創新型城市試點選擇的多維影響因素分析

章文光 肖彥博

摘 ?要： 試點選擇是創新型城市政策實驗成功的關鍵，文章以2006-2016年間創新型城市政策實驗過程中的試點選擇為研究對象，利用事件史模型對創新型城市試點選擇的影響因素進行實證分析，結果顯示：政策實驗的基礎條件、試點比例和實驗環境均會對試點選擇產生影響。上述研究結果體現了創新型城市試點選擇時中央優先考慮基礎條件好的城市并同時注重整體部署、把握區域平衡的原則。低碳城市發展對創新型城市試點選擇的影響不顯著，這為創新型城市建設和發展提供了參考，未來須依靠創新要素驅動，走內涵式發展道路，推動創新型城市與低碳城市聯動發展。

關鍵詞： 創新型城市;政策實驗;試點選擇;政策擴散

政策實驗試點是“推動中國經濟轉型和制度轉型的關鍵”，國家創新型城市是中國政策實驗的典型實踐[1]。從2002年黨的十六大至今，中國共批準78個創新型試點城市，從“政策試點”到“政策篩選”再到“政策推廣”，創新型試點城市的政策實驗先后經歷了中央賦權認可、央地互動篩選、試點成熟擴散等階段。隨著中央政府對創新治理的推動，目前國家創新型城市建設逐漸呈現較為全面、清晰的政策實驗脈絡。

現有研究關注創新型城市建設的政策效果和評價指標較多，但對這么多年來創新型城市政策實驗過程中試點選擇的影響因素關注較少。為什么有的城市能夠成為試點而有的城市不能成為試點？哪些因素影響城市能否成為試點？具有哪些特征的城市更有可能成為試點？本文從創新型城市試點選擇的角度出發，借鑒政策擴散的研究方法，通過離散時間事件史分析（EHA），對2006-2016年間創新型城市政策實驗過程進行研究，系統地探討創新資源、地理位置、行政級別、試點比例、制度環境、生態環境、創新文化等因素對創新型城市試點選擇的影響。

一、文獻綜述

1.政策擴散視角

早期政策擴散研究以美國學者為主，主要關注聯邦制國家結構形式下政策擴散的機制和路徑，可分為水平擴散、自下而上垂直擴散和自上而下垂直擴散。（1）水平擴散，主要表現為學習機制和壓力機制。政府傾向于向臨近城市學習經驗，同時也受到臨近城市的規范和模仿壓力，推動政策創新的擴散。（2）自下而上垂直擴散分為州政府向聯邦政府的擴散和地方政府向州政府的擴散兩個方面：Boeckelman、Mossberger等通過研究發現，州政府向聯邦政府的政策擴散受到政策議題和政治動態影響[2][3]。Shipan & Volden認為，地方政府向州政府的政策擴散表現為“滾雪球效應”和“壓力閥效應”，“滾雪球效應”指如果越來越多的地方政府采用了某項政策，那么州政府也將采取該項政策;“壓力閥效應”指如果許多地方政府采取了該項政策，說明該項政策對應的問題基本得到解決，州政府采取相同政策的必要性隨之降低[4]。（3）自上而下垂直擴散。Welch & Thompson、Karch等認為，聯邦政府通過正式的、成文的法案或政策強制、勸服和催化州政府，影響政策擴散[5][6]。Allen et al.則認為聯邦政府通過不成文、非正式渠道間接發出某些政策意向性較強的政治“信號”暗示或施加壓力，影響政策擴散[7]。

