一體化背景下長三角科技創新驅動力及協同發展評價

[摘要] 科技創新驅動力及協同發展水平提升是長三角一體化的戰略目標之一。通過構建多層級的科技創新驅動力指標體系，系統測度了2017和2021年長三角41個城市的科技創新驅動力指數，基于此，對一體化戰略實施以來長三角科技創新驅動力及協同發展水平進行評價。研究表明，長三角科技創新驅動力呈現空間集聚和快速增長趨勢，形成了以上海為首的雁陣格局；但依然存在發展不均衡、層級固化和結構同質等問題，導致城市合作的互補性不足，并在結構耦合與收益分配之間普遍存在矛盾沖突，因而長三角科技創新一體化仍面臨不穩定、不可持續的風險。為此，在未來發展中要注重以協調帶動協同，促進城市發揮各自優勢、拉長長板，依托中心城市打造科技創新共同體。

[關鍵詞] 科技創新；協同發展；能力結構；城市網絡；長三角

[中圖分類號] F062.9 ［文獻標識碼］A ［文章編號］1000-4211（2024）03-0044-16

一、引言

中國經濟發展已進入轉型升級的關鍵期，但還面臨復雜多變的全球地緣風險。通過提升科技創新驅動力，促進關鍵核心技術的自主可控，以及產業鏈、供應鏈的安全穩定，是應對國內外諸多挑戰的必然選擇。作為中國推進高水平開放的重要樞紐和科技創新的戰略高地，長三角是代表國家參與全球競合，以及引領全國高質量發展的重要地區（王振，2023）。科技創新一體化被認為是實施長三角一體化國家戰略的核心和突破口（洪銀興，2021）。自一體化戰略實施以來，長三角科技創新資源要素加速流動，城市之間的合作日益密切，在以上海為代表的中心城市帶動下，其他中小城市也緊隨其后（王振，2023）。在此背景下，長三角科技創新驅動力及協同發展水平是否提升，關乎一體化政策的實施成效。

近年來，國外智庫的研究成果取得了較大影響力，如Thinknow的世界創新城市排名、森紀念財團（Mori Memorial Foundation）的全球城市影響力指數、硅谷聯合投資（Joint Venture Silicon Valley）的硅谷指數報告等。科技部科學技術信息研究所、上信智庫、上海市研發公共服務平臺管理中心、華東師范大學全球創新與發展研究院等一批國內研究機構，也相繼發布了類似的評價報告。國內相關學術研究主要通過構建評價指標體系（方創琳等，2014）或改進的C-D生產函數模型（王宏智和孫金俊，2020），定量測度城市科技創新驅動力，并重點聚焦長三角（林蘭等，2022）、京津冀（梁婉君和何平，2022）、粵港澳（吳康敏等，2022）、長江經濟帶（黃亮等，2017）、黃河流域（趙建吉等，2023）等地區。在區域協同發展方面，有學者測算了長三角城市協同發展能力，認為長三角一體化條件好、程度高，但在科技創新領域呈現顯著的集聚襲奪效應（曾剛，2021）。此外，相關研究主要基于社會網絡分析方法，利用專利、論文和企業等數據，考察了多尺度下城市之間科技創新合作網絡的空間結構和演化機制（楊凡等，2023；李迎成等，2023；張學良等，2017）。還有研究采用耦合協調度對城市內部科技創新驅動力系統進行了深入分析，從結構化角度探討了投入、載體、產出和績效子系統之間的協同關系（楊凡等，2021）。上述研究一般著重于揭示區域協同發展的格局和類型，另有研究參考國際經貿合作關系，通過將能力測度與協同關系相結合，從能力結構耦合度和收益分配模式的角度評判中國省市科技創新合作的可能性，從市場經濟的底層邏輯分析了區域協同發展規律和模式（范斐等，2015；王圣云等，2021）。

