城鎮化水平影響創新產出的地區差異性和空間依賴性
——基于非空間面板與空間面板模型的實證分析

楊 維，姚 程，蘇夢穎

(1.西南財經大學 保險學院，四川 成都 611130；2.西南財經大學 經濟學院，四川 成都 611130)

一、引言

黨的十八大明確提出實施創新驅動經濟發展戰略，創新驅動經濟發展的實質就是讓創新成為引領經濟發展的第一動力。經濟發展靠創新，而創新的核心在于人，在于人們相互交流、學習、合作、競爭所產生的新思想、新知識、新技能。正因如此，《國家創新驅動發展戰略綱要》進一步要求“加快匯聚一支規模宏大、結構合理、素質優良的創新型人才隊伍”，實現“創新文化氛圍濃厚，法治保障有力，全社會形成創新活力競相迸發、創新源泉不斷涌流的生動局面”[1]。

城市作為人類偉大的發明，其最重要的功能就是集聚人口，通過人口集聚，城市成為人才、企業分布最為密集的地方，這無疑也使城市成為實現創新的最好平臺。自從柏拉圖和蘇格拉底在雅典的一個集會場所展開辯論以來，作為分布在全球各地的人口密集區域，城市已經成為了創新的發動機[2]。縱觀世界城市發展的歷史，文藝復興、工業革命、科技革命等推動人類進步的新思想、新技術無不發生在城市，可見創新的形成與城市有著必然的內在聯系。因此，城鎮化作為人類活動向城市集聚的過程，必然成為創新驅動經濟發展戰略實施的重要推動力。

關于城鎮化對創新驅動經濟發展的作用，目前的研究成果主要體現在兩個方面：一是研究城鎮化對技術進步的影響。城市化和技術創新之間存在較強的相關性，城市有利于技術創新產生，且為創新擴散創造了良好條件[3]。城鎮化能產生技術創新效應，城鎮化通過創新效應顯著地驅動全要素生產率的增長，且城鎮化的創新效應在區域間存在差異[4]。城鎮化能產生農業技術進步效應，城鎮化通過技術進步效應推動農業全要素生產率的增長[5]。二是以城鎮化所引起的技術進步效應為媒介，研究城鎮化產生的經濟效應。城市化對創新產出具有一定的促進作用，且城市化以技術創新為中介對經濟增長有促進作用[6]。城鎮化所引起的創新要素在空間上的集聚能產生外部經濟性，并最終推動產業結構的升級[7]。城鎮化通過促進技術進步而影響經濟增長率與經濟穩定性，并最終有效地推動經濟增長[8]。

以上研究的學術價值是顯見的，分別從不同角度揭示了城鎮化、技術創新與經濟增長或產業結構之間的關系。隨著我國城鎮化進入快速發展階段，以及創新驅動經濟發展重大戰略的實施，加強城鎮化與創新關系的研究更顯必要，然而近年來研究城鎮化對創新產出影響的文獻并不多，尤其是將空間因素引入研究的文獻相對偏少。基于此，本文試圖從理論分析城鎮化與創新之間的內在關系入手，并采用非空間面板與空間面板模型對二者的關系進行實證研究，以期揭示城鎮化與創新驅動經濟發展戰略實施的內在關系。本文論述將按如下結構展開：第二部分對城鎮化與創新之間的內在關系進行理論分析；第三部分對相應的模型、變量及數據進行說明；第四部分說明所使用的研究方法；第五部分為實證結果的分析與討論；最后給出研究結論。

二、理論分析

所謂創新驅動經濟發展，就是要讓創新成為推動經濟發展的第一動力。創新是經濟社會發展的唯一動力[9]，創新之所以能夠成為推動經濟發展的動力，關鍵就在于創新主要來源于知識、技能等要素的投入，而這些要素的增加是沒有極限的，因此它們帶來的生產力的增長也是沒有極限的。此外，與物質資本積累具有競爭性不同，知識、技能的積累具有非競爭性，這使得知識、技能的增加不會減少通過獲得更多的知識、技能而增加產量，也就是說，知識、技能的邊際收益不是遞減的，并最終導致內生增長模型中增長無止境[10]。由此可見，創新是實現經濟持續發展的不竭動力。

