“双一流”建设政策对城市创新能力的影响及其门槛效应研究

摘要： 服务国家区域发展战略、引领区域经济社会创新发展是“双一流”建设的重要内容，也是其成效评价的重要方面。基于资源依赖理论，采用我国283个城市2012—2020年面板数据，构建双重差分模型和门槛效应模型实证研究“双一流”建设政策对城市创新能力的复杂影响机制。结果表明：“双一流”建设政策显著提升了建设高校所在城市的创新能力；资本投入水平和人力资本集聚水平对“双一流”建设政策促进建设高校所在城市的创新能力有门槛效应，在最优区间内可以实现“双一流”建设政策城市创新效应的最大发挥；资本投入水平和人力资本集聚水平对“双一流”建设政策促进建设高校所在城市的创新能力的门槛效应因区域不同而存在显著差异。鉴于此，相关部门应加强产学研协同创新，完善动态调整和竞争机制；优化经费投入和保障机制，加大基础研究支持力度；建立健全人才合理有序流动机制，促进人才结构与产业结构相匹配。

关键词：“双一流”建设政策；城市创新能力；双重差分；门槛效应；成效评价

中图分类号：G646          文献标识码：A         文章编号：1672-0717（2024）05-0046-13

一、引言

提高城市创新水平是我国实施创新驱动发展战略的基础，高校作为知识创新、人才培养的策源地，对城市创新发展有重要意义。“双一流”建设作为我国高等教育强国建设的标志工程，是推动城市创新发展的重要动力。但是政策执行与政策目标的实现并非是线性关系，在“双一流”建设政策的实施过程中，其成效可能会受到资源投入、平台建设、体制机制改革及制度体系创新完善、治理效能等诸多因素影响，从而影响区域高质量和可持续发展目标的实现。因此，科学洞察“双一流”建设政策执行过程与其效果之间的关系对于及时调整和优化政策体系、合理配置创新资源有重要意义。

2020年12月，教育部、财政部、国家发展改革委联合印发的《“双一流”建设成效评价办法（试行）》明确将整体发展水平、成长提升程度及可持续发展能力纳入成效评价要求[1]。2022年1月，三部委再次联合印发的《关于深入推进世界一流大学和一流学科建设的若干意见》（以下简称《若干意见》）指出，新一轮“双一流”建设着力健全工作协同机制，完善上下贯通、执行有力的组织体系，提高资源配置效益和管理服务效能[2]。可见，“双一流”建设政策具有综合性、长期性和可持续性特征，这些特征要求其成效评价关注“双一流”建设政策与区域经济社会创新发展之间的动态复杂关联关系，以适应其动态发展规律。

然而，现有文献在研究我国“双一流”建设政策与创新能力的关系时大都局限于关注大学内部，缺乏“跳出教育看教育”的思路，不利于准确评价“双一流”建设成效。同时，学者在研究“双一流”建设政策与创新能力的关系时往往只考虑了简单的线性关系，而忽略了可能存在的非线性关系，不利于准确刻画其真实关联机制。此外，现有文献在研究“双一流”建设政策与创新能力的关系时多关注整体影响，而忽略了其在不同特质城市的异质性，不利于政策制定者根据城市特质灵活调整教育发展对策。

为此，本研究构建双重差分模型和门槛效应模型，重点探究“双一流”建设政策对城市创新能力的影响及其机制，深入揭示“双一流”建设政策对建设高校所在城市的创新能力的影响路径和影响程度，科学研判“双一流”建设成效，旨在为政府部门和高校管理者动态调整和优化创新要素投入、合理配置创新资源提供科学依据和决策参考。

本研究的可能贡献主要有三点：其一，从城市层面深入考察“双一流”建设政策对城市创新能力的影响机制，拓展“双一流”建设政策在城市层面的研究视角，丰富相关研究结果；其二，以资本投入水平和人力资本集聚水平为切入点，系统揭示“双一流”建设政策为何以及如何对城市创新能力产生非线性影响，为“双一流”建设政策的门槛效应研究提供了新的理论视角与经验证据；其三，从地理位置角度开展门槛效应的异质性分析，比较“双一流”建设政策对不同特质城市创新能力的非线性影响，以期更大限度地发挥“双一流”建设政策对城市创新能力的促进作用。

