科技资源配置与创新型产业集群TFP的多重并发因果关系及组态路径研究——基于28个省域的fsQCA分析

杨帮兴

（东北大学文法学院，辽宁 沈阳 110169）

创新型产业集群（Innovative Industrial Cluster，IIC）是指产业链相关联企业、研发和服务机构在特定区域聚集，通过分工合作和协同创新，形成具有跨行业跨区域带动作用和国际竞争力的产业组织形态［1-2］。为全面推进科技强国和创新驱动发展战略的深入实施，科技部于2011年正式启动“创新型产业集群建设工程”，旨在通过加强政府引导、制定发展规划、优化市场配置和提升产业链协同创新水平等措施，促进新兴产业培育发展和传统产业转型升级，提升区域和产业的整体创新能力及国际竞争力。截止到2021年，中国在广东、山东、浙江、湖北等28个省（区、市）建成了48个创新型产业集群试点（培育）建设单位和61个创新型产业集群试点单位，聚集了生物医药、电子通信、智能制造、集成电路等高技术创新产业，已经成为推动区域产业链创新链“双链融合”，整合产业、科技、教育、金融和智力资本使其协同运作最有效的形式之一，有力促进了各区域竞争优势的形成和经济创新的发展［3］。

作为区域创新体系的重要组成部分，创新型产业集群是培育战略性新兴产业、推动产业结构升级和促进区域创新的发力点［4］。一方面，创新型产业集群属于知识、技术密集型产业集群，对科技人力、财力、物力等资源依赖性较高。不同的科技资源在创新型产业集群配置运行过程中发挥的作用不同，且不同省域资源禀赋各异，经济发展水平、对外开放程度和地区政策差异性较大，各地区创新型产业集群在科技资源配置规模、配置方式和配置环境方面存在较大客观差异，从而导致不同地区创新型产业集群建设规模、发展路径和资源投入运行效率等也呈现出良莠不齐的多样化特征［5］。因此，有必要对各区域创新型产业集群发展过程中科技资源配置运行的组态路径进行研究。另一方面，创新型产业集群产出增长可通过两种方式实现：增加生产要素的投入和提高生产率水平［6］。在建设现代化高质量经济发展体系的要求下，单纯依靠增加生产要素的投入来换取产出增长的粗放式发展路径逐渐被淘汰，进而转向提高生产率水平的路径。其中，全要素生产率（Total Factor Productivity，TFP）作为衡量生产率水平的重要指标正得到广泛重视。区别于单要素生产率（如技术生产率），TFP衡量的是生产过程中总产出与总投入的比率，这意味着TFP不仅包含技术进步，也包括效率提升、质量提升、组织创新、生产单位竞争力提升等多方面［7］。党的二十大报告指出，要坚持以推动高质量发展为主题，增强国内大循环内生动力和可靠性，提升国际循环质量和水平，加快建设现代化经济体系，着力提高全要素生产率。因此，厘清各区域创新型产业集群科技资源配置运行产生高或低TFP的组态路径，探寻科技资源配置规模、配置方式和配置环境与创新型产业集群TFP之间的多重并发因果关系，对推动创新型产业集群发展质量和效率提升，引领区域协同发展和加快建设现代化创新经济体系具有重要的现实意义。

基于上述分析，本研究将从科技资源要素配置视角出发，首先利用DEA-Malmquist模型，对国内28个省域创新型产业集群的Malmquist指数进行计算和分析；其次，构建科技资源配置规模—配置方式—配置环境（S—M—E）分析框架，通过模糊集定性比较分析（fsQCA）方法，就28个省域科技资源配置规模、方式和环境对创新型产业集群产生高/低TFP的多元组态路径进行分析，探索提升创新型产业集群全要素生产率的可行性方案或路径。

