区域一体化对城市创新的影响——基于长江经济带战略的准自然实验分析

张治栋 胡爱燕

一 引 言

党的十九大报告指出“坚持建设创新型国家”，十九届五中全会强调“创新是实现经济可持续和高质量发展的重要源泉”。在我国经济转型的新时期，创新作为新发展理念，处在核心地位。而城市作为国家创新体系的重要截体，不仅集聚着众多类型的创新资源，还为科技创新活动提供了应用空间，发展城市创新能力已经成为推动经济高质量发展的关键。2018年，长江经济带一体化发展上升为国家战略，涵盖了一批科技创新重镇和一大批国家级高新区，汇集了267所高校，培养了大量高素质人才以满足大数据、云计算、新材料和人工智能等新兴产业的发展需求，为我国产业创新发展提供了源源不断的动力，是我国重要的创新驱动带。在此背景下，如何激发带内城市的创新活力，有效发挥长江经济带的创新辐射作用和溢出效应，进而推动长江经济带区域一体化乃至整个国家的创新发展就成为了新时代经济转型的一大课题。区域一体化战略是否提高了城市创新能力？其影响机制和路径有哪些？对不同区位、不同规模、不同教育资源城市的影响是否相同？这些探讨对构建区域协同创新体系，选择创新驱动发展路径，助力实现经济高质量发展和打造“创新型国家”具有重要的现实意义。

二 文献综述

目前学术界关于区域一体化效应的研究多集中在经济、产业集群、环境等方面。在经济发展方面，众多学者指出我国京津冀地区经济发展存在空间溢出效应(张学波等，2016)、粤港澳大湾区存在创新激励效应(申明浩等，2020)、成渝城市群存在空间集聚效应(叶文辉和伍运春，2019)。也有学者对长江经济带战略的经济效应展开研究，李雪松等(2017)认为长江经济带战略通过促进要素交流、区域经济合作使得带内城市的经济增长效率提升，黄文和张羽瑶(2019)则发现长江经济带战略使得城市经济高质量发展水平稳步提升，上游地区发展水平要略低于下游地区。在产业集群方面，不少学者认为劳动力、资本、技术等要素快速集聚得益于一体化战略形成的区域联动发展格局(李朱，2020)。此外，区域一体化战略对环境的影响研究颇多，范芹(2018)利用灰色关联模型测度长江经济带各个城市的生态环境级别，郭艺等(2022)从碳排放角度指出长三角一体化政策存在碳减排效应。

“科技创新是第一生产力”，学术界主要围绕着创新的地区差异以及各类政策试点的创新效应进行了一系列研究。在创新的地区差异方面，上海创新空间结构正由单核驱动向多核共振演进，北京则一直以市中心的单核为主(段德忠等，2015)；广东作为南部强省，城市创新链的空间格局呈现出以珠三角为核心、周边城市仍趋于弱化和分化的新型“核心—外围”结构(张惠璇，2016)。在各类政策试点的创新效应研究中，熊波和金丽雯(2019)认为国家高新区的建立可以提升城市创新能力，且呈现出随着时间推移逐渐增强的动态发展趋势；李政和杨思莹(2019)提出创新型城市的设立有效提升了城市创新水平；何凌云和马青山(2021)研究表明智慧城市试点具有明显的创新激励效应，并且这种效应具有长期性和稳定性。随着相关研究的推进，开始有学者注意到区域一体化战略对城市创新发展具有重要作用，佘硕和李腾宽(2020)利用GMM方法进行实证检验，发现区域一体化的发展显著提高了城市创新水平；长三角作为长江经济带的重要城市群，在其扩容所带来的创新效应方面新进城市大于原位城市(邵汉华等，2020)。

现有关于区域一体化、城市创新的研究较为丰富，但缺乏对区域一体化与城市创新关系的综合分析和系统研判，更缺乏对城市创新的作用路径探索。因此，本文可能的边际贡献为：(1)现有文献多分析长江经济带战略对产业集聚、区域经济、绿色发展等的影响，在创新效应的研究上，大多从省级层面或微观企业层面着手，较少涉及城市层面，本文则从城市视角考量区域一体化的创新效应。(2)研究方法上，以往文献多采用GMM方法或者建立空间耦合模型来评价一个区域的创新水平，本文运用DID、中介效应模型等多种方法实证检验长江经济带战略对城市创新能力的作用和影响机制。

