综合性国家科学中心知识创新高水平收敛效应研究

杨浩东，王高峰

(中国科学技术大学人文与社会科学学院，安徽 合肥 230026)

0 引言

打造创新高地是建成世界现代化强国与科技强国的必然要求，党的二十大报告强调需强化国家战略科技力量，优化国家科研机构、高水平研究型大学、科技领军企业布局，从而实现国家创新体系整体效能的提升。其中，科技创新资源于地理空间上的配置优化尤为重要。这一过程不仅关联单点中心建设，也涉及区域整体发展，需要处理好科创高地与周边区域乃至全国创新协调发展之间存在的辩证关系。因此，如何统筹科学中心、创新高地打造与区域科技资源合理布局成为当下需要研究的议题。

近年来，能否以及如何填补不同地区经济发展存在的差异引起学界广泛关注，关于区域经济增长是否会出现收敛的争论逐渐延伸至创新领域。部分研究[1-2]指出，中国区域创新发展存在显著的收敛特征。然而，考察区际是否存在创新收敛是远远不够的，倘若区际整体创新发展停滞在一个较低水平，即使后发地区拥有更高的收敛速度，也只会引致低水平收敛。因此，对创新收敛的追求应该以高水平创新为前提。基于此，本文对区域创新发展高水平收敛的定义是，在反映创新发展水平的科技产出实现 “量质齐升”的同时，后发地区拥有比先发地区更高的创新增长率，实现区际创新差异的逐步弥合。

有关创新集聚的研究表明，创新增长与收敛在理论上可以通过一套连续性的运行机制而实现。一方面，禀赋较优的地区通过初期积累实现要素集聚，地理空间上的邻近增加了创新要素的交互作用，促进人力资本和知识溢出，通过要素共享、互补等机制实现创新的进一步增长[3]。另一方面，中心城市人口大量集中会引致个人生活成本和企业生产成本上升，促使研发要素向周边城市扩散，形成区域创新发展的核心—边缘结构[4]。虽然集聚理论揭示了创新集聚在提升城市创新水平和促进区际创新收敛上起到的双重作用，但经验层面的证据表明，区际创新差异不能在市场机制下自发弥合。集聚的积极效用导致对要素需求的增加，释放创新的自我强化特征可能阻碍后发地区追赶先发地区，并对区域整体竞争力和包容性产生负面影响。考虑这一影响的循环累积因果特征所可能引致的路径依赖，政策干预措施的介入便具备了合理性。由于创新自我强化特征具有显著的区域异质性，基于地点的创新政策在促进区域创新协调发展上起着至关重要的作用[5]。

本文聚焦综合性国家科学中心 (简称科学中心)这一地方型创新政策，旨在考察其对知识创新高水平收敛产生的影响。选择该中心的原因是：①科学中心强调通过汇集国家重大科技基础设施、新型研发机构等多种战略科技力量，寻求原始创新能力的显著提升，并为强化国家科技竞争力提供支撑，这满足了高水平创新收敛中的 “高水平”条件。②科学中心不仅肩负国家科技领域竞争的核心使命，也承担着辐射周边城市、重塑区域发展格局的重要任务，这与高水平创新收敛中的 “收敛”目标相契合。③科学中心的定位在于 “科学中心”，侧重于加强前沿基础研究，具有更明显的科学产出功能，直接影响城市知识创新发展。本研究基于知识扩散理论将科学中心的知识交互行为划分为知识获取、知识生产和知识输出3个阶段，由此推演出科学中心影响知识创新收敛存在基础效应、网络效应和收敛效应，前后过程始终围绕知识创新而展开。

