开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
首位度是近年伴随我国中心城市发展而引起关注的一个政策关键词。2019年国务院政府工作报告提出“坚持以中心城市引领城市群发展”；“十四五”规划纲要进一步提出“依托辐射带动能力较强的中心城市，培育发展一批同城化程度高的现代化都市圈”。这些均表明决策层充分肯定中心城市的集聚规律及其对区域发展的辐射带动作用[1]。提升首位度的目的在于增强中心城市在区域内的影响力和辐射力[2]，通过做大做强头部城市，打造区域发展的空间推进器。南京拥有江苏省会城市、长三角特大城市、东部地区重要中心城市三重身份，领衔国家层面批复的第一个都市圈发展规划《南京都市圈发展规划》，却在很长一段时间内受到首位度、集聚力、显示度不足的困扰[1]。十九届中央第一轮巡视反馈意见中，亦明确要求江苏“提升省会城市功能和中心城市首位度”。
城市首位度不仅体现为表征原生实力的人口首位度、表征硬实力的经济首位度，更体现为表征软实力的创新首位度[3]。除在区域经济格局中头部地位不足外，南京在战略性新兴产业和未来产业布局中也少有领军企业，并受到上海、合肥两大综合性国家科学中心的左右夹击和杭州、苏州的近距离挑战，在长三角创新格局中面临边缘化风险。2018年长三角9地市(未包括南京)签署G60科创走廊战略合作协议，并于次年纳入《长江三角洲区域一体化发展规划纲要》，上升为落实国家战略的重要平台；2020年有“华东第二通道”之称的商合杭高铁全线贯通，合肥“米”字形高铁线网宣告成型，合肥、杭州两大都市圈的时间距离大大缩短。这些无形和有形的链接都构成合肥绕开南京、直连上海和浙江的纽带。在此背景下，南京各界形成 “不创新不行、创新慢了也不行、创新抓得不实更不行”的危机意识[4]。2018年初，南京全面启动“创新名城”建设，并连续4年发布以创新名城为主题的市委“一号文件”。其中，2019年一号文件的核心目标即是“提升创新首位度”。可以说，“南京的首位度首先是创新首位度”正在成为政界和学界的核心共识[5]。
那么，创新首位度的科学内涵是什么？如何定量化评价我国中心城市创新首位度的发展水平？现有文献对此阐述不多。与既有的创新城市排行榜、科技进步监测结果、科技统计公报等不同，本研究着重从创新过程的多阶段价值传递特征入手，通过构建创新首位度的理论内涵和评价体系，为南京等中心城市提升创新首位度提供可量化的闭环式决策管理工具。
Jefferson[6]最早提出首位度概念，并采用一个国家最大城市与第二大城市人口比值衡量，其实质是人口首位度。在严重敏和宁越敏[7]将首位度概念引入中国后，国内学者开始运用首位度对我国城市群发展规律[8]、区域经济增长[9]、城市规模分布[10]等问题进行探讨，使其内涵从狭义的人口首位度扩展到广义的经济、产业、科技、人才和文化等领域。其中，科技与创新首位度是近年兴起的一个研究热点。从投入角度，魏守华和吴贵生[11]运用R&D人员和经费支出指标，测算了我国省区层面的科技首位度；肖泽磊等[12]运用人力、资金、基础设施等创新投入指标，比较了长江经济带六大城市群的创新投入首位度。从产出角度，尹宏玲和吴志强[13]运用专利数据，比较了美国湾区和我国长三角的创新首位度；韦胜等[14]运用双创机构数据，分析了长三角地区的创新空间分布特征。
不足的是，这些研究只单一关注创新投入或产出阶段，忽视了创新过程的多阶段特征。事实上，创新涵盖创意产生、研发、设计、试制、生产、推广等一系列复杂活动，“死亡之谷”“达尔文海”等一系列问题均表明从基础研究到应用研究再到成果转化的技术创新过程存在大量沟壑[15,16]。Hansen & Birkinshaw[17]最早提出“创新价值链”(Innovation Value Chain)概念，认为创新过程包括创意产生、创意转化和创意传播，并强调创新价值链三阶段均衡优势，即某个阶段的资源弱势会影响整个创新过程的顺利完成和整体绩效。该理论在中国情境下的创新研究中得到了广泛应用[18]。