中国省域科技创新模式及其时空演变

全文总计 11316 字,阅读时间 29 分钟,快速浏览仅需 6 分钟。

英文标题:Science and Technology Innovation Patterns and Their Spatial and Temporal Evolution of Provinces in China

内容摘要:中国的经济增长模式正在由要素驱动型向创新驱动型转变,适宜的科技创新模式是促进中国经济社会协调可持续发展的关键。基于熵值法构建综合指标评价体系,运用Theil指数对中国科技创新投入与产出水平的时空演变进行分析,并结合K-means聚类分析法将其分别归为相同的5个等级。根据不同的投入—产出组合,得出投入产出协调型、投入领先型与产出领先型3个科技创新类型及其子类。最后,利用多阶段DEA模型,从科技创新投入的角度,将科技创新模式划分为混合驱动型、创新平台驱动型、人力与资本驱动型和人力驱动型四类;从科技创新产出的角度,划分为经济创新导向型、知识与经济创新导向型和知识创新导向型三类模式。对比发现,中国科技创新模式与科技创新类型的时空演变呈现高度的相关性。在此基础上,为中国未来区域科技创新的发展提出若干建议。

关键词:科技创新模式,时空演变,熵值法,K-means聚类分析,多阶段DEA模型,省域尺度

GB/T 7714-2015 格式引文:[1].中国省域科技创新模式及其时空演变.[J]或者报纸[N].地理研究,(20186):1223-1237

正文内容

  1 引言

  随着全球化的深入发展和产业价值链的细化分解,世界进入开放式创新时代,创新资源跨区域、跨国界循环流动的科技全球化趋势日益显著,国家间的竞争方式逐渐由一般资源配置竞争上升为科技资源配置竞争。当前,创新能力已成为区域综合竞争力的重要标志以及获取国际竞争优势的决定性因素[1]。“十八大”报告中明确提出将创新驱动作为国家发展战略的核心,“十三五”规划中也强调要充分发挥科技创新在全面创新中的引领作用,为提升中国经济发展的质量与水平、实现经济社会的可持续发展提供持久动力。

  中国科技创新水平的空间差异依然存在。已有研究以省域尺度的定量分析为主,研究内容主要包括:①科技资源空间配置效率研究。研究方法以DEA模型[2]和Malmquist指数[3]为主。中国科技资源的区域差异十分显著,与经济发展水平、城市化水平呈现耦合协调关系[4,5]。科技资源空间分布的不均衡势必导致区域科技资源配置效率的差异[6]。目前,中国科技资源配置效率东高西低的空间分异格局尚未改变[7],但西部地区的效率提升速度相对较快[8]。受地理位置、科技资源禀赋等因素的影响,科技资源配置效率的空间集聚态势逐步增强[9]。②科技创新能力空间差异研究。科技资源的投入只有转化为实际的创新能力才能促进经济社会的发展[10],而创新产出水平能够较好地反映区域创新能力。在已有研究中,学者们大多以专利授权量作为测度创新产出的指标[11]。受经济发展基础、政策制度、技术溢出、空间区位[12,13]等因素的影响,中国科技创新能力表现出较强的空间相关性[14],区域分化的“马太效应”逐渐增强[15];反过来,创新能力也会对区域经济增长产生不同程度的影响,但对西部地区经济增长的带动作用仍然较弱,成为导致中国区域经济发展差异的原因之一[16]。③科技创新的空间溢出效应研究。研究方法主要有空间自相关Moran's I指数、空间滞后模型与空间误差模型[17]。在开放的经济体系中,受知识吸收能力、区域所处发展阶段、政策制度等因素影响,区域可通过与周边地区的创新空间溢出效应来促进本区域的创新发展[18]。中国的科技创新发展呈现出随时间推移而日趋扩大的正向溢出性[19],溢出效应的强度具有随空间距离的增大而呈脉冲式衰减的地理特性[20]。但同时,创新水平又具有锁定特征,空间上邻近的区域间的溢出效应未必显著,甚至会出现负向溢出效应[21]。

