长三角科技创新与经济高质量发展耦合协调度及空间关联效应

方叶兵，杨洪伟，陈铭杨

（安徽师范大学地理与旅游学院，安徽 芜湖 241002）

1 引言

党的十八大以来，创新已经成为我国经济高质量发展最为关键的驱动力。长三角作为我国具有重要影响力的协同创新策源地、产业发展联动高地，区域内技术人才流动量大，研发投入强度高，生产要素流通高效，产业体系日趋完善。然而，长三角也面临着原始创新能力不强、区域创新资源分布不均、部分城市科技创新水平低下、共建共享共治机制不健全以及“行政区经济”仍然存在等问题。这些对区域经济高质量发展产生了阻碍作用，不利于高效型经济与创新协作网络的形成。2020年8月，习近平总书记在扎实推进长三角一体化发展座谈会上强调，长三角要勇当我国科技和产业创新的开路先锋，以一体化的思路和举措打破行政壁垒、提高政策协同，让要素在更大范围畅通流动，促进高质量发展。随后，科技部在出台的《长三角科技创新共同体建设发展规划》中也明确指出，要提升长三角科技创新水平，促进区域高质量一体化发展。在此背景下，分析长三角科技创新与经济高质量发展的匹配程度及其空间关联网络，对长三角实现更高质量的一体化具有重要的指导意义。

当前，学术界围绕科技创新的研究主要聚焦于测度与评价、影响因素探讨两大方面。科技创新水平能够反映区域生产、创造新技术的能力，相较于更多地关注企业、行业等微观层面的科技创新水平，已有学者对全国、省域以及黄河流域、粤港澳大湾区、长江经济带等国家重要经济战略区科技创新的时空特征进行了实证研究。学术界对经济高质量发展的研究主要集中在本质内涵、评价准则、区域差异、影响机制、生态保护与经济高质量发展的关系等方面。关于科技创新与经济高质量发展关系的研究，一方面主要集中在两者之间的单向影响上，另一方面基于耦合协调度模型、灰色关联模型对两者的双向动态关系进行实证分析。

科技创新需要投入大量的人力、物力和财力，然而区域创新资源的有限性以及创新活动的高风险性使短期内持续加大科技投入具有一定的困难，因而提升效率才是短期内提高区域科技创新能力、推动高质量发展的关键点。目前，已有学者利用Super-SBM模型，从效率提升的视角对陕西省的科技创新与经济高质量发展的耦合关系进行了探讨。而基于效率提升视角，对长三角这一典型区域的科技创新与经济高质量发展的关系进行分析的文献相对较少。部分学者对长三角经济高质量发展的水平测度、空间动态演变、新机制与路径选择等方面进行了理论探讨与实证分析。关于长三角科技创新的研究，有学者发现，长三角的科技创新发展在2010—2019年间出现“先急后缓”的增长态势，且表现为梯度扩散的空间格局。另外，区域内创新网络结构日趋紧密，呈现出“一核多中心”的发展格局，但安徽与上海、浙江、江苏的创新联系仍较弱。

上述文献为本研究提供了有益参考，但仍存在以下不足：第一，缺少从效率提升的视角对长三角科技创新与经济高质量发展之间相互作用关系的定量分析，难以揭示长三角协同创新与经济高质量发展的基本事实。第二，随着经济全球化、社会信息化、交通快速化的发展，地域空间结构的等级化转向区域网络化，且长三角区域一体化发展趋势加快了各类要素在空间范围内的流动速度。但目前缺乏从空间视角探讨长三角科技创新与经济高质量发展两者耦合协调关系的研究，而社会网络分析方法能够突破“属性数据”的局限，利用“关系数据”从整体上刻画空间关联性。基于此，本文在对2010—2018年间长三角创新—经济耦合协调度进行测度的基础上，采用社会网络分析方法，对创新—经济耦合协调空间关联网络结构特征进行刻画，以期为实现长三角更高质量的一体化发展提供理论依据。

2 科技创新与经济高质量发展耦合机理

科技创新从微观角度看是指创造和应用新知识、新技术、新工艺，利用新的生产方式和经营管理模式，开发新产品，提高产品质量，提供新服务的过程；从区域角度看是指在创新技术、科研平台、政策制度等内外部环境的支持下，将创新要素（劳动力、资金等）转化成经济与社会效益等产出的过程。而高质量发展是经济社会发展的高级阶段，是数量增加与质量提升的统一，是经济发展的创新性、协调性、绿色性、共享性和稳定性的有机综合，有利于实现经济的可持续发展，其根本目的是满足人民对美好生活的需要。

