蔣世敏， 王承云， 熊文景

基于三階段DEA模型的長(zhǎng)江中游城市群創(chuàng)新效率研究

蔣世敏， 王承云*， 熊文景

（上海師范大學(xué) 環(huán)境與地理科學(xué)學(xué)院，上海 200234）

以長(zhǎng)江中游城市群28個(gè)地級(jí)市為研究對(duì)象，運(yùn)用三階段數(shù)據(jù)包絡(luò)分析（DEA）模型測(cè)度并分析長(zhǎng)江中游城市群2005—2018年的創(chuàng)新效率及其時(shí)空演化特征，采用地理加權(quán)回歸（GWR）模型揭示創(chuàng)新效率空間差異的影響因子及其空間異質(zhì)性.結(jié)果顯示：長(zhǎng)江中游城市群創(chuàng)新效率呈現(xiàn)兩段式特征，2005—2010年為平穩(wěn)發(fā)展期，2011—2018年為波動(dòng)變化期；“一圈二群”創(chuàng)新發(fā)展趨勢(shì)尚不明朗，目前還處于創(chuàng)新發(fā)展的初級(jí)階段；長(zhǎng)江中游城市群2005—2018年創(chuàng)新效率空間分異顯著，整體上呈現(xiàn)“發(fā)散-聚斂-發(fā)散”的特征；經(jīng)濟(jì)基礎(chǔ)（ECO）、產(chǎn)業(yè)結(jié)構(gòu)（INDU）、外商投資（FDI）、政府支持（GOV）以及基礎(chǔ)設(shè)施建設(shè)（BAS）對(duì)長(zhǎng)江中游城市群創(chuàng)新發(fā)展的驅(qū)動(dòng)模式存在較大差異，具有明顯的空間分異性.

長(zhǎng)江中游城市群； 區(qū)域創(chuàng)新； 創(chuàng)新效率； 數(shù)據(jù)包絡(luò)分析（DEA）模型

0 引 言

長(zhǎng)江中游城市群是我國(guó)重點(diǎn)建設(shè)的國(guó)家級(jí)城市群，承東啟西、連接南北，是帶動(dòng)中部地區(qū)創(chuàng)新發(fā)展的重要引擎［1］.推進(jìn)長(zhǎng)江中游城市群創(chuàng)新發(fā)展對(duì)推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶打造新的區(qū)域增長(zhǎng)具有重要作用.本研究基于三階段數(shù)據(jù)包絡(luò)分析（DEA）模型，探究長(zhǎng)江中游城市群28個(gè)城市創(chuàng)新效率的時(shí)空特征及其影響因素，以期為推動(dòng)長(zhǎng)江中游城市群協(xié)同高質(zhì)量發(fā)展提供一定的理論參考.

目前，已有諸多學(xué)者對(duì)區(qū)域創(chuàng)新進(jìn)行研究.FAN等［2］基于能力結(jié)構(gòu)關(guān)系模型，從技術(shù)、知識(shí)、服務(wù)、產(chǎn)業(yè)、環(huán)境五方面，構(gòu)建了創(chuàng)新能力評(píng)價(jià)體系，對(duì)1998—2011年中國(guó)各省的創(chuàng)新能力結(jié)構(gòu)及其均衡程度進(jìn)行測(cè)度與評(píng)價(jià).WU等［3］測(cè)度了長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的技術(shù)創(chuàng)新效率，并對(duì)長(zhǎng)江經(jīng)濟(jì)帶上中下游地區(qū)的技術(shù)創(chuàng)新發(fā)展態(tài)勢(shì)進(jìn)行分析與比較.SUN等［4］測(cè)算中國(guó)東部沿海四大城市群的創(chuàng)新效率，發(fā)現(xiàn)城市群內(nèi)核心城市創(chuàng)新效率較優(yōu)，而內(nèi)陸城市創(chuàng)新效率較低.WANG等［5］探討長(zhǎng)三角26個(gè)城市的創(chuàng)新水平，認(rèn)為其創(chuàng)新空間的相關(guān)性整體上表現(xiàn)為正向，而知識(shí)經(jīng)濟(jì)和集聚經(jīng)濟(jì)是城市創(chuàng)新產(chǎn)生的根本機(jī)制.HU等［6］分析了京津冀城市群的創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)演化，揭示了京津冀城市群在早期和中后期不同的創(chuàng)新網(wǎng)絡(luò)模式.

