長江經濟帶城市技術創新效應測度及其二元化特征

摘 要：技術創新是城市創新驅動高質量發展的動力源。通過構建城市技術創新效率評價指標體系，運用DEA-BCC模型和Malmquist指數對長江經濟帶城市技術創新效率進行分析。測度結果表明：長江經濟帶城市技術創新效應呈現出一定的二元化特征。從靜態角度看，純技術創新效率、技術創新規模報酬、技術創新規模效率及技術創新綜合效率4項指標在中心城市和非中心城市間呈現二元化現象，中心城市的各項指標值高于非中心城市；從動態角度看，中心城市和非中心城市間的技術創新效率二元化趨勢明顯，基于Malmquist指數，觀察期內長江經濟帶城市全要素生產率（TFP）變化指數相鄰年份均大于1，長江經濟帶城市技術創新整體呈現穩中向好的態勢，但隨著時間推移，非中心城市的技術創新效率逐漸優于中心城市。為此，建議建立城市創新聯盟，形成長江經濟帶城市創新聯動協調機制；通過項目牽引，多措并舉建立多元一體化創新支撐體系；以點帶面，同頻共振實現長江經濟帶創新資源效應最大化。最后，長江經濟帶中心城市和非中心城市間應形成分工合理、良性互動、互利共贏的區域城市創新生態，從而助推長江經濟帶城市現代化建設發展。

關鍵詞：長江經濟帶城市；技術創新；創新二元化；DEA-Tobit模型；Malmquist指數法

中圖分類號：F424.1

文獻標識碼：A

DOI：10.3969/j.issn.1672-2272.202503019

英文標題

Measurement of Urban Technology Innovation Effect and its Dual Characteristics in the Yangtze River Economic Belt

Yu Long1， Hou Renyong1， Gan Yinju1， Li Shangyue2

（1. School of Management， Wuhan University of Technology， Wuhan 430070， China; 2. Hubei Guochuang Gaotou Industrial Investment Fund Management Co.， Ltd.， Wuhan 430200， China）

英文摘要Abstract： Technological innovation is the core of urban innovation-driven and high-quality development. By constructing the evaluation index system of urban technology innovation efficiency， this paper analyzes the technology innovation efficiency of cities in the Yangtze River Economic Belt by using DEA-BCC model and Malmquist index. The measurement results show that the urban technological innovation in the Yangtze River Economic Belt shows the characteristics of duality effect. From a static angle， Urban pure technology innovation efficiency， scale reward of technology innovation， efficiency of technology innovation scale efficiency and comprehensive efficiency of technology innovation show duality between central cities and non-central cities， The efficiency value of central cities is higher than that of non-central cities; From a dynamic perspective， The dual trend of technological innovation efficiency between central cities and non-central cities is obvious， Based on the Malmquist index， During the observation period， the change index of total factor productivity （TFP） in the Yangtze River Economic Belt was greater than 1 in adjacent years， Urban technological innovation in the Yangtze River Economic Belt shows a steady and positive trend， But over time， The efficiency of non-central cities will be better than that of central cities. To this end， it is suggested to establish urban innovation alliance to form the coordination mechanism of Yangtze River Economic Belt; establish diversified integrated innovation support system through the project traction. Finally， a regional urban innovation ecology between the central cities and non-central cities forms a reasonable division of labor， benign interaction and mutual benefit， boosting the urban modernization of the Yangtze River Economic Belt.

英文關鍵詞Key Words：Yangtze River Economic Belt City; Technology Innovation; Innovation Duality; DEA-Tobit Model; Malmquist Index Method

0 引言

區域創新驅動高質量發展已成為時代的主旋律。從城市群視角來看，一般地，中心城市是一個區域創新資源要素的聚集地，對周邊非中心城市具有虹吸和輻射帶動雙重影響，在區域發展的不同階段，這兩種影響的大小會出現一定的此消彼長。從總體上看，區域中心城市對創新資源的虹吸效應較強，例如上海作為長三角城市群中心城市、深圳作為珠三角城市群中心城市、武漢作為長江中游城市群中心城市，在區域城市群中發揮了創新驅動引擎的作用。

2021年，國家發改委發布的《“十四五”長江經濟帶發展實施方案》中對長江經濟帶未來的發展作出了詳盡的規劃，總體思路上明確提出要以創新驅動發展，通過區域中心城市之間、中心城市和非中心城市間、非中心城市間的協同，創新資源共享，力求區域整體協調發展。該方案為長江經濟帶未來創新發展指明了方向。目前，長江經濟帶中心城市創新資源高度集聚，整體創新能力較強，與非中心城市相比優勢明顯，創新資源和創新能力的二元化特征較為明顯。在城市群中，中心城市有著優越的區位、基礎和環境，對周邊創新資源尤其是非中心城市有限的創新資源有著強大的虹吸效應，中心城市創新型企業、創新人才聚集，科研教育及創新服務機構林立。創新資源要素呈現“堰塞湖”現象，創新資源要素過度聚集導致中心城市創新的邊際效應遞減，從長遠看，容易引發萊賓斯坦的“X-非效率”。而非中心城市因創新資源流失嚴重，創新發展活力越發減弱，容易形成發展路徑低端化鎖定，難以通過創新實現高質量發展。

