中國創新型城市化的空間演化及影響因素

劉承良， 李春乙， 劉向杰*

(1.華東師范大學城市與區域科學學院， 上海 200241； 2.華東師范大學全球創新與發展研究院， 上海 200026)

知識經濟社會的崛起，意味著對數字技術、人力資本、流程和產品創新及知識產權等的高度重視，加強了整個經濟社會的創造力，進而導致城市化模式與城市環境特征的轉型[1].城市不僅是創新活動的容器，而且積極參與新思維、新組織形式和創新企業的產生過程，是創新增長的源泉[2-3].創新被認為是一種空間過程，城市不斷匯聚和重新組合創新企業、人才和機構，形成一種非線性的新城市增長模式[3].多樣化產生城市內部人與人之間的頻繁互動，創意創新不斷涌現，從而推動城市增長[2].未來城市化發展不僅僅體現為農村人口向城市的集聚或土地利用變化.2015年，科技部將創新型城市定義為擁有豐富的創新主體和創新資源，良好的社會創新創業氛圍，完善的政府創新服務，重視科技創新能力對社會發展的驅動作用，其通常是推動區域乃至國家創新發展的增長極.截至2019年，我國已有78個創新型城市試點地區，創新型城市化逐漸成為中國增長的新引擎.

創新與城市的關系被廣泛概念化.西方語境下的創意城市是在后福特主義時代，及發達國家中心城區制造業衰退和紳士化的背景下提出的，其強調新經濟的基礎要素，以人力資本、文化環境和城市品牌等為主導[4]，Scott稱為“認知-文化資本主義”[1]，弗羅里達則進一步闡釋為“創意階層”，形成Technology(科技)、Talent(人才)和Tolerance(包容)三要素[5].此外，“智慧城市”、“創業城市化”[6]、“創意都市”[7]等概念紛紛出現，而基于中國語境，學者多從創新要素出發對城市創新能力進行評價，提出“全球科技創新中心”[8]、“基于創新的城市化”[9].部分研究采用多源數據對中國城市的創新等級進行劃分，北上廣深等是全面創新型城市，成渝是改進創新型城市，蘭昆是引導創新型城市[10]；京津冀、長三角和珠三角是技術轉移的活躍地帶，在創新網絡中扮演著至關重要的角色[11-12].學者們基于高技能勞動力流動[9]、技術轉移等單要素對創新型城市進行評估，而在城市創新綜合評價的研究中，評價指標多缺乏針對性和系統性，基本涵蓋社會經濟發展眾多因素，鮮有從創新內涵進行測度，創新型城市化指標體系亟需完善，空間格局演化亟待進一步刻畫.

隨著社會經濟的不斷發展，傳統的城市化概念難以解釋新興城市的創新集聚現象.自大眾創業、萬眾創新政策(以下簡稱“雙創政策”)實施以來，創新創業逐漸成為經濟發展新常態，城市擁有多元的創新主體、豐富的業態結構和新興的創業空間，評價和刻畫雙創政策以來創新型城市化的空間格局對于建設創新型國家具有重要意義.本文通過闡述創新型城市化的概念并構建評價體系，系統刻畫2015年-2018年中國創新型城市化水平的空間格局，為新時期中國創新驅動發展提供借鑒.

1 理論框架與研究假設

針對城市化的發展階段和動力模式，以及中國城市的創新格局已積累眾多研究[13-16].基于城市化發展動力角度，我國經歷了以制度改革為推動力(1978年—1997年)、以招商引資為驅動力(1998年—2015年)和以知識溢出為主要動力的城鎮化階段(2016年—)[17]；基于人口遷移角度，改革開放以來可劃分為鄉村城市化、跨域城市化和基于創新的城市化三個階段[9].吳志強[18]和顧朝林[19]等學者認為中國未來將走向“智力城市化”等新型城市化模式.“國家‘十四五’規劃綱要”中“科技”成為高頻詞匯，在現代化建設全局堅持創新的核心地位能夠為邁入創新型國家前列和建設高質量發展格局打下堅實基礎，可見傳統城市化指標難以反映城市化發展的動力機制，創新驅動成為中國城市化發展的主要動力.

