新发展格局提质之谜： 从全面创新改革到区域创新生态系统演化

吕 鲲 潘均柏 李佳杰 李北伟

1（宁波大学商学院，宁波 315211） 2（宁波城市文明研究院，宁波 315211）3（兰州大学经济学院，兰州 730099）4（浙江财经大学—中国社会科学院大学浙江研究院，杭州 310000）5（吉林大学商学与管理学院，长春 130022） ）

引 言

党的二十大报告重申了加快构建“以国内大循环为主体、国内国际双循环相互促进的新发展格局” 的重大战略部署，而新发展格局提质作为一项需要创新链、产业链、人才链、资金链协同发展，高水平科技自立自强和高水平对外开放深层次对接的重大系统工程，需要体系化的制度安排和科学合理的顶层设计加以支持。2015 年，中共中央办公厅和国务院办公厅联合印发《关于在部分区域系统推进全面创新改革试验的总体方案》（下称《方案》），开启了首轮全面创新改革试验试点； 2021 年，国家发改委、科技部联合发布《关于深入推进全面创新改革工作的通知》 （下称《通知》）又在新形势下进行了新一轮全面创新改革试验试点工作。两轮全面创新改革试验通过创新体制机制变革，探索、形成、复制和推广成功改革经验，为强化高水平科技自立自强提供了有力的制度保障。现有研究充分论证了全面创新改革试验对产业结构升级、绿色全要素生产率提升、产业链供应链韧性锻造的政策效应，但鲜有研究基于构建新发展格局的重大战略部署，研究全面创新改革试验对新发展格局质量的影响机制，因此本文将其作为一大研究主线。

同时，在新发展格局的研究视阈下，区域创新发展是构建高质量国际国内双循环新发展格局的重要因素，已有研究基于区域创新发展和国际国内双循环的研究框架论证了科技自立自强［1］、产业科技创新［2］同新发展格局在战略目标和实现路径层面具有明显的协同性。但现有研究大多基于单一的创新因素考察区域创新发展和新发展格局之间的关系和机制，而鲜有将区域创新主体、创新资源、创新环境、创新支撑等多元创新因素置于同一研究框架，以论证区域综合创新发展对新发展格局质量的影响机制。因此，本文有必要基于创新生态位理论，将区域内部创新主体（创新生产者、消费者、分解者）、资源（物质、信息、能量）和环境之间的物质交换、能量交流、信息交互等动态活动统筹为区域创新生态系统进行研究。同时，由创新主体、资源和环境通过自组织、交互协调形成的动态系统，动态演化和向更高层次进化是区域创新生态系统的基本特性和根本意义，因此有必要在区域创新生态系统的视阈下，探究其演化过程所表现的特性及其对新发展格局质量的影响机制，本文将其引为另一条研究主线。

此外，全面创新改革试验的深入实施也必定会和区域创新生态系统演化进程产生联动，因此本文将全面创新改革试验、区域生态系统演化和区域新发展格局质量提升3 个重要战略命题纳入统一的研究框架，探究在全面创新改革作用下，区域创新生态系统演化对新发展格局质量的作用机制。

1 文献回顾和理论机制

1.1 全面创新改革试验和新发展格局质量

以生产、分配、流通、消费、可持续、资金融通为主题的国内循环和以商品、资本、技术循环为锚点的国际循环［3］在百年变局加速演进的背景下正面临国内“三期叠加”、国际进入新动荡变革期的巨大挑战。而全面创新改革试验则能够在塑造新动能新优势、培育新业态新模式、引导高水平对外开放等方面对提升区域新发展格局质量发挥一系列积极影响。

基于国内大循环视角，生产环节的质量提升需要依托双循环发展战略在中短期内加速新旧动能的转换进程，实现关键核心技术进口替代，在生产环节实现高水平科技自立自强［4］，而全面创新改革试验强调优化和健全区域的创新体制机制，通过“揭榜挂帅”、“任务清单” 等模式调动创新资源配置协调组织重大技术难题攻关［5］，实现区域生产环节质量全面提升。《方案》 和《通知》 指出全面创新改革要积极探索低碳技术交易体系和规则建设，由此在可持续发展环节和金融环节中形成全新的产品和激活全新的生产模式，在升级产业结构的同时引导产业形成绿色竞争优势［6］。

