国家级高新技术产业开发区(简称国家高新区)是高新技术发展的起源地,是新兴产业建设的重要载体。科技部把创新驱动发展定位为高新区未来的首要任务,要求高新区在国家创新驱动发展战略中承担重要使命。自1988年中关村高新区率先设立之后,高新区如雨后春笋般在全国各地出现,截至2018年10月,经国务院批准(复)建设的国家高新区数量共有169家[1]。为了强化高新技术开发区的策源地作用,高效科学的科技政策体系受到关注,进一步加强政策供给、依靠政策引导企业强化创新行为成为政府的重要职能。科技政策内容也逐步演进为创新全过程链的资源配置和方向引导,综合性政策条目与数量较之前均更为丰富,不同区域领域、不同职能部门间影响显著提升。
“政策组合(Policy Mix)”的概念在21世纪初期从经济政策辩论导入到创新研究范畴,这一概念表明应该关注不同政策之间的互动作用与相互依赖性,这些互动作用可以影响预期政策结果的落实程度。2002年,欧洲技术评估网络在评估国别研发政策时指出,把出自不同部门的政策进行组合对国家创新系统有着重要作用[2]。Kieron Flanagan[3]等探讨了创新政策行动者、工具、机构之间的互动模式,使创新政策组合概念化,提出“谈判”和“妥协”等软政策通常能够更好地促进政策实施。国内也有学者针对政策组合模式展开初步探讨,如彭纪生[4]编写了“科技政策量化标准操作手册”,并计算了创新政策协同对经济绩效的差异化作用;刘宇佳等[5]利用系列面板数据模型比较了2000-2017年单一政策和政策组合特征对高技术产业成长能力的影响,结果表明科技政策组合的一致性和均衡性仍然存在阶段性问题。然而,相关研究更加关注单一科技政策对创新驱动的影响,忽略了科技政策体系内部关系结构和协同作用问题,导致研究结果重绩效评估而轻因素分析。
因此,本文拟利用定性比较分析(Qualitative Comparative Analysis,QCA)方法的集合论与布尔运算特性,发挥其对于样本数量要求较低、擅长处理多种条件并发原因非线性关系的优势,通过引入设有国家高新区的30个省份不同类别科技政策,揭示出更具效用的4种科技政策组合驱动路径,以期完善高新区科技政策体系建设,强化区域科技创新发展能力,为有关部门制定出台相关政策提供参考。
科技政策作为政府引导、激励、支持、调整创新活动以及成果应用的工具,其政策实施效果如何,是否达到政策预期并满足实践活动要求,引起了众多学者的关注和重视。由于创新过程的复杂性,科技政策在政策执行阶段、政策受益者类型、政策级别、政策工具等方面可以分为多种类型,不同视角会产生不同的政策影响因素划分标准。有的学者基于创新驱动力视角,将科技政策分为渐进式、突破式、自发性和适应性政策[6],有的学者从政策演进阶段视角,将其分为研发刺激、技术传递转移、创新瓶颈突破和系统创新[7]。
然而,政策内容视角仍然是划分科技政策的主要依据。得到最多认可的划分方式是Rothwell & Zegveld[8]把政策工具划分为需求、环境和供给政策,多数学者的研究思路或多或少受到这种分类模式的影响。有的学者按照“需求——环境——供给”分析框架研究创新政策对绩效的影响,结果表明供给政策和环境政策有促进作用,但需求政策作用不显著[9];有的研究将人力资源因素和物质资本因素结合起来考量,选取创新型人才培养机制、新市场机制、科技创新转化机制作为影响因素,基于制度经济学视角讨论了法国航空城的创新驱动力发展[10];有的借助文献计量学方法,把量化经济指标与政策文本相结合,将高新区创新驱动发展主要影响因素划分为科技创新、产业创新、产品创新、市场创新、人才创新等5个维度3个等级,其中人才创新维度位于第一等级[11]。聚焦于人才和财政投入因素评价国家高新区创新驱动能力,还可以选取科技活动人员和经费、从业人员和R&D内部经费等指标[12];有的将政策内容进一步细分,分成税收、金融、人才、资助、知识产权5种类型,运用csQCA方法比较不同政策类型政策手段的组合效用,发现多种政策组合供给效果优于某类单独政策,直接税收减免对于提升创新产出效果最显著[2];还有的学者基于swarm平台对政策响应演变过程进行动态仿真研究,得到较为一致的影响程度排序,不同政策工具的影响程度排序为:研发补贴>人才激励>税收优惠>政府采购>服务外包[13]。
