本站小編為你精心準備了創新型城市創新集聚效應比較參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《科技進步與對策雜志》2015年第二十期

2006年，我國提出了建設創新型國家的戰略，以促進產業結構優化升級，進而促進我國國際競爭力的提升。隨著我國創新型國家戰略的提出，許多城市也制定了創新型城市發展戰略。經過幾年的發展，國內許多城市的創新能力得到了很大提升，出現了上海、深圳和北京等典型創新型城市。城市作為區域經濟的中心，對地區經濟發展發揮著輻射帶動作用，創新型城市建設直接影響整個地區的經濟發展。而創新型城市建設效果在很大程度上取決于城市創新體系的運行效果。因此，研究我國創新型城市運行效果對我國創新型城市建設具有現實意義。創新集聚效應指在城市創新體系建設過程中形成企業、中介機構、高校和研發機構等創新主體的空間集聚并釋放創新要素所產生的集聚效應。城市創新體系內4類功能明確的主體要素集聚能夠推動創新產業形成價值鏈或者供應鏈集聚，產生創新主體專業化分工，為創新體系內成員帶來成本優勢、規模經濟、城市品牌優勢。創新要素在城市范圍內的集聚是城市創新體系最重要的前提，創新集聚效應更是推動城市創新體系發展的重要動力。國外學者較早研究了集聚效應，Baptista和Swann研究認為，產業集聚通常能夠給區域內企業帶來更好的創新效果。Fujita和Thisse在創新與地理聯系研究的基礎上構建了創新模型，利用實證方法研究發現區域內產業的空間集聚對產業創新升級存在影響。R．Stern－berg從空間經濟學的視角，系統闡釋了集聚對經濟發展的影響，并結合制造業產業集聚的現實，提出了區域經濟及創新發展建議。

在國外學者相關研究的基礎上，國內學者從不同視角出發，運用不同方法進行研究，也產生了大量研究成果。胡萬進、陳禹以系統工程學思想和方法為基礎構建了聚集效應評估模型，通過對我國高新經濟區創新集聚效應的研究，認為創新聚集產生了倍增效應。胡彩梅運用克魯格曼專業化指數和多樣化指數，對1998－2008年我國內地30個省市自治區的地區產業專業化集聚水平和多樣化集聚水平進行了測算和實證分析，認為專業化集聚對技術創新具有正面影響，而多樣化集聚對技術創新具有負面影響。牛沖槐、宋磊從人才聚集效應角度出發，采用2009年中國省域截面數據，通過Moran指數法檢驗創新效應是否具有空間自相關性，并對區域創新效應的相關空間進行計量，為提升區域創新提出了一些政策建議。余泳澤［9］從企業、大學和科研機構等區域創新主體的角度，通過建立以知識生產函數模型為基礎的空間面板數據模型，對2002－2008年內地29個省市自治區省級面板數據進行了實證分析，發現創新集聚、政府支持和制度環境對各地創新效率具有重要作用。

縱觀國內外研究成果可以發現，現有研究大部分從國家、區域層面進行，企業、城市乃至社區層面的研究不多，而且缺乏更深層次的研究，如關于城市創新體系如何驅動城市經濟的研究尚不多見。因此，從城市層面出發，以我國典型創新型城市為例討論其集聚效應，既可彌補現有研究的不足，也可為我國創新型城市建設提供思路。改革開放之后，上海作為中國經濟的橋頭堡之一，在科技、經濟和文化方面獲得了長足發展，成為國內城市學習的榜樣。南京與上海同處于中國經濟最為發達的長江三角洲3小時經濟圈，它們在地理位置、資源稟賦和政治文化等方面存在一定的相似性，因而，南京與上海的城市創新體系運行效果具有更多可比性。通過與上海的創新現狀進行比較分析，可以對南京市創新現狀有更為深入的認識，為建設適合南京發展的城市創新體系，推動南京創新型城市建設提供參考。

