我国经济圈的发展首先需要从发展现状、优势资源、产业机构调整以及政府的引导作用四个方面展开分析，以此与上述国外经济圈的发展现状进行对比，并对国外的经验进行借鉴。改革开放以后，我国区域经济得到了快速发展，其中经济圈作为区域经济发展到一定程度的产物，也得到了飞速发展。城市群的地域发展模式是经济圈形成的关键，是经济圈形成和发展的雏形和前提，由于至今没有经济圈划分的依据，因此以城市群为研究对象，截至2015年，中国现有长三角城市群、珠三角城市群、京津冀城市群、长江中游城市群、成渝城市群、海峡西岸城市群、中原城市群、辽中南城市群、关中城市群、山东半岛城市群等国家级城市群。2012年，国家发改委国土开发与地区经济研究所所长肖金成总结了中国最具发展活力的十大城市群，分别是京津冀、长三角、珠三角、山东半岛、辽中南、中原、长江中游、海峡西岸、川渝和关中城市群，可见，我国对城市群的划分较为明确，但是对于经济圈的划分却说法不一，本书就以最具活力且划分明确的十大城市群为实证研究的对象，分析十大城市群的综合发展现状、创新竞争力及其不平衡发展现状、四大创新要素的发展现状，以此为出发点，总结出我国最具创新活力的经济圈，与国外的经济圈进行对比分析，得出我国经济圈创新竞争力发展的优势和不足之处，从而为我国经济圈创新实力的提升提供有效路径。

1.十大城市群发展水平及其不平衡度研究

（1）城市群的形成和发展阶段划分

根据以上的实证分析可以对城市群发展的阶段进行划分。城市是城市群发展的基本单位，城市群是城市化发展到高级阶段的产物，城市群在形成和发展演变过程中，受到产业转移、积聚和扩散等经济机理的支配，呈现出阶段性发展的特征，而且，城市群在不同的发展阶段，其发展水平和内部的不平衡度有着明显不同（见图7.1）。

第一阶段，城市群的形成期。从图中可以看出，这个阶段城市群的发展水平较低，不平衡度迅速提升。这一阶段是城市群的形成期，积聚效应发挥主要作用，城市群中，区位条件好，资源丰富，基础较好的城市发展速度快，成为核心城市。核心城市持续吸引并聚集资源、资金和技术，与周边城市经济发展水平的差距越来越大，城市群不平衡度持续升高。

第二阶段，城市群的成长期。从图中可以看出，这个阶段的城市群发展水平得到提升，不平衡度较高但缓慢下降。这一阶段是城市群的快速发展期，积聚效应和扩散效应同时发挥作用。在城市群中，核心城市实力最强，积聚效应的作用，使它成为城市群绝对的首位城市。首位城市产业结构升级导致产业转移，同时向腹地城市扩散资源、资本和技术等要素，距离与其越近的城市获益越多，在这个过程中城市之间的联系增强。扩散效应使得周边城市的实力得到增强，与核心城市的差距由高位逐渐降低，城市群内部不平衡度下降。

第三阶段，城市群的成熟期。从图中可以看出，这个阶段的城市群发展水平较高，不平衡度快速下降。这一阶段是城市群的发展成熟期，扩散效应发挥主要作用。随着城市群的不断发展，核心和次级核心城市原有的比较优势逐渐丧失，例如大城市的土地和劳动力等要素价格上涨，导致原来优势的产业成本上升，此时大城市会吸引更多的新知识和新技术建立新的优势，同时向周边地区转移丧失优势的产业和相关要素。产业的转移及其扩散效应的发挥使得核心城市的功能得到调整，大规模的专业化生产功能逐渐退出核心城市并向其外围转移，核心城市承担更多的商务活动中心功能。城市间产业分工得到明确，各自的发展优势形成，城市间的差距缩小，不平衡度快速下降。

第四阶段，城市群发展的稳定期。从图中可以看出，这个阶段的城市群保持高水平持续发展，不平衡度偏低且较稳定。这一阶段是城市群的稳定发展期，城市群整体发展水平处于高位，内部不平衡度处于低位，功能相互依存的城市群网络体系形成。各级城市功能定位明确，分工合理，稳定发展自身优势，核心城市及其腹地城市经济发展水平稳定提高，差距缩小，城市间不平衡度较低。

综上可知，城市群的发展水平和不平衡度决定了城市群所处的发展阶段，所以对城市群的发展水平和不平衡度进行测度，不仅可以确定城市群的发展阶段，还可以以此为依据，为城市群发展策略的制定提供重要参考。

图7.1　城市群发展的四个阶段

（2）测度指标体系

表7.3是城市群发展水平测度指标体系，城市群综合发展水平的测度用经济发展、社会发展、科教发展和生活环境发展四大方面来体现，其中，经济发展水平通过经济增长、经济投入和产业发展来体现，社会发展水平通过人民生活和社会发展来体现，科教发展水平包括教育发展和科技发展水平两个方面，生态环境发展水平包括环境保护和环境治理水平两个方面。

表7.3　城市群发展水平测度指标体系

续表

①全时人员数量或人员全时当量

2.测度方法

本书不仅对城市群综合发展水平进行评价，而且需要根据各个城市综合评价值对其内部不平衡度进行计算。本书采用径向基神经网络模型进行测度，为改进径向基神经网络模型精度和泛化能力，使得测评结果更为客观准确，采用群智能优化算法中的粒子群算法对径向基神经网络关键参数进行优选。

