江蘇省城市綜合創新競爭力時空聯系研究

王承云，沈澤洲

（上海師范大學 環境與地理科學學院，上海 200234）

一、引 言

隨著改革開放的進一步深化，依靠生產和資本要素驅動的傳統經濟發展模式受到挑戰，創新成為城市發展和社會進步的核心推動力。江蘇省作為我國的經濟大省、教育大省，13個地級市全部上榜中國100強城市。堅實的經濟基礎、完善的創新制度、高素質的勞動力資源為江蘇省的區域創新注入了活力，極大地提高了創新的競爭力。然而，江蘇省各市間創新能力、創新環境的差異導致了各市創新發展不均衡；創新資源、創新要素的不流通導致了各地區間創新聯系不緊密，使得江蘇省創新競爭力的進一步提升受到限制。因此，探究江蘇省各市綜合創新競爭力水平、創新聯系強度的時空分異規律，對縮小各市間創新能力的差距、促進創新資源的合理配置、推動各市創新聯系與合作具有重要意義。

20 世紀90 年代末，國內外眾多學者和研究機構開始關注城市競爭力的研究，早期如Landry探究了創新城市的內涵，并構建了城市創新評價指標體系［1］；Begg研究了城市競爭力的本質以及城市競爭力高的內在原因［2］。我國學者蔡來興主編的《國際經濟中心城市的崛起》、顧朝林等著《經濟全球化與中國城市發展：跨世紀中國城市發展戰略研究》也對該問題進行了系統、深刻的研究［3］。近年來對城市競爭力的研究更加深入，研究內容細分到城市的文化競爭力、旅游競爭力、創新競爭力等方面。地理學界對城市競爭力的研究大多是從空間分異和聯系角度對一定區域內各城市的創新競爭力進行評估和排名［4-6］。如王發真等對中原城市群9 市的城市競爭力進行了排名，并探究城市競爭力的空間分異和空間擴展的演變規律與特征［7］。許學強等通過構建城市競爭力評價模型對珠江三角洲城市群進行打分和排名［8］。研究方法上，早期城市競爭力評價模型的相關研究大多是對波特國家競爭力評價理論的擴展和延伸，隨著評價指標的增加和體系的復雜，目前主要運用的方法有模糊一致矩陣、熵權TOPSIS 法、主成分分析、GEM-ANP 模型和AHP法等［9］。在指標體系選取方面，大部分的城市競爭力研究都是從城市發展的綜合角度出發選取當地經濟、基礎設施、政府政策、教育等幾個方面進行綜合分析［7-8］；而創新競爭力研究的指標體系則相對雜亂，并沒有統一標準。因此，本文通過參考《中國城市創新競爭力發展報告（2018）》中的相關指標，選取最具權威性的創新能力和創新環境兩個二級指標共7 個因子進行城市綜合創新競爭的測算。

在創新空間分異和聯系的研究方面，目前主要通過創新網絡來實現，有關創新網絡的概念最早由Freeman 提出，他認為創新網絡是系統創新的制度安排［10］。由于城市間真實的創新聯系難以準確全面測度，地理學者開始嘗試將空間相互作用模型引入城市創新聯系研究中，引力模型最早于1880 年被英國統計學家雷文茨坦使用于區域空間的研究［11］。目前大部分學者主要通過借鑒和改進物理學中的萬有引力公式來衡量城市間的創新聯系；近年來隨著研究的深入，學者們在引力模型的基礎上運用斷裂點公式、最大引力線、場強公式等對各城市的創新聯系及輻射范圍進行進一步探究［12-16］；隨著社會網絡分析法（SNA）的興起，越來越多的學者開始通過社會學視角對創新聯系進行定量測度，并從網絡規模、網絡密度、網絡中心勢三個方面具體分析創新網絡的結構特征［17-25］。

通過以上回顧可以發現，現有研究尺度主要集中于全國、城市群等相對宏觀視角，對省一級的關注較少，而省一級創新均衡發展是城市群乃至全國創新均衡發展的基礎和前提，故本文將重點研究基于江蘇省各市數據，測算其綜合創新競爭力。同時現有研究極少有將城市綜合創新競爭力的空間分異與聯系通過社會學方法SNA 進行定量測算，因此，本文在對傳統城市相互作用理論模型進一步完善的基礎上，運用社會網絡分析法對創新網絡的總體強度及各市的具體中心度進行測算。

