面向高质量发展的黄河流域科技创新空间极化效应演化研究

黄河作为中华民族的母亲河，是中华文明的摇篮。中国五千多年的历史文明中，黄河流域有三千多年都是中国的政治、经济、文化中心，当前更是中国重要的生态屏障、经济地带、“能源流域”以及打赢脱贫攻坚战的重要区域[1]。

黄河流域横跨中国东、中、西三大区域，既有上、中游脱贫攻坚主战场，又有下游人口聚集大省，同时，少数民族集聚区、革命老区和高寒山区相互叠加，成为区域协调发展的重要战略要地[2]。然而，与京津冀、长三角、长江经济带、粤港澳大湾区等“双子星”、“多子星”布局不同，黄河流域各省区地理接近却缺乏合作，省会“一家独大”、省际发展不均衡等问题尤为突出。

2019年9月，习近平总书记在郑州主持召开黄河流域生态保护与高质量发展座谈会并发表重要讲话；2020年1月，习近平总书记主持召开中央财经委员会第六次会议，研究部署黄河流域生态保护和高质量发展问题。与高速增长阶段主要以工具理性为动力的机制不同，高质量发展阶段更强调具有本真价值理性的新动力[3]。科技创新作为高质量发展的重要驱动，对黄河流域高质量发展意义尤为重要。借助集聚模式，黄河流域各省区省会城市不断集聚本地区科技创新资源，构建增长极。然而，重复建设与无序竞争并存，资源不足与大量闲置同在，加之省际间科技创新资源分布不均衡、能力差异等问题，最终影响流域高质量发展。

为此，立足黄河流域科技创新发展现状，构建面向高质量发展的黄河流域科技创新集中度与极化度模型，从流域整体层面和上、中、下游分区域层面，分析其科技创新空间极化效应演化情况，并识别省际间“虹吸”和“涓滴”效应，以期为黄河流域科技创新高质量发展提供政策启示。

1 理论回顾

1.1 黄河流域高质量发展

自黄河流域生态保护与高质量发展战略提出以来，仅半年时间，CSSCI检索数据库中以“黄河流域”并含“高质量发展”为篇名的研究已有40余篇。其中，以西北大学为代表的学者们形成了一些专题研究：一方面，采用质性研究，构建以发展内涵、发展模式、发展着力点、战略支撑、法治保障为内容的理论框架[4-6]；另一方面，采用量化分析，基于地理单元范式[7]，综合考虑发展中功能定位、人地耦合及区域内分异，聚焦某一地区(如西北经济走廊、中心城市)、某一内容(如生态保护、能源效率、现代产业、新型城镇化、高质量发展测度)等展开研究[8-10]。

当前，黄河流域高质量发展尚未形成公认定义，虽在政治、经济、文化、社会等领域均有涉及，但对高质量发展的主要动力——科技创新高质量发展研究较少。尽管学界对科技创新不均衡问题也有关注，但多从全流域或独立省域层面展开分析，中观层面的区域间对比及省际间关系分析鲜有涉及，总分式、多层面、立体化分析有待进一步丰富。

1.2 科技创新极化

科技创新受制度安排影响，往往一开始就表现为空间非均衡发展[11]。Francois[12]的增长极(growth pole)理论、Friedan[13]的核心—边缘理论、Krugman[14]的梯度转移理论，都强调资源有限性约束下，对科技创新资源等发展性资源的非均衡配置。随着创新极(innovation pole)[15]、创新生态圈(innovation ecospher)[16]等研究不断深化，科技创新资源与能力向极核集聚以及中间层消失的极化问题[17]开始受到关注。

一方面，学者们围绕极化的测量评价展开研究，如周密[18]、尹宏玲和吴志强[19]指出，京津冀、珠三角、长三角分别为单极、双极和多极结构；宋丽思和陈向东[20]发现，成渝地区极化最高，长三角和珠三角次之，京津冀最低；周灵玥和彭华涛[27]研究发现，京津冀、长三角以“涓滴”效应为主，珠三角、长中游、川渝以“虹吸”效应为主。另一方面，学者们围绕极化的内在机制展开研究，如Ozkaya[22]分析了知识流对创新绩效的极化效应；Theophile[23]分析了短期极化与长期极化间的关系；Venables[24]指出了贸易冲击对科技创新极化的影响；史安娜[25]聚焦知识密集型服务业，对极化辐射机制进行研究。