綜上，伴隨長三角一體化深入推進，有必要加強區域科技創新發展在一體化戰略實施前后的比較分析，同時關于區域科技創新協同的定量評估也相對缺乏。本文通過構建多層級指標體系和能力結構模型，考察一體化戰略實施以來長三角科技創新驅動力的空間發展及進步率情況，并基于城市合作能級、互補性和利益最大化維度綜合評價區域協同發展水平，以期豐富區域科技創新研究成果，并為相關政策制定提供理論依據。

二、研究設計

（一）科技創新驅動力指標體系

科技創新驅動力可分解為兩大動力：一是研發創新力，即支撐區域經濟的核心競爭力和基礎動力；二是產業創新力，當研發創新力有效轉化為產業創新力，將成為區域經濟發展的核心動力和基本保障（王振和盧曉菲，2018）。基于此，本文構建了以“投入-載體-產出-績效”為框架的科技創新驅動力評價體系，具體包含三個層級：4個分系統指標、10個專項指標和32個基礎指標。根據D-S證據合成理論，將主觀性較強的層次分析法（AHP）和客觀性較強的熵值法（Entropy）相結合，確定各個指標的綜合權重（表1）。

根據《長三角一體化發展規劃綱要》，本文的研究范圍包括三省一市41個城市。在指標體系的指標層中，研發經費、研發人員、技術合同交易額、高新技術產業產值、工業總產值、規上工業增加值數據來源于各省市統計年鑒、統計公報，以及統計局、科技統計等網站；科技經費、教育經費、財政經費、互聯網寬帶接入用戶數、GDP、第三產業增加值、人口、發明授權專利數據來源于《城市統計年鑒》；科技論文數據來源于Web of Science核心數據庫，根據年份和城市英文名進行篩選；高等院校、技術中心、實驗室、產業和創業園區等各類科技創新載體數據來源于科技部、教育部和國家發展改革委等政府網站。

（二）科技創新驅動力指數及其進步率測度

根據科技創新驅動力指標體系，可以測算城市科技創新驅動力綜合指數，以及科技創新投入、載體、產出、績效4個分系統指數。為了消除數據量綱對指數測度結果的擾動影響，采用極值法對原始數據進行標準化處理，使其取值范圍為0-1，進而通過加權求和計算各項指數，公式如下：

（1）

（2）

（3）

式中，Xi為指標層中各項基礎指標的標準化數值；n、n'分別為準則層中二級指標、目標層中分系統指標所包含的下一級指標個數；W為各個基礎指標的權重；TNIe、TNIs和TNI分別為二級指標得分、分系統指數和綜合指數。

基于2017和2021年各項基礎指標的原始數據，計算它們的復合年均增長率，再采用以上指數的加權測度方法，分別得到分系統指數和綜合指數的進步率，以評價一體化戰略實施以來長三角全域以及各個城市的科技創新驅動力提升速度。

（三）科技創新驅動力的區域協同分析

區域協同需要頂層設計和政策支持，但長期穩定的城市合作需要“自下而上”的內在動機，能否從中獲取利益是城市參與區域協同最直接的激勵。本文應用能力結構模型，揭示長三角城市科技創新合作的收益分配體系。根據能力結構的內涵定義（楊先明和李婭，2005），城市科技創新驅動力包含綜合性能力，以及投入、載體、產出、績效等結構性能力，可分別用本文計算的科技創新驅動力綜合指數（TNI）和分系統指數（TNIs）衡量。

根據能力結構與利益分配的關系圖（楊先明和李婭，2008；黃寧，2008），在市場機制下，城市科技創新合作的帕累托改進空間可分為自由、困難和零合作區，各區面積表征合作的范圍（可行性）和成效（收益大小），取決于OA、OB線的長度和斜率，而OC線則劃分了合作雙方各自的收益，這受到城市之間的綜合性能力勢差和結構性能力互補程度的影響。基于引力模型和“支配-依附”理論，“能力”如何決定“收益”的路徑如圖1所示：

