超大城市創新能力空間均衡的影響因素研究

李隆林 張強 張慧潔

摘 要：創新能力的空間均衡是考察區域創新實力的重要指標，以上海為例，探究超大城市創新能力空間均衡的影響因素。基于《上海統計年鑒》《中國城市統計年鑒》《中國縣域統計年鑒》等數據，通過熵值法、一般計量經濟學模型（OLS）、空間滯后模型（SLM）、空間誤差模型（SEM）以及地理加權回歸（GWR）系統分析上海創新能力空間均衡的影響因素及其空間分異。研究發現，上海市創新能力在空間布局上并不均衡；創新能力自城市核心區、近郊區、遠郊區逐次降低的特點，呈現出東部地區高-高集聚、南部地區低-低集聚的分布格局；上海市各區創新能力存在空間依賴和空間溢出效應。全局Morans I指數和空間計量模型均表明創新能力具有空間相關性，人口密度、高興企業數量、城鎮化水平、政府干預對城市創新能力具有不同程度的影響；上海市創新能力空間均衡的影響因素存在明顯的空間分異；人口密度與創新能力存在倒“U”型關系，在空間上呈同心圓狀分布；高新企業數量、城鎮化水平、政府干預對創新能力具有促進作用，分別呈條帶狀分布、團狀分布和“十”字型分布。研究結果有助于客觀揭示超大城市創新能力空間均衡的影響因素，為推動上海市建設具有全球影響力的科創中心提供理論參考和決策依據。

關鍵詞：超大城市；創新格局；空間均衡；空間模型；上海

中圖分類號：F 204;F 061.5;K 902

文獻標識碼：A 文章編號：1672-7312（2023）04-0407-09

The Influencing Factors of Spatial Equilibrium of

Innovation Capacity in Megacities

——A Case Study of Shanghai

LI Longlin，ZHANG Qiang，ZHANG Huijie

（School of Management，Shanghai University of Engineering Science，Shanghai 201620，China）

Abstract：The spatial equilibrium of innovation capacity is an important index to examine regional innovation strength.Taking Shanghai as an example，this paper explored the factors that influence the spatial equilibrium of innovation capacity of megacities.Based on the data of Shanghai Statistical Yearbook，China City Statistical Yearbook and China County Statistical Yearbook，entropy method，general econometrics model（OLS），spatial lag model（SLM），spatial error model（SEM）and geographically weighted regression（GWR）system were used to analyze the influencing factors and spatial differentiation of spatial equilibrium of innovation capacity in Shanghai.The results show that：the spatial distribution of innovation capability in Shanghai is not balanced.The innovation capability gradually decreases from the core area to suburban area and outer suburb，showing the distribution pattern of high-high agglomeration in the eastern region and low-low agglomeration in the southern region.Spatial dependence and spatial spillover effect exist in the innovation capability of Shanghai districts.The global Morans I index and the spatial econometric model show that the innovation capability has spatial correlation，and that the population density，the number of enterprises，the level of urbanization and government intervention have different degrees of influence on the innovation capability of cities.There are obvious spatial differences in influencing factors of spatial equilibrium of innovation capacity in Shanghai.There is an inverted U-shaped relationship between population density and innovation ability，which is distributed in concentric circles in space.The number of high-tech enterprises，the level of urbanization and the government intervention have a positive effect on the innovation ability，and the distribution is banded，clumpy and “cross”.This study is helpful to objectively reveal the factors affecting the spatial balance of innovation capacity in megacities，and provides theoretical reference and decision-making basis for promoting the construction of Shanghai as a science and innovation center with global influence.

