引言

在21世纪的大国竞争中，国家创新能力对国家的发展逐渐起着至关重要的作用。国家创新能力是用来衡量一个国家长期的科技创新能力的高低，其不仅影响着一个国家的产业高低的水平而且对国家未来的经济增长具有潜在的促进作用。在当下人口老龄化问题和抚养比率不断提升的背景下，不断提高国家创新能力对我国实现高质量发展的经济目标具有重要的促进作用。近年经济发展过程中叠加地缘政治等不确定性因素不断凸显，大部分的发达国家逐渐转向自己的盟友共同发展，我国的经济发展面临前所未有的挑战。科技的不断创新发展将会对我国所面临的挑战产生新的机遇。

文献综述

目前研究表明，经济发展水平较高的国家中其国家创新能力也同样处于世界前列。经济发展水平越高的国家其政府对创新领域的支持力度越大，创新的水平也相应的提高。随着各国发展问题的不断凸显，本国的创新能力越来越多的受到国内外学者的关注。Luis Suarez率先提出国家创新能力的概念，并建议以专利数量作为衡量标准。Furman和Hayes进一步细化，将国家按创新能力分为领先、中间、第三阵营及新兴创新四类，深入剖析了技术优势的根源。近年来，多位学者从不同角度探讨了提升国家创新能力的路径。贾宪洲和谢冬梅强调知识互补性，主张通过机制改革降低交易成本，促进合作创新。李国学则基于国家竞争优势理论，研究了对外直接投资对创新能力的推动作用。郭熙保和卢锦培通过国际比较，指出中国创新能力提升得益于创新投入与产出的快速增长。

数字服务贸易的兴起也为国家创新能力注入了新动力。刘建平和路红艳的研究显示，数字服务贸易的繁荣显著增强了国家创新能力，尤其在高收入国家中表现更为突出。朱锦余和李玥萤通过对我国2006-2019年省级面板数据的研究发现国家的审计能力可以提高区域的创新能力，并且中部地区国家审计揭示的作用效果最为显著。唐茹钰通过构建国家的数字经济指标体系，研究G20国家的数字经济水平对国家创新能力的影响。发现数字经济的发展对创新能力具有一定的促进作用。

综上所述，多数学者在国际和国内角度研究了影响国家创新能力的因素，但对国内区域间经济发展水平和创新能力的关系研究甚少。鉴于此，本文通过空间地理研究的方法研究我国创新能力的区域分布情况并结合地区的经济发展水平探讨地区经济发展对国家创新能力的影响。

空间分布特征

本文通过运用ArcGIS地理绘图软件，描绘了我国各省国家创新能力的地理空间分布格局。为了更精确地理解各省在不同时间点的创新能力水平，以及这些能力如何在地理空间上分布和演变。研究选取了2013年、2016年、2019年和2022年这四个关键时间节点进行分析（见图1）。在这些时间点上，通过自然断点法，将国家创新能力划分为五个等级：低度创新能力、中低创新能力、中度创新能力、较高创新能力和高度创新能力。由此可知，国家创新能力较高的省份均分布于东部沿海地域与我国整体的区域经济发展水平呈现出高度的契合性。其中，山东省、浙江省、江苏省和广东省处于高度创新能力，西藏和青海处于低度的创新能力范围。总体来说，我国的国家创新能力主要集中于东部沿海区域，并用随着时间的推移国家创新能力逐渐向东南部转移。

