人力資本對區(qū)域創(chuàng)新效率影響的實證研究

馮江茹

（山西大學商務學院，太原 030031）

隨著我國經濟發(fā)展從規(guī)模擴張轉向質量提升階段，經濟發(fā)展動力也開始逐漸依靠創(chuàng)新驅動，而人才是創(chuàng)新驅動的根基。始于2017 年的一輪輪“人才新政”頻出，全國許多城市上演“花式搶人”大戰(zhàn)。2017 年7 月19日，成都發(fā)布“人才新政12 條”，推行“先落戶后就業(yè)”。同年8 月，“長沙人才新政22 條”正式落地，長沙計劃用5 年時間，吸引100 萬名青年人才在長沙就業(yè)創(chuàng)業(yè)。隨后鄭州市出臺史上最高“含金量”招賢納士政策，“零門檻”落戶范圍覆蓋大專、本科畢業(yè)生和留學歸國人員。而武漢自2017 年2 月打出“五年留下百萬大學生”口號后，連續(xù)數(shù)次持續(xù)推出新政策。步入2019 年以來，更多的城市加入了升級版“搶人大戰(zhàn)”行列，例如，西安、廣州、海口進一步放寬落戶的年齡限制，常州、西安取消購房落戶面積限制，南京則降低了社保繳納門檻。可見，各地在購房、落戶等方面所實施的不同程度的福利措施，目的都是為了引才、留才、用才。在創(chuàng)新驅動戰(zhàn)略背景下，對人才的渴望達到了新的高度，各城市以實際行動詮釋了人才是推動創(chuàng)新的重要動力。

那么，這場悄然興起的“搶人大戰(zhàn)”背后的本質是什么？搶人究竟是在搶什么？習近平總書記強調“人才是第一資源，創(chuàng)新是第一動力”。李克強總理也在政府工作報告中指出，人力資源是創(chuàng)新發(fā)展的最大“富礦”。由此可見，區(qū)域創(chuàng)新離不開人力資本。那么，人力資本對區(qū)域創(chuàng)新效率影響機理如何？在考慮空間效應的前提下，不同地區(qū)人力資本對區(qū)域創(chuàng)新效率的影響程度怎樣？回答這些問題對揭示“城市搶人大戰(zhàn)”背后原因，深刻理解“得人才者得發(fā)展，得人才者得創(chuàng)新”的論調無疑具有重要意義。

一、文獻綜述

區(qū)域創(chuàng)新一直是創(chuàng)新經濟學和區(qū)域經濟學領域的熱門話題，自Freeman［1］提出“國家創(chuàng)新體系”概念以來，創(chuàng)新引起了學術界的極大關注。學者們圍繞創(chuàng)新的內涵、測度、影響因素等方面開展了大量研究。在創(chuàng)新衡量方面，大多學者直接使用創(chuàng)新產出來表征創(chuàng)新能力［2-5］；也有一些學者對區(qū)域創(chuàng)新的測度使用創(chuàng)新績效［6-9］。但一些學者認為直接采用創(chuàng)新產出、創(chuàng)新績效衡量區(qū)域創(chuàng)新水平尚不夠全面。高艷［10］指出由于專利性質的不同，所蘊含的技術含量也不一致；Hong 等［11］認為不能僅僅用創(chuàng)新產出來表征創(chuàng)新能力，還應考慮創(chuàng)新投入，因此采用創(chuàng)新效率來測度創(chuàng)新能力。創(chuàng)新效率是指產出與投入的比率，當實現(xiàn)相同的創(chuàng)新產出所需的投入減少，或者相同的投入產生更多的創(chuàng)新產出時，創(chuàng)新效率就會提高。區(qū)域創(chuàng)新的影響因素主要考慮了人力資本［12］、產業(yè)集聚［13］、FDI［14-15］和金融發(fā)展水平［16］等。學者們就人力資本對區(qū)域創(chuàng)新的影響也展開了相應研究，但對人力資本的度量各不相同。Salike［17］采用稟賦、人口、生產力、支持和健康等指標綜合衡量人力資本；梁文群等［18］對人力資本的度量選取人力資本存量和人力資本教育結構兩個方面，其中人力資本存量既反映人力資本總量，也可以反映人力資本質量；鄧俊榮和龍蓉蓉［19］將異質型人力資本按照受教育程度劃分為4 類：體力勞動者、基礎型人力資本、技能型人力資本和創(chuàng)新型人力資本。

