A Study on Radiation Effect of Innovation Ecosystem in Regional Central Cities Based on Innovation Force Field:Taking the Yangtze River Delta Urban Agglomeration as an Example

Xu Jun, Guo Xin

(Business School, Jiangsu Normal University, Xuzhou 221116, China)

Abstract：In order to solve the problem of regional innovation imbalance caused by uneven distribution of innovation power field of regional central cities and realize regional collaborative innovation, an empirical study on the radiation effect of innovation ecosystem of regional central cities in Yangtze River Delta urban agglomeration was conducted based on the fracture point model, innovation force field model and innovation radiation force model.The results show that the innovation power field of the Yangtze River Delta urban agglomeration is distributed in a circular network with the boundary of "Shanghai Suzhou Nanjing Hefei Hangzhou Shanghai", including five core radiation areas: Shanghai innovation radiation zone, Suzhou innovation radiation zone, Hangzhou innovation radiation zone, Nanjing innovation radiation zone and Hefei innovation radiation zone; The distribution of innovation power field is uneven, and the innovation field near the core radiation area is dense, and it is affected by multiple radiation effects, while the radiation effect of marginal city is weak; The amount of innovation elements brought by the surrounding cities has a multiplier effect on the innovation field, and the radiation effect of innovation can be amplified by increasing the amount of innovation elements.

Key Words:Regional Central Cities; Innovation Ecosystem; Yangtze River Delta Urban Agglomeration; Innovation Force Field; Radiation Effect of Innovation Ecosystem

收稿日期：2021-01-13

修回日期：2021-02-20

基金项目：国家社会科学基金项目(19BJY066)；江苏省“青蓝工程”培养工程项目(苏教师[2017]15号)；江苏省高校哲学社会科学重点项目(2018SJZDI090)

作者简介：徐君(1975-)，女，河南开封人，博士，中国社会科学院博士后，江苏师范大学商学院教授、博士生导师，研究方向为工商管理、区域经济学和系统工程；郭鑫(1996-)，男，河北张家口人，江苏师范大学商学院硕士研究生，研究方向为管理系统工程。

DOI：10.6049/kjjbydc.2020110404

开放科学(资源服务)标识码(OSID)：

中图分类号：F127.5

文献标识码：A

文章编号：1001-7348(2021)12-0042-08

0 引言

十八大提出实施创新驱动发展战略，以创新带动经济发展,十九大提出加快创新型国家建设的战略目标。“创新”已上升为国家战略，对我国实现经济高质量发展、促进区域间协调平衡意义重大。“创新”一词源于熊彼特的《经济发展理论》[1]，随着研究的深入先后出现了创新系统[2]、创新生态系统[3]等理论。创新生态圈由创新生态系统衍生而来，更加注重整体有机性和协同性，体现了创新要素合理配置和创新效率提高。而区域中心城市集聚了大量创新要素，本身具备良好创新生态圈条件，可以辐射周边地区创新发展，促进区域创新平衡。

