创新价值链视角下长三角创新系统协同性研究

焦翠红 王龙芝 张驰

收稿日期：2024-03-22

基金项目：中国海洋大学中央高校基本科研业务费重大课题培育专项基金“裂变视域下专精特新中小企业高质量发展研究”（202215003）

作者简介：李志刚（1976—），男（蒙古族），内蒙古赤峰人，教授，博士生导师，博士，研究方向：战略管理，创新创业；

周 琳（1995—），女，山东威海人，博士研究生，研究方向：战略管理，创新创业；

杜 鑫（1994—），男，河南济源人，博士后，通信作者，研究方向：裂变创业，商业生态系统。

[摘 要：加强区域协同创新是长三角实现高质量一体化发展的关键。文章基于创新价值链视角，构建包含创新资源投入、知识创造与扩散、知识转化与应用三个子系统的创新系统评价模型，运用耦合协调模型测度长三角创新子系统间的耦合协调度。结果表明：长三角创新系统整体实现了由低度协同向良好协同的转变，其中“知识创造与扩散—知识转化与应用”的耦合协调主导整个创新系统的协同发展，即长三角创新模式为下游产品创新主导型；空间维度上呈上海与江苏处于优质协同、浙江与安徽处于良好协同的两梯队分布特征，且三省一市各具比较优势，形成了优势互补的创新空间布局。研究结论可以为加速长三角区域协同创新提供有益启示。

关键词：创新价值链；长三角区域；区域创新系统；协同创新；耦合协调模型；高质量发展

中图分类号：F124.3  文献标识码：A文章编号：1007-5097（2024）07-0017-10       ]

A Study on the Synergy of the Yangtze River Delta Innovation System from the Perspective of

Innovation Value Chain

JIAO Cuihong， WANG Longzhi， ZHANG Chi

（School of Statistics and Mathematics， Zhejiang Gongshang University， Hangzhou 310018， China）

Abstract：Strengthening regional collaborative innovation is pivotal for achieving high-quality integrated development in the Yangtze River Delta. This paper constructs an innovation system evaluation model from the perspective of the innovation value chain， and such a model encompasses three subsystems： innovation resource input， knowledge creation and diffusion， and knowledge transformation and application. Using a coupling coordination model， the study measures the degree of coupling coordination among the innovation subsystems in the Yangtze River Delta. Research findings： The overall innovation system of the Yangtze River Delta has transitioned from low coordination to good coordination， with the "knowledge creation and diffusion-knowledge transformation and application" coupling coordination dominating the synergistic development of the entire innovation system. This indicates that the innovation model of the Yangtze River Delta is predominantly oriented towards downstream product innovation. On the spatial dimension， Shanghai and Jiangsu are characterized by high-quality coordination， while Zhejiang and Anhui show good coordination， forming a two-tier distribution pattern. Each of the three provinces and one municipality has its comparative advantages， creating a complementary spatial innovation layout. The conclusions of this study can provide valuable insights for accelerating regional collaborative innovation in the Yangtze River Delta.

Key words：innovation value chain; Yangtze River Delta; regional innovation system; collaborative innovation; coupling coordination model; high-quality development

一、引 言

区域创新发展是创新型国家建设的重要支撑，长江三角洲（以下简称长三角）作为我国最具创新活力和创新能力的区域，在引领和支撑创新型国家建设中具有关键核心作用。2019年12月，中共中央、国务院印发的《长江三角洲区域一体化发展规划纲要》中提出“发挥上海龙头带动作用，苏浙皖各扬所长”，构建区域协调发展新格局，并明确坚持创新共建原则，打造区域创新共同体，共同完善技术创新链，形成区域联动、分工协作、协同推进的技术创新体系。2022年8月，长三角三省一市科技厅（委）共同制定《三省一市共建长三角科技创新共同体行动方案（2022—2025年）》（以下简称《行动方案》），以“推进长三角科技创新一体化，提升区域核心竞争力”为主线，全面提升长三角科技创新共同体创新策源能力。长三角区域作为中国式现代化的先行者，如何加速区域协同创新是长三角一体化建设进程中的重大问题，也是诸多学者和政府机构关注的重要议题。

