成渝城市群的創新極化演進及動因

楊鑫垚，韓文麗

（西南交通大學公共管理與政法學院，四川成都 610031）

1 研究背景

創新極化是對創新過程中各主體發展速度非勻質化這一現象的描述［1］，同時也是城市極化問題的重要表征［2］。20世紀90年代，Mohnen等［3］學者發現了我國部分地區存在創新發展不均衡的現象，并對此作出了系統性的研究，從而開啟對這一問題研究的先河。我國近年來黨中央不斷重申區域協調創新的戰略意義，國內城市間關系也開始出現網絡化［4］，然而，由于偏好性依附、擇優選擇、網絡鄰近等因素的根深蒂固［5］，核心城市憑借上述因素對區域內資源有著極強的控制力，并以此不斷強化自身創新優勢［6］，而那些被邊緣化的城市要么被動地依附于核心城市［7］，要么處于孤立狀態，從而較難獲得所在創新網絡的正外部性［8］。長此以往，強者恒強、積貧積弱的局面必然難以得到有效解決。故而，為了更好地優化創新網絡結構，從而實現區域協調創新發展，亟須對地區間創新極化的演變過程、影響因素及解決措施進行深入探究。

創新極化作為研究城市創新問題的重要視角，目前學界將探討重點主要集中在創新極化形成的機理、發展趨勢以及結構分類等層面，或是對已有研究成果進行梳理。主要可以歸結為以下兩個方面：首先，不少學者通過經濟極化測量指數（TW）、沃爾夫森極化指數（Wolfson）、坎貝爾-張極化指數（Kanbur-Zhang）、伊斯特班-雷極化指數（Esteban-Ray）等，對我國城市群、都市圈的創新極化程度進行定量分析，或是在此基礎上進行不同地區或區域內各城市的極化比較；其次也有研究憑借向量自回歸（VAR）脈沖響應模型對各區域創新極點擴散效應進行探究。然而，本研究認為創新極化是實現區域協調發展亟須解決的問題，因而對其研究的重點不能僅僅停留在極化程度的測度，更應理清相關影響因素；其次，不能只是從整體上對某區域創新極化問題進行展示，還需從內生性解釋區域內各個城市在創新極化形成過程中所扮演的角色，因為這是提升解決對策效度的關鍵。

因此，為了對現有研究進行補充，本研究以正在發育的成渝城市群作為研究對象，以其內部16個城市2010—2019年間的專利授權量作為變量，建立一個從整體極化狀況測度到各城市極化貢獻度分析，再到相關影響因素梳理的分析框架，以對該地區創新極化問題進行探究。

2 研究思路與方法

2.1 研究思路

首先，以專利授權量為測度標準，對成渝城市群創新網絡極化程度及其未來發展趨勢進行總體描述。為了以動態化的視角進行論述，本研究以《成渝城市群發展規劃》的頒布時間2016年為節點，從而將研究時間劃分為2010—2013年、2014—2016年以及2017—2019年3個時間段，即成渝創新網絡的松散階段、正式規劃階段以及進一步發展階段。其次，通過創新極化貢獻度模型，對成渝城市群內16個城市（以下簡稱“樣本”）在創新極化效應中的重要性進行探究。最后，通過地理加權回歸（GWR）模型對成渝城市群創新極化的影響因素進行梳理，并在此基礎上提出解決措施。

2.2 研究方法

2.2.1 創新極化貢獻度模型

借鑒王成城等［9］的研究成果構建創新極化貢獻度模型。該模型是以TW指數為基礎，引入創新能力指標，構建出創新極化測量指數，指數值的大小反映城市創新能力的聚集趨勢，創新能力較強的城市向強類組聚集，反之則相反。具體公式如下：

式（1）中：n為城市數量，n=16；N為專利授權量的總和；s(i)為第i個城市的專利授權量；m為所有城市創新綜合值I除以專利授權量的比值的中間值；q(i)為第i個城市創新綜合值I除以專利授權量的比值；θ為常數項，取值1；r為敏感系數，取值0.5。

區域極化效應的城市貢獻度是將包含城市i的TW值作為分子，不包含城市i的TW值作為分母，經過約分后的結果，若貢獻度大于1則該城市對區域創新極化效應有促進作用，反之則產生抑制作用。計算公式如下：

