粤港澳大湾区创新生态系统内部耦合时空演化及空间收敛分析

粤港澳大湾区在我国社会主义现代化建设，特别是世界科技强国建设中具有不可替代的重要作用。大湾区拥有2个特别行政区、2个一线城市、3个自贸区，3个各具特色的经济体系以及多元化的体制和开放的文化。这既成为其保持自身活力的重要源泉，也是相较于其它区域的最大优势。然而，这种多元化及差异性在为湾区带来优势的同时，也对区域多元主体协同提出挑战。

2017年由国家发改委联合粤港澳三地政府签署的《深化粤港澳合作推进大湾区建设框架协议》中，明确三地合作重点是打造具有全球影响力的国际科技创新中心；在2019年由中共中央、国务院发布的《粤港澳大湾区发展规划纲要》中，不仅将“创新驱动、改革引领”作为大湾区合作发展的基本原则，而且明确要将粤港澳大湾区建设成为开放型区域协同创新共同体；2020年央行等四部门联合发布《关于金融支持粤港澳大湾区建设的意见》，旨在为提升粤港澳大湾区创新发展水平提供支撑。

无论是建设有全球影响力的科技创新中心，还是建设开放型区域协同创新共同体，都有赖于高效协同的区域创新体系。特别是在构建以国内大循环为主体、国内国际双循环相互促进的新发展格局下，构建高效的创新生态系统是实现区域高质量创新发展的必经之路[1]，而这需要多元主体之间、多元主体与环境之间保持高度、持续的耦合协调。

目前大多数文献主要基于共生理论解释创新主体关系，较少研究创新生态主体与创新生态环境之间的相互作用关系。那么，粤港澳大湾区创新生态系统如何形成内部耦合机制？其耦合协调水平如何？近年的时空演化呈现哪些特征？本文将针对上述问题，基于耦合视角分析粤港澳大湾区的创新生态系统，希冀在揭示区域创新活动协同演化趋势的同时，进一步拓展创新范式理论研究，为粤港澳大湾区优化创新生态系统提供决策依据与实践指导。

1 文献述评与研究逻辑

1.1 文献述评

在创新驱动发展战略下，随着高新技术产业快速发展和经济全球化进程加速，创新范式需要作出适当调整，因此创新生态系统成为当下研究热点。创新生态系统是一个具有动态演变特征且与外部环境不断发生人才、资金、信息等资源交互的开放式系统[2]。创新生态系统以实现创新生态全要素的高效配置和协调融合为主要目标。

目前，学者们对创新生态系统的理论研究主要集中在创新生态系统概念内涵[3]、要素构成[4]、系统知识能力评价[5]、系统稳定性评价[6]、基于知识图谱的定性评价[7]、基于共词和内容分析的创新生态系统文献述评[8]、国内外典型实践案例梳理[2]等方面。如薛澜等[9]结合创新系统“四螺旋”和创新网络关系强度理论，构建科技创新促进动能转换的多元创新生态系统；曾赛星等[10]以重大工程为切入点，解构重大工程创新生态系统创新主体构成及其动态演化规律；张超等[11]将数字视为一种新生产要素，进而探索数字化背景下创新生态系统发展趋势和特征。

在创新生态系统评价研究中，相关文献主要基于自然生态系统理论或共生理论(李晓娣,张小燕，2019)。从理论上说，创新生态系统有两个渊源：一是自然生态系统，二是创新系统概念。可以认为，创新生态系统借用自然生态系统构架和特征分析创新活动，是对创新活动复杂性认识的深化，进而将创新系统概念升华和拓展为创新生态系统。从实践角度讲，伴随20世纪90年代信息及互联网技术普及与应用，引致社会生产方式出现模块化分工并逐步深化形成全球产业链，与之相对应的创新活动日益呈现出生态系统特点；同时，美国硅谷等地创新创业的成功以及全球对其复制的失败，使人们更加深刻认识到创新具有生态系统特点。因此，基于生态系统视角分析区域创新活动是对创新范式理论的拓展，也是对创新活动受到组织资源、能力与环境等制约[12]的实践回应。既然创新活动呈现出生态系统特点，其自然具有生态系统的重要特征：一是主体群落与其所处生态环境不断进行物质交换、能量流通、信息传递，进而形成一个相互影响、相互依存、相互制约的整体[13]；二是主体群落与环境均呈现动态演化，并在一段时间内保持相对稳定的动态平衡。显然，深入探究创新生态系统内部主体群落与环境、要素之间的耦合协调机制和相互作用机理，不仅有助于深刻揭示区域创新活动协同性，而且有助于创新生态系统维持可持续的动态平衡发展[14]。

