中國省際創(chuàng)新異質性及其影響因素研究

方大春 裴夢迪

[摘 要] 從異質性視角考察省際創(chuàng)新影響因素，有助于把握不同因素在省際間的差別。Moran's I 指數(shù)和LISA聚類結果表明，中國創(chuàng)新相似水平區(qū)域表現(xiàn)出空間集聚。地理加權回歸分析表明，在區(qū)域創(chuàng)新水平提高方面，R&D經(jīng)費支出對西部地區(qū)促進作用最大，R&D人員投入和人均GDP對東中部的促進作用大于西部;低水平人力資本抑制創(chuàng)新產出，且對中部地區(qū)的負效應大于東西部;技術市場水平對西部地區(qū)創(chuàng)新負作用大于東中部。分位數(shù)回歸分析表明，隨著創(chuàng)新能力提高，R&D經(jīng)費支出對區(qū)域創(chuàng)新的促進作用降低;R&D人員投入對創(chuàng)新高水平段促進作用較大，人力資本對創(chuàng)新中間段水平負效應較大，人均GDP對創(chuàng)新低水平和高水平段的拉動作用顯著，技術市場水平對創(chuàng)新低水平段負影響較大。為此，東部要打造創(chuàng)新集聚高地，中部要創(chuàng)新體制機制，西部要加大研發(fā)投入，省際間需構建創(chuàng)新協(xié)作機制。

[關鍵詞] 區(qū)域創(chuàng)新;空間異質性;空間相關性;地理加權回歸;分位數(shù)回歸

[中圖分類號] F127 [文獻標識碼]A ?[文章編號]1673-0461（2019）09-0036-07

一、引 言

黨的十九大報告指出，我國經(jīng)濟已由高速增長階段轉向高質量發(fā)展階段，要以創(chuàng)新作為經(jīng)濟發(fā)展的核心動力，加快建設創(chuàng)新型國家。關于區(qū)域創(chuàng)新的研究主要集中在創(chuàng)新價值（史自力，2013;王麗潔，2016）、創(chuàng)新績效（白俊紅等，2015;卓乘風等，2017）、創(chuàng)新評價（賀德方，2014;張愛華，2017）、創(chuàng)新因素（王鵬等，2017;李慧，2014）等方面。在創(chuàng)新因素實證研究中，主要探討不同投入要素貢獻程度（方遠平等，2012;馮南平等，2017;蘇屹等，2017）和資源優(yōu)化配置效果（王春楊等，2018;王聰?shù)龋?017;賴德勝等，2015）。部分研究已表明我國創(chuàng)新能力存在明顯空間特征（蔣天穎，2014;趙雨涵等，2017），空間特征可能是由外溢性和空間相鄰性導致。那么，在考察區(qū)域創(chuàng)新影響因素實證研究中需要把空間特征納入，突破傳統(tǒng)經(jīng)濟學上把空間看作同質性的假設。為此，從異質性視角考察中國省際創(chuàng)新影響因素，有助于把握不同因素在省際間的差別。

二、中國省際創(chuàng)新空間相關性分析

在分析中國省際創(chuàng)新空間異質性之前，首先對中國區(qū)域創(chuàng)新水平的全局和局部空間相關性進行探測。

（一）全局空間相關性分析

四個間隔年份中，山東、江蘇、浙江和上海始終處于HH區(qū)域，體現(xiàn)明顯的空間集聚效應。廣東、北京和四川一直處于HL區(qū)域，說明這三個地區(qū)的區(qū)域創(chuàng)新水平相對于周邊地區(qū)較高，表現(xiàn)為高值被低值包圍的集聚特征。江西，廣西、湖南、海南等地區(qū)始終位于LH型區(qū)域，其創(chuàng)新水平總是低于其周邊。大多數(shù)經(jīng)濟相對較落后地區(qū)（黑龍江，新疆，山西，寧夏等）的區(qū)域創(chuàng)新水平較低，且其周邊地區(qū)均表現(xiàn)為低水平，分布在LL區(qū)域。2016年有22個省市位于第I、III象限，這些地區(qū)的創(chuàng)新水平集聚程度較明顯，呈現(xiàn)空間正相關集聚特征。其中，約有53.3%的省市位于LL區(qū)域，有顯著的低低集聚特征。有5個省份位于第II象限（LH），說明這些地區(qū)創(chuàng)新水平低于周邊。相比于2007年，2016年HH區(qū)域增加了安徽和福建，說明安徽和福建兩地通過提高自身創(chuàng)新能力以及接受周邊地區(qū)創(chuàng)新溢出，其創(chuàng)新水平逐漸提高，依次從LH區(qū)域轉變?yōu)镠H區(qū)域。