为了使研究体系更加完整,尽可能地穷尽政策变量种类,许多学者在研究科技政策内容的基础上,增加了其它维度。如Freitas & Tunzelmann[14]在政策工具维度上增加了政策目标、政策执行两个维度,这种维度划分得到了较多学者认可;有学者在政策需求和政策供给的基础上,添加国家创新战略和政策评价两个变量以构建“钻石模型”,对我国创新政策进行了系统化评价[15];有学者将政策效力、政策目标和政策工具作为3个评估层面,并以高技术产业作为研究范围实证检验各类政策实施成果[16]。
在扩展政策维度的基础上,有的研究更加关注政策实施中的运营和管理方式,构建了以组织运行能力为核心维度的“高新区创新能力四维理论模型”,认为高新区创新能力反映“环境支撑——组织运行——创新投入——创新产出”这一创新能力形成过程的价值逻辑[17]。有的将管理体制和政策力度两个要素与高新区创新绩效作回归分析,发现只有市级经济管理权限才能对创新绩效产生直接影响,管理体制要素对“政策力度-创新绩效”的关系能够产生一定程度的影响[18];有的研究则更加关注宏观科技产业政策和区域科技综合发展政策,认为社会经济条件变化、党的代表大会和五年规划等其它政策子系统的“国情”环境影响,对国家高新区科技创新政策变迁具有一定导向作用[19]。归纳概括国家高新区30年发展历史,认为各类创新平台的搭建体现国家高新区与不同阶段国情的互动和契合[20],是对国家“创新创业”战略的主动响应[21]。另一方面,有学者采用SFA方法研究发现规模效应能够提高高新区全要素生产率,东部高新区效率总体上高于中西部[22];有的研究分析发现,华东地区国家级高新区创新驱动与创新要素集聚状况、组织学习状况以及区域的经济环境状况等区域条件呈正向相关关系[23],并基于105个国家级高新园区统计数据,指出产业集聚可以对创新驱动发展产生重要调节作用[24]。这些研究既包括个案分析,如针对武汉东湖高新区分析了科技企业孵化效应、创新与创业互动效应、科技创新与制度创新协同效应、集群效应和生态效应[25],也包括文献综述类研究,肯定了产学研合作对地区科技与经济发展的积极作用[26]。
目前,学界对国家高新区科技创新驱动发展的政策影响因素研究已初具成效,许多学者从政策工具、政策目标、政策执行、政策评估等多个维度,对影响国家高新区创新驱动发展的科技政策因素进行辨析。但是,相关研究存在一些局限与不足。通过对相关文献的梳理与简要评价,可以归纳总结出当前亟需关注的科技政策重点内容,挖掘提炼出本文开展定性比较分析的研究变量。
(1)现有研究更多强调单个变量对高新区创新驱动发展的影响,或者多个变量同时影响的效果,而对不同政策因素的组合式综合影响路径分析仍然不足。当前学者根据政策内容视角,对人才、税收、补贴、制度、平台等多种类型的科技政策进行分析讨论,辨析各类政策对国家高新区创新驱动发展的影响效用,许多学者发现人力资源政策和物质资本政策的影响作用最大,这两类政策也成为学者研究科技政策工具时的重点。但多数研究聚焦于影响效用排序,把不同政策的作用效果看作独立个体,对不同政策因素的组合式综合影响路径分析不足。而与本文研究思路最为相似的文献中,郭元源等[2]选取了31个省级行政区2016年及之前发布的科技创新政策934条,运用fs QCA方法测量不同政策类型下具体政策手段的组合效用。充足的样本量与严谨的研究思路值得借鉴,但以“国内发明专利授权数量”作为衡量科技政策效用的唯一指标,条件过于单一,影响研究结果的代表性。同时,资助、知识产权两种政策在政策组合当中体现不明晰,文本并未完全涵盖5种条件变量。上述研究局限为本文充分体现条件变量组合形态、选择更有代表性的结果变量提供了思路与启示。
从科技政策内容角度的研究中可以发现,许多学者认为科技供给政策中的财税政策、人才政策具有最显著的影响效果,因此,本文选取“人力资源政策”、“财政优惠政策”作为两个条件变量。人才政策对于国家高新区科技人才的流向、布局和结构具有重要作用,而资金资源作为科技进步的首位推动力,历来是学者界定高新区创新发展影响因素的重要变量。
(2)现有研究分析国家高新区科技政策时考虑了园区特殊性与现实政策出台情况,但相关文献数量较少且着力不足。国家高新区兼顾了行政属性与经济属性,其科技政策与园区性质相适应,表现出有别于宏观科技政策的特性。因此,部分学者通过构建多维理论模型,将触及园区建设的组织管理制度、法规体系规划、基础设施建设、创新平台搭建等政策纳入分析框架。但相关文献数量仍然较少,且对“运行机制”“管理制度”“设施建设”等微观措施分析较少。