我国创新能力在空间分布上长期呈现出“东高西低，南高北低”的格局，且近年来这一趋势有所强化。自2013年至2022年，东部地区的创新能力持续领先于西部地区，且两者之间的差距在2019年至2022年间进一步扩大。这表明东部地区在科技创新、资源集聚及政策支持等方面具有显著优势，而西部地区虽有所提升，但相对增速较慢，东西部创新能力分异现象愈加明显。东部地区作为国家经济发展的龙头，其创新能力不仅基数高，而且增长迅速，特别是在高新技术产业、研发投入及创新成果转化等方面表现出色，成为引领国家创新的重要力量。南北方向上，原本北方地区在产业结构高级化方面相对滞后，但近年来通过产业结构调整和区域合作，尤其是中部地区的快速发展，逐渐改善了“北低南高”的局面。特别是2015年后，中部地区创新能力的快速崛起，形成了南北方向上的倒“U”型分布格局。然而，随着时间的推移，到2019年和2022年，这种倒“U”型趋势得到缓解，南北两端的创新能力均有提升，显示出全国范围内创新能力的均衡发展趋势。总体来看，我国创新能力的发展既体现了区域间的协同作用，也存在显著的差异化特征。东部地区作为创新高地，持续带动全国创新水平的提升；同时，中西部地区也在积极探索适合自身发展的创新路径，努力实现追赶和超越。

驱动因子探测

为检验经济发展水平、政府干预力度和城镇化率等因素是否对国家的创新能力具有影响，本文借鉴王劲峰相关地理探测器的研究与展望对影响国家创新能力的影响因子进行探测（见表1）。通过因子探测可知，政府干预程度对国家的创新能力的解释能力最强，城镇化率水平和人均GDP同样显著影响国家创新能力。

	政府干预程度	基础设施水平	城镇化率	人力资本	移动电话普及率	区域经济发展水平
q statistic	0.6708	0.1248	0.3977	0.0228	0.1361	0.3889
p value	0.0000	0.6371	0.0690	0.9727	0.5494	0.0756
解释力排名	1	4	2	6	5	3

其中，地理探测器中的交互因子分析则表示，不同影响因子间的相互作用对国家创新能力的影响。通过比较两个影响因子的普通相加和两者的交互作用，进而来判断不同影响因子间的相互作用对国家创新能力的影响是相互增强还是相互减弱。对影响因子的交互作用分类借鉴余国良和李建华等，通过运用地理探测模型，我们对影响国家创新能力的多个因子进行了深入的探测分析。结果显示，任意两个驱动因子之间的交互作用均显著大于单个因子的独立作用。此外，不同的探测因子在相互作用时，均呈现出非线性增强或双因子增强的趋势（见图2）。

变量说明

（一）变量描述

创新能力（Innovation）。创新能力是指一国或地区在科技研发领域的综合能力，是衡量科技进步与创新成果的重要指标。本文中，国家的创新能力参考闫永生和李凌飞的衡量方法，通过我国各地区的专利授权数量来具体评估地区创新能力的高低。

政府干预程度（Intervention）。政府干预程度是指政府通过财政的支出程度来干预市场的变化。本文借鉴师博和张新月的界定，具体以政府财政支出占地区GDP的比例作为衡量标准，这一比例直接反映了地区政府干预市场的力度和深度。

基础设施水平（Infrastructure）。随着我国经济的发展，国家对基础设施的投资力度逐渐走向峰值，我国的经济发展逐步由传统的大型基建带动经济的增长转变为金融、服务和制造带动国家经济的发展。本文的基础设施水平变量参考胡静寅和焦晨阳对交通基础设施的定义，采用人均城市道路面积衡量我国的基础设施水平。

城镇化率（Urbanization）。20世纪90年代的改革开放不仅促进了我国经济的高速发展而且带动了地区间的人员流动，为地区城镇化的发展奠定了基础。本文中的城镇化率借鉴何雄浪和李俊毅等人的定义，将地区城镇人口与该地区户籍总人口的比值定义为城镇化率。

人力资本(Human)。人力资源的不断发展促成了我国高速发展的经济奇迹，上世纪我国凭借人力资本的红利期提高了我国整体的国家经济水平。因此，本文中将各地区普通高校的在校生人数与该地区人口的比值定义为我国的人力资本结构。

电话普及率（Telephone penetration）。移动终端的普及减小了信息的不对称对经济发展的阻碍作用。数字经济的发展迎来了新的契机，现阶段的发展中更多依靠数字技术的发展推动创新水平的提高。采用移动电话的普及率衡量地区数字技术的发展水平。