二、研究區域界定與數據來源

本文的研究范圍為江蘇省下轄的13 個地級市，包括蘇州市、無錫市、南京市、南通市、徐州市、常州市、鎮江市、泰州市、揚州市、淮安市、鹽城市、宿遷市、連云港市。

數據主要為城市綜合創新競爭力測度數據以及創新聯系測度數據。綜合創新競爭力測度數據主要來自江蘇省統計年鑒、江蘇省科技統計網、中國統計局。考慮研究價值以及數據的可獲得性，本文選取2013-2017 年5 年的數據為研究對象，具體選取了科研人員數量（萬人）、專利申請授權數（件）、高新技術產業產值（億元）、科學研究和技術服務業生產總值（億元）、地區生產總值（億元）、規模以上工業企業利潤（億元）、普通高等學校數（所）共7個指標綜合反應各市的創新能力和創新環境，從而測算各市的綜合創新競爭力。具體數據見表1所列。

表1 城市綜合創新競爭力指標體系

考慮各市間交通通達程度的不同，且目前江蘇省各地區間實體形態創新的流通仍以公路為主；虛擬形態的創新，如創新信息等的流通以網絡為主，而各市間的網絡距離實則相等。因此，創新聯系測度數據可以通過各市間的距離采用高德地圖中各市間最短行車距離來衡量。具體距離矩陣見表2所列。

表2 江蘇省各市間最短行車距離 單位：km

三、研究方法

（一）城市綜合創新競爭力測算

對于城市間綜合創新競爭力的測算選取因子分析法，并在此基礎上計算各市因子綜合得分進行排名。具體步驟為：在進行z值標準化處理的基礎上對7個創新競爭力的指標進行主成分因子分析，在因子分析的基礎上計算各主因子的因子得分，并以抽取因子旋轉后的方差貢獻率為權重計算各市綜合因子得分，綜合因子得分計算公式如式（1）所示。其中，S為各市綜合因子得分；Y1，Y2，Y3，…，Yn為抽取的各主因子得分；F1，F2，F3，…，Fn為旋轉后各主因子的方差貢獻率。

考慮各市的綜合因子得分數據存在負數，不便各市間相對差距的對比，同時為了后文研究中正確引力模型的建立，故采用相應的標準化方法對數據進行處理，如式（2）所示。其中，xi為各市綜合因子得分的原始值?為各市創新競爭力的最終得分。

（二）探索性空間數據分析

探索性空間數據分析（ESDA）是通過具有空間異質性與依賴性特征的樣本數據測度空間關聯性的方法，主要有全局空間自相關與局部空間自相關。本文在因子分析的基礎上對2013-2017 年江蘇省各市創新競爭力的最終得分進行全局Moran'sI檢驗，以確定不同城市創新競爭力的時空分布之間是否相似（空間正相關）、相異（空間負相關）抑或相互獨立。公式為：

其中，N為空間單元總數；xi和xj是空間單元i和j的屬性；wij是空間權重，如果空間單元i與空間單元j鄰接，則wij＝1，否則為0。用p值以及z得分對Moran'sI指數進行統計檢驗，其中為期望值，Var（I）為變異系數。

在全局空間自相關檢驗的基礎上進一步對各市綜合創新競爭力進行熱點分析，以探究各市創新競爭力的具體時空分異特征。其中指數高值即熱點區域指數低值即冷點區域。具體公式為：

（三）對引力模型的改進

地理學中的引力模型是測算各區域間空間相互作用強度的一種方法，由著名的萬有引力定律改進而來。在引力模型的構建中，質量參數和距離參數的設定是影響模型構建適宜性的關鍵要素。而本研究基于江蘇省各市間創新競爭力的特征，對引力模型中質量參數和距離參數的測度方法進行了改進，其中質量參數SA、SB選用式（2）中A、B兩市標準化后的綜合創新競爭力得分，距離參數R選用表2中A、B兩市間的最短行車距離。F為兩市間的創新聯系強度，G為引力系數通常取1。

（四）總體網絡密度分析

在引力模型計算出的各市創新聯系強度矩陣基礎上，運用總體網絡密度來反映各市間創新的關聯關系程度。總體網絡密度是整體網絡中實際存在的關系數與理論上可能存在的最多關系數之比，因此各地區間總體聯系數M越多，網絡的密度也就越大。考慮江蘇省各市間的創新聯系網絡是一個有向的關系網絡，則各市間創新聯系可能存在的最大關系數量為N（N-1），因此各市間創新聯系有向網絡的總體密度D為：

