长三角建设统一大市场的时空格局和影响因素：基于产业创新一体化的视角

摘 要：基于长三角高新技术企业总部—分支机构数据，采用社会网络分析和空间计量等多种方法，刻画2013—2020年创新网络的演化趋势和结构特征，实证检验产业创新一体化的影响因素。研究发现：（1）长三角城市间产业创新联系日趋增强，中心城市对整个区域的辐射扩散效应不断提升。（2）各城市网络中心度差值显著缩小，核心城市的中介地位逐渐弱化，城市之间的相对差距趋于收敛，多中心的网络空间格局正在形成。（3）产业创新的核心—边缘网络结构突出，空间分异明显。从空间联系演变进程看，产业关联的原有联系强度不断提升，同时更多城市开始探索关联的新方向。（4）基于空间计量模型的实证结果表明，科技创新是推动产业联动发展的关键因素，而技术溢出对产业创新一体化的影响存在不确定性。

关键词：创新网络；技术溢出；股权关联；统一大市场；长三角

作者简介：谢凡，南京大学长江产业经济研究院研究助理，主要从事价值链与产业创新研究；徐宁，南京大学长江产业经济研究院教授，主要从事价值链与产业创新、商业创新与创业研究。

中图分类号：F127 文献标识码：A 文章编号：1001-4403（2023）01-0020-14

DOI：10.19563/j.cnki.sdzs.2023.01.003

一、引言

《中共中央 国务院关于加快建设全国统一大市场的意见》明确指出，“加快建立全国统一的市场制度规则，打破地方保护和市场分割，打通制约经济循环的关键堵点，促进商品要素资源在更大范围内畅通流动，加快建设高效规范、公平竞争、充分开放的全国统一大市场”，并将“促进科技创新和产业升级”纳入主要目标体系，提出“发挥超大规模市场具有丰富应用场景和放大创新收益的优势，通过市场需求引导创新资源有效配置，促进创新要素有序流动和合理配置，完善促进自主创新成果市场化应用的体制机制，支撑科技创新和新兴产业发展”。长三角地区地缘相近、文化相通、人缘相亲，是我国经济发展最为活跃、对外开放最为积极、创新活力最为强大的地区之一。随着长三角一体化发展国家战略的深入推进，长三角地区有能力、有责任率先探索全国统一市场的形成机制，并成为促进形成国内强大市场的重要推动力量。①（①参见刘志彪、徐宁：《统一市场建设：长三角一体化的使命、任务与措施》，《现代经济探讨》2020年第7期，第1-4页。）

习近平总书记在扎实推进长三角一体化发展座谈会上强调，长三角地区要“勇当我国科技和产业创新的开路先锋”。贯彻落实习近平总书记的要求应当从产业创新一体化的视角出发，打破行政边界壁垒，打通制约经济循环的堵点，以市场机制实现资源要素在更大范围内自由流动与最优配置，进而形成创新关联网络以及由此产生的技术溢出效应，从而促进科技和产业创新的融合式发展。这其中，除了自身Ramp;D积累外，接收技术外溢是区域创新的重要途径，降低创新要素跨区域流动的制度壁垒和交易成本，增强创新系统在创新协同等方面的空间关联效应，是长三角产业创新一体化的重要内容。

本文选取产业创新的重要主体——高新技术企业作为研究对象，应用社会网络分析法刻画长三角产业创新的空间关联性。第一，从创新网络格局、空间、方向等3个维度系统揭示了长三角产业创新一体化网络的时空演变特征；第二，基于邻接关系设定空间权重矩阵，刻画城市产业创新关联的集散程度，并构建空间计量模型探究产业创新一体化的影响因素。

本文主要贡献在于：找到了“技术创新外部性”的证据，基于严格的实证检验为技术创新从发明者向模仿者“扩散”提供了经验支持，丰富了技术溢出与创新一体化异质性领域的研究，具有明确的政策含义。本文以下部分安排：第二部分述评相关文献；第三部分介绍研究方法和数据来源；第四部分总结产业创新一体化的演变特征，描述典型事实；第五部分展示实证结果，揭示影响产业创新一体化发展的因素；第六部分得出研究结论；第七部分提出政策建议。

