區域創新空間差異及其影響因素

任穎盈　許繼琴　雷亮

摘要：采用探索性空間數據分析了浙江省71縣域2003-2012年創新空間差異及其時空演變，并使用空間計量模型分析了區域創新影響因素，結果發現：縣域創新空間分布呈兩極分化、雙創新核心格局，對創新水平高的地區，人才投入、知識溢出、FDI技術擴散等因素對區域創新的作用更加明顯，科技經費投入的效用則不顯著，而對于創新水平低的地區，情況則正好相反。文章研究結論對于不同創新水平地區制定相應的政策具有一定的啟示意義。

關鍵詞：區域創新；空間差異；知識溢出；縣域

中圖分類號：C31

文獻標志碼：A

文章編號：1008-7133（2015）04-0025-07

依靠高強度的投資及低成本商品的出口，我國經濟取得了飛速的發展。然而，2008年席卷全球的金融危機為這種不可持續的經濟增長方式敲響了警鐘。黨的十八大報告指出，加快轉變經濟發展方式關鍵還在于實施創新驅動發展戰略。

據中國經濟研究熱點排名，金融危機以后，自主創新重新受到學界的極大關注，在2010-2012年連續三年進入中國經濟研究熱點前10名。多數學者在國家或省域層面探討了區域研發經費投入、人力資本投入、市場化程度、區域服務業發展水平、政府政策支持等因素對區域創新能力的影響，并提出提升區域創新能力的對策建議。隨著空間經濟學的興起，越來越多的學者開始關注地理鄰近與區域創新能力的相關性，并探討地理空間知識溢出、地區知識吸收能力對區域創新的促進作用。

從現有的研究成果來看：第一，大部分研究集中在省域或更大的空間尺度，作為區域經濟的重要組成單位——縣域經濟得到的關注明顯不足，基于縣域空間尺度的區域創新差異與空間格局是否如省域一般呈兩極分化、多中心格局。第二，多數研究認為知識溢出存在地理邊界，知識更趨向于在小范圍內流動，即在縣域空間尺度研究知識溢出有一定的實踐意義；第三，對同一區域的研究，有的學者得出的結論是研發經費投入較人力資本更重要，有的則相反，并沒有考慮處于創新水平的區域，各創新要素的作用可能不同。基于此，本文在前人的研究基礎上，選擇區域經濟發達、創新水平高的浙江省71個縣、市（區）作為研究對象，以專利申請授權量為區域創新能力衡量指標，考察區域創新的空間差異，對不同創新水平的地區分別分析各種因素的影響效力。

1研究方法與樣本選取

1.1研究方法

（1）基尼系數。作為衡量區域經濟發展不均衡程度的重要指標，基尼系數的應用非常廣泛，本文擬用基尼系數來分析區域創新差異，計算公式如下：

（2）空間相關性與區域創新集群模式。判斷區域知識溢出的一個重要方法就是檢測區域創新能力在空間上是否相互關聯，關于空間相關性的檢測指標，使用最為廣泛的有Moran指數和G指數，本文使用全域Morans Ⅰ檢驗區域創新能力的空間相關性，用局域Morans Ⅰ指數并配合區域創新顯著性集群圖（LISA）來分析區域創新的集群模式。

全域Morans Ⅰ檢測地區與地區之間的創新活動是否存在空間相關性，計算公式如下：

局域Morans Ⅰ配合LISA集群圖可以分析區域創新區域創新創新活動的空間集群模式，局域Morans Ⅰ計算公式如下：

根據局域Morans Ⅰ的結果可以繪制LISA集群圖，區域集群模式有4種類型：H-H區域表示高創新產出水平地區被高創新產出水平地區包圍，即高高集群；L-L區域表示低創新產出水平地區被低創新產出水平地區包圍，即低低集群；L-H區域表示低創新產出水平地區被高創新產出水平地區包圍，即低高集群；H-L區域表示高創新產出水平地區被高創新產出水平地區包圍，即高低集群。

