石 敏,沈亞男
(1.淮北師范大學數學科學學院,安徽淮北 235000;2.哈爾濱商業大學研究生院,黑龍江哈爾濱 150028)
習近平總書記在“十九大”報告中談到創新發展理念,在轉型升級、新舊動能加快轉換的關鍵時期,加快建設創新型國家尤為關鍵。據《國家創新指數報告》2020 年全球創新指數排名,我國保持上升勢頭,排在第14位,處于中等偏上地位。據國家知識產權局最新數據,全球共有1360 萬件有效專利,其中22%在美國,15%在日本,7%在韓國,9%在中國,可以看出我國創新能力仍有很大的進步空間。“十四五”規劃提出,我國需要加強基礎性研究,以解決關鍵性領域核心研發技術的瓶頸問題,因此提升技術創新能力十分重要。
我國的內部經濟環境較為復雜,創新能力與發達國家除了在國際間存在差距,國內也一直存在經濟發展區域不協調的問題。中國科技統計年鑒數據顯示,2019 年我國專利申請量前10 名的省份中,西部地區一個名額都沒有,東部地區占據了7 個名額,中部地區占據了3 個名額;其中前5 名的省份,全部屬于東部地區,由此可以看出,我國區域之間的創新產出存在顯著差異。《2020人力資本趨勢報告》中顯示,人力資本在區域間也存在顯著的差異,除了區域技術創新投入以及區域技術創新環境等因素是區域技術創新能力的重要影響因素外,人力資本在不同地區存在的顯著差異,也直接或間接地造成區域技術創新能力發展不均衡。
人力資本結構高級化與區域技術創新能力是否存在空間依賴性?如何促進人力資本結構高級化,推動區域技術創新能力保持較快增長,實現向創新型國家的轉變,這是需要我們思考的問題,亦是學術界需要回答的問題。
從目前學者的研究情況來看,人力資本與區域技術創新能力關于空間相關的研究被學者們廣泛關注,主要集中在兩個方面:①人力資本與區域技術創新的關系。姚麗,谷國鋒[1]利用探索性空間數據分析對區域技術創新水平進行深入研究,研究表明高技術產業技術創新能力有明顯的局域性空間集聚,人力資本對區域技術創新的貢獻遠大于資金投入;汪彥、華鋼、曾剛[2]采用空間計量方法對區域技術創新產出進行研究,結果表明長三角城市群技術創新產出具有顯著空間自相關性,其中東、中部的技術創新產出較高,西部地區則較低;方大春,裴夢迪[3]采用地理加權回歸法對我國區域技術創新水平進行深入研究,發現R&D 經費支出對西部區域技術創新水平提升貢獻最大,東、中部的區域技術創新水平提升則主要受R&D 人員投入和人均GDP 的影響,其中低水平人力資本對區域技術創新水平有顯著的抑制作用。②人力資本結構高級化方面的研究。錢曉燁、遲巍、黎波等學者[4]基于空間計量方法研究表明,接受高等教育的從業人員比重越大,越有利于區域技術創新能力的提升;劉智勇等[5]實證分析發現,相較于人力資本存量等其他影響因素,人力資本結構高級化對經濟增長的貢獻更大;張治棟,吳迪[6]實證分析表明,人力資本結構高級化有利于提升長江經濟帶產業創新效率,并且受經濟發展階段與產業類型影響而表現出異質性。各學者的研究發現高質量人力資本的作用越來越重要,人力資本整體對自主創新并沒有顯著作用,而高質量人力資本對創新有顯著的促進作用。
綜上所述,已有研究表明初級人力資本比重在經濟發展進程中逐漸減少,高級人力資本比重在經濟發展進程中逐漸提高,以平均受教育年限測度的人力資本將難以真實反映人力資本效力。從人力資本結構高級化視角探討區域技術創新能力的空間相關性的研究較少,因此將使用探索性空間數據分析方法(ESDA)探討區域技術創新能力、“技術創新-人力資本”的空間相關性狀態,深入探討以初級人力資本向高級人力資本演進為特征的人力資本結構變化與區域科技創新能力的空間相關關系。
人力資本理論指出,在經濟發展諸多影響要素中,最重要的要素就是人,人的質量的提高是關鍵。對于知識技能的消化吸收,不同“質”的人力資本是不同的,而其應用并在此基礎上的創新肯定也有所不同,人力資本又具有向下兼容性的特點,一國或地區為了滿足經濟社會對高素質人力資本的需求,高級人力資本比重的逐漸上升,以此促進人力資本不同類型協調發展,達到人力資本結構的優化。人力資本結構呈現出的變化是具有規律性的,且這種變化是與經濟社會的不斷發展戚戚相關的,所以通過教育這一指標來度量人力資本結構高級化,可以定義為低教育程度人力資本比重的逐漸減少,高教育程度人力資本比重的逐漸增多。
探索性數據分析常使用的是全域空間相關性工具和局域空間相關性工具。總的來說,就是利用一系列方法對數據集進行分析,探索空間內各空間單元屬性值之間的聯系。
(1)全域空間相關性
空間自相關是指某一空間單元的某一屬性值與臨近空間單元上同一屬性值之間存在的空間相關程度。空間相關性分析把空間權重矩陣加入相關性的研究,并計算相關系數。若空間自相關系數為正,表明空間單元之間某屬性值隨著距離的鄰近表現的越相似;若是為負,則表示某屬性值隨距離的鄰近表現的越不同;若是系數為零,則說明某屬性值在空間中呈現隨機分布。
最常用來測量空間相關性的工具是Moran'sI、Geary'sC和Global'G這三種,這里采用Moran'sI。其計算公式為:

其中,n為被測量的所有空間單元數,xi和xj為所有空間單元i區域或j區域的屬性值,為所有區域該屬性值的平均值,wij為空間權重矩陣。
(2)局域空間相關性
局域空間相關性用來刻畫局域空間單元即某一單元與周圍空間單元的屬性值的分布特征,全局空間相關性則是用來刻畫整個空間單元的屬性值的分布。局域空間相關性與全域空間相關性的結論并非完全一致,全域空間相關性分析得到空間單元之間存在空間相關性的結論,局域空間相關性分析并不一定得到空間相關的結論;同樣,全域空間相關性分析得出不存在空間相關性的結論時,局域空間相關性分析也有可能會得到某一空間單元與周圍空間單元存在空間相關的結論。局域空間相關性分析工具主要包括局部Moran'sI統計量、局部Geary'sC統計量和局部Global'G統計量,其中常用的是局部Moran'sI。局部Moran’sI公式如下:
技術創新過程可分解為兩個過程: 第一個是技術開發過程,第二個是技術轉化過程。首先是將技術創新投入變成技術性科技成果的過程,然后是將技術性科技成果轉化成商業化產品的過程。此次主要研究技術開發階段,區域技術創新能力借鑒蘆峰等(2015)的文獻研究,從創新產出角度選定專利申請數作為區域技術創新能力的衡量指標。
關于人力資本結構高級化指數的測算,借鑒靖學青[7]的產業結構高級化度量方法,首先將從業人員按研究生、本科、專科、高中、中等職業5 類受教育程度依次由高至低排列,將它們的比重設為Hj(j=1,2,3,4,5),Hj的權重Wj參見伏潤民[8]的做法,則人力資本結構高級化指數:

數據來源于2009-2020 年《中國統計年鑒》、《中國科技統計年鑒》、《中國勞動統計年鑒》、《中國人口和就業統計年鑒》、《中國教育統計年鑒》、《全國教育事業發展統計公報》、《中國科技人力資源發展研究報告》、《國民經濟和社會發展統計公報》、各省統計年鑒和科技部網站。
空間權重矩陣是數據空間結構的表現形式,是對空間單元之間空間關系的量化,主要表達的是空間相鄰或空間距離的位置關系以及空間之間社會、經濟等屬性關系。空間權重矩陣的一般表達式為:

其中,n代表空間單元的數量,wij衡量i地區和j地區在空間上的量化關系。
研究內容是我國31 個省的技術創新能力,距離空間權重矩陣和K 臨近空間權重矩陣都是基于空間單元之間的地理位置關系進行測算的。我國不存在省之間以點相鄰的情況,因此采用鄰近空間權重矩陣。
表1 顯示,2008-2019 年每年的Moran'sI均顯著大于0,且P值均小于0.1,從整個空間單元屬性值的分布來看,我國技術創新能力在空間上存在顯著的正向相關性。空間鄰接矩陣下Moran'sI呈現先上升后回落的趨勢。2010 年Moran'sI達到了最大值0.243,說明在2010年區域間的技術創新溢出效應相對較強,這可能與“十一五”規劃突出強調加強自主創新,建設創新型國家有較大關系,區域間的溢出效應較強;之后Moran'sI呈現下降,這可能是區域間的創新溢出引導區域間的差異逐漸趨同,從而導致區域間的收斂效應出現。

表1 我國區域技術創新能力全域空間相關性檢驗
從圖1 可以看出,2008 年與2019 年我國各區域多數處于一、三象限,表明我國區域技術創新能力在空間上存在正相關關系,其中位于第三象限的地區數量最多,說明處在低低聚集區的地區最多,較低的技術創新能力伴隨較低的技術創新能力。2008 年與2019 年的Moran 散點圖可發現,第二象限的區域數量明顯減少,第一象限的區域數量有所增加,這可能是低技術創新能力的區域與高技術創新能力的區域相鄰,受其輻射帶動。