1 文献述评

创新型产业集群是推动区域创新发展的中坚力量，国外学者对创新型产业集群的研究主要集中在创新型产业集群的合作与演变［8—10］、竞争能力和创新效率评估，以及对区域创新能力的作用效应等3个方面。其中，在创新型产业集群评估方面，Glukhov等［11］按照载体、创新过程和存在类型3个标准对创新型产业集群的智力资本结构进行了分类，并从准备阶段、生产阶段和最终阶段对创新型产业集群进行了智力资本评估。Kong等［6］使用DEA-Malmquist模型对中国创新型产业集群的发展效率、时空演化特征和空间提升进行了分析，指出：中国创新型产业集群的平均发展效率为0.652，处于较低水平；Malmquist指数平均值为0.932，并以年均7.5%的速度下降；创新型产业集群存在发展不平衡、效率低下的问题，区域优势没有得到充分发挥。Krakovskaia和Nadezhda［12］从集群系统的发展潜力（集群成员的临界数量，产品的科技含量，员工的科技创新能力，集群物质技术和供应链的基础状况，集群的投资吸引力、财务稳定性和市场潜力等）和集群经济社会生态的可持续性（经济效率、环境责任、社会责任、创新活动和公私合作的有效性）两方面，提出了创新型产业集群可持续竞争力的评价指标。在创新型产业集群与区域创新能力方面，Zhang［13］指出，创新型产业集群是提升区域竞争力的主要途径，而区域竞争力又作用于创新型产业集群的发展。Veselovsky和Pogodina［14］指出，知识密集型和高科技领域的创新型产业集群的形成和发展对保障区域可持续发展具有重要作用。Wang和 Guo［15］通过中国创新型产业集群试点（IICP）政策对区域创新影响的研究，指出IICP政策对创新的促进作用在中西部地区比东部地区更为显著，且城市行政级别越低，其对自然资源的依赖程度越低，IICP政策的创新效应就越突出。此外，IICP政策可以通过加强政府对创新的支持和吸引科技人才集聚间接促进区域创新。Panarina［16］研究指出，创新型产业集群通过提升资源配置效率、扩大国家产业综合体规模、发展市场基础设施、引进人才和中小创新企业等方式，能够有力促进社会经济体系的可持续发展。

国内学者更多围绕创新型产业集群创新效率的评估，以及创新型产业集群试点政策对区域创新能力的促进作用两方面展开研究。在对创新型产业集群创新效率的评估方面，王欢和张玲［1］指出，中国创新型产业集群投入产出效率在空间上呈现出“东部＞中部＞东北和西部”的发展格局，纯技术效率、规模效率分别是制约东北和西部地区效率提升的主要原因。张冀新和王怡晖［17］对中国创新型产业集群中战略性新兴产业的技术效率进行评估，指出创新型产业集群技术效率调整前由规模效率主导，调整后由规模因素和技术因素共同主导，产业集群以规模报酬递增模式为主。在创新型产业集群试点政策对区域创新能力的促进作用方面，田颖等［4］采用合成控制法，基于“反事实”视角证实了国家创新型产业集群政策的实施显著促进了区域创新能力的提升。王欢［18］使用双重差分模型，就创新型产业集群试点政策对城市高技术产业发展水平的影响进行检验，结果显示试点政策通过强化政策激励、增强科技型人才储备和改善创新环境，显著提升了城市高技术产业发展水平。郭小婷和谭云清［2］对创新型产业集群与政策资源依赖关系进行了研究，指出创新型产业集群的创新竞争力、规模竞争力和市场竞争力与政策资源依赖的关系特征存在差异，且受地域和行业影响。

从上述国内外研究可知，创新型产业集群是促进区域创新能力、竞争能力和可持续发展能力提升的关键途径，但由于中国区域经济发展的不平衡特性，国内创新型产业集群创新效率在技术效率、规模效率等方面表现出明显的时空地域差异。此外，已有研究对创新型产业集群的TFP关注不足，且在创新效率测度方法方面较多使用三阶段DEA方法，从总体投入产出的视角出发难以揭示不同区域创新集群产生效率高/低的异质性资源配置路径或结构的原因，因此也难以进行针对性的改进和优化。基于上述分析，本研究将构建科技资源“S—M—E”分析框架，通过fsQCA方法对各省域科技资源配置及产生不同TFP的多元组态路径进行分析，从而探索提升创新型产业集群TFP的可行性优化方案。

