基于Shapley值法的中國區域技術創新差異解釋

曹 薇，邱榮燕

（太原理工大學 經濟管理學院，太原 030024）

0 引言

目前，我國經濟增長已由要素驅動、投資驅動向創新驅動轉移。而內生經濟增長理論認為，技術創新是一國經濟增長的源泉和動力，截止2015年，我國技術創新對經濟增長的貢獻率已超過50%，但由于創新系統資源配置方面存在差異，各區域技術創新增長仍表現出巨大的不平衡性，這恰是導致我國區域發展不平衡的一個重要原因。基于此，本文以區域技術創新差異為研究對象，借鑒Shorrocks提出的Shapley分解過程，嘗試探究區域技術創新差異的影響關系和互動機制，借此明晰各影響因素對區域技術創新差異的貢獻度。

1 區域技術創新影響因素及作用機理

區域技術創新作為一個復雜系統，受到多種因素的影響，是一個多要素互動的過程。為了闡明區域技術創新作用機理，本文通過對Cooke等（1996）[1]、Schneider（2005）[2]、Caniels等（1996，1999）[3,4]等相關文獻的梳理，選取具體相關指標，度量區域技術創新差異的形成條件。在度量指標選取方面，很多學者從知識產權保護[5]、金融發展[6]、研發物質資本投入[7]、研發人力資本投入[8]、貿易開放程度[12]、人才集聚的知識創造與獲取[10]、產業聚集水平[11]、市場化程度[13]、經濟發展水平[13]等不同側面驗證了各要素對技術創新的作用。

上述研究拓寬了學界對于區域技術創新差異的認識，但沒有解釋多種影響因素之間的交互影響，亦不足以說明整個區域技術創新系統的生成機制，因此本文首先構建概念模型，見圖1。并分別考察各因素的作用機理，從而可更確切地反映各影響因素對區域技術創新系統功能發揮的差異。

圖1 概念模型

（1）知識產權保護。知識產權保護是指法律對專利所有者在一定期限內享有“壟斷所有權”的保護，從而保護專利所有者持續創新的積極性，而只有持續不斷的創新才能積累技術存量，最終推動技術創新能力的提升。因此，知識產權保護制度對技術創新具有積極意義，即隨著知識產權保護力度的增加，技術創新水平會不斷提高。

（2）金融發展。金融發展水平的高低是影響技術創新的重要變量，其主要通過資本供給、風險管理等功能來促進技術創新，金融發展對技術創新有一定的正向促進作用，即金融發展水平越高，技術創新能力越強。然而，不同區域金融發展水平存在一定的差異，對區域技術創新能力促進作用也存在一定的差異。

（3）研發物質資本投入。研發物質資本投入是技術創新活動的重要組成部分，是形成技術創新能力的物質基礎，為創新活動開展提供保障，同時，科學實驗的開展和科技成果的轉化要求有充足的資金支撐。因此研發物質資本投入對技術創新有正向的促進作用，即隨著對研發物質資本投入力度的加大，技術創新能力會越強。

（4）研發人力資本投入。研發人員作為技術創新成果的創造者和傳播者，是技術創新活動的另一重要組成部分，同時，人力資本的質量和內部結構以及與其他要素的配置比例都影響著技術創新的水平和效率。因此，隨著對研發人力資本投入力度的加大，技術創新水平將不斷提高。

（5）貿易開放程度。國際貿易的相關理論表明，對外貿易會把本國的產品市場范圍擴大到國際產品市場，產品市場的擴大和國際企業的激烈競爭會迫使企業不斷進行技術創新，提高產品技術含量[9]，因此貿易開放程度對技術創新有正向的促進作用，即隨著貿易開放程度的加大，技術創新水平會不斷提高。

（6）人才集聚的知識創造與獲取。人才集聚的知識創造與獲取反映人才獲取、吸收現有知識進而創造新知識的能力，便利的獲取知識的途徑會吸引人才的流入，縮短信息知識交流的距離，增加人才之間相互交流和學習的時間，有利于激發人才的創新意識。因此隨著人才集聚的知識創造與獲取能力的提高，技術創新水平也會不斷提高。

（7）產業聚集水平。產業集聚是技術創新的載體，能夠加速研發人員創造的科研成果、知識、信息的快速傳播，并且能夠強化知識的溢出效應，進而加快企業技術創新，即隨著產業集聚水平的提高，技術創新水平將有所提高。然而不同地區的產業集聚水平不同，在一定程度上，將會導致地區之間技術創新的差異。

（8）市場化程度。市場化程度對技術創新的影響在學界一直存有爭議，Schumpete提出壟斷是技術創新的先決力量，認為壟斷程度與技術創新成正比。Arrow則對此持不同觀點，認為完全競爭比壟斷的市場結構更有利于技術創新。從以往研究來看，市場化程度與創新能力的關系在不同地區、不同行業之間存在一定差異。

