中國城市群高新技術企業技術創新能力的區域差異與時空演進

孫紅軍 趙祚翔

摘 要：通過構建城市群高新技術企業技術創新能力評價指標體系，利用主成分分析、Dagum基尼系數、Kernel密度估計、傳統與空間Markov鏈等方法，對2014—2019年我國八大城市群高新技術企業技術創新能力的區域差異與時空演進特征展開實證研究。結果表明：①八大城市群高新技術企業技術創新能力均呈提升態勢，其中，珠三角城市群高新技術企業技術創新能力最強，北部灣城市群高新技術企業技術創新能力最弱；②總體、區域內以及區域間差距呈明顯擴大態勢，其中，區域間差距是造成技術創新能力差距的主要原因；③技術創新能力分布曲線逐漸右移，呈現向右拖尾態勢，但極化現象各異，考慮空間關聯后，技術創新能力表現出明顯的非對稱、非同步、非均衡的時空轉移特征。因此，應以引領帶動、資源均衡、跨區協同、開放創新等方式推進不同城市群高新技術企業技術創新能力協調發展。

關鍵詞：城市群；高新技術企業；技術創新能力；區域差異；時空演進

DOIDOI：10.6049/kjjbydc.2022010186

中圖分類號：F290

文獻標識碼：A

文章編號：1001-7348（2023）06-0048-11

0 引言

當前，創新成為驅動我國經濟高質量發展的核心動力。為實現科技與經濟深度融合、推動高新技術產業發展，高新技術企業（以下簡稱高企）作為知識和技術密集的經濟實體，具有典型的高研發投入與高知識（技術）產出特征^[1]。據國家科技部火炬中心統計數據顯示，全國高企數量由2014年的62 556家增長至2019年的218 544家，2019年全國高企從業人員達3 437萬人，較2014年增長近1倍；2019年實現營業收入45.1萬億元，較2014年翻了一番。各省市認定的高企已經成為引領和帶動區域創新驅動發展的戰略高地。因此，各地區高企技術創新水平在很大程度上代表了區域技術創新水平及創新發展程度^[2]。城市群作為未來區域經濟最具活力和潛力的核心地區^[3]，是支撐我國高企技術創新能力提升的重要載體。全面提升城市群高企技術創新能力，不僅是實現創新驅動經濟高質量發展的關鍵抓手，而且也是促進科技自立自強的重要保障。然而，受復雜的內外部環境影響，創新驅動發展呈現出明顯的區域化和非均衡特征，不同城市群之間的高企技術創新能力很難實現協同增長，這不僅會加劇不同城市群高企技術創新能力的空間不平衡，而且也會給區域經濟協調發展帶來巨大壓力。因此，合理評估城市群高企技術創新能力，分析城市群高企技術創新能力的區域差異與時空演進特征，對于提升企業技術創新能力和推動區域協調發展具有重大的理論與現實意義。

已有的高企技術創新能力區域差異研究主要集中于省市層面，且多采用描述性統計方法對比不同省市高企技術創新能力差異^[2][4][5]，這些研究僅僅揭示了高企技術創新能力存在的區域差異，無法準確刻畫區域差異程度、差異來源及時空演化特征。為有效彌補描述性統計的不足，一些研究采用泰爾指數、變異系數、傳統基尼系數、基尼系數分解方法等計量方法測算技術創新能力的區域差異^[6][7]。如曹勇^[8]采用泰爾指數測度四直轄市技術創新能力的差異；侯純光等^[9]采用變異系數和傳統基尼系數方法衡量我國內地30個省市技術創新能力的差異；楊明海等^[10]運用Dagum基尼系數與Kernel密度估計測算我國七大城市群技術創新能力的區域差異及動態分布演進趨勢。然而，現有研究仍存在以下局限：一是研究大多采用單一指標衡量技術創新能力（如專利），即使一些研究采用多個指標進行衡量，也多是從“創新投入—創新產出”維度構建評價指標體系，少有研究從“創新投入—創新產出”與“內部自主創新”、“外部開放創新”等交叉維度構建評價指標體系，尤其是在構建新發展格局背景下，僅僅從“創新投入—創新產出”角度衡量技術創新能力可能導致研究結論出現偏差。二是基于傳統基尼系數與變異系數的研究均是對研究樣本的整體區域差異進行測度，無法準確實現區域內、區域間差異的分解，從而不能有效解釋區域差異來源。而泰爾指數也未充分考慮子樣本分布狀況，僅將區域差異籠統地歸因于區域內差異與區域間差異的貢獻，無法進一步刻畫區域內差異與區域間差異交叉項（超變密度）的貢獻程度，導致測算結果出現偏差^[7]。三是即使采用了Dagum基尼系數的研究，也較少關注城市群高企層面技術創新能力的區域差異問題，也少有從八大城市群視角展開分析。

為彌補現有研究不足，本文從“創新投入—創新產出”與“內部自主創新”、“外部開放創新”等交叉維度構建城市群高企技術創新能力評價指標體系，依次運用主成分分析、Dagum基尼系數、Kernel密度估計、傳統與空間Markov鏈分析等方法，對八大城市群高企技術創新能力的區域差異及時空演進特征進行實證研究，并獲得研究結論和政策啟示。

