中心城市創新首位度的經濟成因及對研發要素集聚的影響研究

楊浩東, 王高峰

(中國科學技術大學 人文與社會科學學院,安徽 合肥 230026)

0 引言

作為創新能力的空間投影,區域創新結構差異及演化一直是學界關注的熱點。區域創新協調是區域協調發展戰略中的關鍵環節,后者的實現離不開空間視域下創新驅動的合理布局。長期以來,由于先天資源稟賦和政策導向存在差異,我國區域創新不平衡問題較為突出[1]。這種不平衡既表現在區域間,又體現在同一區域內[2]。尤其是在城市行政等級劃分下,關于省會與非省會城市間二元結構對整體經濟發展的影響存在諸多討論,這也反映在以城市首位度為主題的研究中[3]。不同于傳統生產要素,研發要素表現出顯著的自組織強化特征,也即創新的“馬太效應”現象更突顯[4]。本文關注的是城市創新首位度存在何種變化趨勢。美國學者Williamson(1965)基于庫茲涅茨曲線,提出區域經濟差異呈現倒U型的假說(后稱Williamson假說)。也即隨著經濟發展,經濟體內部差異會表現出先增大后縮小的變化趨勢[5]。那么區域創新差異在不同經濟發展階段是否存在類似變化特征?就該問題的回答對明晰創新差異與經濟發展關系具有重要意義。

區域創新結構的完善,一方面是對當下科技普惠、共同富裕內在要求的遵循;另一方面,也是長遠戰略思維的體現。由于研發要素具有自組織強化特征,現行創新結構會進一步影響研發要素集聚。以省會城市為代表的中心城市對周邊城市群發展意義重大,但是影響過度(虹吸)或不足(輻射)皆不利于區域整體發展[6]。以南京為例,2019年的市委一號文件即為《關于深化創新名城建設提升創新首位度的若干政策措施》,4月又出臺《南京市加快提升省會城市功能和中心城市首位度實施方案》,旨在提升南京的創新首位度和城市影響力。形成對照的是,中西部有條件的省區則要求有意識地培養多個中心城市,避免“一市獨大”弊端。由此可見,因地區和發展現狀不同,政策方向上分別有所側重。本文關注的是城市創新首位度會對區域整體研發要素集聚產生何種影響。圍繞創新首位度進行探究,不僅是創新語境下對首位度研究的進一步拓展,也是對區域創新地理結構差異化發展導向的一次檢驗。

1 文獻綜述

1.1 城市規模、等級與首位度

有關城市規模的探討主要包括位序規模法則(Rank-scale Law)和城市首位度(Law of the Primate City)。前者由Zipf(1941)于20世紀40年代通過實證研究發現,意指城市規模與城市規模在整體中的排序成反比關系。后者于1939年由美國學者Jefferson(1939)提出,其以一個國家(地區)最大城市與第二大城市的經濟(人口)規模之比表征該國家(地區)發展要素的聚集情況。此后,Henderson(2002)、Bertinelli(2004)、Brülhart(2009)、Castells-Quintana(2017)等人以城市首位度表征一個國家內部的城市集中水平[7-10]。隨著城市和區域體系研究主題的多元化,首位度內涵及表征也由經濟、人口等數據擴展至其它層面。其中,隨著對創新關注度的日益提升,國內學者將其納入城市群創新結構、中心城市創新水平分析,進一步形成了創新首位度主題研究[11]。

無論是城市首位度還是位序規模法則,其指標和規律皆是在不同城市間相互比較下產生的。基于這種比較,與之相關的城市等級(Hierarchy of Cities)研究可以追溯至Christaller&Losch的中心地理論(Central Place Theory)和Perroux的增長極理論(Growth Pole Theory)。1966年,Friedmann提出的核心邊緣理論(Core and Periphery Theory)強調,當一個區域存在外生給定的核心區和外圍區時,核心區一方面從外吸收大量要素進行生產和創新,另一方面向外輻射,帶動周圍地區經濟結構轉變[12]。雖然核心邊緣理論闡述了區域經濟均衡的演變歷程,但并沒有充分解釋城市等級和區域結構形成原因。在此基礎上,Krugman(1991)的中心外圍理論指出,在一個平衡的區域中,受運輸成本、規模經濟等因素影響,內部能夠自發形成工業(中心)和農業(外圍)區域的劃分[13]。以上關于經濟結構演變的研究對于后續城市規模、等級,甚至城市群、城鄉結構的形成具有深遠影響。