基于此，本研究試圖通過構建城市技術創新效應評價指標體系，揭示長江經濟帶中心城市和非中心城市技術創新效應差異化特征，并重點從協同創新體制機制、一體化創新生態體系建設和協同創新路徑等方面提出意見建議，以期助推長江經濟帶城市一體化協同創新發展，豐富區域創新發展理論體系。

1 文獻綜述

20世紀末至21世紀初，關于我國城鄉二元化的研究較多，致力于探索解決我國區域發展不平衡中的城鄉差距問題。近20年來，隨著創新對區域發展的重要性凸顯，研究區域創新發展的成果增多，其中不乏關注并開展區域創新二元化特征的相關研究。具有代表性的研究成果主要有以下3個方面：①揭示區域創新發展二元化外在效應與表征的相關研究。如施可和易斌運［2］用熵權TOPSIS法和泰爾指數測算并揭示了湖南省各個區域創新能力的不平衡性；王怡穎和趙子萌［3］從要素錯配的視角，通過雙重差分法分析三大區域政策對緩解發展不平衡的作用機理，認為過度的要素錯配則會抑制全要素生產率的提高，加劇區域發展不平衡；程風雨［4］以高校科創水平為切入點探究省域科創水平的差異，發現高校科創水平空間差異顯著，不僅存在區域間的差異，區域內部差異也十分明顯；滿云冰和程躍［5］對長江經濟帶科技創新效率進行評價后發現上中下游科技創新效率呈現兩頭高中間低的現象，空間聚集性差異顯著；楊力和魏奇鋒［6］對我國四大城市群的研發效率進行了比較，發現城市群之間研發效率差異明顯；梁婉君和何平［7］則將京津冀地區協同創新和長三角地區進行比較，指出京津冀地區創新二元化表現為創新環境不均衡和創新資源不均衡；劉釩和鄧明亮［8］運用組合模型對長江經濟帶的科技創新效率進行測度，發現長江中下游省市科技創新效率的地區差異逐步擴大，二元化表征明顯；危懷安和平霰［9］以武漢城市圈為研究對象，通過測算其科技創新效率發現中心城市和非中心城市時空分異明顯，差距先縮小后擴大，二元化趨勢顯著；袁曉玲等［10］認為中國城市群發展質量呈現顯著的“中心——外圍”分布格局，空間差異與群間差異明顯，創新驅動差異是主要表征之一；徐潔和李林［11］從“東西”“南北”雙重視角分析區域創新差異，指出“南北”差異的二元化趨勢由區域內差異主導，“東西”差異是區域間差異的主要表征。②關于區域創新發展二元化的測度與量化研究。如丁義等［12］對大灣區與廣西地區科技資源配置效率進行了測度。王海花等［13］運用三階段網絡DEA模型測算長三角地區技術創新、技術轉化和價值創造3個方面的創新效率，并進行了比較分析；劉湘云和周铚翔［14］通過技術創新效率測度，揭示了大灣區技術創新效率的結構特征；章文光和李偉［15］以我國53個國家創新型試點城市為樣本，進行技術創新綜合效率測度及其原因剖析；吳宏超和馬聰穎［16］、閆實和張鵬［17］、吳傳清等［18］分別運用不同方法模型針對不同的區域對象進行差異性分析，普遍認為區域技術創新效益和效率存在明顯差異；王鵬等［19］運用非期望超效率SBM模型測算了珠三角地區科技創新效率，并探索其時空異質性；范建平等［20］通過改進三階段EBM-Window模型評估了中國30個省市的科技創新效率，并測算引起創新效率變動的影響因素大小；李向榮等［21］基于PCA-SE-DEA組合模型測算了長江經濟帶11個省市的科技創新效率，研究發現長江邊緣省市地區差異明顯并呈擴大趨勢；蘭海霞和趙雪雁［22］將DEA、變異系數、泰戈爾指數等量化方法運用到區域創新效率的測度之中，發現中國區域創新效率存在明顯的區域差異，但這種差異趨于收斂；盛彥文等［23］以五大城市群為研究對象，引入隨機前沿生產函數對創新效率進行測度，并運用空間杜賓模型分析其空間溢出效應；楊騫等［24］將全局超效率EBM模型和泰戈爾指數相結合研究區域創新效率及其效率的區域差異，發現區域內差異是區域總體差異的主要來源。③揭示區域創新發展二元化動因的相關研究。主要有吳鋮鋮等［25］、賴一飛等［26］、柳瑞禹等［27］的研究，認為“工業化、金融科技、企業規模及盈利能力、外資和人力資源水平等”對區域技術創新效率具有顯著的正向作用，“政府資金支持、融資約束、資產負債率等”與區域技術創新效率顯著負相關；陳銀娥等［28］對我國省域科技創新效率的影響因素進行了分析，認為財政金融、基礎設施、經濟發展和教育是造成區域創新效率差異的主要原因，并根據這四個因素進一步分析其空間異質性；彭曉靜［29］通過Tobit模型分析發現京津冀地區政府支持，外商投資水平與城市創新水平正相關；羅穎等［30］比較分析了長江經濟帶上中下游省市的創新效率，認為企業Ramp;D經費占主營業務收入是影響區域創新效率最顯著的環境變量；肖松和鄒小偉［31］通過測算我國五大城市群縣域科技創新效率發現區域間創新效率差距較大，進一步分析指出高新技術產業發展、創新投入和人力資源等是阻礙縣域科技創新效率提升的重要因素；王家明和余志林［32］分析沿黃地區中心城市高質量發展影響因素，指出財政、技術、人均實際生產總值、人均可支配收入是影響中心城市發展效率的重要因素；王利軍等［33］基于價值鏈視角分析技術創新效率，認為工業化水平、城市化水平、政府支持力度、人力資源水平等對區域技術創新效率有不同的影響。