而在国际循环的视阈下，全面创新改革试验既要求企业等创新主体参与国际市场进行全球化的开放式创新，跨国并购、建立海外研发基地等“走出去” 举措的实施加强了国内创新主体与国际高校、企业等创新主体的合作，并从中获得技术溢出，同时也引导创新主体自发针对创新链、产业链、供应链的痛点堵点进行重大技术攻关，在开放式创新中强化高水平科技自立自强［1］。

此外，《方案》 和《通知》 相继将“系统设计，统筹布局” 和“出经验，做示范” 作为全面创新改革试验工作的基本原则和总体要求，复制和推广试验进程中的成功经验和模式促进区域进行全面创新改革试验的政策效应向周边地区或非试点地区扩散。因此，全面创新改革试验不仅能够优化本地区的新发展格局质量，同时能够促进新发展格局质量形成上下联动、左右协调的空间涓滴效应，对区域国内国际双循环格局的协同发展具有积极影响。

基于上述分析，本文提出如下假设：

H1： 全面创新改革试验能够显著提升区域新发展格局质量。

H2： 在其他地区进行全面创新改革试验对本地区的新发展格局质量具有显著的正向空间传导效应。

1.2 区域创新生态系统演化和新发展格局质量

在讨论区域创新生态系统演化对区域新发展格局质量的过程中需要对区域创新生态系统演化的具体环节进行分解。已有研究论证了创新生态系统演化需要遵循繁衍、变异、适应等演化规律［7］，同时在创新生态系统中创新资源集聚和创新要素流动的规模和效率也是创新生态系统演化的考察维度之一，此外，由于区域创新生态系统本身存在对原有演化路径的依赖性，而可能存在技术路径锁定。因此本文将区域创新生态系统演化分解为繁衍特性、变异特性、适应特性、流动特性和锁定破解特性5 个维度进行剖析。

（1） 繁衍特性

繁衍特性主要指高校、科研机构等创新生产者成熟的知识生产范式以及高技术企业等创新消费者成功的知识应用和转化模式能够被复制和推广给潜在的创新主体，进而完成“遗传” 和“繁衍”。繁衍特性视阈下的区域创新生态系统主要向创新主体的规模扩张和多样性增强的方向进行演化，而创新主体规模大、多样性强的区域创新生态系统内部会使其所嵌入的创新链、产业链、供应链的韧性和自组织能力增强，对国内循环质量，尤其对生产环节和流通环节的质量提升具有抓手作用［8］； 在国际循环层面，大规模、复杂的创新主体结构容易滋生多元化技术部门的新业态新模式，进而在国际细分技术领域和市场中占据优势地位。

（2） 变异特性

变异特性在微观层面表现为创新主体结合新的知识、生产方式和创新要素组合实现转型和进化的过程。近年来高校、科研机构、高技术企业等创新主体以及创新平台、政府等创新支撑都进行了数智化转型、职能转变和能级跃升［9］。对于新发展格局质量而言，区域创新主体的变异伴随着新业态新模式的不断催生，深刻地影响了国内循环的生产环节、消费环节及国际循环的商品循环、技术和要素循环； 同时政府等创新分解者的变异则能够推动资金链、产业链、技术链、人才链协同发展，弥合产业链供应链断点、赋能破解关键核心技术卡点。

（3） 适应特性

适应特性是区域创新生态系统对环境适应能力的具象描述。从反向视角看，若区域创新生态系统的创新环境越优质，则越有利于系统和系统内部的主体适应系统所处的创新环境［10］。适应特性内涵中优质的创新环境不仅包括丰裕的创新基础设施和充足的经费资金，同时也包括健康的市场环境、公正的法制环境、稳健的金融环境等。优质的创新环境既利好国内循环的可持续、资金融通和分配环节，同时还为国际循环中以外商直接投资和对外直接投资为代表的资本循环提供了有力的支持。

