中国省际科技创新能力评价及时空演变

摘要：本文从创新投入、创新产出、创新环境三方面以及创新规模、创新水平两个维度，构建科技创新能力评价指标体系。运用熵权Topsis法、Dagum基尼系数、核密度估计及ESDA探析2012-2021年中国省际科技创新能力时空演变特征。结果显示：（1）中国科技创新能力总体差异呈扩大趋势，主要来源于北方区域内差异；（2）全国和南方地区科技创新发展两极分化现象减弱，北方地区科技创新发展呈多极分化格局；（3）中国省际科技创新能力从2019年开始空间集聚效应不断增强。

关键词：科技创新；空间差异；Dagum基尼系数；核密度估计；ESDA

中图分类号：F062.3 文献标志码：A 文章编号：1001-2443（2024）05-0407-07

引言

近年来，中国区域经济发展呈现“南快北慢”新态势，南北经济差距拉大的关键原因可能在于创新能力的区域分化［1］。关于中国科技创新空间差异的研究主要以省域［2］、三大地区［3-5］、城市群［6-7］为研究对象进行分析，针对南北区域的研究较少。为此，本文以中国南北区域为研究对象，从创新投入、创新产出、创新环境三方面以及创新规模、创新水平两个维度，构建科技创新能力评价指标体系，首先运用熵权Topsis评价法测算中国2012-2021年科技创新能力，其次运用Dagum基尼系数深入分析中国科技创新能力空间差异及其差异来源，最后采用核密度估计和探索性空间数据分析法对中国南北区域科技创新能力时空演变趋势进行分析。以期全面了解不同时期、不同空间维度中国科技创新发展情况，为推动中国科技创新稳步健康发展提供有益参考。

1 研究设计

1.1 科技创新能力评价指标体系构建

本文以唐善阳［8］等学者的相关研究成果为重要参考，从创新投入、创新产出以及创新环境三个方面构建评价指标体系（见表1）。此外，本文将评价指标分解为创新规模和创新水平两个维度，克服了仅选用绝对指标或相对指标而造成的评价维度单一的问题。创新规模指一个地区拥有的创新资源总量，创新水平指一个地区创新投入和产出水平。

1.2 数据来源和研究对象

本文数据主要来源于《中国统计年鉴》《中国科技统计年鉴》《中国火炬统计年鉴》以及国家统计局网站，采用趋势外推法或插值法补齐缺失数据。本文研究对象为中国30个省份（不含西藏和港澳台地区），参照郭爱君等［9］做法对中国南北区域进行划分。

1.3 研究方法

1.3.1 熵权Topsis法 构建评价指标“最优解”和“最劣解”，通过测定各评价对象与“最优解”和“最劣解”的距离来进行排序。若评价对象最靠近“最优解”又远离“最劣解”，则认为最优［10］，熵权模型的构建及运算可以参考文献［11］。

1.3.2 Dagum基尼系数 本文利用Dagum基尼系数对中国省际科技创新能力的区域差异及其来源进行分析。本文将科技创新能力的Dagum基尼系数定义为：

[GT=j=1kh=1ki=1njr=1nhyji-yhr2n2Y]

其中，n为分析的30个省份，k为区域个数。[yji]表示区域j内i省份的科技创新能力，[yhr]表示区域h内第r省份的科技创新能力，[Y]表示所有省份科技创新能力均值，[nj]、[nh]分别表示区域j和区域h中的省份数。系数值越大，说明中国省际科技创新能力不均衡程度越高，反之亦然。

1.3.3 核密度估计 核密度估计具有模型依赖性以及稳健性强的特征［12］，本文利用高斯核函数对中国科技创新能力的分布位置、形态以及延展性进行分析，具体公式如下：

f（x）=[i=1nK{（xi-x）/h}nh]

其中，K（·）表示核函数；h为带宽；[xi]为样本观测值；[x]为样本观测值均值；n为观测值个数。

1.3.4 ESDA ESDA是一系列基于空间数据的分析方法和技术的综合，以空间关联测度为核心，可以检测空间数据的异常值，发现空间数据的集聚性和自相关性，揭示区域之间的差异性和互动模式。全局空间自相关主要用来判断某现象在空间上是否存在集聚效应，一般用莫兰指数（Moran’s I）来度量，具体公式如下：

Moran’s I=[Ni=1Nj=1Nωiji=1Nj=1Nωij（yi-Y）（yj-Y）i=1N（yi-Y）2]

