三大经济支撑带创新能力地区差距及分布动态演进——利用Dagum基尼系数和非参数估计方法的实证研究

摘要：基于我国内地2001—2013年30个省市(除西藏外)R&D人员全时当量、R&D经费、专利授权量、技术市场成交额、新产品销售收入5个指标数据，采用主成分分析法，计算得出各省市创新能力综合评价指数，以及全国和“一带一路”沿线省(市、自治区)、京津冀地区、长江经济带三大经济支撑带的创新能力水平。在此基础上，利用Dagum基尼系数和Kernel密度估计方法，对三大经济支撑带创新能力的地区差距及分布动态进行实证研究。结果发现：①三大经济支撑带创新能力呈不断上升趋势，“一带一路”沿线省(市、自治区)经济带的创新能力低于全国平均水平，而京津冀地区经济带和长江经济带的创新能力高于全国平均水平；②三大经济支撑带创新能力的总体差距不断扩大，2005年之后，地区差距成为造成总体差距不断扩大的主要原因；③Kernel密度估计显示，随时间推移，全国和三大经济支撑带的创新能力虽然得以提升，但地区差距仍呈现持续扩大趋势。

关键词：三大经济支撑带；创新能力；地区差距；Dagum基尼系数；Kernel密度估计

0 引言

经济新常态下，中央提出以“一带一路”、“京津冀协同发展”、“长江经济带”为重点的东西联动、全面开放、区域协同发展战略。创新作为“十三五”期间五大发展理念核心，是引领“一带一路”沿线省(市、自治区)经济带、京津冀地区经济带、长江经济带三大经济支撑带(以下简称三大经济带)发展的第一动力。全面提升三大经济带创新能力，是新常态下打造区域经济增长极，实现经济长期稳定中高速增长的重要保证。然而，由于历史、经济和地理因素，我国较多关注省域或者区域板块的创新能力提升[1-3]，却忽视了经济带创新能力发展。数据显示，三大经济带创新能力的区域差距日益凸显，以创新投入要素R&D经费为例，2013年京津冀地区经济带平均R&D经费投入为6 316 647万元，而“一带一路”沿线省(市、自治区)经济带(以下简称“一带一路”沿线经济带)平均R&D经费投入为2 981 047万元，不及京津冀地区经济带研发投入的一半。因此，全面认识三大经济带创新能力地区差距及分布动态演进趋势，对经济新常态下缩小创新能力的地区差距，构建创新驱动的区域经济发展支撑点具有重要理论和现实意义。

区域创新能力评价、地区差距与变化趋势研究始终是国内外学者关注的热点。现有关于区域创新能力评价的研究中，Pinto等[4]运用因子分析法将创新能力衡量指标归纳为技术创新、经济结构、人力资本和劳动力市场4个因子，并据此对欧洲15国175个地区的区域创新能力进行评价。崔晓露[5]运用因子分析法对全国30个省市的区域创新能力进行综合评价，并重点对长三角和珠三角进行分析。研究发现，珠三角的综合创新能力优于长三角。赵炎等[6]运用AHP—模糊综合评价法评价了上海市宝山区的创新能力，并据此提出对策建议。当前针对创新能力地区差距的研究主要采用泰尔指数、基尼系数、变异系数等方法，使用了专利申请量、新产品开发项目、新产品销售收入等数据。Moreno等[7]利用变异系数对欧洲的创新能力进行实证分析。研究表明，创新活动主要集中在少数地区，创新能力存在地区差距。Fornahl等[8]利用基尼系数对德国的创新能力进行实证研究，结果表明创新能力具有空间地理不均衡分布倾向，创新能力的地区差异较大。程慧平[9]运用基尼系数、泰尔指数、区域分离系数测算了我国R&D创新能力的地区差距，研究表明，新产品开发项目、发明专利申请量的区域差异曲线呈S型，新产品销售收入呈倒U型。桂黄宝[3]采用改进的TOPSIS-Theil分析模型构建创新能力指数，对我国创新能力的地区差异进行探索。研究发现，2000—2012年我国省际创新能力差距呈现扩大趋势，创新能力的地区差异主要受地际差异而非区内差异的影响。另外，国内众多学者针对创新能力地区差异的变化趋势进行了深入分析，研究结论各异。魏守华等[10]基于人均专利量对我国区域创新能力的地区差异进行研究，结果表明，1990—2007年区域差异呈现先收敛后发散的趋势，东部和中部呈现收敛状态，而全国总体和西部呈现发散状态。赵峥等[11]对我国三大区域的创新效率差距及收敛趋势进行研究，研究结果显示，三大地区间的创新效率差距增大，全国总体与西部地区的创新效率存在收敛趋势，而东部和中部地区创新效率的收敛趋势并不显著。

