺激创新要素集聚，进而推动城市创新能力提升。与非创新型试点城市相比，创新型试点城市创新能力比非试点城市平均高出0.344个单位。

第二，从批次效应检验结果来看，不同批次的创新型城市试点在获批后的政策效应均对城市创新能力提升存在显著的促进作用，但不同批次的政策效应的促进效果存在差异，整体表现出递减趋势，即随着创新型城市试点批次增加，获批创新型城市试点的政策效应对城市创新能力的促进作用逐渐降低。其原因在于，后期获批城市在建设过程中存在“形式模仿”，即为了获得创新型城市试点批复，在创新能力发展方面对前期获批城市进行形式上的模仿，削弱了获批创新型城市试点后的政策效应对城市创新能力的促进作用[14]。

第三，从动态效应检验结果来看，创新型城市建设对城市创新能力的动态作用呈现边际递增趋势，即随着建设时间的增加，创新型城市建设对城市创新能力的促进作用越强，表明创新型城市建设能够通过内生作用拉动城市创新能力的增长，这对于中国实施创新驱动战略、实现新旧动能转化具有重要的现实意义。

第四，在作用机制检验方面，本文从城市创新要素集聚水平、基础设施建设水平和市场化环境三个维度检验政策对城市创新能力的影响。结果表明，政府政策引导与城市创新活动的软硬件环境完善是创新型城市建设推动城市创新能力的作用机制。

第五，在异质性检验方面，区域异质性检验表明创新型城市建设对城市创新能力的促进作用呈现出由东向西递减的规律；规模异质性检验表明创新型城市建设对城市创新能力提升的政策效应随着城市规模增加而增强。

基于以上研究结论，本文提出以下政策建议。

第一，在经济增长由要素驱动向创新驱动转变的大背景下，创新型城市建设能够对促进城市创新能力的提高发挥积极作用，这意味着建设创新型城市是城市经济高质量发展的重要路径，推动城市创新能力提高需要总结创新型城市试点经验，进一步完善、推广创新型城市试点制度，充分发挥中央政府对地方创新战略指导和规划作用。

第二，创新型城市试点分批次分区域推进，不同批次和区域的试点的政策对城市创新能力的推动效应存在差异，因此要注重创新型城市试点政策的批次效应和协同效应，通过设计创新型城市梯度发展战略，明确不同批次不同城市创新重点，因地制宜，强化地区间创新协同效应，充分发挥多种政策叠加对创新的促进作用。

第三，探索创新型城市试点政策推动城市创新能力发展的多维路径，完善城市创新发展体系。在创新型试点城市建设过程中，应坚持政府政策引领，加大政府科技投入和科研补贴力度，激发城市创新活力，促进城市创新能力提升。

第四，以高质量发展作为创新型试点城市的建设目标，优化创新创业生态环境。完善城市基础设施建设，优化城市金融服务体系，支持新兴产业发展，不断扩大创新市场需求。完善以市场调控为主、政府和市场相结合的产业扶持手段和工具，激发企业创新热情，加快创新人才引进与创新人才培养，为创新活动的开展储备充足、优质的要素和资源，营造良好的创新环境。

第五，创新型城市建设需要综合考虑城市自身经济发展优势，优化创新资源配置效率，根据城市所在区位、城市人口规模、城市行政级别等条件因地制宜、因时而异实施创新策略，从而提高城市创新能力，构建具有区域特色的城市创新体系，避免单一创新模式导致的创新资源浪费，必要时可以建立创新型城市试点退出机制，充分增强国家创新体系的灵活性和监督性。