中国区域科技创新效率影响因素及提升路径研究

2023-06-25 12:40李昕吴豪洋
河北工业科技 2023年3期

李昕 吴豪洋

摘 要:为了提高区域创新质量、改善区域创新环境、实现区域创新能力的提升,以中国27省为研究对象,构建了包含创新资源要素(知识基础与人力资本)、创新经济要素(地区经济水平与对外开放度)与创新政策要素(政府支持与政府竞争)3个维度、6个条件变量的创新要素群落,应用模糊定性比较分析法,探索了区域科技创新高绩效组态。研究发现:1)区域科技创新高效率路径归结为独立开放型和全面驱动型;2)对外开放、无政府间竞争是实现区域创新高效率的关键要素,区域科技高创新效率一定离不开高对外开放度;3)组态视角下政府支持对实现区域科技创新高效率的作用相对较低。研究成果在一定程度上丰富并扩展了区域科技创新效率的研究情境,对各地区开展区域创新活动具有借鉴意义。

关键词:区域经济学;科技创新效率;创新资源;创新经济;创新政策;组态效应

中图分类号:F276文献标识码:A DOI: 10.7535/hbgykj.2023yx03003

Study on influencing factors and the promotion path of regional

science and technology innovation efficiency in China

LI Xin,WU Haoyang

(School of Management,Bohai University,Jinzhou,Liaoning 121000, China)

Abstract:In order to enhance the quality of region innovation, improve the regional innovation environment, and achieve the upgrading of region innovation capabilities, an innovation element community was constructed with 27 provinces in China as the research object, including three dimensions and six conditional variables: innovation resource elements (knowledge base and human capital), innovation economy elements (regional economic level and openness to the outside world), and innovation policy elements (government support and government competition). The fuzzy qualitative comparative analysis method was applied to explore the high-performance configuration of regional technological innovation. It is shown in the research that: 1)The efficient path of regional scientific and technological innovation can be summarized as independent and open, as well as comprehensive driven. 2)The key factors in achieving high efficiency in regional innovation are openness and no intergovernmental competition. High innovation efficiency cannot be separated from high openness to the outside world. 3)From the perspective of configuration, government support has a relatively low impact on achieving high efficiency in regional technological innovation. The research scenarios on the efficiency of regional scientific and technological innovation have been enriched and expanded, which has reference significance for various regions to carry out regional innovation activities.

Keywords:regional economics;scientific innovation efficiency;innovative resources;innovation economy;innovation policy;configuration effect

隨着人工智能、5G、大数据等新技术的发展,国家之间对于新技术的竞争愈发激烈,部分西方国家针对中国高新技术企业,如华为、大疆等的种种限制措施,进一步证明了核心技术在国际竞争中的重要作用。审视当前各区域创新水平与创新效率,不难发现,各区域在创新要素资源集聚能力同步增长的基础上,其创新产出水平差距却呈现不断扩大趋势[1]。此现象多是由区域间创新效率的差异所引发的,而某些特定的创新要素组合可能成为改善区域创新投入产出效率的有效路径。因此,由组态视角出发,重新划分创新要素群落,揭示创新系统下各要素配置以实现区域科技高创新效率显得尤为重要。

自SCHUMPETER等[2]提出创新理论以来,国内外学者考察了区域创新的结构特征和动态演变过程[3]。其中,对于区域科技创新效率影响因素的研究较为丰富。学者们多采用超越对数生产函数的随机前沿分析方法、二阶段、三阶段DEA等模型分析科技创新效率的影响因素。薛楚江等[4]、方莹莹等[5]以生态系统理论为基础,探究创新生态系统对区域科技创新效率的影响,指出创新生态系统的有效建设能够驱动区域创新绩效的提升。陈银娥等[6]、KALAPOUTI等[7]、安孟[8]研究了单一因素,如教育投入水平、政府支持力度、财政金融环境等,对区域创新效率的影响,结果显示这些因素均对区域创新效率具有正向促进作用。

通过文献梳理可知相关研究多采用回归等统计方法,且着眼于单一因素对创新效率的影响,这为探寻提升区域创新能力的路径提供了重要参考。部分研究基于还原论视角研究复杂管理问题,即探究单个部分对结果产生的影响,而研究多因素对区域创新效率影响的组态效应报道较少。此外,随着国家创新驱动战略的全面实施,科技创新指标被纳入政府绩效评价中,区域科技水平的高低已成为地方政府竞争的标尺,但将政府竞争、政府对科技创新的支持和科技基础设施的异质性等因素作为影响区域创新效率条件变量的组态效应研究更为鲜见。

