西部地區科技創新能力空間差異、收斂性及空間效應研究＊

李滋婷，李建偉

（甘肅省科學技術情報研究所/甘肅省科技評價監測重點實驗室，甘肅 蘭州 730000）

從《中國區域科技創新評價報告2021》綜合科技創新水平指數排名結果看，西部地區中的10省（區、市）綜合科技創新水平呈現2個特點：一是科技創新綜合能力整體偏低。10個省（區、市）綜合科技創新水平指數排名主要分布在全國第二、三梯隊，其中約50%的省（區、市）處于第三梯隊。二是區域間差異偏大。重慶、陜西和四川的綜合科技創新水平指數分別為70.48%、67.86%和66.43%，遠高于同處第二梯隊的寧夏、甘肅和處于第三梯隊的貴州、青海、新疆和西藏。造成這種區域科技創新能力偏低、區域空間差異來源是什么？可能與科技投入的規模效應有關，也可能與地區之間某些要素的差異有關，例如，陜西和江西經濟總量相近，但專利申請量僅僅是江西的1/2。為探索2006—2020年西部地區科技創新能力空間差異來源、分布特征等問題，文章運用Dagum基尼系數、σ收斂、莫蘭指數、空間面板杜賓模型等方法，開展實證研究。

1 理論基礎研究

相關經濟發展與科技進步理論在創新是經濟增長的源泉這一問題上達成一致，但創新是經濟增長的內生還是外生變量、科技創新能力在區域間是趨同還是趨異等問題上各有見地。以Solow[1]為代表的新古典增長理論認為技術進步是經濟增長的外生變量，純公共物品屬性使得其具有非排他性和非競爭性，新技術出現后可以無成本地迅速擴散，促使區域間技術水平趨同。以Romer[2]為代表的內生增長理論則認為技術進步是經濟增長的內生變量，新技術來源于R&D活動和知識有效利用。如果當前的R&D活動是“站在巨人的肩膀上”（規模報酬遞增階段），則會提升科技創新增長率；但如果當前R&D活動是“涸澤而漁”（規模報酬遞減階段），增加投入的增加將降低科技創新增長率，導致區域間科技創新能力趨異。Furman等[3]集成內生增長理論、產業集群競爭優勢理論、國家創新體系理論，構建了國家創新能力分析框架。

以上相關理論均在封閉環境下研究問題，忽視了開放環境對區域科技創新能力的影響。基于此，2007年，Liu和Buck[4]基于經濟全球化背景下，提出在Furman等學者研究成果中引入國際技術溢出效應，可能對分析科技創新能力的源泉更為有利。

綜上，文章借鑒Furman等學者的國家創新能力分析框架，加入技術溢出效應因素，構建符合西部區域科技創新發展實際的邏輯框架開展研究，如圖1所示。

圖1 邏輯框架

2 區域科技創新能力空間差異研究

2.1 Dagum基尼系數

為更好挖掘區域科技創新能力差異的結構性來源，將區域劃分為“西南地區”（即重慶、四川、云南、貴州、西藏）和“西北地區”（即陜西、甘肅、青海、新疆、寧夏），作為西部地區科技創新能力研究的細分載體，選取Dagum基尼系數對西部地區科技創新能力差異進行分析。

（1）Dagum基尼系數

式中：G指總體差異的基尼系數，通過將一個國家（地區）劃分為n個省份和k個區域；nj（nh）是j（h）區域內的省份個數；rji（rhr）表示j（h）區域內任一省（區、市）的科技創新發展程度；Rˉ表示各省（區、市）科技創新能力平均值（j（h）=1，2，3，…k；nj，nh=1，2，3，…nj（nh））。Dagum基尼系數越大，說明地區科技創新發展越不平衡[5]。

（2）Dagum基尼系數分解函數

式中：djh表示子群j和h中所有rji－rhr＞0的數學期望；Ejh表示子群j和h中所有rji－rhr＜0的數學期望；Djh表示子群j和h之間科技創新發展的相互影響；Fh（Fj）為子群科技創新能力的累積密度函數。

綜上，將代表總體差異的基尼系數分解為：子群內部科技創新能力差異（Gw）、子群之間科技創新能力差異（Gb）、科技創新超變密度（Gs），三者之間的關系為：G=Gw+Gb+Gs。其中，Gw中反映j子群科技創新能力的基尼系數為Gjj、Gb中反映j與h子群區域間的基尼系數為Gjh，表達式分別為式（3）、式（5）。

