城市创新效率与高质量发展水平测度及时空耦合分析——以中原城市群30个地级市为例

史焱文，陈 强，陈婉钰，樊新生

（1.河南财经政法大学a.河南省城乡空间数据挖掘院士工作站；b.资源与环境学院，郑州 450018；2.中国国际经济交流中心，北京 100050）

0 引言

作为城市发展主要驱动力和竞争力的体现，创新与经济发展质量的联系日趋紧密。1912年熊彼特提出创新及其在经济发展中的作用，认为创新是国家、城市竞争优势的主要来源[1]。近年来，城市创新与高质量发展成为学术界关注的热点。在城市创新研究中，既有侧重区域内城市创新效率测算的研究，也有围绕城市群创新展开的研究。其中，徐林（2021）[2]从投入产出视角构建了长三角城市群创新投入与产出评价指标体系，运用数据包络分析法（DEA）测度了长三角城市群的创新效率。也有学者利用规模收益固定模型（CRS）和规模收益可变模型（VRS）对城市创新效率及其时空演化机理进行了研究。周锐波等（2019）[3]利用空间面板数据测度了我国城市创新能力，并通过空间杜宾模型探究了知识溢出对城市创新能力的影响。相关学者在研究视角、指标体系构建、测度方法等方面进行了深入探讨，为城市和城市群创新方面的研究提供了参考依据。在高质量发展研究中，学者们主要聚焦于高质量发展学科解读、高质量发展评价指标体系、区域高质量发展时空特征分析[4,5]。其中，魏敏和李书昊（2018）[6]构建了面向新时代的经济高质量发展水平测度体系，并利用熵权TOPSIS 法测度了中国省域层面的高质量发展水平。马茹等（2019）[7]从高质量供给、高质量需求、发展效率、经济运行、对外开放五个方面构建了经济高质量发展评价指标体系，采用线性加权法测度发现中国经济高质量发展呈现显著的区域非均衡态势。杨阳等（2021）[8]从经济活力、创新效率、绿色发展、人民生活、社会和谐五个维度构建评价指标体系，利用因子分析法和熵值法测度了长三角城市群城市经济社会高质量发展水平。总之，学者们在理论解读、内涵界定、指标体系构建、研究方法等方面对高质量发展进行了较为系统的研究，为后续研究提供了思路。

作为引领区域高质量发展的动力，创新为高质量发展提供了新的成长空间和支撑体系[4]。虽然学者们从理论上探讨了高质量发展与创新之间存在的紧密联系，但将两者结合起来的实证研究并不多见，也很少有学者从城市群角度探讨创新效率和高质量发展水平之间的关系。在研究区域上，城市创新与高质量发展研究主要集中在长三角、珠三角、京津冀等东部沿海地区[2,8]，对中部地区城市关注较少。而作为我国中部崛起战略的重要载体，中原城市群对中部地区高质量发展具有重要作用。基于上述分析，本文以中原城市群30 个地级市为研究对象，聚焦城市创新效率和高质量发展及二者间的耦合协调关系，运用三阶段DEA模型和前沿距离法分别测度城市创新效率和高质量发展水平，并利用ArcGIS 10.2 软件揭示二者的时空演化特征，同时利用耦合协调度模型分析城市创新效率与高质量发展的时空耦合协调特征，以揭示城市创新效率与高质量发展间的联系，同时也为中原城市群高质量发展提供理论和实证参考。

1 研究设计

1.1 指标体系构建

1.1.1 城市创新效率三阶段DEA模型评价指标体系构建

城市创新效率描述了城市发展过程中投入（资金、劳动力等要素）与产出（创新产品、产业等）间的比例关系。本文涉及的城市创新投入变量主要体现在创新主体的经济社会发展水平、人力投入、经费投入等方面，城市创新产出变量主要体现在科技成果的产业化、技术专利类产出等方面，环境变量则从经济发展环境和外部环境两个方面考虑，构建多投入-多产出的BCC 效率评价指标体系（见表1）。

表1 城市创新效率三阶段DEA模型评价指标体系

1.1.2 高质量发展评价指标体系构建

高质量发展是贯彻新发展理念的根本体现，围绕高质量发展的内涵特征，学者们对高质量发展指标体系进行了广泛探讨[4,9]。结合高质量发展的综合性、多维性特点，本文在新发展理念的基础上构建了以6 个一级指标和30 个二级指标为主体的高质量发展评价指标体系（见表2），指标权重按照等权重法进行设置。

表2 高质量发展评价指标体系

1.2 研究方法

本文主要运用三阶段DEA 模型测度城市创新效率，利用前沿距离法（DTF）计算城市高质量发展水平，使用耦合协调度模型分析城市创新效率与高质量发展水平之间的耦合程度。

1.2.1 三阶段DEA模型

三阶段DEA模型是数据包络分析法引入环境因素及其他因素的变量，使用随机前沿分析（SFA）进行相应改进得到的模型。通过三阶段DEA 模型得到的城市创新效率，能客观反映相同水平下城市创新效率，增强可比性。