基于此,研究运用fsQCA方法,从以下3个方面展开研究:1)基于组态视角探究知识积累、人力资本、人均GDP、对外开放度、政府支持、竞争与区域科技创新效率的关系;2)探究不同因素之间可能存在的协同互动效应,进一步挖掘复杂系统下变量之间可能存在的替代作用;3)论证政府竞争下的全新组态对区域科技創新的影响。

1 研究设计

以2016—2020年中国27个省份作为研究对象,重新归纳经济、资源、政策3个创新要素群落,然后运用fsQCA方法进行实证研究,分析各种复杂变量组合对区域科技创新效率的影响,最后获得实现创新高效率的提升路径。

1.1 研究框架

虽然关于区域创新效率研究的关注点各有不同,但多以创新生态系统理论为基础,创新生态系统本质上是以创新要素群落为基础而形成的协同互动网络,在这一生态系统内,各要素群落间通过相互依赖、共生演进的方式发挥出协同创新效应[9]。因此,一个完整的区域创新生态系统应包含“创新资源-创新经济-创新政策”在内的3个维度的创新要素群落。

1)创新资源要素

知识基础理论认为组织是异质性知识资源的载体,其储备生产性的知识,知识储备的差异性决定了效率的差异[10],所有技术也是知识的具体体现,知识积累则是创新的重要基础,区域知识基础是一个地区经过不断的演化而获得的知识积累,其独特的规模、结构和质量决定了地区创新的核心竞争优势和技术发展方向[11]。各地区在初期均有发展新产业和创造新知识的潜能,区域机会的开放,部分禀赋或偶然事件等因素的发生,一些产业在某些地区萌芽、发展,形成相应的知识积累[12]。随着知识累积厚度的加剧,各种知识之间的组合方式呈现多样化,企业创新随之不断增加,新技术、新产品不断产生,进而改善区域创新效率。而组织是人的社会集合,人力资本作为知识积累的重要载体[13],是知识积累、知识成果转化的核心条件,对创新的作用不言而喻,近些年各地区的“人才引进大战”正是地区关注于人才重要性的体现。有效的人力资本可以显著促进创新,其作为一种稀缺、可产生价值、且难以模仿的资源为企业乃至地区带来众多的优势。因此,知识积累和人力资本是重要的创新资源要素,是区域创新效率的重要影响因素。

2)创新经济要素

良好的地区经济水平为区域科技创新所需的投入提供充裕的资金支持;同时,中国企业通过不断开放的区域市场环境,从获得国外投资转为向发达国家投资,向发达国家和先进地区不断学习并吸收其新技术、新知识,进而提高国际竞争力,通过逆向技术溢出效应将知识和技术转化为国内创新资源,提升国内创新水平[14]。

①对外开放度

基于技术溢出理论,PARK等[15]探索对外直接投资对创新效率的影响,研究发现对外直接投资具有逆向技术溢出效应,企业可以通过对外投资分享投资所在国的技术。NYEADI等 [16]研究了外商直接投资能否提高区域创新效率,通过利用企业经营数据研究证实外资进驻会产生“鲇鱼效应”,引发激烈竞争进而提高当地的创新动力。综合研究“走出去”“引进来”对创新效率影响的学者(如孙凤娥等[17])发现,对外开放度的提高可以显著提升区域创新综合效率;陈建丽等[18]通过对中国多个高新技术产业的创新效率进行研究,发现对外开放度对产业总体创新效率有显著正向影响。因此,对外开放中“引进来”“走出去”均会以不同方式产生技术溢出或者激励技术发展,进而提高区域创新效率。对外开放是影响区域创新效率的重要因素。

②地区经济水平

罗默的内生经济增长模型强调经济增长资本积累导致技术进步。部分学者通过实证研究发现,经济发展基础水平较高的地区,创新要素资源较为丰富,且工业产业结构和政策环境更为完善,因此创新投入往往能获得较大产出[19]。区域经济发展水平表现为区域市场需求与环境承载力。市场作为创新产出的主要交易场所,其需求会激励创新行为、推动创新活动,当市场竞争激烈时,促使周边区域相互模仿,提升区域创新效率。而区域经济发展能力,为创新提供基础资源,不同区域创新能力的差别表现为各区域对创新要素的包容度和承受度。在中国,经济发展水平存在不平衡现象,东部地区整体经济发展态势良好,经济环境、创新环境等均优于其他地区,更易吸引大量创新资源集聚,李佳等[20]研究发现,区域经济发展水平差异会导致地区的创新效率差异,且这种差异在短期内难以消除。

