科学中心城市科技创新辐射效应研究——基于长三角城市群的实证.pdf

统计与决策2023年第20期总第632期DOI:10.13546/ki.tjyjc.2023.20.0130引言近年来，长江三角洲以建成全球领先的科技创新共同体为重要目标，不断加大科技创新资源的投入，取得了显著成效，但长三角城市群尚未形成“相互开放、知识共享、联合攻关”的协同网络，区域内部科技创新发展极不均衡1。而科学中心城市的科技创新是辐射带动城市群发展、建设科技创新共同体的关键，如何更好地发挥城市群内科学中心城市的辐射引领作用，加强区域内部科技创新联系成为重要的研究课题。科学中心最初以国家为单位，有意大利、英国、法国、德国和美国五个世界级科学中心2，而后科学中心逐步由以国家为单位过渡至以城市为基本单元，国家内部科学中心城市的发展优势逐渐突显。长三角城市群是国家战略重要布局区，上海是我国重要的科技创新中心，作为长三角城市群的核心节点城市，拥有我国第一个综合性国家科学中心，因此在长三角城市群中，上海是长三角区域最重要的科学中心城市，是促进科技创新发展的重要增长极，对区域科技创新能力的整体性提升，实现区域有机协同发展具有重要的意义。然而，国内学者虽然针对科学中心的研究取得了丰富的成果，但仍存在以下不足：第一，在研究内容方面，大多是对世界科学中心概念与转移理论进行梳理3，4，或聚焦综合性国家科学中心建设5、科学竞争力的评价6、科学中心城市的创新要素流动力评价7等方面，对区域内科学中心城市的研究相对较少。第二，在辐射效应的研究方法上，学者们主要从城市辐射力范围和城市辐射力强度两个方面展开。有关区域内城市辐射力效应范围的测算，大多采用威尔逊模型、断裂点模型8,9，而辐射力强度的测算模型主要为引力模型、场强模型、最大引力线模型等10,11，虽然研究方法众多，但是较少应用到区域科学中心城市的辐射效应的研究中。第三，以往研究较少对科学中心城市的辐射效应进行探究，未突出科学中心城市的科技创新引领作用。基于此，本文引入科学中心城市概念，选取长三角城市群作为研究对象，构建城市科技创新评价指标体系，采用引力模型对上海科学中心城市与长三角城市群其余城市间的空间创新联系进行测算，研究长三角城市群上海科学中心城市的科技创新辐射效应，并提出针对性对策建议，以期更好地发挥上海科学中心城市的辐射效应，为加快推动长三角科技创新共同体建设提供借鉴。1机制分析1.1科学中心城市的内涵与功能科学中心城市是以基础研究引领创新发展为目标，以大科学装置、科研院所、高等学校、创新企业、科技实验室等科技创新平台为依托，通过科学发现和技术研究实现原始创新和成果转化，辐射带动周边各城市和地区配置科技科学中心城市科技创新辐射效应研究基于长三角城市群的实证王守文1a，徐丽洁1b，章杰嘉2，余思明1b（1.三峡大学a.法学与公共管理学院；b.经济与管理学院，湖北 宜昌 443002；2.国网江西省电力有限公司新余供电分公司，江西 新余 338000）摘要：文章通过构建长三角城市群的科技创新质量评价指标体系，并计算城市群内部城市的科技创新质量综合得分，将城市群内城市分为上海科学中心城市与其他非科学中心城市，利用引力模型测算上海科学中心城市与其他非科学中心城市的创新联系量，以此来测量上海科学中心城市的辐射效应。结果表明：上海科学中心城市的科技创新质量综合优势明显，基础研究能力强；上海科学中心城市与其他非科学中心城市的创新联系量“马太效应”显著；上海科学中心城市的辐射效应呈现非均衡发展态势且具有地理邻近性。上海科学中心城市对区域产生科技创新辐射效应的时空特质，对提升城市群整体创新能力、缩小区域内部差距具有重要意义。关键词：长三角城市群；科学中心城市；辐射效应；引力模型中图分类号：F207文献标识码：A文章编号：1002-6487（2023）20-0072-06基金项目：国家社会科学基金一般项目（19BGL208）；湖北省重大调研课题（WT202210）作者简介：王守文（1978），男，山东潍坊人，教授，博士生导师，研究方向：科技政策与科技管理。（通讯作者）徐丽洁（1997），女，山东潍坊人，博士研究生，研究方向：区域科技创新。章杰嘉（1998），女，江西新余人，硕士研究生，研究方向：电力科技创新。