第一，径向基神经网络

人工神经网络是由大量简单元件连接而成的、模拟人脑及其活动的复杂网络，具有高度非线性，可用于近似和模拟复杂的非线性关系。径向基函数（RBF）神经网络属前馈局部逼近型神经网络，能以任意精度逼近给定的任意非线性映射，且具有较快收敛速度。RBF神经网络结构包括三层，输入层、隐含层和输出层，如图7.2所示。输入层由信号源节点组成，只传递信号到隐含层，输出层常为线性函数，隐含层神经元采用径向基函数作为逼近函数，通常选用高斯函数。

图7.2　径向基神经网络结构

径向基神经网络数学模型表示如下，

式中，x为输入向量，y为输出向量，输入向量即为P为隐含层神经元个数（即基函数个数），θ为未知阈值，φp（x）和λp分别为第p个基函数及其权系数。对于城市群发展水平测度，输入向量即为26个统计指标，输出为一级指标综合发展水平；而以经济发展水平、社会发展水平、科教发展水平、生态环境发展水平分别作为输出时，输入向量分别为表7.3中的指标D1～D5、D6～D13、D14～D21、D22～D26。

基函数选用高斯函数时，

式中，n为输入向量维数，cp=［cp，1，cp，2，…，cp，n］为第p个基函数的中心，σp为第p个基函数的宽度。

第二，基于粒子群算法的径向基神经网络参数优化

径向基神经网络训练的核心是学习参数的求解，包括基函数中心cp、基函数宽度σp和权系数λp，cp和σp确定后，利用最小二乘法即可确定λp，因此，本书采用全局寻优性能优良的粒子群算法（PSO）重点优化求解cp和σp。PSO中，每个粒子有一个速度和一个位置，位置向量代表潜在解，对于本书寻优算例，第k次迭代中第i个粒子位置向量表示为Xik=［c1k，i　c2k，i…cpk，i　σ1k，i　σ2k，i…σPk，i］。

参数优化主要流程如下，

（1）粒子群体初始化。设定粒子群体规模、粒子初始位置和速度、最大优化迭代次数和优化截止精度，此处种群规模设定为50。

（2）计算适应度函数。适应度函数基于优化目标构造，

式中，m为训练样本点个数，C为常数，一般取较大值以保证F为正，f为样本点均方差，且有

式中，为径向基神经网络输出，yi为期望输出。

（3）判断优化过程是否收敛。若达到限定的最大优化迭代次数或优化过程连续五代适应度函数值不再变化，结束优化过程，否则转下一步。

（4）粒子速度和位置更新，转步骤2）。设在第k次迭代中，对于第i个粒子Pi，第j维速度和位置分别为vijk和xijk，Pi目前所找到的最优解pbest第j维坐标为pbestijk，整个种群目前所找到的最优解gbest第j维坐标为为gbestjk，则Pi根据如下公式来更新位置和速度，

式中，ω为惯性权重，此处选取为0.5，c1和c2是学习因子，通常取c1、c2 ∈［0，4］；r1和r2是介于［0，1］之间的均匀随机数，用于保证群体多样性。

3.我国十大城市群发展水平及其不平衡度测度分析

第一，研究对象和数据来源

目前，我国形成的十大城市群包括长三角、珠三角、京津冀、山东半岛、辽中南、长江中游、中原、海峡西岸、川渝和关中城市群^[1]。本书以上述十个城市群为研究对象，选取相关城市2008-2012年的数据为样本，数据来源包括三个方面：1）直接获得的数据：这部分数据来源于全国统计年鉴、各省市统计年鉴、科技统计年鉴、环境统计年鉴以及各城市国民经济与社会发展公报、中国知识产权统计年报，各省市第二次R&D资源清查公报等；2）基于直接获得数据进行处理后的数据：这部分数据需要将直接获得的数据进一步处理，例如人均GDP、第二产业产值占GDP比重、第三产业产值占GDP比重、人均拥有机动车数、人均居住建筑面积、人均邮电业务总量、城市化率^[2]、万人拥有大学生数、全社会就业人数中知识密集型服务业就业人员比率^[3]、人均国家教育财政支出、每万人专利拥有数量、环保投资占GDP比重、人均公共绿地面积，平均每日大气污染指数^[4]，其中，人均量均等于总量除以常住人口数；3）推算的数据：少量缺省数据的处理，根据该城市历年发展的情况进行估算。基于对上述数据的分析，参考国内外的主要城市群发展现状，对城市群发展水平、四大影响因素及其对应指标进行分级，如表7.4所示，共划分为五个等级，Ⅰ级表示最高发展水平，Ⅴ级表示最低发展水平。Ⅰ～Ⅴ级对应发展水平的径向基神经网咯输出值均分别设定为1.0、0.8、0.6、0.4、0.2。

第二，样本点选取

通过表7.4中分级标准可获得5个训练样本点，对于径向基神经网络而言，训练样本个数对其预测精度和泛化性能具有重要影响，为此，以分级数据为基础，通过等距线性插值扩大样本容量，每两级之间插值得到99个样本点（不含端点），共生成样本点396个，连同分级标准，样本点总数为401个，选取序号为单数的201个样本点作为训练样本，序号为双数的200个样本作为测试样本。利用训练样本分别构建城市群发展水平与26个统计指标、经济发展水平与表1中指标、社会发展水平与指标、科教发展水平与指标、生态环境发展水平与指标之间的径向基神经网络模型。其中，城市群发展水平神经网络模型200个测试样本对应的网络输出值和期望输出值误差如图7.2所示，由图可以看出，测试误差均小于2×10-8，表明得到的神经网络模型具有较高的精度和较强的泛化能力。