创新生态圈有很多划分标准，最具代表性的是按研究对象划分为区域创新生态圈、企业创新生态圈和产业创新生态圈。区域中心城市创新生态圈属于区域创新生态圈研究范畴。区域创新生态圈是指生产者、消费者以及分解者以创新环境为载体，有效利用创新资源，形成协同共生、自主进化的经济社会创新系统[4]。关于区域创新生态圈运行状态，学者从不同方面进行了评价。李晓娣等[5]基于进化动量模型对区域创新生态圈共生水平进行了评价；段杰[6]基于对比分析对区域创新生态圈创新能力进行了评价；刘平峰等[7]基于动力学模型对区域创新生态圈演化趋势和不同阶段进行了评价。区域创新生态圈可以有效促进地区发展，带来良好经济社会效益。甄美荣等[8]基于我国高新区研究发现，高新区创新生态圈适宜度的提高可以拉动其所在城市工业产值与GDP总量增长；李晓娣等[9]通过动静态结合面板模型研究发现，区域创新生态圈共生水平对科技创新有正向驱动效应。十九大工作报告提出实施区域协调发展战略。在协调发展背景下，城市之间的竞争不仅是自身实力比拼，更是整个城市群之间的竞争。根据中心—外围理论[10]，区域中心城市处于城市群核心地位，产生集聚效应，辐射带动周围城市发展[11]。区域中心城市辐射带动效应主要体现在经济拉动功能、服务支撑功能和创新辐射功能3个方面[12]。经济拉动功能是基础，区域一体化发展过程中，中心城市依靠其强大经济实力发生裂变，为周围城市经济增长提供巨大能量[13]；服务支撑功能是保障，区域中心城市综合服务功能可支撑外围城市基础设施建设[14]；创新辐射功能是动力，区域中心城市创新生态圈拥有自主创新的先决条件，无论是生产者、消费者、分解者等创新主体，还是创新环境，都有绝对优势。区域中心城市可产生创新向心力，吸引大量创新要素，使优势要素组合在一起，最大化发挥作用，其创新外溢效应可提高周围城市自主创新能力。林细细等[15]通过合成控制法研究发现，区域中心城市可凭借产业集聚促进经济圈整体经济增长；李煜伟等[16]研究发现，区域中心城市发挥引领、集散作用，有效完善周围城市基础设施网络；周灵玥等(2019)研究发现，区域中心城市创新涓滴效应可带动周围城市协同创新。

综上所述，区域中心城市和区域创新生态圈已成为学者们研究的热点。关于区域中心城市，现有研究仍处于起步阶段，大多从经济效益视角研究其辐射效应，缺少对创新辐射效应的评价，在方法上也比较简单。关于区域创新生态圈，现有研究大多集中在内涵、评价及其与经济发展的关系等方面。很少有学者将二者结合起来，研究区域中心城市创新生态圈创新辐射效应。区域中心城市创新生态圈本身拥有创新优势，能够合理配置创新资源，提高创新效率，辐射带动周围城市创新。因此，基于创新力场强这一全新物理方法研究区域中心城市创新生态圈的创新辐射带动效应，可以在理论上丰富区域中心城市创新生态圈研究，在实践上为我国深入实施创新驱动发展战略、建设创新型国家提供一定指导。

1 区域中心城市创新生态圈辐射效应评价模型

1.1 创新规模评价模型

从相对量角度看，城市规模体现城市重要程度[17]，能更好地反映周围城市与中心城市之间的差距。区域中心城市创新生态圈创新规模反映中心城市与周围城市之间的创新势差，体现中心城市对周围城市创新的重要性和辐射带动效应。结合国内创新评价最具有权威性的《中国区域创新能力评价报告2019》[18]，以及徐君等[4]对区域中心城市创新生态圈的剖析，基于研究需要，从生产者、消费者、分解者以及创新环境4个方面对城市创新规模进行评价，并选取创新规模大的城市作为区域中心城市创新生态圈。熵权法能够客观真实地确定指标权重，避免主观因素的影响，因此，通过熵权法测算各评价指标权重，步骤如下：

(1)对数据进行标准化处理。共有m个城市，n个评价指标。构建初始评价矩阵B(m*n),如式(1)。利用式(2)对原始数据进行标准化处理,得到标准化评价矩阵X(m*n)，如式(3)。bij表示第i个城市第j个指标值，i=1,2,…,m； j=1,2,…,n。max(bij)表示bij最大值，min(bij)表示bij最小值，xij表示第i个城市第j个指标标准化处理后的值。

(1)

(2)

(3)

(2)测量指标熵值，如式(4)。若yij=0,则yij*lnyij=0。Zj表示第j个指标的信息熵。

(4)

(3)计算指标权重，如式(5)。pj表示第j个指标标准化后的权重，0≤pj≤1，并城市创新规模测量指标以及指标权重如表1所示。

(5)