余思明（1989），男，湖北鄂州人，博士，副教授，研究方向：科技创新。统 计 观 察72统计与决策2023年第20期总第632期创新资源的城市。与综合性国家科学中心相比，科学中心城市除了重视基础研究的共性，其涉及范围更广、数量更多，他们的有效整合能够消除跨层级、跨区域、跨主体导致的碎片化现象。科学中心城市的科技创新具有辐射效应功能，通过辐射带动周边区域科技创新发展、推动经济和社会发展等价值功能，以及实现原始知识创新、高新技术创新、管理体制创新、成果转化创新等创新领域的功能，从而缩小城市间科技创新发展水平差距，实现区域的有机协同，具体如图1所示。工程技术研究中心科学中心城市科研院所高等学校创新企业科技实验室价值功能创新领域提升城市自身科技创新水平辐射带动周边区域科技创新发展推动经济和社会发展原始知识创新高新技术创新管理体制创新成果转化创新图1 科学中心城市功能图1.2科学中心城市辐射效应微观机制科学中心城市主要通过科技创新能力与城市规模两大机制实现科技创新辐射，具体如下：首先，科技创新能力代表城市在一个区域内的科技竞争力，体现了各类创新资源向城市内部集聚与向城市外部扩散的能力，提供了与其他城市合作的现实基础，随着科学中心城市科技创新资源的投入与科技创新平台存量投入的增加，不断产出新的知识、技术和产品等科技创新成果，并对周边地区产生一定程度的辐射作用。其次，科学中心城市一般具有人口和空间规模大、经济发达等特征，城市规模增大产生的聚集经济，人力资本自身以及其通过城市规模扩大产生的外部性，都能够显著地提高人均创新产出12，从而带动周边其他城市科技创新水平的提升，具体如图2所示。总之，科学中心城市通过科技创新能力与城市规模实现城市科技创新质量的提升。上海科学中心城市科技创新能力在长三角城市群中处于龙头地位，通过对高层次人才、资本等的虹吸，已经具有较大的城市规模，与周边城市的区域创新空间联系更加密切，通过不断提高科技创新能力与扩大城市规模，对城市群内其他城市产生辐射效应，实现整个城市群的高质量发展。科技创新资源投入科技创新平台存量科技创新成果产出人口空间经济一定程度+科技创新能力城市科技创新质量城市规模区域创新空间联系科学中心城市科技创新辐射图2 科学中心城市辐射效应微观机制图2研究设计2.1城市科技创新质量评价指标体系构建遵循数据的可采集性、可靠性与科学性，本文构建城市科技创新质量指标体系，如表1所示。本文将科技创新能力与城市规模两大机制设为目标层。针对地区科技创新能力或科技竞争力的评价研究，我国学者大多聚焦科研投入、产出两个方面，且创新平台是城市不断进行科技创新的基础与支撑，因此本文将科技创新资源投入、科技创新平台存量、科技创新成果产出三个方面设为科技创新能力目标层的准则层。科技创新资源投入这一准则层包含R&D活动人员、科技费用支出与政府科技拨款3个指标，体现该城市于科技创新在人才与资金方面的投入。科技创新平台存量的5个指标主要根据科学中心城市的建设依托而设。专利被广泛应用于表征区域创新产出，且随各类创新指标的变化而变化13，因此利用专利申请受理量与授权量这两个指标表示科技创新成果产出。人口规模是衡量城市规模的决定性指标，我国以城区常住人口为统计口径进行城市规模的划分，选取年末常住人口数这一指标衡量城市人口规模。空间规模和经济规模同样对城市综合科技创新水平有着重要影响，并表现出一定的创新溢出效应，因此在指标体系中纳入行政区域面积与地区生产总值用以体现空间规模与经济规模。表1城市科技创新质量评价指标体系目标层科技创新能力城市规模准则层科技创新资源投入科技创新平台存量科技创新成果产出人口规模空间规模经济规模指标层R&D活动人员（人）科技费用支出（万元）政府科技拨款（万元）国家工程技术研究中心（个）国家重点实验室（个）企业办科研机构（个）普通高等学校（所）高新技术企业（个）专利申请受理量（件）专利申请授权量（件）年末常住人口数（万人）行政区域面积（平方公里）地区生产总值（亿元）2.2研究方法2.2.1空间创新联系测度模型本文借助引力模型，基于科学中心城市辐射效应微观机制中城市科技创新质量这一中心环节，构造城市间创新联系量测算公式如式（1）所示，进而计算区域创新空间联系量。