城市化內涵體現為人口城市化(農村人口轉化為城鎮人口)、經濟城市化(向工業和服務業等非農產業轉型)和地理空間城市化等.創新型城市化是指創新要素在城市中不斷涌現，高技能人才、企業、高校以及科研機構不斷涌進，創新產業越來越成為城市經濟發展的主要支撐力量，城市擁有包容的文化氛圍，城市景觀被越來越多創新產業空間替代的高級城市化階段.創新型城市化的基本特征是城市更加注重高技能人才培養，加大創新產業投入力度和重視創新氛圍的培養.本文參考相關研究[9]，將創新型城市化的內涵概括為創新人才城市化、創新產業城市化和創新空間城市化三方面.

1) 創新人才城市化是指城市吸引高學歷人才、國際化人才和科學技術領域創新人才，城市經濟活動主體由城市人口轉變為高技能人才的過程.Florida的“3T”理論指出，人才是創意城市的重要組成部分[5]，其中大學是培養人才的場所，創新產業布局吸引人才流動.基于此，本文從高等教育和研發人員數量對創新人才城市化進行評價.

2) 創新產業城市化是指城市產業結構向第三、四、五產業發展的過程.主體、網絡和制度是區域創新體系的三大核心要素[20]，創新產業城市化強調創新主體，即企業和地方政府對創新活動的資本投入.創新產業城市化是最重要的組成部分，企業研發投入占我國全社會研發投入的70%以上，創新是一種市場行為，政府對創新產業的政策支持與大學的產研合作有利于實現技術突破和市場模式的轉化瓶頸[21].依靠人才支撐和空間孵化，雙創政策以來，地方領軍企業和潛力企業的迅速發展豐富了創新產業城市化的內涵.基于此，本文從政府和企業研發投入、高新技術企業、瞪羚企業和獨角獸企業數量對創新產業城市化進行評價.

3) 創新空間城市化是指創新文化景觀逐漸充滿城市建成環境的過程，創新文化景觀是為創新活動提供場所的空間，如雙創空間、產業園區等.雙創政策后，創新活動孵化平臺如雨后春筍般興起，為城市創新創意活動服務，推動創新型城市化發展[22].基于此，本文從孵化平臺和高新技術園區數量對創新空間城市化進行評價.

城市化是城市經濟活力、基礎設施和信息化程度等不斷增長的過程，城市創新水平的提高與城市發展水平息息相關[23]，創新高地對周邊地區會產生創新溢出，帶動區域創新發展[24].在評價中國創新型城市化水平基礎上，進一步探討城市多維水平指標對創新型城市化的影響.城市經濟活力和便利的基礎設施滿足人才的生活需求；城市就業規模所反映的集聚效應，能夠產生多元的創新效益；而信息化程度和消費水平反映的居民需求，為創新企業提供廣闊市場.基于此，本文提出以下假設：城市經濟活力、基礎設施、信息化程度、消費水平和就業規模越高，更有利于創新型城市化發展，對周邊城市產生更強的空間溢出效應.

圖1 創新型城市化研究框架Fig.1 Research framework of innovative urbanization

2 研究方法與指標體系

2.1 數據來源與研究方法

數據來源于《2014-2019中國城市統計年鑒》《2014-2019中國火炬統計年鑒》《2015-2018城市軌道交通年度統計和分析報告》和2015年—2018年VIIRS夜間燈光數據、高新技術企業認定管理工作網和中國瞪羚網相關年份相關數據.由于數據具有明顯的互補性，采用插值法對缺失數據進行填補.

2.1.1 指標測度：主成分分析 主成分分析法是研究社會中復雜經濟現象常用的統計分析方法之一，利用降維處理得到主成分，使指標體系結構更為清晰，但缺點在于無法描述多個指標與主成分之間的相關關系.因子分析法通過因子軸旋轉，彌補主成分分析法無法解釋主成分與變量之間相關關系的缺點.本文先通過主成分分析法進行驗證，后采用因子分析法.

2.1.2 空間分析：空間自相關和基尼系數 城市創新集聚的空間分布受到地理空間距離、經濟距離、經濟地理距離和技術關聯影響，但在四種距離的空間權重矩陣中，由地理距離權重矩陣的空間集聚度最為顯著，因此本文選擇K-近鄰反距離權重矩陣.