科技创新与经济高质量发展作为新时代重要的议题，两者相互影响、相辅相成、协调共生。一方面，科技创新是经济高质量发展的内在驱动力。在创新活动中，通过优化创新要素组合方式，实现创新资源的有效配置，可节约经济的生产成本，驱动经济高质量发展；同时，科技创新水平是区域竞争力的重要表征，促使区域注重软实力与硬实力的共同提升，进而为经济高质量发展注入新动能。另一方面，经济高质量发展是科技创新水平提升的内在基础与保障。其一，经济高质量发展能为科技创新水平的提升提供科研资金、高技术人才、平台载体等保障；反之，对于缺乏经济基础的区域，经费投入巨大的科研创新活动则难以为继。其二，生态文明建设是高质量发展的必要条件。这要求传统产业必须走可持续发展的道路，倒逼了工艺技术与生产流程等固有模式的改进，有利于减少污染物的排放，在这一过程中科技创新水平得以提升。其三，经济高质量发展的根本目的是使发展成果惠及全体人民。在政府宏观政策与市场机制的调节下，为满足人民的需求，更多涉及医疗、教育、交通、环保等领域的优质创新型产品被持续推出。这就需要持续投入创新要素并将其转化为生产力，也即科技创新水平的提升。

3 指标选取与研究方法

3.1 指标选取

3.1.1 科技创新评价指标体系。在科技创新方面，借鉴马玉林等学者的研究，基于投入产出视角构建指标体系，如表1所示。其中，创新投入包括劳动力投入与经济投入两个要素层；创新产出从知识成果、经济效益两方面选取。考虑到创新产出具有一定滞后性，将创新产出的滞后期设定为1年。

表1 长三角科技创新评价指标体系

相较于熵值法、主成分分析法、层次分析法等测算科技创新水平的方法，本文利用投入导向的DEA-BCC模型测算科技创新水平，其能够反映区域创新资源配置效率状况。同时，由于劳动力、资金等创新要素具有规模效应，DEA-BCC模型以规模报酬可变为假设前提，具有简易、精确、可比较等优势，具体公式可参考沙德春等人的研究。

表2 长三角经济高质量发展评价指标体系

本文利用熵值TOPISI法按照经济高质量发展水平的高低对长三角27个中心区城市进行客观排序。首先，运用极差法对原始数据进行标准化处理，对于负向指标须进行正向化处理；其次，根据数据的离散程度测得各指标的客观权重；最后，采用TOPSIS法比较评价对象与理想点之间的相对距离大小，进而对城市经济高质量发展水平进行量化排序。具体公式见贾春光等人的研究。

3.2 研究方法

3.2.1 耦合协调度函数。耦合协调度模型的计算公式如下：

式（1）中：为科技创新与经济高质量发展耦合协调度，取值范围为[0，1]；为耦合度；为科技创新;为经济高质量发展水平；为综合协调系数;和为待定系数，且+=1。参照学者李二玲等的研究，本文认为科技创新与经济高质量发展两大子系统同等重要，故设定==0.5。

3.2.2 修正引力模型。在参考李福柱等研究的基础上，本文通过引入引力模型对长三角创新—经济耦合协调空间关联关系进行构建。具体公式如下：

式（2）中：F为长三角城市与之间创新—经济耦合协调空间关联距离；h表示城市在城市与之间创新—经济耦合协调空间关联中的贡献率；、、分别表示长三角创新—经济耦合协调度、年末常住人口、地区生产总值；表示两城市之间的球面距离（利用ArcGIS10.2软件计算得出）。

3.2.3 社会网络分析方法。本文采用社会网络分析方法从整体网络结构特征、个体网络结构特征以及块模型3个方面对长三角创新—经济耦合协调空间关联网络展开分析，具体计算公式如下：

式（3）中：代表网络密度；为网络中的节点数；为实际拥有关联关系数；与分别代表网络关联度、网络等级度；与分别为网络中对称不可达和可达的成员对数量；代表网络效率；为网络中多余的线条数；代表度数中心度；为网络中与某成员直接关联的其他成员数量；代表接近中心度；d为两成员间的捷径距离；代表中间中心度；g为成员、间捷径的数量；g()为成员、间捷径经过成员的数量；b()为成员位于成员、间捷径的概率，≠≠，且＜。

