共享能力對區(qū)域創(chuàng)新效率影響的實證檢驗

邱海洋

（信陽師范學院 法學與社會學學院，河南信陽 464000）

0 引言

金融危機之后，共享經(jīng)濟在我國逐漸發(fā)展。現(xiàn)階段，在社會科學研究領域中共享經(jīng)濟已成為熱點研究問題。共享能力是共享經(jīng)濟發(fā)展的基石，只有共享能力不斷提升，區(qū)域共享經(jīng)濟才能可持續(xù)發(fā)展。雖然針對共享經(jīng)濟的理論研究逐漸增多，但是，關于區(qū)域共享能力的實證研究卻比較缺乏。技術創(chuàng)新是經(jīng)濟高質量增長的核心動力。對技術創(chuàng)新影響因素進行研究具有較強學術價值和現(xiàn)實意義。影響技術創(chuàng)新的因素較多，共享能力是不可忽視的推動力量。通過梳理現(xiàn)有文獻可以發(fā)現(xiàn)，已有研究缺乏共享能力對區(qū)域創(chuàng)新效率影響的實證檢驗。

檢驗共享能力對區(qū)域創(chuàng)新效率的影響要依賴于共享能力和創(chuàng)新效率指標的測度。本文在借鑒相關研究的基礎上，首先采用MIMIC模型對區(qū)域共享能力指數(shù)進行測算，然后運用全局DEA方法對區(qū)域技術創(chuàng)新效率進行評價，最后采用面板TOBIT模型實證分析共享能力對創(chuàng)新效率的影響程度。

1 區(qū)域共享能力指數(shù)測算

1.1MIMIC模型

由于現(xiàn)有的統(tǒng)計數(shù)據(jù)中并沒有直接對應的共享能力觀測值，那么本文中的區(qū)域共享能力就屬于潛變量。結構方程模型中的MIMIC模型是一種估測潛變量的常用方法。MIMIC模型由測度方程和結構方程兩部分組成，具體表達式為：

進一步設定測量方程誤差項εt的標準差為vt，vt=(v1t，v2t，…，vpt)′，將（4）式代入（3）式，則模型簡化為：

利用所有可觀測變量的樣本值便可以求解MIMIC模型[1,2]。

1.2 變量選取

MIMIC模型包含三種變量：原因變量、指標變量和潛變量。本文的潛變量是共享能力指數(shù)。結合已有關于共享經(jīng)濟的相關文獻，本文選擇的原因變量包含信息技術、人力資本、公共文化、社會服務、基礎設施和社會保障六個方面。本文假設這六個方面的原因變量與共享能力具有正相關關系。信息技術的進步節(jié)省了具體交易的交易費用，從而有利于區(qū)域共享能力的提升[3]。人力資本的提高能降低的交易的不確定性，從而促進交易者之間合作，最終提升區(qū)域共享能力[4]。公共文化服務水平的提升有利于共享理念的傳播，其對區(qū)域共享能力提升有潛在促進作用。社會服務組織能提升信息傳遞效率，從而間接促進共享能力提升[5]。基礎設施是共享模式發(fā)展的硬件保障，基礎設施水平的提高同樣有利于共享能力的提升。社會保障具有共享模式的互惠性，社會保障水平也是區(qū)域共享能力的重要影響因素。

指標變量為商品推廣和經(jīng)濟增長。區(qū)域共享能力的提升雖然提高了閑置商品的使用率，但間接影響商品購買需求，最終促使企業(yè)提升商品推廣力度。商品推廣用規(guī)模以上工業(yè)企業(yè)平均銷售費用表示。另一方面，區(qū)域共享能力有利于潛在交易向現(xiàn)實交易轉化，因而能夠促進經(jīng)濟增長。經(jīng)濟增長用人均地區(qū)生產(chǎn)總值表示。變量說明見表1。為消除價格因素影響，以2008年為基期用CPI對數(shù)據(jù)進行平減，同時對變量原始數(shù)據(jù)進行標準化處理，使其[0,1]之間。本文數(shù)據(jù)均來源于國家統(tǒng)計局數(shù)據(jù)庫。

表1 共享能力指數(shù)MIMIC模型變量說明

1.3 測算過程與結果

MIMIC模型識別的一般步驟是首先去除參數(shù)估計不顯著變量，然后結合經(jīng)濟理論去除與假設相反的變量，最后綜合考察擬合指標和參數(shù)估計顯著性并確定簡單模型而非復雜模型。

