长三角城市群科技创新要素的空间配置及影响因素<sup>*</sup>

科技创新能够推动城市主导产业的更新换代，进而优化产业结构，而产业结构是经济结构的关键要素。即科技创新能力提升使经济结构得以调整与优化，对区域内经济社会的可持续发展有很深的影响。科技创新能力提升的关键是改善其要素投入及配置效率。科技创新包括技术创新、知识创新及管理创新，其要素的空间配置会受到众多社会因素的影响。因此，研究科技创新要素的配置及其空间溢出效应，能够进一步推动城市创新经济发展。

一、文献综述

科技创新成果转化在某一阶段既是产出的直接表现形式，也是科技创新绩效的动力来源，其成果应用于生产体系中以创造社会新价值与市场新价值就是科技创新活动的过程[1-3]。在进行科技创新活动时，合作网络能够推动新技术与新知识的产生，学习、共享与匹配是经济活动集聚的三个机制，所以会产生空间集聚现象[4-7]。这些理论表明了研究科技创新要素配置的必要性。目前，研究主要是从科技创新要素评价指标体系的构建、科技要素协同创新、科技创新成果转化、科技创新要素配置效率及其影响因素等方面展开的[8-12]。其中，科技创新要素配置效率及其影响因素是当前的研究重点。

近年来，科技创新要素配置效率的研究主要集中于测算方法和不同产业科技创新要素配置效率等方面。优化科技创新要素配置是提高自主创新能力的路径之一，因此DEA模型被广泛应用于科技创新要素配置研究中[13]。但传统的DEA模型并非最优的测算方法，其最优权重不是唯一的，且不能很好地区分决策单元。后续研究中，为了确定最优输入与输出的权重，运用公共权重DEA模型评价其要素效率[14]；同时，为了加大区分度，引入交叉效率评价方法，从科技创新资源高效配置和异质性动态演化的视角出发，以区域间交互评价得到的综合效率值作为科技创新资源配置依据[15]。科技创新要素成本的变动能够带动产业结构升级，研究不同产业的科技创新要素配置情况有助于其产业合理化与高级化，主要有农业科技创新、海洋科技创新、旅游业科技创新、文化产业科技创新以及金融科技创新[16-21]。

对于科技创新要素配置的影响因素研究较多，且相对较为成熟。从定性角度出发，运用比较分析方法找出我国科技创新要素配置中存在的问题，并提出了优化要素配置的建议[22]。同时，从物、人和协调机制三个因素出发，研究其对科技创新要素配置的影响，协调科技资源各要素并激发其外溢效应，使得物尽其用、人尽其能，使科技资源效用最大化[23]。从定量角度出发，宏观上区域科技创新资源的配置效率与地区经济发展水平有关，相较于知识创新成果，经济产出有很大的不足[24]。具体来说，有学者基于蚁群算法研究得出启发式信息、正反馈机制、信息要素挥发机制是影响科技创新要素配置的三个决定因子[25]，并运用交叉效率集结模型测算出不同区域科技创新要素配置的影响因素[26]。

综上所述，目前学者们对城市科技创新要素配置已进行了多方位、分层次的研究，但仍然存在一些不足：大多仅从创新成果产出视角测度科技创新要素的配置效率，没有考虑要素自身的空间配置情况；虽运用了定性与定量相结合的方法分析了科技创新要素配置的影响因素，但大多基于静态视角，没有考虑空间效应，缺少动态视角的研究。鉴于此，本文以长三角城市群41个地级市为研究对象，采用2010—2018年面板数据，运用要素错配模型测度了长三角城市群科技创新要素的空间配置情况，并从动态视角出发运用空间杜宾模型研究科技创新要素空间配置的影响因素及其溢出效应，以期为跨区域协同科技创新发展提供有益参考。