（五）網絡中心勢分析

網絡中心勢與網絡密度具有相互補充的特性，網絡密度反映的是各市間關聯關系的程度，而網絡中心勢反映的則是網絡聯系的緊密程度。網絡中心勢的構造思想為：首先找到圖中最大中心度的值Cmax；然后計算該值與圖中其他點的中心度值Ci的差，計算多個差值的總和；最后用這個總和除以理論上各個差值總和的最大可能值［19］。公式如下：

（六）點度中心度分析

點度中心度衡量的是一個地區與其他地區直接相連的關系程度，一個地區的點度中心度數值越大，則意味著與這個地區直接相連的地區越多，表明該地區在網絡中的地位越高。有向關系網絡中點度中心度可以分為出度中心度和入度中心度，創新網絡中出度中心度越高，表明該城市對其他城市的創新溢出能力越強，而入度中心度越高則表明該地區吸收外界創新資源的能力越強。

（七）CONCOR塊模型分析

塊模型分析是一種簡化多重關系網絡的數量模型，最早由 Boorman 和 White 提出［26］。他們指出要想找到一個網絡的總體模式，必須根據網絡中參與者的結構對等性做一些轉化性的工作。而一個角色系統中的各個角色是相互關聯的，因此所使用的轉化方法主要是把各個點集中到更大的點集之中，這樣各個點集系統的內在結構要比在大量孤立點之間的具體關系更加明確，如圖1 所示。CONCOR 作為一種迭代相關收斂法為塊模型分析方法的一種，通過對目標矩陣的各個行（或者列）之間的相關系數進行多次迭代后，最終產生的將是一個僅由1和-1組成的相關系數矩陣，從而達到對各個參與者進行分區，簡化數據的目的［19］。

圖1 一個網絡及其塊模型

四、綜合創新競爭力測算及分析

（一）綜合創新競爭力測算

本文分別對2013-2017 年江蘇省各市綜合創新競爭力的7個指標進行因子分析，測算各市的因子綜合得分標準化后，得到各市的綜合創新競爭力得分，并以2017年的測算過程為例，具體闡述測算過程。

首先對各指標進行z值標準化處理，對創新競爭力的7 個指標變量進行適用性檢驗，得出KMO統計量為0.745大于閾值0.5，Bartlett的球形度檢驗Sig.＜0.05，適合進行因子分析。綜合考慮設立的二級指標創新能力、創新環境以及提取各因子的累計貢獻率，可以將提取的公因子數設為3。在此基礎上對7個指標變量進行因子分析，抽取方法為主成分，旋轉方法為最大方差法。結果表明抽取的三個主因子共解釋總方差達98.218%，且每一項因子的提取值都大于0.9，結果表達效果好。通過表3旋轉因子載荷矩陣可以看出，在最大方差旋轉后，第一個主因子包括專利申請授權數（件）、高新技術產業產值（億元）、地區生產總值（億元）、規模以上工業企業利潤（億元）4個指標，可以歸結為創新效益；第二個主因子包括普通高等學校數（所）、科學研究和技術服務業生產總值（億元）2個指標，可以歸結為創新能力；第三個主因子包括科學研究人員（萬人）一個指標。

在主成分因子分析的基礎上利用因子評分系數矩陣分別計算各抽取主因子得分，并利用抽取因子旋轉后的方差貢獻率為權重計算因子綜合得分，對各市標準化后的因子綜合得分進行排序，得出各市綜合創新競爭力得分，結果見表4所列。

表3 正交旋轉后的主因子載荷矩陣

表4 綜合創新競爭力排名

（二）綜合創新競爭力空間特征分析

在對江蘇省各市2013-2017 年綜合創新競爭力測算的基礎上，進一步計算5 年間江蘇省各市的全局Moran'sI指數，探究各市的綜合創新競力在空間上的分布特征。通過表5 可以發現：2013-2017 年，江蘇省各市的Moran'sI一直為正，且指數不斷增大，p值不斷減小，空間正相關特性逐漸顯著；2013-2015 年空間集聚程度較為微弱，直到2016-2017 年才開始出現顯著的空間自相關現象。由此可以發現，江蘇省各區域間綜合創新競爭力的差距逐漸擴大，區域創新能力逐漸趨于不平衡。

