陳 強(qiáng)，王丹丹

（同濟(jì)大學(xué)經(jīng)濟(jì)與管理學(xué)院，上海 200092）

波特提出了“國家競爭優(yōu)勢四因素論”，認(rèn)為國家經(jīng)濟(jì)發(fā)展經(jīng)歷生產(chǎn)要素驅(qū)動、投資驅(qū)動、創(chuàng)新驅(qū)動及財富驅(qū)動4個階段［1］。在當(dāng)前發(fā)展背景下，依賴于生產(chǎn)要素驅(qū)動和投資驅(qū)動的發(fā)展模式已經(jīng)不再是主流。各國為推動自身經(jīng)濟(jì)社會發(fā)展、爭取新時代競爭的制高點(diǎn)，已然開始了以“創(chuàng)新”為主要支撐點(diǎn)的競爭。

熊彼特于1912年在其著作《經(jīng)濟(jì)發(fā)展理論》中首次提出創(chuàng)新理論［2］，正是由于創(chuàng)新被不斷引入經(jīng)濟(jì)體系，經(jīng)濟(jì)才得以持續(xù)發(fā)展，否則經(jīng)濟(jì)體系就是靜態(tài)的，缺乏持續(xù)發(fā)展動力。區(qū)域創(chuàng)新系統(tǒng)概念正式出現(xiàn)于20世紀(jì)90年代，但目前關(guān)于區(qū)域創(chuàng)新系統(tǒng)尚未形成較為一致的定義。Cook是區(qū)域創(chuàng)新系統(tǒng)概念最早的提出者，認(rèn)為區(qū)域創(chuàng)新系統(tǒng)是在一定地理空間內(nèi)，由企業(yè)、高校、研發(fā)機(jī)構(gòu)等組織構(gòu)成的組織體系［3］。Erkko［4］從系統(tǒng)角度解讀，認(rèn)為“知識應(yīng)用和利用子系統(tǒng)”與“知識產(chǎn)生和擴(kuò)散子系統(tǒng)”作為2個子系統(tǒng)構(gòu)成了區(qū)域創(chuàng)新系統(tǒng)。

區(qū)域創(chuàng)新產(chǎn)出是區(qū)域創(chuàng)新系統(tǒng)的最終結(jié)果，是區(qū)域創(chuàng)新能力的直接體現(xiàn)。在對區(qū)域創(chuàng)新產(chǎn)出進(jìn)行研究時，大多數(shù)學(xué)者采用專利數(shù)進(jìn)行量化。柳卸林等［5］在研究研發(fā)投入對創(chuàng)新產(chǎn)出的影響時采用企業(yè)專利申請數(shù)衡量區(qū)域創(chuàng)新產(chǎn)出。吳玉鳴［6］在研究北京區(qū)域創(chuàng)新影響因素時采用各省專利授權(quán)數(shù)反映各地的創(chuàng)新產(chǎn)出。還有諸多學(xué)者也采取專利相關(guān)的數(shù)據(jù)衡量區(qū)域創(chuàng)新產(chǎn)出［7-8］。在實(shí)證分析中，基于數(shù)據(jù)要求，專利數(shù)是被最為廣泛采用的指標(biāo)。然而，鑒于創(chuàng)新活動主體的多樣性，構(gòu)建量化指標(biāo)體系能夠更好地解釋區(qū)域創(chuàng)新產(chǎn)出。