三 机理分析与假说

一方面，长江经济带集聚了各城市创新资源，通过溢出效应和协同效应推动了区域整体经济发展，而城市经济发展水平对创新又具有反作用力。首先，一个城市经济迅速提升，政府财政收入有效增加，按照教育支出比例相对固定的现实，会顺势增加地方科教支出以及政府对大学和企业创新活动的资金扶持。其次，经济发展水平高的城市，劳动者收入相应增加，进而促使需求结构逐步转向创新产品，进一步激发企业的创新热情。最后，经济发展水平的提高会加快创新主体之间的联系，推动合作网络建设和科技成果转化，增强区域创新能力。综上，经济发展水平越高，城市创新环境越好，城市创新能力越强。

另一方面，长江经济带科教事业发达，各地政府制定了优厚的人才引进政策，在高层次人才最关心的落户、住房补贴、购房福利等方面措施的具体落实，创造激励性的工作平台，吸引了大量人才集聚此地，对城市创新发展产生重要作用：其一，高技术人才善于获悉、吸收和利用新知识，更有利于相关技术的成果转化；其二，人才集聚会加强区域内的劳动力市场竞争，使人才保持警戒意识，不断自我学习和强化知识技能；其三，人才集聚建立了相互沟通的桥梁，会促进相互之间信息和技术的交流，降低信息获取成本，使得创新知识更易被传播、吸收和消化。综上，人才集聚程度越高，城市创新环境越好，城市创新能力越强。基于上述分析，本文提出研究假说H1a和H1b。

H1a：长江经济带发展战略显著提高了沿江城市的创新能力。

H1b：长江经济带发展战略通过创新环境(经济发展、人才集聚)的改善显著提高沿江城市的创新能力。

长江经济带横跨我国东中西部，地区间经济发展、资源、环境等方面存在较大差异，城市创新水平差距明显。地理区位上，长江下游城市是长江三角洲城市群的主体，在科技进步、制度创新、产业升级等方面都处于龙头地位；而长江中上游地区发展相对落后，创新活动明显滞后于其他地区，创新要素资源并没有发挥规模经济作用。城市规模上，大城市创新资源丰富，其科技创新水平已趋于顶峰，城市创新要素投入一定程度上具有边际生产率降低的特点；中小城市具有创新后发优势和规模经济优势，长江经济带战略促进创新资源集聚的作用相对提升城市创新水平。科教资源上，在科教发展水平较高的城市，将高校作为产学研的前沿阵地，其创新潜力得到充分挖掘，要素集聚程度和创新活跃度高，已孵化出多个具有竞争优势的创新集群；而科教发展水平较低的城市，其经济发展水平还处在较低阶段，此时长江经济带战略集聚更多的创新要素，产生规模经济效应，使这些城市充分发挥后发优势，激发创新活力，提升创新能力。基于以上分析，本文提出研究假说H2。

H2：长江经济带发展战略对沿江城市创新能力的影响具有异质性。

四 研究设计和数据说明

(一)模型设定

政策效应评估中，通常使用双重差分模型(DID)进行检验。本文评估长江经济带战略对城市创新能力的影响时，将纳入长江经济带的108个城市作为实验组，而未纳入长江经济带发展规划中的中国其它164个城市作为对照组。参考刘瑞明和赵仁杰(2015)的研究，设定如下计量模型：

Ln

Patent

, =

β

+

β

Treat

+

β

Time

+

β

Treat

×

Time

+

λX

, +

γ

+

δ

+

ε

,

(1)