1) 全局空間自相關(global Moran’sI)用于探索研究對象的空間自相關水平，取值范圍為[-1，1]，若絕對值越接近1，則其空間關聯程度越高，0表示隨機分布.其公式為：

(1)

式中，n表示城市個數，Wij表示空間權重矩陣.

(2)

式(2)表示數據標準化過程.其中，Xi表示創新型城市化指數.

2)局部空間自相關(Local Moran’sI)是在全局莫蘭指數顯著的基礎上，分析局部區域的空間集聚特征，進一步識別中國創新型城市化的空間異質性.其公式為：

(3)

3)基尼系數(Gini coefficient)用于探索研究對象的空間均衡程度.基尼系數越趨近于0，要素的空間分布越趨于均衡.若G∈[0，0.2)，表示絕對均衡；若G∈[0.2，0.3)，表示比較均衡；若G∈[0.3，0.4)，表示相對合理，若G∈[0.4，0.5)，表示差異過大；若G∈[0.5，1]，則表示差異懸殊，其中0.4作為基尼系數的分異點.

(4)

式中，G表示基尼系數，xi、xj表示第x、y個單位內的創新型城市化指數.

2.1.3 影響因素：空間杜賓模型 空間杜賓模型是常用的空間回歸模型之一，通過提前考慮被解釋變量項中的空間自相關關系，避免空間相關性對解釋變量和誤差項的參數估計的影響.本文通過建立空間杜賓模型探討影響創新型城市化的社會經濟發展因素和空間溢出效應，初期模型設定如下：

INNOc，t=ρWc，t′(INNOc，t′)+β1X+β2WX+εc，t′，

(5)

式中，C表示地級市，t表示年份，采用滯后一年的因變量數據，INNO表示創新型城市化指數，控制變量用X表示，控制變量系數用β1表示，控制變量的空間滯后項用WX表示，空間滯后系數用β2表示.

2.2 指標體系構建與處理

參考已有研究成果，結合中國城市創新體系建設指標，從創新人才、創新產業和創新空間三個層面，選取13個具體指標構建創新型城市化評價體系(表1).首先采用主成分和因子分析法對中國創新型城市化水平進行綜合測度.1) 檢驗KMO值和Bartlett球形度：檢驗變量的KMO值為0.889，大于0.8且Bartlett球形度檢驗p值小于0.05，說明研究數據適合運用因子分析.2) 因子分析提取因子個數：對研究數據進行因子分析后，提取出3個因子，其特征根值均大于1.因子1、因子2、因子3分別對應的方差解釋率為45.010%，20.048%，14.972%，旋轉后累積方差解釋率為80.029%，說明運用這三個因子可以解釋原始研究數據中80.029%的信息量.3) 得到因子和原始變量的對應關系：運用最大方差方法旋轉，如表2所示，得到的所有變量對應的共同度值(即公因子方差)均高于0.4，意味著原始變量和因子之間存在較強關聯性，分析結果有效提取變量信息.

表1 中國創新型城市化水平指標體系Tab.1 Evaluation index of the innovative urbanization

根據表2數據可以發現，第一因子(因子1)主要集中在地方財政教育事業費支出、地方財政科技支出、國家高新區企業R&D經費內部支出、高新技術企業、瞪羚企業和獨角獸企業數量等指標，體現城市創新投入程度和創新企業數量，即創新產業城市化水平；第二因子(因子2)主要集中在普通高等學校數量、普通本專科在校人數、國家高新區企業R&D人員數量和科研綜合技術服務業從業人員數量等指標，體現城市人力資本發展程度，即創新人才城市化水平(因子分析法將具有相似性質的變量歸到同一主因子下，因子載荷系數顯示國家高新區企業R&D人員數和科研綜合技術服務業從業人員數可歸為因子1、因子2，本文將其歸為因子2便于指標體系解釋)；第三因子(因子3)主要集中在國家級科技企業孵化器、國家備案眾創空間和國家高新技術產業開發區數量等指標，體現城市創新環境，即創新空間城市化水平.基于對各項因子載荷系數的分析，將各主因子列出，構建中國創新型城市化程度指標體系.最后，根據旋轉后方差解釋率(歸一化)與因子得分的乘積，再進行累加計算綜合得分.