創(chuàng)新產(chǎn)出相關(guān)的實(shí)證研究早期多集中于時間序列數(shù)據(jù)上，空間位置差異性并沒有被關(guān)注。隨著空間經(jīng)濟(jì)學(xué)在一些領(lǐng)域的發(fā)展以及空間計量方法的成熟，創(chuàng)新產(chǎn)出在空間方面的研究也逐步發(fā)展起來。焦敬娟等［9］對我國各省級行政區(qū)創(chuàng)新產(chǎn)出的空間演化特征進(jìn)行探討，發(fā)現(xiàn)我國的創(chuàng)新能力確有提升，但區(qū)域間存在差距。蔣天穎等［10］以浙江省為例，利用引力模型研究創(chuàng)新產(chǎn)出的空間聯(lián)系。關(guān)于區(qū)域創(chuàng)新產(chǎn)出的影響因素，國內(nèi)外學(xué)者也進(jìn)行了相關(guān)研究，包括研發(fā)投入、區(qū)域環(huán)境等［11-12］。還有學(xué)者從知識流動的角度研究知識資本對于區(qū)域創(chuàng)新的影響［13-15］。葛雅青［8］基于空間視角對中國人才的聚集以及人才對區(qū)域創(chuàng)新的影響進(jìn)行了研究。秦放鳴等［16］則采用空間計量的方式研究金融聚集對區(qū)域創(chuàng)新的影響。熊雯婕等［17］和周經(jīng)等［18］從空間角度分析企業(yè)創(chuàng)新的影響因素、創(chuàng)新環(huán)境對區(qū)域創(chuàng)新的影響等。

關(guān)于創(chuàng)新產(chǎn)出的影響因素，多在時間序列上進(jìn)行了實(shí)證研究，在空間上的實(shí)證研究多集中于單一因素?；趨^(qū)域創(chuàng)新產(chǎn)出的空間特征進(jìn)行影響因素研究能夠更加直觀地看到區(qū)域?qū)σ蛩氐拿舾卸?，更有利于各區(qū)域采取對自身更有價值的措施。

我國整體創(chuàng)新能力近年來有了大幅提升，但各省級行政區(qū)的創(chuàng)新發(fā)展處于不平衡狀態(tài)。總體上，區(qū)域間的發(fā)展協(xié)調(diào)性有待提升。通過構(gòu)建區(qū)域創(chuàng)新產(chǎn)出量化體系，評估各省級行政區(qū)的創(chuàng)新產(chǎn)出能力，并進(jìn)一步分析創(chuàng)新產(chǎn)出的空間特征，探索各省級行政區(qū)創(chuàng)新產(chǎn)出的影響因素。

1 區(qū)域創(chuàng)新產(chǎn)出的空間異質(zhì)性評價

1.1 數(shù)據(jù)來源

以我國大陸地區(qū)30個省級行政區(qū)（西藏自治區(qū)數(shù)據(jù)缺失較多，故不納入研究范圍；下文中的我國指我國大陸地區(qū)）為研究對象，對2014年—2019年的數(shù)據(jù)進(jìn)行分析。所有數(shù)據(jù)均來源于《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》、國家統(tǒng)計局以及各省級行政區(qū)的統(tǒng)計廳。在構(gòu)建區(qū)域創(chuàng)新產(chǎn)出量化指標(biāo)體系的基礎(chǔ)上，利用主成分分析法對各省級行政區(qū)的創(chuàng)新產(chǎn)出打分，然后進(jìn)行實(shí)證分析。

1.2 指標(biāo)選取

在創(chuàng)新產(chǎn)出的相關(guān)研究中，發(fā)明專利數(shù)是最為廣泛采用的指標(biāo)，然而單一指標(biāo)難以全面量化創(chuàng)新產(chǎn)出。為彌補(bǔ)單一指標(biāo)的缺陷，從創(chuàng)新主體的角度補(bǔ)充相關(guān)指標(biāo)。創(chuàng)新主體主要分為高等院校、研究機(jī)構(gòu)和企業(yè)三大類。高等院校和研發(fā)機(jī)構(gòu)的創(chuàng)新產(chǎn)出有很大一部分是知識產(chǎn)出，偏向于基礎(chǔ)研究成果，更多以論文、報告等形式展現(xiàn)，僅僅依賴于專利類指標(biāo)無法完整體現(xiàn)這類主體的創(chuàng)新產(chǎn)出，因此增加論文相關(guān)指標(biāo)。企業(yè)是商業(yè)主體，擁有更多的商業(yè)敏感度，其創(chuàng)新活動以消費(fèi)者為中心，最終結(jié)果是向市場推出新產(chǎn)品，因而增加新產(chǎn)品數(shù)量和銷售額指標(biāo)，以更加全面地體現(xiàn)企業(yè)創(chuàng)新產(chǎn)出成果。從論文、專利、新產(chǎn)品3個層面構(gòu)建了區(qū)域創(chuàng)新產(chǎn)出量化指標(biāo)體系，指標(biāo)選取遵循科學(xué)性、可操作性與導(dǎo)行性原則。具體指標(biāo)如表1所示。

