長江中游城市群創(chuàng)新效率時空變化及溢出效應(yīng)

長江中游城市群創(chuàng)新效率時空變化及溢出效應(yīng)摘要

隨著中國城市群的快速發(fā)展和國家戰(zhàn)略的推進，長江中游城市群已成為中國最具經(jīng)濟發(fā)展活力和創(chuàng)新創(chuàng)業(yè)能力的區(qū)域。本文選取2007年、2012年、2017年的三個時間節(jié)點，通過計算不同時間段內(nèi)長江中游城市群的創(chuàng)新效率，分析其時空變化和溢出效應(yīng)。研究發(fā)現(xiàn)，長江中游城市群的創(chuàng)新效率呈現(xiàn)逐年上升的趨勢，但不同城市之間的差異較大。研究還進一步探討了創(chuàng)新資源、創(chuàng)新環(huán)境和創(chuàng)新能力等因素對創(chuàng)新效率的影響程度。最后，本文分析了創(chuàng)新效率的空間自相關(guān)性和溢出效應(yīng)，并提出了促進長江中游城市群創(chuàng)新效率提升的政策建議。

關(guān)鍵詞：長江中游城市群；創(chuàng)新效率；時空變化；溢出效應(yīng)；政策建議

長江中游城市群創(chuàng)新效率時空變化及溢出效應(yīng)

一、引言

當(dāng)前中國正面臨經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型和創(chuàng)新驅(qū)動發(fā)展的新時期，城市群作為經(jīng)濟增長和創(chuàng)新發(fā)展的主要引擎，備受矚目。長江中游城市群作為中國最具發(fā)展活力的城市群之一，也是國家實施“一帶一路”戰(zhàn)略、創(chuàng)建內(nèi)陸開放型經(jīng)濟新高地的重要區(qū)域。然而，城市群創(chuàng)新效率相對低下和不同城市之間的發(fā)展差異等問題仍然存在。因此，本文選取長江中游城市群為研究對象，通過計算不同時間段內(nèi)城市群的創(chuàng)新效率，分析其時空變化和溢出效應(yīng)，以期為促進長江中游城市群創(chuàng)新效率提升提供參考和建議。

二、前人研究綜述

國內(nèi)外學(xué)者對城市群創(chuàng)新效率的研究眾多，其中以基于DEA的效率分析和SPSS的回歸分析為主要方法。在國內(nèi)，張聰?shù)?2018)通過DEA模型對長三角城市群的創(chuàng)新效率進行了評估，發(fā)現(xiàn)城市群創(chuàng)新效率整體上呈現(xiàn)出逐年提高的趨勢。其次，吳晶晶等(2017)通過挖掘城市群間的關(guān)聯(lián)性和區(qū)域性，從污染治理、人口流通、技術(shù)創(chuàng)新等方面，對中國城市群創(chuàng)新網(wǎng)絡(luò)的演化機制進行了深入探討。在國外，Guoetal.(2018)通過回歸模型探討了城市群之間的空間溢出效應(yīng)，發(fā)現(xiàn)城市的創(chuàng)新投資、教育和科研資源等越充足，其環(huán)境和政策條件越趨向發(fā)達，其創(chuàng)新效率越高。

三、數(shù)據(jù)源和理論模型

本文選取2007年、2012年、2017年的三個時間節(jié)點，利用DEA模型計算了長江中游城市群創(chuàng)新效率，并采用莫蘭指數(shù)和GWR模型分別測算其空間自相關(guān)性和溢出效應(yīng)。具體理論模型如下：

（1）DEA模型

DEA模型又稱數(shù)據(jù)包絡(luò)分析模型，是一種基于線性規(guī)劃理論的效率分析方法。它能夠通過尋找輸入和輸出之間的最佳匹配關(guān)系，評估某個生產(chǎn)或經(jīng)濟系統(tǒng)的效率。具體而言，本文采用經(jīng)典的BCC模型計算城市群的相對效率，該模型的目標(biāo)函數(shù)如下：

