城市技术创新时空演变特征及影响因素研究
2023-05-30张宵葛玉辉
张宵 葛玉辉
摘 要：創新是促进区域经济繁荣、全面提升发展质量的重要途径。以江苏省为例，基于Innojoy数据库中2010—2020年的专利申请数据，运用位序—规模法则、重心迁移模型、变异系数等多种方法，系统分析城市技术创新的时空演变特征及影响因素。研究发现：江苏省城市技术创新空间分异特征明显，呈由苏南向苏北梯度扩散的分布格局；技术创新重心先向东南方向迁移，而后持续向西北方向迁移，但始终分布在全省几何中心的东南方位。从内部差异看，江苏省三大地理分区技术创新发展的绝对差异总体呈扩大趋势，而相对差异呈敛缩趋势。全局Morans I指数和空间计量结果均显示城市技术创新具有正向空间溢出效应；经济发展水平、政府科技支出、资本富集程度、产业结构和环境污染程度5个因素对城市技术创新发展具有不同程度的影响。研究结果有助于客观揭示江苏省城市技术创新演变驱动因素，为推动高质量均衡发展提供理论参考和决策依据。
关键词：城市技术创新；江苏省；时空演变特征；Morans I指数；空间计量模型
中图分类号：F 129.9 文献标识码：A 文章编号：1672-7312（2023）02-0133-10
Spatial and Temporal Evolution Characteristics and Influencing Factors of Urban Technological Innovation
——A Case Study of Jiangsu Province
ZHANG Xiao，GE Yuhui
（School of Management，University of Shanghai for Science and Technology，Shanghai 200093，China）
Abstract：Innovation is an important way to promote regional economic prosperity and comprehensively improve the quality of development.Taking Jiangsu Province as an example，based on the patent application data of Innojoy database from 2010 to 2020，this paper systematically analyzes the spatio-temporal evolution characteristics and influencing factors of urban technological innovation by using a variety of methods such as rank-size rule，movement of gravity center model，and the coefficient of variation.It is found that the spatial differentiation of urban technological innovation in Jiangsu Province is obvious，showing a distribution pattern of gradient diffusion from southern Jiangsu to northern Jiangsu；The center of technological innovation first moves to the southeast，and then continues to move to the northwest，but it is always distributed in the southeast of the geometric center of the province.From the perspective of internal differences，the absolute differences of technological innovation development in the three geographical divisions of Jiangsu