（4） 流动特性

流动特性描述了区域创新生态系统中信息、技术、人才、资金等创新要素流动的强度、速度和效率。流动特性直接关乎国内循环的流通环节和资金融通环节，即区域创新生态系统的进化能级越高，创新主体、资源和环境之间的交互和协同越频繁［11］，这对区域的物资周转、金融资源流量等具体环节具有积极影响； 同时，高强度、高质量的流动特性也意味着区域在应对国际循环的技术挑战和关键核心技术“卡脖子” 时能够迅速释放能量，并提振区域国际循环层面的缓冲性和韧性［12］。

（5） 锁定破解特性

区域创新生态系统会基于原有的演化模式和演化轨道进行惯性演化，但被路径依赖加以技术锁定的区域创新生态体系演化会由于创新活动的创新效率低下而无法从根本上推动整个系统实现突破性进展［13］。因此在国内国际双循环提质的要求下，破解原有演化路径的锁定有利于区域创新生态系统催生出更多样化的新业态新模式创新群落，同时区域创新生态系统演化的高效、正确变轨有利于其抵御来自国内和国际环境的冲击和风险。

此外，区域创新生态系统演化是产业技术革命、新旧动能转换、产业转型升级等一系列因素综合作用引发的区域创新生态系统的动态调整，因此已经演化到更高能级和阶段的区域创新生态系统会形成明显的系统进化优势，而后进区域则由于技术路径锁定、创新主体能级较低而无法形成后发优势。在此情况下，区域创新生态系统能级更高的地区会对其他地区的国内和国际双循环环节产生“虹吸效应”，进而导致区域新发展格局质量呈现地理“极化” 趋势。

基于上述分析，本文提出如下假设：

H3： 区域创新生态系统向更高阶段演化能够显著提升区域新发展格局质量。

H4： 其他地区的创新生态系统演化到更高阶段对本地区的新发展格局质量具有显著的正向空间传导效应。

1.3 全面创新改革试验、区域创新生态系统演化和新发展格局质量

本文基于“全面创新改革试验－区域创新生态系统演化－新发展格局质量” 的研究框架，将三者纳入统一的研究框架以探索在全面创新改革驱动下，区域创新生态系统演化形式和进程的变化，及其在全面创新改革作用下对区域新发展格局质量的影响机制。

（1） 全面创新改革试验→区域创新生态系统演化→国内循环质量

全面创新改革试验能够通过驱动市场公平竞争，完善知识产权保护等制度安排和法制环境，破解现有科技管理体制机制障碍，推动金融创新等政策效应，为区域创新生态系统提供优质适宜的创新环境，并在制度上为区域创新主体变异转型及创新生态系统整体破解现有路径依赖和技术锁定破除障碍，同时也促进了创新要素的集聚和流动，赋能区域创新生态系统向更高阶段演化。因此，区域创新生态系统在全面创新改革试验的驱动下加快新旧动能转化和产业科技革命的进程，从供给侧层面全面促进国内大循环的提质升级。

（2） 全面创新改革试验→区域创新生态系统演化→国际循环质量

在加快科技自立自强、塑造我国在国际大循环中的新优势的战略要求下，全面创新改革试验持续深化探索开放创新的有效模式，不仅要求区域高效利用外资进行先进技术引进，同时也要求区域创新主体主动融入国际创新体系。从全面创新改革试验政策实施效果看，区域创新生态系统不仅能够基于引进发达国家的先进技术以扩大区域的知识流和创新禀赋，更在改革进程中借助“揭榜挂帅” 等重大技术难题攻关制度实现关键核心技术突破，在高水平对外开放的新格局下不断深化高水平科技自立自强。