表5 2013-2017年Moran's I指數變化

在全局空間自相關的基礎上，對江蘇省各市2013 年和2017 年的綜合創新競爭力進行熱點分析，進一步探究具體空間集聚情況及類型分布。通過圖2可以發現，熱點分析結果與全局Moran'sI結果相符。2013年，蘇州、無錫、南通、常州在上海強烈的創新輻射下綜合創新能力都處于高值，由于地理的鄰近性，在蘇南地區形成了綜合創新力的高值集聚區；而由于長江對創新輻射的削弱作用，無錫與相對低值的泰州相鄰導致無錫無法表現出高值集聚的特點。2017年蘇州的綜合創新競爭力不斷增強形成高值集聚區，而增長相對較慢的無錫、南通、常州轉為次高值集聚區，無錫出現次高值集聚表明長江對創新輻射的削弱作用有所減弱，泰州等蘇中地區的綜合創新競爭力有所提升。但由于溢出效應有限，蘇南地區的高值集聚雖在一定程度上帶動蘇中創新的增長，但對蘇北的帶動作用仍不足；在蘇南帶動蘇中創新競爭力不斷發展的同時，蘇北的宿遷出現了創新競爭力的低值集聚。2013-2017 年，作為綜合創新競爭力第二高值的南京并沒有對周邊城市起到足夠的帶動作用，形成類似蘇南的高值集聚區。

圖2 江蘇省各市綜合創新競爭力熱點分析

五、城市創新競爭力時空聯系研究

為了直觀地反映2013-2017 年江蘇省各城市創新聯系的空間格局，本文利用引力模型對2013年和2017 年各城市空間聯系進行可視化分析，并按照引力強度大小將其劃分為5個等級，即引力強度極弱、引力強度較弱、引力強度一般、引力強度較強、引力強度極強，并繪制出江蘇省各城市間創新聯系網絡結構圖。

（一）引力模型分析

如圖3 所示，2013 年和2017 年江蘇省各市創新聯系網絡的總體結構較為相似，2017 年相較于2013 年，各市的創新聯系強度都有所提升。總體來看，各市的創新聯系表現為“南強北弱”的特點創新聯系強度分布極不均勻，大致表現為蘇南地區最強，蘇中次之，蘇北最弱。且各市的聯系強度值差異較大，位于“引力強度極強”和“引力強度較強”等級的城市相對較少。

圖3 江蘇省城市創新聯系網絡結構

其中，2013 年引力最強的為蘇州—無錫、較強的為無錫—常州；一般的為常州—蘇州、蘇州—南通、鎮江—揚州、南京—揚州、南京—鎮江、南京—蘇州。2017 年引力強度最強的為蘇州—無錫；較強的除了包括無錫—常州外，還包括了2013 年引力強度一般的蘇州—南通、常州—蘇州；一般的為南京—鎮江、南京—揚州、南京—常州、南京—無錫、南京—蘇州、無錫—南通、揚州—鎮江。對比2013 年和2017 年可以發現，除了創新聯系總體強度有所提升，蘇南地區創新核心的內部聯系更加緊密；同時南京與蘇南地區的聯系也有所提升，以南京為中心的蘇中地區次級創新核心與蘇北地區的聯系并沒有發生太大變化，說明南京及蘇南地區各市的創新聯系強度提升速度更快；而蘇中、蘇北地區的創新聯系結構并沒有顯著變化。總的來說，江蘇省各市間創新引力強度的空間分布不均衡問題日益嚴峻。

結合Boschma［27-28］提出的對鄰近性5個維度的概念區分，可以發現地理鄰近性、技術鄰近性在創新聯系產生的過程中起到了至關重要的作用。2013 年、2017 年蘇州市和無錫市引力一直處于極強等級，主要是由于良好的地理鄰近性帶來了交通的便捷；同時兩地較高的綜合創新競爭力使得兩地具有相當的技術條件、技術鄰近。而對于常州和無錫、鎮江和揚州、蘇州和南通同樣也滿足便捷的交通所帶來的地理鄰近性優勢，但是由于各市相對較弱的創新競爭力，使得總體的聯系強度相對較弱。蘇北地區由于較弱的綜合創新競爭力以及城市間相對較長的行車路程同時并存，導致城市間的聯系處于最弱狀態，且與蘇中蘇南聯系也較為薄弱；徐州市雖然有著較強的創新競爭力，但因地理鄰近性較差，因此與蘇中、蘇南的聯系強度也較弱。