Key words：megacities；pattern of innovation；spatial equilibrium；spatial model；Shanghai

0 引言

習近平總書記在黨的二十大報告中明確指出：“堅持創新在我國現代化建設全局中的核心地位”。這一論述充分肯定了創新在我國社會經濟發展過程中的重要程度，強調了創新在實現中國式現代化新征程中的重要作用。2015年3月，習近平主席在參與十二屆全國人大三次會議上海代表團審議時指出，創新是引領發展的第一動力，抓創新就是抓發展，謀創新就是謀未來，并要求上海市當好改革開放排頭兵，創新發展先行者。針對加快建設具有全球影響力的科創中心這一黨中央賦予上海的重大任務和戰略使命，2021年9月，上海市制定了《上海市建設具有全球影響力的科技創新中心“十四五”規劃》，規劃指出要在2035年實現上海市具有全球影響力的科技創新中心功能全面升級，科技實力大幅躍升[1]。在實現上海市建設具有全球影響力的科創中心的目標背景下，以空間視角探究影響上海市創新能力空間均衡的影響因素，尋求實現創新能力空間均衡的路徑對優化創新資源配置，提升上海城市創新能力具有重要意義。城市創新能力一直是經濟學和管理學研究的熱點領域之一。談及創新理論，熊彼特（Joseph Alois Schumpeter）是一位無法回避的學者。熊彼特認為創新是對生產要素的重新組合，并將創新分為五種情況，即發現一種新的原材料、開辟一個新的市場、創造一種新的生產技術、使用一種新的生產組織形式、研發一種新產品[2]，在《經濟發展理論》中，熊彼特將創新置于經濟發展理論的中心位置。此外，熊彼特還將創新理論融入經濟周期理論之中，進而提出“破壞性創造”的概念。在熊彼特之后，索洛（Robert Merton Solow）將技術進步以“索洛余量”的方式引入經濟增長模型之中[3]；羅默（Paul M.Romer）的內生經濟增長理論則指出，內生技術以及知識外溢具有邊際報酬遞增的特性，從而能夠保持經濟的持續增長，羅默的理論說明了技術進步和人力資本作為創新要素在經濟增長中的重要作用。同時，羅森斯坦·羅丹（Paul Rosenstein-Rodan）的大推進理論、佩魯（Fransois Perroux）的增長極理論表明主導產業、資金和區域軟環境（包括基礎設施、產業結構等）作為地區經濟創新的重要內容對于區域產業集聚、經濟增長的重要作用[4]。經過不斷發展，經濟學理論中的創新理論逐漸發展完善，最終形成創新經濟學，創新經濟學的主要研究內容包括創新經濟現象與規律、創新能力、創新政策等問題，而創新經濟學首先要回答的還是創新的內涵與測度的問題[5]。要對一個區域的創新情況進行分析研究，其首要的關鍵問題無疑是要對其創新能力進行科學的衡量和評價。從現有的文獻來看，國家統計局社科文司通過創新環境指數、創新投入指數、創新產出指數、創新成效指數四個方面的指標來計算中國創新指數[6]；大部分學者在研究中則通過專利數量來衡量城市或區域的創新水平[7-9]，但簡單使用專利授權數量并不能夠準確衡量城市或區域的創新能力，原因在于我國目前的大多數技術專利是個人申請而非公司申請，創新并未能夠轉化為公司制度化、日常化的行為[10-11]。故本文不直接使用專利申請數量來衡量上海市各區創新能力，而通過構建一個綜合的指標體系來對上海市各區創新能力進行評價。在前述相關理論中，增長極理論指出，在一國或一區域內的社會經濟發展是由非均衡到均衡的過程。在其經濟發展過程中，將會首先出現一個創新能力高、存在著先導產業的經濟增長極，該經濟增長極同其他區域之間的經濟發展存在著兩個階段的互動關系：極化效應和擴散效應。增長極先在極化效應之下將其他地區的生產要素吸引流入自身區域內，加劇經濟發展的不均衡，而后又因擴散效應使自身的生產要素流入其他地區，最終實現經濟的均衡發展。借助佩魯的理論，上海市作為全國創新資源的集聚高地，其創新能力的空間布局不僅對其自身社會經濟發展具有重要意義，同時對于長三角、長江經濟帶的創新與經濟發展具有重要的輻射擴散作用。探究上海市創新能力空間均衡的影響因素以及實現創新能力空間均衡的路徑對于超大、特大城市提升創新能力，發展創新經濟具有借鑒意義。

