Given the time-lag effect of the innovation environment on regional innovation efficiency, the paper designates a lag period of one year and selects the latest available data. Specifically, the antecedent variables are measured by the average values from 2019 to 2020 to mitigate the potential impact of random disturbances. The regional innovation efficiency in 2021 is viewed as the outcome variable and gauged by utilizing the input in 2020 and the output in 2021. The NCA is made to identify which environmental elements are indispensable conditions for achieving high regional innovation efficiency, followed by robustness testing through necessary condition analysis based on fsQCA．Ultimately, the method of fsQCA is employed to unravel the intricate causal relationships between the regional innovation environment and innovation efficiency.
The findings are as follows： (1) there is not any single element of the innovation environment that constitutes the necessary condition for achieving high regional innovation efficiency;(2)there are two recipes that can effectively drive the enhancement of regional innovation efficiency,namely,the dual support mode of "digital infrastructure-finance" driven by scientific and technological attention,and the double compensating mode of "intellectual property governance-finance" with the absence of scientific and technological attention;(3)there are spatial differences in the paths to achieve high regional innovation efficiency．In particular,the eastern region primarily adopts the digital infrastructure-finance dual support mode, while the central region focuses on the intellectual property governance leading mode,and the western region mainly adopts the finance-driven mode．
The theoretical contributions of this study lie in three aspects．First of all,it applies the WSR Systems Approach with overall and reductive advantages to the study of innovation efficiency,which not only provides a new paradigm for the expansion of the application boundary of the theory,but also offers a more diverse theoretical reference framework for the study of regional innovation efficiency．Secondly,from the perspective of configuration it provides a more fine-grained understanding of the role of environmental factors in different aspects in enhancing regional innovation efficiency in China．In addition, the results confirm the scientific validity of the WSR Systems Approach．
The findings provide some insights for policy implications in the context of regional innovation．In short, on the basis of emphasizing the construction and optimization of infrastructure,on the one hand,policymakers should attach great importance to the top-level design and government support such as establishing sound laws and regulations;on the other hand,it is crucial for policymakers to place a high value on enhancing the dual-driving role of technological attention and regional cooperative spirit to strengthen innovation dynamics.