1 技術創新能力評價指標體系構建與研究對象確定

1.1 技術創新能力評價指標體系

大部分學者通常以創新投入或創新產出的單一指標^[11-12]表征經濟體的技術創新能力。然而，一些學者^[13-14]指出，在對技術創新能力進行測度時，采用多個評價指標衡量技術創新能力是比較合理的，多指標體系能夠有效解決單一指標衡量方法的缺陷和不足。因此，本文通過構建評價指標體系衡量城市群高企技術創新能力水平。

一般而言，高企技術創新能力提升路徑主要有兩條：一是依靠自身擁有的創新資源稟賦和特色優勢，在內部開展創新創業活動，進而提升企業自主創新水平；二是利用外部創新資源優勢，深化產學研合作和引進外部優質創新資源，主動參與國際創新合作與競爭，進而提升企業開放創新水平。在加快構建新發展格局的背景下，對城市群高企技術創新能力進行評價需滿足兩個維度：一是內部自主創新維度，即高企依托自身能力和資源開展創新，這是高企技術創新能力的主體內容；二是外部開放創新維度，即高企借助外部資源和力量開展創新，這是高企技術創新能力的重要補充。同時，圍繞上述維度，從“創新投入—創新產出”角度對其發展內涵進行指標設計。按照上述思想，同時考慮數據可獲得性和準確性，設計城市群高企技術創新能力評價指標體系，如表1所示。

就內部自主創新而言，創新投入包括內部創新經費和創新人才投入，分別采用R&D經費內部支出和R&D人員折合全時當量衡量。R&D經費支出可劃分為內部支出與外部支出。內部支出是指企業內部研究開發項目支出，主要特點是依靠企業自身能力在內部開展自主創新活動；外部支出是企業委托自身以外的其它研究機構、高校或者企業開展研發活動的經費投入，主要特點是委托外部單位開展創新活動。在創新產出方面，采用國內發明專利授權數衡量，原因在于：一方面，發明專利授權數作為衡量高企技術創新能力的核心指標之一，在指標認可性和數據可獲得性方面具有其它創新產出指標不可比擬的優點，同時，發明專利授權數根據授予部門不同，更容易進行境內外發明專利的劃分，這為后續從“創新投入—創新產出”與“內部自主創新”、“外部開放創新”等交叉維度合理評估城市群高企技術創新能力提供了數據基礎。另一方面，發明專利較其它專利的技術含量更高、審批程序更嚴，能全面表征高企技術創新產出數量和質量。

就外部開放創新而言，創新投入包括外部創新經費、外部創新人才與技術引進投入，分別采用R&D經費外部支出、海外引進人才數量、海外引進技術費用支出衡量。在創新產出方面，為突出強調高企技術的全球競爭能力，本文采用海外發明專利授權數、累計主導或參與的國際標準數兩個指標進行衡量。其中，累計主導或參與的國際標準數反映企業技術創新國際競爭力和國際話語權，是高企實現科技自立自強和塑造海外競爭優勢的核心指標。

1.2 研究對象與數據獲取

考慮到數據可獲得性和準確性，在劃分城市群時，結合相關文件并參照已有研究^[10，15]對城市群的處理方式，本文以京津冀、長三角、珠三角、長江中游、成渝、哈長、中原以及北部灣等八大城市群高企為研究對象，各城市群劃分如表2所示。數據來源于國家科技部火炬中心面向全國高企開展的年度調查統計，該調查統計由《國家高新區和高新技術企業統計報表》《高新技術企業綜合統計快報表》和《年度高新技術企業發展情況表》三部分組成，包含20余萬余家高企綜合信息。參照牛沖槐、夏文飛等^[2，5]的做法，根據高企注冊地，將高企上報指標進行加總，形成2014-2019年144家地級市層面高企數據。

2 八大城市群高企技術創新能力測度與區域差異

2.1 八大城市群高企技術創新能力表現

本文采用主成分分析方法合成綜合指標。首先對原始數據進行標準化處理，對處理后的數據指標進行主成分分析；其次，計算特征值、特征向量以及方差累計貢獻率，本文選取累計方差貢獻率在90%以上的前n個主成分。根據式（1）計算出各主成分分值。其中，S_n為第n個主成分的分值，E_ni為第n個主成分的特征向量，Z_i為經標準化處理后的指標數值。最后，根據式（2）計算出八大城市群高企技術創新能力的綜合指數。在式（2）中，S_T為每年八大城市群高企技術創新能力的綜合指數，P_ni則為第n個主成分的方差貢獻率。

值得注意的是，本文采用主成分分析方法測算的綜合指數會出現負值，為了便于后續分析，將根據統計學的3σ原則對綜合指數按照式S_TT=S_T+H進行坐標平移，并且選取的標準化數據均通過了KMO檢驗和Bartlett球度檢驗。

