中国城市创新产出空间格局及影响因素.docxVIP

? ? 中国城市创新产出空间格局及影响因素 ? ? 　　F061.5 ：A 1002-0241(2017)10-0012-14 　　0 引言 　　2016年8月8日，国务院正式印发《“十三五”国家科技创新规划》，标志着十三五时期实现我国创新型国家建设战略目标已进入了攻坚阶段。城市作为区域经济社会发展的中心是国家经济产出最重要的基地，也是各类创新要素和资源的集聚地。城市创新的发展成为了创新型国家建设在具体领域和地区的深化，是建设国家创新体系的基础和重要支撑，是推动国家创新驱动发展“三步走”战略目标重要引擎。城市是国家的创新中心，大多数新专利与新发明都是从城市产生[1]，城市利用集聚经济效应降低了创新成本，提高了创新效率并驱动城市经济持续增长与繁荣[2]。Griliches提出的知识产出模型认为知识与技术进步可以提高创新产出[3]。Glaeser等，Henderson等均证明了知识生产要素具有特殊属性，地理空间的邻近性影响知识溢出，并扩大了城市创新的空间差异，进而影响创新产出的分布格局[4-5]。自Krugman将地理空间因素纳入生产函数中以来[6]，相继的研究也开始证明一个地区的经济增长不仅依赖于当地的创新活动，同时也依赖于通过知识空间溢出来获得其他地区技术成果的能力。 　　一个城市的创新产出不仅受城市科技投入、经济、政治、文化、交通等因素的影响，也受到城市空间相互作用所产生的知识溢出效应的作用，进而影响城市创新的空间分布，带来更大范围的经济格局的改变[7]。知识的存量、经济发展、集聚经济等对创新产出具有重要影响，同时新经济地理学理论证明，知识创新存在明显的空间溢出效应，不仅提高了城市创新的产出而且加速了城市创新之间的相互作用，影响着城市创新产出的空间分布格局。 　　城市创新产出的空间格局是创新活动在城市地域空间的投影，也是未来经济增长趋势的空间表现。首先探析中国城市创新产出空间格局演化特征，探讨主要因素及其空间知识溢出效应对中国城市创新产出与空间分布格局的影响，以期更深入地把握中国城市创新发展规律，提高创新效率，促进城市间的协同创新，实现建设创新型国家战略的目标。 　　1 中国城市创新产出空间特征与演化 　　1.1 数据来源 　　研究数据选择2006-2014年285个城市的发明专利申请受理数作为衡量每个城市的创新产出水平的指标，格里利兹(Griliches)认为专利数据在很长时间内都被作为创新与技术变革的重要技术来源，虽然专利数据不能全面反映每个城市的创新能力与创新质量[8]，但是可以提供地区发明与创新的信息，且专利申请受理量受授权机构审查约束较小，比专利授权更具有时效性并较容易获得，采用专利申请量作为创新的代理指标与创新产出指标也频繁出现在相关文献中[9-10]。同时弗里德曼和佛罗里达(Feldman and Florida)验证了专利指标与创新之间存在高度的相关性(r=0.934)[11]。专利属于私人(显性知识)，发明专利可以提供一些关于创新的地理信息，专利的空间分布可以提供关于区域创新程度的有价值的信息[12]。根据国家知识产权局对专利的定义，将专利分为发明专利，实用新型专利与外观设计三种类型。在三种专利类型中，发明专利更能反映一个区域长期的科技创新基础与创新水平，本文采用各城市发明专利申请受理量作为城市创新产出的指标来分析中国城市创新的时空分布特征。由于目前尚无完整研究时段内所有地级市的专利数据统计资料，本文所用的2006-2014年城市发明专利数据均来源于中华人民共和国国家知识产权局(SIPO)专利检索系统①，检索方式以各地级市名称作为申请(专利权)人检索词，公开(公告)日为研究时段，发明类型为中国发明申请，生成检索公式进行检索②。 　　1.2 研究方法 　　探索性空间数据分析(ESDA)。探索性空间数据分析方法是空间经济学统计方法之一，可以很好地描述空间分布的特征，测度空间相关性程度以及识别非典型性的观测变量。运用Morans I测度城市创新产出的全局空间自相关程度，Morans I的计算可用公式(1)表示： 　　 　　式中：和表示区域要素属性在相邻空间单元上的发明专利申请受理量，x为均值；n为空间单元总数，为空间权重矩阵，本文分别采用距离倒数的平方空间权重矩阵与引力模型构建的创新网络空间权重矩阵反映各城市创新的空间关系。 　　为进一步识别异常值，采用局部空间自相关，即局部Morans ，也称为LISA(local indicator of spatial association)度量城市i与它邻近城市之间的创新关联程度[13]，识别各个城市与其他城市创新的空间溢出特征。城市i的局部Morans 用来公式(2)表示： 　　 　　式中：和为空间单元i和j标准化后的观测值，是行标准化的空间权重矩阵。计算出后