“双一流”建设政策对城市创新能力的影响及其门槛效应研究

摘要： 服务国家区域发展战略、引领区域经济社会创新发展是“双一流”建设的重要内容，也是其成效评价的重要方面。基于资源依赖理论，采用我国283个城市2012—2020年面板数据，构建双重差分模型和门槛效应模型实证研究“双一流”建设政策对城市创新能力的复杂影响机制。结果表明：“双一流”建设政策显著提升了建设高校所在城市的创新能力；资本投入水平和人力资本集聚水平对“双一流”建设政策促进建设高校所在城市的创新能力有门槛效应，在最优区间内可以实现“双一流”建设政策城市创新效应的最大发挥；资本投入水平和人力资本集聚水平对“双一流”建设政策促进建设高校所在城市的创新能力的门槛效应因区域不同而存在显著差异。鉴于此，相关部门应加强产学研协同创新，完善动态调整和竞争机制；优化经费投入和保障机制，加大基础研究支持力度；建立健全人才合理有序流动机制，促进人才结构与产业结构相匹配。

关键词：“双一流”建设政策；城市创新能力；双重差分；门槛效应；成效评价

中图分类号：G646 文献标识码：A 文章编号：1672-0717（2024）05-0046-13

一、引言

提高城市创新水平是我国实施创新驱动发展战略的基础，高校作为知识创新、人才培养的策源地，对城市创新发展有重要意义。“双一流”建设作为我国高等教育强国建设的标志工程，是推动城市创新发展的重要动力。但是政策执行与政策目标的实现并非是线性关系，在“双一流”建设政策的实施过程中，其成效可能会受到资源投入、平台建设、体制机制改革及制度体系创新完善、治理效能等诸多因素影响，从而影响区域高质量和可持续发展目标的实现。因此，科学洞察“双一流”建设政策执行过程与其效果之间的关系对于及时调整和优化政策体系、合理配置创新资源有重要意义。

2020年12月，教育部、财政部、国家发展改革委联合印发的《“双一流”建设成效评价办法（试行）》明确将整体发展水平、成长提升程度及可持续发展能力纳入成效评价要求[1]。2022年1月，三部委再次联合印发的《关于深入推进世界一流大学和一流学科建设的若干意见》（以下简称《若干意见》）指出，新一轮“双一流”建设着力健全工作协同机制，完善上下贯通、执行有力的组织体系，提高资源配置效益和管理服务效能[2]。可见，“双一流”建设政策具有综合性、长期性和可持续性特征，这些特征要求其成效评价关注“双一流”建设政策与区域经济社会创新发展之间的动态复杂关联关系，以适应其动态发展规律。

然而，现有文献在研究我国“双一流”建设政策与创新能力的关系时大都局限于关注大学内部，缺乏“跳出教育看教育”的思路，不利于准确评价“双一流”建设成效。同时，学者在研究“双一流”建设政策与创新能力的关系时往往只考虑了简单的线性关系，而忽略了可能存在的非线性关系，不利于准确刻画其真实关联机制。此外，现有文献在研究“双一流”建设政策与创新能力的关系时多关注整体影响，而忽略了其在不同特质城市的异质性，不利于政策制定者根据城市特质灵活调整教育发展对策。

为此，本研究构建双重差分模型和门槛效应模型，重点探究“双一流”建设政策对城市创新能力的影响及其机制，深入揭示“双一流”建设政策对建设高校所在城市的创新能力的影响路径和影响程度，科学研判“双一流”建设成效，旨在为政府部门和高校管理者动态调整和优化创新要素投入、合理配置创新资源提供科学依据和决策参考。

本研究的可能贡献主要有三点：其一，从城市层面深入考察“双一流”建设政策对城市创新能力的影响机制，拓展“双一流”建设政策在城市层面的研究视角，丰富相关研究结果；其二，以资本投入水平和人力资本集聚水平为切入点，系统揭示“双一流”建设政策为何以及如何对城市创新能力产生非线性影响，为“双一流”建设政策的门槛效应研究提供了新的理论视角与经验证据；其三，从地理位置角度开展门槛效应的异质性分析，比较“双一流”建设政策对不同特质城市创新能力的非线性影响，以期更大限度地发挥“双一流”建设政策对城市创新能力的促进作用。

二、文献综述与研究假设

（一）文献综述

现有围绕创新能力探究“双一流”建设政策门槛效应的文献可概括为两大类。在研究内容方面，现有文献侧重分析不同门槛变量对创新能力的影响，例如，鲍威和吴嘉琦将地方政府治理能力水平作为门槛变量，考察了高等教育资源质量集聚对区域创新经济的非线性影响[3]；郭丛斌和邱世琛从全国和区域两个层面检验了研究生博硕比对区域创新的门槛效应[4]79-86；俞立平等以“双一流”建设高校的人文社科项目为例，分析了项目经费强度对学术论文和学术著作的门槛效应[5]。

在研究视角方面，现有文献侧重分析“双一流”建设政策与创新能力之间的线性关系，揭示了“双一流”建设政策对创新能力的直接影响。马浚锋和罗志敏采用双重差分模型，评估了世界一流大学建设政策的创新效应[6]59-74；朱恬恬等采用双重差分模型，评估了“双一流”建设政策的高校科技资源配置效应[7]。然而，“双一流”建设政策的实施效果可能会受到多重因素的影响，例如，互联网发展水平[8]、科研资源投入[9]等。这些研究为我们考虑“双一流”建设政策与创新能力之间可能存在非线性关系提供了重要启发。此外，现有文献在研究“双一流”建设政策与创新能力的关系时多关注“双一流”建设政策对创新能力的整体影响，然而“双一流”建设政策的实施效果存在区域异质性[10]，这为本研究思考“双一流”建设政策门槛效应的地区差异提供了思路。

