我国五大城市群县域科技创新效率空间分异与障碍因子分析

肖松 邹小伟 张永薇 姚栋夫

收稿日期：2023-12-18  修回日期：2024-02-19

基金项目：湖北省软科学计划研究项目（2023EDA102）

作者简介：肖松（1970-），男，湖北大冶人，湖北省科技信息研究院党委书记，研究方向为科技管理；邹小伟（1986-），男，江西吉安人，湖北省科技信息研究院副研究员，山东大学蓝绿发展研究院博士研究生，研究方向为科技管理；张永薇（1996-），女，湖北武汉人，湖北省科技信息研究院助理研究员，研究方向为科技管理；姚栋夫（1988-），男，湖北黄冈人，湖北省科技信息研究院助理研究员，研究方向为科技管理。本文通讯作者：邹小伟。

摘  要：城市群作为创新要素集聚地，在全国生产力布局中发挥战略性支撑作用，县域是城市群协同创新的重要空间载体，在中国未来城市发展中拥有不可或缺的重要地位。采用DEA-BCC效率模型、核密度、空间探索性等研究方法，测算2018—2021年长三角、珠三角、中原、成渝以及长江中游城市群所辖县域科技创新效率，并采用障碍度模型识别影响五大城市群县域创新效率的主要因素。结果表明：五大城市群县域科技创新效率存在较大差距，其中，高新技术产业发展、创新平台建设、企业创新投入和科技人力资源禀赋等是阻碍县域科技创新效率提升的重要因素，进而提出城市群县域科技创新效率优化路径。

关键词关键词：县域；城市群；创新效率；区域差异；均衡发展

DOI：10.6049/kjjbydc.2024040090

开放科学（资源服务）标识码（OSID）      开放科学（资源服务）标识码（OSID）：

中图分类号：F061.5

文献标识码：A

文章编号：1001-7348（2024）12-0035-12

0  引言

县域是国家区域创新体系的重要组成部分，支撑基础层级单元向高质量创新空间发展。作为连接城市、服务乡村的基础单元，县域在加快新型城镇化建设和推动科技创新中发挥关键作用。2018年11月，中共中央、国务院发布《关于建立更加有效的区域协调发展新机制的意见》，提出“推动国家重大区域战略融合发展”“建立以中心城市引领城市群发展、城市群带动区域发展新模式”［1］。中共二十大报告提出，以城市群、都市圈为依托构建大中小城市协调发展格局，推进以县城为重要载体的城镇化建设［2］。改革开放后，粤港澳大湾区、长三角、京津冀三大动力源逐渐形成，相比之下，我国县域创新能力仍然总体偏弱。如果科技资源过度集中于城市，势必会进一步扩大城乡差距，引发更加严重的区域不平衡。因此，结合国家创新驱动发展战略导向，以县域为研究单元，探讨地区科技创新效率与协调发展水平，有助于深入了解科技创新效率的区域差异及成因，通过构建优势互补的区域创新发展格局，提升县域创新效率，充分释放县域科技创新的内生增长潜力，为新时期县域高质量发展提供行之有效的决策支撑。

本文基于“十三五”以来全国县域科技创新发展近况，从科技投入与产出角度构建科技创新效率评价指标体系，对全国县域科技创新效率进行系统评价，并运用DEA模型对动态时序数据进行测度［3］，采用核密度指数、空间探索性分析对协同创新过程中各县域发展水平、区域内差异以及区域间差异进行分析。同时，识别影响区域创新效率提升的关键因素及其重要程度，探索与各地区县域创新能力相适应的发展模式，为推动全国县域形成区域均衡协调和高质量发展新格局提供理论支持。

1  文献综述

近年来，国内外关于区域创新的研究成果丰硕，主要围绕区域创新能力评价、影响因素识别以及区域创新能力差异分析等方面开展理论和实证研究。随着我国城市群不断演化，创新发展呈现出多层级空间格局，越来越多的学者聚焦于研究多尺度空间下的区域科技创新。

区域科技创新评价方面，相关学者主要关注科技创新发展的全要素过程，进而对区域科技创新能力进行综合评价。如王海花等［4］以长三角地区为研究对象，将高技术产业科技创新分为技术研发、成果转化与价值创造3个阶段，并针对不同阶段构建指标体系进行评价分析；王鹏等［5］从科技创新投入、科技成果产出与创新经济收益等方面入手，测度珠三角地区科技创新研发活动与经济产出两阶段效率，并揭示其关联性；朱丽霞等［6］围绕人才投入、资本投入、科技成果产出与经济效益增加等方面构建评价体系，并对长江中游城市群城市创新效率的时空分布格局与驱动因素进行分析。由此可见，相关学者重点围绕创新投入、创新产出、创新环境等维度开展研究，建立了科技创新评价的通用性指标，为本文进一步测度县域科技创新效率提供了强有力的理论支撑。

关于区域科技创新效率影响因素方面，陈套、尤超良［7］提出，科技创新不仅影响要素市场，而且影响经济、社会以及政策等宏观环境；薛楚江［8］、方莹莹等［9］以生态系统理论为基础，探究创新生态系统对区域科技创新效率的影响，指出优化创新生态能有效提升区域创新绩效；陈银娥［10］、安孟［11］等针对单一创新要素进行深入研究发现，教育投入水平、政府支持力度、财政经费投入、人力资源水平等因素均对区域创新效率具有正向促进作用；Greunz［12］在分析科技创新效率影响因素时，进一步将地理因素纳入考量范围。由于不同区域地理位置、经济发展水平、政治环境和资源禀赋不同，导致在复杂创新要素的综合作用下各地区创新效率也不同。

