开放科学(资源服务)标识码(OSID)：
To this end,this paper systematically combs the research results on vulnerability at home and abroad, and finds that there are few innovative evaluation studies from the perspective of vulnerability, and the sample coverage needs to be improved. Therefore,this paper defines the concept of innovation vulnerability in high-tech zones at the theoretical level, and fully considers the internal operation logic of the innovation system of high-tech zones to abstract the PSR correlation model of its driving mechanism. At the empirical level, 147 high-tech zones in China are taken as the research objects. A comprehensive evaluation index system is established, vulnerability is measured at macro and micro levels, and the differentiated segmentation and spatial presentation of results are realized through the Jenks method and ArcGIS. Then the coordination and functional effectiveness of each link of the innovation system of the high-tech zone are analyzed, and the obstacle links and key vulnerability factors of the innovation system are excavated through the obstacle degree model.
Through the theoretical and empirical analyses, the following conclusions are drawn. First, on the whole, China has successfully created a number of innovation highlands with low innovation vulnerability, but the “Matthew effect” is prominent, and the innovation vulnerability of high-tech zones located at the poles is quite different. Second, from the perspective of each subsystem, the strength of the subsystem is significantly different, and it shows the increasing vulnerability of the innovation system from the coastal to the inland. Third, from the perspective of system coordination, the overall coordination of high-tech zones is good, but some of the high-tech zones established earlier have serious industrial isomorphism, and the location dilemma of inland regions where the innovation system is not coordinated is obvious. Fourth, from the perspective of obstacles, response barriers have become key obstacles, and poor performance in the state of innovation is also an important constraint.
According to the above conclusions, in order to achieve high-quality innovation and development, high-tech zones should actively implement the promotion method to narrow the regional difference, make full use of the opportunities brought by knowledge spillover while building an innovation highland with international influence, and help late-developing parks achieve low-vulnerability innovation. It is essential to adhere to the dual