（二）社會網絡分析

在綜合創新競爭力測算以及引力模型分析的基礎上，構建2013-2017 年江蘇省綜合創新網絡，并利用社會網絡分析法分別測算5 年間江蘇省創新網絡的密度和中心勢，探究江蘇省各市間創新網絡的關聯關系程度和緊密程度，結果見表6 所列。可以看出2013-2017 年江蘇省綜合創新網絡的中心勢逐年增大，由2013 年的11.39%增長到2017 年的11.78%；而密度值則一直處于0.05～0.06的不斷波動中，并沒有表現出顯著的增大或減小態勢。由此可以發現，江蘇省各市間創新聯系網絡的總體關聯程度并沒有發生太大變化，而城市間總體創新聯系的緊密程度卻逐年增大，說明網絡中原本且持續存在創新聯系的核心點，其核心與周圍城市的聯系逐漸緊密，而與其他非核心地區的聯系則逐漸松散。

《紫色》以女主人公黑人女性西麗的故事為主線，講述了四位黑人女性的抗爭故事。四位女性有相同的種族背景，受到不同程度的種族壓迫和性別歧視。她們性格各異，經歷不同，都通過自己的方式反抗不公正的種族和性別壓迫。最為可貴的是，四位女性能夠團結一致，互相鼓勵，互相安慰，完善自己，改變自己的命運。這正是沃克的婦女主義思想不同于傳統女權主義所在之處。同時，黑人女性最終不是通過孤立黑人男性來達到抗爭的目的，相反，她們通過與男性和諧共處來實現命運的改變。

表6 2013-2017年江蘇省各市創新網絡結構特征

在對2013-2017 年江蘇省各市綜合創新網絡總體結構特征分析的基礎上，運用各市平均點度、中心度以及CONCOR 塊模型，分析創新網絡中具體的創新核心及各市間的具體創新聯系程度。

通過表7 可以發現，出度中心度最高的為蘇州，其次為無錫、常州；入度中心度最高為無錫，其次為蘇州、常州。因此最主要的創新核心應為蘇南地區的蘇州、無錫、常州，各市間的創新聯系最為密集，其中蘇州出度中心度最高，為最主要的創新溢出區，帶動周圍城市創新發展；而無錫的入度中心度最高，為最主要的創新接受區，主要承接蘇州的創新溢出。同時作為創新競爭力高值地區的南京和南通，并沒有表現出較高的點度中心度，這主要是因為南京對周邊城市的創新帶動能力較差，周邊城市大多為創新聯系能力一般和較低的城市，聯系強度較弱；而南通雖承接蘇州以及上海的創新溢出，創新聯系緊密，但與蘇北地區的聯系卻較為松散，因此總體創新聯系強度也較差。蘇北地區總體缺少創新中心，輻射帶動作用弱，因此也一直處于創新聯系能力較低狀態。

表7 江蘇省各市創新網絡平均中心度

在點度中心度分析的基礎上，進一步運用CONCOR 方法［19］對 2013-2017 年江蘇省各市創新關系矩陣進行塊模型分析，選擇最大切割深度為2，收斂標準為0.2，將江蘇省13個市劃分為4個板塊：板塊Ⅰ由蘇州、無錫、常州組成；板塊Ⅱ由泰州、鹽城、南通組成；板塊Ⅲ由連云港、宿遷、徐州、淮安組成；板塊Ⅳ由南京、揚州、鎮江組成。各板塊間的密度矩陣見表8 所列，并計算2013-2017 年江蘇省各市綜合創新關系網絡的平均網絡密度為0.057 6，將其作為臨界值計算像矩陣。若板塊密度大于0.057 6，則賦值為1，反之則為0，得出像矩陣（表8）。

表8 密度矩陣和像矩陣

再根據像矩陣繪制四大板塊間的創新關系，如圖4所示，揭示江蘇省創新關系網絡中各市間具體的創新關聯程度。

綜合表8、圖4 可知，板塊Ⅰ即為蘇南地區，內部創新聯系最為緊密；其次為板塊Ⅳ內部，即為南京創新輻射帶動下的部分鄰近蘇中城市；再次為板塊Ⅱ與板塊Ⅳ之間，即為南京對其他較遠蘇中城市的創新輻射帶動作用；最后為板塊Ⅰ與板塊Ⅳ之間，即為蘇南地區對南京及鄰近蘇中地區的創新溢出；而其他地區及城市間的創新聯系密度均小于平均密度0.057 6，因此創新聯系較為松散。進一步研究可以發現，江蘇省創新關系網絡中實際存在兩個創新集聚區，即板塊Ⅰ和板塊Ⅳ；同時由于板塊Ⅰ的密度遠高于板塊Ⅳ及平均網絡密度，因此可以確定板塊Ⅰ為創新的主要集聚區，而板塊Ⅳ為次級集聚區；在結合點度中心度分析的基礎上，可以確定兩個集聚區內存在兩個創新輻射能力不等的創新核心，其中板塊Ⅰ中的主要創新核心為蘇州市，而板塊Ⅳ中的次級創新核心為南京市。

