长江经济带城市创新的空间集聚与门槛效应：特征、影响及策略研究

长江经济带城市创新的空间集聚与门槛效应：特征、影响及策略研究一、引言1.1研究背景在经济全球化与区域一体化的大背景下，科技创新已成为推动区域经济发展、提升区域竞争力的核心要素。长江经济带作为我国经济发展的重要区域，横跨东、中、西三大地带，覆盖上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州等11个省市，在我国经济社会发展中占据着举足轻重的地位。其人口和经济总量均超过全国的40%，拥有丰富的自然资源、雄厚的产业基础、密集的人口以及发达的交通网络，是我国重要的经济走廊和生态屏障。近年来，随着创新驱动发展战略的深入实施，长江经济带各城市纷纷加大对创新的投入，积极推动科技创新与产业发展的深度融合，城市创新能力得到了显著提升。城市创新不仅能够推动产业升级，促进经济结构的优化调整，还能创造新的经济增长点，增强经济发展的内生动力，对区域经济的可持续发展起着关键作用。通过创新，城市可以吸引更多的高端人才、资金和技术等创新要素集聚，提升产业的附加值和竞争力，实现经济发展从要素驱动向创新驱动的转变。然而，长江经济带各城市在创新资源、创新能力和创新环境等方面存在着较大的差异，导致城市创新呈现出明显的空间集聚特征。一些经济发达、科技资源丰富的城市，如上海、南京、杭州、武汉、重庆、成都等，凭借其优越的地理位置、完善的基础设施、丰富的人才资源和良好的创新氛围，成为了区域创新的高地，创新活动较为活跃，创新成果丰硕；而一些经济相对落后、科技资源匮乏的城市，创新能力相对较弱，创新发展面临诸多困难和挑战。这种创新的空间不均衡分布，不仅影响了长江经济带整体创新水平的提升，也不利于区域经济的协调发展。此外，城市创新的发展还受到多种因素的影响，这些因素在不同的条件下可能会对城市创新产生不同程度的影响，即存在门槛效应。例如，当经济发展水平达到一定程度时，对创新的投入和支持才能更有效地转化为创新成果；当基础设施建设达到一定标准时，才能更好地支撑创新活动的开展；当人才储备达到一定规模时，才能形成创新的人才优势等。深入研究长江经济带城市创新的空间集聚特征及其门槛效应，对于揭示城市创新的空间分布规律和影响机制，制定合理的区域创新政策，促进长江经济带城市创新的协同发展，提升区域整体创新能力和竞争力，具有重要的理论和现实意义。1.2研究目的与意义本研究旨在深入剖析长江经济带城市创新的空间集聚特征及其门槛效应，具体而言，通过构建科学合理的城市创新指标体系，运用空间计量分析方法，如全局空间自相关分析、局部空间自相关分析和空间趋势面分析等，揭示长江经济带城市创新在空间上的集聚程度、集聚类型以及空间分布的变化趋势，准确识别城市创新的高值集聚区和低值集聚区，以及这些集聚区的动态演变规律。同时，采用门槛回归模型，以经济发展水平、基础设施建设、人才储备等为门槛变量，探究各影响因素对城市创新的非线性影响机制，确定不同门槛变量下影响因素的作用强度和方向变化。从理论意义来看，本研究有助于丰富区域创新理论，深入揭示城市创新的空间集聚规律和门槛效应，进一步完善城市创新的理论体系。通过对长江经济带城市创新的研究，可以深化对区域创新差异形成机制的认识，为区域创新理论的发展提供实证支持。同时，本研究还可以为新经济地理学、三螺旋理论等相关理论在城市创新研究中的应用提供新的案例和实证依据，推动相关理论的进一步发展和完善。在实践意义方面，研究结果可以为长江经济带各城市制定科学合理的创新发展政策提供决策依据。对于创新能力较弱的城市，可以根据门槛效应的分析结果，明确自身在经济发展、基础设施建设、人才培养等方面的短板，有针对性地加大投入和政策支持，突破门槛限制，提升创新能力；对于创新能力较强的城市，可以进一步优化创新资源配置，加强与周边城市的创新合作，发挥辐射带动作用，促进区域创新协同发展。此外，研究成果还有助于加强长江经济带各城市之间的创新合作与交流，促进创新要素的自由流动和优化配置，推动长江经济带整体创新水平的提升，增强区域经济的竞争力，实现长江经济带的高质量发展。1.3研究方法与数据来源本研究采用多种研究方法，以确保研究的科学性和全面性。在探究长江经济带城市创新的空间集聚特征时，运用空间自相关分析方法，包括全局空间自相关和局部空间自相关分析。全局空间自相关分析通过计算莫兰指数（Moran'sI），衡量长江经济带城市创新在整体空间上的集聚程度，判断其是否存在空间自相关。若莫兰指数显著为正，表明城市创新呈现空间集聚特征；若为负，则表示呈离散分布；若接近0，说明不存在明显的空间相关性。局部空间自相关分析则通过计算局部莫兰指数（LocalMoran'sI），识别出每个城市在空间上的集聚类型，如高高集聚（HH）、低低集聚（LL）、高低集聚（HL）和低高集聚（LH），明确城市创新的高值集聚区和低值集聚区在空间上的具体分布位置。同时，运用空间趋势面分析方法，通过构建空间趋势面模型，直观地展示长江经济带城市创新在空间上的变化趋势，分析其在不同方向上的分布规律。在研究长江经济带城市创新的门槛效应时，采用门槛回归模型。以经济发展水平、基础设施建设、人才储备等作为门槛变量，构建单门槛、双门槛或多门槛回归模型。通过对门槛效应的存在性检验、门槛值的估计以及模型的回归分析，探究各影响因素对城市创新的非线性影响机制。当门槛变量达到不同的门槛值时，分析解释变量对被解释变量（城市创新）的作用强度和方向是否发生显著变化。本研究的数据主要来源于多个权威渠道，以确保数据的准确性和可靠性。包括《中国城市统计年鉴》《长江经济带统计年鉴》以及长江经济带各省市的统计年鉴，这些年鉴提供了丰富的城市层面的经济、社会、科技等方面的数据，如地区生产总值、固定资产投资、财政收入、教育经费支出、科技研发投入等。同时，参考各城市的政府工作报告、统计公报以及相关数据库，如国家统计局数据库、Wind数据库等，获取关于城市创新的相关数据，如专利申请量、专利授权量、技术市场成交额、高新技术企业数量等。对于部分缺失的数据，采用插值法、均值法等方法进行补充和处理，以保证数据的完整性和连续性。二、理论基础与文献综述2.1相关理论基础2.1.1区域创新理论区域创新理论起源于20世纪80年代，随着经济全球化和区域经济一体化的发展，创新在区域经济发展中的作用日益凸显，区域创新理论应运而生。该理论强调区域内各创新主体之间的相互作用和协同创新，认为区域创新是一个复杂的系统工程，涉及企业、高校、科研机构、政府、中介机构等多个主体。这些主体通过知识、技术、人才、资金等创新要素的流动和共享，形成了一个有机的创新网络，共同推动区域创新能力的提升。区域创新系统主要由主体要素、功能要素和环境要素构成。主体要素包括企业、高校、科研机构、政府和中介机构等。企业是技术创新的主体，通过研发投入和技术改造，将新知识、新技术转化为现实生产力，推动产品创新和工艺创新，提升企业的市场竞争力。高校和科研机构是知识创新的主体，承担着基础研究和应用研究的重要任务，为企业提供创新的知识源泉和技术支持，培养高素质的创新人才。政府在区域创新系统中发挥着引导和调控作用，通过制定创新政策、提供财政支持、建设创新基础设施等方式，营造良好的创新环境，促进创新资源的优化配置。中介机构则在各创新主体之间起到桥梁和纽带作用，为企业提供技术咨询、技术转移、知识产权服务等专业化服务，加速创新成果的转化和应用。功能要素主要包括知识创造、知识传播、技术创新和创新扩散等。知识创造是区域创新的源头，高校和科研机构通过基础研究和应用研究，创造新的知识和技术。知识传播是将创造出来的知识和技术在区域内进行扩散和共享，通过学术交流、技术培训、科技成果转化等方式，使更多的创新主体能够获取和应用新知识、新技术。技术创新是企业将知识和技术转化为新产品、新工艺、新服务的过程，通过研发投入、技术改造和创新管理，提高企业的技术水平和创新能力。