在知识经济时代，创新能力成为国家和城市发展的重要推动力。党的十八大报告明确提出实施创新驱动发展战略，强调科技创新是国家发展全局的核心，是提高社会生产力和综合国力的战略支撑。许多省、市也纷纷制定了区域创新和城市创新战略^[1]。在这样的背景下，打造适合承载创新活动和新兴产业的创新空间成为未来城市空间优化的重点^[2]。近年来，国内外创新系统研究由早期的强调技术创新转向知识创新，创新产出的主要群体也由蓝领转变为高知识阶层的白领，人才成为城市的核心竞争力，对创新空间的建设也更加关注人才的身心需求。

城市舒适性所包含的宜人的自然环境、高品质的生活设施、包容的社会氛围被认为能够吸引创新人才、汇聚资本力量，从而影响城市的经济、社会、文化等方面^[3]。因此，在当代以知识和创意为驱动力的经济体系下，城市舒适性对于人才的吸引作用、创新产出的增值作用有着非比寻常的意义，这也能够为我国部分遭遇可持续发展危机而需转型升级的重工业或资源型城市提供留住人才、促进城市发展的新策略^[4]。这一概念最早的提出者Ullman发现美国阳光地带的气候适宜性是促进人口迁入、城市发展的主要原因。为进一步研究影响城市发展的推动力，城市舒适性的内涵得以不断地完善与发展，国内外学者的定义指标大多能归纳到自然气候、生活品质，社交氛围三个维度下^[3]。Florida认为创意人才拥有共同的价值观和生活方式，青睐拥有社会互动(social interaction)、真实性(authenticity)和包容性(identity)的地方，这能够促进创意阶层互相学习，同时参与到地方的各种文化、有多样性人群的环境中去^[5]。Glaeser认为城市发展最重要两个因素是高技能人才和气候舒适性，在寒冷的地方，高技能人才对高质量的教育、安全的街道和邻里、性价比高的住房提出更高的要求，同时购物舒适性在任何地方都十分重要^[6]。Clark认为舒适性即城市吸引力，在如今消费需求持续上升的环境中，他尤为强调休闲娱乐设施和服务的重要性^[7]。国内学者何金廖等以南京创意产业为例，发现了城市舒适性的中国特色，在休闲与社交舒适性方面，“食”与“购”相比于西方人所认定的夜生活和咖啡厅文化，可能对中国创意人群更有吸引力^[8]。

目前我国城市区域创新空间研究主要集中在国家创新体系的空间结构^[9]、区域创新产出空间分异特征及成因^[10]、经济带或省级区域创新产出的空间相关性^[11]、创新效率评价及影响因素^[12]、产业集聚及知识溢出效应等^[13]。而城市内部创新空间研究相对较少^[14]，主要以创新空间结构的时空演化模式及其影响因素为主，其中段德忠等从创新产出的视角来建立城市创新评价体系，基于邮政编码空间数据库划分城市创新产出单元，以论文发表量和专利申请量作为创新综合指数分析了25年间上海市和北京市两个城市的创新空间结构演变、创新空间关联规律等^[15]；李佳洺等以杭州为例，从创新所需资源和环境条件的角度来探讨城市创新空间潜力，分析了产业集聚区、高素质人才、科研基础设施、自然环境等单个要素的分布格局，并以这些要素建立指标体系来评估城市不同区域的创新发展潜力^[2]；吴先慧等以深圳为例探究城市创新产出的影响因素，将专利授权总量、高新技术产品产值、出口总额作为创新产出指标，将研发投入、经济结构、基础设施、人力资本、对外开放程度和创新政策六大维度下的各个指标作为因变量，结果显示人力资本和创新基础设施两个方面的指标对于城市创新产出的贡献更大^[16]。