结合地区发展水平，相关学者进行了不同尺度的区域创新能力差异分析。从国家重大区域战略层面，有学者对中国城市创新能力进行比较，发现城市创新能力存在明显的区域差异，其中，西部地区城市的综合创新能力远远低于东部和中部地区城市（张洁等，2007）；袁晓玲等［13］利用熵值法，对2006—2019年中国十大城市群高质量发展水平进行比较，研究发现，中国城市群发展质量呈现稳步上升态势但区域间差异显著，在空间上表现出明显的“中心—外围”分布格局。为进一步探究城市群内部创新能力，李红等［14］利用改进的熵权TOPSIS法对长江中游城市群创新能力进行测度，发现区域间发展不平衡问题突出。有学者从县域角度，聚焦于县域经济高质量发展研究，但是针对县域科技创新的研究较少。如张旭等［15］为厘清科技创新与经济高质量发展的内在联系，以河北省石家庄市14个县（市）为例，进行耦合协调度分析；董克勤等［3］、赵杰［16］进一步扩大研究范围，以全国“百强县”、国家创新型县（市）为样本，深入分析创新能力、创新效率及影响因素。

综上所述，目前的区域科技创新研究主要侧重于省域层面，针对县域等基础单元的科技创新研究较少，加之县域数据收集与监测难度较大，有关全国范围视域下的县域研究更是寥寥无几。因此，有必要基于县域这一小尺度视角进一步深化我国区域科技创新能力研究。区域创新建设是国家创新体系的重要组成部分，随着全国以城市群为引领的高质量发展路径逐渐清晰，将县域纳入研究框架进行细粒度分析，有助于识别不同城市群县域发展阶段和水平，进而明确县域创新驱动发展重点和实施路径，为推动区域协调发展提供理论支持。因此，本研究将从县域角度展开讨论，对全国五大城市群县域科技创新效率进行评价，探究区域发展差异与空间分布特征，试图揭示城市群发展背景下县域科技创新效率存在的区域差异和面临的问题，并对障碍因素进行诊断分析，以此提出针对性对策建议。

2  指标体系、数据来源与研究方法

2.1  县域科技创新评价指标体系构建

为探讨全国县域科技创新发展成效，结合科技创新与区域发展的内在联系，从科技创新整体性、系统性角度，根据数据可获得性和指标选取代表性原则，从科技创新投入与科技创新产出两个维度构建科技创新效率评价指标体系。

创新投入维度，具体包括科技资金、科技人力资源、创新平台载体以及政府政策4个方面。第一，科技资金投入。由于财政科学技术支出、研究与试验发展（R&D）经费投入为区域创新发展提供有力保障，支撑当地开展创新试验活动（宁连举等，2021），因此，本文采用本级财政科学技术支出、全社会R&D经费支出占GDP比重、规模以上工业企业研究与试验发展（R&D）经费支出指标测度科技资金投入水平。其中，全社会R&D经费支出占GDP比重体现高校、科研院所等研发主体投入强度。第二，科技人力资源。科研人才拥有较强的创新产出能力，是提高地区乃至国家创新能力的根本［17］。参考以往研究，选取万名就业人员中研究与试验发展（R&D）人员数衡量人才资源。为消除人口数量产生的差异，体现县域一级科技人才特色，设置市级以上科技特派员数指标。第三，创新平台载体。本文采用创新创业服务机构及研究开发机构数、创新密集区数测度地区创新载体建设水平。第四，政府政策支持，企业享受研发经费加计扣除优惠政策获得的税收减免额、年度科普经费筹集额体现了政府对企业科技活动的重视程度，有助于带动城市群县域创新能力发展［18］，故本文采用以上指标衡量政府政策支持力度。

创新产出维度，主要包括企业主体培育、高新技术产业发展、科技成果产出3个方面。第一，企业主体培育，主要采用高新技术企业数、科技型中小企业数反映地区创新主体培育情况［19］，它们在一定程度上体现城市群创新溢出能力。第二，高新技术产业发展，本文采用规模以上企业新产品销售收入占营业总收入比重、高技术制造业增加值占工业增加值比重反映辖区内高新技术产业发展水平［20］。第三，科技成果产出。专利是创新主体知识与科研成果具现的重要形式之一［21］。现有研究主要采用专利授权数评价创新能力，以真实体现研究主体创新水平。因此，参考已有研究，本文选取万人发明专利拥有量、发明专利申请量和当年技术合同成交额衡量。具体指标构建如表1所示。

2.2  研究对象与数据来源

综合考虑到数据可靠性、公开性以及完整性，本文以五大城市群所辖县级（不含设区的市辖区）作为研究对象，测算2018—2021年（目前2022年数据暂未更新）五大城市群县域科技创新效率，并在此基础上与全国28个省份县域科技创新效率进行比较。由于京津冀城市群中北京和天津均为城区，仅有河北所辖的县（市），因此京津冀城市群未纳入本文城市群县域研究范畴。本文重点针对长三角城市群、珠三角城市群、长江中游城市群、成渝城市群以及中原城市群所辖县域进行数据分析。其中，长三角城市群包括江苏的张家港、昆山、江阴等，浙江的长兴、新昌、安吉等，安徽的肥西、界首等，共87个县（市）；珠三角城市群包括广东的台山、四会、博罗等，共53个县（市）；长江中游城市群包括湖北的大冶、枝江等，湖南的长沙、浏阳等，江西的南昌、吉安等，共149个县（市）；成渝城市群包括成都的金堂、彭州，重庆的奉节、石柱等，共74个县（市）；中原城市群包括河南、安徽、山东、河北和山西5个省份所辖的161个县（市）。

本文数据主要来源于《中国统计年鉴》《中国科技统计年鉴》《2018年全国县（市）创新能力监测报告》《2018-2021年全国县域创新能力监测报告》。由于地市创新资源主要分布在中心城区，所辖县域拥有的创新资源较少，故本文选取五大城市群县域科技创新数据进行测度，并与全国1 863个县域科技创新数据进行比较分析。针对个别县域的缺失数据，采用曲线估计和插值法进行补充。