3.3 数据来源

本文的研究对象为《长江三角洲区域一体化发展规划纲要》划定的27个中心区城市。数据主要来源于2011—2020年间的《中国城市统计年鉴》《中国城市建设统计年鉴》《中国科技统计年鉴》以及各地级市相关年份的统计年鉴、环境状况公报、国民经济和社会发展公报等资料，WOS数据库，各省市的科技厅、科技局等政府网站。其中，对于缺失的数据，采用插值法补齐。另外，PM2.5数据来源于大气成分分析组织（ACAG）所提供的栅格数据集。为避免价格波动带来的影响，将涉及资金的数据转换成以2009年为基期的实际值。

4 结果分析

4.1 空间格局及其演变分析

本文基于耦合协调度模型，测算出2010—2018年长三角城市创新—经济耦合协调度，随后采取自然断裂点法将研究期内的耦合协调度均值划分为低（0.520～0.554）、较低（0.555～0.624）、较高（0.625～0.744）、高（0.745～1.000）共4个等级，见图1（a）。总的来看，研究期内长三角创新—经济耦合协调度均值在空间上呈不均衡分布态势，表现为“东高西低，南弱北强”。上海、南京、杭州、苏州4个城市因其雄厚的经济实力、完备的高等教育体系、众多的创新型企业等优势条件成为高水平类型区。江苏省内的无锡、常州、南通、扬州、泰州、镇江等6个城市位于上海、苏州与南京的“连廊”上或其周围，由于地理空间上的邻近而受到其正向溢出效应的影响。浙江省内的温州、宁波、舟山因自身临海的地理区位，外向型经济发达，对外来创新理念也更具包容性，因而该类城市的耦合协调度亦呈现出较高的水平。绍兴、嘉兴、金华、芜湖、滁州等9个城市在产业结构体系、创新基础设施等方面具有一定的优势，但受到高水平与较高水平城市的极化作用，面临优势资源流失的困境，因而该类城市的耦合协调度处于较低水平。位于低水平类型区的盐城、安庆、宣城等3个城市存在经济发展方式粗放、科技创新能力不足等弊端，且都分布在长三角地区的边缘，受到高水平城市“涓滴效应”的影响不明显。

图1 长三角创新—经济耦合协调度的空间分布格局及动态演化

为进一步明晰长三角创新—经济耦合协调度的空间动态演化规律，利用Kernel密度估计函数对其进行分析，见图（1b）。从分布位置来看，长三角创新—经济耦合协调度分布曲线呈现“左移—右移”小幅度交替演进的变化态势，且整体上呈右移态势，反映了耦合协调度波动上升的变化特征；从分布形态来看，耦合协调度分布曲线的主峰高度呈现波动上升的趋势，宽度趋于收窄，表明了长三角区域耦合协调度的绝对差异有所缩小；从分布延展性来看，耦合协调度分布曲线早期存在右拖尾现象，总体上表现为收敛趋势，说明了耦合协调度比较高的城市与平均水平的差异逐步缩小；从波峰的数量来看，研究期内耦合协调度分布曲线表现为单峰状，反映了长三角未出现明显的空间极化现象。总而言之，长三角各城市在自身资源禀赋、地理区位、资源配置能力等方面存在异质性，这导致其创新—经济耦合协调度有所差异，但未表现出明显的马太效应，说明了长三角在落实创新驱动发展战略与区域一体化政策等方面取得了成效。

4.2 空间关联效应分析

依据修正引力模型对长三角创新—经济耦合协调的空间关联关系进行识别，借助ArcGIS 10.2软件绘制出2010年、2014年、2018年27个中心区城市的空间关联关系图（见图2）。从图中可以看出，长三角创新—经济耦合协调空间关联关系呈现多线程、复杂化、网络化的显著特征，且引力强度呈增强态势。其中，东西方向上形成了以“上海—苏州—常州—无锡—南京”为中心的联系强度主轴线，南北方向上则形成了多条较短的联系强度次轴线。此外，上海、南京、苏州等城市的关系数明显多于安庆、池州、盐城、台州等外围城市。这主要是因为上海、南京、苏州作为区域的核心城市，创新—经济耦合协调水平高，产业关联带动能力强，科技创新基础坚实，交通网络体系完善，通信技术发达，对其他城市产生了较强的吸引力。