2 变量设计

2.1 创新型产业集群TFP评价指标体系

创新型产业集群是以创新型企业和人才为主体，以知识或技术密集型产业为主要内容，以创新组织网络和商业模式等为依托，以有利于创新的制度和文化为发展环境的产业集群［17—18］。因此，富含创新和知识的科技人力、物力、财力和服务资源是决定创新型产业集群创新效率和发展前景的核心投入要素。基于现有文献对创新型产业集群科技资源配置的研究［15，19-20］并结合数据的可得性，选取集群内从事科技活动的人员总数对科技人力资源进行测度；选取集群内企业科技经费总支出对科技财力资源进行测度；选取集群内R&D机构数和企业总数对科技物力资源进行测度；选取国家级服务机构、金融及其他服务机构和产业联盟组织3方面对科技服务资源进行测度。

创新型产业集群是以创新为导向，既承担经济建设责任又具有科技创新功能的现代化产业集群。因此，从创新知识产出和创新经济产出两方面测度创新型产业集群的创新成果［12，21］。在创新知识产出方面，选取集群内企业当年授权发明专利数量和当年形成国家或行业标准数量进行表征；在创新经济产出方面，选取集群内企业经营净利润和技术合同成交金额进行表征。创新型产业集群的要素投入和产出各指标具体如表1所示。

表1 创新型产业集群TFP评价指标体系

2.2 基于S—M—E框架的创新型产业集群TFP条件指标

科技资源的配置规模—配置方式—配置环境（S—M—E）共同组成科技创新系统持续运行的基础框架［22］，本研究使用该框架对中国各省域创新型产业集群产生高/低TFP的多重并发因果关系进行评估。具体指标和测度方式如表2所示。

表2 创新型产业集群TFP影响条件指标

①科技资源配置规模。科技资源配置规模是指科技资源在不同区域、产业、科研活动中的配置数量或强度。由于科技人才、科技经费、科技物力、科技服务等创新资源在不同区域存在数量、质量、层次等方面的差异，这些又是影响区域创新型产业集群创新效能异质性和集群持续创新演化的关键基础要素，因此有必要将其纳入条件变量。借鉴已有研究［1，5，17，20］，使用科技人员投入强度、科技经费投入强度、科技物力投入强度和科技服务投入强度等4个指标表征配置规模。

②科技资源配置方式。科技资源配置方式是现代经济条件下为解决资源稀缺性问题而使用的资源配置手段，主要包括市场配置和计划（政府）配置两种。市场配置是依靠市场的价格机制、供求机制、竞争机制和风险机制等实现科技资源优化，能够推动社会资源、生产要素朝着市场需要的方向合理流动，促使科技资源向更重要的环节集中以促进创新效率和效益的提高；计划配置主要通过宏观调控和计划机制等指挥、引导科技资源配置，避免市场失灵及弥补市场在资源配置中易产生的盲目性、滞后性等短板，促进科技创新全要素生产率提升。借鉴已有研究［22］，使用集群内企业R&D经费中非政府资金占比衡量市场配置强度，使用集群内企业R&D经费中政府资金占区域科技财政支出比重衡量计划配置强度。

③科技资源配置环境。科技资源配置环境是影响科技资源运行效率和调节科技创新活动的重要条件。良好的开放创新环境有利于激发各类创新主体的活力并加快创新要素的转化。由于创新型产业集群主要由知识密集型或技术密集型产业构成，具有创新组织网络体系和商业模式等特征，因此需要优秀的高等院校、科研机构等智力支撑和开展创新合作。此外，已有研究显示，产学研合作能有效提升区域整体的创新投入水平和创新产出水平［23］，且贸易开放与区域创新绩效具有正向空间相关性［24］。基于此，本研究使用各省级高校和科研机构R&D经费中企业R&D投入占比衡量产学研合作水平，使用区域进出口总额占地方生产总值比重衡量区域开放水平。

综上所示，本文的研究模型如图1所示。

图1 研究模型

3 研究方法与数据来源

3.1 研究方法

3.1.1 数据包络分析方法。数据包络分析（DEA）方法已被国内外学者广泛应用于各类资源投入产出效率的计算［17，25］。由于 DEA 模型不需要对生产或成本函数、权重和投入产出指标之间的概率分布进行先验假设，其在评估研发活动效率或生产力方面具有优势。DEA模型中的Malmquist指数［26］作为测算TFP增长的典型方式也同样被广泛使用。DEA-Malmquist指数能够提供生产率变化的细分部分，从而明确导致变化的不同源头。因此，本研究使用DEA-Malmquist指数对中国各省域创新型产业集群创新效率和TFP进行计算。

