倪進峰，李 華

(1.蘭州大學經(jīng)濟學院，甘肅 蘭州 730000；2.銅陵學院會計學院，安徽 銅陵 244061)

1 引言與文獻回顧

歷經(jīng)30多年的高速增長，支撐中國經(jīng)濟 “量”上膨脹的紅利基礎逐漸消失，隨著新常態(tài)的到來，人們對經(jīng)濟發(fā)展在“質(zhì)”上飛躍產(chǎn)生了迫切需要。眾所周知，技術創(chuàng)新是提升經(jīng)濟發(fā)展質(zhì)量的重要保障，黨的十八大明確將科技創(chuàng)新擺在國家發(fā)展全局的核心位置，提出實施“創(chuàng)新驅動發(fā)展戰(zhàn)略”?？梢?，在今后推進創(chuàng)新驅動發(fā)展的進程中，準確把握決定創(chuàng)新能力的核心因素、科學認識各核心因素的內(nèi)在關聯(lián)，將十分關鍵。受Schumpeter[1]的影響，早期對創(chuàng)新問題的探討聚焦于企業(yè)或產(chǎn)業(yè)視角，將技術創(chuàng)新與產(chǎn)業(yè)的生命周期相聯(lián)系，強調(diào)技術創(chuàng)新主體——企業(yè)的興衰對創(chuàng)新產(chǎn)出狀況的決定性影響。后來，創(chuàng)新的地理集中現(xiàn)象引起關注，學者們一方面將空間和集聚要素納入創(chuàng)新活動的分析框架，另一方面，由于觀察到大量的專利等技術創(chuàng)新產(chǎn)品總是產(chǎn)出于城市化和大都市區(qū)域，區(qū)域科學學家逐漸將城市置于影響技術創(chuàng)新過程的中心位置，認為創(chuàng)新無法脫離城市而存在，城市是涵養(yǎng)創(chuàng)新活動、激發(fā)創(chuàng)新產(chǎn)出的容器[2]。

作為各種經(jīng)濟資源的匯集地，城市不僅為創(chuàng)新活動提供了有形的設施場所，更提供了無形的集聚效應。然而，城市間的技術創(chuàng)新能力卻存在顯著差異，以中國地級及以上城市為例，以每萬人專利申請數(shù)作為衡量標準，2015年創(chuàng)新能力前五位的城市分別是蘇州、無錫、北京、常州和紹興，它們創(chuàng)新能力的平均值是后五位城市：商丘、信陽、周口、綏化和臨滄創(chuàng)新能力平均值的109倍，其中最高的蘇州市，每萬人專利申請數(shù)是最低的臨滄市的202倍，233個城市創(chuàng)新能力的標準差達到24.33。是什么導致了城市間如此大的創(chuàng)新差別？最重要原因歸結于異質(zhì)的城市特征。在這些特征中，首先，城市的經(jīng)濟集聚度對技術創(chuàng)新具有重要影響，緊湊的空間距離和密集的社會關系網(wǎng)絡不僅方便人們進行知識交換和積累，也提高了人們之間的接觸頻次。知識交換和積累是創(chuàng)新的基礎[3]，更高的接觸頻次提高了創(chuàng)新的可能性，進而推動創(chuàng)新能力的增強。城市的經(jīng)濟集聚度越高，創(chuàng)新能力也就越強嗎？現(xiàn)有文獻在該問題上仍未形成一致觀點，Carlino等[4]利用美國城市數(shù)據(jù)，發(fā)現(xiàn)人均專利數(shù)與城市化部門的就業(yè)密度正相關，控制其他情況不變，一個城市就業(yè)密度是另一個城市的兩倍時，前者的人均專利數(shù)將比后者高出20%?；谥袊鞘袛?shù)據(jù)的經(jīng)驗研究中，郭潔等[5]的研究顯示，城市擁堵的存在使得集聚的邊際創(chuàng)新效應遞減，得到最大人均專利數(shù)量的最優(yōu)城市就業(yè)規(guī)模為30～50萬。高翔[6]分別采用人口規(guī)模和就業(yè)密度衡量城市經(jīng)濟集聚度，發(fā)現(xiàn)僅有前者對城市人均創(chuàng)新產(chǎn)出有顯著的促進作用。其次，空間既然是重要的，那么城市的空間特征對于其技術創(chuàng)新會有怎樣的影響？直接探討城市空間結構與技術創(chuàng)新能力關系的研究并不多見，在一些主旨相近的文獻里，Parr[7]認為城市內(nèi)部的多中心結構將伴隨較高的交通成本和較低的通勤效率，對信息的傳播和知識的交換不利。郭騰云和董冠鵬[8]利用數(shù)據(jù)包絡分析方法，結合 Malmquist模型與GIS分析工具，對中國特大城市的空間緊湊度與城市效率的相關關系進行了研究，得出的結論：隨著城市空間緊湊度的提高，技術進步得到明顯改善。

