〔引用格式〕 苗麗静，李学思.辽宁城市创新能力的空间分异及影响因素研究[J].东北财经大学学报，2020，（4）：90-96，封三.
〔摘要〕本文建立了城市创新能力评价指标体系，引入空间分析工具与模型，利用2013—2018年辽宁14个城市的面板数据，从时序全局主成分分析与空间相关性两方面对辽宁城市创新能力的空间分异情况进行研究，进而利用空间杜宾模型进行城市创新能力的影响因素分析。结果显示：辽宁各城市创新能力具有竞争性和空间分异性;目前各城市尚未形成创新能力的空间集聚状态;经济状况、引资能力、人力资本、教育环境和基础设施等不同程度地影响了辽宁城市创新能力。基于上述研究，本文提出提高辽宁城市创新能力的建议：优化创新生态和创新路径，深入推进城市群化和做好高等教育发展规划。
〔关键词〕城市创新能力;空间分异;辽宁;时序全局主成分分析;空间杜宾模型
中图分类号：F207 文献标识码：A 文章编号：1008-4096（2020）04-0090-08
一、引 言
自熊彼特提出知识的生产即是创新[1]以来，人们对创新的理解不断完善。创新活动在地理空间上的扩散分为三个阶段：第一，创新在一些主要城市采用。第二，创新传播到第一批中心的四周和次要的中心。第三，创新传播到次要中心的周围，扩散过程结束[2]。而在创新通过城市体系的等级扩散过程中，大城市占据循环优势[3]。区域创新能力和教育、研究以及技术转移等制度密切相关，在治理模式上受区域决策能力、科技经费与政策导向的制约[4]。不同区域创新的显著差异与R&D活动生产效率及溢出效应有关[5]，而且研发影响是高度本地化的[6]。在经济全球化时代，区域经济空间结构并未走向系统平衡，城市化与区域创新具有互为促进的关系。创新活动有着比人口、工业生产、组织活动等更强的空间集聚性，往往活跃于经济发达、基础设施完善、人才集聚、高等学校和科研机构集中的城市群地区[7]。城市群中的每个城市的作用不尽相同，创新要素和科技基础设施也不尽相同，形成了优势互补和相互支撑的创新体系。因此，城市群中的每个城市并不一定都要建设完备的科技基础设施，关键是营造有竞争力的创新环境[8]。就区域科技政策而言，同样的政策在不同城市中可能产生不同的响应[9]。城市作为区域创新的发源地和基本空间载体，是区域创新的中心，同时，其创新的空间异质性又不断累积和重塑区域创新格局。要想全面、系统地把握区域创新发展的空间变化规律及影响机制，就要打破传统的较为宏观的空间尺度研究的局限，聚焦于更具有创新空间载体地位的城市单元。总之，如何打破传统的全国或省域空间尺度研究的束缚，聚焦于城市单元尺度来认识区域创新能力的地理空间异质性及其机理和应对方案，显然是一个颇具研究价值的重要议题。学者多通过构建城市创新能力体系，对城市创新能力所产生的地区差异[10]、耦合协调[11]、发展格局[12-13]等方面进行研究。而其研究对象也主要集中于全国范围[14]或具有代表性的长江经济带等城市[15-16]。
辽宁作为东北老工业基地的一部分，拥有良好的工业基础，但近年来经济增长持续放缓，正面临传统产业转型升级和急需发展新动能等考验。2016年11月1日国务院《关于深入推进实施新一轮东北振兴战略加快推动东北地区经济企稳向好若干重要举措的意见》强调要“推进创新转型，培育发展动力”。习近平总书记于2018年9月在东北三省考察的讲话中就深入推进东北振兴提出了六个方面的要求，其中强调了要“以培育壮大新动能为重点，激发创新驱动内生动力。要依靠创新把实体经济做实、做强、做优，坚持凤凰涅槃、腾笼换鸟，积极扶持新兴产业加快发展，尽快形成多点支撑、多业并举、多元发展的产业发展格局”。然而，在创新驱动发展战略深入推进的过程中，辽宁创新能力发展速度一直低于全国平均水平，且呈下降态势。不仅如此，辽宁还面临着地理空间所形成的创新差异和创新能力两极分化严重等问题。为此，如何观察并理解辽宁创新能力的空间分异及其不均衡态势，如何正确识别影响区域创新差异的关键因素及其响应机制，如何根据创新空间分异及关键成因，制定与设计提升适宜辽宁创新能力的政策体系和路径，便成为创新驱动辽宁发展的重要课题。本文基于上述背景，聚焦辽宁14个城市创新活动的涌现与扩散过程，对城市创新能力的空间分异、影响因素与政策方案展开探索性和验证性研究，以期全面把握辽宁创新驱动发展的空间演化规律，为辽宁全面振兴提供理论支撑和政策启示。
