創新價值鏈視角下區域創新水平分布動態及鏈間影響

周 迪，鐘紹軍

(1.廣東外語外貿大學經濟貿易學院，廣東 廣州 510006；2.湖北科技學院數學與統計學院，湖北 咸寧 437100)

0 引言

內生增長理論表明，技術進步和創新的差異是經濟發展差異的源泉[1]，因此，區域創新水平的發展對于區域經濟發展有著重要的影響。中國自改革開放以來創新水平有了顯著提高，但地區間創新水平存在較大差異，而且這種差異有擴大的趨勢[2]，這對于區域經濟的協調發展十分不利。中國創新水平分布動態演進具體呈現出何種態勢？這種分布的動態變化有哪些影響因素？對于該問題的回答能充分了解創新發展的空間格局和演變規律，這對于我們采取針對性的創新發展政策，協調各地區創新水平具有重要的理論和現實意義。

對于中國創新水平的區域差異研究，已有學者進行了大量研究，從研究方法上看，主要采用變異系數、泰爾指數以及基尼系數等方法；從創新指標選取上，或者對單一指標、多指標進行研究，或者構造創新指標體系進行創新水平綜合評價，進而以該綜合水平為研究對象。例如，蔣天穎以專利申請授權量這一單一指標為研究對象，基于變異系數方法研究我國區域創新水平的差異情況，發現省域創新水平差異在2001—2011年逐步增大[3]；魏守華、肖剛等也都選擇專利數據作為區域創新水平衡量指標，分別基于泰爾指數、區域基尼系數以及變異系數等方法考察省域創新水平差異情況，并得到類似結論[4-5]；此外，也有學者用國家科技進步獎數據來評價區域創新水平[6]。在多指標分析中，曹勇等選取發明專利申請量和大中型工業企業新產品產值等指標，并基于泰爾指數方法進行區域創新水平差異研究[7]，程慧平選擇新產品開發項目、新產品銷售收入以及專利申請數據，采用基尼系數、泰爾指數以及區域分離系數等方法考察區域創新能力差距[8]；而基于創新綜合水平的區域差異分析往往首先對區域創新水平進行綜合評價，進而對不同地區的創新水平進行排名比較或區域差異分析[9-11]。已有這些關于區域創新水平差異的文獻或多或少地涉及創新水平差異的動態特征，事實上，有關中國創新水平收斂性的研究也日漸成熟。主要有兩個方向，一是采用回歸的方法考察區域創新水平分布是否存在收斂，如魏守華等基于α收斂與β收斂方法考察區域創新能力的收斂趨勢，發現1990—2007年區域創新能力先收斂后發散[4]，但黃德森等在考慮了空間因素后，發現區域創新能力不存在整體上的β收斂，而是存在著高水平和低水平俱樂部收斂現象[11]。另一類采用分布動態學研究方法，該方法由Kernel密度曲線和Markov鏈方法組成，分別從分布的整體形態變化角度和內部動態性角度進行研究。例如楊明海等采用Dagum基尼系數、Kernel密度估計以及空間Markov鏈方法研究了中國七大城市群創新水平的區域差異以及分布動態演進，發現城市群創新能力分布呈不同的極化現象與趨勢，鄰近地區創新水平對周邊城市創新水平的轉移有影響[12]。周迪等采用擴展的分布動態學模型，考察了30個省級地區創新水平的分布演進特征，發現創新水平的極化程度在1989—2012年呈現出先增大后減小的趨勢，創新高水平和低水平地區的流動性較低[13]。