总体来看，我国创新空间研究主要集中在国家及区域层面，对城市内部空间创新关注不足。同时，在知识经济时代，人才所创造的创新技术和产品成为驱动经济发展的主力，而大多数学者是从政府投入及政策、基础设施、人才数量等方面来探究影响创新产出的因素，鲜有从城市舒适性视角分析其对人才的吸引及对创新的促进。2003年实施老工业基地振兴战略以来，东北地区的创新能力稳步提升，但其增长速度远低于全国平均水平^[17]。长春市当前正处于产业转型的关键时期，大力开展创新产业集群建设及创新空间的培育，能更好地优化资源配给，促进创新能力的提升，而城市舒适性为其创新能力提升提供了新的分析视角。基于以上背景，本研究将采用专利授权数来测量长春市的创新产出的能力，从城市街道的尺度来探究其空间的发展演变，试图从城市舒适性视角出发，探讨舒适性环境对长春市创新产出的影响机理，以期为长春市创新产业发展及创新空间培育提供科学建议。

目前学术界对衡量创新产出的指标尚未达成共识，创新产出的测度方法主要有从专利数据中统计发明产出数量、从文献数据中采集创新信息、从企业和其他创新主体中进行创新数据的调查等^[18]。由于本文主要研究城市创新产出的空间演变特征，故选择能反映科学发明和创新产出结果的测量指标——专利数量进行分析，并且其地点属性能为创新产出的空间分布提供直接证据。专利数据来源于国家知识产权局(http://epub.sipo.gov.cn/gjcx.jsp)，利用爬虫软件获取专利公告日为2009年至2018年间有效专利数据34770条，原始数据包含专利名称、专利简介、IPC分类号、申请人地址等信息。其中地址由邮编和街道门牌号构成，数据可以反映专利产出的主体以及专利所在的空间位置。借助百度API接口获取长春市道路网，利用LocaSpace Viewer软件将专利的地址数据转换为WGS1984坐标点。

首先采用标准差和变异系数对长春市创新产出年际变化、空间发展均衡性等特征进行整体测度。然后采用全局自相关分析方法测度专利数量空间分布模式。

(1)

式中：I为Moran指数，反映空间邻接的区域单元属性值的相似程度；n为空间单元总数；w_ij为空间权重矩阵，本文采用简单二进制邻接矩阵表示区域i与区域j的临近关系；x_i是空间单元i的专利授权数量值；Moran指数I的取值范围为[-1, 1]，值大于0，表明存在空间正相关关系，值趋向于1，空间分布相关性越大，聚集特征越明显；值小于0，表明存在空间负相关关系，相邻区域属性值差异大；值趋向于0，说明相邻空间单元相关性低，空间随机分布^[19]。

为进一步探测长春市创新产出的空间集聚特点，在ArcGIS 10.3软件环境下采用核密度分析工具，按照自然断裂点分级法将核密度结果分为低值区、较低值区、中值区、较高值区和高值区五类，获得创新产出空间分布特征的可视化结果。核密度计算公式如下：

(2)

式中：f(s)为空间位置s处的核密度计算函数；k函数为空间权重函数；h为距离衰减阈值；n为与位置s的距离小于或等于h的点数^[20]。

采用热点分析(Getis-OrdG^*)方法测度空间创新产出热点区，进一步探究空间格局的演变，探讨创新空间单元之间是否存在知识溢出效应。计算公式如下：

(3)

式中：x_j是第j个空间单元的要素属性值；w_ij代表空间权重矩阵；n是要素总数。公式(3)中G_i^*统计是z得分，表示标准差的倍数，可以识别具有统计显著性的高值(热点)和低值(冷点)的空间聚类。如果空间单元i的z得分高且p值小，则表示其有一个高值的空间聚类。相反，则表示有一个低值的空间聚类。如果z得分接近于零，则表示不存在明显的空间聚类^[21]。

为研究不同城市舒适性因子对创新产出的影响，本研究基于全域回归(OLS)模型进行空间回归分析，再进行地理加权回归分析，对二者模型拟合优度进行比较，选取较优模型进行分析。普通最小二乘法(OLS)是所有回归方法中最常用的方法，其计算公式如下：

(4)

式中：Y是因变量；β₀是方程常数；β_n是自变量X_n的系数；ε是随机误差。GWR模型利用空间数据，在全域回归模型的基础上进行空间范围内每个空间单元的局部回归方程，来探索创新产出在街道尺度下的空间变化及相关城市舒适性因子^[22]，其方程式表达如下：

(5)

