开放科学(资源服务)标识码(OSID)：
On the basis of the scientific transfer, Brusselator, a classic model in dissipative structure theory, has been transplanted into the evolution analysis of RIES system. At the same time, by combining symbiosis theory and focusing on such ecological characteristics as symbiotic unit, structure and mode, network and environment, etc., this study constructs an “innovation investment—symbiotic environment” factor index system and forms judgement criteria for dissipative structure. It further applies the“overall entropy—catastrophe progression” evaluation model to present the process of dissipative evolution of the system. By constructing a decision model for the dissipative structure of the RIES system, the study conducts an empirical study of dissipative evolution of RIES system in China’s four major national urban agglomerations and nearby provinces from 2013 to 2020.
Empirical research analysis has found that (1) the regional innovation ecosystems in China's four major urban agglomerations and adjacent provinces have the characteristics of openness, nonlinear coupling, far away from equilibrium, fluctuation and so on, and have the prerequisite for the formation of dissipative structures; (2) the dissipative evaluation value of the sample points is evolving positively, and the system is gradually evolving to a dissipative structure, for during 2015-2020, the innovation environment (economy, market and Technology) of the four major urban agglomerations and adjacent provinces has been significantly improved, which has a positive role in promoting the regional innovation vitality and the transformation of innovation achievements; (3) the dissipative evolution distribution of the regional innovation ecosystem in the sample points continues to develop in the direction of "high regional innovation investment—high regional innovation environment".
According to the results of empirical analysis, this paper puts forward countermeasures and suggestions for the healthy development of China's regional innovation ecosystem by building a regional innovation center, improving the collaborative system and mechanism, cultivating enterprise subjects and forming a virtuous circle.