表3報告了八大城市群高企技術創新能力均值及變化趨勢。一方面，就技術創新能力均值而言，八大城市群高企技術創新能力的總體均值為1.591 2。其中，京津冀、長三角、珠三角城市群高企技術創新能力的均值明顯高于八大城市群高企技術創新能力的均值；長江中游、成渝、哈長、中原以及北部灣城市群高企技術創新能力的均值則低于八大城市群高企技術創新能力的總體均值。另一方面，就技術創新能力演變趨勢而言，八大城市群整體、京津冀、長三角、珠三角以及長江中游城市群高企技術創新能力均呈現持續提升態勢，但提升速度各異。其中，整體技術創新能力從2014年的1.522 0提升至2019年的1.681 9，年均提升2.10%；珠三角、京津冀城市群高企技術創新能力的增速最快，分別從2014年的1.631 9、1.602 1增長至2019年的2.263 0、1.942 3，年均分別增長7.73%、4.25%;成渝城市群高企技術創新能力則呈現波動上升態勢;哈長、中原以及北部灣城市群高企技術創新能力呈現先下降后上升的發展態勢，上升幅度明顯大于下降幅度。由此可見，成渝、哈長、中原以及北部灣城市群高企創新能力提升速度相對緩慢，有待進一步釋放高企創新動力和活力。

2.2 八大城市群高企技術創新能力的區域差異及分解

本文采用Dagum基尼系數及其分解方法測算2014-2019年八大城市群高企技術創新能力區域差異，Dagum基尼系數定義如式（3）所示。

式（3）中，G表示總體基尼系數，數值越大表示八大城市群高企技術創新能力的整體區域差異越大。k為劃分的城市群個數，i、r分別為各城市群包含的城市數量，n_j（n_h）為j（h）城市群內的城市數量，y_ji（y_hr）為j（h）區域內任意城市的高企技術創新能力，n為城市數量，Y-為八大城市群高企技術創新能力均值。需要說明的是，采用Dagum基尼系數分解方法時，應先按照城市群高企技術創新能力均值進行排序，如式（4）所示。

根據Dagum分解方法，可將基尼系數分解為3部分，分別是區域內差異貢獻G_w、區域間差異貢獻G_nb、超變密度貢獻G_t。其中，超變密度是由子區域間交叉項存在而對總體區域差異產生的影響，三者滿足G=G_w+G_nb+G_t的關系。具體計算如下：

其中，式（5）和式（6）分別表示j城市群的基尼系數G_jj與區域內差異的貢獻率G_w；式（7）和式（8）分別表示j與h城市群的區域間基尼系數G_jh和區域間差異貢獻率G_nb；式（9）表示超變密度貢獻率G_t，p_j=n_j/n，S_i=n_jY_j/nY- （j=1，2， ，k）；D_jh為j與h城市群間高企技術創新能力增長的相對影響，其計算如式（10）所示。

測算結果如表4所示。為避免贅余，表4中分別用數字“1”“2”“3”“4”“5”“6”“7”“8” 表征京津冀、長三角、珠三角、長江中游、成渝、哈長、中原以及北部灣城市群。

（1）總體區域差異。如表4顯示，八大城市群高企技術創新能力的總體基尼系數均值為0.089 9，呈持續上升態勢，由2014年的0.056 9增長至2019年的0.130 7，年均增長25.94%，表明八大城市群高企技術創新能力的整體區域差距逐年擴大。原因可能在于，技術創新能力較強的城市群高企往往擁有豐富的創新資源，并率先受到創新資源規模效應的影響，較早享受創新資源紅利，同時，這些城市群高企往往具有良好的創新生態，創新生態會對創新產生倍數效應，進而大幅提升技術創新能力；相反，技術創新能力較弱的城市群高企往往創新資源較為匱乏，吸引優質創新資源的難度大，受到創新資源規模效應的影響也較弱，同時，創新環境欠佳，短期內很難實現技術創新能力大幅提升。

（2）區域內差異。表4展示了區域內基尼系數。可以發現，一方面，八大城市群高企技術創新能力的區域內差異各不相同。其中，珠三角、京津冀城市群高企技術創新能力的區域內差異較大，分別為0.191 2、0.151 4；其次為長三角、長江中游、成渝、哈長以及中原城市群高企技術創新能力的區域內差異，其區域內差異均值依次為0.125 7、0.041 2、0.040 2、0.015 4、0.011 8；而北部灣城市群高企技術創新能力的區域內差異最小，為0.004 8。另一方面，八大城市群高企技術創新能力的區域內差異均呈擴大態勢，但演進過程各異。其中，京津冀、長三角、珠三角以及長江中游城市群高企技術創新能力的區域內差異呈現持續擴大態勢；成渝城市群高企技術創新能力的區域內差異呈現“下降—上升—下降—上升”的演變態勢；哈長與中原城市群高企技術創新能力的區域內差異呈現先持續下降后連續上升的發展態勢；北部灣城市群高企技術創新能力的區域內差異也呈現出先下降后上升的變化態勢?？傊舜蟪鞘腥焊咂蠹夹g創新能力的區域內差異均呈現擴大態勢，究其原因，一方面，八大城市群高企尚未普遍樹立技術創新意識，在創新創業領域缺乏長期考慮，發展創新經濟的內在動力不足，進而導致區域內差異不斷擴大；另一方面，各城市群內部高企之間尚未形成協同創新機制，城市群內部高企間的創新互動性差，彼此之間缺乏溝通和交流，技術或知識溢出效應弱，導致技術創新能力無法實現同步提升，區域內差距擴大。