（1）第一阶段，采用Input-BCC模型[10]作为三阶段DEA的基础模型，对30个城市的创新效率进行初步测度，模型公式如下：

其中，Xj为第j个要素的投入变量，Yj为第j个要素的产出变量，λj（j=1，2，…，n）是相对于n个决策单元DMU 的某种组合比例，X0是DMU0的投入变量，Y0为DMU0的产出变量，θ（0 ≤θ≤1）为各决策单元DMU的综合效率值（TE）。当决策单元DMU0处于DEA 无效状态时，θ＜1，说明此时该决策单元的技术能力和资源配置都没有达到最佳状态。

（2）第二阶段，采用SFA 模型隔绝外部环境和随机干扰的影响，公式为：

其中，sij是第j个投入的松弛值，f i(zi，βj)是函数形式，zi是由k个环境变量在第i个决策单位的数值，βj是第j种投入在k维环境变量上的参数向量，vij表示随机误差项，μij表示管理无效率项。令γ=σ2μi/(σ2vi+σ2μi)，当γ接近于1 时，表示管理无效率是主要原因；当γ接近于0时，μ可以从模型中删去，运用OLS 估计即可。参考罗登跃（2012）[11]的方法，得到v和μ的估计量，计算公式如下：

基于SFA模型计算结果，对各个决策单元的投入量进行调整：

其中，Xij是调整后的投入，是把每个决策单元的第j项投入调整到受环境变量影响最大时需要增加的投入量，是使其处于最大干扰中需要增加的投入量。

第三阶段，将调整后的数据代入Input-BCC 模型，重新计算效率值。

1.2.2 前沿距离法

前沿距离法具体运算公式如下：

其中，DTF为城市高质量发展前沿距离值，Di为指标实际值，minDi为指标的最小值，maxDi为指标的最大值。

1.2.3 耦合协调度

本文运用耦合协调度模型分析中原城市群各城市创新效率和高质量发展水平间的协调度，具体模型如下：

其中，T为协调指数；U1和U2分别表示城市创新效率和城市高质量发展水平综合值；α、β分别为U1、U2的发展系数，本文按照α=0.5，β=0.5 的权重系数进行计算；C为耦合度，其值越大说明系统间的相互作用越大；D为耦合协调度，其值介于0～1，D值越大说明系统间协调程度越高。

1.3 样本选取与数据来源

中原城市群是我国中部地区承接产业转移、西部地区资源输出的枢纽和核心区域，《国家新型城镇化规划（2014—2020年）》中明确指出要加快培育中原城市群，使之成为引领城市经济发展的重要增长极。本文选取中原城市群30个地级市作为研究对象。

相关数据主要来源于2008—2022 年《中国城市统计年鉴》《河南统计年鉴》《河北经济年鉴》《安徽统计年鉴》《山西统计年鉴》《山东统计年鉴》和30个地级市相关年份的统计年鉴和统计公报。

2 结果分析

2.1 城市创新效率的结果分析

中原城市群各城市创新效率的测度主要使用三阶段DEA 模型。具体过程为：第一阶段利用传统的BCC 模型测算出初始效率值，在此条件下得到投入目标值和松弛变量；第二阶段引入SFA模型将所有决策单元调整至同一环境下进行分析，分别以各投入指标的松弛变量作为被解释变量，得到调整后的投入变量；第三阶段将调整后的投入变量通过BCC 模型重新进行计算，得到城市创新投入产出综合效率。

由下页表3可知，2007—2021年中原城市群城市创新效率均值由2007 年的0.758 提升至2021 年的0.913，标准差由2007 年的0.239 降低至2021 年的0.140，表明城市创新效率总体水平不断提高且各城市间差异缩小。其中，城市创新效率达到1的城市由2007年的14个增加到2021年的20个。2007—2021年中原城市群城市创新效率排名起伏较大，洛阳市、安阳市、周口市、南阳市、商丘市、运城市、聊城市、菏泽市、淮北市的排名持续上升，平顶山市、鹤壁市、濮阳市、许昌市、漯河市、三门峡市、济源市、长治市、晋城市的排名不断下降，其余城市处于稳定状态。从省域角度来看，省际城市创新效率增长显著且呈现均衡化趋势，其中省际边界城市共12个，城市创新效率在0.8以上的数量由2007年的6个增加到2021年的11个。

表3 城市创新投入产出综合效率和排名

由图1可知，中原城市群城市创新效率高值区域范围逐渐扩大，由零星分散布局向片状、带状布局演进，城市创新效率低值区域由中部环形逐渐缩小为零星分散布局。具体特征为：（1）2007年中原城市群城市创新效率空间分异显著，高值区和低值区呈现显著地理分布差异。其中，高值区集中在北部、中部和东南部区域，包括郑州市、新乡市、信阳市、开封市、宿州市、阜阳市、亳州市等城市；低值区集中在西南部、东部区域，包括南阳市、许昌市、平顶山市、漯河市、周口市、商丘市等城市。（2）随着以郑州市为中心的高值集聚区辐射带动周边城市，2014 年城市创新效率为1 的城市空间范围扩大并呈现连片带状演化。（3）2021年城市创新效率为1的城市空间范围进一步扩大，带状集聚分布特征凸显。

