中国水能资源产业创新水平演变特征及影响因素分析
时间：2022-12-06 14:15:02 来源：雅意学习网 本文已影响 人 
蔡 萍，王 强
（福建师范大学 地理科学学院，福建 福州 350007）
当前世界能源短缺问题和能源安全形势日趋严峻，发展可再生能源、实现能源转型成为现阶段各国重要的能源战略。《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年五年远景目标纲要》明确提出，要加快壮大包括新能源在内的战略性新兴产业，加快推动绿色低碳发展，降低碳排放强度，制定2030 年前碳达峰行动方案。我国作为能源消费大国，为如期实现“碳达峰、碳中和”发展目标，对太阳能、风能、水能、地热能等绿色清洁新能源的开发是必然的。中国电力企业联合会（China Electricity Council，CEC）最新数据显示，2020 年我国水力发电占非化石能源发电总量的52.5%，水能作为我国规模最大的可再生能源对实现国家节能减排战略具有重大意义。在全球绿色能源变革的进程中和我国经济进入新常态的背景下，创新成为引领发展的第一动力，新能源产业的高质量发展离不开知识和技术创新，我国水能资源产业的发展也需要持续创新并实现突破。
1994年，学者Feldman首次提出创新地理学，基于现实需求，国内外学者运用空间自相关、耦合协调模型和空间计量模型等方法［1，2］，从省际、城市群、国家等空间尺度对创新发展问题展开了一系列的研究［3-5］。面对创新格局变动，学者们关注到创新水平的空间分异规律，通过评估区域创新能力或基于投入产出视角［6-9］进行创新效率测度研究，并尝试从经济发展、工业基础等方面对形成创新格局变化的内在机制进行解释［10］，普遍构建以创新产出为因变量的回归模型。随着相关算法对海量数据处理能力的提高和城市网络理论的兴起，刘承良等［11］、桂钦昌等［12］基于专利合作、技术转移等构建创新网络，从各类主体角度出发探讨不同空间尺度下的创新等级体系、网络生长机制等。在创新空间格局研究中，学者多引用专利指标来衡量知识生产能力和技术创新能力。专利是世界上最大的技术信息源［13］，既是知识和技术的信息载体，又能体现创新活动成果，其申请数量代表创新水平发展趋势，专利技术转移则反映了技术从研发到应用的价值实现路径形式［14］。水能资源产业作为新能源产业的重要组成部分，近年来产业发展规模逐渐扩大。通过对水能和水电资源数据的追踪，学者们分析了水电开发现状、水电开发与社会经济发展的匹配程度，并对比分析了各个国家水力发电的情况［15-18］。通过对以往研究的概述可见，对于水能资源产业的研究集中在简单的数据分析方面，其创新发展的研究尚不多见，而知识创新作为产业创新链的上游无疑在整个产业发展中起到重要的作用。
鉴于此，本文以水能资源产业作为研究对象，根据中国国家知识产权局（The State Intellectual Property Office，SIPO）专利检索数据库对水能资源产业技术创新活动情况进行统计，在传统能源日趋减少和能源转型势在必行的背景下，探讨该产业知识技术创新的空间格局、创新类型的演变趋势和以城市为枢纽的技术扩散网络，并基于空间计量模型分析创新水平的影响因素，以期厘清水能资源产业创新发展的空间分异规律，探寻未来发展趋势。
1.1 数据来源
