科技服務業集聚是否促進了地區創新
——本地效應與省際影響

朱文濤，顧乃華

(暨南大學產業經濟研究院，廣東 廣州 510632)

科技服務業集聚是否促進了地區創新
——本地效應與省際影響

朱文濤，顧乃華

(暨南大學產業經濟研究院，廣東 廣州 510632)

利用中國省級面板數據，運用空間杜賓模型方法，從本地效應和省際互動雙重視角分析科技服務業集聚對地區創新能力影響的驅動機理和作用效果。實證結果表明：科技服務業集聚通過知識和技術溢出以及競爭效應，對本地區創新水平的提高產生顯著的正向影響，然而，值得注意的是，由于“虹吸效應”的存在，科技服務業集聚卻在一定程度上抑制了鄰近地區創新水平的提高，表現出較為明顯的區際抑制效應。基于實證結論，提出了促進區域創新能力提升的若干政策建議。

科技服務業；集聚；創新；虹吸效應；空間面板模型

1 引言與文獻回顧

中國正處于經濟轉型的關鍵時期，實現“要素驅動”向“創新驅動”經濟增長方式轉變，科技創新至關重要。著力提升中國區域創新能力，推動經濟成功轉型，實現經濟社會的可持續發展，日益成為社會各界共識。那么如何提升中國區域創新能力，也就成為當前學術界需要探討和研究的重大課題。

在過去很長一階段，服務業對創新的作用一直被學者們所忽視，直到Gershuny等[1]和Barras等[2]有關服務業對創新作用理論出現。此后服務業與創新關系的研究日益增多，其中知識密集型服務業(KIBS)對創新的作用尤其引人注目，Mas-Verdú F等[3]研究了知識密集型服務業對地區創新的影響，認為知識密集型服務業發展促進了創新以及創新的擴散。Shi X等[4]認為知識密集型服務業已成為推動創新能力提升的主要因素，在中國東部尤其明顯，而知識服務業對創新的推動與地區人力資本狀況密切相關。Toivonen M[5]的研究肯定了知識密集型服務業對制造業創新的作用，運用投入產出法研究了知識密集型服務業投入與制造業創新的關系，其研究認為知識密集型服務業投入與制造業創新之間存在顯著的正相關關系。而科技服務業作為知識密集型服務業(KIBS)的重要組成部分[6]，在國內研究中也受到越來越多的關注，孟慶敏[7]研究了科技服務業與制造業的創新互動機理，其研究認為科技服務業與制造企業的創新互動，提高了制造業的創新勢能，同時也使科技服務業本身的創新能力得到加強。張振剛[8]以珠三角地區為樣本，考察了科技服務業對地區創新能力的影響，其研究認為科技服務業的發展不僅能顯著提高本地區的創新能力，同時也有較為顯著的空間溢出作用。王海龍[9]研究了科技服務業的創新驅動效應，認為基礎設施投入欠缺、市場機制不健全以及科技服務業規模較小阻礙了科技服務業的創新驅動效應。

已有的文獻對科技服務業與創新關系進行了一定程度的探討，比較遺憾的是大多研究文獻忽視了空間地理因素，也即科技服務業的空間布局對創新的影響，尤其是產業集聚的作用。雖然何種產業集聚類型更能推動地區創新目前存在一定的爭議，但產業集聚對創新的促進作用得到了學術界的廣泛認同。Hong J等[10]認為創新產業集聚有助于促進地區創新，進而對地區全要素增長率具有顯著的正向影響。彭向[11]對產業集聚與區域創新關系進行了實證研究，發現產業內和產業間知識溢出對地區創新均有顯著的正向影響，產業間知識溢出外部性的產業互補對技術創新的影響更大。陳勁[12]認為不同程度的產業集聚對創新的影響存在一定差別，在集聚程度較低時，專業化集聚有助于創新，而集聚程度較高時，專業化集聚卻對創新產生抑制作用。楊浩昌[13]通過實證研究發現制造業集聚明顯促進了科技創新，但制造業聚集對不同行業的影響存在差異。張秋燕[14]考察了集聚外部性對區域創新能力的影響，其研究發現專業化集聚對地區創新能力的影響存在門檻效應。那么，科技服務業集聚是否有助于提升本地區的創新能力？又會對鄰近地區創新產生何種影響？這些問題的回答，對于厘清科技服務業集聚與地區創新關系，從而制定更為科學的創新戰略和政策措施，具有重要的理論和現實意義。基于此，本文對科技服務業集聚影響地區創新能力的機制進行分析的基礎上，結合空間杜賓模型方法，實證檢驗了科技服務業集聚對地區創新能力的本地效應與省際影響，以期為科技服務業發展和地區創新能力提升提供經驗參考。

