基于系統GMM模型的產業集聚對創新效率影響實證研究

吳風波

（安徽工商職業學院 管理學院，安徽 合肥 231131）

一、前言

國內經濟發展目標已從追求速度到追求質量的轉變階段，區域創新水平和能力是全國經濟高質量發展的核心驅動力，在當前經濟新常態的背景下增強創新效率是促進經濟向高質量高水平發展的必要途徑之一。產業集聚能夠推動區域經濟發展模式由規模經濟驅動轉為創新驅動，鼓勵企業積極參與技術創新活動從而實現科學技術的發展和進步，最終幫助我國經濟發展實現高效率高速率高水平增長。創新發展以產業為基礎和支撐，產業集聚影響著創新要素結構和創新要素的配置方式，產業集聚對創新效率的影響至關重要。

產業集聚是指相近相同或不同的產業在經營發展歷程中所需要各要素在相對集中的一個空間地域中不斷集合聚合的狀態和歷程。集聚的內涵既有專業化也有多樣化，專業化集聚促進在區域內同一高度相關的產業或者行業集聚一起，可以帶來知識溢出、規模效應、產業鏈完備并形成專業化優勢從而促進經濟增長；多樣化集聚促使不同產業在聚集區域內相互交流，能夠實現產業在地域發展中知識和技術要素相互支撐，帶來創新所需要素的高效率流動。也就是說產業集聚為資本、技術、企業家才智等資源要素碰撞火花提供便利條件，為創新發展注入動力，集聚使得這些要素能夠在產業發展更加緊密地聯合在一起形成集聚效應。但林伯強等(2019)研究也發現產業在區域內集聚到一定臨界值以后就會帶來擁擠效應，集聚程度高會帶來交通、房價、勞動力成本等壓力攀升，這會對經濟的發展效率方面產生抑制作用，產業集聚中的專業化集聚和多樣化集聚給創新帶來的影響也不盡相同。陳大峰等(2020)研究指出專業化集聚在企業間形成高強度競爭，促進企業加強創新投入，提升競爭力對創新起到積極作用，而多樣化集聚會對創新起到的是先正向后負向的作用。基于以上綜述分析評估區域產業集聚測度并探索其對創新效率的影響，對于提升區域創新能力和水平，推動經濟高質量發展具有重要的現實價值。

二、基于系統GMM模型的研究設計

(一)變量及指標選取

1.被解釋變量

創新效率(EE)作為被解釋變量，效率的測度方法主要有數據包絡分析(DEA)和隨機前沿分析法(SFA)，本研究采用馬俊(2021)等利用DEA建立規模報酬可變模型(VRS)予以測算評價創新的效率值。選取省際樣本中規模以上工業技術企業的R&D經費、R&D人員為投入指標，專利申請量和產品銷售收入為產出指標。使用DEAP2.1軟件測算出省際各年的創新效率值。

2.解釋變量

3.控制變量

控制變量分別選取(1)對外開放(OPEN)：采用外商投資企業進出口總和與GDP之比來測度；(2)人力資本(HR)，采用各區域規模以上企業科研人員總額來衡量；(3)經濟發展水平(EL)，以省份年度人均生產總值來表征；(4)科技水平(TL)：以科技支出在當年一般財政預算支出中比例來表征。

(二)模型構建

依據對變量選擇設計動態面板模型研究探討產業集聚與經濟效率二者相互關系，為了規避減少各變量采集數據差距大對結果產生影響故而對所有數據作對數處理。因為創新在企業產出中受到前期技術研發投入等推動即存有滯后特征，故模型中加入創新效率一階滯后項。最后構建計量模型如下：

其中ε隨機擾動項，β截距項，i是省份，t是年份。數據選取來源我國除西藏港澳臺以外的全國三十個省直轄市2009-2020年面板數據作為研究樣本數據，研究數據主要來源自中國統計年鑒、Wind數據庫以及各省統計年鑒，缺失的部分數據通過政府部門網站等渠道收集整理得出。

三、實證結果及分析

(一)面板數據平穩性檢驗

為了讓本實證研究的結果更加嚴謹可靠，防止樣本數據在時間序列輸入時可能導致的偽回歸現象，就需要對這些變量的平穩性進行相關檢驗，測試他們的平穩程度以期為下一階段實證研究科學可靠性提供幫助。對所有統計數據依次使用同質和異質面板檢驗分為LLC檢驗、IPS檢驗、Fisher-ADF檢驗和Fisher-PP檢驗等四種單位根檢驗方法，檢驗所有變量的平穩性，如果以上四種檢驗結果中達到或者超過三種拒絕存在單位根，就可判斷數據序列平穩可靠，否則就屬于不平穩。結果見表1。