1 創新能力指標體系構建與指數計算

1.1 研究區域概況上海市位于長江下游三角洲地區，總面積6 340.5 km2，轄16個區，包括閔行、浦東、虹口、楊浦、青浦、黃浦、靜安、松江、崇明、金山、普陀、徐匯、奉賢、嘉定、長寧、寶山。2022年末，上海市常住人口2 475.89萬人，地區生產總值4.46萬億元，比上年下降0.2%；全年發明專利授權3.68萬件，比上年增長12.0%；“小巨人”企業和“小巨人”培育企業155家，累計超2 600家；新認定高新技術企業9 956家，有效期內高新技術企業數突破2.2萬家。

1.2 創新指標體系構建因為各區所擁有的創新要素決定了其創新能力，所以通過對相關創新要素的度量和測算來計算上海市各區創新能力指數。參考朱海就[12]、盧珂[13]等學者的相關研究，以創新人才、創新資金、創新技術、創新環境為一級指標構建上海市創新能力指標體系。其中，創新人才要素指標下包括R&D人員、科技活動人員、高校師生3個二級指標；創新資金要素包括R&D資金投入、政府資金投入、企業資金投入3個二級指標；創新技術要素包括研發機構數、R&D項目數、專利申請量3個二級指標；創新環境要素包括第三產業比重、人均可支配收入互聯網（電話）接入量3個二級指標。本文使用上海市各區2020年橫截面數據，數據主要來自《上海統計年鑒》《中國城市統計年鑒》《中國縣域統計年鑒》以及各區政府工作報告。創新指標體系見表1。

1.3 數據處理將數據取對數處理并通過熵值法對各個二級指標進行賦權。熵值法作為一種客觀賦權方法，在賦權過程中能夠避免研究者主觀因素的影響，較為客觀的反映各個指標在指標體系中的重要程度。采用熵值法賦權的具體步驟如下。

為消除量綱影響需對數據進行歸一化處理。鑒于本研究所有指標均為正向指標，故歸一化公式為

Zij=xij-min（xj）

max（xj）-min（xj）

（1）其中，Zij為歸一化后第i個樣本的第j個指標的數值;i=1，2，…，m;j=1，2，…，n。

計算各個指標權重，見式（2）

Pij

=zij∑mi=1zij

（2）其中，

Pij為第i個指標下第j個樣本的比重值，

i=1，2，…，m;j=1，2，…，n。

計算熵值，見式（3）

Ej=-∑mi=1

Pijln（Pij）

（3）其中，

Ej

為第j個指標的熵值，k＞0，Ej＞0。

計算第j個指標的信息效用值，見式（4）

Dj=1-Ej

（4）計算各個指標的權重，見式（5）

Wj=Dj

∑mi=1Dj

（5）計算各樣本的綜合得分，見式（6）

Si=∑ni=1

Wj×

Zij

（6）

1.4 上海市各區創新能力指數因為各區所擁有的創新要素的數量在客觀上決定了該地區現有的創新能力，因此將通過熵值法取得的各區創新指數命名為創新能力指數。采取上述熵值法計算2020年上海市各區創新能力指數，結果見表2。可以發現，上海市各區中，浦東新區的創新能力指數最高，為0.902；崇明區的創新能力指數最低，為0.162；上海市各區創新能力指數的平均值為0.393，極差為0.74，從描述性統計來看，上海市各區創新能力水平并不均衡，高值與低值相差較大。

