互聯網普及、知識溢出與區域創新空間演進

李 峰，劉 爽，趙 毅，2，孫佰清

（1.河北工業大學經濟管理學院，天津 300401；2.復旦大學經濟學院，上海 200344；3.哈爾濱工業大學經濟與管理學院，黑龍江哈爾濱 150001）

1 研究背景

習近平總書記在黨的十九大報告中提出創新是引領發展的第一動力，必須把創新擺在國家發展全局的核心位置。對處于經濟發展新常態的我國來說，切實提高各區域的創新能力和建設創新型國家已成為國家發展戰略的核心和提高綜合國力競爭力的關鍵［1］。“十四五”時期，我國再次強調經濟發展模式要從依靠要素投入向靠創新驅動轉變。國家知識產權局數據1）顯示，2019 年國內每萬人發明專利擁有量達到13.3 件，提前完成“十三五”規劃確定的目標任務。根據世界知識產權組織發布的《2019 年全球創新指數》報告，我國在全球創新指數涵蓋的129 個經濟體中上升至第14 名［2］。毋庸置疑，我國創新產出總量符合國內經濟社會發展的基本要求，在全球創新產出中扮演日趨重要的角色，然而，每萬人口發明專利擁有量排行前3 位的省份依次為北京、上海、江蘇［3］,均集中在東部地區2）。這表明我國區域創新水平地域失衡、空間不協調的情況較為突出，直接影響區域實施創新驅動發展戰略的效果。因此，如何優化創新資源空間配置、提高區域創新效率成為我國建設創新型國家亟待解決的關鍵問題。

互聯網與新一代信息技術在經濟、社會各部門擴散、應用，已成為我國創新空間組織形態重要的變革力量。學術界正逐漸重視互聯網普及與區域創新空間演進問題研究，如張旭亮等［4］基于互聯網的信息技術屬性視角研究互聯網對區域創新的內在機理，實證分析表明互聯網對區域創新有較明顯的推動作用；韓先鋒等［5］基于我國省際面板數據，采用門檻回歸技術探究“互聯網+”對創新溢出效率影響的異質動態效應；王志高等［6］從互聯網技術出發，通過空間計量分析方法實證表明互聯網與區域創新投入之間存在倒“U”型關系；徐向龍等［7］在對互聯網技術和區域創新效率研究的基礎上發現，電子商務發展對區域創新效率產生先升后降的倒“U”型影響；李新偉等［8］考察了互聯網發展對區域創新能力影響的異質性與關聯性，發現互聯網發展會顯著促進區域創新產出水平的提高，并且這種促進作用具有空間異質性，相較于東部地區，中部和西部地區無法完全發揮網絡效應，其互聯網發展的促進作用較弱。在此基礎上，本研究基于互聯網的技術屬性分析其對區域創新空間演進的作用，以探究互聯網能否成為新興的區域創新空間演進的影響因素，為國家制定和執行相關政策提供參考。

空間計量經濟學被引入到知識生產函數之后，學者開始從空間維度研究知識溢出效應，如趙勇等［9］、Miguelez［10］提出，經濟主體在相互交流和接觸過程中，知識會以無意識的狀態進行傳播。大多數的研究表明知識溢出對區域創新呈現顯著的正向作用，如陶長琪等［11］從知識資源存量和知識創造與轉化維度對知識溢出進行分解，基于知識生產函數實證表明知識資源存量、知識創造與轉化能力對區域技術創新效率的影響顯著為正；少部分學者如杜偉［12］認為知識的區際溢出會形成創新的利益溢出，降低企業創新動力，對技術創新有消極影響。

現有研究在互聯網對區域創新格局的影響方面依然存在缺口，互聯網具有的時空壓縮效應在經濟分化增長動力下成為知識溢出與區域創新的重要突破口，與空間知識溢出對區域創新空間聯系與組織方式、區域創新結構演進與協調的相關研究有待進一步深化，以及互聯網普及是否適應各區域創新產出的空間演進、如何協同知識溢出促成地區間創新產出的動態平衡發展，如何有效利用互聯網普及這一途徑制定有針對性的發展策略、優化區域創新的空間發展等問題都有待回答。鑒于此，本研究利用2007—2018 年我國30 個省、自治區、直轄市（未含西藏和港澳臺地區）（以下簡稱“30 省份”）的統計數據，旨在分析互聯網普及、知識溢出效應對區域創新空間演進的影響。

