面向高質量發展的黃河流域科技創新空間極化效應演化研究

羅 巍，楊玄酯，楊永芳

(1. 河南大學 商學院，河南 開封 475000； 2. 江蘇科技大學 經濟管理學院，江蘇 鎮江 212003； 3.河南大學 環境與規劃學院，河南 開封 475000)

0 引言

黃河作為中華民族的母親河，是中華文明的搖籃。中國五千多年的歷史文明中，黃河流域有三千多年都是中國的政治、經濟、文化中心，當前更是中國重要的生態屏障、經濟地帶、“能源流域”以及打贏脫貧攻堅戰的重要區域[1]。

黃河流域橫跨中國東、中、西三大區域，既有上、中游脫貧攻堅主戰場，又有下游人口聚集大省，同時，少數民族集聚區、革命老區和高寒山區相互疊加，成為區域協調發展的重要戰略要地[2]。然而，與京津冀、長三角、長江經濟帶、粵港澳大灣區等“雙子星”、“多子星”布局不同，黃河流域各省區地理接近卻缺乏合作，省會“一家獨大”、省際發展不均衡等問題尤為突出。

2019年9月，習近平總書記在鄭州主持召開黃河流域生態保護與高質量發展座談會并發表重要講話；2020年1月，習近平總書記主持召開中央財經委員會第六次會議，研究部署黃河流域生態保護和高質量發展問題。與高速增長階段主要以工具理性為動力的機制不同，高質量發展階段更強調具有本真價值理性的新動力[3]。科技創新作為高質量發展的重要驅動，對黃河流域高質量發展意義尤為重要。借助集聚模式，黃河流域各省區省會城市不斷集聚本地區科技創新資源，構建增長極。然而，重復建設與無序競爭并存，資源不足與大量閑置同在，加之省際間科技創新資源分布不均衡、能力差異等問題，最終影響流域高質量發展。

為此，立足黃河流域科技創新發展現狀，構建面向高質量發展的黃河流域科技創新集中度與極化度模型，從流域整體層面和上、中、下游分區域層面，分析其科技創新空間極化效應演化情況，并識別省際間“虹吸”和“涓滴”效應，以期為黃河流域科技創新高質量發展提供政策啟示。

1 理論回顧

1.1 黃河流域高質量發展

自黃河流域生態保護與高質量發展戰略提出以來，僅半年時間，CSSCI檢索數據庫中以“黃河流域”并含“高質量發展”為篇名的研究已有40余篇。其中，以西北大學為代表的學者們形成了一些專題研究：一方面，采用質性研究，構建以發展內涵、發展模式、發展著力點、戰略支撐、法治保障為內容的理論框架[4-6]；另一方面，采用量化分析，基于地理單元范式[7]，綜合考慮發展中功能定位、人地耦合及區域內分異，聚焦某一地區(如西北經濟走廊、中心城市)、某一內容(如生態保護、能源效率、現代產業、新型城鎮化、高質量發展測度)等展開研究[8-10]。

當前，黃河流域高質量發展尚未形成公認定義，雖在政治、經濟、文化、社會等領域均有涉及，但對高質量發展的主要動力——科技創新高質量發展研究較少。盡管學界對科技創新不均衡問題也有關注，但多從全流域或獨立省域層面展開分析，中觀層面的區域間對比及省際間關系分析鮮有涉及，總分式、多層面、立體化分析有待進一步豐富。

1.2 科技創新極化

科技創新受制度安排影響，往往一開始就表現為空間非均衡發展[11]。Francois[12]的增長極(growth pole)理論、Friedan[13]的核心—邊緣理論、Krugman[14]的梯度轉移理論，都強調資源有限性約束下，對科技創新資源等發展性資源的非均衡配置。隨著創新極(innovation pole)[15]、創新生態圈(innovation ecospher)[16]等研究不斷深化，科技創新資源與能力向極核集聚以及中間層消失的極化問題[17]開始受到關注。

