四螺旋创新体系提升区域创新发展路径研究——基于多元主体互动的视角

施晓丽，蒋林林，陈 樱

（集美大学 财经学院，福建 厦门 361021）

一、引言

随着一系列创新驱动战略的实施，我国创新投入逐年增长，中国不断向创新型大国的目标迈进。高质量发展已经成为我国经济建设的主旋律和战略方向，但在高质量发展中区域创新体系的缺陷也日益显露，如创新效率不高，创新投入区域不均衡和内部结构不均衡等［1］。新常态下的我国经济亟待依靠创新推动新旧动能转换，实现产业结构优化升级。

区域创新体系最早由英国加的夫大学的Cooke提出，他认为区域创新体系就是在一定的地理空间内，对各种创新活动施加影响的创新网络和制度安排的总和，区域创新体系具有输出技术知识、增加物质产品产出和提升效益三种功能,在这三种功能的协同作用下，区域创新体系将显著促进区域创新发展［2］。在经济研究领域，使用投入产出法和资源投入来衡量区域创新存在较多的不合理之处，尤其难以适用于不同主体之间协同作用的分析。针对这种非线性复杂关系，有必要以组态思维和新兴研究范式定性比较分析（Qualitative Comparative Analysis，以下简称“QCA”）方法来探究要素条件和结果变量关系之间的规律，整体分析各个要素对被研究变量的影响。因此，本文利用模糊集定性比较分析（FS-QCA）方法分析中国30个省（自治区、直辖市）①的政府、高校、企业以及研究机构四个创新主体协同创新对区域创新发展的影响。

二、文献综述

创新是一种复杂而动态的社会技术、社会经济和社会政治现象，是社会经济发展的核心［3］。人们普遍认为，创新在公司的竞争力以及地区和国家的经济发展过程中起着至关重要的作用［4］。近年来，我国政府在促进创新方面作出了巨大努力，不断加大创新力度和相关政策扶持力度，但是创新投入的不均衡问题依然严峻，创新结构亟须改进和优化。巨大的空间异质性阻碍了创新要素的区际流动和创新成果转化。知识共享和创新要素的流动是促进创新不可或缺的环节。Li认为本区域与外部的知识碰撞将造成产业集聚和创新，创新会刺激外部知识的大量涌入，进而不断扩大本地知识库和集群［5］。虽然本地企业利用不断扩大的知识资源进一步探索其他领域并形成更深层次的集聚，形成创新与集群协同发展的良好互动，但是创新并非由产业集群或者知识溢出等单一条件造成的，而是创新主体多元互动、创新要素流动与集聚、产业政策等诸多因素相互作用的结果。

Etzkowitz借鉴生物学中三螺旋的概念，首次提出三螺旋结构创新模型，并用该模型来分析政府、企业和高校之间的相互作用关系［6］。自此，三螺旋理论被引入对创新的分析与研究，并逐步演变成为一种创新结构理论。三螺旋结构创新理论认为，创新系统的核心单元由政府、企业和高校三者间的“交迭”关系构成，知识的生产和传播离不开这三个创新主体之间的紧密联系，在将知识转化为生产力的过程中，三个创新主体之间相互作用，不断推动创新结构螺旋上升。吴敏认为，知识和技术在创新系统中的流动存在三种形式［7］：第一种是创新要素在政府、企业和高校三个创新主体内部各自交流和变化；第二种是某一创新主体只对其他另一方施加影响，产生两两之间的互动；第三种是任意两个创新主体间均存在紧密联系，技术和知识等创新要素的传输不存在阻碍。

目前，学者们从不同角度研究了区域内不同创新主体对优化创新资源配置和提升创新水平的单一影响。Deng等研究了地方政府在区域创新体系中发挥的重要作用，认为政府不仅是利用创新要素来开展创新生产的组织者，而且还是寻求该地区以外的所有可能创新要素的争取者，这种角色便于其参与政府管辖范围内的创新生产［8］。此外，政府作为区域创新政策的制定者和实施者，为区域内知识和技术的创造与转化提供了有利条件。于文超等对各地高校科研创新效率的评价表明了高校创新对区域创新发展的突出作用［9］。李腾等的实证研究表明，企业创新短期可能会产生抑制区域经济发展的挤出效应，但长期而言，企业创新的挤出效应与整个区域的经济发展水平呈现出一种倒U形关系，即高水平企业创新会对区域经济发展产生更强的推动作用［10］。上述研究均考虑的是政府、高校与企业等单一创新主体在区域创新过程中的作用，缺乏对各创新主体之间协同创新的考察。

