遼寧城市創新能力的空間分異及影響因素研究***

苗麗靜 李學思

〔 DOI〕 10.19653/j.cnki.dbcjdxxb.2020.04.010

〔引用格式〕 ?苗麗靜，李學思.遼寧城市創新能力的空間分異及影響因素研究[J].東北財經大學學報，2020，（4）：90-96，封三.

〔摘要〕本文建立了城市創新能力評價指標體系，引入空間分析工具與模型，利用2013—2018年遼寧14個城市的面板數據，從時序全局主成分分析與空間相關性兩方面對遼寧城市創新能力的空間分異情況進行研究，進而利用空間杜賓模型進行城市創新能力的影響因素分析。結果顯示：遼寧各城市創新能力具有競爭性和空間分異性;目前各城市尚未形成創新能力的空間集聚狀態;經濟狀況、引資能力、人力資本、教育環境和基礎設施等不同程度地影響了遼寧城市創新能力。基于上述研究，本文提出提高遼寧城市創新能力的建議：優化創新生態和創新路徑，深入推進城市群化和做好高等教育發展規劃。

〔關鍵詞〕城市創新能力;空間分異;遼寧;時序全局主成分分析;空間杜賓模型

中圖分類號：F207 ?文獻標識碼：A??文章編號：1008-4096（2020）04-0090-08

一、引 ??言

自熊彼特提出知識的生產即是創新^[1]以來，人們對創新的理解不斷完善。創新活動在地理空間上的擴散分為三個階段：第一，創新在一些主要城市采用。第二，創新傳播到第一批中心的四周和次要的中心。第三，創新傳播到次要中心的周圍，擴散過程結束^[2]。而在創新通過城市體系的等級擴散過程中，大城市占據循環優勢^[3]。區域創新能力和教育、研究以及技術轉移等制度密切相關，在治理模式上受區域決策能力、科技經費與政策導向的制約^[4]。不同區域創新的顯著差異與R&D活動生產效率及溢出效應有關^[5]，而且研發影響是高度本地化的^[6]。在經濟全球化時代，區域經濟空間結構并未走向系統平衡，城市化與區域創新具有互為促進的關系。創新活動有著比人口、工業生產、組織活動等更強的空間集聚性，往往活躍于經濟發達、基礎設施完善、人才集聚、高等學校和科研機構集中的城市群地區^[7]。城市群中的每個城市的作用不盡相同，創新要素和科技基礎設施也不盡相同，形成了優勢互補和相互支撐的創新體系。因此，城市群中的每個城市并不一定都要建設完備的科技基礎設施，關鍵是營造有競爭力的創新環境^[8]。就區域科技政策而言，同樣的政策在不同城市中可能產生不同的響應^[9]。城市作為區域創新的發源地和基本空間載體，是區域創新的中心，同時，其創新的空間異質性又不斷累積和重塑區域創新格局。要想全面、系統地把握區域創新發展的空間變化規律及影響機制，就要打破傳統的較為宏觀的空間尺度研究的局限，聚焦于更具有創新空間載體地位的城市單元。總之，如何打破傳統的全國或省域空間尺度研究的束縛，聚焦于城市單元尺度來認識區域創新能力的地理空間異質性及其機理和應對方案，顯然是一個頗具研究價值的重要議題。學者多通過構建城市創新能力體系，對城市創新能力所產生的地區差異^[10]、耦合協調^[11]、發展格局^[12-13]等方面進行研究。而其研究對象也主要集中于全國范圍^[14]或具有代表性的長江經濟帶等城市^[15-16]。