（9）經濟發展水平。區域經濟發展水平的高低直接決定著經濟環境的優劣。區域經濟發展水平高，經濟綜合實力會不斷增強，進而推動經濟要素的合理布局，同時也可以增強區域人才吸引力，形成人才聚集區，繼而加快知識創新和技術進步的速度，因此經濟發展水平對技術創新有正向的促進作用，即經濟越發達的地區，越有利于技術創新水平的提高。

2 研究方法

2.1 變量、數據及理論模型的構建

2.1.1 變量的選取

在上述影響因素作用機理分析基礎上，本文選取的度量指標如表1所示。

2.1.2 數據來源

基于數據的可獲得性和統計口徑差異性，選取中國1998—2014年29個省、市、自治區的省際面板數據作為樣本，由于西藏和新疆部分數據嚴重缺失，因此在實際分析過程中將其剔除。本文原始數據主要來源于《中國統計年鑒》《中國高技術產業統計年鑒》《中國金融年鑒》，所有檢驗均使用stata14.0軟件。各指標的描述分析如表2所示。

表1 變量的選取

表2 各指標的描述性統計量

2.1.3 理論模型構建

目前，分析區域技術創新差異，常用理論有集群理論、三重螺旋理論和創新網絡理論。本文根據區域技術創新差異的投入—產出關系，選取柯布-道格拉斯生產函數對應的技術創新函數方程進行理論測度，具體理論模型如下：

其中，dpa表示技術創新，pa表示知識產權保護，fd表示金融發展，rde表示研發物質資本投入，rdp表示研發人力資本投入，open表示貿易開放程度，k表示人才集聚的知識創造與獲取，lq表示產業聚集水平，market表示市場化程度，pgdp表示經濟發展水平,αi(i=1,2,…,9)，εit分別表示相應解釋變量的技術創新的彈性，表示隨機效應。對式（1）兩邊取對數，可得：

在進行面板回歸分析之前，需要對有關數據進行檢驗，驗證模型的適用條件。本文將按下述步驟進行相關檢驗。

2.2 單位根檢驗與協整檢驗

當變量之間不是同階單整時，若至少有兩個解釋變量的單整階數高于被解釋變量的單整階數時，則可對變量進行協整檢驗。由表3估計結果可知，可對變量進行協整檢驗，因此，本文采用Kao檢驗和Pedroni檢驗，檢驗結果如表4所示。

表3 面板數據的單位根檢驗

表4 Kao檢驗和Pedroni檢驗結果

表4的檢驗結果表明，除Panel v、Panel rho和Group-rho，其余統計量在5%的顯著性水平下均顯著，即拒絕不存在協整關系的原假設，因此可表明lndpa與lnpa、lnfd、lnrde、lnrdp、lnopen、lnk、lnlq、lnpgdp、lnmarket存在協整關系，可直接對式（1）進行面板回歸。

3 基于Shapley的區域技術創新差異分解

基于回歸分析的Shapley值分解法，既可以解釋影響因素對因變量差異的單獨貢獻，又能合并分解出某一大類影響因素的總體貢獻，并能很好地處理殘差項的影響[15]。鑒于此，本文采用shapley值法對區域技術創新之間的差異進行分析，剖析各影響因素對區域技術創新差異的貢獻度。

3.1 區域技術創新差異整體分析情況

首先，將全部地區劃分為東、中、西部3個區域，通過1998—2014年間東中西部技術創新的均值來直觀對比區域技術創新的差距，結果見圖2。

圖2 1998—2014年中國東中西部區域技術創新變化趨勢

由圖2可知，從東、中、西區域技術創新的絕對值來看，1998—2014年間，尤其在2006年之后，三大區域的技術創新差異呈現明顯的梯度特征，即東部技術創新均值高于中西部地區以及全國水平，中部地區高于西部，中西部地區技術創新的均值均低于全國水平。另外，從三大區域的相對增長速度來看，東部的技術創新能力增長速度最快，西部的技術創新能力增長速度最慢，全國技術創新的增長速度高于中西部地區，但低于東部地區。

為進一步考察地區之間技術創新的差異，將各省技術創新在1998—2014年之間的均值進行橫向對比，結果如圖3所示。

圖3 1998—2014年各省技術創新均值

由圖3可知，從左往右，依次為東部各省份，中部各省份，西部各省份，且在1998—2014年間東部各省份之間的技術創新能力差距較大，并且東部大部分省份的技術創新能力明顯高于中部和西部地區。中部地區技術創新能力和西部地區差距相當，但中部地區技術創新能力平均水平略高于西部地區。