Rij=MiMjD2ij（1）其中，M为城市科技创新质量，下标i表示科学中心城市，即Mi为科学中心城市的科技创新质量，Mj为区域内其余城市科技创新质量；Dij为科学中心城市与其余城市间距离；Rij为两城市间创新联系强度。统 计 观 察73统计与决策2023年第20期总第632期2.2.2熵权法综合评价方法种类较多，德尔菲法与层次分析法受主观因素影响较大，不能客观反映发展水平，而主成分分析法需要大量的统计数据，适用于对评价对象进行分类。熵权法评价客观，具有较强的数理逻辑，指标权重由指标变异性的大小确定，数据分析结果客观性高，适用于多指标评价，因此本文选择熵权法进行数据分析，对数据变化程度进行研究，得到同一维度上各个城市的城市科技创新质量综合得分，即同一维度上的M，熵权法处理数据步骤如下：（1）数据归一化处理bij=aij-ajminajmax-ajmin（2）其中，bij为经过无量纲化处理的第i个单位的第j个指标；aij为第i个单位第j个指标数据原始值。（2）定义标准化Bij=bij/i=1mbij（3）式（3）计算的是第j个指标下第i个城市的指标值比重。（3）计算信息效用值Cj=1-(-1lnmi=1mBijlnBij)（4）其 中，Cj为 第j项 指 标 的 信 息 效 用 值，-1lnmi=1mBijlnBij为第j项指标的信息熵值。（4）评价指标权重Wj=Cjj=1nCj（5）其中，Wj为第j项指标的信息熵值评价指标权重。（5）综合得分评价Fi=Wjbij（6）其中，Fi为城市i关于所构建指标体系下数据的综合得分评价数值。2.3数据来源本文科技创新能力指标中的数据来自长三角城市群各城市的科技统计年鉴。年末常住人口数、行政区域面积、地区生产总值三项指标的数据来源于 上海统计年鉴江苏统计年鉴 浙江统计年鉴 安徽统计年鉴。鉴于数据的可获取性以及需要进行时间跨度上对比的这一现实需求，本文选取2014年、2016年、2018年、2020年这4年为研究样本，对区域空间创新联系展开研究。3结果分析3.1城市科技创新质量评价结果利用熵权法这一客观赋权法，计算出各个城市科技创新质量的综合得分，并根据得分高低划分等级，长三角城市群所涉及的三省一市4年城市科技创新质量评价结果如表2所示。从表2可以看出，2014年、2016年、2018年、2020年长三角城市群各城市科技创新质量排名没有明显变化，总体表现为上海、南京、杭州、苏州、合肥、无锡为第一等级，城市综合科技创新水平较高。由图3可知，4年内排名位于第一等级的城市，其城市科技创新质量得分一直处于整个区域城市科技创新质量的尖点区。宁波、常州、南通为第二等级，城市科技创新质量得分在平均分附近徘徊，剩余城市为第三等级，城市科技创新质量得分均在平均分以下。前七名排名略有波动，其中2018年及之前未受疫情影响时，上海科技创新能力最为突出，城市科技创新质量指数高达0.3以上，2020年受疫情影响有所下降，但仍处于第一的位置，这取决于上海优越的地理位置、丰富的科技资源以及完善的科技创新体系，尤其是强大的基础研究能力。表2城市科技创新质量评价结果排名12345678910111213141516171819202122232425262014年城市上海南京杭州苏州合肥无锡宁波常州南通芜湖镇江绍兴扬州嘉兴盐城台州泰州金华马鞍山湖州滁州安庆舟山宣城铜陵池州得分0.31600.14790.10180.06750.05460.04750.03040.02370.02350.02020.01750.01600.01570.01490.01480.01320.01210.01150.01120.00990.00710.00630.00540.00500.00340.00302016年城市上海南京杭州苏州合肥无锡宁波常州南通芜湖绍兴镇江扬州盐城嘉兴泰州台州金华湖州马鞍山舟山滁州安庆宣城铜陵池州得分0.30510.14680.10550.06450.05910.05040.03100.02930.02330.01830.01800.01750.01610.01570.01480.01180.01170.01040.01040.00940.00730.00660.00620