遼寧作為東北老工業基地的一部分，擁有良好的工業基礎，但近年來經濟增長持續放緩，正面臨傳統產業轉型升級和急需發展新動能等考驗。2016年11月1日國務院《關于深入推進實施新一輪東北振興戰略加快推動東北地區經濟企穩向好若干重要舉措的意見》強調要“推進創新轉型，培育發展動力”。習近平總書記于2018年9月在東北三省考察的講話中就深入推進東北振興提出了六個方面的要求，其中強調了要“以培育壯大新動能為重點，激發創新驅動內生動力。要依靠創新把實體經濟做實、做強、做優，堅持鳳凰涅槃、騰籠換鳥，積極扶持新興產業加快發展，盡快形成多點支撐、多業并舉、多元發展的產業發展格局”。然而，在創新驅動發展戰略深入推進的過程中，遼寧創新能力發展速度一直低于全國平均水平，且呈下降態勢。不僅如此，遼寧還面臨著地理空間所形成的創新差異和創新能力兩極分化嚴重等問題。為此，如何觀察并理解遼寧創新能力的空間分異及其不均衡態勢，如何正確識別影響區域創新差異的關鍵因素及其響應機制，如何根據創新空間分異及關鍵成因，制定與設計提升適宜遼寧創新能力的政策體系和路徑，便成為創新驅動遼寧發展的重要課題。本文基于上述背景，聚焦遼寧14個城市創新活動的涌現與擴散過程，對城市創新能力的空間分異、影響因素與政策方案展開探索性和驗證性研究，以期全面把握遼寧創新驅動發展的空間演化規律，為遼寧全面振興提供理論支撐和政策啟示。

二、研究設計

（一）研究區域與數據來源

本文研究的區域是遼寧14個城市，分別是沈陽、大連、鞍山、撫順、本溪、丹東、錦州、營口、阜新、遼陽、盤錦、鐵嶺、朝陽和葫蘆島。并選擇這14個城市2013—2018年面板數據作為研究樣本。研究數據來源于《中國城市統計年鑒》《遼寧統計年鑒》、EPS數據平臺和中經網統計數據庫。在數據搜集過程中，由于官方未公布等客觀因素，存在數據缺失的情況，故選擇均值插補法^[17]對缺失數據進行處理。考慮遼寧城市創新之空間分異也會受到所處經濟圈的影響，故本文也將視域拓寬至環渤海經濟圈，在空間相關性分析與城市創新能力影響因素分析中，把環渤海經濟圈中的北京、天津、河北和山東各城市數據同遼寧各城市進行對照研究，數據來源于環渤海經濟圈各省份統計年鑒。需要指出的是，由于本文研究時間段為2013—2018年，因而不受2019年環渤海經濟圈中行政區劃調整的影響。同時，由于河北辛集與定州經濟體量過小，因而分別將其與石家莊和保定視為一個整體，不單獨列出。

（二）指標體系的構建

本文基于客觀性、系統性和可操作性等原則，結合遼寧各城市發展實際狀況，建立起遼寧城市創新能力評價指標體系，以綜合考量公眾參與、政府支持、知識進步和技術飛躍相結合的城市創新生態系統狀況。城市創新能力評價指標體系由知識創新能力、技術創新能力、創新資金支持與創新環境支持4個維度13個評價指標構成（如表1所示）。其中，知識創新能力主要指為創新發展所提供的知識來源和傳播基礎情況，普通高等學校數及普通高等學校在校學生數是實現創新的重要知識貢獻者，每百人公共圖書館藏書也是城市知識儲備的重要體現。技術創新能力是指科技研發情況，以專利申請受理數和專利授權數來衡量。創新資金支持是指城市為創新發展所提供的資金投入，創新與其本身的科技投入與相應教育投入密不可分，因而用一般預算支出中教育預算支出占比、科技支出占比以及R&D內部經費支出來衡量。創新環境支持是指支撐創新能力發展所需要的基礎設施和基礎環境，電信業務收入、城市年末公共汽（電）車客運總量、建成區綠化覆蓋率、一般工業固體廢物利用率、生活垃圾無害化處理率來衡量。

三、評價方法的選擇

評價城市創新能力，除了要建立評價指標體系，還需要采用一定的評價方法即建立評價模型來進行評價。本文采用時序全局主成分分析法進行城市創新能力的評價，采用空間相關性分析樣本城市創新能力在全域空間上的相關性，采用空間杜賓模型分析城市創新能力的影響因素。

（一）時序全局主成分分析

主成分分析是在復雜問題研究時為尋找主要矛盾而采取的將多指標數據降維的方法。經典主成分分析主要應用于處理截面數據，缺乏動態分析。隨著統計數據可獲性的增強和研究的不斷深入，具有時間連續性的截面數據即面板數據被更多地采用。因此，在經典主成分分析的基礎上，產生了時序全局主成分分析。時序全局主成分分析將時序分析與主成分分析相結合，以主成分分析原理為基礎，將面板數據進行全局主成分變換。基于共同的全局變量，以相同的構成和計算方法對各年的主成分進行計算，再將原始的全局數據表進行變換計算，就可以反映出全部研究對象的時序動態特性和系統總體水平隨時間變化的軌跡^[18]。在時序全局主成分分析后，就能得到隨時間變化的總體水平趨勢。時序全局主成分分析的步驟可分為數據標準化處理、計算標準化矩陣的協方差矩陣、求特征根及主成分個數、計算主成分和綜合評價^[19]。