track of strong connection and make up for shortcomings to improve system coordination, optimize the pressure resistance capacity and state performance of the innovation system of the national high-tech zone, and promote the construction and improvement of talent training, enterprise cultivation, brand building, urban informatization and income structure rationalization. To improve fault tolerance and adaptability and enhance system flexibility to resolve response obstacles, the national high-tech zone should actively explore the trend of innovation and development, and take the passive response of high-end, green and intensive industries as the main direction of active response.
开放科学(资源服务)标识码(OSID)：
我国高新区聚集了全国36.4%的高新技术企业,在信息技术、光电子、集成电路等领域培育出了华为、腾讯、小米等一批全球领军企业和3 330家瞪羚企业,创新成果骄人。然而,关键领域遭遇“卡脖子”难题、高技术产业技术密集度低、产城融合遇阻、同质竞争严重等现实问题也极大制约了我国高新区创新质效升级。同时,我国实现“双碳”目标的时间表,更是对高能耗产业占比较大的高新区提出了严峻挑战。这些内外压力要求高新区必须全面审视自身创新体系,找准脆弱点并强化主体对创新环节的把控,探索创新脆弱性应对方法以控制创新风险。本文借助复杂系统脆弱性理论中的PSR模型,在“压力—状态—响应”循环框架下构建创新脆弱性评价体系,并结合测算得到的创新脆弱性特征值,运用协调性函数、障碍性指数验证系统协调性,挖掘关键脆弱元。
我国高新区的创新活动是对国家创新发展战略的积极响应,有学者论证了创新政策对园区创新活动涌现、创新效率改善和创新能力强化的正向影响[1],而政策导向下的颠覆式创新[2]和渐进式创新[3]是可供高新区选择的两大创新路径。随着“创新鸿沟”[4]和“达尔文海”问题[5]的日益凸显,创新持续性问题也受到极大关注。由于高新区创新活动受内外扰动影响显著,因此有必要探索创新系统协调联动的自救新模式(马艳艳等,2013)。基于此,学者们秉持系统观点分析高新区创新系统的生态性、协调性、绿色度[6],并从政策角度探讨创新体制[7]、创新平台和示范效应[8]对高新区创新效率的影响。从生态环境角度,陈向东等(2014)从“态—势—流”三方面验证创新生态系统对绿色创新效率提升有正向影响;王欣亮等[9]从整体和区域创新两个维度论证营商环境与创新效率正相关;以创新协调度为立足点,有学者通过对长三角科技创新的实证研究发现,系统耦合协调度与空间均衡性显著影响区域创新发展(方叶兵等,2022);以产业集聚为切入点,苏建军等[10]对中原城市群高新技术产业集聚状况进行面板回归分析,结果显示,信息化水平是影响地区高新技术产业集聚的首要因素。此外,高新区要素投入[11]、产业结构[12]、产城融合也是学者们探寻制约园区创新发展的重要维度。
创新能力是助力高新区经济增长、产业发展和赢得竞争优势的关键因素,如何全方位评判园区创新水平一直备受关注。以硅谷指数为代表的创新能力评价体系成为学者们研究全球科技发展水平的重要工具,经6次修订的中国国家高新区评价指标体系也为不同时期我国高新区的创新发展指明了方向。学术界基于关联要素[13]、竞争优势[14]、组织运行[15]等不同侧重点以及理论基础,尝试性提出一系列高新区创新能力评价体系,并将动态系统[16]、突变级数、数据包络[17]等计量方法用于评价模型构建。上述研究多以省域、园区为基本单元,结果显示,高新区创新系统具有多要素投入、多主体参与、各环节紧密联系的复杂特征,系统稳定性与协调性易受到冲击和挑战,呈现脆弱性(雷雨嫣等,2016)。然而,将脆弱性概念及其评估方法引入高新区创新评价研究领域的成果偏少,以国家高新区为样本展开创新脆弱性实证分析的研究更是鲜有。因此,本文将对高新区创新脆弱性概念进行界定,充分考虑我国高新区创新的多维特征,运用PSR模型对不利扰动下我国高新区创新系统的脆弱性进行测度,找出创新链薄弱点和创新系统中的致脆环节,为国家高新区改善创新脆弱性指明方向。
脆弱性源自拉丁文Vulnerare,并于20世纪70年代首次作为科学术语用于水污染监测,意为系统遭受损害的可能性,此后脆弱性理念逐渐渗透到人文社科领域,可理解为系统对内外扰动的敏感性、系统应对能力的缺乏,以及系统结构与功能易发生改变的一种属性。该概念范畴呈现多维化与复合化特征,现扩展为暴露性、易损性、敏感性、适应性、恢复力和变革力等一系列关联内容的集合。这种发展趋势对界定具有普适意义的脆弱性概念造成一定障碍,学者们多在一般性含义基础上结合研究对象特征衍生出更具实践意义的脆弱性概念。
脆弱性理念引入创新管理领域较晚,虽已用于创新绩效[18]、创新网络[19]和创新政策[20]等研究,但尚未形成统一明确的创新脆弱性概念。创新是一项涉及经济社会各领域的复杂系统工程,因此创新脆弱性是在复杂、动态环境中创新系统对内外扰动因素敏感且缺乏抵抗力,进而影响整体稳定性与功能有效性所表现出的一种属性。国家高新区是科产融合的重要创新平台,准确识别与修复高新区创新脆弱性是激发其创新活力、突破创新瓶颈和实现成果转化的有力保证。高新区创新脆弱性内涵主要包括以下方面:第一,高新区创新系统结构存在薄弱环节;第二,高新区是复杂系统中的一个主体,其创新功能受系统内外扰动因素影响;第三,高新区创新系统具有主动优化结构以应对危机的自组织特征。