2 理論假設、變量選取與數據說明

2.1 理論假設

科技服務業是指運用現代科技知識、現代技術及經驗知識，向社會各部門提供智力支持和服務的新興產業。科技服務業主要為各部門的科技創新提供經驗、知識和技術服務，因此知識和技術溢出，是其影響地區創新的主要方式。新經濟地理學認為知識和技術的傳播存在一定的時滯，而在傳播過程中也難免會出現信息質量的衰減和扭曲，距離成為知識和技術溢出的重要障礙。知識和技術溢出存在著明顯的時空局限性，產業集聚則使得這種時空局限性因企業間空間距離的縮小而得到改善。產業集聚能很好地克服距離遞減效應，進而為集聚區企業間技術和知識的傳播提供便利。由于集聚區企業間的交流和學習更為頻繁和有效，知識和技術的外溢效應將更為明顯，相互的學習和頻繁的交流有助于科技服務業企業自身更好地進行技術與知識的積累和更新，同時也有助于其更好地實現優質服務的輸出。集聚產生的競爭效應，同樣有助于新知識和新產品的創造，在科技服務業集聚區一般分布著大量提供科技服務的部門，雖然它們提供異質性服務業產品，但仍然存在較為激烈的競爭，這促使它們更為積極而迫切的進行新知識的積累、創造和傳播。通過知識和技術的溢出效應和競爭效應，科技服務業集聚對提升科技服務業企業的創新能力具有重要作用。而科技服務業和制造業的創新互動，也使得科技服務業集聚對制造業部門創新能力提升具有重要影響[7]。科技服務業集聚的競爭效應，促使科技服務業企業向制造業輸出更好的科技服務，而科技服務業對制造業的知識溢出，則提高了制造業創新勢能，有助于制造業企業的轉型升級，最終提高了制造業部門的創新能力。因此，科技服務業集聚不僅提高了科技服務業自身的創新能力，同時也通過促進制造業創新能力的提升，整體上促進了地區的創新水平。基于以上分析，我們提出本文的第一個假設H1：科技服務業集聚，通過知識技術溢出效應及競爭效應，能顯著提高本地區的創新能力。

科技服務業集聚，通過知識溢出、技術溢出及市場競爭效應，對本地區創新能力的提升應有積極的影響。然而，科技服務業集聚卻未必能提高鄰近地區的創新水平，相反有可能在一定程度上對相鄰地區創新能力提升產生抑制，這種抑制影響主要源于集聚經濟性導致的對人才流、信息流和資本流等創新要素的引力作用，也即存在“虹吸效應”。科技服務業作為一種高端知識密集型產業，其發展受到人才和資本的約束較大。科技服務業集聚區，由于存在較多的就業機會和較高的資本報酬，以及較好的制度環境，在吸引人才和資本方面存在較大優勢，這使得集聚區不僅對本地區人才和資本有較強的吸引力，同時也吸引著鄰近地區的人才和資本向本地區集中。隨著集聚力的增強，科技服務業集聚程度較高的地區，將對相鄰地區人才和資本產生持續的“引力”，這種區際創新要素的競爭，將導致區際創新能力失衡，相鄰地區之間的競爭，可能使一個地區科技服務業集聚對相鄰地區創新水平提升產生抑制，進而拉大地區間的創新水平差異。因此我們提出本文的第二個假設H2：科技服務業集聚具有顯著的本地效應，而對鄰近地區的創新則表現為負外部性。

