中国众创空间的空间演化及影响因素研究

罗 静， 陈 洁， 蒋 亮， 田 野， 董 莹， 田玲玲

(1.华中师范大学城市与环境科学学院， 武汉 430079； 2.华中师范大学湖北省高质量发展研究院， 武汉 430079；3.河南财经政法大学资源与环境学院， 郑州 450046； 4.湖北经济学院财经高等研究院， 武汉 430205)

进入创新全球化时代，国家繁荣的前提在于活力经济，在于创新创业.作为全球第二大经济体，中国已步入了由要素和投资驱动向创新驱动转变的历史性阶段，创新成为“引领发展的第一动力”，众创空间作为国家创新体系的空间承载，已经成为中国经济新常态的热词[1-2].众创空间(makerspace)即创客空间+创新型孵化器，国务院将众创空间定义为顺应大众创新、开放创新趋势，把握互联网环境下创新创业特点和需求，通过市场化机制、专业化服务和资本化途径构建的低成本、便利化、全要素、开放式的新型创业服务平台的统称.自2015年国务院发布《关于发展众创空间推动大众创新创业的指导意见》以来[3]，众创空间从无到有、从小到大，经历了在探索中不断发展壮大的历程，已经成为支撑供给侧结构性改革、培育发展新动能、孕育企业家精神的重要载体和关键抓手.截止到2020年，我国已有国家级众创空间2 469家.众创空间蕴含着“知识创造”的创新思想，在人地关系的构成中，创新活动是人类最重要的实践活动.从人地关系演化角度来看，现阶段的人地关系更需要人类的创新活动进行协调，研究众创空间对于优化经济结构，构建“双循环”新发展格局具有重要的作用.

众创空间起源于欧美等发达国家所说的创客及“创客空间”的概念[4].国外的创客空间集加工车间、工作室、实验室功能于一体，研究主要以管理营销、技术推广和研发设计的角度为主.主要包括创客空间的内涵[5-6]、类型和功能的区分[7]、众创空间的应用，包括与高校、科研机构以及图书馆相结合的运营模式设计[8-11]、技术政策与管理[12-13]，运营绩效[14]等，强调众创空间发展所需的创客运动、自制(DIY)文化等特殊文化背景.国内众创空间更重视新型创新创业服务平台的功能属性，探究偏向总结性质，且大多以案例研究为主.包括以下几个方面：1) 众创空间形态演进、类型和模式[15-17]；2) 众创空间的政策解析和发展路径[18-19]；3) 基于生态系统的众创空间的要素交互、运行机制和绩效评价[20-22]；4) 众创空间在高校教育、企业战略管理、经济发展等方面的机制和功能[23-25]；5) 众创空间集群效应研究[26-27]等方面.少数经济地理学者开始关注众创空间的区位选址、空间布局及驱动因素[28-29].综上所述，学者们从经济学、管理学和地理学等学科对众创空间进行了广泛研究，但实际上基于空间关系对众创空间演化和影响因素的研究仍然较少.由于国家级众创空间的发展较为成熟，是国家和地方重点关注和监管的创业平台，具有代表性和规范性，由此得出的实践结果更具指导意义.基于此，本文以全国2 469个国家级众创空间为研究对象，利用最邻近指数、核密度分析、网格维数和地理探测器对国家级众创空间的空间演变及影响机理进行探究，旨在为中国各地区针对性促进众创空间集聚发展，提高经济效益提供良好的借鉴与参考，丰富创新地理学的研究内容.

1 数据来源与研究方法

1.1 数据来源

国家级众创空间数据取自中华人民共和国科学技术部火炬中心网站(http://www.most.gov.cn/).2015年11月19日，国家科技部火炬中心为推动众创空间的健康发展，营造有利于大众创业、万众创新的良好环境，从地方科技管理部门推荐的众创空间中审核并公布了首批共136家国家级众创空间，并于2016年、2017年、2020年分别公示4批国家级众创空间(2016年为两批)，因此依据时间序列，本文以2015年、2016年、2017年、2020年为时间节点，探讨国家级众创空间的空间格局演变过程及规律；众创空间的位置数据来源于百度地图；社会经济数据来源于历年《中国统计年鉴》、《中国科技统计年鉴》和各省区统计年鉴；空间行政边界矢量GIS数据来源于国家基础地理信息数据库.首先借助网络爬虫工具和百度坐标点拾取工具获取国家级众创空间的地理位置信息，经过坐标投影转换后导入ArcGIS 10.2软件，建立空间属性数据库，绘制国家级众创空间分类型分布图(图1).

