區(qū)域產業(yè)集群創(chuàng)新效率與路徑
——基于模糊集定性比較分析

王 松，聶菁菁

(1.杭州電子科技大學人文藝術與數(shù)字媒體學院；2.杭州電子科技大學經濟學院，浙江杭州 310018)

在區(qū)域一體化加速發(fā)展的今天，企業(yè)之間的交流合作隨之增加，相關關聯(lián)企業(yè)、供應商、服務提供商等組織之間的緊密聯(lián)系促進了區(qū)域產業(yè)集群的誕生，產業(yè)集群處于國家創(chuàng)新系統(tǒng)與企業(yè)之間的中觀層面［1］，拉近了獨立企業(yè)的空間距離，創(chuàng)造了促進區(qū)域聚集企業(yè)交流合作的環(huán)境［2］，完善了以企業(yè)為單位的創(chuàng)新系統(tǒng)。集群對于企業(yè)創(chuàng)新的重要作用一直得到學者們的關注。集群創(chuàng)新的研究內容主要包括影響因素、機制和效率、路徑，從影響因素到路徑研究，研究深度逐漸增加，使用的研究方法也隨之完善，但關于路徑識別的研究方法還有待改進。目前被應用于集群創(chuàng)新路徑識別的研究方法主要有文本分析法、專利分析的定性方法或是結構方程的定量分析。其中，定性分析有著以下缺陷：憑借研究者主觀的判斷和直覺，得到的是粗糙的、缺乏客觀數(shù)據分析的結論；而使用回歸分析、結構方程的方法，得到的結論準確地說并不是創(chuàng)新路徑，而只是單個變量對結果的影響。而將模糊集定性比較分析法應用于集群創(chuàng)新路徑的識別，則可以克服以上方法的缺陷。模糊集定性比較分析是以集合和布爾代數(shù)等數(shù)學理論作為基礎，將定量與定向最優(yōu)特性有機組合，得到的是在不同情況下達到某特定效果的條件組合。產業(yè)集群的內外部環(huán)境復雜，想要通過某個單一條件作用達到提升創(chuàng)新效率的效果顯然并不可靠，因此本研究采用數(shù)據包絡分析（DEA）-馬姆奎斯特（Malmquist）指數(shù)測度產業(yè)集群的創(chuàng)新效率，根據效率特征對集群進行分類，然后對于不同類型集群使用模糊集定性比較分析法識別其創(chuàng)新路徑，兩種方法的結合可以在準確界定集群創(chuàng)新效率異質性的基礎上識別集群的個性化創(chuàng)新路徑，從而得到更加科學和準確的結論，以期豐富現(xiàn)有的集群創(chuàng)新管理理論。

1 文獻綜述

Porter［3］提出集群是相關聯(lián)的企業(yè)、專業(yè)供應商、服務提供商、相關行業(yè)的企業(yè)和相關機構在競爭和合作的特定領域的地理集中。企業(yè)聚集形成的產業(yè)集群，在區(qū)域經濟發(fā)展和企業(yè)技術創(chuàng)新中起著重要作用［4］。集群內企業(yè)在地理上具有臨近優(yōu)勢，形成共性或互補的生產基地［5］，共享市場資源，降低交易成本；同時產業(yè)集群形成了復雜的動態(tài)環(huán)境，有利于提高集群內企業(yè)的競爭優(yōu)勢，以適應競爭日益激烈的市場［6］。

研究表明集群與區(qū)域技術創(chuàng)新之間存在著密切聯(lián)系，如杜爽等［7］討論了集群聚集對區(qū)域創(chuàng)新的影響，并得出了制造業(yè)集聚在一定程度上有利于區(qū)域創(chuàng)新能力提升的結論；吳迪［8］研究了區(qū)域創(chuàng)新能力與產業(yè)集群之間的聯(lián)系，并提出產業(yè)集群能為區(qū)域創(chuàng)新提供發(fā)展信息、知識，區(qū)域創(chuàng)新的提升同時也促進了產業(yè)集群的發(fā)展；田穎等［9］以省級數(shù)據為樣本研究了我國國家級創(chuàng)新產業(yè)集群對區(qū)域創(chuàng)新的影響，從3 個方面解析驗證了產業(yè)集群與區(qū)域創(chuàng)新之間的關系。

一些學者研究創(chuàng)新與集群效率的關系，如卜宏運等［10］使用Malmquist 指數(shù)法測算產業(yè)集群的全要素生產率，研究其與集群競爭力之間的關系，并得到產業(yè)集群促進了企業(yè)之間的競爭和創(chuàng)新進而提高了全要素生產率的觀點；陳抗等［11］以省級數(shù)據為樣本計算了我國高技術產業(yè)集群的全要素生產率，討論了平均收入規(guī)模、研發(fā)經費支出、有效專利數(shù)量等指標對全要素生產率的影響，提出了促進產業(yè)集群全要素生產率提升的建議；楊浩昌等［12］使用DEA-Malmquist 指數(shù)法測算了制造業(yè)創(chuàng)新生產率及其分解指標，同時構建了制造業(yè)聚集對創(chuàng)新生產率及其分解指標影響的計量模型，分析了制造業(yè)聚集對創(chuàng)新生產率的影響。

