信息擴散、產業集聚與區域技術創新績效
——基于2005-2018年區域面板數據的動態分析

陽長征

(西安交通大學 新聞與新媒體學院，陜西 西安 710049)

0 引言

近年來，國家大力推進區域經濟圈建設及創新驅動發展戰略實施，著力打造我國新興產業經濟區和技術創新平臺。2019年，國家發改委制定《關于加快推進戰略性新興產業集群建設有關工作的通知》，將產業集群納入國家和區域經濟發展計劃，以構建新時期的經濟增長極，推動產業結構優化。產業集聚(industry cluster)是指競爭性行業、專業供應商、服務提供商、制造商和相關產業組織在某領域或地區集聚的現象。它強調產業實力和集體能力優勢，有助于促進區域或國家產業質量提升。產業集聚可提高產業競爭力，對區域發展及國家競爭力提升發揮重要作用[1]。同時，產業集聚也會對科技創新水平提出新要求，從而帶動區域或國家技術創新不斷升級。然而產業集群的形成必須以技術創新平臺作為保障，在產業集聚區形成創新協同中心，為產業集聚效應發揮提供技術支撐。

由中共中央辦公廳、國務院辦公廳制定的《2006-2020年國家信息化發展戰略》指出，信息化是驅動國家經濟變革的重要力量，應積極推進工業化與信息化融合，利用信息化帶動工業化，以提高其國際競爭力并實現巨大飛躍。近年來我國信息化建設進入快速發展時期，尤其在信息系統及互聯網普及應用方面，其對國家或區域經濟的推動作用日益凸顯。信息化建設促進了我國產業分工深化與經濟結構調整，重塑了我國產業發展格局。同時，信息化下的信息擴散更便捷，有利于國際及國內知識共享和交流，加速多領域知識交互融合。因此，信息化建設、產業集聚與技術創新緊密相關，探索信息擴散、產業集聚與技術創新績效之間的作用關系對促進我國科技和經濟發展具有重要意義。

本研究貢獻主要在于：首先，將信息擴散、產業集聚與技術創新績效關系納入同一理論框架，建構各內生變量相互作用、相互影響的動態VAR理論模型，分析各變量在不同滯后期產生的脈沖效應及波動貢獻率；其次，使用2005-2018年面板數據，構建具有長期均衡關系的空間狀態模型，分析各變量相互作用產生的邊際影響力的動態變化過程，探尋變量間影響力的波動特征；最后，構建面板數據變截距及變系數模型，探索變量間影響效應在東部、中部及西部地區的差異，尋找不同地區經濟發展及技術創新驅動的主要影響因素，從而制定符合特定區域經濟發展與技術創新規律的發展戰略及具體措施。

1 文獻回顧

關于信息化與技術創新關系的研究，最初學者們從相關性及耦合度角度進行分析，包括結構、速度和相關性等方面[2]。網絡作為信息傳播的重要途徑，在技術創新系統形成中發揮關鍵作用，且促進新知識產生[3]。由于區域政策及基礎差異，信息化對技術創新的影響存在區域異質性，如信息化對西部和東部地區的技術創新有顯著影響，但對中部地區的影響不顯著[4-6]，且東部地區的信息化水平高于西部地區[7]。由于各區域在創新中采用的戰略和定位不同，因此不同區域通過信息技術提升技術創新的效果也存在差異[8-9]。隨著網絡信息技術的快速發展及互聯網使用的普及，當下的技術創新發展格局與傳統時代已大不相同[10]。有學者從數字化及網絡層面探索信息化對技術創新的影響，分析信息技術對流程創新的作用[11]?？傊?，網絡環境下的信息化建構大大提高了企業創新能力，并對產業結構及技術創新帶來革命性影響[12]。