二、文献述评

（一）创新网络与产业创新一体化

在信息技术的推动下，地理距离的作用逐渐弱化，城市的形态与功能发生深刻变革，区域空间结构研究正逐渐由传统的基于中心地理论的等级模式转变为流动空间视角下的网络化模式。①（①Beaverstock J V，Smith R G，Taylor P J.World-City Network：A New Metageography？.Annals of the Association of American Geographers，2020，90（1），pp.123-134；参见陈伟、修春亮、柯文前等：《多元交通流视角下的中国城市网络层级特征》，《地理研究》2015年第11期，第2073-2083页。）面对这一变化，城市网络成为学者研究的热点。作为一种新型空间组织形式，它强调跨越行政界限的城市之间的功能联系，换言之，城市网络是城市功能关系在空间上的反映。②（②参见钟韵、叶艺华、魏也华：《基于创新联系的城市网络特征及影响因素研究——以粤港澳地区为例》，《科技管理研究》2020年第7期，第1-9页。）资本、技术、人才、信息等关键要素在区际流动形成的创新流作为评价产业创新一体化发展的主要依据，是城市网络研究的一个重要切入点。早在20世纪80年代，日本学者阿部和俊、日野正辉就基于总部—分支归属模型开展了城市创新网络实证研究。③（③Abe K.Head and Branch Offices of Big Private Enterprises in Major Cities of Japan.Geographical Review of Japan，1984，57（1），pp.43-67；Hino M.The Territoriality of Domestic Branch Offices of Japanese Firms as a Noneconomic Principle Influencing the Choice of Branch Office Location.The Science Reports of Tohoku University：7th Series，1999，49（1），pp.1-22.）之后，泰勒、迪鲁德等人聚焦高端生产性服务业提出了连锁模型的算法，建立起城市间服务价值矩阵。④（④Taylor P J.Specification of the World City Network.Geographical Analysis，2001，33（2），pp.181-194；Liu X，Derudder B.Analyzing Urban Networks Through the Lens of Corporate Networks：A Critical Review.Cities，2013，31，pp.430-437.）近年来，随着我国创新驱动发展战略的不断深入，网络化研究方法被逐渐引入创新联系之中，并衍生出三种主流研究思路。一是利用改进的引力模型量化城市间创新联系强度进而分析网络空间格局⑤（⑤参见王越、王承云：《长三角城市创新联系网络及辐射能力》，《经济地理》2018年第9期，第130-137页；蒋天颖、谢敏、刘刚：《基于引力模型的区域创新产出空间联系研究——以浙江省为例》，《地理科学》2014年第11期，第1320-1326页；牛欣、陈向东：《城市间创新联系及创新网络空间结构研究》，《管理学报》2013年第4期，第575-582页。）；二是基于合作专利数据探究创新联系的时空演化⑥（⑥参见张明倩、柯莉：《“一带一路”跨国专利合作网络及影响因素研究》，《软科学》2018年第6期，第21-29页；付晓宁、孙伟、闫东升：《长三角专利转移网络的时空演化研究》，《长江流域资源与环境》2021年第10期，第2347-2359页；殷德生、吴虹仪、金桩：《创新网络、知识溢出与高质量一体化发展——来自长江三角洲城市群的证据》，《上海经济研究》2019年第11期，第30-45页；吕丹、王等：《“成渝城市群”创新网络结构特征演化及其协同创新发展》，《中国软科学》2020年第11期，第154-161页。）；三是利用企业总部—分支机构模型测度城市之间的联系，强调总部所在地对分支机构所在地的控制力。①（①参见蒋小荣、杨永春、汪胜兰等：《基于上市公司数据的中国城市网络空间结构》，《城市规划》2017年第6期，第18-26页；钟业喜、傅钰、朱治州等：《基于母子企业联系的上市公司网络结构研究——以长江中游城市群为例》，《长江流域资源与环境》2018年第8期，第1725-1734页；李哲睿、甄峰、傅行行：《基于企业股权关联的城市网络研究——以长三角地区为例》，《地理科学》2019年第11期，第1763-1770页。）相比之下，企业间通过交易或投资形成的股权关联关系包涵经济资源和创新要素的空间转移，基于高企跨区投资数据构建创新网络能够揭示城市间技术流动路径，反映创新的集聚与扩散，具有更强的微观基础。网络密度、中心度、核心—边缘模型等社会网络分析指标都强调了城市作为节点在塑造整个网络体系中的作用，体现了跨区协同和产业创新一体化的演化与特征。