我國的政策擴散路徑也可以分為水平擴散、自下而上擴散和自上而下擴散。但我國政策擴散的路徑與聯邦制國家不同，具體表現在垂直擴散路徑上。自下而上擴散遵循“地方創新-上級采納-推廣實施”的路徑，中央政府吸納地方政策創新的成功或失敗經驗，并利用權力規范下級政府行為，實現原有政策的修正和糾錯;自上而下擴散則以實驗主義治理為主要形式，遵循“先試先行-典型示范-以點促面-逐步推廣”的實踐路徑[8][9]。政策擴散的影響因素概括起來分為實驗環境、基礎條件和試點比例三個方面：（1）實驗環境。吳建南等認為制度環境越成熟，法律越完善，市場主體發育越健全，對政策創新的需求越大[10]。（2）基礎條件。指政策擴散主體所在區域的條件，包括地理位置、行政級別等。首先，地理位置對政策擴散產生影響，BerryF.& W. Berry通過實證研究發現，臨近地區的政策擴散速度更快[11];其次，城市行政級別對政策擴散產生影響，政策在城市間擴散呈現明顯從行政級別高城市向行政級別低城市擴散的特點，朱旭峰、張友浪等通過對行政審批制度的擴散研究發現，城市行政級別越高，政策擴散受到的阻力越小[12]。（3）試點比例。Shipan & Volden、Walker認為，某地政府采取政策創新將給臨近的政府帶來壓力，某一地區采取新政策的城市比例越高，對其他城市采取新政策造成的壓力越大，政策擴散可能性越大，擴散速度越快[13]。

2.試點選擇視角

對試點選擇過程的研究可以分為自下而上論、自上而下論以及共同決定論。自下而上論認為，試點選擇過程主要在于地方政府的主動選擇和爭取，是地方政府向中央政府“游說”的結果，中央政府的作用僅僅在于篩選可供推廣和普及的實驗典型并總結經驗。政策試點選擇的過程“引發了地方官員為了獲得官方‘試點資格而加緊游說的努力，進而獲得可能的中央優惠政策和得到提拔的機會”[14]。自上而下論則認為，政策實驗的試點選擇是中央政府自上而下確定的，中央政府首先發起試點，并在選定的城市中試行。通過對試點對象選擇、試點內容確定，中央政府控制整個政策實驗的過程。Mei&Liu通過案例研究分析了城市住房改革政策的推廣，指出政策實驗雖在地方實施，但無論是試點選擇還是政策內容都是中央設計的，政策實驗既不是漫無目的的試錯，也不是先入為主的試對，而是中央主導下的“政策求解”[15]。楊宏山通過對中國模式“雙軌制試驗”的研究發現，試點是中央決策者直接決定，在實驗地區和一般地區直接形成“雙軌制”結構，實驗地區和一般地區展開績效競爭，通過自下而上的學習形成經驗政策，并進行推廣[16]。共同決定論認為，政策試點為中央政府和地方政府提供了博弈空間，政策試點的過程是地方政府自下而上主動申請和中央政府自上而下強制過程的共同作用。周望等將政策試點過程分為前試點階段、試點階段和后試點階段三個階段，前試點階段是地方自發的政策實驗，試點階段是國家試點與地方自發試點相結合，后試點階段是行政命令推動試點[17]18][19]。但中央對試點的選擇并非隨機選取，受縱向政府間互動、組織環境要素和關鍵者行動要素影響。章文光從政策實驗視角對創新型城市試點過程進行了理論分析，提出了交互式實驗主義治理框架，創新型城市試點的選擇過程是地方城市申請、國家科技部批準共同決定[19]。

現有研究大多通過對中國政策擴散過程進行理論分析或通過具體政策擴散實踐來驗證或證偽西方政策擴散理論;關于試點選擇的研究大多采用理論分析或案例研究來探討中國情境下各地政策試點的選取過程和實驗效度，總結政策實驗的本土特點和經驗，對試點選擇影響因素的實證檢驗較少。

二、理論基礎與研究假設

試點選擇過程本質是政策實驗過程，強調政策“試對”或“試錯”，是中央為驗證政策創新的有效性對政策實驗地點的篩選，是建立在政府間關系基礎上的政策實踐，在這種實踐中，中央政府扮演了“委托人”的角色，地方政府扮演了“代理人”的角色，中央政府對試點的選取受多種因素影響，但擁有“最終決定權”。