2 空間自相關檢驗

2.1 上海市創新能力空間格局利用Arcgis軟件并通過自然斷點法對2020年上海市各區創新能力指數進行可視化操作，得到圖1。從圖1可以看出，上海市創新能力的空間分布呈現出中、東部高，南、北部低的特征。浦東新區是創新能力最強的區域，黃浦區、閔行區次之；北部的崇明區以及南部的金山區、奉賢區創新能力均較弱；此外，長寧區、靜安區、虹口區相較于周圍地區而言，形成了一個創新能力的洼地。

2.2 全局與局部空間自相關檢驗空間計量經濟學誕生于20世紀70年代，空間計量經濟學的最大特色在于充分考慮了橫截面單位之間的空間依賴性[14]。在使用空間計量方法以前，需先對數據進行空間依賴性檢驗，即空間自相關檢驗。空間自相關檢驗有全局與局部之分，檢驗方法通常分別為全局莫蘭指數（Morans I）與局部莫蘭指數（Local Morans I）。全局莫蘭指數（Morans I）的計算公式為

I=

∑ni=1∑nj=1

wij（xj-）（xj-）

s2∑ni=1∑nj=1wij

（7）式中：s2為樣本方差；

wij為空間權重矩陣的（i，j）元素，若全局莫蘭指數大于0則表示空間存在正自相關，小于0則表示空間存在負自相關。若要進一步研究某區域i附近的空間集聚情況，則需要使用局部莫蘭指數（Local Morans I）。局部莫蘭指數的公式為

Ii=

（xi-）s2

∑nj=1

wij（xj-）

（8）按照式（7）對表2中上海市各區創新能力指數進行全局空間自相關檢驗，得到2020年的全局莫蘭指數（Morans I）為0.17，P值為0.002，Z得分為3.41，通過1%的顯著性檢驗，表明上海市各區的創新能力具有空間上的正自相關，可以進行空間計量分析。在通過了全局空間自相關檢驗的前提下，采用式（8）對表2中上海市各區創新能力指數進行局部空間自相關檢驗并形成如圖2所示的Lisa圖。可以看出，上海市創新能力在空間集聚上表現出東部高-高集聚，南部低-低集聚的空間分布狀況。具體地，浦東新區、楊浦區、徐匯區3個區域在創新能力指數的集聚上表現為高值與高值相鄰；金山區的創新能力指數在空間集聚上表現為低值與低值相鄰；崇明區、虹口區的創新能力指數在空間集聚上表現為低值與高值相鄰的狀態。

3 上海市創新能力空間均衡的影響因素分析

3.1 研究方法與變量選擇通過全局和局部空間自相關的計算可知上海市各區創新能力存在空間相關性，若采取傳統的計量經濟學分析不僅將會導致模型結果存在較大偏差，而且會忽略相同因素在不同區域的影響差異。因此，在研究方法上，使用空間滯后模型（SLM）、空間誤差模型（SEM）對影響上海市創新能力的因素進行實證分析，并使用地理加權回歸（GWR）研究影響因素的空間分異情況。在自變量選擇上，選取人口密度、高新企業數量、城鎮化水平以及政府干預力度4個指標為解釋變量。人口密度：人口密度對于城市創新能力的影響作用目前尚存在爭論。人口密度對地區創新能力的作用的研究主要起源于城市經濟學，國外相關研究表明發達國家擁有高密度人口的大城市并不會帶來創新能力的提升[15]；人文地理學的相關研究表明具有創新能力的高技術企業在進行區位選擇時會優先考慮自然環境因素，多選擇近郊而非中心城區，例如硅谷的布局[16]；另有研究表明，人口密度與城市創新能力存在倒U型關系

