生态位下中国区域创新生态系统适宜度评价与预测研究

叶爱山，邓洋阳，夏海力

（1.南通理工学院 商学院，江苏 南通 226002；2.苏州科技大学 创新与管理评价研究所，江苏 苏州 215009）

0 引言

创新已成为全球各国发展的核心战略，创新发展并呈现出新格局。2021年作为我国“十四五”开局之年，也是全面建设社会主义现代化国家新征程的开启之年。在当前国内国际双循环发展背景下，创新生态系统构建对我国创新驱动发展、国家创新体系、科技强国等具有重要的战略意义。习近平总书记重要文章指出“科学技术从来没有像今天这样深刻影响着国家前途命运，从来没有像今天这样深刻影响着人民生活福祉”。创新生态系统作为具备完善合作创新支持体系的群落，内部各创新主体能够各自发挥异质作用性，与其他主体协同创新、创造价值，通过共生演进形成具有生态系统特性的网络系统，这与中国对外开放新阶段的“创新引领”战略十分契合。然而，我国创新生态系统却存在着运行状况欠佳、进化程度缓慢等问题。于此，深入探究区域创新生态系统，对实现中国由世界科技大国迈向世界科技强国具有重要现实意义。

自Adner将生态学理论与技术创新理论相结合后定义了创新生态系统，认为创新生态系统是将生态系统中不同创新主体成果整合，进而面向客户提供解决处理方案。创新生态系统作为一种新的范式而成为热点，学界对创新生态系统从不同视角进行阐释。代表性阐释视角有协同学视角、网络系统视角、系统学视角等。协同学视角认为创新生态系统是由组织内部要素相互催化和支持而形成的协同发展体系，网络系统视角下是将创新生态系统理解为是由政府、关联企业、客户等组成，为生产更具价值新产品所形成的网络系统，系统学视角下则将创新生态系统视为由各组织行动者构成的相互竞争与合作的系统。学界多元化视角下阐释了创新生态系统内涵，进一步丰富了创新生态系统的内容。国内学界更倾向于创新系统理论“主体之间相互依赖”和生态学“主体与环境的相互作用”等视角，来对创新生态系统进行阐释。综合国内外学者关于创新生态系统内涵研究，可将创新生态系统理解概括为，在支持完善合作的区域范围内，创新群落内部各创新主体进行协同创新与创造价值，并形成相互依赖和共生演进的有机关系。创新生态系统与生态系统既相互关联又存在差异，最为直接差异为创新生态系统是以更强生物学隐喻揭示系统范式，以及系统内拥有更为畅通的物质流、信息流、能量流等，以此实现更为强劲的创新驱动发展。

为更好地挖掘创新生态系统关联基础理论，这就需明确创新生态系统构成要素、价值创造等内容。关于创新生态系统构成要素研究基本可分为两类。一类研究是认为创新生态系以企业为主体，外加高校、科研机构、金融、政府等中介服务机构。另一类研究认为创新生态系统是由上游创新主体、中游中间商、下游用户等要素组成。创新生态系统价值创造方面表现为，创新生态系统内主导企业能够协调与掌握整个系统内价值创造的有形机制与无形机制，但企业建立创新生态系统创造价值还需注重与新技术平台联结互动。随着研究思路转变与研究方法改进，研究结果呈现出不同程度的差异性。国外学者更倾向于创新生态系统内部性研究，对创新生态系统结构组成、运行机制、作用因素等进行针对性研究，而对创新生态系统评价体系构建研究相对较少。国内学者对于创新生态系统研究虽起步较晚，但较早开展创新生态系统评价体系构建与评价研究。自生态位适宜度提出后，逐步有学者运用生态位适宜度进行创新生态系统评价。随后得益于学者们对适宜度评价模型的修正与改进，形成目前学界所普遍使用的创新生态系统适宜度评价模型。创新生态系统适宜度评价模型的应用具有一定普遍性，学界运用该模型对全国层面、区域层面、个体省份创新生态系统适宜度均有针对性应用研究。