西方的政策實驗以現實中的政治活動為實驗環境，通過理論預設、因果檢驗等方法解析和還原現實政策中的邏輯關系，其最大特點是隨機控制，這是西方政策實驗的合法性來源，但卻不是中國政策試點的選擇標準，中國的政策試點并未采用隨機設計，中央政府可以干預標準定義、組群挑選等細節，試點選取往往傾向于成功可能性大的地區。中國情境下以“試驗-篩選-推廣”為重要方式的創新型城市政策實驗過程同時受到實驗環境、基礎條件、試點比例等因素的影響，但不同于西方的隨機政策實驗，不能簡單套用西方壓力機制、競爭機制等模型。從選取的過程來看，創新型城市試點采取地方主動申請、國家考核審批并不定期公布的方式確定，體現為中央原則性指導和地方主動性實驗的結合。因此，一方面，本文通過梳理現有試點選擇的研究，總結了地理區位、行政級別、試點比例、制度環境等典型影響因素;另一方面，本文通過梳理創新型城市相關政策提出了創新資源、生態環境和創新文化等影響因素。原因在于：首先，創新型城市試點工作的基本原則是選擇一批基礎條件好，對周圍有帶動作用的城市作為試點，根據Damanpour的資源松弛理論，松弛的資源狀況是創新的重要條件，資源豐富的組織更傾向于創新[21]。試點的選擇更傾向于那些“組織領導和條件保障”充分，所在地區給予“重點支持”的城市。其次，創新文化會影響試點的選擇，加強輿論引導，培育富有特色的創新文化能提高創新型城市政策實驗的成功率。最后，創新型城市以“破解人口、資源、環境的瓶頸約束，解決經濟發展的技術含量不高、產業結構失衡和生產方式粗放等問題，必須走創新驅動、內生增長的發展道路，探索符合科學發展觀要求的城市發展新模式”為任務，建設創新型城市的同時要以綠色低碳為原則。

基于此，綜合考慮試點選擇的現有文獻，以及科技部印發的《關于進一步推進創新型城市試點工作的指導意見》《建設創新型城市工作指引》等文件，本文構建了以基礎條件（創新資源、地理位置、行政級別）、試點比例、實驗環境（制度環境、生態環境、創新文化）為主體架構的創新型城市試點選擇影響因素理論分析框架（見圖1）：

1.基礎條件

（1）創新資源

城市發展基礎是中央考慮試點選擇的重要因素。創新資源是建設創新型城市的基本要素，城市創新能力和創新水平的差序格局往往決定于城市創新資源稟賦，創新資源稟賦越好的城市政策實驗成功的可能性越大，被選為試點的可能性越大。創新型城市資源稟賦包括技術、人才和知識，城市在科技發展上投入越多，城市對科技發展越重視，科學技術發展水平越高，聚集的知識和吸引的科技人才也越多，創新型城市政策實驗的成功性越大[22]。本文用財政支出中的科學技術支出、教育從業人員數、城市擁有的高等學校數量來分別衡量試點城市的創新技術資源、創新人力資源、創新知識資源。因此，本文提出以下假設：