综上所述，现有相关文献已对首轮“双一流”建设政策与创新能力的门槛效应进行了初步研究，但仍然存在以下不足：第一，在研究内容方面，现有文献侧重分析不同门槛变量对创新能力的影响，缺乏对高等教育政策如何影响区域创新能力的门槛效应研究，故难以科学考察“双一流”建设政策对区域经济社会创新发展的复杂影响；第二，在研究视角方面，现有研究侧重分析“双一流”建设政策与创新能力之间的线性关系，而忽略了二者之间可能存在的非线性关系，不利于全面了解“双一流”建设政策与创新能力的传导机制。此外，现有研究多关注“双一流”建设政策对创新能力的整体影响，而忽略了“双一流”建设政策对不同特质城市可能存在异质性影响。

（二）研究假设

1.直接效应

2022年1月，三部委联合印发的《若干意见》明确提出要提升区域创新发展水平[2]。一方面，国家有关部委与地方各级政府都加强了对属地“双一流”建设高校的资金、政策支持，从而带动创新要素集聚；另一方面，“双一流”建设高校积极与企业、科研院所等机构开展协同创新，从而吸引高质量的人力资本集聚，促进城市创新水平的提升。鉴于此，本研究提出假设1：

H1：“双一流”建设政策显著提高了建设高校所在城市的创新能力。

2.门槛效应

自“双一流”建设政策启动以来，地方政府和有关主管部门加大了对属地“双一流”建设高校的支持力度[11]，为协同创新提供平台支撑以及制度保障。根据信号传递理论[12]，政府加大对“双一流”建设高校的资本投入会向企业、科研院所等创新主体传递积极信号，有助于吸引更多的创新资源，从而促进高校创新活动的开展。同时，新增长理论认为研发投入是驱动科技进步、推动技术创新的最直接来源，但如果没有投入和技术创新活动，资本的收益就会递减[13]。现实中，“双一流”建设高校资本投入不合理会造成资源的损失和浪费，不利于高校科技创新效率的整体提升。鉴于此，本研究提出假设2.1：

H2.1：资本投入水平在“双一流”建设政策促进建设高校所在城市的创新能力提升中具有门槛效应。

“双一流”建设高校因其良好的大学声誉和科研平台吸引了一大批国内外高层次人才集聚；同时，“双一流”建设政策的评价导向使得高校着力于引进高水平的教育资源、加强师资队伍建设。此外，“双一流”建设政策鼓励高校与科研院所、企业等创新主体开展协同创新，促进科技成果转化，这也有助于吸引更多优秀的科技人才。根据知识吸收能力理论，人力资本集聚水平有利于提升区域创新水平，但存在一个阈值，只有当人力资本集聚水平超过该阈值时，才能激发地区的创新活力[14]。此外，“威廉姆森”集聚假说表明，高级劳动力要素集聚的正外部性存在一个临界点，低于临界点时集聚效应具有正向空间外部性，但超过临界点后集聚的边际效应会下降，甚至会产生负向空间外部性[15]。现实中，“双一流”建设高校人力资本过度集聚也可能会抑制人才创新潜能的释放，不利于高校科技创新效率的整体提升。鉴于此，本研究提出假设2.2：

H2.2：人力资本集聚水平在“双一流”建设政策促进建设高校所在城市的创新能力提升中具有门槛效应。

3.异质性分析

由于各地区在经济发展水平、地区产业结构、基础设施建设等方面存在明显差异，各地区的“双一流”建设高校数量以及建设经费投入不均衡且差距过大，可能使得不同地区的创新环境存在差异。现实中，东部地区的创新生态系统相对完善，为“双一流”建设高校开展科技创新活动提供了良好的环境，而中西部地区尚有较大的发展空间。此外，东部地区的“双一流”建设高校会因其充足的办学资金和高端的科研平台吸引国内外高层次人才集聚，而中西部地区的“双一流”建设高校存在严重的人才外流和人才引进困难问题。鉴于此，本研究提出假设3.1和3.2：

H3.1：资本投入水平对“双一流”建设政策促进建设高校所在城市的创新能力提升的门槛效应存在显著的地区差异。

H3.2：人力资本集聚水平对“双一流”建设政策促进建设高校所在城市的创新能力提升的门槛效应存在显著的地区差异。

三、研究设计

（一）模型构建

1.基准回归模型

为克服传统回归模型在检验政策实施效果方面的局限性，本研究借鉴Bertrand和Mullainathan的方法[16]，构建双重差分模型实证检验我国“双一流”建设政策对城市创新能力的影响，基准模型如下：

式中，INNOit为被解释变量，表示城市i在年度t的创新能力。β0为截距项。Treati为分组变量，城市属于处理组则取1（即拥有“双一流”建设高校的城市），否则取0；Timet为处理期虚拟变量，以“双一流”建设名单发布时间2017年为政策实施点，其取值为1时，代表“双一流”建设政策发生之后，否则取0。Treati×Timet为分组变量与处理期虚拟变量的交互项，其系数γ1反映了“双一流”建设政策实施的净效应。Zit为一系列控制变量，β1为一系列控制变量的待估计系数。μi和θt分别表示城市和时间固定效应。εit为随机误差项。

2.门槛效应模型

本研究借鉴Hansen的做法[17]，构建门槛效应模型实证检验“双一流”建设政策对城市创新能力影响的非线性特征，具体模型如下：

式中，为门槛变量，为门槛值。I（·）为示性函数，当括号中条件满足时，I（·）取值为1，否则为 0。γ2和γ3分别为“双一流”建设政策在门槛值两侧的区制中对城市创新能力的影响系数，其他变量的含义均与基准回归模型一致。