二、研究设计
（一）研究区域与数据来源
本文研究的区域是辽宁14个城市，分别是沈阳、大连、鞍山、抚顺、本溪、丹东、锦州、营口、阜新、辽阳、盘锦、铁岭、朝阳和葫芦岛。并选择这14个城市2013—2018年面板数据作为研究样本。研究数据来源于《中国城市统计年鉴》《辽宁统计年鉴》、EPS数据平台和中经网统计数据库。在数据搜集过程中，由于官方未公布等客观因素，存在数据缺失的情况，故选择均值插补法[17]对缺失数据进行处理。考虑辽宁城市创新之空间分异也会受到所处经济圈的影响，故本文也将视域拓宽至环渤海经济圈，在空间相关性分析与城市创新能力影响因素分析中，把环渤海经济圈中的北京、天津、河北和山东各城市数据同辽宁各城市进行对照研究，数据来源于环渤海经济圈各省份统计年鉴。需要指出的是，由于本文研究时间段为2013—2018年，因而不受2019年环渤海经济圈中行政区划调整的影响。同时，由于河北辛集与定州经济体量过小，因而分别将其与石家庄和保定视为一个整体，不单独列出。 （二）指标体系的构建
本文基于客观性、系统性和可操作性等原则，结合辽宁各城市发展实际状况，建立起辽宁城市创新能力评价指标体系，以综合考量公众参与、政府支持、知识进步和技术飞跃相结合的城市创新生态系统状况。城市创新能力评价指标体系由知识创新能力、技术创新能力、创新资金支持与创新环境支持4个维度13个评价指标构成（如表1所示）。其中，知识创新能力主要指为创新发展所提供的知识来源和传播基础情况，普通高等学校数及普通高等学校在校学生数是实现创新的重要知识贡献者，每百人公共图书馆藏书也是城市知识储备的重要体现。技术创新能力是指科技研发情况，以专利申请受理数和专利授权数来衡量。创新资金支持是指城市为创新发展所提供的资金投入，创新与其本身的科技投入与相应教育投入密不可分，因而用一般预算支出中教育预算支出占比、科技支出占比以及R&D内部经费支出来衡量。创新环境支持是指支撑创新能力发展所需要的基础设施和基础环境，电信业务收入、城市年末公共汽（电）车客运总量、建成区绿化覆盖率、一般工业固体废物利用率、生活垃圾无害化处理率来衡量。
三、评价方法的选择
评价城市创新能力，除了要建立评价指标体系，还需要采用一定的评价方法即建立评价模型来进行评价。本文采用时序全局主成分分析法进行城市创新能力的评价，采用空间相关性分析样本城市创新能力在全域空间上的相关性，采用空间杜宾模型分析城市创新能力的影响因素。
（一）时序全局主成分分析
主成分分析是在复杂问题研究时为寻找主要矛盾而采取的将多指标数据降维的方法。经典主成分分析主要应用于处理截面数据，缺乏动态分析。随着统计数据可获性的增强和研究的不断深入，具有时间连续性的截面数据即面板数据被更多地采用。因此，在经典主成分分析的基础上，产生了时序全局主成分分析。时序全局主成分分析将时序分析与主成分分析相结合，以主成分分析原理为基础，将面板数据进行全局主成分变换。基于共同的全局变量，以相同的构成和计算方法对各年的主成分进行计算，再将原始的全局数据表进行变换计算，就可以反映出全部研究对象的时序动态特性和系統总体水平随时间变化的轨迹[18]。在时序全局主成分分析后，就能得到随时间变化的总体水平趋势。时序全局主成分分析的步骤可分为数据标准化处理、计算标准化矩阵的协方差矩阵、求特征根及主成分个数、计算主成分和综合评价[19]。
（二）空间相关性分析
1.全局空间自相关
全局空间自相关是在整体上把握研究对象之间的空间联系与空间差异，学术界普遍以全局莫兰指数（Global Moran’s I）进行度量，计算公式如下：