具有代表性的观点是：余泳泽和刘大勇[19]将创新过程划分成知识创新、科研创新、产品创新3个阶段，并指出多阶段的创新要素投入与反馈使整个创新过程形成动态演进的竞争优势；刘树峰等[16]认为，创新价值链是从创新要素投入到创新知识凝结，再到创新产品市场化的多阶段价值转化过程。后续有学者对创新价值链定义[20]进行了完善或是对创新价值链进行了更细化的阶段划分，且针对创新主体构成或创新价值链结构单元的研究结果相似[18]，反映出创新过程的三段式结构获得认同，即从知识视角而言，是知识生产—知识应用—知识扩散，从价值视角而言，则是创新投入—创新知识凝结—创新成果实现。
考虑到我国技术创新实践过程，在创新首位度研究中有必要考虑创新过程的多阶段价值传递特征。国家统计局将技术创新分为基础研究、应用研究、试验发展3个阶段，上述阶段由我国不同主体基于各自的专业化分工完成[21]，其中，各阶段的投入产出和环境影响也不同。借鉴余泳泽和刘大勇[19]提出的创新价值链分析范式，本文将创新过程划分为3个阶段，具体见图1。一是知识创新阶段(对应创意产生)，其主体是高校和部分科研机构，产出主要是科技论文和专著，该阶段主要受到居民受教育水平、高等教育投入、政府支持等环境影响；二是研发创新阶段(对应创意转化)，其主体是科研机构和部分企业、科技中介，产出是专利，主要受经济发展、信息化水平等环境影响；三是产业创新阶段(对应创意传播)，其主体是企业，产出是新产品和高新技术产业产值，主要受金融支持、市场化水平、对外开放程度、社会心理与文化等环境影响。
综上，本文提出创新首位度是区域创新活动在首位城市的集中程度，是知识创新、研发创新、产业创新的综合体现，3个阶段中任何阶段的弱势都会影响整个创新过程的顺利完成和绩效。提升创新首位度是从创新投入到知识凝结再到成果产出的全要素、全链条的系统性工程。
图1 三阶段创新价值链
《国家新型城镇化规划(2014—2020年)》将直辖市、省会城市、计划单列市、重要节点城市等统称为中心城市。根据《全国城镇体系规划(2006-2020年)》[22]可知，中心城市有不同划分层级，其中，国家中心城市位居最高层级，区域中心城市次之。延续这种层级划分思路，本文将省会城市列为省域中心城市，理由在于：省会城市往往凭借政策和区位优势[23]，吸引省内资源和生产要素向自身集聚，扮演着省域城市体系的主导者角色，且近年亦有文献以省域中心城市指代省会城市[24]。本文将具体选取26个省会城市(不含直辖市北京、天津、上海、重庆，拉萨因数据不全未纳入)，作为南京的第一轮比较对象。数据年份为2018年，目的是进行横向比较。
另外，考虑到南京连续4年发布以创新名城为主题的市委一号文件，本文将南京建设创新名城的国内对标城市(深圳)以及长三角创新格局中的主要竞争城市(杭州、合肥、苏州)作为南京的第二轮比较对象。数据年份为2008-2018年，分别进行横向和纵向综合比较。
参考余泳泽和刘大勇[19]关于创新价值链三阶段创新主体、创新产出的界定，出于数据可得性、可比较性考虑，经过多轮筛选，最终确定9个指标进入评价指标体系，见表1。具体解释如下：
(1)知识创新。其产出包括科技论文、科技专著、科技报告等，后两者在地市层面缺乏相应统计数据，因此本文参考中国科学技术信息研究所编制的《中国科技论文统计结果》，采用SCI、CPCI-S、SSCI论文数作为该阶段评价指标。具体检索办法是：在Web of Science数据库中选择相应的子数据库，在高级检索栏中依次设定国家(CU=China)、省/州(如PS=jiangsu)、城市(如CI=nanjing)和论文发表年份，由此得出各省区、各城市三类索引的年度发表论文数。
(2)研发创新。其产出主要是专利，选取专利申请量、专利授权量、有效发明专利量纳入评价体系。其中，有效发明专利量(也称发明专利拥有量)是指截至报告期末专利权处于有效状态的发明专利数。维续时间长的专利通常技术水平高、经济价值大。因此，有效发明专利量更能体现专利的市场价值及其对经济社会发展的促进作用。其数据来自《国家知识产权局专利统计年报》、各地统计年鉴、科技统计公报等。
