城市群圈層結構下的協同創新與產業升級

陳叢波 葉阿忠 林壯

摘 要：采用2009—2019年長三角城市群面板數據，構建半參數二機制動態空間杜賓模型考察協同創新對產業升級的動態空間效應及其城市異質性。研究發現，長三角城市群產業升級具有顯著動態性和空間相關性，鄰近城市協同創新對產業升級的動態空間效應不可忽視；中心城市與外圍城市產學合作專利均能在短期和長期推動鄰近城市產業升級，但中心城市對協同創新的政府資助在長期內不利于外圍城市產業升級；協同創新對本地城市產業升級的當期作用呈現邊際遞減趨勢，維持中心城市產業升級優勢更多需要來自鄰近城市協同創新對中心城市的空間溢出，而不是中心城市自身協同創新優勢。研究結果有助于全面認識協同創新對產業升級的動態空間效應，對推動圈層結構下的中心城市與外圍城市創新一體化發展，進而實現城市群整體產業升級具有現實意義。

關鍵詞：圈層結構；協同創新；產業升級；半參數二機制動態空間杜賓模型

DOI：10.6049/kjjbydc.2022100547

中圖分類號：F290

文獻標識碼：A

文章編號：1001-7348（2023）11-0092-09

0 引言

中共二十大報告明確提出，建設現代化產業體系，堅持把發展經濟的著力點放在實體經濟上，推進新型工業化。創新是第一動力，當前中國迫切需要通過創新驅動產業升級實現經濟增長動能轉換，在全球競爭中脫穎而出，引領新一輪產業變革。中國產業升級涉及的人口最多、產業結構最完整，但呈現出顯著的空間非均衡性，外圍城市產業結構薄弱、城市內部創新主體協同能力不足，限制了協同創新對產業升級的驅動作用。伴隨高鐵等基礎設施建設，空間知識溢出成為產業升級的催化劑（毛琦梁， 2019），外圍城市與中心城市產業升級的非均衡性可以通過空間知識溢出得到彌補。因此，有必要研究圈層結構下協同創新對產業升級的空間溢出效應。

已有研究表明，技術創新^[1-2]和協同創新^[3]的空間溢出效應是地區產業升級的重要驅動因素。然而，城市群由多中心的異質城市組成^[4]，中心城市和外圍城市通常具有圈層結構，對于圈層結構下協同創新空間溢出如何作用于鄰近城市產業升級，現有研究并未給予過多關注。圈層結構的特點在于中心城市和外圍城市既具有密切聯系，又存在較大發展差距。一方面，圈層結構下的中心城市與外圍城市產業聯系緊密，產業升級和技術進步方向具有高度一致性，協同創新對產業升級的空間效應可能更加顯著；另一方面，中心城市與外圍城市的協同創新、產業升級水平存在明顯差距，可能會阻礙協同創新對鄰近城市產業升級的空間溢出效應。目前尚無文獻研究城市群圈層結構下協同創新對產業升級的空間溢出效應。那么，中心城市協同創新空間溢出是否會對外圍城市產業升級產生積極影響？外圍城市協同創新能否反作用于中心城市，為中心城市產業升級提供備選技術路徑？如何有效利用城市群一體化發展機遇，針對性制定城市群創新發展戰略，推動城市群產業升級？

為回答上述問題，本文選擇長三角城市群地級及以上城市為研究對象，分析中心城市和外圍城市協同創新對產業升級動態空間效應的作用途徑。然后，結合高鐵通行數據與城市吸引力模型構建空間權重矩陣和半參數二機制動態空間杜賓模型，實證檢驗協同創新對產業升級的動態空間溢出效應及其城市異質性，并借助半參數技術檢驗協同創新對本地產業升級的非線性影響。最后，形成結論和政策啟示。

1 文獻綜述

歸納和總結現有文獻發現，學者們對創新或協同創新驅動本地產業升級，以及空間溢出驅動鄰近地區產業升級進行了大量研究。

在創新驅動本地產業升級方面，已有研究主要聚焦創新對產業升級的驅動作用。學界普遍認為，創新是產業升級的驅動力^[5]。但是，并非所有創新都能驅動產業升級，中間還存在一個技術選擇問題^[6]。只有當通過自主創新和學習活動選擇的技術進步方向與區域條件相一致時，才能有效促進區域產業升級和經濟發展^[7]；反之，當技術進步方向與區域條件不一致時，就會出現創新成果產出增加卻難以引致產業升級的悖論^[8]。究其原因，我國高校和企業創新側重方向分歧明顯，高校對企業技術創新支持力度不夠^[9]，導致技術進步方向出現偏差和創新的經濟效應未能完全發揮。目前，關于協同創新驅動產業升級的研究相對缺乏。相比于其它類型的創新，協同創新將異質性創新主體組織為具有共同目標和價值觀的創新共同體（王崢，龔秩， 2018），與產業升級匹配程度更高。孫大明和原毅軍^[3]發現協同創新通過降低創新成本、提高勞動生產率、技術溢出效應和改造傳統產業等途徑推動本地產業升級。

