开放科学(资源服务)标识码(OSID)：
In the face of the current external situation of white-hot competition in science and technology and its impact on the development of science and technology innovation in China, it is urgent to think about how to develop key&core technology innovation from the perspective of resilience to provide strong support for scientific and technological progress and economic and social development.Based on a resilience perspective, this paper selects the top 34 domestic cities in terms of GDP and four major provincial capitals in addition to them as research samples, and uses qualitative comparative analysis to explore the multiple influencing factors and driving paths of coastal and inland cities in China to enhance key&core technology innovation by selecting eight conditional variables from four dimensions: diversity, evolution, mobility and buffer.
It is found that neither diversity, evolutionary, mobility nor buffering conditions alone can constitute the necessary conditions for enhancing key&core technology innovation, but require a combination of the condition variables to work synergistically with each other. At the same time, there are differences in the grouping paths driving key&core technology innovation between coastal and inland regions, and the importance of condition variables driving key&core technology innovation varies according to their own development characteristics, and there are potential substitution relationships between condition variables among grouping paths within each region.
Exploring the condition variables affecting the development of key&core technology innovation from the perspective of resilience is more relevant to the development pain points of insufficient intrinsic power and fierce external competition in the development of key&core technology innovation in China,and it can help optimize the process of key&core technology development and provide guidance suggestions for realizing key&core technology innovation. In addition, as a key technology that leads the new round of scientific and technological revolution and industrial change, and has a significant supporting role for economic transformation and upgrading and social development, the development of key&core technology has important strategic significance for pulling the