删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中国省域科技创新模式及其时空演变

本站小编 Free考研考试/2021-12-29

李哲, 申玉铭, 曾春水
首都师范大学资源环境与旅游学院,北京 100048

Science and technology innovation patterns and their spatial and temporal evolution of provinces in China

LIZhe, SHENYuming, ZENGChunshui
College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China
通讯作者:通讯作者:申玉铭（1968- ）,男,河南浚县人,博士,教授,研究方向为区域经济与区域可持续发展。E-mail: shenyuming@263.net
收稿日期:2017-12-5
修回日期:2018-03-3
网络出版日期:2018-06-10
版权声明:2018《地理研究》编辑部《地理研究》编辑部
基金资助:

国家自然科学基金项目（41471107）

作者简介:
-->作者简介：李哲（1993- ）,女,黑龙江大庆人,博士,研究方向为产业发展与空间布局。E-mail: lz80701@163.com

展开

摘要
中国的经济增长模式正在由要素驱动型向创新驱动型转变,适宜的科技创新模式是促进中国经济社会协调可持续发展的关键。基于熵值法构建综合指标评价体系,运用Theil指数对中国科技创新投入与产出水平的时空演变进行分析,并结合K-means聚类分析法将其分别归为相同的5个等级。根据不同的投入—产出组合,得出投入产出协调型、投入领先型与产出领先型3个科技创新类型及其子类。最后,利用多阶段DEA模型,从科技创新投入的角度,将科技创新模式划分为混合驱动型、创新平台驱动型、人力与资本驱动型和人力驱动型四类;从科技创新产出的角度,划分为经济创新导向型、知识与经济创新导向型和知识创新导向型三类模式。对比发现,中国科技创新模式与科技创新类型的时空演变呈现高度的相关性。在此基础上,为中国未来区域科技创新的发展提出若干建议。

关键词：科技创新模式;时空演变;熵值法;K-means聚类分析;多阶段DEA模型;省域尺度
Abstract
Given the fact that China's economic growth pattern is transforming from the previous factor-driven type into innovation-driven one, the more innovative a country is, the stronger competition advantage it will obtain and maintain around the world. Likewise, appropriate science and technology innovation pattern tends to be the key to promoting China's economic and social development in a balanced and sustainable manner. In this paper, entropy technology is introduced for the purpose of building a comprehensive index evaluation system. Based on weighted values generated by the evaluation system, this paper analyzes the temporal and spatial evolution of provincial science and technology innovation input and output level in 2004, 2009 and 2014 via Theil index. Then, by exercising K-means clustering analysis, 31 provincial weighted values of science and technology innovation input are divided into 5 grades from high to low, so are the weighted values of science and technology innovation output. On this account, there are totally 11 input-output combinations of science and technology innovation in China which can be classified into 3 types, namely, input-output coordination, input leading and output leading. Among them, there are 3 subtypes of input-output coordination which are high-, medium- and low-level input-output coordination in regard of input and output grades, while the latter one can be divided into 2 subtypes which involve high- and low-level output leading in comparison of input and output grades. This paper further studies the temporal and spatial evolution of all the types. The results show that: (1) input-output coordination maintains the dominant position in China on the move; (2) Innovation platform construction imposes the most significant influence on science and technology innovation type transformation in eastern China. By means of multi-stage DEA model, this paper identifies four science and technology innovation patterns in terms of science and technology innovation input, namely mixed driven, innovation platform driven, labor-capital driven and labor driven pattern, and three science and technology innovation patterns in terms of science and technology innovation output, which involve economy, knowledge-economy and knowledge innovation oriented pattern. It is obvious that science and technology innovation types are associated with the patterns in temporal and spatial evolution. What's more, this paper makes some suggestions to regional science and technology innovation development of China in the future.

Keywords：science and technology innovation patterns;temporal and spatial evolution;entropy technology;K-means clustering analysis;multi-stage DEA model;provincial scale

-->0
PDF (7367KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
李哲, 申玉铭, 曾春水. 中国省域科技创新模式及其时空演变[J]. , 2018, 37(6): 1223-1237 https://doi.org/10.11821/dlyj201806012
LI Zhe, SHEN Yuming, ZENG Chunshui. Science and technology innovation patterns and their spatial and temporal evolution of provinces in China[J]. 地理研究, 2018, 37(6): 1223-1237 https://doi.org/10.11821/dlyj201806012

1 引言

随着全球化的深入发展和产业价值链的细化分解,世界进入开放式创新时代,创新资源跨区域、跨国界循环流动的科技全球化趋势日益显著,国家间的竞争方式逐渐由一般资源配置竞争上升为科技资源配置竞争。当前,创新能力已成为区域综合竞争力的重要标志以及获取国际竞争优势的决定性因素^[1]。“十八大”报告中明确提出将创新驱动作为国家发展战略的核心,“十三五”规划中也强调要充分发挥科技创新在全面创新中的引领作用,为提升中国经济发展的质量与水平、实现经济社会的可持续发展提供持久动力。
中国科技创新水平的空间差异依然存在。已有研究以省域尺度的定量分析为主,研究内容主要包括：① 科技资源空间配置效率研究。研究方法以DEA模型^[2]和Malmquist指数^[3]为主。中国科技资源的区域差异十分显著,与经济发展水平、城市化水平呈现耦合协调关系^[4,5]。科技资源空间分布的不均衡势必导致区域科技资源配置效率的差异^[6]。目前,中国科技资源配置效率东高西低的空间分异格局尚未改变^[7],但西部地区的效率提升速度相对较快^[8]。受地理位置、科技资源禀赋等因素的影响,科技资源配置效率的空间集聚态势逐步增强^[9]。② 科技创新能力空间差异研究。科技资源的投入只有转化为实际的创新能力才能促进经济社会的发展^[10],而创新产出水平能够较好地反映区域创新能力。在已有研究中,****们大多以专利授权量作为测度创新产出的指标^[11]。受经济发展基础、政策制度、技术溢出、空间区位^[12,13]等因素的影响,中国科技创新能力表现出较强的空间相关性^[14],区域分化的“马太效应”逐渐增强^[15];反过来,创新能力也会对区域经济增长产生不同程度的影响,但对西部地区经济增长的带动作用仍然较弱,成为导致中国区域经济发展差异的原因之一^[16]。③ 科技创新的空间溢出效应研究。研究方法主要有空间自相关Moran's I指数、空间滞后模型与空间误差模型^[17]。在开放的经济体系中,受知识吸收能力、区域所处发展阶段、政策制度等因素影响,区域可通过与周边地区的创新空间溢出效应来促进本区域的创新发展^[18]。中国的科技创新发展呈现出随时间推移而日趋扩大的正向溢出性^[19],溢出效应的强度具有随空间距离的增大而呈脉冲式衰减的地理特性^[20]。但同时,创新水平又具有锁定特征,空间上邻近的区域间的溢出效应未必显著,甚至会出现负向溢出效应^[21]。
不同科技创新水平的地区,其科技创新模式势必存在较大差异。中国各省市处于不同的经济发展阶段,结合自身的发展基础与特色,选择适宜的科技创新模式,走差异化发展道路,是实现创新驱动经济增长、缩小区域间发展差距的关键。****们对科技创新模式的研究以定性分析为主,从不同的视角提出划分科技创新模式的标准。具有代表性的划分标准主要包括：① 创新活动的诱因。可划分为“理论成果推动型”和“市场需求拉动型”两种类型^[22]。② 创新程度。可划分为“原始创新”和“模仿创新”,前者是基于各创新主体的科技资源禀赋,建设具有自身特色的创新体系;后者则表现为各创新主体以自身实际为依托,通过引进、购买、破译等手段吸收和掌握原始创新的合理成分,并对其进行改进和完善的过程^[23]。按此标准,王辉又归纳出“引进消化吸收再创新”“集成创新”和“原始创新”三类模式,三者之间互为促进、互为共生,其创新水平层级不断提高^[24]。③ 创新活动的发展驱动力。可分为“企业（市场）驱动型”“政府驱动型”“高校与科研院所驱动型”和“产学研合作型”^[25],其中,“政府驱动型”可通过塑造完善的科技创新政策制度环境,提升区域科技创新的成效^[26],而“产学研合作型”具有更为灵活、高效且能充分吸收外部科技资源的优势^[27]。关于科技创新模式的定量研究,****们多从科技资源配置效率评价、科技创新效率评价等角度,间接对科技创新模式的类型、特点等进行阐释,投入指标多从人力和资本^[28]两方面来选取,产出指标主要包括科技论文数、专利授权数、技术市场成交合同额、高新技术产业产值等^[28,29],鲜有基于科技投入与产出双重视角的科技创新模式划分,以及针对各模式时空演变的分析。
综上,以全国31个省级行政区（不包括香港特别行政区、澳门特别行政区和台湾地区）为研究单元,建立综合指标评价体系,基于科技创新投入与产出的视角,运用K-means聚类分析、Theil指数和多阶段DEA模型,对科技创新模式的类型、特点与时空演变展开研究。结合各省市的实际情况,提出未来科技创新发展的新方向,以期为进一步缩小中国科技创新水平的空间差异、优化科技创新效率的空间格局以及提升区域综合竞争力提供借鉴。

2 研究方法与数据来源

2.1 数据来源

在已有相关研究成果的基础上^[30],本文从科技创新投入与产出两方面建立综合评价指标体系。其中,科技创新投入包括人力投入、资本投入和创新平台建设,科技创新产出包括知识创新产出、经济创新产出与节能减排绩效,共计6项二级指标,并分设若干三级指标。本文的原始数据主要出自2005-2015年的《中国科技统计年鉴》《中国高技术统计年鉴》《中国统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》《国家重点实验室2014年度报告》、2008年的《中国商标战略年度发展报告》和国家工程技术研究中心信息网。

2.2 研究方法

2.2.1 综合指标评价法建立综合指标评价体系,首先运用极差标准化法对各项指标进行处理,消除原始数据中量纲和数量级的影响。其中,“综合能耗产出率”“亿元GDP工业废气排放量”和“亿元GDP工业废水排放量”为负向指标,其余均为正向指标,计算公式如下：

正向标准化 : x_{ij} = \frac{F_{ij} - F_{j \min}}{F_{j \max} - F_{j \min}}

（1）

负向标准化 : x_{ij} = \frac{F_{j \max} - F_{ij}}{F_{j \max} - F_{j \min}}

（2）
采用客观赋权法中的熵值法,根据各指标的变异程度,通过修正由信息熵计算的各指标熵权,得出较为客观的指标权重（表1）。信息熵越小,指标在综合评价中所起的作用越大,其权重也相应越大。计算方法^[31]如下：
Tab. 1
表1
表1综合指标评价体系
Tab. 1Comprehensive index evaluation system

一级指标	二级指标	权重	三级指标	权重
科技创新投入	人力投入	0.1042	万人R&D人员全时当量	0.0581
			R&D人员占全社会就业人数比例	0.0410
			企业研发人员占比	0.0051
	资本投入	0.1053	人均R&D经费投入规模	0.0645
			R&D经费投入占GDP比例	0.0370
			企业研发投入占比	0.0038
	创新平台建设	0.2611	万人高等院校数	0.0321
			万人国家重点实验室数	0.1272
			万人国家工程技术研究中心数	0.0784
			万人国家级高新技术产业开发区数	0.0234
科技创新产出	知识创新产出	0.2033	万人科技论文数	0.0833
			科技论文数/科技研发人员数	0.0307
			万人专利申请数	0.0672
			发明专利申请比例	0.0221
	经济创新产出	0.3034	人均新产品销售收入	0.0616
			万人核准注册商标数	0.0336
			人均技术市场成交合同额	0.0184
			高新技术产业主营业务收入比例	0.0992
			高技术产业新产品销售收入占主营业务收入比例	0.0620
			劳动生产率	0.0286
	节能减排绩效	0.0227	综合能耗产出率	0.0082
			亿元GDP工业废气排放量	0.0046
			亿元GDP工业废水排放量	0.0038
			固体废物综合利用率	0.0061

新窗口打开
第i省市第j项指标的比重:

X_{ij} = x_{ij} / \overset{m}{\sum_{i = 1}} x_{ij}

（3）
指标信息熵:

e_{j} = - \overset{m}{\sum_{i = 1}} (X_{ij} \times \ln X_{ij}) / \ln m (0 \leq e_{j} \leq 1)

（4）
信息冗杂度:

d_{j} = 1 - e_{j}

（5）
指标权重:

W_{j} = d_{j} / \overset{n}{\sum_{i = 1}} d_{j}

（6）
综合评分值:

Y = \sum_{i}^{=} \overset{n}{\sum_{j = 1}} x_{ij} ? w_{ij}

（7）
式中：

Y

为科技创新投入（产出）水平的综合评分值;

x_{ij}

为标准化后的指标值（

x_{ij} \in [0,1]

