论文部分内容阅读
摘要：本文以长三角城市群的26个城市为研究对象，研究长三角地区中心城市上海市对周围城市创新能力空间联系，建立创新能力评价指标体系，并利用主成分分析测算区域创新能力评价指标体系中各指标的权重，通过KMO检验和Bartlett检验，据此计算2017年长三角地区城市的创新能力综合得分。改进引力模型并据此考察上海市作为中心城市与长三角地区主要城市之间的创新联系总量，将结果进行可视化分析。研究发现长三角中心城市与周围城市创新聯系总量呈两极分化现象，上海市与江苏省和浙江省的大部分城市创新联系密切，与安徽省中大多数城市创新联系较少，且中心城市的创新能力空间联系辐射面积并没有完全覆盖整个长三角区域。基于此结果提出完善城市间交通设施、加大城市科创资金的投入、增多城市间资源共享等政策建议。
关键词：长三角地区;城市群;创新能力;空间联系;引力模型
随着经济全球化的发展，科技水平的提高，创新能力在区域经济增长中发挥着越来越重要的作用，象征着一个国家或地区现阶段的发展水平及未来的发展能力，创新能力的提高对国家或地区有着重要意义。经过多年发展，我国单个城市独立发展的能力越来越有限，长江三角洲是我国重要的经济聚集区域、高新技术发展地区，国家提出长三角城市群概念，将长三角区域的城市协调发展，并在2016年《长江三角洲城市群发展规划》中提出建设以上海市为中心城市的长江三角洲城市群，促进区域协调共同发展，定位长三角城市群可以承担科技孵化功能，中心城市上海市带头发展新经济，实施创新驱动发展战略。
在城市群中不同城市间有着不同程度地空间联系，其中中心城市对周围城市的影响最大，对于城市群中城市的创新能力来说，分析中心城市对周围城市的创新能力的影响程度，提出城市群内部创新资源的优化配置，对提高城市群的创新能力有很大意义，本文研究长三角地区中心城市上海市对周围城市的创新能力的空间联系程度，使城市群间加强科技创新战略部署，协调共同发展长三角区域科技创新能力。
1.研究方法及数据来源与指标体系构建
1.1研究方法
本文采用引力模型测算中心城市对周围城市的创新联系强度，引力模型可以用来解释地理空间上相互作用的方程式，目前该模型已经在经济学、社会学等领域有很多的运用。但由于传统的引力模型公式不能完整的表达城市创新能力，同时参考蒋天颖等学者的意见传统引力模型对城市间时间距离测算不准确，并根据刘继生等学者的研究，所以对引力模型公式进行了改进，利用修正后的引力模型公式进行计算周围城市与上海市的创新联系量：
Rij代表城市之间的创新联系强度;K代表引力常数，通常取值为1; 代表城市i的创新“质量”，即反映城市i创新能力的综合得分，其中，ωip代表城市i在创新能力评价指标体系中第p个指标的权重，Mip代表城市i在创新能力评价指标体系中第p个指标的得分;同理 代表城市j的创新“质量”，即反映城市j创新能力的综合得分，其中ωjq代表城市j在创新能力评价指标体系中第q个指标的权重，Mjq代表城市j在创新能力评价指标体系中第q个指标的得分。Dij代表城市i与城市j之间的距离，用两个城市间直线距离表示。
在此基础上，Rj测量中心城市i对其他城市j的创新联系量。该模型的目的测算长三角地区中心城市上海市对其周围25个城市的创新能力空间联系量。
1.2创新能力评价指标体系构建
该指标体系分别从创新投入、创新产出两个准则层选取确定科技活动人员、R&D经费支出占GDP比重、全市专利授权数、全市专利申请数。在构建创新能力评价指标体系后，运用主成分分析法测算城市创新能力评价指标体系中各指标的权重，首先对长三角地区创新能力评价体系指标数据进行标准化预处理，标准化后数据进行KMO检验和Bartlett检验，结果表明通过检验，指标X1、X2、X3、X4的权重分别为0.265、0.254、0.252、0.229。
2.实证分析
2.1长三角城市群创新能力评价
