长三角城市群创新发展空间差...基于Dagum基尼系数分解_章激扬.pdf

书书书第32卷第2期2023年2月长江流域资源与环境esources and Environment in the Yangtze BasinVol32 No2Feb 2023长三角城市群创新发展空间差异及收敛性研究 基于 Dagum 基尼系数分解章激扬(南京大学商学院，江苏 南京 210093)摘要:利用 CNDS 数据库公布的 20002019 年城市级发明专利授权数据，考察了长三角地区创新发展的空间差异及其收敛性。Dagum 基尼系数及其分解结果显示:(1)20002019 年期间长三角地区创新发展的总体差异呈逐渐下降趋势，安徽省内创新发展差异最大，江苏省内创新发展差异最小;(2)省际间差异是长三角地区创新发展差异的最主要来源，约占据了长三角地区创新发展总体差异的 70%;(3)收敛机制分析显示，长三角地区创新发展具备典型的 收敛和俱乐部收敛特征;总体样本具备显著的 收敛特征，但是分省样本 收敛特征不明显。研究结论对于缩小长三角地区创新发展的空间差异，推动长三角地区创新集聚发展的扩散及辐射作用具有重要意义。关键词:长三角地区;创新发展;Dagum 基尼系数;收敛中图分类号:F832文献标识码:A文章编号:1004-8227(2023)02-0235-15DOI:10.11870/cjlyzyyhj202302001收稿日期:2022-03-25;修回日期:2022-05-05基金项目:国家社会科学基金重大项目“创新链与产业链耦合的关键核心技术实现机理与突破路径研究”(22ZD093);南京大学长江三角洲经济社会发展研究中心和中国特色社会主义经济建设协同创新中心联合专项重大研究课题“长三角实践创新中国发展经济学:从产业集群到技术集群”(CYD2022006)作者简介:章激扬(1991)，男，博士研究生，主要研究方向为产业经济学 E-mail:DG实施创新驱动发展战略促进区域创新协同发展，是实现动能转换和稳定经济运行的重要举措。近年来，关于区域经济增长是否会出现趋同的争论逐渐延伸到区域创新增长领域1。已有研究指出，区域间创新增长会出现明显的趋同现象，创新水平较低的地区会赶上创新水平较高的地区24。理论文献表明，创新增长符合收敛理论的特征，即创新增长率最终会趋于一个相对稳定的状态5，6。大量实证研究基于不同地区样本对这一问题展开讨论，如以 OECD 成员国为样本的研究发现欧盟内部存在显著的创新趋同效应7;后续学者采用研发强度数据再一次验证了21 个欧盟国家存在一定程度的创新趋同8;以印度制造业为考察对象的研究发现企业之间存在技术融合的现象9。目前学界关于区域创新发展的空间差异大体上从两个方面展开:一是定量研究，从经济地理学出发，运用区域经济发展差异的相关指标，如变异系数10、赫芬达尔系数11、泰尔指数12、核密度估计13 和马尔科夫链14 等动态分布方法对区域创新发展的差异进行分析;二是定性研究，我国地域广阔，为区域间创新发展差异的研究提供了丰富的素材。大量学者基于不同行政区域单位，对我国创新空间差异问题展开讨论，如从全国层面的研究发现我国长三角地区、东北地区和中部地区等区域创新能力差距较小，而西北和东南地区的区域创新能力差距较大15;基于二阶段嵌套泰尔指数发现我国区域内差异先上升后下降，但区域间差异逐年扩大16;进一步分析表明，创新产业规模以及创新产值增值是造成东中西部各个区域内创新能力差距的主要原因17。近年来，伴随着城镇化水平的提高，我国城市群经历了从雏形到成熟的快速发展，大量学者将焦点转向某个具体城市群的创新差异问题，其中又以粤港澳大湾区和长三角城市圈的代表性最强。如以粤港澳大湾区为样本的研究发现科技创新能力的区域间差距是粤港澳大湾区整体差异居高不下的主要根源18;进一步的研究指出粤港澳大湾区创新发展尚未呈现典型的收敛特征，都市圈间的差异是造成创新发展差异的主要来源19。再如以长三角为样本的研究发现，长三角城市群各城市的创新能力在空间上表现为同类集聚倾向，即创新能力呈现了“高高集聚”和“低低集聚”的特征20。进一步的研究发现，上海和南京两市创新带头作用明显，多层级创新板块组合模式有效地提升了区域协同创新能力21。以上研究为推动地区和城市群创新发展以及缩小区域间差距提供了有益的探讨。自 2010 年长江三角洲地区区域规划 发布以来，各地区在创新协同方面取得了长足发展。