创新已经成为推动区域发展和经济增长的关键动力。任何国家或地区的创新能力提升不能仅依赖于创新资源投入,更要重视其效率问题[1]。作为嵌入区域创新系统的一部分[2,3],区域创新环境(Regional Innovation Environment,RIE)为知识溢出、协作和资源循环提供了条件,并影响技术创新扩散和区域创新资源配置[3]。因此,营造良好的创新环境、提高创新效率成为我国各地区践行创新发展理念的重要路径。
当前,围绕区域创新环境及其对创新效率影响的研究已取得丰硕成果。一方面,学者们对区域创新环境的构成要素、指标体系及评价方法等展开诸多研究(侯鹏等,2014;党晶晶等,2018;王宏伟等,2021;张赤东等,2022);另一方面,学者们采用空间面板Tobit模型、随机前沿模型、多元及层次回归等统计分析方法对区域创新环境与创新效率关系进行实证研究(白俊红等,2009;李秦阳,2019;兰海霞和赵雪雁,2020)。另外,也有一些学者试图突破以往研究桎梏,从整体视角探讨区域创新生态系统驱动创新绩效的协同机制(唐开翼等,2021;林艳和卢俊尧,2022)。然而,将区域创新生态系统的子系统——区域创新环境独立出来构建整合性分析框架的研究却鲜见。尽管有学者针对不同创新环境要素组合的影响效应作了有价值的探索(王晓珍,2021),但整体来讲,学术界对这一议题的研究还存在着明显不足：一方面,从研究视角来看,尽管大多数学者认同区域创新效率受多种创新要素的影响,但鲜有研究基于复杂科学视角建立统一的影响因素分析框架;另一方面,从研究方法来看,虽然区域创新效率前因研究成果比较丰富,但主要采用理论分析或传统回归分析探讨特定前因的净效应,未能充分解释多个前因的协同作用,从而难以对高区域创新效率的实现路径进行深入探讨。
“物理—事理—人理”系统方法论(Wuli-Shili-Renli Systems Approach,WSR方法论)是一种复杂性科学方法论,为解决复杂系统问题提供了恰当的原则、方法、工具和步骤[4]。并且,WSR方法论强调复杂性、系统性以及主观能动性,与区域创新环境特征相契合,能为区域创新效率影响因素探索提供合适的理论框架。研究表明,区域创新效率与经济发展质量关系存在地区异质性(黄寰等,2023),因此简单复制高区域创新效率发展模式无异于按图索骥。由此可见,从整体视角揭示各地区创新环境要素协同机制,探索实现高区域创新效率的不同路径,对优化区域创新环境及提出实现高区域创新效率的针对性解决方案,从而缩小区域间创新水平差距,实现经济高质量发展具有重要意义。
综上,本文以我国内地30个省域(西藏因数据不全未纳入)为研究对象,基于WSR方法论,结合必要条件分析(Necessary Condition Analysis,NCA)和模糊集定性比较分析(Fuzzy-set Qualitative Comparative Analysis,fsQCA)方法,综合考虑创新环境中物理、事理和人理层面要素间的协同作用,构建区域创新效率驱动机制模型并对其中的复杂因果关系予以讨论。本文可能的边际贡献为：一是从区域创新环境视角出发,归纳物理、事理和人理方面的区域创新效率影响因素,建立一个科学系统的创新环境要素耦合协同框架;二是通过比较分析实现高区域创新效率的前因组态,揭示创新环境要素在不同地区的差异化作用;三是进一步分析东、中、西部地区实现高创新效率的空间分布差异,为深刻理解区域创新的复杂性与重要性、促进地方经济可持续发展贡献新的洞见和理论支持。
WSR方法论是基于整体思维,应用系统学理论,通过将复杂问题分解为多个要素,深入探索这些要素的内在联系,进而解决复杂难题的有效工具。WSR方法论强调在分析和处理复杂问题时,不仅要考虑对象物的因素,也要考虑事和人的因素,从而达到“懂物理、明事理、通人理”[5]。从现有实证研究来看,WSR方法论既适合研究变量的影响效应,也适合研究变量的影响因素(张生太等,2021;张铭等,2023)。本文采用WSR方法论探究影响区域创新效率的环境要素,具体原因如下：一方面,WSR方法论重视复杂性与系统性,与区域创新环境的复杂、系统属性相契合。WSR方法论的独特之处在于,它能够根据特定问题所处的环境状态,有针对性地从“物理”“事理”“人理”3个方面选取重点,使其成为较“硬”或较“软”的方法,或“硬”“软”兼具的方法[4]。这恰好与不同地区拥有的资源禀赋不同相契合,同时,每个地区的创新环境也存在差异,部分地区并不能同时兼顾“硬环境”“软环境”发展。因此,WSR方法论可以为区域创新环境的动态性以及差异性提供更全面的解释。而且,定性比较分析(Qualitative Comparative Analysis,QCA)方法有助于厘清各环境要素对创新效率的复杂作用机理。因此,以WSR方法论作为理论基础,采用QCA方法,两者相得益彰。另一方面,WSR方法论目前还处于发展阶段,将其应用于创新领域是一个互相成就的选择。现有研究多基于创新生态系统理论探讨创新效率问题,较少有学者从WSR这一综合性理论视角深入探讨区域创新效率影响因素。因此,将WSR方法论与创新效率研究相结合,既可丰富WSR方法论的实践案例,也可补充创新效率研究方法论的“武器库”。
1.2.1 区域创新环境与区域创新效率
区域创新效率衡量的是基于内外创新要素交互作用而形成区域创新产出的多寡,反映出区域创新能力和绩效水平[1]。虽然学术界对区域创新环境构成要素尚未达成共识,但大多数学者主要基于环境要素多样性视角界定区域创新环境(王宏伟等,2021)。现有研究主要基于我国省际面板数据,应用空间计量模型、回归分析等实证研究方法,从多视角对影响区域创新效率的环境因素进行探讨。首先,从数字化角度出发,研究发现,数字经济、产业数字化等对提升区域创新效率影响显著且存在明显的空间溢出效应(白俊红和陈新,2022;郭将和张虹萌,2023);其次,从集聚效应来看,技术、科技人才、金融以及产业发展被证实有助于提高区域创新效率(董直庆等,2022;王文成和隋苑,2022;喻平和程晓庆,2022);另外,从政策角度出发,研究已经证实研发政策、财政分权、知识产权治理等可以显著提升区域创新效率(柳卸林等,2021;黄立赫和石映昕,2022;韦东明等,2023)。
1.2.2 组态模型
基于已有研究,本文从物理、事理、人理3个层面对影响区域创新效率的环境因素展开探讨。
(1)物理层面。“物理”是指物质运动的机理,其利用自然科学知识阐述客观现象,研究客观实在,回答“是什么”的问题[5]。从区域创新环境角度来看,其物理因素是指硬软件基础设施,主要包括提供资源、技术、知识和合作机会的创新创业平台以及为创新活动提供数字化支持和便利条件的数字基础设施。