本文利用主成分分析法对区域创新能力进行计算，在计算得到指标X1、X2、X3、X4的权重后，接着通过评价指标体系中各指标的权重结合标准化后的数据值，计算得到各城市创新能力综合得分，并对创新能力综合得分结果进行归一化处理，最终得到2017年长三角城市群中心城市及周围城市的创新能力综合得分。根据长三角城市群创新能力综合得分结果将其分成五个等级，0.5618～0.9812为创新能力极强，0.2263～0.5618为创新能力强，0.1087～0.2263为创新能力一般，0.0108～0.1087为创新能力较弱，0.0008～0.0108创新能力极弱。
根据各城市创新能力评分结果，第一梯队创新能力极强的城市分别是上海、苏州、杭州和南京等四个城市，它们大多是省会城市或者中心城市，获取科技创新资源较多，处于城市群中创新能力的领先地位，其中上海市的创新能力综合评分为0.9872，在长三角城市群中处于绝对引导地位。属于第二梯队依次是南通、无锡、绍兴、宁波、镇江和扬州等六个城市，它们处于长三角城市群科技创新能力中上游水平，与第一梯队城市一起引领长三角区域创新能力的发展，协调增强区域科技创新能力。处于第三梯队的是芜湖、金华、湖州、铜陵、合肥等五个城市，它们处在长三角城市群创新能力的一般水平，跟上整体区域科技创新能力发展脚步。而马鞍山、滁州、嘉兴、盐城、安庆、泰州、常州、池州、舟山等九个城市是处于中下游水平的创新能力城市，在最末端的两个城市分别是宣城和台州，它们限制了长三角地区整体创新能力更好的发展。
2.2长三角城市群创新能力空间联系
从表3江苏省近两年发布多条鼓励科技创新的措施，加大在科技基金的投入和人才引进，目标在2050年实现科技强省，同时江苏省的城市借助长三角地理优势与上海市加强科创事业的合作，上海市对其科技创新能力影响较大，是上海市创新联系密切的主要区域。浙江省在建立建立千余家科研机构的同时，对科研资金的投入也在逐年增多，凭借自身地理优势，在科技事业上增多与上海市的交流合作，但是上海市与长三角地区的浙江省省内城市创新联系程度差距较大，其中在长三角地区与中心城市创新联系量最少的城市就是浙江省的舟山市。对于安徽省中处于长三角区域的城市来说，因为科技创新的资源相对于其他两个省份较有限，省内城市的创新能力总体来说综合得分并不高，上海市对其创新联系量比较小，并且地理位置相对于其他两个省份的城市来说，距离上海市较远。 3.结论与建议
对于城市的科技创新能力来说，其科研资金较少以及人员的投入不充足对于城市创新能力有很大影响，由于受到地理位置以及城市创新能力的限制，上海市对于周围城市的创新能力空间联系差别较大，以苏州、南通、无锡、杭州等城市与上海市创新联系紧密，与上海市联系较弱的城市主要集中在安徽省的部分城市，说明上海市科技影响并没有完全辐射长三角。
3.1完善城市间交通设施
在长三角区域内增加交通设施比如高速公路、高铁等交通枢纽，相关部门加大对交通设施的资金投入，建立完备高效的交通设施，缩短车辆在城市间往来时间，提高城市间的货物运输和科技交流效率，加快周围城市与上海市贸易往来的速度，减少与上海市的“距离”，为提高城市间创新能力空间联系打下基础。
3.2加大城市科创资金的投入
长三角地区各城市之间创新能力差距过大，与中心城市相比形成两极分化，通过加大城市的科创资金投入，增大城市的创新投入，以此带动创新产出和提高城市的科技创新能力，使得长三角地区周围城市与上海市的联系更为紧密，提高区域内科技创新能力共同发展速度。
3.3增多城市间资源共享
长三角地区涵盖上海市以及浙江省、江苏省、安徽省的大部分区域，通过增加城市间资源共享，省与省之间、城市与城市之间增多科技创新合作项目以及人才交流项目，把不同地方以及人才的优势更好的发挥出来，使得城市间空间交流更为密切，提高科技创新能力以及加快发展。
参考文献：
[1]刘瑞翔.区域经济一体化对资源配置效率的影响研究——来自长三角26个城市的证据[J].南京社会科学，2019（10）：27-34.
