研發要素流動與高技術產業創新能力

宛群超,袁 凌,王博林

(湖南大學工商管理學院，湖南 長沙 410082)

0 引言

在中國創新驅動戰略不斷推進的宏觀背景下，高技術產業作為知識性、先導性的戰略性產業，已成為國際經濟和科技競爭的關鍵領域。近年來，作為有效反映高技術產業創新能力的專利申請量[1]，由2004年的11026件增至2016年的185913件，這說明中國高技術產業創新能力取得了一定的進步。這可能由于各地區持續加大創新生產活動的投入力度，并出臺一系列創新政策和產業政策，推動研發要素如R&D人員和R&D資本不斷地流入本地區。研發要素在高技術產業之間的區際流動不僅促進創新知識在不同創新主體之間的互動，而且會優化研發要素的結構和配置效率，這有助于高技術產業創新能力的提升。那么，R&D要素流動是否會顯著提升中國高技術產業創新能力？進一步地，其作用機制如何？對這些問題的探討，其關鍵在于明晰R&D要素流動對中國高技術產業創新能力的作用機理。

經濟政策不確定性是指經濟主體無法準確地判斷政府是否、何時及如何對目前的經濟政策加以調整。隨著2008年的金融危機、中美貿易摩擦和英國 “硬脫歐”等事件的不斷出現，中國面臨的經濟政策不確定性和貿易政策不確定性逐年增加。為了應對這些政策不確定性帶給中國的沖擊，中國政府先后出臺了諸如 “大眾創業、萬眾創新” “中國制造2025” “長三角一體化”等重大經濟政策。從2008年至今，中國經濟政策不確定性和貿易政策不確定性呈現了 “下降—上升—再下降—再上升”的波動式態勢。那么，這兩類政策不確定性是否對研發要素流動的高技術產業創新效應產生調節作用？這些問題的有效探討，對于中國創新驅動戰略的有效落實、智慧城市的有序構建和高技術產業高質量發展具有一定的理論和實踐價值。

關于R&D要素與高技術產業創新能力的研究主要基于靜態視角、配置視角、行業異質性視角等。從靜態視角看，學者考察R&D要素對高技術產業創新能力的促進作用[2-3]，如姚洋等[4]持有類似觀點。從R&D資源配置視角，R&D經費投入對中國創新產出空間格局的演進產生了明顯作用，而R&D人員的影響則不明顯[5]。從行業異質性視角，學者從國內外角度探討R&D要素對高技術產業創新能力的影響[6-7]。以上研究均忽視了高技術產業R&D要素的動態視角，即R&D要素流動，這可能難以科學地分析R&D流動的創新效應。

現有研究從微觀層次探討經濟政策不確定性對企業研發投資的影響，主要有 “促進說” “阻礙說” “不確定說”這3種觀點。 “促進說”認為，經濟政策不確定性對企業創新產生明顯的激勵效應與選擇效應，對上市公司的研發投入與專利申請量均具有明顯的促進作用[8]。 “阻礙說”認為，從經濟政策不確定性引致的多維效應看，經濟政策不確定性對企業項目投資產生 “放緩效應”與 “延遲效應”[9]。基于實物期權理論視角，經濟政策不確定性能夠通過研發投資的 “延遲效應”對企業創新產生明顯的抑制作用，且存在融資約束與企業性質的差異化作用[10]。 “不確定說”認為，政策不確定性與企業研發投入的關系會受到其他因素的異質性影響[11-12]。關于貿易政策不確定性的研究，涉及企業儲蓄行為[13]、研發投資[14]和企業進口[15]。然而，現有研究主要將經濟政策不確定性、貿易政策不確定性作為解釋變量，而忽視其調節作用，考慮中國經濟波動的實際情況，理應在研究高技術產業創新能力中考察經濟政策不確定性和貿易政策不確定性的調節作用。

