我国创新空间格局演变特征与差异分析.pdf

我国创新空间格局演变特征与差异分析宋龙剑摘要：基于我国31个省份2008-2017年专利申请数据作为创新水平指标采用赫芬达尔系数、變异系数、核密度分析以及空间自相关方法分析我国区域创新空间格局及演变特征。结果表明：我国创新空间差异整体呈下降趋势创新空间集中度有所降低;创新空间整体上趋势呈现出东部沿海地区-西部内陆地区创新水平逐步减弱的形势空间异质性较强;各省份间的创新空间关联存在正向空间相关性热点集中于长三角附近地区冷点集中于西北地区。关键词：创新空间;核密度分析;空间自相关;空间回归;中国0引言自提出创新驱动发展战略以来我国持续强调利用技术创新提升国家综合实力。创新已成为引领发展的第一动力研究创新空间格局与演变特征能够为我国创新战略的实施提供保障。创新空间是众多创新活动的集合也是一个城市的创新极创新绩效受到创新空间的组织结构和形态的影响。其主体是以研究开发等生产手段为主导的企业和部门强调智力投入、知识资本和创新的核心推动作用。创新空间的组织形式不仅集聚了高技术产业的相关硬件设施同时还包括空间结构形态、体制机制和文化精神等要素。近年来国内外学者在研究创新空间的主题上有不同的侧重点。①不同尺度下创新空间的分布。在国家尺度上有学者研究发现法国约75%的研发人员集中于经济和教育水平较高的六大地区;美国的创新空间具有从传统的“硅谷模式”向“创新城区”转变的趋势;中国的区域创新产出呈现出明显的东部沿海向西部内陆的距离衰减规律。在省市级尺度上学者发现长三角地区的创新空间联系分布不均衡;我国四大城市区域1998-2007年的创新空间极化动态变化趋势;杭州市存在两条高发展潜力创新轴带;广东省在2003-2010年的创新产出虽有大幅度提高但空间差距仍十分显著且集中度不高。②创新空间分布的影响因素。方大春发现地理位置、产业结构、科技投入等因素会显著影响区域创新的空间关联和溢出效应;还有学者研究得出研发投入、企业规模、市场开放度等因素都对城市创新能力较为重要。目前创新空间的研究取得了丰富的研究成果但是创新空间数据和方法的使用还存在着很大差异创新空间的概念仍较为模糊因此创新与空间的关系还需要很多的实证研究来进行解释。因此本文采用专利申请数据为指标能够代表区域的创新能力进而分析我国近十年的创新空间格局的演变过程与差异为我国创新空间格局的优化和规划提供参考。1研究方法与数据来源1.1研究区概况与数据来源专利数据具有易获取、信息详细等优势据前人研究发现专利申请行为能够代表一个区域的创新活跃程度。因此本文以我国31个省（市、区）为研究对象选取2008-2017年专利申请数据作为创新空间研究的指标从而计算我国创新空间水平的布局;并通过搜集统计数据中影响创新能力的因子进而分析影响我国区域间创新空间差异的因素。专利申请数据来源于国家统计局网站以及统计年鉴。中国省级行政区矢量地图来源于国家基础地理信息中心的1∶100万全国基础地理数据库经过配准后使用。1.2研究方法采用变异系数、赫芬达尔指数以及空间自相关的方法对我国的创新空间格局演变的特征进行分析;使用核密度分析法衡量我国创新空间是否存在距离衰减规律;使用空间回归分析的方法定量研究影响我国省份间的创新水平差异的因素。1.2.1变异系数与赫芬达尔指数变异系数、赫芬达尔指数分别能够有效地衡量出样本数据的差异程度和集中程度。1.2.2空间自相关空间自相关分析是指在研究数据中变量之间是否具有空间依赖性和空间异质性的特征提供一种数据分析方法和可视化技术。通常使用全局自相关和局部自相关进行空间关联的分析。全局自相关用来研究区域整体的空间相关性经常用全局MoransI指标进行测度取值范围为[-11]趋向于1则表示在空间上存在正向的相关性在本研究中表现同水平创新等级在空间上趋近于集聚模式;若趋向于0则表示不存在空间相关性在空间中呈现随机分布趋势;如果趋向于-1则表示存在空间负相关关系区域和相邻的区域之间存在明显的创新水平差异。局部空间自相关能够识别出空间中的奇异值可以弥补全局自相关缺乏对局部空间上的测度。利用局部MoransI能够测度某区域与其相邻区域之间的创新差异程度同时能够得出显著性水平判断差异是否显著。通过结合MoransI散点图和显著性水