江苏省区域创新产出的时空演化特征研究

赵梦姝，邰勇财，唐凌飞，周琪珺

(江苏师范大学 地理测绘与城乡规划学院，江苏 徐州 221009)

一、引言

党的十九大报告提出“创新是引领发展的第一动力，要加快建设创新型国家、构建国家创新体系①”。在知识经济时代的背景下，区域创新能力已成为推动国家和地区经济发展，提升区域综合竞争力和获取国内外竞争优势的重要决定性因素②。本文研究江苏省区域创新产出的空间结构及时空演化特征，不但顺应当前时代的背景，并对提升区域创新能力，发挥区域竞争优势具有相当重要的现实意义。

区域创新的时空演化特征研究是经济地理学的研究热点，主要集中在区域的创新能力评估、创新驱动力、空间相关性分析等方面，以及从省级、地市级尺度开展空间异质性的实证研究③-⑤。在区域创新影响因素的研究方面，刘清春等认为在地理空间属性中存在第三本性，即人力资本要素和信息流动对经济活动的时空分异起重要作用⑥；岳鹄等认为，我国省域创新面板数据探究区域创新环境影响创新能力，并归纳存在差异的原因⑦。在创新能力区域差异的研究方面，曹勇等运用Theil系数计算1990—2008年全国发明专利申请量和大中型工业企业新产品产值来测度全国区域创新能力的差异⑧。姜磊等计算基尼系数、变差系数、赫芬达尔系数，指出长三角地区的区域创新分布表现为分散均衡型⑨。在区域创新的空间溢出效应的研究方面，孙建等利用知识生产函数探究得出中国区域创新存在显著正负向的知识溢出⑩。张战仁解释了空间溢出对区域创新空间差异产生的作用机制⑪。在区域创新空间格局及演化研究方面，方远平等运用Moran’s I指数分析发现中国不同省域的创新要素与区域创新产出有着不同的空间集聚模式⑫。陈晶等发现我国区域创新活动演化特征从单极化的点状发展逐渐转变为分散化的线面发展⑬。

论文分析江苏创新的时空分异及演化格局，分析创新产出的空间关联特征，对影响因素进行研究。

二、研究方法与数据来源

（一）研究方法

1.区位基尼系数。测度空间集聚常用的计量模型主要有变异系数、区位基尼系数、赫芬达尔指数等⑭⑮。区位基尼系数计算简易快捷，能运用所得数据测度创新产出集聚程度⑯。公式如下：

2.空间自相关。全局Moran’s I指数度量创新产出的全局空间关联特征，反映观测地市与相邻地市的相似度。公式如下：

Wij为空间权重矩阵，采用Queen邻接权重矩阵。采用Local Moran’s I值来探究各地市与周边地市间的局部空间差异。

（二）数据来源

对区域创新产出的度量，目前学术界尚未达成共识，许多学者较多地运用专利作为创新产出的衡量指标⑰⑱。但将专利授权量作为创新产出的衡量指标更具有科学性、合理性⑲。数据来源于《江苏统计年鉴（2011—2020年）》。

三、江苏省创新产出的时空演化特征分析

（一）创新产出的空间分布描述

随着创新驱动发展战略的深入实施，经济发展正在由主要依靠要素驱动向主要依靠创新驱动转变。江苏省区域创新产出不断提高，三种专利授权量不断增多，成为江苏省自主创新建设和经济增长的重要驱动力。

如表1所示，全省的专利授权量从2010—2019年整体上呈现增加趋势。专利授权量较多的地级市分别是南京、苏州、无锡、常州、南通，苏州的专利授权量一直稳居全省第一，处于相当高的水平。而专利授权量一直处于较低水平的地级市主要有连云港、宿迁、淮安，三个地级市的年专利授权量均未过万。其中，连云港从2010—2019年专利授权的年最高数量仅达6341件，且近十年均很难达到苏州专利授权量的10%。其他地级市近十年的专利授权量较为适中，但也都存在一定差距。这说明江苏省市域创新产出在总体空间上表现出明显的不均衡特征。

分别选取2010、2013、2016、2019年作为4个时间点进行创新空间分布模式分析（图1），得出结果：第一，空间上呈明显的集聚现象，苏锡常地区存在明显的高高集聚特征；而苏北地区则存在低低集聚，如宿迁、淮安、连云港，整体上苏南、苏中地区的创新产出明显高于苏北地区。第二，空间上呈现明显的极化现象，创新产出高度集中在距离上海较近的苏州、无锡、南通以及江苏省的首都南京，特别是苏州成为全省创新产出的增长极，并一直保持相对稳定的状态。第三，高创新产出地区的扩散效应较弱，近十年来盐城、扬州、泰州、镇江受到苏州、无锡、南通这几个地区知识溢出效应的影响，虽然创新产出有所提高，但仍存在一定差距，并且在发展过程中极化效应大于扩散效应。