表2 因子載荷矩陣Tab.2 Factor loading matrix

F1=-0.142X1-0.202X2+0.129X3+0.103X4+0.141X5+0.162X6+0.184X7+0.130X8+

0.167X9+0.3X10-0.072X11+0.023X12-0.172X13，

(6)

F2=0.49X1+0.552X2+0.083X3+0.083X4-0.022X5+0.038X6-0.008X7-0.112X8-

0.114X9-0.234X10-0.031X11-0.058X12+0.03X13，

(7)

F3=-0.017X1+0.020X2-0.079X3-0.028X4-0.032X5-0.166X6-0.102X7+0.172X8+

0.079X9-0.142X10+0.48X11+0.316X12+0.5X13.

(8)

創新型城市化計算公式為：

0.562F1+0.251F2+0.187F3，

(9)

式中，F表示創新型城市化指數，F1為創新產業城市化得分，F2為創新人才城市化得分，F3為創新空間城市化得分.

3 創新型城市化的空間演化

3.1 區域差異：創新型城市化水平空間不均衡現象顯著

創新型城市化水平的全局區域差異表明，全國創新型城市化普遍發展，中小城市創新型城市化水平提高，但發達地區與欠發達地區的差距依舊顯著，區域創新高地和創新節點帶動作用凸顯.如表3所示，研究期間全國尺度下的創新型城市化基尼系數大于地區尺度，且全國尺度下的莫蘭指數大于東部地區，即東西部創新型城市化發展差異大于各區域內部差異.全國尺度下的基尼系數從0.412下降到0.400，但大于0.400的分異點，表明全國創新型城市化程度空間分布差異相對大于區域內部差異，而區域基尼系數均有所減少，區域創新溢出效應顯現.

表3 創新型城市化的空間不均衡性Tab.3 Spatial inequality of innovative urbanization

創新型城市化水平的局部區域差異表明，不同地區的創新型城市化具有不同程度的空間不均衡性，空間異質性顯著.研究期間，各地區基尼系數接近0.4，表明各地區創新型城市化發展不均衡性明顯，全局莫蘭指數隨時間不斷增大，映射出創新型城市化的空間集聚程度不斷加深.其中，東部地區創新型城市化基尼系數最大，其次是西部地區、東北地區和中部地區，表明東部地區的不均衡程度大于全國其他地區.京津冀、長三角和粵港澳城市群創新要素集聚，區域創新高地的創新型城市化指數不斷增大，西部地區除節點城市外創新型城市化水平普遍偏低，除東北地區外，其余地區基尼系數均有不同程度減少，表明除東北地區，其余地區的創新型城市化的發展差異在逐步縮小；東北地區基尼系數均小于0.4，但數值不斷增大，其相對均衡狀態在逐步被打破.東北地區創新資源高度集聚于沈陽、長春、大連等地區節點城市，對其余地區創新溢出較少.

基尼系數反映空間均衡程度，莫蘭指數反映空間相關性.創新型城市化不斷提高和基尼系數逐年減小，表明全國城市創新水平普遍發展.莫蘭指數逐年增加表明區域協同創新和遲滯效應越發凸顯，創新型城市化發展越好的區域能夠帶動周邊城市協同發展，而創新洼地也會導致區域創新發展遲滯.

3.2 空間格局：創新型城市化由“三核”向“三極多中心”結構演變

從總體格局上看，創新型城市化表現為由北京、深圳和上海為極核的三大城市群所構成“三核”結構(表4).研究期間，全局莫蘭指數從0.178增長至0.272，P值均為0.00，顯著拒絕原假設，表明創新型城市化水平不斷集聚.全國高水平創新型城市化集聚分布于京津冀、長三角和粵港澳城市群.其中，各城市群中心城市的創新型城市化指數高，北、深、上、廣的創新型城市化指數高居全國前四，津、杭、蘇、寧、東莞創新型城市化指數排名前列.從地區來看，東部地區創新型城市化集聚程度最高，其集聚趨勢和全國趨同.

