高質量發(fā)展背景下長三角城市群創(chuàng)新效率測度及影響因素研究

王豐羽，楊 莉，陸彥文

（1.南京郵電大學 經(jīng)濟學院，江蘇 南京 210023；2.南京郵電大學 管理學院，江蘇 南京 210023；3.南京郵電大學 地理與生物信息學院，江蘇 南京 210023）

一、引言

在知識經(jīng)濟時代創(chuàng)新成為人類社會經(jīng)濟活動的核心，同樣區(qū)域與城市發(fā)展也與各種創(chuàng)新活動緊密相連。我國已進入高質量發(fā)展階段；十九屆六中全會通過的《中共中央關于黨的百年奮斗重大成就和歷史經(jīng)驗的決議》提到創(chuàng)新是實現(xiàn)高質量發(fā)展的第一動力。但是，我國現(xiàn)階段的創(chuàng)新能力不足，很難滿足高質量發(fā)展的需求。城市作為區(qū)域創(chuàng)新的主要載體，創(chuàng)新效率直接影響區(qū)域高質量發(fā)展水平，并在一定程度上成為促進我國經(jīng)濟持續(xù)、健康發(fā)展的重要動能。

長三角城市群作為“一帶一路”和長江經(jīng)濟帶的主要交匯地帶，智力資源集中。在過去幾年里，科技創(chuàng)新在長三角城市群經(jīng)濟快速發(fā)展及一體化進程中發(fā)揮著關鍵作用。同時，由于各市創(chuàng)新人才和技術投入水平存在差異，實現(xiàn)區(qū)域協(xié)同創(chuàng)新是長三角城市群高質量發(fā)展重要目標之一。區(qū)域創(chuàng)新系統(tǒng)能有機結合各種創(chuàng)新資源要素以促進區(qū)域創(chuàng)新活動[1]。

目前，國內(nèi)外學者開展多項城市創(chuàng)新效率理論研究與實踐探索，在城市創(chuàng)新力評價方面，Jungmittaga（2006）[2]、Martina（2012）[3]分別以專利數(shù)、專利授權數(shù)和國內(nèi)期刊論文數(shù)等單一指標來評價區(qū)域的創(chuàng)新力。在城市創(chuàng)新效率評價方面，國內(nèi)學者大多從創(chuàng)新投入和產(chǎn)出兩方面選取多個指標進行測度。胡先杰和羅利華（2016）[4]、張洪潮等（2017）[5]、陳懷超等（2018）[6]、李嘉琳（2022）[7]在測度創(chuàng)新效率時，創(chuàng)新投入指標選取了R&D 人員全時當量和R&D 經(jīng)費內(nèi)部支出，創(chuàng)新產(chǎn)出指標則選取了專利申請數(shù)量。在研究方法上面，國內(nèi)外學者測度創(chuàng)新效率的方法多為非參數(shù)法和參數(shù)法。在非參數(shù)法中多數(shù)學者采用數(shù)據(jù)包絡分析方法對創(chuàng)新效率進行測度。郝金磊和尹萌（2018）[8]、郭淑芬和張?。?018）[9]以及關麗和蘇建軍（2021）[10]等運用DEA 模型和Malmquist 指數(shù)模型分別測算我國絲綢之路經(jīng)濟帶沿線地區(qū)和我國31 個省市的創(chuàng)新效率以及中原城市群的高新技術產(chǎn)業(yè)創(chuàng)新效率。LUO（2003）[11]、Nasicrowski 和Arcclus（2003）[12]國外學者運用兩階段DEA 模型對245 家美國大銀行的市場效率和45 個國家的創(chuàng)新效率進行研究。Romijn 和Mike（2002）[13]、Neelankavil 和Alaganar（2003）[14]等在對高新技術產(chǎn)業(yè)的創(chuàng)新效率差異進行分析時利用了網(wǎng)絡DEA 模型。在參數(shù)法中學者們主要是采用隨機前沿法對城市創(chuàng)新效率進行測度與分析。在省際層面上，程慧平等（2015）[15]運用隨機前沿法分析了中國2001—2010 年各省R&D 創(chuàng)新與轉化效率。在城市和城市群層面上，陳紅軍和謝富紀（2018）[16]結合投影尋蹤模型對隨機前沿法進行改進，來測度我國長三角、京津冀和珠三角城市群的創(chuàng)新效率；文淑惠和陳燦（2019）[17]運用隨機前沿知識生產(chǎn)函數(shù)模型對2006—2016 年成渝城市群和珠三角城市群創(chuàng)新潛力與水平進行測度；張婷婷等（2020）[18]利用超越對數(shù)隨機前沿模型對中國35 個大中城市的創(chuàng)新效率進行測度。