二、研究区域、数据来源与研究方法

长三角城市群包括安徽省、江苏省、浙江省以及上海市三省一市。本文以其41个地级市为研究对象(1)合肥、芜湖、蚌埠、淮南、马鞍山、淮北、铜陵、安庆、黄山、滁州、阜阳、宿州、六安、亳州、池州、宣城、南京、无锡、徐州、常州、苏州、南通、连云港、淮安、盐城、扬州、镇江、泰州、宿迁、杭州、宁波、温州、嘉兴、湖州、绍兴、金华、衢州、舟山、台州、丽水、上海。。目前，长三角区域一体化已上升为国家战略。科技创新是实现一体化高质量发展的内生动力。长三角区域正在加快打造科技创新共同体，已有30个城市推出了科技创新券。同时，为了优化科技创新资源的流动与配置，长三角正在积极搭建科技共享服务平台。因此，研究长三角城市群科技创新要素的空间配置情况及其影响因素，有利于区域优质资源要素的交流合作以及科技共享服务平台的搭建，有利于长三角城市群区域一体化高质量发展。

研究数据主要来源于2011—2019年历年《中国城市统计年鉴》、相关城市统计年鉴以及国民经济与社会发展统计公报。研究方法主要包括要素错配模型和空间杜宾模型。

1. 要素错配模型

使用科技创新人力要素与科技创新资本要素错配系数作为科技创新要素空间配置的代理变量，可以有效反映实际使用的科技创新要素配置与有效状态下科技创新要素配置的偏离程度。借鉴Aoki的要素空间配置测度模型[27]，设计科技创新要素错配模型。

假设研发生产函数为C-D形式，即

式中：Yit为科技创新产出；Ait为科技创新效率；Lit为科技创新研发人员投入；Kit为科技创新研发资本投入；α为科技研发弹性，取0.55。

科技创新研发人员与资本错配测算指标设计为

式中：ξLit为科技创新人力要素错配系数；ξKit为科技创新资本要素错配系数，表示科技创新要素的空间配置情况，系数越大表明科技创新要素空间配置扭曲程度越大，配置效率越低下；Vit为科技创新产出份额，采用专利受理量作为代理变量；

为加权平均弹性；Kt为科技创新研发资本投入，Kt=Dt-1+(1-φ)Kt-1，其中Dt-1为t-1期的实际科技创新研发投资，φ为折旧率，一般取0.15。初期K0=D0/(G+φ)，其中G为实际科技创新资本投入的年均增长率。

2. 空间杜宾模型

常见的空间计量模型有空间滞后模型、空间误差模型及空间杜宾模型。从空间角度出发，邻近地区的科技创新要素流动量存在一定的空间异质性与相关性，各影响因素也存在相互依赖、相互促进的关系。因此，采用兼顾自变量与因变量空间相关性的空间杜宾模型，其一般表现形式为

式中：X为解释变量矩阵；

为可变解释变量矩阵；Y为被解释变量矩阵；ρ为空间效应系数；W为空间权重矩阵；β为参数向量；γ为邻近地区解释变量对被解释变量的边际效应系数；

为邻近地区平均观测值空间滞后变量；ε为随机误差项。

(2) 空间权重矩阵设计

依据新经济地理学“中心

外围”理论及协同创新要素流动的距离与载体，空间效应会随着距离的增加而递减。构建地理距离空间权重矩阵

式中，dij为两地区间的距离。

三、长三角城市群科技创新要素空间配置测度

广义的科技创新要素包括科技资本要素、科技人力要素、科技物力要素、科技信息要素，狭义的科技创新要素则限定为科技人力要素与科技资本要素。科技创新是人类进行创新活动的产物，具有很强的社会性；而科技创新资本要素不仅能够体现科研机构的规模，而且能够反映地区科技创新资本的投入。因此，本文选用狭义的科技创新要素加以分析，结果如表1所示。

总体上，长三角城市群内各地区科技创新资本要素错配较科技创新人力要素更为严重，且各城市间科技创新要素配置存在显著差异，处于两极的城市要素错配系数值差距明显，处于中间的城市差距较小。长三角城市群各地区在地域上都十分邻近，以上海为中心，大量中等城市作为其经济发展支撑，三省一市的营商环境、文化背景及协同科技创新能力相似，但某些城市受到传统经济政策与管理体制的影响，一直难以突破经济发展的瓶颈。