二、文献综述与研究假设

（一）文献综述

现有围绕创新能力探究“双一流”建设政策门槛效应的文献可概括为两大类。在研究内容方面，现有文献侧重分析不同门槛变量对创新能力的影响，例如，鲍威和吴嘉琦将地方政府治理能力水平作为门槛变量，考察了高等教育资源质量集聚对区域创新经济的非线性影响[3]；郭丛斌和邱世琛从全国和区域两个层面检验了研究生博硕比对区域创新的门槛效应[4]79-86；俞立平等以“双一流”建设高校的人文社科项目为例，分析了项目经费强度对学术论文和学术著作的门槛效应[5]。

在研究视角方面，现有文献侧重分析“双一流”建设政策与创新能力之间的线性关系，揭示了“双一流”建设政策对创新能力的直接影响。马浚锋和罗志敏采用双重差分模型，评估了世界一流大学建设政策的创新效应[6]59-74；朱恬恬等采用双重差分模型，评估了“双一流”建设政策的高校科技资源配置效应[7]。然而，“双一流”建设政策的实施效果可能会受到多重因素的影响，例如，互联网发展水平[8]、科研资源投入[9]等。这些研究为我们考虑“双一流”建设政策与创新能力之间可能存在非线性关系提供了重要启发。此外，现有文献在研究“双一流”建设政策与创新能力的关系时多关注“双一流”建设政策对创新能力的整体影响，然而“双一流”建设政策的实施效果存在区域异质性[10]，这为本研究思考“双一流”建设政策门槛效应的地区差异提供了思路。

综上所述，现有相关文献已对首轮“双一流”建设政策与创新能力的门槛效应进行了初步研究，但仍然存在以下不足：第一，在研究内容方面，现有文献侧重分析不同门槛变量对创新能力的影响，缺乏对高等教育政策如何影响区域创新能力的门槛效应研究，故难以科学考察“双一流”建设政策对区域经济社会创新发展的复杂影响；第二，在研究视角方面，现有研究侧重分析“双一流”建设政策与创新能力之间的线性关系，而忽略了二者之间可能存在的非线性关系，不利于全面了解“双一流”建设政策与创新能力的传导机制。此外，现有研究多关注“双一流”建设政策对创新能力的整体影响，而忽略了“双一流”建设政策对不同特质城市可能存在异质性影响。

（二）研究假设

1.直接效应

2022年1月，三部委联合印发的《若干意见》明确提出要提升区域创新发展水平[2]。一方面，国家有关部委与地方各级政府都加强了对属地“双一流”建设高校的资金、政策支持，从而带动创新要素集聚；另一方面，“双一流”建设高校积极与企业、科研院所等机构开展协同创新，从而吸引高质量的人力资本集聚，促进城市创新水平的提升。鉴于此，本研究提出假设1：

H1：“双一流”建设政策显著提高了建设高校所在城市的创新能力。

2.门槛效应

自“双一流”建设政策启动以来，地方政府和有关主管部门加大了对属地“双一流”建设高校的支持力度[11]，为协同创新提供平台支撑以及制度保障。根据信号传递理论[12]，政府加大对“双一流”建设高校的资本投入会向企业、科研院所等创新主体传递积极信号，有助于吸引更多的创新资源，从而促进高校创新活动的开展。同时，新增长理论认为研发投入是驱动科技进步、推动技术创新的最直接来源，但如果没有投入和技术创新活动，资本的收益就会递减[13]。现实中，“双一流”建设高校资本投入不合理会造成资源的损失和浪费，不利于高校科技创新效率的整体提升。鉴于此，本研究提出假设2.1：