创新扩散是创新成果在区域内的广泛应用和推广，通过市场机制和政府引导，使创新成果能够快速传播到其他企业和领域，促进区域经济的整体发展。环境要素包括政策环境、文化环境、市场环境和基础设施等。政策环境是政府为促进区域创新而制定的一系列政策法规，如税收优惠、财政补贴、知识产权保护等，这些政策能够激励创新主体的创新行为，引导创新资源的合理配置。文化环境是区域内的创新文化氛围，包括鼓励创新、宽容失败的价值观念，开放合作的创新精神等，良好的文化环境能够激发创新主体的创新热情和创造力。市场环境是指区域内的市场竞争程度和市场需求状况，市场竞争能够促使企业不断创新，提高产品质量和服务水平，以满足市场需求。基础设施是区域创新的物质基础，包括交通、通信、能源等硬件设施，以及科技信息平台、科技金融服务等软件设施，完善的基础设施能够为创新活动提供有力的支撑。区域创新系统的运行机制主要包括协同创新机制、知识溢出机制和创新激励机制。协同创新机制强调各创新主体之间的合作与协同，通过建立产学研合作联盟、产业技术创新战略联盟等形式，实现创新资源的共享和优势互补，提高创新效率和创新水平。知识溢出机制是指知识和技术在区域内的传播和扩散，通过企业之间的交流与合作、人员流动、技术转让等方式，使知识和技术能够从创新源向周边地区扩散，促进区域内整体创新能力的提升。创新激励机制是通过政策引导、市场机制和文化氛围等多种手段，激励创新主体的创新行为，如提供创新补贴、设立创新奖项、建立风险投资机制等，激发企业和科研人员的创新积极性。区域创新理论为长江经济带城市创新研究提供了重要的理论指导。长江经济带城市创新可以看作是一个区域创新系统，各城市的企业、高校、科研机构、政府和中介机构等构成了区域创新的主体要素。通过加强各城市之间的协同创新，促进创新要素在区域内的自由流动和优化配置，能够提升长江经济带整体的创新能力。例如，长三角地区的上海、南京、杭州等城市，通过建立长三角科技创新共同体，加强产学研合作，实现了创新资源的共享和优势互补，在人工智能、生物医药、新能源等领域取得了一系列创新成果。同时，长江经济带各城市可以利用知识溢出机制，加强与周边城市的创新交流与合作，吸收先进的知识和技术，提升自身的创新水平。政府可以通过制定相关政策，营造良好的创新环境，完善创新基础设施，激发创新主体的创新活力，推动长江经济带城市创新的发展。2.1.2空间集聚理论空间集聚是指经济活动在地理空间上的集中现象，其形成原因是多方面的。从外部经济角度来看，企业在空间上的集聚可以共享基础设施、劳动力市场和中间投入品等，从而降低生产成本。例如，在产业园区中，众多企业可以共同使用园区内的道路、水电、通信等基础设施，减少了各自建设基础设施的成本。同时，产业集聚使得劳动力市场更加专业化和多样化，企业更容易招聘到符合自身需求的劳动力，降低了招聘成本和培训成本。此外，企业集聚还可以促进中间投入品的专业化生产和供应，提高生产效率，降低采购成本。规模经济也是空间集聚形成的重要原因。随着企业生产规模的扩大，单位产品的生产成本会逐渐降低，从而获得规模经济效益。在空间集聚的区域，企业可以通过扩大生产规模，实现生产的专业化和标准化，提高生产效率，降低生产成本。例如，汽车制造产业的集聚，使得零部件供应商能够更靠近整车生产企业，实现零部件的及时供应和零库存管理，提高了生产效率，降低了物流成本。同时，大规模的生产还可以使企业在原材料采购、市场销售等方面获得更大的议价能力，进一步降低成本，提高利润。知识溢出效应在空间集聚中也起着关键作用。知识和技术具有非竞争性和部分排他性的特点，在空间集聚的区域，企业之间的交流与合作更加频繁，知识和技术能够通过人员流动、技术交流、企业间合作等渠道快速传播和扩散。这种知识溢出效应使得企业能够更容易获取外部的新知识和新技术，促进自身的创新和发展。例如，在高新技术产业园区，科研人员和技术人员的频繁流动，使得新的技术和创新理念能够在园区内迅速传播，推动了整个园区的创新发展。同时，知识溢出还可以促进企业之间的合作创新，通过共享知识和技术资源，提高创新效率和创新水平。影响空间集聚的因素众多，自然资源、基础设施、政策环境和市场机制等都在其中扮演重要角色。自然资源是经济活动的基础，具有丰富自然资源的地区往往更容易吸引相关产业的集聚。例如，煤炭资源丰富的地区容易形成煤炭开采、煤炭加工等产业的集聚。基础设施是经济活动的重要支撑，完善的交通、通信、能源等基础设施能够降低企业的运输成本、信息成本和能源成本，吸引企业集聚。例如，交通便利的地区能够使企业更方便地运输原材料和产品，降低物流成本，从而吸引企业入驻。政策环境对空间集聚的影响也不容忽视，政府可以通过制定产业政策、税收政策、土地政策等，引导和促进产业的空间集聚。例如，政府可以通过设立产业园区，提供税收优惠、土地优惠等政策，吸引企业入驻，形成产业集聚。市场机制则通过价格信号、竞争机制和供求关系等，引导企业在空间上的布局和集聚。例如，市场需求大的地区能够为企业提供更广阔的市场空间，吸引企业集聚，以满足市场需求。在长江经济带城市创新中，空间集聚特征明显。以上海为核心的长三角地区，凭借其优越的地理位置、发达的交通网络、雄厚的经济基础和完善的创新环境，吸引了大量的创新要素集聚，成为长江经济带创新的核心区域。众多高校、科研机构和高新技术企业汇聚于此，形成了强大的创新合力。在人工智能领域，上海拥有众多知名的科研机构和企业，如上海交通大学、复旦大学、商汤科技、依图科技等，这些机构和企业在技术研发、人才培养、产业应用等方面开展了广泛的合作，形成了完整的人工智能产业链，推动了上海人工智能产业的快速发展。同时，长三角地区的创新集聚还通过知识溢出和产业关联等效应，带动了周边城市的创新发展，形成了区域创新协同发展的良好局面。例如，苏州、无锡等城市通过与上海的创新合作，积极承接上海的创新资源溢出，在电子信息、生物医药等领域取得了显著的创新成果。2.1.3门槛效应理论门槛效应最初源于发展经济学领域，用来描述经济发展过程中某些因素在达到一定水平后，对经济增长产生的非线性影响。后来，这一概念被广泛应用于其他领域，如区域创新、环境科学、社会科学等。在区域创新研究中，门槛效应是指当影响区域创新的某些因素，如经济发展水平、基础设施建设、人才储备等，达到一定的门槛值时，这些因素对区域创新的影响会发生显著变化。门槛效应的作用机制主要体现在以下几个方面。首先，当经济发展水平较低时，企业和政府对创新的投入能力有限，创新活动难以有效开展。随着经济发展水平的提高，企业的盈利能力增强，政府的财政收入增加，能够为创新提供更多的资金支持。同时，经济发展水平的提高也会带动市场需求的升级，促使企业加大创新投入，以满足市场对高品质产品和服务的需求。例如，在一些经济欠发达地区，由于企业规模较小，资金短缺，难以承担高额的研发成本，创新活动相对较少。而在经济发达地区，企业有足够的资金进行研发投入，能够引进先进的技术和设备，开展高水平的创新活动。其次，基础设施建设对区域创新也存在门槛效应。完善的基础设施，如交通、通信、能源等，是创新活动的重要支撑。当基础设施建设水平较低时，会制约创新要素的流动和集聚，增加创新成本。只有当基础设施建设达到一定的水平，才能为创新活动提供便利的条件，促进创新要素的高效配置。例如，在交通不便的地区，企业之间的交流与合作受到限制，创新资源难以共享，创新效率低下。而在交通便利的地区，企业能够更方便地与外界进行交流与合作，获取创新资源，提高创新效率。人才储备也是影响区域创新的重要因素，存在明显的门槛效应。创新活动需要大量高素质的人才，当人才储备不足时，创新活动会受到人才瓶颈的制约。随着人才储备的增加，人才之间的交流与合作更加频繁，能够形成创新的人才团队，产生知识溢出效应，提高区域创新能力。例如，一些高校和科研机构集中的地区，拥有丰富的人才资源，能够为企业提供创新的智力支持，促进企业的创新发展。