一方面，學者們圍繞極化的測量評價展開研究，如周密[18]、尹宏玲和吳志強[19]指出，京津冀、珠三角、長三角分別為單極、雙極和多極結構；宋麗思和陳向東[20]發現，成渝地區極化最高，長三角和珠三角次之，京津冀最低；周靈玥和彭華濤[27]研究發現，京津冀、長三角以“涓滴”效應為主，珠三角、長中游、川渝以“虹吸”效應為主。另一方面，學者們圍繞極化的內在機制展開研究，如Ozkaya[22]分析了知識流對創新績效的極化效應；Theophile[23]分析了短期極化與長期極化間的關系；Venables[24]指出了貿易沖擊對科技創新極化的影響；史安娜[25]聚焦知識密集型服務業，對極化輻射機制進行研究。

總體來看，在研究層面上，早期多關注區域間對比分析，進而聚焦某一區域展開針對性研究，但對落后地區關注不夠，對同一區域的總分式、多層面、立體化分析有待深入；在研究對象上，關于科技創新的人才[26]、文化[27]、財政[28]等要素極化分析較多，但對要素間內在關系的綜合考量還較缺乏，有必要結合新時代特征，從投入—條件—產出系統性出發，形成要素綜合分析；在研究內容上，早期多關注極化評價，后期側重對形成原因(如技術網絡分裂斷層)、后果(如城市貢獻度、聚集輻射力)等進行分析[29-30]，但多為外部原因探索，對系統內主體及要素間互動關系分析較少；在研究方法上，已有Esteban-Ray指數[31]、Wolfson指數[32]、Kanbur-Zhang指數[33]用于衡量極化，但對極化的結構性來源缺少說明，如何結合國情與區域現實形成方法改良值得思考。

2 研究設計

2.1 模型構建

為更好地挖掘科技創新極化效應的結構性來源，考慮黃河流域各省區科技創新資源及能力差異，按以下步驟建模：①依據中國科技發展戰略研究院《中國區域科技創新評價報告2019》中各省區科技創新水平全國排名：青海(27)、四川(12)、甘肅(23)、寧夏(22)、內蒙古(24)、陜西(9)、山西(20)、河南(19)、山東(10)，將四川、陜西、山東3省區視為強科技創新省區，其余6省區視為弱科技創新省區；②構建集中度模型，測量強科技創新省區的科技創新集中情況；③參考基尼系數在收入差異、社會公平、資源配置等領域的應用[34]，構建極化度模型，測量評價區域科技創新的均衡性；④通過分析極化演化方向與強度，探討強科技創新省區對弱科技創新省區的“虹吸”和“涓滴”效應。

(1)集中度模型(Concentration Degree Model)。黃河流域跨m個省區，科技創新系統有n個指標，變量Xj的分量xi_j為省區i的第j項指標數值，則省區i的第j項指標變量集中度為：

(1)

科技創新指標體系中，第j個指標與第k個指標存在相關系數rjk，則第j個指標對其它n-1個指標的總影響為：

(2)

根據相關矩陣分析法，存在第j個指標的客觀權重為：

(3)

同時，根據判別矩陣分析，存在第j個指標的主觀權重ωj_sub，則第j個指標的綜合權重為：

ωj=(ωj_obj+ωj_sub)/2

(4)

因此，省區i的科技創新集中度為：

(5)

(2)極化度模型(Polarization Degree Model)。省區i的人口占流域總人口比重為Qi，(∑Qi)，表示累積到省區i人口總數占流域總人口的比重，則黃河流域的科技創新極化度為：

P=1+∑CiQi-2∑(∑Qi)'Ci

(6)