根据江苏省科技情报研究所、上海市科学学研究所、浙江省科技信息研究院以及安徽省科技情报研究所三省一市 4 家科技智库联合发布的长三角区域协同创新指数 2021，长三角区域协同创新指数从 2011 年的 100 分(基期)增长至 2020 年的 227.05 分，较 2011 年 翻 一 番，同 比 增 长9.69%，年均增速达到 9.54%。尽管长三角整体协同创新水平稳步提升，一体化创新格局基本形成，但是地区创新发展不平衡、角色不明确以及缺乏战略协同等问题尚未得到充分解决。首先从省市间来看，上海市、江苏省、浙江省和安徽省在创新资源禀赋和专利规模上仍然存在较大差异。其次从省市内来看，各省内部不同城市在创新增速和专利结构上也存在着显著的差异。基于长三角地区创新发展潜在的问题，本文拟解决的问题是，长三角范围内创新发展差异有什么样的变化趋势?其差异的来源究竟是来自省市间还是来自省市内?以及长三角创新发展的差异是否存在典型的收敛特征，如果存在，是何种收敛机制?对于上述问题的回答有利于优化长三角地区创新资源配置，针对创新发展差异的来源提出相关政策建议，促进长三角地区创新协调发展。最近的研究指出长三角地区专利吸纳空间格局由极化向均衡发展，特别是以上海为中心的“核心边缘”格局开始逐渐弱化22;基于城市创新指数数据，应用引力模型的研究也发现长三角城市间协同创新网络呈现了不断深化的现象23;Tang 等24 进一步指出人力资本溢出和市场互动是中国城市群内外创新收敛差异的主要原因，也有学者从创新主体协同耦合和空间协同两个维度探讨了长三角地区协同创新关系的演进过程25。现有文献倾向于认同，长三角地区创新发展存在一定的趋同现象。但也有研究指出，尽管上海处于长三角创新空间结构的核心，但创新辐射范围相对较小，长三角地区城市创新空间分布明显失衡，创新环境在于城市创新的发展26。通过对相关文献的梳理，一方面目前国内外专门研究长三角地区创新发展的文献相对较少;另一方面，在研究方法上，学者们多采用时间序列数据的统计方法或者静态分析的方法对区域创新差异问题加以考察，难以科学地对创新发展差异及差异来源加以测度。鉴于此，本文可能的边际贡献主要有如下:(1)利用 CNDS 数据库提供的长三角地区各地级市发明专利授权数据，揭示了长三角地区创新发展空间差异的来源;(2)基于三种不同的收敛机制对长三角地区创新发展差异进行了综合考察;(3)从政策层面、技术层面和要素层面剖析了长三角地区收敛特征机理，对于理解长三角地区创新趋同的现实背景具有一定的启示。以上工作对于缩小长三角地区三省一市创新发展的空间差异，推动长三角创新集聚发展的扩散及辐射以形成国内创新一体示范区具有重要的理论价值和现实意义。1研究设计1.1研究方法1.1.1总体差异在测算地区创新发展差异方面已经积累了许多较为成熟的方法，此处不在赘述。在研究方法的选取上，鉴于泰尔指数(Theil index)及其子群分解测度创新发展的区域差异可能忽略组间差异与组内差异交叠的部分，而赫芬达尔指数(HHI)更侧重于反映区域间创新集中度的差异，本文主要采用 Dagum 提出的基尼系数方法27，该方法最初用于衡量地区收入差距，其按子群分解的方法可以有效解决地区差异的来源问题，因而被广泛地应用于许多领域用以刻画地区发展不平衡问题，例如在医疗卫生13、教育公平28、居民信息消费29、城市绿色创新30 以及要素市场化配置程度31 等方面的区域差异。Dagum 基尼系数及其分解方法最大的优点在于可以将总体差异进一步具体 划 分 为 子 群 内(Internal)、子 群 间(Be-tween)以及超变密度(Intensity of Transvariation)3个部分，从而有效地解决了地区差异的来源问题。此外，区别于其它测算区域发展差异的指632长江流域资源与环境第 32 卷标，Dagum 基尼系数可以通过识别超变密度来弥补其它指数对不同地区间交叉重叠部分忽略的问题，从而实现对总体地区差距贡献的完整识别。鉴于此，本文采用 Dagum 基尼系数及其分解方法检测长三角地区创新发展的空间差异，具体分解方法如下。G=12yn2ni=1nr=1|yi yr|()=kj=1kh=1nji=1nhr=1|yji yhr|2n2Y(1)式中:n 是城市的数量;k 是子群数量，在本文中分别表示上海、江苏、浙江和安徽;nj(nh)是 j(h)某个子群内城市的数量;j 和 h 为子群划分个数，i 和 r 为子群内城市的个数;G 是总体基尼系数;yji(yhr)是 j(h)上海、江苏、浙江和安徽任意一个省市的创新发展程度;Y 代表所有城市创新的平均值，其计算公式为kj=1nji=1yji/n。