圖4 江蘇省城市創新關系網絡簡化

總的來看，蘇南地區存在主要創新核心蘇州市，因此內部創新聯系最為緊密；其次為次級創新核心南京市輻射帶動下的一系列蘇中城市；最后為蘇北地區各城市間創新聯系較為松散。同時對蘇南、蘇中、蘇北三個地區間的創新聯系程度進行比較可以發現，三個地區間的創新聯系也存在一定差異，且地理鄰近性起著相對重要的作用，其中蘇南和蘇中聯系相對密切，而兩者與蘇北間的聯系相對松散。

六、結論與建議

綜上所述，本文利用2013-2017年江蘇省各市綜合創新競爭力測度數據，并結合因子分析法、探索性空間分析法、改進后的引力模型以及社會網絡分析法對江蘇省各市綜合創新競爭力的時空分異、創新聯系強度及創新網絡結構的時空演變規律進行了分析和評價，得出以下結論：

（1）2013-2017 年江蘇省各市的綜合創新競爭力排名并沒有發生大幅度的變動，總體上表現為蘇州、南京、無錫、南通為第一等級，綜合創新能力最強；徐州、常州為第二等級，創新得分在平均得分附近徘徊；泰州、鎮江、揚州、鹽城、淮安、連云港、宿遷為第三等級，創新得分均在平均分以下；其中南通、常州綜合創新競爭力表現出升高態勢，徐州表現出下降態勢。區域的綜合創新能力正逐漸趨于不平衡，形成以蘇州為中心的高值集聚區以及以宿遷為中心的低值集聚區。

（2）2013-2017 年江蘇省各市創新聯系網絡的總體結構特征較為相似，各市間創新聯系強度均有所提升，但仍呈現蘇南地區最強、蘇中次之、蘇北最弱的局面。南京及蘇南各市間的創新聯系強度提升速度較快；而蘇中、蘇北地區的創新聯系結構并沒有得到大幅的提升，創新聯系強度的空間分布不均衡問題正日益嚴峻。同時地理鄰近性、技術鄰近性對解釋江蘇省各市間創新聯系的緊密程度起到至關重要的作用。

（3）江蘇省創新網絡中存在以蘇州為中心的主要創新核心及以南京為中心的次級創新核心，且核心與周邊城市的聯系日益緊密，而與其他非核心地區的聯系則日益松散。對蘇南、蘇中、蘇北三個地區間的創新聯系程度比較發現，蘇南與蘇中聯系相對密切，而兩者與蘇北間的聯系相對松散。

對于江蘇省各市現階段創新發展面臨的一系列問題，除了應當在遵循國家宏觀調控的基礎上發揮市場的自主調控能力外，政府部門應根據蘇南、蘇中、蘇北地區不同的創新發展情況，出臺具體的針對性激勵政策并制定切實可行的行動措施。在對前文研究內容總結、分析的基礎上，本文認為主要可以從以下方面制定相關措施和方案：

（1）鼓勵蘇中、蘇北地區提高招商引資、吸引高端人才落戶的優惠條件，積極吸引新興高科技產業的落戶，從而提高自身創新競爭力，縮小與蘇南、蘇中地區的差距。

（2）完善蘇北各城市間的交通網建設，增強蘇北與蘇中、蘇南地區的地理鄰近性，從而實現各城市間人流、物流、信息流的高效、快速傳輸，加強蘇北各城市與蘇中、蘇南城市的創新聯系，緩解創新聯系強度空間分布不均衡問題。

（3）各地政府應學習借鑒南通、常州的創新發展經驗，按照各市的實際創新發展情況，落實相關政策，采取實際行動，從而實現自身創新競爭力排名的提高，緩解江蘇省區域綜合創新能力不平衡的局面。

（4）要加強南京、蘇州的創新輻射帶動作用，實現蘇中的崛起以及蘇南一體化的發展，在此基礎上可以進一步提高南京的創新輻射范圍，依靠其獨特的地理位置，實現對蘇北地區的創新輻射帶動作用。

（5）在連淮揚鎮等高鐵線路建設通車的基礎上，鼓勵蘇北地區發展除徐州外的創新核心，實現創新溢出效應的最大化，帶動周邊地區的創新發展，打破現有創新競爭力排名，實現江蘇省創新一體化發展，使江蘇省總體創新競爭力突破限制得到進一步的提升。