Assessment of National Innovation Capabilities from the Perspective of the Dual Innovation Value Chain: Conceptual Framework and Spatial Heterogeneity

Qin Xionghe1,Chen Dongcheng1,Lu Han2

(1.School of Economics, Hefei University of Technology, Hefei 230009, China; 2.School of Economics and Management, Shanghai Maritime University, Shanghai 201306, China)

Abstract：Mounting evidence indicates that the objective and accurate measurement of national innovation capabilities, along with the exploration of pathways for their enhancement, has become a prominent and longstanding concern in academia. This urgency is particularly pronounced in the context of growing international competition, where innovation has become a cornerstone of national competitiveness and economic resilience. However, despite extensive research into the frameworks, concepts, and metrics for evaluating innovation, the spatial heterogeneity of innovation capabilities remains underexplored. The concept of spatial heterogeneity in national innovation capabilities highlights the non-uniform distribution and aggregation of innovation levels across different geographic areas. It also addresses the diverse relationships and impacts of driving factors, which are contingent upon their spatial attributes. Furthermore, it encompasses the parameter heterogeneity evident in spatial convergence processes, which reflect disparities in development velocities, trajectories, and influencing factors among regions. Neglecting these spatial dimensions not only limits the understanding of how innovation diffuses geographically but also exacerbates analytical challenges in modeling the complex, evolving nature of national innovation systems. Moreover, traditional linear “black-box” frameworks for evaluating innovation capabilities fail to capture the multistage, sequential, and interactive nature of innovation, leading to incomplete assessments that neglect external exploitation capabilities, including the absorption, adaptation, and utilization of global knowledge and technology. As a result, there is a pressing need to move beyond one-dimensional assessments and adopt more comprehensive frameworks that integrate spatial heterogeneity and multistage innovation dynamics.

To address these gaps, the study adopts a dual innovation value chain lens, deeply rooted in dual innovation theory and the innovation value chain framework. This perspective underscores that the essence of innovation capabilities extends beyond internal procedures to include the strategic harnessing of global knowledge networks for external exploitation. By dividing the innovation value chain into internal innovation development and external innovation exploitation, the framework captures the multifaceted nature of innovation capabilities. Internally, innovation encompasses activities such as knowledge creation, research, and technology development, while externally, it involves the absorption, adaptation, and dissemination of innovations within global value chains. To operationalize this framework, national innovation capabilities are deconstructed into four sub-dimensions—knowledge creation, knowledge absorption and sharing, technology commercialization, and technological agglomeration and radiation—capturing the comprehensive stages of innovation generation, dissemination, and utilization. Using a multidimensional innovation capabilities index system, this study evaluates the innovation capabilities of 66 countries globally from 2010 to 2022. Methodologically, spatial autocorrelation models reveal patterns of regional clustering in innovation, while multi-scale geographically weighted regression models capture how the drivers of innovation vary across different spatial scales. Spatial convergence models, by examining the dynamics of innovation capability disparities and revealing whether countries are converging toward similar innovation levels or diverging further apart, complement a robust analytical foundation that underscores the spatial and temporal dynamics of innovation capabilities while highlighting the interplay between internal development and external engagement.

The study yields several key findings regarding national innovation capabilities. First, national innovation capabilities exhibit strong spatial dependence, forming a three-pole distribution centered in Western Europe, North America, and the Asia-Pacific region. Spatial disparities within this framework reveal that developed countries excel in knowledge absorption and sharing, while developing nations like China and Russia face challenges in this dimension, highlighting systemic gaps in collaboration, cross-sectoral synergy, and technology diffusion. Second, the drivers of innovation capabilities display spatial heterogeneity in their scale and significance. Factors such as production diversification, rule of law, and political stability contribute significantly to spatial differentiation, while others like information technology development and population density have more modest impacts. Lastly, convergence heterogeneity is evident, as developing nations and the global sample demonstrate significant spatial β-convergence, reflecting a “catch-up” effect where low-capability nations narrow the gap with high-capability counterparts, while developed countries show only conditional convergence without absolute β-convergence trends. These findings underscore the complex and differentiated trajectories of innovation systems, highlighting the need for tailored strategies to foster balanced growth and global competitiveness.

Key Words：Dual Innovation Value Chain; National Innovation Capabilities; Spatial Convergence; Spatial Heterogeneity; Multi-Scale Geographically Weighted Regression

DOI：10.6049/kjjbydc.2024040792

开放科学(资源服务)标识码(OSID)：

中图分类号：F124

文献标识码：A

文章编号：1001-7348(2025)24-0048-13

收稿日期：2024-04-30

修回日期：2024-11-30

基金项目：国家自然科学基金项目(42001124,42401216);教育部人文社会科学研究基金项目(23JHQ060);中央高校基本科研业务费专项资金资助项目(JZ2024HGTB0252)

作者简介：覃雄合(1988—),男,广西柳州人,博士,合肥工业大学经济学院副主任、副教授、硕士生导师,研究方向为区域经济与科技创新政策;陈东成(1999—),男,湖北武汉人,合肥工业大学经济学院硕士研究生,研究方向为科技创新政策;卢函(1992—),女,河南安阳人,博士,上海海事大学经济管理学院讲师,研究方向为区域创新政策。通讯作者:卢函。

0 引言

在当今信息社会与数字化时代,国家创新能力已成为国家发展的核心动力,不仅是推动经济长期增长的关键力量,更是各国争夺全球竞争战略优势的决定性支柱。一方面,全球化和信息化深度融合促进创新资源在国家间自由流动,有助于提高企业生产效率,降低产品生产成本,进而从国际贸易中获益[1];另一方面,国家创新能力是推动国家实现高质量发展和强化国家治理体系的重要力量[2]。因此,随着国际竞争日益加剧,如何客观、准确地评价各国创新能力并探究其增长路径成为重要议题[3]。