[17]或正U型關系[18]。本文對人口密度進行取對數處理。高新企業數量：區域經濟研究中的區位集聚理論表明：同類企業集聚會產生規模經濟，從而進一步加強人才、技術等創新要素的密集化，增強城市或區域的創新能力。同時，創新主要是在市場中完成的，而企業則是市場中創新的主體。因此，選擇高新企業數量作為影響創新能力的自變量之一。本文的高新企業是指上海市各區被上海市委認定的高新技術企業，對高新企業數量取對數處理。城鎮化水平：城鎮化也稱為城市化。城鎮化是一個農業人口轉換為非農業人口、農村地域轉換為城市地域、農業活動轉換為非農業活動的過程。城鎮化不僅僅意味著農村人口現代化，而且是城市現代化的過程[19]。根據劉易斯（W.Arthur Lewis）的鄉-城二元經濟模型，人口從農村流向城市的過程，將為城市帶來人口紅利[20]，同時城市的現代化過程中，城市的公共服務水平與基礎設施建設都會得到提升。因此城市化水平的變化能夠顯著影響產業布局和人力資本水平，從而影響城市或區域社會經濟發展。本文所使用的城鎮化水平以《上海市統計年鑒》公布的2020年各區非農人口占總人口的比重來衡量。政府干預：除卻市場這一只“看不見的手”還有政府的“看得見的手”，兩者的有效合作才能夠有效激發社會創新活力，取得市場經濟的繁榮發展。新結構經濟學理論表明，政府產業政策活動能夠對市場經濟主體產生有效的激勵或抑制作用[21]。從現實來看，政府的干預活動對于區域產業結構調整和企業的創新活動有著重要影響。本文以上海市各區財政一般預算支出占各區GDP的比重來衡量政府干預的程度。

3.2 一般計量經濟學模型根據傳統的計量經濟學理論結合本文研究主題，構建OLS模型為

Ini=

β0+β1×Lnpi+β2×LnCi+

β3×Ui+

β4×Gi+μi

（9）式中：

i為上海市各區；μi為隨機誤差項；

Ini為第i個區的創新能力指數；Pi為第i個區的人口密度；

Ci

為第i個區的高新企業數量；Ui為第i個區的城鎮化水平；

Gi為第i個區的政府干預強度；

β0為模型的常數項；

β1，β2，β3，β4分別為各個變量的回歸系數。利用Stata 17軟件對上海市形成全域創新格局的影響因素進行OLS模型的分析，回歸結果見表3。

從表3可知，R2為0.92，表明模型整體顯著，擬合性良好且解釋力強。同時，模型的方差膨脹因子（VIF）值為4.24，遠小于7.5，表明模型亦不存在多重共線性。從解釋變量的顯著性來看，人口密度、高新企業數量、城鎮化水平以及政府干預對于區域創新能力的影響均在1%的水平上顯著；從解釋變量效應方向來看，高新企業數量、城鎮化水平、政府干預三項解釋變量對于創新能力有著正向的影響作用，而人口密度對于創新能力的影響效應為負向；從解釋變量效應大小來看，城鎮化水平對于創新要素集聚的影響最大，系數超過2.5，高新企業數量及政府干預強度次之，人口密度的影響則最小。盡管表3的回歸結果表明OLS估計具有良好的擬合性，但由于上海市創新能力存在空間相關性，如果僅僅使用OLS回歸分析容易忽略空間上的相互影響，使得結果產生誤差。因此為確保實證結果的可靠性還需要進行空間計量模型的實證分析。

3.3 空間計量模型考慮上海市各區創新能力在空間維度上可能存在的均衡性和依賴性，分別使用空間滯后模型（SLM）以及空間誤差模型（SEM）進行分析。空間滯后模型適用于空間滯后的復雜性（空間滯后可能來自不同方向，且可以是雙向的），著重考慮了相鄰近地區的溢出效應對于考察區域因變量的影響并將周邊相鄰地區的因變量以空間滯后項的形式加入模型。空間誤差模型著重考慮模型誤差項是否存在空間相關性，區別于空間滯后模型，空間誤差模型將存在于周邊地區的未被研究者充分考慮到的自變量以空間誤差項的形式加入模型。空間滯后模型的公式為