Province are generally expanding，while the relative differences are converging.The global Morans I index and spatial measurement results show that urban technological innovation has a positive spatial spillover effect；Five factors，including economic development level，government expenditure on science and technology，capital enrichment，industrial structure and environmental pollution，have different effects on the development of urban technological innovation.The research results will help objectively reveal the driving factors of the evolution of urban technological innovation in Jiangsu Province，and provide theoretical reference and decision-making basis for promoting high-quality balanced development.
Key words：urban technological innovation；Jiangsu Province；spatial and temporal evolution characteristics；Morans I index；spatial econometric model
0 引言
随着改革开放的持续深化，我国已进入高质量发展阶段，创新成为推动城市革新和社会发展的强力引擎。2021年，《江苏省国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》明确提出要突出创新在现代化建设全局中的核心地位，坚持科技自立自强，加快建设科技强省的行动要求。江苏省作为全国经济发展的“领头羊”，人均GDP、外资使用规模、进出口总额等主要经济指标近年来始终位于全国前列，科研实力雄厚的高等院校，完善的创新创业服务体系以及数量众多的高素质创新人才为技术创新发展注入源源不断的活力，极大地提高了技术创新的综合实力。然而，城市间技术创新能力和创新环境的差异，以及创新资源和创新要素的流通受阻，导致了全省技术创新联系的不紧密和不平衡不充分发展，使得技术创新整体水平的进一步提升受到制约[1]。当前，我国正处于转变发展方式、优化经济结构、转换增长动力的攻关期，探究近年来江苏省城市技术创新的时空演变特征，识别技术创新的空间关联性，对促进创新资源有效配置，推动江苏省经济社会和技术创新发展具有重要意义。
技术创新的时空演变特征以及分异规律一直是区域经济研究的热点之一，国内外学者进行了一系列探讨，并形成了较为丰富的研究成果，主要采用核密度分析、重心迁移模型、Dagum基尼系数、Moran I指数、空间聚类分析等多种工具，对我国省域、县域、中小城市群的技术创新产出、数字技术创新、农业技术创新、绿色创新效率等的时空分布格局及演变特征进行研究。如李红雨等基于中国地级市的面板数据，研究发现中国技术创新产出总量虽逐年增加，但其在地级市层面的分布极不均衡，主要集中在经济发达的大中型城市[2]。董俊鸷等研究发现中国县域技术创新的空间分布具有内部细化、破碎化的特点，产出高值区主要分布在东部沿海，低值区主要分布在西北部半壁[3]。在影响因素研究方面，学者们采用地理探测器模型、GWR地理加权回归、Shapley分解法等多种方法，从经济发展、基础设施建设、产业结构、环境规制等多维度对技术创新的影响因素进行识别。如孙勇等研究发现黄河流域绿色技术创新主要受经济发展、创新环境和政府行为影响，而受到环境污染的影响较弱[4]。徐维祥等研究发现空间区位和金融支持对长江经济带沿线中心城市的创新产出具有正向影响，经济基础对下游城市具有促进作用[5]。
