城市创意空间集聚下驱动效度与影响机制指标探究

高长春，周 琦

（东华大学 旭日工商管理学院，上海 200051）

一、引 言

党的十八大开启了我国城市建设新时代，新型城镇化建设由此迈向加速与高质量发展阶段。创意产业区域伴随着城市化进程实施一系列根本性、开创性和长远性的工作［1］，到十九大时城市创意产业高质建设已取得初步进展［2］。城市创意产业空间集聚作为推进城市产业区域建设的新趋势和新方向，在提升城镇建设实效、完善深层次空间构建和实现高质量区域创新等方面具有重要的时代价值。鉴于创新已成为改革开放深水区的加速剂，也成为引领经济社会发展的第一动力［3］，因而当前亟须完善城市空间集聚指标创新体系，以促进产业组织管理、营造创意空间环境、保障城市创意产业高效运转。本文的理论贡献在于：通过研究城市创意空间集聚驱动效度的指标要素，改善城市空间认知结构、深化空间集聚关联、进而提升城市创意空间集聚发展水平。

（一）文献评述

国内外学者针对创意产业空间集聚的综效体系做了大量深入而细致的研究工作：城市创意经济空间集聚源自经济活动在某一地理区域内相对集中的创意现象（Porter，1998）［4］；Krugman（1991a）［5］、Krugman&Venables（1995）［6］将空间因素纳入传统经济学分析中，试图从新的角度解释经济集聚对创意空间的正外部性和经济活动分布的空间集聚规律，其中正外部性也被称为空间集聚的促进效应；由于驱动效度，经济集聚效应被很多学者证明可以影响城市创意产业区域空间的紧凑性（Ciccone，2002；Brülhart&Mathys，2008；范剑勇，2006；孙浦阳等，2013）［7-10］。由此可见，城市创意产业的空间集聚所带来的正负外部性，同时取决于其驱动效度和影响机制的共同作用。

在空间集聚的指标评估研究中：徐汉明、周箴（2017）［11］基于环境效度影响因素分析下的创意产业园区评估指标体系，提出了基于环境驱动下构建创意产业园区评估指标体系的若干建议与对策，对评估指标的多样性及实用性做了总结；姜玲、王丽龄（2016）［12］通过研究评估了大多数文化创意产业的集聚效应总体上能够产生正效益，但某些组织的集聚却会出现负变化；冯根尧（2014）［13］提出应充分发挥其高融合性、高集聚性、高辐射性的特征，通过形成新的组织驱动产业链，带动相关产业发展；陈建军、葛宝琴（2008）［14］依据城市空间产业集聚原理，评估了创意产业园的空间集聚可以提升组织的外部经济性和规模收益性，具有提高创新能力以及降低风险的作用；杨勇、李素文、包菊芬（2015）［15］通过空间测度方法对科普产业空间集聚度及驱动模式进行识别；董秋霞、高长春（2010）［16］对影响创意产业园区竞争力的组织驱动因素进行系统性分析，构建了评估指标体系。以上对组织驱动的研究主要聚焦于环境、产业链、价值风险等的层面，对于驱动模式与空间的集聚关联较少，涉及驱动效度与空间集聚的动因关系没有定论。

在影响机制因素及模型研究中：Mytelka Lynn（2000）［17］认为城市区域资源和制度背景对于区域经济增长具有决定性的作用，便利的交通系统和完善的指标设施是影响创意产业的关键因素；褚劲风（2009）［18］以上海市创意产业产出值作为输出变量，建立了多元线性回归模型，得到影响机制各指标对产出的影响关系；谭娜、彭飞（2016）［19］认为文化创意产业集聚区建设对地区文化性因素、经济实力因素、城市开放程度和技术性形成有利影响因素；宗利永、李元旭（2015）［20］通过文化创意类众包社区发包方参与动机研究，确立了创意产业企业开展专业服务众包的指标；陈前（2016）［21］提出了空间创意类专业培养模式的指标；马仁峰（2011）［22］通过构建多元回归模型揭示了创意产业区演化与大都市空间影响因素指标的关系。这些研究通常以区域资源、创意产值、文化技术因素等作为影响指标，针对影响因素指标的全面性及相关性研究较少。