y=λWy+ε

（10）式中：

W為已知的空間權重矩陣，空間依賴性通過單一參數

λ來刻畫，λ 度量空間滯后變量

Wy對y的影響，稱為空間自回歸系數。空間誤差模型的公式為

y=Xβ+u

（11）

u=ρMu+ε，ε～N（0，σ2In）

（12）其中：M為空間權重矩陣，該模型表明擾動項u存在空間依賴性。這表明不包含在X中但對y有影響的遺漏變量存在空間相關性，或不可觀測的隨機沖擊存在空間相關性。空間滯后模型和空間誤差模型的實證研究結果見表4。從表4能夠看出，空間滯后模型的對數似然函數值（Log-likelihood）、R2均小于空間誤差模型，而AIC值則大于空間誤差模型。這表明無論是從模型的擬合優度還是模型的解釋力來看，空間滯后模型的表現均劣于空間誤差模型。因此主要關注空間誤差模型的實證結果。

空間誤差模型實證結果中各個自變量的系數與OLS模型的系數相差不大，這表明本文所設定的空間誤差模型是正確可靠的[16]。從空間誤差模型的實證結果來看，上海市各區創新能力存在空間依賴性，人口密度、高新企業數量、城鎮化水平、政府干預對區域創新能力的影響均在1%的水平上顯著，但影響效應的強度與方向有所不同。空間誤差模型的結果表明，城鎮化水平對區域創新能力的促進作用最強，高新企業數量、政府干預對于區域創新能力存在顯著促進作用。然而人口密度對于區域創新能力起到單一的抑制作用，這與現有研究文獻的研究結論存在沖突，可能是因為上海市不同區域存在地理差異性，需要將各個區的地理差異納入到實證研究以獲得更為可信的研究結果。

4

上海市形成全域創新格局影響因素的空間分異

由于存在地理差異，同一影響因素在不同區域對創新能力的影響效應可能存在差異，而空間計量模型無法觀察到這一差異。因此使用經地理加權回歸（Geographically Weighted Regression，GWR）來考察上海市創新能力的影響因素在空間上的分異狀況。地理加權回歸是一種空間分析技術，通過建立空間范圍內每個點處的局部回歸方程來探索研究對象在某一尺度下的空間變換及相關驅動因素，它的主要優勢在于考慮了空間對象的局部效應。在前述分析中，已經構建了一個OLS模型，并且該模型擬合度良好，不存在嚴重的多重共線性（

VIF<7.5），符合進一步使用地理加權回歸分析影響因素空間分異的前提條件。利用MGWR 2.2軟件進行上海市創新能力影響因素的GWR實證分析，實證分析結果如表6所示。實證結果表明上海市創新能力的影響因素在空間上存在分異表現，GWR模型調整后的R2高于OLS模型的R2，AICc值低于OLS模型的對應值，表明GWR模型整體擬合度與解釋力優于OLS模型。在表5實證結果的基礎上，使用Arcgis 14軟件對各影響因素的回歸系數可視化呈現，可視化結果如圖3所示。

圖3呈現了上海市創新能力影響因素的空間分異情況。人口密度對創新能力的影響效應呈同心圓狀分布，隨著半徑的擴大，人口密度對創新能力的影響效應由抑制轉化為促進。在黃浦區、靜安區等城市核心區，人口密度對創新能力起到了抑制作用；在閔行區、寶山區等近郊區，人口密度對創新能力的抑制作用減輕；在奉賢區、青浦區等遠郊區，人口密度對創新能力起到促進作用。這表明人口密度與城市創新能力存在倒U型關系，由于核心區和近郊區已經超過倒U型曲線的頂點位置，因此人口密度對城市創新能力起抑制作用，與之對應，由于遠郊區尚未超過倒U型曲線的頂點，人口密度對城市創新能力起到促進作用。這與現有研究結論相一致[22]。