总体来看，在研究层面上，早期多关注区域间对比分析，进而聚焦某一区域展开针对性研究，但对落后地区关注不够，对同一区域的总分式、多层面、立体化分析有待深入；在研究对象上，关于科技创新的人才[26]、文化[27]、财政[28]等要素极化分析较多，但对要素间内在关系的综合考量还较缺乏，有必要结合新时代特征，从投入—条件—产出系统性出发，形成要素综合分析；在研究内容上，早期多关注极化评价，后期侧重对形成原因(如技术网络分裂断层)、后果(如城市贡献度、聚集辐射力)等进行分析[29-30]，但多为外部原因探索，对系统内主体及要素间互动关系分析较少；在研究方法上，已有Esteban-Ray指数[31]、Wolfson指数[32]、Kanbur-Zhang指数[33]用于衡量极化，但对极化的结构性来源缺少说明，如何结合国情与区域现实形成方法改良值得思考。

2 研究设计

2.1 模型构建

为更好地挖掘科技创新极化效应的结构性来源，考虑黄河流域各省区科技创新资源及能力差异，按以下步骤建模：①依据中国科技发展战略研究院《中国区域科技创新评价报告2019》中各省区科技创新水平全国排名：青海(27)、四川(12)、甘肃(23)、宁夏(22)、内蒙古(24)、陕西(9)、山西(20)、河南(19)、山东(10)，将四川、陕西、山东3省区视为强科技创新省区，其余6省区视为弱科技创新省区；②构建集中度模型，测量强科技创新省区的科技创新集中情况；③参考基尼系数在收入差异、社会公平、资源配置等领域的应用[34]，构建极化度模型，测量评价区域科技创新的均衡性；④通过分析极化演化方向与强度，探讨强科技创新省区对弱科技创新省区的“虹吸”和“涓滴”效应。

(1)集中度模型(Concentration Degree Model)。黄河流域跨m个省区，科技创新系统有n个指标，变量Xj的分量xi_j为省区i的第j项指标数值，则省区i的第j项指标变量集中度为：

科技创新指标体系中，第j个指标与第k个指标存在相关系数rjk，则第j个指标对其它n-1个指标的总影响为：

根据相关矩阵分析法，存在第j个指标的客观权重为：

同时，根据判别矩阵分析，存在第j个指标的主观权重ωj_sub，则第j个指标的综合权重为：

ωj=(ωj_obj+ωj_sub)/2

因此，省区i的科技创新集中度为：

(2)极化度模型(Polarization Degree Model)。省区i的人口占流域总人口比重为Qi，(∑Qi)，表示累积到省区i人口总数占流域总人口的比重，则黄河流域的科技创新极化度为：

P=1+∑CiQi-2∑(∑Qi)'Ci

在初始时刻t0和特定时刻t1，科技创新极化度分别为P0和P1。若P0<P1，表示随时间演化，科技创新极化度升高，强科技创新省区对弱科技创新省区形成“虹吸”效应；若P0>P1，则表示形成“涓滴”效应。

2.2 指标选取

当前，在国家科学技术和工程评价方面，美国的《科学与工程指标》、OECD的《科学技术和工业记分牌》、日本的《科学技术指标》，都是具有国际影响力的指标体系。改革开放以来，中国先后经历侧重经济性评估的探索阶段(1979—1993年)、侧重指标体系构建的规范阶段(1994—2006年)和侧重新方法探索的完善阶段(2007年至今)[35]。我国结合本国国情特征积极开展科技指标研究，如中国科技发展战略研究院的《中国区域科技创新评价报告》、中国科协创新战略研究院的《中国科学技术与工程指标》等，为中国国情下的科技创新评价提供了参考。