2.3  研究方法

2.3.1  DEA模型

数据包络分析（DEA）用于不同决策单元的效率评估，是一种评价多投入、多产出指标决策单元的效率测度方法，可以评价相同部门间的相对有效性［22］。因此，本文引入规模可变条件下的产出导向型DEA-BCC模型，计算2018—2021年全国1 863个县域科技创新效率，具体包括综合效率、纯技术效率和规模效率，其数学模型如式（1）所示。

s.t.∑ni=1xiγi+s－=x0∑ni=1yiγi－s+=y0∑ni=1γi=1    γi≥0，s+≥0，s－≥0i=1，2，3，…，n（1）

式中，xi和yi分别表示投入变量与产出变量，γi、、s-、s+分别表示单位组合系数、效率评价指数和松弛变量。当=1，s-=s+=0时，决策单元为DEA有效；当<1时，则为非有效。

在构建涵盖2个一级指标、13个二级指标的评价体系的基础上，分别对二级指标数据进行前期处理，具体步骤如下：首先，构建横截面数据，收集与整理2018-2021年所有指标数据；然后，为了增强不同地区可比性，消除不同指标量纲与单位的影响，对所有地区指标进行归一化处理；最后，将得到的标准化数据放入DEA模型中进行运算，得出全国各县域科技创新效率数据。具体为：

Y=0.1+0.9×X－XminXmax－Xmin（2）

式（2）中，X为原始值，Y为调整后值，Xmin为该变量最小值，Xmax为该变量最大值。

2.3.2  核密度估计

核密度估计被广泛用于评估分布形态的动态变化，并成为一种研究不均衡分布的主流方法［23］。其主要用于测算随机变量的概率密度，能够较好地通过平滑曲线对样本演变进行直观描述，有效弥补直方图非连续性缺陷。因此，本文选用核密度估计模型对全国县域科技创新效率演变态势进行分析。其概率密度函数表达如下：

f（x）=1Nh∑Ni=1KXi－xh（3）

其中，N为样本量，KXi-xh为核函数，h代表带宽。值得注意的是，核密度估计是否准确，关键在于h选择，因此合适的带宽对核密度估计具有重要意义［24］。本文选取常用的高斯核函数对全国县域科技创新效率差异进行估计，表达式如下：

f（x）=12πexp－x22（4）

由于非参数估计无确定的函数表达式，故一般采用图形对比方式考察其分布变化。结合估计结果，可以从变量分布位置、形态和延展性3个方面进行分析。

2.3.3  空间探索性分析

本文运用空间探索性分析法分析全国县域科技创新效率的空间关联性。空间探索性分析将统计学方法与数据可视化分析相结合对空间数据进行研究，可以探测一些变量间的空间关联性和集聚特征，其中包括全局空间自相关和局部空间自相关［25］。

（1）全局空间自相关。全局空间自相关常用于分析地理数据在整个空间范围内是否存在相关性，但不能准确指明集聚区域。通用的全局空间自相关统计指标为全局莫兰指数。本研究中，若Moran's I＞0，表示县域科技创新效率相近地区趋于集中；若 Moran's I＜0，说明高水平科技创新效率县域与低水平科技创新效率县域都处于同一地区，空间差异较大。莫兰指数绝对值越大，表示相关性越强。若Moran's I＝0，则表明地区之间无空间依赖性。具体计算如下：

Moran's I=∑ni=1∑nj=1wij（xi－x-）（xj－x-）S2∑ni=1∑nj=1wij（5）

其中，S2=∑ni=1（xi－x-）/n为样本方差，Wij为空间权重矩阵（i， j），用于测量区域i与区域j的距离。根据相邻标准，选择地理空间0-1矩阵，当区域i与区域j相邻时，Wij=1；当区域i与区域j不相邻时，Wij=0［26］。

（2）局部空间自相关。局部空间自相关有助于细化空间局部特征和变化，准确指明具体集聚区，是全局空间自相关的补充。

2.3.4  障碍因子分析

在评价县域科技创新效率的基础上，为了识别不同地区科技创新效率的障碍因子，引入障碍因子模型，对各城市群县域科技创新效率影响因素展开诊断。构建的障碍因子模型如下：

Qij=Oij×Wij∑Oij×Wij×100%（6）

其中， Oij= 1－Xij ，为指标的标准化值，Qij表示所属指标对应的科技创新效率障碍度。

3  结果与分析

3.1  五大城市群县域科技创新效率的综合评价

利用DEA方法“既定投入下产出最大”的产出导向型BCC模型［27］，对2018—2021年全国1 863个县域创新投入与创新产出水平进行测算，得到五大城市群与全国决策单元的综合技术效率（crste）、纯技术效率（vrste）以及规模效率（scale），具体见表2所示。

3.1.1  综合技术效率

综合技术效率可以反映地区资源配置能力和资源使用效率。DEA模型测算结果显示，2018—2021年全国综合技术效率的均值为0.773、0.800、0.807、0.851，呈逐年上升态势；五大城市群县域综合技术效率也呈上升态势，2018—2021年分别有2个、3个、4个、4个地区县域整体达到平均水平，说明城市群正在不断发挥引领带动作用，推动创新驱动发展。同时，从表中可以看出，不同城市群县域综合技术效率的差距较大，两极分化明显。其中，最大差距出现在2019年长三角与中原城市群县域间的综合技术效率，两者相差31个百分点；综合技术效率始终处于落后的城市群是中原城市群，其综合技术效率最低，仅为0.615。