综上，当前研究对创意产业空间集聚在驱动效度与影响机制的指标关联性方面存在以下不足：第一，现有文献主要侧重于驱动效度的单一指标对空间集聚的影响，对城市发展新阶段中驱动效度与影响机制指标的相关性考虑欠缺；第二，缺乏创意产业空间集聚的驱动效度与影响机制指标的关联性分析。由于被解释变量是驱动效度、影响机制类指标，只有深入研究其相互作用及关系，才能提出适合现今城市创意空间发展的政策建议。基于此，本研究的目标是：首先基于驱动效度与影响机制指标进行扎根过滤；其次构建指标关系框架，形成城市创意产业空间集聚指标体系；最后得出创意产业空间集聚度指标结构模型，并进行了指标相关权重检验。

（二）研究前提

学者 Caves和 Heur［23-24］首次提出：在区域整体范围内，文化创意产业在地理空间上通常表现为集聚性。Scott［25］认为，城市从创意产业空间的集聚获取了创意来源，增强了创意输出，从而提升了创意效率。城市在经济发展态势、经济增长方式、空间演化形式、结合空间要素的需求性、文化沉淀的历史性、人才行为的多样性等方面均构成了影响城市创意产业空间集聚的重要驱动效度，这些驱动效度内因与外因相互组合、交互影响。综合以上研究发现，驱动效度与影响机制是有内在关系的，具体表现在驱动条件合适的空间范围内产生影响因素，影响因素直接形成了创意产业空间的集聚。因此，本文需要从影响机制和驱动效度两个方面来探讨创意产业空间集聚的关联特征和指标体系。

二、系统流程

研究流程如下：①基于文献调查法对驱动指标和影响机制指标进行扎根理论（Grounded theory）［26］初始译码研究；②对开放式译码、主轴译码、选择性译码进行空间集聚指标的初始构建；③借助QSR NVivo12软件［27］进行译码统计分析；④对指标体系进行实证检测［28］；⑤形成城市创意产业空间集聚指标理论模型。具体研究流程如图1所示。

图1 城市创意产业区空间集聚指标研究流程

三、扎根质性分析

（一）调研数据来源

1.客观数据

关于客观数据的第一项来源，以“驱动效度”“影响因素”为关键词，共收集从2018-2019年共计350份原始文本资料。搜集文献资料的途径包括但不限于：东华大学图书馆相关文献资料、世界学术网站、百度文库、知网、相关新闻报道、行业资讯、各类相关的期刊等。为了保证本文收集的创意产业空间集聚相关研究数据的相关性、真实性和有效性，又进一步对所收集的资料进行内容排查筛选，将本文的研究对象所属行业归为驱动效度、影响因素等208份无重复文本资料，再次从中筛选出68份核心资料用于研究。

关于客观数据的第二项来源：①2018年迄今学界高层访谈报告分析记录；②2018-2019年国际创意管理大会的专题专访、企业年报及纸质文献记录；③文化创意产业区文献等资讯；④2018年迄今创意产业、创意商品、创意消费、创意服务等四个相关方面的文献资料。其中，60份用于译码分析，剩余8份用于描述性统计和信度效度检验。以上数据的获取路径由课题组讨论后得出。

2.访谈设计

关于访谈设计的来源，主要采用深度访谈和开放式问卷调研的方法，对所获得的经验资料进行四阶段译码的质性处理，这四个阶段为初始译码、开放式译码、主轴译码和选择性译码。

此次访谈过程中，主要运用了深度访谈和组群访谈两种具体形式。深度访谈是强调从现象到本质的过程性探索［29］，本文选择了32位从事创意产业领域的受访者，采用对年龄、性别、职业、教育编码的形式，共进行了约8次一对一深度访谈，由于时间关系，访谈时间为0.3～0.5小时/次。本研究共进行了3次焦点小组访谈，每三人为一小组，平均时长为40分钟。最后形成约5万字的访谈记录［30］，再将全部资料的2/3作为扎根研究的记录基础，进行译码分析。

扎根理论研究的理论抽样往往选择有限的但具有代表性的定点人群做深度研究，其抽样过程是目的性和非概率性的抽样，遵循以下三个标准：①受访者具备相当的教育水平和学术水准。受访者学历都在本科以上，以研究生为主，具有较强的逻辑思维能力和理解力。②受访者对其所属的创意产业区域有直观的影响和实践感受。受访者一般从事相关的创意产业工作，能够精准把握问题的关键，提高访谈的效率。③受访者从事的行业与创意产业相关联。行业发达程度能直接提升人们对于行业知识的了解程度。本研究尽可能囊括与空间集聚相关的创意驱动类各项指标，适用于对驱动系统及影响因素的初始遴选。