1.2 研究逻辑

区域创新呈现出生态系统特征，而生态系统必然拥有若干子系统，并通过这些子系统的动态平衡展示整个生态系统的功能演化。其中，不同子系统间的相互动态协调是使系统维持稳定发展的关键因素[16]。本文将区域创新生态系统分为创新生态主体系统和创新生态环境系统两个子系统。其中，创新生态主体系统包括生产者(企业、高校、科研机构等其它组织)、消费者(技术市场和产品市场)和分解者(政府和中介市场)三部分。生产者是创新活动的主要发起者和承担者，在创新生态中居于核心主导地位；消费者是创新成果的使用者，也是创新需求的诱发者或提出者；分解者是创新活动的中介或协调推动者，其不仅为创新活动提供引导，而且对不同创新活动进行连接。

创新生态环境系统则包括市场、制度、要素、信用、文化和服务6个方面，它们相互作用，共同为科技创新创造良好环境和空间。如市场环境影响创新活动需求，也影响创新价值实现；制度环境能够规范创新活动内容，并为符合社会法律和规范的创新成果提供保障；要素环境为创新活动提供资本、劳动力等支持，其丰富性等影响创新活动效率；信用环境不仅影响创新合作，而且影响创新成果的真实性、可信性；文化环境影响人们对创新的认知和态度，包括对创新的接受度和包容性等；服务环境不仅反映当地社会服务和公共服务对创新活动的支持，而且影响不同创新活动的有效连接和交互作用。

首先，创新生态系统内三类主体呈现出共生耦合关系，即任何主体活性下降都会削弱其它主体活性，影响其它主体的存在基础或意义，甚至导致生态系统消亡；反过来，任何主体活性提升都会在一定程度上激发其它主体活性，进而使整个创新生态系统更加繁荣。其次，创新生态系统中的各类环境呈现互补耦合关系，即每种环境的改善均会导致创新活动总量或频率提高，进而促进其它环境被更充分地利用。再次，创新生态主体与创新生态环境呈现出相互促进关系，即创新生态系统中的各类环境能够为创新主体的创新活动提供相应平台、制度规范、资源要素，保证创新活动正常运转；良好的创新环境有助于激发人才、资本等诸多要素，促进主体与环境间形成真正的良性互动[9]。同时，创新生态主体也能促进环境优化与调整，使其与创新活动相匹配并能及时应对新技术带来的挑战[16]。创新生态系统内部子系统之间的耦合协调机制如图1所示。

基于上述分析，本文将从耦合视角研究粤港澳大湾区创新生态系统。主要研究目标包括：一是在耦合理论基础上构建综合性评价指标体系；二是考虑到不同地区创新生态系统发展水平与耦合度存在空间不均衡性，进一步探索粤港澳大湾区创新生态系统的空间特征以及影响因素。本文的研究意义在于：第一，构建创新生态系统评价指标体系，将创新生态主体系统和创新生态环境系统作为两个部分，重点揭示两者间的耦合关系；第二，基于12年的数据对粤港澳大湾区创新生态系统进行实证评价，分析创新生态系统耦合度的时空跃迁、空间收敛演变趋势，并剖析其影响因素；第三，在丰富创新生态系统研究的同时，为粤港澳大湾区优化创新生态系统提供理论建议和实践指导。

2 研究方法与模型构建

2.1 创新生态主体发展水平与创新生态环境发展水平综合评价模型

以U表征创新生态主体(US)或创新生态环境(UE)的综合发展水平，则其评价模型如下：

其中，uij为创新生态主体系统和创新生态环境系统各指标标准化值(采用极差法进行标准化处理)；ωij则为两系统各指标权重(采用熵值法计算得到)。基本步骤如下：

首先，对原始数据矩阵进行标准化处理，式(2)和式(3)分别为对正、负指标进行标准化处理。

yij=[xij-min(xij)]/[max(xij)-min(xij)]

yij=[max(xij)-xij]/[max(xij)-min(xij)]

式中，yij为原始数据进行标准化处理后的数值；xij为第i个样本第j个指标的原始值，max(xij)、min(xij)分别为指标xij的最大值和最小值。

其次，利用熵值法确定各指标熵值，其中，pij为第j项指标第i个样本指标值的比重。

最后，利用熵值计算指标权重。

2.2 耦合协调模型构建与协调特征等级划分

基于物理学的耦合概念，计算创新生态主体系统与创新生态环境系统的耦合协调度，以反映两系统以及要素间相互作用与协调程度[17]。因此，本文推导出创新生态主体与创新生态系统间的耦合度模型为：

其中，C为系统耦合度，可以反映两系统要素的协调程度，C值越高则系统要素发展越有序，反之则趋于无序发展。若两系统发展水平均处于低位，依然可以得到较高耦合度。因此，为了真实反映两系统情况，借鉴已有研究[18-19]，构建创新生态主体系统与创新生态环境系统耦合协调度模型。