在空間溢出驅動鄰近地區產業升級方面，已有研究主要關注產業轉移和空間知識溢出對產業升級的影響。有學者用“雁陣模式”解釋我國發達地區向欠發達地區的產業轉移，如張其仔^[10]認為我國東部地區將淘汰產業向中西部地區轉移，地區間產業升級形成“雁陣模式”。也有學者對“雁陣模式”持批判態度，如李雯軒和李曉華^[11]認為中西部地區通過承接東部地區產業轉移實現產業升級面臨諸多困境。對于空間知識溢出驅動產業升級，金浩和劉肖^[12]認為產業協同集聚有利于知識溢出，并通過技術創新推動經濟增長；紀玉俊和李超（2015）構建空間誤差模型對我國省級數據進行實證研究，發現地區創新對產業升級的作用存在空間知識溢出效應；毛琦梁（2019）基于地級市的實證研究發現，空間知識溢出能夠促進地區產業升級。考慮城市異質性和非線性作用后，李洪濤和王麗麗^[13]發現中心城市科技創新對城市群整體產業高級化和多樣化具有先抑制后促進的U型作用；孫大明等^[3]基于省際層面數據檢驗協同創新對產業升級的空間溢出效應。

已有成果為本文研究奠定了良好基礎，但仍存在可改進之處：一是未能深入分析不同類型城市協同創新對產業升級的空間溢出效應差異，特別是中心城市與外圍城市協同創新對產業升級的異質性空間溢出效應尚待發現；二是未考慮協同創新空間溢出效應對產業升級的動態影響；三是實證方法多采用線性空間模型，若放松空間依賴關系的線性假設，可能使模型設定更符合實際，得到更準確的估計結果。為此，本文研究城市群圈層結構背景下，中心城市和外圍城市協同創新對產業升級的動態空間溢出效應及其異質性，分析中心城市產業升級在圈層結構中處于優勢地位的原因。在實證上，首次應用半參數動態門限空間杜賓模型檢驗中心城市和外圍城市協同創新對產業升級的異質性空間溢出效應。

2 理論分析與研究假設

中心城市和外圍城市是城市群系統圈層經濟結構的兩個組成部分，二者存在密切的空間聯系。中心城市和外圍城市協同創新對產業升級的動態空間溢出效應可以歸納為以下方面：

首先，中心城市協同創新通過空間知識溢出提高外圍城市創新能力，為外圍城市產業升級提供潛在技術機會窗口。中心城市具有創新資源集聚優勢，外圍城市通過從中心城市獲得空間知識溢出，擺脫本地資源稟賦不足、創新人才集聚規模偏小、高端研發人員缺乏等創新困境，提高創新能力。圈層結構的外圍城市更容易學習、模仿中心城市的先進技術，因而圈層結構的城市間空間知識溢出效應更加顯著。近年來，以高鐵為代表的運輸基礎設施逐漸完善，城市群一體化程度得以提高，有利于非中心城市獲取空間知識溢出，提升自身創新能力^[14]。在地理鄰近、文化鄰近和技術鄰近等多維度鄰近影響下，空間知識溢出對鄰近地區的產業升級起到正向作用（毛琦梁， 2019）。圈層結構下中心城市與外圍城市的多維度鄰近程度更高，使得中心城市協同創新成果容易與外圍城市產業升級技術方向匹配，中心城市空間知識溢出對外圍城市產業升級的作用更顯著。基于此，本文提出以下假設：

H₁：城市群圈層結構下，中心城市協同創新通過空間知識溢出在短期內促進外圍城市產業升級。

其次，中心城市協同創新推動本地產業趨向成熟，進而加速成熟產業向外圍城市轉移，帶動外圍城市產業升級。根據產業升級的生命周期理論，處于不同生命周期的產業從不同類型城市集聚中獲得知識溢出^[15-16]。中心城市協同創新能夠促進本地多樣化知識溢出，新興產業通過與外部創新主體協同創新突破產業發展的技術瓶頸，提高創新效率。產業進入成熟期后，導致低生產效率的主因由技術瓶頸轉變為生產規模偏小，此時，中心城市多樣化知識溢出對產業升級的重要性下降。受中心城市相對較高的擁擠成本影響，成熟產業被迫遷出中心城市，成熟產業遷出中心城市后，更傾向于向圈層結構的外圍城市遷入，理由如下：

一是歷史慣性說。企業選址決策會受到往期決策的影響，城市群圈層結構的形成具有歷史積淀，中心城市對外圍城市的輻射力長期以“圈”的形式擴散^[17]，形成產業遷移的歷史慣性。中心城市產業向外圍城市遷移的歷史經驗給當前產業選址決策提供了更多信息參考。在沒有出現明顯變動因素的情形下，決策者更傾向于“照舊”，以使決策更具確定性。二是多維度鄰近說。Boschma^[18]以多維度鄰近作為理論工具解釋空間知識溢出。該理論工具也可用于揭示圈層結構下外圍城市承接成熟產業的特殊優勢。圈層結構的地理特征和歷史演化特征使中心城市與外圍城市形成緊密的地理鄰近、制度鄰近、文化鄰近及技術鄰近，從而降低信息交流和要素流動成本，為產業轉移創造有利環境。三是政策導向說。地方政府在產業轉移中扮演重要角色^[19]，產業遷出地和遷入地政府對共同利益達成高度認同是產業轉移的基礎。圈層結構下的中心城市與外圍城市政府之間互信度高，容易在博弈中達成一致。組成圈層結構的城市常常處于同一個省級區域，上級政府更樂意產業在省內城市間轉移，帶動全省產業升級。考慮到協同創新促進本地產業成熟和產業轉移具有時間滯后，本文提出如下假設：