在已有研究中關(guān)于區(qū)域創(chuàng)新論題，多集中于長(zhǎng)三角城市群［7-8］、京津冀城市群［9-10］和粵港澳大灣區(qū)［11-12］，對(duì)長(zhǎng)江中游城市群的研究卻較少見.CHEN等［13］實(shí)證分析了長(zhǎng)江中游城市群20個(gè)城市的創(chuàng)新效率，但是時(shí)間跨度較短，無法充分反映城市創(chuàng)新發(fā)展的空間差異演變.ZHU等［14］探究了長(zhǎng)江中游城市群創(chuàng)新效率的時(shí)空演化規(guī)律，但是側(cè)重于城市群整體綜合技術(shù)效率及空間特征的分析，忽視了城市群內(nèi)部各城市創(chuàng)新效率的空間分異.YI等［15］分析長(zhǎng)江中游城市群37個(gè)城市創(chuàng)新能力的時(shí)空演化，采用專利授權(quán)數(shù)和戶籍人口總量衡量創(chuàng)新產(chǎn)出，而專利授權(quán)數(shù)屬于知識(shí)創(chuàng)新的中間產(chǎn)品，并不能代表創(chuàng)新最終成果.鑒于此，本文作者試圖對(duì)長(zhǎng)江中游城市群創(chuàng)新效率測(cè)度做一個(gè)相對(duì)全面的研究：其一，對(duì)于創(chuàng)新效率的評(píng)價(jià)方法上，本文作者運(yùn)用三階段DEA模型，其優(yōu)點(diǎn)是既無需統(tǒng)一量綱和假定生產(chǎn)函數(shù)，又可剝離無效及重疊信息對(duì)創(chuàng)新效率的影響.其二，城市創(chuàng)新效率具有時(shí)間效應(yīng)，是一個(gè)演化過程，本文作者測(cè)算2005—2018年長(zhǎng)江中游城市群創(chuàng)新效率的時(shí)空演化特征.其三，以專利授權(quán)數(shù)作為創(chuàng)新過程的間接知識(shí)產(chǎn)出，以高新技術(shù)產(chǎn)業(yè)產(chǎn)值作為創(chuàng)新活動(dòng)的直接效益產(chǎn)出，構(gòu)建創(chuàng)新產(chǎn)出綜合指標(biāo).最后，通過地理加權(quán)回歸（GWR）模型揭示外生環(huán)境變量的空間效應(yīng)，以期為優(yōu)化城市創(chuàng)新網(wǎng)絡(luò)、促進(jìn)城市群內(nèi)部科技資源的有效配置提供參考.

1 研究方法與數(shù)據(jù)說明

1.1　研究區(qū)域與數(shù)據(jù)來源

根據(jù)2015年國(guó)務(wù)院印發(fā)的《長(zhǎng)江中游城市群發(fā)展規(guī)劃》確定長(zhǎng)江中游城市群是以武漢城市圈、環(huán)長(zhǎng)株潭城市群、環(huán)鄱陽湖城市群為主體形成的特大型城市群，覆蓋湘、鄂、贛三省，3.17×106km2的范圍.基于數(shù)據(jù)可得性和完整性，未考慮湖北省的潛江市、仙桃市和天門市，確定武漢城市圈的武漢市、襄陽市、荊州市等10個(gè)城市，環(huán)鄱陽湖城市群的南昌市、萍鄉(xiāng)市、鷹潭市等10個(gè)城市，環(huán)長(zhǎng)株潭城市群的長(zhǎng)沙市、益陽市、常德市等8個(gè)城市，共28個(gè)城市作為研究對(duì)象.考慮研究需求和數(shù)據(jù)可獲取性，以2005—2018年為研究的時(shí)間段，深入研究長(zhǎng)江中游城市群創(chuàng)新效率的時(shí)空特征.所有數(shù)據(jù)來源于各地市的統(tǒng)計(jì)公報(bào)以及2006—2019年《中國(guó)城市統(tǒng)計(jì)年鑒》.

1.2　指標(biāo)選取與說明

創(chuàng)新資源投入指標(biāo)方面，資本和人才資源的投入是最具活力的創(chuàng)新要素，是城市群創(chuàng)新發(fā)展的先決條件.選取各地級(jí)市科學(xué)研究與試驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)投入來表征創(chuàng)新活動(dòng)的資本投入，人才投入指標(biāo)采用科學(xué)研究與技術(shù)人員來反映.創(chuàng)新產(chǎn)出指標(biāo)方面，從中間產(chǎn)出（知識(shí)創(chuàng)新）和最終產(chǎn)出（經(jīng)濟(jì)收益）兩個(gè)方面進(jìn)行綜合測(cè)度.高新技術(shù)產(chǎn)業(yè)產(chǎn)值作為創(chuàng)新產(chǎn)出商業(yè)成果的直接指標(biāo)；專利授權(quán)數(shù)屬于創(chuàng)新過程中知識(shí)溢出的中間產(chǎn)出，反映區(qū)域創(chuàng)新的活躍程度，可作為間接指標(biāo).