1模型與方法

1．1創新要素集聚度測算模型、指標及數據來源

1．1．1測算模型產業集聚能夠將高新技術企業、研發人才、研究機構和大中型企業等創新要素集聚到城市范圍內，從而推動創新型城市建設進程。而在城市層面上考察創新要素集聚程度與城市發展的關系需要一種區域性規模指標，該指標的構成必須考慮兩個方面，一是以城市某個要素為基數的絕對規模，二是城市所在區域某要素的相對規模，以此構成集聚指數。因此，全局性的分布指標如赫芬達爾［10］指數不宜采用。文獻［11］中采用的AHP法中權重數值是人為設定的，更多地體現了定性的趨勢分析，而不具有嚴格的定量分析特征。因此，為了測算上海與南京兩個城市創新要素的集聚程度，本文引入王奮、韓伯棠提出的一種全新的科技人才集聚指數———AI（AgglomerationIndex）指數模型，該指數綜合反映相對規模與絕對規模的變化。本文研究的主體是城市創新要素，因而相對規模同時反映城市的創新質量狀況，AI模型是對城市創新要素在規模和質量上的綜合反映。AI＝ln（Population）•ln（HRst／Population）（1）其中，AI為某地區科技人力資源集聚指數，HRst為該地區科技人力資源規模，Population為該地區人口規模。本文在此基礎上將該指數推廣到創新要素集聚程度的測算中，從而對上海與南京城市創新要素集聚程度有一個全面的了解。其中，AI（Cij）為某城市某個要素的集聚指數，Cij為某城市某個要素的存在規模，Ci為城市所在區域某要素的總規模。

1．1．2集聚指標AI指數改進模型通過測算城市創新要素集聚度，可以比較直觀地反映城市創新發展水平。城市創新要素主要包括企業、政府、研究機構和中介機構等，本文在測算城市創新要素集聚程度時，主要選擇高新技術產業總產值、研發人員數、研究機構數和規模企業數4個指標。其中，高新技術產業總產值能夠反映城市高端技術發展水平，突出體現城市創新競爭力［12］。在大多數情況下，一個城市擁有研發人員、研究機構以及規模企業數量越多，其創新競爭力越強［13］。需要特別強調的是，在測算規模企業和研究機構的集聚度指標時，將區域要素總規模確定為長三角地區江浙滬三省數據的總和。因為地理相近性的原因，三省在創新活動過程中存在很強的聯系。

1．1．3數據來源本文創新要素測算指標數據由《南京市統計年鑒》（2004－2013）、《南京科技統計年報》（2004－2013）、《上海市統計年鑒》（2004－2013）、《浙江省統計年鑒》（2004－2013）和《江蘇省統計年鑒》（2004－2013）等資料整理而得。其中，由于研究機構數量統計口徑不同，本文以江蘇省的統計口徑為標準，即研究機構數＝獨立研究機構數＋高校研究機構數＋企業研究機構數。

1．2創新集聚效應研究假設與模型構建

1．2．1研究假設創新要素集聚效應是指城市創新要素集聚程度對城市創新的影響作用，為了簡化實證分析難度，對創新要素集聚指數與創新產出的關系進行假設，并通過實證模型對假設進行驗證，具體假設如下：H1：城市高新技術產業集聚度（GXJSCYZS）對城市專利申請量有正向促進作用。H2：城市規模企業集聚度（GMQYZS）對城市專利申請量有正向促進作用。H3：城市研發人員集聚度（YFRYZS）對城市專利申請量有正向促進作用。H4：城市研究機構集聚度（YJJGZS）對城市專利申請量有正向促進作用。

1．2．2模型建立為了研究城市創新集聚效應，將城市的年專利申請量作為被解釋變量，將AI改進模型測算得到的創新要素集聚指數作為解釋變量，對兩者建立多元回歸模型并進行實證分析。

2實證分析

2．1上海、南京創新要素集聚度測算根據整理的創新要素指標，通過上述改進的集聚度測算模型對相關數據進行處理，得到上海與南京的創新要素集聚度指數，結果如表1、表2所示。