1.2 城市首位度形成及其經濟影響

1.2.1 城市首位度文獻追溯

城市首位度的形成可以在不同理論和視角下獲得溯源。地理區位優勢理論認為,由于城市間地理條件的差異致使城市間形成層次分明的規模與等級,靠近港口、海岸的城市往往因交通(貿易)便利性和運輸成本優勢得以迅速發展,形成了沿海(沿港)和內陸二元劃分的城市結構差異,沿海(沿港)地區在率先實現資本積累并縮小與前沿技術差距的基礎上,對研發投入有所側重[14]。從歷史維度看,我國城市間人力資源不均衡格局與古代城市發展及人力分布存在較強關系,進而影響當下創新發展空間格局[15]。制度論則強調行政權力對城市發展的重要影響,如Ades& Glaeser[16]認為集權國家對政治中心城市的支持主要表現為公共設施、優惠政策上的傾斜。國內的城市首位度、強省會戰略研究也正是基于我國行政區域劃分展開的。無論是地理角度還是歷史視角,抑或是制度論角度,其對城市體系的影響皆體現了城市間經濟發展差異。因此,部分學者直接關注經濟發展對區域差異的影響。如Williamson(1965)提出區域經濟發展與區際經濟差異呈倒U型關系,Henderson(2000)進一步驗證了Williamson假說,并指出不同經濟規模、收入水平的國家,其倒U型曲線拐點亦不同[17]。國內學者魏守華等[18]基于我國1990-2017年省際面板數據,研究得出,城市首位度受經濟發展的影響并表現出倒U型變化趨勢。

1.2.2 城市首位度對經濟發展的影響

如果說以首位度作為被解釋變量的研究重點關注是什么決定了城市首位度(溯因),那么將首位度作為解釋變量的研究則旨在考察其對經濟社會發展產生何種影響(尋果)。該類文獻可大體劃分為兩類,一類支持最優城市規模存在。早期的Henderson[7]在研究中指出,確實存有最佳程度的國家城市集中度。之后,Brülhart[9]利用1960-2000年跨國面板數據研究得出,集聚只能促進GDP增長到一定水平;國內學者莊羽等[6]的實證研究結果表明,省會城市首位度與全省創新發展水平呈倒U型關系。另一類研究結果則與此相悖或較為模糊。如Bertinelli[8]采用半參數估計捕捉到城市集中度與經濟增長間存在U型關系,并將其稱為“城市集中度陷阱”(Urban-Concentration Trap)。Frick[19]的研究顯示,相比發展中國家,高收入國家等易享受到城市集中化帶來的積極影響;Ganau[20]則強調新興國家城市集中所帶來的正向回報存在時間滯后性。此外,徐長生[21]、Maha Al-Jebouri等[22]的研究結果皆表明城市集中對經濟增長有積極的線性影響。

1.3 創新首位度演變及作用機理

1.3.1 創新首位度隨經濟發展而演變

創新并非孤立事件,相比于普通的經濟生產活動,創新更依賴于空間上的聚集(Niebuhr et al, 2020)。而集聚中心的出現勢必存在邊緣與外圍地帶,城市創新差異由此形成。此外,城市研發要素集聚會受到其它生產要素影響,如隨著城市規模擴大,其在創新鏈條、環境及其它公共基礎設施等方面具有的優勢會受到規模經濟(不經濟)的影響,存在強化或減弱的可能(Wang et al, 2017)。在創新集聚的初始階段,高技術產業發展空間尚未飽和,大城市基礎設施與服務所產生的正外部性有助于研發要素的初始積累,地理空間上的鄰近性亦加速了創新知識溢出,這將進一步吸引外來創新資源、筑高產業結構,從而表現出中心(核心)城市對其它地區的創新“虹吸”現象[6]。因此,在發展早期創新活動也會表現出與“核心—邊緣”、“中心—外圍”相類似的特征,即創新首位度會隨著經濟發展不斷提升。然而,由于城市空間和資源的有限性,當研發要素規模聚集到區域基礎資源和產業結構承載上限時,城市內部的擁擠效應日益凸顯。以人才、研發資本為代表的創新資源將涌入鄰近或其它地區,表現出創新中心的輻射效應[6,23]。區域間存在的創新收斂特征也表明,后發地區會形成對創新增長極的追趕效應[24]。因此,當經濟發展到一定階段,創新首位度也會到達峰值并出現回落。即與經濟、人口首位度相似,創新首位度與經濟發展亦存在倒U型關系。