而在人才匮乏的地区，企业难以吸引到优秀的人才，创新能力相对较弱。在长江经济带城市创新研究中，门槛效应理论具有重要的应用价值。通过研究经济发展水平、基础设施建设、人才储备等因素对城市创新的门槛效应，可以深入了解各因素对城市创新的非线性影响机制。这有助于长江经济带各城市根据自身的实际情况，明确制约创新发展的关键因素，制定针对性的政策措施，突破门槛限制，提升城市创新能力。对于经济发展水平较低的城市，可以加大对经济发展的支持力度，促进产业升级，提高经济发展水平，为创新提供坚实的经济基础。对于基础设施建设薄弱的城市，可以加大对基础设施建设的投入，改善交通、通信、能源等基础设施条件，为创新活动创造良好的硬件环境。对于人才储备不足的城市，可以制定优惠政策，吸引和培养高素质的创新人才，提高人才储备水平，为创新提供人才保障。2.2国内外研究现状2.2.1城市创新的空间集聚研究国外对城市创新空间集聚的研究起步较早，理论体系相对完善。学者们从多个角度对城市创新的空间集聚特征进行了深入剖析。马歇尔（AlfredMarshall）最早提出了产业集聚的外部性理论，认为企业在空间上的集聚能够共享劳动力市场、中间投入品和知识溢出等外部经济，从而促进创新活动的开展。这一理论为城市创新空间集聚的研究奠定了基础。波特（MichaelPorter）在其钻石模型中强调了生产要素、需求条件、相关与支持性产业以及企业战略、结构和同业竞争等因素对产业竞争力和创新的重要性。他认为，产业集群能够通过这些因素的相互作用，形成独特的创新环境，提升区域的创新能力。在对美国硅谷的研究中发现，众多高科技企业、高校和科研机构的集聚，形成了完善的创新生态系统，促进了知识和技术的快速传播与创新成果的大量涌现。随着空间计量经济学的发展，学者们开始运用空间自相关分析、空间回归模型等方法，对城市创新的空间集聚特征进行实证研究。Anselin等学者通过构建空间权重矩阵，运用全局和局部空间自相关分析，研究了区域创新的空间分布特征，发现创新活动在空间上存在显著的集聚现象。他们的研究表明，相邻地区之间的创新活动存在较强的空间相关性，创新高值区和低值区在空间上呈现出集聚分布的态势。国内学者在借鉴国外研究成果的基础上，结合中国的实际情况，对城市创新的空间集聚特征进行了大量研究。部分学者运用探索性空间数据分析方法，对中国省域或城市层面的创新数据进行分析，发现中国城市创新水平呈现出明显的空间集聚特征，东部地区的创新集聚程度高于中西部地区。例如，在对长三角城市群的研究中，发现该城市群内城市创新能力在空间上呈现出向内陆扩散的趋势，空间分布更加均衡。上海、苏州、无锡等城市处于创新的高高集聚区，形成了创新的核心区域，对周边城市产生了较强的辐射带动作用。还有学者从创新要素流动的角度，分析了城市创新空间集聚的形成机制。研究认为，人才、资金、技术等创新要素的流动和集聚是城市创新空间集聚的重要原因。北京、上海等大城市凭借其优越的经济条件、丰富的科研资源和良好的创新环境，吸引了大量的创新要素集聚，成为了区域创新的高地。同时，这些城市的创新要素也会通过知识溢出、产业关联等方式向周边城市扩散，促进区域创新的协同发展。此外，一些学者关注到政策因素对城市创新空间集聚的影响。政府通过制定产业政策、创新政策等，引导创新资源的合理配置，促进城市创新的空间集聚。例如，政府设立的高新技术产业开发区、经济技术开发区等，为企业提供了良好的创新环境和政策支持，吸引了大量创新型企业的入驻，形成了产业集聚和创新集聚。2.2.2城市创新的门槛效应研究国外在城市创新门槛效应研究方面，较早运用计量模型进行实证分析。Hansen提出了门槛回归模型，为研究变量之间的非线性关系提供了有效的方法。此后，众多学者运用该模型对城市创新的门槛效应进行研究。一些学者以经济发展水平为门槛变量，发现当经济发展达到一定水平后，对城市创新的促进作用会显著增强。例如，在对欧洲部分国家的研究中，发现当人均GDP超过一定阈值时，研发投入对创新产出的弹性系数明显提高，表明经济发展水平是影响城市创新的重要门槛因素。部分学者从基础设施建设、人力资源等角度探讨城市创新的门槛效应。研究发现，完善的交通、通信等基础设施能够降低创新成本，促进创新要素的流动和集聚，当基础设施水平达到一定标准时，对城市创新具有显著的推动作用。人力资源方面，高素质人才的集聚是城市创新的关键，当人才密度超过一定水平时，人才之间的知识交流和合作能够产生创新的乘数效应，提升城市创新能力。国内学者在城市创新门槛效应研究方面也取得了一定的成果。学者们结合中国城市发展的实际情况，选取不同的门槛变量进行研究。在对中国285个地级市的研究中，以金融发展规模、金融发展效率等为门槛变量，发现金融发展对城市创新存在显著的门槛效应。当金融发展规模和效率达到一定水平时，能够为城市创新提供充足的资金支持，促进创新活动的开展。一些学者关注到产业结构对城市创新的门槛效应。研究表明，产业结构的优化升级能够为城市创新提供良好的产业基础和市场需求，当产业结构高度化和合理化达到一定程度时，对城市创新具有积极的促进作用。在产业结构高度化水平较高的地区，高端制造业和现代服务业的发展能够吸引更多的创新资源，推动城市创新能力的提升。现有研究虽然在城市创新门槛效应方面取得了一定的进展，但仍存在一些不足。一方面，对门槛效应的作用机制研究还不够深入，大多侧重于实证分析，对门槛效应背后的理论解释和内在逻辑探讨不够充分。另一方面，研究中选取的门槛变量相对单一，缺乏对多个门槛变量之间相互作用的综合分析。未来的研究可以进一步拓展门槛变量的选取范围，深入探究门槛效应的作用机制，为城市创新发展提供更有针对性的理论支持。2.2.3长江经济带城市创新研究在长江经济带城市创新研究方面，众多学者对其现状进行了多维度分析。从创新投入来看，研究发现长江经济带各城市在研发经费投入、研发人员投入等方面存在较大差异。上海、南京、杭州等长三角地区城市凭借雄厚的经济实力，在研发经费和人员投入上占据优势，为创新活动提供了坚实的物质基础和人力资源保障。而一些中西部城市，由于经济发展水平相对较低，创新投入相对不足，限制了创新能力的提升。在创新产出方面，学者们通过对专利申请量、专利授权量、技术市场成交额等指标的分析，发现长江经济带城市创新产出呈现出明显的空间不均衡分布。长三角地区城市在创新产出上表现突出，拥有大量的高新技术企业和创新成果，在全国处于领先地位。例如，上海的人工智能、生物医药等领域的创新成果丰硕，在国际上也具有一定的影响力。而长江中上游部分城市的创新产出相对较少，创新成果转化效率有待提高。针对长江经济带城市创新存在的问题，学者们也提出了一系列政策建议。在创新资源整合方面，建议加强区域内创新资源的共享与合作，建立创新资源共享平台，促进高校、科研机构和企业之间的产学研合作。通过整合创新资源，打破区域壁垒，实现创新要素的自由流动和优化配置，提高创新资源的利用效率。在创新环境优化方面，强调政府应加大对创新的支持力度，完善创新政策体系，加强知识产权保护，营造良好的创新氛围。政府可以通过制定税收优惠政策、提供创新补贴等方式，激励企业加大创新投入。同时，加强知识产权保护，维护创新者的合法权益，激发创新主体的积极性和创造性。此外，一些学者关注到长江经济带城市创新的协同发展问题，建议加强城市之间的创新合作，构建区域协同创新体系。通过建立跨区域的创新合作机制，促进城市之间的创新要素流动和创新成果共享，实现优势互补，共同提升长江经济带整体创新能力。例如，长三角、长江中游和成渝三大城市群可以加强在产业创新、科技成果转化等方面的合作，形成协同创新的合力。2.3文献评述综上所述，国内外学者围绕城市创新的空间集聚与门槛效应以及长江经济带城市创新展开了丰富研究，取得了丰硕成果，为本文研究奠定了坚实基础。在城市创新的空间集聚研究领域，国外研究起步早，从理论层面如马歇尔的产业集聚外部性理论，到运用空间计量方法进行实证分析，为理解城市创新空间集聚的内在机制和外在特征提供了重要视角。