研究机构拥有丰富的来源于政府、企业、高校和社会的资源，在技术生产、技术转移和技术共享中发挥着不可替代的纽带作用。中共中央、国务院2020年4月9日发布《关于构建更加完善的要素市场化配置体制机制的意见》明确指出，支持科技企业与高校、科研机构合作建立技术研发中心、产业研究院、中试基地等新型研发机构。研发机构的转型发展及其在促进技术要素优化配置及效率提升方面的作用日益突出。温珂等的研究表明，内部协调、战略管理与组织结构完善的科研机构能够显著提高区域创新绩效［11］。赵立雨等的研究将公共中介服务机构作为四螺旋结构创新模型中的第四个创新主体，认为科技中介服务机构对知识和技术的转化具有催化作用［12］。袁传思认为研发机构作为技术创新联盟的主体对于集合资源、促进技术进步和产业转型具有突出作用［13］。传统的三螺旋结构创新模型忽视了研究机构对于创新的促进作用，实际上研究机构是科技中介服务机构和区域技术联盟的重要构成部分，具有直接进行科学技术研发和促进创新产出的重要作用。因此，有必要将研究机构纳入分析，在政府、高校、企业传统三螺旋结构创新模型的基础上，构建四螺旋创新体系，将研究机构作为四螺旋创新体系中的一极来考察各创新主体之间的协同创新。

三、研究方法与数据来源

（一）研究方法与设计

社会科学家和创新方法论家Ragin首次提出定性比较分析方法。传统的线性回归技术采用经济学上的边际分析方法寻求最优均衡，因其需要巨大的数据支持，通常无法对条件组态与结果变量之间的复杂因果关系进行分析。因此，Ragin提出了定性比较分析方法以探究中小样本案例之间复杂的因果关系以及前因条件之间的相互依赖关系。该方法采用整体的视角开展案例导向的比较分析，其中，每个案例都将作为条件变量的“组态”。面对案例导向的复杂因果关系，Rihoux等在其著作中提出了进行这类分析的三个重要假设，即“并发因果关系”“等效性”和“非对称性”［14］。运用QCA方法进行案例分析的目的并非寻求达到均衡的唯一路径，而是找到可以产生同一结果的不同等效路径。在实践中，QCA主要包括清晰集定性比较分析（Crisp-Set QCA）、多值定性比较分析（Multi-value QCA）和模糊集定性比较分析（Fuzzy-Set QCA）三种具体操作方法。

模糊集定性比较分析（以下简称“FS-QCA”）方法通过将模糊集数据转化为真值表，保留了真值表分析处理定性数据、有限多样性和简化组态的优势，具有定量分析和定性分析的双重属性［15］。根据已有文献，运用FS-QCA方法对中小样本进行分析时，一般是借助一致性和覆盖度这两种指标。一致性与覆盖度的公式分别为：其中，X表示前因条件，Y表示结果变量，下标i在本文中表示省、自治区或直辖市。一致性表示前因条件或前因条件组合是结果变量的子集的程度，一致性水平越高，表示前因条件或前因条件组合对结果变量的解释力越大。而覆盖度表示前因条件或前因条件组合是结果变量超集的程度，覆盖度越大，表示前因条件或前因条件组合对该结果变量的唯一解释程度越大［16］。

作为一种超越定性和定量分析的新方法，模糊集定性比较分析方法相较于传统的线性回归等定量分析方法而言，对于案例之间的多重并发因果关系能够给予更加合理的解释。因此，为探究四个创新主体之间的复杂因果关系及其相互作用对区域创新发展的影响，本文构建了四螺旋结构创新体系，并选择中国30个省（自治区、直辖市）的政府、高校、企业和研究机构之间的6种关系作为研究的前因条件，以区域创新水平（inno）作为结果变量，通过FS-QCA方法寻求促进区域创新发展的不同路径。