（1）
其中，
，
，n表示所研究城市的个数，
与
分别表示城市i与城市j的观测值，
表示以二进制表示的空间权重矩阵，当城市i与城市j相邻时取值为1;反之取值为0，全局莫兰指数的取值范围是[-1，1]。
现实中的城市并非独立发展和相互隔绝的主体，不同城市之间存在一定的空间交互作用，即城市创新能力存在集聚、溢出或分散的现象。当显著性水平给定时，莫兰指数向1趋近，表明城市创新能力差距较小，城市之间的发展具有协同性，空间发展均衡;莫兰指数向-1趋近，表明城市创新能力差距较大，城市之间的发展具有相异性，空间发展不均衡。全局莫兰指数反映了各城市创新能力在全局空间上的相关性。
2.局部空间自相关
全局空间自相关分析从整体上反映城市创新能力的关联程度，而局部空间自相关分析常用来识别随空间位置不同而可能存在不同的空间关联模式，分析局部空间的不平稳性，从而发现数据间的空间异质性[20]。通常以局部莫兰指数（Local Moran’s I）进行度量，计算公式如公式（2），也可以写成公式（3），符号意义与公式（1）相同。
（2）
（3）
其中，
与
表示城市i与城市j标准化后的观测值。
表示城市i邻近的城市创新能力集聚情况，取值范围是局部自相关的结果，通常用莫兰散点图来表示。I 可用来反映城市 i 周边的创新能力空间集聚情况，其取值同样介于[-1，1]之间。在此基础上形成城市创新能力的LISA集聚图，并据此将城市创新能力的集聚分为四种类型：高-高集聚（H-H）指创新能力高的城市邻近是创新能力高的城市;低-低集聚（L-L）指创新能力低的城市邻近是创新能力低的城市;高-低集聚（H-L）指创新能力高的城市邻近是创新能力低的城市;低-高集聚（L-H）指创新能力低的城市邻近是创新能力高的城市。
（三）空间杜宾模型
根据地理第一定律[21]，相近的事物在空间上具有依赖性，空间计量模型可以有效地解决空间依赖性问题。空间滞后模型可以解释因变量的内生依赖问题;空间误差模型可以解释误差项的交互效应;而空间杜宾模型可以同时解释因变量的内生依赖问题与误差项的交互效应[22]。因此，为了有效地探究城市创新能力的影响因素，本文选择空间杜宾模型进行研究。计算公式如下：
（4）
其中，
表示回归系数，
表示空间权重矩阵
中的元素，
表示城市
在
年的城市创新能力，
表示回归残差的空间相关系数，
表示城市i在t-1年自變量的行向量，
表示空间滞后系数，
表示空间滞后效应，
表示时间固定效应，
表示空间随机误差项。需要注意的是，将地理距离权重矩阵应用于空间杜宾模型分析时，其中的
表示城市i与城市j之间的地理距离，地理权重矩阵公式如下：
（5）
四、辽宁城市创新能力的时空分异特点
（一）城市创新能力评价结果
本文将辽宁14个城市2013—2018年的13个指标数据汇总到时序立体数据表中。由于指标数据的量纲差异性且数据值的量级差别较大，需要首先进行标准化处理。同时，为了检验文中的评价指标体系能否进行时序全局主成分分析，本文利用SPSS软件将标准化后的数据进行KMO检验与Bartlett球形度检验。检验结果表明，KMO检验的适切性度量数值（0.806）大于0.8，即13个指标中所含有的信息具有较多的共同因素;Bartlett球形度检验中的近似卡方值是4 064.467，显著性也小于0.01（p=0.000），说明13个指标相互独立。因此，本文所使用数据能够进行主成分分析。
主成分分析中，特征值大于1的主成分共有3个，分别记为
、
和
，特征值分别为6.842、1.449和1.117，方差贡献率分别为52.632%、11.014%和8.593%。由三个因子的方差贡献率进而得到累计方差贡献率为72.369%，即3个主成分包含了大部分信息，可以进行下一步分析。根据因子载荷情况以及
进行主成分得分的计算，其中
表示因子得分，
表示各变量上的主成分载荷，
表示主成分的特征值，结果如表2所示。