图1 江苏省创新产出地理空间分布图

（二）创新产出的总体差异分析

省辖市 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019南京市 9150 12404 18561 19484 22844 28104 28782 32073 44089 55004苏州市 46109 77281 98430 81665 54709 62263 53528 53223 75837 81145无锡市 26448 34077 51442 39828 27937 34776 29865 28926 35256 38335常州市 9093 11390 15379 18207 18152 21585 17790 16423 23334 24858镇江市 6562 7404 9235 9809 12707 14136 13836 14825 15348 12639泰州市 4198 5606 8414 8309 9118 13383 12489 9924 15633 14905南通市 22644 31335 36245 22086 12391 25970 24337 19057 24578 19637扬州市 3790 5344 8091 11416 11843 13948 13253 14214 22804 18736徐州市 4928 6821 10000 10647 8468 8599 11458 10523 11247 12603盐城市 2499 3234 4964 4718 4549 7840 8076 10017 15932 15713淮安市 1170 1984 3140 4573 6663 9365 8081 7311 9050 7676宿迁市 509 884 4380 4488 4306 5151 4910 4368 8488 7890连云港市 1274 2042 3940 4410 6341 5144 4599 6311 5790 5012

如图2所示，江苏省各地市创新产出的平均值呈现出“M”形的波动攀升，全省整体创新水平逐年提高，但区位基尼系数却随时间推移呈现缓慢下降的态势。创新产出的平均值从2010年的19767.71波动增长到了2019年的44879，用了近十年间。虽然2012—2014年和2015—2017年有小幅度回调，但整体上全省增长了55.95%。2011年区位基尼系数达到最高值（0.599），表明在2011年江苏省城市创新产出的地理集中度相对较大。在2017年降到最低值（0.374），表明在2017年江苏省城市创新产出地理差异相对较小。总体上由2010年的0.576下降至2019年的0.426，年均下降幅度为1.50%。在2017年以前，区位基尼系数呈逐年下降趋势；2017年以后，略微有所回升，但幅度不大。

图2 江苏省创新产出基尼系数及平均值变化趋势

（三）创新产出的空间关联特征

1.全局空间关联特征。为了研究江苏省区域创新产出的空间集聚格局及演化情况，运用ArcGIS10.2软件，计算出全局Moran’s I值，如图3所示。Moran’s I值整体上表现出“S”型波动下降，空间分布未表现出十分显著的集聚效应，且随时间推移，空间集聚分布呈现下降趋势。2010—2014年Moran’s I值由0.390降至0.237，表明空间集聚效应在减弱，2015、2016年Moran’s I值有所回升，表明集聚分布态势有所增强。但到2019年下降至最低值0.162，空间集聚分布程度相对较低。总体上看，江苏省创新产出在空间上是正相关的，存在一定的集聚效应。

图3 江苏省创新产出Moran'I值变化趋势

2.局部空间关联特征。通过Moran’s I散点图进行LISA聚类分析，进一步探讨江苏省创新产出空间关联的局部特征。利用GeoDa做2010、2013、2016和2019这4个时间点的Moran’s I散点分布图(图略)。大多数地级市LISA值为正，在空间上存在正的空间关联特征，得到表2。分析得出以下几个特征：第一，近十年，61.54%的地级市仍保持在同一个象限，表明城市与相邻近城市保持一定的空间依赖性，且集聚特征存在一定的稳定性，各地市较难脱离原有城市集群。第二，江苏省的高创新产出集聚特征并不显著。第三，常州虽是江苏省内GDP较高的地市，却未与苏州、无锡、南通共同形成高创新产出集聚区，而且近十年并没有新的地级市进入HH象限，除了自身产业结构的原因以外，也意味着在该发展环境下空间知识溢出效应并不明显或者不存在。第四，第一、三象限市域创新产出局部的HH和LL分化，可认为江苏省市域创新产出的空间分布有着较为显著的相互依赖性，呈现出集聚效应，而从全省来看，则显示出以苏南地区为强创新集聚，苏北地区为弱创新集聚的空间分布格局。