在研究对象上，现有研究主要将省域或者区域板块作为创新载体。三大经济带是当前我国经济发展的核心支撑带，关于其创新能力差距的研究较少；在研究方法上，现有研究以相对差距为主要指标，如泰尔指数将总体差距分解为区域间差距和区域内差距，但无法精确分解区域间每个区域对总体的贡献程度[12]。因此，本文以三大经济带为研究对象，采用Dagum基尼系数和Kernel密度估计两种方法，对三大经济带创新能力的地区差距和动态演化进行实证研究。其中，Dagum基尼系数不仅能够刻画创新能力地区差距的演变趋势，而且能够对地区差距进行分析，深入剖析差距成因，同时，利用Kernel密度估计反映三大经济带创新能力的空间分布和动态演化趋势。

1 方法与数据

1.1.1 区域创新能力综合指数测算

本文利用主成分分析法合成多个指标，以综合衡量区域创新能力。由于原始数据之间存在量纲差异，所以首先对各指标数据进行标准化处理，然后对标准化处理后的数据进行主成分分析，得到各主成分的特征值、特征向量和方差贡献率，保留累积方差贡献率大于90%的前k个主成分。根据式(1)得到第k个主成分的得分，其中，Yk为第k个主成分得分，eki为第k个主成分的特征向量，Xi为标准化后的指标数值。根据式(2)求得创新能力综合评价指数，其中，Yt为历年创新能力综合得分，Wki为第k个主成分的方差贡献率。

由于利用主成分分析得到的数值出现负数，为了便于以后的基尼系数分解，本文根据统计学的3σ原则，运用公式Yi=H+Yt进行坐标平移，消除负数影响[13]，最终得出各省市创新能力综合评价指数，以此代表各省市创新能力水平。

1.1.2 Dagum基尼系数及分解方法

Dagum基尼系数不仅可以有效识别地区间差距的来源，而且能够有效解释子群之间交叉项的问题。Dagum基尼系数的定义如式(3)所示。在进行基尼系数分解时，根据各地区创新能力的均值对地区进行排序，如式(4)所示。

式(3)中，yji(yhr)是j(h)地区内任意一省市的创新能力，

是各省市创新能力的平均值，n是省市的个数，k是划分的地区个数，nj(nh)是j(h)地区内省份的个数。

按照Dagum基尼系数分解方法，可以将基尼系数分解为3个部分：地区内差距的贡献Gw、地区间差距的贡献Gnb和超变密度的贡献Gt，超变密度是划分子群时由于交叉项的存在对总体差距造成的影响，三者关系满足公式G=Gw+Gnb+Gt。各部分计算公式如下：

其中，式(5)和式(6)分别表示j地区的基尼系数Gjj和地区内差距的贡献率Gw；式(7)和式(8)分别表示j、h地区的地区间基尼系数Gjh和地区间差距的贡献率Gnb；式(9)表示超变密度的贡献率Gt。在式(9)中，pj=nj/n，sj=nj(Yj/n(Yj(j=1，2···，k)，Djh为j、h地区间单位创新能力的相对影响，其定义如式(10)所示。其中，djh、pjh的计算公式分别如式(11)、(12)所示。Fj(Fh)分别为j(h)地区的累积密度分布函数。根据以上方法，分别测算和分解三大经济带2001—2013年创新能力空间分布的基尼系数。

1.1.3 Kernel密度估计

Kernel密度估计是一种用来求密度函数未知的随机变量概率分布的非参数估计方法，现已成为研究不均衡分布的常规方法，它与参数估计法的不同之处在于一般不对模型的具体分布作任何假定，即可以任意设定函数形式，因此在研究中对模型的依赖性较弱，更具有稳健性。假设随机变量x的密度函数为f(x)，则点x处的概率密度可由式(13)进行估计。其中，N是观测值的个数，K(·)是核函数，它是一种加权函数或平滑转换函数，Xi为观测值，x为均值，h为带宽，带宽h越大，在x0附近邻域越大，则估计的密度函数f(x)越光滑。