3.1.2 模糊集定性比较分析方法。模糊集定性比较分析（fsQCA）方法是一种基于集合的方法，探讨各种因素之间的复杂关系或互补关系，能够弥补一般计量模型未考虑到的因素之间的联动匹配并将主体外部环境和内部属性看作相互独立的线性变量关系的不足［27—28］。本研究选用fsQCA来分析创新型产业集群产生高/低TFP的因素及其机制，主要有3个原因。首先，创新型产业集群创新效率是一个涉及多种科技资源要素投入并由多重并发因果关系引发的复杂议题。fsQCA能够利用组态思维检验多要素的联动匹配效应，识别驱动创新型产业集群TFP提升的多条等效路径，以及发掘各要素之间存在的潜在替补关系［29］。其次，fsQCA遵循因果关系非对称性假设，且能够精准定位各等效路径覆盖的地区案例，这有助于对中国各省域不同创新型产业集群实现高/低TFP的条件组合差异及诱因进行深入探析［22］。最后，本研究案例由28个省域构成，符合fsQCA分析方法对小样本量的要求。

3.2 数据来源

本研究以中国28个省（区、市）创新型产业集群为研究样本（海南、西藏、宁夏3省区无创新型产业集群，因此剔除），基于S—M—E框架探讨科技资源配置与TFP之间的多重并发因果关系。数据主要源于2020—2021年间的《中国火炬统计年鉴》和《中国科技统计年鉴》。考虑到科技资源要素投入与效率产出之间可能存在的滞后性，研究对S—M—E框架的8个条件变量采用2019年数据，对创新型产业集群的TFP产出采用2020年数据进行fsQCA测算。

3.3 数据处理

参考既有文献，本研究采用直接法对变量数据进行校准［30］。将8个条件变量和1个结果变量的完全隶属、交叉和完全不隶属校准点分别设为样本数据的0.95分位数、中位数与0.05分位数。此外，由于fsQCA在运行过程中无法自主辨识条件值为交叉点（0.5）的数据，因此，研究将所有校准后显示为0.5的条件值人工调整为0.501［22］。各变量校准及描述性统计结果如表3所示。

表3 数据校准与描述性统计

4 数据计算与结果分析

4.1 中国省域创新型产业集群TFP指数分析

使用Deap2.1软件中的Malmquist指数，参照表1构建的创新型产业集群科技资源投入—产出指标体系，对中国28个省（区、市）2019—2020年间的创新型产业集群TFP指数进行计算。结果如表4所示。

表4 2019—2020年中国创新型产业集群Malmquist指数分解

从表4可见，28个省（区、市）中，TFP大于1的有浙江、福建、陕西、上海等16个，共计占比57.14%。其中，东部省份最多，并呈现由东向西递减的规律。所有TFP大于1的省（区、市），其技术效率变化指数（EFF）或技术进步指数（TEC）高于1，说明TFP增长的省（区、市）均为技术进步驱动型。以陕西省为例，2019年陕西创新型产业集群企业科技经费支出122.79亿元，集群内企业总数843家，当年形成国家或行业标准33项，营业净利润63.64亿元，技术合同成交金额15.36亿元。2020年，企业科技经费支出99.06亿元，集群内企业总数1 175家。在其他投入条件相对稳定的情况下，当年形成国家或行业标准124项，同比增长了276%；营业净利润204.04亿元，同比增长了221%；实现技术合同成交金额118.92亿元，同比增长了674%。可见，在产业集群资源投入规模变动不大的情况下，由技术进步带动产业集群经济产出和知识产出从而实现了大幅度增长。

TFP小于1的省（区、市）有新疆、甘肃、河北、青海等12个，共计占比42.86%。其中，西部地区省份最多，并呈现由西向东递减的规律。其中，湖北、山西、江苏、新疆4个省区创新型产业集群的技术进步指数大于1，但技术效率变化指数和规模效率变化指数均小于1，意味着其TFP的下降主要是由于资源规模投入产出不足，阻碍了TFP的增长。而安徽、甘肃、河北、云南等省份的技术效率变化指数、技术进步指数、规模效率变化指数均小于1，意味着其创新型产业集群在技术进步和规模投入产出等方面均有不足，严重阻碍了TFP的增长。