1 研究基础

1.1 科学中心的内涵

政策层面，2016年颁布的《上海系统推进全面创新改革试验加快建设具有全球影响力的科技创新中心方案》将科学中心定义为国家创新体系的基础平台，强调科学中心建设在提升基础研究水平、增强原始创新能力、攻克关键核心技术方面的重要意义。同年12月，《国家重大科技基础设施建设 “十三五”规划》对科学中心进行了较详尽的阐释，将科学中心描述为国家创新体系的基础平台、全球创新网络的重要节点和带动国家和区域创新发展的辐射中心。依政策目标不同，科学中心被赋予的内涵有所侧重。《国务院关于全面加强基础科学研究的若干意见》将科学中心作为优化基础研究区域布局的具体举措，《加强 “从0到1”基础研究工作方案》强调科学中心建设是加大地方政府对基础研究投入的重要激励方式。研究层面，张耀方[6]从目标定位、组成要素、承担任务方面对科学中心内涵进行解析。基于对发达国家建设科学中心历程的回顾，叶茂等[7]将科学中心定义为对全球科技创新具有示范和辐射作用的城市或区域，拥有汇聚顶尖创新主体、促进资源优化配置、催生重大原始创新等功能。赵雅楠等[8]从系统视角认为科学中心体系涵盖主体性、资源性、服务性和环境性要素，是体现国家意志的科技战略平台和推动地区发展的创新战略引擎。

基于以上回顾，本文认为科学中心体现了国家科技战略和区域重大战略的耦合协同，兼具创新集聚和辐射效应，肩负增强原始创新能力、推动地区发展等使命。通过对科学中心内涵的透析发现，其与本文知识创新高水平收敛语境高度契合，科学中心既旨在创造高水平知识创新，又通过发挥自身影响力，促进区域创新协同发展。

1.2 科学中心知识互动行为划分

知识扩散可以理解为个体对外部知识的接受获取并吸收转化为新知识的过程[9]。空间中知识流动过程所涉及的主要行为者可分为知识发送者和接受方[10]。倘若聚焦于特定节点，知识扩散过程的主体行为可分为知识获取、知识生产和知识输出。一定程度上而言，承载于特定地理空间的科学中心，其知识创新行为也可分为知识获取、知识创造和知识输出3个阶段。

(1)知识获取。微观层面而言，对某项知识的获取可以通过关系网络接触拥有该项知识的个体[9]。上升至区际层面，这意味着区域创新系统的功能不仅取决于内部资源的发展状况，还受与其他地区关系的影响[11]。随着外部知识在知识创造过程中的作用日趋凸显，这种关联特征赋予区域特定的资源与权利属性[12]，如通过深度嵌入城际创新网络，便于科学中心进行区际层面的要素互动和知识获取，为自身知识生产以及进一步的区际资源配置和要素协同奠定基础。当然，对于外源知识的吸收需要建立在个体自身吸收能力之上[9]。以科技人才为代表的重要人力资源构成科学中心的核心要素，可以提升区域对知识的识别与吸收能力，降低学习成本，从而推动知识获取过程的开展。

(2)知识创造。以知识获取为前提，区域知识创造是区域内部新知识不断生成的过程[13]。作为知识创新的源头，科学中心以高水平大学、科研院所和一流高新技术企业等主要创新生产主体为依托，布局重大科技基础设施、前沿交叉研究平台，组织开展前沿、高水平研究，实现重大原创科学成果产出和关键核心技术突破。不同于科技创新中心，科学中心代表国家意志，在服务国家重大需求中具有更强的使命导向特征，旨在通过国家实验室、大科学装置等重大科技基础设施群，在信息、生命、能源、物质、环境等科学领域进行原始创新，更强调多学科、多领域的交叉融合以及各类创新要素的交互汇集。 “科学中心”的定位使科学中心促进基础科学发展的目标更凸显，而知识创造成为科学中心创新活动的核心环节。

(3)知识输出。通过可持续性的知识获取、创造，区域研发要素和科技基础得到集聚和夯实，并逐渐在一定区域范围内成为创新高地，具备创新存量基础的地区可以向后发地区进一步输出知识，实现知识在不同地理空间内的流通循环[13]。《国家重大科技基础设施 “十三五”规划》将科学中心描述为带动国家和区域创新发展的辐射中心，强调科学中心在区域战略中扮演的重要角色。建设多层次、体系化的高能级创新平台，深化科学中心与区域科创中心的协同联动，体现国家战略科技力量与区域发展的深度融合。总之，强化科学中心对周边地区的辐射作用，或是促进区域内 (间)研发活动的合作协同，有助于知识效用的提升，实现区域创新协调发展。

