中国区域创新体系效能的空间差异和动态演进

彭绪庶，张宙材

（1.中国社会科学院数量经济与技术经济研究所，北京 100732；2.中国经济社会发展与智能治理实验室，北京 100732；3.中国社会科学院大学，北京 102488）

1 问题提出

党的二十大报告再次明确提出要完善科技创新体系，提升国家创新体系整体效能。国家创新体系效能提升与区域创新体系效能密切相关，但与国家创新体系效能相比，区域创新体系推动区域经济增长的路径与机制、区域创新体系效能的空间集聚路径与特征以及区域创新体系效能的动态演化等均具有不同的内在逻辑［1］，因此，有必要对区域创新体系效能测度及其时空演进特征和背后的原因进入深入研究。自Cooke［2］借鉴“国家创新体系”概念首先提出“区域创新体系”概念以来，区域创新和区域创新体系开始受到越来越多学者的重视。综合来看，现有相关研究主要是从区域创新投入或产出指标，或者区域创新能力的角度研究区域创新差异，例如，肖刚等［3］和陈立泰等［4］虽然分别研究的是中国区域创新差异和城市群内城市创新能力差异，但都采用的是专利授权数据；杨骞等［5］则用R&D人员和R&D 资本存量数据分析中国南北地区创新效率差异。几乎所有研究都将对区域创新能力测度的指数称之为区域创新指数，但事实上，学界对区域创新能力理解和相关测度指标体系均存在较大差异［6］；此外，现有关于区域创新能力的指数多数只是实现了横向可比较，即实现排名功能，较少能实现横向可比和纵向可比的兼顾，分析区域创新水平的时空演进特征存在先天不足［7］。区域创新能力评价并不能综合反映区域创新体系建设的全貌，因此有必要从区域创新体系内涵出发，构建科学的指标体系以反映和测度区域创新体系的整体效能。有鉴于此，本研究从创新体系效能内涵、结构和功能出发构建综合性指标体系，采用兼具横向可比和纵向可比的方法测算区域创新体系效能指数，分析中国区域创新体系效能空间差异和动态演进特征。

2 区域创新体系效能及其测度方法

2.1 “区域创新体系效能”概念解析

学界对创新体系效能并未有太多研究，亦未曾给予明确定义。从字面意义上理解，效能（effectiveness）是指组织目标的实现程度。如果从与效能相近的“效率”概念来看，区域创新体系效能可以理解为区域创新体系建设带来的区域创新效率改进，但由于提高创新效率仅是创新体系建设的目标之一，因此这实际上是关于创新体系效能的一种狭义解释。从相对宽泛的意义上来看，“创新体系”的概念明显受到了系统论的思想影响。根据“系统论之父”生物学家贝塔朗菲的思想，系统是由不同要素按照一定结构形式组织起来完成某种功能的集合体。作为一种科学或方法论，无论是分析自然生态系统，抑或是社会经济系统，其核心思想都是系统，即强调将分散、独立的要素按照一定规则、秩序、逻辑组织起来，形成一个能发挥最佳集合效应的整体。例如，OECD［8］将国家创新体系定义为由公共和私营部门共同组成的推动新技术发展和扩散的创新组织网络，是在个人、企业和机构之间可以创造、储存和转移知识、技能与新技术的相互联系的系统；Trippl 等［9］将区域创新体系定义为包括知识创新与扩散、知识应用与开发、知识流动以及区域政策和区域经济社会制度因素在内的综合系统。显然，根据区域创新体系的复杂性，提升区域创新体系效能路径和影响区域创新体系效能因素的多维性，从系统论的视角，区域创新体系效能可以理解为区域创新体系建设在区域创新体系结构完善、功能提高、效率改进和经济社会影响等诸多方面的取得的整体效果，即区域创新体系的整体效能。

显然，“区域创新体系效能”与“区域创新能力”是两个既相互联系但又存在明显区别的概念。在汉语字面意义上，能力应是实现某一特定目标或完成特定任务所具备的潜力或体现出来的综合素质，反映的是达到目标或完成任务所具备的可能性，而不是反映目标或任务的完成水平。因此，区域创新能力应是区域具备的创新潜力［10］，而不是已经达到或具备的创新水平和创新成效。例如，中国科技发展战略研究小组［11］认为，区域创新能力是包括政府科技投入、企业创新能力、创新环境等因素在内的网络集结能力；白嘉［12］、赵炎等［13］认为区域创新能力是创新主体综合运用创新资源，协调和推动区域创新活动的能力；詹湘东［17］将创新能力定义为将知识转化为新产品、新工艺和新服务的能力。综合来看，区域创新能力实际上反映的是组织利用创新资源、推动从创新投入转化为创新产出的能力，例如，世界知识产权组织等［14］测度评价国家创新能力的全球创新指数只设置创新投入和创新产出两个一级指标，中国国家统计局［15］测度评价中国创新能力的中国创新指数虽然设置创新环境、创新投入、创新产出和创新成效等4 个一级指标，但创新环境主要是劳动力质量，财政科技拨款比重、税收对研发支持力度等与人力资本和货币资本投入相关的投入类指标，总体上也可以认为是从投入和产出两个层面构建指标体系。这也反映出现有研究对创新能力概念的理解仍然延续的是熊彼特的创新思想，即创新被认为是从研究开发到产业化的一种线性过程。虽然近来关于区域创新能力的测度研究中逐步纳入了创新生态、创新环境甚至是经济发展等因素，但更多的是强调营造政策环境的能力［16］，或强调新技术应用产生的经济效用［17］，这与Nelson［18］直接将区域创新体系定义为由促进创新的区域制度、法律和实践等组成的系统存在明显差异。因此，区域创新体系效能概念体现了系统论的宏观整体视角，更加强调区域创新体系内部结构的完整性和协调性，以及满足区域创新体系功能的合目的性。如果说区域创新能力测度体现的是过程导向，即“能做什么”，则区域创新体系效能测度体现的是结果导向，即“能做到什么”或“达到什么目标”。以上3 个相关概念之间的比较如表1 所示。