（二）空間相關性分析

1.全局空間自相關

全局空間自相關是在整體上把握研究對象之間的空間聯系與空間差異，學術界普遍以全局莫蘭指數（Global Morans I）進行度量，計算公式如下：

（1）

其中，，，n表示所研究城市的個數，與分別表示城市i與城市j的觀測值，表示以二進制表示的空間權重矩陣，當城市i與城市j相鄰時取值為1;反之取值為0，全局莫蘭指數的取值范圍是[-1，1]。

現實中的城市并非獨立發展和相互隔絕的主體，不同城市之間存在一定的空間交互作用，即城市創新能力存在集聚、溢出或分散的現象。當顯著性水平給定時，莫蘭指數向1趨近，表明城市創新能力差距較小，城市之間的發展具有協同性，空間發展均衡;莫蘭指數向-1趨近，表明城市創新能力差距較大，城市之間的發展具有相異性，空間發展不均衡。全局莫蘭指數反映了各城市創新能力在全局空間上的相關性。

2.局部空間自相關

全局空間自相關分析從整體上反映城市創新能力的關聯程度，而局部空間自相關分析常用來識別隨空間位置不同而可能存在不同的空間關聯模式，分析局部空間的不平穩性，從而發現數據間的空間異質性^[20]。通常以局部莫蘭指數（Local Morans I）進行度量，計算公式如公式（2），也可以寫成公式（3），符號意義與公式（1）相同。

（2）

（3）

其中，與表示城市i與城市j標準化后的觀測值。表示城市i鄰近的城市創新能力集聚情況，取值范圍是局部自相關的結果，通常用莫蘭散點圖來表示。I 可用來反映城市 i 周邊的創新能力空間集聚情況，其取值同樣介于[-1，1]之間。在此基礎上形成城市創新能力的LISA集聚圖，并據此將城市創新能力的集聚分為四種類型：高-高集聚（H-H）指創新能力高的城市鄰近是創新能力高的城市;低-低集聚（L-L）指創新能力低的城市鄰近是創新能力低的城市;高-低集聚（H-L）指創新能力高的城市鄰近是創新能力低的城市;低-高集聚（L-H）指創新能力低的城市鄰近是創新能力高的城市。

（三）空間杜賓模型

根據地理第一定律^[21]，相近的事物在空間上具有依賴性，空間計量模型可以有效地解決空間依賴性問題。空間滯后模型可以解釋因變量的內生依賴問題;空間誤差模型可以解釋誤差項的交互效應;而空間杜賓模型可以同時解釋因變量的內生依賴問題與誤差項的交互效應^[22]。因此，為了有效地探究城市創新能力的影響因素，本文選擇空間杜賓模型進行研究。計算公式如下：

（4）

其中，表示回歸系數，表示空間權重矩陣中的元素，表示城市在年的城市創新能力，表示回歸殘差的空間相關系數，表示城市i在t-1年自變量的行向量，表示空間滯后系數，表示空間滯后效應，表示時間固定效應，表示空間隨機誤差項。需要注意的是，將地理距離權重矩陣應用于空間杜賓模型分析時，其中的表示城市i與城市j之間的地理距離，地理權重矩陣公式如下：

（5）

四、遼寧城市創新能力的時空分異特點

（一）城市創新能力評價結果

本文將遼寧14個城市2013—2018年的13個指標數據匯總到時序立體數據表中。由于指標數據的量綱差異性且數據值的量級差別較大，需要首先進行標準化處理。同時，為了檢驗文中的評價指標體系能否進行時序全局主成分分析，本文利用SPSS軟件將標準化后的數據進行KMO檢驗與Bartlett球形度檢驗。檢驗結果表明，KMO檢驗的適切性度量數值（0.806）大于0.8，即13個指標中所含有的信息具有較多的共同因素;Bartlett球形度檢驗中的近似卡方值是4 064.467，顯著性也小于0.01（p=0.000），說明13個指標相互獨立。因此，本文所使用數據能夠進行主成分分析。