其中，N为省份个数；y为科技创新能力指数；[Y]为科技创新能力指数均值；[ωij]为空间权重矩阵，本文选取邻接空间权重矩阵。当Moran’s I>0时，说明存在空间正相关；Moran’s I<0时，说明存在空间负相关； Moran’s I趋于0时，说明观测值趋于随机分布。Moran’s I越接近于1，表示相似的观测值越趋于空间集聚，越接近于-1，表示相似的观测值越趋于分散分布。

2 中国科技创新能力测度结果分析

2.1 中国科技创新能力总体描述

运用熵权Topsis法对2012—2021年省际面板数据进行测算，得到30省份科技创新能力得分及其排名，如表2所示。整体来看，中国省际科技创新能力差距明显并呈扩大趋势，排名首位省份科技创新能力得分与排名末位省份科技创新能力得分比值由2012年的16.3倍上升至2021年25.74倍。从各省份科技创新能力排名变化看，排名上升区域以南方省份为主，排名下降区域以北方省份为主。从时间变化趋势看，中国科技创新能力呈上升趋势，平均得分由2012年0.07上升至2021年0.18。从区域差异看，南方科技创新能力高于北方。2021年，南方科技创新能力得分均值为0.22，北方为0.15。

2.2 中国科技创新能力分项描述

如表3所示，从一级指标看，南北方在创新环境和创新投入方面差距较大，在创新产出方面差距相对较小。南方创新投入得分较高，主要是由于南方省份创新财力和人力投入实力强于北方。在创新环境方面，南方省份经济发展程度、企业创新意识以及创新载体实力和效率平均贴近度均高于北方。

从维度指标看，北方创新水平略高于南方，但南方创新规模远高于北方，说明南方创新实力较强，北方重视创新强度。在创新规模方面，南方省份在创新财力、人力投入规模以及科技成果产业化等方面表现较强；在创新水平方面，北方省份更加重视基础研究投入水平和科技成果产出水平。

3 中国科技创新能力区域差异分析

3.1 中国科技创新能力总体差异分析

由表4可知，2012—2021年中国科技创新能力总体基尼系数均值为0.4354，表明中国科技创新能力总体差异较大。从变化趋势看，近年来中国科技创新能力总体差异呈扩大趋势，由2012年0.416增长为2021年0.445。

3.2 中国科技创新能力区域内差异分析

由图1（a）可知，2012—2021年，北方区域内差异显著高于南方，中国科技创新能力总体差异主要来源于北方区域内差异。从变化趋势看，南方区域内差异整体表现为“M”型的变化特征；北方区域内差异表现为“W”型的变化特征。就变动幅度而言，南方地区2021年组内基尼系数与2012年相比，增长了9.62%；北方地区2021年组内基尼系数与2012年相比，增长了4.26%。综上所述，南北方区域内差异总体均呈上升态势，北方区域内差异高于南方，但南方区域内差异总体增幅高于北方，近三年南方区域内差异变化较小，有下降趋势，北方区域内差异上升明显。

3.3 中国科技创新能力区域间差异分析

由表4可知，南北区域间差异总体呈上升态势，由2012年0.431上升至2021年0.465，增幅为7.89%，年均增速为0.85%，在2013年和2017年出现小幅下降。表明南北区域间科技创新能力发展差距逐渐明显。

3.4 中国科技创新能力区域差异贡献度

由图1（b）可知，中国科技创新能力差异主要来源于区域内差异，而区域内差异最大的是北方。从贡献度变化趋势看，区域内贡献度缓慢下降，总体在48%上下浮动，表明某一区域可能存在聚类不收敛。超变密度贡献度总体呈下降趋势，区域间贡献度总体呈上升趋势，说明地区间交叉重叠现象减弱，逐步被南北区域间差异替代。

4 中国科技创新能力核密度估计

核密度估计能够较好地反映区域科技创新能力分布的整体状况，通过观察不同时期的核密度估计图，可以整体把握中国科技创新能力发展水平区域分布的动态特征。本文选取2012、2016、2020、2021年为样本观察期来研究中国科技创新能力演变态势，图2（a、b、c）分别为全国、南方、北方科技创新能力核密度图。