  不同科技创新水平的地区,其科技创新模式势必存在较大差异。中国各省市处于不同的经济发展阶段,结合自身的发展基础与特色,选择适宜的科技创新模式,走差异化发展道路,是实现创新驱动经济增长、缩小区域间发展差距的关键。学者们对科技创新模式的研究以定性分析为主,从不同的视角提出划分科技创新模式的标准。具有代表性的划分标准主要包括:①创新活动的诱因。可划分为“理论成果推动型”和“市场需求拉动型”两种类型[22]。②创新程度。可划分为“原始创新”和“模仿创新”,前者是基于各创新主体的科技资源禀赋,建设具有自身特色的创新体系;后者则表现为各创新主体以自身实际为依托,通过引进、购买、破译等手段吸收和掌握原始创新的合理成分,并对其进行改进和完善的过程[23]。按此标准,王辉又归纳出“引进消化吸收再创新”“集成创新”和“原始创新”三类模式,三者之间互为促进、互为共生,其创新水平层级不断提高[24]。③创新活动的发展驱动力。可分为“企业(市场)驱动型”“政府驱动型”“高校与科研院所驱动型”和“产学研合作型”[25],其中,“政府驱动型”可通过塑造完善的科技创新政策制度环境,提升区域科技创新的成效[26],而“产学研合作型”具有更为灵活、高效且能充分吸收外部科技资源的优势[27]。关于科技创新模式的定量研究,学者们多从科技资源配置效率评价、科技创新效率评价等角度,间接对科技创新模式的类型、特点等进行阐释,投入指标多从人力和资本[28]两方面来选取,产出指标主要包括科技论文数、专利授权数、技术市场成交合同额、高新技术产业产值等[28,29],鲜有基于科技投入与产出双重视角的科技创新模式划分,以及针对各模式时空演变的分析。

  综上,以全国31个省级行政区(不包括香港特别行政区、澳门特别行政区和台湾地区)为研究单元,建立综合指标评价体系,基于科技创新投入与产出的视角,运用Kmeans聚类分析、Theil指数和多阶段DEA模型,对科技创新模式的类型、特点与时空演变展开研究。结合各省市的实际情况,提出未来科技创新发展的新方向,以期为进一步缩小中国科技创新水平的空间差异、优化科技创新效率的空间格局以及提升区域综合竞争力提供借鉴。

  2 研究方法与数据来源

  2.1 数据来源

  在已有相关研究成果的基础上[30],本文从科技创新投入与产出两方面建立综合评价指标体系。其中,科技创新投入包括人力投入、资本投入和创新平台建设,科技创新产出包括知识创新产出、经济创新产出与节能减排绩效,共计6项二级指标,并分设若干三级指标。本文的原始数据主要出自2005—2015年的《中国科技统计年鉴》《中国高技术统计年鉴》《中国统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》《国家重点实验室2014年度报告》、2008年的《中国商标战略年度发展报告》和国家工程技术研究中心信息网。

  2.2 研究方法

  2.2.1 综合指标评价法 建立综合指标评价体系,首先运用极差标准化法对各项指标进行处理,消除原始数据中量纲和数量级的影响。其中,“综合能耗产出率”“亿元GDP工业废气排放量”和“亿元GDP工业废水排放量”为负向指标,其余均为正向指标,计算公式如下:

  

  采用客观赋权法中的熵值法,根据各指标的变异程度,通过修正由信息熵计算的各指标熵权,得出较为客观的指标权重(表1)。信息熵越小,指标在综合评价中所起的作用越大,其权重也相应越大。计算方法[31]如下:

  

  

  本文运用K-means聚类分析法分别对全国各省市的科技创新投入与产出水平进行等级划分。

  2.2.3 Theil指数 与极差、标准差、变异系数等空间差异研究方法相比,Theil指数可将研究尺度进行分解,包括T指数和L指数,分别以GDP占比和人口占比进行加权。利用其可分解性,将Theil指数按人口占比进行一阶段分解,探讨东、中、西和东北四大板块间与板块内的科技创新投入(产出)差异,计算公式[33]为:

  

  2.2.4 多阶段DEA模型 DEA模型是评价具有多投入、多产出决策单元(DMU)资源配置效率的工具[34],通过确定生产前沿面,可对同一类型的各决策单元的相对有效性进行评定和排序,在避免主观因素、简化算法、减少误差等方面具有不可低估的优越性[35],多阶段DEA模型能够很好地解释复杂系统整体及其内部的效率情况,本文以此评价中国各省市的科技创新效率,进而对科技创新模式进行划分,计算公式[36]如下:

  