2 理論分析與研究假設

2.1 互聯網普及與區域創新產出

推動互聯網與區域創新深度融合已經成為當今區域創新的新局面。隨著互聯網的普及滲透，創新資源在使用過程中由線下資源的簡單相加走向線上線下資源的深度聚合［13］，互聯網拓展了創新資源使用范圍的廣度和深度，帶動區域創新能力明顯提升。互聯網技術的發展破解了信息在傳遞過程中的時空約束，有效克服了信息不對稱現象［14］，創新主體更容易享受到等質等量、充分披露的信息，降低彼此交流間的協調成本和開展創新活動的風險，顯著激發創新主體開展創新活動的主動性［15］。故提出本研究的第1 個研究假設：

H1：互聯網普及能減少信息不對稱和降低協調成本，進而促進區域創新產出水平提高。

2.2 知識溢出與區域創新產出

新經濟地理學認為，知識溢出是影響創新活動空間分布的重要原因［16］。知識溢出承載的知識源通過多種渠道在地區間傳播和擴散，是創新發展的核心支撐力［17］。作為創新投入的重要載體，知識溢出能夠在創新過程中提供充足有效的創新資源，創新水平越高的地區越能高效地吸收外部區域溢出的知識并進行二次創新。Combes 等［18］、蘇方林［19］的研究發現知識溢出具有局域性的特征。由于地理空間距離的限制，知識大量溢出至地理鄰近城市，導致創新活動在一定的范圍集中［20］，創新集聚降低了區域創新內部的不確定性，創新主體的合作意識隨之增強，進而有助于促進區域創新水平的提升。基于此，提出本研究的第2 個研究假設：

H2：知識溢出的空間效應可促進區域創新產出的提高。

2.3 互聯網普及協同知識溢出影響區域創新產出的理論機制

互聯網的時空壓縮效應使得空間距離的影響在一定程度上減弱，進一步解鎖了區域未被充分利用的知識資源及其內生價值，使得各種知識傳播的空間局限性逐漸降低。如“5G+”遠程醫療會診、阿里巴巴集團和京東集團等企業虛實結合的技術應用模式使得不可編碼知識變得容易傳播，更大程度促進省際知識溢出效應［21］。即使一方遠在大洋彼岸，也可以通過科技手段使得雙方無任何障礙地交流，在網絡空間實現“面對面”的感知［22］。由此，各區域間的創新活動隨之更加便捷頻繁。基于此，提出本研究的第3 個研究假設：

H3：互聯網普及能放大知識溢出的空間效應，進而提升區域創新產出水平。

3 我國區域創新產出與互聯網普及的空間演進特征

3.1 空間演進特征分析

選取專利申請授權量作為代理變量，用來衡量區域創新產出水平。隨著時間的推移，30 省份創新產出從整體上呈現上升的趨勢，專利申請授權數從2007 年的283 636 件上升至2018 年的2 318 454 件3），增長了8 倍左右，反映了我國科技戰略的發展成效。從省域橫向來看，30 省份創新空間結構演進呈現極大的空間非平衡性（見圖1）。具體來講，江蘇、浙江、廣東、上海等東部沿海地區集中了我國總體絕大多數的授權專利，形成了高級創新區，這些地區的專利授權量合計占比高達70%，創新總量遠高于其他省份，呈現了“高高”集聚狀態；隨著國家對中西部地區采取適度扶持的政策逐漸發揮作用，安徽和河南、四川、遼寧分別為中、西、東北區域創新產出處于優勢的代表省份，創新產出水平遠不如東部沿海地區，表明我國區域創新產出呈現“東強西弱”的態勢，存在顯著的區域創新空間差異。