2.2 變量選擇與數據說明

(1)因變量。專利授權數量是反映地區創新能力的重要標志。雖然專利授權數并不能完全反映一個地區的創新能力，但相比于其他可量化指標而言，專利授權數可能更能反映一個地區的科技創新活力和能力，在以往的研究文獻中，也較多的采用專利授權數量衡量地區的創新能力，如Paci等[15]、Andersson等[16]以及Gon?alves E等[17]在研究創新時，采用專利數作為創新能力的指標[15-17]。在明確以專利授權數作為地區創新能力的衡量指標后，我們考慮到如果一個地區人口眾多或產業規模較大，專利數量應該也就較多，用專利的總量數值來代表地區創新能力可能高估了某些地區的創新能力，綜合考慮指標科學性和數據可得性，本文最終采用人均指標，也即采用每萬人三種專利授權數量，作為衡量地區創新能力指標，將其作為因變量加入到模型中，并用aivn表示。

(2)解釋變量。本文的核心解釋變量為科技服務業集聚度，由于新興業態不斷出現，科技服務業到底包含哪些細分行業，目前在統計分類上并沒有達成共識，這給實證研究帶來一定的困難。綜合借鑒魏江[18]和張振剛[8]的做法，將信息傳輸、計算機服務和軟件業，租賃和商務服務業，科學研究、技術服務和地質勘查業視為科技服務業。另外，區位熵是衡量產業專業化集聚的常用指標，用于衡量不同地區科技服務業專業化水平，可以充分反映和比較各地區科技服務業的集聚水平，因此將區位熵作為衡量科技服務業集聚度的解釋變量，科技服務業區位熵的計算公式如下：

(1)

其中lq為科技服務業集聚度(區位熵)，empi,j表示j地區科技服務業從業成員數，empi,all表示全國科技服務業從業人員數，empj為j地區城鎮就業數，empall為全國城鎮就業總人數。

影響地區創新能力的其他因素中，本文選擇了地區開放水平、政府創新投入、產業結構、RD投入、地區經濟發展水平作為控制變量。各主要控制變量說明如下：

地區對外開放水平。地區創新水平提高有賴于地區的對外開放水平，集中體現于國際經貿往來帶來的知識外溢和技術外溢效應對科技創新能力提升的影響，在以往的研究中，對外貿易額或外商直接投資額經常被用于衡量一個地區的開放水平，本文認為對外貿易額更能全面反應一個地區的對外開放狀況，因此采用對外貿易額作為衡量地區開放水平指標，并用open表示。

政府創新投入。政府對創新的支持是實現創新的重要影響因素，政府科技財政支出是反映政府創新投入的重要指標，本文將科技財政支出作為政府創新投入的指標，并用exp表示。

產業結構。產業結構是影響地區創新能力的因素之一[19-20]，本文采用工業產值占GDP總產值比重作為產業結構的替代指標，表示為indus。

企業創新投入。創新投入是企業推動科技創新的重要力量，企業創新投入包括多個方面，企業R&D經費支出是反映企業創新投入的重要指標，較多研究表明企業R&D投入對科技創新有重要作用，如Scherer[21]和李廉水[22]等人的研究，也有研究認為企業RD經費投入對創新的影響不顯著，如吳獻金等[23]的研究，本文將企業RD經費支出作為企業創新投入的替代指標，并用rdexp表示。

地區經濟發展水平。經濟發展水平也是影響地區創新能力的影響因素之一，衡量地區經濟發展水平的指標有很多，較為常用的如國內生產總值、人均國內生產總值、政府財政收入、人均居民收入水平等，本文選擇實際人均GDP作為衡量地區經濟發展水平的指標，并用sgdp表示。