图2 长三角创新—经济耦合协调空间关联网络图

4.2.1 整体网络结构特征。借助Ucient6.0软件对2010—2018年长三角创新—经济耦合协调的空间关联整体网络结构特征进行分析，如图3所示。将修正引力模型确定的引力矩阵转换成关系矩阵，若引力值高于该行的平均值，则记为1，表明两个城市存在关联关系；反之为0，表明两个城市间不存在关联关系。

图3 长三角创新—经济耦合协调的空间关联整体网络结构特征

①网络强度。如图3（a）所示，2010—2018年长三角创新—经济耦合协调的网络密度和关联关系数的变化保持同步，整体上呈现“下降—上升—平稳”的变化态势。其中，关联关系数各年份均在194～200条之间变动（理论上最大值应为26×27=702条），这反映出长三角27个中心区城市的联系紧密度并不高，城际协同发展还有较大的提升空间；网络密度总体保持在0.276～0.285之间，与0.5的中等水平还存在较大的差距。

②网络关联性。长三角地区网络关联度始终为1，进一步表明了其27个中心区城市具有显著的空间联动效应，网络结构的稳定性较好。如图3（b）所示，网络等级度处于0.823～0.830之间，表明城市之间的等级较为森严；2011年以来，网络效率呈现“勺”形的下降演变趋势，由2011年的0.668下降到2018年的0.665，表明创新—经济耦合协调空间关联网络的连线增多，空间溢出路径越来越多，网络的稳定性、通达性逐步增强。不难发现，整体网络的各类指标在2010—2014年间均出现了微弱的波动变化，这可能与我国在这一时期经济发展面临较大的下行压力有关；而在2014年之后我国经济发展步入新常态，表现为产业结构优化升级、要素驱动转向创新驱动，长三角各城市积极贯彻五大发展理念，经济生产要素及创新资源的城际流动性增强，使得长三角的整体网络结构趋于优化。

4.2.2 个体网络结构特征。通过测算网络节点中心性的特征值，能够揭示长三角27个中心区城市在空间关联网络中的地位和作用，结果如表3所示。

表3 长三角创新—经济耦合协调空间网络结构的中心性

①度数中心度。从表中可以看出，2010年和2018年度数中心度的均值分别为39.6和38.5。高于均值且排名靠前的城市有上海、南京、杭州、苏州、无锡和常州等城市，这类城市凭借优越的区位条件、较强的辐射扩散能力，与区域内其他城市建立了复杂的空间关联关系。温州、舟山、铜陵、安庆、池州等城市的度数中心度在2010年和2018年两个年份排名均靠后且未超过30，主要是因为这类城市处在长三角地区的外围地带，毗邻的城市较少，无法对其他城市产生较强的空间溢出效应，在关联网络中处于边缘位置。从点出度和点入度来看，两者的均值在2010年和2018年分别为7.4和7.3。其中，上海、南京、苏州等9个城市的点出度始终大于均值，其是长三角创新—经济耦合协调空间关联网络中的溢出主体，而点入度始终大于均值的城市有盐城、湖州、宣城等9个城市，其是空间关联网络中的受益方。综合而言，上海、南京等发达城市在产业结构升级过程中，将部分高新技术产业、科技创新成果转移到周围城市，如位于皖江城市带承接产业转移示范区的芜湖、宣城，而点入度较高的城市在原料、劳动力等方面向发达城市进行集中输出，因而在空间上形成了良性的受益与溢出互动效应，推动了长三角创新—经济耦合协调空间关联网络格局的重组与塑造。

②接近中心度。各城市创新—经济耦合协调空间关联网络的接近中心度在2010年和2018年的均值分别为47.2、47.3。高于均值的城市基本与度数中心度排序靠前的城市类似，它们能快速地与其他城市产生关联，网络流动效率较高，在创新—经济耦合协调空间关联网络中的定位是“核心行动者”。其中，苏州、无锡的接近中心度高于58，这是由于两个城市位于区域的“心脏”地带，区位条件优越、经济发展基础较好、交通便利、可进入性较好，能够吸引周围众多城市与之开展交流与合作。而温州、台州、安庆、池州等城市受地理位置的限制或创新水平较低的困扰，经济发展动力不足、获取资源的能力较弱，因而接近中心度较低，在网络中处于边缘地位，发挥的内外联动作用较弱。