H2.1：资本投入水平在“双一流”建设政策促进建设高校所在城市的创新能力提升中具有门槛效应。

“双一流”建设高校因其良好的大学声誉和科研平台吸引了一大批国内外高层次人才集聚；同时，“双一流”建设政策的评价导向使得高校着力于引进高水平的教育资源、加强师资队伍建设。此外，“双一流”建设政策鼓励高校与科研院所、企业等创新主体开展协同创新，促进科技成果转化，这也有助于吸引更多优秀的科技人才。根据知识吸收能力理论，人力资本集聚水平有利于提升区域创新水平，但存在一个阈值，只有当人力资本集聚水平超过该阈值时，才能激发地区的创新活力[14]。此外，“威廉姆森”集聚假说表明，高级劳动力要素集聚的正外部性存在一个临界点，低于临界点时集聚效应具有正向空间外部性，但超过临界点后集聚的边际效应会下降，甚至会产生负向空间外部性[15]。现实中，“双一流”建设高校人力资本过度集聚也可能会抑制人才创新潜能的释放，不利于高校科技创新效率的整体提升。鉴于此，本研究提出假设2.2：

H2.2：人力资本集聚水平在“双一流”建设政策促进建设高校所在城市的创新能力提升中具有门槛效应。

3.异质性分析

由于各地区在经济发展水平、地区产业结构、基础设施建设等方面存在明显差异，各地区的“双一流”建设高校数量以及建设经费投入不均衡且差距过大，可能使得不同地区的创新环境存在差异。现实中，东部地区的创新生态系统相对完善，为“双一流”建设高校开展科技创新活动提供了良好的环境，而中西部地区尚有较大的发展空间。此外，东部地区的“双一流”建设高校会因其充足的办学资金和高端的科研平台吸引国内外高层次人才集聚，而中西部地区的“双一流”建设高校存在严重的人才外流和人才引进困难问题。鉴于此，本研究提出假设3.1和3.2：

H3.1：资本投入水平对“双一流”建设政策促进建设高校所在城市的创新能力提升的门槛效应存在显著的地区差异。

H3.2：人力资本集聚水平对“双一流”建设政策促进建设高校所在城市的创新能力提升的门槛效应存在显著的地区差异。

三、研究设计

（一）模型构建

1.基准回归模型

为克服传统回归模型在检验政策实施效果方面的局限性，本研究借鉴Bertrand和Mullainathan的方法[16]，构建双重差分模型实证检验我国“双一流”建设政策对城市创新能力的影响，基准模型如下：

式中，INNOit为被解释变量，表示城市i在年度t的创新能力。β0为截距项。Treati为分组变量，城市属于处理组则取1（即拥有“双一流”建设高校的城市），否则取0；Timet为处理期虚拟变量，以“双一流”建设名单发布时间2017年为政策实施点，其取值为1时，代表“双一流”建设政策发生之后，否则取0。Treati×Timet为分组变量与处理期虚拟变量的交互项，其系数γ1反映了“双一流”建设政策实施的净效应。Zit为一系列控制变量，β1为一系列控制变量的待估计系数。μi和θt分别表示城市和时间固定效应。εit为随机误差项。

2.门槛效应模型

本研究借鉴Hansen的做法[17]，构建门槛效应模型实证检验“双一流”建设政策对城市创新能力影响的非线性特征，具体模型如下：

式中，为门槛变量，为门槛值。I（·）为示性函数，当括号中条件满足时，I（·）取值为1，否则为 0。γ2和γ3分别为“双一流”建设政策在门槛值两侧的区制中对城市创新能力的影响系数，其他变量的含义均与基准回归模型一致。

（二）变量说明

1.被解释变量

本研究的被解释变量是城市创新能力（INNO），主要指科技创新能力，其衡量指标包括新产品产值、新产品销售收入、专利等。但由于我国各地区对新产品的理解程度和认证标准存在差异，所以现有文献在研究区域创新时，很少使用新产品产值等指标衡量创新能力[18]，而较多采用专利数量来衡量创新能力，且研究结果一般表明专利数量与创新能力成正相关关系[19]。因此，本研究采用专利数量来衡量城市创新能力。此外，考虑到专利从申请受理到授权存在一定的时滞性[20]，我们采用专利申请受理数量来衡量城市创新能力。

2.核心解释变量

本研究的核心解释变量是“双一流”建设政策虚拟变量。根据2017年教育部、财政部、国家发展改革委联合颁布的《关于公布世界一流大学和一流学科建设高校及建设学科名单的通知》（以下简称《名单通知》）统一赋值[21]，将分组变量与处理期虚拟变量的交互项（Treati×Timet）作为核心解释变量。