多維鄰近視角下高技術產業創新均衡與集聚效應研究

類驍

摘要：將高技術產業創新能力劃分為創新投入、創新產出和創新環境三個維度，利用Theil指數方法，測算2013～2017京津冀和長三角地區高技術產業創新能力綜合評價值和不均衡度;在此基礎上拓展空間鄰近概念，引入經濟距離權重和信息化水平距離權重，研究創新集聚特征。研究發現：經濟鄰近和信息化鄰近下高技術產業創新集聚效應顯著，地理距離已不再是集聚的主要限制因素;長三角地區的創新綜合評價值較高，不平衡度較低，集聚效應顯著;京津冀地區綜合評價值差距較大，不平衡度明顯，但呈減小趨勢，集聚效應不顯著，創新均衡有待提升。

Abstract： Dividing high technology industry innovative capacity into innovation input， output and environment， introducing the Theil index， this paper measures innovative capacity evaluation and inequality of the Beijing-Tianjin-Hebei and Yangtze river delta region based on 2013-2017 panel data. Introducing economic distance weighting and the information distance weighting to extend the multi dimensions of proximity， the paper analyzes innovation agglomeration features. Results show that innovation has significant agglomeration effect under economic and information proximity， and geographic distance is no longer main limiting factor. The evaluation is higher with low inequality and significant agglomeration in the Yangtze river delta region. The gap of evaluation is large with obvious inequality and non-significant agglomeration， but the inequality decrease recent years， and in the whole， the innovative equality needs to be promoted.

關鍵詞：創新能力;不均衡度;信息化鄰近;集聚效應

Key words： innovative capacity;inequality;information proximity;agglomeration

中圖分類號：F276.44? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2019）18-0001-04

0? 引言

進入21世紀以后，高技術產業利用其將科技知識轉化為新產品、新工藝、新流程的突出優勢，以及高帶動性、高附加值的特點，迅速成為世界各國的重要經濟增長源泉和科技發展助推器，是體現國家競爭力的核心力量。2013年至2017年我國高技術產業總產值從11.2萬億躍升至17.0萬億，是國民經濟的重要支柱之一，且企業數、從業人員數、專利數等各項指標保持了良好的增長趨勢，形成了以環渤海等四大高新產業密集區為核心，以長三角、京津冀、珠三角為局部中心的遍布全國的100多個高新技術產業開發區，成為我國區域創新發展的核心力量。

目前，我國高技術產業規模已躍升至世界前列，但投入產出效率仍較低，創新推動作用明顯不足[1]。為此，國內學者從不同的角度對高技術產業創新開展了研究：①創新效率測算。肖仁橋等（2011）從價值鏈的角度對我國高技術產業的創新效率進行測度，建立了高技術產業創新效率評價指標體系，包含R&D人員全時當量、資金投入、專利申請量、擁有發明專利量等指標[2]。史丹和李曉斌分析了高技術產業發展的影響因素，認為R&D資金投入和創新型人力資源的投入將影響[3];②創新能力衡量。徐玲等（2011）將高技術產業技術創新能力指標分為創新投入能力、研發能力、創新生產能力和創新產出能力[6];陳萍、賈志永等（2008）從技術創新投入能力和創新產出能力兩個角度構建了高技術產業創新能力評價指標及計算公式，并對我國省域進行了實證綜合評價[7];汪良兵等（2014）從復雜系統論的角度出發，將我國高技術產業創新體系分為創新環境、技術研發、技術吸收、創新產出[8];李海超等（2015）運用系統動力學方法，從縱向和橫向對高技術產業創新能力進行了評價[9]。③創新集聚研究。高技術產業具有規模收益遞增和外部溢出輻射效應，易形成集聚效應、區位效應和聯動效應。王子龍、譚清美等（2006）首次對高技術產業的空間集聚效應指數和行業集中度進行了測定，并指出當前階段我國高技術產業的總體的企業集聚水平正在不斷提高[10];施海燕等（2013）構建了該技術產業集聚度指標，研究顯示我國高技術產業空間分布呈現“兩極化”特征[11];晉盛武等（2015）基于高技術產業面板數據，探討產業集聚、就業水平的空間分布關系[12]。

總體來看，現有研究相對割裂和單一，只關注于測度創新能力、效率、集聚度的等指標，對內部制約因素、渠道、平衡度等關鍵要素未進行深入探討，無法針對性的就高技術產業的未來布局和平衡發展問題提供意見和建議。為此，文章以我國高技術產業示范區——京津冀和長三角為研究對象，利用熵指數方法測度高技術產業創新能力，并利用Theil指數對均衡性進行分析;之后，借助空間計量工具研究創新集聚和分布特征;最后，提出提升高技術產業創新均衡發展政策建議。