與既有研究相比，本文的貢獻主要體現在以下3個方面：①高技術產業地區創新生產活動在空間和時間上均可能不是相互獨立，而是存在空間相關性。本文利用動態空間計量模型，采用Han-Phillips的spregdpd命令對其創新能力的時間滯后效應、空間滯后效應及模型的內生性問題同時予以控制，考慮R&D要素的動態性，以科學分析R&D要素流動對其創新能力的影響機理，為深化認識高技術產業創新能力提升路徑提供理論支撐；②將經濟政策不確定性、貿易政策不確定性作為調節變量，以考察兩類政策不確定性對R&D要素流動的創新效應的邊界條件。在指標選取上，與經濟政策調整的已有研究有所不同，本文采用Baker 等通過文本挖掘技術構建的經濟政策不確定性指標來測度中國宏觀經濟政策不確定性。該指標覆蓋范圍更廣，具有更強的連續性與時變性，更是為了客觀地反映中國宏觀經濟政策的波動。同時，本文采用Davis等構建的貿易政策不確定性指數測度中國貿易政策不確定性；③為了較為深入地分析R&D要素流動對高技術產業創新能力的傳導機制，利用中介模型和面板分位數回歸模型分別分析R&D要素流動對高技術產業創新能力的基本傳導機制與邊際效應。

1 理論框架

高技術產業具有高知識性、高滲透性等特征，在市場競爭機制的驅動下，R&D要素的自由流動增強其知識、新技術等創新生產要素的空間流動與擴散效應，有力地推動了高技術產業各行業之間的相互融合、相互滲透和相互促進，這必然加強新工藝、新技術的廣泛應用、新產品與市場的相互匹配，從而提升其創新能力。從本質上看，新技術的有效融合過程是 “技術—市場—產業”之間有序傳導的過程，這一過程則是產業創新。這能夠加快新知識的創造、集成、轉移及其應用過程，進而促進R&D環節的有序循環，從而促進創新生產活動。同時，R&D要素流動在 “趨利性”驅使下促進高技術產業創新能力。利潤是市場經濟環境下高技術企業創新的商業化成果[16]。同時，R&D要素在其 “趨利性”的驅動下，為了實現知識價值最大化，自發地流向收益更高的高技術行業。R&D要素流動在一定程度上增強了高技術產業原始創新能力，引致高技術產品價值的提高，培育與強化企業核心競爭力，進而引致創新利潤的增加，這進一步夯實了R&D要素的支撐能力。在市場機制的作用下，R&D要素與其他資源能夠得到較好的優化配置，從而提升高技術企業創新生產效率。

R&D要素是高技術產業創新的核心要素，通過知識溢出效應和 “干中學效應”，會有效地促進其創新能力。R&D要素流動促進了高技術產業間R&D人員的分工與協作，促進創新生產要素的空間配置效應，加快新產品的市場化，實現創新收益。嵌入高技術產業的企業與合作伙伴，如高校、科研院所通過 “互聯網+”實現創新信息、新穎性知識與先進管理模式的實時共享，形成高效互動的創新網絡，進行知識重組，促進知識主體之間的內在關聯，提高新產品開發能力[17]。通過創新知識網絡不斷獲取企業創新所需的知識資源，并對其進行有效的集成、整合和利用，催生新產品、新工藝和新方法，從而塑造高技術企業的核心競爭優勢。R&D要素流動在一定程度上促使知識轉移，增強知識資源的集成和整合，促進創新成果產生[18]。知識轉移也會推動知識的交流與共享，夯實創新的知識基礎。此外，R&D要素的流入拓展了知識的本地化搜索范圍，也會促進知識的實際應用，進而促進高新技術企業技術創新能力。

2 研究設計

2.1 基本模型

高技術產業創新生產活動并不是相互獨立，經濟關聯地區創新活動對本地區創新產生 “示范效應”，能夠促進知識、新技術的空間流動。故而，本文考慮空間因素對其進行分析。空間計量模型主要有3種類型：空間自回歸模型 (Spatial Autoregressive Model，SAR)、空間誤差模型 (Spatial Error Model,SEM)和空間杜賓模型 (Spatial Durbin Model,SDM)。Elhorst[19]指出 “動態非空間的，抑或空間非動態的面板數據均會產生有偏的估計量”。因此，本文同時考慮時間和空間維度，采用Han-Philips的動態空間計量模型予以檢驗。

以R&D人員流動示例，R&D資本流動類似。R&D人員流動影響高技術產業創新能力的動態空間計量模型可表示為：

lnhtinnovit=θ0+θ1lnhtinnovi,t-1+ρWij×

(1)

考察經濟政策不確定性調節作用的動態空間計量模型可表示為：

lnhtinnovit=α0+α1lnhtinnovi,t-1+ρWij×

lnhtinnovit+α2lnrdpflit+α3lnepuit+α4lnrdpflit×

(2)