關(guān)于影響協(xié)同創(chuàng)新效率的外部環(huán)境變量，眾多學(xué)者已進(jìn)行廣泛而深入的分析.本研究選取經(jīng)濟(jì)基礎(chǔ)（ECO）、產(chǎn)業(yè)結(jié)構(gòu)（INDU）、外商投資（FDI）、政府支持（GOV）以及基礎(chǔ)設(shè)施建設(shè)（BAS）5個(gè)變量.經(jīng)濟(jì)基礎(chǔ)用人均國(guó)內(nèi)生產(chǎn)總值（GDP）衡量；產(chǎn)業(yè)結(jié)構(gòu)用第三產(chǎn)業(yè)增加值占GDP比重衡量；外商直接投資水平用當(dāng)年實(shí)際使用外資金額占GDP比重衡量；政府支持用科學(xué)技術(shù)支出占財(cái)政總支出的比重衡量；城市基礎(chǔ)設(shè)施建設(shè)用地區(qū)郵電業(yè)務(wù)總量衡量.

1.3　研究方法

1.3.1三階段DEA模型

三階段DEA模型通過構(gòu)建相似隨機(jī)前沿分析（SFA）模型調(diào)整環(huán)境變量和管理噪聲，消除不可控因素的影響，從而測(cè)算出更真實(shí)的效率值.第一階段選擇傳統(tǒng)的DEA模型對(duì)2005—2018年長(zhǎng)江中游城市群28個(gè)城市進(jìn)行創(chuàng)新效率的初始評(píng)價(jià)；第二階段通過建立SFA回歸函數(shù)消除外部環(huán)境和管理噪聲對(duì)創(chuàng)新效率值的影響，將所有決策單元調(diào)整到相同的外部環(huán)境中，得到調(diào)整后的投入變量；第三階段將第二階段調(diào)整后的投入變量，重新帶入第一階段DEA模型，濾除環(huán)境因素的影響后，使測(cè)算結(jié)果更準(zhǔn)確.

1.3.2GWR模型

GWR模型是考慮變量空間異質(zhì)性的局部線性回歸模型，可獲得不同自變量隨空間位置變化而變化的參數(shù)估計(jì)，有效探索不同影響因素在不同地理位置上的空間差異性，其表達(dá)式為：

2 長(zhǎng)江中游城市群創(chuàng)新效率測(cè)算結(jié)果與分析

2.1　測(cè)算創(chuàng)新效率

采用DEAP2.1軟件對(duì)2005—2018年長(zhǎng)江中游城市群28個(gè)城市原始創(chuàng)新效率進(jìn)行測(cè)算，如表1所示.總體來看，2005—2018年，長(zhǎng)江中游城市群創(chuàng)新效率為［0.265，0.640］，由于受到隨機(jī)噪聲和管理無效率的影響，創(chuàng)新效率均值波動(dòng)幅度較大.不考慮外部環(huán)境因素的影響下，以2018年為例，武漢市、襄陽市、長(zhǎng)沙市、南昌市、鄂州市和萍鄉(xiāng)市的創(chuàng)新效率位居前列，其次是宜昌市、株洲市、湘潭市和撫州市，而吉安市、宜春市和黃岡市的創(chuàng)新效率處于弱勢(shì)地位.在樣本時(shí)間范圍內(nèi)只有武漢市的創(chuàng)新效率值一直保持為1.000，處在隨機(jī)前沿位置，其次為長(zhǎng)沙市.從標(biāo)準(zhǔn)差來看，變動(dòng)范圍為［0.059，0.309］，常德市、衡陽市和南昌市的創(chuàng)新效率變動(dòng)不大，而黃岡市、湘潭市、吉安市和宜春市的創(chuàng)新效率值波動(dòng)幅度相對(duì)較大，分別為0.309，0.291，0.261和0.262.總體來看，武漢城市圈的創(chuàng)新效率值最高，環(huán)長(zhǎng)株潭城市群的創(chuàng)新效率值最低，而樣本期間內(nèi)環(huán)長(zhǎng)株潭城市群的創(chuàng)新效率值變動(dòng)幅度最小.

表12005—2018年長(zhǎng)江中游城市群創(chuàng)新效率（調(diào)整前）

2.2　相似SFA回歸結(jié)果分析

測(cè)算出的效率值可以得到2種投入的松弛變量，而隨機(jī)噪聲和外部環(huán)境變量等不可控因素會(huì)影響投入松弛變量.以資本和人才投入松弛變量為因變量，以ECO，INDU，F(xiàn)DI，GOV和BAS為自變量，運(yùn)用Frontier4.1軟件進(jìn)行SFA回歸分析，如表2所示.由表2可知，極大似然估計(jì)（MLE）的值分別為0.647和0.594，在1%的水平上通過檢驗(yàn)，單邊似然比（LR）值也通過顯著性檢驗(yàn)，說明復(fù)合誤差項(xiàng)的變異主要是由管理無效率項(xiàng)引起的.進(jìn)一步表明對(duì)SFA隨機(jī)前沿模型的設(shè)定具有一定的適用性和合理性.

表2　SFA回歸分析結(jié)果

注：*，**和***分別代表在10%，5%和1%的水平下顯著.