1? 模型方法

1.1 熵和Theil指數基本原理

熵概念最早由Shannon提出，是在信息理論中對隨機事件的不確定性的度量，常用來對社會經濟體的經濟指標進行不均衡度分布進行測度。其基本思想是，對某一個屬性而言，如果表現接近，則該屬性作用表現不突出，屬性指標間的差異越大，提供的信息越多，屬性也越重要，必然事件所包含的信息量是0，等概率事件的信息量最大[13]。其計算公式如下：

■（1）

其中，k是正常數，pi是一個離散的概率分布，上式被稱為概率分布pi的熵。

設系統有n個待選對象集，有m個評價因素，第i個指標對第j個備擇對象的評價用指標特征量xij來表示，建立如下的評價指標m×n階特征量矩陣，并對特征量進行標準化處理，令■，于是得到歸一化矩陣。

■

（2）

引入Theil不均衡指數[7]：

■（3）

其中，■，對上面的公式進行變換，結合前面得出的歸一化矩陣，第i個指標的不均衡度表示為：

■（4）

下面定義熵矢量■，則■，第j個對象的綜合評價值[9]為：

■（5）

定義不均衡度為Z：

■（6）

據此，本文將京津冀、長三角的高技術產業作為對象，以高技術產業創新能力的指標作為隨機變量，引入Theil指數測度不均衡度。

1.2 多維權重矩陣組

大數據、云計算、物聯網等新興信息技術的發展極大程度的打破了傳統距離因素的限制，產業集聚的輻射作用也被空前放大。為此，文章引入經濟距離矩陣、信息化水平距離矩陣，加上地理距離矩陣構成多維權重矩陣組，研究不同鄰近條件下高技術產業創新集聚效應和分布情況。

地理距離矩陣W1：采用地區省會城市間直線距離平方的倒數測度地理距離，設dij為地區i和地區j地理距離，則權重矩陣元素wij表示為：

經濟距離矩陣W2：采用人均GDP差距的倒數測度經濟距離差距，設地區i和地區j的人均GDP分別為perGDPi和perGDPj，則權重矩陣元素wij表示為：

信息化水平距離矩陣W3：采用信息化發展指數差距倒數測度信息化水平差距，設地區i和地區j的信息化水平分別為ICTi和ICTj，則權重矩陣元素wij表示為：

2? 模型建立和結果分析

2.1 指標體系構建

指標選取遵循準確性、系統性和可比性原則，為體現高技術產業在創新投入產出中的多因素復雜關系，文章參照《中國高技術產業統計年鑒》、《中國科技統計年鑒》等相關資料文件，選取初始指標，采用主成分分析法篩選計算，最終建立了以創新投入、創新產出、創新環境為一級指標的高技術產業創新能力指標體系，如表1所示。

根據選定指標，選取2013～2017年數據測算京津冀和長三角集聚區高技術產業創新能力和不平衡度;同時，計算2013～2017年我國省域的多維權重矩陣組。其中，數據來自于歷年的《中國高技術統計年鑒》、《中國科技統計年鑒》、《中國統計年鑒》、《中國信息化發展水平報告》和中華人民共和國科技部網站。

2.2 模型求解和分析

借助Matlab2016b求解得出京津冀和長三角地區高技術創新能力評價值，如表2所示。

計算2013～2017年的不均衡度評價值，如圖1所示。

利用Geoda095i檢驗2013～2017年高技術產業創新能力評價均值在多維度權重下的全局空間自相關關系，如圖2和圖3所示，經濟距離矩陣、信息化水平距離矩陣下的創新能力評價值通過了顯著性檢驗，Morans I指數分別為0.332和0.407，地理距離矩陣未通過顯著性檢驗。

將高技術產業創新能力評價均值的局部自相關關系和集聚情況展示在圖4和圖5的LISA分布圖中，重點觀測京津冀和長三角地區特征。圖4和圖5中，長三角地區均處于HH象限中，已基本形成“創新合力”局面，能顯著帶動周邊省份的高技術產業創新;京津冀地區的高技術產業創新未表現出顯著的集聚特征，核心地區的創新輻射作用不顯著。

3? 結論與建議

①從創新均衡效應總體來看，長三角地區高技術產業創新能力綜合評價指標在觀測年份較高，差距較小，不平衡度在觀測年份始終在0.17以下，創新發展已較均衡;京津冀地區的綜合評價指標低于長三角地區，差距明顯，不平衡度較高。