圖1 2007 年、2014 年和2018 年30 省份創新產出比重

為進一步反映創新產出在空間演進過程中差異的變化情況，參考付幗等［23］的方法計算30 省份創新產出的變異系數（見圖2）。變異系數反映地區間的相對均衡度，系數越小說明區域間發展越均衡。考察期內30 省份創新產出變異系數總體上以2012年為分界線，呈現先增加后減少的倒“U”型趨勢。具體來看，變異系數在2007—2012 年上升0.2，2012 年達到了區域創新差異的最高值，漲幅態勢集中在2008—2010 年，這可能是因為在2008 年我國出臺了《關于支持中小企業技術創新的若干政策》，使得中小企業分布較多的東部地區的創新產出水平進一步提高，區域間的創新差異因此大幅度擴大；在2013—2018 年變異系數下降幅度為0.2，這可能是因為2012 年我國提出要加快國家創新體系建設，提升創新體系整體效能，這使得創新政策更多地傾向并發揮于水平相對落后的中西部地區，使得整體的區域創新產出水平差異逐漸下降，這在一定程度上表明推進區域創新產出水平落后地區的創新發展以弱化創新空間差異是一項長期工程。

圖2 30 省份創新產出變異系數演變趨勢

3.2 區域創新水平與互聯網普及的相關分析

選擇互聯網普及率作為衡量互聯網普及程度的指標，并將其與專利申請授權量進行相關性分析（見圖3），進而發現互聯網普及與區域創新產出水平分布的關系規律。總體上，考察期內30 省份每百人上網數與專利申請授權量均顯著相關，相關系數以2012 年為分界點經歷了先減小后增加的“U”型變動特征。具體來看，2007—2012 年，相關系數從0.642 6 逐漸下降為0.428 3；2013—2018 年，相關系數再次逐漸上升至0.483 9。原因在于最初幾年，我國提高區域創新水平的主要途徑是依靠人力、資本等傳統要素的投入，政策傾向于高投入研發經費、高強度培養研發人員等，對互聯網的認識和支持強度不及傳統要素，同時互聯網普及處于起步階段，基礎設施不完善成為制約互聯網發展的門檻；后期隨著信息與通信技術的進步以及網絡效應的出現，基礎設施日趨完善促進了互聯網普及的快速發展。

圖3 30 省份互聯網普及與創新產出的相關性

4 研究設計

4.1 數據來源與處理

根據數據可得性和實證研究的需要，2007—2018 年30 省份相關數據來自于《中國統計年鑒》《中國高技術產業統計年鑒》《中國互聯網絡發展狀況統計報告》《中國科技統計年鑒》等。為合理控制異方差和共線性，所有變量取自然對數。

4.2 變量選取與說明

（1）解釋變量，即知識溢出。借鑒江三良等［24］的做法，從知識存量和知識質量兩個維度衡量地區層面的知識溢出水平。

知識存量為人們在生產和生活實踐中知識的積累，通常表現為某時點上一個區域對知識資源的占有總量，反映了區域知識生產的能力。知識存量增加會顯著促進地區的創新水平提升。借鑒呂情［25］的做法，通過永續盤存法估算地區i在時間t的知識存量，用公式表示如下：

為了得到知識存量的初始值，通過以下公式計算：

知識質量有提升區域創新潛能的隱形作用。為量化知識質量狀況，借鑒余泳澤等［26］的做法，從知識創造、知識轉化兩個角度構建知識質量綜合評價體系，增加對社會發展效益創造方面的衡量指標，以更全面地從基于區域自身屬性的角度衡量知識質量（見表1）。

表1 區域知識質量綜合評價體系

區域知識質量綜合評價體系的9 個二級指標從不同角度衡量了知識質量的水平狀況，但各指標之間具有一定的相關關系，因此在實際估計過程中利用 SPSS 軟件對多維數據進行全局主成分分析，以構造省際維度的知識質量水平綜合得分。經標準化處理后的全部數據通過了 KMO 檢驗和Bartlett 球形檢驗，說明本研究所觀測的數據適合此方法。采用特征值大于1 并累計方差貢獻率達到 80%的方法來確定因子個數，從9 個指標中提取到2 個主成分，構造成1 個綜合反映知識質量水平的復合指數。為了后續研究方便，借鑒韓先鋒等［14］的做法，按照公式如式（3），將測算所得的知識質量綜合得分數據標準化到［0，1］區間內，以此作為本研究的核心解釋變量。