雖然有研究從創新結構層面(如東中西、經濟帶、城市群等視角下的單元劃分)測算了我國區域創新差異程度和影響因素,但這種溯因僅是在緩解區域創新差異目標下對各因素的回歸檢驗,缺少差異(尤其是區域內)形成的溯源。此外,盡管部分學者如魏守華等[25]以集中度、首位度等指標對我國省區科技能力分布特征和成因進行了測度分析,但后續僅有少數基于城市科技(創新首位度)的研究。因此,本文聚焦的第一個問題是,城市創新首位度受區域經濟發展影響存在何種變動,也即中國創新語境下的“Williamson假說”能否得以驗證。

1.3.2 創新首位度對整體創新發展的影響

城市創新發展差距擴大或縮小往往歸結于“虹吸效應”與 “輻射效應”作用的結果,然而就該差距如何影響區域整體創新發展,結論的指向較模糊。一方面,倘若城市間創新發展差距過于懸殊,“一城獨大”現象可能會導致創新資源過度集聚,擁擠效應將引致集聚帶來的規模經濟轉向規模不經濟,嚴重的研發要素錯配不僅會削弱創新中心的發展動能,而且會遏制其它地區的創新活力[6]。上述觀點與城市首位度、規模研究中的“最優城市規模”假設一致,既有文獻也揭示了城市規模與區域創新水平、效率、成功率存在倒U型關系[6,23,26]。即城市規模或城市間差距過大,將不利于城市自身乃至整個地區創新發展。因此,該類研究也提倡城市規模適度,防止因城市過大、過小造成效率損失。另一方面,一些研究捕捉到城市創新水平與區域整體發展間存在U型關系[27],即在創新集聚初始期(首位度數值較低)中心城市的創新環境與基礎設施建設尚未完全搭建好,產業體系與創新鏈條也不完善,因此對其它城市的輻射作用有限。由于中心城市創新極的作用尚未凸顯且處于對周邊區域研發要素不斷虹吸的狀態,城市間差距不斷擴大(創新中心不斷成長、創新首位度不斷提升),且中心城市對整體的帶動作用并不顯著甚至為負向作用。當城市發展跨過閾值或拐點后,創新中心構建的內外網絡將對區域整體發展起到積極的促進作用(王之禹等,2021)。即使在研發資源、科技人才競爭日益激烈的當下,部分省份仍可通過“強省會”戰略方式打造人才與創新高地,如武漢、成都、西安等非東部沿海省會城市突出的競爭力即為佐證。

雖然現有研究從城市規模、城市群結構、中心城市、強省會戰略等不同角度探究其對創新發展的影響,但忽略了區域內城市創新差異對整體創新水平存在的影響。既有首位度研究考察了以GDP或人口數據計算而來的首位度指標對經濟發展的影響,但對創新首位度的拓展不足,故有必要就省會城市創新首位度與省域整體創新發展關系展開探究。

因此,本文所聚焦的第二個問題是,城市創新首位度對研發要素集聚存在何種影響?這種影響是遵循最優城市規模,還是服從創新輻射的閾值效應,抑或者表現出“城市集中度陷阱”這種城市結構特征?

2 研究設計

2.1 指標選取與數據來源

(1)核心變量。本文以創新首位度、研發要素集聚(Spe)及經濟發展(GDP)作為核心變量。首先,針對創新指標,相比于研發投入和專利申請量、授權量,本文選用《中國城市和產業創新能力報告》發布的城市創新指數,該指數使用專利模型計算專利價值,體現了專利的存量價值,具有較強客觀性與權威性。就首位度而言,既有研究多以經濟、人口第一大城市與第二大城市比值(點型)或與省份總數的比值(面型)作為區域城市首位度代理變量[5,8,11,17,18,21]。本文基于既有研究,以省會城市創新指數值作為分子,除省會城市外第一大城市創新指數和整體指數之和作為分母,從點型(Pri_point)和面型(Pri_plane)兩個方面表征城市創新首位度。其次,考慮到科技人才聚集不僅能夠促進創新產出增加,帶動區域整體全要素生產率提升[28],而且相比研發資本,科技人才的“用腳投票”行為更能反映一個地區創新生態建設水平[29]。因此,本文以研發人員集聚水平反映研發要素集聚程度,并選用各省份R&D人員全時當量和年末常住人口計算而來的區位熵作為代理變量[28]。最后,經濟發展選用地區生產總值表示,并取對數。

