多维邻近性、空间关联与区域协同创新绩效

邱洪全

（厦门大学嘉庚学院，福建漳州 363105）

区域协同创新是落实创新驱动发展战略，推进创新型国家建设的重要组成部分；也是推动区域高质量协同发展的重要引擎和动力［1］。随着京津冀、长三角、粤港澳等省域协同创新实践的快速发展，其内生增长机制和空间扩散效应日益凸显，带动省内区域协同创新的异军突起，形成多层次、立体化的区域协同创新格局。但是目前区域协同创新的研究主要聚焦于跨省域协同发展区，而对于省内区域协同创新的研究缺失。如何有效打破省内传统行政区域治理体系的地方本位主义和保护主义，科学协调创新主体和配置创新要素，构建省内区域协同创新网络，组织创新生产，提高省内区域协同创新绩效，是一个值得深入研究的课题。

1 文献梳理与评述

目前，关于区域协同创新的研究已经比较丰富，尤其是针对区域协同创新的内涵、测度、绩效评价、影响因素、机制与模式等方面研究比较深入。张艺等［2］从微观、中观和宏观3 个层面分析协同创新的内涵和功能。叶林等［3］以粤港澳大湾区为研究案例，研究认为区域协同创新系统包括制度协同创新、主体协同创新、要素协同创新和网络协同创新4 个维度的内涵。Li 等［4］运用TOPSIS 法对中国31 个省市的区域协同创新能力进行动态评价，并对各区域协同创新能力的空间分布与聚集特征进行分析。吴笑等［5］以复杂系统协同学为理论基础，构建协同创新协同度测度模型。彭翀等［6］以长江中游城市群为实证研究对象，从“静态、动态、均衡”3 个维度构建区域协同创新绩效的评价框架。白俊红等［7］运用空间面板计量模型，从协同创新主体和创新要素流动两个方面分析区域创新绩效的影响因素。Wang等［8］运用空间计算经济模型分析产学研协同创新和创新要素动态流动对区域创新绩效的影响。邵汉华等［9］运用SBM-DEA 方法构建空间计量模型和门槛面板模型，分析省域研发要素流动对区域协同创新效率的影响效应。王海花等［10］采用负二项回归和逻辑回归模型，研究了多维邻近性（地理邻近性、技术邻近性、社会邻近性、网络邻近性）对跨区域产学协同创新的影响。许彩侠［11］以“创新驿站”为例，提出了由高等院校、技术中介机构、企业和政府构成的“四位一体”区域协同创新机制。崔新健等［12］根据协同创新的主体与区域的差异性，将区域协同创新分为同主体多区域协同创新、同区域多主体协同创新和跨区域多主体协同创新3 种路径和模式，并由此构建3×3 区域协同创新模式及演化路径。张协奎等［13］在分析政府、产业和企业联动的基础上，提出技术联动协同创新、产业转移协同创新、功能定位协同创新等3 种区域协同创新模式。

综上所述，就研究对象而言，现有研究主要集中在省域协同发展区，而针对省内区域协同创新绩效的研究还很少，缺乏深入的理论和实践探索。就研究视角而言，现有研究要么从多维邻近性的视角，要么从空间关联的视角研究区域协同创新绩效的影响因素，缺乏将多维邻近性和空间关联纳入统一的理论体系和分析框架，难以厘清区域协同创新系统的内在机理和逻辑框架，且缺乏研究的系统性、完整性和逻辑性。就研究方法而言，以往研究多数关注区域协同创新系统的静态特征，较少从时空动态演化角度刻画区域协同创新系统的本质特征和内在规律。为此，本文将以闽西南协同发展区等25 个省内协同发展区（城市群）为实证研究对象，从多维邻近性的视角分析区域空间动态关联的内在机理和影响机制，进而探索空间关联对省内区域协同创新绩效的影响关系。本文研究的边际贡献主要体现在：一是研究对象方面，以省内协同发展区为实证研究对象，弥补此领域的研究缺失，为省内区域协同创新系统构建提供理论支撑和政策依据；二是研究视角方面，将多维邻近性和区域空间关联纳入统一的分析框架，揭示区域协同创新系统的内在机理和运行机制，充实区域协同创新系统研究的理论体系；三是研究方法方面，将采用静态到动态，再到动态均衡的分析方法，对省内区域协同创新绩效进行测度和评价，是对传统静态和动态研究方法的改进和有益尝试。

