1.3 国内外研究进展

国内外学者对创新活动空间开展了大量研究。从既有文献看，创新活动空间研究主要集中在两个方面：一是创新活动空间分布特征规律研究；二是创新活动空间分布影响因素研究。

1.3.1 特征规律相关研究

对创新活动空间分布特征规律的研究，通常沿着“选取表征创新活动的指标——借助空间计量模型测度”分析路径展开，因此有关创新活动空间分布特征规律研究成果，主要集中在特征规律分析和指标方法探索两个方面。

1. 特征及其演化

（1）创新规模

国内外众多学者对创新活动空间分布进行了大量的理论与实证研究。尽管研究尺度、研究方法不尽相同，但是研究结论及其观点非常一致，即创新活动在空间上并非均衡分布，而是具有很强的空间聚集特征。Jaffe等（1993）较早指出了创新活动在特殊地域趋于集群的观点。Audretsch（1996）、Lim （2003）分别从州和都市区层面考察了美国创新活动空间分布具有高度聚集性。Moreno等（2005）、Bernardi等（2007）、Fornahl等（2009）、Goncalves等（2009）、Corsatea等（2014）也分别实证了欧洲、德国、西班牙、法国、巴西的创新活动空间不均衡分布。我国对创新活动空间研究起步虽晚，但相关研究成果颇为丰硕。罗发友（2004）、郑蔚（2006）、吴玉鸣（2006）、魏守华等（2011）、李国平等（2012）、郭嘉仪等（2012）、方远平等（2012）、王俊松等（2017）、周锐波等（2019）研究发现，我国创新活动在空间上具有非均衡分布的特点。

此外，为验证创新活动空间聚集是随机分布还是具有一定的规律，学者们还对创新活动的空间相关性进行了研究。Lim（2003）、Moreno等（2005）、Maggioni等（2007）、Fornahl等（2009）、Corsatea等（2014）分别应用Moran’sⅠ指数，研究了美国、欧洲、德国、法国创新活动的空间相关性。国内张玉明等（2008）、方元平等（2012）、张战仁（2013）、王庆喜等（2013）、杨凡等（2016）、邵汉华等（2018）、李迎成等（2022）通过Moran’s Ⅰ指数检验证实了我国创新活动存在正向空间相关性，Moran散点图和LISA聚类表的局部分析进一步指出了创新活动空间集聚模式。

随着创新活动空间研究逐渐深入，学者们也关注创新活动空间分布结构或模式。由于学者们研究视角的差异，形成了创新活动不同的空间分布模式或结构，其中比较典型的有极化、核心＿边缘以及点轴空间结构。Mohnen等（2002）、周密（2007）、宋思丽等（2009）通过极化度指数测算出我国城市群创新活动具有显著极化特征；Teodora等（2014）采用专利数，测度出法国创新活动呈现出两极化结构。Moreno等（2005）根据每十万居民的专利数发现，欧洲创新活动集中在中部地区，呈现出典型的核心＿边缘结构。郑蔚（2006）、邬滋（2010）、李国平等（2012）、段德忠（2018）测度出我国创新活动在空间上已形成了明显的核心＿边缘结构。而陈晶等（2012）发现我国创新活动特征已逐渐从单极化的点状发展向沿海区域分散化的线面发展转变。

基于时间序列数据，国内外学者从时间维度探讨了创新活动空间分布的演化进程。从现有实证性文献看，创新活动在空间演化进程中也表现出两种相反的现象。Lim（2003）、李国平等（2012）、王春扬等（2013）以专利数据研究发现，美国和我国创新活动逐渐聚集，其空间不均衡性和聚集性趋于加剧。刘帅等（2021）对工业企业、科研机构和高校三类创新主体的空间演化趋势进行分析，发现呈正向空间聚集趋势。Moreno等（2005）、姜磊等（2011）、张战仁（2013）、陈贵富等（2021）对美国、我国以及我国长三角创新活动研究表明，创新活动趋于分散，其空间分布差异性和聚集性趋于弱化。

（2）创新联系

随着区域间创新要素流动日益频繁，以及受卡斯特尔（M. Castells，2006）“流动空间”思想的影响，有些学者们尝试从创新联系视角研究创新活动空间特征及其演化。

国外学者对创新联系空间研究多是基于创新合作形成的不同尺度创新网络体系。如Christian等（2002）基于40多个城市区SCI论文数据，分析了全球城市研究网络体系的中心及节点。Fleming等（2006）以发明专利为表征数据，分析比较了硅谷和波士顿创新网络特性及其演化。Wilhelmsson（2009）分析了创新网络的空间分布特性。