假設1：城市的創新技術資源越豐富，該城市成為創新型城市試點的可能性越大。

假設2：城市的創新人力資源越豐富，該城市成為創新型城市試點的可能性越大。

假設3：城市的創新知識資源越豐富，該城市成為創新型城市試點的可能性越大。

（2）地理位置

地理位置是城市形成和發展的自然基礎條件，對城市交通、人文環境、資源流通以及企業等城市發展主體具有重要影響，也是城市帶動作用的重要指標。地理位置影響城市經濟發展方式、科技投入和政策傾斜，進而影響城市的綜合發展水平和創新能力[23][24]。根據不同標準有不同的地理分區，考慮分區權威性，本文采取國家統計局經濟分區劃分標準，將全國劃分為東部地區、中部地區、東北地區和西部地區。一方面，從城市發展基礎和資源稟賦角度考慮，東部地區具有比較優勢，該地區城市成為試點的可能性更大;另一方面，基于全國一盤棋的政策導向，在選擇試點時，中央政府會考慮區域平衡發展，現有試點對未來試點選擇可能產生擠出效應，即在試點城市比例較高的地區，其他城市成為試點的可能性降低。因此，基于資源稟賦、經濟發展水平、創新發展基礎條件等方面的考慮，本文以東部地區城市為參照組，提出以下假設：

假設4a：位于東部地區的城市成為創新型城市試點的可能性高于位于中部、東北和西部地區的城市。

假設4b：位于中部、東北和西部地區的城市成為創新型城市試點的可能性高于位于東部地區的城市。

（3）行政級別

在中國的行政體系下，城市行政級別的不同往往伴隨著城市基礎設施、制度環境、人才吸引等方面的差別。城市的行政級別能影響資源聚集，不同行政級別城市的行政資源、經濟資源、公共資源、人力資源等均不同[25]。王麒麟利用285個地級市的面板數據分析發現，城市行政級別越高，城市群的經濟發展越好[26]。高行政級別的城市享有更多的資源配置便利，經濟發展速度更快、全要素生產率更高，且政府補貼更多、人才優勢更大、融資更便利、地方稅負更小[27]。因此，城市行政級別越高，城市綜合發展條件越好，創新型城市政策實驗成功的可能性越大，被選為試點的可能性也越高。根據相關規定，中國城市行政等級可分為正省級、副省級、計劃單列市等，不同行政等級的城市范圍存在交叉重疊。為簡化模型，本文主要從是否為副省級城市、是否為省會城市兩個角度，對城市行政級別的影響進行分析。因此，本文提出以下假設：

假設5：副省級城市和省會城市成為創新型城市試點的可能性越大。

2.試點比例

社會學習理論強調學習在人類行為獲得中的作用，BerryF.& W. Berry、朱旭峰、趙慧等認為，政策制定者具有向相鄰地區學習的傾向，新政策通過相鄰地區的條件相似性和共享信息發生擴散[28][29]。Han Shin-Kap、李智超通過對智慧城市試點推廣的研究發現，試點比例對試點推廣具有正向影響，因為城市試點申請成功對同省其他城市產生規范壓力和模仿壓力，推動“組織同形”（Isomorphism），產生臨近效應[30][31]。且城市所在省份創新型城市試點所占比例越高，說明該省建設創新型城市的條件越充分，地方對創新型城市建設也越重視。因此，本文提出以下假設：

假設6：城市所在省份的創新型試點城市比例越高，該城市成為創新型城市試點的可能性越大。

3.實驗環境

（1）制度環境

制度環境是影響地方政府政策創新和推廣的重要因素，其實質探討的是政府與市場關系，伴隨著改革開放的深入，全能政府無法適應社會經濟發展的需要。建構有限政府，收縮政府權力，重塑政府與市場邊界，能有效地提升城市創新能力，提高試點成功的可能性。制度發展水平越高，越能提供便利的信息交流條件、豐富的融資渠道和技術創新所需的其他資源，行之有效的產權制度和專利制度可以明確界定創新成果的權益歸屬，能有效地提高微觀企業主體技術創新的能力[32]。Furman提出的國家創新能力理論指出，國家創新系統創新績效差別取決于各系統的創新能力，并不能簡單地由投入方面的差別完全解釋，創新系統環境因素具有重要影響[33]。Li基于創新系統理論研究了制度環境變量對創新績效的影響。創新制度環境越好，阻力越小，政策實驗成功的可能性越高，成為試點的可能性也越高[34]。因此，本文提出以下假設：

