امروز : پنج شنبه, ۱۴ تیر , ۱۴۰۳
پایداری | متن کامل رایگان | بررسی تاثیر اتصال شهری بر کارایی نوآوری شهری: مطالعه تجربی دلتای رودخانه یانگ تسه در چین
۱٫ معرفی در عصر اقتصاد دانش، نوآوری به عنوان محرک اصلی رشد اقتصادی شهری برجسته می شود [۱]. تعداد فزاینده ای از شهرها اهمیت تقویت ظرفیت نوآوری شهری خود را برای افزایش رقابت اصلی تشخیص می دهند که به ویژه در شهرهای بزرگ برجسته است. [۲,۳,۴]. به عنوان مثال، در سال ۲۰۲۳، نیویورک از نقشه […]
۱٫ معرفی
۳٫ داده ها و روش ها
۳٫۱٫ منطقه مطالعه
دلتای رودخانه یانگ تسه (YRD) بهعنوان یکی از پیشرفتهترین مناطق چین از نظر اقتصادی متمایز است که به دلیل سطح بینظیر باز بودن و ظرفیت نوآوری قوی آن متمایز است. YRD که از نظر استراتژیک قرار دارد، نقشی محوری در تلاشهای نوسازی چین و استراتژی بازگشایی جامع دارد. تسهیل توسعه یکپارچه YRD و تقویت نوآوری و رقابت پذیری آن اهمیت عمیقی در پیشروی توسعه با کیفیت بالا چین و ایجاد یک چارچوب اقتصادی مدرن دارد.
۳٫۲٫ منابع اطلاعات
در ارزیابی خود از کارایی نوآوری در شهرهای YRD، ما در درجه اول بر دو متغیر کلیدی برای اندازهگیری ورودیهای منابع انسانی و مالی متمرکز شدیم: کارکنان تحقیق و توسعه تجربی (R&D) و هزینه تحقیق و توسعه. علاوه بر این، تعداد درخواست های ثبت اختراع و حجم مقالات علمی و فناوری را به عنوان شاخص های خروجی انتخاب کردیم. دادههای مربوط به پرسنل تحقیق و توسعه و هزینهها از سالنامه آماری شهر چین و بولتنهای آماری محلی استخراج شد. اطلاعات مربوط به اختراعات اختراع از اداره مالکیت فکری دولتی به دست آمده است، در حالی که داده های مربوط به مقالات علمی و فناوری از پایگاه داده کامل متن مجله چینی تهیه شده است.
در بررسی عوامل مؤثر بر کارایی نوآوری در شهرهای YRD، تولید ناخالص داخلی سرانه، مانده سپرده و وام پایان سال مؤسسات مالی، تعداد دانشجویان دانشگاه، نسبت هزینههای علم و فناوری در هزینههای مالی محلی، و میزان سرمایه گذاری خارجی استفاده شده واقعی از سال های مربوطه سالنامه آماری شهری چین و سالنامه آماری محلی تامین می شود. با این حال، دادههای مربوط به شرکتهای فهرستشده از پایگاهداده گزارش سالانه شرکتهای فهرستشده Wind به دست میآیند، در حالی که اطلاعات مربوط به جریان جمعیت از دادههای مهاجرت بایدو به دست میآید.
۳٫۳٫ تحلیل پوششی داده ها
در فرمول، θ (۰ <θ ≤ 1) نشان دهنده شاخص جامع بازده ورودی-خروجی است که به عنوان شاخص کارایی جامع شناخته می شود. هنگام ارزیابی کارایی ورودی- ستانده منابع نوآوری در شهرهای M، با فرض یک سیستم شاخص ارزیابی شامل K شاخص ورودی و L شاخص خروجی، که در آن xmk (ایکسmk > 0) حجم k را نشان می دهدهفتم نوع ورودی منبع در mهفتم شهر، و yمیلی لیتر (yمیلی لیتر > ۰) حجم l را نشان می دهدهفتم نوع خروجی در مترهفتم شهر برای آنهاهفتم شهر (m = 1, 2, …, M)، ε نشان دهنده یک کمیت بی نهایت کوچک غیر ارشمیدسی است. λمتر (لمتر ≥ ۰) به عنوان یک متغیر وزنی عمل می کند که بازده مقیاس را برای منابع نوآوری شهری تعیین می کند. س– (s– ≥ ۰) نشان دهنده یک متغیر سستی است که نشان دهنده کاهش ورودی های مورد نیاز برای منابع تحقیق و توسعه برای دستیابی به اثربخشی DEA است، در حالی که s+ (s+ ≥ ۰) یک متغیر باقیمانده را نشان می دهد که خروجی اضافی مورد نیاز برای منابع نوآوری برای دستیابی به اثربخشی DEA را نشان می دهد.