区域创新是一种系统性活动，包含所有影响创新发展、扩散和应用的重要经济、社会、政治、组织、制度和其他因素，区域创新的有效运行依赖于各个要素间的协同耦合、互利互促［1］。特别是伴随新一代数字技术的发展和应用，区域创新活动的开放性、融合性特征更加显著，单个区域创新能力的局限性不断凸显，而多个区域通过资源共享形成的协同创新系统能够突破这一瓶颈［2］。有关区域创新系统的研究也越来越受学者的关注。早期的区域创新系统理论侧重于区域内部不同创新主体间的互动行为，其以系统的、动态的观点将地理上具有相互联系的企业、大学、研究机构、政府等主体结合起来，强调创新主体间的交互作用及其产生的外部性对区域创新的重要作用，以解释区域进行系统化创新的能力及其对制度、组织等环境条件的要求［3］。区域创新体系的价值功能实现是不同创新单元及其与外部环境之间动态复杂关系的结果，体现在不同创新主体、创新单元与外部环境相互作用的过程中［4］。伴随创新活动的多元化，创新复杂性、风险性不断增强，创新活动面临单个区域无法解决的问题，区域协同创新成为提升区域创新能力的重要手段。区域协同创新通过促使创新要素跨区域流动［5］，促进跨区域知识交流［6］、技术合作［7］、创新投资［8］等，弥补单一区域已有创新资源和所需创新资源之间的供需差距，增强技术知识外溢效应，降低单个区域创新系统性风险，进而提高区域创新效率，产生“1+1>2”的系统协同效应［9-10］。另外，随着创新系统内部与外部环境互动性的提高，部分学者从生态学角度将区域创新系统概念拓展为区域创新生态系统，强调创新系统演化过程中的内部主体之间及其与外部环境之间的共生性［11］。创新生态系统通过系统内外部主体间的互补性协作［12］，实现对创新资源的科学合理配置，从而激活、增强地区创新活力［13］。

基于创新系统理论，学者们普遍认同区域创新是包含多主体、多阶段、多区域的复杂系统，并从主体间协作、地区间协同、内外部环境间的交互作用等方面对区域创新相关问题进行了大量探讨，但关于创新系统边界的界定仍不明晰，尚未形成统一的分析框架。已有研究也未深入区域创新系统运行过程，对区域创新系统价值实现过程中各创新阶段间的交互关系进行系统性分析。特别是，当前我国区域创新面临产学研协同水平不高，高校基础研究与企业技术创新活动脱节［14］、原始创新能力弱、技术成果转化难、转化率低等问题［15-16］。厘清区域创新系统价值实现机制，深入理解创新系统运行中不同子系统间的交互关系，促进区域创新系统的协同发展，是解决上述问题的关键。

与既有研究相比，本文的边际贡献主要体现在：第一，从创新价值链视角解构区域创新系统，将区域创新活动分解为创新资源投入、知识创造与扩散、知识转化与应用三个有序连结的子系统，打开区域创新系统运行黑箱，深入创新系统内部认识区域协同创新过程；第二，采用耦合协调模型，测度长三角创新子系统间的耦合协调度，并从时序演化和空间分异两个维度分析创新子系统间的耦合协调关系，分析长三角创新系统协同发展的主要驱动因素和制约因素；第三，识别长三角创新系统协同发展过程中存在的短板，为提高长三角区域创新系统协同发展水平明确方向和着力点；此外，本文还挖掘长三角三省一市在协同创新过程中的比较优势，对长三角内各地区创新政策的制定和调整具有导向性作用。

