国家级高新区生态位适宜度对创新效率的影响

沈清华， 周娟美

（中北大学经济与管理学院，太原 030051）

国家高新技术产业开发区（以下简称高新区）是我国创新发展的前沿阵地，推动其高质量的发展能够辐射带动区域的创新发展. 但高新区在创新发展的同时也面临着创新效率低下、资源配置不合理、区域差异较大等问题［1-2］. 在高新区高质量发展的过程中，创新模式已由最初的点、线、面发展为系统创新. 在创新系统中，创新主体、创新资源以及创新环境之间的相互流动，促进了创新生态系统的形成. 系统中环境、主体以及资源等要素的动态演进，形成了不同的生态位. 生态位适宜度正成为学术界和实践派关注的焦点.

创新效率是衡量创新能力的重要标准之一. 当前，学界对于创新效率的研究主要集中于深度剖析高新区创新发展的理论机制以及构建模型实证测度高新区创新效率. 关注于高新区创新发展理论分析的学者主要从政策［3］、经济效应［4］以及机制体制［5］等方面研究高新区创新发展的理论机制以及发展瓶颈. 创新效率的测度以及影响因素成为实证研究的热点. 数据包络分析（DEA）、随机前沿分析（SFA）、因子分析以及模糊综合评价等方法被学者们广泛应用于创新效率的测度. 由Charnes等［6-10］学者提出的数据包络算法凭借其本身对于多投入多产出的效率测度问题的适用性，成为实证研究的首选. 在创新效率影响因素的实证研究中，学者们关注到了投入强度、创新环境、高新区规模［2］以及产业集聚［7］等因素.

随着创新模式的不断发展，生态学相关理论在与现代科学的融合交叉过程中，逐渐具备了整体、动态、层次以及有效等特征，该理论的普适性也由此而来. 基于生态位理论，我国学者李自珍等［11］提出了生态位适宜度的概念，即生物生存的现实条件与最优条件之间的贴近程度，它表征生物对于生存环境的适应性. 陈红花等［12］提出的“科技创新生态位”概念也建立在生态位理论的基础上，该概念在理论层面上也包含了整合式创新的概念，即创新主体在参与科技创新的过程中所处的生态空间位置以及后续发展的态势. 目前，学者们也从不同区域视角对生态位适宜度进行了研究，例如对省域［13］、京津冀［14］、粤港澳［15］等区域的生态位适宜度［16］、韧性［17］以及健康性［18］进行了测度，同时还关注到了生态位对于产业集聚［19］以及创新能力［20］的影响效应.

基于上述分析发现，目前许多学者对创新效率以及生态位适宜度进行了多维度的研究，构建了评价体系并进行了实证检验，但缺乏从高新区层面上对二者以及相互关系的测度研究. 本文基于创新生态系统理论，对我国121个国家级高新技术开发区近5年的生态位适宜度和创新效率进行测度，并从横向、纵向两个维度分析发展差异与发展态势，构建面板回归模型，验证创新生态位适宜度对高新区创新效率的影响.

1 研究假设

创新生态位关注的点在于创新主体对于创新环境的变动及时适应调整、充分利用创新资源以及创新主体之间的良性互动，即创新主体对于创新资源的利用范围. 对于创新生态系统而言，创新主体是核心. 当不同创新主体对于创新资源和环境的需求呈现出高度相似性时，系统内竞争的激烈程度便会随之增加. 创新生态系统内分布不均的资源会促使创新主体在创新生态系统允许的范围内达到最佳生态位适宜度，这一活动会激励系统内的创新研发活动. 具体表现在以下两个方面：

一是从主体间关系来看，良好的生态位适宜度能够有效减少生态位重叠度带来的竞争，减少恶性竞争带来的资源浪费. 适宜的生态位有利于不同创新主体之间的共生或者合作关系，不同实力的创新主体占据系统的不同位置能够有效提升系统的异质性. 创新系统内资源能量的流动也意味着创新主体在该系统内位置的变动. 创新主体之间的资源流动、信息沟通、策略模仿等行为都会显著提升创新活动的效率. 在这一过程中，创新主体通过不断与不同主体之间创新活动的交流互动，明确自身生态位的现实状态以及未来发展趋势. 当创新系统内的创新主体生态位适宜度较高时，创新主体的资源获取会更具优势，与其他主体之间的关系更强，创新研发活动的辐射范围也会更大，创新主体能够不断提升自身以及系统的创新效率.