關于生產率的度量方法，有研究如王萍萍等［13］使用超越對數(shù)生產函數(shù)形式的隨機前沿模型計算軍工企業(yè)的全要素生產率；張少華等［14］采用基于投入冗余的全要素生產率指數(shù)（ISP）來測度和分解全要素生產率；張衛(wèi)國［15］使用了Malmquist 指數(shù)度量和分析高校科研生產率。經過對幾種生產率測度方法的比較，借鑒馮海燕［16］的研究，考慮到本研究采用面板數(shù)據、產業(yè)集群的創(chuàng)新是一種多投入多產出的生產模式，因此選擇采用DEA-Malmquist 方法測度區(qū)域產業(yè)集群的科研效率。

目前關于創(chuàng)新路徑的研究更多聚焦于農業(yè)勞動或科技創(chuàng)新績效等方面，如汪小平［17］通過歷年農業(yè)勞動生產率的數(shù)值分析我國農業(yè)所處階段和增長特征，總結農業(yè)勞動的增長機制和路徑；張永安等［18］使用兩階段DEA 模型計算我國各省份的科技創(chuàng)新效率，根據不同省份的投入產出特點設計科技創(chuàng)新政策績效的提升路徑。有少數(shù)研究從協(xié)同創(chuàng)新角度研究戰(zhàn)略性產業(yè)集群的創(chuàng)新路徑，使用定性分析方法研究產業(yè)集群的創(chuàng)新路徑，如周勁波等［19］在引入了創(chuàng)新和集群的概念后，通過對文獻歸納和內容提升，總結出了集群創(chuàng)新的路徑；赫連志巍［20］分別從技術、組織和管理的角度對產業(yè)集群的創(chuàng)新路徑構建提出了建議；葉繼濤等［21］使用案例分析的方法總結出產業(yè)集群與研究機構共同運作的創(chuàng)新路徑；喬彬等［22］將回歸方法用于創(chuàng)新路徑的識別，研究了集群技術創(chuàng)新與制度創(chuàng)新融合路徑與質量問題，但導致某一現(xiàn)象出現(xiàn)總是幾種因素共同作用的結果，回歸只能得到某一個變量對集群績效的影響，不能得到促進集群績效提升的變量組合。

在深入研讀了與識別提升路徑的有關文獻后，本研究總結出兩點有待改進之處：其一，考慮變量組合對結果的影響，而不是單個變量。古典經濟學理論認為勞動、土地和資本是影響生產的3 種要素；隨著經濟的發(fā)展，經濟學家們認為人力、技術、信息、環(huán)境對提高生產效率都十分重要［23］。但社會現(xiàn)象的本質不是簡單的線性關系［24］18-30，導致某一現(xiàn)象的出現(xiàn)是幾種因素共同作用的結果。因此，想要提升區(qū)域聚集集群的創(chuàng)新效率，應采用配置方法，打破“單個因素總是對創(chuàng)新有貢獻、有減損或不重要”的假設［25］。其二，在識別提升創(chuàng)新效率的路徑時，如汪小平［17］、許學國等［26］指出，需要考慮不同地區(qū)的異質性，根據其實際情況和產業(yè)的發(fā)展階段采取差異化的提升政策，畢重人等［27］通過研究發(fā)現(xiàn)，我國不同省份有不同的創(chuàng)新效率結構，要根據其創(chuàng)新價值鏈特征選擇適合的創(chuàng)新路徑。因此，僅通過改善某個單獨因素達到提升區(qū)域科研創(chuàng)新效率是不可行，應該首先識別區(qū)域經濟、環(huán)境特征，測度區(qū)域目前的科研創(chuàng)新生產率后，再通過科學方法識別實現(xiàn)區(qū)域科研創(chuàng)新效率提升路徑。

2 研究設計

本研究使用2016—2019 年《中國火炬統(tǒng)計年鑒》的分省創(chuàng)新型產業(yè)集群相關數(shù)據，首先以省份為單位，采用DEA-Malmquist 方法測度各區(qū)域集群的創(chuàng)新效率變化和發(fā)展水平；考慮到創(chuàng)新投入與產出的滯后性，再使用2019 年的創(chuàng)新生產率作為結果和2018 年影響區(qū)域集群創(chuàng)新效率的4 個方面的8 個變量作為條件，通過模糊集定性比較分析法，識別各省份集群中影響創(chuàng)新的關鍵因素和創(chuàng)新路徑，提出相關改進建議。

2.1 創(chuàng)新效率的計算

2.1.1 創(chuàng)新效率計算方法

測度效率變化的方法主要有4 種：經濟計量生產模型的最小二乘法（LS）；全要素生產效率（TFP）指數(shù)；數(shù)據包絡分析；隨機前沿方法（SF）。這4種方法各具特色，其中DEA 可以測算技術效率、技術變化、TFP 變化等5 個方面，且使用時不需人為預先設置權重，同時又能在盡可能多的投入和產出指標參與效率評價時保證最優(yōu)的合理性。根據科埃利［28］的研究，在可以獲得s時期到t時期的樣本數(shù)據情況下，DEA-Malmquist 可以測算兩個時期的生產技術估計值。將s 期定為基期，s期與t期直接的Malmquist 全要素生產率變化指數(shù)公式如下：