.00480.00360.00262018年城市上海南京杭州苏州合肥无锡常州宁波南通绍兴扬州镇江芜湖嘉兴盐城金华泰州台州湖州马鞍山滁州安庆宣城舟山铜陵池州得分0.30590.15080.10860.06720.05660.04720.03030.02690.02340.01660.01650.01580.01580.01420.01400.01230.01230.01230.01160.00910.00790.00770.00580.00510.00320.00292020年城市上海南京杭州合肥苏州无锡常州宁波南通嘉兴盐城绍兴扬州金华芜湖台州泰州镇江湖州马鞍山滁州安庆宣城舟山铜陵池州得分0.25670.15790.09080.08090.07980.06060.03580.03160.02400.01660.01640.01620.01620.01520.01460.01300.01240.01140.01010.00870.00820.00670.00540.00500.00300.00290.300.250.200.150.100.050城市科技创新质量上海南京无锡常州苏州南通扬州镇江盐城泰州杭州宁波湖州嘉兴绍兴金华舟山台州合肥芜湖马鞍山铜陵安庆滁州2014年2016年2018年2020年图3 城市科技创新质量得分图统 计 观 察74统计与决策2023年第20期总第632期3.2区域创新空间联系量测算分析基于引力模型，计算出长三角城市群各城市与上海创新空间联系量并进行排名，如表3所示。2014年各城市与上海联系总量最高，4年总体创新联系量呈现下降趋势，2018年与2016年相差不大，由于受到新冠肺炎疫情的影响，2020年与2018年的创新联系总量相差较大。这4年中，苏州、杭州、无锡、南通均排名前四，与上海有着密切联系。南京、嘉兴、宁波排名在第5与第7之间交替，与上海联系度较高。根据表2的城市科技创新质量排名，处于第一等级的南京、杭州、苏州、合肥和无锡，除合肥外，与上海创新空间联系量排名中均处于前列。而联系量不足总联系量百分之十的城市，如盐城、芜湖、台州、金华、马鞍山、宣城、滁州、安庆、铜陵、池州等，城市科技创新质量排名均为第三等级，得分处于平均分以下。这表明区域创新空间联系与城市本身的科技创新水平具有一定的相关性，较高的城市科技创新质量往往能提高与其他城市的联系强度。表3科技创新空间联系量排名123456789101112131415161718192021222324252014年城市苏州杭州无锡南通嘉兴南京宁波绍兴常州湖州镇江泰州合肥扬州舟山盐城芜湖台州金华马鞍山宣城滁州安庆铜陵池州总联系量联系量268.5251125.5402105.826882.734762.833559.531350.292923.105619.946515.364010.81089.79429.38058.87988.11427.51826.88306.28674.56073.93342.10372.07001.01760.78830.5876896.42942016年城市苏州杭州无锡南通嘉兴南京宁波绍兴常州湖州舟山镇江合肥泰州扬州盐城芜湖台州金华马鞍山宣城滁州安庆铜陵池州总联系量联系量247.8783125.5674108.523479.062660.084257.008049.539325.125523.782615.521910.628810.41909.80899.24228.74827.70066.01655.36943.99353.19251.95171.84280.96610.82130.4987873.29342018年城市苏州杭州无锡南通南京嘉兴宁波常州绍兴湖州泰州镇江合肥扬州舟山盐城台州芜湖金华马鞍山宣城滁州安庆铜陵池州总联系量联系量258.7559129.5510101.909579.699558.752058.029343.090124.663123.204317.49689.62669.45569.42408.98457.40056.90175.66775.20774.74373.10942.38222.21001.21340.72670.5389872.74422020