具体而言：科技创新资本要素配置较好的城市包括南通、宣城、无锡、常州、阜阳，较差的城市有泰州、铜陵、舟山、马鞍山、池州；科技创新人力要素配置较好的城市包括常州、苏州、台州、阜阳、湖州，较差的城市包括宿迁、淮北、黄山、丽水、泰州。发展水平较高的城市科技创新要素错配程度较低，但经济发展滞后的城市要素错配程度并不都是最高的。科技创新要素配置与经济发展水平并无直接关联，其会受到很多外界因素的影响，如政策支撑、科技创新环境以及产业结构等，因而经济发达城市的要素配置不一定就是合理的。城市科技创新要素配置较合理，只能说明其在开展科技创新活动时充分利用了现有的人力与资本，且对其进行了最大可能的经济转化。

根据以上测算结果，计算出长三角城市群科技创新资本要素与人力要素错配系数均值分别为1.702和1.306。据此将长三角城市群41个地级市的科技创新要素空间配置情况分为四类，如图1所示。

处于第一象限的为宿迁、镇江、马鞍山、铜陵、泰州，这5个城市的科技创新资本要素与人力要素错配程度均较高，说明科技创新要素配置不合理，需要从源头开始调整要素的分配；第二象限为淮北、黄山、丽水、淮南、盐城、合肥、连云港、徐州、嘉兴、金华、淮安、南京、蚌埠、衢州、无锡、上海，这16个城市的科技创新资本要素错配程度较低，而科技创新人力要素错配程度较高，即科技研发人员的配置较为不合理，在进行创新活动时应侧重调整人力要素配置；第三象限为南通、宣城、扬州、杭州、芜湖、宿州、滁州、绍兴、温州、六安、宁波、亳州、阜阳、湖州、常州，这15个城市的科技创新资本要素与人力要素错配程度均较低，表明这些城市的科技创新要素配置较为合理，可以利用其辐射效应影响周边城市的要素配置；第四象限为安庆、舟山、苏州、台州、池州，这5个城市的科技创新资本要素错配程度较高，而科技创新人力要素错配程度较低，即科技研发资金的投入分配不够合理，在进行创新活动时应侧重调整资本要素配置。此外，泰州、铜陵、舟山、马鞍山、池州的科技创新资本要素错配系数值异常大，说明这些城市在进行科技创新建设时的首要任务是重新调整科技资本结构，提高科技创新要素配置效率。

四、长三角城市群科技创新要素空间配置的影响因素

1. 影响因素选取及说明

科技创新要素的空间配置既受到外界错综复杂的环境影响，也受到内部多投入与多产出因素的影响，而科技创新要素配置的治理主体包括政府、市场和社会。因此，本文从政府因素、市场因素、社会因素的角度考察其对科技创新要素空间配置的影响。

政府应在科技创新要素配置中发挥主要作用，其配置的要素包括政策、信息等，特别是会加强在基础研究、共性技术研究方面的要素配置。因此，政府在进行相关政策制定时会影响到科技创新要素的配置。

在政府信息化建设中，诺兰模型认为其要经历初始化阶段、蔓延阶段、控制阶段、集成阶段、数据阶段以及成熟阶段。由于信息技术与政府运作机制缺乏深度融合，在控制阶段易产生信息悖论，导致局部技术创新效率下降的现象。技术创新效率决定了信息化发展水平，最终造成区域信息化供需不平衡，信息化不平衡可重新编码知识的传输效率，即信息化水平能够深度影响要素流动效率。此外，从区域创新系统的角度来看，信息化程度影响科技创新系统内企业获取外部信息的可得程度，会制约经济增长，抑制科技创新要素在空间内的合理配置[28]。在政府财政政策制定方面，主要衡量当地政府对科技活动的重视程度。在发展地方经济时，政府具有经济与政治上的双重激励功能，财政政策干预就是一种较为直接的表现形式，通常表现为扩大财政支出。在此压力下，地方政府往往会加强土地财政与金融借款等措施，从而影响科技创新要素的空间流动，加剧要素错配程度[29]。

以互联网上网人数代表信息化水平，并提出假设1

假设1 信息化水平能够正向促进科技创新要素在空间上的合理配置。

以财政支出收入差额与财政收入比值代表财政政策干预程度，并提出假设2

假设2 财政政策干预反向影响科技创新要素在空间上的合理配置。

市场是科技创新要素发挥作用的主战场，主要开发应用型专用技术；各类企业科技创新投入是国家科技要素配置的核心，是科技转化为生产力的主要途径。政府在政产学研协同中会制定一系列科技政策和激励措施，但在市场条件下政府参与科技创新程度较低，企业活动占主导地位。市场能够反映产学研情况，而技术市场活动通常分为企业内部研发与外部国际技术溢出。