相關研究表明經(jīng)濟、市場、教育、基礎設施等因素會影響城市創(chuàng)新效率。趙崢和姜欣（2014）[19]、易明和程曉曼（2018）[20]等采用面板Tobit 模型分析地區(qū)經(jīng)濟發(fā)展水平、外資利用水平、污染治理效率、產(chǎn)業(yè)結構高級化和人才儲備等因素對省際創(chuàng)新效率的影響程度。田澤等（2019）[21]運用固定效應模型對影響長三角城市群節(jié)能減排效率的驅動因素進行分析，結果表明固定資產(chǎn)投資增速、勞動力投入對城市節(jié)能減排效率有負向影響。蔣仁愛等（2021）[22]則采用固定效應模型對我國互聯(lián)網(wǎng)發(fā)展水平與城市創(chuàng)新效率之間的關系進行了研究，發(fā)現(xiàn)我國互聯(lián)網(wǎng)發(fā)展水平可借助創(chuàng)新產(chǎn)出對城市創(chuàng)新效率產(chǎn)生顯著正向影響。牛秀紅等（2019）[23]發(fā)現(xiàn)西部典型城市創(chuàng)新效率產(chǎn)生差異的主要原因來自于創(chuàng)新環(huán)境、創(chuàng)新交流和創(chuàng)新主體特征三個方面。

綜上所述，國內(nèi)外學者多從管理學和經(jīng)濟學等視角采用數(shù)據(jù)包絡分析方法和隨機前沿生產(chǎn)函數(shù)方法對城市創(chuàng)新進行研究，而從地理學視角對城市或城市群的創(chuàng)新效率進行時空兩個維度的研究成果相對較少。本研究選取長三角城市群26 個省轄市（直轄市）為研究對象，采用超效率BCC 模型和Malmquist 指數(shù)模型對2011—2020 年城市創(chuàng)新效率進行靜態(tài)、動態(tài)測度及時空差異特征分析；從政府支持力度、人文環(huán)境、市場環(huán)境、生態(tài)環(huán)境建設四個方面選取指標構建固定效應模型，分析城市創(chuàng)新效率影響因素；依據(jù)分析結果從政府政策、創(chuàng)新環(huán)境等方面為提升長三角城市群創(chuàng)新效率提出措施建議。研究成果為實現(xiàn)長三角城市群協(xié)同創(chuàng)新發(fā)展提供參考，也為同類研究提供借鑒。

二、評價模型構建及數(shù)據(jù)來源

（一）研究模型

1.超效率BCC 模型。BCC 模型廣泛用于衡量城市創(chuàng)新研究中，但當多個決策單元達到DEA 有效狀態(tài)時，BCC 模型測得的效率值均為1，不利于區(qū)分有效決策單元創(chuàng)新效率的高低[24-25]，因此采用超效率BCC 模型，能更直觀的比較區(qū)域間的差異性，計算公式如下：

公式（1）中，θ為長三角城市群26 個省轄市（直轄市）中各城市的效率值，λj為第j個城市的指標權重，xij、yrj為第j個城市對應的第i個投入指標和第r個產(chǎn)出指標，該模型增加j屹k的限制條件，每個城市的指標不與自身作比較。

2.Malmquist 指數(shù)模型。Malmquist 指數(shù)可進行動態(tài)效率測算及其效率分解，全要素生產(chǎn)率指數(shù)可被分解為技術進步指數(shù)、規(guī)模效率指數(shù)和純技術效率指數(shù)[26-27]。本文采用Malmquist 指數(shù)模型對長三角城市群26 個省轄市（直轄市）創(chuàng)新效率進行動態(tài)分析，公式如下：

