创新型城市创新集聚效应比较范文

《科技进步与对策杂志》2015年第二十期

2006年，我国提出了建设创新型国家的战略，以促进产业结构优化升级，进而促进我国国际竞争力的提升。随着我国创新型国家战略的提出，许多城市也制定了创新型城市发展战略。经过几年的发展，国内许多城市的创新能力得到了很大提升，出现了上海、深圳和北京等典型创新型城市。城市作为区域经济的中心，对地区经济发展发挥着辐射带动作用，创新型城市建设直接影响整个地区的经济发展。而创新型城市建设效果在很大程度上取决于城市创新体系的运行效果。因此，研究我国创新型城市运行效果对我国创新型城市建设具有现实意义。创新集聚效应指在城市创新体系建设过程中形成企业、中介机构、高校和研发机构等创新主体的空间集聚并释放创新要素所产生的集聚效应。城市创新体系内4类功能明确的主体要素集聚能够推动创新产业形成价值链或者供应链集聚，产生创新主体专业化分工，为创新体系内成员带来成本优势、规模经济、城市品牌优势。创新要素在城市范围内的集聚是城市创新体系最重要的前提，创新集聚效应更是推动城市创新体系发展的重要动力。国外学者较早研究了集聚效应，Baptista和Swann研究认为，产业集聚通常能够给区域内企业带来更好的创新效果。Fujita和Thisse在创新与地理联系研究的基础上构建了创新模型，利用实证方法研究发现区域内产业的空间集聚对产业创新升级存在影响。R．Stern－berg从空间经济学的视角，系统阐释了集聚对经济发展的影响，并结合制造业产业集聚的现实，提出了区域经济及创新发展建议。

在国外学者相关研究的基础上，国内学者从不同视角出发，运用不同方法进行研究，也产生了大量研究成果。胡万进、陈禹以系统工程学思想和方法为基础构建了聚集效应评估模型，通过对我国高新经济区创新集聚效应的研究，认为创新聚集产生了倍增效应。胡彩梅运用克鲁格曼专业化指数和多样化指数，对1998－2008年我国内地30个省市自治区的地区产业专业化集聚水平和多样化集聚水平进行了测算和实证分析，认为专业化集聚对技术创新具有正面影响，而多样化集聚对技术创新具有负面影响。牛冲槐、宋磊从人才聚集效应角度出发，采用2009年中国省域截面数据，通过Moran指数法检验创新效应是否具有空间自相关性，并对区域创新效应的相关空间进行计量，为提升区域创新提出了一些政策建议。余泳泽［9］从企业、大学和科研机构等区域创新主体的角度，通过建立以知识生产函数模型为基础的空间面板数据模型，对2002－2008年内地29个省市自治区省级面板数据进行了实证分析，发现创新集聚、政府支持和制度环境对各地创新效率具有重要作用。

纵观国内外研究成果可以发现，现有研究大部分从国家、区域层面进行，企业、城市乃至社区层面的研究不多，而且缺乏更深层次的研究，如关于城市创新体系如何驱动城市经济的研究尚不多见。因此，从城市层面出发，以我国典型创新型城市为例讨论其集聚效应，既可弥补现有研究的不足，也可为我国创新型城市建设提供思路。改革开放之后，上海作为中国经济的桥头堡之一，在科技、经济和文化方面获得了长足发展，成为国内城市学习的榜样。南京与上海同处于中国经济最为发达的长江三角洲3小时经济圈，它们在地理位置、资源禀赋和政治文化等方面存在一定的相似性，因而，南京与上海的城市创新体系运行效果具有更多可比性。通过与上海的创新现状进行比较分析，可以对南京市创新现状有更为深入的认识，为建设适合南京发展的城市创新体系，推动南京创新型城市建设提供参考。

1模型与方法

1．1创新要素集聚度测算模型、指标及数据来源

1．1．1测算模型产业集聚能够将高新技术企业、研发人才、研究机构和大中型企业等创新要素集聚到城市范围内，从而推动创新型城市建设进程。而在城市层面上考察创新要素集聚程度与城市发展的关系需要一种区域性规模指标，该指标的构成必须考虑两个方面，一是以城市某个要素为基数的绝对规模，二是城市所在区域某要素的相对规模，以此构成集聚指数。因此，全局性的分布指标如赫芬达尔［10］指数不宜采用。文献［11］中采用的AHP法中权重数值是人为设定的，更多地体现了定性的趋势分析，而不具有严格的定量分析特征。因此，为了测算上海与南京两个城市创新要素的集聚程度，本文引入王奋、韩伯棠提出的一种全新的科技人才集聚指数———AI（AgglomerationIndex）指数模型，该指数综合反映相对规模与绝对规模的变化。本文研究的主体是城市创新要素，因而相对规模同时反映城市的创新质量状况，AI模型是对城市创新要素在规模和质量上的综合反映。AI＝ln（Population）•ln（HRst／Population）（1）其中，AI为某地区科技人力资源集聚指数，HRst为该地区科技人力资源规模，Population为该地区人口规模。本文在此基础上将该指数推广到创新要素集聚程度的测算中，从而对上海与南京城市创新要素集聚程度有一个全面的了解。其中，AI（Cij）为某城市某个要素的集聚指数，Cij为某城市某个要素的存在规模，Ci为城市所在区域某要素的总规模。