表4 2015年—2018年中國創新型城市化指數(Top 10)Tab.4 The index of innovative urbanization in 2015-2018(Top 10)

從時序變化上看，沿海三大城市群與武漢、成都及重慶等沿長江中游城市群構成創新發展的“三極多中心”結構越發明顯(圖2).研究初期，京津冀、長三角和粵港澳城市群三足鼎立，北、上、深為頂點.研究后期，武漢、成渝城市群等發展迅速，同東部沿海三大城市群構成高水平創新帶.同時，津、杭、蘇、寧、漢、渝、鄭、廣和東莞形成多個中心.其中，京、津創新型城市化水平突出，作為城市群的創新高地，京津冀城市群結構保持典型的雙核結構；上海市作為全國創新極核，杭、寧、蘇均位于全國前十，快速發展成為長三角城市群創新中心，長三角城市群結構“一核多中心”模式愈發明顯；東莞、珠海創新型城市化程度加深，粵港澳城市群結構“雙核多中心”模式凸顯；中部地區以渝、漢兩個創新中心發展較為突出，對周邊地區創新型城市化水平提高有涓滴效應；呼包鄂榆城市群呈現良好發展態勢，以呼和浩特市為中心擴散分布，短時間內實現區域創新能力低水平突破，成為我國創新型城市建設一方沃土；其他省會城市、重點城市的帶動作用則不夠明顯；山東半島城市群創新型城市建設成果見效，呈現較低水平創新型城市集聚；西部重點城市如烏魯木齊、拉薩和昆明均實現城市創新能力突破，創新水平均有不同程度提高，但區域創新帶動作用較弱，腹地城市創新能力均無明顯提高.部分城市群發展滯緩，哈長城市群創新動力機制失調，區域呈現良好創新基礎但發展疲軟態勢.

注：底圖源于全國地理信息資源目錄服務系統1∶100萬全國基礎地理數據庫(2017年)，邊界無修改.下圖同.圖2 2015年—2018年創新型城市化分級與相關性分析Fig.2 Comprehensive evaluation of innovative urbanization and correlation analysisin 2015-2018

3.3 變化趨勢：創新型城市化“馬太效應”現象愈發凸顯

從變化趨勢上看，創新型城市化“馬太效應”現象凸顯，創新水平較高的區域發展速度更快，而創新水平落后地區發展速度更慢，對比2015年和2018年創新型城市化指數變化，呈現“高城市化—高增長，低城市化—低增長”趨勢(表5).

表5 創新型城市化指數變化Tab.5 The change of the innovative urbanization index

高城市化—高增長：深、北、上等高創新型城市化水平城市往往具有更高的指數增長變化，渝、烏等創新中心城市也具有相似的變化，創新型城市化馬太效應顯著.杭、蘇、寧等長三角中心城市增長趨勢更顯著，表明隨著長三角協同發展水平加深，創新型城市化程度逐漸深化.從創新型城市化指數變化發現，長三角、粵港澳和京津冀城市群呈現“多中心—雙核—單核”結構的變化，表明我國創新型城市化變化趨勢與創新型城市化空間結構一致，區域創新空間結構逐漸穩定.如圖3所示，這些地區居民消費水平(0.693)和城市就業規模(0.687)較高，社會經濟穩定運行，完善的城市基礎設施建設(0.571)有利于縮短交流距離，營造良好的創新環境，有利于提高城市創新能力；創新型城市往往是城市多樣發展的產物，與城市經濟活力息息相關(0.514)；城市信息化程度(0.472)反映城市智慧產業發展，信息化程度越高的城市，越能夠快速獲取知識，獲取信息差紅利，更快發展城市智慧產業.

低城市化-低增長：指數負增長多位于東北、西北和中部地區(圖3)，東北地區創新資源底蘊較好但發展滯緩，區域內部僅有大連市創新型城市化水平明顯提高，其余節點城市均呈現較低增長趨勢，整體創新水平不佳.西北地區創新資源常年匱乏，創新型城市化建設任重道遠.中部地區整體發展較為合理，但總體來說，均需要加快人才引進，加大創新投入，積極營造社會創新氛圍.

圖3 創新型城市化指數變化(2015年與2018年對比)Fig.3 Change of innovative urbanization index

創新型城市化具有相似的空間格局和變化趨勢，體現了創新發展的全局空間依賴和局部地方突破.總體而言，創新具有較強的空間粘滯性，東部沿海三大城市群保持明顯的創新優勢，創新型城市化發展依賴人才要素、高質量經濟、健康的產業結構和開放的創新空間，三大城市群具有優越的創新資源稟賦，是創新活動發生的沃土，而欠發達地區創新稟賦匱乏，創新活動難以萌芽，創新強烈依賴地區創新資源.而區域創新節點發展迅速，部分地區實現地方創新突破.