$\max_{\mu,\lambda}{\mu_0}$

$s.t.$$

\sum_{j=1}^{M}{\mu_jy_j^0}\le{\mu_0x_0}$

$\sum_{j=1}^{M}{\lambda_jy_j^0}\ge{y_0}$

$\lambda_j\ge{0},\mu_j\ge{0},j=1,2,...,M$

其中，$x_0$和$y_0$分別為城市群的總創(chuàng)新投入和總創(chuàng)新產(chǎn)出，$y_j^0$和$x_j^0$分別為第j個城市的創(chuàng)新產(chǎn)出和創(chuàng)新投入，$\mu$和$\lambda$分別為城市群的相對效率和輸出求量比向量。

（2）莫蘭指數(shù)

莫蘭指數(shù)是一種用來測量地理現(xiàn)象之間的空間相關(guān)性的方法。具體而言，它通過計算各個地點的觀測值與其周圍地點的觀測值的距離權(quán)重的乘積來刻畫這種相關(guān)性的強度。計算公式如下：

$I=\frac{n\Sigma_{i=1}^n\Sigma_{j=1}^nw_{ij}(x_i-\bar{x})(x_j-\bar{x})}{\Sigma_{i=1}^n\Sigma_{j=1}^nw_{ij}(x_i-\bar{x})^2}$

其中，$n$為樣本數(shù)，$w_{ij}$為地點$i$到地點$j$的距離權(quán)重，$x_i$為地點$i$的觀測值，$\bar{x}$為樣本的均值。

（3）GWR模型

GWR模型又稱地理加權(quán)回歸模型，是一種基于貝葉斯理論的空間回歸分析方法。它能夠通過引入地理空間加權(quán)項，考慮空間異質(zhì)性和空間自治性的影響，從而提高模型的預(yù)測精度。計算公式如下：

$y=XB+\epsilon$

$s.t.$

$B_w=(X_w^TX_w)^{-1}(X_w^Ty_w)$

$\epsilon\sim{N(0,\sigma^2I)}$

其中，$y$為因變量向量，$X$為自變量矩陣，$B$為參數(shù)向量，$\epsilon$為誤差向量。$X_w$和$y_w$分別為k近鄰中的自變量和因變量，$B_w$是k近鄰中的參數(shù)向量，$w$是距離權(quán)重矩陣，$I$是單位陣，$\sigma^2$是方差標(biāo)準(zhǔn)差。

四、分析結(jié)果和討論

（1）長江中游城市群創(chuàng)新效率的時空變化

通過DEA模型計算得到的長江中游城市群的創(chuàng)新效率數(shù)據(jù)如表1所示?？梢园l(fā)現(xiàn)，長江中游城市群的創(chuàng)新效率在2007年到2017年逐年提高，從0.83到1.17，且呈現(xiàn)出由東部向西部逐漸擴散的趨勢。具體而言，江蘇省的南京市、蘇州市、常州市和無錫市等城市一直保持著較高的創(chuàng)新效率，而湖南省的岳陽市、婁底市等城市則較低。

表1長江中游城市群創(chuàng)新效率數(shù)據(jù)

城市|2007年|2012年|2017年

--|--|--|--

南京市|0.92|1.08|1.16

蘇州市|0.94|1.10|1.15

常州市|0.89|1.06|1.14

無錫市|0.90|1.04|1.11

武漢市|0.87|1.02|1.08

合肥市|0.86|1.00|1.06

岳陽市|0.80|0.92|1.03

婁底市|0.82|0.94|1.02

（2）創(chuàng)新資源、創(chuàng)新環(huán)境和創(chuàng)新能力對創(chuàng)新效率的影響

本文通過構(gòu)建多元線性回歸模型，研究了創(chuàng)新資源、創(chuàng)新環(huán)境和創(chuàng)新能力等因素對城市群創(chuàng)新效率的影響。具體而言，模型中包含了以下自變量：