考察貿易政策不確定性調節作用的動態空間計量模型可表示為：

lnhtinnovit=α0+α1lnhtinnovi,t-1+ρWij×

lnhtinnovit+α2lnrdpflit+α3lntpuit+α4

(3)

R&D要素如同其他創新生產因素，具有經濟屬性，在市場機制的驅動下自發流向經濟收益相對較高的高技術產業。所以，本文從經濟社會意義上構建空間權重矩陣，較為深入地探討R&D要素流動對高技術產業創新能力的影響。借鑒李婧等[20]的做法，采用各地區2004—2016年間人均GDP設定經濟權重矩陣W，測度公式為：

(4)

2.2 變量說明

(1)被解釋變量：高技術產業創新能力。專利能夠較好地反映一個國家或地區新知識、新技術的累積效應，是自主創新能夠持續開展的主要來源。因此，選取其專利申請量的對數值來表征，并記為lnhtinnov。部分年份各省域高技術產業創新能力的核密度如圖1所示。可以看出，在研究期內中國省域高技術產業創新能力提升進程表現出明顯改變，具體表現在兩個方面：①核密度曲線的波峰逐年向右推移、向右推移的速度較快，說明中國高技術產業創新能力呈現整體上升的趨勢及其創新能力的提升進程相對較快；②核密度分布曲線的波峰呈現出逐年增高的趨勢，但右端尾部并沒有抬高。值得注意的是，2016年核密度曲線左端尾部抬高明顯，說明中國省域高技術產業創新能力的區域差異有所擴大。

圖1 各地區高技術產業創新能力核密度

(2)解釋變量：R&D要素流動。引力模型能夠較好地解釋R&D要素流動的能力。借鑒白俊紅等[21]的研究，利用引力模型對中國高技術產業地區之間R&D要素的流動量進行測度。

引力模型的一般表達式為：

(5)

式中，Fij表示兩省域高技術產業的吸引力；Eij表示其引力系數，常取1；Ni和Nj分別表示某種要素的規模量；ki、kj表示引力參數，常取1；Rij表示其距離；b常取1。

R&D人員流動。在 “趨利性”和 “價值最大化”的市場機制驅動下，研發人員自發流向高技術產業產值較高的地區。因此，利用高技術產業地區產值差值作為吸引力變量，用于測度某個地區高技術產業流向另一個地區高技術產業的R&D人員流動量，具體測度公式如下：

(6)

式中，rdpflij為i地區高技術產業流向j地區高技術產業的R&D人員流動量；Ni表征i地區高技術產業R&D人員數；Prodi、Prodj分別為地區i、j高技術產業的產業總產值；Rij為i、j地區高技術產業之間的距離。

(7)

式中，rdpfli為統計年度內i地區高技術產業流到其他地區高技術產業R&D人員總流動量。

R&D資本流動量。借鑒白俊紅等[21]的研究，利用引力模型測度R&D資本流動量。鑒于R&D資本存在 “趨利性”，高技術產業間的R&D資本流動受到企業利潤水平影響很大。從而，本文選取高技術產業地區企業利潤差值作為吸引力，來計算R&D資本流動量。

假定i地區高技術產業流動到j地區高技術產業的R&D資本為rdcflij；Capi為i地區高技術產業的R&D資本；Profiti和Profitj分別表示i、j地區高技術企業利潤水平，則rdcflij可表示為：

(8)

式中，i地區高技術產業在研究期流動到j地區高技術產業的R&D資本流動總量為rdcfli，則其測度可以表示為：

(9)

參考吳延兵的研究，采用永續盤存法進行測度。

(3)中介變量：資源配置效率。Hsieh等[22]對資源錯配與全要素生產率的關系進行了較為詳細的闡述。可見，全要素生產率能夠反映區域經濟活動中的資源配置效率。借鑒徐升艷等[23]的研究，本文利用其全要素生產率來測度其資源配置效率，并認為資源配置效率的核心在于生產要素投入產出效率的提升。全要素生產率的測度方式主要有索羅余值法、數據包絡分析法以及隨機前沿分析方法等。鄭京海等[24]的研究認為，盡管索羅余值法在測度TFP中受到爭議，但若能夠選擇恰當的生產函數，該方法仍具有應用價值。鑒于此，本文以其全要素生產率作為資源配置效率的測度指標，取其對數，并記為lnalloc。