Dagum 基尼系数值越大，则意味着城市间的创新发展越不平衡。除了考察总体创新发展的差异之外，本文还构建了子群 j 创新发展的基尼系数 Gjj，其函数形式如式(2)所示。Gjj=(1/2Yj)nji=1njr=1|yji yjr|()n2j(2)式中:Yj代表子群 j 创新发展的平均值，其余指标如上文所示。1.1.2Dagum 基尼系数分解构建子群 j 和 h 之间的基尼系数 Gjh函数形式如下:Gjh=nji=1nhr=1|yji yhr|)njnh(Yj+Yh()(3)式中:Yh代表子群 h 创新发展的平均值。此外，为了构建 Dagum 基尼系数子群分解函数，进一步定义如下变量:Djh=djhpjhdjh+pjh(4)djh=0dFj(y)y0(y x)dFh(x)(5)pjh=0dFh(y)y0(y x)dFj(x)(6)Pj=nj/n(7)Sj=njYj/nY(8)式(4)中 Djh代表子群 j 和子群 h 之间的创新发展的相互影响。式(5)中 djh衡量的是子群之间创新发展绩效的差距，可将之视为子群 j 和子群 h中所有的 yjiyhr0 的数学期望。式(6)中 pjh代表子群 j 和子群 h 中所有的 yjiyhr0 的数学期望。F()为子群创新的累积密度函数。综上，本文将长三角地区创新发展的 Dagum基尼系数具体分解为 3 个部分:子群内部基尼系数对总体基尼系数的贡献度 Gw、子群间净值差距对总体基尼系数的贡献度 Gnb和超变密度的贡献度 Gt3 个部分，它们之间的关系满足 G=Gw+Gnb+Gt，其函数形式分别如式(9)(11)所示。Gw=nji=1GjjPjSj(9)Gnb=kj=2j1h=1Gjh(PjSh+PhSj)Djh(10)Gt=kj=1j1h=1Gjh(PjSh+PhSj)(1 Djh)(11)1.2收敛类型1.2.1 收敛 收敛最初是指地区间人均收入的离差随时间的推移而趋于下降的现象32，随后被广泛地运用于衡量所取样本的某一属性值的离差随时间推移而逐渐变小的特征，在本文中是指不同城市创新能力偏离平均水平的幅度呈现逐渐减少的态势。参照现有大多数文献的测算方法，本文采用变异系数来衡量 收敛，具体计算过程见式(12)。=nji(innovationjt innovationjt)2njinnovationjt(12)式中:innovationjt为 j(j=1，2，3)省第 t 年的发明专利授权数量;i 表示各省的城市(i=1，2，3，);nj为各省内城市的数量;innovationjt为 j省在 t 期内创新能力的平均值。若随着时间的推移，值逐渐变小，说明该省各城市的创新离散程度逐渐降低，这意味着各省之间的创新差异逐渐缩小，并具有向均值收敛的态势。1.2.2 收敛 收敛起源于新古典经济学中的经济趋同理论，在本文中，意指初始创新发展水平低的地区相比创新发展水平高的地区具有较快的增长速度，也即不同地区创新发展的增长率与其初始水平呈负相关。收敛又可以分为绝对 收敛及条732第 2 期章激扬:长三角城市群创新发展空间差异及收敛性研究 基于 Dagum 基尼系数分解件 收敛两类32，绝对 收敛是指各省市在其他创新发展指标，如研发投入水平、基础设施水平等相同的情况下，创新发展随着时间推移逐渐收敛到相同的水平，即初始创新发展水平较低的地区与发展水平较高的地区相比具有更高的增长速度。鉴于此，本文构建如下基于面板数据的绝对 收敛模型方程，具体见式(13)。lninnovationi，t+1innovationi，t()=+lninnovationi，t+t+i+i，t(13)式(13)左侧采用对数差分计算创新发展的增长率，右侧中 t表示时间固定效应，i表示城市固定效应，i，t为随机误差项。条件 收敛模型则是在绝对 收敛模型的基础上考虑到了城市其他经济发展因素。参照 Galor33 和 Barro 等34 做法，结合现有数据的可获得性，本文添加了 5 个能够反映城市创新水平的控制变量，主要包括:城市经济发展水平(pgdp):以地级市人均 GDP 表示，以考察期初始年份为基期，根据 GDP 平减指数进行平减;城市研发投入水平(tech):以地级市科学技术支出水平表示;城市开放程度(open):以地级市实际使用外资金额表示;城市信息化水平(inform):以地级市邮电业务总量加上电信业务总量表示;城市基础设施水平(infra):以地级市人均城市道路面积表示。