曹 薇，薛秋霞，苗建军

(1.太原理工大学经济管理学院，山西 太原 030000；2.南京航空航天大学经济与管理学院，江苏 南京 210016)

0 引言

“十三五”规划指出，将发挥城市群辐射带动作用作为拓展区域发展空间的一项重要举措。长三角城市群是我国参与国际市场和竞争的最前沿板块[1]。然而，在流动空间视角下，全球城市不能视为简单的核心，而是更加复杂的城市区域[2]。城市群功能的发挥与城市群空间结构分布存在密切联系，根据区域非均衡理论，城市群经济发展先作用在一些增长极上，然后再通过各类渠道向其他处于被支配地位的城市扩散，最终对整个区域经济产生影响，这种作用机制主要来源于地区间经济发展的差异，从而导致区域经济发展的非均衡增长。

城市群创新发展结构类似于城市群经济增长发展的结构模式，在城市群创新发展模式中，创新极是城市群进行创新规划和决策的前提， “极”为城市群创新发展向外扩散的点，也是城市群的发展前沿。然而，增长极表示为经济的非均衡发展，即资源由周边落后地区向中心地区的集聚运动。创新极则是指能吸引区域范围内的创新资源，提升自身创新能力，并能影响辐射邻近地区的区域。

事实上，打造城市群高水平创新极，也需顺应区域创新之势[3]。城市群创新资源并非完全按照地域上的行政区域划分，而是根据地区自身发展的需要与其他地区间的联系进行配置。城市群创新体系是创新要素在地域上的连续组合，该创新体系表现为联系紧密的创新网络系统，且创新极在其中起引领作用。长三角城市群是我国目前最成熟的城市经济集聚区之一，被Jean Gottman誉为世界六大城市群之一[4]。目前，长三角城市群已进入创新驱动发展阶段，网络结构、信息流节点的崛起已成为推动长三角城市群发展的重要驱动力[5]。因此，城市群创新极的研究有利于避免在城市群创新发展水平较高的地区重复建设、恶性竞争，在城市群创新发展水平较低的地区出现发展落后、贫者更贫等问题。

1 文献综述

创新已成为驱动城市群一体化建设发展的内核动力，各类创新活动对城市群发展的空间格局都会产生影响。而城市群创新发展受空间毗邻关系的影响，那么，城市群创新活动发展状况如何测度？类似于区域经济发展存在中心—外围结构，种照辉等验证了长三角城市群的人口流动、企业组织与电子商务网络均呈现出了 “中心—外围”的网络结构[6]；仇怡研究发现长三角城市群的创新扩散呈等级扩散模式[7]。区别于已有文献相关研究，本文创新性地采用区域重心[8]与几何中心的分布特征来测度区域发展的非均衡性。事实上，梳理已有文献可知，重心理论已成为分析中国区域活动的一种重要方法。当前关于区域重心的研究主要应用于经济、环境等领域[9-10]，用来表征区域发展的方向、区域差异的变化趋势。但是鲜有利用区域重心与几何中心分布的差异性对区域创新发展的非均衡性进行研究的文献。

此外，城市群创新发展受创新资源分布的影响，2002年，Debresson等人在 《解释和预测中国创新趋向》的报告中指出，由于创新资源的非匀质分布导致城市群区域间科技创新差距扩大化，首次提出 “创新极”这一重要概念。随后，国内学者对此相关问题也开展了一系列研究，其中，较多利用TW、ER、KZ和WOLFSON等指数法对创新极化进行测度以及不同区域间极化程度进行比较分析[11-12]，同时，也有部分研究聚焦于创新极化的发展趋势[13]和作用机理[14]。随着经济地理理论的发展，创新极化被赋予了地理意义。然而较少有从空间视角对城市群创新极化现象形成的内在机制进行研究的文献。