生态位，一般指个体或种群所处的时空位置及存在的功能关系。生态学家高斯通过实验发现，在有限的空间和食物资源的环境中，种群数量在高速增长后趋于稳定状态，基本呈现S型增长。对于当前我国资源存量与消耗现状，习近平总书记在多次会议上提及“一个家庭的富裕，一个国家的强大，离不开开源节流、勤俭持家”。可见，生态位理论下研究创新生态系统对提升资源利用率和避免不必要的重复浪费具有重要意义。创新生态系统适宜度研究已产生丰硕成果，然而生态位下创新生态系统适宜度研究尚不完全。虽已有学者从生态位下探讨创新生态系统适宜度，但多聚焦于评价模型构建、区域分布、指标权重分析等。关于创新生态系统适宜度评价研究，学者常常难以与创新系统进行准确划分，基本上还是遵循创新系统评价路径，从创新主体、创新资源、创新环境等维度着手，即侧重于从构成要素、价值创造等视角来构建，未能真正反映出创新生态系统所具有的生态特性。为了更加贴近生态位理论及充分考虑创新生态系统自身的生态特性，本文拟从物种维度与非物种维度视角构建生态位下创新生态系统适宜度评价指标体系。此外，现有生态位理论下创新生态系统适宜度研究多以评价研究以及适宜度内部关系探讨为主，较少进行适宜度预测性研究。良好的预测与判断能够为创新生态系统进一步高效发展提供指导，利于有限资源的优化配置与调整。

综上可见，目前针对创新生态系统适宜度的研究，存在以下不足。第一，适宜度评价指标体系构建时，未能充分考虑生态位理论和创新生态系统的生态特性，难以真实反映创新生态系统的本质和特性。第二，创新生态系统适宜度研究多集中于评价研究和内在关系探讨，缺少对未来一定时期内的预测判断，对创新生态系统适宜度及指标权重科学预判能够有效指引我国区域创新生态系统向更高质量发展。本文边际贡献主要表现在两个方面。一方面，将充分考虑生态位理论和创新生态系统的生态性，构建起包含物种与非物种维度的生态位下我国区域创新生态系统适宜度评价体系，实现将生态学理论和创新生态系统特性融入到评价指标体系构建中，以此更真实地反映出创新生态系统的本质内容。另一方面，预测模型选择是在比较参数优化灰色模型与基于傅里叶级数修正的OGM模型值基础上，选择预测精确度较高模型对我国生态位下区域创新生态系统适宜度及生态要素权重进行预测判断，以期能够为我国创新生态系统发展提供更为清晰的路径，利于破解我国创新发展进程中的“卡脖子”问题，进而实现我国创新生态系统向更高质量发展。

1 生态位下创新生态系统评价研究

1.1 评价体系构建

构建生态位下创新生态系统适宜度评价指标体系，除了需遵从基本构建原则，还要充分考虑生态位理论与创新生态系统的生态特性。生态位维度的复杂性、物种间相互关系对生态位均具有重要影响，创新群落生态位的并集情况也同样会对生态位产生直接影响。对此，本文构建起包含物种与非物种两个维度的生态位下我国区域创新生态系统适宜度评价体系。具体而言，物种维度主要包含创新群落生态位，而非物种维度主要包含资源、环境、技术等生态位。生态位下我国区域创新生态系统物种与非物种维度具体实测指标见表1所示。

表1 生态位下我国区域创新生态系统适宜度评价体系

创新群落是由不同种类的创新种群所构成，创新种群内包含不同途径下的创新物种。依据已有研究，创新生态系统中创新物种一般是由创新生产物种、创新转化物种、创新使用物种等相集合。创新生产即创新源头，一般选取高校、科研企业来表征。创新转化依赖于中介平台，科技企业孵化器作为创新中介发挥着不可或缺的作用。创新使用是将科技成果效益化，这就需依托于规模以上工业企业来实现。

非物种方面，可由资源、环境、技术等生态位共同构成。资源生态位旨在反映创新群落在创新生态系统中运行占用或所需要的相关资源。创新生态系统与创新系统具有一定相似性，创新群落所需运用资源主要为人力、财力、物力等。据此，创新生态系统中创新群落所需运用资源可以由人力资源、经费资源、设施资源等组成。环境生态位主要指创新生态系统中物种所依赖的生存环境，即与物种创新群落成长发育相关联的生存因子组合。由经济环境、技术环境、生态环境、社会环境等构成的复合型环境来反映创新群落生存所需的环境生态位。技术生态位主要描绘创新种群所拥有的技术资源状态，创新生态系统内技术生态位依据技术资源类型可划分为技术成果、产品成果等。