表1 區(qū)域創(chuàng)新產(chǎn)出量化指標(biāo)Tab.1 Quantitative indicators of regional innovation output

1.3 主成分分析

利 用SPSS（statistical product and service solution）軟件進(jìn)行數(shù)據(jù)分析時，軟件會默認(rèn)對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理以消除數(shù)據(jù)量綱的影響。進(jìn)行主成分分析時，首先要進(jìn)行KMO（Kaiser-Meyer-Olkin）和Bartlett檢驗以確定樣本數(shù)據(jù)是否適合該方法。一般而言，KMO檢驗值越接近1，說明樣本數(shù)據(jù)越適合進(jìn)行主成分分析，Bartlett檢驗的顯著性小于0.05就認(rèn)為數(shù)據(jù)可以進(jìn)行主成分分析。主成分分析結(jié)果顯示，KMO檢驗值為0.71，Bartlett檢驗的顯著性為0，因此樣本數(shù)據(jù)適合進(jìn)行主成分分析。如表2所示，經(jīng)過數(shù)據(jù)處理，最終提取的2個主成分方差解釋度達(dá)到了86.634%，整體解釋效果良好。

表2 2019年區(qū)域創(chuàng)新產(chǎn)出主成分分析的解釋的總方差Tab.2 Total variance explained by principal component analysis of regional innovation output in 2019

基于以上結(jié)果，得到2個主成分F1和F2的表達(dá)式，如下所示：

對2014年―2018年的數(shù)據(jù)同樣進(jìn)行KMO和Bartlett檢驗，結(jié)果均顯示數(shù)據(jù)適合主成分分析，方差解釋度分別達(dá)到了86.600%、95.100%、94.600%、94.500%、94.300%，整體解釋效果良好。根據(jù)分析結(jié)果，計算2014年―2019年30個省級行政區(qū)的創(chuàng)新產(chǎn)出得分，如表3所示。從表3可以看出，我國30個省級行政區(qū)的創(chuàng)新產(chǎn)出得分差距明顯。

表3 2014年―2019年30個省級行政區(qū)創(chuàng)新產(chǎn)出得分Tab.3 Innovation output scores of 30 provincial adminstrative region from 2014 to 2019

2 區(qū)域創(chuàng)新產(chǎn)出的空間自相關(guān)分析

基于30個省級行政區(qū)的創(chuàng)新產(chǎn)出得分，分析我國創(chuàng)新產(chǎn)出的空間特征。采用全局和局部Moran’sI指數(shù)對各省級行政區(qū)創(chuàng)新產(chǎn)出得分進(jìn)行分析，探索我國各省級行政區(qū)創(chuàng)新產(chǎn)出的空間特征。

首先計算全局Moran’sI指數(shù)，探索各省級行政區(qū)的創(chuàng)新產(chǎn)出是否存在空間相關(guān)性，并根據(jù)結(jié)果分析相關(guān)程度。全局Moran’sI指數(shù)的計算式如下所示：

式中：n為研究要素總數(shù)；yi、yj為省級行政區(qū)i、j的創(chuàng)新產(chǎn)出得分；yˉ為創(chuàng)新產(chǎn)出得分均值；wij為省級行政區(qū)i、j之間的空間權(quán)重?？臻g權(quán)重矩陣的構(gòu)建采用了基于Rook一階相鄰規(guī)則的矩陣形式，如下所示：

I取值為正時，表示屬性相似的要素聚集在一起，反之，則是屬性不同的要素聚集在一起。

全局Moran’sI指數(shù)能夠在整體上確定全國30個省級行政區(qū)的創(chuàng)新產(chǎn)出是否存在空間相關(guān)性，但無法解釋局部具體是如何相關(guān)的，而局部Moran’sI指數(shù)能夠進(jìn)一步解釋局部是如何聚集的。局部Moran’sI指數(shù)計算式如下所示：