基于我国水能资源产业创新产出数据的可获得性与连续性，本文选择290 个地级及以上行政单元为研究对象，香港特别行政区、澳门特别行政区、台湾地区和部分地级行政单元由于相关研究数据获取不全面或难以获取等原因暂不列入研究范围。此外，本文所使用的专利数据来自于中国国家知识产权局专利检索数据库，选取2003—2020 年水能资源（广义的水能资源包括河流水能、潮汐水能、波浪能和海洋热能资源）产业专利申请数据与专利转移数据。由于专利申请到公布存在滞后性，最长时间为18个月，因此本文的最新专利数据实则为2022 年3 月公布，以保证数据的完整性与时效性。剔除其中创新主体为个人的专利，经筛选共得到水能资源产业专利申请数据4264 项、专利转移数据337 项，具体各年份统计信息如图1 所示。由图1 可知，专利申请量、转移量均在2011 年后有了较大幅度提升。除专利数据外，水电规模数据来源于可再生能源信息资源数据库（www.renewable.org.cn），其他原始数据来源于《中国城市统计年鉴》、中国各地级市统计年鉴。
图1 2003—2020 年中国水能资源产业专利申请量和转移量Figure 1 The number of patent applications and transfers in China′s hydropower resources industry，2003-2020
1.2 研究方法
马尔科夫链：本文用马尔科夫矩阵来测度不同时间阶段我国水能资源产业创新产出类型演变的概率［19，20］。马尔科夫链主要引入转移概率矩阵研究反映研究对象的动态演变过程，从而反映出每个研究单元的稳定性或向上向下转移的流动性状态。其原理是：如果根据实际需要将研究对象离散化处理并划分为几种类型，则研究对象每一年都处于一种可能的类型，将第t年研究对象状态类型用一个1 × k的状态概率向量表示，那么不同年份研究对象状态之间相互转移的概率可抽象表示为一个k × k 的矩阵M，即马尔科夫转移概率矩阵。
式中：Mij表示在t 时刻所处状态为i，在t +1 时刻转移为状态j 的概率；
nij表示在t 时刻属于状态i，而在t +1 时刻转移为状态j 的单元个数之和；
ni表示整个研究期所有时间中属于状态i 的单元个数之和。
空间计量模型：OLS 模型假设各空间是相互独立的，但空间之间避免不了空间依赖性和空间异质性的影响，考虑到我国水能资源产业创新产出的空间集聚特征，本文引入空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）来验证研究单元之间的相互关系［21］。
空间滞后模型主要探讨研究区对邻近区域的空间溢出效应，即我国水能资源产业创新能力高的城市对周围城市创新能力的影响，表达式为：
式中：Y 为因变量向量；
W 为区域空间权重矩阵；
Wy为空间滞后因变量；
ρ为空间滞后自回归系数，反映邻近地区被解释变量的空间扩散或溢出效应；
参数β为回归系数，反映X 对Y 的影响；
X 为解释变量；
ε为随机误差项向量。
空间误差模型主要用于度量研究区受相邻地区未考虑因素及误差项影响的程度，主要探讨存在于扰动误差项中的空间依赖作用，表达式为：
式中：ε为随机误差项向量；
λ为因变量向量的空间误差系数，反映近单元因变量的误差项的影响；
μ为正态分布的随机误差向量。
2.1 空间分异特征
区域创新的知识源头（如企业、高等院校和科研机构等）集群分布特征决定了创新产出也会呈现出一定的区位聚集现象，而非均衡分布于某个空间。本文通过水能资源产业专利数量来衡量我国各城市水能资源产业创新水平，专利数量的多少代表创新水平的高低。我国水能资源产业符合可持续发展要求且发展潜力巨大，近年来产业创新成果不断增加，全国专利申请数量从2003 年的4 项增加到2020 年的748 项。总体上，我国水能资源产业专利数量较少，目前仍处于新能源产业创新的初步发展阶段。为充分体现水能资源产业创新产出的空间差异性，本文运用ArcGIS 自然断裂法将我国水能资源产业创新能力划分为低、中低、中、中高和高水平5 种类型，对比2003—2011 年、2012—2020 年两阶段创新水平空间差异特征，结果如图2 所示。
