内部设置、外部联系与城市创新：一种动态的配置分析

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：Internal settings, external linkages, and urban innovation: A dynamic configurational analysis

城市创新绩效的动态因果复杂性研究——基于多期fsQCA的配置效应分析

　　

戴星颖|施江刚|王毅

同济大学经济与管理学院，上海，200092，中国

摘要

城市作为创新机器的角色受到内部环境和外部联系的双重影响，然而关于多种内部和外部因素如何在不同地区和时间段内相互作用的经验证据仍然有限。本研究利用2006-2020年三个时期253个中国城市的数据，进行了多期模糊集合定性比较分析，以探讨内部和外部因素在时空背景下对城市创新的配置效应。研究结果表明：（1）没有单一的内部或外部因素是实现高或低城市创新绩效的必要条件，但研发支出和市场规模随着时间的推移变得越来越重要；（2）对于高和低城市创新绩效，存在多种同样有效的配置组合，且这两种类型的配置表现出不同的演变轨迹；（3）存在四种城市创新模式，包括持续高、短暂高、新兴高和持续低模式。通过追踪不同地区和时期的配置模式，本研究为城市创新的动态因果复杂性提供了实证证据，并为制定特定情境下的城市创新策略提供了新的见解。

引言

在日益全球化的知识经济背景下，创新被广泛认为是可持续经济和社会发展的根本驱动力（Simmie, 2004; Tang et al., 2024a）。早期研究主要将创新概念化为仅发生在企业或个体层面的过程，而最近的研究则认为创新也是城市或区域层面的结果（Florida et al., 2017; Shearmur, 2012; Xu et al., 2022）。创新是一个开放的过程，需要不同创新者之间的频繁交流。作为地方的关键组织单元，城市提供了一个紧凑的环境，促进了人际互动，从而促进了知识（尤其是隐性知识）的传播和溢出效应，并激发了创新活动（Murata et al., 2014; Tappeiner et al., 2008）。鉴于城市在创新中的重要作用，如何提高城市创新绩效受到了学者和政策制定者的广泛关注。

最初，学者们倾向于强调研发支出在提高城市创新产出方面的重要性，遵循线性模型（Audretsch and Feldman, 1996; Godin, 2006）。然而，这一观点随后受到了创新系统研究的挑战，后者认为创新是由促进城市内部知识传播和创造的本地制度和社会经济因素共同作用的结果（Asheim et al., 2011; Xu et al., 2024a）。因此，学者们开始研究人力资本（Hu, 2021; Mukherji and Silberman, 2013）、产业集聚（Ning et al., 2016; Yang et al., 2024）、市场规模（Acemoglu and Linn, 2004; Godin and Lane, 2013）、公共基础设施（Feng and Yuan, 2023; Wang et al., 2022）和制度安排（Barbosa and Faria, 2011; Chi et al., 2021; Zhao et al., 2023a）等城市环境因素对城市创新的影响。此外，另一批新兴文献将研究重点从单个城市扩展到更广泛的城市创新系统，强调了城市间或国际联系的重要性。鉴于创新活动带来的风险和成本的增加，城市对外部联系的开放性有助于振兴本地知识库并分散日益增长的风险，从而提高城市创新成果（Cao et al., 2022; Wang et al., 2025; Yao et al., 2020）。

总之，现有研究表明，城市创新是一个由内部环境和外部联系相互作用形成的复杂现象（Booyens et al., 2018; Feng et al., 2022）。然而，以往的研究大多只考察了内部或外部因素对城市创新绩效的孤立影响，未能充分关注它们之间的联合和相互依赖性（Tang et al., 2024b; Zhong and Zhang, 2024）。这种片面的视角不仅限制了我们对城市创新因果复杂性的理解，还导致关于特定因素在不同情境下影响的结论相互矛盾（Xie et al., 2021）。这种局限性可能导致地方政府忽视自身的资源优势，盲目模仿创新城市的成功经验，从而陷入“拆东墙补西墙”的困境，最终阻碍城市创新的实际进展（Fan et al., 2022）。在这种背景下，有必要进行一项全面的研究，以探讨内部和外部因素如何共同影响城市创新绩效（Fritsch and Wyrwich, 2021）。因此，我们提出以下问题：哪些内部环境和外部联系的组合会导致高或低的城市创新绩效？

