跨行政區域創新合作能否促進產業價值捕獲？

中圖分類號：F124.3 文獻標識碼：A文章編號：1007-5097（2025）05-0047-12

Can Cross-Administrative-Region Innovation and Cooperation Promote theCaptureofIndustrialValue？

HAO Zheng，NI Liangxin，PANLin

'artySchoolofnuirovcialCommeeofthCommuistartyofina（AnhuiAcademyofovernance）Hefei30o9，ina）

Abstract：Cross-administrative-regioninovationandcoperationinjectsvitalityintocapturingthevalueofhigh-tech industries.Basedondatafrom41citiesintheYangtzeRiverDeltafrom2013to2O22，thisarticleemployssocialnetwork analysis （SNA）and fuzzy-setqualitativecomparativeanalysis （FsQCA）to studythecharacteristicsof knowledge flow in high-tech innovationandcooperation networksandthe mechanism of their impacton theindustrialvalue capture. According totheresearch findings，thescaleof knowledgeflowininnovationandcooperationnetworkscontinues to expand，withthecooperationrelationshipsevolving fromconcentration todispersion.Cross-administrative-region innovationandcooperationcanenhance the value capture of high-tech industries incities.The cooperation network's nodeatributeefectandenvironmentalsupportefectsynergisticallydrivethecaptureofindustrialvalue，andthree regional innovationandcooperationpathscan enhancethe high-tech industrial valuecapturecapabilityof somecities in Anhui Province.Based on this，policy recommendationsare proposed inareas such asstrategic synergy，resource synergy， highland co-construction，and mechanism reconstruction.

Key words：innovation and cooperation network; knowledge flow; value capture; high-tech industry

一、引言

黨的二十屆三中全會對完善實施區域協調發展作出了重要部署，要求“構建跨行政區合作發展新機制”，同時將教育、科技、人才工作擺在了更加突出的位置，要求“統籌推進教育科技人才體制機制一體改革”，為創新效能提供制度支撐。2023年11月，習近平總書記在上海主持召開深入推進長三角一體化發展座談會時強調，要\"統籌龍頭帶動和各揚所長”?？梢?，因地制宜推動跨行政區合作成為深化區域協調發展的重點。以往研究表明，創新要素的空間匯聚對提升區域創新能力作用顯著[2]，此外，政府行為塑造的制度環境，對地區創新產出也有深刻影響[3。作為創新活動的主要空間載體，城市既是創新聯系的空間集聚區，又是不斷擴張的知識傳播節點，城市之間活躍的創新聯系已成為驅動產業價值實現的重要引擎[4]。隨著創新驅動發展戰略的深人推進，區域層面的創新投入逐漸密集部署于由城市群組成的跨行政區域[5]。但這種知識集中的模式也引發了創新資源和政策支持的稀缺現象[，城市間正在形成一種以合作競爭為特征的\"創新合作網絡聯合體”，節點城市便成為區域創新合作的有效分析單元7。

產業價值捕獲理論由Cohen和Levinthal（1990）[8]提出。該理論認為，區域創新合作的動力源于產業層面對吸收、使用新知識的需求，是為了將流動的新知識捕獲在具體產業上，從而把知識轉化為收益。由此可見，城市間創新聯系有助于產業價值捕獲的實現。長三角區域歷經長期發展，一體化程度和區域創新環境的整體發展水平較高，特別是上升為國家戰略以來，高新技術產業體系不斷完善，城市間的相互聯系與協同互動趨勢顯著，但創新合作網絡的內生屬性與外部環境存在較大差異，創新鏈與產業鏈的融合路徑也不盡相同[5，導致城市間在產業價值捕獲績效和機制方面存在一定差異，因此，作為研究樣本具有較強代表性。

基于以上分析，本文以長三角地區41個城市為研究對象，基于城市間創新合作的復雜系統特征，采用社會網絡分析與定性比較分析相結合的方法，跨時空刻畫區域創新合作網絡的知識流動特征，探討節點城市的網絡內生屬性與教育、科技、人才體制機制等外部環境協同促進產業價值捕獲的作用機制，并據此討論安徽省如何立足現有創新資源，“揚皖所長\"將“政策加法”做成“實踐乘法”

二、文獻綜述

隨著知識更新速度的加快和創新資源的多樣化與分散化，區域合作創新系統對產業價值捕獲的影響正成為學界的關注熱點[9。由于創新的產業集群化現象愈發明顯，學界對“創新系統”10]的關注正逐步聚焦于產品創新系統、產業創新系統、區域創新系統等系統維度[]?，F有研究主要基于以下兩種視角對產業價值捕獲能力進行界定。一方面，主體視角的相關研究認為，產業價值捕獲能力的核心是對新技術吸收、識別及應用的能力[12]；另一方面，結果視角的相關研究認為，產業集聚、勞動力流動等市場表現能夠直接反映產業價值捕獲能力6。近年來，學者們從不同維度拓展了創新合作網絡與產業價值之間的傳導機制，對知識流動作用的認識逐步加深。Content和Frenken（2016）[]研究發現，區域產業價值捕獲依賴持續演進的動態系統，其中，知識鏈接的日益豐富和新興活動的逐漸涌現成為核心動力。鄭江淮和冉征（2021）[2]認為，區域產業價值捕獲通常是由該地區技術活動組合帶來的知識結構變化驅動，技術多樣化是實現產業價值捕獲的重要動力。此外，還有學者指出，在教育、科技、人才等創新基礎設施的一體化建設中，教育是孕育知識的土壤、科技是固化知識的載體、人才是轉化知識的動力，三者協同為區域產業價值捕獲提供制度保障[13-14]。借鑒上述研究，本文認為，區域創新合作網絡的產業價值捕獲是區域利益再分配、再平衡的過程，不僅需要發揮合作城市的比較優勢，還需要區域層面的制度設計。這一過程的實現，既需要創新合作系統的知識流動，又需要節點城市消化吸收機制的構建，進而暢通“知識—技術—產業\"轉化鏈條，將流動的知識固化在產業價值層面上。