（3）區域間差異。表4同時展示了區域間基尼系數。八大城市群高企技術創新能力區域間差異均值為0.089 4。值得注意的是，京津冀與珠三角城市群高企技術創新能力的區域間差異均值最大，達到0.180 4；而中原與北部灣城市群高企技術創新能力的區域間差異均值最小，為0.008 8；其它城市群高企技術創新能力的區域間差異均值位于0.008 8～0.180 4之間。究其原因，一方面，深圳高企的技術創新能力位居全國首位，其小幅領先于北京高企技術創新能力的差距較小，大幅領先于張家口、承德等城市高企技術創新能力；北京高企的技術創新能力位居全國第二，與深圳、廣州高企技術創新能力的差距較小，但遠遠領先于云浮、河源等城市高企技術創新能力，由此導致京津冀與珠三角城市群高企技術創新能力的區域間差異最大；另一方面，中原城市群和北部灣城市群發展較晚，其高企吸引創新資源的能力較弱，對外開放水平較低，使得中原、北部灣城市群高企整體的技術創新能力都較弱，但區域間差異較小。此外，本文還發現，八大城市群高企技術創新能力的區域間差異均呈明顯擴大態勢。

區域差異來源分析。表5報告了區域差異來源及其貢獻率。就差異來源大小而言，區域間差異來源最大，超變密度差異次之，區域內差異來源最小；就差異貢獻率而言，區域間差異平均貢獻率為61.475 3%，超變密度差異平均貢獻率為26.604 1%，區域內差異平均貢獻率為11.920 7%，表明區域間差異是造成八大城市群高企技術創新能力區域差異的主要原因。

3 八大城市群高企技術創新能力時空演進特征

3.1 八大城市群高企技術創新能力分布的時間演變特征

采用Kernel密度估計非參數方法探究八大城市群高企技術創新能力的空間不平衡分布動態演進特征，并分別勾畫總體、各城市群高企在2014年、2017年、2019年的技術創新能力二維核密度分布曲線，如圖1所示。假設隨機變量x的密度函數為f（x），點x處的概率密度則由式（11）計算得到。

式（11）中，N為觀測值個數，h為帶寬，K（·）為Kernel函數，X_i為觀測值，x為均值。Kernel密度函數擁有均勻核、四次核、高斯核等多種表達形式，其中，高斯核最為常用。因此，采用高斯核對八大城市群高企技術創新能力的動態分布演進過程進行估計。高斯核函數表達式如式（12）所示。

通過對密度分布圖進行分析，本文發現：

第一，總體上以及各城市群高企技術創新能力的分布曲線逐漸右移，呈現出靠右拖尾態勢，說明城市群高企技術創新能力均呈現上升態勢，這與前文所得結論一致；第二，總體上以及各城市群（除哈長城市群外）高企技術創新能力分布曲線寬度持續拓展，說明城市群高企技術創新能力的區域差異呈現擴大態勢；哈長城市群高企技術創新能力分布曲線寬度呈現“縮小—擴大”的變化態勢，表明其高企技術創新能力區域差異呈現“收斂—擴大”的發展態勢；第三，八大城市群高企技術創新能力多極分化現象逐漸消失，最終呈現為單極化。具體為：京津冀、北部灣城市群高企技術創新能力分布曲線由1個主峰、2個側峰轉變為1個主峰、1個側峰，且主峰峰值較高，側峰峰值較低，表明京津冀、北部灣城市群高企技術創新能力水平存在一定梯度，呈現兩極分化現象；長三角城市群高企技術創新能力分布曲線始終有1個主峰和2個側峰，且主峰峰值較高，側峰峰值較低，表明長三角城市群高企技術創新能力水平存在一定梯度，多極分化現象明顯；珠三角城市群高企技術創新能力分布曲線由一個主峰、一個側峰轉變為1個主峰、2個側峰，且主峰峰值較高，側峰峰值較低，表明珠三角城市群高企技術創新能力水平存在一定梯度，呈現出多極分化現象；長江中游城市群高企技術創新能力分布始終有1個主峰、3個側峰，且主峰峰值較高，側峰峰值較低，表明長江中游城市群高企技術創新能力水平也存在一定梯度，呈現出多極分化現象；成渝城市群高企技術創新能力分布曲線始終有1個主峰、1個側峰，且主峰峰值較高，側峰峰值較低，表明成渝城市群技術創新能力水平存在一定梯度，呈現出兩極分化現象；哈長城市群高企技術創新能力分布曲線由1個主峰、2個側峰轉變為1個主峰、1個側峰，且主峰峰值較高，側峰峰值較低，表明哈長城市群高企技術創新能力水平存在一定梯度，由多極分化轉變為兩極分化；中原城市群高企技術創新能力分布從1個主峰、3個側峰先轉變為1個主峰、1個側峰，隨后又轉變為1個主峰、3個側峰，且主峰峰值較高，側峰峰值較低，表明中原城市群高企技術創新能力水平存在一定梯度，多極分化現象仍較明顯。

