中國創新能力空間差異的成因分析

[摘 要] 隨著“提高自主創新能力，建設創新型國家”成為國家發展戰略的核心，提升區域創新能力在區域發展中的作用與地位更為重要。空間統計分析表明，除了區域科技經費投入、產業結構狀況和區域經濟發展水平等因素外，相鄰省域之間的空間近鄰溢出效應對區域創新產出也具有非常明顯的影響。省域之間的空間自相關說明我國區域的創新產出能力以高—高聚集和低—低聚集分布為主，顯示出了創新能力集群的核心—邊緣分布格局。

[關鍵詞] 創新能力 空間自相關 空間分布 空間計量分析

在我國，隨著“提高自主創新能力，建設創新型國家”成為國家發展戰略的核心，提升區域創新能力在區域發展中的作用與地位更為重要。但由于歷史等原因，我國區域創新能力的空間差異非常明顯。羅發友(2004)通過對專利授權數據的研究發現我國創新產出主要集中在東部沿海地區。萬勇(2009)采取因子分析法發現我國區域創新能力具有由東向西梯度遞減、各區域間差距大等特征。國內許多學者都證明了我國創新產出具有集聚現象，張玉明、李凱(2007)還運用了空間自相關的方法證明了空間集聚現象并不是隨機出現的。但是，他們都沒有從宏觀的層面來分析中國創新產出空間差異的成因。科學地衡量我國創新能力的空間差異，并尋求其成因，對于各地提升區域創新能力的實踐具有重要意義。

一、中國創新能力的空間分布

在評價創新產出時，專利是最常用的指標之一。雖然專利這一指標有許多不足，如有人認為并不是每項專利都是創新或是某些行業的創新是很少申請專利等等，但相對于其它指標而言，具有幾個明顯的優勢。如專利統計數據具有可獲得性、授權標準是客觀的和變化緩慢等。因此，在研究創新活動時使用專利數據是合理的，本文以專利申請量來代表區域創新能力的強弱。

1.創新能力的空間分布狀況

實施科教興國戰略以來，我國的專利申請量和授權量增長迅速。圖1提供了2008年我國31個省市(不包括港、澳、臺)專利申請量在地理空間上的分布圖。

圖1 2008年中國31個省市專利申請量的空間分布圖

從圖1中可以看出，創新產出的地理分布主要集中在沿海地區及四川及湖北地區，而中部地區如河北、河南、湖南、安徽等形成了中型梯度的集群，西部及西北部地區則相對較為落后，東、中、西部地區呈現梯式結構。圖1中有一個特別顯著的特征是，區域創新能力在地理空間上的非均衡分布，大量的創新行為發生在我國沿海特別是以上海為中心的長三角地區、以廣東為中心的珠三角地區以及以北京為中心的環渤海地區。

從圖2的專利授權量所占的百分比來看，第四層次的8個省市的創新產出占全國專利授權量的75.59%，而第一層次的7個省市的創新產出占全國專利授權量的比例僅為1.38%。

圖2 我國創新產出能力的四個層次 圖3 東、中、西部地區專利授權量的百分比

從圖3的東、中、西部地區所占的比例看，東部專利授權量遠遠超過中部和西部地區。這強烈地顯示出創新產出集中在少數地區，東、中、西部地區發展極不平衡，創新活動呈現強弱的極化現象。

2.創新產出的空間集中度

Gini指數是用來判斷地區所得分配與貧富差距程度的指標。也可以轉用來衡量省際創新產出的集中度，來判斷省際創新產出的集聚狀況。區位Gini系數被定義如下:

其中，N是區域的總數量，是變量的平均值。當所有的省際區域變量相等時，區位Gini系數最小，且G=0;當除去一個省際區域的變量以外，其余區域變量均為0時，區位Gini系數最大，且G=1。Gini系數越接近于1，變量就越地理集中。圖4計算了2000-2007年專利申請量的區位Gini系數。

圖4 2000-2007年專利申請量的Gini系數

從圖4中可知，在2000-2007年之間，區位Gini系數有逐年增大的趨勢，也就是說，我國省際專利分布的不均衡性逐年加劇，專利申請有向少數幾個省區集中聚集的趨勢，領先與落后省份之間的差距越來越大。

二、創新聚集的空間相關性分析

前面的計算結果反映出我國創新產出在空間分布上呈現出明顯的地理聚集現象。為了檢驗我國創新產出的空間聚集是隨機發生還是存在著某種特定的分布規律，就要對專利申請量進行空間相關性檢驗。我們使用空間統計學最常用的指標，即 Moran’s I 指數來檢驗創新產出的空間相關性。

1.基于Moran指數的全局空間相關性檢驗

在計算Moran’s I指數前，要先構建各省際區域的空間權重矩陣，我們采取基于空間鄰接關系的空間權重。即

Moran’s I指數的計算公式為:

其中，Xi表示第i地區的觀測值(如專利申請量的綜合評價值)，n為地區總數(如省域)，Wij為二進制的鄰近空間權值矩陣。

Moran’s I 可看作各地區創新能力觀測值的乘積和，其取值范圍為- 1 <= Moran’s I <= 1。若各地區間的創新能力是空間正相關，則其數值應當較大;負相關則較小。零空間自相關性出現在當屬性值的分布與區位數據的分布相互獨立時。

檢測2008年區域創新產出的專利申請量在地理空間上的相關性即空間相互依賴性。計算結果發現，2008年各省域專利申請量的Moran’s I 為0.3733(如下圖所示)，Moran’s I 的正態統計量Z值大于正態分布函數在0.05水平的臨界值1.65，表明我國31個省市創新能力在空間分布上具有明顯的正自相關關系，說明創新能力在空間分布上并不是分散分布的，而是表現出某些省域的相似值之間在空間上趨于集群。也就是說，具有一種較高創新能力的省區相對地與較高創新能力的省區相接近，或者較低創新能力的省區相對地與較低創新能力的省區相接近的空間關聯結構。因此，從整體上講，省域間技術創新能力是存在空間相關性的，也就是說存在著空間上明顯的創新集聚現象。

2.基于Moran散點圖的局域空間相關模式分析

為了進一步分析各省際區域屬于創新能力的高水平地區還是低水平地區，就要進行局部空間相關性分析，Moran散點圖就是局部空間相關性分析的主要方法之一。Moran散點圖把整個空間分成四個象限:第一象限對應于高觀測值的區域被同樣是高觀測值的區域所包圍的空間聯系形式，第二象限是低觀測值的區域被高觀測值的區域所包圍的空間聯系形式，第三象限是低觀測值的區域被同樣是低觀測值的區域所包圍的空間聯系形式，第四象限是高觀測值的區域被低觀測值的區域所包圍的空間聯系形式。

局域Moran’s I 散點圖(下圖)展示了專利申請量的空間滯后W_PAT-2作為縱軸和PAT-2作為橫軸的分布情況。其中，W_PAT-2表示鄰近值的加權平均值，該圖顯示了2008年我國31個省市專利申請量的Moran’s I散點圖。

從圖5中可以看出，上海、北京、浙江、天津、江蘇、福建、山東、安徽、河南、河北、湖北、湖南12個省市位于第一象限，表現為正自相關關系(HH)，是創新能力較強的地區;江西、廣西2個省域位于第二象限，為負的空間自相關關系(LH);吉林、內蒙古、寧夏、青海、西藏、甘肅、云南、新疆、黑龍江9個省市位于第三象限，同樣是正的空間自相關(LL)，但為創新能力較弱的地區;廣東、遼寧、四川、陜西4個省域位于第四象限，為負的空間自相關關系(HL);而貴州、海南、山西則同時跨了第二、三象限，重慶則同時跨了第一、二象限。位于一三象限的省域(21個)遠遠多于二四象限的省域(6個)，說明各省市的創新產出能力以高—高聚集和低—低聚集分布為主，顯示出了創新能力集群的核心—邊緣分布格局，這也證實了前面Moran指數計算得出的創新產出存在正向空間依賴的結論。

三、中國創新能力分布差異的空間計量分析

前面的分析證明了我國創新能力存在著不平衡性和空間相關性，下面我們用加入空間因素的計量模型來估計創新能力的空間自相關強度。在眾多影響區域技術創新能力的因素中，區域經濟發展水平、區域產業結構狀況、區域科技經費投入、高等教育發展水平和城市化水平等因素對技術創新能力有明顯的關系。為此，我們選取專利申請量為創新產出的指標，記為PAT;選定五個解釋變量:(1)區域經濟發展水平，用人均GDP表示，記為GDP;(2)區域產業結構特征，用高技術產業增加值占工業增加值的比例來表示，記為CY;(3)區域科技經費投入，用大中型工業企業RD經費表示，記為RD;(4)高等教育發展水平，用每十萬人口高等學校平均在校生數來表示，記為HG;(5)城市化水平，用城鎮人口/總人口來表示，記為CITY。本文以2008年PAT為被解釋變量，以2008年的P-GDP、CY、RD、HG和CITY為解釋變量。兩邊取對數，線性回歸模型如下:

(A)