表1 区域创新体系效能与相关概念的比较

2.2 区域创新体系效能测度模型

传统上主要是采用基于“主体-结构”的静态比较方法分析研究创新体系。近年来，国内外越来越多学者尝试从功能角度研究创新体系，为指导创新政策制定和测度创新体系效能提供了一个新思路。从系统论的视角来看，结合前述对相关概念内涵的比较分析可以发现，创新体系所处的环境对其效能有着重要影响，区域创新体系中的主体构成及主体地位、关系和活动水平等结构状态，以及区域创新体系的功能即价值创造水平，包括创新产出水平和创新体系建设的经济社会影响等，共同决定和反映了创新体系的效能水平。有鉴于此，本研究构建了一个基于“环境-结构-功能”的区域创新体系效能测度模型，如图1 所示。

图1 测度区域创新体系效能的“环境-结构-功能”概念模型

从环境的角度看，强调制度等环境因素是国家创新体系理论诞生以来的重要传统。事实上，不仅是创新政策，区域经济发展战略、社会经济发展水平、市场规模、竞争公平性和国际化水平等，都是影响区域创新体系运行的重要变量；除此之外，基础设施发展水平和全社会科技水平等，都是已经被证实的影响创新意愿、创新投入和创新产出的重要变量，共同构成了测度区域创新体系效能的创新环境维度。

从结构的角度看，结构反映了区域创新体系的主体构成、主体地位、关系和活动水平。区域创新体系的主体构成是承担不同功能的多元化主体，包括大学和科研院所、企业、科技中介机构和政府等。一方面，提升创新体系效能水平离不开主体的活动水平即创新投入，包括狭义的R&D 人员和R&D 资本投入，以及广义的影响投入质量的创新创业水平和教育质量等，这些因素共同构成了测度区域创新体系效能的创新能力维度；另一方面，根据系统论的思想，创新主体间并非孤立从事创新活动，创新体系之所以能成为一个系统，不同主体间的地位和关系，包括是否以企业为核心、创新过程中不同要素和主体间的复杂交互作用，甚至由不同合作者组成的互动的、动态的结构，共同形成区域创新生态，对提升创新体系的效能发挥着“1+1>2”的增效作用。此外，由于创新集群是存在密切互动协作关系的大中小企业、上下游企业与其他创新机构等在特定地理空间范围内的集聚现象，显然对区域创新体系效能有着重要影响，无疑也是区域创新生态的重要构成。

从功能的角度看，由于研究视角不同，学界对创新体系功能的内涵存在较大差异，例如，Bergek等［19］认为主要包括生产和扩散知识、培育市场等，李虹［20］则认为还同时包括促进创新投入孵化活动、创造和变革知识产权、税收、环境等制度；刘立等［21］认为包括技术创新、生产和扩散知识等10 个方面；陈凯华等［22］认为包括创新产出、收益等9 个功能块，并通过创新体系的绩效反映功能块的效用质量。综合相关研究，本研究认为，区域创新体系建设的目的一方面是促进创新直接产出，包括学术论文与专著等知识创新产出，以及专利和新技术等技术创新产出，另一方面则是扩大创新的经济社会影响，包括经济发展、就业质量和环境质量影响等，这部分构成测度创新体系效能的创新绩效维度。

2.3 区域创新体系效能指标体系

区域创新体系效能测度实际上是在特定经济社会和技术发展水平下，综合分析创新和创新体系效能的影响因素，量化创新体系中主体及主体间地位、关系和活动水平，以及满足创新目标的创新产出和绩效水平。根据指数法通常应遵循的科学性、可操作、可靠性和可比较原则，根据前述测度模型分析，本研究从创新环境、创新能力、创新生态、创新产出和创新绩效等5 个维度选择指标，构建测度区域创新体系效能的指标体系，如表2 所示。其中，计算产业结构合理化的泰尔指数、税收友好度和环境治理为逆向指标，其他均为正向指标。

表2 中国区域创新体系效能测度指标体系框架

2.4 指标选择和数据处理

论文在计算三级指标所需要的原始数据指标时，尽可能同时采用规模和强度/密度两类指标。这是因为中国地理幅员辽阔，省域发展差异大。根据统计年鉴专利数据计算可以发现，以2012 年有效发明专利数为例，北京是青海省的50.04 倍；按人均有效发明专利和单位产出发明专利数计算，北京市分别是青海省的1.22 倍和4.02 倍，显然，如果仅采用有效发明专利数或人均/单位投入发明专利数指标，在比较时很可能导致夸大或低估北京市创新体系效能，而相应低估或高估青海创新体系效能；而按照本研究所构建的指标体系同时选择规模和强度/密度指标时，2012 年北京相对青海的技术创新水平是18 倍。因此，采用规模和强度/密度指标能更科学地体现中国不同地区创新体系效能的相对差距，尤其是可以使差异较大的不同省（区、市）在测度区域创新体系效能时更具有可比性。

对中国省级行政区的区域创新体系效能测度暂未纳入西藏和港澳台地区。研究需要的149 个原始数据指标均来自《中国统计年鉴》《中国科技统计年鉴》《中国教育统计年鉴》《中国火炬统计年鉴》和中国互联网信息中心、万得数据库等公开渠道。2012 年党的十八大正式提出实施创新驱动发展战略，根据多数指标的数据可获得性，指标数据考察时间取自2012 年至2020 年。数据处理时，将指标最大值与最小值相差超过50 倍的数据定义为离群值；同时为降低个别指标异常波动和离群值导致的指数失真，分别在5%和95%两个分位对极大值或极小值的离群值进行单侧缩尾或双侧缩尾处理。