图2 2003—2011 年、2012—2020 年中国水能资源产业创新水平空间分异Figure 2 Spatial differentiation of China′s hydropower resources industry innovation level，2003-2011 and 2012-2020
2003—2011 年，上海、杭州、北京、广州4 个城市是水能资源产业高水平创新产出的城市，大连和青岛为中高水平城市。可见，高水平和中高水平城市主要分布在我国东部沿海三大城市群。中等水平、中低水平和低水平城市数量占主导地位，占比分别为3.45%、7.59%和86.9%，尤其是低水平城市占绝大比例。2012—2020 年，东部沿海地区城市水能资源产业专利数量仍持续增加，高水平城市增加至8个，分别是青岛市、上海市、舟山市、杭州市、北京市、南京市、大连市、广州市；
中高水平城市增加至8个，分别为天津市、哈尔滨市、武汉市、厦门市、长沙市、镇江市、荆门市、成都市，高水平和中高水平城市主要为东部沿海经济发达城市和中西部省会城市。中等水平城市占比略有增加至4.48%，中低水平城市占比显著上升至36.55%，低水平城市占比显著降低至53.45%。从两个阶段的水能资源产业创新产出的空间格局演变来看，存在等级扩散和传染扩散两种扩散特征。一方面，北京市、上海市、青岛市、广州市、杭州市等创新产出成果较多的城市由中低水平或中高水平发展为高水平，沿海沿江一带部分城市由低水平发展至中低水平或中高水平；
另一方面，后一阶段发展水平较高的城市通过空间溢出效应推动周边区域发展水平也得到提升，高水平单元对周边低水平单元的辐射带动作用进一步加强。从全国水能资源产业创新产出的空间格局来看，创新产出数量多的地区存在集聚现象，且集聚由东部沿海城市群向东部沿海和中西部省会城市扩散。
2.2 类型演变特征
本文以研究期期末年份水能资源产业专利申请量为标准，将我国水能资源产业创新水平划分为低、中低、中、中高、高5 种类型，分别计算了2003—2011年、2012—2020 年的马尔科夫转移矩阵，结果如表1所示。由表1 可知，水能资源产业创新产出类型演变呈现出以下特征：①“俱乐部趋同”特征明显，总体创新水平呈不断提高的发展趋势。通过研究期内对角线与非对角线的概率值对比，发现对角线概率值较大，说明整体上创新水平类型保持稳定的概率要高于类型变化的概率。对比两个阶段，第一阶段存在低水平、中低水平城市“俱乐部趋同”，在此基础上，第二阶段中水平、中高水平城市“俱乐部趋同”效应也较明显。2012—2020 年保持低水平的城市概率有所降低，保持中低水平、中等水平、中高水平和高水平创新产出的城市数量概率有较大提高，较高创新水平城市的“俱乐部趋同”现象比第一阶段更加明显，说明目前我国水能资源产业创新水平的类型变化在保持稳定的状态下向高水平方向发展。②水能资源产业创新水平类型演变同时存在向上转移和向下转移两种现象，后一阶段向上转移概率明显增强。第二阶段邻接对角线概率数值的右侧数值，即向上转移一级的概率（0.114、0.076、0.422、0.133）大于第一阶段的概率数值（0.030、0.072、0.000、0.000）；
中低水平城市邻接对角线概率数值的左侧数值，即向下转移一级的概率（0.397）小于第一阶段的概率数值（0.494）。由此可知，创新水平类型向上转移的概率呈整体提高的趋势，向下转移的概率由于较高创新水平城市样本数量少而未有明显的规律性。③跨级转移的可能性提高，但总体上仍然为循序渐进的过渡。两阶段中，低水平单元跨越为中等水平的概率分别为0.001 和0.003，中低水平单元跨越为中高水平单元的概率分别为0.000 和0.012，中等水平单元跨越为高水平单元的概率分别为0.000 和0.001，说明我国水能资源产业创新水平类型演变向上跨级转移的概率是有所提高的，但总体来看跨跃式转移概率较低。