在梳理文献后发现，目前有关城市技术创新时空演变特征的研究主要集中在全国、中小城市群等相对宏观的层面，而从省一级层面研究单个省份城市技术创新发展的较少。江苏省作为我国经济大省，其城市技术创新的发展状况如何？是否存在空间集聚现象？技术创新发展差异形成的原因是什么？现有研究成果还未能较好地回答这些问题。针对上述问题，本研究将以江苏省13座地级市为研究对象，探索城市技术创新的时空演变特征并分析其成因，以期能够较好地进行解释。此外，与传统技术创新发展影响因素的研究不同，本研究将空间效应纳入研究范畴，并在此基础上选择经济发展水平、政府科技支出、产业结构、环境污染程度以及资本富集程度等作为解释变量构建空间计量模型，深入剖析城市技术创新发展差异的成因，以期为打造健康创新生态，推动江苏省技术创新高质量均衡发展提供理论参考和决策依据。
1 研究设计
1.1 研究区域概况
江苏省位于长江下游三角洲地区，总面积10.72万平方公里，下辖13座地级市，包括南京、无锡、徐州、常州、苏州、南通、连云港、淮安、盐城、扬州、镇江、泰州、宿迁。2021年末，江苏省常住人口总量8 505.4万人，地区生产总值11.64万亿元，比上年增长8.6%；全省专利授权量64.1万件，比上年增长28.4%，其中发明专利授权量6.9万件，增长49.7%；拥有网络通信与安全紫金山实验室、材料科学姑苏实验室、深海技术科学太湖实验室等实验创新平台，第3代半导体技术创新中心（苏州）、集成电路特色工艺及封装测试国家制造业创新中心（无锡）、中航工业601所扬州协同创新研究院等众多技术创新载体。
1.2 数据来源
在城市技术创新的测度方面，专利数据因其可得性好、完整度高、区域化分布特征明晰等特点受到学者的广泛认可[6]。基于此，本研究以百万人專利申请量为代理指标，对江苏省13座地级市的技术创新规模进行刻画，系统分析其在2010—2020年间的时空分布格局及演变规律，并识别技术创新发展的影响因素。文中所需的专利数据以“专利申请日”和“申请人所属省份”为检索条件，在Innojoy专利数据库中检索获得，基础数据来源于2011—2021年的《中国城市统计年鉴》和《江苏省统计年鉴》。
1.3 研究方法
1.3.1 位序-规模法则
位序-规模法则是研究等级体系最经典的方法。借鉴郭建科等运用位序-规模法则揭示环渤海地区港口体系规模特征的做法，尝试将13座地级市的技术创新规模及其位序数据绘制在双对数坐标上，观察其拟合态势，以考察技术创新的区域差异，识别其空间分布的集散程度[7]。无标度区和Zipf指数是位序—规模法则的2个重要指标，其中无标度区可以体现技术创新的位序—规模分布结构，而Zipf指数不仅能够反映技术创新的空间分布形态，还能够揭示空间分布的变化规律[8]。Zipf指数大于1、小于1和等于1，分别表示技术创新处于集中分布、均衡分布和自然状态下的最优分布模式。具体公式如下
式中：Pi为排名第i位城市的技术创新规模；Ri为第i个城市的位序；P1为首位城市技术创新规模；q为Zipf指数。
1.3.2 重心迁移模型
为探索江苏省城市技术创新空间分布的变化轨迹，揭示其在空间上的动态演变过程，本研究借鉴梁中等运用重心迁移模型分析省域碳压力空间分布演变情况的做法，引入“重心”概念评价江苏省城市技术创新在空间上的均衡性[9]。就技术创新而言，其重心位置表示该区域周围的技术创新处于相对均衡的“高密度”分布状态，“重心迁移”是指当某地技术创新规模发展较快且高于全省平均速率时，技术创新重心向该地迁移的现象。具体公式如下
1.3.3 变异系数和σ系数
为刻画江苏省技术创新区域内部差异的时序演化图景，本研究参考王兆峰等的做法，将江苏省从地理位置上划分为苏南、苏中、苏北三大区域，综合运用变异系数和σ系数探究其技术创新的相对差异和绝对差异[10]。变异系数是衡量一组数据离散程度的指标，可以客观地反映三大地理分区技术创新的相对差异，其值越大意味着相对差异越大。σ系数可以衡量三大地理分区技术创新的绝对
差异，其值越大意味着绝对差异越大。具体公式如下
1.3.4 空间自相关
空间自相关分析是分析空间数据相互依赖性最常用的工具，包括全局空间自相关和局部空间自相关两部分，分别用Morans I指数和Local Morans I指数进行表示。本研究采用全局空间自相关检验江苏省城市技术创新发展是否具有整体关联性，采用局部空间自相关检验其局部关联性，以揭示不同区域内技术创新发展的空间异质性。Morans I指数的范围在-1到1之间，Morans I指数越大，表明技术创新在空间上的集聚特征越明显，与邻近城市的差距越小。具体公式如下