綜上分析，現有研究深入揭示了區域創新合作網絡的知識流動、演進形態及其對產業價值的影響，但對不同主體在創新合作網絡中所扮演的角色以及由此引致的產業價值捕獲效應有待深入探討。此外，鮮有學者將網絡節點的多維屬性結合起來，系統性發掘內外部環境的協同作用。本文的邊際貢獻在于： ① 回應改革要求。根據黨的二十屆三中全會對全面深化改革的最新部署，遵循改革載體與研究本體相一致的原則，聚焦因地制宜的政策實效，在考察長三角區域創新合作整體規律的基礎上，發掘安徽省“揚皖所長”優化創新合作機制的現實基礎。 ② 體現階段特征。專門針對能夠揭示區域產業轉型質量的高新技術產業進行探討，旨在回應區域發展的階段性趨向。 ③ 提供研究新思路?；趶碗s系統觀，構建區域創新合作網絡知識流動指征體系，為研究創新合作協同提升產業價值提供新的視角和思路

三、理論框架與研究假設

（一）跨行政區域創新合作網絡：復雜系統視角

當前，知識流動正不斷超越創新資源的地理限制，呈現多時空交互的復雜性特征，創新模式也逐步由封閉型向開放型轉變，由線性結構向復雜網絡結構演進[10]，伴隨著大量適應性主體間的互動反饋，傳統的經濟學分析工具和手段受到一定制約[15-19]。汪壽陽等（2021）[20]對創新管理的復雜系統理論和方法進行了拓展，認為合作對象間相互聯系、高度互動、相互競合與彼此適應，會通過不斷調試選擇合適路徑，自發尋求多元方案而非最優均衡，最終形成多種生態系統。在復雜系統視角下，府際創新合作網絡實質上是一種社會空間的復雜價值網絡（Net-workofValue），知識的底層結構與其流動過程被視為解析區域產業價值增加的關鍵因素[21-22]。作為系統理論的前沿分支，跨行政區域創新合作網絡是指社會行動者之間關系的集合，可以抽象理解為由點、線組合而成的集合，點指行動者，線指行動者之間通過互動而形成的關系，這種由合作關系而形成的網絡被稱為社會網絡[23]。因此，復雜系統為理解區域創新合作網絡及其表現的內在機制提供了全面的分析視角，而社會網絡分析方法為利用網絡數據研究復雜系統績效提供了具體方法[21]

復雜系統視角下的區域創新合作網絡強調府際創新主體間的內部互動及其與外部環境的耦合關系[20]，兼顧“一體化\"和\"高質量\"兩個關鍵變量，是全面貫徹落實新發展理念，提升區域產業價值的重要載體，具有知識重組與要素流動的雙重特征?？缧姓^域創新合作網絡的高效運轉需要依賴環境層面的要素暢通與合作網絡內部的知識流動。環境層面的要素暢通能夠優化知識流動所需的教育科技人才等基礎設施。基于復雜系統視角，本文將區域創新合作網絡界定為節點屬性功能與外部環境支撐共同構成的系統，如圖1所示。

（二）區域創新合作網絡要素功能及其產業價值捕獲效應

作為復雜自適應系統，區域創新合作網絡具有共生和涌現的特征，推動其價值涌現的動力來自系統要素間的耦合關聯[。知識經濟的典型特征是開放性、不完整性和分散性，一個地區不可能掌握價值實現所需的全部要素，外部聯系增加了新技術或新知識進入該系統的可能性[24-25]。由于顯性知識與隱性知識的區別，創新合作網絡在不同空間尺度上對產業價值捕獲的影響呈現顯著差異[26]。非本地知識的獲取與本地知識的創造在交互作用中推動價值實現，特別是那些具備較強競爭力的知識整合型企業，其可以通過整合整個區域的知識來促進創新[12]。國內外學者主要采用合作網絡中的度中心性、中介中心性、接近中心性、聚類系數等指標測度區域創新合作網絡的知識流動指征和創新要素功能[19]。Crespo等（2014）[27]深入探討了本地知識網絡的結構特性，揭示了這些屬性對增強區域競爭力所起的作用。此外，作為外部環境支撐的教育、科技、人才一體化高效循環機制，可以為區域創新合作網絡的協調平衡演進提供堅實支撐[14]。具體而言，各系統要素主要通過以下效應來促進節點城市的產業價值捕獲，如圖2所示。

