創新要素集聚對區域創新績效的溢出效應研究
——基于門檻值的分析

吳衛紅，董 姍，張愛美，唐方成

(北京化工大學經濟管理學院,北京 100029)

知識經濟的快速發展和科學技術的日趨復雜使得科技創新的重要性日益凸顯，并成為推動經濟持續健康發展的動力源泉和重要手段。從世界范圍內看，綜合國力的競爭越來越集中體現為科技創新的競爭，創新要素作為創新活動最基本以及最直接的投入資源，已成為區域發展首要爭奪的對象，并在競爭的過程中逐漸形成了創新要素的集聚現象。技術競爭理論認為創新要素的集聚數量是決定創新能力的重要因素之一[1]。創新要素集聚可以通過勞動力池效應以及知識溢出等帶來規模效應，但過度集聚因加劇市場競爭等會產生擁擠效應[2]。要素擁擠理論認為創新要素的集聚并非越多越好，過度集聚反而有可能會抑制創新能力的提升。這些都說明創新要素的集聚可能存在一個門檻值。

不同區域創新要素集聚的溢出效應存在區別，不同的創新要素集聚通過影響創新活動，進而對當地的創新績效產生不同的溢出效應。有關創新要素集聚對創新績效的影響研究受到了國內外學者的廣泛關注。同時，現有研究對創新要素集聚與創新績效兩者間關系的認識仍存在著爭議。一種流派認為創新要素集聚可以產生規模報酬遞增現象[3]，對創新績效具有正向的溢出效應。不少學者通過實證研究得出創新要素集聚水平越高，該地區或企業的創新績效越好[4-7]。另一種流派認為創新要素集聚與創新績效的關系具有不確定性。余泳澤[8]在借助Henderson的研究方法分別測度三大創新主體的創新資源集聚水平的基礎上，實證分析創新資源集聚對高校、企業和科研機構的影響，研究結果發現創新資源的集聚水平對創新主體創新效率的影響可能為正、可能為負、也可能是不顯著的。郭寶潔[9]則發現創新要素集聚與經濟增長存在非必然性的關系。還有一種流派認為創新要素集聚的溢出效應可能存在門檻值約束，當集聚水平超過一定水平時不僅不會促進創新績效的提升反而會產生抑制作用[10-11]。也就是說，要素的過度集聚可能造成效率損失現象[2]。這些研究結論并不一致，甚至在一定程度上存在沖突，表明創新要素集聚與創新績效之間的關系并不明確，因而有待進一步深入探究和完善。進一步分析，這3種流派的爭論點可歸結為創新要素集聚對創新績效的溢出效應是否存在門檻值。第一種流派的創新要素集聚水平可能還沒有達到門檻值，所以，創新要素集聚水平越高，創新績效越好；第二種流派的創新要素集聚水平跨度范圍可能較小，所以，創新要素水平越高，創新績效既可能越高，也可能越低，具有不確定性；第三種流派認為創新要素集聚對創新績效的溢出效應存在門檻值約束。

新形勢下，我國對科技創新能力給予高度重視，制定了創新驅動發展的戰略，并大量增加創新投入。隨著創新要素投入的不斷增加，豐富的人力、財力和技術要素聚集于北京、上海、廣東等地區，創新要素集聚給這些地區帶來了顯著的規模效應，促進了地區的創新發展，但是，隨著創新要素集聚水平提高，生產成本上升以及空間環境的約束導致創新要素集聚的擁擠效應也開始顯現。在這種情形下，政府已經出臺了促進資源均衡配置的相關政策以補救原有非均衡布局的舉措，但要素“扎堆”現象依然存在，哪些區域的創新要素需要轉移，轉移的適宜時機又在哪里等問題仍未達成一致。梳理已有文獻發現，國內學者主要關注創新要素集聚及其影響因素，卻對創新要素集聚對創新績效的動態影響研究關注較少。部分學者雖然意識到了創新要素集聚對創新績效的負向溢出效應，但并未精確測算集聚溢出效應的門檻值。而定性判斷門檻值的存在與否并不能為政府政策的制定給出具體的參考建議。此外，各區域因資源稟賦、空間范圍和地理位置等方面存在差異，不同區域創新要素集聚的溢出效應也有所區別，測算不同區域創新要素集聚溢出效應的門檻值及其原因具有較大的實際意義。為此，本文從門檻值的分析出發，在運用因子分析法測度創新要素集聚水平和創新績效的基礎上，通過MATLAB中的曲線擬合工具箱探究創新活動過程中創新要素集聚水平對創新績效所起的重要作用?？紤]到數據的可獲取性，本文以我國30個省域作為研究對象，從區域異質性特征入手，考察創新要素集聚對創新績效的溢出效應，以反映創新要素集聚效應的空間差異，實證分析不同創新要素集聚水平層級的門檻值約束，并基于不同區域的創新要素集聚水平及特點提出促進創新績效增長的對策。