国内研究结合中国实际，深入分析了城市创新空间集聚的特征与形成机制，明确了创新要素流动和政策因素在其中的关键作用。这些研究让我们清晰认识到城市创新在空间上并非随机分布，而是存在显著的集聚现象，且不同地区的集聚程度和模式存在差异。在城市创新的门槛效应研究方面，国外学者借助门槛回归模型等方法，从经济发展水平、基础设施建设和人力资源等多个角度，揭示了门槛效应在城市创新中的存在及其影响。国内学者也结合中国城市发展实际，对金融发展、产业结构等因素的门槛效应进行了研究，为理解城市创新的非线性影响机制提供了实证依据。这些研究表明，城市创新受到多种因素的综合影响，且这些因素在不同条件下对城市创新的作用存在门槛值，只有当相关因素跨越门槛值时，才能更有效地促进城市创新。针对长江经济带城市创新的研究，学者们从创新投入和产出等多维度分析了其现状，指出了创新资源分布不均、创新产出空间不均衡等问题，并提出了加强创新资源整合、优化创新环境和促进协同发展等政策建议。这些研究对于深入了解长江经济带城市创新的实际情况，推动长江经济带城市创新发展具有重要指导意义。然而，现有研究仍存在一定局限性。在空间集聚研究中，虽然对集聚特征和形成机制有了深入探讨，但对于长江经济带城市创新空间集聚的动态演变过程，尤其是在不同发展阶段集聚特征的变化规律研究相对不足。在门槛效应研究方面，现有研究选取的门槛变量相对单一，对多个门槛变量之间的交互作用及其对城市创新的综合影响研究不够深入。此外，将长江经济带城市创新的空间集聚特征与门槛效应相结合的研究较为匮乏，未能充分揭示两者之间的内在联系和相互作用机制。基于以上研究现状与不足，本研究将聚焦长江经济带城市创新，综合运用多种空间计量分析方法和门槛回归模型，深入剖析城市创新的空间集聚特征及其动态演变过程。同时，拓展门槛变量的选取范围，全面考虑经济发展水平、基础设施建设、人才储备、产业结构、金融发展等多个因素的门槛效应，并探究这些门槛变量之间的交互作用。通过将空间集聚特征与门槛效应相结合，揭示两者之间的内在联系，为长江经济带城市创新发展提供更全面、深入的理论支持和实践指导。三、长江经济带城市创新的空间集聚特征分析3.1研究区域与数据处理本研究以长江经济带为研究区域，涵盖上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州等11个省市的108个地级及以上城市。这108个城市构成了长江经济带城市创新研究的样本空间，它们在地理位置、经济发展水平、产业结构、创新资源等方面存在显著差异，为深入研究长江经济带城市创新的空间集聚特征提供了丰富的数据基础。这些城市沿长江黄金水道分布，串联起东、中、西三大区域，在长江经济带的经济发展和创新活动中发挥着关键作用。在数据处理方面，本研究对原始数据进行了一系列严谨的处理操作。首先是数据清洗，针对收集到的原始数据中可能存在的缺失值、异常值和重复值进行处理。对于缺失值，根据数据的特点和分布情况，采用均值法、插值法等方法进行补充。若某城市某一年份的研发投入数据缺失，而该城市所在省份其他城市该年份研发投入数据完整且具有相似的发展趋势，则可通过计算该省份其他城市研发投入的平均值来填补缺失值。对于异常值，通过设定合理的阈值范围进行识别和修正。如某城市的专利申请量远高于其他城市且与该城市的经济发展水平和创新投入不匹配，经过核实发现是统计错误，则对该数据进行修正。对于重复值，运用数据处理软件进行查重并删除，以确保数据的准确性和可靠性。其次是数据筛选，根据研究目的和指标体系的要求，从大量的原始数据中筛选出与城市创新相关的数据。在众多的经济、社会数据中，选取地区生产总值、固定资产投资、财政收入、教育经费支出、科技研发投入、专利申请量、专利授权量、技术市场成交额、高新技术企业数量等数据作为分析城市创新的关键指标数据。在筛选过程中，严格遵循数据的相关性、完整性和可靠性原则，确保筛选出的数据能够准确反映城市创新的实际情况。最后是数据标准化，由于不同指标的数据量纲和数量级存在差异，为了消除这些差异对分析结果的影响，采用最小最大归一化法对数据进行标准化处理。将各指标的数据映射到[0,1]区间内，其计算公式为：x_{ij}^*=\frac{x_{ij}-min(x_j)}{max(x_j)-min(x_j)}，其中x_{ij}^*为标准化后的数据，x_{ij}为原始数据，min(x_j)和max(x_j)分别为第j个指标的最小值和最大值。经过标准化处理后的数据，能够在同一尺度上进行比较和分析，为后续的空间集聚特征分析提供了有力的数据支持。3.2城市创新水平测度指标体系构建3.2.1指标选取原则在构建长江经济带城市创新水平测度指标体系时，严格遵循科学性、系统性、可操作性等原则，以确保指标体系能够准确、全面地反映城市创新的实际情况。科学性原则是指标选取的首要原则，要求指标能够客观、准确地反映城市创新的内涵和本质特征。指标的定义、计算方法和统计口径应具有明确的科学依据，避免主观随意性。研发投入强度这一指标，通过研发经费支出与地区生产总值的比值来衡量，能够科学地反映城市在创新方面的资金投入力度。该指标的计算方法在国内外相关研究中得到广泛应用，具有较高的科学性和认可度。在衡量知识创新能力时，选用科技论文发表数量这一指标，因为科技论文是科研人员在基础研究和应用研究过程中取得的重要成果体现，其发表数量能够在一定程度上反映城市的知识创新水平。系统性原则强调指标体系应是一个有机的整体，能够全面涵盖城市创新的各个方面。城市创新是一个复杂的系统，包括创新投入、创新产出、创新环境等多个维度。因此，指标体系应从这些不同维度出发，选取相应的指标，以确保对城市创新进行全面、系统的评价。在创新投入维度，选取研发投入强度、研发人员全时当量等指标，分别从资金和人力方面反映城市在创新上的投入力度；在创新产出维度，选择专利申请量、专利授权量、技术市场成交额等指标，以衡量城市创新活动所产生的成果数量和市场价值；在创新环境维度，涵盖了地区生产总值、财政科技支出占比、每万人拥有公共图书馆藏书量等指标，从经济基础、政策支持和文化氛围等方面反映城市创新的环境条件。通过这些不同维度指标的综合选取，能够全面系统地反映城市创新的整体情况。可操作性原则要求指标的数据易于获取、计算简便，并且具有实际应用价值。在选取指标时，充分考虑数据的可获得性和可靠性，优先选择统计部门、权威数据库等能够提供准确数据的指标。在构建指标体系时，尽量避免使用过于复杂或难以获取数据的指标。对于一些难以直接获取数据的指标，通过合理的方法进行间接计算或替代。在衡量城市的创新基础设施时，由于直接获取城市创新基础设施的全面数据较为困难，可以选用互联网普及率、人均道路面积等指标作为替代，这些指标数据容易从统计年鉴等渠道获取，并且与创新基础设施具有一定的相关性，能够在一定程度上反映城市创新基础设施的状况。3.2.2指标体系构建基于上述原则，构建了包含研发投入、专利申请量、科技人才数量等指标的城市创新水平测度体系，具体指标如下表所示：目标层准则层指标层单位城市创新水平创新投入研发投入强度%研发人员全时当量人年财政科技支出占比%教育经费支出占比%创新产出专利申请量件专利授权量件技术市场成交额万元高新技术企业数量家创新环境地区生产总值亿元人均地区生产总值元固定资产投资亿元每万人拥有公共图书馆藏书量册互联网普及率%公路货运量万吨在创新投入方面，研发投入强度反映了城市在研发活动中的资金投入占经济总量的比重，该比重越高，表明城市对创新的重视程度和投入力度越大。例如，上海的研发投入强度一直保持在较高水平，2022年达到了4.21%，这为上海的创新发展提供了坚实的资金保障。研发人员全时当量则衡量了城市从事研发活动的人力资源投入情况，体现了城市的创新人才储备和创新能力的潜力。财政科技支出占比和教育经费支出占比分别从政府财政支持和教育投入方面，反映了城市对科技创新和人才培养的支持力度。