表1 樣本數據的平穩性檢驗

根據面板數據的四種檢驗結論顯示，所有樣本數據都在1%的統計學水平上顯著，皆通過了平穩性檢驗，后續研究結論的科學準確性得到保證。

(二)產業集聚對創新效率影響的系統GMM回歸結果及分析

產業集聚作為解釋變量其自身有可能會存在內生性現象，研究采用系統廣義矩估計方法(System-GMM)對動態面板模型數據予以回歸分析，這樣盡最大可能地減少變量中樣本偏差，以創新效率滯后項為工具變量對模型進行實證研究。回歸結果如表2，根據結果得出回歸方程都顯示一階序列具備顯著相關，并通過Sargan有效性檢驗，五個回歸方程估計的創新效率滯后項系數依次為0.7417、0.6725、0.6512、0.5435和0.5341，由此可見滯后期作為被解釋變量的加入是科學合理的，也充分說明滯后效應在創新效率中是存在的。每一個模型的工具變量系數在1%水平顯著差異，這表明選擇在方程中置入滯后項不僅是合理的而且非常有必要的，從另一個角度說明以此構建的計量模型也是可行有效的。

表2 動態面板Syst em-GMM模型回歸結果

當產業集聚進行回歸分析，系數為0.0874且在1%水平顯著，正值的系數說明創新效率會受到解釋變量正面促進影響，也就是說產業在區域內的集聚會提升企業的創新效率。因為產業集聚提高了區域內資源要素匹配度，使得創新資源要素得到合理配置，所以會推動創新活動的開展并使得產出增加，集聚帶來的產業關聯效應、勞動生產率效應、知識溢出效應等提升創新成果的輸出并且降低創新成本，驅動企業在創新方面的投入加大。

在控制變量對外開放(OPEN)、人力資本(HR)、經濟發展(EL)、科技水平(TL)因素繼續加入進行回歸檢驗時發現，各變量系數前符號并沒有改變皆為正值并通過顯著性檢驗，說明以上四個控制變量對創新效率有正面影響。對外開放度表明地區對外資的開放水平，當某一地域對外開放水平越高，就表示這一地域外部資本的投資越多，外部資本投資的增加極有可能同步帶來國外先進技術和知識水平，提升區域整體創新效率。人力資源在區域內集聚，使得各企業的交流分享在空間距離上得以減少，有利于企業行業間知識共享技術交流等促進區域創新活動實施。經濟水平高的區域主觀上愿意投入更多資金和政策傾斜于創新發展中，能激發資金等要素在創新發展中配置。科學技術是創新可持續發展動力，科技支出的增加會帶來高效率的產出，進而促進創新效率的提升。

四、結論與政策建議

通過系統GMM模型分析研究得出產業集聚對區域創新效率有正面促進作用，產業集聚能夠顯著帶動區域創新效率的提升。對外開放、人力資本、經濟發展和科技水平四個因素顯著提升區域創新效率，相比較這幾個控制變量而言，產業集聚對創新效率提升影響程度較為一般，產業集聚帶來協作效應的同時也會在企業間形成一定的競爭態勢，區域競爭產生的擁擠效應某種程度上會對創新效率的提升有所影響，根據前文研究提出以下兩點建議。

首先產業集聚需要政府或者行業主導部門有序引導下科學合理集聚。產業集聚規模和程度需要有度，避免產業集聚程度過高帶來過度競爭，防止在集聚區內進行惡意的同質化競爭。政府構建創新發展平臺推動企業創新合作，鼓勵企業加大創新研發資金投入，為企業在創新發展方面提供便捷高質量的公共服務，注重集聚區內的企業在科技創新成果方面的產出提升創新效率。

其次應該創設有利于創新效率提升的外部環境，根據產業集聚的目標有針對性地引進外資及其技術，吸引創新能力強、意愿強、有競爭力的企業和科研院所加入產業聚集區內。在創新人才引進方面，全面構建以創新效率提升為目標的人才引進和培育體制，重視人才在創新活動中的關鍵地位，加大知識和智力資本的投入。高度重視知識產權和創新成果的保護轉化，規避產業內企業間無序重復失衡競爭，推動創新要素合理流動促進產業融合創新。激勵產業集聚區內創新活動開展，全方位推動集聚區內整體創新水平的提升。