1.2 评价模型选择

生态位下创新生态系统适宜度值一般介于0～1之间。当适宜度接近0时，表示物种维度下创新群落与非物种维度下各类别生态位匹配度较低。当适宜度接近1时，则表现物种维度下创新群落与非物种维度下各类别生态位匹配度较高。假定有个创新生态系统，则EF（＝1，2，…，；＝1，2，…，）表示第个创新生态系统第个生态因子。评价模型构建如下：

第二步，确立生态因子最佳生态位（EF）。即在由个创新生态系统个生态因子所构成的标准化数据矩阵中选择最大值，见式（2）所示。

第三步，测算适宜度（Suita）。式（3）中Suita表示第个创新生态系统适宜度值，w为相应生态因子的权重，反映出该生态因子对创新生态系统的影响程度。为模型参数值，是运用式（4）测算得出。Suita值越大反映出区域创新生态系统更具创新活力，也表明了区域创新生态系统可持续发展水平。

第四步，进化动量测算（EM）。在测度区域创新生态系统的适宜度基础上，还需探索该区域创新生态系统的进化空间，进化动量测算过程见式（5）所示。

1.3 数据来源

在构建生态位下创新生态系统适宜度评价模型后，选取了2010—2019年我国30个省份作为决策单元（港澳台和西藏地区因数据缺失严重，未计入）。数据主要源于《中国科技统计年鉴》《中国高技术产业统计年鉴》以及国家统计局，个别缺失数据插值补充。

1.4 生态位适宜度与进化动量全局性研究

为更好探究我国生态位下区域创新生态系统适宜度，拟从适宜度的时空分异与内在机理着手。下面将具体从区域创新生态系统适宜度、进化动能及区域间差异逐层展开分析。

依据研究数据，构建起30×22数据矩阵，即30个省份与22个评价指标共同构成的数据矩阵。将数据纳入到评价模型中，得出我国30个省份生态位下创新生态系统适宜度与进化动量，见表2所示。由表2测度结果，可以发现省份间生态位下创新生态系统适宜度差异显著，位于前列省份为广东、北京、江苏、上海、浙江、山东等，其生态位适宜度值分别为0.761、0.748、0.747、0.697、0.688、0.682。生态位适宜度位于前列省份基本属于东部地区，东部依托于其R＆D的高投入与高新技术产业发展，以及自身良好的经济基础，因此能够在生态位下创新生态系统发展中表现出显著优势。而排名靠后的省份为青海、宁夏、贵州、甘肃、云南等，其生态位适宜度值仅为0.436、0.439、0.443、0.446、0.449，基本属于西部地区，由于承接了过多中低端产业的转移，制约了这些省份的创新发展，致使成本效应高于创新效应。同时，西部地区还会受制于基础设施建设、高技术专业人才、资金扶持等因素的困扰。研究期内我国30个省份生态位下创新生态系统适宜度与进化动量均值分别为0.563、0.855，30个省份中生态位适宜度值高于均值的有12个，而进化动量高于均值有14个，基本可以认为我国生态位下创新生态系统整体上呈现出适宜度较低，进化动量较强的特征。

为了更加直观了解我国生态位下创新生态系统适宜度与进化动量发展态势，依据表2绘制出图1，即2010—2019年生态位适宜度与进化动量演化趋势。可以发现，研究期内生态位适宜度整体呈现波动上升态势。2010—2012年生态位适宜度表现出轻微下降，由2010年0.539下降至2012年0.506。随后2012—2019年处于快速波动上升状态，由2012年0.506快速上升到2019年0.613，反映出近年来我国生态位下创新生态系统适宜度整体发展良好。进化动量方面，其整体呈现显著波动下降态势。2010年进化动量0.852，而2019年进化动量则下降至0.840。整体来看，研究期内生态位下创新生态系统适宜度与进化动量呈现出一定的反向发展态势。