二是从创新主体与环境间的关系来看，创新主体通过改变自身的属性，调整好发展战略，不断达到与环境的动态匹配. 创新主体为提升自身对于环境的适应性，会不断调整优化生态位，为自身发展打造更优的发展空间，有效获取、利用系统中的各种资源，不断提升自身与系统的创新效率.

基于以上理论，提出假设1——高新区生态位适宜度对于创新效率具有激励效应.

从生态学的视角出发，创新主体的创新研发活动共分为3个步骤，即首先从创新环境中吸取创新资源，然后在创新主体内部经过资源的整合利用吸收，最后完成创新研发活动并向创新系统中释放资源和能量.系统内主体、资源以及环境都属于一个统一的动态整体，系统内创新主体之间竞争合作等行为会促进物质流以及信息流在主体之间的流动. 当生态位适宜度较低时，系统处于无序状态，生态位适宜度的提高意味着系统内各要素的变动磨合，促进创新效率提升的同时也促进了系统的演化成熟. 在演化成熟的系统，生态位的高适宜度源于无数次演化而展现的最佳效果，能够对创新效率产生积极的推动作用.

创新生态系统的演化过程也会伴随着生态位的实时变动. 在此过程中，系统内各方的有效磨合配置成为促进创新效率提升的主要方面. 在环境、资源以及主体有效配置调整的前期即生态位适宜度较低时，生态位适宜度的提升会显著改善系统内的创新活动，对创新效率的提升作用更强. 随着生态位适宜度的不断提升，系统内各方的磨合配置已经趋于有效，生态位适宜度的提升表现在对于细微不合理的调节配置方面. 在此阶段，生态位适宜度仍能够有效促进创新效率的提升，但提升效果往往会弱于前期.

另外，我国高新区的发展大多依赖政府的优惠政策和扶持手段. 随着高新区对经济社会发展的促进效应愈发明显，高新区的数量也逐渐增多. 如此一方面会形成集聚效应，另一方面也会使政府对于发展较为成熟高新区的监管和扶持减少，这也使达到一定生态位适宜度的成熟高新区在该层面上的提升速度往往会减慢，对创新效率的促进作用也会降低.

综上，生态位适宜度对创新效率的影响效应往往存在非线性关系，在不同阶段呈现不同的效果.

基于上述分析，提出假设2——生态位适宜度对于高新区创新效率的影响具有门槛效应.

2 模型构建、变量选取与数据来源

2.1 模型构建

2.1.1 Tobit回归模型

在验证创新生态系统生态位适宜度对高新区创新效率影响的线性规律时，设置以下模型：

2.1.2 面板门槛回归模型

在验证创新生态系统生态位适宜度对高新区创新效率的非线性规律时，考虑到变量门槛数量未知，故首先建立单门槛模型，随后根据门槛效应检验的结果对门槛数量进行调整，具体模型如下：

2.1.3 生态位适宜度测度模型

为避免各评价指标单位不同造成的误差，评估之前首先对数据进行无量纲化归一处理，然后通过整合生态位适宜度与创新系统理论，构建评价模型. 其测度方法如下：

1）选取无量纲化后各生态因子序列的最大值作为最佳生态位(Saj)：

式中：第i个创新生态系统中的第j个生态因子的具体统计指标用Sij表示.

2）测算创新生态系统生态位适宜度（suitait）. 公式如下：

式中：suitait的数值表明创新主体进行创新研发活动时对创新环境、创新资源的需求被满足程度，范围介于［0，1］之间；值越大，生态位适宜度越高；当创新生态系统生态位适宜度为最大值1时，表明创新生态系统内环境、资源与主体的发展最匹配；反之，创新生态系统生态位适宜度值为最小值0时，表明创新生态系统内环境、资源、主体之间的发展完全不匹配.ωj表示生态因子j上的权重，通过熵权法测算得到. 计算方法如下：

其中χj的计算方法如下：

模型参数ε一般根据suitait=0.5测算得出. 公式如下：

2.2 变量选取

2.2.1 国家级高新区的创新效率

将创新效率当作本次分析的被解释变量，通过三阶段DEA 模型测算获得. 高新区创新环节涉及很多产出和投入要素，这方面国内专家学者们在选择创新效率指标中尚无统一认识，多数人在产出指标选取中会考虑到测度主体的专利、收入、利润等方面，在投入指标选取中会考虑到研究与开发（R＆D）经费、科研人员以及企业数量等方面. 本文在研究时需要对高新区的创新效率进行定量描述，而科研经费支出、科研人员、技术收入在创新效率的测度中影响显著. 因此，本文设投入指标为年末资产、科研人员、科技经费支出；高新区创新研发的最终目的是获取创新研发的商业价值，考虑到多指标之间的关联影响，将工业总产值、技术性收入以及出口创汇作为产出指标. 技术收入可呈现高新区在技术创新方面的现状，工业总产值可呈现出高新区的综合发展现状，出口创汇可呈现出在国际中高新区的竞争力. 本文在Simar 和Wilson研究的基础上［29］，考量到高新区的发展属性和特质，在固定资产、绿地面积以及外商直接投资方面论述了影响创新效率的环境变量. 具体指标体系见表1.

