多中心空间结构与创新价值链效率：影响效应及作用机制

张安伟 胡艳

作者简介：张安伟（1996-），男，山东日照人，安徽大学创新发展战略研究院博士研究生，研究方向为区域经济与空间经济；胡艳（1964-），女，安徽合肥人，博士，安徽大学创新发展战略研究院副院长，安徽大学经济学院教授、博士生导师，研究方向为都市圈与城市群经济。本文通讯作者：张安伟。

摘 要：利用夜间灯光亮度与城市经济指标的匹配数据，考察城市内部、外部多中心空间结构对创新价值链效率的影响效应与作用机制。结果发现：城市内部多中心空间结构与创新价值链效率之间呈现先抑制后促进的非线性关系，城市外部多中心空间结构对创新价值链效率具有促进作用；城市内部、外部多中心空间结构对创新价值链效率的影响存在空间区位异质性与城市规模异质性，且其传导路径存在差异；配置效率机制与合作共享机制是城市内部、外部多中心空间结构影响创新价值链效率的重要途径；集聚经济视角下，内部多中心空间结构对创新价值链效率的影响受到局部集聚规模与整体集聚规模的影响；网络经济视角下，外部多中心空间结构对创新价值链效率的影响受到绩效规模借用与功能规模借用的影响。

关键词：多中心空间结构；创新价值链效率；集聚经济；网络经济

DOI：10.6049/kjjbydc.2023020111

中图分类号：F290

文献标识码：A

文章编号：1001-7348（2024）11-0001-12

0 引言

创新是引领发展的第一动力。在区域经济发展过程中，无论是内部要素禀赋条件还是外部宏观经济环境都会随时间而变化，而创新在应对内外挑战与实现长期可持续发展等方面发挥着至关重要的作用^[1]。依靠创新驱动经济结构转型，重构区域发展格局，是推动经济高质量发展与共同富裕的必经之路^[2]。创新是一个持续性整合转化与反馈再升级的过程^[3]，仅专利产出高或者某一方面比较突出的城市未必整体创新能力更强。因此，需要从更加全面的视角考察城市整体创新能力（Zhao，2022）。Hansen等（2007）首先提出创新价值链概念，并将创新视为一个连续的过程，包括新想法的产生、发展和扩散。众多学者在此基础之上对创新价值链概念进行拓展，认为创新价值链凸显将知识转化为商业价值的过程的结构和复杂性，强调劳动力、资本和技能等资源在价值创造过程中的作用^[4]。

Florida等^[5]认为，创新活动汇聚了大量生产资料、丰富的人才多样性以及众多的公共基础设施等投入，同时，创新产出是政产学研服等密切合作的成果，因此，创新不仅仅是企业的产物，更是城市的产物。目前，关于城市支撑创新发展的研究较多，涉及城市基础设施^[6]、城市营商环境（张志红，2022）、城市宏观政策^[7]等方面。但基于城市内部经济实体的组织方式与城市之间的空间结构，探讨城市内部多中心空间结构、城市外部多中心空间结构与创新产出之间因果关系的研究较少，也鲜有研究涉及城市空间结构与创新价值链之间的因果关系。城市内部多中心空间结构影响城市内部劳动力、资金等要素在空间中的集聚与分散^[8]，其部分与整体之间集聚收益和拥挤成本的相对关系，会影响知识创新效率、研发创新效率与产品创新效率，进而对创新价值链效率产生影响。城市外部多中心空间结构会影响城市之间的交互关系，推动城市个体向城市网络演变，推动集聚经济向网络经济转变，提高城市合作共享的空间范围与互动效率^[9]。城市个体经济条件下集聚外部性局限于城市内部，而城市网络经济条件下的网络外部性可以突破城市边界（Capello，2000）。城市网络结构下大规模的要素流动与规模借用对区域内资源空间分布与配置效率产生影响，也会影响创新价值链演化过程。在当今时代，究竟是单中心主导还是多中心主导更具效益，一直存在争议。本文将从创新价值链效率视角出发，探讨何种空间结构更有利于城市增长动能革新与长期高质量发展，从而合理优化城市内外空间结构，加快建设世界创新高地。

与本研究相关的文献主要包括两个方面。一是多核心理论视角下城市空间结构与创新绩效之间因果关系的研究。从城市内部来看，Li等^[10]基于人口分布数据测度城市内部多中心空间结构，发现多中心空间结构对创新绩效存在抑制作用；Chen等^[11]、王峤等^[12]的研究支持这一结论，并发现这种抑制作用存在空间异质性，且受到城市规模的调节作用。从城市外部来看，陈书平等^[13]研究发现，省域内城市多中心空间结构对创新绩效的影响呈现倒U型曲线特征；Ye等^[14]研究发现省域内城市多中心空间结构会抑制创新水平提升，但是，有利于缩小创新差距。二是创新价值链效率影响因素分析。从微观层面来看，Ganotakis等^[15]探讨了创新价值链各阶段之间的作用机制，并对支撑创新价值链运行的知识基础、技能水平、外部联系等因素进行了分析。从宏观层面来看，Hu等^[16]研究发现全球价值链嵌入可以提高创新价值链效率，且这种影响主要由全球价值链地位上升引起；李琳等^[17]研究发现金融集聚可以促进创新链升级，且存在明显的空间溢出效应。目前关于创新价值链效率影响因素的研究较少，且缺乏城市空间结构与创新价值链效率问题的研究，有待建立空间结构变迁与创新价值链效率提升协同演化的理论框架。