（二）变量说明

1.被解释变量

本研究的被解释变量是城市创新能力（INNO），主要指科技创新能力，其衡量指标包括新产品产值、新产品销售收入、专利等。但由于我国各地区对新产品的理解程度和认证标准存在差异，所以现有文献在研究区域创新时，很少使用新产品产值等指标衡量创新能力[18]，而较多采用专利数量来衡量创新能力，且研究结果一般表明专利数量与创新能力成正相关关系[19]。因此，本研究采用专利数量来衡量城市创新能力。此外，考虑到专利从申请受理到授权存在一定的时滞性[20]，我们采用专利申请受理数量来衡量城市创新能力。

2.核心解释变量

本研究的核心解释变量是“双一流”建设政策虚拟变量。根据2017年教育部、财政部、国家发展改革委联合颁布的《关于公布世界一流大学和一流学科建设高校及建设学科名单的通知》（以下简称《名单通知》）统一赋值[21]，将分组变量与处理期虚拟变量的交互项（Treati×Timet）作为核心解释变量。

3.控制变量

考虑到各城市经济社会发展水平存在显著的异质性特征，为减少其他因素对研究结果的干扰，本研究选取各城市对外开放水平（lnOPEN）、经济发展水平（lnRGDP）、金融发展水平（JR）、产业结构水平（CL）、信息化水平（lnINF）、地区教育水平（JY）、人力资本水平（lnEDUU）、文化发展水平（lnTSG）、工业化发展水平（lnQY）作为控制变量。

4.门槛变量

据资源依赖理论，组织的生存和发展依赖于从外部环境中获取的资源，这些资源包括人员、资金、社会合法性、顾客、技术和物资投入等[22]。对大学而言，其办学过程同样依赖各种资源，主要包括人力资源、物力资源及财力资源[23]。基于上述理论分析，本研究选取高校资本投入水平（ZBTRSP）和人力资本集聚水平（RLZBJJ）作为门槛变量，考察“双一流”建设政策对城市创新能力的门槛效应。

（三）数据来源

本研究以三部委联合颁布的《名单通知》的出台为准自然实验[21]，选择政策公布前后9年（2012—2020年）作为样本期间，将前5年定义为“政策实施前”，后4年定义为“政策实施后”。同时，在考虑数据可得性的基础上，我们将入选首轮“双一流”建设高校名单中的134所高校所在城市（39个）作为处理组①，其余城市（244个）作为对照组构建研究样本，最终得到9年间283个城市2547个面板观察值。所有数据均来源于《中国城市统计年鉴》，个别缺失数据采用插值法处理。同时，为避免异方差问题，本研究对城市对外开放水平（lnOPEN）、经济发展水平（lnRGDP）、信息化水平（lnINF）、人力资本水平（lnEDUU）、文化发展水平（lnTSG）和工业化发展水平（lnQY）都取对数处理。变量说明与描述性统计结果如表1所示。

四、实证结果分析

（一）基准回归结果

本研究首先运用基准回归模型[公式（1）]估计“双一流”建设政策对城市创新能力的影响，结果如表2所示。其中，第1列和第2列分别是未加入控制变量和加入控制变量的回归结果。可以发现，第1列和第2列的交互项系数均显著为正，说明“双一流”建设政策的实施显著提高了建设高校所在城市的创新能力，研究假设H1通过检验。

为了进一步反映“双一流”建设政策对城市创新能力的影响程度，本研究借鉴He等[24]的做法进行对比研究，结果表明，与政策实施前处理组的均值相比，“双一流”建设政策使得建设高校所在城市的创新能力提高了45.73%。该研究结果从城市层面评价了“双一流”建设政策的城市创新效应，深化了已有研究中关于“双一流”建设政策与创新发展的认知，他们往往认为“双一流”建设政策能够显著促进建设高校[6]59-74和其所在区域[25]的创新发展，而缺乏对城市层面的考量。究其原因，笔者认为主要有两点：一是“双一流”建设政策的信号效应。中央和地方各级政府给予“双一流”建设高校强大的资金和资源支持必然会向外界传递积极信号，一方面，会吸引更多的国内外高层次人才涌入“双一流”建设高校，充分发挥高层次人才的集聚效应[26]；另一方面，会吸引企业、科研院所等其他创新主体与“双一流”建设高校开展协同创新，推动科技成果转化与商业化应用[27]，从而提升城市创新水平。二是“双一流”建设政策的倒逼效应。“双一流”建设政策设立的“能进能出”动态调整机制和考核评价机制给高校营造了一个优胜劣汰的竞争环境，这种机制体现了“双一流”建设的开放性与竞争性，其目的是提升资源配置效率[28]，从而倒逼“双一流”建设高校积极融入区域创新体系，提升高校服务区域经济社会创新发展的能力。

（二）稳健性检验结果

1.平行趋势检验结果

有效使用双重差分法的重要前提假设是趋同假设[29]，即如果没有执行“双一流”建设政策，有“双一流”建设高校的城市与其他城市创新水平的变化趋势应该是平行的。为此，本研究借鉴Beck等的做法[30]，利用事件分析法，将政策实施前一年（2016年）作为基期进行平行趋势检验，具体模型如下：

式中，Timet为处理期虚拟变量，当年观测值取1，其他年份观测值为0，其他变量的含义均与基准回归模型一致。本研究检验了2017年首轮“双一流”建设名单提出的前5年（2012年）到2020年的趋势变化，结果如图1所示。可以发现，2017年以前所有回归结果均不显著，表明在“双一流”建设政策实施前，处理组和对照组的变化趋势是一致的，不存在显著差异。而2017年之后，处理组的城市创新能力相比对照组显著提升。因此，样本通过了双重差分估计所需的平行趋势检验。