表7.4　十大城市群发展水平指标分级^[5]

续表

①全时人员数量或人员全时当量

续表

①大气污染指数（Air pollution Index，简称API）是评估空气质量状况的一组数字，关注的是吸入受到污染的空气以后几小时或几天内人体健康可能受到的影响。空气污染指数划分为0-50、51-100、101-150、151-200、201-300和大于300六档，对应于空气质量的六个级别，指数越大，级别越高，说明污染越严重，对人体健康的影响也越明显。本书中对该指标的分级划分依据国内外城市搜集到的大气污染指数的数据和本书模型计算的需要和规律。

图7.3　城市群发展水平神经网络测试误差

第三，数据归一化

由于城市群发展水平测度所选26个指标里量纲和数值差别较大，为提高径向基神经网络性能，对训练样本、测试样本和实证分析所采集的数据均进行归一化处理，采用min-max标准化方法，对于指标向量xi

经归一化处理，原始数据被规整至［0，1］之间。

第四，十大城市群发展水平测度结果及分析

城市群综合发展水平取城市群内各城市创新竞争力的平均值，即

式中，N为城市群所含城市数目。

基于改进的径向基神经网络模型计算得到十大城市群2008-2012年综合发展水平的测度结果，如表7.5所示，对照表7.4，划分得到各城市群综合发展水平等级，如表7.6所示。

表7.5　十大城市群2008～2012年综合发展水平测度结果

①城市群发展水平的平均值等于2008-2012年发展水平测评结果的平均值
②城市群发展水平的平均增速等于其2009年增速、2010年增速、2011年增速和2012年增速的平均值，其中如2009年增速=（2009年测评得分-2008年测评得分）/2008年测评得分

续表

表7.6　十大城市群2008～2012年发展阶段

由表7.5和表7.6可知，十大城市群综合发展水平逐年递增，其中，长三角、珠三角和京津冀城市群发展水平较高，三个城市群2009年、2010年和2011年综合发展水平测度值超过1，处于十大城市群发展水平的最高等级，远远超过其他城市群，但是长三角和珠三角城市群平均发展速度较缓，在十大城市群中排名第7位和第6位，京津冀城市群平均增速则较快。山东半岛、辽中南、海峡西岸和川渝城市群发展水平居中，均值超过0.6，处于城市群发展水平的第Ⅲ等级，需要说明的是，处在这一等级的城市群发展的平均增速较快，其中海峡西岸城市群发展速度居十大城市群之首。长江中游、中原和关中城市群综合发展水平测度值在0.4～0.6之间，处于城市群发展的第Ⅳ等级，位于这一等级的城市群发展速度也比较慢，分列城市群平均增速的后三位，其中，关中城市群的发展水平最低，均值小于0.5。

4.十大城市群发展不平衡度测度结果及分析

城市群发展水平不平衡度用城市群内各城市发展水平的均方差来衡量，即

图7.4　十大城市群2008～2012年发展水平不平衡度测度结果

图7.4是2008～2012年十大城市群发展的不平衡度测度结果，由图可知，中原和关中城市群发展的不平衡度逐年递增，其他城市群发展的不平衡度均逐年递减。其中，长三角和珠三角城市群不平衡度曲线处于低位，曲线较为平缓，这两个城市群不平衡度最低，且逐年缓慢递减。山东半岛、京津冀、辽中南和海峡西岸城市群所对应的不平衡度由低到高处于十大城市群的中间位置，曲线较为陡峭，不平衡度下降速度较快。川渝和长江中游城市群不平衡度较高，不平衡度下降的程度比较平缓。中原和关中城市群不平衡度曲线呈上升状，其中，中原城市群发展的不平衡度低于关中城市群的不平衡度［7］。

综合城市群发展水平与不平衡度测度结果，可以分析城市群发展所处阶段，单个城市群所处的阶段不仅需要与其他城市群相比较，而且需要结合自身发展的基础和规律，基于这几个方面，参考城市群发展的四个阶段特征（见图7.1），划分十大城市群发展的阶段。

第一，长三角和珠三角城市群发展水平较高，发展不平衡度较低，不平衡度逐年下降，且曲线较为平缓，这些特征符合城市群发展第四阶段的特征，所以这两大城市群处在发展的稳定期。

第二，京津冀、山东半岛、辽中南和海峡西岸城市群发展水平的测度结果依次排名为3-6位，不平衡度曲线较为陡峭，不平衡度逐年下降速度较快，这些符合城市群发展的第三阶段特征，这四个城市群处于发展的成熟期，虽然处于同一发展阶段，各城市群间发展程度存在较大差别，其中，京津冀城市群发展水平远高于此阶段其他城市群，核心城市北京和天津经济和社会发展水平很高，在全国城市中居于领先地位，随着城市群内腹地城市的快速发展，京津冀城市群会较快地进入发展的稳定期。山东半岛和辽中南城市群与京津冀城市群距离较近，海峡西岸城市群紧邻珠三角城市群，近几年，这三个城市群充分利用自身的区位优势，得到快速发展，进入城市群发展的成熟期，但是其经济、社会、科教和环境发展水平均与长三角和珠三角城市群有较大差距，城市群内部不平衡度相对也较高，所以会在较长时间内处于城市群发展的成熟期。

第三，川渝和长江中游城市群发展水平较低，处于十大城市群的第七位和第八位，不平衡度曲线呈下降趋势，但下降速度较慢，这些符合城市群发展的第二阶段特征，处于城市群的成长期。川渝城市群发展速度较快，平均增速达0.0648，位于十大城市群的第五位，所以川渝城市群发展势头良好，较快往城市群发展的第三阶段靠拢。