  3 中国科技创新投入水平的时空演变分析

  3.1 中国各省市的科技创新投入水平逐步提升,总体呈现自东向西递减的空间格局

  综合指标评价法的计算结果显示,中国各省市的科技创新投入水平逐步提升,增幅在50%以上。选取2004年、2009年和2014年三个特征时点,运用K-means聚类分析法,将科技创新投入水平划分为“高”“较高”“中等”“较低”和“低”5个等级。如图1所示,中国科技创新投入水平总体呈现自东向西递减的空间格局。高类别(即高水平和较高水平)省市的数量大幅增加,渐趋向东部板块集中。其中,北京与上海已发展成为中国最大的科技创新投入增长极,其科技人力与资本资源多投向国内高等院校和科研院所,主要应用于与生产活动高度相关的试验发展领域,同时拥有数量庞大的科技创新平台。天津、江苏等东部沿海省市的投入水平快速提升,是中国企业科技创新较为活跃的地区。陕西投入水平的提升较为显著,其创新平台建设水平相对突出。低类别(即较低水平和低水平)省份数量庞大但下降明显,始终以西部省份为主,同时涉及个别中部(江西、河南、山西)和东部省份(海南、河北),其科技人力与资本投入水平普遍偏低,对企业科技创新的投入远低于全国平均水平,在创新平台建设方面的劣势尤为突出,其中,江西、海南、内蒙古、青海和西藏尚未建立国家重点实验室,国家工程技术研究中心也未超过5个。中类别(即中等水平)的省市数量大体保持稳定,但涉及的省市变化较大,随着江苏、浙江等东部省份渐次上升至高类别,湖北、重庆等低类别省市相继补充进来,仅东北三省始终保持中等级的投入水平,是前两类等级的过渡阶段。

  

  图1 2004年、2009年、2014年中国各省市科技创新投入水平

  Fig.1 Science and technology innovation input of Chinese provinces in 2004,2009 and 2014

  

  图2 2004—2014年中国科技创新投入水平的Theil指数

  Fig.2 Theil index of China's science and technology innovation input from 2004 to 2014

  3.2 中国科技创新投入水平的总体差异缩小,主要表现为东部板块内的省际差异

  对科技创新投入水平的区域差异进行分析,其Theil指数由2004年的2.0034降至2014年的1.2557,下降了37.3个百分点。这表明,尽管空间集聚态势有所增强,但随着各省市特别是西部省市投入水平的不断提升,中国科技创新投入水平的总体差异逐渐缩小。分别对各年份Theil指数进行一阶段分解,结果显示,板块间与板块内投入差异也表现出不同程度的降低,但其Theil指数的贡献率保持在90%以上且呈上升趋势,因此,中国科技创新投入水平的区域差异主要表现为板块内的省际差异(图2)。

  四大板块中,东部板块始终是中国科技创新投入水平区域差异的主要贡献者,其贡献率有所降低但保持在50%以上;东部板块Theil指数的降幅位列四大板块之首,尽管北京的投入水平仍然稳居高位,但随着其他东部省市特别是海南与河北投入水平的缓慢提升,东部板块内的省际差异在逐步缩小。西部板块内的省际差异波动下降,但对中国科技创新投入水平总体差异的贡献显著增强,主要源于陕西的投入水平快速提升至较高水平。中部与东北板块对中国科技创新投入总体差异的贡献十分有限,二者的贡献率之和有所增加但尚未突破10%。其中,中部板块的影响程度略有降低,各省间差距未出现明显扩大趋势。东北板块的影响程度逐步提升,其投入水平差异在省级层面有所增强,主要表现为黑龙江科技创新投入水平的增速趋于放缓,与辽宁、吉林间差距略有扩大(图3)。

  

  图3 2004—2014年中国四大板块科技创新投入水平Theil指数的贡献率

  Fig.3 Theil index ratio of China's science and technology innovation input from 2004 to 2014