）;

w_{ij}

为指标的权重（

\overset{n}{\sum_{j = 1}} w_{ij} = 1

）;

i

为研究区数量（

i = 1,2, ?, 31

）;

n

为指标数量。
2.2.2 K-means聚类分析 K-means聚类分析法假定了一个数量为n的D维数据点集X

= \{x_{1}, x_{2}, \dots, x_{i}, \dots, x_{n}\}

,其中

x_{i} \in R^{d}

。将各数据点归为K个类别C=

\{C_{k}, i = 1,2, \dots, K\}

,每个类别

C_{K}

有一个中心

μ_{k}

,用欧式距离法计算各类别的各数据点到其中心的距离平方和

J (C_{k})

,最终使总的距离平方和

J (C)

达到最小,计算公式^[32]为：

J (C_{k}) = \sum_{x_{i} \in C_{k}} {‖x_{i} - μ_{k}‖}^{2}

（8）

J (C) = \overset{K}{\sum_{K = 1}} J (C_{K})

（9）
本文运用K-means聚类分析法分别对全国各省市的科技创新投入与产出水平进行等级划分。
2.2.3 Theil指数与极差、标准差、变异系数等空间差异研究方法相比,Theil指数可将研究尺度进行分解,包括T指数和L指数,分别以GDP占比和人口占比进行加权。利用其可分解性,将Theil指数按人口占比进行一阶段分解,探讨东、中、西和东北四大板块间与板块内的科技创新投入（产出）差异,计算公式^[33]为：

T_{总} = \overset{n}{\sum_{i = 1}} y_{i} lo g_{2} \frac{y_{i}}{p_{i}}

（10）

T_{总} = T_{板块间} + T_{板块内} = \sum_{i} (\frac{Y_{i}}{Y}) \sum_{i} (\frac{Y_{ij}}{Y_{i}}) lo g_{2} (\frac{\frac{Y_{ij}}{Y_{i}}}{\frac{P_{ij}}{P_{i}}}) + \sum_{i} (\frac{Y_{i}}{Y}) lo g_{2} (\frac{\frac{Y_{i}}{Y}}{\frac{P_{i}}{P}})

（11）
式中：

Y_{ij}

为第i板块第j省级行政单元的科技创新投入（产出）评价值;

Y_{i}

为第i板块的科技创新投入（产出）评价值;

Y

为全国的科技创新投入（产出）评价值;

P_{ij}

为第i板块第j省级行政单元的人口;

P_{i}

为第i板块的人口;

P

为全国总人口;Theil指数越大表示区域差异越大。
2.2.4 多阶段DEA模型 DEA模型是评价具有多投入、多产出决策单元（DMU）资源配置效率的工具^[34],通过确定生产前沿面,可对同一类型的各决策单元的相对有效性进行评定和排序,在避免主观因素、简化算法、减少误差等方面具有不可低估的优越性^[35],多阶段DEA模型能够很好地解释复杂系统整体及其内部的效率情况,本文以此评价中国各省市的科技创新效率,进而对科技创新模式进行划分,计算公式^[36]如下：

\{\begin{array}{l} \min [θ - ε (\overset{m}{\sum_{j = 1}} s^{-} + \overset{s}{\sum_{j = 1}} s^{+})] = v_{d} (ε) \\ s. t. \overset{n}{\sum_{j = 1}} λ_{j} x_{j} + s^{+} = θ x_{0} \\ \overset{n}{\sum_{j = 1}} λ_{j} y_{j} - s^{-} = y_{0} \end{array} s^{+} \geq 0, s^{-} \geq 0

（12）
式中：

θ

表示决策单元的有效值;

s^{+}

与

s^{-}

表示松弛变量;

ε

表示非阿基米德无穷小量。当

θ = 1

且

s^{+}

与

s^{-}

均为0时,决策单元为DEA有效;当

θ = 1

且

s^{+} \neq 0

或

s^{-} \neq 0

时,决策单元为弱DEA有效;当

θ < 1

时,决策单元为非DEA有效。

3 中国科技创新投入水平的时空演变分析

3.1 中国各省市的科技创新投入水平逐步提升,总体呈现自东向西递减的空间格局

综合指标评价法的计算结果显示,中国各省市的科技创新投入水平逐步提升,增幅在50%以上。选取2004年、2009年和2014年三个特征时点,运用K-means聚类分析法,将科技创新投入水平划分为“高”“较高”“中等”“较低”和“低”5个等级。如图1所示,中国科技创新投入水平总体呈现自东向西递减的空间格局。高类别（即高水平和较高水平）省市的数量大幅增加,渐趋向东部板块集中。其中,北京与上海已发展成为中国最大的科技创新投入增长极,其科技人力与资本资源多投向国内高等院校和科研院所,主要应用于与生产活动高度相关的试验发展领域,同时拥有数量庞大的科技创新平台。天津、江苏等东部沿海省市的投入水平快速提升,是中国企业科技创新较为活跃的地区。陕西投入水平的提升较为显著,其创新平台建设水平相对突出。低类别（即较低水平和低水平）省份数量庞大但下降明显,始终以西部省份为主,同时涉及个别中部（江西、河南、山西）和东部省份（海南、河北）,其科技人力与资本投入水平普遍偏低,对企业科技创新的投入远低于全国平均水平,在创新平台建设方面的劣势尤为突出,其中,江西、海南、内蒙古、青海和西藏尚未建立国家重点实验室,国家工程技术研究中心也未超过5个。中类别（即中等水平）的省市数量大体保持稳定,但涉及的省市变化较大,随着江苏、浙江等东部省份渐次上升至高类别,湖北、重庆等低类别省市相继补充进来,仅东北三省始终保持中等级的投入水平,是前两类等级的过渡阶段。

3.2 中国科技创新投入水平的总体差异缩小,主要表现为东部板块内的省际差异

显示原图|下载原图ZIP|生成PPT
图12004年、2009年、2014年中国各省市科技创新投入水平
-->Fig. 1Science and technology innovation input of Chinese provinces in 2004, 2009 and 2014
-->

对科技创新投入水平的区域差异进行分析,其Theil指数由2004年的2.0034降至2014年的1.2557,下降了37.3个百分点。这表明,尽管空间集聚态势有所增强,但随着各省市特别是西部省市投入水平的不断提升,中国科技创新投入水平的总体差异逐渐缩小。分别对各年份Theil指数进行一阶段分解,结果显示,板块间与板块内投入差异也表现出不同程度的降低,但其Theil指数的贡献率保持在90%以上且呈上升趋势,因此,中国科技创新投入水平的区域差异主要表现为板块内的省际差异（图2）。

显示原图|下载原图ZIP|生成PPT
图22004-2014年中国科技创新投入水平的Theil指数
-->Fig. 2Theil index of China's science and technology innovation input from 2004 to 2014
-->

四大板块中,东部板块始终是中国科技创新投入水平区域差异的主要贡献者,其贡献率有所降低但保持在50%以上;东部板块Theil指数的降幅位列四大板块之首,尽管北京的投入水平仍然稳居高位,但随着其他东部省市特别是海南与河北投入水平的缓慢提升,东部板块内的省际差异在逐步缩小。西部板块内的省际差异波动下降,但对中国科技创新投入水平总体差异的贡献显著增强,主要源于陕西的投入水平快速提升至较高水平。中部与东北板块对中国科技创新投入总体差异的贡献十分有限,二者的贡献率之和有所增加但尚未突破10%。其中,中部板块的影响程度略有降低,各省间差距未出现明显扩大趋势。东北板块的影响程度逐步提升,其投入水平差异在省级层面有所增强,主要表现为黑龙江科技创新投入水平的增速趋于放缓,与辽宁、吉林间差距略有扩大（图3）。

显示原图|下载原图ZIP|生成PPT
图32004-2014年中国四大板块科技创新投入水平Theil指数的贡献率
-->Fig. 3Theil index ratio of China's science and technology innovation input from 2004 to 2014
-->

4 中国科技创新产出水平的时空演变分析

4.1 中国各省市科技创新产出水平的提升更为显著,高与较高水平的省市数量大幅增加

与投入水平相比,中国各省市科技创新产出水平的提升更为显著,增幅均超过120%,最高的重庆增长了约3.1倍。高类别省市数量大幅增加,至2014年底约占全部省市的32.2%,向东部地区高度集中的态势逐渐增强。其中,北京和上海始终保持极具优势的科技创新产出能力,高质量的知识创新成果丰富,科技创新对经济社会发展的带动作用显著。天津、江苏等东部沿海省市的产出能力大幅增强,但天津仍存在科技论文数量与质量不平衡的问题,浙江和福建的技术市场活跃性欠佳,而山东高质量的知识创新成果相对匮乏。重庆与陕西的产出水平快速提升,但与以上东部省市间尚存在差距。中类别省份数量增长了50%,所涉及的省市变化较大,至2014年底包括湖北等中部省份、四川以及东北三省,主要表现为高新技术产业的稳步发展,除辽宁外,其余省份的节能减排绩效大体处于全国平均水平。低类别省份数量减少了近一半,但仍占据较大比例。所涉及的省份变化显著,但始终以西部省份为主,至2014年底还包括山西、海南与河北。各省份的科技创新产出水平仍然不高,但彼此间差距相对较小,具体表现为高质量的知识创新成果有限,科技创新对经济增长与社会生产力水平提高的带动作用较弱,节能减排成效不甚理想（图4）。

显示原图|下载原图ZIP|生成PPT
图42004年、2009年、2014年中国各省市科技创新产出水平
-->Fig. 4Science and technology innovation output of Chinese provinces in 2004, 2009 and 2014
-->

4.2 中国科技创新产出水平的总体差异波动缩小,西部板块内的省际差异有所增强

中国科技创新产出水平的Theil指数由2004年的1.1976波动下降至2014年的0.9560,区域差异呈现缩小态势,且始终低于科技创新投入的区域差异水平,表明各省市特别是西部省市产出能力的提升更为显著。分别对产出水平在各年份的Theil指数进行一阶段分解,结果与投入水平相似,中国科技创新产出水平的区域差异也主要表现为板块内的省际差异（图5）。

显示原图|下载原图ZIP|生成PPT
图52004-2014年中国科技创新产出水平的Theil指数
-->Fig. 5Theil index of China's science and technology innovation output from 2004 to 2014
-->

在四大板块中,东部板块的Theil指数及其贡献率呈下降态势,但仍位列四大板块之首,表明东部板块内各省市的产出水平差异缩小,但仍是中国科技创新产出差异的主要贡献者。一方面,北京继续保持极具优势的产出能力,上海、天津等省市的产出水平较高但与北京间仍存在差距,而海南与河北始终处于较低的产出水平;另一方面,随着各省市产出能力稳步提高,特别是海南与河北两省产出水平的提升,使北京与其他东部省市间的差距渐趋缩小。西部板块内产出水平的省际差异及其对总体差异的影响程度均有所增强,重庆与陕西的产出水平迅速提升,甚至超过某些东部省份,四川也表现出较大发展潜力,而其他西部省份的产出水平虽有所提高,但与渝、陕、川三地间的差距愈发显著。中部与东北板块内的省际差异波动变化但始终不突出,二者的贡献率之和由2004年的8.16%降至2014年的6.96%,对中国科技创新产出水平总体差异的影响较小（图6）。

显示原图|下载原图ZIP|生成PPT
图62004-2014年中国四大板块科技创新产出水平Theil指数的贡献率
-->Fig. 6Theil index ratio of China's science and technology innovation output from 2004 to 2014
-->

5 中国科技创新模式的时空演变分析

5.1 中国科技创新类型的时空演变分析

考虑创新产出的滞后性,选取2年的滞后期,以年均增长率对产出水平进行修订,同样用K-means聚类分析法为修订后的产出水平划分等级,并以此作为下文科技创新类型划分的基础。综合各省市科技创新的投入与产出水平,理论上共可得到25种投入—产出组合,而实际仅出现11种组合,组合总量大体保持稳定,但类型略有变化,表明本研究期内中国科技创新类型的复杂程度并未发生显著改变。将“高投入—高产出”等投入、产出处于同一水平的5种组合定义为“投入产出协调型”,按照所属的高、中、低类别,可再将该类型划分为高水平、中等水平和低水平三个子类;将“高投入—较高产出”等投入水平高于产出水平的三种组合划分为“投入领先型”;将“中投入—较高产出”等投入水平低于产出水平的三种组合归为“产出领先型”,其中,“中等投入—较高产出”和“较低投入—中等产出”为“高水平的产出领先型”,而“低投入—较低产出”为“低水平的产出领先型”（表2）。
Tab. 2
表2
表22004年、2009年、2014年中国各省市科技创新类型
Tab. 2Science and technology innovation types of Chinese provinces in 2004, 2009 and 2014