其中，D为耦合协调度，T反映了创新生态主体与创新生态系统的整体协同水平，即为两系统的综合评价指数；RDD表示创新生态主体与创新生态环境的相对发展程度；α和β为待定系数，且满足α+β=1，本文考虑到创新生态主体与创新生态环境的重要性程度并结合专家意见，将α和β取值分别为0.4与0.6。

为了使创新生态主体系统(US)与创新生态环境系统(UE)的耦合协调关系更直接、客观，借鉴已有学者研究成果[18-19]，采用均匀函数法，依据耦合协调度(D)大小，将耦合协调度和相对发展程度依次划分为10个区间等级，具体评价标准如表1所示。

2.3 创新生态主体与创新生态环境评价指标体系

遵循系统性、科学性、代表性、可比性和数据可得性等原则，分别构建创新生态主体和创新生态环境评价指标体系，如表2所示。其中，将创新生态主体划分为生产者、消费者和分解者3个维度。这是因为高等院校和企业是重要的创新活动主体，因此以高校及规模以上工业企业数表征创新供给与生产者；由于企业、社会是重要的创新需求与消费者，因此以消费品零售市场和人均货物进出口总额表征创新力及产物需求消费者；由于政府在创新中发挥协调和中介作用，因此以政府教育支出和人均政府科技支出表征发挥中介作用的分解者。

创新环境作为提升区域创新生态系统能力和改善创新效率的关键与基础，是创新过程中影响创新主体开展创新活动的外部因素的综合。创新环境既涉及创新主体之间的网络关系，又涉及政治、经济、文化、科技、基础设施等要素条件，具体可划分为市场环境、制度环境、要素环境、信用环境、文化环境、服务环境六大部分。

本文以2007-2019年大湾区城市为样本。为实现数据统一以及考虑到澳门在粤港澳大湾区中的定位为旅游休闲中心、中国与葡语国家的商贸合作平台以及文化交流基地，其创新表现较其它城市弱，所以本文只比较了其它十个城市。珠三角城市的有关数据源于《中国城市统计年鉴》《广东省统计年鉴》和统计公报，香港数据源于《香港统计年刊》。同时，本文对原始数据进行了必要清洗，并对少量缺失值采用插值法补全。考虑到香港和珠三角城市数据的计价单位不同，本文结合历年港元兑人民币的年均汇率，将以港元计价的数据换算成以人民币为计价单位的数据。其中，历年港元兑人民币的平均汇率来自对应年份的《中国统计年鉴》。

2.4 空间相关性检验

在利用空间计量模型考察区域创新生态耦合度的时空跃迁特征及空间收敛性前，首先需要检验其是否存在空间自相关性。在空间统计学中，一般采用全域空间自相关分析和局域空间自相关分析进行空间相关性检验。

(1)全域空间自相关分析。全域空间自相关是从区域空间整体上刻画创新生态耦合度的空间分布特征，本文采用Moran′s I指数刻画，其计算公式如下：

其中，xi表示i地区观测值，Wij和S2分别为其均值与方差，Wij为空间权重矩阵元素。莫兰指数的取值范围为[-1,1]，指数绝对值越大，表明其空间相关性和聚集性越强，当指数为正时呈现空间正相关性，反之为空间负相关性。若指数值趋向于0，则表示数据之间相互独立，在空间上随机分布。

(2)局域空间自相关分析。局域空间自相关分析是将全域空间细分为几个区域，从微观角度研究区域间的空间相关性，以弥补全局自相关分析难以从不同地理位置研究的缺陷。本文采用局部Moran′s I指数予以刻画，其计算公式如下：

局部莫兰指数的取值范围为[-1,1]，数值大于0表示区域呈现相似的空间集聚，反之则呈现非相似的空间集聚。

通过绘制Moran′s I 散点图可以更直观地显示相邻区域间的空间关系。Moran′s I散点图共分为4个象限，第一象限为呈现正空间相关性的热点区(HH)，表示创新生态系统耦合度高的地区被同样耦合度高的其它地区包围；第二象限呈现负的空间自相关性，表示创新生态系统耦合度低的地区被耦合度较高的其它地区包围(LH)；第三象限为呈现正空间相关性的盲点区(LL)；第四象限呈现负的空间自相关性，表示创新生态系统耦合度高的地区被耦合度低的地区包围(HL)。

2.5 收敛性检验方法

(1)α收敛。α收敛反映不同城市创新生态耦合度的离散程度随时间推移而降低，本文采用标准差的变异系数法考察大湾区创新生态耦合度的α收敛。

(2)β收敛。β收敛是收敛模型中最常用的方法，包括绝对β收敛和条件β收敛，两者的区别在于前者在不考虑外界影响因素的基础上探究地区是否趋同，而后者则会考虑外界因素，从而有助于提升空间差异的解释力。