綜上所述，現有相關研究豐富，但主要以全國、區域板塊或地理分區為研究對象，以區域內部中心城市和非中心城市的創新發展為研究對象的較少，系統性研究成果不多。同時，現有研究聚焦珠三角城市群、京津冀城市群、粵港澳大灣區城市群、長三角城市群較多，對長江經濟帶的關注度相對較少。因此，本文以長江經濟帶中心城市和非中心城市為研究對象，試圖運用DEA-BCC模型和Malmquist指數對2018—2022年長江經濟帶中心城市與非中心城市技術創新效率進行靜態評價與動態分析，探究長江經濟帶城市技術創新效應，揭示其發展的二元化特征，并提出建設性意見和建議，以期助推長江經濟帶城市高質量發展。

2 區域城市技術創新二元化的概念

區域城市技術創新二元化指的是區域內中心城市和非中心城市之間在技術創新資源稟賦、技術創新能力、創新發展環境文化等方面呈現的顯著差異，形成中心城市技術創新資源聚集、技術創新能力強、創新人才多、創新環境好以及非中心城市技術創新資源短缺、技術創新能力薄弱、創新人才稀少、創新環境不優并存的二元結構。研究者認為這一現象具有必然性，是區域創新發展的必經階段。區域城市技術創新二元化結構的形成主要由資源分配不均、政策傾斜、基礎設施差異及區位優勢不同等因素導致。根據創新發展生命周期理論，在區域創新發展早中期，受區域中心城市虹吸效應影響，中心城市的創新型企業、技術創新人才、創新組織機構及中介服務機構等高度集聚；而非中心城市創新型企業少并趨于遷出，技術創新人才少并日漸流出，創新組織機構及中介服務機構少且創新服務能力較低，區域城市技術創新二元化結構趨于強化。在區域創新發展趨于成熟及后期階段，由于創新資源要素過于集聚于中心城市，受人才競爭、城市交通擁堵、高昂的住宅及生活成本、產業吸納就業能力等因素影響，中心城市技術創新資源呈現“堰塞湖”現象，創新資源要素過度聚集導致資源要素內耗，中心城市創新邊際效應呈現遞減態勢，即從長遠發展角度看，區域中心城市技術創新出現“X-非效率”，不利于區域中心城市創新發展。鄭江淮［1］對我國區域創新發展的二元格局在地理空間上的表現進行了闡述，認為主要體現在國內極少數地區占據了全國大量的技術產出和研發人員份額，技術和資源聚集效應明顯，頭部地區組成的創新群組與其他地區存在顯著的技術密度差異。總的來看，區域城市技術創新二元化是城市之間的分化發展和差距不斷拉大的表現，在地理上一般表現為少數中心城市掌握著區域多數技術創新資源，并滲透到經濟、政治、文化、生態等多個方面。主要表現為：①創新資源與能力分化。中心城市集聚高端人才、科研機構與資金，主導前沿技術研發，如北京、上海、深圳等一線城市；非中心城市缺乏創新資源，技術依賴外部引進，常見于中西部及中小城市。②創新政策與制度落差大。中心城市享有更多試點政策，如自貿區、創新示范區的設立與試點等，制度靈活性更強。非中心城市政策支持不足，行政壁壘限制創新活力。③信息化數字化基礎設施差距大。中心城市快速推進數字化，5G、物聯網等基礎設施完善；非中心城市信息化水平低，數據資源利用能力弱。未來較長時期內，區域城市技術創新二元化結構依然存在并在某些區域強化。要實現中國式現代化建設目標，區域創新驅動尤其是城市協同發展至關重要，直接影響發展全局，需通過制度創新與戰略統籌推動區域均衡發展。

3 長江經濟帶城市技術創新效率測度

3.1 測度方法

國內外關于區域技術創新效益、效率評價的方法很多，主要有數據包絡分析法（DEA）和隨機前沿生產函數法（SFA），及DEA的衍生：數據包絡模型（CCR-DEA）、Banker-Charnes-Cooper模型（BCC-DEA）、交叉效率DEA模型等。借鑒已有成果，本文采用非參數BCC-DEA模型，評價分析長江經濟帶中心城市與非中心城市技術創新效益和效率，量化分析長江經濟帶城市技術創新效應，揭示其技術創新的二元化效應表征。