4.2 单个条件必要性分析

依据fsQCA分析程序，在进行条件组态充分性分析之前，首先需要对单个条件必要性进行检验，本研究中各条件（包括非集～）检验结果如表5所示。可见，创新型产业集群科技资源配置8个条件（包括非集～）的一致性水平均低于临界值0.9，即单一条件对创新型产业集群产生高/低TFP的解释力不足，不构成影响结果的必要条件［30］。因此，需要从整体组态视角出发对创新型产业集群科技资源配置TFP的多重并发因果关系进行考察。

表5 必要条件分析结果

4.3 条件组态充分性分析

4.3.1 创新型产业集群产生高TFP组态路径分析。本研究参考 Fiss［28］，杜运周和贾良定［30］，Schneider和Wagemann［31］等学者的建议，并结合本研究的案例具体情况，将一致性阈值设置为0.8，案例频数阈值设定为1，PRI一致性阈值设置为0.7。此外，由于既有研究关于8个条件与高/低配置效率的关系未有一致性结论，且本研究中科技资源配置规模、配置方式和配置环境在何种状态下会导致创新型产业集群高/低的TFP也未有确切结论，因此，本研究将其设定为“存在或缺失”。运行fsQCA3.0，首先对创新型产业集群产生高TFP的组态路径进行运算，结果整理后如表6所示。

表6 创新型产业集群产生高TFP组态路径

从表6可知，创新型产业集群产生高TFP的组态路径共有8条，可分为4类：①以科技人员投入、科技经费投入和区域开放水平为核心的组态1A、1B；②以市场配置强度和区域开放水平为核心的组态2A、2B；③以科技物力、科技服务投入为辅，以科技人员投入、科技经费投入以及区域开放水平为核心的组态3A、3B；④以科技经费投入、区域开放水平为核心，以科技物力、科技服务投入为辅的组态4A、4B。横向来看，科技人员投入、科技经费投入和区域开放水平在众多组态路径中大都充当着核心变量，是实现创新型产业集群高TFP所必需的普遍条件。整体来看，创新型产业集群产生高TFP的组态路径总体解的一致性为0.935，覆盖度为0.673，意味着所有满足8类条件的组态中有93.5%的省域创新型产业集群TFP较高，且这8类组态可以解释67.3%的高TFP案例。

①组态1A、1B是以科技人员投入、科技经费投入和区域开放水平为核心的“人才资金驱动型开放创新模式”，代表性省（区、市）为北京、上海和四川。2019年，北京、上海、四川单个创新型产业集群分别拥有从事科技活动人员3.810万、1.874万和1.481万人，科技经费支出占营业收入的比重分别达7.26%、10.06%和8.04%，进出口总额占地方生产总值的比重（区域开放水平）分别达81.07%、89.71%和14.644%，创新型产业集群的科技人员投入力度、科技财力投入力度和区域开放水平均位于全国前列。事实上，创新型产业集群区别于其他产业集群，前者是以创新型企业和科技人才为主体，以知识或技术密集型产业和品牌产品为主要内容的专门从事技术开发和产品制造的聚焦于“高精尖缺”型产业的集群，加之创新活动常常伴随着极大的不确定性和大量的风险。因此，创新型产业集群在生产运转过程中须投入大量的科技人才和科研资金用以支撑。此外，创新型产业集群又是以创新组织网络和商业模式等为依托，以有利于创新的制度和文化为发展环境的产业集群。因此，高水平的区域开放为创新型产业集群的知识、技术、资金和信息等要素的流动、协作与获取，以及海内外市场开拓等提供了便利条件，从而有利于促进创新产业技术的进步、资源利用效率的提高和TFP的提升。该组态说明：在科技物力投入、市场配置水平和产学研合作水平相对较低的地区，可以通过加强对科技人员、科技经费的投入和提升区域开放水平来实现创新型产业集群TFP的提高。