国内对创新活动研究起步晚，但有关创新联系空间研究却与国外保持着一致。有些学者基于创新引力模型测度城市间创新联系强度，以此分析区域创新联系空间分布特征。如蒋天颖等（2014）基于引力模型，分析长三角创新空间联系呈现不均衡分布，苏南、浙北地区城市以及上海的区域创新空间联系量较大，而苏北与浙中、浙南城市创新空间联系相对较弱。吴志强等（2015）创新外向联系度研究结果显示，长三角创新联系在空间上呈现沿沪宁线和沪杭线“八”字形的核心结构和沿海“C”形的潜力圈层。李琳等（2020）引用引力模型，得到长江中游城市群城市间协同创新水平整体逐渐提升，格局呈现武汉城市圈、长株潭城市群大于环鄱阳湖城市群的阶梯形的结论。

在经济全球化和区域一体化背景下，城市间创新联系逐渐增强，并呈现出网络化发展趋势，学者们开始分析创新联系网络结构特征。汪涛等（2011）运用社会网络分析方法，对我国知识网络空间结构及其演化进行研究。牛欣等（2013）通过空间关联及网络分析，对经济圈创新网络空间结构进行了深入分析，结果显示我国以经济发达城市为核心的创新网络空间布局基本形成。吴志强等（2015）基于城市创新引力，分析了长三角创新网络密度、中心性、网络簇群，指出长三角创新网络由核心圈层、关联圈层和边缘网络三部分组成。彭芳梅等（2017）、王越等（2018）、钟韵等（2020）采用社会网络分析方法与修正的引力模型，分别对粤港澳大湾区、长三角地区的创新网络联系格局进行了探讨。

2.测度指标方法

选择合理指标和计量方法是衡量和测度创新活动空间分布的关键。国内外学者在创新活动空间分布测度方面开展大量探索性研究，形成了丰富研究成果。

（1）测度指标

① 单一指标

已有文献中表征创新活动的替代指标较为多样。在诸多替代指标中，以专利指标、新产品指标以及文献指标应用较多。

专利由于其数据易得、可比以及包含信息的丰富等特征，成为表征创新活动最为广泛的替代指标。专利指标又有专利申请数、专利授权数、发明专利数、人均专利数、专利合作数、专利引用数等。其中专利申请数是国内外学者最常用指标。如Breschi（2000）、Bottazzi（2003）、Fornahl等（2009）利用专利申请数据研究了欧洲、德国创新活动空间分布情况；国内大量研究者（李志刚等，2006；李国平，2012；王庆喜等，2013；王承云等，2017；马静等，2018；李迎成， 2022）利用专利申请数据验证了我国创新活动空间分布特征及其演化。除此之外，Lim（2003）采用专利授权数据、Acs等（1994）利用专利引用数、陈晶等（2012）基于发明专利数、Moreno等（2005）采用每十万居民的专利数研究创新活动空间分布差异。测度城市间创新联系，学者们常采用专利合作指标，Cantner等（2006）、Maggioni等（2007）、牛欣等（2013）、郑蔚等（2019）采用合作申请专利数研究创新边界合作、创新网络空间结构。

由于采用专利指标测度创新活动有天然的缺点（Griliches，1990），也有学者使用其他一些替代指标测度创新活动的空间分布。Feldman（1994）、Audretsch等（1996）、Acs等（2002）利用新产品数量分析了美国创新活动空间分布特征。除了新产品数量，郑蔚（2006）、梁洁鸣（2010）、何键芳等（2013）、王承云等（2021）使用新产品产值分析创新活动空间分异；张明倩等（2008）通过构造新产品密度，考察了中国制造业创新活动的空间差异。

文献也是测度创新活动空间分布常用指标之一。文献指标常用的有论文数量和论文合作数量。Christian等（2002）使用SCI论文数据分析了全球城市创新网络体系。吕拉昌等（2010）、胡晓辉等（2012）、国胜铁等（2019）采用城市间合作论文数量研究城市之间的创新联系。此外，还有一些学者采用合作项目指标、企业调查创新数据等其他指标表征创新活动。