3)创新政策要素

创新政策要素代表了一个区域内对创新行为的政策支持力度,是一个区域内的创新基石,而政府间通过竞争的方式争夺资源,以促进本地区的发展,如政府通常通过实行税收减免、税收返还等方式,吸引投资进而影响区域创新效率。而以上行为的实施主体均为当地政府。因此,创新政策要素包括政府支持与政府竞争。

①政府支持

区域创新活动依赖于政府的支持,政府是创新战略的制定者和创新方向的引领者、创新环境的塑造者、创新主体利益的协调者、基础知识与共性技术的供应主体以及重点领域与特殊行业创新项目的组织者甚至承担者[21]。众多研究表明政府支持对创新效率存在抑制[22]或促进[23]作用,且这种支持作用存在一定的门槛效应[24]。

②政府竞争

建设良好的创新环境是政府的主要职能。随着近年来国家创新发展战略的实施,区域科技创新水平也成为地方政府绩效考核的标准之一。在中国式分权下,各级地方政府具有明显的“政治经济人”属性[25]。由于科技创新的公共物品属性,导致市场在配置科技要素、分配科技价值归属上失灵,因此需要政府主导、推进其发展。而创新要素作为稀缺资源,已成为各地方政府争取的焦点,横向层级政府间会展开激烈竞争,这一行为势必对创新产生影响。田时中等[26]认为地方政府竞争对于区域创新效率有明显的促进作用;而田红宇等[27]则认为政府竞争会抑制区域创新效率的提高。

综上,知识积累、人力资本、对外开放度、地区经济发展水平、政府支持及政府竞争均为影响区域科技创新效率的重要因素。研究运用fsQCA以组态视角分析中国区域科技创新效率影响因素及其路径,将区域科技创新效率影响因素归纳为3个维度:创新资源要素、创新经济要素、创新政策要素,并在此基础上构建了知识积累、人力资本、人均GDP、对外开放度、政府竞争和政府支持6个条件变量影响区域科技创新效率的理论框架。以27个省份为具体案例展开后续研究,具体框架如图1所示。

1.2 研究方法

fsQCA屬于一种超越定性与定量且兼顾二者优点的集合思想的研究方法。它通过设置锚点校准确定变量所处的集合,并应用布尔代数的数学语言和集合思想完成一系列复杂的逻辑运算。在这个逻辑运算中基于fsQCA因果非对称性等的底层逻辑让使用者更易于探究解释变量与被解释变量之间的多重并发因果关系。fsQCA可以结合实际案例并运用数学方式研究不同解释变量的不同组合对被解释变量的影响,即哪些组态条件会导致结果发生,哪些条件组态会导致结果不发生。

文中提出的影响区域科技创新效率3个维度6个条件的多种组合,应同样存在多条提升或降低区域科技创新效率的路径。fsQCA对样本的选择要求比较低,可以处理中、小样本以及大样本,选取27个省份作为研究对象,所有变量均以各省2016—2020年的均值作为评价依据,属于中小样本。综上所述,应用fsQCA方法能够更好地解释复杂情境下的影响区域科技创新效率的因果关系,为区域科技创新的提升提供指导。文中涉及的27个省份的相关数据来源于2017—2021年《中国统计年鉴》《中国人口统计年鉴》及《中国科技统计年鉴》。

1.3 结果变量的确定

本文以区域科技创新效率作为被解释变量,借鉴韩先锋等[28]的做法,分别选取研发人员全时当量和R&D经费内部支出额,作为 R&D 的人力投入指标和资本投入指标。同时,以各地区有效专利授权量作为各省创新的产出指标,相对于专利申请量,有效专利授权量更能准确反映地区的创新产出。在计算方法的选择中,选用随机前沿分析(stochastic frontier analysis,SFA),柯颖等[29]认为在效率测算中,DEA方法相较于SFA,忽略了非投入因素对模型结果的干扰,SFA方法中加入随机误差项以避免此问题,其更适合对区域创新效率的测算。因此区域创新效率以研发人员全时当量、R&D经费内部支出额作为投入指标,以有效专利授权量作为产出指标应用SFA测算获得。

1.4 条件变量的确定

根据前文分析结果,确定创新资源要素、创新经济要素和创新政策要素3个维度6个条件变量,具体如下。

1)创新资源要素

①知识积累 创新离不开知识积累,知识积累不足,往往会引致创新失败[30]。通过知识的不断累积、渗透、吸收、转化,最终转变为专利技术。NOOTEBOOM等[31]认为组织的研发积累及所形成的专利技术文件都是知识积累的体现。本文借鉴肖振红等[32]的方法,采用永续盘存法,计算知识积累存量,测算公式为式(1):