结合国家高新区科技政策文本的实际内容也可以发现,设施建设、制度建设是政策文本的重要内容。因此,本文选取“组织制度政策”、“创新平台政策”作为两个条件变量。组织管理制度与日常工作机制对高新区的有序发展、各类经济要素的健康增长均有重要意义,而创新平台集产业链、投资链、创新链、人才链、服务链于一体的促进措施,其资源集聚性能够为创新驱动发展带来积极影响。
(3)现有研究分析区域科技政策的影响作用时往往具有同质性,未充分体现不同区域间政策特殊性,且更多地关注东南沿海地区,对其它地区的聚焦度不足。国家高新区具有重要的资源集聚、产业集聚作用,在缓解区域经济发展不平衡问题、优化区域产业布局配置、提高区域创新能力等方面具有重要使命,因此许多学者对区域协同政策、产业集群政策给予了极大关注。然而,由于高新区发展水平差异较大,当前研究重点多集中在东部沿海等高新区建设较为成熟的地区,对区域间政策特殊性的关注仍显不足。
基于此,本文选取“产业规划政策”、“区域协同政策”作为两个条件变量,梳理文本中涉及“战略”、“目标”、“协同”、“集聚”等宏观规划政策。通过对上述两个条件变量的分析,使得高新区科技政策研究重视发展具有鲜明区域特色的产业布局和发展规划,园区科技产出与区域经济要素增长的结合度更加紧密。
因此,本文综合提炼文献中的高频变量与体现高新区特质的变量,将科技政策归纳为人力资源、财政优惠、组织制度、创新平台、产业规划、区域协同6个政策因素,构建科技政策影响因素分析框架,对国家高新区科技政策创新驱动发展的影响路径进行研究,以期更好地梳理国家高新区科技政策体系内部的关系结构和协同作用逻辑。
本文拟采用定性比较分析(Qualitative Comparative Analysis,QCA)方法开展研究。该方法是由美国社会学家查尔斯·拉金于1987年提出的一种以案例分析为导向的研究方法。QCA方法能够综合“案例导向的定性”和“变量导向的定量”两类研究方法的优势[27],主要包括以下几个特点:①运用组态比较分析技术,通过“组态”方式处理数量有限的复杂案例,每一个案例都是多重属性构成的复杂案例,因此,形成一种整体性分析视角。同时,这限定了QCA多为小样本分析,如本文样本为30个省份,若采用实证分析,则样本量太小,不足以确保结果准确,而QCA可以保证样本数足以清晰反映条件变量作用方式,从而保证结果具有内部效度;②运用一套形式语言“布尔代数运算与集合理论体系”,能够将复杂案例转化为理论语言,从而找出多个自变量与因变量之间的复杂因果关系,旨在验证案例中存在的组态效应,即探究多变量间因果关系,以及变量组合如何促成结果变量的产生[28];③关注跨案例的“并发因果关系”,拓展了因果关系分析框架。要素的不同组合可能产生同样结果,如不仅人力政策和财政优惠政策可以促进创新驱动,产业规划政策和区域协同政策也能促进创新驱动。QCA方法可以通过对一致性和覆盖度两个参数的控制,对多种等效路径进行筛选,得出最具解释力的前因条件构型。由此,主流统计方法中的许多假设被打破,不存在恒定不变的因果关系,“单个原因对结果有各自的独立影响”的思路不成立,多个原因因素可以同时出现从而构成某个结果的“原因组合”。
从20世纪80年代末到90年代初开始,QCA逐步在比较政治学、历史社会学、新闻传播学、经济学和情报学等多个学科中得到广泛应用,其应用模式包括清晰集(cs QCA)、模糊集(fs QCA)与多值集(mv QCA)定性比较分析3种。其中,cs QCA适用于处理二分赋值的变量。本文选择的因果变量间具有较为直接清晰的对应关系,在编码时能够进行0或1的二分赋值,因此,采用cs QCA作为研究方法。
本文依据政策文本进行政策内容分析,选取全国设有国家高新区的30个省级行政区(不包含港澳台及西藏自治区)作为研究案例主体,从各省级政府门户网站、职能部门网站以及北大法宝数据库进行搜索,兼顾以下选择标准:①发文机关只选择省级政府,在文件数量充足的情况下不考虑两部门及以上联合发文;②发文时间定于2015年1月1日-2016年12月31日,为结果变量数据获取时间(2017年1月1日-2017年12月31日)的前两年。在此标准下共获取已发布的涉及国家高新区的科技政策文本522篇,其中,陕西省文本数最多,共41篇,新疆自治区文本数最少,共2篇。考虑到不同省份国家高新区建设水平差异性较大,为体现发文主体的一致性和可比较性,最终每个省级行政区选取文本10篇(将文本不足省份的发文机关界定为省级政府、省级职能机构),共计科技政策文本300篇,以保证分析结果的代表性和可信度。