② 复合指标

创新活动是个复杂过程，采取单一指标难以全面、客观地反映创新活动空间分布。为此，国内外学者试图选取多个指标测度和衡量创新活动的空间差异。

采用复合指标测度时，有学者选取表征创新活动的多个指标，然后对各指标分别进行统计分析，从而得出创新活动空间分布特征及其规律。如Rosenbloom（2007）采用小企业创新研究（SBIR）和小企业技术转移（STTR）资助、风险投资以及首次公开发表（IPO）3个指标分析了美国50个大都市区创新活动商业化的空间分布情况。更多学者则是通过构建创新活动评价指标体系，结合因子分析法、主成分分析法、均值法、突变级数法、引力模型法等方法测算出创新活动综合指数，继而对创新活动空间分布进行综合分析。宋思丽（2009）从创新投入、产出、潜力3个方面构建创新活动综合评价指标体系，运用主成分分析法测算城市创新综合发展指数。吴志强等（2015）以各城市百万人拥有专利数和专利授权数的加权平均值作为衡量城市创新活动的基本指标，运用引力模型测算出城市创新外向联系强度。潘春苗等（2022）基于跨城市合著论文、跨城市联合申请发明专利、省际技术交易数据，对比分析京津冀、长三角城市群、粤港澳大湾区协同创新网络结构和空间特征。

（2）研究方法

根据研究视角和测度对象的差异，国内外学者测度创新活动空间分布的方法可以分为以下两类：

① 创新规模测度

早期，创新活动空间测度多是对创新要素指标进行简单的统计描述。如Acs等（1994）通过美国各州专利引用数值大小的对比，分析了美国创新活动空间分布。随着空间计量学的发展及推广，国内外学者运用空间计量分析方法，研究创新活动空间分布。目前对创新活动空间测度的方法可以概括为：空间均衡类、空间集中类和空间相关性类（尹宏玲等，2015）。

国内外学者测度创新活动空间均衡类常用方法有标准差系数、基尼系数、变异系数、泰尔指数，等等，其中以基尼系数最为常见（Agrawal，2003）。Audretsch等（1996）、Lim（2003）、Fornahl等（2009）利用基尼系数测度了美国、德国创新活动空间不均衡分布。Moreno等（2005）应用变异系数（CV）测度了欧洲 1981—2001年创新活动空间演化。国内张玉明、李凯（2008）、陈晶等（2012）、王俊松等（2017）采用基尼系数，曹勇（2012）运用泰尔指数，魏守华等（2010）、王春扬等（2013）采用基尼系数、泰尔指数，徐维祥等（2018）利用泰尔指数、变异系数，鲍涵等（2022）利用泰尔指数、赫斯特指数，分别测度了我国创新活动的空间分异特征。

测度创新活动空间集中类常用方法有集中指数、集中率、赫芬达尔指数、首位度、E-G指数、极化指数等。如周密（2007）、宋思丽等（2009）通过极化指数，Fornahl等（2009）应用赫芬达尔指数和 E-G指数，邬滋（2010）运用平均集中率和市场集中率，郭嘉仪等（2012）运用赫芬达尔指数，姜磊（2011）通过计算赫芬达尔系数和首位度，尹宏玲等（2015）运用首位度和集中率，曹玉平（2017）利用空间赫希曼＿赫芬达尔指数和空间集中度指数，邸俊鹏等（2018）结合DO指数和E-G指数，分别测算了创新活动空间聚集程度。

测度创新活动空间相关性类时，国内外学者一般采用探索新空间数据分析方法（ESDA）对创新活动空间进行全局和局部分析。Lim（2003）、Moreno等（2005）、Maggioni等（2007）、Corsatea等（2014）通过测算专利Moran’sⅠ指数，验证了美国、欧洲、法国创新活动的空间自相关性。我国张玉明等（2008），李国平（2012），方远平（2012），郭嘉仪等（2012），潘雄锋等（2013），王庆喜等（2013），张雪玲等（2019），赵星等（2020）则通过省域创新活动的全局Moran’sⅠ分析表明了省际创新活动存在显著的空间自相关性，通过局部Moran’sⅠ分析揭示了省际创新活动水平的相关模式，而Moran散点图则形象刻画了创新活动空间聚集模式及其时空演变态势。