本文边际贡献在于：第一，在城市层面将两阶段创新价值链模型拓展到三阶段创新价值链模型，从知识创新、研发创新、产品创新3个阶段表征整体创新过程，利用三阶段投入产出效率，运用耦合协调度模型测算创新价值链效率。第二，从形态多中心角度出发，利用夜间灯光数据更为客观地测算城市内部多中心空间结构指数与省域内城市之间多中心空间结构指数，进而探讨城市内外多中心空间结构对创新价值链效率的影响效应、异质性与传导路径，并分析城市内外多中心空间结构影响创新价值链效率的配置效率机制和合作共享机制。第三，城市内部多中心空间结构发展绩效受其集聚规模的影响，城市外部多中心空间结构发展绩效受借用规模存在与否的影响，由此进一步剖析集聚经济视角的集聚规模与网络经济视角的借用规模调节作用下，城市内外多中心空间结构对创新价值链效率的影响存在何种差异。

1 理论机制与假设

1.1 多中心空间结构对创新价值链效率的影响

（1）内部多中心空间结构与创新价值链效率。内部空间结构是集聚经济在城市内部不同区块分布的结果^[18]。在多中心空间结构发展初期，会由于效率不足与空间分散而抑制创新价值链效率。首先，多中心意味着资源分散，无论是主要发展中心还是次要发展中心都面临集聚效应不足的问题，从而导致经济效率较低^[12]。其次，创新的产生与传递依赖于知识编码和隐性知识传播，而隐性知识的扩散主要通过面对面交流实现（Rosenthal & Strange，2008）。受多中心空间结构中不同发展中心之间地理位置的制约，导致知识溢出效率降低，最终抑制创新价值链效率。当多中心空间结构发展到一定阶段时，会提升城市创新价值链效率。第一，多中心空间结构引导主要发展中心科教资源向周围扩散，例如，共建科研院所等，科研院所受到次要发展中心财政资金支持，并与具体产业发展相结合，提高知识创新效率。多中心空间结构缓解拥挤成本过高的问题，并提高资源环境承载力、基础设施承载力，通过提高不同发展中心要素与政策、产业等的匹配度，促使主次发展中心政产学研用网络优化，提高研发创新效率与产品创新效率。第二，不同类型的企业由于其发展诉求不同，如对人口密度的偏好不同、对功能属性的偏好不同等，会倾向于在不同空间进行布局^[19]。同时，随着高等院校与科研院所在次发展中心的集聚，一些生产性服务业也会向次发展中心集聚（蒋丽，2014）。因此，多中心空间结构的发展会提高知识创新、研发创新、产品创新在城市内不同空间的协调度，从而提升创新价值链效率。

（2）外部多中心空间结构与创新价值链效率。我国多数地区呈现核心城市极化发展的单中心空间结构^[13]，但是，核心城市整体要素集聚水平越高，越容易遭受房价过高、交通拥挤等问题，而且一枝独秀的空间发展模式也会造成省域整体的市场分割。随着协调发展战略的推进与交通基础设施的升级，省域多中心空间结构成为更具效率的空间组织方式（尤济红，2022）。城市外部多中心空间结构削弱了城市之间的行政分割与市场分割，有助于要素自由流动与市场整合^[20]，逐渐形成分工合作的城市网络。第一，城市网络结构下劳动力的流动，特别是高素质人才的流动会加强知识传播与再编码速度，推动知识创新效率提高。劳动力、资金在区域内的宏观配置会提高人力资本等要素与不同产业的匹配质量，提高研发创新效率。高水平的市场一体化环境保证技术在区域内横向扩散与垂直转移，加快市场化转化进程，提高产品创新效率。第二，要素自由流动重构资源空间分布格局，不同城市定位不同、功能属性不同，吸引的人才、产业等也不同，最终引导不同要素在不同城市形成差异化集聚，夯实不同城市创新价值链发展的要素基础，提升创新价值链效率。因此，本文提出如下假设：

H_1a：城市内部多中心空间结构对创新价值链效率的影响呈现为先抑制后促进的“U”型非线性关系；

H_1b：城市外部多中心空间结构对创新价值链效率具有促进作用。

1.2 多中心空间结构对创新价值链效率的作用机制

（1）内部多中心空间结构影响创新价值链效率的配置效率机制。多中心结构发展初期，主要发展中心要素集聚能力增强，城市次发展中心受到限制，会对城市整体配置效率造成影响。多中心结构发展后期，主要发展中心拥挤成本变高，资源要素向周边次要发展中心转移。通过提高城市内部不同经济实体之间的组织效率，更有效地分享资源，在重要问题上进行协调决策，推动城市整体福利最大化，促进发展中心之间的互补性而非冗余竞争^[21]。这种多中心发展趋势通过减少城市内交易成本提高城市配置效率（Li & Liu，2018）。配置效率在微观上体现为要素在不同企业的自由流动，在宏观上则体现为人力资本与产业的匹配度、产业与城市的匹配度等。配置效率越高，创新价值链各阶段的投入产出效率越高。

（2）外部多中心空间结构影响创新价值链效率的合作共享机制。省域内核心城市经济规模持续扩大时，必然会面临集聚不经济问题，此时向其它城市进行要素疏散成为必然（孙斌栋，2017），一方面可以减轻过度集聚造成的高昂拥挤成本，另一方面可以集聚高端生产要素，提升发展能级。由城市个体发展转向城市群体发展，在更广阔的市场中，各种类型、规模与层级的城市依靠自身资源禀赋和产业优势开展合作，形成大中小城市分工明确、互动发展的城市网络，实现合作共享、功能互补。城市合作共享过程中，高素质人才流动更为自由，高校、企业、政府等合作更为频繁，促进知识溢出与创新溢出，从而提高邻近城市创新水平（白俊红，2017）。高校、企业、政府等合作有助于降低专利、技术等交易成本，加快技术在不同城市的传播与升级，推动知识创新、研发创新、产品创新的持续革新与转化，进而提高创新价值链效率。因此，本文提出如下假设：