1.本地效應

度中心性衡量的是網絡節點間的直接聯系數量，在區域創新合作網絡中發揮本地效應[17]。它不僅可以反映節點在局部范圍內的中心地位，還可以揭示節點在網絡中的嵌入程度。度中心性高的節點，可以對合作節點產生較大影響，而網絡嵌入能力，可以通過促進產業多樣化來提升本地產業價值[18]。根據\"核心-邊緣\"理論，區域一體化會逐漸釋放本地市場效應，縮小行政區域之間的地緣差距，這一變化導致弱勢區域面臨更大的競爭壓力，從而倒逼其提升創新能力[28]。此外，本地企業可以利用本土規模作為與域外技術合作的籌碼，采用研發聯盟、共享市場等方式，充分汲取技術外溢紅利，獲得內生性創新能力[12]。

2.吸附效應

中介中心性衡量的是節點在網絡中沿最短路徑到達其他節點的能力，在區域創新合作網絡中發揮吸附效應。具體來說，高中介中心性的節點通常位于多個最短路徑上，其在網絡中扮演著重要的“橋梁”角色，能夠控制和吸附近鄰地區的信息、資源和知識[29]，因而，更容易將各類創新要素匯聚至本地產業領域。Breschi等（2017）[30]的研究揭示了處于創新合作網絡信息樞紐位置上的節點對于本地跨行業創新活動的吸附作用，即通過加強與非本地發明主導的上下游合作進行創新鏈接，可以有效匯聚各類創新要素，以此促進本地產業價值捕獲能力的提升。

3.擴散效應

接近中心性源于圖論中的最短路徑理論，用于量化一個節點到其他所有節點的平均距離，在區域創新合作網絡中發揮擴散效應。具體而言，一個節點的接近中心性值越高，表明它到其他節點的平均距離越短，從而可以對周邊強勢區域的產業虹吸進行有效對抗，并將部分創新資源擴散出來[17-18]。陸遠權等（2023）[31研究發現，強勢地區往往會出于自身利潤的考量而限制合作的深度和廣度，邊緣地區通過合作獲得技術支持后，要具備從合作對象處擴散資源的能力，才能保障本地產業價值的持續提升。

4.互補效應

聚類系數是指網絡中節點與鄰居節點之間的緊密性，在區域創新合作網絡中發揮互補效應。較高的聚類系數能夠反映行動者之間具有相對穩定緊密的知識交流關系[17-18]，而這正是破除行政壁壘，實現產業優勢互補的關鍵因素[12]。以往研究表明，互補效應主要通過不同創新主體間穩定的創新合作關系來實現，有助于緩解企業創新資源不足，分散研發風險，并增強創新能力6。在創新合作網絡中關系緊密的創新主體間更容易實現創新資源共享[28]

5.基礎保障作用

教育資源是科技創新與人才培養的土壤，是區域創新合作網絡產業價值實現的基礎保障。薛瀾等（2019）[32]認為，教育、科技、人才均是固化知識的載體形態，也是三者能夠一體化協同的底層邏輯，高質量的教育資源可以通過創造隱性知識、輸出人力資本、轉讓技術和專有技術以及拉動本地需求等多種途徑助力區域創新產出。世界科學中心的歷次轉移，也始終伴隨著科學活動和教育活動的同頻共振，充分說明了教育資源與城市共生、產業轉型的同頻性。這是知識社會發展的必然，也是新經濟時代依然存在的規律[13]。

6.牽引效應

科技資源的合理配置可以有效發揮對區域創新合作產出的牽引力。例如，地方政府通過設定市場準人和退出門檻等經濟和行政手段引導科技資源配置，牽引企業將資源投向符合高質量發展目標的創新領域[24]。產業引導資金、行業性財政獎補資金及稅收優惠政策等地方政府發展偏好對企業創新和其他市場參與者的投資行為也會產生深刻影響[33]。韓愛華等（2023）[34]的研究表明，發揮好科技資源配置過程中的產學研協同作用，可以有效提高資金轉移和知識轉化效率，加速科技資源空間優化并擴大其影響范圍。

7.主體效應

人才是區域創新合作網絡產業價值捕獲的主體，Morais等（2013）[35]認為，在知識經濟時代，城市吸引人力資本意味著吸引企業和投資，從而有效調動外部資源來解決自身問題。有研究指出，區域產業價值創造最終體現的是創新人力資本的提升[36]。

基于以上分析，本文提出區域創新合作網絡能夠促進產業價值捕獲的研究假設。通過構建復雜系統模型，分析區域創新合作網絡協同影響產業價值捕獲的內在機制，如圖3所示。

四、研究設計

（一）樣本和數據說明

基于以上分析，本文選取2013一2022年長三角地區41個城市作為研究樣本，將社會網絡分析方法（SNA）和模糊集定性比較分析方法（FsQCA）相結合，分析教育科技人才一體化協同背景下長三角地區41個城市高技術產業創新合作網絡整體層面的知識流動特征和節點層面產業價值捕獲的多元路徑及復雜因果機制。