根据Kernel密度函数表达形式的不同，可以将核函数分为均匀核、二次核、高斯核等，目前最为常见的是二次核和高斯核。在本研究中，选择高斯核对三大经济带创新能力的分布动态进行估计。高斯核的函数表达式如式(14)所示，由于非参数估计没有确定的函数表达式，需要通过图形对比来考察分布的变化。因此，需要对Kernel密度估计结果的图形进行观察，得到变量分布的位置、形态和延展性等信息[14]。

1.2 数据来源与处理

大部分学者利用专利申请量[15-17]、专利授权量[18-19]、专利申请受理量[20-21]或每万人均专利授权量[10][22]等单一指标来衡量区域创新能力，但专利数这一指标并不能完全反映区域创新能力的真实水平。这是因为有些专利并没有商业化价值，此时用专利作为衡量指标会高估创新能力的真实价值；另外，有些企业为了保护商业机密或者快速推出新产品而不申请专利，这时仅采用专利数作为创新能力的衡量指标就会出现遗漏，从而低估创新产出的真实价值[23]。因此，利用专利这一单一指标衡量区域创新能力具有一定缺陷。

柳卸林等[24]指出，研究创新能力时，用多个指标代表区域创新能力水平是较为理想的办法，虽然这一方法并不完美，却是比较容易接受的办法。因此，本文采用多样化的评价指标衡量区域创新能力，分别从创新投入、创新技术产出、创新经济产出3个方面构建指标体系。

(1)创新投入指标。创新投入是衡量区域创新能力水平高低的关键因素，反映了区域创新主动力的驱动程度[3]。创新投入包括人力资源投入和创新资金投入，分别用R&D人员全时当量和R&D经费支出衡量。

(2)创新技术产出指标。创新技术产出指标用专利授权量来测度，专利作为衡量区域创新能力的核心指标之一，在指标通用性、数据可获得性等方面都具有其它创新产出指标不可比拟的优点，另外，经过授权的专利是通过相关部门审核并被确认为合格的专利。因此，专利授权量在衡量创新效果上优于专利申请量(刘军，李廉水，王忠，2010)。

(3)创新经济产出指标。创新经济产出指标主要反映创新活动中获得的经济效益，用新产品销售收入和技术市场成交额来衡量。新产品销售收入衡量的是企业通过创新开发出新产品并取得经济收益的能力。技术市场成交额反映创新活动的商业化目的，衡量了区域创新技术扩散水平。

因此，本文选取R&D人员全时当量、R&D经费、专利授权量、新产品销售收入和技术市场成交额5个指标综合衡量三大经济带的区域创新能力。

本文数据均来自《中国统计年鉴》和《中国科技统计年鉴》中公布的30个省市数据，研究区域为“一带一路”沿线经济带、京津冀地区经济带、长江经济带。其中，“一带一路”沿线经济带包括内蒙古、辽宁、吉林、黑龙江、上海、浙江、福建、广东、广西、海南、重庆、云南、陕西、甘肃、青海、宁夏、新疆、西藏等18个省市，京津冀地区经济带包括北京、天津、河北等3个省市，长江经济带包括上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、贵州、云南等11个省市，研究时间跨度为2001—2013年，由于西藏部分年份数据缺失，本文未作研究。

2 三大经济带创新能力地区差距及来源

2.1 三大经济带创新能力现况

本文采用主成分分析法，利用各省市R&D人员全时当量、R&D经费、专利授权量、技术市场成交额和新产品销售收入这5项指标数据，综合计算得出全国30个省市2001—2013年创新能力综合评价指数，并在此基础上分别计算考察期内全国及三大经济带各省市创新能力综合评价指数均值，以此代表全国及三大经济带的创新能力水平，具体结果如表1所示。

由表1可见，“一带一路”沿线经济带的创新能力低于全国平均水平，而京津冀地区经济带和长江经济带的创新能力高于全国平均水平，并且京津冀地区经济带的创新能力始终高于“一带一路”沿线经济带和长江经济带的创新能力。从数据变化可以看出，2001年“一带一路”沿线经济带与全国、京津冀地区经济带、长江经济带创新能力的差距分别为0.015、1.795、0.030，2013年差距扩大到0.671、4.368、1.351。京津冀地区经济带与全国、长江经济带创新能力的差距分别从2001年的1.780、1.795扩大到2013年的3.697、4.368。长江经济带创新能力与全国平均水平的差距由2001年的0.015扩大为2013年的0.626。从年均增长率上看，2001—2013年全国、“一带一路”沿线经济带、京津冀地区经济带以及长江经济带创新能力的年均增长率分别为3.90%、2.89%、4.44%、4.39%。可以看出，京津冀地区经济带创新能力的年均增长率最高，其次为长江经济带、全国和“一带一路”沿线经济带。