三、基于GWR模型分析

（一）變量選擇與模型設定

1.變量選取

考慮到數(shù)據(jù)的可獲得性，確定研究時段為2007—2016年，研究對象為除西藏、香港地區(qū)、澳門地區(qū)和臺灣地區(qū)外30個省、自治區(qū)和直轄市。樣本數(shù)據(jù)來源于各年的《中國統(tǒng)計年鑒》和《中國科技統(tǒng)計年鑒》;所有數(shù)據(jù)以2007年為基期年，通過價格平減消除了相關變量的價格影響因素。

創(chuàng)新產出（inv）：國內外眾多研究都把專利數(shù)量作為衡量區(qū)域創(chuàng)新的指標，故以各年各省市的專利授權數(shù)來表示各區(qū)域的創(chuàng)新產出水平。

科技投入：專利生產過程中需要投入勞動和資本，用地區(qū)研究與試驗發(fā)展人員全時當量表示人員投入 （R&Dry）和地區(qū)研究與實驗發(fā)展經(jīng)費支出量（R&Dzc）來反映各地區(qū)科技投入。

人力資本（edu）：一般采用平均受教育年限作為人力資本的代理變量。用全部6歲及6歲以上人口的平均受教育年限來衡量，設定不識字或識字很少為0年、小學為6年、初中為9年、高中為12年、大專及以上為16年。以各受教育水平在人口中的比例為權重，得到各地區(qū)的平均受教育年限。

區(qū)域創(chuàng)新環(huán)境：一個地區(qū)創(chuàng)新水平不僅與以上因素有關，而且與區(qū)域創(chuàng)新環(huán)境緊密相連。采用各省（市、自治區(qū)）人均GDP（pgdp）和技術市場成交金額 （jssc）代表區(qū)域創(chuàng)新環(huán)境。人均GDP可以體現(xiàn)一個地區(qū)的經(jīng)濟發(fā)達程度，能夠全面反映區(qū)域創(chuàng)新的經(jīng)濟保障支撐要素;技術市場成交額反映一個地區(qū)技術市場的活躍度，技術市場的發(fā)展可以促進知識流動，提高創(chuàng)新資源配置效率。

2.模型設定

考慮各因素對區(qū)域創(chuàng)新水平的影響，構建如模型（3）。為消除數(shù)據(jù)異方差，對各變量取對數(shù)。

從OLS估計的R2和F檢驗結果來看，模型整體擬合程度較高，體現(xiàn)出所建模型有較好解釋力。AICc值為33.744。通過系數(shù)值可以看出，R&D經(jīng)費支出、R&D人員投入以及人均GDP都對區(qū)域創(chuàng)新有正向作用;人力資本水平和技術市場水平對區(qū)域創(chuàng)新有負向作用。從p值來看，大多系數(shù)都不顯著，且每個變量系數(shù)估計值只有一個“全局”意義上的估計值，需進一步做局部的地理加權回歸。

利用SAM4.0軟件運行地理加權回歸模型，計算各變量回歸系數(shù)。將各因素對區(qū)域創(chuàng)新空間分布影響程度的最小值、分位數(shù)值及最大值詳細列出，如表3。

整體來看，各因素對區(qū)域創(chuàng)新水平的影響程度有顯著差異，表現(xiàn)為回歸系數(shù)值范圍變動幅度較大。OLS的回歸結果僅代表總體的平均狀況，對局部地區(qū)的預測效果不佳。從R2和AICc的統(tǒng)計值來看，GWR模型較優(yōu)于OLS模型。為更詳細展示GWR的回歸結果，將每一個回歸點的系數(shù)估計值總結于表4。

