浙江高水平創新型省份建設的進程評價

陳錦其 周學武 潘家棟

摘要：創新驅動經濟高質量發展是高水平創新型省份的重要特征和基本路徑。以全要素生產率（TFP）作為高質量發展的指標，對浙江縣市TFP測算和分解的基礎上，從時間和空間兩個維度分析TFP的演化進程，實證檢驗創新集聚對TFP的影響效應。結果表明：（1）浙江省TFP整體水平逐年提高，空間上呈現“東北高西南低”的分布格局，TPF重心經由2001-2014年向西南轉移，2015以來向東北回歸;（2）空間分布梯度呈現四大都市區、轄區市和縣級市逐級遞減的梯度發展規律，縣級市和轄區市對全省TFP差異的貢獻率逐步趨同;（3）創新集聚對浙江TFP-具有顯著的正向作用，從機制上主要推動技術進步而不是效率提升，2008年以來創新集聚的效應更加穩健。

關鍵詞：全要素生產率;創新集聚;Fare-Primont指數;時空演進

中圖分類號：F124.3 文獻標志碼：A 文章編號：1007-9092（2020）05-0088-008

一、引言

2020年3月習近平總書記到浙江考察調研，賦予浙江“努力成為新時代全面展示中國特色社會主義制度優越性的重要窗口”的新目標新定位。事實上，近年來浙江積極從要素增量投入向創新驅動轉換，不斷激發和增強經濟發展的內生動力，加快推進高質量發展格局，為建設“重要窗口”提供強有力的支撐。當前，新一輪科技革命和產業變革正在加速演變，創新驅動成為對沖人口紅利消減、資本積累降速以及成本優勢減弱的戰略選擇，也是有效應對新冠肺炎疫情外部沖擊、增強經濟社會發展韌性的有力舉措。當然，浙江高質量發展水平在縣市層面仍呈現明顯的差異，突出表現在全要素生產率水平的高低和發展進程的快慢等方面，這是高水平創新型省份建設過程中需要重點突破的領域。為此，系統研判浙江縣市全要素生產率增長的時空演進特征，規范檢驗創新集聚對全要素生產率增長的效應，這些對有效配置創新資源、科學推進高水平創新型省份建設具有重要的現實意義和理論價值。

作為經濟高質量發展的有效評價工具，全要素生產率（Total Factor Productivity）的研究一直是國內外學者關注的焦點。諸多學者通過構造Tornqvist、Fisher和Malmquist等指數將全要素生產率分解為技術水平、純技術效率和規模效率等多個組成部分，旨在揭示經濟效率變動的內在規律，在此基礎上通過構建數理模型實證檢驗創新要素對全要素生產率的影響。但是，Tornqvist、Fisher和Malmquist等指數尚未滿足傳遞性檢驗，無法做多期或多邊比較，而常用的Malmquist指-數難以滿足乘積完備性，不能完全分解全要素生產率，導致結果的偏誤。測度方法差異是導致結果偏差的重要原因，如針對中國全要素生產率增長的研究就存在快慢的分歧。新近發展起來的Fare-Primont指數滿足了乘積完備性和傳遞性，可以完全分解并作多期多邊比較，從而受到諸多研究的推崇。

關于全要素生產率的影響因素，目前已從基礎設施、貿易開放、外商直接投資、政府補貼等方面開展了豐富的研究。然而，相比較于其他視角，從創新視角開展的研究相對較少，以創新集聚視角開展的研究更加匱乏。創新是引領發展的第一動力，隨著我國創新驅動戰略深化實施，學者對于創新的關注越來越強，從創新能力評價、創新建設模式與途徑、創新能力提升等多方面展開研究。隨著空間經濟學的發展，縣域創新不斷進入學者視野，運用空間計量方法展開研究，發現創新活動的空間集聚可突破行政區劃的限制。但是從整體來看，學界對縣市創新的研究還是較少，從創新集聚視角來研究的更少。事實上，創新不僅能直接驅動全要素生產率提升，還會通過知識溢出、集聚效應進一步提升全要素生產率。更重要的是，現有研究對不同空間尺度的經濟效率狀態及其動態演進缺乏系統而全面的實證研究。已有關于國家、省級乃至地市級等大尺度區域研究未能揭示縣市空間的異質性，難以厘清縣市全要素生產率的實際分布情況，更難以科學判斷創新對小尺度空間的影響效應。

鑒于此，本文通過收集2001-2017年浙江68-個縣市的相關數據，運用Fare-Primont指數測算浙江全要素生產率水平和發展指數。在此基礎上，通過指數分解、重心模型等方法系統分析浙江全要素生產率水平的區域格局、分組差異和演變規律，并著重分析創新集聚對全要素生產率的影響效應，最后提出相應的政策啟示。