Kit=Ki(t-1)(1-δ)+ΔKi(t-1),(1)

式中:Kit,Ki(t-1)分别表示i省第t年、第t-1年的知识积累;ΔKi(t-1)表示i省第t-1年的专利申请量;δ为折旧率[33]。

②人力资本 人才作为知识吸收转化的载体,是开展创新的基础。本文运用梁圣蓉等[34]关于人力资本的测算方法,应用平均受教育程度作为人力资本的衡量指标。测算公式:

平均受教育程度=大专及以上文化程度人口比例×16 a+高中文化程度人口比例×12 a+初中文化程度人口比例×9 a+小学文化程度人口比例×6 a+文盲半文盲文化程度人口比例×2 a。

2)创新经济要素

①地区经济水平 地方经济发展可以保证为区域科技创新提供所需的大量且持续的投入,经济发展水平较高的城市往往吸收和转化的能力也较强,技术外溢的效应更显著,进而促进区域创新产出。因此,地区经济发展水平选取人均GDP来衡量。

②对外开放度 一个地区的对外开放水平决定了该地区技术市场上所存在的新知识、新技术的深度与广度,同时,由于外部竞争压力的存在,对外开放度越高,企业加大新产品研发、流程创新的积极性就越高,提高企业绩效,进而带动区域创新效率提升。因此,本文选取地区进出口总额占该地区GDP的比例作为衡量该地区对外开放度的指标。

3)创新政策要素

①政府支持 区域创新环境的构建,离不开政府的参与。政府对研发活动的支持,能够保证创新活动的持续投入,不断累积知识存量,实现知识成果转化,进而促进区域科技创新效率的提升。政府支持主要用政府支持力度来衡量,具体测算公式:政府支持力度=政府研发支出/地区整体研发支出。

②政府竞争 已有研究表明,因为资源稀缺性,政府之间往往会采用竞争的做法,这种竞争关系对区域创新产生重要影响[35]。参考陈国福等[36]的研究,将各省人均外商投资额作为度量地方政府间竞争的标尺。

2 数据校准与结果分析

区域科技创新效率的影响往往受到多因素的共同作用,应用fsQCA可以较好地探究多要素之间的协同效应,有助于厘清复杂情境下非线性因果关系。获得同一结果的路径可能包含多条,而非仅有最优解,且不同创新要素之间存在相互制约、促进或替代作用。

2.1 数据校准

数据校准主要是考虑到fsQCA研究的是多个变量之间的集合关系,因此数据校准就是将变量归属于其应隶属集合的过程。这个过程需要结合相关理论及实际情况设置3个锚点(完全隶属点、交叉点、完全不隶属点),进而完成校准。本文依据相关理论并结合数据分布特点,参考Fiss和Evan的校准方法,将上四分位点、下四分位点以及50%分位点作为锚点,分别对应完全隶属点、完全不隶属点、交叉点。为方便计算,用EP表示创新绩效,K表示知识积累,H表示人力资本,Eg表示区域经济水平,F表示对外开放度,Gs表示政府支持,Gc表示政府竞争。各变量的校准锚点如表1所示。

2.2 变量必要性分析

有必要在fsQCA进行组态分析之前进行单变量必要性检验,单变量必要性检验是分析单个变量是否是导致结果变量发生的必要条件。该因果关系可以通过观测各个前因变量对结果变量的一致性得分来判定。参考学术界关于一致性得分门槛值的主流意见,当一致性得分不小于0.9时,则认为该条件为结果的必要条件。表2为单变量必要性检验的结果,其中条件变量均未超过09,说明文中涉及的6个条件变量对区域科技创新绩效的影响不具备独立解释力,需要综合考虑各条件变量的联动影响,这也说明了区域科技创新效率的变化是由多因素融合共同作用的结果。

2.3 真值表构建

真值表是将具体案例压缩合成组态证据,同时考虑逻辑上的可能组合,并基于组态视角详细展示影响中国区域科技创新效率的多种不同因果路径。在构建真值表的过程中,将隶属度得分小于05的赋值为0;将隶属度得分大于0.5且一致性得分大于0.8,PRI一致性得分大于0.75的赋值为1,其余赋值为0。具体如表3所示。