2.2.1 创新脆弱性评价的PSR框架
园区创新脆弱性测度实质就是要回答园区建设中为何存在创新压力?压力下园区创新状态如何?化解创新压力的效果如何?解答上述问题与学界常用于探讨可持续发展、生态治理等领域的PSR分析框架高度契合。PSR框架意为“压力(Pressure)—状态(State)—响应(Response)”模型,由Tony等在分析自然环境所处压力、现状与响应关系时提出,随后经济合作与发展组织(OECD)分析了该模型在生态环境评价领域的适用性和有效性。目前PSR模型因其指标覆盖范围广、因果关系明晰、可反映多因素影响下的动态传导机制等优点,被广泛用于社会经济多个领域研究。
遵循PSR框架的基本分析思路,本文从压力、状态和响应3个维度构建高新区创新脆弱性评价指标体系,对创新脆弱性的扰动因素、敏感状态和自应对效果进行综合评价,旨在从多角度揭示高新区创新脆弱性。整个系统具有动态传导特征,形成一个有机循环体。其中,压力是脆弱性产生的驱动源,状态是脆弱性作用的承载体,响应是脆弱性应对的处置力。状态作为压力作用的客体和响应反馈的主体,是PSR三维度汇聚的交点。在内源性压力与外生性压力的交互作用下,高新区受创新主体、创新中介、创新要素、创新环境的影响,在知识与技术基础、经费与人员投入、组织机构设置和产出成果等方面表现出受压状态,进而通过全要素宏微观调控改善受压状态,如图1所示。
图1 国家高新区创新脆弱性的PSR关联模型
Fig.1 PSR correlation model of innovation vulnerability in national high-tech zones
2.2.2 创新脆弱性评价指标与释义
依据PSR模型原理,在确保数据可得性基础上构建高新区创新脆弱性评价指标体系,遴选出29项指标,使得绝对指标数量与相对指标数量之比为9∶20,以突出比较视阈下的脆弱性,同时,综合呈现创新脆弱性的作用方向、强度、持久性等方面。考虑到要与国际创新研究惯例接轨,为避免部分年份异常值的干扰,多数指标值采用三年的平均水平,如表1所示。其中,7项压力类指标反映高新区创新脆弱性的内源性和外生性两类风险源;10项状态类指标从资金、人员、技术、企业等方面揭示创新脆弱性现状;12项响应类指标反映园区及关联主体为改善创新脆弱性而付出的努力。
表1 国家高新区创新脆弱性评价指标体系
Tab.1 Evaluation index system of innovation vulnerability in national high-tech zones
准则层指标层指标释义单位属性全局权重压力指标(P)收入结构技术含量P1近三年技术性收入均值/近三年营业收入均值万元-0.029 8创新规模效益P2近三年技术性收入平均增速/近三年R&D经费支出平均增速%-0.009 2国际市场开拓水平P3近三年园区出口创汇区位熵均值%-0.011 4产业集聚辐射力P4(第i个园区营业收入/所有园区营业收入之和)/(第i个园区母城GDP/所有母城GDP之和)%-0.016 7城市信息化水平P5城市信息化指数--0.056 0主导产业同构性P6各园区主导产业同质性%+0.044 3环境改善贡献度P7近三年万元工业增加值综合能耗均值吨标准煤+0.304 4状态指标(S)智力资源与技术力量S1园区所在母城高校、研发机构数家-0.014 3企业知识技术积累S2专利+注册商标数+软件著作权+集成电路布图设计+植物新品种件-0.006 0人均研发经费投入S3R&D经费支出/R&D人员全时当量万元/人-0.016 7研发经费平均存量S4经费支出×(1+经费年均增长率)/(经费年均增长率+缩减率),缩减率采用15%万元-0.009 9员工技能成熟度S5近三年中高级职称人员数占比均值%-0.013 6研发人员密集度S6R&D人员人数/从业人员人数%-0.035 7从业人员转化度S7高技术服务从业人员数/从业人员总数%-0.020 1企业研发重视程度S8近三年企业R&D经费支出均值万元-0.008 2入驻企业高新程度S9高新技术企业数/入统企业数%-0.051 1创新品牌知名度S10母城拥有中国驰名商标数件-0.042 0响应指标(R)从业人员受教育程度R1近三年大专及以上人员占比均值%-0.007 4创新人才集聚速度R2近三年科技活动人员平均增速%-0.014 0研发创新强化度R3近三年R&D经费支出平均增速%-0.004 1创业孵化支持水平R4(创新服务机构数+入统创业导师数)/2的标准值--0.005 2创新主体培育进度R5近三年新认定高新技术企业数平均值家-0.014 3创新协作开放度R6 近三年开展产学研合作研发费用支出平均增速%-0.006 5技术成果转化效率R7近三年高新区技术合同成交额平均增速%-0.007 4技术服务外向度R8技术服务出口创汇额/母城出口创汇总额%-0.011 2政府创新倾斜度R9近三年园区财政科技拨款均值/(近三年财政科技拨款均值+企业内部科技支出均值)%-0.039 5标准制定参与度R10国家标准数+行业标准数+国际标准数件-0.004 1信息化平台建设R11母城互联网宽带及光纤用户数万户-0.016 8单位产值降耗水平R12近三年万元工业增加值的综合能耗降速均值%-0.180 1
说明:①P3缺失数据用线性均值插值法补齐;②P5统计口径变动,结合现实因素,参考近期披露数据;③指标属性分正(+)和负(-),分别反映指标值与创新脆弱度正相关或负相关