此外，由于创新活动变得越来越复杂和不确定，有必要研究与高和低城市创新绩效相关的多因素组合如何随时间演变，从而为城市创新的可持续进步提供有益的启示（Caragliu et al., 2016; Russell and Smorodinskaya, 2018; Xu and Fan, 2025）。在过去四十年中，中国从一个创新能力有限的不发达国家发展成为世界上最大和最具创新力的新兴经济体之一（Li et al., 2020; Xu et al., 2024b）。这一演变伴随着不同地区城市创新绩效的显著差异，为探索与高和低城市创新绩效相关的多因素组合的时间轨迹提供了有趣的背景（Ding and Li, 2015; Li, 2012; Xu and Fan, 2025）。因此，我们选择中国的城市作为研究案例，并提出另一个研究问题：在中国，产生高和低城市创新绩效的多因素组合的时间轨迹是什么？

为了解决上述两个问题，我们采用了Furnari等人（2021）提出的三阶段理论化程序：范围界定、关联和命名。首先，我们根据现有研究，确定了一组影响城市创新绩效的内部环境和外部联系因素。然后，应用定性比较分析（QCA）方法，根据2006至2020年三个时期253个中国城市的数据，将这些因素关联起来，得出导致高或低创新结果的配置。我们进一步比较了不同时期的配置，并提出了基于绩效的城市创新模式分类，即持续高、短暂高、新兴高和持续低模式。

这项研究的贡献涵盖了这一繁荣研究领域的理论和实践维度。在理论方面，我们通过采用系统和配置视角，探索了可能导致高和低创新绩效的城市内部和外部因素的组合，并进一步研究了它们的演变轨迹，填补了城市创新文献中的研究空白。从实践角度来看，我们为政策制定者提供了宝贵的见解，帮助他们设计特定情境下的策略，以有效促进城市创新绩效。

章节摘录

城市创新的决定因素

在本研究中，我们将内部环境和外部联系都视为城市创新的决定因素。内部环境是指主要通过城市内部互动促进知识传播、积累和重组的决定因素。外部联系则是指主要通过城市外部联系发挥作用的决定因素，它们作为知识的外部载体，推动当地知识基础的更新。

定性比较分析

定性比较分析是一种基于集合论的配置方法。它将每个属性（包括条件和结果）视为一个集合，并应用布尔代数，通过比较不同案例之间的集合成员关系，得出与特定结果相关的配置（Rihoux and Ragin, 2008; Schneider and Wagemann, 2012）。与回归分析等传统技术相比，QCA更适合处理复杂的情况

必要性分析

我们首先通过检验某些因素是否是城市实现高或低创新绩效的必要条件来开始实证分析（Ragin, 2008; Schneider and Wagemann, 2012）。使用一致性度量来进行必要性测试，因为它反映了该条件在结果配置中的一致包含程度。如表3所示的结果所示，没有任何因素的一致性值满足要求

讨论

先前的研究已经确定内部环境和外部联系都是城市创新绩效的决定因素，但大多数研究分别分析了内部或外部因素对城市创新绩效的影响，很少关注它们之间的联合效应（Chi et al., 2021; Wang et al., 2022; Yao et al., 2020）。我们的结果表明，城市创新绩效是由内部和外部因素的组合共同决定的，而不是任何一个单独的因素

研究结论

本研究通过多期模糊集合定性比较分析（fsQCA）方法，探讨了内部环境和外部联系对城市创新的配置效应及其时间动态。基于2006至2020年三个时期253个中国城市的数据，得出了三个主要发现。首先，没有单一的内部或外部属性被确定为产生高或低城市创新绩效的必要条件，但研发支出和

作者贡献声明

戴星颖：撰写 – 审稿与编辑，撰写 – 原稿，概念化。施江刚：撰写 – 审稿与编辑，资金获取，概念化。王毅：撰写 – 审稿与编辑，验证，方法论。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究工作。

致谢

本研究得到了国家社会科学基金（19BGL274）的支持。作者感谢亲爱的编辑和匿名审稿人的宝贵意见和帮助建议，这些都对本文的改进起到了重要作用。

戴星颖是同济大学经济与管理学院的博士候选人。她目前的研究兴趣集中在创新（生态）系统、网络和政策方面。