1.2樣本選取

關于區域創新的測度有多種不同的指標，如專利、新產品產值或銷售額、學術論文等，一直存在較大的爭議，目前還沒有形成統一的標準。然而新產品在各地區沒有形成統一的認定標準，學術論文較多的存在于高校及科研機構，并不適合作為區域創新產出的衡量指標。盡管專利并不能反映所有的創新活動，各種專利的質量及其所產生的經濟價值也不同，但由于其可比性、易獲得性等優點，專利仍是多數學者作為區域創新測度的首選。因此本文使用專利申請授權量作為創新的衡量指標，數據來源于浙江省知識產權統計局的各縣市（區）2003-2012年專利統計數據，本文研究對象為浙江省各縣及縣級市，其中將11個市的市區視作同級別區域，由于杭州市的余杭區、蕭山區以及寧波市的鄞州區情況特殊，將其單獨劃出，視作同級別區域，總計71個地理單位。另外，本文按照浙江省統計局劃分方法，將浙江省劃分為浙東北和浙西南，其中浙東北包括杭州市、寧波市、紹興市、湖州市、嘉興市以及舟山市，浙西南包括溫州市、金華市、衢州市、臺州市以及麗水市，各縣、市（區）按所屬市劃入相應地區。

2區域創新差異的空間演化

2.1區域創新能力差異明顯，創新空間集聚顯著

總體上來看，浙江省縣域創新能力呈現出明顯的不均衡態勢。根據浙江省71個縣、市（區）以2003-2012年專利申請授權量為指標計算的基尼系數，2003-2009年逐漸降低，2009年以后呈現出不斷擴大的態勢。2003年基尼系數最高為0.67，2009年最低為0.55，2012年基尼系數開始反彈，上升至0.6，并有持續擴大的趨勢。2003-2012年，浙江省71個縣域創新基尼系數一直在0.55以上，表明創新活動高度集中于少數縣市（區），呈高度不均衡態勢，如圖1所示。

基尼系數較好地描述了浙江省縣域創新的集中程度，然而即便2個區域有相同的基尼系數，卻可以有完全不同的地理分布形態。通過繪制各區域專利產出的空間四分位圖可以進一步明確區域創新活動在地理空間上的分布狀況。2003年和2012年浙江省縣域專利產出空間四分位圖，按照各縣域專利申請授權量的多少從低到高排列，分為四級，依次為創新能力地區、較低水平地區、較高水平地區和高水平地區，如圖2所示。

從縱向時間對比來看，2003-2012年，創新能力低水平地區數從29個增加到33個，高水平地區數由9個減少到5個，較低水平和較高水平地區數保持不變。2003年，浙東北（蕭山區、慈溪市、余姚市、寧波市區及義烏市）和浙西南（永康市、臺州市區、樂清市及溫州市區）均有高創新水平地區，2012年高創新水平地區則全部集中在浙東北地區（蕭山區、鄞州區、余姚市、慈溪市及寧波市區），并且直觀的來看，2012年的創新活動更加集中。從橫向地區間的對比來看，低創新水平地區均大量分布在浙西南：2003年，低創新水平地區共29個，其中有21個分布在浙西南，占72.41%，2012年這一比率有所上升，為72.73%。而較高和高創新水平地區則大多分布在浙東北。這與基尼系數變化所反映的情況正好相反，基尼系數顯示的是2003年的創新集中程度高于2012年，根據專利產出空間四分位圖的分析，造成這種出入的原因可能是創新產出分別在浙東北和浙西南地區內分別較均勻，而二者之間的差異則在10年間不斷擴大，基尼系數值掩蓋了兩大區域間的差異鴻溝。

總而言之，無論在2003年還是2012年，整個區域的創新活動呈兩極分化，高創新水平地區集中在浙東北，低創新水平地區集中在浙西南，這種兩極分化態勢在2012年更為顯著。