二、創新集聚影響全要素生產率的機理分析

創新集聚可以促進科學技術向前發展，并產生關聯效應，從而提高經濟發展水平。創新集聚可以產生技術進步效應和效率改善效應，提高要素的生產效率，減少生產要素的投入和增加產出，從而促進TFP的增長。

（一）創新集聚的技術進步效應

本質上而言，創新集聚的技術進步效應是通過創造新知識和新產品來促使生產可能性邊界向外移動，進而提高經濟效率;一方面，創新集聚有利于企業能夠在某些領域更快地實現技術創新，促進新產品的創造，具備更強大的市場競爭力。同時，創新在空間上的集聚使得各類創新主體如政府、高校、科研院所、企業等互相合作共贏，具備知識溢出效應，更快推動新知識、新產品的產生而致使生產可能性邊界向外移動，進而提高經濟效率;另一方面，創新集聚也為創新成果轉化打通了渠道。創新的成果轉化是一個系統工程，需要各個環節的創新主體共同發揮作用。但是并不是所有企業都具備自主創新能力，而創新集聚使得在一個產業集群內具有一定經濟和技術基礎的企業能夠同其他創新主體實現資源共享和優勢互補，加快創新成果的轉化速度。總的來說，創新集聚推動較大規模企業同政府機構及高校合作實現技術進步和成果轉化，從而有效促進整個產業TFP的提高。

（二）創新集聚的效率改善效應

創新集聚對TFP增長產生的效率改善包括兩條路徑：一是創新集聚促使高端要素流人，從而改善生產效率。改革開放以來，我國沿海地區例如長三角、珠三角地區隨著經濟的高速發展形成了不同程度的創新空間集聚現象。由于“虹吸效應”，成熟的市場機制和市場環境吸引越來越多的企業、研發機構在上述地區流動、聚集。面對激烈的競爭，區域內的企業需要不斷提高自身的管理水平和基礎設施建設，完善制度設計等，才能保持競爭優勢，進而吸引創新要素持續集聚;二是創新集聚演變形成區域創新增長極，推動經濟高質量發展。創新集聚產生的知識溢出效應使得企業能夠通過相互學習、消化外來先進技術，形成更大規模的經濟增長效應。與此同時，創新的空間集聚效應能夠迫使區域內產業優勝劣汰，加快產業結構調整，改善產業集群的效率，推動區域內產業結構升級。

三、TFP的測度方法與數據來源

四、浙江縣市TFP測算及時空演進分析

（一）測算結果及空間演進

浙江縣市全要素生產率空間格局差異明顯（圖1），主要表現為“東北高西南低”，杭州和寧波在所有年份都位于最高組。時序上看，2001-2015年間全要素生產率各分組呈現空間均衡化發展趨勢，“東北高西南低”現象有所緩解。然而從最高分組等級看，全要素生產率呈現向東北極化的現象，2017年更加突出，這與各地方經濟發展趨勢基本一致。

在空間演變上，以各區域行政中心為坐標，以TFP水平值為權重，運用重心模型繪制了2001-2017年浙江TFP重心遷移趨勢圖（如圖2）。結果表明：首先，浙江TFP重心總體上呈向西南遷移的趨勢，說明浙江TFP水平已經從杭州、寧波等地向西南地區擴散，也意味著經濟發展呈現均衡化特征;其次，經過2001-2003年向東遷移的短暫過程，2003-2005年浙江TFP重心向南遷移，東西方向小幅波動，2005年以后向西遷移幅度突然變大，反映出西南地區的TFP水平上升相對較快。最后，2015-2017年，浙江TFP重心遷移的路徑有所變化，緩步向東北移動，這與近年來杭州、寧波等地區TFP增長速度相對加快有關。

根據TFP測算得到2001-2017年浙江各區域的TFP及其構成的增長情況，然后對各地相應變動做了均值化處理，具體如圖3所示。結果顯示：一是2001-2014年TFP水平值逐年增長，而進入新常態后，2014—2017年的TFP水平小幅回落。二是從TFP的構成看，最優TFP呈現震蕩向上的總體趨勢，報告期內技術效率一直低于混合規模效率。值得注意的是，進入新常態以來，混合規模效率總體持平而技術效率呈現下降趨勢。