根 據DEA-Malmquist 的 性 質 可 知：tfpch=tech×effch。其中，tfpch 表示全要素生產率指數(shù)，effch（effiency change）表示技術效率指數(shù)，tech（technical change）表示技術進步指數(shù)。后來學者又將技術效率指數(shù)分解為規(guī)模效率變化指數(shù)（sech）和純技術效率變化指數(shù)（pech）。故全要素生產率的公式可表示為tfpch=tech×effch=tech×sech×pech。因此，若式（1）大于1，表示從s期到t期全要素生產效率的正增長，反之小于1，表示全要素生產效率的下降；當式（4）大于1 時，表明生產可能性邊界的移動正向促進生產率變化，即代表技術進步，反之代表技術退步；技術效率指數(shù)是指在一組固定投入要素的情況下，目標對象的實際產出與假設同樣投入情況下的最大產出之比［29］，當式（3）大于1 代表技術效率改善，反之則表現(xiàn)為技術效率退步［30］；純技術效率變化指數(shù)是指在可變規(guī)模前提下測量樣本的技術效率變化，純技術效率變化大于1，說明技術運用水平提高；而規(guī)模效率變化指數(shù)表示規(guī)模經濟對生產率的影響，規(guī)模效率變化指數(shù)大于1，說明規(guī)模優(yōu)化，規(guī)模效率變化指數(shù)小于1，說明規(guī)模惡化［29］。

2.1.2 創(chuàng)新效率變量設置

使用DEA-Malmquist 方法的關鍵是建立合理的評價體系。通常將指標分為投入指標和產出指標，投入指標是指投入到產業(yè)集群創(chuàng)新過程中的人力、財力、物力等資源的指標，產出指標是指產業(yè)集群創(chuàng)新過程中的技術應用、成果轉化和業(yè)務收入。本研究參考并拓展陳志宗［31］構建的區(qū)域創(chuàng)新評價系統(tǒng)，將某一地區(qū)的集群數(shù)量、科技經費支出、集群人員總和、企業(yè)總數(shù)、高新技術企業(yè)總數(shù)、產業(yè)聯(lián)盟數(shù)量作為投入指標的一部分，以省份為單位、產業(yè)集群為調查對象得到相關數(shù)據；產出指標包括營業(yè)收入和當年發(fā)明專利授權數(shù)量。具體如表1 所示。

表1 產業(yè)集群投入產出指標

2.2 創(chuàng)新路徑的識別

2.2.1 創(chuàng)新路徑識別方法

對創(chuàng)新路徑的識別使用的是模糊集定性比較分析法（fsqca）。定性比較分析方法首次出現(xiàn)在拉金［24］18-30的著作《比較方法》中，該方法作為一種案例導向性研究，以集合和布爾代數(shù)等數(shù)學理論為基礎，實現(xiàn)了將定量與定向最優(yōu)特性的有機組合。定性比較分析方法具體包括多值集、清晰集和模糊集3 種。模糊集理論認為，現(xiàn)實中的集合間關系并不像傳統(tǒng)集合論中假設所說的存在明確的隸屬與不隸屬的界限［32］。根據模糊集的概念，某集合的隸屬分數(shù)可能是介于0～1 之間的任何數(shù)字。在模糊集定性比較分析法中，每個案例都被視為屬性的組合［33］，放棄單個變量的凈效應，從整體視角與組態(tài)思維來看待問題，不同的屬性組合與結果對應一致，因此用該方法來揭示提升各地區(qū)產業(yè)集群創(chuàng)新效率的條件組合更加科學。

2.2.2 創(chuàng)新路徑的變量設置

在得到各省份產業(yè)集群的創(chuàng)新生產率Malmquist指數(shù)后，將其定為模糊集定性比較分析法的結果變量。在動態(tài)開放的創(chuàng)新環(huán)境中，產業(yè)集群創(chuàng)新受到內部和外部的同時影響［4］，因此前因變量的設置應包含內外部兩個方面，并分為4 個部分：環(huán)境要素、集群投入、集群聯(lián)系、集群經營成果（見表2）。

表2 區(qū)域產業(yè)集群創(chuàng)新模糊集定性比較分析的前因變量設置

（1）環(huán)境要素。Gordon 等［34］認為一個地區(qū)或企業(yè)的創(chuàng)新能力受地區(qū)創(chuàng)新環(huán)境的影響，通過提高區(qū)域經濟和科技水平可以改善創(chuàng)新環(huán)境。本研究中環(huán)境要素包括地區(qū)人均生產總值（GDP）、大學科技園數(shù)量、集群數(shù)量。其中，較高的人均GDP 為政府提供了更多稅收，這樣的地區(qū)通常有較完善的基礎設施和全面的社會服務，可以達到降低交易成本的效果［35］，因此人均GDP 較高的地區(qū)可以為產業(yè)集群提供完善的基礎設施和活躍的經濟環(huán)境，從外部助力集群創(chuàng)新生產。高新技術的科研創(chuàng)新離不開基礎的科學知識，大學正是基礎科學知識的來源，因此大學科技園對于產業(yè)集群的創(chuàng)新影響不可以忽視［13］。產業(yè)集群中的企業(yè)如果僅僅在圈子內封閉學習，會造成鎖定效應、“孤獨現(xiàn)象”，使集群信息出現(xiàn)同質化，因此與外界知識溝通十分重要。大學科技園的增多，在一定程度上會增加不同區(qū)域的企業(yè)之間交流合作，可以減輕企業(yè)封閉學習帶來的鎖定效應［36］。葉丹等［30］提出大學作為基礎科技知識的來源和參與知識深化的機構之一，在集群的創(chuàng)新過程中起到了重要作用，故大學科技園的增多使得產業(yè)集群有了更多與高校交流合作的機會，促進集群產學研一體化，進而提高集群的創(chuàng)新生產率。區(qū)域內產業(yè)集群數(shù)量增加，能夠帶動就業(yè)、提高產值，促進區(qū)域經濟發(fā)展，同時集群內的科研活動也能夠改善區(qū)域整體科研水平［37］。產業(yè)集群數(shù)量變多，整體的地區(qū)經濟環(huán)境有向好趨勢，集群與集群之間的經濟、科研合作也會增加，集群內部的企業(yè)面臨的競爭也會變得更激烈，這3 個方面共同作用，促進產業(yè)集群經濟科研發(fā)展，因此產業(yè)集群數(shù)量變多，地區(qū)產業(yè)集群發(fā)展隨之壯大，通過不同層面的合作和競爭，激勵集群內企業(yè)開展科研，從而促進集群的創(chuàng)新效率提升。

