國家高新區規模增長的影響因素研究

白少一

（北京郵電大學，北京 100876）

國家高新區是我國科技成果產業化的重要基地，是國家和地區經濟增長的催化劑。1988 年，我國設立第一家國家高新區——中關村科技園，截至2018 年，經國務院批復建設的國家高新區數量已達169 家，生產總值達到11.1 萬億元，占國內生產總值比重達12.0%。盡管國家高新區對于國家技術創新和經濟增長的作用越來越大，但是，每個國家高新區的發展卻不盡相同，這是由于目前對于國家高新區增長的影響因素沒有統一的認識，很少有管理基準來確保國家高新區的持續增長，這種偏差是由于沒有準確地理解國家高新區的定義，以及缺乏衡量高新區成功的清晰指標。

本文基于國家高新區數量的增長規律，提出國家高新區增長模型,從國家高新區的定義入手，確定了適用于國家高新區增長的因素,為現有國家高新區的可持續增長以及未來國家高新區的設立提供參考。

1 文獻綜述

目前，國外對于高新區增長影響因素的研究已經有了比較豐富的成果。Link 和Kevin[1]在對美國科技園進行分類研究時，提出了L-R 模型，即：Park Growth=f(Park Type,X)。Link 和Scott[2]發現靠近大學、由私人組織經營、并有信息技術產業的園區的增長率比平均增長率要高8.4%。Link 和Yang[3]發現韓國科技園區建立在2000 年后、園區內企業更專注于研究、研究內容更多樣的園區，就業增長更快。

國內關于高新區增長因素的研究較少。羅暉[4]借助L-R 模型研究了資本、人力資源和科技進步這三個因素對我國國家高新區經濟增長的影響。姜彩樓[5]對52 家國家高新區的績效進行測算，并分析了區位條件與中央政策對于國家高新區績效的影響。謝子遠[6]利用數據包絡分析法對我國53 個國家高新區的技術創新效率進行了測度，發現科技投入支出強度等7 個變量對提高技術創新效率具有顯著正向作用，產業集群度，高新區規模等5 個變量對技術創新效率產生了顯著負面影響。

梳理文獻發現，當前關于促進我國高新區增長的因素研究主要集中于經濟增長與創新效率提升方面，所涉及的影響因素主要為資本投入、交通運輸能力等創新要素，這對于創新要素匱乏地區高新區的可持續增長幫助較小。本文在精確理解高新區定義的基礎上，著重探討高新區所在城市高校分布情況、高新區產業多樣化及主導產業等對高新區規模增長的影響，試圖找到促進高新區規模增長的根本因素，以期實現高新區的可持續發展。

2 模型

我們借鑒美國大學科技園增長模型，假設在t 時刻，國家高新園區從業人員數量y（t）隨時間增長的函數為：

其中，a 表示高新區的初始從業人員數量，g 表示高新區或者從業人員數量的年增長率，ε是隨機誤差項。我們假設從業人員數量的年增長率是x1到xk的函數，則：

由（1）式可得：

由（1）式還可得到：

將（2）式代入（4）式，得到估計模型：

利用式（5）的系數估計值和解釋變量的均值，可以計算出高新區從業人員數量的平均年增長率。

3 變量選擇與數據來源

本文的因變量為國家高新區t時刻從業人員數量emp和大專以上從業人員數量resemp。

t是園區的年齡。t為園區從升級為國家高新區到2018 年的時間差，建立時間長的高新區有更長的時間來吸引公司和組織，也有更長的時間讓它們成長。對于方程（5）的估計，在增長率不依賴于t的情況下，我們假設模型中t的系數為正。dis為國家高新區與最近的大學之間的距離，單位是KM。因為，基于大學的研究往往具有基礎性，從而會產生隱性知識[7]。univ為園區所在城市的高校數量。與一個園區相關的大學越多，那么嵌入的隱性知識就越大，園區中的企業比較容易從中受益和成長[8]。假設園區所在城市的高校數量越多，園區的就業增長越快。ICT是記錄21 世紀信息和通信技術革命的開始。變量ICT是一個二元變量，對于2000 年后所建立的園區為1，2000 年前建立的園區為0。我們假設，由于技術的進步和研究速度的加快，在21 世紀建立的園區就業增長更快。pol為園區所在城市的行政級別。我國最初建立的國家高新區大多在行政級別比較高的城市。假設高新區所在城市的行政級別越高，高新區的就業增長就越快。本文參照Démurger（2002）[9]等人的研究，對國家高新區所在城市進行賦權：直轄市和經濟特區權重為3（本文所列經濟特區為深圳、珠海、汕頭、廈門，即1979 年國家設立的四個出口特區。海口、霍爾果斯和喀什，本文按照普通城市賦予權重）；副省級城市、計劃單列市權重為2；沿海開放城市、長江沿岸十大城市、內地省會或自治區首府城市權重為1；普通城市權重為0。com為園區產業的種類。復雜度即為高新區主導產業的種類數量。Link 等[10]研究韓國科技園的增長發現，園區的產業種類越多，園區就需要更多樣化的就業隊伍和更大的人力資本，園區的就業增長就越快。假設高新區主導產業種類越多，高新區規模增長得越快。