關于產業結構與技術創新的關系，學者們主要從國家或區域層面探究，認為區域創新系統已成為評估創新績效的重要框架[13]。進入高科技時代，從國家創新到區域經濟變革，技術對塑造區域經濟發揮了關鍵作用[14]。在技術創新影響方面，突破性技術創新是推動產業轉型和升級的重要動力[15]，而且產業集聚會對研發創新與產業轉型產生空間溢出效應，這種效應在高新技術產業中尤為顯著[16]。然而，基于宏觀層面的研究通常只能發現產業集聚對技術創新影響的結構特征，而宏觀結構變化需通過企業內部微觀機理發揮作用，因此部分學者開始從構念測量、技術創新衡量方面進行探索[17]。產業集群對企業知識管理和創新績效也會產生重要影響[18]，并對企業家精神培育產生積極效應[19]。

創新擴散理論指出，創新是被個人或組織視為具有新穎性的觀念、實踐或事物，其擴散是一種社會過程。在該過程中關于新想法的信息被傳播或采納，通過社會構建，其意義逐漸顯現。該理論提出者羅杰斯指出，創新擴散總是借助一定社會網絡進行，在創新向社會推廣和擴散的過程中，信息技術可有效提供相關知識和信息，在說服人們接受和使用創新思想或實物過程中更高效。因此，創新的推廣、采納及績效會受到信息擴散的影響，并產生推動效應。在經濟發展與產業升級中，產業集聚是指同一產業在某個特定地理區域高度集中，產業資本要素在空間范圍內不斷匯聚的過程。熊彼特在經濟發展理論中指出，創新是將一種生產要素新組合引入生產體系。其主要包含5種組合，即引進新產品、引用新技術或采用一種新生產方法、開辟新市場、形成新材料來源、實現一種工業新組織。技術創新可通過5種組合形式對產業結構產生影響，并形成差異化產業集聚。同時，產業集聚主要源于市場創造與資本轉移兩種模式。前者往往首先在區域范圍內出現專業化市場，為產業集聚創造重要的市場交易條件與信息環境，吸引產業生產環節也聚集于該市場附近。信息化水平與信息條件是影響該模式的重要因素，信息擴散程度不同，會導致不同產業形成差異化聚集結構。

綜上文獻可知，雖然既有研究在技術創新影響因素、作用路徑、區域差異等方面獲得諸多成果，但仍存在不足之處：一是既有研究主要集中于分析信息擴散、產業集聚以及技術創新三者間的兩兩變量關系。由于信息擴散、產業集聚以及技術創新密切關聯且具有內生性，若將具有內生關聯性的變量割裂，單獨分析或采用僅適用于非內生變量的方法進行建模分析，所得結果可能偏離客觀真實。二是雖然有文獻分析了上述變量間的影響效應，但其研究維度主要集中于宏觀及中觀層面，涉及微觀層面的很少?；诖?，本文將信息擴散、產業集聚以及技術創新置于同一理論框架下進行模型建構，分析內生變量間的脈沖響應與邊際影響力，以及各變量間影響效應在不同區域的差異性。通過上述研究，可識別和解釋信息擴散對技術創新與產業結構的影響以及技術創新對產業結構的影響是否存在邊際效用遞減特征，同時明晰信息擴散效應與技術創新效應的生命周期。

2 理論模型

首先，將信息擴散、產業集聚以及技術創新績效納入理論框架，建構各內生變量相互作用、相互影響的動態VAR理論模型。模型如下：

在此基礎上，對VAR模型中的信息擴散、產業集聚以及技術創新績效間的脈沖響應(IRF)進行分析。其脈沖響應結構如下：

同時，為了分析VAR模型中技術創新績效、信息擴散以及產業集聚間結構性沖擊對特定內生變量變化的貢獻率(RVC)，需對脈沖進行方差分解，具體如下：

其次，為了分析各內生變量每單位數值對因變量的影響效應，構建邊際影響力狀態空間模型(SSM)，具體如下：

最后，為了探究變量關系在不同區域的差異性，構建如下面板數據模型：

3 數據收集與變量測量

3.1 數據收集

根據《中國專利密集型產業目錄》，篩選出10個行業為研究對象，包括計算機制造、通信設備制造、雷達及輔助設備制造、廣播電視設備制造、電子設備制造、航空航天及設備制造、化學藥物制造、中成藥制造、生物藥品生產、醫療儀器設備及器械制造。以2005-2018 年為研究期，數據來源于《中國統計年鑒》、清博數據庫、《中國科技統計年鑒》《中國互聯網發展報告》、Wind 數據庫、國泰安CSMAR數據庫。此外，對數據采用標準化轉換，以消除量綱差異帶來的影響。