2 理论框架

2.1 相关概念界定与内涵

2.1.1 多维邻近性

随着经济地理学和区域经济学的兴起，邻近性理论逐渐得到关注和重视。最早由马歇尔提出集群经济的理论，随即延伸为地理邻近性，此后以拉雷特和托雷为代表的法国动力学派将其扩展为多维邻近性，由此开启了多维邻近性的研究先河。进入21世纪后，多维邻近性的研究不断深入，其内涵不断丰富，范畴和运用领域不断拓展，其中比较有代表性的是欧盟学者博世玛2005 年提出的五维邻近性（地理邻近性、认知邻近性、组织邻近性、社会邻近性和制度邻近性），以及诺本和欧勒曼斯提出 的GOT 邻近性（地理邻近性、组织邻近性和技术邻近性）。本文在现有研究的基础上，结合本文的研究情境，将多维邻近性概括为地理邻近性、制度邻近性、经济邻近性、技术邻近性和文化邻近性5 个维度。

2.1.2 空间关联

协同发展区的空间关联是以城市与城市之间创新主体和创新要素为载体建立的空间联系与互动，形成区域创新网络系统。一方面是地方政府、企业、高等院校、科研院所、中介服务机构等创新主体之间的协同合作，将政府的创新政策引导，企业的创新需求，高等院校和科研院所的人才、设备与知识等异质的创新资源，与中介服务机构的创新服务进行有机结合，形成创新合力，促进创新资源的空间优化配置，提高区域协同创新绩效。另一方面是协同发展区各城市之间创新人才与创新资本等创新要素的高效流动，人才和资本作为创新生产活动最重要的资源要素，应该打破地方保护和市场分割造成的条块管理现象，建立统一、开放、自由、有序的要素市场，促进创新要素在区际间自由流动和优化配置。

2.1.3 协同创新绩效

区域协同创新系统是一个动态演化的非平衡系统，对其绩效的评价不仅要关注其静态指标，还应关注其动态指标和协同程度。为此，本文将采用创新环境、创新能力和创新成果3 个维度的指标建立区域创新绩效评价指标体系，然后运用基于复杂系统协同度理论的协同度模型测度区域协同创新绩效［6］。其中创新环境用于评价区域创新的政策、制度、氛围等外部环境；创新能力用于评价区域内每个城市的创新资源、创新水平和创新潜力；创新成果用于评价区域创新的效果和效率；创新协同是从区域创新协同发展的视角衡量各城市之间创新资源、能力和成果的平衡性和协调性。

2.2 理论假设

2.2.1 多维邻近性与空间关联

协同发展区和城市群的设立通常基于地理空间相邻、制度相近、经济互动强、技术合作空间大、文化相似等方面的考量，而其中地理空间相邻是前提和基础［14］。那么，多维邻近性是否对区域空间关联产生影响呢？一方面，多维邻近性促进协同发展区各创新主体之间的联系与合作［15］。省内协同发展区内各城市之间由于地理相邻，人与人之间比较容易熟知，形成关系网和人际圈子，为创新主体之间的合作奠定基础；由于政策和制度的邻近性，使得创新主体之间的合作壁垒和准入门槛降低，为跨城市创新主体之间的合作提供降低制度和政策成本［16］；经济邻近性使得省内协同发展区内不同城市之间的产业关联性强，经济互动频繁，成为不同城市之间创新主体联合开展创新生产活动的现实需求；由于相邻城市产业的关联性和资源禀赋的差异性，使得创新主体在技术研发和技术创新方面存在合作的空间［17］；地理相邻的城市具有文化相通性和相承性，发挥文化的凝聚功能，使得省内协同区域不同城市创新主体之间具有天然的信任感和认同感，为开展创新合作提供黏合作用，增强创新主体之间合作的可能性和连续性［18］。