主成分分析中，特征值大于1的主成分共有3個，分別記為、和，特征值分別為6.842、1.449和1.117，方差貢獻率分別為52.632%、11.014%和8.593%。由三個因子的方差貢獻率進而得到累計方差貢獻率為72.369%，即3個主成分包含了大部分信息，可以進行下一步分析。根據因子載荷情況以及進行主成分得分的計算，其中表示因子得分，表示各變量上的主成分載荷，表示主成分的特征值，結果如表2所示。

基于評分系數，對標準化的指標數據進行處理，得到主成分得分。以主成分的方差貢獻率與累計方差貢獻率之比作為綜合得分的權重，得到城市創新能力的綜合得分計算公式，進而得出遼寧各城市創新能力得分及城市排名（如表3所示）。由表3可知：第一，遼寧14個城市創新能力存在較大的差異。沈陽與大連在2013—2018年持續位居遼寧城市創新能力的前列，并且得分均為正值，其他城市創新能力得分在研究時段均為負值。第二，各城市創新能力存在動態變化，且隨時間的推移多呈先下降后上升的“U型”趨勢。不論是創新能力較好的沈陽和大連，還是創新能力較弱的遼陽、盤錦和葫蘆島等城市，均在研究時段出現下滑后上升的情況，說明在研究時段前期，城市普遍在創新方面出現下滑，而后又努力進行創新路徑的探尋并產生成效。第三，除沈陽與大連外，城市創新能力排名存在時間變動性，即一個城市創新能力排名在2013—2018年并不是穩定的。此情況可說明，遼寧各城市間城市創新能力存在進步與競爭，在存在“馬太效應”的創新困境下，各城市仍在努力實現創新。

（二）空間相關性結果

在一定區域的城市體系中，城市間往往具有密切的經濟聯系。鑒于遼寧屬于環渤海經濟圈的一部分以及考慮樣本容量充足性問題，本文在更大的背景上對遼寧14個城市創新能力的空間相關性進行，運用Geoda軟件進行環渤海經濟圈城市創新能力的空間相關性分析。結果表明，2013—2018年環渤海經濟圈城市創新能力的莫蘭指數均為負值，且均通過10%的顯著性水平檢驗（如表4所示）。

分析結果說明城市間呈負相關，鄰近城市間創新能力具有差異性，存在部分城市創新能力較好、部分城市創新能力較弱的現象。從而能夠初步推斷，作為環渤海經濟圈一部分的遼寧，其城市創新能力也存在相異屬性集聚的情況。

為進一步得到局部空間關聯特征，本文基于全局空間關聯分析結論，以局部自相關所得到的LISA集聚圖（圖略）來直觀反映環渤海經濟圈的城市創新能力狀況，進而分析遼寧城市創新能力，得到以下結論：

（1）高-高型（高能型）。以環渤海經濟圈為背景，遼寧各城市創新能力在高水平集聚的趨勢并不顯著。山東的高-高型城市數量較多，穩定在3個城市，2018年分別是濟寧、泰安和濰坊。而遼寧的高-高型城市數量在2013年與2018年并未變化，均是大連。一方面可以反映大連城市創新能力與遼寧甚至環渤海經濟圈相比均較為突出;另一方面則說明遼寧其他城市創新能力的提升可能需要較長周期。

（2）高-低型（分化型）。2013年遼寧高-低型城市是沈陽，說明沈陽創新能力較為優越，但帶動能力差，其鄰近城市并未因沈陽創新能力的增強而增強并形成分化局面。與環渤海經濟圈的其他城市相比，至2018年遼寧未出現此類型城市，說明遼寧城市間多保持同水平發展。

（3）低-高型（空心型）。遼寧以低-高型城市為主，2013年有6個城市，2018年僅減少2個城市。說明遼寧許多城市存在創新能力低于鄰近城市的現象，形成中間低、周圍高的空間局面。2018年環渤海經濟圈內（遼寧除外）低-高型城市數量較2013年增至4個。說明從環渤海經濟圈整體來看，遼寧各城市仍需以自身發展為主導，通過增強自身能力縮小發展差距。

（4）低-低型（低能型）。遼寧此類型城市較少，而環渤海經濟圈內（遼寧除外）低-低型城市數量有增多趨勢，如唐山和張家口就已演變為這類城市。遼寧此類型城市如鞍山正在逐漸擺脫低能型發展模式。因此，較環渤海經濟圈而言，遼寧創新能力發展十分薄弱的城市相對較少，并未出現連片城市發展停滯不前的狀況。