国家创新能力作为一个多维概念,需通过分析不同国家和创新实体之间的协作来评估其在国家层面的表现及影响力[4]。然而,纵观已有研究,无论是基于国家创新体系的宏观研究,抑或是聚焦区域创新能力的微观研究,均受到线性创新思维模式的制约,即过于强调内部创新,忽视了国家创新系统参与全球创新网络所进行的知识和技术吸收及传播过程[5]。此外,尽管大量研究采用国家创新能力的概念,但所描述的实质内涵、构成要素和适用情境缺乏坚实的理论基础,难以有效捕捉和准确甄别宏观驱动因素对各国创新能力的差异化作用机制[6]。现有创新能力评价研究多依赖“黑箱”框架,与创新多阶段序列过程不一致,亟待构建一个既考虑外部创新又兼顾多阶段创新的多维创新能力概念框架,以促进国家创新能力提升。鉴于此,本文结合双重创新理论和创新价值链理论,从双重创新价值链视角衡量国家创新能力。

同时,尽管现有研究逐步拓宽了国家创新能力提升路径,但由于地理位置不同以及发展不充分和不均衡问题,各国创新能力存在显著差距[7]。然而,当前研究对于这种空间非平稳分布和异质性问题未进行充分探讨。国家创新能力空间异质性具有以下3层含义:①国家创新能力空间格局异质性分布可看作创新能力高低空间聚集或聚类。换言之,高创新水平和低创新水平空间分布既非随机也非同质,而是在某些特定空间范围内形成的空间聚类。②国家创新能力空间异质性也指空间关系变化[8]。变量方向和强度可能会随空间位置不同而不同,即国家创新能力影响因素具有空间非平稳性特征。③从空间计量经济学角度看,国家创新能力收敛趋同的空间异质性表现为参数异质性特征[9],即空间收敛回归可能会捕捉到创新发展过程中存在的非均匀性和空间依赖性问题。这主要是因为创新能力在不同空间范围内的收敛速度、路径和驱动因素不同。

据此,本文从双重创新价值链视角解析国家创新能力,通过构建指标体系对国家创新能力进行定量评价,借助空间分析法揭示国家创新能力的空间异质性。基于对现有国内外创新能力评价框架和创新指数研究的梳理,本文首先整合双重创新价值链视角下的上下游阶段及内外部创新过程,构建一个多维创新能力概念框架。其次,采用多指标综合加权法构建指标体系,对2010—2022年全球66个国家的创新能力进行测度。最后,运用空间自相关模型、多尺度地理加权回归模型和空间收敛模型,揭示各国创新能力发展水平及其均衡程度,以期为理解各国创新能力发展现状和空间异质性提供理论依据,对识别国家创新能力提升路径具有重要理论意义和实践价值。

1 文献综述与研究框架

1.1 文献综述

国家创新能力对于推动国家经济增长发挥关键作用,既是一国长期持续生产知识技术的能力,也是促进技术进步和提升国家竞争力的重要因素,受到国内外学者的广泛关注。当前,多数研究主要集中在创新指数和创新能力框架两个方面[10],但存在一些不足之处。在创新指数层面,由于缺乏对创新能力的量化研究,早期研究仅聚焦于单个国家且采用单一创新指标,如使用专利申请数量、研发支出等指标衡量国家创新能力[11]。由于这些指标与创新活动的关联有限,因此往往无法系统性评估国家创新能力。因为它们仅考虑创新产出的单一维度,忽视了其它因素对创新的多样化贡献。此外,有些研究运用结构方程模型和数据包络分析法,将国家创新系统视为一个独立变量,考察并检验各国创新系统效率,以此衡量国家创新能力[12]。这种测量方法有可能导致信息误差,因为它与公认的观点相悖[7],即国家创新系统被视为一个开放性系统。近年来,相关学术研究机构采取较为主流的综合指数评价法,涌现出诸多创新指数,如全球创新指数、欧洲创新记分牌和国家创新指数等[10]。虽然实践成果较丰富,指标来源和含义较广泛,但具体指标的理论层次尚不明确,在一定程度上阻碍了对国家创新能力的理解。

从创新过程不同阶段及其内部结构看,构建创新能力概念框架尤为重要。已有研究表明,创新能力框架强调创新的多种来源,是理解国家创新能力的重要一环[7]。当前研究常使用知识生产函数展示国家内部创新投入与产出的关系。然而,仅考虑内部创新投入与产出以及新技术开发与商业化并不恰当,因为创新也依赖于外部机器设备新投资、嵌入外来技术的外商直接投资、咨询、许可证和技术诀窍等因素。因此,内部开发和外部探索具有同等重要性,它们均强调知识与技术的流动性和创新系统的开放性(付丙海等,2015)。

综上所述,现有创新指标体系通常认为一个国家创新能力在很大程度上取决于其内部因素,而忽视了外部因素的影响。事实上,多数国家的资源和技术有限,国家创新系统应将内外部因素同时纳入开放式创新范式,但这一领域未得到充分关注。同时,鉴于创新是一个多阶段过程,探究国家创新能力还应考虑不同阶段的创新环境,但从创新价值链角度探究国家创新能力不同阶段的研究较少。

1.2 研究框架

柳卸林等[13]指出,根据熊彼特和弗曼对创新的定义,创新过程包括两个阶段:一是知识识别和发展;二是技术生产和商业化。尽管创新过程两个阶段不是“基本”和“应用”之间的二分法,但巴斯德象限模型却提供了一个有用的出发点[14]。基于创新价值链理论,本文将国家创新活动分解为科学研究和技术转化两个阶段,即科学知识和技术资源向技术成果输出的上游阶段,以及通过商业化实现经济效益的下游阶段。具体而言,创新活动前端代表创新思想和概念的产生,本文将其称为科学研究阶段(从想法的产生到发展阶段),即决策实施和创新资源投入阶段。当市场启动后,创新活动进入下游阶段,这一阶段受到非创新商业化投入的影响,即从技术知识开发转向经济利润创造。