绝对β收敛模型如下：

ln(CDit+1/CDit)=α+βlnCDit+εit

其中，CDit+1/CDit表示i地区创新生态系统耦合度在第t期的增长率，CDit表示i地区在第t期的创新生态系统耦合度，α为常数项，β为收敛系数，εit为随机误差项。若β<0，说明区域间存在绝对β收敛；若β>0，说明各地区趋于发散。

条件β收敛模型是在绝对β收敛模型的基础上加入控制变量，其形式为：

ln(CDit+1/CDit)=α+βlnCDit+γXit+εit

其中，Xit表示控制变量，γ表示控制变量系数。根据本文研究思路及数据可得性，此处增加货物进出口水平(Ep)、政府科研投入(Tec)、基础设施水平(Inf)、经济发展水平 (Agdp)、政府财政支持 (Gov)、对外交流水平(Fdi)和人力资本水平(Hum)作为控制变量。

此外，由β收敛系数还可计算出考察期T内的收敛速度s和收敛的半生命周期τ，计算公式为：

s=-ln(1-|β|)/T ,τ=ln(2)/s

(3)空间收敛模型。进一步将空间效应引入传统收敛模型中，分别建立空间滞后模型(SAR)和空间误差模型(SEM)进行收敛性分析。

绝对β收敛和条件β收敛的空间滞后模型(SAR)形式分别为：

ln(CDit+1/CDit)=α+βlnCDit+ρW(ln(CDit+1/CDit))+εit

ln(CDit+1/CDit)=α+βlnCDit+ρW(ln(CDit+1/CDit))+γXit+εit

其中，W为n×n阶的空间权重矩阵，ρ为空间滞后系数，反映观察对象的空间依赖作用，εit为随机误差项。

绝对β和条件β收敛的空间误差模型(SEM)形式分别为：

ln(CDit+1/CDit)=α+βlnCDit+(I-λW)-1μit

ln(CDit+1/CDit)=α+βlnCDit+γXit+(I-λW)-1μit

其中，λ为空间误差系数，反映误差项中的空间依赖作用，μit为正态分布的随机误差项。

3 实证分析

3.1 创新生态主体与创新生态环境发展水平协调度评价

表3显示了各地区不同年份的耦合协调度。从表中可以发现，粤港澳大湾区整体及各城市生态主体与生态环境两系统的耦合协调度均呈现上升趋势，基本实现从失调衰退区到协调过渡区的转变。

从空间格局看，2007-2019年大湾区创新生态主体与创新生态环境两系统耦合协调度的增长趋势基本一致，但协调等级差异显著。耦合协调度最高的是始终位列第一且处于协调发展区的香港，第二梯队是广州和深圳，第三梯队是东莞、珠海和佛山，第四梯队是中山、惠州、肇庆和江门。其中，广州实现从2007年的濒临失调衰退转变为2019年的初级耦合协调。同时，可以观察到，深圳的耦合协调度增长较快，由最初的轻度失调衰退发展至勉强耦合协调，逐渐追上广州，2018年广州与深圳两地的耦合协调度几乎相等，增速达72.9%，为大湾区增速第一。结合实际，近年来国家在大湾区创新发展建设上将深圳作为先行示范区，出台一系列政策，确立以深圳为主阵地建设综合性国家科学中心，从而推动粤港澳大湾区建设，使其成为粤港澳大湾区高质量中试转化集聚区。这显示出我国对大湾区创新活动的重视以及对深圳的政策扶持，同时，对深圳创新生态系统耦合度提升起到了显著作用。

创新生态主体系统与创新生态环境系统均得到改善，并逐渐相互促进、相互协调。从年度变化看，香港创新生态主体系统和创新生态环境系统的耦合协调度由2018年的中级耦合协调骤降至2019年的初级耦合协调(12.0%)，这主要是因为与2018年相比，2019年受到国际贸易战和香港内部风波影响，导致地区消费品零售市场总额下降15%、货物进出口额下降11%、地区人均GDP下降4%、外商直接投资额下降4%、高等学校在校学生数下降4%。

与其它城市增速放缓甚至耦合协调度下降的发展趋势不同，广州由2018年的勉强耦合协调上升至2019年的初级耦合协调，这主要是因为与2018年相比，2019年其资本要素市场化程度上升571%、人均政府科技支出上升45%、人均专利申请数上升25%。东莞由2007年的轻度失调衰退骤降至2008年的中度失调衰退，而同期其它9个城市则呈现不同程度上升，主要是因为以加工贸易作为主要产业的东莞受到2008年金融危机的影响较显著(与2007年相比，2008年东莞文化环境指数降低39%、外商直接投资额降低30%)，从而影响其创新活动。此外，2019年整体的耦合协调度增速较往年有所回落，可能是因为受到中美贸易战的影响。