然而，人們的知識、技能、信息并非與生俱來，而是在社會活動中通過交流、學習不斷積累的。創新不需要天才，但需要訓練，創新是可以傳授和學習的[11]。因此相比于農村，集聚更多人口、擁有更完善教育體系的城市顯然更能點燃人們相互交流的火花，更能為人們充分發揮相互學習的能力提供良好的平臺和環境。此外，創新很少源于單一知識、技能的投入，而是更多地源于不同知識、技能的相互組合以及不同行業的相互合作，因此，擁有豐富人力資本、各式各樣行業的城市顯然為創新的形成提供了更完善的條件。再者，創新通俗說來就是創造新的東西，而擁有劇烈市場競爭壓力的城市顯然更能激發人們和企業去尋求創新。這說明，城鎮化與創新之間必然存在緊密聯系，以下我們將就城鎮化推動創新的作用機理展開分析。

(一)人口集聚效應

人作為一種社會動物，彼此有交流的需要，且交流的強度隨著人數的增加而增強，隨著距離的增加而減弱[12]。城市代表了接近性、人口密度和親近性，城鎮化作為人類活動向城市集聚的過程，不僅使得人們之間的地理距離更為貼近、關系更加緊密，還使得人們之間的思想交流更為容易、更具持續性，而思想交流顯然是實現創新必不可少的。創新來自于集中在城市街道兩側的人際交流，城市通過為居民提供交流的便利，加快了創新的速度。的確，人們通過面對面的交流、討論，各種思想的融合有利于新思想、新知識、新技能的形成，使之成為創新的來源。中國經濟面臨著一個重要問題，即缺乏“思想市場”，“思想市場”的發展，將使中國經濟的發展以知識為動力，更具可持續性[13]。筆者以為，“思想市場”指的就是思想、知識、技能的交流場所，而城鎮化的推進則有利于完善這種“思想市場”，并推動城市成為創新的發源地。

此外，人口在城市的集聚還使得人們更能充分發揮相互學習的能力。相互學習能力是人類最重要的能力，當我們面對面地聚在一起時，我們的學習就會更加深入和徹底。然而，學習不僅是人類最重要的能力，它還存在策略互補性。所謂策略互補性，指的是一個人參與某項活動的意愿會隨著其他參與者人數的增加而增大。由于學習過程中存在策略互補性，人們參與學習的意愿將隨著參與學習的人數的增加而增大。而城市作為人口集聚的地方，為人們進行學習提供了更多的點、更廣的面，進而增強了學習過程中的策略互補性。隨著學習人數不斷增多，人們在相互學習思想、知識、技能的過程中，新思想、新知識、新技能更容易隨之而生，創新也就更容易出現。

(二)知識、技術的溢出效應

城鎮化過程中，不斷涌入城市的個人和企業不僅能享受更完善的基礎設施和公共服務，還能從知識、技術的外部溢出效應中獲益。

教育是人力資本形成的有效途徑，學校能夠產生人力資本形成的規模效應，并突破專業的限制，最有效地提高一般知識水平[14]。城市有提供知識的功能，而城鎮化的集聚效應影響了知識的分享，通過吸引大量人口，城市方便了知識的積累和擴散[15]。因此，擁有更完備教育體系和知識儲備的城市，不僅能更好地使知識在代際間得到傳承，還可以提高人們的學習效率，進而使得人們既可以從自身努力學習中得到好處，也可以從向他人學習中獲益，這正是城鎮化所帶來的知識溢出效應。顯然，這種知識溢出效應有利于推動創新。