假設有n個決策單元（j=1，2，3，...，n），各項決策單元均有m項投入（i=1，2，3，...，m）和s項產出（r=1，2，3，...，s），若xij為第j決策單元的第i項投入，yrj為第j決策單元的第r項產出，則決策單元j（DMU）的投入向量為Xj=（x1j，×2j，x3j.….xmj）.產出向量為Y=（y1j，y2j，y3j，…，ymj），評價決策單元（DMU）有效性的DEA-BCC模型如公式（1）、公式（2）。

Max（∑Sr=1uryr0+μ0）∑mi=1vixi0s.t.∑sr=1uryrj+μ0－∑mi=1vixij≤0，j=1，…，m（1）

其對偶形式為：

Min［θ-∈（∑sr=1s+r-∑mi=1s-i）］s.t.∑nj=1λjxij+s-i=θxi0i=1，...，ms.t.∑nj=1λjyrj-s-r=yr0i=1，...，m∑nj=1λj=1λj，s-i，s+r≥0（2）

通過DEA-BCC測算結果，構造Malmquist指數模型，揭示不同時期長江經濟帶城市技術創新效率狀態。在規模報酬不變條件下，全要素生產率變化（TFPCH）分為技術效率變化（EFFCH）和技術進步（TECH）。如下：

M（xt，yt，xt+1，yt+1）=Dt+1（xt+1，yt+1）Dt（xt，yt）×

［Dt（xt+1，yt+1）Dt+1（xt+1，yt+1）×Dt（xt，yt）Dt+1（xt，yt）］1/2=EFFCH×TECH （3）

式中，Dt與Dt+1分別代表參照t期和t + 1期的技術水平決策單元的相應的投入產出相對效率。當M大于1時，則從t期到t + 1期全要素生產率呈增長態勢；當M等于1時，則表示呈停滯狀態，當小于1時，則表示呈下降態勢。由于技術效率（EFF）等于純技術效率（PE）與規模效率（SE）之乘積，所以全要素生產變動又可進一步分解為下式：

M（xt，yt，xt+1，yt+1）=TFPCH=EFFCH×TECH=PECH×SECH×TECH（4）

技術效率變化（EFFCH）測定了從第t期到第t+1期每一決策單元對生產可能性邊界的追趕速度，為“追趕效應”。技術進步（TECH）是t和t+1時期生產前沿面的移動，若TECH大于1，則生產前沿面向前移動，發生了技術進步，為“增長效應”。

3.2 測度過程

3.2.1 指標選取

借鑒現有研究成果，考慮到數據的可獲得性，選取“R＆D經費內部支出、R＆D人員全時當量”反映城市技術創新投入，選取“發明專利授權量、技術市場成交額”反映城市技術創新產出。運用DEAP 2.1軟件，測算長江經濟帶城市技術創新效率及變動。指標選取詳見表1。

3.2.2 數據來源

本文選取長江經濟帶上中下游主要城市，包括上海、武漢、南京、重慶等20個分布于長江經濟帶上中下游的中心城市與非中心城市的數據，所選指標原始數據來自2018-2022年長江經濟帶各省市州統計年鑒、2018-2022年長江經濟帶各省市州科技統計年鑒、長江經濟帶各市州統計局、科技廳文件等。

4 測度結果及分析

4.1 基于DEA-BCC模型的技術創新效率靜態分析

4.1.1 長江經濟帶城市技術創新的純技術效率

從表2和圖1可知，在長江經濟帶的城市中，武漢、恩施州、上海、南京的技術創新純技術效率位居前列。表明這些城市的技術創新和管理創新水平不斷提升，創新資源的投入產出配置日趨優化；尤其是作為國家級中心城市的上海和武漢，一直以來都重視科技在經濟發展中的作用，憑借雄厚的經濟實力不斷加大研發投入，吸引各地人才集聚，大力發展高新技術產業。因此，其技術水平和管理水平領先，創新資源配置優越。相反，長江中游的非中心城市如隨州和黃岡，其技術創新純技術效率較低。隨州的純技術效率一直處于較低水平，而黃岡的技術創新純技術效率甚至在觀察期內逐步下降，從長江經濟帶排名前列跌至倒數，表明黃岡的高新技術產業未能發揮戰略導向作用，其技術創新投入與資源配置不夠合理，管理水平不高，導致純技術效率徘徊在低位。從中心城市和非中心城市的比較來看，中心城市的技術創新純技術效率整體上高于非中心城市。

