创新活度的空间分异特征及其门槛效应——以长江经济带为例

刘 刚，杨 蕾，刘程军

（浙江工业大学 经贸管理学院，浙江 杭州 310023）

创新活度的空间分异特征及其门槛效应
——以长江经济带为例

刘 刚，杨 蕾，刘程军

（浙江工业大学 经贸管理学院，浙江 杭州 310023）

文章研究以长江经济带109个城市为例，结合2004-2014年的专利授权量数据，利用变异系数、探索性空间数据分析方法以及面板门槛模型，探讨了创新活度的空间分异特征及其门槛效应，研究发现：长江经济带整体创新活度波动上升，地区间的差异平稳扩大且具有收敛趋势，区域间的创新活度趋于不均衡，长三角城市群的创新活度远远大于中三角和成渝两大城市群的创新活度之和；创新活度存在显著的空间分异格局，呈现“V”字空间形态，强势区域主要集中在上海及其外周城市；创新活度的空间指向性较为明显，其呈现“北高南低，东西两头高中间低”的空间趋势特征；创新活度存在显著空间组团分布的地理特征，其空间自相关程度的变化呈“N”字型态势，热点区和次热点区基本稳定集中在长江下游地区，具有扩散的趋势，次冷点区和冷点区分别集中在长江上游地区和中游地区；经济基础和市场导向对创新活度的影响均具有显著的三门槛效应，经济基础对创新活度具有“U”字型的正向作用，而市场导向对创新活度的负向门槛效应则呈现倒“U”字型。最后，文章提出了相关政策建议。

创新活度；长江经济带；空间分异；门槛效应

一、引 言

中国的经济列车驶入了工业化后期的轨道，这标志着中国经济增长的驱动力已从投资驱动转化为创新驱动［1］。在创新驱动的经济增长模式下，区域创新是区域可持续发展的重要推动力。近年来，国内外学者对区域创新进行了深入的研究，形成了较为丰富的理论成果。有学者致力于区域创新产出的时空演化特征研究。张志友等结合专利数据分析了江苏省县域创新产出的空间关联与时空演化，得出了创新产出具备自我强化的空间演化趋势的结论［2］。方成等运用探索性空间数据分析方法，揭示了浙江省创新产出呈现显著的正向空间自相关性［3］。另有学者专注于探求区域创新的形成机制。张战仁通过研究发现了创新互动溢出、空间报酬递增及要素跨区域流动对我国区域创新差异的形成机制具有综合影响［4］。Svare Helge分析了五个挪威案例后得出网络创新中介可以有效促进区域创新发展［5］。Chun⁃glin Tsaietal.研究了我国台湾科技园内的创新体系，发现了产业集群效应对促进区域创新具有十分显著的作用［6］。区域创新包括创新投入和创新产出，单纯用创新产出来衡量区域创新难免存在一定的局限性。为了更好地描述区域创新，更接近实际情况，本研究采用创新活度衡量区域创新。创新活度的概念引申自生态活度生态位理论中的“生态活度”。“生态活度”是对区域复合生态系统中各生态单元的经济、社会功能以及自然资源、环境功能的相对优势程度的概括度量［7］。本研究在生态活度生态位理论的基础上，结合区域创新的实际情况，将地理区域类比成复合生态系统，区域内的城市比作生态单元，提出了“创新活度”的概念，概括度量特定区域内各城市创新水平的相对优势程度。

自Hansen于1999年提出面板门槛回归模型［8］以来，门槛回归模型已被应用于各个领域的研究。大量学者沿用面板门槛模型探讨了特定影响因素对区域创新的门槛效应。刘孝斌采用门槛回归模型实证分析资源门限下工业化进程对城市创新能力的影响，总结出工业化进程对城市创新能力的影响受人力资源、物质资源和环境资源的门槛制约［1］。岐洁等研究了京津冀和长三角地区绿色技术溢出与技术创新门槛效应，得出第三产业发展与绿色技术效率的严重差异化制约了京津冀地区的技术创新发展［9］。李瑞茜考察了政府R&D资助对企业技术创新门槛效应，结果表明政府R&D资助对企业技术创新具有显著的刺激作用，而且企业技术创新对政府资助的响应效果呈现“倒U型”关系［10］。Huang Lingyun etal.建立门槛模型分析了1985年至2008年间中国29省的FDI与区域创新之间的关系，发现了在该关系中存在双门槛效应，且只有当区域创新达到最小创新门槛值时，FDI才会产生正向的生产力溢出［11］。由此可见，门槛模型是研究区域创新影响因素的重要实证工具，其分析结果更加符合实际情况。因此，研究创新活度的空间分异特征及其门槛效应具有理论和现实意义。