二、研究设计

（一）基于创新价值链的区域创新系统理论框架构建

创新价值链融合技术创新理论与价值链理论，将创新视为首尾相连（End to End）的链状流，涵盖从创新思想产生到创新价值实现的全过程［17］，为剖析区域创新活动运行过程提供指导。创新价值链本质上是一种创新联合体，其以市场需求为导向，通过各创新主体的有机链接，将分散的创新资源和创新要素组织起来，形成目标一致、相互协同、内生动力强、创新效率高、创新成果迸发的体制机制［18］。通过创新价值链的不同阶段来分解创新活动的运行过程是一种常用方式，Hansen和Birkinshaw（2007）［19］基于创新生产环节，将创新价值链分为创意产生、创意转化、创意扩散三个阶段；Roper等（2008）［20］从知识获取、转化和利用出发，将创新价值链分为知识获取阶段、知识转化阶段和知识利用阶段；余泳泽和刘大勇（2013）［21］借鉴创新价值链概念，并结合我国技术创新实践，提出包含知识创新、科研创新和产品创新的区域创新系统框架。

创新价值链强调将创新资源转化为经济价值的系统、有序、增值的复杂过程。在创新价值链框架下，依据价值关联和价值增值流向，能够明确创新活动从起点到终点的各个阶段，有助于分阶段研究创新系统运行过程。基于创新价值链的区域创新系统理论框架，如图1所示。创新价值链理论将区域创新看作是一个从创新资源投入到知识创造与扩散，再到知识转化与应用的系统性过程。创新资源投入阶段是创新价值链的物质基础；知识创造与扩散阶段是创新价值链的基础核心部分，创新思想在该阶段产生，并通过创新主体间的信息交流与共享、知识传递和技术扩散等活动，完成创新从产生至技术扩散的整个过程，该阶段主要是基础性科技创新；知识转化与应用阶段是对创新成果进行设计和生产，将其转化为创新产品，实现创新成果商品化和市场化的过程，该阶段主要是产品创新和市场创新。区域创新的三个阶段具有投入、产出关系，从创新资源投入到知识创造与扩散阶段完成知识技术创新，再从知识创造与扩散到知识转化与应用阶段完成创新成果的转化及应用，并最终实现创新价值增值。

（二）指标体系设计

基于上述思路，兼顾指标体系的合理性和数据可得性，本文从创新资源投入、知识创造与扩散、知识转化与应用三个维度，筛选13项指标构建区域创新系统指标体系。其中，创新资源投入子系统包括创新资金和创新人力投入，从投入规模、投入强度、投入结构三方面刻画区域创新资源投入情况。创新资源投入规模选择R&D经费内部支出和R&D人员全时当量两个总量指标进行测度，创新资源投入强度用R&D经费投入强度指标衡量，创新资源投入结构选取基础研究经费占比、基础研究人员占比进行测度。知识创造与扩散反映知识产出成果与技术扩散效应。知识创造成果的主要形式有科研论文、专利等，科研论文反映一个区域的基础研究能力，专利说明一个区域在应用研究和实验发展领域的研发能力，具体指标包括每万人科技论文发表数和每万人有效发明专利数；知识扩散是知识通过一定的载体在空间和时间流动的活动或行动，反映区域创新的向外辐射能力，由万人输出技术成交额衡量。知识转化与应用反映知识成果转化绩效，从知识价值增值、产业化水平、经济效率提升三方面进行考察。选取新产品销售收入、新产品销售收入占主营业务收入比重衡量知识价值增值，选取高技术产业产值、高技术产业增加值占工业增加值比重反映产业化水平，选取劳动生产率表征经济效率。测算区域创新系统发展水平还需对相关指标赋予权重，本文利用客观赋权法—熵权法计算各指标权重。指标体系及指标权重见表1所列。

本文以2009—2021年长三角三省一市的面板数据为样本，指标数据来源于安徽、江苏、上海、浙江历年的科技统计年鉴及EPS数据库。

（三）研究方法

区域创新系统协同发展蕴含发展与协同两个层次。发展强调创新系统从低级到高级、从简单到复杂，反映系统运行的整体功效；协同体现各创新子系统之间相互配合、相互促进，其决定创新系统由无序到有序的协同运行能力。本文采用熵权TOPSIS模型测度区域创新系统发展水平，采用耦合协调模型测度创新子系统间的耦合协调程度。