模型A沒有加入對空間相關性的考慮，我們通過對回歸結果殘差的檢驗來驗證空間相關性的存在。首先對模型A進行OLS估計，結果如下表1所示。

由表1中結果可知，OLS估計的31個省市創新能力函數的擬合優度達到76.82%，F值為20.8808，模型整體上通過了1%水平的顯著性檢驗，擬合效果較好。變量的顯著性檢驗顯示:區域經濟發展水平(LnGDP)、區域科技經費投入(LnRD)和城市化水平的回歸系數為正且都通過了1%水平下的顯著性檢驗，與預期的結果基本一致。高等教育發展水平(LnHG)系數為正且通過了10%水平下的顯著性檢驗。區域產業結構(LnCY)系數為正但未能通過10%水平下的顯著性檢驗。如果不考慮區域之間的相互作用，分析也就到此為止了。但由于前面的區位Gini系數和空間統計的Moran’s檢驗都已證明了31個省市的技術創新能力具有明顯的空間自相關性，而且在上表中Moran’s I(誤差)檢驗表明經典回歸誤差的存在著空間相關性(顯著性水平小于1%)，因此，我們認為各個省市創新能力的高低受到鄰近省市的影響，也就是說創新能力應該存在空間自相關性。空間自相關回歸模型包括空間滯后模型和空間誤差模型。根據Anselin et al. (1996)判別方法，由上表中可看出，LMERR和R-LMERR的檢驗都通過了10%水平下的顯著性檢驗，而LMLAG和R-LMLAG都未通過10%水平下的檢驗。因此，本文使用空間誤差模型是合適的，新的回歸模型變為:

(B)

其中，為空間誤差系數，其衡量了樣本觀察值中的空間依賴作用，即相鄰地區的觀察值Wy對本地區觀察值y的影響方向和程度。

對于空間計量模型的估計如果仍采用最小二乘法，估計值會有偏或無效，需要通過工具變量法、最大似然法或廣義最小二乘法等方法進行，本文采用最大似然法來估計。通過Geoda軟件計算得出下表2所示。

表2 區域創新能力生產函數SEM估計結果

比較表1與表2中的檢驗結果發現，空間誤差模型的擬合優度檢驗值高于OLS模型。比較對數似然函數值LogL、AIC和SC值就會發現，SEM的LogL值最大，AIC和SC最小，極大似然比率通過了10%水平的顯著性檢驗。從各變量的顯著性水平上看，其顯著性水平都有所提升，如高等教育發展水平的顯著性水平從OLS估計的10%提高到SEM模型的1%。因此SEM模型比OLS估計的模型要好。由此可知，基于OLS法的經典線性回歸模型由于遺漏了空間誤差自相關性而設定的模型不夠恰當。

從表2中可以看出，區域經濟發展水平、科技經費投入、高等教育發展水平和城市化水平的回歸系數為正且都通過1%的顯著性檢驗，說明區域經濟發展水平、科技經費投入、高等教育發展水平和城市化水平對各地區技術創新能力的提升具有明顯的作用。產業結構特征的回歸系數雖然為正，但未通過顯著性檢驗，說明高技術產業的發展對區域創新產出具有促進作用，但這種促進作用有待進一步加強。空間誤差系數 為正，且通過了1%水平的顯著性檢驗，這表明我國的區域創新產出有明顯的空間近鄰溢出效應，省際創新行為是相互影響的。

四、結論

空間計量統計分析表明，省際之間創新產出的集聚與相鄰省區的創新產出的集聚是有空間相互關系的。這個結果提供了對省際區域創新產出的空間維度的新認識。空間數據分析的主要結論概述為以下幾點:

1.創新產出的空間分布主要集中在沿海地區，特別是以上海為中心的長三角地區、以廣東為中心的珠三角地區以及以北京為中心的環渤海地區。

2.從2000-2007年的區位基尼系數可以看出，我國省際專利分布的不均衡性逐年加劇，專利授權有向少數幾個省區集中聚集的趨勢，領先與落后省份之間的差距越來越大。

3.2000—2007年專利授權量的全局空間自相關分析表明，我國區域創新產出在空間分布上具有明顯的正自相關關系，說明創新行為在空間分布上并不是分散分布的，而是表現出某些省域的相似值之間在空間上趨于集群。專利申請量說明我國區域的創新產出能力以高—高聚集和低—低聚集分布為主，顯示出了創新能力集群的核心—邊緣分布格局。

4.空間計量分析表明，區域經濟發展水平、科技經費投入、高等教育發展水平和城市化水平對各地區技術創新能力的提升具有明顯的作用。除此這外，空間誤差系數為正且顯著，這表明我國的區域創新產出有明顯的空間近鄰溢出效應，省際創新行為是相互影響的。因此，創新政策制定者在制定區域政策時，不能僅考慮自身條件，還要充分利用創新聚集、區位優勢、技術溢出等地理條件，加強區域交流，擴大創新輻射面積和強度，實現區域雙贏。

參考文獻:

[1] 羅發友:中國創新產出的空間分布特征與成因[J].湖南科技大學學報，2004(6):76-81

[2] 萬勇:現階段中國區域技術創新能力及其分布研究—基于中國30個省級區域數據的因子分析[J].東北大學學報(社會科學版)，2009(5):210-215

[3] 張玉明 李凱:中國創新產出的空間分布及空間相關性研究—基于1996-2005年省際專利統計數據的空間計量分析[J].中國軟科學，2007(11):97-103

[4] Anselin L. Spatial Econometrics，in B.Baltagi，A Companion to Econometrics[M].Oxford:Basil Blackwell，2001