在變量設計上，首先，科技創新績效是指企業或實體開發新技術或使用新技術給自身帶來的價值增長情況。學界通常以專利申請數、新產品產值、新產品開發數、有效專利數和新產品周轉量等指標對創新績效進行度量[20]。其次，信息擴散是指產業、地區或國家在進行數據生產、傳遞、接收以及處理過程中，實現信息化的程度或信息化普及程度，反映不同社會或區域的信息級別。本文借鑒日本學者小松崎清介提出的社會信息化指數，從國家或地區信息量、信息設備級別、通信主體級別和信息系數4個方面測量。最后，產業集聚是指產業資本要素在某空間聚集的程度，即相同或關聯產業在地理區域內的集中程度。針對其測量問題，Ellsion&Glaeser(2010)提出采用EG指數。EG指數融合了Herfindahl指數計算思想，并充分考慮公司規模和地區差異的影響，彌補了Gini空間指數的不足。

3.2 變量測量

(2)信息擴散。采用兩步算術平均法進行計算，從影響社會交往的因素中篩選出四類指標及11個具體指標。由于指標間存在量綱差異，計算前需進行指數化處理。首先，預設各指標在信息擴散指數上具有相同權重，并設置某年度或地區的信息化指標為100，以此為基準，計算其余各年度或地區轉換后的信息化指標[22-23]。然后，將每個指標值相加并除以指標類型總數，最后轉換為100分點數值，以形成信息擴散的最終數值。其公式可表示為：Rinformation=

式中，si為選定年度或地區的基準值，xi為其它年份或地區實際值，kj= 4、3、2、1分別為各類型指標數。

(3)產業集聚。采用Ellision & Glaeser[24]提出的產業空間集聚指數，表示為：

經過數據處理后，合成并計算技術創新績效、產業集聚及信息擴散指數，形成各指數對應的時間序列以及東部、中部與西部地區的面板數據。各變量描述性統計結果與正態分布檢驗結果如圖1所示。

圖1 描述性分析及正態分布檢驗結果Fig.1 Descriptive analysis and normal distribution test results

圖1顯示，information、cluster與innovation序列分布呈遞增趨勢。其正態分布檢驗結果顯示，各變量的p值分別為0.000 1、0.004、0.000 5，均小于0.05的顯著性水平，拒絕樣本數據服從正態分布的原假設，因此后續將采用適用非正態分布的模型估計方法進行數據處理和分析。

4 脈沖響應及貢獻率分析

4.1 VAR模型擬合

對模型中變量結構進行識別和檢驗，分析技術創新績效、信息擴散以及產業集聚間是否存在顯著性Granger因果關系，以確定VAR模型結構設定是否合理。對應的Granger因果關系檢驗結果見表1。

由表1可見，在信息擴散、產業集聚以及創新績效的因果關系檢驗中，各變量及兩兩變量聯合項的χ2檢驗值p均小于0.05的顯著性水平，拒絕了不存在因果關系的原假設，表明信息擴散、產業集聚及創新績效間存在因果關系。因此，在模型構建中將創新績效、信息擴散以及產業集聚作為內生變量的設置合理。

在因果關系檢驗基礎上，對VAR模型進行統計分析和時滯長度判斷。對應的統計結果見表2。

表1 Granger因果關系檢驗結果Tab.1 Granger causality test results

表2 時滯長度選擇標準Tab.2 Time lag length selection criteria

表2結果顯示，根據LR檢驗，以及FPE、AIC、SC、HQ信息準則最小化標準， VAR模型的最佳時間滯后長度為2期。為了確定VAR模型構建和設定的合理性，需對模型進行穩定性檢驗。該模型的單根穩定性檢驗結果顯示，代表AR特征根倒數的模的點均落在單位圓內，表明模型構建滿足穩定性條件，說明無需重新構建模型。