由全局Moran’sI指數(shù)的計算及分析（見表4）可知，2014年—2109年我國30個省級行政區(qū)創(chuàng)新產(chǎn)出全 局Moran’sI指 數(shù) 均 在0.15～0.20內(nèi) 浮 動。Moran’sI結(jié)果解釋規(guī)則表明，我國30個省級行政區(qū)創(chuàng)新產(chǎn)出具有顯著空間自相關(guān)性，即區(qū)域創(chuàng)新產(chǎn)出具有正相關(guān)關(guān)系，創(chuàng)新產(chǎn)出高的省級行政區(qū)相互聚集，創(chuàng)新產(chǎn)出低的省級行政區(qū)也相互靠攏。2014年—2019年，全局Moran’sI指數(shù)呈現(xiàn)先增大后減小的趨勢，表明我國各省級行政區(qū)的創(chuàng)新產(chǎn)出聚集有一個先增加有緩慢下降的過程，雖然存在波動，但是空間正相關(guān)的整體特征并沒有發(fā)生變化。

表4 全局Moran’s I指數(shù)分析結(jié)果Tab.4 Analysis results of global Moran’s I index

由全局Moran’sI指數(shù)結(jié)果證實(shí)了我國30個省級行政區(qū)的創(chuàng)新產(chǎn)出存在正相關(guān)關(guān)系，但是對于如何相關(guān)、哪些省級行政區(qū)相關(guān)沒有給出解釋。因此，需要進(jìn)一步進(jìn)行局部Moran’sI指數(shù)檢驗。

局部Moran’sI指數(shù)分析結(jié)果如表5所示。如果處在第一象限，就說明該省級行政區(qū)自身的創(chuàng)新產(chǎn)出較高并且處于一個高產(chǎn)出的環(huán)境中；如果處在第二象限，就說明該省級行政區(qū)自身的創(chuàng)新產(chǎn)出較低，但是身處高產(chǎn)出環(huán)境；如果處在第三象限，就表明該省級行政區(qū)創(chuàng)新產(chǎn)出低并且周圍省級行政區(qū)創(chuàng)新產(chǎn)出也低；如果處在第四象限，就表明該省級行政區(qū)自身的創(chuàng)新產(chǎn)出很高，但是周邊省級行政區(qū)的創(chuàng)新產(chǎn)出較低。

表5 局部Moran’s I指數(shù)分析結(jié)果Tab.5 Analysis results of partial Moran’s I index

上海、浙江、江蘇、山東4個省級行政區(qū)一直處于自身高產(chǎn)出且高產(chǎn)出環(huán)境的第一象限。上海、浙江、江蘇在地理空間上聚集成一個高產(chǎn)出區(qū)域，其影響力向周圍輻射，有效帶動周邊創(chuàng)新產(chǎn)出的提升。2014年后，安徽省就在此高產(chǎn)出區(qū)域輻射帶動下從第二象限躍升至第一象限。安徽省近年來針對區(qū)域創(chuàng)新出臺了多種政策和舉措，為區(qū)域創(chuàng)新發(fā)展提供基礎(chǔ)與保障。合肥市實(shí)施了人才引進(jìn)措施，從落戶、住房、醫(yī)療、子女教育多方面保障優(yōu)秀人才的工作和生活，致力于“引進(jìn)人才”“留住人才”；積極引進(jìn)先導(dǎo)性產(chǎn)業(yè)，從資金、政策、人才等層面支持企業(yè)入駐。安徽省政府注重與江浙滬地區(qū)的溝通交流，鼓勵與江浙滬相關(guān)企業(yè)、研發(fā)機(jī)構(gòu)的合作，推動雙方創(chuàng)新產(chǎn)業(yè)鏈的深度融合。因此，安徽省創(chuàng)新產(chǎn)出的提升是政策措施、區(qū)域治理、周圍環(huán)境等多因素作用的結(jié)果，江蘇、浙江、上海和山東這一創(chuàng)新“熱點(diǎn)”的輻射作用對安徽的創(chuàng)新產(chǎn)出產(chǎn)生了積極的影響。