(2)控制變量。一方面,在探究經濟發展與創新首位度關系的模型中,加入研發投入強度(R&D_input)、市場化程度(Marketization)、金融(Finan)、路網密度(Trans)、對外開放(Open)、產業結構(Industrial_stru)及通信(Commun)等地區特征因素。其中,市場化程度選用兩版本官方數據折算后的樊綱指數;金融、研發投入強度、對外開放和產業結構分別以銀行業貸款總額、R&D經費投入、FDI和第二產業生產總值與GDP的比值衡量;路網密度選用交通實施總里程(公路+鐵路+河道內航)與區域面積之比表征;通信情況則以移動電話交換機容量反映。另一方面,在以創新首位度作為自變量,研發人才集聚作為因變量的模型中,進一步加入房價(House_pri)、收入水平(Salary)和高校在校生等影響人才集聚的因素(宋弘等,2020),房價和收入分別以商品房平均銷售價格和科學研究、技術服務以及地質勘查業城鎮單位就業人員平均工資表征,且均取對數。本文數據來自2001-2016年(創新指數)和2001-2020年(發明專利)兩套省際面板數據,其它數據取自《中國統計年鑒》、各省統計年鑒、國家統計局官網、《中國金融年鑒》、《中國貿易外經統計年鑒》、《對外直接投資統計公報》和中國研究數據服務平臺(CNRDS)。

2.2 模型設定

為了檢驗經濟發展、創新首位度與科技人才集聚關系,將基準模型設定如下:

Priit=α+β1GDPit+β2GDP2it+β3X'it+timet+ui+εit

(1)

Speit=α+β1Priit+β2Pri2it+β3X'it+timet+ui+εit

(2)

式中,Priit和Speit分別為創新首位度與研發人員區位熵,GDPit則經濟發展水平,X'it為模型中其它控制變量,timet和ui分別為時間固定效應與個體固定效應,α為常數項,εit則為隨機擾動項。進一步,使用門限回歸模型作為提高結論穩健性的副檢驗,具體如下:

Speit=β1PriitI(Priit≤γ)+β2PriitI(Priit>γ)+yeart+ui+εit

(3)

式(3)在式(2)的基礎上增加門限變量Priit,I為示性函數,當門檻變量滿足括號內條件時,取值為1,反之為0。此外,為刻畫數字經濟對研發人員性別結構的影響,構建部分線性模型(Partially Linear model),即:

yi=βx'i+g(zi)+εi

(4)

式中,非參數部分g(zi)函數形式未知,Robinson(1988)提出羅賓遜差分估計量(Robinson difference estimator),給定zi并對式(3)兩邊取條件期望,得到式(5)。

(5)

將式(4)減式(5),并將條件期望E(yi|zi)與E(xi|zi)'分別進行非參數估計,得到式(6)。

(6)

(7)

3 實證檢驗

3.1 計量分析

3.1.1 創新語境下“Williamson假說”檢驗

表1匯報了經濟發展影響區域創新首位度的回歸結果。由模型(1)(2)可知,在雙向固定效應模型下,無論是面型還是點型創新首位度,GDP及其平方項系數分別顯著為正和負,表明兩者間存在潛在非線性關系。為了緩解因遺漏解釋變量和雙向因果帶來的內生性問題,在控制不隨時間變化的個體因素和不隨個體變化的時間因素基礎上,采用兩階段最小二乘法進行檢驗。模型(3)(4)以解釋變量及其平方項滯后一期為工具變量,考慮到實際應用中不可觀測因素可能存在序列相關性,導致估計結果有偏。因此,本文以省份坡度數據(平均坡度和坡度極差)作為經濟發展的工具變量[30],工具變量選取需滿足與GDP的相關性以及與首位度的無直接相關性。以坡度為代表的地理特征會影響城市建設和交通通勤,進而影響區域貿易與經濟發展。此外,地理特征具有特定的歷史自然屬性,與首位度不存在直接關聯。

表1 經濟發展與創新首位度(指數)倒U型關系檢驗

2SLS第一階段回歸結果表明,區域經濟發展與坡度極差、平均坡度間的回歸系數在10%水平下均顯著為負(-0.001/-0.004);經濟發展平方項亦與坡度極差在1%水平下存在負向關系。此外,無論是點型還是面型首位度,其與坡度極差和平均坡度間皆不存在顯著關系,回歸統計t值分別為-0.11、0.16、0.07、1.10。