(1)压力指标,涵盖降低脆弱性的负向压力和增强脆弱性的正向压力两类。负向压力指标的遴选原则是:第一,与国家战略定位的契合度,如收入结构技术含量(P1)、创新规模效益(P2)反映园区增长动力、经营方式、发展质量是否偏离其战略定位;第二,社会环境变化的适应力,高新区提升国际市场影响力(P3)、扩大知识溢出效应(P4)、推动城市智能化建设(P5)是顺应经济全球化、知识经济化和网络信息化的重要举措。正向压力指标选取对国家绿色发展理念的响应程度,因园区产业结构趋同导致稀缺资源竞争性占用(P6)和工业发展需消耗大量不可再生能源(P7)是高新区实现持续创新过程中必须克服的压力。
(2)状态指标,均与高新区创新脆弱性负相关。①技术创新支持,园区可获性智力资源(S1)与内部知识技术积累(S2)是激发技术创新活力、提升技术成果转化效率的重要支撑,代表高新区创新潜力;②创新资源供给,重视研发经费投入(S3、S4)、科研人才引进(S5、S6、S7)、高新技术企业培育(S8、S9)是园区实现突破性创新和持续性输出的重要保证,反映高新区创新韧性;③创新成果产出,打造知名品牌(S10)是园区树立创新标杆的重要抓手,彰显自身创新实力。
(3)响应指标,是高新区和社会整体为改善园区创新脆弱性所作出的努力,各项指标均与脆弱度负相关。第一,园区内部响应,引导高素质人才(R1)向园区汇聚(R2)有利于壮大创新力量,加大高新企业(R5)孵化培育力度(R3、R4)可扩大创新主体规模,强化技术协作(R6)和促进成果转化(R7、R8)可获得更多创新效益,这些内部响应有助于降低园区创新脆弱性。第二,外部宏观调控,国家创新政策可从创新倾斜力度(R9)、评定标准综合化(R10)、城市信息化建设(R11)、环境友好型建设(R12)等方面助推园区创新脆弱性降低。
3.1.1 无量纲化处理
为解决评价指标量纲不一致问题,采用极差法对各指标分属性进行标准化。
Zij=(Xij-minXij)/(maxXij-minXij) (Xij为正指标)
(1)
Zij=(maxXij-Xij)/(maxXij-minXij) (Xij为负指标)
(2)
式中,i为评价园区;j为创新脆弱性评价指标;Xij为初始值;Zij为标准化值。
3.1.2 确定指标熵权
(3)
(4)
dj=1-ej
(5)
(6)
式中,Pij为标准化数据比值,ej为信息熵,dj为信息熵冗余度,Wj为指标权重。
3.1.3 创新脆弱性综合得分
为揭示高新区创新脆弱性的区域特征,运用客观赋权法对创新子系统与综合系统的脆弱性指数进行测算。
第一,高新区创新子系统的脆弱性指数。
(7)
式中,VIig为i园区第g项子系统的创新脆弱性指数;d为子系统g的指标总数。
第二,高新区创新系统的整体脆弱性指数。指数越大,表示脆弱性越高。
(8)
式中,VIi为i园区创新脆弱性综合得分。分值越大,表示脆弱性越高。
创新脆弱性评价是对创新系统由无序低级阶段向有序高级阶段演化的判断,协调度作为复合型参数,可反映创新系统子系统间的一致性与协调性。
Ri=1-Ci (0≤R≤1)
(9)
(10)
(11)
式中,Ri为创新脆弱性子系统间的协调度;Si为脆弱性指标值的标准差;
为脆弱性指标均值;Ci为变异系数,反映数据离散程度。
障碍度模型是基于综合评价模型建立的,用于挖掘影响系统功能的关键要素。本文引入该模型,对诱发创新脆弱性的关键脆弱元进行诊断。
Tj=Wj×Κg
(12)
Eij=1-Zij
(13)
(14)
(15)
式中,Tj为第j项因子贡献度;Kg为第g个准则层权重;Eij为第i个园区第j项指标的偏离度;Oij为第i个园区第j项指标脆弱性改善的障碍度;Ogj为第g个准则层第j项指标脆弱性改善的障碍度;Rg为第g个准则层脆弱性改善的障碍度。
4.1.1 综合测算结果
考虑数据可获得性、连贯性和重要性,本文以2017年前批复的147个国家高新区为实证对象,占现有国家高新区总数的87.5%,囊括世界一流高科技园区、创新型科技园区和创新型特色园区三类国家重点建设园区。按照上述运算步骤,得到指标权重(如表1)和各园区创新脆弱性指数(如表2)。结果显示:压力层权重系数达0.471 8,其中,环境改善贡献度(P7)指标权重为0.304 4,表明在国家“两山理论”号召下,生态效益是区域创新追求的核心目标之一,地区环境贡献正成为衡量高新区创新脆弱性的重要指标。
表2 国家高新区创新脆弱性测算结果
Tab.2 Measurement results of innovation vulnerability in national high-tech zones
排名名称VIPSR排名名称VIPSR1紫竹0.239 8 0.060 0 0.102 9 0.076 9 75清远0.414 5 0.128 6 0.173 5 0.112 4 2深圳0.241 6 0.063 2 0.087 2 0.091 2 76绵阳0.415 8 0.121 7 0.168 0 0.126 1 3杭州0.274 5 0.067 2 0.099 0 0.108 3 77柳州0.416 5 0.152 0 0.140 4 0.124 1 4武汉0.294 5 0.106 1 0.085 7 0.102 7 78潍坊0.419 6 0.169 4 0.129 2 0.121 0 5福州0.319 8 0.083 2 0.124 7 0.111 9 79安康0.420 6 0.115 7 0.189 3 0.115 6 …………35昆明0.383 1 0.126 7 0.144 3 0.112 1 115莱芜0.460 3 0.136 8 0.196 0 0.127 4 36南京0.385 1 0.159 5 0.113 4 0.112 2 116漳州0.460 3 0.153 2 0.181 2 0.125 9 37张江0.386 3 0.203 4 0.087 8 0.095 2 117兰州0.464 4 0.169 1 0.175 7 0.119 6 38南昌0.386 9 0.159 5 0.110 3 0.117 1 118大连0.466 2 0.197 3 0.137 6 0.131 3 39徐州0.387 2 0.109 8 0.177 2 0.100 2 119安阳0.467 3 0.154 2 0.195 3 0.117 7 …………70北海0.410 2 0.099 3 0.188 4 0.122 6 144大庆0.620 4 0.277 2 0.175 2 0.168 0 71新余0.411 4 0.105 6 0.187 6 0.118 2 145吉林0.640 5 0.321 6 0.194 4 0.124 5 72无锡0.412 1 0.133 6 0.166 0 0.112 5 146营口0.672 3 0.217 3 0.156 9 0.298 0 73洛阳0.412 4 0.134 0 0.152 8 0.125 5 147石河子0.724 9 0.429 8 0.168 9 0.126 2 74咸阳0.413 5 0.119 3 0.179 3 0.114 9 均值0.425 10.144 80.161 30.119 0