3.1.2  纯技术效率

纯技术效率显示的是一个区域在最优规模时投入要素的生产效率，其受地区管理水平、技术因素等影响较大。DEA模型测算结果显示，2018—2021年全国纯技术效率均值为0.890、0.915、0.895、0.939，整体呈逐年上升态势，表现较好。具体为：首先，相比于综合技术效率，纯技术效率水平更高，五大城市群县域纯技术效率均高于综合技术效率。从城市群来看，长三角与珠三角城市群县域纯技术效率保持领先地位；成渝城市群县域纯技术效率不断提升，在相关政策带动下，其发展质量逐渐赶超长江中游城市群县域；相比之下，中原城市群县域处于落后地位，其纯技术效率有待提升。其次，达到平均纯技术效率水平的区域较少，在五大城市群中，2018—2021年仅有长三角城市群县域超过全国平均水平。最后，相比于综合技术效率，不同地区的纯技术效率分布较均匀，所有城市群所辖县域的纯技术效率均高于0.7，且大部分地区纯技术效率处于0.8～1之间。

3.1.3  规模效率

规模效率能体现区域创新是否处于最优规模。DEA模型测算结果显示，2018—2021年规模效率均值分别为0.869、0.872、0.902、0.906，介于综合技术效率与纯技术效率之间。从表2可以看出，首先，五大城市群中长三角、长江中游城市群县域在规模效率上处于优势地位，珠三角、成渝城市群县域规模效率不断提升，区域间科技发展差距逐步缩小；其次，相比于综合技术效率与纯技术效率，规模效率表现更佳，在五大城市群中，2018—2021年分别有5个、4个、4个、4个地区县域整体达到平均水平，占比均超过80%；最后，地区规模效率存在两极分化情况，排名第一的长三角城市群县域规模效率处于0.963～0.979之间，而排名最后的中原城市群县域规模效率仅有0.85～0.893，说明目前该地区发展能力薄弱，处于低水平发展阶段。

3.2  五大城市群县域科技创新效率时空演变分析

为深入了解各区域科技创新效率时空演变规律，进一步对2018—2021年五大城市群县域科技创新效率进行核密度估计［28］，图1为五大城市群县域科技创新效率的时空动态演进趋势。

（1）从核密度曲线位置分布来看，各城市群县域科技创新效率曲线重心整体向右偏移，仅有长三角城市群县域向左偏移且移动幅度较小，说明研究期内除长三角城市群县域科技创新效率呈下降趋势外，其余四大城市群县域科技创新效率均有一定程度提升，但提升幅度较小。

（2）从核密度曲线形态来看，长江中游城市群、珠三角城市群和中原城市群县域科技创新效率曲线呈现“M”型的双峰共存状态。其中，2021年长江中游城市群县域、珠三角城市群县域主次峰区分度明显，且曲线宽度变小；而中原城市群县域主次峰区分度不大，变化平缓。这说明研究期内长江中游城市群、珠三角城市群和中原城市群县域间的科技创新效率存在较明显的两极分化趋势。其中，长江中游城市群与珠三角城市群县域间差距逐渐缩小，而中原城市群内低水平地区差距不断扩大，高水平地区差距逐渐缩小。此外，长三角与成渝城市群县域科技创新效率曲线出现单峰形态，其中，长三角城市群县域波峰呈现为先升高后降低的发展变化，成渝城市群县域在2018年、2019年出现较为平缓的次峰，并逐渐由“弱双峰”转变为“单峰”，其主（次）峰高度呈现出先降低后升高的变化，说明研究期内长三角与成渝城市群县域科技创新效率存在一定波动，其中，成渝城市群县域科技创新效率的极化现象减少。

（3）从核密度曲线的两侧拖尾看，五大城市群县域科技创新效率曲线的左侧拖尾均长于右侧拖尾，说明五大城市群县域科技创新效率呈现出高值集聚现象；左拖尾始终存在，说明非均衡性始终存在，一些县域的科技创新效率长期处于较低水平。

3.3  五大城市群县域科技创新效率的空间探索性分析

核密度计算只能反映区域内部与区域之间的差异性，对于相似地区的具体分布难以作出更多解释与说明。因此，本文将继续利用空间探索性分析方法进行深入研究。

图2为2021年全国县域科技创新效率的Moran's I值，通过全局 Moran's I指数计算，结果显示：2021年我国县域科技创新效率Moran's I指数＞0，结合P值与Z值，Z＞6.45，P＜0.001，反映出我国县域科技创新效率在整体空间分布上具有正向相关性，且显著性水平较高，但是局部地区的空间特征没有得到反映。因此，需要从局部尺度上作进一步分析，即局部空间自相关分析。选取2021年全国1 863个县域科技效率数据，绘制LISA图，4个象限分别表示：①第一象限（HH），该地区及周边县域的科技创新效率高，地区间差异小；②第二象限（LH），该地区科技创新效率低，但周边县域科技创新效率高，地区间差异大；③第三象限（LL），该地区与其周边县域科技创新效率都较低，地区间差异小；④第四象限（HL），该地区科技创新效率高，但周边县域科技创新效率低，地区间差异大［29］。

结合 LISA 聚类图3，可以发现：五大城市群县域科技创新效率具有明显的集聚特征，在地理空间上呈现出强烈的依赖性。具体而言，东部地区的长三角、珠三角县域科技创新效率基本集中在高高集聚区，区域间差异较小，说明地区辐射带动能力较强；中部地区的长江中游城市群县域、西部地区的成渝城市群县域大部分分布在高高象限内，少部分地区分布在低高象限内，体现出两个城市群县域科技效率整体发展情况较好。中部地区的中原城市群县域科技创新效率则处于较为落后位置，主要分布在低低象限内，较少区域分布在高低象限内，说明中原城市群县域整体发展不佳，且区域间差异较大，存在分布不均衡现象，城市群内发展较好的县域未能有效带动周边地区科技创新发展。