(4)利用式(6)测量各城市创新规模Ci。

(6)

1.2 断裂点模型

断裂点距离由Converse提出，常用来确定主要受某一中心城市辐射的周围区域，而辐射带动效应会随着地理距离增加而逐渐衰减，与中心城市创新规模成正比，如式(7)。di表示断裂点到第i个中心城市的断裂点距离，Dij表示第i个中心城市到第j个周围城市的实际距离，i=1,2,…,k； j=1,2,…,w。其中，k、w分别表示中心城市和周围城市的个数。Ci表示第i个中心城市创新规模，Ci表示第j个周围城市创新规模。

(7)

1.3 创新力场强模型

“场”是物理学中的一种基本概念，是物质真实存在的形式之一，用来描述某一物质在空间中的分布状态。近年来，场强理论被广泛应用于社会科学领域，用来分析某一中心区域对其周围区域的影响。胡美娟等[19]基于场强理论对长三角城市旅游业时空分布状态进行了分析；韩玉刚等[20]基于场强理论对区域中心城市经济辐射带动效应进行了分析。依据物理中“场”的定义，“创新力场强”是某一区域内部创新活动在其周围产生的一种与创新相关的物质，并对场内区域的创新具有一定辐射效用。区域中心城市创新生态圈创新活动频繁，具有创新优势，产生强大的创新力场强，与周围形成创新势差，沿着创新力场强将部分创新势能传递给周围城市，辐射带动周围城市创新。创新力场强计算如式(8)[21]，Eij表示第i个中心城市在第j个周围城市产生的创新力场强，lij表示第i个中心城市与第j个周围城市之间的欧式距离。断裂点距离表示中心城市对周围城市影响的平衡点，可以更真实地测算中心城市对周围城市的创新辐射带动效应[22]，因此，选取断裂点距离代替传统欧式距离。两城市之间距离的摩擦性系数一般取2.0[23]，Ci表示第i个中心城市创新规模。

(8)

1.4 创新辐射力模型

创新力场强E反映区域中心城市创新生态圈创新辐射带动效应大小，然而，创新力场强只是为周围城市营造一种良好的创新支持环境，创新辐射力大小不仅取决于创新力场强，还取决于周围城市自身创新要素量大小。根据物理学中电场力计算公式，创新辐射力测量如式(9)，Fij表示第i个区域中心城市创新生态圈对第j个周围城市创新辐射力的大小，qj表示第j个周围城市自身创新要素量。从绝对量角度看，城市创新规模可以准确衡量城市自身创新要素量。

Fij=qj*Eij

(9)

2 实证分析

2.1 研究对象与数据来源

2019年5月，党中央通过了关于长三角的发展规划纲要，明确指出长三角城市群包括上海、南京、杭州、合肥等27个城市，占地面积约22.5万km2。长三角城市群是公认的世界第六大城市群，2019年GDP达到20.4万亿元，约占全国总量的1/5。长三角城市群地处长江经济带和“一带一路”经济带重叠的重要战略位置，是我国建设社会主义现代化强国的“领头羊”。《规划》指出，要把长三角城市群建设成全球领先的科技创新新高地。长三角城市群经济社会发展良好，基础设施健全，交通发达，创新水平遥遥领先，拥有丰富的资金、技术、人才等创新资源。因此，以长三角城市群为例研究区域中心城市创新生态圈辐射带动效应既具代表性，又符合国家战略布局要求。为了确保研究时效性和客观性，指标所涉及数据均来源于《中国城市统计年鉴2019》、2019年各省市统计年鉴、科技统计年鉴以及统计公报。