科技创新类型	子类	2004年	2009年	2014年
投入产出协调型	高水平型	北京、上海	北京、上海、江苏、天津、浙江、广东	北京、上海、江苏、天津、浙江、广东、福建、陕西、山东
	中等水平型	江苏、浙江、天津、广东、辽宁	陕西、湖北、山东、辽宁、福建、吉林、重庆	湖北、湖南、辽宁、吉林、安徽、黑龙江
	低水平型	湖北、山西、重庆、四川、海南、甘肃、新疆、江西、河北、湖南、广西、西藏	宁夏、山西、安徽、海南、江西、甘肃、河南、新疆、河北、广西、西藏	甘肃、海南、河北、山西、新疆、广西、西藏
投入领先型	-	吉林、陕西、黑龙江、宁夏、内蒙古、青海	黑龙江、内蒙古、青海	宁夏、青海、内蒙古
产出领先型	高水平型	福建、山东	四川、湖南	重庆、四川、河南、江西
产出领先型	低水平型	安徽、河南、贵州、云南	贵州、云南	贵州、云南

新窗口打开
5.1.1 中国科技创新类型始终以投入产出协调型为主,各类型的空间分异特征明显中国科技创新类型始终以“投入产出协调型”为主,该类型所涉及的省市数量波动变化但大体保持不变,始终保持60%以上的比例。其中,“高水平的投入产出协调型”的数量快速增长,“中等水平的投入产出协调型”的数量略有波动、小幅增加,而“低水平的投入产出协调型”的数量下降明显。“投入领先型”与“产出领先型”所涉及的省市之和始终未突破40%的比例,其中,“投入领先型”的数量略有下降;“产出领先型”的数量波动变化但大体保持不变,“高水平的产出领先型”的数量略有增加,而“低水平的产出领先型”的数量略有降低。
受科技创新投入与产出水平的影响,中国科技创新类型的空间分异特征也较为显著。其中,“投入产出协调型”涵盖了中国四大板块的省市,“高水平的投入产出协调型”主要位于东部板块的北京、上海等地以及西部的陕西,且向东部板块集中的趋势逐渐增强;“中等水平的投入产出协调型”主要位于中部的湖北、湖南、安徽以及东北三省;而“低水平的投入产出协调型”则涉及东（海南、河北）、中（山西）、西（甘肃、新疆、广西、西藏）三大板块的省份。“投入领先型”始终以西部板块的省份为主,目前主要位于西北地区,包括宁夏、青海和内蒙古。“产出领先型”也主要位于西部板块,其中,“高水平的产出领先型”涉及中部（河南、江西）和西部（重庆、四川）省市,“低水平的产出领先型”始终以西南省份为主,目前为贵州和云南。
5.1.2 创新平台建设对东部省市科技创新类型转变的作用最为显著创新平台建设对东部省市科技创新类型变化的影响最为显著,主要表现为经济创新产出水平的提升。如江苏、天津、浙江和广东,其创新平台建设特别是国家重点实验室和国家工程技术研究中心数量的增加,促进了高新技术产业经济效益与产业化水平的大幅提高,逐渐由“中等水平的投入产出协调型”转变为“高水平的投入产出协调型”。福建、陕西和山东的科技创新类型转变主要受科技人力投入的增加与创新平台建设的共同影响,其中,创新平台建设的促进作用相对突出,经济创新产出水平迅速提升。
在中部和东北地区,科技创新类型的变化受科技人力与资本投入的影响较大,创新平台建设的作用逐渐增强,创新成果突出表现在知识创新与经济创新领域。如湖北与湖南、吉林与黑龙江,随着科技人力与资本投入力度的加大,其知识与经济创新产出水平稳步提升,分别由“低水平的投入产出协调型”和“投入领先型”波动变化为“中等水平的投入产出协调型”。河南与江西以科技人力投入和创新平台建设为主导,其经济创新产出能力显著提升,科技创新类型逐渐转变为“高水平的产出领先型”。安徽科技创新类型的转变受创新平台建设的影响相对较弱,但影响程度有所增强,其知识与经济创新产出水平提高,逐步提升为“中等水平的投入产出协调型”。
对于西部大部分省份而言,其科技创新类型的变化始终以科技人力与资本投入为主导,创新平台建设的影响相对有限,创新成果多出自知识创新领域。如宁夏、青海和内蒙古,其产出水平的增速趋于放缓,科技创新类型大体保持为“投入领先型”。贵州和云南的科技创新类型逐渐转变为“低水平的产出领先型”,其中科技人力投入的作用突出,科技创新产出水平较低但略有提升。与之相反,重庆与四川在科技资本投入增加、创新平台建设水平提高的影响下,经济创新产出能力,特别是高新技术产业的发展水平快速提升,逐渐由“低水平的投入产出协调型”转变为“高水平的产出领先型”。

5.2 中国科技创新模式的类型划分

运用多阶段DEA模型,对中国各省市各项投入对产出、投入对各项产出的转化效率进行分析,进而对中国科技创新模式的类型进行划分。参照已有研究,将效率值大于或等于0.8的省市归为“高效”一类,效率值大于或等于0.6但小于0.8的归为“中等效率”一类,而效率值小于0.6的则为“低效”一类^[37]。
5.2.1 科技创新投入视角下的科技创新模式从科技创新投入的角度来看,中国的科技创新模式可以划分为“混合驱动型”“创新平台驱动型”“人力与资本驱动型”和“人力驱动型”四类。其中,混合驱动型模式的科技人力与资本投入以及创新平台建设水平普遍较高,对科技创新产出的影响程度相当,转化效率均在0.9以上,反映了区域坚实的经济发展基础与浓厚的科学文化氛围,利于政产学研的协同创新,以北京和上海为典型。创新平台驱动型模式中,创新平台建设特别是国家重点实验室和国家工程技术研究中心建设的贡献突出,转化效率超过0.85,典型的地区包括江苏、天津、浙江等东部沿海省市。人力与资本驱动型模式中,科技人力与资本投入是区域科技创新活动的主要驱动力量,对创新产出的转化效率在0.6以上,而创新平台建设的作用相对较弱,主要包括大部分中部省份、东北三省以及西部的重庆和四川。人力驱动型模式主要分布于西部以及东部的海南、河北,其科技人力与资本投入以及创新平台建设水平普遍不高,人力投入对创新产出的影响相对突出,但转化效率仍未达到0.6。
5.2.2 科技创新产出视角下的科技创新模式从科技创新产出的角度看,中国的科技创新模式可分为“经济创新导向型”“知识与经济创新导向型”“知识创新导向型”三类。其中,经济创新导向型模式位于北京、上海等东部省市,经济创新产出能力普遍较强,突出表现为高新技术产业的发展,转化效率均在0.8以上。知识与经济创新导向型模式分布于中部、东北以及西部的重庆与四川,其知识与经济创新水平相当,转化效率大体保持在0.6~0.8之间,而重庆的科技投入对经济创新的转化效率略高于0.8。知识创新导向型模式广泛分布于西部以及个别中部（山西）和东部（海南、河北）省份,知识创新产出水平相对较高,但转化效率均在0.6以下,主要表现为科技论文和专利授权总量的增加。

5.3 中国科技创新模式与科技创新类型的关系

中国科技创新模式与科技创新类型的时空演变表现出较强的相关性（图7）。从投入角度来看,高水平的投入产出协调型的省市分属混合驱动型模式和创新平台驱动型模式,中等水平的投入产出协调型和高水平的产出领先型属于人力与资本驱动型模式,而低水平的投入产出协调型、投入领先型和低水平的产出领先型则属于人力驱动型模式。从产出角度来看,高水平的投入产出协调型属于经济创新导向型模式,中等水平的投入产出协调型和高水平的产出领先型属于知识与经济创新导向型模式,而低水平的投入产出协调型、投入领先型和低水平的产出领先型则表现为知识创新导向型模式。

显示原图|下载原图ZIP|生成PPT
图7中国科技创新模式与科技创新类型的关系
-->Fig. 7Relationship between science and technology innovation patterns and types in China
-->

6 结论与讨论

6.1 结论

运用Theil指数对中国科技创新投入与产出水平的时空演变展开分析,发现二者的区域差异逐渐缩小,主要表现为东部板块内的省际差异。选取2004年、2009年和2014年三个特征时点,用K-means聚类分析法将投入与产出水平归为5个等级,并据此得出三大科技创新类型及其子类。结果显示,中国的科技创新类型始终以投入产出协调型为主,创新平台建设对东部省市科技创新类型转变的作用最显著,西部省份大多仍以科技人力投入为主导。结合多阶段DEA模型,从科技创新投入的角度将中国科技创新模式划分为混合驱动型、创新平台驱动型、人力与资本驱动型和人力驱动型四类,从科技创新产出的角度可划分出经济创新导向型、知识与经济创新导向型和知识创新导向型三类模式,对比分析发现,中国科技创新模式与科技创新类型的时空格局演变表现出高度的相关性。