公式（2）中，（xt+1，yt+1）和（xt，yt）分別表示長三角城市群26 個省轄市（直轄市）中各城市在t+1 和t階段的投入與產(chǎn)出；分別表示各城市在t+1和t時期以相應技術為參照的距離函數(shù)。M0（xt+1，yt+1，xt，yt）>1，表明對應城市的生產(chǎn)效率提高；M0（xt+1，yt+1，xt，yt）=1，表明對應城市的生產(chǎn)效率未發(fā)生變化；M0（xt+1，yt+1，xt，yt）<1，表明對應城市的生產(chǎn)效率下降。

3.固定效應模型。本文考慮構建固定效應模型對長三角城市群26 個省轄市（直轄市）的動態(tài)創(chuàng)新效率影響因素進行研究，并對模型中部分變量進行取對數(shù)以降低異方差性的干擾。公式如下：

公式（3）中，yit為第i市第t年的城市創(chuàng)新全要素生產(chǎn)率；βi表示影響因素的n×1維系數(shù)向量；X1it、X2it、X3it、X4it、X5it分別為2012—2020年的長三角城市群26 個省轄市（直轄市）的科技經(jīng)費投入、教育經(jīng)費投入、公共圖書館藏書量、固定資產(chǎn)投資、建成區(qū)綠化覆蓋率；εit為隨機誤差項。

（二）指標選取

1.長三角城市群城市創(chuàng)新效率測度指標。本文借鑒胡先杰和羅利華（2016）[4]、杜志威等（2016）[28]、青佩明（2019）[29]以及王郁蓉和任芳放（2021）[30]研究成果，從創(chuàng)新投入與產(chǎn)出兩方面選取指標衡量城市創(chuàng)新效率，分別選取R&D 人員折合全時當量、普通高等學校在校學生數(shù)和R&D 經(jīng)費支出作為創(chuàng)新投入指標，選取發(fā)明專利授權數(shù)、GDP 和高新技術產(chǎn)業(yè)產(chǎn)值作為創(chuàng)新產(chǎn)出指標（見表1）。

表1 創(chuàng)新效率評價指標體系

2.長三角城市群城市創(chuàng)新效率影響因素指標。對現(xiàn)有文獻進行梳理[19][23][31-32]，本文選取科技經(jīng)費投入、教育經(jīng)費投入、公共圖書館藏書量、固定資產(chǎn)投資和建成區(qū)綠化覆蓋率作為影響城市創(chuàng)新效率的因素（見表2）。

表2 長三角城市群城市創(chuàng)新效率影響因素指標

3.數(shù)據(jù)來源。本文原始數(shù)據(jù)主要來源于長三角城市群26 個省轄市（直轄市）2012—2021 年的《統(tǒng)計年鑒》《科技年鑒》、國民經(jīng)濟發(fā)展公報。對于缺失數(shù)據(jù)，采用線性插值法進行補全。

三、長三角城市群城市創(chuàng)新效率的測度與分析

（一）長三角城市群城市創(chuàng)新效率靜態(tài)分析

本文基于投入導向的超效率BCC 模型，利用Max DEA 軟件測算了2011—2020 年長三角城市群26 個省轄市（直轄市）的創(chuàng)新效率（見表3）。結果表明：（1）長三角城市群26 個省轄市（直轄市）創(chuàng)新效率平均值為0.894，未達到DEA 有效狀態(tài)，2011—2020 年長三角城市群城市創(chuàng)新效率整體略有增加。（2）各省轄市（直轄市）創(chuàng)新效率值地區(qū)差異性較大，總體呈現(xiàn)“東西均衡”和“北高南低”的分布格局（見圖1）。參照張兆方等（2018）[33]水資源利用超效率值分梯隊方法，長三角城市群26 個省轄市（直轄市）城市創(chuàng)新效率值可分為三個梯隊：第一梯隊城市創(chuàng)新效率平均值大于1，包括上海市、泰州市、蘇州市、滁州市、蕪湖市、臺州市、舟山市和湖州市；第二梯隊城市創(chuàng)新效率平均值為0.8～1，包括馬鞍山市、合肥市、寧波市、杭州市、南京市、南通市、無錫市、鎮(zhèn)江市和揚州市；第三梯隊城市創(chuàng)新效率平均值小于0.8，包括嘉興市、金華市、紹興市、常州市、鹽城市、安慶市、池州市、銅陵市和宣城市。