同时，为了减少变量的波动以及减弱模型中数据的异方差性，本文对上述相关变量采取对数处理，具体条件 收敛模型的回归方程如式(14)所示。lninnovationi，t+1innovationi，t()=+lninnovationi，t+1lnpgdpi，t+2lntechi，t+3lnopeni，t+4lninformi，t+5lninfrai，t+t+i+i，t(14)通过式(13)和式(14)，无论是绝对 收敛还是条件 收敛，若 0 且通过显著性水平检验，则表明长三角范围内创新发展存在显著的 收敛，反之则为发散。1.2.3俱乐部收敛俱乐部收敛最初是指经济发展水平相近的个体会形成俱乐部式的发展模式，进而该俱乐部群体的发展具有收敛机制。目前，较为常见的划分方法有按照地理属性划分35 和按照空间属性划分等36。尽管存在不同的划分标准，但是都是基于不同的维度去研究群体的异质性。参照现有文献常用的做法，本文分别根据战略发展重点规划和地级市经济发展总量的划分标准将长三角地区 41个地级市划分为“G60 科技走廊俱乐部”和“非G60 科技走廊俱乐部”以及“万亿俱乐部”和“非万亿俱乐部”两类，以期探讨长三角地区创新发展是否存在俱乐部收敛现象，具体见下文俱乐部收敛分析部分。2数据来源与 Dagum 基尼系数测算结果2.1研究区域与数据来源鉴于 21 世纪以来长三角城市群渐进式扩容的事实，本文梳理了长三角地区近年来行政区划调整的政策文件。2016 年 5 月 22 日，国务院印发国务院关于长江三角洲城市群发展规划的批复(国函2016 87 号)报告，指出长三角城市群规划的范围包括上海、南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州、杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州、合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州和宣城共计 26 座城市。2019 年 12 月 1 日，中共中央、国务院正式印发长江三角洲区域一体化发展规划纲要(以下简称“规划纲要”)，规划范围包括上海市、江苏省、浙江省和安徽省全域，面积35.8 万 km2。本文以 2019 年规划纲要 规定的长三角地区行政区划为基准，在不引起混淆的情况下，剔除了巢湖行政区域调整，以长三角地区三省一市共计 41 个地级市为研究样本，以各省市创新绩效来衡量地区间创新能力的空间差异，其中上海为直辖市，江苏、浙江和安徽为省级行政单位。本文研究的时间跨度为 20002019 年，在衡量创新绩效方面，主要采用各城市创新产出表示，数据来源于中国研究数据服务平台(CNDS)创新专利研究(CID)提供的 2000 2019 年地级市层面的发明专利授权数据。此外，需要指出的是，本文在进行条件 收敛和俱乐部收敛检验时832长江流域资源与环境第 32 卷资料来源:中华人民共和国中央人民政府网站，http:/wwwgovcn/gongbao/content/2016/content_5079878htm资料来源:中华人民共和国中央人民政府网站，http:/wwwgovcn/zhengce/2019-12/01/content_5457442htm所用到的相关控制变量数据来源于 20012019 年中国城市统计年鉴，部分缺失数据由各省市统计年鉴补齐。需要指出的是，在实证检验部分，为了避免可能的离群值对回归结果造成的干扰，本文对上述相关数据进行前后 1%的缩尾处理。2.2长三角地区三省一市创新发展的空间差异分解与来源根据前文的介绍，本文运用 Dagum 基尼系数及其分解方法，采用 Matlab2021 软件对 2000 2019 年期间长三角地区创新发展的空间差异进行测算和分解，利用 Stata15 软件对长三角地区收敛机制进行检验，具体测算结果如下文所示。2.2.1长三角地区创新发展的总体差异图 1 绘制了长三角地区 20002019 年期间创新发展总体差异的变化趋势。不难发现，尽管总体 Dagum 基尼系数在 2019 年出现了一定幅度的上扬，但是长三角地区创新发展的总体差异在较长的时间范围内(20002018 年期间)呈现了不断下降的趋势，Dagum 基尼系数 由 2000 年 的0.857 4 下 降 至 2018 年 的 0.535 8，年 均 下 降1.0187%，表明长三角地区创新发展的总体差距在逐渐缩小。