區(qū)域經(jīng)濟(jì)發(fā)展水平的系數(shù)在R&D經(jīng)費(fèi)投入中為正，在科學(xué)與技術(shù)研究人員中為負(fù)，表明城市人均GDP越高，資本投入的松弛變量越大，從而造成城市創(chuàng)新投入利用率下降，而人均GDP的提高會(huì)降低人才投入冗余量，有助于提升城市創(chuàng)新效率.產(chǎn)業(yè)結(jié)構(gòu)的系數(shù)在R&D經(jīng)費(fèi)投入和科學(xué)與技術(shù)研究人員中均為負(fù)，表明隨著產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平提升，資本和人才投入的松弛值都將減少，有利于提高城市創(chuàng)新投入利用率.政府支持的系數(shù)在R&D經(jīng)費(fèi)投入和科學(xué)與技術(shù)研究人員中均為負(fù)，說明政府對(duì)于創(chuàng)新活動(dòng)的財(cái)政支持力度越大，資本和人才投入冗余量越少，各城市的R&D經(jīng)費(fèi)投入和人才投入可以更有效地轉(zhuǎn)化為創(chuàng)新產(chǎn)出.外商投資的系數(shù)在R&D經(jīng)費(fèi)投入和科學(xué)與技術(shù)研究人員中均為正，說明外商投資會(huì)導(dǎo)致資本和人才的投入冗余.外商投資會(huì)對(duì)本土企業(yè)產(chǎn)生“擠壓效應(yīng)”，導(dǎo)致本土企業(yè)人才和資金流失，阻礙本土企業(yè)提升自主創(chuàng)新能力.此外，各城市盲目引進(jìn)外商投資，忽視本土企業(yè)的培育，產(chǎn)生負(fù)面的“示范效應(yīng)”，無法提升城市的創(chuàng)新效率.城市基礎(chǔ)設(shè)施的系數(shù)在R&D經(jīng)費(fèi)投入和科學(xué)與技術(shù)研究人員中均為負(fù)，說明完善的城市基礎(chǔ)設(shè)施，有利于降低資本和人才投入冗余，提高創(chuàng)新投入利用率.

2.3　調(diào)整后的創(chuàng)新效率分析

通過SFA回歸函數(shù)濾除不可控因素影響，調(diào)整投入變量，重新通過DEAP2.1軟件對(duì)長(zhǎng)江中游城市群28個(gè)城市創(chuàng)新效率進(jìn)行測(cè)算，如表3所示.利用投入導(dǎo)向規(guī)模報(bào)酬可變模型測(cè)算創(chuàng)新效率值，通過對(duì)比調(diào)整前后的投入變量，更易觀測(cè)到城市創(chuàng)新效率的變化.2005—2018年，長(zhǎng)江中游城市群整體效率變化區(qū)間為［0.349，0.599］，整個(gè)樣本期間創(chuàng)新效率都在0.5上下波動(dòng)，變動(dòng)范圍明顯縮小.2005—2018年，依然只有武漢市的創(chuàng)新效率保持為1.000，長(zhǎng)沙市和南昌市的創(chuàng)新效率有明顯提升，均值分別為0.856和0.694.從調(diào)整后的標(biāo)準(zhǔn)差來看，樣本區(qū)間內(nèi)標(biāo)準(zhǔn)差變動(dòng)范圍縮小為［0.082，0.240］，長(zhǎng)沙市、南昌市和吉安市的創(chuàng)新效率變動(dòng)不大，而鄂州市、孝感市、益陽市和景德鎮(zhèn)市的創(chuàng)新效率值波動(dòng)幅度相對(duì)較大，其標(biāo)準(zhǔn)差分別為0.240，0.240，0.220和0.209.總體來看，環(huán)鄱陽湖城市群的創(chuàng)新效率值最高，其次為武漢城市圈，此外，樣本期間內(nèi)“一圈二群”的創(chuàng)新效率值變動(dòng)幅度差別不大.

表32005—2018年長(zhǎng)江中游城市群創(chuàng)新效率（調(diào)整后）

為了更清晰地觀察外部環(huán)境因素對(duì)創(chuàng)新效率的影響，對(duì)比外生環(huán)境變量變化前后的創(chuàng)新效率值，如圖1所示.通過圖1可以直觀地看出，南昌市、鷹潭市、上饒市、景德鎮(zhèn)市、襄陽市、上饒市、黃石市、宜昌市、荊州市、衡陽市、長(zhǎng)沙市、湘潭市和常德市13個(gè)城市都有不同程度的提高，說明上述13個(gè)城市的創(chuàng)新效率易受到外部環(huán)境因素的不利影響，尤其是南昌市在剔除環(huán)境變量后，其創(chuàng)新效率增幅最大.而吉安市、萍鄉(xiāng)市、新余市、咸寧市、孝感市、荊門市、黃岡市、株洲市和婁底市9個(gè)城市的創(chuàng)新效率在調(diào)整后出現(xiàn)下降，說明在外部環(huán)境的干擾下，上述9個(gè)城市依然存在創(chuàng)新投入轉(zhuǎn)化利用率不高的問題，其中咸寧市在剔除環(huán)境變量后下降幅度最大.此外，宜春市、撫州市、武漢市、鄂州市、岳陽市和益陽市6個(gè)城市在調(diào)整前后的創(chuàng)新效率幾乎不變，表明外部環(huán)境對(duì)上述6個(gè)城市創(chuàng)新效率影響較小.