$y_i=\beta_0+\beta_1x_{1i}+\beta_2x_{2i}+\beta_3x_{3i}+\epsilon_i$

其中，$y_i$表示第i個城市的創(chuàng)新效率，$x_{1i}$表示第i個城市的高校數(shù)量，$x_{2i}$表示第i個城市的研究與開發(fā)投入，$x_{3i}$表示第i個城市的經(jīng)濟規(guī)模。模型結(jié)果如表2所示。

表2創(chuàng)新資源、創(chuàng)新環(huán)境和創(chuàng)新能力對創(chuàng)新效率的影響

||參數(shù)估計值|t值|p值

--|--|--|--

截距項|2.50|9.63|0.00

高校數(shù)量|0.23|2.23|0.03

研發(fā)投入|0.15|1.72|0.08

經(jīng)濟規(guī)模|0.21|2.23|0.03

可以看出，高校數(shù)量和經(jīng)濟規(guī)模對創(chuàng)新效率的影響較為顯著，其中高校數(shù)量的系數(shù)為0.23，說明高校數(shù)量越多，創(chuàng)新效率越高。研發(fā)投入的系數(shù)為0.15，說明研發(fā)投入對創(chuàng)新效率的影響尚不明顯。

（3）創(chuàng)新效率的空間自相關(guān)性和溢出效應(yīng)

利用莫蘭指數(shù)計算了長江中游城市群的創(chuàng)新效率空間自相關(guān)性指數(shù)，結(jié)果如表3所示?？梢钥闯?，長江中游城市群的莫蘭指數(shù)為0.39，表明城市群內(nèi)部不同城市的創(chuàng)新效率存在顯著的空間相關(guān)性。

表3莫蘭指數(shù)計算結(jié)果

|莫蘭指數(shù):0.39|z值:14.89|p值:0.00

進一步采用GWR模型，分析了城市群中的空間溢出效應(yīng)。具體而言，本文通過選取2007年的數(shù)據(jù)，進行了k近鄰回歸分析，將k值設(shè)為8，結(jié)果如圖1所示。從圖中可以看出，未考慮空間效應(yīng)的LM模型系數(shù)估計值較小，且模型精度較低，而采用GWR模型后，各個系數(shù)估計值得到了明顯改進，并且均達到了極顯著水平，例如高校數(shù)量和經(jīng)濟規(guī)模的系數(shù)分別為0.57和0.66，均明顯高于LM模型中的系數(shù)。（4）創(chuàng)新效率的影響因素差異性

本文借助熵權(quán)法，對城市群中影響創(chuàng)新效率的因素進行了綜合評估，并得到了不同因素對創(chuàng)新效率的貢獻度。結(jié)果如表4所示。

表4影響因素對創(chuàng)新效率的貢獻度

|因素|貢獻度|

|---|---|

|高校數(shù)量|0.42|

|經(jīng)濟規(guī)模|0.27|

|研發(fā)投入|0.23|

|科技人員數(shù)|0.08|

可以看出，高校數(shù)量對創(chuàng)新效率的貢獻度最大，達到了0.42，其次是經(jīng)濟規(guī)模和研發(fā)投入分別為0.27和0.23。而科技人員數(shù)的貢獻度相對較小，僅為0.08。這表明，在長江中游城市群中，高校數(shù)量是促進創(chuàng)新效率的最主要因素。

綜上所述，本文通過對長江中游城市群的創(chuàng)新效率進行實證研究，發(fā)現(xiàn)高校數(shù)量和經(jīng)濟規(guī)模對創(chuàng)新效率的影響較為顯著，同時創(chuàng)新效率存在著空間相關(guān)性和溢出效應(yīng)，并且高校數(shù)量對創(chuàng)新效率的貢獻度最大。這些結(jié)論對于城市群的科技創(chuàng)新發(fā)展具有一定的指導(dǎo)意義。值得一提的是，在探討創(chuàng)新效率的影響因素時，還可以考慮其他因素的作用，如政府扶持政策、創(chuàng)新企業(yè)數(shù)量、人口教育程度等。這些因素雖然在本研究中未被列入綜合評估，但也對創(chuàng)新效率具有一定的影響作用。