對于企業而言，創新往往先從模仿開始，而城鎮化的過程加快了信息的傳播速度，企業的新技術能在鄰近范圍內迅速得到傳播和模仿。美國硅谷就是一個很好的例子，其中集聚的企業一半以上都與計算機行業有關。地理上的接近有利于信息傳播，使得越來越多的企業愿意聚集到一起，以分享經濟活動的多樣性和專業化的好處。也就是說，信息作為企業生產投入的一部分，當企業在城鎮化進程中集聚時，就能從彼此之間的信息分享中獲益，不同企業的工人也能通過交流分享彼此的技術，以改進他們的生產方式，這也正是城鎮化所帶來的技術溢出效應。

然而，這還不是知識、技術溢出效應的最終結果，因為城鎮化過程中還附帶著市場競爭壓力的不斷增強，為了克服這種競爭壓力，人們和企業還得尋求新的變化。古人云：“易，窮則變，變則通，通則久。”這句話對于現代社會中的人們和企業同樣適用。為了謀求新的、持久的發展，人們和企業就得尋求“變”，這里的“變”就等同于創新。創新的目的就在于贏得市場，對于個人，為了成為激烈競爭人才市場中的佼佼者、實現自我人生價值，就會不斷地學習新思想、新知識，最終形成一個“交流—學習—再交流—再學習”的良性循環，這顯然是實現創新所需要的。對于企業，為了使自己在市場經濟中站穩腳跟，就會不斷地學習新技術、創造新技術，最終形成一個“學習—創新—再學習—再創新”的良性循環。

(三)節約交易費用

交易費用普遍存在于人類各種社會經濟活動中，城鎮化節約的交易費用不僅體現在由于企業間物理距離的縮短而降低的運輸成本上，還體現在創新形成的過程中。

首先，城鎮化不僅節約了人們找到與自己思想相近的交流對象所產生的交易費用，更為重要的是增強了人們之間彼此交流的需要和可能性，也相應節約了交易費用。不言而喻，在許多欠發達的農村地區，人們為了生活早出晚歸，很少有時間來進行思想交流，不利于學習和接受新事物。然而，人們一旦進入城市，學習新的勞動技能，遵守崗位規范和職責，無疑增大了彼此交流學習的需要。此外，城鎮化也重新配置了人們的勞動與閑暇時間，使得創新所必需的思想交流和學習成為可能。雖說創新多與科技有關，但科技含量很低甚至是“零科技”的社會創新不僅機會更多，而且效益更大，因此生活中處處都有創新的機會，人人都可能成為創新者。由此可見，這些“新市民”也是創新實現過程中一股不可忽視的力量。

其次，城鎮化節約了形成創新產出所需的各種生產要素組合與匹配的交易費用。創新是要把一種從來沒有的關于生產要素和生產條件的“新組合”引進生產體系中去，以推動經濟社會發展。在城鎮化的過程中，勞動、資本、土地、人才等各種生產要素集聚城市，這必然減少各種生產要素形成“新組合”所需的匹配時間和距離，從而使得創新更容易產生。

以上理論分析表明，城鎮化能通過產生人口集聚效應、知識技術溢出效應和節約交易費用三個方面促進創新的形成。在此基礎上，需要進一步研究城鎮化水平對創新產出的影響。本文后續部分將就城鎮化對創新產出影響的地區差異性和空間依賴性進行實證分析。

三、模型、變量與數據

(一)模型設定

本文利用我國省際面板數據來研究城鎮化水平對創新產出影響的地區差異性和空間依賴性。面板數據包含橫截面維度N與時間維度T，不僅可以提供個體動態行為的信息，還由于其樣本容量較大，可以有效地提高估計結果的精確度。

為了研究城鎮化水平對創新產出影響的地區差異性，我們首先引入非空間靜態面板模型。由于面板數據中個體之間往往存在異質性，個體異質性既可能體現在截距項上，也可能體現在斜率系數上。因此，為了進行詳細研究，本文將根據個體異質性存在的不同情形選擇相應的模型：

(1)

(2)