(3)产业创新。参考已有文献，从创新产品、创新空间、创新产业3个方面选取指标纳入评价指标体系。其中，创新空间的对应指标是高新区火炬计划统计企业数，即各地高新区纳入科技部火炬计划统计范畴的高新科技企业数量。
需要指出的是：由于部分指标的统计口径不一致，如新产品销售(X7)指标，有的城市统计新产品产值、有的统计新产品销售收入，本文处理办法是同省域城市采用一致的统计口径。由于指标计算方法采用某城市占全省的比例值，因此可以认为误差控制在合理范围内。当样本出现部分年份数据缺失时，采用相近年份数据的插值法予以处理。
表1 创新首位度评价指标体系
一级指标二级指标变量符号计算方法(%)数据来源知识创新SCI论文X1SCI论文数的全省占比Web of Science数据库CPCI-S论文X2CPCI-S论文数的全省占比SSCI论文X3SSCI论文数的全省占比研发创新专利申请X4专利申请量的全省占比国家知识产权局专利统计年报,各地《统计年鉴》,各地科技统计公报专利授权X5专利授权量的全省占比有效发明专利X6有效发明专利量的全省占比产业创新新产品销售X7新产品销售收入的全省占比中国火炬统计年鉴,各地《统计年鉴》,各地科技统计公报高新区火炬计划统计企业数X8高新区火炬计划统计企业数的全省占比高新技术产业产值X9高新技术产业产值的全省占比
首位度的计算方式包括“点对点”、“点对面”两类，前者是计算一定数量城市之间的规模比，包括两城市指数、四城市指数、十一城市指数；后者是计算首位城市规模占整个区域的比重。传统的经济或人口首位度采用单指标(GDP或人口数)评价，如果首位或次位城市是确定的，可采用点对点计算方法。但是，本文对创新首位度采用三阶段价值链划分、多指标综合评价，不同创新阶段或指标的首位和次位城市是变动的(以广东为例，知识创新相关指标的首位城市是广州、次位城市是深圳，但研发创新、产业创新相关指标的首位城市是深圳、次位城市则是广州或东莞。江苏、浙江、福建、山东等省份亦存在类似情形)，不符合点对点计算方法的使用要求。此外，非省会城市的科技统计数据多有缺失，也影响了四城市指数、十一城市指数的使用。为此，本文选择点对面计算方式，得到9个二级指标数值，以表征省域范围内创新活动在样本城市的集中程度。
在此基础上，本文还采纳以下研究方法：
(1)主成分分析(principal components analysis，PCA)。通过点对面计算方式得到9个二级指标值后，运用该方法计算创新首位度的总体得分。主成分分析采用客观赋权方法，能有效规避主观赋权受人为因素影响、评价结果随意性大的弊端，并兼顾了指标的重要性和差异性。创新首位度的总体得分介于0～100之间，数值越大表示首位度越高。
(2)首位度矩阵。首先，由表1中二级指标通过等权重方式，计算生成知识、研发、产业创新3个分项首位度；然后，绘制“知识创新—研发创新”首位度矩阵和“研发创新—产业创新”首位度矩阵；最后，以分项首位度均值为界，将矩阵划分为4个象限，以直观呈现不同城市创新首位度，具体见图2。其中，右上角为A象限，逆时针排序依次为象限B、C、D。
图2 创新首位度的二维分布矩阵
(3)标准椭圆差(standard deviational ellipse，SDE)。它是分析空间分布特征的经典方法，主要依据椭圆面积、长短轴、方位角等参数揭示要素在地理空间分布的集聚特征、离散程度、主趋势方向等。主要计算公式为：
(1)
(2)
(3)
(4)
其中，i为研究对象个数，xi和yi分别为空间坐标，即样本城市的经纬度，wi为权重，α为方位角，σx、σy分别表示沿着x轴、y轴的标准差。
首先通过KMO和Bartlett球形检验，判断主成分分析方法的适用性。检验结果显示，KMO值为0.850，适合进行因子分析；Bartlett球形检验统计量在0.000显著性水平上拒绝零假设，可以认为主成分分析具有较高适用性。表2报告了2018年省域中心城市创新首位度的总体得分和分项得分。可以看出：①总体来看，南京的创新首位度总体排名第21位，处于下游水平，落后于长三角区域的合肥、杭州，以及长江经济带的武汉，也落后于西安、成都、郑州、广州等国家中心城市；②分项来看，南京的知识创新首位度排名第16位，位居中游偏下，而研发创新、产业创新首位度排名均垫底。