区域经济发展水平（Economic）。本文参考了李光勤和储梦君的方法，选择使用各地区人均GDP的自然对数作为衡量我国不同地区经济发展水平的指标。同时，认为地区间的经济发展水平对于提升国家的创新能力具有重要的推动作用。经济发展水平越高，该地区对资源的掌控和调度能力也就相应的提高，对高校科研和企业的研发都具有正向的促进作用。

（二）数据来源

本文研究了2013年-2022年我国近十年的国家创新能力的发展变化，运用全国31个省份组成的面板数据研究区域的经济发展水平对国家的创新能力带来的影响。其中，政府干预程度和产业的转型升级数据来源于国家数据网站，对外开放程度、人力资本、城镇化率和创新水平的相关数据来源于各地区《统计年鉴》并且运用了插值方法填补了相关数据的缺失。

实证分析

（一）模型设定

为验证区域的经济发展水平对国家创新能力带来的影响，本文经过Hausman检验后拟采用固定效应模型，设置如下：

其中，下标表示地区，表示年份，则是随机扰动项，和分别表示省份固定效应和年份固定效应。

（二）实证结果分析

本文使用我国31个省份2013-2022年的面板数据进行相关研究分析，首先通过对选取数据进行混合回归、固定效应回归、随机效应回归来判断对相关研究模型的选取。通过stata 17.0软件回归可见，固定效应模型中人均GDP对国家创新能力的解释程度较强并且显著水平足够强。同时借鉴何维达和温家隆在中国绿色效率的研究方法中运用的Hausman检验进行判断是否选用固定效应模型，可见Hausman检验中的P值显著小于0.05（见表2），因此选择拒绝随机效应的原假设条件选择固定效应来研究地区经济发展水平对国家创新能力的影响。

	FE_robust 创新能力	FE 创新能力	LSDV 创新能力	RE 创新能力
政府干预程度	-3.340*** (-23.45)	-3.340*** (-13.26)	0.974 (1.25)	-3.771*** (-16.62)
基础设施水平	0.652*** (29.65)	0.652*** (10.00)	1.644** (3.01)	0.517*** (9.35)
人力资本	3.182 (0.90)	3.182 (0.33)	-32.80 (-1.95)	-15.84 (-1.89)
移动电话~率	-0.00410** (-3.57)	-0.00410 (-1.45)	-0.00377 (-1.13)	-0.00747** (-2.75)
人均GDP取~数	2.466*** (35.78)	2.466*** (15.74)	1.817*** (6.06)	2.323*** (15.15)
_cons	-16.46*** (-23.45)	-16.46*** (-9.99)	-8.954** (-3.05)	-13.68*** (-9.24)
N	310	310	310	310

注：* p<0.05，** p<0.01，*** p<0.001。

（三）分组回归分析

由于我国地域广大，各地区间的经济发展水平差异明显。东部地区得益于其优越的地理位置和长期的发展积累，交通基础设施相当完善。相比之下，中西部地区起步较晚，不仅在基础设施水平上相对落后，而且得到的政府投资也较东部地区为少。因此，为了更详细研究我国地区间经济发展水平对国家创新能力的影响，本文借鉴李建军和彭俞超等对我国东部地区、中部地区和西部地区的划分，采用分组固定回归的方法研究我国东部、中部和西部地区各自区域经济和国家创新能力之间的关系。回归结果如表3可知，区域经济发展水平的回归系数均显著为正并且足够显著，表明地区间的经济发展水平对国家创新能力确实有明显的促进作用。其中，东部地区经济发展水平对国家创新能力的影响最强，中部地区和西部地区经济发展水平稍逊与东部地区，经济水平对国家的创新能力逐渐消减。