۳٫۴٫ مدل های رگرسیون فضایی
با توجه به همبستگیهای فضایی ذاتی در نوآوریهای شهری، ترکیب اثرات فضایی هنگام بررسی عوامل تعیینکننده کارایی نوآوری شهری از طریق مدلهای رگرسیون ضروری میشود. مدلهای تاخیر مکانی (SLM) و مدلهای خطای فضایی (SEM) معمولاً برای پرداختن به تعاملات فضایی بین متغیرها استفاده میشوند. در مطالعه خود، ما از هر دو مدل برای روشن کردن عوامل موثر بر کارایی نوآوری شهرهای YRD استفاده میکنیم.
ماتریس وزن فضایی W بر اساس قانون مجاورت مرز مشترک یا رئوس (Queen) ساخته شده است، که در آن W = 1 اگر دو شهر دارای یک مرز مشترک یا رئوس مجاور باشند، و W = 0 در غیر این صورت.
۴٫ الگوهای کارایی نوآوری در شهرهای YRD
۴٫۱٫ کارایی جامع
با توجه به کارایی جامع، میانگین امتیاز در ۲۷ شهر در YRD برای سال ۲۰۱۸ در حد متوسط ۰٫۵۱۱ قرار داشت که نشان دهنده سطح کلی پایین تر کارایی است. شایان ذکر است، تنها سه شهر – نانجینگ در استان جیانگ سو، و ووهو، و آنکینگ در استان آنهویی – به امتیاز کامل ۱۰۰۰ دست یافتند که نشان دهنده سطوح کارایی بهینه است. علاوه بر این، Chizhou و Chuzhou در استان آنهویی، همراه با Huzhou در استان ژجیانگ، بازده جامع قابل ستایش بیش از ۰٫۷۰۰ را نشان دادند. برعکس، شهرهای ژجیانگ، اکثر شهرها در جیانگ سو و حتی شانگهای نمرات کارایی جامع نسبتاً پایین تری را نشان دادند.
۴٫۲٫ بهره وری فنی خالص
در سال ۲۰۱۸، متوسط بازده فنی خالص در ۲۷ شهر ۰٫۵۸۴ بود. قابل توجه، نانجینگ، ووهو، آنکینگ، چیژو، شانگهای، و سوژو کارایی فنی خالص مثال زدنی را نشان دادند و به امتیاز کامل ۱۰۰۰ در ورودی و خروجی منابع نوآوری دست یافتند. شهرهایی مانند هفی، هوژو و چوژو که با فاصله زمانی بین ۷۰ تا ۹۰ درصد از مقدار بهینه، به سطوح بازده فنی ناب دست یافتهاند، در رتبه بعدی قرار دارند. در همین حال، شهرهایی مانند هانگژو، ژوشان و مانشان در سطوحی بین ۵۰ تا ۷۰ درصد از ارزش بهینه کارایی فنی خالص عمل کردند.
۴٫۳٫ کارایی مقیاس
در سال ۲۰۱۸، میانگین کارایی مقیاس ورودی ها و خروجی های نوآوری در ۲۷ شهر به ۰٫۹۰۵ رسید که از مقادیر متوسط کارایی فنی جامع و خالص فراتر رفت. با این حال، تنها سه شهر – نانجینگ، ووهو و آنکینگ – به امتیاز کامل ۱۰۰۰ دست یافتند که نشان میدهد کارایی مقیاس شهرهای دیگر هنوز جای بهینهسازی دارد.