本文數據來源于2009—2015年的《中國統計年鑒》和《中國區域經濟統計年鑒》，變量中原始數據單位為美元的對外貿易額以各年度匯率換算成元，政府科技財政支出、企業創新投入以及人均GDP均采用GDP平減指數折算為以2008年為基期的實際值。樣本時間跨度為2008—2014年，截面樣本選擇方面，由于香港、澳門、臺灣等地區經濟社會制度與大陸存在較大差異，因此將這些地區剔除在考察的樣本外，西藏地區部分年份的數據不全，因此也被剔除在樣本之外，考察的樣本橫截面為中國大陸30省份，樣本數為210個。各變量的統計性描述如下(見表1)所示。

表1 變量的統計性描述

3 模型設定和計量方法

3.1 空間相關性檢驗

在空間相關性檢驗中，莫蘭指數得到廣泛使用。本文采用莫蘭指數(Moran’I)檢驗區域創新能力是否存在空間相關性，Moran’I的計算公式如下：

(2)

3.2 空間面板模型

空間面板模型一般分為空間誤差模型(SEM)、空間滯后模型(SLM)和空間杜賓模型(SDM)，結合上文變量選擇，構建三種待檢驗的空間面板模型：

(1)空間誤差模型(SEM)：

(3)

(2)空間滯后模型(SLM):

(4)

(3)空間杜賓模型(SDM):

(5)

需要說明的是本文采用了經濟距離和地理距離權重分別對模型進行估計，主要是考慮到，采用經濟距離和地理距離兩種空間權重分別估計模型，有助于對模型回歸結果的穩健性進行判斷，同時也有利于對兩種權重結果進行對比分析，以明確科技服務業集聚對地區創新能力的影響機制。兩種空間權重矩陣計算方法如下：

地理距離權重。地理距離權重設置過程中，先按經緯度坐標，計算各省會城市直線距離，接著按照距離的倒數構造地理距離權重矩陣，并進行行標準化處理，使得權重矩陣每行的和為1，地理距離權重具體計算公式如下：

(6)

其中dij表示區域i和區域j的直線距離。當區域i和區域j的距離越小，賦予的空間權重越大，反之則相反。

經濟距離權重。本文借鑒林光平[24]的做法，構造經濟距離權重W2,W2=W×Dij其中W為傳統的鄰接權重矩陣，矩陣Dij計算公式如下：

(7)

式(1)中Xit為i省份在t時期的經濟變量，代表省份i在t時期的實際GDP。同樣的，經濟權重也進行了行標準化處理。

4 模型選擇與結果分析

4.1 空間相關性檢驗

在運用空間計量方法時，首先需要對被解釋變量進行空間相關性檢驗，本文利用較為流行的Moran’I指數對被解釋變量的空間相關性進行檢驗。由于Moran’I指數的計算依賴于空間權重矩陣W，為了避免采用單一空間矩陣所帶來的測度偏差，選擇經濟權重和地理權重分別計算Moran’I值，結果如表2所示。從表2可知，2008—2014年兩種空間權重計算的Moran’I值所對應的正態統計量Z值均大于5%顯著性水平所對應的臨界值，說明2008年以來專利申請授權數具有明顯的空間自相關性，也即一個省份的科技創新會受到鄰近省份科技創新的顯著影響。兩種權重計算的莫蘭指數值較為接近，莫蘭指數結果較為穩健。