H_2a：城市内部多中心空间结构可以通过配置效率机制影响创新价值链效率；

H_2b：城市外部多中心空间结构可以通过合作共享机制提高创新价值链效率。

1.3 集聚经济与网络经济视角下多中心空间结构对创新价值链效率的影响

（1）集聚经济视角下城市内部多中心空间结构对创新价值链效率的影响。从局部集聚规模视角出发，即从城市内部主要发展中心集聚规模视角出发，当多中心空间结构水平较低时，局部集聚规模会降低多中心空间结构对创新价值链效率的抑制作用。这是由于内部主要发展中心的集聚规模会提高城市资源要素集聚程度与利用效率，有利于培育内部发展极，率先获得发展基础^[22]，从而支撑创新价值链效率提升。当多中心空间结构水平较高时，主要发展中心集聚规模越大，越倾向于抑制其它发展中心的成长，所以，局部集聚规模会降低多中心空间结构对创新价值链效率的促进作用。从整体集聚规模视角出发，即从城市整体集聚规模出发，当多中心空间结构水平较低时，城市集聚规模越大，自身资金、人才、基础设施等创新资源越充裕，越能降低多中心空间结构对创新价值链效率的抑制作用。当多中心空间结构水平较高时，城市集聚规模越大，拥挤成本越高（Fujita & Ogawa，1982），从而造成效率损失，降低多中心空间结构对创新价值链效率的促进作用。

（2）网络经济视角下城市外部多中心空间结构对创新价值链效率的影响。省域多中心空间结构推动城市网络发展与深化，由邻接关系而产生的城市集聚外部性转变为超越邻接关系的网络外部性。Meijers^[23]认为，多中心空间结构在城市中发挥正外部性的前提是城市之间的合作共享与功能互补，借用规模获得发展。借用规模是指当城市规模与其经济表现不存在显著性的联系时表现出来的一种外部性形式，可以分为绩效规模借用与功能规模借用。目前我国各省份多中心程度均不高，大多数省份还处于支撑中心城市率先发展的态势，整体虹吸水平大于扩散水平，可能造成绩效规模借用下的集聚阴影，例如靠近北京和天津的中小城市贫困带（姚常成，2020）。受国家战略以及行政壁垒弱化的影响，毗邻地区、都市圈乃至省域之间城市展开广泛的合作，合作园区、创新飞地、异地孵化器等为城市依据各自功能禀赋进行合作提供了广泛的载体，功能规模借用将会强化外部多中心空间结构对创新价值链效率的促进作用。因此，本文提出如下假设：

H_3a：局部集聚规模会对内部多中心空间结构与创新价值链效率之间的关系发挥负向调节效应，整体集聚规模会对内部多中心空间结构与创新价值链效率之间的关系发挥负向调节效应；

H_3b：绩效规模借用会对外部多中心空间结构与创新价值链效率之间的关系发挥负向调节效应，功能规模借用会对外部多中心空间结构与创新价值链效率之间的关系发挥正向调节效应。

2 研究设计与数据来源

2.1 模型设定

按照前文研究假设，对空间结构与创新价值链效率之间的非线性关系进行分析，构建模型如下：

IE_it=α₁+β₁IPS_it/EPS_it+∑δ_j1X_jit+μ_i+η_t+ε_it

IE_it=α₁+β₁IPS_it/EPS_it+β₁'IPS_it²/EPS_it²+∑δ_j1X_jit+μ_i+η_t+ε_it

式中，i、t分别表示城市和年份，IE表示创新价值链效率，IPS表示城市内部多中心空间结构，EPS表示省域内城市之间多中心空间结构，X为城市层面的一系列控制变量，μ为地区固定效应，η为时间固定效应，ε为随机误差项。

2.2 变量选取

（1）被解释变量：创新价值链效率（IE）。创新是一个由知识创造向产品推广转化的价值链，包括多主体合作和多元创新投入。现有研究倾向于将整个创新过程视为一个“黑箱”，考虑初始投入和最终产出以及创新效率，忽略了创新中间环节的运行机制^[16]。关于城市层面创新价值链的研究主要关注研发创新与产品创新两个阶段，本文借鉴余泳泽等（2013）的做法，从知识创新、研发创新、产品创新三个阶段分析创新价值链。借鉴李琳等^[17]、王维国等^[24]的做法，构建创新价值链各阶段的投入产出指标体系。知识创新阶段的主体是高等院校和科研院所，其投入为教学科研人员与教育科研经费，产出为论文和著作，本文选取高等学校教师数和政府教育支出作为知识创新投入指标，城市科研论文数量作为知识创新产出指标；研发创新阶段的主体是高等院校、科研院所和企业，其创新投入为科研人员、科研经费和知识创新阶段的产出，产出为专利、技术等，本文选取研究与试验发展人员全时当量、政府科学技术支出和科研论文数量作为研发创新投入指标，专利申请授权量作为研发创新产出指标；产品创新阶段的主体是企业，其投入为相关从业人员与经费，产出为新产品，本文选取整体从业人员、规模以上工业企业数量和专利授权量作为产品创新投入指标，新产品销售收入作为产品创新产出指标。由于城市新产品销售收入数据、研究与试验发展人员全时当量数据存在严重缺失，本文利用第二产业增加值将省级新产品销售收入数据拆分至城市，利用科研从业人员数量将省级研究与试验发展人员全时当量数据拆分至城市。

根据创新价值链各阶段的投入与产出指标，利用DEA模型测算各阶段创新效率。借鉴李琳等^[17]的做法，运用耦合协调度模型测算知识创新效率、研发创新效率与产品创新效率的耦合协调度，表征创新价值链效率。

其中，KIE、RIE、PIE分别为知识创新效率、研发创新效率、产品创新效率，C为创新价值链三阶段的耦合度，T为创新价值链三阶段的协同效应。a+b+c=1，系数大小反映创新价值链三个阶段各自重要程度。本文认为知识创新、研发创新、产品创新在创新价值链效率中具有同等重要的作用，因此，a=b=c=1/3。