2.4 条件组态分析

fsQCA在经过标准分析后会根据逻辑余项的使用情况产生3种不同的解:复杂解、简约解、中间解。其中,复杂解没有使用逻辑余项,是完全依据现有案例生成的解,从而使结果过于复杂;简约解使用了理论上所有的逻辑余项,这就可能在运算中纳入不合理逻辑余项;中间解则考虑研究者的理论知识,纳入部分具有意义的逻辑余项,学界普遍认为中间解优于复杂解和中间解。具体如表4所示。

表5中一致性水平反映了组态是区域高创新效率的充分条件的程度,原始覆盖度则代表了该条组态能够解释的案例比例,唯一覆盖度则表示仅能由某一组态解释的比例。

1)区域高创新效率路径分析

从组态视角看,表5展现了3条区域高创新效率组态。

①独立开放型 该类组态构型包括2种具体组态,分别是H1,H2。2条组态都具有共同的核心条件高对外开放度、政府竞争缺失,故将该组态构型命名为独立开放型。H1组态表示无需人力资本及政府支持,政府之间在不存在竞争的情形下,区域只要拥有一定的经济水平,且保有高对外开放度,在这3种条件综合作用下,即可获得区域高创新效率,与此相对应的案例省份有江苏、浙江、福建;H2组态表示无需知识积累和政府支持,政府之间不存在竞争的情形下,区域只要拥有一定的經济水平,且保有高对外开放度,亦可在这3种条件综合作用下获得高创新效率,与之相符的案例省份为江苏、山东。综合此2条路径可知,即使缺乏一定的创新资源,一个地区拥有高对外开放度和一定的区域经济水平即可促使该区域获得科技创新高效率,说明即使缺乏创新资源和创新政策要素,但该地区如有良好的创新经济要素仍可产生科技创新高效率。结合技术溢出理论与资源基础理论的研究,发现产生此类现象的原因,可能是因为对外开放度作为创新经济环境中的重要条件变量,其不仅为科技创新提供一定的资金支持,同时科技创新需通过获取外部知识而实现,进出口贸易作为国内与国外企业沟通的主要途径,一方面企业为提高自身创新水平通过进出口贸易开展主动学习,另一方面发达国家对于产品质量与功能的要求迫使企业努力学习先进知识、提升技术水平,同时也带来区域技术积累,进而提升区域创新水平和效率。

②全面驱动型 这类组态构型由一种具体组态构成,为H3。由于这条组态包含知识积累、人力资本、对外开放度及政府竞争4个边缘条件,且其分属于创新资源要素、创新经济要素、创新政策要素3个维度,故将其命名为全面驱动型。H3组态表明无论区域经济水平发展到何种程度,一个区域只要拥有一定的知识积累和人力资本、适度的政府竞争和对外开放度,无需政府支持即可获得区域科技创新的高效率,代表性案例省份为广东、重庆、江西。这类组态也印证了笔者提出的关于区域高创新绩效是由多因素共同协同作用的结果这一假设。

从单个条件维度看,高对外开放度作为核心条件出现在了所有区域高创新效率组态中,说明了持续推进对外开放是打造区域高创新效率的重中之重。同时政府竞争缺失也作为核心条件出现在了2条区域高创新效率组态中,验证了政府之间竞争对于区域间科技创新效率的抑制作用。此结论与朱德云等[37]的观点一致。政府之间可通过税收、财政支出等方式进行竞争,以获取更多的投资,但这种税收政策愈加标准化、法律化,缺乏灵活性,享受税收的企业往往安于现状,造成内部管理水平缺失,创新效率下降,进而阻碍区域创新效率的提升。这也意味着政府在一定程度上干预创新,限制产业市场对最新创新成果的捕捉,进而约束了市场中的资源配置与转化,约束了创新市场的自由发展,从而抑制了区域创新效率的提升。

3条区域高创新效率组态也反映了地区高创新效率的形成是多种条件共同作用的结果。对于组态路径中核心、边缘条件的分析表明多个要素之间存在主次关系;不同地区在不同的条件组态下都可实现地区高创新效率的事实,进一步反映了殊途同归的并发逻辑思想。

