坚持传统抑或与时俱进:中国城市创新能力提升路径研究

李 杰,郭永辉

(郑州航空工业管理学院 管理工程学院,河南 郑州 450046)

我国经济正从高速增长模式转向高质量发展模式,创新要素已替代传统资源要素成为驱动城市经济高质量发展的新动能。在此背景下,城市创新能力提升成为城市经济发展的重要议题[1]。在新的形势下,我国城市是坚持“招贤纳士”、吸引人才等传统做法,还是与时俱进,借数字技术和经济高质量发展的东风提升城市创新能力,值得研究。本文将采用定性比较分析法(QCA),通过跨案例分析,识别不同城市创新能力提升因素间的匹配组合与城市创新能力提升之间的逻辑关系,进而提炼出可能的城市创新能力提升路径,以期为我国城市创新实践提供参考。

1 相关文献回顾

城市创新能力是城市高质量发展研究的重要范畴,相关研究主要集中内涵、度量和影响因素三个方面。内涵上,学者对其定义的表述虽有所不同,但多强调它是一种将知识等资源或要素转变为新产品、新工艺和新服务的能力[2-3];创新能力度量方面,学者从竞争力、创新效率、创新驱动等不同视角,度量城市创新能力。陶雪飞等从技术、知识、主体、政府管理和服务等方面测度城市创新能力[4]。隋艳颖基于教育基础、创新基础、创新投入和经济投入构建城市创新能力评价模型,并将北京、上海、广州、深圳四个一线城市的创新能力进行了比较[5]。朱鹏颐等则基于投入、产出动态评价了城市创新效率[6]。赵志耘等从创新驱动力、原始创新力、技术创新力、成果转化力和创新治理力5个维度来评价城市创新能力[7];影响因素方面,学者主要采用空间面板数据回归模型、多元线性回归模型以及地理加权回归模型等方法,对单一或多元影响因素展开研究。单因素主要涉及高铁开通[8]、房价[9]、FDI[10]、营商环境[11]、土地资源配置[12]和智慧城市建设[13]等。研究发现,高铁开通、营商环境、土地资源配置和智慧城市建设等因素对城市创新能力起到正向促进作用,房价上涨则抑制了城市创新能力提升[9],而FDI呈现“V”字形特征,当城市创新能力较强时,FDI才能促进城市创新能力提升[10]。

由于单一因素的影响机制或作用机理研究往往离不开其他相关因素,因此研究多因素的交互作用更具价值。在多因素研究方面,韩璐等采用固定效应模型和分位数回归模型,实证了数字经济对城市创新能力的显著促进作用以及创新环境的正向调节作用[14]。范柏乃等采用多元回归分析研究后认为,创新人才、产业集群、创新基础和市场开放度对城市创新能力有显著的正向作用,且创新人才驱动能力最强[2]。高翔证实了城市规模、人力资本能显著提高城市创新能力[15]。曹勇等研究发现研发投入和经济发展水平对四大直辖城市的创新能力有显著的促进作用[16]。周锐波等采用空间面板数据分析后发现,人力资本和研发投入对城市创新能力的影响较大,而外商投资和对外贸易对其影响较小[17]。以上研究成果对现实有一定指导价值,但受数据、尺度、范围等限制,多数研究重点关注2至3个影响因素,无法给出提升城市创新能力的多因素最佳匹配组合,也忽略了城市之间可能的创新能力影响因素差异性。此外,相似类型的影响因素会因共线性特征导致研究结果出现偏差。