在路徑1中，當城市之間的綜合性能力接近，則利益分配相對均衡，如果雙方的能力越強（弱），則合作空間和總收益越大（小）。

在路徑2中，當城市之間的綜合性能力差距過大，將導致合作收益分配不均等，造成合作關系的不穩定，較弱一方在合作條件上更多依賴較強一方，收益也向較強一方傾斜。

在路徑3中，當城市之間的結構性能力具有較好的互補性時，合作的可能性邊界將會向外延伸，合作空間和總收益都將擴大，但收益分配仍取決于雙方的綜合性能力。

注：ab為合作收益的可能性邊界，VC和WC為帕累托改進線，OA、OB分別為城市A、B的科技創新驅動力結構線，A’、B’表示結構線的變化，OC為城市A、B的科技創新合作線，TNIA 、TNIB分別為城市A、B的科技創新驅動力綜合指數。

基于此，計算城市在區域協同發展中的收益情況。首先，城市之間科技創新驅動力的結構性能力是否互補或匹配，可用耦合度（C）表示，由合作雙方的各項分系統指數差異決定，公式如下：

（4）

式中，CAB的值越大，說明城市A和B的互補程度越高，越適合開展雙邊合作。反之，則說明結構性能力較差的一方降低了合作的可能性。

其次，結構線OA、OB的斜率（KOA、KOB）和長度（LOA、LOB）可用城市A、B的科技創新驅動力綜合指數表示：KOA=1-TNIA；KOB=1/（1-TNIB）；LOA=LOB=TNIA×TNIB×CAB。從斜率可知，城市A為科技創新驅動力（綜合性能力）較大的城市，扇形AOB、AOC和BOC的面積可分別近似代表城市A、B合作的總收益及各自收益。公式如下：

SAOB=1/2×LOA×[arctan（1/（1-TNIB））-arctan（1-TNIA）] （5）

SAOC=1/2×LOA×[π/4-arctan（1-TNIA）] （6）

SBOC=1/2×LOB×[arctan（1/（1-TNIB））-π/4] （7）

其中，SAOB，SAOC和SBOC都是關于TNIA、TNIB和CAB的單調增函數。

綜上，區域協同的可持續發展取決于城市合作的總收益及分配比例（獲益比）。如果科技創新驅動力較弱一方能縮小與合作方的能力差距，則獲益比將更加均等，合作總收益也將擴大，因而有利于維持合作關系；如果城市之間的互補性提高，或雙方能力共同（同比例）提升，那么合作的總收益將擴大，盡管獲益比不變，但合作關系也能保持穩定。

三、長三角科技創新驅動力時空格局

（一）長三角城市科技創新驅動力總體評價

自一體化政策實施以來，長三角科技創新驅動力并沒有表現出均衡化發展趨勢，基于“中心-邊緣”的空間集聚特征更加明顯。運用ArcGIS軟件的自然斷裂點法，將科技創新驅動力綜合指數劃分為6個等級，發現高等級城市數量收縮，城市等級體系從梯型向雁陣型演變。具體而言，長三角科技創新驅動力形成以上海為頭雁，南京、杭州、蘇州、合肥為支點，寧波、無錫、南通、常州、蕪湖、嘉興、徐州等城市為重要節點的空間格局，表明城市科技創新驅動力的兩極分化程度進一步加劇（表2）。

從城市排名變化看，上海一直是長三角科技創新驅動力最強的城市。同時，其他頭部城市的排名也基本穩定，值得關注的是蘇州、杭州的位置互換，以及南通取代鎮江躋身前十。此外，大多數城市的排名主要在小范圍內變化，具體可劃分為1-7、8-16、17-22、23-30、31-37、38-41共6個波動頻段（圖2）。這在一定程度上說明，目前還沒有城市利用一體化政策紅利實現突破性發展或等級躍遷，長三角科技創新驅動力的層級仍然比較固化。

（二）長三角城市科技創新驅動力分系統評價

投入、產出、載體分系統與總體一致，都呈現空間集聚格局及演變過程，但在一定程度上存在差異，而績效分系統則趨向于均衡發展（表3）。具體而言，科技創新投入以沿海、沿江重點城市為主，蘇北城市投入有所增強，但安徽城市大多投入不足，“T”字形格局更加明顯；隨著蘇北城市的產出能力下降和杭州成為重要的產出節點城市，長三角科技創新產出格局向以“滬寧合-滬杭甬”沿線城市為主的“Z”字形發展廊道演變；科技創新載體的集聚傾向最高，在政策引導下科技創新載體資源進一步在上海、南京、杭州和合肥4個行政等級最高的大城市布局，形成國家級戰略性高地；在科技創新績效方面，中心城市的表現得到明顯改善，同時邊緣城市由于投入和產出規模都較小，故總體保持穩定。