分析原因，可能是早在1990年上海就確立了經濟、金融、航運中心的地位，龍頭作用顯著;外商投資引入早，為高技術發展和技術溢出提供了渠道和保障;始終保持著穩定的貿易進出口額;具備自主創新能力的大中企業密集，研發機構和高校散布更均衡;三省市信息通信技術應用能力、網絡就緒度等指標均位居全國前列，大數據、物聯網等新型信息技術的應用與發展迅猛;京津冀地區在以上方面的發展布局稍晚，部分地區基礎設施建設較緩慢，創新發展所需的外資比重也相對較低。

②從均衡效應的評價值來看，上海、江蘇、浙江在觀測年份的評價值均在0.6左右，且保持了較穩定的增長趨勢，不平衡度除12年外均保持穩步下降趨勢;其中，江蘇省自12年起創新能力評價值便位居全國第一，根據統計局的相關數據，12年江蘇省在高端裝備、新能源、生物制藥等多個新興產業增速迅猛，一舉奠定了其在全國高技術產業中的地位。

雖然京津冀地區的創新能力評價值差距仍較明顯，但不平衡度逐年較低，特別是15年已降至0.2以下;北京的評價值始終保持在較高水平，天津近兩年迅速“趕上”，已接近北京和長三角地區的水平，有望在未來幾年同北京形成京津冀及周邊地區高技術產業的創新“雙擎”，河北近年來在省內5大高新技術產業開發區的帶動下發展勢頭良好;總體而言，京津冀地區仍需繼續加強創新一體化建設，轉變創新思路和不平衡的創新發展模式。

③從集聚效應來看，就全國而言經濟鄰近和信息化鄰近下的高技術產業創新集聚效應顯著，Morans I指數分別達到了0.332和0.407，充分說明經濟上的密切往來、即時信息和通信技術帶來的便利已成功代替了地理鄰近對創新溢出和知識傳播的作用，多維鄰近下的產業集聚和空間集聚的新趨勢將逐步凸顯。

④長三角地區集聚效應更顯著，在經濟鄰近和信息化鄰近下均顯著呈現為“H-H”（“高-高”）的局域性創新分布特征，說明上海、江蘇、浙江不管在經濟發展、信息通信水平以及高技術產業創新表現上都呈現出“趨同”現象，今后該地區也將繼續作為全國高技術產業創新發展和城市群發展的“領頭羊”。

值得注意的是，京津冀地區未表現出顯著的集聚收斂特征，再次證明了高技術產業發展的不均衡性，北京作為該地區科技研發核心，對創新“拉動”作用不明顯，未來京津冀需要繼續加強區域間的經濟貿易往來、人才交流、技術合作以及新型信息技術下的平臺共建和分享，努力打造京津冀“創新共同體”。

參考文獻：

[1]韓晶.中國高技術產業創新效率研究——基于SFA方法的實證分析[J].科學學研究，2010，28（3）：467-472.

[2]肖仁橋，錢麗，陳忠衛.中國高技術產業創新效率及其影響因素研究[J].管理科學，2012，25（5）：85-98.

[3]史丹，李曉斌.高技術產業發展的影響因素及其數據檢驗[J].中國工業經濟，2004（12）：32-39.

[4]周明，李宗植.基于產業集聚的高技術產業創新能力研究[J].科研管理，2011，32（1）：15-21.

[5]官建成，陳凱華.我國高技術產業技術創新效率的測度[J]. 數量經濟技術經濟研究，2009（10）：19-33.

[6]徐玲，武鳳釵.我國高技術產業技術創新能力評價[J].科技進步與對策，2011，28（2）：128-132.

[7]陳萍，賈志永，龔小歡.基于投入產出指數的高技術產業技術創新能力實證研究[J].科學學研究，2008（2）：501-505.

[8]汪良兵，洪進，趙定濤，等.中國高技術產業創新系統協同度[J].系統工程，2014（3）：1-7.

[9]李海超，李志春.高技術產業原始創新系統分析及創新能力評價研究[J].中國管理科學，2015（1）：672-678.

[10]王子龍，譚清美，許簫迪.高技術產業集聚水平測度方法及實證研究[J].科學學研究，2006，24（5）：706-714.

[11]施海燕，宣勇，唐根年.中國高技術產業空間集聚及其適度性檢驗[J].工業技術經濟，2013（5）：59-68.

[12]晉盛武， 盛淑潔.中國高技術產業集聚的就業效應研究——基于空間面板的實證分析[J].地理與地理信息科學，2015， 31（1）：80-86.

[13]Shannon C E. A Mathematical Theory of Communication[J]. Bell System Technical Journal， 2014， 27（3）：379-423.

[14]■ P， Galbraith J K. Constructing Long and Dense Time-Series of Inequality Using the Theil Index[J]. Eastern Economic Journal， 2000， 26（1）：61-74.

[15]項歌德. R&D溢出效應的測度研究[D].上海社會科學院， 2011.