假設7：城市的市場化水平越高，該城市成為創新型城市試點的可能性越大。

（2）生態環境

科技部印發的《建設創新型城市工作指引》將綠色低碳作為創新型城市建設的原則之一。創新是生態城市建設的內容，也在一定程度上推動了生態城市建設。創新型城市和低碳城市建設路徑趨同，都需要調整經濟結構，大力發展低能耗、低排放、低污染的高新技術產業和現代服務業。孟偉慶從創新型城市與生態城市的內涵、目標、建設內容和評價指標體系等角度對兩者進行了比較，認為創新型城市和生態城市建設具有內在統一性，都以可持續發展作為共同的原則和目標[35]。史曉燕等通過研究發現，建設創新型城市與建設綠色低碳城市具有密切內在聯系，二者的實現路徑具有一致性[36]。因此，本文提出以下假設：

假設8：低碳試點城市成為創新型城市試點的可能性更大。

（3）創新文化

文化是創新的靈魂，“發展高科技，資金固然重要，但更重要的是要有一種能充分發揮人的創造力的體制和文化”[37]，優秀的人才“只有在創新的文化環境中，才能發揮潛能，完成重大成果，開創卓越的事業”[38]。朱仁顯、劉建義等認為，創新型城市建設關鍵是實現制度創新[39]，而“作為非正式約束創新的文化創意，是決定制度創新效果的關鍵因素”[40]。顯然，創新文化能影響創新型城市政策實驗的結果，試點選擇受到城市創新文化的影響。因此，本文提出下列假設：

假設9：創新文化氛圍越濃厚的城市成為創新型城市試點的可能性越大。

三、研究設計

1.研究方法

本文采用事件史分析模型對上述假設進行檢驗，事件史分析（Event History Analysis， EHA）又稱為生存分析（Survival Analysis）或久期分析（Duration Analysis），由BerryF.& W. Berry引入創新擴散研究領域并得到廣泛應用[41]。選擇這一方法主要基于兩個原因：一是事件史分析方法可用于解釋個體行為在特定時間點上發生的性質變化（“事件”），本文所指“事件”即城市成為創新型城市試點;二是隨著試點獲批，成為試點的創新型城市被剔除出樣本，數據含有“右刪失”（Censors），采用多元回歸將丟失掉這些信息，而事件史分析能有效處理刪失數據。本文旨在討論在某一時刻t城市i成為創新型城市試點的可能性及其影響因素，由于數據的時間間隔以年為單位，離散時間風險模型更為適用。該模型被解釋變量為“風險率”，即某一個體i在特定時刻t經歷“事件”的概率，這一概率由多種解釋變量影響和決定。風險率作為概率無法直接觀察，因此這一被解釋變量是一個二分變量，未經歷事件時取值為“0”，時刻t經歷事件時取值為“1”，經歷事件后數據被“刪失”。離散時間事件史分析采用logistic模型作為模型估計的方法，logistic回歸分析事件風險時自變量的解釋與常規logistic模型相同，只是以表現歷史風險變化的“城市-年度”記錄數據。根據上文假設，本文構建模型如下：

Logit（pi，t）=log（）

=β0+β1lnpopi，t+β2lngdpi，t+β3lnedu_empi，t+β4lnfini，t+β5unii，t+β6location_northeasti，t+β7location_midi，t+ β8location_westi，t+β9rank1+β10rank2+β11ratio+β12gov_marketi，t+β13lowcarboni，t+β14city_newi，t+e

式中pi，t是一個城市i在t年成為創新型城市試點的概率，是優勢比，對優勢比進行對數轉換。

2.樣本及數據來源

本文以中國副省級城市、省會城市與地級市作為基本統計單位，為保持數據口徑的統一，剔除掉已經撤銷的地級市和尚未建立的地級市，最終樣本共計292個，根據事件史分析方法，建立了292個城市的生存數據（Survival Data）。2006年1月，中央發出明確政策信號，發布《關于實施科技規劃綱要，增強自主創新能力的決定》，之后各城市陸續開展創新型城市試點工作，因此本文選擇2006年作為政策實驗的起始時間，以2006-2016年間城市數據為樣本，共生成了2609個“城市-年度”觀測點。