财政科技支出为科研项目提供资金支持，促进科研成果的产生；教育经费支出则用于培养高素质的创新人才，为城市创新提供智力支持。创新产出指标直接反映了城市创新活动的成果。专利申请量和专利授权量是衡量城市技术创新成果的重要指标，它们体现了城市在技术发明和创新方面的能力和水平。深圳作为我国的创新之都，2022年专利申请量达到了20.8万件，专利授权量为11.9万件，在全国城市中名列前茅，充分展示了其强大的创新实力。技术市场成交额反映了城市创新成果的市场转化价值，体现了创新成果在市场上的认可度和应用程度。高新技术企业数量则代表了城市中具有较高创新能力和市场竞争力的企业群体规模，是城市创新活力和创新生态的重要体现。创新环境指标从多个方面反映了城市创新的外部条件。地区生产总值和人均地区生产总值反映了城市的经济发展水平，经济实力雄厚的城市往往能够为创新提供更多的资源和支持。固定资产投资体现了城市在基础设施、生产设备等方面的投入，为创新活动提供了物质基础。每万人拥有公共图书馆藏书量反映了城市的文化资源和知识储备，丰富的文化资源有利于营造良好的创新氛围，激发创新思维。互联网普及率反映了城市的信息化水平，高速便捷的互联网能够促进信息的流通和共享，加速创新要素的流动和整合。公路货运量则体现了城市的交通物流能力，便捷的交通物流能够降低创新成本，促进创新产品的运输和销售。3.3空间集聚特征分析方法3.3.1全局空间自相关分析本研究采用Moran'sI指数来分析长江经济带城市创新水平在整体空间上的相关性，以判断城市创新是否存在空间集聚现象。Moran'sI指数的计算公式为：Moran's\I=\frac{n\sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij}(x_{i}-\overline{x})(x_{j}-\overline{x})}{(\sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij})\sum_{i=1}^{n}(x_{i}-\overline{x})^{2}}其中，n为研究区域内城市的数量；x_{i}和x_{j}分别表示城市i和城市j的创新水平；\overline{x}为所有城市创新水平的均值；w_{ij}为空间权重矩阵元素，表示城市i和城市j之间的空间邻接关系。若城市i和城市j相邻，则w_{ij}=1；若不相邻，则w_{ij}=0。Moran'sI指数的取值范围为[-1,1]，当Moran'sI指数大于0时，表示城市创新水平在空间上呈现正相关，即存在空间集聚现象，高值与高值相邻，低值与低值相邻；当Moran'sI指数小于0时，表示城市创新水平在空间上呈现负相关，即存在空间分散现象，高值与低值相邻；当Moran'sI指数接近0时，表示城市创新水平在空间上呈随机分布，不存在明显的空间相关性。通过计算Moran'sI指数，并进行显著性检验，若P值小于设定的显著性水平（通常为0.05），则表明城市创新水平的空间自相关显著。3.3.2局部空间自相关分析运用Getis-OrdG_{i}^*指数进行局部空间自相关分析，以识别长江经济带城市创新的高值集聚区（热点）和低值集聚区（冷点）。Getis-OrdG_{i}^*指数的计算公式为：G_{i}^*(d)=\frac{\sum_{j=1}^{n}w_{ij}(d)x_{j}}{\sum_{j=1}^{n}x_{j}}其中，x_{j}表示城市j的创新水平；w_{ij}(d)为基于距离d的空间权重矩阵元素，其定义为：若城市i和城市j之间的距离小于d，则w_{ij}(d)=1；若大于d，则w_{ij}(d)=0。G_{i}^*指数反映了以城市i为中心的局部区域内城市创新水平的高低。对G_{i}^*指数进行标准化处理，得到Z(G_{i}^*)，其计算公式为：Z(G_{i}^*)=\frac{G_{i}^*-E(G_{i}^*)}{\sqrt{VAR(G_{i}^*)}}其中，E(G_{i}^*)为G_{i}^*指数的期望值，VAR(G_{i}^*)为G_{i}^*指数的方差。通过计算Z(G_{i}^*)，并进行显著性检验，若Z(G_{i}^*)大于1.96（对应95%的置信水平），则表明城市i及其周边区域为高值集聚区（热点）；若Z(G_{i}^*)小于-1.96，则表明城市i及其周边区域为低值集聚区（冷点）；若\vertZ(G_{i}^*)\vert小于1.96，则表明城市i及其周边区域不存在显著的空间集聚特征。通过绘制热点图和冷点图，可以直观地展示长江经济带城市创新的高值集聚区和低值集聚区在空间上的分布情况。3.3.3空间趋势面分析通过构建空间趋势面模型，揭示长江经济带城市创新水平在空间上的分布趋势与变化规律。空间趋势面分析是一种将地理空间数据与数学曲面拟合的方法，通过构建多项式函数来逼近城市创新水平在空间上的分布。一般采用二次多项式趋势面模型，其表达式为：z_{i}=a_{0}+a_{1}x_{i}+a_{2}y_{i}+a_{3}x_{i}^{2}+a_{4}x_{i}y_{i}+a_{5}y_{i}^{2}+\varepsilon_{i}其中，z_{i}表示城市i的创新水平；x_{i}和y_{i}分别表示城市i的地理坐标（经度和纬度）；a_{0},a_{1},a_{2},a_{3},a_{4},a_{5}为待定系数；\varepsilon_{i}为误差项。通过最小二乘法对模型进行参数估计，得到趋势面方程。趋势面分析可以将城市创新水平的空间分布分解为趋势成分和剩余成分。趋势成分反映了城市创新水平在宏观尺度上的变化趋势，如线性趋势、非线性趋势等；剩余成分则反映了局部地区与趋势面的偏离程度，即局部的空间异质性。通过绘制趋势面图和剩余值图，可以直观地展示长江经济带城市创新水平在空间上的总体趋势和局部差异。趋势面图可以展示城市创新水平在东西方向和南北方向上的变化趋势，例如，若趋势面在东西方向上呈现上升趋势，则表明城市创新水平从西向东逐渐提高；剩余值图可以突出显示那些与总体趋势不一致的地区，即创新水平异常高或异常低的区域，这些区域可能受到特殊的地理、经济或政策因素的影响。3.4实证结果与分析通过计算长江经济带城市创新水平的Moran'sI指数，得到2011-2021年的全局空间自相关结果，具体数据如下表所示：年份Moran'sI指数Z值P值20110.2873.5640.00020120.3053.7820.00020130.3123.8670.00020140.3254.0130.00020150.3314.1050.00020160.3434.2580.00020170.3564.4210.00020180.3684.5730.00020190.3754.6580.00020200.3814.7260.00020210.3894.8130.000由表可知，2011-2021年长江经济带城市创新水平的Moran'sI指数均大于0，且Z值均大于1.96，P值均小于0.05，表明长江经济带城市创新水平在空间上呈现出显著的正相关，即存在明显的空间集聚现象。从时间序列来看，Moran'sI指数呈现出逐年上升的趋势，说明长江经济带城市创新的空间集聚程度在不断增强。这意味着创新水平较高的城市往往与创新水平较高的城市相邻，创新水平较低的城市也倾向于相互邻近，且这种集聚趋势愈发明显。例如，长三角地区的上海、苏州、无锡等城市，凭借其发达的经济、丰富的科技资源和完善的创新环境，吸引了大量创新要素集聚，创新水平较高，它们在空间上相互邻近，形成了创新的高值集聚区。而长江经济带中一些经济相对落后、科技资源匮乏的城市，创新水平较低，也在空间上相对集中分布。利用Getis-OrdG_{i}^*指数进行局部空间自相关分析，得到长江经济带城市创新的热点图和冷点图（图1为2021年长江经济带城市创新热点冷点图示例）。