（二）技术溢出与产业创新一体化

技术溢出对跨区域产业创新的影响一直备受学术界广泛关注。阿罗认为技术具有公共产品的性质②（②Arrow K J.The Economic Implications of Learning by Doing.Review of Economic Studies，1971，29（3），pp.155-173.），发明者难以占有其全部创新成果。换句话说，因外部性的存在而可能出现“搭便车”的现象。特定创新主体的研发成果不仅能提升自身的创新能力，而且可以通过技术外溢渠道从而产生正外部性。后进地区可以通过“干中学”和人力资本积累将外部技术本地化，依托模仿创新逐步向自主创新阶段过渡。③（③参见唐未兵、傅元海、王展祥：《技术创新、技术引进与经济增长方式转变》，《经济研究》2014年第7期，第31-43页。）地区之间的技术溢出是双向的且对创新产出的影响具有双重性质，即各地区之间天然存在相互作用、相互依赖的关系④（④参见魏守华、姜宁、吴贵生：《内生创新努力、本土技术溢出与长三角高技术产业创新绩效》，《中国工业经济》2009年第2期，第25-34页。），地区i研发活动所产生的新知识、新技术会流入其他地区使得这些地区的创新成本下降，但地区i却不能因此获得任何报酬，其科技创新的激励将下降；但同时地区i也可以得到来自其他地区的技术溢出却不必为此支付费用，这将促使地区i加大研发力度，从而增加创新产出。⑤（⑤Spence M.Cost Reduction，Competition，and Industry Performance.Econometrica，1984，52（1），pp.101-122.）实际上，由于一个地区往往不会注意到本地区技术溢出对其他地区产生的影响，但能充分利用来自其他地区的技术溢出，因此第二种技术外溢效应更加明显。⑥（⑥参见尹静、平新乔：《中国地区（制造业行业）间的技术溢出分析》，《产业经济研究》2006年第1期，第5-14，72页。）对跨区投资的高新技术企业而言，通过设立分支机构将市场化的技术溢出转化为内部化的技术转移，这既是子公司先进技术的重要来源，有利于市场整合和纵向一体化，同时也有利于当地厂商获得规模经济和横向一体化效应的经济利益。大量文献从全要素生产率⑦（⑦参见方希桦、包群、赖明勇：《国际技术溢出：基于进口传导机制的实证研究》，《中国软科学》2004年第7期，第58-64页。）、创新产出⑧（⑧参见范如国、蔡海霞：《FDI技术溢出与中国企业创新产出》，《管理科学》2012年第4期，第13-21页。）、技术进步⑨（⑨参见魏守华、姜宁、吴贵生：《本土技术溢出与国际技术溢出效应——来自中国高技术产业创新的检验》，《财经研究》2010年第1期，第54-65页。）、经济增长⑩（⑩参见韩峰、王琢卓、阳立高：《生产性服务业集聚、空间技术溢出效应与经济增长》，《产业经济研究》2014年第2期，第1-10页。）等视角为技术溢出的正效应提供了丰富的经验证据。技术溢出能改善本地创新要素积累不足、抵减空间层面的边际报酬递减B11（B11Costa M，Iezzi S.Technology Spillover and Regional Convergence Process：A Statistical Analysis of the Italian Case.Statistical Method amp; Applications，2004，13（3），pp.375-398.），进而实现创新一体化整合。

三、研究方法与数据来源

基于高新技术企业视角的创新网络分析主要通过高企总部—分支机构所在地之间的数量关系，构建起城市之间的邻接矩阵，以此来研究创新网络的节点关系和流向关系。

（一）研究方法

1.网络密度

在社会网络分析中，网络密度用于测算节点城市之间联系的紧密程度。网络密度越高，节点间联系越紧密。无向的整体关系网络密度计算公式如下：

其中：D表示密度，m表示网络中实际存在的关系数，N表示网络成员数目。

2.度数中心度和中间中心度

中心性用以反映个人或组织在社会网络中的影响力。中心性指标有很多，较为常用的有度数中心度和中间中心度。

（1）度数中心度。度数中心度是指一个节点与其他节点的连接个数，度数中心度越高，说明其在网络中越处于中心地位。在有向网络中，每个点的度数可分为点入度和点出度。当为比较网络中不同点的度数中心度的大小时，则采取相对中心度。

其中：xij的值为0或1，若节点i与节点j有创新联系，xij的值为1，否则为0；N表示网络成员数目。

（2）中间中心度。中间中心度是指网络中的某个节点居于其他两个节点之间的频度，反映其在多大程度上控制其他点对之间的交往。中间中心度可以反映某个节点在网络中的“中介能力”，其数值越高表明该节点在网络中起到的中介作用越强，对资源的控制能力亦越强。