2 研究方法

不同于以往的回归范式研究方法,本文采用案例导向的集合理论研究方法,即定性比较分析法(QCA)。定性比较分析法最早由拉金于1987年提出[18],重点关注造成某一社会现象或结果的充分条件和必要条件,通过跨案例比较,研究该现象或结果的多重条件并发原因,识别出不同条件变量的匹配模式与结果变量之间的逻辑关系,即哪些条件变量的组态能够导致结果变量的出现或消失,并能进一步识别多重条件变量的协同效应[19],从而厘清导致这一结果的多种路径和方式。不同于传统案例研究侧重个案、强调研究者对案例的理解力和主观能动性,定性比较分析法强调案例资料与相关理论的不断对话,基于集合论思想探究条件和结果之间的关系,构建出研究议题的因果关系[19]。相较于广泛采用的基于回归分析方法开展的定量研究,定性比较分析法并非基于相关关系来探究多重条件变量组合与结果变量之间的关系,而是采用布尔代数表示变量组合的逻辑关系。因此,QCA不易受多重共线性和自相关性的负面影响。同时,区别于定量回归研究所追求的更多的样本量、更显著的统计性、更广泛的解释力,定性比较分析法能够针对中小规模的样本,从众多的观察变量以及变量组合中排除冗余,得到更简明的逻辑推论。在本文中,城市创新能力提升路径是多种因素的交互作用,传统统计分析中的两两交互无法满足研究要求。此外,影响因素与城市创新能力之间更多的是一种非线性、非对称关系,基于相关关系的传统统计方法无法表征这些关系。实践中,城市创新能力提升会存在多种路径,即因素组合。这些路径具有等效性,均能达到提升城市创新能力的效果,而回归分析中的中介或调节效应分析无法充分反映模式等效性。基于以上考虑,本文采用定性比较分析方法,对城市创新能力进行跨案例比较,从一个新的视角探究城市创新能力的提升路径。

3 研究案例及其变量选取

3.1 案例选择

2008年我国开始推行创新型城市试点建设,逐渐出现了一批具有显著引领作用和高端辐射作用的城市。为探索城市创新差异化发展路径,科技部和国家发改委联合印发了《建设创新型城市工作指引》(国科发创〔2016〕370号)。截至2021年6月,共有78个城市(区)被列入国家创新型城市建设试点,其中地级市72个,北京市海淀区、天津市滨海新区等4个直辖市城区,石河子市、昌吉市2个县级市。有鉴于创新型城市在创新主体活力、创新资源配置等方面的卓越表现以及在创新型国家建设中的重要作用,以创新型城市为案例研究对象,提炼其创新能力提升的关键因素具有重要意义。因此,本文以创新型城市为案例对象,但考虑到研究对象的一致性,只针对地级市开展案例研究。在数据采集阶段,由于部分城市2020年的一些主要数据缺失,本文最终选取了数据完整的45个创新型城市。

3.2 结果变量及其度量

目前,对城市创新能力的度量,还没有统一的标准。考虑到专利是城市创新活动的主要成果,专利数量尤其是发明专利授权数量能较为客观地反映城市综合创新能力和水平,因此国内学者在进行回归分析研究时多将专利授权数作为城市创新能力衡量指标[2]。当然,这很容易给研究带来偏差,因为专利数量并不足以全面衡量城市创新能力,且存在专利价值和质量异质性问题。因此,部分学者参考复旦大学第一财经研究院发布的《中国城市和产业创新力报告2017》中的城市创新能力指数来衡量城市的创新能力[11]。该指数充分考虑了专利价值,而非单纯的专利数量,并增加了创业维度、注册企业数量等数据,度量标准更加全面、完善与合理。当然,这一报告的数据较为陈旧,无法反映快速发展的城市创新现实。目前,有多家科学机构基于自身构建的评价指标体系发布了中国城市创新指数排名。2022年1月,首都科技发展战略研究院发布《中国城市科技创新发展报告(2021)》。2022年2月,科技部中国科技信息研究所发布了《国家创新型城市创新能力评价报告2021》。2022年6月,赛迪顾问发布了《2021年中国科技创新百强市排行榜》。这些创新指数排名能综合反映出城市的创新能力。本文将基于这些创新指数排名来度量每个案例城市的创新能力。同时,考虑到上述三个机构评价指标构建方面的差异性,为使结果更加准确、合理,本文将对上述三个机构发布的城市创新排名进行加总取平均值处理,并将排名转化为得分以进行后续分析。

3.3 条件变量及其度量

基于研究结果的普适性考虑,本文选择具有一定普适度的影响因素作为条件变量,不考虑诸如高铁开通、房价上涨等个性化因素。各条件变量的选取依据和度量方法如下:

人力资本。人力资本既是城市创新主体,也是重要的城市创新要素。根据内生增长理论,人力资本投入会促进技术进步,从而影响创新能力并推动经济增长。尤其是我国经济进入高质量发展阶段以后,人力资本对推动城市技术进步愈发关键,是影响城市创新能力的重要因素[20]。出于对数据科学性和易获得性的综合考量,本文选取城市普通高等学校专任教师数量以及研发(R&D)人数总和来衡量城市的人力资本水平。

研发投入。城市创新能力的培育和提升需要大量的资金支持。根据内生增长理论,研发投入是促进技术创新与技术进步的基本动力[21]。为避免城市规模、经济实力方面的干扰,本文选取城市研发方面的经费支出在城市生产总值中的占比来衡量城市研发投入水平。