从图中可以清晰地看出，长江经济带城市创新的热点区域主要集中在长三角地区，以上海为核心，包括苏州、无锡、杭州、南京等城市。这些城市在创新投入、创新产出和创新环境等方面都具有明显优势，形成了强大的创新集聚效应。在创新投入上，这些城市的研发投入强度和研发人员全时当量均处于较高水平，为创新活动提供了充足的资金和人力支持。在创新产出方面，专利申请量、专利授权量和技术市场成交额等指标也名列前茅，创新成果丰硕。在创新环境上，发达的经济、完善的基础设施和良好的政策支持，吸引了大量创新型企业和人才集聚。冷点区域主要分布在长江经济带上游的云南、贵州以及中游的部分城市，如毕节、昭通、河池等。这些地区经济发展水平相对较低，创新投入不足，创新人才匮乏，导致创新水平较低。由于经济发展水平有限，这些城市的研发投入相对较少，难以吸引和留住高素质的创新人才，限制了创新活动的开展。基础设施建设相对薄弱，也制约了创新要素的流动和集聚。[此处插入2021年长江经济带城市创新热点冷点图]图1：2021年长江经济带城市创新热点冷点图通过构建二次多项式空间趋势面模型，对长江经济带城市创新水平进行空间趋势面分析，得到趋势面图和剩余值图（图2为2021年长江经济带城市创新空间趋势面图示例，图3为2021年长江经济带城市创新空间趋势面剩余值图示例）。趋势面图显示，长江经济带城市创新水平在东西方向上呈现出从东部向西部逐渐降低的趋势。这与我国东、中、西部经济发展水平和创新资源分布的差异相一致。东部地区经济发达，科技资源丰富，创新投入大，创新产出高，因此创新水平较高；而西部地区经济相对落后，创新资源匮乏，创新投入相对不足，创新水平较低。在南北方向上，呈现出中间高、南北两侧相对较低的趋势。长江中游地区的武汉、长沙等城市，作为区域中心城市，在创新发展中发挥了重要的引领作用，创新水平相对较高。而长江经济带北部和南部的一些城市，创新水平相对较低。这可能与这些地区的产业结构、创新环境等因素有关。剩余值图则突出了局部地区与趋势面的偏离程度。一些城市的创新水平明显高于趋势面，如上海、深圳等，这些城市是区域创新的核心增长极，具有独特的创新优势。而一些城市的创新水平低于趋势面，可能是由于受到特殊的地理、经济或政策因素的影响，导致创新发展相对滞后。[此处插入2021年长江经济带城市创新空间趋势面图]图2：2021年长江经济带城市创新空间趋势面图[此处插入2021年长江经济带城市创新空间趋势面剩余值图]图3：2021年长江经济带城市创新空间趋势面剩余值图四、长江经济带城市创新的门槛效应分析4.1门槛效应模型构建4.1.1模型设定为深入探究长江经济带城市创新的门槛效应，构建面板门槛回归模型。以城市创新水平（innovation_{it}）作为被解释变量，经济发展水平（gdp_{it}）、产业结构（industry_{it}）、基础设施建设（infrastructure_{it}）、人才储备（talent_{it}）、金融发展（finance_{it}）等作为解释变量，构建如下单门槛回归模型：innovation_{it}=\alpha_{0}+\alpha_{1}gdp_{it}I(q_{it}\leq\gamma)+\alpha_{2}gdp_{it}I(q_{it}>\gamma)+\alpha_{3}industry_{it}+\alpha_{4}infrastructure_{it}+\alpha_{5}talent_{it}+\alpha_{6}finance_{it}+\mu_{i}+\nu_{t}+\varepsilon_{it}其中，i表示城市，t表示年份；\alpha_{0}为常数项；\alpha_{1}、\alpha_{2}、\alpha_{3}、\alpha_{4}、\alpha_{5}、\alpha_{6}为各解释变量的系数；I(\cdot)为指示函数，当括号内条件成立时，I(\cdot)=1，否则I(\cdot)=0；q_{it}为门槛变量，\gamma为门槛值；\mu_{i}为个体固定效应，用于控制城市个体特征对城市创新水平的影响；\nu_{t}为时间固定效应，用于控制时间因素对城市创新水平的影响；\varepsilon_{it}为随机误差项。若存在双门槛效应，则模型扩展为：innovation_{it}=\alpha_{0}+\alpha_{1}gdp_{it}I(q_{it}\leq\gamma_{1})+\alpha_{2}gdp_{it}I(\gamma_{1}<q_{it}\leq\gamma_{2})+\alpha_{3}gdp_{it}I(q_{it}>\gamma_{2})+\alpha_{4}industry_{it}+\alpha_{5}infrastructure_{it}+\alpha_{6}talent_{it}+\alpha_{7}finance_{it}+\mu_{i}+\nu_{t}+\varepsilon_{it}其中，\gamma_{1}和\gamma_{2}为两个门槛值。通过对门槛效应的检验和门槛值的估计，分析在不同门槛值下各解释变量对城市创新水平的影响差异，从而揭示长江经济带城市创新的门槛效应机制。4.1.2变量选取与数据来源在变量选取方面，被解释变量城市创新水平（innovation）采用前文构建的城市创新水平测度体系计算得出的综合指数来衡量，该指数全面反映了城市在创新投入、创新产出和创新环境等方面的表现。解释变量中，经济发展水平（gdp）选用人均地区生产总值来衡量，人均地区生产总值能够综合反映城市的经济实力和发展水平，经济发展水平的高低直接影响城市对创新的投入能力和创新需求，经济实力雄厚的城市通常能够为创新提供更多的资金、人才和技术支持。产业结构（industry）以第三产业增加值占地区生产总值的比重来表示，第三产业比重的提升反映了产业结构的优化升级，高端服务业和知识密集型产业的发展能够为城市创新提供良好的产业基础和市场需求，促进创新活动的开展。基础设施建设（infrastructure）选取人均道路面积作为衡量指标，完善的交通基础设施能够降低创新要素的流动成本，促进创新资源的共享和集聚，人均道路面积越大，表明城市的交通基础设施越发达，有利于创新活动的开展。人才储备（talent）采用每万人中高等学校在校学生数来衡量，高等学校在校学生是城市未来创新人才的重要储备力量，该指标反映了城市的人才培养能力和人才储备水平，人才储备丰富的城市能够为创新提供充足的智力支持。金融发展（finance）以金融机构贷款余额占地区生产总值的比重来衡量，金融机构贷款余额占比反映了金融市场对城市经济发展的支持力度，充足的金融支持能够为创新企业提供资金保障，促进创新项目的实施和创新成果的转化。本研究的数据主要来源于《中国城市统计年鉴》《长江经济带统计年鉴》以及长江经济带各省市的统计年鉴，时间跨度为2011-2021年。在数据收集过程中，确保数据的准确性和可靠性，对于部分缺失数据，采用均值法、插值法等方法进行补充，以保证数据的完整性，为后续的门槛效应分析提供坚实的数据基础。4.2门槛效应检验与估计4.2.1门槛效应存在性检验运用自抽样法（Bootstrap）对门槛效应的存在性进行检验。自抽样法是一种基于样本数据进行重复抽样的统计方法，通过多次重复抽样构建多个子样本，利用这些子样本对原假设进行检验，从而获得更为可靠的检验结果。在本研究中，针对经济发展水平、产业结构、基础设施建设、人才储备、金融发展等门槛变量，分别进行自抽样检验。对每个门槛变量，设定原假设为不存在门槛效应，即不同区间内解释变量对被解释变量的影响系数无显著差异。通过在Stata软件中运行相应的命令，设定自抽样次数为300次，对每个门槛变量进行门槛效应检验。