另一方面，多维邻近性将推动省内协同发展区各城市创新要素的高效流动［19］。人才和资本等创新要素在地理邻近的城市之间流动的成本将大幅度降低，尽管随着交通和通讯的快速发展，地理距离的远近不断被弱化，但是人才和资本等创新要素的就近聚集效应依然显著。制度邻近性对人才流动的影响明显，人才流动往往伴随着户籍迁移、人事关系和医社保转移，子女入学等一系列问题，如果省内协同发展区内各城市的相关政策和制度能有效衔接和对应，将大大降低人才流动的障碍和壁垒，增强人才的流动性［20］；同时如果各城市间资本市场运作与监管的相关制度和规范相似，资本市场的跨城市流动也将比较活跃［21］。经济邻近的城市经济结构也较为相似，对创新人才结构和创新人才层次的需求和供给比较接近，为创新人才流动创造现实可行性；同时经济邻近的城市资本市场的主要运作模式也比较相似，资本的成本和偏好也趋于相近，使得创新资本在经济邻近的城市间流动意向显著。技术邻近的城市往往更易形成产业聚集效应和产业链比较优势，创新生产活动比较频繁且创新市场比较活跃，促进相关领域和产业的创新资源和创新要素合理流动和有效配置［22］。文化邻近性是城市间创新要素流动的催化剂，创新人才流动的地域倾向跟其文化的类同性和相似性具有紧密的关联，而创新资本也比较容易在文化类同和相近的城市之间交易和流动。综上所述，提出以下假设：

H1a:地理邻近性对省内协同发展区的空间关联具有正向影响作用；

H1b:制度邻近性对省内协同发展区的空间关联具有正向影响作用；

H1c:经济邻近性对省内协同发展区的空间关联具有正向影响作用；

H1d:技术邻近性对省内协同发展区的空间关联具有正向影响作用；

H1e:文化邻近性对省内协同发展区的空间关联具有正向影响作用。

2.2.2 空间关联与省内区域协同创新绩效

空间关联包含创新主体的协同合作以及创新要素的流动两个维度。在创新主体的协同合作方面，企业、高校与科研院所、政府、中介服务机构等创新主体通力协同与合作，形成创新主体链［23］。其中企业和高校与科研院所是直接创新主体，而政府和中介服务机构属于间接创新主体［7］。企业是新产品研发和技术创新的需求方，以创新市场信息的方式传递到高校与科研院所，高校和科研院所利用其人才聚集、知识储备与科研设备等优势开展研发与创新生产活动［24］。而政府通过人才与税收等宏观政策、创新资助与补助、改善营商环境、搭建省内区域协同创新平台等多种渠道引导和影响省内区域协同创新行为和活动［25］。中介服务机构为创新主体之间的联系、洽谈和交易提供支持，为创新主体的创新活动提供融资服务［26］。由此可见，在省内协同发展区创新系统中，各创新主体的功能定位和比较优势各不相同，通过协同合作，可以产生1+1＞2 的内生增长机制和协同效应，提升省内区域协同创新绩效。

创新要素属于经济要素的范畴，具有稀缺性和逐利性的属性，会从边际收益低的区域流向边际收益高的区域［27］。省内协同发展区不同城市由于创新要素禀赋以及创新要素“价格”的差异性，使得创新人才和创新资本等创新要素在不同城市间动态流动，形成空间网络关联，优化创新要素的空间配置，使得创新人才与创新资本等创新要素能够流向最能发挥其价值和效用的区域，从而达到提高省内区域协同创新效率的目的［9］。白俊红等认为创新要素流动是通过其知识溢出效应、规模经济效应和要素配置优化效应等3 个方面提高区域协同创新绩效［7］。为此，提出以下假设：

H2:省内区域空间关联对省内区域协同创新绩效具有正向影响作用。

依据以上分析，提出本文研究的框架模型如图1 所示。

图1 研究框架模型

3 变量测度与数据来源

3.1 多维邻近性测度

3.1.1 地理邻近性测量

地理邻近性（geo_prox）用于测量区域内不同城市间距离的远近性。将在地理距离（geo_dist）的基础上，引进时间距离（tim_dist）指标，以不同城市之间动车或高铁的运行时间为测算值，如果一个城市具有多个动车站或高铁站，选择距离市政府较近的动车站或高铁站为准进行核算。地理邻近性的取值为地理距离和时间距离之间的算术平均值。