第四，中原和关中城市群在十大城市群中发展水平最低，发展速度最慢，不平衡度逐年递增，属于城市群发展的第一阶段，即形成期，关中城市群在经济、社会、科教和环境发展水平上均处于劣势，会较长时期徘徊于这个阶段。

综上，处于不同发展阶段的城市群发展水平、发展速度、发展程度和内部不平衡度均有差距，处于同一阶段的城市群除了在发展水平的等级和不平衡度发展趋势上具有相似点，在发展速度和发展程度上也有差异。

5.结论与建议

根据各城市群发展水平所处阶段，分别提出推动其发展水平提升、发展不平衡度降低的政策建议，从而推动城市群又好又快进入更高发展阶段。

第一，对于处于形成期的城市群，以中原和关中城市群为代表，这类城市群的进一步发展需提高核心城市的首位度，增强核心城市的辐射力、带动力和竞争力，从而有力发挥区域经济的积聚效应，同时，需要迅速提高区域内腹地城市的发展水平，使其有能力利用核心城市扩散的资源。这就要求加强城市群基础设施建设，以推动腹地城市对外经济交往和联系，增强对科技和教育的支持力度，加大对外开放度，合理引用外资。结合地区发展现实积极承接发达地区产业的转移，增强企业实力，扩大企业规模，发展具有地区特色的产业集群，注重区域的可持续发展，即资源的合理开发和生态环境的保护，推动区域向城市群的更高阶段发展。

第二，对于处于成长期的城市群，以川渝和长江中游城市群为代表，这两个城市群区位优势明显，核心城市重庆和武汉综合发展实力都较强，城市群的进一步发展，一方面需要核心城市在优势和优先项目上与国际接轨，承接国际国内先进技术，参与世界经济的合作与发展，另一方面需要发展腹地城市，缩小核心城市和腹地城市的差距，增强核心城市的扩散能力，招商引资，发展对外贸易，发展经济同时注重环境保护和资源永续利用，推进区域整体实力的提高。

第三，对于处于成熟期的城市群，以京津冀、山东半岛、辽中南和海峡西岸城市群为代表。这类城市群的发展需要进一步增强次级核心城市的实力，明晰城市群空间上发展的层级，明确城市群的产业布局和分工，转移成本较高，不占优的产业，产业转移充分考虑到区域产业结构调整升级需求以及区域资源、环境等因素，实现两地的合作双赢。另外，需积极改善生态环境，提高人民生活质量，全面推进区域的一体化发展。

第四，对于处于稳定期的城市群，以长三角、珠三角城市群为代表。这两个城市群发展水平高，经济基础强，是扩大开放的重要国际门户，也是世界先进的制造业基地，未来的目标是建设成为具有国际竞争力的城市群。这就需要区域内协调好各个城市的利益，在交通建设一体化、信息建设一体化的基础上，推进金融服务的一体化。吸收国外先进技术，推动产业升级，加快发展高附加价值产品生产，加快产业向高端服务业的转型，以提升我国产业在世界生产价值链上的地位。经济发展同时，要重视生态环境建设，稳定提高城市群整体实力。

以上内容从经济、社会、文化和生态环境的角度对十大城市群的发展水平及其不平衡发展现状进行了评价，区域发展水平是区域创新竞争力发展的前提和基础，因此，对十大城市群的综合发展水平进行评价，以此为基础，对创新竞争力及其影响因素进行评价，得出综合发展水平与创新竞争力之间的关系，并且为区域创新竞争力的提升途径提供参考。

6.城市群创新竞争力测度指标体系

（1）城市群创新竞争力测度指标体系构建

创新理论是由美籍经济学家熊彼特首先提出的，他对创新的内涵进行了界定，并且指出了创新对于经济增长的重要作用［1］。上世纪80年代，经济学家开始从系统的视角研究创新，国家创新体系和区域创新体系开始受到关注。研究发现，地区创新绩效很大程度上是由创新相关主体通过互动联系完成知识创造和技术创新的［2］。对于一个区域，实现技术创新对经济增长的驱动，企业、大学和政府部门需要互动完成创新系统的构建［3］。进入21世纪，哈佛大学的波特教授对国家竞争力发展进行了阶段性的划分，分别是初级要素驱动型、投资驱动型和创新驱动型三个阶段，其中创新驱动阶段是知识经济高度发展的结果，在这个阶段创新要素的高度积累和合理运用推动地区竞争力的提升［4］。因此，对区域创新竞争力的评价是判断区域发展阶段的重要依据，其中创新主体、创新资本、创新机制和创新绩效等方面是评价地区创新竞争力的重要指标。国内外对于区域创新竞争力评价的相关文献较多，集中于对国家和城市创新竞争力的评价，例如世界银行提出的界定创新型城市的一系列定性指标、欧盟提出的欧盟创新记分牌（EIS）以及基于EIS修订而成的欧盟总体创新指数（SII），这些评价指标是发展水平较高的地区探索建设创新型区域的集中反映；借鉴国外的研究成果，结合我国区域的发展现状，国内开展了关于区域创新能力评价的研究，并在2010年由政府正式出台了创新型城市评价指标体系。中国科技发展战略研究小组每年对中国各省、市、区域技术创新能力开展评价研究，他们认为，影响区域技术创新能力的因素包括知识创造能力、知识流动能力、企业创新能力、创新环境和创新绩效。曾铖（2014）、曹勇（2013）、邹燕（2012）、张仲梁（2013）、刘永久（2010）等学者从创新要素构成、创新型区域内涵、创新功能等角度对城市创新竞争力进行评价。城市群作为城市高水平发展的产物，其创新竞争力的研究，不仅需借鉴城市创新能力评价的相关成果，而且需考虑区域内协调发展的要求。