北京、廣東、湖北3個省級行政區(qū)都具有自身創(chuàng)新發(fā)展優(yōu)勢。北京聚集大量頂尖高校、企業(yè)（中關(guān)村），這些資源為其創(chuàng)新發(fā)展奠定了良好的基礎(chǔ)；作為我國改革開放的先行者，廣東吸收了大量的外部資源，這也推動了其自身創(chuàng)新發(fā)展；湖北擁有眾多高校、研發(fā)機(jī)構(gòu)，獲得了創(chuàng)新發(fā)展的知識優(yōu)勢。因此，這3個省級行政區(qū)處于自身的創(chuàng)新產(chǎn)出較高、周邊省級行政區(qū)的創(chuàng)新產(chǎn)出較低的第四象限。促進(jìn)這些省級行政區(qū)與周邊區(qū)域的知識、人才、技術(shù)交流，發(fā)揮其積極的輻射帶動作用，能夠有力提升周邊低產(chǎn)出省級行政區(qū)的創(chuàng)新水平，進(jìn)而推動整個區(qū)域創(chuàng)新水平的提升。

天津、福建等省級行政區(qū)則是屬于身處高產(chǎn)出環(huán)境但自身的產(chǎn)出并不高的情況，這一類區(qū)域與2014年安徽的處境相似，將來可能受到周邊高產(chǎn)出省級行政區(qū)的輻射帶動作用，從而有效提升自身的創(chuàng)新產(chǎn)出。天津與北京空間距離近，隨著京津冀一體化的進(jìn)一步推進(jìn)，會有效增加兩者之間經(jīng)濟(jì)、文化、知識的交流；江西、福建的地理位置與安徽相似，與江浙滬毗鄰，能夠受到周邊環(huán)境的積極影響，從而提升自身的創(chuàng)新產(chǎn)出；廣西則更可能受廣東影響，在現(xiàn)有水平上提升創(chuàng)新產(chǎn)出；湖南與湖北臨近，加強(qiáng)兩省之間的交流能夠有力促進(jìn)湖南的創(chuàng)新產(chǎn)出。

在我國的西北地區(qū)和部分中部地區(qū)，部分省級行政區(qū)自身的創(chuàng)新產(chǎn)出不高，并且周邊缺乏高產(chǎn)出省級行政區(qū)帶動其發(fā)展，長期以來創(chuàng)新產(chǎn)出表現(xiàn)不佳。

3 我國區(qū)域創(chuàng)新產(chǎn)出的影響因素

傳統(tǒng)的最小二乘（OLS）模型關(guān)注“整體”“均值”，無法觀測因素在單個區(qū)域的影響系數(shù)。在區(qū)域創(chuàng)新產(chǎn)出差異較大并且存在明顯空間特征的前提下，采用地理加權(quán)回歸模型能夠更好地研究各因素在不同省級行政區(qū)的作用，從而能夠有針對性地提供建議。

3.1 變量選取

以第1節(jié)中主成分分析得到的各省級行政區(qū)創(chuàng)新產(chǎn)出得分為被解釋變量。研發(fā)投入、創(chuàng)新環(huán)境、外部交流3個區(qū)域創(chuàng)新產(chǎn)出的影響因素為解釋變量。解釋變量與被解釋變量如表6所示。

表6 解釋變量與被解釋變量Tab.6 Explanatory variables and explained variables

（1）研發(fā)投入

研發(fā)投入主要分為資金投入和人力投入兩大部分。通常采用R&D投入強(qiáng)度量化研發(fā)資金投入，R&D人員全時當(dāng)量則是被廣泛采用的人力資本投入的量化指標(biāo)。

（2）創(chuàng)新環(huán)境

主要從教育環(huán)境、金融環(huán)境、通信基礎(chǔ)和經(jīng)濟(jì)環(huán)境4個方面進(jìn)行研究，分別選取每十萬人中高校在校人數(shù)、金融機(jī)構(gòu)貸款余額、移動互聯(lián)網(wǎng)用戶數(shù)和人均產(chǎn)值4個變量進(jìn)行量化分析。