（2）控制變量。為更準確地反映互聯網普及、知識溢出對區域創新產出的影響，有針對性地引入影響因素進行控制。具體如下：1）地區人力資本水平(hc)。地區人力資本水平越高，表明該地區勞動者素質和技能越高，從而可以更加高效地開展技術創新活動，有利于地區創新能力的提高［27］。將居民受教育程度分為小學教育、初中教育、高中教育、大專及以上教育，用不同受教育程度的人數占6 歲以上人口的比重乘以對應的平均累計受教育年限，繼而求和得到。2）地區基礎設施建設水平（inf）。區域交通網絡、通信等基礎設施的完善能夠提高區域創新水平。如今各類通信工具在區域交流中的作用日益重要，而通信交流則需要地區提供必要的長途光纜設施，因此，參考李婧等［28］的做法，采用地區長途光纜線路長度表征地區基礎設施建設水平。

使用 Stata 15.0 分析軟件對數據進行處理，主要變量的描述性統計結果如表2 所示。

表2 變量的描述性統計

4.3 模型設定

Griliches［29］和Jaffe［30］設計的知識生產函數(knowledge production function，KPF) 作為一個經驗模型，為研究區域創新產出提供了有效的理論分析框架，本研究主要基于KPF 模型對30 省份創新空間特征進行計量分析，函數的基本形式為:

知識生產過程同實物生產過程，本質均是一種投入產出過程，本研究把創新活動看作是一種知識的生產過程，創新要素的投入不僅局限于K和L等要素的投入，將互聯網的普及程度和知識溢出納入區域創新產出的分析框架中，構建了包含這兩種因素的新的知識生產函數。因此，在式（4）的基礎上進行拓展，函數形式如下：

研究表明，區域創新存在空間相關性，即一個區域創新產出不僅取決于當地的經濟水平、創新環境等因素，同時還受到周邊區域創新產出的影響［31］。地區間的知識溢出效應，除了可被觀測到的空間相互作用，還包括不可觀測的沖擊以及遺漏變量，因此需要構建考慮空間效應的計量模型。王淑英等［32］利用2009—2018 年的我國省級面板數據構建空間杜賓模型，分析全行業的集聚效應對我國多主體協同創新效率的影響，受此啟發，本研究在式（5）的基礎上構建空間杜賓模型（SDM 模型）如式（6）：

為進一步考察互聯網普及與知識溢出的協同作用，在式（6）的基礎上加入互聯網普及與知識溢出的交互項，將其拓展為擴展的空間杜賓模型，如式（7）所示：

5 實證結果分析

5.1 空間相關性檢驗

為了驗證地區互聯網普及與區域創新產出的空間相關性，采用全局自相關和局部自相關進行檢驗。莫蘭指數（Moran's I）是常用的空間自相關的統計量，反映了空間鄰接或空間鄰近區域單元屬性值的相似程度。全局莫蘭指數計算公式如下：

莫蘭指數的取值范圍為［-1,1］：大于0 時表示存在空間正相關，數值越接近于1 說明正相關性越強，即鄰接空間單元之間具有很強的相似性；小于0 時表示存在空間負相關，數值越接近-1 說明鄰接空間單元之間具有很強的差異性；接近于0 時表示不存在空間相關關系，說明某觀測值在空間上屬于隨機分布。

結合上述公式和相關數據，基于地理距離權重矩陣，利用Stata15.0 軟件可求得30 省份創新產出空間自相關性的動態演變趨勢，如表3 所示。由結果可知，考察期內30 省份創新產出的全局莫蘭指數值介于0.229～0.286，且均通過了1%的顯著性檢驗，這表明強烈拒絕“區域創新產出無空間自相關”的原假設，在全局上表現出強烈的空間依賴特征，即具有相對高創新產出強度的區域傾向于接近其他具有高創新強度的區域。

表3 30 省份創新產出的全局莫蘭指數值

全局空間自相關方法僅僅是對區域整體創新產出水平的空間相關態勢進行總體的分析，有可能掩蓋局部空間上差異的變化，因此，為進一步探討30省份創新產出的局部空間分布特征，通過Stata15.0繪制莫蘭指數散點圖進行解析，如表4 所示。其中，處于第1 象限的北京、上海、江蘇、浙江等省份不僅自身創新產出水平高，同時受周邊創新水平高的區域的影響，形成“高高”集聚的狀態；處于第2象限的山西、海南等省份由于自身對鄰近地區知識的吸收能力不足，未能形成創新產出優勢；內蒙古、甘肅、寧夏等省份自身及其鄰近地區創新產出的水平較低，呈現“低低”的集聚態勢；四川、廣東等地自身創新水平較高，但對周圍區域的輻射力不足，處于第4 象限。2007 年，有21 個省份位于第1、3象限，2018 年增長至24 個省份，從某種程度上表明我國區域創新產出在地理空間的分布上存在著明顯的相互依賴性，適宜展開空間計量分析。