城市群创新竞争力是指特定区域内各个创新的行为主体以知识交流为载体，通过技术创新，转化地区经济增长方式和提高地区经济增长率的实力。城市群创新竞争力是城市群科技发展潜力的综合反映，其大小受多种创新要素的影响，包括创新资源、创新能力、创新环境和创新产出，如图7.5所示，这四种创新要素分别反映了城市群的创新潜力、创新实力、创新动力和创新绩效。

图7.5　城市群创新竞争力系统结构图

城市群创新竞争力的测度指标体系如表7.7所示，创新资源通过创新人才和创新资本的综合作用得到体现，创新能力即创新机制，包括知识创新能力和技术创新能力，创新环境包括当地的经济环境和社会环境，以上因素的综合作用在一定程度上可以影响创新产出的大小，四者共同决定创新竞争力的大小。

表7.7　城市群创新竞争力评价指标体系

(www.daowen.com)

①全时人员数量或人员全时当量

续表

（2）基于径向基神经网络的城市群创新竞争力测度模型

第一，城市群创新竞争力测度的径向基神经网络模型

城市群创新竞争力测度所用径向基神经网络数学模型表示如下，

式中，x为输入向量，y为输出向量，输入向量即为P为隐含层神经元个数（即基函数个数），θ为未知阈值，φp（x）和λp分别为第p个基函数及其权系数。对于城市群创新竞争力评价，输入向量为表1中D层所列D1～D2727个评价指标，输出量为创新竞争力；对于四大创新要素的评价，输入向量分别为统计指标D1～D9、D10～D17、D18～D24、D25～D27，输出分别为创新资源、创新能力、创新环境、创新产出四个二级指标。

基函数选用高斯基函数时，有，

式中，n为输入向量维数，cp=［cp，1，cp，2，…cp，n］为第p个基函数的中心，σp为第p个基函数方差。

径向基神经网络中隐含层神经元个数P确定以后，决定网络性能的关键参数为基函数的中心，选取采用K-均值聚类算法，计算步骤如下，

①初始化聚类中心cp（0）（p=1，2，…，P）。从训练样本点集中随机选取P个作为初始基函数中心；设置迭代步数N=0；

②样本点聚类。将m个样本点按距离最近原则向P个聚类中心聚类，分为P组tp（N）（p=1，2，…，P），即

③更新聚类中心。计算聚类得到的P组样本点tp（N）（p=1，2，…，P）的均值，作为新的聚类中心，

式中，mp为第p组中样本个数；

④终止条件判断。若cp（N）和cp（N+1）变化很小，停止迭代，输出结果，否则，转步骤（2）。

基函数中心cp确定后，即可确定高斯条函数方差，方差固定为

式中，dmax为所选中心之间的最大距离。

第二，数据归一化

由于城市群创新竞争力测度所选27个指标里量纲和数值差别较大，为提高径向基神经网络性能，对训练样本、测试样本和实证分析所采集的数据均进行归一化处理，采用min-max标准化方法，对于指标向量xi

经归一化处理，原始数据被规整至［0，1］之间。

（3）我国十大城市群创新竞争力测度实证分析

第一，研究对象和数据来源

目前我国形成的十大城市群包括长三角、珠三角、京津冀、山东半岛、辽中南、长江中游、中原、海峡西岸、川渝和关中城市群。本书以上述十个城市群为研究对象，选取相关城市2009-2013年的数据为样本，数据来源包括三个方面：1）直接获得的数据：这部分数据来源于全国统计年鉴、各省市统计年鉴、高新产业统计年鉴、科技统计年鉴以及各城市国民经济与社会发展公报、中国知识产权统计年报，各省市第二次R&D资源清查公报等，中国城市竞争力报告，中国城市创新报告；2）基于直接获得数据处理后的数据：这部分数据需要将直接获得的数据进一步处理，例如全社会就业人数中知识密集型服务业就业人员比率^[6]、R&D人员数量中本科以上人数比率、每百万人中科学家工程师数等指标；3）推算的数据：少量缺省数据的处理，根据该城市历年发展的情况进行估算。

基于对上述数据的分析，参考国内外主要城市群发展水平，对城市群创新竞争力及其对应指标进行分级，如表2所示，共划分为五个等级，Ⅰ级表示最高发展水平，Ⅴ级表示最低发展水平。Ⅰ～Ⅴ级对应创新竞争力的径向基神经网咯输出值分别为1.0、0.8、0.6、0.4、0.2。

第二，样本点选取

通过表2中分级标准可获得5个训练样本点，对于径向基神经网络来说，训练样本个数对其预测精度和泛化性能具有重要影响，为此，以分级数据为基础，通过等距线性插值扩大样本容量，每两级之间插值得到99个样本点（不含端点），共生成样本点396个，连同分级标准，样本点总数为401个，选取序号为单数的201个样本点作为训练样本，序号为双数的200个样本作为测试样本。

表7.8　十大城市群创新竞争力指标分级^[7]

②全时人员数量或人员全时当量

续表

（4）城市群创新竞争力测度结果及分析

城市群综合创新竞争力取城市群内各城市创新竞争力的平均值，即

式中，N为城市群所含城市数目。

基于径向基神经网络模型计算得到十大城市群2009～2013年创新竞争力、城市群核心城市、次级核心城市创新竞争力以及城市群四大创新要素测度结果，如表7.9所示，对照表7.8，划分得到各城市群创新竞争力发展等级，如表7.10所示。