關于人力資本對創(chuàng)新影響的研究已有文獻主要通過兩個視角進行：第一，人力資本結構對創(chuàng)新的影響。昌先宇和趙彥云［20］研究表明高級人力資本可以通過創(chuàng)新路徑促進經濟增長。李杏和侯佳妮［21］研究發(fā)現(xiàn)人力資本學歷結構對創(chuàng)新傾向和創(chuàng)新績效都具有正面影響，而人力資本性別結構只對創(chuàng)新傾向產生作用。李靜等［22］指出市場失靈引致的人力資本錯配會影響到創(chuàng)新能力。第二，人力資本積累對創(chuàng)新的影響。Meyer［23］認為區(qū)域創(chuàng)新與該地區(qū)年齡結構主要呈駝峰型關系；姚東旻等［24］研究了人口老齡化通過人力資本進而影響到創(chuàng)新；張輝和石琳［25］通過研究發(fā)現(xiàn)高等教育對區(qū)域創(chuàng)新的影響最為關鍵。羅軍［26］認為融資約束通過影響人力資本積累抑制了企業(yè)自主創(chuàng)新，隨著融資約束的緩解，人力資本積累對企業(yè)自主創(chuàng)新的促進作用逐漸加大。

上述研究對明晰人力資本的創(chuàng)新影響效應無疑具有很大幫助，但在以下3 個方面仍需進一步拓展。第一，關于區(qū)域創(chuàng)新的測度較多文獻使用了創(chuàng)新產出，但考慮到不同區(qū)域在行政級別、經濟規(guī)模等方面存在較大差異，使用綜合對比創(chuàng)新投入和創(chuàng)新產出的創(chuàng)新效率更有利于反映不同區(qū)域創(chuàng)新效果。第二，作為衡量創(chuàng)新差異的重要依據(jù)，創(chuàng)新效率的測度顯得至關重要，本文在創(chuàng)新效率方法上避免DEA 模型的一些不足，使用面板隨機前沿方法進行測算。第三，大多數(shù)研究在構建計量模型時忽略了空間效應的存在，而理論和經驗均表明區(qū)域創(chuàng)新具有明顯的空間溢出性，同時隨著信息科技和交通網絡的不斷完善，區(qū)域之間不可避免地存在較強的空間相關性。因此構建計量模型分析人力資本對區(qū)域創(chuàng)新效率的影響時應考慮空間效應。

綜上所述，本文使用面板隨機前沿測度各省市創(chuàng)新效率，再結合人力資本和創(chuàng)新的空間溢出效應，建立空間自相關模型揭示人力資本對創(chuàng)新效率的影響機理，為辨析當前城市引人政策動機及出臺相應人才政策提供參考。

二、基于隨機前沿的創(chuàng)新效率測度方法

創(chuàng)新效率的測度決定著分析結果，首先需要解決區(qū)域創(chuàng)新效率測度問題。現(xiàn)有創(chuàng)新效率的研究方法主要有數(shù)據(jù)包絡分析和隨機前沿法兩類，與數(shù)據(jù)包絡相比，隨機前沿方法在參數(shù)檢驗和對隨機因素的處理上有比較明顯的優(yōu)勢。為此，本文將在設定隨機前沿生產函數(shù)形式的基礎上，計算我國各創(chuàng)新主體的創(chuàng)新效率，不僅考慮到可能存在的隨機沖擊的影響，同時研究了投入要素的產出彈性。新經濟增長理論認為創(chuàng)新是科技進步的核心動力，也自然成為推動經濟增長的重要因素。創(chuàng)新活動實質上就是新知識的創(chuàng)造、生產過程。創(chuàng)新產出是由研發(fā)投入和研發(fā)活動的技術水平綜合決定的。因此本文使用一般Cobb-Douglas 生產函數(shù)的基本思想，構建創(chuàng)新的生產函數(shù)基本形式為