2.3.1 条件变量界定
按照上文关于国家高新区科技政策体系的分类和描述,本文选取“人力资本政策”(RL)、“财政优惠政策”(CZ)、“组织制度政策”(ZZ)、“创新平台政策”(CX)、“产业规划政策”(CY)、“区域协同政策”(QY)共6项条件变量。根据cs QCA方法的研究思路,本文依据“二分归属原则”将30个省级行政区域的科技政策按照上述分类指标给予0-1赋值,测度标准为科技政策文本内容,按照政策条目的数量多寡进行赋值,一篇文本中的任一类型政策出现一次即记录一次得分,累计叠加记录次数,详见表1。当次数高于该指标次数均值则赋值为1,否则赋值为0,表2列出了各条件变量的测度标准与赋值结果。表3截取了部分政策文本的原始编码,与每一个赋值为1的测度标准相对应,以此作为赋值标准的补充说明。
2.3.2 结果变量界定
本文的结果变量是国家高新区科技政策驱动发展能力(NL)。结果变量数据来自《国家高新区创新能力评价报告2018——暨高新区三十年回顾与展望》,该报告共选取5个一级指标对2017年全国30个省级行政区157家国家高新区创新能力进行评估。5个一级指标包括3个支出类指标和2个收入类指标,为更准确考量科技政策驱动发展能力,本文选取省指标得分中的收入类指标得分(“创新活动绩效”指标和“创新驱动发展”指标),借助SPSS18.0软件的主成分分析功能将二者合并为“科技政策驱动发展能力”指标,根据主成分得分进行二分法赋值:主成分得分大于0赋值为1(共14个省级行政区),主成分得分小于0赋值为0(共16个省级行政区),计算结果不存在主成分得分等于0的情况,得分及赋值结果见表1。
在完成变量测度和赋值之后,运行fsQCA3.0软件,生成真值表,即可得到条件变量和结果变量的所有组合情况,如表4所示。
使用fs QCA3.0软件,通过计算单变量的一致性和覆盖率进行单变量必要性分析,从而判断单变量对结果变量是否存在充分关系或必要关系,详见表5。在6个条件变量中,变量QY的一致性大于0.8,其它5个变量的一致性均不足0.7,但CZ、QY两个变量的覆盖率超过0.9,RL、CX、CY三个变量的覆盖率超过0.8。这表明任一变量均不足以导致结果变量的产生,不存在充分条件或必要条件,但各变量参与度较高,具有较强的解释力。因此,认为国家高新区驱动发展能力的提升是在多项科技政策协同作用下实现的。
完成单变量分析后,进行多个条件变量组合分析。使用fs QCA3.0软件以0.8为一致性门槛值对科技政策组合进行识别,可得到3种条件变量组合分析结果,即复杂解、中间解和简约解,详见表6。
其中,简约解是更加简洁直观的表达结果,同时还包含了部分作为反事实案例的逻辑余项,复杂解是完全遵循变量设置而得到的结果。因此,本文选取复杂解进行分析,结果显示解集的总一致性和总覆盖率均为1,表明复杂解的整体结果对于所选取的30个行政区域具有极强的解释力。
表1 国家高新区科技政策文本条目数统计结果
排名行政区域人力资源财政优惠组织制度创新平台产业规划区域协同主成分得分结果变量赋值1北京65411644.440 596 62812上海4528252.0487 471 2013广东51278861.779 300 29714重庆675101260.794 450 57615四川797131240.639 693 19416陕西17611980.629 850 44317福建5599790.623 039 99318湖北4687850.472 085 21419安徽4555790.360 415 847110江苏48139760.279 081 715111云南4577710.101 630 984112天津4207740.054 691 457113浙江45881340.026 288 091114吉林1553940.022 314 310115海南6212771-0.072 701 857016青海150372-0.362 726 753017广西7810422-0.399 