[2]刘程军，周建平，蒋建华，王周元晔.区域创新与区域金融耦合协调的格局及其驱动力——基于长江经济带的实证[J].经济地理，2019，39（10）：94-103.
[3]俞裕兰，杨靛青.福建技术创新对贸易竞争力影响分析——基于高新技术产品出口的VAR模型分析[J].湘南学院学报，2019，40（05）：57-64.
[4]章晓英，胡亚琦.长江经济带三个国家中心城市对周围城市的影响力比较研究[J].重庆理工大学学报（社会科学），2019，33（10）：71-80.
[5]刘建华，李伟.基于修正引力模型的中原城市群创新空间联系研究[J].地域研究与开发，2019，38（05）：63-68+90.
[6]董必荣，赵婷婷，王敬勇，凌华.基于引力模型的省域创新产出空间联系研究[J].南京审计大学学报，2018，15（01）：25-34.
[7]张鸿鹤，马荣康，刘凤朝.基于引力模型的东北地区创新产出空间联系研究[J].大连理工大学学报（社会科学版），2017，38（04）：33-39.
[8]徐维祥，张凌燕，刘程军，杨蕾，黄明均.城市功能与区域创新耦合协调的空间联系研究——以长江经济带107个城市为实证[J].地理科学，2017，37（11）：1659-1667.
[9]曹贤忠，曾刚，邹琳.长三角城市群R&D资源投入产出效率分析及空间分异[J].经济地理，2015，35（01）：104-111.
基金项目：本项目属于国家级大创《长三角地区中心城市对周围城市的创新能力带动效应研究》（202010378027）;本项目属于安徽财经大学金融学院科研基金项目《长三角地区中心城市对周围城市创新能力空间联系》（JR2020010）。
作者简介：
李秦（2001-），女，汉族，安徽阜阳人，安徽财经大学金融学院，2017级本科生，投资学专業。
芮英健（2000-），男，汉族，安徽亳州人，安徽财经大学金融学院，2018级本科生，金融学专业。
张赟（1999-），女，汉族，安徽阜阳人，安徽大学经济学院，2017级本科生，经济统计学专业。
关键词：长三角地区;城市群;创新能力;空间联系;引力模型
随着经济全球化的发展，科技水平的提高，创新能力在区域经济增长中发挥着越来越重要的作用，象征着一个国家或地区现阶段的发展水平及未来的发展能力，创新能力的提高对国家或地区有着重要意义。经过多年发展，我国单个城市独立发展的能力越来越有限，长江三角洲是我国重要的经济聚集区域、高新技术发展地区，国家提出长三角城市群概念，将长三角区域的城市协调发展，并在2016年《长江三角洲城市群发展规划》中提出建设以上海市为中心城市的长江三角洲城市群，促进区域协调共同发展，定位长三角城市群可以承担科技孵化功能，中心城市上海市带头发展新经济，实施创新驱动发展战略。
在城市群中不同城市间有着不同程度地空间联系，其中中心城市对周围城市的影响最大，对于城市群中城市的创新能力来说，分析中心城市对周围城市的创新能力的影响程度，提出城市群内部创新资源的优化配置，对提高城市群的创新能力有很大意义，本文研究长三角地区中心城市上海市对周围城市的创新能力的空间联系程度，使城市群间加强科技创新战略部署，协调共同发展长三角区域科技创新能力。
1.研究方法及数据来源与指标体系构建
1.1研究方法
本文采用引力模型测算中心城市对周围城市的创新联系强度，引力模型可以用来解释地理空间上相互作用的方程式，目前该模型已经在经济学、社会学等领域有很多的运用。但由于传统的引力模型公式不能完整的表达城市创新能力，同时参考蒋天颖等学者的意见传统引力模型对城市间时间距离测算不准确，并根据刘继生等学者的研究，所以对引力模型公式进行了改进，利用修正后的引力模型公式进行计算周围城市与上海市的创新联系量：