企业内部研发能够延伸科技创新的价值链，其能力越高，整合内外部资源要素的能力也就越强。企业研发能力与关键技术的研发息息相关，而技术研发能力既是企业在科技创新中的主要功能，也是企业在联盟中发挥协同作用的重要条件，很大程度上影响了企业科技创新投入要素的数量与质量，从而在不同程度上调动了科技创新要素空间配置的积极性[30]。在对外开放程度对工业创新绩效的影响中，技术市场的发展发挥着中介效应，外部科技创新环境能够决定企业获取知识技术的速度[31]。对外开放程度较大，本地企业将能够更好地学习先进知识技术。此外，对外开放程度将会增加本地企业的竞争压力，使其通过改善生产率来保持竞争优势。通常情况下，对外开放政策伴随着知识溢出、技术溢出、信息溢出、人力资本溢出以及管理制度溢出，通过市场积极的竞争机制，能够改善科技创新要素的配置模式。

以高技术产业产值代表企业内部研发能力，并提出假设3

假设3 企业研发能力能够正向促进科技创新要素在空间上的合理配置。

以外商直接投资代表对外开放程度，并提出假设4

假设4 对外开放程度能够正向促进科技创新要素在空间上的合理配置。

社会资本是一种能给个体带来某种利益的资源。社会资本理论强调社会网络结构及其关系对科技创新主体所拥有的资源的影响。在对开放式科技创新的研究中，适于采用社会资本理论来探究企业在开放式科技创新活动中，与各方利益相关者形成的网络结构与网络关系及其如何影响企业获取资源和知识，从而进一步影响科技创新要素的空间配置。社会资本是区域科技创新发展的基础，区域社会资本主要体现为城市化水平与工业发展水平。

城市化水平能够体现区域居民生活水平，是科技创新活动开展的基础保障。城市化发展较好的地区，具有良好的文化氛围与教育环境，能够推动多技能、高素质的人才培养，使科技创新原始人力资本得以积累。此外，城市完善的信息网络使得知识技术要素扩散与传播更易实现，影响了科技创新要素的流动偏好[32]。工业是主导行业，对于推动国民经济健康、持续增长具有特别重要的意义，工业发展与增长能够带动更多的科技研发活动。工业化水平越高的城市，其经济发展质量、动力状态及产业结构越优化，越有利于实现传统要素的升级以及新型科技创新要素的培育。此外，通过有意识的引导与宏观调控，能够让新型科技创新要素在经济生产活动总投入中所占份额提升，实现要素的合理化流动。工业化水平决定了有限的科技创新要素投入能创造多大可能的经济效益以及能否科学减少要素浪费，影响到要素资源的重新配置[33-34]。

以工业总产值与GDP的比值代表工业化水平，并提出假设5

假设5 工业化水平能够正向促进科技创新要素在空间上的合理配置。

以城市人口与总人口的比值代表城市化水平，并提出假设6

假设6 城市化水平能够正向促进科技创新要素在空间上的合理配置。

① 教育水平。城市科技创新能力提升不可缺少人才高地，采用普通高等学校在校生数作为其代理变量[35]。

② 经济发展水平。能够充分反映城市总体水平与经济发展状况，采用人均GDP来代替[36]。

③ 技术因素。能够反映科技创新活动中知识与技术的产出情况，采用技术市场成交额来替代[37-38]。

上述变量及其定义如表2所示。

为研究科技创新要素空间配置的影响因素，分别构建各因素对科技创新人力要素与资本要素错配系数产生影响的空间杜宾模型，即

2. 模型结果分析

估计系数无法直接反映各影响因素对科技创新要素配置的边际影响，因此需要计算直接效应、间接效应以及总效应，以体现政府因素、市场因素与社会因素对科技创新要素配置的影响程度。直接效应指的是本地因素对本地科技创新要素配置的影响；间接效应被称为空间溢出效应，指的是邻地因素对本地科技创新要素配置的影响；总效应指的是所有地区因素变动对本地科技创新要素配置的影响。计算结果如表3所示。