式（2）中：C為區域極化效應的城市貢獻度；N(i)為第i個城市的專利授權量；m'為不包含城市i的其他15個城市創新綜合值I除以專利授權量的比值的中間值。

結合現有研究，并依據指標的可得性、綜合性與簡明性，從創新環境、投入、產出3個方面對16個樣本城市的綜合創新能力進行測度，具體指標包括：（1）人均地區生產總值（GDP）；（2）政府教育支出；（3）R&D人員折合全時當量；（4）萬人發明專利授權量；（5）在校學生人數；（6）國際互聯網用戶數。對上述數據進行標準化處理，利用主成分分析法提取單因子，從而得出成渝城市群各節點的綜合創新能力得分。

2.2.2 GWR模型

盡管傳統的普通最小二乘法（OLS）簡便易行且經過長時間驗證，但由于其自身工具邏輯會忽視變量的空間屬性，即其無法對影響創新產出因素的空間異質性進行檢測［9］，同時根據成渝城市群各節點創新產出差異分布情況，可以看出成渝城市群的創新活動具有正空間相關性，故而在參考已有研究的基礎上，本研究認為GWR模型能夠更好地揭示成渝城市群創新產出的相關影響因素。當前，學界普遍認為創新產出主要受到創新投入以及環境等因素的影響，由此，以政府教育支出（政府支持）和R&D人員（創新基礎）表征創新投入，再以貨運總量（流通性）、互聯網用戶數（開放度）以及人均GDP（經濟水平）代表創新環境（見表1）。此外，考慮到創新作為一種生產活動固有的時滯性，采用1年的滯后期，即用2010年的影響因素和2011年的創新產出指標來建立模型。最后，為了消除異方差，對上述指標進行對數處理，具體方式如下：

表1 成渝城市群創新產出影響測量指標選取及其含義

式（3）中：Si是第i地區的專利授權量；IFi、GSi、ELi、ORi、Mi分別是i地區的創新基礎、政府支持、經濟水平、開放度和流動性；α是常數項；εi是誤差項；β、λ、δ、η、γ是彈性系數，即 IF、GS、EL、OR、M每發生1%變化，分別將引起PG發生β%、λ%、δ%、η%、γ%變化。

2.3 研究區域與數據來源

截至2018年年底，《中共中央國務院關于建立更加有效的區域協調發展新機制的意見》等相關文件的出臺，先后確立了包括京津冀、成渝、長三角等在內共9個國家級城市群。其中，成渝城市群作為西南創新先導區以及內陸開放型經濟戰略高地，對于連接我國東西部，更好地落實區域協同發展戰略有著重要意義；同時，相較于長三角、京津冀等發展較為成熟的城市群，成渝城市群的相關研究較少，因而存在較大的探究空間。基于此，筆者以成渝城市群內成都、重慶、自貢、雅安、遂寧、德陽、綿陽、眉山、達州、瀘州、樂山、內江、資陽、宜賓、廣安、南充等16個城市作為研究對象。其次，本研究共涉及專利授權量、創新能力評價指標以及創新產出影響因素指標3種類型數據，主要來自于中國國家知識產權局專利檢索與服務系統中的地方知識產權局網站和歷年的《四川統計年鑒》《重慶統計年鑒》《中國城市統計年鑒》，并選用ArcGIS10.1和SAMv4.0等定量研究工具進行數據處理。

3 成渝城市群創新極化整體特征

3.1 成渝城市群創新產出差異的空間演化

2010—2019年間，成渝城市群專利授權量由41 875件上升至129 311件，年均增長34.3%。然而，其中成都、重慶、綿陽、德陽4個城市的專利授權量占到整個成渝地區專利授權總量的八成以上，說明創新總體實力得到快速提升的同時，成渝地區創新網絡也面臨著極為嚴重的創新產出空間分布失衡的問題。值得注意的是，2019年成渝地區其他城市專利授權量增長速度快于上述4個城市，表明隨著創新網絡結構的不斷優化，網絡正外部性逐漸顯現，從而使得區域內部差異開始縮小。