总体上，现有文献为城市群创新发展的研究提供了理论基础，但仍存在不足之处。学者们在分析城市群创新极化效应的影响时较多利用某一要素评价测度区域创新的极化效应，分析其对城市群创新发展的作用，而忽视了创新极的空间结构分布特征，忽视 “空间”这一影响因素对城市群创新的作用机制。因此，本文以长三角城市群26个城市为研究对象，借鉴创新重心和几何中心等概念，创新性地采用区域创新重心与几何中心差异性对长三角城市群创新发展的非均衡性进行测度。进一步，在明确城市群创新发展差异性基础上，以城市群创新极测度为基础，界定集极、孤极和外围等概念，利用地统计学与ArcGIS软件，借鉴文献[15]并根据创新极化效应确定创新极的空间结构分布，从创新极空间位置推移角度全面分析长三角城市群创新发展的时空演变特征。本文的研究一方面可以为驱动长三角城市群创新高质量发展提供理论依据；另一方面，期望为中国情境下区域创新协同发展提供借鉴意义。

2 理论机制分析

2.1 城市群创新非均衡发展影响机理分析

城市空间格局的发展与优化已成为推动城市一体化发展追求的目标。关于城市群创新发展的空间结构特征，已有学者从不同角度进行了测度[16-17]。事实上，利用区域重心与几何中心的分布特征来测度区域发展的非均衡性也受到了很多学者的广泛关注。借鉴物理学相关概念，区域重心是其在区域内空间分布的最直观的外在表现，代表了其发展方向及均衡性。若在城市群创新发展空间中，存在一个能够维持其各个方向上某种属性力量保持平衡状态的点，则这个点就是城市群创新重心。目前，重心理论逐渐成为分析中国区域活动的一种重要方法，重心模型通过在时间经纬度上的变化表示地区间差异的演变过程，用来表征国家或区域发展的方向、区域差异的变化趋势。

创新重心是指用区域创新发展质量替代区域经济发展形成的重心，即在区域创新空间上存在某一点，在该点东西南北各个方向的创新发展力量相对均衡。同时，根据牛顿力学相关定义，如果把该区域创新发展看作是一个质地均匀的介质，区域创新重心的位置与几何中心位置相同。反过来，若区域创新重心与几何中心位置不同，则可以判定区域创新非均衡发展。因此，本部分将根据城市群创新重心与几何中心的差异性对长三角城市群创新发展非均衡性展开研究。

2.2 创新极对城市群创新发展的影响机理分析

极化是指事物出现向更高端方向或向更低端方向发展，亦或同时向两端发展使中间层次薄弱的状况[18]。经济极化认为，非匀质的区域禀赋导致经济的不均衡[19]，某些地区吸附区域内的资源形成增长极点，其他落后地区则形成另一类较差的极端，由此产生经济极化现象。然而，在区域发展中，创新更易在空间上发生集聚。20世纪90年代，Pierre Mohnen等[20]描述了产业中的技术创新活动聚集现象，并探讨了我国区域的创新极化现象及其形成原因。创新极一定程度上反映了区域的非均衡发展理论[21]，是一个描述创新在国家经济增长中作用的概念。创新极存在聚集与扩散两种效应。聚集从量变达到质变就会产生极化效应，而扩散与聚集过程相逆，在不同阶段二者发挥的作用有所不同，将产生不同的效应。创新极在城市群创新发展具有重要的引领作用。伴随着区域经济一体化的发展，城市群经济结构的变化有可能改变特定城市在城市群中的相对地位，向着更加多极化发展。城市群创新极化特征的研究，有利于建立有效的城市群创新资源的集聚模式以及资源有效转化模式，这对实现城市群资源的优化配置，发挥创新极的核心作用，促进城市群内创新极的带动效应具有重要的指导意义。