开放科学(资源服务)标识码(OSID)：
随着创新范式进入创新生态系统3.0时代(李万等,2014;梅亮等,2015),如何提高区域创新产出与区域创新能级成为促进区域经济发展、实现产业转型升级、增强市场竞争力的关键所在[1]。由此,在融合区域创新理论与生态学理论的视角下,以可持续发展为基本理念的区域创新生态系统(Regional Innovation Ecosystem,以下简称RIES系统)因其构成多样性、资源集聚性、环境适应性与友好性、交互动态性和互利共生性,成为推动区域创新发展、经济与环境协同共生的重要载体,越来越多的地方政府致力于建设打造高水平的RIES系统,因此关于RIES系统结构演化、创新绩效、效率评价的研究也受到国内外学者的广泛关注(张坚等,2021)。与此同时,已有研究表明,RIES系统呈现出自组织演化特征,是一个典型的复杂系统并具有周期性变化的耗散结构,需要从系统结构动态变化角度对其演化规律进行深层次挖掘。因此,在共生理论视角下,基于共生单元、结构与模式、网络与环境等生态特征,分析RIES系统耗散结构演进规律,刻画系统主体之间以及系统与环境之间的相互作用关系,对合理配置创新资源、促进多元主体协同合作、加快区域创新结构优化调整、实现区域创新效率与能力提升具有重要意义。
当前针对RIES系统结构层面的研究主要从结构模型角度解析区域创新生态系统特征、构成要素及其相互作用关系。其中,TRIZ[2]、ANT[3]以及复杂网络[4]是常用的分析理论。
一方面,现有研究较少针对RIES系统演化问题进行专门分析,2010年至今发表在CSSCI期刊上的相关研究成果共计9篇,说明仅有部分学者作出了有益尝试。如张笑楠[5]构建了战略性新兴产业创新生态系统共生演化模型;王庆金等[6]基于对区域一体化创新生态系统特征分析,从动力机制和治理机制两个维度揭示RIES系统协同演化内在规律;武翠和谭清美[7]基于功能与结构二维视角,研究构建了长三角一体化RIES系统新结构经济学理论和博弈模型,并采用Lotka-Volterra模型和复合系统协同度模型进行实证分析;李晓娣和张小燕[8]建立了RIES系统共生度模型;蔡杜荣和于旭[9]基于全新的“架构者”理论视角,剖析了创新生态系统形成和演化机理,并诠释了“架构者”在不同阶段对系统演化的作用。已有研究较多从静态视角结合线性分析技术,或基于自然熵增理论,针对某特定时段横截面数据进行分析,而在更具全局性的复杂系统动态演化分析和更深层次的系统耗散结构分析上有所欠缺。
另一方面,耗散理论可作为分析复杂系统演化的有效工具,这已得到学术界的一致认可,并涌现出较多代表性成果。如苏屹等[10]基于B-Z模型,以协同为重点,实证分析了我国区域创新系统演化过程;吴颖和车林杰[11]研究分析了协同创新系统耗散结构;赵炎和武晨[12]基于耗散结构构建了区域创新系统绩效评价模型;王展昭和唐朝阳(2021)构建了RIES系统耗散结构的判定模型并进行实证分析;伊辉勇和曾芷墨[13]对耗散结构模型进行转译,运用“全局熵—突变级数”评价模型刻画系统耗散演化过程。
基于上述分析,本文尝试结合已有研究成果,基于科学转移思路,将耗散结构理论中的Brusselator经典模型移植到RIES系统演化分析中,同时,结合共生理论,基于共生单元、结构与模式、网络与环境等生态特征,构建创新投入—创新环境要素指标体系,进而构建RIES系统耗散结构的判定模型并对2013-2020年我国四大国家级城市群及毗邻省份的RIES系统耗散演化情况进行实证分析。
基于共生理论视角,可以发现RIES在系统开放交互、创新资源流动、生态位势差异以及结构动态演化4个关键维度上具备构成耗散结构的特征条件。基于RIES系统的开放属性,本研究提出RIES系统通过与创新环境进行资源(知识、技术、制度、信息)交互(系统的新陈代谢),在交互过程中改变系统平衡状态,进而触发“动力场”发生跃迁。如图1所示,伴随系统从非平衡状态1演进至非平衡状态2,系统耗散结构也从演化状态1突变至演化状态2,并持续演进至演化状态n,即进入耗散结构定态,实现状态的相对有序。
2.2.1 Brusselator模型
Brusselator Model 即布鲁塞尔模型(也称三分子模型),源于化学动力研究模型,其原理是通过数学建模观测化学反应中各元素自组织演化过程,可用于量化分析与判定复杂系统是否形成耗散结构。Brusselator模型包含四组数学方程式,如公式(1)所示[14]。
(1)