1.3.5 空间面板模型
考虑到技术创新发展过程中可能存在的空间关联性，本研究选择空间面板数据模型探索江苏省城市技术创新时空格局演变的影响因素。空间杜宾模型（SDM）、空间误差模型（SEM）和空间滞后模型（SAR）均可识别技术创新发展的影响因素，本研究参考
BELOTTI等的模型验证方法，将空间杜宾模型设定为初始模型，借助LR检验和Wald检验对其替代模型进行检验[11]。H01：空间杜宾模型可以简化为空间滞后模型，H02：空间杜宾模型可以简化为空间误差模型，若H01和H02同时被拒绝，则应选择初始的空间杜宾模型[12]。其次，基于ANSELIN等提出的理论，空间计量分析应当建立在空间权重矩阵的基础上，本研究选择空间邻接
权重矩阵作为空间计量的权重矩阵[13]。具体公式如下
2 时空演变特征分析
2.1 空间演变特征
为更加直观地呈现江苏省城市技术创新的时空分布格局，运用ArcGIS自然間断点分级法（Jenks），将城市技术创新划分为“好”、“较好”、“中等”、“较差”和“差”5个等级，观察其相对格局和变化趋势。结果显示，江苏省城市技术创新总体呈明显的由苏南向苏北梯度扩散的空间分布格局，如图1所示。技术创新在以苏州、无锡为代表的苏南地区形成高值集聚分布，并围绕苏州形成连片分布态势；在以连云港、淮安为代表的苏北地区形成低值连绵分布，但区域范围呈敛缩态势。从现实情况看，高值集聚区主要位于长江下游沿岸，拥有中国内河第一大港苏州港等众多港口，区位优势明显，且该区域毗邻上海，处于长三角经济圈的核心位置，经济实力强劲，投资环境优越，为技术创新的孕育与发展创造了良好的条件；而低值连绵区受地理位置偏远，交通条件较差，创新人才引进困难等因素影响，综合创新实力较为薄弱，技术创新发展缓慢。
将13座地级市的技术创新规模及其位序数据绘制在双对数坐标上并进行拟合，得到其位序-规模分布参数（见表1）。结果显示，2010—2020年江苏省城市技术创新的位序—规模分布均存在一个无标度区，呈单分形结构，拟合曲线逐渐平坦；Zipf指数由2010年的1.56降低至2020年的0.73，总体呈下降趋势。具体来看，2017年之前Zipf指数均大于1，表明在此区间内江苏省技术创新的地理集中程度较高。以2012年为例，排在首位的苏州百万人专利申请量为2.16，排在第二、三位的无锡、常州分别为1.55和0.74，形成了在苏州绝对主导下的高位序—规模分布特征。2017年之后Zipf指数降低至1以下，表明技术创新空间分布差异呈降低趋势，技术创新由集中化发展逐渐转变为均衡化发展。随着经济发展和创新人才的流动，以泰州、盐城为代表的苏中和苏北城市迅速发展，使得技术创新的地理集中程度有所降低。这些城市将在未来很长一段时间内，在推动江苏省技术创新高质量均衡发展上发挥模范带头作用，而苏州、无锡等技术创新“排头兵”城市在走向深度融合创新的同时，将为省内其他城市的技术创新提供更好的资金支持和技术服务[14]。
为进一步分析江苏省城市技术创新的空间分异特征和演化轨迹，本研究引入重心迁移模型进行补充探讨。由表2和图2可知，近10年江苏省技术创新重心分布在119°41′58″E ～120°1′11″E，32°14′1″N～31°51′31″N区域内，位于全省几何中心（119°29′55″E，32°58′16″N）的东南方位，表明江苏省东南部城市技术创新较为活跃。从经济发展和社会消费看，以苏州为代表的东南部城市经济发展水平较高，社会消费增长速度较快，经济发展和消费增长的同时伴随着对新技术和新产品需求的扩大，从而推动技术创新综合实力的提升。从地理区位看，江苏东南部位于长江下游沿岸，货运便利，交通发达，对技术集成度高的互联网企业、高新技术企业等具有较强的吸引力，且该地区毗邻上海，上海地区创新扩散效应的影响使得该地区技术创新发展始终保持在全省前列。