梳理已有研究發(fā)現(xiàn)，首先，由于在研究視角、樣本選擇、估計方法等方面的差異，文獻對城市經(jīng)濟集聚與技術創(chuàng)新關系的認識并不統(tǒng)一。那么，在中國的城市中，抑制創(chuàng)新的“擁擠效應”究竟是否存在？對這一疑問的深思也引申出一個爭論已久的話題，即在中國的城鎮(zhèn)化發(fā)展過程中，究竟是優(yōu)先發(fā)展大城市，還是應該推動中小城市占主導的發(fā)展模式？如果通過實證檢驗發(fā)現(xiàn)，集聚的創(chuàng)新效應是遞增的，那么至少從推動創(chuàng)新的角度來看，應支持優(yōu)先發(fā)展大城市，反之，如果集聚對創(chuàng)新的推動效應是遞減的或是存在拐點，那么應以中小城市發(fā)展為主導。其次，實證研究城市空間結構對技術創(chuàng)新影響的文獻十分缺乏。中國眾多城市在經(jīng)濟發(fā)展狀況、城市化水平等方面存在差異，反映在城市內(nèi)部，是人口分布和基礎設施布局的不同，最終在城市間形成有區(qū)別的空間結構。由此引發(fā)聯(lián)想，有區(qū)別的城市空間結構與分異的城市技術創(chuàng)新能力之間會有怎樣的聯(lián)系？相對集中還是分散的空間結構更有利于技術創(chuàng)新？最后，經(jīng)濟集聚與空間結構彼此相關，一方面，空間結構反映了經(jīng)濟集聚具體的空間組織形態(tài)，另一方面，集聚效應的發(fā)展變化也為空間結構的適時調(diào)整提出要求，不考慮空間結構去討論集聚的創(chuàng)新效應，可能會遺漏必要的空間內(nèi)涵。于是，經(jīng)濟集聚與空間結構之間，是否存在作用技術創(chuàng)新的交互關系？交互關系如果存在，方向如何？經(jīng)濟集聚與空間結構以怎樣的匹配關系，最有利于城市創(chuàng)新？對這些問題的研究不僅有助于理解城市的技術創(chuàng)新規(guī)律，為有效實施創(chuàng)新驅動戰(zhàn)略提供參考。還有助于發(fā)現(xiàn)技術創(chuàng)新能力在城市間分異的原因，為中國統(tǒng)籌區(qū)域協(xié)同創(chuàng)新、縮小區(qū)域發(fā)展差距提供思路。

2 研究設計

2.1 實證模型的設定

本文的實證模型如下:

lninnov=α0+α1shhi+α2shhi2+α3lnaggl+α4lnaggl2+α5lnaggl*mono+z′β+ε

(1)

其中，innov是衡量城市技術創(chuàng)新能力的因變量，shhi是衡量城市空間結構的變量，aggl是衡量經(jīng)濟集聚度的變量，z′是控制變量向量，ε是隨機誤差項。

考慮到城市空間結構、經(jīng)濟集聚對技術創(chuàng)新可能有多種作用方式，實證分析中分步驟將變量添加入回歸模型。第一步，利用城市空間結構、經(jīng)濟集聚變量的一次項同技術創(chuàng)新變量建立計量模型，試探空間結構、經(jīng)濟集聚對技術創(chuàng)新的線性影響。第二步和第三步，分別引入城市空間結構和經(jīng)濟集聚變量的二次項，考察二者對技術創(chuàng)新的影響是否存在“先升后降”或“先降后升”的拐點。在第四步中，引入城市空間結構與經(jīng)濟集聚的交互項，探究二者對技術創(chuàng)新的影響是否需要對方作為中介和條件，如果交互項系數(shù)估計值顯著的話，符號的正負情況還能反映出在推進城市創(chuàng)新進程中，城市空間結構的集中與經(jīng)濟集聚程度的提升究竟是相互促進還是彼此制約。第五步，統(tǒng)一考察和比較相關變量的一次項、二次項以及交互項的估計系數(shù)，可以得到城市空間結構、經(jīng)濟集聚對技術創(chuàng)新非線性影響的拐點值，了解城市空間結構與經(jīng)濟集聚在怎樣的匹配下，會產(chǎn)生最大的技術創(chuàng)新效應。