(1)、(2)式中，i=(1…N)表示橫截面維度，t=(1…T)表示時間維度，y表示被解釋變量，x表示解釋變量，β表示斜率系數，(2)式中允許個體異質性體現在斜率系數上，u表示未觀測到的個體異質性，ε表示隨機干擾項，x為(N×K)向量，β為(K×1)向量，y、u、ε均為(N×1)向量。

對于個體效應模型，若ui是常數，則存在個體混合效應；若ui與某個解釋變量相關，則存在個體固定效應，反之則存在個體隨機效應。

為了研究城鎮化水平對創新產出影響的空間依賴性，我們接著引入空間面板模型：

(3)

對于空間面板模型，若γ=0，則為空間杜賓模型SDM；若γ=δ=0，則為空間自回歸模型SAR；若τ=δ=0，則為帶空間自回歸誤差項的空間自回歸模型SAC；若τ=δ=ρ=0，則為空間誤差模型SEM。

(二)空間權重矩陣設定

由(3)式可知，空間面板模型進行估計時需設定空間權重矩陣w、d、m。空間權重矩陣表征個體間空間區域的相互鄰近關系，其形式如下：

(4)

(4)式中，wij表征區域i與j的鄰近關系，主對角線元素全為0。對于空間權重矩陣的設定，學術界始終存在爭議，現實中并不存在最優空間權重矩陣[注]最優的空間矩陣并不存在，因為現實中無法找到一個完全描述相關結構的空間矩陣，但空間矩陣的構造必須滿足空間相關性隨著“距離”的增加而減少的原則，“距離”可以是地理上的距離，也可以是經濟意義上合作關系的遠近。，只能通過比較選擇相對較優的[16]。因此，本文從地理距離、經濟距離和技術交易三個不同的視角分別設定空間權重矩陣，以便能找到一個最適合的空間權重矩陣，用于分析城鎮化對創新產出的空間影響。

1.地理距離權重

現實中，地理相鄰的經濟體存在著緊密聯系，如人口往來密切，彼此產生學習示范效應等，因此創新產出在空間上存在一定的相關性。地理距離權重W根據經濟體間是否相鄰來設定矩陣元素，W中主對角線元素全為0，非主對角線元素為：若區域i與j相鄰，則wij=1；若區域i與j不相鄰，則wij=0。

2.經濟空間權重

使用地理距離權重雖能研究相鄰地區創新產出的密切程度，但其設定過程中包含了不相鄰地區不存在創新產出空間相關性的假定，這顯然有一定的局限性，如北京與上海不相鄰，我們并不能就此認為北京與上海的創新產出之間不存在聯系，為此本文引入經濟空間權重[注]經濟空間權重是林光平等研究中國人均實際GDP收斂情況時提出的，其研究結果表明，經濟空間權重的引入能更好地反映地區經濟之間的相互關系。。經濟空間權重W*=W×E，其中W為地理距離權重，矩陣E主對角線元素為0，非主對角線元素為

為地區i在樣本期內的人均實際GDP平均值[17]。

3.技術交易權重

前面理論分析部分指出，技術會產生溢出效應，而衡量技術流動情況的指標為技術市場交易額，為此本文根據空間矩陣構造的原則嘗試性設定技術交易權重W**，其中主對角線元素為0，非主對角線元素為

為地區i在樣本期內技術市場交易額的平均值。

(三)變量選擇

對于創新產出，國內學者通常選用專利申請授權量作為衡量指標[18]。然而，部分被授權的專利具有“紙上談兵”的味道，并不產生實際經濟效益，這顯然不符合創新驅動經濟發展的要求。能夠帶來實際經濟效益的創新才有價值和意義，因此本文選用專利有效量作為創新產出的衡量指標[注]有效專利指在統計時專利權處于維持有效狀態的專利。，也就是被解釋變量，與專利申請授權量相比，專利有效量更能體現專利的真實水平，更能反映國家的創新能力。