2．1．1上海創新要素集聚度指數分析上海創新要素集聚指數如表1所示。從創新要素集聚度指數值來看，R＆D人員集聚指數最低，而集聚度最高的是高新技術產業集聚指數；從各個要素集聚發展趨勢來看，規模企業集聚度、高新技術產業集聚度和研究機構集聚度都呈現出良好發展態勢，而只有R＆D人員集聚指數出現了下滑態勢。

2．1．2南京創新要素集聚指數分析由表2可知，從集聚度系數來看，南京的R＆D人員集聚指數在4類要素中集聚度最高，并保持28左右，而高新技術產業集聚指數最低；就要素集聚發展趨勢而言，只有規模企業和研究機構集聚指數呈現逐步上升趨勢。

2．2上海創新集聚效應實證分析運用Eviews6．0軟件對上海市2004－2013年創新要素集聚的相關數據進行加權最小二乘估計（WLS估計）處理［14］，實證結果如表3所示。（1）相關指數分析。對2004－2013年上海創新要素集聚的相關指標進行加權最小二乘回歸，從擬合優度、F檢驗及T檢驗對上海的創新要素集聚效應進行分析。由表3可知，采用加權最小二乘法之后，上海創新要素集聚模型調整后的可決系數為0．989，其值接近于1，說明上海的創新要素集聚模型擬合度較高，而F統計量的伴隨概率為0．0000，說明上海的創新要素集聚模型整體上顯著有效。同時，上海創新要素集聚模型效應的DW檢驗值為2．06，說明集聚效應模型的自變量和殘差相互獨立，不存在序列相關問題。從上海創新要素集聚效應的估計模型來看，上海的高新技術產業集聚、研究機構投入集聚和規模企業集聚都對其創新活動產生了非常重要的作用。其中，在1％的顯著水平下，上海高新技術產業集聚對上海創新活動產出影響系數最大，達到7．853，說明上海每增加1億元高新技術產出的高新企業集聚，其專利申請量就會增加7853件，高新技術產業對上海創新活動具有明顯的主導作用；研究機構集聚度對上海創新活動的影響在5％的水平下顯著，其對上海創新產出的影響系數為1．264，說明上海每增加1家研究機構就能夠增加1264件專利申請量；規模企業集聚對上海創新活動產出的影響在10％的水平下顯著，其影響系數達到3．165，說明規模企業每增加1家每年就能夠增加3165件專利申請量；而研發人員集聚度對上海創新活動的影響彈性幾乎為0，說明上海R＆D人員集聚并沒有對專利申請量產生正面影響。根據以上分析結果能夠判斷假設H1、H2、H4成立，而假設H3不成立。

2．3南京創新集聚效應實證分析對南京創新要素集聚效應的相關處理與上海相同，其實證結果如表4所示。（1）相關指數分析。根據2004－2013年南京創新要素集聚的相關指標進行加權最小二乘回歸，從擬合優度、F檢驗及T檢驗對南京的創新要素集聚效應進行分析。采用加權最小二乘法可知，南京創新要素集聚模型調整后的可決系數為0．994，其值接近1，說明南京的創新要素集聚模型擬合度較高，而F統計量的伴隨概率為0．0000，說明南京的創新要素集聚模型整體上顯著有效。同時，南京創新要素集聚模型的DW統計量為2．105，比較接近2，說明殘差和自變量相互獨立，不存在序列相關問題。（2）根據南京創新集聚效應的相關指標得到南京創新要素集聚效應的估計模型。（3）經濟意義的討論。從南京創新要素集聚效應模型估計結果可知，研究機構、研發人員和規模企業集聚都對南京的創新活動具有顯著影響作用。其中，在1％的顯著水平下，研究機構集聚對南京的創新活動產出影響顯著，并且影響系數最大，達到2．633，說明南京每增加1家研究機構就能夠增加2633件專利申請量；研發人員集聚度對南京創新活動的影響在1％的水平下顯著，其對南京創新活動產出的影響彈性為－6．565，說明南京R＆D人員集聚并沒有表現出對專利申請量的正面影響，相反造成了明顯的負作用；規模企業集聚在5％的水平下對南京專利申請量影響顯著，但也對南京的專利申請量造成了明顯的負作用。高新技術產業的集聚并沒有對南京的創新活動產生顯著影響，但是每增加1億元高新技術產出的高新企業集聚，其專利申請量就會增加1．898千件。根據以上分析結果能夠判斷假設H4成立，而假設H1、H2、H3都不成立。