圖1 2011—2020 年長三角城市群26 個省轄市（直轄市）創(chuàng)新效率平均值

表3 2011—2020 年長三角城市群26 個省轄市（直轄市）創(chuàng)新效率評價結果

第一梯隊中上海市作為長三角地區(qū)經(jīng)濟發(fā)展中心，具有較強的創(chuàng)新資源吸引能力，同時發(fā)明專利授權數(shù)等創(chuàng)新產(chǎn)出也同步增長，科技知識創(chuàng)新能力和城市創(chuàng)新水平不斷提高，創(chuàng)新效率處于有效狀態(tài)。泰州市和蘇州市R&D 經(jīng)費支出和高新技術產(chǎn)業(yè)產(chǎn)值等均顯著增長，創(chuàng)新技術水平提高促進了城市創(chuàng)新技術發(fā)展，均處于有效狀態(tài)。近年來，浙江省臺州市、舟山市和湖州市政府較好地貫徹“十九大”科技創(chuàng)新政策，加大科技創(chuàng)新投入力度，阿里巴巴科技板塊的高效率運營，更好地吸引了外商和科技投入，城市創(chuàng)新效率也處于有效狀態(tài)。此外滁州市和蕪湖市創(chuàng)新效率為有效狀態(tài)得益于地處南京都市圈，接受南京經(jīng)濟發(fā)展輻射和帶動作用。

第二梯隊中南京市和杭州市創(chuàng)新投入不斷增加，但資源沒有得到高效合理地利用，造成創(chuàng)新投入冗余，從而創(chuàng)新產(chǎn)出并未達到預期目標，拉低了地區(qū)整體創(chuàng)新水平。寧波市近年來承接了大量東部沿海轉移來的傳統(tǒng)制造業(yè)，雖經(jīng)濟發(fā)展勢頭較好，但高新技術產(chǎn)業(yè)產(chǎn)值并未顯著上升，創(chuàng)新效率仍小于1，需要加快產(chǎn)業(yè)結構轉型升級，制定相應政策以吸引高新技術企業(yè)入駐。鎮(zhèn)江市、無錫市、揚州市和南通市創(chuàng)新投入和產(chǎn)出逐步提升，也具有較好的科技創(chuàng)新資源，但由于基礎設施不完善和技術水平較低等原因，城市創(chuàng)新效率均未達到有效狀態(tài)。馬鞍山市近年來經(jīng)濟發(fā)展較為緩慢、技術更新不足，其發(fā)明專利授權數(shù)增長幅度降低，反映了知識技術創(chuàng)新不足導致了城市創(chuàng)新效率下降，需加強長三角區(qū)域之間的創(chuàng)新合作與技術交流。合肥市作為安徽的省會，經(jīng)濟發(fā)展基礎好、具有較好的科創(chuàng)研發(fā)環(huán)境且高層次人才儲備充足，但人力投入不足，R&D 人員折合全時當量偏低，導致城市創(chuàng)新效率小于1，需提高人均研發(fā)經(jīng)費，全面提升合肥市創(chuàng)新效率。

第三梯隊中銅陵市是以銅冶煉加工產(chǎn)業(yè)為主導產(chǎn)業(yè)的資源型城市，工業(yè)產(chǎn)值占比在60%以上，高新技術產(chǎn)業(yè)投入不足，限制了地區(qū)技術更新與發(fā)展，城市創(chuàng)新效率低。宣城市、池州市、安慶市等創(chuàng)新效率顯著下降，原因在于城市R&D 折合全時當量、R&D 經(jīng)費支出等生產(chǎn)要素的投入顯著增加，但發(fā)明專利授權數(shù)等產(chǎn)出資源在顯著下降，存在“高投入低產(chǎn)出”的現(xiàn)象。鹽城市傳統(tǒng)工業(yè)產(chǎn)值占工業(yè)總產(chǎn)值比重大且創(chuàng)新投入不足，故高新技術產(chǎn)業(yè)發(fā)展比較緩慢，屬于因“低投入低產(chǎn)出”導致創(chuàng)新效率低的城市。嘉興市和金華市房地產(chǎn)業(yè)、旅游業(yè)和金融業(yè)等第三產(chǎn)業(yè)產(chǎn)值在GDP 中占比較大，但科技創(chuàng)新資源投入不足，人力與技術資源配置效率低，高新技術產(chǎn)業(yè)發(fā)展受限，城市創(chuàng)新效率較低。常州市和紹興市具有較好的資源優(yōu)勢和經(jīng)濟發(fā)展基礎，但由于人才補貼政策優(yōu)惠力度小、創(chuàng)新發(fā)展平臺不足，存在嚴重的技術人才流失現(xiàn)象，技術創(chuàng)新發(fā)展受限，城市創(chuàng)新效率較低。

