广东省中心城市科研机构的创新辐射效应

杨 雷，王亚林

（华南理工大学，广东广州 510640）

1 研究背景

科研机构是区域创新体系的重要组成部分，在加快要素驱动向创新驱动战略转变、全面实施创新驱动发展战略中具有不可替代的重要作用。近年来，广东省科研机构的发展环境不断优化，省属科研机构改革创新进程加快，新型研发机构不断涌现。根据《广东统计年鉴2019》和《2019 年广东科技统计数据》的相关统计，2018 年广东省共有县级及以上政府部门属科研机构310 家，有省级新型研发机构219 家。在科研机构的建设上，广州市和深圳市表现得尤为突出，形成了以广、深为发展中心，逐步向外设点的发展格局。根据已有研究，科研机构聚集的中心城市凭借区域创新要素在空间分布中产生的比较优势，必然会通过技术溢出效应对周边城市产生辐射影响［1-2］。

关于中心城市对周边城市的辐射效应研究，已有很多成果，大部分聚焦在金融辐射能力和城市空间影响力，也有少量对科技资源辐射力的研究。对于辐射效应的研究，学者多使用威尔逊模型、断裂点模型以及场强模型，如焦继文等［3］在对中心城市的科技资源辐射力进行评价时，利用威尔逊模型测定了中心城市的辐射半径和辐射域；魏伟等［4］将引力模型和场强模型相结合，对石羊河流域城乡结构的辐射作用强度进行研究；曹薇等［5］结合威尔逊模型与场强模型对科技人才聚集地对周边城市的辐射效应进行了实证分析；张虹冕等［6］结合断裂点模型与威尔逊模型，分别对城市综合影响力的辐射范围进行测算与修正；刘璇等［7］通过威尔逊模型对我国四大直辖市的技术辐射力进行了研究；姚凯等［8］通过构建区域中心辐射力测度指标体系，通过区位商来评价各城市的辐射力大小。

梳理现有文献发现，已有较多学者通过指标体系、相关模型对区域内中心城市的科技、经济、综合影响力等方面的辐射效应进行了研究，本研究借鉴前人的研究方法，以科研机构为研究对象，以广东省为研究范围，定量测算区域中科研机构创新能力的大小，对中心城市科研机构创新能力和辐射范围及辐射效果进行实证分析，为推动科研机构空间布局合理化，促进地区科技创新协调发展提供参考。

2 广东省科研机构创新能力测算

2.1 指标选取与体系构建

对科研机构创新能力进行测算，首先要构建科研机构创新能力评价指标体系。现有文献对科研机构创新能力评价的研究较为丰富，但对科研机构创新能力构成要素与表征要素的认识分歧也比较大。由于科研机构具有多样性，科研活动又具有复杂性，以及科研成果具有不易衡量性、不确定性，因此对科研机构的创新能力评价必须尽可能做到客观而全面。总的来看，已有研究中对科研机构创新能力的评价主要从创新基础、创新投入、创新活动、创新产出、成果转化这5 个维度进行展开。本研究借鉴张卫国等［9］构建的科研机构创新能力评价指标体系，结合数据的可得性构建评价体系（见表1），来对广东省科研机构的创新能力进行测算。评价体系中，人才投入主要用R&D 折合全时工作量来进行度量，而在R&D 活动中，按照岗位性质可分为研究人员、技术人员、其他辅助人员，其中研究人员对R&D 活动的贡献最大，因此，将研究人员折合全时工作量作为一个单独的指标列出。

表1 科研机构创新能力评价指标体系

根据已有研究，考虑到广东省科研机构分布具有强中心性［10］，省内某些地区科研机构数量基数过大，直接采用总量数据计算会使某些地区的评价值过高，造成其他地区无法明显区分的情况，因此，首先对指标数据进行平均值处理，然后再通过离差标准化对数据进行无量纲处理。处理公式如下：

2.2 广东省各市科研机构创新能力测定

根据表1 的评价指标体系，对广东省21 个地级市科研机构（以下简称“样本”）创新能力进行测定。数据来源于广东省科学技术厅发布的《广东科技年鉴2018》，采用主成分分析法对指标体系中的重要信息进行提取并对提取的主成分进行赋权。首先进行相关性检验，再提取主成分因子，最后进行综合评分。首先进行KMO 和Bartlett 检验，得出KMO 值为0.603，符合Kaiser 给出的大于0.5 的标准，Bartlett 检验的显著性为0，说明所选指标比较适合采用主成分分析法。然后用SPSS 统计分析软件进行主成分提取，方差贡献分析结果如表2 所示，根据特征值大于1 的标准，提取成分1 和成分2 作为主成分因子，分别记作F1和F2，其方差贡献率分别达77.704%和90.243%，可认为这两个主成分包含了本研究中所有评价指标所反映的信息。

表2 样本指标的主成分方差贡献分析

根据因子的成分矩阵可以得到F1和F2的表达式分别如式（3）（4），再以F1和F2的方差贡献率占两个因子总方差贡献率之比作为权重进行加权汇总，表达式如式（5），最后得出各城市科研机构创新能力得分，如表3 所示。