2.2 区域中心城市创新生态圈选取

利用式(2)对各评价指标数据进行标准化处理，利用式(6)计算创新规模得分，结果如表2所示。为了科学准确地选取区域中心城市创新生态圈，利用SPSS25.0软件进行系统聚类分析，结果如表3所示。长三角城市群27个城市可划分为两个梯队，其中，创新规模排名前5的城市依次是上海、苏州、杭州、南京以及合肥，属于第一梯队，其余城市属于第二梯队。两个梯队形成了明显的创新势差，第一梯队城市创新规模远高于第二梯队，排名第一的上海创新规模是0.97，是最后一名池州0.04的24倍，第一梯队排名最后一名的合肥创新规模是0.69，远高于第二梯队排名第一的无锡0.41。基于以上分析，选取上海、苏州、杭州、南京以及合肥等5个城市作为区域中心城市创新生态圈，其余22个城市作为周围城市。

2.3 断裂点距离测算

依据式(7)计算区域中心城市创新生态圈到各个周围城市的断裂点距离，结果如表4所示。本文重点研究区域中心城市创新生态圈对周围城市的创新辐射带动效应，所以，忽略其彼此之间的创新辐射带动效应和断裂点距离。断裂点距离越远，对周围城市产生的创新力场强越小，创新辐射带动效应越弱。距上海断裂点距离最远的是安庆(369.03km)，距苏州断裂点距离最远的是安庆(334.63km)，距杭州断裂点距离最远的是安庆(309.19km)，距南京断裂点距离最远的是舟山(391.28km)，距合肥断裂点距离最远的是舟山(491.83km)。断裂点距离只能粗略衡量某一个区域中心城市创新生态圈对周围城市的创新辐射带动效应，为了全面准确地衡量多个区域中心城市创新生态圈的综合创新辐射带动效应，利用断裂点距离进一步计算创新力场强。

2.4 创新力场强测算

利用式(8)计算得到相应位置的创新力场强，如表5所示。“创新力场强总量1”表示对应区域中心城市创新生态圈产生的创新力场强总量，“创新力场强总量2”表示周围城市受到5个区域中心城市创新生态圈对其辐射产生的创新力场强总量。总的来看，长三角城市群以5个区域中心城市创新生态圈为创新辐射源，形成一个以“沪—苏—宁—合—杭—沪”为边界的圆形创新力场强分布网络，辐射带动周围城市创新发展。圆形区域内部属于核心区，创新力场强分布密集，创新辐射带动效应强；外部属于边缘区，创新力场强分布稀疏，创新辐射带动效应弱。