在初始時刻t0和特定時刻t1，科技創新極化度分別為P0和P1。若P0P1，則表示形成“涓滴”效應。

2.2 指標選取

當前，在國家科學技術和工程評價方面，美國的《科學與工程指標》、OECD的《科學技術和工業記分牌》、日本的《科學技術指標》，都是具有國際影響力的指標體系。改革開放以來，中國先后經歷側重經濟性評估的探索階段(1979—1993年)、側重指標體系構建的規范階段(1994—2006年)和側重新方法探索的完善階段(2007年至今)[35]。我國結合本國國情特征積極開展科技指標研究，如中國科技發展戰略研究院的《中國區域科技創新評價報告》、中國科協創新戰略研究院的《中國科學技術與工程指標》等，為中國國情下的科技創新評價提供了參考。

在以往研究中，科技創新投入指標多以經費、人力資本等衡量，科技創新產出指標多以專利、論文等表征，而對于具有較高外貿依存度的中國，高技術產品出口也是科技創新競爭力的重要體現。已有研究表明，科技創新投入—產出并非一貫正向關系，如Griffith[36]發現，條件約束下的R&D投入可能帶來產出偏低甚至負值；杜金岷[37]認為上述稍顯悲觀的結論并非否認科技創新投入—產出關系，而是強調從投入到產出還需一定條件要素。此外，《國家重大科技基礎設施建設中長期規劃(2012—2030年)》也從科學前沿革命性要求等方面，強調科技創新條件要素連接科技創新投入與產出的長遠建設作用。為此，遵循投入—條件—產出的系統思維，按照有效性、適宜性、可獲性等原則選取指標，如表1所示。

表1 指標選取

2.3 數據來源

通過相關年鑒及公報獲取數據。其中，指標R&D經費支出(X1)、財政科技支出(X2)、R&D人員全時當量(X3)數據來自《中國科技統計年鑒》和《科技經費投入統計公報》；指標在校研究生(X4)、 普通本專科院校學生(X5)、科技館數量(X8)、專利授予量(X9)、技術合同成交額(X10)、高技術產品出口額(X11)數據來自各省區《國民經濟和社會發展統計公報》；指標科技企業孵化器(X6)數據來自《中國火炬統計年鑒》；指標創業風險投資機構(X7)數據來自《中國創業風險投資發展報告》。

2.4 指標賦權

指標賦權主要有客觀賦權和主觀賦權兩類方法。前者根據原始數據關系，通過一定方法計算權重，是對客觀規律的體現，但需要有足夠樣本且可參與性較差；后者則根據研究者主觀判斷賦權，是主觀能動性的體現，但易受研究者認知限制[38]。本文綜合兩者特點，采用綜合賦權，即將客觀賦權與主觀賦權權重均值作為指標權重，操作步驟如下：

首先，根據相關矩陣賦權法，某指標與其它指標相關系數絕對值越大，表明其作用強度越大，需賦予較高權重，根據公式(2)、(3)，計算各指標客觀權重。

其次，參考Saaty等[39]的AHP原理，采用判別矩陣分析法，由9位專家按要求集體賦權。專家成員包括：從事科技創新理論研究的2位教授(具有博士學位)、3位副教授(具有博士學位)，技術孵化平臺運營的管理人員(具有碩士學位)2位，高新技術企業運營的管理人員(具有碩士學位)2位。為提高主觀群決策一致性，未按職稱或學歷賦予不同表決權重，按少數服從多數原則，依次對指標兩兩比對打分，計算各指標主觀權重。