如图1所示，“一带一路”沿线经济带的创新能力低于全国平均水平，且两者之间的差距呈逐年缩小趋势；京津冀地区经济带的创新能力高于全国平均水平，两者之间的差距较为稳定；长江经济带的创新能力高于全国平均水平，两者之间的差距呈逐年扩大趋势。这说明，“一带一路”沿线经济带的创新能力与京津冀地区经济带的创新能力之间呈现明显的两极分化趋势，而“一带一路”沿线经济带与长江经济带的差距也呈现扩大趋势，表明我国三大经济带的创新能力存在显著的非均衡特征。

2.2 三大经济带创新能力地区差异及分解

为进一步揭示三大经济带创新能力的地区差距，本文采用Dagum基尼系数及其分解方法，分别测算了2001—2013年三大经济带创新能力的基尼系数并进行分解，结果如表2所示。三大经济带创新能力的总体基尼系数从2001年的0.031增长至2013年的0.218，涨幅为7.03倍。从经济带内创新能力的基尼系数可知，“一带一路”沿线经济带、京津冀地区经济带、长江经济带创新能力的基尼系数分别从2001年的0.027、0.047、0.030，增长至2013年的0.201、0.194、0.220，涨幅分别为7.44倍、4.13倍和7.33倍。这表明在考察期内，与其它两大经济带相比，“一带一路”沿线省市创新能力的差距最大，京津冀地区和长江经济带内各省市创新能力的差距也在逐渐拉大。而“一带一路”沿线经济带与京津冀地区经济带、“一带一路”沿线经济带与长江经济带以及京津冀地区经济带与长江经济带之间创新能力的基尼系数则由2001年的0.043、0.030、0.046，增长至2013年的0.251、0.227、0.223，涨幅分别为5.84、7.57和4.85倍。这说明考察期内，三大经济带间的创新能力差距呈扩大趋势，但程度不同。“一带一路”沿线经济带与长江经济带之间创新能力差距的扩大程度明显高于京津冀地区经济带与其它两大经济带间的扩大程度。因此，缩小“一带一路”沿线经济带与长江经济带之间创新能力的差距尤显紧迫和重要。

如图2所示，三大经济带创新能力的地区差距总体呈现逐年上升趋势，具体来看，在样本考察期内，创新能力地区差距的总体年均增长率为17.59%，其中，2001—2010年创新能力地区差距的总体年均增长率为19.32%，而2011—2013年创新能力地区差距的总体年均增长率为12.40%，年均增长率明显降低，这表明2010年中国经济进入新常态之后，随着国家区域协调发展战略的实施，三大经济带创新能力地区差距的增长率总体呈现下降趋势。

2.3 三大经济带创新能力地区差距来源

2.3.1 三大经济带创新能力地区内差距

如图3所示，三大经济带创新能力的地区内差距呈逐年上升趋势。2009年之前，“一带一路”沿线经济带创新能力的地区内差距最小，京津冀地区经济带创新能力的地区内差距最大；2010年之后，长江经济带创新能力的地区内差距最大，而2012年以后京津冀地区经济带创新能力的地区内差距最小。在样本考察期内，“一带一路”沿线各省市创新能力地区内差距的增长率在2006年达到最大值24.59%，之后尽管增长率呈现小幅下降趋势，但地区内差距仍不断扩大。2007年京津冀地区经济带地区内差距的增长率达到最大值18.99%，此后呈波动下降趋势，即京津冀地区经济带创新能力的地区内差距逐年缩小；长江经济带创新能力的地区内差距一直保持较高增长率，在考察期内年均增长率为18.09%，导致其在2010年后成为三大经济带中创新能力地区内差距最大的经济带。