借鑒索羅增長核算方程的思路，假定規模報酬不變，柯布—道格拉斯生產函數為：

(10)

對式 (10) 進行相應的轉化，應用公式

ln(Yit/Lit)=lnAi0+σt+α×ln(Kit/Lit)+εit

(11)

式中，Y為總產出，K為資本存量，L為勞動力數量，A為全要素生產率，α為資本產出彈性。借鑒單豪杰[24]的研究，利用永續盤存法來測度其地區資本存量K，利用地區就業人數測度勞動力投入量。利用靜態面板數據模型對資本產出彈性進行估計，根據Hausman檢驗結果，選擇固定效應模型。考慮變量自相關和異方差對參數估計的影響，本文使用StataSE15.0 軟件中的xtscc命令來估計固定效應模型 (F統計量=685.71，P值=0.000)，2004—2016 年中國資本產出彈性α =0.5873 (t統計量=17.22，P值=0.000)，這與多數學者對中國資本產出彈性的測度結果集中在0.4～0.6之間相一致。因此，全要素生產率的計算公式為TFPit=Yit/K0.5873L0.4127。

(4)調節變量。經濟政策不確定性。經濟政策不確定性能夠促使企業加強研發活動來實現自我發展[12]，通過自身研發努力傳導到高技術產業，有助于創新活動的可持續性。采用Baker等構建的中國經濟政策不確定性指數，采用簡單加權的方式予以表征，取其對數來測度，記為lnepu。

貿易政策不確定性。貿易政策不確定性對企業R&D投資產生明顯的促進作用，會促進研發要素的流動，夯實創新活動的研發要素基礎。本文采用Davis等構建的貿易政策不確定性來測度中國貿易政策不確定性，計算其月度數據的均值，取其對數，記為lntpu。

(5)控制變量。控制變量有以下4個。

產業集聚。周明等[25]的研究表明，產業集聚及其知識溢出會明顯地促進區域高技術產業創新能力。用高技術產業就業人員數據，利用區位熵指數測度產業集聚，公式為：

(12)

式中，indclit表示高技術產業集聚水平的高低，htpit、htpt分別為i省域在j年高技術產業的就業人數、總就業人數；sumpit、sumpt分別表示第j年高技術產業的就業人數、總就業人數，取其對數值，記為lnindclit。

研發支出密度。研發技術資源豐裕度越高，活力越強，創新動能培育越好，就越會驅動高技術產業創新能力。用Allen等[26]提出的方法，測度高技術產業研發支出密度，取其對數，記為lnhyfmit。

企業規模。一般而言，高技術企業規模越大，自身的抗創新風險能力越強，投入研發活動的資源越多，對企業創新能力的促進作用越強。利用其主營收入與企業數量的比值，取其對數，記為lnhscaleit。

市場競爭。市場競爭越激烈，高技術企業通過市場機制配置自身資源進行創新的意愿越大，對創新活動平的有序開展越有利。采用地區高技術企業個數來測度，取其對數，記為lnhmarit。

2.3 數據來源

由于2018年 《中國高技術產業統計年鑒》缺失，原始數據來自中國大陸30個省級行政單位 (西藏數據缺失較多，不予以考慮)2005—2017年 《中國高技術產業統計年鑒》 《中國統計年鑒》 《中國科技統計年鑒》及地方統計年鑒。

3 實證結果與分析

3.1 中國高技術產業創新能力的空間相關性

Moran I指數[27]是測度省域高技術產業創新能力是否存在空間相關性的有效統計工具。2004—2016年省域高技術產業創新能力的Moran I指數及其變動情況見表1。可以看出，2004—2016省域高技術產業創新能力的Moran I指數值在0.175～0.396波動，幾乎通過了1%顯著性檢驗水平，意味著其創新能力均存在明顯的正向空間自相關性，即省域高技術產業創新活動的有序進行會受到鄰近省域高技術產業創新行為的影響，且呈現出明顯的空間集聚特征，這與邱士雷等的研究相一致。