2.2區域創新空間相關性不斷加強，創新核心區域顯現

基于新經濟地理學觀點，由于空間報酬遞增、知識溢出，越是創新水平高的地區越趨于地理上的集聚，即區域創新表現為空間上的相關性。通過基尼系數結合四分位圖分析，可以初步判斷區域創新可能存在空間相關性，本文擬使用全域和局域moran指數進一步驗證區域創新空間相關性與集群模式。

浙江省縣域創新的Morans Ⅰ，其值越大，表明空間相關性越強。從時間演變來看，浙江省、浙東北縣域創新的空間相關性在2003-2006年緩慢降低，但降幅并不明顯，可以認為是處于穩定狀態，2006-2012年間則呈明顯上升趨勢；浙西南縣域創新相關度則分兩個階段，2003-2006年保持低相關度，2006-2012年則保持相對較高的相關度，兩個階段均較穩定，沒有明顯的變化趨勢。從橫向對比來看，整個浙江省縣域創新空間相關性顯著大于浙東北、浙西南內部的相關性，處于高創新水平的浙東北縣域空間相關性又大于處于低創新水平的浙西南，如圖3所示。

全域Morans Ⅰ表明浙江省縣域創新在空間上正相關，存在集聚性。根據局域Morans Ⅰ的計算結果可以繪制出一定顯著性水平下的縣域創新LISA集群圖，如圖4所示，進一步明確縣域創新在空間上的集群模式。從2003-2012年LISA集群圖變化來看，LL地區均集聚在浙西南地區，并在2012年進一步擴散到浙東北部分地區。HH地區則集聚在浙東北且屬于長三角范圍內，2003年本屬于HH集群區的寧波市區和慈溪市進一步擴散，帶動周邊的余姚市和鄞州區相繼成為HH地區，并成為創新核心區域。原為LH集聚區的杭州蕭山區、富陽市分別在2004、2005年轉變為HH地區，并一直保持，而同為LH集聚區的衢州市區、溫州市區則一直未變，考慮到這四個地區所處的更大區域的特征，在一定程度上說明高創新水平的浙東北更有利于內部地區的發展，而整體為低創新水平的浙西南則在一定程度上會阻礙內部個體的發展。

從整體來看，浙江省縣域創新的空間相關性越來越強，而以杭州、寧波為核心的雙創新核心區正在逐步成型，創新水平高的縣域，如杭州市的蕭山區、余杭區及杭州市區，寧波市的鄞州區、慈溪市、余姚市及寧波市區，均集中在該雙核心中，雙核心周邊的地區，如湖州市、嘉興市、紹興市內的一些縣市（區）也均為次高創新水平的地區，僅有少數縣市（區）位于雙核心周邊但屬于低創新水平地區（舟山市區、岱山縣、嵊泗縣、象山縣、海鹽縣、桐鄉市等），并且這些縣市（區）的創新關聯性也較其他縣市（區）高。

3區域創新的影響因素的實證分析

3.1指標選取與計量模型

已有大量的研究表明創新要素投入如人力資本、研發資金是區域創新的決定因素，同時國際貿易技術擴散、知識溢出、政府政策支持也對區域創新有一定的影響。在前人的基礎上，考慮到數據的可獲得性，本文擬用區域科技活動人員數（HR）和科技經費投入（SF）表示區域創新要素投入，用進出口總額占GDP比率、FDI占全社會固定資產投資總額比率度量國際貿易帶來的技術擴散。由于較早年份縣一級數據較難獲取，本文選取的解釋變量均為2011年的數據，由于專利申請到授權有一定的時間間隔，被解釋變量——專利申請授權量的數據之后一年，為2012年數據。以上數據來自《浙江省統計年鑒》及“浙江省年度縣（市、區）科技進步統計監測評價報告”。

關于創新投入產出模型，Griliches-Jaffe知識生產模型使用最為廣泛，借鑒該模型，本文將計量模型設定如下：

3.2空間計量估計模型

前文的分析證實了浙江省縣域創新存在空間相關性，即知識、技術溢出會促進相鄰地區創新能力的增強，為了檢測知識溢出效應對區域創新的貢獻，將其納入到模型估計中，本文使用空間滯后模型（SLM）或空間誤差模型（SEM）對計量程度進行估計。