2 作用路径

2.1 基础效应

开展前沿、高水平研究并产出重大原创科学成果，是科学中心知识创造过程的重要内涵，也是其主要目标和功能[6，8]。作为核心创新要素，只有资金和人才得到可持续的投入和汇集，并依托于国家实验室、大科学装置等高能级平台，科学中心的知识生产功能方可得到有力支撑[8]。

就财政科技投入而言，政府在创新中最常见的作用是为公共和私人机构进行的研发活动提供资金支持。研发活动的社会效益不能通过市场机制完全内化，使得政府的财政干预不可避免。相比以专利为代表的技术创新，承载于科技出版物中的知识创新具有更高的公共物品属性。同时，以国家实验室、大科学装置为代表的高能级平台建设投入大、风险高，私人资金涉入缺少足够的动机。因此，科学中心建设离不开财政的保障，需要中央和地方政府持续增加科技投入，为科技基础设施建设和科技重大专项开展提供财力支撑。研发资金的充分供给将充当高校、科研机构、企业等各类创新主体扩大创新规模、改善创新质量的催化剂。另一方面，高能级平台所带来的吸引力和政府政策的加码又会吸引科研人员，从而促进地区科技从业人数增加，形成人才高度集聚。在人才引进的同时，批准展开科学中心建设的城市将改革人才培养与使用机制，营造开放协作的创新文化环境，激发科研人员的创造活力。

基于上述分析，本文将城市在高能级平台加持下，通过增加人力和财力，以实现科学成果产出 “量质齐升”的现象称为科学中心对知识创新的基础效应。

2.2 网络效应

关于网络的研究[12，14]认为，处于网络中心的城市有利于非冗余信息、资源的获取与整合，而占据结构洞更多的城市在网络中具有更强的控制力，引导知识流动方向，在影响城市自身创新的同时，也调节着其他城市间互动协同。

科学中心影响城市科研合作网络位置主要表现在：①科学中心建设对知识创新的基础效应将缩小中心城市与科学知识前沿的距离，为获取接近前沿的知识和成熟的经验，其他城市往往更愿意与科学中心建立合作关系。不仅原先存在的交互协同得到进一步深化，新的关系联结也可能就此形成。②批准建立科学中心，城市创新水平在得到提升的同时，信息和知识的容载力和处理力也得到增强，城市将提升外部信息捕捉、外源知识吸收以及外部关系维持等各个过程的效率，而这将强化城际科研网络嵌入所带来的正面影响。③要实现驱动区域乃至全国创新要素资源优化整合这一目标，需要以科学中心自身成为信息、知识和资源基站为前提，仅有当施行城市深度嵌入全国科研合作网络并具备较高的中心性时，才具备要素循环流通、创新链条融通、平台信息联通所需的信息与资源优势。

基于上述分析，本文将科学中心建设对城市科研合作网络影响力提升带来的影响称为科学中心对知识创新的网络效应。

2.3 收敛效应

信息和知识的传播受空间和网络关系的影响，经济地理学领域的研究[15]揭示了邻近性和关联性在知识互动和创新过程中扮演的角色。这其中，空间邻近和科研合作是知识扩散的两类主要渠道，也是实现区际创新差异收敛的潜在方式。