考虑到近年江苏明确支持南京争创国家中心城市，本文单独比较南京与样本内5个国家中心城市的情况，具体见图3。总体而言，创新首位度从高到低的排序依次是：西安、成都、武汉、郑州、广州、南京。除在知识创新首位度上略领先于郑州外，南京的研发创新、产业创新首位度均低于5个国家中心城市且差距较大。
表2 2018年省域中心城市创新首位度比较
省域中心城市创新首位度排名分项首位度知识创新首位度排名研发创新首位度排名产业创新首位度排名西安85.71 1 94.22 9 80.67 1 64.09 3 长春83.87 2 90.68 13 74.97 3 75.14 1 西宁82.36 3 98.39 1 77.44 2 50.10 9 哈尔滨81.22 4 96.08 4 70.03 5 54.56 7 海口81.16 5 90.25 14 70.39 4 71.54 2 昆明80.08 6 94.90 7 66.47 6 58.14 6 银川76.40 7 95.89 5 56.48 9 59.00 5 成都74.98 8 94.81 8 66.42 7 40.37 15 武汉72.13 9 97.83 2 58.42 8 33.27 16 兰州71.21 10 97.11 3 47.17 14 47.26 12 长沙69.32 11 94.94 6 48.55 13 44.30 13 贵阳66.27 12 90.75 12 49.28 12 48.63 10 合肥62.98 13 91.97 10 34.49 18 48.13 11 太原60.80 14 81.02 17 51.73 10 52.58 8 乌鲁木齐57.64 15 74.69 21 49.35 11 61.95 4 南昌54.89 16 90.83 11 32.06 19 23.83 20 郑州52.45 17 77.83 20 40.33 15 43.43 14 沈阳49.00 18 79.39 19 34.84 17 27.93 19 广州47.44 19 89.21 15 20.03 24 18.25 23 杭州45.84 20 80.36 18 26.51 21 29.07 18 南京39.34 21 81.43 16 18.12 26 11.14 26 呼和浩特36.39 22 63.66 24 35.04 16 21.16 21 福州33.20 23 68.20 23 23.65 23 15.31 25 南宁32.77 24 63.01 25 30.21 20 19.48 22 济南31.59 25 68.98 22 18.39 25 15.40 24 石家庄30.94 26 60.65 26 24.38 22 30.48 17
图3 2018年南京与5个国家中心城市的分项创新首位度比较
图4报告了省域中心城市的创新首位度分布矩阵。具体为：
(1)知识创新—研发创新首位度矩阵。南京位于矩阵的C象限，知识创新首位度略低于平均水平(其SCI、CPCI-S、SSCI论文数占全省的比例约为81%，省域中心城市的平均值约为85%)，而研发创新首位度处于最低水平，象限内杭州、郑州等城市的研发创新首位度都显著高于南京。A象限的主要城市有武汉、成都、西安等国家中心城市以及东北、中西部的部分省域中心城市，上述城市在省内教育、工业等领域均占据一城独大的地位，因此知识创新、研发创新首位度双高。B象限有太原、乌鲁木齐，其所在省域的高校分布相对分散，因此知识创新首位度低于平均水平。D象限主要有广州、合肥，它们都是省内高校的集中地，因此拥有较高的知识创新首位度，但是因分别受到深圳、东莞、佛山和芜湖、蚌埠等城市对高科技产业或制造业的分流，其以专利产出为代表的研发创新首位度低于平均水平。