3.2 八大城市群高企技術創新能力分布的空間演進特征

Markov鏈方法的主要思想是通過構建Markov轉移概率矩陣，探究各城市群高企在不同樣本考察期內技術創新能力的空間演進特征。Markov鏈方法是一個隨機過程，即{X_a，a∈A}， 它的取值為有限集合M，該集合中元素均為隨機過程狀態，指數集合A為不同時期。令隨機變量X_a=j，表示在a時期系統狀態為j，該系統的馬爾科夫性滿足式（13）。因此，Markov鏈的特殊性在于狀態X_a的條件分布僅取決于狀態X_a-1。假如P_ij為某城市群高企技術創新能力從a-1年狀態i到a年狀態j的轉移概率，那么P_ij=n_ij/n_i。其中，n_ij表示從a-1年狀態i轉移到a年狀態j的城市數量，n_i表示在a-1年處于i狀態的城市數量。

P={X_a=j | X_a-1=i_a-1，X_a-2=i_a-2，…，X₀=i₀}=P{X_a=j | X_n-1=i}= P_ij（13）

如果將城市群高企技術創新能力劃分為N種狀態，就可以構造出N×N維轉移概率方陣，然后根據轉移概率分析城市群高企技術創新能力的時空演進規律。如果引入空間關聯理念，可以將上述N×N維轉移概率矩陣轉化為N×N×N維轉移矩陣，則P_ij為某區域a-1年空間關聯狀態為N_i的情況下，技術創新能力從a-1年狀態i到a年狀態j的轉移概率，據此揭示空間關聯效應對區域高企技術創新能力差異演化的影響。值得注意的是，空間滯后值是該城市附近區域高企技術創新能力的空間加權，本文根據各城市是否相鄰的原則建立空間權重矩陣，即城市相鄰則賦值為1，否則為0。

對傳統Markov鏈估計結果分析，如表6所示。

第一，不同城市高企技術創新能力轉移特征差異較大。在2014-2019年低水平、中低水平城市高企向上轉移的概率明顯大于保持平穩狀態的概率，表明低水平與中低水平城市高企由于存在后發追趕優勢，其技術進步與創新空間較大。同時，其打破現狀或突破現有條件束縛的意愿較強烈，更能實現創新升級。

第二，中高水平、高水平城市群高企的技術創新能力存在“俱樂部趨同”現象。中高、高水平城市群保持穩定狀態的最低概率分別為0.722 2、0.972 2，最高概率分別為0.750 0、1.000 0，由此可見，向上與向下的轉移概率很小，中高水平、高水平城市群高企的技術創新能力呈現顯著的趨同發展特征，說明中高水平、高水平城市群高企通過持續集聚區內外優質創新資源，不斷開展高水平自主創新活動，能夠有效保持自身創新的領先地位。

第三，城市群高企技術創新能力向上、向下的轉移概率呈現非對稱分布。無論是在整個樣本周期還是不同發展階段，城市群高企技術創新能力轉移概率主要分布于對角線右上方，即低水平、中低水平、中高水平城市群高企向上轉移的概率明顯大于向下轉移概率，表明城市群高企技術創新能力大體上都呈現出向更高水平邁進的發展態勢，該結論與前文得到的八大城市群高企技術創新能力均呈提升態勢的結論一致。

第四，不同發展時期，城市群高企技術創新能力呈現出不同轉移特征。與2014-2016年相比，2017-2019年的轉移概率呈現以下兩個特征。一方面，低水平、中高水平以及高水平城市群保持穩定狀態的概率更大，表明2017-2019年低水平、中高水平以及高水平的“俱樂部趨同”特征更加明顯。另一方面，中低水平、中高水平向上轉移概率明顯增大，向下轉移概率明顯變小，表明自2017年后中低水平、中高水平城市群高企技術創新能力大體呈上升態勢。原因在于：①受國家高企認定政策影響，2016年適當放寬了高新技術企業認定條件，對高企創新發展的政策支持力度更強、支持范圍更廣，使得具有一定創新積累的中低、中高城市群高企技術創新能力的規模效應加快顯現；②2017年我國經濟進入高質量發展階段，創新成為引領發展的第一動力，國家高度重視各城市群高企技術創新能力提升工作，加快促進優質創新創業資源區際流動，促進了中低水平、中高水平城市群高企技術創新能力的提升。

接下來從空間關聯視角分析城市群高企技術創新能力轉移特征，測算結果如表7所示。

（1）考慮空間關聯效應后，八大城市群高企技術創新能力轉移表現出明顯的空間依賴性。表7中報告的4個條件轉移概率特征有差異，表明在不同水平鄰域環境下，城市高企技術創新能力的轉移概率也有所差異。在高水平鄰域創新環境下，城市高企技術創新能力向上轉移的概率明顯大于在低水平鄰域創新環境下的向上轉移概率，如P_34/4>P_34/1，P_13/4>P_13/1；在中高水平鄰域創新環境下，城市高企技術創新能力向上轉移的概率明顯大于在中低水平鄰域創新環境下的向上轉移概率，如P_34/3>P_34/2、P_23/3>P_23/2、P_24/3>P_24/2。