3.缺失數據處理

由于部分數據統計未發布或未統計導致的數據缺失，本文主要采用兩種方法進行填補：因中國市場化指數報告僅發布偶數年份的指數數據，針對市場化指數缺失較多的情況，本文采取常用方法，取前一年和后一年數據的平均值進行填補。對于人均地區生產總值、年末人口數缺少部分城市的數據，本文采用logistic回歸的多重填補方法進行填補。

4.變量及測度

（1）被解釋變量

本文的被解釋變量為“是否成為創新型城市試點”，是一個二分變量，編碼方式為城市i進入創新型城市試點年份之前變量event編碼為0，城市i在年份t成為試點城市后變量event編碼為1，年份t之后資料被剔除。本文以科技部正式批復創新型城市試點的申請為進入試點的標志，有關創新型試點城市批準的資料來源于科技部網站信息公開的政府文件。

（2）解釋變量

創新資源：為測量城市創新資源，本文從《中國城市統計年鑒（2007-2017）》搜集數據，并設計了財政支出中科學技術支出fin、教育從業人員數edu_emp、城市高等學校的數量uni3個變量，為消除異方差，避免數據異常波動，對科學技術支出、教育從業人員數取對數值。

地理位置：為分析地理位置對試點選擇的影響，本文設置了東北location_northeast、中部location_mid和西部location_west3個多分類虛擬變量，“是”編碼為1，“否”編碼為0。

行政級別：本文設置了虛擬變量是否為副省級城市rank1和是否為省會城市rank2來測量行政級別的影響，“是”編碼為1，“否”編碼為0。

試點比例：試點比例ratio指城市所在省份其他創新型試點城市的數量占該省城市總數的比重。

制度環境：本文的制度環境主要關注政府與市場的關系，樊綱、王小魯等設計了中國市場化指數來衡量一個區域的制度環境，但因該指標由各分項指標組成，一些分項指標與本文模型中的其他變量具有相關性，為避免多重共線性，本文僅選取該市場化指數中的分項指標“政府與市場關系”，數據來源于《中國市場化指數報告》。

生態環境：本文以樣本城市是否為低碳試點城市作為生態環境衡量指標，“是”編碼為1，“否”編碼為0。

創新文化：各城市官方媒體的報道是當地文化氛圍的體現，表達了地方對某一事情的關注和重視。地方官媒關于“創新型城市”的報道越多，地方對創新型城市建設越重視，創新文化氛圍越濃。因此本文采用知網中各城市黨報以“創新型城市”為主題的新聞報道數量city_new作為衡量地方創新文化氛圍的指標。

控制變量：為更好地討論主要因素的影響，本文通過對現有研究梳理，參考吳建南等的相關研究[42]，選取了兩個控制變量，pop是城市當年年末人口總數，gdp是當年城市人均地區生產總值，為有效消除異方差，避免數據異常波動，對pop和gdp取對數值。變量與測量方法見表1。

5.實證分析與結果

根據以上變量測量標準，以292個城市為樣本搜集數據，各變量描述統計結果如表2所示。對各個變量之間進行多重共線性檢驗，方差膨脹因子（VIF）均小于10，各變量間的多重共線性不嚴重。

基于logistic回歸的離散時間風險模型的分析結果如表3所示。模型1是對控制變量進行回歸的結果，模型2-8分別對創新資源、地理位置、行政級別、試點比例、制度環境、生態環境、創新文化等變量的回歸結果。通過觀察模型具體參數，8個模型都在0.01水平顯著，在基線模型依次加入新模型后R值和卡方值均有增加，表明模型解釋力逐步提高。