表7.9　十大城市群2009-2013年创新竞争力、四大创新要素及相关城市创新竞争力测度结果

续表

①有些城市群还未形成次级核心城市，为了分析比较的方便，这里用城市群内创新竞争力排名第二位的城市作为次级核心城市

表7.10　十大城市群创新竞争力发展阶段

综合表7.9、表7.10中可以得出以下结论

第一，表7.9给出了十大城市群2009-2013年创新竞争力测度得分，动态的呈现了城市群创新竞争力五年间的演化过程，十大城市群创新竞争力逐年提高，其中，长三角、珠三角和京津冀城市群创新竞争力最高，创新竞争力平均得分高于0.8，处于十大城市群创新竞争力发展的第Ⅱ阶段。这三个城市群四大创新要素的测度结果均居于十大城市群的前三位，核心城市上海、深圳和北京创新竞争力的测度值均超过1，处于创新竞争力发展的第Ⅰ阶段，次级核心城市苏州、广州和天津创新竞争力测度结果超过0.9，远高于其他城市群的核心城市，可见，这三个城市群已经形成了多核心的发展格局。

第二，由表7.10可以看出，山东半岛、辽中南、川渝、海峡西岸和长江中游城市群处于第Ⅲ发展阶段，创新竞争力平均值处于0.6-0.8之间，四大创新要素的测度结果也位于十大城市群的中游。其中，创新资源的测度值较高，创新能力的测度值较低，五年间，资源的聚集程度较高，但知识和技术的创新能力有待提高。城市群内部核心城市和次级核心城市创新竞争力的测度值均超过0.7，四个城市群已形成了双核心发展的格局。

第三，从表7.9和表7.10中可知，十大城市群中创新竞争力最低的是中原和关中城市群，所对应的四大创新要素平均测度值均比较低。其中，关中城市群内部核心城市西安创新竞争力最高，超过0.8，次级核心城市咸阳创新竞争力与核心城市有较大差距，这个城市群处于单核心发展格局。中原城市群核心和次级核心城市郑州和洛阳创新竞争力发展水平均低于0.8，两个城市差距不大，中原城市群的核心城市实力较弱。

（5）城市群创新竞争力不均衡度测度及分析

城市群创新竞争力不均衡度是指城市群内部发展程度的不平衡性，用城市群内各城市创新竞争力的均方差来衡量，即

图7.6　十大城市群2008-2013年创新竞争力不均衡度测度结果

城市群创新竞争力的不均衡度越高，代表城市群内部城市间发展程度差别越大，主要体现为创新竞争力较强的核心城市和腹地城市之间的差距。图7.6是2009-2013年十个城市群创新竞争力的不均衡度测度结果。由图可以看出，十个城市群创新竞争力的不均衡度总体趋势是下降的。对十大城市群不均衡度的分析可以归纳为以下几点，

①关中、京津冀、长江中游、海峡西岸和辽中南城市群创新竞争力的不均衡度处于高位。其中，关中城市群不均衡度最高，内部核心城市西安创新竞争力远远高于其腹地城市。京津冀城市群创新竞争力很高，发展的不均衡度也很高，核心城市北京和天津巨大的创新发展优势，在全国的城市中居于前位，腹地城市与其有较大的差距。长江中游城市群创新竞争力较低，不均衡度较高，也是由于核心城市武汉、长沙和腹地城市发展水平的巨大差距。辽中南城市群创新竞争力发展水平居中，城市群内沈阳和大连创新竞争力较高，是具有绝对实力的首位城市，创新竞争力的不均衡度也较高。

②川渝、山东半岛、中原和长三角城市群创新竞争力的不均衡度处于十大城市群的中间位置。其中，川渝和山东半岛城市群创新竞争力的发展水平居于十大城市群的中间位置，其不均衡度也居中，可见腹地城市发展速度较快，与核心城市差距缩小。中原城市群创新竞争力发展水平较低，不均衡度也不高，如表7.9所示，其核心城市和次级核心城市创新竞争力的测度值也不高，相比腹地城市还没有绝对优势。长三角城市群创新竞争力发展水平很高，不均衡度在十大城市群中处于中等偏下位置，随着城市群的不断发展，内部不均衡度会逐渐降低，城市群一体化发展水平提高。

③珠三角城市群创新竞争力的不均衡度最低，创新竞争力的发展水平仅次于长三角城市群，在创新机制和创新产出方面，其测度值超过长三角城市群，可见，珠三角城市群内腹地城市创新竞争力的发展水平也很高，城市群一体化水平较高。

（6）十大城市群提升创新竞争力的政策建议

综上所述，城市群创新竞争力发展水平有差距，创新竞争力发展的不均衡度有差异，据此，可以把城市群创新竞争力的发展现状分为四种类型，四种类型所对应的发展对策如下。

第一类城市群创新竞争力发展水平较高，城市群内创新竞争力不均衡度也比较高。此类城市群以京津冀为例，这类城市群核心城市及次级核心城市创新竞争力都较高。进一步发展的对策分为两方面，一方面需要集聚尖端优势创新人才和创新资本提高核心城市及次级核心城市在全国乃至全世界的创新竞争力，另一方面，由于内部不均衡度高，需要核心城市发挥扩散效应，由近到远逐层扩散创新资源、知识和技术等。腹地城市结合自身的发展特点和优势，合理吸引和利用外资，承接发达地区产业的转移和知识技术的扩散，为创新竞争力的提高奠定基础。