H₂：城市群圈層結構下，中心城市協同創新通過產業遷移對外圍城市產業升級存在長期推動作用。

上述分析回避了中心城市產業升級過程中的有限理性問題。更現實的假設是，中心城市和外圍城市都不得不基于各自擁有的不完全知識，盡力構造和強化產業升級路徑。從中心城市視角看，其在上一輪技術革命中構造了更優的產業升級路徑，并在累積循環作用下形成知識元素多樣化優勢，使其在下一輪技術革命中有更大機會創造產業升級路徑。然而，根據有限理性假設，即使是中心城市，其知識多樣性和知識重組機會也是有限的，產業升級路徑無法達到最優。因此，中心城市需要從外部城市獲得知識元素和知識重組機會，使產業升級路徑更接近最優。本文認為，圈層結構下外圍城市與中心城市的知識元素構成具有異質性，同時二者的產業之間存在技術關聯性。這種異質性和技術關聯性使得外圍城市與中心城市的認知距離不太遠也不太近。太遠的認知距離會增加知識吸收難度，太近的認知距離則不利于創新成果產生^[18]。因此，外圍城市協同創新能夠幫助中心城市在短期內獲得產業升級所需的特定知識元素，也能在長期內不斷通過重組知識元素創造產業升級的可能路徑。基于此，本文提出如下假設：

H_3a：在產業升級的動態過程中，外圍城市協同創新能夠在短期內推動中心城市產業升級；

H_3b：在產業升級的動態過程中，外圍城市協同創新能夠在長期內推動中心城市產業升級。

3 實證研究設計

3.1 實證模型構建

協同創新對城市產業升級的影響具有空間性和動態性，即前期協同創新會促進當期本地城市和鄰近城市的產業升級。同時，城市產業升級是一個動態過程，前期產業升級對當期產業升級施加慣性影響。因此，僅考慮協同創新等驅動因素的當期影響不符合產業升級的實際情況，需要在實證模型中引入被解釋變量、解釋變量和空間滯后項的時間滯后作為被解釋變量，構建動態空間杜賓模型作為本文基準模型。

式中，Sop_it代表城市i第t年的產業升級水平；Coi_it代表城市i第t年的協同創新水平，包括校企協同創新成果Comp_it和政府研發資金資助Gov_it兩個子變量；X_it代表控制變量向量。以被解釋變量和協同創新的空間滯后項Sop^*_it=∑Nj=1W_ijSop_jt和Coi^*_it=∑Nj=1W_ijCoi_jt反映當期空間溢出對產業升級的影響， W_ij為空間權重矩陣第i行第j列的元素；用變量的時間滯后Sop_it－1和X_it－1衡量動態效應；采用空間滯后項的時間滯后Sop^*_i，t－1=∑Nj=1W_ijSop_j，t－1和Coi^*_i，t－1=∑Nj=1W_ijCoi_j，t－1反映動態空間效應；μ_i、ε_it分別是個體固定效應和隨機誤差項。

考慮到空間溢出來自城市間的經濟互動，借鑒李治等^[20-21]構建的修正引力模型，以城市間經濟聯系緊密程度與施加引力城市對外輻射強度的比值作為空間權重矩陣元素W_ij，反映城市間經濟互動的強弱。空間權重矩陣元素W_ij的計算公式為：

式中，CP_ij表示施加引力城市i與接受引力城市j的經濟聯系緊密程度，C_i表示施加引力城市i的對外施加引力總強度。CP_ij計算公式為：

式中，Y_i、Y_j分別表示城市i、j的地區生產總值，Y_iY_j表示兩個城市地區生產總值的乘積，D_ij表示城市間的實際交通距離。隨著高鐵的普及，高鐵成為城際運輸的最主要方式，因而以城市i到城市j的高鐵最短到達時間衡量實際交通距離。C_i計算公式為：

式中，r_i為城市i的城市半徑，r²_i=S_i/π，S_i為城市i的行政區劃面積。需要指出的是，由于式（2）中的分母與城市i相關，本文構建的空間權重矩陣是非對稱的，即W_ij≠W_ji。

刻畫圈層結構下城際關系的難點在于區分中心城市與外圍城市之間的空間溢出，而模型（1）為經典動態空間杜賓模型，僅考察線性空間依賴關系。為驗證本文理論假設，還需要區分城市群圈層結構下中心城市和外圍城市產業升級受到鄰近城市協同創新的異質性影響。為此，本文借鑒二機制空間計量模型構建方法^[22]，在模型（1）中協同創新空間滯后項后引入虛擬變量D_it和D-_it，構建二機制動態空間杜賓模型。

式中，若城市i為中心城市，則D_it=1；若城市i為外圍城市，則D_it=0，D-_it=1－D_it。虛擬變量D_it和D-_it的引入使線性動態空間杜賓模型轉變為二機制動態空間杜賓模型，γ₁、φ₁和γ₂、φ₂分別表示中心城市和外圍城市產業升級對鄰近城市協同創新空間溢出及動態空間溢出的反應系數。

協同創新具有多種創新主體，因而其對產業升級的作用比其它創新更為復雜，這可能使協同創新與產業升級之間呈現非線性關系。因此，本文在模型（5）基礎上引入協同創新作為非參變量，構建半參數二機制動態空間杜賓模型。