其中，被解释变量Ln

Patent

, 表示

i

地区在

t

时期创新能力的对数值；

Treat

表示判断

i

地区是否纳入长江经济带的虚拟变量；

Time

为判断长江经济带战略是否提出的时间虚拟变量；二者的交互项

did

, =

Treat

×

Time

即为核心解释变量，其系数

β

代表长江经济带战略对城市创新能力的净影响；

β

为截距项；

X

, 表示控制变量；

γ

为地区固定效应；

δ

为时间固定效应；

ε

, 为随机扰动项。

(二)变量选取

1.被解释变量。城市层面的创新(

Patent

)是城市发展由数量型向质量型转型的动力，学术界大多从创新投入角度来衡量创新能力，但这既忽视了某个研究项目的创新程度(Smith,2010)，也忽视了创新活动的产出效率。因此，本文基于创新产出视角，根据Feldman和Florida (1994)的研究结论，采用各城市年度专利申请数量并取自然对数衡量其创新能力。2.核心解释变量。核心解释变量为长江经济带战略实施(

did

)，即

Treat

与

Time

的交互项。

Treat

为二值变量，纳入长江经济带战略的城市取1，否则取0。

Time

是表示政策冲击时间的二值变量，以2014年为政策实施年份，当样本时间在长江经济带战略实施当年及以后年份时取1，否则取0。3.控制变量。(1)社会消费水平(

Consume

)，采用社会消费品零售总额衡量。社会消费水平的提高，扩大了国内需求，进而激发企业为提高供给而寻求技术突破、产品革新的动力。(2)城市规模(

Urban

)，选择年末人口总量表示。城市的发展阶段、规模大小都会影响到城市创新绩效(范婓等，2022)，规模越大，越能充分发挥大城市的引领和辐射作用。(3)产业结构(

Indust

)，以第三产业产值占GDP的比重表征。产业结构升级可能会反作用于研发创新，新兴产业的蓬勃发展在一定程度上倒逼企业进行技术升级(昌忠泽等，2019)。(4)工资水平(

Wage

)，以城市职工年平均工资衡量。薪资报酬对企业技术创新具有正向作用(张翼等，2020)，工资水平的提高会吸引大量高技术人才聚集，提升企业研发效率。此外，为了消除异方差因素，对控制变量均取对数处理。

(三)数据来源及处理

本文的专利申请数量来源于CNRDS数据库，其他数据来自《中国城市统计年鉴》。对于部分缺失值，采用插值法得到。对于个别数值为0的数据无法取对数，予以剔除。本文采用2006—2018年中国272个地级市面板数据，其中实验组108个城市，对照组164个城市，主要变量的描述性统计如表1所示。

表1 主要变量的描述性统计

五 实证分析

(一)基准回归

为了检验上文提出的研究假说，本文运用双重差分法进行回归，结果如表2所示。其中，模型1仅以长江经济带战略的城市虚拟变量作为解释变量进行回归，系数为0.368，通过了1%的显著性检验，表明长江经济带战略显著提升了城市创新能力。模型2加入了时间虚拟变量，回归系数依旧为正，并通过了1%的显著性检验，表明城市创新能力有逐年提升的趋势。模型3在模型2基础上加入了社会消费水平、城市规模，回归系数依旧显著为正。模型4进一步加入了产业结构、工资水平，各变量回归系数略微下降，但依旧显著为正。由此表明长江经济带战略的政策效应方向和显著性并未因控制变量的引入而改变，假说H1a得到验证。

从控制变量来看，社会消费水平、城市规模和工资水平的提高均能够显著提升城市创新能力。三者的增加分别代表社会发展迅速、城镇化步伐加快、社会需求增加，从而导致社会经济活跃，更能激发创新。相反，产业结构的系数显著为负，表明以第三产业占GDP比例为代表的产业结构的提升抑制了城市创新能力。原因可能在于长江经济带目前仍处于工业推动发展的时期，科技创新在第二产业的应用要广泛高于第三产业。

表2 基准回归结果

(二)稳健性检验

1.平行趋势检验。DID方法使用的前提是能通过平行趋势检验，即实验组包含的城市和对照组包含的城市创新基础相同，由于长江经济带城市在2014年之前，已经受到历史、地理位置、协同经济等因素的影响，且由于每个政策实施之前都有一定的推行期和实验期，从而使得长江经济带战略在2014年之前就已经有了小范围的成效。基于这两方面的考虑，本文参考Beck(2010)的事件分析方法，建立如下动态模型：