（二）扎根过程探究

1.初始译码设计

通过对文献资料的破题、引用、分类、整合、逐段落仔细分析，形成参考点，并将其概念化和指标化成树节点，共发掘24项初始概念（a1～a24），24项提纯概念（aa1～aa24），进而归纳为12项初选指标（A1～A12）。在影响机制和驱动效度指标遴选方面，无论采取文献调研还是访谈调研，都要规避“指标共线问题”。由此重新整合资料，划分指标区间。基于驱动效度层面的文献综述，经过专家的访谈整合后形成初始译码。研究过程见表1所列。

表1 驱动效度指标初始译码过程

基于影响机制层面的文献译码，再经过专家的访谈整合后形成初始译码，共发掘19项初始概念（a1～a19），19项提纯概念（aa1～aa19），进而归纳为10项初选指标（A1～A10）。具体见表2所列。

表2 影响机制指标初始译码过程

2.开放式译码设计

开放译码实际上是对访谈资料进行概念提炼。首先，将受访人对其每个问题的回答和对创意产业空间集聚指标观点的表述，整理其原始语句成为备忘录。研究过程为：重新筛选所有的原始语句，然后对筛选后的原始语句逐条进行初始译码并贴标签，最终得到380条原始信息；然后把以上原始语句进行开放式译码输入到电脑界面。为保证译码的可信度，本文选择2位具有高等教育背景的译码员进行采集后对原始语句进行独立转译，针对访谈语句赋予不同的译码（限于篇幅，未给出开放译码的分析过程，如有需要可向作者索取）。

首先基于QSR NVivo12进行程序译码统计后，对各自形成空间集聚的表述进行统一整合，形成几十个自由节点。其次对自由节点进行合并、归类，形成空间集聚的粗选指标，如将结构主导、战略布局、营运计划等概念可以归类到“内部创意驱动”指标。合并所遵循的标准是初级概念之间有较高的相似性，如“管理服务”“工程技术服务”可以归于“设计驱动”指标，将“特定客群”“客户反映”合并到“客群反馈”指标等。最后经过逐项归类和合并，最终得到驱动效度与影响机制开放式译码粗选指标。

3.主轴译码解析

主轴译码是发现和建立概念指标之间关系的过程，目的是寻找主指标，以发现资料中各个部分之间的内在关联［43］。如图2所示。

图2 主轴译码典范模型

在驱动效度指标的开放式译码中形成了初选指标，主轴译码是依据概念指标之间的相互关联性和逻辑性得到的一级指标，经过进一步相互梳理为二级指标，也称为树节点。本节删除的二级指标有两种：一是无法跟其他概念聚集而形成的二级指标；二是出现在不同一级指标下的含义相近的二级指标。关于二级指标的修正主要集中在市场驱动、科技驱动两个方面。在市场驱动（Ee4）一级指标下，经过整合形成市场资源（Eee9）、市场机遇（Eee10）、市场平台（Eee11）三项指标，表达了文化信息为创意产业的空间发展提供的市场支撑条件；在科技驱动（Ee6）一级指标中，优化了宣贯推广（Eee15）、展览演示（Eee16）、科技流通（Eee17）三项指标，强调科技成果对外输出的过程。以上消除了二级指标间的相关性和包含性，最终的结果形成“结构驱动”“战略驱动”“营运驱动”“市场驱动”“政府驱动”“科技驱动”6项一级指标和其所涵盖的17项二级指标。这些指标形成的共识意见汇总见表3所列。

表3 驱动效度指标集聚模型——主轴译码改良结果

续表3

在影响机制指标的开放式译码中，根据影响因素指标的开放式编码结果，对二级指标的修正主要集中在园区建设、文创产业、基建支持三个方面：在园区建设（Aa2）一级指标下，经过整合形成居住水平（Aaa7）、企业数量（Aaa8）、平均租金（Aaa9）三项二级指标，体现了创意企业的入驻孵化、居住质量、租金对企业数量的相互作用；在文创产业（Aa3）一级指标下，经过整合形成创意零售（Aaa10）、创意产值（Aaa11）两项指标，表达了区域文化、资金影响、创意产品、创意服务具有内在关联性，也体现了产品从生产到流通的文化价值与空间效应；在基建支持（Aa5）一级指标下的交通流量原为区域流量二级指标，经过分析认为交通流量具有数据量化的可行性，故改为交通流量（Aaa15）。本阶段的非共识意见为：根据封志明、唐焰、杨艳昭等（2007）［44］的研究表明，地形起伏（Aaa6）是影响城市创意区域人口集聚分布的重要因素，需要在下文“选择性译码分析”中加以明确。最终的结果形成“地域发展”“园区建设”“文创产业”“消费需求”“基建支持”5项一级指标和其所涵盖的15项二级指标。这些指标形成的共识意见汇总见表4所列。