1. 熵权TOPSIS模型

熵权TOPSIS模型是一种将熵权法和TOPSIS模型结合起来的综合评价方法。熵权法是一种客观赋权方法，根据各项指标值的离散程度，利用信息熵计算指标权重，信息熵越小，该指标提供的信息量越多，指标的权重也应越大，解决综合评价中多指标间的信息重叠问题。TOPSIS法通过测算观测对象相对于最优对象和最劣对象的距离，对各观测对象的相对优劣进行评价。综合以上两种方法的熵权TOPSIS模型既克服了主观赋权造成的权重偏差，又可以有效评价各观测对象的优劣排序，使评价结果更加客观合理。具体计算步骤如下：

第一步，指标无量纲化处理。指标测量单位不一致容易导致结果具有较大误差，为使指标具有可比性，以指标归一化的方式生成指标相对值。考虑本文所选指标均为正向指标，采用min-max标准化方法对区域创新系统中的原始指标矩阵进行归一化处理，为避免ln 0的出现，在数据后加0.000 1。计算公式为：

[yij=xij-min（x1j， x2j， …， xij）max（x1j， x2j， …， xij）-min（x1j， x2j， …， xij）+0.000 1] （1）

其中：xij表示原始指标矩阵中第i个区域的第j项指标值；yij表示归一化后的指标值。

第二步，计算i区域第j项指标数值所占比重：

[Pij=yij∑mi=1yij] （2）

第三步，利用熵权法计算第j项指标的信息熵：

[ej=-1/ln m∑mi=1PijlnPij]，[0≤ej≤1] （3）

第四步，基于指标信息熵计算第j项指标权重：

[wj=（1-ej）∑nj=1（1-ej）] （4）

第五步，构建区域创新系统发展水平测度指标的加权矩阵：

[Zij=[wj×yij]mn] （5）

第六步，依据加权矩阵确定正负理想解[Z+j]、[Z-j]，计算各正负理想解距离：

[D+i=∑kj=1（Zij-Z+j）2 ，  D-i=∑ki=1（Zij-Z-j）2] （6）

其中：[Z+j=max（Z1j， Z2j， …， Zmj）; Z-j=min（Z1j， ] [Z2j， …， Zmj）]。

第七步，确定综合评价指数[C+i]与排序结果，计算综合观测对象与理想值的贴近度，即综合评价指数[C+i]：

[C+i=D-iD+i+D-i] （7）

[C+i]取值越大表明该决策方案越接近于正理想解，意味着区域创新系统发展水平越高，利用上述公式可以计算出长三角创新系统发展指数。

2. 耦合协调模型

本文借助于物理学耦合协调模型对创新资源投入、知识创造与扩散、知识转化与应用三个子系统间的耦合协调关系进行分析。三系统间耦合度计算公式如下：

[C=U1U2U3U1+U2+U3333] （8）

其中：[U1]、[U2]、[U3]分别表示创新资源投入子系统发展指数、知识创造与扩散子系统发展指数、知识转化与应用子系统发展指数；C∈［0，1］，表示三个创新子系统间的耦合度。

C能够反映创新系统耦合度的强弱，但忽略了各子系统间的协调发展程度，本文进一步引入协调度T，测度创新子系统间的耦合协调度：

[T=αU1+βU2+γU3]， [D=C×T] （9）

其中：T为创新资源投入子系统、知识创造与扩散子系统、知识转化与应用子系统的综合协调指数；α、β、γ为待定参数，反映三个创新子系统的重要程度，因文中创新资源投入、知识创造与扩散、知识转化与应用对区域创新系统同等重要，故设定α=β=γ=1/3；D为三个创新子系统之间的耦合协调度，D越大，说明三个创新子系统之间的耦合协调程度越高，参考盛彦文和马延吉（2017）［22］关于区域产学研创新系统耦合协调度的评价标准，本文将区域创新系统耦合协调类型划分为低度协同（0

三、长三角区域创新系统发展水平测度及分析

本文基于熵权TOPSIS模型，测算2009—2021年长三角创新综合系统及各创新子系统的发展指数，结果见表2所列。其中，U、U1、U2、U3分别表示创新综合系统、创新资源投入子系统、知识创造与扩散子系统、知识转化与应用子系统的发展指数，U2/U1、U3/U2用来度量各创新子系统间发展的领先或滞后程度，比值大于1表示处于领先状态、比值小于1表示处于滞后状态、比值等于1表示二者同步发展。