表1 创新水平类型马尔科夫转移矩阵Table 1 Markov transfer matrix of Innovation level type
2.3 技术转移特征
进入新常态的中国经济发展面临着产业转型升级的挑战，因此产业创新的技术转移与成果转化的作用越来越重要。近年来，城市已成为要素集聚、知识创新与技术扩散的重要节点，水能资源产业以城市为枢纽的技术扩散网络也在逐渐形成。水能资源产业技术转移具有滞后性，2008 年以后我国水能资源产业专利申请数量有了较大增长，城市间的产业技术转移随之出现，但目前城市内和城市间专利联系量都较小，还没有形成明显的分级层次。从图3可见：当前城市内水能资源产业专利转移数量高于城市间转移数量，说明地理邻近性发挥着较关键的作用，由于相同区域的企业和科研院所之间可共享基础设施和福利政策，新能源产业的新产品、新工艺出现首先在市内流通。城市内部专利转移量较大的城市是广州市、上海市、大连市，这些城市在区域水能资源产业创新产出中的空间支配地位相对较高，其内部创新交流活动也较活跃。研究期内城市间水能资源产业技术转移现象主要发生在东部沿海地区城市、中部地区部分核心城市和西部地区的成都市、重庆市。当前，城市间专利转移数量极少，多数城市之间仅有一次或两次的技术转移现象出现，其中盐城—佛山、北京—天津、北京—台州和上海—铜陵几个城市之间已经形成了较固定的联系。随着节能减排压力增大，作为清洁能源之一的水电行业凭借其低碳排放、上网电价相对较低等优势获得国家的大力推广支持，水能资源产业创新水平高的城市在开发节能、环保、高效机组等科技创新领域发挥着重要作用。就城市间水能资源产业转移方向来看，绝大多数由东部地区城市到中西部地区城市，由沿海沿江城市到周围城市，这与创新首先出现在经济发展水平较高的城市进而向资源富集地区扩散的过程相一致。
图3 中国水能资源产业专利转移网络空间格局Figure 3 China′s hydropower resources industry patent transfer cyberspace pattern
3.1 变量选取与说明
我国城市水能资源产业创新能力的Moran′s I指数显示：2003—2004 年我国城市水能资源产业创新能力不具有显著的空间相关性，在此阶段，各城市的水能资源产业专利数量较少，未在空间上形成明显的集聚状态；
2005—2020 年我国城市水能资源产业创新能力Moran′s I 指数为正值，且在0.1 水平下显著，总体上具有集聚特征。因此，本文将空间效应作为影响因子纳入到模型中，选择最小二乘法OLS模型、空间误差模型和空间滞后模型验证其影响因素。其中：空间滞后模型验证了各地区水能资源产业创新能力除了受到本地区各种因素的影响外，还验证了各影响因素通过空间传导效应作用于其他地区；
空间误差模型验证了各地区水能资源产业创新能力受随机因素冲击的影响。
我国的能源工业受资源禀赋空间分布的影响显示出显著的地理集聚特征，而发展新能源产业作为促进能源结构和产业结构调整的重要举措，其时空分布格局与传统能源并不相同。尤其是产业创新作为新能源产业链的上游，其演化格局与城市自身发展水平息息相关。因此，本文选取反映城市创新水平并结合能源产业特点的6 个方面影响因素作为解释变量，即城市水能资源产业创新水平差异分析框架，其含义及代表指标如表2 所示。专利数据为区域知识和技术创新格局分析提供了多方面信息，是目前研究学者们刻画知识创新最常用的指标之一，本文选取2020 年我国水能资源产业专利申请量作为因变量。由于创新投入与产出存在滞后性，因此自变量为2018 年指标数据，并预先对数据进行标准化处理。