為了更加直觀地描述成渝地區創新產出差異的空間演變，根據2013、2016、2019年樣本城市專利授權量占成渝城市群專利授權量總數的比重，結合ArcGIS10.1的自然斷裂法，將創新產出水平分為低水平、較低水平、較高水平、高水平4個等級，繪制出成渝城市群創新產出水平空間分布圖。如圖1所示，2013年，僅有成都和重慶兩座城市的創新產出處于（較）高水平，其他城市除了綿陽以外，均處于低水平，說明該時期成渝地區創新能力不僅整體偏低，同時也面臨著十分顯著的創新產出差異化問題。到了2015年（見圖2），德陽與綿陽的創新實力顯著提升，標志著創新網絡開始形成次級中心，同時成渝城市群規劃的正式提出促進了創新網絡內部的創新合作以及要素流動，從而使得創新產出低水平的城市數量開始下降，最后隨著重慶邁進高產出之列，最終確立了成都、重慶雙核心的創新網絡格局。進入2019年（見圖3），盡管成渝城市網絡得到了進一步發展，但該階段創新低水平城市的數量并未發生變化，并且除成都以外，德陽、綿陽、重慶的創新產出都出現下降，一方面這可能是由于創新作為一種生產性活動，其效能的高低在相當程度上取決于創新要素的投入，而成渝地區創新資源地理分布嚴重失衡的現象并未得到有效解決；其次，就當前而言，成渝城市群合作框架主要集中在經濟、基礎設施、環保等領域，在科技創新方面則涉及較少，從而限制了網絡外部性的發揮，加之成都、重慶等城市面臨著高度的產業同構化，由此造成的城市間無序競爭也不利于網絡結構的持續優化。

圖1 2013年成渝城市群創新產出差異分布

圖2 2016年成渝城市群創新產出差異分布

圖3 2019年成渝城市群創新產出差異分布

3.2 各節點創新產出收斂、發散狀況

從數理上看，創新極化的出現是由于區域創新網絡中各節點創新產出增幅長期存在差異所致，故而本研究以2013、2016與 2019年樣本城市專利授權量和對應年份的成渝城市群專利授權量均值之比作為測度標準，以此為切入點，對創新差異的發展趨勢（斂散情況）作出進一步分析。研究期內，僅有成都、重慶兩座城市的創新產出增速高于區域平均增幅，其中成都的創新產出增長速度向上趨近于全區域平均水平，即呈現向上收斂的趨勢，而重慶的創新產出愈發高于全區域平均水平，呈向上發散。這一現象與上述分析結果相呼應，再次說明了成都、重慶作為區域內的創新極，憑借自身雄厚的創新資源以及網絡內部的影響力，不斷對周邊各節點城市產生虹吸效應，從而產生“創新凸點”，因此，如何增加成都、重慶輻射帶動的深度與廣度以實現從極化效應到擴散效應的轉變，就成為解決成渝地區創新極化問題的關鍵所在。總的來看，2011—2019年期間，共有15個市域收斂，1個市域發散（見圖4），收斂大于發散，因此各節點創新產出對整體創新活動差異的影響表現為收斂，從而使得成渝城市群創新產出差異呈現出縮緊的趨勢。

圖4 2011—2019年成渝城市群創新產出增長發散與收斂態勢

4 成渝城市群各節點創新極化貢獻度分析

為了對成渝城市群創新極化形成過程作出進一步分析，對在此過程中各節點的極化貢獻度進行分析。首先通過主成分分析法（PCA）計算出各城市的I值，以成都市為例，部分年份的計算結果如表2所示。

表2 樣本城市創新綜合值

然后，依據城市極化貢獻度C的計算公式編寫函數，最終得到的樣本城市創新極化貢獻度，具體如表3所示。

表3 2010—2018年樣本城市創新極化貢獻度

表3 （續）

為了更加直觀地展示各節點的極化貢獻度，運用ArcGIS10.0繪制創新極化貢獻度圖（見圖5）。通過圖5與圖1～圖3的對比可以清楚地看出，節點創新產出分布呈現出“雙核”結構，而創新極化貢獻度則近似環狀分布，即外圍節點數值高、中間低，這說明樣本城市的創新能力與其對成渝城市群整體極化貢獻度存在較大差異。具體而言，宜賓、樂山、瀘州、南充以及達州盡管創新產出較低，但這些城市對整體極化貢獻度卻較高，其中宜賓最為明顯，其創新產出僅為第8名，而極化貢獻度卻為第3名，而創新產出排在中段位置的雅安與廣安的貢獻度卻為末尾兩名。當然，創新能力與極化貢獻度排名并不總是相悖，如眉山、內江、自貢等城市的創新能力與極化貢獻度都處于平均水平，此外，成都、重慶的創新產出與極化程度都位居前兩名。總體而言，本研究分析的結果與王成城等［9］的結論一致，即節點的創新能力（產出）與其對所在區域創新極化貢獻程度并非嚴格對等。也就是說，創新極化問題的出現并不能完全歸因于創新極值區域。