综上所述，我国大湾区创新生态主体与创新生态环境系统耦合协调度的增长趋势与其自身发展态势相一致，且呈现阶段性特征，即2007-2019年各地耦合协调度处于均速为4%的增长阶段。在大湾区内部，不同地区耦合协调度也存在显著的等级差异。在大湾区创新发展过程中，只有当创新生态主体和创新生态环境发展水平接近且都处于较高水平时，才能实现优质耦合协调。

3.2 α收敛

α收敛可反映数值分散程度随着时间推移发生的变化，本文根据变异系数计算方法，得到观测期内大湾区创新生态系统的α收敛系数，见图3所示。

从图3可知，2007-2019年创新生态系统的α收敛系数呈现波动下降趋势，具有σ收敛特征，与上文的大湾区总体耦合协调度分析结果一致。

3.3 空间相关性检验

Moran′I指数描述了大湾区创新生态主体与创新环境之间的关联程度，为考察大湾区各城市创新生态主体系统与创新环境系统协调耦合度变化情况，本文给出2007 年、2011 年、2015年和2019年4个时间点的城市耦合协调度分布情况，具体如表4所示。

可以发现， 2007-2019年莫兰指数呈波动上升趋势，始终处于HH型聚集区(第一象限)的有香港和深圳，始终处于LL型区聚集区(第三象限)的有珠海、佛山、中山、肇庆和江门，广州一直位于HL型聚集区(第四象限)，惠州一直位于LH型聚集区(第二象限)，东莞实现了HH型-LH型-HH型的转变。整体来看，稳定位于HH型聚集区和LL型聚集区的城市数量达到7个，占研究样本数量的70%，说明大湾区创新生态系统协调耦合度存在地理空间依赖性和异质性，从而表现出显著的空间正相关性。东莞的象限转变表明其作为坚持以制造业为根本的城市，虽然受到2008年金融危机以及风气整治的影响，但长期来看，在一系列政策扶持下，东莞具备融合创新资源的能力，并不断迈向大湾区先进制造业中心。位于HL型聚集区的广州和位于LH型聚集区的惠州是偏离全局空间正相关性的两个城市，虽然与邻近城市相比，广州创新生态系统的协调耦合度较高，但对邻近城市的空间溢出影响较小，辐射带动作用不强，而惠州也未受到相邻城市空间溢出效应的影响，从而成为协调耦合度洼地。

3.4 β收敛

本文运用空间计量模型检验我国大湾区创新生态系统协调耦合度，由于传统β收敛模型会忽略空间相关性特征，导致不能很好地拟合数据。因此，本文在传统β收敛模型的基础上开展回归残差及稳健性的空间相关性检验，进而选择合适的空间计量模型。即不考虑空间效应，对大湾区创新生态系统协调耦合度进行检验，比较OLS模型，得出拉格朗日乘数LM(LAG) 、LM(ERR) 以及它们的稳健性形式R-LM(LAG)与R-LM(ERR)，根据Anselin[21]的判定原则，选择采用空间滞后模型(SLM)或空间误差模型(SEM)，最后对耦合度进行空间计量分析。由于本文数据的时间段为2007-2019年，因此将其按照4年一个阶段进行划分，用以对比、判断不同时间段大湾区创新生态系统耦合协调度空间收敛情况。

(1)绝对β收敛。从表5可以看出，在2007-2011年、2007-2015年、2007-2019年的绝对β收敛中，仅2007-2019年的LM(ERR)通过了5%的显著性水平检验，且其统计值大于LM(LAG)，因此空间误差模型(SEM)是更合适的模型。由于2007-2015年和2007-2019年的拉格朗日乘数LM(LAG) 与LM(ERR)均未通过显著性检验，因此需要观察它们的稳健性形式。由于2007-2015年和2007-2019年的R-LM(ERR)统计值均大于R-LM(LAG)，所以选择空间误差模型(SEM)进行空间收敛分析更合适。

通过进一步纳入空间效应因子进行绝对β收敛检验，由表6可知，从对数似然检验值Log(L)及拟合优度R2可以看出，2007-2011年、2007-2015年和2007-2019年3个时间段空间误差模型的各项检验值均优于传统绝对β收敛模型检验结果，表明考虑空间效应的收敛模型更科学合理，空间误差模型的拟合度优于传统β收敛模型。