式中，g（·）為未知函數，通過引入非參項gCoi_it，避免預設協同創新與產業升級間表現為線性關系可能引起的誤差。模型（6）可通過偏導數圖形式刻畫協同創新與產業升級間的非線性關系，并且在二者存在非線性關系的情形下，參數部分可以得到更準確的估計。

3.2 模型估計方法

根據學者提出的門限動態空間模型估計方法^[23]，本文在二機制動態空間杜賓模型基礎上進一步引入非參項，構建半參數二機制動態空間杜賓模型。非參項的引入導致模型估計難度大大提高，本文給出一般形式的半參數二機制動態空間杜賓模型及其估計方法，模型一般形式設定為：

式中，y_it是被解釋變量，S_it=S_1it，…，S_dSit'為解釋變量，將機制劃分引入解釋變量S_it的空間滯后項S^*_it及其時間滯后項S^*_i，t－1；非參變量使用更一般的P_it表示，P_it=P_1it，…，P_dPit'。若gP_it≠0，則可將其歸入固定效應項，因此，假設gP_it=0。式（7）可改寫為：

式中，X'_itΘ是模型的參數估計部分，解釋變量X'_it=（y_it－1，y^*_it，y^*_i，t－1，S_itD_it，S^*_itD_it，S^*_i，t－1D_it，S_itD-_it，S^*_itD-_it，S^*_i，t－1D-_it）為內生變量，參數分量Θ=α，ρ，λ，δ₁，γ₁，φ₁，δ₂，γ₂，φ₂'，S_1t，P_1t，y_1t，…，S_Nt，P_Nt，y_Nt是在R^d_S+d_P+1上取值的隨機變量向量序列；解釋變量X_it為內生變量，與誤差項相關。

設H_1t，…，H_Nt是在R^6d_S+3上與y^*_it相關的隨機變量向量，且EH_itμ_it=0，EH_itμ_it|X_it，P_it=0，稱H_it為工具變量向量。參考半參數動態空間杜賓模型估計方法，參數分量Θ的工具變量估計為：

式中，H_#it=H_1it，…，H_6dS+3，it'是工具變量向量，m︿₁（p）、m︿₂（p）分別是m₁（p）=EX_it|P_it=p和m₂（p）=Ey_it|P_it=p的局部線性估計。得到參數分量的工具變量估計后，非參數分量的工具變量估計為：

得到參數部分和非參數部分的具體參數值后，基于修正的最小二乘思想，個體固定效應μ_i的估計表達式為：

3.3 數據來源與變量說明

中國正在實施的長三角一體化發展戰略涵蓋江、浙、滬、皖的41個地級及以上城市，其中，上海、南京、杭州、合肥等中心城市擁有眾多國內一流大學和研究所，產業升級水平也居于全國前列。長三角城市群擁有大量與中心城市經濟聯系緊密的外圍城市，區域內的上海都市圈、南京都市圈、合肥都市圈、杭州都市圈等都表現出顯著的圈層經濟結構特征。長三角城市群是我國三大經濟增長極之一，本文研究對其它具有圈層結構的城市群發展也具有借鑒意義。基于《中國城市統計年鑒》和國家知識產權局專利數據庫檢索數據，收集2009—2019年長三角地區地級及以上城市面板數據。

3.3.1 被解釋變量

城市產業升級水平是本文被解釋變量。學界對產業升級的研究包含兩方面內容：一是產業結構升級，主要關注要素投入和產品產值在各產業間分布的變動；二是價值鏈升級，聚焦產出水平與要素投入量之間比例的提高。產業結構比例變遷本身并無高級化的空間，僅指勞動力由低生產率產業流向高生產率產業，引起人均產值提高。價值鏈升級以產業結構比例固定為前提，認為各產業處于交互供求的關聯機制下，一個產業的擴張必須以其它關聯產業同比例擴張為條件^[24]。然而，固化城市產業結構比例的前提假設與現實存在很大分歧，中國正在發生大規模產業區域轉移現象，一大批城市產業結構比例處于變化狀態。本文認為，衡量城市產業升級應包括產業結構比例變遷和要素—產出比例提高兩部分內容，以城市各產業產值比重表征產業結構比例變遷，以勞動生產率表征要素—產出比例提高，使用二者的乘積表征城市產業升級水平。

式中，Y_kit表示第t年城市i產業k的產值，Y_it表示第t年城市i的地區總產值；LP_kit表示第t年城市i產業k的勞動生產率，用產業k的產值除以就業人數衡量。

3.3.2 核心解釋變量

城市協同創新水平是本文核心解釋變量。協同創新涉及企業、高校、政府等異質性創新主體，協同創新按合作對象可分為直接主體與間接主體間的協同創新、直接主體間的協同創新。協同創新合作表現為協同創新產出和協同創新投入兩種形式。其中，協同創新產出主要是指各參與方共同的創新成果，本文使用協同創新成果近似表征城市協同創新水平。借鑒夏麗娟等（2017）的做法，使用高校和企業合作申請發明專利數（CoP_it）衡量直接主體間的產學創新合作成果。相對于實用新型專利和外觀設計專利，發明專利技術含量更高，更能代表協同創新研發成果。本文數據來自國家知識產權局專利檢索數據庫，數據檢索方式為將申請日設定為樣本期內某一年份，在申請人地址欄輸入城市名，在專利申請人檢索欄輸入大學、學院和公司、集團、企業、廠的兩兩組合。