為了精確反映中國區域技術創新的差距及變化趨勢，此處，采用基尼系數（Gini）、Theil指數（GE1)以及對數離差均值（GE0)對中國各省市的技術創新差距做進一步的測算，其中，Gini系數是對中等技術創新水平敏感，Theil指數（GE1）對較高水平的技術創新變化敏感，對數離差均值（GE0)對較低水平的技術創新變化敏感。具體測算結果如圖4、下頁圖5所示。

圖4 1998—2014年各省技術創新差異情況

圖5 1998—2014年各省技術創新差異增長率

由圖4可以看出，不同指標測算的技術創新差異表現出相似的變化趨勢，且從3個指標的變動情況來看，各區域間技術創新的不平衡呈現明顯的階段性。1998—2011年，技術創新的區域差距呈發散的趨勢，2011年各區域技術創新的基尼系數（Gini）、Theil指數（GE1)以及對數離差均值（GE0)同時達到最大值。2011年之后，區域間的技術創新差距逐漸縮小，但與1998年相比，仍存在較大的差距。

由圖5可以看出，1998—2014年，Theil指數（GE1)和對數離差均值（GE0)的增長率變化較大，基尼系數（Gini）的增長率變化最小。以2000年為例，Theil指數（GE1)的增長率為23.14%，對數離差均值（GE0)的增長率為18.58%，基尼系數（Gini）的增長率為10.08%。2011年之后，3個指標的增長率開始為負，表明才2011年開始，各區域的技術創新差異在逐漸的縮小。

3.2 分解回歸方程的確定

用Shorrocks提出的Shapley法來分解各解釋變量對區域技術創新差異的影響,首先要確定分解的回歸方程。采用式（1）所建立的技術創新函數方程，通過Hausman檢驗確定分解回歸方程，檢驗結果如表5所示。

表5 面板數據的估計結果

由表5估計結果可知，Hausman檢驗的統計結果P值較小，因此支持面板模型設定為固定效應模型，其表達式為：

估計結果顯示，在5%的顯著性水平下，各影響因素對技術創新的影響都顯著，且系數均為正，表明各變量對技術創新的影響表現為正向的促進作用，這與前文的假設相一致。同時，從各解釋變量的系數值來看，產業聚集水平（lnlq）對技術創新的影響最大，市場化程度（lnmarket）次之。

3.3 Shapley值分解結果

基于前文對基尼系數（Gini）、Theil指數（GE1)以及對數離差均值（GE0）三大指標的計算，以式（3）作為技術創新差異分解的回歸方程，分解結果如表6所示。

表6 29個省市區技術創新差異分解結果 （單位：%）

表6表明，在影響各區域技術創新差距的變量中，產業集聚水平（lnlq）的貢獻最大，平均貢獻率達22.45%，之后依次為：研發物質資本（lnrde）、市場化程度（lnmarket）、研發人力資本投入（lnrdp）、人才集聚的知識創造與獲取（lnk）、知識產權保護（lnpa）、貿易開放程度（lnopen）、經濟發展水平（lnpgdp）、金融發展（lnfd），其中市場化程度和人才聚集的知識創造與獲取對區域技術創新的貢獻率相當，僅差0.21%。

4 結論

本文利用1998—2014年29個省際面板數據，采用基尼系數（Gini）、Theil指數（GE1)以及對數離差均值（GE0)對中國各區域的技術創新差距進行測算，發現各區域之間以及東、中、西三大區域之間的技術創新存在明顯差距，并在構建了C—D生產函數的基礎上，運用Shapley值分解方法實證研究了中國區域技術創新差異的成因，得出以下結論：

（1）在2011年之前，地區之間技術創新差距呈發散態勢，2011年之后，差距有所縮小。

（2）采用固定效應估計的面板回歸結果顯示：知識產權保護、金融發展水平、研發物質資本投入、研發人力資本投入、貿易開放程度、人才集聚的知識創造與獲取、產業聚集水平、市場化程度、經濟發展水平都對技術創新產生正向的促進作用。其中：

各區域之間產業聚集水平（lnlq）的差異是形成區域間技術創新差異的首要原因。從省際視角看，采用基尼系數（Gini）、Theil指數（GE1)以及對數離差均值（GE0)指標計算的貢獻率結果表明各區域的產業集聚水平是造成區域之間技術創新差異最重要的因素，平均貢獻率為22.45%。

研發物質資本投入（lnrde）的差異是形成區域間技術創新差異的重要原因。從省際視角看，各區域的研發物質資本投入是省際區域技術創新差異的第二大貢獻因素，平均貢獻率達到14.41%。

各區域之間市場化程度（lnmarket）、研發人力資本投入（lnrdp）、人才集聚的知識創造與獲取（lnk）、知識產權保護（lnpa）、貿易開放程度（lnopen）、經濟發展水平（lnpgdp）、金融發展（lnfd）的差異對各區域技術創新的差異有顯著影響。平均貢獻率分別達到13.42%、13.21%、12.34%、11.03%、6.21%、5.57%、1.36%。