注：该图基于国家测绘地理信息服务局标准地图服务网站审图号GS(2019)1826标准地图绘制，底图无修改，下图同.图1 中国众创空间分布图Fig.1 Spatial distribution of national maker spaces

1.2 研究方法

1.2.1 最邻近指数 最邻近指数是指点状事物在地理空间中相互邻近程度的地理指标，能很好的反应点状要素的空间分布特征，主要思路在于计算平均观测距离与预期平均距离的比值，分析国家级众创空间的分布态势，判断分布类型，公式如下[30]：

(1)

式中，R为最邻近指数；min(dij)为研究区任意一个众创空间点与其临近点的最短距离；A是研究区的面积，N是众创空间点数量，当R=1时为完全随机分布，R<1为集聚分布，R>1为均匀分布.

1.2.2 核密度估算 核密度估算法常被用来反映点要素空间分布的相对集中程度，是研究点集在不同地理空间位置上发生概率的方法.通常来说，点要素密集程度越高，事件发生的概率也就越高.公式如下：

(2)

1.2.3 网格维数 网格维数是研究空间分异特征的测算方法，可以反映研究对象分布的均衡性[31].运用网格维数对中国众创空间进行网络化分析时，一定空间范围内的网格维数N(r)会随着网络尺度X的变化而变化，如众创空间的分布格局存在无标度性，则：

N(r)∝ε-a，

(3)

式中，a=D0为容量维.假设在网格中众创空间的分布数量为Nij，众创空间总数为N，那么可近似定义划分网格中众创空间分布的概率为Pij=Nij/N，则信息量公式为：

(4)

式中，k为研究区域各边等分的分段数(本文k值取1～10)，如众创空间的空间分布是分形的，则有：

I(r)=I0-D1lnr，

(5)

式中，I0常数，D1为信息维.一般来说，网格维数D值在0到2之间，D值越大，众创空间的空间分布就越均衡，反之则越集中；当D值趋近于1时，众创空间分布特征则表现出集中在某一地理线上的态势；当D1=D0时，表明众创空间的分布属于简单分形[32].

1.2.4 地理探测器 地理探测器是王劲峰等提出的探测空间分异性并揭示背后驱动力的计量学方法，是探测地理要素空间格局形成机制的重要工具，已被运用于从自然到社会非常广泛的领域，其研究区域大到国家尺度，小到乡镇尺度[33].地理探测器包括风险探测、因子探测、生态探测和交互探测4个部分.本文主要从因子探测来揭示众创空间分布的影响机理，主要是探测影响众创空间分布的因子X多大程度上解释了属性Y，具体做法是因子X在不同类别分区上的总方差与其在整个研究区上的总方差.用q值度量，表达式为：

(6)

(7)

交互作用探测可以识别不同因子X之间的交互作用，即探测因子X1和X2共同作用是否会减弱或者增强对因变量Y的解释力，或者这些因子对Y的影响是相互独立的.评估方法为首先分别计算探测因子X1和X2的q值：q(X1)和q(X2)并计算他们交互时的q值：q(X1∩X2)，然后根据表1判断q(X1)、q(X2)和q(X1∩X2)之间的关系.