从区域中心城市创新生态圈来看，上海、苏州、杭州、南京与合肥对周围城市产生的创新力场强总量依次是227.13、211.22、200.76、191.66、105.51，排序与其创新规模相同。上海的创新力场强总量最大，苏州、杭州和南京相近，合肥最小。区域中心城市创新生态圈对周围城市辐射的创新力场强总量与其自身创新规模正相关，自身创新规模指数越高，说明其创新规模越大，内部自主创新能力越强，对周围城市创新辐射带动效应也越显著。区域中心城市创新生态圈内部自主创新能力是其创新力场强的根本性决定因素。除此之外，交通也是影响创新力场强的重要因素,健全的交通网络是创新要素输出的基础保障，是对周围城市发挥创新辐射带动效应的前提条件。区域中心城市创新生态圈产生创新力场强的影响因素还包括其地理位置、经济环境、政策法规等一系列因素。上海作为国际大都市，是我国的经济、金融、科技中心，在打造全球高水平创新型城市的同时必然对周围城市产生强大的创新力场强。上海的创新力场强以上海为中心南北呈带状分布，形成纵向的上海创新辐射带，对苏南地区以及浙北地区的创新辐射带动效应比较明显，对安徽以及浙南地区的辐射比较弱。上海到嘉兴、无锡和南通的交通距离分别是98km、134km、127km，断裂点距离分别是67km、81km、85km，无论是铁路、公路还是水路，交通都非常便利，这为上海输出创新要素提供了良好的基础保障，因此，上海对这3个城市产生的创新力场强最大，创新辐射带动效应最强。受地理位置等多种因素影响，上海对安庆产生的创新力场强最小，创新辐射带动效应最弱。苏州的创新力场强分布与上海相似，以苏州为中心南北呈带状分布，形成纵向的苏州创新辐射带，在苏南以及浙北地区产生的创新力场强较大，在安徽以及浙南地区产生的创新力场强较小。苏州产生创新力场强最大的3个城市依次是无锡、嘉兴和常州，到这3个城市的交通距离都不足100km，断裂点距离都不足65km。苏锡常都市圈使得苏州与无锡、常州的创新发展联系紧密，对其创新辐射带动效应强。沿着“苏—沪—嘉”线苏州对嘉兴产生的创新力场强也比较大。相比之下，苏州对安庆产生的创新力场强最小，对其创新辐射带动效应最弱。杭州作为浙江省省会，对浙江省内城市产生的创新力场强明显大于其它地区，创新力场强以杭州为中心呈环状分布，形成杭州创新辐射圈。杭州产生创新力场强最大的3个城市依次是绍兴、嘉兴、湖州，杭州是我国典型的互联网城市，具备科技创新中心节点潜质，拥有阿里巴巴等现代化创新型企业，势必会辐射周围城市企业创新。杭州产生创新力场强最小的是铜陵，对其创新辐射带动效应最弱。南京是江苏省会，但由于地理位置原因，创新力场强主要分布在安徽东部以及江苏西部，以南京为中心东西呈带状分布，形成横向的南京创新辐射带。南京产生创新力场强最大的3个城市依次是马鞍山、镇江和滁州，对其创新辐射带动效应最强，产生创新力场强最小的是舟山。合肥作为安徽的省会，相比之下对安徽省内城市创新辐射带动效应明显，对其它城市较弱，创新力场强以合肥为中心呈环状分布，形成合肥创新辐射圈。合肥产生创新力场强最强的3个城市依次是芜湖、滁州和马鞍山，对其创新辐射带动效应最强，产生创新力场强最小的是舟山。

从周围城市来看，其受到的创新力场强大小与地理位置相关，如图1所示。苏南及浙北地区大部分城市受到的创新力场强总量较大，受到5个区域中心城市创新生态圈的创新辐射带动效应最强。江苏其它城市、浙江其它大部分城市以及安徽毗邻南京的马鞍山、芜湖和滁州受到的创新力场强处于中间水平，浙江舟山和台州以及安徽其它城市受到的创新力场强最小。受到创新力场强总量排名前5的城市依次是嘉兴、无锡、绍兴、湖州和常州，这5个城市地理位置优越，都处在两个以上创新辐射区重叠的位置。嘉兴毗邻上海、苏州、杭州，处在上海创新辐射带、苏州创新辐射带和杭州创新辐射圈重叠地区，是长三角城市群创新力场强网络核心位置，受到的创新力场强总量远高于其它城市。无锡和常州处在苏州创新辐射带和南京创新辐射带形成的“十字架”交叉点上，受到苏州和南京双重强烈创新辐射带动效应。绍兴和湖州处于上海创新辐射带和杭州创新辐射圈相切位置，受到上海和杭州双重强烈创新辐射带动效应。受到创新力场强总量排名最后的5个城市依次是铜陵、池州、舟山、安庆和台州，这些城市都处在创新力场强网络偏远位置。铜陵、池州和安庆位于合肥创新辐射圈边缘地带，与其它4个创新辐射区距离较远。舟山和台州位于杭州创新辐射圈边缘地带，受到其它4个创新辐射区辐射带动效应更微弱。