(2)研发创新—产业创新首位度矩阵。南京位于矩阵C象限，且两个维度均处于最低水平。研发创新首位度情况在前文中已提及，产业创新首位度的3个指标分别位居26个省域中心城市的第26、24、25位。该象限内还有广州、杭州、济南等城市，广州的研发创新、产业创新首位度均略高于南京，杭州的研发创新、产业创新首位度分别高出南京8个与18个百分点。A象限的城市主要有西安、长沙，以及东北、中西部的多个省域中心城市。B象限城市有合肥、郑州。D象限有武汉、成都两座城市。
图4 2018年省域中心城市创新首位度分布矩阵
图5绘制了创新首位度整体和3个分项首位度的标准差椭圆。结合表3数据，可以得出：①创新首位度的方位角约为50°，与胡焕庸线偏离不大，说明创新活动的空间分布同样遵守我国人口与经济活动分布规律；进一步观察短轴/长轴的比值，可知，研发创新首位度的比值最小，说明研发创新活动的向心力最显著；②知识、研发、产业创新首位度的标准差椭圆面积渐次增大，说明创新价值链的上游环节——知识创新的空间集聚程度最高，其下游环节的研发、产业创新的空间集聚程度依次减弱。在进一步讨论中，本文将此称为创新价值链的“漏斗效应”。
图5 2018年省域中心城市创新首位度标准差椭圆
表3 创新首位度空间分布范围、形状与方向角
参数 创新首位度知识创新首位度研发创新首位度产业创新首位度方向角(度)50.5150.8350.6956.50短轴/长轴0.800.820.760.81椭圆面积(km2)6 662 3876 265 3447 039 7787 457 845
检验结果显示，KMO值为0.850，Bartlett球形检验统计量在0.000显著性水平上拒绝零假设，可以认为主成分分析具有较好适用性。图6报告了南京与苏州、杭州、合肥、深圳等对标竞争城市在2008-2018年的创新首位度走势。可以看出：过去十年间，深圳的创新首位度保持轻度下滑趋势；苏州创新首位度的起点与深圳接近，但下滑趋势显著大于深圳；合肥的创新首位度在2011-2012年经历了短暂下跌，但在2013年后持续走强，目前创新首位度与深圳并驾齐驱；杭州的创新首位度在2011-2013年经历了下跌，但在2014年后渐稳。对比而言，南京的创新首位度一直落后于对标竞争城市且差距较大，但可喜的是，近两年呈现稳步攀升态势。
图6 2008-2018年南京与对标竞争城市的创新首位度走势
进一步比较各城市2018年分项首位度，具体见图7，可以看出：
(1)深圳和苏州两座城市的创新价值链具有相似特征，即知识创新首位度低，而研发、产业创新首位度较高。其原因是虽然所在省域的高校和科研机构主要集中于省会城市，但本市的民营、外资研发机构和高科技企业发展处于领先地位。特别需要指出的是，深圳的知识创新首位度从2008年的5.35提升到2018年的10.59(见图7)，进步显著。背后的原因是，深圳在高等教育上持续发力，从经费上给予重大投入，使得深圳大学、南方科技大学快速崛起，同时，大范围引进国内外高水平大学建立分校，迅速扭转了高等教育长期积弱的局面。
(2)合肥的分项创新首位度最均衡，且知识、产业创新首位度是5个城市中最高的。不同于深圳、苏州的研发和产业创新主要依靠外资或民企等市场主体，合肥的科技创新更多依靠大院大所，并致力于打造原始创新策源地。特别是2017年获批综合性国家科学中心后，国家实验室、大科学装置、转化平台、工程实验室等纷纷落户，量子信息、大数据、机器人、新能源汽车、新型显示等未来产业迅猛发展，合肥在长三角的综合性产业创新中心角色将更加突出。
(3)杭州的分项创新首位度也优于南京，特别是在研发、产业创新方面领先较多。实际上，由于统计指标的局限性，产业创新的表征指标仍主要局限于工业领域，如果考虑到杭州作为“数字经济第一城”在新经济领域的领先优势，杭州产业创新首位度的实际值应该更高。以独角兽企业为例，根据胡润研究院的《2019三季度胡润大中华区独角兽指数》显示，南京的独角兽企业估值合计1 550亿元，仅为杭州13 640亿元的11.36%。