式(1)中,A与B为反应物,D与E为产物。在反应过程中,A与B不断被消耗并由外部环境持续补给,因此其浓度在反应过程中保持不变,而D与E作为产物,一旦产生即可去除;x,y是反应的中间产物,其浓度随时间变化。基于公式(1),进一步应用稳定性分析技术对系统可能出现的不稳定点进行判定识别,通过识别不稳定点,可研判系统耗散结构演化趋势。因此,参考任佩瑜等[15]提出的双变量微分方程组,构建系统变量x,y的演化动力学模型,如公式(2)所示。
(2)
在不考虑扩散项
的情况下,进一步设k1=k2=k3=k4=1,则公式(2)可以简化为:
(3)
由公式(3)可进一步推导,设
经坐标转换后,再设
进而在稳定状态解(x0,y0)处获得稳态方程(线性化的方程),如公式(4)所示。
(4)
进一步,设置公式(4)中线性化方程的特征值为λ,稳定性参数为ω,则有λ2-ωλ+T=0,其中
基于上述分析,可得到如表1所示的5种典型状态。
图1 RIES系统耗散结构
Fig.1 Dissipative structure of RIES system
表1 系统耗散演化的5种典型状态
Tab.1 Five typical states of system dissipation evolution
序号条件结果1ω<0并且ω2>4a2时λ1,2均为负实根系统稳定x0 ,y0 为稳定节点2ω>0并且ω2>4a2时λ1,2均为正实根系统偏离定态点x0 ,y0 为不稳定节点3ω<0并且ω2<4a2时λ1,2均为实部为负的共轭复根系统收敛x0 ,y0 为稳定焦点4ω<0并且ω2<4a2时λ1,2均为实部为负的共轭复根系统收敛x0 ,y0 为稳定焦点5ω>0并且ω2<4a2时λ1,2均为实部为正的共轭复根系统振动x0 ,y0 为不稳定焦点6ω=0时,有纯虚根系统处于临界状态
如表1所示,ω≤0时,系统处于稳定状态 ⟹低效率无序结构;当ω>0时,系统失去稳定⟹向有序的耗散结构进行演化。因此,系统耗散结构的判定条件可描述为公式(5)。
(5)
基于公式(5)所示的判定逻辑,可以对系统是否形成耗散结构进行定量判定,但仍需进一步挖掘系统耗散演化规律。结合突变理论,借鉴李柏洲(2012)的突变级数和王展等(2021)的全局熵研究成果,构建“突变级数+全局熵”的综合评估模型,进而实现对系统耗散演化内在机理的深度分析。
2.2.2 Brusselator模型的RIES系统转译
结合RIES系统共生演化的理论分析,对Brusselator模型进行科学转译。
(1)经转译的Brusselator模型,A代表区域创新投入(生态学领域中推动演化发展的营养物质);B代表区域创新环境(共生环境);A、B作为反应物,通过系统外要素的持续补给与流动,维持稳定“浓度”。
(2)D代表区域创新系统产生的收益(创新绩效),E代表区域创新活动的产出(耗散结构)。
(3)x,y是反应的中间产出物,如x代表创新成果,y代表成果转化能力。
基于上述分析,对RIES系统的Brusselator模型进行描绘,具体如图2所示。
图2 RIES系统的Brusselator模型
Fig.2 Brusselator model of RIES system
2.2.3 指标选取与数据来源
(1)构建评价指标体系。经过科学转译后,RIES系统的耗散演化由A区域创新投入与B区域创新环境共同决定。由此,结合共生单元、结构与模式、网络与环境等生态特征,搭建基于区域创新投入—区域创新环境双重维度的评价指标体系,具体如表2所示。
表2 RIES系统的Brusselator模型评价指标体系
Tab.2 Brusselator model evaluation indicator system of RIES system
目标层变量层测度指标A区域创新投入创新种群x1高校、科研机构和高新技术企业数量x11有研发机构的企业数占企业总数比重x12规模以上工业企业(家)x13创新资金投入x2R&D经费内部支出x21规上工业企业引进技术、消化吸收和技术改造经费占GDP的比重x22高校、科研院所研发经费来自企业资金的比例x23R&D人员全时当量x31创新资源投入x3科技项目数x32科研和技术服务业固定资产投资x33国家大学科技园、企业孵化器x34居民消费水平y11B区域创新环境经济环境y1大型高技术企业主营业务收入y12各地区人均国内生产总值y13政府R&D内部经费支出y21政策环境y2科技经费支出占地方财政支出的比重y22地方财政教育支出y23技术市场环境y3技术市场成交额y31技术市场合同数y32劳动者素质(6岁及以上人口中大专以上学历人口占比)y33
(2)样本选取:参考四大城市群发展规划纲要的最新划分标准,选取京津冀城市群、粤港澳大湾区、长三角城市群、成渝地区双城经济圈所对应的省域以及相邻省域作为研究对象,共计20个样本。
研究设定k1=k2=k3=k4=1,进而采用Matlab2020b测算样本的耗散结构,并以公式(5)所示的标准作为判定条件,对系统耗散结构进行判定,测算结果如表3所示。
基于表3的测算数据,进一步按照“京津冀城市群及毗邻省份”“长三角城市群及毗邻省份”“粤港澳大湾区及毗邻省份”和“成渝地区双城经济圈及毗邻省份”对样本进行具体分析。