由表3中ln FUND的相关结果可以看出：信息化水平对科技创新资本要素错配的间接效应与总效应均显著为负，表明邻地的信息化水平能够抑制资本要素错配，且空间溢出效应较大。即信息化水平能够正向促进科技创新资本要素的配置，使其趋于合理。企业内部研发对科技创新资本要素错配的直接效应、间接效应与总效应均显著为负，且间接效应较大，表明企业内部研发能力越强，科技创新资本要素配置越合理。邻地的企业内部研发能力是形成该结果的主要原因，空间溢出效应明显。对外开放程度对科技创新资本要素错配只具有本地效应，不具有空间溢出效应。工业化水平的本地效应表现为正向促进科技创新资本要素的合理配置。由于其空间溢出效应较强，加剧了资本要素错配效应，即工业化发展不利于资本要素的空间配置。城市化水平对科技创新资本要素错配的直接效应、间接效应与总效应均显著为负，说明本地城市化水平正向促进资本要素的合理配置，邻地城市化水平正向促进本地资本要素的合理配置，且空间溢出效应较强。

由表3中ln PER的相关结果可以看出：本地信息化水平抑制了科技创新人力要素错配，有利于其合理配置，但不存在空间溢出效应。本地财政政策正向促进科技创新人力要素错配，不利于其合理配置；但邻地财政政策正向促进科技创新要素的合理配置，且空间溢出效应较强，消除了错配效应。本地企业内部研发正向促进科技创新人力要素的合理配置，且本地效应较强，但不具有空间溢出效应。本地对外开放程度正向促进科技创新人力要素的合理配置，但本地效应较小，同时不具有空间溢出效应，所以其总效应不显著。工业化水平的本地效应不显著，邻地工业化水平加剧了科技创新人力要素的错配效应，不利于其在空间上进行合理配置，且空间溢出效应明显。本地城市化水平显著促进科技创新人力要素的合理配置，邻地城市化水平降低了其错配效应，即城市化水平有利于科技创新人力要素的合理配置。

以上结果说明：信息化水平能够正向促进科技创新要素空间配置的合理化，验证了假设1。信息化是指充分利用网络信息技术减少信息交流壁垒，加快资本流动速度。各地区的信息化水平差异较大，通过信息交流与知识共享，有利于要素合理的流动配置。

财政政策通过空间溢出效应正向促进科技创新人力要素在空间上的合理配置，与假设2相悖。其原因可能是邻地为了吸引更多的人才会制定一系列充满诱惑力的财政政策，在本地科技创新人力要素饱和状态下，异地发展将成为过剩人才的最优选择，从而减少人力要素的过剩，使其进行充分且合理的配置。

企业内部研发有利于科技创新要素进行合理的空间配置，验证了假设3。企业能够通过技术改造升级逐渐积累创新资源，当技术改造使内部研发成本和产业化成本降低到临界点时，科技创新要素就会进行合理的投入与流动。

对外开放程度仅能通过本地效应来促进科技创新要素的合理配置，验证了假设4。每个地区都存在特有的开放政策，其都是依据区域内经济发展状况制定的，而各区域经济与要素结构的空间差异较大，所以其对于科技创新要素配置不具有异地效应。

工业化水平抑制了科技创新要素在空间上的合理流动与配置，与假设5相悖。导致这一现象的原因可能是现阶段中国大部分地区工业水平依旧处于资源密集型与劳动密集型阶段，属于粗放型而非集约型发展，而科技创新依赖的是新兴产业与知识技术，因此对科技创新要素的依赖程度不高。

城市化水平的提高有利于科技创新要素进行合理的空间配置，验证了假设6。区域内城市化水平越高，则关键城市就会形成相对紧密的关联网络，多数区域之间能够通过若干个城市关联实现互相连通，建立最短的中介枢纽，其投入产出体系也会更加完善。

五、结论与建议

本文利用要素错配模型测度了长三角城市群41个城市的科技创新要素空间配置情况，并借助空间杜宾模型从政府层面、市场层面及社会层面对其影响因素进行了分析，据此提出优化科技创新要素空间配置的政策建议。