年城市苏州无锡杭州南通南京宁波嘉兴常州湖州绍兴合肥泰州镇江扬州舟山台州金华盐城芜湖马鞍山滁州宣城安庆铜陵池州总联系量联系量257.9810109.815790.976668.551251.616742.539034.517224.431720.888419.045111.29678.16978.11817.50196.13255.04104.91534.69624.05162.47121.93161.84420.88720.56570.4549788.44033.3时间演进创新联系量测算分析根据各城市与上海联系量，将3个时间段各城市的变化量反映至图4中，其中横轴的城市顺序为2020年与上海联系量排名顺序。可以发现，2018年创新联系量低于舟山的城市随时间跨度上的变化量非常小，没有较大波动，上海对他们的辐射效应几乎没有发生变化，而联系量排名位于前7的城市，即苏州、无锡、嘉兴、杭州、南京、南通、宁波，除宁波外都呈上升趋势。这表明若城市本身与上海有着较为密切的联系，则随时间推移会表现出一定的上升趋势，上海辐射效应原本较强的城市会有更多的合作机会，导致辐射效应更强。2020年受新冠肺炎疫情影响，主要城市与上海的创新联系量减少，且变动幅度较大。总的来说，上海与整个长三角城市群科技创新辐射效应不均衡问题较严重。100-10-20-30-40城市联系变化量苏州无锡杭州南通南京宁波嘉兴常州湖州绍兴合肥泰州镇江扬州舟山台州金华盐城芜湖马鞍山滁州宣城安庆铜陵池州20142016年20162018年20182020年图4 各城市与上海科学中心城市联系量随时间变化图3.4上海科学中心城市的辐射效应分析为了直观地反映2014年、2016年、2018年、2020年长三角城市群各城市与上海创新联系的空间布局，本文通过引力模型对这4年城市空间联系进行可视化分析，并按照创新联系强度大小将其划分为极弱、较弱、一般、较强、极强 5 个等级。利用 ArcGIS 软件绘制出各城市与上海的创新联系图（图略），并将处于各个划分等级的城市列于表4。3.4.1城市间创新联系度等级分析2014年、2016年、2018年、2020年长三角城市群各城市与上海创新联系度整体结构较为相似。总体来看，上海的辐射效应具有地理邻近性，地理距离越靠近上海的城市，与上海创新联系强度越大。整体辐射效应分布不均匀，多数城市位于“创新联系度极弱”和“创新联系度较弱”等级，而位于“创新联系度极强”和“创新联系度较强”的城市较少。位于“创新联系度极强”等级的城市仅有苏州，地理位置紧邻上海，2020年，其与上海的空间联系量是排名第二的无锡的2.5倍，是杭州的2.8倍，这主要是因为地理邻近性带来的交通便捷使两地科技创新沟通也更为方便；同时苏州本身的高质量科技创新水平为两地合作提供了现实基础，使得上海对其辐射效应远远超过其余城市。位于“创新联系度较强”等级的城市有杭州和无锡两表4各城市与上海创新联系度等级划分2014年2016年2018年2020年极强苏州苏州苏州苏州较强杭州、无锡杭州、无锡杭州、无锡无锡、杭州一般南通、嘉兴、南京、宁波南通、嘉兴、南京、宁波南通、南京、嘉兴、宁波南通、南京、宁波、嘉兴较弱绍兴、常州、湖州、镇江绍兴、常州、湖州、舟山、镇江常州、绍兴、湖州常州、湖州、绍兴、合肥极弱泰州、合肥、扬州、舟山、盐城、芜湖、台州、金华、马鞍山、宣城、滁州、安庆、铜陵、池州合肥、泰州、扬州、盐城、芜湖、台州、金华、马鞍山、宣城、滁州、安庆、铜陵、池州泰州、镇江、合肥、扬州、舟山、盐城、台州、芜湖、金华、马鞍山、宣城、滁州、安庆、铜陵、池州泰州、镇江、扬州、舟山、台州、金华、盐城、芜湖、马鞍山、滁州、宣城、安庆、铜陵、池州统 计 观 察75统计与决策2023年第20期总第632期个城市，上海对其辐射效应作用机制类似于苏州，都为地理邻近性与城市科技创新质量双向作用，只是程度较苏州更弱，因此联系量较苏州而言也有差距。杭州拥有众多的企业办科研机构以及高新技术产业，自身的科技创新质量水平较高。无锡与其他城市相比，城市科技创新质量连续4年排名第六且与上海的距离较杭州而言更近，因此，创新联系度处于较强的位置。