一方面，由于知识 (尤其是隐性知识)所具有的粘性，早期对于知识溢出的识别主要局限于区域内部[16]。开放经济中，区域边界对知识流动的限制得到削弱，跨区域知识溢出使得区域创新水平可能与邻近地区相关[1-3，12，14]。因此，科学中心不仅可以对自身科学知识产出施以积极影响，也可能推动周边地区知识创新绩效提升。科学中心建设生产了规模级的创新载体，吸引大量创新要素进入集群，科技人才和高技术产业高度汇聚所形成的创新集聚现象具有潜在的知识溢出效应。科学中心对知识生产过程的积极作用辐射于周边城市，进而促进区域整体知识创新收敛。需要指出的是，由于科学中心建设处于早期阶段，中心的虹吸作用可能盖过辐射作用，短期内区际知识创新差异可能存在扩大的趋势。

另一方面，区际关联性并不局限于地理空间上的邻近，创新领域的研究表明科研合作是影响本地创新绩效的又一种渠道或另一类邻近性[15]。创新活动的外部合作被视为开放式创新模式的重要组成部分，科研合作促进了合作伙伴间信息、知识与资源共享。现有研究[16]表明后发地区的科研人员愿意与科学中心地区建立合作关联，以获得核心资源和专业知识，而这也使得后发地区从合作中获益更多。科学中心可基于自身的创新基础与网络位置优势构建合作平台，并完善优化共享机制和管理标准，有针对性地深化与其他各类城市 (既包括其他科学中心城市、区域创新中心城市，亦包涵中西部地区的科学边缘城市)间的协同合作，加速区际知识创新收敛。

综上，本文将科学中心建设对区际科学产出收敛速度带来的影响称为科学中心对知识创新的收敛效应。结合前文对科学中心知识行为互动划分和作用路径分析构建研究框架，如图1所示。

图1 科学中心影响知识创新高水平收敛机理

3 研究方法与数据

3.1 指标选择与数据获取

(1)因变量。①城市知识创新。知识创新包含知识创造、交流、转化等过程，而知识创造是其中的重要环节[13]。科技出版物反映科学研究的最新进展，既是科学知识的载体，也是知识扩散的重要渠道。本文选用城市人均科技论文产出表征区域知识创新发展。从知识创新数量 (SCI论文发表数量)和知识创新质量 (高被引SCI论文发表数量)两个层面衡量。这里的高被引论文指近10年来同年同学科SCI论文被引用次数由高到低排序中前1%的论文。②城市网络位置。本文选用中心性和结构洞指标反映城市在科研网络中的位置。借鉴既有研究，一方面，使用度中心性和接近中心性代指城市中心性，前者反映节点与其他节点建立的直接联系，后者代表节点与其他节点间的接近程度[12]。另一方面，选用中介中心性和有效规模代表城市占据的结构洞，这两项指标在一定程度上反映节点在网络中的影响和控制力[14，17]。

(2)自变量、机制变量与调节变量。①科学中心建设 (自变量)。该变量为虚拟变量，如果城市在当年批准建设科学中心，该年份后 (包括当年)的时期取值为1，反之为0。②机制变量。基于上述基础效应路径分析，本文以政府财政科技支出 (亿元)和科学研究与技术服务从业人数 (千人)表征科技资金和人才投入。③调节变量。高能级创新平台是汇集和激活创新资源、实现重大科学问题突破的有效载体，基于现有对高能级创新体的探讨[18]，本文以城市国家实验室和大科学装置数量之和作为反映当地高能级平台发展水平的变量。

(3)控制变量。产业结构、综合增长率、金融水平、企业发展、人力资本、开放与通勤、数字化水平等一系列可能影响城市知识创新的因素被选作研究的控制变量。具体而言：①产业结构。以第二产业占国民生产总值的比重进行表征。②综合增长率。参考Yang等[19]的研究，以自然增长率与技术进步率、资本折旧率之和进行表征，并设定技术进步率同资本折旧率之和等于5%。③金融水平。以金融机构存贷款数量 (万元)之和进行表征。④企业发展。企业发展水平通过规模以上工业企业利润总额 (亿元)代指。⑤人力资本。以每万人大学生数量代指人力资本水平。⑥开放与通勤。以公路、水路和航班交通客运总量 (万人)对开放与通勤进行表征。⑦通信水平。以移动电话与互联网用户总数之和 (万户)进行衡量。