（2）核心解释变量：内部多中心空间结构（IPS）、外部多中心空间结构（EPS）。本研究所指多中心空间结构主要是基于形态视角的空间结构，表征城市内部经济实体之间的组织方式与省域内城市之间的空间关系。用于测算空间结构的统计指标主要有人口数量^[10]、地区生产总值（尤济红，2022）、夜间灯光亮度（孙斌栋，2017）等。本文测算多中心空间结构时，采用夜间灯光亮度数据，主要有以下三点原因：第一，中国城市之间存在大量流动人口，一些大城市流动人口占比甚至超过40%，人口统计较为困难，现有公开数据所统计的常住人口数量可能不准确。第二，经济增速一直都是绩效考核的重要指标，因此，存在为美化绩效而夸大地区生产总值的可能性（张天华，2019）。第三，中国不同地区夜生活习惯差异较小，而且夜间灯光亮度去除了人为因素的干扰，能够客观反映城市经济规模。

内部多中心空间结构（IPS）表示城市内部区县等经济实体之间的组织方式，借鉴Meijers等^[21]的做法，采用赫芬达尔指数测算城市内部单中心空间结构指数，并对指标进行换算，表征城市内部多中心空间结构。

HHI=∑ⁿ₁（P_m/P_i）²IPS=1/HHI

其中，n为城市内部区县个数，P_m为城市内部各区县夜间灯光亮度，P_i为城市整体夜间灯光亮度，IPS越大，说明城市内部空间结构越趋于多中心。

外部多中心空间结构（EPS）表示省域内不同城市之间的空间结构，借鉴Meijers等^[25]的做法，运用城市规模分布的帕累托指数测算城市外部多中心空间结构，计算公式为：

lnR_i=C-q_jlnP_iEPS=（q₁+q₂+q₃）/3

其中，R_m是m城市夜间灯光亮度在省份内的排名。首先，对省份内各城市夜间灯光亮度进行排名，其次，利用最小二乘法对相关城市进行回归（此方法要求省内数据完整城市不少于4个，因此，剔除数据不完整的西藏、青海、新疆、海南4个省份，以及北京、上海、天津、重庆4个直辖市）。为保证结果可比性，对前二三四位的城市分别进行回归后取平均值，得到城市外部空间结构的多中心指数EPS。EPS越大，城市外部空间结构越趋于多中心。

（3）控制变量。产业结构（IS）：用第二产业与第三产业增加值之和占地区生产总值的比重表示；金融规模（FIN）：用年末金融机构存贷款额占地区生产总值的比重表示；政府效能（GOV）：用地方一般公共预算收入占地区生产总值的比重表示；对外开放（OPEN）：用实际利用外资额占地区生产总值的比重表示；基础设施（ROAD）：用城市年末公路里程占行政面积的比重表示。

2.3 数据来源

夜间灯光数据来自美国国家地球物理中心DMSP数据与国家环境信息中心VIIRS数据，由于这两种数据来源于不同传感器，因此，存在一定差异。DMSP夜间灯光数据的空间分辨率低于VIIRS夜间灯光数据，而且VIIRS夜间灯光数据存在一定的噪声，需要进行校正降噪后才能将两组数据合并。首先，将两组矢量地图都转换成同样的平面投影坐标系，并将其空间分辨率设定为1 000m，从而保持一致。其次，对DMSP数据进行校正处理，并对VIIRS数据进行降噪处理，对两组数据进行敏感度分析，选取最优拟合参数，从而合并出DMSP数据（2003-2020年）。科研论文数量来自Web of Science核心数据库中SCI、SSCI、CPCI-S三大数据库，通过手动检索得到。剔除存在行政区划调整的城市与数据严重缺失的城市，最终研究样本为270个地级市。由于2003年之前城市数据存在许多缺失，因此，时间范围为2003-2020年。数据主要来源于《中国城市统计年鉴》《中国区域经济统计年鉴》《中国科技统计年鉴》，以及各省市统计年鉴与统计公报。

3 实证结果分析

3.1 基准回归分析

考虑到可能存在不随时间变化的遗漏变量，运用时间、地区双固定效应模型对城市内外多中心空间结构与创新价值链效率的因果关系进行实证分析。表1中列（1）和列（3）为城市内外多中心空间结构对创新价值链效率线性影响效应的检验结果，列（2）和列（4）为城市内外多中心空间结构对创新价值链效率非线性影响效应的检验结果，列（5）—列（8）为加入控制变量后城市内外多中心空间结构对创新价值链效率影响效应的检验结果。从结果可以看出，无论是否加入控制变量，内部多中心空间结构对创新价值链效率的影响系数一次项均为负，二次项均为正，呈现出先抑制后促进的“U”型曲线关系。这表明在内部多中心空间结构发展初期，会由于资源分散与集聚效应不足而抑制创新价值链效率，在内部多中心空间结构发展后期，资源要素受供需关系的影响加快流动，要素空间分布趋于合理，促进创新价值链效率提升。同样，无论是否加入控制变量，外部多中心空间结构对创新价值链效率的影响系数均为正值，表现为显著促进。外部多中心空间结构的发展推动要素自由流动，有利于分工有效的城市网络构建，进而提升创新价值链效率。

在2020年270个研究样本城市中，有143个城市内部多中心空间结构指数位于“U”型曲线拐点的左侧，对创新价值链效率存在一定的抑制作用。城市外部多中心空间结构对创新价值链效率的影响为促进作用，2009年之前中国城市外部多中心空间结构指数高低起伏，2010年之后整体呈现上升趋势。创新价值链效率在2003—2020年上升约70.27%，整体来看，空间结构变迁推动创新价值链效率提升。但是，多中心空间结构与创新价值链效率之间可能存在一定的内生性。一方面，两者之间可能存在反向因果关系，城市创新价值链效率越高，创新能力越强，创新要素集聚能力越强，进而影响城市内部与城市之间的产业布局^[12]。另一方面，可能存在遗漏变量问题，创新价值链影响因素众多，实证分析可能遗漏部分影响因素。因此，运用工具变量法进一步准确识别城市内外多中心空间结构与创新价值链效率之间的因果关系。借鉴王晓红等^[26]的做法，使用明朝驿站数量作为工具变量，将其交乘时间虚拟变量后进行内生性检验。驿站修建历史久远，具有明显的外生性，符合工具变量的选取要求。结果如表2所示，列（1）、列（2）表明城市内外多中心空间结构与驿站数量存在显著相关性，且F统计值均大于10，拒绝弱工具变量假设。列（3）、列（4）中核心解释变量系数正负号及显著性与基准回归保持一致，印证了假设H₁。