③中间中心度。长三角27个中心区城市的中间中心度均值由2010的5.031下降至2018年的4.826，说明网络关键节点的控制能力有微弱下降的趋势。其中，高于均值的城市有南京、上海、杭州、无锡、苏州、宁波、合肥等，这类城市在空间关联网络中扮演着“中间人”的角色，能够在经济生产要素及创新资源的流通中发挥纽带作用。值得一提的是，作为省会城市，合肥在度数中心度和接近中心度上表现欠佳，但其中间中心度接近均值的2倍。这是由于合肥在近些年的经济社会发展中表现亮眼，“米”字形的高铁网络逐渐形成，缩短了与长三角众多城市的时空距离，同时作为国家级科技创新中心，具备完善的创新基础设施，通过联动合肥创新产业园区、合肥新桥科技创新示范区，打造创新产业的集聚中心，成为连接邻近城市进行经济交流、技术协作的重要中转站。而温州、舟山、池州、盐城、铜陵、滁州和镇江等城市名次靠后。这类城市或产业结构单一、资源面临枯竭、创新动力不足，如铜陵、池州等资源型城市；或地理位置处于区域内相对边缘地带，如盐城、温州和舟山；或毗邻创新—经济耦合协调度水平较高的城市，如镇江。上述因素降低了其在空间关联网络中进行产业承接与转移、技术交流与合作的传导速率，导致自身中间中心度均未达到1，很难在网络中对其他城市起到示范与传导作用。

4.3 块模型

通过对长三角整体和个体空间关联网络的分析可知，其非均衡分布的特征明显，各城市的发展状况迥异，因而有必要进一步揭示空间关联网络的聚类特征。本文以2018年为例，运用Ucient软件的CONCOR方法，选择最大切分深度为2、集中标准为 0.2，将长三角 27 个中心区城市划分为四大板块（见表4）。其中，板块Ⅰ由安徽省内的8个城市组成；板块Ⅱ由江苏省内的8个城市组成（除去苏州）；板块Ⅲ由苏州、上海、湖州3个城市组成；板块Ⅳ由浙江省内的8个城市组成（除去湖州）。

表4 长三角创新—经济耦合协调空间关联网络各板块的联动效应

由图3可知，2018年长三角创新—经济耦合协调空间关联网络中存在197个有向关联关系。其中，板块内部关联关系有116个，板块之间关联关系有81个，反映出板块内部与外部之间都具有明显的空间溢出效应且板块内部的联系相对较多。具体来看，板块Ⅰ和板块Ⅳ接收板块外关系数分别有24个和23个，显著高于它们向外溢出的关系数（6个、9个），且期望内部关系比例均为26.92%，明显低于它们的实际内部关系比例（84.21%、80.43%），即受益大于溢出，属于主受益板块。板块Ⅱ对其他板块溢出关系数有30个，接收外部板块关系有19个，期望内部关系比例（26.92%）低于实际内部关系比例（58.90%），符合双向溢出板块“受益”与“溢出”关系相当且向其他板块溢出相对较多的特征。板块Ⅲ的溢出关系有40个，接收其他板块关系有15个，且实际内部关系比例最小，仅为10.00%，属于典型的净溢出板块。

进一步地，构建各板块的网络密度矩阵，以此来明晰板块间的关联关系与传导规律。例如，各板块的网络密度值均高于2018年的整体网络密度值0.280 6，反映出创新—经济耦合协调关联关系在该板块中呈现聚集的特征。将其赋值为1，反之赋值为0，由此得到了长三角创新—经济耦合协调板块的密度矩阵与像矩阵（见表5）；并在此基础上对四大板块的空间关联关系进行了可视化处理，如图4所示。

表5 长三角创新—经济耦合协调空间关联网络各板块的密度矩阵与像矩阵

图4 长三角创新—经济耦合协调空间关联网络的传导规律

具体来看，像矩阵对角线上的数值均为1，这表明四大板块内部之间的关联具有显著性，内部互动较为明显，即板块内部的城市之间从相对离散到趋于联合，俱乐部集聚效应凸显。从各板块内分布的城市来看，板块Ⅰ、板块Ⅱ、板块Ⅳ分别为安徽、江苏和浙江3个省的省内城市，并无省外城市的参与。究其原因，同一省份内的城市在进行产业合作、创新交流、人才流动等时受到交通连接便捷、文化习俗相近、地理空间邻近等因素的影响，其默契程度高、交易成本低，存在“路径锁定”现象，促使各板块内部形成了相对完善的经济发展方式与创新体系。从板块之间的互动来看，板块Ⅱ和板块Ⅲ之间存在较强的双向空间溢出效应，同时又分别为板块Ⅰ和板块Ⅳ注入了经济生产要素与创新发展的动能。由此可见，位于板块Ⅰ和板块Ⅳ的部分城市创新—经济耦合协调度水平较低，在经济发展基础与创新资源配置效率等方面与发达地区存在着较大差距，通过接收板块Ⅱ和板块Ⅲ的空间溢出效应来驱动产业结构的合理化与高级化以及创新基础设施的现代化。位于板块Ⅱ和板块Ⅲ的上海及江苏省内的城市虽然扮演着不同的角色，但凭借强大的经济实力与科技创新能力等先发优势，将创新—经济耦合协调水平提升的动能传递到安徽与浙江，成为区域发展重要的“发动机”。