四、结论

本研究结合专利授权量的面板数据，通过对2010—2019年江苏省13个地市单元的研究，得出的主要结论如下：

第一，江苏省城市创新产出的总体水平在逐年提高，而地理集中度呈现缓慢下降的趋势。创新产出值较高的地级市主要包括苏州、南京、无锡、常州，而创新产出值一直处于较低水平的地级市主要有淮安、宿迁、连云港。随着整体创新产出的持续增长和地理集中度下降，创新产出未来将由不均衡分布向逐渐趋于均衡分布演化。

第二，Moran’s I值的数据分析表明市域创新产出存在空间自相关，但相关性并不是很强，为创新产出相似值的集聚，表现为较高创新产出的地区相对趋于临近较高创新产出的区域的地理空间格局。

时间 HH LL LH HL 跨象限2010 苏州、无锡、南通 南京、镇江、盐城、扬州、宿迁、淮安、连云港、徐州 常州、泰州 — —2013 苏州、无锡、南通 镇江、扬州、徐州、盐城、宿迁、淮安、连云港 泰州 南京 常州（一、二象限）2016 苏州、无锡、南通 扬州、盐城、淮安、徐州、宿迁、连云港 泰州 南京 常州（一、二象限）、镇江（二、三象限）2019 无锡 扬州、盐城、徐州、淮安、宿迁、连云港 南通、泰州、镇江 南京 苏州（一、四象限）、常州（一、二象限）

第三，Moran’s I散点分布图表明集聚特征存在一定的稳定性，呈现出以苏南地区为强创新集聚，苏北地区为弱创新集聚的空间分布格局。同时，在一定程度上表明了区域知识溢出的空间局限性，创新产出相对落后的地市与较强地市之间存在地理空间距离的阻隔，区域之间创新交流联系较少且较难受益于知识溢出效应，未来较难脱离原有的落后集群。

注释：

①王纪武,刘妮娜.杭州市9区创新发展潜力评价研究[J].经济地理,2020,40(11):130-137.

②何舜辉,杜德斌,焦美琪等.中国地级以上城市创新能力的时空格局演变及影响因素分析[J].地理科学,2017,37(7):1015-1022.

③车湘辉.基于ELECTRE的区域创新能力综合评价方法[J].统计与决策,2014(10):78-81.

④李恒.区域创新能力的空间特征及其对经济增长的作用[J].河南大学学报(社会科学版),2012,52(4):73-79.

⑤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[J].地理研究,2012,31(1):95-106.

⑥刘清春,王铮.中国区域经济差异形成的三次地理要素[J].地理研究,2009,28(2):430–440.

⑦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[J].地理科学,2015,34(12):1438-1444.

⑧曹勇,秦以旭.中国区域创新能力差异变动实证分析[J].中国人口·资源与环境,2012,22(3):164-169.

⑨姜磊,戈冬梅,季民河.长三角区域创新差异和位序规模体系研究[J].经济地理,2011,31(7):1101-1106.

⑩孙建,齐建国.中国区域知识溢出空间距离研究[J].科学学研究,2011,29(11):1643-1650.

⑪张战仁.中国创新发展的区域关联及空间溢出效应研究:基于中国经济创新转型视角的实证分析[J].科学学研究,2013(9):1391-1398.

⑫方远平,谢蔓.创新要素的空间分布及其对区域创新产出的影响:基于中国省域的ESDA-GWR分析[J].经济地理,2012,32(9):8-14.

⑬陈晶,陈宁.我国专利分布的空间特征与区域创新能力影响因素分析[J].中国科学技术大学学报,2012,42(3):252-258.

⑭蒋天颖.浙江省区域创新产出空间分异特征及成因[J].地理研究,2014,33(10):1825-1836.

⑮何键芳,张虹鸥,叶玉瑶等.广东省区域创新产出的空间相关性研究[J].经济地理,2013,33(2):117-122.

⑯蒋天颖.我国区域创新差异时空格局演化及其影响因素分析[J].经济地理,2013,33(6):22-29.

⑰张玉明,李凯.省际区域创新产出的空间相关性研究[J].科学学研究,20108,26(3):659-665.

⑱杨凡,杜德斌,林晓.中国省域创新产出的空间格局与空间溢出效应研究[J].软科学,2016,30(10):6-10.

⑲李志刚,汤书昆,梁晓艳等.我国创新产出的空间分布特征研究——基于省际专利统计数据的空间计量分析[J].科学与科学技术管理,2006,27(8):64-71.