參照以往研究，專利被視為衡量知識與技術發展的關鍵指標，特別是發明專利，在三種專利類型中創新價值最為顯著，常用于評估區域創新能力，具有較強的代表性。而合作申請專利是創新合作者之間建立聯系的主要行為方式，能夠衡量合作者之間的知識交流與協作程度[16]。本文所分析的發明專利數據主要來源于國家知識產權局的專利查詢網站。由于我國專利從申請到公開授權的過程最長可達18個月，考慮數據的可獲得性和一致性，本文選取了2013—2022年的數據進行分析。為界定高技術產業（制造業）的統計范圍，依據《國民經濟行業分類（GB/T4754-2017）》和《國際專利分類與國民經濟行業分類參照關系表（2018）》，對國民經濟行業分類中符合高技術產業（制造業）范疇的數據進行再分類，最終篩選出用于本研究的高技術產業國際專利代碼（IPC）。通過搜集以長三角地區41個城市為申請地址的具有兩個及以上申請人的高技術產業專利對合作申請專利進行篩選（由于申請人為個人的情況下無法判定其地址，因此剔除），最終篩選出涉及長三角地區41個城市為申請地址的高技術產業發明專利共計766018項。長三角地區41個城市的其他相關數據分別來源于歷年《中國城市統計年鑒》《中國火炬統計年鑒》各省市統計公報、EPS數據庫、中經網統計數據庫等。

在區域創新合作網絡知識流動整體特征分析方面，參照現有研究[16]，根據分析維度使用2013—2022年區域高技術產業創新合作專利相關截面或區間數據。在區域創新合作網絡對產業價值捕獲的組態分析數據選取方面，參照現有研究[16-18.25]，對結果變量進行滯后一期處理，選取長三角地區41個城市2023年度產業價值捕獲相關數據，條件變量選取2013—2022年區域高技術產業創新合作累積專利數據。

（二）變量選取

1.被解釋變量：產業價值捕獲（Cap）

參考現有研究，基于產業價值捕獲的基礎性、發展性、持續性和貢獻性特征[32.37]，構建產業價值捕獲評價指標體系，并通過熵權法確定權重得到長三角地區41個城市的產業價值捕獲指數，具體見表1所列。

2.網絡整體特征變量：區域創新合作網絡指征

參考現有文獻[16.25]，本文使用網絡規模、聯系強度、聚類系數、平均路徑、網絡效率以及知識流動的出入度對區域創新合作網絡整體格局、協同效率和知識流向進行分析。 ① 整體格局分析?；陂L三角區域2013—2022年城市間高技術創新合作數據，刻畫區域創新合作網絡知識流動的空間聯系和網絡形態的變化趨勢。 ② 協同效率分析?；陂L三角區域2013一2022年各年份創新合作網絡知識流動的網絡效率變化指標，刻畫城市間信息傳播的效率變化趨勢。 ③ 知識流向分析?；陂L三角區域2013—2022年城市間高技術創新合作網絡知識流動的出入度指標，評估區域創新合作網絡節點城市的知識流動方向。指標含義及說明具體見表2所列（上述指標均由UCINET軟件測量，測算方式略）。

3.條件變量：區域創新合作網絡節點指征

參考現有文獻[16.25]，本文使用4個常用指標對區域創新合作網絡節點城市的知識流動指征進行測度，同時構建由教育、科技、人才指標共同構成的創新合作網絡節點環境指標體系，并通過熵權法確定權重。指標含義及說明具體見表3所列。

度中心性（Dcentr）計算公式為：

其中， 表示節點城市 i 與 j 之間合作申請專利數量。

中介中心性（Bcentr）計算公式為：

其中：計算城市 i 的中介中心性首先需要確定同時與城市 i 合作申請專利的任意兩個城市 c 和 d 表示節點城市 到 d 的最短路徑中通過城市 i 的數量； σ （ c ， d ） 表示從節點城市 c 到 d 的最短

路徑數量。

接近中心性（Ccentr）計算公式為：

其中， d i s t（ i ， j ） 是節點城市 i 到 j 的最短路徑長度。

聚類系數（Ccoeffi）計算公式為：

其中： 是節點城市 i 的鄰居節點間實際存在的邊的數量（即通過節點 i 形成三角聯系的數量）； 是節點城市 i 的度，即連接節點 i 的邊的數量與節點 i 的所有鄰居之間可能形成的最大邊數的乘積。

五、實證分析和檢驗

（一）區域創新合作網絡知識流動整體特征

1.區域創新合作網絡知識流動的空間格局演變

為全面了解長三角區域創新合作網絡知識流動的動態演變過程，本文將研究區間劃分為第一階段（2013—2016年）、第二階段（2017—2018年）和第三階段（2019—2022年）。為直觀展示知識流動的空間格局，本文基于2018—2022年城市間創新合作專利數據，以城市為空間尺度，運用Gephi軟件繪制區域創新合作知識流動網絡拓撲結構圖，如圖4所示。此外，使用UCINET軟件對2013—2022年間不同階段的整體網絡拓撲結構指標進行測量，結果見表4所列。