信息基础设施建设。数字经济时代,信息基础设施是城市创新的重要条件。通信、网络等信息基础设施地建设不仅能够拓展创新知识和信息获取渠道的长度和宽度,而且能够减少信息不对称,加速创新知识传播,提高城市创新效率,同时,驱动企业数字化转型,并驱动新业态产生[22]。本文采用互联网接入用户数来度量城市的信息基础设施建设水平。

科技创新平台。科技创新平台是城市创新能力建设的重要抓手,是各类创新要素整合和资源聚集的主要载体。本文采用城市普通高等学校数量、科研院所、国家级科技企业孵化器和众创企业数量总和来衡量科技创新平台。

产业结构。产业结构优化与升级是实施国家创新驱动发展战略的重要内容。通过优化产业结构,创新要素可以在时间、空间上重组和再分配,进而转化为城市创新能力[20]。一般而言,第二、三产业比重较高的城市,其创新产出能力要高于第一产业占比较高的城市。因此,本文选取第二、三产业产值占城市生产总值的比重来衡量城市产业结构优化情况。

城市经济规模。城市经济规模反映了城市经济发展水平。经济规模大的城市,经济基础雄厚,有足够的空间和实力开展各类创新活动。为避免城市人口差异带来的干扰,本文采用地区人均生产总值来衡量城市经济规模。

城市开放度。城市开放程度高意味着其外向度高,能够吸引外部资金、人才参与城市创新发展,壮大创新资源存量,优化城市创新要素[23]。本文选取外商直接投资占城市生产总值的比重来衡量城市开放程度。

营商环境。城市创新活动需要良好的环境支持。城市的自然条件、政商关系、行政审批效率等环境会影响企业等创新主体的创新积极性和创新效率[11]。本文选取《2020城市政商关系指数》中的数据衡量案例城市的营商环境。

4 数据处理

4.1 数据校准

定性比较分析方法分析的是集合关系而非变量,需要将原始数据进行校准。考虑到城市创新能力高低并无明确的划分基准,本文采用模糊校准,即将数据校准为模糊隶属分数集合。校准需要确定完全隶属、交叉点、完全不隶属三个定性锚点。本文基于模糊集定性比较分析(fsqca3.0)软件采用客观分位数来确定三个定性锚点[19]。遵循格雷克哈默(Greckhamer)的处理方式[24],本文采用直接校准法,将条件变量与结果变量的上四分位点、均值、下四分位点分别作为完全隶属点、交叉点和完全不隶属点,其校准锚点如表1所示。

表1 变量校准锚点

4.2 必要性分析

进行分析时,为避免必要条件在简化过程中被消除,要首先对单个条件变量进行必要性检验,即检查单个条件变量是否是结果变量的必要条件。如果变量的一致性得分超过0.9,则认为该条件变量是结果变量的必要条件[19]。由表2可知,所有条件变量的一致性水平均低于0.9,说明单一条件变量无法构成城市创新能力的必要条件,城市创新能力提升是多个条件变量共同作用的结果。

表2 单个条件的必要性分析

4.3 真值表构建

在完成数据校准和必要性分析后,运行fsqca3.0软件构建真值表。遵循杜运周、贾良定的建议[19],案例频数设置为1,一致性阈值设为0.8,PRI阈值设为0.6,删除没有案例配置的条件组合,得到真值表,如表3。

表3 真值表

续表3 真值表

4.4 组态分析

基于真值表进行组态分析,目的是找出导致结果存在的条件组态。在进行反事实分析时,为避免有不恰当的假设出现影响结论的科学性,选择“存在或缺席”。运行fsqca3.0软件,得到复杂解、简约解和中间解。将同时出现在中间解和简约解的条件变量作为核心条件,只出现在中间解的条件变量作为边缘条件。分别用“•”表示核心条件,“●”表示边缘条件,“⊗”表示核心条件缺失,“⊗”表示边缘条件缺失,空格表示该条件可存在可缺失。

对我国内地45个创新型城市的fsQCA组态分析结果如表4所示,共有5种提高城市创新能力的条件组态。总体解的一致性为0.952,远高于一致性可接受程度0.8。总体覆盖度为0.54,表明本文得出的5种条件组态至少可以解释一半以上中国城市创新能力提升的原因。因此,这5种条件组态是提升中国城市创新能力的充分条件组合。总体解的一致性和总体覆盖度均高于临界值,说明跨案例研究的有效性。