本研究拟用变异系数、空间自相关和趋势面讨论长江经济带创新活度的空间分异特征，并构建面板门槛模型，分析经济基础门槛下经济基础与创新活度的关系，以及市场导向门槛下市场导向与创新活度的关系，以期为长江经济带的区域创新发展提供理论指导。

二、研究方法与数据来源

（一）研究方法

1.变异系数

变异系数（CV）衡量观测变量的变异程度，是标准差与平均值的比值，反映区域间的相对均衡程度。公式如下［12］：

其中，CV为变异系数；n为市域总数；xi为创新活度；xˉ为创新活度平均值。CV系数越小，则市域间的创新活度发展越平衡。

2.全局空间自相关

全局空间自相关主要用以衡量观测值在某一空间内的空间分布特征。本研究通过计算Moran’s I指数来反映创新活度在空间临近或者空间邻接区域内的相似程度。公式如下［13］：

其中，xi表示i城市的创新活度，xj表示j城市的创新活度；xˉ为创新活度的平均值；Wij为二进制的空间权重矩阵，用来界定空间关系；n为市域总数。采用标准化统计量Z对Moran’s I指数进行显著性检验，公式如下［13］：

其中，当Z值为正且显著时，表示创新活度存在正的空间自相关关系；当Z值为0且显著，表明创新活度在长江经济带内随机分布；当Z值为负且显著时，说明创新活度呈现负的空间自相关关系。

3.局部空间自相关

由于存在空间异质性，仅仅研究长江经济带创新活度的全局空间自相关难以较为全面地解释其局部区域的空间聚集特征。为此，本研究引入局部空间自相关统计量Getis-Ord Gi*指数来度量分析活度的冷热点分布情况，公式如下［14］：

4.趋势面分析

近似处理实际曲面而得出的趋势面能直观地反映观测量在空间上的分布规律及变化趋势［15］。本研究利用趋势面探索长江经济带创新活度在总体空间上的分异趋势。假设Zi(xi,yi)为市域i的创新活度值，(xi,yi)为平面空间坐标，由趋势面定义得［16］：其中，Ti( ) xi,yi为趋势函数，表示大范围内的趋势值。本研究采用二阶多项式计算创新活度的趋势值，趋势函数可表示为：Ti(xi,yi)=β0+β1x+β2y+β3x2+ β4y2+β5xy；εi为自相关随机误差，表示第i个市域的创新活度真实值与趋势值之间存在的偏差。

（二）指标选取与数据来源

Quintane Eric etal.回顾了大量文献后，区分了关于创新的各种概念和定义，最后总结出创新是基于知识要素的产出［17］。马野青等研究了在华FDI对知识溢出的影响，并采用了专利授权量衡量知识溢出程度［18］。由此可见，专利授权量与区域创新具备某种特定的对应关系，国内外学者的一系列相关研究印证了这一猜测。Wei Yanhuietal.利用专利数据测度了中国大陆区域创新能力及其变化趋势，总结出了中国的区域创新比美国、日本和欧洲更具弹性，并且省际差距正逐步缩小［19］。Lara Agostinietal.以合作专利作为代理指标，得出了R&D合作能够改善汽车创新氛围，从而促进该产业的发展［20］。因此，本研究选用专利授权量作为原始数据是合理的。