4.1 全国科技创新能力核密度估计

由图2（a）可知：第一，在所选年份中，全国30个省份（不含西藏和港澳台地区）的科技创新能力整体向右移动，说明各省份科技创新能力逐步增强。第二，核密度图中波峰具有变矮、变宽趋势，可以看出全国科技创新能力省际差距正在拉大。另外，右侧拖尾较长，说明中国科技创新能力存在低水平集聚问题。第三，所选年份中，核密度曲线多峰向单峰过渡，说明多极分化现象在减弱。

4.2 南方科技创新能力核密度估计

由图2（b）可知：第一，在观察期内，南方各省份科技创新能力整体逐渐向右移动，说明各省份科技创新能力逐步上升。第二，核密度图中波峰呈现变矮、变宽趋势，说明南方区域科技创新能力省际差距变大。右侧拖尾拉长，同样说明南方省份科技创新能力空间差距在逐步扩大。第三，观察期内，由双峰向单峰过度，说明南方区域科技创新发展两极分化现象减弱。

4.3 北方科技创新能力核密度估计

由图2（c）可知：第一，在观察期内，北方各省份科技创新能力整体向右移动，表明各地区科技创新能力逐步上升。第二，核密度图波峰呈现变矮、变宽趋势，说明北方区域科技创新能力省级差距变大。第三，北方地区出现双峰形态，表明北方地区各省份科技创新发展为多极分化格局。

5 中国科技创新发展空间分布特征分析

本文依据Rook原则构建空间权重矩阵，计算得到2012—2021年中国30个省份科技创新能力的Moran's I。由表5可知，2012—2021年，中国科技创新能力Moran's I在0.2上下浮动，且均在5%的显著性水平下通过检验，整体呈下降态势，局部呈先下降后上升趋势。表明中国30省份科技创新能力存在空间正相关性，2019年开始集聚效应不断增强，即呈现“高-高”相邻、“低-低”相邻的现象。

为探索中国科技创新发展的空间分布特征，本文以2012—2021年科技创新能力得分年平均值做探索性空间数据分析，Moran's I散点图如图3（a）所示。由图3（a）可知，Moran's I为0.203是显著的。大部分省份位于第三象限，说明大部分地区科技创新能力均值表现为低低聚类。由图3（b）可知，除去控制和集聚效果不显著的地区，仅3个地区（新疆、甘肃、四川）呈现低-低聚类，主要位于北方地区，可能与北方地区科技创新水平较低，发展缺乏联动有关。

6 结论与建议

本文从创新投入、创新产出、创新环境3个方面以及创新规模、创新水平两个维度，构建科技创新能力评价指标体系。基于2012—2021年相关数据，应用熵权Topsis法测算中国2012—2021年科技创新能力，采用Dagum基尼系数及其子群分解方法、核密度估计方法对中国科技创新能力空间差异及演变特征进行分析，研究结论如下：

（1）熵权Topsis法显示：中国科技创新能力呈上升趋势，南方科技创新能力高于北方。从各省份科技创新能力排名变化看，排名上升区域以南方省份为主，排名下降区域以北方省份为主。从分项指标看，南北方在创新环境和创新投入方面差距较大，在创新产出方面差距相对较小；南北方创新效率差距较小，但南方创新规模高于北方。

（2）Dagum基尼系数显示：在观察期内，中国科技创新能力总体差异较大，并呈扩大趋势，总体差异主要来源于北方区域内差异。从南北区域看，北方区域内差异高于南方，南北方区域内差异总体均呈上升态势，但近三年南方区域内差异变化较小，有下降趋势，北方区域内差异上升明显；南北区域间差异总体呈上升趋势，南北科技创新能力发展差距逐渐明显。从贡献度变化趋势看，区域内贡献度变化较为稳定，区域间贡献度呈上升趋势，超变密度贡献度总体呈下降趋势，说明地区间交叉重叠的现象逐渐被区域间差异替代。

（3）核密度估计显示：所选年份中，中国各省份科技创新能力逐步增强，省际差距变大，存在低水平集聚问题，科技创新发展多极分化现象减弱。从南北区域看，南北方省份科技创新能力均呈上升趋势，且空间差距逐步扩大，但北方地区各省份科技创新发展为多极分化格局，南方两极分化现象减弱。

针对以上结论，本文提出以下对策建议：

（1）针对北方地区科技创新规模不强的问题，建议强化国家科技资源对北方省份支持，提升北方区域整体创新能力。一是构建多元化投入机制，鼓励北方地区提高研发投入，通过中央引导地方科技发展资金支持北方地区科技创新。二是围绕北方地区产业体系建设，优先布局一批国家级研发机构和国家科技重大科技项目。三是在北方地区自主创新示范区、高新技术产业开发区实施更大力度的税收优惠政策。

