城市创新能力的影响因素——以上海市为样本

刘孝斌，胡继妹，沈佳文



城市创新能力的影响因素——以上海市为样本

刘孝斌，胡继妹，沈佳文

（中共湖州市委党校经管教研室，浙江湖州 313000）

以上海市1991-2013年的时间序列数据为样本，以城市创新能力为被解释变量，以经济增长、教育水平、科技人员投入、科技资金投入、居民生活水平、城市环境为被解释变量，建立多元线性回归模型进行OLS估计，实证分析影响城市创新能力的因素，得出的结论为：经济增长、教育水平、居民生活水平对城市创新能力产生了显著的负向影响；科技人员投入、城市环境对城市创新能力产生了显著的正向影响；科技资金投入对城市创新能力存在正向影响，但是不显著。

城市创新能力；评价体系；创新型城市

一、引言与文献综述

创新能力是一个城市持续发展的永恒动力，创新能力强则城市恒兴，创新能力弱则城市发展乏力。从世界城市的兴衰脉络可以清晰窥见创新的身影，城市如此，国家亦不例外。中国正在经历艰难的转型期，城市的功能角色也面临转型，从工业生产基地向创新基地转型。中共十八大郑重提出创新驱动战略，意在改变传统的以要素驱动为主的经济增长方式。对于中国城市而言，创新驱动战略的重要意义在于启动了城市动力格局的重构，在该战略的理想设计中创新一跃成为城市发展的最大动力，这对当前中国城市普遍遇到的土地依赖、资金依赖困境提供了破冰之法。十八届三中全会强调国家创新体系，在国家创新体系中城市创新应发挥基础性作用，城市创新能力的重要性由此得见，因而分析城市创新能力的影响因素并以此寻觅提高城市创新能力的途径具备强烈的现实意义。以城市创新能力的影响因素为因子，组建城市创新能力评价体系，对城市创新能力进行精确评价，对城市创新能力的劣势板块与优势板块做到一目了然，从而为提高城市创新能力找到下一步的着力点。本文以创新型城市的典型代表——上海市为样本，对城市创新能力的影响因素进行分析，以期为城市创新能力评价体系的构建提供参考依据。

对城市创新能力的研究沿着3条脉络展开。第一条脉络是对创新型城市建设的研究。杨冬梅等对创新型城市的概念模型以及发展模式进行研究，认为创新型城市有四大内部创新要素：创新主体、创新资源、创新制度、创新文化。[1]胡树华等认为创新型城市的创新要素包括城市产业创新能力、城市管理创新能力、城市科技创新能力、城市服务创新能力。[2]齐炎以包头市为例全面分析了创新型城市的建设过程。[3]胡钰以深圳、上海、大连为样本总结了国内创新型城市建设的典型经验。[4]

第二条脉络是城市创新能力评价指标体系的理论设计。吴价宝等通过构建创新同比指数、创新定基指数对创新型城市进行动态评价。[5]宋河发等从创新体系、创新效率、创新资源等7个方面构建了41个指标用以评价创新型城市。[6]石忆邵从技术创新、制度创新、文化创新、知识创新、创新环境等6个方面构建了29个指标用来评价创新型城市。[7]王仁祥等从创新投入、创新产出、创新环境、创新过程四个方面构建了29个指标，并形成了一个总和指数——创新型城市实现指数用来评价创新型城市的实现程度。[8]

第三条脉络是以具体某个城市为样本实证分析城市创新能力。尤建新等以上海市、深圳市为样本比较分析了城市创新能力的不同培育模式。[9]李琬等选取了上海、北京、南京等9个城市为样本对第四代创新评价指标体系进行了实证分析。[10]何睿、戴超群分别对合肥、南京的创新能力进行评价分析。[11] [12]

本文在以上研究的基础上，选取上海市为样本，实证分析城市创新能力的影响因素，以此为城市创新能力评价体系的构建打下基础。希望通过对上海市的实证分析，为其他城市的创新能力建设提供可资借鉴的经验。

二、模型、变量、数据

（一）模型设定

本文参照陈媞、何睿等人的研究成果，[13] [11]建立多元线性回归模型来分析城市创新能力的影响因素。模型表达式如下：

（1）式中，Y为被解释变量，表示城市创新能力，X1、X2、X3、X4、X5、X6是解释变量，分别表示经济增长、教育水平、科技人员投入、科技资金投入、居民生活水平、城市环境。t表示时间，本文的样本区间是1991-2013年。

将（1）式中心化：

将模型转化成矩阵的形式，有：

于是有：

同时有：

于是可得：

进一步解得：

最后可得OLS法估计的β值。

（二）变量与数据说明

表示城市创新能力，是被解释变量。对于城市创新能力我们用两个指标来衡量：技术合同成交金额、科技成果数量。技术合同成交金额用表示，科技成果数量用表示。与的数据来源于《上海统计年鉴》2000-2014。