②组态2A、2B是以市场配置强度、产学研合作水平和区域开放水平为核心的“市场环境驱动型开放创新模式”，代表性省（区、市）为天津、山东和福建。从数据来看，2019年，天津、山东和福建创新型产业集群内企业科研经费中非政府资金占比分别达96.860%、96.727%和97.827%，企业科研经费中政府资金占区域科技财政支出的比重分别达21.994%、12.848%和12.411%，市场资源配置强度和产学研协同水平相比其他省（区、市）均较高。在区域开放水平方面，天津、山东和福建的进出口总额占地方生产总值的比重分别达52.354%、29.051%和31.481%，同样远超大部分省（区、市）。事实上，组态2A、2B正是揭示了发挥市场对科技资源配置的基础性、决定性作用的重要性。在科技创新领域，科技资源要素同时作用于创新主体科斯边界以外的市场化交易分配和科斯边界以内寻求利益最大化的整合安置，前者是后者的前提，后者对前者有倒逼效应［32］。因此，充分发挥科技资源市场化配置的作用，通过市场利益杠杆、市场竞争等方式，激发创新产业和创新市场的积极性，促进产学研深入结合，强化创新组织网络体系，推动科学技术和经营管理的进步，从而有利于促进创新型产业集群科技资源的有效利用和TFP的提高。该组态说明：在科技经费、科技物力和科技服务投入相对不足的区域，可以通过激发市场活力、强化产学研合作以及提升区域开放水平等方式来实现创新型产业集群TFP的增长。

③组态3A、3B是以科技人员投入、科技经费投入和区域开放水平为核心，以科技物力和科技服务投入为辅的“结构资源驱动型创新模式”，代表性省份为广西和陕西。以陕西省为例，2019年其单个创新型产业集群拥有1.26万人，科技经费支出占营业收入的比重达5.272%，均位于全国前列；单个集群拥有R&D机构数量达121家，位居全国首位；单个集群拥有科技服务机构数量达88家，位居全国第三。此外，陕西省政府极为重视对创新产业的投入，西安高新区2019年发布的《关于加快打造先进制造业示范区的行动方案》（以下简称“《方案》”）指出，要在2025年前打造形成电子信息产业、汽车产业、高端装备产业、生物医药产业4个千亿级创新型产业集群，实现产业、企业、创新、品牌以及融合引领示范共5个引领示范目标。为保证《方案》顺利推进，西安高新区新设100亿元的先进制造业产业引导基金和5亿元人才引培资金以吸引、培育高端人才，新设600万元的先进制造奖励等一系列政策措施，并在降低运营成本、支持加大研发投入、支持扩大融资范围等多个方面为创新产业提供政策和资金支持。2019年，陕西创新型产业集群内企业R&D经费中政府资金占区域科技财政支出的比重高达47.054%，支出强度位居全国首位。可见，陕西省通过对创新型产业集群科技人力、财力、物力和服务等各类科技资源要素的投入，为科技创新产业稳定发展奠定了坚实的智力和物质基础，通过大力促进技术进步和创新效率提升有效提高了创新型产业集群的TFP。科技人力、财力、物力和服务资源是创新活动所必需的基础性资源，该组态说明：在市场化水平、产学研合作水平或区域开放水平相对较低的中西部区域，可以通过政府引导，加大科技基本资源要素的投入规模并加强对其优化使用，来实现创新型产业集群TFP的增长。

④组态4A、4B是科技资源配置规模、配置方式和配置环境全面发展的“全要素驱动型创新模式”，代表性省份为浙江和广东。浙江省和广东省作为经济社会发展水平居于中国“塔尖”的省份，拥有丰富的科技人才、科技物力等创新资源；高校、科研院所众多，创新产业基础坚实，创新网络发达，产学研合作紧密；地邻东南沿海，经济开放程度和开放水平较高。此外，尽管在市场配置强度或计划配置强度方面的核心变量显示缺失，但其在企业科技资金和政府科技资金投入的绝对值方面远超其他省（区、市）。因此，集结了众多创新要素和创新优势的浙江省和广东省，其创新型产业集群的创新效率一直处于平稳增长态势，创新产业TFP也较高。

4.3.2 创新型产业集群产生低TFP组态路径分析。对创新型产业集群产生低TFP的组态路径进行计算，结果整理后如表7所示。创新型产业集群产生低TFP的组态路径总体解的一致性为0.944，覆盖度为0.618，意味着所有满足7类条件的组态中有94.4%的省（区、市）创新型产业集群TFP较低，且这7类组态可以解释61.8%的低TFP案例。