图 120002019 年长三角地区创新发展总体差异变化趋势Fig.1Trend of overall difference in innovation in Yangtze iver Delta from 2000 to 20192.2.2长三角地区三省创新发展的省内差异图 2 绘制了长三角地区三省创新发展差异的演变趋势。首先，从各省创新发展差异大小来看，考察期内，江苏、浙江和安徽 Dagum 基尼系数的均值分别为 0.531 2、0.537 9 和 0.580 7。由此可见，安徽省内创新发展的差异最大，浙江次之，江苏最小。其次，从各省创新发展差异的变化趋势来看，三省 Dagum 基尼系数整体上均呈现了不同程度的下降，但不同时期的变化趋势则呈现出了不同的特征。江苏省内创新发展差异在 2000 2010 年期间稳中有降，年均下降1.007 6%;20102013 年期间创新的不平衡则呈现出逐渐扩大的发展态势，Dagum 基尼系数年均上升 0.969 5%;20132016 年期间小幅度下降;20162018 年期间快速下降;2019 年又呈现了快速上升的趋势。总体来看，江苏省内创新发展差异在 2000 2016 年期间基本保持平稳，近年来波动较大，以 2018 年为分界点，呈现了“V”型走势。浙江省内创新发展差异在 2001 年快速上升;20012006 年期间平稳上升;20062017 年期间快速下降，年均下降 1.036 9%，直至 2017年的谷底值 0.422 4;2017 2019 年期间 Dagum基尼系数又开始攀升，表明浙江省内创新发展的不平衡程度开始扩大。安徽省内创新发展差异在20002008 年期间有升有降;20082013 年期间呈现了快速下降的趋势，年均下降 1.064 6%;随后在 20132017 年期间则呈现了快速上升的趋势，年均上升 0.954 8%;2017 2019 年期间呈932第 2 期章激扬:长三角城市群创新发展空间差异及收敛性研究 基于 Dagum 基尼系数分解为了节省篇幅，本文略去了相关测算结果，下图统同，若对测算结果感兴趣，可与作者联系现小幅度下降趋势。总体来看，安徽省在 20082013 年期间省内创新发展不平衡呈现快速缩小趋势，但 2013 年后逐渐扩大。综上，无论是从 Dagum 基尼系数大小还是从其变化趋势来看，三省创新发展的省内差异均表现出较为明显的不同。其中，省内创新发展差异由小到大依次是:江苏、浙江和安徽。此外，虽然近年来浙江省内创新发展差异呈现了一定的扩大趋势，但是从整个考察期来看，相比与江苏和安徽，浙江省内创新发展差异下降最为剧烈。图 220002019 年长三角地区三省创新发展省内差异变化趋势Fig.2Trend of intra-provincial difference in innovation in Yangtze iver Delta from 2000 to 20192.2.3长三角地区三省创新发展的省市间差异图 3 绘制了长三角地区省市间创新发展差异的变化趋势，从考察期内省市间 Dagum 基尼系数的均值来看，省市间创新发展差距由大到小排序分 别 是 上 海 与 安 徽(0.929 8)、上 海 与 浙 江(0.848 0)、上海与江苏(0.765 4)、江苏与安徽(0.764 7)、浙江与安徽(0.699 2)、江苏与浙江(0.575 5)。由此可见，在长三角范围内，上海与安徽创新发展的差异最大，江苏与浙江创新发展的差异最小，上海与江苏以及江苏与安徽创新发展差异相似。此外，省市间创新发展基尼系数在不同时期呈现了不同的特征。20002007 年期间，省市间差距由大到小依次是上海与安徽、上海与浙江、上海与江苏、江苏与安徽、浙江与安徽以及江苏与浙江，其中上海与江苏以及上海与浙江创新发展差距呈现下降趋势，江苏与安徽以及浙江与安徽则呈现上升趋势，而上海与安徽以及江苏与浙江均保持相对稳定的发展态势，基本图 320002019 年长三角地区创新发展省市间差异变化趋势Fig.3Trend of intra-provincial difference in innovation in Yangtze iver Delta from 2000 to 2019042长江流域资源与环境第 32 卷上没有发生太大波动。20072018 年期间，上海与江苏、江苏与安徽以及浙江与安徽基尼系数呈现了大幅的下降趋势，上海与安徽以及上海与浙江基尼系数则呈现了中度的下降趋势，江苏与浙江基尼系数则呈现了先升后降的发展态势，在20082013 年期间，上升幅度尤为明显。