شایان ذکر است، کارایی مقیاس هفده شهر در محدوده ۹۰٪ تا ۱۰۰٪ مقدار بهینه قرار دارد و ۶۳٪ از کل شهرها را در بر می گیرد. علاوه بر این، سه شهر – Tongling، Wenzhou و Zhoushan – به مقدار بهینه کارایی مقیاس بین ۸۰٪ و ۹۰٪ دست یافتند. Hangzhou و Hefei، با مقادیر کارایی مقیاس بین ۶۰٪ و ۷۰٪، دو شهر را در این براکت نشان می دهند.
جالب اینجاست که شانگهای و سوژو به ترتیب با ۰٫۴۳۲ و ۰٫۴۳۱ کمترین راندمان مقیاس را ثبت کردند و در رتبه های ماقبل آخر و اول در بین شهرها قرار گرفتند. علیرغم سرمایه گذاری قابل توجهی که در نوآوری انجام داده اند، این شهرها، همراه با هانگژو و هفی، تلاش های خود را به طور موثری به بهبود کارایی نوآوری تبدیل نکرده اند. بنابراین، بهینه سازی ساختار مقیاس به یک منطقه حیاتی برای بهبود تبدیل می شود.
محاسبات مدل نشان می دهد که برای بهبود بیشتر در بهره وری نوآوری، نه شهر – شانگهای، هانگژو، هفی، سوژو، ونژو، جین هوا، تایژو، جیاکسینگ و نینگبو- باید به جای صرفاً بر روی ساده کردن مقیاس خود و افزایش کیفیت سرمایه گذاری تحقیق و توسعه تمرکز کنند. تمرکز بر افزایش مقیاس
۴٫۴٫ انواع ورودی-خروجی نوآوری
شهرهای پیشرو در نوآوری: این دسته شامل هشت شهر از سه نوع متمایز می شود: ورودی بالا-بازده بالا، نمونه ای از نانجینگ. بازده متوسط ورودی بالا، نشان داده شده توسط Hefei، Hangzhou، Shanghai، Suzhou، و Yangzhou. و بازده متوسط ورودی بالا، مشخصه توسط Wuhu و Huzhou. این شهرها دارای پایه ای قوی برای نوآوری، همراه با سطوح بالای توسعه اقتصادی و اجتماعی و منابع علمی و آموزشی فراوان هستند. در نتیجه، آنها پتانسیل ظهور به عنوان قطب های نوآوری پیشرو در YRD را دارند. در حرکت رو به جلو، باید بر پیشبرد مرزهای علم و فناوری و رفع نیازهای اساسی ملی برای تقویت ایجاد مراکز نوآوری و پرورش صنایع پیشرفته تاکید شود. برای شهرهایی که به عنوان راندمان ورودی بالا-متوسط طبقه بندی می شوند، بهینه سازی ساختار ورودی های نوآوری و افزایش کیفیت ورودی منابع نوآوری ضروری است.
شهرهای بهینه شده برای نوآوری: این دسته شامل یازده شهر است که به سه نوع طبقهبندی میشوند: بازدهی بالا-کم (چانگژو، نینگبو، ووکسی و نانتونگ)، بازده متوسط ورودی-متوسط (جیاکسینگ، ژنجیانگ و یانچنگ)، و ورودی متوسط- راندمان پایین (Taizhou، Wenzhou و Shaoxing). این شهرها دارای مزایای خاصی در پایه نوآوری خود هستند که با سطوح نسبتاً بالایی از ورودی های نوآوری مشخص می شود، با این حال خروجی های نوآوری آنها نسبتاً پایین باقی می ماند. برای پرداختن به این موضوع، یک تلاش هماهنگ باید به سمت بهینه سازی ساختار ورودی، بهبود کیفیت ورودی منابع نوآوری، و افزایش کارایی کلی نوآوری هدایت شود.
شهرهای نوآورانه: این دسته شامل سه شهر چوژو، آنکینگ و چیژو میشود که همگی در استان آنهویی واقع شدهاند و با دینامیک ورودی کم-بازده بالا مشخص میشوند. علیرغم سطوح ورودی نسبتا پایین، این شهرها خروجی های نوآوری کارآمدی را نشان می دهند. در آینده، این شهرها می توانند از شرکت های محلی با فناوری پیشرفته برای تقویت سرمایه گذاری در منابع نوآوری استفاده کنند.