為保證工具變量具有統計學意義上的合理性,進一步對工具變量選擇進行識別不足(Kleibergen-Paap rk LM)、弱工具變量(Cragg-Donald Wald/Kleibergen-Paap rk Wald F)等檢驗。結果表明,皆不存在相關性問題。從模型(3)至(6)的回歸結果來看,經濟發展對創新首位度的影響呈現出先促進后抑制的變化特征,即兩者存在倒U型關系。這不僅驗證了創新語境下的“Williamson假說”,同時也表明,創新鴻溝擴大或彌合是導致經濟差距變化的重要潛在機制[2]。早期隨著經濟發展,區域創新發展呈現出顯著的集聚效應,省會城市創新首位度迅速提升,而當經濟發展水平跨過倒U型曲線拐點(8.55/8.62/9.45/8.06)后,經濟發展水平對省會城市創新首位度的影響由正轉負,這也是早期廣東、山東、浙江及江蘇等地首位度逐年降低的主要原因,亦是研發要素輻射與擴散效應作用后的具體體現。

3.1.2 是“最優城市規模”“閾值效應”還是“城市集中度陷阱”

為了檢驗創新首位度對科技人員集聚的影響,將研發人員集聚作為被解釋變量,以點、面型首位度及其平方項作為解釋變量進行回歸。結果如表2所示,可以發現,無論是否加入控制變量,省會城市的創新首位度與研發人員集聚皆呈U型關系。具體而言,對于面型創新首位度及其平方項,系數分別為-0.044 9和0.000 8,且在1%和10%水平下顯著,而點型創新首位度的回歸系數則分別為-8.179 0和4.897 0,并均在1%的水平下顯著。這表明在低首位度區域,首位度表現與研發人員集聚呈反向關系。低創新首位度省份一般為經濟發展曲線的兩端,即經濟發展較發達省份(廣東、浙江、江蘇等)和經濟發展較落后省份(內蒙古、廣西、寧夏等)。這可以從兩個方面解釋:對于前者,由于經濟發展與創新首位度存在負向關系,因此人才集聚往往也內生于該過程中,如東部沿海地區因創新集聚產生的聯動與輻射效應是導致城市創新首位度與要素集聚呈負向關系的潛在機制。就后者而言,地區發展還處于創新中心尚未凸顯的集聚初級階段,創新首位度提升對省內城市的影響往往表現為虹吸效應大于輻射效應。雖然省內研發要素不斷向省域創新中心匯聚,但在與其它省份競爭的過程中,區域仍處于相對被動位置。所以,創新首位度提升也不足以帶動整體研發人才集聚程度提升。

表2 創新首位度(指數)對科技人才集聚的非線性影響檢驗

為了進一步檢驗創新首位度與研發人才集聚的非線性關系,以創新首位度作為非參部分進行半參數核回歸,生成被解釋變量對非參數部分的擬合值G,在此基礎上繪制擬合值對非參項的偏導數曲線,如圖1所示。G1、G2代表研發人才集聚對創新首位度的擬合值。由圖1可知,隨著創新首位度提升,其對研發人才集聚的影響逐漸由負向轉為正向,這與前文的U型關系相互印證。至此可以確定,我國樣本期內的創新發展同樣表現出與Bertinelli(2004)結論相似的“城市集中度陷阱”特征[8]。此外,半參數估計亦捕捉到第二個拐點存在,即當創新首位度數值提升過大(Pri>15/Prp>0.6)時兩者關系又演變為負向,這也是號召中西部地區有條件省份(諸如湖北、四川)避免“一城獨大”,鼓勵培育省內副中心,跨區域形成城市群,帶動整體創新發展的原因。