表2 2008—2014年中國專利申請授權數的全域Moran’I指數

4.2 模型選擇

在空間面板模型選擇過程中一般需要通過如下檢驗以確定模型的具體形式。第一，在不考慮任何空間相關性的基礎上，利用LM檢驗和robust-LM檢驗對因變量或者殘差項是否存在空間相關性進行檢驗。第二，利用Wald檢驗和LR檢驗對SDM兩個假設H0：θ=0和H0：θ+δβ=0進行檢驗，如果拒絕這兩個假設,則使用SDM模型能夠最好的擬合數據，相反如果拒絕了第一個假設，且robust-LM檢驗也指向采用空間滯后模型(SLM)，則使用空間滯后模型能最好的擬合數據。如果robust-LM所指向采用的模型不是wald/LR檢驗所指向采用的模型，則應該采用空間杜賓模型(SDM)[25]。此外根據個體效應的不同，空間面板可以分為空間固定效應和空間隨機效應，本文利用Hausman檢驗進行判定采用固定效應還是隨機效應模型。

表3 非空間面板模型估計結果

注：表中括號內為t值，***、**和*分別表示在1%、5%和10%水平上顯著。

具體的，我們首先采用非空間面板數據模型，并對結果進行檢驗，以確定空間滯后和空間誤差模型那個較為合適。表3報告了估計結果。在混合回歸和空間固定效應回歸中，均在1%顯著性水平下拒絕了沒有空間滯后因變量的原假設，然而在時間固定效應中，卻不能拒絕沒有空間滯后因變量和空間自相關誤差項的原假設，在包含空間和時間固定效應的模型中，當使用傳統LM檢驗時，不能拒絕沒有空間滯后因變量和空間相關誤差項的原假設，但在使用robust-LM檢驗時，分別在5%水平下拒絕了沒有空間滯后因變量和空間自相關誤差項的原假設。以上檢驗結果表明，模型應該包含空間滯后項，而是否應該包含空間誤差項則需要進一步檢驗。接著通過似然比LR檢驗，對空間固定效應進行聯合非顯著性檢驗，檢驗結果中LR=370.0492，拒絕了無空間固定效應的原假設，同時對時間固定效應進行聯合非顯著性檢驗，檢驗結果中LR=42.0025,拒絕了無時間固定效應的原假設，所以在接下來的空間面板建模中應該考慮到時間效應和空間效應。

接著，利用Wald檢驗和LR檢驗對SDM模型是否應該簡化為SLM或SAR模型進行檢驗，表2下半部分報告了檢驗結果，檢驗結果拒絕了H0：θ=0和H0：θ+δβ=0兩個原假設，說明SDM模型不應該簡化為SLM和SAR模型，同時用Hausman檢驗判別是否應該采用固定效應模型，檢驗結果支持了固定效應模型的設定。以上非空間面板模型估計和相關檢驗，時間固定效應中，并未拒絕沒有空間滯后項和空間誤差項的原假設，因此表4僅報告空間固定效應及空間固定效應和時空固定效應SDM模型估計結果。由于傳統模型的R2是基于殘差平方和分解的，因此不適用于具有空間效應模型判斷，如果仍然直接比較不同模型的R2是不科學的，而帶有空間滯后因變量的面板模型中correctedR2比R2指標更為合理[26]。從表4的結果中，我們可以看出包含空間固定效應的SDM模型，不管是在地理距離權重還是在經濟權重下，correctedR2均明顯高于考慮時間和空間效應的SDM模型中的correctedR2值，且相比于包含時間和空間效應的SDM，僅包含空間固定效應的SDM中ρ的系數更為顯著，同時本文考察的時間跨度較短，受到時間背景的變量影響較小，綜合以上考慮，認為僅包含空間固定效應的SDM模型更為合理。

在非空間面板模型中，參數估計可以準確地反應各解釋變量對因變量的邊際影響，然而空間杜賓模型由于包含滯后項，參數估計值并不能準確真實地反應解釋變量對因變量的邊際影響，因此我們有必要利用偏微分方法估計出各解釋變量對因變量的直接效應和間接效應。