2.3.2 三大经济带创新能力地区间差距

三大经济带创新能力的地区间差距演变趋势如图4所示。总体来看，创新能力的地区间差距在样本考察期内呈上升趋势，“一带一路”沿线经济带与京津冀地区经济带创新能力的地区间差距最大，“一带一路”沿线经济带与长江经济带创新能力的地区间差距最小。具体来看，“一带一路”沿线经济带与京津冀地区经济带创新能力的地区间差距不断扩大，两者差距年均增长率为16.11%，2004年两者差距的增长率达到最大值41.29%，此后增长率一直处于波动状态，特别是2008年前后略有下降，但并未从根本上缩小两者之间创新能力的差距；“一带一路”沿线经济带与长江经济带创新能力的地区间差距逐年扩大，在2001—2012年期间两者差距的增长率比较稳定，平均增长率为19.59%，2013年增长率明显下降，只有7.34%，两者差距的增长率有放缓迹象；京津冀地区经济带与长江经济带创新能力的地区间差距在样本考察期内不断增大，增长率相对于“一带一路”沿线经济带和京津冀地区经济带以及“一带一路”沿线经济带和长江经济带较缓，增长率最大值为2004年的38.32%，平均增长率为14.45%。

2.3.3 三大经济带创新能力地区差距贡献率

三大经济带创新能力的地区差距贡献率演变趋势如图5所示。总体来看，在样本考察期内，创新能力的地区内差距贡献率均值为39.22%，始终高于地区间差距贡献率均值21.96%。2005年以后地区内的差距贡献率大于超变密度的贡献率。这表明2005年以后，地区内差距是三大经济带创新能力地区差距的主要来源。在样本考察期内，地区内差距对整体地区差距的贡献率较为稳定，贡献率年均上升0.11%；地区间差距对整体差距的贡献率虽然低于地区内差距的贡献率，但在样本考察期内呈现明显的上升趋势，年均增长率为4.22%。超变密度揭示了三大经济带子群间因交叉项统计对整体创新能力差距的影响，反映出三大经济带创新能力的地区间差距与地区内差距的交互作用对整体创新能力差距的贡献率在样本考察期内呈下降趋势，年均下降率为2.01%，表明随着时间的推移，地区间与地区内的交互影响逐渐减弱，三大经济带创新能力的地区内差距成为三大经济带创新能力差距的主要来源。

3 三大经济带创新能力的Kernel密度估计

Kernel密度估计是对分布动态进行测度的一种方法，采用Kernel密度估计方法分析样本考察期内三大经济带创新能力的空间分布及动态演进，不仅能够描述创新能力分布的整体形态，而且可以通过不同时期的比较，深入把握三大经济带创新能力分布的动态演进特征。为了保证测度的精确性和连续性，本文将三大经济带2001—2013年的创新能力分为5个阶段，分别以2001、2004、2007、2010及2013年为测度对象，选取高斯核函数分别绘出内地30个省市、“一带一路”沿线经济带、京津冀地区经济带和长江经济带的创新能力Kernel密度估计二维图。

3.1 全国省际创新能力动态演进

在样本考察期内中国内地30个省市创新能力的演变趋势如图6所示。整体上看，省际创新能力的地区差距发生了明显变化，密度函数中心不断右移，波峰数量逐渐减少且峰值不断降低，函数区间逐渐变大，说明我国省际创新能力的地区差距变大。具体来看，与2001年相比，2004年密度函数中心略向右移，同时，函数区间变大，波峰数量不变，说明2004年创新能力的地区差距相比于2001年有所扩大，但极化趋势没有改变。而与2004年相比，2007年密度函数中心明显向右移动且最高峰值变小，波峰数量有所减少，函数区间变大，说明省际区域创新能力差距持续扩大且极化现象有所缓解。同2007年相比，2010年密度函数中心继续向右移动，函数区间变大，波峰数量持续减少，说明省际创新能力的地区差距仍在不断扩大，极化趋势得以控制。相比2010年，2013年的密度函数曲线明显变得平滑，波峰数量由多峰变为单峰，并且函数区间较之前明显增大，说明我国省际创新能力的地区差距进一步扩大，多极现象不再明显。