3.2 稳健性分析

（1）替换核心解释变量。借鉴陈旭等^[20]的做法，运用变换的首位度测度城市内外多中心空间结构。IPS=1-P_mmax/P_i，其中，P_mmax为城市内部区县夜间灯光亮度的最大值；EPS=1-P_imax/P_s，其中，P_imax为省域内部城市夜间灯光亮度的最大值，P_s为省域整体夜间灯光亮度。替换核心解释变量的稳健性检验结果如表3中列（1）、列（2）所示。

（2）剔除创新型试点城市。我国从2008年起推行创新型试点城市政策，截至2020年先后在78个城市（区）开展试点。创新型试点城市可能受政策支持、环境优化等作用而影响城市创新价值链效率，对实证结果造成偏误。将创新型试点城市删除后开展稳健性检验，结果如表3中列（3）、列（4）所示。

（3）更换计量模型。创新价值链效率取值在0～1之间，存在明显范围限定，运用Tobit 模型进行稳健性检验，结果如表3中列（5）、列（6）所示。

（4）动态性检验。鉴于创新是一个循环累积的过程，当期创新价值链效率可能受到前一期创新价值链效率的影响。因此，在模型中加入创新价值链效率的滞后项，排除滞后效应的影响，结果如表3中列（7）、列（8）所示。由于创新价值链隐含时序关系，而城市空间结构是一种静态数据，可能存在时间不对等问题。因此，基于滞后2期的知识创新效率、滞后1期的研发创新效率与当期产品创新效率，利用耦合协调度模型计算创新价值链效率，并将滞后2期、滞后1期与当期的空间结构指数取平均值计算内外多中心结构，开展稳健性检验，结果如表3中列（9）、列（10）所示。稳健性检验中核心解释变量系数符号与前文保持一致，并通过显著性检验，支撑前文研究结论。

3.3 异质性分析

不同类型城市经济基础、集聚能力不同，可能对空间结构变迁与创新价值链效率提升产生不同影响。按照城市所在区域和经济基础不同，将城市划分为东部城市与中西部城市，探讨空间结构变迁影响创新价值链效率的空间区位异质性。按照城市集聚能力不同，依据城市常住人口数量将500万人以上的城市划分为大城市，其余则为中小城市，探讨空间结构变迁影响创新价值链效率的城市规模异质性。空间区位异质性检验结果如表4中列（1）—列（4）所示，东部城市内部多中心空间结构对创新价值链效率影响的非线性关系不再成立，可能是由于东部城市发展基础较好，大多已经度过由于多中心结构而引起资源分散问题的阶段，突破了非线性关系的约束，表现为促进作用。中西部城市外部多中心空间结构对创新价值链效率的影响不显著，可能是由于中西部城市发展基础较差，外部多中心空间结构的发展无法催生有效的分工合作网络，也无法支撑创新价值链效率提升。城市规模异质性检验结果如表4中列（5）—列（8）所示，大城市内部多中心空间结构对创新价值链效率影响的非线性关系不再成立，可能是由于大城市资源要素集聚能力较强，多中心结构发展带来资源相对分散下多个发展中心的集聚红利，突破了非线性关系的约束，有利于创新价值链效率提升。大城市外部多中心空间结构对创新价值链效率的影响为正但不显著，可能是由于大城市之间资源竞争较为激烈，尚未形成互惠发展的合作体系，导致对创新价值链效率的提升作用不显著。

3.4 传导路径检验

为了探究空间结构作用于创新价值链效率的传导路径，将创新价值链效率拆分为知识创新效率、研发创新效率、产品创新效率进行逐步回归，结果如表5所示。城市内部多中心空间结构对知识创新效率、产品创新效率的影响呈现为先抑制后促进的“U”型曲线关系，对研发创新效率的影响呈现为先促进后抑制的倒“U”型曲线关系，表明城市内部多中心空间结构对创新价值链效率的影响主要通过作用于知识创新、产品创新两个阶段完成。内部多中心空间结构对知识创新效率、产品创新效率的作用拐点约为0.098、0.101，对研发创新效率的作用拐点约为0.126。比较其拐点发现，在合理的区间内，内部多中心空间结构可以通过作用于知识创新效率、研发创新效率、产品创新效率，提高创新价值链效率。城市外部多中心空间结构对研发创新效率、产品创新效率的影响显著为正，对知识创新效率的影响不显著，表明城市外部多中心空间结构对创新价值链效率的影响主要通过作用于研发创新、产品创新两个阶段完成。

4 进一步分析

4.1 作用机制检验

为进一步分析城市内外多中心空间结构通过何种机制影响创新价值链效率，本文选取配置效率和合作共享作为机制变量，构建中介效应模型进行检验。配置效率（AE）：投入指标，劳动力投入方面以城镇单位年末从业人员数量衡量，资本投入以资本存量衡量，资本存量根据全社会固定资产投资额运用永续盘存法计算；产出指标，以地区生产总值衡量，运用DEA模型测算。合作共享（CS），主要指劳动力流动带来的合作共享，借鉴王梓利等^[27]的做法，使用引力模型进行测算，CS_it=pop_i×pop_j/d_ij²，其中，pop为城市常住人口数，d_ij为城市之间的距离。