domestic market, realizing independent innovation and enhancing comprehensive scientific and technological strength. At present, there are few studies related to key&core technology innovation, and it will become an important topic of common concern for multidisciplinary fields in the future. It is of great practical significance and research value to conduct research on this emerging field of key&core technology innovation.
The value of this thesis is that it constructs an integrated analytical framework that drives key&core technology innovation in coastal and inland cities in China, and reveals the mechanism of the role of each region in enhancing key&core technology innovation. By exploring the combination of condition variables and driving paths that affect key&core technology innovation in each region, it helps each government to formulate policies according to local conditions, promote the overall improvement of key&core technology level, and create core technological advantages.
开放科学(资源服务)标识码(OSID)：
硬科技具有较高技术门槛，是能够代表世界科技发展水平、引领新一轮科技革命和产业变革，对经济转型升级和社会发展具有重大支撑作用的关键技术。随着我国经济发展进入新常态，以新产业、新业态、新模式为核心的新动能不断增强，发展硬科技对拉动国内市场、实现自主创新、提升综合科技实力具有重要战略意义。当前，我国正处于新一轮科技革命前沿，人工智能、大数据、云计算等信息技术与传统产业加速融合，颠覆性、创造性硬科技正在创造新的产业形态。硬科技水平不仅影响实体经济转型升级，而且关系到能否缩小我国与发达国家之间的科技差距，因此发展硬科技越来越受到重视。
虽然目前我国在部分科技领域取得了“领跑、并跑”的成绩，但科技发展水平尚不能满足创新驱动发展需求，存在经济发展方式粗放、创新动能不足等问题。在当前国际形势下，能否掌握拥有自主知识产权的核心技术关乎国家利益与人民福祉，缺乏核心技术的国家在国际关系动荡时期将面临巨大危机。从全球视角看，科技创新竞争日益激烈，而我国的科技成果转化率远低于发达国家，大量科技成果尚未转化成生产力(徐苑琳,孟繁芸，2018)，这对我国提升硬科技创新能力提出了严峻挑战。韧性研究旨在分析组织在面对外部危机和冲击时，如何通过自我调整迅速恢复原有状态或形成新发展态势。面对当前科技竞争白热化的外部局势及其对我国科技创新发展的影响，亟待从韧性视角思考如何开展硬科技创新，为科技进步、经济社会发展提供有力支撑。
关于硬科技创新的研究刚刚起步，现有文献集中于政策、经济方面的理论分析，对硬科技创新发展相关影响因素的分析尚不充分，也鲜有文献从韧性视角分析硬科技创新发展问题。由于硬科技创新发展是一个受到多重因素联合影响、多种因素协调互动的复杂过程，而定性比较分析方法(Qualitative Comparative Analysis,简称QCA)利用组态分析挖掘前因复杂性，探究多重因素联合效应对结果变量的影响，适用于本文研究。同时，考虑到沿海城市在科技创新发展方面具有相对优势，本文拟将研究样本划分为沿海城市和内陆城市两个类型进行研究。
综上，本文以国内38个主要城市为样本，采用QCA方法，基于韧性视角对沿海城市和内陆城市硬科技创新发展驱动路径的差异性进行分析，因地制宜地提出政策建议，以促进硬科技创新能力整体提升，进而打造核心技术优势。
1.1.1 硬科技创新
硬科技创新是一个新兴概念，目前的研究尚处于起步阶段。硬科技是指能够改进社会生产效率、创造全新社会价值、改善物质产品性能的科学技术，主要包括知识密集型企业通过技术和研发投入积累、转化所形成的“硬”产品与“硬”服务[1]。相较于软科技在商业模式、经营理念、虚拟数字经济等领域进行的创新，硬科技创新主要立足于推动工业、交通运输业、建筑业、武器装备制造业等一系列“硬核”领域的现代化创新[2]。“硬”不仅体现在技术支持上，还体现在其对产业创新和经济发展的支撑作用上。硬科技是推动我国经济转型升级的关键技术，有助于缩小我国高新技术产业与世界主要发达国家的技术差距，实现国家产业体系现代化[1]。