从空间误差模型看，2007-2011年、2007-2015年和2007-2019年3个时间段的β值均小于0，其中，2007-2015年和2007-2019年通过了1%的显著性检验，2007-2011年通过了5%的显著性检验，说明考虑空间效应后3个时间段的大湾区创新生态系统协调耦合度存在显著的绝对β收敛趋势，意味着大湾区各城市创新生态系统协调耦合度最终将收敛于同一稳态水平，且协调耦合度较低城市比较高城市具有更快增长速度，城市间差距将逐渐缩小。其中，2007-2011年的β绝对值最大，2007-2015年数值最小，表明随着时间推移以及各地对创新的重视和政策、经济危机等因素影响，2007-2019年收敛速度呈现由快转慢再提速的发展态势。

从收敛速度s和半生命周期τ看，2007-2019年的收敛速度为0.143，其半生命周期为4.850；2007-2015年的收敛速度为0.095，半生命周期为7.261；2007-2011年的收敛速度为0.412，半生命周期为1.681。通过比较，可以进一步验证2007-2019年的收敛速度变化趋势。

(2)条件β收敛。绝对β收敛严格假定各地区具有相同经济特征，而条件β收敛认为外界因素会对不同地区产生不同作用。因此，在研究条件β收敛趋势时，需要设置相关控制变量。本文增加货物进出口水平(Ep)、政府科研投入(Tec)、基础设施水平(Inf)、经济发展水平 (Agdp)、政府财政支持 (Gov)、对外交流水平(Fdi)和人力资本水平(Hum)作为控制变量。

条件β收敛检验方法同绝对β收敛一样，即在传统β收敛模型基础上检验回归残差及稳健性的空间相关性，从而选择合适的空间计量模型。由表6可知，在2007-2011年、2007-2015年、2007-2019年的条件β收敛中，三者均未通过拉格朗日乘数LM(LAG) 和LM(ERR)的显著性检验，因此需要观察它们的稳健性形式。由于3个时间段的2007-2015年与2007-2019年的R-LM(LAG)统计值均大于R-LM(ERR)，所以选择空间滞后模型(SLM)进行空间收敛分析更合适。

由表7可知，在考虑空间效应后，与绝对β收敛类似，从对数似然检验值Log(L)及拟合优度R2可以看出，2007-2011年、2007-2015年和2007-2019年3个时间段空间滞后模型的检验值均优于传统条件β收敛模型检验结果，表明空间滞后模型的拟合度优于传统β收敛模型。

从空间滞后模型看，2007-2011年和2007-2019年两个时间段的β值小于0，其中，2007-2019年通过了1%的显著性检验，说明考虑空间效应后， 2007-2019年大湾区创新生态系统的协调耦合度存在显著的条件β收敛趋势，意味着大湾区各城市创新生态系统协调耦合度的空间差距随着时间推移逐渐缩小，存在落后地区的“追赶效应”。由于地区的空间相关性会随文化、政策、制度等不同而产生偏差，因此不同时间段空间相关系数的显著性水平也不同。从收敛速度s和半生命周期τ看，2007-2019年的收敛速度为0.112，其半生命周期为6.199。从控制变量看， 2007-2019年经济发展水平、对外交流水平、人力资本水平对创新生态系统的协调耦合度起显著正向作用，而进出口水平、基础设施水平则显著负向影响协调耦合度。

就各指标而言，本文的经济发展水平采用人均GDP衡量。地区经济发展水平是影响创新发展的重要因素之一。创新活动离不开经济层面的支持，若地区经济发展水平较高，则会更加关注科技创新发展，致力于提升创新生态系统协调耦合度，实现区域收敛。同时，经济发展水平较高地区也更能吸引和充分利用外商投资[21]。

外商直接投资额反映对外交流水平，可以为国家和地区带来更多先进技术与理念，能有效帮助发展中国家通过借鉴学习国际领先技术和经验，弥补自身不足，提高创新能力。外商投资还可以为地区创新活动提供物质基础，有助于实现技术与资本连接。另外，外商投资也会在一定程度上提升内资企业竞争压力和科研压力，促使内资企业加大科技创新投入[22]，从而正向影响创新生态系统发展水平。

人力资本水平使用每万人中普通高校在校人数表征。人力资本是创新活动的重要基础，有助于提升创新生态系统发展水平和协调耦合度。具体表现为，一方面为创新生态主体输送创新人才，另一方面发挥人力资本优势，优化创新生态环境，提升创新活力和管理能力。

进出口水平以人均货物进出口总额衡量。具有较高进出口水平的地区会与国外企业产生更密切的合作，虽然通过学习国外前沿创新技术能够刺激本土企业开展研发[23]，但考虑到国外先进核心技术可能具有较强排他性以及企业应用国外技术存在一定门槛效应[24]，因此进出口水平高也可能导致企业形成较强的国外技术依赖性，从而抑制自身创新能力，负向影响创新生态系统耦合度。