（二）長三角城市群城市創(chuàng)新效率動態(tài)分析

利用Max DEA 軟件，基于Malmquist 指數(shù)模型，得到長三角城市群26 個省轄市（直轄市）2011—2020年的創(chuàng)新全要素生產(chǎn)率指數(shù)及各分解量，如表4、表5 所示。

結果表明：2011—2020 年長三角城市群城市創(chuàng)新全要素生產(chǎn)率指數(shù)平均值為1.053，呈波動上升趨勢，其中推動城市創(chuàng)新全要素生產(chǎn)率提高的關鍵來源于技術進步指數(shù)，而技術效率指數(shù)、純技術效率指數(shù)和規(guī)模效率指數(shù)促進效果并不明顯。

從整體情況來看（見表4）：第一，技術進步指數(shù)平均值為1.043，年平均增長4.3%，可見技術進步對城市創(chuàng)新全要素生產(chǎn)率影響相對較大，反映了技術進步是促進城市創(chuàng)新全要素生產(chǎn)率提高的關鍵。第二，技術效率指數(shù)的平均值為1.019，年平均增長為1.9%，處于較低水平，可見技術效率指數(shù)對城市創(chuàng)新全要素生產(chǎn)率促進作用不明顯。第三，純技術效率和規(guī)模效率平均值均為1.009，年平均增長分別為0.9%，增長趨勢緩慢，對長三角城市群城市創(chuàng)新全要素生產(chǎn)率提高的促進效果并不明顯。

表4 2011—2020 年長三角城市群各年創(chuàng)新效率Malmquist 指數(shù)及其分解

從各市情況來看（見表5）：第一，長三角城市群中21 個城市的全要素生產(chǎn)率大于1，占80.77%，反映長三角城市群城市創(chuàng)新整體趨勢較好。其中，合肥市、湖州市、馬鞍山市、舟山市4 個城市的全要素生產(chǎn)率增長了10%以上；滁州市、金華市、南通市、紹興市、臺州市、蕪湖市和揚州市的全要素生產(chǎn)率增長幅度較小，均在5%以下。第二，從分解因素來看，技術進步對城市創(chuàng)新全要素生產(chǎn)率提高有較大影響。紹興市、揚州市、鹽城市的技術進步指數(shù)分別以平均每年0.8%、0.6%、4%的速度下降，技術進步滯緩是制約城市創(chuàng)新全要素生產(chǎn)率發(fā)展的主要因素。這三個城市的技術效率較高，均在1 以上，但三個城市的創(chuàng)新全要素生產(chǎn)率指數(shù)分別排在第20、21、25 位，且處在降低狀態(tài)，反映技術效率指數(shù)的提升對城市創(chuàng)新全要素生產(chǎn)率的發(fā)展影響較小。第三，技術效率指數(shù)年均呈波動降低趨勢，技術進步指數(shù)拉動效果不足，導致部分城市創(chuàng)新全要素生產(chǎn)率年均增長速度減緩。杭州市、南京市、上海市和蕪湖市的城市創(chuàng)新全要素生產(chǎn)率增長緩慢，均在10%以下，這些城市技術進步年均大幅增加，但技術效率指數(shù)均處于降低狀態(tài)。

表5 2011—2020 年長三角城市群各市創(chuàng)新效率Malmquist 指數(shù)及其分解

四、長三角城市群城市創(chuàng)新效率影響因素研究

（一）影響因素回歸結果分析

1.全樣本城市創(chuàng)新效率影響因素分析。研究采用Stata 16.0 軟件，構建固定效應模型對2012—2020 年長三角城市群26 個省轄市（直轄市）創(chuàng)新效率的影響因素進行回歸分析。從長三角城市群的整體情況來看，科技經(jīng)費投入、教育經(jīng)費投入、公共圖書館藏書量、固定資產(chǎn)投資和綠化覆蓋率均通過了顯著性檢驗（見表6）。具體結果如下：