表7 创新型产业集群产生低TFP组态路径

具体来看，创新型产业集群产生低TFP的组态共有7条，且路径各不相同。组态1—4在科技人员、科技经费、科技物力和科技服务的结构性资源配置以及区域开放水平方面均存在不同程度的核心条件缺失，主要体现在云南、贵州、河南、青海、甘肃、新疆、内蒙古等中西部省（区、市）以及河北、黑龙江两省。上述地区经济社会发展水平相比京津及东南沿海地区差距较大，且近年来人才流失严重，科技教育资源贫瘠，使得对创新型产业集群结构性资源供给投入不足，限制了其发展潜力和上升势头。因此，组态1—4表明科技资源配置规模方面的要素投入是创新型产业集群提升TFP的基础性前提，科技人才、科技经费、研究机构、服务机构等的缺失或不足会严重遏制创新型产业集群TFP的增长。

组态5—7在科技资源配置方式和配置环境方面较为突出，但在结构性科技资源配置方面存在科技人才或科技经费的核心缺失问题，使得其创新型产业集群TFP未达到理想增长状态。其中，组态5覆盖地区为辽宁和重庆，组态6覆盖地区为山西，组态7覆盖地区为江苏。事实上，江苏省在2019年拥有创新型产业集群12个，从事科技活动人员8.88万人，集群内企业总营业收入和总科技经费支出在全国都位居前列。然而正是由于集群数量较多，单个集群平均所配置的资源比例相对其他地区有所不足，这集中体现在科技经费投入方面。2019年，江苏省科技经费支出占营业收入的2.712%，在28个省（区、市）中居于第23位，科技经费投入强度较低。此外，辽宁、重庆及山西3地在科技人才、科技经费和区域开放水平等方面也存在不同程度的核心缺失问题。组态5—7可以看作组态1—4的升级，然而由于科技人才、科技经费或区域开放水平等核心变量的缺失，创新型产业集群仍然难以取得较高的TFP增长。

4.4 稳健性检验

检验fsQCA结果稳健性的方式有3种：改变校准锚点、改变一致性阈值以及增删案例［31］。其中，改变校准锚点的方法被学者广泛使用［29，33］。本研究将变量的校准锚点从［0.95，0.5，0.05］调整为四分位数［0.75，0.5，0.25］，调整后的结果如表8和表9所示。显然，改变校准锚点后的条件组态，其所反映出的路径内涵与上文分析结论基本一致，因此研究结论具有一定的稳健性。

表8 创新型产业集群产生高TFP组态路径的稳健性检验结果

表9 创新型产业集群产生低TFP组态路径的稳健性检验结果

5 结论与讨论

5.1 研究结论

本研究以中国28个省（区、市）创新型产业集群为研究样本，基于S—M—E框架，使用fsQCA方法探讨创新型产业集群科技资源配置与TFP之间的多重并发因果关系。在理论方面，本研究试图从科技资源配置的视角打开创新型产业集群产生高/低TFP资源组态路径的“黑箱”，明确驱动创新型产业集群TFP变化的主要原因与模式，揭示科技资源配置规模、配置方式和配置环境等条件组合在创新型产业集群创新活动中的作用与地位。在实践方面，本研究则为不同区域寻找创新型产业集群产生高/低TFP的针对性诱因和改进路径提供参考。研究结论主要有以下几个方面：

①中国创新型产业集群TFP的增长呈现出明显的区域差异。TFP＞1的省（区、市）占比57.14%，主要集中于东部沿海地区，并呈现由东向西递减的规律，增长动力为技术进步；TFP＜1的省（区、市）占比42.86%，西部地区最多，并呈现由西向东递减的规律，TFP下降的主要原因是技术进步指数不高和资源规模投入产出不足。

②中国各区域创新型产业集群TFP增长在科技资源要素投入方面存在复杂并发的多元组态，任何单一条件对创新型产业集群产生高/低TFP均不构成必要条件，科技资源配置规模、配置方式和配置环境的有效结合是促进创新型产业集群TFP增长的有效路径。具体来说，存在4种创新型产业集群产生高TFP的组态路径：以科技人员投入、科技经费投入和区域开放水平为核心的“人才资金驱动型开放创新模式”；以市场配置强度、产学研合作水平和区域开放水平为核心的“市场环境驱动型开放创新模式”；以科技人员投入、科技经费投入和区域开放水平为核心，以科技物力和科技服务投入为辅的“结构资源驱动型创新模式”；科技资源配置规模、配置方式和配置环境全面发展的“全要素驱动型创新模式”。