表2 我国30个省份生态位下创新生态系统适宜度与进化动量

图1 2010—2019年我国生态位下创新生态系统适宜度与进化动量发展态势

考虑到我国地区间差异显著，且各地区实施着多层次差异化的发展战略体系，有必要对各地区生态位适宜度与进化动量进行分析，绘制出我国各地区间生态位适宜度与进化动量（表3）。

表3 我国地区间生态位适宜度与进化动量

可以发现，东部地区生态位适宜度位居首位，而西部地区生态位适宜度位于末位。相反，东部地区进化动量却位于末位，而西部地区进化动量位于首位。4个地区中，东北地区生态位适宜度与进化动量均位于第二，中部地区生态位适宜度与进化动量均位于第三。可见，我国生态位下创新生态系统适宜度基本呈现由东部地区向西部地区递减的趋势，进化动量则是由西部地区向东部地区递减。东部地区省份间生态位适宜度差距最大达到0.296，而中部、西部、东北地区省份间差距分别为0.138、0.203、0.140。东部地区省份间进化动量同样存在显著差距，省份间进化动量差距达0.372，而中部、西部、东北地区省份间差距仅为0.137、0.174、0.145。可以发现，相较其他地区而言，东部地区各省份间生态位适宜度与进化动量差异更为显著。这也反映了东部地区虽生态位适宜度较高，但内部各省份间差距也较为显著。

1.5 各生态要素生态位适宜度与权重评价研究

为了更加深入研究我国生态位下创新生态系统适宜度的内部机制，下面将对创新生态系统内生态要素进行逐层剖析，即从创新群落、资源生态位、环境生态位、技术生态位等生态要素寻找我国创新生态系统适宜度较低的内部深层原因。

依据各生态要素的研究数据，分别构建起30×4、30×6、30×9、30×3的数据矩阵，即30个省份与各生态要素的生态因子所构成的数据矩阵。再次代入模型，得到各生态要素的适宜度。表4展示了我国生态位下创新生态系统各生态要素适宜度，可以发现生态位下我国创新生态系统各生态要素适宜度存在明显差异。各生态要素适宜度基本呈现缓慢上升态势，但上升态势表现出明显差异。研究期内创新群落、资源生态位、环境生态位、技术生态位的适宜度均值分别为0.544、0.577、0.532、0.562，资源生态位与技术生态位适宜度较高，创新群落与环境生态位适宜度相对较低。从各生态要素适宜度发展态势来看，2012年后各生态要素表现出较为强劲的动力，基本呈现波动上升态势，均在2019年达到了最大值。对比整体与各生态要素来看，发现研究期内资源生态位适宜度历年均高于整体生态位适宜度，而创新群落与环境生态位却均低于整体适宜度。可见，我国生态位下创新生态系统适宜度较低原因可基本归结于创新群落与环境生态位等贡献不足。

表4 我国生态位下创新生态系统各生态要素适宜度

在分析完生态位下创新生态系统各生态要素适宜度，有必要对生态要素权重值进行分析与内容挖掘，以阐明各生态要素演化过程中的重要性。在创新生态系统各生态因子数据基础上，采用改进熵权法对各生态要素内各生态因子权重进行测算，再将各生态因子权重累加，以此获得各生态要素的权重。研究期内各生态要素权重，见表5所示。

表5 我国生态位下创新生态系统各生态要素权重值

表5展示了我国生态位下创新生态系统各生态要素权重值，可以看出各生态要素间权重值差异明显，创新群落与技术生态位权重值明显低于资源生态位与环境生态位的权重值，创新群落、资源生态位、环境生态位、技术生态位的权重值均值分别为0.131、0.293、0.417、0.159，可见环境生态位权重值位于首位，而创新群落权重值位于末位。从发展态势来看，环境生态位权重呈现缓慢下降态势，资源生态位权重表现为波动上升状态。而创新群落、技术生态位权重值却表现为轻微波动，基本处于较为稳定的状态。结合环境生态位适宜度相对较低的结论，可见研究期内我国对生态位下创新生态系统的环境生态位重视程度不够，创新生态系统环境生态位仍存在较大发展空间。虽创新群落适宜度与权重值均能表现出一定上升趋势，但整体发展后劲明显不足，生态位下创新生态系统的创新群落亟待强化与培育。