创新创业平台。创新创业平台是指为创新和创业活动提供支持、资源和服务的组织或机构。创新创业平台作为区域创新的重要载体,能够提供人才、技术、资金和网络等方面资源[6],并为创新创业者提供交流和合作机会,促进创新网络建立和扩展,有助于知识共享和跨界合作,驱动区域创新能力提升(陈洪伟和王欢欢,2020),从而提高创新效率。
数字基础设施。数字基础设施是确保数据高效传输的基石,具体包括网络传输交换能力和广覆盖的软硬件设施,它们为数据信息高效流动提供支持[7]。完善的数字基础设施可以加速区域人力资本积累,促进金融业发展和相关产业转型升级,提升区域创新效能[8]。吴中超[9]也证实,地区信息基础设施水平与区域创新绩效正相关。
(2)事理层面。“事理”是指做事的道理[5],即从现实世界存在的客观规律中总结方法,继而指导人类认识世界及改造世界的实践活动[4]。从区域创新环境角度来看,事理因素是指各种规范、规则、程序和行为准则,也即各种制度。其能约束和引导人们行为,通过建立稳定和可预测的环境,促进协调、合作和资源配置。本文选取的事理因素主要包括知识产权制度、金融制度和财政制度。
知识产权制度。知识产权制度包括专利、商标和版权等法律和政策框架。知识产权政策是我国创新的主要推力[10]。完善的知识产权保护制度作为增强市场主体创新动能的“催化剂”和“定心丸”,能够降低知识创造者权益被侵犯风险,调动科技研发者创新热情,促进区域科研成果转移转化与应用,从而提升区域创新水平。同时,知识产权保护还有助于吸引外商投资或贸易授权,为拥有者带来更多经济收益,从而释放更多资源以利于创新[11]。
金融制度。金融制度是由政府、金融机构和市场参与者组成的一套规范及机制,用于金融系统管理和运作。健全的金融市场能够有效缓解研发投资的信息不对称问题,降低投资风险,显著提升研发意愿,加速创新进程[12]。金融发展能积极影响经济增长质量与效率,且完善的金融制度会对全要素生产率增长产生正向影响[13]。
财政制度。财政制度是由政府制定和实施的一系列规则、机制和程序,用于管理公共财政收入和支出、调节经济运行、实现财政目标,并确保财政活动的合法性、公平性和透明度。政府给予的财政补贴和税收优惠可以减轻研发创新成本和风险,鼓励企业和个人从事研发创新,促进创新成果产生[12]。透明的财政制度还能向社会传递出正面信号,吸引投资和激励私人部门的创新投入,提高区域创新效率。
(3)人理层面。“人理”是指做人的道理[5]。现实世界中任何事物发展均离不开人的力量,因此实践中需充分依靠人的思想来主导“事”和“物”的方向[14]。人作为环境中的参与者、决策者以及创造者,在塑造或改变环境方面发挥关键作用[14]。本文选取的人理因素包括政府对科技的注意力及区域合作精神。
科技注意力。科技注意力反映政府对科技创新领域的关注度与支持程度。高水平的科技注意力能调动全民创新积极性,对经济社会快速发展起重要支撑作用。地方政府会根据分配的科技注意力,综合考虑全局,通过选择科学合理的政策工具完成资源配置,推动科技创新实现[15]。由此可见,科技注意力会对区域创新效率产生重要影响。
合作精神。合作精神是指个体或团队在工作或社交场合中,以积极、开放、包容和互助态度,与他人合作、协作和共同努力的意愿和行为。企业对合作文化的重视有助于提高创新效率[16]。另外,段勇倩和陈劲[17]还证实,产学研合作在风险投资与区域创新效率关系间发挥部分中介作用。
综上,本研究构建组态模型如图1所示。
图1 研究框架
Fig.1 Research framework
本文选择NCA与fsQCA作为研究方法。主要原因如下：首先,基于“自变量—因变量”二元关系的传统统计方法关注变量间的净效应,难以揭示区域创新环境多因联动的匹配效应。QCA作为一种基于组态视角的案例导向分析方法,注重考察多因并发对结果产生的协同影响[18]。因此,QCA能较好地解释创新环境中物理、事理和人理三方面因素对各省域创新效率的协同影响。其次,传统的回归分析方法仅适用于处理前因与结果间的对称关系[19],而QCA方法假定因果存在非对称性,能够识别实现高水平区域创新效率的不同因果路径,高效处理具有因果不对称性的复杂组态问题[20]。此外,本文关注的前因条件和结果均为连续变量,fsQCA方法可以打破传统QCA分析的二分取值限制,更大程度地避免数据转换过程中的信息流失,提高测量精准度[21]。因此,本文选择fsQCA方法探索关键环境要素组合驱动区域高创新效率的多元复杂路径。最后,NCA作为一种新的必要条件分析工具,可以分析单一因素对结果的效应量(瓶颈水平),揭示前因条件对结果产生的必要程度[22]。该方法与擅长探索充分关系的fsQCA方法能够优势互补,充分挖掘因果复杂关系(杜运周等,2020)。因此,本文采用NCA方法分析是否存在实现高水平区域创新效率的“卡脖子”因素。
综上,本文首先采用NCA方法检验哪些环境要素或者在何种程度上是实现高水平区域创新效率的必要条件;然后通过fsQCA的必要条件分析法进行稳健性检验;最后,使用fsQCA方法探索区域创新环境与创新效率间的复杂因果关系。
本文选取中国内地 30个省市自治区(西藏地区因数据缺失未列入)为案例样本,从物理、事理和人理3个方面选取7个指标,分析区域创新环境对创新效率的影响路径。具体数据来源如表1所示。由于创新环境对创新效率的影响具有时滞效应,本文将滞后期确定为一年(苏屹等,2017;Zhang等,2020)。同时,各环境要素变量采用两年数据的平均值表征,以避免随机扰动带来的影响。因此,本文采用2020年的投入值和2021年的产出值测量2021年创新效率,各前因条件取2019-2020年的平均值。
表1 结果变量、条件变量指标说明及数据来源
Table 1 Indicator description and data sources of variables
变量类型一级指标二级指标测量方式(单位)权重(%)数据来源结果变量创新效率创新投入R&D经费R&D内部经费支出(万元)《中国科技统计年鉴》R&D人员R&D人员全时当量(人年) 知识产出专利申请有效发明专利申请数(件) 经济产出新产品销售收入规上工业企业新产品销售收入(万元)条件变量物理因素(W)创新创业平台科技企业孵化器规模科技企业孵化器数量(个)34.56《中国火炬年鉴》国家大学科技园规模国家大学科技园数量(个)44.31众创空间规模众创空间数量(个)21.13数字基础设施电话普及率电话机总数(包括移动电话)/地区当年常住总人口×100(部/百人)16.74《中国统计年鉴》移动电话基站移动电话基站数(万个)17.91长途光缆线路长度长途光缆线路长度(公里)19.02互联网宽带接入端口互联网宽带接入端口数(万个)18.71互联网域名互联网域名数(万个)27.61事理因素(S)知识产权制度知识产权保护知识产权保护指数《中国知识产权发展状况评价报告》金融制度银行业结构改革企业存款/地区当年GDP(%)25.86《中国统计年鉴》《中国金融年鉴》信贷配置自由化金融机构年末贷款余额/地区当年GDP(%)21.56信贷资源市场化银行短期贷款额/地区当年常住总人口数(%)52.58财政制度政府补贴规模以上工业企业R&D经费内部支出中的政府资金占比(%)《中国科技统计年鉴》人理因素(R)合作精神产学研合作企事业单位委托拨入科技经费(实际进入学校财务)/高等学校科技经费当年拨入合计(%)《高等学校科技统计资料汇编》科技注意力政府工作报告中的科技关键词频数/总分词数量(%)各省(市、区)政府工作报告