（2）针对北方区域内差异较大且科技创新发展呈多极分化格局的问题，建议加强政府支持和引导，推进区域内科技信息交流共享。一是搭建科技创新区域内合作交流平台，有效促进区域内各创新主体之间人才、知识、技术、资本等创新资源有序流动和统筹布局。二是举办科技论坛、学术交流会议等活动，提供区域内交流的机会和平台，促进经验和资源的互通。三是建立区域内科研机构、高校和企业之间更紧密的合作机制，促进产学研结合，将科研成果转化为实际应用。

（3）针对南北差异不断扩大的问题，建议统筹南北区域科技创新协同发展，缩小区域间发展差异。一是建立区域科技创新合作机制，可以通过设立专门的科技创新合作机构、举办科技创新论坛、开展科技创新项目合作等方式，促进南北区域的科技资源共享和优势互补。二是建立全国科技创新协调发展机制，加强南北区域人才、资金、产业等方面的跨区域合作。三是优化科技创新资源配置，根据南北区域的实际情况，通过设立科技创新专项资金、加大对科技创新项目的投入等方式合理配置科技创新资源。

参考文献：

［1］ 刘斌，潘彤.地方政府创新驱动与中国南北经济差距——基于企业生产率视角的考察［J］.财经研究，2022，48（2）：18-32.

［2］ 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（4）：137-149.

［3］ 杨力，徐悦，朱俊奇.中国东部省份科技创新能力综合评价——基于TOPSIS-AISM模型［J］.现代管理科学，2021（8）：3-12.

［4］ 冯义，侯仁勇.中部六省科技能力评价［J］.科技进步与对策，2006（10）：154-156.

［5］ 朱顺泉.中国西部地区各省市区科技创新能力评价与比较研究［J］.科技管理研究，2006（6）：38-39+54.

［6］ 虞震.泛长三角区域科技创新能力评价与比较研究［J］.社会科学，2011（11）：47-52.

［7］ 龙晓君，洪秋鑫，李小建.粤港澳大湾区、长三角、京津冀城市群科技创新辐射空间格局及效应测算［J］.统计与决策，2021，37（24）：62-66.

［8］ 唐善阳，马敬东.科技创新能力评价研究综述［J］.卫生软科学，2023，37（8）：26-31.

［9］ 郭爱君，范巧.南北经济协调视角下国家级新区的北——南协同发展研究［J］.贵州社会科学，2019（02）：117-127.

［10］ 李洁，王琴梅.数字经济发展水平测度及时空演变［J］.统计与决策，2022，38（24）：73-78.

［11］ 吴赐联.福建省循环经济发展的综合评判——基于熵和AHP的组合赋权［J］.三峡大学学报（人文社会科学版），2014，36（3）：60-64.

［12］ 郭炳南，唐利，张浩.中国八大综合经济区生态福利绩效的区域差异与空间收敛特征［J］.统计与决策，2022，38（21）：66-71.

Evaluation of China's Inter-Provincial Scientific and Technological Innovation Capability and Spatiotemporal Evolution

YIN Jun1， CHEN Yu-fen2， HUANG Fei1

（1.Faculty of General Education and Foreign Languages，Anhui Institute of Information Technology，Wuhu 241000，China; 2.Faculty of Statistics and Mathematics，Zhejiang Gongshang University，Hangzhou 310006，China）

Abstract：This paper constructs an evaluation index system of scientific and technological innovation capability from three aspects： innovation input， innovation output， and innovation environment， as well as two dimensions of innovation scale and innovation level. The entropy-weighted Topsis method， Dagum Gini coefficient， kernel density and ESDA were used to explore the spatiotemporal evolution characteristics of China's inter-provincial scientific and technological innovation capability from 2012 to 2021. The results show that： （1） the overall difference of China's scientific and technological innovation capability is expanding， mainly due to the differences in the northern region；（2）The polarization of scientific and technological innovation development in the whole country and the southern region is weakened， and the development of scientific and technological innovation in the northern region is multipolarized；（3）The spatial agglomeration effect of China's inter-provincial scientific and technological innovation capability has been increasing since 2019.

Key words：scientific and technological innovation; spatial differences;Dagum Gini coefficient; nuclear density estimation;ESDA

（责任编辑：马乃玉）