表4 空間固定效應SDM模型和時空固定效應SDM模型估計結果

注：括號內為t值，***、**和*分別表示在1%、5%和10%水平上顯著。

4.3 結果分析

表5報告了直接效應和間接效應的估計結果。在經濟距離權重和地理距離權重下，科技服務業集聚的直接效應系數分別為0.096和0.231，且均在1%水平上顯著，說明科技服務業集聚具有較為明顯的本地效應，也即科技服務業集聚對于提高本地區的創新水平具有顯著的正向影響。地理權重下科技服務業集聚的間接效應系數為-1.116，在經濟權重下，間接效應系數為-0.650，兩種權重下間接效應系數分別在1%和5%水平上顯著為負，說明科技服務業集聚對鄰近省份的影響并沒有表現出正的外部性，相反表現出一定的抑制效應。這主要是因為一個省份科技服務業集聚度的提高，會通過“虹吸效應”，吸引周邊省份的人才、資本等創新要素向本地區集中，通過這種引力效應，對周邊地區創新能力的提升形成抑制，進而拉大了區域間的創新能力差距，形成“強者愈強，弱者愈弱”的局面，實證結果印證了前文的理論假設。

表5 空間固定效應SDM模型估計的直接效應和間接效應

注：***、**和*分別表示在1%、5%和10%水平上顯著。

控制變量中，政府財政科技支出對本地區創新能力提升具有明顯的促進作用，在經濟權重下直接效應為0.290，在地理權重下直接效應為0.280，且在1%水平上顯著，但在兩種空間權重下，間接效應均不顯著，說明政府財政科技支出對本地區創新能力的提升具有積極的影響，但并沒有明顯的空間溢出效應。地理權重和經濟權重下，企業RD投入的直接效應、間接效應和總效應均不顯著。有關企業RD投入與創新關系的研究并沒有取得一致的意見，有些研究認為企業RD投入有助于創新能力的提升，如謝勒(Scherer,1963)、李廉水等(2015)的研究，但也有學者的研究認為企業RD投入對地區創新的影響并不顯著(吳獻金和史芳，2010)。在地理權重和經濟權重下，對外開放水平的直接效應系數分別在5%和1%水平上顯著為正，說明對外開放水平越高，越有利于地區創新能力的提升，但兩種權重下對外開放水平的間接效應系數均在1%水平上顯著為負。經濟發展水平的直接效應在5%水平下顯著為正，說明經濟發展水平的提高有助于區域創新能力的提升，而地區經濟發展水平的間接效應卻并不明顯，也即一個地區的經濟發展水平對相鄰省份創新水平的提高并沒有明顯的空間溢出效應。產業結構的直接效應在兩種權重下均顯著為負，而間接效應并不顯著，產業結構直接效應在兩種權重下均為負，主要原因在于本文采用了工業化產值比重作為產業結構的代理變量，這說明工業化產值比重的提升并不利于創新能力的提升，相反工業產值比重的下降，第三產業產值比重上升所代表的產業結構的優化將有利于創新。

5 結論與政策啟示

本文利用2008—2014年中國30省份面板數據，運用空間面板模型方法，考察了科技服務業集聚對地區創新能力提升的影響，實證結果表明科技服務業集聚對地區創新能力提升具有顯著的正向直接效應，但科技服務業集聚卻在一定程度上抑制了鄰近地區創新水平的提高，表現出較為明顯的區際抑制效應。科技服務業集聚縮短了科技服務企業間的地理距離，改善了知識傳播中因距離限制和信息扭曲而產生的溢出效應遞減，提高了企業間交流與合作的頻率，促進了知識和技術溢出。同時企業間的競爭，使得科技服務業企業致力于提高自己的技術和知識服務的質量和效率，促進了科技服務業整體素質的提高。并通過技術和知識服務向技術部門輸出，提高了整個地區創新水平。科技服務業集聚對相鄰省份創新的抑制，主要原因在于知識和技術的溢出存在明顯的距離遞減效應，各省行政區之間距離較遠，且存在較為激烈的技術和產業競爭，限制了科技服務集聚的技術和知識溢出。科技服務業作為一種高端的知識密集型產業，對于人才和資本具有較強的吸納能力。較多的就業機會和較高的資本報酬，使得科技服務業集聚不僅吸引了本地區人才和資本向集聚區集中，同時由于報酬的差異，吸引著鄰近省份人才和資本向本地區集中，通過吸納人才和資本的競爭，本地區科技服務業集聚往往對鄰近省份的創新產生負的外部性。