2．4上海、南京創新集聚效應實證結果比較分析根據上海與南京集聚效應的實證結果可知，上海創新要素集聚都表現出很好的集聚效果，而南京的要素集聚沒有表現出對創新活動的提升作用。南京與上海在創新要素集聚效應方面存在很大區別，如表5所示。通過對南京與上海創新要素集聚影響系數和顯著水平的對比可以看出，上海作為我國典型的創新型城市，高新技術產業、規模企業和研究機構的集聚都對地區專利申請量存在顯著提升作用，其中，高新技術產業對上海創新活動的作用極其突出；而南京只有研究機構集聚對地區專利申請量具有顯著正向作用，研發人員和規模企業集聚都對地區的專利申請量產生了非常明顯的負作用。值得注意的是，南京的高新技術產業并沒有對南京地區專利申請量起到顯著的推動作用，但是其影響系數也達到了1．898。這一結果與上海和南京的現實因素具有不可分割的關系。上海作為國際經濟中心、金融中心、貿易中心和航運中心，可以利用“四大中心”的優勢推動城市創新，是南京所不具備的。這就導致除R＆D人員的集聚度外，上海其它創新要素集聚指數都比南京高。而南京的R＆D人員集聚指數比上海高，有一個很重要的原因，即上海全市的就業人口總數比南京全市的就業人數多很多。如2004年上海全市就業人口比南京2013年全市就業人口多出近400萬人，這就導致上海R＆D人員集聚指數有很大的損失。而南京的研發人員集聚對專利申請量卻產生了明顯的負作用，說明科技人員創新性不高，其本身的價值還沒有得到有效發揮。

3結論與建議

本文從城市層面探討了技術創新集聚效應，運用理論模型對南京與上海的技術創新集聚效應進行了比較分析，得到如下主要結論：研究機構集聚程度在兩個城市創新活動中都起著較為顯著的促進作用；研發人員集聚程度均沒有對上海與南京的創新活動產生顯著的促進作用，且對南京的城市創新活動起到了明顯的負作用；高新技術產業和規模企業集聚程度對上海與南京兩個城市創新活動所發揮的作用形成了明顯的反差。上海作為一個實力較強的創新型城市，高新技術產業和規模企業在經濟發展中發揮了非常重要的推動作用，而南京的高新技術產業和規模企業并沒有像預料中的那樣對城市創新起到很大的推動作用。根據以上研究分析，本文提出以下建議：（1）鼓勵設立相關研究機構。南京應通過各種優惠政策鼓勵科技研究開發機構建設，吸引有實力的研究機構在區域內集聚，強化技術創新能力，為城市創新活動提供更為優越的環境。（2）建立人才培養機制及使用機制。一方面，高校需要加強人才培養機制，為南京創新型城市建設輸送更多高層次、高素質的人才；另一方面，各部門還要加強人才的利用，利用產權激勵等方式充分調動其積極性及科研潛力，壯大創新型人才隊伍。（3）注重培育具有自身優勢的高新技術產業，以引領城市創新發展。南京要充分挖掘城市內有優勢的高新技術產業，明確城市未來高新技術產業發展的方向和經濟產業結構，充分發揮這些產業的輻射帶動作用，以改變高新技術產業對南京經濟帶動力不足的狀況。

作者：童紀新 李菲 單位：河海大學 商學院