位于“创新联系度一般”等级的城市有南通、南京、宁波、嘉兴4个城市，2020年宁波和南通科技创新质量水平分别处于第十、十一位，加上地理邻近距离较短，在双重作用下，与上海的创新联系度达到一般等级。南京由于自身科技创新质量排在第二位，但是与上海有一段距离，并非直接相邻，所以与上海的创新联系度处于一般水平。嘉兴虽然与长三角城市群的其他城市相比在地理邻近距离方面更有优势，但是由于其自身科技创新质量水平位于第三等级，且科技创新质量水平的劣势所带来的影响盖过距离优势，这表明城市科技创新质量与地理邻近性双向作用比其中一个较为突出的单向作用造成的影响更大。从南京和南通两个城市的对比可以看出，地理距离对两地创新联系的影响会稍高于城市本身科技创新水平的影响，上海对其周边城市的辐射力度会远远强于距离其较远的地区，无论是针对人力资源、金融资源还是技术平台的共享而言，周边城市都有着先天性被辐射的优势。上海与长三角城市群辐射效应较低即处于“创新联系度较弱”和“创新联系度极弱”等级的城市总共有18个，超过城市总数的一半，基数较大，说明辐射效应有待加强，且随着年份递增，辐射效应较低的城市几乎没有变化，与上海的联系一直处于低端水平。其中，合肥2020年城市科技创新质量排名第四，但其与上海市的创新空间联系量仅有11.2967，只在2020年居于“较弱”等级，主要原因是距离上海太远，与上海分别处于整个长三角城市群的两端。3.4.2省域层面辐射效应分析上海与江苏苏南地区的辐射效应在整个长三角城市群中最为突出，2020年平均创新联系量为90.3927。其中苏州、无锡在创新联系量排名中均处于领先地位。南京位于“创新联系度一般”等级，常州、镇江稍差，位于“创新联系度较弱”等级，甚至在2019年、2020年镇江处于“创新联系度极弱”等级。苏中地区次之，2020年平均创新联系量为28.0743。南通位于“创新联系度一般”等级，但扬州与泰州均位于“创新联系度极弱”等级。苏北地区纳入长三角城市群的城市只有盐城，位于“创新联系度较弱”等级，上海对苏北地区的辐射效应在整个江苏表现为最弱。上海对浙江辐射效应最强的区域为浙北地区，2020年平均创新联系量为35.6831。其中杭州与上海创新空间联系最为密切，位于“创新联系度较强”等级，嘉兴、宁波位于“创新联系度一般”等级，湖州、绍兴位于“创新联系度较弱”等级，舟山除2016年外处于“创新联系度极弱”等级。浙南地区相对浙北地区而言，受上海的辐射效应较弱，台州、金华均处于“创新联系度极弱”等级，一是因为两地离上海的距离较远，二是自身的城市科技创新质量水平较低，2020年科技创新质量仅为45，处于第三等级。安徽受上海辐射程度最弱，被纳入长三角城市群的城市总数为8个，其中只有合肥在2020年处于“创新联系度较弱”等级，而由城市科技创新质量图可知，合肥在长三角城市群的科技创新水平位于尖点区域，但与上海创新联系量低下，这主要是因为地理距离遥远。同样，其余的七个城市，即芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城，都处于“创新联系度极弱”等级。总体而言，上海与江苏辐射效应最强，且辐射核心区为苏南地区。浙江受上海辐射程度次之，浙北地区最强。浙南、苏中地区受辐射程度相近。安徽由于地理位置影响，与上海创新联系最弱，除合肥外，受到上海的科技创新辐射作用小。4结论与建议4.1结论本文通过对现有文献进行梳理，明确科学中心城市的内涵、功能及辐射效应的微观机制，构建城市科技创新质量评价指标体系，基于引力模型对科学中心城市的辐射效应进行分析，得出以下结论：第一，科学中心城市的科技创新质量综合优势明显，基础研究能力强。通过对城市科技创新质量进行评价指标体系构建以及长三角城市群各城市指标数据处理结果进行研究，发现科学中心城市的城市科技创新质量综合得分最高，上海是长三角城市群综合科技创新能力排名第一的城市，在长三角区域居于示范引领地位，尤其是在科技费用支出、国家重点实验室、国家工程技术研究中心等用来衡量基础研究能力的指标方面突出。同时南京、杭州、苏州、合肥、无锡的综合科技创新水平为第一等级，城市科技创新质量得分一直在平均分以上，他们的科技创新水平处于长三角整个区域的尖点区。第二，科学中心城市与城市群各城市的创新联系量“马太效应”显著。