表1 国家级高新区创新效率测度指标Tab.1 Innovation efficiency measurement index of national high-tech zones

2.2.2 创新生态系统生态位适宜度

为保证生态位适宜度评价的准确性，在现有研究的基础上，构建了包含创新环境、资源以及主体3个方面的指标体系. 在系统中进行创新研发活动并且有能力及资质进行该活动的个体称为创新主体. 创新生态系统中不同创新个体的职责和功能不同：①科技服务企业，其主要通过提供创新服务来推进创新成果的商业化，实现创新价值创造这一过程. ②高等院校，其主要通过人才培养以及知识传授对创新系统中的创新资源进行补充. ③科研机构，其主要通过进行科学探索研究，实现系统中的原始创新. 以工业企业数量、科学研究和技术服务从业人数以及普通高等院校数对创新主体进行定量描述. 创新环境指的是能够对创新主体的创新研发活动产生直接或者间接影响的环境要素，例如经济、技术以及文化环境等，以人均生产总值、互联网宽带接入数量以及公共图书馆藏书数量对创新环境进行定量描述. 创新生态系统中的创新个体在进行创新研发活动时所需的资源就是创新资源，本文在定量描述时选取R＆D人员全时当量以及R＆D 经费内部支出这两项指标. 具体指标体系见表2.

表2 创新生态系统生态位适宜度评价指标体系Tab.2 Niche fitness measurement index of national high-tech zones

2.2.3 控制变量

基于高新区创新活动的复杂性以及外部力量多样性，在以生态位适宜度为解释变量的同时，引入一般财政支出中的科学技术支出、社会消费品零售总额以及年末金融机构人民币各项存款余额作为控制变量.

2.3 数据来源与说明

以我国121个国家级高新区（考虑到数据缺失问题以及数据收集困难，所以研究并未完全包括截至2021年的168家高新区）为研究对象，综合考虑数据的准确性以及可得性，选取2016—2020年的数据，各指标原始数据来源于《火炬统计年鉴》《中国城市统计年鉴》，少部分缺失的数据采用插值法进行补全.

3 实证检验结果

3.1 国家级高新区创新效率测度结果

利用三阶段DEA 中的投入导向模型DEA-BCC 测算高新区的创新效率，测算结果技术效率平均为0.183，纯技术效率平均为0.890，规模效率平均为0.200. 在121个高新区中，仅有北京中关村和上海张江位于综合效率前沿面上. 技术效率低于平均值的高新区共有87个. 综合技术效率最低的高新区在辽宁的本溪，5年均值仅为0.006 8，与处于综合效率前沿面上的两个高新区差距巨大. 研究期内高新区综合效率的极差分别为0.988、0.996、0.997、0.995以及0.993，不同高新区之间差距较大，且差距在综合效率层面上较为稳定，并未呈现明显的缩小趋势.

横向对比区域之间的发展差异，分六大区域讨论：华北、华东、东北、中南和西南地区，如表3所示.

表3 高新区创新效率Tab.3 Innovation efficiency of national high-tech zones

从综合效率上来看，高新区创新效率在六大区域中也存在较大差异：华北地区和中南地区的创新效率最高，该地区凭借北京、深圳、广州等大城市的经济带动和技术转移，实现了在全国层面的领先位置；华东地区和西南地区略差，这两个地区凭借雄厚的经济基础以及便利的对外贸易通道，高新区的创新发展势头良好；创新效率最差的地区是西北和东北地区，西北地区由于经济基础较为薄弱，高新区创新发展的后备力量不足，创新效率较低，而东北地区作为我国曾经的重工业基地，面临经济转型及产业调整优化等问题，高新区的发展同样面临挑战.

3.2 国家级高新区创新生态系统适宜度分析

基于生态位适宜度评价模型，测算了2016—2020年我国高新区生态位适宜度水平，年均值情况如图1. 我国高新区生态位适宜度均值为0.51，整体呈现有序发展的态势.