2.更换被解释变量的检验结果

为避免测量误差带来的影响，本研究将基准回归模型中的被解释变量替换为专利申请授权数（INNO1）和发明专利申请受理数（INNO2）重新估计，结果分别如表3所示。可见，在更换被解释变量后，估计系数依然显著为正，说明上述研究结果稳健可靠。

五、门槛特征分析

（一）门槛效应检验

1.资本投入水平的门槛效应检验

为深入了解不同资本投入水平下，“双一流”建设政策对建设高校所在城市的创新能力的影响程度，确定最佳的资本投入水平区间，以促进“双一流”建设政策创新效应的有效发挥，本研究借鉴Hansen的“自助法”（Bootstrap）[17]，以城市资本投入水平作为门槛变量，“双一流”建设政策虚拟变量为解释变量，城市创新能力为被解释变量，按照不存在门槛值（原假设）或存在一个门槛值（备选假设）、只存在一个门槛值（原假设）或存在两个门槛值（备选假设）、只存在两个门槛值（原假设）或存在三个门槛值（备选假设）三种条件进行检验，通过反复抽样1000次得出检验统计量对应的P值，判断资本投入水平对“双一流”建设政策促进城市创新能力提升是否存在门槛效应进行检验，结果如表4所示。可以发现，“资本投入水平”作为门槛变量显著通过了单一门槛检验，但未通过双重门槛和三重门槛检验，说明以“资本投入水平”为门槛变量时，“双一流”建设政策对城市创新能力的影响存在显著的单一门槛效应。具体的门槛估计值与置信区间分别如表5所示。可以发现，单一门槛估计值为0.1317，95%的置信区间为[0.1303，0.1332]。为此，本研究将基于单一门槛分析不同资本投入水平下“双一流”建设政策对城市创新能力的影响。

2.人力资本集聚水平的门槛效应检验

为深入了解不同人力资本集聚水平下，“双一流”建设政策对建设高校所在城市的创新能力的影响程度，确定最佳的人力资本集聚水平区间，以促进“双一流”建设政策的可持续发展，本研究重复上述步骤，以“城市人力资本集聚水平”为门槛变量，“‘双一流’建设政策虚拟变量”为解释变量，“城市创新能力”为被解释变量，判断人力资本集聚水平对“双一流”建设政策促进城市创新能力提升是否存在门槛效应，检验结果如表4的后三行所示。可以发现，“人力资本集聚水平”作为门槛变量显著通过了单一门槛和双重门槛检验，但未通过三重门槛检验，说明以“人力资本集聚水平”为门槛变量时，“双一流”建设政策对城市创新能力的影响存在显著的双重门槛效应。具体的门槛估计值与置信区间分别如表5所示，双重门槛估计值的第一区间的门槛值为0.3370，95%的置信区间为[0.3260，0.3456]；第二区间的门槛值为0.4467，95%的置信区间为[0.4388，0.4560]。为此，本研究将基于双重门槛分析不同人力资本集聚水平下“双一流”建设政策对城市创新能力的影响。

（二）门槛模型回归

1.资本投入水平的门槛回归结果

从表6可以发现，当城市资本投入水平的值小于0.1317时，“双一流”建设政策对城市创新能力的影响系数显著为正；当资本投入水平大于等于门槛值0.1317时，“双一流”建设政策对城市创新能力的影响系数显著为正，且相较于第一门槛区间影响系数更大，即“多多益善”。可见，随着资本投入水平的提高，其呈现边际效应递增特征，研究假设H2.1通过检验。

该研究结论有助于从资源配置角度深入了解“双一流”建设政策对城市创新能力的影响，为未来政府优化资源配置提供实证支撑。究其原因，本研究认为主要是由于当ZBTRSP值小于0.1317时，资本投入水平较低，大部分“双一流”建设高校没有能力进行原始创新，多通过模仿或复制现有技术进行创新，从而导致创新效应相对有限[31]。当前，我国“双一流”建设高校与世界一流大学相比仍有差距，基础学科领域拔尖创新人才和原创性成果匮乏，对我国原始创新能力造成明显制约[32]；而经费投入和政策支持是原始创新的重要保障条件[33]。当ZBTRSP值大于等于0.1317时，“双一流”建设政策才能发挥出最大的创新效应。这可能是由于资本投入的增加有利于吸引各类创新要素集聚，从而加快了知识传播和技术扩散，显著提升了城市创新能力。显然，“双一流”建设高校能够获得更多的配套资金和政策支持，从而集聚更多资源[34]。

2.人力资本集聚水平的门槛回归结果

从表6可以发现，当城市人力资本集聚水平的门槛值RLZBJJ小于0.3370时，“双一流”建设政策对城市创新能力的影响系数虽然为正，但不显著；当0.3370≤RLZBJJ＜0.4467时，“双一流”建设政策对城市创新能力的影响系数显著为正；当RLZBJJ≥0.4467时，“双一流”建设政策对城市创新能力的影响系数虽然显著为正，但其影响系数大幅度下降，即“过犹不及”。可见，[0.3370，0.4467]是人力资本集聚水平的最优区间，低于该区间下限时，“双一流”建设政策无法达到预期效果，高于该区间上限时，“双一流”建设政策对城市创新能力的影响呈现边际效应递减特征，研究假设H2.2成立。

