中图分类号：F124.3 文献标志码：A 文章编号：1000-8462(2019)04-0085-08 党的十九大报告提出“创新是引领发展的第一动力”，要“加快建设创新型国家”、构建“国家创新体系”。城市是各类创新要素和资源的集聚地，也是建设创新型国家的重要载体。因此，优化区域创新布局，促进城市创新要素和资源的有效集聚与合理流动，推动城市创新能力和竞争力整体提升，是我国实施创新驱动发展战略的主要工作。这需要回答两个问题：一是我国的创新空间格局如何；二是哪些因素影响了创新空间的格局演化和城市的创新能力。 区域创新的空间异质性和格局演化一直是国内经济地理学的研究热点。学界主要围绕区域创新能力和绩效评估、创新动力和影响因素、空间相关性和溢出效应等方面，从省域、局域地区开展多元化的空间异质性实证研究。例如，有学者利用省级空间面板数据探究了我国区域创新的空间格局及其影响因素[1-3]，也有学者基于市县层面的数据评价了长三角[4]、珠三角[5]都市圈或个别省份[6-7]的区域创新绩效及空间集聚态势。由于省级以下的城市数据难以获取，这类研究主要局限在全国省域层面，或经济发达的城市区域，无法全面刻画我国城市创新发展的整体格局。城市作为创新发展的主要空间单元和空间载体，是创新资源和要素的集聚区，有必要加强城市尺度的创新空间研究，才能真正揭示创新空间格局的本质特征。近年来，学界对创新空间异质性的研究逐渐从省域尺度下移到城市层面，从关注局域地区提升到国家全域[8-10]。 区域创新发展动力是相关研究的另一热点内容。经济地理学研究中，知识溢出是探究区域创新能力影响因素的重要视角。其内在逻辑是，知识溢出和空间上的集聚相互促进，主体在集聚区域能获得大量隐性知识，借此显著降低创新活动的成本，进而促进创新产出的增长。知识溢出的本质在于知识的正外部性带来的社会回报率高于个人回报率，它是由知识的非竞争性和部分排他性特征决定的[11]。在知识溢出作用的实证研究方面，早期认为知识会从大学和研究机构溢出到同一地理单元内的企业创新活动[12-13]。现今，知识溢出框架已逐步扩展并集中到研究创新活动的区域间溢出效应上。Bottazzi等利用欧洲专利数据发现，一个地区的创新成果受邻近地区研发支出的影响[14]。Peri等的研究结果表明，思想的地理扩散在邻近地区之间更有效，靠近创新区域有助于加强欠发达地区的创新增长[15-16]。研究方法方面，最常用的空间计量模型是空间滞后模型SAR和空间误差模型SEM[1，4，8，17]，也有部分学者使用GWR地理加权回归，分析创新投入要素对区域创新活动的直接影响和溢出效应影响[18]。 溢出效应和马太效应是影响城市创新能力和重塑城市创新格局的主要因素。国内创新地理研究主要关注创新资源投入和创新政策环境等因素对创新能力的影响，引入GDP、创新制度、基础设施建设水平等自变量[4，8，10]，而往往忽视知识溢出的产生机制和溢出途径，导致所选变量不能有效代理知识溢出，进而无法有效量化知识溢出对我国区域创新能力的影响。如果一个城市的创新能力受到邻近城市创新活动的影响，则存在知识溢出效应。溢出效应使得落后地区可借力、分享先进地区的创新资源，通过模仿和学习实现快速发展。马太效应则强调创新要素的空间集聚会产生规模效应，使得创新具有路径依赖特征，集中出现在某些创新型城市或地区，如我国的长三角、珠三角等地，创新落后地区追赶越发困难，区域间的两极分化愈发严重。我国实施国家创新发展战略，本质上就是要提升自主创新和协同创新能力，有必要加强创新产生机制和溢出路径的研究。 综上，虽然国内外许多学者从不同层面探讨知识溢出对创新能力的作用，关于知识溢出对创新能力的作用也基本得到肯定，但仍存在以下不足：①研究层面上，全国范围、城市层面的研究较少。城市既是经济发展、也是创新活动的核心载体，有必要加强城市层面的创新研究。②计量模型上，常用的空间滞后和空间误差模型都可能存在对溢出效应的估计偏差。部分学者虽使用了理论上更为稳健的空间杜宾模型SDM，但简单地使用模型的回归系数来测度溢出效应的方向和大小。这种方法得到的溢出效应有偏，需要进行纠偏处理[19]。③变量选取上，现有文献选取的创新能力影响因素往往不能有效代理知识溢出，使得知识溢出对我国区域创新能力影响的测度结果可能有偏。 本文致力于探究城市创新溢出效应和马太效应的互动效果，利用我国275个地级及以上城市(剔除了部分数据缺失的城市)2008-2016年的空间面板数据，首先介绍我国城市创新能力的空间格局及时空格局演变特征，利用空间自相关检验说明知识的空间溢出效应情况。然后基于柯布—道格拉斯生产函数的知识生产函数法，用研发投入、人力资本、外商投资、对外贸易作为知识溢出的代理变量建立空间计量模型，并在空间计量模型估计结果的基础上，利用空间杜宾模型量化研究知识溢出对我国城市创新能力的影响。最后提出优化我国创新资源配置、促进城市协同创新的政策建议。 1 研究方法及数据来源 1.1 代理变量及衡量指标 区域创新能力的衡量，目前还没有统一的指标，国内学者大多采用专利申请或授权数作为衡量指标。部分学者认为仅用专利数据不足以全面衡量区域创新能力，于是参考国内外较权威的OECD或中国科技发展战略研究小组发布的指标体系，构建了包括创新投入、创新环境、创新产出等的区域创新能力多指标评价体系，其中创新产出包括专利数、新项目开发数、技术市场成交合同额等[3，7，17]。但由于部分数据获取难度较大，这种多要素指标体系局限于省级层面或部分经济发达城市群的研究，不适于全面刻画较长观察期内中国整体的城市创新能力，且存在重复计算的可能。总体而言，用专利数衡量创新能力虽然存在不足，但专利是创新活动产生的主要研究成果，专利数量可以较客观完整地反映区域技术发明的动态变化和区域间创新水平的差异，且数据来源充足准确，因此仍是国内学者最常使用的衡量指标[2，4，9，10]。此外，考虑到发明专利相比实用新型和外观设计专利更具新颖性和创造性，专利授权量相比申请量更能代表经认证的、有效的专利数，因此本文用发明专利授权量测度城市创新能力，用P表示，数据来自“专利检索及分析”数据库。