基于上述分析，本文提出如下假设：

H5： 全面创新改革试验能够通过促进区域创新生态系统向更高阶段演化进而提升区域新发展格局质量。

H5a： 全面创新改革试验能够通过促进区域创新生态系统向更高阶段演化进而提升国内循环质量。

H5b： 全面创新改革试验能够通过促进区域创新生态系统向更高阶段演化进而提升国际循环质量。

2 准自然实验设计、变量说明和数据来源

2.1 准自然实验设计和模型构建

2.1.1 空间双重差分模型构建

本文的研究机制涉及空间效应，为此本文构建空间双重差分模型对上述机制进行检验［14］：

模型1～3 分别是基于空间自回归模型（SAR）、空间误差模型（SEM）、空间杜宾模型（SDM）的空间双重分模型（SDID）。其中，DLQit为被解释变量区域新发展格局质量，α1和α2分别为核心解释变量全面创新改革试验政策处理变量（Policyit）和区域创新生态系统演化指数（Evoit）的系数；∑βXit为控制变量及其系数的总和；W为空间权重矩阵，ρ和θ分别为被解释变量的空间自回归系数和解释变量及控制变量的空间效应系数；vit为空间误差模型中的冲击变量；γt、ui和εit分别为时间固定效应、地区固定效应和随机扰动项。

2.1.2 双重机器模型构建

本文参考Chernozhukov 等（2018）［15］构造基于双重机器学习模型的因果推断模型探究H1、H3和H5 中涉及的传导路径是否成立。

构造基于双重机器学习模型的基准回归模型4～6：

模型4～6 中，g（Xit）为多维控制变量的函数形式，其具体函数形式在模型构建时没有被预设，需要通过机器学习算法得到其估计量（Xit）。由于经一次机器学习算法估计后的参数估计值（）存在固有的正则偏误，因此本文需要构造辅助方程，并将残差估计量作为工具变量以对参数进行估计。

进一步，为验证H5（a～b）中的中介效应路径机制，本文采用基于双重机器学习模型的逐步回归法对假设进行逐一验证，构建模型7：

式（7） 中，Domit和Intit分别为国内循环质量指数和国际循环质量指数。

2.2 变量说明和数据来源

2.2.1 被解释变量： 区域新发展格局质量指数（DLQ）

参考和发展王亚菲等（2023）［13］对新发展格局质量的研究，基于生产、分配、流通、消费、可持续、资金融通6 个环节对国内循环质量指数（Dom）进行评价，基于国际市场和商品循环、资本循环、技术循环3 个层面对国际循环质量指数（Int）进行评价，进而对区域新发展格局质量指数（DLQ）进行综合评价，具体指标体系设计和代理变量选择见表1。

表1 区域新发展格局质量指数（DLQ）综合评价指标体系

本文参考孙文远和刘于山（2023）［16］的研究，将各地区上市企业披露的机器账面价值和员工人数之比作为企业人工智能生产技术采纳程度； 同时借鉴韩民春等（2023）［17］的方法测算每一地区的工业机器人安装密度。出口技术复杂度的测算则参考Huasman 等（2007）［18］的方法，依据海关编码分类的22 类产品对省域的出口技术复杂度进行测度。同时，采用公式“（为通过FDI 渠道获得的技术溢出，i为我国省（区、市），j为FDI 的来源国家）”； 采用公式测度各省（区、市）通过OFDI 渠道获得的逆向技术溢出，其中上述变量测算中的研发资本存量采取永续盘存法获得。其余数据来源于《中国科技统计年鉴》、《中国物流年鉴》、《中国信息产业年鉴》 和各地区的统计年鉴等。

本文采用熵值法对表1 所示的指标体系进行综合评价，得到2010 ～2022 年我国30 个省（区、市）（考虑到数据可获得性，不包括西藏及港、澳、台地区）的区域新发展格局指数及其分项指标——国内循环指数和国际循环质量指数的面板数据。

2.2.2 解释变量Ⅰ： 全面创新改革试验政策处理变量（Policy）

该变量为虚拟变量，本文将在全面创新改革试验政策实施时间段内处置组的该变量值设置为1，其余设置为0。

在处置组和控制组的确定环节，本文为保证研究维度的统一性，采用省级面板进行研究，根据《通知》，第二轮全面创新改革试验的试点地区均为省一级； 但根据《方案》，第一轮全面创新改革试验的10 个试验地区中有武汉、西安、沈阳3 个副省级行政区域，由此本文根据吕鲲等（2023）［19］的研究，将它们所在的陕西、辽宁、湖北3 个省份列入处置组。同时采取折衷策略，在稳健性检验中剔除这3 个省份的样本，若参数估计结果与原先一致，则说明全面创新改革试验确实发挥了相应的政策效应。