该研究结论有助于从生产要素集聚的视角深入了解“双一流”建设政策对城市创新能力的影响，为未来“双一流”建设政策的可持续发展提供实证支撑。究其原因，本研究认为主要是由于当人力资本集聚水平值低于0.3370时，人力资本集聚水平较低，创新效应相对有限，导致“双一流”建设政策虽然对城市创新能力提升有一定的促进作用但比较弱[26]。当人力资本集聚水平值低于下限临界值时，组织的技术吸收能力不足是制约组织科技创新能力提升的瓶颈[35]；高等教育规模小，人才短缺也会严重制约技术进步和知识创新[36]。当人力资本集聚水平达到最优区间，可以降低知识传播成本，实现知识共享和创新扩散，从而促进城市创新水平的提升。已有研究表明，人力资本集聚水平可以降低知识传播的成本，提高创新水平[37]。当RLZBJJ≥0.4467时，“双一流”建设政策对城市创新能力的影响呈现边际效应递减特征，这可能是由于一方面“双一流”建设引发的“人才大战”导致人才资源在校际流动中的损失和浪费。近年来，我国高校为跻身“双一流”建设行列，不惜高薪高职“挖人”“抢人”，引发高校“人才大战”，一定程度上破坏了高校人才竞争的正常秩序，导致高校人才流动片面集聚，造成了人才资源的浪费[38]。另一方面，人力资本过度集聚不利于区域创新生态系统的健康可持续发展，从而制约了城市创新水平的提升。目前一流大学建设高校的科研人员数量出现投入冗余现象，过多的人力资本投入对样本高校科研效率呈现负向效应[39]。而本研究通过计算“双一流”建设政策发挥创新效应的人力资本集聚水平最优区间，验证了已有研究从人力资源配置视角解释资源冗余的内在机理。

（三）区域异质性检验

1.资本投入水平的门槛异质性回归结果

为了探讨以“资本投入水平”为门槛变量时，“双一流”建设政策对建设高校所在城市的创新能力的区域异质性影响，本研究将总样本划分为东部和中西部两大子样本分别进行回归。具体来看，以“城市资本投入水平”为门槛变量，“‘双一流’建设政策虚拟变量”为解释变量，“城市创新能力”为被解释变量，回归结果如表7所示。可以发现，在东部和中西部地区，“双一流”建设政策对城市创新能力的影响均存在以“资本投入水平”为门槛变量的双重门槛效应，研究假设H3.1通过检验。具体的门槛估计值与置信区间分别如表8的第（1）列和第（2）列所示。可以发现，东部地区的门槛值分别为0.1028和0.1463，中西部地区的门槛值分别为0.0970和0.1189。

通过表9的第（1）列和第（2）列可以发现，就东部地区而言，当ZBTRSP＜0.1028时，“双一流”建设政策对城市创新能力的影响系数显著为正；当0.1028≤ZBTRSP＜0.1463时，“双一流”建设政策对城市创新能力的影响系数显著为正，且相较于第一门槛区间影响系数更大；当ZBTRSP≥0.1463时，“双一流”建设政策对城市创新能力的影响系数显著为正，且相较于第二门槛区间影响系数更大，呈现边际效应递增特征。这可能是由于东部地区的经济发展水平较高、创新生态系统相对完善；同时东部地区的建设高校不仅得到中央和地方配套政策和充足资金的支持，也能吸纳更多社会资本[40]，为科技创新活动的开展提供了良好的环境，因而能够显著提升城市的创新能力。

就中西部地区而言，当ZBTRSP＜0.0970时，“双一流”建设政策对城市创新能力的影响系数显著为正；当0.0970≤ZBTRSP＜0.1189时，“双一流”建设政策对城市创新能力的影响系数显著为正，且相较于第一门槛区间影响系数更大；当资本投入水平值ZBTRSP≥0.1189时，“双一流”建设政策对城市创新能力的影响系数虽然显著为正，但有所下降。这可能是由于中西部地区尚有较大的发展空间，处于规模报酬递增阶段[41]；同时，中西部地区高校依托“双一流”建设政策，不断完善创新生态环境，以促进“双一流”建设政策创新效应的可持续发展。根据教育部公布的数据，“十三五”期间，中西部省部共建高校经费大幅增长，总计超500亿元，首批“双一流”建设高校重点共建带动中西部各地政府投入建设资金超190亿元[42]。而随着资本投入水平不断提高，体制机制不健全等因素可能导致投入资金并不能得到合理配置和有效利用，存在使用结构不合理、资金错配等问题，从而制约了技术进步和知识创新[43]。同时，资金投入结构不合理也可能导致资源配置效率下降，从而制约技术进步和生产效率的提高。已有研究表明，目前西部建设高校经费来源范围有限、构成单一，过度依赖财政资金[44]，而研发投入结构不合理会导致组织无法合理配置资源，从而制约技术进步和生产效率的提高[45]。

2.人力资本集聚水平的门槛异质性回归结果

为了探讨以“人力资本集聚水平”为门槛变量时，“双一流”建设政策对建设高校所在城市的创新能力区域异质性影响，本研究也将总样本划分为东部和中西部两大子样本分别进行回归。具体来看，以“城市人力资本集聚水平”为门槛变量，“‘双一流’建设政策虚拟变量”为解释变量，“城市创新能力”为被解释变量，回归结果如表7的后六行所示。可以发现，在东部和中西部地区，“双一流”建设政策对城市创新能力的影响分别存在以“人力资本集聚水平”为门槛变量的单一门槛效应和双重门槛效应，研究假设H3.2通过检验。具体的门槛估计值与置信区间分别如表8的第（3）列和第（4）列所示。可以发现，东部地区的门槛值为0.4467，中西部地区的门槛值分别为0.3887和1.0153。