以內生變量滯后2階建構VAR模型，對其進行模型估計，結果如表3所示。

由表3可見，3個方程中各項系數的顯著性檢驗值│t│均大于0.05水平對應的臨界值1.96。同時，可決系數R2均大于0.90，表明構建的VAR模型與樣本數據的擬合度較好，即該估計結果可用于技術創新績效、信息擴散以及產業集聚間動態影響的相關性分析。

4.2 脈沖響應分析

為了揭示技術創新績效、信息擴散以及產業集聚之間的動態擾動特征，在模型估計基礎上分別對創新績效、信息擴散以及產業集聚進行脈沖響應分析。對應分析結果如圖2所示。

由圖2可見，在第一行脈沖圖中，當技術創新績效、信息擴散以及產業集聚受到一個正向沖擊時，該沖擊并非立即傳導至技術創新績效，而是在推移3～4期后其響應值才出現平穩持續上升且均為正值。其中，信息擴散對創新績效的影響效應最顯著，創新績效的自相關效應與對產業集聚的影響效應基本相同，且產業集聚的影響效應呈微小波動。在第二行脈沖圖中，當創新績效、信息擴散以及產業集聚受到一個正向沖擊時，該沖擊也并非立即傳導至信息擴散，也是在推移3～4期后其響應值出現平穩持續上升且均為正值。其中，信息擴散的自相關影響效應最顯著，對創新績效與產業集聚的影響效應基本相同，其中，產業集聚的影響呈微小波動特征。在第三行脈沖圖中，當創新績效、信息擴散以及產業集聚受到一個正向沖擊時，該沖擊對產業集聚的影響效應較小且在零值附近波動。其中，信息擴散對產業集聚的影響效應最顯著，其次是產業集聚的自相關效應，而對創新績效的影響效應最小。

4.3 波動貢獻率分解

為了比較技術創新績效、信息擴散以及產業集聚相互擾動的程度，從而識別出不同因素對創新績效、信息擴散以及產業集聚的重要程度，在分析上述影響因素動態擾動特征的基礎上，分別對各因素的波動貢獻率進行方差分解(Lee & Lee,2015)。分解結果如圖3所示。

由圖3可見，在技術創新方差分解中，信息擴散對創新績效波動的貢獻率最大且隨時間推移呈遞增趨勢，產業集聚與技術創新績效自相關效應的貢獻率基本相同。在信息擴散方差分解中，信息擴散自相關效應對信息擴散波動的貢獻率最大且隨時間推移保持相同變化趨勢,產業集聚與技術創新績效的貢獻率基本相同且隨時間推移保持相同變化趨勢。在產業集聚方差分解中，信息擴散對產業集聚波動的貢獻率最大，產業集聚自相關效應的貢獻率較小，創新績效的貢獻率最小，且隨時間推移保持相同變化趨勢。

表3 VAR模型參數估計結果Tab.3 Parameter estimation resultsof the VAR model

圖3 方差分解結果Fig.3 Variance decomposition results

5 邊際影響力及區域差異分析

5.1 邊際影響力

在上述脈沖波動分析基礎上，為進一步了解技術創新績效、信息擴散以及產業集聚之間的邊際影響力，使用狀態空間模型分析邊際影響力變化過程，從而有助于揭示技術創新績效、信息擴散以及產業集聚間影響效應的波動特征。其狀態空間模型分析結果如圖4～6所示。

圖4顯示，產業集聚對創新績效的邊際影響力呈倒U形拋物線，即在2005-2009年呈遞增趨勢，在2009年達到最大值，其后呈緩慢遞減趨勢。信息擴散對技術創新績效的邊際影響力在2005-2018年呈遞增趨勢且表現顯著。

圖5顯示，信息擴散對產業集聚的邊際影響力在2005-2018年呈線性增長態勢，而技術創新績效對產業集聚的邊際影響力呈倒U形曲線，且技術創新績效的邊際影響力在2005-2009年呈快速增長趨勢，在2009年達到最大值，其后呈緩慢遞減趨勢，并于2018年開始出現回升趨勢。