中心城市可以進一步劃分為國家中心城市和區域中心城市，其中國家中心城市的技術創新純技術效率總體表現優于區域中心城市。在觀察的5個國家中心城市中，武漢和上海的技術創新純技術效率在長江經濟帶內始終處于領先地位；而區域中心城市如宜昌和襄陽則未能充分發揮增長極的輻射效應，不僅未顯著提升本區域非中心城市的技術創新純技術效率，還導致區域內技術創新純技術效率呈現下降趨勢，但仍處于上半區。總體而言，在武漢和上海的帶動下，國家中心城市的技術創新純技術效率優于區域中心城市和非中心城市。另一方面，觀察期內，上海、杭州、武漢、南京等國家中心城市和區域中心城市的技術創新純技術效率達到了有效水平，而非中心城市的總體純技術效率在觀察期內先上升后回落，尚未達到有效水平。然而，非中心城市如恩施和咸寧在稀缺的創新資源條件下實現了較高的創新產出，這表明其在創新資源投入較少的初始階段，技術創新的邊際收益處于遞增階段，少量的技術創新投入便能夠產生相對較高的產出，導致其純技術效率較高。總體來看，隨著時間推移，長江經濟帶城市技術創新純技術效率在觀察期內先上升后下降，中心城市和非中心城市間的差距進一步拉大，二元化特征凸顯。

4.1.2 長江經濟帶城市技術創新的規模報酬狀態和規模效率

由表3可知，從規模報酬的狀態來看，在觀察期內，中心城市中只有南京保持規模報酬不變的良好狀態。武漢、上海等國家中心城市，以及杭州、南京等區域中心城市，呈現出規模報酬遞減的趨勢。這表明，這些城市的技術創新投入冗余，進一步使技術創新資源的邊際產出效率趨于下降，因此未來的技術創新工作應側重于優化創新資源的投入結構。相反，位于長江經濟帶上游的中心城市，如重慶、瀘州、南充，顯示出規模報酬遞增的趨勢，說明這些城市的技術創新正處于高速增長的成長期，技術創新投入尚未達到飽和狀態。由于這些地區的中心城市仍處于規模報酬遞增階段，政策上應給予更多關注和支持，以促進其技術創新。在非中心城市中，恩施州同樣表現出規模報酬遞增的特征，這反映出該地區的技術創新投入仍存在不足，且有很大的增長潛力。為獲得規模報酬遞增的優勢，需要進一步加大對科技事業和高新技術產業的投入，重視技術創新的資源配置。需要注意的是，盡管大多數非中心城市表現出規模報酬遞減的狀態，但與武漢、上海等中心城市相比，非中心城市的規模報酬遞減主要是由于技術創新資源要素配置低端、創新成果產業化吸納能力弱等因素所致。因此，非中心城市在技術創新工作中應重點增加創新資源要素投入，同時優化資源配置，以有效扭轉技術創新規模報酬遞減的趨勢。

從表4和圖2可以看出，與純技術效率相比，觀察期內達到有效規模效率的市州數量明顯減少。盡管政府積極推動規模效率的改善，但創新要素的投入規模仍然存在不足或不合理配置的問題，導致資源利用效率未能達到最佳狀態。總體而言，長江經濟帶區域中心城市的技術創新規模效率表現優于國家中心城市和非中心城市。從趨勢來看，長江經濟帶的整體技術創新規模效率自2020年起開始下降。期間，中心城市的技術創新規模效率波動相對較小，而非中心城市的技術創新規模效率則在觀察期的最后一期出現了顯著下滑。特別是十堰、荊州、咸寧等多個非中心城市的技術創新規模效率降至觀察期內的最低點，跌幅超過中心城市。這表明，在這一時期，非中心城市的創新資源配置效率較低，導致其技術創新表現落后于中心城市，進一步拉大了兩者之間的差距，中心城市和非中心城市間的技術創新效率和規模效率二元化特征明顯。

4.1.3 長江經濟帶城市技術創新的綜合效率

由表5和圖3可知，長江經濟帶城市技術創新綜合技術效率呈現波動性下降趨勢。就城市個體而言，除南京外，其他城市的技術創新綜合效率在觀察期內與最優DEA有效狀態存在較大差距，顯示出南京在技術創新能力上的極化效應愈發明顯。南京的技術創新能力不斷增強，其綜合效率在觀察期內始終保持在有效水平。同時，中心城市和非中心城市的技術創新綜合效率表現出顯著分化。具體而言，區域中心城市的技術創新綜合效率整體上高于國家中心城市和非中心城市。而非中心城市的技術創新綜合效率在觀察期前期高于國家中心城市，但從2021年起，非中心城市的技術創新綜合效率開始下滑，并在2022年跌至最低水平。盡管前期非中心城市的技術創新綜合效率較國家中心城市高，但隨著兩者差距逐漸縮小，國家中心城市在2021年實現了反超。結合純技術效率與規模效率來看，中心城市雖然具有較高的純技術效率，但未能充分發揮技術創新資源的潛力，未能明確高效利用創新資源的方向，導致大量人力和財力資源閑置，從而導致規模效率較低。另一方面，非中心城市盡管在早期階段規模效率較高，與中心城市的技術創新綜合效率差距不大，但由于缺乏先進的技術產業，導致其純技術效率較低，進而引發技術創新綜合效率的大幅波動，最終跌至最低點，與國家中心城市和區域中心城市的差距進一步擴大，突顯出技術創新二元化特征。