2.2 空間結構的概念及其量化

經(jīng)濟集聚度體現(xiàn)了區(qū)域經(jīng)濟活動的密集程度，反映了單位土地上的經(jīng)濟規(guī)模，在土地面積給定的情況下，經(jīng)濟集聚度實際上刻畫了區(qū)域經(jīng)濟發(fā)展的總量?？臻g結構描繪了區(qū)域內(nèi)部經(jīng)濟活動的空間組織和布局，是與“總量”或“密度”等規(guī)模含義相對應的“結構”概念。 空間結構這一命題來源于城市規(guī)劃研究中對城市體系 “單中心”和“多中心”相關話題的探討。早期研究多采用人口的規(guī)模分布度量城市體系的空間結構，然而這一方法存在一些弊端，首先，較小地理尺度上詳細精確的人口分布數(shù)據(jù)較難獲取，一般只能在普查年份得到，囿于此種局限現(xiàn)有文獻探討空間結構問題時多采用截面數(shù)據(jù)進行分析，缺乏時間維度。其次，中國一些年鑒在統(tǒng)計人口數(shù)據(jù)時是基于“戶籍人口”口徑，在“城鄉(xiāng)分割”的戶籍制度下這一統(tǒng)計口徑遺漏了大量的進城務工人員，用這種人口指標量化空間結構不能準確把握經(jīng)濟活動真實的空間布局狀況，會產(chǎn)生一定的偏誤。

為了克服現(xiàn)有數(shù)據(jù)的不足，再加上近年來DMSP/OLS夜間燈光數(shù)據(jù)的可靠性逐漸被中外學界所證實[9]，已有學者開始采用DMSP/OLS夜間燈光數(shù)據(jù)量化區(qū)域空間結構[10-11]。DMSP/OLS夜間燈光數(shù)據(jù)來源于美國國防氣象衛(wèi)星(DMSP)搭載的業(yè)務掃描傳感器(OLS)，該傳感器拍攝全球夜間燈光影像最初的目的在于氣象監(jiān)測，后來由于使用的光學倍增管具有很強的光電放大能力,OLS傳感器逐漸被應用于探測人類地表活動。OLS傳感器具有很高的探測精度，甚至能探測到城市內(nèi)部小規(guī)模居民地、車流等發(fā)出的低強度燈光，其“穩(wěn)定燈光影像”去除了云、光火及油氣燃燒等噪聲影響，較好地捕捉了城市、鄉(xiāng)鎮(zhèn)內(nèi)持久光源場所的亮光狀況，因此，DMSP/OLS夜間燈光影像較準確地提供了城市空間信息，可以作為探察人類城市空間活動很好的數(shù)據(jù)來源[12-15]。

盡管DMSP/OLS夜間燈光影像十分有研究價值，但該影像也存在一些問題，主要包括影像像元亮度值(DN值)飽和、同年兩個衛(wèi)星拍攝的影像存在差異以及一些影像像元異常波動三種問題，于是很多研究在應用DMSP/OLS夜間燈光影像前對其進行了校正。本文參考了Elvidge等[16]的做法，利用“不變目標區(qū)域”和“影像序列相互校正”法對燈光影像進行校正，考慮到利用長時序的影像資料可以獲得更好的校正效果，本文選取了2000—2013年共22期的DMSP/OLS夜間燈光影像進行校正，以獲得考察期內(nèi)的城市空間結構數(shù)據(jù)。操作中參考了曹子陽等[17]的方法，首先，選用鶴崗市轄區(qū)作為不變區(qū)域，結合亮值像元回歸的方法進行了飽和校正。其次，通過取平均值對同年兩個衛(wèi)星拍攝的影像進行了校正。最后，利用影像序列進行相互校正以消除像元異常波動的現(xiàn)象。具體的校正步驟可參考曹子陽等[17]的研究。