图1 2016—2020年高新区创新生态系统生态位适宜度平均水平Fig.1 Average level of niche fitness of high-tech zones from 2016 to 2020

2016—2020 年全国高新区生态位适宜度值呈现出较大的区域差异（表4）：华北地区和华东地区的高新区生态位适宜度平均值高于全国平均水平，生态位适宜度表现良好且领先于全国其他区域；其余区域的高新区生态位适宜度平均值均低于全国平均水平，中南地区与西南地区较为接近，东北地区和西北地区最低.

表4 高新区创新生态位适宜度Tab.4 Niche fitness of national high-tech zones

3.3 创新效率与生态位适宜度联合分析

在以上分析的基础上，综合四象限图，以各高新区创新效率和生态位适宜度的均值作为划分标准，进一步分析高新区创新效率和生态位适宜度的二维分布情况，结果如图2所示. 从图2中可以看到，有12个高新区位于高创新效率、高生态位适宜度的区域，这些地区在生态位适宜度以及创新效率方面都表现出良好的发展趋势，是我国开展创新活动的主要目标（第Ⅰ象限）；有27个高新区处于低创新效率、高生态位适宜度的区域，创新主体、创新资源以及创新环境配置有效，创新效率有待进一步提升（第Ⅳ象限）；有15个高新区处于高创新效率、低生态位适宜度的区域，创新资源的转化有效（第Ⅱ象限）；有67个高新区处于低创新效率、低生态位适宜度的“双低”区域，创新效率亟待提升，生态位适宜度也有待改善（第Ⅲ象限）.

图2 我国121个高新区创新效率与生态位适宜度象限分布Fig.2 Quadrant distribution map of innovation efficiency and niche fitness of 121 high-tech zones

3.4 面板Tobit模型分析

为减少数据的多重共线性，对解释变量进行无量纲化归一处理. 利用STATA.16对处理过的数据进行面板Tobit模型回归，结果见表5.

表5 面板Tobit回归结果Tab.5 Regression results of panel Tobit

表5中的4个模型是基于全国121个国家级高新技术开发区的样本进行的回归，模型1仅将高新区生态位适宜度纳入回归方程，回归结果表明系数显著为正，高新区的生态位适宜度每提高1%，高新区的创新效率提高3.162%，支持假设1.

模型1有遗漏关键解释变量并导致估计结果有偏差之嫌. 为此，模型2～4逐渐加入新的控制变量来进行稳健性检验. 回归结果表明：第一，尽管解释变量在不断增加，但高新区生态位适宜度对高新区创新效率的影响一直显著为正，高新区生态位适宜度对创新效率具有促进效应的结论具有较强的稳定性. 高新区创新生态位适宜度的提高能够提高系统内主体、资源和环境的配置效率，进而促进高新区创新效率的提升. 第二，从控制变量的影响效果来看，一般财政支出中的科学技术支出由于政府的过度介入，反而降低了主体的创新主动性，不利于创新效率的提升；高新区社会消费品零售总额对于高新区的创新效率显著为负，区域零售市场的发展会造成高新区创新资源的转移，不利于创新效率的提升；年末金融机构人民币存款余额对高新区创新效率的影响显著为负，金融机构人民币存款余额表示民间资本存量，高新区创新资源受到资金资源的单一影响，反而会影响高新区资源的有效配置，降低创新效率.

3.5 面板门槛回归分析

基于生态位适宜度对高新区创新效率影响效应的差异性，设定面板门槛回归模型，进一步探究不同水平下生态位适宜度对高新区的创新效率是否存在差异. 采用Bootstrap重复抽样300次的方法得到F统计量的分布（表6）. 从表6可见，生态位适宜度在单门槛1%的统计水平上显著，三重门槛和双重门槛不显著，支持假设2.

表6 门槛效应检验结果Tab.6 Test results of threshold effect

对单门槛效应进行回归分析，结果见表7. 生态位适宜度对高新区创新效率存在非线性关系，门槛值为0.549 6，将小于0.549 6 的高新区视为低生态位适宜度的高新区，大于0.549 6 的高新区视为生态位适宜度较高的地区. 当高新区生态位适宜度较低时，创新主体、资源以及环境的配置有效性较低，生态位适宜度的提高能够较大程度地促进高新区创新效率地提升，影响系数为2.256；当高新区生态位适宜度较高时，资源环境以及创新主体之间的配置已经相对有效，生态位适宜度的增加对与创新效率的提升效应减小，影响系数为1.925.