圖1 擬合值對首位度的偏導數隨首位度變化特征

為對上述結論展開進一步檢驗,模型(11)與(12)是以創新首位度作為核心解釋變量和門限變量進行的門檻回歸檢驗結果。由此可知,創新首位度與研發人才集聚存在單門檻效應,即當首位度低于門檻值(Pr_plane<0.53/Pr_point<0.16)時,創新首位度提升反而能夠提高研發人才集聚度。聚焦至具體省份分析:長期以來,廣東省省會城市的首位度保持較低水平(自2009年來Pr_plane<0.3/Pr_point<0.1),雖然廣州與深圳是典型的雙軸城市,但倘若軸間差距過于懸殊,會削減城市群聯動效應。因此,廣東省頒布的《中共廣東省委關于制定廣東省國民經濟和社會發展第十四個五年規劃和2035年遠景目標的建議》中提出,以支持深圳同等力度支持廣州強化省會城市功能。此外,根據 Hansen(1999)的研究設定,門檻回歸中的門限變量應該是外生的。因此,本文使用2SLS 第一階段回歸得到的首位度預測值作為門限變量進行回歸(劉威等,2017),同樣支持上述結論。該結果表明,對于部分首位度偏低的東部沿海省份, 應強化省會城市的帶動功能與龍頭作用。

3.1.3 更換為專利數據后的分時段檢驗

考慮到《中國城市和產業創新力報告》中的創新指數只統計至2016年,這與近期號召的強省會戰略和出臺的首位度提升相關文件存在時間差。因此,本文以發明專利授權量作為創新發展水平的代理變量,構建2001-2020年的面板數據集。如圖2所示,通過對東部沿海部分地區創新首位度(專利)演化的描繪,可以發現,廣東在經歷了21世紀前十年的大幅下降后,自2009年以來隨著經濟發展,省會城市創新首位度開始呈上升趨勢,顯然有悖于傳統認知的經濟發展水平與創新首位度存在倒U型關系的結論。對于江蘇、浙江等長三角省份,也在2016年后表現出省會城市創新首位度回升。這一方面反映出部分省份的強省會發展戰略取得一定效果,另一方面,在國內外科技競爭日益激烈的背景下,各地對以科技人才為代表的研發要素需求不斷增長,創新迎來新一輪集聚發展。

圖2 基于專利數據的省會城市創新首位度變化趨勢(江蘇、浙江、廣東)

在此基礎上,分別對2001-2011和2012-2020兩個時間段進行回歸,表3中的(13)列至(18)列分別為近8年不同模型(雙向固定效應/2SLS)和不同創新首位度類型(點型Pri_point/面型Pri_plane)下的估計檢驗結果。由結果可知,無論是僅存在一次項,還是加入二次項,樣本期內創新首位度對研發人才集聚皆不存在統計學上的顯著影響。這與前述門檻回歸中的估計結果相吻合(部分東部沿海地區首位度的降低將帶來負向影響)。形成對比的是,第(19)和(20)列中對2001-2011年的估計結果表明,兩者間存在顯著負向關系,說明隨著創新深入發展,核心地區對研發要素的強磁場效應越來越明顯,對于東部地區省會城市帶動作用較弱的省份,提升區域創新首位度將有助于區域整體人才要素集聚。

表3 創新首位度(專利)與科技人才集聚關系的分時段檢驗

3.2 模糊集定性比較分析

3.2.1 適用性分析

為了進一步探究經濟發展、創新首位度與人才集聚間的復雜關系,將研發人才集聚作為結果變量,并采用以集合論為基礎的模糊定性比較分析法(fsQCA),將結果變量和前因條件概念化為集合,置于復雜環境中,考察不同人才集聚度的形成路徑。相比于傳統分析技術的設定,QCA因具有3個重要假設而更適用于分析創新首位度的復雜因果關系:①多重并發(Multiple Conjunctural Causation):經濟發展對區域創新首位度具有“形塑”作用,而這種由“形塑”結果產生的研發要素集聚與輻射效應又存在影響整體研發人才集聚的可能;②等效性(Equifinality):雖然東部沿海地區的高人才集聚省域擁有較低的創新首位度,但對于創新首位度較高的部分中西部省份而言,仍然可以實現高人才集聚;③非對稱性(Asymmetry):假設高人才集聚省份的前因條件是低創新首位度,但高創新首位度未必是低人才集聚度的前因條件。

3.2.2 指標選取、數據處理與必要性分析

在數據選用方面,為了盡可能反映近期現狀并避免隨機擾動的影響,分別選用創新指數(2014-2016年)和發明專利(2018-2020年)數據作為創新首位度的表征指標,并計算各指標年平均值,作為fsQCA分析的樣本數據。采用直接校準法對原始數據進行校準,參考已有研究,將條件和結果變量的完全隸屬、完全不隸屬點設定為樣本數據的上下四分位點(75%/25%),交叉點則選定數據均值。組態分析前,檢驗單個前因條件及其非集是否構成高研發人才集聚或非高集聚的必要條件,倘若變量的一致性水平大于0.9,可認為該變量是結果的必要條件(Schneider and Wagemann, 2012)。創新指數的必要性分析如表4所示,可以發現,無論是高集聚組還是非集聚高組,一致性最高的前因條件皆為研發投入強度(R&D_input/～R&D_input),但未達到必要條件的判定值0.9,即本文關注的兩大核心條件創新首位度和經濟發展雖然在一致性上有所傾向(～Prp_point,0.7016;GDP,0.7949),但未構成驅動區域研發人才集聚的必要條件。