第一，科技經(jīng)費投入對城市創(chuàng)新效率具有顯著正向作用，這反映政府財政科技經(jīng)費投入越多，長三角城市群城市創(chuàng)新效率越高；原因在于科技經(jīng)費投入多用于完善高新技術產(chǎn)業(yè)服務設施，優(yōu)化創(chuàng)新系統(tǒng)結構，提高地區(qū)科技創(chuàng)新成果轉化能力，使技術效率良性發(fā)展，從而提高城市創(chuàng)新效率。

第二，教育經(jīng)費投入對城市創(chuàng)新效率具有顯著正向作用，這反映政府財政教育經(jīng)費投入越多，城市創(chuàng)新效率越高；原因在于地區(qū)教育經(jīng)費投入高，促進教育質量提升，有利于創(chuàng)新人才培養(yǎng)，促進城市知識技術水平提高和經(jīng)濟發(fā)展[34]，從而提高城市創(chuàng)新效率。

第三，公共圖書館藏書量對城市創(chuàng)新效率具有顯著正向作用，這反映圖書館藏書量越多，城市創(chuàng)新效率越高；原因在于擴大公共圖書館的藏書數(shù)量，對提高市民的整體素質和改善城市的人文環(huán)境具有積極意義，而且豐富的知識儲備有利于居民接受新知識、新技術，從而提升城市創(chuàng)新效率。

第四，固定資產(chǎn)投資對城市創(chuàng)新效率具有顯著負向作用，這反映固定資產(chǎn)投資越高，長三角城市群城市創(chuàng)新效率越低；究其原因，長三角城市群對傳統(tǒng)產(chǎn)業(yè)如紡織業(yè)、化學工業(yè)等投資較多，而對高新技術產(chǎn)業(yè)投資較少，造成科技創(chuàng)新效益偏低，技術效率和技術水平提升緩慢，不利于城市創(chuàng)新效率提升。

第五，建成區(qū)綠化覆蓋率對城市創(chuàng)新效率具有顯著正向作用，這反映建成區(qū)綠化覆蓋率的提高一定程度上促進城市創(chuàng)新效率的發(fā)展；原因在于綠化覆蓋率越高，城市宜居性越強，對創(chuàng)新人才更具吸引力，從而促進高新技術產(chǎn)業(yè)發(fā)展，為城市創(chuàng)新效率的提高帶來動力。

2.不同梯隊城市創(chuàng)新效率影響因素分析。長三角城市群各城市之間發(fā)展不平衡，考慮到各城市創(chuàng)新效率的影響因素存在差異性，因此，將長三角城市群26 個省轄市（直轄市）劃分為3 個梯隊分別進行創(chuàng)新效率影響因素研究。從不同梯隊層面的結果來看（見表6），各影響因素對城市創(chuàng)新全要素生產(chǎn)率的影響方向和影響程度存在差異。具體情況如下：

表6 長三角城市群城市創(chuàng)新效率影響因素固定效應模型分析結果

對第一梯隊城市來說，科技經(jīng)費投入、教育經(jīng)費投入、公共圖書館藏書量和建成區(qū)綠化覆蓋率對城市創(chuàng)新效率均具有顯著正向作用，固定資產(chǎn)投資對城市創(chuàng)新效率具有顯著負向作用。這反映增加科技經(jīng)費和教育經(jīng)費投入、提高公共圖書館藏書量和建成區(qū)綠化覆蓋率，能有效提升城市創(chuàng)新效率，這是由于第一梯隊城市經(jīng)濟發(fā)展的勢頭好，能吸引較強的創(chuàng)新資源，并在政府加大對科技和教育的投入后，城市可引進更多創(chuàng)新型人才，同時有充足資金用于發(fā)展高新技術產(chǎn)業(yè)，為城市創(chuàng)新發(fā)展提供有力的保障，更快提升城市創(chuàng)新效率水平；公共圖書館藏書量越多，市民新知識等儲備越多；綠化覆蓋率越高，對創(chuàng)新人才更具吸引力，為城市創(chuàng)新帶來更多動力。但固定資產(chǎn)產(chǎn)出的科技創(chuàng)新效益偏低，增加其投資不利于創(chuàng)新技術發(fā)展，從而降低城市創(chuàng)新效率。