（二）数据来源

鉴于数据的可得性，以及FS-QCA方法是针对中小样本的以案例为导向的研究特性，本文选用2017—2019年度中国30个省（自治区、直辖市）的数据，数据来源于《中国科技统计年鉴》，个别省（自治区、直辖市）的缺失数据在相应省（自治区、直辖市）的统计年鉴中获取。本文的四螺旋结构创新体系中的四个创新主体之间的联系共采用了6个指标，如图1所示。

图1 四螺旋结构创新主体间的关系

其中：bond1表示政府对企业的资金投入，表征政府与企业间的关系；bond2表示企业对研究与开发机构的投入，表征企业与研究机构的关系；bond3表示高校对研究机构的研究与开发经费外部支出，表征研究机构与高校之间的关系；bond4表示政府对高校的经费支出，表征政府与高校之间的关系；bond5表示企业对高校的资金投入，表征企业与高校之间的关系；bond6表示政府对研究机构的资金投入，表征政府与研究机构的关系。而区域创新水平（inno）则借鉴周阳敏等［17］和白俊红等［18］的做法，用发明专利授权量表示。

（三）数据的测量和校准

利用FS-QCA方法进行案例分析时，需要对收集到的数据进行校准，将其转化为模糊集。Schneider等将模糊集校准定义为对案例赋予集合隶属度的过程［19］。集合隶属度校准过程同时包含定性与定量两种相互区别的方法，因此，相比于传统的定性分析或者定量分析，模糊集数据兼具定性、定量双重特征。Ragin认为，模糊集具有传统的定距尺度和定比尺度变量的许多优点，同时它也允许定性评估［15］。在实际操作中，进行模糊集的校准首先要确定的是完全隶属点、交叉点（又称最大模糊点）以及完全不隶属点。本文参考Coduras等［20］、沈俊鑫等［21］和 赵文等［22］的研 究，分 别将上（25%）下（75%）四分位点作为完全隶属点和完全不隶属点，将中位数作为交叉点，数据校准之后得到的集合隶属度数值介于0～1之间。校准后数据的描述性统计结果如表1所示。

表1 校准后各变量的描述性统计

由表1可知，各变量的均值都在0.5附近，标准差都在0.4附近，表明数据较为均匀地分布在0～1之间且具有一定的多样性，符合后续分析的要求。

四、创新主体协同创新的组态路径分析

（一）单个条件的必要性分析

集合论主要集中于对两种关系的分析：一是分析必要条件关系，即具有特定结果的案例是否或在多大程度上共有前因条件；二是分析充分条件关系，即具有相同前因条件的案例是否或在多大程度上具有相同的结果［15］。Schneider等提出必要条件分析和充分条件分析应该在不同的分析步骤中进行，首先应 进 行 必 要 条 件 分 析［23］。

本文从集合论的角度对前因条件进行必要性分析，目的在于检验结果集合是否为某个条件集合的子集或超集，通常可以用维恩图进行直观表示。如果单一前因条件是结果的超集，则意味着该条件足以造成该结果的发生，前因条件在维恩图中将包含结果变量，说明该前因条件就是造成该结果发生的唯一路径，因此，无法寻求造成该结果发生的多种路径，也就无需进行后续的充分性分析。Ragin提出的必要性评价标准是一致性水平不得低于0.9，因此，只需在FSQCA的第一步——进行必要性分析时满足一致性水平低于0.9即可，从而保证单一前因条件并非造成结果变量的必要条件，必须进行后续的充分性分析以验证多种前因条件在相互作用下共同影响结果变量。

使用FS-QCA3.0软件进行必要性测试分析，计算前因条件存在与缺失时的一致性和覆盖度，结果如表2所示。

表2 单个条件的必要性分析

由表2可知，所有单一前因条件的一致性水平均低于0.9，由此可以认为创新不是高校、企业、研究机构和政府任一创新主体单独作用的结果，而是在创新主体间的互动作用下产生的。