表4 變量必要性分析結果

3.2.3 組態分析

在進行組態分析前,需要通過一致性數值評定組態充分性,分析僅在滿足其標準的基礎上才具有意義。條件組態的一致性水平通常需大于0.75(Schneider and Wagemann, 2012),本文遵循Fiss[31]采用的經驗臨界值0.8。而PRI(Proportional Reduction in Inconsistency)一致性的最小值設定為0.75。此外,由于考察的是26個省域,受限于樣本數量,將頻數閾值設定為1(杜運周等,2017)。

具體組態結果如表5所示。可以發現,共存在3種高人才集聚度組態,總體解的一致性和覆蓋度分別為0.9706、0.6410。其中,組態H1表明,在經濟發達地區,即使存在較高房價,但如果能夠提供匹配的收入,且擁有充足的研發投入和高技術產業支撐,無論創新首位度高低與否,皆可實現研發人才的高度集聚。分地區來看,滿足H1路徑的省份共有5個,其中,4個處于東部沿海地區(江蘇、浙江、廣東和福建)且皆為低創新首位度地區,這在很大程度上得益于區位優勢和經濟基礎。僅湖北省位于中部,雖然湖北擁有豐富的高校資源,但早先也面臨“孔雀東南飛”的窘境。在明確建成中部地區崛起重要戰略支點目標的背景下,武漢通過內留高校畢業生、外引高層次人才,以優化創新生態的方式打造全國層面上的科研人才高地,所具有的區域中心極地位也構成與東部沿海省會相匹敵的實力(Prp_point數值一度處于全國第一的位置;近期第一為陜西)。與H1形成對比的是,組態H2和H3表明,即使前因條件部分缺失(H2缺失HT_agg/H3缺失Salary),低創新首位度地區仍能夠實現研發人才高集聚。例如安徽省(Prp_point隸屬度=0.06)收入水平較低,高技術產業集聚水平也沒有位居前列,但亦可在研發人才集聚上達到0.93的高隸屬度。遼寧省(Prp_point隸屬度=0.03)也表現出類似的前因條件特征,人才集聚隸屬度高達0.89。

表5 高(非高)科技人才集聚組態路徑——基于2014-2016年創新指數

對于非高研發人才集聚組態,NH1a(山西、內蒙古、黑龍江、廣西和貴州)和NH1b(青海、寧夏和新疆)因核心條件一樣而構成一對二階等價組態。同H1形成對比的是,NH1a中除Prp_point外,前因條件全部缺失。NH1b雖然存在房價和收入的邊緣條件,但由于經濟、研發投入、產業集聚等條件缺失,致使自身成為人才流出地。組態NH2(海南、云南、甘肅)與NH1表現出相似性,即使省會城市在省內獨樹一幟,相較于經濟發達地區仍缺少吸引力。最后,不同于前述3條路徑,組態NH3表現出一定特殊性,路徑中僅有的河北擁有排名前十的經濟體量(GDP隸屬度達0.91),同時兼具低房價和高工資的條件組合。然而,由于R&D_input和HT_agg等前因條件缺失,仍位列低人才集聚省份。值得一提的是,河北省的創新首位度未超過2(隸屬度僅為0.05),陜西、湖北作為實現高人才集聚且為數不多的中西部地區樣本,擁有較高創新首位度。最后,從組態的橫向對比來看,高人才集聚實現路徑皆擁有共同的前因條件。其中,經濟發展和研發投入強度是重要形成要素,由此可知,無論其它條件如何變動,堅實的經濟基礎和充沛的研發經費投入是打造人才高地戰略的重要支撐。同樣,匱乏的高技術產業建設是導致低人才集聚路徑的共有條件特征。