由表4可以看出：①地區(qū)R&D經(jīng)費支出（lnR&Dzc）對區(qū)域創(chuàng)新水平均有正向促進作用，其中影響最小為黑龍江（0.443 3），最大為新疆（1.436 5）。從系數(shù)平均值來看，地區(qū)R&D經(jīng)費支出對西部地區(qū)的創(chuàng)新水平影響最大（1.197 1），高于東中部超過0.4個單位。②地區(qū)R&D人員投入（lnR&Dry）的系數(shù)值除西部地區(qū)的新疆、云南外，都表現(xiàn)為正，且在中東部地區(qū)其對區(qū)域創(chuàng)新的正向促進作用遠大于西部。③人力資本（lnedu）的系數(shù)為負值，人力資本水平提高對各區(qū)域創(chuàng)新反而有負作用，且對中部地區(qū)的負效應大于東西部。④人均GDP（lnpgdp）的系數(shù)表現(xiàn)為對區(qū)域創(chuàng)新有正向促進作用。東部地區(qū)系數(shù)平均值為0.093 6，明顯高于西部地區(qū)系數(shù)平均值0.045 5。系數(shù)值排名靠前的海南、廣東、福建、廣西、浙江、上海、江西、江蘇、湖南、安徽等地區(qū)，除廣西外，均處中東部地區(qū)，而排名靠后的青海、甘肅、寧夏、內蒙古、四川、陜西等省，均處西部地區(qū)。⑤技術市場水平（lnjssc）的系數(shù)大多表現(xiàn)為負，影響較大的地區(qū)為新疆、云南、四川、貴州、廣西、青海等西部地區(qū)，影響較小的地區(qū)為吉林、遼寧、天津、北京、上海、山東等中東部地區(qū)。

四、基于分位數(shù)回歸模型分析

分位數(shù)回歸（Quantile Regression）是依據(jù)被解釋變量的條件分位數(shù)對解釋變量進行回歸，從而得到多個分位數(shù)下的回歸模型。分位數(shù)回歸模型并不直接引入空間坐標信息，但由于我國省際創(chuàng)新水平存在明顯塊狀發(fā)展特征，且不同地區(qū)具有差異性，故可以達到異質性分析的目的。相比普通最小二乘法只能描述被解釋變量的均值回歸，分位數(shù)模型更能精確刻畫自變量對不同部分因變量的分布產生的不同影響，并且采用面板數(shù)據(jù)進行分位數(shù)回歸的各參數(shù)估計比OLS回歸估計更穩(wěn)健。基于這個特點，沿用模型（3）進行面板分位數(shù)回歸，研究不同區(qū)域創(chuàng)新水平上各因素的影響差異。這里列出0.1、0.3、0.5、0.7、0.9各分位點的參數(shù)估計結果，如表5所示。

通過分位數(shù)回歸結果可以看出，當區(qū)域創(chuàng)新能力處于不同水平上時，各因素對其影響有很大差異。

R&D經(jīng)費支出（lnR&Dzc）的系數(shù)估計值均顯著為正，說明其對區(qū)域創(chuàng)新的正向促進作用明顯。但是其系數(shù)值隨著分位點的提高總體下降，即隨著區(qū)域創(chuàng)新能力的提高，R&D經(jīng)費支出對區(qū)域創(chuàng)新水平的影響作用在降低。R&D人員投入（lnR&Dry）在分位數(shù)較高點的系數(shù)估計值最大，且顯著為正，即在創(chuàng)新能力較高區(qū)域，增加R&D人員投入顯著提高當?shù)貏?chuàng)新產出。

人力資本（lnedu）在各個分位點的系數(shù)估計值為負，且大多顯著。這可能是因為當前我國人力資本水平總體不高（樣本中人均受教育年限在7.46年至11.54年之間），相對低端的人力資本對區(qū)域創(chuàng)新活動的推動作用有限，甚至可能會抑制創(chuàng)新產出，這與劉曙光等（2017）的研究結論一致。隨著分位點的提高，人力資本水平對區(qū)域創(chuàng)新的負作用先增大后減小，即對區(qū)域創(chuàng)新水平處于中間段的負面效應大于低水平區(qū)域和高水平區(qū)域。

