科技創新與黑龍江省服務外包產業升級

于珊珊　姜鵬

[摘 要]通過對黑龍江省主要城市科技創新資源與創新活動空間集聚指數進行測算，比較全省各地級城市科技創新的空間分布差異，并通過計算全局和局域空間自相關指數，檢驗黑龍江省創新活動的空間相關性，利用空間面板數據分析方法構建黑龍江省科技創新溢出效應計量模型，考察相關影響因素對科技創新溢出效應的貢獻度，科技創新R&D資本投入對科技創新產出的影響程度呈現上升趨勢，而科技創新人員投入的重要性日趨減弱。為增強黑龍江省科技創新資源與要素調整與配置效率，應鼓勵不同行業資金融合支持科技創新活動，構建多元化的科技創新資金結構，逐步提高科技創新活動資金籌集的市場化程度。

[關鍵詞]黑龍江；科技創新；溢出效應；服務外包

[中圖分類號]F062.9 [文獻標識碼]A [文章編號]2095-3283（2015）04-0011-06

當前國際經濟活動的一個顯著特征是國際產業轉移從制造業向服務業延伸，作為一種具有高成長性、高附加值和促進區域協調發展的新的國際分工形式，服務外包在全球范圍內得到了迅速發展。科技創新有利于服務外包產業從低附加值向高附加值領域轉移。黑龍江省科技資源富集、科技綜合實力較強，但科技創新活動與創新產出存在明顯的空間地理集聚現象。除2002年外，2003—2011年黑龍江省各地級城市高新技術產值占全省比重排序前三位的分別是哈爾濱、大慶、齊齊哈爾，這三座城市是黑龍江省西部地區“哈大齊工業走廊”的主體城區，其高新技術產值總和占當年全省高新技術產值總和的比重均超過了80%（如表1所示）。2002—2011年黑龍江省主要城市高新技術產值絕對數量的變化以哈爾濱、大慶兩地最為顯著，這兩地高新技術產值增長速度明顯快于全省其他地區。由此可知，黑龍江省科技創新活動存在明顯的空間分布異質性。

一、研究方法

（一）空間集聚測度方法

綜合目前國內外相關研究成果，產業集聚測度指標如表2所示。

通過對以上指標的比較分析，考慮地理單元因素、產業空間分布差異可比性因素等，結合本文搜集整理的數據，選擇區位熵指數（LG）和空間基尼系數（Gi）衡量黑龍江省科技創新的集聚程度。

（二）空間相關性指標

根據地理學第一定律，地理距離相近地區的市場經濟運作活動、科技研發與交通往來，相比地理距離較遠地區具有顯著的關聯性。目前測度空間相關性的指標，通常采用全局空間自相關指標Global Morans I指數和局域空間自相關指標Local Morans I指數。Global Morans I指數是衡量各個區域間的整體的空間差異程度和空間關聯的分析方法，其來源于統計學的Pearson相關系數，將互相關系數推廣到自相關系數，時間序列的自相關系數推廣到空間序列的自相關系數，最后采用加權函數代替滯后函數，將一維空間自相關系數推廣到二維空間自相關系數，即可得到Global Morans I指數。Global Morans I指數的實質是標準化的空間自協方差。局域空間自相關Local Morans I指數是檢驗局部地區是否存在相似或相異的觀測值聚集的指標。它可以度量某地區與其周圍地區存在的空間差異程度和以及顯著性，它可以理解為Global Morans I的分解。Global Morans I指數和Local Morans I指數的具體計算公式為：

（三）空間計量模型

綜合目前國內外相關研究成果，考慮空間因素的知識溢出效果模型主要包括兩種空間計量形式（Anselin，1996），一種是空間滯后模型（SLM），該模型反映了各變量在一地區是否存在擴散現象（溢出效應）；另一種是空間誤差模型（SEM），該模型反應了存在于擾動誤差項之中的空間依賴作用，用以衡量鄰近地區由于因變量的誤差擾動對本地區觀察值的影響程度。SLM空間計量模型的形式如公式（1）所示，SEM空間計量模型的形式如公式（2）所示：

公式（1）中，y為因變量，X為外生解釋變量，Wy為空間滯后因變量，ρ為空間回歸系數，用于衡量地理溢出程度，β反映了自變量X對因變量y的影響，ε為隨機誤差向量；ε為隨機誤差向量。公式（2）中λ為空間誤差系數，用于衡量樣本觀察值的空間依賴作用，μ為正態分布的隨機誤差向量，參數β反映了自變量X對因變量y的影響。