對第二梯隊城市來說，教育經(jīng)費投入和公共圖書館藏書量對城市創(chuàng)新效率具有顯著正向作用，建成區(qū)綠化覆蓋率對城市創(chuàng)新效率正向作用不明顯，科技經(jīng)費投入和固定資產(chǎn)投資對城市創(chuàng)新效率具有顯著負向作用。這反映區(qū)域教育水平的提高能夠推動地區(qū)創(chuàng)新發(fā)展，創(chuàng)新活動是知識密集型活動，從事創(chuàng)新活動人員知識素質越高，創(chuàng)新能力越強，從而提升城市創(chuàng)新效率；而科技經(jīng)費投入強度需處于合理規(guī)模時，才能對創(chuàng)新效率產(chǎn)生積極效應，現(xiàn)階段第二梯隊城市的市場經(jīng)濟活力不足，企業(yè)無法準確把握市場信息，難以把控正確的投資規(guī)模及領域，導致創(chuàng)新動力不足，致使投入冗余而產(chǎn)出效率低等問題[35]。此外，由于揚州、南通等城市以傳統(tǒng)制造業(yè)為主發(fā)展經(jīng)濟且技術水平低，造成創(chuàng)新資源未得到高效合理利用，進而拉低整個長三角城市群的城市創(chuàng)新效率。因此，為加快技術更新和產(chǎn)業(yè)結構升級，需加大教育經(jīng)費投入和人才補貼政策優(yōu)惠力度，引進創(chuàng)新型人才，發(fā)展創(chuàng)新平臺，以提高區(qū)域創(chuàng)新發(fā)展能力。而相比更大經(jīng)濟規(guī)模的城市，城市生態(tài)環(huán)境對創(chuàng)新人才的吸引力不足，故建成區(qū)綠化覆蓋率對城市創(chuàng)新效率的影響不明顯。

對第三梯隊城市來說，教育經(jīng)費投入和公共圖書館藏書量對城市創(chuàng)新效率具有顯著正向作用，建成區(qū)綠化覆蓋率對城市創(chuàng)新效率正向作用不顯著，科技經(jīng)費投入和固定資產(chǎn)投資對城市創(chuàng)新效率具有顯著負向作用。第三梯隊城市經(jīng)濟發(fā)展主要依賴于傳統(tǒng)工業(yè)，對高新技術產(chǎn)業(yè)的投入相對較少，對于人才的扶持力度小，導致創(chuàng)新科技人才流失，限制了地區(qū)技術的創(chuàng)新和發(fā)展，故城市創(chuàng)新效率整體偏低。增加教育方面投入，可吸引更多創(chuàng)新人才，提高人力和技術資源配置，進而加快技術更新和發(fā)展。

（二）穩(wěn)健性分析

本文采用變量替換法進行穩(wěn)健性檢驗，即將被解釋變量替換為技術效率指數(shù)，采用固定效應模型進行影響因素回歸分析，穩(wěn)健性檢驗結果如表7 所示。從表7 可以看出，在固定效應模型中，各影響因素回歸系數(shù)的正負和顯著性與前文所述基本一致，認為結果較為穩(wěn)健。

表7 長三角城市群城市創(chuàng)新效率影響因素穩(wěn)健性檢驗結果

五、結論與建議

（一）結論

本文采用超效率BCC 模型和Malmquist 指數(shù)模型測算長三角城市群2011—2020 年26 個省轄市（直轄市）的城市創(chuàng)新效率，構建固定效應模型分析長三角城市群整體及各梯隊城市全要素生產(chǎn)率的影響因素，具體結論如下：

第一，長三角城市群各城市創(chuàng)新效率平均值未達到DEA 有效狀態(tài)，且各城市創(chuàng)新效率差異顯著。長三角城市群26 個省轄市（直轄市）2011 年創(chuàng)新效率平均值為0.820，2020 年增加至0.909；各城市創(chuàng)新效率值有顯著差異，總體上呈現(xiàn)出“東西均衡”和“北高南低”的空間分布特征。

第二，長三角城市群城市創(chuàng)新全要素生產(chǎn)率指數(shù)整體呈波動上升趨勢，其中，技術進步是關鍵影響因素，而技術效率指數(shù)、純技術效率指數(shù)和規(guī)模效率指數(shù)對創(chuàng)新全要素生產(chǎn)率指數(shù)的影響較小。