通过表9的第（3）和第（4）列可以发现，就东部地区而言，当RLZBJJ＜0.4467时，“双一流”建设政策对城市创新能力的影响系数显著为正；当RLZBJJ≥0.4467时，“双一流”建设政策对城市创新能力的影响系数虽然显著为正，但大幅下降。可见，当人力资本集聚水平较低时，能最大限度发挥“双一流”建设政策的城市创新效应；而随着人力资本集聚水平达到门槛值后，其对城市创新能力的影响也趋于高峰，此时，若继续推动人力资本集聚会弱化城市创新能力的提升效果。这可能是由于东部地区的“双一流”建设高校数量较多，人力资本水平较高，能够通过竞争协作和学习效应等促进知识溢出[4]79-86；同时，东部地区的“双一流”建设高校因其充足的办学资金和高端的科研平台吸引国内外高端人才，形成高层次人才集聚[46]。但随着人力资本集聚水平的不断提升最终可能会产生“拥挤效应”，从而不利于城市创新能力提升[47]63-89。

就中西部地区而言，当RLZBJJ＜0.3887时，“双一流”建设政策对城市创新能力的影响系数虽然为正，但不显著；当0.3887≤RLZBJJ＜1.0153时，“双一流”建设政策对城市创新能力的影响系数显著为正；当RLZBJJ≥1.0153时，“双一流”建设政策对城市创新能力的影响系数虽然显著为正，但有所下降，该研究结论与全国层面的门槛检验结果基本一致。这可能是由于中西部高校高层次人才“孔雀东南飞”现象给其带来了巨大冲击[48]，同时，中西部高校高层次人才引进困难[49]导致科技创新要素难以充分集聚，从而使“双一流”建设政策的城市创新效应不显著。而人力资本集聚水平不断提升，将给西部地区的创新发展提供强劲动力。人力资本集聚会带来技术流动，影响自主创新能力[50]，但随着人力资本集聚水平不断提升，中西部地区的人力资本结构可能并未进行相应的调整导致其与产业结构不匹配，从而不利于城市创新能力提升[47]63-89。只有当人力资本结构与产业结构相匹配时，才能有效促进创新[51]。

六、结论与启示

本研究面向国家“双一流”建设成效评价需求，从城市层面，基于非线性关系视角，构建双重差分模型和门槛效应模型实证检验了“双一流”建设政策对城市创新能力的影响及其门槛效应。主要结论如下：

第一，“双一流”建设政策的实施显著促进了建设高校所在城市的创新能力提升。具体来看，与“双一流”建设政策实施前处理组的均值相比，建设高校所在城市的创新能力提高了45.73%。这表明，在“双一流”建设政策的支持和引导下，建设高校积极融入区域创新体系，通过知识生产、整合、传播与应用等产学活动形成创新共同体和技术联盟，进而催化区域创新。该研究结论从城市层面深化了已有研究中关于“双一流”建设政策与创新发展的认知，即“双一流”建设政策具有城市创新效应。

第二，资本投入水平和人力资本集聚水平对“双一流”建设政策促进建设高校所在城市的创新能力提升有门槛效应。其中，资本投入水平对“双一流”建设政策城市创新效应的发挥呈现边际效应递增特征；而人力资本集聚水平对“双一流”建设政策城市创新效应的发挥存在最优区间[0.3370，0.4467]，低于区间下限或高于区间上限时都不能实现“双一流”建设政策城市创新效应的最大化。该研究结论从资源配置和生产要素集聚视角出发，明晰了资本投入水平和人力资本集聚水平的边界条件，为政府部门和高校管理者及时调整和优化资本投入方向和结构、合理布局人才资源提供实证支撑。

第三，资本投入水平和人力资本集聚水平对“双一流”建设政策促进建设高校所在城市的创新能力提升的门槛效应存在显著的地区差异。其中，东部地区和中西部地区的资本投入水平以及中西部地区的人力资本集聚水平，对“双一流”建设政策城市创新效应的发挥存在双重门槛效应；东部地区的人力资本集聚水平对“双一流”建设政策城市创新效应的发挥存在单一门槛效应。该研究结论从城市特质出发，明晰了不同地理区位资本投入水平和人力资本集聚水平的边界条件，为政策制定者和高校管理者根据地域特性，制定差异化的策略提供有益参考。

上述研究结论对高校管理决策有重要启示意义，本研究基于这些结论提出以下几点启示：

第一，加强产学研协同创新，完善动态调整和竞争机制。“双一流”建设政策的信号效应与倒逼效应是促使“双一流”建设政策城市创新效应得以充分发挥的关键。一方面，政府管理部门应通过向“双一流”建设高校投入资金的方式，向外界创新主体传递积极信号，吸引国内外高层次人才、企业、科研院所等创新主体积极与建设高校开展协同创新，推动科技成果转化。“双一流”建设高校也应主动走出“象牙塔”，积极融入区域创新体系，通过知识生产、整合、传播与应用等产学活动催化区域创新。另一方面，教育管理部门应进一步完善“有进有出”的动态调整机制和优胜劣汰的市场竞争机制，以优化资源配置，倒逼“双一流”建设高校积极融入区域创新体系，提升高校服务区域经济社会创新发展的能力。“双一流”建设高校也应明确发展目标，制定科学规划，合理配置创新资源，实现高等教育的高质量发展。

第二，优化经费投入和保障机制，加大基础研究支持力度。资本投入虽然“多多益善”，但也受投入结构与使用效率的影响，只有经费投入结构与经费管理使用合理才能有效发挥资源优势。一方面，政府管理部门应不断优化“双一流”建设经费投入的数量与结构，在保持政府投入力度和支出强度的同时，也应引导和鼓励社会力量参与投入。“双一流”建设高校也应持续完善多元筹资机制，拓展资金来源渠道，吸引更多的社会资金投入。另一方面，政府管理部门应持续完善“双一流”建设经费对基础研究的保障机制，以促进原创性成果的形成。“双一流”建设高校也应加大基础研究资金投入，鼓励原始创新。例如，可以通过设立专项资金重点支持基础研究，引领原创性成果重大突破。此外，政府管理部门和相关高校应建立健全“双一流”建设经费的监督管理机制，保障资金的有效利用。