表4 影响机制指标集聚模型——主轴译码改良结果

4.选择性译码分析

驱动效度指标虽然通过主轴译码归纳出主指标，但是指标之间关系并不明朗。选择性译码就是对已发现的概念指标进行系统的分析后，建立指标之间的关系，依据“故事线”，在规避“指标共线问题”的前提条件下，进一步探索核心指标，形成最终的空间集聚指标体系［45］。围绕该驱动效度指标的“故事线”，可以表达为内生性驱动、外延性驱动两大构成指标。因此，这6个主要驱动指标相互作用和联接，共同构成了创意产业区空间集聚的驱动指标。核心指标与其他指标之间的关系如图3所示。

创意产业区空间集聚效应之间相互作用和影响而形成的结构驱动、战略驱动、营运驱动组成了创意产业区内部驱动效度。选择编码确定“创意产业区空间集聚关联”这一核心范畴，围绕该空间集聚驱动效度核心范畴的“故事线”可以表达为：内生性驱动、外延性驱动是创意产业区空间集聚主要构成指标，因此，这6个主要驱动指标相互作用和联接，共同构成了创意产业区空间集聚的指标。上文提到的“地形影响因素”，经过研究还是决定剔除，原因有二：一是根据扎根理论排除了人口集聚这一模糊指标，也就相当于排除了地形因素；二是地形因素是天然形成的地理上客观存在，不太符合驱动系统的社会学定义初判，故没有把此因素纳入指标中。此阶段并没有形成非共识性意见。选择性编码各指标之间的关系结构和内涵见表5、表6所列。

图3 核心指标与其他指标的关系模型

经过四级译码解析后，在驱动效度核心指标中包含内部驱动、外部驱动两类方向，细分为6项二级指标（结构驱动、战略驱动、营运驱动、市场驱动、政府驱动、科技驱动）。在影响因素核心指标中包含地域发展、园区建设、文创关产业、消费需求、基建支持五类方向，细分为14项二级指标（城市化率、从业人数、工资薪酬、教育投入、区域投资、居住水平、企业数量、平均租金、创意零售、创意产值、创意来访、创意消费、基建背景、交通流量）。以上指标均对创意产业空间集聚产生关联。

表5 驱动效度主指标与核心指标的关系结构

表6 影响机制主指标与核心指标的关系结构

（三）信度与效度检验

1.描述性统计

利用描述性统计对四级译码进行解析，不同译码者对相同文本独立译码的统计进行检验。描述性统计是质性研究方法中的重要环节，方法如译码相关系数、译码信度系数、中位数、归类一致性指数等。本文选取描述性分析对各指标要素进行统计，包括对数据的均值、标准差等分析，具体结果见表7所列。

表7 描述性统计

续表7

2.信度检验

本文采用克隆巴赫系数即Cronbach's alpha来检视信度。一般而言，通常情况下Cronbach's alpha系数在0.75以上，高于临界值0.7，所以四级译码的信度是可靠的，认定可信度较高；当Cronbach's alpha大于等于0.9时，信度非常好［46］。具体检验结果见表8所列。

表8 信度检验结果

根据表8，调查问卷的Cronbach's alpha系数普遍处于0.75以上，显示整个问卷的信度较好，符合信度要求，说明驱动效度与影响机制指标是城市创意产业区域空间集聚的真实反映。

3.效度检验

首先对量表的总体效度进行检验，主要从结构效度来衡量。本文采用因子分析方法来验证指标结构效度，因子分析的过程主要起到降维的作用，通过少量因子来替代多个原始变量。本文参照徐汉明、周箴［47］在环境影响因素的效度检测流程，在做因子分析之前，首先试用KMO方法和Bartlett球体检验来验证变量之间的偏相关关系是否很小，并确定数据是否适合做因子分析［48］。若KMO越接近1，越适合做因子分析；KMO过小，不适合做因子分析；当KMO大于0.5，适合做因子分析。Bartlett球体检验主要是用于检验数据的分布以及各个变量间的独立情况。在spss中的因素分析时有关于Bartlett球形检验的选项，如果sig值小于0.05，则数据呈球形分布。