表1 2004—2016年高技術產業創新能力的Moran I指數

為了進一步考察中國高技術產業創新能力空間分布的局部特征，用Moran I散點圖直觀地觀察。2016年省域高技術產業創新能力的Moran I散點圖如圖2所示。可以看出，中國省域高技術產業創新能力存在明顯的空間分布規律。處于 “高—高”象限的很多是處于東部沿海的省份，如廣東、江蘇、山東、上海等；接近一半的西部地區省份高技術產業創新活動對于經濟上 “臨近”區域具有 “低—低”相關性,主要有云南、貴州、甘肅、寧夏、青海及新疆；而位于 “低—高”象限的廣西和內蒙古，雖臨近高技術產業創新能力較高的部分省份，但囿于自身創新基礎相對薄弱，創新要素支撐能力不足以及吸收能力有限，對高技術產業創新活動的推動步伐相對緩慢。

圖2 2016年省域高技術產業創新能力的Moran I散點圖

3.2 實證結果分析

R&D人員流動和R&D資本流動的動態空間計量回歸結果見表2。

由表2可知，Moran MI的系數顯著為正，說明高技術產業創新活動存在明顯的全域自相關性，其空間集聚特征較為明顯，ρ值均為正，通過統計顯著性，這說明本地高技術產業創新能力對其周圍地區均產生了顯著的空間溢出效應。L_lnhtinnov值均為正，通過統計顯著性，這意味著高技術產業創新過程均存在明顯的路徑依賴性和動態揚棄機制，這與呂承超和商圓月的研究較為一致。以下側重分析兩類研發要素流動對高技術產業創新能力的影響及其lnepu和lntpu的調節作用。

表2 動態空間計量的回歸結果

模型 (1)和 (4)分別考慮兩類研發要素流動對高技術產業創新能力的影響。lnrdpfl、lnrdcfl的系數均為正，且均通過相應的顯著性水平，這意味著研發要素流動對高技術產業創新能力產生了明顯的 “擠入效應”。其原因在于：①隨著 “互聯網+”和5G技術等新工具的逐漸普及，流入地的R&D人員會有效克服信息不對稱性，能夠根據市場供求的變化，進行研發努力，通過新工藝、新生產流程、新產品獲取創新的私人收益，強化其經濟屬性，反過來對經濟關聯地區研發人員產生了 “吸引力”，使其不斷流向該地區，從而強化其創新生產活動的創新人員支撐能力；②高技術產業R&D資本 “撬動”國內R&D資本的區際流動增加了流入地R&D資本，R&D資本的流向和規模能夠為流入地高技術產業創新生產活動提供資金支持，導致具有較大市場效益的創新項目在市場機制的驅動下高效率地運行，將企業資源投向更加市場價值的R&D項目，從而促進了其創新能力。

模型 (2) (5)分別考察經濟政策不確定性對兩類研發要素流動與高技術產業地區創新能力之間的調節作用。兩個交互項的系數均為正，僅lnrdpfl×lnepu的系數通過統計顯著性，表明經濟政策不確定性在R&D人員流動與高技術產業創新能力之間的關系具有顯著正向調節作用。可能的理由是經濟政策不確定性強化了R&D人員流動的經濟屬性和社會功能屬性而增強其創新能力。流入的R&D人員與本地高技術企業、高校和科研院所等創新主體構建協同創新網絡。通過創新網絡嵌入，各種創新主體能夠獲取具有前瞻性的異質性知識，通過新知識流動會拓展創新合作深度，加強了隱性知識的實際利用。同時， “高風險—高收益”機制促使創新項目的 “孵化—加速”，獲取高技術產業規模效益，夯實了產業創新活動的資源基礎，引致知識資源的集聚效應，進而促進創新能力。

模型 (3) (6)分別考察貿易政策不確定性對兩類研發要素流動與高技術產業創新能力之間的調節作用。其交互項的系數均為正，僅lnrdpfl×lntpu的系數通過統計顯著性，表明貿易政策不確定性在R&D人員流動與高技術產業創新能力之間存在顯著的正向調節作用。其解釋可能在于：地區高技術企業研發活動的特殊性使其難以與外界獨立，需要與其他創新主體，如政府、科研院所，進行合作創新。隨著貿易政策不確定性不斷增加，地方政府為了保市場主體、保產業鏈穩定、保創新活動的持續開展，平滑其波動，通常會加大對高技術企業的支持力度，激發研發人員的創造力，改善企業創新環境，共建企業創新生態系統，夯實產業創新生產活動的運行基礎，進而對創新產生了激勵效應。