(4)数据来源与处理。本研究采用2000—2020年283个地级市组成的面板数据。SCI论文发表数量和高被引SCI论文发表数量由数据采集员于Web of Science (WoS)数据库 (https：//www.webofscience.com.)手工提取而来。中心性和结构洞数据由Ucinet软件测算获得，城市科研网络矩阵采用爬虫技术获取数据实现构建 (倘若隶属于不同城市的作者出现在同一篇文献中，则这些城市间的合作次数加1)，控制变量数据来自《中国城市统计年鉴》，部分缺失值通过插值法补齐，研究变量除产业结构 (比值型变量)、综合增长率、企业发展 (样本值存在负数)外皆取对数处理。

3.2 政策演进与研究方法

2015年 5 月，上海市人民政府发布的《关于加快建设具有全球影响力的科技创新中心的意见》首次提出要加快建设张江综合性国家科学中心和若干重大创新功能型平台。2016年2月，国家发展改革委、科技部批复上海张江综合性国家科学中心，这标志着中国首个综合性国家科学中心开始建设。2017年，国家发展改革委、科技部先后批复于合肥、北京怀柔开展综合性国家科学中心的建设方案。2019年8月，《关于支持深圳建设中国特色社会主义先行示范区的意见》明确提出以深圳为主阵地建设综合性国家科学中心。截至2023年1月，西安已获批综合性国家科学中心。相关批复、政策时间表见Figshare数据库 (10.6084/m9.figshare.23938584)。

本研究采用政策评估方法中的交叠DID，考察科学中心对区域知识创新收敛产生的影响。相比传统DID方法中政策实施拥有统一时点的特征，交叠 DID适用于同一政策 (科学中心)在影响群体中的渐进实施。构建交叠DID模型为：

(1)

其中，i与t分别表示具体城市和具体年份。Y为包括知识创新和网络位置变量在内的一系列被解释变量，政策的处理效应为CNSC，v和μ分别代表不随时间变化的个体特征和不随个体变换的时间特征，随机扰动项以ε代指。

为了探究基础效应的作用机制，本文选择财政科技投入和科技事业从业人数作为机制变量。在式 (1)系数显著前提下，将机制变量作为被解释变量，政策冲击作为解释变量进行回归，公式为：

(2)

如果式 (2)中政策处理效应的系数显著，则将政策冲击、各机制变量皆纳入以知识创新作为被解释变量的回归模型中，倘若政策处理效应系数有所下降或不显著，则意味着科学中心建设可通过资金、人才等传导路径影响城市知识创新发展，公式为：

(3)

进一步地，就高能级平台对科学中心建设影响知识创新的调节效应检验，在式 (1)基础上纳入高能级平台及其与政策处理效应的交互项 (CNSC×HP)，公式为：

Yit=vi+μt+β1CNSCit+β2HPit+β3×

(4)

4 实证结果

4.1 基础效应检验

对科学中心基础效应的检验见表1。列 (1)为以知识创新数量作为被解释变量的回归结果，处理效应估计系数在1%水平下显著为正 (3.418)。当加入控制变量，列 (2)结果显示，系数方向和显著性并未发生变化。基于同样的方式，以知识创新质量作为被解释变量进行回归。由列 (3) (4)可知，无论是否加入控制变量，处理效应的估计系数皆在1%水平下显著为正 (4.352/4.281)。以上结果初步表明，科学中心不仅促进城市科学知识产出数量增加，也实现成果质量的优化。当然，科学中心建设选址既需考虑城市自身知识基础，又需兼顾城市在区域中的影响辐射，所选城市往往本身即是科学底蕴较优厚的区域。为了保证双重差分模型满足事前 “平行趋势”假设，进一步考察科学中心城市和非中心城市的变化趋势，方程设定为：

(5)