區(qū)域經(jīng)濟實力（lnpgdp）對區(qū)域創(chuàng)新有正向影響。在區(qū)域創(chuàng)新水平位于低分位點（0.1）和高分位點（0.9）時，人均GDP增長對創(chuàng)新的拉動作用較為顯著。在分位數(shù)處于中間段的時候，其顯著性不明顯，且隨著分位數(shù)提高，影響強度總體下降。創(chuàng)新低水平區(qū)域，需要打好經(jīng)濟基礎，支撐創(chuàng)新增長，創(chuàng)新高水平區(qū)域，同樣需要通過強大經(jīng)濟實力來提升核心競爭力。

技術市場水平（lnjssc）的系數(shù)估計值均顯著為負，說明技術市場水平的提升對區(qū)域創(chuàng)新有明顯負效應。隨著分位點的提高，其對區(qū)域創(chuàng)新水平的負面影響先下降后提升。出現(xiàn)這種情況的原因可能有兩方面：一是創(chuàng)新能力處于低分位點時，地區(qū)經(jīng)濟發(fā)展水平相對落后，對創(chuàng)新的需求和消化能力較弱，技術市場水平的提高不能發(fā)揮其對區(qū)域創(chuàng)新能力的促進作用。二是創(chuàng)新水平處于較高點時，存在較強技術外溢，創(chuàng)新高地的技術溢出到其他地區(qū)，使得技術市場活躍度不能很好轉化為當?shù)貐^(qū)域創(chuàng)新能力。

五、結論與建議

采用Moran's I 指數(shù)和 LISA 指數(shù)對2007—2016年中國30個省市（自治區(qū)）①區(qū)域創(chuàng)新水平的全局和局部空間相關性進行探測，并利用地理加權回歸和分位數(shù)回歸探討各因素對區(qū)域創(chuàng)新的具體影響。研究得出以下主要結論：

第一，樣本期間內，我國各區(qū)域創(chuàng)新水平之間存在正向空間相關性，相似水平的區(qū)域表現(xiàn)出空間集聚，且集聚程度總體加強。局部空間相關性分析表明，東部地區(qū)的山東、江蘇、浙江和上海始終處于HH區(qū)域，體現(xiàn)明顯的高高空間集聚效應。廣東、北京和四川一直處于HL區(qū)域，其區(qū)域創(chuàng)新水平相對于周邊地區(qū)較高，表現(xiàn)為高值被低值包圍的集聚特征。江西、廣西、湖南和海南等地區(qū)始終位于LH區(qū)域，其創(chuàng)新水平總是低于其周邊區(qū)域。黑龍江，新疆，山西，寧夏等經(jīng)濟欠發(fā)達西部地區(qū)的區(qū)域創(chuàng)新水平較低，且其周邊地區(qū)均表現(xiàn)為低水平，分布在LL區(qū)域，呈現(xiàn)低低集聚模式。近年來，安徽和福建兩地創(chuàng)新水平逐漸提高，依次從LH區(qū)域轉變?yōu)镠H區(qū)域。

第二，創(chuàng)新水平的影響因素對各區(qū)域創(chuàng)新能力的效應有所不同，區(qū)別于OLS那樣僅有一個簡單的平均估計值。具體表現(xiàn)為隨空間位置的變動，回歸系數(shù)值的范圍變動幅度較大，影響強度有顯著差異。個別變量在不同地區(qū)表現(xiàn)為正負不同的影響，可能是由于各個地區(qū)有著不同的經(jīng)濟條件、創(chuàng)新體制、產業(yè)結構等原因使估計系數(shù)具有空間非平穩(wěn)性。模型擬合優(yōu)度也存在空間差異，但都較好擬合數(shù)據(jù)，GWR模型較優(yōu)于OLS模型。