  4 中国科技创新产出水平的时空演变分析

  4.1 中国各省市科技创新产出水平的提升更为显著,高与较高水平的省市数量大幅增加

  与投入水平相比,中国各省市科技创新产出水平的提升更为显著,增幅均超过120%,最高的重庆增长了约3.1倍。高类别省市数量大幅增加,至2014年底约占全部省市的32.2%,向东部地区高度集中的态势逐渐增强。其中,北京和上海始终保持极具优势的科技创新产出能力,高质量的知识创新成果丰富,科技创新对经济社会发展的带动作用显著。天津、江苏等东部沿海省市的产出能力大幅增强,但天津仍存在科技论文数量与质量不平衡的问题,浙江和福建的技术市场活跃性欠佳,而山东高质量的知识创新成果相对匮乏。重庆与陕西的产出水平快速提升,但与以上东部省市间尚存在差距。中类别省份数量增长了50%,所涉及的省市变化较大,至2014年底包括湖北等中部省份、四川以及东北三省,主要表现为高新技术产业的稳步发展,除辽宁外,其余省份的节能减排绩效大体处于全国平均水平。低类别省份数量减少了近一半,但仍占据较大比例。所涉及的省份变化显著,但始终以西部省份为主,至2014年底还包括山西、海南与河北。各省份的科技创新产出水平仍然不高,但彼此间差距相对较小,具体表现为高质量的知识创新成果有限,科技创新对经济增长与社会生产力水平提高的带动作用较弱,节能减排成效不甚理想(图4)。

  4.2 中国科技创新产出水平的总体差异波动缩小,西部板块内的省际差异有所增强

  中国科技创新产出水平的Theil指数由2004年的1.1976波动下降至2014年的0.9560,区域差异呈现缩小态势,且始终低于科技创新投入的区域差异水平,表明各省市特别是西部省市产出能力的提升更为显著。分别对产出水平在各年份的Theil指数进行一阶段分解,结果与投入水平相似,中国科技创新产出水平的区域差异也主要表现为板块内的省际差异(图5)。

  在四大板块中,东部板块的Theil指数及其贡献率呈下降态势,但仍位列四大板块之首,表明东部板块内各省市的产出水平差异缩小,但仍是中国科技创新产出差异的主要贡献者。一方面,北京继续保持极具优势的产出能力,上海、天津等省市的产出水平较高但与北京间仍存在差距,而海南与河北始终处于较低的产出水平;另一方面,随着各省市产出能力稳步提高,特别是海南与河北两省产出水平的提升,使北京与其他东部省市间的差距渐趋缩小。西部板块内产出水平的省际差异及其对总体差异的影响程度均有所增强,重庆与陕西的产出水平迅速提升,甚至超过某些东部省份,四川也表现出较大发展潜力,而其他西部省份的产出水平虽有所提高,但与渝、陕、川三地间的差距愈发显著。中部与东北板块内的省际差异波动变化但始终不突出,二者的贡献率之和由2004年的8.16%降至2014年的6.96%,对中国科技创新产出水平总体差异的影响较小(图6)。

  

  图4 2004年、2009年、2014年中国各省市科技创新产出水平

  Fig.4 Science and technology innovation output of Chinese provinces in 2004,2009 and 2014

  

  图5 2004—2014年中国科技创新产出水平的Theil指数

  Fig.5 Theil index of China's science and technology innovation output from 2004 to 2014

  

  图6 2004—2014年中国四大板块科技创新产出水平Theil指数的贡献率

  Fig.6 Theil index ratio of China's science and technology innovation output from 2004 to 2014

  5 中国科技创新模式的时空演变分析

  5.1 中国科技创新类型的时空演变分析

  考虑创新产出的滞后性,选取2年的滞后期,以年均增长率对产出水平进行修订,同样用K-means聚类分析法为修订后的产出水平划分等级,并以此作为下文科技创新类型划分的基础。综合各省市科技创新的投入与产出水平,理论上共可得到25种投入—产出组合,而实际仅出现11种组合,组合总量大体保持稳定,但类型略有变化,表明本研究期内中国科技创新类型的复杂程度并未发生显著改变。将“高投入—高产出”等投入、产出处于同一水平的5种组合定义为“投入产出协调型”,按照所属的高、中、低类别,可再将该类型划分为高水平、中等水平和低水平三个子类;将“高投入—较高产出”等投入水平高于产出水平的三种组合划分为“投入领先型”;将“中投入—较高产出”等投入水平低于产出水平的三种组合归为“产出领先型”,其中,“中等投入—较高产出”和“较低投入—中等产出”为“高水平的产出领先型”,而“低投入—较低产出”为“低水平的产出领先型”(表2)。

  