本研究所用数据均来自2005-2015《中国城市统计年鉴》和各省市统计年鉴。

三、时空分异特征

（一）长江经济带创新活度差异总体特征

1.三大城市群创新活度情况

本研究选取长三角、长中三角和成渝城市群作为观测样本，分别将这三个城市群中各城市的创新活度进行加总，并将结果绘制成图1。将长江经济带三大城市群根据创新活度由大到小的顺序排列如下，长三角城市群、成渝城市群和中三角城市群。其中，长三角城市群总体的创新活度随着时间的变化而平稳增长，从2004年的7.88缓慢增长至2014年的10.18，11年间增长了29.19%；中三角城市群与成渝城市群的创新活度变化情况相似，均呈现下降的态势，下降幅度分别为33.46%和20.72%。整体而言，长三角城市群总体创新活度远远大于中三角和成渝两个城市群的创新活度之和，说明长三角城市群是长江经济带的创新引擎，具有先锋带头的作用。

图1 长江经济带三大城市群创新活度情况

2.创新活度差异平稳增大

本研究计算了长江经济带创新活度的平均值，并根据公式（1）计算了CV系数，如图2所示。整体而言，2004年至2014年期间，长江经济带创新活度波动上升，地区间的差异平稳增大且整体保持较高水平。详而叙之，创新活度平均值从2004年的0.190增长至2005年的0.195，并且在2005年达到极大值，增长幅度为2.632%，表明长江经济带在此期间的整体创新活动较为活跃；创新活度在2005年至2007年呈现持续下调的走势，在2007年至2008年小幅上升后又出现下降趋势，该趋势持续至2010年；自2010年之后，创新活度持续走高，年均增长率为1.522%，说明长江经济带整体创新活度从2010年后逐年增强。CV系数从2004年的0.821（区间极小值）增加至2007年的1.047，年均上升了9.176%，这说明在此期间长江经济带创新活度差异变大，趋于不均衡；自2007年开始，直至2014年，CV系数围绕1.050上下轻微波动，表明长江经济带创新活度差异在该水平变动的情况不显著。

图2 长江经济带创新活度变异系数

3.空间分异格局

由于CV系数仅仅阐述了长江经济带创新活度存在差异及其大小，并未对创新活度的差异进行空间上的描述。因此，本研究选取2004年、2009年和2014年作为时间节点，根据创新活度值将长江经济带划分成四个区域，分别命名为强势区域、次强势区域、次弱势区域和弱势区域，并利用ArcGIS 10.1软件绘制成空间分异图，如图3所示。

由图3可知，长江经济带创新活度存在显著的空间分异格局，其整体活度呈现“V”字形态，强势区域主要集中在上海及其外周城市。其中，2004年的创新活度强势区域主要包括上海、苏州、南通、嘉兴、绍兴、台州和舟山等7个城市；次强势区域包括杭州、宁波、温州、无锡、泰州、湖州、金华、衢州、丽水、镇江、宣城、十堰、遵义和资阳等14个城市，以长三角地区为主；次弱势区域包括重庆、南京、成都、马鞍山、黄石、湘潭、盐城、扬州、滁州、黄山、孝感、咸宁、鄂州、娄底、株洲、萍乡、达州、广安、遂宁、德阳、雅安、内江和泸州等22个城市，主要集中在成渝、湖南和湖北地区；其余城市均为弱势区域。2009年的创新活度强势区域包括上海、苏州、无锡、泰州、南通、嘉兴、绍兴和湖州等8个城市。与2004年的强势区域相比，2009年的强势区域在个数上略有增加；从城市角度分析，2009年的强势区域增加了泰州、无锡和湖州，减少了台州和舟山，说明江苏省的创新活度增强，而浙江省创新活度减弱。而次强势区域由2004年的14个城市锐减至5个城市，减少了64.29%，仅包括杭州、宁波、台州、金华和舟山，表明长江经济带整体创新活度下降。次弱势区域包括南京、成都、温州、常州、黄山、扬州、丽水、衢州、盐城、镇江、宣城、十堰、遵义、德阳、资阳、雅安和眉山等17个城市，与2004年相比减少了22.72%，进一步说明长江经济带创新活度减弱；其余城市均为弱势区域。2014年的长江经济带创新活度较2009年显著增强，其强势区域包括上海、苏州、无锡、泰州、南通、台州、嘉兴、湖州、绍兴和舟山等10个城市，以上海及其外周城市为主；次强势区域包括杭州、宁波、温州、金华、丽水、常州、镇江和宣城等8个城市，较2009年有所增加；次弱势区域包括南京、成都、盐城、巢湖、黄山、连云港、淮安、扬州、滁州、马鞍山、衢州、十堰、遵义、达州、广安、德阳、资阳、眉山和雅安等19个城市；其余城市均为弱势区域。总而言之，长江经济带创新活度的强势区域集中在上海及其外周城市；次强势地区紧邻强势地区；次弱势区域紧邻次强势区域，并且在四川等中游地带也有分布。

