摘要
在资源依赖型的前苏联经济体中，创新投入与可衡量的产出在各地区之间如何分布，它们之间的对应程度又如何？我们使用哈萨克斯坦17个地区2014至2025年的平衡官方面板数据（共204个地区—年份观测值），涵盖四项指标：研发支出、创新活跃企业数、创新活动率和创新产品产出。发明授权专利的地区数据仅有2021至2025年可用；该序列短于面板数据，因此仅用于2025年横截面和描述性分析，未纳入面板或机器学习模型。在面板数据上，我们估计了离散度量、具有地区聚类标准误的面板回归，以及通过SHapley加性解释（SHAP）进行解读的树模型机器学习方法；在2025年横截面上，我们计算了相关系数、聚类分析和空间关联统计量。投入高度集中：2025年，阿拉木图和阿斯塔纳合计占全国研发支出的65.1%，且在研究期间地区间离散程度并未缩小。在2025年横截面（n = 17）中，研发支出、创新活跃企业和专利授权三者之间存在强正相关（r = 0.96–0.97），但三者均与创新产品产出无显著相关性。这种投入—产出不匹配是一种我们未检验其机制的模式。面板模型的解释力有限（R2 = 0.188），这限制了对任何单个系数赋予权重的程度。在该模型中，创新活动率是唯一对产出具有显著预测力的变量（β = 0.177, p < 0.001），这一关联在剔除受2022年行政改革影响的三个地区后依然成立；由于该指标与产出度量均在同一企业观测体系内编制，因此将其报告为数据集内部关联，需与独立测定的指标进行验证。在按地区分组的交叉验证下，机器学习模型表现出无跨地区预测能力，仅作为样本内解读结果报告。本文的贡献是对一个研究不足的地区系统中投入—产出不匹配现象的有据诊断，明确阐述了此类数据能够和不能支撑哪些结论，并前瞻性地说明了在地区创新政策中实现算法决策支持的制度准备需要满足哪些条件。