式中，treatment为科学中心虚拟变量，若城市在2016—2020年间被批准建设科学中心，取值为1，反之取0。year为年份虚拟变量，当年取值为1，其他年份则为0，其他设定与式 (1)保持一致。以知识创新数量作为被解释变量的平行趋势检验如图2左图所示。其中，当期 (0)选取为2017年 (尽管上海张江科学中心批准于2016年，考虑到投入产出的时间间隔，将时间延后1年)。纵坐标表示科学中心虚拟变量同年份虚拟变量交互项的估计系数。2016年及其之前，估计系数均不显著 (5%水平下)，这表明处理组和对照组在建设前拥有相对一致的知识创新发展趋势，满足事前平行趋势假定。2017年及之后年份的交互项系数显著为正，且大小和显著性持续攀升，说明科学中心对城市知识创新数量的提升作用在2017年逐渐显现。以创新质量作为被解释变量的平行趋势检验如图2右图所示，同数量的结果基本一致，在统计层面保证了估计的有效性。

表1 基础效应回归结果

图2 平行趋势检验 (基础效应)

对资金、人才投入的机制作用以及高能级平台调节效应的检验结果见表2。列 (6) (8)显示，处理效应的估计系数在1%水平下显著为正 (207.7/12.48)，表明科学中心建设显著促进财政科技投入和科技从业人数的增加。列 (7) (9)在式 (1)的基础上纳入这两大机制变量。可以发现，处理效应的估计系数绝对值有所下降，分别由3.187下降至2.673和1.230。并且，同机制变量相似，仍在至少5%水平下显著。以上结果表明，科学中心建设可通过资金和人才两大机制影响城市知识创新发展。列 (10)为高能级平台调节作用的检验结果，政策处理效应同高能级平台的交互项系数在1%水平下显著为正，意味着高能级平台数量正向调节科学中心对科学产出的影响，国家实验室、大科学装置对地方知识创新的加持于此得到体现。

4.2 网络效应检验

城市建成科学中心既需具备特定数量和质量的科学产出，也要在科研合作网络中拥有较高影响力。科学中心网络效应的回归结果见表3。表3中，列 (11) (15)为以中心性作为被解释变量的回归结果，处理效应估计系数在1%水平下显著为正 (4.081/20.90)。加入控制变量后，列 (12) (16)结果显示，处理效应的系数和方向保持不变。这意味着科学中心建设增加城市同其他城市的直接联系，缩短了合作距离。列 (13) (17)为以结构

洞作为被解释变量的回归结果。可以发现，就中介中心性而言，无论是否加入控制变量，处理效应估计系数皆在至少5%水平下显著为负 (-5.945/-6.508)；而就有效规模来说，在纳入控制变量后，解释变量的估计系数特征为负向不显著 (-15.71)。

综合而言，科学中心促进城市中心性的提升，且削弱自身所占据的结构洞。这表明科学中心确实增加了建设城市同其他城市的直接联系，提高在科研合作网络中的辐射影响力，但这并非建立在占据更多结构洞基础上，侧面反映出科学中心建设为其他城市间建立合作关联提供更多机会，中心城市更好地扮演 “平台”与 “桥梁”角色。为保证上述结论的有效性，对政策的网络效应同样进行平行趋势检验，结果如图3所示。2017年之前，科学中心虚拟变量同年份虚拟变量交互项的估计系数皆未在5%水平下显著。政策实施后，政策系数呈现与表3相似的结果，表明网络效应的估计结果是可靠的。

图3 平行趋势检验 (网络效应)

4.3 收敛效应检验

科学中心在促进建设城市知识创新发展的同时，也可能通过各类渠道影响其他城市发展，从而形成区际创新收敛。本文基于Sala-I-Martin方法检验科学中心对区域知识创新β收敛产生的影响[20]。构建模型为：

(6)

(7)

D.Yit=vi+μt+β0L.Yit+β1CNSCit+

(8)