基于評分系数，对标准化的指标数据进行处理，得到主成分得分。以主成分的方差贡献率与累计方差贡献率之比作为综合得分的权重，得到城市创新能力的综合得分计算公式
，进而得出辽宁各城市创新能力得分及城市排名（如表3所示）。由表3可知：第一，辽宁14个城市创新能力存在较大的差异。沈阳与大连在2013—2018年持续位居辽宁城市创新能力的前列，并且得分均为正值，其他城市创新能力得分在研究时段均为负值。第二，各城市创新能力存在动态变化，且随时间的推移多呈先下降后上升的“U型”趋势。不论是创新能力较好的沈阳和大连，还是创新能力较弱的辽阳、盘锦和葫芦岛等城市，均在研究时段出现下滑后上升的情况，说明在研究时段前期，城市普遍在创新方面出现下滑，而后又努力进行创新路径的探寻并产生成效。第三，除沈阳与大连外，城市创新能力排名存在时间变动性，即一个城市创新能力排名在2013—2018年并不是稳定的。此情况可说明，辽宁各城市间城市创新能力存在进步与竞争，在存在“马太效应”的创新困境下，各城市仍在努力实现创新。
（二）空间相关性结果
在一定区域的城市体系中，城市间往往具有密切的经济联系。鉴于辽宁属于环渤海经济圈的一部分以及考虑样本容量充足性问题，本文在更大的背景上对辽宁14个城市创新能力的空间相关性进行，运用Geoda软件进行环渤海经济圈城市创新能力的空间相关性分析。结果表明，2013—2018年环渤海经济圈城市创新能力的莫兰指数均为负值，且均通过10%的显著性水平检验（如表4所示）。
分析结果说明城市间呈负相关，邻近城市间创新能力具有差异性，存在部分城市创新能力较好、部分城市创新能力较弱的现象。从而能够初步推断，作为环渤海经济圈一部分的辽宁，其城市创新能力也存在相异属性集聚的情况。
为进一步得到局部空间关联特征，本文基于全局空间关联分析结论，以局部自相关所得到的LISA集聚图（图略）来直观反映环渤海经济圈的城市创新能力状况，进而分析辽宁城市创新能力，得到以下结论：
（1）高-高型（高能型）。以环渤海经济圈为背景，辽宁各城市创新能力在高水平集聚的趋势并不显著。山东的高-高型城市数量较多，稳定在3个城市，2018年分别是济宁、泰安和潍坊。而辽宁的高-高型城市数量在2013年与2018年并未变化，均是大连。一方面可以反映大连城市创新能力与辽宁甚至环渤海经济圈相比均较为突出;另一方面则说明辽宁其他城市创新能力的提升可能需要较长周期。
（2）高-低型（分化型）。2013年辽宁高-低型城市是沈阳，说明沈阳创新能力较为优越，但带动能力差，其邻近城市并未因沈阳创新能力的增强而增强并形成分化局面。与环渤海经济圈的其他城市相比，至2018年辽宁未出现此类型城市，说明辽宁城市间多保持同水平发展。
（3）低-高型（空心型）。辽宁以低-高型城市为主，2013年有6个城市，2018年仅减少2个城市。说明辽宁许多城市存在创新能力低于邻近城市的现象，形成中间低、周围高的空间局面。2018年环渤海经济圈内（辽宁除外）低-高型城市数量较2013年增至4个。说明从环渤海经济圈整体来看，辽宁各城市仍需以自身发展为主导，通过增强自身能力缩小发展差距。
（4）低-低型（低能型）。辽宁此类型城市较少，而环渤海经济圈内（辽宁除外）低-低型城市数量有增多趋势，如唐山和张家口就已演变为这类城市。辽宁此类型城市如鞍山正在逐渐摆脱低能型发展模式。因此，较环渤海经济圈而言，辽宁创新能力发展十分薄弱的城市相对较少，并未出现连片城市发展停滞不前的状况。
五、城市创新能力的影响因素分析
（一）变量的选取
创新是城市可持续发展的重要途径，明确城市创新能力的影响因素则是优化创新路径的基本条件。已有研究表明，城市创新能力具有差异性，主要是经济基础、工业条件、高等教育水平等综合作用的结果。本文提出由经济状况、引资能力、人力资本、教育环境和基础设施5个指标组成的城市创新能力影响因素框架。
表5中各变量的定义及选取理由为：第一，经济状况（