基于DEA-BCC模型技術創新效率靜態分析，長江經濟帶中心城市和非中心城市在技術創新的純技術效率、規模效率以及綜合效率都呈現著不同的發展態勢，但在同一觀察維度，中心城市都高于非中心城市的數值，呈現出一定的二元化趨勢。

4.2 基于Malmquist指數的技術創新效率動態分析

4.2.1 區域技術創新效率變動趨勢

由表6可知，長江經濟帶城市全要素生產率（TFP）變化指數相鄰年份均大于1，表明2018-2022年，長江經濟帶城市技術創新整體呈現穩中向好的態勢。通過公式“TFPCH=EFFCH×TECH”對全要素生產率變化指數進行分解，可以發現，技術效率變動指數（EFFCH）從2020年開始均小于1，表明長江經濟帶城市的技術創新效率在此期間呈下降趨勢，缺乏一定的追趕效應。然而，觀察期內技術進步指數（TECHCH）始終大于1，說明長江經濟帶城市在技術進步方面持續提升，外生技術進步能力不斷增強。由此可見，長江經濟帶城市技術創新的發展主要依賴于技術進步的增長。進一步通過公式“TFPCH = EFFCH × TECH = PECH × SECH × TECH”對技術效率變動指數（EFFCH）進行分解，可以看到，觀察期內純技術效率（PECH）指數接近1，表明長江經濟帶城市的純技術效率較為穩定，技術創新的資源配置管理水平也相對穩定。然而，規模效率變化指數（SECH）表現不佳，除2018-2019年外，觀察期內規模效率變化指數均小于1，且波動較大，表明技術創新資源配置較為合理，但規模效率低下仍未得到根本改善，創新資源配置效率沒有顯著提升。總體上，長江經濟帶城市技術創新得益于綜合技術效率的改善，主要源自技術進步提升。然而，進步幅度尚不夠顯著，技術創新管理水平仍有待進一步提高。

4.2.2 各市州技術創新效率的變動趨勢

由表7知，2018-2022年，長江經濟帶各市、州的全要素生產率（TFP）變化指數大多大于1，這表明在觀察期內，大多數市、州的全要素生產率有所改善。然而，這種改善主要來源于技術進步的提升，而非創新資源的有效配置。在之前對技術創新綜合效率的分析中提到，觀察期內大多數城市的技術創新綜合效率呈現下降趨勢，部分城市甚至出現較大的波動。這進一步表明，創新資源的配置效率仍存在顯著問題。盡管大多數市、州的全要素生產率顯示出上升趨勢，但這在很大程度上是由于技術進步掩蓋了創新資源配置效率的低下。從中心城市和非中心城市的對比來看，非中心城市在技術進步方面優于中心城市，這表明由于非中心城市的技術創新基礎較為薄弱，其提升空間較大，因此技術進步速度較快。另一方面，中心城市在技術效率和規模效率顯著領先于非中心城市，這說明中心城市在創新資源配置和規模效應方面表現較好，處于較高水平，但其進一步提升的空間相對有限。

通過上述基于Malmquist指數的技術創新效率動態分析得知，將全要素生產率進行拆解后，不難看出在觀察期內，長江經濟帶的技術創新生產率在不斷向好，這種向好的趨勢是20個市州的合力，但中心城市和非中心城市增長的動力源卻有所不同，非中心城市的增長源于本身技術創新水平的提高，體現在幅度更大的技術進步，而中心城市的增長則源于資源配置效率的改善，體現在更高的技術創新效率。總體上，長江經濟帶城市技術創新效應逐步呈現出二元化特征。

5 結論與建議

5.1 主要結論

中心城市技術創新純技術效率優于非中心城市。觀察期內，上海、杭州、武漢、南京等中心城市的技術創新純技術效率達到了有效水平，而非中心城市總體純技術效率在觀察期內先上升后回落，尚未達到有效水平。隨著時間推移，長江經濟帶城市技術創新純技術效率在觀察期內先上升后下降，中心城市和非中心城市間的差距進一步拉大，二元化特征凸顯。

長江經濟帶區域中心城市技術創新規模效率優于非中心城市。從趨勢來看，長江經濟帶的整體規模效率自2020年起開始下降。期間，中心城市的規模效率波動相對較小，而非中心城市的規模效率則在觀察期的最后一期出現了顯著下滑。特別是十堰、荊州、咸寧等多個非中心城市的規模效率降至觀察期內的最低點，跌幅超過中心城市，中心城市和非中心城市間技術創新規模效率二元化特征明顯。

長江經濟帶城市技術創新的綜合效率呈現波動性變化。非中心城市在早期階段規模效率較高，與中心城市的技術創新綜合效率差距不大，但由于缺乏先進技術支撐的新興產業，總體其純技術效率較低，技術創新綜合效率的大幅波動，隨著時間推移，與國家中心城市和區域中心城市的差距進一步擴大，突顯出技術創新二元化特征。