3.1.2 制度邻近性测量

对制度邻近性（sys_prox）进行精确测量是复杂的，本文将借鉴党兴华等［28］的研究成果，采用市场化程度相似性（mar_prox）和政策开放性程度相似性（pol_prox）两个指标衡量区域不同城市之间的制度邻近性。其中市场化程度相似性采用区域（城市）间市场化结构相似系数（mssc）和双边区域市场化程度均值（marm）两个指标的乘积作为区域市场化程度邻近程度的测量。本文利用《中国市场化指数报告》提供的各区域（城市）市场化相对进程指数，计算合作区域的市场化程度综合指数均值，并利用其测度区域市场化特性的相关指标，应用工业结构相似系数公式计算其相似系数作为区域间市场化结构相似性，进一步计算市场化程度综合指数均值和区域间市场化结构相似性的乘积。而政策开放性程度（pods）采用李克特五级量表进行专家评分获得。所涉及的计算方法如下所示：

3.1.3 经济邻近性测量

经济邻近性（eco_prox）用于测度不同区域（城市）之间经济结构和经济发展程度的相似性程度。本文用区域（城市）人均地区生产总值衡量经济邻近性指标。技术邻近性计算方法为：

羊消化道线虫病是羊养殖中一种十分常见的体内寄生虫疾病，其危害十分严重，因此，在日常养殖中应定期做好驱虫工作，以有效预防羊消化道线虫病的发生，同时应做好养殖场消毒工作，及时清理羊舍内的粪便。

3.1.4 技术邻近性测量

本报告的技术邻近性（tec_prox）采用Jaffe［29］提出的基于发明专利类型为计量模型的技术距离计算方式，按照国际专利分类标准，可以将专利类型划分为A、B、C、D、E、F、G、H 等8 种类型，技术邻近性计算方法为：

3.1.5 文化邻近性测量

文化邻近性（cul_prox）的测度也是复杂的，一方面是由于文化内涵的丰富性，文化包含了很多的内容，难以面面俱到；另一方面是文化是抽象的，往往难以量化。本报告以语言邻近性（lan_prox）、习俗邻近性（cus_prox）和文化融合性（fus_prox）衡量文化邻近性的3 个指标，3 个指标的取值都是0,1或2，如语言邻近性方面，如果某两个区域（城市）语言相通，取值为2，如果语言部分相通，取值为1，语言不相通，取值为0。由此，得到文化邻近性的计算方法为：

3.2 空间关联测度

3.2.1 创新主体空间关联测度

协同发展区域创新主体之间的空间关联可以体现在多个层面，可以是业务关联、联合研发、中介服务等。本文选取企业区域合作和企业联合研发作为创新主体空间关联的评价指标，其中企业区域合作用同时在区域内不同城市建立设立分公司、子公司、办事处等分支机构的数量来表示，并进行标准化处理；企业联合研发用由区域内不同城市的相关组织或科研人员共同申请的专利数量来表示，并进行标准化处理。并采用企业区域合作和企业联合研发的几何平均值作为创新主体空间关联强度的估算。计算方法为：

3.2.2 创新要素流动空间关联测度

创新要素主要由创新人才与创新资本构成，本文将采用创新人才与创新资本的流动状况衡量创新要素的空间关联程度。采用张营营等［27］的研究成果，在运用引力模型的基础上，引入“推力——拉力”理论来反映创新要素的流动状况，该理论认为创新要素流动是由流出地的“推力”与流入地的“拉力”共同作用的结果。据此，创新人才流动的空间关联强度表示为：

3.2.3 空间关联测度

空间关联强度由创新主体空间关联强度和创新要素流动空间关联强度两个维度构成，本文运用创新主体空间关联强度和创新要素流动空间关联强度的几何平均作为空间关联强度（）的测度，表示为：

3.3 协同创新绩效测度

3.4 控制变量

为了更精准阐述多维邻近性和区域空间关联对区域协同创新绩效的影响，在参考相关研究过程的基础上，设置如下控制变量：（1）经济发展水平（），选取人均GDP 测算城市经济发展水平；（2）城镇化率（），以城镇人口占总人口的比重测度城市的城镇化率；（3）劳动者素质（），使用劳动者平均受教育年限来测算城市的劳动者素质；（4）交通基础设施（），使用人均公里里程数来衡量城市的交通基础设施状况；（5）市场化水平（），采用国有企业总产值占工业企业总产值的比重进行测算。