以经济发展水平（人均地区生产总值）作为门槛变量为例，运行自抽样检验命令后，得到检验结果如下表所示：门槛变量F统计量P值1%临界值5%临界值10%临界值经济发展水平15.6320.03112.5678.4526.328由表中数据可知，经济发展水平的门槛效应检验F统计量为15.632，P值为0.031，小于5%的显著性水平。这表明在5%的显著性水平下，拒绝原假设，即经济发展水平对长江经济带城市创新存在显著的门槛效应。同理，对产业结构、基础设施建设、人才储备、金融发展等门槛变量进行检验，发现产业结构和人才储备的门槛效应在10%的显著性水平下显著，基础设施建设和金融发展的门槛效应在5%的显著性水平下显著。这说明这些因素对长江经济带城市创新均存在不同程度的门槛效应，在研究城市创新的影响因素时，不能忽视这些门槛效应的存在。4.2.2门槛值估计与显著性检验在确定存在门槛效应后，对各门槛变量的门槛值进行估计。通过Stata软件的xthreg命令，得到各门槛变量的门槛值估计结果如下表所示：门槛变量单一门槛值双门槛值（第一门槛值，第二门槛值）经济发展水平54328.6738567.23，65431.89产业结构0.4230.356，0.489基础设施建设12.569.87，15.63人才储备112.5687.65，135.43金融发展0.850.67，1.02以经济发展水平为例，单一门槛值估计为54328.67元，双门槛值分别为38567.23元和65431.89元。为检验门槛值的显著性，采用似然比检验（LR检验）。似然比检验是通过比较不同模型的似然函数值来判断模型的优劣，进而检验门槛值的显著性。构建原假设为估计的门槛值等于真实门槛值，备择假设为估计的门槛值不等于真实门槛值。通过计算似然比统计量，若似然比统计量小于临界值，则接受原假设，表明估计的门槛值是显著的；反之，则拒绝原假设，说明估计的门槛值不显著。对经济发展水平的双门槛值进行似然比检验，得到似然比检验结果（图4为经济发展水平双门槛值似然比检验LR图示例）。从LR图中可以看出，两个门槛值对应的似然比统计量均小于5%显著性水平下的临界值（LR图中横线表示5%显著性水平下的临界值），说明在5%的显著性水平下，接受原假设，即估计的经济发展水平双门槛值是显著的。同理，对其他门槛变量的门槛值进行似然比检验，结果表明各门槛变量的门槛值在相应的显著性水平下均显著。这些显著的门槛值为后续分析不同门槛区间内各因素对长江经济带城市创新的影响提供了重要依据。[此处插入经济发展水平双门槛值似然比检验LR图]图4：经济发展水平双门槛值似然比检验LR图4.3实证结果与分析在确定了各门槛变量的门槛值后，对面板门槛回归模型进行估计，得到不同门槛变量下长江经济带城市创新的影响因素回归结果，具体如下表所示：变量经济发展水平门槛区间[低，38567.23][38567.23，65431.89][65431.89，高]经济发展水平（gdp）0.025***（3.216）0.056***（5.678）0.082***（7.564）产业结构（industry）0.032**（2.567）0.045***（3.892）0.051***（4.321）基础设施建设（infrastructure）0.018*（1.896）0.031**（2.678）0.042***（3.567）人才储备（talent）0.021*（1.965）0.037***（3.214）0.053***（4.678）金融发展（finance）0.015（1.234）0.028**（2.456）0.036***（3.123）常数项0.125***（4.567）0.087***（3.216）0.056***（2.567）观测值324342297调整R^{2}0.6840.7230.765变量产业结构门槛区间[低，0.356][0.356，0.489][0.489，高]---------------经济发展水平（gdp）0.031***（3.567）0.048***（4.892）0.062***（5.678）产业结构（industry）0.041**（2.896）0.053***（4.213）0.068***（5.892）基础设施建设（infrastructure）0.021*（1.987）0.034**（2.789）0.045***（3.678）人才储备（talent）0.024*（2.013）0.039***（3.345）0.055***（4.789）金融发展（finance）0.018（1.345）0.031**（2.678）0.040***（3.345）常数项0.132***（4.678）0.095***（3.456）0.062***（2.896）观测值306333301调整R^{2}0.6780.7150.756变量基础设施建设门槛区间[低，9.87][9.87，15.63][15.63，高]---------------经济发展水平（gdp）0.028***（3.345）0.052***（5.345）0.078***（7.213）产业结构（industry）0.035**（2.678）0.049***（4.123）0.058***（4.892）基础设施建设（infrastructure）0.020*（1.923）0.033**（2.712）0.046***（3.654）人才储备（talent）0.023*（2.001）0.038***（3.289）0.054***（4.712）金融发展（finance）0.016（1.289）0.029**（2.512）0.037***（3.216）常数项0.128***（4.612）0.091***（3.345）0.059***（2.678）观测值312336298调整R^{2}0.6810.7200.763变量人才储备门槛区间[低，87.65][87.65，135.43][135.43，高]---------------经济发展水平（gdp）0.030***（3.456）0.050***（5.123）0.075***（7.012）产业结构（industry）0.038**（2.789）0.047***（4.012）0.056***（4.789）基础设施建设（infrastructure）0.022*（1.956）0.032**（2.654）0.044***（3.567）人才储备（talent）0.026*（2.034）0.040***（3.456）0.058***（4.892）金融发展（finance）0.017（1.312）0.030**（2.567）0.038***（3.256）常数项0.130***（4.632）0.093***（3.389）0.060***（2.789）观测值309330303调整R^{2}0.6800.7180.759变量金融发展门槛区间[低，0.67][0.67，1.02][1.02，高]---------------经济发展水平（gdp）0.027***（3.312）0.053***（5.412）0.076***（7.123）产业结构（industry）0.034**（2.654）0.048***（4.189）0.057***（4.821）基础设施建设（infrastructure）0.020*（1.901）0.033**（2.701）0.045***（3.621）人才储备（talent）0.023*（1.987）0.039***（3.312）0.055***（4.756）金融发展（finance）0.014（1.189）0.027**（2.412）0.035***（3.012）常数项0.126***（4.598）0.089***（3.289）0.057***（2.654）观测值315339295调整R^{2}0.6790.7170.761注：括号内为t值，*、**、***分别表示在10%、5%、1%的显著性水平下显著。从经济发展水平门槛变量来看，当人均地区生产总值低于38567.23元时，经济发展水平对城市创新的促进作用相对较弱，系数为0.025。