第二类城市群创新竞争力发展水平低，城市群内部不均衡度高。此类城市群以关中城市群为例，在十大城市群中创新竞争力发展水平最低，不均衡度最高。该城市群的核心城市在城市群中具有绝对优势，但是与国内其它发展水平较高的城市相比，创新竞争力排名并不靠前。由于城市群整体实力比较弱，进一步发展需要夯实基础设施建设，提高资源的利用率，根据本地区产业发展优势吸引发达地区的先进技术，承接发达地区的产业转移，提高核心城市在全国城市中的竞争实力，形成并发展次级核心城市，逐步扩大对腹地城市的辐射带动力，推动城市群整体实力提高。

第三类城市群创新竞争力发展水平较高，城市群内创新竞争力不均衡度较低。此类城市群以珠三角为例，其核心城市和次级核心城市创新竞争力较高，腹地城市实力也较强。进一步发展需要利用区域内丰富的创新资源，获取世界一流的创新技术，向世界产业链、价值链的高端发展，借助良好的创新环境，全面提高创新的产出。发达的核心城市不仅可以向腹地扩散其创新资源，还可以向腹地以外的城市扩散知识、技术等创新要素，以城市群为增长极，带动更广阔地区创新竞争力的提高和产业结构的升级。

第四类城市群创新竞争力发展水平低，城市群内创新竞争力不均衡度也较低。此类城市群以中原城市群为例，发展的对策是优先提高核心城市的综合实力，使其成为具有绝对优势的首位城市，这就需要把优化内部创新资源配置和吸引外部创新资源聚集相结合。同时城市群内部加强联系，完善区域内交通、通信和信息网络，为资源的扩散提供便利，为腹地城市的发展提供基础。另外重视技术创新的产业化发展，各个城市明确产业定位，优化产业结构，使创新的成果真正为产业的发展服务。

以上对十大城市群创新竞争力及其不均衡发展的研究可知，城市群经济、社会、和环境的综合发展水平越高的城市群，其创新竞争力也越高，例如长三角、珠三角和京津冀城市群，反之，综合发展水平越低的城市群，其创新竞争力也越低。城市群综合发展水平是创新竞争力提升的前提，发展区域创新竞争力，首先需要提升区域经济、社会和环境的综合发展水平，以此为基础，对创新要素进行调整，提升创新竞争力。对创新要素发展水平的测度分析是提升区域创新竞争力的关键，因此，需要对系统地分析十大城市群创新竞争力需要对创新要素的发展现状进行研究。

3.十大城市群四大创新要素的评价

（1）四大创新要素测评结果及分析

四大创新要素综合值的计算与创新竞争力的计算方法相同，取城市群内各城市创新要素得分的平均值。基于改进径向基神经网络的十大城市群2009-2013年创新资源、创新能力、创新环境和创新产出的测度结果如图7.7～图7.10所示，由图可明确看出各城市群创新要素的发展水平及走势。

图7.7　创新资源测度结果

图7.8　创新能力测度结果

图7.9　创新环境测度结果

图7.10　创新产出测度结果

表7.11　是影响城市群创新竞争力的四大创新要素2009-2013年测评结果的平均值^[8]及其排名、平均增速^[9]及其排名。

表7.11　十大城市群创新要素发展水平简表

续表

图7.11　十大城市群创新竞争力空间分布图

结合图7.7～图7.10和表7.11可知，十大城市群中创新竞争力发展水平可以分为强发展型和追赶发展型，强发展型是创新竞争力高的城市群，各个创新要素的平均值都比较高，但是创新要素发展的增速却较为平缓，如长三角、珠三角和京津冀城市群，图7.11是十大城市群创新竞争力的空间分异图，图中可知，长三角、珠三角和京津冀城市群具有强的创新竞争力，这三大城市群地处东部地区，发展较早、发展水平较高，吸引了大量的创新人才和创新资本的聚集，因此创新竞争力在十大城市群中排名前三位，四大创新要素的发展水平也比较高。但是这些地区创新竞争力高的现状伴随着较低的发展速度，从图7.7～图7.10可以看出这些地区对应的四大创新要素曲线较为平缓，可知其发展速度较慢，这一点从表7.11中四大创新要素发展的平均增速数据中也可以直观的得到，因此可知，这些地区原本具有的创新要素及其组织运行模式不能推动地区创新竞争力高速发展，更新创新要素和创新模式，寻找新一轮创新的突破点是地区实现高速发展的关键。

其余城市群是创新竞争力的追赶型区域，如图7.11中创新竞争力较强和较弱的区域，这类区域的各个创新要素平均值均低于三大城市群，但是从2009年至2013年，它们各自在自身的优势增长要素方面发展较快，表现为图7.7～图7.10所对应的曲线较为陡峭。从图7.11中可知，山东半岛、辽中南、川渝和海峡西岸城市群是创新竞争力发展的较强区域，长江中游、中原和关中城市群是创新竞争力发展的较弱区域，发展较强的四个城市群中有三个地处东部沿海地区，地理位置优越，而发展较弱的三个城市群均处于内陆地区。从图7.7～图7.10可以得到每个城市群发展的优势和劣势，山东半岛城市群创新资源和创新能力所对应的曲线较为陡峭，发展速度较快，创新环境和创新产出所对应的曲线较为平缓，发展速度较慢；辽中南城市群创新能力和创新产出发展速度较快，创新资源和创新环境发展速度较慢；川渝城市群创新环境和创新产出发展速度较快，创新资源和创新能力发展速度较慢；海峡西岸城市群创新资源和创新能力与其创新环境和创新产出相比，发展速度较快；长江中游城市群创新资源、创新环境和创新产出发展速度均比较快，创新能力发展速度较慢；中原城市群创新资源、创新环境和创新产出发展速度较快，创新能力发展速度较慢；关中城市群创新资源和创新环境发展速度较快，创新能力和创新产出发展速度则较慢。因此，创新竞争力追赶型的城市群虽然在发展水平上低于长三角、珠三角和京津冀城市群，但是在四大创新要素的发展速度上各有优势，推动其高水平发展的途径是进一步拉动优势要素发展，并且找到劣势要素低速发展的原因，推动四大要素协调发展。