最后，綜合客觀賦權與主觀賦權，計算指標綜合權重，如表2所示。

3 結果分析

3.1 流域整體科技創新極化效應

3.1.1 集中度

根據公式(1)計算強科技創新省區科技創新各要素集中度，然后，考慮指標權重，根據公式(5)計算其科技創新集中度，結果如表3所示。

表2 指標賦權

表3 黃河流域強科技創新省區科技創新集中度計算結果

根據表3，黃河流域強科技創新省區科技創新集中度總體處于較高水平(均值為0.650)，但有持續下降趨勢。其中，普通本專科院校學生(X5)集中度持續下降，技術合同成交額(X10)集中度持續上升，其余9個指標集中度均呈現波動狀態。具體地，四川、陜西、山東3個強科技創新省區同時也是教育強省，長期聚集了黃河流域絕大多數高教資源，隨著國家加大對高教資源極其缺乏的西部省區政策傾斜，一定程度弱化了強科技創新省區對高教資源的持續集聚，使得普通本專科院校學生(X5)集中度持續下降；強科技創新省區以其相對完善的配套政策、轉化平臺、服務團隊，不斷提升技術市場活力，強化科技成果轉化帶動作用，使得技術合同成交額(X10)集中度持續上升；其余9個指標的集中度呈現波動狀態，其中，僅科技館數量(X8)集中度(均值為0.499)小于人口集中度(QS)(均值為0.529)，表明強科技創新省區在利用科技館進行科普教育、科技文化傳播中更具規模效應。

3.1.2 極化度

根據公式(6)計算黃河流域省區整體科技創新極化度，結果如表4所示。

表4 黃河流域省區整體科技創新極化度計算結果

表4顯示，黃河流域省區整體科技創新處于極低極化水平(均值為0.121)，且呈現持續下降趨勢，強科技創新省區對弱科技創新省區表現出弱“涓滴”效應。盡管強科技創新省區具有較高的科技創新集中度(均值為0.650)，但同時也具有較高的人口集中度(QS)(均值為0.529)，科技創新極化效應被人口數量規模稀釋，意味著其科技創新能力更多依賴人口紅利和資源總量。強科技創新省區科技創新集中度持續下降，而人口集中度卻略有上升，兩股力量共同作用，使得科技創新極化度在整體水平不高的情況下，持續下降，對弱科技創新省區表現出弱“涓滴”效應。

3.2 上、中、下游各區域科技創新極化效應

3.2.1 集中度

將黃河流域省區劃分為上游(青海、四川、甘肅、寧夏、內蒙古)、中游(陜西、山西)、下游(河南、山東)3個區域，根據公式(1)分別計算四川、陜西、山東3個強科技創新省區在各區域中的單一要素集中度，然后，根據公式(5)計算其在各區域中的科技創新集中度，結果如表5所示。

表5 上、中、下游各區域中強科技創新省區科技創新集中度

強科技創新省區的科技創新集中度在各區域中演化情況不同，上、中、下游分別呈現持續上升、先升后降、持續下降趨勢，相比之下，集中度水平為中游>上游>下游。

就上游而言，四川除專利授權(X9)集中度持續下降外，其余指標集中度呈持續上升或波動上升趨勢。相比青海、甘肅、寧夏、內蒙古4個弱科技創新省區，四川借助長江經濟帶、成渝城市群等戰略機遇，通過頂層設計及平臺搭建，構建良好的科技創新環境場，2017年《四川省“十三五”科技創新規劃》將“科技發展規劃”修改為“科技創新規劃”，并提出創新驅動發展階段的新時代任務，一定程度解釋了2017年以來四川省科技創新集中度快速上升態勢。

就中游而言，陜西R&D經費支出(X1)、財政科技支出(X2)、R&D人員全時當量(X3)、創業風險投資機構(X7)、專利授予量(X9)集中度先升后降，其它指標則呈現不同程度波動狀態。盡管陜西科技創新水平在國內穩居前10，但在科技創新持續投入上，還存在不少障礙。《中國區域科技創新評價報告》顯示，陜西科技創新環境、科技創新產出分別排名全國第8、4位，但科技創新投入排名全國第13位。其中，企業R&D經費支出(X1)占主營業務收入比重、省本級財政科技支出(X2)、R&D人員全時當量(X3)分別居全國第15、26、23位。

就下游而言，山東在校研究生(X4)、專利授權量(X9)、高技術產品出口(X11)集中度持續下降，其它指標則呈現不同程度波動狀態。《山東省區域科技創新能力評價報告2019》顯示，2018年，山東R&D經費投入強度為2.15%，較上年下降0.26%，規模以上工業企業R&D機構覆蓋率為7.53%，較上年下降2.44%，各地市之間創新能力差異系數為36.18%，較上年上升2.32%。同時，隨著鄰省河南綜合交通樞紐地位明確及其省會鄭州國家中心城市建設加快推進，河南持續加大科技創新投入，使得山東科技創新集中度持續下降。