2.2 區域科技創新能力空間差異來源

2006—2020年，西部地區整體的科技創新能力基尼系數呈波動式增長，空間分布非均衡性呈擴張趨勢。西南、西北兩區域基尼系數均呈波動式擴張趨勢，西南地區科技創新能力差異小于西北地區。空間差異結果如圖2所示。

圖2 西部地區科技創新能力空間差異

對區域內、區域間和超變密度的貢獻率進行測算，進一步探究西部地區兩大區域科技創新能力的差異來源，結果見表1。樣本期內區域內、區域間和超變密度的年平均貢獻率分別為46.06%、3.45%和50.50%，差異來源依次是區域內差異、區域間差異和超變密度，區域內差異是科技創新能力區域差異的主要來源，暗含著西部兩大區域科技創新能力可能不存在較為顯著且普遍的收斂現象。

表1 西部地區兩大區域科技創新發展空間差異的來源分解

3 區域科技創新能力空間差異的收斂機制研究

σ收斂用于說明不同劃分區域科技創新能力偏離均值的幅度隨時間的變化情況。選取每萬人專利申請受理量，測算區域科技創新能力的σ收斂。計算公式為：

式中：j表示區域細分載體（j=1，2），i表示區域細分載體內的各省（區、市）（i=1，2，3，…），nj表示各區域細分載體內省（區、市）數量，resjt表示區域細分載體j在t時期內科技創新能力為平均數。如果σt+1＜σt，為收斂；反之則為發散。

樣本期內西部地區σ收斂系數穩中有升，呈現σ發散，即科技創新能力的區域差異在擴大，是導致區域科技創新能力產生差異的主因。其中，西南地區σ收斂與西部整體變化態勢類似，呈發散態勢，但其變化速率逐漸平緩，與近年來成渝科技創新中心的建設和貴州大數據產業發展帶來的技術空間溢出效應息息相關。相較而言，西北地區的σ收斂系數則變化劇烈，發散機制較為顯著，結果如圖3所示。

圖3 西部地區科技創新能力的σ收斂系數

4 空間效應檢驗

4.1 空間相關性檢驗

（1）莫蘭指數

空間自相關主要用于衡量地理單元之間的集聚特征，文章采用全局莫蘭指數檢驗區域科技創新能力的全局空間相關性，局部莫蘭指數檢驗地理單元之間自相關程度[9]。全局莫蘭指數計算公式為：

局部莫蘭指數計算公式為：

式中：xi和xj為i、j區域的科技創新能力為地區觀測值的平均值，n為空間要素樣本總數，Wij為一階地理鄰接空間權重矩陣，q0為空間權重的聚合

Moran's I取值范圍為[-1，1]，當其等于0時表示科技創新能力無空間自相關性；大于0時表示具有空間正自相關性；小于0時表示具有空間負自相關性。局部Moran's I散點圖劃分為4個象限，分別代表高－高（HH）集聚、低－高（LH）集聚、高－低（HL）集聚、低－低（LL）集聚的空間集聚特征。

（2）全局空間自相關檢驗

考慮地理因素權重矩陣，計算2006—2020年西部10省（區、市）科技創新能力全局莫蘭指數，見表2。

表2 西部地區科技創新能力全局空間自相關

表2結果顯示，2009年以來，Moran's I值通過了10%的顯著性檢驗，且大于0，在[0.151，0.442]區間波動，表明自2009年開始西部地區科技創新能力具有正向的空間依賴性和溢出效應；而且科技創新能力高的區域傾向于向其他同樣具有較高創新能力的區域集中，科技創新能力較弱的區域傾向于向同樣具有較低創新能力的區域集中，存在空間俱樂部趨同。同時也說明采用空間計量方法對科技創新能力的空間效應進行檢驗具有一定的合理性。

（3）局部空間自相關檢驗

為進一步考察科技創新能力在空間上的集聚程度，繪制2006年和2020年的局部Moran's I散點圖，見圖4。兩年里西部省域主要集聚在第一、三象限，說明科技創新能力在西部省域之間存在“高-高聚集、低－低聚集”的空間關聯性。相較于2006年，2020年位于第二、四象限的觀測點數量在減少，表明隨著時間推移科技創新能力的空間自相關性在逐漸增強。

圖4 2006（左）和2020年（右）莫蘭散點圖

2020年，寧夏、重慶、陜西處于第一象限，是區域內科技創新能力發展高－高聚集區，各省之間具有較強的局部相關性；貴州和甘肅處于第二象限，這些省與其周邊省科技創新能力差異偏大，區域異質性明顯；云南、青海、新疆和西藏處于第三象限，是區域內科技創新能力發展的低－低聚集區，該象限省科技創新能力發展滯緩，與其鄰近省創新互動偏弱；四川處于第四象限，說明四川科技創新能力較強，但其周邊省的科技創新能力較弱，與周邊省局部相關性不高，存在極化效應。