基础设施投资是一个地区能否维持长期可持续发展的基础。在公路、铁路、通信、能源四类核心基础设施中，本文选用公路密度衡量地区基础设施投资水平。虽然基础设施投资能为创新活动的顺利开展提供有效支撑，在一定程度上促进地区创新水平提升，但相对于整个大湾区来说，不同地方政府投入对整个大湾区经济发展的引导和宏观调控作用有限，为实现对整体区域创新活动的有效引导，需要从更高层级、更高站位，在考虑不同城市发展情况和发展战略基础上进行统一部署。另外，政府加大基础设施投入，会在一定程度上挤占对当地企业、高校、科研机构等组织的创新补贴和投入[22]，从而抑制创新生态系统协调耦合度提升。

4 结论与启示

4.1 结论

本文基于2007-2019年粤港澳大湾区10个城市的数据，构建创新生态系统评价指标体系并测算其协调耦合度，通过建立空间计量模型，探究区域创新生态系统协调耦合度的时空跃迁特征及收敛趋势。结果表明：

(1)粤港澳大湾区生态主体和生态环境两个系统的耦合协调度均呈上升趋势，基本实现从失调衰退区到协调过渡区的转变。在大湾区内部，不同城市的耦合协调度也存在显著的等级差异，其中，以香港为第一梯队，广州和深圳为第二梯队，东莞、珠海和佛山为第三梯队，中山、惠州、肇庆和江门为第四梯队。

(2)2007-2019年创新生态协调效应的α收敛系数呈波动下降趋势，创新生态系统耦合度的分散程度随时间推移逐渐减弱，表明粤港澳大湾区都市圈的一体化程度逐步优化和提高。

(3)2007-2019年莫兰指数呈波动上升趋势，始终处于HH型聚集区的有香港和深圳，始终处于LL型区聚集区的有珠海、佛山、中山、肇庆和江门，即创新生态系统耦合度发展存在地理空间分布的依赖性和异质性。广州一直位于HL型聚集区，辐射带动作用有限；惠州一直位于LH型聚集区，未有效吸纳相邻城市的空间溢出效应；东莞实现了HH型-LH型-HH型的转变，表明在政策扶持下，将其打造为大湾区先进制造业中心的战略卓有成效。

(4)考虑空间效应后，3个时间段的大湾区创新生态系统协调耦合度存在显著的绝对β收敛趋势，意味着大湾区各城市创新生态系统的协调耦合度最终将收敛于同一稳态水平。其中，协调耦合度较低城市相比较高城市具有更快增长速度，城市间差距将逐渐缩小。

(5)2007-2019年大湾区创新生态系统协调耦合度存在显著的条件β收敛趋势，意味着大湾区各城市创新生态系统协调耦合度存在落后地区的“追赶效应”。从控制变量看，经济发展水平、对外交流水平、人力资本水平对创新生态系统的协调耦合度起显著正向作用，而货物进出口水平、基础设施水平则显著负向影响协调耦合度。

4.2 启示

(1)丰富创新生态主体，提升创新生态主体对创新生态环境的协调与引导作用。在创新生态系统中，企业、高校、科研机构、政府是最重要的主体，但其它一些非政府组织、民间组织或公民的主体作用也不容忽视。丰富的创新生态主体有助于促使创新环境不断优化，从而提供更完备扎实的基础条件。粤港澳大湾区可以借鉴东京湾区的创新发展经验[25]，联合政府、高校、企业、民间机构等主体成立粤港澳大湾区创新生态系统协同管理组织，充分协调各层级、各主体想法，结合不同主体优势和资源，针对大湾区中的实际问题提出改善建议。

(2)优化创新生态系统，增强创新生态环境对创新生态主体的支撑作用。一个健全的创新生态环境有助于最大化激发主体创新能力。粤港澳大湾区可以通过完善地区市场环境、制度环境、要素环境、信用环境、文化环境和服务环境，促进区域不同市场融合，提升区域创新生态环境发展水平，使环境与主体间形成相互作用、相互协调的动态平衡关系。

(3)明确不同城市战略定位，促使创新生态系统实现空间趋同发展。在大湾区，虽然广州市创新生态系统耦合度较高，但其邻近城市的耦合度处于较低水平，而惠州则与广州相反——惠州被高耦合水平城市包围，但自身耦合度较低。为实现邻近城市创新生态系统耦合度提升，大湾区可以结合不同城市的战略定位和创新活动作出更具体化的布置与安排。如广州市可以根据邻近城市的战略定位及实际情况，有针对性地辐射周边，从而起到带头作用；惠州市也可以借助政策扶持提升技术吸收能力，有效吸纳周边城市的空间溢出效应，缩小城市间创新生态系统耦合度差距。