6.2 讨论

中国各省市具有不同的科技创新模式,针对区域创新资源的地域特征以及中国未来科技创新的发展趋势,需实行差异化的发展路径,具体对策建议如下：
（1）塑造科技创新投入与产出相匹配的空间格局,全面提升科技创新效率。目前,中国大多数省市的科技创新投入与产出水平相对协调,特别是北京与上海,其投入与产出水平高居全国前列且发展十分协调。部分中部、西部和东北省份的投入与产出水平并不突出,有些甚至居于全国末位,但仍然呈现出较为匹配的发展格局。然而,仍有近一半省市的科技创新投入与产出水平并不协调,其中一些省市的产出水平高于投入水平,如重庆、四川等地,科技资源得到了充分利用,创新效率较高,表现出颇具发展潜力的科技创新能力。同时,还有一些省份存在投入水平相对较高而产出水平相对偏低的现象,如宁夏、新疆、青海和内蒙古,创新优势并未得到充分发挥,造成了科技资源的严重浪费。因此,有必要推进区域科技创新投入与产出水平的均衡发展,调整科技投入结构,既要充分发挥创新优势,又要加快补足创新发展的短板,提高区域科技创新效率。
（2）培育多层次的区域创新高地,增强辐射带动作用。创新资源具有空间集聚特性,高端创新资源的集聚能够带来丰富的规模效益,因此,可在创新基础相对较好的地区,培育多层次的创新高地,有利于发挥科技创新的正向溢出作用。首先,可率先形成一批带动能力强的创新型省市,除北京、上海、江苏等东部省市外,中部的湖北、湖南,西部的重庆、陕西和四川等也具有相当的发展潜力。其次,打造一批创新型城市群,兼顾东、中、西和东北四大板块的发展,重点培育京津冀、长三角、珠三角、长江中游、成渝等国家战略性区域,是推动中国经济社会发展、提升国家竞争力的核心力量。最后,可建设具有辐射带动作用的区域创新增长极,培育不同层次的创新中心,努力推进北京与上海发展成为全球创新中心,打造以省会城市为主的国家创新中心,逐步完善国家创新网络。
（3）促进创新要素的聚集流动,缩小科技创新水平的区域发展差距。东部板块应拓宽与其他板块间的科技合作领域,引导创新要素向中西部及东北板块聚集流动;此外,要进一步缩小板块内海南、河北与其他东部省市间的发展差距,在继续增加科技投入的同时,提升科技创新对经济社会协调稳定发展的带动作用。西部板块应全面加大科技投入力度,特别重视创新平台建设的作用,加快发展高新技术产业,推动产业结构优化升级,同时兼顾环境效益,提高科技投入的实际转化效率;同时,以陕西、重庆和四川为龙头,充分发挥区域特色和优势,加强西部板块内以及与其他板块间的科技创新交流与合作,促进知识、技术等的引进、推广与应用。而中部和东北板块需继续保持并提升科技人力与资本投入水平,特别是河南与江西的投入水平,加强创新平台建设,稳步提升区域科技创新效率,重点关注山西科技创新水平的提高。
（4）提高科技投入对节能减排的转化效率,增强科技创新对环境保护的贡献力度。运用多阶段DEA模型进行科技创新模式划分,发现中国科技投入对节能减排的转化效率总体不高,效率值最高尚未超过0.9,最低仅略高于0.1,表明中国各省市的科技创新活动对环境保护的促进作用并不显著。科技创新不仅是拉动经济增长的重要抓手之一,同时也是解决中国环境问题的重要支撑力量^[38]。在促进创新成果产业化的同时,要注重环境保护与经济效益的同步提高。一方面,需要政府着力构建质量控制管理、减排、监督执法、环保经济政策、环保产业、风险预警等六大技术支持体系,为环保科技工作的开展和环境管理的转型提供全方位的支撑^[39];另一方面,要加快推进中国环保科技的产业化,选择重点领域优先突破,加强境内外的产学研合作创新,积极引进国外先进技术和经营管理经验,为中国环保企业开拓更为广阔的市场空间^[40]。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	白俊红, 江可申, 李婧. 中国区域创新系统创新效率综合评价及分析 . 管理评论, 2009, 21(9): 3-9. [本文引用: 1] [Bai Junhong, Jiang Keshen, Li Jing. Research on the innovating efficiency of regional innovation systems of China. Management Review, 2009, 21(9): 3-9.] [本文引用: 1]
[2]	黄海霞, 张治河. 基于DEA模型的我国战略性新兴产业科技资源配置效率研究 . 中国软科学, 2015, (1): 150-159.https://doi.org/10.3969/j.issn.1002-9753.2015.01.016 URL [本文引用: 1]摘要本文采用数据包络分析（DEA）方法,从投入与产出角度对2009—2011年间战略性新兴产业科技资源配置效率进行了定量分析。结果显示：我国战略性新兴产业科技资源配置效率整体水平不断提高,但并没有实现最优,且不同产业间以及同一产业内部存在较大差异。进一步研究表明：（1）新一代信息技术、新材料及生物医药部分依托产业,综合效率、技术效率、规模效率存在低效或者无效;（2）高端装备制造和生物医药部分依托产业,存在严重的投入冗余和产出不足。基于此,提出了优化战略性新兴产业科技资源配置的政策建议。 [Huang Haixia, Zhang Zhihe. Research on science and technology resource allocation efficiency in Chinese emerging strategic industries based on DEA Model. China Soft Science, 2015, (1): 150-159.]https://doi.org/10.3969/j.issn.1002-9753.2015.01.016 URL [本文引用: 1]摘要本文采用数据包络分析（DEA）方法,从投入与产出角度对2009—2011年间战略性新兴产业科技资源配置效率进行了定量分析。结果显示：我国战略性新兴产业科技资源配置效率整体水平不断提高,但并没有实现最优,且不同产业间以及同一产业内部存在较大差异。进一步研究表明：（1）新一代信息技术、新材料及生物医药部分依托产业,综合效率、技术效率、规模效率存在低效或者无效;（2）高端装备制造和生物医药部分依托产业,存在严重的投入冗余和产出不足。基于此,提出了优化战略性新兴产业科技资源配置的政策建议。
[3]	刘玲利. 科技资源配置机制研究: 基于微观行为主体视角 . 科技进步与对策, 2009, 26(15): 1-3. [本文引用: 1] [Liu Lingli. Research on science and technology resource allocation mechanism based on microcosmic subjects. Science & Technology Progress and Policy, 2009, 26(15): 1-3.] [本文引用: 1]
[4]	牛方曲, 刘卫东. 中国区域科技创新资源分布及其与经济发展水平协同测度 . 地理科学进展, 2012, 31(2): 149-155.https://doi.org/10.11820/dlkxjz.2012.02.003 URL Magsci [本文引用: 1]摘要 21 世纪是知识经济时代,为了提高中国的科技创新能力以促进经济快速发展,各区域进行了大量科技创新资源的建设投入。但科技投入只有真正转化为创新能力、产出创新成果,才能促进经济的发展。本文分别从国立、地方、企业三方面综合评价了各省的科技创新资源,分析其空间分布格局,并结合经济发展水平,分析了区域科技创新资源与经济发展水平之间的相关性。研究表明,中国各省科技创新资源与经济发展水平总体上呈正相关趋势,但具体到各省份,随着科技创新资源的增加,其经济发展水平却有升有降。为充分发挥区域科技创新资源的作用,提高科研成果产出,区域科技创新资源与经济发展水平的配置关系仍需优化调整。探索中国科技创新资源与经济发展水平间的驱动与响应机制,建立科学合理的决策模型,实现国家用于宏观调控的国立科技创新资源、各地区自主决策的地方科技创新资源、市场驱动的企业科技创新资源三者有机结合、高效配置,以更大程度地实现科技产出,促进经济发展,对于转型期的中国,实现由依靠传统资源要素进入到依靠科技资源支撑和推动社会经济发展的新阶段,具有重要意义。 [Niu Fangqu, Liu Weidong. Relationships between scientific & technological resources and regional economic development in China. Progress in Geography, 2012, 31(2): 149-155.]https://doi.org/10.11820/dlkxjz.2012.02.003 URL Magsci [本文引用: 1]摘要 21 世纪是知识经济时代,为了提高中国的科技创新能力以促进经济快速发展,各区域进行了大量科技创新资源的建设投入。但科技投入只有真正转化为创新能力、产出创新成果,才能促进经济的发展。本文分别从国立、地方、企业三方面综合评价了各省的科技创新资源,分析其空间分布格局,并结合经济发展水平,分析了区域科技创新资源与经济发展水平之间的相关性。研究表明,中国各省科技创新资源与经济发展水平总体上呈正相关趋势,但具体到各省份,随着科技创新资源的增加,其经济发展水平却有升有降。为充分发挥区域科技创新资源的作用,提高科研成果产出,区域科技创新资源与经济发展水平的配置关系仍需优化调整。探索中国科技创新资源与经济发展水平间的驱动与响应机制,建立科学合理的决策模型,实现国家用于宏观调控的国立科技创新资源、各地区自主决策的地方科技创新资源、市场驱动的企业科技创新资源三者有机结合、高效配置,以更大程度地实现科技产出,促进经济发展,对于转型期的中国,实现由依靠传统资源要素进入到依靠科技资源支撑和推动社会经济发展的新阶段,具有重要意义。
[5]	蒋天颖, 华明浩, 许强, 等. 区域创新与城市化耦合发展机制及其空间分异: 以浙江省为例 . 经济地理, 2014, 34(6): 25-32.URL [本文引用: 1]摘要探讨了区域创新与城市化之间的耦合协调发展机制,构建了区域创新与城市化综合发展水平评价模型,并以浙江为例,分析了浙江省11个地市级城市区域创新与城市化之间的耦合协调发展情况,得到以下结论:2005-2011 年,杭州位居浙江省区域创新与城市化综合发展水平之首;浙江省区域创新与城市化整体耦合处于颉颃阶段,协调水平仅为中度协调耦合,较良性协调仍存在较大差距;杭州、宁波的区域创新与城市化已达到高度协调耦合水平,而舟山、衢州和丽水的耦合协调发展水平较弱,仍需进一步提升;浙江省区域创新与城市化耦合协调发展呈现“北高南低、东高西低”的空间格局,且其演化态势相对稳定.据此,研究提出了推动产业结构优化升级、完善城市专业化功能、构建综合交通与信息网、培育中心镇与小城市等建议. [Jiang Tianying, Hua Minghao, Xu Qiang, et al.Coupling development and spatial differences between regional innovation and urbanization: A case of Zhejiang province. Economic Geography, 2014, 34(6): 25-32.]URL [本文引用: 1]摘要探讨了区域创新与城市化之间的耦合协调发展机制,构建了区域创新与城市化综合发展水平评价模型,并以浙江为例,分析了浙江省11个地市级城市区域创新与城市化之间的耦合协调发展情况,得到以下结论:2005-2011 年,杭州位居浙江省区域创新与城市化综合发展水平之首;浙江省区域创新与城市化整体耦合处于颉颃阶段,协调水平仅为中度协调耦合,较良性协调仍存在较大差距;杭州、宁波的区域创新与城市化已达到高度协调耦合水平,而舟山、衢州和丽水的耦合协调发展水平较弱,仍需进一步提升;浙江省区域创新与城市化耦合协调发展呈现“北高南低、东高西低”的空间格局,且其演化态势相对稳定.据此,研究提出了推动产业结构优化升级、完善城市专业化功能、构建综合交通与信息网、培育中心镇与小城市等建议.
[6]	陈修颖, 陈颖. 浙江省科技资源的区域差异及其空间配置效率研究 . 地理科学, 2012, 32(4): 418-425.URL Magsci [本文引用: 1]摘要科技资源是科技活动的基础,是创造科技成果,推动整个经济和社会发展的要素的集合。利用主成分分析法评价了浙江省各地级市科技资源的存量,并运用ArcView 分析了浙江省科技资源的空间分布状况,利用数据包络分析法(DEA)评价了浙江省各地级市的科技资源配置相对效率,利用柯布-道格拉斯生产函数和索洛余值法计算了各个地级市的科技进步对于经济发展的贡献率。结果表明：①浙东北的科技资源及科技进步贡献率都要明显高于浙西南,同时浙东北、浙西南内部也存在着较大的差异。②杭州市、嘉兴市、绍兴市、金华市、舟山市和丽水市科技资源配置效率较高,而宁波市、温州市、湖州市、衢州市和台州市的科技资源配置效率相对较低。 [Chen Xiuying, Chen Ying. The regional differences of science and technology resources and the allocation efficiency evaluation in Zhejiang province. Scientia Geographica Sinica, 2012, 32(4): 418-425.]URL Magsci [本文引用: 1]摘要科技资源是科技活动的基础,是创造科技成果,推动整个经济和社会发展的要素的集合。利用主成分分析法评价了浙江省各地级市科技资源的存量,并运用ArcView 分析了浙江省科技资源的空间分布状况,利用数据包络分析法(DEA)评价了浙江省各地级市的科技资源配置相对效率,利用柯布-道格拉斯生产函数和索洛余值法计算了各个地级市的科技进步对于经济发展的贡献率。结果表明：①浙东北的科技资源及科技进步贡献率都要明显高于浙西南,同时浙东北、浙西南内部也存在着较大的差异。②杭州市、嘉兴市、绍兴市、金华市、舟山市和丽水市科技资源配置效率较高,而宁波市、温州市、湖州市、衢州市和台州市的科技资源配置效率相对较低。
[7]	范斐, 杜德斌, 李恒. 区域科技资源配置效率及比较优势分析 . 科学学研究, 2012, 30(8): 1198-1205.URL [本文引用: 1]摘要科技资源作为国家最重要的战略资源，其配置效率的高低直接关系到区域经济的可持续发展。根据科技资源配置效率的内涵和结构，利用全国31个省市区1998—2010年的相关数据，在构建区域科技资源配置效率评价指标体系的基础上，对各个区域的科技资源配置效率进行测度。运用比较优势原理，采用NRCA模型，计算区域各科技资源要素配置效率的相对比较优势。结果表明：历年来各区域整体的科技资源配置效率都有所提升，但空间差异的分布格局变化不大，区域科技人力资源、财力资源、信息资源配置效率的比较优势是影响区域科技资源配置效率的直接原因。 [Fan Fei, Du Debin, Li Heng. Regional science and technology resource allocation efficiency and comparative advantage analysis. Studies in Science of Science, 2012, 30(8): 1198-1205.]URL [本文引用: 1]摘要科技资源作为国家最重要的战略资源，其配置效率的高低直接关系到区域经济的可持续发展。根据科技资源配置效率的内涵和结构，利用全国31个省市区1998—2010年的相关数据，在构建区域科技资源配置效率评价指标体系的基础上，对各个区域的科技资源配置效率进行测度。运用比较优势原理，采用NRCA模型，计算区域各科技资源要素配置效率的相对比较优势。结果表明：历年来各区域整体的科技资源配置效率都有所提升，但空间差异的分布格局变化不大，区域科技人力资源、财力资源、信息资源配置效率的比较优势是影响区域科技资源配置效率的直接原因。
[8]	樊华, 周德群. 中国省域科技创新效率演化及其影响因素研究 . 科研管理, 2012, 33(1): 10-18.URL [本文引用: 1]摘要本文运用规模报酬可变的DEA模型测度2000—2007年中国省域科技创新效率并分析其收敛性和影响因素。研究发现：科技创新效率具周期性波动演化特点；东部省域科技创新效率高于中西部省域，西部省域科技创新效率提高快，赶上并超过了中部省域；西部省域科技创新效率具有绝对和条件收敛特征；全国和东中部省域科技刨新效率条件收敛显著，绝对收敛特征不明显；考察期内工业结构、对外开放度、高等教育发展水平对科技创新效率具有正影响效应，而政府影响力具有负向作用。研究结果为国家及地区科技创新效率政策提供参考信息。 [Fan Hua, Zhou Dequn. Regional science and technology innovation efficiency evolution and its affect factors in Chinese provinces. Science Research Management, 2012, 33(1): 10-18.]URL [本文引用: 1]摘要本文运用规模报酬可变的DEA模型测度2000—2007年中国省域科技创新效率并分析其收敛性和影响因素。研究发现：科技创新效率具周期性波动演化特点；东部省域科技创新效率高于中西部省域，西部省域科技创新效率提高快，赶上并超过了中部省域；西部省域科技创新效率具有绝对和条件收敛特征；全国和东中部省域科技刨新效率条件收敛显著，绝对收敛特征不明显；考察期内工业结构、对外开放度、高等教育发展水平对科技创新效率具有正影响效应，而政府影响力具有负向作用。研究结果为国家及地区科技创新效率政策提供参考信息。