3 研究对象与方法

3.1 研究对象与数据来源

近年来，在 “行政区经济”向 “一体化经济”推进的背景下，以对外开放最前沿、行政区划关系最复杂的长三角城市群为研究对象，展开对城市群创新发展的研究则显得尤为重要。且长三角城市群仍存在诸多问题有待解决，比如长三角城市群创新发展不均衡、整体层次较低等问题。因此，为提升创新能力，完善创新生态，对长三角城市群创新极布局优化配置进行研究就显得尤为重要。本文基于长江三角洲这一中观层面，选取位于江苏、浙江、安徽的25个地级市及上海市为研究对象。其中，数据源于2008—2017年江苏、安徽、浙江和上海的统计年鉴，各地级市统计年鉴及 《国民经济和社会发展公报》。

3.2 指标体系构建

从指标选取来看，以往研究均是通过替代指标测度创新极，大多文献仅使用专利统计数据[22]衡量区域创新活动产出。但事实上，创新极测度还应考虑创新投入、创新环境等因素影响，因此，如何综合测评创新极成为研究的重点。此处，借鉴已有文献研究结果[14,23-24]，并结合长三角地区实际发展状况，根据创新极作用理论机制及数据的可获得性，从不同维度构建了创新极的相关评价指标体系，如表1所示。

表1 区域创新极评价指标

3.3 研究方法

目前，学者们对创新极的测度主要基于计量经济学或数理统计学，采用模型估计和相关检验，从而对创新极进行评价。此处，在已有文献研究基础上，首先采用熵值法对创新极多种影响因素进行赋权，然后利用空间统计分析方法对创新极演化进行分析。具体如下述所示：

(1)熵值法。权重赋值法主要有主观和客观赋权法两类。创新极受多种因素影响，不同影响因素从不同维度测度了创新极的差异性与重要性。为充分体现原始数据所包含的信息量，并通过各个指标的离散程度来构造权重，在此，相较于主观赋权法，客观赋权法更为适用。进一步，熵值法为较常用的客观赋权法。熵代表了该指标变化的相对速度，相对水平由样本均值化后的值来表征，将二者相乘即可测度创新极的值。因此，本文采用熵值法测度创新极影响因素的权重具有一定的适用性。同时，本文的数据满足该方法所需完整数据样本的要求，因此，采用熵值法测评长三角创新极的综合指标也是科学的。

(2)空间统计分析法。本文以地理信息系统的空间分析作为探讨城市群创新发展的非均衡性与创新极空间结构分布的主要手段，利用地统计分析方法与ArcGIS软件对此问题进行研究。

4 实证分析结果

4.1 长三角城市群创新非均衡发展分析

(1)重心测度模型选择。重心是指物体处于任何方位时各部位所受重力的合力作用点，然而社会研究中，区域重心指各区域权重间的拉力平衡点。不同于已有相关文献仅用专利量测度区域创新重心的定义，考虑到各区域创新发展受创新投入、产出、环境等因素影响，本文首先通过用熵值法确定各市创新综合指标值作为区域权重，继而根据各市的地理坐标计算创新重心。区域重心的位置一般用经纬度表示，计算公式如下：

(1)

式中，(Xt,Yt)表示第t年区域创新重心的经纬度坐标；Gl表示第l个城市的创新能力； (xl,yl)表示第l个城市的地理坐标 (查阅全国地理信息资源目录服务系统得到长三角各市的地理坐标即经纬度坐标)。

同时，根据历年长三角区域创新重心坐标，可由其移动方向和移动距离表征重心演化规律。计算方法如下：假设(Xi,Yi)为第i年的创新重心、(Xj,Yj)为第j年的创新重心，θ为第j年相对于第i年的移动方向，则有：

(2)

其中，-180°≤θ≤180°，以正东方向为0°旋转，逆时针为正，即θ∈ (0°,90°)表明重心向东北移动、θ∈ (90°,180°)表明重心向西北移动、θ∈ (-90°,0°)表明重心向东南移动、θ∈ (-180°,-90°)表明重心向西南方向移动。