由表2可知，长三角创新综合系统及三个子系统发展指数均呈不断上升趋势，创新能力持续提升。对比各创新子系统发展趋势发现：2009—2014年呈“U1>U3>U2”特征，该阶段创新资源投入系统主导长三角创新系统的综合发展水平；2015—2021年，各创新子系统发展趋势转变为“U3>U1>U2”特征，该阶段知识转化与应用系统主导长三角创新系统的综合发展水平。该结果说明，随着数字经济快速发展，数字技术赋能行业智能化升级，创新成果产业化效率明显提升，知识转化与应用能力显著增强。在样本期内，U2/U1始终小于1，说明知识创造与扩散系统持续滞后于创新资源投入系统，创新资源投入并未有效转化为知识产出；U3/U2始终大于1，说明知识创造与扩散系统持续滞后于知识转化与应用系统，大量创造出的知识技术落后于市场对创新产品的需求。

长三角三省一市创新综合系统及子系统的发展趋势如图2所示。2009—2021年，三省一市创新综合系统发展指数稳步增长，创新水平不断提升，呈“上海>江苏>浙江>安徽”的空间格局。由各地区创新子系统发展状况可知，上海创新资源投入子系统、知识创造与扩散子系统得分明显高于其他地区，江苏和浙江知识转化与应用子系统得分较高，安徽创新资源投入子系统发展优于其他两个创新系统。该结果说明，上海科技教育、知识创造能力强，江苏、浙江实体经济基础好、市场活力强，安徽正在加大创新资源投入，具有后发技术创新优势。

四、长三角区域创新系统耦合协调度的测度及分析

（一）长三角区域创新系统耦合协调度的时序演化分析

基于上述耦合协调模型，本文计算2009—2021年长三角三省一市的创新资源投入、知识创造与扩散、知识转化与应用三个子系统间的耦合协调度，结果见表3所列。长三角创新系统耦合协调度在观测期内稳步提高，说明各地区创新子系统间相互促进、相互协作，呈向好趋势。上海创新系统的耦合协调度始终高于其他三省，从2009年的0.617增长至2021年的0.880，从良好协同迈入优质协同水平，但耦合协调度的整体增幅较小；江苏创新系统的耦合协调水平于2013年由中度协同迈入良好协同水平，并于2021年达到优质协同水平；浙江和安徽创新系统的协调耦合度实现了从低度协同到中度协同再到良好协同水平的两级跨越。三省一市的创新系统耦合协调度呈“上海>江苏>浙江>安徽”的空间格局，耦合协调度的增长率呈“浙江>安徽>江苏>上海”的空间格局。该结果表明长三角创新系统耦合协调度的空间差距逐步收敛，长三角各地区间的联动创新不断加强，区域间协同创新能力不断提升。

创新资源投入、知识创造与扩散、知识转化与应用构成的创新三元系统涵盖了两个创新二元耦合系统，即创新资源投入—知识创造与扩散系统（U1-U2）、知识创造与扩散—知识转化与应用系统（U2-U3）。U1-U2反映创新价值链上游的创新资源投入转化为知识技术产出的能力，即知识技术创新能力；U2-U3反映创新价值链下游的知识技术转化为市场产品的能力，即产品创新能力。长三角三省一市创新子系统耦合协调度演变趋势如图3所示。可以看出，三省一市U1-U2、U2-U3的耦合协调度均呈上升趋势，表明长三角各地区创新子系统间呈相互促进、耦合协调的良好局面。三省一市在知识技术创新、产品创新方面相对比较优势不同：安徽、上海整体呈上游U1-U2的耦合协调度高于下游U2-U3的耦合协调度，即这两个地区在知识技术创新方面具有相对比较优势；江苏、浙江整体呈下游U2-U3的耦合协调度高于上游U1-U2的耦合协调度，即这两个地区在产品创新方面具有相对比较优势。长三角三省一市在创新活动运行过程中逐渐形成优势互补的创新格局。