3.2 “一带一路”沿线经济带创新能力动态演进

在样本考察期内“一带一路”沿线经济带创新能力的动态演变趋势如图7 所示。整体上看，密度函数的峰值不断降低，波峰数量不断减少，密度函数中心逐渐右移，函数区间不断变大，说明“一带一路”沿线经济带创新能力的地区差距逐渐增大。具体来看，同2001年相比，2004年函数区间变大，密度函数最高峰值降低，波峰数量变化不大，说明与2001年相比，2004年的创新能力地区差距变大，多极分化现象未发生改变。而与2004年相比，2007年的密度函数中心明显右移，函数曲线变得更加平滑，密度函数区间变大，最高峰值继续降低，但波峰数量没有减少，说明2007年“一带一路”沿线经济带的整体创新能力有所提高，但创新能力的地区差距增大，仍然存在多极分化现象。与2007年相比，2010年的密度函数中心继续右移且函数区间再次变大，而函数曲线更加平缓，波峰数量明显减少，说明2010年创新能力的地区差距仍在变大，但随着整体创新能力的提高，极化现象逐渐消失。与2010年相比，2013年密度函数的中心向右持续移动，峰值更小，波峰数量由多峰变为单峰，函数区间变大，这说明2010—2013年间“一带一路”沿线经济带的创新能力不断提高，多极分化现象消失，但地区差距不断变大。

3.3 京津冀地区经济带创新能力动态演进

在样本考察期内，京津冀地区经济带的创新能力演变趋势如图8 所示。整体上看，密度函数的峰值不断降低，函数中心持续右移，函数区间不断变大，但波峰数量未发生变化，说明京津冀地区经济带创新能力的地区差距不断增大，两极分化现象较为严重。具体来看，与2001年相比，2004年函数中心略向右移，函数区间增大，峰值大幅下降，但波峰数量不变，表明2004年创新能力的地区差距变大，两极分化现象并未改变。与2004年相比，2007年的峰值再次下降，波峰数量依旧不变，密度函数中心明显右移，函数区间随之增大，说明京津冀地区经济带的整体创新能力有所提高，但地区差距仍呈扩大趋势。与2007年相比，2010年的曲线更加平滑，峰值降低，密度函数中心继续右移，函数区间持续变大，说明在此期间京津冀地区经济带创新能力的地区差距继续扩大。与2010年相比，2013年的曲线变得更加平缓，函数区间明显增大，函数曲线右移且波峰数量不变，说明2013年京津冀地区经济带创新能力的地区差距呈扩大趋势，两极分化现象依然存在。

3.4 长江经济带创新能力动态演进

在样本考察期内长江经济带的创新能力演变趋势如图9 所示。总体来看，密度函数中心不断右移，且函数区间不断增大，峰值不断降低，波峰数量逐渐变少，说明在样本考察期内长江经济带创新能力的地区差距逐步扩大，但两极分化现象逐渐消失。具体来看，与2001年相比，2004年密度函数中心向右移动，函数区间扩大，峰值明显降低，但波峰数量未发生变化，说明2004年长江经济带创新能力的地区差距呈扩大趋势，两极分化现象并未发生改变。与2004年相比，2007年的密度函数中心明显向右移动，函数区间变大，波峰数量不变，但最高峰值略有下降，说明长江经济带创新能力的地区差距持续扩大，两极分化现象仍然存在，但有缩小趋势。与2007年相比，2010年密度函数中心持续右移，函数区间再次变大，波峰数量由双峰变为单峰，说明在2007—2010年间长江经济带创新能力的地区差距仍在变大，但两极分化现象已经消失。与2010年相比，2013年的函数曲线更加平滑，函数中心再次右移，函数区间增大，说明在样本考察期内长江经济带的整体创新能力有所提高，但地区差距不断扩大。