从重心迁移轨迹看，技术创新重心在2010—2012年向东南方向迁移，而后在2012—2020年向西北方向迁移，表明近几年江苏西部和北部城市技术创新的增长速率明显高于平均水平，追赶态势明显，创新分布走向均衡。从迁移距离看，近10年技术创新重心共计迁移54.41 km，其中2012—2014年重心迁移距离最大，达到20.13 km。2013年江苏省政府发布创新型省份建设推进计划（2013—2015年），明确提出“苏南创新提升、苏中创新跨越、苏北创新突破”的要求，支持徐州、淮安、宿迁等城市的创新发展，在一系列政策支持下，西北部城市技术创新规模实现历史性增长。从重心迁移方位角变化看，近10年整体呈增大趋势。从2012—2014年的310.60°增大至2014—2016年的314.10°，并进一步增大至2018—2020年的339.60°，技术创新重心虽始终向西北方向迁移，但向北偏转的角度呈增大趋势。
2.2 内部差异特征
基于13座地级市近10年的专利数据，分别计算出苏南、苏中、苏北三大地理分区技术创新历年的变异系数和σ系数，各差异指标变化趋势如图3、4所示。绝对差异方面，苏南地区技术创新的σ系数在2012—2016年呈明显下降趋势，但总体保持上升态势，由2010年的0.19上升至2020年的0.28，年均增速4.74%；苏中地区在个别年份出现小幅上升，但整体呈敛缩态势，年均降幅2.24%；苏北地区在2010—2020年呈不断上升的趋势，年均增幅29.58%。总体来看，江苏省三大地理分区技术创新的绝对差异呈扩大态势，其中苏北地区绝对差异的增长幅度最大。结合自然断点分级图看，苏北地区属于技术创新的低值连绵区，连云港、淮安等城市由于地理位置偏远、经济实力薄弱等因素，技术创新发展缓慢；而江苏最北部城市徐州地处淮海经济区中心位置，位于江苏、山东、安徽、河南四省交界处，是中国第二大铁路枢纽，较高的经济发展水平和便捷的交通使其技术创新发展迅速，从而导致苏北地区技术创新的绝对差异持续扩大。
相对差异方面，苏南地区技术创新的变异系数仅在2011年明显上升，总体呈先扩大后减小的演变趋势，年均降幅4.26%；苏中地区在个别年份出现小幅上升，但总体呈敛缩态势，年均降幅7.94%；苏北地区在2015、2017—2019年呈微升趋势，但总体呈敛缩态势，年均降幅5.86%。总体来看，江苏省三大地理分区技术创新发展的相对差异呈下降趋势，其中苏中地区相对差异的下降幅度最大，表明苏中地区的技术创新水平差距正不断缩减，协调发展态势良好，但仍存有改善空间。
2.3 空间关联特征
基于空间邻接权重矩阵，计算出技术创新历年的全局Morans I指数。结果显示，2010—2020年江苏省城市技术创新的空间自相关性均为正，p＜0.01，全局Morans I指数由0.32波动上升至0.38。虽然Morans I指数在个别年份出现小幅缩减，空间相关性有所减弱，但总体呈上升趋势，表明江苏省技术创新发展存在显著的空间关联性，空间集聚特征明显。技术创新核心城市产生的创新示范效应和扩散效应能够带动邻近城市技术创新发展，缩减城市间的技术创新差距，从而推动全省技术创新协调发展。
为准确识别技术创新在局部区域的空间关联性，本研究进一步采用局部Morans I指数分析其局部集聚特征，并绘制局部自相关LISA图，如图5所示。结果显示，江苏省城市技术创新的空间集聚主要有“高-高（H-H）”型聚类、“低-高（L-H）”型聚類和“低-低（L-L）”型聚类3种类型，无“高-低（H-L）”型聚类。“H-H”型城市在2011年有苏州、无锡，而后在2012—2013、2015、2017—2020年均为无锡市，2016年为常州市，表明苏州、无锡、常州技术创新的正向溢出效应显著，对邻近城市技术创新发展具有显著的推动作用；“L-H”型城市分布稳定，2012—2017年、2020年均为泰州，表明泰州一直受到邻近城市如苏州、无锡、南通的“虹吸效应”影响，处于技术创新发展“虹吸潮”的低洼地带，形成空心型的关联模式，极化现象严重[15]；“L-L”型城市有宿迁、淮安、连云港等，主要位于苏北地区，且城市数量有所增加，表明该地区城市间的技术创新存在严重的负向空间溢出效应，地区整体技术创新能力亟待提升。
3 影响因素分析
3.1 变量选取