（二）长三角区域创新系统耦合协调度的空间分异分析

为反映长三角创新子系统间耦合协调类型的空间分布特征及演变趋势，本文对长三角三省一市2009、2013、2017、2021年的创新系统耦合协调类型进行分析，具体结果见表4所列。在创新三元系统U1-U2-U3的耦合协调方面，三省一市由2009年的“低度协同—中度协同—良好协同”三梯队格局演化为2021年的“良好协同—优质协同”两梯队格局。其中，上海由良好协同升至优质协同水平，始终处于第一梯队；江苏由中度协同跨越到优质协同水平，由第二梯队升至第一梯队；安徽和浙江实现由低度协同到良好协同水平的两级跨越。在创新价值链上游的U1-U2协同方面，三省一市由2009年的“低度协同—中度协同—良好协同”的三梯队格局演化为2021年的“良好协同—优质协同”两梯队格局。其中，上海由良好协同升至优质协同水平，江苏由中度协同跨越到良好协同水平，安徽和浙江实现由低度协同到良好协同水平的两级跨越。在创新价值链下游的U2-U3协同方面，三省一市由2009年的“低度协同—良好协同”演化为2021年的“良好协同—优质协同”两梯队格局。其中，上海由良好协同升至优质协同水平，处于第一梯队；江苏实现由低度协同至优质协同水平的三级跨越，并在2021年与上海同处第一梯队；安徽、浙江实现由低度协同向良好协同水平的两级跃迁。总体而言，长三角三省一市的耦合协调类型不断优化，创新子系统间协调互动能力不断增强。

为直观展示长三角创新系统耦合协调度空间分异特征的演变趋势，本文绘制了长三角三省一市创新综合系统及子系统耦合协调度的核密度分布图，具体如图4所示。其中，图（a）为创新三元系统U1-U2-U3耦合协调度的核密度图，其耦合协调度呈由“双峰”向“单峰”演化趋势，且峰度逐渐缩小，分布曲线整体呈右移趋势，表明长三角创新子系统间的耦合协调水平不断提升，三省一市间创新系统耦合协调度的差距逐步收敛；图（b）为创新二元系统U1-U2耦合协调度的核密度图，其演变趋势与图（a）类似，“双峰”现象逐渐消失，右拖尾逐年缩短，其分布延展性逐步收窄，表明长三角U1-U2耦合协调度的省域间差距逐步缩小，即长三角三省一市在创新价值链上游，创新资源投入转化为知识技术产出的能力差距不断缩小；图（c）为创新二元系统U2-U3耦合协调度的核密度图，峰度变化由2009年的“左主峰+右侧峰”演变为2021年的“右主峰+左侧峰”，且峰宽收窄，表明长三角U2-U3耦合协调水平在不断提升过程中呈两极分化现象，即长三角三省一市在创新价值链下游，知识技术转化为市场产品的能力差距逐步扩大。

（三）长三角创新二元系统与三元系统耦合协调关系拟合

为深入认识创新二元系统与创新三元系统耦合协同发展的关系，本文应用面板数据分别拟合U1-U2、U2-U3的耦合协调度对U1-U2-U3耦合协调度的影响，以探究长三角创新系统协同发展的主要驱动因素和制约因素，拟合结果如图5所示。由图5可知，各拟合曲线均呈斜率为正的线性变化趋势，表明创新二元系统协同对三元系统协同发展具有显著的正向促进作用，即长三角地区知识技术创新、产品创新均对创新价值增值具有积极作用。该结果表明伴随长三角创新一体化战略向纵深推进，打通原始创新向现实生产力转化的区域壁垒，可以将更多的科学技术成果更好地推介到区域内其他地区，让其在更适合的地方落地结果，实现成果跨区域转移、转化。2015年前后创新二元系统耦合协调度对三元系统耦合回归系数相对大小发生转变，U1-U2耦合协调度的回归系数从2009—2014年的0.938 9降低至2015—2021年的0.619 6，表明U1-U2耦合协调度对三元系统耦合的促进作用具有边际递减效应；U2-U3耦合协调度的回归系数从2009—2014年的0.988提升至2015—2021年的1.107，表明U2-U3耦合协调度对三元系统耦合的促进作用具有边际递增效应。U2-U3耦合协调度的边际影响系数大于U1-U2系统，说明知识创造与扩散—知识转化与应用对创新系统耦合协调度的贡献更大，主导着整个创新系统的耦合协调发展，即长三角创新系统协同发展模式为产品创新主导型。