第三，地理加權回歸分析表明，在區(qū)域創(chuàng)新水平提高方面，R&D經(jīng)費支出對西部地區(qū)促進作用最大，高于東中部地區(qū)超過0.4個單位。R&D人員投入和人均GDP對東中部的促進作用大于西部地區(qū)。人力資本水平提高對各區(qū)域創(chuàng)新有負作用，且對中部的負效應大于東西部地區(qū)，低端人力資本抑制創(chuàng)新產出。技術市場水平對西部地區(qū)創(chuàng)新負作用大于東中部地區(qū)。

第四，分位數(shù)回歸表明，當區(qū)域創(chuàng)新能力處于不同水平上時，各因素對其影響有很大差異。隨創(chuàng)新能力的提高，R&D經(jīng)費支出對區(qū)域創(chuàng)新的促進作用降低。R&D人員投入對創(chuàng)新高水平段影響較大，人力資本對創(chuàng)新水平中間段的負效應大于低水平和高水平段，低端人力資本抑制創(chuàng)新產出。人均GDP對創(chuàng)新低水平和高水平段的拉動作用顯著，技術市場水平對創(chuàng)新低水平和高水平段的負影響較大。

基于以上結論，提出相關政策建議。

第一，東部打造創(chuàng)新集聚高地，發(fā)揮空間外溢效應。對于江蘇、浙江、上海、北京、廣東等東部創(chuàng)新高區(qū)域，加快形成創(chuàng)新集聚高地，發(fā)揮對相鄰中部省份的溢出效應，逐步形成高高集聚空間;進一步增加R&D人員投入，發(fā)揮其對創(chuàng)新水平的顯著促進作用。

第二，中部創(chuàng)新體制機制，主動接受輻射效應。中部應該著力打破當?shù)嘏c周邊創(chuàng)新高地之間的創(chuàng)新溢出壁壘，接受周邊創(chuàng)新高地的輻射效應，加強與創(chuàng)新高地的全方位合作，努力提高創(chuàng)新水平。加大對高端教育的投入，不斷吸引、培育高層次人才，使人力資本提升成為提高區(qū)域創(chuàng)新水平的重要推手。

第三，優(yōu)化創(chuàng)新投入資源配置，加大西部研發(fā)經(jīng)費投入。西部地區(qū)經(jīng)濟水平落后，依靠當?shù)刎斦茈y保持對創(chuàng)新水平活動的維持。因此，從國家大局、地區(qū)創(chuàng)新平衡方面綜合考慮，應加大西部研發(fā)經(jīng)費投入，實現(xiàn)全國創(chuàng)新水平的總體提高。

第四，搭建技術交流平臺，構建創(chuàng)新協(xié)作機制。技術市場活躍度不能很好轉化為區(qū)域創(chuàng)新能力，因此政府要搭建技術交流平臺，促進知識雙向流動，構建創(chuàng)新協(xié)作機制，提高創(chuàng)新資源配置效率，進而提高各地區(qū)創(chuàng)新水平。

[注 釋]

① 研究對象為除西藏、香港地區(qū)、澳門地區(qū)和臺灣地區(qū)外30個省、自治區(qū)和直轄市。[參考文獻]

[1]史自力.區(qū)域創(chuàng)新能力與經(jīng)濟增長質量關系的實證研究[J].重慶大學學報（社會科學版），2013，19（6）：1-8.

[2]王麗潔.區(qū)域創(chuàng)新能力與經(jīng)濟增長動態(tài)關系研究[J].統(tǒng)計與決策，2016（16）：142-144.

[3]白俊紅，蔣伏心.協(xié)同創(chuàng)新、空間關聯(lián)與區(qū)域創(chuàng)新績效[J].經(jīng)濟研究，2015，50（7）：174-187.

[4]卓乘風，鄧峰.創(chuàng)新要素流動與區(qū)域創(chuàng)新績效——空間視角下政府調節(jié)作用的非線性檢驗[J].科學學與科學技術管理，2017，38（7）：15-26.

[5]賀德方.創(chuàng)新型國家評價方法體系構建研究[J].中國軟科學，2014（6）：117-128.

[6]張愛華.區(qū)域創(chuàng)新評價指標體系構建[J].統(tǒng)計與決策，2017（24）：51-54.