式中，(u_i, v_i)是第i个样本的中心地理坐标，β_k(u_i, v_i)是连续函数β_k(u, v)在i样本空间单元的值。

据长春市统计公报显示，近几年来，长春创新产业产值不断上升，2018年全市技术合同成交额达332.7亿元，长春市入选自然指数全球科研城市50强，位列第42位。本文选取2009、2012、2015、2018年的专利授权数作为创新产出指标，计算其总数、平均值、极差、标准差等以探究长春市创新产出的整体发展态势(表 1)。可以看出，长春市创新产出的专利总数、均值不断增大，说明2009年以来长春市参与城市创新的空间单元及创新主体不断增加，城市创新实力显著提升(图 1)。但同时，从标准差、变异系数来看，城市创新产出的空间差异也在逐渐增大，劣势区域创新产出增加，但优势区域也更加突出。采用全局空间自相关方法计算长春市创新产出的全局Moran's I指数，分析创新产出的空间集聚模式。可以看出，2009—2018年长春市创新产出的Moran's I指数均大于0，总体呈现出“下降—上升”的波动态势，说明创新产出呈现出一定程度的集聚特征，且具有空间正相关分布模式。

表 1(Tab. 1

表 1 2009—2018年长春市创新产出描述性统计 Tab.1 Descriptive Statistics on Innovation Output in Changchun (2009—2018)

表 1 2009—2018年长春市创新产出描述性统计 Tab.1 Descriptive Statistics on Innovation Output in Changchun (2009—2018)

图 1(Fig. 1)

图 1 2009—2018年长春市专利授权总数 Fig.1 The Total Number of Patent Licenses in Changchun (2009—2018)

长春市创新产出的空间核密度估计如图 2所示。自2009年以来，长春市创新产出整体呈现核心不变，廊道扩散的形态特征。重点形成四大核心区，分别为以中国第一汽车集团公司为核心的汽开区组团；以人民大街沿线的电力科学研究、长春应用化学研究所、东北师范大学、吉林大学南岭校区形成的组团；以长春理工大学为龙头，沿硅谷大街和光谷大街所夹的电子机械创新产出空间的高新区组团；以中国科学院长春光学精密机械与物理研究所为核心与若干机械有限公司部署周边的经开区组团。创新产出的发展以廊道扩散方式为主，随时间演化，逐年新增的创新产出空间单元向城市南部边缘区扩展，总体以人民广场为中心向西南、东南方向延伸。高新区组团一直是长春市创新产出增长极，随时间推移，创新产出向西南方向增长，十年间逐渐形成成熟的轴带状发展形态，沿硅谷大街和光谷大街所夹的电子机械创新产出空间廊道进一步扩散，形成以长春理工大学、吉大南校为龙头，沿蔚山路和超越大街西侧分布的发展格局。总体来看，长春市创新产出呈现出“西南集聚，东南分散”的空间布局模式，创新产出单元主要集聚于人民大街以西，西安大路以南的区域。创新产出主力均为高等院校、科研中心、科研院所及高校与企业所形成的产学研地区。内城是创新产出的多产区和集聚区，说明创新产出主体更倾向于内城较为完善的社交、休闲、交通便利等舒适性环境。

图 2(Fig. 2)

图 2 2009—2018年长春市创新产出核密度估计 Fig.2 Kernel Density Estimation of Innovation Output in Changchun (2009—2018)

创新产出高度集中的空间单元可视为创新的热点区域，为进一步分析创新产出集聚的特征，以街道划分空间单元，采用局域Getis-Ord G^*指数探索长春创新产出的热点区域，结果如图 3所示。可以看出，随时间的变化，创新产出的显著热点区域逐年增加，呈现由城市中心向城市西南方向发展的态势。2009年显著热点区域集中在城市中心，2012年之后热点区域不再变化，但热点区的显著性逐渐增强，向城市南向增强，2015、2018年继而向城市西南、东南方向扩展，关联效应逐年增强。除人民大街组团作为传统创新产出集聚中心外，城市西南轴线上的高新技术区、南部轴线上的南关区明珠街道、幸福乡成为长春市创新产出的显著热点，这主要得益于城市南部新城、高新及净月经济技术开发区的快速发展。产学研地区创新活力持久、带动能力强。十年间朝阳区南湖街道与周边的人民大街组团、高新区组团一直作为创新产出的“高—高”聚集区，是创新产出最为活跃的区域，区块间的相互作用显著。从热点的分布来看，以高等院校、科研中心及企业所在的产学研地区，其创新活力较为持久，连结区域热点逐年外扩，带动了周围创新产业发展，在一定程度上体现了知识溢出效应的影响。而单纯以企业或高校研究机构为支撑的创新产出单元知识溢出效应弱，例如净月高新技术开发区的创新主力仅是高校，虽然创新产出值高，但创新产出的溢出效应弱。