在以往研究中，科技创新投入指标多以经费、人力资本等衡量，科技创新产出指标多以专利、论文等表征，而对于具有较高外贸依存度的中国，高技术产品出口也是科技创新竞争力的重要体现。已有研究表明，科技创新投入—产出并非一贯正向关系，如Griffith[36]发现，条件约束下的R&D投入可能带来产出偏低甚至负值；杜金岷 [37]认为上述稍显悲观的结论并非否认科技创新投入—产出关系，而是强调从投入到产出还需一定条件要素。此外，《国家重大科技基础设施建设中长期规划(2012—2030年)》也从科学前沿革命性要求等方面，强调科技创新条件要素连接科技创新投入与产出的长远建设作用。为此，遵循投入—条件—产出的系统思维，按照有效性、适宜性、可获性等原则选取指标，如表1所示。

2.3 数据来源

通过相关年鉴及公报获取数据。其中，指标R&D经费支出(X1)、财政科技支出(X2)、R&D人员全时当量(X3)数据来自《中国科技统计年鉴》和《科技经费投入统计公报》；指标在校研究生(X4)、普通本专科院校学生(X5)、科技馆数量(X8)、专利授予量(X9)、技术合同成交额(X10)、高技术产品出口额(X11)数据来自各省区《国民经济和社会发展统计公报》；指标科技企业孵化器(X6)数据来自《中国火炬统计年鉴》；指标创业风险投资机构(X7)数据来自《中国创业风险投资发展报告》。

2.4 指标赋权

指标赋权主要有客观赋权和主观赋权两类方法。前者根据原始数据关系，通过一定方法计算权重，是对客观规律的体现，但需要有足够样本且可参与性较差；后者则根据研究者主观判断赋权，是主观能动性的体现，但易受研究者认知限制[38]。本文综合两者特点，采用综合赋权，即将客观赋权与主观赋权权重均值作为指标权重，操作步骤如下：

首先，根据相关矩阵赋权法，某指标与其它指标相关系数绝对值越大，表明其作用强度越大，需赋予较高权重，根据公式(2)、(3)，计算各指标客观权重。

其次，参考Saaty等[39]的AHP原理，采用判别矩阵分析法，由9位专家按要求集体赋权。专家成员包括：从事科技创新理论研究的2位教授(具有博士学位)、3位副教授(具有博士学位)，技术孵化平台运营的管理人员(具有硕士学位)2位，高新技术企业运营的管理人员(具有硕士学位)2位。为提高主观群决策一致性，未按职称或学历赋予不同表决权重，按少数服从多数原则，依次对指标两两比对打分，计算各指标主观权重。

最后，综合客观赋权与主观赋权，计算指标综合权重，如表2所示。

3 结果分析

3.1 流域整体科技创新极化效应

根据公式(1)计算强科技创新省区科技创新各要素集中度，然后，考虑指标权重，根据公式(5)计算其科技创新集中度，结果如表3所示。

根据表3，黄河流域强科技创新省区科技创新集中度总体处于较高水平(均值为0.650)，但有持续下降趋势。其中，普通本专科院校学生(X5)集中度持续下降，技术合同成交额(X10)集中度持续上升，其余9个指标集中度均呈现波动状态。具体地，四川、陕西、山东3个强科技创新省区同时也是教育强省，长期聚集了黄河流域绝大多数高教资源，随着国家加大对高教资源极其缺乏的西部省区政策倾斜，一定程度弱化了强科技创新省区对高教资源的持续集聚，使得普通本专科院校学生(X5)集中度持续下降；强科技创新省区以其相对完善的配套政策、转化平台、服务团队，不断提升技术市场活力，强化科技成果转化带动作用，使得技术合同成交额(X10)集中度持续上升；其余9个指标的集中度呈现波动状态，其中，仅科技馆数量(X8)集中度(均值为0.499)小于人口集中度(QS)(均值为0.529)，表明强科技创新省区在利用科技馆进行科普教育、科技文化传播中更具规模效应。