[7]王鵬，高妍伶俐.中國區(qū)域創(chuàng)新能力差異的實證研究——兼評各地區(qū)創(chuàng)新能力的影響因素[J]. 南京工業(yè)大學學報（社會科學版），2017，16（1）：121-128.

[8]李慧. 區(qū)域創(chuàng)新產出影響因素與地區(qū)差異的實證研究——基于江蘇省13個地級市面板數(shù)據(jù)的分析[J].華東經(jīng)濟管理，2014，28（6）：8-13.

[9]方遠平，謝蔓.創(chuàng)新要素的空間分布及其對區(qū)域創(chuàng)新產出的影響——基于中國省域的ESDAGWR分析[J].經(jīng)濟地理，2012，32（9）：8-14.

[10]馮南平，陳思宇，司家蘭. 基于ESDAGWR的安徽省創(chuàng)新產出空間分布及影響因素分析[J].科技管理研究，2017，37（11）：78-85.

[11]蘇屹，林周周.區(qū)域創(chuàng)新活動的空間效應及影響因素研究[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2017，34（11）：63-80.

[12]王春楊，吳國譽.研發(fā)資源配置、溢出效應與中國省域創(chuàng)新空間格局[J].研究與發(fā)展管理，2018，30（1）：106-114.

[13]王聰，朱先奇，劉玎琳，等.京津冀協(xié)同發(fā)展中科技資源配置效率研究——基于超效率DEA-面板Tobit兩階段法[J].科技進步與對策，2017，34（19）：47-52.

[14]賴德勝，紀雯雯.人力資本配置與創(chuàng)新[J]. 經(jīng)濟學動態(tài)，2015（3）：22-30.

[15]蔣天穎.浙江省區(qū)域創(chuàng)新產出空間分異特征及成因[J].地理研究，2014，33（10）：1825-1836.

[16]趙雨涵，宋旭光. 我國區(qū)域創(chuàng)新空間關聯(lián)的測度與分析——兼論區(qū)域創(chuàng)新網(wǎng)絡結構的動態(tài)特征[J].西南民族大學學報（人文社科版），2017，38（7）：84-92.

[17]TOBLER W R. A computer movie simulating urban growth in the Detroit region[J]. Economic geography， 1970， 46（2）：234-240.

[18]BOWMAN AW. An alternative method of crossvalidation for the smoothing of density estimates[J]. Biometrika， 1984：71.

[19]FOTHERINGHAM A S， BRUNSDON C ， CHARLTON ME. Geographically weighted regression： the analysis of spatially varying relationships[M]. West Sussex： John Wiley &Sons Ltd.， 2002.

[20]劉曙光，張涵.人力資本與歐盟區(qū)域創(chuàng)新活動研究——基于探索性空間數(shù)據(jù)分析和地理加權回歸模型[J].科技管理研究，2017，37（19）：155-163。

Abstract： To investigate the influencing factors of innovation between provinces from the perspective of heterogeneity is helpful to grasp the differences of different factors between provinces. The results of the Moran's I index and the LISA cluster show that，Chinese innovation level presents spatial correlation，and similar horizontal areas exhibit spatial agglomeration. GWR shows that， In terms of increasing regional innovation， R&D expenditure has the greatest impact on the western region;R&D personnel investment and per capita GDP have contributed more to the Eastern and central regions than to the West. Lowend human capital inhibits innovation output， and the negative effect on the central region is greater than that of the Eastern and western regions. The technology market level has more negative effects on innovation in the West than in the East and middle regions. The quantile regression shows that with the improvement of innovation ability， R&D expenditure reduces the contribution of regional innovation; R&D personnel investment has a greater impact on the low and high levels of innovation. The negative effect of human capital on the intermediate levels of innovation is greater than that of the low and high levels. Per capita GDP has a significant pull effect on the low and high levels of innovation. The level of technology market has a negative impact on the low level and high level of innovation. To this end， the eastern part of the country needs to create a Highland of innovation， the central part needs to innovate institutional mechanisms， the western part needs to increase investment in research and development， and build innovative cooperation mechanisms between provinces.

Key words： regional innovation; spatial heterogeneity; spatial relevance; GWR; quantile regression

（責任編輯：張夢楠）