3 長(zhǎng)江中游城市群創(chuàng)新效率時(shí)空特征分析

3.1　時(shí)間演化特征

為深入分析長(zhǎng)江中游城市群創(chuàng)新效率的變化趨勢(shì)，繪制“一圈二群”以及長(zhǎng)江中游城市群2005—2018年創(chuàng)新效率均值的趨勢(shì)圖，如圖2所示.總體來看，2005—2010年，“一圈二群”的創(chuàng)新效率值變化較為平穩(wěn)，圍繞0.550上下波動(dòng)，處于平穩(wěn)發(fā)展期；2010—2018年，“一圈二群”的創(chuàng)新效率值波動(dòng)幅度較大，最低值為0.271，最高值為0.818，處于波動(dòng)變化期；2005—2012年，“一圈二群”與長(zhǎng)江中游城市群變化走勢(shì)基本一致，而2013—2018年，“一圈二群”與長(zhǎng)江中游城市群變化趨勢(shì)各不相同.從整體來看，長(zhǎng)江中游城市群創(chuàng)新效率值變化幅度最小，圍繞0.500上下波動(dòng)；武漢城市群和環(huán)鄱陽湖城市群的波動(dòng)范圍較大，最低值為0.289，最高值為0.818；而環(huán)長(zhǎng)株潭城市群的創(chuàng)新效率值呈現(xiàn)逐漸下降的變化趨勢(shì)，最后穩(wěn)定在0.350左右.武漢城市圈、環(huán)鄱陽湖城市群以及環(huán)長(zhǎng)株潭城市群2005—2018年創(chuàng)新效率均值分別為0.570，0.533和0.456，呈現(xiàn)梯級(jí)格局，而且三者發(fā)展趨勢(shì)尚不明朗，創(chuàng)新效率均值與前沿有效相距較遠(yuǎn)，表明三者目前還處于創(chuàng)新發(fā)展的初級(jí)階段.

圖2　長(zhǎng)江中游城市群2005—2018年創(chuàng)新效率演變

3.2　空間格局與演化特征

為了描述長(zhǎng)江中游城市群28個(gè)城市創(chuàng)新效率的空間演化特征，選取2005，2010，2015和2018作為評(píng)價(jià)的時(shí)間節(jié)點(diǎn)進(jìn)行可視化分析，運(yùn)用ArcGIS軟件中的自然間斷點(diǎn)分級(jí)法，將創(chuàng)新效率值分為4個(gè)等級(jí)，如圖3所示.整體來看，長(zhǎng)江中游城市群各城市創(chuàng)新空間差異顯著，處于創(chuàng)新發(fā)展的初級(jí)階段，空間演變整體上呈現(xiàn)“發(fā)散-聚斂-發(fā)散”的特征.長(zhǎng)江中游城市群創(chuàng)新效率第一等級(jí)的城市多分布在省會(huì)城市及經(jīng)濟(jì)實(shí)力較強(qiáng)的地級(jí)市，創(chuàng)新效率第二等級(jí)的城市多集中在環(huán)鄱陽湖城市群.創(chuàng)新效率相對(duì)較低的城市主要分布在長(zhǎng)江中游城市群的西南部以及經(jīng)濟(jì)實(shí)力相對(duì)落后的地區(qū)，形成了明顯的“塌陷”.

圖3　長(zhǎng)江中游城市群創(chuàng)新效率空間格局.（a） 2005年；（b） 2010年；（c） 2015年；（d） 2018年

具體而言，2005年，長(zhǎng)江中游城市群創(chuàng)新效率第一等級(jí)的城市，呈現(xiàn)“破碎點(diǎn)狀”，零星分布在長(zhǎng)江中游城市群內(nèi)部.第二等級(jí)的城市，主要集中在長(zhǎng)江中游城市群東部.而創(chuàng)新效率相對(duì)最低的城市多集中于長(zhǎng)江中游城市群西部，空間上呈現(xiàn)“發(fā)散”特征.2010年，創(chuàng)新效率第一等級(jí)的城市僅有武漢市、宜昌市、長(zhǎng)沙市、湘潭市、新余市，創(chuàng)新效率第二等級(jí)的城市呈現(xiàn)“南北向帶狀”集聚分布，而創(chuàng)新效率相對(duì)最低的城市僅有荊州市、常德市和咸寧市3個(gè)城市，空間上呈現(xiàn)“聚斂”特征.2015年，長(zhǎng)江中游城市群創(chuàng)新效率第一等級(jí)的城市主要分布在武漢城市圈，以及各省會(huì)城市及其周圍城市，而創(chuàng)新效率相對(duì)最低的城市主要分布在長(zhǎng)江中游城市群南部；在此階段創(chuàng)新效率波動(dòng)較大，第一等級(jí)和第四等級(jí)城市的數(shù)量都明顯增加.2018年，創(chuàng)新效率第一等級(jí)的城市有8個(gè)城市，創(chuàng)新效率值相對(duì)最低的城市下降為5個(gè)，高值和低值分布具有 “發(fā)散”特征，呈現(xiàn)“破碎點(diǎn)狀”零星分布模式.