收敛效应的检验结果见表4。表4中，列 (19) (22)中创新滞后项系数皆在1%水平下显著为负，表明中国区际知识创新数量和质量均存在显著的β收敛。列 (20) (23)为纳入处理效应后的回归结果，创新产出滞后项估计系数由原来的-0.636和-0.951变化为-0.643和-0.954。可以发现，系数方向为负且绝对值有所上升，这表明科学中心建设虽加速了整体区际知识创新收敛，但数值变化较小，收敛效应有待进一步激发。列 (21) (24)为加入交互项变量的回归结果，交互项系数均在1%水平下显著为负 (-0.103/-0.621)，意味着科学中心同样促进了建设城市自身收敛速度的提升。

表4 收敛效应检验

科学中心建设为什么能够促进区域知识创新收敛？这种影响还可以通过何种方式得到进一步扩大？本文聚焦于地理邻近和科研合作两大知识扩散渠道，检验其在科学中心建设影响区际创新收敛过程中起到何种作用。参照曹清峰[21]对国家级新区实施空间溢出效应的测度。以知识创新数量作为被解释变量的回归结果见表5列 (25)～ (28)。可以看出，各段距离下，距离的估计系数均不显著。另一方面，由表5列 (29)～ (32)可以看出，随着与科学中心合作次数的减小，虽然科研合作的知识溢出作用会逐渐减小，但始终保持着统计意义上的显著，这也意味着科学中心与其他城市建立更多的合作关系是其促进区际知识创新收敛的重要渠道之一。

表5 知识扩散渠道检验

4.4 稳健性检验

为了提高前文结果的可信度，本文进一步通过4种不同的方式展开稳健性检验。

(1)更换被解释变量。本文以科技论文和高被引科技论文发表数量作为被解释变量，既从创新数量和创新质量两个方面对知识创新进行衡量，又实现了交叉验证，在一定程度上保证了科学中心基础效应结果的稳健性。

(2)PSM-DID。本文采用倾向得分匹配—双重差分估计方法来检验前文基础效应结果的稳健性。选取地区综合增长率、财政科技投入和人力资本变量作为协变量进行Logit回归，采用逐年核匹配对处理组与对照组进行确定 (处理组和控制组协变量的标准化偏差值大多数小于20%)。以知识创新数量和质量作为被解释变量再次进行回归，结果见表6列 (33) (34)。可以看出，政策的估计系数在不同水平下显著为正 (1.428/1.777)。

(3)更换研究方法。本文在构建地理邻近矩阵和合作邻近矩阵的前提下，采用空间计量模型对科学中心的基础效应进行再次估计。由表6列 (35) (37)可见，对于知识创新数量而言 (采用空间杜宾模型)，无论是地理邻近还是合作邻近，科学中心的直接效应与间接效应系数皆在1%水平下显著为正，这意味着科学中心确实在地理邻近和科研合作渠道上存在知识溢出效应。就创新质量而言 (LM 检验和Wald检验结果支持采用空间滞后模型)，列 (36)的结果显示，科学中心的估计系数在1%水平下显著为正 (3.929)。上述结果表明，即使考虑空间效应，前文基础效应的估计结果依旧稳健。同时，也验证了科学中心政策溢出效应在各类知识扩散渠道中的存在。

表6 稳健性检验

(4)考虑到被解释变量特定数值的聚集可能引致估计有偏，故参考武力超等[22]的研究，采用Tobit模型重新估计。由列 (39) (40)可见，结果与前文相一致。

4.5 安慰剂检验

尽管前文已采用多种方式进行了稳健性检验，但并不意味着可以保证处理组同期没有受到其他冲击的影响。因此，以下对科学中心城市和冲击时间进行随机处理并再次估计，进行双重随机安慰剂检验。依据模型 (1)进行回归，随机重复 500 次实验，对应的交互项系数估计值和概率密度如图4所示。在图4中，上半部分的两侧分别为以知识创新数量 (左)和知识创新质量 (右)作为被解释变量的估计结果，相较于基础效应的检验结果 (3.187/4.281)，安慰剂检验的系数估计值整体位于零值附近，且大多P 值大于0.1；下半部分的两侧分别为以度中心性 (左)和中介中心性 (右)作为被解释变量的重复实验结果，不难看出，网络效应检验结果中的估计系数 (3.524/-6.508)显著异于随机设定实验的估计系数。以上结果表明，双重随机处理后的科学中心建设效果，无论是显著性还是作用强度均有大幅削弱，证实前文的检验结果是非常稳健的。