本文将调查问卷的结果输入spss16.0软件中进行分析，具体结果见表9所列。其中KMO值为0.763 1，Bartlett球形检验中，Approx.Chi-Square约为4 983，sig值为0，支持因子分析。对本文所构建的包含20个题项的208份问卷进行探索性因子分析，以检验该量表的结构效度。

表9 效度检验结果

首先，根据本文的构成维度假设进行探索性因子分析，按特征根大于1的方式抽取因子，因子提取法采用主成分法，旋转方法为最大方差法。结果显示部分影响因素维度上的题项因子载荷都在0.5以下，故予以删除，重新计算，计算结果见表10所列。经过删除操作后，所有影响因素维度上的题项因子载荷均在0.5以上，表示量表的效度良好［49］。

表10 改良后的主成分分析

进行效度分析后，再对集聚指标量表的主成分进行检验，经对比发现暂无新的指标和对应新项，表明信效度检测结果良好。由此整理出城市创意产业空间集聚指标的初始架构，如图4所示。

图4 创意产业区空间集聚指标关联架构

四、结构方程分析

（一）驱动效度与影响因素的模型构建

根据扎根理论形成的城市创意产业空间集聚影响因素与驱动效度指标的结果形成的空间集聚指标关联图，运用AMOS17.0软件对调研数据进行驱动效度下的指标关联性检验，形成结构方程模型如图5所示。结构方程模型显示，驱动效度和影响因素主指标下的二级指标各变量之间关系显著。

图5 城市创意产业空间集聚度指标理论模型

（二）模型指标相关效应检验

采用AMOS 17.0软件对结构方程进行建模，以此检测扎根理论的有效性和指标的潜在影响性，评估影响因素指标、驱动效度指标对空间集聚度的综合影响效应，运用结构方程对扎根理论所得的结果进行综合性检验，将A内部驱动、B外部驱动、C地域发展、D园区建设、E文创产业、F消费需求、G基建支持的子指标作为变量代入结构方程模型中进行检验。采用卡方值、近似误差均方根、拟合优度指数等评价指标来检验结构方程的整体拟合程度。由表11可知，该模型卡方值为1 348.20，自由度为728，RMSEA为0.073，拟合表现性较好；但CFI值为0.70，拟合程度略显一般。

表11 相关效应模型拟合指数

基于扎根理论的结构方程模型检测表明：驱动效度、影响因素的各项指标与空间集聚之间确实有比较直接的作用。由表12可知，A内部驱动效度到空间集聚度的路径系数为0.319（P＜0.001）；B外部驱动效度到空间集聚度的路径系数为0.482（P＜0.001）；C地域发展到空间集聚度的路径系数为0.528（P＜0.001）；D园区建设到空间集聚度的路径系数为0.497（P＜0.001）；E文创产业到空间集聚度的路径系数为0.431（P＜0.001）；F消费需求到空间集聚度的路径系数为0.381（P＜0.001）；G基建支持到空间集聚度的路径系数为0.562（P＜0.001）。由此可知，驱动效度与影响因素的七项一级指标对于城市创意产业区空间集聚度具有显著关联。

表12 结构方程模型拟合路径

综上所述，本文认为创意产业空间集聚下驱动效度和影响因素之间存在交叉作用关系，驱动力和影响力均为二级指标；地域发展、园区建设、文创产业、消费需求、基建支持等三级指标对一、二级指标的作用均为正向影响。根据表12不同指标的参数贡献值，可以把表格取值分为三个层级：第一层级以0.3～0.499（含）为界，包括A1结构主导指标、A3营运主导指标、B1市场主导指标、B2营运主导指标、C3工资薪酬指标、D2企业数量指标；第二层级以0.5～0.699（含）为界，包括B3科技主导指标、C4教育投入两大指标、F2创意消费指标；第三层级以0.7～0.899为界，包括A2战略主导指标、C5区域投资指标、E2创意产值指标、G2交通流量指标。从指标的取值也可以看出指标与影响因素和驱动效度一级指标相关性的强弱。但同时也发现：城市化率指标、从业人数指标、居住水平指标、创意来访指标、平均租金指标、创意零售指标、基建背景指标的取值在0.299以下，说明指标呈现的相关性较弱。综上，虽然各指标对空间集聚度的影响力有差异，但是各项指标对于创意产业园区空间集聚度相关性的精确描述，还需要进一步的数据回测和实证解析。