我国高新区创新脆弱性综合得分为0.425 1,低于均值的园区占58.5%。其中,综合得分位列首位的上海紫竹与末位石河子的创新脆弱性分值分别为0.239 8和0.724 9,二者相差0.485 1,表明我国高新区创新发展由“一枝独秀”到“百花齐放”仍有较大努力空间。就排名而言,位于创新脆弱性排名上中下游的园区名单与火炬中心发布的年度评价结果基本一致,少数高新区排名有变化,原因在于火炬中心评价侧重于创新能力,而创新能力不能完全反映园区创新脆弱性特征。如创新脆弱性排名第45位的中关村,其创新能力与创新脆弱性表现存在显著差异,主要是因为压力层中主导产业同构性远高于其它园区,表明中关村虽然能够引领高新技术产业发展,但也迫切需要探索全新发展模式。
基于表2测算结果,从战略定位、成长周期、发展路径和区位条件等维度比较各园区创新脆弱性特征值,具体见表3。从纵向看,在具体指标上呈现明显的梯度分布。如非“三类园区”相较于平均水平,偏离2.5%,与世界一流高科技园区相比相差23.09%,差距主要来自状态指标,反映出各园区在技术创新、资源集聚与成果转化等方面受到国家战略布局的显著影响。新升级园区的创新脆弱性综合值与子系统值均不及稳定期园区,偏离度达3.38%;非自创区的创新脆弱性远高自创区,偏离度达3.99%,说明时间与路径对园区创新的影响较显著。地理分区结果表明,沿海地区的创新脆弱性明显低于内陆地区,最大差值达16.6%,除东部外,其它地区创新脆弱性指数均高于均值,最大偏离度达8.84%。从横向看,同类高新区不同园区创新子系统的脆弱性差异显著,呈非均衡性。其中,压力指数差异最大,最高达7.16倍,状态和响应指数的内部差距为1～4倍。
表3 不同类型高新区创新脆弱性比较
Tab.3 Comparison of innovation vulnerability of different types of high-tech zones
类型PSRVI偏离度(%)世界一流高科技园区13.922 19.745 610.092 733.760 4-20.59创新型科技园区14.737 214.346 212.078 241.161 5-3.18创新型特色园区15.534 515.732 311.724 342.991 11.12非“三类园区”14.145 217.317 212.114 443.576 82.50稳定期14.368 114.019 811.655 740.043 7-5.81新升级14.548 017.356 112.044 043.948 13.38自创区14.774 513.861 811.253 739.890 0-6.17非自创区14.312 017.447 912.277 444.037 33.99东部13.228 415.263 811.194 039.686 3-6.65中部14.659 316.227 311.789 842.676 30.38西部16.497 617.402 912.197 146.097 68.43东北15.521 516.827 814.394 946.273 98.84
注：为便于比较,将各类值均放大100倍
为进一步剖析高新区创新脆弱性表现,运用自然断裂法,将我国高新区创新脆弱度划分为5个等级,借助空间地理信息技术对分区结果进行空间呈现,如图2所示。从脆弱性级别划分结果看,我国高新区创新脆弱性分布整体呈橄榄型,位于完全低值区和完全高值区的园区数量较少,4/5的高新区呈现中等水平的创新脆弱性。创新脆弱性最低两档园区主要集中在东部、东南部及中西部地区。其中,位于东部与东南部的高新区,一方面由于其所在城市聚集了丰富的科教资源,在政策支持、技术积累和人才培育等方面优势显著,另一方面受区位条件影响,该部分园区的国际市场开拓力强、创新成果转化快且基础建设完备,易于产生集聚规模效应。中西部地区高新区借助跨区域联动发展获取规模效应,如武汉城市圈、长株潭城市群和成渝经济区。中度创新脆弱性园区多位于中部地区,以承接成熟园区产业转移为主要发展路径,在技术创新、产业结构、品牌塑造等方面脆弱性突出。创新脆弱性最高两档园区主要位于生态环境脆弱的西北和东北地区,西南地区也有少量分布。根据国家发展改革委提出的“保护、治理与可持续发展”策略,这些地区在建设规模、资源利用等方面存在不足,同时,因深居内陆,在吸引人才、招商引资、承接产业转移等方面受到极大限制。
图2 创新脆弱性等级的空间分布
Fig.2 Spatial distribution of innovation vulnerability classification
图3 子系统测算结果分级的空间呈现
Fig.3 Spatial distribution of sub-system measurement results
4.1.2 子系统测算结果
第一,压力指数。压力值分级结果与综合测算值分级结果较一致,但脆弱程度略低于综合测算结果。创新脆弱性处于低水平或较低水平的园区,其P1、P5和P6三项指标值偏高。其中,深圳、福州、沈阳等部分发展较好园区的P4表现一般;创新脆弱性处于较高水平与高水平的园区在P1、P5和P7三项指标上表现不佳,大庆、吉林、包头等资源驱动型园区的表现尤为明显,导致张江与中关村创新脆弱性较高的原因主要是产业同质化显著。创新脆弱性处于中间水平的高新区,其具体指标表现与较高、高脆弱性水平园区表现较一致。