第三，建立健全人才合理有序流动机制，促使人才结构与产业结构相匹配。人力资本集聚水平并非越高越好，只有合理配置人力资本才能有效发挥资源优势，否则“过犹不及”，产生拥挤效应，不利于创新水平的提升。一方面，政府管理部门应建立健全人才合理流动的宏观统筹机制，积极引导高校间、区域间高层次人才的合理有序流动。就高校间的人才流动而言，政府管理部门应通过实施统筹教师薪酬待遇、完善人才流动法规、建立人才培养使用评价激励扶持的长效机制等措施，规范并促进高校高层次人才的合理有序流动。就区域间的人才流动而言，政府管理部门应加大对中西部高校的资源倾斜力度，从平台建设和编制管理等方面为中西部高校的人才培养提供支持。同时，需进一步完善中西部高校的人才引进、使用、培育和留住机制以促进区域间高层次人才的合理有序流动。另一方面，政府管理部门应通过制定和调整人才政策和产业政策，提升人才结构与产业结构的匹配度。

参考文献

[1] 教育部，财政部，国家发展改革委.“双一流”建设成效评价办法（试行）[EB/OL].（2020-12-30）[2024-07-14].http：//www.moe.gov.cn/srcsite/A22/moe_843/202103/t20210323_521951.html.

[2] 教育部，财政部，国家发展改革委.关于深入推进世界一流大学和一流学科建设的若干意见[EB/OL].（2022-01-26）[2024-07-14].http：//www.moe.gov.cn/srcsite/A22/s7065/202202/t20220211_598706.html.

[3] 鲍威，吴嘉琦.政府治理视阈下高等教育空间布局对创新经济的驱动效应[J].北京大学教育评论，2023（3）：125-148，191.

[4] 郭丛斌，邱世琛.研究生博硕比对区域创新的影响：兼论我国博士研究生的适度规模[J].中国高教研究，2023（12）.

[5] 俞立平，戴化勇，段云龙.单项科研项目经费资助强度越大越好吗？：以人文社科项目为例[J].科研管理，2022（11）：163-171.

[6] 马浚锋，罗志敏.我国世界一流大学建设政策的成效研究：基于双重差分模型的经验证据[J].高校教育管理，2022（2）.

[7] 朱恬恬，杨菲，张跃军.“双一流”建设政策下高校科技资源配置水平及其地区差异研究[J].大学教育科学，2022（3）：70-82.

[8] 赵公民，吕京芹，王仰东，等.互联网背景下“双一流”高校科技成果转化效率研究[J].软科学，2021（8）：45-50.

[9] 邱均平，孟炎镕.“双一流”高校科研成果质量研究：基于K-Means聚类和Logistic回归分析[J].图书馆理论与实践，2021（5）：9-15.

[10] 徐孝民，王劲.我国世界一流大学建设与教育经费配置效率：基于双重差分模型的实证[J].华中师范大学学报（人文社会科学版），2023（4）：71-80.

[11] 教育部，财政部，国家发展改革委.统筹推进世界一流大学和一流学科建设实施办法（暂行）[EB/OL].（2017-01-24）[2024-07-14].http：//www.moe.gov.cn/srcsite/A22/moe_843/201701/t20170125_295701.html.

[12] Spence M.Competitive and Optimal Responses to Signals：An Analysis of Efficiency and Distribution[J].Journal of Economic Theory，1974，7（3）：296-332.

[13] Romer P M.Endogenous Technological Change[J].Journal of Political Economy，1990（5）：71-102.

[14] Zahra S A，George G.Absorptive Capacity：A Review，Reconceptualization，and Extension[J].Academy of Management Review，2002（2）：185-203.

[15] Williamson J G.Regional Inequality and the Process of National Development：A Description of the Patterns[J].Economic Development and Cultural Change，1965（4）：1-84.

[16] Bertrand M，Mullainathan S.Enjoying the QuietLife？Corporate Governance and Managerial Preferences[J].Journal of Political Economy，2003（5）：1043-1075.

[17] Hansen B E.Threshold Effects in Non-dynamic Panels：Estimation，Testing，and Inference[J].Journal of Econometrics，1999（2）：345-368.

[18] 蒋天颖.我国区域创新差异时空格局演化及其影响因素分析[J].经济地理，2013（6）：22-29.

[19] Acs Z J，Anselin L，Varga A.Patents and Innovation Counts as Measures of Regional Production of New Knowledge[J].Research Policy，2002（7）：1069-1085.

[20] Liegsalz J，Wagner S.Patent Examination at the State Intellectual Property Office in China[J].Research Policy，2013（2）：552-563.

[21] 教育部，财政部，国家发展改革委.关于公布世界一流大学和一流学科建设高校及建设学科名单的通知[EB/OL].（2017-09-20）[2024-07-14].http：//www.moe.gov.cn/srcsite/A22/moe_843/201709/t20170921_314942.html.

[22] 马迎贤.资源依赖理论的发展和贡献评析[J].甘肃社会科学，2005（1）：116-119，130.

[23] 郭秋平.大学办学定位分析：资源依赖的视角[J].教育发展研究，2013（1）：18-21.

[24] He G J，Pan Y H，Park A，et al.Reducing Single-Use Cutlery with Green Nudges：Evidence from China’s Food-delivery Industry[J].Science，2023 （6662）：eadd9884.

[25] 蔡文伯，刘俊丽.“双一流”大学建设对区域创新效率的政策效应：基于准实验与双重差分模型的计量检验[J].现代教育论丛，2022 （5）：81-92，111-112.