4 结论与启示

本文利用2001—2013年我国内地30个省市的R&D人员全时当量、R&D经费、专利授权量、技术市场成交额、新产品销售收入5个指标数据，在采用主成分分析法综合计算得出省际创新能力综合评价指数的基础上，利用Dagum基尼系数和Kernel密度估计方法，对三大经济带创新能力的地区差距和分布动态进行了实证研究。研究发现：①在样本考察期内，全国以及“一带一路”、京津冀、长江三大经济带的创新能力水平呈不断上升趋势，年均增长率分别为3.90%、2.89%、4.44%、4.39%，“一带一路”沿线经济带创新能力的增幅最小，京津冀地区经济带创新能力的增幅最大。三大经济带创新能力水平的提高，得益于经济带内各省市持续的创新投入，特别是研发经费、人才培养等方面的持续投入。“一带一路”沿线经济带作为连接我国东部和中西部的重要经济支撑带，因其经济、交通、人才、环境等方面与其它两个经济带存在差距，导致“一带一路”沿线经济带创新能力的增长幅度低于其它两大经济带创新能力的增长幅度；②三大经济带创新能力的整体基尼系数逐年上升，年均增长率为17.59%，表明三大经济带创新能力的地区差距呈现逐年扩大趋势。通过对上述差距的进一步分解，发现2005年之后，地区内差距是造成整体差距不断扩大的主要原因，其对整体差距的贡献率均值为39.21%，且年均增长率为0.11%，而地区间差距对整体差距的贡献率仅为21.96%，但在样本考察期内呈逐年上升趋势，年均增长率为4.22%。究其原因，一方面是囿于行政区域的划分方式，导致创新能力发展呈现显著的非均衡状态，另一方面由于三大经济带的发展战略处于实施初期，经济带内各省市仍未建立起有效的协同创新机制，创新能力的地区内差距还未得到有效控制，处于惯性增长阶段。第三，Kernel密度估计显示，随着时间的推移，全国和三大经济带创新能力密度函数的中心逐渐右移，函数峰值逐渐下降，函数变化区间不断扩大，表明全国和三大经济带的创新能力虽然有所提升，但地区间差距仍呈现持续扩大趋势。同时，全国、“一带一路”沿线经济带、长江经济带密度函数的波峰数量随时间逐渐变少。其中，全国和“一带一路”沿线经济带的密度函数由多峰变为单峰，表明上述区域创新能力的多极化趋势随着时间推移逐渐消失；长江经济带的密度函数由双峰变为单峰，表明该经济带创新能力两极分化趋势逐渐消失；京津冀地区经济带的密度函数始终为双峰函数，表明京津冀地区经济带创新能力具有两极分化趋势。

综上所述，可以从以下方面缩小三大经济带创新能力的地区差距：

(1)重视以三大经济带为核心的区域协调发展战略，打破之前基于行政区域划分的创新能力发展方式，将创新能力的培育和提升聚焦于三大经济带，打造新常态下经济发展的新增长极。建立经济带内各省市创新能力协调提升机制，要求一方面从政策层面解决三大经济带内各地区相互割据的局面，不断推进不同层次的地区合作，促进创新要素在更大范围、更高层次、更广阔空间内的合理流动和配置。另一方面健全产权保护、市场准入以及诚信体系，消除人才、资本和技术的空间流动障碍，充分发挥创新资源的空间溢出效应。

(2)加强交通基础建设，提升地区之间的交通便利程度。交通基础设施是国民经济发展的基础产业，是各生产部门赖以建立和发展的基本条件。要促进地区一体化发展，落实三大经济带发展战略，就需要打破地区界限、建设大容量城际通道。我国在协调创新的道路上已经意识到了交通基础建设的重要性。2016年，国家发展改革委、交通运输部联合印发了《交通基础设施重大工程建设三年行动计划》，重点推进铁路、公路、水路、机场、城市轨道等交通项目建设，完善以快速交通网、基础交通网、城际城市交通网为重点的综合交通网络。伴随交通基础设施网络的不断完善，地区间人员流动将更加频繁，创新资源得以自由流动和合理配置，从而缩小地区间创新能力差距。

(3)优化人才和资金流动环境，加快消除三大经济带创新能力地区差距中普遍存在的多极或两极分化现象。一方面在人才稀缺的地区建立人才保障制度，完善对创新型人才的公共服务体系，实现住房、户籍管理、子女教育、社会保障等方面的全覆盖。改善生活环境，包括自然环境、文化环境、交通治安等，为人才解除后顾之忧。另一方面，拓宽投资渠道，降低投资风险，扩大创新生产规模，改善创新结构，充分激发地区创新动力，缩小三大经济带创新能力的地区差距，确保“十三五”期间我国经济实现稳定的中高速增长。

[1] 魏守华,吴贵生,吕新雷.区域创新能力的影响因素——兼评我国创新能力的地区差距[J].中国软科学,2010(9):76-85.

[2] 蒋天颖.我国区域创新差异时空格局演化及其影响因素研究[J].经济地理,2013,33(6):22-29.

[3] 桂黄宝.中国区域创新能力空间差异与变化趋势——基于改进TOPSIS-Theil法的省域面板数据分析[J].经济经纬,2015,32(6):17-22.

[4] PINTO H,GUERRIRO J.Innovation regional planning and latent dimensions: the case of the Algarve region [J].The Annals of Regional Science,2010,44(2):315-329.

[5] 崔晓露.长三角与珠三角区域创新能力评价[J].统计与决策,2013(11):73-75.

[6] 赵炎,冯薇雨.上海市宝山区区域创新能力评价研究[J].科研管理,2015,36(1):139-144.