1 研究設計

1.1 研究假設

創新要素是指創新活動中可以直接產出科技成果的投入資源或影響創新支撐條件的要素[12]，其作為創新活動的基礎，正日益成為各國家和地區青睞以及爭奪的對象，并在此過程中形成創新要素集聚現象。創新要素集聚不是創新要素投入的簡單加總，還包括創新要素配置、整合和協同等[13]，從而形成了強大的集聚效應，產生“1+1>2”的效果[14]，推動區域創新能力和創新績效的提升。創新要素集聚作為科技創新的重要推動力[15]，勢必對創新績效會產生一定的影響。那么，創新要素集聚是如何影響創新績效呢？基于集聚經濟理論，創新要素集聚對創新績效的影響具有兩面性。集聚因素在前期階段，具有規模報酬遞增的特征，后期由于擁堵和過度競爭等，呈現集聚不經濟的特征[16]。由于規模效應和擁擠效應并存，集聚凈效應呈現先升后降的變化。那么，集聚凈效應的門檻值又在哪里？不同區域因集聚環境的差異導致集聚經濟特性也不同，比如：空間范圍是集聚因素產生規模效應或擁擠效應的重要原因。因此，各區域創新要素集聚效應的門檻值應有所不同。而創新要素集聚水平的層級越高，可為區域內的創新主體提供更豐富的創新資源，營造更有利于創新主體發展的創新環境，從而區域的創新要素集聚規模效應更容易顯現，其擁擠效應也會不易出現，因此集聚的溢出效應門檻值也會隨之推后。因此，本文提出如下假設：

H1：創新要素集聚水平與創新績效呈倒U型關系。

H2：創新要素集聚水平層級與集聚的溢出效應門檻值呈正相關關系。

1.2 研究方法

本文采用因子分析法、聚類分析和曲線擬合方法進行研究，通過因子分析法測度創新要素集聚水平和創新績效，通過聚類分析對30個省域進行歸類并探索創新要素集聚的門檻值是否存在以及不同創新要素集聚水平層級的集聚效應門檻值是否不同，通過曲線擬合方法實證創新要素集聚水平對創新績效的溢出效應。因子分析法可以通過多元統計從多個觀測變量中找出少數幾個綜合因子來解釋原始數據，能客觀有效地確定綜合指標[17]?，F有研究對創新要素集聚的測度多將創新要素獨立開來，選取構建指標對單個要素進行表征[18]，而現實中創新要素集聚是一個復雜系統，應該將多個創新要素看作一個整體，此種看法同樣適應于創新績效。因此，本文基于“區域系統”視角，采用因子分析法對創新要素集聚水平和創新績效進行綜合衡量。其次，為了明確創新要素集聚的門檻值存在與否，采用Q型聚類法對我國30個省域進行分類，分析創新要素集聚的階段性特點。另外，曲線擬合是用連續曲線近似地刻畫或比擬平面上離散點函數關系的一種數據處理辦法[19]，本文通過曲線擬合方法求解創新要素集聚水平與創新績效之間近似函數關系表達式，揭示創新要素集聚對創新績效的影響規律，并最終得出創新要素集聚效應的門檻值。

1.3 變量測度

1.3.1 指標設計

(1)創新要素集聚水平的指標構建。已有研究按照要素微觀本質特征將創新要素劃分為勞動、資本等初級要素和知識、技術等高級要素[20]，或按照結構和功能分為主體要素、支撐要素和市場要素[21]。目前相關研究對于創新要素的構成并沒有完全達成共識，但究其本質，創新要素包括人力、財力、技術、政策、制度和環境等[12]。考慮到政策、制度、環境等指標較為主觀，難以客觀量化，本文參考馮南平等的做法，重點關注人力要素、財力要素和技術要素三類[12,22-23]，構建評價指標體系如表1所示。