圖4 技術創新績效邊際影響力分析結果Fig.4 Analysis results of marginal influence of technological innovation performance

圖5 產業集聚邊際影響力分析結果Fig.5 Analysis results of the marginal influence of industrial cluster

圖6顯示，技術創新績效對信息擴散的邊際影響力一直保持較高水平，且呈U形變化特征，在2005-2012年呈遞減特征，并于2012年達到最低點，其后一直呈快速遞增趨勢；產業集聚對信息擴散的邊際影響力在2005-2018年一直呈緩慢遞減趨勢，并逐漸趨向于零值。

5.2 區域差異分析

由于各區域資源稟賦以及施行的經濟政策不同，導致各區域在科技創新績效、信息擴散以及產業集聚上存在差異。因此，為了探索變量關系在區域間的差異，采用面板數據模型對數據進行擬合分析。在innovation方程中，F2>F2臨界值，且F1

使用Eviews10.0計量軟件對模型進行擬合，其擬合結果如表4所示。

表4 區域面板模型擬合結果Tab.4 Fitting results of the regional panel model

表4的擬合結果顯示，根據變量系數，信息擴散與產業集聚對技術創新績效的區域影響程度依次為東部地區>中部地區>西部地區，且東部、中部地區信息擴散對技術創新績效的影響大于對產業集聚的影響，西部地區產業集聚對技術創新績效的影響大于對信息擴散的影響。信息擴散與技術創新績效對產業集聚的影響程度依次為東部地區>中部地區>西部地區，且東部地區技術創新績效對產業集聚的影響大于信息擴散的影響，中部、西部地區信息擴散對產業集聚的影響大于技術創新績效的影響。技術創新績效與產業集聚對信息擴散的影響程度依次為東部地區>中部地區>西部地區，且東部地區產業集聚對信息擴散的影響大于技術創新績效的影響，中部和西部地區技術創新績效對信息擴散的影響大于產業集聚的影響。

6 穩健性分析

本文通過變量替換檢驗模型估計結果的穩健性。

根據表5結果，將替代指標代入模型進行擬合。檢驗結果顯示，采用替代方法估計的各模型參數值在邏輯關系和邏輯結構上與初始模型分析結果一致，表明建構的理論模型及分析結果具有良好穩健性。

表5 穩健性分析結果Tab.5 Robustness analysis results

7 結論與啟示

通過采用VAR模型、面板數據模型及狀態空間模型，結合2005-2018年面板數據，探究信息擴散、產業集聚以及技術創新績效間的動態影響，得出如下研究結論：

(1)在技術創新績效擾動路徑中，信息擴散對創新績效的影響效應最顯著，創新績效的自相關效應與對產業集聚的影響效應基本相同且均為正值；在信息擴散擾動路徑中，信息擴散的自相關影響效應最大，對創新績效與產業集聚的影響效應基本相同；在產業集聚擾動路徑中，信息擴散對產業集聚的影響效應最顯著，其次是產業集聚的自相關效應，對創新績效的影響效應最小且不明顯。

信息擴散、產業集聚與技術創新績效的關系除受經濟學機制影響外，還受到社會學作用。信息化建設的本質就是社會網絡結構的變化，而社會網絡是由不同個體、組織間關系組成的。社會資本理論指出，社會資本作為一種形成于社會網絡內的社會資源，其變遷過程會受到社會結構的影響。在人際交往、社會結構演變過程中，人們的經濟行為嵌入社會關系與社會結構中，且受到非經濟行為的限制。如關系層面的嵌入由人際交互形成，并強調行為者會受到所在社會網絡的社會關系的影響，如規范性及互惠原則等；結構層面的嵌入則由行為者所處社會網絡與其它社會網絡交互形成，主要反映行為者會受到嵌入的社會網絡結構的影響，如文化屬性和社會規范等[26]。然而，產業集聚與技術創新作為社會經濟行為，會受到社會資本的影響并嵌入社會網絡關系和結構中，信息擴散作為社會資本、社會關系以及社會結構的關鍵影響因素，其不同會導致產業集聚以及技術創新行為的差異化。