第j年相对于第i年的重心移动距离可记为D：

(3)

式中，常数R为111.111，是将地理表面坐标(°)转换为平面距离(km)的系数。

(2)长三角城市群创新重心区位及演变轨迹。创新重心的演变是长江三角洲城市群创新格局变动的直观表现，城市群创新能力在区域中的变化最终都反映在重心的移动轨迹上。根据前文提到的关于重心的测算方法，结合 (1)— (3)式，可计算出2007—2016年长三角城市圈的创新重心及移动趋势，如表2所示。

表2 长三角地区创新重心移动方向和距离

由表2可以看出，2007—2016年创新重心落在东经120.1913°～120.4948°、北纬31.1019°～31.1822°之间。为了更直观、形象地表征长三角城市群创新重心位置及移动趋势，依据表2中各坐标位置，结合ArcGIS软件绘制图1。

图1 长三角地区创新重心移动轨迹

由图1可看出，重心点均落在江苏省苏州市的西南部，而按照公式计算出长三角区域的几何中心为 (119.5053°E,31.1334°N)落入常州市境内。因此，创新重心偏离于几何中心的东南方向，说明以上海为首的东部地区创新能力高于西部，该城市群的创新发展是非均衡的，在空间上存在差异。同时，创新重心总体上都在由东向西、自南至北移动，逐渐向几何中心靠近，说明长三角城市群创新不均衡发展的现象在不断改善。其中2007—2011年创新重心在经纬度上均存在较大波动，明显地向西北方向移动；2011—2016年纬度变化幅度很小，在经度方向上移动较为剧烈，创新重心明显地向西靠近。经纬度的变化说明我国长三角城市群创新发展既有东西差异也存在南北差异，各个方向间不断拉扯导致了重心的移动。近年来由于国家针对长三角的规划和战略，使长三角其他各市的产业布局和资源配置不断优化，故创新重心不断向几何中心方向移动。

进一步，由上述分析可以看出，对长三角城市群创新发展而言，城市群创新重心显著区别于长三角城市群几何中心，说明存在 “重心偏离”现象。其中，偏离方向即空间中的 “高密度”部位，偏离的距离则为均衡程度[25]，说明长三角城市群创新发展并非均衡分布。

4.2 长三角城市群创新极空间结构分析

本文选取TW指数对创新极化进行测度，计算公式如下：

(4)

式中，N为全部地理区域的专利授权总数；s(i)为i城市的专利授权量；m和q(i)分别代表所有城市和i城市的创新指标值；r为参数，取值为0到1之间；θ是正的常数标量，本文取θ=0.5,r=0.5[26]。

为了测度长三角城市群创新极化程度以及极化趋势，根据式 (4)，对2007—2016年各地级市的创新极化程度进行测量，同时绘制了极化度的变化趋势图，如图2所示。

图2 长三角地区创新极化趋势

结果表明：2007—2016年，TW值均大于0.5，说明了长三角存在创新极化效应。从整体趋势来看，TW指数呈下降趋势、即存在创新极化效应但该效应逐年递减。同叶磊等[27]测算的2012年之前长三角的经济极化度相比较，可以发现该阶段经济极化度均比本文测算的创新极化度高，但二者变化趋势一致。究其原因，主要在于长三角各地区正处于加快自主创新的步伐、以深刻转变经济增长模式的阶段，从而科技创新是经济增长的主要影响因素。但由于经济增长还受其他诸多因素的影响，使经济在各地区间差距相较创新更大，故其极化度整体都较高。从图2可以看出，长三角城市群创新极化趋势大致可分为三个阶段：一是2007—2010年，TW指数上下波动、变化幅度较大，说明该阶段扩散效应较极化效应弱；二是2010—2014年，变化趋势较上一阶段缓和；三是2014—2016年，TW指数下降趋势十分平缓，该阶段极化度基本未发生变化，第二阶段和第三阶段扩散效应超过极化效应。整体看来TW指数从2007年的0.87857下降到2016年的0.56853，下降了约0.35个百分比，说明近年来由于区域创新资源配置及创新环境建设的不断优化，高梯度与低梯度之间实现空间转移，创新资源不匀质现象逐渐减弱，故极化效应不断减小。