表2 解释变量及衡量指标Table 2 Explanatory variables and measures
3.2 回归结果与分析
表3 的回归结果显示，最小二乘法OLS模型、空间滞后模型和空间误差模型的结果具有极大相似性，空间回归系数为0.032，空间误差系数为0.052，表明相邻研究单元创新水平误差冲击的影响要强于空间依赖性。说明在产业发展初期阶段，空间溢出效应对区域创新能力具有一定正向影响，但影响较小。3 种模型的拟合结果显示，空间误差模型的LogL 值最高，AIC 和SC 值最低，根据Luc［22］的判别准则，可以判定空间误差模型（SEM）为最适用模型。
表3 模型回归结果Table 3 Model regression results
经济基础和人力资本的系数分别为0.788 和0.401，说明区域经济水平发展和人力资本投入每提高1%，区域创新产出将分别增加78.8%和40.1%，这与国家创新型城市建设结果和部分学者的研究结论一致［23，24］。产业创新水平很大程度上由本区的创新环境所决定，较高的经济发展水平和充足的专业人才是创新产出的必要条件，直接影响着创新产出水平的高低。经济发展水平高的城市往往处于城市网络的核心地位，其可达性高、资源配置和调动能力强，同时能为创新发展提供充足的资金和现代化服务，保证研发过程的可持续性。新能源产业创新发展的技术门槛特性决定了其对创新人力资本的需求高，高素质劳动力能够在技术转移、产品研发等过程中起到良好的辅助作用。创新人才集聚度高的地区，创新产出相对更多。中国水能资源产业创新能力较高的城市大多分布于东部沿海和沿江地区，这些地区城市经济规模大、科技创新能力强，因此产业创新首先出现在此类城市；
而水能资源丰富的地区如西南地区，城市发展水平较落后、创新专利产出数量较少，布局了更多的水电技术设施。
教育水平和政府科技研发投入的系数分别为0.358、0.286，说明教育水平和政府科研投入每提高1%，区域创新产出将分别增加35.8%和28.6%，略低于经济基础和人力资本，但二者对产业创新具有正向促进作用。随着知识经济的发展，教育尤其是高等教育可以为科学技术发展培养所需人才，为产业创新和城市发展增加后备力量，成为未来一段时间内塑造创新格局的重要因素。地方政府可以通过制定优惠和鼓励政策，加大对企业和科研院所的扶持力度来推动创新发展。当前水能资源产业创新产出受政府科学技术投入的影响相对较小，即政府资金投入支持相对较少，这与水能资源产业创新处于初步发展的阶段特征相符合。随着我国新能源产业发展，政府的支持力度加大将成为产业创新发展的后续重要动力。因此，教育水平高、政策条件好的城市应更加重视产业创新交流平台的建设和智力资本的培育，以进一步提高其水能资源产业创新水平。同时，政策倡导下的产业集聚区建设通过企业之间的协作发展实现资源整合，将推动水能资源产业链的完善。
资源禀赋、水电规模对水能资源产业创新产出的影响不显著，说明此阶段内资源丰富地区的创新产出偏低，创新产出高的地区与资源丰富地区、产业实际布局区在空间上存在错位现象，这与实际创新发展和产业布局现象吻合。我国水能产业的发展依托于丰富的水能资源，产业布局主要在西南地区，而产业创新依托于财力和智力资源，创新环境好的城市对发展产业创新集群具有优势。这种创新集群发展优势不仅通过知识基础的正向积累促进自身发展，又能通过空间溢出效应对周围城市产生带动作用，进而通过技术转移向资源丰富地区过渡，将知识生产转变为技术创新。从前文研究中可以看出，随着我国水能资源产业创新发展水平不断提升，专利技术转移网络已初步形成，未来资源优势与创新优势的结合将更加密切。西部地区具备一定的产业基础和技术优势且水能资源蕴藏量丰富的城市，应引进和培育创新机构及专业人才，提高资源和能源利用效率，进一步搭建和周边城市的合作平台，实现区域资源优势逐渐转化为社会经济发展优势。