五、城市創新能力的影響因素分析

（一）變量的選取

創新是城市可持續發展的重要途徑，明確城市創新能力的影響因素則是優化創新路徑的基本條件。已有研究表明，城市創新能力具有差異性，主要是經濟基礎、工業條件、高等教育水平等綜合作用的結果。本文提出由經濟狀況、引資能力、人力資本、教育環境和基礎設施5個指標組成的城市創新能力影響因素框架。

表5中各變量的定義及選取理由為：第一，經濟狀況（）。經濟發展會使各方面有利條件增多，人均GDP水平會影響人才流動從而對城市創新能力產生一定影響。第二，引資能力（）。開放是發展至關重要的一環，隨著經濟全球化的深化，跨國投資不斷促進技術交流，創新水平愈來愈受到引資情況的影響，本文以實際利用外商投資額表達引資能力。第三，人力資本（）。創新需要專業技術人員與人才的支撐，專業技術人員與研究人員的集聚將對技術升級有所助益，本文以科學研究與技術服務業就業人員數表示人力資本。第四，教育環境（）。高等學校既是培養專業人才的地方，也是科研實驗的主要場所，而專任教師則承擔著教書育人與科技鉆研的任務。因此，高等學校專任教師數從教育層面反映了城市創新研發的人才裝備情況，對城市創新能力產生重要影響。第五，基礎設施（）。基礎設施與城市建設和發展相配套，城市的興起不僅僅在于空間的擴張，還在于其相應配套設施的豐富，會影響創新型人才的集聚與擴散，也影響創新的其他方面，本文以城市建成區面積表示。由于各影響因素的數據量級不同，因而本文預先通過SPSS軟件對數據進行Z-score標準化處理。

本文運用Stata15.1進行Hausman檢驗，在時間固定效應、地區固定效應與雙固定效應中，選擇時間固定效應對空間杜賓模型進行估計。為了直觀地把握遼寧各城市的狀況，分別選擇遼寧省域尺度和環渤海經濟圈尺度來研究城市創新能力的影響因素。

（二）省域尺度的影響因素

從省域尺度看，經濟狀況、引資能力、人力資本、教育環境與基礎設施均通過10%的顯著性水平檢驗，對遼寧各城市創新能力具有影響。其中，人力資本與基礎設施的系數全都為負，分別為-1.995與-3.278。說明人力資本與基礎設施的擴大對遼寧各城市創新能力產生一定的負面影響，這從一個方面說明，一個城市不應過度專注于人才集聚與城市規模的擴張，而應結合自身的經濟水平，基于自身主導產業定位循序漸進地創造推進提升創新能力。同時，經濟狀況、引資能力與教育環境的系數分別為0.289、0.118與1.320（如表6所示），說明對城市創新能力的提高具有正向作用，各城市可以通過經濟增長、招商引資和改善教育環境來實現創新能力的提升。

觀察因子外生交互效應，可以看到教育環境通過了10%的顯著性水平檢驗，其系數為2.054，說明鄰近城市的教育環境提升對城市創新能力的提高有所幫助。這反映了遼寧各城市教育環境的優化會促進教師間的互動，從而有利于各城市教育事業的發展、專業創新人才的培養與整體創新水平的提升。以沈陽和大連為例，兩市高等學校數較遼寧其他城市均較多，甚至在環渤海經濟圈內也位居前列，既促進了兩城市也帶動了鄰近城市科技創新的發展。

（三）經濟圈尺度的影響因素

從環渤海經濟圈尺度來看，僅引資能力未通過顯著性水平檢驗，經濟狀況、人力資本、教育環境通過1%的顯著性水平檢驗，基礎設施通過10%的顯著性水平檢驗。經濟狀況、人力資本、教育環境與基礎設施的系數分別為0.207、0.288、0.453與0.147（如表7所示），說明這些因素都對環渤海經濟圈的城市創新能力具有正向促進作用。經濟狀況好的城市會在集聚創新要素上更具有優勢，因而經濟高質量發展會促進城市創新能力的提升。人力資本是創新能力與日俱增的重要因素，各城市發力制定和實施各種人才引進政策使得這一因素的作用得以強化。教育環境對城市創新能力的影響最大，在環渤海經濟圈內，各城市受教育環境的影響十分顯著。良好的基礎設施為創新能力的提升創造環境支持，這取決于其對人才的吸引力、創新對配套性基礎設施的較高要求。