1．1．2集聚指标AI指数改进模型通过测算城市创新要素集聚度，可以比较直观地反映城市创新发展水平。城市创新要素主要包括企业、政府、研究机构和中介机构等，本文在测算城市创新要素集聚程度时，主要选择高新技术产业总产值、研发人员数、研究机构数和规模企业数4个指标。其中，高新技术产业总产值能够反映城市高端技术发展水平，突出体现城市创新竞争力［12］。在大多数情况下，一个城市拥有研发人员、研究机构以及规模企业数量越多，其创新竞争力越强［13］。需要特别强调的是，在测算规模企业和研究机构的集聚度指标时，将区域要素总规模确定为长三角地区江浙沪三省数据的总和。因为地理相近性的原因，三省在创新活动过程中存在很强的联系。

1．1．3数据来源本文创新要素测算指标数据由《南京市统计年鉴》（2004－2013）、《南京科技统计年报》（2004－2013）、《上海市统计年鉴》（2004－2013）、《浙江省统计年鉴》（2004－2013）和《江苏省统计年鉴》（2004－2013）等资料整理而得。其中，由于研究机构数量统计口径不同，本文以江苏省的统计口径为标准，即研究机构数＝独立研究机构数＋高校研究机构数＋企业研究机构数。

1．2创新集聚效应研究假设与模型构建

1．2．1研究假设创新要素集聚效应是指城市创新要素集聚程度对城市创新的影响作用，为了简化实证分析难度，对创新要素集聚指数与创新产出的关系进行假设，并通过实证模型对假设进行验证，具体假设如下：H1：城市高新技术产业集聚度（GXJSCYZS）对城市专利申请量有正向促进作用。H2：城市规模企业集聚度（GMQYZS）对城市专利申请量有正向促进作用。H3：城市研发人员集聚度（YFRYZS）对城市专利申请量有正向促进作用。H4：城市研究机构集聚度（YJJGZS）对城市专利申请量有正向促进作用。

1．2．2模型建立为了研究城市创新集聚效应，将城市的年专利申请量作为被解释变量，将AI改进模型测算得到的创新要素集聚指数作为解释变量，对两者建立多元回归模型并进行实证分析。

2实证分析

2．1上海、南京创新要素集聚度测算根据整理的创新要素指标，通过上述改进的集聚度测算模型对相关数据进行处理，得到上海与南京的创新要素集聚度指数，结果如表1、表2所示。

2．1．1上海创新要素集聚度指数分析上海创新要素集聚指数如表1所示。从创新要素集聚度指数值来看，R＆D人员集聚指数最低，而集聚度最高的是高新技术产业集聚指数；从各个要素集聚发展趋势来看，规模企业集聚度、高新技术产业集聚度和研究机构集聚度都呈现出良好发展态势，而只有R＆D人员集聚指数出现了下滑态势。

2．1．2南京创新要素集聚指数分析由表2可知，从集聚度系数来看，南京的R＆D人员集聚指数在4类要素中集聚度最高，并保持28左右，而高新技术产业集聚指数最低；就要素集聚发展趋势而言，只有规模企业和研究机构集聚指数呈现逐步上升趋势。

2．2上海创新集聚效应实证分析运用Eviews6．0软件对上海市2004－2013年创新要素集聚的相关数据进行加权最小二乘估计（WLS估计）处理［14］，实证结果如表3所示。（1）相关指数分析。对2004－2013年上海创新要素集聚的相关指标进行加权最小二乘回归，从拟合优度、F检验及T检验对上海的创新要素集聚效应进行分析。由表3可知，采用加权最小二乘法之后，上海创新要素集聚模型调整后的可决系数为0．989，其值接近于1，说明上海的创新要素集聚模型拟合度较高，而F统计量的伴随概率为0．0000，说明上海的创新要素集聚模型整体上显著有效。同时，上海创新要素集聚模型效应的DW检验值为2．06，说明集聚效应模型的自变量和残差相互独立，不存在序列相关问题。从上海创新要素集聚效应的估计模型来看，上海的高新技术产业集聚、研究机构投入集聚和规模企业集聚都对其创新活动产生了非常重要的作用。其中，在1％的显著水平下，上海高新技术产业集聚对上海创新活动产出影响系数最大，达到7．853，说明上海每增加1亿元高新技术产出的高新企业集聚，其专利申请量就会增加7853件，高新技术产业对上海创新活动具有明显的主导作用；研究机构集聚度对上海创新活动的影响在5％的水平下显著，其对上海创新产出的影响系数为1．264，说明上海每增加1家研究机构就能够增加1264件专利申请量；规模企业集聚对上海创新活动产出的影响在10％的水平下显著，其影响系数达到3．165，说明规模企业每增加1家每年就能够增加3165件专利申请量；而研发人员集聚度对上海创新活动的影响弹性几乎为0，说明上海R＆D人员集聚并没有对专利申请量产生正面影响。根据以上分析结果能够判断假设H1、H2、H4成立，而假设H3不成立。