从时间演进来看，上海在长三角城市群中的辐射强度于2014年、2016年、2018年、2020年呈现先降后升，最高点在2014年，整体态势为波动发展的趋势。从空间创新联系度来看，上海对长三角城市群辐射效应空间分布不均衡的问题日益严峻，随着时间推移，整体呈现创新联系量排名较前的城市与上海联系加强，而创新联系量排名较后的城市几乎没有发生变化，与上海极度缺乏合作交流。第三，上海科学中心城市的辐射效应呈现非均衡发展态势且具有地理邻近性。无论是从城市间的创新联系来看还是从省域整体辐射效果的视角来看，地理距离越靠近上海的城市，与上海创新联系强度越大，综合辐射效应越强。整体辐射效应不均衡，科学中心城市与城市群内部其他城市核心-外围界限清晰，位于“创新联系度极强”和“创新联系度较强”的城市较少。统 计 观 察76统计与决策2023年第20期总第632期4.2建议第一，加强科学中心城市与外围城市的交流互通，实现城市群的区域均衡发展。积极强化上海科学中心城市对外扩散辐射服务能力，充分发挥上海科学中心城市的资源调配能力，加快科技创新要素从中心向外围城市的扩散，促进跨城市、跨省域的交流合作。基于上海科技、资源、市场、人才、地理位置、国际化程度等先天优势，继续发挥其龙头带动作用；对于长三角科技创新水平较弱城市内部应建立良性竞争机制，以提升自身科技创新水平，并积极配合长三角城市群内部的人员交流制度，通过科技干部互挂互派政策，强化科技创新沟通，主动学习上海科学中心城市在进行原始重大研究与促进科技成果转化等方面的先进经验，为加快区域有机协同奠定坚实基础。第二，构建科技创新辐射网络，加快区域协同创新进程。建立科学中心城市与城市群其他城市双向辐射机制，促进人才、资金等科技创新要素的流动，发挥创新要素多维空间辐射效应，提升创新联系度较弱地区的科技创新能力。同时，发挥合肥等次中心的辐射传递作用，进而形成辐射网络，实现区域科技创新协同，进而提升长三角区域整体科技创新水平。第三，建设长三角区域科创走廊，实现跨省域创新资源共享。打破区域有机协同的隐形壁垒，实现产业链、创新链、服务链等的高度融合；加强政策倾斜，重视创新联系度较弱的城市的发展，着重加大科技创新合作政策的实施力度，增强资源共享力度，启动长三角科技创新共享服务平台建设，完善平台共享机制，推进产业技术联合攻关，提升区域科技创新效率，打造区域性科技创新高地，实现多主体跨省域协同发展。参考文献：1王立军.长三角科技创新合作战略与路径研究M.北京:企业管理出版社,2019.2Yuasa M.Center of Scientific Activity:Its Shift From the 16th to the20th Century J.Japanese Studies in the History of Science,1962,1(1).3陈搏.深圳建设全球科学中心的战略评价J.科研管理,2017,38(S1).4何舜辉.世界科学中心转移过程与形成机制D.上海：华东师范大学学位论文,2019.5叶茂,江洪,郭文娟,等.综合性国家科学中心建设的经验与启示以上海张江、合肥为例J.科学管理研究,2018,36(4).6王守文,徐丽洁,周卫华.长江经济带科学竞争力评价及区域异质性分析J.科技进步与对策,2021,38(19).7王守文,朱兆彬,李萌.长三角区域科学中心城市创新要素流动力评价J.统计与决策,2022,(2).8焦继文,郭宝洁.中心城市科技资源集聚辐射力评价J.统计与决策,2015,(23).9陈子真,雷振丹.粤港澳大湾区城市间经济辐射力及影响因素分析J.地域研究与开发,2019,38(5).10徐君,郭鑫.基于创新力场强的区域中心城市创新生态圈辐射效应研究以长三角城市群为例J.科技进步与对策,2021,38(12).11王越,王承云.长三角城市创新联系网络及辐射能力J.经济地理,2018,38(9).12高翔.城市规模、人力资本与中国城市创新能力J.社会科学,2015,(3).13张玉明,李凯.中国创新产出的空间分布及空间相关性研究基于19962005年省际专利统计数据的空间计量分析J.中国软科学,2007,(11).（责任编辑/邓玫）统 计 观 察77