根据公式(6)计算黄河流域省区整体科技创新极化度，结果如表4所示。

表4显示，黄河流域省区整体科技创新处于极低极化水平(均值为0.121)，且呈现持续下降趋势，强科技创新省区对弱科技创新省区表现出弱“涓滴”效应。尽管强科技创新省区具有较高的科技创新集中度(均值为0.650)，但同时也具有较高的人口集中度(QS)(均值为0.529)，科技创新极化效应被人口数量规模稀释，意味着其科技创新能力更多依赖人口红利和资源总量。强科技创新省区科技创新集中度持续下降，而人口集中度却略有上升，两股力量共同作用，使得科技创新极化度在整体水平不高的情况下，持续下降，对弱科技创新省区表现出弱“涓滴”效应。

3.2 上、中、下游各区域科技创新极化效应

将黄河流域省区划分为上游(青海、四川、甘肃、宁夏、内蒙古)、中游(陕西、山西)、下游(河南、山东)3个区域，根据公式(1)分别计算四川、陕西、山东3个强科技创新省区在各区域中的单一要素集中度，然后，根据公式(5)计算其在各区域中的科技创新集中度，结果如表5所示。

强科技创新省区的科技创新集中度在各区域中演化情况不同，上、中、下游分别呈现持续上升、先升后降、持续下降趋势，相比之下，集中度水平为中游>上游>下游。

就上游而言，四川除专利授权(X9)集中度持续下降外，其余指标集中度呈持续上升或波动上升趋势。相比青海、甘肃、宁夏、内蒙古4个弱科技创新省区，四川借助长江经济带、成渝城市群等战略机遇，通过顶层设计及平台搭建，构建良好的科技创新环境场，2017年《四川省“十三五”科技创新规划》将“科技发展规划”修改为“科技创新规划”，并提出创新驱动发展阶段的新时代任务，一定程度解释了2017年以来四川省科技创新集中度快速上升态势。

就中游而言，陕西R&D经费支出(X1)、财政科技支出(X2)、R&D人员全时当量(X3)、创业风险投资机构(X7)、专利授予量(X9)集中度先升后降，其它指标则呈现不同程度波动状态。尽管陕西科技创新水平在国内稳居前10，但在科技创新持续投入上，还存在不少障碍。《中国区域科技创新评价报告》显示，陕西科技创新环境、科技创新产出分别排名全国第8、4位，但科技创新投入排名全国第13位。其中，企业R&D经费支出(X1)占主营业务收入比重、省本级财政科技支出(X2)、R&D人员全时当量(X3)分别居全国第15、26、23位。

就下游而言，山东在校研究生(X4)、专利授权量(X9)、高技术产品出口(X11)集中度持续下降，其它指标则呈现不同程度波动状态。《山东省区域科技创新能力评价报告2019》显示，2018年，山东R&D经费投入强度为2.15%，较上年下降0.26%，规模以上工业企业R&D机构覆盖率为7.53%，较上年下降2.44%，各地市之间创新能力差异系数为36.18%，较上年上升2.32%。同时，随着邻省河南综合交通枢纽地位明确及其省会郑州国家中心城市建设加快推进，河南持续加大科技创新投入，使得山东科技创新集中度持续下降。

根据公式(6)计算上、中、下游各区域科技创新极化度，结果如表6所示，并绘制极化演化路径图(见图1)。为进一步分析科技创新极化与科技创新综合能力的关系，依据中国科技发展战略研究院《中国区域科技创新评价报告2019》，补充强科技创新省区科技创新水平指数及排名(见表7)。

由表6、图1可知，上、中、下游各区域科技创新极化度均处于极低水平，排序为中游>下游>上游(与前文科技创新集中度排序不同)，中游地区省际间科技创新不均衡程度大于上、下游。其中，上、中、下游极化度依次呈现持续上升、先升后降、持续下降趋势，强科技创新省区对弱科技创新省区依次表现为弱“虹吸”、先“虹吸”后“涓滴”、弱“涓滴”效应。