第二,状态指数。我国约3/4的高新区创新脆弱性分别处于中度、较高和高3个等级,且呈现多点块状分布特征。这些园区的S6、S9和S10指数偏高,但S2和S8表现较好,反映出上述园区重视提高创新水平。处于低水平、较低水平创新脆弱性的园区在S5、S9、S10上有待提升,总体上,各指标得分相对均衡,极贫极弱现象不显著。其中,中关村、深圳、重庆等一批先进园区在品牌塑造上表现较好。此外,由于各园区重视研发投入、充分发挥所在城市科教资源优势、积极吸纳创新人才,在S1、S3和S7上表现较好。
第三,响应指数。我国约97%的高新区创新响应指数处于中上水平,绝大部分园区响应状态较好。总体来看,加大创新主体培育、加强信息平台建设、推动工业绿色发展,是各园区提高响应水平、补齐创新短板、降低创新脆弱性的主攻方向。对少数响应指数等级较高的高新区进行溯源分析发现,R9普遍较高,说明这些地区应加大对高新区创新发展的支持。
依照前文所述方法,求得创新脆弱性子系统间的协调度Ri,并运用自然断裂法的三段式断裂对系统协调性进行分类,如表4所示。创新脆弱性子系统间协调性表现较好的园区有84家,占比57%。其中,天津、苏州、杭州、广州、深圳、武汉、成都等稳定期园区创新系统处于协调且有效或协调且一般有效状态,总体发展态势较好。
表4 PSR系统协调性分类
Tab.4 Coordination classification of PSR system
类型划分依据国家高新区协调且有效R≥0.805 9,0.241 6≤VI≤0.398 3天津、石家庄、保定、鞍山、长春、哈尔滨、南京、常州、武进、昆山、苏州工业园、连云港、扬州、镇江、杭州、宁波、合肥、芜湖、福州、厦门、泉州、南昌、济南、青岛、武汉、长沙、郴州、广州、深圳、珠海、佛山、江门、惠州、东莞、重庆、成都、昆明、青海协调且一般有效R≥0.805 9,0.398 3≤VI≤0.501 8唐山、承德、燕郊、太原、长治、呼和浩特、大连、锦州、无锡、苏州、嘉兴、蚌埠、漳州、景德镇、抚州、潍坊、泰安、威海、郑州、洛阳、新乡、襄阳、荆门、孝感、随州、株洲、衡阳、益阳、肇庆、清远、中山、南宁、柳州、桂林、自贡、攀枝花、泸州、绵阳、宝鸡、兰州、石嘴山、昌吉协调且无效R≥0.805 9,0.501 8≤VI≤0.724 9辽阳、延吉、枣庄、玉溪不协调R≤0.805 9,0.241 6≤VI≤0.724 9中关村、包头、沈阳、本溪、营口、阜新、长春净月、吉林、通化、齐齐哈尔、大庆、上海张江、上海紫竹、江阴、徐州、常熟、南通、盐城、泰州、萧山、温州、莫干山、绍兴、衢州、马鞍山、莆田、三明、龙岩、新余、鹰潭、赣州、吉安、淄博、黄河三角洲、烟台、济宁、莱芜、临沂、德州、平顶山、安阳、焦作、南阳、宜昌、仙桃、湘潭、源城、北海、海口、壁山、广汉、乐山、贵阳、西安、杨凌、咸阳、渭南、榆林、安康、白银、银川、乌鲁木齐、石河子有效但不协调R≤0.805 9,0.241 6≤VI≤0.501 8中关村、沈阳、本溪、阜新、长春净月、通化、齐齐哈尔、上海张江、江阴、徐州、常熟、南通、盐城、泰州、萧山、温州、莫干山、绍兴、衢州、马鞍山、莆田、三明、龙岩、新余、鹰潭、赣州、吉安、黄河三角洲、烟台、莱芜、临沂、德州、平顶山、安阳、焦作、南阳、仙桃、源城、北海、海口、壁山、广汉、贵阳、西安、杨凌、咸阳、安康、银川
注：以最近一年的Ri均值0.805 9为界,划分PSR系统协调性;VI的区间划分是基于综合值进行三段式断裂所得
辽阳、延吉、枣庄、玉溪等位于东北和西部的新晋园区受区位因素及发展周期束缚,PSR系统表现出无效且脆弱性高的特点。通过分析原始数据发现,枣庄、辽阳、延吉的高脆弱性主要源自压力系统与状态系统,压力系统中收入结构技术含量低、城市信息化水平不高和资源驱动型发展方式是主要的致脆原因,状态系统脆弱性高主要由科技研发人才不足、入驻企业科技含量低、品牌知名度不高等因素导致。玉溪响应子系统的效率不佳,主要是因为单位产值降耗不力,因此加快产业转型升级、探索绿色发展模式是玉溪降低创新脆弱性的未来主攻方向。
处于不协调状态的高新区有63家,其中,约4/5的园区为新晋高新区,系统协调性与稳定性有待加强。中关村、张江、西安等超3/4的园区处于不协调但有效状态,这些园区多为较早批复建立的高新区,其发展路径、发展模式和成功经验成为其它园区学习对象,导致示范园区主导产业趋同。此外,由于我国高新区创新产品市场化应用水平和创新品牌影响力有待提升,导致创新技术成果的转化效益并不理想。在国家宏观战略布局和倡导生态化建设的影响下,后晋园区在政策扶持下快速发展,成熟园区在先发优势不断丧失的情况下对绿色发展提出了更高要求,这也是导致上述园区创新系统发展不协调的诱因之一。
4.3.1 致脆障碍因子识别
按前文所述测算步骤求得各指标障碍度,并根据障碍度大小排序,对发生频率排名前29位的障碍因子进行分析[21],如表5所示。根据因子发生频率,划分为高频、中频、低频3种。其中,高频障碍因子主要与高新区技术创新相关,为技术创新提供支撑的资金、人才、影响力等因素出现频率次之,涉及高新区创新主体培育、环境和城市建设等方面的出现频率更低。
表5 评价指标障碍因子发生频率
Tab.5 Obstacle factor frequencies of evaluation indexes
排序脆弱元频率(%)排序脆弱元频率(%)排序脆弱元频率(%)1R87.634 211P34.157 221R61.587 32S27.558 612R43.401 422P61.511 73S47.407 413R33.250 223P71.285 04S86.651 514R93.023 424P21.133 85R76.576 015S52.947 825S90.982 66R106.198 016R112.645 526R10.982 67R56.046 917P42.569 927S60.907 08P15.442 218S12.040 828R120.755 99S74.913 119R21.965 229P50.377 910S104.232 820S31.814 1