其中：gjk（i）表示节点j、k相连接，且经过节点i的最短路径数，gjk表示节点j、k相连接的最短路径数；i≠j≠k。

3.核心—边缘分析

采用核心—边缘模型对网络“位置”结构进行量化分析，大致识别出哪些节点城市在创新网络中处于核心地位？哪些节点城市处于边缘位置？以及两类行动者群体内部及群体之间联系紧密程度又如何？一般情况下若拟合系数大于0.5，则说明模型拟合程度较好，创新网络的结构符合核心—边缘结构，否则创新网络的结构便不是核心—边缘结构。

4.空间面板计量模型

经Moran’s I检验确定研究样本属性存在空间相关性后，应将经典计量经济学中忽略的空间因素纳入研究中，本文采用普通最小二乘法（OLS）、空间滞后（SLM）、空间误差（SEM）、空间杜宾（SDM）等计量模型进行对比分析。

①空间滞后模型。在空间滞后模型中，被解释变量间存在较强的空间依赖性，进而邻地被解释变量会通过空间传导机制对本地解释变量产生影响。

其中，X为n×k解释变量矩阵，y为被解释变量矩阵，W为空间权重矩阵，λ为空间自回归系数，β为待估参数矩阵，ε为随机扰动项矩阵。

②空间误差模型。在空间误差模型中，邻地误差项会通过空间传导机制影响本地的被解释变量。

μ=pwμ+δ

其中，X为n×k解释变量矩阵，y为被解释变量矩阵，W为空间权重矩阵，μ为误差项矩阵，ρ为空间项系数，β为待估参数矩阵，ε为随机扰动项矩阵。

③空间杜宾模型。在空间杜宾模型中，本地被解释变量的变化不仅受到本地解释变量的影响，还受到邻地解释变量的影响。

y=λwy+xβ+wxδ+ε

其中，X为n×k解释变量矩阵，y为被解释变量矩阵，W为空间权重矩阵，λ为空间自回归系数，δ为空间项系数，β为待估参数矩阵，ε为随机扰动项矩阵。

（二）数据来源

依据公开信息搜集2013—2020年长三角地区高新技术企业数据，并对其进行清洗、整理，长三角地区注册且经营状态正常（在业/存续）的10万多家高新技术企业的总部—分支机构数据。需要说明的是，长三角在中国乃至全球都有庞大的股权联系，由于本文研究对象为长三角内部企业间的投资关联，因此剔除长三角与外部地区股权关联数据，对保留数据进行反复核查以确保有效性，最终得到企业跨区域（城市）投资数据近2万条。

四、长三角产业创新一体化的时空格局

（一）产业创新一体化格局：从“极核”走向“均衡”

长三角地区城市间产业关联网络密度值整体上呈现逐年增长趋势，年均增长率为26.5%，这表明城市间产业创新联系日趋增强，中心城市对整个区域的辐射扩散效应不断提升，反映了区域集群优势和规模效应的有效发挥，有助于推动区域一体化和统一大市场建设。

运用中心性指标从时间和空间两个维度对长三角地区产业创新一体化网络中的各节点城市的地位进行分析，可以反映出长三角创新网络的发展态势。

由表2可知，各城市度数中心度逐年上升，说明区域整体创新联系更加紧密。上海作为长三角“龙头”，始终处于度数中心度首位，作为核心节点城市的南京、苏州、杭州、合肥在度数中心度排名中均呈现高位稳定特征，体现出较高的影响力和竞争力。2013年各城市的度数中心度相差较大，存在普遍的“小马拉大车”现象，少量城市却吸引了区域绝大部分的投资。但此后，各城市度数中心度差值显著缩小，逐渐向均衡化方向转变，长三角创新一体化发展的逻辑基本形成。

从表示“中介能力”的中间中心度来看（表3），中介极化现象逐渐缓解，由单核转向多中心的趋势凸显。2013年上海中间中心度是第二位城市的3倍，占中间中心度总值的36%，在产业创新网络中居核心中介地位，其他城市对其依赖程度较高，但此后其中间中心度大幅下降，甚至在2018年低于合肥。合肥、南京中间中心度始终处于前列，显示出两地在其他城市产业关联的过程中发挥了重要的桥梁作用。杭州中间中心度排名从2013年的第7位上升至2020年与上海并列第一，重要程度不言而喻。整体来看，各城市中间中心度差距明显缩小，说明核心城市的中介地位逐渐弱化，城市之间的相对差距趋于收敛，多中心的网络空间格局正在形成。