4.1 结论与讨论
作为新能源产业的重要组成部分，水能资源产业得到了较快发展，水力发电规模迅速扩张，但其创新能力并未显著提升。本文基于我国水能资源产业专利申请数量与转移数量动态解析了产业创新水平的演化特征和影响因素，主要结论如下：①水能资源产业专利申请数量在2011 年后有了较大幅度的提升，产业创新产出符合我国城市及产业创新能力“东部—中部—西部”逐渐衰减的空间分布格局。同时，产业创新水平高的区域和资源丰富的区域存在空间错位现象，产业创新首先发生在经济发展水平较高、产业结构合理的部分城市。②当前我国水能资源产业创新水平的类型整体以低水平和较低水平为主。近年来，新能源产业在国家政策的扶持下取得了很大进展，但水能资源产业的科技创新速度较为缓慢，类型变化在保持稳定的状态下向高水平方向发展，总体呈现出循序渐进的状态。③当前水能资源产业专利转移网络处于发展初期阶段，城市内转移数量高于城市间转移数量，相同区域内的创新交流活动更活跃。但从城市间技术转移方向来看，已经出现了由沿海向内陆的技术转移趋势，未来应该从创新互动、协同开发的角度来促进城市间、产业间的技术联系、技术创新，推动知识形态生产力转化为物质形态生产力。④产业创新的发展很大程度上依赖于城市创新环境。回归结果表明，较高的经济发展水平和充足的专业人才是创新产出的必要条件，这与前文验证的城市产业创新能力的空间格局演变现象结果相一致。同时，验证了城市经济发展与产业创新产出之间的关系，经济实力强的城市随着研发投入的增加、科技人才的聚集和基础设施的优化等促进了创新产出。反过来，产业不断创新升级又成为推动城市不断发展的重要力量。
当前我国新能源产业的发展处于加速阶段，在此背景下，本文从专利申请与转移的视角分析了我国水能资源产业创新产出的格局、类型演变、技术转移特征和影响因素。但由于存在产业发展初期阶段数据量不足和获取的数据有限等问题，本文所使用的专利申请数量代替创新水平缺乏一定权威性，因此有待进一步考察与完善。同时，本文所得到的结论仅为对当前水能资源产业链上游（即创新格局）的分析，随着未来水能资源产业的发展和数据量的丰富，将基于创新的投入产出，综合创新链的上下游，从多个角度刻画我国水能资源产业创新发展的规律性和时空格局特征。
4.2 政策建议
新能源产业的变革为区域经济结构和能源结构的调整提供了新思路，新形势下新能源产业必须强化创新驱动。基于实证结果和分析，以及我国水能资源产业创新仍处于初步发展阶段的实际情况，本文提出以下政策建议：①深入开展资源评估和资源开发潜力预测，因地制宜地采取措施，以更好地满足高效率、规模化开发利用水能资源的需求，推动水能资源产业持续与健康发展。②持续推进水能资源产业创新发展。发挥企业、高校、科研院所等产业创新主体的作用，在技术攻关和人才引进等多方面加强合作与交流；
政府部门应加大对水能资源产业创新发展的支持力度，通过出台优惠和补贴政策或引导金融资本扶持新能源产业发展，以推动资源优势地区的创新发展。③推动水能资源产业创新成果转化。以实际应用为研究目标，瞄准水能资源产业行业需求，研发全产业链技术，健全成果转化通道，引导创业投资和技术成果转移与应用紧密结合。④有效衔接区域协调和脱贫攻坚问题。创新产出依托于财力和智力资源，首先出现在生产力发展水平高、创新投入多的城市，因此创新环境好的地区应借助自身优势，加强城际间创新合作促进创新要素流动；
对资源依赖较大的区域则应主动接受技术转移，注重政府统筹规划，减弱阻力约束，加强智力和财力资本投入，利用技术创新成果积极探索新能源产业扶贫道路，发挥资源的最大价值。