目前研究知識生產與科技創新的影響與溢出效果，主要利用Griliches -Jaffe提出的基于柯布—道格拉斯生產函數的標準知識生產函數，函數基本形式為：

公式（3）中Q代表科技創新產出，A代表常數項，R&D為科技創新的經費或人力資本投入，S代表影響科技創新產出的經濟社會變量，ε為隨機誤差項，i為觀測單元，t為時間。本文考慮到數據的獲取性與可得性，將以公式（3）中各項變量分別定義為黑龍江省主要城市R&D經費投入K、黑龍江省主要城市科技創新人員投入L、黑龍江省科技創新的外部知識溢出變量S。在具體實證研究過程中，還需要對以上公式兩邊取對數，構建雙對數模型，即

二、數據來源與處理

本文研究對象為黑龍江省11個地級市和2個地區，根據目前相關文獻研究經驗，一般采用專利申請數量作為科技創新能力衡量指標，但由于統計數據的可得性與數據量綱的一致性，本文選取高新技術產值替代專利申請數量作為衡量研究對象地區科技創新產出的評價指標，R&D經費支出以及R&D人員投入作為衡量研究對象地區科技創新投入水平的評價指標。本文數據來源于《黑龍江統計年鑒》，黑龍江省科技統計網、黑龍江科技信息網等。部分年份數據缺省值采用線性插值法進行補全。本文空間統計分析與空間制圖采用Arcgis軟件，空間相關性檢驗與空間計量分析采用Geoda軟件。

三、實證分析

（一）空間集聚實證結果分析

根據區位熵指數（LG）、空間基尼系數（Gi）計算公式，黑龍江省主要城市2003—2010年科技創新兩項指標的計算結果如表3、圖2所示。其中區位熵指數（LG）大于1的城市以齊齊哈爾、大慶、哈爾濱為主，表明這些地區科技創新的專業化水平明顯高于全省其他地區，人均科技創新創新效率相對顯著，尤其是齊齊哈爾地區，除2007年外，其他年份LG指數均高于1，LG指數平均值為2.159，位居全省第一位?？臻g基尼系數（Gi）在2003—2007年始終保持在0.08水平上下浮動，但從2008開始，Gi系數顯著上升，始終保持在大于0.1水平浮動，Gi系數平均值約為0.1，表明全省科技創新活動空間分布存在一定差距，但從數據上來看，差距程度與發達國家相比，差距相對較小。綜合以上兩項指數的測算結果，黑龍江省科技創新活動的空間分布并不均勻，呈現一定的局部集聚性，并且這種地理集聚度隨著時間的推移呈現出逐漸增加的趨勢。endprint

（二）空間相關性實證結果分析

根據全域空間自相關指數和局域空間自相關指數計算公式，本文在計算過程中空間權重矩陣采用“K-Nearest Neighbor”法，通過Geoda軟件，計算2002—2011年黑龍江省11個地級市和2個地區科技創新產出的全局空間自相關指標的Morans I值與局域空間自相關指標的MoranI值，以及它們的顯著性檢驗值如表4、圖3所示。

根據表4可知，2002年全局Morans I指數和局域Morans I指數值相對較低，表明空間相關性相對較弱，且未通過5%顯著性檢驗。而2003—2011年全局Morans I指數和局域Morans I指數的平均值為0.1045，P-value通過了5%顯著性檢驗。因此，2003年以后，黑龍江省主要城市科技創新產出的空間相關性尤為明顯，尤其是2011年，全局Morans I指數和局域Morans I指數值達到了0.1162，實現了2003年以來的顯著上升。

2002—2011年黑龍江省13個市（地）以高新技術產值衡量的科技創新產出的全局Morans I指數和局域Morans I指數曲線的變化，除2002年Morans I指數為負值，且僅通過10%水平的顯著性檢驗，而未通過5%水平的顯著性檢驗之外，2003年開始Morans I指數顯著上升，雖然此后經歷了小幅下降，但2004—2010年，MoranI指數均保持在0.1水平穩定波動，且均通過了5%水平的顯著性檢驗，尤其是2011年，MoranI指數實現了顯著的上升反彈，表明空間自相關性更為明顯。正向的空間自相關性表明隨著經濟的發展，黑龍江省主要城市之間的經濟活動的空間相關性不斷提高，即一個城市的科技創新投入、產出將會對相鄰城市產生正向的溢出效應。