技术创新具有复杂性、不确定性等特征，受到诸多因素复合影响，众多学者对此开展了一系列研究。参考现有关于城市技术创新影响因素的研究成果[16-18]，结合技术创新动态发展态势，本研究从外部环境出发对江苏省城市技术创新影响因素进行研究。考虑数据的科学性与可得性，本文选择经济发展水平（PGDP）、政府科技支出（GOV）、产业结构（STR）、环境污染程度（ENV）和资本富集程度（CAP）5个指标作为解释变量探究江苏省城市技术创新发展差异的成因。一般认为区域经济发展水平越高，越能为技术创新提供有力的支撑，本研究选择经济发展水平指标探究经济发展与城市技术创新的关系；政府科技支出水平反映了政府对技术创新的支持程度，本研究选择政府科技支出指标探究政府行为对技术创新的影响；产业结构在一定程度上反映了区域经济的发展方式，本研究选择产业结构指标探究经济发展方式对城市技术创新的影响；环境污染程度一定程度上反映了城市的环境治理能力与居民素质水平，环境污染程度越高越不利于城市技术创新的发展[19-20]，本研究选择环境污染程度指标探究城市技术创新与环境治理水平和居民素质间的关系；技术创新需要强大的资金保障和连续的创新投入，以此为技术创新发展提供源源不断的驱动力[21-22]，本研究选择资本富集程度指标探究城市技术创新与区域金融、创新投入间的关系。
在变量具体测度方面，分别以人均地区生产总值、政府科技支出占政府一般财政支出的比重、第三产业增加值与第二产业增加值比值、年度工业二氧化硫排放量、年末金融机构贷款余额占地区生产总值的比重为代理变量进行衡量。此外，为减小纲量差异，本研究将经济发展水平和环境污染程度2个变量的数据分别取对数。建立的模型如下：
3.2 空间计量分析
全局Morans I指数显示，江苏省城市技术创新存在显著的空间自相关性，因此OLS模型基于变量间相互独立且不相关的假设不成立，应将空间溢出效应的影响纳入研究范围，采用空间计量模型作进一步分析。检验结果显示，技术创新整体空间滞后项的LR检验（γ=19.45，p＜0.01）和Wald检验（γ=10.64，p＜0.1）结果均拒绝原假设H01，即拒绝将空间杜宾模型简化为空间滞后模型；空间误差项的LR检验（γ=22.99，p＜0.05）和Wald检验（γ=15.66，p＜0.01）结果均拒绝原假设H02，即拒绝将空间杜宾模型简化为空间误差模型，同时Hausman检验（γ=107.15，p＜0.01）显示应当选择固定效应模型进行研究。基于以上分析，本研究选择固定效应下，基于空间邻接权重矩阵的空间杜宾模型探究江苏省城市技术创新的影响因素及其空间溢出效应。
空间杜宾模型回归结果（表3）显示，自然对数似然函数（Log_L）值为352.46，拟合优度（R2）为0.62，表明模型设定合理。技术创新的空间溢出系数（rho）为0.21，且通过1%水平下的显著性检验，表明技术创新存在显著的空间溢出效应，本市技术创新发展对邻近城市技术创新具有驱动作用。資本富集程度（CAP）、政府科技支出（GOV）、经济发展水平（lnPGDP）的系数在不同水平下显著为正，环境污染程度（lnENV）的系数在5%水平下显著为负，而产业结构（STR）的系数不显著。解释变量的空间滞后项W×CAP、W×lnPGDP的系数在不同水平下显著为正，W×lnENV的系数在1%水平下显著为负，而W×STR、W×GOV的系数不显著，即资本富集程度增加和经济发展水平提升对邻近城市技术创新发展具有驱动作用，而环境污染程度增加不利于邻近城市技术创新发展。受空间滞后项反馈效应等因素影响[23]，空间杜宾模型的回归系数不一定精确，需进一步分析。
3.3 空间效应分解
基于LESAGE等提出的偏微分法，本文对空间杜宾模型各解释变量的直接效应和间接效应进行分解（见表4）[24]。具体而言，资本集聚能够为技术创新提供充足稳定的经费来源，保证技术创新过程中所需的人力和物力，进而提升技术创新的成功率和可持续性。分解结果显示，资本富集程度在1%的显著性水平下对技术创新发展的直接效应和间接效应均为正，表明资本较为富集的城市技术创新发展更具优势，且对邻近城市技术创新具有驱动作用。从系数看，资本富集程度的间接效应大于直接效应，占总效应的72.73%，表明资本集聚在为本市带来创新优势的同时，能够极大地推动邻近城市技术创新发展。
经济发展水平在5%的显著性水平下对技术创新发展的直接效应和间接效应均为正，表明经济实力增加能够显著地提升本市及邻近城市的技术创新水平。经济发展水平是城市综合实力的体现，经济实力较强的城市往往拥有更加丰富的创新要素，伴随着要素的流动和创新的扩散，经济发展能够有效激发城市创新活力，促进技术创新水平提升。