图3 长江经济带创新活度空间分异格局

4.趋势面分析

为更好地分析长江经济带创新活度在地理空间上的分布走向，本研究利用地统计分析方法，根据公式（5）测度了2004年、2009年和2014年长江经济带创新活度的空间趋势面，并结合ArcGIS10.1软件，得到图4。

由图4可得，2004-2014年期间，长江经济带创新活度的趋势面并未出现明显变动，整体上呈现“北高南低，东西两头高中间低”的空间分异特征，趋势面较为陡峭，表明空间分异较为强烈。其中，创新活度趋势面在东西方向上持续表现出“两头高，中间低”的“U”型空间结构，说明在此期间长江经济带上游城市群和下游城市群的创新活度大于中游城市群，但下游城市群存在增强的趋势并在2009年和2014年超过上游城市群，这表明下游城市群的创新活度强过上游城市群；在南北方向上，趋势面曲线呈现自北向南降低的态势，表明长江经济带北部城市的创新活度明显较强。因此，长江经济带创新活度的空间指向性较为明显，区域创新发展的优势地区为长三角地区。

图4 长江经济带创新活度空间趋势面分析

（二）空间自相关

根据公式（2）计算长江经济带创新活度Moran’s I值分析其空间自相关情况，计算结果详见表1。表1显示了2004-2014年期间，长江经济带的创新活度存在显著的空间集聚情况且集聚程度较高，总体上呈现“N”字形态。Moran’s I值均通过显著性检验，揭示了长江经济带创新活度存在显著的空间自相关情况。具体而言，2004-2007年间，Moran’s I值从0.787 3增加到0.883 6，年均增长幅度为4.08%，表明长江经济带创新活度的全局空间作用在此期间快速强化；2007-2011年，Moran’s I值以年均0.83%的幅度波动减小，由0.883 6减小至0.854 2，这说明长江经济带创新活度的空间集聚情况在此区间减弱，但仍维持较高水平；自2011年开始Moran’s I值开始出现上升趋势，并在后续年份继续增加且增加幅度越来越大，由2011年的0.854 2增加到2014年的0.886 2，年均增长幅度为1.07%，说明了长江经济带创新活度的空间集聚现象不断加剧。

表1 长江经济带创新活度空间自相关情况

（三）局部空间自相关

为更好地探索长江经济带创新活度局部的空间集聚情况，本研究选取2004年、2009年和2014年作为时间节点，根据公式（4）计算了创新活度的Getis-Ord Gi*指数，利用自然断点法将长江经济带城市划分为4个区域，分别命名为热点区、次热点区、随机分布区、次冷点区和冷点区，并且利用ArcGIS 10.1软件绘制了冷热点分布图，如图5所示。

图5 长江经济带创新活度冷热点分布图

由图5可知，长江经济带创新活度的冷热点分布格局清晰明朗，热点区主要集中在上海及其外周城市，冷点区以安徽省为主。详而叙之，2004年长江经济带创新活度的热点区包括上海、宁波、苏州、嘉兴和舟山等5个城市，说明这些地区的局部空间自相关情况较为显著；次热点区包括杭州、温州、无锡、台州、绍兴、湖州、金华、丽水、南通和泰州等10个城市，紧邻热点区，表明这两个区域局部自相关程度较强；次冷点区包括江苏省的连云港、淮安和徐州，湖北省的武汉及其周边城市，湖南省的长沙及其周边城市，四川省和云南省等5省44市；冷点区以安徽省和江西省为主，这说明安徽省和江西省的创新活度较弱；其余城市均被划入随机分布区。2009年的热点区较2004年，热点区范围略有扩大，在2004年的基础上增加了杭州、无锡、南通、泰州、湖州和绍兴；同样地，次热点区范围在2004年的基础上也轻微扩张，盐城、镇江、常州和宣城等4个城市被划入次热点区；但是，2009年次冷点区的分布特征与2004年有较大不同，减少了湖南省的大部分城市，而增加了四川省的大部分城市，次冷点区的重心明显西移；而冷点区从安徽省逐渐扩散至湖南省，说明这中部三省的创新活度下降；其余城市均被划入随机分布区。2014年的热点区较2009年并未发生变动；次热点区轻微扩张，增加了扬州和南京2个城市，依然紧邻热点区城市；次冷点区主要集中在安徽省、四川省和云南省，说明安徽省创新活度的自相关程度有所提高；冷点区以湖北省、湖南省和江西省为主；其余城市均被划入随机分布区。总体而言，长江经济带创新活度的冷热点分布格局较为明朗，热点区和次热点区集中在下游地区，且次热点区紧靠热点区；次冷点区主要集中在上游地区，而冷点区以中游地区为主。