由表4可以看出，長三角城市群創新聯系的空間格局發生顯著改變： ① 創新合作網絡規模持續增長，創新合作主體數量從第一階段的171個增長至第三階段的935個。 ② 網絡的聯系強度從第一階段的523對增加至第三階段的11875對，合作聯系日趨緊密。 ③ 網絡整體聚類系數先增加后下降，說明合作主體之間的合作關系呈現先集聚后分散的特性，創新合作網絡經歷了從集聚到分散的演變過程。

2.區域創新合作網絡知識流動的出人度結構特征

如圖5所示，通過對第三階段知識流動出入度的測算發現，在區域高技術產業創新合作中整體表現為虹吸效應（技術溢入的城市主要有合肥、無錫、南京、湖州、衢州、紹興等地。整體表現為技術溢出的城市主要有上海、蕪湖、杭州、徐州、揚州等。需要說明的是，綜合考慮合作專利的申請次序和城市網絡地位，安徽省的銅陵、蚌埠、安慶、黃山、亳州、宣城、阜陽、宿州、六安等地的技術溢出表現說明其處于合作依附地位，即在區域創新合作中存在創新資源外流的狀況。

（二）區域創新合作網絡要素對產業價值捕獲的協同影響

本文分別分析了產生高產業價值捕獲和非高產業價值捕獲的路徑。參考已有研究[17-18]，將案例頻數閾值設定為1，原始一致性閾值設定為0.80，并將PRI一致性閾值設置為0.70。對反事實分析進行假設時，本文選擇“存在或缺席”，不作任何人為的反事實設定。

1.樣本和數據

以長三角地區41個城市為研究樣本，基于前文區域創新合作網絡和產業價值捕獲的評價指標，根據分析維度使用2013一2022年區域高技術產業創新合作專利相關截面或區間數據。

2.變量測度和校準

（1）結果變量：產業價值捕獲（Cap）。參考現有研究[16-18.25]，采用滯后一期的數據，即根據表1構建的指標體系，采用熵權法對2023年長三角地區41個城市的產業價值捕獲指數進行測度。

（2）條件變量。使用表3中所列的度中心性（Dcentr）、中介中心性（Bcentr）、接近中心性（Ccentr）聚類系數（Ccoeffi）4個網絡節點指標對區域創新合作網絡節點城市的知識流動指征進行測度，選取2013—2022年區域高技術產業創新合作的累積專利數據，具體見式（1）一式（4）。同時使用2013一2022年相關數據對各城市教育資源（Eduen）、科技資源（Tecen）、人才資源（Talen）三個指標進行測算，見表3所列。

（3）變量校準。參考現有研究[18]，本文采用直接校準法，將區域創新合作網絡各變量的上四分位數（ 90 % ）、中位數（ 5 0 % ）、下四分位數（ 10 % ））進行隸屬度標準檢驗，為避免案例隸屬度為0.50的組態歸屬問題，將0.50隸屬度加上0.001常數。各變量錨點的校準結果及描述性統計具體見表5所列。

3.必要性分析

在QCA方法中，單因素必要條件檢測是組態分析的前提。一致性指標超過0.90的前因條件被視為必要條件[17]。由于本文將PRI一致性閾值設置為0.70，說明樣本中產業價值捕獲指數排名在前30 % 的為高產業價值表現樣本。FsQCA的必要性分析結果見表6所列。可以看出，除中介中心性（Bcentr）要素指征以外，其他前因條件的一致性水平均小于 。表明節點城市的高中介中心性（Bcentr）是高產業價值捕獲的必要條件，而其他單個的區域創新合作網絡要素對高、非高產業價值捕獲的必要性普遍較低。

結果表明，節點城市在區域創新合作網絡中的高中介中心性表現，能夠普遍促進本地產業價值捕獲。在產業價值捕獲表現方面，處于高技術產業創新合作中介中心性前9名的城市如圖6所示，安徽省的合肥市、馬鞍山市位列其中。需要指出的是，本文以高技術產業創新合作和價值捕獲為研究對象進行分析，僅能反映高技術產業相關創新活動在城市間的聯系和產出。對區域創新合作網絡的全面認識，還有待基于府際科技合作、科技人員流動（如博士就業、研究機構人員調動）合作投資等多維度進行分析。比如，上海市的高技術產業價值捕獲的表現僅在長三角地區41個城市中排名第五，通過對專利分類和高技術產業統計口徑的分析發現，這是由于其創新資源更多被配置到戰略性新興產業、未來產業等更高能級的產業中。

4.條件組態充分性分析區域創新合作網絡高技術產業價值捕獲的路徑分析見表7所列，案例城市及安徽省城市分布見表8所列。

（1）導致高產業價值捕獲的區域創新合作路徑。導致高產業價值捕獲的區域創新合作路徑分析見表7中的 列。根據產業價值捕獲的單因素必要性分析結果（見表6所列），節點城市的中介中心性（Bcentr）是高產業價值捕獲的普遍條件，在條件組態充分性分析結果中（見表7所列）反映為中介中心性作為邊緣條件存在于各路徑中。本文基于“區域創新合作網絡的知識流動特征\"和“教育-科技-人才\"資源支撐內外協同的原則，兼顧路徑的系統性特征和每條路徑的獨特外部環境，對路徑進行命名并結合典型案例的定性資料作進一步分析。同時，按照黨的二十屆三中全會“教育科技人才體制機制一體改革\"要求，將教育、科技、人才資源的作用作為優先命名依據。