表1 交互作用类型Tab.1 Types of interaction

2 众创空间演化特征

2.1 总体演变特征

众创空间作为创新型孵化器，是响应“大众创业、万众创新”的新型创业公共服务平台，国家级众创空间的数量从2015年公布的第一批136家增加到2020年的2 469家，且65.74%的国家级众创空间均位于东部地区(表2).其中2020年东部众创空间数量较多的为广东、山东和江苏，中部地区为湖北、湖南和河南，西部地区为陕西、四川和内蒙古.从全国众创空间分布比重来看，2015年—2020年东部地区众创空间占比虽有所下降，但仍然是众创空间比重最大的地区，除中部地区在2016年数量占比下降幅度较大以外(10.1%)，2017年和2020年变化不大，约为15%，西部地区众创空间的占比较稳定，不足20%.

表2 中国各省区众创空间分布统计Tab.2 Distribution statistics of national makerspaces in each province in China

以年增长率度量众创空间年均变化情况，2015年—2020年众创空间年增长率为78.56%，东、中、西的年增长率分别为77.16%、67.31%和98.41%，西部地区为众创空间增速最快的地区.对比2015年—2016年、2016年—2017年和2017年—2020年三个阶段，东、中、西三个地区均于第一阶段增速最快，西部地区的增速更是达到了1568%，呈现了井喷式的增长速度；第二阶段三大地区的增速均有所放缓，中部地区增速最快，为103%，东部地区和西部地区增速均在50%以下；第三阶段三大地区的增长速度较为稳定，均在35%以内.总体而言，全国众创空间的地理分异较为明显，广东的众创空间数量远高于其他省份，东、中、西地区亦存在较为显著的差异.

2.2 空间分布的演化特征

根据最临近点指数法将点状要素的空间分布特征进行描述，其可划分为集聚型、均匀型和随机型[34].通过ArcGIS 10.2空间统计模块下的平均最邻近工具分别计算四个时间节点国家级众创空间的最邻近指数R，结果见表3.

由表3可知，四个时间节点的国家级众创空间预期最邻近距离均大于实际最邻近距离，R值也均小于1，Z检验值显著，说明总体分布上呈现出集聚的特征.从R值的变化来看，2015年的R值最低，空间集聚程度最高，这是由于2015年国家级众创空间集中分布于京津冀和东南沿海等经济较为发达的省份；从时间变化来看，R值不断增加，空间聚集态势逐渐减弱，虽数量实现了翻倍增长，但是呈现出全国蔓延的非均衡发展态势.

表3 中国众创空间最邻近点指数Tab.3 Nearest neighbor index of national makerspaces in China

2.3 空间分布密度演化特征

运用ArcGIS 10.2空间分析模块下的Kernel Density工具对四个时间节点的国家级众创空间进行核密度分析，结果如图2.

如图2所示，2015年中国众创空间核密度中高值区主要分布在京津冀、长三角、珠三角和武汉，尤其是京津冀地区，中心核密度为3.66～5.65个·万km-2；2016年，长三角地区、珠三角地区、重庆和西安核密度增强，形成了北京-天津、深圳-广州、上海-杭州三大高密度片区，中密度区快速增加，重庆、青岛核密度增强，空间上呈现出三个高密度区和多个集聚区，中心核密度为17.87～30.18个·万km-2；2017年，以上海为中心的高密度区范围快速增加，形成了上海-南京-杭州高密度集聚区，中密度区新增中三角武汉-长沙集中连片发展区；2020年，上海和郑州的核密度值进一步增强，众创空间核密度总体由东向西形成了四周高密度区和次集聚区，中间低洼区的斜“回”字形空间格局，即以北京、上海和深圳为中心的高密度区、四川盆地、关中平原、中三角等次集聚区以及周边低洼区.

图2 中国众创空间分布核密度图Fig.2 Kernel density of national makerspaces in China

四个时间节点的总体核密度格局较一致，呈现出东高西低、东部沿海地区高于内陆的弓箭型格局，且密度差异显著.从时间变化来看，国家级众创空间核密度分布表现出集聚与扩散并存的演变态势，5年间中心核密度值不断增加，集聚区不断增多，以北京、上海、深圳为中心的核密度高值区面积明显扩大，其中北京、天津始终是国家级众创空间核密度最高的地区，斜“回”字形空间格局在2016年已显雏形，2017年趋势明显.长沙、重庆、西安等地区的核密度变化最大，从最初的低密度区逐步增强为次级集聚区.