图4 安慰剂检验

5 研究结论与政策内涵

5.1 研究结论

本文聚焦科学中心建设是否有助于实现区际知识创新高水平收敛这一问题，基于知识扩散内涵，将科学中心的知识互动行为分为知识获取、知识生产和知识输出3个阶段，由此推演出基础效应、网络效应和收敛效应等科学中心影响区际创新的3个机制。实证方面，采用中国2000—2020年283个地级市组成的面板数据，依据理论机制框架对科学中心实施效果展开评估。研究发现：①基础效应方面，科学中心建设促进城市知识创新 “量质齐升”。其中，财政科技投入与科技事业从业人数的增加是重要机制，而高能级平台数量正向调节这一积极影响。②网络效应方面，科学中心增强了建设城市同科研合作网络中其他城市间的直接联系，强化了中心位置特征，对城市所占据结构洞的负向影响优化了科学中心 “平台”和 “桥梁”作用的发挥。③收敛效应方面，相比其他城市，科学中心拥有更快的收敛速度。另一方面，科学中心通过地理邻近和科研合作渠道促进知识扩散，加速区域整体知识创新收敛。

5.2 政策内涵

(1)深度嵌入城际合作网络，拓宽科学中心知识获取。科学中心是国家参与全球科技竞合作的核心力量，这一目标定位意味着科学中心是全国范围内科学知识最密集和前沿的地区，而这需要以更多的异质性与互补性知识获取为基础。因此，科学中心城市需深度嵌入城际乃至全球合作网络，地方政府可考虑采用建立联合研究中心、设立合作专项基金等协同机制，更为积极地与其他城市建立合作关联，扮演好 “平台”与 “桥梁”角色，促进区际要素循环流通、创新链条融通和平台信息联通。这可以通过建立以成果共享、交易平台为代表的知识、技术转移机制来实现，从而激发身处网络结构中心潜力。

(2)充分集聚创新要素资源，强化科学中心知识生产。充足的资金和人才投入既是科学成果得以产出的前提，又是实现创新集聚的重要方式。鉴于资金和人才在科学中心影响知识创新中起到的中介作用，未来科学中心建设需进一步加大人力与财力投入，建立、拓宽长期稳定的资金支持渠道，完善育才、引才、留才、用才一体化政策体系。此外，鉴于高能级装置在科学中心建设过程中的调节效应，可进一步依托大科学装置、国家实验室、国家重大科技基础设施，实现创新要素更高程度的聚集和更高效率的配置。通过打造代表国家意志、服务国家需求的战略科技力量，产出重大原创科学成果和突破关键核心技术，强化科学中心的知识生产功能。

(3)深化区域空间战略协同，扩大科学中心知识输出。收敛效应检验结果表明，虽然科学中心促进了区域整体知识创新收敛，但作用效果有待进一步加强，尤其是对于地理邻近所引致的知识溢出渠道。因此，未来需在坚持强化区域间合作的基础上，深化城市群、区域一体化等空间战略，如在长三角一体化战略背景下，《三省一市共建长三角科技创新共同体行动方案 (2022—2025年)》的实施，在战略科技力量培育、 “双链”融合、创新创业生态营造、创新网络和治理体系建设等方面，探索新机制、构建新办法。同时，促进科学中心同所在区域科创中心、科学城纵向合作协同，弱化中心城市虹吸作用所产生的负面影响。通过扩大知识输出，强化科学中心对周边地区的辐射作用，实现区域知识创新高水平收敛。