2.5 指数合成计算

首先，对计算三级指标需要的2012 年原始数据指标采用最大最小值法进行标准化处理，去量纲并获得30 个省（区、市）的每个数据原始指标的标准化值。

其次，采用等比赋权方式，即同一层次同一指标指数合成时，其次一级所有指标权重相同，权重之和为100%。指数计算时，先计算2012 年各省（区、市）的创新体系效能指数（以下简称“中国区域创新指数”或“区域创新指数”）的基准指数值，再以2012 为基期，计算各省（区、市）2013 至2020年数据原始指标中不同指标与其2012 年对应指标的变动比例，计算数据原始指标的相对标准化值，然后依据等比赋权进一步依次计算2013 至2020 年三级指标、二级指标和一级指标对应的指数，最后合成中国区域创新体系效能指数。

由于是在对基准年所有原始数据指标采用最大最小值法进行标准化时实现了空间上不同省（区、市）的横向可比较，然后再以2012 年为基准、通过指标变化率计算2013—2020 年具体数据指标相对值，最后再进行指数合成，因此可以确保最终测算出的中国区域创新指数实现了对横向可比性与纵向可比性的兼顾；同时，由于采用等比赋权，未来继续测算后续年份区域创新指数时仍然能保持纵向可比性。采用熵值法赋权则无法实现这一点［29］。

3 中国区域创新体系效能指数测度结果与空间差异初步分析

3.1 中国区域创新体系效能指数的基本概况

3.1.1 省域层面的区域创新体系效能分析

测度结果表明，从2012 年到2020 年，中国实施创新驱动发展战略有效促进了区域创新体系效能的不断提升，30 个省级行政区的创新指数均值增长了56.89%。其中，虽然部分省（区、市）创新指数存在较小幅度的波动，但总体上30 个省（区、市）创新指数均保持上升态势；与自身相比，27 个省（区、市）创新指数增长率超过30%，表明在省级层面区域创新体系建设取得了较好成效。

图2 以雷达图的形式直观反映了各省（区、市）2012 年和2020 年创新指数中5 个分项指数的演变趋势，可见总体上省域创新体系效能都在不同维度诸多因素稳定改善和优化过程中逐步提升，但不同省（区、市）创新体系建设有不同比较优势。从创新环境来看，北京、广东和江苏等创新强省仍分别居于前3 位，但山东、河南、安徽和湖北则在创新环境指数的提升幅度上居于前列，分别达到77.53%、75.63%、94.96 和74.37%，显示这些地区通过加强信息技术应用、鼓励公平竞争和创业，为提升创新体系整体效能发挥了积极作用，例如2012—2020 年，山东省和河南省创业活力指数分别增长了405.87%和280.8%，网络发展指数分别增长了157.91%和246.96%，为区域创新提供了良好的市场环境和技术环境。从创新能力来看，由于创新能力离不开R&D投入、科技人才、高等教育等科创资源和创业载体建设，2020 年广东、江苏和北京创新能力指数分别居前3 位，体现了经济发展水平和科教资源对区域创新能力的重要性；青海省尽管创新能力指数相对较低，但创新能力指数增长率高达194.72%，居第1位，显示中西部地区同样高度重视提高创新体系效能，在力所能及范围内尽可能不断加大创新投入、吸引创新人才。从创新生态来看，省域之间的差距较大。其中，受近年来国际创新合作水平下降，以及宏观经济波动对企业创新主体地位和产学研合作的影响，内蒙古、宁夏和黑龙江等6 个省（区）创新生态指数出现了一定幅度的下降；除部分经济发达地区外，湖北和江西创新生态指数增长分别超过64.31%和59.18%，体现了中部地区正在开始迸发出巨大创新潜力。从创新产出来看，各地创新产出指数均保持较为稳定的增长态势，除北京有明显优势外，其他省（区、市）创新产出指数尽管存在差距，但明显比其他一级指数间的差距小很多。其中，四川创新产出指数增长率高达100.54%，仅次于广东，增速居全国第2 位；得益于省内优质高等教育资源，重视科技出版、推动专利转化或技术交易，吉林和陕西创新产出指数增长率分别达71.00%和65.24%，增速居前列，显示中西部地区通过创新产出提升创新体系效能依然能大有作为。从创新绩效来看，几乎所有省（区、市）均取得了较好进展，但不同省（区、市）提升创新绩效的原因和途径略有不同，例如，河南省创新指数增长了101.56%，增速居第3 位，这主要是得益于其高新企业和高技术产业发展推动的产业转型和绿色发展；此外，部分省（区、市）尽管创新绩效指数较低，但得益于绿色发展，如内蒙古重视新产品发展和高技术产业发展，青海重视高技术产业发展和高新企业发展，两地创新绩效指数增长率分别达70.07%、78.67%，很好地体现了创新促进社会生产力提高、引领和驱动经济社会转型发展的重要作用。

图2 中国省域创新指数分项指数演变雷达图

3.1.2 四大地理区域的创新体系效能分析

总体上，我国区域创新体系效能的空间分布初步形成了东部创新引领、中部创新崛起的空间格局1），如图3 所示。2012—2020 年，东部地区创新指数均值增长了74.22%，创新指数明显领先于其他地区，且增速更快、升幅更大，进一步拉大了与其他地区创新体系效能之间的差距；中部、东北地区和西部的创新指数均值增幅分别达53.83%、37.17%和37.13%，相对较低。其中在创新驱动发展战略实施初期，东北地区创新指数均值略高于中部地区，但进入“十三五”时期后，中部地区创新指数已明显超过东北地区；中部创新体系效能快速提升，与西部和东北地区之间的差距在不断加大，显示中部创新崛起取得了显著成效，尤其是中部的河南和湖北两省份的创新指数增幅分别超过67.53%和66.18%，成为中部创新崛起的典型代表；而西部的陕西和四川两省的区域创新指数增幅也分别达64.24%和60.91%，表明地理区位并非影响创新体系效能提升的决定性因素。