（二）产业创新一体化空间：从“分散”走向“融合”

长三角产业创新的核心—边缘网络结构突出，空间分异明显。最近8年来，长三角创新空间网络日益突破行政区划界限，不同省域归属的城市建立起日渐紧密的空间关联性。从群体联系密度看，核心区城市间产业联动频繁，而边缘区城市间的创新联系则十分薄弱。也就是说，边缘城市更加倾向于与核心城市展开合作，而非与同是边缘的其他城市联系。从演化的进程来看，核心区城市之间的联系密度趋于弱化，而与边缘区城市之间的联系不断加强，这表明长三角产业创新网络格局逐渐向均衡化转变，核心区对边缘区辐射带动作用日趋增强，核心城市资源过分集中的现象有所缓解。此外，核心区成员数量不断增加，越来越多的城市逐渐融入了产业创新一体化网络之中。但值得注意的是，安徽省除合肥外无一进入核心区，这表明安徽尚未与外界建立起高频次、强关联的产业联系。

（三）产业创新一体化方向：从“小众”走向“集群”

以跨区投资总数作为产业关联强度的测度值，以城市间分支机构数量代表边强度，将2013、2015、2018、2020年4个时间节点的产业创新关联进行空间量化和分级处理，以此研究长三角产业创新一体化的演变特征（图1）。总体上，长三角大、中城市产业创新联系较为紧密，大规模的对外投资主要集中于上海、苏州、南京、杭州、合肥等核心城市，边缘城市有逐渐融入的趋势。从空间联系演变进程来看，产业关联的原有联系强度不断提升，同时更多城市开始探索关联的新方向。

（1）城市的结节性大致与其经济发展水平一致。以2020年为例，杭州（1306）和上海（1293）是网络中联系边数最多的城市，南京、苏州处于第二层级（500～1 000），合肥、无锡紧随其后（200～500）。湖州、嘉兴、宁波、常州、温州、绍兴、南通、扬州等地为第四层级，边强度在100～200。其他城市的边强度则在100以下，在区域网络中一般处于被支配的位置。

（2）创新网络联系流呈现明显的地理邻近空间梯度格局。前三组联系流分别为上海—苏州、上海—南京、苏州—上海，第四、五组联系流分别为上海—杭州、上海—合肥，至此，一市三省城市均纳入核心网络流中。

（3）近8年来，长三角高新技术企业跨区域（城市）投资网络密度呈现持续增加态势，2020年高企跨区域设立分支机构数量与2013年相比增长了近20倍。这表明长三角正朝着产业一体化快速迈进，且2018年以来步伐明显加快。具体来看，2013年产业关联网络极化效应明显，核心区城市（上海、南京、无锡、苏州）对外设立分支机构总量占长三角的55.93%，边缘区城市对外联系较少，超过20%的城市没有跨区投资。2015年上述4个城市对外设立分支机构数量占比下降至49.82%，杭州融入网络核心，核心城市的技术扩散能力明显增强。跨区投资实现全域覆盖，形成了长三角产业创新一体化网络格局的基本雏形。2018年核心区进一步扩围，次级节点城市与核心城市关联度明显提升。原始核心区4大城市对外投资占比下降至42.37%，均衡化特征愈发凸显。2020年网络密度显著提升，超过40%的城市逐渐融入核心区，核心城市辐射带动效应充分显现，同时边缘区城市之间也架起了沟通的桥梁，多中心、强关联的产业创新格局最终形成。

五、长三角产业创新一体化的影响因素

（一）变量选取

1.被解释变量。以高新技术企业跨区设立分支机构数量代表长三角产业创新联系的规模，从而测度创新关联的作用机制。

2.核心解释变量。以技术溢出反映长三角地理单元之间的技术扩散效应。技术空间扩散理论的基本观点是，技术围绕创新起源点向周围地区扩散，中心密度高，向外随距离而衰减，即技术溢出的近邻效应十分明显。为此，借鉴Caniels amp; Verspagen、Funke amp; Niebuhr等研究方法①（①Caniels M C，Verspagen B.Barriers to Knowledge Spillovers and Regional Convergence in an Evolutionary Model.Journal of Evolutionary Economics，2001，11（3），pp.307-329；Funke M，Niebuhr A.Regional Geographic Research and Development Spillovers and Economic Growth：Evidence from West Germany.Regional Studies，2005，39（1），pp.143-153.），以测算区域间技术溢出量，计算方法如下：