按照这一思路,创新价值链中的科学研究和技术转化并非孤立存在的,而是包括内部和外部互动过程。因此,从双重创新理论出发,将国家创新活动划分为内部创新开发和外部创新探索。其中,内部创新开发反映创新系统在知识和技术方面的创造及整合能力,而外部创新探索则反映创新系统在知识和技术方面的获取及扩散能力(王风彬等,2012)。由此,创新开发和创新探索形成一个完整的双向创新过程,需要同时在内部创新开发和外部创新探索之间实现平衡,以获取可持续竞争优势。

因此,本文构建多维创新能力概念框架,结合内外部双重创新两个方面,将内部创新开发和外部创新探索嵌套于创新价值链两个阶段框架之中。其中,内部创新开发侧重于内部知识构建和价值创造,即通过学习、采用自身有价值的知识(知识创造),将其整合到商业化过程并创造价值(技术商业化);而外部创新探索则强调通过吸收新知识和新技术,将有价值的知识、产品和资源辐射到外部系统。资源吸收与内化的入站式过程和辐射外部资源的出站式过程被整合到开放系统中[15],外部系统交换不仅包括外部知识吸收和传播(知识吸收与共享),还包括外部技术定位和扩散(技术聚集辐射)。值得注意的是,知识创造和技术商业化强调国家创新系统内部发展能力和潜力,构成国家创新能力内部评估;而知识吸收共享和技术聚集辐射将国家创新系统纳入全球创新网络,关注内部系统与外部之间的联系,强调开放性对创新系统的作用。

综上所述,本文构建一个基于双重创新价值链视角的多维创新能力概念框架,包括过程导向和阶段导向两个方面,从而形成既反映内部过程又反映外部过程的双重创新价值链。在阶段层面上,本文将创新活动划分为上游阶段的科学研究和下游阶段的技术转化。在核心层面上,本文将创新活动划分为内部创新开发和外部创新探索。综合来看,国家创新能力被分解为4个子维度创新能力:知识创造、知识吸收共享、 技术商业化和技术聚集辐射。如图1所示,每个子维度反映不同阶段和不同过程的创新能力。

2 研究方法、指标选取与数据来源

2.1 多维创新能力测度指标体系

本文以现有研究为参考[16],遴选出23个相关性较强的指标,构建国家创新能力测度指标体系。结合层次分析法和熵值法计算主客观权重,并运用多指标综合加权法合成综合权重(见表1)。

(1)知识创造能力通过投入创新资源来实现,由新知识的产生反映,从知识技术投入产出角度衡量。创新投入代表各国研发和创新所作的努力和总投资,科学产出是公共科技系统(如科技出版物)开展创新活动的结果[17]。投资侧重于创新系统研发资金和人员投入,以国内研发总支出占GDP的比重和研究人员全职等效衡量,知识技术产出用非商业性创新指标衡量,如科技期刊文章总数、专利申请总数和本地居民商标申请数量等。它们更多代表的是科学研究过程,而非商业化创新的结果[11]。

(2)知识吸收共享能力包括知识吸收能力和知识共享能力。其中,知识吸收能力是指连接国际知识和创新网络的能力,其受两方面因素的影响:获取外部知识的便利性和创新系统对外部知识技术的吸引能力[18]。知识吸收能力还受技术经济特征(如资源可用性)和社会制度条件(如知识产权保护的有效性[19])的影响。知识共享能力指创新系统与外部系统分享知识并产生影响的能力。知识既包括创新系统自身知识,也涵盖吸收外部知识的内化成果。本文主要从两个方面衡量知识吸收共享能力:一是显性知识传播,即论文被引用次数和专利对外交流情况;二是隐性知识传播主要场所,即高等教育机构数量。众所周知,教育系统作为国际人才流动的重要渠道,对国家间知识共享发挥关键作用(游小珺等,2014)。

(3) 技术商业化是国家创新能力的一个重要表征。技术商业化能力取决于大学、研究机构和研发企业之间的互动,本文概念框架考虑到价值创造过程和结果,提供了一种直观方法。衡量技术商业化能力的重点不在于创新产出,而在于新技术产生的经济效果[20]。因此,企业创新价值转化能力用企业研发投入和员工培训程度指数表征,高校、科研院所和研发企业合作程度用R&D大学-产业合作表征,创新价值转化效果用知识产权使用支付费和工业附加值占GDP的比重表征。

(4)技术聚集辐射能力包括技术转化聚集能力和技术转化扩散能力。技术转化聚集能力代表国家创新系统将知识转化为创新价值过程中汇聚创新资源的能力,即从外部获取资源并实现内部化的能力。当企业决定在国外投资或生产时,优越的商业环境是一个重要考量因素。良好的商业环境有助于企业减少经营中的不确定性,并激发创新活力[21]。本文用高科技产品占制造业出口的比重、商品和服务出口占GDP的比重衡量技术聚集辐射能力。此外,用特许权使用费和许可费(出口)表征技术商业化辐射所带来的价值转化。

2.2 多尺度地理加权回归模型(MGWR)

与经典地理加权回归(GWR)模型不同,MGWR将GWR重新转换为广义加性模型(GAM),使用反向拟合算法优化部分残差,使用适当的平滑函数更新每个迭代过程[22],可为各自变量优化选择独立带宽,并解决GWR中所有变量最优带宽限制相同的问题,使得模型结果更接近真实情况。因此,本文用 MGWR探索国家创新能力的空间异质性,模型表达式为:

(1)