由表3 可知，广州市和深圳市的科研机构创新能力突出，明显领先其他城市。即认为广州市、深圳市为广东省科研机构聚集的中心城市，具有较强的创新辐射功能。因此本研究将广州市和深圳市作为广东省科研机构创新能力辐射源来探究其对其他城市的辐射效应。

表3 2017 年广东省各市科研机构创新能力得分

表3 （续）

各市各类科研机构分布数量如图1 所示。结合图1 与表3 来看，广州市是省内科研机构数量最多的城市，但却不是科研机构创新能力最强的城市。究其原因，一方面是广州市的传统科研机构（县级及以上政府部门属科研机构）过多，创新实力较弱；另一方面，与深圳市相比，广州市的高新技术企业数量较少，创新驱动力不足。

图1 2017 年广东省各市各类科研机构分布数量

3 中心城市科研机构创新能力辐射效应实证分析

3.1 威尔逊模型

借用威尔逊模型来进行区域中心城市科研机构创新能力辐射力的评价。Wilson［11］认为，两个区域间经常会发生资源流动，从而产生空间相互作用。已有研究认为，区域间的相互作用与区域距离、区域规模、资源同质性有关［12］。威尔逊模型表示为：

式（6）中：Tij为区域i从区域j吸引到的资源总量；Oi为区域i的资源强度；Dj为区域j的资源总量；rij为两区域间的距离；β为衰减因子，决定了区域影响力衰减速度的快慢；K作为归一化因子，在大多数讨论中令K=1。

由式（6）可知，影响一个城市接受其他城市辐射力的主要因素是距离和衰减因子。王铮等［13］于2002 年在研究中对威尔逊模型进行简化，此后学者也多用该简化的模型进行评价。因此，本研究也采用简化版的威尔逊模型，表达式如式（7）所示：

对式（7）取对数便可得到辐射半径的表达式，根据给定θ值计算出Dj、β，便可得出辐射半径r。

在式（8）（9）中：θ为给定阈值，当某区域聚集指数衰减到该阈值以下时，就可以认为核心区域对该区域没有产生辐射效应；Dj为区域j的资源总量，D为相互作用域的域元；T为区域内传递因子总数；tmax为区域内具有扩散功能的最多因子数。

3.2 场强模型

根据威尔逊模型可测度科研机构创新能力的辐射半径，但通常情况下，源辐射城市对周边城市的辐射并不是等幅的辐射，在其辐射范围内的城市接收到的辐射效果往往是不尽相同的，因此，在研究源辐射城市的辐射效果时，还需考虑周边城市对辐射的接受能力。借鉴王海杰等［14］对城市空间关联性的研究方法，本研究引入研究空间相互作用时常用的场强模型E和引力模型F，全面考察广东省中心城市科研机构创新能力对周边辐射效果。辐射源对受力城市的辐射强度的表达式见式（10），受力城市接受辐射程度表达式见式（11）：

式（10）（11）中：Eij为辐射源i在受力点j处产生的辐射场强，代表产生辐射强度；Fij为辐射源i对受力点j产生的辐射力，代表产生辐射能力效果；为辐射源城市i的城市质量；为受力点城市j的城市质量；Dij为辐射源城市i到受力点城市j的最短时间距离。

3.3 源辐射城市辐射半径与辐射效果计算

3.3.1 辐射半径测度

根据上述对广东省21 个地级市科研机构创新能力的评价结果，确定了广州市、深圳市作为源辐射城市，利用威尔逊模型测度广州市和深圳市科研机构创新能力的辐射半径。根据式（8），要确定β、Dj和θ的值。其中，D用各市建成区面积表示（单位为km2），T用城市数目表示（即T=21），tmax用源辐射城市数目表示（即tmax=2），代入式（9）即得β值；θ的取值一般选用创新能力评价值中最小的数量级来确定，本研究中取θ=0.01；用上述已测得各市科研机构创新能力得分表示Dj。则得到深圳市和广州市科研机构创新能力的辐射半径R（单位为km），如表4 所示。

表4 2017 年广东省中心城市科研机构创新能力辐射半径计算

根据辐射半径按照比例尺确定辐射范围，并制作示意图，如图2 所示。可以看出，主要受广州市科研机构创新能力辐射影响的城市有佛山、肇庆、清远、韶关、河源、惠州、东莞、中山、珠海、江门、云浮；主要受深圳市科研机构创新能力辐射影响的城市有珠海、中山、东莞、惠州。

图2 2017 年广州、深圳市科研机构创新能力辐射范围

3.3.2 辐射效应测度

通过对辐射半径的测度，可以得到广州市和深圳市科研机构创新能力辐射影响力的范围，然后根据式（10）（11）计算辐射源城市对受辐射城市的辐射强度和受辐射城市接受辐射的程度。Pi用县以上部门属科研机构在职科技活动人员表示，Di用县以上部门属科研机构科技经费支出表示，Dij用两地之间铁路交通的最短时间表示，则广州和深圳市科研机构创新能力对其他非中心城市的辐射效应，分别如表5、表6 所示。