其中：i和t分別表示地區(qū)和年份；Innovation表示創(chuàng)新產出；Kit表示資本投入；Lit表示勞動力人員投入；β1、β2表示用來衡量資本和勞動重要程度的參數(shù)；Ait表示地區(qū)i在第t年的創(chuàng)新生產率，其內涵主要是包括影響創(chuàng)新產出的資本、勞動等直接要素之外的要素。

式（1）知識生產函數(shù)f（K，L，β）的標準定義是在給定投入K、L條件下的最大產出，但在現(xiàn)實中可能達不到此最大產出的前沿面；而且生產函數(shù)還會受到隨機沖擊。因此式（1）的生產函數(shù)可改寫為

其中：β表示待估參數(shù)；ξit表示效率水平，滿足0 <ξit≤1，如果ξit=1，則正好位于效率前沿；evit> 0 表示隨機沖擊。該方程意味著生產函數(shù)的前沿Innovationit=f（Kit，Lit，β）ξitevit是隨機的。

假設生產函數(shù)表達式為f（Kit，Lit，β）=（Cobb-Douglas 生產函數(shù)，且共有2 個投入品），則對式（2）兩邊取對數(shù)可得：

由于0 <ξit≤1，故lnξit≤0。定義uit=-lnξit≥0，則方程可寫為

在式（4）中，誤差項εit由兩部分組成，第一部分為技術無效率項uit滿足獨立同分布并假定其是服從截尾正態(tài)分布的非負隨機變量，反映了那些在t年度作用于i區(qū)域的隨機因素，第二部分vit滿足獨立同分布并服從，表示區(qū)域創(chuàng)新活動的隨機因素或統(tǒng)計誤差；vit和uit之間是相互獨立的。Ti為區(qū)域i的時間維度，表明uit隨時間而遞減，直到最后一期Ti時=ui，故稱“時變衰減模型”；η為待估參數(shù)，如果η=0，則退化為技術效率不隨時間而變的模型，對此可通過檢驗原假設“H0：η=0”進行判斷。

利用隨機擾動項中技術無效率所占的比例可以用于判定隨機前沿模型的設定是否合理，將這一比例記作γ，則其可以表示為

當γ接近于1 時，說明模型中的誤差主要是由技術非效率uit引起，此時該區(qū)域的實際創(chuàng)新產出與前沿之間的差距主要來源于技術非效率所引起的損失；當γ接近于0 時，表明這種差距是由外部原因引起的。i省份在t年的技術效率（TE）可以表示為

其中：uit表示技術無效率項，uit越大表明創(chuàng)新效率越低，說明該地區(qū)投入等量的創(chuàng)新資本和勞動的前提下產出較少，即技術無效率程度越高。當uit=0 時，TEit=1，說明該地區(qū)處于技術有效狀態(tài)，即該地區(qū)創(chuàng)新活動位于生產前沿面上；當uit> 0 時，0 ≤TEit< 1，這種狀態(tài)為技術非效率，此時該區(qū)域創(chuàng)新活動位于生產前沿面之下。Xit表示影響技術效率的外生解釋變量；J表示解釋變量的個數(shù)；δj表示待估計參數(shù)，表示外生解釋變量的回歸系數(shù)；Wit表示回歸模型的隨機誤差項，服從均值為0，方差為σ2的正態(tài)分布。為保證參數(shù)估計的優(yōu)良性質，使用極大似然估計方法進行參數(shù)估計。