（2）不同水平的鄰域創新環境對城市高企技術創新能力的提升作用具有異質性。較高水平的鄰域創新環境對周邊城市高企技術創新能力的提升具有促進作用，如P_34/4>P_34/1、P_13/4>P_13/1，表明高水平領域創新環境對周邊城市高企技術創新能力的提升具有引領帶動作用，這主要是由于競爭與知識溢出效應推動了鄰近城市高企技術創新能力的協同增長。相反，較低水平的鄰域環境對鄰近城市高企技術創新能力具有明顯負向作用，表明較低水平鄰域創新環境對周邊城市高企技術創新能力產生抑制作用，如P_21/1>0、P_43/1>0。

（3）不同水平的鄰域創新環境對城市高企技術創新能力向上、向下轉移概率的影響不對稱。無論是在何種水平鄰域創新環境下，轉移概率大體分布在對角線右上方，表明城市高企技術創新能力向上轉移概率明顯大于向下轉移概率，呈現出向上、向下轉移的非對稱態勢。尤其值得注意的是，在中低、中高水平鄰域創新環境下，城市高企技術創新能力向上轉移概率顯著大于向下轉移的概率。

（4）相鄰城市高企技術創新能力的差異對城市高企技術創新能力的影響不同步，即兩者不成比例。如在中高水平、高水平鄰域創新環境下，處于中高水平城市高企的技術創新能力向上轉移的概率分別為0.125 0、0.583 3；而在低水平鄰域創新環境下，處于中高水平城市高企的技術創新能力向上轉移的概率則為0。原因可能是，當相鄰城市高企技術創新能力差異較小時，由于任何一方皆不處于明顯劣勢地位，雙方通過平等的創新交流與合作，促進了知識與技術溢出，共同實現技術創新能力提質增效；當相鄰城市高企技術創新水平差異較大時，低水平城市高企由于創新基礎較弱，對優質創新資源的吸引力較小，導致優質創新資源更傾向于流向相鄰高水平城市高企，此時高水平城市高企對周邊低水平城市高企的虹吸效應大于溢出效應，由此創新差距被拉大。

4 結論與啟示

4.1 結論與貢獻

本文以八大城市群高企技術創新能力為研究對象，從“內部自主創新—外部開放創新”和“創新投入—創新產出”等融合視角構建評價指標體系，并分別采用主成分分析、Dagum基尼系數分解、Kernel密度估計、傳統與空間Markov鏈等方法揭示八大城市群高企技術創新能力的區域差異及時空演進特征。研究發現如下：

（1）八大城市群高企技術創新能力均呈增強態勢，其中，珠三角城市群高企技術創新能力最強，北部灣城市群高企技術創新能力最弱。上述發現與牛沖槐等^[2]研究結論相似，說明經濟發達區域高企的技術創新能力也較強，城市群高企層面的技術創新能力在很大程度反映了城市群區域層面的技術創新能力，各省市認定的高企已成為引領和帶動區域技術創新能力提升的重要載體。

（2）區域總體、區域內以及區域間差異均呈明顯擴大態勢，區域間差距是造成技術創新能力差距的主要原因。上述發現與楊明海等^{[10，25]}的研究結論相似。究其原因，一方面，八大城市群高企尚未普遍樹立技術創新意識，在創新創業領域缺乏長期考慮，技術創新的內在動力不足，進而導致區域差距不斷擴大；另一方面，各城市群高企之間尚未形成協同創新機制，彼此間的創新互動性差，缺乏溝通和交流，技術或知識溢出效應較弱，導致技術創新能力無法實現同步提升。

（3）技術創新能力分布曲線逐漸右移，呈現向右拖尾態勢，但極化現象各異；考慮空間關聯后，其技術創新能力表現出明顯的非對稱、非同步、非均衡的時空轉移特征。上述發現與楊明海等^{[10，16]}的研究結論相似，表明城市群高企層面的技術創新能力時空演變特征與城市群區域層面的技術創新能力演變具有一致性和趨同性。

本文貢獻如下：第一，區別于現有文獻，從“創新投入—創新產出”與“內部自主研發”、“外部開放創新”等交叉維度構建技術創新能力評價指標體系，豐富了技術創新能力評價體系理論；第二，與現有文獻不同，本文以2014-2019年我國八大城市群高企為研究對象，研究對象更具創新驅動發展的典型性和代表性，能更細致地揭示技術創新能力的區域差異及其演變規律；第三，在研究方法上，巧妙采用多種計量方法開展實證研究，為后續深入探討技術創新能力的區域差異問題提供了參考。