Rij代表城市之间的创新联系强度;K代表引力常数，通常取值为1; 代表城市i的创新“质量”，即反映城市i创新能力的综合得分，其中，ωip代表城市i在创新能力评价指标体系中第p个指标的权重，Mip代表城市i在创新能力评价指标体系中第p个指标的得分;同理 代表城市j的创新“质量”，即反映城市j创新能力的综合得分，其中ωjq代表城市j在创新能力评价指标体系中第q个指标的权重，Mjq代表城市j在创新能力评价指标体系中第q个指标的得分。Dij代表城市i与城市j之间的距离，用两个城市间直线距离表示。
在此基础上，Rj测量中心城市i对其他城市j的创新联系量。该模型的目的测算长三角地区中心城市上海市对其周围25个城市的创新能力空间联系量。
1.2创新能力评价指标体系构建
该指标体系分别从创新投入、创新产出两个准则层选取确定科技活动人员、R&D经费支出占GDP比重、全市专利授权数、全市专利申请数。在构建创新能力评价指标体系后，运用主成分分析法测算城市创新能力评价指标体系中各指标的权重，首先对长三角地区创新能力评价体系指标数据进行标准化预处理，标准化后数据进行KMO检验和Bartlett检验，结果表明通过检验，指标X1、X2、X3、X4的权重分别为0.265、0.254、0.252、0.229。
2.实证分析
2.1长三角城市群创新能力评价
本文利用主成分分析法对区域创新能力进行计算，在计算得到指标X1、X2、X3、X4的权重后，接着通过评价指标体系中各指标的权重结合标准化后的数据值，计算得到各城市创新能力综合得分，并对创新能力综合得分结果进行归一化处理，最终得到2017年长三角城市群中心城市及周围城市的创新能力综合得分。根据长三角城市群创新能力综合得分结果将其分成五个等级，0.5618～0.9812为创新能力极强，0.2263～0.5618为创新能力强，0.1087～0.2263为创新能力一般，0.0108～0.1087为创新能力较弱，0.0008～0.0108创新能力极弱。
根据各城市创新能力评分结果，第一梯队创新能力极强的城市分别是上海、苏州、杭州和南京等四个城市，它们大多是省会城市或者中心城市，获取科技创新资源较多，处于城市群中创新能力的领先地位，其中上海市的创新能力综合评分为0.9872，在长三角城市群中处于绝对引导地位。属于第二梯队依次是南通、无锡、绍兴、宁波、镇江和扬州等六个城市，它们处于长三角城市群科技创新能力中上游水平，与第一梯队城市一起引领长三角区域创新能力的发展，协调增强区域科技创新能力。处于第三梯队的是芜湖、金华、湖州、铜陵、合肥等五个城市，它们处在长三角城市群创新能力的一般水平，跟上整体区域科技创新能力发展脚步。而马鞍山、滁州、嘉兴、盐城、安庆、泰州、常州、池州、舟山等九个城市是处于中下游水平的创新能力城市，在最末端的两个城市分别是宣城和台州，它们限制了长三角地区整体创新能力更好的发展。
2.2长三角城市群创新能力空间联系
从表3江苏省近两年发布多条鼓励科技创新的措施，加大在科技基金的投入和人才引进，目标在2050年实现科技强省，同时江苏省的城市借助长三角地理优势与上海市加强科创事业的合作，上海市对其科技创新能力影响较大，是上海市创新联系密切的主要区域。浙江省在建立建立千余家科研机构的同时，对科研资金的投入也在逐年增多，凭借自身地理优势，在科技事业上增多与上海市的交流合作，但是上海市与长三角地区的浙江省省内城市创新联系程度差距较大，其中在长三角地区与中心城市创新联系量最少的城市就是浙江省的舟山市。对于安徽省中处于长三角区域的城市来说，因为科技创新的资源相对于其他两个省份较有限，省内城市的创新能力总体来说综合得分并不高，上海市对其创新联系量比较小，并且地理位置相对于其他两个省份的城市来说，距离上海市较远。 3.结论与建议