式(1)中,yi为因变量,xij为第i个样本点第j个自变量的取值,βbij为局部变量的回归系数;bij表示变量j的回归系数β所使用的带宽;(ui, vi) 代表采样点i的空间坐标;εi为随机干扰项。空间核函数类型为Bisquare,带宽搜索类型为Golden模型,基于赤池信息(AICc)准则选择自变量最优带宽。

2.3 空间收敛模型

空间收敛模型在经济领域已得到广泛应用[23]。鉴于各国创新能力持续提升,国家创新能力可能会收敛至某一稳态,故本文使用空间收敛模型研究各国创新能力长期变化趋势比较合适。空间β收敛包括空间绝对β收敛和空间条件β收敛[24]。其中,空间绝对β收敛是指在其它条件不变情况下,随着时间推移,各国创新能力趋于同一稳态水平,表现出相同的增长轨迹和稳态路径。空间条件β收敛通过控制其它驱动因素,放宽了不同国家具有相同基本特征的假设,意味着不同国家创新能力增长路径和稳态水平可能不同。为此,本文构建更具一般性的空间杜宾模型(SDM),对空间绝对β收敛模型和空间条件β收敛模型加以变换:

(2)

(3)

其中,下标i、t分别代表不同国家和时期;y表示国家创新能力指数;ln(yi,t+1/yi,t) 表示国家i第t年的国家创新能力指数对数增长;W为经济地理权重矩阵,具体形式为:W=Wijdiag(Y1/Y,Y2/Y,…,Yn/Y),Wij=1/dij(i≠j);ρ为空间自回归系数;β为空间收敛系数,当β为负且有统计学意义时,说明存在空间β收敛性;θi为空间固定效应;ηt 为时间固定效应;εi,t为随机误差项,Control为影响国家创新能力的驱动因素;系数α 为驱动因素的估计系数。

基于数据可得性并借鉴已有研究,本文选取以下6个影响国家创新能力的驱动因素:①信息技术发展水平(ICT):用以衡量信息和通信技术商品在国家产品出口总额中所占比重,因为信息技术的迅速发展深刻影响国家数字化创新水平,是提升国家创新能力的主要因素。②多元化生产水平(DPL):用经济适应度指标衡量一个国家在全球竞争中生产多元化和复杂产品的能力,因为多元化经济结构与复杂产品生产能力赋予某一国家在全球竞争中显著优势。③人口密度(PD):高人口密度产生的集聚效应能显著促进创新,密集的创新网络和合作机会有助于资源共享,进而提升国家创新能力[25]。④经济发展水平(Eco):用人均GDP衡量,较高的经济发展水平意味着创新资源丰富、人才储备较多和基础设施完善,能推动国家创新能力不断提升。⑤法制水平(Legal):其对创新生态系统建立、知识产权保护和企业活动规范至关重要,深刻影响着国家创新能力提升(赵云辉等,2019)。⑥政治稳定性(Peace):稳定的政治环境是国家创新系统吸引投资和促进知识交流的基础,能助力国家创新能力提升。

2.4 数据来源

本文选取2010—2022年全球66个国家的面板数据,构建国家创新能力测度指标体系,共包含23个指标。该指标体系中所有数据以及驱动因素数据均来源于联合国教科文组织、世界银行、世界经济论坛、联合国商品贸易统计数据库、《欧盟工业研发投资记分牌》、《全球治理指数报告》和《全球竞争力报告》。各主要变量描述性统计结果如表2所示,图2展示了相关性矩阵热力图,提供了各变量之间显著相关性的证据。此外,计算每个变量方差膨胀因子值(VIF),以避免多重共线性对结果造成的潜在影响。结果发现,所有变量的VIF值均小于10,表明不存在多重共线性问题[26]。

3 实证结果与分析

3.1 空间分布特征

根据2010—2022年整体国家创新能力指数及各子维度创新能力指数,运用自然间断点分级法将国家创新能力划分为4个级别:高创新能力、中等创新能力、较低创新能力和低创新能力。

(1)国家创新能力分布具有空间依赖性特征,西欧、北美和亚太三极分布格局逐步形成。从整体空间格局看,高创新能力国家主要位于西欧、北美和亚太,三极分布特征明显。从时间演变特征看,亚太新兴经济体国家创新能力持续增强,推动全球创新能力空间格局朝着多极化方向演变。根据空间扩散效应理论,这一空间格局的形成一方面可能是因为创新能力领先国家凭借其优势,吸引全球范围内创新资源入驻。这一过程削弱了低创新能力国家的发展机会,产生了抑制创新能力增长的回流效应[27],从而加剧创新能力发展不均衡性,呈现出显著的空间依赖性特征。另一方面,全球化带来的知识溢出和学习效应为亚太新兴经济体提供了先进知识、技术和政策经验,从而产生了对创新能力增长有利的扩散效应[28]。

(2)发达国家的知识吸收共享能力相对高于其知识创造能力、技术商业化能力和技术聚集辐射能力,中国、印度等发展中国家则与之相反。从各子维度看,各国子维度创新能力呈现出明显的空间异质性特征。相对于知识创造能力、技术商业化能力和技术聚集辐射能力,较高的知识吸收共享能力多集中在西欧、北美和大洋洲的发达国家;中国、印度等发展中国家的知识吸收共享能力则相对较低。国家的地理位置、文化传统、历史制度等诸多空间差异性特征都有可能是影响因素[29],研究结果在一定程度上符合发展中国家创新正陷入“低质低效”困境这一命题[30]。

3.2 空间趋势面

对66个国家的子维度创新能力进行空间趋势面分析,结果如图3所示。将子维度创新能力点数据投影至东西方向和南北方向的正交平面上,投影点拟合二次方曲线,以反映空间分布在不同方向上的变化趋势[31]。整体而言,子维度创新能力在空间上的趋势线表现出一定的相似性。在东西方向上,4个子维度创新能力趋势线显示出中间低、两边高的U型分布特征,表明西欧和北美地区创新能力普遍高于东欧和中亚地区。在南北方向上,4个子维度创新能力趋势曲线表现出北高南低趋势,其中知识创造能力和技术聚集辐射能力上升趋势由南向北的变化尤为明显,且坡度较大。因此,从整体空间变化趋势看,国家创新能力在东西方向上的分异程度明显大于南北方向。