）。经济发展会使各方面有利条件增多，人均GDP水平会影响人才流动从而对城市创新能力产生一定影响。第二，引资能力（
）。开放是发展至关重要的一环，随着经济全球化的深化，跨国投资不断促进技术交流，创新水平愈来愈受到引资情况的影响，本文以实际利用外商投资额表达引资能力。第三，人力资本（
）。创新需要专业技术人员与人才的支撑，专业技术人员与研究人员的集聚将对技术升级有所助益，本文以科学研究与技术服务业就业人员数表示人力资本。第四，教育环境（
）。高等学校既是培养专业人才的地方，也是科研实验的主要场所，而专任教师则承担着教书育人与科技钻研的任务。因此，高等学校专任教师数从教育层面反映了城市创新研发的人才装备情况，对城市创新能力产生重要影响。第五，基础设施（
）。基础设施与城市建设和发展相配套，城市的兴起不仅仅在于空间的扩张，还在于其相应配套设施的丰富，会影响创新型人才的集聚与扩散，也影响创新的其他方面，本文以城市建成区面积表示。由于各影响因素的数据量级不同，因而本文预先通过SPSS软件对数据进行Z-score标准化处理。
本文运用Stata15.1进行Hausman检验，在时间固定效应、地区固定效应与双固定效应中，选择时间固定效应对空间杜宾模型进行估计。为了直观地把握辽宁各城市的状况，分别选择辽宁省域尺度和环渤海经济圈尺度来研究城市创新能力的影响因素。
（二）省域尺度的影响因素
从省域尺度看，经济状况、引资能力、人力资本、教育环境与基础设施均通过10%的显著性水平检验，对辽宁各城市创新能力具有影响。其中，人力资本与基础设施的系数全都为负，分别为-1.995与-3.278。说明人力资本与基础设施的扩大对辽宁各城市创新能力产生一定的负面影响，这从一个方面说明，一个城市不应过度专注于人才集聚与城市规模的扩张，而应结合自身的经济水平，基于自身主导产业定位循序渐进地创造推进提升创新能力。同时，经济状况、引资能力与教育环境的系数分别为0.289、0.118与1.320（如表6所示），说明对城市创新能力的提高具有正向作用，各城市可以通过经济增长、招商引资和改善教育环境来实现创新能力的提升。
观察因子外生交互效应，可以看到教育环境通过了10%的显著性水平检验，其系数为2.054，说明邻近城市的教育环境提升对城市创新能力的提高有所帮助。这反映了辽宁各城市教育环境的优化会促进教师间的互动，从而有利于各城市教育事业的发展、专业创新人才的培养与整体创新水平的提升。以沈阳和大连为例，两市高等学校数较辽宁其他城市均较多，甚至在环渤海经济圈内也位居前列，既促进了两城市也带动了邻近城市科技创新的发展。
（三）经济圈尺度的影响因素
从环渤海经济圈尺度来看，仅引资能力未通过显著性水平检验，经济状况、人力资本、教育环境通过1%的显著性水平检验，基础设施通过10%的显著性水平检验。经济状况、人力资本、教育环境与基础设施的系数分别为0.207、0.288、0.453与0.147（如表7所示），說明这些因素都对环渤海经济圈的城市创新能力具有正向促进作用。经济状况好的城市会在集聚创新要素上更具有优势，因而经济高质量发展会促进城市创新能力的提升。人力资本是创新能力与日俱增的重要因素，各城市发力制定和实施各种人才引进政策使得这一因素的作用得以强化。教育环境对城市创新能力的影响最大，在环渤海经济圈内，各城市受教育环境的影响十分显著。良好的基础设施为创新能力的提升创造环境支持，这取决于其对人才的吸引力、创新对配套性基础设施的较高要求。
对因子外生交互效应进行观察分析，教育环境、人力资本与基础设施依次通过1%、5%与10%的显著性水平检验。说明在环渤海经济圈内这三个影响因子上，各城市的交互效应较为明显。对于某个城市而言，邻近城市基础设施的完善将会对其产生积极影响。而临近城市的人才集聚将使本城市在人才引进上产生阻碍，甚至出现人才外流现象，从而对城市创新能力产生负面作用。这可能也与临近城市的发展尚不足以产生溢出效应有关。同时，经济圈内的临近城市基础建设提高对其城市创新能力也同样产生负面影响。