（1）創新資源

模型2將創新資源變量納入logistic模型，政府財政支出中科學技術支出、教育從業人員數和城市高等學校數量均通過顯著性檢驗，假設1、假設2和假設3均通過檢驗，這說明城市科學技術支出、教育從業人員數量和高等學校數量正向影響城市成為試點的可能性，創新技術資源、創新人力資源、創新知識資源豐富的城市成為創新型城市試點的可能性大。

（2）地理位置

模型3將地理位置變量納入logistic模型，從模型3-模型8中可以看出，以東部地區作為參照系，東北、中部和西部地區與東部地區表現出顯著差異，且系數為正，其他地區的城市成為試點的可能性高于東部地區。這在一定程度上體現了政策試點的選擇過程中中央整體把控、統籌全局的特點。中央政府對試點的理性選擇和地方政府的積極爭取體現了中央和地方在政策實驗中的不同訴求，作為政策實驗的決策者和倡導者，中央關注頂層設計，兼顧國家整體戰略和地方利益訴求，在試點選擇時不僅需要考慮城市創新的現實條件，根據各城市資源稟賦、產業特征、區位優勢、發展水平等基礎條件進行選擇，還要考慮區域平衡和整體發展。

（3）行政級別

模型4將行政級別變量納入logistic模型，在模型4-模型8中，副省級城市和省會城市與其他城市相比，均表現出顯著差異性和穩健性，且系數均為正。其中副省級城市的系數大于省會城市，這說明副省級城市和省會城市比其他城市成為試點的可能性大，副省級城市的可能性又大于省會城市。

（4）試點比例

模型5將試點比例變量納入logistic模型，試點比例在模型5中未通過顯著性檢驗，但在模型6-模型8中均表現出顯著性，且對被解釋變量產生正向影響，這說明同一省份其他創新型城市比例越高，城市成為創新型城市試點的可能性越高，這體現了創新型試點城市空間布局的聚集性，距離越近的城市越有利于相互學習。

（5）制度環境

模型6將制度環境變量納入logistic模型，制度環境變量在模型6-模型8中均通過了顯著性檢驗，且對被解釋變量產生正向影響，即制度環境越好的城市被選為創新型城市試點的可能性越大，假設7通過檢驗。

（6）生態環境

模型7將生態環境變量納入logistic模型，生態環境變量在模型7和模型8中未通過顯著性檢驗，這可能是因為現階段創新型城市試點的選擇還未考慮與低碳城市協同發展，創新型城市與低碳城市并未呈現明顯的相關性。

（7）創新文化

模型8將創新文化變量納入logistic模型，創新文化變量在模型8中表現出了良好的顯著性，且對被解釋變量產生正向影響，這說明創新文化建設越好的城市成為創新型城市試點的可能性越大，假設9通過檢驗。

（8）控制變量

本文中的控制變量年末人口數pop在8個模型中均表現出良好顯著性，結果較穩健，人均gdp未通過顯著性檢驗，但是該變量不是本文關注的主要變量。

穩健性檢驗：為進一步驗證上述結論，本文從兩個方面進行穩健性檢驗：一是改變變量的編碼方式;二是基于2016年的截面數據，以各個省份創新型城市數量的比例作為被解釋變量，仍然以創新資源、地理位置、行政級別、試點比例、制度環境、生態環境、創新文化等影響因素為解釋變量進行回歸分析，兩種穩健性檢驗都證明了這些因素對創新型城市的試點選擇有影響。

四、結論與討論

基于研究結論，本文認為未來的創新型城市建設應當關注以下幾點：

首先，城市資源稟賦和先天條件是創新型城市試點選擇的基礎。模型中城市擁有的創新技術資源、創新人力資源、創新知識資源均對試點選擇有顯著正向影響，因為創新型城市試點本質是一種政策實驗，設計政策實驗的根本原因在于政策效果的不確定性，如果政策效果不確定性高，則更多采用自下而上的“試錯”;相反，則更多采用自上而下的“試對”。從創新型城市政策實驗的過程來看，創新型城市的政策實驗有明確的待檢驗假設，更多的是一種“試對”，對試點成功具有高度期待，實際上是一種塑造示范標桿的過程，實驗是否成功是中央政府關注的核心。試點的選擇并非隨機，而是中央在綜合考慮城市各方面條件的前提下做出的理性抉擇，實驗能否取得成功是試點選擇的重要考慮因素，資源稟賦和先天條件好的城市試驗成功促進創新發展的可能性更大。