表4 中国城市创新能力提升的条件组态结果

4.5 稳健性检验

为保证研究结果的可靠性,本文对研究结果进行稳健性检验。分别将一致性阈值调整为0.85和0.9,案例频数和PRI一致性阈值等其他参数设定保持不变,产生的组态结果并未发生改变,表明研究结果具有良好的稳健性。

5 结果讨论

表4中,条件组态1a表明以信息基础设施建设、产业结构为核心条件,以人力资本、科技创新平台、营商环境、城市开放度为边缘条件能够提升中国城市创新能力,提升路径如图1。代表性城市有南京、杭州、西安、武汉、成都、深圳、长沙、合肥、广州等;条件组态1b表明以信息基础设施建设、产业结构为核心条件,以人力资本、研发投入、营商环境为边缘条件,在缺少科技创新平台、城市开放度这些边缘条件支持的情况下也能够提升中国城市创新能力,提升路径如图2所示。代表性城市有东莞、宁波等;条件组态1c表明以信息基础设施建设、产业结构为核心条件,以营商环境、城市经济规模、城市开放度为边缘条件,在缺少人力资本、研发投入和科技创新平台这些边缘条件支持的情况下,也能提升中国城市创新能力,提升路径如图3所示。代表性城市有青岛。

图1 城市创新能力提升的组态路径1a

图2 城市创新能力提升的组态路径1b

图3 城市创新能力提升的组态路径1c

组态2a表明以人力资本、城市经济规模为核心条件,以研发投入、产业结构、营商环境为边缘条件,在缺少信息基础设施建设和科技创新平台等边缘条件支持的情况下,能够提升中国城市创新能力,提升路径如图4所示。代表性城市有嘉兴、常州。组态2b表示以人力资本、城市经济规模为核心条件,其他边缘条件缺失的情况下依然可以提升城市创新能力,提升路径如图5所示。代表性城市有大连。

图4 城市创新能力提升的组态路径2a

图5 城市创新能力提升的组态路径2b

进一步对比5个组态路径,如果忽略边缘条件变量的影响,可以将5种组态路径归纳为传统提升路径和新型提升路径两种城市创新能力提升路径。其中,组态1a、组态1b、组态1c为新型提升路径,而组态2a、组态2b为传统提升路径。两种路径对应的解释案例如图6、图7所示。可以看出,采用传统提升路径的城市数量明显少于采用新型提升路径的城市,这说明更多的城市顺应数字经济时代要求以及经济高质量发展要求,倾向于采用数字等信息网络技术以及调整产业结构等手段推动城市创新发展。

图6 信息驱动创新模式的解释案例

图7 人才驱动创新模式的解释案例

对于采用新型提升路径的城市,信息基础设施建设和产业结构优化是城市创新能力提升的核心因素。两种核心因素相辅相成,共同作用于城市创新能力的提升。其中,产业结构优化调整是城市创新发展的重要基础,而信息基础设施建设是提升城市创新能力的重要途径和手段。在经济高质量发展背景下,产业结构的优化调整能够为信息基础设施驱动城市创新发展提供坚实基础和广阔的应用空间。一方面,在城市创新发展实践与理论研究中,高质量的产业结构对城市创新的促进作用已成共识[25]。在信息驱动创新的城市中,其二三产业占比均达到一个很高的数值,例如南京(98%)、东莞(99.7%)、青岛(96.6%),说明城市的创新发展往往需要强大的产业支撑,高质量的产业结构才能构筑强大的城市创新能力。另一方面,数字经济时代,以互联网络为典型代表的信息基础设施建设,是激发城市创新活力,推动城市创新发展的重要引擎。信息基础设施能够突破时空限制,加速城市创新要素的流动,并减少创新主体间的信息不对称性,加强创新要素间、主体间、产业间的有机衔接,并能产生集聚驱动效应、结构优化效应。此外,通过数字金融、数字政府等手段改善城市公共服务效率也能促进城市创新[26]。以青岛市为例,2020年青岛二、三产业产值占比为96.6%,互联网用户达到1526万户,其中固定宽带用户464万户。青岛市2017—2020年的信息基础设施建设和创新能力变化趋势如图8所示。可以看出,青岛的信息基础设施建设与城市创新能力提升呈现出高度一致性,而高质量的产业结构为青岛市的创新发展提供重要支撑。