产业结构对技术创新发展的直接效应和间接效应均不显著，说明产业结构的调整对城市技术创新发展的影响并不显著。从系数看，产业结构对本市和邻近城市技术创新发展具有负向影响，其系数均为负值的原因可能是技术创新主要集中在以高技术产业和制造业为代表的第二产业，以服务业为代表的第三产业占比过高不利于城市专利技术产出与发展。
政府科技支出的直接效应在1%水平下显著为正，而间接效应不显著，表明政府科技支出增加对本市技术创新水平提升具有驱动作用，但对邻近城市技术创新发展影响并不显著。政府财政支出中科技支出占比越大表明政府对于技术创新越重视，能够帮助创新主体改善技术创新外部环境，降低创新成本与风险，缓解资源约束等问题，进而推动城市技术创新发展。从系数看，政府科技支出的直接效应占比高达89.03%，表明政府科技支出对于本市技术创新影响十分高效，政府支持的引导作用和杠杆效应得到了充分发挥。
环境污染程度对技术创新发展的直接效应和间接效应均为负，且均通过1%水平的显著性检验，表明环境污染程度增加会抑制本市和邻近城市技术创新水平提升。从系数看，环境污染的间接效应大于直接效应，占比75%，即环境污染对于邻近城市技术创新的抑制作用大于对本市的影响。一方面，环境污染会增加城市的环境治理成本和防范成本，挤占创新资源；另一方面，环境污染程度高会影响居民健康水平，降低外部主体的投资意愿，加剧创新人才流失，进而抑制城市技术创新发展。
4 结论与建议
4.1 研究结论
本研究综合运用位序-规模法则、重心迁移模型、变异系数等研究方法，系统分析江苏省城市技术创新在2010—2020年间的时空演变特征，并采用空间计量模型识别其影响因素。
1）总体看，江苏省城市技术创新呈现由苏南向苏北梯度扩散的分布格局，空间分异特征明显；技术创新在苏南地区形成高值集聚分布，在苏北地区形成低值连绵区，但集聚程度呈降低趋势；技术创新重心先向东南方向迁移，而后持续向西北方向迁移，但始终分布在全省几何中心的东南方位。
2）从内部差异看，江苏省三大地理分区技术创新发展的绝对差异总体呈扩大态势，其中苏北地区综合创新实力较为薄弱，绝对差异增幅最大，区域创新水平亟待提升；相对差异总体呈敛缩态势，其中苏中地区降幅最大，区域协调发展态势良好，但仍存有改善空间。
3）从影响因素看，江苏省城市技术创新具有显著的正向空间溢出效应，即本市技术创新发展能够驱动邻近城市技术创新水平提升；资本富集程度、经济发展水平、政府科技支出对本市和邻近城市技术创新发展具有显著的正向影响，而环境污染程度增加会加重城市环境治理和污染防范的负担，挤占创新资源，进而抑制城市技术创新发展。
4.2 决策建议
充分认识创新差异，优化创新空间布局。一是充分发挥政府作为创新主导者的作用，在营造良好创新氛围的同时，客观认识城市技术创新的空间集聚以及空间差异特征，推动构建创新资源差序与均衡并重的空间分布格局。二是以推动产业转型升级为核心，统筹考虑苏南、苏北地区产业发展特点和空间关联性，建立具有产业特色和区域特色的技术创新空间发展架构。三是扩大苏州、南京等城市的技术创新示范效应，加强与上海科创中心互动合作，着力培育多极化区域创新中心。
优化政府财政支出，引导金融资源支持。一是政府要明确技术创新方向与重点，优化财政支出结构，有针对性地支持若干有助于全省经济发展的重点产业，加大对关键性、前沿性领域的投资力度，提高政府财政科技支出创新产出效率。二是引导金融资源支持城市技术创新发展，合理规划区域金融中心建设，建立“多点带面”的多层次、网络化的金融服务体系，借助金融服务网络的延伸满足本市和邻近城市对金融资源的需求[25]，带动城市技术创新协同互促发展。
改善区域生态环境，推进绿色技术创新。一是政府应实施更加高效、更加严格的生态环境监管体系，完善生态环境治理法律法规，持续改善创新生态环境。二是对区域内符合环境友好型企业标准的工业企业给予适当财政补贴与政策倾斜，积极营造健康有序的市场竞争环境，提升城市技术创新活跃度。三是遵从技术创新发展客观规律，在经济发展水平和创新環境较好的城市建立绿色创新研发机构，设立绿色技术研发和绿色技术人才专项基金，引导区域重点企业联合科研机构、金融服务机构围绕绿色技术研发加强攻关。
参考文献：
[1] 王承云，沈泽洲.江苏省城市综合创新竞争力时空联系研究[J].华东经济管理，2020，34（11）：9-17.
[2]李红雨，赵坚.中国技术创新产出的空间分布——来自中国地级以上区域的证据[J].北京理工大学学报（社会科学版），2020，22（01）：82-92.