作為解釋變量的城鎮化水平，則通過城鎮人口占年末常住總人口的比例來衡量。

理論上創新投入經費是創新產出的決定因素，因此本文選用企業研發經費、政府研發經費作為控制變量。考慮到專利申請到審批過程存在時滯性，因而模型中解釋變量和控制變量采用滯后一年的數據。

本文實證分析所采用被解釋變量、解釋變量和控制變量及其指標等，如表1所示。

表1 變量說明

(四)數據來源

本文以2013-2017年我國30個省級行政區為研究對象，西藏由于數據缺失，故而舍去。專利有效量來源于《國家知識產權局統計年報》(2013-2017)；企業研發經費、政府研發經費、技術成交額來源于《中國科技統計年鑒》(2012-2016)；城鎮人口、年末常住總人口來源于《中國統計年鑒》(2012-2016)；地理距離權重矩陣中各元素以《中華人民共和國地圖》(2016)為參照，統計我國30個省級行政區相鄰關系獲得；經濟空間權重矩陣中人均實際GDP通過樣本期內實際GDP除以年末常住總人口獲得，實際GDP數據來源于人大經濟論壇。

四、研究方法

(一)非空間靜態面板模型

1.個體效應模型的估計

本文首先考察各省城鎮化與創新產出之間是否存在個體效應差異，由于個體效應模型存在混合效應、固定效應、隨機效應三種形式[19]，這需要分別就三種效應形式進行估計，以便獲取相應的檢驗統計量。具體來說，使用普通最小二乘法(OLS)估計混合效應模型，可行廣義最小二乘法(FGLS)估計隨機效應模型，FGLS實際就是廣義離差變換+OLS，對于固定效應模型的估計則采用組內離差變換+ OLS[注]由于篇幅限制，本文未就模型的廣義離差變化與組內離差變化進行推導，具體推導過程請參閱陳強(2014)[19]。。

2.個體效應形式的確定

對于混合效應與固定效應的檢驗，采用F檢驗，而混合效應與隨機效應的檢驗，則采用LM檢驗，兩個檢驗的原假設都是混合效應，若相應統計量對應的伴隨概率小于給定顯著性水平，則拒絕原假設。

對于個體效應形式的判斷，多數國內學者使用Hausman檢驗，如仇怡等。但Hausman檢驗只適用于不存在異方差的情形，對于通常存在異方差的面板數據，Hausman檢驗有效性低于過度識別檢驗，因此此處使用過度識別檢驗來檢驗個體固定效應與隨機效應。過度識別檢驗采用χ2統計量，原假設為隨機效應，若χ2統計量對應的伴隨概率小于給定顯著性水平，則拒絕原假設。

3.聚類穩健標準誤

由于面板數據中通常存在組間異方差和組內自相關性，從而普通標準誤的估計結果是錯誤的。因此文中除特別說明外，對標準誤的估計一律使用聚類穩健標準誤，聚類穩健標準誤是真實標準誤的一致估計量，因此能確保解釋變量的顯著性水平真實有效[注]聚類是由每個個體不同時期的所有觀測值組成，同一聚類的觀測值允許存在相關性，而不同聚類的觀測值則不相關，即使存在異方差和組內自相關，聚類穩健標準誤是真實標準誤的一致估計量。。

4.變系數模型的估計

變系數模型能用于研究各省城鎮化水平對創新產出的影響系數是否存在差異，變系數模型分為常數系數、隨機系數兩種形式。常數系數指個體間斜率系數βi雖不同，但為一常數；隨機系數指βi=β+νi，即系數包含固定成分和隨機成分。本文采用最小二乘虛擬變量法(LSDV)估計常數變系數模型，通過在變系數模型中加入地區虛擬變量、地區虛擬變量與城鎮化水平的交叉項來進行模型估計，若城鎮化水平的斜率系數一致，則認為各省城鎮化對創新產出的影響系數不存在差異，反之則認為存在。對于隨機變系數模型，本文使用Swamy提出用可行性最小二乘法(FGLS)進行估計，即利用最小二乘殘差來估計協方差矩陣中的參數，然后再使用廣義最小二乘估計[20]。最后根據二者的估計結果進行比較檢驗，以選擇合適的模型。需要說明的是，我們并未找到比Hausman檢驗更優的方法用于判斷變系數模型的類型，因此本文此處運用Hausman檢驗進行比較檢驗。