長江經濟帶城市技術創新整體呈現穩中向好的態勢。基于Malmquist指數，長江經濟帶城市全要素生產率（TFP）變化指數相鄰年份均大于1，表明2018-2022年，長江經濟帶城市技術創新整體呈現穩中向好的態勢，但技術效率變動指數（EFFCH）從2020年開始均小于1，表明長江經濟帶城市的技術創新效率在此期間呈下降趨勢。2018年至2022年間，長江經濟帶各市、州的全要素生產率（TFP）變化指數大多大于1，而且，大多數市、州的全要素生產率在未來呈現出上升趨勢。從中心城市和非中心城市的對比來看，隨著時間推移，非中心城市在技術創新效率將優于中心城市。

5.2 政策建議

無論是中心城市還是非中心城市，政府作為政策制定者和環境營造者，都仍需通過“看得見的手”和“看不見的手”調動全域創新資源，激發全員創新活力，尤其是增強企業主體和社會自主創新能力。

建立城市創新聯盟，形成長江經濟帶城市創新聯動協調機制。構建以上海、杭州、武漢、重慶等國家中心城市為核心引領，以南京、合肥、江西、長沙等為區域中心城市及襄陽、宜昌、南充、瀘州等三級中心城市為關鍵節點，連接各中小城市，形成全域城市創新資源的科學合理分工配置，形成創新資源的高效有序流動的總體格局，促進創新資源的共用、創新成果的共享。定期舉辦城市創新發展論壇，共商創新發展大計，共謀創新發展重點，形成各具特色又協同有序的城市創新生態體系，致力實現長江經濟帶城市高質量發展，在中國式現代化發展中走在前列。

項目牽引，多措并舉建立多元一體化創新支撐體系。立足長江大保護使命，面向長江經濟帶現代化建設戰略需要，科學遴選一批基礎性、共性、前瞻性項目，通過揭榜掛帥和定向委托相結合的方式，最大限度利用和發揮區域內外的創新資源，激勵激發高端創新人才和各組織機構的創新活力。鑒于非中心城市的創新條件，以中心城市為主體，非中心城市協同，通過建立跨界跨領域多主體參與的多層級創新基金、創新鏈式稅收優惠政策體系等方式，加大創新投入，降低區域內企業主體的創新行為風險和創新成本，強化吸引力并激發區域內創新主體的的創新熱情，帶動社會資本的參與，達成全域全員全時全過程創新生態格局。在這一過程中，各級政府要致力于創新平臺等公共設施建設，著力完善公共配套服務體系，著力促進高校、研究機構與企業之間的合作，形成有效的知識轉移和技術轉化機制，推動區域間的合作和交流，共享資源和信息，為企業提供一個更自由、更開放的創新環境；加強知識產權保護，保護好企業創新成果，提高侵權成本，讓企業研發和創新沒有后顧之憂，提升整個區域的創新能力和競爭力。

以點帶面，同頻共振實現創新資源效應最大化。發揮國家級中心城市的帶動引領作用，中心城市要結合長江經濟帶發展戰略定位，集中力量突破技術創新難點、重點，將創新資源集中在最有潛力和最需要的關鍵共性技術創新方向和領域，中心城市率先實現突破創新，后然后通過聯盟、結對幫扶、適當地傾斜等措施，促進技術創新的全域擴散，向非中心城市延伸并擴大技術創新效應，以點帶面，實現全域技術創新的協同增效。打破城市間協同的阻礙，建立暢通的知識、技術、資金、人才、信息流通網絡，降低創新資源要素和成果效應流動的阻尼，充分釋放中心城市的創新勢能，有計劃有步驟地改善非中心城市的創新條件與環境，引導創新資源從中心城市向非中心城市的有序流動，既拉長中心城市創新成果的效應周期，提升創新效益和效率，又帶動非中心城市的創新能力提升，改善非中心城市的創新條件和環境，中心城市和非中心城市間形成協同發力、良性互動、互利共贏的區域城市創新生態。

參考文獻參考文獻：

［1］ 鄭江淮. 區域技術互補、科創共同體與創新發展的二元格局［J］. 探索與爭鳴， 2024（3）： 27-30，177.

［2］ 施可，易斌.湖南省科技創新區域不平衡研究［J］.科技廣場，2023（4）：83-96.

［3］ 王怡穎， 趙子萌. 區域政策對經濟發展不平衡影響的實證檢驗［J］. 統計與決策， 2022， 38 （10）： 151-156.

［4］ 程風雨.中國區域科技創新發展的非均衡性——基于省域高校的實證研究［J］.技術經濟與管理研究，2024（8）：146-152.

［5］ 滿云冰，程躍.長江經濟帶科技創新效率評價及均衡發展研究——基于超效率SBM模型與Dagum基尼系數［J］.科技創業月刊，2023，36（8）：1-10.

［6］ 楊力，魏奇鋒.基于超效率DEA與Malmquist指數的區域研發效率評價——四大國家級城市群比較研究［J］.科技進步與對策，2022，39（10）：41-51.

［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 （3）： 132-141.