在处置组的试验时间确定上，同样根据吕鲲等（2023）［19］的研究，将2010 ～2020 年设置为第一轮全面创新改革试验的处置期。同时，由于《方案》 设定的时间窗口仅到2018 年，因此本文采取折衷策略，在稳健性检验中剔除2018 年之后的样本数据以验证准自然实验的稳健性。

2.2.3 解释变量Ⅱ： 区域创新生态系统演化指数（Evo）

本文拟从繁衍、变异、适应、流动、锁定破解5 种特性入手对区域创新生态系统演化指数进行综合评价（如表2）。其中，除大部分数据来源于《中国统计年鉴》、《中国科技统计年鉴》、《中国火炬统计年鉴》 等公开统计资料外，本文逐年将各地区上市企业年报中“机器学习”、“云计算”、“图像识别”、“类脑计算”、“智能穿戴” 等186 个词汇的词频进行爬取和汇总，并将其与各省（区、市）上市公司年报的总词频之比以测度企业数智化转型； 并以各省（区、市）下辖地级市及“深度学习”、“机器学习”、“区块链”、“人工智能”、“大数据” 等57 个与服务业转型和新兴技术产业相关的词汇为关键词通过百度高级检索逐年逐省爬取各地区上述词汇词频作为服务业转型和新兴技术产业发展的代理变量； 同时采用同样的方式逐年爬取和统计各省（区、市）下辖地级市政府工作报告中“人工智能”、“创新”、“大数据”、“机器学习” 等121 个与创新相关的词汇的词频，在汇总为省级面板后，将上述词汇词频与政府工作报告总词频之比用以测度政府创新注意力； 地方知识产权相关立法数的数据则是通过检索北大法宝平台获得。

表2 基于五维特性的区域创新生态系统演化指数评价指标体系

特别地，参考李刚等（2020）［20］的研究，本文将研发过程中的创新效率和商业化创新过程中的创新效率分别作为研发创新路径锁定破解和商业化创新路径锁定破解，并从这两个层面评价区域创新生态系统演化过程中的锁定破解维度。如表3，采用非导向的Super－SBM 方法测度研发创新路径锁定破解和商业化创新路径锁定破解。

表3 研发创新路径锁定破解和商业化创新路径锁定破解的投入要素和产出要素表

本文同样采用熵值法对表2 的指标体系进行综合评价。

2.2.4 控制变量

本文选择产业结构高级化（AIS）、产业结构合理化（RIS）、高技术产业集聚（Agg）、能源消费强度（EI）作为控制变量，其中产业结构高级化和产业结构合理化参考干春晖等（2011）［21］的方法测得； 同时参考王燕等（2023）［22］采用高技术企业数量的改进区位熵基于公式“（eit和lit代表i地区t年度的高技术企业数和总就业人数，Et和Lt为该年度全国的高技术企业数和总就业人数）” 测得高技术产业集聚； 能源消费强度（万吨标准煤/亿元）采用能源消费总额和产出（GDP）之比。相关数据来源于《中国统计年鉴》和《中国科技统计年鉴》，面板数据时间窗口为2010～2022 年。

2.2.5 空间权重矩阵

本文采用经济空间权重矩阵作为空间双重差分模型基于的空间权重矩阵（如式（8））。

式（8） 中，Wiθ为经济空间权重矩阵W中的元素，yi和yθ分别为地区i和θ年度平均实际人均GDP，该矩阵能够用以表达地理单元之间的经济距离和基于经济活动的依赖关系。

3 实证分析和假设验证

3.1 基于空间双重差分模型的实证分析

3.1.1 空间自相关性检验和模型选择

本文首先基于DLQ2010 ～2022 年的全局Moran's I 对其空间自相关性进行判断（如表4），在考察期内DLQ的全局Moran's I 均在1%水平下显著为正； 同时，观察局部Moran 散点图（如图1）显示考察期内的DLQ基于经济空间权重矩阵均存在明显的“高－高” 集聚和“低－低” 集聚，则说明变量具有空间自相关性。