2.4 空间分布复杂性演化特征

取一大小合适的矩形覆盖整个国家级众创空间分布图并利用ArcGIS 10.2渔网工具对其进行网络分割，分别将各边分为k等分(k=2，3，…，10)，则该矩形被分为k2个部分.统计包含众创空间点的网格数N(r)，每个网格中众创空间数量Nij，可计算出概率Pij，根据公式(5)计算出相应的信息量I(r)(表4)，以此为基础，把计算得到的k，N(r)和I(r)绘制成双对数散点图(图3)，在Excel中进行拟合回归后，即可获得容量维D0和信息维D1.

表4 中国众创空间网格维数测算数据Tab.4 Calculation of grid dimension of national makerspaces in China

根据图3，四个节点的国家级众创空间在一定的测算尺度内均符合分形的数理意义，表现出了明显的分形结构特征.四个时间节点的容量维D0(1.074 6、1.438 1、1.483 2、1.512 3)与信息维D1(0.718 9、0.774、0.783 8、0.786 8)，信息维均远小于对应的容量维，且差异较大，说明众创空间在空间上呈现不均衡分布的状态，存在集聚的现象，结合众创空间核密度分布图，可知集聚主要围绕以北京为中心的京津冀地区、以上海为中心的长三角地区和以深圳为中心的珠三角地区等沿海地区以及主要的交通线展开.从四个时间节点来看，容量维D0数值介于1～2之间，且不断增加，说明国家级众创空间在演化过程中，不均衡的发展态势逐渐凸显，这与国家不断加强对众创空间的扶持，实施各项优惠政策，营造良好创新创业环境，从而促使众创空间的蓬勃发展等因素有关.

图3 中国众创空间网格维双对数散点图Fig.3 Scatter plot for grid dimension of national makerspaces in China

3 众创空间的空间分布影响因素解析

创业创新受经济、社会、教育、技术、基础设施与政策等多方面因素的影响，不同的影响因素作用和强度也有所差别.由于目前对众创空间分布影响因素的研究较少，综合学者对知识技术密集型产业、创新型产业、文化产业等实体空间的分布影响因素研究[35-38]，本文认为众创空间的地理分布格局受地区本底条件、科技支撑、市场环境、政策支持四个方面的综合影响(图4).本底条件主要选取经济实力(人均GDP水平X1)、产业结构(第三产业占GDP的比重X2)、城市化水平(城镇人口占年末总人口比重X3)和交通可达性(公路路网密度X4)来表征；科技支撑选择人力资本(每万人大学生数量X5)、技术成果转化水平(技术市场成交额X6)、技术创新水平(专利授权数X7)和信息化发展水平(邮电业务总量X8)四个指标来表示；市场环境用资本市场(金融机构贷款额X9)和对外开放水平(实际利用外资额X10)来表征；政策支持主要选取科教文娱投入(教育、科学技术、文化体育与传媒投入X11)和创新投入(R&D经费投入X12)进行表征.

图4 众创空间的空间分布演变影响因素Fig.4 Spatiotemporal evolution factorsofnational makerspaces in China

相较统计学中经典的线性回归模型，地理探测器对低样本量(小于30)的数据具有更优的统计精度，并对多变量共线性问题免疫.因此本文利用地理探测器方法探测国家级众创空间的演变机理.首先将各影响因素按照自然断点法、相等间距法、标准差法、K-means法进行离散化处理后，对比以上处理结果，本研究选用自然断点法将各影响因素分为5类，1～5依次增强，运用GeoDetector工具对各因子贡献率及因子间的交互作用进行定量分析，探讨不同时期众创空间的空间分异的主导因子及各因子之间的交互作用类型.

3.1 单因子探测结果

因子探测主要测度各因子对众创空间分异的解释能力，运用地理探测器“因子探测”模块，得到各影响因子的作用强度(表5)，从表中可以看出，在构成本底条件、科技支撑、市场环境和政策支持4个维度的12个指标在不同的年份呈现出了不同的影响水平.