3.1.1 全局数据层面
(1)对比2013年样本点的RIES系统耗散结构判定值,可知,2015-2020年随着区域创新投入增大,区域创新环境不断完善,创新政策、体制机制、产业结构不断优化,各区域创新产出效率与成果转化能力显著提升,越来越多省(市)的RIES系统形成耗散结构,具有耗散结构的省(市)数量从2013年的3个增长至2017年的11个并保持至2020年。
(2)实证结果显示,2015-2020年样本点RIES系统耗散结构的判定值具有显著连续性,如以2013年为起点,北京、上海、香港一直维持耗散结构(时长8年),以2015年为起点,北京、上海、香港、天津、浙江、安徽、山东、湖北、四川一直保持耗散结构(时长6年)。上述数据特征符合耗散结构的理论逻辑,即当某省(市)在某时间点形成耗散结构后,将会在后续周期内保持该状态。
3.1.2 分区域数据层面
(1)2015-2020年京津冀城市群及毗邻省份RIES系统耗散结构的判定值显示:5个样本点中北京、天津、河南形成耗散结构,占60%;河北、山西尚未形成耗散结构;北京、天津的耗散结构判定值,即b-1-a2值呈现递增趋势。
(2)2015-2020年长三角城市群及毗邻省份RIES系统耗散结构的判定值显示,6个样本点中仅江苏尚未形成耗散结构,其它样本点都形成耗散结构,上海、浙江、安徽、湖北、山东5个样本点的耗散结构判定值即b-1-a2值呈递增趋势。
(3)2015-2020年粤港澳大湾区及毗邻省份RIES系统耗散结构的判定值显示,4个样本点中香港、广东形成耗散结构,福建、海南尚未形成耗散结构。
(4)2015-2020年成渝地区双城经济圈及毗邻省份RIES系统耗散结构的判定值显示,5个样本点中仅四川、陕西形成耗散结构,重庆、贵州、云南尚未形成耗散结构。
表3 样本点RIES系统耗散结构判定值
Tab.3 Determination values of dissipative structure of RIES system at sample points
样本来源省(市)2013b-1-a2是否形成耗散结构2015b-1-a2是否形成耗散结构2016b-1-a2是否形成耗散结构2017b-1-a2是否形成耗散结构2018b-1-a2是否形成耗散结构2019b-1-a2是否形成耗散结构2020b-1-a2是否形成耗散结构京津冀城市群北京0.020 9是0.018 2是0.017 1是0.018 1是0.017 3是0.018 9是0.019 3是天津-0.001 8否0.000 7是0.001 1是0.001 5是0.002 8是0.003 2是0.003 9是河北-0.002 6否-0.001 9否-0.001 4否-0.001 3否-0.001 9否-0.001 6否-0.002 1否京津冀毗邻省份山西-0.003 3否-0.004 1否-0.003 9否-0.003 5否-0.003 8否-0.003 1否-0.002 9否河南-0.002 5否-0.000 2否0.000 4是0.000 8是0.000 6是0.001 1是0.001 2是长三角城市群上海0.003 4是0.004 3是0.004 5是0.005 1是0.005 3是0.005 7是0.005 9是江苏-0.012 1否-0.003 8否-0.004 1否-0.001 9否-0.001 1否-0.000 3否-0.000 2否浙江-0.003 5否0.000 1是0.000 3是0.000 6是0.000 3是0.000 7是0.001 1是安徽-0.001 7否0.000 1是0.001 4是0.001 7是0.001 2是0.002 1是0.002 2是长三角城市群毗邻省份山东-0.003 1否0.002 7是0.002 1是0.002 2是0.001 8是0.002 5是0.002 6是湖北-0.000 7否0.002 9是0.002 8是0.003 1是0.002 7是0.003 2是0.003 3是粤港澳大湾区香港0.003 7是0.003 2是0.003 4是0.002 9是0.003 7是0.004 1是0.004 3是广东-0.000 8否0.007 5是0.005 8是0.000 2是-0.000 7否-0.001 2否-0.001 7否粤港澳大湾区毗邻省份福建-0.003 5否-0.000 8否-0.000 9否-0.000 4否-0.000 5否-0.000 2否-0.000 1否海南-0.006 7否-0.006 9否-0.007 1否-0.006 8否-0.007 4否-0.006 5否-0.006 3否成渝地区双城经济圈重庆-0.004 9否-0.004 7否-0.004 3否-0.004 4否-0.005 2否-0.004 6否-0.004 8否四川-0.000 6否0.000 4是0.000 5是0.000 8是0.000 2是0.000 7是0.001 1是成渝地区双城经济圈毗邻省份陕西0.000 2是-0.000 2否-0.000 1否0.000 2否0.000 1是0.000 3是0.000 4是贵州-0.005 1否-0.004 8否-0.004 2否-0.003 7否-0.004 1否-0.003 3否-0.003 1否云南-0.003 9否-0.003 9否-0.003 5否-0.003 6否-0.004 5否-0.002 9否-0.003 2否