表3顯示了分系統指數的城市排名變化。雖然長三角科技創新驅動力的整體等級體系比較穩定，但部分等級層次較低的邊緣城市在科技創新投入、載體和產出分系統領域還是取得了較大幅度的提升。經濟較發達的中心城市由于投入、載體和產出的基數較大，因而提升能力有限，但績效分系統的排名大幅提升，尤其是上海，主要原因是產出效率提高。這在一定程度上說明一體化戰略有效促進了區域科技創新等資源要素流動，如中心城市通過向邊緣城市轉移過剩資源和產能，從而提升了資源利用的經濟效益。

（三）長三角城市科技創新驅動力進步率測度

從長三角全域看，科技創新驅動力綜合指數的年均進步率達到9.9%，高于年均GDP增長率（8.4%），說明科技創新發展好于整體經濟表現，具有推動經濟轉型升級的潛力。此外，幾乎所有城市的科技創新進步率都高于5%，其中61%的城市達到10%以上，科技創新進步率高于GDP增速的城市占80%（圖3）。部分邊緣城市的進步率較高，如阜陽、淮安和宿遷等，而綜合指數排名前10城市的進步率在9%～15%，也達到了區域平均水平，其中南京相對較高、蘇錫常地區相對滯后。可見，中心城市在科技創新基礎較好的前提下依然保持了穩定增長，即便邊緣城市有更高的增速，總體格局也不會有本質改變。

在分系統方面，長三角科技創新產出的進步率（6.5%）高于投入（2.4%）和載體（0.9%），但績效的進步率（0.1%）偏低，這傳遞了長三角科技創新系統高效運行的積極信號，資源要素投入和整合的轉化能力有所提升，但效率仍有待進一步優化。從城市比較看，投入進步率比較接近，大部分都有2%～4%的增幅，說明各城市對科技創新都比較重視；載體進步率的差異較大，高能級的平臺資源和基礎設施布局在政策指導下是高度不均衡的；產出進步率普遍較高，特別是中小城市的表現更加突出，可能是基礎相對薄弱的原因；績效進步率卻普遍較低，但總體上滬、蘇好于浙、皖，大城市優于中小城市（圖4）。

四、長三角城市科技創新驅動力協同模式

（一）長三角城市科技創新驅動力協同網絡演變

根據耦合度的計算原理，城市之間是否適合或有較大的可能性開展科技創新合作，主要取決于雙方的科技創新驅動力結構或結構性能力是否互補。在本文中，可更直觀地被認為是科技創新驅動力分系統指數是否存在高低配對關系。或者說，如果一個城市在某個分系統上表現不如另一個城市，則需要在其他分系統上占有優勢以彌補這種不足，使得兩個城市的科技創新驅動力綜合指數能夠相近。

基于長三角41×40的城市組合樣本，應用聚類分析方法劃分耦合度等級，結果顯示大部分城市組合的耦合度低于1，因此設置耦合度大于1為城市合作具備潛力的閾值。可以發現，2017—2021年長三角城市科技創新合作的平均耦合度從1.82下降至1.24，耦合度大于1的城市組合數量沒有明顯增加，表示城市科技創新驅動力發展的同質化程度提升，導致合作的互補性和可能性下降。