长三角城市群创新极空间结构分布分析如下：

(1)创新极空间结构分布分析。随着经济地理理论的发展，创新极被赋予了地理意义。而TW指数仅反映长三角城市群创新发展在空间上的极化程度，具体哪些区域为高聚集区域，哪些区域为低聚集区域并未表征出来。根据创新极化效应蕴含的含义，区域极化强调成员偏离均值的分布情况[28]。因此，要研究城市群创新极化的具体分布，本文基于长三角城市群各区域创新综合指标值构建城市群创新极化结构，以长三角城市群创新综合指标值的中位数为界，将全局空间分为外围区和极化区。外围区为创新水平较低区域，指标值低于中位数的区域；极化区为创新水平较高，指标值高于中位数的区域。进一步再对极化区进行细分，若两个或两个以上极化区域毗邻则被划为集聚区，即集极；若极化区周围相邻区域全为外围区则为孤立区，即孤极。最后区域被划分为 “集极-孤极-外围”的两极三区结构体系。为了更详细地了解具体区域的分布，在上述两极三区结构体系划分基础上，仍可进行细分。例如，以创新综合指标值的3/4分位值为界将极化区分为主极化区和次极化区，同样可按照是否与同类区域毗邻可划分为集聚区和孤立区，由此可得 “主集极-主孤极-次集极-次孤极-外围”的三极五区空间结构体系，该空间结构体系划分可由ArcGIS软件绘图得出。

基于上述空间极化结构划分方法，分别对2007—2016年长江三角洲各区域进行分类，最终构建的 “主集极-主孤极-次集极-次孤极-外围”的三极五区空间结构体系如图3所示 (仅展示空间结构变动较大的年份)。

从图3以看出，外围地区基本集中在北翼地区的北部及南翼地区的中西部。极化区大都分布在沿江、沿海、沿运河、沿铁路线地区，其中主集极涵盖的范围逐渐扩大、主导地位的趋势在不断加强，最终零散的主孤极也都分布在各大都市圈的中心。就主集极而言，2007年两大主集极区独立分布在南北两翼；2010年长三角区域仅有一主集极、该集极位于东部江海交汇处、呈小工字形分布；2012年只有一个主集极、该集极仍位于江海交汇处、但形状发生了变化、变为南北走向的一条狭长的城市带；2015年主集极覆盖范围较之前都大、纵贯南北两翼，呈大工字形分布。主孤极数量变多、次集极数量不变但覆盖区域发生了变化、次孤极数量减少，其中合肥升为主孤极、嘉兴为主集极、南通市变为外围区。总体来看，极化区等级在不断升高。

图3 长三角区域创新空间极化结构演化

(2)创新极空间结构演化分析。

① 沿海地区极化区等级升高、范围不断扩大。沿海地区凭借靠海的先天地理优势、制度变迁与技术进步带来的地区资源配置高效率，具备一定的创新软环境和良好的区域创新能力，故极化区等级升高的同时范围也不断扩大。比如，嘉兴市北与上海毗邻、南与杭州市相接，其利用区位优势并享受对外开放等各项优惠政策，由最开始的次孤极变为了主集极。绍兴市由主极变为次极再变为主极，故导致与其相邻的杭州和宁波也经历了由主集极向主孤极再向主集极的转变。最后形成的一大主集极覆盖区域范围高达7个，整个空间水平较均衡发展，极化区等级升高。