為檢驗上述結論的穩健性,以發明專利(2018-2020年)作為創新首位度的組態結果,如表6所示。可以發現,一方面,高人才集聚組態同樣可以劃分為H1(高創新首位度)和H2(低創新首位度)兩大類。前者為以湖北、湖南、四川、陜西為代表的中西部省份,后者則是以廣東、江蘇、浙江和山東等為代表的東部沿海省份。并且,經濟基礎、研發投入和高技術產業集聚皆以核心或邊緣條件存在于高技術人才集聚組態中。另一方面,除NH1a外,這些要素又均以核心或邊緣條件缺失形式存在于NH1b、NH1c和NH1d等非高組態中。與表5相同,因為在研發投入、高技術產業集聚方面存在一定缺失,縱使擁有較大經濟體量,河北省仍出現在低科技人才集聚組態中。上述結果與基于創新指數的組態分析結果略有不同,但足以佐證前文結論是相對穩健的。

表6 高(非高)科技人才集聚的組態路徑——基于2018-2020年以發明專利表征的首位度

4 結論與啟示

4.1 研究結論

本文圍繞創新首位度核心議題,檢驗了經濟發展、創新首位度與創新核心要素(研發人才)集聚的關系。以新世紀以來我國兩組省域面板數據為樣本,運用經濟計量方式檢驗變量間存在的邊際影響,采用fsQCA方法,以組態形式描繪并分析了以經濟發展、創新首位度作為核心前因條件的高(非高)人才集聚度形成路徑,主要結論如下:

(1)經濟發展與省域創新首位度呈倒U型關系,即隨著經濟發展創新首位度表現出先上升后下降的變化趨勢。這意味著在經濟發展早期,區域內部的創新發展呈現顯著的極化效應,而當經濟發展跨至曲線拐點右側,創新在區域內部呈收斂趨勢。這一關系特征驗證了“Williamson假說”在創新語境下的成立。

(2)創新首位度與研發人才集聚呈M型關聯。早期,創新首位度與區域研發人才集聚呈U型關系(“城市集中度陷阱”),即當創新中心水平達到一定門檻或規模時,其對整體的帶動作用才會凸顯。但若省會城市的龍頭作用過大或過小,則不利于研發要素進一步集聚,這也暗含“最優城市規模”的平衡與適中之意。

(3)創新首位度雖然不是實現高研發人才集聚的必要條件,但高創新首位度往往成為非東部沿海地區實現高人才集聚的必要選擇,即整體比對后的次優戰略。此外,創新首位度也并非導致低研發人才集聚的必要條件,對于諸如河北等經濟體量排名靠前而首位度較低的大省,如果在研發投入和高技術產業等方面無法提供相應配套,依然成為人才流失。

4.2 政策實踐啟示

本文從溯因和尋果兩個方面拓展了創新首位度研究,同時,也具有較強的政策實踐啟示意義。

第一,政策導向層面。①在人才爭奪愈發激烈的當下,東部沿海地區以廣州、南京為代表的創新首位度較低的省會城市,需堅持強化自身在全省的龍頭帶動作用,充分利用高校、科研院所等科教資源,促進國家級大學科裝置、重點實驗室、工程技術中心建設落地與項目實施;②中西部地區部分首位度過高的省會城市會對研發要素進一步集聚產生負向影響,考慮到省域代表性城市(創新中心)對區域發展的重要意義,創新首位度較高的部分省份需致力于通過首位城市的創新輻射效應帶動區域整體城市群聯動發展,而并非簡單控制創新規模,如在軟件上完善省域創新協同機制,硬件上打通創新基礎設施和修繕交通運輸體系,擴大創新輻射溢出效應;③無論是提升經濟體量,還是擴大城市創新首位度,皆未必能夠真正打造出人才高地,但對于非東部沿海省份而言,打造以省會城市為代表的區域創新中心(如武漢),是匹敵創新資源稟賦優越地區(沿海先發省份)的可行性戰略選擇。

第二,實踐認知層面。①長期來看,強省會戰略(尤其是中西部地區)與區域協調發展并非對立,區域通過集中資源、打造創新中心,為在區際研發要素的競爭博弈中獲得優勢,當創新積累到一定程度時,技術與知識則會向外溢出、擴散;②區域博弈下省域城市首位度的影響分析不僅涉及中國內部的研發要素存量,在國際競爭視域下中心城市創新首位度的提升亦有助于吸引外部要素流入,尤其是在建設國際化創新城市和世界創新中心的當下,在區域整體創新水平有所提升的同時,強化創新中心城市的龍頭作用具有重要戰略意義。