高新企業數量對創新能力的影響效應呈條帶狀分布，高新企業數量對創新能力促進效應自東向西減小。原因在于浦東新區和徐匯、黃浦等中心城區不但擁有優越的航運交通條件，也擁有包括張江高新科技產業園在內多個國家級科技創新產業園區，其產業結構本就以創新創意產業為主，從而能夠對區域創新能力的提高起到較強的作用。相比之下，青浦、金山等區域產業基礎薄弱，產業發展路線也并未以創新創意產業為主導，創新主要來自東部、中部創新企業的創新外溢。城鎮化水平對創新能力的影響效應呈團狀分布，城鎮化水平對區域創新能力的促進效應在黃浦區、徐匯區、浦東新區等中、東部區域最強；在普陀、寶山等西北部區域次之；在青浦、金山等南部區域最弱。原因在于城鎮化水平的提高能促進城市公共服務水平、減少區域內生產要素的流動障礙，中、東部城鎮化水平最高，具有成熟的創新協作體系，黃浦區、徐匯區等城市核心區均已經達到了100%的城鎮化水平。政府干預對創新能力的影響效應呈“十”字型分布，政府干預對創新能力的促進效應在縱向上強于橫向。在縱向上的寶山、普陀、松江、金山一線，政府干預對創新能力的促進效應強于橫向上的青浦、奉賢一線。政府可以直接通過產業政策實現干預地區產業發展的目標，也可以間接通過基礎設施投資等方式來實現優化營商環境、減少生產要素流動障礙，最終達到干預區域產業經濟發展的目標。寶山、普陀、松江等近郊區域在產業政策上積極承接核心區的產業轉移，推出了產業發展政策清單（產業扶持政策庫）、“快新實”一體等產業政策，對于吸引核心城區高新企業、刺激企業創新創造均起到了良好效果。

5 結論與對策建議

5.1 研究結論在創新人才要素、創新資金要素、創新技術要素、創新環境要素四個一級指標基礎上，衍生出12個二級指標，構建起衡量上海市各區創新能力的指標體系。通過熵值法計算出各區的創新能力指數，使用OLS模型、空間計量模型（SLM、SEM）、地理加權回歸模型（GWR）對上海市創新能力空間均衡的影響因素及其空間分異實證研究。主要研究結論如下。1）總體來看，上海市創新能力空間均衡性有待加強。創新能力呈現出城市核心區、近郊區、遠郊區逐次降低的特點，在集聚性上，東部地區呈現出高-高集聚的特征，南部地區則表現出低-低集聚的特征，存在一定程度空間失衡。2）從影響因素來看，人口密度、城鎮化水平、高新企業數量、政府干預均對創新能力的空間均衡有重要影響，且影響因素存在空間依賴性。其中，城鎮化水平與政府干預的影響效應最強。3）從影響因素的空間分異來看，上海創新能力空間均衡的影響因素空間分異明顯。人口密度與城市創新能力存在倒“U”型曲線關系，在人口密集度高的城市核心區，人口密度對城市創新能力起抑制作用，在人口密度低的遠郊區，人口密度對創新能力卻起到促進作用。高新企業數量與城鎮化水平對城市創新能力起到促進作用，但其促進效應均表現出中、東部高于西部的特點。政府干預對創新能力起到促進作用，但是效應大小分布呈現出“十”字型分布，即在寶山-松江-金山的縱向上，政府干預對城市創新能力的促進效應強于橫向上的青浦-奉賢。