2.3 變量與數(shù)據(jù)

(1)變量設定與指標選取。因變量——技術創(chuàng)新能力(innov)。創(chuàng)新產(chǎn)出是創(chuàng)新能力的直觀體現(xiàn)，在表征創(chuàng)新產(chǎn)出的指標中，專利數(shù)據(jù)由于其相對完整并與創(chuàng)新產(chǎn)出關聯(lián)性較強而常常被采用，相對于受時滯性和機構偏好干擾較大的專利授權量，專利申請量可以更好地度量區(qū)域技術創(chuàng)新狀況[18-19]，結合我國的專利制度，有的研究選用了“發(fā)明專利”的申請數(shù)，有的研究用包含“發(fā)明”、“實用新型”和“外觀設計”三類專利申請數(shù)之和衡量區(qū)域創(chuàng)新能力，考慮到接近一半的地級市專利數(shù)據(jù)來源于各市的《國民經(jīng)濟與社會發(fā)展公告》，而在這些報告中很多僅給出了專利申請總數(shù)，并未指明專利類型結構，且專利申請總數(shù)的口徑更寬，反映區(qū)域創(chuàng)新活動更加全面[20]。因此本文選用三類專利申請受理總數(shù)與城市年末人口數(shù)(萬人)之比，作為因變量技術創(chuàng)新能力的衡量指標。

核心自變量——城市空間結構(shhi)?，F(xiàn)有研究多采用“城市首位率”來衡量區(qū)域空間結構，然而此方法是一種數(shù)據(jù)受限情況下的折中方法，如果能獲取較小空間尺度的優(yōu)質(zhì)數(shù)據(jù)，赫芬達爾—赫希曼指數(shù)(HHI)可以更完整地度量整個區(qū)域單元的體系結構[21-22]。完整、客觀、跨區(qū)可比的夜間燈光數(shù)據(jù)和功能強大GIS軟件為采用HHI衡量區(qū)域空間結構提供了技術可能，因此本文借助這些工具，并設定空間赫芬達爾—赫希曼指數(shù)(shhi)來衡量地級市市域的空間結構，shhi的計算方法如下：

(2)

其中，DNi表示燈光影像中某市市域范圍內(nèi)第i個區(qū)域單元的影像DN合計值，SDN表示該市所有區(qū)域單元DN值總和。按照中國的行政區(qū)劃體制，地級及以上城市一般下轄區(qū)、縣或縣級市，考慮到市轄區(qū)作為城市核心區(qū)域集中連片，而縣和縣級市散布在城市周邊相對獨立，參考孫斌棟等[23]的工作，本文將市轄區(qū)、每個縣和每個縣級市分別作為一個獨立的區(qū)域單元(或稱中心)，n表示該市包含的區(qū)域單元個數(shù)。同產(chǎn)業(yè)組織理論中的赫芬達爾—赫希曼指數(shù)相似，shhi∈(0,1)反映了經(jīng)濟活動在區(qū)域中的集中程度，shhi越大說明經(jīng)濟活動集中于少數(shù)區(qū)域單元，城市的單中心程度較高。shhi越小表明經(jīng)濟活動在各個區(qū)域的布局越為平衡，整個城市擁有多個中心，呈分散化結構。

核心自變量——經(jīng)濟集聚(aggl)。自Ciccone等[24]使用非農(nóng)就業(yè)密度衡量區(qū)域經(jīng)濟集聚度，后續(xù)研究大多沿用了他們的做法。為了便于文獻間結論的參照和比較，本文也使用該指標衡量城市經(jīng)濟集聚度，以各市“第二和第三產(chǎn)業(yè)城鎮(zhèn)單位就業(yè)人員數(shù)”與“城鎮(zhèn)私營和個體從業(yè)人員數(shù)”之和比上各市“行政區(qū)域土地面積”。