（二）縣市TFP的分組差異演變

以都市區、轄區市和縣級市做分組測算，呈現出顯著的差異。圖4報告了各類區域之間TFP水平之間的具體差異。結果顯示：首先，TFP水平高低排序上，都市區>轄區市>縣級市，城市等級越高，相應的TFP水平也越高，說明要素資源等向城市集聚，符合城市發展的基本規律;第二，從TFP增長速度上看，2001-2017年全省增長52.8%，四大都市區增長40.2%，轄區市增長24.9%，而縣級市增長了50.0%，表明城市等級越低TFP增長越快，全省區域TFP呈現收斂趨勢。進一步地，從增長的相對速度而言，報告期內，都市區與全省的TFP水平比值從1.29下降到1.22，而轄區市與縣級市的TFP水平比值從1.28下降到1.15?？傮w而言，浙江TFP水平的區域差異正在逐漸縮小。一方面，浙江各地尤其是縣級市的TFP水平發展較快，全省向均衡方向發展;另一方面，轄區市尤其四大都市區引領帶動全省TFP水平發展的能力有所下降。

為進一步考察浙江TFP水平的區域差異，運用Theil指數測算2001-2017年浙江TFP區域差異變化趨勢（圖5）。結果顯示：第一，報告期內Theil指數總體不高并呈現逐年遞減趨勢，這說明浙江TFP水平地區間呈相對均衡的分布態勢;2014-2017年Theil指數從0.013上升到0.019，全省TFP又呈現向非均衡發展的趨勢;第二，通過Theil指數分解，縣級市對Theil指數的貢獻率呈現下降趨勢，從2001年的67.7%下降到2017年的37.8%，而地市差異對Theil的貢獻則不斷增強，從2001年的17.7%增加到2017年的40.9%，組間差異也從14.6%增加到21.3%。一方面說明縣級市的均衡化趨勢對全省均衡化發展具有重要的影響，另一方面說明轄區市對縣級市和全省的帶動作用正在減弱。

五、創新集聚的TFP增長效應檢驗

（一）模型設定與指標選取

為進一步分析影響全要素生產率的重要因素，基于已有文獻，重點考察創新集聚的影響及其非線性效應。為此，引入創新集聚及其二次項，同時引入一系列控制變量，建立如下計量模型：

式5中：EE表示全要素生產率（TFP）、綜合效率（TFPE）和技術進步（TECH）;創新集聚（Innov）是核心解釋變量，且為探析創新集聚可能引起的擁擠效應，設置二次項（Innov²）;綜合已有文獻的成果，將區域規模（Size）、國外直接投資（FDI）、基礎設施建設（Road）和信息化水平（Infor）作為控制變量;為待估參數;為隨機擾動項。

變量測度與數據來源：創新集聚（Innov）是模型的核心解釋變量，將采用專利申請量與建成區面積比值加以測度，考慮到創新對全要素生產率影響的滯后性，將采用滯后一期的專利申請量。控制變量的測度：（1）區域規模（size）。增加區域規模有利于節約空間、提高緊湊度，共享公共服務和配套設施提高全要素生產率，本文采用人口總量的對數值來表征;（2）國外直接投資（FDI）。FDI既反映區域的開放程度，還可以通過知識吸收、發揮比較優勢等路徑改善全要素生產率。本文以FDI占GDP的比重來表征國外直接投資水平，并且以年平均匯率折算;（3）基礎設施建設（Road）?；A設施改善將降低資源的運輸成本，有利于提高全要素生產率。本文采用區域人均道路占有面積來衡量各縣市的基礎設施水平;（4）信息化水平（Infor）。提高信息化水平，一方面直接降低信息交流成本，另一方面有利于降低資源配置的協調成本，從而提高全要素生產率。本文采用人均郵電量來表征。相應數據來源于《浙江省統計年鑒》、各縣市統計年鑒及國家知識產權局專利檢索系統，創新數據采用地區專利申請量（表1）。

（二）計量結果與效應分析

計量檢驗中，考慮到全要素生產率的取值具有被切割或截斷的特點，故采用Tobit回歸模型。具體而言：首先，以TFP為被解釋變量，選擇混合Tobit回歸并使用聚類穩健標準誤構建模型，根據檢驗結果構建隨機效應的面板Tobit模型。其次，分別對技術進步和效率提升兩個被解釋變量進行隨機效應的面板Tobit檢驗;最后，以2008年為時間間斷點將樣本分為金融危機前后兩段時間，分別采用隨機效應的面板Tobit模型做效應檢驗。結果見表2。