图 3(Fig. 3)

图 3 2009—2018年长春市创新产出热点分析结果 Fig.3 Getis-Ord Gi* of Innovation Output in Changchun (2009—2018)

2018年长春市创新产出的Moran's I指数为0.051，呈集聚趋势，存在空间自相关性。以街道划分创新产出空间单元，为消除专利产出时间滞后的影响，避免单年专利数据的偶然性，参考之前学者的做法，将2016、2017、2018年专利产出的平均数作为因变量^[23]。基于城市舒适性的理论内涵^[4-7]，本文分别从景观舒适性、社交舒适性、休闲舒适性、交通舒适性、教育舒适性五个方面来分析长春市创新产出格局的影响因素(表 2)。其中，景观舒适性选取公园广场和历史遗迹两个指标，分别探讨自然景观和人文景观环境要素对创新产出的影响。社交舒适性主要考虑创新阶层间的工作环境与交流场所，将工作环境分为产业园区和公司企业；交流场所将餐饮场所分为中餐馆和快餐馆；同时，根据国外学者对夜生活社交场所的关注，选取酒吧、KTV、夜总会等影响因子进行表征。休闲舒适性是高品质生活的重要组成部分，对高精尖人才存在一定的吸引力，主要选取游戏娱乐、体育休闲、影剧院、美容美发等环境要素。交通舒适性选取公交站、地铁站、停车场等环境要素。教育舒适性要素分为基础教育、高校和研究机构进行分析。各个变量采用的是百度地图获取的2018年POI数据，并通过ArcGIS 10.3软件的Join功能统计每个街道单元内各类场所的数量。

表 2(Tab. 2

表 2 城市舒适性变量描述 Tab.2 Description of the Indications of Urban Amenities

表 2 城市舒适性变量描述 Tab.2 Description of the Indications of Urban Amenities

在运用地理加权回归模型(GWR)之前识别可能的最佳普通最小二乘法(OLS)模型。本文OLS模型拟合结果显示：在Koenker(BP)统计量P值小于0.01情况下，通过联合卡方统计量来确定OLS模型的显著性，P值小于0.01，表示OLS模型整体具有统计显著性；考虑到多重变量共线性的影响，原解释变量中VIF值大于7.5的可逐一从模型中移除。结合OLS模型拟合结果，在建立的GWR模型中剔除美容美发、体育运动2个舒适性因子，最终GWR模型R²为0.87，说明所涵盖的因变量方差的比例为87%；OLS模型的AICc为801.24，而GWR模型的AICc为799.86，说明GWR模型的拟合结果优于OLS模型。GWR模型估计统计结果如表 3所示。

表 3(Tab. 3

表 3 GWR模型的估计系数统计 Tab.3 Estimation Coefficient Statistics of GWR Modelling

表 3 GWR模型的估计系数统计 Tab.3 Estimation Coefficient Statistics of GWR Modelling

总体上，城市舒适性的各类指标对于创新空间集聚的影响程度差异较大，各个指标在空间上的影响相对均衡。对比来看，休闲舒适性与创新产出的相关关系最强，社交舒适性、教育舒适性次之，景观舒适性相对较弱；交通舒适性指标多呈现负相关关系，说明交通舒适性因子对长春市创新产出空间聚集的影响程度较低。