频率大于6%的障碍因子主要反映在创新状态和响应两方面。从响应层面看,R7和R8表明技术仍在一定程度上牵绊高新区创新发展;紧随其后的障碍因子R10表明,标准制定是高新区实现创新引领和走向国际化的利器;R5表明,创新主体培育不足会对科技成果产出、新产品开发和群体性突破产生重要影响。从状态层面看,S2、S4和S8三个指标发生频率较高,它们分别从创新技术储备、创新积累和创新支出规模3个方面展示我国高新区技术发展潜力、实力及动力。
发生频率介于2%～6%的中频障碍因子有11个,涉及主体、环境、绩效和影响力等方面。其中,R4、S7、S5是高新区扩大主体规模、培育核心力量过程中面临的主要挑战;S1是园区创新过程中面临的“卡脖子”问题;R3、R9直接影响创新环境营造;P1是衡量技术创新绩效的重要尺度,而P6会通过技术成果转化压力显著影响园区持续创新;P4、S10和P3是提升高新区创新影响力的重要突破口。
最后,发生频率小于1%的低频障碍因子包括S9、R1、S6、R12和P5。上述5个障碍因子要求高新区在微观上重视高新技术企业与创新人才合理布局,在宏观上抓好教育阶段的高技术人才培养,强化母城信息化建设并坚持走绿色发展道路。
4.3.2 PSR循环障碍环节诊断
通过诊断发现,响应迟滞和状态不佳是影响高新区创新脆弱性的关键环节。对表5数据进一步统计分析得出,障碍度最高的是响应子系统,障碍度达44%,表明该环节已成为高新区改善创新脆弱性的瓶颈。其次是状态子系统,障碍度达39.5%,说明高新区在创新型企业培育、科技人才集聚、研发经费投入、创新成果产出等方面表现不理想。障碍度最低的是压力子系统,障碍度为16.5%,说明压力对高新区创新脆弱性改善的制约最小,这些压力来自园区收入结构技术含量、整体规模效应、国际市场竞争与国家战略调整等方面。
脆弱性是复杂系统属性之一,始终伴随高新区创新系统发展全过程,对其科学评价有利于找出创新链薄弱点和创新系统致脆环节,实现高新区可持续发展和系统优化。本文在“压力—状态—响应”循环框架下搭建创新脆弱性评价体系,实证测算147个高新区创新脆弱性表现,利用地理信息技术揭示PSR子系统脆弱性空间差异,并运用协调性函数和障碍性指数验证系统协调性,挖掘关键脆弱元,得出如下结论:
(1)从总体看,我国已成功打造一批创新韧性强且充分发挥示范引领作用的创新高地,但目前仍有半数以上高新区创新脆弱性指数低于全国平均水平,脆弱性分布整体呈“橄榄型”特征,位于两极的高新区创新脆弱性指数差异较大。本文研究从细分维度验证了创新脆弱性与国家战略、区位条件、园区成长周期及发展模式紧密相关,为保持发展优势和避免马太效应,应积极采取相应措施。
(2)从子系统看,高新区创新子系统脆弱性差异显著,且在脆弱性分布上表现出由沿海向内陆逐渐增强的特点。我国绝大部分高新区响应子系统可以快速应对创新风险,但承压能力弱,导致创新状态不佳,甚至在状态上表现出地区集中脆弱。
(3)从系统协调性看,高新区总体协调性尚好,多数高新区的PSR系统协调有效。协调不佳但具备良好创新势头的高新区多设立较早,该类高新区充分发挥示范作用,为其它高新区选择发展路径和模式提供了宝贵经验,但其自身亟待探索发展新模式以提高协调性。受区位条件和资源禀赋限制,协调性表现不足的东北部、西部及内陆高新区要积极突破困境。
(4)从障碍度看,PSR环节中的响应障碍成为致脆的关键因素,创新状态表现也会影响高新区创新发展。通过识别关键致脆因子发现,高障碍度指标均与技术创新相关,为技术创新提供支撑的研发经费、创新主体等因素的障碍度也较高,且绿色发展是高新区普遍面临的提质增效压力。
(1)通过“以点带面、分类推进”,缩小等级差距。高新区创新发展既要打造具有国际影响力的创新高地,又要充分利用知识溢出带来的机遇助力后发园区降低创新脆弱性。地方政府要在战略制定上充分考虑区域差异,探索适合本地区发展的优势产业,完善创新基础设施建设,降低由创新环境、区位条件、资源限制等因素造成的不利影响。同时,成熟高新区要在保持发展优势和探索创新路径的同时,重视新知识、新模式和新技术溢出与扩散;新晋园区应在创新政策推动下,积极借鉴成熟园区创新体系建设经验,实现快速发展。内陆高新区要抓住“一带一路”建设机遇,在人才引进、资源互补、国外市场开拓等方面下足功夫。
(2)坚持“强联结、补短板”双轨并进,提升系统协调性,增强高新区创新系统承压能力和状态表现,加大人才培养、企业培育、品牌塑造和城市信息化等方面建设。顶层设计上要坚持创新发展“全国一盘棋”思想,统筹规划产业布局,减少产业趋同;战略实施上要促进创新要素涌流,形成资金、人才、技术和企业的强大合力。高新区要加大推进人才优先发展战略,注重人才吸引、产业扶持、创新孵化等特殊项目和教育、税收、土地利用等一般政策的配套。园区高企要抢抓产业发展先机,努力成为先导性企业,不断强化品牌核心价值。此外,推进城市基建数字化、网络化、智能化更新与改造,营造良好创新氛围与营商环境,促进科技成果转移转化。
(3)聚焦产业高端化、绿色化、集约化,提升高新区创新系统柔性,提高应对环境变化的主动响应能力与响应速度。首先,高新区应加快产学研融合进程,通过创新引领和优势培育打造市场核心竞争力,重视市场在园区跨越死亡谷中的决定性作用,逐步完成由低端产业向高端产业的转型升级。其次,高新区应主动识别、淘汰和化解落后产能,遏制“两高”项目,破解资源诅咒陷阱,创造新增长并完成绿色转型。最后,高新区应在集约化发展下提升系统柔性,通过设置进入门槛和投资强度约束,摆脱“摊大饼”式路径依赖,实现产业资源集聚与生产要素组合优化。
[1] 郭丕斌, 刘宇民. 创新政策效果评价:基于行业和区域层面的分析[J]. 中国软科学, 2019,34(9): 143-149.