3.2.2 極化度

根據公式(6)計算上、中、下游各區域科技創新極化度，結果如表6所示，并繪制極化演化路徑圖(見圖1)。為進一步分析科技創新極化與科技創新綜合能力的關系，依據中國科技發展戰略研究院《中國區域科技創新評價報告2019》，補充強科技創新省區科技創新水平指數及排名(見表7)。

表6 上、中、下游各區域科技創新極化度

圖1 上、中、下游各區域科技創新極化演化路徑

表7 強科技創新省區科技創新水平指數與排名

由表6、圖1可知，上、中、下游各區域科技創新極化度均處于極低水平，排序為中游>下游>上游(與前文科技創新集中度排序不同)，中游地區省際間科技創新不均衡程度大于上、下游。其中，上、中、下游極化度依次呈現持續上升、先升后降、持續下降趨勢，強科技創新省區對弱科技創新省區依次表現為弱“虹吸”、先“虹吸”后“涓滴”、弱“涓滴”效應。

就上游而言，四川地處西南，與青海、甘肅、寧夏、內蒙古4省區的中心距離較遠，境內黃河流域面積僅占全流域的2.4%，在流域中影響力受限。同時，四川在上游地區的人口比重(均值為0.563)高于陜西在中游地區的人口比重(均值為0.510)和山東在下游地區的人口比重(均值為0.511)，人口比重過高，一定程度弱化了極化度持續上升。因此，盡管表現出“虹吸”效應，但屬于弱“虹吸”。

就中游而言，陜西科技創新極化度先升后降，同時，由于煤炭經濟下滑以及供給側改革推進，鄰省山西“一煤獨大”優勢被極大削弱，新形勢下，山西通過提質增效化解過剩產能，不斷促進“晉品晉材晉用”，大力拓展“非煤”型戰略性新興產業，一定程度弱化了來自陜西的“虹吸”效應，使其呈現先“虹吸”后“涓滴”。

就下游而言，山東科技創新極化度持續下降，而人口集中度則不斷上升，兩股力量使得“虹吸”效應難以顯現。相比之下，山東經濟增速落后于河南，傳統產業占比過高(70%以上)，新興產業發展滯后，城市活力有待提升。同時，山東地處最下游，對全流域影響受限，陜西與河南地理接近、互相影響，一定程度約束了山東在下游的影響力，從而使之表現為弱“涓滴”效應。

4 總結

4.1 主要結論

立足黃河流域科技創新發展現狀，構建面向高質量發展的黃河流域科技創新集中度與極化度模型，對黃河流域科技創新空間極化效應演化情況進行實證分析，得出以下結論：

(1)從流域整體層面看，強科技創新省區科技創新集中度總體處于較高水平(均值為0.650)，但呈持續下降趨勢；全流域科技創新處于極低極化水平(均值為0.121)，并呈現持續下降趨勢，強科技創新省區對弱科技創新省區表現出弱“涓滴”效應。

(2)從上、中、下游分區域層面看，強科技創新省區科技創新集中度在上、中、下游分別呈現持續上升、先升后降、持續下降趨勢，各區域科技創新集中度排序為中游>上游>下游；上、中、下游科技創新極化度均處于極低水平，排序為中游>下游>上游，中游省際間科技創新不均衡程度略大于上、下游；上、中、下游極化度依次表現為持續上升、先升后降、持續下降，強科技創新省區對弱科技創新省區依次表現為弱“虹吸”、先“虹吸”后“涓滴”、弱“涓滴”效應。

4.2 政策啟示

極化度需保持在合理區間，過高將導致兩極分化，過低又易導致絕對平均。結合研究涉及的對象內容和空間尺度，從提升科技創新資源配置質量與優化科技創新空間布局兩方面提出政策建議。