[7] MORENO R,PACI R,USAI S.Geographical and sectoral clusters of innovation in Europe[J].The Annals of Regional Science,2005,39(4):715-739.

[8] FORNAHL D,BRENNER T.Geographic concentration of innovative activities in Germany[J].Structural Change and Economic Dynamics,2009,20(3):163-182.

[9] 程慧平.中国省域研发创新能力差异实证分析[J].中国科技论坛,2013(8):98-105.

[10] 魏守华,禚金吉,何嫄.区域创新能力的空间分布与变化趋势[J].科研管理,2011,32(4):152-160.

[11] 赵峥,姜欣.我国区域创新效率的差异及收敛性研究——基于省际面板数据的实证分析[J].区域经济评论,2013(3):72-78.

[12] DAGUM C.A new approach to the decomposition of the gini income inequality ratio[J].Empirical Economics,1997,22(04):515-531.

[13] 廖进中,韩峰,张文静,等.长株潭地区城镇化对土地利用效率的影响[J].中国人口·资源与环境,2010,20(2):30-36.

[14] 刘华军,鲍振,杨骞.中国农业碳排放的地区差距及其分布动态演进——基于Dangum基尼系数分解与非参数估计方法的实证研究[J].农业技术经济,2013(3):72-81.

[15] CRESCENZI R,RODRIGUEZ-POSE A.R&D,socio-economic condition,and regional innovation in the US.[J].Growth and Change,2013,44(2):287-320.

[17] 钱晓烨,杨百寅,迟巍.心理资本与区域创新活动:来自我国地级市的实证研究[J].中国软科学,2014(2):179-192.

[18] LIM U.The spatial distribution of innovative activity in US metropolitan areas: evidence from patent data[J].Journal of Regional Analysis and Policy,2003,33(2):97-98.

[19] 岳鹄,康继军.区域创新能力及其制约因素——基于1997～2007省际面板数据检验[J].管理学报,2009(9):1182-1187.

[20] CHI W,QIAN X.The role of education in regional innovation activities:spatial evidence from China[J].Journal of the Asia Pacific Economy,2010,15(4):396-419.

[21] 赖永剑.贸易开放对区域创新能力的动态非线性影响——基于面板平滑转换回归模型[J].软科学,2015,29(5):50-54.

[22] FURMAN J,PORTER M,STERN S.The determinants of national innovative capacity[J].Research Policy,2002,31(6):899-933.

[23] GRILICHES Z.Patent statistics as economic indicators: a survey[J].Journal of Economic Literature,1990,28(4):1661-1707.

[24] 柳卸林,高太山,周江华.中国区域创新能力报告2013[M].北京：科学出版社，2013．

Regional Disparity and Distribution Dynamics Evolution of InnovationCapability in Three Major Economic Support Zone——An Empirical Study Based on the Dagum's Gini Coefficientand Non-parameter Estimation Method

(School of Business Administration, Shandong University of Finance and Economics, Jinan 250014, China)

Abstract：Based on provincial data of full-time equivalent of R&D personnel, expenditure on R&D, number of patent granted, technology market turnover and new product sales revenue from 2001 to 2013,this paper used principal component analysis method to calculate provincial comprehensive evaluation index of innovation capability, and calculated innovation capability of three major economic zone based on the comprehensive evaluation index, and then discussed regional disparity and distribution dynamics of three major economic zone with Dagum's Gini coefficient and Kernel density estimation method. The study found that the level of innovation capability of three major economic zone is rising. The innovation capability of Beijing-Tianjin-Hebei and Yangtze River economic zone is higher than the national average level, and the innovation capability of Belt and Road along the province (city, autonomous region) is lower than national average. Gini coefficient and its decomposition result suggest that the regional disparity of innovation capability is increasing .After 2005,internal disparity of regions is the major source of overall inequality. Kernel density estimation indicates that although innovation capability of China and three economic zone is improving, regional disparity continues to expand.

Key Words：Three Major Economic Support Zone；Innovation Capability；Regional Disparity； Dagum's Gini Coefficient； Kernel Density Estimation

基金项目(ZR2013GQ004)

作者简介：杨明海(1968-)，男，山东招远人，博士，山东财经大学工商管理学院教授，研究方向为人力资源管理；卢晓杨(1992-)，女，山东聊城人，山东财经大学工商管理学院硕士研究生，研究方向为人力资源管理；孙亚男(1980-)，男，山东蓬莱人，山东财经大学工商管理学院副教授，研究方向区域经济与管理。