四、门槛回归

（一）模型的构建

Stephen Roperetal.指出成功的创新依赖于市场导向、技术知识和政策［21］。池仁勇等认为经济发展反哺区域创新，即随着经济的发展，社会对科技研发的投入能力增强，基础研究能力得到提高，从而促进了区域创新的进步［22］。从本研究中的探索性空间数据分析的结果可知，长江经济带的创新活度具有显著的空间分异特征，且区域发展较为不平衡。由于长江经济带跨度较大，各城市的空间区位、开放程度和劳动力市场分割等条件差异较大，由此导致各城市的创新活度受经济基础和市场导向的影响程度不同。参考了相关文献并结合长江经济带创新活度的实际情况，本研究在Hansen门槛模型的基础上，分别以市场导向和经济基础作为门槛变量和解释变量，构建长江经济带创新活度门槛模型。其中，单门槛模型如下［23］：

模型（6）-（11）中，i表示城市；t表示时间；创新活度（Act）为被解释变量，以0-1标准化后的专利授权量G值表征；λ表示门槛值；αi是反映地区差异的特征值；μit表示随机变量；模型（6）、（8）和（10）中，以经济基础（Eco）作为解释变量和门槛变量，用人均地区生产总值表示，控制变量为市场导向（Mar）、空间区位（Spa）、开放度（Open）和劳动力市场分割（Lab），分别以人均消费品零售总额、互联网宽带接入用户数、年末利用外商直接投资额与GDP的比值和科学与技术服务就业人数表征；模型（7）、（9）和（11）中，以市场导向作为解释变量和门槛变量，控制变量为经济基础、空间区位、开放度和劳动力市场分割。

以上数据均来自《中国城市统计年鉴（2005-2015）》，为了剔除数据量纲的影响，对数据均作了标准化处理。

（二）回归结果分析

1.门槛效果检验及门槛值估计

利用Stata 12.0进行门槛回归测算及检验。首先对长江经济带创新活度进行门槛自抽样检验并且确定门槛值，结果见表2所列。

表2 长江经济带创新活度门槛效果自抽样检验及门槛值估计结果

由表2可知，模型（10）的三门槛效应在10%水平下显著，模型（11）的三门槛效应在5%水平下显著，因此，经济基础和市场导向对创新活度的影响均具有显著的三门槛效应，应采用三门槛模型对其进行分析。其中，模型（10）的估计门槛值分别为7 896、19 601和64 344，模型（11）的估计门槛值分别为2 402、8 530和30 130。在95%的置信区间下，且两模型的LR值均小于临界值7.35［24］，由此可得模型（10）和模型（11）的实际门槛值均等于其估计门槛值。