其中，Sj表示j区接收来自i区的技术溢出量；δj表示j区的学习能力（用人均教育经费投入表示），dij表示i、j之间的地理距离；Gij表示i、j之间的技术差距（K用Ramp;D经费存量表示）；μj表示校正作用的常数。

3.控制变量。包括科技创新、创新资源、经济实力、工业化程度、收入水平、信息化水平以及政策支持等。

（二）实证模型

1.空间相关性分析

为探究长三角产业创新关联是否存在空间相关性，对41个城市2013—2020年高企跨区投资进行全局Moran’s I测算（表7），发现除2020年外Moran’s I均显著为正，说明长三角产业创新联系存在一定的空间相关性。

为进一步分析长三角产业创新关联在空间上的异质性，本文绘制了高企跨区投资局域Moran’s I散点图（图2）。发现Moran’s I散点集中分布第一象限（高—高聚类）、第三象限（低—低聚类），显示了较强的局域空间相关性。此外，上海、苏州、无锡始终位于第一象限，作为产业创新的领头雁，带动周边城市协同创新的高质量发展。

综合全局与局域空间相关性检验结果可知，长三角产业创新一体化发展确实存在显著的空间相关性，因此有必要将空间效应纳入实证分析。

2.回归结果分析

为了确定最佳拟合模型，本文进行了一系列诊断性检验。LM检验（表8）结果显示，空间计量模型优于传统面板模型；此外，为了判断应选择固定效应还是随机效应，本文进行了Hausman检验，结果表明，在1%显著性水平下强烈拒绝原假设，因此应选择固定效应模型；LR检验（表9）结果表明SDM模型优于SEM模型和SLM模型。样本个体数＞时点数，考虑到城市之间的差异，采用个体效应模型①（①参见钟昌宝、钱康：《长江经济带物流产业集聚及其影响因素研究——基于空间杜宾模型的实证分析》，《华东经济管理》2017年第5期，第78-86页；唐运舒、冯南平、高登榜等：《产业转移对产业集聚的影响——基于泛长三角制造业的空间面板模型分析》，《系统工程理论与实践》2014年第10期，第2573-2581页。）。综上所述，本文空间计量模型最终设定为个体固定效应的SDM模型，以探究长三角产业创新网络的影响因素。

从表10中的空间杜宾模型（SDM）结果来看，W×X1、W×X6均在1%水平上显著，这表明因变量的空间滞后项和自变量的空间交互项存在空间溢出效应，即相关驱动因素在空间上会对其他地区产业创新关联产生影响，也进一步说明如果不考虑空间效应，可能导致实证结果出现偏误。当存在空间滞后项时，自变量的回归系数并不能正确反映对因变量影响的边际效应，需对方程式（7）通过偏微分处理将空间效应分解为直接效应、间接效应和总效应来反映。①（①Lesage J，Pace R K.Introduction to Spatial Econometrics.Boca Raton：CRC Press，2009.）其中直接效应表示解释变量对本地区造成的平均影响，间接效应表示解释变量对其他地区造成的平均影响，总体效应表示解释变量对所有地区造成的平均影响。回归结果见表11。

六、研究结论

（1）技术溢出对创新一体化的影响。技术溢出的影响存在异质性，表现为直接效应为负、间接效应为正；也就是说，城市i跨区设立分支机构对周边城市产生了更多的有利影响，提高了周边城市的创新水平，但它不但没有因此获益，反而蒙受损失。本文找到了“技术创新外部性”的证据，基于严格的实证检验为技术创新从发明者向模仿者“扩散”提供了经验支持。总体效应则为不显著的正效应，意味着技术溢出对整个长三角区域创新一体化的影响存在不确定性，技术创新的私人收益率与社会收益率没有达到平衡，因此无论是产业间技术溢出还是区域间技术溢出，都必须强调创新者与模仿者之间的收益分配。