三、實證分析

（一）變量選取

1.創(chuàng)新產出與投入變量

創(chuàng)新效率測度需要同時考慮創(chuàng)新產出和創(chuàng)新投入。衡量創(chuàng)新產出的指標主要依據(jù)新產品銷售收入和專利申請授權數(shù)，而專利申請授權數(shù)由于其評判標準的客觀性使得各地區(qū)的專利數(shù)據(jù)具有可比性。因此本文選用專利申請授權數(shù)作為創(chuàng)新產出的代表性指標。創(chuàng)新投入變量分別從勞動力投入和資本投入兩方面進行選取，使用R&D 人員全時當量指標衡量創(chuàng)新勞動力投入（lnL），反映某地區(qū)為提高創(chuàng)新能力投入的勞動力數(shù)量；使用R&D 經費支出的資本存量指標衡量創(chuàng)新資本投入（lnK），反映一個地區(qū)為提高創(chuàng)新投入的資本。由于R&D 經費投入是流量指標，對創(chuàng)新產出有滯后影響即當期的經費投入會影響當期及將來的創(chuàng)新產出，所以采用永續(xù)盤存法核算R&D 資本存量：

其中：Kit表示i省份第t期資本存量；Ki（t-1）表示i省份t-1 期資本存量；δ表示折舊率；Ei（t-1）表示i省份t-1 期實際R&D 經費支出。借鑒王鉞和劉秉鐮［27］的做法構造R&D 支出價格指數(shù)，由于在《中國科技統(tǒng)計年鑒》中，R&D 經費支出分為日常性支出和資產性支出兩類。因此可以構造R&D 支出價格指數(shù)為消費價格指數(shù)和固定資產價格指數(shù)的加權平均，即可得到2011—2017 年我國各省份的R&D 支出價格指數(shù)。以2011 年為基期，通過Eit=Ei（t-1）Pit/100 對名義R&D 經費支出進行平減，得到實際R&D 經費支出Eit。R&D 基期資本存量的核算公式為

其中：Ki0表示i省份R&D 資本存量的基期值；Ei0表示i省份R&D 經費支出的基期值；g表示報告期R&D 經費支出的年平均增長率。對于g的估計借鑒蘇屹和林周周［28］的處理方法，使用g=em-1（其中m由lnEt=b +mt+εt確定）計算出我國各省份的R&D 資本存量。

2.核心解釋變量

人力資本作為核心解釋變量，使用各地區(qū)從業(yè)人員的平均受教育年限來表示。目前度量人力資本的方法有累積成本法、平均受教育法等，大多數(shù)學者采用平均受教育年限度量人力資本，用我國從業(yè)人員的受教育水平與相應勞動力比重的乘積表示。具體計算公式為：各地區(qū)人力資本水平=未上過學勞動力占比×1+小學勞動力占比×6+初中勞動力占比×9+高中勞動力占比×12+大專及本科勞動力占比×16+研究生勞動力占比×19。

3.控制變量

除了自身技術水平的因素會造成創(chuàng)新效率差異外，其他外部因素也會對創(chuàng)新效率產生影響。因此除人力資本作為核心解釋變量外，還需考慮產業(yè)結構、對外開放水平及交通密度等控制變量的影響（表1）。

（1）產業(yè)結構（industry）：用第三產業(yè)占比衡量產業(yè)結構，可以用來反映一個地區(qū)經濟發(fā)展程度。

（2）對外開放（open）：用進出口總額來衡量，反映一個地區(qū)的外貿活躍度，從側面反映該地區(qū)從外部獲取先進知識的能力。

（3）交通密度（traffic）：用公路里程數(shù)和鐵路里程數(shù)之和占全省總面積來衡量，反映一個地區(qū)對人力資本的吸納能力。

表1 變量說明與符號表示

（二）數(shù)據(jù)來源

由于從2011 年起，規(guī)模以上工業(yè)企業(yè)的統(tǒng)計范圍從年主營業(yè)務收入為500 萬元及以上的法人工業(yè)企業(yè)調整為年主營業(yè)務收入為2000 萬元及以上的法人工業(yè)企業(yè)，而西藏地區(qū)和港澳臺地區(qū)數(shù)據(jù)缺失，因此本文研究的范圍是2011—2017 年我國30 個地區(qū)的面板數(shù)據(jù)。其中R&D 人員全時當量、R&D經費投入、專利申請授權數(shù)等指標來源于《中國科技統(tǒng)計年鑒》，人力資本、產業(yè)結構、對外開放、交通密度來源于國家統(tǒng)計局，匯率數(shù)據(jù)來源于中國人民銀行網站。