經過對高新區主導產業的整理發現，主導產業中含有制造業（man）的 有135 家，占總數的80%；含有IT 業的有118 家，占總數的70%；含有生物醫藥業（bio）的有121 家，占總數的72%。本文將man、IT和bio作為控制變量。含有這三項產業的為1，不含有的為0。

因為我國地域遼闊，各區域差別較大，為考慮可能的區域因素對于國家高新區規模增長的影響，我們將國家高新區劃分在三個區域，分別為：東部（east）、中部（mid）和西部（west）。

本文數據選取至2018 年末，園區的從業人員數量和大專以上人員數量來源于《中國火炬統計年鑒2019》。高新區與最近高校的距離，為高新區管委會與最近高校的距離，數據來源于百度地圖。高新區所在城市的高校數量來自教育部2018 年發布的《全國高等學校數量》。高新區的主導產業來源于各高新區官網。變量的描述性統計見表1。

表1 變量相關的描述性統計

4 計量經濟學發現

表2為不同因變量和不同樣本量的計量結果。第（1）（2）列為全部樣本的回歸結果；第（3）（4）列為剔除2018 年新升級的12 家高新區的回歸結果，這些園區升級時間較短，沒有足夠的時間集聚從業人員。第（1）（3）列被解釋變量為高新區從業人員數量，第（2）（4）列被解釋變量為高新區大專以上從業人員數量。結果可以看出，模型在不同樣本中是穩健的，變量的系數估計結果與預期比較相符。四種模型的可決系數均大于0.6，說明其整體解釋能力比較強。

在表2 中，變量t在因變量為ln(emp)和ln(resemp)時，分別通過了5%和1%顯著性的檢驗，并且系數為正，說明升級為國家高新區的時間越早，高新區規模越大。早升級為國家高新區1 年，園區的從業人員年增長率和大專以上從業人員年增長率分別提高2.27%和4.55%。

高新區所在城市的高校數量在 因變量為ln(emp)時通過了5%的顯著性檢驗，在因變量為ln(resemp)時通過了1%的顯著性檢驗，并且系數均為正，說明高校數量是影響高新區年增長率的重要因素。每增加10 所高校，從業人員和大專以上從業人員的年增長率分別增加0.4%和0.5%。高新區周圍高校數量越多，知識的創造和傳播也就越活躍，園區內的企業獲取知識也就越容易，高新區的增長也會越快。

變量ICT在因變量為lnemp時通過了5%的顯著性檢驗，在因變量為ln(resemp)時通過了1%的顯著性檢驗，并且系數均為正。表明在2000 年的信息通訊技術革命后升級的國家高新區就業增長的更快。在21 世紀建立的國家高新區從業人員增長率比20 世紀建立的國家高新區高4.16%，大專以上從業人員年增長率高6.9%。

變量com在因變量為ln(emp)和ln(resemp)時均通過了5%顯著性的檢驗，并且符號均為正，說明國家高新區主導產業 的數量越多，高新區從業人員和大專以上從業人員的年增長率越快。園區主導產業數量多增加一項，園區從業人員和大專以上從業人員的年增長率分別增加0.34%和0.33%。

園區主導產業中含有IT 產業的，園區從業人員和大專以上從業人員的年增長率分別增加2.34%和1.86%。

變量dis和pol均未通過顯著性檢驗,這與美國科技園相反。姜彩樓[11]發現中央政策對于高新區的績效不顯著，認為是因為“具有便于出口導向型工業化的地理優勢、高效的政府效率以及密集的智力資源等因素開始取代中央政策成為促進高新區發展的重要力量”。

我們使用（2）式，和表2 中的第（1）（2）列數據，預測國家高新區從業人員增長率和大專以上從業人員增長率，分別為：

表2 主要計量結果（n=169）

5 結論

本文基于國家高新區的增長曲線，構建了國家高新區的增長模型，在準確理解國家高新區定義的基礎上，主要研究了國家高新區增長的影響因素。具體結論如下：

1.國家高新區的建立時間越長、高新區所在城市的高校數量越多、高新區主導產業的種類越豐富、高新區為新千年所設立、高新區主導產業中含有IT 產業，那么高新區的年均就業增長率就越高。

2.國家高新區與大學之間的距離對于高新區就業的增長率不顯著。行政級別沒有通過檢驗，與姜彩樓等的發現類似，說明“優惠政策”不再是高新區發展的支配因素。

3.我們通過增長模型的詳細說明，基于國家高新區的數據，計算出國家高新區從業人員年均增長率和大專以上從業人員年均增長率分別為10.07%和13.86%。