表5 2015年、2016年、2017年、2020年国家级众创空间影响因子探测结果Tab.5 Factor detector results of national makerspace in 2015， 2016， 2017 and 2020

从影响因子重要性的时间序列变化来看，2015年—2020年，q值的极差分别为0.438、0.587、0.688、0.750，呈现逐步升高的趋势.具体来看，2015年，众创空间分布机理指标体系中，根据q值大小排序，前五位为技术成果转化水平(0.505)>创新投入(0.387)>城市化水平(0.300)>经济实力(0.295)>交通可达性(0.278)；至2020年，q值居于前五位的影响因素分别为创新投入(0.807)>技术创新水平(0.686)>对外开放水平(0.648)>资本市场(0.647)>科教文娱投入(0.599).随时间演化，各因素的影响力在2016年、2017年和2020年具有相对稳定性的特征，影响力数值呈现较小波动变化态势， 2015年由于众创空间数量较少，影响力排序与2016年、2017年和2020年的差异较大.因此，通过计算2016年、2017年和2020年因子影响力均值，可按照因子解释力大小将其分为主导影响因子、次级影响因子和一般影响因子3个等级.主导影响因子包括创新投入、技术创新水平、对外开放水平、资本市场以及科教文娱投入，其因子解释力达0.6以上；次级影响因子包括经济实力、信息化发展水平、技术成果转化水平、城市化水平和交通可达性，因子解释力处于0.2～0.6；一般影响因子包括人力资本和产业结构，因子解释力低于0.2.

3.1.1 主导影响因子 主导影响因子包括创新投入、技术创新水平、对外开放水平、资本市场以及科教文娱投入.众创空间是科技创新、知识创新的重要阵地和主力军之一，反映创新投入的R&D经费支出(X12)的因子解释力为0.387、0.711、0.808、0.807，高居各因子之首，说明加大研究与实验经费投入力度和强度，不仅可以增强众创空间创新资源的可获得性和便捷性，为众创空间的创新创业活动提供物质基础和制度保障，而且可以降低众创空间技术研发成本和技术投入风险，提高众创空间创新效率的提升.专利授权数(X7)包括专利行政部门授予的发明、实用新颖、外观设计三种专利数量的总和，可以反映地区的技术创新水平，该因子解释力为0.178、0.550、0.707、0.686，说明新经济时代，创新动力的培育是创新产业发展的关键，技术创新水平越高越有利于众创空间集聚.用实际利用外资投资额(X10)表示对外开放水平，因子解释力为0.233、0.556、0.692、0.648，说明FDI对众创空间的发展有明显的促进作用，一方面引进国外先进技术或人员的交流和培训，通过学习和改造提升创新水平，另一方面通过竞争效应促进创新能力的提升[39].

反映城市金融资本能级的金融机构贷款总和(X9)，因子解释力为0.172、0.540、0.648、0.647，银行贷款等资本市场条件可以满足众创空间在起步和发展过程中对流动资金的需求，对众创空间的长期持续发展起到强有力的推动作用.教育、科学技术、文化体育与传媒投入(X11)的因子解释力为0.233、0.556、0.692、0.648，说明政府在教育、科学技术等领域的投入不仅可以为创新创业提供资金支持，而且可以促进创新创业教育的机会公平，从而促进众创空间的蓬勃发展.

3.1.2 次级影响因子 次级影响因子包括经济实力、信息化发展水平、技术成果转化水平、城市化水平和交通可达性.迈克尔·波特认为经济发展到创新阶段时，驱动要素将从投资向创新转化，只有经济发展到一定阶段，才能产生“大众创业、万众创新”的现象[40]，而人均GDP(X1)是衡量国家或地区经济发展水平的核心指标，选取该指标来反映各省区经济实力，解释能力为0.295、0.497、0.624、0.432，为进一步解释众创空间分布与经济发展水平之间的关系，将各省区四个时间节点的人均GDP与众创空间分布图进行叠加后得到图5，从图中可知，众创空间的发展多集中于京津冀、江浙沪和东南沿海等人均GDP较高的地区，两者存在紧密的耦合关系.用邮电业务总量来表征信息化发展水平(X8)，因子解释力为0.212、0.493、0.607、0.533，目前，80%左右的国家级众创空间为商务服务业和科学研究和技术服务业，这些众创空间的出现和壮大都是建立在通讯技术、人工智能、软件技术的不断发展基础上，这些都为众创空间的技术创新和产品升级提供了有力的基础服务支持.用技术市场成交额(X6)来表征技术成果转化水平，因子解释力为0.505、0.495、0.575、0.537，解释能力较稳定，说明技术市场成交额是影响众创空间分布的关键因素，能够促进科技成果转化市场上可交易的技术产品，产生经济价值，推动众创空间的建设和发展.