表2 固定效應模型參數(shù)估計結果

（三）創(chuàng)新效率的測度與分析

根據(jù)模型（4），首先采用固定效應最小二乘虛擬變量法進行參數(shù)估計，結果見表2。由于個體的虛擬變量均很顯著，證明存在個體效應，即無效率項與投入變量無關，適宜建立隨機效應模型。

由于個體效應的存在，構建時變衰減隨機效應模型并采用極大似然估計法估計參數(shù)，參數(shù)估計結果見表3。

從表3 可以看出，參數(shù)γ估計值為0.745，說明隨機前沿模型的設定是合理的。在混合誤差中，由人為因素影響的技術無效率誤差占主導地位，技術無效率誤差在總誤差中占74.5%，隨機誤差僅占25.5%。時變系數(shù)η的估計值為0.032，其P值小于5%，所以拒絕η=0 的原假設，認為技術效率是隨時間變化的，所以采用時變衰減的隨機效應模型，不需再做隨時間變化的隨機效應模型。

表3 時變衰減的SFA 模型參數(shù)估計結果

R&D 人員投入（lnL）的彈性值為0.457，且在5%顯著性水平下與創(chuàng)新產出顯著正相關，R&D 人員投入每增長1%，會引起專利申請授權數(shù)上升0.457%。另外，R&D 經費支出（lnK）的彈性系數(shù)為0.426，其P值小于5%的顯著性水平，說明R&D 資本投入對技術創(chuàng)新效率有顯著的正向影響，每投入1%的經費支出，可以使創(chuàng)新效率提高0.426 個百分點。從經濟學要素投入的角度看，資本投入對專利申請授權數(shù)產出的貢獻要大于勞動力投入對專利申請授權數(shù)產出的貢獻。此外，二者的產出彈性之和小于1，說明我國區(qū)域創(chuàng)新活動處于微弱的規(guī)模報酬遞減階段。因此，從長期來看，我國科技領域的創(chuàng)新活動主要依賴資本和人員投入是不夠的，一方面要繼續(xù)優(yōu)化創(chuàng)新人員和資本投入；另一方面要轉變創(chuàng)新活動的方式。

利用隨機前沿模型可以測算2011—2017 年各地區(qū)科技創(chuàng)新效率值。測算結果表明，2011—2017 年，各地區(qū)創(chuàng)新效率在時間上均呈上升趨勢，不同地區(qū)創(chuàng)新效率存在明顯差異，整體來看我國各地區(qū)的創(chuàng)新效率水平不高，距離生產前沿面還有很大距離。我國南部地區(qū)的創(chuàng)新效率高于北方地區(qū)，沿海地區(qū)高于內陸地區(qū)，經濟發(fā)展快的地區(qū)高于經濟發(fā)展緩慢的地區(qū)。其中，北京的創(chuàng)新效率位于全國第一，距離生產前沿面最近，浙江、江蘇、廣東、上海、重慶、四川的創(chuàng)新效率也明顯高于其他地區(qū)。北京作為全國的行政中心，擁有得天獨厚的科技創(chuàng)新資源，浙江、廣東、上海、江蘇位于沿海地區(qū)，在改革開放過程中得到率先發(fā)展，擁有比其他省份更為先進的生產力，與中部地區(qū)相比具有更加開放的市場環(huán)境和更為活躍的市場氛圍，也是對高素質人才和高新技術產業(yè)最有吸引力的地方，科技創(chuàng)新的發(fā)展也比中部地區(qū)更有優(yōu)勢。安徽作為位于中部地區(qū)而創(chuàng)新效率較高的省份，明顯得益于其鄰近地區(qū)上海、江蘇和浙江，但是依然低于北京、廣東、江蘇、四川，說明我國中部地區(qū)的創(chuàng)新效率有待進一步提高，應該更加有效地利用創(chuàng)新的勞動力和資本投入。