2.3.1 结果变量测量
区域创新效率。考虑到指标通用性和数据可获得性,选取各地区R&D人员全时当量和各地区R&D经费内部支出作为投入指标,将发明专利申请量及规上工业企业新产品销售收入作为创新产出指标[23]。效率测度使用基于规模报酬可变假设下的数据包络分析(DEA)法。
2.3.2 条件变量测量
(1)创新创业平台。《中国区域创新能力评价报告》采用科技企业孵化器数量衡量地区创业孵化基础设施情况,为使指标解释力更强,结合相关理论与实证研究,本文增加国家大学科技园数量和众创空间数量(肖志雄,2016;易全勇等,2021;Xiong &Li,2022)综合反映创新创业平台发展情况。
(2)数字基础设施。参考潘为华等[24]对数字基础设施指标的测度,采用移动电话基站数、电话普及率、长途光缆线路长度、互联网宽带接入端口以及互联网域名数5个指标综合衡量。
(3)知识产权制度。采用《中国知识产权发展状况评价报告》中的知识产权保护指数测度。
(4)金融制度。借鉴李冲等[13]对区域银行制度的测度,采用企业存款占地区当年GDP比重的相对值、金融机构贷款总额占地区当年GDP比重的相对值以及银行短期贷款占地区当年总人口比重的相对值3个指标综合衡量。
(5)财政制度。参考李士梅和彭影[25]的做法,以规模以上工业企业R&D经费内部支出中的政府资金占比表示政府财政支持力度。
(6)合作精神。本文的合作精神主要通过产学研合作进行解释。采用企事业单位委托拨入科技经费(实际进入学校财务)占高等学校科技经费当年拨入的比重衡量合作精神[26]。
(7)科技注意力。参考文宏和赵晓伟[27]的做法,运用Python进行文本分析,对各省域政府工作报告中出现的“创新”“科技”“科学”“技术”“研发”“产学研”“科研”“高新”“科教”9个关键词进行词频统计,采用其占去除停用词后的总分词数量比重表示政府对科技的关注度。
对于涉及多指标的条件变量,为避免人为因素干扰,指标权重使用客观赋权法中的熵值法进行计算,具体见表1。
本文使用fsQCA3.0软件,采用模糊集的直接校准法对各变量进行校准,将变量完全隶属、交叉点和完全不隶属的3个校准点分别设定为样本数据的75%、50%以及25%分位数值[28]。校准和描述性分析结果如表2所示。
表2 变量校准与描述性统计分析结果
Table 2 Results of variable calibration and descriptive statistical analysis
结果和条件模糊集校准完全隶属交叉点完全不隶属描述性分析均值标准差最小值最大值创新效率0.985 5 0.685 0 0.575 8 0.741 5 0.200 0 0.463 0 1.000 0 创新创业平台0.227 5 0.125 3 0.068 7 0.202 6 0.203 4 0.003 6 0.908 8 数字基础设施0.352 7 0.230 0 0.185 2 0.271 6 0.146 9 0.058 2 0.741 8 知识产权制度67.802 5 59.192 5 51.212 5 60.695 8 10.453 8 47.095 0 83.395 0 金融制度0.268 0 0.168 8 0.119 5 0.234 3 0.184 3 0.050 6 0.905 3 财政制度6.286 1 3.643 2 2.351 3 4.993 6 3.674 1 1.105 3 15.738 0 合作精神25.579 2 20.965 3 13.271 3 19.943 0 7.476 0 5.912 2 33.737 0 科技注意力1.160 00.977 40.757 2 0.993 2 0.338 6 0.413 8 2.049 8
使用R语言的RStudio,用“NCA”包进行必要条件的效应量分析和瓶颈表分析。NCA提供了上限回归(Ceiling Regression,CR)和上限包络(Ceiling Envelopment,CE)两种估计方法,分别用于处理连续变量和离散变量。使用CR与CE方法得到的必要性指标结果如表3所示。由结果可知,区域创新环境中各要素效应量(d)均低于0.1且不显著,因此单个要素不是实现高水平区域创新效率的必要条件[22,29]。
表3 NCA对单个条件的必要性分析结果
Table 3 NCA results of each necessary condition
条件方法精确度(%)上限区域(Ceiling zone)范围(Scope)效应量d(Effect size)P值(p-value)创新创业平台CR1000.0000.960.0001.000CE1000.0000.960.0001.000数字基础设施CR1000.0000.960.0001.000CE1000.0000.960.0001.000知识产权制度CR1000.0030.950.0040.292CE1000.0070.950.0070.280金融制度CR1000.0000.960.0001.000CE1000.0000.960.0001.000财政制度CR1000.0000.960.0001.000CE1000.0000.960.0001.000合作精神CR1000.0000.960.0000.493CE1000.0000.960.0010.505科技注意力CR1000.0000.960.0001.000CE1000.0000.960.0001.000
注：①条件为校准后模糊集隶属度值;②NCA分析中的置换检验(permutation test,重抽次数=10 000)
瓶颈表则进一步揭示促使结果变量达到观测范围内给定水平(%)的单个前因条件必须达到的水平(%)(杜运周等,2020)。如表4所示,若要实现90%的区域创新效率水平,需要0.9%水平的知识产权制度,其它条件变量不存在瓶颈水平。
表4 NCA对单个条件必要性瓶颈水平(%)的分析结果
Table 4 Analysis results of NCA bottleneck level (%)