2.门槛模型参数估计结果

根据长江经济带区域创新的实际情况，本研究分别对模型（10）和模型（11）进行门槛回归，参数估计结果见表3所列。

表3 长江经济带创新活度三门槛模型参数估计结果

（1）模型（10）回归结果分析。由表3可知，在模型（10）中，市场导向、空间区位和开放度等均对创新活度具有显著的正向作用，这说明加大市场导向力度、发挥空间区位优势以及增大开放度均能显著促进长江经济带创新活度的增强。而劳动力市场分割的系数为负且显著，说明进行劳动力市场分割不利于人力资源流动，从而阻碍区域创新的发展。当经济基础水平小于7 896元/人时，经济基础对长江经济带创新活度具有显著的刺激作用，创新活度对经济基础的弹性达到61.27%；当经济基础跨过7 896元/人这一门槛，但小于19 601元/人时，经济基础对创新活度的影响不显著；当经济基础水平处于19 601元/人和64 344元/人之间时，经济发展对创新活度的作用也不显著；然而当经济基础超过64 344元/人时，经济发展将会显著促进创新活度的增强，但是刺激力度较小，增长幅度为5.51%。这说明在长江经济带中经济发展较为滞后的地区发展经济有利于提高区域创新水平，且效果较为明显，原因可能是在经济基础较为薄弱的地区，创新事业才刚刚起步，对资金的需求相对较大，且存在后发优势，有利于进行模仿式创新；而在经济中等发展的地区，创新事业已发展到平台期；而经济水平较高的地区汇聚了较多高素质创新人才，产、学、研的发展较为成熟，因此发展经济将促进区域创新水平的提升。

（2）模型（11）回归结果分析由表3可得，在模型（11）中，经济基础和空间区位均对创新活度具有显著的正向作用，即发展当地经济以及充分发挥空间区位优势均能提高区域创新水平，其中空间区位的影响大于经济基础的影响；开放度的回归系数为正但不显著，说明开放度对创新活度的增强无显著作用；而劳动力市场分割的系数为负且显著，说明劳动力市场分割阻碍了创新活度的增强。当市场导向未达到第一个门槛值2 402元时，市场导向对创新活度的影响不显著；当市场导向越过第一个门槛而未超过第二个门槛8 530元时，市场导向的系数为-0.712 4且显著，说明市场导向在此门槛区间内对创新活度的增强具有较为显著的负面效应，原因可能是市场的导向性会在一定程度上影响消费者偏好，进而减少了市场对创新产品的需求，导致创新活度的下降；当市场导向处于8 530元与30 130元之间时，市场导向的系数为-0.445 3且显著，表明在此期间市场导向的负面影响依然存在；当市场导向越过第三个门槛值30130元时，市场导向的系数为负但不显著，即在此阶段市场导向对创新活度的影响不明显。

五、结论与政策建议

（一）结论

本研究采用2004-2014年的专利授权数据，结合探索性空间数据分析方法和门槛回归模型，以长江经济带109个地级市为例，探讨了创新活度的空间分异特征及其门槛效应，主要结论如下：

（1）长江经济带整体创新活度波动上升，地区间的差异平稳扩大且围绕1.050上下轻微波动，区域间的创新活度趋于不均衡。长三角城市群的创新活度远远大于中三角和成渝两大城市群的创新活度之和，是长江经济带的创新引擎，处于领先地位。长三角城市群总体的创新活度随着时间的变化而平稳增长，中三角城市群与成渝城市群创新活度的变化情况相似，均呈现下降的态势。

（2）长江经济带创新活度存在显著的空间分异格局，其整体活度呈现“V”字形态，强势区域主要集中在上海及其外周城市，次强势地区紧邻强势地区，次弱势区域紧邻次强势区域并且在四川等中游地带有所分布。长江经济带创新活度的趋势面呈现“北高南低，东西两头高中间低”的空间分异特征，趋势面较为陡峭，空间分异较为强烈；其空间指向性较为明显，区域创新发展的优势地区为长三角地区。

（3）长江经济带的创新活度存在显著的空间集聚情况，且空间自相关程度呈“N”字型态势增强。其冷热点分布格局清晰明朗，热点区和次热点区稳定集中在长江下游地区，以上海及其外周城市为主，具有扩散的趋势，次热点区紧靠热点区，形成较为鲜明的空间组团分布的地理特征；次冷点区主要集中在长江上游地区，而冷点区以中游地区为主。