3.5 数据来源

本文选取闽西南协同发展区、闽东北协同发展区、长株潭城市群、辽中南城市群、关中平原城市群、山东半岛城市群、武汉城市群、广佛同城化、成德绵一体化、宁镇扬一体化、汕潮揭一体化、珠中江经济圈、合淮同城化、马芜铜经济圈、珠三角一体化、广西北部湾经济区、贵遵安同城化、锡澄协同发展区、深莞惠一体化、环鄱阳湖城市群、滇中城市群、乌昌石城市群、呼包鄂城市群、太原城市群、南宁城市群等25 个协同发展区（城市群）2004 年至2019年的面板数据，数据来源于各省、市统计年鉴及官方网站，个别指标数据缺失，采用插值法将其补充完整。变量的统计性描述如表1 所示。

表1 相关变量的统计性描述

4 空间计量模型及结果分析

4.1 空间相关性检验

为了使用空间计量方法分析区域协同创新绩效问题，需要探讨变量的空间相关性。本文运用Moran'sI 指数检验25 个省内协同发展区（城市群）指标数据的空间相关性，得到如图2 所示的检验结果。区域空间关联和协同创新绩效的全局Moran'sI指数都显著为正，时序上呈现出增长趋势，且区域空间关联与协同创新绩效之间呈现出靠拢的趋势，表明25 个省内协同发展区（城市群）协同创新绩效的空间分布具有正自相关性。

4.2 空间计量结果分析

4.2.1 空间计量模型的选用

通常空间计量模型主要有空间自相关模型（SAR）和空间误差模型（SEM）两种，当变量间的空间依赖性对所研究的模型非常重要从而导致了空间相关性时，适合使用空间自相关模型，而当模型的误差项在空间上相关时，适合使用空间误差模型［7］，为了验证哪种模型更适合本文所设计的假设模型，将对两种模型进行对比，进而选定空间计量模型。此外，经Hausman 检验，选择固定效应模型进行估计结果分析，对地区和时间两类非观测效应分别进行控制，形成无固定（nonF）、地区固定时间不固定（sF）、时间固定地区不固定fF）和地区时间均固定（stF）4 种效应模型［7］。

4.2.2 多维邻近性与空间关联的空间计量分析

从表2 多维邻近性与空间关联的空间计量回归结果可知，地区固定时间不固定效应（sF）的空间误差模型（SEM）的整体显著性水平较好，且调整后的R2和对数似然值也较理想，因此本文将选取此模型来分析多维邻近性对省内区域空间关联的影响。地理邻近性、经济邻近性和技术邻近性的回归系数均显著为正，且通过了1%水平下的显著性检验；制度邻近性则回归系数为正并通过了5%水平的显著性检验；表明地理邻近性、经济邻近性、技术邻近性和制度邻近性均对省内区域空间关联具有积极的推动作用。而文化邻近性对省内区域空间关联的影响不显著，不符合我们预期假设。这可能是因为多数省内协同区域地理位置相邻、语言相通、文化相近、习俗相似，文化邻近性本身已经处于较高的水平，相互之间的差异性并不大，在一定程度上弱化了文化邻近性对省内协同区域空间关联的影响。

表2 空间关联的空间计量回归结果

4.2.3 省内空间关联与省内区域协同创新绩效的空间计量分析

从表3 省内空间关联与省内区域协同创新绩效的空间计量回归结果可知，也是地区固定时间不固定效应（sF）的空间误差模型（SEM）的整体显著性水平较好，且调整后的R2和对数似然值也较理想，因此将选取此模型分析省内区域空间关联对省内区域协同创新绩效的影响。地区固定时间不固定效应模型的空间误差系统为0.669，且在1%水平上通过了显著性检验，说明省内区域空间关联有助于推动省内区域创新主体的横向合作，以及创新要素的合理流动和优化配置，促进省内区域创新知识和创新要素的空间溢出，提升省内区域协同创新绩效。

表3 区域协同创新绩效的空间计量回归结果

表3（续）

4.3 稳健性检验

本文涉及变量较多，如何对这些变量进行科学、合理的解释非常重要。为了确保研究结果的可靠性和稳定性，将多维邻近性中经济邻近性指标由人均GDP 替换为人均GDP 与居民消费价格指数（CPI）的综合指标，将创新人才流动的地区吸引力指标由人均工资替换为人均工资与人均GDP 的综合指标；同时考虑省内区域协同创新绩效的滞后性，将其滞后一期的变量纳入检验模型，其它变量和假设保持不变，重复上述过程，得到相应的空间计量回归结果，限于文章篇幅，稳健性检验结果不再列出。结果显示八个空间计量模型中依然是sF 效应的SEM 模型的拟合效果最为理想，多维邻近性各变量对省内区域空间关联的影响以及省内区域空间关联对省内区域协同创新绩效的影响与表2 和表3 的结果保持高度相似性，说明本文对相关变量指标的测度没有对实证研究结果产生较大偏差，研究结果具有稳健性。