2 生态位下创新生态系统适宜度预测研究

2.1 模型构建

本文所采用预测模型是基于GM（1，1）模型优化生成，分别为参数优化灰色模型（OGM）与基于傅里叶级数修正的OGM模型（FOGM），下面将就各模型分别进行解释与说明。GM（1，1）模型基本步骤为：

输入：记为（1，1）建模序列，＝（（1），（2），…，（））。

第一步：生成，为的1-AGO序列，＝（（1），（2），…，（）），其 中（）＝∑（），＝1，2，…，。

第二步，生成，为的紧邻均值生成序列，＝（（1），（2），…，（）），＝0.5（）+0.5（-1）；＝2，3，…，；

第三 步，定 义GM（1，1）模 型 基 本 形 式：（）+（）＝。记＝（，），灰微分方程最小二乘估计参数列满＝(BB) BY，其中Y＝［（2）（3）…（）］，见式（6）所示。

以上内容即为GM（1，1）模型的基本过程与步骤。为提高GM（1，1）模型预测的准确性，引入调整系数对GM（1，1）模型进行参数优化，进而建立起参数优化灰色模型（OGM）。主要核心步骤为：0.1时平均绝对百分比误差；③当＜0.9时，记α＝+0.1，计算α下的，比较与两者，直至出现最小值；④输出OGM模型的预测值。

2.2 适宜度预测

为了解2021—2025年生态位下创新生态系统适宜度的可能演进态势，下面将分别采用OGM模型与FOGM模型进行预测。何种模型更加适合，主要以2011—2019年的预测数据系列值与实际数据值进行绝对百分比误差（）计算判断，计算公式为＝［（-Y）］，ABS表示返回数字的绝对值。在获得值后进一步计算值，进而依据OGM模型与FOGM模型值大小来判定选择何种模型。一般值越小，该模型的预测精度越高。表6展示了生态位下创新生态系统及各生态要素值及值。

表6 生态位下创新生态系统及各生态要素APE及MAPE值

在获得创新生态系统及各生态要素适宜度预测数据基础上，将预测值与实际值比对得到值。可以从表6发现，创新生态系统及各生态要素预测数据值均低于5，其中值最大为0.354%，反映出OGM模型或者FOGM模型均符合基本预测要求。那就需要对OGM模型与FOGM模型进行比较分析，选择出更为合适的预测模型。采用FOGM模型时，创新生态系统预测值所对应的值为0.095%，远低于采用OGM模型所对应的值0.156%，创新生态系统适宜度预测故采用FOGM模型更为精准。再观察各生态要素预测所对应的值，可以发现各生态要素采用FOGM模型的值基本均小于OGM模型值，并且FOGM模型远低于OGM模型所对应的值。因此，相较OGM模型而言，FOGM模型对创新生态系统及各生态要素的适宜度预测更为精准。

接下来将采用FOGM模型对创新生态系统及各生态要素的适宜度进行预测。为直观反映创新生态系统及各生态要素适宜度演化态势，绘制出图2。从图2可以看出，2021—2025年期间也即我国“十四五”规划期间创新生态系统及各生态要素均能表现出良好的发展态势，虽在2022年存在轻微下降，随后3年内表现出明显的强劲发展动力。下面将逐层展开分析，创新生态系统适宜度在2010—2019年期间内最大值为0.613，随后2021、2022年均出现了不同程度的下降，而2023—2025年却呈现出稳步上升态势，2025年创新生态系统适宜度达到预测期内最大值0.618。各生态要素间所预测的适宜度发展态势差异显著，技术生态位与资源生态位的适宜度发展态势较为强劲，而创新群落与环境生态位的适宜度发展较为平缓。可以看出，我国生态位下创新生态系统在“十四五”规划期间基本能够保持稳步有序的发展态势，各生态要素也均能表现出不同程度的良好发展态势。