(2)

其中，

β

表示城市加入长江经济带战略的第

n

年与未加入城市创新能力的差异程度。

D

, 的赋值规则为：当

t

-

Birthdate

=

n

时，

D

, =1，否则为0；

t

表示城市当前所在年份，

Birthdate

表示战略正式实施的年份。本文选取政策实施的前后三年作为检验目标，即

n

取值范围为-3，-2，-1，0，1，2，3。在平行趋势检验中，重点考量政策实施虚拟变量系数

β

，检验结果如表3所示。在2014年(

Current

)之后，政策系数显著异于0，2013年(

Before

1)之前均不显著异于0，且2013年回归系数显著为正。因此可以看出，政策实施具有一定的前置性，在实施之前沿江城市就开展各方面的合作促进了城市创新能力的提高，但没有政策实施之后效果明显。此外，长江经济带战略实施之后每年的回归系数逐步增加，表明长江经济带战略具有长期性和稳定性。

表3 平行趋势检验

2.基于PSM-DID方法的回归分析。列入长江经济带的城市都是长江干流和支流流经的地区，即纳入长江经济带战略的城市并不是随意选择的结果，发展潜力较大的城市更容易被选中。这就存在人为主观选择导致的偏误，因此，借鉴Heckman et al.(1998)的做法，运用倾向得分匹配双重差分方法进行更深层次的检验。使用Logit模型计算倾向匹配得分，再利用PSM法寻找与实验组得分值相近的对照组，最终使用PSM-DID进行回归分析。匹配结果如表4所示，除了产业规模，绝大多数控制变量在匹配后标准差和T值下降，表明匹配结果较为理想。

表4 倾向得分匹配结果

检验了PSM-DID方法的合理性后，基于上述匹配样本，对式(1)进行估计，结果如表5模型5所示。可以看出，

did

对城市创新能力的正向效应依旧显著，说明长江经济带战略显著提升了城市创新能力，再次验证了假说H1a。

3.改变城市创新的测度方法。基准回归中衡量城市创新能力的指标是年度专利申请数量。而寇宗来和刘学悦(2017)从专利质量入手，将专利价值加总到城市层面，基于中国国家知识产权局发布的专利数据计算出城市创新指数。借鉴此做法，本文用2006—2016年中国272个地级市的创新指数作为被解释变量进行回归分析，数据来源于《中国城市和产业创新力报告2017》，估计结果如表5模型6所示。可以看出，政策虚拟变量对城市创新能力的正向效应依旧显著，说明长江经济带战略显著提升了城市创新能力，进一步验证了假说H1a。

表5 稳健性检验

(三)中介效应分析

为了分析长江经济带战略对城市创新能力的影响路径，参照Baron和Kenny(1986)的方法，构建中介效应模型如下：

Ln

Patent

, =

β

+

β

Treat

+

β

Time

+

β

Treat

×

Time

+

γ

+

δ

+

ε

,

(3)

Ln

Mediate

=

α

+

α

Treat

+

α

Time

+

α

Treat

×

Time

+

γ

+

δ

+

ε

,

(4)

Ln

Patent

, =

λ

+

λ

Treat

+

λ

Time

+

λ

Treat

×

Time

+

λ

Ln

Mediate

+

γ

+

δ

+

ε

,

(5)

其中，

Mediate

表示中介变量，本文将创新环境纳入分析框架。因为经济支持和人才资源是影响创新环境的主要因素，而经济发展可以大大提高科技创新能力，人才聚集对地方创新有显著的空间连锁反应。故对经济发展(

Fin

)、人才集聚(

Tag

)两方面进行中介机制分析。此外，基于Bootstrap方法检验其作用机制显著性，如果最终获得的置信区间不包括0点，则可以说明两者之间差距显著，中介效应存在。1.经济发展(