表1 創新要素集聚的評價指標體系

(2)創新績效的指標構建。創新績效是管理學領域中較為常用的關鍵測量指標，現有研究對衡量創新績效的指標體系并沒有統一的界定標準[24]，但多從知識產出和經濟產出兩個角度考慮，本文在已有研究的基礎上，考慮數據的可得性，將創新績效以專利申請量、專利授權量、新產品銷售收入、新產品出口額、技術市場技術輸出金額和數量等指標來衡量[25-28]。

1.3.2 測度結果分析

因西藏數據嚴重缺失，故本文選取了除西藏以外的30個省域作為研究對象。數據來源于2008—2018年的《中國統計年鑒》以及《中國科技統計年鑒》。因為數據量綱和數量級不一致，本文采用SPSS軟件默認的Z-Score法對相關數據進行標準化處理。在對相關數據進行因子分析法的適用性判定合格后，提取特征值大于1的因子，提取方法為主成分方法，具體細節在此不做贅述。在創新要素集聚水平的測度中，R&D人員全時當量、R&D經費內部支出、R&D經費內部支出中的企業資金、新產品開發項目數和新產品開發經費支出在其中一個因子上有較大的載荷，這5個指標既涵蓋了人力和財力的整體水平以及企業的創新投入，又包括了技術的成果水平，因此將其命名為核心因子。具有博士學歷的R&D人員、R&D經費內部支出中的政府資金、國外資金、技術市場技術流向合同數和技術市場技術流向合同金額在另一個因子上的載荷較大，這5個指標都可反映區域的創新環境，作為創新活動支撐的條件，因此，將其統稱為支撐因子。國外技術引進合同數和國外技術引進合同金額這兩個指標在公共因子上的載荷因年份的不同而不同，因此，在本文中不做歸類。

通過對相關指標數據進行因子分析，確定指標權重，得出各省域的創新要素集聚水平和創新績效的綜合因子得分見表2和表3。根據因子分析法計算原理，綜合因子的得分越高，表明該省域的創新要素集聚水平越高或創新績效越好；綜合因子的得分大于0，表明該省域的創新要素集聚水平或創新績效高于全國平均水平，反之，表明該省域的創新要素集聚水平或創新績效低于全國平均水平。

表2 2007—2016年我國各省域創新要素集聚水平得分

表3 2008—2017年我國各省域創新績效得分

表3(續)

結果表明，盡管近10年各省域的創新要素集聚水平和創新績效的綜合得分有細微變化，但整體上呈現較為明顯的穩定性。其中，北京、廣東、江蘇和上海是我國創新要素集聚水平非常高的區域，其創新要素集聚水平長期排在前列；浙江、山東和天津等3個省市近10年的集聚水平綜合得分均大于0，表明其集聚水平超過了全國平均水平；遼寧、四川和湖北3個省域近10年的集聚水平得分有正有負，處于不斷調整狀態；而河南、陜西、福建和安徽等20個省市的得分均小于0，表明其集聚水平未達到全國平均水平。此外，廣東和江蘇的創新績效位居前列；浙江和北京的創新績效一直穩定處于全國第三、四名；上海和山東的創新績效得分大于0，表明其綜合創新績效均在全國平均水平之上；天津、遼寧、湖北、安徽和河南等5個省市近10年的綜合得分有正有負，處于不斷波動狀態；而包括四川、湖南、重慶、青海等在內的19個省市的綜合得分均小于0，表明其創新績效居于全國平均水平之下。由此我國創新要素集聚和創新績效已形成多層次的分布格局。

2 實證研究

2.1 擬合模型及擬合方法

考慮到創新活動從投入到產出具有一段時期的滯后性，本文借鑒吳衛紅[13]和陳志宗[29]的做法，對所有的創新產出數據采取滯后 1 年的處理。為了發現兩者之間的內在規律性，求出兩者之間的函數關系式，以創新要素集聚水平為橫坐標，以創新績效為縱坐標，繪制如圖1所示的散點圖。

圖1 創新要素集聚水平-創新績效散點

由圖1可知，創新要素集聚水平與創新績效呈現較為規律性的關系，為發現兩者之間存在的具體關系，可對照散點圖預測函數類型。根據對擬合數據試驗發現，二次函數的擬合相關系數較高，擬合結果較好。因此，本文構建了“創新要素集聚—創新績效曲線”擬合模型見式(1)：

IP =a+bIEA +cIEA2

(1)