根據耦合度，可視化長三角城市科技創新驅動力協同網絡，發現結構演變存在路徑依賴，表示合作關系的互補性和適配度都難以在短期內改變，但在不同的耦合度區間仍存在一些結構性變化（圖5）。具體而言，在高耦合度區間（Cgt;10），城市數量不變，結網密度提升，形成了更多具有較好互補性的合作關系，但蘇州-合肥、鎮江-徐州、蕪湖-常州等高能級的城市組合消失，協同網絡主要由科技創新驅動力較弱的城市構成；在較高耦合度區間（10gt;Cgt;2），浙東南城市（嘉興、紹興、揚州、臺州、溫州、湖州）、蘇南城市（南通、常州、鎮江）、蘇北強市（徐州）和安徽強市（蕪湖）構成了較高能級的城市組團，但也面臨無錫、寧波和杭州等中心城市退出的局面；在中等耦合度區間（2gt;Cgt;1），不同能級的城市組團基本穩定，但彼此之間仍缺乏聯系。可以看出，中心城市之間的耦合度存在下降趨勢，導致合作收益的可能性邊界擴展受限。同時，邊緣城市之間的耦合度雖然較高，但合作能級較弱，無法支撐整個區域發展。此外，中心城市與邊緣城市之間基本沒有網絡聯系，表示雙方能力不對等，合作缺乏互補性和有效路徑，因而發生的可能性較低。

（二）長三角城市科技創新驅動力協同收益體系

根據能力結構模型的推演，區域科技創新驅動力協同的內在邏輯是：城市之間開展科技創新合作的可能性提升（綜合性能力接近、結構性能力互補）→合作的總收益擴大、獲益比更均等→合作關系具有內生動機→區域協同發展的可持續性和穩定性提升。因此，作為長三角科技創新一體化最重要的兩個目標，科技創新驅動力增長和協同發展，合作的收益及分配體系是兩者相互促進的聯系紐帶和經濟基礎。表5顯示了在省內和省際尺度上總收益排名前三位的城市組合，以及在雙方合作中的各自收益和獲益比。

具體而言，中心城市之間的合作總收益最大，如上海與蘇州、南京和杭州合作一直是總收益最高的城市組合，并且獲益比也向1趨近，表明合作收益分配比較均等。這意味著中心城市之間的合作最有效益也相對穩定，是長三角科技創新一體化的基石或核心圈層。由于中心城市具有先發優勢，在科技創新領域有更加廣泛和深度合作的可能性，要素能級都較高使得合作也一般基于對等原則，因而更容易形成科技創新共同體。此外，其他城市之間的合作在總體上都表現出總收益擴大，但獲益比愈發不均等的趨勢，表明隨著城市科技創新驅動力的普遍提升，城市合作發揮了“1+1gt;2”的協同效應，但如前文所述，由于城市之間的差距不斷擴大，導致收益分配進一步向具有優勢的城市傾斜，這會影響弱勢一方繼續參與合作的積極性，在累計循環因果作用下，將會加劇區域發展的非均衡性，從而阻礙一體化進程。

需要注意的是，雖然弱勢一方的獲益比下降，但并不代表其合作獲益下降，從結果可以看出，合作雙方的收益通過路徑1都顯著提升，只是優勢一方在原有收益及占比更高的基礎上又進一步擴大了自身收益。例如，飛地合作已成為區域協同發展的重要模式，傳統產業飛地是經濟發達城市在后發城市的空間拓展，招商方在稅收分享比例上往往高于落地方。此外，創新飛地或稱反向飛地，飛出地是后發城市，飛入地是經濟發達城市，但與傳統飛地的差別是落地的不是勞動和資本密集型的工廠，而是知識密集型的研發中心，這種模式有助于后發城市利用經濟發達城市的高端人力資源，但也推動了具有優勢一方的科技創新資源要素再集聚過程，從而在一定程度上使得合作雙方的能級勢差進一步擴大。

從省內尺度看，在江蘇、浙江和安徽，總收益最大的城市組合分別是南京-蘇州、杭州-寧波、合肥-蕪湖，江蘇省內城市合作的平均總收益最高，浙江省內城市合作的獲益比最均等，而安徽在這兩方面都相對滯后；從省際尺度看，各省中心城市之間的合作總收益最大，除蘇、浙協同外，其他省際城市合作的平均獲益比明顯高于省內合作，跨區域協同一般更容易出現收益分配難的問題。在發展趨勢上，江蘇省內城市合作的平均總收益增長、獲益比下降，表明城市合作的效益提升且更加穩定；浙江省內城市合作的平均總收益和獲益比同時增長，安徽省內城市合作的平均總收益沒有明顯增長，但獲益比下降，表明兩省分別在發展的協同性和協調性上有所提升。