4.2 構建空間計量模型

（1）模型設定

Ansenlin認為空間經濟單元并非孤立，而是通過各種聯系在地理上與鄰近經濟單元在空間上相互影響。Moran's I指數檢驗結果顯示，西部地區科技創新能力存在空間依賴性。綜合考慮傳統回歸模型會忽略區域間存在的空間依賴性和溢出效應、基于OLS模型的拉格朗日（LM）和穩健性拉格朗日檢驗（Robuse LM）結果、Hausman檢驗結果，文章構建固定效應空間杜賓模型（SDM）[10]。

式中：i代表省份，t代表年份；yit是因變量，Xit是自變量，Wijyit是因變量的空間滯后項，用于衡量鄰近區域因變量對該區域因變量的影響；WX是自變量空間滯后項，用于衡量鄰近區域自變量對該區域因變量的空間影響；β是自變量系數，ρ是空間自回歸系數，θ是自變量空間滯后項系數；λt為個體時間效應，μi為個體固定效應，ε為隨機擾動項。

對于空間權重矩陣W，采用空間權重進行賦值[11]：

（2）變量選取與數據來源

基于前文理論分析框架，構建指標體系進行實證研究，各變量說明見表3。研究樣本為2006—2020年西部10省（區、市）的面板數據，數據主要來源于各省（區、市）統計年鑒、統計公報、《中國統計年鑒》《中國科技統計年鑒》，地圖數據來源于國家基礎地理信息中心。對數據進行對數化處理后以消除可能存在的異方差。

表3 變量說明

5 實證分析

5.1 基本回歸結果

采用Stata 17 軟件建立靜態空間杜賓模型，結果見表4。

表4 空間杜賓模型回歸結果

核心變量：（1）科技創新能力的空間滯后項系數rho在1%的水平下顯著為負，說明西北地區各省份之間存在激烈的科技創新競爭，彼此間相關制約。（2）R&D人員投入系數為0.14，且在5%的顯著性水平下通過了檢驗，說明科技人員增加會顯著提升本省市科技創新能力。（3）R&D經費投入系數為-0.495，且在1%的顯著性水平下通過了檢驗，說明R&D經費投入的增加沒有顯著地促進本地區科技創新能力的提升，存在人浮于事的現象。

控制變量：（1）經濟基礎的系數為正，但并不顯著，說明區域經濟增長對本省科技創新能力具有正向支撐作用，但促進效果不明顯，經濟與科技可能存在“兩張皮”現象[13]，沒有很好發揮政府資金的引導作用。（2）工業化程度的系數為-0.429，且10%的顯著性水平下通過了檢驗，說明工業發展并沒有促進本地科技創新能力的提升，相反產生了抑制作用。專利創造和申請主要來自工業相關的技術密集型產業，但西部地區大多數省份屬于老工業基地或生態保護區，資源密集型產業、農業對GDP的貢獻率偏高，陳舊落后的產業鏈對創新產出的需求并不是很旺盛，產業發展并沒有有效推動知識溢出和提升創新能力。（3）人力資本系數為0.754，且通過了1%的顯著性檢驗，說明區域創新與本地基礎教育之間具有較強的相關性，近年來，西部地區加大人才的引育，出臺人才激勵政策和為科研人員減負，有效激發了人才的創新創造活力。（4）信息化程度系數為0.717，且通過了1%的顯著性檢驗，說明信息化通過促進知識積累、增進交流合作和優化資源配置，促進區域科技創新能力的提升[14]。（5）對外開放程度系數為0.006，未通過顯著性檢驗，說明技術進口和外商投資對科技創新的作用并不顯著，可能源于西部地區引進的技術和進口的產品技術含量不高，模仿學習難度較小，亦或這類設計或產品的“拿來主義”相較于自主研發更為有益，符合技術溢出是把“雙刃劍”的論點。（6）城鎮化率。城鎮化率的直接效應為正且通過了1%的顯著性檢驗，可能與鄉村振興、新型城鎮化建設等一系列戰略部署的實施，在推進了城鎮化進程的同時通過中介效應促進了科技創新能力的提升[15]。