式(1)中：IP是創新績效；IEA為創新要素集聚水平；a、b、c為模型擬合參數。對于創新要素集聚水平和創新績效的測度數據及選定的擬合模型，可通過MATLAB、Origin等軟件對其擬合，考慮到MATLAB曲線擬合工具箱功能強大，擬合曲線圖形可視化，本文采用該工具箱進行創新要素集聚—創新績效曲線的擬合。

2.2 門檻效應分析

為了明確創新要素集聚對創新績效的溢出效應是否存在門檻值約束以及不同創新要素集聚水平層級的集聚溢出效應門檻值是否有所差異，本文采用Q型聚類法，以2007—2016年集聚水平綜合得分為指標變量對30個省域進行分類。類與類之間的距離的定義不同，由此可產生了8種不同的系統聚類方法，如：最短距離法(Nearest neighbor)、最長距離法(Furthest neighbor)、離差平方和法(Ward)等。本文采用Ward法對30個省域進行分類。Ward法中類與類之間距離的定義見式(2)：

(2)

式(2)中：np、nq、nk和nr表示類Gp、Gq、Gk和Gr中樣品的個數；Dpq表示類Gp與Gq類間的距離；類Gr是由Gp類與Gq類合并而成的新類，任意其他類Gk到類Gr的距離記為Gkr。具體聚類結果如表4所示。

表4 創新要素集聚水平的聚類分析

根據聚類分析結果，可將我國30個省域的創新要素集聚水平分為3個梯隊：第一梯隊包含6個省域；第二梯隊包含11個省域；第三梯隊包含13個省域。由于不同區域的集聚環境有所區別，其創新要素集聚對創新績效的溢出效應是否也有所不同？現分別對3個梯隊創新要素集聚對創新績效的溢出效應進行研究，3個梯隊的曲線擬合結果如圖2所示。

圖2 3個梯隊創新要素集聚水平-創新績效曲線擬合

如圖2所示，第二梯隊和第三梯隊中創新要素集聚水平越高，創新績效越好，說明這兩個梯隊中創新要素集聚的規模效應起主導作用，創新要素集聚對創新績效的溢出效應為正。第一梯隊的創新要素集聚水平最高，較之其他兩個梯隊也更容易出現擁擠效應，擬合結果也顯示創新要素集聚對創新績效的溢出效應出現了分化。追溯到創新要素集聚水平和創新績效的測度數據，發現在擬合曲線之下的基本是北京和上海的測度數據，之上多為廣東、江蘇和浙江的測度數據，山東的測度數據多在擬合曲線附近。通過分析以上省域的區域異質性，可以發現北京、上海、廣東、江蘇和浙江的經濟發展較好，聚集了豐富的創新資源，山東稍顯落后，可以認為經濟發展水平會影響門檻值的大小。而北京、上海這兩個地區和廣東、江蘇、浙江這3個地區的顯著差異在于空間范圍，說明空間范圍是限制集聚溢出效應門檻值的重要因素。此外，從散點圖中可以看出，北京和上海創新要素的集聚效應已經達到或即將達到門檻值，政府應出臺創新資源轉移的相關政策以促進創新要素集聚發揮正向溢出效應。

為了對3種類型區域創新要素集聚對創新績效的溢出效應有更清晰的認識，比較不同集聚水平層級的門檻值差異，本文將3種類型區域的擬合函數曲線放在一個圖中，得到如圖3所示的3個梯隊創新要素集聚—創新績效曲線比較圖。

圖3 創新要素集聚水平-創新績效曲線比較

2.3 最優集聚水平識別

Brakman等[30]研究發現，集聚初期主要表現為集聚正向效應，當集聚發展到某一程度，正向效應逐漸減弱負向效應開始顯現。為了讓創新要素集聚對創新績效的總溢出效應最大化，本文找出我國創新要素最優集聚水平。首先，根據變量測度結果繪制我國30個省域創新要素集聚-創新績效散點圖，并在此基礎上得出擬合曲線，結果見圖4。

圖4 創新要素集聚水平—創新績效擬合

3 結論與啟示

創新是推動一個國家發展的重要力量，而創新要素是創新發展的基礎和基本條件。近年來，我國不斷加大創新要素的投入，并逐漸形成創新要素集聚現象。那么，創新要素集聚與創新績效關系如何？是否存在門檻值約束？要素“扎堆”現象為何始終難以得到緩解？這是優化創新資源配置，提高創新績效需要著力解決的問題。本文采用因子分析法、聚類分析與曲線擬合等方法實證研究了創新要素集聚對創新績效的溢出效應，發現創新要素集聚對創新績效的溢出效應存在門檻值約束，即只有適度的創新要素集聚水平才能顯著提升創新績效，而且由于各區域創新要素集聚水平層級的不同，創新要素集聚的溢出效應門檻值也有所差異。本文的實證研究結果還表明，當我國的創新要素集聚為最優水平(4.025)時，創新績效達到最大值。由此，為優化我國創新要素投入和配置體系建設，提高我國區域創新能力，本文提出如下建議：