(二)空間面板模型

1.空間相關性檢驗

本文另一目的是考察各省城鎮化進程中，創新產出是否存在空間依賴性，這需要對創新產出的空間相關性進行檢驗。如果不存在空間相關性，則使用非空間靜態面板模型即可；如果存在空間相關性，則需使用空間面板模型。檢驗經濟數據的空間相關性，通常選用莫蘭指數I、吉爾里指數C、Getis-Ord指數G，本文則使用莫蘭指數I，其定義如下：

(5)

全局莫蘭指數檢驗的是整個截面區域的空間相關性，若想檢驗某個區域i的空間相關性，則使用局部莫蘭指數Ii，其定義如下：

(6)

(6)式中各個符號的含義與(5)式一致。

由于莫蘭指數只能檢驗截面的空間相關性，因此本文對樣本期內的各個時期分別進行莫蘭指數檢驗，以判斷是否存在空間相關性。

2.空間面板模型的估計

對于空間面板模型的估計，使用普通最小二乘法(OLS)會造成估計結果有偏或不一致，因此采用極大似然法(MLE)進行估計。空間面板模型包括帶空間自回歸誤差項的空間自回歸模型SAC、空間杜賓模型SDM、空間自回歸模型SAR、空間誤差模型SEM，SDM適用于被解釋變量依賴于鄰近區域解釋變量以及各被解釋變量間存在空間依賴性的情形，SAR適用于各被解釋變量間具有空間依賴性的情形，SEM適用于擾動項間存在空間依賴性的情形，而SAC包含了SAR與SEM兩種情況，即被解釋變量與擾動項都存在空間依賴性。因此，本文首先估計SAC，若結果顯示被解釋變量間不存在依賴性，則估計SEM；若結果顯示擾動項間不存在依賴性，則估計SDM；若SDM結果顯示被解釋變量不依賴于鄰近區域解釋變量，則最后估計SAR。

五、實證結果

(一)非空間靜態面板模型

1.個體效應模型

對數變換不改變函數性質，并在一定程度上能減少異方差對模型的影響，因此本文所有變量均采用對數形式l·，其中l表示對數log,·表示表1中的各變量。

表2 個體效應模型三種效應形式的估計結果

注：p-values in parentheses，*p< 0.1,**p< 0.05,***p< 0.01。

表2中，POOL代表混合效應，FE代表混合固定效應，RE隨機效應，從回歸結果的概率P值可以看出，在5%顯著性水平下，城鎮化水平在固定效應和隨機效應模型中對創新產出具有顯著的正影響。

為了確定模型的具體效應形式，還需對隨機效應模型回歸結果進行LM檢驗和過度識別檢驗，以獲得LM和χ2統計量，而判斷混合效應與固定效應所需的F統計量由固定效應模型回歸結果自動生成。但需要說明的是，只有在普通標準誤的情況下，估計固定效應模型才能生成F統計量，因此此處將估計普通標準誤固定效應模型。各檢驗統計量對應的概率P值如表3。

表3 檢驗統計量對應的概率P值

表3中，PF=0.00說明模型含固定效應、不含混合效應，PLM=0.00說明模型含隨機效應、不含混合效應，而Pχ2=0.0001說明模型含固定效應、不含隨機效應。因此綜合來看，模型應為個體固定效應模型，這表明模型中未觀測到并與城鎮化水平相關的因素，如環境、制度等，對創新產出的影響存在個體差異。

