中國省域科技創新水平的空間溢出效應

2021-11-13 09:12:22高靜王燕郭立宏

江蘇廣播電視報·新教育 2021年24期

高靜王燕郭立宏

摘要：基于1999-2019年我國31個省份的面板數據，采用主成分分析的方法測度了各省市科技創新能力的綜合評價指數，并在此基礎之上通過全局Moran’s?I指數分析了我國科技創新能力的空間溢出效應。實證結果發現：第一，我國科技創新能力在各省市上存在著較大的差異性，科技創新能力評價指數為正數的省份主要集中在北上廣為中心的三個經濟帶;第二，全局Moran’s?I指數在3個空間權重矩陣下均在顯著為正，這說明我國的科技創新能力呈現出了正向的空間聚集性，并且在區位距離上的空間溢出效應更加明顯。

關鍵詞：科技創新;評價指數;空間效應

一、引言

黨的十九大報告明確指出“創新是建設現代化經濟體制的戰略支撐，要加快創新性國家建設”。創新驅動發展戰略是我國“新常態”下國家發展戰略的核心組成部分，其有效實施能夠推動經濟發展方式轉變以及新舊動能轉換，實現經濟提質增效升級。近年來，科技創新支撐經濟社會發展的核心作用越來越受到重視，我國的科技創新水平也不斷攀升，逐漸的縮短與發達國家的差距。近些年來，關于科技創新水平的相關問題引起了學者們的關注，進行了很多方面的研究。馮江茹（2019）使用隨機前沿模型（SFA）測度了我國各省市的科技創新效率。王新紅和李拴拴（2020）采用數據包絡分析（DEA）測度科技創新效率。張潔（2019）運用Malmqist-DEA模型對我國各省市科技創新效率進行測度。王元亮（2020）采用DEA-Tobit兩步法探究了科技創新效率以及影響因素。

從以上文獻可以看出，現有研究對于我國科技創新水平進行了多種多樣的研究，這其中包括指標體系的完善、科技創新效率的測度以及對科技創新影響因素的探究等。但是但鮮有學者從空間耦合的角度考慮科技創新水平。本文基于1998-2019年中國省際面板數據，構建了省域科技創新體系的評價指標體系，然后計算其全局Moran’s?I指數，分析科技創新水平的空間效應。

二、科技創新能力評價指標

在弗里曼提出的國家創新體系中，企業是技術創新主體，政府是創新體系協調機構，為企業創新系統構造良好的政策環境并為之提供財政支撐;還有作為科學技術知識轉移和擴散中介服務機構。以此為基礎，再參考國內外已有的科技創新體系理論，本文構建了省域科技創新能力評價指標，如表1所示。

本文的數據來源于歷年《中國統計年鑒》、《中國高技術產業統計年鑒》、《各省統計年鑒》、Wind數據庫和國家統計局數據庫等。本文對1998-2019年全國31個省市（不包含港澳臺地區）的科技創新能力的8個指標數據進行整理后，首先使用對數據進行了KMO檢驗和Bartlett球型假設檢驗，結果見表2。

由表2的結果可以看出，1999-2019年的KMO數值均大于0.7，而Bartlett球形假設檢驗值在1%的水平下顯著。進而通過主成分分析，可分別得到1999-2019年的特征值及貢獻率，具體見表3.

由表3可知，1999、2000和2001三年中前兩個主成分的累計貢獻率達到80%以上，2003-2019年第一個主成分的貢獻率就都在80%以上，因此，樣本數據中，1999-2001年數據有兩個主成分，其余18年均只有一個主成分，可以計算得到相應的綜合評價指數。為了討論31個省市之間的差異，計算出各省市綜合評價指數的均值，具體見表4

從表4得到的結果來看，創新能力綜合評級指數最高的為廣東，其綜合評價指數為2.698，創新能力綜合評級指數最低為西藏，其綜合評價指數為-0.918，因此我國的各省市的科技創新能力呈現出極端分化的現象。科技創新能力綜合評價指數為正數的省份為：廣東、江蘇、浙江、山東、北京、上海、四川、河南、遼寧及湖北，大部分為以北上廣為中心的三個經濟帶上的省市，而科技創新能力綜合評價指數為負數的多為經濟相對落后的區域。