五、結論與啟示

本文通過系統、全面的指數測度，考察了2017—2021年長三角科技創新驅動力的時空格局，并運用能力結構模型探討了協同網絡及其收益分配體系，從而對一體化政策實施以來的發展成效展開評價。主要結論如下：

（1）長三角科技創新驅動力呈現以上海為首的雁陣型集聚格局，并存在階層固化問題。從科技創新驅動力結構看，原因主要在于長三角地區規劃范圍廣，城市之間的經濟發展水平差距大，經濟發達城市有能力支撐持續的高投入、高產出，績效表現也有明顯改善。此外，載體資源也進一步向少數中心城市集中布局。

（2）在整體經濟下行壓力較大背景下，長三角科技創新驅動力依然保持較快增長，尤其是在產出能力方面，在一定程度上體現了對區域經濟轉型升級的支撐作用。各城市科技創新驅動力基本都有穩定增長，其中部分邊緣城市的表現更加突出，但由于中心城市也具有平均水平的增速，區域發展依然存在顯著的非均衡性。

（3）長三角科技創新驅動力的整體提升，推動城市合作收益在不同程度上都有所擴大，但區域協同發展的穩定性和可持續性仍面臨不經濟的內生性風險。一方面，城市科技創新驅動力發展的結構同質化，使得城市之間的互補性并沒有提高，合作網絡和收益的可能性邊界都無法有效拓展；另一方面，由于區域發展的高度不協調、不均衡，城市合作普遍存在結構耦合與收益分配之間的矛盾沖突，從而降低了合作意愿。

基于此，本文對長三角科技創新一體化的未來發展有如下啟示：首先，“不均衡”的背后并非有巨大的協同空間，協同并不一定促進均衡，均衡反而是協同的前提保障，協同的首要目標是促進區域整體競爭力，而非縮小區域內部差距；其次，長三角科技創新需要上海、南京、杭州、合肥、蘇州等中心城市發揮組團式引領功能，城市群的核心圈層需要在競爭中加強合作，通過構建科技創新共同體，從而推進更大范圍、更高質量的一體化發展；第三，從大格局層面還是要強調城市的有效分工，遵循各城市在科技創新上的比較優勢，聚合力量拉長長板，通過優化利益分配機制，實現共建共享，推動區域性集群發展。

參考文獻：

[1]范斐，杜德斌，游小珺等.基于能力結構關系模型的區域協同創新研究[J].地理科學，2015，35（01）：66-74.

[2]方創琳，馬海濤，王振波等.中國創新型城市建設的綜合評估與空間格局分異[J].地理學報，2014，69（04）：459-473.

[3]洪銀興.長三角：在創新一體化中建設創新型區域[J].江蘇社會科學，2021（03）：39-48+242.

[4]黃亮，王振，范斐.基于突變級數模型的長江經濟帶50座城市科技創新能力測度與分析[J].統計與信息論壇，2017，32（4）：73-80.

[5]黃寧.能力結構與經濟合作的關系模型研究——以東亞經濟合作為例[J].當代經濟，2008（10）：108-110.

[6]李迎成，楊鈺華，馬海濤.鄰近視角下長三角城市多尺度創新網絡形成的微觀機制[J].地理學報，2023，78（08）：2074-2091.

[7]梁婉君，何平.京津冀區域協同創新監測系統研究——兼與長三角區域協同創新比較[J].統計研究，2022，39（03）：132-141.

[8]林蘭，王嘉煒，曹賢忠等.長三角地區科技創新能力與城鎮化水平耦合關系研究[J].長江流域資源與環境，2022，31（08）：1723-1735.

[9]王宏智，孫金俊.基于改進C-D生產函數模型的中國科技創新水平評價[J].統計與決策，2020，36（18）：73-76.