由此可见，在该时期内，安徽与长三角其他省市之间创新发展的差距均呈现了缩小的趋势。2019 年各地区之间基尼系数出现了一定程度的抬升。综上，上海与安徽创新发展差异最大，江苏与浙江创新发展差异最小。从长三角三省一市两两组成的六对差异曲线变化趋势来看，尽管在不同年份省市间创新发展的差距次序出现了交替变化，但各省市间创新发展的不平衡性均得到了不同程度的改善。由此可见，随着时间的推移，长三角地区省市间创新发展的不平衡性在不断缩小。2.2.4三省创新发展差异的来源及贡献图 4 绘制了长三角地区创新发展差异来源贡献率的演变趋势，主要包含省市内贡献率、省市间贡献率和超变密度贡献率 3 个方面。不难看出，20002018 年期间，长三角地区省市内、省市间和超变密度的年平均贡献率分别为 17.21%、67.99%和 14.80%。由此可见，导致长三角地区三省一市创新发展差异的来源依次是省市间差异、省市内差异和超变密度，并且省市间差异是长三角地区创新发展差异的主要来源，约占据了长三角地区创新发展总体差异的七成。图 420002019 年长三角地区三省创新发展差异来源及贡献的变化趋势Fig.4Trend in sources and contributions of innovation differences among three provinces ofYangtze iver Delta egion from 2000 to 2009此外，从图 4 中创新差异来源贡献的变化趋势可以看出，不同的差异来源呈现了不同的变化趋势，其中省市内差异呈现了稳中有升的发展态势，贡献率由 2000 年的 6.10%上升到 2019 年的22.45%，年均上升 0.933 7%。省市间差异贡献呈现了较大幅度的下滑，由 2000 年的 87.92%下降到 2019 年的 54.13%，年均下降 1.025 9%。超变密度贡献率在 20002011 年期间基本保持稳定，2011 年后呈现一定的上升趋势，其贡献率由2011 年的 7.70%上升到 2019 年的 23.42%。不难发现，尽管长三角地区省市间差异贡献降幅较为明显，但是在考察期内，始终位居第一，并且在绝大多数年份里，省市间差异的贡献率超过了 50%。综上，省市间差异是长三角地区创新发展区域差异的最主要因素，超变密度贡献率在 2015年后超过了省市内贡献率，成为影响长三角地区创新区域差异的次要因素;从 3 个来源的变化趋势来看，省市内差异和超变密度贡献在逐步提升，而省市间差异的贡献在逐步下降，意味着长三角范围内创新发展可能存在一定程度的收敛现象。3长三角地区创新发展收敛结果分析3.1 收敛检验结果图 5 绘制了长三角地区总体和三省创新发142第 2 期章激扬:长三角城市群创新发展空间差异及收敛性研究 基于 Dagum 基尼系数分解展 收敛系数的变化趋势，从长三角总体层面来看，2000 2018 年期间 收敛系数不断下降，由 2000 年 的 4.438 7 下 降 至 2019 年 的1.414 7，年均下降 1.062 0%，这反映了长三角总体创新发展存在 收敛特征，意味着创新发展的区域差异在逐渐缩小，没有发散。具体从各省情况分析，从 收敛系数数值大小来看，20002019 年期间，江苏、浙江和安徽 收敛系数的均值分别为 1.133 6、1.222 2、1.594 0。由此可见，省内创新发展差异由小到大依次是江苏、浙江、安徽。从 收敛系数的演变趋势来看，江苏创新发展的收敛系数变化不大，总体略微下降，收敛系数由 2000 年的 1.235 9 下降至2019 年的 1.086 0。浙江在 20002017 年期间 收敛系数先升后降，2017 年之后再小幅度抬升。总体来看，与江苏类似，浙江创新发展的收敛系数变化较为稳定。相比江苏与浙江，安徽在20032013 年期间创新发展的 收敛系数变化最为剧烈，收 敛 特 征 极 为 显 著，由 2003 年 的2.185 8 下降至 2013 年的 0.974 9;但 2013 年以后逐年上升，直至 2019 年的 1.493 7，呈现了一定程度的发散现象。图 520002019 年长三角地区三省创新发展 收敛系数变化趋势Fig.5Trend of convergence coefficient of innovation among three provinces ofYangtze iver Delta egion from 2000 to 2009综上所述，长三角地区总体 收敛系数不断减少，意味着长三角整体范围内创新发展的区域差距在不断缩小。