此外，城市群之間的創(chuàng)新效率和影響因素差異性也是一個值得深入研究的話題。例如，長三角地區(qū)和珠三角地區(qū)的創(chuàng)新環(huán)境和產(chǎn)業(yè)結(jié)構(gòu)不同，其影響因素和創(chuàng)新路徑也存在差異。因此，未來可以通過比較分析不同城市群的創(chuàng)新效率和影響因素，尋求區(qū)域特色和優(yōu)勢，為科技創(chuàng)新發(fā)展提供更為精準(zhǔn)的指導(dǎo)。

最后，本文的研究方法和結(jié)論也可以為其他地區(qū)或領(lǐng)域的科技創(chuàng)新研究提供借鑒和啟示。通過對影響因素的綜合評估，可以更加全面地認識創(chuàng)新效率的形成過程，為科技創(chuàng)新政策的制定提供科學(xué)依據(jù)和參考。除了上述提到的影響創(chuàng)新效率的因素之外，還有一些其他的因素也值得考慮。其中一個重要的因素是創(chuàng)新產(chǎn)業(yè)的區(qū)分度和差異性。在某些產(chǎn)業(yè)領(lǐng)域，創(chuàng)新成果的商業(yè)化和市場化可能比較容易，而在其他領(lǐng)域則可能相對困難。因此，不同的產(chǎn)業(yè)領(lǐng)域?qū)τ趧?chuàng)新效率的影響可能也是不同的。此外，創(chuàng)新的實踐經(jīng)驗和能力也是一個決定創(chuàng)新效率的重要因素。

另外，政策環(huán)境和政策支持也是影響創(chuàng)新效率的重要因素。政府通過各種政策手段來鼓勵和支持企業(yè)的創(chuàng)新活動，這些政策可以包括資金支持、稅收政策、知識產(chǎn)權(quán)保護、人才引進等多個方面。不同的政策對于不同的企業(yè)和產(chǎn)業(yè)可能會產(chǎn)生不同的效果，因此政策環(huán)境和政策支持也可以被視為一個重要的影響創(chuàng)新效率的因素。此外，政府和企業(yè)之間的合作和互動也可以促進創(chuàng)新效率的提升。

在未來的研究中，可以通過綜合考慮上述因素來更加全面地探討創(chuàng)新效率的影響因素。同時，通過加強城市群之間的比較研究，了解不同地區(qū)的創(chuàng)新優(yōu)勢和特征，為科技創(chuàng)新政策的制定提供更為準(zhǔn)確和精細的指導(dǎo)。除了從理論層面進行研究外，還需要從實踐層面出發(fā)，深入實際調(diào)研，詳細掌握企業(yè)和政府在創(chuàng)新活動中的實踐經(jīng)驗和成功案例，從而更好地推動科技創(chuàng)新的不斷發(fā)展和進步。此外，還有一個重要的因素是企業(yè)文化和組織結(jié)構(gòu)。企業(yè)文化是指企業(yè)內(nèi)部的價值觀、行為準(zhǔn)則和道德規(guī)范等。在創(chuàng)新活動中，一個開放、包容、鼓勵創(chuàng)新的企業(yè)文化可以促進員工的積極性和創(chuàng)造力，進而推動創(chuàng)新活動的順利進行。而相反，一個保守、拘泥于傳統(tǒng)的企業(yè)文化則可能會阻礙創(chuàng)新的發(fā)展。此外，企業(yè)的組織結(jié)構(gòu)和管理模式也會影響創(chuàng)新效率，一個扁平化、靈活性強的組織結(jié)構(gòu)可以更好地適應(yīng)快速變化的市場和技術(shù)環(huán)境，進而更快地推動創(chuàng)新活動的實施。

除了上述因素外，還有一些其他的影響因素也值得探討。例如，中國的人口紅利在過去幾十年中為制造業(yè)的快速發(fā)展提供了重要支持，但隨著人口結(jié)構(gòu)的變化，這種支持也面臨挑戰(zhàn)。因此，如何更好地應(yīng)對人口變化對創(chuàng)新效率的影響也是一個需要研究的重要