休闲舒适性各项指标均与创新产出呈正相关关系且相关系数较高，影剧院(11.09)、游戏娱乐(5.46)、户外活动(1.59)等均具有较大正向促进作用。可见，休闲舒适性是创新阶层不可缺少的体验，这与Clark认为休闲活动能够促进城市舒适性，吸引人力资本的观点相合^[24]。一方面，长春市创新主体高校、科研机构、国企单位等均配有各类休闲活动室，周边相应的基础设施和娱乐设施也较为丰富，满足了创新阶层工作之余的日常生活需求以及更高层次的心理需求。另一方面，高校大学生和部分创新阶层人群主要集中在20—40岁之间，该年龄段人群在一定程度上热衷于寻求流行的娱乐元素和新鲜事物，而该类场所有助于舒缓创新人才的工作压力、激发工作灵感与想象力，从而提高创新产出。近10年来国外学者Clark、Carlino等的研究表明，城市的休闲娱乐、购物机会、文化设施、高品质餐馆等为创意阶层提供了生活舒适性；现代城市经济理论和政策制定者也逐渐将为消费者提供休闲设施视为吸引人才的一种方式，尤其是高技能人士及其雇主^{[24, 25]}。

从社交场所的舒适性来看，长春市创新阶层的工作场所更倾向于产业园区(7.31)而非公司企业(0.54)，交流场所更倾向于中餐馆(4.62)而非快餐(-0.89)，与夜生活场所(-3.01)空间隔离。长春市创新阶层工作场所的选择与长春市主要的创新行业息息相关，相比于南方众多的电子信息、文化创意等小规模生产的产业，东北地区以装备制造、高新技术为主导的创新行业更适合落户于产业园区，一方面其生产、加工等占地面积较大，另一方面由于此类产业技术迁移几率较高，处于产业集聚区中所凸显的协同作用与溢出效应更强，产业园区的形式更能提高创新主体的创新能力。从交流场所来看，中餐馆等符合中国传统文化的饮食场所具有更高的相关性，而快餐馆等相关程度较低，夜生活场所没有表现出同西方研究一致的结论，这与何金廖等的研究结果相符：餐饮和购物场所比起西方人所依赖的生活服务空间(如咖啡和酒吧)在中国要更为重要；也说明长春市创新园区工作与夜间休闲功能相对分离，局部工作与休闲混合的微环境还没有形成。

从教育舒适性来看，除研究机构(-3.77)呈现负相关外，高校(8.06)、基础教育(3.80)与创新产出均呈现正相关关系。说明高校是创新人才的稳定产出源，大学和科研院所为创新产出提供人才储备。从产学研的角度来看，高校与企业、产业园区所形成的稳定供需关系，企业需要新产品开发、高新技术人才提升其整体竞争力，通过借助高校的科研、人才优势，解决生产技术难题和技术需求，合作培养高科技人才并吸引其进入到企业中^[26]。高校教育需与经济社会发展紧密结合，一方面与产业部门合作促进高新技术成果的转化，顺应市场需求；另一方面培养具有创新能力的就业型人才，同时也能获得来自企业科研经费，进一步促进科学研究地深入，相互促进创新产出效益，达到双赢的局面。这个结果也很好地解释了高新区中以长春理工大学为龙头及沿硅谷大街和光谷大街所围合的电子机械创新产出空间能够在这十年中创新活力稳定持久的原因，高等教育舒适性因子在此过程中至关重要。

从景观舒适性的维度来看，长春市创新产出与公园广场指标呈现负相关关系(均值-18.53)，而与历史遗迹呈现正相关关系(均值4.38)。可见长春市的创新产出与自然景观要素关联较弱，而与历史人文景观要素紧密相关。城市舒适性具有明显的地域性，Butcher认为舒适性是无法市场化的本地特色^[27]。无论在伪满洲国时期还是解放战争时期，长春遗留下的历史建筑诸多，新中国成立以后，考虑到历史建筑的保留维护和再利用价值，许多大学或研究机构在其旧址上进行扩建，保留原先的地方面貌，这些地方记忆在一定程度上增加了人才对地方的依恋感，从而留住了人才。例如长春一汽社区中符号化的公共设施、发展的历史记忆形成了“一汽人”不可替代的文化认同。对于工业遗产，长春市通过城市更新、再生的策略和政府政策支持，将其改造为公共游憩空间或创意文化产业园，吸引创新阶层的入驻，这在一定程度上与城市舒适性的理论内涵相合，促进了城市空间的创新产出。例如长春市二道区打造工业文化大道，将工业遗产与城市发展融合，对上世纪50年代长春最具代表性的工业遗址——长春拖拉机厂进行改造，历史景观与创意产业的协同发展使地方独有的文化要素通过赋予现代意义进行了再生。