就上游而言，四川地处西南，与青海、甘肃、宁夏、内蒙古4省区的中心距离较远，境内黄河流域面积仅占全流域的2.4%，在流域中影响力受限。同时，四川在上游地区的人口比重(均值为0.563)高于陕西在中游地区的人口比重(均值为0.510)和山东在下游地区的人口比重(均值为0.511)，人口比重过高，一定程度弱化了极化度持续上升。因此，尽管表现出“虹吸”效应，但属于弱“虹吸”。

就中游而言，陕西科技创新极化度先升后降，同时，由于煤炭经济下滑以及供给侧改革推进，邻省山西“一煤独大”优势被极大削弱，新形势下，山西通过提质增效化解过剩产能，不断促进“晋品晋材晋用”，大力拓展“非煤”型战略性新兴产业，一定程度弱化了来自陕西的“虹吸”效应，使其呈现先“虹吸”后“涓滴”。

就下游而言，山东科技创新极化度持续下降，而人口集中度则不断上升，两股力量使得“虹吸”效应难以显现。相比之下，山东经济增速落后于河南，传统产业占比过高(70%以上)，新兴产业发展滞后，城市活力有待提升。同时，山东地处最下游，对全流域影响受限，陕西与河南地理接近、互相影响，一定程度约束了山东在下游的影响力，从而使之表现为弱“涓滴”效应。

4 总结

4.1 主要结论

立足黄河流域科技创新发展现状，构建面向高质量发展的黄河流域科技创新集中度与极化度模型，对黄河流域科技创新空间极化效应演化情况进行实证分析，得出以下结论：

(1)从流域整体层面看，强科技创新省区科技创新集中度总体处于较高水平(均值为0.650)，但呈持续下降趋势；全流域科技创新处于极低极化水平(均值为0.121)，并呈现持续下降趋势，强科技创新省区对弱科技创新省区表现出弱“涓滴”效应。

(2)从上、中、下游分区域层面看，强科技创新省区科技创新集中度在上、中、下游分别呈现持续上升、先升后降、持续下降趋势，各区域科技创新集中度排序为中游>上游>下游；上、中、下游科技创新极化度均处于极低水平，排序为中游>下游>上游，中游省际间科技创新不均衡程度略大于上、下游；上、中、下游极化度依次表现为持续上升、先升后降、持续下降，强科技创新省区对弱科技创新省区依次表现为弱“虹吸”、先“虹吸”后“涓滴”、弱“涓滴”效应。

4.2 政策启示

极化度需保持在合理区间，过高将导致两极分化，过低又易导致绝对平均。结合研究涉及的对象内容和空间尺度，从提升科技创新资源配置质量与优化科技创新空间布局两方面提出政策建议。

(1)提升科技创新资源配置质量。从依靠人口红利转向依靠创新红利，转变先极化、后扩散思路，防止“极化陷阱”，发挥强科技创新省区示范带动作用，兼顾学习效应与公平偏好，促进强科技创新省区突破性创新与弱科技创新省区包容性创新的协同共进。

在科技创新投入上，强科技创新省区继续巩固规模以上企业R&D经费投入主体地位；区分不同层级财政科技支出职能，中央财政主要支持基础、前沿和公益研究，地方财政主要促进当地技术研发、产业化等；做好R&D人员内部培育和外部引智，提高科技人员归属感，降低人才流失率。弱科技创新省区重点支持一批创新强、前景好的企业“小升规”，提高R&D机构设置率，构建R&D经费“蓄水池”；完善多元主体参与的财政投入体系，通过财政专项基金，提高投入精准度；营造政策引人、待遇招人、感情留人的良好环境，弥补科技人才总量不足，亦可在强科技创新省区设立人才“飞地”，借智引智，形成从高势能地区低成本获取知识溢出的学习效应。

在科技创新条件上，强科技创新省区可利用在校研究生和普通本专科院校学生集中度高的优势，通过产学研合作，培养科技后备人才；以提质增效为主线，打造高质量技术经理人团队，细分科技企业孵化器，防止无序竞争；发挥创业风险投资机构连接机会和资本的功能，围绕服务实体经济、深化金融改革、防范金融风险，完善“募、投、管、退”全流程制度；发挥科技馆科普功能，营造尊重科学的社会氛围。弱科技创新省区可通过落户激励及扶持创新创业，吸引高校毕业生本地就业，形成人才储备；以规范+特色为主线，建设“小、美、专、精”特色型孵化器，改变项目良莠不齐、服务模式单一、专业人员缺乏、业务脱离正轨的现状；利用创业成本低、同行竞争少、政府红利多等优势，优化营商环境，为创投机构落户提供便利。