综上,我国四大国家级城市群及毗邻省份RIES系统整体有序性表现为:长三角城市群及毗邻省份>京津冀城市群及毗邻省份>粤港澳大湾区及毗邻省份>成渝地区双城经济圈及毗邻省份。
3.1.3 特殊情况
(1)数据结果显示,山西、河北等东中部资源型省份2015-2020年的b-1-a2值持续保持负数,并呈现出较稳定状态,说明系统的新陈代谢速率放缓,创新驱动发展的后劲相对不足;而福建、海南两省RIES系统从未形成耗散结构,可能的原因是在集聚创新资源时,系统中积累的主要问题和深层次矛盾仍未解决,尤其是新兴产业支撑带动效力不足。
(2)江苏、重庆等经济发达省(市)的RIES系统在2015-2020年一直未形成耗散结构。以江苏为例,分析其原因,无论是创新投入(优质高新技术企业数量与财政支撑水平),还是创新资源(科研机构与高校集聚),抑或是创新环境(先行先试政策、良好的市场环境以及国家自主创新示范区、国家创新型城市、国家高新区等区位优势),江苏均具备得天独厚的创新条件,正是在这样的优势下逐步呈现“马太效应”,即江苏能够不断强化创新优势,积极与外部进行创新合作。数据显示,2020年江苏人均GDP居全国各省(区)之首,达12万元,迈过国际货币基金组织制定的“人均GDP1.7万美元”的创新驱动发展标准,进入创新驱动发展模式。纵观整个“十三五”,江苏省R&D经费支出持续保持增长态势,R&D经费投入总额位列全国第二,并且在科技创新能力、科研产出、学历结构等关键领域领先全国,仅落后于北京、广东,但这种优势是通过外界“他组织”实现的,而不是形成耗散结构的自组织RIES系统实现的,主要表现为“苏南、苏中与苏北创新能力水平和财政实力存在较大差距”。
为深入分析RIES系统耗散演化过程,在测算耗散结构判定值的基础上,结合突变理论,对样本省(市)的区域创新投入和创新环境进行评价。
步骤1:依据表2 的RIES系统Brusselator模型评价指标体系中测度指标的数目进行变量分层。
步骤2:以SPSS25.0作为分析工具,按照全局熵值法确定指标权重;
步骤3:分析指标关系,有关联的为互补型。
依据上述步骤,得出如表4所示的分析结果。
基于表4的权重结果及突变级数类别,可进一步得到:
第一,针对x1,有x11,x12,x13共3个测度指标,权重值分别为0.092 9、0.098 3、0.096 3,由此可得
第二,针对x2,有x21,x22,x23共3个测度指标,权重值分别为0.125 1、0.140 7、0.125 8,由此可得
第三,针对x3,有x31,x32,x33,x34共4个测度指标,权重值分别为0.103 7、0.097 3、0.045 5、0.074 4,由此可得
基于上述分析,可进一步得到A区域创新投入的评价值:
采用同样的计算方式,得到
可进一步得到20个样本点RIES系统创新投入—创新环境耗散演化评价结果,具体如表5所示。
表4 指标权重与突变类型分析结果
Tab.4 Analysis results of indicator weights and mutation types
目标层变量层测度指标指标权重QA区域创新投入(蝴蝶突变)(互补型)x1(燕尾突变)(非互补型)0.287 5x110.092 9x120.098 3x130.096 3x2(燕尾突变)(互补型)0.391 6x210.125 1x220.140 7x230.125 8x3(蝴蝶突变)(非互补型)0.320 9x310.103 7x320.097 3x330.045 5x340.074 4B区域创新环境(燕尾突变)(互补型)y1(燕尾突变)(非互补型)0.335 1y110.110 9y120.098 7y130.164 2y2(燕尾突变)(互补型)0.347 2y210.144 6y220.100 7y230.101 9y3(燕尾突变)(互补型)0.317 7y310.109 4y320.110 2y330.098 1
(1)评价结果显示,区域创新投入—区域创新环境耗散评价值呈正向演化,系统逐步向耗散结构演进。京津冀城市群及毗邻省份、长三角城市群及毗邻省份、粤港澳大湾区及毗邻省份,以及成渝地区双城经济圈及毗邻省份的创新环境评价值普遍高于创新投入评价值,说明2015-2020年四大城市群及毗邻省份的创新环境(经济、市场、技术)显著优化,对区域创新活力及创新成果转化具有积极作用,促进RIES系统向有序稳定方向发展。
表5 样本点RIES系统创新投入—创新环境耗散演化评价结果