  5.1.1 中国科技创新类型始终以投入产出协调型为主,各类型的空间分异特征明显中国科技创新类型始终以“投入产出协调型”为主,该类型所涉及的省市数量波动变化但大体保持不变,始终保持60%以上的比例。其中,“高水平的投入产出协调型”的数量快速增长,“中等水平的投入产出协调型”的数量略有波动、小幅增加,而“低水平的投入产出协调型”的数量下降明显。“投入领先型”与“产出领先型”所涉及的省市之和始终未突破40%的比例,其中,“投入领先型”的数量略有下降;“产出领先型”的数量波动变化但大体保持不变,“高水平的产出领先型”的数量略有增加,而“低水平的产出领先型”的数量略有降低。

  受科技创新投入与产出水平的影响,中国科技创新类型的空间分异特征也较为显著。其中,“投入产出协调型”涵盖了中国四大板块的省市,“高水平的投入产出协调型”主要位于东部板块的北京、上海等地以及西部的陕西,且向东部板块集中的趋势逐渐增强;“中等水平的投入产出协调型”主要位于中部的湖北、湖南、安徽以及东北三省;而“低水平的投入产出协调型”则涉及东(海南、河北)、中(山西)、西(甘肃、新疆、广西、西藏)三大板块的省份。“投入领先型”始终以西部板块的省份为主,目前主要位于西北地区,包括宁夏、青海和内蒙古。“产出领先型”也主要位于西部板块,其中,“高水平的产出领先型”涉及中部(河南、江西)和西部(重庆、四川)省市,“低水平的产出领先型”始终以西南省份为主,目前为贵州和云南。

  5.1.2 创新平台建设对东部省市科技创新类型转变的作用最为显著 创新平台建设对东部省市科技创新类型变化的影响最为显著,主要表现为经济创新产出水平的提升。如江苏、天津、浙江和广东,其创新平台建设特别是国家重点实验室和国家工程技术研究中心数量的增加,促进了高新技术产业经济效益与产业化水平的大幅提高,逐渐由“中等水平的投入产出协调型”转变为“高水平的投入产出协调型”。福建、陕西和山东的科技创新类型转变主要受科技人力投入的增加与创新平台建设的共同影响,其中,创新平台建设的促进作用相对突出,经济创新产出水平迅速提升。

  在中部和东北地区,科技创新类型的变化受科技人力与资本投入的影响较大,创新平台建设的作用逐渐增强,创新成果突出表现在知识创新与经济创新领域。如湖北与湖南、吉林与黑龙江,随着科技人力与资本投入力度的加大,其知识与经济创新产出水平稳步提升,分别由“低水平的投入产出协调型”和“投入领先型”波动变化为“中等水平的投入产出协调型”。河南与江西以科技人力投入和创新平台建设为主导,其经济创新产出能力显著提升,科技创新类型逐渐转变为“高水平的产出领先型”。安徽科技创新类型的转变受创新平台建设的影响相对较弱,但影响程度有所增强,其知识与经济创新产出水平提高,逐步提升为“中等水平的投入产出协调型”。

  对于西部大部分省份而言,其科技创新类型的变化始终以科技人力与资本投入为主导,创新平台建设的影响相对有限,创新成果多出自知识创新领域。如宁夏、青海和内蒙古,其产出水平的增速趋于放缓,科技创新类型大体保持为“投入领先型”。贵州和云南的科技创新类型逐渐转变为“低水平的产出领先型”,其中科技人力投入的作用突出,科技创新产出水平较低但略有提升。与之相反,重庆与四川在科技资本投入增加、创新平台建设水平提高的影响下,经济创新产出能力,特别是高新技术产业的发展水平快速提升,逐渐由“低水平的投入产出协调型”转变为“高水平的产出领先型”。

  5.2 中国科技创新模式的类型划分

  运用多阶段DEA模型,对中国各省市各项投入对产出、投入对各项产出的转化效率进行分析,进而对中国科技创新模式的类型进行划分。参照已有研究,将效率值大于或等于0.8的省市归为“高效”一类,效率值大于或等于0.6但小于0.8的归为“中等效率”一类,而效率值小于0.6的则为“低效”一类[37]。