對因子外生交互效應進行觀察分析，教育環境、人力資本與基礎設施依次通過1%、5%與10%的顯著性水平檢驗。說明在環渤海經濟圈內這三個影響因子上，各城市的交互效應較為明顯。對于某個城市而言，鄰近城市基礎設施的完善將會對其產生積極影響。而臨近城市的人才集聚將使本城市在人才引進上產生阻礙，甚至出現人才外流現象，從而對城市創新能力產生負面作用。這可能也與臨近城市的發展尚不足以產生溢出效應有關。同時，經濟圈內的臨近城市基礎建設提高對其城市創新能力也同樣產生負面影響。

六、結 ??論

本文建立了城市創新能力評價體系，運用時序全局主成分分析法對2013—2018年遼寧14個城市進行了城市創新能力評價。同時，在兩個方面展開了創新能力時空分異研究：一是以自然斷裂法對創新能力進行分析和展現;二是基于環渤海經濟圈視域以遼寧各城市為中心進行空間相關性分析。最后基于空間杜賓模型，從省域尺度與經濟圈尺度分析了影響遼寧乃至整個環渤海經濟圈創新能力的影響因素。經過研究與分析得到了以下基本結論：第一，2013—2018年遼寧各城市創新能力的發展并不突出。僅沈陽與大連城市創新能力得分為正值，發展較為穩定，多數城市在研究時段呈“U型”變化。但是，這是基于遼寧各城市的歷史基礎。各城市之間創新能力排名并不穩定，說明城市之間存在一定競爭，大多不存在“馬太效應”的束縛，對于長期創新能力的提高是有幫助的。第二，在環渤海經濟圈背景下，包括遼寧14個城市在內的各城市創新能力之間存在空間相異性，即創新能力高的城市未能有效帶動鄰近城市創新能力提升，創新能力低的城市并未受到鄰近創新能力高的城市的顯著影響。局部來看，遼寧并未處于連片性城市創新能力高的狀態，城市之間發展存在差距。第三，在省域尺度上，遼寧各城市創新能力受到經濟狀況、引資能力、人力資本、教育環境與基礎設施影響;而遼寧各城市空間交互效應僅受教育環境影響。在環渤海經濟圈尺度上，除引資能力外，其他因素均對城市創新能力有正向影響;人力資本、教育環境與基礎設施對城市創新能力存在交互效應。

近年來，遼寧城市創新能力并未有顯著進步，人力資本和基礎設施的發展尚不具有城市間交互影響效應。這就意味著要落實國家東北振興戰略，關鍵還在于從多方面促進區域創新能力的提升。要聚焦于遼寧更具創新空間載體地位的城市單元，不斷提升其創新競爭力。另外，要優化創新生態和創新路徑。地方政府要推動遼寧城市群建設，通過城市化的不斷深入，形成城市間的交流與合作，提高創新資源優良城市的溢出效應，縮小省內各城市之間的創新環境差異。同時，建議地方政府要基于遼寧自身良好的教育基礎和發展潛力，做好教育尤其是高等教育發展規劃，努力打造和形成區域性高等教育增長極，從而不斷提升教育和人力資本間接溢出的創新輻射效應。

參考文獻：

[1] Schumpeter， J.A. The Theory of Economic Development[M]. Cambridge：Harvard University Press， 1934.75-76.

[2] Hagerstrand，T.Innovation Diffusion as a Spatial Process[M].Chicago：University of Press，1976.12-14.

[3] Pred，A. City System in Advanced Societies[M]. London：Hutchinson， 1977.23-35.

[4] Braczyk，H.J.， Cooke，P.， Heiden，R.M. Regional Innovation Systems： The Role of Governances in Aglobalized World[M]. London： Psychology Press， 2004.48-64.

[5] Fritsch，M.， Franke，G.Innovation，Regional Knowledge Spillovers and R&D Cooperation[J]. Research Policy， 2004， 33（2）： 245-255.

[6] Crescenzi，R.， Rodríguez-Pose， A.R&D Socio-Economic Conditions and Regional Innovation in the US[J]. Growth and Change， 2013， 44（2）： 287-320.