但是，具体到各省创新发展的 收敛，均表现出有升有降的变化趋势，总体来看波动较为平缓，表明分省的 收敛特征并不明显。3.2 收敛检验结果根据前文式(13)，表 1 分别汇报了采用最小二乘回归(OLS)和面板固定效应模型(FE)估计方法下长三角地区创新发展差异的 收敛结果。不难发现，在 FE 情形下，总体样本和分省样本回归的 系数均在 1%的显著性水平下为负，表明长三角整体和分省范围内均存在绝对 收敛特征。作为参照，本文还汇报了 OLS 情形下总体样本和分省样本绝对 收敛的结果，不难发现，OLS情形也进一步验证了上述绝对 收敛结果。由此可见，长三角地区存在典型的绝对 收敛特征。为了进一步检验长三角地区创新发展在考虑了城市经济发展水平和创新条件等其它控制变量后是否存在条件 收敛特征，基于前文式(14)，表 2 汇报了采用最小虚拟变量二乘法(LSDV)对长三角地区进行条件 收敛的检验结果。不难发现，长三角地区总体及三省的条件 收敛系数至少通过 5%的统计性水平检验，且均为负值。这表明在考虑了经济发展水平、研发投入水平、开放程度、信息化水平和基础设施水平，并且控制了时间、城市以及省际等影响因子的情况下，长三角地区总体和三省一市创新发展仍然呈现出显著的条件 收敛现象，不具有发散的特征。作为参照，OLS 检验也进一步验证了上述条件 收敛检验结果。由此可见，长三角地区存在典型的条件 收敛特征。242长江流域资源与环境第 32 卷表 1长三角地区创新发展绝对 收敛检验结果Tab.1Absolute-convergence test results of innovation in Yangtze iver Delta长三角总体OLSFE江苏省OLSFE浙江省OLSFE安徽省OLSFE0045 0064 0056 0076 0047 0065 0047 0058 (0007)(0008)(0011)(0012)(0012)(0014)(0014)(0015)_cons0517 0631 0621 0754 0536 0652 0497 0549 (0044)(0053)(0075)(0085)(0081)(0095)(0075)(0082)N789789247247209209314314r200530071010401430066009200360047ControlsYYYYYYYYProvinceNYNYNYNYCityNYNYNYNYYearNYNYNYNY注:、和*分别代表 1%、5%和 10%的显著性水平;括号内为稳健标准误，下表统同表 2长三角地区创新发展条件 收敛检验结果Tab.2Conditional-convergence test results of innovation in Yangtze iver Delta长三角总体OLSLSDV江苏省OLSLSDV浙江省OLSLSDV安徽省OLSLSDV0272 0343 0208 0352 0225 0294 0355 0609 (0022)(0028)(0044)(0048)(0041)(0052)(0039)(0056)_cons1175 0206058405091944*141314810763(0388)(0989)(0779)(1332)(1089)(2220)(0997)(2103)N738738234234198198288288r202320533028507060205063702690618ControlsYYYYYYYYProvinceNYNYNYNYCityNYNYNYNYYearNYNYNYNY3.3俱乐部收敛前文按照省级单位，将长三角地区分成三省一市，分别考察了其 和 收敛机制。根据十三届全国人大四次会议通过的中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要(以下简称“纲要”)，加快建设长三角 G60 科创走廊被纳入国家“十四五”规划。纲要 明确提出，“瞄准国际先进科创能力和产业体系，加快建设长三角 G60 科创走廊和沿沪宁产业创新带，提高长三角地区配置全球资源能力和辐射带动全国发展能力”。