第一，长三角城市群科技创新人力要素配置优于资本要素，且各地区科技创新要素配置模式具有显著差异。长三角各城市在地域上十分邻近，开放程度高、辐射作用强以及经济实力强等优势促使科技创新人员流动便捷，时间成本下降，其配置得以优化；而资本流动受到各地政策的影响，会具有一定的滞后性。此外，各地区的科技创新产出与科技创新要素禀赋都有着不同程度的差异，配置模式也会产生空间差异。长三角城市群应遵循其差异化的要素配置模式，充分利用各区域的科技创新资源，避免造成浪费，同时应提高科技创新资本要素的配置效率。

第二，信息化水平、企业内部研发以及城市化水平对科技创新要素的空间配置有正向促进作用，而工业化水平对其有抑制作用，且空间溢出效应较大。各地区通过信息交流与知识共享、企业降低研发成本及创建城市关联网络等，能够使科技创新要素合理流动，减少配置浪费；而粗放型的工业发展模式会造成科技创新要素的配置浪费，且邻地的间接效应是主要原因。长三角城市群应充分利用主要因素的空间溢出效应，同时也应该重视本地效应的不足，提高要素本地效应，使其与邻地效应共同促进科技创新要素的配置，降低错配程度。

第三，对外开放程度通过本地效应促进科技创新要素的合理配置，而财政政策仅通过空间溢出效应正向促进科技创新人力要素的空间配置。科技创新要素结构具有空间差异，各地区的开放政策也不甚相同，其政策适用性差异较大，所以不具有空间溢出效应。而财政政策制定时考虑了人才吸引效应，所以其对科技创新人力要素具有明显的空间溢出效应。长三角城市群各市政府在制定政策时，应考虑人力资本吸引效应及各地区的辐射效应，使要素配置效率得以优化。

[1] 贺德方，周华东，陈涛.我国科技创新政策体系建设主要进展及对政策方向的思考 [J].科研管理，2020，41(10)：81-88.

[2] 洪银兴.创新驱动攀升全球价值链中高端 [J].经济学家，2017(12)：6-9.

[3] 魏巍，符洋，杨彩凤.科技创新与经济高质量发展测度研究——基于耦合协调度模型 [J].中国科技论坛，2020(10)：76-83.

[4] 黄春芳，韩清.高铁线路对城市经济活动存在“集聚阴影”吗？——来自京沪高铁周边城市夜间灯光的证据 [J].上海经济研究，2019(11)：46-58.

[5] Breschi S，Lenzi C.Co-invention networks and inventive productivity in US cities [J].Journal of Urban Economics，2016，92(3)：66-75.

[6] Crescenzi R，Nathan M，Rodriguez-pose A.Do inventors talk to strangers? on proximity and collaborative knowledge creation [J].Research Policy，2016，45(1)：177-194.

[7] Soo K T.Innovation across cities [J].Journal of Regional Science，2018，58(2)：295-314.

[8] 章熙春.我国科技评价体系的困境与优化 [J].学术研究，2020(10)：38-46.

[9] 陈锡强，赵丹晓，练星硕.粤港澳大湾区科技协同创新发展研究：基于要素协同的视角 [J].科技管理研究，2020，40(20)：36-42.

[10] 周治，郝世甲.长三角“三省一市”科技成果转化政策比较 [J].中国高校科技，2020(10)：89-92.

[11] 王建民，杨力.长三角创新要素、配置效率与创新绩效 [J].上海经济研究，2020(1)：75-85.

[12] 李嬛.上海市科技资源配置效率评估及优化路径研究 [J].上海经济研究，2015(9)：103-111.

[13] Zhong W，Yuan W，Li S X，et al.The performance evaluation of region R&D investment on the first official China economic census data [J].Omega，2011，39(4)：447-455.

[14] Lotei F H，Hatami-Marbini A，Agrell P J，et al.Allocating fixed resources and setting targets using a common-weights DEA approach [J].Computer & Industrial Engineering，2013，64(2)：631-640.

[15] 范建平，赵园园，吴美琴.基于改进交叉效率的中国科技创新资源配置研究 [J].中国科技论坛，2017(12)：32-40.