空間滯后模型（SLM）：

y=ρWy+βX+ε。

其中：y為N×1維因變量向量，X為包含K個解釋變量的N×K維向量，Wy為空間滯后因子，為N維誤差向量；W為N×N維空間權重矩陣，其定義與前文一致，為解釋變量系數，為空間自相關系數。

空間誤差模型（SEM）：

y=βX+ε；ε=λWε+μ

其中：為隨機誤差項，空間誤差系數，為正太分布的隨機誤差向量。

為進一步明確二者中哪一個模型更為合適，需要根據LM檢驗統計量進行判斷。若LM lag和LMerr均不顯著，則采用OLS估計；若LM lag顯著而LM err不顯著，則使用SLM估計，反之則用SEM估計。若LM lag和LM err均顯著，則比較Robust LM lag和Robust LM err，判斷方式同上。

3.3實證結果分析

通過OLS對計量程度估計結果，如表1所示，對浙西南地區，模型的擬合效果不佳，只有0.62，并且各解釋變量的回歸系數均沒有通過顯著性檢驗；對浙東北地區，模型的擬合效果較好，達到0.88，回歸結果顯示，FDI、科技活動人員投入對區域創新有顯著的促進作用，而區域進出口總額占GDP比重、科技經費投入沒有通過顯著性檢驗。同時，根據LM統計量的檢驗，如表2所示，對浙東北地區，LM err的顯著性大于LM lag；而對浙西南地區，LM lag的顯著性大于LM err。因此接下來對浙東北地區采用空間誤差模型進行估計，對浙西南地區采用空間滯后模型進行估計，結果如表3所示。

考慮了知識溢出效應后的模型估計結果無論是模型擬合效果還是各解釋變量系數的顯著性均明顯高于普通最小二乘法估計，說明知識溢出效應確實存在并對區域創新產生影響。通過對比表3中浙東北和浙西南的空間計量估計結果，可以得到以下結論：

（1）隨區域創新能力的提升，人才因素對區域創新能力的影響越明顯。在創新能力較強的浙東北地區，ln HR的系數達到0.8l，且通過1%的顯著性檢驗，即區域科技活動人員每增加1%，創新產出將增加0.81%，為所有影響因素中對區域創新產出貢獻度最高，而在創新能力低的浙西南地區，ln HR系數為負，且沒有通過顯著性檢驗，說明在區域創新能力高的地區，人才的作用進一步凸顯。在其他學者對區域創新能力影響的時間序列回歸分析中，發現隨時間的推移，人才因素對區域創新能力的影響效應越來越明顯，事實上，在這些學者考察的樣本期內，區域創新能力也是隨時間推移而不斷增強的，從這角度看，也可以認為人才對區域創新的作用隨區域創新能力的不斷提升而不斷加強。因此，對于創新能力已經很高的地區，要進一步提升，需要加大人才投入力度。

（2）科技經費投入在區域創新發展初期效果顯著。ln SF的回歸系數在浙東北地區為-0.14，且沒有通過顯著性檢驗，而在浙西南地區則高達0.78，并通過10%顯著性檢驗。在浙西南，ln SF的系數為所有因素中最高，且是通過顯著性檢驗的僅有兩個指標之一。盡管科技經費投入在創新活動中是最基本投入要素，但是對創新水平不同的地區，其作用的效力也不同，實證結果顯示，對于創新發展處于低水平階段的地區，科技經費的快速增長能對區域創新能力的提升有顯著作用。