区域创新效率创新创业平台数字基础设施知识产权制度金融制度财政制度合作精神科技注意力0NNNNNNNNNNNNNN10NNNNNNNNNNNNNN20NNNNNNNNNNNNNN30NNNN0NNNNNNNN40NNNN0.2NNNNNNNN50NNNN0.3NNNNNNNN60NNNN0.4NNNNNNNN70NNNN0.6NNNNNNNN80NNNN0.7NNNNNNNN90NNNN0.9NNNNNNNN100NNNN1.0NNNN2.0NN
注：CR方法,NN=不必要
进一步采用fsQCA中的必要条件分析,对创新环境中单个条件的必要性作稳健性检验。如表5所示,创新环境中单个条件变量对结果的必要一致性均不超过0.9,因此不是产生高或非高创新效率的必要条件。这与NCA结果一致,即不存在实现高水平区域创新效率的必要条件,这意味着需要考察各条件组态对区域创新效率的影响。
表5 fsQCA对单个条件的必要性检验结果
Table 5 Analysis of necessity for predicting regional innovation efficiency based on fsQCA
前因条件高区域创新效率一致性覆盖度非高区域创新效率一致性覆盖度创新创业平台0.623 4 0.576 9 0.469 5 0.479 6 ～创新创业平台0.437 6 0.427 7 0.585 8 0.631 9 数字基础设施0.605 2 0.605 2 0.442 8 0.488 8 ～数字基础设施0.488 8 0.442 8 0.642 3 0.642 3 知识产权制度0.593 3 0.569 7 0.488 6 0.517 8 ～知识产权制度0.497 9 0.468 6 0.594 0 0.617 2 金融制度0.608 0 0.559 4 0.524 8 0.532 9 ～金融制度0.492 3 0.484 1 0.566 1 0.614 5 财政制度0.549 1 0.527 6 0.494 3 0.524 3 ～财政制度0.504 9 0.474 9 0.554 6 0.575 9 合作精神0.554 0 0.502 5 0.580 7 0.581 4 ～合作精神0.538 6 0.537 8 0.503 2 0.554 6 科技注意力0.589 80.554 40.497 50.516 2～科技注意力0.485 30.466 60.570 50.605 5
本文采用fsQCA方法分别分析实现高和非高区域创新效率的创新环境组态。为确保条件组态的充分性,案例频数阈值设定至少保留75%的观察案例,本文将案例频数阈值设定为1,将原始一致性阈值设定为0.8[28]。同时,将PRI一致性阈值设定为0.7,以应对可能存在的子集关系并减少潜在的矛盾组态[30]。通过标准分析,得到3种方案,分别为复杂解、简约解和中间解。本文主要汇报中间解,并辅之以简约解,将同时出现在中间解和简约解中的条件作为核心条件,将仅出现在中间解中的条件作为边缘条件[28]。
3.3.1 高区域创新效率的条件组态
表6显示了产生高区域创新效率的3条驱动路径(H1a,H1b,H2)。其单个解及总体解的一致性均超过阈值0.8,说明这3条路径均为实现高区域创新效率的充分条件。总体解的覆盖度为0.337 3,说明3条路径共能解释33.73%的高区域创新效率案例。其中,组态H1a与H1b为二阶等价组态,即2个组态共享核心条件[28]。
表6 实现高、非高区域创新效率的条件组态
Table 6 Configurations for achieving high and non-high regional innovation efficiency
前因条件高区域创新效率组态H1aH1bH2非高区域创新效率组态N1aN1bN1cN2aN2bN3创新创业平台●●●●●数字基础设施●●●●●知识产权制度●●●●●●金融制度●●●●财政制度●●●●合作精神●●●●●●●科技注意力●●●●●●一致性0.906 70.956 20.887 910.858 20.904 10.881 50.903 20.868 8原始覆盖度0.122 70.183 70.072 20.066 70.073 10.083 90.075 60.088 90.122 0唯一覆盖度0.096 80.157 80.056 80.047 60.028 60.026 70.030 50.059 10.091 5总体覆盖度0.337 30.359 0总体一致性0.939 50.929 3代表性案例湖北、陕西北京、上海、广东浙江江西天津重庆山西四川河南、河北
注：●表示核心条件存在,⊗表示核心条件缺乏,●表示边缘条件存在,⊗表示边缘条件缺乏,“空白”表示该条件存在与否对结果无关紧要。下同
(1)组态H1a与H1b：科技注意力驱动下的“数字基础设施-财政”双重支持型。组态H1a与H1b均以数字基础设施、财政制度和科技注意力为核心条件,仅边缘条件略有差异。这表明高区域创新效率的实现依赖于完善的数字基础设施与充足的财政支持,而政府对科技创新的高度关注则是推动高区域创新效率的重要抓手。
对于组态H1a,创新创业平台、合作精神和非金融制度起辅助作用。在该路径下,尽管发展欠佳的金融制度束缚了创业资金供给与创新产出规模,但是瑕不掩瑜,即先进完备的数字基础建设、政府对科研的关注与支持使得创新主体进行合作与创新时如鱼得水,众多创新力量能够通过创新创业平台这一桥梁齐心协力、紧密合作,共同推动创新效率提升。
组态H1a的代表性省份有湖北和陕西。以陕西省为例,作为西北第一经济大省,其密切关注科技创新。2020年陕西省科技经费达156亿元,规上工业企业中来自政府部门的活动资金达30亿元,占11.54%,全国排名第一。陕西省还大力倡导创新与合作,通过开展自贸试验区协同创新区建设,建立双向协同创新机制;连续4年实施通信基础设施建设行动,数字基础设施的支撑能力得到全面提升。通过各环境条件的协同作用,弥补其在金融支持方面的不足,全面促进区域创新效率提升。2021年西安市创新能力位居全国第七,领跑西北地区,陕西省创新能力位居全国第十。
对于组态H1b,创新创业平台、知识产权制度与金融制度起辅助作用。在该路径下,无论合作氛围是否浓厚,在各项硬软基础设施完善、创新主体拥有融资渠道和投融资支持的情况下,政府对知识产权治理的重视以及提供的科研资金支持,向具备创新精神的企业或个人传递出积极信号,进一步激发其创新活力,促进创新成果产生。在这些环境要素的相辅相成下,协同提高区域创新效率。