(1)提升科技創新資源配置質量。從依靠人口紅利轉向依靠創新紅利，轉變先極化、后擴散思路，防止“極化陷阱”，發揮強科技創新省區示范帶動作用，兼顧學習效應與公平偏好，促進強科技創新省區突破性創新與弱科技創新省區包容性創新的協同共進。

在科技創新投入上，強科技創新省區繼續鞏固規模以上企業R&D經費投入主體地位；區分不同層級財政科技支出職能，中央財政主要支持基礎、前沿和公益研究，地方財政主要促進當地技術研發、產業化等；做好R&D人員內部培育和外部引智，提高科技人員歸屬感，降低人才流失率。弱科技創新省區重點支持一批創新強、前景好的企業“小升規”，提高R&D機構設置率，構建R&D經費“蓄水池”；完善多元主體參與的財政投入體系，通過財政專項基金，提高投入精準度；營造政策引人、待遇招人、感情留人的良好環境，彌補科技人才總量不足，亦可在強科技創新省區設立人才“飛地”，借智引智，形成從高勢能地區低成本獲取知識溢出的學習效應。

在科技創新條件上，強科技創新省區可利用在校研究生和普通本專科院校學生集中度高的優勢，通過產學研合作，培養科技后備人才；以提質增效為主線，打造高質量技術經理人團隊，細分科技企業孵化器，防止無序競爭；發揮創業風險投資機構連接機會和資本的功能，圍繞服務實體經濟、深化金融改革、防范金融風險，完善“募、投、管、退”全流程制度；發揮科技館科普功能，營造尊重科學的社會氛圍。弱科技創新省區可通過落戶激勵及扶持創新創業，吸引高校畢業生本地就業，形成人才儲備；以規范+特色為主線，建設“小、美、專、精”特色型孵化器，改變項目良莠不齊、服務模式單一、專業人員缺乏、業務脫離正軌的現狀；利用創業成本低、同行競爭少、政府紅利多等優勢，優化營商環境，為創投機構落戶提供便利。

在科技創新產出上，強科技創新省區在專利授予上要從追求數量向注重質量轉變，構建寬領域、全鏈條的知識產權服務體系；提高科技成果轉化在職稱晉升中的權重，通過學術創業激活技術市場活力，促進技術合同成交及重大科技成果落地；減少高技術產品出口中間成本，提升價值含量，拓寬出口類別，開拓新興市場，通過貿易開放形成創新溢出等學習效應，提升在國際價值鏈中的高端占位。弱科技創新省區從提高公眾知識產權意識入手，完善專利代理、專利領航企業認定、政府專利補貼等政策措施，健全知識產權服務體系；重點圍繞當地產業特色及中小企業需求，搞好科技成果轉化平臺建設；加大生產出口型高新技術企業和高新技術產品外貿公司招引力度，為擴大高技術產品出口奠定基礎。

(2)優化科技創新空間布局。綜合考慮黃河流域承載能力及生態保護戰略定位，打造面向全流域的平臺型政府，推進科技創新資源空間協同化與專業化，結合上、中、下游各區位優勢，推動主體功能區分類治理，實現生態位錯位發展，形成多中心、分層次、群網化的黃河流域科技創新生態布局。

對于上游省區，四川要利用同時地處長江經濟帶與黃河流域的區位優勢，做好“大江大河”戰略融合，為生態保護和涵養水源提供科技支撐；加快新舊動能轉換，改善R&D投入強度偏低(2018年為1.81%，低于全國均值2.19%)、企業R&D投入占比落后(2018年全國第27位)等不足；利用科技創新存量大、質量高等優勢，加快重大科技基礎設施和前沿技術平臺建設，瞄準“卡脖子”核心技術，實現突破性創新和原始創新；利用央屬科研院所的創新資源，深化體制改革，釋放對地方發展的知識溢出，改善科技與經濟發展不對稱現狀。青海、甘肅、寧夏、內蒙古等省區需精準爭取國家政策支持，加強科教投入，補充人才總量不足短板；在連片特困地區示范應用綜合集成技術和先進實用技術，做好科技惠民；重點發展光伏工程、金屬鋰、鹽湖化工、特色生物醫藥研發，打造有高原特色的戰略科技力量；協調生態、技術與經濟的關系，發展現代農業，提供有地域特色的高質量生態產品。