科技資源突出的壁壘突破式路徑。路徑 的核心條件是科技資源以及與合作城市的資源互補能力，兩者起共同主導作用。安徽省的合肥市、馬鞍山市、淮北市位列其中，長三角地區其他典型城市有杭州市、南京市、嘉興市、紹興市等地。例如，近年來，淮北市利用自身在能源、化工等領域的產業優勢，積極引進長三角地區的新能源、新材料等高新技術產業項目，以共建技術創新聯盟等方式吸引更多企業投資興業，促進科技成果轉化和應用。2024年第一季度的數據顯示，其規模以上高新技術產業增加值增速達到了2 4 . 2 % ，在安徽省排名位居第一，超過了全省平均增速13.1個百分點。

科技資源支撐的要素集聚式路徑。路徑 的核心條件是科技資源以及度中心性的本地效應，兩者協同可以揚長避短，有效彌補人才和教育資源的欠缺。安徽省的滁州市位列其中，長三角地區其他典型城市有南通市和衢州市。根據測算數據，此類城市在高等教育資源及人才方面與第一梯隊相比仍有差距，但有力的科技資源支撐與網絡地位帶來的產業多樣化能力產生的協同作用可以有效彌補教育資源和人力資本方面的稟賦不足。例如，近年來，滁州市通過實施“制造強市”戰略，推動要素聚集、抱團創新，加快構建以先進制造業為骨干的現代化產業體系。截至2023年底，全市高新技術企業數達1353家，備案科技型中小企業2109家，均居全省第三。同時，其在科技資源支撐方面主動挖潛，通過實施“雙倍增兩清零\"行動，推動125家億元以上無研發活動企業、38家5億元以上無研發機構企業完成“兩清零”任務。

教育資源突出的龍頭配套式路徑。路徑 的核心條件是教育資源以及城市自身的擴散效應和互補效應。此外，其他發展條件也較為齊全，可以保障城市在區域創新合作中保持較高的獨立性，在實現產業優勢互補的同時能夠有效對抗強勢區域產業虹吸，實現產業持續穩定升級。安徽省的蕪湖市位列其中，長三角地區其他典型城市有上海市、寧波市、鎮江市、蘇州市、無錫市等地。例如，蕪湖市積極引進長三角地區的高端人才和團隊，通過政策扶持和良好的創新創業環境，吸引優秀人才落戶，為高新技術產業發展提供強有力的智力支持。此外，充分發揮自身在汽車制造、新材料、電子信息等高新技術產業領域優勢，通過產業鏈上下游的協同創新和資源整合，推動本地企業技術水平提升和產品結構優化。截至2023年底，高技術產業中汽車產業增加值占工業總增加值的比例達 2 7 % ，較之前提升了4.5個百分點。同時，成功吸引了包括10家整車制造企業在內的814家覆蓋“整車一零部件一后市場\"的規模以上企業集聚。

（2）導致非高產業價值捕獲的區域創新合作路徑?？紤]因果非對稱性以及處于區域創新合作網絡邊緣地帶的案例，本文對產生產業價值捕獲的區域創新合作路徑展開分析，結果見表7、表8所列，根據核心驅動因素、核心缺失要素及優先命名原則，共有以下兩種路徑： 為資源支撐不足的合作匱乏型路徑，安徽省典型城市有阜陽、六安、亳州、安慶、宿州五市； 為“教育-科技\"資源薄弱的合作邊緣型路徑，如安徽省的池州市。分析結果表明，在路徑 中，當科技、人才資源同時缺乏，且本地效應無法有效發揮時，區域創新合作帶來的吸附效應和互補效應難以協同實現產業價值捕獲的目標。在路徑 中，當教育、科技資源薄弱且區域創新合作網絡本地效應缺乏時，資源互補能力和輔助條件對產業價值捕獲的影響不顯著。

5.穩健性檢驗

在執行FsQCA程序時，若變換不同操作得到的結果之間存在子集合的關系，且不會改變研究結論，結果被視為穩健的[17-18]。本文對產生兩種產業價值捕獲表現結果的區域創新合作路徑（組態）進行了穩健性檢驗： ① 將案例頻數閾值從1提升至2，所得的6個組態與現有組態中的5個解大致相同。② 將PRI的一致性標準由0.70上調至0.80，所得組態與現有組態保持一致。這表明本文結果具有較高穩健性。

六、研究結論與建議

（一）研究結論

從區域創新合作網絡知識流動整體特征來看：合作網絡規模持續擴大，聯系強度日趨緊密，但合作關系呈現集聚到分散的演變趨勢，處于邊緣地帶的城市普遍存在知識外流狀況。從價值捕獲路徑來看：跨行政區域創新合作可以促進城市的高技術產業價值捕獲；合作網絡的節點屬性效應和環境支撐效應協同驅動產業價值捕獲，其中，中介中心性的吸附效應對產業價值捕獲具有普遍促進作用；不同節點屬性和環境支撐影響產業價值捕獲的效果因地而異。對安徽省來說，有三種區域創新合作路徑可以提升部分城市的高技術產業價值捕獲，同時，部分城市表現出兩種制約產業價值捕獲的模式。