（4）经济基础和市场导向对创新活度的影响均具有显著的三门槛效应，其中，经济基础的门槛值为7 896、19 601和64 344，市场导向的门槛值为2 402、8 530和30 130。经济基础、市场导向、空间区位和开放度等均对创新活度具有显著的正面效应，而劳动力市场分割不具有正面效应。在长江经济带中经济发展较为滞后的地区发展经济有利于提高区域创新水平，且效果较为明显；而在经济中等发展的地区，继续发展当地经济对增强创新活度无明显帮助；对于经济水平较高的地区，发展经济将促进其区域创新水平的提升。市场导向对创新活度的门槛效应呈现“U”字型，对于未超过第一门槛值和超过第三个门槛值的城市，市场导向对创新活度具有不显著的正向影响，对介于第一门槛与第三门槛之间的城市具有显著的反向影响。

（二）政策建议

根据以上结论，本研究提出以下政策建议：

（1）构建创新集聚互动体系，夯实创新集聚互动基础。各级政府应辩证地看待区域创新差异，积极构建创新集聚互动体系，形成区域间的创新交流，落后地区主动接受发达地区的创新辐射，合理利用后发优势，以实现追赶。

（2）发挥区域创新增长极作用，形成协同创新发展格局。将长三角地区定位为长江经济带创新增长极，中三角和成渝地区可借助创新增长极的带头作用，增强自身创新活度，从而推动长江经济带乃至全中国形成协同创新的空间发展新格局。

（3）加快移动互联网化进程，加强区域对外开放程度。进一步提高移动互联网普及率，加快信息化进程，推进现代化的空间区位建设。加强区域对外开放程度，提高外商直接投资利用率，积极吸收国外先进技术和知识。经济基础较为薄弱的地区，大力发展当地经济。充分实现劳动力市场流动，鼓励人才交流。

［1］刘孝斌.资源门限、工业化进程与城市创新能力——来自长三角城市圈门限面板回归模型的检验［J］.科学决策，2015（10）：33-50.

［2］张友志，顾红春.江苏省县域创新产出的空间关联与时空演化［J］.地域研究与开发，2012，32（6）：33-38.

［3］方成，赵磊，杨宏浩，等.浙江省创新产出空间相关性及其影响因素研究［J］.华东经济管理，2014，28（7）：15-21.

［4］张战仁.我国区域创新差异的形成机制研究——基于新经济地理学的实证分析［J］.软科学，2013，27（6）：64-68.

［5］Svare H,Gausdal A H.Strengthening Regional Innovation through Network-Based Innovation Brokering［J］.Entrepre⁃neurshi and Regional Development,2015,27（9/10）:619-643.

［6］Chunglin Tsai,Hanchao Chang.Evaluation of Critical Fac⁃tors for the Regional Innovation System within the HsinChu Science-Based Park［J］.Kybernetes,2016,45（4）:699-716.

［7］毛显强,鱼京善,郭秀锐，等.生态活度生态位——理论、方法及其应用［J］.中国人口·资源与环境,2005,15（5）：121-125.

［8］Hansen B E.Threshold Effects in Non-Dynamic Panels: Estimation,Testing and Inference［J］.Journal of Economet⁃rics,1999,93（2）：345-368.

［9］岐洁，韩伯棠，曹爱红.区域绿色技术溢出与技术创新门槛效应研究——以京津冀及长三角地区为例［J］.科学学与科学技术管理，2015，36（5）：24-31.

［10］李瑞茜，白俊红.政府R&D资助对企业技术创新的影响——基于门槛回归的实证研究［J］.中国经济问题，2013 （3）：11-23.

［11］Huang L Y,Liu X M,Xu L.Regional Innovation and Spillover Effects of Foreign Direct Investment in China: A Threshold Approach［J］.Regional Studies,2012,46 （5）:583-596.

［12］蒋天颖.我国区域创新差异时空格局演化及其影响因素分析［J］.经济地理,2013,33（6）：23-29.

［13］蒋天颖.浙江省区域创新产出空间分异特征及成因［J］.地理研究,2014,33（10）:1825-1836.

［14］邵留长,乔家君,乔谷阳.中国专业村镇空间格局及其影响因素［J］.经济地理,2016,36（3）:132-138.

［15］李强,王士君,梅林.长春市中心城区大型超市空间演变过程及机理研究［J］.地理科学,2013,33（5）:553-561.

［16］赵果庆,罗宏翔.中国FDI空间集聚与趋势面［J］.世界经济研究,2012（1）:3-10.