表2結果顯示，模型MIMIC（8-1-2）不但RMSEA大于0.08，而且卡方值較大，這說明初始模型不可接受。通過去除參數(shù)估計不顯著變量X2和X6后，重新估計得到模型MIMIC（6-1-2），然而模型MIMIC（6-1-2）RMSEA同樣大于0.08。X5（萬人社會組織單位數(shù)）估計系數(shù)為負，與假設相反，進而刪除，重新估計后可得模型MIMIC（5-1-2），但該模型的RMSEA指標仍大于0.08。通過刪除參數(shù)估計結果最小的變量X7后，重新估計得到模型MIMIC（4-1-2）。由于模型MIMIC（4-1-2）擬合指標均比較理想，進而本文基于模型MIMIC（4-1-2）的參數(shù)估計結果來測算區(qū)域共享能力指數(shù)。

模型MIMIC（4-1-2）包含X1、X3、X4和X8四個原因變量以及Y1和Y2兩個指標變量。根據(jù)原因變量的估計系數(shù)，區(qū)域共享能力指數(shù)的測算公式可表示為：

表2 共享能力指數(shù)MIMIC模型標準化估計及修正過程

根據(jù)（7）式即可求得各省份共享能力指數(shù)，具體數(shù)據(jù)見表3。

表3 2008—2015年我國區(qū)域共享能力指數(shù)測算結果

測算結果表明：第一，從總體角度而言，我國各省份平均共享能力指數(shù)在樣本區(qū)內(nèi)呈現(xiàn)平穩(wěn)上升趨勢。但是，我國各省份2008—2015年的共享能力指數(shù)平均值僅為0.38，表明我國區(qū)域共享能力總體水平不高。第二，從三大區(qū)域差異角度而言，東部地區(qū)共享能力指數(shù)平均值最大，而西部地區(qū)共享能力指數(shù)增長幅度最大。2008—2015年西部地區(qū)共享能力指數(shù)增長263%，中部地區(qū)共享能力指數(shù)增長185%，東部地區(qū)共享能力指數(shù)增長67.5%。第三，從局部省際角度而言，北京、上海、天津和廣東是共享能力指數(shù)平均值較大的地區(qū)，貴州、云南、安徽、甘肅和廣西是共享能力指數(shù)平均值較小的地區(qū)。2015年，北京共享能力指數(shù)是貴州的3.51倍。

2 區(qū)域技術創(chuàng)新效率評價

DEA方法是一種常用的評價投入產(chǎn)出效率非參數(shù)方法。基于DEA方法的數(shù)據(jù)可分為截面數(shù)據(jù)和面板數(shù)據(jù)。Huang等（2014）[6]指出在利用面板數(shù)據(jù)時，如果采用當期DEA方法測算每期效率值然后再進行實證分析則可能導致嚴重偏誤。為了提高準確性，本文采用全局參比法來測算區(qū)域技術創(chuàng)新效率。

區(qū)域技術創(chuàng)新效率是對創(chuàng)新投入和產(chǎn)出能力的測度，技術創(chuàng)新效率不但反映了資源的有效配置程度，而且反映了創(chuàng)新活動的可持續(xù)發(fā)展能力。評價技術創(chuàng)新效率首先要明確創(chuàng)新活動的投入與產(chǎn)出。借鑒已有相關研究成果[7-9]，本文以創(chuàng)新活動資金和科研人員勞動為投入變量，以專利申請量、新產(chǎn)品銷售情況和技術市場成交狀況為技術創(chuàng)新產(chǎn)出變量。區(qū)域技術創(chuàng)新效率評價的具體指標體系見表4。

表4 區(qū)域技術創(chuàng)新效率投入產(chǎn)出變量

為消除物價因素影響，以2008年為基期用R&D指數(shù)對數(shù)據(jù)進行平減。借鑒柳瑞禹的研究，采用R&D指數(shù)=（0.55*消費價格指數(shù)）+（0.45*固定資產(chǎn)投資價格指數(shù)）[10]。整理好數(shù)據(jù)后，利用MAXDEA軟件并選擇產(chǎn)出導向模式計算出區(qū)域技術創(chuàng)新效率值，結果如表5所示。

測算結果表明，技術創(chuàng)新效率值并沒有呈現(xiàn)出與共享能力指數(shù)相同的變化規(guī)律。2008—2015年，大部分省份的技術創(chuàng)新效率值呈現(xiàn)出明顯波動性。比如，北京、天津、河北等省份技術創(chuàng)新效率呈現(xiàn)“U”型變化特點。而內(nèi)蒙古、遼寧、吉林等省份技術創(chuàng)新效率呈現(xiàn)波浪形變化特點。從區(qū)域差異視角而言，大部分東部省份技術創(chuàng)新效率較高，而大部分中西部省份技術創(chuàng)新效率較低。在2015年，北京、江蘇與內(nèi)蒙古、江西技術創(chuàng)新效率差異明顯。