（四）人力資本對區(qū)域創(chuàng)新效率的影響

各地方政府為了引進人才，競相出臺各種福利政策。各地吸引高學歷人才對于創(chuàng)新效率拉動效應如何，人才是否能提高一個地方的創(chuàng)新效率，需要構建模型進一步探討人力資本對區(qū)域創(chuàng)新效率的影響。選取2011—2017 年的30 個地區(qū)（因數(shù)據(jù)缺失，不包括西藏地區(qū)和港澳臺地區(qū)）的樣本，以創(chuàng)新效率為被解釋變量，以人力資本為解釋變量，以產業(yè)結構、交通密度、對外開放為控制變量構建普通面板模型和空間SARAR 模型來分析人力資本對創(chuàng)新效率的影響。首先根據(jù)模型（7），構建普通面板回歸模型。通過Hausman 檢驗，采用固定效應模型，參數(shù)估計結果見表4。

由表4 結果可知，人力資本與創(chuàng)新效率在1%顯著性水平下正相關，人力資本即一個地區(qū)勞動力的平均受教育年限每提高一個單位，促進創(chuàng)新效率提高0.0034，說明提高地區(qū)創(chuàng)新水平，還是應該提高勞動力的受教育水平及加強對人才的引進。這也解釋了各地政府為什么要大力吸引人才，因為高學歷人才增多，能夠拉動一個地區(qū)整體的勞動力素質，進而可以提高該地區(qū)的創(chuàng)新效率。另外，第三產業(yè)GDP 占比、交通密度均在1%水平下顯著正相關，說明除了人力資本外一個地區(qū)產業(yè)結構、市場活躍度和交通的便捷程度可以促進創(chuàng)新效率的提高，這是由于只有活躍的市場氛圍才能有充滿活力的發(fā)展動力與靈活的就業(yè)條件，而便捷的交通條件增強了城市活力，便于輸送大量的人力和物力。越是經濟發(fā)達的地方，交通的密集程度越高，城市與城市、企業(yè)與企業(yè)的交流更加頻繁，思想與文化的碰撞更加激烈，創(chuàng)新效率也越高。

隨著經濟的發(fā)展，我國的交通也越來越便捷，各省份之間的人員流動也越來越頻繁，省際之間經濟互動也越來越密切，在這樣的背景下，理論和實證結論都表明創(chuàng)新具有明顯的空間溢出效應。因此，為準確反映我國各地區(qū)的創(chuàng)新效率空間相關性不斷加強的事實，同時應對普通回歸模型因忽略空間效應的參數(shù)估計有偏問題，反映人力資本對創(chuàng)新效率影響的空間溢出效應并提高參數(shù)估計的準確性，進一步地使用空間面板計量模型進行實證分析。傳統(tǒng)的空間計量模型分別考慮了空間滯后和空間誤差效應兩種情形，但對二者同時出現(xiàn)的情形考慮不足。因此本文構建SARAR 模型即包含空間自回歸誤差項的空間自回歸模型。其模型基本形式為

表4 普通面板回歸參數(shù)估計結果

其中：Y表示各地區(qū)的創(chuàng)新效率向量；X表示解釋變量；W表示30×30 的空間權重陣；ρ表示Y的空間滯后系數(shù)；u表示該模型的隨機誤差項且具有空間相關性；β表示解釋變量的回歸系數(shù)；ε表示隨機擾動項；λ表示誤差的空間滯后系數(shù)。若ρ=0，λ不等于0，則SARAR 模型轉化為空間誤差模型（SEM），若ρ不等于0，λ=0，則SARAR模型可以轉化為空間滯后模型（SLM）。