2)区域低创新效率路径分析

区域低创新效率路径组态一共有4条。由于4条路径中核心条件基本一致、相似度较高,故将3条路径合并分析。L1组态表示核心条件知识积累、人力资本、区域经济水平及对外开放度缺失,边缘条件政府竞争缺失会产生区域低创新效率,政府支持与否对结果没有影响。L2组态表示在核心条件人力资本、区域经济水平以及边缘条件对外开放度和政府竞争缺失的状况下,此时即使政府研发投入较大,政府支持力度提高,也会导致区域低创新效率,政府竞争不对结果产生影响。L3组态表示核心条件知识积累、人力资本、对外开放度以及边缘条件区域经济水平缺失,即使政府提供一定的研发支持并存在政府间的竞争,依然会导致区域低创新效率。L4组态表示核心条件知识积累、人力资本、对外开放度及边缘条件政府支持的缺失,即使拥有一定的区域经济水平和适度的政府间竞争,仍会导致区域低创新效率。与此相对应的案例省份主要为黑龙江和甘肃。通过组间对比可以发现,所有低创新效率的区域必然存在知识积累匮乏、人力资本缺失、对外开放度低的问题,说明即使创新政策优良,但缺乏良好的创新资源要素与创新经济要素,仍无法实现区域科技创新效率的提升,这再次从反面视角证明了知识积累、人力资本、对外开放度对提高区域创新效率的重要作用。

2.5 稳健性检验

本文将校准锚点调整为85%分位点、50%分位点、15%分位点,分别对应完全隶属点、交叉点、完全不隶属点,对区域创新效率影响因素及其路径的稳健性进行检验。调整后的模型组态结果整体同原有组态结果没有较大区别,且模型的单条路径一致性和整体一致性水平均大于0.9,说明一致性水平较好,通过稳健性检验。

3 结 语

本文应用中国27个省份2016—2020年数据进行fsQCA分析,研究中国区域科技创新效率的影响因素及其提升路径,丰富并扩展了区域科技创新效率的研究情境;以组态视角揭示了3个维度下,各要素对区域科技创新效率的协同、联动作用,挖掘影响区域科技创新效率的各类因素相互关联性,得出如下结论。

1)对外开放度及政府竞争缺失是实现区域科技创新高效率的关键要素,区域科技低创新效率的产生必然源于知识积累与人力资本匮乏以及对外开放度低的情况。

2)实现区域创新高效率路径大致可分为独立开放型和全面驱动型,独立开放型主要是依托高水平对外开放,全面驱动型则是综合3个维度实现高创新效率。

3)组态视角下政府支持对实现区域高创新效率的作用相对较低。

综上所述,为提升中国区域科技创新效率,需实施科学的对外开放政策,避免政府间竞争,推动区域创新向综合型通道转型。本文对区域创新效率的研究是一次新的探索与尝试,但仍存在不足,具体表现为研究是基于静态数据,未考虑到多个时间段的动态变化;目前学界在校准中对于锚点的设置均是孤立地分析单个变量,未考虑多个变量之间的关系,这是后续研究需完善与改进的方向。

参考文献/References:

[1] 李习保.中国区域创新能力变迁的实证分析:基于创新系统的观点[J].管理世界,2007(12):18-30.LI Xibao.A case study on the changes in the innovation capability of China′s regions:A concept based on the innovation system[J]. Management World,2007(12):18-30.

[2] SCHUMPETER J A, KNUDSEN B T. The theory of economic development: An inquiry into profits[J]. Journal of Economic Literature, 2005, 43(1):108-120.

[3] 史修松,趙曙东,吴福象.中国区域创新效率及其空间差异研究[J].数量经济技术经济研究,2009,26(3):45-55.SHI Xiusong, ZHAO Shudong,WU Fuxiang. Analysis of regional innovation efficiency and spatial discrepancy in China[J].The Journal of Quantitative & Technical Economics, 2009, 26(3):45-55.

[4] 薛楚江,谢富纪.政府人才政策、人力资本与区域创新[J].系统管理学报,2022,31(5):920-930.XUE Chujiang,XIE Fuji.Government talents policy, human capital, and regional innovation[J]. Journal of Systems & Management, 2022, 31(5):920-930.

[5] 方莹莹,刘戒骄,冯雪艳.空间相关性、创新生态环境与高技术产业创新生态系统创新效率——基于中国内地23个省份的实证研究[J].科技进步与对策,2022,39(3):59-68.FANG Yingying,LIU Jiejiao,FENG Xueyan. Spatial correlation,innovation ecological environment and efficiency of industry innovation ecosystem:An empirical study based on high-tech industrial of 23 provinces in China[J].Science & Technology Progress and Policy,2022,39(3):59-68.

[6] 陳银娥,李鑫,李汶.中国省域科技创新效率的影响因素及时空异质性分析[J].中国软科学,2021,364(4):137-149.CHEN Yine,LI Xin,LI Wen.Analysis on determinants and spatiotemporal heterogeneity of science and technology innovation efficiency at Chinese provincial level[J].China Soft Science,2021,364(4):137-149.