已有文獻對于本文的研究打下了堅實基礎，但仍存在不足：第一、從指標上看，創新驅動經濟增長，應當包含知識創新、研發設計創新、產品創新三個緊密相連的環節[14-15]。三個環節構成一個完整的創新價值鏈[16]，而已有文獻往往只基于某一單一指標[3-5,17-18]或某一綜合指標[9-10]來考察區域創新水平差異或收斂，存在明顯的局限。前者并不能完整地反映整個創新活動，后者則無法獲得整個創新價值鏈上的完整信息，所得結論不夠具體；而多指標的文獻[7-8]只是簡單羅列創新指標，沒有從創新經濟角度給出整個創新活動的分析框架，部分從不同創新主體(企業、高校和科研院所)視角進行區域創新研究的文獻也更多是從創新效率角度展開[14-15]；較少文章從創新價值鏈視角出發，考察不同階段創新水平的分布動態演進，以比較不同創新活動水平分布動態的差異；第二、從內容上看，已有研究區域創新水平動態分布影響因素的文獻主要從空間角度進行分析[5,12-13]，或者從創新主體不同的創新合作模式角度進行考察[6]，較少從創新系統內部，特別是創新價值鏈不同階段創新活動之間的分布動態影響因素分析。

本文采用非參數Kernel密度估計方法，考察中國創新價值鏈各階段創新水平分布動態的演進特征。Kernel密度估計方法能較好反映區域創新水平分布的整體形態，以及比較不同時期分布動態特征,但無法了解創新水平分布的內部動態性，難以分析各地區在創新發展水平分布中的相對位置流動情形。而Markov鏈方法能深入分析創新水平分布中各地區的狀態轉移，考察創新水平分布的內部動態性，較好彌補了Kernel密度估計的不足。此外，空間Markov鏈方法雖然能對分布動態的影響進行分析，但只能研究區域背景這一唯一影響因素，本文將該模型擴展為一般化的條件Markov鏈模型，從而可以分析創新價值鏈上游創新水平對下游創新水平分布的影響。

1 研究思路、方法與數據

1.1 研究思路

Hansen等于2007年提出創新價值鏈，認為創新價值鏈可以分為創意的產生、轉換以及傳播三個階段[19]。這三個階段如何實現銜接，有學者從供給的視角進行研究[20]，也有基于生產的視角對技術創新環節進行分解，認為技術創新是從創新要素投入到創新產品產出的一個多階段、多要素的價值鏈傳遞過程，包括從創新的投入到創新知識的凝結再到創新成果的實現三個階段[16]。這與知識創新、研發設計創新、產品轉化創新具有相似的劃分標準，也和國家統計局將中國技術創新分為基礎研究、應用研究和實驗發展三個階段較為吻合。為此，本文借鑒這一思路進行研究，將中國創新過程分解成三個環節：知識創新階段，對應創意的產生；科研創新階段，對應創意的轉換；產品轉換階段，對應創意的傳播。三個環節分別對應創新價值鏈的上游、中游和下游階段。

目前創新活動的這三個環節是靠彼此分散的專業化分工來完成的，其中上游的知識創新角色基本上由高校和部分科研機構承擔；中游的科研創新角色由科研機構和部分企業承擔；下游的產品轉化創新角色則主要由企業來承擔。那么各類創新活動水平的分布動態演進特征是否相同？另外由于創新價值鏈不同階段的創新活動是緊密相連的，相互之間具有上下游彼此銜接的關系，那么在創新水平分布動態過程演進過程中，創新價值鏈前后階段的創新活動之間有著怎樣的影響過程？本文將對這些問題進行回答。在研究過程中，分別選對應的指標來衡量各階段創新活動的產出水平。具體的，在知識創新階段，創新活動的產出為科技論文，故用各省份科技論文發表數來衡量各地區知識創新水平；在科研創新階段，創新活動產出專利，故采用學者所廣泛使用的專利申請量授權量來衡量各省份的科研創新水平；在創新價值鏈下游的生產階段，論文以大中型工業企業新產品作為這一階段產出，采用各省份大中型工業企業新產品銷售收入來衡量各地區的產品轉化創新水平。圖1給出了中國創新價值鏈的不同階段和不同階段對應的創新產出成果。

圖1 創新價值鏈示意圖

1.2 研究方法

(1)Kernel密度估計。和參數估計方法相比，非參數估計方法不需要事前確定具體模型，可以減少模型設定偏誤的影響。Kernel密度函數是非參數估計方法之一，可以用來分析樣本分布動態的演變趨勢。其基本原理是：假設隨機變量X1、…、XN獨立同分布，其經驗分布函數為：