(4)加大关键资源投入，优化创新生态系统环境。鉴于大湾区各城市创新生态系统耦合度呈空间收敛趋势，为了缩小耦合差距，实现先进地区的辐射效应和落后地区的追赶效应，地区可以通过提升当地经济发展水平、对外交流水平和人力资本水平正向影响创新生态系统耦合度。如通过提升地区经济发展水平为当地创新活动提供金融支撑，加大城市人力资本积累、构建良好的人才成长环境。同时，各城市也应适当控制货物进出口水平，以免本地企业对国外技术形成依赖，从而抑制本土创新能力。在基础设施建设方面，政府可在统筹考虑大湾区不同城市各自定位和发展战略后作出部署，发挥引导和宏观调控作用，同时，也能更好地把控投资力度，避免挤占企业及科研机构的创新补贴。

[1] 钟季良. 粤港澳大湾区创新生态系统运行机制及其绩效研究[D].广州：广东省社会科学院,2020.

[2] 徐长春,杨雄年.创新生态系统:理论、实践与启示[J].农业科技管理,2018,37(4):1-4.

[3] 曾国屏,苟尤钊,刘磊.从“创新系统”到“创新生态系统”[J].科学学研究,2013,31(1):4-12.

[4] XIE X,WANG H.How can open innovation ecosystem modes push product innovation forward? an fsQCA analysis[J]. Journal of Business Research, 2020, 108:29-41.

[5] 郝英杰,潘杰义,龙昀光.区域创新生态系统知识能力要素协同性评价——以深圳市为例[J]. 科技进步与对策,2020,37(7):130-137.

[6] 王宏起,刘梦,武川.区域战略性新兴产业创新生态系统稳定水平评价研究[J].科技进步与对策,2020,37(12)：118-125.

[7] 陈衍泰,夏敏,李欠强,等.创新生态系统研究:定性评价、中国情境与理论方向[J].研究与发展管理,2018,30(4):37-53.

[8] 魏芬芬,冯南平. 基于共词分析的创新生态系统协同研究主题[J]. 中国科技论坛, 2019,35(10):179-188.

[9] 薛澜,姜李丹,余振.如何构筑多元创新生态系统推动科技创新促进动能转换——以黑龙江省为例的实证分析[J].中国软科学,2020(5):23-31.

[10] 曾赛星,陈宏权,金治州,等. 重大工程创新生态系统演化及创新力提升[J]. 管理世界, 2019，35(4)：28-38.

[11] 张超,陈凯华,穆荣平.数字创新生态系统：理论构建与未来研究[J].科研管理,2021,42(3):1-11.

[12] MOORE J F. Predators and prey:a new ecology of competition[J]. Harvard Business Review, 1999, 71(3):75-86.

[13] IANSITI, MARCO, LEVIEN, et al. The keystone advantage: what the new dynamics of business ecosystems mean for strategy, innovation [M]. Harvard Business School Press Books, 2004:1-1.

[14] DHANARA J C，PARKHE A. Orchestrating innovation networks[J].Academic of Management Review，2006，31(3)：659-669.

[15] 董铠军,杨茂喜.浅析创新系统与创新生态系统[J].科技管理研究，2018，38(14)：1-9.

[16] ADNER R,KAPOOR R . Innovation ecosystems and the pace of substitution:re-examining technology S-curves[J]. Strategic Management Journal, 2016, 37(4):625-648.

[17] 生延超,钟志平. 旅游产业与区域经济的耦合协调度研究——以湖南省为例[J]. 旅游学刊, 2009, 24(8):23-29.

[18] 廖重斌.环境与经济协调发展的定量评判及其分类体系——以珠江三角洲城市群为例[J].热带地理,1999,19(2):76-82.

[19] 廖凯诚,刘晔,李星辰. 张家界金融发展与旅游产业成长的协调效应评价及动态关系研究[J]. 旅游论坛, 2019, 12(2):68-81.

[20] LUC, ANSELIN, et al. Simple diagnostic tests for spatial dependence[J]. Regional Science and Urban Economics, 1996, 26(1):77-104.

[21] 杨朝均,刘立菊.中国低碳创新的地区差异及空间收敛性研究[J].技术经济,2020,39(1):112-120.

[22] 吕岩威,谢雁翔,楼贤骏.中国区域绿色创新效率时空跃迁及收敛趋势研究[J].数量经济技术经济研究,2020,37(5):78-97.

[23] 黄志勇.研发、FDI和国际贸易对创新能力的影响——基于中国行业数据的实证分析[J].产业经济研究,2013(3):84-90.

[24] 陈伟,魏楠,侯建,登.FDI与区域创新能力关系中“门槛效应”的实证研究[J].软科学,2018,32(9):30-33，38.

[25] 张璇子. 粤港澳大湾区创新生态系统协同治理研究[D].广州：华南理工大学,2020.