圖3是2003年、2006年、2009年、2011年黑龍江省13個市（地）科技創新的MoransⅠ散點圖，圖中橫軸代表該觀測單元的科技創新產出，縱軸代表周邊觀測單元的科技創新產出。第一象限（HH）表示高—高的正空間自相關，代表觀測地區的科技創新產出較多，周邊觀測地區的科技創新產出也較多；第二象限（LH）表示低—高的空間自相關關系，代表觀測地區的科技創新產出較少，而周邊觀測地區的科技創新產出較多；第三象限（LL）表示低—低的空間自相關關系，代表觀測地區的科技創新產出較少，周邊觀測地區的科技創新產出也較少；第四象限（HL）表示高—低的空間自相關關系，代表觀測地區的科技創新產出較多，而周邊觀測單元的科技創新產出較少。

如圖3、表5所示，2003年、2006年、2009年、2011年黑龍江省主要城市科技創新的 Morans I散點分布極為相似，除2003年，齊齊哈爾市科技創新的空間自相關性由第二象限變動至第一象限外，其他3個年份各象限的分布地區均相同。即第一象限（HH），表示以大慶與哈爾濱不僅各自地區科技創新產出相對較強，同時對周邊地區也起到輻射和帶動作用，使相鄰地區的創新產出也較多，具有正的空間相關性；第二象限（LH），表示齊齊哈爾、綏化、牡丹江三個地區盡管靠近科技創新產出較強的地區，但由于缺乏吸納科技創新擴散或溢出效應的能力，各自暫未受到周邊地區的輻射影響，科技創新產出較少；第三象限（LL），表示雞西、伊春、鶴崗、大興安嶺、黑河、佳木斯、七臺河、雙鴨山地區的科技創新產出相對較少，同時相鄰地區的科技創新能力也相對薄弱，并沒有產生積極的正向互動影響效應。

（三）空間計量實證結果分析

通過驗證，本文選擇滯后5期模型估計效果最好，同時又根據本文整理的空間計量數據時間范圍2003年至2010年，本文選擇2008年和2010 年黑龍江省11個地級市和2個地區的橫截面數據為例衡量科技創新的空間溢出效果，具體經典OLS模型、空間滯后模型（SLM）、空間誤差模型（SEM）回歸結果如表6、表7所示。

由表6和表7可知，SLM 模型和SEM 模型與經典OLS 模型相比，各項指標檢驗值均具有顯著性，2010年三種模型的擬合優度R2與2008年相比，均小幅上升，但SLM模型與SEM模型的擬合優度R2的絕對值略高于經典OLS模型的擬合優度，此外，SLM模型和SEM模型的空間相關系數都為正，且都通過了1%的顯著性水平檢驗，這表明黑龍江省11個地級市和2個地區，以高新技術產業衡量的科技創新產出具有顯著性的空間正相關效應。而經典OLS模型由于未考慮空間相關性，其回歸結果中各項指標的解釋能力明顯弱于SLM模型和SEM模型。進一步比較SLM模型與SEM模型，SLM模型2010年和2008年的擬合優度R2均略高于SEM模型。此外，2010年和2008年SLM模型的赤池信息準則（AIC）和施瓦茨準則（SC）分別小于SLM模型相應指標值，因此 SLM 模型是上述三個模型中的最優回歸模型。

根據以上空間計量模型擬合結果，驗證了黑龍江省主要城市和地區的科技創新活動存在一定的空間相關性和依賴性，且空間滯后模型（SLM）能夠很好地解釋科技創新投入與科技創新產出之間的空間影響性。根據表6和表7測算結果，SLM模型中，科技創新R&D資本投入和科技創新人員投入均通過了1%水平下的顯著性檢驗，且2010年科技創新R&D資本投入的彈性系數值明顯高于2008年的系數值，這表明科技創新R&D資本投入對科技創新產出的影響程度呈現上升趨勢，R&D資本投入的重要性日益凸顯；而2010年科技創新人員投入的彈性系數值明顯小于2008年的系數值，這表明科技創新人員投入對科技創新產出的影響程度逐年呈現下降趨勢，科技創新人員投入的重要性日益減弱，因此SLM 模型更強調R&D資本投入對科技創新產出的貢獻作用，由此可知，黑龍江省主要城市和地區應積極加大科技創新的財政投入，正確引導社會科技創新資金投入與流通，積極拓展多渠道、多層次的科技創新融資方式，鼓勵不同行業資金融合支持科技創新活動，構建多元化的科技創新資金結構，逐步提高科技創新活動資金籌集的市場化程度。

[參考文獻]

[1]王力，劉春生，黃育華.中國服務外包競爭力報告（2012—2013）：中國服務外包基地城市競爭力評價[M]社會科學文獻出版社，2013.

[2]王曉紅.中國服務外包：跨越發展與整體提升[M]山西經濟出版社，2012.

[3]陳斐.區域空間經濟關聯模式分析理論與實證研究[M]中國社會科學出版社，2008.

（責任編輯：張彤彤）endprint