（3）外部交流

雖然區(qū)域是具有明顯邊界的，但是并不意味著區(qū)域是封閉，良好的外部交流能夠有效推動區(qū)域創(chuàng)新發(fā)展。外商投資是區(qū)域與外部交流的重要方式，外商投資的方式也呈現(xiàn)出多樣化，既包含資金注入，也包含在某一區(qū)域內(nèi)開辦公司等。這些互動交流會帶來知識、人才、資金的流動以及新的技術(shù)，為區(qū)域創(chuàng)新注入新的活力。

3.2 實(shí)證研究

采用地理加權(quán)回歸模型進(jìn)行實(shí)證研究。將空間地理位置嵌入模型，研究不同因素在不同地理位置對創(chuàng)新產(chǎn)出的影響，計算式如下所示：

式中：β0為常數(shù)項；(ui，vi)為第i個省級行政區(qū)的坐標(biāo)；p為解釋變量的個數(shù)；βk（ui，vi）為第i個省級行政區(qū)的第k個回歸參數(shù)，是地理位置的函數(shù)；Xik為第i個省級行政區(qū)的第k個解釋變量；εi為隨機(jī)誤差。利用Arcgis軟件完成我國30個省級行政區(qū)創(chuàng)新產(chǎn)出影響因素的地理回歸分析，結(jié)果如表7所示。

表7 30個省級行政區(qū)地理加權(quán)回歸實(shí)證結(jié)果Tab.7 Empirical results of GWR in 30 provincial adminstrative region

根據(jù)我國各省級行政區(qū)的地理位置、經(jīng)濟(jì)發(fā)展等情況，我國省級行政區(qū)大致分為東部地區(qū)（北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南）、中部地區(qū)（山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、廣西）和西部地區(qū)（重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆）。從實(shí)證結(jié)果可知，各因素在30個省級行政區(qū)對創(chuàng)新產(chǎn)出的影響既存在相似性又存在差異性。同一區(qū)域創(chuàng)新產(chǎn)出的影響存在相似性，不同區(qū)域創(chuàng)新產(chǎn)出的影響存在差異性，因此以區(qū)域為劃分進(jìn)行分析。實(shí)證結(jié)果表明，對于R&D投入強(qiáng)度，不同區(qū)域的影響系數(shù)明顯不同，對西部地區(qū)的影響更大，影響系數(shù)均值為4.850，而東部、中部地區(qū)的影響系數(shù)僅為2.942、3.056。這意味著在創(chuàng)新產(chǎn)出水平更高、研發(fā)投入更大的省級行政區(qū)，R&D投入強(qiáng)度在提升創(chuàng)新產(chǎn)出中發(fā)揮的作用已然有限，而在剛開始推動創(chuàng)新活動或者創(chuàng)新產(chǎn)出水平尚不高的區(qū)域?qū)?chuàng)新產(chǎn)出影響更大。然而，R&D人員全時當(dāng)量的影響系數(shù)則呈現(xiàn)出不同的變化規(guī)律，在東部、中部地區(qū)該因素的影響系數(shù)更大，說明對東部、中部地區(qū)創(chuàng)新產(chǎn)出的影響更大。因此，在創(chuàng)新產(chǎn)出更高的東部、中部地區(qū)，研發(fā)人才依舊是影響創(chuàng)新產(chǎn)出的關(guān)鍵因素，采取吸引人才的相關(guān)政策能夠顯著促進(jìn)創(chuàng)新水平的提升。

對于外商直接投資（FDI），我國大部分省級行政區(qū)的影響系數(shù)差距不大，基本穩(wěn)定在7.5左右，新疆、甘肅、青海、云南等西部省級行政區(qū)的影響系數(shù)偏低。相較于西部省級行政區(qū)，東部、中部省級行政區(qū)的創(chuàng)新產(chǎn)出水平更高，經(jīng)濟(jì)發(fā)展水平更高，基礎(chǔ)設(shè)施、投資環(huán)境等也存在一定的優(yōu)勢，因此能夠更大地發(fā)揮外資的作用。