图5 众创空间分布与人均GDP耦合图Fig.5 Coupling relations between national makerspace distribution and per capita GDP

反映地区城市化水平的城镇人口占年末总人口比重(X3)，因子解释力为0.300、0.378、0.461、0.295，为进一步解释众创空间分布与城市化水平之间的关系，将各省区四个时间节点的城市化水平与众创空间分布进行叠加后得到图6，从图中可知，两者之间存在着紧密的耦合关系，说明城市化发展促进了城市功能和基础设施的完善，加强了劳动力、资本、技术、信息等生产要素的集聚，从而吸引了众创空间的落户.

图6 众创空间分布与城市化水平耦合图Fig.6 Coupling relations between national makerspace distribution and urbanization level

交通的发展是经济活动区位优势的重要因素之一[40]，用公路路网密度(X4)衡量交通可达性，因子解释力为0.278、0.220、0.309、0.249，公路交通是实现人流、物流等各生产要素流通和对接的重要媒介，为进一步揭示交通条件与众创空间分布的空间关系，运用ArcGIS 10.2邻域分析工具绘制中国主要公路10 km缓冲区(图7)，并运用空间关联工具统计主要公路10 km缓冲区内众创空间的数量.研究发现，四个时间节点有128、1 133、1 681、2 074家众创空间位于主要公路10 km缓冲区内，分别占总数的94.12%，84.74%，85.29%，84.01%.便利的交通条件降低了就业者的通勤成本和时间成本，有助于加强众创空间之间的经济联系，扩大空间规模.

图7 众创空间分布与主要公路干线耦合图Fig.7 Coupling relations between national makerspace distribution and major transportation lines

3.1.3 一般影响因子 一般影响因子包括人力资本和产业结构.“万众创新”依赖于人才的培养，尤其是在校大学生知识水平高、创新能力强，是众创空间发展的主要力量，人力资本水平越高越有利于知识传播以及创新思想交流和获得.用每万人大学生数量(X5)反映地区的人力资本水平，解释力为0.249、0.128、0.128、0.068，解释水平较低主要由于大学生创业质量不佳，创新能力较为单一，整体抗风险能力较弱，近年来各高校虽大力推动双创教育，但相关课程体系建设尚不完善，实践方式也多为创业创新竞赛，从而导致人力资本并没有充分发挥对众创空间发展的促进作用.

根据《国民经济行业分类标准》(GB/T4754-2017)，国家级众创空间主要涉及商务服务业、科学研究和技术服务类、信息传输、软件和信息技术服务业三大类，另外包括少数制造业、批发和零售业、金融业等.根据行业类型结构分析可知，第三产业比重最大，因此用第三产业占GDP的比重(X2)来表征产业结构，该因子解释力为0.191、0.125、0.120、0.057，因子解释力水平较低，说明产业结构的优化升级对创新创业的诱导和推动作用较小.