2．3南京创新集聚效应实证分析对南京创新要素集聚效应的相关处理与上海相同，其实证结果如表4所示。（1）相关指数分析。根据2004－2013年南京创新要素集聚的相关指标进行加权最小二乘回归，从拟合优度、F检验及T检验对南京的创新要素集聚效应进行分析。采用加权最小二乘法可知，南京创新要素集聚模型调整后的可决系数为0．994，其值接近1，说明南京的创新要素集聚模型拟合度较高，而F统计量的伴随概率为0．0000，说明南京的创新要素集聚模型整体上显著有效。同时，南京创新要素集聚模型的DW统计量为2．105，比较接近2，说明残差和自变量相互独立，不存在序列相关问题。（2）根据南京创新集聚效应的相关指标得到南京创新要素集聚效应的估计模型。（3）经济意义的讨论。从南京创新要素集聚效应模型估计结果可知，研究机构、研发人员和规模企业集聚都对南京的创新活动具有显著影响作用。其中，在1％的显著水平下，研究机构集聚对南京的创新活动产出影响显著，并且影响系数最大，达到2．633，说明南京每增加1家研究机构就能够增加2633件专利申请量；研发人员集聚度对南京创新活动的影响在1％的水平下显著，其对南京创新活动产出的影响弹性为－6．565，说明南京R＆D人员集聚并没有表现出对专利申请量的正面影响，相反造成了明显的负作用；规模企业集聚在5％的水平下对南京专利申请量影响显著，但也对南京的专利申请量造成了明显的负作用。高新技术产业的集聚并没有对南京的创新活动产生显著影响，但是每增加1亿元高新技术产出的高新企业集聚，其专利申请量就会增加1．898千件。根据以上分析结果能够判断假设H4成立，而假设H1、H2、H3都不成立。

2．4上海、南京创新集聚效应实证结果比较分析根据上海与南京集聚效应的实证结果可知，上海创新要素集聚都表现出很好的集聚效果，而南京的要素集聚没有表现出对创新活动的提升作用。南京与上海在创新要素集聚效应方面存在很大区别，如表5所示。通过对南京与上海创新要素集聚影响系数和显著水平的对比可以看出，上海作为我国典型的创新型城市，高新技术产业、规模企业和研究机构的集聚都对地区专利申请量存在显著提升作用，其中，高新技术产业对上海创新活动的作用极其突出；而南京只有研究机构集聚对地区专利申请量具有显著正向作用，研发人员和规模企业集聚都对地区的专利申请量产生了非常明显的负作用。值得注意的是，南京的高新技术产业并没有对南京地区专利申请量起到显著的推动作用，但是其影响系数也达到了1．898。这一结果与上海和南京的现实因素具有不可分割的关系。上海作为国际经济中心、金融中心、贸易中心和航运中心，可以利用“四大中心”的优势推动城市创新，是南京所不具备的。这就导致除R＆D人员的集聚度外，上海其它创新要素集聚指数都比南京高。而南京的R＆D人员集聚指数比上海高，有一个很重要的原因，即上海全市的就业人口总数比南京全市的就业人数多很多。如2004年上海全市就业人口比南京2013年全市就业人口多出近400万人，这就导致上海R＆D人员集聚指数有很大的损失。而南京的研发人员集聚对专利申请量却产生了明显的负作用，说明科技人员创新性不高，其本身的价值还没有得到有效发挥。

3结论与建议

本文从城市层面探讨了技术创新集聚效应，运用理论模型对南京与上海的技术创新集聚效应进行了比较分析，得到如下主要结论：研究机构集聚程度在两个城市创新活动中都起着较为显著的促进作用；研发人员集聚程度均没有对上海与南京的创新活动产生显著的促进作用，且对南京的城市创新活动起到了明显的负作用；高新技术产业和规模企业集聚程度对上海与南京两个城市创新活动所发挥的作用形成了明显的反差。上海作为一个实力较强的创新型城市，高新技术产业和规模企业在经济发展中发挥了非常重要的推动作用，而南京的高新技术产业和规模企业并没有像预料中的那样对城市创新起到很大的推动作用。根据以上研究分析，本文提出以下建议：（1）鼓励设立相关研究机构。南京应通过各种优惠政策鼓励科技研究开发机构建设，吸引有实力的研究机构在区域内集聚，强化技术创新能力，为城市创新活动提供更为优越的环境。（2）建立人才培养机制及使用机制。一方面，高校需要加强人才培养机制，为南京创新型城市建设输送更多高层次、高素质的人才；另一方面，各部门还要加强人才的利用，利用产权激励等方式充分调动其积极性及科研潜力，壮大创新型人才队伍。（3）注重培育具有自身优势的高新技术产业，以引领城市创新发展。南京要充分挖掘城市内有优势的高新技术产业，明确城市未来高新技术产业发展的方向和经济产业结构，充分发挥这些产业的辐射带动作用，以改变高新技术产业对南京经济带动力不足的状况。

作者：童纪新 李菲 单位：河海大学 商学院