第三，教育經(jīng)費投入、科技經(jīng)費投入、建成區(qū)綠化覆蓋率、公共圖書館藏書量對長三角城市群城市創(chuàng)新全要素生產(chǎn)率有顯著正向影響，其中科技經(jīng)費投入影響程度最大，固定資產(chǎn)投資對城市創(chuàng)新全要素生產(chǎn)率有顯著負向影響。從不同梯隊城市情況來看，科技經(jīng)費投入對第一梯隊城市創(chuàng)新效率有顯著正向影響，而對第二、三梯隊城市創(chuàng)新效率有顯著負向影響。

（二）建議

為提高長三角城市群城市創(chuàng)新效率，根據(jù)計算分析結果，研究提出以下建議：

第一，合理配置創(chuàng)新資源，提高創(chuàng)新資源利用效率。長三角城市群各城市規(guī)模效率不高，因此各城市應因地制宜采取措施減少單位產(chǎn)品生產(chǎn)成本，從而增加企業(yè)的規(guī)模收益；創(chuàng)新資源投入不足地區(qū)要充分發(fā)揮政府、市場和外資的優(yōu)勢，構建多渠道和多層次的投資系統(tǒng)，通過加大資金、技術、人才等生產(chǎn)要素的投入，增強自身知識技術的積累，從而提高城市的綜合創(chuàng)新效率，實現(xiàn)長三角城市群高質量發(fā)展。

第二，優(yōu)化創(chuàng)新結構，加強產(chǎn)學研合作。技術進步是推動創(chuàng)新全要素生產(chǎn)率提高的關鍵，各城市需注重區(qū)域產(chǎn)學研相結合，通過科學、合理的創(chuàng)新發(fā)展結構，做到企業(yè)、高校、科研機構協(xié)調發(fā)展，共同推進地區(qū)技術水平提高。湖州市、舟山市、臺州市、宣城市、銅陵市、池州市、安慶市等城市對創(chuàng)新人才的吸引力不足，應積極創(chuàng)造有利于產(chǎn)學研合作的基礎設施與制度環(huán)境，培養(yǎng)更多素質優(yōu)良、綜合能力強的高技術人才；池州市、宣城市、安慶市等高新技術產(chǎn)業(yè)發(fā)展不足的城市，要積極依托高校設立科研機構，發(fā)揮高?？蒲泻腿瞬艃?yōu)勢，發(fā)展高新技術，開發(fā)高科技園區(qū)，帶動周圍創(chuàng)新型企業(yè)發(fā)展，以此促進長三角城市群技術進步，提高城市創(chuàng)新效率。

第三，加強資源與信息共享，發(fā)揮核心城市引領作用。隨著長三角地區(qū)一體化持續(xù)穩(wěn)定發(fā)展，作為核心創(chuàng)新城市如上海市和蘇州市等，應成為區(qū)域創(chuàng)新發(fā)展的標兵，充分發(fā)揮其強大的資源優(yōu)勢和高度的國際開放度，打造具有國際影響力的高新技術創(chuàng)新中心，促進長三角城市群乃至周邊區(qū)域的發(fā)展。長三角城市群之間要加強溝通，積極協(xié)作，突破市場障礙，實現(xiàn)資源共享和技術交流，促進長三角城市群創(chuàng)新資源的流動和創(chuàng)新效率整體提高。

第四，改善創(chuàng)新環(huán)境，吸引創(chuàng)新資源集聚。各城市應注重科技創(chuàng)新發(fā)展與創(chuàng)新人才的培育，加大科技經(jīng)費、教育經(jīng)費的投入，特別是高等學校教育經(jīng)費的投入力度；注重城市公共圖書館、城市道路等人文環(huán)境與基礎設施環(huán)境建設，合理布局城市綠化空間，建設綠色創(chuàng)新發(fā)展城市，吸引更多創(chuàng)新型企業(yè)轉移及高技術人才。

第五，因地制宜規(guī)劃發(fā)展模式，提升整體創(chuàng)新效率。目前長三角城市群城市創(chuàng)新發(fā)展存在明顯區(qū)域差異性，且不同梯隊城市創(chuàng)新效率影響因素及影響程度存在差異，鼓勵各個區(qū)域積極探索適應本地區(qū)創(chuàng)新發(fā)展的模式，實施針對性創(chuàng)新對策，實現(xiàn)長三角城市群創(chuàng)新效率整體提升。