图1 2010 年和2022 年区域新发展格局质量（DLQ）的Moran 散点图

表4 2010～2022 年新发展格局质量（DLQ）全局Moran's I

此外，本文需要通过检验从模型1～3 中确定适用于本文实证分析的空间双重差分模型（检验结果如表5）。表5 显示，基于LM 统计量的事前检验显示应当采用空间杜宾模型（SDM）； 而Hausman检验的结果表明本文应当采用固定效应进行实证分析，同时LR 检验的结果表明应当采取时空双固定效应； 在针对SAR 和SEM 的Wald 和LR 事后检验中，SDM 不会退化为SAR 和SEM。

表5 空间双重差分模型的选择与检验

3.1.2 基于SDM－DID 的参数估计和实证分析

本文首先选取基于时空双固定效应的SDMDID 对模型3 进行基准回归，并将空间效应分解为本地效应和邻地效应。参数估计结果见表6。

表6 基于模型3 的基准回归和调节效应分析参数估计结果

表6 显示，基准回归中区域新发展格局质量的空间自回归系数为－0.747，在5%的水平下显著为负。而Policy和Evo的本地效应系数分别在5%的水平下显著，值分别为0.0159 和0.119，说明假设H1 和H3 的机制成立。同时Policy的邻地效应系数为0.288，通过了1%的显著性检验，表明全面创新改革试验能够形成良好的政策示范和政策效应空间扩散效应，假设H2 得证； 但Evo的邻地效应系数为－0.986，通过10%的显著性检验，这一结果显示由于区域创新生态系统演化进程会强化新发展格局质量的地理“极化”，假设H4 成立。

此外，如表6 所示，Policy×Evo的本地效应为0.167，通过1%的显著性检验，这表明全面创新改革试验能够强化区域创新生态系统向更高阶段演化的区域新发展格局提质效应； 而Policy×Evo的邻地效应系数不显著，则说明全面创新改革试验由于市场分割、流通环节受阻、区域间产业链供应链不协调等结构性问题的存在，无法矫正Evo的负向空间效应。

3.1.3 平行趋势检验

双重差分模型的最终成立需要符合平行趋势假设，因此本文依据式（9） 进行平行趋势检验［23］：

式（9） 中，policyi（t±n）分别是i地区在进行全面创新改革试验前后n年的虚拟变量（以t－11 为基期），policyi（t－n）的系数θ不显著、而policyi（t＋n）的系数θ为理想结果。图2 说明了t±n时刻θ的变化，分析可得本文的准自然实验设计通过平行趋势检验。

图2 平行趋势检验的政策系数示意图

3.2 基于双重机器学习模型的准自然实验实证分析

3.2.1 基于双重机器学习的基准回归和调节效应分析

本文将机器学习样本分割比例设置为1 ∶4，并将两次机器学习算法都设置为套索回归算法进行实证分析，得到如表7 所示的部分线性回归参数估计结果。根据表7，Policy的系数为0.0395，通过1%的显著性检验，再次验证了假设H1； 而Evo的系数也在1%的水平下显著为正，值为0.259，验证了假设H3。同时，Policy×Evo的系数为0.280，在1%的水平下显著，表明全面创新改革试验能够在区域创新生态系统向高层次演化对区域新发展格局质量的影响机制中发挥正向调节效应。

表7 基于双重机器学习的基准回归和调节效应分析参数估计结果

3.2.2 中介效应机制检验

为验证假设H5 中涉及的 “Policy→Evo→DLQ”、“Policy→Evo→Dom”、“Policy→Evo→Int”3 条机制路径，本文进行如表8 所示的中介效应机制分析。表8 涉及的3 条中介效应机制路径均通过Sobel、Aroian、Goodman 检验，证明这3 条路径均成立。其中，中介效应机制路径“Policy→Evo→DLQ” 为中介占比为19.2%的部分中介效应机制，而中介效应机制路径“Policy→Evo→DLQ”为中介占比为13.8%的部分中介效应机制，验证了假设H5a，即全面创新改革试验能够首先通过体制机制保障效应、市场创新激发效应、制度安排完善效应等机制显著促进区域创新生态系统升级，进而间接促进国内循环质量提升。中介效应机制路径“Policy→Evo→DLQ” 为完全中介效应，这可能是因为全面创新改革试验下现有体制机制在应对产业变革和关键核心技术突破赶超等方面尚存在不足，但全面创新改革试验能够通过驱动区域创新生态系统升级间接促进区域国际循环质量。