图8 青岛市城市创新能力发展趋势

图9 嘉兴市城市创新能力发展趋势

对于采用传统提升路径的城市,人力资本和城市经济规模是城市创新能力提升的核心因素,这一点已经得到相关实证研究的印证[15]。城市经济规模和人力资本对城市创新能力的提升作用是互为依托的。城市经济规模是城市创新发展的重要基础,人力资本则是根本手段。在强大经济规模的支撑下,人力资本数量和质量的不断扩张能够推动城市创新发展。一方面,经济规模是创新产生的土壤和基础。大城市能够在税收优惠、财政资助和政府采购等方面为企业创新提供优厚的条件,也能为科研院所、高校和企业合作提供优质平台;另一方面,人力资本能够反映城市中拥有各种知识和技能的劳动力情况。优秀的人力资本对提高城市创新效率和创新质量至关重要。其不仅能够很容易吸收外部的高新技术、知识,开展合作创新甚至自主创新,而且可以降低创新过程的各类风险,提高创新效率和效果,从而促进城市整体创新水平的提高。以嘉兴为例,近5年以来,嘉兴市的城市经济规模和人力资本逐年增加,大大促进了城市创新发展(如图9),三者呈现出较强的一致性。其中,2020年嘉兴的人均GDP为102541元,规模以上工业企业的R&D人员数为70020人,专任教师数量达到4144人。嘉兴市秉承“人才是第一资源”的理念,坚持以产引才、以才兴产、产才共融,推动人才链、产业链深度融合,赢得了长三角金南翼产才融合典范市的美誉。

6 启示与建议

对中国45个创新型城市创新能力的模糊集定性比较分析后,得到如下启示:(1)城市创新能力提升不能依靠单一因素,而是多种因素共同作用的结果。城市创新能力的提升应注重多种因素共同发力。(2)城市创新能力提升主要存在传统提升路径和新型提升路径两种不同的路径。两种提升路径在核心因素组合方面存在较大差异,说明存在不同的城市创新发展路径,但均能达到殊途同归的效果,各城市可以根据自身条件选择适合自己的创新发展道路。(3)对于新型提升路径而言,主要是信息基础设施建设和产业结构两种核心因素相辅相成,共同作用于城市创新能力的提升;(4)对于传统提升路径而言,主要是人力资本和城市经济规模两种核心因素互为依托,共同作用于城市创新能力的提升。

结合相关启示,笔者对城市创新能力提升主要给出如下建议:一是充分利用高质量产业结构在城市创新发展中的积极作用,借助数字技术、智能制造等技术推动城市第一产业向二、三产业转变,推动产业信息化、绿色化、智能化和服务化转型升级,形成高质量的城市产业结构,为城市创新能力提升提供重要基础。

二是重视信息基础设施建设,大力推进5G、大数据、物联网、人工智能和工业互联网等新型信息基础设施建设,加大重点应用领域和关键技术研发、产品生产和应用普及,完善信息基础设施的功能。加快推进数字设施基础市场化,出台激励政策,鼓励科技企业投入5G技术、产业数字化、信息化等技术研发中,引导数字产业与传统制造产业融合,推动传统产业网络化、数字化、智能化转型。充分释放信息基础设施的引擎作用,实施数智产业、数智市场、数智政府三位一体的城市创新发展策略,提升城市创新能力。

三是充分发挥城市经济规模在城市创新发展中的重要地位。城市经济规模决定着城市创新的实力和活力,应加大建设产业集群、产业园区,以此为依托集聚各类创新资源和创新要素,提高城市的经济集聚度。在支持重点支柱产业的同时,发展新兴产业,从而不断扩大城市经济规模,促进城市创新发展。遵循创新驱动发展战略,理性对待“城市病”问题,不能简单地限制城市发展规模,以免削弱城市创新能力。政府管理者应革除“管控人口规模”的旧式思维,转而优化人口结构。将人口规模、结构和经济总量有机结合,在提高城市经济规模“量”的同时,提升经济规模的“质”。

四是突出人力资本在城市创新发展中的关键作用。城市发展已经从依赖传统劳动力模式转向依靠高素质人才的高质量发展阶段,需有效提升人力资本供给质量和水平。高校和科研机构承担着培养人才的重任,应重视高等教育和科研机构改革,扩大高等教育规模。同时,以“双一流”高校、学科建设为契机提升高校人才培养质量。在注重培养人才的同时,健全人才引进机制,制定和完善人才引进措施,不断优化城市人力资本结构。