3.3 空间自相关分析

3.3.1 全局空间自相关

利用全局Moran′s I指数对国家创新能力进行空间自相关检验。经计算,2010—2022年国家创新能力全局Moran′s I指数均为正值,且均通过1%显著性水平检验。图4结果显示,66个国家创新能力呈现出显著的正空间自相关,表明一国创新能力空间分布并非表现出完全随机状态,而是受到与其拥有相似空间特征的邻近国家创新活动的影响。从整体研究时间序列看,全局Moran′s I指数表现出先下降、后上升、再下降的趋势。结合国家创新能力空间分布格局演变特征,说明多极化分布格局逐步形成,使得国家创新能力高值(或低值)集聚趋势得到一定程度缓解。此外,为探讨哪些国家出现高值或低值集聚现象,需进一步分析局部空间自相关,以反映国家创新能力的局部空间分布特征。

3.3.2 局部空间自相关

图5为2010年和2022年的局部Moran′s I指数散点图。总体而言,国家创新能力呈现出“低-低”集聚组合的国家较多,均分布在创新能力较低的发展中国家,而表现为“高-高”集聚组合的国家大部分为创新能力较高的发达国家,说明国家创新能力空间正相关主要表现为低创新能力发展中国家边缘集聚分布和高创新能力发达国家核心集聚分布的不平等空间分布格局。弗里德曼的核心边缘理论可解释这种创新能力空间结构演变模式,即核心与边缘之间存在不平等的发展关系[32]。总体而言,核心发达国家居于领先地位,边缘发展中国家在创新能力发展上依赖于核心,这构成核心区与边缘区不平等空间分布格局。然而,核心区与边缘区的空间结构地位并非一成不变,核心区与边缘区的边界会发生改变。研究期内中国和印度等发展中国家的创新能力呈现出“高-低”集聚组合,这些国家的创新能力远超其邻近国家,处于上升过渡区,且与核心区之间建立了一定程度的联系,国家创新能力发展呈上升趋势。

3.4 驱动因素空间分异

运用GWR和MGWR模型计算相关指标 (见表3),由模型参数对比可以看出,MGWR模型的AICc值和拟合优度R2等指标显著优于GWR模型,说明MGWR模型拟合结果能够更好地解释驱动因素局部变化特征,并降低模型残差空间自相关性。MGWR对不同驱动因素系数进行回归时考虑到各驱动因素差异化的空间分布异质性尺度。空间作用尺度越大,表明该驱动因素作用效果的空间异质性越小;反之,则说明空间异质性越大[33]。由表3结果可知,经典GWR的带宽为64,而基于MGWR模型的变量带宽取值不同,不同变量作用尺度存在一定差异。其中,DPL的带宽为43,低于其它变量的作用尺度,Legal和Peace作用尺度为44,占总样本的比值较小,说明它们对国家创新能力的作用尺度较小,即存在显著的空间异质性。而ICT、PD、Eco的作用尺度为65,高于其它变量的作用尺度, 说明其对国家创新能力的空间异质性影响较小。

根据MGWR各系数描述性统计结果,对 MGWR 模型测算回归系数进行可视化分析(见图6)。其中,按照近似t检验结果对回归系数不显著 (p>0.1)的国家单元进行无颜色填充,发现其对该单元具有较弱的解释性[34]。由图6可知,不同驱动因素对国家创新能力影响的空间分布格局差异明显。ICT、PD在亚洲、欧洲、大洋洲和非洲部分地区与国家创新能力正相关,表明国家信息技术发展水平和人口密度较高,其对国家创新能力的影响作用较大。从系数绝对值看,两者影响强度在所有变量中较弱,对各国影响强度差异不大。Eco的影响力最大且在总样本中与国家创新能力显著正相关,但该变量为全局变量,系数取值介于0.337～0.388之间,均值为0.350,标准差为0.014,系数绝对值空间变化不大,说明空间异质性较弱。

而DPL、Legal和Peace这些因素却展现出显著的空间异质性。其中,多元化生产水平的影响力覆盖全样本,并呈现出从欧洲到亚洲和大洋洲再到美洲的逐级递增趋势。这一现象可能源于多元化生产水平对自然资源的依赖性,导致资源较为丰富的美洲地区对国家创新能力的影响更显著,而在资源相对贫乏的欧洲地区影响力较弱[35]。法制水平的影响强度主要表现在欧美等发达国家,对发展中国家的影响较小。这可能是因为法制水平通常与知识产权保护、合同执行相关。在欧美等发达国家,法制体系通常较为成熟和严格,能有效保护创新者的知识产权,并鼓励其投资于创新研发活动[36]。因此,这些国家的法制水平对创新能力的影响显著高于其它地区。政治稳定性对国家创新能力的促进作用主要体现在亚洲和大洋洲。政治稳定性不仅包括政策的连贯性,还涉及企业和研究机构长期创新战略规划与实施。稳定的政治环境意味着相对可靠的创新环境,因此对创新能力的影响比较显著[37]。