在科技创新产出上，强科技创新省区在专利授予上要从追求数量向注重质量转变，构建宽领域、全链条的知识产权服务体系；提高科技成果转化在职称晋升中的权重，通过学术创业激活技术市场活力，促进技术合同成交及重大科技成果落地；减少高技术产品出口中间成本，提升价值含量，拓宽出口类别，开拓新兴市场，通过贸易开放形成创新溢出等学习效应，提升在国际价值链中的高端占位。弱科技创新省区从提高公众知识产权意识入手，完善专利代理、专利领航企业认定、政府专利补贴等政策措施，健全知识产权服务体系；重点围绕当地产业特色及中小企业需求，搞好科技成果转化平台建设；加大生产出口型高新技术企业和高新技术产品外贸公司招引力度，为扩大高技术产品出口奠定基础。

(2)优化科技创新空间布局。综合考虑黄河流域承载能力及生态保护战略定位，打造面向全流域的平台型政府，推进科技创新资源空间协同化与专业化，结合上、中、下游各区位优势，推动主体功能区分类治理，实现生态位错位发展，形成多中心、分层次、群网化的黄河流域科技创新生态布局。

对于上游省区，四川要利用同时地处长江经济带与黄河流域的区位优势，做好“大江大河”战略融合，为生态保护和涵养水源提供科技支撑；加快新旧动能转换，改善R&D投入强度偏低(2018年为1.81%，低于全国均值2.19%)、企业R&D投入占比落后(2018年全国第27位)等不足；利用科技创新存量大、质量高等优势，加快重大科技基础设施和前沿技术平台建设，瞄准“卡脖子”核心技术，实现突破性创新和原始创新；利用央属科研院所的创新资源，深化体制改革，释放对地方发展的知识溢出，改善科技与经济发展不对称现状。青海、甘肃、宁夏、内蒙古等省区需精准争取国家政策支持，加强科教投入，补充人才总量不足短板；在连片特困地区示范应用综合集成技术和先进实用技术，做好科技惠民；重点发展光伏工程、金属锂、盐湖化工、特色生物医药研发，打造有高原特色的战略科技力量；协调生态、技术与经济的关系，发展现代农业，提供有地域特色的高质量生态产品。

对于中游省区，陕西要立足地处流域中部区位，发挥在全流域中科技创新资源融通、东西产业转移的纽带作用；通过重大科技专项，加快能化资源清洁转化与高效利用、智能网联汽车、空天动力等核心技术攻关；高起点部署未来科技，发挥大数据、人工智能、区块链等技术突破带动作用，培育新业态；针对硬科技投入周期长、投资风险大、投资意向少等特点，借助全球硬科技大会等机遇，助力西安打造全球硬科技之都，打开黄河流域面向世界的学习机会窗口，探索硬科技基金模式，打通产业化渠道。山西要在煤炭经济下滑、不具备“弯道超车”条件下，尝试“换道超车”，大力拓展“非煤”型战略性新兴产业，利用国际能源革命科技创新产业园、连翘与油用牡丹国家创新联盟等平台，提高发展含金量、含新量、含绿量；深化煤焦冶电等传统产业改造，梯度培育科技型企业，通过提质增效，化解过剩产能。