4.2 政策啟示

（1）實施差異化城市群高企技術創新能力提升工程。研究發現，一些城市群（如京津冀、長三角、珠三角、長江中游城市群）高企技術創新水平較高，另一些城市群（如成渝、哈長、中原、北部灣城市群）高企技術創新水平較低，說明提升不同城市群高企的創新能力需要采取差異化發展策略。一方面，高企技術創新能力較強的城市要擴寬對外發展的物理空間，大力實施“走出去”發展戰略，著力引進和培育一批國際頂尖、全球一流的研發機構和高層次科技人才，構建重大創新功能性平臺，聚焦于世界前沿重大科學研究，加快促進具有國際影響力的突破性技術成果的產業化，力爭實現在技術創新領域全球“領跑”，提升我國技術創新的國際影響力和競爭力。另一方面，高企技術創新能力較弱的城市要認清當前企業技術創新水平較低，尚有較大發展空間的客觀事實。在此基礎上，應重點圍繞企業技術創新能力制定有針對性、可操作的戰略規劃，致力于將推動高企技術創新能力提升作為重要抓手。

（2）推動高企創新資源跨區域流動和均衡配置。研究發現，城市群高企技術創新能力的區域內差距與區域間差距均呈現出不同程度的擴大化，其中，區域間差距是主要原因。因此，一方面，應積極拓展創新資源跨區流動渠道、完善創新資源跨區流動政策，重點引導和支持創新資源要素由富集區流向匱乏區，加速創新資源要素在全國城市之間的流動，實現創新資源要素的空間均衡配置。另一方面，破除行政區域和空間位置限制，積極推動不同城市高企之間共建多元化、跨區際的創新資源合作網絡。同時，合理配置和協調發達城市高企創新資源要素，引導和支持欠發達地區高企對外開展廣泛深入的戰略合作（點對點扶持、聯合出資設立發展基金等），建立跨區域創新資源服務平臺，推動不同城市群高企之間共享創新資源要素，加快促進創新資源要素流向急需企業。

（3）加強高新技術產業跨區域分工協作。研究發現，不同城市群高企的技術創新能力表現出明顯的非對稱、非同步的時空演變和轉移特征，意味著需要采取多種措施推動不同城市群高新技術產業協同發展。一方面，不同城市群之間要強化高新技術產業關聯互動，深入推進高新技術產業跨區際交流與合作，通過跨區域的“建鏈、補鏈、延鏈、強鏈”工程，營造“特色突出、優勢互補、分工明確、協調聯動”的產業發展態勢，共同解決制約產業成長與發展中遇到的各類問題，協同提升我國高新技術產業整體發展質量。借鑒中關村互聯網、株洲動力產業、蘇工納米等成功經驗，緊抓新技術革命機遇，不同城市群高企聯合推進互聯網、大數據、云計算等新興技術與制造業深度融合，聯合推進傳統制造業的信息化、智能化，共同培育和發展一批專精特新企業，一起壯大高新技術企業隊伍，最終實現互利共贏、聯動發展。

4.3 不足與展望

本文尚存在以下不足：鑒于數據獲取難度，研究從內部自主研發和外部開放創新兩個維度衡量技術創新產出，指標主要采用國內外發明專利和國際標準數，后續研究在創新產出的指標設置和數據獲取上可進一步拓展來源渠道。同時，也因數據收集難度大，未對其它城市群（如呼包鄂榆、山西中部等城市群）高企技術創新能力進行分析，未來可作進一步研究。

參考文獻：

[1] 方文中，羅守貴.自主研發與技術引進對全要素生產率的影響——來自上海高新技術企業的實證[J].研究與發展管理，2016，28（1）：1-9.

[2] 牛沖槐，劉穎祺，牛彤.我國高新技術企業自主創新能力評價與差異化分析[J].經濟問題，2014，36（5）：78-82.

[3] 劉傳明，王卉彤，魏曉敏.中國八大城市群互聯網金融發展的區域差異分解及收斂性研究[J].數量經濟技術經濟研究，2017，34（8）：3-20.

[4] 杜丹麗，曾小春.速度特征視角的我國高新技術企業創新能力動態綜合評價研究[J].科研管理，2017，38（7）：44-53.

[5] 夏文飛，蘇屹，支鵬飛.基于組合賦權法的高新技術企業創新能力評價研究[J].東南學術，2020，33（3）：153-161.

[6] 朱承亮.中國地區經濟差距的演變軌跡與來源分解[J].數量經濟技術經濟研究，2014，31（6）：36-54.

[7] 陳明華，劉華軍，孫亞男.中國五大城市群金融發展的空間差異及分布動態：2003～2013年[J].數量經濟技術經濟研究，2016，33（7）：130-144.

[8] 曹勇，曹軒禎，羅楚珺，等.我國四大直轄城市技術創新能力及其影響因素的比較研究[J].中國軟科學，2013，28（6）：162-170.

[9] 侯純光，程鈺，任建蘭，等.中國創新能力時空格局演變及其影響因素[J].地理科學進展，2016，35（10）：1206-1217.

[10] 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.

[11] TRAJTENBERG M. Economic analysis of product innovation： the case of CT scanners[M]. Harvard University Press.1990.

[12] CHI W， QIAN X. The role of education in regional innovation activities：spatial evidence from China[J]. Journal of the Asia Pacific Economy， 2010， 15（4）： 396-419.