3.5 空间收敛性分析

3.5.1 空间杜宾模型(SDM)检验

鉴于国家创新能力存在显著空间差异,本文对其空间收敛性进行分析,进一步考察其空间异质性特征。为检验空间杜宾模型的合理性,先进行 Hausman检验,结果表明固定效应模型更适合控制未观察到的时间和空间特征(见表4)。利用Likelihood Ratio(LR)方法分别对空间和时间固定效应模型进行检验,结果显示绝对β收敛和条件β收敛均通过空间和时间固定效应检验,并在1%水平上显著。因此,使用空间和时间双固定效应模型进行估计。表5结果显示,绝对β收敛和条件β收敛空间误差LM检验及稳健性LM检验均通过显著性检验,但空间滞后LM检验和稳健性LM检验未通过显著性检验,需进一步验证SDM能否通过空间滞后模型和空间误差模型的瓦尔德退化检验(Wald tests)及似然比退化检验(LR tests)。结果显示,绝对β收敛和条件β收敛的Wald退化检验及LR退化检验均通过显著性检验,说明无论是空间滞后模型还是空间误差模型均无法单独解释国家创新能力的空间收敛性。因此,选用空间杜宾模型较为合理。

3.5.2 空间计量收敛结果

(1)绝对β收敛分析。由表5可知,全样本国家和发展中国家的绝对β收敛系数均小于0,且均通过1% 的显著性水平检验,表明全样本国家和发展中国家的国家创新能力均存在空间绝对β收敛现象。即各国在信息技术发展水平、多元化生产水平、人口密度、经济发展水平、法制水平及政治稳定性相似情形下,国家创新能力发展随时间推移最终会收敛至同一稳态水平。与国家创新能力较高国家相比,国家创新能力较低国家增速较快,国家间差距逐渐减小。从收敛速度看,发展中国家收敛速度为0.033,快于全样本国家整体收敛速度0.030。此外,发达国家绝对β收敛系数为负但不显著,可能归因于以下两个方面:一方面,具有较高创新能力的发达国家受路径依赖的影响,其初始优势、技术锁定和创新路径对创新能力发展存在持续影响,导致各国创新能力存在长期差异,因而无法收敛到某个稳态水平(王凤彬等,2014)。另一方面,增长极理论也能解释这种现象,即创新能力较强国家往往会成为增长极,吸引更多创新资源以形成强大的技术优势,导致国家间创新能力差距难以缩小[38]。需要注意的是,上述对于绝对β收敛的考察均是各国在一系列驱动因素相似情形下所作的估计和判断,在实际中不同国家在这些因素方面具有较大异质性,因此需要对其收敛性进行检验,即条件β收敛检验。

(2)条件β收敛分析。估计结果显示,全样本国家、发达国家和发展中国家的条件β收敛系数为负,且通过1%显著性水平检验。这表明,在考虑除初始值以外的其它异质性驱动因素后,全样本国家、发达国家和发展中国家创新能力均存在条件β收敛。即随着时序演变,各国创新能力均朝着各自稳态水平发展。全样本国家、发达国家和发展中国家的条件β收敛速度依次为0.036、0.024和0.043,说明在考虑各国自身一系列驱动因素后,发展中国家的收敛速度远快于发达国家。此外,在加入驱动因素后,所有模型的R2较绝对β收敛分析出现显著上升,说明驱动因素选取科学有效。

驱动因素回归结果显示,全样本国家、发达国家和发展中国家各驱动因素系数和显著性水平各不相同。其中,信息技术发展水平的回归系数在发达国家显著为负,而在全样本国家和发展中国家虽然为负但不显著,表明发达国家信息技术发展水平越高,越有助于国家创新能力空间收敛,从而缩小国家间的创新能力差距。而对于全样本国家和发展中国家而言,尚无法明确评判其是否具有促进作用。多元化生产水平在全样本国家和发展中国家的回归系数显著为正,而在发达国家则显著为负。这说明,提升多元化生产水平能够促进全样本国家和发展中国家创新能力向高值收敛,而在发达国家则有助于国家创新能力向低值收敛。人口密度回归系数仅在发达国家显著为正,而在全样本国家和发展中国家为正但不显著。这说明,在人口集聚效应相对不突出的发达国家,人口密度均匀增长对缩小国家间差距具有抑制作用,但对全样本国家和发展中国家是否产生同样效果尚无法判断。此外,经济发展水平、法制水平和政治稳定性对国家创新能力变化影响不显著。值得注意的是,这并不意味着这些因素对国家创新能力没有影响,而是其无法直接促进国家创新能力向高值或低值收敛。

4 结论与启示

4.1 研究结论

本文结合双重创新理论和创新价值链理论,构建多维创新能力概念框架,测度2010—2022年全球66个国家的创新能力,利用空间自相关模型、多尺度地理加权回归模型和空间收敛模型检验国家创新能力的空间异质性,得出如下结论:

(1)国家创新能力具有空间依赖性特征,形成以西欧、北美和亚太为核心的三极空间分布格局。这一框架下,子维度创新能力空间差异性尤为显著。发达国家依托丰富的知识技术积累和高效的创新系统,在知识吸收共享能力方面表现突出。对于发展中国家而言,整体创新能力有显著提升,但在知识吸收共享方面仍面临挑战,较其它子维度相对薄弱。这反映出发展中国家在创新系统协同效应、跨领域合作和技术转化能力方面的不足,导致创新成果难以有效扩散与共享,限制了知识的广泛吸收与应用。从空间趋势看,国家创新能力在东西方向上的分异程度更为显著。这可能与全球经济布局、科技资源分布和历史发展轨迹密切相关。国家创新能力空间分布表现出显著正空间自相关集聚趋势,创新能力较低的发展中国家往往陷入“低—低”集聚困境,这种集聚类型限制了知识技术流动与共享,进一步阻碍了国家创新能力提升。相反,“高—高”集聚类型则更多出现在创新能力较强的发达国家,通过高效的创新系统、丰富的创新资源和良好的创新环境形成强大的创新集群效应。