[7] Bj?rn，T.，Asheim， M.， Gertler， S. The Oxford Handbook of Innovation[M]. Oxford：Oxford University Press， 2005.210-229.

[8] 李小健，喬家君.20世紀90年代中國縣際經濟差異的空間分析[J].地理學報，2001，（2）：136-145.

[9] 呂薇.新時代中國創新驅動發展戰略論綱[J].改革，2018，（2）：20-30.

[10] 易高峰，劉成.江蘇省城市創新能力的地區差異及影響因素分析[J].經濟地理，2018，（10）：155-162.

[11] 劉雷，喻忠磊，徐曉紅，等.城市創新能力與城市化水平的耦合協調分析——以山東省為例[J].經濟地理，2016，（6）：59-66.

[12] 譚俊濤，張平宇，李靜.2001—2010年黑龍江省城市創新能力格局與發展過程[J].地理科學進展，2014，（4）：508-516.

[13] 陳昭，劉珊珊，鄔惠婷，等.創新空間崛起、創新城市引領與全球創新驅動發展差序格局研究[J].經濟地理，2017，（1）：23-32.

[14] 周銳波，劉葉子，楊卓文.中國城市創新能力的時空演化及溢出效應[J].經濟地理，2019，（4）：85-92.

[15] 肖剛，杜德斌，李恒，等.長江中游城市群城市創新差異的時空格局演變[J].長江流域資源與環境，2016，（2）：199-207.

[16] 鄧建新，單路寶，賀德強，等.缺失數據的處理方法及其發展趨勢[J].統計與決策，2019，（27）：28-34.

[17] 劉耀彬，譚術魁.中部地區區域經濟運行機制及路徑[J].經濟地理，2007，（2）：270-274.

[18] 馬艷艷，郭金，張凱琳.基于全局主成分分析法的東北地區區域創新能力評價研究[J].科學與管理，2018，（6）：18-26.

[19] 徐維祥，張凌燕，楊蕾，等.多維鄰近下新型城鎮化的時空分異特征和驅動機制——以長江經濟帶為實證[J].經濟地理，2017，（9）：70-79.

[20] Tobler，W. A Computer Movie Simulating Urban Growth in the Detroit Region[J]. Economic Geography，1970，（2）：234-240.

[21] 李花，趙雪雁，王偉軍，等.基于多尺度的中國城市工業污染時空分異及影響因素[J].地理研究，2019，（8）：1993-2007.

[22] 王俊松，顏燕，胡曙虹.中國城市技術創新能力的空間特征及影響因素[J].地理科學，2017，（1）：11-18.

[23] 孫中博.東北地區創新創業生態系統建設的新挑戰與對策[J].中國管理信息化，2017，（6）：129-130.

[24] 趙傳松，任建蘭，陳延斌.中國科技創新與可持續發展耦合協調及時空分異研究[J].地理科學，2018，（2）：214-221.

On Spatial Differences of Urban Innovation Capacity and Its ????????????Influencing Factors in Liaoning Province

MIAO Li-jing¹，LI Xue-si²

（1.School of economics， Dongbei University of Finance and Economics， Dalian 116025， China; ???????????????????????2.School of Public Administration， Dongbei University of Finance and Economics， Dalian 116025， China）

Abstract：This paper establishes a system of urban innovation capacity evaluation indicators， introduces spatial analysis tools and models，and uses the 2013-2018 panel data for 14 cities in Liaoning，to study the spatial differentiation of urban innovation capacity in Liaoning Province from both of time series analysis and all-around PCA ， and spatial correlation. Then uses Spatial Dubin Model to analyze the factors that affect the innovation capacity of cities. The results show that the innovation capacity of Liaoning cities is competitive and spatially differentiated;at present， the cities have not yet formed the spatial agglomeration state of innovation ability; economic conditions， the ability to attract investment，human capital，educational environment，infrastructure and other factors have affected urban innovation capacity in Liaoning to varying degrees. Based on the above research， this paper puts forward some suggestions to improve the innovation ability of Liaoning cities：optimizing innovation ecology and innovation path，further promoting urban agglomeration and good planning for higher education development.

Key words：urban innovation ability;spatial differentiation;Liaoning ;time series analysis and all-around PCA;Spatial Dubin Model

（責任編輯：韓淑麗）