组态H1b的代表性省市有北京、上海和广东。上述3个经济发达地区将数字基础设施建设与各类经济支持高度结合,发挥先行优势,大力弘扬创新文化,增强市场主体创新动能,对区域经济发展及创新效率提高具有显著促进作用。以广东省为例,政府大力建设孵化器、科技园等创新创业基地,并不断推进数字技术创新生态建设。同时,广东省着力贡献金融力量,如招商银行推出App个人信用报告查询服务,是国内银行业中首家与人民银行征信中心在移动金融端推出该服务的商业银行。另外,广东省非常重视创新投入,2020年规上工业企业支出中来自政府部门的活动资金高达397.26亿元,科技支出达955.73亿元。在这些创新要素的共同驱动下,广东省创新综合能力连续4年位居全国第一。
(2)组态H2：科技注意力欠缺下的“知识产权治理-金融”双重弥补型。在组态H2中,知识产权治理、金融制度与非科技注意力发挥核心作用,创新创业平台、数字基础设施、合作精神与非财政制度起辅助作用。在该路径下,尽管政府科技注意力相对较低,并且提供的科研资金有限,但是在软硬创新基础设施以及合作精神的支持下,使得多元的融资渠道、充足的投融资支持以及被重视的知识产权治理能够弥补以上不足。地区对知识产权的重视以及金融服务提供的风险保障向创新主体传递出积极信号,给予其安全感,使得他们更愿意融入合作网络,促进创新成果产生,从而推动整个地区创新效率提升。
组态H2的代表性省份为浙江。2020年浙江省知识产权保护发展指数全国排名第三。于浙江省而言,保护知识产权就是保护创新,这已成为浙江营商环境的一张名片。同时,浙江鼓励并支持区域内外合作,2020年创新合作企业中产学研合作企业占25.9%,企事业单位委托拨入科技经费占当年拨入总经费的25.52%,两个相对值均排名全国前列。另外,金融支持力度不断加大。截至2020年末,全省各项存款余额达15.2万亿元,同比增长15.9%;各项贷款余额达14.4万亿元,同比增长18%。金融改革与创新方面,在全国率先发布绿色企业、绿色银行认定评价等地方技术规范10余项,在长三角地区推广应用电子商业承兑汇票,建设长三角绿色金融信息管理系统,支持长三角高质量一体化发展。浙江省通过知识产权制度、金融制度与合作精神的联动匹配,使区域创新活力不断迸发,并实现高创新效率,区域创新能力连续十年位列全国第一方阵。
3.3.2 非高区域创新效率的条件组态
考虑到QCA方法的因果非对称性,为了深入了解影响区域创新效率的环境要素,本文对非高区域创新效率组态进行检验,共有6条路径,如表6所示。结果显示,解的总体一致性为0.929 3,总体覆盖度为0.359 0。
组态N1a、N1b与N1c共享核心条件,3个组态表明,尽管政府对科技创新比较重视,但是忽视数字基础设施建设,区域实现高创新效率显得举步维艰。组态N2a与N2b表明,仅有合作精神的主导远远不够,如果政府对科技创新的关注度及金融支持不足,则很难产出创新成果,必然导致非高区域创新效率。组态N3表明,虽然通过大量创新创业平台集聚不同创新主体进行合作,但没有资金支持的创新与合作是空中楼阁,难以有所作为,会阻碍区域创新效率提升。
比较产生高低区域创新效率的组态发现,非高创新效率组态并非高创新效率组态的对立面,说明实现高创新效率与非高创新效率的前因条件具有非对称性。
若采用不同稳健性方法产生的新组态与原组态存在清晰的子集关系,且一致性和覆盖度变化不足以改变原组态对结果的实质性解释,则说明结论稳健[20]。本研究采用的第一种方法为调整原始一致性阈值,将原始一致性阈值由0.8提高至0.85,而后进行fsQCA分析,该结果与调整前完全一致。第二种方法为调整PRI一致性阈值,将PRI一致性由0.7提高至0.75,而后进行fsQCA分析,结果显示,导致非高区域创新效率的组态与原组态完全一致。此外,实现高创新效率的组态总体一致性提高至0.942 6时,整体覆盖度下降至0.310 7,数值变化不大,且仅第一个组态的核心条件发生细微变化,代表性案例减少一个,表明其结果是原来结果的子集。两种方法的结果均说明上述结论稳健可靠。
由于我国各地区在资源禀赋、政策实施、文化素养等方面存在明显差异(朱桂龙等,2021),因而区域创新环境中各要素对创新效率的驱动路径也可能存在差异。因此,依据国家统计局的区域划分,将案例样本分为东、中、西三部分。
对东部、西部地区创新条件进行必要性检验,各条件一致性值均低于0.9,因此不存在产生高区域创新效率的必要条件。在对中部地区的单个创新条件进行必要性检验时,知识产权制度一致性值大于0.9,说明知识产权制度是中部地区实现区域高创新效率的必要条件。运算时将案例频数阈值设定为1,将原始一致性阈值设定为0.8,PRI一致性阈值设定为0.7。东、中、西部地区实现高区域创新效率的组态结果如表7所示。
表7 不同地区实现高创新效率的组态分析结果
Table 7 Configuration analysis for achieving high innovation efficiency in different regions
前因条件东部地区实现高创新效率E1E2中部地区实现高创新效率M1aM1bM1c西部地区实现高创新效率W1W2创新创业平台●●●数字基础设施●●●●●知识产权制度●●●●●●金融制度●●●●●财政制度●●●合作精神●●●●科技注意力●●●一致性0.982 40.991 50.988 2110.968 80.963 7原始覆盖度0.251 20.174 40.301 20.207 90.222 20.240 90.237 0唯一覆盖度0.240 70.163 90.290 30.204 30.211 50.237 00.099 2总体覆盖度0.415 10.716 80.340 1总体一致性0.985 70.995 00.977 7代表性案例北京、广东浙江湖南安徽湖北青海、新疆贵州
东部地区实现高创新效率存在2个组态,其中,数字基础设施和金融制度作为核心条件同时存在于2条路径中。组态E1表明,在数字基础设施较完备以及具有资金支持的情况下,无论是否进行产学研合作,辅以高水平的创新创业平台、良好的知识产权治理和充分的科技注意力,仍然可以实现区域高创新效率,如北京与广东。组态E2表明,即使政府的科技注意力水平不高且给予的财政支持不足,但在数字基础设施较完备以及金融制度完善的情况下,若结合创新创业平台、知识产权制度及合作精神,区域创新效率依然可以达到高水平,如浙江省。
中部地区实现区域高创新效率存在3个组态,且组态M1a、M1b与M1c同时拥有知识产权制度这一核心条件,代表性省份为湖南、安徽、湖北。2020年安徽、湖北、湖南的知识产权综合发展指数位于中部地区前三名,进一步说明知识产权制度完善是中部地区实现区域高创新效率的关键。
西部地区实现区域高创新效率存在2个组态,金融制度作为核心条件同时存在于2条路径中。组态W1表明,在缺乏知识产权治理、各项基础设施不完备、财政支持与科技注意力匮乏的情况下,金融支持与合作精神可以弥补区域创新不足的短板,如青海省与新疆维吾尔自治区。组态W2表明,较为完善的数字基础设施与足够的金融支持,辅以知识产权治理和充足的财政支持,有助于实现区域高创新效率,如贵州省。