在现有研究中，学者们主要从政策和经济两个角度对硬科技创新进行理论论证。其中，政策角度的研究主要从战略部署、企业发展模式等方面进行探索。具体而言，杨斌和肖尤丹[1]从战略视角探讨硬科技成果转化模式；吕政[2]指出，坚持以硬科技创新为主的创新驱动是实现产业转型升级的重要战略部署；吴玉伟和施永川[3]结合典型案例分析认为，硬科技是推动企业更好更快发展的“硬助力”。经济角度的研究主要从税收激励、投资价值视角展开，如周灵灵和孙长青[4]分析认为，良好的税收激励有助于加大对硬科技企业创新研发和科研人才的支持；徐文舸[5]通过分析创业投资市场年度走势指出，未来的创业投资方向将向硬科技相关领域调整，硬科技将成为投资热点。总体而言，硬科技创新研究刚刚起步且侧重于理论分析，缺乏实证检验；关于硬科技创新发展的影响机制研究还很不充分，更鲜有文献从韧性角度探究驱动硬科技创新发展的路径和机制。因此，本文将运用QCA方法构建驱动硬科技创新发展的整合性分析框架，探讨驱动硬科技创新发展的多维因素。
1.1.2 韧性研究
韧性是指一个系统或组织在遭受打击、失败、危机等负面影响后，在自我修复和压力的刺激下，进行调整、适应和修复，并最终恢复到原有平衡状态或达到新平衡状态的能力[6]。韧性理论强调通过优化应对外部冲击的能力，提升组织系统整体运作水平。韧性的本质特征包括组织结构在面对危机时的自我控制、自我组织、自我学习和自我适应[7]，一般系统的韧性特征包括动态平衡性、兼容性、缓冲性、扁平性、流动性和冗余性[8]。关于系统韧性特征的共性认知包括系统主体的多样性、系统应对外部变化的适应性和资源储备带来的缓冲性[9]。梁林等[9]从多样性、进化性、流动性和缓冲性4个维度量化韧性特征，为发展韧性研究提供了新思路。
韧性研究经历了“工程韧性—生态韧性—演化韧性”的发展过程，在社会学领域的研究逐渐由硬环境建设转向社会生态治理，具体包括城市建设[10]、社区管理[11]、区域经济[12]、经济管理[13]等方面。近年随着创新研究得到学术界的广泛关注以及韧性在创新发展中的深入应用，创新生态学领域出现了大量关于韧性内涵、维度、构成机理、影响因素等方面的研究[14-15]。
本文借鉴梁林等[9]的研究，基于韧性视角的多样性、进化性、流动性和缓冲性4个维度，分析硬科技创新发展评价指标。
1.2.1 基础维度—多样性
硬科技创新多样性主要强调创新组织主体的多样性。创新主体多样性有助于实现主体间合作，共同开展创新活动，提高科技成果转化率。从韧性角度看，多样性的意义在于利用主体异质性有选择地避免外部冲击和干扰，为硬科技创新主体赢得更多试错和发展空间[16]。
1.2.2 表征维度—进化性
硬科技创新进化性主要衡量硬科技创新的投入产出能力，强调创新主体间利益再分配和创新要素的动态调整过程。从韧性视角看，进化性体现为组织在面对外部冲击和干扰时自我调整与进化的能力，最终表现为硬科技创新实力提升[9]。
1.2.3 内部维度—流动性
硬科技创新流动性主要体现为硬科技创新过程中的资源流动。硬科技创新主体通过互联互通，实时生成资金流、技术流等创新要素，以保障资源配置、人才培养和科技成果转化。创新要素流动越快，组织内部的互动与交流越高效，受到制度壁垒、组织壁垒与外部约束等不利因素的影响也越小。从韧性视角看，流动性的意义在于组织面对外部冲击时能够迅速反应，调动内部资源，以填补各种缺口[8]。
1.2.4 外部维度—缓冲性
硬科技创新缓冲性主要表现为组织在面对危机和外部干扰时支持硬科技创新的能力。面对外部冲击，硬科技创新组织需要足够的缓冲。组织通过内部创新资源积累与多元结构整合，形成专属的创新禀赋优势，进而对提升硬科技创新水平具有正向影响。从韧性角度分析，缓冲性的关键在于组织拥有超出当前需求的资源和互动结构，足以帮助组织平稳应对外部冲击，从而避免组织系统崩盘[17]。
本文基于上述分析并借鉴现有研究[9]，从多样性、进化性、流动性与缓冲性4个维度确定影响硬科技创新的条件变量。
1.3.1 多样性维度
企业作为科技创新主体[18]，是创新成果的使用者和受益者。同时，人才作为企业科技创新活动的实施者，能够为科技创新提供智力支持。因此，选取企业多样性和人才多样性作为多样性测度指标。企业多样性有利于满足企业间相互合作开展创新活动的需求，增强企业应对外部冲击和抗干扰的能力，拓展企业试错和创新调整空间，能够为硬科技创新提供良好发展平台和落脚点。人才多样性有助于保证科研人员在教育背景、经验认知、价值观等方面具有差异性，从而有利于拓展创新思维，为推动硬科技创新提供人才支撑[19]。
1.3.2 进化性维度
进化性强调合理优化使用硬科技创新要素，实现硬科技创新要素在主体间的共享与交互，促进硬科技创新实力提升。本文选取硬科技投入和创新人力投入作为进化性维度测量指标。 近年来硬科技投入保持高度活跃状态，无论是国家对硬科技研发活动的财政供给、金融资本市场对硬科技创新企业的支持，还是硬科技产业投资规模的扩大都有助于组织抢占核心科技制高点[20]，便于组织在面对外部危机和冲击时主动适应，自我调整与完善，为组织突破硬科技创新瓶颈夯实基础。人力投入作为重要的创新投入指标(顾琴轩,王莉红，2009)，关乎创新发展趋势和成效[21]，加大创新人力投入有助于企业更好地开展硬科技创新活动。
1.3.3 流动性维度