其次，研究結果表明，相較于東部地區，其他地區城市成為試點的可能性更高，副省級城市、省會城市和位于試點比例較高省份的城市更有可能成為試點，這體現了中央既注重地方城市特點和先天條件，又注重全國統籌兼顧的決策意向。國家發改委和科技部根據國家創新驅動發展的整體部署，統籌考慮東中西部及東北區域布局，結合城市所在省（自治區、直轄市）提出的建設需求，在不同地區選擇若干發展基礎好、帶動作用強的城市開展創新型城市建設。從空間布局來看，現有試點大多集中在東部和中部地區，例如東部沿海省份浙江省就有11個城市躋身創新型試點城市。因此，未來試點選擇時，一方面，基礎條件好的城市仍然會被優先選為試點;另一方面，國家將根據整體部署、區域平衡原則，將試點選擇逐步從東部和中部向西部和東北部地區擴散，從副省級城市、省會城市向地級市發展延伸。

再次，創新型城市試點的選擇不僅受制于創新資源、地理位置、行政級別等“硬條件”，也受到制度環境和創新文化等“軟環境”的影響。城市的創新要素需相互依存形成“共振”才能產生綜合效應。制度環境越完善，法律越完備，政策制定越有效，越有利于創新要素協同發揮作用。城市創新文化能有效激發社會各階層的創新活力，提升城市創新主體積極性，為城市持續創新提供合適的思想土壤和文化氛圍。在未來試點選擇中，創新文化建設較好和制度環境較完善的城市會更有可能被選為試點。

最后，要推動城市創新驅動與綠色低碳聯動發展。推行綠色低碳發展、營造優良人居環境和提升城市生態水平是創新型城市建設的原則和目的，建設創新型城市不能以生態環境為代價，而是要依靠創新要素驅動，走內涵發展道路，轉變經濟發展方式，調整產業結構，通過技術改造加快傳統產業轉型升級，大力發展以低能耗、低物耗、低污染和高附加值為特征的高新技術產業和現代服務業。但研究結果表明，城市是否為低碳城市對創新型城市試點選擇的影響并不顯著，在未來的創新型城市建設中，應進一步推動創新型城市與綠色低碳城市協同建設。

本文的實證研究結論有助于我們更深入理解中國情境下創新型城市政策實驗過程，為預估未來創新型城市試點選擇、更好地建設創新型城市提供理論支撐。但本文也存在局限性：由于數據限制，本文選擇離散時間模型，僅能分析城市成為創新型城市試點的概率，但對試點落地時間的長短關注較少;不同階段創新型城市試點推廣的影響因素和作用機制可能不同，中國創新型城市試點推廣仍在實驗過程中，本文僅考察2006-2016年創新型城市試點推廣過程，時間跨度較短，難以對不同階段進行討論，這在一定程度影響了實證研究效果。

參考文獻：

[1]韓博天.中國異乎常規的政策制定過程：不確定情況下反復試驗[J].開放時代，2009（7）：41-48.

[2]BOECKELMAN K. The influence of states on federal policy adoptions[J]. Policy Studies Journal，1992（3）：365-375.

[3]MOSSBERGER K. State-Federal diffusion and policy learning： from enterprise zones to empowerment zones[J]. The Journal of Federalism， 1999（3）：31-50.

[4]SHIPAN C R， VOLDEN C. Bottom-up federalism： the diffusion of antismoking policies from U. S. cities to states[J]. American Journal of Political Science， 2006（4）：825-843.