[3]董俊鸷，孟怡伟，丁志伟.中国县域创新产出的空间分异及其影响因素[J/OL].世界地理研究：1-19[2023-03-09].http：//kns.cnki.net/kcms/detail/31.1626.P.20210915.1759.004.html.
[4]孙勇，樊杰，孙中瑞，等.黄河流域绿色技术创新时空格局及其影响因素分解[J].生态经济，2022，38（05）：60-67.
[5]徐维祥，杨蕾，刘程军，等.长江经济带创新产出的时空演化特征及其成因[J].地理科学，2017，37（04）：502-511.
[6]孙燕铭，梅潇，谌思邈.长三角城市群绿色技术创新的时空格局及驱动因素研究[J].江淮论坛，2021（01）：13-22+61.
[7]郭建科，陈园月，于旭会，等.1985年来环渤海地区港口体系位序—规模分布及作用机制[J].地理学报，2017，72（10）：1812-1826.
[8]姜海宁，蔡诗瑶，李博.长三角民用机场体系位序-规模分布及其作用机制[J].地理科学，2021，41（04）：615-624.
[9]梁中，徐蓓.中国省域碳压力空间分布及其重心迁移[J].经济地理，2017，37（02）：179-186.
[10]王兆峰，谢佳亮，吴卫.环长株潭城市群旅游业高质量发展水平变化及其影响因素[J].经济地理，2022，42（03）：172-181+221.
[11]BELOTTI F，HUGHES G，MORTARI A P.Spatial panel-data models using stata[J].The Stata Journal：Promoting communications on statistics and Stata，2017，17（01）：139-180.
[12]李正昕，徐维祥，刘程军.长三角县域三次产业协调发展的空间特征及动力机制[J].经济地理，2021，41（03）：136-143.
[13]ANSELIN L，HUDAK S.Spatial econometrics in practice[J].Regional Science and Urban Economics，1992，22（03）：509-536.
[14]孙勇，樊杰，刘汉初，等.长三角地区数字技术创新时空格局及其影响因素[J].经济地理，2022，42（02）：124-133.
[15]李天宇，陆林，张海洲，等.长三角城市群A级物流企业空间演化特征及驱动因素[J].经济地理，2021，41（11）：157-166.
[16]SANGWON L.A study of influential factors of technological innovation in the telecommunications industry：Focusing on the analysis of the effects of government R&D funding and of patent stock[J].Information Society & Media，2019，20（01）：1-18.
[17]欧阳晓灵，张骏豪，杜刚.环境规制与城市绿色技术创新——影响机制与空间效应[J].中国管理科学，2022，30（12）：141-151.
[18]赵巧芝.基于空间杜宾模型的中国技术创新系统发展驱动力研究——来自省域面板数据的实证检验[J].软科学，2021，35（12）：15-21.
[19]孟浩，张美莎.环境污染、技术创新强度与产业结构转型升级[J].当代经济科学，2021，43（04）：65-76.
[20]王凯，吴三林，高皓等.空气污染对重污染行业上市公司绿色技术创新的影响研究[J/OL].管理学报：1-11[2023-03-09].http：//kns.cnki.net/kcms/detail/42.1725.c.20221122.1344.020.html.
[21]丁焕峰，谢丽娟，孙小哲.金融集聚支持区域创新：作用效果与传导路径[J].金融经济学研究，2022，37（02）：56-70.
[22]孟晓倩，吴传清.数字金融对区域创新生态影响研究[J].中国软科学，2022（09）：161-171.
[23]毛中根，武优勐，谢迟.长三角城市群消费水平空间格局及其影响机制[J].经济地理，2020，40（12）：56-62.
[24]LESAGE J P，PACE R K.Introduction to spatial econometrics[M].New York：CRC Press，2009.
[25]徐伟呈，范爱军.数字金融、产业结构调整与经济高质量发展——基于南北差距视角的研究[J].财经科学，2022（11）：27-42.
（责任编辑：严焱）
收稿日期：2022-11-16
基金项目：教育部人文社会科学研究规划基金项目（17YJA630020）；上海市一流学科建设项目（S1201YLXK）
作者简介：张宵（1998—），男，江苏南通人，硕士研究生，主要从事技术创新管理方面的学习与研究。