对于下游省区，山东要改善济南与青岛长期“暗战”局面，细分功能定位，构建“双子星”协同发展模式；以产业智慧化、智慧产业化、跨界融合化、品牌高端化为主攻方向，做好新旧产能转换；利用“黄河入海流”区位优势，加强河海联动，拓展海洋科技在黄河流域的应用，培育新经济业态；立足农业大省，深化科技服务乡村振兴战略，加快农业科技市场化进程。河南要利用经济总量、文化资源、交通枢纽等优势，大力发展突破带动型产业及临空经济，加快向价值链中高端攀升；加强科教事业投入，从质上而非量上弥补科技人才短板；加快培育洛阳、新乡成为新的增长极，协同省会郑州构建“一主两翼”科技创新格局；发挥县域创新支撑省市、带动乡镇联结作用，改善省会与非省会、城镇与乡村间科技发展不平衡状况。

4.3 创新与展望

在研究层面上，改善了以往研究中过于关注发达地区的不足，聚焦黄河流域特殊性，对其科技创新极化效应形成整体+局部的总分式、多层面、立体化分析；在研究内容上，综合考虑科技创新中人、财、物等多要素内在联系，从投入—条件—产出系统性出发，分析极化的内在结构性来源，识别省际间“虹吸”效应和“涓滴”效应；在研究方法上，参考基尼系数方法原理，结合黄河流域省际间差异特征，将对象区分为强、弱科技创新省区，减少研究复杂性，形成方法改良。同时，得出强科技创新省区科技创新集中度高，但极化效应小等结论，改善了集中度高则极化效应大的惯性思维，并对以往基于独立省域层面的中心城市对非中心城强“虹吸”的结论形成补充，有助于挖掘极化效应在不同视野下的结构性来源。

当然，本文参考的基尼系数法还存在忽视公共品问题、垫高极化水平等不足[40]；因省份及指标众多，加之时间太久，数据存在非完整性，研究仅使用近5年数据；尽管形成从流域整体层面和上、中、下游分区域层面进行立体化分析，但对相邻区域间(如上游对中游、中游对下游)的“虹吸”和“涓滴”效应缺乏分析。同时，研究选取省级数据作为尺度，而内蒙古、四川等省份大部分区域和区域科技创新中心一定程度上远离黄河流域，为避免可信度损失，未来有必要进一步细化研究空间尺度，从地级市或更微观角度加以改善。

[1] 习近平.在黄河流域生态保护和高质量发展座谈会上的讲话[J].求是，2019(20)：4-11.

[2] 毛汉英.“黄河流域高质量发展路径与资源生态保障”专辑序言[J].资源科学，2020，42(1)：1-2.

[3] 金碚.关于“高质量发展”的经济学研究[J].中国工业经济，2018(4)：5-18.

[4] 安树伟，李瑞鹏.黄河流域高质量发展的内涵与推进方略[J].改革，2020(1)：76-86.

[5] 任保平.黄河流域高质量发展的特殊性及其模式选择[J].人文杂志，2020(1)：1-4.

[6] 张震，石逸群．新时代黄河流域生态保护和高质量发展之生态法治保障三论[J].重庆大学学报(社会科学版)，2020(1)：1-11.

[7] 樊杰，王亚飞，王怡轩.基于地理单元的区域高质量发展研究——兼论黄河流域同长江流域发展的条件差异及重点[J].经济地理，2020，40(1)：1-11.

[8] 郭爱君，范巧，张永年.西北经济走廊建设与发展：战略构想、现实条件与有效路径[J].兰州大学学报(社会科学版)，2020，48(1):72-81.

[9] 关伟，许淑婷，郭岫垚.黄河流域能源综合效率的时空演变与驱动因素[J].资源科学，2020，42(1)：150-158.

[10] 高煜.黄河流域高质量发展中现代产业体系构建研究[J].人文杂志，2020(1)：13-17.

[11] AKINCI M.Inequality and economic growth: trickle-down effect revisited[J].Development Policy Review,2017,36(3): 10-15.

[12] FRANCOIS P.A note on the notion of growth pole[J].Applied Economy,1955(1/2): 307-320.

[13] FRIEDMAN J R.Regional development policy: a case study of Venezuela[M].Cambrige: MIT Press,1966.

[14] KRUGMAN P.Increasing returns and economic geography[J].Journal of Political Economy,1991,99(3): 483-499.

[15] 李子彪，张静，李林琼.区域创新极创新态势测度方法研究--对北京的集对分析[J].科技进步与对策，2016，33(15)：111-117.