创新要素流动的频次和速率越高，意味着外部环境对科技交流的阻碍越小，组织互动与交流效率越高，从而易于实现高水平的硬科技创新。鉴于技术和资金是重要的创新因素，本文选择技术流动和资金流动作为流动性维度测量指标。 技术流动是指技术要素在整个市场范围内流动。高效的技术流动有助于加速科技成果转化，帮助组织在技术层面形成比较优势，增加技术积累，为硬科技创新提供技术支持[22]。活跃的资金流动有助于发挥市场在创新过程中的决定性作用[23]。资金在区域间流动活跃有助于资金流入地获得丰富资源，优化人才配置[24]，为硬科技创新发展提供资金保障。
1.3.4 缓冲性维度
缓冲性要求系统具备超出正常需求的资源存量以应对外部冲击，本文选取科技创新资源和教育资源作为缓冲性维度测量指标。科技创新资源开发借助科技基础设施提供的新型或颠覆性研究手段，实现技术开发、资本运作和科技信息交流互通，加速技术和技能积累，实现硬科技突破。教育资源直接关系到现有知识获取与利用，以及现有知识与新知识的整合和再创造。教育资源在帮助硬科技创新企业获取外部知识的同时，能够促进知识积累和知识共享[25]，有助于实现硬科技成果转化。
综上，本文构建联合驱动硬科技创新发展的因素模型，如图1所示。
图1 研究模型
Fig.1 Research model
本文采用定性比较分析方法(QCA)主要基于以下原因：第一，QCA从整体视角分析多个案例，能够保证外部推广的有效性[26]。第二，QCA的组态视角有助于充分解释变量之间的复杂因果关系[27]，深入探索多要素间的系统效应。考虑到影响沿海和内陆城市硬科技创新能力提升的因素众多且过程复杂，采用QCA分析沿海和内陆城市条件变量组态集合关系，确定实现硬科技创新的变量组合及核心条件，能够为不同区域提升硬科技创新水平提供参考。
硬科技创新价值发挥依赖于经济形态。相较于经济发展水平较低城市，经济发展水平较高城市具备较好的硬科技基础。因此，本文选取国内GDP排名靠前的34个城市和之外的4个省会城市作为研究样本。
通过观察可以发现，样本城市可以划分为沿海和内陆两种类型。相较于内陆城市，沿海城市的水陆交通便利，地理环境优越，为加快创新要素流动、推进创新应用提供了契机。同时，现有研究指出，内陆城市和沿海城市在创新效率、创新资源和科技创新能力方面均有差异，相较于内陆城市，沿海城市更具有创新优势[28]。本文推测，沿海城市和内陆城市在硬科技创新多样性、进化性、流动性和缓冲性4个维度均存在显著差异。因此，将研究样本划分为沿海城市和内陆城市两种类型进行对比分析更加严谨合理。
2.3.1 结果变量
硬科技创新涵盖科研人才、科技投资、高新技术产出、硬科技企业能力等方面内容[18]。依据中科院、华为、亿欧和西安市硬科技产业发展服务中心联合发布的《2020中国硬科技创新白皮书》，本文采用其披露的城市硬科技指数衡量硬科技创新水平。
2.3.2 多样性条件
企业多样性选取高新企业数、科创板企业数、创业板企业数和规模以上工业企业数4个指标，利用熵值法进行综合赋分。具体数据来源于Choice金融终端、城市统计公报和《中国火炬统计年鉴》。
借鉴已有研究(杨伟,劳晓云,周青，等，2021)，人才多样性采用高新区企业科研人员数占从业人员总数的比重衡量。具体数据来源于《中国火炬统计年鉴》。
2.3.3 进化性条件
硬科技投入选取硬科技行业投资金额、硬科技投资案例数、科技类财政支出占比、教育财政支出占比以及科技企业研发经费占比5个指标，利用熵值法进行综合赋分。具体数据来源于私募通和科技部火炬高技术产业开发中心发布的统计资料。
创新人力投入采用研发人员全时当量指标衡量[29]，数据来源于《中国火炬统计年鉴》。
2.3.4 流动性条件
技术流动性采用技术合同成交额与GDP的比值衡量。技术市场是连接科技与经济的桥梁(俞立平,万晓云,钟昌标，等，2021)，其活跃程度与经济发展趋势、政策导向密切相关。作为衡量科技成果转化情况的重要指标[30]，技术合同成交额反映了一个地区技术贸易和科技成果转化的活跃程度。技术合同成交额越高，说明区域创新发展实力越强，科技创新体系越完善，有利于激发科技创新活力，促进经济发展。具体数据来源于《中国城市统计年鉴》、《科技统计年鉴》、《国民经济和社会发展统计公报》、互联网新闻报道等。
资金流动性采用高新企业研发经费内部支出占地方生产总值比重衡量[14]，具体数据来源于《中国火炬统计年鉴》和《中国城市统计年鉴》。
2.3.5 缓冲性条件
科技创新资源选取众创空间数、国家国际科技合作基地数、国家级科技企业孵化器数、研究所数和国家重点实验室数5个指标，利用熵值法进行综合赋值。具体数据来源于科技部、科技部火炬高技术产业开发中心和教育部所公布的官方文件。
教育资源采用普通高等院校专任教师数量衡量，具体数据来源于教育部和城市统计年报。
本文在现有理论和研究基础上，采用直接校准法将数据转换为模糊集隶属分数。将样本数据的75%、50%和25%分位数分别设置为完全隶属点、交叉点、完全非隶属点。各条件与结果的校准内容如表1、表2所示。
表1 变量校准(沿海城市)
Tab.1 Variable calibration (coastal cities)
变量分类变量名称完全隶属交叉点完全非隶属结果变量硬科技创新22.895 017.420 011.945 0条件变量多样性企业多样性27.210 015.180 09.550 0人才多样性0.009 00.005 60.003 0进化性硬科技投入31.407 523.710 021.855 0创新人力投入3.208 61.482 60.668 0流动性技术流动0.038 20.023 90.019 7资金流动0.150 30.065 80.038 0缓冲性科技创新资源16.280 09.625 04.890 0教育资源2.247 01.036 10.725 6