② 创新联系测度

创新联系测度的方法主要有引力模型法和社会网络分析方法。

引力模型（Gravity Model）是用来表征事物间相互作用的模型，被广泛应用于“距离衰减效应”研究。由于创新活动也存在着“距离衰减效应”，很多学者借助引力模型来研究创新联系的影响。早期学者们运用引力模型多是用来分析地理距离对创新联系的影响。Pedersen（1970）运用引力模型对拉丁美洲国家间创新流动开展研究，验证了地理距离对创新扩散的影响。Maggioni等（2007）利用引力模型验证了地理距离仍是创新联系的影响因素。近年来，学者们逐渐借助引力模型测算创新联系强度。梁政骥（2012）、吕拉昌等（2015）、吴志强等（2015）、董必荣等（2018）、孙中瑞等（2022）在原始引力模型基础上加入修正指数，建立修正的城市创新引力模型，分别测算了城市间创新联系。

在经济全球化和区域一体化背景下，城市间创新联系逐渐增强，并呈现出网络化发展趋势，学者们开始引入社会网络分析（Social Network Analysis）方法，对创新联系进行密度、中心度、中心性、凝聚子群、核心＿边缘结构等方面进行分析。在分析数据方面，一些学者采用创新活动属性数据。Krätke（2010）采用社会网络分析中的网络密度、凝聚性、中心势等指标考察了德国都市区创新合作网络结构特征。吴志强等（2015）以人均专利、专利授权和创新人员为基础数据，结合社会网络分析方法，对长三角城市群城市间创新活动进行网络密度、中心度、簇群以及核心＿边缘结构分析。此外，一些学者采用创新活动关系数据，如合作申请专利量、合作论文数量，探讨城市间创新联系。胡晓辉等（2012）以城市间的论文合作出版数据为基础，运用社会网络分析方法，探讨了长三角 13座城市间的科学合作网络关系的动态演化过程与结构特征。徐宜青等（2018）、王斌等（2022）利用合作专利数据，借助社会网络分析法，论述了城市间创新网络格局的发展演化。

1.3.2 影响因素相关研究

针对创新活动空间分布的成因，国内外学者开展了大量理论和实证研究。创新活动空间分布是多种因素综合影响的结果，从现有文献看，国内外学者主要从自身发展条件和外部环境因素两个层面来分析创新活动空间差异形成的动因。

1.自身发展条件

要素投入、经济活动、创新环境等区域自身发展条件影响着创新活动空间分布。

（1）要素投入

创新活动本质上是一个投入＿产出的过程，创新投入与创新产出之间关系密切（Audretsch等，2004）。国内外学者在解释创新活动空间分布差异的影响因素时普遍关注创新要素。

资本是创新活动的根本保障，是开展创新活动重要的投入要素。Griliches （1979）在建构知识生产函数时，就假定新知识是 R&D经费投入的函数，并指出R&D经费投入对创新活动显然具有促进作用。随后，Acs等（1990，2002）、Cohen等（1992）、Coe等（1995）、Anselin等（1997）、Feldman等（1999）、Marios等（2003）、Riccardo Crescenzi等（2007）等大量学者以知识生产函数为分析工具，研究了资本（R&D经费投入、科技投入）对创新活动空间分布的影响。近年来我国符淼（2009）、方远平等（2012）、郭嘉仪（2012）、李盛竹等（2016）、刘琼等（2022）等很多学者借助数理模型，实证分析了R&D经费投入对我国创新活动的影响。

创新阶层是推动创新活动的关键力量（Johnson，2008），也是引起创新活动空间差异的重要因素。国内外学者从创新人群的角度，分析研发人员（人力资本）对创新活动的影响。Romer（1990）在内生技术进步理论中指出，新知识的生产是研发人力资本和知识存量乘积的函数，研发人员投入影响着新知识产生。Doloreux等（2008）、窦鹏辉等（2012）、刘晔等（2019）实证研究发现，强大的人力资本是促进创新活动的关键因素。不过，也有学者持相反观点，认为研发人员对创新活动的影响并不显著，甚至呈现出负相关关系。如李春燕（2010）采用知识生产函数，验证了我国东部地区研发部门人力投入的增加并没有带来创新产出的相应增加。

此外，作为创新活动思想的重要源头，大学及科研机构通过创新人才的培养和知识存量的增加影响着创新活动，也常为学者们用来解释创新活动空间分布的影响因素。Jaffe（1989）在柯布＿道格拉斯（C-D）类型知识生产函数中加入了大学与企业研究，开创性地研究了大学对创新活动的影响。Anselin等（1997）考察了大学研究与高技术公司的创新活动之间的知识溢出。吴玉鸣（2006）、Goncalves等（2009）、范晓莉等（2021）验证了大学和研究机构对创新活动产生积极影响，且是吸引企业甚至跨国公司的重要因素。