  5.2.1 科技创新投入视角下的科技创新模式 从科技创新投入的角度来看,中国的科技创新模式可以划分为“混合驱动型”“创新平台驱动型”“人力与资本驱动型”和“人力驱动型”四类。其中,混合驱动型模式的科技人力与资本投入以及创新平台建设水平普遍较高,对科技创新产出的影响程度相当,转化效率均在0.9以上,反映了区域坚实的经济发展基础与浓厚的科学文化氛围,利于政产学研的协同创新,以北京和上海为典型。创新平台驱动型模式中,创新平台建设特别是国家重点实验室和国家工程技术研究中心建设的贡献突出,转化效率超过0.85,典型的地区包括江苏、天津、浙江等东部沿海省市。人力与资本驱动型模式中,科技人力与资本投入是区域科技创新活动的主要驱动力量,对创新产出的转化效率在0.6以上,而创新平台建设的作用相对较弱,主要包括大部分中部省份、东北三省以及西部的重庆和四川。人力驱动型模式主要分布于西部以及东部的海南、河北,其科技人力与资本投入以及创新平台建设水平普遍不高,人力投入对创新产出的影响相对突出,但转化效率仍未达到0.6。

  5.2.2 科技创新产出视角下的科技创新模式 从科技创新产出的角度看,中国的科技创新模式可分为“经济创新导向型”“知识与经济创新导向型”“知识创新导向型”三类。其中,经济创新导向型模式位于北京、上海等东部省市,经济创新产出能力普遍较强,突出表现为高新技术产业的发展,转化效率均在0.8以上。知识与经济创新导向型模式分布于中部、东北以及西部的重庆与四川,其知识与经济创新水平相当,转化效率大体保持在0.6~0.8之间,而重庆的科技投入对经济创新的转化效率略高于0.8。知识创新导向型模式广泛分布于西部以及个别中部(山西)和东部(海南、河北)省份,知识创新产出水平相对较高,但转化效率均在0.6以下,主要表现为科技论文和专利授权总量的增加。

  5.3 中国科技创新模式与科技创新类型的关系

  中国科技创新模式与科技创新类型的时空演变表现出较强的相关性(图7)。从投入角度来看,高水平的投入产出协调型的省市分属混合驱动型模式和创新平台驱动型模式,中等水平的投入产出协调型和高水平的产出领先型属于人力与资本驱动型模式,而低水平的投入产出协调型、投入领先型和低水平的产出领先型则属于人力驱动型模式。从产出角度来看,高水平的投入产出协调型属于经济创新导向型模式,中等水平的投入产出协调型和高水平的产出领先型属于知识与经济创新导向型模式,而低水平的投入产出协调型、投入领先型和低水平的产出领先型则表现为知识创新导向型模式。

  

  图7 中国科技创新模式与科技创新类型的关系

  Fig.7 Relationship between science and technology innovation patterns and types in China

  6 结论与讨论

  6.1 结论

  运用Theil指数对中国科技创新投入与产出水平的时空演变展开分析,发现二者的区域差异逐渐缩小,主要表现为东部板块内的省际差异。选取2004年、2009年和2014年三个特征时点,用K-means聚类分析法将投入与产出水平归为5个等级,并据此得出三大科技创新类型及其子类。结果显示,中国的科技创新类型始终以投入产出协调型为主,创新平台建设对东部省市科技创新类型转变的作用最显著,西部省份大多仍以科技人力投入为主导。结合多阶段DEA模型,从科技创新投入的角度将中国科技创新模式划分为混合驱动型、创新平台驱动型、人力与资本驱动型和人力驱动型四类,从科技创新产出的角度可划分出经济创新导向型、知识与经济创新导向型和知识创新导向型三类模式,对比分析发现,中国科技创新模式与科技创新类型的时空格局演变表现出高度的相关性。

  6.2 讨论

  中国各省市具有不同的科技创新模式,针对区域创新资源的地域特征以及中国未来科技创新的发展趋势,需实行差异化的发展路径,具体对策建议如下:

  (1)塑造科技创新投入与产出相匹配的空间格局,全面提升科技创新效率。目前,中国大多数省市的科技创新投入与产出水平相对协调,特别是北京与上海,其投入与产出水平高居全国前列且发展十分协调。部分中部、西部和东北省份的投入与产出水平并不突出,有些甚至居于全国末位,但仍然呈现出较为匹配的发展格局。然而,仍有近一半省市的科技创新投入与产出水平并不协调,其中一些省市的产出水平高于投入水平,如重庆、四川等地,科技资源得到了充分利用,创新效率较高,表现出颇具发展潜力的科技创新能力。同时,还有一些省份存在投入水平相对较高而产出水平相对偏低的现象,如宁夏、新疆、青海和内蒙古,创新优势并未得到充分发挥,造成了科技资源的严重浪费。因此,有必要推进区域科技创新投入与产出水平的均衡发展,调整科技投入结构,既要充分发挥创新优势,又要加快补足创新发展的短板,提高区域科技创新效率。