協同創新投入包括人員、資金等創新要素投入，高校與企業、政府間的人員流動主要通過高校師生參與項目、學術創業的形式進行。由于高校學生在高校與企業、政府間流動是臨時的，高校教師一般同時屬于高校和企業，高校學生和教師的流動性較差，人員流動對協同創新的影響較小。政府通常不直接參與創新，是協同創新的重要間接主體，白俊紅和蔣伏心^[25]使用政府對城市研發機構和企業的資金資助衡量間接主體與直接主體間的協同創新。考慮到政府資金資助與城市研發機構及企業數量相關，僅用政府資金資助金額不能準確衡量政府支持協同創新的強度，本文以政府資金資助除以研發機構和企業的幾何平均數估算政府資金資助的協同創新，計算公式為：

式中，Fund為政府科學技術支出，N_Uni、N_com分別為高等學校數和規模以上工業企業數，使用幾何平均數可以避免N_Uni和N_com差距過大，導致高等學校被忽視。

3.3.3 控制變量

本文選擇信息化水平、外商投資水平和基礎設施水平為控制變量。其中，信息化水平（pinter）采用每萬人寬帶互聯網用戶數表征，外商投資水平（pfdi）采用外商直接投資占城市經濟產值的比重表征，基礎設施水平（proad）采用城市道路人均面積表征。

4 實證分析

4.1 線性動態空間杜賓模型估計結果

考慮到協同創新的兩個表征變量合作發明專利數量與政府對高校、企業研發資金投入可能存在相關關系，干擾最終估計結果，本文首先分別將兩個變量及其時間滯后項、空間滯后項分別帶入線性動態空間杜賓模型，再將兩個變量同時帶入模型，對比實證結果，以檢驗穩健性。表1給出了3個線性動態空間杜賓模型的估計結果。

被解釋變量時間滯后項Sop_it－1的回歸系數在3個線性動態空間杜賓模型中均顯著為正，說明城市產業升級過程在時間維度上具有累積循環作用，往期產業升級對當期產業升級具有積極影響。歷史上，圈層結構的中心城市始終占據產業升級的“頭雁”位置，部分原因就在于產業升級的累積循環過程使前期取得產業升級成功的中心城市更容易在當期延續產業升級的慣性。被解釋變量的空間滯后項WSop_it及其時間滯后項WSop_it－1的回歸系數均顯著為正，說明長三角城市群產業升級具有顯著的空間相關性，某一城市的產業升級水平會受到其它城市當期和往期產業升級水平的影響。城市間密切的經濟聯系是圈層結構的主要特征，因此本文在圈層結構下分析協同創新與產業升級的空間關系具有一定合理性。

產學創新合作專利CoP_it的回歸系數在模型1和模型3中均不顯著，但其時間滯后項CoP_it－1的回歸系數顯著為正，說明協同創新專利成果轉化為產業升級動力需要時間。相比之下，其空間滯后項WCoP_it的回歸系數顯著為正，說明協同創新專利成果能在當期促進鄰近城市產業升級。原因在于，圈層結構城市間緊密的聯系為創新成果空間溢出提供了高效擴散渠道，使外部城市的協同創新成果對本地產業升級起到“他山之石，可以攻玉”的效果。相近實證研究中，孫大明和原毅軍^[3]以企業協同創新資本存量作為核心解釋變量，構建靜態空間杜賓模型，發現省際層面協同創新空間滯后項的回歸系數顯著為正，可與本文結果相互印證。本文進一步引入WCoP_it的時間滯后項WCoP_it－1，其回歸系數依然顯著為正，說明外部城市協同創新的產業升級效應存在時間上的延續性。

政府資助協同創新Gov_it的回歸系數在模型2和模型3中為負，而其時間滯后項Gov_it－1的回歸系數卻顯著為正。造成政府資助當期值回歸系數為負的原因可能來自其對金融機構資助協同創新的擠出作用。金融機構更傾向于資助見效快的協同創新項目，而政府資助更關注創意，對協同創新過程更有耐心，因此，短期內政府資助協同創新反而不利于產業升級。然而，滯后一期的回歸系數顯著為正，說明經過一段時間磨合后，高校和企業能夠有效利用政府資助資源進行聯合研發，獲得更具突破性的協同創新成果，形成對產業升級的推動力。相近研究中，白俊紅和蔣伏心^[25]實證研究發現，政府資助對區域創新績效的當期影響為負或顯著性水平較低，而滯后一期的回歸系數顯著為正，且數值更大。值得注意的是，空間滯后項WGov_it的回歸系數顯著為正，其時間滯后項WGov_it－1的回歸系數顯著為負。主要原因可能是長期作用下，政府資助會對周圍城市產生虹吸效應，促使周圍城市的協同創新資源向中心城市集聚。后文二機制動態空間杜賓模型中，中心城市和外圍城市空間滯后項的時間滯后系數正負差異也說明中心城市政府資助存在對外圍城市的虹吸效應。

控制變量中，外商投資及其時間滯后項與產業升級表現出正相關關系。信息和交通基礎設施當期值的回歸系數為負，其時間滯后項與產業升級表現出正相關關系，這可能是因為基礎設施建設占用了同期用于產業升級的資金，導致短期內基礎設施建設不利于產業升級，對產業升級的正向作用需要經過一段時間的累積才能逐漸發揮出來。