图3 30 个省份分区域创新指数均值变化趋势

在影响区域创新体系的众多因素中，不同地区具有不同比较优势（见图4）。东部地区虽然各方面均较为突出，但相对而言创新能力和创新绩效是其比较优势，2012—2020 年创新能力指数和创新绩效指数增幅分别高达86.33%和83.62%，年均增长分别为8.09%和7.89%，显示东部依靠相对发达的经济和对创新人才的吸引力，加强创新投入、鼓励创新创业，以及在发挥高等教育优势的同时，在推动高新技术产业发展、提高就业质量和实现绿色发展方面取得了极为出色的成效。中、西部与东部类似，比较优势也都是在创新能力和创新绩效方面。其中，中部地区创新能力指数和创新绩效指数年均增长分别为7.61%和6.93%，西部地区创新能力指数和创新绩效指数年均增长分别为7.03%和6.00%，显示在当前阶段加强物质资本和人力资本等创新投入、推动经济转型和绿色发展，对提高区域创新体系整体效能发挥着关键作用。但中、西部地区的短板较为突出，中部地区创新产出指数增幅仅为16.94%，西部地区创新产出指数增幅仅为12.28%、创新生态指数增幅则为-7.08%，是四大区域中各分项指数中唯一出现负增长的领域，显示中部和西部地区创新体系的协调性不足，有必要加强知识和技术创新，加强科技成果转化，提高企业创新主体地位，加大创新国际合作力度。受经济转型影响，东北地区R&D 投入和人才投入水平均相对较低，导致创新能力指数年均增长仅为2.54%，再加上创新型企业数量少、增速慢，成为影响东北地区创新体系效能提升的重要因素。

图4 2012—2020 年30 个省份分区域创新指数分项指数均值增长率比较

3.2 基于省域创新体系效能水平的地区分组

从测算所得省（区、市）创新指数来看，省域创新指数的时空演变与地理区域分组的创新指数时空演变有较大不同。如果按传统地理区域分组分析研究，可能无法揭示省域层面创新体系效能的动态变化，掩盖了地理区域创新体系效能的真实水平，也难以准确反映区域创新体系效能空间分布及其动态演进特征。例如，从省域排名来看，东部各省份创新指数虽然整体相对较高，但海南和福建的创新指数排名实际上处于相对靠后位置，天津尽管始终处于相对靠前位置，但“十三五”期间其创新指数排名却呈现下滑趋势；西部的情形正好相反，虽然西部地区创新指数排名总体处于相对靠后位置，但陕西的创新指数始终处于较高水平，四川和重庆的创新指数也处于中游水平。显然，省域层面创新体系效能的分化特征和演化趋势无法在按地理区域划分的分组研究中得到有效揭示。鉴于此，根据2020年区域创新指数位次排名，分别按10%、25%、25%、20%和20%的比例将30 个省（区、市）分为5 类：第一类地区包括广东、北京、江苏和上海等4 个省（市），其2020 年创新指数均超过90，且与其他地区存在较大差距；第二类地区包括浙江、山东、湖北、陕西、河南、天津和四川等7 个省（市），其2020 年创新指数介于50～80 之间；第三类地区包括辽宁、安徽、重庆、福建、湖南、河北和吉林等7个省（市），其2020 年创新指数介于40～50 之间；第四类地区包括江西、黑龙江、海南、云南、贵州和山西等6个省，其2020年创新指数介于30～40之间；第五类地区包括甘肃、广西、青海、内蒙古、新疆和宁夏等6 个省（区），其2020 年创新指数均低于30。相比于现有其他相关研究按照地理方位的地区分类方式，本研究的地区分组能够真实反映不同创新水平的地区创新体系效能的时空差异和动态演进。

3.3 区域创新体系效能指数差异的描述性统计分析

根据上述地区分组，计算2012—2020 年5 类地区中国区域创新指数的组内均值，结果如表3 所示。第一类地区不仅创新指数始终最高，且组内均值增速快、增幅大，均远超过其余分组地区。按增幅计，第一类地区创新指数的组内均值增幅高达89.23%，第二、第三、第四和第五类地区创新指数的组内均值增幅依次为58.90%、51.85%、32.10%和29.00%。不同类地区之间的创新指数差距呈持续拉大趋势，例如，2012 年第一类地区与第二、第三、第四和第五类地区创新指数的组内均值分别相差21.30、28.80、34.42 和38.35，而2020 年上述创新指数的组内均值差距则分别上升到51.70、65.74、79.10 和84.93，初步表明区域创新体系效能呈现出强者愈强、弱者愈弱的情况。

表3 中国区域创新指数组内均值

4 区域创新体系效能空间差异及其来源分析

参考和借鉴Dagum［23］提出的基尼指数，进一步分析上述5类地区创新体系效能水平的组内差异、组间差距和超变密度，并计算地区创新体系效能水平差异中来自组间和组内的比重。