五、结论与政策建议

（一）结论

本文基于创新价值链视角，从创新资源投入、知识创造与扩散、知识转化与应用三个维度构建区域创新系统评价指标体系，使用熵权TOPSIS模型测度2009—2021年长三角创新系统发展水平，并采用耦合协调模型测度长三角创新子系统间的耦合协调度，揭示长三角创新系统耦合协调度的时序演化趋势与空间分异特征。研究结论如下：

第一，长三角创新系统发展水平整体呈上升趋势，区域创新能力持续提升。三个创新子系统发展水平存在差异，其中知识创造与扩散子系统发展滞后于创新资源投入子系统和知识转化与应用子系统。2014年之前，长三角创新系统发展以创新资源投入为主要驱动力，2014年之后，以知识转化与应用为主要驱动力。

第二，长三角区域各创新子系统间的耦合协调度呈稳步提升态势，实现了由低度协同向良好协同的转变。其中，知识创造与扩散—知识转化与应用系统的耦合协调在促进整个创新系统耦合协调度提升中的作用效果更强，且该作用效果呈边际递增效应；创新资源投入—知识创造与扩散系统的耦合协调在促进整个创新系统耦合协调度提升的作用效果相对较小，且该作用效果呈边际递减效应。该结果说明知识创造与扩散—知识转化与应用主导整个创新系统的耦合协调发展，即长三角创新系统协同发展模式为下游产品创新主导型。

第三，长三角三省一市在创新价值链的不同阶段形成了优势互补、梯次有序的空间布局。其中，上海、安徽的创新资源投入—知识创造与扩散两系统耦合协调水平更高，在创新价值链上游的知识技术创新方面具有比较优势；江苏、浙江的知识创造与扩散—知识转化与应用的耦合协调水平更高，在创新价值链下游的产品创新方面具有比较优势。

（二）政策建议

根据研究结论，为进一步提高长三角创新子系统间的耦合协调度，加强长三角区域协同创新，推动长三角一体化发展，本文提出以下政策建议。

第一，强化基础研究，提升长三角知识创造与扩散能力。对于整个长三角创新系统发展而言，知识创造与扩散系统发展持续滞后于知识转化与应用系统，表明长三角基础研究投入不足，在创新导向上强调科技成果产业化开发，而忽略基础性、原始性创新。强化基础研究，一方面需要优化科技财政支出结构，提高财政研发支出中的基础研究占比；另一方面应进一步完善基础研究投入制度，引导企业、科研院所、高校与社会机构加大基础研究投入，构建基础研究多元化投入机制，加速长三角区域的基础前沿科学研究。

第二，优化创新资源配置，提高创新资源向知识技术转化的效率。长三角创新资源投入—知识创造与扩散系统的耦合协调度对整个创新系统协同发展贡献率较低，且呈递减效应，表明长三角大量创新资源投入并未有效支撑知识技术创新。优化资源配置，提高创新资源投入效能，是推动长三角创新系统协同发展的关键。长三角创新资源配置优化需要着眼于整个区域层面，促进三省一市的高校、科研院所等交流共享学科方向、研究领域和科技成果等信息，提高创新资源共享水平，充分激发创新要素潜能和释放创新要素活力。

第三，长三角各地区要明确创新发展定位，强化内在创新比较优势，发挥外部优势互补效应，构造覆盖三省一市的创新价值链条。根据本文结论，上海知识创造与扩散子系统发展水平高，且创新资源投入—知识创造与转化的耦合协调度较高，在知识技术创新环节具有明显优势；江苏、浙江知识转化与应用子系统发展水平较高，且下游知识创造与扩散—知识转化与应用的耦合协调度较高，说明江苏、浙江市场活力强，在产品创新环节具有比较优势；安徽创新投入子系统发展水平较高，创新增长势头迅猛，在创新过程中有后发优势。各地区应该结合自身比较优势，共同梳理长三角创新链条，充分发挥上海在科技创新中的引领作用，充分利用江苏、浙江强大的科技成果转化能力，充分挖掘安徽的创新潜力，跨区域组建创新联合体，促进创新成果跨区域转移、转化，实现“1+1+1+1>4”的协同创新效果。

参考文献：

［1］许可，张亚峰.支持创新的地方知识产权政策体系：基于创新系统与制度逻辑的分析［J］.科研管理，2023，44（10）：62-70.