3 計量模型設定及實證結果

3.1 計量模型設定

本文的被解釋變量是技術創(chuàng)新效率，其值取自前文測算結果，并用TE代表。核心解釋變量是共享能力。共享能力用共享能力指數(shù)表示，其值同樣取自前文測算結果，并用SAI代表。控制變量為產(chǎn)業(yè)結構、人口密度、稅收負擔、對外開放。產(chǎn)業(yè)結構用第三產(chǎn)業(yè)產(chǎn)值占GDP比重表示，并用IS代表。人口密度用每平方公里城市人口數(shù)表示，并用DEN代表。稅收負擔用地方財政稅收收入占GDP比重表示，并用TAX代表。對外開放用外商投資企業(yè)投資總額占GDP比重表示，并用OPEN代表。由于技術創(chuàng)新效率是受限因變量，因此選擇TOBIT面板模型進行實證分析。具體計量模型設定為：

表5 2008—2015年我國區(qū)域技術創(chuàng)新效率值

其中，i、t表示地區(qū)和時間，α為回歸系數(shù)，ε為誤差項。

3.2 實證結果

實證結果如下頁表6所示。表6中第二列是全國樣本的回歸結果。共享能力指數(shù)回歸系數(shù)為0.7141，且在1%水平下顯著，這說明共享能力對區(qū)域技術創(chuàng)新效率具有較強促進效應。產(chǎn)業(yè)結構回歸系數(shù)為1.0599，也在1%水平下顯著，這說明產(chǎn)業(yè)結構升級同樣對區(qū)域技術創(chuàng)新效率具有明顯促進作用。人口密度系數(shù)并沒有通過顯著性檢驗。稅收負擔回歸系數(shù)顯著為負，說明稅收負擔對技術創(chuàng)新效率存在抑制作用。雖然對外開放系數(shù)通過了顯著性檢驗，但回歸系數(shù)較小。表6中第三、四和五列分別是東部、中部和西部區(qū)域樣本的回歸結果。通過對比可以發(fā)現(xiàn)，西部樣本中共享能力回歸系數(shù)大于東部樣本中共享能力回歸系數(shù)，而中部樣本中共享能力回歸系數(shù)沒有通過顯著性檢驗。這說明共享能力對區(qū)域技術創(chuàng)新效率的促進效應具有明顯地域差異性。

表6 共享能力對技術創(chuàng)新效率的實證檢驗結果

為了檢驗實證研究的準確性，本文采用投入導向的全局DEA方法對區(qū)域創(chuàng)新效率進行重新測算，并以此結果進行穩(wěn)健性檢驗，實證結果見表7所示。對比表6和表7可以發(fā)現(xiàn)，各變量的系數(shù)符號沒有發(fā)生變化，且回歸系數(shù)差異不明顯，這說明實證研究具有較強穩(wěn)健性。

表7 穩(wěn)健性檢驗

4 結論

本文通過采用MIMIC模型對區(qū)域共享能力指數(shù)進行測算并運用全局DEA方法對區(qū)域技術創(chuàng)新效率進行衡量，最后基于面板TOBIT模型實證分析了共享能力對創(chuàng)新效率的影響程度。主要結論有：（1）我國各省份共享能力指數(shù)在2008—2015年呈現(xiàn)上升趨勢。但是，我國各省市2008—2015年的共享能力指數(shù)平均值僅為0.38，我國區(qū)域共享能力總體水平不高。（2）北京、上海、天津和廣東是共享能力指數(shù)平均值較大的地區(qū)，貴州、云南、安徽、甘肅和廣西是共享能力指數(shù)平均值較小的地區(qū)。2015年，北京共享能力指數(shù)是貴州的3.51倍。（3）西部地區(qū)共享能力指數(shù)增長幅度最大。2008—2015年西部地區(qū)共享能力指數(shù)增長263%，而中部地區(qū)共享能力指數(shù)增長185%，東部地區(qū)共享能力指數(shù)增長67.5%。（4）2008—2015年，大部分省市的技術創(chuàng)新效率值呈現(xiàn)出明顯的波動性。（5）共享能力對區(qū)域技術創(chuàng)新效率具有較強促進效應。采用產(chǎn)出導向模式的技術創(chuàng)新效率實證結果說明，在其他情況不變的條件下，如果共享能力指數(shù)上升1個單位，技術創(chuàng)新效率會隨之上升0.7141個單位。產(chǎn)業(yè)結構升級對區(qū)域技術創(chuàng)新效率也具有明顯促進作用。人口密度對區(qū)域技術創(chuàng)新效率影響不顯著。稅收負擔對技術創(chuàng)新效率存在抑制作用。對外開放程度對區(qū)域技術創(chuàng)新效率影響較小。（6）共享能力對區(qū)域技術創(chuàng)新效率的促進效應具有明顯地域差異性。在西部地區(qū)，共享能力對區(qū)域技術創(chuàng)新效率具有更強促進作用。