Fin

)。选用《中国城市统计年鉴》中年人均生产总值衡量。一个地区的经济发展预示着人均可支配收入的增加，需求侧的提升势必会带动供给侧的开发生产，进而促进城市创新。式(3)的基准回归结果如表2模型2所示，政策实施回归系数为0.369，通过了1%的显著性检验。式(4)和式(5)的结果如表6模型7和模型8所示。模型7中，长江经济带战略对经济发展的回归系数在1%水平上显著为正，说明长江经济带战略有利于带内城市的经济发展。模型8的政策实施回归系数为0.276，通过了1%的显著性检验，相较于基准回归结果系数有所下降，并且Bootstrap检验结果显示，经济发展的95%置信度上的偏差校正Bootstrap置信区间为(0.130，0.278)，不包含0值，说明经济发展在长江经济带战略与城市创新关系之间的部分中介效应显著，表明长江经济带发展战略促进了城市经济发展，进而促进了城市创新能力提升。2.人才集聚(

Tag

)。选用《中国城市统计年鉴》中的科学研究、技术服务行业就业人数表示。人才集聚是大量同类型或相关人才规模性聚集，对技术创新具有明显的空间溢出效应(孙红军等，2019)。式(3)的基准回归结果如表2模型2所示，政策实施回归系数为0.369，通过了1%的显著性检验。式(4)和式(5)的结果分别为表6模型9和模型10。模型9中，长江经济带战略对人才集聚的回归系数显著为正，说明长江经济带战略有利于强化人才集聚对城市创新活动的战略性引导。模型10的政策实施回归系数显著为正，且较基准回归系数有所下降，并且Bootstrap检验结果显示，人才集聚的95%置信度上的偏差校正Bootstrap置信区间为(0.186，0.328)，不包含0值，说明人才集聚在长江经济带战略与城市创新关系之间的部分中介效应显著，表明长江经济带战略通过增强人才集聚进一步提升了沿江城市的创新能力。

综上，假说H1b得到了验证。

表6 机制检验

(四)扩展性分析

1.异质性检验。(1)城市区位异质性。地理位置造成人力资本、生产要素不同，从而导致各地区经济发展水平和创新能力发展不平衡。本文根据上中下游划分标准，将长江经济带拆分为上游31个地级市、中游52个地级市、下游25个地级市。分样本回归结果如表7列(1)—列(3)所示，长江经济带战略对上中下游城市创新能力均具有显著的促进作用，回归系数分别为2.334、2.899和2.793，中游城市群效果相对更大。这可能是由于中游城市群相对松散，处于城市群发展初期，长江经济带战略正好发挥了促进东中西部协同发展的作用，使得中游薄弱地区产生了“追赶效应”。长江下游城市是长江三角洲城市群的主体，本身创新资源丰富，长江经济带战略的促进作用也较强。而长江上游地区水土流失严重，自然资源禀赋匮乏，长江经济带战略对此地区城市创新能力提升作用相对略弱。(2)城市规模异质性。相对中小城市来说，大城市通常创新资源丰富，已处于创新发展的成熟阶段，金融发展、基础设施、组织规划等水平较高，这些差异可能造成长江经济带城市的创新发展不平衡。本文将样本划分为大城市和中小城市两组进行研究。分样本回归结果如表7列(4)、 列(5)所示，长江经济带战略均显著提高了两类城市的创新能力，且对中小城市的作用更强。原因可能是，中小城市具有创新后发优势和规模经济优势，长江经济带战略促进创新要素集聚，相对提升城市创新水平(李政和杨思莹，2019)。(3)科教资源异质性。高校致力于人才培养和科技研发，为创新输送优良资源，是打造创新型国家的重要枢纽。本文将拥有“211”高校的城市定义为科教资源多的城市，反之则为科教资源少的城市。分样本回归结果如表7列(6)、 列(7)所示，政策变量系数在高科教水平城市为负，但不显著，说明长江经济带战略对高科教水平城市创新能力的作用并不明显。政策变量系数在低科教水平城市为2.815，并通过了1%的显著性检验，表明长江经济带战略显著提高了低科教水平城市的创新能力。原因可能是在科教水平较高的城市，创新发展已经趋近成熟阶段，创新潜力得到充分发掘(李政和杨思莹，2019)，长江经济带战略并不能发挥大的边际作用；反之，科教水平较低的城市创新处于萌芽时期，具有后发优势，发展潜力巨大，长江经济带发展战略能显著促进其创新能力，呈现出规模经济的特征。