（2）集群投入。集群內企業(yè)在知識和技術上的資本投入影響著技術研發(fā)、科技成果交易、知識學習和科技成果商品化等過程，直接決定了企業(yè)技術能力的強弱［38］，因此，影響產業(yè)集群創(chuàng)新生產率的第二方面是集群投入，包括集群科技經費支出和大專人數(shù)占從業(yè)人員百分比。科技經費是科研活動的必要條件，有了充足的科研經費才可以為項目提供先進的研究設備，才可以從物質上激勵科研工作者提高科研動力，科研經費的投入可以為產業(yè)集群內企業(yè)的科研活動提供物質基礎和保障。李盛楠等［37］提出為促進高技術產業(yè)創(chuàng)新效率提升，應提高科技創(chuàng)新人才比例和研發(fā)投入，促進高質量專利產出。僅僅有經費的支撐，科研活動是無法進行的，人力資源是使科研項目不斷產出成果的必須條件嗎，因此，提高區(qū)域產業(yè)集群的創(chuàng)新效率可以通過引進人才等方式實現(xiàn)。

（3）集群聯(lián)系。從Porter［3］對集群的定義中我們發(fā)現(xiàn)，產業(yè)集群中的企業(yè)受到來自集群內部和外部的共同影響，外部影響表現(xiàn)為環(huán)境因素，而內部作用則通過集群內的產業(yè)聯(lián)盟實現(xiàn)，故將代表集群之間聯(lián)系程度的產業(yè)聯(lián)盟數(shù)量定義為影響產業(yè)集群創(chuàng)新生產率的第3 個方面。產業(yè)集群協(xié)同創(chuàng)新績效的提升在很大程度上依靠集群內各企業(yè)之間在交流和聯(lián)系的過程中所傳遞的信息、知識和技術［39］。Moran［40］在對組織網絡關系的研究中發(fā)現(xiàn)，當組織間存在較強的關系聯(lián)結強度的時候，可以提高創(chuàng)新資源轉移的速度，提高企業(yè)的創(chuàng)新績效，因此產業(yè)聯(lián)盟對集群創(chuàng)新的重要作用不可忽視。產業(yè)集群內部的產業(yè)聯(lián)盟促進了集群之間信息交流的速度、知識水平的深度的增加，從而促進集群創(chuàng)新效率提高。

（4）集群經營成果。McCann 等［41］認為擁有最強大內部資源的企業(yè)最有能力駕馭他們的環(huán)境，并了解、吸收和利用外部知識。企業(yè)內部資源不僅直接驅動創(chuàng)新，而且可能影響外部資源對企業(yè)創(chuàng)新的作用效果［42］。因此，本研究將經營成果定義為影響產業(yè)集群創(chuàng)新生產率的第4 個方面，包括營業(yè)收入和當年發(fā)明專利授權數(shù)量。占有資源多、聲譽高的企業(yè)能夠維系與更多企業(yè)和機構的學術交流，提高企業(yè)技術水平［43］。也有研究表明，有一定研究基礎的企業(yè)勞動生產率在知識豐富的地區(qū)有所提高［44］。因此，營業(yè)收入多的企業(yè)和產業(yè)集群往往可以進行更為豐富全面的創(chuàng)新研究，提高發(fā)明質量和創(chuàng)新效率；掌握更多資源、享有聲譽的企業(yè)在對外交流、人才引進等方面都占有相對優(yōu)勢。

運用模糊集定性比較分析法，可以得到不同地區(qū)產業(yè)集群對應的前因變量組合，有助于理解其中哪些前因變量起到促進創(chuàng)新的效果，哪些變量不影響集群創(chuàng)新效率。

2.3 數(shù)據來源

研究對象選擇我國各地區(qū)的創(chuàng)新型產業(yè)集群。創(chuàng)新型產業(yè)集群是指科技部火炬中心［45］在《創(chuàng)新型產業(yè)集群建設工程實施方案》中提到的：以知識或者技術密集型產品為主要內容，以創(chuàng)新組織網絡、商業(yè)模式和創(chuàng)新文化為依托的產業(yè)集群。與產業(yè)集群側重于觀察分析集群中縱橫交錯的行業(yè)聯(lián)系相比，創(chuàng)新型產業(yè)集群更關注企業(yè)的創(chuàng)新能力，關注如何產生持續(xù)的競爭優(yōu)勢［29］。樣本集群數(shù)據來自歷年《中國火炬統(tǒng)計年鑒》，因2016—2018 年的研發(fā)投入數(shù)據缺失，因此以研發(fā)投入強度乘以營業(yè)收入之積作為研發(fā)投入金額的估計值；各省份人均GDP 數(shù)據來源于國家統(tǒng)計局；各省份的研發(fā)強度通過研發(fā)投入金額占GDP 總額的百分比求得，數(shù)據來源為《中國科技統(tǒng)計年鑒》。各省份所包含的集群具體如表3所示。