［2］苏屹，李忠婷.区域创新系统主体合作强度对创新绩效的影响研究［J］.管理工程学报，2021，35（3）：64-76.

［3］COOKE P，URANGA M G，ETXEBARRIA G. Regional Innovation Systems：Institutional and Organizational Dimensions［J］. Research Policy，1997，26（4/5）：475-491.

［4］赵菁奇，金露露，张文君.科技自立自强视域下国家创新体系效能建设与提升——以长三角区域为例［J］.华东经济管理，2024，38（1）：26-36.

［5］白俊红，蒋伏心.协同创新、空间关联与区域创新绩效［J］.经济研究，2015，50（7）：174-187.

［6］WEIDENFELD A，MAKKONEN T，CLIFTON N. From Interregional Knowledge Networks to Systems［J］. Technological Forecasting and Social Change，2021，171：120904.

［7］WANG S，SHI X，WANG T，et al. Nonlinear Spatial Innovation Spillovers and Regional Open Innovation：Evidence from China［J］. R&D Management，2022，52（5）：854-876.

［8］KEVIN C，WANG J，LUO N，et al. A Symmetry in the Distribution of Benefits of Cross-Border Regional Innovation Systems：The Case of the Hong Kong-Shen Zhen Innovation System［J］. Regional Studies，2023，57（7）：1303-1317.

［9］KETCHEN D J，IRELAND R D，SNOW C C. Strategic Entrepreneurship，Collaborative Innovation，and Wealth Creation［J］. Strategic Entrepreneurship Journal，2007，1（3/4）：371-385.

［10］吴卫红，冯兴奎，张爱美，等.跨区域协同创新系统绩效测度与优化研究［J］.科研管理，2022，43（7）：29-36.

［11］梁林，赵玉帛，刘兵.国家级新区创新生态系统韧性监测与预警研究［J］.中国软科学，2020（7）：92-111.

［12］ADNER R. Match Your Innovation Strategy to Your Innovation Ecosystem［J］. Harvard Business Review，2006，84（4）：98-107，148.

［13］李晓娣，饶美仙，原媛.数智情境下如何提升区域创新生态系统能级？［J/OL］.科学学研究.（2023-09-08）.［2023-10-16］.https：//doi.org/10.16192/j.cnki.1003-2053. 20230908.003.

［14］张杰，白铠瑞.中国高校基础研究与企业创新［J］.经济研究，2022，57（12）：124-142.

［15］CHEN X，LIU Z，ZHU Q. Performance Evaluation of China's High-Tech Innovation Process：Analysis Based on the Innovation Value Chain［J］. Technovation，2018（74/75）：42-53.

［16］CHEN K H，GUAN J C. Measuring the Efficiency of China's Regional Innovation Systems：An Application of Network DEA［J］. Regional Studies，2012，46（3）：355-377.

［17］王伟光，张钟元，侯军利.创新价值链及其结构：一个理论框架［J］.科技进步与对策，2019，36（1）：36-43.

［18］杨忠，巫强.加快构建创新联合体［N］.人民日报，2021-08-16（10）.

［19］HANSEN M T，BIRKINSHAW J. The Innovation Value Chain［J］. Harvard Business Review，2007，85（6）：121-130.

［20］ROPER S，DU J，LOVE J H. Modelling the Innovation Value Chain［J］. Research Policy，2008，37（6）：961-977.

［21］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（7）：6-20，70，187.

［22］盛彦文，马延吉.区域产学研创新系统耦合协调度评价及影响因素［J］.经济地理，2017，37（11）：10-18，36.

［责任编辑：夏 丽，孔令仙］

［DOI］10.19629/j.cnki.34-1014/f.231101012