[13] GRKKI K L. A dynamic performance measurement system： evidence from small finnish technology companies[J]. Scandinavian Journal of Management， 2002， 18（1）： 65-99

[14] JOHN H，MYRIAM C. Measuring innovative performance： is there an advantage in using multiple indicators？ [J]. Research Policy， 2003，32（8）： 1365 -1379．

[15] 張治國，歐國立.高鐵開通促進創業了嗎——基于京津冀等七大城市群的研究[J].東岳論叢，2021，42（12）：164-173.

[16] 楊明海，盧曉楊，孫亞男.三大經濟支撐帶創新能力地區差距及分布動態演進——利用Dagum基尼系數和非參數估計方法的實證研究[J].科技進步與對策，2017，34（7）：34-42.

（責任編輯：胡俊?。?/p>

Regional Differences and Spatial-temporal Evolution of Innovation Ability of

High-tech Enterprises in China's Urban Agglomeration

Sun Hongjun^1，2，Zhao Zuoxiang³

（1.School of Public Policy and Management， University of Chinese Academy of Sciences， Beijing 100049，China；

2. National Library of Standards， China National Institution of Standardization， Beijing 100191，China;

3. Institute of Science and Development， Chinese Academy of Sciences， Beijing 100019， China）

Abstract：As the core areas with the most vitality and potential in China's regional economy， urban agglomerations become the main carriers supporting the development and growth of China's high-tech innovation capabilities. Comprehensively improving the technological innovation capabilities of high-level urban agglomerations is not only the key to realizing high-quality innovation-driven economic development， but also an important guarantee for promoting scientific and technological self-reliance and self-improvement. However， there is still a lack of research on regional differences in the technological innovation capabilities of high-tech enterprises. The samples are mainly concentrated at the provincial and municipal levels， and only simple descriptive statistical methods are used to compare the differences in the technological innovation capabilities of high-tech enterprises between different provinces and cities. It is revealed that there are regional differences in the technological innovation capabilities of high-tech enterprises， but there is no accurate description of the size of regional differences， the sources of differences and their temporal and spatial evolution characteristics.

This study constructs an evaluation index system for the technological innovation capability of high-tech enterprises in China's eight major urban agglomerations， and uses principal component analysis， Dagum Gini coefficients， Kernel density estimation， traditional and spatial Markov chain and other methods to evaluate the high-tech enterprises in China's eight major urban agglomerations from 2014 to 2019.

According to the empirical study on the regional differences and spatiotemporal evolution characteristics of technological innovation capabilities， it is found that firstly there is an universal increasing trend of the technological innovation capabilities of high-tech enterprises in the eight major urban agglomerations. The technological innovation capabilities of high-tech enterprises in the Pearl River Delta urban agglomeration are the highest， and the? lowest is in the Beibu Gulf urban agglomeration. This also shows that the economically developed regions often have high technological innovation capabilities of high-level enterprises， and the level of technological innovation capabilities of high-level enterprises in urban agglomerations also reflects the level of technological innovation capabilities at the regional level of urban agglomerations. Secondly the overall， intra-regional and inter-regional differences all show a significant expansion trend， and the inter-regional differences are the main reasons for the differences in their technological innovation capabilities. On the one hand， the high-end enterprises in the eight major urban agglomerations have not yet generally established the awareness of technological innovation， and they lack long-term consideration of innovation and entrepreneurship; what's more， they have weak intrinsic motivation for technological innovation， which leads to further regional differences. On the other hand， a collaborative innovation mechanism has not yet been formed among high-level enterprises in various urban agglomerations， and the interaction of innovation with each other is poor. Thirdly the distribution curve of technological innovation capability gradually shifts to the right， showing a tailing trend to the right， but the polarization phenomenon is different. With consideration of the spatial correlation， its technological innovation capability shows obvious asymmetric and asynchronous characteristics with non-equilibrium time-space transfer. This finding indicates that the spatial and temporal evolution characteristics of technological innovation capabilities at the high-level enterprise level of urban agglomerations and technological innovation capabilities at the regional level of urban agglomerations are consistent and convergent.

The study proposes that various regions should implement differentiated high-tech innovation capability improvement projects. Cities with strong technological innovation capabilities of high-tech enterprises should expand the space for external development; cities with weak technological innovation capabilities of high-tech enterprises should focus on improving the technological innovation capabilities of high-tech enterprises. In addition， it is necessary to promote the cross-regional flow and balanced allocation of innovation resources of high-tech enterprises， actively expand the channels for large-scale and cross-regional flow of innovation resources and improve the policies with focus on the support of innovative resource elements flow from rich areas to poor areas. Finally， it is essential to strengthen the cross-regional division of labor and cooperation in high-tech industries， the correlation and interaction of high-tech industries between different urban agglomerations， so as to further promote the cross-regional exchanges and cooperation of high-tech industries， jointly solve the problems that restrict the industrial growth and development ， and? improve the overall development quality of China's high-tech industries.

Key Words：Urban Agglomeration；High-tech Enterprise；Technological Innovation Capability；Regional Differences；Spatial-temporal Evolution