控制變量。技術創(chuàng)新投入(input)，鑒于目前在中國地級市層面難以獲取完整詳實的R&D經(jīng)費數(shù)據(jù)，考慮到地方政府在推動技術創(chuàng)新中的重要作用，參照已有研究，選取各市地方財政支出中的“科學技術支出”與GDP的比重代理技術創(chuàng)新投入。人力資本(hc)，國內(nèi)外文獻在分析截面數(shù)據(jù)時多采用大學畢業(yè)生數(shù)衡量城市人力資本水平，但城市層面的詳細學歷數(shù)據(jù)一般僅能在普查年份獲得，缺少連續(xù)的時序數(shù)據(jù)。參考現(xiàn)有文獻，本文采用“普通高等學校在校生人數(shù)”與城市人口數(shù)(萬人)之比予以代理。固定資產(chǎn)投資(invest)，用各市“固定資產(chǎn)投資”與GDP之比表示。運輸條件(trans)，借鑒余永澤等[25]，在數(shù)據(jù)受限情況下用“交通發(fā)達程度”代理，用每萬人“全市貨運總量”衡量。

(2)數(shù)據(jù)說明、來源與描述。首先，考慮到2009年之后的城市專利申請數(shù)據(jù)相對完整，本文研究選取的考察期為2009—2015年。其次，根據(jù)專利申請數(shù)據(jù)的缺失狀況篩選出245個城市，在這245個城市中，僅轄有市區(qū)以至于shhi值在考察期內(nèi)恒為1的12個城市也予以剔除，最終確定的研究區(qū)域包括233個城市。最后，一方面考慮到創(chuàng)新產(chǎn)出的時間滯后，也有必要減弱反向因果關聯(lián)帶來的內(nèi)生性。另一方面，現(xiàn)有的夜間燈光數(shù)據(jù)僅更新到2013年。本文借鑒劉修巖等[11]的思路，將所有自變量進行了滯后兩期處理，因此因變量選取的是2009—2015年數(shù)據(jù)，全部自變量為2007—2013年數(shù)據(jù)。最后，獲取城市行政區(qū)劃信息的矢量地圖根據(jù)國家基礎地理信息系統(tǒng)1:400萬數(shù)據(jù)繪制獲得，行政區(qū)劃以2012底為標準。233個城市的專利申請數(shù)據(jù)來源于各省知識產(chǎn)權局網(wǎng)站、各市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報、各省科技廳網(wǎng)站、城市科技局網(wǎng)站或科技信息網(wǎng)。穩(wěn)定燈光及輻射定標影像由NGDC網(wǎng)站獲取。其他數(shù)據(jù)來源于2008—2016年《中國城市統(tǒng)計年鑒》，少量缺失數(shù)據(jù)通過線性插值法內(nèi)插或外推得到，變量數(shù)據(jù)的描述性統(tǒng)計見表1。

表1 各變量原始數(shù)據(jù)的描述性統(tǒng)計

3 實證分析

為了避免多重共線性對研究結論的干擾，在進行回歸分析之前對自變量間的相關性進行了檢驗，從表2顯示的檢驗結果來看，各變量間的相關系數(shù)都不超過0.5，表明模型中并不存在嚴重的多重共線性。

表2 自變量間的相關系數(shù)

面板數(shù)據(jù)兼有截面數(shù)據(jù)與時序數(shù)據(jù)的特征，也會存在異方差和自相關問題，然而本文的考察期僅有7年，但有233個截面，是典型的短面板數(shù)據(jù)。此外，涉及的233個城市分屬經(jīng)濟社會發(fā)展存在一定差異的30個省區(qū)，地域范圍橫跨東中西，有的是直轄市，有的是副省級城市，其余是一般省會城市和非省會地級市，類型較多，個體間異質(zhì)性較強，因此在檢驗時僅考慮異方差是否存在。豪斯曼檢驗(Hausman test)結果顯示，在最終模型中，不能拒絕固定效應與隨機效應系數(shù)估計值沒有系統(tǒng)差別的原假設，樣本更適用隨機效應模型。進一步的沃爾德檢驗(wald test)顯示，應拒絕同方差假設，組間異方差顯著存在。此種情況下，比較其他方法，可行性廣義最小二乘估計(FGLS)可以得到更有效的估計結果[26-27]，因此本文選用FGLS作為實證模型(1)～(4)的估計方法，具體的參數(shù)估計和假設檢驗結果如表3所示