（2）从控制变量来看，①每万人专利授权量的直接效应、间接效应以及总体效应均为正，表明科技创新不仅促使自身对外联系意愿加强，而且也带动周边地区开放，从而能够显著推动整个长三角区域的产业联动。②每万人口高等学校在校学生数的直接效应和总体效应均显著为负，间接效应为不显著的负效应，表明创新资源对城市创新联系有抑制作用。可能的解释是，高校的创新成果主要以论文形式展现，与外界的创新联系更多地表现为知识溢出，而本文衡量创新联系的视角为高新技术企业跨区股权关联，长三角内部高校与企业之间较少存在跨区产学合作，同时这也恰恰证实了科技与产业“两张皮”难题尚未解决。③经济实力和信息化水平的直接效应显著为正、间接效应和总体效应不显著，意味着经济和信息技术较发达的城市更容易与兄弟城市开展创新合作，从而增强区域整体创新联系，但对周边城市的辐射带动作用十分有限，尚未形成示范效应。④收入水平的直接效应显著为正、而间接效应显著为负，表明本地区就业人员平均工资水平存在“挤出效应”，越高越不利于周边地区的创新联系发展，但会促进本地区的创新联系，但这种促进作用小于抑制作用，从而导致总体效应不显著。⑤地方财政支出的直接效应、间接效应以及总效应均不显著，表明政府行为对产业创新联系的激励作用仍需加强。

七、政策建议

针对长三角产业创新一体化机制中的短板和问题，本文的政策建议如下：第一，建立创新成果利益分享机制，充分调动各方参与积极性。一方面，完善相关法律，制定激励政策以激发各创新主体的研发热情，如借鉴美国经验研究制定中国版的《拜杜法案》，探索合理有效的利益分配机制，为各创新主体的利益保护提供必要的法律支撑。尤其是对知识产权这一无形资产，需要结合产业发展实际，深化知识产权体制机制改革，提高专利转化运用效率。另一方面，组建长三角利益共享专家评审委员会，对一市三省各方参与产业创新一体化的利益得失进行测算评估，尤其是对资源输出方和技术溢出方进行必要的补偿和奖励，理顺权属利益关系，充分调动一市三省协同创新的积极性。第二，完善平台建设和中介服务，以市场机制促进创新链和产业链深度融合。着重构建技术经纪制度，培育强大的技术转移中介市场，扶持生产力促进中心、科技信息中心、知识产权法律中介机构、金融机构等科技服务和转化的中介平台发展，并依托中介平台打通企业与高校、科研机构的藩篱，实现技术需求方和供给方的无缝对接，把割裂的技术与市场有效衔接，促进科技成果转移转化。第三，打破行政区划壁垒，协调政策落实，构建长三角多元互补、合作共赢的产业体系和发展格局。推进长三角一体化发展，首先要解放思想，破除政策认知壁垒，摒除地方保护主义，消除体制机制对科技资源配置的扭曲。建议在正确认识由于发展阶段和资源禀赋的不同造成的发展差异的基础上，充分发挥各自比较优势，统筹规划各地产业布局，避免无序竞争、资源浪费以及产能过剩，力求做到合理分工、协调发展。第四，政府内部应进一步做好财政支出绩效评价工作，调整支出结构，优化财政资源配置。取消绩效低下的专项资金，体现奖优罚劣和激励相容导向，使财政资金的安排使用更趋合理、有效，为长三角高质量一体化发展和区域统一大市场建设提供更加有效的财力保障和政策支持。

[责任编辑：李思舒]

Spatial Temporal Patterns and Influence Factors of Constructing a Unified Market in the Yangtze River Delta： from the Perspective of Industrial Innovation Integration

XIE Fan XU Ning

（Yangtze IDEI，Nanjing University，Nanjing Jiangsu 210093，China）

Abstract：Based on the headquarters-branch data of high-tech enterprises in Yangtze River Delta，the evolutionary characteristics of the industrial innovation network from 2013 to 2020 are depicted by using various methods such as spatial analysis and social network analysis，and the influencing factors of innovation integration are discussed by using spatial measurement method.The results are as follows：（1） The industrial innovation network has shown a significant expansion trend.（2） the intermediary position of the core city is gradually weakened，the relative gap between cities tends to converge，and a multi-center network pattern is taking shape.（ 3） the overall enterprise network presents an core-periphery structure obviously and the spatial differentiation is obvious.（4） empirical study based on spatial measurement found that patent grants is the key factor affecting the connection of urban innovation，while technology spillover has no obvious promoting effect on the innovation links among 41 cities in the Yangtze River Delta.

Key words：innovation network;technology spillover;investment linkage;innovation integration;the Yangtze River Delta