表5 2017 年广州市科研机构创新能力对其他非中心城市的辐射效应

表5 （续）

表6 2017 年深圳市科研机构创新能力对其他非中心城市的辐射效应

表6 （续）

分析表5 和表6 可知，以广州市为辐射中心，对佛山市的辐射强度最强、对河源市的辐射强度最弱，而在所有受辐射城市中，东莞市对辐射效果的接受能力最强、清远市最弱；以深圳市为辐射中心，对惠州市的辐射强度最强、对珠海市的辐射强度最弱，而在所有受辐射城市中，东莞市对辐射效果的接受能力最强、中山市最弱。由此可见，受力城市受源辐射城市的辐射影响，不仅取决于源辐射城市的辐射强度，也取决于受力城市的接收能力，当受力城市有足够对等的资源与源辐射城市相匹配时，受力城市才能获得更好的辐射效果。

4 结论与建议

4.1 研究结论

本研究首先建立评价指标体系对2017 年广东省21 个地级市科研机构的创新能力进行测度，确定了科研机构聚集并且科研机构创新能力较强的中心城市为广州市和深圳市，再通过威尔逊模型测度中心城市科研机构创新能力的辐射半径，确定辐射范围所涉及的城市，进而利用场强模型和引力模型来评价非中心城市受辐射的效果。得到以下结论：

第一，科研机构的创新能力与其所在城市经济发展水平相一致。利用主成分分析法对广东省21 个地级市科研机构的创新能力进行测定发现，广州和深圳市科研机构创新能力相近，且远超其他城市；总体来看，珠三角地区科研机构的创新能力比粤东西北地区科研机构创新能力强，这也与各市经济发展水平相符合。即经济发展水平较高的城市，其科研机构的创新能力较强；经济发展水平较低的城市，其科研机构创新能力较弱。

第二，测度发现，广州市科研机构的创新能力虽然比深圳市科研机构低一些，但其辐射范围却比深圳市科研机构的辐射范围广，受广州市科研机构创新能力辐射的城市有11 个，受深圳市科研机构创新能力辐射的城市有4 个，其中东莞、惠州、珠海和中山市既受广州市辐射影响，又受深圳市辐射影响。

第三，非中心城市接收中心城市辐射效果存在较大的差异。通过场强模型和引力模型分析发现，中心城市科研机构创新能力对周边城市的辐射强度随距离增大而衰减，但受中心城市辐射强度大的城市接受辐射的能力不一定强，即受力城市中能够获得较好辐射效果的，不仅与其与中心城市的距离有关，也与其科研机构创新能力大小有关。本研究引入场强模型和引力模型对科研机构创新能力辐射效果进行分析，也进一步解释了为什么有的城市距离中心城市近、受中心城市辐射影响大，但其科研机构却并没有拥有较高的创新能力，如清远市之于广州市，受到了中心城市较大的辐射影响，但由于清远市科研机构创新能力薄弱，因此并没有获得较好的辐射效果。

4.2 政策建议

经济持续健康的发展离不开科技进步，科研机构作为一种相对优质的科技资源，对于促进区域科技资源优化配置、提升区域科技创新能力具有重要的引导作用。基于上述实证结果，提出以下政策建议：

（1）加强粤东西北地区科研机构建设，促进科研机构的空间分布趋于合理。由研究结果可知，广东省科研机构的空间分布不均衡，中心城市与周边城市科研机构创新能力差距巨大，影响了中心城市与周边城市的科技资源交流互通，这在一定程度上制约了广东省区域创新能力提高。对于粤东西北科研机构的建设，应以现有科研机构为支点，利用现有的学科基础和科研力量，考虑优势区域代表性，不断完善区域布局，形成优势互补、高质量发展的区域布局体系。

（2）加快推进传统科研机构转型升级，大力培育新型研发机构。针对广东省科研机构空间分布存在的问题，除了优化全省科研机构空间布局结构外，也应集中力量建设中心城市的科研机构，提升中心城市科研机构对全省的引领作用。一方面，推进传统科研机构管理体制改革，确定传统科研机构服务定位，提升传统科研机构的创新能力；另一方面，加快培育新型研发机构，支持行业龙头企业、产业联盟、本地院校和传统科研机构联合建设新型研发机构［15］，同时加强国际合作以及引进国际科研机构。

（3）结合各地产业统筹优化，重点支持相关科研机构发展。非中心城市对中心城市辐射的接受效果与非中心自身的科技实力有较大的关系，因此，为加强中心城市与周边城市科技资源交流，可以通过中心城市现有的科研机构在周边城市设立分支机构，以吸引符合各地产业发展的国家或国际科研机构前来布局；促进科研机构与各地产业配套发展，对支持和服务当地产业发展的科研机构以启动资金、减免租金等方式进行重点支持。