表7 门槛模型回归结果Tab.7 Regression results of threshold model

以上分析说明，高新区在生态位适宜度较低的时候，创新环境、资源以及主体之间未能形成有效的配置，生态位适宜度提高反映的系统内环境、资源和主体之间配置有效性仍处于变动中，对创新效率的提升往往也能更为显著. 而生态位适宜度提升到一定水平之后，此时系统内配置相对有效，环境资源以及主体都处于有序状态平稳运行，已经跨越了系统内大变动的门槛转而进行细微调整，生态位适宜度的进一步提升对于创新效率的提升效应明显减小. 当前我国大部分高新区生态位适宜度均小于门槛值0.549 6，生态位适宜度对高新区创新效率的影响效应较大，通过提升高新区生态位适宜度可以显著提升创新效率，实现低投入高产出的创新发展.

4 结论与建议

4.1 结论

1）高新区创新效率普遍偏低，达到平均值以上的高新区不足50%，区域差异较大，综合效率最高的北京中关村、上海张江处于综合效率前沿面上，综合效率最低的是辽宁的本溪. 各地区在综合技术效率、纯技术效率以及规模效率三方面上各有优势.

2）将高新区的创新效率与生态位适宜度进行综合比较分析，处于高创新效率高生态位适宜度的高新区仅有12个，有67个处于创新效率与创新生态位适宜度的“双低”范围，占所研究121个高新区的一半以上.

3）高新区创新生态系统生态位适宜度显著提升高新区创新效率. 生态位适宜度代表了区域内创新主体、创新资源与创新环境三要素在系统中位置的适宜性，对于高新区的创新效率具有明显的促进作用.

4）高新区生态位适宜度对创新效率的促进效应存在明显的单门槛效应，这体现了生态位适宜度反映的系统内多主体演化从变动到调整的转变，而我国绝大部分高新区生态位适宜度处于第一阶段，仍能够通过提升生态位适宜度显著提高创新效率.

5）高新区创新效率也受到控制变量的影响. 政府研发补助、社会消费品零售总额以及年末金融机构人民币各项存款余额对高新区创新效率具有显著的抑制效应.

4.2 政策建议

1）优化创新资源投入方式. 关注高新区创新效率的提升，摒弃资源过度投入的粗放式发展道路. 实现创新系统内资源投入的多样化，优化完善系统内不同创新主体之间的竞争态势. 在为创新主体提供资源补给时，要考虑到不同创新系统的发展实际，引导高新区创新生态系统内形成多元化的创新资源投入体系. 政府应注重整体层面统筹规划，促进创新资源的有序流动和分配，提高创新资源的利用效率，拉近区域内创新主体对于创新资源的需求量与最优供给量之间的距离，减少系统内创新主体之间恶性竞争带来的资源浪费，引导创新主体之间有效合作，发挥自身的优势同时积极利用其他主体的资源，形成有效互动的创新生态系统，提升生态位的适宜度.

2）加快构建优质的创新环境. 为促进创新生态系统创新效率的提升，政府需要有针对性地引导系统内创新发展潜能的释放，营造广阔的进化发展环境. 同时关注系统内外部创新平台的建立，为系统内创新信息、资源的流动提供良好的创新环境，提高产出水平，实现高新区创新生态系统的可持续发展. 创新环境的构建需要同时兼顾本区域经济发展定位以及高新区创新发展的实际，注重整体的适配性，从生态位适宜度的角度促进高新区创新效率的提升.

3）建立完善的创新主体激励机制. 通过财政支持和税收倾斜等政策对创新研发项目进行支持，形成系统内政府、企业、研发机构等主体共同参与、利益共享、风险共担的创新系统，充分发挥系统内不同创新主体之间的作用. 建立完善的知识产权保护制度，制定适合本系统实际的科技成果转让与转化的机制体制，切实保障创新主体的利益. 同时，需要关注到创新主体对于创新资源和环境的有效配置，有效规避创新主体与资源、环境配置不当造成生态位适宜度降低，进而影响高新区创新效率的问题.

4）完善创新生态系统的交流合作通道. 加强系统之间的对外交流，提高创新生态系统创新成果的经济效益. 政府在引进技术、人才等创新资源时，要考虑到本地区的发展实际，同时设置适当的引进门槛，有选择地为本系统提供新鲜的血液. 同时，帮助高校以及科研院所通过产学研、代培等方式，引进其他创新生态系统的先进资源，培育高端技术人才.