② 沿江地区极化区先扩张再缩小。长江两岸由于地势差异导致创新能力差距较大。其中，长江北岸地区中南通市由最初的极化区变为外围区、剩余各市基本都保持为外围区。长江南岸交通发达且易接收来自上海的辐射和带动作用，故极化区长期存在。镇江市和常州市由于距离上海市较远且应对各项政策相对反应较迟缓，所以创新能力比长江南岸其他市弱一些。因此，镇江市由外围升为次极、常州市由次极变为主极最终再变为次极，导致沿江极化区范围先扩大再减小。

③ 沿京杭运河地区极化区等级升高且数量变多。由于运河便利的水路交通促进了沿线城市的技术交流与进步，因此，沿京杭运河地区外围和次孤极升为次集极区且有次孤极升为主集极，极化区数量变多的同时等级也在升高。

④ 沿铁路线整体极化区变多。长江三角洲地区铁路以京沪线、沪杭线为主轴，杭甬线为辅线。京沪线主集极区先扩大再缩小，究其原因还是镇江和常州相较沿线地区发展缓慢。沪杭线沿线的上海市、嘉兴市、杭州市由独立的三个极化区演化为一整个主集极，集聚态势增强。杭甬线路过杭州市、绍兴市、宁波市，主集极区从有至无，同时，自2013年杭甬高铁开通后，三地之间交通更加便利，故主集极区再从无至有。

5 研究结论及相关政策建议

5.1 研究结论

(1)长三角城市群创新发展存在非均衡现象。从创新重心的移动轨迹能直观地观察到长三角城市群创新格局的变动，创新重心一直分布在江苏省苏州市境内，与几何中心有所偏差，说明长三角城市群创新发展并不均衡。但创新重心整体一直向西北方向移动，即向几何中心方向靠近，西部及北部的地区创新能力升高拉扯着重心往自身方向移动，说明创新不均衡现象正逐步得到改善。

(2)长三角城市群的创新极化效应总体上呈递减趋势，但其结构分布具有共性。基于TW指数定量分析方法，可知2007—2016年长三角城市群存在创新极化效应。随着时间的推移，极化效应呈递减趋势，说明城市群创新资源不匀质的现象正逐渐得到改善。通过构建由主集极、主孤极、次集极、次孤极和外围区五部分构成的创新极化空间结构体系，可知外围均集中在北翼北部和南翼的中西部地区，极化区则分布于交通便利的地区。

(3)长三角城市群各局部区域创新极演化趋势不尽相同。具体表现为：沿海地区极化区等级升高且范围扩大；沿江地区的极化区先扩张再缩小；沿京杭运河极化区的等级升高、数量变多；铁路沿线城市总体的极化区变多。

5.2 相关政策建议

(1)培育新的创新极，建立有效的创新发展模式。培育新的创新极有利于提高城市群整体创新能力，长三角城市群内创新极位于东部沿海地区，只有紧邻其周边的城市能接收到其辐射作用。而对于城市群西部及中部地区，需选择创新能力较强的城市作为培育创新极的发展对象，比如合肥市及南京市，应着力将其发展成为新的创新极，促进长三角城市群中西部地区的创新协调发展。

(2)充分发挥极点的示范带动作用，增强其对周边地区的扩散效应。政府应重视以创新极为核心带动城市群内各区域协调发展的作用机制，扩大极点的辐射范围并增强其辐射强度，发挥创新极对周围地区的技术扩散及带头引领作用。同时，根据创新极空间结构分布的研究结论可知，交通要道沿线处极化区呈现扩大趋势，故可借助交通的便利性进一步发挥极点对其他地区的扩散效应，以促进城市群整体创新能力的提升。

(3)健全区域协同创新机制，促进城市圈均衡发展。城市群应加强协同创新，通过极点与落后地区的互补，实现创新资源的合理配置。同时，依据区域的异质性发挥其比较优势，激发各区域潜力。且在现有城市群发展模式下，利用政策平台打破行政区域壁垒，积极重构区域政策的实施方向，实现城市群创新高质量发展。