基于研究結論，我們得出以下幾點政策啟示：

(1)做好科技服務業產業區規劃。通過制定合理的產業政策，引導科技服務業空間集聚，通過提高科技服務業集聚水平，促進科技服務業的知識交流和知識創造。對于科技服務業集聚程度低的地區，應建立科技服務業產業園區，通過各種優惠政策，吸引科技服務業在產業園區內充分集聚形成集聚效應，以更好地服務于地方科技創新活動，對科技服務業集聚程度較高地區，應進一步通過體制機制創新，破除科技服務業集聚的各種體制性障礙，讓科技服務業集聚效應得到充分發揮。

(2)加強省域間科技服務業交流合作，促進各種生產要素在省域間充分流動。科技服務業集聚對相鄰省份科技創新活動存在一定的抑制效應，然而，這并不意味著應該關起門來發展本地區科技服務業，相反地，更應該通過擴大交流與合作，縮小區域間科技服務業發展差距。

(3)加強高層次科技服務業人才的引進和培養力度。高層次人才是推動科技服務業發展的關鍵要素，應該通過海外引進和本土培養相結合的方式，加強科技服務業人才集聚。創造良好的引才環境，提供各種優惠政策，充分吸引海外高層次人才，壯大科技服務業海外高層次人才庫，加強本土人才的國際化培訓力度，提高本土科技服務業人才的國際化程度，重點培養一批具有國際視野，了解國際服務業規則的科技服務業本土人才。

(4)加強區域協同創新。區域創新能力的獲取不僅依賴于區域創新系統內部企業、高校、科研機構、政府等創新主體通過協同互動實現，同時也依賴于不同區域創新系統之間的要素流動和充分協作，因此，加強區域協同創新，不僅要建立完善促進“產學研”協同創新的相關體制機制，加強各創新主體的協同互動，提高“產學研”協同創新效率，同時也應以市場為導向，破除區域間創新要素流動的體制機制障礙，營造有利于創新要素區際流動的外部環境，此外，應進一步完善促進區域間創新系統協同互動的制度安排。從而讓區域創新系統內部和不同區域創新系統之間實現充分協作，并最終在整體上提升國家創新能力。

[1]GERSHUNY J，MILE I.The new service economy：the transformation of employment in industrial societies[M].London:Pinter,1983.

[2]BARRAS R.Towards a theory of innovation in services[J].Research policy,1986,15(4):161-173.

[3]MAS-VERDU F，WENSLEY A，ALBA M.How much does KIBS contribute to the generation and diffusion of innovation?[J].Service business，2011,5(3):195-212.

[4]SHI X，WU Y，ZHAO D.Knowledge intensive business services and their impact on innovation in China[J].Service business，2014,8(4):479-498.

[5]TOIVONEN M，WEI J，ZHOU D.The role of knowledge-intensive business services in innovation system：the case of China[M]TOIVONEN M.Springer Japan，2016:251-268.

[6]時省,王臘芳,趙定濤.KIBS集聚、區域創新及人力資本門檻效應[J].系統工程，2014(03):18-25.

[7]孟慶敏，梅強.科技服務業與制造企業互動創新的機理研究及對策研究[J].中國科技論壇，2011(05):38-42.

[8]張振剛,李云健，陳志明.科技服務業對區域創新能力提升的影響——基于珠三角地區的實證研究[J].中國科技論壇，2013(12):45-51.

[9] 王海龍,丁堃，沈喜玲.科技服務業創新驅動效應研究——以遼寧投入產出表為例[J].科技進步與對策，2016(15):38-43.