[7] KALAPOUTI K, PETRIDIS K, MALESIOS C, et al.Measuring efficiency of innovation using combined data envelopment analysis and structural equation modeling:Empirical study in EU regions[J].Annals of Operations Research,2020,294(1):297-320.

[8] 安孟.对外直接投资能否提升区域创新效率[J].中国科技论坛,2022,310(2):141-150.AN Meng.Does outward foreign direct investment improve regional innovation efficiency[J].Forum on Science and Technology in China,2022,310(2):141-150.

[9] 陈邑早,黄诗华,王圣媛.我国区域创新生态系统运行效率:基于创新价值链视角[J].科研管理,2022,43(7):11-19.CHEN Yizao,HUANG Shihua,WANG Shengyuan.The operational efficiency of the regional innovation ecosystem in China:A study based on the perspective of innovation value chain[J]. Science Research Management, 2022,43(7):11-19.

[10]FOSS N J. Knowledge-based approaches to the theory of the firm:Some critical comments[J].Organization Science,1996,7(5):470-476.

[11]ASHEIM B T,BOSCHMA R,COOKE P.Constructing regional advantage:Platform policies based on related variety and differentiated knowledge bases[J].Regional Studies,2011,45(7):893-904.

[12]孙瑜康,吕爽,崔丹.区域知识基础理论及其对中国区域创新的启示[J].科学学研究,2022,40(2):366-375.SUN Yukang,LYU Shuang,CUI Dan.Regional knowledge base theory and its enlightenment to China′s regional innovation[J].Studies in Science of Science,2022,40(2):366-375.

[13]POLANYI B M. Personal knowledge: Towards a post-critical philosophy[J]. Philosophy of Science,1958,107(4):617-618.

[14]顾雪松,韩立岩.市场化进程与对外直接投资的技术溢出效应[J].科研管理,2018,39(6):150-158.GU Xuesong,HAN Liyan.Market-oriented transition and technology spillover effect of outward direct investment (ODI)[J].Science Research Management,2018,39(6):150-158.

[15]PARK H,ANDERSON T R,SEO W. Regional innovation capability from a technology-oriented perspective:An analysis at industry level[J].Computers in Industry, 2021,129:103441.

[16]NYEADI J D,ADJASI C,NTIM C G.Foreign direct investment and firm innovation in selected Sub-Saharan African countries[J]. Cogent Business & Management, 2020,7(1):1763650.

[17]孙凤娥,田治威.区域创新效率提升之道:选择性保护还是全面开放[J].科技进步与对策,2019,36(8):35-43.SUN Fenge,TIAN Zhiwei.Ways to improve the efficiency of regional innovation:Selective protection or comprehensive openness[J]. Science & Technology Progress and Policy, 2019,36(8):35-43.

[18]陳建丽,孟令杰,姜彩楼.两阶段视角下高技术产业技术创新效率及影响因素研究[J].数学的实践与认识,2014,44(4):63-74.CHEN Jianli, MENG Lingjie, JIANG Cailou. The research on technological innovation efficiency and its affecting factors of high-tech industry from two-stage perspective[J]. Mathematics in Practice and Theory,2014, 44(4):63-74.

[19]林润田,李碧珍.中国工业创新效率的测度与空间溢出效应分析[J].统计与决策,2022,38(7):97-101.LIN Runtian,LI Bizhen.Measurement of industrial innovation efficiency in China and analysis of spatial spillover effect[J].Statistics & Decision,2022,38(7):97-101.

[20]李佳,王丽丽,王欢明.不同经济发展水平下创新要素对产业创新绩效的影响及政策启示[J].科技进步与对策,2020,37(7):52-58.

LI Jia,WANG Lili,WANG Huanming.The impact of innovation elements on innovation performance under different levels of economic growth and the policy implications[J].Science & Technology Progress and Policy,2020,37(7):52-58.

[21]李政,杨思莹.财政分权、政府创新偏好与区域创新效率[J].管理世界,2018,34(12):29-42.LI Zheng,YANG Siying.Fiscal decentralization,government innovation preferences,and regional innovation efficiency[J].Journal of Management World,2018,34(12):29-42.

[22]钱明辉.效率视角下的科技创新政策优化——以广西壮族自治区为例[J].社会科学家,2019(1):43-52.

[23]肖仁桥,陈忠卫,钱丽.异质性技术视角下中国高技术制造业创新效率研究[J].管理科学,2018,31(1):48-68.XIAO Renqiao,CHEN Zhongwei,QIAN Li.China′s high-tech manufacturing industries′ innovation efficiency:Technology heterogeneity perspective[J].Journal of Management Science, 2018,31(1):48-68.