شهرهای ارتقا یافته با نوآوری: این دسته شامل پنج شهر است که به دو نوع طبقه بندی می شوند: بازدهی کم ورودی-متوسط (ژوشان، مانشان و ژوان چنگ) و بازده کم با ورودی پایین (جین هوا و تونگلینگ). این شهرها سطوح نسبتاً عقبافتادهای از توسعه اقتصادی و اجتماعی را نشان میدهند که نشاندهنده نیاز به بهبود بنیاد نوآوری آنها است. برای افزایش ظرفیتهای نوآوری، تلاشهای آتی باید بر تقویت سرمایهگذاری در منابع نوآورانه در راستای زمینههای خاص آنها متمرکز شود.
۶٫ نتیجه گیری و بحث
کارایی نوآوری شهری به عنوان یک شاخص جامع که رابطه بین ورودی و خروجی منابع نوآوری شهری را منعکس میکند، ارائه میکند، بنابراین بینشهای مهمی را در مورد قابلیت نوآوری علم و فناوری شهری ارائه میدهد. در پس زمینه ادغام عمیق دلتای رودخانه یانگ تسه (YRD)، ارزیابی علمی و تجزیه و تحلیل کارایی نوآوری شهرهای این منطقه بسیار مهم است. هدف این تلاش بهینه سازی تخصیص منابع نوآوری منطقه ای و افزایش هم افزایی ظرفیت نوآوری و کارایی شهرهای YRD است. بر این اساس، این مطالعه از یک مدل DEA بهبود یافته برای اندازهگیری کارایی نوآوری ۲۷ شهر در YRD استفاده کرد و عوامل مؤثر بر این کارایی را مورد بررسی قرار داد. نتایج اصلی به شرح زیر است:
اولاً، کارایی جامع کلی ۲۷ شهر در YRD کم است و تنها سه شهر – نانجینگ، ووهو، و آنکینگ – به امتیاز کارایی جامع ۱۰۰۰ دست یافتهاند. شانگهای بهعنوان بزرگترین شهر، بازدهی نوآوری را به نمایش میگذارد که تنها در رتبه دوازدهم در میان ۲۷ شهر قرار دارد که کمتر از انتظارات است.
ثانیا، کارایی فنی خالص به عنوان یک ضعف قابل توجه در میان ۲۷ شهر در YRD ظاهر می شود، با اکثر شهرها در محدوده ۳۰ تا ۵۰ درصد بازده بهینه قرار دارند. در مقابل، کارایی مقیاس تمایل دارد از مقادیر متوسط کارایی فنی جامع و خالص بهتر عمل کند. با این حال، شانگهای و سوژو کمترین کارایی مقیاس را در بین شهرها دارند.
ثالثاً، شهرهای موجود در YRD را میتوان بر اساس مقیاس ورودیهای نوآوری و سطوح کارایی به چهار نوع طبقهبندی کرد، یعنی شهرهای پیشرو در نوآوری، شهرهای بهینهشده برای نوآوری، شهرهای نوآوری نوآور، و شهرهای ارتقا یافته با نوآوری.
چهارم، ویژگی های اجتماعی-اقتصادی شهری و ارتباطات بین شهری تأثیرات قابل توجهی بر کارایی نوآوری شهری در YRD دارند. سرمایه انسانی و باز بودن به طور مثبت به بهبود کارایی نوآوری کمک می کند، در حالی که متغیرهایی مانند پایه اقتصادی و مشارکت دولت موانع خاصی را برای افزایش کارایی نوآوری ایجاد می کنند. تحرک جمعیت بین شهرها به عنوان یک عامل تعیین کننده در افزایش کارایی نوآوری و امکان توزیع فضایی موثر منابع نوآوری ظاهر می شود و در نتیجه سرریز دانش را تسهیل می کند. این پدیده به این فرضیه اعتبار می دهد که ارتباطات قوی بین شهری نقشی اساسی در افزایش کارایی نوآوری شهری ایفا می کند.