利用2008—2017 年我國各地區(qū)的創(chuàng)新效率，進行空間自相關檢驗，通常所用的檢驗統(tǒng)計量是莫蘭指數(shù)。莫蘭指數(shù)取值在-1～1 的范圍內，其中取值0～1 表示高值集聚或低值集聚，取值-1～0 說明高低值之間相鄰，莫蘭指數(shù)等于0 則說明空間自相關性不明顯。從表5 中可以看出，在10%顯著性水平下，莫蘭指數(shù)均通過了顯著性檢驗，且莫蘭指數(shù)均大于0，說明我國各地區(qū)的創(chuàng)新效率存在正的空間自相關性，這表明我國各地區(qū)的創(chuàng)新效率的分布呈現(xiàn)出了空間集聚現(xiàn)象，即創(chuàng)新效率較高的地區(qū)周邊的創(chuàng)新效率相對也較高，而創(chuàng)新效率較低的地區(qū)創(chuàng)新效率較低。莫蘭指數(shù)在2008—2017 年呈上升趨勢，且P值在不斷減小，說明我國各地區(qū)的創(chuàng)新效率在空間上的自相關性不斷加強。因此，進一步構建空間計量模型研究人力資本對區(qū)域創(chuàng)新的空間影響。

根據(jù)模型（8）以創(chuàng)新效率為被解釋變量，以人力資本為解釋變量，交通密度、產業(yè)結構、對外開放為控制變量，構建空間SARAR 模型。由于解釋變量的內生性，OLS 忽略了擾動性的自相關性。因此OLS 估計是有偏差的，傳統(tǒng)的估計方法是采用工具變量法來解決這種問題，然而在實證研究中很難找到好的工具變量，本文采用MLE 估計法避免此類問題。進行Hausman 檢驗后，用固定效應模型的SARAR 模型研究人力資本對我國各地區(qū)的影響及空間溢出，參數(shù)估計結果見表6。

從表6 可以看出，被解釋變量的空間滯后系數(shù)ρ為正，且在1%的顯著性水平下顯著，再次表明各地區(qū)的創(chuàng)新效率存在空間相關性，其中ρ=0.051，說明若相鄰地區(qū)的創(chuàng)新效率提高1%，會促進該地區(qū)創(chuàng)新效率提高0.051%。誤差自回歸系數(shù)λ在1%水平下顯著，說明誤差擾動項u存在空間依賴性，即對創(chuàng)新效率有影響的遺漏變量或其他隨機沖擊可能存在空間相關性。在考慮到空間因素時可以看出，人力資本、交通密度、產業(yè)結構、對外開放對創(chuàng)新效率的影響與普通面板回歸結果一致，且依然與創(chuàng)新效率呈正相關關系。這是由于越來越便捷的交通基礎設施與活躍的市場氛圍，促進了高新技術產業(yè)的生產要素在省際之間的流動。

我國經濟進入新常態(tài)后，經濟驅動因素需要從過去的投資和消費逐步升級為人才與創(chuàng)新，城市的核心競爭力也急需高新技術產業(yè)的發(fā)展，而高新技術產業(yè)發(fā)展的主體與主要拉動力就是人才，所以創(chuàng)新驅動實質上還是人才驅動。因此，在這個以創(chuàng)新帶動經濟發(fā)展的大背景下，尤其是即將崛起的新一線城市，如西安、武漢、成都、鄭州等城市，要想推動產業(yè)結構調整來提高城市競爭力，必須大力發(fā)展信息產業(yè)、智能制造等高新技術產業(yè)，最重要的還是引進高素質人才，這也解釋了為什么這些城市開始不遺余力地搶奪人才。我國從業(yè)人員的平均受教育年限每增加1 年，帶動創(chuàng)新效率提高0.004 個單位。除了人才驅動外，越來越發(fā)達的交通基礎設施也為提高各省的創(chuàng)新效率做出了貢獻，我國四通八達的鐵路網和公路網為各省市人才等要素流動搭建了橋梁，而高鐵行業(yè)的異軍突起進一步加速了人力資本和生產要素在省際之間的流動，我國交通密度每增加1%，會使創(chuàng)新效率增加0.006 個單位。近年來，第三產業(yè)的異軍突起表明我國的市場經濟體制更加充滿活力，產業(yè)結構也以第一、第二產業(yè)為主開始往第三產業(yè)轉移，第三產業(yè)占比每增加1%，會使創(chuàng)新效率增加0.0003 個單位，產業(yè)結構對創(chuàng)新效率的影響較為顯著。