4 長(zhǎng)江中游城市群創(chuàng)新發(fā)展驅(qū)動(dòng)因素分析

GOV系數(shù)均為正值，表明加強(qiáng)政府財(cái)政支持力度對(duì)長(zhǎng)江中游城市群創(chuàng)新發(fā)展具有正向激勵(lì)作用，以武漢市及其周圍城市、南昌市及其周圍城市為高值中心向長(zhǎng)江中游城市群西部遞減，空間上呈現(xiàn)“東高西低”的特征.INDU系數(shù)均為正值，表明提升產(chǎn)業(yè)結(jié)構(gòu)現(xiàn)代化水平可促進(jìn)城市創(chuàng)新發(fā)展，以景德鎮(zhèn)市、九江市、南昌市和上饒市等環(huán)鄱陽湖城市群城市為高值中心向四周遞減，空間上呈現(xiàn)“東北高、西南低”的特征.BAS系數(shù)均為正值，表明完善的城市基礎(chǔ)設(shè)施有利于城市創(chuàng)新發(fā)展，高值集中在湖北省，低值集中在長(zhǎng)江中游城市群東南部，空間分布呈現(xiàn)“北高南低”的特征.ECO系數(shù)為-0.031～0.168，對(duì)創(chuàng)新發(fā)展存在正負(fù)影響，回歸系數(shù)為正的區(qū)域集中在湖北省各地級(jí)市和江西省東部城市，負(fù)值主要集中在環(huán)長(zhǎng)株潭城市群，空間上呈現(xiàn)“北高南低”的特征.FDI系數(shù)與長(zhǎng)江中游城市群創(chuàng)新發(fā)展呈負(fù)相關(guān)關(guān)系，大量的外商投資并不能促進(jìn)城市創(chuàng)新發(fā)展，反而存在一定程度的阻礙作用，回歸系數(shù)在空間上呈現(xiàn)“南高北低”的特征.就影響程度而言，從強(qiáng)到弱依次為：GOV，INDU，BAS、ECO和FDI.

圖4　GWR模型回歸系數(shù)估計(jì)空間分布.（a） ECO； （b） INDU； （c） FDI； （d） GOV； （e） BAS

5 結(jié)論與建議

本文作者以長(zhǎng)江中游城市群28個(gè)地級(jí)市作為空間研究單元，運(yùn)用三階段DEA方法動(dòng)態(tài)評(píng)估長(zhǎng)江中游城市群2005—2018年間的創(chuàng)新效率.采用ArcGIS軟件刻畫并分析長(zhǎng)江中游城市群不同時(shí)間節(jié)點(diǎn)創(chuàng)新效率的空間特征.運(yùn)用GWR模型，選取ECO，INDU，F(xiàn)DI，GOV和BAS 5個(gè)變量作為影響因子，揭示創(chuàng)新效率的空間異質(zhì)性.得出以下主要研究結(jié)論：

1） 在剔除外部環(huán)境和管理無效率的影響后，長(zhǎng)江中游城市群創(chuàng)新效率變化明顯，表明運(yùn)用三階段DEA方法可更準(zhǔn)確地測(cè)度創(chuàng)新效率.調(diào)整后，整個(gè)樣本期間創(chuàng)新效率在0.500上下波動(dòng)，變動(dòng)范圍明顯縮小.武漢市、長(zhǎng)沙市、南昌市、宜昌市、襄陽市以及景德鎮(zhèn)市的創(chuàng)新效率位居前列，其中，依然只有武漢市的創(chuàng)新效率保持為1.000.長(zhǎng)沙市和南昌市創(chuàng)新效率有明顯提升，而衡陽市、益陽市和婁底市的創(chuàng)新效率處于弱勢(shì)地位.

2） SFA回歸結(jié)果顯示產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化、有力的政府財(cái)政支持以及完善的城市基礎(chǔ)設(shè)施，可以提高資本和人才投入利用率，對(duì)區(qū)域創(chuàng)新發(fā)展具有正向激勵(lì)作用.而經(jīng)濟(jì)發(fā)展水平的正外部性存在一定的門檻效應(yīng)，經(jīng)濟(jì)基礎(chǔ)未達(dá)到門檻值時(shí)會(huì)存在消極影響.外商投資會(huì)導(dǎo)致資本和人才的投入冗余，造成城市創(chuàng)新效率的下降.