4.1 区域创新体系效能的总体空间差异及其来源分解

30 个省（区、市）区域创新指数的基尼系数计算结果如表4 所示，其中G代表总体基尼系数，是组内差异（Gw）、组间差异（Gnb）、超变密度（Gt）之和。可以看出，2012—2020 年，总体基尼系数介于0.199 1～0.273 9 之间，区域创新体系效能水平存在明显差异。从时间演进趋势来看，2012 年以来，区域创新体系效能水平差异几乎是呈现直线式持续扩大趋势。从对基尼系数的分解来看，组内差异相对较小，系数介于0.012 2～0.013 2 之间，时间上呈先逐渐变大后逐渐变小，近年又进一步呈加大趋势；组间差异相对较大，介于0.184 3～0.261 3 之间，且时间上呈持续扩大趋势。这表明组内各省（区、市）创新体系效能水平差距相对较小，而不同组间区域创新体系效能水平差距相对较大。

表4 中国区域创新体系效能水平差异及其分解

根据基尼系数计算方法，导致区域创新体系效能水平差异的主要原因是组间差异大。其中，组间差异贡献率从2012 年的92.59%整体上呈现出逐渐递增的趋势，在2019 年达到最大值95.42%；而组内差异贡献率则相对较小，最大值是2012 年的6.14%，且其贡献几乎呈现持续递减趋势；超变密度的贡献极小，且逐步下降。

4.2 区域创新体系效能的空间差异分析

4.2.1 组内空间差异与动态演进

区域创新体系效能组内空间差异计算结果如表5 所示，5 类地区的组内空间差异均相对较小。从演进趋势来看，第一和第二类地区的区域创新体系效能组内空间差异基尼系数相对较大，2012 年以来虽略有波动，但总体上呈不断扩大趋势，显示组内各省（区、市）创新体系效能水平分化在加剧；第三类地区组内差异呈现出先递增后递减的趋势，在2012—2014 年呈递增状态，在2015—2020 年呈较明显的递减趋势，这表明部分省（区、市）创新指数位次变化幅度较大，在经过较为剧烈的分化后，第三类地区各省（区、市）创新体系效能水平差距逐渐不断缩小；与前3 类地区相比，第四和第五类地区的组内差异基尼系数呈现出更强的波动性，其中第四类地区的组内差异基尼系数较小，且总体呈缓慢下降趋势，显示经过分化后逐渐汇聚了一批区域创新体系效能水平相对较低的省（区、市）。

表5 中国区域创新体系效能组内基尼系数

4.2.2 组间空间差异与动态演进

区域创新体系效能组间基尼系数差异如表6 所示，其中1-2、2-3 分别代表了第一类地区与第二类和第二类地区与第三类的组间差异，其他组间差异表示方式与此类似。可见相邻两类地区的组间差异都相对较小，组间基尼系数均不超过0.3，但第一与第二类地区的组间差异（0.23～0.30）远大于第二与第三类地区（0.10～0.13）、第三与第四类地区（0.14～0.17）、第四与第五类地区的组间差异（0.07～0.10），第一类地区与其他类地区的组间差异远大于同类型地区之间的差异。从演进趋势来看，几乎所有组间差异均呈现较为稳定的扩大态势，不同仅在于差异扩大的速率略有不同。不同类型地区之间的组间差异排序为：第四与第五类地区组间差异最小，其次是第二与第三类地区的组间差异；第三与第四类地区的组间差异相对较大，第一与第二类地区的组间差异最大；前3 类地区与后两类地区之间的差距也在拉大。这表明，随着各省（区、市）创新体系效能水平之间的分化不断加剧，创新逐渐向广东、北京、江苏和上海4 个省（市）集聚，呈现出越来越明显的创新极化趋势。

由此得出结论：中国区域创新体系效能水平差异总体基尼系数在逐步扩大，其中组间差异的贡献最大且呈增长趋势，组内差异贡献较小且有减小的趋势。说明中国的创新水平呈多格局状态。此外，导致区域创新体系效能差距大的原因是：第一类地区的创新体系效能水平较高且快速提升，第四和第五类地区的创新效能提升速度较慢，第二与第三类地区的创新水平在逐渐提高，但与后两类地区之间的差距逐渐扩大。

5 区域创新体系效能空间分布的动态演进

参考Parzen［24］提出的Kernel 核密度估计方法，绘制30 个省（区、市）区域创新指数的概率密度曲线，分析中国区域创新体系效能的时间动态分布、空间静态分布和空间动态分布特征，并采用Markov 链计算不同等级和不同地理区域省（区、市）之间创新体系效能水平发生相互转移的概率，进一步分析区域创新体系效能的动态演进特征。

5.1 区域创新体系效能的核密度动态分布

由于不同地区的创新要素及环境会随着时间的变化而不断发生变化，区域创新体系效能相应也会发生变化，因此采用相对数据计算并绘制了2012 年（t）与2013 年（t+1）、2015 年（t+3）、2017 年（t+5）和2019 年（t+7）中国区域创新指数的动态核密度图。如图5 所示，区域创新体系效能水平的相对位置均处于［0.17～1.00］之间，位置所在的数值越靠近右侧的1.00，则代表相应的区域创新体系效能水平相对越高，相反，位置所在的数值越靠近左侧的0.17，则代表相应的区域创新体系效能水平相对更低。此外，图5 中“峰”越高则代表创新体系效能相同或相近的省（区、市）数量越多，右拖尾长则代表各省（区、市）间创新体系效能差异扩大，其中各期“峰”的坐标分别为t期［X:0.384 9,Y:2.674 0］、t+1 期［X:0.354 6,Y:2.619 0］、t+3 期［X:0.346 1,Y:2.598 0］、t+5 期［X:0.315 5,Y:2.557 0］、t+7 期［X:0.314 9,Y:2.553 0］。不同时期中国区域创新体系效能水平的核密度分布具有较为一致的形态，“峰”均位于左侧位置，且随时间推移逐步向左移动，同时“峰”的高度逐渐降低，显示大部分省（区、市）创新体系效能水平相对位置在以较快的速度向左移动。与此同时，从核密度曲线的右拖尾来看，t期与t+1 期右拖尾部分差异不明显，t+3 期右拖尾部分明显比t期更加平坦，t+5 期右拖尾部分更加平坦且出现一个波峰，右拖尾部分波峰左侧的“谷”相对位置大于0.6，在t+7 期右拖尾部分的波峰更加明显，并且右拖尾部分波峰左侧的“谷”的相对位置小于0.6，表明从t期到t+7 期，核密度曲线的右拖尾部分变得越来越平坦。