（二）条件组态的充分性分析

FS-QCA方法的核心是进行条件组态的充分性分析。通常来说，进行充分性分析会产生三种解，即简约解、复杂解和中间解。其中，中间解具有其他两种解的优势，分析时用中间解结合简约解可以得到更加合理的结论。

为得到合理结论，分析前需要对案例频数和一致性阈值进行设置。有的学者将一致性的阈值设定为0.75，低于0.75将不认为该前因条件是结果变量的充分条件［19］。程聪等将一致性阈值设定为0.8［24］。除了要合理设定一致性阈值之外，为使观察案例满足要求，案例频数的设定也同样重要。杜运周等［25］在研究中确定的案例频数阈值的标准为1，如果样本数量较大，也可以选择2来作为临界值。

真值表是表示前因条件与结果变量之间全部可能的逻辑组合。不合理的一致性阈值会导致逻辑余项的产生。如果研究中涉及k个前因条件，则真值表中将会出现2k种组态，如果案例个数少于前因条件组合确定的2k个，则会产生逻辑余项。本文构建的四螺旋结构创新体系的6种关系共产生64种组态，而研究案例只有30个样本，为避免逻辑余项的产生，笔者选用2017—2019年的样本进行样本扩充，以满足进行FS-QCA的前提。因此本文在综合考虑之后，选择0.8为一致性阈值，1为案例频数。在确定一致性阈值和案例频数之后，利用FS-QCA3.0软件进行真值表分析。由于并不明确政府对企业、研究机构或者其他创新主体两两之间的创新投入是否存在资金投入越多创新水平越高的问题，这就使运用真值表分析很难针对此种现象作出正确的反事实分析。因此，利用软件进行标准化分析时，选择“存在或者缺失”，表示面对前因条件的存在或缺失，无法直观地得出创新水平提高或者降低的结论。进行案例导向的分析之后，本文共得到6种组态路径结果，其表示形式遵循Fiss［26］的建议，具体如表3所示。部分案例由于未满足一致性阈值和案例频数要求，已被剔除。

表3 充分性分析及组态路径

由表3可以看出，组态路径总体解的覆盖度为0.8052，说明这些路径覆盖了超过80%的案例样本，且总体解的一致性水平为0.9147，表明组态路径是结果变量区域创新水平提高的必要性条件。

组态1a与1b：研究型创新路径。此组态中bond3、bond4、bond6为核心条件，表明政府、研究机构与高校协同创新促进区域经济发展，但是企业与三者之间的联系薄弱，未充分参与构建该多元互动体系。通过分析发现，北京、上海、广东、浙江和江苏等发达地区也在其他路径中出现，故仅将四川、重庆、辽宁和黑龙江等作为该组态路径的代表案例。这些省（直辖市）分别位于我国的西部和东北地区，是我国推进西部大开发和东北振兴战略的重要区域，创新发展存在诸多不足，研发与转化存在障碍，创新资源利用率较低，尚未完全形成创新主体两两之间促进区域创新资源优化配置的紧密联系。尤其是以重工业为主的辽宁和黑龙江，其产业结构处于优化升级的进程中，存在企业无法充分利用科研资源以及科研成果与企业用途不匹配的双重困境。

组态2：传统型创新路径。该组态中bond1、bond5为核心条件，bond4为辅助条件，bond3、bond6为辅助条件缺失，代表省份是陕西、山西，上海等传统发达地区在多种路径均有出现，故不在此路径中赘述。在该组态路径中，政府、企业和高校构成了传统的三螺旋结构创新模型的三极，研究机构与企业、政府和高校的联系较为薄弱。陕西是“一带一路”中联系东西各地贸易的重要纽带，陕西自贸区的建立又为其带来更大的发展机会，政府与企业之间的联系异常紧密，但企业与研究机构的联系薄弱。山西突出的资源型经济结构，导致其形成“重工业过重，轻工业过轻”的发展格局，研发创新与工业需求产生断层，产业结构亟待优化。因此，处于该组态路径的地区可通过进一步加大企业与研究机构之间的交流提升科技水平，利用科技优势、区位优势以及政府扶持的优势，以创新驱动经济高质量发展。