这是因为在经济发展水平较低的阶段，城市的财政收入有限，对创新的投入相对不足，企业的创新能力也受到资金、技术和人才等方面的制约。随着经济发展水平的提高，当人均地区生产总值处于38567.23-65431.89元之间时，经济发展水平对城市创新的促进作用显著增强，系数提升至0.056。此时，城市的经济实力增强，能够为创新提供更多的资金支持，企业也有更多的资源投入到研发创新中，同时，经济的发展会带动市场需求的升级，促使企业加大创新力度以满足市场需求。当人均地区生产总值超过65431.89元时，经济发展水平对城市创新的促进作用进一步增强，系数达到0.082。在这一阶段，城市的经济高度发达，创新生态更加完善，能够吸引更多的创新要素集聚，形成创新的良性循环。产业结构方面，在产业结构门槛值较低的区间，第三产业增加值占比低于0.356时，产业结构对城市创新的促进作用为0.041。这表明在产业结构相对低端，第三产业发展不充分的情况下，产业结构对创新的推动作用有限。随着第三产业增加值占比提高，在0.356-0.489区间，产业结构对城市创新的促进作用提升至0.053。此时，第三产业的发展，尤其是高端服务业和知识密集型产业的崛起，为城市创新提供了更多的市场需求和创新机会。当第三产业增加值占比超过0.489时，产业结构对城市创新的促进作用进一步增强至0.068。高度优化的产业结构能够集聚更多的创新资源，促进创新要素的高效配置，推动城市创新能力的提升。基础设施建设的门槛效应也较为明显。当人均道路面积低于9.87平方米时，基础设施建设对城市创新的促进作用相对较小，系数为0.020。这是因为基础设施建设不完善会制约创新要素的流动和集聚，增加创新成本。随着人均道路面积的增加，在9.87-15.63平方米区间，基础设施建设对城市创新的促进作用增强，系数变为0.033。此时，交通基础设施的改善有利于创新资源的共享和创新合作的开展。当人均道路面积超过15.63平方米时，基础设施建设对城市创新的促进作用显著提升，系数达到0.046。完善的基础设施能够为创新活动提供良好的硬件支撑，吸引更多的创新主体入驻。人才储备对城市创新的影响同样存在门槛效应。当每万人中高等学校在校学生数低于87.65人时，人才储备对城市创新的促进作用为0.026。人才储备不足会限制创新活动的开展，创新思维和知识的交流与碰撞相对较少。当每万人中高等学校在校学生数处于87.65-135.43人之间时，人才储备对城市创新的促进作用提升至0.040。此时，人才的集聚效应开始显现，人才之间的交流与合作能够激发更多的创新灵感。当每万人中高等学校在校学生数超过135.43人时，人才储备对城市创新的促进作用进一步增强至0.058。丰富的人才储备能够形成强大的创新合力，推动城市创新水平的大幅提升。金融发展方面，当金融机构贷款余额占地区生产总值的比重低于0.67时，金融发展对城市创新的促进作用不显著，系数仅为0.014。这说明在金融发展水平较低的情况下，金融市场对创新的支持力度有限，创新企业难以获得充足的资金支持。当金融机构贷款余额占比处于0.67-1.02之间时，金融发展对城市创新的促进作用增强，系数变为0.027。此时，金融市场的发展能够为创新企业提供更多的融资渠道，促进创新项目的实施。当金融机构贷款余额占比超过1.02时，金融发展对城市创新的促进作用进一步提升，系数达到0.035。发达的金融市场能够更好地满足创新企业的资金需求，加速创新成果的转化和应用。五、影响长江经济带城市创新空间集聚与门槛效应的因素探讨5.1经济因素5.1.1经济发展水平经济发展水平在长江经济带城市创新的空间集聚与门槛效应中扮演着举足轻重的角色，对城市创新资源的吸引与配置有着深刻影响。经济发展水平较高的城市，如长江经济带中的上海、南京、杭州等，凭借其雄厚的经济实力，能够为创新活动提供坚实的资金保障。这些城市的政府财政收入充裕，有更多的资金投入到科研基础设施建设、科研项目资助以及创新人才培养等方面。上海在科研基础设施建设上投入巨大，建立了众多先进的科研实验室和创新平台，如上海光源等，为科研人员提供了世界一流的科研条件，吸引了大量国内外优秀科研人才和科研团队汇聚于此。经济发展水平高的城市还能够吸引大量的企业入驻，这些企业为了在激烈的市场竞争中占据优势，会不断加大研发投入，提升自身的创新能力。以上海为例，众多知名企业，如上汽集团、宝武钢铁等，每年都投入大量资金用于技术研发和创新，推动了汽车制造、钢铁冶金等行业的技术进步和创新发展。同时，这些企业还通过与高校、科研机构合作，开展产学研协同创新，促进了创新资源的共享和优化配置，进一步提升了城市的创新能力。从门槛效应来看，经济发展水平是城市创新的重要门槛因素。当城市经济发展水平较低时，由于资金、技术和人才等创新资源的匮乏，创新活动难以有效开展。而当经济发展水平跨越一定的门槛值后，对城市创新的促进作用会显著增强。在长江经济带中，一些经济欠发达的城市，由于经济基础薄弱，财政收入有限，难以投入足够的资金用于创新，导致创新水平较低。而随着这些城市经济的发展，经济实力逐渐增强，对创新的投入不断加大，创新能力也得到了显著提升。例如，合肥近年来经济快速发展，在人工智能、量子信息等领域加大创新投入，吸引了大量高端人才和创新企业，创新水平大幅提升，成为长江经济带创新发展的新亮点。5.1.2产业结构产业结构的优化升级对长江经济带城市创新需求与供给产生着深远影响，进而影响创新的空间分布与门槛效应。随着产业结构的不断优化，第三产业占比逐渐提高，高端服务业和知识密集型产业迅速发展。在长江经济带的长三角地区，金融、科技服务、文化创意等高端服务业发展迅猛，这些产业对创新的需求十分旺盛。金融行业的创新需求体现在金融产品和服务的创新上，如移动支付、数字货币等新型金融产品的出现，满足了市场对便捷、高效金融服务的需求。科技服务行业则为企业提供技术咨询、技术转移、知识产权服务等专业化服务，促进了创新成果的转化和应用。产业结构的优化升级还能够为城市创新提供良好的产业基础和市场需求。高端制造业的发展，如新能源汽车、高端装备制造等，对技术创新的要求较高，促使企业加大研发投入，提升创新能力。新能源汽车产业的发展，推动了电池技术、自动驾驶技术等关键技术的创新和突破。同时，产业结构的优化升级还能够促进产业集聚，形成产业集群，增强创新的集聚效应。在长江经济带中，一些城市通过打造特色产业集群，吸引了大量相关企业和创新资源集聚，提升了城市的创新能力。例如，武汉的光电子产业集群，汇聚了众多光电子企业和科研机构，形成了完整的产业链，在光通信、激光技术等领域取得了一系列创新成果。产业结构对城市创新存在明显的门槛效应。当产业结构处于较低水平时，传统产业占比较大，这些产业对创新的投入和需求相对较少，创新的动力不足。而当产业结构达到一定的高度，高端产业和新兴产业占比增加时，对创新的促进作用会显著增强。在长江经济带的一些城市，过去以传统制造业为主，产业结构单一，创新能力较弱。随着产业结构的调整和优化，逐步向高端制造业和现代服务业转型，创新能力得到了快速提升。例如，苏州通过发展电子信息、生物医药等高端制造业，吸引了大量创新资源，成为长江经济带创新发展的重要城市之一。5.2科技因素5.2.1研发投入研发投入在长江经济带城市创新中发挥着基础性作用，是提升城市创新能力和促进创新成果产出的关键因素，对创新集聚与门槛效应有着重要影响。从创新集聚角度来看，研发投入的空间分布不均是导致长江经济带城市创新空间集聚的重要原因之一。在长江经济带中，上海、南京、武汉等城市的研发投入强度较高，这些城市的企业、高校和科研机构积极开展研发活动，吸引了大量的创新资源集聚。上海在人工智能、生物医药等领域的研发投入巨大，众多高校和科研机构纷纷设立相关研究中心和实验室，如上海交通大学的人工智能研究院、复旦大学的生物医药研究院等，吸