（2）经济活动

创新活动与经济活动具有内在的关联性，经济活动的规模、结构以及空间聚集影响着创新活动空间分布。

经济规模是开展创新活动的最终保障，通过影响创新资金投入和创新需求进而影响着创新活动空间分布。不少学者从经济活动规模（经济发展水平）角度解释创新活动的空间差异，如刘和东等（2009）、魏守华等（2010）、颜礁等（2012）运用空间计量方法，验证了经济增长对创新活动的影响是显著且稳定的。也有学者，如柴志贤等（2010）、陈大峰等（2021）从城市人口规模角度，研究城市人口规模对创新活动的影响。曹毅君等（2021）、孙青（2022）则研究了国家财政科技投入对科技创新有长期的稳定正向影响。

经济聚集是创新活动空间分布的重要驱动力（Corsatea等，2014）。马歇尔（1890）最早阐述了产业聚集的创新氛围，指出了产业聚集区创新活动较多。后来，随着新产业区在全球的广泛出现，很多学者开始关注经济产业聚集对创新活动的影响。Feldman（1999）、Stefano（2000）、Simmie（2005）研究显示产业聚集对创新活动具有显著的正效应。张明倩等（2008）、程中华（2015）、陈智等（2019）、毛炜圣等（2020）验证了中国创新活动与生产活动空间聚集特征的一致性。有些学者讨论了不同行业对创新活动影响差异，如张丽华等（2010）揭示了高新技术产业的创新活动分布与生产活动分布相关，而传统制造业则并没有表现出此特征。

经济结构对创新活动的影响也是学者们关注的焦点。从研究视角看，学者们主要从专业化和多样化两个方面进行分析。一些学者从专业化角度分析其对创新活动的影响，普遍认为专业化对创新活动有积极作用。Catheerine（2000）对意大利和英国制造业的对比研究表明，经济专业化对创新活动具有积极作用。另一些学者从多样化视角分析其对创新活动的影响，但是研究结论却不尽一致。Paci（1999）、Greunz（2004）、颜礁等（2012）、王余丁等（2022）等研究显示多样化的产业聚集结构更有助于创新。而Massard等（2002）、Gerben（2004）研究表明区域产业多样性对区域技术创新的影响并不显著。

（3）创新环境

环境作为创新活动的温床和根基，会对创新活动产生影响。创新环境内涵较广，包括基础设施、制度环境、社会文化，等等，学者们基于各自研究的侧重点，从不同视角进行分析。

基础设施是影响创新活动的关键因素（Cook，1996），Feldman等（1994）、Porter等（2000）、Furman等（2002）、Doloreux等（2008）、Goncalves等（2009）、吴先慧等（2011）、雷淑珍等（2021）等很多学者的研究证实了这一观点，强调了基础设施对创新活动聚集分布的影响。

制度和政策会抑制或促进创新活动发展。党文娟等（2008）从市场化进程和政府干预程度角度，通过回归模型分析表明我国政府和市场化程度对于创新活动均具有非常明显的促进作用。刘备等（2020）探究创新要素空间流动对区域创新能力的影响，并探讨基础设施、户籍制度、研发补贴和市场化程度在其中所扮演的角色。

社会文化在创新活动发展中也发挥着重要作用。辜胜阻等（2008）分析了区域文化的作用及影响机制，指出了区域文化对创新活动的影响是通过两个路径来实现的：一是区域文化影响经济活动主题的价值观，进而影响其创新活动行为和模式；二是区域文化发挥制度上的调节作用，促进区域创新的有效进行。习明明（2019）在分析创新环境对长江经济带科技创新效率的影响时，发现人文教育环境与财政环境对地区创新效率的影响不显著。

此外，城市规模、风险资本等因素对创新活动空间分布的影响也受到学者们关注。如Packalen（2015）指出规模较大的城市因创新成本相对较低，创新活动有优势，但是这种优势近年有下降趋势。Florida等（1988）、Ferrary（2009）、王玉荣等（2012）分析了风险资本对创新活动的促进作用。叶丹等（2017）实证分析金融环境、市场环境、劳动者素质对高技术产业创新效率具有正向影响，创业水平则产生了抑制作用。