  (2)培育多层次的区域创新高地,增强辐射带动作用。创新资源具有空间集聚特性,高端创新资源的集聚能够带来丰富的规模效益,因此,可在创新基础相对较好的地区,培育多层次的创新高地,有利于发挥科技创新的正向溢出作用。首先,可率先形成一批带动能力强的创新型省市,除北京、上海、江苏等东部省市外,中部的湖北、湖南,西部的重庆、陕西和四川等也具有相当的发展潜力。其次,打造一批创新型城市群,兼顾东、中、西和东北四大板块的发展,重点培育京津冀、长三角、珠三角、长江中游、成渝等国家战略性区域,是推动中国经济社会发展、提升国家竞争力的核心力量。最后,可建设具有辐射带动作用的区域创新增长极,培育不同层次的创新中心,努力推进北京与上海发展成为全球创新中心,打造以省会城市为主的国家创新中心,逐步完善国家创新网络。

  (3)促进创新要素的聚集流动,缩小科技创新水平的区域发展差距。东部板块应拓宽与其他板块间的科技合作领域,引导创新要素向中西部及东北板块聚集流动;此外,要进一步缩小板块内海南、河北与其他东部省市间的发展差距,在继续增加科技投入的同时,提升科技创新对经济社会协调稳定发展的带动作用。西部板块应全面加大科技投入力度,特别重视创新平台建设的作用,加快发展高新技术产业,推动产业结构优化升级,同时兼顾环境效益,提高科技投入的实际转化效率;同时,以陕西、重庆和四川为龙头,充分发挥区域特色和优势,加强西部板块内以及与其他板块间的科技创新交流与合作,促进知识、技术等的引进、推广与应用。而中部和东北板块需继续保持并提升科技人力与资本投入水平,特别是河南与江西的投入水平,加强创新平台建设,稳步提升区域科技创新效率,重点关注山西科技创新水平的提高。

  (4)提高科技投入对节能减排的转化效率,增强科技创新对环境保护的贡献力度。运用多阶段DEA模型进行科技创新模式划分,发现中国科技投入对节能减排的转化效率总体不高,效率值最高尚未超过0.9,最低仅略高于0.1,表明中国各省市的科技创新活动对环境保护的促进作用并不显著。科技创新不仅是拉动经济增长的重要抓手之一,同时也是解决中国环境问题的重要支撑力量[38]。在促进创新成果产业化的同时,要注重环境保护与经济效益的同步提高。一方面,需要政府着力构建质量控制管理、减排、监督执法、环保经济政策、环保产业、风险预警等六大技术支持体系,为环保科技工作的开展和环境管理的转型提供全方位的支撑[39];另一方面,要加快推进中国环保科技的产业化,选择重点领域优先突破,加强境内外的产学研合作创新,积极引进国外先进技术和经营管理经验,为中国环保企业开拓更为广阔的市场空间[40]。

参考文献

[1]白俊红,江可申,李婧.中国区域创新系统创新效率综合评价及分析.管理评论,2009,21(9):3-9.

[2]黄海霞,张治河.基于DEA模型的我国战略性新兴产业科技资源配置效率研究.中国软科学,2015,(1):150-159.

[3]刘玲利.科技资源配置机制研究:基于微观行为主体视角.科技进步与对策,2009,26(15):1-3.

[4]牛方曲,刘卫东.中国区域科技创新资源分布及其与经济发展水平协同测度.地理科学进展,2012,31(2):149-155.

[5]蒋天颖,华明浩,许强,等.区域创新与城市化耦合发展机制及其空间分异:以浙江省为例.经济地理,2014,34(6):25-32.

[6]陈修颖,陈颖.浙江省科技资源的区域差异及其空间配置效率研究.地理科学,2012,32(4):418-425.

[7]范斐,杜德斌,李恒.区域科技资源配置效率及比较优势分析.科学学研究,2012,30(8):1198-1205.

[8]樊华,周德群.中国省域科技创新效率演化及其影响因素研究.科研管理,2012,33(1):10-18.

[9]李恒,范斐,王馨竹.区域科技资源配置能力的时空分异研究.世界地理研究,2013,22(4):159-168.