图2 2021—2025年创新生态系统及各生态要素适宜度预测

运用FOGM模型对创新生态系统内各生态要素2021—2025年权重值进行预测，以了解创新生态系统内各生态要素重要程度的发展趋势。图3显示了创新生态系统内各生态要素2021—2025年权重预测值，可以发现各生态要素权重预测值在2021—2025年内变化差异显著，创新群落的权重值整体呈现波动上升趋势，2022—2023年期间下降了0.011，随后2023年后权重值表现出较强的发展动力。技术生态位在2021—2025年内表现为持续上升态势，这也反映出创新生态系统对技术生态位的重视程度越来越高。资源生态位与环境生态位权重预测值在2021—2025年内均显著高于技术生态位与创新群落，也表明了资源生态位与环境生态位为创新生态系统中主要支撑性生态要素。资源生态位与环境生态位权重预测值呈现反向发展态势，资源生态位在预测期内表现为先上升后下降趋势，而环境生态位却表现为先下降后上升。

图3 2021—2025年创新生态系统内各生态要素权重预测态势

2.3 各生态要素权重预测

在预测与分析各生态要素的适宜度情况后，有必要对各生态要素的重要程度进行预测与分析，下面将就2021—2025年期间各生态要素权重进行预测研究，所运用到数据系列为2010—2019年各生态要素所测算的实际权重值。具体操作步骤与各生态要素适宜度预测基本一致，同样为首先进行OGM模型与FOGM模型的精度测算，判断出何种模型更适合各生态要素权重的预测，进而运用该模型对各生态要素权重预测与分析。表7展示了运用OGM模型与FOGM模型进行各生态要素权重预测时值，发现创新群落、资源生态位、环境生态位及技术生态位权重值预测时，OGM模型与FOGM模型两者值均低于5%，表明OGM模型与FOGM模型均能符合预测的基本要求。相比较OGM模型与FOGM模型两者模型预测精度，创新群落、资源生态位、环境生态位及技术生态位权重预测时FOGM模型值明显较小，表明在预测创新生态系统各生态要素权重时FOGM模型更为精准。

表7 创新生态系统内各生态要素权重的APE及MAPE值

3 主要研究结论

考虑到以往创新生态系统适宜度研究侧重于从构成要素、价值创造等视角构建评价指标体系，缺乏从创新生态系统的本质与特性深入分析。对此，本文将充分考虑生态位理论和创新生态系统的生态性并将其融入到创新生态系统适宜度的评价指标体系构建中。基于生态位理论构建起包含物种与非物种两个维度的生态位下我国区域创新生态系统适宜度评价体系，对2010—2019年我国区域创新生态系统进行评价，并在对比OGM模型与FOGM模型值下对2021—2025年生态位适宜度及生态要素权重值进行预测。据此，得出以下主要结论：

第一，全局性表现为，我国30个省份生态位下创新生态系统适宜度与进化动量均值分别为0.563、0.855，30个省份中生态位适宜度值高于均值的有12个，而进化动量高于均值有14个。因此，基本可以认为我国生态位下创新生态系统整体上呈现出适宜度较低，进化动量较强的特征。此外，创新生态系统适宜度与进化动量在研究期内表现出明显的反向发展态势，生态位适宜度呈现波动上升趋势，而进化动量则表现出波动下降趋势。

第二，空间异质性表现为，不同省份间生态位适宜度差异显著，位于前列省份为广东、北京、江苏、上海、浙江、山东等，位于前列省份基本属于东部地区。中、西部地区较为突出省份有四川、湖北、河南、湖南、安徽、重庆等，东北地区创新生态系统适宜度较高省份为辽宁。分地区来看，生态位适宜度表现为由东部向西部地区递减态势。东部生态位适宜度位居首位，而西部却位于末位。进化动量与生态位适宜度空间差异表现截然相反，东部进化动量位于末位，而西部进化动量却位于首位。

第三，各生态要素分析发现，创新群落、资源生态位、环境生态位、技术生态位的适宜度均值分别为0.544、0.577、0.532、0.562，相对应的权重值分别为0.131、0.293、0.417、0.159。横向比较发现，创新群落与环境生态位适宜度均低于历年整体水平，生态位下创新生态系统适宜度较低原因基本可归结于两者贡献不足。由生态要素权重值可知，研究期内我国对生态位下创新生态系统的环境生态位重视程度不够，其仍存在较大发展空间。此外，创新群落适宜度与权重值虽然表现出一定上升趋势，但整体发展后劲表现出明显不足。