每十萬人中高校在校人數(shù)回歸系數(shù)則出現(xiàn)了更大的差異，不僅體現(xiàn)在數(shù)值的大小上，還體現(xiàn)在對區(qū)域創(chuàng)新產(chǎn)出影響的正負(fù)關(guān)系上。東部地區(qū)由于更優(yōu)的地理位置和經(jīng)濟(jì)發(fā)展水平，區(qū)域內(nèi)的高校數(shù)量更多，因而具備更多高校人才資源。實(shí)證研究表明，該因素在東部地區(qū)對創(chuàng)新產(chǎn)出不再具有促進(jìn)作用，反而出現(xiàn)了抑制作用，但是在大多數(shù)西部地區(qū)，每十萬人中高校在校人數(shù)依然具有正向的促進(jìn)作用。移動互聯(lián)網(wǎng)用戶數(shù)的影響系數(shù)呈現(xiàn)出相似的規(guī)律。金融機(jī)構(gòu)貸款余額和技術(shù)市場成交額對創(chuàng)新產(chǎn)出有明顯的促進(jìn)作用，但是在區(qū)域間的差異不大。

4 結(jié)論與建議

（1）加強(qiáng)省級行政區(qū)間的溝通交流，發(fā)揮創(chuàng)新高產(chǎn)出省級行政區(qū)的輻射作用。我國各省級行政區(qū)總體上呈現(xiàn)出“東高西低”的空間特征?？臻g特征具體表現(xiàn)為空間正相關(guān)，并且在東部沿海地區(qū)，尤其是長三角一帶形成了明顯的高產(chǎn)出聚集。高產(chǎn)出聚集區(qū)域?qū)χ車〖壭姓^(qū)產(chǎn)生正面輻射作用，帶動周邊區(qū)域創(chuàng)新發(fā)展。因此，對于高產(chǎn)出區(qū)域，要加強(qiáng)與周邊區(qū)域的互動交流，通過有效的交流聯(lián)系帶動低產(chǎn)出區(qū)域的創(chuàng)新發(fā)展。在中部、西部地區(qū)，由于存在大量創(chuàng)新產(chǎn)出較低的區(qū)域，因此可以從培育某一個或者某一些創(chuàng)新點(diǎn)開始，后續(xù)發(fā)揮創(chuàng)新點(diǎn)的輻射作用，進(jìn)而帶動周邊低產(chǎn)出區(qū)域的創(chuàng)新發(fā)展。

（2）資源合理配置。對我國30個省級行政區(qū)創(chuàng)新產(chǎn)出影響因素的研究表明，R&D投入強(qiáng)度、R&D人員全時當(dāng)量、每十萬人中高校在校人數(shù)和移動互聯(lián)網(wǎng)用戶數(shù)的影響系數(shù)在區(qū)域間呈現(xiàn)出一定差異。在東部、中部地區(qū)，R&D人員全時當(dāng)量的影響程度比西部地區(qū)的更大，因此東部地區(qū)采取行之有效的人才吸引措施對創(chuàng)新產(chǎn)出有顯著促進(jìn)作用的。然而，R&D投入強(qiáng)度這一指標(biāo)在西部地區(qū)的影響更大，加強(qiáng)西部地區(qū)的R&D投入強(qiáng)度能夠?qū)ξ鞑康貐^(qū)的創(chuàng)新產(chǎn)出有較大的提升作用，并且每十萬人中高校在校人數(shù)和移動互聯(lián)網(wǎng)用戶數(shù)在西部地區(qū)同樣有正向影響，改善西部地區(qū)的教育環(huán)境可為高等院校吸引更多的學(xué)生，完善互聯(lián)網(wǎng)設(shè)施等措施能夠有效推動該地區(qū)的創(chuàng)新發(fā)展。

作者貢獻(xiàn)聲明：

陳強(qiáng)：提出研究選題與模型，梳理研究思路，指導(dǎo)寫作。

王丹丹：模型構(gòu)建和計算，論文撰寫。