[10]牛方曲,刘卫东,刘志高,等.中国区域公立科技创新资源与经济发展水平相关性分析.经济地理,2011,31(4):541-547.

[11]任颖盈,许继琴,雷亮.区域创新空间差异及其影响因素:基于浙江省县域空间尺度的实证分析.科技与管理,2015,17(4):25-31.

[12]蒋天颖.浙江省区域创新产出空间分异特征及成因.地理研究,2014,33(10):1825-1836.

[13]毛良虎,姜莹.长江经济带省域科技创新能力评价及空间关联格局分析.科技进步与对策,2016,33(21):126-131.

[14]王春杨,张超.中国地级区域创新产出的时空模式研究:基于ESDA的实证.地理科学,2014,34(12):1438-1444.

[15]王业强,梁阁.区域科技创新能力评价与空间格局演变.发展研究,2016,(4):34-40.

[16]曹裕,胡韩莉.创新能力、吸收能力与区域经济增长关系研究.财经理论与实践,2014,35(6):123-127.

[17]张继红,吴玉鸣,何建坤.专利创新与区域经济增长关联机制的空间计量经济分析.科学学与科学技术管理,2007,(1):83-89.

[18]张战仁.创新空间溢出的差异影响研究述评.经济地理,2012,32(11):34-37.

[19]谷国锋,李连刚,王建康.中国科技创新的空间集聚及其溢出效应:基于面板数据空间计量分析.科学决策,2015,(12):42-56.

[20]赵增耀,章小波,沈能.区域协同创新效率的多维溢出效应.中国工业经济,2015,(1):32-44.

[21]李国平,王春杨.我国省域创新产出的空间特征和时空演化:基于探索性空间数据分析的实证.地理研究,2012,31(1):95-106.

[22]李廷铸,肖百冶.关于成都市科技创新模式选择及其政府政策的思考.成都行政学院学报:社会科学类,2001,(3):7-12.

[23]颜媛媛.经济欠发达地区科技创新模式的比较与选择.改革与战略,2010,26(1):105-107.

[24]王辉.区域经济发展与科技创新模式选择的实证分析研究:基于安徽省与江苏省的比较.合肥:合肥工业大学硕士学位论文,2013.

[25]杜德斌.全球科技创新中心:动力与模式.上海:上海人民出版社,2015.

[26]蒋铁柱,杨亚琴.构建完善的科技创新政策支持体系:北京、上海、深圳三地科技创新模式比较.上海社会科学院学术季刊,2001,(3):5-14.

[27]倪明.产学研合作科技创新模式的拓展:科技创新供需网模式.科技进步与对策,2009,26(14):1-3.

[28]王雪原,王宏起.我国科技创新资源配置效率的DEA分析.统计与决策,2008,(8):108-110.

[29]于成学.中国副省级城市科技创新效率评价与实证.科技管理研究,2010,30(1):61-63.

[30]方创琳,马海涛,王振波,等.中国创新型城市建设的综合评估与空间格局分异.地理学报,2014,69(4):459-473.

[31]邹华,徐玢玢,杨朔.基于熵值法的我国区域创新能力评价研究.科技管理研究,2013,33(23):56-61.

[32]王千,王成,冯振元,等.K-means聚类算法研究综述.电子设计工程,2012,20(7):21-24.

[33]冯长春,曾赞荣,崔娜娜.2000年以来中国区域经济差异的时空演变.地理研究,2015,34(2):234-246.

[34]孙威,董冠鹏.基于DEA模型的中国资源型城市效率及其变化.地理研究,2010,29(12):2155-2165.

[35]马海良,黄德春,姚惠泽.中国三大经济区域全要素能源效率研究:基于超效率DEA模型和Malmquist指数.中国人口·资源与环境,2011,21(11):38-43.

[36]马建峰,何枫.存在中间产品退出的混合型多阶段系统DEA效率评价.系统工程理论与实践,2015,35(11):2874-2884.

[37]潘竟虎,尹君.中国地级及以上城市发展效率差异的DEA-ESDA测度.经济地理,2012,32(12):53-60.

[38]常杪,杨亮,孟卓琰,等.中国环保科技创新的推进机制与模式初探.中国发展,2016,16(6):4-10.

[39]刘志全.我国环境保护科技创新工作“十二五”进展与“十三五”展望.环境保护科学,2015,41(1):1-5.

推荐10篇