[24]路畅,王媛媛,于渤,等.制度环境、技术创新与传统产业升级——基于中国省际面板数据的门槛回归分析[J].科技进步与对策,2019,36(14):62-68.LU Chang,WANG Yuanyuan,YU Bo,et al.Institutional environment,technological innovation and traditional industrial upgrading—a threshold test based on interprovincial panel data in China[J].Science & Technology Progress and Policy,2019,36(14):62-68.

[25]李晨光,张永安.区域创新政策对企业创新效率影响的实证研究[J].科研管理,2014,35(9):25-35.LI Chenguang,ZHANG Yongan.An empirical research on the impact of regional innovation policy on enterprise innovation efficiency[J].Science Research Management,2014,35(9):25-35.

[26]田时中,余本洋,陆雅洁.财政投入、地方政府竞争与区域科技创新[J].统计与决策,2020,36(3):150-154.TIAN Shizhong,YU Benyang,LU Yajie.Financial input,local government competition and regional scientific and technological innovation[J].Statistics & Decision,2020,36(3):150-154.

[27]田红宇,祝志勇,刘魏.政府主导、地方政府竞争与科技创新效率[J].软科学,2019,33(2):22-25.TIAN Hongyu,ZHU Zhiyong,LIU Wei.Government dominance,local government competition and the efficiency of technological innovation[J].Soft Science,2019,33(2):22-25.

[28]韩先锋,宋文飞,李勃昕.互联网能成为中国区域创新效率提升的新动能吗[J].中国工业经济,2019(7):119-136.HAN Xianfeng,SONG Wenfei,LI Boxin.Can the internet become a new momentum to improve the efficiency of regional innovation in China[J].China Industrial Economics,2019(7):119-136.

[29]柯颖,何根源,刘昱影.逆向外包能提升中国半导体产业创新效率吗[J].科技进步与对策,2021,38(6):55-64.KE Ying,HE Genyuan,LIU Yuying.Can reverse outsourcing improve the innovation efficiency of China′s semiconductor industry[J].Science & Technology Progress and Policy,2021,38(6):55-64.

[30]陈雅兰,韩龙士,王金祥,等.原始性创新的影响因素及演化机理探究[J].科学学研究,2003,21(4):433-437.CHEN Yalan,HAN Longshi,WANG Jinxiang,et al.The research on the main factors and the evolving mechanism of original innovation[J].Studies in Science of Science,2003,21(4):433-437.

[31]NOOTEBOOM B,VAN HAVERBEKE W,DUYSTERS G,et al.Optimal cognitive distance and absorptive capacity[J].Research Policy,2007,36(7):1016-1034.

[32]肖振红,范君荻,李炎.产学研协同发展、知识积累与技术创新效率——基于动态面板门限机理实证分析[J].系统管理学报,2021,30(1):142-149.XIAO Zhenhong,FAN Jundi,LI Yan.Industry-university-research collaborative innovation,knowledge accumulation,and technology innovation efficiency:An empirical analysis based on dynamic panel threshold mechanism[J].Journal of Systems & Management,2021,30(1):142-149.

[33]ANG J B.Financial development, liberalization and technological deepening[J].European Economic Review,2011,55(5):688-701.

[34]梁圣蓉,罗良文.国际研发资本技术溢出对绿色技术创新效率的动态效应[J].科研管理,2019,40(3):21-29.LIANG Shengrong,LUO Liangwen.The dynamic effect of international R&D capital technology spillovers on the efficiency of green technology innovation[J].Science Research Management,2019,40(3):21-29.

[35]LEE C P,CHANG Kaiju,BERRY F S.Testing the development and diffusion of E-Government and E-Democracy:A global perspective[J].Public Administration Review,2011,71(3):444-454.

[36]陈国福,唐炎钊.经济高质量发展的内外双循环驱动因素和政府竞争的影响机制[J].经济问题探索,2022(1):1-14.CHEN Guofu,TANG Yanzhao.The internal and external double cycle driving factors of high-quality economic development and the effect of government competition[J].Inquiry Into Economic Issues,2022(1):1-14.

[37]朱德云,王鴻梓.税收竞争与财政支出竞争对区域科技创新效率的影响——基于产业结构升级的门槛效应检验[J].现代财经(天津财经大学学报),2023,43(1):86-102.ZHU Deyun,WANG Hongzi.The influence of tax competition and fiscal expenditure competition on regional technological innovation efficiency:A threshold effect test based on industrial structure upgrading[J].Modern Finance and Economics (Journal of Tianjin University of Finance and Economics),2023,43(1):86-102.