③科技人才投入、科技经费投入和区域开放水平在众多高TFP组态路径中大都充当着核心变量，是实现创新型产业集群高TFP所必需的普遍条件；科技人才、科技经费、研究机构、服务机构、市场资源配置等的缺失或不足会严重遏制创新型产业集群的TFP增长，而科技人才投入、科技经费投入或区域开放水平等核心条件的缺失则是直接导致低TFP组态路径的关键诱因。

5.2 政策建议

基于研究结论，本文对未来中国各省域创新型产业集群优化科技资源配置、提升全要素生产率等方面提出以下建议。

①各创新型产业集群应因地制宜，深入挖掘自身资源优势和发展潜力，建设特色鲜明、优势突出的高水平创新型产业集群。东部地区要继续发挥经济、人才、产业、科研等优势，在延循“市场环境驱动型开放创新模式”“全要素驱动型创新模式”等高TFP组态路径的基础上，瞄准“高精尖缺”等高技术行业发展瓶颈和国际创新领域竞争前沿，持续加强对技术攻关、成果转化方面的投资建设，突出核心技术和品牌产品的带动作用，加强配套技术研发，打造具有核心竞争力的创新集群骨干企业，提高集群整体竞争力和创新效能。中部、西部及东北部地区应结合区位优势，一方面可循序渐进地探索通过“人才资金驱动型开放创新模式”“结构资源驱动型创新模式”等路径推动创新型产业集群创新发展，不断提升创新产品质量、强化创新产品品牌效应；另一方面，应加强与东部及海外地区的创新合作与技术开发合作，加大招商引资和营商环境优化力度，全链式整合产业集群创新资源，提升科技资源利用效率与转化效率。

②各省级政府及创新型产业集群的管辖单位应注重持续提升集群创新能力，以关键技术突破、创新能力提升带动集群综合创新实力和TFP增长。创新型产业集群得以持续发展和保持竞争优势的根本动力在于创新能力，要围绕科技人才、科技金融、科研机构、服务机构等多维度全面提升产业集群创新能力。在科技人才和智力保障方面，集群企业、战略联盟等可通过与知名高校、权威智库、研究机构等签署建立课题基金、人才就业、兼职兼薪等方面的合作关系，通过创新合作、人才培养与引进机制等突出企业的创新主体作用，提升集群技术创新能力。在创新活动的服务保障方面，要持续加大科技创新政策支持力度和政策集成效应，发挥财政资金的引导聚集作用，加大对高能级高质量科技创新平台的引育和建设力度，营造更高品质、更具吸引力的创新环境和营商环境，激发各类创新主体的创新动力，着力提升集群产业创新能力和产业链现代化水平。

③各省级政府应持续完善市场化科技资源投入运行机制，提升区域经济开放合作水平，加快推动科技资源要素向创新型产业集群汇聚。一是通过提升开放合作水平、优化政策支持供给，保障和发挥市场在科技资源配置领域的基础性作用。集群所在地方政府应引导形成以社会资源、非营利性机构等为枢纽的网络，强化科技与产业连接转化，整合区域竞争性创新资源，形成企业、高校、科研机构等各利益主体优势互补、利益共享、风险共担、追求卓越的集群创新文化。二是要以网络化组织模式推进形成多维跨域协同创新共同体，加快构建以组织变革为核心、以协同创新为动力、以创新型产业集群为依托的创新型产业集群共同体，建立有效的多维跨域协同创新机制，打造多层级、网络化的创新集群发展格局，推动集群产业链横向拓展和纵向延伸，提高集群可持续发展能力。

5.3 研究不足与展望

本研究仍存在一定的局限性。一方面，本研究选用2019—2020年可获取的最新数据进行条件组态分析，这在一定程度上可能会对研究结果的普适性产生影响。因此，未来研究可采用跟踪调研等方法，使用长时段数据开展纵向对比研究以增强结论的稳定性和普适性。另一方面，在案例选取方面，本研究以28个省域为样本案例，案例数量较少，进而存在一定的限制性。未来研究可选取48个创新型产业集群试点（培育）建设单位和61个创新型产业集群试点单位等的数据进行测算，从而扩充研究案例数量，增加结论的科学性和客观性。