表5 我國各地區(qū)的空間自相關檢驗

表6 人力資本對創(chuàng)新效率的空間影響

四、研究結論與政策啟示

本文利用2011—2017 年的數(shù)據(jù)，以專利申請授權數(shù)為產出變量，以R&D 人員全時當量和R&D 資本存量為投入變量，建立隨機前沿模型測度我國各地區(qū)的創(chuàng)新效率，然后以創(chuàng)新效率為被解釋變量建立普通面板模型和SARAR 模型，得出以下結論與建議。

（1）人力資本與創(chuàng)新效率顯著正相關，應該繼續(xù)加強教育投入，提高我國從業(yè)人員教育水平。實證結論表明提高一個地區(qū)從業(yè)人員的受教育水平，可以顯著提高該地區(qū)的創(chuàng)新效率。而創(chuàng)新效率與經濟的互相拉動作用，又進一步確定了人力資本對經濟的拉動作用，這也很好地解釋了我國二線城市開始以戶口和住房等各種誘人條件吸引人才的現(xiàn)象。

（2）資本投入能顯著提高創(chuàng)新效率，我國的區(qū)域創(chuàng)新效率處于弱規(guī)模報酬階段。以專利申請授權量作為產出，R&D 人員投入與R&D 經費投入作為生產要素勞動力和資本投入的隨機前沿模型中，資本投入比勞動力投入對創(chuàng)新效率的作用更明顯，且資本投入的越多，創(chuàng)新效率越高。而資本與勞動力的彈性系數(shù)之和小于1，說明我國的創(chuàng)新效率處于弱規(guī)模報酬階段，為了提高創(chuàng)新效率水平，需要加強創(chuàng)新勞動力和經費的投入。

（3）我國的技術創(chuàng)新效率整體上比較低，各地區(qū)的科技創(chuàng)新能力存在差異，東部沿海地區(qū)普遍高于內陸，經濟發(fā)達地區(qū)高于經濟不發(fā)達地區(qū)。浙江、北京、江蘇、四川的創(chuàng)新效率距離生產前沿面最近，創(chuàng)新效率明顯處于較高水平。而山西、內蒙古、寧夏、青海、甘肅距離生產前沿面比較遠，創(chuàng)新效率有待提高。一個地區(qū)的地理位置、經濟發(fā)展水平會影響到該地區(qū)對創(chuàng)新人才的吸引，進而影響到其創(chuàng)新效率。而反過來，創(chuàng)新效率不高，則創(chuàng)新帶來的規(guī)模收益不明顯，經濟發(fā)展驅動力弱。

（4）交通設施、對外開放、第三產業(yè)GDP 占比對創(chuàng)新效率有顯著正向促進作用。交通對創(chuàng)新效率的影響主要還是由于其對生產要素的流動和經濟交流提供了便捷，像浙江、廣東等省市的高鐵、地鐵及縱橫交錯的公路分布，也為人才引進政策提供了條件。而第三產業(yè)GDP 占比的提高也會提升創(chuàng)新效率，說明創(chuàng)新與第三產業(yè)的發(fā)展活力密切相關，以產業(yè)結構所衡量的經濟發(fā)展水平可以有效提高一個地區(qū)總體的創(chuàng)新能力。