表4 30 省份創新產出莫蘭散點圖解析

空間面板的多樣性和復雜性決定了在建立具體的空間面板模型前必須對空間面板的形式進行識別檢驗，從而避免由于模型形式設定偏差對模型估計的有效性產生影響。綜合運用拉格朗日乘子檢驗（LM檢驗）、豪斯曼檢驗（Hausman 檢驗）和沃爾德檢驗（Wald 檢驗）等方法，對空間滯后模型（SLM）、空間誤差模型（SEM）、空間杜賓模型的合理形式進行判別。LM 檢驗及其穩定性檢驗顯示，結果均在1%的顯著水平下拒絕了原假設，表明應選擇空間杜賓模型；通過Wald 檢驗空間杜賓模型是否可以簡化為SLM 模型和SEM 模型，結果顯示在1%的顯著性水平上拒絕了“空間計量模型采用SLM 或SEM”的原假設；最后結合Hausman 檢驗結果，選取空間杜賓模型的雙固定效應模型作為本研究模型更為合適。

5.2 計量結果分析

如表5 所示，基于空間杜賓模型，模型1 至模型2 是分別依次加入知識存量、知識存量與互聯網普及的交互項進行回歸；模型3 至模型4 是分別依次加入知識質量、知識質量與互聯網普及的交互項進行回歸；模型5 是加入知識存量、知識質量、知識存量與知識質量的交互項進行回歸；模型6 和模型7 是在模型5 的基礎上加入知識存量、知識質量與互聯網普及的交互項進行回歸，區別是前者未加入控制變量，后者是加入控制變量進行回歸，結果顯示加入控制變量后回歸系數的符號基本一致且大小相近，故將模型7 看作最終的回歸分析結果。

表5 30 省份互聯網普及對創新產出影響的計量回歸結果

5.2.1 本地效應下的回歸分析

從區域自身來看：（1）互聯網普及對區域創新產出具有顯著的負向作用。計量結果顯示，區域互聯網普及程度每提高1 個百分點，創新產出將降低0.874 個百分點。第1 個研究假設未得到驗證。這可能是因為我國東、中、西、東北四大經濟區從互聯網普及中獲得的創新產出紅利差距嚴重，進而表現出總體互聯網普及對區域創新產出的抑制作用。（2）互聯網普及程度對區域創新產出水平存在貢獻力不足的情形。互聯網的發展需要區域具備一定的經濟水平，這就出現東部地區互聯網普及快速，進而導致互聯網普及對區域創新產出的紅利已提前釋放；而此時互聯網在中西部地區正處于起步階段，吸收、消化其他地區溢出的能力逐步提高。（3）知識存量對區域創新產出始終有正向作用。知識存量作為區域自有知識的積累，往往與本地的創新知識具有良好的匹配性［34］，可根據創新發展進行適時調整。這說明穩步增加專利可為提升區域創新產出奠定堅實的基礎。（4）知識質量對區域創新產出具有正向作用。這表明注重知識資源轉化為經濟效益和社會效益，提升創新成果的成熟度，有利于提高區域創新產出水平。（5）互聯網普及與知識存量的交互項系數為正但不顯著。這說明互聯網普及與知識存量存在較好的協同，可能由于知識存量的載體是區域本身的創新型資源。知識存量水平高的區域也就表征著其經濟發展水平、科學文化素質綜合水平等有一定的基礎，互聯網會優先在該區域發展。（6）互聯網普及與知識質量的交互項對區域創新產出存在顯著的負向影響。這有可能是因為見效慢、長期收益大的研究領域融資成本極其高昂，導致企業技術創新尤其是基礎技術創新水平難以提升，從長遠的角度來看不利于知識質量與互聯網普及的協同。

此外，從其他變量來看，RD 經費支出、人力資本水平對創新產出為正向的影響系數，在一定程度上表明繼續增強RD 經費的投入、提升科學素質均有利于促進區域創新產出的提升；基礎設施建設對區域創新產出起到顯著的抑制作用，這表明現階段區域發展重點更傾向于深層次挖掘基礎設施建設發揮的應用作用，不再僅強調基礎設施發展的數量。