3.4 局部特征：創新型城市化與區域空間結構相對一致

為反映創新型城市的空間關聯特征，進一步分析2018年創新型城市化水平的局部莫蘭指數.結果可劃分為四個象限，表示與鄰近城市之間的四種局部空間關聯模式.如圖4所示：

圖4 2018年中國創新型城市化局部莫蘭指數散點圖Fig.4 Local Moran’s I scatterplot of innovative urbanization in China in 2018

落在第一象限的城市多為創新中心，如京、津、深、廣、上、寧、蘇等，屬于“高-高”鄰接.這些城市屬于高水平創新型城市，是全國區域創新高地，是區域創新體系構建的核心城市，國家創新體系構建的重要節點城市，創新溢出表現顯著.

落在第二象限的城市多位于區域創新高地的周邊，屬于“低-高”鄰接.城市鄰近高水平創新型城市，但這些城市本身創新能力相對較低，在全國城市創新能力排名中位于中等水平，屬于區域創新體系構建的重要城市，構成區域創新洼地.雖然這些城市具有一定的創新資源，但更多的創新資源涌向區域創新高地，如京、津等首位度高的城市，因此發展受到一定制約.

落在第三象限的城市與第一象限城市則恰恰相反，多為創新能力低的城市，且圖中第三象限城市分布密集.由此可見，中國多數城市創新能力以“低-低”鄰接為主，這些城市創新資源稟賦較差，且周邊缺少具有帶動效應的中心城市，往往成為創新能力低下的城市集群，區域應加快創新資源合理配置，加速培育創新增長極，向“高—高”集聚發展.

落在第四象限的城市與第二象限的城市相反，多為中西部地區的核心城市，如成都、西安、武漢等，屬于“高—低”鄰接.這些城市具有較高水平的創新能力，但區域其余城市創新能力水平一般較為低下，形成“高—低”鄰接格局.城市內部創新能力顯著，但由于較高的首位度，導致創新要素和經濟的過于集中，難以輻射周邊城市的創新能力發展，反而有時候集聚了過多的創新資源，阻礙區域創新均衡發展.

創新型城市化與區域空間結構相對一致.京津冀城市群圍繞北京和天津呈現“高—低”集聚分布，京、津區域帶動效應較弱，呈現“燈下黑”的發展格局；長三角城市群以上海為核心呈現“高—高”集聚，高水平創新型城市蔓延發展，呈現城市群發展齊頭并進的良好態勢；珠三角城市群以深、廣為核心呈現“高—高”集聚，區域創新增長極對創新能力低水平城市具有明顯的帶動作用.

4 創新型城市化的影響因素

通過2018年的截面數據進行空間自相關檢驗，對285個直轄市/地級市以Queen鄰接建立空間權重矩陣，計算莫蘭指數、Geary’sC指數和高低聚類指數并進行雙邊檢驗.從觀測值可知，三個指標均強烈拒絕原假設，存在空間自相關，且局部自相關結果與全局空間自相關檢驗結果一致.進一步采用LM檢驗和Robust LM檢驗，結果表明空間誤差和空間滯后穩健檢驗均顯著拒絕原假設(表6).

表6 空間自相關和LM、Robust LM檢驗結果Tab.6 Spatial autocorrelation and LM， robust LM test results

采用2015年—2018年空間面板數據，同時考慮因變量和自變量的空間滯后項并進行效應分解，測度自變量對因變量的影響.其中直接效應表示城市的自變量變動對本地因變量的影響，間接效應表示城市自變量對周邊城市創新能力的影響.模型考慮隨時間變化的誤差，采用年份虛擬變量控制時間固定效應，自變量選取參照上述相關性分析，包括城市經濟活力EV(夜間燈光數據)、城市基礎設施建設IC(城軌密度)、城市信息化程度ID(互聯網寬帶接入戶數)、城市消費水平SCL(城市消費品零售額)和城市就業規模SDL(城鎮單位期末從業人員數)，對所有變量采用對數化處理減少異方差.探索性分析發現主效應IC和ID顯著，故將其設為空間滯后項，因此空間杜賓模型的具體表達式為：

INNOc，t=ρWc，t′(INNOc，t′)+α1EVc，t′+

α2ICc，t′+α3IDc，t′+α4SCLc，t′+

α5SDLc，t′+σWc，t′Xc，t′+εc，t′，

(10)

式中，C表示地級市，t表示年份，采用滯后一年的因變量數據，INNO表示創新型城市化水平，WX表示控制變量的空間滯后項.