综合来看,东部地区拥有发达的经济体系和现代化产业,创新氛围比较浓厚,注重基础设施建设,金融支持比较充足,即使个别省市存在政府科技注意力不足的情况,仍然可以凭借完备的数字基础设施以及金融制度弥补短板,招贤纳士,提高区域创新效率。中部地区横跨东西两侧,拥有丰富的资源优势。近年来,中部地区积极推动内陆开放型经济发展,加强与沿海地区和国际市场的联系。通过遵守国际知识产权规则和加强知识产权保护,能够更好地融入国际创新网络和知识产权交流体系,与国际创新主体进行合作与竞争,提升地区创新能力和国际影响力。西部地区地理条件处于劣势,创新平台数量较少,随着西部大开发战略的推进,西部地区逐渐成为国家经济增长的重要节点。在选择区域创新效率提升路径时,可以避开硬件方面的短板,不断完善金融制度与数字基础建设,拓展对外合作和国际交流,吸引更多投资,并有效降低创新风险。通过降低融资负担、解决创新过程中资金短缺问题,加快创新项目推进和实施,从而提高创新效率。
当前全球经济增长放缓,竞争日益激烈,区域创新成为推动地方经济增长和转型升级的关键驱动力。已有研究表明,创新环境是影响区域创新效率的重要因素之一。基于此,本文从组态视角出发,结合NCA与fsQCA方法,探究区域创新环境中物理、事理、人理3个层面的7个构成因素对我国内地30个省(市、区)区域创新效率的影响,揭示什么样的创新环境要素组合有助于实现高区域创新效率。
(1)基于WSR方法论,将创新创业平台、数字基础设施、知识产权制度、金融制度、财政制度、合作精神与科技注意力等7个创新环境要素作为前因变量,运用NCA方法进行必要条件分析,采用fsQCA方法进一步验证。结果表明,单个创新环境要素不构成实现高区域创新效率的必要条件。
(2)通过条件组合分析,从更加微观的层面得到3种实现区域高创新效率的前因构型,以及6条阻碍区域创新效率提升的路径,且非高区域创新效率与高区域创新效率的驱动路径存在非对称性。
(3)我国区域创新策略具有显著的空间分布特征,东部地区以重视完善数字基础设施与金融制度作为带动区域创新发展的核心着力点;中部地区重点关注知识产权治理体系完善与落实,从而塑造地区发展新优势;西部地区避开短板,借助金融优势有效提高创新活动便捷性和效率,进而激发创新主体积极性和创造力。
首先,基于WSR方法论进行区域创新研究,构建区域创新环境整合性分析框架,丰富了创新效率研究的方法论工具箱。以往研究囿于创新生态系统理论、多元共治理论等探讨创新效率问题[31,32],从新理论视角对区域创新效率前因条件进行多层面区分的研究较匮乏,本文将具有整体和还原优势的WSR方法论应用于创新效率研究,不仅为拓展该系统论应用边界提供了新范例,也为区域创新效率研究提供了更多元的理论参考。
其次,从组态视角出发,结合我国区域创新发展实践,探究区域创新环境多层面要素之间的协同互动作用。以往研究主要集中在某单一的区域创新环境要素(侯鹏等,2014;王鹏和曾坤,2015),或者将创新环境作为创新生态系统中的子系统进行组态分析(唐开翼等,2021),缺乏将区域创新环境独立出来并剖析其构成要素的联动匹配对区域创新效率影响的细粒度研究。本文验证了高区域创新效率是多个层面环境要素耦合协同的结果,单个创新环境要素不构成实现区域高创新效率的必要条件,为更细粒度地揭示区域创新过程中不同层面环境要素作用提供了理论参考。另外,NCA与fsQCA方法的结合,也使研究结果更具说服力与稳健性[29]。
最后,研究结果佐证了WSR方法论的科学性。WSR方法论强调整体协同性,并且可以根据具体问题有所侧重[4]。本文研究结果表明,实现高区域创新效率依赖于物理、事理和人理3个层面环境要素的联动匹配,缺乏某层面前因条件会影响创新效率提高,而每条实现区域高创新效率的组态路径都具有核心条件与辅助条件,这恰好展现了WSR方法论特征,也反映出其与组态思维、区域创新环境研究相互契合。
区域创新发展受到多重因素影响,区域创新效率提升是一个综合性系统工程。各省(市、区)应在重视基础设施建设与优化的基础上,加强顶层设计,加大政府支持,健全法律法规与监管机制,并提升科技注意力与区域合作精神的双轮驱动作用,增强创新动力,优化创新环境,进而提高区域创新效率。
(1)调动资源,打造综合服务平台。地方政府应结合自身资源禀赋,有的放矢地整合创新创业平台与数字基础设施建设,搭建多层次、全方位的综合服务平台,夯实创新活动硬软件基底,提高创新资源流动和配置效率。加大数字化技术在创新创业平台建设中的应用,推动硬软件创新基础设施不断完善,吸引高素质人才涌入,形成创新能力的集聚效应。营造智能化创新环境,通过智能化技术应用,提高创新活动的便捷性和效率,加速科技成果转化。
(2)协同发展,打破知识壁垒。地方政府要积极建立合作平台并鼓励优秀科研人员和创新团队在不同地区间流动,促进知识交流与碰撞,加强不同地区企业、高校、科研机构之间的创新互动,注重多元参与和共享共赢,形成良性循环。不断完善知识产权相关的法律法规,加大执法力度,提供专业服务,维护创新成果拥有者的合法权益,形成严密的知识产权保护网络,提高地区法治化水平,为创新与合作提供更稳定、可靠的知识产权保护。此外,积极开展知识产权保护宣传教育活动,强化公众的知识产权保护认知和意识,形成全社会共同参与的知识产权保护生态。
(3)多元支持,促进创新生态繁荣。地方政府要加大科技注意力,提高政策透明度,为创新主体提供明确的政策指引。通过公开透明的政策信息,减少创新主体不确定性,提高其对政策的理解与信心。加大金融支持,同时,完善财政政策,形成多元支持的创新生态,为创新活动提供全方位保障。建立专门的创新创业金融支持机制,为创新主体提供多元化融资渠道,包括风险投资、创业基金、科技创新贷款等,以满足不同融资需求。因地制宜,制定灵活多样的财政政策,通过税收优惠政策、财政补贴等手段,引导资本流向创新领域。
首先,在创新环境要素指标选取方面,本文仅基于WSR方法论,从已有研究中提取7个指标,仍可能遗漏影响区域创新效率的创新环境要素,未来研究可考虑从新理论视角出发,从多角度对区域创新环境进行深入剖析,进而更全面地解析不同环境要素间的潜在互动关系。其次,在指标测量方面,大多借鉴已有研究的测量方式,未来研究可开发出新测量方式,增强二级指标的解释力。最后,在数据搜集方面,本文仅采用近期数据探索创新环境要素的不同组合与区域创新效率关系,未来研究可考虑使用动态QCA法,运用面板数据进一步完善区域创新环境的动态研究,也可将QCA与其它研究方法如系统动力学相结合,以更好地诠释现有研究结论。
[1] 盛广耀,孙聪丽. 区域创新效率研究进展与展望[J]．企业经济,2021,40(6)：111-119.