图1 中原城市群城市创新效率得分空间分布

2.2 高质量发展水平的结果分析

根据高质量发展评价指标体系，测度中原城市群各城市2007年、2014年和2021年高质量发展水平。

由表4可知，2007—2021年中原城市群城市高质量发展平均值由38.065提升至41.637，标准差有波动但呈下降趋势，表明城市高质量发展水平整体在提升且城市间高质量发展水平差距在缩小。从得分排名来看，河南省的郑州市、洛阳市高质量发展水平稳居前列，安徽省的蚌埠市、淮北市、宿州市，河北省的邯郸市、邢台市排名较高且上升较快。河南省的漯河市、周口市、三门峡市、商丘市，山西省的运城市、长治市，山东省的菏泽市高质量发展水平偏低。2007—2021年排名大幅上升的城市主要有安徽省的蚌埠市、淮北市、宿州市、亳州市，河北省的邢台市、邯郸市，山东省的聊城市，排名提升均超过10个名次。河南省的鹤壁市、开封市、濮阳市、漯河市、三门峡市、商丘市排名下降超过10个名次。整体来看，由于受到地理区位、历史基础、资源禀赋、产业转型等因素的影响，安徽省、河北省相关城市和河南省中部、西南部区域城市高质量发展水平提升较快。

表4 中原城市群高质量发展水平得分与排名

由下页图2 可知，中原城市群城市高质量发展水平空间差异显著并由“中心-外围”布局结构演化为带状、片状集聚布局。具体特征为：（1）2007 年各城市高质量发展水平呈现典型的“中心-外围”空间分布特征。其中，中心高值区主要为郑州市、洛阳市、开封市及周边地市，外围低值区主要为山西省、河北省、山东省、安徽省相关城市和河南省东部、南部区域相关城市。（2）2014年中原城市群各城市高质量发展水平呈现显著的区域分化特征。其中，以郑州市为中心的高值区逐步辐射带动周边城市以及河北省、山东省、安徽省等省际边界区域城市高质量发展水平逐步提升。（3）随着中心城市辐射带动，2021年中原城市群各城市高质量发展水平空间分布呈现由“邢台市—郑州市—南阳市”构成的高水平带状集聚区域，安徽省部分城市形成高水平片状集聚区。

图2 中原城市群高质量发展水平空间分布

2.3 城市创新效率与高质量发展水平时空耦合特征分析

为进一步刻画创新与高质量发展之间的关系，揭示城市创新效率与高质量发展水平之间时空耦合状态，本文利用耦合协调度和空间分析方法对中原城市群各城市创新效率与高质量发展水平时空耦合特征进行剖析。

由表5 和图3 可知，2007—2021 年中原城市群城市创新效率与高质量发展水平的耦合协调度逐渐提升，区域空间协调范围不断扩大，呈现城市创新效率与高质量发展水平空间均衡发展趋势。具体特征为：（1）2007年中原城市群城市创新效率与高质量发展水平的耦合协调度呈现显著的区域分异特征，中部区域城市耦合协调度处于协调状态，省际边界区域城市耦合协调度趋于失调状态，城市创新效率与高质量发展不平衡特征突出。（2）2014年城市耦合协调度整体得到提升，耦合协调空间范围逐步扩大，其中22个城市耦合协调度在0.51以上，进入协调状态，河南省东部区域和山西省部分城市耦合协调度低于0.5，处于轻度失调状态。（3）2021年城市创新效率与高质量发展耦合协调度进一步提升，有26个城市耦合协调度在0.51以上，耦合协调空间范围进一步扩大并表现为连片带状空间布局，城市创新效率与高质量发展水平呈现空间均衡发展。

图3 中原城市群城市创新效率与高质量发展水平耦合协调度

表5 中原城市群城市耦合协调度等级

3 结论

本文基于2007 年、2014 年、2021 年中原城市群30 个地级市的数据，运用三阶段DEA 模型、前沿距离法、耦合协调度模型分别测度城市创新效率、高质量发展水平及二者的耦合协调度，得出如下结论：

（1）2007—2021 年中原城市群城市创新效率总体水平不断增长且各城市间差异缩小。其中，创新效率得分为1的城市数量显著增加。在时空分布上，中原城市群城市创新效率高值区域范围逐渐扩大，且由2007 年的片状布局逐渐向带状集聚分布演进。

（2）2007—2021 年中原城市群城市高质量发展水平整体呈上升趋势且内部差距在缩小。其中，城市高质量发展水平得分在40 分以上的城市由2007 年的10 个增加至2021 年的14 个。城市高质量发展水平空间分布由2007年的“中心-外围”结构逐渐分化形成“邢台市—郑州市—南阳市”的城市高质量发展高水平带状集聚区域。

（3）2007—2021 年中原城市群城市创新效率与高质量发展水平的耦合协调度逐渐由失调状态向协调状态演进，区域协调空间范围不断扩大，呈现空间均衡发展趋势。城市创新效率和高质量发展水平之间相互促进、相互影响。因此，从城市创新效率与高质量发展时空演变特征可以看出，城市创新效率与高质量发展具有显著的空间关联性，并双向促使城市耦合协调度提升。