表3 經(jīng)濟集聚、空間結構對城市技術創(chuàng)新影響的回歸結果

注：估計值下方括號內(nèi)顯示的是z值，***、**、*分別代表p<0.01、p<0.05和p<0.1。為了緩解引入高次項帶來的共線性，對變量shhi和lnaggl的二次項以及它們的交互項數(shù)據(jù)進行了中心化處理。

模型(1)的估計結果顯示，shhi和lnaggl的系數(shù)估計值在1%的水平下顯著為正，z統(tǒng)計量的值很大，說明初步來看，較集中的空間結構與高經(jīng)濟集聚度對城市創(chuàng)新能力都有十分明顯的推動作用。模型(2)引入了單中心指數(shù)的二次項(shhi)2，(shhi)2與shhi都在1%水平通過了顯著性檢驗，且二次項系數(shù)為負一次項系數(shù)為正，表明城市的空間結構對技術創(chuàng)新具有非常顯著(z值很大)的非線性影響，二者之間的關系可以用一條開口向下、對稱軸在第一象限的二次函數(shù)描述，說明在考察期內(nèi)單中心的空間結構對技術創(chuàng)新先促進后抑制，存在有利城市技術創(chuàng)新的“最優(yōu)空間結構”。受到現(xiàn)有文獻討論“集聚不經(jīng)濟”的啟發(fā)，模型(3)在模型(2)的基礎上加入了二次項(lnaggl)2，嘗試考察經(jīng)濟集聚與技術創(chuàng)新的非線性關系，從結果來看，經(jīng)濟集聚度變量的一、二次項系數(shù)估計值均通過了水平為1%的顯著性檢驗，且都顯著為正，表明可以用一條開口向上的二次函數(shù)大致描述集聚經(jīng)濟與城市創(chuàng)新能力之間的關系。

模型(4)加入經(jīng)濟集聚與空間結構的交互項shhi×lnaggl，目的在于一方面依托交互項的估計情況，判斷城市的經(jīng)濟集聚與空間結構之間是否有、有的基礎上以怎樣的交互效應對技術創(chuàng)新施加影響。另一方面，結合具體的系數(shù)估計值，可以考察經(jīng)濟集聚與空間結構以怎樣的匹配，對城市創(chuàng)新能力產(chǎn)生最有力的推動。結果顯示，第一，經(jīng)濟集聚與空間赫芬達爾—赫希曼指數(shù)呈現(xiàn)顯著的負向互動關系，二者的上升對技術創(chuàng)新的促進，必須以對方下降為條件。說明在考慮經(jīng)濟集聚對技術創(chuàng)新的推動時，不能忽略城市的空間結構因素，在集聚度高的單中心結構城市內(nèi)部，出現(xiàn)了創(chuàng)新資源過度集中的“擁擠效應”，抑制了技術創(chuàng)新。而集聚度較低的多中心城市也對技術創(chuàng)新不利。相反，高集聚度與多中心結構融合，低集聚度與單中心結構匹配，都能形成推動創(chuàng)新的合力。第二，城市的單中心結構與技術創(chuàng)新呈倒U型關系。結合參數(shù)估計值有:

(3)

式中，當lnaggl取均值μlnaggl時，倒U型曲線最高點的空間赫芬達爾-赫希曼指數(shù)值為shhi*=0.113+μshhi=0.423，即平均看來，0.423是有利于城市技術創(chuàng)新的“最優(yōu)空間結構”，如圖1所示(曲線下虛線左右兩邊的百分數(shù)分別代表shhi小于和大于拐點值的個體比重)。結合空間結構與經(jīng)濟集聚的交互效應，如果某市經(jīng)濟集聚度高于均值，則最優(yōu)空間結構的shhi需向下調(diào)整，反之則向上調(diào)整指數(shù)值。第三，基于上文的初步推斷，城市的經(jīng)濟集聚度與技術創(chuàng)新能力應呈正U型關系，但考慮到集聚程度(lnaggl)2的數(shù)據(jù)經(jīng)過了中心化處理，需要結合具體數(shù)值考察二者的實際關系：

(4)