综上，假说H2得到验证。

表7 异质性检验

(续上表)

2.政府干预效应检验。前文双重差分模型估计结果与一系列稳健性检验证实了长江经济带战略能够显著提升城市创新能力，又通过中介效应模型检验了该政策通过改善创新环境来促进城市创新。那是否还存在其他作用机制呢？由于长江经济带战略与政府干预紧密相关，本文接下来从政府视角进行分析。以地方政府当年财政支出与地区生产总值的比值来表示政府干预，参考史丹等(2020)的做法，将影响城市创新能力的政府干预变量嵌入到式(1)基准模型进行分析，模型设定为：

Ln

Patent

, =

β

+

β

Treat

+

β

Time

+

β

Treat

×

Time

×

Mechanism

, +

β

Treat

×

Time

+

β

Mechanism

, +

λX

, +

γ

+

δ

+

ε

,

(6)

式(6)中，

Mechanism

代表调节变量，指政府干预强度(

Govern

)，主要关注

Treat

×

Time

×

Mechanism

系数

β

的显著性，其他变量定义与式(1)相同。表8为政府干预的影响结果，可以发现，政府干预的系数为0.273，在1%的水平上显著，表明长江经济带战略可通过政府干预的强化而推动城市创新能力提升。原因可能在于政府干预具有直接性和针对性，对市场的覆盖面较广，可以直接作用于企业的技术开发与创新，这样既加快了企业创新的速度，又保证了企业创新的质量。

表8 政府干预效应检验

六 结论与建议

本文将长江经济带战略实施视为一项准自然实验，在理论分析的基础上，利用2006—2018年中国272个地级市的面板数据，采用DID、PSM-DID、中介效应分析等方法，实证检验了长江经济带战略对城市创新能力的影响。主要结论为：(1)整体来看，长江经济带战略显著提升了沿江城市的创新能力。(2)长江经济带战略主要通过创新环境(经济发展、人才集聚)这一路径显著提升城市创新能力，是城市创新的重要驱动力。(3)长江经济带战略对城市创新能力的影响具有异质性，在城市区位、城市规模以及科教资源等方面具有不同作用。其中，对中游城市创新能力的提升作用强于下游和上游城市；对中小城市创新能力的提升作用强于大城市；能够显著提升低科教水平城市的创新能力，对高科教水平城市的创新能力作用不明显。(4)长江经济带战略可以通过政府干预的强化而推动城市创新能力提升。

基于上述结论及实际创新发展需要，得到的主要政策启示如下：

第一，推进区域创新共同体建设，做到协同机制的激励相容，提升城市创新能力。加强各地方政府的交流合作，尤其是强化相关高新技术产业政策的协调性和互补性，打通各地的信息孤岛，消除地区之间的贸易保护和市场碎片化，以加快创新要素在不同地区、不同产业、不同部门之间的流动，削弱区域间的“马太效应”，实现区域创新发展。

第二，发挥区域一体化政策的城市创新提升效应，优化创新环境，加强科技创新的顶层设计和政策扶持。经济上加快“新基建”进度，推动科技金融发展，支持金融机构向区域内研发活动提供资金，加快创新活动的展开；人员上大力培养高素质人才，进一步优化当地人才引进政策，持续深化人力资源共通共享机制，促进创新人才的自由流动；政策上以地方政府为主导，强化区域内相关政策向新技术方向倾斜，衔接好上下游产业，延伸创新产业价值链。

第三，关注地区发展的差异性，发挥中心城市的“扩散效应”，因地制宜、一地一策。由于城市区位、城市规模以及科教资源等影响，区域一体化对城市创新的作用效果存在差异，因此地区制定相关创新产业政策时，在确保大城市保质增效的基础上，积极引导中小城市把握政策红利，利用后发优势增强区域创新合力。同时坚持以长三角城市群作为创新制高点，拉动上中游地区创新发展。