五、研究结论与建议

（一）研究结论

首先，基于扎根理论对350份原始资料进行研究假设、文献查证、深度访谈、软件分析，在驱动效度及影响机制的层面，确立了空间集聚的相关指标及初始关系；其次，构建影响机制和驱动效度指标的关联框架；最后，得出城市创意产业空间集聚度指标理论模型，并进行了指标相关性权重检验。本文的贡献在于：详细分析了城市创意产业空间集聚下驱动效度与影响机制的关联性，并提出了创意产业区空间演进的发展需求。

通过计量模型深入探讨驱动效度与影响机制的关系内因，本文主要结论如下：①城市创意产业空间集聚对驱动效度、影响机制的指标影响呈现非线性特征。在空间集聚程度较小时，其对空间集聚效率的影响机制主要表现出驱动促进效应；当空间集聚程度较大时，其影响主要表现出驱动抑制效应。说明在创意产业规划阶段，适当约束同质化企业过度竞争、消费者过度消费可以有效避免区域资源的承载负担。因此，有必要深化创意产业资源指标与创意组织阶层的匹配度和协同度、创意阶层对创意空间的满意度和适应度，强化内外驱动效度与影响机制指标之间的协同关系。②通过驱动效度指标对影响机制指标的相关作用表明：城市化率、居住水平、创意零售指标并未对空间集聚起到显著作用，考虑城市数据可得性及相关性等不足，对区域创意产业空间优势的形成影响有限。应重点关注投资环境、企业数量以及创意价值指标，以上三种指标均可以促进集聚有效性，提升投资空间基建活力，降低投资信息传递成本，提高企业组织生产效率，促进规模经济和创意价值递增的形成，故呈现显著的正相关性。但集聚过度会导致租金成本、交通流量指标攀升，表现出空间集聚不经济，产生负外部性，从而降低集聚的经济效率。

（二）对策建议

综上，本文给出的政策建议为：

（1）优化并改善投资、薪酬、产值、消费指标的空间价值。从经济发展层面上看，政府及市场驱动指标激发并强化了空间集聚的投资价值。在切实加强创新技术、整合区域创意组织结构的同时应强化深层次空间建设指标及基建支撑指标。首先从区域创新的空间定位入手，吸纳区域相关的创意产业优势；其次从简单的城市创产点状规划建设转移到精准、高质量的区域发展建设中。但在发展过程中要考虑当地经济、基础设施以及自然资源的承载力，防止空间集聚程度过大带来的低效及负效应。

（2）活化并增强创意人才指标的组织机制。从职能管控层面上看，对教育、从业人数、信访、居住比率等较弱的相关联指标进行反思，教育人才指标与企业数量指标关系创意产业的空间集聚核心优势。增强人才的储备和引进是促进区域文化产业优势形成的有力保障。优化营运驱动指标和商业消费的影响指标，提升产业空间内部组织创意效率，活化创意产值的指标活力，扶持创意成果孵化，鼓励高新技术专利的保护与研发，也为组织个体提供良好的创新环境、先进的创新机会、便捷的创新途径，提高创意产业的经济附加值，形成空间集聚价值的溢出优势。同时防止租金过高带来的负影响，形成创意产业空间集聚涟漪效应。

（3）强化并提升战略技术创新指标的管理综效。从空间战略层面上看，战略驱动指标、技术驱动指标均与创意产业空间集聚的科技及资源优势相关。前瞻性的创意视野及技术变革发展可以有效推进空间集聚的战略进路。增强政府驱动效度下科技创新的管理贡献度，加快构建科学适用、结构合理、功能协调的创新体系，进而依托政府与企业的管理协同、强化创意体制的工作互融、明确技术提升的发展方向、理顺科技创新的协调关系等，提供指标的引领与指导。提升技术、信息、知识、管理、资本的效率和利益，强化科技同经济对接、创新成果同产业对接，创新项目同生产力对接、增强区域科技进步与经济发展的贡献度。总之，加强现代技术与文化产业融合是提升创意产业空间集聚有效的管理途径之一，整合科技研发型的创意资源有助于形成城市多格局空间集聚的智汇效应。