2.變系數模型

為判斷各省城鎮化水平對創新產出的影響系數是否存在差異，本文進一步對變系數模型進行估計，常數變系數模型的估計結果如表4，隨機變系數模型的估計結果如表5。

表4 常數變系數模型

注：p-values in parentheses，*p< 0.1,**p< 0.05,***p< 0.01。

表4中，id=(2…30)代表地區虛擬變量，為避免多重共線性，故引入29個虛擬變量，括號內的數字排序與國家統計局公布的地區排序一致，如id=2代表天津，id=3代表河北，而id#c.lcountry代表地區虛擬變量與城鎮化水平的交叉項。表4不僅給出了每個地區各自擁有的斜率系數，還給出了各自擁有的截距項，如id=2，則天津城鎮化水平對創新產出影響的斜率系數為29.47-20.84=8.63，而個體截距項為-3.334。從結果可以看出，在5%顯著性水平下，絕大多數地區虛擬變量與城鎮化水平的交叉項都很顯著，故可認為應使用變系數模型，而地區虛擬變量很顯著則進一步說明截距項存在個體固定效應。

表5 隨機變系數模型

注：p-values in parentheses，*p< 0.1,**p< 0.05,***p< 0.01。

表5中，在5%顯著性水平下，城鎮化對創新產出有正的影響，但不顯著，chi2為χ2統計量，原假設是個體斜率系數不存在差異，因Prob > chi2 = 0.0000，故拒絕原假設，認為應使用變系數模型。

為了判斷變系數模型的類型，進行Hausman檢驗，其原假設為隨機系數模型，檢驗結果為χ2(3)=9.19，對應概率P值為0.0268，故在5%顯著性水平下拒絕原假設，故應選擇常數變系數模型。

從表4常數變系數模型的回歸結果來看出，全國30個省市的虛擬變量與城鎮化水平的交叉項都很顯著，這表明各地區城鎮化水平對創新產出具有顯著的影響，但由于地區間經濟關系存在各種差異，城鎮化對創新產出的影響程度在各地并不相同，為了方便觀察，故將影響程度的排名統計為表6。

從表6中的排名結果可以看出，城鎮化對創新產出的影響程度大小并未體現出區域特征，如東北三省黑龍江、吉林排名靠前，而遼寧則靠后；發達沿海地區北京、上海排名靠前，廣東、山東則靠后。這主要源于人口流動的異質性，人們向城市集聚時，人們的類型在各地區顯然是不同的，城鎮化雖然增加了人們思想交流和學習的機會，但現實中并不是每個人都從事實際創新工作，當從事創新工作的人數相對多一些時，城鎮化對創新產出的影響就相對強一些，反之亦然。從表6也可以看出，西部地區的排名大多處于中下游的位置，寧夏城鎮化對創新產出的影響甚至是微弱的負影響，一方面這源于西部地區創新環境相對于發達地區較為落后，另一方面就是西部地區人才向發達地區的流動，導致創新人才儲備相對較少。

表6 城鎮化對創新產出影響的排名

(二)空間面板模型

1.創新產出空間相關性檢驗

創新產出的莫蘭指數用于檢驗創新產出的空間相關性，表7顯示了2013-2017年我國30個省份創新產出的莫蘭指數對應的概率P值，原假設為不存在空間相關性。

表7 莫蘭指數對應的概率P值

表7中，使用經濟空間權重與技術交易權重的莫蘭指數表明創新產出不存在空間相關性，這說明我國區域創新產出的空間依賴性不取決于區域發展水平與技術交易流向，而使用地理距離權重的莫蘭指數表明創新產出存在空間相關性，因此本文使用地理距離權重來估計城鎮化對創新產出影響的空間面板模型。