表2 变量校准(内陆城市)
Tab.2 Variable calibration (inland cities)
变量分类变量名称完全隶属交叉点完全非隶属结果变量硬科技创新27.552 519.330 016.355 0条件变量多样性企业多样性18.915 011.320 04.390 0人才多样性0.010 60.006 10.003 8进化性硬科技投入35.830 024.965 018.422 5创新人力投入4.702 02.047 51.023 7流动性技术流动0.047 40.027 90.017 3资金流动0.160 20.098 10.038 8缓冲性科技创新资源24.722 516.100 012.907 5教育资源4.172 32.970 51.212 8
进行QCA分析前，首先对所有条件变量进行必要性分析，以确定各条件变量(包括其非集)是否构成硬科技创新的必要条件。在QCA中，一致性是检验必要条件的重要标准，如果一个条件变量的一致性高于0.9，则考虑认定其为结果变量的必要条件，即当结果发生时该条件始终存在。
根据表3硬科技创新条件变量的必要性分析结果可以看出，沿海和内陆城市所有条件的一致性水平都小于0.9，表明沿海和内陆城市中所有前因条件在单独情况下均不能构成硬科技创新的必要条件，各条件变量之间的解释力较弱，需要进行组态匹配才能够实现硬科技创新。
表3 必要条件分析结果
Tab.3 Necessary conditions analysis
条件变量沿海城市一致性覆盖度内陆城市一致性覆盖度多样性高企业多样性0.8720.8210.7640.743低企业多样性0.2440.2450.3190.317高人才多样性0.7350.7200.6410.637低人才多样性0.3430.3300.4360.423进化性高硬科技投入0.8150.8330.8030.753低硬科技投入0.2820.2610.3410.352高创新人力投入0.8780.8690.8900.904低创新人力投入0.2650.2520.2430.232流动性高技术流动0.7540.7190.7210.699低技术流动0.3460.3420.3700.370高资金流动0.6810.6690.6470.632低资金流动0.5100.4900.4600.456缓冲性高科技创新资源0.6350.6180.6960.666低科技创新资源0.4820.4680.4080.412高教育资源0.6350.6180.8900.904低教育资源0.4820.4680.2430.232
参照Ragin对[31]QCA结果的呈现，本文使用“●”表示条件变量为核心条件，“●”表示条件变量为边缘条件；“⊗”和“ ⊗”表示该条件变量不存在，空格表示该条件变量无关紧要。
3.3.1 沿海城市硬科技创新驱动路径条件组态分析
由表4可知，沿海城市实现硬科技创新驱动发展的3条路径的总体一致性为0.946，表明在上述条件组态中有94.6%的案例表现出硬科技创新发展水平较高的发展成效；总体覆盖度为0.768，意味着76.8%的高硬科技创新案例可以由3种条件组态解释。
表4 沿海城市硬科技创新驱动路径组态分析结果
Tab.4 A histological analysis of innovation-driven path of key&core technology in coastal cities
条件组态 路径1路径2路径3企业多样性●● 人才多样性 ●●硬科技投入● ●创新人力投入●●●技术流动 ●资金流动 ●科技创新资源 ●教育资源●● 一致性10.9240.857覆盖度0.1040.1250.088唯一覆盖度0.0600.0750.037解的一致性0.946解的覆盖度0.768代表性案例 东莞宁波青岛
组态路径1：缓冲主导—进化型。组态路径1表明，在沿海区域企业多样性、硬科技经费投入与创新人力投入大、教育资源丰富的城市具有较高硬科技创新水平。其中，教育资源为核心条件，企业多样性、硬科技经费投入和创新人力投入为边缘条件。该组态路径能解释10.4%的硬科技创新发展案例。其中，6%的案例仅由该路径解释，代表城市为东莞。
组态路径2：多样主导—缓冲型。组态路径2表明，在沿海区域企业多样性、人才多样性、创新人力投入大、教育资源投入大的城市具有较高硬科技创新水平。其中，教育资源为核心条件，企业多样性、人才多样性和创新人力投入为边缘条件。该组态路径能解释12.5%的硬科技创新案例。其中，7.5%的案例仅由该路径解释，代表城市为宁波。
组态路径3：进化—流动共同主导型。组态路径3表明，在沿海区域人才多样性、硬科技经费投入与创新人力投入大、技术与资金流动频繁、科技创新资源丰富的城市具有较高硬科技创新水平。其中，人才多样性、硬科技经费投入为核心条件，创新人力投入、技术流动、资金流动和科技创新资源为边缘条件。该组态路径能解释8.8%的硬科技创新发展案例，其中，3.7%的案例仅由该路径解释，代表城市为青岛。
3.3.2 内陆城市硬科技创新驱动路径条件组态分析
由表5可知，内陆城市实现硬科技创新驱动发展的4条路径的总体一致性为0.964，表明在满足上述条件组态中有96.4%的案例表现出硬科技创新水平较高的发展成效；总体覆盖度为0.680，意味着68%的高硬科技创新案例可以由这4种条件组态解释。
表5 内陆城市硬科技创新驱动路径组态分析结果