3.4  五大城市群县域科技创新效率障碍因子诊断

为提升五大城市群县域科技创新效率，结合上述城市群县域科技创新效率分布，本文运用障碍因子诊断模型对城市群县域科技创新效率评价结果进行分析，以厘清抑制城市群县域科技创新效率提升的障碍因子，进而明确未来城市群县域科技工作重点和主要任务。

通过对2018-2021年五大城市群县域科技创新效率评价指标进行障碍因子分析，统计各指标因子出现频数，具体如图4所示。

由结果可知，高新技术产业发展（A6）出现频次最高，为20次；创新平台载体（A3）、企业创新投入（A5）、科技人力资源（A2）出现频数都超过15次。上述数据说明制约五大城市群县域科技创新效率提升的最大障碍是高新技术产业发展水平，其次是创新平台载体建设、企业创新投入以及科技人力资源方面。在7个障碍因子中，政府支持力度（A4）出现频数最少，仅为8次，表明政府为五大城市群县域创新发展提供了充足的政策与服务支持。

为进一步分析五大城市群县域科技创新效率，以得出的2021年五大城市群县域科技创新效率障碍诊断结果为样本，得到长三角城市群、珠三角城市群、长江中游城市群、成渝城市群、中原城市群所辖县域障碍因子排序及其障碍度。障碍度越大，表明该指标对五大城市群县域科技创新效率的负面影响越显著。具体结果见表3。

由结果可知，五大城市群县域科技创新效率的提升存在不同阻碍。对于长三角城市群和珠三角城市群所辖县域而言，高技术产业发展水平成为影响其科技创新效率提升的首要指标，障碍度分别为16.77%和15.95%；在支撑和促进高技术产业发展的同时，企业创新投入和创新平台建设也是需要大力重视的，其有助于促进产业结构多元化、产业发展集群化与高端化，逐步形成高质量的现代化产业体系。对于长江中游城市群县域而言，科技人力资源是影响其科技创新效率的主要因素，障碍度为16.28%。尽管长江中游城市群科教资源优势突出，但县域层面存在创新要素分布不平衡、创新内驱力不足、高技术人才匮乏等明显短板，导致高技术产业发展不佳和科技产出不足。对于成渝城市群县域而言，科技创新产出是影响科技创新效率的主要因素，障碍度为16.18%。成渝城市群县域多属于低基数高增长型，县域发展潜力较大，但科技成果转化能力孱弱，产学研合作不足，导致其创新平台载体、科技成果产出效力不足，故应加快发展当地高技术产业。对于中原城市群县域而言，影响其科技创新效率的首要因素是财政科技投入，障碍度为17.35%，这是因为该地区产业基础薄弱、经济底盘不厚，导致内生动力与创新能力不强，在较大程度上制约企业创新投入与高新技术产业发展。

4  结论与建议

4.1  研究结论

总体而言，我国县域科技创新效率的时空分布与所在城市群创新政策环境、产业协同发展水平、区域科技创新中心建设等建设相匹配。城市群作为国家科创中心、高校与企业科研力量的聚集地，具有人力资源、产业基础和科技创新等优势条件。随着城市群创新发展加快，区域研发成果、创新资源以及人才不断外溢，在一定程度上辐射和带动周边县域发展，促进区域协同创新发展［30］。此外，产业协同与城市群高质量发展相辅相成、互为条件［31］。长三角城市群、珠三角城市群、长江中游城市群、成渝城市群、中原城市群五大创新集聚地通过产业协同效应，促进城市群要素与资源优化配置，推动产业分工与协作，在一定程度上带动与辐射相关县域创新发展。发展较为领先的城市群产业结构逐步实现高级化和合理化，辐射带动能力强，所辖县域整体科技创新能力较强，但外围城市产业发展较落后，辐射范围小，所辖县域科技创新活力较为不足。由于各城市群处于不同经济社会发展阶段和地理空间分布，且科技资源配置不均衡，呈现出地区协同差异。

长三角城市群县域各项指标领跑全国，呈现出较高的协同创新水平，形成以江苏、浙江为引领的区域创新“高地”。近年来国务院出台《长江三角洲区域一体化发展规划纲要》，大力推动长三角一体化和高质量发展，要求发挥上海龙头带动作用，苏浙皖各扬所长，立足“一极三区一高地”的战略定位，有效促进地区科技创新发展［32］。横向来看，近年来长三角城市群县域科技创新效率有小幅下降，县域间差异存在一定波动。究其原因，目前长三角城市群各县域产业正处于迈向产业价值链中高端的关键时期，以制造业、加工业为主的产业形态逐步向大数据、大生态等新兴产业转型，但转型过程中存在高质量发展动力不强、科创载体能级不高、科技服务供给不足等问题，在一定程度上滞缓县域科技创新效率提升。

珠三角城市群县域科技创新效率整体较高，但城市群内部各县域创新效率存在一定差异，随着城镇化不断推进，区域内创新效率差距逐渐缩小。这一方面是因为珠三角城市群发展进入产业结构调整的攻坚期，县域主导产业以传统产业为主，大多面临产业离散发展、产品设计和质量层级不高、区域品牌形象不佳、生产污染较大等问题，亟需探索转型升级新路径。在此背景下，廉江市、普宁市、英德市等县域通过数字平台赋能、品牌活动举办、绿色化改造、产业新动能培育等方式，推动传统产业转型升级，为自身经济高质量发展注入新动力。另一方面，珠三角城市群由于广东省城镇化进程较快，城市群整体质量较高，经济实力强劲的县域，例如佛山顺德区、南海区和广州增城市均已经撤县（市）设区，退出考察范畴，整体表现优于广东省平均创新实力，形成区域差异化。