(2)国家创新能力驱动因素在尺度变化、作用方向及显著水平上存在不同程度的空间异质性。各驱动因素对国家创新能力具有显著正向影响,这根源于国家间差异化的边际效应。不同驱动因素的空间作用尺度存在一定分异,这与驱动因素自身空间分异和性质有关。其中,多元化生产水平、法制水平和政治稳定性对国家创新能力空间异质性的影响较大;而信息技术发展水平、人口密度和经济发展水平对国家创新能力空间异质性的影响较小。此外,各驱动因素与国家创新能力的关系均存在空间异质性,这主要是因为各国创新能力发展受到多种复杂内部因素和外部因素的共同影响,具有非平稳特征,而现有驱动因素不足以完全解释国家创新能力的非平稳过程。

(3)国家创新能力呈现收敛异质性特征。全样本国家和发展中国家创新能力均存在空间绝对β收敛, 而发达国家不存在空间绝对β收敛,发展中国家年均收敛速度大于全样本国家,即低创新能力发展中国家对高创新能力发达国家存在追赶效应。长期来看,随着时间推移,发展中国家创新能力差距逐渐缩小,国家创新能力会收敛于稳态水平。全样本国家、发达国家和发展中国家创新能力存在空间条件β收敛,各国创新能力以较高速度收敛于自身稳定水平,但其稳态水平存在较大差距,即年均收敛速度按照发展中国家、全样本国家和发达国家顺序依次递减。驱动因素回归结果显示,全样本国家、发展中国家和发达国家各驱动因素系数和显著性水平各不相同且存在显著异质性。

4.2 理论贡献

(1)以创新价值链和双重创新为理论基础构建多维创新能力概念框架,丰富了创新理论研究。本文强调创新二元性对国家创新能力的重要性,将双重创新视角从企业层面拓展至国家层面,突出内部创新能力和外部创新能力的相互作用。本文拓展了创新价值链理论应用领域,将国家层面的创新活动分解为科学研究和技术转化两个阶段,丰富了对国家层面双重创新价值链形成及其动态影响的讨论。

(2)现有研究主要基于内生增长理论、内部竞争力理论定义国家创新能力的概念。本文从理论和实证角度阐释不同层次的空间异质性,丰富了国家创新能力研究。一方面,各国创新能力具有高度异质性,不同驱动因素在不同地理空间关键创新维度上存在差异;另一方面,各国创新能力增长收敛空间具有不连续性。通过揭示这些国家层面的异质性特征,为后续基于该特征在应对不确定冲击和提升国家创新能力奠定了基础。

4.3 实践启示

(1)本文构建概念框架旨在为决策者、规划者和政府机构提供一个系统工具,以在国家层面上精准规划和实施双重创新战略。通过深入分析国家创新能力的4个子维度,有助于理解创新生态系统中内外部要素如何相互作用,共同推动国家创新能力提升。具体而言,不仅需要加大资源投入以提升研发效率,确保科学研究与技术突破的前沿性,还需健全技术转化机制。这意味着要优化科研成果到市场应用的转化路径,打破产学研壁垒,促进知识技术快速流动与整合。

(2)随着我国进入创新型国家行列,科技强国建设迈入新周期,全面提升和强化国家创新能力已成为推动现代化产业体系建设和加快新质生产力发展的核心任务。然而,不稳定的地缘政治因素不断涌现,外部技术封锁与垄断限制了知识技术的自由流动与共享,我国亟待提升知识吸收共享能力。为此,需搭建国家级知识共享平台,促进知识开放与流动;深化国际科技合作,提升全球创新网络参与度,积极引进先进技术和国际人才,加快技术吸收进程。同时,鼓励创新资源向企业聚集,激发企业创新活力,逐步摆脱对“引进、消化、再开发”模式的长期依赖,切实增强自主创新能力。

(3)基于各国创新能力空间差异和国家创新能力收敛趋势,具有显著空间收敛特征的发展中国家应结合自身创新资源禀赋,制定差异化创新政策,实现创新能力均衡发展。应重点把握两个方向:一是支持本土企业与国际企业合作,打破创新孤岛效应,强化技术学习与知识转移。二是在推动整体创新能力逐步收敛过程中,协调国内区域创新能力发展,对创新能力较强地区给予政策支持,鼓励其发挥引领作用,而对创新能力较弱地区出台专项支持政策,优化基础设施建设,缩小创新差距。

4.4 不足与展望

本文存在如下不足:首先,国家创新能力是一个复杂的议题,本文构建的创新能力概念框架是探索性的,未来可考虑将全球价值链特征和技术复杂度纳入概念框架。其次,受数据可用性和质量限制,本文涵盖的时间跨度可能无法全面考察空间异质性长期变化趋势,未来可用更长观测时间和更多数据支持捕捉时空异质性。最后,由于特定国家创新环境和特征各不相同,将空间尺度缩小到国家区域层面可以捕捉到区域创新能力的发展特征,从而产生更丰富的研究结论。

参考文献：

[1] ERZURUMLU S S, ERZURUMLU Y O,YOON Y K. National innovation systems and dynamic impact of institutional structures on national innovation capability: a configurational approach with the OKID method[J]. Technovation, 2022, 114: 102552.

[2] 高奇琦. 国家数字能力:数字革命中的国家治理能力建设[J]. 中国社会科学, 2023,44(1): 44-61,205.

[3] KHEDHAOURIA A, THURIK R. Configurational conditions of national innovation capability: a fuzzy set analysis approach[J]. Technological Forecasting and Social Change, 2017, 120: 48-58.

[4] BENNER M. System-level agency and its many shades: path development in a multidimensional innovation system[J]. Regional Studies, 2024, 58(1):238-251.

[5] 张杨, 汤凌冰, 金培振. 金砖国家创新能力测度与影响因素研究[J]. 中国软科学, 2015,30(6):148-157.

[6] 左志刚. 金融结构与国家创新能力提升: 影响机理与经验证据[J]. 财经研究, 2012, 38(6):48-58,79.