表3 我國創(chuàng)新型產業(yè)集群主要分布情況

表3 （續(xù)）

3 創(chuàng)新型產業(yè)集群的創(chuàng)新效率測算

3.1 創(chuàng)新效率的分析結果

使用DEAP2.1 軟件進行DEA-Malmquist 分析，從部分省份創(chuàng)新型產業(yè)集群的創(chuàng)新生產率情況可知，產業(yè)集群的創(chuàng)新投入和產出與各省份的經濟基礎、地理位置有著密不可分的關系，處于經濟發(fā)達、交通便利的省份，產業(yè)集群有著更優(yōu)越的發(fā)展環(huán)境，創(chuàng)新效率也就相對較高。如貴州除了具有本省特色的農業(yè)集群外，本省氣候特點、產業(yè)基礎、政府扶持等因素也為其大數(shù)據產業(yè)集群發(fā)展提供了極大助力，使得貴州在產業(yè)集群發(fā)展上優(yōu)于同是內陸省份的河北、內蒙古。

從表4 可以看到，大部分省份創(chuàng)新型產業(yè)集群的Malmquist 平均指數(shù)均大于1，說明即使是創(chuàng)新科研基礎較差的省份，產業(yè)集群的創(chuàng)新效率也是逐年遞增的。值得注意的是，近幾年湖北、貴州、福建等地區(qū)的創(chuàng)新效率有所提高，從其創(chuàng)新效率分解指標情況可以看到，這些地區(qū)創(chuàng)新型產業(yè)集群創(chuàng)新的推動力主要來源于技術進步。以湖北為例，其產業(yè)集群涵蓋了電子信息、汽車、高端裝備產業(yè)等方面，省內擁有國家級、省級開發(fā)區(qū)和高校數(shù)量較多，已經形成了產業(yè)集群優(yōu)勢，為本地區(qū)技術創(chuàng)新提供了完善的支撐體系和充足的人才支撐。黑龍江、內蒙古、吉林、云南、江西等地區(qū)的技術效率指數(shù)、規(guī)模效率、純技術效率情況良好，但這些地區(qū)的技術進步指數(shù)偏低限制了其創(chuàng)新效率提高。

表4 2019 年我國創(chuàng)新型產業(yè)集群創(chuàng)新效率及其分解指標水平

3.2 產業(yè)集群創(chuàng)新效率演變規(guī)律與特征

結合表4 分析，可得樣本集群創(chuàng)新效率演變規(guī)律如下：

第一，2019 年多數(shù)省份產業(yè)集群的創(chuàng)新生產率大于1，表征了2019 年我國創(chuàng)新型產業(yè)集群的平均創(chuàng)新效率大于1，這與目前我國創(chuàng)新型產業(yè)集群的發(fā)展狀況是耦合的。

第二，2017—2019 年間產業(yè)集群的發(fā)展是波動的，并不是一條斜率固定的直線，只是總體呈上漲的趨勢。其中，中西部地區(qū)1）發(fā)展增速較快，東部地區(qū)發(fā)展速度雖然有所減緩但總體上漲的趨勢仍然不變，說明發(fā)展基礎比較薄弱的地區(qū)進步速度更快。分析2018 年與2019 年的數(shù)據可以發(fā)現(xiàn)，在中部地區(qū)和西部地區(qū)創(chuàng)新型產業(yè)集群中，產業(yè)聯(lián)盟數(shù)量的增長表現(xiàn)要優(yōu)于東部地區(qū)，同時中西部創(chuàng)新型產業(yè)集群中當年發(fā)明專利授權數(shù)量增長表現(xiàn)也較優(yōu)于東部地區(qū)。

第三，根據對創(chuàng)新效率的分解，可以將樣本集群所在地區(qū)進行分類。北京創(chuàng)新型產業(yè)集群的技術進步指數(shù)、技術效率指數(shù)、規(guī)模效率變化指數(shù)、純技術效率變化指數(shù)均大于1，因此將其劃分為全能型。福建、湖北、湖南、廣東、廣西、重慶、貴州等地區(qū)創(chuàng)新型產業(yè)集群均呈現(xiàn)出技術效率指數(shù)、規(guī)模效率變化指數(shù)、純技術效率變化等于1、技術進步指數(shù)大于1 的現(xiàn)象，因此將其劃分為技術進步型，同時，從對上海、安徽的生產率分解指標水平可見，其技術進步指數(shù)也具有一定優(yōu)勢，故也將其劃分為技術進步型。內蒙古、吉林、黑龍江、云南等地區(qū)創(chuàng)新型產業(yè)集群的技術效率指數(shù)、規(guī)模效率變化指數(shù)、純技術效率變化等于1，但技術進步指數(shù)小于1，因此將其劃分為技術薄弱型；從河北和江西的生產率分解指標水平可見，其技術進步指標也是相對較差的，因此也將其劃分為技術薄弱型。江蘇、浙江、天津、四川等等地區(qū)創(chuàng)新型產業(yè)集群的規(guī)模經濟指數(shù)相對較好，可劃分為規(guī)模經濟型。