圖5 2010—2019年成渝城市群創新極化貢獻度均值差異分布

5 成渝城市群創新產出差異影響因素分析

借助SAMv4.0 軟件，選用高斯函數測度影響成渝城市群創新產出指標GWR模型的最優帶寬，結果見表4，得到 R2為 0.928，調整后的 R2為 0.896，局域的 R2最大值為 0.930、最小值為0.911，表明各影響因子對創新產出擁有較好的解釋力。

表4 2010—2019年影響成渝城市群創新產出指標的GWR模型回歸系數描述性統計

為了更好地對成渝地區創新極化成因作出可視化分析，借助ArcGIS10.1軟件，將樣本城市的上述創新產出影響因子通過自然斷裂法根據彈性系數大小劃分為4個級別。如圖6所示，經濟水平指標的彈性系數皆為正，說明成渝城市群的創新產出水平與經濟發展呈正相關。其中，經濟彈性系數最大的是成都，為0.590 350，即其經濟水平每提高1%將會使其創新產出增加0.590 350；最低的為瀘州，僅為0.462 120。總體上，經濟水平的彈性系數分布呈現出中間低、四周高的形態，與以上創新貢獻度分布大體一致，說明經濟發達的城市能夠為本地創新產業提供金融、保險以及銷售等方面的服務，從而大大降低了創新的成本和風險，因此二者體現出正向關系。

圖6 2010—2019年經濟水平因素對成渝城市群創新產出影響的差異分布

如圖7所示，政府支持指標的彈性系數皆為正數，表明政府支持力度越大，創新產出水平便越高；同時，對比其他系數不難發現，政府支持彈性系數皆大于其他系數，這可能是由于成渝地區創新體系尚處于發育階段，創新系統運行的背后有著相當濃厚的政府色彩，市場可發揮的空間較少。其中，彈性系數最大的依然為成都、重慶兩座城市，分別為0.908 720和0.895 660，這主要是由于這兩座城市的行政級別明顯高于其他節點城市；而雅安的政府支持彈性系數最低，僅為0.585 640。與其他影響因子相比，政府支持系數的內部差異最大，進一步說明各地的創新產出差異與各地政府的公共管理政策緊密相關。

圖7 2010—2019年政府支持因素對成渝城市群創新產出影響的差異分布

如圖8所示，創新基礎指標的彈性系數都為正數，這說明創新基礎對創新產出的影響具有正向效應。其中，彈性系數最大的依然是成都，為0.513 540；最小的為南充，為0.462 350。總體而言，創新基礎彈性系數分布與其他系數以及創新產出分布形狀大致類似，但值得注意的是，該項系數的絕對差值最小，為0.066 343，表明創新基礎對區域創新產出差異格局影響較小。然而現實中，成渝地區的創新資源地理分布極度不均衡，絕大多數創新資源都為成都、重慶、綿陽所掌握，這一差異可能說明區域內各節點創新效率普遍較低，創新產出可能更多地受到如政府干預等外界因素的影響。

圖8 2010—2019年創新基礎因素對成渝城市群創新產出影響的差異分布

如圖9所示，流動性指標的彈性系數顯示都為正數，即各地流動性越大則創新產出也越多。其中，彈性系數最大的依然為成都和重慶，分別為0.426 580及0.403 150，這是由于近兩年來成都、重慶城市圈的不斷完善進一步地提升了這兩座核心城市在區域內的輻射力，從而能夠更大限度地將網絡內的創新資源為其所用；而德陽的流動性彈性系數最低，為0.143 250，這主要是由于近兩年德陽、成都同城化戰略的深度推進使得這兩座城市發展的一體化程度大為提升，經濟體量較小的德陽勢必會受到成都巨大的虹吸效應影響，從而使得其在整個網絡內影響力大大降低。總體而言，樣本城市的流動性系數普遍較低，這可能是因為成渝城市群從國家層面正式提出至今僅5年有余，相關協調機制與合作框架尚處于完善階段，從而創新要素在各節點間尚未得到較充分地分流，因此流動性因素對區域創新產出的影響較為有限。