004 320018山东5514335-0.432 310 720019河南152291-0.465 617 120020河北115224-0.497 957 586021黑龙江050771-0.506 822 175022辽宁2115483-0.515 564 494023湖南660933-0.522 472 760024新疆220721-0.669 502 667025江西4336107-0.717 481 490026山西105982-0.786 062 841027贵州222870-0.947 728 490028内蒙古410210-1.549 371 200029甘肃432893-1.744 379 930030宁夏430771-2.082 444 7850-均值3.634.934.876.806.873.70--
表2 变量测度标准与赋值结果
序号变量测度标准赋值1RL吸引科技工作人员的相关政策条目数高于均值1吸引科技工作人员的相关政策条目数低于均值02CZ财政优惠、资金补贴等政策条目数高于均值1财政优惠、资金补贴等政策条目数低于均值03ZZ建立组织、领导、管理制度机制等政策条目数高于均值1建立组织、领导、管理制度机制等政策条目数低于均值04CX建立产业园、孵化器等创新平台的相关政策条目数高于均值1建立产业园、孵化器等创新平台的相关政策条目数低于均值05CY产业规划、布局的相关政策条目数高于均值1产业规划、布局的相关政策条目数低于均值06QY地区间、产学研等形式的协同政策条目数高于均值1地区间、产学研等形式的协同政策条目数低于均值07NL指标主成分得分大于01指标主成分得分小于00
综合考察以上解集,可以将6个条件变量划分为两个类型:“人力资源政策”、“财政优惠政策”与“创新平台政策”属于“外部投入型政策”;“组织制度政策”、“产业规划政策”与“区域协同政策”属于“内部规制型政策”。据此可以得到4种组合影响路径,同时,将组合影响路径分为两类:综合资源投入型政策驱动的资源投入型路径C1a、资源协作型路径C1b,两种组合路径均全面运用RL、CZ、CX三类外部资源投入型政策;倾斜资源规制型政策驱动的内敛规制型路径C2a、外向规制型路径C2b,两种组合路径对于政策资源的选择具有倾向性,路径C2a具有人力驱动倾向,路径C2b则具有财力驱动倾向。路径组合情况见图1。
(1)组合影响路径一C1a:资源投入型路径,对应复杂解为“人力资源*财政优惠*组织制度*创新平台*产业规划”。该组合的内涵是被选为案例的省份出台的政策文本中同时涉及人才吸引、财税优惠补贴、组织制度建设、创新平台建立、产业布局规划等5项政策。本文中符合路径C1a的省级行政区为广东、重庆、四川、福建、湖北、江苏、云南、浙江,其主成分得分最高的省份为广东省(排名3/30),得分最低的为浙江省(排名13/30),其结果变量赋值均为1。在此路径下,创新发展驱动力主要来源于“外部人才引进+外部财政支持”的配套政策,资源型投入占主导地位,同时兼有园区内部制度完善和宏观规划,除不涉及国家高新区与外部环境协同合作的政策外,C1a组合包含政策较为全面。由符合路径C1a的省份可以窥见,既包括资源集聚力较强、具有人才资金区位优势的东南沿海区域,也包括国家高新区建成年份较早、制度与产业规划较为成熟的中西部区域。因此,案例分布基本符合路径模式表达。
表3 条件变量编码截取
序号条件变量编码截取文件来源1RL“培养、支持一批中青年科技创新创业人才”“引进一批海外高层次人才”《福建省“十三五”科技发展和创新驱动专项规划》2CZ“设立科技金融服务中心”“开展科技、金融、产业融合创新发展试验”“设立科技支行、科技小额贷款公司等金融机构或组织”《广东省系统推进全面创新改革试验行动计划》3ZZ“自治区科技厅牵头,银川、石嘴山国家高新区配合”“加强组织领导,自治区科技厅要加强工作协调”《宁夏回族自治区发展众创空间推进大众创新创业实施方案》4CX”推进文化和科技融合示范基地建设”“推进专业孵化器建设”“加强技术成果转移转化等服务体系建设”《北京市“十三五”时期加强全国科技创新中心建设规划》5CY“加快打造新的支柱产业”“建设一批科技成果产业化基地”“引导科技成果转移转化,对接特色产业需求”《关于深入实施创新驱动发展战略推动老工业基地全面振兴的若干意见》6QY“促进关中、陕北、陕南三大区域创新板块协同发展”“全面建成陕西创新驱动发展体系”《陕西省实施创新驱动发展战略纲要》