长江中游城市群县域科技创新效率逐年攀升，但城市群各县域发展不均衡不充分，存在较为明显的两极分化现象。一方面，科技创新能力发展主要得益于政府大力推动和政策支持，国家发改委印发了《长江中游城市群发展“十四五”实施方案》，相关省份陆续发布了分工落实方案，促使长江中游城市群一体化发展逐渐驶入“快车道”，加速了科技创新发展。另一方面，科技创新协同效率较低。首先，以武汉、长沙、南昌为主的中心城市所辖县域科教资源与创新要素聚集，规模扩张迅速，引致其县域科技创新效率遥遥领先，而周边小城市所辖县域以及小城镇缺少支撑产业与发展要素，对于中心城市溢出的创新资源承接能力有限，导致发展动力不足。其次，长江中游城市群缺乏引领带动邻近地区发展的中等城市，在一定程度上削弱了武汉、长沙、南昌等中心城市辐射作用，导致城市群内县域创新水平不断分化。最后，长江中游城市群在县域层面尚未建立完善的区域合作机制，县域之间跨省域合作意愿不强，导致区域差异性始终存在。

成渝城市群县域科技效率逐年提升，且城市群县域发展水平相对均衡，县域科技创新效率差距持续缩小，整体协同度不断提升，但相较于东部沿海地区仍有一定差距。一方面，随着成渝城市群县域创新能力快速提升，国家区域科技创新中心加快建设，科技创新资源不断向成渝地区集聚，区域内城市、县域发展进入新阶段，构建了共同发展的创新生态网络，持续推动产业结构优化升级、新兴产业蓬勃发展，成为高质量承接产业转移的示范区，科技创新效率迅速提升。另一方面，自2018年以来，川渝两省就深化川渝合作签署战略合作协议，推动成渝城市群的重庆、成都“双核”跃升至更高层级，对周边县域的辐射带动作用进一步增强。国务院出台的《成渝地区双城经济圈建设规划纲要》，明确提出“提升重庆、成都中心城市综合能级和国际竞争力，处理好中心和区域的关系”、“以点带面、推动区域均衡发展”。由于成渝城市群县域在科技成果转化、科技合作与交流、科技资源和数据共享等创新机制及政策顶层设计等方面，还未形成畅通的连接通道，亟待全方位加强与深化成渝地区全域协同创新发展。

中原城市群县域科技创新效率较为落后，区域内各县域创新效率存在较明显的两极分化趋势，且低水平地区差距不断扩大，高水平地区差距逐渐缩小。尽管《中原城市群发展规划》明确提出推动大中小城市和城镇合理分工、功能互补、协同发展，构建“一核四轴四区”网络化空间格局，但是在一体化发展层面，地区产业发展呈现出高度的同质化现象。中原城市群县域科技投入较低，县域经济发展以资源型产业或农牧业等传统产业为主，产业技术优势不明显，科技成果转化能力不足，在一定程度上滞缓县域科技创新效率提升。

4.2  对策建议

4.2.1  国家层面：融入区域科技创新发展体系，统筹推进城市群县域一体化发展

随着粤港澳大湾区、长江经济带、成渝地区双城经济圈等有关政策的出台，我国区域协调发展战略日益清晰，多层次县域科技创新发展格局逐步形成。城市群内县域应依托区位优势，加快城乡一体化进程，从不同维度支撑城市群、都市圈甚至超大特大城市高质量发展。

（1）进一步加大城市群县域政策支持，统筹推进区域协调发展。政府需制定区域创新一体化发展规划，将县域创新发展纳入整体规划布局，加强与国家创新体系、其它区域创新体系协同，促进区域创新主体紧密联系、协调互动，形成有机网络，实现各类信息、知识和技术的高效流动与充分利用；依据不同城市群县域发展程度和工业化阶段，因地制宜地制定各城市群科技发展政策，提高政策工具的区域适配性。针对县域高质量发展集聚区，构建全过程协同的产业和区域创新支持政策，依托区域创新平台构建国家重大战略区域利益分享机制，加快培育创新型企业和产业集群，提高国家重大战略区域科技创新效率。

（2）加强高能级科技创新载体建设，支撑引领县域高质量发展。建立完善多层级区域科技创新中心的战略布局，实现梯次联动，更好地支撑引领区域高质量发展，实现县域科技自立自强。一方面，持续强化城市群内国家级科创中心建设，依托其拥有的一流大学、国家科研机构、领军企业等资源优势，以及较强的技术创新实力，不断促进科技成果转化和产业化，带动周边县域发展，形成以中心城市为核心的区域科技创新和产业创新网络。另一方面，大力推动城市群内有条件的县（市）建设科创飞地、离岸科创中心，实现科技研发在产业链关键环节的突破，力争以研究成果助力县域创新驱动发展取得突破性成果。

（3）强化县域产业协同效应，促进城乡创新要素一体化发展。一是鼓励城市群内县域积极承接中心城市、城市群产业要素和创新要素转移，面向区域产业发展和消费需求发展协同性主导产业，开展新产业、新业态、新模式探索，推动县域经济社会实现跨越式发展。二是发挥中心城市在产业升级中的“头雁”作用［33］，引领带动产业链上中下游企业发展，同步辐射城市群所辖县域，为县域产业升级提供多样化发展路径。三是推动城市群、都市圈地区新技术成果在县域落地转化，面向本地市场和国际贸易需求，在县域培育提供原材料、零部件、新产品的中小企业集群，以反向设计、流程工艺创新等倒逼企业增强市场竞争能力，建立跨区域企业创新协同网络，推动产业链和供应链本地化。