作用机制检验结果如表6所示，城市内部多中心空间结构对配置效率的影响如列（1）所示，内部多中心空间结构一次项系数为负，二次项系数为正，表现为先抑制后促进的“U”型曲线关系。在内部多中心空间结构发展初期，城市整体要素集聚水平较低，多中心发展趋势会造成资源分散化、空间碎片化，从而抑制城市整体配置效率；在内部多中心空间结构发展后期，城市整体要素集聚水平较高，主要发展中心拥挤成本变高，多中心结构分散主要发展中心的承载压力，提升整体配置效率。列（2）中配置效率的影响系数显著为正，表明配置效率机制通过检验，即城市内部多中心空间结构可以通过配置效率机制影响创新价值链效率，验证了假设H_2a。城市外部多中心空间结构对合作共享的影响如列（3）所示，外部多中心空间结构系数显著为正，表明外部多中心空间结构推动城市网络发展，有利于要素自由流动与大中小城市功能分工，进而推动城市间共享合作。列（4）中合作共享的影响系数显著为正，表明合作共享机制通过检验，即城市外部多中心空间结构可以通过合作共享机制影响创新价值链效率，验证了假设H_2b。

4.2 调节效应检验

4.2.1 集聚经济视角下城市内部多中心空间结构对创新价值链效率的影响

城市内部多中心空间结构的发展绩效受到城市内部主要发展中心集聚规模与城市整体集聚规模的影响。主要发展中心集聚规模会影响自身集聚经济与拥挤成本的关系，发展初期会影响城市整体经济运行情况，城市整体集聚规模会影响主要发展中心与次要发展中心的要素分布以及组织方式，支撑或者限制城市进一步发展，最终影响创新价值链效率。因此，选取调节变量进行实证检验。局部集聚规模（PAS），采用城市内部经济规模最大区县占城市经济规模的比重表示，为排除城市自身规模大小的干扰，将其与城市经济规模占全国经济规模的比重交乘。PAS=MAXP_m/P_i/（P_i/P），其中，P为用夜间灯光亮度表示的全国经济规模。整体集聚规模（TAS），采用城市经济规模占全国经济规模的比重表示，TAS=P_i/P。

检验结果如表7所示，列（2）中内部多中心空间结构与局部集聚规模交叉项的系数显著为正，内部多中心空间结构平方项与局部集聚规模交叉项的系数显著为负，表明局部集聚规模对其存在负向调节作用。在内部多中心空间结构指数较低时，局部集聚规模提高会弱化内部多中心空间结构对创新价值链效率的抑制作用，在内部多中心空间结构指数较高时，局部集聚规模提高会弱化内部多中心空间结构对创新价值链效率的促进作用。列（4）中内部多中心空间结构与整体集聚规模交叉项的系数显著为正，内部多中心空间结构平方项与整体集聚规模交叉项的系数显著为负，表明整体集聚规模对其存在负向调节作用。在内部多中心空间结构指数较低时，整体集聚规模提高会弱化内部多中心空间结构对创新价值链效率的抑制作用，在内部多中心空间结构指数较高时，整体集聚规模提高会弱化内部多中心空间结构对创新价值链效率的促进作用，验证了假设H_3a。

基准回归发现，2020年有143个城市内部多中心空间结构指数位于“U”型曲线拐点的左侧，表现为抑制创新价值链效率。要减轻对创新价值链效率的抑制作用，在内部多中心空间结构发展初期，一方面要注意对主要发展中心的培育，形成内部发展极，提升在区域中的竞争力；另一方面要给予政策支持，吸引人才、资金、产业在城市内集聚，尽可能提供充足的要素支撑。

4.2.2 网络经济视角下城市外部多中心空间结构对创新价值链效率的影响

外部多中心空间结构推动城市网络发展与深化，城市集聚外部性转变为网络外部性，产生作用的空间范围逐步扩大，为借用规模的产生奠定基础。城市外部多中心空间结构的发展绩效受到城市间绩效规模借用与功能规模借用的影响。在此条件下，经济要素在其它城市的集聚会对某个城市产生何种影响？高级功能在其它城市的集合会对某个城市产生何种影响？本文选取调节变量进行实证检验，对于绩效规模借用（PCB），借鉴Camagni等^[28]的测算方法，依据城市常住人口数量测算绩效规模借用指数，PCB=∑ⁿ_j=1pop_j/d_kj，?k≠j。对于功能规模借用（FCB），借鉴姚常成等^[29]的测算方法，依据部分行业从业人员比重测算功能规模借用指数，FCB=∑ⁿ_j=1fun_j/d_kj，?k≠j，fun_i=∑⁶_k=1function_ik/muf_i，其中，function为六大行业从业人员数，muf为制造业从业人员数，k分别指城市交通运输、仓储和邮政业，信息传输、计算机服务业和软件业，金融业，房地产业，租赁和商业服务业，科学研究、技术服务和地质勘查业（由于2021年《中国城市统计年鉴》未更新各行业从业人员数据，因此，功能规模借用指数计算截至2019年）。

检验结果如表8所示，列（2）中外部多中心空间结构与绩效规模借用交叉项的系数显著为负，表明绩效规模借用对其存在负向调节作用。随着外部多中心空间结构指数逐渐提高，绩效规模借用会弱化外部多中心空间结构对创新价值链效率的提升作用。这表明在中国城市化进程中部分城市规模的持续扩大对其它城市存在一定的负外部性，即集聚阴影。列（4）中外部多中心空间结构与功能规模借用交叉项的系数显著为正，表明功能规模借用对其存在正向调节作用。随着外部多中心空间结构指数逐渐提高，功能规模借用会强化外部多中心空间结构对创新价值链效率的提升作用。这表明网络结构下城市之间的功能分工趋于合理化，多种形式的合作提高了城市功能在区域中的溢出，从而支撑创新价值链效率提升，验证了假设H_3b。