Tab.5 A histological analysis of innovation-driven path of key&core technology in inland cities
条件组态路径1路径2路径3路径4企业多样性●●●人才多样性 ●硬科技投入 ●●创新人力投入 ●●技术流动●● 资金流动●● ●科技创新资源● 教育资源●●●●一致性0.9830.9800.8590.964覆盖度0.1450.1230.1190.112唯一覆盖度0.0500.0280.0750.030解的一致性0.964解的覆盖度0.680代表性案例成都,长沙济南苏州合肥
组态路径1：流动主导—缓冲型。组态路径1表明，在内陆区域，企业多样性、技术与资金流动频繁、教育资源丰富的城市具有较高硬科技创新水平。其中，技术流动、资金流动、教育资源为核心条件，企业多样性为边缘条件。该组态路径能解释14.5%的硬科技创新发展案例。其中，5%的案例仅由该路径解释，代表城市有成都、长沙。
组态路径2：流动—缓冲共同主导型。组态路径2表明，在内陆区域，技术流动和资金流动频繁、科技创新资源和教育资源丰富的城市具有较高硬科技创新水平。其中，技术流动、资金流动和教育资源为核心条件，科技创新资源为边缘条件。该组态路径能解释12.3%的硬科技创新发展案例。其中，2.8%的案例仅由该路径解释，代表城市为济南。
组态路径3：进化主导—缓冲型。组态路径3表明，在内陆区域，企业多样性、硬科技投入与创新人力投入大、教育资源丰富的城市具有较高硬科技创新水平。其中，教育资源为核心条件，企业多样性、硬科技投入与创新人力投入为边缘条件。该组态路径能解释11.9%的硬科技创新案例。其中，7.5%的案例仅由该路径解释，代表城市为苏州。
组态路径4：多样—进化共同主导型。组态路径4表明，在内陆区域，企业多样性、人才多样性、硬科技投入与创新人力投入大、资金流动频繁、教育资源丰富的城市具有较高硬科技创新水平。其中，资金流动和教育资源为核心条件，企业多样性、人才多样性、硬科技投入、创新人力投入为边缘条件。该组态路径能解释11.2%的硬科技创新案例。其中，3%的案例仅由该路径解释，代表城市为合肥。
3.4.1 沿海城市组态路径分析
在沿海城市硬科技创新发展条件的组态路径中，创新人力投入出现在所有路径中，企业多样性、人才多样性和教育资源出现在大部分路径中且教育资源为核心条件。这表明，在沿海城市中创新人力投入、企业多样性、人才多样性和教育资源是推动硬科技创新水平提升的关键因素。各创新主体相互合作，共同开展创新活动，显著提高了硬科技创新成果转化率；同时，较高的创新人力投入有助于协调开展硬科技创新活动，丰富的教育资源使该区域在知识获取、积累、扩散和共享方面具备专属禀赋优势，为硬科技企业实现科技成果转化、科研力量培育、硬科技创新提供了支持。
3.4.2 内陆城市组态路径分析
在内陆城市硬科技创新条件的组态路径中，教育资源出现在所有路径中且为核心条件，资金流动性在多数路径中为核心条件，企业多样性和资金流动性在多数路径中出现。这表明，对内陆城市而言，企业多样性、资金流动性和教育资源是推动硬科技创新发展不可或缺的条件。企业多样性为创新活动中的相互协作提供了机会，易于减少外部冲击和干扰，加快硬技术创新速度和提高成功率。同时，资金流动活跃、教育资源充沛为硬科技发展提供了资源保证。
3.4.3 两类区域组态路径的潜在替代关系与对比分析
经过分析发现，沿海与内陆城市的不同组态路径中存在潜在替代关系。
对比表4的路径1与路径2发现，在企业多样性、创新人力投入与教育资源组合下，硬科技投入与人才多样性存在替代关系，如图2所示。对比表1的路径1与路径3发现，在硬科技投入与创新人力投入组合下，企业多样性与教育资源的组合与人才多样性、技术流动性、资金流动性、科技创新资源的组合存在替代关系，如图3所示。对比路径2与路径3发现，在人才多样性与创新人力投入组合下，企业多样性与教育资源的组合与硬科技投入、技术流动、资金流动以及科技创新资源的组合存在替代关系，如图4所示。
图2 沿海城市多样性与进化性间的替代关系
Fig.2 Alternative relationships between diversity and evolution in coastal cities
图3 沿海城市多样性、流动性与缓冲性间的替代关系
Fig.3 Alternative relationships among diversity, mobility and buffering in coastal cities
图4 沿海城市多样性、进化性、流动性与缓冲性间的替代关系
Fig.4 Alternative relationships among diversity, evolution, mobility and buffering in coastal cities
对比表5的路径1与路径2发现，在技术流动、资金流动与教育资源组合下，企业多样性与科技创新资源存在替代关系，如图5所示。对比路径1与路径3发现，在企业多样性与教育资源组合下，技术流动性与资金流动性的组合与硬科技投入与创新人力投入的组合存在替代关系，如图6所示。对比表5的路径1与路径4发现，在企业多样性、资金流动性与教育资源组合下，技术流动性与人才多样性、硬科技投入以及创新人才投入的组合存在替代关系，如图7所示。对比路径2与路径3发现，在教育资源丰富的情况下，技术流动性、资金流动性、科技创新资源的组合与企业多样性、硬科技投入以及创新人力投入的组合存在替代关系，如图8所示。对比路径2与路径4发现，在资金流动性与教育资源组合下，技术流动性与企业多样性、人才多样性、硬科技投入以及创新人力投入的组合存在替代关系，如图9所示。