组态3：企业导向型创新路径。该组态中bond2、bond6为核心条件，bond1为辅助条件，bond3、bond4为辅助条件缺失，形成以企业为主导、政府对企业的资金补贴和税收优惠等措施为补充的发展道路，代表省份有河北、吉林等。在该路径中，企业作为促进区域创新发展的主导力量，通过加大对研究机构的资金投入力度，推进科学研究进程，保障研发成果与需求相匹配，实现了科研成果转化和区域创新发展水平的整体提升。此路径中，高校和研究机构与政府的联系有所欠缺，高校这一重要的科技成果产出源泉难以充分发挥其创新主体的作用。

组态4：激励型创新路径。该组态中bond1、bond3、bond6为核心条件，bond2、bond5为辅助条件缺失。该组态路径的代表省份包括河南、安徽、陕西和江西。这些省份是中部崛起的关键省份，虽然具有生产要素密集、人力资源丰富和交通网络发达等诸多优势，但是仍然存在创新要素利用不足、创新资源配置效率低下、创新驱动发展缓慢等问题。该路径的一致性水平为0.8926，高于Schneider等所认定的0.75的标准，可以认为该组态是造成区域创新资源配置结果变量的充分条件。政府作为联系企业和研究机构的重要纽带，其资金支持为区域创新发展提供了坚实基础。但该组态路径中企业与研究机构和高校的联系欠缺，创新成果难以得到有效转化，成为该创新发展路径的阻碍。

组态5：高校导向型创新路径。该组态中bond1、bond3、bond4、bond5为核心条件，bond6为辅助条件缺失。该组态路径相比于组态路径2而言，增加了研究机构与高校的联系，代表省（直辖市）有天津以及存在于多种组态路径中的北京、上海、广东等。通常而言，基础研究大部分依赖于高等院校和研究机构之间的互动，应用研究的发展和创新成果的转化依赖于政府与企业之间的联系。研究机构与高校互动关系的建立，增强了区域基础研究的进程，减轻了创新成果与科技成果供给与需求之间的不平衡，为增加区域创新产出和创新成果的空间溢出奠定了重要基础。

组态6：四螺旋型创新路径。该组态中所有前因条件均为核心条件，该组态路径的代表省（直辖市）包括北京、上海、广东、江苏、浙江、山东和湖北等。从地理位置看，除湖北位于中部地区外，其余地区区位优势明显，是京津冀、长三角和珠三角都市圈的核心区域；湖北则是中国经济强省、经济地理中心和近代工业发展的摇篮之一。这些省（直辖市）的经济与创新发展水平均位于全国前列，是引领区域科技进步、增强区域协调和加速知识流动的核心区域，各创新主体的紧密联系是其发展的重要支撑。此外，这些发达地区还同样出现在其他组态中，通过分析该案例复杂的因果关系，从集合论的角度看，其原因是其余路径为该组态路径的超集，具备完善的四螺旋创新体系的这些地区已形成复杂的交互网络，并且各创新主体自身也已经具备较强的创新能力，仅以传统的三螺旋结构或者高校导向型等路径也足以促进区域创新发展。

五、稳健性检验

调整一致性水平和数据的测量方法是对QCA结果进行稳健性检验的两种有效方法［19］，这两种方法均会对纳入逻辑最小化的真值表行的数量产生影响，进而影响分析结果。进行稳健性检验的目的就是通过改变一致性水平和测量方法，验证四螺旋创新体系各个主体之间的关系和不同组态路径对区域创新水平提高的影响是否会发生改变，消除因为参数阈值的设定而产生的误差。如果不同的参数设定导致组态的一致性水平和覆盖度水平仅发生细微变化，不足以产生与原结果截然不同的结果，则可以认为在原来的一致性水平和测量方法基础上所得到的结果是稳健的。