[26] 王凡，陈贝贝.“双一流”建设视阈下的高校人才集聚路径研究[J].江苏高教，2018（8）：21-24.

[27] 邵玲芝，朱军文.基于典型案例的“双一流”建设高校科技成果转化特征与问题分析[J].教育发展研究，2023（17）：18-24.

[28] 杜瑛.我国“双一流”建设实施绩效评价面临的困境与行动路径[J].教育发展研究，2020（3）：22-28.

[29] Gentzkow M.Television and Voter Turnout[J].The Quarterly Journal of Economics，2006（3）：931-972.

[30] Beck T，Levine R，Levkov A.Big Bad Banks？The Winners and Losers from Bank Deregulation in the United States[J].The Journal of Finance，2010（5）： 1637-1667.

[31] 李立国，张海生.“双一流”学科建设与社会需求的反差现象及评价的逻辑转向[J].大学教育科学，2022（1）：12-18.

[32] 钟秉林.“双一流”建设成效评价的价值、方向与反思[J].河北师范大学学报（教育科学版），2022（2）：17-21.

[33] 刘永林，张敏，刘泽政.“双一流”建设背景下高校原始创新能力的提升路径[J].科学管理研究，2020（5）：45-49.

[34] 崔海丽.“双一流”建设中的地方政府竞争行为分析[J].江苏高教，2018（6）：17-22，87.

[35] 孙文杰，沈坤荣.人力资本积累与中国制造业技术创新效率的差异性[J].中国工业经济，2009（3）：81-91.

[36] 李红伟.中国城镇居民家庭教育消费实证研究[J].教育与经济，2000（4）：1-7.

[37] Glaeser E L.Learning in Cities[J].Journal of Urban Economics，1999（2）：254-277.

[38] 刘强，赵祥辉.“双一流”建设背景下高校人才流动失序及其有效治理[J].当代教育论坛，2019（3）：40-49.

[39] 查道林，陈思，杨茜.“双一流”建设高校科研效率及影响因素实证研究：基于超效率SBM-Malmquist-Tobit模型[J].教育与经济，2022（3）：9-16.

[40] 柯亮，姚聪莉.“双一流”建设高校科技创新效率及时空分布特征研究[J].自然辩证法通讯，2021（5）：102-110.

[41] 黄东兵，王灵均，袁剑锋.基于DEA-Malmquist模型的中国高校科研效率时空格局分析[J].黑龙江高教研究，2021（11）：73-79.

[42] 教育部.“十三五”期间中西部省部共建高校经费超500亿元[EB/OL].（2021-12-27）[2024-07-14].http：//www.moe.gov.cn/fbh/live/2021/53921/mtbd/202112/t20211228_590946.html.

[43] 蔡群青，袁振国，贺文凯.西部高等教育全面振兴的现实困境、逻辑要义与破解理路[J].大学教育科学，2021（1）：26-35.

[44] 鲁世林，郑围尹，朱亚涛.“一带一路”倡议下西部高校“双一流”建设战略转型研究[J].研究生教育研究，2020（3）：66-72.

[45] 钱学锋，王菊蓉，黄云湖，等.出口与中国工业企业的生产率：自我选择效应还是出口学习效应？[J].数量经济技术经济研究，2011（2）：37-51.

[46] 潘兴侠，徐媛媛，赵烨.我国高等教育发展区域差异、空间效应及影响因素[J].教育学术月刊，2020（11）：9-18.

[47] 黄金玲.人力资本空间集聚与城市创新[J].教育经济评论，2021（3）.

[48] 卢彩晨，廖霞.我国“双一流”建设高校扩张模式与区域走向研究：基于区域经济发展的视角[J].中国高教研究，2020（12）：34-40.

[49] 卿素兰.中西部高校教师流动的现状考察与对策建议：基于中西部“一省一校”重点建设大学的分析[J].西南大学学报（社会科学版），2021（6）：93-100.

[50] 黄容霞，魏萍，潘孝珍.高等教育人力资本集聚对技术创新的空间效应：以湖北省地级市为例的实证分析[J].中国高教研究，2021（1）：70-76，95.

[51] 刘智勇，李海峥，胡永远，等.人力资本结构高级化与经济增长：兼论东中西部地区差距的形成和缩小[J].经济研究，2018（3）：50-63.

The Impact of the Double First-class Policy on the City Innovation Ability and its Threshold Effect

ZHU Tiantian CHU Qiuyu

Abstract： Serving the national regional development strategy and leading regional economic and social innovative development are the important goals of the double first-class （DFC） Policy in China and also an essential aspect of its performance evaluation. Therefore， based on the resource dependence theory and the panel data of 283 cities in China from 2012 to 2020， this paper develops the difference-in-differences model and threshold effect model to empirically investigate the complex impact mechanisms of the DFC Policy on the city innovation ability. The results indicate that： first， the DFC Policy has significantly promoted the innovation ability of the city where the Chinese DFC construction universities are located. Second， the capital investment level and human capital agglomeration level have threshold effects on the DFC Policy to promote city innovation ability， which can maximize the urban innovation effect of the DFC Policy within the optimal interval. In addition， the threshold effects of capital investment level and human capital agglomeration level on the DFC Policy to promote city innovation ability vary significantly by region. Therefore， relevant departments should strengthen industry-university-research cooperative innovation， and urgently improve the dynamic adjustment and competition mechanism to ensure the DFC Policy's effectiveness; optimize the funding investment and guarantee mechanism， and enhance the support of basic research; establish and improve the mechanism for the reasonable and orderly flow of talents， and promote the matching of the structure of talents with the structure of industries.

Key words： double first-class policy; city innovation ability; difference-in-differences model; threshold effect; performance evaluation

（责任编辑 陈剑光）