4 創(chuàng)新路徑的識別

4.1 描述性統(tǒng)計分析

通過對樣本集群數(shù)據的描述性統(tǒng)計分析可見（見表5），各地區(qū)創(chuàng)新型產業(yè)集群的創(chuàng)新效率差異較大，但總體均值仍大于1。就環(huán)境要素中的省份人均GDP 來看，離散度非常高，可見地區(qū)經濟基礎差距很大；從集群投入中的科研人員占總員工之比也反映出不同地區(qū)的產業(yè)集群對于創(chuàng)新的投入是存在顯著差異的。

表5 變量的描述性統(tǒng)計分析

表5 （續(xù)）

4.2 數(shù)據處理

借鑒Moran［40］和Ragin 等［46］的研究，使用模糊集合/QCA 3.0 程序進行集合關系分析。數(shù)據校準是通過設置完全隸屬點、交叉隸屬點、完全不隸屬點3 個臨界點，使用fsqca 軟件將數(shù)據轉化到0～1之間。在選擇臨界點時，參考高偉等［47］和Fiss［48］的校準方法，將95%定為完全隸屬點、50%定為交叉隸屬點、5%定為完全不隸屬點。數(shù)據校準完成后，需要進行必要性檢驗，因為如果前因變量中出現(xiàn)了必要條件，軟件處理數(shù)據得到的簡約解會剔除必要條件，只有在條件組合中出現(xiàn)了該條件，結果才會發(fā)生。一般來說，一致性大于0.9 則認為該指標為必要條件。參照趙文等［49］的做法，如表6 所示，其中不帶浪紋線的指標為隸屬該原因變量，帶浪紋線的指標表示為不隸屬該原因變量。從表6 結果可知，沒有變量的必要性超過90%，因此保留所有變量。

表6 前因變量的必要性分析

與上述必要條件分析不同的是，組態(tài)分析試圖揭示的是多個條件構成的不同組態(tài)引致結果產生的充分性分析［49］，即討論多個前因條件組成的集合是否為結果集合的子集。充分性分析與必要性檢驗相同之處在于，同樣需要設置一個最低的一致性閾值檢查充分性。已有關于模糊集定性比較法的研究中，對于一致性的閥值設定不同，如張明等［50］將閾值定為0.76，趙文等［49］將閾值定為0.75，張衛(wèi)國［15］將閾值定為0.8。經過測試各項閾值的分析結果，本研究選擇0.85 為一致性閾值，區(qū)分不同解釋里的變量組合，案例閾值設為1，篩選出至少能夠解釋一個案例的變量組合。通過模糊集定性比較分析法可以得到簡約解和中間解、復雜解。簡約解是納入全部邏輯余項但不考慮邏輯余項是否合理，因此簡約解往往與事實存在偏差；復雜解不納入任何邏輯余項，只觀測案例數(shù)據形成的解；而中間解則納入了符合理論方向預期和經驗證據的理論余項。已有相關研究在分析結果時選擇不同的解進行分析，如張明等［50］匯報中間解并輔之簡約解，F(xiàn)iss［48］、趙文等［49］選擇分析中間解；萬筠等［51］選擇分析復雜解。為更好地確定本研究中各變量在各條件組態(tài)中的重要性，選擇分析中間解并輔助使用簡約解。在使用fsqca 計算后，得到組合如表7、表8 所示。表7 中，實心圓表示該條件存在；空心圓表示該條件缺席；空格表示為模糊狀態(tài)，即該條件的出現(xiàn)與否對結果影響并不大。大圓為中間解、簡約解均出現(xiàn)的核心條件；小圓為僅出現(xiàn)在中間解的輔助條件。經過分析和篩選，共得到7 條創(chuàng)新路徑，且每條路徑的一致性和總體樣本的一致均大于設定的0.85 閾值。

表7 樣本集群創(chuàng)新效率構型

表7 （續(xù)）

借鑒任聲策等［52］、鄭季良等［53］、周新等［54］通過歸納路徑中變量的特征對變量進行分類和命名的做法，對以上路徑的條件組合進行分析。其中，全面型路徑包括兩條，即需要多個條件一起出現(xiàn)才可以達到結果，第1 條路徑與第2 條路徑的區(qū)別在于路徑1 中大學科技園數(shù)量不存在，而路徑2 中省份人均GDP 不存在；第3、4、5 條路徑稱為環(huán)境型路徑，即條件組合中出現(xiàn)的多是描述產業(yè)集群內外部環(huán)境的指標，這3 條路徑的區(qū)別在于3 路徑中集群環(huán)境變量和產業(yè)聯(lián)盟數(shù)量和當年發(fā)明專利授權數(shù)量均存在，而路徑5 和路徑5 中產業(yè)聯(lián)盟數(shù)量和當年發(fā)明專利授權數(shù)量不存在，且路徑4 中省份人均GDP 不存在，路徑5 中集群數(shù)量不存在；第6、7 條路徑為聚集型路徑，即要求出現(xiàn)的條件主要帶有產業(yè)集群特色和描述集群創(chuàng)新產出創(chuàng)新投入的指標變量，兩條路徑的差別在于路徑6 中集群數(shù)量和集群經費支出變量需要存在。表8 展現(xiàn)了4 種類型的產業(yè)創(chuàng)新集群與創(chuàng)新路徑的對應關系：全面型的第1條路徑對應技術進步型集群，第2 條路徑對應全面型集群；環(huán)境型的3 條路徑都對應技術薄弱型路徑；聚集型路徑的第1 條對應規(guī)模經濟性路徑，第2 條對應技術進步型集群。