3.2 交互因子探测分析

进一步运用“交互探测器”模块识别各影响因子间的共同作用对众创空间分布的解释力，得到表6(因篇幅有限，只列出各年份交互值前五名和后五名).探测结果显示：1) 四个时间节点的两两交互因子探测结果均为非线性增强或双因子增强，部分两因素交互作用甚至产生了“1+1>2”的互补增强效应，说明两两交互作用均大于单个因子对众创空间分布的影响.2) 不同时间节点各因素产生的交互作用强度不同，2015年—2020年交互因子影响力最大的分别为技术创新水平和对外开放水平、经济实力和科教文娱投入、技术创新水平和创新投入、经济实力和创新投入，说明在对外开放和政府投入水平高的经济发达地区更利于众创空间的形成和发展，进一步确定了这些因子为影响众创空间分布的主导因子.3)q值较小的因子在交互后解释力均大幅提升，例如产业结构∩技术创新水平(0.819、0.701、0.827、0.741)、人力资本∩科技成果转化水平(0.753、0.764、0.702、0.615)，表明这些因子是具有木桶效应的短板因子.在各时间节点众创空间影响因子交互探测结果不存在非线性减弱、单因子非线性增强、独立的情况，说明中国国家级众创空间的分布特征并不是单一因素造成的，而是不同影响因子共同作用的结果.

表6 影响因子交互探测结果Tab.6 Interaction detector results of spatial distribution impact factor

4 结论与讨论

4.1 结论

本研究以全国2 469家国家级众创空间为研究对象，综合运用ArcGIS空间分析方法，探究中国众创空间的空间演化和影响机理，得出如下结论.

1) 众创空间总体呈现出集聚的特征，但从时间变化来看，空间聚集态势逐渐减弱，呈现出全国蔓延的非均衡发展态势；四个节点内众创空间分布呈现出东部沿海地区高于内陆的弓箭型格局，且密度差异显著；5年间众创空间核密度分布表现出集聚与扩散并存的演变态势，中心核密度值不断增加，集聚区不断增多.

2) 四个节点的国家级众创空间分形特征明显，呈现出不均衡的分布状态，集聚现象显著，主要围绕京津冀地区、长三角地区、珠三角地区等沿海地区以及主要的交通线展开，形成主次分明的多中心空间集聚形态的分布格局.国家级众创空间在演化过程中，不均衡的发展态势逐渐凸显，这与国家不断加强对众创空间的扶持，实施各项优惠政策，营造良好创新创业环境，从而促使众创空间的蓬勃发展等因素有关.

3) 众创空间的空间演变受多种因素影响，不同时期内众创空间各因素的影响程度不同，影响因素的组合有较大差异.其中政府创新投入、技术创新水平、对外开放水平、资本市场以及科教文娱投入对众创空间的形成和发展起着主导作用；经济实力、信息化发展水平、技术成果转化水平、城市化水平和交通可达性是次级影响因素，而人力资本和产业结构的影响力最弱.

4.2 讨论

我国众创空间行业发展迅速，但从各地区国家级众创空间分布可以发现，不同地区的众创空间发展并不平衡，中西部地区众创空间发展明显落后于东部地区，众创空间的集聚分布将是其在中宏观尺度上空间格局的一般状态.与此同时，不同省市众创空间发展受社会经济因素影响的主要影响因子不同，根源在于创新资源与活动的区位敏感性与选择性，大城市本身发展条件好，不仅众创空间数量丰富，而且对创新资源具有强大的“虹吸效应”，处于创新网络的核心地位.因此，在未来国家众创空间的发展建设中，提出以下政策建议：首先要发挥国家级众创空间“强中心”分布区的辐射作用，带动周边“较弱中心”“弱中心”分布区的发展，加大知识共享平台建设，促进创新资源的合理流通与扩散；然后各个城市适当干预与扶持众创空间的发展，结合自身主导产业和优势条件选择性地适度发展，制定精细化治理政策.同时加大财政支持力度，提高科研与教育事业等财政投入比重；最后通过相互交织作用加大各因子的综合作用，发挥各因子“1+1>2”的效果，以此推动国家级众创空间在省域层面的集聚与规模效应.此外，当前在新冠肺炎疫情冲击、外部需求萎缩叠加国际经贸摩擦的形势下，创新驱动发展战略势在必行，推进众创空间差异化、专业化发展，促进资本、技术、人才、数据等要素跨省域流通的自由化、便利化，是实现国家级众创空间高质量发展的重要手段.