X表示经济增长，是解释变量。对于经济增长我们用人均GDP来衡量，数据来源于《上海统计年鉴》2000-2014。

X表示教育水平，是解释变量。对于教育水平我们用每万人口在校学生数（包括小、中、高等学校）来衡量，数据来源于《上海统计年鉴》2000-2014。

X表示科技人员投入，是解释变量。对于科技人员投入我们用每年的科技活动人员来衡量，数据来源于《上海统计年鉴》2000-2014。

X表示科技资金投入，是解释变量。对于科技资金投入我们用科技经费支出占地方财政支出的比重（%）来衡量，数据来源于《上海统计年鉴》2000-2014。

X表示居民生活水平，是解释变量。对于居民生活水平我们用三个指标来衡量：城市居民家庭恩格尔系数、城镇居民人均住房居住面积、城市居民平均每人可支配收入。城市居民家庭恩格尔系数用表示，城镇居民人均住房居住面积用表示，城市居民平均每人可支配收入用表示。数据均来源于《上海统计年鉴》2000-2014。

X表示城市环境，是解释变量。对于城市环境我们用绿化覆盖率（%）来衡量，数据来源于《上海统计年鉴》2000-2014。

为了使实证检验的结果更具稳健性，我们对各变量取对数，并且对城市创新能力和居民生活水平两个变量均采用替代指标进行实证检验。于是在（1）式的基础上形成了以下六个回归方程：

回归方程一：

回归方程二：

回归方程三：

回归方程四：

回归方程五：

回归方程六：

各变量及衡量指标的详细情况如表1所示：

表1 各变量及衡量指标的说明

变量类型表示符号变量含义衡量指标参考文献 被解释变量JSH城市创新能力上海市技术合同成交金额李倩[14]、刘孝斌[15] 被解释变量KJC城市创新能力上海市科技成果数量于晓宇等[16] 解释变量X1经济增长上海市人均GDP刘孝斌[17] 解释变量X2教育水平上海市每万人口在校学生数吴景松 [18]、刘孝斌[19] 解释变量X3科技人员投入上海市每年的科技活动人员数量卢宁等[20]、刘孝斌[15] 解释变量X4科技资金投入上海市科技经费支出占地方财政支出的比重（%）谭文华[21] 解释变量EGR居民生活水平上海市城市居民家庭恩格尔系数刘孝斌[22] 解释变量KZP居民生活水平上海市城市居民平均每人可支配收入赵春玲等[23] 解释变量JZM居民生活水平上海市城镇居民人均住房居住面积罗楚亮[24] 解释变量X6城市环境上海市绿化覆盖率（%）王伟武等[25]

考虑到数据的可得性，本文选取的样本为上海市1991-2013年的时间序列数据，数据来源于《上海统计年鉴》2000-2014。各变量及衡量指标的描述性统计见表2。

表2 各变量及衡量指标的描述性统计

三、实证检验

（一）OLS估计

本文使用Eviews5软件依次对回归方程一到六进行OLS估计，得出的回归结果如表3所示。

表3 回归方程（1）到（6）的OLS估计结果

（注：*、**、***表示在10%、5%、1%的显著性水平显著。）

（二）怀特检验

怀特检验用以检验异方差的存在，回归方程一到六的怀特检验结果如下表。从表4中的结果看出，回归方程（1）到（6）的Obs*R-squared在5%的显著性水平均不显著（P值分别为0.091082、0.050749、0.068765、0.793872、0.767739、0.466045，皆大于5%），因此可以认为回归方程一到六都不存在异方差。

表4 怀特检验

（三）LM检验

LM检验旨在检验序列相关性。一阶滞后的序列相关性检验结果见表5，从表5中的结果看出回归方程一到六的Obs*R-squared在5%的显著性水平均不显著（P值分别为0.797056、0.805584、0.860898、0.261098、0.166080、0.602836，皆大于5%），据此可以认为回归方程一到六不存在一阶序列相关性。二阶滞后的序列相关性检验结果见表6，从表6中的结果看出回归方程一到六的Obs*R-squared在5%的显著性水平均不显著（P值分别为0.369294、0.301158、0.280038、0.550162、0.378538、0.272595，皆大于5%）。