图5 内陆城市多样性与缓冲性间的替代关系
Fig.5 Alternative relationships between diversity and buffering in inland cities
图6 内陆城市流动性与进化性间的替代关系
Fig.6 Alternative relationships between mobility and evolution in inland cities
图7 内陆城市多样性、进化性与流动性间的替代关系
Fig.7 Alternative relationships between diversity, evolution and mobility in inland cities
图8 内陆城市多样性、进化性、流动性与缓冲性间的替代关系
Fig.8 Alternative relationships between diversity, evolution, mobility and buffering in inland cities
图9 内陆城市多样性、进化性与流动性间的替代关系
Fig.9 Alternative relationships among diversity, evolution and mobility in inland cities
进一步，通过对比沿海城市和内陆城市的组态路径发现，企业多样性、硬科技投入、创新人力投入、资金流动性和教育资源在绝大多数路径中均有出现，表明企业相互协作、创新投入配置能力提升、资金充裕以及教育资源丰富是各区域推动硬科技创新发展的重要因素。
本文以国内38个主要城市为研究样本，根据科技创新发展情况，将研究样本分为沿海城市和内陆城市进行分析。基于韧性视角，运用QCA方法探寻中国沿海和内陆城市提升硬科技创新水平的多重影响因素及驱动路径。本文通过组态分析得出以下结论：
第一，无论是多样性、进化性、流动性，还是缓冲性条件，均无法单独构成沿海和内陆城市提升硬科技创新水平的必要条件。驱动沿海城市硬科技创新的路径有3条，分别为“缓冲主导—进化型”、“多样主导—缓冲型”和“进化—流动共同主导型”；驱动内陆城市进行硬科技创新的路径有4条，分别为“流动主导—缓冲型”、“流动—缓冲共同主导型”、“进化主导—缓冲型”和“多样—进化共同主导型”。
第二，沿海城市的3条组态路径之间存在潜在替代关系；内陆城市的4条组态路径之间也存在潜在替代关系。
(1)基于韧性视角，分析了影响中国沿海和内陆城市硬科技创新水平的8个二级条件，构建了驱动中国沿海、内陆城市硬科技创新的整合性分析框架。
(2)拓展了硬科技创新影响机理研究。通过探讨影响各区域硬科技创新的条件变量组合和驱动路径，进一步解释各区域硬科技创新的复杂作用机理。
(1)强化企业在科技创新中的主体地位，提高对企业科技创新的重视程度。支持创新型企业在其主营业务领域持续开展技术创新活动，对研发支出给予相关政策优惠，提升企业创新积极性和持续发展动力。
(2)调整硬科技创新投入结构，加快创新要素流动速率。借鉴创新链企业分工合作思想，由政府牵头搭建创新合作平台，硬科技企业集中力量攻坚克难，将非核心技术的创新工作外包。在此过程中，既要保证企业创新资源配置的动态调整符合各创新环节的投入需求，又要保证创新要素在企业间顺畅流动，提高硬科技企业互动交流效率，带动整体硬科技水平提升。
(3)注重积累科技创新资源，提高对教育的重视程度。科技进步是一个从量变到质变的过程，渐进式创新是常态，突破式创新是非常态。要注重科研院所、高等院校的发展建设，培育高素质的教师和科研人才队伍，为科技进步实现从量变到质变蓄能。
(4)内陆区域应重视金融发展与稳定。通过制定符合自身发展需求的金融政策，加强区域金融合作，提高资金流动效率，实现对区域硬科技创新发展的资金支持。在促进区域经济发展的同时，推动区域科技进步，最终实现科技与经济发展的良性循环。
(5)沿海区域除了需要企业积极参与科技创新外，还需要科研人才的加盟。创新企业和科研人才是获得创新优势、推动硬科技创新发展的中坚力量。科研人才在创新活动中的作为直接关系到创新发展水平和成效。地方政府应重视科研人才，通过出台提高科研人员待遇的政策，营造尊重知识、珍惜人才的社会环境，不断拓展政策实施深度和广度，激励科研人才从事科技创新活动。
作为一个新兴领域的探索性研究，本文存在一些局限性，有待进一步完善和改进。首先，推动硬科技创新发展的综合性分析框架虽然具有一定操作性，但不够具象。后续研究需要结合具体案例的实证分析结果，进一步展开分析和论证。其次，在下一阶段研究中，考虑将时间因素纳入研究，分析创新因素时变性对硬科技创新的影响，从而丰富相关领域研究。总而言之，随着科技进步和技术竞争日益激烈，从韧性角度探讨如何促进硬科技创新具有重要的现实意义和理论价值，应成为多学科领域共同关注的重要课题。
[1] 杨斌,肖尤丹.国家科研机构硬科技成果转化模式研究[J].科学学研究,2019,37(12):2149-2156.
[2] 吕政.创新驱动必须以硬科技创新为本[J].海南大学学报(人文社会科学版),2020,38(2):1-11.
[3] 吴玉伟,施永川.科技型小微企业“硬”科技创业动力要素与孵化模式研究[J].科学管理研究,2019,37(1):70-73.