第四，预测模型结果显示，我国生态位下区域创新生态系统在“十四五”期间能够保持稳步有序的发展态势，且各生态要素也均能表现出不同程度的良好态势。各生态要素权重预测值在预测期内变化差异显著，资源生态位与环境生态位权重预测值在预测期内均显著高于技术生态位与创新群落，表明资源生态位与环境生态位是作为创新生态系统中主要支撑性生态要素，且两者权重预测值呈现反向发展态势。创新群落、技术生态位的权重值整体呈现上升态势，相较创新群落，技术生态位上升态势更为突显。

4 对策建议

基于上述主要研究结论，提出如下针对性对策建议，以期为我国生态位下区域创新生态系统发展指明具体路径，实现我国创新生态系统向更高质量发展。

构建创新生态系统联动式培育平台。目前我国生态位下创新生态系统表现出明显不均衡发展现象，这就需要构建起能够实现地区间创新生态系统联动式培育与发展平台。具体而言，第一，搭建线上创新资源交流与合作平台，不仅能够有效消除信息互动的时间与空间障碍，还能促使地区间不同类型创新主体形成良性沟通，进而有效避免创新生态系统内部不当竞争所产生的负效应。第二，开发建设创新学习平台。地区间创新发展存在显著差异，在未能及时组织研讨创新内容时，创新发展较强地区可及时将当前所接受的新理论与新方法等上传至学习平台，以供创新发展水平较低的地区学习一些共性的研发活动，以避免创新资源重复投入。第三，设立创新研发专项资金。构建起企业创新发展能力评价体系，科学监测企业创新发展现状，对具备创新发展潜力企业进行精准扶持，进而实现创新发展所需资金的有效配置。

注重创新生态系统环境的优化与完善。研究结论表明各生态要素中环境生态位的重要性位于首位，远高于其他生态要素的重要性。创新群落所展开一系列创新活动都离不开环境生态位的支持，营造良好的创新环境对创新主体的发展至关重要。因此，在充分发挥创新群落创新效应时，应着力优化支持创新群落的经济、技术、生态、社会等环境，切实提高科技人才、研发经费、科研设备等创新资源的利用效率，加快创新理论应用与科技成果转化，进而促进各地区创新生态系统创新能力的共同提升。另外，应切实考虑省份间创新生态系统环境生态位差异，使高校、企业、中介机构等创新群落更高效的协调发展。创新生态系统政策应具有针对性，这就要求各省份间应依据自身创新生态系统适宜度水平及各生态要素特性施行差异化政策。譬如，中、西部地区多数省份在技术生态位方面明显存在不足，甚至已成为制约这些省份创新生态系统进一步发展的障碍。政府部门还可以从经济扶持、技术创新、政策激励等方面着手，为创新群落的创新活动营造出良好的创新生态环境，以此实现创新群落及其他生态要素与创新生态环境的协同发展。

优化创新生态系统生态要素的融合性。创新生态系统是一个复杂的系统工程，内部由关系复杂的生态要素组成，而生态要素又由多个生态因子而组成。良性的创新生态系统应当是由创新群落和创新生态要素不断交互与融合的有机整体，信息、资金、技术等友好交互才能有效激发创新群落发挥出内在力量。对此，要理顺创新生态系统内部运行机制，进而能够培育与形成内部各生态要素共同发展的局面。这需要由政府部门来营造出要素流动的良好氛围，从制度与政策上激励高校群落、高技术产业群落、科技孵化器群落、规模以上工业企业群落等建立起高效的运营机制，也避免创新群落与创新环境间的脱离。对此，应充分发挥广东、北京、江苏、上海、浙江、山东等省份的创新引领作用，可将这些省份培育为我国重点创新发展中心，并以省份内重点创新企业为研究主体，且不断完善技术市场体系及公共服务平台建设，实现东部地区引领和带动其他地区创新生态系统的生态要素融合。