图5 2012—2020 年中国区域创新体系效能水平的动态分布

综合核密度曲线动态分布的“峰”与右拖尾动态演进的趋势来看，大部分原本创新体系效能水平比较低的地区，长期受到创新环境、创新能力中物质资本和人力资本投入以及创新生态等多方面因素的制约，短时间内无法快速提升其创新水平，区域创新体系效能提升相对迟缓，且集中在坐标轴左侧的省（区、市）越来越多，表明创新体系效能较低的省（区、市）数量越来越多，相对低水平集中越来越明显；另一方面，北京、广东、上海和江苏等极少数具有较高创新水平地区，由于资本、人力、资源等要素相对丰富，再加上虹吸效应，创新体系效能提升迅速，逐渐呈现出越来越明显的马太效应，与其他省（区、市）创新体系效能水平的差距越来越大。区域创新体系效能分化加剧和极化加强正在成为中国区域创新的重要特征和未来发展趋势。

5.2 区域创新体系效能的空间条件静态核密度分布

空间条件静态核密度估计主要是分析在同一时期各地区创新体系效能水平与其相邻地区创新体系效能水平在空间范围内的相关关系，如图6 所示，综合空间条件静态核密度分布和空间静态密度等高线来看，基本上可以分为3 种情形：

图6 2012—2020 年中国区域创新体系效能的空间静态核密度分析

第1 种情形下，当相邻地区的创新体系效能水平小于0.5 时，概率密度主体明显呈现出在45°线之上偏离的特征。由于大部分地区创新体系效能水平在介于0.25～0.81 之间，即在相对较低的位置密集分布，表明在此情形下与创新体系效能水平相对较低（0.50 以下）的地区相邻并不会显著影响本地区创新体系效能的提升。

第2 种情形下，当相邻地区的创新体系效能水平在介于0.50～0.90 范围内时，概率密度主体逐渐呈现出向45°对角线附近分布的特征，此时相邻地区的创新体系效能与本地区的创新体系效能逐渐呈现出正的相关性，表明相邻地区间人才、技术、资本、数据等生产要素的流动，共同促进了相邻地区的创新体系效能水平的提升。

第3 种情形下，当相邻地区的创新体系效能水平高于0.90 时，概率密度主体不断偏向横轴，表明与创新体系效能水平最高（大于0.90）的地区相邻也难以进一步提升本地区的创新体系效能水平。在此情形下，只有通过加强本地区创新体系建设来不断提升本地区的创新体系效能。

5.3 区域创新体系效能的空间条件动态核密度分布

图7 进一步以2012 年（t年）和2017 年（t+5 年）为例，在空间条件静态核密度估计的基础上，考察相邻地区t年创新体系效能对本地区t+5 年创新体系效能水平的影响，从而探究相邻地区创新体系效能对本地区未来创新体系效能的动态影响。图7 与图6 间的差异表明，时间因素会对各地区的创新体系效能水平在空间范围内产生影响，结合空间条件动态核密度及其等高线来看，类似地，可以分为以下3 种情形：

图7 2012—2020 年中国区域创新体系效能水平的空间动态核密度分析

第1 种情形下，当相邻地区创新体系效能水平在同样小于0.50 的情况下，概率密度主体依然明显呈现出在45°对角线向上偏离的特征，但本地区创新体系效能水平集中分布在0.23～0.75 之间，当前者小于0.55 时，概率密度主体在45°对角线向上偏离特征仍然明显，但后者集中分布于0.23～0.79 之间。与空间条件静态核密度估计相比，概率密度主体位置向下偏移，说明在5 年时间跨度条件下，创新体系效能水平在0.50 以下的相邻地区与本地区创新体系效能水平发展的相关性有所增强，并且创新体系效能水平分布相对有所下降。

第2 种情形，当相邻地区的创新体系效能水平介于0.50～0.90 范围时，概率密度主体同样逐渐呈现向45°对角线附近分布趋势，且相邻地区的创新体系效能水平与本地区创新体系效能水平同样呈现出正相关性，但较之图6，图7 中概率密度主体在横轴方向上的分布有所增加，表明考虑时间跨度时，不同地区间创新体系效能水平的空间相关性有一定程度的增加。

第3 种情形，当相邻地区的创新体系效能水平高于0.90 时，概率密度主体的空间条件静态核密度与空间条件动态核密度分布相差较小，但有逐渐偏向纵轴的趋势。中国地区创新体系效能水平的空间条件动态核密度分布表明，随着时间推移，不同地区创新体系效能之间的空间关联性略有增强，但地区间创新体系效能水平极化程度也在逐步增强。