[10]王圣云，王振翰，姚行仁.中國區域創新能力測度與協同創新網絡結構分析[J].長江流域資源與環境，2021，30（10）：2311-2324.

[11]王振，盧曉菲.長三角城市群科技創新驅動力的空間分布與分層特征[J].上海經濟研究，2018（10）：71-81+93.

[12]王振.長三角地區經濟發展報告（2022-2023）[M].北京：社會科學文獻出版社，2023.

[13]王振.長三角區域要積極推進高層次協同開放[J].紅旗文稿，2023（23）：32-34.

[14]吳康敏，張虹鷗，葉玉瑤等.粵港澳大灣區協同創新的綜合測度與演化特征[J].地理科學進展，2022，41（09）：1662-1676.

[15]楊凡，杜德斌，段德忠等.長三角產學協同創新的空間模式演化[J].資源科學，2023，45（03）：668-682.

[16]楊凡，林曉，翟晨陽等.長江經濟帶科技創新驅動力及其系統內部耦合協調分析[J].科學管理研究，2021，39（02）：92-99.

[17]楊先明，李婭.基于能力結構的泛珠江區域合作[J].廣東社會科學，2005，（03）：38-44.

[18]楊先明，李婭.能力結構、資源稟賦與區域合作中的戰略選擇——云南案例分析[J].思想戰線，2008（06）：56-59.

[19]曾剛.長三角城市協同發展能力評價及其區域一體化深化路徑研究[J].華東師范大學學報（哲學社會科學版），2021，53（05）：226-236+242.

[20]張學良，吳勝男，許基蘭.基于企業聯系的長三角城市網絡結構演變研究[J].南通大學學報（社會科學版），2021，37（05）：33-42.

[21]趙建吉，閆明濤，張明昊等.黃河流域科技創新水平測度及區域科技創新中心提升路徑[J].人民黃河，2023，45（09）：58-64.

[收稿日期] 2024-02-18

[基金項目]本研究受國家自然科學基金項目（項目編號：42101181）、上海市哲學社會科學規劃青年課題（項目編號：2020EJL004，2020EJL018）、上海市浦江人才計劃資助（項目編號：2020PJC088）共同資助。

[作者簡介]楊凡，上海社會科學院信息研究所助理研究員，研究方向：科技創新與區域發展。王振，上海社會科學院研究員，研究方向：區域經濟。林曉，上海對外經貿大學會展與傳播學院講師，研究方向：區域創新、旅游管理。

Yang Fan1 Wang Zhen2 Lin Xiao3

（1. Institute of Information Science， Shanghai Academy of Social Sciences， Shanghai 200235; 2. Shanghai Academy of Social Sciences， Shanghai 200020; 3. School of Exhibition and Communication， Shanghai University of International Business and Economics， Shanghai 201620）

Assessment of Technological Innovation Driving Force and Collaborated Development in the Yangtze River Delta under the Context of Integration

Abstract： Enhancing the driving force of technological innovation and promoting the level of collaborated development is one of the strategic goals of the integration of the Yangtze River Delta. By constructing a multi-level evaluation system for technological innovation driving forces， the study systematically measured the technological innovation driving force index of 41 cities in the Yangtze River Delta in 2017 and 2021. Based on this， an assessment was conducted on the level of technological innovation driving force and collaborated development in the Yangtze River Delta since the implementation of the integration strategy. The research indicates that the driving force of technological innovation in the Yangtze River Delta shows a trend of spatial agglomeration and rapid growth， forming a pattern with Shanghai at the forefront. However， there still exist problems such as uneven development， hierarchical solidification， and structural homogeneity， leading to insufficient complementarity in urban cooperation. Moreover， there are widespread conflicts between structural coupling and profit distribution， resulting in unstable and unsustainable risks in the integration of technological innovation in the Yangtze River Delta. Therefore， in future development， emphasis should be placed on coordinating to drive synergy， promoting cities to leverage their respective strengths， extending the areas of excellence， and relying on central cities to build a community of technological innovation.

Key Words：Technological Innovation; Collaborated Development; Capability Structure; Urban Network; Yangtze River Delta