(1)從要素協同角度優化創新要素配置結構。整體上，30個省域中只有7個省域的創新要素集聚水平高于全國平均水平，說明我國的創新要素配置存在“多數資源少數省域占有”的問題。因此，不能只片面加大各省域的某一創新要素投入，應打破區域藩籬，促進要素自由、有序流動，從而均衡省域間的創新要素配置，提高省際間各要素的交互作用以達到“1+1>2”的協同效應。具體至省域維度上，應基于創新要素集聚的演化規律，針對本省域創新資源的特點制定適宜的對策以推動創新績效提升。譬如：江蘇、浙江、山東和廣東等省域的創新要素集聚核心因子得分較高，支撐因子的得分不高，表明這些區域聚集了豐富的創新科技資源，可為創新績效提供強大的內生推動力，但創新發展的環境遠落后于創新投入，亟需加強創新環境建設。內蒙古、青海和新疆等省域的核心因子和支撐因子得分都較低，究其原因，是由于這些省域的經濟水平較為落后，對創新資本和創新人才等的吸引力不夠，導致創新要素流入不足，說明這些省域的創新投入以及創新環境兩方面都需要完善，當地政府可制定鼓勵科技創新的配套政策吸引創新要素流入，為創新活動營造良好的環境，切實解決阻礙創新發展的突出問題。此外，北京和上海既有豐富的創新資源，又具備較好的創新環境，因此，應該提高區域的核心技術研發水平和自主科技創新能力，為加快我國創新型國家建設提供最強有力的支撐，并發揮示范作用，引領其他省域更好地實施創新驅動發展戰略。

(2)基于集聚水平層級視角改善創新要素不均衡分布。創新要素集聚不僅能帶來規模效應也會帶來擁擠效應，理論上創新主體一旦意識到要素“扎堆”現象已經出現，集聚擁擠效應非常明顯時，就會考慮創新要素的轉移了，那么現實中要素“扎堆”現象為何依然得不到緩解呢？究其原因，創新要素集聚水平層級按第一梯隊、第二梯隊、第三梯隊依次遞減，其集聚的溢出效應都呈現先正向后負向的趨勢，溢出效應門檻值也依次遞減，說明高集聚水平層級區域的創新要素轉移到低集聚水平層級區域，創新要素集聚難以發揮對創新績效的溢出效應，因此應改善區域集聚水平層級，使低集聚水平層級區域跨越到更高層級，進而創新要素集聚的溢出效應門檻值提高，創新要素能更好地發揮集聚作用。其次，第二梯隊和第三梯隊的創新要素集聚的規模效應起主導作用，可以繼續加大創新要素投入以促進創新績效提升，第一梯隊中部分省域已經達到集聚溢出效應的門檻值，應考慮創新要素的轉移或提高集聚水平層級。

(3)從動態調整角度促進創新績效提升。區域創新績效增長不僅取決于區域的創新要素投入，還取決于創新要素的配置方式，因此，政府對創新要素集聚政策的制定不能一成不變，而是要引入動態的要素投入與配置調整機制。對于預投入的創新要素，要建立相應的機構合理評估創新要素是否值得加大投入以保障創新要素得到更合理的利用。對于已投入的創新要素，政府應當對創新要素配置的合理性以及創新績效進行定期的評估，并根據評估結果來決定各創新要素投入的增減。不論是政府還是各創新主體都應做到合理投入創新要素，根據本區域的特征，對創新要素的投入和配置進行適當調整，避免陷入盲目提升集聚水平的誤區。通過動態調整機制提高創新要素集聚的溢出效應，切實發揮創新要素集聚對區域創新績效的提升作用，從而使得創新資源得到有效利用，創新效益達到最大化。此外，創新活動從投入到產出具有滯后性，政府應當構建合理的指標體系監測創新要素的集聚水平，以此為依據動態調整創新要素的投入和配置，對我國的創新績效進行前瞻性預測，這對保持我國的持續創新能力意義重大。