（二）建議

基于上述研究結論，本文提出以下提升產業價值捕獲能力的政策建議：

第一，戰略協同，構建破除壁壘的跨行政區域創新合作新機制。在區域創新合作中實現自身產業價值提升，是區域利益再分配、再平衡的過程，不僅需要發揮自身比較優勢，更需要區域層面的頂層設計，優化調整創新要素的空間布局。 ① 在能力層面上，構建地區間的產業價值補償機制。針對因功能定位差異而出現利益分配不平衡的地區，如承擔生態功能的城市，或者分工處于生產制造等價值鏈低端環節并承擔更多環境治理責任的城市，可通過區域層面的縱向財政轉移支付和府際橫向財政轉移支付，建立具有補償功能的創新合作產出分配平衡機制，激勵相應地區積極參與區域分工體系。 ② 在財力層面上，要減少區域整體層面的分散性或者重復性投資，避免各地區因“稅源”之爭而影響創新“協同”。 ③ 在產業層面上，鼓勵高新技術領域不同創新主體建立跨行政區域合作關系，高效整合互補性、異質性創新資源，提高資源利用效率。

第二，要素協同，構建有利于創新要素跨區域匯聚的新環境。長三角一體化發展戰略是該區域創新合作的重要政策背景和現實驅動力，協同增長的根本目的是要在區域整體增長最大化前提下推動每一個地區的增長，這就需要構建一個創新要素跨區域統籌利用的新機制，用以矯正產業價值增長過程中的“循環累積效應\"和創新合作網絡核心城市對邊緣城市的“虹吸效應”，促進每一類地區都能相對平等地獲得合作回報，保持合作獨立性。 ① 改進區域之間的連接性，減少政策性壁壘，促進勞動力、資本、產品、技術等要素在區域之間自由流動。② 發揮科技孵化器、技術經紀人等科技服務中介的“技術守門員\"作用，將外部創新資源和要素融人本地創新環境中。 ③ 按照區域總體戰略布局，利用財政補貼、資金資助、人才薈萃等差異化政策工具，調整創新要素的空間收益，引導優質要素向區域合作邊緣地帶流動。

第三，高地共建，構建相互輻射、相互促進的區域創新合作新格局。區域內城市間的空間差異性是相互輻射、相互促進的前提，鑒于此，需要建立有效的創新合作分工機制，引導各地挖掘自身優勢條件，形成新的比較優勢。 ① 通過設立區域創新聯盟或簽訂合作框架協議等跨行政區域的合作機制，確保各方利益。 ② 建設區域性的科技園區、孵化器、創新中心等平臺，為雙方合作提供物理空間和技術支持。 ③ 鼓勵人才由中心城市向邊緣城市流動，通過人才交流、聯合培訓等方式增強科技人才的合作與共享。總之，區域創新合作網絡核心城市要發揮科技創新資源的集聚優勢，共同提升原始創新能力，邊緣城市應注重在創新合作中培育技術持續增長的內生動力，避免在合作中出現技術鎖定。

第四，機制重構，形成教育科技人才體制機制一體化新合力。按照黨的二十屆三中全會作出的戰略部署，深入探索教育科技人才一體化協同的新機制。 ① 探索適應教育、科技、人才要素跨域整合的“反向飛地\"空間供給范式。以往的“正向飛地”模式多為核心城市的創新要素向邊緣城市的梯度轉移，邊緣城市多處于被動承接地位，為放大“飛地\"合作模式對弱勢地區的正向效應，安徽省創新合作邊緣城市可以主動匹配，取長補短，通過在具有相對優勢地位的城市中建立產業合作園區等方式，補齊自身短板，實現教育科技人才資源的有效整合。 ② 通過有效利用國家實驗室、博士后流動站和專業培訓基地等平臺載體，加強城市間教育科技人才一體化協同，優化資源配置效率。

參考文獻：

[1侯永志，張永生，劉培林.新時代關于區域協調發展的再思考[M].北京：中國發展出版社，2019.

[2]李蘭冰.中國區域協調發展的邏輯框架與理論解釋[J].經濟學動態，2020（1）：69-82.

[3]呂拉昌，趙彩云.中國城市創新地理研究述評與展望[J].經濟地理，2021，41（3）：16-27.

[4]馬海濤，徐楦枋，江凱樂.中國城市群技術知識多中心性演化特征及創新效應[J].地理學報，2023，78（2）：273-292.

[5]洪銀興，王振，曾剛，等.長三角一體化新趨勢[J].上海經濟，2018（3）：122-148.

[6]高嘉慧，孫少龍，汪壽陽.知識關系、知識協奏能力與企業創新績效[J].華東經濟管理，2024，38（12）：44-53.

[7]王林輝，趙星.高鐵開通、勞動力流動和多樣化產業集聚—基于中國地級城市層面的經驗證據[J].東南大學學報（哲學社會科學版），2020，22（2）：54-68.

[8]COHEN W M，LEVINTHAL D A. Absorptive Capacity： ANew Perspective on Learning and Innovation[J].Adminis-trativeScienceQuarterly，1990，35（1）：128-152.

[9]FLORIDA R，ADLER P，MELLANDER C. The City asInnovation Machine[J].Regional Studies，2017，51（1）：86-96.