［17］Quintane E,Casselman R M,Reiche B S.Innovation As a Knowledge-Based Outcome［J］.Journal of Knowledge Management,2011,15（6）:928-947.

［18］马野青,林宝玉.在华FDI的知识溢出效应——基于专利授权数量的实证分析［J］.世界经济研究,2007（5）: 20-25.

［19］Wei Y H,Zhang H Y,Wei J.Patent Elasticity,R&D In⁃tensity and Regional Innovation Capacity in China［J］. World Patent Information,2015，43:50-59.

［20］Lara A,Federico C.R&D Collaboration in the Automotive Innovation Environment［J］.Management Decision,2015, 53（6）:1224-1246.

［21］Stephen R,Nola H D.Knowledge Ttocks,Knowledge Flows and Innovation:Evidence from Matched Patents and Innovation Panel Data［J］.Research Policy,2015,44 （7）:1327-1340.

［22］池仁勇,张济波.区域创新与区域经济发展的相关性与时滞性:基于浙江省的实证研究［J］.科技进步与对策, 2007,24（12）:36-39.

［23］Stephanie K，Alexander B，Dieter N.Inflation and Growth：New Evidence from a Dynamic Panel Threshold Analysis ［J］.Empirical Economics，2014，44（2）：861-878.

［24］李梅,柳士昌.对外直接投资逆向技术溢出的地区差异和门槛效应［J］.管理世界,2012（1）:21-66.

SpatialDifferentiation Characteristics and Its Threshold Effect of Innovation-vigor —A Case ofthe Yangtze River Economic Belt

LIU Gang,YANG Lei,LIU Cheng-jun
(College of Economics and Management,Zhejiang University ofTechnology,Hangzhou 310023,China)

The paper takes the 109 cities along the Yangtze River Economic Beltas examples,with their patents authorization and other re⁃lated data from 2004 to 2014,to discuss the spatial differentiation characteristics and its threshold effectofinnovation-vigor by using the variation coefficient,ESDA and panel threshold model.The study finds that the innovation-vigor in the Yangtze River Economic Belt is rising with fluctuations and the diversity of innovation-vigor among regions is enlarging steadily with a convergent tendency.And the re⁃gionalinnovation-vigor tends to be disproportionate.The innovation-vigor of the Yangtze River Delta urban agglomeration is much higher than the sum ofthe innovation-vigor in the Middle-Delta urban agglomeration and Chengdu-Chongqing city groups;The innovation-vigor presents prominent spatialdifferentiation patterns with a“V”type.And the strong areas are concentrated in Shanghaiand its surrounding cities;The spatial directivity of innovation-vigor is relatively clear,and shows the spatial trend characteristics of“north high,south low, and two heads high,middle low”;There is a prominentgeographic feature ofspatialcluster distribution in innovation-vigor,and its change of spatial autocorrelation gets an“N”-type trend.Hot spots areas and vice-hot spots areas are stably concentrated in the Yangtze River downstream cities,with a diffused trend.And the vice-cold spots areas and cold spots areas are concentrated in the upper and middle re⁃gions ofthe Yangtze River respectively.Both economic base and marketorientation have significantthree-threshold effects on innovationvigor.Thereinto,the effectofthe economic base on innovation-vigor is positive,as a“U”type,and the effectofmarketorientation on inno⁃vation-vigor is negative,as an inverted“U”type.According to the conclusions,this paper also propounds some corresponding policy sug⁃gestions.

innovation-vigor;the Yangtze River Economic Belt;spatialdifferentiation;threshold effect

F127；F124.3

A

1007-5097（2017）01-0051-09

［责任编辑：张 兵］

10.3969/j.issn.1007-5097.2017.01.007

2016-08-22

国家自然科学基金项目（71303218）；教育部人文社会科学研究项目（12YJCZH191）；浙江自然科学基金项目（LQ13G030013）；浙江省大学生科技创新活动计划暨新苗人才计划（2016R403082）

刘 刚（1980-），男，吉林白山人，助理研究员，硕士，研究方向：创新管理，空间计量；

杨 蕾（1992-），女，浙江温州人，硕士研究生，研究方向：区域创新，空间计量；

刘程军（1987-），男，湖南邵阳人，博士研究生，研究方向：区域创新，城镇发展。