四個解釋變量通過檢驗.結果顯示，基礎設施、經濟活力、信息化程度、發展水平均通過檢驗，消費水平未通過檢驗.1) 經濟活力的直接效應、間接效應和總效應均為正值，且均在5%的水平下顯著，夜間燈光數據表征城市經濟活力，結果表明城市經濟活力對創新型城市化水平具有顯著的促進作用；2) 基礎設施的直接效應在1%的水平下顯著，間接效應和總效應在5%的水平顯著，表明基礎設施的完善能夠顯著促進本地創新型城市化進程.地鐵等交通設施建設縮短知識傳播的空間距離，且有利于本地創新產出向周邊地區的溢出.3) 信息化水平的直接效應、間接效應和總效應均在5%的水平下顯著，與硬設施相對，互聯網軟設施亦有利于創新型城市化，且間接效應高于直接效應，對周邊地區的創新溢出作用更顯著.4) 消費水平未通過三種效應的檢驗，表明城市消費水平與創新型城市化并無明顯關系.5) 就業規模均在三種效應的5%水平下顯著，表明城市規模越大，越有利于創新型城市化發展.知識經濟時代背景下，社會發展水平提高人民生活質量，社會文化氛圍更為開放多元.研究結論與唐承麗[22]等一致，驗證創新型城市化指標體系的合理性，城市經濟活力、基礎設施、信息化水平和就業規模顯著影響創新型城市化，對周邊城市亦具有顯著的空間溢出效應.

表7 空間杜賓模型效應分解結果Tab.7 Effect decomposition results of spatial Durbin model

5 結論與討論

本文通過構建創新型城市化評價體系，探討2015年-2018年中國創新型城市化現象的空間格局變化及影響因素，研究結果表明：1) 我國創新型城市化現象空間分布不均衡，全國創新型城市化程度空間分布差異大于區域內部差異；2) 創新型城市化從“三核”格局演變為“三極多中心”結構，創新高地和節點城市不斷興起；3) 創新型城市化變化趨勢與水平現狀相對一致，指數變化呈現“高城市化-高增長，低城市化-低增長”趨勢，馬太效應顯著；4) 創新型城市化現象呈現由區域高地向外圍擴散趨勢，創新高地往往涓滴效應更突出，而創新節點極化效應更明顯.城市經濟活力、基礎設施、信息化和就業規模越高，不僅有利于創新型城市化發展，而且對周邊城市亦具有顯著的空間溢出效應.

根據研究結論，提出以下政策建議：1) 深入貫徹落實區域協調發展戰略.現階段我國各區域間城市創新能力異質性顯著，區域協調發展是構建國家創新體系的關鍵一步.協調“東強西弱”的創新能力格局，發揮西部在載人航天、旅游資源等方面的優勢，提高區域競爭力，對我國整體創新型城市化水平提高具有重要意義.2) 協調區域內部發展不均衡現狀，扭轉極化效應的負面影響.地方政府應加強合作，發揮區域比較優勢帶動地方創新發展，實現區域創新資源合理分配.3) 加快培育區域創新增長極，改善落后地區創新低水平現狀，以“高-高”集聚為目標，從“低-低”集聚向“高-低”集聚轉變.

本文創新點在于指明創新型城市化的概念和內涵，構建評價指標體系，探討雙創政策出臺以來中國創新型城市化的空間演化格局及影響因素.不足之處在于創新型城市化類型和階段劃分、指標體系有待進一步挖掘；由于城市尺度部分指標和時序數據難以獲取，僅能探討2015年—2018年創新型城市化發展.基于研究成果和“十四五”規劃，未來將繼續豐富和深化指標體系，以有效刻畫新時代中國創新型城市化發展.