国家创新能力	东部地区	中部地区	西部地区
区域经济发展水平	2.084** (3.08)	1.898*** (4.28)	0.450* (0.55)
人力资本	13.10 (0.35)	93.37** (2.80)	1.503 (0.07)
城镇化率	2.000 (1.00)	-5.601 (-1.06)	2.102 (0.45)
移动电话~率	0.00326 (0.79)	-0.01000 (-1.20)	-0.0305*** (-3.64)
政府干预程度	3.100* (2.38)	1.337 (0.69)	-2.481* (-2.18)
基础设施水平	1.449*** (4.05)	0.481 (1.03)	0.912 (1.41)
个体固定	YES	YES	YES
时间固定	YES	YES	YES
_cons	-16.97* (-2.13)	-9.263 (-1.61)	4.809 (0.67)
N	110	80	110

注：* p<0.05，** p<0.01，*** p<0.001。

（四）内生性检验

为进一步验证地区经济发展水平对国家创新能力的影响，本文将核心变量进行替换，采用地区生产总值与国内生产总值的比来衡量地区间的经济发展水平。经过stata 17.0对替换后的核心变量进行统计回归后可知，地区间的经济发展对国家的创新能力具有正向的促进作用，且其促进作用依旧显著。

（五）稳健性检验

本文为了增强说服力度，消除内生性问题对研究结果的影响，采取两种方法进行相关性的分析研究。为了避免数据选取和数据的缺失对研究结果造成误差，文章选取了2013-2022年的最新数据进行相关的研究，并对相关的数据缺失值进行了均值补齐和缩尾处理。可见，回归结果依旧高度显著且能够表明地区经济的发展程度对国家的创新能力起到促进作用。此外，为避免其他因素造成的内生性问题，本文借鉴何维达和温家隆等的研究方法对相关变量进行一阶滞后然后进行分析区域经济的发展水平对国家创新能力的影响。通过以上两种对回归的稳健性和内生性的检验，可见地区的经济发展水平越快对国家的创新能力提升越强。由以下滞后一期的回归结果可见，地区经济的发展对创新能力的影响系数普遍位于2左右，可知当地区的经济每变动1%的水平对国家创新能力会产生2%左右的带动作用。

结论与政策建议

结论

本研究利用2013至2022年间中国31个省份的面板数据，综合采用固定效应模型、ArcGIS可视化地图和地理探测器模型等多种分析方法，深入探讨了我国各地区的经济发展水平如何影响国家创新能力。研究结果表明：首先，我国的国家创新能力主要集聚在东部沿海地区，且随着时间的推移，这种创新能力逐渐向东部和南部地区扩散。这一现象表明，地理位置和经济活动的集中对创新能力有显著影响。其次，政府干预的强度、城镇化进程以及经济发展水平都是影响国家创新能力的重要因素。值得注意的是，这些因素中的任意两个相结合时，其对创新能力的影响要大于单个因素的作用。这一发现强调了政策与经济、社会发展之间的相互作用在推动创新中的重要性。最后，研究还发现地区间的经济发展水平对国家的创新能力有着积极的推动作用。具体而言，东部地区的经济发展水平对国家创新能力的推动作用最为显著。相比之下，中部和西部地区的经济影响力则略逊一筹，其经济发展水平对创新能力的推动作用随着距离的增加而逐渐减弱。

政策建议

积极推动国内技术创新，提高社会的消费水平，用不断提高的社会需求带动科技创新能力的提高。我国的“家长式”的治理结构意味着政府对我国的经济发展水平和创新能力都具有极大的能动作用。近年来，我国消费水平增长缓慢房企债务问题不断凸显，对我国的经济增长造成一定的压力，政府可以通过不断的市场干预扩大我国消费需求缓解我国通缩的局面。只有社会的消费进一步提升，我国的经济发展才能步入正确的轨道，同时，不断提高的社会需求对企业和高校的创新能力提出了更高的要求，进而带动我国创新能力的发展。