圖9 2010—2019年流動性因素對成渝城市群創新產出影響的差異分布

如圖10所示，開放性指標的彈性系數皆為正數，表明各地開放程度越高則創新產出越多。其中，開放度彈性系數最大的仍為成都，為0.584 260，而雅安的開放度最低，僅為0.345 640。這不僅是由于成都處于成渝地區的中心地帶且地處平原，各類交通設施齊全，以及通往其他節點時間距離較短；而雅安不僅山區較多，且處在成渝城市群邊緣地區，因而與其他節點間的通達性較差。開放性系數分布與其他系數分布較為類似，以成都、重慶為兩個極值區，周圍地區逐漸遞減，中部地區依然為低值區，主要包括了遂寧、資陽、眉山、樂山、廣安等城市。

比較上述影響因素的彈性系數不難發現，政府支持、經濟水平對成渝城市群創新產出的提升發揮了主要作用，尤其是政府支持因素。具體而言，在成渝城市群創新網絡運行的過程中，政府的公共管理質量、經濟制度、集聚經濟等相關因素扮演了關鍵角色，這與當前川渝地區城市網絡的發育程度和主體產業類型有著密切關聯。如2019年重慶全市科研投入主要流向傳統國有企業，僅占全市企業數量3%的上述企業就拿到了近七成的科研經費，這便使得成渝城市群的創新產出差異在更大程度上歸因于政府因素。此外，創新基礎的彈性系數絕對差異最小，極差僅為0.066 343，說明該因素對地區創新極化問題影響較小。最后，上述各類因素的彈性系數分布具有相當程度的空間穩定性，且與創新產出分布大致相同，進一步說明了通過上述因素可以對區域創新極化問題作出有效解釋。

6 結論與討論

本研究以成渝城市群內16個城市為研究對象，以其授權專利為研究變量，綜合運用自然斷裂法、GWR模型、城市創新極化貢獻度模型等方法，系統研究了2010—2019年成渝城市群創新產出極化的現狀、發展趨勢、各城市極化貢獻度以及影響因素，主要得出如下結論：

（1）成渝城市群總體創新產出有了明顯提升，但也面臨著嚴重的極化問題，雖然從2019年的數據來看這一現象有了一定程度的緩解，但依然未得到根本性地解決。

（2）從各城市創新產出的斂散情況來看，有15座城市呈現出收斂，僅有1座城市的創新產出發散，因此整體創新產出差異呈現出縮小的態勢。

（3）對各節點創新極化貢獻度的分析結果與王成城等［9］的結論一致，即節點的創新能力（產出）與其對整體創新極化貢獻程度并非嚴格對等。同時，成渝城市群創新極化貢獻度的地理分布大致呈環狀，即外圍高、中間低。

（4）創新產出影響因子的空間分布呈現出較為穩定的特征，且與創新產出分布較為一致，5類影響因子彈性系數的峰值都出現在成都、重慶。總體而言，在各類因素中，政府支持、經濟水平對創新產出差異發揮了主導性作用，而流動性的影響則相對有限；政府支持的絕對差異最大，而創新基礎則最小。這些都說明成渝城市群創新網絡尚處于發展期，在運行過程中更多地依靠政府力量，中心城市的話語權明顯高于其他節點城市，邊緣城市較多，極化問題較為嚴重。

根據以上結論，對于實現協調創新發展亟須解決的難題，筆者認為可以從如下3個方面對成渝城市群創新極化問題進行修正：其一，充分發揮成都、重慶兩座核心城市的引領作用，加快周邊城市與其一體化進程［10］，以此擴大成都、重慶城市圈創新輻射的廣度與深度，從而彌補因“中部城市塌陷”帶來的困境［11］；其二，構建網絡內各節點在交通、科研、教育等領域的合作框架，盡量做到統一部署、標準一致、資源共享以及建立成渝城市群利益共享機制，如成立成渝城市群專門投資基金，按照區域總體發展規劃與各城市實際情況酌情提供支持，制定科學合理的GDP值及稅收分成辦法，避免各節點城市為某一項目惡意競爭從而出現囚徒困境［12］。最后，依托網絡內5G物理基站，構建內部創新資源數據庫與分享平臺，以修正資源分布不均所帶來的節點城市創新能力差距日益加大的問題。