[9]	李恒, 范斐, 王馨竹. 区域科技资源配置能力的时空分异研究 . 世界地理研究, 2013, 22(4): 159-168.https://doi.org/10.3969/j.issn.1004-9479.2013.04.018 URL [本文引用: 1]摘要科技资源作为第一资源,如何对其进行优化配置是各地区科技管理和科技政策工作的核心问题。根据科技资源的内涵与结构,利用1999-2011年中国31个省市区科技资源的基础数据,在构建区域科技资源配置能力评价指标体系的基础上,科学评价各地区的科技资源配置能力,并利用基尼系数与锡尔指数研究了各地区科技资源配置能力的差异;然后进一步运用探索性空间数据分析(ESDA),直观的反映各个省区科技资源配置能力的的空间集聚特征、集聚类型和显著性水平。结果表明,虽然近年来我国区域科技资源整体配置能力都有了较大提升,但是其区域分布的空间格局并没有根本性的改变;另外,中国科技资源配置能力的空间差异与区域发展的内部差异、区间差异有很大的关系,东部地区的地带内差异是构成区域差异的主要因素。 [Li Heng, Fan Fei, Wang Xinzhu. The spatial-temporal pattern analysis of regional science and technology resource allocation differences. World Regional Studies, 2013, 22(4): 159-168.]https://doi.org/10.3969/j.issn.1004-9479.2013.04.018 URL [本文引用: 1]摘要科技资源作为第一资源,如何对其进行优化配置是各地区科技管理和科技政策工作的核心问题。根据科技资源的内涵与结构,利用1999-2011年中国31个省市区科技资源的基础数据,在构建区域科技资源配置能力评价指标体系的基础上,科学评价各地区的科技资源配置能力,并利用基尼系数与锡尔指数研究了各地区科技资源配置能力的差异;然后进一步运用探索性空间数据分析(ESDA),直观的反映各个省区科技资源配置能力的的空间集聚特征、集聚类型和显著性水平。结果表明,虽然近年来我国区域科技资源整体配置能力都有了较大提升,但是其区域分布的空间格局并没有根本性的改变;另外,中国科技资源配置能力的空间差异与区域发展的内部差异、区间差异有很大的关系,东部地区的地带内差异是构成区域差异的主要因素。
[10]	牛方曲, 刘卫东, 刘志高, 等. 中国区域公立科技创新资源与经济发展水平相关性分析 . 经济地理, 2011, 31(4): 541-547.URL [本文引用: 1]摘要各国各政府相继开展了创新系统建设,而"创新型城市"、"创新型区域"的建设成为国家创新体系的重要组成部分.利用突变级数法综合考虑地区生产总值、年末总人口、人均地区生产总值、经济密度,对地区经济发展水平进行评价;并基于地区公立科研机构对地区科技创新资源进行评估,研究区域公立科技创新资源与经济发展水平之间相关性.中国区域经济发展水平与公立科技资源之间并无明显的正相关关系.由二者决定的散点图,呈现较弱的抛物线分布.因此,区域公立科技投入如何与经济发展水平进行匹配,以提高科技产出效率,有待进一步研究支撑. [Niu Fangqu, Liu Weidong, Liu Zhigao, et al.Relationships between public scientific & technological resources and regional economic development in China. Economic Geography, 2011, 31(4): 541-547.]URL [本文引用: 1]摘要各国各政府相继开展了创新系统建设,而"创新型城市"、"创新型区域"的建设成为国家创新体系的重要组成部分.利用突变级数法综合考虑地区生产总值、年末总人口、人均地区生产总值、经济密度,对地区经济发展水平进行评价;并基于地区公立科研机构对地区科技创新资源进行评估,研究区域公立科技创新资源与经济发展水平之间相关性.中国区域经济发展水平与公立科技资源之间并无明显的正相关关系.由二者决定的散点图,呈现较弱的抛物线分布.因此,区域公立科技投入如何与经济发展水平进行匹配,以提高科技产出效率,有待进一步研究支撑.
[11]	任颖盈, 许继琴, 雷亮. 区域创新空间差异及其影响因素: 基于浙江省县域空间尺度的实证分析 . 科技与管理, 2015, 17(4): 25-31. [本文引用: 1] [Ren Yingying, Xu Jiqin, Lei Liang. Spatial diffusion and factors of regional innovation: Taking the counties of Zhejiang province as an example. Science-Technology and Management, 2015, 17(4): 25-31.] [本文引用: 1]
[12]	蒋天颖. 浙江省区域创新产出空间分异特征及成因 . 地理研究, 2014, 33(10): 1825-1836.https://doi.org/10.11821/dlyj201410004 URL [本文引用: 1]摘要通过构建总体差异测度指数,并结合运用核密度估计等多种空间统计方法,分析浙江省区域创新产出的空间分异特征及其影响因素,结果表明:2006-2012年,浙江省区域创新产出总体存在较大差异,并呈现波动式上升趋势;浙江省区域创新产出分异增强,空间核密度呈现出由相对均匀到极化的演化趋势;浙江省区域创新产出整体上呈现高值和低值集聚分布,且集聚程度逐渐增强;各县域创新产出同样具有空间集聚性,杭州与宁波市辖区成为热点区域;空间指向性明显,整体表现出"东高西低、北高南低"的空间趋势面分布;由回归分析得出该时期浙江省区域创新产出空间分异主要受经济基础、政策制度、技术溢出和空间区位四个主要因素的影响。 [Jiang Tianying. Spatial differentiation and its influencing factors of regional innovation output in Zhejiang province. Geographical Research, 2014, 33(10): 1825-1836.]https://doi.org/10.11821/dlyj201410004 URL [本文引用: 1]摘要通过构建总体差异测度指数,并结合运用核密度估计等多种空间统计方法,分析浙江省区域创新产出的空间分异特征及其影响因素,结果表明:2006-2012年,浙江省区域创新产出总体存在较大差异,并呈现波动式上升趋势;浙江省区域创新产出分异增强,空间核密度呈现出由相对均匀到极化的演化趋势;浙江省区域创新产出整体上呈现高值和低值集聚分布,且集聚程度逐渐增强;各县域创新产出同样具有空间集聚性,杭州与宁波市辖区成为热点区域;空间指向性明显,整体表现出"东高西低、北高南低"的空间趋势面分布;由回归分析得出该时期浙江省区域创新产出空间分异主要受经济基础、政策制度、技术溢出和空间区位四个主要因素的影响。
[13]	毛良虎, 姜莹. 长江经济带省域科技创新能力评价及空间关联格局分析 . 科技进步与对策, 2016, 33(21): 126-131. [本文引用: 1] [Mao Lianghu, Jiang Ying. Research on assessment and spatial correlation pattern of provincial technology innovation ability in Yangtze River Economic Belt. Science & Technology Progress and Policy, 2016, 33(21): 126-131.] [本文引用: 1]
[14]	王春杨, 张超. 中国地级区域创新产出的时空模式研究: 基于ESDA的实证 . 地理科学, 2014, 34(12): 1438-1444.URL Magsci [本文引用: 1]摘要 <p>以341个地级层面区域作为空间观测单元,以专利申请受理数作为衡量指标,对中国1997~2009年期间地级区域创新产出的时空特征进行了ESDA分析.结果表明:中国地级区域创新产出的地域性特征显著,首先表现为全局上的地理集聚和地带间的巨大差异;但不同于省级空间尺度下地带内部区域创新显著的极化特征,地级空间尺度区域创新却呈现多样化的局部空间依赖模式.整体上,创新产出在地级空间尺度上自然形成2个显著的空间集群,即东部沿海的H-H集群和西部内陆的L-L集群.东部H-H集群在考察期内由东北和华北地区逐渐向山东半岛、长三角和珠三角地区转移,西部L-L集群的空间发展则相对稳定;H-L型集群和L-H型集群主要分布在中部地区和东中西邻接地区,创新的空间过渡特征明显.最后在实证分析的基础上,提出了政策建议和未来研究的方向.</p> [Wang Chunyang, Zhang Chao. Spatial-temporal pattern of prefecture-level innovation outputs in China: An investigation using the ESDA. Scientia Geographica Sinica, 2014, 34(12): 1438-1444.]URL Magsci [本文引用: 1]摘要 <p>以341个地级层面区域作为空间观测单元,以专利申请受理数作为衡量指标,对中国1997~2009年期间地级区域创新产出的时空特征进行了ESDA分析.结果表明:中国地级区域创新产出的地域性特征显著,首先表现为全局上的地理集聚和地带间的巨大差异;但不同于省级空间尺度下地带内部区域创新显著的极化特征,地级空间尺度区域创新却呈现多样化的局部空间依赖模式.整体上,创新产出在地级空间尺度上自然形成2个显著的空间集群,即东部沿海的H-H集群和西部内陆的L-L集群.东部H-H集群在考察期内由东北和华北地区逐渐向山东半岛、长三角和珠三角地区转移,西部L-L集群的空间发展则相对稳定;H-L型集群和L-H型集群主要分布在中部地区和东中西邻接地区,创新的空间过渡特征明显.最后在实证分析的基础上,提出了政策建议和未来研究的方向.</p>
[15]	王业强, 梁阁. 区域科技创新能力评价与空间格局演变 . 发展研究, 2016, (4): 34-40.URL [本文引用: 1]摘要文章选取2003、2006、2009和2012年四个时间断面及相关数据,运用熵值法、指标分析法、标准差椭圆等方法,结合相关软件对中国区域科技创新能力的评价、空间分布以及空间变化特征进行综合分析.结果表明:我国区域科技创新能力空间差异较大,东部较高、中部次之、西部较低,大体上呈“三级阶梯状”分布.就空间变化而言,以北京、上海为主的东部沿海区域与中西部区域的湖北、陕西、四川组成了我国科技创新能力的双核增长板块,北部、西北、西南区域省份科技创新能力水平较低,科技创新能力等级分布呈斜“T”字形分布格局,并且这种格局随着时间的推移有逐步加强的态势,在东北-西南主要方向上科技创新能力保持极化收缩的发展态势,以东部和中部为主的椭圆内部区域科技创新能力的提高相对快于椭圆外部地区科技创新能力的提高,在空间上日趋收敛. [Wang Yeqiang, Liang Ge. Analyzing the regional science and technology ability and its spatial pattern evolution. Development Research, 2016, (4): 34-40.]URL [本文引用: 1]摘要文章选取2003、2006、2009和2012年四个时间断面及相关数据,运用熵值法、指标分析法、标准差椭圆等方法,结合相关软件对中国区域科技创新能力的评价、空间分布以及空间变化特征进行综合分析.结果表明:我国区域科技创新能力空间差异较大,东部较高、中部次之、西部较低,大体上呈“三级阶梯状”分布.就空间变化而言,以北京、上海为主的东部沿海区域与中西部区域的湖北、陕西、四川组成了我国科技创新能力的双核增长板块,北部、西北、西南区域省份科技创新能力水平较低,科技创新能力等级分布呈斜“T”字形分布格局,并且这种格局随着时间的推移有逐步加强的态势,在东北-西南主要方向上科技创新能力保持极化收缩的发展态势,以东部和中部为主的椭圆内部区域科技创新能力的提高相对快于椭圆外部地区科技创新能力的提高,在空间上日趋收敛.
[16]	曹裕, 胡韩莉. 创新能力、吸收能力与区域经济增长关系研究 . 财经理论与实践, 2014, 35(6): 123-127.https://doi.org/10.3969/j.issn.1003-7217.2014.06.022 URL [本文引用: 1]摘要利用1997-2011年中国省级面板数据,检验创新能力、吸收能力与区域经济增长的内在依存和因果关系。结果表明：东部、中部和西部地区创新能力、吸收能力与区域经济增长之间均存在长期协整关系;创新能力与吸收能力对区域经济增长的影响逐步加强;不同地区的创新能力与吸收能力对区域经济增长的影响不同。因此,应该提高创新资源的利用效率,因地制宜地制定促进区域经济增长的相关政策。 [Cao Yu, Hu Hanli. Innovation ability, absorptive capacity and regional economic growth based on absorptive capacity. The Theory and Practice of Finance and Economics, 2014, 35(6): 123-127.]https://doi.org/10.3969/j.issn.1003-7217.2014.06.022 URL [本文引用: 1]摘要利用1997-2011年中国省级面板数据,检验创新能力、吸收能力与区域经济增长的内在依存和因果关系。结果表明：东部、中部和西部地区创新能力、吸收能力与区域经济增长之间均存在长期协整关系;创新能力与吸收能力对区域经济增长的影响逐步加强;不同地区的创新能力与吸收能力对区域经济增长的影响不同。因此,应该提高创新资源的利用效率,因地制宜地制定促进区域经济增长的相关政策。
[17]	张继红, 吴玉鸣, 何建坤. 专利创新与区域经济增长关联机制的空间计量经济分析 . 科学学与科学技术管理, 2007, (1): 83-89. [本文引用: 1] [Zhang Jihong, Wu Yuming, He Jiankun. A study on relation mechanism of patent innovation and regional economic growth of China's 31 provinces . Science of Science and Management of S. & T., 2007, (1): 83-89.] [本文引用: 1]
[18]	张战仁. 创新空间溢出的差异影响研究述评 . 经济地理, 2012, 32(11): 34-37.URL [本文引用: 1]摘要从影响区域创新空间溢出的差异因素出发，理论阐释了创新空间溢出对区域创新差异形成的可能作用，并结合实证研究进展的评述，指出现有研究要实现从空间溢出角度分析区域创新差异形成因素的目的，在理念及内容上尚需改进的地方。 [Zhang Zhanren. Spatial spillover of innovation and its regional disparity influence. Economic Geography, 2012, 32(11): 34-37.]URL [本文引用: 1]摘要从影响区域创新空间溢出的差异因素出发，理论阐释了创新空间溢出对区域创新差异形成的可能作用，并结合实证研究进展的评述，指出现有研究要实现从空间溢出角度分析区域创新差异形成因素的目的，在理念及内容上尚需改进的地方。