[10]HONG J，YU W，GUO X.Creative industries agglomeration，regional innovation and productivity growth in China[J].Chinese geographical science，2014,24(2):258-268.

[11]彭向,蔣傳海.產業集聚、知識溢出與地區創新——基于中國工業行業的實證檢驗[J].經濟學(季刊)，2011(03):913-934.

[12]陳勁,梁靚,吳航.開放式創新背景下產業集聚與創新績效關系研究——以中國高技術產業為例[J].科學學研究，2013(04):623-629.

[13]楊浩昌,李廉水,劉軍.制造業聚集、科技創新與行業差異[J].中國科技論壇,2016(03)：75-80.

[14]張秋燕,齊亞偉.地區規模、集聚外部性與區域創新能力——對中國工業行業的門檻效應檢驗[J].科技進步與對策，2016(08):35-40.

[15]PACI R，USAI S.Externalities，knowledge spillovers and the spatial distribution of innovation[J].Geo journal，1999，49(4):381-390.

[16]ANDERSSON R，QUIGLEY J，WILHELMSSON M.Agglomeration and the spatial distribution of creativity[J].Regional science，2005，84(3)，445-464.

[17]GONCALVES E，ALMEIDA E.Innovation and spatial knowledge spillovers：evidence from Brazilian patent data[J].Regional studies，2009,43(4):513-528.

[18]魏江,陶顏,王琳.知識密集型服務業的概念與分類研究[J].中國軟科學，2007(01):33-41.

[19]王鵬,趙捷.產業結構調整與區域創新互動關系研究——基于我國2002—2008年的省際數據[J].產業經濟研究，2011(04):53-60.

[20]徐曉舟,阮珂.產業結構、金融發展與省域創新績效[J].科研管理,2016(04):53-60.

[21]SCHERERS F M.Firm size，market structure，opportunity and the output of patented inventions[J].American economics reviews,1963,55(5)：1097-1125.

[22]李廉水,張芊芊,王常凱.中國制造業科技創新能力驅動因素研究[J].科研管理，2015(10)：169-176.

[23]吳獻金,史芳.泛珠三角區域自主創新能力影響因素研究——基于九省面板數據的實證分析[J].科技管理研究，2010(11):10-12.

[24]林光平，龍志和，吳梅.中國地區經濟σ-收斂的空間計量實證分析[J].數量經濟技術經濟研究，2006(04)：14-21.

[25]埃爾霍斯特J·保羅.空間計量經濟學——從橫截面數據到空間面板[M].肖光恩,譯.北京：中國人民大學出版社,2015：82-83.

[26]季民河，武占云,姜磊.空間面板數據模型設定問題分析[J].統計與信息論壇，2011(06)：3-9.

DoesAgglomerationofS&TServiceSectorImproveRegionalInnovationCapability——LocalEffectsandInterProvincialImpacts

Zhu Wentao，Gu Naihua

(Institute of Industrial Economics，Jinan University，Guangzhou 510632,China)

The paper establishes Spatial Durbin Model and exploits provincial panel data of China to study the driving mechanism and effects of S&T service sector agglomeration on regional innovation capability from the aspects of local effects and inter-region interaction.The results indicate that the agglomeration of S&T service sector has an significant positive effect on improving the region innovation capability because of the knowledge and technology spillover and competition effect.However，due to the“siphonic effect”，agglomeration of S&T service sector has restrained the improvement of innovation level in the neighboring area to some extent. Based on the empirical conclusions，some policy suggestions are put forward to promote regional innovation capability.

S&T service sector；Agglomeration；Innovation；Siphonic effect；Spatial Panel Model

F062.9

A

廣東省科技計劃項目 “科技服務業發展模式研究” (2016A040404008)。

2017-03-07

朱文濤(1988-)，男，福建人，暨南大學產業經濟研究院博士研究生；研究方向：服務經濟。

(責任編輯 劉傳忠)