表4 真值计算结果
RLCZZZCXCYQYNL频数111111171101011211111011011011111110111110011111011111110100100210011002100000011110000100010001110100010110100100011001010110010011100110111001001001011110010110001101
表5 单变量必要性分析结果
序号条件变量一致性覆盖率1RL0.600 0000.857 1432CZ0.650 0000.928 5713ZZ0.647 0590.785 7144CX0.600 0000.857 1435CY0.545 4550.857 1436QY0.812 5000.928 571
(2)组合影响路径二C1b:资源协作型路径,对应复杂解为“人力资源*财政优惠*~组织制度*创新平台*~产业规划*区域协同”。该组合的内涵是被选为案例的省份出台的政策文本中同时涉及人才吸引、财政优惠补贴、创新平台建立、区域协同发展等4项政策,而不涉及组织制度建设和产业规划政策。本文中符合路径C1b的省级行政区为北京市和上海市(主成分得分排名为1/30、2/30),其结果变量赋值均为1。路径C1b的组合影响路径效果具有一定特殊性,北京市、上海市作为国家高新区建设先驱城市,对腹地资源具有巨大的集聚优势,对周边经济发展能够产生强大辐射力。因此,在此路径下,创新发展驱动力主要来源于“区域协同辐射+外部资源支持”的配套政策,与C1a相比,突出了不同地理区域之间、不同高新区之间的资源协同互动,同时,省级政府制度性限制较少,更多科技政策由园区管委会自行发布,高新区具有较高发展自由度。考察重庆、天津等行政区域政策组合情况,也表现出结果变量赋值为1而组织制度政策条目数较少的特点。因此,案例分布基本符合路径模式表达。
(3)组合影响路径三C2a:内敛规制型路径,对应复杂解为“财政优惠*组织制度*产业规划*区域协同”。该组合的内涵是被选为案例的省份出台的政策文本中同时涉及财政优惠补贴、组织制度建设、产业布局规划、区域协同发展等4项政策,即“财政倾向政策”。本文中符合路径C2a的省级行政区包括广东、重庆、四川、陕西、福建、湖北、安徽、江苏、浙江、吉林,其主成分得分最高的省份为广东省(排名3/30),得分最低的为吉林省(排名14/30),其结果变量赋值均为1。与路径C2b相比,路径C2a的创新发展驱动力主要来源于“区域协同辐射+内部制度建设”的配套政策,制度建立、产业设计、宏观规划等内生性规制政策占主导地位。由符合路径C2a的省份可以窥见,此路径在4种路径组合中包含省份数量最多,基本包括经济实力较强的直辖市、东部沿海省份,以及省内拥有建成水平较高的国家高新区的中西部省份,更易获得省级政府财政优惠政策的首位支持。同时,辖区内国家高新区大多建成年份较长,随着地区经济发展水平提高与国家高新区运营趋于成熟,外部人力与财政资源投入都已趋于稳定,因此,外部投入的边际驱动效应逐步减弱。区域经济发展资源不再单一地集聚于国家高新区内,由此带来资源型政策转型,高新区建设阶段由资源投入为主逐步转变为注重制度化、规范化建设。
表6 多变量组合分析
解集类型条件变量组合原覆盖率净覆盖率一致性复杂解/中间解C1a:RL∗CZ∗ZZ∗CX∗CY0.571 4290.0714 2861C1b:RL∗CZ∗~ZZ∗CX∗~CY∗QY0.142 8570.142 8571C2a:CZ∗ZZ∗CY∗QY0.714 2860.214 2861C2b:RL∗~CZ∗~ZZ∗CX∗CY∗QY0.071 428 60.071 428 61简约解RL∗CZ∗CY0.642 8570.071 42861CZ∗CY∗QY0.714 28601ZZ∗CY∗QY0.714 28601CX∗QY0.785 7140.214 2861总覆盖率-1--总一致性---1
注:上部实线代表C1a,虚线代表C1b;下部实线代表C2a,虚线代表C2b
图1 科技政策对国家高新区创新驱动发展的影响路径