（3）創新能力平均水平越高，知識溢出效應越明顯。對比浙東北和浙西南的模型估計結果，代表知識溢出的LAMBDA和W_LNPAT的估計系數分別通過了1%和10%的顯著性檢驗，但是LAMBDA的系數顯著為正，達到0.75，其對區域創新的貢獻度僅次于人才因素，而W_LNPAT的系數卻為-0.12，即本地區的創新發展在一定程度上受到相鄰地區的阻礙。在浙東北，地區之間的創新行為是合作大于競爭關系，區域要素流動、知識交流在整體上促進了區域創新發展；在浙西南，地區之間的創新行為則是競爭大于合作關系，盡管全域Morans Ⅰ顯示區域創新行為時正相關，而局域Morans Ⅰ也顯示大部分地區正的L-L集聚區，但區域要素流動、知識交流整體上并沒有促進區域創新的發展。在創新水平高的的地區，其創新活動活躍，人才眾多，各種知識的存量高，對相同的問題有眾多的研究人員關注，即知識的相關性高，地區之間要素的互動、知識交流，更容易產生新的思想、新的解決方案；對于低創新水平的地區，人才少，知識存量低，地區之間的異質性又使得知識交流更加困難。對于創新水平低的地區，更應該克服地理距離的限制，促進其與創新水平高的地區之間的交流、互動，而不僅僅關注相鄰地區。

（4）創新水平越高的地區，對知識的吸收能力越強。ln El的估計系數在浙東北和浙西南分別為0.18和0.19，非常相近，且都沒有通過顯著性檢驗，說明進出口帶來的學習效應對浙江省區域創新并不明顯。反觀ln FDI的估計系數在兩地則有明顯的區別，其在浙東北地區系數高達0.61，并通過1%顯著性檢驗，在浙西南則為-0.01，幾乎沒有作用。這一結果與Borenztein等人研究結果一致，充分說明創新水平高的地區更能充分吸收外部知識溢出。創新水平低的地區，其人才數量少，人才結構不全，知識存量低，其對FDI帶來的新思想、新技術接受能力有限，而創新水平高的地區，人才結構完全，知識水平高，能較全面的吸收FDI帶來的新思想、新技術，與其形成良好的互動，不斷強化本地區的創新能力。

4結論

對區域創新的研究對象，大部分學者集中在國家或省域層面，少有學者關注縣市一級，本文選擇經濟實力強、創新水平較高的浙江省71縣域為研究對象，得到如下結論：

就區域創新空間差異而言，浙江省縣域創新差異同我國省域創新差異一樣，呈兩極分化格局，并在省內形成以杭州、寧波為核心的創新核心區，區域創新基尼系數處于高水平，不均衡態勢明顯，并有進一步擴大的趨勢。在當前經濟轉型的關鍵時期，創新對實現這一目標至關重要，區域創新活動的非均衡集聚不利于區域經濟的協同發展，決策者應對區域創新差異給予應用的重視。

就創新的影響要素而言，如同波特將經濟發展按驅動力不同劃為分四個階段，不同的經濟發展階段，驅動力不同，對于不同創新水平的地區，各要素對區域創新的影響力也可能不同。根據區域創新的空間四分位圖和LISA集群圖的分析，將浙江省縣域創新分為高創新水平的浙東北地區和低創新水平的浙西南地區，分別對其進行空間計量分析，發現：對高創新水平的地區，人才投入、區域間的知識溢出、FDI技術擴散的效用更加明顯，而科技經費投入則居于次要地位；對低創新水平的地區，科技經費投入的效用則更加明顯，其他要素的作用也不那么明顯。各地區應根據自身的實際情況，制定相應的創新政策，低創新水平的地區，應加大科技經費投入，完善創新基礎設施，改善科研條件，逐步提升區域創新能力，而高創新水平地區則應更多的關注于促進人才之間交流，充分利用現有的創新集聚優勢，進一步提升區域創新水平。

由于數據及樣本的限制，本文將浙江省粗略的劃分為高創新水平地區和低創新水平地區，在實證部分僅使用了一個年份的截面數據，進一步的研究可擴大樣本數量，將樣本劃分為更多不同創新水平的子樣本，使用不同時期的面板數據，做更深入的實證分析。

[編輯：厲艷飛]