5 研究结论与政策建议

5.1 研究结论

本文利用夜间灯光亮度与城市经济指标的匹配数据，考察了城市内部、外部多中心空间结构对创新价值链效率的影响效应与作用机制，得到如下结论：

（1）城市内部多中心空间结构对创新价值链效率的影响呈现为先抑制后促进的“U”型非线性关系，城市外部多中心空间结构对创新价值链效率具有促进作用。

（2）城市内部、外部多中心空间结构对创新价值链效率的影响存在空间区位异质性与城市规模异质性，且其影响创新价值链各阶段的传导路径存在差异。

（3）城市内部多中心空间结构通过配置效率机制影响创新价值链效率，城市外部多中心空间结构通过合作共享机制提高创新价值链效率。

（4）局部集聚规模、整体集聚规模均会对内部多中心空间结构与创新价值链效率之间的关系发挥负向调节效应；绩效规模借用会对外部多中心空间结构与创新价值链效率之间的关系发挥负向调节效应，功能规模借用会对外部多中心空间结构与创新价值链效率之间的关系发挥正向调节效应。

5.2 政策建议

（1）根据发展需求，选取合适的空间发展模式。从城市内部来看，在不同发展阶段城市自身要素集聚能力存在差异，对于单中心主导还是多中心主导的选择也存在差异。在经济发展水平较低时，要素集聚能力不足，更适合选择单中心主导的空间结构，培育内部增长极，获得率先发展。在经济发展水平较高时，要考虑集聚不经济与拥挤成本问题，选择多中心主导的空间结构，内部增长极要注重集聚高端要素，提高发展能级，次中心承接资源转移，协同发展。从城市外部来看，要引导多中心空间结构发展，并促进城市个体发展转向城市网络化发展，培育大中小城市分工合作、功能互补的城市体系，大城市集聚网络资源，小城市享受网络外部性辐射。

（2）基于整体性视角，提升创新价值链效率。创新价值链是知识、研发到产品的连续性过程，因此，支撑创新价值链效率提升可从创新价值链的3个阶段入手。知识创新的主体是学校，应予以充分的经费支持，并建立合理的奖励机制。研发创新的主体是学校与企业，应推进校企合作，集聚资金、人才、市场等要素，合力发展。产品创新的主体是企业，应依据市场导向，提供政策支持，提高产品供给质量。同时，要充分发挥政府和中介的作用，降低交易成本，推动知识创新、研发创新到产品创新的整合转化，进而推动创新价值链升级。

（3）在内部多中心空间结构发展初期，要克服资源分散的问题，依靠主要发展中心集聚规模与城市整体集聚规模的提升，减轻对创新价值链效率的抑制作用。在内部多中心空间结构发展后期，要加快资源在不同发展中心的合理分配，提升配置效率，支撑创新价值链升级。在外部多中心空间结构发展过程中，要引导大中小城市合作发展，避免集聚阴影的产生，进而发挥网络经济的外部性，依靠借用规模推动城市间合作共享，提升城市创新价值链效率。

参考文献：

[1]COOKE P. Complex adaptive innovation systems： relatedness and transversality in the evolving region[M]. London： Routledge， 2012.

[2]谢伏瞻，刘伟，王国刚，等.奋进新时代 开启新征程——学习贯彻党的十九届五中全会精神笔谈（上）[J].经济研究，2020，55（12）：4-45.

[3]SUN Y， ZHANG N， LI B， et al. Enhancing the effectiveness of multi-agent cooperation for green manufacturing： dynamic co-evolution mechanism of a green technology innovation system based on the innovation value chain[J]. Environmental Impact Assessment Review， 2021，86（5）：1-16.

[4]ROPER S， DU J， LOVE J H. Modelling the innovation value chain[J]. Research Policy，2008，37（6）：961-977.

[5]FLORIDA R， ADLER P， MELLANDER C. The city as innovation machine[J]. Regional Studies，2017，51（1）：86-96.

[6]AGRAWAL A， GALASSO A， OETTL A. Roads and innovation[J]. Review of Economics and Statistics，2017，99（3）：417-434.

[7]李政，杨思莹.创新型城市试点提升城市创新水平了吗[J].经济学动态，2019，60（8）：70-85.

[8]OUWEHAND W M， VANOORT F G， CORTINOVIS N. Spatial structure and productivity in European regions[J]. Regional Studies， 2021，56（1）：48-62.

[9]刘修岩，陈子扬.城市体系中的规模借用与功能借用——基于网络外部性视角的实证检验[J].城市问题，2017，29（12）：12-19.

[10]LI Y， DU R. Polycentric urban structure and innovation： evidence from a panel of Chinese cities[J]. Regional Studies， 2021（3）：1-15.

[11]CHEN Y， LI R， ZENG E， et al. City spatial structure and smart city innovation： the case of China[J]. Industrial Management & Data Systems， 2022，122（10）：2217-2236.

[12]王峤，刘修岩，李迎成.空间结构、城市规模与中国城市的创新绩效[J].中国工业经济，2021，39（5）：114-132.

[13]陈书平，戴青兰，肖盈.省域多中心集聚与城市创新水平[J].贵州财经大学学报，2022，40（2）：35-47.

[14]YE Z， ZOU C， HUANG Y. Impact of heterogeneous spatial structure on regional innovation：from the perspectives of efficiency and gap[J]. Sustainability， 2022，14（6）：1-22.

[15]GANOTAKIS P， LOVE J H. The innovation value chain in new technology-based firms： evidence from the U.K.[J]. Journal of Product Innovation Management， 2012， 29（5）：839-860.

[16]HU D， JIAO J， CHEN C， et al. Does global value chain embeddedness matter for the green innovation value chain[J]. Frontiers in Environmental Science，2022， 10（4）：1-16.

[17]李琳，廖斌.金融集聚对绿色创新链升级的影响与空间效应[J].中南大学学报（社会科学版），2022，28（3）：124-137.

[18]GARCIA-LOPEZ M A， MUNIZ I. Urban spatial structure， agglomeration economies， and economic growth in Barcelona： an intra-metropolitan perspective[J]. Papers in Regional Science， 2011， 92（3）：515-534.