4.2.2  区域层面：针对不同县域，制定特色化的城市群县域发展路径

为推动区域均衡发展，我国以主体功能区规划为基础，逐步建立与完善区域政策体系，以加强不同类型地区的精准施策。具体为通过对城市群县域建设的分类指导，结合不同类型城市群县域特点和需求，制定引导目标，聚焦县域创新突破点，明确县域创新驱动发展任务要点和实施路径。

京津冀城市群、长三角城市群、粤港澳大湾区等全球科技创新中心区域内县（市）基础条件优越，县域创新驱动发展应当强化交通衔接与服务对接，以园区共建、优惠政策等方式吸引创新型经济体和人才进入，紧密关注与对接科技创新成果产出，依托科技创新实现本地产业跨越式发展［34］。同时，着力打造国际化创新创业环境，重点建设有利于集聚多元化国际创新人才的政策制度，营造有利于国际资本流动的金融政策环境。

长江中游城市群、成渝城市群等国家科技创新中心区域内县（市）创新驱动发展应当以新技术应用、产品创新和流程工艺创新为核心，积极承接中心城市、城市群的产业要素和创新要素转移，构建“创新平台+创新空间+创新服务+人才培育”的创新生态系统，推动城市群、都市圈新技术在县域转化［35］。同时，聚焦国家重大领域科技创新，通过建设国家级或省级产业园区，促进自身产业结构优化与升级。

其它地区县域创新驱动发展需结合自身区位和产业基础情况，通过建设院士工作站、研发中心、创新孵化器、产业加速器等创新空间和创新平台，在一些特色细分领域，如农林牧渔和矿产资源等方面实现创新。同时，通过培育城市特色产业，以专业化节点接入区域创新网络，以科创功能区带动本地产业集群发展，以飞地形式承接大型创新主体功能转移等，形成全面开放的发展格局，驱动县域实现高质量发展。

参考文献参考文献：

［1］  刘耀彬，郑维伟.新时代区域协调发展新格局的战略选择［J］.华东经济管理，2022，36（2）：1-11.

［2］  黄家敏，莫赟.以县城为重要载体推进城镇化建设的三重逻辑［J］.当代县域经济，2023，11（6）：60-64.

［3］  董克勤，邹小伟，张玲颖.国家创新型县（市）创新效率测度变化及影响因素研究［J］.科技进步与对策，2021，38（23）：49-55.

［4］  王海花，王莹，李雅洁，等.长三角区域高技术产业科技创新效率评价研究——基于共享投入的三阶段网络DEA模型［J］.华东经济管理，2022，36（8）：26-33.

［5］  王鹏，钟誉华，颜悦.科技创新效率与区域经济韧性交互分析——基于珠三角地区的实证［J］.科技进步与对策，2022，39（8）：48-58.

［6］  朱丽霞，贺容，郑文升，等.长江中游城市群城市创新效率的时空格局及其驱动因素［J］.长江流域资源与环境，2019，28（10）：2279-2288.

［7］  陈套，尤超良.我国科技创新系统的治理与创新治理体系建设［J］.科学管理研究，2015，33（4）：10-13，25.

［8］  薛楚江，谢富纪.政府人才政策、人力资本与区域创新［J］.系统管理学报，2022，31（5）：920-930.

［9］  方莹莹，刘戒骄，冯雪艳.空间相关性、创新生态环境与高技术产业创新生态系统创新效率——基于中国内地23个省份的实证研究［J］.科技进步与对策，2022，39（3）：59-68.

［10］  陈银娥，李鑫，李汶.中国省域科技创新效率的影响因素及时空异质性分析［J］.中国软科学，2021，36（4）：137-149.

［11］  安孟.对外直接投资能否提升区域创新效率［J］.中国科技论坛，2022，39（2）：141-150.

［12］  GREUNZ L. Geographically and technologically mediated knowledge spillovers between European regions［J］.The Annals of Regional Science，2003，37（4）：657-680.

［13］  袁晓玲，王书蓓，黄涛.中国城市群发展质量的差异测度、来源分解与形成机理［J］.经济问题探索，2024，45（2）：142-159.

［14］  李红，曹玲.长江中游城市群经济高质量发展测度［J］.统计与决策，2021，37（24）：101-105.

［15］  张旭，魏福丽，袁旭梅.县域科技创新与经济高质量发展耦合协调评价［J］.统计与决策，2021，37（20）：120-124.

［16］  赵杰.区域创新环境对发达县域科技创新效率影响的随机前沿分析——基于20个全国“百强县”的面板数据［J］.科技与经济，2018，31（5）：36-40.

［17］  王儒奇，胡绪华.长江经济带一体化战略对城市创新能力的影响［J］.华东经济管理，2021，35（10）：29-38.

［18］  余泳泽，刘大勇.我国区域创新效率的空间外溢效应与价值链外溢效应——创新价值链视角下的多维空间面板模型研究［J］.管理世界 ，2013，29（7）：6-20，70，187.

［19］  王珊珊，张宇光，王宏起.高新技术企业集群自主创新能力评价指标体系研究［J］.现代管理科学，2009，28（ 4）：62-64.

［20］  汪增洋，蒋恒鹏.中国高技术产业发展对过早去工业化阻滞作用的定量分析［J］.科技管理研究，2024，44（4）：1-10.

［21］  李文辉，丘芷君，利雪莹，等.国家中心城市高校技术创新溢出格局比较研究［J］.世界地理研究，2020，29（4）：781-791.

［22］  王利军，王娅.长江经济带科技创新效率测度及其影响因素分析——基于创新价值链视角［J］.科技与经济，2023，36（3）：31-35.

［23］  孙攀.长江经济带中国式现代化的时空差异及分布演进研究［J/OL］.长江流域资源与环境，2024，1-16.