据此，本文围绕科技发展战略将长三角地区分成上海、嘉兴、杭州、金华、苏州、湖州、宣城、芜湖以及合肥 9座城市组成的“G60 科技走廊俱乐部”和其余 32座城市组成的“非 G60 科技走廊俱乐部”两类，同样采用 LSDV 估计方法对其创新发展的俱乐部收敛进行检验，具体回归结果见表 3。表 3 的检验结果显示，无论是“G60 科技走廊俱乐部”还是“非 G60 科技走廊俱乐部”，其收敛系数 值均为负值且通过 1%的统计性水平检验，这表明“G60科技走廊俱乐部”和“非 G60 科技走廊俱乐部”创新发展具备显著的俱乐部收敛机制，并不存在发散特征。表 3长三角地区创新发展俱乐部收敛检验结果(一)Tab.3Club convergence test results of innovation inYangtze iver Delta(1)G60 俱乐部OLSLSDV非 G60 俱乐部OLSLSDV0255 0223 0292 0398 (0054)(0054)(0025)(0032)_cons1925*19571251 1672(1134)(2365)(0440)(1188)N162162576576r20229062302460535ControlsYYYYProvinceNYNYCityNYNYYearNYNY342第 2 期章激扬:长三角城市群创新发展空间差异及收敛性研究 基于 Dagum 基尼系数分解此外，随着各地陆续公布 2020 年城市 GDP数据，中国“万亿俱乐部”迎来新一轮扩容。作为中国经济发展最活跃、开放程度最高、创新能力最强的区域之一，长三角也再添江苏南通、安徽合肥两名“万亿城市”新成员。至此，长三角地区的“万亿俱乐部”成员由原先的 6 个新增至 8 个。本文根据经济总量 1 万亿为界限，将长三角地区2020 年经济总量超过 1 万亿的城市划分为上海、南京、苏州、无锡、南通、杭州、宁波以及合肥8 座城市组成的“万亿俱乐部”以及其余 33 座城市组成的“非万亿俱乐部”，同样采用上文所示的估计方法对其创新发展的俱乐部收敛进行检验，回归结果见表 4。表 4 的检验结果显示，无论是“万亿俱乐部”还是“非万亿俱乐部”，其收敛系数 值均为负值且至少通过了 5%的统计性水平检验，表明“万亿俱乐部”和“非万亿俱乐部”创新发展依然存在显著的俱乐部收敛机制，并不存在发散特征。表 4长三角地区创新发展俱乐部收敛检验结果(二)Tab.4Club convergence test results of innovation inYangtze iver Delta(2)万亿俱乐部OLSLSDV非万亿俱乐部OLSLSDV0152 0141 0292 0391 (0048)(0058)(0026)(0033)_cons067822171535 1885(0730)(1496)(0504)(1251)N144144594594r20333069402310542ControlsYYYYProvinceNYNYCityNYNYYearNYNY4长三角地区创新发展空间分异和收敛机制分析通过对长三角地区三省一市创新发展空间差异分解和相关收敛机制的分析，不难发现长三角地区创新发展主要呈现以下几个特征:(1)从创新发展的差异来看，尽管长三角地区全域范围和分省内部均呈现了不同程度的下降趋势，但是前者下降的幅度要明显大于后者;(2)从长三角地区创新发展差异的来源来看，尽管省市间创新发展差异的贡献率呈现了一定程度下降，但始终是长三角地区总体差异的最主要来源;(3)从不同收敛类型结果来看，长三角地区创新发展具备典型的 收敛和俱乐部收敛特征，但是 收敛则呈现了一定的差异，总体样本具备典型的 收敛特征，而分省样本 收敛特征不明显。基于上述研究发现，本文从政策层面、技术层面和要素层面对长三角地区创新空间分异进行机理分析。同时，鉴于俱乐部收敛本质上是不同集团内部 收敛的结果，因此本文将着重对 收敛和 收敛特征进行机理分析。4.1长三角地区创新空间分异机理分析4.1.1从政策层面自长江三角洲区域一体化发展规划纲要发布以来，从国家到地方政府陆续出台了促进长三角一体化的利好政策。随着近年来要素成本的不断提升，传统产业的发展优势在减弱，外延型发展方式难以为继，加之受国际金融危机的严重冲击，加快经济转型和结构调整刻不容缓。区域一体化政策对于增强长三角地区创新能力和竞争能力，提高经济集聚度、区域连接性和政策协同效率，引领区域内各城市高质量发展具有重要意义。此外，一体化带动了长三角地区企业与院校之间的交流合作，打破了阻碍科技要素自由流动的壁垒，使科技成果从实验室走向生产一线，加快了长三角区