(1)

式中，N為觀測點數目，I(x)為示性函數，即x為真時取1，否則取0。Kernel密度估計為：

(2)

在實踐過程中，有兩個地方需要選擇，第一是核函數，常見的核函數有四種：高斯核、三角核、四次核以及Epanechnikov核。采用高斯核的研究最多，本文采用高斯核來估算中國創新水平的分布動態演進過程。第二為帶寬選擇，通常分布較密集的地區選擇較窄的帶寬，而分布較分散的地區選擇較寬的帶寬，本文按照如下條件來選擇帶寬：

(3)

(2)Markov鏈。Markov鏈是一種時間和狀態均為離散的Markov過程，可以分析地區創新水平在不同水平狀態之間的轉移情況，分析中國創新水平分布的內部流動性特征。但是在傳統的分布動態模型中，Markov鏈方法通常只考察一步時間長度(簡稱時長)為1年的情況[5,12,21-22]，無法知道地區在較長時間積累下的狀態轉移特征。而考察多年時長時，只用到了時長首尾離散時間點的數據，數據信息存在較大浪費[23]。為此，本文一方面構造了多年時長的Markov轉移概率矩陣，以考察隨著時間積累創新水平的轉移變化情況，挖掘出更多的分布動態信息。另一方面充分利用樣本數據信息，使結果更精確。具體的，本文多年時長轉移概率矩陣的構造方法如下：

(4)

(5)

(6)

1.3 數據來源與說明

創新價值鏈各階段的創新水平分別采用對應的指標來衡量。借鑒張虎和周迪[2]的思路，其中知識創新階段的產出水平用發表的科技論文數量來衡量，具體的采用國內外檢索工具SCI、EI和ISTP收錄的科技論文數量來測度；科研創新階段的創新水平用3種專利申請受權量來衡量；產品轉換創新水平用各地區大中型(或規模以上)工業企業新產品銷售收入來衡量。由于國外主要檢索工具收錄中國科技論文的數據隔一年才發布，當前最新的統計年鑒只統計到了2014年，因此論文的研究時長為1997—2014年。由于西藏和港澳臺數據不全，沒有作為研究對象，論文研究對象為除西藏以外的30個省級地區，論文數據來源于1998—2016年的《中國科技統計年鑒》。

2 實證分析

2.1 三類創新水平整體分布動態演進

采用高斯核密度函數分別繪制創新價值鏈三類創新水平1997年、2003年、2008年以及2014年的核密度函數，由于1997年的核密度函數和其他年份差異較大，論文單獨對其繪制。這樣對每類創新水平繪制兩個核密度圖，以考察其分布的動態演進特征，見圖2～4。

由圖2可以看到，30個省份知識創新水平的分布動態演進呈現出如下三個方面的特征：①分布整體向右移動，說明各地區知識創新水平在逐漸提高；②隨著時間變化，波峰的高度不斷降低，寬度不斷增大，整體分布呈現出越來越扁平的特征，表明各省份知識創新水平的差距逐漸增大。另外，圖2還顯示在樣本期內知識創新分布的右拖尾越來越長，表明各省之間的差異在增大。同時進一步表明部分省份(北京、江蘇等)發展速度較快，與一些發展較慢的省份(青海、寧夏等)的差距在增大；③在考察期內，波峰數量在1997年為三個，隨后逐漸減小到兩個，2014年右尾處的側峰和主峰的水平差距非常大，說明多極化現象雖然在緩解，但發展速度快的省份越來越快，與發展速度慢的省份差距不斷拉大，形成了兩極分化現象。