5 结论与启示

本文利用25 个省内协同发展区（城市群）2004—2019 年的面板数据，在对多维邻近性、空间关联与省内区域协同创新绩效等概念进行界定和测度的基础上，构建多维邻近性、省内区域空间关联与省内区域协同创新绩效之间的逻辑框架模型。运用空间计量分析方法实证研究了多维邻近性对省内区域空间关联以及省内区域空间关联对省内区域协同创新绩效的影响。结果表明多维邻近性中的地理邻近性、经济邻近性、技术邻近性和制度邻近性均对省内区域空间关联产生显著影响，而文化邻近性对省内区域空间关联的影响并不显著；同时省内区域空间关联也显著地对省内区域协同创新绩效产生正向影响。本研究对于加强多维邻近性建设，构建科学合理的省内区域空间关联网络与结构，提升省内区域协同创新绩效，推进省内区域高质量发展具有一定的启示意义。

首先，提升行政组织层次，强化府际沟通、协调与合作关系。多数省内协同发展区属于省内市域协同发展区，没有上升为国家战略，政策的供给力度不足。其主要的组织机构是区域协同发展区办公室和联席会议，行政级别通常不高，政策话语权不足；联席会议属于松散、非实体的组织机构，各城市有自身的利益诉求和发展定位，遇到深层次的协同问题时往往面临无法协调的困境。为此，建议提高区域协同发展区办公室的行政级别，建议由省委常委兼任办公室主任。加强区域协同发展区的府际沟通与联系，增强互信与互动，提高区域协同发展的政治基础；适当增加区域协同发展区联席会议的频次，对共同关心和关注的事项进行坦诚、友好地交流和沟通。将府际协调与合作纳入各市主要领导政绩考核的一个评价指标，对此不作为、表现不佳的领导要进行诫勉谈话，甚至影响领导干部的任用等。

其次，强化多维邻近性建设，充分发挥多维邻近性对省内区域协同创新体系的推动作用。地理邻近性方面，通过建设城际快速通道、轨道交通线路延伸等多种方式构建智能立体交通网络，缩短城市之间的时间距离和心理距离。经济邻近性方面，凸显不同城市的资源禀赋和竞争优势，形成产业链聚集与合作、异构与互补的有序竞合关系，推动产业转型升级和区域经济高质量发展，为省内区域协同创新系统创造良好的经济基础和社会环境。技术邻近性方面，构建省内区域技术创新的合作机制，为技术创新要素与资源的供需对接与市场交易创造机会和渠道，鼓励跨城市的产学研机构开展横向和纵向合作，提升省内区域技术创新的合力。文化邻近性方面，加强城市间的人文交流与互动，促进省内区域跨城市的文化认同和情感互信，发挥文化的粘合与凝聚功能，为省内区域协同创新营造良好的文化氛围。

然后，加强区域协同创新平台建设，调动跨城市创新主体参与协同创新的积极性和主动性，通过政策引导和平台对接，使得产学研等创新主体可以跨区域、跨城市选择优质的合作伙伴，整合创新资源和创新要素，加快创新生产的速度，提高创新效率。同时，通过各创新主体的联合创新行为，建立新型的协同创新主体关系，形成动态的省内区域协同创新网络，构建省内区域协同创新主体的联动机制，提升创新主体之间合作的活跃度和有效度，进而提升区域协同创新绩效。

最后，推动区域创新要素市场一体化建设，打破传统行政区域治理体系的地方本位主义和保护主义，运用创新思维从政府因素和非政府因素等多维视角推进省内区域统一创新要素市场建设，促进创新人才和创新资本等创新要素市场从分割到整合、从封闭到开放、从竞争到竞合、从无序到有序的动态演进，构建统一、开放、竞争、有序的现代统一要素市场体系。实现市场机制在资源和要素配置中的基础性和决定性作用，发挥各城市的资源禀赋和比较优势并形成专业化分工，促进创新资源和创新要素的区际流动和优化配置，推动省内区域协同创新向深层次和高水平迈进。