[10]FREEMAN C. Networks of Innovators：A Synthesis ofResearch Issues[J].Research Policy，1991，20（5）：499-514.

[11]CONTENT J，FRENKEN K.Related Variety and Eco-nomic Development：A Literature Review[J].EuropeanPlanningStudies，2016，24（12）：2097-2112.

[12]鄭江淮，冉征.走出創新“舒適區”：地區技術多樣化的動態性及其增長效應[J].中國工業經濟，2021（5）：19-37.

[13]陳勁，陳書潔.教育、科技、人才一體化加快新質生產力發展：關鍵問題、現實邏輯與主要路徑[J].現代教育技術，2024，34（7）：5-12.

[14]沈黎勇，王柏村，李拓宇.“教育-科技-人才”一體驅動區域產業發展——密歇根大學\"安娜堡模式\"的探索與啟示[J].高等工程教育研究，2024（4）：166-171.

[15]HUGGINS R，PROKOP D，THOMPSON P. Universitiesand Open Innovation：The Determinants of Network Cen-trality［J].The Journal of Technology Transfer，2020，45：718-757.

[16]龍琳莉，周國華，唐承麗，等.基于聯合專利數據的長株潭城市群區域創新網絡演化研究[J].資源開發與市場，2022，38（5）：585-594.

[17]杜運周，李佳馨，劉秋辰，等.復雜動態視角下的組態理論與QCA方法：研究進展與未來方向[J].管理世界，2021，37（3）：180-197，12-13.

[18]杜運周，劉秋辰，陳凱薇，等.營商環境生態、全要素生產率與城市高質量發展的多元模式——基于復雜系統觀的組態分析[J].管理世界，2022，38（9）：127-145.

[19]張江華，陳中飛，任之光，等.復雜性科學及其在經濟領域中的資助和研究進展[J].管理科學學報，2020，23（11）：117-126.

[20]汪壽陽，胡毅，熊熊，等.復雜系統管理理論與方法研究[J].管理科學學報，2021，24（8）：1-9.

[21]布萊恩·阿瑟.技術的本質[M].曹東溟，王健，譯.杭州：浙江人民出版社，2018.

[22]盛昭瀚，于景元.復雜系統管理：一個具有中國特色的管理學新領域[J].管理世界，2021，37（6）：36-50，2.

[23]CICERONE G，MCCANN P，VENHORST V A. PromotingRegional Growth and Innovation：Relatedness，RevealedComparative Advantage and the Product Space[J]. Jour-nal of Economic Geography，2020，20（1） ：293-316.

[24]胡航軍，張京祥.創新要素的跨域重組：機制、困境與路徑創新[J].城市規劃學刊，2024（1）：74-81.

[25]蘇燦，曾剛，葉雷，等.長三角地區跨區域合作創新對區域多樣化的影響研究[J].長江流域資源與環境，2021，30（3） ：534-543.

[26]STORPER M. Separate Worlds？ Explaining the CurrentWaveof Regional Economic Polarization[J].SpatialTransformations，2018，136：247-270.

[27]CRESPO J，SUIRE R，VICENTE J. Lock-in or Lock-out？ How Structural Properties of Knowledge NetworksAffect Regional Resilience[J]. Journal of Economic Ge-ography，2014，14（1）：199-219.

[28]KRUGMAN P. Scale Economies，Product Differentiation，and the Pattern of Trade[J].American Economic Re-view，1980，70（5）：950-959.

[29]鮮果，曾剛，曹賢忠.中國城市間創新網絡結構及其鄰近性機理[J].世界地理研究，2018，27（5）：136-146.

[30]BRESCHI S，LISSONI F，MIGUELEZ E.Foreign-originInventors in the USA：Testing for Diaspora and BrainGain Effects[J]. Journal of Economic Geography，2017，17（5）：1009-1038.

[31]陸遠權，趙婉瑩，蒙媛.市場一體化、科技創新與產業結構升級[J].科學學研究，2023，41（6）：1038-1047.

[32]薛瀾，姜李丹，黃穎，等.資源異質性、知識流動與產學研協同創新——以人工智能產業為例[J].科學學研究，2019，37（12）：2241-2251.

[33]李恩極，李群.財政分權、政府偏好與企業創新[J].中國科技論壇，2021（7）：148-157.

[34]韓愛華，高子桓，張虎.我國科技資源配置的動態網絡效率及空間優化研究[J].統計研究，2023，40（7）：17-32.

[35]MORAIS P，MIGUEIS V L，CAMANHO A S. Quality ofLifeExperienced by Human Capital：An Assessment ofEuropean Cities [J]. Social Indicators Research，2013，110：187-206.

[36]馬寧，陳宇萱，王雷.區域經濟一體化對企業勞動力成本粘性的影響——基于長三角城市群的視角[J].華東經濟管理，2024，38（12）：21-32.

[37]鄭江淮，師磊.本地化創新能力、區域創新高地與產業地理梯度演化路徑[J].中國工業經濟，2023（5）：43-60.

[38]樊綱，王小魯，馬光榮.中國市場化進程對經濟增長的貢獻[J].經濟研究，2011，46（9）：4-16.