3） 長(zhǎng)江中游城市群創(chuàng)新效率以2010年為拐點(diǎn)呈現(xiàn)兩段式特征，2005—2010年為平穩(wěn)發(fā)展期，2011—2018年為波動(dòng)變化期.“一圈二群”創(chuàng)新發(fā)展趨勢(shì)尚不明朗，創(chuàng)新效率與前沿有效相距較遠(yuǎn)，目前還處于創(chuàng)新發(fā)展的初級(jí)階段.長(zhǎng)江中游城市群2005—2018年間創(chuàng)新效率空間分異顯著，整體上呈現(xiàn)“發(fā)散-聚斂-發(fā)散”的特征.

4） GWR模型回歸結(jié)果表明，各影響因子對(duì)長(zhǎng)江中游城市群創(chuàng)新發(fā)展的驅(qū)動(dòng)模式存在較大差異，具有明顯的空間分異性.GOV，INDU及BAS對(duì)創(chuàng)新發(fā)展具有正向的驅(qū)動(dòng)作用，ECO對(duì)不同區(qū)域的創(chuàng)新發(fā)展存在正向或負(fù)向影響，而FDI并不能促進(jìn)城市創(chuàng)新發(fā)展，反而存在一定程度的阻滯作用.就影響程度而言，從強(qiáng)到弱依次為：GOV，INDU，BAS，ECO和FDI.

根據(jù)上述研究結(jié)論，提出相應(yīng)建議：1） 加大政府支持，加快創(chuàng)新主體培育.首先，政府可加大對(duì)企業(yè)創(chuàng)新研發(fā)的財(cái)政支持力度，將分散投入的科技資金集中整合起來，優(yōu)化投入結(jié)構(gòu).其次，政府可幫助企業(yè)拓寬科研資金融資渠道，促進(jìn)企業(yè)科研與社會(huì)金融的結(jié)合.2） 構(gòu)建協(xié)同創(chuàng)新機(jī)制，推動(dòng)創(chuàng)新資源柔性流動(dòng).長(zhǎng)江中游城市群一體化發(fā)展需要最大限度地提升并發(fā)揮區(qū)域協(xié)同效應(yīng)，以子城市群為主體，對(duì)內(nèi)提高中心城市的輻射帶動(dòng)作用，對(duì)外促進(jìn)子城市群間的協(xié)調(diào)與合作.3） 推動(dòng)城市群內(nèi)營(yíng)造優(yōu)良的創(chuàng)新環(huán)境.創(chuàng)新水平與研發(fā)資金的投入強(qiáng)度息息相關(guān)，此外，創(chuàng)新的發(fā)展還取決于區(qū)域內(nèi)部的創(chuàng)新環(huán)境，包括研發(fā)基礎(chǔ)設(shè)施建設(shè)、人才引進(jìn)制度建設(shè)、管理流程等.通過打造適宜的創(chuàng)新環(huán)境，加快高科技企業(yè)發(fā)展進(jìn)程，推動(dòng)高科技成果應(yīng)用轉(zhuǎn)化，集聚高科技人才，提升區(qū)域內(nèi)各個(gè)創(chuàng)新主體的生產(chǎn)效率.4） 推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，構(gòu)建現(xiàn)代化產(chǎn)業(yè)體系.建立合理有序的產(chǎn)業(yè)布局，整合省內(nèi)、省際產(chǎn)業(yè)項(xiàng)目，促進(jìn)共建共享，減少項(xiàng)目重復(fù)建設(shè)，遏止低效競(jìng)爭(zhēng).

［1］ MA J， LI X F， ZHANG H. Study on the coordination of urban development quality system in the middle reaches of Yangtze River ［J］. Economic Geography， 2016，36（7）：53-61.

［2］ FAN F， DU D B， YOU X J，et al. Research on regional collaborative innovation based on capacity structure Relationship Model ［J］. Geographical Science， 2015，35（1）：66-74.

［3］ WU C Q， HUANG L， WEN C H. Study on technological innovation efficiency and its influencing factors in the Yangtze River Economic Belt ［J］. China Soft Science Magazine， 2017（5）：160-170.

［4］ SUN Z Q， LI H H， LIU B L. Comprehensive measurement and influencing factors of collaborative innovation efficiency in four major urban agglomerations along the eastern coast of China ［J］. Science & Technology Progress and Policy， 2021，38（2）：47-55.

［5］ WANG C Y， SUN F X. Agglomeration and spillover effect of urban innovation space in Yangtze River Delta ［J］. Geographical Research， 2017，36（6）：1042-1052.