4.2 協同創新對產業升級動態空間效應的城市異質性分析

為描述圈層結構下協同創新對中心城市和外圍城市產業升級的異質性空間溢出效應，本文進一步將線性動態空間杜賓模型擴展為二機制動態空間杜賓模型。將協同創新的兩個表征變量代入式（5）進行估計，模型4使用產學合作專利衡量協同創新，模型5使用政府資助衡量協同創新，結果如表2所示。本文重點關注協同創新對產業升級空間溢出效應的動態性和異質性影響，因而表2只列出了核心解釋變量的空間滯后項及其時間滯后項在不同機制中的回歸系數，D_it代表中心城市，D-_it代表外圍城市。

模型4和模型5中，對于產學合作專利衡量的協同創新，中心城市與外圍城市空間滯后項的回歸系數分別為0.523和0.314，回歸結果顯著為正；對于政府資助衡量的協同創新，中心城市與外圍城市空間滯后項的回歸系數分別為1.660和1.060，回歸結果在1%的水平下顯著為正。由此可知，中心城市和外圍城市都能夠從鄰近城市協同創新成果中獲得產業升級的正向空間溢出，促進城市產業升級。該結果驗證了H₁，即中心城市協同創新通過空間知識溢出促進當期外圍城市的產業升級。同時，外圍城市能夠對當期中心城市的產業升級產生正向影響，即H_3a關于外圍城市協同創新在短期內促進中心城市產業升級的判斷符合現實。無論是產學合作專利還是政府資助，中心城市的回歸系數均顯著大于外圍城市的回歸系數，表明中心城市能夠更為敏銳地察覺到鄰近城市協同創新成果，更容易從中獲取產業升級的驅動力。本文認為，圈層結構的中心城市之所以長期保持產業升級的“頭雁”地位，不完全是因為城市內部的累積循環效應，中心城市獲取空間溢出的長期優勢也是導致圈層結構下城市產業升級水平始終存在差距的重要原因。

表2結果顯示，中心城市產學合作專利與政府資助空間滯后項的時間滯后回歸系數分別為0.431和0.602，均顯著為正，說明外圍城市協同創新對中心城市產業升級具有長期促進作用，H_3b得到驗證。外圍城市產學合作專利空間滯后項的時間滯后回歸系數為0.142，在5%的水平下顯著為正，說明中心城市協同創新成果能夠長期推動外圍城市產業升級，H₂得到驗證。政府資助空間滯后項的時間滯后回歸系數為-0.335，在5%的水平下顯著，不符合H₂的判斷，可能是因為中心城市的政府資助對外圍城市產生虹吸效應，導致外圍城市創新資源不斷向中心城市集聚，不利于外圍城市產業升級。

4.3 進一步討論：本地協同創新還是空間溢出

由線性動態空間杜賓模型和二機制動態空間杜賓模型回歸結果可知，本地城市產學合作專利當期值CoP_it對產業升級的回歸系數均不顯著，原因在于創新成果轉化為產業升級驅動力需要過程和時間。為驗證該解釋是否可靠，本文將當期產學合作專利CoP_it作為非參項引入式（6），構建半參數二機制動態空間杜賓模型。圖1報告了協同創新對產業升級的邊際影響隨協同創新變化的趨勢，橫軸為城市產學合作專利當期值，縱軸表示產學合作專利對本地產業升級的偏導數。偏導數整體趨勢呈現出非常明顯的非線性特征，當期協同創新成果越豐富，對本地產業升級的邊際驅動作用反而越小。產業吸收效率越高，越能快速將新技術轉化為新產品和新生產工藝。當產業對創新成果的吸收效率不足以快速將新技術轉換為升級動力時，就會出現圖1中協同創新成果豐富卻對當期產業升級邊際驅動作用不強的情況，需要延長對創新成果的吸收時間。也就是說，在吸收效率有限的情形下，協同創新成果越豐富，其對產業升級的促進作用就越滯后。

一般認為，中心城市的本地協同創新優勢有助于維持其產業升級優勢。然而，本文將圖1中當期協同創新的回歸系數與協同創新空間滯后項的回歸系數進行對比卻得到相反觀點。圈層結構中，中心城市擁有更高的協同創新水平，但偏導圖顯示本地高水平協同創新在當期對產業升級的驅動作用較弱，說明中心城市產業升級的主要驅動力不是來自本地協同創新。對比協同創新空間滯后項在中心城市機制下的回歸系數發現，中心城市產業升級的主要驅動力來自協同創新的空間溢出效應。這一發現的意義在于，考察城市產業升級分異的形成原因時，不僅要考慮產業升級推動因素的空間分布，更要考慮異質城市的空間溢出效應。