（2）结论与建议

综合十大城市群创新竞争力和创新资源、创新能力、创新环境、创新产出四个创新要素的测度结果和相关分析，对十大城市群创新竞争力发展的总结与政策建议如下。

第一，整体发展水平较高，而创新要素发展速度趋缓的城市群。长三角、珠三角和京津冀属于此类城市群，针对此类城市群，一方面需要集聚国际国内优质的创新资源，更新创新资源，找到新一轮创新的突破口；另一方面从空间分析的角度，具有绝对优势的核心城市需要向腹地扩散自身的创新资源、知识和技术，带动腹地乃至周边地区的创新发展、产业升级和经济增长，从而使城市群整体在全球竞争中居于领先，成为带动全国发展的增长极。

第二，整体发展水平居中，部分创新要素发展速度较快的城市群。山东半岛、辽中南、川渝和海峡西岸城市群属于此类城市群，其中山东半岛城市群在创新能力方面增速较快，在创新产出方面增速较慢，该城市群需要吸引先进地区的创新资源、知识和技术，政府加大对创新的支持力度，营造更好的创新环境，以配合创新能力的快速发展，三者结合起来，推动创新产出的增长。辽中南和川渝城市群创新产出的增速较快，分别排名第1位和第2位，但辽中南城市群创新环境发展速度较慢，排名第7位，一方面政府需要加大对创新的支持力度，另一方面，该区域应大力发展为创新服务的相关中介机构，从而为城市群创新竞争力的发展营造良好的创新氛围，推动整个区域创新竞争力的发展和经济社会的全面进步。川渝城市群在创新资源方面增速相对落后，排名第8位，因此城市群需要发挥聚集效应吸引更多的创新资源、知识和技术，与创新产出的快速发展相辅相成。海峡西岸城市群经济发展水平较高，创新资源和创新能力发展增速都比较快，政府和创新服务机构推动创新环境的发展可以进一步提高综合创新竞争力。

第三，整体发展水平较低，但是部分创新要素仍有较快发展速度的城市群。长江中游、中原和关中城市群属于此类，从表7.11可以看出，这三类城市群创新环境发展速度较快，政府和中介结构对于创新的支持力度逐年递增，五年间聚集创新资源的速度也比较快，这与政府的支持也是密切相关的，但是创新能力提高速度较慢，其中关中城市群创新产出增速也较缓慢。对此，应吸引发达城市群先进的技术，承接发达地区产业的转移，在学习和继承中提高知识创新能力和技术创新能力，提高创新资源的利用效率，增加创新的产出，从而全面促进综合创新竞争力的提高。

根据十大城市群四大创新要素的分析可知，四大创新要素是影响城市群创新竞争力的关键，四大创新要素评价值较高的城市群，其创新竞争力的评价值也比较高。同时，城市群创新要素的发展现状与城市群经济、社会、文化和环境的综合发展状况相符合，综合发展状况较好的区域，四大创新要素发展现状也比较好，反之，综合发展状况排名靠后的城市群，其四大创新要素的发展状况也较差，因此，提升城市群创新要素的发展水平，推动其经济、文化、社会、环境的发展也是基础和关键。

4.中国三大经济圈的发展现状

以上对城市群的分析可知，长三角、珠三角、京津冀城市群是我国目前创新竞争力最强的三个城市群，山东半岛、辽中南城市群也是我国十大城市群中综合发展水平和创新竞争力处于第二梯队的区域。城市群是经济圈形成和发展的雏形，城市群的发展状况直接影响经济圈是否可以形成以及是否可以得到进一步发展，因此，可以根据城市群的综合发展状况和创新竞争力发展现状对我国发展较好的经济圈进行总结，并且可以与国外创新竞争力发展较好的经济圈进行对比分析。根据经济圈的定义和我国目前的发展现状，可以把我国创新竞争力发展最好的经济圈总结为长三角、珠三角和环渤海经济圈，这是我国目前划分明确，而且得到官方认同的三大经济圈，其中环渤海经济圈包括京津冀城市群，山东半岛城市群的部分地区和辽中南城市群的部分地区。从以上的实证分析可以看出，三大经济圈经济、社会、文化和环境等综合实力最强，创新竞争力和创新要素的评价结果也排名靠前，但是创新经济力和创新要素的发展速度趋缓，依据优势和劣势，对三大经济圈的发展状况总结如下。

改革开放以来，长三角经济圈和珠三角经济圈已经显示出强大的经济实力，它们是中国经济最为发达的两大地区，环渤海经济圈作为中国经济发展格局的三大区域之一，其概念的提出始于20世纪80年代中期，最初的推动力量来源于我国扩大改革开放、参与东北亚区域合作的迫切需要。现今，环渤海经济圈已经成为中国最具发展潜力和发展活力的经济中心。所以，对国内经济圈发展现状的研究，需要对这三大经济圈进行对比分析（见表7.12）。

表7.12　国内经济圈发展状况分析

续表

资料来源：作者自己整理