圖3為科研創新水平分布的核密度估計，可以看到科研創新水平分布動態演進特征如下：①樣本期內核密度分布整體向右移動，表明各省的科研創新水平在不斷提高；②考察期內整體分布的波峰越來越扁平，特別是在2008年之后，波峰不僅下降明顯，波寬也急劇增大，表明各省份科研創新水平的差距在不斷增大，在2008年之后更加明顯。此外，2008年后科研創新水平分布的右拖尾越來越長，表明有些省份(江蘇、浙江)發展速度較快，明顯快于其他省份，使得右拖尾越來越長，高水平省份和其他省份差距越來越大；③在考察期內，分布的波峰數量由1997年的三個增加到2003年的四個和2008年的五個，表明這段時間科研創新水平的極化現象存在加劇趨勢，呈現出多極化現象，但2014年波峰數量又減少到兩個，只是此時右拖尾的側峰與主波峰相隔較遠，表明兩極分化陣營中科研創新水平差異極大。

圖2 知識創新水平代表性年份的核密度曲線

圖3 科研創新水平代表性年份的核密度曲線

從圖4可以看到，產品轉化創新水平的分布動態演進呈現出如下特征：①整體分布在向右移動，表明各省份產品轉化創新水平在逐漸提高；②整體分布波峰高度不斷下降，變得更加扁平，特別是從2003年之后更加明顯。同時波峰的寬度也不斷增大，表明各省份產品轉化創新水平差異不斷增大。此外，隨著時間變化，產品轉化創新水平分布的右拖尾越來越長，表明部分省份(江蘇、廣東)增長較快，與其他地區的產品創新水平差距不斷增大，特別是部分地區(青海、海南)增長速度相對較慢，導致右拖尾越來越長；③在樣本考察期內，產品轉化創新水平分布的波峰數量呈現出穩定的遞減態勢，由1997年的四個變成2003年、2008年的兩個和三個，最后在2014年側峰消失，呈現出單峰分布，表明分布的極化現象逐漸消失。

圖4 產品創新水平代表性年份的核密度曲線

2.2 三類創新水平分布的內部流動性

核密度曲線雖然可以從整體上分析創新水平分布的動態變化，但無法知道分布內部的流動特征，即區域創新水平分布內部各地區相對位置的動態變化及發生的可能性大小。下面采用擴展的Markov鏈模型計算三類創新水平短期和長期的轉移概率矩陣，其中短期考察時間間隔長度(時長)為1年，長期考察時長為5年。按照各省創新水平高低，將區域創新水平劃分為四種類型，低于中位數45%的為低水平類型、中位數45%～100%的為中低水平類型，中位數100%～155%的為中高水平類型，高于中位數155%的為高水平類型。模型結果見表1。

表1 三類創新水平分布的內部流動性

從表1可以看到，在短期內(時長為1年)，三類創新水平分布的內部流動性都較低，各省份在不同創新水平類型之間的狀態轉移發生概率較低，特別是高水平和低水平地區更加明顯。例如知識創新低水平地區一年后仍有0.94的概率處于低水平，科研創新和產品創新對應的概率分別為0.926和0.934，向上流動的概率都不足0.1，高水平地區向下流動的概率也都低于0.1。其中知識創新、科研創新和產品創新高水平地區向下流動的概率分別為0.061、0.054和0.093。中等水平類型(中低和中高水平)地區的流動性相對更大，對于產品創新而言更加明顯，其中等水平地區向上和向下流動的概率都超過了0.1。整體來看，創新水平分布的內部流動性由高到低依次為產品創新>科研創新>知識創新，可見流動程度隨著價值鏈階段的上升不斷提升。

時長為5年時，三類創新水平整體的流動性都有了明顯提高。可見，各地區之間創新水平的追趕需要時間積累。從各水平類型的流動性大小來看，依然是中等水平地區的流動性比高低水平地區高，其中科研創新和產品創新的中低水平地區流動性最明顯，流動概率都大于0.5，且主要發生向下流動。而三類創新的高水平和低水平地區的流動性都低于0.2，固化現象依然明顯。整體來看，在較長時間內，創新水平分布的內部流動性程度依然隨著創新價值鏈的上升不斷提高，即產品創新>科研創新>知識創新。