5.2.2 溢出效應下的回歸分析

從計量結果的系數來看，區域知識存量每提升1 個百分點，相鄰區域的創新產出提升0.845 個百分點，并且在1%的檢驗水平下顯著，這表明單獨提高知識存量溢出 (W×lnstock)會對區域創新產出產生顯著的促進效應，可能是因為知識存量的溢出已被理解和消化為區域創新資源，進而提高鄰近地區的區域創新產出；而知識質量溢出效應(W×lnquality)呈現相反結果，區域知識質量每提升1 個百分點，相鄰區域的創新產出會降低10.725 個百分點左右，并且通過了1%的顯著性水平檢驗，這可能是因為知識質量溢出帶來的技術進步面臨回報周期長、科技要素與社會要素未有效結合等問題，導致其在區域創新過程中未充分體現，同時也反映出知識質量的競爭效應，即知識質量溢出效應越強，越有利于區域搶占優勢資源，實現創新產出的“快人一步”。綜上，第2 個研究假設只驗證了一半，即知識存量的溢出推動了區域創新產出的提高，知識質量的溢出未能促進區域創新產出的提高。

此外，考慮空間效應的互聯網普及與知識存量溢出、知識質量溢出交互項的回歸系數分別為0.018和1.096，后者通過了1%的顯著性檢驗，表明區域互聯網普及促進了其周邊地區知識存量的溢出進而推動周邊區域創新產出水平的提高，并且也顯著促進了周邊區域知識質量的溢出從而提高周邊區域的創新產出水平。因此，第3 個研究假設得以驗證，即互聯網普及放大了知識溢出對區域創新產出水平的影響。

5.3 異質性分析

為分析互聯網對我國區域創新的抑制性作用的具體原因，從東中西三大區域出發，進一步探討互聯網的區域異質性結果。按照是否加入控制變量，對東中西區域各進行了2 次計量回歸，如表6 所示，列（1）是未加入控制變量的回歸結果，列（2）是考慮了控制變量的回歸結果。對比每個區域的2 種回歸結果可以看出，無論是否考慮控制變量，各區域的變量回歸系數符號保持高度一致，表征回歸結果可靠。互聯網普及對三大區域的創新水平存在明顯差異，具體表現為：東部地區互聯網普及程度系數為正，并通過了1%的顯著性水平，說明互聯網普及程度提升將顯著提高東部創新產出水平，因此東部應利用好互聯網帶來的紅利，不斷加強互聯網建設力度，擴大互聯網的普及范圍，強化互聯網提升區域創新水平的動能；對于中部地區，互聯網普及每增加1%，區域創新產出水平將顯著提高2.143個百分點，表明中部地區享受東部地區發展的輻射紅利，后發優勢明顯；互聯網普及對西部創新產出水平起到顯著的抑制作用，西部由于互聯網基礎設施建設不足，網絡的覆蓋規模有限，導致互聯網在創新水平落后的西部地區釋放的紅利不足。對比每個2 種回歸結果，從互聯網的作用強度來看，具有“西部>東部>中部”的區域異質性特征，即互聯網普及對西部地區的抑制效應明顯高于對東部和中部兩區域的促進作用，佐證了由于三大區域享受互聯網創新紅利差距過大，第1 個研究假設未得到驗證的事實，這表征為應合理發揮互聯網對我國各區域的創新紅利，在鞏固東、中部地區互聯網發展優勢的同時注重適度引導互聯網要素積極向西部地區流動擴散，以彌補落后地區的網絡發展短板。