[2] 李玉花, 简泽. 从渐进式创新到颠覆式创新:一个技术突破的机制[J]. 中国工业经济, 2021,38(9): 5-24.
[3] GARCIA R, CALANTONE R, LEVINE R. The role of knowledge in resource allocation to exploration versus exploitation in technologically oriented organizations[J]. Decision Sciences, 2003, 34(2): 323-349.
[4] 夏恩君, 张真铭. 预防性技术采用元分析及其对创新鸿沟跨越的启示——以可穿戴医疗健康设备为例[J]. 技术经济, 2020, 39(2): 134-143,163.
[5] 刘刚, 王宁. 突破创新的“达尔文海”——基于深圳创新型城市建设的经验[J]. 南开学报(哲学社会科学版), 2018,24(6): 122-133.
[6] 王巧, 佘硕, 曾婧婧. 国家高新区提升城市绿色创新效率的作用机制与效果识别——基于双重差分法的检验[J]. 中国人口·资源与环境, 2020, 30(2): 129-137.
[7] 王京雷, 赵静. 国家高新区能否推动都市圈的创新发展——基于31个都市圈的实证研究[J]. 中国科技论坛, 2021,38(12): 109-117.
[8] 张秀峰, 胡贝贝, 张莹. 自主创新示范区政策试点对国家高新区研发创新绩效的影响研究[J]. 科研管理, 2020, 41(11): 25-34.
[9] 王欣亮, 王宇欣, 刘飞. 营商环境优化与区域创新效率——兼论经济一体化的联合空间效应[J]. 科技进步与对策, 2022, 39(6): 40-50.
[10] 苏建军, 关丽. 中原城市群高新技术产业集聚特征及影响因素研究[J]. 创新科技, 2022, 22(4): 31-42.
[11] 袁航, 朱承亮. 国家高新区推动了中国产业结构转型升级吗[J]. 中国工业经济, 2018,35(8): 60-77.
[12] 戚湧, 张洪瑜. 基于PSR模型的区域高技术产业创新要素供给评价[J]. 科技进步与对策, 2020, 37(22): 55-64.
[13] ZENG S X, XIE X M, TAM C. Evaluating innovation capabilities for science parks: a system model[J]. Technological and Economic Development of Economy, 2010, 16(3): 397-413.
[14] HSIEN C L, JOSEPH Z, SHYU. A comparison of innovation capacity at science parks across the Taiwan strait: the case of Zhangjiang high-tech park and Hsinchu science-based industrial park[J]. Technovation, 2005, 25(7): 805-813.
[15] 方玉梅, 刘凤朝. 我国国家高新区创新能力评价研究[J]. 大连理工大学学报(社会科学版), 2014, 35(4): 26-32.
[16] 杜海东. 基于动态系统模型的科技园区创新能力影响因素分析[J]. 科学管理研究, 2012, 30(2): 9-12.
[17] 李荣. 国家高新区创新能力差异实证分析[J]. 经济体制改革, 2018,36(6): 45-50.
[18] 栾斌, 杨俊. 增加价值分配结构与创新绩效脆弱性[J]. 科研管理, 2018, 39(10): 22-30.
[19] 魏龙, 党兴华, 成泷. 不确定性双元对技术创新网络脆弱性的影响:网络惯例的中介作用[J]. 管理评论, 2018, 30(7): 64-76.
[20] 张静晓, 李越洋, 李慧. 基于SPA的建筑业服务创新政策脆弱性分析[J]. 武汉理工大学学报(信息与管理工程版), 2019, 41(2): 130-137.
[21] 周宏浩, 陈晓红. 东北地区可持续生计安全时空分异格局及障碍因子诊断[J]. 地理科学, 2018, 38(11): 1864-1874.