[19]SPENCER G M. Knowledge neighbourhoods： urban form and evolutionary economic geography[J]. Regional Studies， 2015， 49（5）：883-898.

[20]陈旭，邱斌.多中心空间结构与劳动收入——来自中国工业企业的证据[J].南开经济研究，2021，37（2）：24-45.

[21]MEIJERS E， BRUGGE M， CARDOSO R. Beyond polycentricity： does stronger integration between cities in polycentric urban regions improve performance[J]. Tijdschrift Voor Economische En Soclale Geografie，2018，109（1）：1-21.

[22]刘修岩，李松林，秦蒙.城市空间结构与地区经济效率——兼论中国城镇化发展道路的模式选择[J].管理世界，2017，33（1）：51-64.

[23]MEIJERS E. Polycentric urban regions and the quest for synergy： is a network of cities more than the sum of the parts[J]. Urban Studies， 2005，42（4）：765-781.

[24]王维国，王鑫鹏.创新转化效率、要素禀赋与中国经济增长[J].数量经济技术经济研究，2022，39（12）：5-25.

[25]MEIJERS E， BRUGGE M. Spatial structure and productivity in US metropolitan areas[J]. Environment and Planning A，2010，42（6）：1383-1402.

[26]王晓红，李宣廷，张少鹏.多中心空间结构是否促进城市高质量发展——来自中国地级城市层面的经验证据[J].中国人口·资源与环境，2022，32（5）：57-67.

[27]王梓利，林晓言.交通基础设施如何促进区域金融发展——基于广义运输成本传导机制的检验[J].江西财经大学学报， 2021， 23（1）： 43-54.

[28]CAMAGNI R，ROBERTA C，ANDREA C. Static vs dynamic agglomeration economies： spatial context and structural evolution behind urban growth[J]. Papers in Regional Science， 2016，95（1）：133-159.

[29]姚常成，宋冬林.借用规模、网络外部性与城市群集聚经济[J].产业经济研究，2019，18（2）：76-87.

（责任编辑：万贤贤）

Polycentric Spatial Structure and Innovation Value Chain Efficiency： Effects and Mechanisms

Zhang Anwei¹， Hu Yan^1，2

（1.Academy of strategies for innovation and development，Anhui University；2.Economics School，Anhui University， Hefei 230601， China）

Abstract：Innovation is the primary driving force of development， and it plays an important role in coping with internal and external challenges and achieving long-term sustainable development， yet only high patent output or prominence in one aspect may not necessarily be stronger in overall innovation. Therefore， it is essential to evaluate the overall innovation ability of the city from a more comprehensive perspective. The innovation value chain highlights the structure and complexity of the process of transforming knowledge into business value， and emphasizes the role of labor， capital and skills in the process of value creation. Because of its integrity and continuity， more and more studies regard it as a research framework for comprehensive evaluation of innovation performance. Previous research has mainly discussed the supporting factors of innovation efficiency in a certain process of the innovation value chain， but with regards to the organization of urban internal economic entities and the spatial structure between cities， few studies have concentrated on the causal relationship between urban polycentric spatial structure and innovation efficiency， and the causal relationship between urban polycentric spatial structure and innovation value chain efficiency is seldom touched. The spatial structure is the result of the distribution of agglomeration economy in different regions. The cost and benefit of agglomeration economy affect the regional spatial layout， forming monocentric and polycentric spatial structures. However， it has been controversial if monocentric spatial structure or polycentric spatial structure is more effective in dominating the future of a city. From the perspective of innovation value chain efficiency， this study explores which spatial structure is more conducive to urban growth momentum， innovation and long-term high-quality development， so as to reasonably optimize the urban internal and external spatial structures.

On the basis of existing research， this study constructs a theoretical framework of co-evolution between urban polycentric spatial structure and innovation value chain efficiency. It uses the matching data of light intensity in the nighttime and urban economic indicators to empirically test the effects and mechanisms of urban internal and external polycentric spatial structure on innovation value chain efficiency. Firstly， the two-stage innovation value chain model is extended to a three-stage innovation value chain model at the city level. The whole innovation process is characterized by knowledge innovation， R&D innovation and production innovation. The innovation efficiency in three-stage input-output is used to measure the innovation value chain efficiency by using the coupling coordination model. Secondly， from the perspective of morphological polycentricity， the data of light intensity？？in the nighttime is used to calculate the polycentric spatial structure indexes in cities and between cities more objectively， and then the study explores the impact effect， spatio-temporal heterogeneity， transmission path and mechanism of the urban polycentric spatial structure on innovation value chain efficiency. Finally， the development performance of internal polycentric spatial structure is affected by the agglomeration scale， and the development performance of external polycentric spatial structure is affected by the borrow scale. Therefore， this paper further analyzes the differences between the effects of polycentric spatial structure on innovation value chain efficiency under the adjustment of agglomeration scale from the perspective of agglomeration economy and borrowing scale.

The findings suggest that the effect of urban internal polycentric spatial structure on innovation value chain efficiency is a U-shaped nonlinear relationship of inhibition and promotion， while the effect of urban external polycentric spatial structure on innovation value chain efficiency is promotive. There are spatial location heterogeneity and city scale heterogeneity of the influence of polycentric spatial structure on innovation value chain efficiency， and the transmission path of its influence on innovation value chain efficiency in each stage is different. The internal polycentric spatial structure can affect innovation value chain efficiency through the mechanism of allocation efficiency. The external polycentric spatial structure can improve innovation value chain efficiency through cooperation and sharing mechanism. Local agglomeration scale and overall agglomeration scale play negative moderating effects on the relationship between internal polycentric spatial structure and innovation value chain efficiency. Performance scale borrowing has a negative moderating effect on the relationship between external polycentric spatial structure and innovation value chain efficiency， while function scale borrowing has a positive moderating effect on the relationship between external polycentric spatial structure and innovation value chain efficiency.

Key Words：Polycentric Spatial Structure; Innovation Value Chain Efficiency; Agglomeration Economy; Network Economy