(4)南京的创新价值链短板是研发、产业创新。特别是与深圳对比，上述分项对应指标的差距明显，见图8。具体为：专利申请、专利授权、有效发明专利指标差距较大，深圳约是南京的2～3倍；新产品销售额、高新区火炬计划入统企业数、高新技术产业产值差距更大，深圳约是南京的3～4倍。虽然近年南京在专利申请与授权、高新技术企业发展方面经过大量努力取得了一定增长，但是在末端、 “硬核”上的创新产出——有效发明专利、新产品销售、高新技术产业产值等指标上，2018年的首位度得分反而落后于2013年。这也提示在政策引导之余应更加重视发挥市场规律，只有将创新机制连接市场资源、把市场评价摆在首位，才能真正撬动创新资源、激发创新活力。
图9展示了5座城市2008年、2013年、2018年分项创新首位度的变动情况。可以看出：①5座城市知识创新首位度的变化不大，但是研发创新首位度呈现不同变化趋势，即深圳、苏州、杭州持续下滑，而南京、合肥先降后升；②南京、深圳、苏州的产业创新首位度变化不大，杭州、合肥的产业创新首位度总体上有所下降。
图7 2018年南京与对标竞争城市分项创新首位度比较
图8 南京与深圳创新首位度指标比较(2013/2018年)
图9 南京与对标竞争城市创新首位度分布矩阵(2008、2013、2018年)
回顾表2的分项首位度，可以明显看到知识创新首位度>研发创新首位度>产业创新首位度。由计算可知，省域中心城市知识创新/研发创新首位度的比值平均为2.2倍，研发创新/产业创新首位度的比值平均为1.2倍，从侧面印证了“死亡之谷”、“达尔文海”、“欧洲悖论”等创新困境存在的普遍性，即创新价值链的上下游环节(基础研究→应用研究→产业成果)存在大量沟壑。
值得注意的是，南京的上述两项比值依次为4.5倍、1.6倍。如果把分项首位度比值喻为创新价值链的“漏斗效应”(上下游分项首位度的比值越高，漏斗效应越显著)，那么南京的创新价值链漏斗效应显著严重于其它省域中心城市。可能的原因是：一方面，南京作为我国高等教育重镇，高校和科研机构的相对集中会造成拥挤外部性，表现为知识创新活动的重复性；另一方面，研发和产业创新阶段的创新主体以及转化机制存在明显短板，制约了创新价值链上下游的转化效率。
首先，分别计算省域中心城市常住人口、GDP占全省的百分比，得到人口首位度和经济首位度。由于前文的创新首位度由主成分分析方法计算得到，其经济学意义不同于百分比，无法直接进行数值比较。作为替代，对表1中9个二级指标取算数平均值，得到百分数意义上的创新首位度以表示城市创新活动在省域范围内的比重。在此基础上，横向比较2018年省域中心城市的人口、经济、创新首位度(限于篇幅，未列出)，均存在创新首位度>经济首位度>人口首位度的情形。换言之，创新活动分布的不均衡性最显著，经济活动次之，人口分布的不均衡性最弱。造成这种现象的主要原因是新知识的缄默性特征使得创新活动的空间集聚效应和社会网络效应更显著[25]。
进一步地，从纵向视角观察近十年人口、经济、创新首位度的变化趋势。以江苏、浙江、广东、安徽四省八市为代表，分别计算2018年首位度对2008年首位度的比值(见表4)。可以看到，除南京外，其它7个城市都呈现出人口首位度增长最快、经济首位度次之、创新首位度负增长的现象，也就是说，人口、经济、创新首位度的高低排序(现状)与增速排序(趋势)正好相反。这从侧面反映出近年在强省会战略实施过程中，更多地通过调整行政区划、降低落户门槛等行政手段直接推动人口、土地、投资等“硬”要素迁移，而与创新活动关联更密切的技术、信息等“软”要素迁移缓慢。张航和丁任重[26]对此提出警示，在以政府为主导的强省会战略推行过程中，一味采用行政手段可能违背市场运行规律，从而降低经济运行效率。相比而言，南京是表中唯一一个经济首位度增长快于人口首位度增长的城市，且创新首位度负增长最少，说明近年南京的经济发展质量较高。
表4 四省八市2018年首位度对2008年首位度的比值 单位：%
题项南京苏州杭州宁波广州深圳合肥芜湖创新首位度99.7 77.7 91.2 100.6 99.6 90.4 97.5 83.1 经济首位度114.1 87.9 107.7 104.0 106.2 118.5 138.6 128.7 人口首位度107.2 113.2 108.6 105.4 116.5 119.0 156.6 159.5