2. 外部环境因素

创新溢出、地理距离等外部环境因素也会影响着创新活动的空间分布。

（1）创新溢出

由于空间相关性，创新活动还受其他地区的创新溢出的影响。

国内外学者就创新溢出（知识溢出）对创新活动空间分布的影响已有相当多的研究，其成果主要是从理论和实践层面论证创新溢出对创新活动的影响及其程度。Jaffe（1989）基于Griliches知识生产函数，开创性分析了大学研究在知识创造和扩散过程中的外部性，不过Jaffe还主要是从企业层面上分析创新溢出的。随着新经济地理学的发展，学者们开始转入区域层面研究创新溢出。Krugman （1991）、Feldman（1994），Audretsch等（1996）、Bottazzi等（2003）、Fritsch等（2004）、Moreno等（2005）通过对欧洲、美国、德国等的研究，指出了创新溢出对创新活动具有重要影响。苏方林（2006）则研究发现在其他条件不变的前提下，邻近地区的专利每增加1%，本地区专利产出平均增加约0.22%。张建升等（2011）通过实证研究计算出周边地区创新水平对本地区创新水平的影响弹性为0.51。

创新溢出对创新活动影响具有地方性或邻近性特征，即随着距离增加，创新溢出趋于递减。国内外很多学者研究证实了这一观点。Krugman（1991）、Jaffe等（1993）、Moreno（2005）、苏方林（2008）等通过实证发现随着两地间距离增加，创新扩散减少。有学者测算出创新溢出影响的具体阈值。Keller（2002）实证了创新溢出的局部性，并指出创新溢出随着距离增加而递减，当距离增加到1200 km时，创新溢出效应递减至一半。郭嘉仪等（2012）探寻出创新随地理距离衰减，在 900 km范围内为溢出效应密集区域，而在 1200 km外急速衰减。陈超凡等（2021）对不同距离阈值上的创新空间溢出效应进行估计，得到空间溢出随距离变化呈衰退趋势，350 km以内为创新活动的密集溢出区。

（2）地理距离

创新联系往往发生在地理距离较近的节点之间（Hoekman等，2009），地理邻近是创新联系网络形成的基础，也是创新联系网络演化的驱动因子。地理距离对创新联系的影响在于创新要素流动成本和隐性知识的存在，地理距离近有利于创新知识流动（Ciraci等，2008）。

有关地理距离对创新联系影响的研究多是借助引力模型定量分析展开。国外学者一般是借助引力模型分析创新联系影响因素，得出地理距离对创新联系具有负影响的结论，即创新联系存在着距离衰减性。Sláma（1983）利用引力模型得出了地理距离对国际专利申请流动具有负面影响。Maggioni等（2007）通过构建引力模型验证了地理距离对创新合作具有负面影响。Hoekman等（2009）利用重力引力模型得出，地理距离与共同申请专利和合著论文呈负相关。Picci（2010）利用引力模型分析了地理距离对国际发明活动具有负面影响。

我国学者通常是假定创新联系存在着距离衰减性，通过引力模型测算出创新联系大小。牛欣等（2013）在构建城市创新引力模型时，首先假定创新扩散随着距离的增加而减弱，继而测算出城市外向创新联系。同理，吴志强等（2015）在研究长三角地区41个城市创新空间网络时，也是假定了城市创新扩散随着距离的增加而减弱，然后利用创新引力模型测算长三角地区41个城市创新外向联系强度。王腾飞等（2019）借助专利合作数据，利用SNA和QAP方法探究长三角城市创新关联网络的影响因素，发现地理距离对城市创新关联仍然起到阻碍作用。

国内外学者对创新活动空间分布特征规律及影响因素开展了大量研究。无论是研究视角拓展还是研究方法创新，都取得了较大突破。但目前有关创新活动空间研究还存在有待进一步深入的地方：① 研究视角方面，既有研究多是从创新活动单个视角，即从城市个体创新规模或从城市间创新联系视角展开，鲜有从系统视角对创新活动空间进行综合分析，创新活动两个方面关联性有必要从系统综合视角研究创新活动空间分布；② 研究维度方面，在城市个体创新规模空间分布形成机制研究中缺乏动态研究，城市间创新联系主要是时间截面上的静态研究，忽视创新活动动态性过程；③ 研究内容方面，已有文献尚未开展针对创新规模和创新联系关系的直接研究，涉及创新规模与创新联系关系的研究往往事先假定“创新规模决定着创新联系”，然后借助引力模型测算出创新联系，有必要对创新规模和创新联系关系做深入分析探讨。