式中，當shhi取μshhi時，將均值μlnagg=3.914帶入，得到U型曲線最低點的經(jīng)濟集聚對數(shù)值為lnaggl*=2.032，然而，在lnaggl的1631個觀測值中，小于2.032的觀測值僅有63個，僅占總觀測數(shù)的3.86%，說明u型曲線的遞減階段僅占3.86%，而在整個定義域超過96%區(qū)間內(nèi)是u型曲線的遞增階段，如圖2所示。因此總體來看，經(jīng)濟集聚的邊際創(chuàng)新效應遞增，經(jīng)濟集聚度越高越有利于城市創(chuàng)新能力的提升。此外，從控制變量的估計結果來看，城市的創(chuàng)新投入、人力資本狀況、運輸條件和固定資產(chǎn)投資水平都對城市創(chuàng)新能力有顯著的正向促進作用。

圖1 空間結構與創(chuàng)新能力的正U型關系

圖2 經(jīng)濟集聚與創(chuàng)新能力的倒U型關系

4 政策含義

根據(jù)本文的研究結論，可以得到很明顯的政策含義：

首先，依據(jù)研究結論，從推動城市創(chuàng)新能力的角度，并沒有發(fā)現(xiàn)高集聚度會帶來擁擠效應，反而觀察到經(jīng)濟集聚度對創(chuàng)新能力的貢獻是邊際遞增的，由此可以認為，經(jīng)濟密度高的大城市在發(fā)揮規(guī)模經(jīng)濟和集聚效應上的作用仍十分關鍵，刻意強調(diào)“城市病”去限制大城市規(guī)模并剝奪大城市的優(yōu)先發(fā)展權，會削弱大城市的創(chuàng)新能力，與“創(chuàng)新驅動發(fā)展”戰(zhàn)略相違背。那么，為了維護大城市在提升國家整體創(chuàng)新能力中的核心地位，保障措施應分別著力于“釋放集聚潛能”和“抑制集聚不經(jīng)濟”，前者要求進一步提高大城市的經(jīng)濟密度，掃除限制經(jīng)濟資源在市場機制下自發(fā)集中的人為障礙，在國內(nèi)限制資本跨區(qū)流動的“地方保護主義”不斷得到緩解的現(xiàn)狀下，更有意義的策略導向在于松動現(xiàn)有戶籍制度并完善人才引進政策，將提高人口規(guī)模和優(yōu)化人力資源結構有機結合，在直接提高集聚度這一“量”的同時，提升集聚效應的“質(zhì)”。對于后者，需要管理者革除“抑制集聚不經(jīng)濟”等同于“管控人口規(guī)?！钡呐f式思維，集聚不經(jīng)濟發(fā)生在交通擁堵、犯罪、環(huán)境污染等“城市病”出現(xiàn)的時候，那么只要能高效的“治理城市病”就可以一定程度上避免集聚不經(jīng)濟的出現(xiàn)，并不必須以犧牲創(chuàng)新效率為代價。于是，加大地鐵和環(huán)城高架等交通基礎設施建設、增加警力等公共服務的提供、提升服務業(yè)比重或將成為切實可行的操作手段。

其次，平均來說，最大化創(chuàng)新能力的空間赫芬達爾-赫希曼指數(shù)為0.423，在城市規(guī)劃工作的實踐中，適宜將此指數(shù)與城市的經(jīng)濟集聚度相結合，作為優(yōu)化城市內(nèi)部創(chuàng)新格局的評判標準。具體來說，中小城市為推動創(chuàng)新，應進一步鞏固市轄區(qū)的中心地位，加大配套措施投入，引導經(jīng)濟資源強化在市轄區(qū)內(nèi)的集中，嚴格限制核心區(qū)域的無序蔓延，以中心—外圍形態(tài)在全市形成一定的空間發(fā)展層次，在提高土地配置效率的基礎上走緊湊式空間發(fā)展道路。對于大城市而言，與多中心結構相結合的集聚是更有效率的集聚模式，在獲取高集聚度帶來的創(chuàng)新效應的同時，可以利用內(nèi)部結構的分散化緩解擁擠。進一步的，適度的郊區(qū)化發(fā)展，不僅可以助力統(tǒng)籌城鄉(xiāng)創(chuàng)新資源的發(fā)展和配置，更有利于在市域范圍內(nèi)形成各空間單元競爭和協(xié)作的創(chuàng)新網(wǎng)絡，最終推動大城市在“創(chuàng)新驅動發(fā)展”戰(zhàn)略中承擔更多的創(chuàng)新責任。