考慮空間溢出：W*lnrdp的系數為0.048未通過顯著性檢驗，說明本省份的科研人力資本對相鄰省份的科技創新能力的正向促進作用不具有顯著性。W*lnrd的系數為-1.354，且通過了1%的顯著性檢驗，說明本省R&D經費投入強度越高，會抑制相鄰省份科技創新能力的提升，主要源于西部地區不同省份間存在資金虹吸效應，激烈的資本競爭態勢和良好的營商環境，促使大量具有競爭優勢的企業在空間上集聚。

5.2 直接效應和間接效應

SDM模型是非線性的，回歸系數不足以解釋自變量對科技創新能力的影響，為更好地描述和解釋變量對被解釋變量的影響，采用偏導矩方法將模型劃分為直接效應、間接效應和總效應[16]。

式中：直接效應表示解釋變量對本省科技創新能力的影響，是矩陣對角線上元素的平均值；間接效應或空間溢出效應表示解釋變量對相鄰省份科技創新能力的影響，是矩陣非對角線上元素的平均值；二者之和為總效應。空間效應的長期分解見表5。

表5 直接效應、間接效應和總效應

結果顯示：（1）R&D人員投入。直接效應系數為0.144，且通過了5%的顯著性檢驗，說明增加人力資本可以顯著提升本省科技創新能力，主要因為科技創新的產出依靠人來完成，高質量和充沛的科技人員可在一定程度上縮短研發周期，加速關鍵核心技術的攻關，搶占市場先機，從而有效提升科技創新能力。間接效應下系數為-0.015但不顯著，說明科研人力資本對相鄰省市的科技創新具有負向空間溢出效應，本省科技人才的聚集會抑制相鄰省份的科技創新能力提升，但效果不顯著，還需持續加大培育和引進人力資本的力度。（2）R&D經費投入。直接效應系數為-0.355，且在5%的顯著性水平通過了檢驗，說明增加R&D經費投入沒有顯著提升本省科技創新能力，還未完全形成以政府為主導、企業和銀行為主體的科技投入體系。間接效應系數為-0.849，在1%的顯著性水平下通過了檢驗，說明科技投入對相鄰省份的科技創新具有顯著的負向空間溢出效應，沒有促進本省市的科技創新能力提升，同時也沒有帶動相鄰省份的科技創新能力提升。企業是研發投入主體，但研發經費和企業在空間分布上具有非隨機性，且資本具有逐利性，使得創新資源稟賦相似的省份在空間上趨于聚集分布，區域協同發展效能偏低。

5.3 穩健性檢驗

由于空間計量模型可能會存在內生性問題，所以文章引入被解釋變量的空間滯后項，構建動態SDM模型對模型的穩健性進行檢驗，結果見表6。結果顯示，被解釋變量的空間滯后項在1%的置信水平下通過了檢驗且為正；相較于靜態SDM模型，科研人力資本和R&D經費投入對區域科技創新能力的空間溢出效應在顯著性與作用方向上并沒有發生大的變化，說明本研究具有一定的穩健性。

表6 穩健性檢驗

6 結論及啟示

研究結論：（1）基尼系數顯示西部地區科技創新能力差異在空間分布上存在擴張趨勢，差異主要來源于區域內和超變密度；σ收斂表明地區科技創新能力的變化趨勢呈發散態勢，西北地區發散性強于西南地區，是導致區域科技創新能力產生差異的主因。（2）西部地區科技創新能力在空間上存在自相關，呈現“高－高”“低－低”集聚。（3）增加R&D人員投入有助于提高本省科技創新能力，但沒有顯著促進相鄰省份科技創新能力的提升。增加R&D經費投入未顯著促進本省科技創新能力的提升，但顯著促進相鄰省份科技創新能力提升，即存在空間溢出效應和涓滴效應。（4）人力資本對省內外科技創新能力提升的促進作用最為顯著，工業化程度負向抑制作用較為顯著，但經濟基礎、信息化程度、對外開放程度、城鎮化率對省內外科技創新能力的作用還需持續研究考證。

通過實證研究可得如下啟示：一是建立健全科技創新資源跨區域流動機制，強化區域之間科技創新合作與互動，推動貴州“借梯登高”向北積極融入成渝經濟圈，發揮陜西、成渝等區域“創新級”或“創新生態圈”的輻射帶動作用，通過空間溢出和涓滴效應促進西北、西南區域協同發展，縮小科技創新能力空間差異。二是進一步完善財政資金為引導、企業投入為主、多元社會資本投入補充的投入機制，加大研發經費投入總量和強度，提高資金利用效率。三是強化產業集群發展，打造專業化產業園區，推動產業基礎高級化、產業鏈現代化。四是積極融入國際市場，協同推進全國統一大市場建設，加強學術交流和技術聯合攻關合作，獲得技術溢出紅利。