[19]	谷国锋, 李连刚, 王建康. 中国科技创新的空间集聚及其溢出效应: 基于面板数据空间计量分析 . 科学决策, 2015, (12): 42-56.https://doi.org/10.3773/j.issn.1006-4885.2015.12.042 URL [本文引用: 1]摘要基于2004-2013年数据,运用空间计量经济学方法,建立两种空间权重矩阵的面板数据模型,研究我国科技创新的空间分布与创新溢出。研究发现,我国31省域的区域创新具有显著的正空间自相关性,表现为明显的区域创新集聚现象,并且创新集聚状况逐渐强化,RD经费投入、人力资本和城市化率对区域创新具有显著的正效应,而外商投资对创新产出具有显著的负影响。区域科技创新具有空间溢出性,某区域的创新产出会溢出到邻近地区并对其创新产出产生正向的促进作用。 [Gu Guofeng, Li Liangang, Wang Jiankang. Spatial agglomeration of technological innovation and its spillover effect in China based on panel data spatial econometric analysis. Scientific Decision Making, 2015, (12): 42-56.]https://doi.org/10.3773/j.issn.1006-4885.2015.12.042 URL [本文引用: 1]摘要基于2004-2013年数据,运用空间计量经济学方法,建立两种空间权重矩阵的面板数据模型,研究我国科技创新的空间分布与创新溢出。研究发现,我国31省域的区域创新具有显著的正空间自相关性,表现为明显的区域创新集聚现象,并且创新集聚状况逐渐强化,RD经费投入、人力资本和城市化率对区域创新具有显著的正效应,而外商投资对创新产出具有显著的负影响。区域科技创新具有空间溢出性,某区域的创新产出会溢出到邻近地区并对其创新产出产生正向的促进作用。
[20]	赵增耀, 章小波, 沈能. 区域协同创新效率的多维溢出效应 . 中国工业经济, 2015, (1): 32-44.URL [本文引用: 1]摘要基于价值链活动，本文将创新过程划分为两个相互关联的子阶段（知识创新和产品创新），并构建了两阶段非合作博弈的创新效率评价方法，对中国（区域）知识创新效率、产品创新效率及整体创新效率进行测算。在此基础上，将空间溢出和价值链溢出纳入统一的分析框架中检验中国创新效率的多维溢出效应。研究结果显示．创新价值链不同环节之间存在显著主从关联．知识创新效率和产品创新效率之间相互牵制成为制约中国创新的共同因素。两阶段效率失衡问题明显．产品创新效率明显低于知识创新效率。创新价值链中知识创新的前向关联溢出效应显著．而产品创新的后向关联效应缺失。中国创新效率空间依赖性明显．具有地理空间集群特征．这种溢出效应在东部地区显得更加突出。创新溢出和传播会受到创新主体之间地理距离的限制．随着空间距离的扩大．创新溢出强度呈现脉冲式衰减。一方面．要破除行政壁垒篱笆，促进创新资源在不同地区之间的互通有无．实现创新空间外部性最大化；另一方面，要加强不同创新环节的合作和联系，尤其是要充分利用产品创新的后向关联效应．实现创新价值链的协同创新。 [Zhao Zengyao, Zhang Xiaobo, Shen Neng. Multidimensional spillover effect of regional cooperative innovation efficiency. China Industrial Economics, 2015, (1): 32-44.]URL [本文引用: 1]摘要基于价值链活动，本文将创新过程划分为两个相互关联的子阶段（知识创新和产品创新），并构建了两阶段非合作博弈的创新效率评价方法，对中国（区域）知识创新效率、产品创新效率及整体创新效率进行测算。在此基础上，将空间溢出和价值链溢出纳入统一的分析框架中检验中国创新效率的多维溢出效应。研究结果显示．创新价值链不同环节之间存在显著主从关联．知识创新效率和产品创新效率之间相互牵制成为制约中国创新的共同因素。两阶段效率失衡问题明显．产品创新效率明显低于知识创新效率。创新价值链中知识创新的前向关联溢出效应显著．而产品创新的后向关联效应缺失。中国创新效率空间依赖性明显．具有地理空间集群特征．这种溢出效应在东部地区显得更加突出。创新溢出和传播会受到创新主体之间地理距离的限制．随着空间距离的扩大．创新溢出强度呈现脉冲式衰减。一方面．要破除行政壁垒篱笆，促进创新资源在不同地区之间的互通有无．实现创新空间外部性最大化；另一方面，要加强不同创新环节的合作和联系，尤其是要充分利用产品创新的后向关联效应．实现创新价值链的协同创新。
[21]	李国平, 王春杨. 我国省域创新产出的空间特征和时空演化: 基于探索性空间数据分析的实证 . 地理研究, 2012, 31(1): 95-106.https://doi.org/10.11821/yj2012010010 URL [本文引用: 1]摘要以我国31个省域作为空间观测单元，以专利申请受理数作为创新产出的衡量指标，对我国1997-2008年期间省域创新产出的空间分布进行了探索性空间数据分析（ESDA）。通过计算区位基尼系数和集中度指数，发现我国的创新活动显示了相当高水平的空间集中，并且这种集中程度在过去的十多年里表现出了稳定的增长趋势；对全局的Moran’s I统计分析表明：省际创新活动之间存在着显著的空间自相关（空间依赖性），证明了知识溢出的存在性和空间局限性；对局部的Moraffs J分析进一步揭示了省际创新活动水平的相关模式，Moran散点图刻画了创新活动的空间集聚模式及其时空演变态势。研究结果说明经过十几年的发展，我国省域创新活动的地域性特征十分显著。 [Li Guoping, Wang Chunyang. Spatial characteristics and dynamic changes of provincial innovation output in China: An investigation using the ESDA. Geographical Research, 2012, 31(1): 95-106.]https://doi.org/10.11821/yj2012010010 URL [本文引用: 1]摘要以我国31个省域作为空间观测单元，以专利申请受理数作为创新产出的衡量指标，对我国1997-2008年期间省域创新产出的空间分布进行了探索性空间数据分析（ESDA）。通过计算区位基尼系数和集中度指数，发现我国的创新活动显示了相当高水平的空间集中，并且这种集中程度在过去的十多年里表现出了稳定的增长趋势；对全局的Moran’s I统计分析表明：省际创新活动之间存在着显著的空间自相关（空间依赖性），证明了知识溢出的存在性和空间局限性；对局部的Moraffs J分析进一步揭示了省际创新活动水平的相关模式，Moran散点图刻画了创新活动的空间集聚模式及其时空演变态势。研究结果说明经过十几年的发展，我国省域创新活动的地域性特征十分显著。
[22]	李廷铸, 肖百冶. 关于成都市科技创新模式选择及其政府政策的思考 . 成都行政学院学报: 社会科学类, 2001, (3): 7-12. [本文引用: 1] [Li Tingzhu, Xiao Baiye. Thought on the choice of science and technology innovation patterns and government policy in Chengdu. Journal of Chengdu Institute of Administration: Social Science, 2001, (3): 7-12.] [本文引用: 1]
[23]	颜媛媛. 经济欠发达地区科技创新模式的比较与选择 . 改革与战略, 2010, 26(1): 105-107.https://doi.org/10.3969/j.issn.1002-736X.2010.01.029 URL [本文引用: 1]摘要科技创新对于一个国家和地区的社会经济发展具有重要影响。文章在梳理科技创新模式的基础上，分析了经济欠发达地区选择原始创新模式所存在的障碍和选择模仿创新可能存在的潜在利益，指出经济欠发达地区在进行模仿创新时需要明确模仿创新与原始创新的关系、注重科技人力资源的培养和开发、确立企业的市场主体地位，创造有利模仿创新的环境，以保障模仿创新模式的顺利进展。 [Yan Yuanyuan. Comparison and choice of technological innovation patterns in less-developed regions. Reformation & Strategy, 2010, 26(1): 105-107.]https://doi.org/10.3969/j.issn.1002-736X.2010.01.029 URL [本文引用: 1]摘要科技创新对于一个国家和地区的社会经济发展具有重要影响。文章在梳理科技创新模式的基础上，分析了经济欠发达地区选择原始创新模式所存在的障碍和选择模仿创新可能存在的潜在利益，指出经济欠发达地区在进行模仿创新时需要明确模仿创新与原始创新的关系、注重科技人力资源的培养和开发、确立企业的市场主体地位，创造有利模仿创新的环境，以保障模仿创新模式的顺利进展。
[24]	王辉. 区域经济发展与科技创新模式选择的实证分析研究: 基于安徽省与江苏省的比较 . 合肥: 合肥工业大学硕士学位论文, 2013.URL [本文引用: 1]摘要当今世界,科技发展日新月异,创新的作用日益突出,科技进步和科技创新已成为促进区域发展、提升区域竞争力的主要途径和主要方式。在中部崛起的战略背景下,加快科技创新,提高自主创新能力是中部各省份增强区域竞争力的重要战略举措。安徽省作为中部崛起战略中重要的一员,也把建设创新型省份作为经济发展的重要举措。因此,研究区域不同经济发展水平下科技创新模式的选择具有重要意义。论文基于科技创新的相关理论和区域经济发展的相关理论基础,以科技创新与经济发展的相互关系为研究的出发点,在科技创新与经济发展相互影响、相互促进的关系的基础上,采用了文献研究和实证研究相结合的研究方法,对东部地区的代表省份江苏省和中部地区的代表省份安徽省的科技创新模式做了定性分析与定量分析,并对二者进行横向比较与纵向比较。通过研究得出,江苏省在经济发展水平较高的基础上,应加大原始创新所占的比重,鼓励发明专利的申请,增加基础研究投入,不断提高原始创新的竞争力,以建设高水平原创型省份为目标；安徽经济发展处于高速发展但水平仍不高的阶段,产业结构仍处于工业化初期的阶段,第二产业比例继续扩大,因此发展第二产业、进行工业技术创新时适宜采用引进技术、消化吸收或集成创新的科技创新模式与战略。通过对比分析,对安徽省科技创新中存在的问题进行分析,针对安徽省经济发展现状,提出了促进安徽科技创新的对策：注重提高消化吸收再创新的能力和水平、加强以产品和产业为中心的集成创新力度、增强优势领域与新兴领域的原始创新能力、完善科技创新配套政策和科技中介服务体系、提高科技成果的转化率和科研资源的利用率、实施全面的知识产权和专利战略。 [Wang Hui. Empirical analysis of regional economic development and scientific and technological innovation mode selection: Comparative analysis of Jiangsu province and Anhui province. Hefei: Master Dissertation of Hefei University of Technology, 2013.]URL [本文引用: 1]摘要当今世界,科技发展日新月异,创新的作用日益突出,科技进步和科技创新已成为促进区域发展、提升区域竞争力的主要途径和主要方式。在中部崛起的战略背景下,加快科技创新,提高自主创新能力是中部各省份增强区域竞争力的重要战略举措。安徽省作为中部崛起战略中重要的一员,也把建设创新型省份作为经济发展的重要举措。因此,研究区域不同经济发展水平下科技创新模式的选择具有重要意义。论文基于科技创新的相关理论和区域经济发展的相关理论基础,以科技创新与经济发展的相互关系为研究的出发点,在科技创新与经济发展相互影响、相互促进的关系的基础上,采用了文献研究和实证研究相结合的研究方法,对东部地区的代表省份江苏省和中部地区的代表省份安徽省的科技创新模式做了定性分析与定量分析,并对二者进行横向比较与纵向比较。通过研究得出,江苏省在经济发展水平较高的基础上,应加大原始创新所占的比重,鼓励发明专利的申请,增加基础研究投入,不断提高原始创新的竞争力,以建设高水平原创型省份为目标；安徽经济发展处于高速发展但水平仍不高的阶段,产业结构仍处于工业化初期的阶段,第二产业比例继续扩大,因此发展第二产业、进行工业技术创新时适宜采用引进技术、消化吸收或集成创新的科技创新模式与战略。通过对比分析,对安徽省科技创新中存在的问题进行分析,针对安徽省经济发展现状,提出了促进安徽科技创新的对策：注重提高消化吸收再创新的能力和水平、加强以产品和产业为中心的集成创新力度、增强优势领域与新兴领域的原始创新能力、完善科技创新配套政策和科技中介服务体系、提高科技成果的转化率和科研资源的利用率、实施全面的知识产权和专利战略。
[25]	杜德斌. 全球科技创新中心: 动力与模式. 上海: 上海人民出版社, 2015. [本文引用: 1] [Du Debin. Global Science and Technology Innovation Centers: Power and Model. Shanghai: Shanghai People's Publishing House, 2015.] [本文引用: 1]
[26]	蒋铁柱, 杨亚琴. 构建完善的科技创新政策支持体系: 北京、上海、深圳三地科技创新模式比较 . 上海社会科学院学术季刊, 2001, (3): 5-14. [本文引用: 1] [Jiang Tiezhu, Yang Yaqin. Build a sound science and technology policy support system: Science and technology innovation patterns comparison of Beijing, Shanghai and Shenzhen. Quarterly Journal of Shanghai Academy of Social Sciences, 2001, (3): 5-14.] [本文引用: 1]
[27]	倪明. 产学研合作科技创新模式的拓展: 科技创新供需网模式 . 科技进步与对策, 2009, 26(14): 1-3.URL [本文引用: 1]摘要产学研合作科技创新模式对促进科技发展起着重要作用,而Internet的诞生与推广,则要求对其传统模式进行拓展,从而诞生了科技创新供需网模式.在阐述传统产学研合作科技创新模式及其特征、科技创新供需网模式及其特征基础上,给出了具体实例. [Ni Ming. The expansion of production-study-research cooperation innovation pattern: Science and technology innovation supply and demand network pattern. Science & Technology Progress and Policy, 2009, 26(14): 1-3.]URL [本文引用: 1]摘要产学研合作科技创新模式对促进科技发展起着重要作用,而Internet的诞生与推广,则要求对其传统模式进行拓展,从而诞生了科技创新供需网模式.在阐述传统产学研合作科技创新模式及其特征、科技创新供需网模式及其特征基础上,给出了具体实例.
[28]	王雪原, 王宏起. 我国科技创新资源配置效率的DEA分析 . 统计与决策, 2008, (8): 108-110.URL [本文引用: 2]摘要掌握科技创新资源当前配置效率情况可为科学、客观提出优化战略与策略,提供有效的依据和支持,为此文章构建科技创新资源配置效率评价指标体系,应用lingo8.0软件,采用数据包络法,对我国31个省市科技创新资源配置技术有效性和规模有效性进行了系统分析,并提出相应的改善建议。 [Wang Xueyuan, Wang Hongqi. Analysis on science and technology innovation resources allocation efficiency of China based on DEA. Statistics and Decision, 2008, (8): 108-110.]URL [本文引用: 2]摘要掌握科技创新资源当前配置效率情况可为科学、客观提出优化战略与策略,提供有效的依据和支持,为此文章构建科技创新资源配置效率评价指标体系,应用lingo8.0软件,采用数据包络法,对我国31个省市科技创新资源配置技术有效性和规模有效性进行了系统分析,并提出相应的改善建议。