5 結論與政策啟示

基于2009—2019年長三角城市群41個城市面板數據，構建非對稱空間權重矩陣和半參數二機制動態空間杜賓模型，考察圈層結構下中心城市和外圍城市協同創新對產業升級的異質性動態空間溢出效應，得到如下結論：首先，線性動態空間杜賓模型計量結果顯示，長三角城市群產業升級具有顯著動態性和空間相關性，往期產業升級水平和鄰近城市產業升級水平對城市產業升級具有正向影響；鄰近城市產學合作專利對本地產業升級存在長期正向空間溢出效應；政府資助協同創新短期內有利于鄰近城市產業升級，但從長期看，由于存在虹吸效應，不利于鄰近城市產業升級。上述結果表明，圈層結構下城市間協同創新的動態空間溢出效應對產業升級起到不可忽視的作用。其次，二機制動態空間杜賓模型計量結果顯示，產學合作專利的動態空間溢出效應對中心城市和外圍城市產業升級具有積極影響，表明無論在短期還是長期內，中心城市和外圍城市產學合作專利均能夠推動鄰近城市產業升級。政府資助協同創新的基本結論與產學合作專利相同，但由于存在虹吸效應，中心城市對協同創新的政府資助可能在長期內不利于外圍城市產業升級。最后，繪制協同創新非參項對本地城市產業升級的偏導圖發現，產學合作專利對本地城市當期產業升級的邊際驅動作用呈現隨合作專利數增加而減弱的非線性特征。同時，產學合作專利對產業升級的空間溢出效應大于中心城市產學合作專利對自身產業升級的邊際效應，說明協同創新對產業升級的空間溢出效應是中心城市維持產業升級優勢的重要原因。

當前，中國正在積極推進區域協調發展戰略和創新驅動發展戰略，創新一體化是推動城市群產業升級的重要發展途徑之一。在此背景下，根據上述研究結果，提出如下政策建議：第一，出臺創新激勵政策應充分考慮城市產業升級路徑的特殊性，不能僅追求創新成果和創新投入的數量增長，還要發揮協同創新對城市產業升級的驅動作用。通過搭建跨城市的高校—企業、政府—企業協同創新平臺，推出相關跨城市合作激勵政策，促進城市群內創新要素的充分流動和高效共享，是城市群協同創新驅動產業升級的有效治理方式。第二，著力推動以中心城市為核心、外圍城市為支撐的創新一體化發展，發揮中心城市協同創新在產業升級中的“頭雁”作用，同時兼顧外圍城市協同創新，為城市群產業升級提供多樣化發展路徑。既要發揮圈層結構城市間聯系密切的“合之利”，又要注重探索圈層結構城市創新的多樣化路徑，形成不同城市產業升級的“分之利”，為城市群產業升級提供持久的動力源泉。第三，中心城市和外圍城市要利用圈層結構城市間聯系緊密的優勢，發揮產業升級的空間溢出效應。推動中心城市和外圍城市的創新主體建立創新同盟，使不同城市的創新主體間形成相互關聯、相互支持的創新網絡，奠定城市群協同創新推動產業升級的組織基礎。

參考文獻：

[1] 周璇， 陶長琪. 水平式知識溢出、技術嵌入式創新與產業結構協調化——以我國制造業為例[J]. 科研管理， 2021，42（7）：126-136.

[2] 周璇， 陶長琪. 技術融合式創新對產業結構高度化的驅動效應研究——基于垂直式知識溢出視角[J]. 管理評論， 2021，33（7）：130-142.

[3] 孫大明， 原毅軍. 空間外溢視角下的協同創新與區域產業升級[J]. 統計研究， 2019，36（10）：100-114.

[4] 胡序威. 應厘清與城鎮化有關的各種地域空間概念[J]. 城市發展研究， 2014，21（11）：1-4.

[5] 周叔蓮，王偉光. 科技創新與產業結構優化升級[J]. 管理世界， 2001，17（5）：70-78.

[6] 黃茂興， 李軍軍. 技術選擇、產業結構升級與經濟增長[J]. 經濟研究， 2009，44（7）：143-151.

[7] YI L. The dynamics of local upgrading in globalizing latecomer regions： a geographical analysis[J]. Regional Studies， 2017，51（6）：880-893.

[8] 陽立高， 龔世豪， 王鉑， 等. 人力資本、技術進步與制造業升級[J]. 中國軟科學， 2018，33（1）：138-148.

[9] 王文靜， 高敏雪. 中國產學合作模式下的知識存量研究[J]. 數量經濟技術經濟研究， 2019，36（4）：139-154.

[10] 張其仔. 中國能否成功地實現雁陣式產業升級[J]. 中國工業經濟， 2014，31（6）：18-30.

[11] 李雯軒， 李曉華. 新發展格局下區域間產業轉移與升級的路徑研究——對“雁陣模式”的再探討[J]. 經濟學家， 2021，33（6）：81-90.

[12] 金浩，劉肖.產業協同集聚、技術創新與經濟增長——一個中介效應模型[J].科技進步與對策，2021，38（11）：46-53.

[13] 李洪濤， 王麗麗. 中心城市科技創新與城市群產業高級化及多樣化[J]. 科研管理， 2022，43（1）：41-48.

[14] 王雨飛， 倪鵬飛， 趙佳涵， 等. 交通距離、通勤頻率與企業創新——高鐵開通后與中心城市空間關聯視角[J]. 財貿經濟， 2021，42（12）：150-165.

[15] DURANTON G， PUGA D. Nursery cities： urban diversity， process innovation， and the life cycle of products[J]. American Economic Review， 2001，91（5）：1454-1477.

[16] POTTER A， WATTS H. Evolutionary agglomeration theory： increasing returns， diminishing returnsm and the industry life cycle[J]. Journal of Economic Geography， 2011，3（11）：417-455.

[17] 張亞斌， 黃吉林， 曾錚. 城市群、“圈層”經濟與產業結構升級——基于經濟地理學理論視角的分析[J]. 中國工業經濟， 2006，23（12）：45-52.

[18] BOSCHMA R A. Proximity and innovation： a critical assessment[J]. Regional Studies， 2005，39（1）：61-74.