2.5 创新辐射力测算、验证及理论解释

2.5.1 创新辐射力测算

创新力场强E测算区域中心城市创新生态圈对周围城市的创新辐射带动效应，衡量周围城市外部创新环境。由式(9)可知，创新辐射力大小F由城市外部受到的创新力场强E和城市自身创新要素量q共同决定。周围城市创新要素量q影响区域中心城市创新生态圈创新力场强E的辐射带动效应，这种影响称为“倍乘效应”。倍乘效应越大，创新力场强E发挥的辐射带动效应越明显。利用式(9)和标准化数据计算各周围城市受到的创新辐射力F，如表6所示。式(9)中q表示标准化后数据，对应的倍乘效应值都小于1，不能将倍乘效应与1进行比较，所以，为了合理评价倍乘效应，采取相对比较的方法，将周围城市受到的创新辐射力排名和创新力场强排名进行对比。若创新辐射力排名靠前，则将区域中心城市创新生态圈的辐射带动效应放大，称为扩大创新力场强效应城市，反之则称为缩小创新力场强效应城市；若排名相同，则称为平衡创新力场强效应城市，划分结果如表7所示。扩大创新力场强效应城市包括无锡、扬州、镇江、泰州、宁波、温州、金华、台州、芜湖和安庆等10个城市，这类城市注重创新，自主创新能力强，能够放大创新力场强创新辐射带动效应，值得借鉴。平衡创新力场强效应城市包括常州、南通和绍兴等3个城市，这类城市应保持原有创新基础，扩展新兴创新产业。缩小创新力场强效应城市包括盐城、嘉兴、湖州、舟山、马鞍山、铜陵、滁州、池州和宣城，这类城市创新要素不足，创新产出低，自身缺乏创新动力，应加大创新投入与创新基础建设，改善创新要素结构配置，借助外部创新力场强，提高创新能力。

2.5.2 模型验证

只有创新辐射力大，区域中心城市创新生态圈产生的创新力场强才能真正发挥创新辐射带动效用，对周围城市创新做有用功，提高周围城市创新绩效。相比于专利，新产品销售收入不仅能反映创新研发成果，更能体现创新成果转化和商业化效率，准确反映创新绩效[24]。以新产品销售收入衡量创新绩效，对其进行排名，与各城市受到创新辐射力排名进行对比，结果如图2所示。总的来看，周围城市受到的创新辐射力排名与其创新绩效排名曲线走势相同，重合度很高，说明建立的创新力场强模型、创新辐射力模型测算结果与实际一致，准确度高，具有现实意义。

2.5.3 理论解释

长三角城市群区域中心城市创新生态圈创新力场强分布格局、创新辐射力大小的形成和变化符合新经济地理学中的“中心-外围”理论[10]。在创新生态圈形成的初始阶段，一些特殊条件如地理位置、交通、行政等使得上海、苏州、杭州、南京以及合肥具有创新先发优势，不仅本身拥有较多创新要素，而且不断吸引周围的创新要素，改善创新环境，创新规模不断扩大，而随着创新规模扩大，会有更多创新要素向其聚集。当这些城市创新规模达到一定程度时便会出现“创新增长极”[25]，形成区域中心城市创新生态圈。区域创新差异存在倒“U”型关系，周围城市与区域中心城市创新生态圈之间的创新能力差异随着时间的推移先增大后减小[26]。在上海等区域中心城市创新生态圈形成过程中，其与周围城市的创新势差越来越明显，创新力场强快速增大，对周围城市的创新辐射力越来越大。这种创新辐射力会加强城市之间的内在联系，促进区域一体化发展。反过来，区域一体化发展会使创新辐射力的辐射带动效应更加明显，提高周围城市创新能力[27]。无锡等靠近核心辐射区的周围城市在这种强烈的辐射带动效应下创新能力迅速提升，缩小了与区域中心城市创新生态圈创新能力的差距。而池州等远离核心辐射区的周围城市创新能力提升较慢，仍处在与区域中心城市创新生态圈创新能力差距增大的阶段。