为检测结果是否稳健，本文首先调整一致性阈值，将原设定的一致性阈值从0.8分别调整为0.75、0.85和0.90，结果显示组态路径均未发生改变；其次，将区域创新水平的衡量方式由发明专利申请授权量变更为发明专利的申请受理量，组态路径也未发生改变。因此可以认为，分析结果具有一定的稳健性。

六、结论与政策建议

促进区域创新的路径并不是唯一的，提升区域创新发展是多种路径共同作用的结果。四螺旋区域创新体系的构建摆脱了传统的边际分析和最优均衡的思想，采用组态视角来看待案例的多重并发因果关系，寻求提升区域创新水平的多元路径。研究表明，我国的区域创新路径具有多种类型，为充分发挥各个创新主体之间的联系和对创新的促进作用，应针对不同区域的特点以及所处的创新发展道路，选择不同的解决方案。

第一，处于研究型创新路径1a、1b的省（直辖市），企业未充分参与多元主体的互动交流，研究成果与转化之间存在阻碍。因此，为加速创新发展，这些地区应充分发挥企业的作用，利用其巨大的资金支持和科研成果需求，加速科技成果转化；政府工作重点应放在创新环境的营造和改善方面，利用良好的创新环境，促进企业融入；高校和研究机构应针对当地企业的特点，进行相匹配的研究，从而缓解科研成果生产与转化之间的矛盾。对于传统型组态路径2而言，产学研三个创新主体形成了传统的三螺旋结构，研究机构技术优势、成果转化优势未得到充分发挥。高校导向型组态路径5是在组态2的基础上，融入研究机构与高校的联系，但仍存在研究机构与企业交流不畅的弊端。因此，在这两种路径中，企业应重视研究机构在技术产出和成果转化方面的突出作用，增加资金投入和加强技术合作交流。组态3和组态4分别为企业导向型和激励型创新路径。处于企业导向型创新路径的地区，应更充分利用自身的创新资源以及外部的知识补充促进高新技术发展，并实现重点领域的自主知识产权市场化运营，以响应国家出台的《关于构建更加完善的要素市场化配置体制机制的意见》，完善科技创新资源配置。处于激励型创新路径的地区，则应该以政府和企业巨大的资金支持为依托，加速创新，不断提高科技水平，而不能因外部资金支持而放缓自身的创新发展和创新潜力的激发。

第二，研究表明，北京、上海、广东、山东、浙江和江苏在多种路径中均有出现，这些地区创新要素密集，创新资源流动顺畅，创新体系也相对完善。这些地区可以通过利用其优越的高校资源，继续加大科研投入和产出，建设一批高水平创新型高校，使这些创新型高校成为创新发展的重要推动力。此外，政府也应稳步推进科研立项等方面的改革和建立市场化社会化的科研成果评价制度，为科研成果的产出和转化提供保障，以期在国家政策的支持下实现以高校创新为主导、以企业创新为辅助、以政府支持为补充、科研机构并进的高效率区域创新发展路径，以完善的四螺旋创新体系充分发挥多元创新主体交流合作和区域创新水平整体提升的作用。

第三，在进行数据的校准和经过一致性阈值的筛选后，新疆、青海、宁夏和广西等地区被排除在上述组态路径外。这在一定程度上说明这些处于相对欠发达地区的省（自治区）创新动力仍显不足，政府、企业、研究机构和高校之间的联系均较为薄弱，创新要素的流动存在巨大障碍，企业难以利用除自身之外的创新成果，生产效益的低下又会影响与高校和科研机构的联系，导致科研经费的投入减少，创新要素循环不畅。对于这类地区，政府作为政策的制定者和实施者，应该制定出台一系列政策鼓励投资，加大对企业的补贴和税收优惠力度，增加对高校和科研机构的资金投入，为科研成果的转化提供资金支持。利用政府的扶持，这些地区先实现传统的三螺旋或者激励型等创新发展，积蓄创新动力，然后再不断向完善的四螺旋创新体系迈进，以实现创新驱动发展。

注释：

①鉴于西藏和港澳台地区的部分数据缺失，为保证具有一致性的统计口径，本文选择除上述地区之外的我国30个省（自治区、直辖市）为研究样本。