本文基于创新价值链理论框架指出，创新首位度是知识创新、研发创新、产业创新的综合体现，上述3个阶段中任何阶段的弱势都会影响整个创新过程的顺利完成和绩效。在此基础上，构建创新首位度评价体系，对南京和其它中心城市进行评价与比较。研究发现：
(1)在总体首位度方面，南京位列省域中心城市的下游(第21名)，依次落后于西安、成都、武汉、郑州、广州等国家中心城市，并且自2008年以来一直落后于深圳、杭州、合肥、苏州等对标竞争城市，且差距较大。
(2)在分项首位度方面，南京的知识创新首位度位列省域中心城市的中游(第16名)，但研发创新和产业创新两项的首位度均排名垫底，导致南京在两个首位度矩阵中均处于C象限(3项首位度均低于平均值)，说明创新价值链呈现严重的不均衡特征。
(3)省域中心城市普遍存在创新价值链“漏斗效应”，南京尤甚。这在数值上表现为知识创新首位度>研发创新首位度>产业创新首位度，在标准差椭圆中表现为知识、研发、产业创新首位度标准差的椭圆面积渐次增大，说明技术创新过程存在大量沟壑。
(4)拓展性研究显示，创新和人口、经济活动遵循类似的地理分布规律，但创新活动分布的不均衡性更显著。这在数值上表现为省域中心城市的创新首位度>经济首位度>人口首位度，但是近十年上述3个首位度的增速排序与此相反，这在一定程度上说明创新有着更强的集聚效应，资源迁移相对缓慢，应避免行政手段对创新资源的错配。
本文研究获得的启示是：相比于武汉、西安、成都等国家中心城市和深圳、杭州、合肥等对标竞争城市，南京在创新首位度的多个环节处于明显的落后和不均衡状态，提升创新首位度是南京突围新一轮城市竞格局的必由之路。
为此，本研究提出如下政策建议：①以建设新型研发机构为突破口，有效整合创新链、产业链、资本链，发挥连接科研与市场的桥梁作用，跨越创新价值链传递过程中的沟壑；②发挥科教资源优势，重点推动名校名所与地方的供需对接、双向融通，促进科技成果的项目化落地、市场化运作、企业化运营；③继续夯实基础研究的支撑作用，大力推进国家重点实验室、大科学装置、大科学平台在南京的建设落地(据统计，南京在基础型科学平台方面仅有1.5个大科学装置，与北京、上海、合肥等存在较大差距[27])，为产业发展提供更多高水平的源头供给；④以《南京都市圈发展规划》为指引，共建研究—研发—应用创新链和产业创新中心，加快创新要素的自由流动和扩散共享，打造“创新型都市圈”。
本文虽以南京为例，但是研究结论对于其它中心城市同样具有启发意义。根据创新价值链的三阶段均衡观点，任何阶段的资源弱势均会影响整个创新过程的顺利完成和整体绩效。因此，中心城市要重视创新过程的多阶段价值传递特征，不仅要补短板、强弱项，还要注意搭建科研与市场之间的转化桥梁，着力破解创新价值链上下游存在漏斗效应的难题。特别是随着城市群和都市圈时代加速到来，应加强创新资源共享平台建设，发挥各自在基础研究、应用研究、试验发展、产业转化方面的能力优势，推动区域协同创新和一体化发展。
本文局限及未来改进方向在于：①创新首位度的内涵拓展与评价指标构建。首位度的内涵不仅包括城市人口、经济、创新等资源规模，还包括其与外部城市是否建立直接经济联系、占据更优网络位置，这也决定了城市的创新潜力[28]。本文将创新首位度定义为区域创新活动在首位城市的集中程度，其本质仍是创新资源和产出规模比较，后续研究可借鉴社会网络分析方法，引入中心性(centrality)指标衡量中心城市在区域创新网络中的重要性和影响力，从而将创新首位度内涵从要素集中度拓展至网络中心性；②数据方面，由于评价指标数据来源主要是统计年鉴，研究过程中数据的最新可得年份为2018年，但近年来南京全面启动创新名城建设，在创新人才引进、创新平台建设、创新主体培育方面取得了一定成绩，后续研究可进一步拓展数据收集面并更新现有数据。
[1] 徐琴. 省域发展的空间逻辑:兼论“强省会”战略的地方实践[J]. 现代经济探讨,2020，39(6):107-110.