5.4 区域创新体系效能的组间动态转移概率分析

将30 个省（区、市）分为5 类，实际上是按区域创新体系效能水平将其分为5 个等级。按照前述分组，以2012 年为t 年，计算区域创新体系效能水平在不同等级之间的转移概率，结果如表7 所示。其中，对角线表示区域创新体系效能等级的稳定程度，对角线左下方代表区域创新体系效能等级上升的概率，数值越大代表由低效能等级类型地区上升到高效能等级类型地区的概率越高，数值为零表示不同类型地区之间未发生动态转移；对角线右上方代表区域创新体系效能等级下降的概率，数值越大代表由高效能等级类型地区下降到低效能等级类型地区的概率越高，数值为零表示不同类型地区之间未发生动态转移。可以发现，在t+1、t+2 和t+3 时期，主对角线显示的概率始终保持较高的水平，意味着不同类型地区之间发生动态转移的概率较低，在t+1及t+3 时期主对角线概率在0.83～1.00 之间，在t+5 时刻主对角线显示的概率分布在0.63～1.00 之间，表明随着时间的推移，主对角线元素显示的概率逐渐降低，意味着随着时间的推移，不同类型地区之间发生动态转移的概率在提高。从另一个角度来看，主对角线元素显示的概率下降主要发生在第一和第五类地区之间，第一、二、三类地区之间发生状态转移的概率较低，第一类地区在t+1、t+3 和t+5 时期内均未发生状态转移，也未有其他类型地区向第一类地区状态转移的情况，同时在整个t+1、t+3 和t+5 时期内，均未发生跨越等级的情况。由此可以看出，中国区域创新体系效能的区域分组在各等级地区之间的稳定性较高。综上，各省（区、市）创新体系效能水平在各等级中的转移概率有较大差异，总体上，随着创新体系效能等级的提高发生动态转移的概率越低，等级稳定性越高。

表7 30 个省份分区域创新体系效能转移概率矩阵

5.5 区域创新体系效能的地区间动态转移概率分析

表8 中展示了四大区域在t+1、t+3、t+5 间隔期间不同组别区域创新体系效能等级上升或下降一个等级的分布及概率水平。由于第一类地区均来源于东部地区，第五类地区主要来源于西部地区（除海南省外，海南省在t+1、t+3 时期分布在第五类地区，在t+5 时期分布在第四类地区），显然与t时期相比，东部地区在t+1 时期内未出现区域内创新体系效能水平上升或下降的情况；在t+3 时期发生1 个省份创新体系效能等级由4 级下降为5 级的情况，其状态转移的概率为0.10；在t+5 时期有1 个省份的创新体系效能水平等级由5 级上升为4 级，状态转移的概率为0.10。中部地区在t+1、t+3 时期均未发生地区间状态转移的情况，在t+5 时期出现1 个省份的等级由4 级下降为5 级，状态发生转移的概率为0.17；同时1 个省份的创新体系效能等级由3 级上升为2 级，状态发生转移的概率为0.17。西部地区在t+1 时期就开始出现状态转移的情况，同时出现1 个省份创新体系效能水平等级由4 级下降为5 级，以及1 升创新体系效能由5 级上升为4 级的情况，上升及下降的概率均为0.09；在t+3 时期，未出现下降或上升1 个等级的省份；在t+5 时期，出现2 个省份创新体系效能等级下降，以及1 个省份创新体系效能等级上升的情况，其中2 个省份的创新体系效能等级下降，包括1 个由2 级下降为3 级、1 个由4 级下降为5 级，下降的概率均为0.09，1 个省份创新体系效能等级上升，由5 级上升为4 级，发生状态转移的概率为0.09。东北地区在t+1 和t+5 时期均未出现区域创新体系效能等级下降的情况；在t+3时期出现1 个省份创新体系效能从第4 等级上升为第3 等级的情况，发生状态转移的概率为0.33。

表8 30 个省份分区域创新体系效能状态转移情况

四大地理区域内各省（区、市）创新体系效能的差异相对固化，尤其是东部地区创新体系效能整体上处于相对较高水平，均位于第一和第二类地区，且在党的十八大后的样本期内均未出现向下一个等级转移的情况，其在整体上发生动态转移的概率最低；中、西部和东北地区均发生了创新体系效能地区间分布动态转移情况，但动态转移主要发生在中、西部地区，且总体上由上一个等级地区转移向下一个等级地区的概率，如由第四类地区滑落到第五类地区，超过由下一个等级地区转移到上一个等级地区的概率。随着时间的推移，西部地区创新体系效能水平的地区间分布发生动态转移更频繁，表明中、西部的省（区、市）创新体系效能的分化在不断加快，西部地区创新体系效能水平与东、中部之间的差距在进一步拉大，四大地理区域内创新体系效能呈现出了强者愈强、弱者愈弱的分布特征和演进趋势。

6 结论与政策建议

本研究基于区域创新体系的内涵构建测度区域创新体系效能的概念模型，进而从创新环境、创新能力、创新生态、创新产出和创新绩效等5 个维度构建测度区域创新体系效能的指标体系，测度了2012—2020 年中国30 个省级行政区的区域创新指数，简析了省域、四大区域创新体系效能情况，重点根据省域创新体系效能分布将全部省级行政区分为5 类，利用基尼系数法分析了各省（区、市）创新体系效能的差异来源，并利用核密度方法和马尔科夫链方法分析了区域创新体系效能的空间分布动态和演进趋势，得出如下结论：

第一，总体上，实施创新驱动发展战略有效促进了中国区域创新体系效能不断提升，30 个省级行政区创新指数均值增长56.98%，东部、东北地区、中部和西部地区创新体系效能均保持稳定提升态势。总体上，东部地区创新体系效能更高，中部地区创新指数均值在“十三五”开始超过东北地区，西部地区创新体系效能相对较低，基本形成东部创新引领、中部创新崛起的空间格局。广东、北京和上海的区域创新体系效能水平在国内处于绝对领跑地位，且保持更快提升发展态势，初步形成了富有地域特色的创新发展道路，为建设具有全球影响力的国际科技创新中心奠定了较好基础。