در نهایت، این مطالعه یک اثر سرریز فضایی منفی را در کارایی نوآوری شهرهای YRD نشان میدهد، که نشاندهنده فقدان توسعه هم افزایی مؤثر است. پرداختن به این چالش و افزایش کارایی نوآوری شهرهای YRD، الزامات حیاتی در فرآیند ادغام YRD را تشکیل می دهد.
علاوه بر این، ما از در نظر گرفتن عوامل داخلی و خارجی برای تقویت کارایی نوآوری در شهرهای YRD حمایت می کنیم. در داخل، نیاز مبرمی برای تقویت قابلیتهای نوآوری ذاتی شهر وجود دارد. این امر می تواند با تشدید تلاش ها برای جذب و پرورش استعدادهای علمی و فناوری با کالیبر بالا، افزایش ادغام شهر با بازارهای جهانی، بهینه سازی تخصیص بودجه نوآوری دولتی و به حداکثر رساندن کارایی آنها محقق شود. از نظر بیرونی، تقویت شبکه های نوآوری مشترک در بین شهرها بسیار مهم است. تقویت این شبکهها مستلزم ایجاد بسترهای نوآوری مشترک قوی، متنوع کردن کانالهای نوآوری مشارکتی، و اصلاح مکانیسمهای نهادی حاکم بر تلاشهای مشترک است.
به طور خلاصه، ما یک چارچوب تحلیلی برای ارزیابی کارایی نوآوری شهری ایجاد کردیم و به طور سیستماتیک تأثیر عوامل هم افزایی محلی و منطقهای را با استفاده از مدلهای اقتصادسنجی فضایی بررسی کردیم. یافتههای ما نشان میدهد که کارایی نوآوری منطقهای نه تنها با شرایط محلی بلکه توسط همافزایی منطقهای شکل میگیرد. این مشارکت یک شکاف در تحقیقات قبلی را پر میکند، که عمدتاً بر روی عوامل محلی متمرکز شدهاند و در عین حال پویاییهای منطقهای را نادیده میگیرند، در نتیجه زیربنای نظری کارایی نوآوری را پیش میبرد.
علاوه بر این، با پیشرفت سیستمهای حملونقل سریع بینشهری و تکامل شبکههای نوآوری پیچیده، خوشههای شهری نوآورانه بینمنطقهای پدید آمدهاند. به عنوان مثال می توان به مناطقی مانند منطقه خلیج سانفرانسیسکو در ایالات متحده، خوشه شهر پونهوا و منطقه خلیج توکیو در ژاپن اشاره کرد. مطالعه تجربی ما بر روی خوشه شهر دلتای رودخانه یانگ تسه چین، زمینه را برای ترویج تشکیل خوشههای شهری نوآورانه فراهم میکند. علاوه بر این، یافته های ما به توسعه سیاست هایی کمک می کند که از نوآوری در این خوشه ها حمایت می کند.
با این حال، مطالعه کنونی ما به دلیل تعداد محدودی از متغیرهای اندازهگیری پیوندهای منطقهای، تنها نمای جزئی از همکاریهای منطقهای را ارائه میدهد. تحقیقات آینده می تواند این دامنه را با ترکیب شاخص های بیشتر و مجموعه داده های متنوع برای ارائه درک جامع تری از شبکه های نوآوری منطقه ای گسترش دهد. علاوه بر این، مطالعات طولی که تاثیر رو به رشد نوآوری شهری مشارکتی را بر کارایی نوآوری شهر بررسی میکنند، بینشهای ارزشمندی را در طول زمان به دست خواهند آورد.
منبع:
۱- shahrsaz.ir , پایداری | متن کامل رایگان | بررسی تاثیر اتصال شهری بر کارایی نوآوری شهری: مطالعه تجربی دلتای رودخانه یانگ تسه در چین
,۲۰۲۴-۰۷-۰۲ ۰۳:۳۰:۰۰
۲- https://www.mdpi.com/2071-1050/16/13/5647
اتصال , بر , بررسی , پایداری , تاثیر , تجربی , تسه , چین , در , دلتای , رایگان , رودخانه , شهری , کارایی , کامل , متن , مطالعه , نوآوری , یانگ
- دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
- پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
- پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.