［8］ 劉釩，鄧明亮.基于改進超效率DEA模型的長江經濟帶科技創新效率研究［J］.科技進步與對策，2017，34（23）：48-53.

［9］ 危懷安， 平霰. 區域協同視角下城市群科技創新與經濟產出效率時空分異研究——以武漢城市圈為例［J］. 科技進步與對策， 2019， 36 （11）： 40-45.

［10］ 袁曉玲，王書蓓，黃濤.中國城市群發展質量的差異測度、來源分解與形成機理［J］.經濟問題探索，2024（2）：142-159.

［11］ 徐潔，李琳.中國城市突破性創新區域差距、動態演進及收斂性研究——基于東西差距和南北差距的視角［J］.經濟問題探索，2023（8）：68-85.

［12］ 丁益，陳雨馨，景悅竹，等.產業承接視角下區域科技資源配置效率研究——以大灣區與廣西為例［J］.中國商論，2023（19）：143-146.

［13］ 王海花，王瑩，李雅潔，等.長三角區域高技術產業科技創新效率評價研究——基于共享投入的三階段網絡DEA模型［J］.華東經濟管理，2022，36（8）：26-33.

［14］ 劉湘云，周铚翔.粵港澳大灣區技術創新效率評價研究―—基于面板SFA隨機前沿模型實證［J］.科技管理研究，2020，40（7）：67-74.

［15］ 章文光，李偉.創新型城市創新效率評價與投入冗余分析［J］.科技進步與對策2017，34（6）：122-126.

［16］ 吳宏超，馬聰穎.“一帶一路”沿線省份高校科技創新效率及影響因素——基于DEA-Malmquist-Tobit模型的研究［J］.重慶高教研究，2020，8（6）：34-47.

［17］ 閆實，張鵬.中國沿海省域海洋科技創新效率空間格局及空間效應研究［J］.山東大學學報（哲學社會科學版），2019（6）：143-150.

［18］ 吳傳清，黃磊，文傳浩.長江經濟帶技術創新效率及其影響因素研究［J］.中國軟科學，2017（5）：160-170.

［19］ 王鵬，鐘譽華，顏悅.科技創新效率與區域經濟韌性交互分析——基于珠三角地區的實證［J］.科技進步與對策，2022，39（8）：48-58.

［20］ 范建平， 連嘉琪， 吳美琴. 中國區域科技創新效率研究——基于三階段EBM-Windows模型［J］. 中國科技論壇， 2019 （11）： 113-122.

［21］ 李向榮，朱少英，劉東陽.長江經濟帶科技創新效率和科技創新支撐下的經濟發展效率測度分析［J］.重慶大學學報（社會科學版），2021，27（1）：65-76.

［22］ 蘭海霞， 趙雪雁. 中國區域創新效率的時空演變及創新環境影響因素［J］. 經濟地理， 2020， 40 （2）： 97-107.

［23］ 盛彥文，駱華松，宋金平，等.中國東部沿海五大城市群創新效率、影響因素及空間溢出效應［J］.地理研究，2020，39（2）：257-271.

［24］ 楊騫， 劉鑫鵬， 孫淑惠. 中國科技創新效率的區域差異及其成因識別——基于重大國家區域發展戰略［J］. 科學學研究， 2022， 40 （5）： 927-937，949.

［25］ 吳鋮鋮， 譚慶， 項桂娥. 長三角區域高技術產業技術創新效率評價與影響因素研究［J］. 黑龍江工業學院學報（綜合版）， 2023， 23 （8）： 58-65.

［26］ 賴一飛，謝潘佳，葉麗婷，等.我國區域科技創新效率測評及影響因素研究——基于超效率SBM-Malmquist-Tobit模型［J］.科技進步與對策，2021，38（13）：37-45.

［27］ 柳瑞禹，何志明，范如國.中部六省科技創新效率與影響因素研究［J］.資源開發與市場，2016，32（3）：277-283.

［28］ 陳銀娥， 李鑫， 李汶. 中國省域科技創新效率的影響因素及時空異質性分析［J］. 中國軟科學， 2021（4）： 137-149.

［29］ 彭曉靜. 京津冀城市群創新效率及影響因素研究［J］. 技術經濟與管理研究， 2021（2）： 118-122.

［30］ 羅穎，羅傳建，彭甲超.基于三階段DEA的長江經濟帶創新效率測算及其時空分異特征［J］.管理學報，2019，16（9）：1385-1393.

［31］ 肖松，鄒小偉，張永薇，等.我國五大城市群縣域科技創新效率空間分異與障礙因子分析［J］.科技進步與對策，2024，41（12）：35-46.

［32］ 王家明，余志林.沿黃地區中心城市及城市群高質量發展的測度及影響因素［J］.中國人口·資源與環境，2021，31（10）：47-58.

［33］ 王利軍， 王婭. 長江經濟帶科技創新效率測度及其影響因素分析——基于創新價值鏈視角［J］. 科技與經濟， 2023， 36 （3）： 31-35.

責任編輯（責任編輯：宋勇剛）