[19] 黃志基， 朱晟君， 石濤. 工業用地出讓、技術關聯與產業進入動態[J]. 經濟地理， 2022，42（5）：144-155.

[20] 李治， 連玉君， 李培， 等. “圈層”結構、時空差異與能源強度——以十大城市群為例[J]. 城市發展研究， 2015，22（1）：56-65.

[21] 李治， 郭菊娥， 李培. 中國城市群“圈層”結構對能源強度影響實證[J]. 中國人口·資源與環境， 2014，24（11）：26-32.

[22] ELHORST J P， FRERET S. Evidence of political yardstick competition in France using a two-regime spatial Durbin model with fixed effects[J]. Journal of Regional Science， 2009，49（5）：931-951.

[23] 韓曉祎， 蔡爭爭， 朱艷麗. 門檻空間動態面板模型的貝葉斯估計及其應用研究[J]. 數量經濟技術經濟研究， 2021，38（10）：148-166.

[24] 阿林·楊格，賈根良. 報酬遞增與經濟進步[J]. 經濟社會體制比較， 1996，12（2）：52-57.

[25] 白俊紅， 蔣伏心. 協同創新、空間關聯與區域創新績效[J]. 經濟研究， 2015，50（7）：174-187.

（責任編輯：陳 井）

Circling-layering Economy of Urban Agglomeration，

Co-innovation and Industrial Upgrading

Chen Congbo¹， Ye Azhong²， Lin Zhuang²

（1. School of Business Administration Anhui University of Finance and Economics， Bengbu 233030， China;

2. School of Economics and Management， Fuzhou University， Fuzhou 350108， China）

Abstract：China urgently needs to achieve economic transformation through innovation-driven industrial upgrading to stand out in global competition and lead a new round of industrial reform. China's industrial upgrading involves the largest population and the most comprehensive industrial structure， but the industrial upgrading presents a significant spatial imbalance. The industrial structure of peripheral cities is weak， and the collaborative ability of innovation subjects within cities is insufficient. With the construction of high-speed railway infrastructure， spatial knowledge spillover has become a catalyst for industrial upgrading. The imbalance of industrial upgrading between peripheral cities and central cities can be remedied by spatial knowledge spillover. Therefore， it is necessary to study the spatial spillover effect of co-innovation on industrial upgrading under the circle structure.

Academics generally believe that innovation is the driving force for industrial upgrading on the premise that the technological progress direction selected by independent innovation and learning activities is consistent with the regional conditions， and the regional industrial upgrading and economic development can be effectively promoted. Meanwhile when technological progress is inconsistent with regional conditions， the increase in the number of innovative achievements can not match the effect of industrial upgrading. In terms of spatial spillovers driving industrial upgrading in neighboring regions， existing studies mainly focus on the impact of industrial transfer and spatial knowledge spillovers on industrial upgrading. As for the spatial impact of industrial transfer， domestic scholars use the “flying-geese model" to explain the industrial transfer and upgrading from developed regions to less developed regions. Some scholars also hold a critical attitude towards the "flying-geese model"， for there are still some improvements. First， it has failed to deeply analyze the differences between the spatial spillover effects of co-innovation of heterogeneous cities on industrial upgrading. For the central cities with the status of “leader goose" and a large number of peripheral cities， the urban heterogeneity of the spatial effects of co-innovation on industrial upgrading remains to be found; second， the dynamic impact of co-innovation space spillover on industrial upgrading is not considered; third， the empirical method mostly adopts a linear spatial model. If the linear assumption of spatial dependency is relaxed， the model setting should be more realistic to obtain more accurate estimation results. Therefore， this paper studies the spatial-temporal effect and urban heterogeneity of industrial upgrading of co-innovation between central cities and peripheral cities in the urban agglomeration circling structure， and then explores why industrial upgrading of central cities is in a dominant position in the circling structure. In terms of demonstration， the dynamic threshold spatial Dubin model is applied for the first time to test the spatial spillover of the co-innovation of the center and peripheral cities on industrial upgrading.

This paper constructs an asymmetric spatial weight matrix based on the Yangtze River Delta Economic Zone panel data from 2009 to 2019 to characterize the spatial relationships of circling-layering economy， and then builds a semi-parametric two-mechanism dynamic spatial Durbin model to investigate the spatial and temporal effects of co-innovation on industrial upgrading and its urban heterogeneity. The findings are as follows： （1） the Yangtze River Delta Economic Zone industrial upgrading has significant dynamic and spatial correlation， and the spatial and temporal effects of co-innovation of neighboring cities on industrial upgrading cannot be ignored; （2） cooperative patents of central and peripheral cities can promote the industrial upgrading of neighboring cities in short and long run while the government funding of co-innovation by central cities is disadvantageous to the industrial upgrading of peripheral cities in long run; （3） the current effect of co-innovation on industrial upgrading of local cities shows a marginal decreasing trend， and the reason for maintaining the advantage of industrial upgrading of central cities is more likely to come from the spatial spillover of co-innovation from neighboring cities to central cities， rather than the advantages of the central city's own co-innovation. The results are helpful to understand the spatial and temporal effects of co-innovation on industrial upgrading and to promote the integrated development of innovation between central and peripheral cities， and provide practical significance to realize the industrial upgrading of urban agglomerations as a whole.

Key Words：Circling-layering Economy; Co-innovation; Industrial Upgrading; Semi-parametric Two-mechanism Dynamic Spatial Durbin Model