3 结论与对策

3.1 主要结论

借鉴物理中电场存在形式，基于断裂点模型、创新力场强模型和创新辐射力模型，对区域中心城市创新生态圈创新辐射效应进行评价，并以长三角城市群为例进行实证分析。实证结果表明：长三角城市群创新力场强分布整体呈以“沪—苏—宁—合—杭—沪”为边界的圆形网络，包括上海创新辐射带、苏州创新辐射带、杭州创新辐射圈、南京创新辐射带以及合肥创新辐射圈五大核心辐射区；长三角城市群内部创新力场强分布不均匀，靠近五大核心辐射区的城市受到多个区域中心城市创新生态圈创新辐射带动，而边缘城市受到创新辐射带动效应相对微弱；创新辐射力大小由城市外部受到的创新力场强和自身创新要素量共同决定。按照周围城市创新要素量对创新力场强的倍乘效应，可将周围城市划分为扩大创新力场强效应城市、平衡创新力场强效应城市和缩小创新力场强效应城市。加大创新要素投入，有利于实现创新力场强效应最大化。

3.2 对策建议

3.2.1 优化创新要素配置，促进区域协同创新

从研究结果可以看出，长三角城市群区域创新发展不平衡。作为我国最发达的地区之一，每一个城市都应该成为全国领先的创新型城市，带动经济增长。因此，必须促进长三角城市群协同创新。目前，长三角城市群已经形成“点”、“轴”式创新增长极，初步形成圆形创新力场强分布网络。首先，应该进一步加大五大核心创新辐射区创新力场强密集程度，使其创新辐射带动效应更强。其次，在现有点轴辐射模式的基础上，加快创新要素从区域中心城市创新生态圈流向周围城市，打破行政边界壁垒，各城市之间实现创新相互依赖、相互促进的交互式螺旋发展。再者，增加创新增长极建设，使原来周围城市逐渐发展为创新中心城市，增加创新力场强网络支撑点，形成多层次、立体化、等级清晰的空间创新力场强分布，既扩大创新力场强网络辐射范围，又增强边缘地区创新力场强密集程度。在空间上逐步向外围演化，区域中心城市创新生态圈通过交通网络、产业网络、信息网络不断向周围城市渗透创新要素，实现区域多极点、多元化协同式创新发展。

3.2.2 实现全渠道创新要素输出，加强中心城市辐射效应

区域中心城市创新生态圈整合、重构创新要素产生协同效应，对创新要素进行再创新再输出，实现创新要素由单一渠道输出向“线上+线下”全渠道输出的转变。区域中心城市创新生态圈存在产能过剩现象，应将部分产业嫁接到周围城市，平衡创新要素在区域间分配；积极扩展外部市场，有效利用周围城市市场需求，输出中心城市创新成果，使中心城市创新面向市场需求，同时，辐射带动周围城市创新；加强区域交通网络建设，缩短城市之间可达性距离，提高创新要素输出速度和效率；利用大数据、云计算、区块链等现代信息技术构建区域创新共享平台，大力发展共享经济、数字经济、互联网经济，实现创新要素共享，输出新的创新模式，提高区域创新竞争力。

3.2.3 增加周围城市创新要素量，放大创新力场强辐射效应

研究结果表明，周围城市自身创新要素量影响创新力场强辐射效应。所以，实现区域全面协同创新，不仅要加强中心城市建设，还要增加周围城市创新要素量。生产者中，企业要深入、全面了解市场对创新的需求，使需求与创新相结合，生产社会需要的产品，从供给侧增加创新要素量。高校要走出象牙塔，培养符合时代要求的创新型人才，促进“产、学、研、用”结合。科研机构要做好技术攻关，使研发成果具有经济社会价值。政府要高度重视创新，出台相应的创新支持政策鼓励创新，加大研发投入，满足创新资金流需求，营造良好创新氛围，发挥“粘合剂”作用。消费者要积极参与创新，响应“大众创业，万众创新”的时代号召，培养创新意识，从需求侧增加创新要素量。

参考文献:

[1] FRITSCH M.The theory of economic development：an inquiry into profits,capital,credit,interest,and the business cycle[J].Regional Studies,2017,51(4):654-655.