(4)组合影响路径四C2b:外向规制型路径,对应复杂解为“人力资源*~财政优惠*~组织制度*创新平台*产业规划*区域协同”。该组合的内涵是被选为案例的省份出台的政策文本中同时涉及人才吸引与培养、创新平台与基础设施建设、产业布局规划、区域协同发展等4项政策,而不涉及财政优惠补贴和组织制度建设政策,即“人才倾向政策”。本文中符合路径C2b的省级行政区为天津市(排名12/30),其结果变量赋值为1。在此路径下,高新区创新发展驱动力主要来源于“外部人才引进+创新平台建立”的配套政策,与C2a相比,更加重视人才挖掘(人力资源)与人才培养(平台建设)工作,人力资源占主导地位,高新区流动性大,较注重资源投入和制度完善,政策更具有灵活度。由符合路径C2b的地区可以窥见,天津市作为环渤海地区的经济中心,基础底蕴雄厚而经济活力不足,政府采取了加大人力资源投入的政策措施,提高人才吸引力,主要是为发挥国家高新区对区域经济的拉动作用,以扭转天津市经济发展下行趋势。考察北京、重庆、四川等地政策组合情况,也表现出结果变量赋值为1而人力资源政策条目数较多的特点。因此,案例分布基本符合路径模式表达。
本文收集中国内地30个省级行政区国家高新区科技政策文本,基于多维度视角对科技政策进行归类细分,并运用cs QCA方法探讨了科技政策对于国家高新区创新驱动发展的影响路径。研究结果表明:①人力资源和财政资源作为纯外部性资源,是驱动高新区区域发展的首位因素,二者对于政策组合“外部性/内部性”的倾向往往起到主导作用;②创新平台建设和组织制度设计是影响高新区创新驱动力的内部保障性因素,同时,“人力资源政策+创新平台政策”、“财政优惠政策+产业规划政策”具有政策互补性,往往作为配套政策实施,可以产生协同效应;③政策组合可能会随着国家高新区不同发展阶段和区域综合发展水平而变迁,使政策制定和实施更多地向某一类政策倾斜,倾向于制度建设比倾向于资源投入能够取得更好的效果,能够应用于更加多样化发展阶段的国家高新区。
结合本文提出的条件变量组合,对国家高新区科技政策的制定和选择提出相应管理对策,以更好地观照实践活动:①科技政策应同时具有互补性、整体性和系统性,善于利用各种政策组合,强化其“1+1>2”的整体效应。具体到国家高新区科技政策类型,应综合采取财政、金融、人才、土地、制度等调控手段,发挥不同类别政策的综合效应;②科技政策驱动发展的两个最基本力量是消费者购买意愿的拉力与新技术发展的推力,资金、人才是其首位条件。因此,要从提升自身能力的角度出发,制定相关税收财政政策引导成本减负、融资倾斜、鼓励创新,制定相关人才政策,促进科技活动人员成长、培训、引进、激励以提升区域核心竞争力;③国家高新区科技政策具有特殊性。作为科技创新的引领区和集聚区,高新区也是实施全面创新、加快制度规划思想创新的先行区,制度建设与外部环境优化能够带来更加显著的驱动效应。因此,要从优化政策执行环境的角度出发,不断完善适应科技创新、产业进步需要的管理体制、工作机制以及领导模式,通过强化配套建设、优化产业布局、提升服务质量、加强区域协同等手段,完善政策支持体系,提高科技政策驱动发展能力。
同时,本文还存在如下局限:首先,构成创新驱动效果的条件变量除政策内容外,还包括政策执行阶段、政策需求方情况、政策效力(级别)、政策执行环境等,QCA受限于小样本研究方法,无法将所有因素列入考虑;其次,不同省份国家高新区建设阶段与水平差异较大,政策文本数量各不相同,为保证研究一致性与可比较性,限定了作为分析对象的政策文本数量,文本选择具有一定主观性;最后,科技政策实施具有滞后性,fs QCA3.0软件无法体现政策实施效果与时间的关联性,后续研究可丰富应用软件与条件变量。
[1] 中华人民共和国国家发展和改革委员会.中国开发区审核公告目录(2018年版)[EB/OL].http://www.ndrc.gov.cn/gzdt/201803/t20180302_878800.html,2018-02-26.
[2] 郭元源,葛江宁,程聪,等.基于清晰集定性比较分析方法的科技创新政策组合供给模式研究[J].软科学,2019(1):45-49.
[3] KIERON FLANAGAN,ELVIRA UYARRA,MANUEL LARANJA.Reconceptualising the 'policy mix' for innovation[J].Forthcoming in Research Policy,2011,40(5): 702-713.