六、结 论
本文建立了城市创新能力评价体系，运用时序全局主成分分析法对2013—2018年辽宁14个城市进行了城市创新能力评价。同时，在两个方面展开了创新能力时空分异研究：一是以自然断裂法对创新能力进行分析和展现;二是基于环渤海经济圈视域以辽宁各城市为中心进行空间相关性分析。最后基于空间杜宾模型，从省域尺度与经济圈尺度分析了影响辽宁乃至整个环渤海经济圈创新能力的影响因素。经过研究与分析得到了以下基本结论：第一，2013—2018年辽宁各城市创新能力的发展并不突出。仅沈阳与大连城市创新能力得分为正值，发展较为稳定，多数城市在研究时段呈“U型”变化。但是，这是基于辽宁各城市的历史基础。各城市之间创新能力排名并不稳定，说明城市之间存在一定竞争，大多不存在“马太效应”的束缚，对于长期创新能力的提高是有帮助的。第二，在环渤海经济圈背景下，包括辽宁14个城市在内的各城市创新能力之间存在空间相异性，即创新能力高的城市未能有效带动邻近城市创新能力提升，创新能力低的城市并未受到邻近创新能力高的城市的显著影响。局部来看，辽宁并未处于连片性城市创新能力高的状态，城市之间发展存在差距。第三，在省域尺度上，辽宁各城市创新能力受到经济状况、引资能力、人力资本、教育环境与基础设施影响;而辽宁各城市空间交互效应仅受教育环境影响。在环渤海经济圈尺度上，除引资能力外，其他因素均对城市创新能力有正向影响;人力资本、教育环境与基础设施对城市创新能力存在交互效应。
近年来，辽宁城市创新能力并未有显著进步，人力资本和基础设施的发展尚不具有城市间交互影响效应。这就意味着要落实国家东北振兴战略，关键还在于从多方面促进区域创新能力的提升。要聚焦于辽宁更具创新空间载体地位的城市单元，不断提升其创新竞争力。另外，要优化创新生态和创新路径。地方政府要推动辽宁城市群建设，通过城市化的不断深入，形成城市间的交流与合作，提高创新资源优良城市的溢出效应，缩小省内各城市之间的创新环境差异。同时，建议地方政府要基于辽宁自身良好的教育基础和发展潜力，做好教育尤其是高等教育发展规划，努力打造和形成区域性高等教育增长极，从而不断提升教育和人力资本间接溢出的创新辐射效应。
参考文献：
[1] Schumpeter， J.A. The Theory of Economic Development[M]. Cambridge：Harvard University Press， 1934.75-76.
[2] Hagerstrand，T.Innovation Diffusion as a Spatial Process[M].Chicago：University of Press，1976.12-14.
[3] Pred，A. City System in Advanced Societies[M]. London：Hutchinson， 1977.23-35.
[4] Braczyk，H.J.， Cooke，P.， Heiden，R.M. Regional Innovation Systems： The Role of Governances in Aglobalized World[M]. London： Psychology Press， 2004.48-64.
[5] Fritsch，M.， Franke，G.Innovation，Regional Knowledge Spillovers and R&D Cooperation[J]. Research Policy， 2004， 33（2）： 245-255.
[6] Crescenzi，R.， Rodríguez-Pose， A.R&D Socio-Economic Conditions and Regional Innovation in the US[J]. Growth and Change， 2013， 44（2）： 287-320.