對于中游省區，陜西要立足地處流域中部區位，發揮在全流域中科技創新資源融通、東西產業轉移的紐帶作用；通過重大科技專項，加快能化資源清潔轉化與高效利用、智能網聯汽車、空天動力等核心技術攻關；高起點部署未來科技，發揮大數據、人工智能、區塊鏈等技術突破帶動作用，培育新業態；針對硬科技投入周期長、投資風險大、投資意向少等特點，借助全球硬科技大會等機遇，助力西安打造全球硬科技之都，打開黃河流域面向世界的學習機會窗口，探索硬科技基金模式，打通產業化渠道。山西要在煤炭經濟下滑、不具備“彎道超車”條件下，嘗試“換道超車”，大力拓展“非煤”型戰略性新興產業，利用國際能源革命科技創新產業園、連翹與油用牡丹國家創新聯盟等平臺，提高發展含金量、含新量、含綠量；深化煤焦冶電等傳統產業改造，梯度培育科技型企業，通過提質增效，化解過剩產能。

對于下游省區，山東要改善濟南與青島長期“暗戰”局面，細分功能定位，構建“雙子星”協同發展模式；以產業智慧化、智慧產業化、跨界融合化、品牌高端化為主攻方向，做好新舊產能轉換；利用“黃河入海流”區位優勢，加強河海聯動，拓展海洋科技在黃河流域的應用，培育新經濟業態；立足農業大省，深化科技服務鄉村振興戰略，加快農業科技市場化進程。河南要利用經濟總量、文化資源、交通樞紐等優勢，大力發展突破帶動型產業及臨空經濟，加快向價值鏈中高端攀升；加強科教事業投入，從質上而非量上彌補科技人才短板；加快培育洛陽、新鄉成為新的增長極，協同省會鄭州構建“一主兩翼”科技創新格局；發揮縣域創新支撐省市、帶動鄉鎮聯結作用，改善省會與非省會、城鎮與鄉村間科技發展不平衡狀況。

4.3 創新與展望

在研究層面上，改善了以往研究中過于關注發達地區的不足，聚焦黃河流域特殊性，對其科技創新極化效應形成整體+局部的總分式、多層面、立體化分析；在研究內容上，綜合考慮科技創新中人、財、物等多要素內在聯系，從投入—條件—產出系統性出發，分析極化的內在結構性來源，識別省際間“虹吸”效應和“涓滴”效應；在研究方法上，參考基尼系數方法原理，結合黃河流域省際間差異特征，將對象區分為強、弱科技創新省區，減少研究復雜性，形成方法改良。同時，得出強科技創新省區科技創新集中度高，但極化效應小等結論，改善了集中度高則極化效應大的慣性思維，并對以往基于獨立省域層面的中心城市對非中心城強“虹吸”的結論形成補充，有助于挖掘極化效應在不同視野下的結構性來源。

當然，本文參考的基尼系數法還存在忽視公共品問題、墊高極化水平等不足[40]；因省份及指標眾多，加之時間太久，數據存在非完整性，研究僅使用近5年數據；盡管形成從流域整體層面和上、中、下游分區域層面進行立體化分析，但對相鄰區域間(如上游對中游、中游對下游)的“虹吸”和“涓滴”效應缺乏分析。同時，研究選取省級數據作為尺度，而內蒙古、四川等省份大部分區域和區域科技創新中心一定程度上遠離黃河流域，為避免可信度損失，未來有必要進一步細化研究空間尺度，從地級市或更微觀角度加以改善。