[16] 张军.要素成本、科技创新与产业结构升级 [J].证券市场导报，2019(11)：24-31.

[17] 纪浩，魏建良.乡村振兴背景下农业科技创新资源配置效率研究——以浙江省为例 [J].科技促进发展，2020，16(8)：892-900.

[18] 宁靓，胡全峰，王岚，等.环渤海地区绿色海洋科技资源配置效率研究 [J].云南师范大学学报(哲学社会科学版)，2020，52(2)：123-132.

[19] 陆保一，明庆忠，郭向阳，等.中国旅游业

科技创新

区域经济的耦合态势及其预测分析 [J].地理与地理信息科学，2020，36(2)：126-134.

[20] 孙国锋，唐丹丹.文化科技融合、空间关联与文化产业结构升级 [J].南京审计大学学报，2019，16(5)：94-102.

[21] 巴曙松，白海峰，胡文韬.金融科技创新、企业全要素生产率与经济增长——基于新结构经济学视角 [J].财经问题研究，2020(1)：46-53.

[22] 石蕾，鞠维刚.我国重点科技基础条件资源配置的现状与对策 [J].科学管理研究，2012，30(4)：1-4.

[23] 苏里，李桂花.论科技资源的优化配置及效应最大化 [J].中国高校科技，2015(3)：12-15.

[24] 游达明，邸雅婷，姜珂.我国区域科技创新资源配置效率的实证研究——基于产出导向的SBM模型和Malmquist生产率指数 [J].软科学，2017，31(8)：71-75.

[25] 王守文，石懿.基于改进蚁群算法的区域科技创新资源优化配置研究 [J].科技管理研究，2017，37(10)：103-108.

[26] 范建平，赵园园，吴美琴.基于改进交叉效率的中国科技创新资源配置研究 [J].中国科技论坛，2017(12)：32-40.

[27] Aoki S.A simple accounting framework for the effect of resource misallocation on aggregate productivity [J].Journal of the Japanese and International Economies，2012，26(4)：473-494.

[28] 郑婷婷，付伟，陈静.信息化发展水平、资源依赖与绿色全要素生产率——来自地级市面板数据的分析 [J].科技进步与对策，2019，36(23)：44-52.

[29] 韦颜秋，李瑛.地区科技创新效率结构性失衡的影响因素分析 [J].统计与决策，2020，36(17)：171-175.

[30] 李杨，唐克.全球主要经济体技术创新及对我国的启示——基于PCT申请视角 [J].征信，2020，38(8)：11-17.

[31] 蒋含明.外商直接投资知识溢出、信息化水平与技术创新能力 [J].江西财经大学学报，2019(1)：34-42.

[32] 李泓欣，周燕.基于空间计量的区域科技创新信息要素资源配置影响因素研究 [J].情报科学，2017，35(12)：96-101.

[33] 张晓娜.我国服务业与城镇化的灰色关联度实证考察 [J].统计与决策，2020，36(19)：97-101.

[34] 王传征，葛玉辉.动态环境下变革型领导、TMT行为整合与创新绩效关系研究 [J].沈阳工业大学学报(社会科学版)，2020，13(5)：443-450.

[35] 杜娟，霍佳震.基于数据包络分析的中国城市创新能力评价 [J].中国管理科学，2014，22(6)：85-93.

[36] 张明斗，霍琪炜.高新技术产业创新水平对经济发展的影响研究 [J].哈尔滨商业大学学报(社会科学版)，2020(5)：3-20.

[37] 罗丹程，杨烁，秦浩.东北三省金融发展、科技创新与经济增长的关系 [J].沈阳工业大学学报(社会科学版)，2020，13(1)：50-54.

[38] 顾真溶，蒋伏心.长三角地区创新能力对技术市场交易效率的影响研究 [J].科技管理研究，2019，39(4)：55-63.

长三角城市群科技创新要素的空间配置及影响因素*

一、文献综述

二、研究区域、数据来源与研究方法

三、长三角城市群科技创新要素空间配置测度

四、长三角城市群科技创新要素空间配置的影响因素

五、结论与建议

Spatial allocation and influencing factors of technological innovation elements in Yangtze River Delta Urban Agglomeration