表5 LM检验（一阶）

表6 LM检验（二阶）

（四）实证检验结果分析

从怀特检验、LM检验的结果看出回归方程一到六都不存在异方差和序列相关性。从Adjusted R-squared 看出回归方程一到六的拟合优度都非常高（Adjusted R-squared分别为0.983、0.983、0.983、0.885、0.885、0.920）。从DW值可以看出，回归方程一、二、三存在自相关（DW值分别为1.144、1.200、1.066），回归方程四、五、六不存在自相关（DW分别为1.760、1.749、1.994）。从F检验值看出回归方程一到六都显著（F检验值分别为217.163、217.292、210.882、29.179、29.197、43.413，均在1%的显著性水平显著）。从变量回归系数的t检验可以看出，回归方程一到五大多数变量的回归系数都不显著，回归方程六大多数变量的回归系数都显著。据此可以判断回归方程一到五存在不同程度的多重共线性，而回归方程六不存在多重共线性（F检验显著、t检验不显著，是存在多重共线性的表现）。因此综合各方面的检验结果，回归方程六的估计结果可靠性最高，我们根据回归方程六的估计结果进行分析。

经济增长对城市创新能力产生了显著的负向影响，回归系数为-0.359，在5%的显著性水平显著。这表明在样本区间内上海市以人均GDP衡量的经济增长，对城市创新不但没有产生通常所认为的促进作用，反而起到了抑制作用。

教育水平对城市创新能力产生了显著的负向影响，回归系数为-2.436，在1%的显著性水平显著。这表明在样本区间上海市以每万人口在校学生数（包括小、中、高等学校）衡量的教育水平对城市创新能力也没有产生通常所认为的促进作用。造成这一结果的原因可能是每万人口在校学生数（包括小、中、高等学校）这一指标存在缺陷，不能准确衡量教育水平。因此在创新能力评价指标体系中应剔除每万人口在校学生数（包括小、中、高等学校）这个指标。

科技人员投入对城市创新能力产生了显著的正向影响，回归系数为0.334，在5%的显著性水平显著。科技人员投入应成为城市创新能力评价体系中的重要成分。

科技资金投入对城市创新能力存在正向影响，但是不显著，回归系数为0.061，没有通过显著性检验。这表明样本区间内上海市以科技经费支出占地方财政支出的比重衡量的科技资金投入对城市创新能力没有显著的推动作用。财政资金对城市创新能力的影响力并没有想象中大。

以城镇居民人均住房居住面积衡量的居民生活水平对城市创新能力产生了显著的负向影响，回归系数为-1.656，在5%的显著性水平显著。这表明在样本区间内上海市城镇居民人均住房居住面积与城市创新能力呈现的是一种反相关关系。

城市环境对城市创新能力产生了显著的正向影响，回归系数为0.751，在5%的显著性水平显著。以绿化覆盖率为代表的城市环境指标应成为城市创新能力评价体系中的重要成分。

四、简要的结论及启示

本文以上海市1991-2013年的时间序列数据为样本，实证分析了城市创新能力的影响因素。以城市创新能力为被解释变量，以经济增长、教育水平、科技人员投入、科技资金投入、居民生活水平、城市环境为被解释变量，建立多元线性回归模型进行OLS估计得出的结论及启示如下。

经济增长对城市创新能力产生了显著的负向影响。这表明在样本区间内上海市以人均GDP衡量的经济增长对城市创新不但没有产生通常所认为的促进作用，反而起到了抑制作用。因此在创新能力评价体系中应剔除人均GDP这个指标。可以尝试用其他指标来衡量经济增长。

教育水平对城市创新能力产生了显著的负向影响。这表明在样本区间上海市以每万人口在校学生数（包括小、中、高等学校）衡量的教育水平对城市创新能力也没有产生通常所认为的促进作用。这给我们的启示是以每万人口在校学生数（包括小、中、高等学校）为指标来衡量教育水平存在缺陷，在创新能力评价指标体系中应剔除每万人口在校学生数（包括小、中、高等学校）这个指标。

科技人员投入、城市环境对城市创新能力产生了显著的正向影响，因此在创新能力评价体系中应纳入科技活动人员数量、绿化覆盖率这两个指标。

以科技经费支出占地方财政支出的比重衡量的科技资金投入对城市创新能力存在正向影响影响，但是不显著。这给我们的启示在于：财政资金对城市创新能力的影响力有限，在创新能力评价体系中应剔除科技经费支出占地方财政支出的比重这个指标。

以城镇居民人均住房居住面积衡量的居民生活水平对城市创新能力产生了显著的负向影响。这给我们的启示在于：在城市创新能力评价体系中应剔除城镇居民人均住房居住面积。

[1] 杨冬梅, 赵黎明, 闫凌州. 创新型城市: 概念模型与发展模式[J]. 科学学与科学技术管理, 2006(8): 97-101.

[2] 胡树华, 牟仁艳. 创新型城市的概念、构成要素及发展战略[J]. 经济纵横, 2006(8): 61-63.

[3] 齐炎. 创新型城市建设研究——以内蒙古自治区包头市为例[D]. 内蒙古大学, 2013.

[4] 胡钰. 创新型城市建设的内涵、经验和途径[J]. 中国软科学, 2007(4): 32-38.