4 進一步討論

4.1 研發要素流動對高技術產業創新能力的基本傳導機制

以上空間計量經驗結果說明，研發要素流動對高技術產業創新能力產生了顯著的 “擠入效應”。那么，這種 “擠入效應”究竟何以發生呢？從創新理論和資源配置理論上看，研發要素流動在創新生產活動中會起到優化配置的作用。因此，本文從中國高技術產業資源配置效率視角較為深入地分析其影響機制。借鑒Hayes的研究，并考慮經驗結果的穩健性，引入被解釋變量的一階滯后項作為解釋變量，同時考慮研發要素流動在時間維度上的擴散效應和空間維度上的溢出效應，利用Han-Philips動態空間計量模型予以檢驗，具體步驟如下。

(1)從整體上檢驗R&D人員流動對高技術產業創新能力的關系。

lnhtinnovit=α+f1lnhtinnovi,t-1+ρW×

(13)

(2)檢驗R&D人員流動是否會改善資源配置效率。

(14)

(3)檢驗R&D人員流動、資源配置效率影響高技術產業創新能力。

(15)

中介模型的估計結果見表3，模型 (1)～ (6)的F值和空間效應系數ρ均顯著為正，且高技術產業創新能力和資源配置效率的一階滯后項系數均通過統計顯著性，說明利用Han-Philips動態空間計量模型，對其動態性進行檢驗是合適的。

表3 中介效應的估計結果

模型 (1) (4)中lnrdpfl、lnrdcfl的系數為正，且均通過0.05顯著性水平，這說明R&D人員流動和R&D資本流動均對高技術產業創新能力產生了明顯的 “擠入效應”。模型 (3) (6)中lnalloc的系數均為正，通過統計顯著性，這說明資源配置效率在R&D人員流動和R&D資本流動促進高技術產業創新能力的過程中均具有中介效應，這進一步驗證了資源配置效率在高技術產業創新活動中的重要性，拓展了資源基礎理論的適用范圍。這種中介機制可能通過以下兩個方面發揮作用。

第一，研發要素本身具有較多的知識與技術，其區際流動會更有助于創新知識空間溢出機制的發揮，使得研發要素處于一種被激活和活化的狀態，知識要素的自我動態調試功能夠更大程度地促使流入地創新資源發揮其基礎性作用。研發網絡有助于具有研發優勢的主體和整合本地高技術產業的生產要素，進而吸引流出地具有研發優勢的群體進入本地研發網絡中。憑借嵌入其中多元化的正式或非正式關系，具有優勢的本地高技術產業會促使研發要素流動呈現科學化和規范化，為創新生產過程夯實了顯性知識共享和隱性知識共享的基礎，積極營造便捷的創新條件，會促進R&D資源的優化配置效率，進而提高研發投入產出效率，通過資源效率的改進，從而推動高技術產業創新能力的整體提升。同時，在技術效率改進的驅動下，各種創新生產要素資源能夠得到更有效率的利用，也會促進高技術產業創新能力。

第二，研發要素具有利益最大化的趨近傾向，研發要素的區際流動能夠提高地區資源配置機制的改進，助推研發資源的利用效率，有助于新產品與新技術的產出，進而加強高技術產業創新能力。值得注意的是，R&D人員自我創新效能感被感知的認知能力較強，在面臨危機和壓力等否定性情景刺激時其積極思維反應方式和心智模式更有可能被打破，研發凝聚力和向心力得以進一步增強，促進了研發人員之間的交流與互動，引致研發要素的協同效應，更能促使本地知識資源的優化配置效率，通過知識網絡傳導到高技術產業進而促進其創新能力。同時，研發資本是創新的核心資本。中國高技術產業知識資本較為豐富，在市場基礎性作用的導向下，R&D資本流動加速其擴散效應與乘數效應，其研發部門知識資本比重上升，能夠促進其技術水平的提升。

4.2 研發要素流動對高技術產業創新能力的邊際效應分析

本文利用面板分位數回歸模型進一步考察兩種研發要素流動對高技術產業創新能力的邊際效應。利用面板分位數回歸是估計研發要素流動對整個條件分布的影響，即在不同高技術產業地區創新能力的分位數下，估計研發要素流動對高技術產業創新能力的影響，這不僅可以弱化極端值對估計結果的影響，還可以獲得較為全面的條件分布信息。構建的面板分位數回歸模型為：

Qlnhtinnovit(τ|xit,λit)=αit+β1τlnrdpflit+

β2τlnrdcflit+β3τlnindclit+β4τlnhyfmit+β5τlnhscaleit+β6τlnhmarit

(16)