Tab. 5 Evaluation results of dissipative evolution of "innovation input-innovation environment" of RIES system at sample points
地区区域创新投入评价值2013201520162017201820192020区域创新环境评价值2013201520162017201820192020京津冀城市群及毗邻省份北京0.709 20.713 20.716 30.723 40.721 10.725 90.730 10.869 10.883 10.889 70.898 40.904 30.914 50.920 6天津0.674 80.687 30.689 20.691 40.700 80.715 70.722 30.804 90.817 10.823 20.829 70.831 10.834 50.838 9河北0.646 80.656 90.664 10.672 30.680 10.681 70.683 40.700 90.723 40.733 40.742 90.762 10.770 10.778 5山西0.587 10.578 70.588 10.601 20.600 90.604 90.688 70.688 70.701 40.706 50.721 10.732 30.733 60.739 5河南0.661 10.679 50.686 20.701 10.706 50.725 90.734 10.706 90.723 70.733 10.745 10.758 40.763 80.773 4长三角城市群及毗邻省份上海0.711 60.713 70.716 20.721 90.723 20.733 10.742 10.834 20.843 10.850 10.855 40.865 10.872 90.880 7江苏0.844 10.852 30.865 90.876 20.859 50.867 30.870 10.818 10.826 60.830 30.841 90.852 10.863 10.869 7浙江0.752 90.754 20.754 10.753 80.753 80.753 80.753 80.789 20.799 30.812 10.820 30.834 50.847 80.850 4安徽0.674 80.687 10.707 40.725 90.731 40.758 10.761 10.724 30.751 90.762 10.775 10.785 40.797 10.799 4山东0.763 20.764 50.770 20.781 10.788 60.799 40.801 10.763 90.788 40.797 60.807 20.822 30.829 10.830 1湖北0.692 70.706 90.708 70.720 40.731 50.748 90.752 10.758 40.789 50.798 10.803 60.810 90.821 70.829 4粤港澳大湾区及毗邻省份香港0.862 30.881 70.895 20.912 60.914 70.920 20.929 20.789 20.811 20.818 70.826 60.832 90.847 50.858 6广东0.853 10.882 90.896 40.913 80.915 90.921 40.930 40.799 10.812 40.819 90.827 80.834 10.848 70.859 8福建0.684 10.697 10.729 40.732 90.741 10.756 90.760 50.751 90.768 10.772 10.782 60.792 10.804 70.812 1海南0.559 20.568 60.568 70.568 40.568 90.566 10.569 70.665 90.688 60.690 10.700 70.706 30.717 80.720 8成渝地区双城经济圈及毗邻省份重庆0.625 30.651 40.665 80.680 20.687 80.702 30.708 90.735 80.745 20.754 10.753 20.770 90.771 40.775 6四川0.684 70.692 60.708 10.721 90.734 40.746 90.758 90.732 10.754 40.761 90.773 70.792 90.800 70.809 2陕西0.663 90.673 10.679 40.683 10.680 80.691 30.700 40.754 90.776 20.782 90.799 30.812 30.827 30.830 1贵州0.609 40.617 10.618 90.633 90.634 20.642 80.649 10.623 30.673 20.688 90.711 90.714 30.726 80.731 5云南0.577 10.593 20.590 80.600 10.601 80.610 70.618 40.667 40.690 80.699 40.706 50.716 20.723 90.733 9