此外，通過表1還可以看到，知識創新水平的分布都呈現出“中間小、兩頭大”的分布格局。根據本文計算轉移概率矩陣的分類標準，可以看到考察期內創新水平處于中位數45%～155%之間的“中等水平”規模(N)占比在短期和長期內分別只有29.02%和28.97%。而科研創新和產品創新的“中等規模”相對更大，特別是科研創新，中等規模地區占比達到了38.04%和40.26%，呈現出更健康合理的分布格局。

2.3 創新價值鏈上游創新活動對下游創新水平分布動態的影響

由于價值鏈上游創新活動的產出是下游創新活動的投入，因此創新價值鏈各階段的創新水平之間存在一定的關系，這種關聯是否會對創新水平的分布動態有影響呢？下面借助條件Markov鏈模型考察創新價值鏈上游創新活動對下游創新水平分布動態的影響。以上游創新產出水平中位數為標準將各地區分為高低水平兩大類型，然后以其為條件，計算下游創新水平短期和長期的轉移概率。表2為知識創新水平條件下的科研創新水平轉移概率矩陣結果，最上面和中間部分的轉移概率矩陣分別為知識創新水平低水平和高水平條件下的科研創新分布流動性矩陣，最下面為不考慮條件變量下的科研創新水平分布流動性矩陣。

表2 知識創新水平條件下的科研創新水平轉移概率矩陣

在短期內，對于科研創新水平為低水平的地區而言，當其知識創新水平也為低水平時，其上轉移的概率為8%，低于整體情況下的9%，若該地區的知識創新水平為高水平時，其科研創新水平向上轉移的概率達到了12.7%；對于科研創新水平為中低水平的地區，當其知識創新水平為低水平時，其科研創新水平的流動性為16.7%，低于整體水平的21.1%，若擁有高知識創新水平，則其科研創新水平的流動性為26.5%，高于整體水平。知識創新水平對科研創新中低水平流動性的提高主要體現在提高其向上流動的概率，例如對于中低類科研創新水平地區，若有高的知識創新水平時向上流動的概率為4.5%，低于整體情形的3.8%，向下流動概率為12.2%，和整體情形的12.8%差異不大；而若有高知識創新水平，則向上轉移的概率為12.9%，高于整體水平4.6%，向下轉移概率為13.6%，也和整體情形的12.8%差異不大。可見，知識創新水平越高，科研創新低水平和中低水平地區的流動性越大，且主要增大了向上的流動性。

當地區科研創新水平為中高水平和高水平時，知識創新水平越高，其流動性越小，且主要是降低了其向下的流動性。以高科研創新水平地區為例，若其知識創新水平為低水平，將有32%的概率發生向下流動，遠高于整體情形的8.2%，而若有高知識創新水平，則僅有4.5%的向下流動概率。可見知識創新水平對于高科研創新水平分布的流動性影響非常明顯。

在時長為5年的長期情形，知識創新依然會對科研創新水平分布的流動性產生影響，且具體影響結果和短期一致，都是高知識創新水平會促進較低科研創新水平向上流動，進而提高其流動性，降低較高科研創新水平分布的向下流動來降低流動性。為了分析這種影響是否具有統計學含義，下面對三類轉移概率矩陣進行差異性檢驗，檢驗結果見表3。

表3給出了1～5年時長下條件轉移概率矩陣和非條件轉移概率矩陣的差異性檢驗結果，不同時長下檢驗結果都拒絕原假設，認為三類矩陣不相等。可見知識創新水平對科研創新水平分布動態的影響是顯著的。由Q統計值的大小可知，這種影響隨著時間的積累不斷增大。

表4給出了不同科研創新水平條件下產品創新水平分布的內部流動性特征，可以看到：

(1)科研創新水平和產品創新水平的相關性更加密切。例如在考察期內，產品創新低水平的148個樣本中，科研創新水平也為低水平的數量及比例高達142和95.95%。為了結果的穩健，本文主要分析中低及以上產品創新水平分布的流動情形。在短期內，對于中低產品創新水平地區而言，若知識創新水平為低水平，其向上流動概率為1.9%，低于整體的7.5%，向下流動概率為22.2%，高于整體的12.1%，可見一地區科研創新水平較低時，會增加該地區產品創新水平向下流動的概率，減少向上流動的概率。若其有高的科研創新水平，則向上流動概率提高到12.3%，高于平均水平，同時向下流動概率僅為1.9%。可見高知識創新水平對于中低產品創新水平有積極的作用，促進其向上流動，抑制其向下流動。