[7] Bj?rn，T.，Asheim， M.， Gertler， S. The Oxford Handbook of Innovation[M]. Oxford：Oxford University Press， 2005.210-229.
[8] 李小健，乔家君.20世纪90年代中国县际经济差异的空间分析[J].地理学报，2001，（2）：136-145.
[9] 吕薇.新时代中国创新驱动发展战略论纲[J].改革，2018，（2）：20-30.
[10] 易高峰，刘成.江苏省城市创新能力的地区差异及影响因素分析[J].经济地理，2018，（10）：155-162.
[11] 刘雷，喻忠磊，徐晓红，等.城市創新能力与城市化水平的耦合协调分析——以山东省为例[J].经济地理，2016，（6）：59-66.
[12] 谭俊涛，张平宇，李静.2001—2010年黑龙江省城市创新能力格局与发展过程[J].地理科学进展，2014，（4）：508-516.
[13] 陈昭，刘珊珊，邬惠婷，等.创新空间崛起、创新城市引领与全球创新驱动发展差序格局研究[J].经济地理，2017，（1）：23-32.
[14] 周锐波，刘叶子，杨卓文.中国城市创新能力的时空演化及溢出效应[J].经济地理，2019，（4）：85-92.
[15] 肖刚，杜德斌，李恒，等.长江中游城市群城市创新差异的时空格局演变[J].长江流域资源与环境，2016，（2）：199-207.
[16] 邓建新，单路宝，贺德强，等.缺失数据的处理方法及其发展趋势[J].统计与决策，2019，（27）：28-34.
[17] 刘耀彬，谭术魁.中部地区区域经济运行机制及路径[J].经济地理，2007，（2）：270-274.
[18] 马艳艳，郭金，张凯琳.基于全局主成分分析法的东北地区区域创新能力评价研究[J].科学与管理，2018，（6）：18-26.
[19] 徐维祥，张凌燕，杨蕾，等.多维邻近下新型城镇化的时空分异特征和驱动机制——以长江经济带为实证[J].经济地理，2017，（9）：70-79.
[20] Tobler，W. A Computer Movie Simulating Urban Growth in the Detroit Region[J]. Economic Geography，1970，（2）：234-240.
[21] 李花，赵雪雁，王伟军，等.基于多尺度的中国城市工业污染时空分异及影响因素[J].地理研究，2019，（8）：1993-2007.
[22] 王俊松，颜燕，胡曙虹.中国城市技术创新能力的空间特征及影响因素[J].地理科学，2017，（1）：11-18.
[23] 孙中博.东北地区创新创业生态系统建设的新挑战与对策[J].中国管理信息化，2017，（6）：129-130.
[24] 赵传松，任建兰，陈延斌.中国科技创新与可持续发展耦合协调及时空分异研究[J].地理科学，2018，（2）：214-221.
On Spatial Differences of Urban Innovation Capacity and Its Influencing Factors in Liaoning Province
MIAO Li-jing1，LI Xue-si2
（1.School of economics， Dongbei University of Finance and Economics， Dalian 116025， China; 2.School of Public Administration， Dongbei University of Finance and Economics， Dalian 116025， China）
Abstract：This paper establishes a system of urban innovation capacity evaluation indicators， introduces spatial analysis tools and models，and uses the 2013-2018 panel data for 14 cities in Liaoning，to study the spatial differentiation of urban innovation capacity in Liaoning Province from both of time series analysis and all-around PCA ， and spatial correlation. Then uses Spatial Dubin Model to analyze the factors that affect the innovation capacity of cities. The results show that the innovation capacity of Liaoning cities is competitive and spatially differentiated;at present， the cities have not yet formed the spatial agglomeration state of innovation ability; economic conditions， the ability to attract investment，human capital，educational environment，infrastructure and other factors have affected urban innovation capacity in Liaoning to varying degrees. Based on the above research， this paper puts forward some suggestions to improve the innovation ability of Liaoning cities：optimizing innovation ecology and innovation path，further promoting urban agglomeration and good planning for higher education development.
Key words：urban innovation ability;spatial differentiation;Liaoning ;time series analysis and all-around PCA;Spatial Dubin Model
（責任编辑：韩淑丽）