[16] 徐君，任腾飞.区域中心城市创新生态圈要素架构、生态特征与运行机制[J].科技进步与对策，2019，36(9)：43-50.

[17] ESTEBAN J M,RAY D.On the measurement of polarization[J].Econometrica,1994,62(4): 819-851.

[18] 周密.我国创新极化现象的区域分布与极化度比较[J].当代经济科学，2007，29(1)：78-82.

[19] 尹宏玲，吴志强.极化&扁平：美国湾区与长三角创新活动空间格局比较研究[J].城市规划学刊，2015(5)：50-56.

[20] 宋丽思，陈向东.我国四大城市区域创新空间极化趋势的比较研究[J].中国软科学，2009(10)：100-108.

[21] 周灵玥，彭华涛.中心城市对城市群协同创新效应影响的比较[J].统计与决策，2019，35(11)：98-101.

[22] OZKAYA A.R&D team's competencies,innovation,and growth with knowledge information flow[J].IEEE Transactions on Engineering Management,2010,57(3): 416-429.

[23] THEOPHILE T A,DIENEI M.Polarization patterns in economic development and innovation[J].Structural Change and Economic Dynamics,2012,23(4): 421-436.

[24] VENABLES A J.Globalization and urban polarization[J].Review of International Economics,2018,26(5): 981-996.

[25] 史安娜，刘海荣.长三角城市群知识密集型服务业的空间极化与辐射分析[J].河海大学学报(哲学社会科学版)，2019(3)：29-36.

[26] 霍丽霞，王阳，魏巍.中国科技人才集聚研究[J].首都经济贸易大学学报，2019，21(5)：13-21.

[27] 赵昕.“一带一路”科技文化的发展对我国西部新兴产业集聚作用机制研究[J].科学管理研究，2017，35(3)：61-64.

[28] 陈志军.新常态下我国财政科技投入的空间集聚效应研究[J].财政研究，2016(11)：41-50.

[29] 党兴华，成泷，魏龙.技术创新网络分裂断层对子群极化的影响研究——基于网络嵌入性视角[J].科学学研究，2016，34(5)：781-792.

[30] 王成城，李红梅，韦守明.区域创新极化效应的城市贡献度——基于分解TW指数的空间计量研究[J].中国科技论坛，2017(8)：94-102.

[31] ESTEBAN J,GRADIN C,RAY D.An extension of a measure of polarization,with an application to the income distribution of five OECD countries[J].The Journal of Economic Inequality,2007,5(1): 1-19.

[32] WOLFSON M C.When inequalities diverge[J].American Economic Review,1994,84(2): 353-358.

[33] KANBUR R,ZHAG X.Fifty years of regional inequality in China: a journey through central planning,reform,and openness[J].Review of Development Economics,2001,9(1): 87-106.

[34] ANDERSON G,THOMAS J.Measuring multi-group polarization,segmentation and ambiguity: increasingly unequal yet similar constituent Canadian income distributions[J].Social Indicators Research,2019(1): 1-32.

[35] 汪雪锋，张硕，刘玉琴.中国科技评价研究40年：历史演进及主题演化[J].科学学与科学技术管理，2018，39(12)：69-82.

[36] GRIFFITH R,HARRISON R,REENEN J V.How special is the special relationship? using the impact of U.S.R&D spillovers on U.K.firms as a test of technology sourcing[J].American Economic Review,2006,96(5): 1859-1875.

[37] 杜金岷，吕寒，张仁寿，等.企业R&D投入的创新产出、约束条件与校正路径[J].南方经济，2017(11)：22-40.

[38] 俞立平，宋夏云，邹文璨.科技评价权重的本质研究[J].情报杂志，2018，37(2)：117-121.

[39] SAATY T L.A scaling method for priorities in hierarchical structures[J].Journal of Mathematical Psychology,1977,15(3): 234-281.

[40] SHABANA M.Re-assessing "trickle-down" using a multidimensional criteria: the case of India[J].Social Indicators Research,2018,136(2): 1-19.