[2] LUNDVALL B,VINDING A L.Product innovation and economic theory-user-producer interaction in the learning economy[M]//Research on Technological Innovation,Management and Policy.Bingley:Emerald (MCB UP):101-128.

[3] ADNER R.Match your innovation strategy to your innovation ecosystem[J].Harvard Business Review,2006,84(4):98-107.

[4] 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(18):43-50.

[5] 李晓娣,张小燕.我国区域创新生态系统共生及其进化研究:基于共生度模型、融合速度特征进化动量模型的实证分析[J].科学学与科学技术管理,2019,40(4):48-64.

[6] 段杰.粤港澳大湾区创新生态系统演进路径及创新能力：基于与旧金山湾区比较的视角[J].深圳大学学报(人文社会科学版),2020,37(2):91-99.

[7] 刘平峰,张旺.创新生态系统共生演化机制研究[J].中国科技论坛,2020，36(2):17-27.

[8] 甄美荣,江晓壮,杨晶照.国家级高新区创新生态系统适宜度与经济绩效测度[J].统计与决策,2020,36(13):67-72.

[9] 李晓娣,张小燕.区域创新生态系统共生对地区科技创新影响研究[J].科学学研究,2019,37(5):909-918,939.

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

[11] SAVITCH H V,COLLINS D,SANDERS D,et al.Ties that bind:central cities,suburbs,and the new metropolitan region[J].Economic Development Quarterly,1993,7(4):341-357.

[12] 贾根良.第三次工业革命与工业智能化[J].中国社会科学,2016，37(6):87-106,206.

[13] 高玲玲.中心城市与区域经济增长:理论与实证[J].经济问题探索,2015，36(1):76-81.

[14] 阳国亮,程皓,欧阳慧.国家中心城市建设能促进区域协同增长吗[J].财经科学,2018，62(5):90-104.

[15] 林细细,张海峰,张铭洪.城市经济圈对区域经济增长的影响:基于中心-外围理论的研究[J].世界经济文汇,2018，62(4):66-83.

[16] 李煜伟,倪鹏飞.外部性、运输网络与城市群经济增长[J].中国社会科学,2013，34(3):22-42,203-204.

[17] PRESTON R E.Two centrality models[J].Yearbook of the Association of Pacific Coast Geographers,1970,32(1):59-78.

[18] 中国科技发展战略研究小组.中国区域创新能力评价报告2019[M].北京:科学技术文献出版社,2019.

[19] 胡美娟,沈一忱,郭向阳,等.长三角城市群旅游场强时空异质性及演化机理[J].长江流域资源与环境,2019,28(8):1801-1810.

[20] 韩玉刚,叶雷.中国欠发达省际边缘区核心城市的选择与区域带动效应:以豫皖省际边缘区为例[J].地理研究,2016,35(6):1127-1140.

[21] WANG D G,NIU Y,SUN F,et al.Evolution and spatial characteristics of tourism field strength of cities linked by high-speed rail (HSR) network in China[J].Journal of Geographical Sciences,2017,27(7):835-856.

[22] 王越,王承云.长三角城市创新联系网络及辐射能力[J].经济地理,2018,38(9):130-137.

[23] 冯文兰,牛晓俊.GIS支持的成都市县域城镇影响腹地的动态分析[J].现代城市研究,2016,31(1):72-77.

[24] 张凡.区域创新效率与经济增长实证研究[J].中国软科学,2019，34(2):155-162.

[25] 汪海.沿海创新增长极引领中国经济转型升级[J].现代经济探讨,2015，34(4):49-53.

[26] 兰秀娟,张卫国.经济集聚、空间溢出与区域经济发展差异:基于“中心—外围”视角分析[J].经济问题探索,2020，41(10):68-80.

[27] 邵汉华,王瑶,罗俊.区域一体化与城市创新:基于长三角扩容的准自然实验[J].科技进步与对策，2020,37(24)：37-45.

(责任编辑：万贤贤)