[4] 彭纪生,仲为国,孙文祥.政策测量、政策协同演变与经济绩效:基于创新政策的实证研究[J].管理世界,2008(9):25-36.
[5] 刘宇佳,李春艳,孟维站.我国科技政策对高技术产业成长能力影响研究——基于单一政策和政策组合特征的分阶段实证检验[J].工业技术经济,2019,38(6):105-113.
[6] DAWID H,M NEUGART.Agent-based models for economic policy design[J].Eastern Economic Journal,2011,37(1): 44-50.
[7] 张永安,耿喆,王燕妮.区域科技创新政策分类与政策工具挖掘——基于中关村数据的研究[J].科技进步与对策,2015,32(17):116-122.
[8] ROTHWELL R,ZEGVELD W.Reindusdalization and technology[M].London:Logman Group Limited,1985: 83-104.
[9] 程华,李冬琴,杨永凤,等.技术创新政策力度对企业创新绩效的影响研究[J].浙江理工大学学报,2013(5):770-773.
[10] BOEKHOLT,PATRIES,THURIAUX.Public policies to facilitate clusters: background,rationale and policy practices in international perspective[M].Paris: The Cluster Approach,2012: 381-412.
[11] 刘骏.高新区创新驱动发展影响因素及其关系结构研究[J].科技进步与对策,2015(11):34-37.
[12] 白全民,丁华.山东省国家高新区创新驱动发展机制分析与比较研究[J].科学技术与创新,2015(2):16-21.
[13] 宋晨晨,张永安,王燕妮,等.区域科技创新政策响应机理分析与仿真研究——基于中关村国家自主示范区数据[J].科技进步与对策,2018(11):126-133.
[14] ISABEL MARIA BODAS FREITAS,NICK VON TUNZELMANN.Mapping public support for innovation: a comparison of policy alignment in the UK and France[J].Research Policy,2008(9): 1446-1464.
[15] 刘会武,王胜光.创新政策系统分析:钻石模型的提出及应用[J].科学管理研究,2009(4):6-9.
[16] 李春艳,孟维站,徐喆,等.对我国1985-2017年科技政策的数量、效力及效果的评价[J/OL].东北师大学报(哲学社会科学版),http://kns.cnki.net/kcms/detail/22.1062.c.20190107.1143.004.html,2019-01-07.
[17] 方玉梅,刘凤朝.我国国家高新区创新能力评价研究[J].大连理工大学学报(社会科学版),2014(10):26-32.
[18] XIN WANG,XIANG-ZE XIAO,NAN ZHOU.The impacts of regulatory regimes and science & technology policy on innovation performance: based on China's national hi-tech industry development zone[J].Public Policy and Administration Research,2017,7(4): 35-45.
[19] 郑石明,徐放,任柳青.国家高新区科技创新政策变迁研究——基于倡导联盟框架的分析[J].中国公共政策评论,2017(2):136-152.
[20] 王胜光,朱常海.中国国家高新区的30年建设与新时代发展——纪念国家高新区建设30周年[J].中国科学院院刊,2018(7):693-706.
[21] 刘会武.国家高新区30年:评价指标演变及新的指引方向[J].科技中国,2018(9):78-82.
[22] 姜彩楼,曹杰,刘维树.中国高新区效率变动及影响因素研究——基于面板数据(1997-2012年)的随机前沿分析[J].经济体制改革,2014(6):52-56.
[23] 徐维祥,方亮.华东地区高新技术园区创新对区域经济增长影响的实证研究[J].经济地理,2015(2):30-36.
[24] 徐维祥,方亮.产业集聚、国家高新区创新与区域经济增长关系研究[J].浙江工业大学学报(社会科学版),2015(3):249-253+334.
[25] KEFANXIE,YUSONG,WEIYONGZHANG.Technological entrepreneurship in science parks: a case study of Wuhan Donghu High-Tech Zone[J].Public Policy and Administration Research,2018,135(10): 144-160.
[26] IAGO COTRIMHENRIQUES,VINICIUS AMORIMSOBREIRO,HERBERTKIMURA.Science and technology park: future challenges[J].Quality&Quantity,2018,53(5): 156-168.
[27] [美]查尔斯·拉金.QCA设计原理与应用:超越定性与定量研究的新方法[M].北京:机械工业出版社,2018:5-8.
[28] ALEXANDER COTTE POVEDA,CLARA INÉS PARDO MARTNEZ.Qualitativecomparative analysis(QCA): an application for the industry[J].Quality&Quantity,2013,47(3): 1315-1321.