优化产业布局，促进地区经济均衡发展。研究显示我国各地区经济发展水平存在显著差异，且国家创新能力主要集中在东部沿海地区，需要采取措施推动中西部地区的产业发展，以实现更均衡的经济增长。我国不断提高中西部地区的产业布局，鼓励自主创新并运用政策法规等手段加强对科技创新的引导。发展潜在的经济引擎推动产业结构的快速转型，减轻地区间发展的差异。

优化教育体系的投资，培养创新思维和技能型人才。人才的储备，无疑是一个国家持续进步和繁荣的基石。在这个知识经济的时代，只有深刻关注我国教育的发展，才能源源不断地培养出具有创新性的人才，为国家的长远发展注入活力。要实现这一目标，必须从基础教育做起，确保每个学生都能接受到优质的教育资源。投资应该向师资力量倾斜，提升教师的专业素养和教育方法。同时，加大对职业教育的投资力度，紧密结合市场需求灵活调整学科布局。借助校企合作和工学结合等创新模式，更有效地培养出满足社会进步需求的技能型人才。

参考文献：

1. [1] Suarez-Villa L. Invention, inventive learning, and innovative capacity[J]. Systems research and behavioral science,1990,35(04):290-310.
2. [2] 贾宪洲,谢冬梅.增强国家技术创新能力的路径研究——基于知识互补性的视角[J].技术经济与管理研究,2017(02):34-38.
3. [3] 李国学.对外直接投资促进国家创新能力提升的机制与途径[J].国际经济合作,2017(04):14-19.
4. [4] 郭熙保,卢锦培.中国和其他中等收入国家创新能力比较分析[J].福建论坛(人文社会科学版),2017(04):53-62.
5. [5] 刘建平,路红艳.数字服务贸易与国家创新能力：基于收入差距的中介效应研究[J].技术经济,2022,41(10):1-11.
6. [6] 朱锦余,李玥萤,龙娟.国家审计影响区域创新能力吗?——基于地方政府创新偏好的实证研究[J].南京审计大学学报,2022,19(03):10-19.
7. [7] 王劲峰,徐成东.地理探测器:原理与展望[J].地理学报,2017,72(01):116-134.
8. [8] 余国良,李建华,孙嘉欣,等.基于地理探测器的中国城市男性青少年BMI影响因子探究[J].地理研究,2019,38(09):2288-2301.
9. [9] 闫永生,李凌飞,邵传林.金融改革与区域创新能力——基于国家金融综合改革试验区设立的准自然实验[J].华东经济管理,2022,36(02):32-40.
10. [10] 任跃文,雷霞,张伟科.政府研发资助方式对企业创新能力的影响研究[J].产经评论,2023,14(02):80-94.
11. [11] 张新月,师博.创新型城市试点、政府干预策略与经济高质量发展[J].经济与管理研究,2022,43(10):3-19.
12. [12] 胡静寅,焦晨阳.西部地区基础设施发展水平综合评价与对标分析——以甘肃省为例[J].开发研究,2022(04):41-52.
13. [13] 何雄浪,李俊毅.人口结构、居民消费结构与产业升级[J].区域经济评论,2023(03):90-100.
14. [14] 冯兆奎,郭彬.创新网络与知识流动驱动区域创新能力提升路径[J].科技管理研究,2023,43(12):93-100.
15. [15] 李光勤,储梦君,牛雯琦.“一带一路”倡议与沿线国家创新能力:基于双重差分法的检验[J].上海交通大学学报(哲学社会科学版),2023,31(12):113-131.
16. [16] 杜梅,任声策,操友根.中国创新能力发展趋势、困境、差距与政策建议[J].科研管理,2024,45(05):1-10.
17. [17] 何维达,温家隆,张满银.数字经济发展对中国绿色生态效率的影响研究——基于双向固定效应模型[J].经济问题,2022(01):1-8+30.
18. [18] 李建军,彭俞超,马思超.普惠金融与中国经济发展:多维度内涵与实证分析[J].经济研究,2020,55(04):37-52.