[7] MAHROUM S, AL-SALEH Y. Towards a functional framework for measuring national innovation efficacy[J]. Technovation, 2013, 33(10-11): 320-332.

[8] 张延吉, 朱春武. 环境因素与暴力犯罪的非线性和空间异质性关系分析[J]. 地理学报, 2024, 79(8):2141-2156.

[9] 胡可欣, 孙向伟, 李沣航. 中国区域经济趋同的空间异质性研究——来自空间杜宾分位数面板回归的证据[J]. 经济理论与经济管理, 2023, 43(1):14-29.

[10] PROKSCH D, HABERSTROH M M, PINKWART A. Increasing the national innovative capacity: identifying the pathways to success using a comparative method[J]. Technological Forecasting and Social Change, 2017, 116: 256-270.

[11] FURMAN J L, PORTER M E, STERN S. The determinants of national innovative capacity[J]. Research Policy, 2002, 31(6): 899-933.

[12] WU J,MA Z,ZHUO S. Enhancing national innovative capacity: the impact of high-tech international trade and inward foreign direct investment[J]. International Business Review, 2017, 26(3):502-514.

[13] 柳卸林, 高雨辰, 丁雪辰. 寻找创新驱动发展的新理论思维——基于新熊彼特增长理论的思考[J]. 管理世界, 2017,33(12):8-19.

[14] TIJSSEN R J W. Anatomy of use-inspired researchers: from Pasteur′s Quadrant to Pasteur′s Cube model[J]. Research Policy, 2018, 47(9): 1626-1638.

[15] GUAN J, CHEN K. Modeling the relative efficiency of national innovation systems[J]. Research Policy, 2012, 41(1): 102-115.

[16] 王铮, 耿文均, 夏海斌, 等. 区域发展的地理学基础评估及其指标体系构建[J].地理学报, 2023, 78(3):558-571.

[17] LUNDVALL B A. National innovation systems——analytical concept and development tool[J]. Industry and Innovation, 2007, 14(1): 95-119.

[18] CASTELLACCI F. Closing the technology gap[J]. Review of Development Economics, 2011, 15(1): 180-197.

[19] 黎文靖, 彭远怀, 谭有超. 知识产权司法保护与企业创新——兼论中国企业创新结构的变迁[J]. 经济研究, 2021, 56(5):144-161.

[20] LEE K, KIM B Y. Both institutions and policies matter but differently for different income groups of countries: determinants of long-run economic growth revisited[J]. World Development, 2009, 37(3): 533-549.

[21] DJANKOV S, LA PORTA R, LOPEZ-DE-SILANES F, et al. The regulation of entry[J]. The Quarterly Journal of Economics, 2002, 117(1): 1-37.

[22] 肖凡, 王姣娥, 黄宇金, 等. 中国高新技术企业分布影响因素的空间异质性与尺度效应[J]. 地理研究, 2022, 41(5):1338-1351.

[23] 张卓群, 张涛, 冯冬发. 中国碳排放强度的区域差异、动态演进及收敛性研究[J]. 数量经济技术经济研究, 2022, 39(4):67-87.

[24] 张玉臣, 朱铭祺, 廖凯诚. 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[J]. 科技进步与对策, 2021, 38(24):38-47.

[25] 王华, 张炜, 宋辉, 等. 基于多源数据的长沙城市人口空间分布格局演变与模拟[J]. 经济地理, 2023, 43(8): 49-61.

[26] GU T, KIM I, CURRIE G. To be or not to be dockless: empirical analysis of dockless bikeshare development in China[J]. Transportation Research Part A: Policy and Practice, 2019, 119: 122-147.

[27] GORODNICHENKO Y, SVEJNAR J, TERRELL K. Globalization and innovation in emerging markets[J]. American Economic Journal: Macroeconomics, 2010, 2(2): 194-226.

[28] GROSSMAN G M,HELPMAN E.Globalization and growth[J]. American Economic Review, 2015, 105(5): 100-104.

[29] 胡曙虹,杜德斌,段德忠, 等. 中国企业R&D全球化与创新能力升级:一个区位—关系视角的解释框架[J].世界地理研究, 2024, 33(9):45-56.

[30] 诸竹君, 黄先海, 王毅. 外资进入与中国式创新双低困境破解[J]. 经济研究, 2020, 55(5):99-115.

[31] 李贝歌, 胡志强, 苗长虹, 等. 黄河流域工业生态效率空间分异特征与影响因素[J]. 地理研究, 2021, 40(8): 2156-2169.

[32] 徐维祥,李露,周建平, 等. 乡村振兴与新型城镇化耦合协调的动态演进及其驱动机制[J]. 自然资源学报, 2020, 35(9):2044-2062.

[33] 刘婧, 甄峰, 张姗琪, 等. 新一代信息技术企业空间分布特征及影响因素——以南京市中心城区为例[J]. 经济地理, 2022, 42(2):114-123,211.

[34] 黄沣爵, 汤俊卿, 林华丽, 等. 基于多尺度地理加权回归模型的城市建成环境对共享单车空间分布影响研究[J]. 地理研究, 2023, 42(9):2405-2418.

[35] BLANCO L, GRIER R. Natural resource dependence and the accumulation of physical and human capital in Latin America[J]. Resources Policy, 2012, 37(3): 281-295.

[36] LUO Y, TUNG R L. International expansion of emerging market enterprises: a springboard perspective[J]. Journal of International Business Studies, 2007, 38: 481-498.

[37] MAY P J, JONES B D, BEEM B E, et al. Policy coherence and component driven policymaking: arctic policy in Canada and the United States[J]. Policy Studies Journal, 2005,33(1): 37-63.

[38] 邢祖哥,黄耿志,薛德升. 中国城市流动人口社会融合的空间格局与影响机制[J]. 地理学报, 2022, 77(10): 2474-2493.

(责任编辑:王敬敏)