［6］ HU Y， MA J， LI X Y. Structural evolution and driving mechanism of innovation network in Beijing-Tianjin-Hebei Urban agglomeration ［J］. Science & Technology Progress and Policy， 2020，37（13）：37-44.

［7］ SU C， ZENG G， YE L， et al. The impact of trans-regional cooperative innovation on regional diversification in Yangtze River Delta ［J］. Resources and Environment in the Yangtze Basin， 2021，30（3）：534-543.

［8］ SUN B， YANG S. Economic spillover effect and convergence pattern of urban innovation input factors in Yangtze River Delta region ［J］. Progress in Geography， 2021，40（1）：147-160.

［9］ SUN Y K， LI G P. Beijing-tianjin-hebei collaborative innovation level evaluation and promotion strategy research ［J］. Progress in Geography， 2017，36（1）：78-86.

［10］ LYU L C， MEMG G L， HUANG R， et al. Spatial evolution and organization of urban agglomeration innovation network： a case study of Beijing-Tianjin-Hebei Urban agglomeration ［J］. Areal Research and Development， 2019，38（1）：50-55.

［11］ WANG Y， YANG Y， LIU Y. Global vision and theoretical model of building the Guangdong-Hong Kong-Macao Greater Bay Area into an international science and technology innovation center ［J］. Geographical Research， 2020，39（9）：1958-1971.

［12］ SOU J， TANG R F. Study on the coordinated development of high-quality innovation in the Guangdong-Hong Kong-Macao Greater Bay Area ［J］. Science & Technology Progress and Policy， 2020，37（24）：46-53.

［13］ CHEN Z G， REN F. Research on the path to improve innovation efficiency of urban agglomeration in the middle reaches of Yangtze River from the perspective of innovation value chain ［J］. Journal of Commercial Economics， 2018（19）：143-145.

［14］ ZHU L X， HE R， ZHENG W S， et al. Spatio-temporal pattern and driving factors of urban innovation efficiency in the middle Reaches of the Yangtze River ［J］. Resources and Environment in the Yangtze Basin， 2019，28（10）：2279-2288.

［15］ YI M， GAO L， YANG L S. Spatial-temporal dynamic evolution of urban agglomeration innovation capacity in the middle reaches of the Yangtze River ［J］. Statistics & Decision， 2017（5）：134-138.

Innovation efficiency of urban agglomerations in the middle reaches of the Yangtze River based on three-stage DEA model

JIANGShimin， WANGChengyun*， XIONGWenjing

（School of Environmental and Geographical Sciences， Shanghai Normal University， Shanghai 200234， China）

Taking 28 prefecture-level cities in the middle of the Yangtze River as the research object，a three-stage data envelopment analysis（DEA） model was used to measure and analyze the innovation efficiency and its spatial-temporal evolution characteristics in the middle reaches of the Yangtze River from 2005 to 2018，and the geographical weighted regression （GWR） model was used to reveal the influencing factors and spatial heterogeneity of the spatial difference of innovation efficiency. The results show that the innovation efficiency of urban agglomerations in the middle reaches of the Yangtze River presents two-stage characteristics，with stable development period from 2005 to 2010 and fluctuating change period from 2011 to 2018. The trend of innovation development of “one circle，two groups” is still unclear，and it is still in the initial stage of innovation development. The spatial variation of innovation efficiency in urban agglomerations in the middle reaches of the Yangtze River from 2005 to 2018 is significant，showing the characteristics of “divergence-convergence-divergence”. Economic base （ECO），industrial structure （INDU），foreign investment （FDI），government support （GOV） and urban infrastructure construction （BAS） have significant differences in driving patterns of innovation development in the middle reaches of the Yangtze River agglomerations，with obvious spatial differentiation.

urban agglomeration in the middle reaches of the Yangtze River； regional innovation； innovation efficiency； data envelopment analysis（DEA） model

10.3969/J.ISSN.1000-5137.2022.04.016

2022-05-31

國(guó)家自然科學(xué)基金（42171168）

蔣世敏（1998—）， 女， 碩士研究生， 主要從事區(qū)域經(jīng)濟(jì)與區(qū)域創(chuàng)新方面的研究. E-mail： Jsmawdy@163.com

王承云（1961—）， 女， 教授， 主要從事研發(fā)創(chuàng)新與區(qū)域經(jīng)濟(jì)方面的研究. E-mail： chengyun@shnu.edu.cn

蔣世敏， 王承云， 熊文景. 基于三階段DEA模型的長(zhǎng)江中游城市群創(chuàng)新效率研究 ［J］. 上海師范大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2022，51（4）：506?516.

JIANG S M， WANG C Y， XIONG W J. Innovation efficiency of urban agglomerations in the middle reaches of the Yangtze River based on three-stage DEA model ［J］. Journal of Shanghai Normal University（Natural Sciences），2022，51（4）：506?516.

T 18

A

1000-5137（2022）04-0506-11

（責(zé)任編輯：包震宇）