5.2 對策建議充分認識創新能力空間差異，優化創新資源空間配置。一是需要在城市規劃中包容創新能力差異，在市委市政府統一規劃下實現各區差異化發展。二是著力推動創新擴散。考慮到城市核心區、近郊區、遠郊區創新能力在空間上的依賴性，應當為創新資源流動和創新擴散提供更大便利，增強創新能力空間均衡性。緊緊抓住創新均衡主導因素，增強創新發展動力。一是要持續推動高質量、高標準、高水平的城市化，城市化即包含了農業人口的城市化，還包含了城市的現代化，因此不但要完善農村人口市民化的配套機制，還應當將“海納百川、追求卓越、開明睿智、大氣謙和”的上海城市精神貫徹到城市建設中。二是政府合理發揮干預作用，科學制定產業政策，要有針對性地對有助于提升城市整體創新能力的前沿性、開創性產業予以扶持，增進科研攻關實力。厚植城市創新土壤，涵養城市創新氛圍。一是要創新與創意并重，鼓勵、支持發展設計藝術、繪畫、文旅等創意內涵強勁的產業。二是要制定完善的創新人才引進機制，形成尊重、關愛創新人才的社會氛圍。

參考文獻：

[1] 沈湫莎.上海科創中心建設向功能全面升級邁進[N].文匯報，2021-09-30（001）.

[2]約瑟夫·熊彼特.經濟發展理論[M].北京：商務印書館，2017.

[3]查爾斯·I·瓊斯，迪特里奇·沃爾拉特.經濟增長導論（第3版）[M].劉霞，譯.上海：格致出版社，2018.

[4]郭熙保.發展經濟學[M].北京：高等教育出版社，2011.3

[5]李政.創新與經濟發展：理論研究進展及趨勢展望[J].經濟評論，2022（05）：35-50.

[6]張翼.2021年中國創新指數較快增長[N].光明日報，2022-10-30（002）.

[7]陳依曼，李立勛，符天藍.中國城市創新能力及其影響因素的空間分異——基于GWR模型的實證[J].熱帶地理，2020，40（02）：323-334.

[8]蔡森.政府創新偏好對區域科技創新水平的影響及空間溢出效應[J].區域經濟評論，2022（03）：37-45.

[9]谷斌，趙雪琦.基于專利位序-規模的區域技術創新能力測度[J].科研管理，2022，43（11）：172-181.

[10]林卓玲，梁劍瑩.基礎研究、科技基礎設施與區域專利產出——基于省域高校面板數據的實證分析[J].技術與創新管理，2019，40（05）：559-568.

[11]張維迎.市場的邏輯[M].北京日報出版社，2018.

[12]朱海就.區域創新能力評估的指標體系研究[J].科研管理，2004（03）：30-35.

[13]盧珂，吳價寶.基于動態視角的創新型城市創新績效指數研究[J].科技管理研究，2014，34（11）：21-25.

[14]陳強.高級計量經濟學及Stata應用（第2版）[M].北京：高等教育出版社，2014.

[15]FRITSCH M，WYRWICH M.Is innovation（increasingly）concentrated in large cities？ An international comparison[J].Research Policy，2021，50（06）：1-12.

[16]穆桂斌，黃敏.美國硅谷人才集聚規律及對雄安新區的啟示[J].河北大學學報（哲學社會科學版），2018，43（04）：63-69.

[17]ZHOU Q，SHAO Q，ZHANG X，etal.Do housing prices promote total factor productivity？ Evidence from spatial panel data models in explaining the mediating role of population density[J].Land Use Policy，2020，91（02）：1-15.

[18]陳淑云，楊建坤.人口集聚能促進區域技術創新嗎——對 2005—2014年省級面板數據的實證研究[J].科技進步與對策，2017（05）：45-51.

[19]鄭林昌主編.區域經濟學概論[M].北京：科學出版社，2020.

[20]威廉·阿瑟·劉易斯，李建波.發展理論現狀[J].發展經濟學研究，2009：299-311.

[21]林毅夫.產業政策與我國經濟的發展：新結構經濟學的視角[J].復旦學報（社會科學版），2017，59（02）：148-153.

[22]張悅，郭晗.人口規模對城市生產率的影響分析[J].技術與創新管理，2018，39（06）：721-727.

（責任編輯：張江）