[29]	于成学. 中国副省级城市科技创新效率评价与实证 . 科技管理研究, 2010, 30(1): 61-63. [本文引用: 1] [Yu Chengxue. Analysis and empirical research on science and technology innovation efficiency of sub-provincial cities in China. Science and Technology Management Research, 2010, 30(1): 61-63.] [本文引用: 1]
[30]	方创琳, 马海涛, 王振波, 等. 中国创新型城市建设的综合评估与空间格局分异 . 地理学报, 2014, 69(4): 459-473.https://doi.org/10.11821/dlxb201404003 URL [本文引用: 1]摘要 Innovative cities are not only important basis for innovation activities, but also play a strategically critical role in constructing an innovative country. Meanwhile, the development of innovative cities can meet the urgent requirements of setting new forms of urban development and fostering the urban sustainable development. Currently, China is marching toward the goal of establishing an innovative country by 2020, but the start-up phase of innovative cities construction cannot realize the fundamental transition from factor driven development to innovation driven development, which means that there is a wide gap between China's innovative cities and the advanced innovative cites. Constructing innovative cities confronts with some bottlenecks like investments, income, techniques, contributions and talents. This article takes 287 prefecture-level cities as the object of comprehensive assessment. With the method of comprehensive assessment system of innovative cities and innovative monitoring system software, this article evaluates the current situation of innovative city construction from four aspects, namely independent innovation, industrial innovation, living environmental innovation and institutional innovation, and analyzed the characteristics of spatial heterogeneity of innovative cities construction. The results are as follows. The level of innovation of Chinese cities is low, and building an innovation-oriented country is difficult. Some 87.8% of cities are lower than the national average of comprehensive level of innovation. The level of city's comprehensive innovation has close and positive correlation with economic development. The level of the eastern region of China is significantly higher than that of the central and western regions. The levels of urban independent innovation, industrial innovation, habitat of environmental innovation and institutional mechanisms innovation show consistent spatial heterogeneity law with the city's comprehensive level of innovation. In the future, China should speed up the construction process in accordance with the basic principles of "independent innovation, breakthroughs in key areas, market-driver, regional linkage, personnel support". The purpose is to build Beijing, Shenzhen, Shanghai, Guangzhou into global innovation centers, to build Nanjing, Suzhou, Xiamen, Hangzhou, Wuxi, Xi'an, Wuhan, Shenyang, Dalian, Tianjin, Changsha, Qingdao, Chengdu, Changchun, Hefei, Chongqing into national innovation centers by 2020, through which China will finally build a national urban innovation network that includes 4 global innovative cities, 16 national innovative cities, 30 regional innovative cities, 55 local innovative cities, and 182 innovation-driven development cities and contributes to the establishment of an innovative country by 2020. [Fang Chuanglin, Ma Haitao, Wang Zhenbo, et al.Comprehensive assessment and spatial heterogeneity of the construction of innovative cities in China. Acta Geographica Sinica, 2014, 69(4): 459-473.]https://doi.org/10.11821/dlxb201404003 URL [本文引用: 1]摘要 Innovative cities are not only important basis for innovation activities, but also play a strategically critical role in constructing an innovative country. Meanwhile, the development of innovative cities can meet the urgent requirements of setting new forms of urban development and fostering the urban sustainable development. Currently, China is marching toward the goal of establishing an innovative country by 2020, but the start-up phase of innovative cities construction cannot realize the fundamental transition from factor driven development to innovation driven development, which means that there is a wide gap between China's innovative cities and the advanced innovative cites. Constructing innovative cities confronts with some bottlenecks like investments, income, techniques, contributions and talents. This article takes 287 prefecture-level cities as the object of comprehensive assessment. With the method of comprehensive assessment system of innovative cities and innovative monitoring system software, this article evaluates the current situation of innovative city construction from four aspects, namely independent innovation, industrial innovation, living environmental innovation and institutional innovation, and analyzed the characteristics of spatial heterogeneity of innovative cities construction. The results are as follows. The level of innovation of Chinese cities is low, and building an innovation-oriented country is difficult. Some 87.8% of cities are lower than the national average of comprehensive level of innovation. The level of city's comprehensive innovation has close and positive correlation with economic development. The level of the eastern region of China is significantly higher than that of the central and western regions. The levels of urban independent innovation, industrial innovation, habitat of environmental innovation and institutional mechanisms innovation show consistent spatial heterogeneity law with the city's comprehensive level of innovation. In the future, China should speed up the construction process in accordance with the basic principles of "independent innovation, breakthroughs in key areas, market-driver, regional linkage, personnel support". The purpose is to build Beijing, Shenzhen, Shanghai, Guangzhou into global innovation centers, to build Nanjing, Suzhou, Xiamen, Hangzhou, Wuxi, Xi'an, Wuhan, Shenyang, Dalian, Tianjin, Changsha, Qingdao, Chengdu, Changchun, Hefei, Chongqing into national innovation centers by 2020, through which China will finally build a national urban innovation network that includes 4 global innovative cities, 16 national innovative cities, 30 regional innovative cities, 55 local innovative cities, and 182 innovation-driven development cities and contributes to the establishment of an innovative country by 2020.
[31]	邹华, 徐玢玢, 杨朔. 基于熵值法的我国区域创新能力评价研究 . 科技管理研究, 2013, 33(23): 56-61.https://doi.org/10.3969/j.issn.1000-7695.2013.23.012 URL [本文引用: 1]摘要在研究熵值法的应用范围、优点及局限性的基础上,确立熵值法在区域创新能力评价领域的应用价值,并选取我国东、中、西和东北部四个板块的10个典型地区作为研究样本,提取这些地区2008—2010年3年的统计数据,运用熵值法对数据进行处理,得出我国区域创新能力的评价结果,并提出我国区域创新能力提升的相关政策建议。 [Zou Hua, Xu Binbin, Yang Shuo. Research on entropy-based regional innovation capability evaluation in China. Science and Technology Management Research, 2013, 33(23): 56-61.]https://doi.org/10.3969/j.issn.1000-7695.2013.23.012 URL [本文引用: 1]摘要在研究熵值法的应用范围、优点及局限性的基础上,确立熵值法在区域创新能力评价领域的应用价值,并选取我国东、中、西和东北部四个板块的10个典型地区作为研究样本,提取这些地区2008—2010年3年的统计数据,运用熵值法对数据进行处理,得出我国区域创新能力的评价结果,并提出我国区域创新能力提升的相关政策建议。
[32]	王千, 王成, 冯振元, 等. K-means聚类算法研究综述 . 电子设计工程, 2012, 20(7): 21-24.https://doi.org/10.3969/j.issn.1674-6236.2012.07.008 URL [本文引用: 1]摘要总结评述了K-means聚类算法的研究现状,指出K-means聚类算法是一个NP难优化问题,无法获得全局最优。介绍了K-means聚类算法的目标函数、算法流程,并列举了一个实例,指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法,指出了K-means聚类的进一步研究方向。 [Wang Qian, Wang Cheng, Feng Zhenyuan, et al.Review of K-means clustering algorithm. Electronic Design Engineering, 2012, 20(7): 21-24.]https://doi.org/10.3969/j.issn.1674-6236.2012.07.008 URL [本文引用: 1]摘要总结评述了K-means聚类算法的研究现状,指出K-means聚类算法是一个NP难优化问题,无法获得全局最优。介绍了K-means聚类算法的目标函数、算法流程,并列举了一个实例,指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法,指出了K-means聚类的进一步研究方向。