[2] 沈迟. 重读“首位度”: 南京发力中心城市影响力[N]. 新华日报，2019-05-20(021).
[3] 叶南客. 优化城市功能 提升南京城市首位度[N]. 南京日报,2018-08-15(A11).
[4] 吴明亮,毛庆. 全力建设具有全球影响力的创新名城:市委市政府召开动员大会 张敬华陈骏张广军讲话 缪瑞林主持[N]. 南京日报,2018-01-04(A01).
[5] 刘根生. 南京的首位度首先是创新首位度[N]. 南京日报,2018-11-06(B02).
[6] JEFFERSON M. The law of the primate city[J]. Geographical Review,1939,29(2):226-232.
[7] 严重敏,宁越敏.我国城镇人口发展变化特征探讨[A]//人口研究论文集.上海:华东师范大学出版社,1981:20-37.
[8] 刘大海,欧阳慧敏,李晓璇,等. 基于人口规模的沿海沿江城市群发展规律及对策研究[J]. 中国人口·资源与环境,2016,26(S2):119-123.
[9] 王铮,岁磊. 基于经济增长视角下城镇化最优规模的测度[J]. 统计与决策,2019,35(12):58-61.
[10] 段巍,吴福象,王明. 政策偏向、省会首位度与城市规模分布[J]. 中国工业经济,2020，37(4):42-60.
[11] 魏守华,吴贵生. 我国省区科技空间分布特征、成因及其政策含义[J]. 管理世界,2005，21(4):20-27.
[12] 肖泽磊,朱威鹏,范斐,等. 城市群创新投入的空间格局与创新绩效研究:以长江经济带所辖城市群为例[J]. 人文地理,2017,32(3):61-67,130.
[13] 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,2015，59(5):50-56.
[14] 韦胜,王磊,曹珺涵. 长三角地区创新空间分布特征与影响因素:以“双创”机构为例[J]. 经济地理,2020,40(8):36-42.
[15] 周程,张杰军. 跨越创新过程中的“死亡之谷”:科技成果产业化问题刍议[J]. 科学学与科学技术管理,2010,31(3):50-55.
[16] 刘树峰,杜德斌,覃雄合,等. 基于创新价值链视角下中国创新效率时空格局与影响因素分析[J]. 地理科学,2019,39(2):173-182.
[17] HANSEN M T,BIRKINSHAW J. The innovation value chain[J]. Harvard Business Review,2007,85(6):121-130,142.
[18] 王伟光,张钟元,侯军利. 创新价值链及其结构:一个理论框架[J]. 科技进步与对策,2019,36(1):36-43.
[19] 余泳泽,刘大勇. 我国区域创新效率的空间外溢效应与价值链外溢效应:创新价值链视角下的多维空间面板模型研究[J]. 管理世界,2013，29(7):6-20,70,187.
[20] BARTON B. All-out organizational scrum as an innovation value chain[C]//2009 42nd Hawaii international conference on system sciences. January 5-8,2009,Waikoloa,HI,USA. IEEE,2009:1-6.
[21] 余泳泽,刘大勇. 创新价值链视角下的我国区域创新效率提升路径研究[J]. 科研管理,2014,35(5):27-37.
[22] 住房和城乡建设部城乡规划司,中国城市规划设计研究院. 全国城镇体系规划(2006-2020年)[M]. 北京:商务印书馆,2010.
[23] 武前波,惠聪聪. 新时期我国中心城市人口城镇化特征及其空间格局[J]. 世界地理研究,2020,29(3):523-535.
[24] 赵康杰,吴亚君. 高铁网络与经济网络演进特征及协同关系研究:以中国省域中心城市为例[J]. 华东经济管理,2020,34(2):77-85.
[25] 李元旭,曾铖. 政府规模、技术创新与高质量发展:基于企业家精神的中介作用研究[J]. 复旦学报(社会科学版),2019,61(3):155-166.
[26] 张航,丁任重. 实施“强省会”战略的现实基础及其可能取向[J]. 改革,2020，37(8):147-158.
[27] 黄南. 加快提升南京创新首位度的路径与战略举措[J]. 中国发展,2019,19(6):46-49.
[28] 开燕华.长三角创业城市群落的引力网络与演化机制研究[D].上海：同济大学,2020.