表8 樣本集群創(chuàng)新路徑與集群類型對應關系

在全面型路徑下，第一種情況中省份人均GDP、集群數(shù)量、集群科技經費支出、產業(yè)聯(lián)盟數(shù)量、營業(yè)收入和當年發(fā)明專利授權數(shù)量的組成促成了當前的結果，起到核心作用的是產業(yè)聯(lián)盟數(shù)量；第二種情況與前一種情況略微不同，省份人均GDP不是必須存在的變量，而大學科技園數(shù)量是十分關鍵的前因變量。結果表明，廣東、福建的創(chuàng)新型產業(yè)集群適用路徑1，湖北、北京的創(chuàng)新型產業(yè)集群適用路徑2。廣東和福建經濟水平較高，因此在路徑1 中省份人均GDP 變量需要存在；通過路徑2 的湖北、北京的優(yōu)質高校提供的人才及其在科研領域的帶動作用是其創(chuàng)新型產業(yè)集群創(chuàng)新的重要推動力，因此大學科技園數(shù)量需要存在。上述省份的創(chuàng)新型產業(yè)集群都帶有技術進步特色，企業(yè)經營收入和對創(chuàng)新投入都具有一定基礎，人才占比也比較高，部分領域如5G 產業(yè)位于國內領先地位，研究主要致力于科技前沿，但產業(yè)鏈高端缺位，高新技術產業(yè)發(fā)展不平衡，想要構建高新技術全產業(yè)鏈條必然要在外部經濟和內部交流上投入更多精力，扶持高新技術產業(yè)走向產業(yè)鏈高端。

環(huán)境型路徑包括3 種情況。情況1 中需要出現(xiàn)的變量組合為省份人均GDP、大學科技園數(shù)量、集群數(shù)量和產業(yè)聯(lián)盟數(shù)量、當年發(fā)明專利授權數(shù)量；情況2 中需要大學科技園數(shù)量和集群數(shù)量出現(xiàn)；情況3 則對應了省份人均GDP、大學科技園數(shù)量、大專人數(shù)占從業(yè)人員百分比的變量組合。在這些路徑中，出現(xiàn)頻率較高的條件為省份人均GDP、大學科技園數(shù)量、產業(yè)聯(lián)盟數(shù)量，這些指標描述了集群外部經濟和集群內部現(xiàn)狀。在這種類型路徑中，河北、江西、云南、吉林、陜西的創(chuàng)新型產業(yè)集群具有技術薄弱的特點，均適用于路徑3、路徑4 和路徑5。其中，河北創(chuàng)新型產業(yè)集群的產業(yè)聯(lián)盟數(shù)量和當年發(fā)明專利授權數(shù)量相對表現(xiàn)較好，這些方面對于集群創(chuàng)新效率提升的作用不可忽視，因此集群創(chuàng)新路徑中這兩個變量是存在的；江西和云南的經濟環(huán)境相對較差，因此其創(chuàng)新型產業(yè)集群創(chuàng)新路徑4 中省份人均GDP 對于結果的影響沒有同類型中其他省份強；吉林和陜西的高校數(shù)量多，教育形成的人才是其創(chuàng)新型產業(yè)集群創(chuàng)新過程中的重要動力，因此大專人數(shù)占從業(yè)人員百分比這一條件存在。說明在該路徑的情形下，技術比較薄弱的省份創(chuàng)新型產業(yè)集群可以通過吸收更多企業(yè)進入集群，促進產業(yè)集群規(guī)模、效益發(fā)展以及集群中產業(yè)聯(lián)盟數(shù)量增加，避免集群企業(yè)出現(xiàn)“閉門造車”的研發(fā)現(xiàn)象；同時大學是高等教育的主要集中地，大學科技園將具有科研優(yōu)勢特色的大學與市場資源相結合，推動創(chuàng)新資源繼承、科技成果轉化，對人才培養(yǎng)、創(chuàng)業(yè)孵化都有著重要作用，通過以上兩個方面從內促進集群中企業(yè)合作、從外促進集群企業(yè)開展知識交流，以此提高企業(yè)創(chuàng)新效率。

聚集型路徑包括路徑6 和路徑7，兩條路徑重合的條件包括營業(yè)收入、產業(yè)聯(lián)盟數(shù)量和當年發(fā)明專利授權數(shù)量，此外路徑6 還涵蓋了集群數(shù)量和集群經費支出變量。在聚集型的路徑中，江蘇、浙江、四川、福建以及貴州通過路徑6，廣西通過路徑7。江蘇和浙江的創(chuàng)新型產業(yè)集群具有規(guī)模經濟的特點，福建和貴州的創(chuàng)新型產業(yè)集群技術進步特色更濃厚一些。江蘇、浙江可以通過聚集型發(fā)展擴大產業(yè)規(guī)模，發(fā)揮規(guī)模經濟優(yōu)勢，進而促進集群創(chuàng)新效率提升。四川雖然規(guī)模經濟優(yōu)勢較江蘇、浙江稍弱，但在技術效率指數(shù)、技術進步指數(shù)、純技術效率變化指數(shù)、規(guī)模效率變化指數(shù)中規(guī)模效率指數(shù)最高，因此利用自身規(guī)模經濟這一相對優(yōu)勢也能達到提高省內集群創(chuàng)新效率的目的。福建、貴州著重從產業(yè)集群的角度促進科研技術進步，可以利用自身的集群優(yōu)勢達到同樣效果。而廣西雖然被劃分為技術進步型，但其技術進步指數(shù)的優(yōu)勢較其他同類省份較小，因此應選擇從產業(yè)集群發(fā)展的角度，同樣利用自身的規(guī)模經濟優(yōu)勢、技術效率優(yōu)勢來達到提升集群創(chuàng)新效率的目的。