[5] 吴价宝, 张勤虎. 创新型城市动态评价研究[J]. 工业技术经济, 2013(3): 113-120.

[6] 宋河发, 穆荣平, 任中保. 国家创新型城市评价指标体系研究[J]. 中国科技论坛, 2010(3): 20-25.

[7] 石忆邵, 卜海燕. 创新型城市评价指标体系及其比较分析[J]. 中国科技论坛, 2008(1): 22-26.

[8] 王仁祥, 邓平. 创新型城市评价指标体系的构建[J]. 工业技术经济, 2008(1): 69-73.

[9] 尤建新, 卢超, 郑海鳌, 陈震. 创新型城市建设模式分析——以上海和深圳为例[J]. 中国软科学, 2011(7): 82-92.

[10] 李琬, 张玉利, 胡望斌. 创新型城市第四代创新评价指标体系构建与实证研究[J]. 科技管理研究, 2010(1): 54-57.

[11] 何睿. 创新城市创新能力评价研究[D]. 合肥工业大学, 2012.

[12] 戴超群. 创新型城市评价指标体系研究及其在南京市的应用[D]. 南京航空航天大学, 2008.

[13] 陈媞. 创新型城市的形成机理及评价指标体系研究[D]. 武汉：武汉理工大学学报，2012.

[14] 李倩. 基于动态空间面板模型的中国区域创新集聚研究 [J]. 中国经济问题, 2013(6): 56-64.

[15] 刘孝斌. 选择性迁移、创新集聚与经济转型升级[J]. 甘肃行政学院学报, 2014(2): 81-91.

[16] 于晓宇, 谢富纪. 区域创新系统的评价与演进规律——以上海市创新系统为例[J]. 系统管理学报, 2007(6):67-70.

[17] 刘孝斌. 法治水平与经济增长关系实证研究——基于1985年-2012年时间序列数据[J]. 浙江树人大学学报, 2015(1): 35-39.

[18] 吴景松. 我国区域教育供给水平差异及对策[J]. 教育发展研究, 2010(21): 6-11..

[19] 刘孝斌. 法治水平的区域比较及空间溢出效应[J]. 首都经济贸易大学学报, 2015(2): 81-88.

[20] 卢宁, 李国平, 刘光岭. 中国自主创新与区域经济增长——基于1998-2007年省际面板数据的实证研究[J]. 数量经济技术经济研究, 2010(1): 3-18.

[21] 谭文华. 从华东地区的比较看福建省科技投入现状与问题[J]. 科学学研究, 2006(s1): 179-185.

[22] 刘孝斌. 收入差距对财产性收入的影响：理论与实证——来自全国30个省份城镇居民的经验证据[J]. 河北科技师范学院学报, 2014(4): 109-115.

[23] 赵春玲, 孙建飞. 居民可支配收入、城乡二元结构与医疗保健支出——基于中国省级面板数据（1999年-2011年）的实证分析[J]. 中国社会科学院研究生院学报, 2014(2): 32-39.

[24] 罗楚亮. 城镇居民住房面积的不平等——基于2000年和2005年人口调查的经验分析[J]. 学海, 2014(1): 80-90.

[25] 王伟武, 戴企成, 朱敏莹. 城市住区绿化生态效益及其可控影响因素的量化分析[J]. 应用生态学报, 2011(9): 2383-2390.

Research about Influence Factors of the System of Judging Innovation Ability of City：Taking Shanghai City for Sample

LIU Xiao-bin, HU Ji-mei, SHEN Jia-wen

（Party School of Huzhou Municipal Committee, CPC , Huzhou, Zhejiang 313000, China）

The paper takes time series data of Shanghai from 1991 to 2013 for sample, which is used to empirically analyze influence factors of innovation ability of city. Taking innovation ability of city as explained variable, and taking economic growth, education, input of science and technology personnel,input of science and technology capital, resident life, city environment as explanatory variables, and then the paper builds a multiple linear regression model. Through OLS estimate, test conclusions are as follows: the economic growth, education, and resident life are of significant negative effect on innovation ability of city; input of science and technology personnel, and city environment are of significant positive effect on innovation ability of city; input of science and technology capital has positive effect on innovation ability of city, but the effect is not of significance. On the basis of conclusions of empirical test, some inspiration is proposed.

innovation ability of city; judge system; innovative city

（责任编校：贺常颖）

F 290

A

10.3969/j. issn. 1672-1942.2015.02.008

1672–1942(2015)02–0041–07

2015-01-02

科技部软科学研究课题（2015CXR02）

刘孝斌（1986-），男，湖南常宁人，硕士，主要从事金融市场、产业经济研究。胡继妹（1965-），女，浙江湖州人，教授，主要从事区域经济比较与发展研究。沈佳文（1979-），女，浙江湖州人，副教授，主要从事管理学、社会学研究。