[4] 周灵灵,孙长青.构建硬科技企业自主创新税收激励政策体系研究[J].学习论坛,2020，35(3):29-35.
[5] 徐文舸.2019年创业投资市场的机遇与挑战[J].宏观经济管理,2019，32(4):25-29，41.
[6] WALKER B, HOLLIN C S, CARPENTER S R, et al. Resilience, adaptability and transformability in social-ecological systems[J]. Ecology&Society,2004, 9(2):5.
[7] MEEROW S,NEWELL J P,STULTS M. Defining urban resilience:a review[J]. Landscape and Urban Planning, 2016, 147:38-49.
[8] WILDAVSKY A B. Searching for safety (Vol.10)[M].Piscataway:Transaction Publishers，1988.
[9] 梁林,赵玉帛,刘兵.国家级新区创新生态系统韧性监测与预警研究[J].中国软科学,2020，35(7):92-111.
[10] MERA A P,BALIJEPALLI C. Towards improving resilience of cities: an optimisation approach to minimising vulnerability to disruption due to natural disasters under budgetary constraints[J]. Transportation, 2020,47(4):1809-1842.
[11] CAPOZZO M,RIZZI A,CIMELLARO G P,et al.Multi-hazard resilience assessment of a coastal community due to offshore earthquakes[J]. Journal of Earthquake and Tsunami, 2019,13(2):1950008-1950027.
[12] 孙久文,孙翔宇.区域经济韧性研究进展和在中国应用的探索[J].经济地理,2017,37(10):1-9.
[13] 李连刚,张平宇,谭俊涛，等.韧性概念演变与区域经济韧性研究进展[J].人文地理,2019,34(2):1-7，151.
[14] RAMEZANI J,CAMARINHA MATOS L.Approaches for resilience and antifragility in collaborative business ecosystems[J]. Technological Forecasting and Social Change, 2020, 151:119846-119872.
[15] MARTIN R, SUNLEY P,GARDINER B, et al. How regions react to recessions: resilience and the role of economic structure[J]. Regional Studies, 2016, 50(4):561-585.
[16] 李晓娣,张小燕.区域创新生态系统对区域创新绩效的影响机制研究[J].预测,2018,37(5):22-28，55.
[17] 倪鹏飞,白晶,杨旭.城市创新系统的关键因素及其影响机制——基于全球436个城市数据的结构化方程模型[J].中国工业经济,2011，28(2):16-25.
[18] 2020中国硬科技创新白皮书[R].中科院、华为、亿欧和西安市硬科技产业发展服务中心，2020.
[19] 宛群超,袁凌,谭志红.科技人才集聚、市场竞争及其交互作用对高技术产业创新绩效的影响[J/OL].软科学:1-11[2021-08-23].http://kns.cnki.net/kcms/detail/51.1268.g3.20210816.1709.031.html.
[20] 吴非,常曦,任晓怡.政府驱动型创新:财政科技支出与企业数字化转型[J].财政研究,2021，41(1):102-115.
[21] HAYTON J C. Competing in the new economy: the effect of intellectual capital on corporate entrepreneurship in high-technology new ventures[J]. R&D Management, 2005, 35(2):137-155.
[22] 林原,马荣康,刘凤朝.技术流动对区域技术专业化的影响研究[J].科学学与科学技术管理,2018,39(7):13-23.
[23] 王雪,周金链.政府认定对高新技术企业研发支出的影响——兆驰股份案例分析[J].科技进步与对策,2018,35(15):96-104.
[24] 杨扬,谢佳松,林建浩，等.信任网络、资金流动与区域发展差距[J].系统工程理论与实践,2020,40(9):2222-2235.
[25] ZAHRASA,GEORGEG. Absorptive capacity: a review,reconceptualization,and extension[J]. Academy of Management Review，2002，27(2):185-203.
[26] 谭海波，范梓腾，杜运周.技术管理能力、注意力分配与地方政府网站建设——一项基于TOE框架的组态分析[J]．管理世界，2019，35(9)：81-94.
[27] MEYER A D,TSUI A S,HININGS C R. Configurational approaches to organizational analysis[J]. The Academy of Management Journal, 1993, 36(6):1175-1195.
[28] 侯鹏,王琪延.中国内陆与沿海地区创新能力差距成因探析——基于随机前沿模型的实证研究[J].现代管理科学,2015，34(10):64-66.
[29] 王进富,李嘉辉,张颖颖，等.政府资助波动、技术市场发展程度与国有企业R&D投入[J].科技进步与对策,2021,38(10):28-35.
[30] 庄子银,段思淼.区域技术市场发展对创新的驱动作用——来自2002-2015年省级面板数据的实证分析[J].科技进步与对策,2018,35(15):29-38.
[31] RAGIN C C. Redesigning social inquiry: fuzzy sets and beyond[M]. Chicago: University of Chicago Press, 2008, 20-30.