式中，τ表示不同的分位點；βτ表示位于不同分位點解釋變量的估計系數。

以研發人員流動為解釋變量，可表示為：

Q[lnhtinnovit|Fit(lnrdpfl)]=F′(lnrdpfl)λ(k)

(17)

式中，Fit(lnrdpfl)表示高技術產業地區創新能力的影響因素，包括兩類研發要素流動及其控制變量，Q[lnhtinnovit|Fit(lnrdpfl)]為給定影響因素Fit(lnrdpfl)的情況下，高技術產業地區創新能力在第k個分位數上的值；λ(k)為Fit(lnrdpfl)在第個分位數上的估計系數。為了實現參數估計，需要求解如下的極小化問題：

(18)

式中，n為樣本容量，其他符號的含義如上。通常情況下，對研究樣本來說，分位點越多，越可以反映條件分布的全面信息。本文遵循多數研究的做法，采取具有代表性的4個分位點 (20%、40%、60%、80%)予以檢驗，利用bootstrap抽取1000次，得到估計結果見表4。

表4 面板分位數回歸結果

由表4可知，從R&D人員流動來看，R&D人員流動的系數在20%、40%、60%、80%均通過了相應的統計顯著性檢驗，且系數呈現 “先增加后減小”的態勢，這說明在高技術產業地區創新能力分布的不同分位點上，R&D人員流動對高技術產業地區創新能力的邊際影響具有明顯的倒U型特征，即高技術產業地區創新能力隨著R&D人員流動的增大而增強；當R&D人員流動規模達到一個臨界點時，高技術產業地區創新能力達到最大值，即最優流入度；當R&D人員流動越過最優流入度，創新能力開始弱化。同樣地，R&D資本流動的創新效應也具有明顯的倒U型關系，這可能在于研發要素的流入前期，研發要素的規模效應發揮主導作用，知識和技術的溢出效應逐步增強，而當越過最優流入度時，研發要素流動產生了擁擠效應，由此引致的邊際成本大于邊際效應，負效應開始占據主導作用。

5 結論與啟示

基于創新驅動中國高技術產業高質量發展的戰略目標，考慮R&D要素流動的視角，探討R&D要素的區際流動對中國高技術產業創新能力的直接效應、中介效應、邊界條件及其邊際效應。本文結論如下：①中國高技術產業創新能力存在顯著的空間正相關性、空間溢出效應和時間累積性。R&D人員流動與R&D資本流動對高技術產業創新能力產生了明顯的 “擠入效應”。②經濟政策不確定性、貿易政策不確定性對R&D要素流動與高技術產業創新能力之間的關系具有異質性調節作用，經濟政策不確定性、貿易政策不確定性均顯著地正向調節R&D人員流動與高技術產業創新能力之間的關系，而在R&D資本流動的創新效應中沒有產生明顯的調節作用；③中介效應估計結果表明，R&D人員流動與R&D資本流動均通過資源配置效應這一基本傳導機制對高技術產業創新能力產生 “擠入效應”，且資源配置效率具有時間累積效應。面板分位數回歸結果表明，R&D人員流動、R&D資本流動對高技術產業創新能力的邊際效應均具有明顯的倒U型曲線關系。

針對上述的研究結論，本文得出如下的政策啟示：①地方政府多措并舉地促進R&D要素的自由流動，積極發揮其空間知識流動效應和知識溢出效應，促進高技術產業創新能力。就R&D人員而言，要響應市場需求變化，地方政府、產業園區、企業、科研院所適時在線公布R&D崗位招聘信息，強化高技術產業研發的軟件與硬件設施，加強對研發人才的 “吸引力”，夯實其創新人員基礎。就R&D資本而言，地方政府要積極發揮科技金融對高技術產業R&D資本的 “傳染效應”，積極利用科技金融信息技術，強化金融服務意識，大力引導R&D資本向高技術產業細分行業之間的流動。②政府要注重宏觀經濟政策的透明性、平穩性與連續性，減少經濟波動引致的消極波動后果，更加注重高技術產業高質量發展。穩定的經濟政策與較高的政策顯性，使得各種經濟主體會通過政策信息的市場信號機制，做出更加準確的創新投資決策。經濟政策的可預期性亦會降低其不確定性，增加創新資產配置效率，提高創新資源的支撐能力，促進創新生產活動的有序開展。