表8 中介效应机制检验及参数估计结果

3.2.3 稳健性检验

本文重点对路径“Policy→Evo→DLQ” 的参数估计结果进行稳健性检验： （1） 将原双重机器学习模型的随机森林算法替换为神经网络和随机森林算法，以在不同的算法下考察参数估计结果； （2）将样本分割比例由设置的1 ∶4 调整为1 ∶7 和1 ∶3；（3） 采取前文折衷策略的另一种方案，即剔除2019年之后的样本数据，且将陕西、辽宁、湖北3 个省份的样本数据剔除，重新进行参数估计； （4） 在样本中剔除处置组在政策实施当年的数据，并重新进行参数估计。上述检验结果与前文基本一致，验证了本文研究具有稳健性。

4 结论和政策建议

4.1 结论

本文基于“全面创新改革试验－区域创新生态系统演化－区域新发展格局质量” 研究框架，通过空间双重差分模型和双重机器学习模型进行准自然实验，得到如下结论：

（1） 全面创新改革试验能够通过加速新旧动能转换进程，突破原有创新体制机制障碍以助推高水平科技自立自强等途径促进新发展格局质量的提升； 而区域创新生态系统向更高阶段演化则能够加快围绕创新链布局的产业链优化升级，协调高水平对外开放和高水平科技自立自强的关系等机制显著提升新发展格局质量。

（2） 全面创新改革试验能够基于试点地区政策示范效应和改革效应的地理空间溢出对其他地区的新发展格局质量具有正向空间传导效应； 区域创新生态系统却由于市场分割、先进地区“虹吸” 等原因，导致其向更高阶段演化对区域新发展格局质量的空间效应显著为负。

（3） 全面创新改革试验能够在区域创新生态系统演化和新发展格局质量之间发挥显著的正向调节效应，同时全面创新改革试验能在有限范围内矫正区域创新生态系统演化的负向空间溢出效应导致的区域新发展格局质量地理“极化”。

（4） 基于中介效应机制路径分析，全面创新改革试验能够先积极影响区域创新生态系统演化，进而正向促进以国内循环质量和国际循环质量为主体的新发展格局质量，但在“Policy→Evo→Int”路径中，全面创新改革试验对国际循环质量的直接效应不显著。

4.2 政策建议

基于上述结论，本文提出如下政策建议：

（1） 总结、推广和复制第一轮全面创新改革试验的成功经验和改革成果，在新一轮全面创新改革试验中尤其要重视依托有组织科研、联合重大技术攻关等方式解决和突破关键核心技术“卡脖子” 问题，并将高水平自立自强和高水平对外开放相对接，不仅要使改革成果能够有效促进产业链供应链和流通环节发展，同时也要以改革促进全球价值链的重构。

（2） 在新一轮全面创新改革试验进程中，需要将区域创新生态系统的演化进程纳入改革成果的验收和考察中，不仅要从全局、综合的角度量化和监测区域创新生态系统的动态发展状况，更要通过改革构建活跃、有序、持续进化的区域创新生态系统，并引导区域创新生态系统向更高阶段、更有利于国内国际双循环新发展格局提质的方向演化。

（3） 协调区域发展，不仅要将全面创新改革试验的成功经验从试点地区向全国范围内推广，同时要将构建全国统一大市场的重大战略融入全面创新改革试验的任务目标中，特别要关注区域创新生态系统持续演化对后进地区创新因素的虹吸效应问题，可以采取对点帮扶、人才异地交流等制度安排，建设跨区域产业联盟、技术创新中心等创新支撑主体和创新基础设施，将先进地区的创新成果、创新体制机制的成功模式传导至后进地区。