[2] EDQUIST C．Systems of innovation perspectives and challenges[J]．African Journal of Science,Technology,Innovation and Development,2010,2(3)：14-45.
[3] LIU M C,WANG J C,WU M T．Typology and knowledge productivity of regional innovation system：evidence from china[J]．Journal of Business and Economics,2014,5(1)：49-60.
[4] 顾基发,高飞．从管理科学角度谈物理-事理-人理系统方法论[J]．系统工程理论与实践,1998,18(8)：2-6．
[5] 顾基发,唐锡晋,朱正祥．物理-事理-人理系统方法论综述[J]．交通运输系统工程与信息,2007,34(6)：51-60.
[6] AUDRETSCH D B,LEHMANN E E,WRIGHT M．Technology transfer in a global economy[J]．The Journal of Technology Transfer,2014,39(3)：301-312.
[7] 李晓娣,饶美仙．区域数字创新生态系统发展路径研究——基于fsQCA的组态分析[J]．管理工程学报,2023,37(6)：1-12.
[8] 韩先锋,宋文飞,李勃昕．互联网能成为中国区域创新效率提升的新动能吗[J]．中国工业经济,2019,36(7)：119-136.
[9] 吴中超．基于随机前沿的区域创新绩效研究：创新网络结构视角[J]．技术经济,2020,39(4)：120-131.
[10] 林德明,罗宇晴,刘文斌．知识产权政策如何提升国家创新能力——基于政策工具的组态分析[J/OL]．科学学研究：1-19[2023-10-23]．https：//doi.org/10.16192/j.cnki.1003-2053.20230406.004.
[11] 韩文龙．“技术进步—制度创新—企业家精神”的创新组合及其增长效应[J]．社会科学辑刊,2019,41(3)：202-212.
[12] 李玉婷,祝志勇．制度供给与中国地区绿色创新效率[J]．北京理工大学学报(社会科学版),2019,21(1)：50-58.
[13] 李冲,龙帼琼,钟昌标,等.金融制度质量的时空演变提升的是TFP还是GDP[J]．云南财经大学学报,2021,37(5)：63-75.
[14] 顾基发,赵明辉,张玲玲．从理论到实践：人理的进一步探究[J]．管理评论,2021,33(5)：57-63.
[15] 张彦红．“十四五”时期地方政府科技创新注意力配置和资源布局研究——基于30个省市“十四五”规划及远景目标文本分析[J]．科学管理研究,2021,39(4)：30-34.
[16] 潘健平,潘越,马奕涵．以“合”为贵? 合作文化与企业创新[J]．金融研究,2019,62(1)：148-167.
[17] 段勇倩,陈劲．风险投资、产学研合作与区域创新效率——基于DEA-Tobit两阶段模型的实证分析[J]．工业技术经济,2021,40(7)：3-11.
[18] 杜运周,贾良定．组态视角与定性比较分析(QCA)：管理学研究的一条新道路[J]．管理世界,2017,33(6)：155-167.
[19] MISANGYI V F,ACHARYA A G．Substitutes or complements? a configurational examination of corporate governance mechanisms[J]．Academy of Management Journal,2014,57(6)：1681-1705.
[20] 张明,杜运周．组织与管理研究中QCA方法的应用：定位、策略和方向[J]．管理学报,2019,16(9)：1312-1323.
[21] RAGIN C C．Redesigning social inquiry：fuzzy sets and beyond[M]．Chicago：University of Chicago Press,2009.
[22] DUL J,VAN DER LAAN E,KUIK R,et al．Necessary condition analysis：type i error,power,and over-interpretation of test results．a reply to a comment on NCA．Commentary：predicting the significance of necessity[J]．Frontiers in Psychology,2019,10：283.
[23] 卢英敏,逄亚男．创新环境对区域创新效率的影响——基于空间面板Tobit模型的分析[J]．长白学刊,2020,36(1)：94-102.
[24] 潘为华,贺正楚,潘红玉．中国数字经济发展的时空演化和分布动态[J]．中国软科学,2021,36(10)：137-147.
[25] 李士梅,彭影．区域制度环境对创新人才集聚的空间影响研究——基于人口老龄化的视角[J]．吉林大学社会科学学报,2020,60(5)：82-91,237.
[26] 王进富,邱婧,张颖颖．多要素驱动区域创新链耦合协调度提升的路径研究——TOE框架下的fsQCA分析[J]．科技进步与对策,2023,40(4)：34-44.
[27] 文宏,赵晓伟．政府公共服务注意力配置与公共财政资源的投入方向选择——基于中部六省政府工作报告(2007～2012年)的文本分析[J]．软科学,2015,29(6)：5-9.
[28] FISS P C．Building better causal theories：a fuzzy set approach to typologies in organization research[J]．Academy of Management Journal,2011,54(2)：393-420.
[29] DUL J,VAN DER LAAN E,KUIK R．A statistical significance test for necessary condition analysis[J]．Organizational Research Methods,2020,23(2)：385-395.
[30] GRECKHAMER T,FURNARI S,FISS P C,et al．Studying configurations with qualitative comparative analysis：best practices in strategy and organization research[J]．Strategic Organization,2018,16(4)：482-495.
[31] 胡宁宁,侯冠宇．区域创新生态系统如何驱动高技术产业创新绩效——基于30个省份案例的NCA与fsQCA分析[J]．科技进步与对策,2023,40(10)：100-109.
[32] FAN X,REN S,LIU Y．The driving factors of green technology innovation efficiency-a study based on the dynamic QCA method[J]．Sustainability,2023,15(12)：9845.