第二，按区域创新指数的分位法划分，居于第一类地区的广东、北京、江苏和上海等4 个省（市）创新体系效能始终居于前列，属于典型的创新领跑型地区；居于第二类地区的浙江和山东等7 个省（市）创新体系效能水平相对较高，属于创新领先型地区；辽宁和安徽等7 个省（市）位列第三类地区，创新体系效能居于中等水平，属于创新追赶型地区；江西和黑龙江等6 省（市）位列第四类地区，甘肃和广西等6个省（区）位列第五类地区，虽然这些省（区、市）均属于创新潜力型地区，但相比较而言，目前这些地区创新体系效能相对较低。除极少数省（区、市）排名位次变化较大外，省域创新体系效能排名位次总体较为稳定，具有典型的梯度特征和非均衡性特征。

第三，应用基尼系数方法测算发现，党的十八大以来，各省（区、市）创新体系效能均保持了不同程度的提升，但省域创新体系效能总体基尼系数呈稳定上升趋势，组内差异在波动中略有上升，波动幅度和升幅都相对较小，组间差异相对较大且稳定上升。区域创新体系效能差异主要来自于组间差异贡献，贡献率超过90%，且持续扩大。在组内差异方面，第一和第二类地区的组内差异逐渐扩大，第三类地区组内差异逐渐缩小；在组间差异方面，第一与第二类地区的组间差异远大于第二与第三类地区，第三与第四类地区间的差异大于第四与第五类地区的组间差异，显示中国省级行政区创新体系效能水平在加速分化，不同类别地区之间的组间差异在持续扩大。

第四，核密度动态分布显示，“峰”明显位于左侧，只有北京、广东、江苏和上海等4 省（市）位于较为平坦的右侧拖尾部分，显示不同省（区、市）之间创新体系效能差距进一步扩大，越来越多省（区、市）进入创新体系效能低水平地区，以广东、北京、江苏和上海等为核心的创新极化特征和趋势不断得到强化。空间条件核密度则表明，创新体系效能水平较低地区之间不能相互影响提升区域创新体系效能，与创新体系效能水平较高地区相邻则可以促进相邻地区创新体系效能水平的提升，与创新体系效能水平最高地区相邻难以帮助提升本地区的创新体系效能水平。总体上，时间因素会对中国区域创新体系效能水平在空间范围内产生影响，随着时间推移，不同地区创新体系效能之间的空间关联性有一定增强，但创新极化程度也在逐步增强。

第五，马尔可夫链分析显示，创新体系效能水平在5 类地区间发生动态转移的概率总体较低，只是随着时间推移，在第二和第五类地区间发生动态转移的概率略有提高，动态转移和分化主要发生在第三和第四类地区之间。结合四大地理区域来看，东部地区发生动态转移的概率最低，没有发生向下一等级发生的情况；西部地区发生动态转移的概率最高。综合而言，从五大类型及四大地理区域的分析来看，头部地区始终保持较高的稳定性，而创新指数较低地区发生动态转移的概率相对较高，但都没有发生跨分区等级转移的现象，显示创新极化是区域创新体系效能动态演进的主要特征和趋势，其次才是区域间的创新分化；与此同时，大多数地区的区域创新体系效能始终徘徊在相对低水平状态。

基于上述研究结论，提出如下政策建议：

第一，东北地区和西部“两手并重”深入实施创新驱动发展战略，同时国家加大对中西部地区创新支持。东北地区和多数中西部省（区、市）创新体系效能与创新领跑型地区和领先型地区之间的差距日益增大，一方面需要立足当前，营造更好的创新环境，加强新技术应用推广，加速老工业基地转型，培育新动能，提升创新绩效；另一方面需要克服经济下行期的不利影响，保持坚定实施创新驱动发展的战略定力，着眼长远加大创新投入和创新人才队伍建设。同时，国家要针对东北地区和西部实施差异化创新支持政策，如加大力度支持以企业为主体培育新型研发机构和产业技术创新联盟，放松高新技术企业评选标准，优先支持这些地区的高新企业上市融资等。

第二，加大力度建设创新高地，科学布局重大科技基础设施，发挥创新极带动作用。加速创新极化有利于加快实现高水平科技自立自强，强化创新对国家发展全局的战略支撑作用。提升国家创新体系整体效能，不能搞“劫富济贫”，相反要依托粤港澳大湾区、北京和上海等国际科技创新中心建设，依托重庆、郑州、西安、武汉、沈阳和兰州等国家中心城市建设，加大对创新领跑型地区和创新领先型地区的投入支持，加强重大科技基础设施建设，加速创新资源集聚，培育壮大高科技产业集群，打造一批具有国际竞争力的国家创新高地，建成一批具有较强竞争力的区域创新高地，形成一批具有较强带动作用的国家和区域创新极。

第三，因地制宜采取有针对性措施，加大力度补齐短板，促进区域创新体系协调发展。创新体系是一个复杂系统，提升区域创新体系整体效能，关键是要针对自身存在的短板、弱项采取有针对性措施，例如优化营商环境、促进产学研合作、促进创新创业、实现创新链与产业链融合贯通发展等，而不是简单地强调增加创新投入、引进创新人才或强调专利申请，要着力实现各区域创新体系本身的协调发展。

第四，支持跨区域创新合作，构建科技创新的新发展格局，促进区域创新协同发展。鼓励创新体系效能高的地区与其他地区开展科技创新合作，重点支持东部和中西部地区在对口合作中加强科技创新合作，加大对创新体系效能低地区的创新人才培养支持；研究不同地区高等院校共享教师资源、共同申报和开展自然科学基金、国家研发计划等创新研究；鼓励孵化器、众创空间等创新创业载体品牌化、网络化和连锁化发展，重点支持向中西部、向中小城市拓展，探索东中西创新合作的有效路径。

注释：

1）根据2011 年中华人民共和国国家统计局《东西中部和东北地区划分方法》，将31 个省级行政区划分为四大经济区域。东部包括：北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南；中部包括：山西、安徽、江西、河南、湖北和湖南；西部包括：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆；东北地区包括：辽宁、吉林和黑龙江。