(2)评价结果显示,样本点区域创新投入-区域创新环境耗散评价值逐步提高。如图3所示,对比2013年、2015年、2017年、2019年4个时间节点,可以发现,样本点RIES系统耗散演化分布呈现出象限3→象限2→象限1的演化趋势,即持续向“高区域创新投入-高区域创新环境”方向发展。
(3)评价结果显示,四大城市群及毗邻省份的耗散演化存在差异。对比2013年四大城市群及毗邻省份数据值可见:①广东、香港两地的区域创新投入值显著高于其它省(市);②北京的区域创新环境明显优于其它省(市);③成渝地区双城经济圈及毗邻省份的创新环境评价值普遍高于创新投入评价值;④四大城市群中心省(市)的创新投入和创新环境水平明显优于毗邻省份。
对比2020年四大城市群及毗邻省份的数据值可见:①在广东、香港两个地区的基础上新增了江苏,3个地区的创新投入值显著高于其它省域;②北京、上海两市的区域创新环境明显优于其它省域,其中,相较于2013年,上海的区域创新环境有较大提升;③广东的创新投入评价值明显优于北京和上海,但北京、上海的创新环境评价值比广东高,说明仅凭持续的高创新投入也难以形成耗散结构,需要创新投入与环境的共同作用;④四大城市群中心省(市)与毗邻省份的差距逐步缩小,中心省(市)的辐射带动效应逐步显现。
a.2013年样本点RIES系统的“创新投入—创新环境”二维象限图
a.Two dimensional quadrant diagram of "innovation input innovation environment" of RIES system at sample points in 2013
b.2015年样本点RIES系统的“创新投入—创新环境”二维象限图
b.Two dimensional quadrant diagram of "innovation input innovation environment" of RIES system at sample points in 2015
c.2017年样本点RIES系统的“创新投入—创新环境”二维象限图
c.Two dimensional quadrant diagram of "innovation input innovation environment" of RIES system at sample points in 2017
d.2019年样本点RIES系统的“创新投入—创新环境”二维象限图
d.Two dimensional quadrant diagram of "innovation input innovation environment" of RIES system at sample points in 2019
图3 2013、2015、2017、2019年样本点RIES系统的“创新投入—创新环境”二维象限图
Fig.3 Two dimensional quadrant diagram of "innovation input innovation environment" of RIES system at sample points in 2013, 2015, 2017 and 2019
基于科学转移思路,将耗散结构理论中的Brusselator经典模型移植到RIES系统演化分析中,结合共生理论,围绕共生单元、结构与模式、网络与环境等生态特征,构建创新投入—创新环境要素指标体系,推导RIES系统形成耗散结构的判定条件,进一步运用“全局熵—突变级数”评价模型刻画系统耗散演化过程。通过构建RIES系统耗散结构的判定模型,对2013-2020年我国四大国家级城市群及毗邻省份的RIES系统耗散演化状态进行实证分析,结果发现:
(1)我国四大城市群及毗邻省份的RIES系统具有开放性、非线性耦合、远离平衡态、涨落现象等特性,具备形成耗散结构的前提条件。其中,北京、天津、上海等11个样本点的RIES系统已形成耗散结构,其它部分地区虽未形成耗散结构但正向耗散结构演进,我国四大国家级城市群及毗邻省份RIES系统的整体有序性表现为:长三角城市群及毗邻省份>京津冀城市群及毗邻省份>粤港澳大湾区及毗邻省份>成渝地区双城经济圈及毗邻省份。
(2)样本点耗散评价值向正向演化,系统趋向耗散结构,2015-2020年四大城市群及毗邻省份的创新环境(经济、市场、技术)显著提升,对区域创新活力及创新成果转化具有积极作用,促进RIES系统向有序、稳定方向发展。
(3)对比2013、2015、2017、2019年4个时间节点,样本点RIES系统的耗散演化分布整体呈现为象限3→象限2→象限1的演化趋势,即持续向“高区域创新投入—高区域创新环境”方向发展。