表3 知識創新水平對科研創新水平轉移概率影響的顯著性檢驗

(2)對于中高產品創新水平地區而言，若科研創新水平為低水平，其向上流動概率為3.3%，低于整體情況下的10.3%，向下流動概率為13.3%，高于整體水平的9.2%。若該地區有高科研創新水平，其向上流動概率為18.8%，高于整體水平，向下流動概率為2.3%，低于整體水平。可見和前面分析結果類似，高知識創新水平同樣促進中高產品創新水平地區向上流動，抑制其向下流動，低知識創新水平的影響作用剛好相反。

表4 科研創新水平條件下的產品創新水平轉移概率矩陣

(3)對于產品創新水平為高水平的地區，知識創新水平主要是影響其向下流動。相對于不考慮條件變量的整體情況，高知識創新水平能減少其向下流動概率，低知識創新水平則增加該概率。可見，對于產品創新高水平地區的流動性而言，低知識創新水平的影響也是消極的，高知識創新水平影響則是積極的。

(4)在時長為5年的長期情況下，知識創新水平對產品創新水平分布動態的影響同樣存在，且影響結果一致，可見結果較為穩健。

通過對三類轉移概率矩陣進行差異性統計檢驗，發現不管是短期還是長期，不同科研創新水平條件下產品創新水平的轉移概率矩陣與非條件產品創新水平轉移概率矩陣存在顯著性差異，可見科研創新水平對產品創新水平分布動態的影響也是顯著的。

3 研究結論與政策建議

主要研究發現：①隨著時間變化，三類創新活動的創新水平分布都呈現出更加分散的態勢，區域差異逐漸增大同時極化現象逐漸緩解甚至消失；②在短期內，三類創新水平分布的內部流動性都較低，但隨著時間積累，中等水平地區的流動性不斷增加，但低水平和高水平地區的流動性仍然較高。另外，不管是短期還是長期，隨著創新活動所處創新價值鏈階段的上升，其創新水平分布整體的內部流動性程度不斷提高。可見創新活動越處于創新價值鏈的上游，其創新水平的區域差異固化程度越嚴重，而越處于下游，地區間的追趕效應越明顯；③不管是短期還是長期，創新價值鏈上游的創新活動對下游創新水平的動態分布都存在顯著影響，知識創新水平越高，越能促進較低科研創新水平地區向上流動、提高流動性水平，并且抑制較高科研創新水平地區向下流動、降低流動性水平；同樣的，高科研創新水平也能促進低產品創新水平地區的向上流動，抑制高產品創新水平地區向下流動，而低科研創新水平則產生相反的作用。

由以上結論可知，在建設創新型國家進程中，應該采取一定措施來協調區域創新水平差異、提高各地區創新發展水平。第一、考慮到我國三類創新資源都存在差異增大的趨勢，且高低水平地區存在流動性低的固化現象，這不利于區域創新的協調發展。因此政府應該對創新發展低水平的地區進行有針對性的重點扶持：一方面，根據其各類創新水平發展情況，有針對性地加大基礎研究、應用研究或者實驗發展R&D資金轉移支付力度，另一方面加大創新政策的扶持，重點挖掘那些創新發展水平較低的中西部省份創新增長潛力，加快其新產品開發項目的立項，縮短其專利申請審批周期。這樣不僅可以改善當前創新水平的區域差異過大問題，同時可以避免低水平地區固化于“低水平陷阱”的困境。第二、考慮到創新價值鏈上下游創新活動之間存在著顯著的積極影響，政府應該進一步加大創新價值鏈各階段創新活動的合作程度，促進產學研一體化發展。一方面，地區內部應該加強各類創新活動的緊密銜接力度，通過創新價值鏈鏈條的高效銜接實現整體創新價值的最大化。另一方面，區域之間應該加大各階段創新資源的流動程度，使創新價值鏈各階段創新資源在更大的范圍內實現資源配置，提高創新產出效率，進而提高創新水平。

[1]GROSSMAN G M，HELPMAN E.Endogenous innovation in the theory of growth[J].Journal of economic perspectives，1994，8(1):23-44.