对于城市的科技创新能力来说，其科研资金较少以及人员的投入不充足对于城市创新能力有很大影响，由于受到地理位置以及城市创新能力的限制，上海市对于周围城市的创新能力空间联系差别较大，以苏州、南通、无锡、杭州等城市与上海市创新联系紧密，与上海市联系较弱的城市主要集中在安徽省的部分城市，说明上海市科技影响并没有完全辐射长三角。
3.1完善城市间交通设施
在长三角区域内增加交通设施比如高速公路、高铁等交通枢纽，相关部门加大对交通设施的资金投入，建立完备高效的交通设施，缩短车辆在城市间往来时间，提高城市间的货物运输和科技交流效率，加快周围城市与上海市贸易往来的速度，减少与上海市的“距离”，为提高城市间创新能力空间联系打下基础。
3.2加大城市科创资金的投入
长三角地区各城市之间创新能力差距过大，与中心城市相比形成两极分化，通过加大城市的科创资金投入，增大城市的创新投入，以此带动创新产出和提高城市的科技创新能力，使得长三角地区周围城市与上海市的联系更为紧密，提高区域内科技创新能力共同发展速度。
3.3增多城市间资源共享
长三角地区涵盖上海市以及浙江省、江苏省、安徽省的大部分区域，通过增加城市间资源共享，省与省之间、城市与城市之间增多科技创新合作项目以及人才交流项目，把不同地方以及人才的优势更好的发挥出来，使得城市间空间交流更为密切，提高科技创新能力以及加快发展。
参考文献：
[1]刘瑞翔.区域经济一体化对资源配置效率的影响研究——来自长三角26个城市的证据[J].南京社会科学，2019（10）：27-34.
[2]刘程军，周建平，蒋建华，王周元晔.区域创新与区域金融耦合协调的格局及其驱动力——基于长江经济带的实证[J].经济地理，2019，39（10）：94-103.
[3]俞裕兰，杨靛青.福建技术创新对贸易竞争力影响分析——基于高新技术产品出口的VAR模型分析[J].湘南学院学报，2019，40（05）：57-64.
[4]章晓英，胡亚琦.长江经济带三个国家中心城市对周围城市的影响力比较研究[J].重庆理工大学学报（社会科学），2019，33（10）：71-80.
[5]刘建华，李伟.基于修正引力模型的中原城市群创新空间联系研究[J].地域研究与开发，2019，38（05）：63-68+90.
[6]董必荣，赵婷婷，王敬勇，凌华.基于引力模型的省域创新产出空间联系研究[J].南京审计大学学报，2018，15（01）：25-34.
[7]张鸿鹤，马荣康，刘凤朝.基于引力模型的东北地区创新产出空间联系研究[J].大连理工大学学报（社会科学版），2017，38（04）：33-39.
[8]徐维祥，张凌燕，刘程军，杨蕾，黄明均.城市功能与区域创新耦合协调的空间联系研究——以长江经济带107个城市为实证[J].地理科学，2017，37（11）：1659-1667.
[9]曹贤忠，曾刚，邹琳.长三角城市群R&D资源投入产出效率分析及空间分异[J].经济地理，2015，35（01）：104-111.
基金项目：本项目属于国家级大创《长三角地区中心城市对周围城市的创新能力带动效应研究》（202010378027）;本项目属于安徽财经大学金融学院科研基金项目《长三角地区中心城市对周围城市创新能力空间联系》（JR2020010）。
作者简介：
李秦（2001-），女，汉族，安徽阜阳人，安徽财经大学金融学院，2017级本科生，投资学专業。
芮英健（2000-），男，汉族，安徽亳州人，安徽财经大学金融学院，2018级本科生，金融学专业。
张赟（1999-），女，汉族，安徽阜阳人，安徽大学经济学院，2017级本科生，经济统计学专业。