(1)探索打造以国家、区域产业策源为导向的区域创新中心。相较于其它城市,实体经济与未来科技“两头强”是北京、上海、深圳等创新中心城市的产业比较优势,也是RIES系统能级全面提升的关键基础。因此,建议按照“遵循比较优势、发挥后发优势和塑造竞争优势”的基本理念,通过增长甄别、因势利导,重点打造一批国家级科技创新平台,重点围绕“两头强”优势,打造以国家、区域产业策源为导向,以国家创新中枢为目标,基础研究与关键核心技术攻关并重,产学研用一体化结合的国家创新中心雁阵,提升产业链、供应链现代化水平,强化创新策源功能。
(2)积极探索构建更为紧密的区域性协同创新体制机制。基于中心城市区域创新枢纽的发展定位,在区域产业中心共建、关键共性技术协同攻关、科技创新成果协同转化、双向飞地经济建设以及人才多元培育等方面进行深入探索,展开先行先试。加快区域内整合,建设跨区域协同的产业链与创新链,逐步形成“研发—转化—制造—销售”区域一体化协作体系。
(3)积极培育、壮大本土“专精特新”中小企业。区域创新需按“圈”规划,加强政府对本土“专精特新”中小企业的政策倾斜与专项扶持力度,充分发挥市场主导作用,推进本土优势中小企业与行业龙头企业融通发展;加速构建与完善区域创新网络,围绕创新生态系统中的关键条件要素,重点在财税政策、创新孵化、科技金融、成果转化以及平台支撑等方面进行先行先试探索。加快推进区域内高校、科研院所与本土“专精特新”中小企业联合兴办符合国家发展需求导向的基础学科及新兴前沿学科联合研究中心、研究院或创新联盟,加大前瞻性、多元化、稀缺性专业人才引进。
(4)形成基于要素资源—创新投入—产业结构的“市场—技术—市场”的良性循环。在促进“市场—技术—市场”的良性循环中,第一个“市场”是指企业与科研机构间的良性互动,以市场需求为导向进行深度的产学研合作,实现科研机构与企业技术需求的精准对接;第二个“市场”是指要让科技成果能够及时产业化。“市场—技术—市场”良性循环的核心是实现创新链与产业链的高效对接,即充分响应习近平总书记在考察陕西时的重要指示,“要围绕产业链部署创新链、围绕创新链布局产业链,推动经济高质量发展迈出更大步伐”。因此,未来的着力点是引导科技活动从自循环向科研与市场融合联动的大循环转变,同时,保持政策稳定性、连续性,逐步建立并完善要素集成、资源集中、服务集聚的政产学研金服用创新体系。
[1] 王展昭,唐朝阳. 区域创新生态系统耗散结构研究[J].科学学研究,2021,39(1):170-179.
[2] 雷雨嫣,陈关聚,刘启雷.高技术产业创新生态系统的创新生态位适宜度及演化[J].系统工程,2018,36(2):103-111.
[3] 芦冬青.基于结构洞理论的区域创新生态系统创新动力机制研究[J].西昌学院学报(自然科学版),2018,32(1):50-55,110.
[4] 代冬芳,俞会新.基于哈肯模型区域创新生态系统演化动力实证分析[J].工业技术经济,2021,40(6):36-42.
[5] 张笑楠.战略性新兴产业创新生态系统共生演化仿真研究[J].系统科学学报,2021,29(2):64-69.
[6] 王庆金,王焕良,周键.区域一体化创新生态系统演化及治理机制研究[J].东岳论丛,2021,42(9):51-62.
[7] 武翠,谭清美.长三角一体化区域创新生态系统动态演化研究——基于创新种群异质性与共生性视角[J].科技进步与对策,2021,38(5):38-47.
[8] 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.
[9] 蔡杜荣,于旭.“架构者”视角下的区域创新生态系统形成与演化——来自珠海高新区的经验证据[J].南方经济,2022,40(3):114-130.
[10] 苏屹,姜雪松,雷家骕,林周周.区域创新系统协同演进研究[J].中国软科学,2016,31(3):44-61.
[11] 吴颖,车林杰.耗散结构理论视角下的协同创新系统耗散结构判定研究[J].科技管理研究,2016,36(10):186-190.
[12] 赵炎,武晨.基于耗散结构的区域创新系统绩效评价研究[J].科研管理,2018,39(S1):37-43.
[13] 伊辉勇,曾芷墨.高技术产业创新生态系统耗散演化研究——运用Brusselator模型对中国省级区域的经验分析[J].西部论坛,2021,31(6):81-95.
[14] SCHNEIDER F W. Periodic perturbations of chemical oscillators: experiments[J].Annual Review of Physical Chemistry, 1985, 36(1): 347-378.
[15] 任佩瑜,张莉,宋勇.基于复杂性科学的管理熵、管理耗散结构理论及其在企业组织与决策中的作用[J].管理世界,2001,17(6):142-147.