基于专利公告数据，从年际变化、空间发展均衡性、空间集聚格局等方面深入分析长春城市内部创新产出的空间特征，并从城市舒适性视角探讨影响城市创新产出的环境因素。主要研究结果如下：①从区域均衡性的动态变化来看，2009—2018年长春市创新产出变异系数下降的变动态势反映出近年来长春市创新发展差异逐渐缩小，局部区域相对均衡；空间核密度呈现出由极化到相对均匀再到相对极化的演化趋势。②从空间格局的变化来看，2009—2018年长春市创新产出的空间单元数量增多，形成“北低南高，四大核心”的空间格局，有城市东南、西南方向发展的趋势；在空间上呈现“西南集聚，东南分散”分布态势，并伴随显著的高值集聚现象，十年保持热点区域“南多北少”的特征，企业、大学与研究机构的空间聚集促进知识溢出效应。③城市舒适性对于长春市创新产出的空间集聚有一定影响，休闲舒适性因子整体与长春市创新产出的空间分布相关性较强；人文景观较自然景观、中餐馆较快餐和夜生活场所、产业园区较公司企业、高校较研究机构与创新产出的联系更为紧密。

创新能力已成为一个国家和城市的核心竞争力，在知识经济时代，创新人才成为推动城市发展的核心动力之一。从2017年以来，我国西安、南京、武汉等众多二三线城市通过放宽落户门槛、提供货币补贴等优惠政策发动的“抢人才战”进一步证明越来越多的城市管理者意识到创新人才的重要作用。从本文的研究结论来看，一方面，论文构建的城市舒适性变量在促进城市创新产出方面均具有一定的积极作用，休闲舒适性、教育舒适性与创新产出的相关性较强，这与西方部分学者的研究结论一致。另一方面，国内外地域文化的差异使得社交场所舒适性因子的作用有所不同，相比于西方社会强调的夜生活和酒吧场所，符合中国传统文化的中餐馆与创新产出具有更高的相关性。城市舒适性具有较强的地域性，在景观舒适性方面，长春市伪满时期的历史建筑与工业文化遗产成为其独有的地方特色，使得长春市的城市舒适性内涵与其他城市区域也有所差异。从实证区域来看，长春市创新环境还并不成熟，主要创新主体是高校、研究机构及政府支持的一汽、轨道客车等国营企业，而与深圳、北京、上海等极具创新力的城市相比，民营企业缺少创新动力；并且产业园区间的关联性较弱、社交环境单一，无法获得自发的交流或者创新协助，在吸引创新人才的创新主体多样性及交通舒适性上仍有进一步提升的空间。未来政府可聚焦差异化邻近性、区域管制及外部情境等^[28]，加强产业园区中产业的横向联系，优化高校和研究机构的创新环境；除加大财政支持外，采取企业与企业、高校科研机构与企业共建，加强技术和业务互动，连接供需，实现技术交易和成果转化。为培育壮大创新创业主体，吸引大学生及青年创业者、科技人员和海归人员提供政策倾斜。同时，注重高质量的生活品质所带来的城市舒适性对创新产出的促进作用，可围绕景观特色、美食文化、休闲场所、交通便利性等方面打造创新性微环境。

本文利用专利数在城市街道层面探讨了创新产出的空间分布格局及影响因素，丰富了城市舒适性对创新产出影响的内涵，对传统工业城市转向创新产业发展和人才吸引也有一定启示。但研究还有待继续完善，在指标选取上已有的区域创新产出研究多结合论文数量、规模以上企业R&D、技术市场成交额等来衡量创新产出，本文选取的专利数量不能完全代表创新产出的所有结果，如何同时满足城市创新空间结构研究的尺度精细化和指标全面化是值得进一步思考的方向。另外，在城市舒适性与创新方面的研究中，针对创新环境的营造及产学研互动与协同发展有更为深刻的内涵，需要进一步深入研究；从舒适性视角的分析，学者们多从创意产业、中西差异角度进行研究，由于城市舒适性不同指标对于国家、城市影响效力不同，结合地域特色的舒适性影响差异及其机理仍需进一步探讨。