表6 30 省份互聯網普及對創新產出影響的異質性回歸結果

5.4 拓展分析：直接效應和間接效應的測度

SDM 模型的估計結果無法完全反映解釋變量與被解釋變量間的關系，應進一步運用SDM 模型的偏微分法對空間權重變量作用下的總效應進行直接效應和間接效應分解，以對模型中包含的交互信息予以分析。直接效應，即各區域內互聯網、知識質量和知識存量對創新產出的影響；間接效應，即空間溢出效應，表示各區域內互聯網、知識質量與知識存量對相鄰區域創新產出的影響。表7 的估計結果顯示：就互聯網而言，本地區的互聯網普及程度對本地區創新產出的抑制作用要遠大于對其他地區創新產出的抑制作用，因此，現階段各地區要著力縮小與鄰近地區的互聯網發展差距，以協調周邊區域互聯網普及為基礎，酌情考慮本地區的互聯網普及程度；就知識存量而言，其直接效應和間接效應均為正，且通過了1%的顯著性水平檢驗，表明知識存量對本地區具有明顯的溢出效應和明顯的空間溢出效應，且間接效應大于直接效應；就知識質量而言，其直接效應為正、間接效應顯著為負，對其他地區創新產出的抑制作用大于對本地區創新產出的促進作用。綜上，無論是知識存量還是知識質量，區域間的作用效應均大于區域內的作用效應，因此現階段各地區要提高研發強度以提高對鄰近地區溢出的承接能力。此外，就互聯網普及與知識存量的交互項而言，其直接效應和間接效應均為正值，并且前者大于后者，表明各地區應重點發揮互聯網普及與本土知識存量的協同效應，以更好作用于區域創新的演進發展；而對于互聯網普及與知識質量的交互項，其對其他區域創新產出的促進作用要遠小于對本區域創新產出的抑制作用，說明現階段要重點提高區域知識質量溢出的吸收能力，在互聯網的作用下更好地吸收其他地區知識質量的溢出，從而推動本地區創新水平的提高。

表7 30 省份互聯網普及對創新產出影響的直接和間接效應估計結果

6 結論與啟示

基于2007—2018 年我國省級區域創新產出的空間面板數據，在刻畫區域創新空間演進特征的基礎上，對互聯網普及程度、知識溢出以及兩者協同對區域創新空間演進的影響進行理論分析和實證分析，研究結果表明，區域創新產出的空間演進過程呈現出空間非平衡性和明顯的集聚狀態。得到結論如下：（1）互聯網普及程度可能由于在各地區發展的差距過大，對區域創新具有明顯的抑制作用；（2）知識存量的溢出推動了區域創新產出的提高，知識質量的溢出可能由于不易被轉化為生產力而未能促進區域創新產出的提高；（3）互聯網普及促進了周邊地區知識存量和知識質量的溢出，進而推動周邊區域創新產出水平的提高，放大了知識溢出對區域創新產出水平的影響；（4）R&D 經費支出、人力資本水平對創新產出存在正向影響。

本研究對促進區域創新產出、優化區域創新演進格局具有以下政策含義：（1）正視區域創新產出的空間差異，制定專門的互聯網普及政策。對于創新產出水平相對落后的西部地區，重在夯實互聯網普及基礎，加快信息內容與網站的建設，以加大網絡的覆蓋面，讓西部地區更容易接觸到互聯網；對于創新水平中等的中部地區，在互聯網建設過程中加強引進基礎服務設施建設，通過降低網絡資費、提高寬帶網速等途徑促進普及規模；區域創新產出水平較高的東部地區，應著重加強互聯網建設力度，通過改善網絡使用環境、升級網絡使用條件、開展互聯網應用創新的試點工作等方式優化互聯網服務，進一步擴展互聯網普及范圍。（2）實現區域創新水平的空間協調發展，促進加大知識溢出效應。較高的知識存量水平意味著更高的技術水平和區域創新能力，提高并挖掘知識存量對創新產出的促進潛力，通過區域間的創新合作促進知識跨區域轉移和溢出是實現區域間創新產出協調發展的必要路徑；同時高水平的知識質量意味著科技成果的轉化效率越高，提升知識質量溢出是實現區域創新產出協調發展的高效路徑。（3）實現區域創新產出的空間發展，更大限度地發揮互聯網與知識溢出的協同。中、西部地區要強化互聯網與知識溢出的協同作用，順應長江經濟帶、粵港澳大灣區建設等重點區域發展新機制，對區域創新產出的空間均衡有重要意義。

注釋：

1）數據來源于2020 年全國知識產權局局長會議材料。

2）參照國家統計局2011 年頒布的《東中西部和東北地區劃分方法》，東部地區包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南共 10 個省市；中部地區包括山西、安徽、江西、河南、湖北和湖南共6 個省；西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆共 12 個省、區、市；東北地區包括遼寧、黑龍江和吉林共3 個省。

3）專利申請授權數來源于歷年的《中國科技統計年鑒》。