5 结论与建议

本文综合运用耦合协调度模型、修正引力模型和社会网络分析方法对长三角创新—经济耦合协调度及空间关联网络特征进行了分析，主要结论如下：①2010—2018年长三角创新—经济耦合协调度在空间上呈“东高西低，南弱北强”的非均衡分布特征；从空间动态演化规律来看，耦合协调度呈现波动上升的变化趋势，且城际差异逐步缩小。②从整体网络结构特征来看，长三角耦合协调空间关联网络呈现多线程、复杂化的特征，且不存在孤立的城市；其中网络密度仍较低，有进一步提升的空间，网络关联性在2015年后趋于稳定，网络的稳定性和通达性增强。个体网络结构特征表明，各城市在网络中扮演着不同的角色，上海、南京、杭州、苏州等发达城市在网络中起到枢纽作用，浙江、安徽等省份的大部分城市处于被支配地位，“核心—边缘”结构特征明显。③块模型分析表明，四大板块内部存在显著的空间溢出效应，且板块Ⅱ与板块Ⅰ、板块Ⅲ之间以及板块Ⅲ与板块Ⅱ、板块Ⅳ之间的空间溢出效应较为明显，而其他板块之间的互动则相对较少，长三角创新—经济耦合协调空间关联网络的传导规律具有“梯度”特征。

基于以上结论，本文提出以下建议：①重视长三角创新—经济耦合协调度空间非均衡性的问题。长三角各城市的经济发展水平与科技创新水平差异较大，因而应因地制宜、因城施策。高水平与较高水平的城市要继续保持优势，持续推进创新型经济的发展，打造具有引领示范作用的高新产业园区；低水平与较低水平的城市应出台相关政策，完善创新基础设施，以吸引高新技术产业和高技术人才。②树立“属性—关系”的思维方式，全面认识创新—经济耦合协调空间关联网络的结构特征。长三角各城市均处在关联网络之中，不能仅关注自身的发展诉求，要以长三角区域一体化发展为契机，通过市场驱动机制与政府宏观调控为经济生产要素及创新资源的有序流动与优化配置创造条件。同时，各城市在网络中具有不同的功能与地位，应发挥各自优势。例如：上海、南京、苏州、杭州等城市利用在网络中的核心地位，通过资金、人才、技术等优势反哺周围地区；无锡、宁波、合肥等城市作为“桥梁”与“纽带”，要树立区域协调发展理念，利用有利的地理位置，强化信息网、交通网的建设，以拓宽空间溢出渠道，发挥辐射扩散作用，带动其他城市创新—经济耦合协调发展；安庆、滁州、盐城、台州、绍兴等城市作为空间溢出效应的“受益者”，应积极学习发达地区的先进经验，合理利用资金、技术，注重与发达地区的交流与协作，同时培育新的创新型经济增长点，打造新兴产业聚集地，为区域发展注入新动能。③认识板块之间的联动机制，促进区域协同发展。其一，制定差异化的协调政策，净溢出板块与双向溢出板块应突出其示范引领作用，主受益板块要持续优化其创新创业环境；其二，构建区域协调发展机制，推动省、市两级联合会议制度的建立，强化多部门在产业、技术、人才等方面的沟通与合作。

本文对长三角创新—经济耦合协调空间关联网络的结构特征进行了分析，为提升创新—经济耦合协调度以及推动区域协调发展提供了相关理论依据。当然，本文也存在须进一步探讨的地方。例如，长三角创新—经济耦合协调空间关联网络的驱动机制受区位、政策、技术、信息化、对外开放、环境规制等多重因素的影响，本文对此未进行深入探讨；另外，对长三角空间关联网络结构复杂性的认识仍须借鉴诸如复杂网络等方法，以进行多视角的分析。

注释：

①为方便表述，将“长三角科技创新与经济高质量发展耦合协调”简称为“长三角创新—经济耦合协调”。