[2]張虎,周迪.創新價值鏈視角下的區域創新水平地區差距及趨同演變——基于Dagum基尼系數分解及空間Markov鏈的實證研究[J].研究與發展管理,2016,28(6):48-60.

[3]蔣天穎.我國區域創新差異時空格局演化及其影響因素分析[J].經濟地理，2013,33(6):22-29.

[4]魏守華,禚金吉,何嫄.區域創新能力的空間分布與變化趨勢[J].科研管理,2011,32(4):152-160.

[5]肖剛,杜德斌,戴其文.中國區域創新差異的時空格局演變[J].科研管理，2016，37(5)：42-50.

[6]王成軍,付祥云,劉漸和.基于官產學的區域創新能力建設研究——以國家科技進步獎為例[J].中國科技論壇,2017(9):138-145+177.

[7]曹勇,秦以旭.中國區域創新能力差異變動實證分析[J].中國人口·資源與環境，2012,22(3)：164-169.

[8]程慧平.中國省域研發創新能力差異實證分析[J].中國科技論壇,2013(8):98-105.

[9]玄兆輝,呂永波,羅亞非.區域科技綜合實力評價研究[J].中國科技論壇,2012(10):31-37.

[10]朱建平，王德青，方匡南.中國區域創新能力靜態分析——基于自適應賦權主成分聚類模型[J].數理統計與管理,2013,32(5):761-768.

[11]黃德森,楊朝峰.基于空間效應的區域創新能力收斂性分析[J].軟科學,2017,31(1):44-48.

[12]楊明海,張紅霞,孫亞男.七大城市群創新能力的區域差距及其分布動態演進[J].數量經濟技術經濟研究,2017,34(3):21-39.

[13]周迪,張虎.中國創新水平區域趨同時空演變[J].中國科技論壇,2015(6):11-15.

[14]余泳澤，劉大勇.我國區域創新效率的空間外溢效應與價值鏈外溢效應——創新價值鏈視角下的多維空間面板模型研究[J].管理世界,2013(7):6-20.

[15]余泳澤，劉大勇.創新價值鏈視角下的我國區域創新效率提升路徑研究[J].科研管理，2014，35(5):27-37.

[16]LEE J，GEREFFI G，BEAUVAIS J.Global value chains and agrifood standards：challenges and possibilities for smallholders in developing countries[J].Proceedings of the national academy of sciences，2012，109(31)：12326-12331.

[17]潘雄鋒,張維維.基于空間效應視角的中國區域創新收斂性分析[J].管理工程學報，2013，27(1):62-67.

[18]王慶喜，張朱益.我國省域創新活動的空間分布及其演化分析[J].經濟地理，2013，33(10):8-15.

[19]HANSEN M T，BIRKINSHAW J.The innovation value chain[J].Harvard business review，2007，85(6):121-130.

[20]SHERER S A.From supply-chain management to value network advocacy：implications for e-supply chains[J].Supply chain management，2005，10(2):77-83.

[21]許治,陳麗玉.國家級創新型城市創新能力的動態演進——基于技術成就指數的研究[J].管理評論，2016,28(10):58-66.

[22]PAN X，LIU Q，PENG X.Spatial club convergence of regional energy efficiency in China[J].Ecological indicators，2015，51:25-30.

[23]沈麗,鮑建慧.中國金融發展的分布動態演進:1978—2008年——基于非參數估計方法的實證研究[J].數量經濟技術經濟研究,2013,30(5):33-47.

[24]GALLO J L.Space-time analysis of GDP disparities among European regions：a Markov chain approach[J].International regional science review，2001，27(2):138-163.