三、科技創新水平的空間聚集性分析

（一）理論機理

根據新經濟增長理論，技術進步使得產業出現專業化趨勢，因而造成空間聚集。從表1得知30個省市的區位熵有這很大的空間差異性，空間上的區域缺乏均質性。本文借鑒“地理學第一定律”來探討高新技術產業集聚的空間效應。

本文運用全局Moran's?I指數檢驗我國高新技術產業聚集的空間相關性。全局Moran's?I統計量用于驗證在整個研究區域內某一要素是否存在空間自相關，其計算公式為（Moran（1948））：

如果的值為正且顯著，表示地區間存在正的空間自相關，如果的值為負且顯著，表示地區間存在負的空間自相關，如果的值不顯著，那么就不存在空間自相關。

（二）全局Moran’s?I指數

在分析空間聚集性之前，都需要設定空間權重矩陣。基于已有文獻，為此本文將選擇如下3種權重矩陣：①地理距離W1（省會城市間的地表距離的倒數）;②邊界因素W2（若有共同邊界為1，否則0）;③區位因素（東、中、西、東北①）W3（若屬于相同區位為1，否則0），并且將權重矩陣進行行標準化構成空間權重矩陣。

根據上文得到的各省市的科技創新能力綜合評價指數，利用公式（2）得到了1999-2019年我國科技創新能力綜合評價指數在3個空間加權矩陣下的全局Moran's?I指數及其統計檢驗（見表5）。

從表5可以看出，在3個空間加權矩陣下，1999-2019年全局Moran’s?I指數全部都是正數，除了1999年以外均在10%的水平下顯著，這說明2000-2019年我國科技創新能力呈現出正向的空間將聚集性，即各省的科技創新能力會受到相鄰省份的科技創新能力的影響。從空間權重矩陣來看，平均的全局Moran’s?I指數在空間權重矩陣W1下最小，僅為0.054，并且顯著性水平為1.5%;在空間權重矩陣W3下最大，為0.362，并且顯著性水平接近0。W1與省會之間的地理距離相關，W2與省市之間是否相鄰有關，而W3與是否在同一區位有關，從空間權重矩陣的構造可以看出，科技創新能力的綜合評價指數的空間相關性在同一區位的影響和顯著均最強。1999-2019年，3個空間權重矩陣下，我國31個省市科技創新能力綜合評價指標的聚集水平呈現出了正向的空間聚集性，這說明各省市的科技創新能力空間評價指標受地理位置相鄰省份的高新技術產業的聚集水平的影響。

四、結論

本文根據199-2019年31個省市科技創新相關數據，采用主成分分析的方法測度了各省市的科技創新能力綜合評價指數，測度結果顯示，我國科技創新能力存在著區域的不平衡、地區差異的現狀。本文繼續使用全局Moran’s?I指數分析我國科技創新能力綜合評價指數的空間相關性。主要結論是：第一，我國科技創新能力在各省市上存在著較大的差異性，科技創新能力評價指數為正數的省份主要集中在北上廣為中心的三個經濟帶;第二，全局Moran’s?I指數在3個空間權重矩陣下均在顯著為正，這說明我國的科技創新能力呈現出了正向的空間聚集性，并且在區位距離上的空間溢出效應更加明顯。

參考文獻：

[1]Anselin?L.?Local?Indicators?of?Spatial?Association—LISA?[J].?Geographical?Analysis，1995，27（2）：93-115.

[2]Moran?P.?The?interpretation?on?statistical?maps?[J].?Journal?of?the?Royal?Statistical?Society，1948，10（2）：243-251.

[3]馮江茹.人力資本對區域創新效率影響的實證研究[J].技術經濟.2020，38（12）：123-130.

[4]王元亮.河南城市科技創新效率評價及影響因素研究[J].區域經濟評論，2020，（02）：75-83.

[5]王新紅，李拴拴.基于數據包絡分析的創新型企業技術創新效率測度研究[J].科技管理研究.2020，40（08）：59-64.

[6]張潔.我國各省市科技創新效率的DEA測評[J].價值工程，2019，38（30）：293-296.

注釋：

①東部包括：北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南（10省市）;中部包括：山西、安徽、江西、河南、湖北和湖南（6省）;西部包括：內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆（11省區市）;東北包括：遼寧、吉林和黑龍江（3省）.

基金項目：

河北省社會科學發展研究課題：河北省新興產業集聚與科技創新耦合關系研究，20210301070;

河北省高等學校人文社會科學研究項目：海洋產業集聚與區域經濟增長耦合關系研究，SQ2021030;