(2)在各影響因素的邊際效應中，產業集聚對技術創新績效的邊際影響力呈倒U形曲線，而信息擴散對技術創新績效的邊際影響力呈遞增趨勢；信息擴散對產業集聚的邊際影響力呈線性增長態勢，而技術創新績效對產業集聚的邊際影響力呈倒U形曲線特征；技術創新對信息擴散的邊際影響力一直保持較高水平且呈U形變化特征，而產業集聚對信息擴散的邊際影響力呈緩慢遞減趨勢并逐漸趨向零值。

信息擴散、產業集聚與技術創新績效之間的邊際影響力呈倒U形，除受規模經濟與規模不經濟規律影響外，還體現了社會學影響效應。在社會學中，信息繭室是指人們的信息接收會習慣性地受到自身興趣的支配，從而導致自己的信息空間像蠶的“繭室”一樣被限制。信息擴散給公眾帶來了更大的信息空間及大量知識，使得產業集群內的知識流通更高效，當達到一定程度時，網絡信息繭室形成，產業集群內部與外部間的交互會大幅降低，導致集群內部信息與知識的同質性、集群間的異質性增強?！俺聊穆菪崩碚撝赋?，一方越沉默，另一方就會認為自身的觀點越具有代表性，同時，更多群體會選擇加入沉默的對立方，持續強化該觀點并推動其朝著更大范圍擴散。這會進一步強化產業集群內部知識和觀點的同質化，而同質化則會降低技術創新績效。產業過度集聚也會帶來社會粘性喪失。社會粘性是由經驗、知識和任務分享而形成的，而技術創新需要由經驗和知識分享構建的集群[27]。隨著信息擴散加快，網絡信息選擇的自由度增大，從而促進信息繭房形成，大幅降低個體間經驗及知識分享意愿。因此，當信息擴散引起產業集群過度密集時，集群內部的同質化增強，且產業集群間缺乏粘性，易形成離散的個體，從而削弱產業集群帶來的技術創新效應。

該研究結論對科技創新及產業發展具有啟示意義。首先，信息擴散對技術創新績效及產業集聚變化的貢獻率較大，技術創新績效與產業集聚對信息擴散變化的貢獻率較大。因此，可通過信息擴散促進產業升級與技術創新，技術創新和產業集聚也會帶動區域信息擴散加速。同時，信息擴散對技術創新績效與產業集聚的脈沖響應時間，以及產業集聚對技術創新的脈沖響應時間均為3～4年，即對應的拉動效應醞釀期較長。因此，可在其醞釀期構建完善的政策制度，以在拉動效應出現時形成信息化、產業集聚及技術創新協同發展的良性循環，從而避免因前期配備不足、后期重建帶來的時間成本損失。其次，針對技術創新，國家或區域可通過加快信息擴散和提高產業集聚程度驅動技術創新，如對于東部與中部地區可重點通過強化信息擴散，西部地區重點依靠產業集聚與升級實現技術創新。針對產業發展，國家或區域可通過加快信息擴散帶動產業集聚，如對于東部地區可重點借助技術創新實現產業升級，中部和西部地區可重點借助信息化建設促進產業集聚。針對信息化建設，國家或區域可通過技術創新和產業集聚加速信息擴散，如東部地區可重點通過產業集聚加強區域信息擴散，中部和西部地區可重點通過技術創新促進區域信息擴散。最后，由于產業集聚對技術創新績效的邊際影響力呈倒U形，在通過產業集聚帶動技術創新的過程中，應注意尋找邊際影響力最大時的產業集聚點作為政策引導的最佳控制點，從而避免因產業集聚規模不足或過度導致創新績效無法達到最佳水平的現象。技術創新績效對產業集聚的邊際影響力呈倒U形曲線，在利用技術創新促進產業發展的過程中，應注意尋找邊際影響力最大時的技術創新點作為政策引導的最佳控制點，從而避免技術投入不足或過度導致效率下降和成本增加。