[33]	冯长春, 曾赞荣, 崔娜娜. 2000年以来中国区域经济差异的时空演变 . 地理研究, 2015, 34(2): 234-246.https://doi.org/10.11821/dlyj201502004 URL [本文引用: 1]摘要基于经济区、省(直辖市、自治区)、地区(市、区、盟、自治州)三级空间单元,以2000-2012年人均GDP为指标,采用Theil指数二阶分解和ESDA空间统计方法,探索中国区域经济差异的时空演变。结果表明:1 2000年以后经济差异呈现"先小幅上升、后持续下降"的趋势,且省内差异经济区间差异省间差异;2相比北部沿海、东部沿海、长江中游、南部沿海等综合经济区,黄河中游、大西北、大西南、东北等综合经济区内的省间差异相对较大;3省内差异减小的省份呈现增多趋势;4地级单元经济差异以空间正关联为主,HH类型有扩大趋势,LL类型较为稳定,HL和LH类型则较少且分布零散。在此基础上,从国家政策、地理区位、资源禀赋、资产投资和行政分割等角度探讨了经济差异的原因。 [Feng Changchun, Zeng Zanrong, Cui Nana. The economic disparities and their spatio-temporal evolution in China since 2000. Geographical Research, 2015, 34(2): 234-246.]https://doi.org/10.11821/dlyj201502004 URL [本文引用: 1]摘要基于经济区、省(直辖市、自治区)、地区(市、区、盟、自治州)三级空间单元,以2000-2012年人均GDP为指标,采用Theil指数二阶分解和ESDA空间统计方法,探索中国区域经济差异的时空演变。结果表明:1 2000年以后经济差异呈现"先小幅上升、后持续下降"的趋势,且省内差异经济区间差异省间差异;2相比北部沿海、东部沿海、长江中游、南部沿海等综合经济区,黄河中游、大西北、大西南、东北等综合经济区内的省间差异相对较大;3省内差异减小的省份呈现增多趋势;4地级单元经济差异以空间正关联为主,HH类型有扩大趋势,LL类型较为稳定,HL和LH类型则较少且分布零散。在此基础上,从国家政策、地理区位、资源禀赋、资产投资和行政分割等角度探讨了经济差异的原因。
[34]	孙威, 董冠鹏. 基于DEA模型的中国资源型城市效率及其变化 . 地理研究, 2010, 29(12): 2155-2165.https://doi.org/10.11821/yj2010120005 URL [本文引用: 1]摘要利用DEA模型和Malmquist生产率指数,对2000年和2008年我国24个典型资源型城市效率及其变化进行了深入研究。研究发现,资源型城市综合效率水平一般,只有少数城市达到了综合效率最优;规模效率是决定综合效率最优的主要因素,但作用有所下降。从城市效率的分类特征看,东北地区的资源型城市效率始终排在前列;人口规模与城市效率呈一定的正相关关系。资源型城市的综合效率变化呈弱改善趋势;技术变化指数和生产率变化指数均呈下降趋势。从城市效率变化的分类特征看,西部地区的城市综合效率提高最明显;除钢铁型城市外,不同资源类型的城市综合效率都有提高;中小城市的综合效率提高幅度大于大城市。 [Sun Wei, Dong Guanpeng. The efficiencies and their changes of China's resources-based cities employing DEA and Malmquist index models. Geographical Research, 2010, 29(12): 2155-2165.]https://doi.org/10.11821/yj2010120005 URL [本文引用: 1]摘要利用DEA模型和Malmquist生产率指数,对2000年和2008年我国24个典型资源型城市效率及其变化进行了深入研究。研究发现,资源型城市综合效率水平一般,只有少数城市达到了综合效率最优;规模效率是决定综合效率最优的主要因素,但作用有所下降。从城市效率的分类特征看,东北地区的资源型城市效率始终排在前列;人口规模与城市效率呈一定的正相关关系。资源型城市的综合效率变化呈弱改善趋势;技术变化指数和生产率变化指数均呈下降趋势。从城市效率变化的分类特征看,西部地区的城市综合效率提高最明显;除钢铁型城市外,不同资源类型的城市综合效率都有提高;中小城市的综合效率提高幅度大于大城市。
[35]	马海良, 黄德春, 姚惠泽. 中国三大经济区域全要素能源效率研究: 基于超效率DEA模型和Malmquist指数 . 中国人口·资源与环境, 2011, 21(11): 38-43.https://doi.org/10.3969/j.issn.1002-2104.2011.11.007 URL [本文引用: 1]摘要三大经济区域能源效率的高低直接决定我国总体能源利用水平。通过研究能源效率与全要素生产率变动的关系，可以较好分析能源效率提高的原因。从而为全国节能工作提供有益的建议。本文将知识存量纳入生产函数，使用1995—2008三大经济区域的面板数据。选取超效率DEA模型和Malmquist指数法，测算出三大经济区域的能源效率和全要素生产率，并回归分析全要素生产率分解的各指标对能源效率的影响。结果显示：长三角和珠三角区域能源效率普遍要高于环渤海区域；2007年经济危机导致三大经济区域能源效率降低。同时却迫使产业转型。技术进步增长较快。另外，能源效率的改善依赖于全要素生产率的提高。技术进步和技术效率的增长都可导致能源效率的提高．但技术进步由于回弹效应使得影响值较小。据此，本文提出了在分解节能目标时要考虑地区差异、处理经济危机时须防止能源消费反弹等政策建议。 [Ma Hailiang, Huang Dechun, Yao Huize. Total-factor energy efficiency analysis of three major economic regions in China: Based on Super-DEA and Malmquist. China Population Resources and Environment, 2011, 21(11): 38-43.]https://doi.org/10.3969/j.issn.1002-2104.2011.11.007 URL [本文引用: 1]摘要三大经济区域能源效率的高低直接决定我国总体能源利用水平。通过研究能源效率与全要素生产率变动的关系，可以较好分析能源效率提高的原因。从而为全国节能工作提供有益的建议。本文将知识存量纳入生产函数，使用1995—2008三大经济区域的面板数据。选取超效率DEA模型和Malmquist指数法，测算出三大经济区域的能源效率和全要素生产率，并回归分析全要素生产率分解的各指标对能源效率的影响。结果显示：长三角和珠三角区域能源效率普遍要高于环渤海区域；2007年经济危机导致三大经济区域能源效率降低。同时却迫使产业转型。技术进步增长较快。另外，能源效率的改善依赖于全要素生产率的提高。技术进步和技术效率的增长都可导致能源效率的提高．但技术进步由于回弹效应使得影响值较小。据此，本文提出了在分解节能目标时要考虑地区差异、处理经济危机时须防止能源消费反弹等政策建议。
[36]	马建峰, 何枫. 存在中间产品退出的混合型多阶段系统DEA效率评价 . 系统工程理论与实践, 2015, 35(11): 2874-2884.Magsci [本文引用: 1]摘要具有复杂结构的系统经常会存在初始投入在不同子阶段分配和中间产品非完全再投入并存的现象,在其效率评价中忽略中间过程的传统Data Envelopment Analysis (DEA)模型往往会高估系统效率, 而不考虑中间产品退出情形的网络DEA模型对系统整体效率评价又可能偏低. 为更好测算复杂结构系统的运行效率, 基于企业技术创新的特征, 建立同时考虑投入分配与中间产出分配问题的混合型多阶段系统DEA效率评价模型. 依据分配比例测算各阶段效率, 采用阶段效率的投入加权平均评价的系统整体效率, 并计算模型的最优解. 所提出的模型能够相对准确地反映复杂结构系统的特征, 并深入系统"黑箱"内部, 更大程度地为优化系统效率提供信息. 对我国33个大中型工业企业的行业技术创新效率评价验证了模型的有效性. [Ma Jianfeng, He Feng. DEA efficiency evaluation of hybrid multi-stage system with intermediate measure exits. Systems Engineering-Theory & Practice, 2015, 35(11): 2874-2884.]Magsci [本文引用: 1]摘要具有复杂结构的系统经常会存在初始投入在不同子阶段分配和中间产品非完全再投入并存的现象,在其效率评价中忽略中间过程的传统Data Envelopment Analysis (DEA)模型往往会高估系统效率, 而不考虑中间产品退出情形的网络DEA模型对系统整体效率评价又可能偏低. 为更好测算复杂结构系统的运行效率, 基于企业技术创新的特征, 建立同时考虑投入分配与中间产出分配问题的混合型多阶段系统DEA效率评价模型. 依据分配比例测算各阶段效率, 采用阶段效率的投入加权平均评价的系统整体效率, 并计算模型的最优解. 所提出的模型能够相对准确地反映复杂结构系统的特征, 并深入系统"黑箱"内部, 更大程度地为优化系统效率提供信息. 对我国33个大中型工业企业的行业技术创新效率评价验证了模型的有效性.
[37]	潘竟虎, 尹君. 中国地级及以上城市发展效率差异的DEA-ESDA测度 . 经济地理, 2012, 32(12): 53-60.URL [本文引用: 1]摘要选取土地、资本、劳动、技术和通信等投入量作为输入指标，城市经济总量和地方财政收入输出指标，构建指标体系，运用数据包络分析（DEA）方法，并通过探索性空间数据分析（ESDA）技术对2000--2010年中国286个地级及以上城市发展效率及其空间差异变化特征进行了分析，结果表明：2010年中国地级及以上城市综合效率水平较低，只有少数城市达到了效率最优。城市效率呈现出与三大地带经济发展格局、城市行政等级和规模等级相一致的空间格局，综合性城市和专业型城市间的效率差异显著。城市发展效率存在较强的空间关联。10年间，中国城市效率呈现先降后升的演变态势，总体有所降低，大多数城市都处在规模收益递增阶段，规模投入不足是中国城市要素效率不高的主要原因。区位、资源禀赋、产业结构和政策因素是中国城市效率格局分布与演化的主要影响因素。 [Pan Jinghu, Yin Jun. Analysis on the urban development efficiency of cities at prefecture level or above in China based on DEA-ESDA. Economic Geography, 2012, 32(12): 53-60.]URL [本文引用: 1]摘要选取土地、资本、劳动、技术和通信等投入量作为输入指标，城市经济总量和地方财政收入输出指标，构建指标体系，运用数据包络分析（DEA）方法，并通过探索性空间数据分析（ESDA）技术对2000--2010年中国286个地级及以上城市发展效率及其空间差异变化特征进行了分析，结果表明：2010年中国地级及以上城市综合效率水平较低，只有少数城市达到了效率最优。城市效率呈现出与三大地带经济发展格局、城市行政等级和规模等级相一致的空间格局，综合性城市和专业型城市间的效率差异显著。城市发展效率存在较强的空间关联。10年间，中国城市效率呈现先降后升的演变态势，总体有所降低，大多数城市都处在规模收益递增阶段，规模投入不足是中国城市要素效率不高的主要原因。区位、资源禀赋、产业结构和政策因素是中国城市效率格局分布与演化的主要影响因素。
[38]	常杪, 杨亮, 孟卓琰, 等. 中国环保科技创新的推进机制与模式初探 . 中国发展, 2016, 16(6): 4-10.URL [本文引用: 1]摘要环保创新不仅是解决中国环境问题的重要支撑,同时也是拉动经济新的增长点的重要抓手之一。该文分析了中国环保领域科技创新所面临的机遇以及存在的问题。通过对美国、日本等发达国家环境保护科技创新的机制建设与发展经验的深入总结与分析,结合中国环保事业发展的现状与特点,就中国环保科技创新发展的机制与模式提出了意见与建议。 [Chang Miao, Yang Liang, Meng Zhuoyan, et al.A tentative analysis on the promotion mechanism and mode of China's environment protection technology innovation. China Development, 2016, 16(6): 4-10.]URL [本文引用: 1]摘要环保创新不仅是解决中国环境问题的重要支撑,同时也是拉动经济新的增长点的重要抓手之一。该文分析了中国环保领域科技创新所面临的机遇以及存在的问题。通过对美国、日本等发达国家环境保护科技创新的机制建设与发展经验的深入总结与分析,结合中国环保事业发展的现状与特点,就中国环保科技创新发展的机制与模式提出了意见与建议。
[39]	刘志全. 我国环境保护科技创新工作“十二五”进展与“十三五”展望 . 环境保护科学, 2015, 41(1): 1-5. [本文引用: 1] [Liu Zhiquan. Progress and prospect of technological innovation of environmental protection in China. Environmental Protection Science, 2015, 41(1): 1-5.] [本文引用: 1]
[40]	赵建军, 毛明芳. 加拿大环境与可持续发展科技创新及对我国的启示 . 中国人口·资源与环境, 2009, 19(3): 150-155.URL [本文引用: 1]摘要加拿大重视环境保护与可持续发展中的科技创新,在全联邦范围内营造了"政府引导、企业主体、国民支持"的良好创新氛围,形成了"以科技创新支撑环境产业发展,以环境产业促进环境保护与可持续发展"的鲜明环保特色,走出了一条科技创新、产业发展、环境保护和可持续发展三者协同发展、相互制衡、良性循环的发展路子,值得我国借鉴。在我国的环境与可持续发展科技创新中,存在着创新能力不足、产学研合作薄弱、产业化乏力等问题。本文通过中加比较,探讨了我国实施环境与可持续发展科技创新的对策思路,即政府应完善环保法规政策、健全环保标准和管理体系;应增加科研投入,建立政府调控下的市场化投资体系和环境科技的产业化发展;应选择重点领域实现优先发展,突破瓶颈产业;应重视合作创新,加强部门合作,科研机构合作以及国际合作。 [Zhao Jianjun, Mao Mingfang. Canadian scientific and technological innovation in environment and sustainable development and its inspiration. China Population Resources and Environment, 2009, 19(3): 150-155.]URL [本文引用: 1]摘要加拿大重视环境保护与可持续发展中的科技创新,在全联邦范围内营造了"政府引导、企业主体、国民支持"的良好创新氛围,形成了"以科技创新支撑环境产业发展,以环境产业促进环境保护与可持续发展"的鲜明环保特色,走出了一条科技创新、产业发展、环境保护和可持续发展三者协同发展、相互制衡、良性循环的发展路子,值得我国借鉴。在我国的环境与可持续发展科技创新中,存在着创新能力不足、产学研合作薄弱、产业化乏力等问题。本文通过中加比较,探讨了我国实施环境与可持续发展科技创新的对策思路,即政府应完善环保法规政策、健全环保标准和管理体系;应增加科研投入,建立政府调控下的市场化投资体系和环境科技的产业化发展;应选择重点领域实现优先发展,突破瓶颈产业;应重视合作创新,加强部门合作,科研机构合作以及国际合作。

中国省域科技创新模式及其时空演变

本站小编 Free考研考试/2021-12-29

Science and technology innovation patterns and their spatial and temporal evolution of provinces in China

1 引言