［24］  徐洁，李琳.中国城市突破性创新区域差距、动态演进及收敛性研究——基于东西差距和南北差距的视角［J］.经济问题探索，2023，44（8）：68-85.

［25］  邓淑芬，朱佳翔，钟昌宝.长三角城市群科技创新投入的空间关联格局分析［J］.统计与决策，2019，35（15）：105-108.

［26］  张弸弛，曹阳.长江经济带城市群创新能力空间差异研究［J］.学习与实践，2021，38（10）：78-87.

［27］  崔志新，陈耀.区域技术协同创新效率测度及其演变特征研究——以京津冀和长三角区域为例［J］.当代经济管理，2019，41（3）：61-66.

［28］  谢玲敏，谢智敏，王霞，等.中国城市创业生态系统运行效率的时空演变及影响因素分析［J］.经济问题探索，2022，43（9）：87-98.

［29］  赵传松，任建兰，陈延斌，等.中国科技创新与可持续发展耦合协调及时空分异研究［J］.地理科学，2018，38（2）：214-222.

［30］  张文忠.中国不同层级科技创新中心的布局与政策建议［J］.中国科学院院刊，2022，37（12）：1745-1756.

［31］  龙婷玉，于强，王瑞民.以产业有效协同助推都市圈高质量发展［J］.中国发展观察，2023，19（8）：67-71.

［32］  张建伟，窦攀烽，张永凯等.江苏省县域创新产出的空间计量经济分析［J］.干旱区地理，2017，40（1）：222-229.

［33］  陈丛波，叶阿忠，林壮.城市群圈层结构下的协同创新与产业升级［J］.科技进步与对策，2023，40（11）：92-100.

［34］  高云虹，陈敏，黄华婷.城市创新能力评价与提升路径研究［J］.区域经济评论，2023，39（1）：117-126.

［35］  曹方，姬少宇，张鹏，等.区域创新共同体治理的逻辑框架、行动实践与政策启示［J］.技术经济，2023，42（3）：14-26.

责任编辑（责任编辑：胡俊健）

Spatial Differentiation and Obstacle Factor Analysis of County-Level Science and Technology Innovation Efficiency in China's Five Major Urban Agglomerations

Xiao Song1，Zou Xiaowei1，2， Zhang Yongwei1 ， Yao Dongfu1

（1.Hubei Institute of Science and Technology Information， Wuhan 430071， China; 2.Institute of Blue and Green Development， Shandong University， Weihai  264209， China）

英文摘要Abstract：As the main gathering place of innovative factor resources， urban agglomeration plays an increasingly important role as a strategic support and growth pole in the national productivity layout and is an important direction for China's future urban and urbanization development. As  important spatial carriers of collaborative innovation in urban agglomerations， counties play an indispensable role. However， at present， in the new round of science and technology and industrial reform， China's county-level innovation capability is generally weak， and if the science and technology resources are too concentrated in urban areas， the gap between urban and rural areas would be further enlarged， which will inevitably lead to a more serious regional imbalance. Therefore， in accordance with the policy orientation of the national innovation-driven development strategy， this paper focuses on counties to discuss the efficiency of science and technology innovation and regional coordinated development， in the hope of grasping the regional differences and causes of science and technology innovation efficiency.  The endogenous growth potential of county science and technology innovation could not be fully released without the deep coordination of urban agglomerations.

Therefore， in line with the development of science and technology innovation in counties nationwide since the 13th Five-Year Plan， this paper constructs an index system of science and technology innovation and development efficiency from the perspective of science and technology input and output， makes a comprehensive and systematic scientific evaluation of the current situation of science and technology innovation and development in counties nationwide. In this study， 524 county-level subjects under the authority of the five major urban agglomerations are taken as the research object， and the scientific and technological innovation efficiency of the five key urban agglomerations is measured and compared with the data samples of the science and technology innovation of the 1 863 counties across the country. Through the analysis of DEA model， nuclear density index， and spatial exploration， the development trends and differences of the five major urban agglomerations are deeply studied. The obstacle degree model is used to identify the factors affecting the innovation level of the five major urban agglomerations in the counties， and the optimization path of county-level science and technology innovation capability against the backdrop of urban agglomerations is explored.

The results show that， in general， the development pattern of county-level science and technology efficiency in China is in line with the innovation policy environment， industrial collaborative development， innovation platform carrier construction and other innovation factors of urban agglomerations. However， five important innovation agglomerations， namely the Yangtze River Delta urban agglomeration， the Pearl River Delta urban agglomeration， the middle reaches of the Yangtze River urban agglomeration， the Chengdu-Chongqing urban agglomeration， and the Central Plains urban agglomeration， are in different stages of economic and social development with various geographical and spatial distributions， and the allocation of scientific and technological resources is unbalanced， showing synergistic differences in different regions. The unbalanced development of high-tech industry， innovation platform carriers， enterprise innovation input and science and technology human resources are the important factors that hinder the improvement of county-level science and technology innovation ability of urban agglomerations.

By employing regional innovation system theory， spatial exploratory analysis， and obstacle factor model， this paper takes 524 county-level units of the five major urban agglomerations as research samples， which enriches the research on regional innovation and development in specific fields; and it puts forward targeted countermeasures and suggestions for the problems of counties in different urban agglomerations： for the government， it is expected to strengthen policy support for urban agglomerations and counties， and promote coordinated regional development in an integrated manner; as for the counties， it is pivotal to construct differentiated institutional mechanisms according to their own characteristics so that they could be able to support the population transfer， high-quality innovation and real economy development of urban agglomerations， metropolitan areas and even mega-cities at different levels. In short， this paper provides theoretical support and practical implications for effectively promoting the formation of a new pattern of balanced， coordinated， and high-quality development in counties across China.

Key Words：County; Urban Agglomeration; Innovation Efficiency; Regional Differences; Balanced Development