2.空間面板模型

為了判斷被解釋變量之間，以及擾動項之間是否存在空間依賴性，本文首先估計SAC，估計結果如表8。

表8 SAC的估計結果

注：p-values in parentheses，*p< 0.1,**p< 0.05,***p< 0.01。

從表8的估計結果可以看出，在5%顯著性水平下，城鎮化水平對創新產出具有顯著的正影響，rho對應的概率P值=0表明區域創新產出存在空間依賴性，lambda對應的概率P值=0.475表明模型擾動項間不存在空間依賴性，因此本文進一步估計SDM模型。此外，由于傳統靜態面板模型難以很好地反應模型以外因素對被解釋變量的影響，而帶有空間滯后項的SDM模型能很好地解決這個不足，因此本文在SDM模型中保留被解釋變量的一階滯后作為解釋變量，從而使模型轉變為動態面板，以便能更好地考察模型以外因素對創新產出的影響。SDM估計結果如表9。

表9 SDM的估計結果

注：p-values in parentheses，*p< 0.1,**p< 0.05,***p< 0.01。

表9中，L.lpatent為創新產出的一階滯后，Wx表示來自鄰近地區解釋變量的影響。

從SDM模型估計結果可以看出，在5%顯著性水平下，城鎮化水平對創新產出有顯著的正影響，這表明城鎮化水平的提高確實有利于提高創新產出；創新產出的一階滯后對創新產出也有顯著的正影響，創新產出的一階滯后包含了如制度、環境等模型未考慮到的因素，這表明除城鎮化水平、創新投入經費外，還存在許多能提高創新產出的因素，并且上一年創新產出對當年創新產出具有激勵效應；而鄰近地區的城鎮化水平對本地創新產出則產生顯著的負影響，這正是現實情況的反映。現實中人口、資本等生產要素向本地區的集聚，有一部分正是來源于鄰近區域生產要素的流失，但這種負影響不足以抵消鄰近區域自身城鎮化水平提高對創新產出所產生的正影響；rho對應的概率P值等于0.01，表明區域創新產出存在正相關的空間依賴性，這表明本區域創新產出的提高對周邊區域創新產出的提高確實有一定促進作用，這正是源于城鎮化過程中所產生的知識、技術溢出效應。

六、結論

本文理論分析表明，城鎮化能通過人口集聚效應、知識技術溢出效應和節約交易費用這樣三個方面來促進創新。為進一步研究城鎮化水平對創新產出的影響，本文運用2013-2017年我國大陸30個省份(除西藏外)面板數據，考察了各地區城鎮化水平對創新產出影響的地區差異性和空間依賴性。

首先，通過建立個體效應模型與變系數模型來研究各地區城鎮化水平對創新產出影響的地區差異性。研究表明，城鎮化水平對創新產出有顯著的正影響，并且存在地區差異，但未形成區域性特征，此外模型中未考慮到的與城鎮化水平相關的因素，對創新產出的影響也存在地區差異。

其次，通過引入地理距離權重，建立空間面板模型來研究各地區城鎮化水平對創新產出影響的空間依賴性。研究表明，地區城鎮化水平的提高在促進本地創新產出提高的同時，會對鄰近地區創新產出產生一定的負影響，但這種負影響不足以抵消鄰近區域自身城鎮化水平提高對創新產出所產生的效應。此外，在城鎮化過程中，本區域創新產出的提高對周邊區域創新產出的提高確實存在一定的示范作用。空間面板模型估計結果也表明，創新產出對創新具有自激勵效應。

以上實證分析結果表明，城鎮化是創新驅動經濟發展戰略實施的重要推動力，這與本文理論分析的結論完全吻合。因此本文認為，就城鎮化對創新產出的影響程度大的區域而論，應逐步加快其城鎮化建設的進程，進而在推動本區域創新產出提供的同時，通過創新產出對周邊區域所帶來的示范作用以提高周邊區域的創新產出；而就城鎮化對創新產出的影響程度小的區域來講，在向周邊區域學習的同時，應加強人口、資本等生產要素向本地區的集聚，以此來提高本地區城鎮化水平對創新產出的影響。此外，本文研究選取的空間地理權重也存在一定局限性，我們后續還將做進一步探討，以期找到一個更優的空間權重矩陣來研究城鎮化水平對創新產出影響的空間依賴性。對于工業化、信息化等影響創新產出的其他因素，我們也將在后續研究中進一步加以考察。