4.3 穩(wěn)健性檢驗

穩(wěn)健性檢驗可從集合論和統(tǒng)計論角度進行。從集合論角度出發(fā)，通過改變校準閾值、增減變量實現(xiàn)穩(wěn)健性檢驗；從統(tǒng)計論角度出發(fā)，通過改變樣本數(shù)據時間跨度等方法檢驗穩(wěn)健性。本研究采用集合論的角度，將充分性檢驗的閾值改變?yōu)?.7 并對路徑進行篩選后，得到了9 條路徑，但基本的路徑情況與對應的省份與闕值改變前保持大致一致，證明研究結果具有穩(wěn)健性。

5 結論

創(chuàng)新是集群和企業(yè)發(fā)展的不懈動力，不斷追求創(chuàng)新效率的提升是企業(yè)發(fā)展路途中永遠的話題，因此企業(yè)創(chuàng)新路徑也是學者們一直以來的研究熱點。尋找一條萬能適用的創(chuàng)新路徑提升所有產業(yè)集群的創(chuàng)新效率顯然是不可行的，不同企業(yè)、不同區(qū)域產業(yè)集群的自身情況、面臨的環(huán)境都不同，一味套用某一種路徑而不考慮集群本身特性有時可能會適得其反。本研究通過模糊集定性比較分析法，根據不同地區(qū)產業(yè)集群的特征得到適合各地區(qū)產業(yè)集群的創(chuàng)新路徑。主要結論如下：

（1）在全面型、技術進步型、技術薄弱型、規(guī)模經濟型這4 種類型的產業(yè)集群中，全面型集群分解出的變量指數(shù)均大于1，北京的創(chuàng)新型產業(yè)集群是唯一一個全面型集群；技術進步型集群是指分解出的變量中技術進步指數(shù)表現(xiàn)較好，即技術進步是其創(chuàng)新的主要推動力，包括福建、貴州、重慶、湖北等地區(qū)的創(chuàng)新型產業(yè)集群；技術薄弱型與技術進步型相反，分解出的變量中技術進步指數(shù)表現(xiàn)較差，技術上的停滯抑制了其創(chuàng)新的進程，這類集群包括內蒙古、吉林、云南等地區(qū)的創(chuàng)新型產業(yè)集群；規(guī)模經濟型是指規(guī)模經濟指數(shù)表現(xiàn)良好的產業(yè)集群，包括江蘇、浙江、四川、天津等地區(qū)的創(chuàng)新型產業(yè)集群。

（2）根據產業(yè)集群創(chuàng)新效率的不同，集群創(chuàng)新路徑包括全面型路徑、環(huán)境型路徑和聚集型路徑。其中，全面型路徑下大多數(shù)前因變量都需要出現(xiàn)才能促使最終結果發(fā)生，因此適用全面型集群和技術進步型集群；技術薄弱型集群需要大量的外部資源和開放式創(chuàng)新環(huán)境，因此適合環(huán)境型路徑；聚集型路徑既有區(qū)域聚集產生的知識溢出效應和產學研合作福利，也能夠產生規(guī)模經濟效應，因此適用技術進步型和規(guī)模經濟型集群。

（3）通過模糊集定性比較分析法，得到出現(xiàn)頻率比較高的影響創(chuàng)新型產業(yè)集群創(chuàng)新效率的指標有集群數(shù)量、產業(yè)聯(lián)盟數(shù)和當年發(fā)明專利授權數(shù)量，其中集群個數(shù)和產業(yè)聯(lián)盟數(shù)量都是極具集群特色的指標變量，反映產業(yè)集群在提高企業(yè)創(chuàng)新生產率方面的重要作用。集群數(shù)量和產業(yè)聯(lián)盟數(shù)的增加可以增加企業(yè)之間的合作交流，并且形成具有競爭性的市場，刺激產業(yè)集群及其中企業(yè)的創(chuàng)新發(fā)展。

（4）各條路徑與各省份集群的對應關系反映出，同一類型的產業(yè)集群在不同的省份可以對應不同的路徑達到提高創(chuàng)新效率的效果，例如技術進步型集群有的可通過全面型路徑完成，有的可通過聚集型路徑完成。

同時，本研究仍存在不足之處：一是在進行DEA 分析時得到的樣本集群創(chuàng)新效率有部分與預期不符，后續(xù)應通過進一步分析找出原因所在；二是在模糊集定性比較分析法中，使用二手數(shù)據得到的結論覆蓋率一般應在30%以上，因此后續(xù)研究中應采用覆蓋率較強的數(shù)據來源。

注釋：

1）按照國務院發(fā)展中心發(fā)展戰(zhàn)略和區(qū)域經濟研究部使用的地區(qū)分類法，將我國31 個省份劃分為3 個區(qū)域：東部地區(qū)（北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南）、中部地區(qū)（山西、安徽、江西、湖南、湖北、河南、吉林、黑龍江）和西部地區(qū)（重慶、四川、貴州、云南、西藏、陜西、甘肅、寧夏、青海、新疆、內蒙古、廣西）。