從創新集聚對全要素生產率的回歸結果看，無論采用混合Tobit回歸的模型（1）還是隨機效應Tobit回歸的模型（2），在控制FDI等其它變量后，創新集聚對全要素增長率均有顯著的促進效應，其影響系數為正且通過了1%的顯著性檢驗。這表明如果區域的創新集聚程度較高，有利于提升區域的創新水平，進而提升全要素生產率。同時，創新集聚二次項的效應系數都為負，且通過了1%的顯著性檢驗。這表明創新集聚對全要素生產率的效應是非線性的，創新過度集聚不利于全要素生產率的提高，這主要是因為創新過度集聚導致了資源不合理配置，使得集聚區的創新資源無法發揮應有的作用，而創新匱乏地區由于資源短缺使得區域發展困難，不利于全要素生產率的提升。此外，控制變量中的區域規模、國外直接投資和基礎設施建設的系數都通過了1%的顯著性檢驗，表明三者同樣有利于區域全要素生產率提高。區域規模擴大通過規模經濟降低區域生產成本，國外直接投資通過技術逆向溢出效應作用于區域技術進步，基礎設施建設為創新要素自由流動提供了有利條件，所以能夠提高全要素生產率。但是信息化水平的系數為負且沒有通過顯著性檢驗，說明信息化水平并不能直接影響全要素生產率，這可能與本文選取的數據指標有關。本文采用郵電量來衡量，隨著互聯網技術發展，創新要素的流動更加側重于數據要素的交換，所以導致了不顯著相關。

從創新集聚對全要素生產率構成以及分時段看：第一，從構成看：模型（3）顯示創新集聚對技術進步提升的效應檢驗同樣是顯著的，二次項的效應系數同樣顯著為負;但是模型（4）顯示，創新集聚對效率改善的效應檢驗同樣是顯著的，但是二次項的效應系數未通過二次項檢驗。這說明，考察期內創新集聚對效率改善還未達到極值。第二，分時段看：以2008年為分界點的兩組樣本構建的模型（5）和（6）都通過了顯著性檢驗，即創新集聚對全要素增長率具有顯著促進效應。進一步地，通過比較兩個模型的顯著性，說明金融危機以來創新集聚的效應更加穩健。這是因為金融危機之后，各地方都意識到了創新對于經濟發展的重要作用，而且隨著各地方經濟增速放緩、產業調整壓力陡增，加快創新驅動促進全要素生產率提升迫在眉睫，所以各地方大力導入創新要素，使得創新日益集聚。

六、結論與政策建議

為有效評價浙江高水平創新型省份建設的發展進程及其規律，本文重點研究浙江縣市TFP的-時空演進特征，并進一步從創新集聚視角分析驅動效應。具體而言，運用Fare Primont生產率指數測算浙江縣市2001—2017年的TFP，進一步通過指數分解、Theil指數、重心模型等研究方法系統分析了浙江縣市TFP的區域差異和空間演變規律，并利用Tobit回歸模型探究了創新集聚對全要素生產率變化的影響效應。研究結果表明：第一，浙江省TFP水平逐年提高，呈現“東北高西南低”的分布格局，經由2001—2014年向西南地區均衡發展過程，近年來東北地區呈現極化趨勢;第二，空間分布梯度呈現四大都市區、轄區市和縣級市逐級遞減的梯度發展規律，縣級市和轄區市兩類地區對全省TFP差異的貢獻率逐步趨同;第三，創新集聚對浙江全要素生產率具有顯著的正向作用，從機制上主要推動技術進步而不是效率提升，金融危機以來創新集聚的效應更加穩健。

鑒于上述研究結論，為加快推進高水平創新型省份建設，提出以下建議：第一，遵循區域創新先集聚再擴散的規律，將經濟要素尤其是高端創新要素首先配置到全要素生產率水平高的杭州、寧波等都市區，杭州、寧波應該以國際視野創新招商引資體制機制，深入對接全球主要創新源區，聚力招引國際一流優質項目，主動融人全球創新體系，強化杭州、寧波的創新極核功能和輻射擴散能力;第二，以經濟總量和TFP水平的差異為依據構建合理化的區域分工體系，以都市區、轄區市、縣級市梯次分明的區域創新體系，通過創新合作、科創飛地等機制和合作平臺提高全省整體的TFP水平。完善重大平臺、特色小鎮、小城市、中心鎮、產業園區、眾創空間、創新服務綜合體等梯次布局、整體協同的創新平臺體系，形成空間全域覆蓋、功能錯位發展、優質資源集聚的全域創新發展格局;第三，深化科技創新服務體制改革，著力補齊科技創新短板，以改革創新的精神，不斷深化完善科技管理服務體系，促進有效的創新集聚，著力增強創新動力。在創新協同示范和創新營商環境上探索更多經驗，進一步解決制約科技改革的瓶頸問題，在科技體制機制創新上進一步突破;第四，以新一輪科技革命和產業變革為契機，聚焦新一代信息技術、生物醫藥、新能源、新材料等關鍵領域，推進關鍵共性技術、核心技術的研發和應用，從投入、人才和載體等多元途徑集聚創新資源和要素，著力通過技術進步推動TFP的提高。

（責任編輯：石洪斌）