圖1 我國區域技術創新能力的Moran散點圖
由表2 可以看出,我國區域技術創新能力位于H-H 聚集區以及H-L 孤島區的省較少,L-H 空心區相對多一點,L-L 蕭條區省數量最多。其中穩定位于H-H 聚集區的有4個省:山東、江蘇、上海和浙江。安徽和福建在2019 年也位于第一象限,說明這些省的技術創新產出較高,并且這些省鄰近的也是技術創新能力比較強的省,空間分布呈現出高技術創新能力與高技術創新能力集聚的現象。穩定位于L-H 的省有4 個:天津、湖南、廣西和江西。表明低技術創新產能力的省被高技術創新能力的省包圍,即存在負向空間相關性,在空間上呈現出空心區的現象。穩定位于L-L 的省大多處于我國的中、西部地區,在空間上呈現出較低技術創新能力區域聚集的現象。穩定位于H-L 的有3 個:北京、廣東和四川,這表明高技術創新能力被低技術創新能力的省份包圍,在空間上呈現出孤島現象。正如北京技術創新產出較強,而其鄰近的天津、河北卻是技術創新產出較低的地區。

表2 我國區域技術創新能力局域空間分布結果
為探討某一空間單元的技術創新能力與其鄰近空間單元人力資本之間的空間相關性,采用雙變量Moran'sI統計量來進行研究,雙變量Moran'sI的計算公式如下:

其中,xi代表i區域的區域技術創新能力,yj代表j區域的人力資本結構高級化指數。
由表3 可以看出2008-2019 年,每年的Moran'sI均顯著大于0,且P值均小于0.05,從整個空間單元屬性值的分布來看,我國某一空間單元的技術創新能力與鄰近空間單元的,人力資本在空間上存在顯著的正相關性,這表明技術創新能力水平較高的省份往往和人力資本水平較高的省份鄰近,低技術創新能力的省份與低人力資本水平的省份聚集。空間鄰接矩陣下2013 年Moran'sI絕對值達到了最大值0.256,可能的原因是區域間技術創新能力較好的地區更容易吸引鄰近區域高水平人力資本集聚,之后Moran'sI絕對值整體呈下降態勢,這可能是“十二五”規劃提出推動區域協同發展,建設高素質人才隊伍的號召,區域間擴散效應起著重要作用。

表3 我國“技術創新-人力資本”全域空間相關性檢驗
局域空間相關性分析可以用來刻畫局域某一單元的技術創新能力與周圍空間單元間的人力資本結構高級化的分布特征,全局空間相關性分析則是用來刻畫整個總體層面的區域技術創新能力與人力資本結構高級化的空間相關性。因此為了了解各區域的空間局域分布的真實狀況,使用雙變量局域Moran'sI來測度局域空間相關性,其計算公式如下:

其中,xi表示i空間單元的區域技術創新能力,yj表示j空間單元的人力資本結構高級化指數,統計量近似服從標準正態分布,因此其統計檢驗與全域Moran'sI相同。
從圖2 中可以看出,2008 年與2019 年我國各區域大都處于一、三象限,表明我國區域技術創新能力與人力資本在空間上存在正相關關系,高技術創新能力的省技術創新水平提升可能對鄰近省人力資本水平提升起到促進作用。其中位于第三象限的地區數量最多,說明較低技術創新能力與較低人力資本的區域相鄰的較多。由2008年與2019年的Moran散點圖可對比發現,其中第一象限即高技術創新能力與高人力資本水平鄰近的區域數量增加,這可能是低技術創新能力的區域受其相鄰高人力資本區域擴散效應的作用,其技術創新能力有所提升。

圖2 我國“技術創新-人力資本”的Moran散點圖
由表4可以看出,我國“技術創新-人力資本”局域空間相關性穩定位于H-H 的有4個省:北京、江蘇、上海、浙江,說明這些省的技術創新產出較高,并且這些省鄰近人力資本較強的省,在空間上呈現出高技術創新能力與高人力資本集聚的現象。穩定位于L-H 的省有2個:天津、河北。說明技術創新產出低的省被相鄰人力資本高的省包圍,在空間上是負相關關系,呈現出空心分布的現象。穩定位于L-L的省大多處于我國的中、西部地區,數量較多,在空間上是正向相關關系,呈現出低技術創新能力與低人力資本區域聚集的現象。穩定位于H-L的省有1個:廣東,這表明其本身技術創新能力水平高,而其周圍鄰近的省人力資本處于較低的水平。正如廣東技術創新產出較強,而其鄰近省卻是技術創新產出處于較低的水平。

表4 我國“技術創新-人力資本”局域空間分布結果
基于2008-2019年31個地區的面板數據,利用從業人員受教育比重構建人力資本高級化指數,據此研究了其與區域技術創新能力的空間相關性,得到如下主要結論:區域技術創新能力具有顯著的正向空間相關性,隨著時間的不斷發展,空間集聚分布的現象呈現出先增強后減弱的態勢;2008 年與2019 年位于第一、三象限的省高達22個以上,大多位于東部沿海和西部地區。“技術創新-人力資本”也具有顯著的正向相關性,我國處于蕭條區的省市數量較多。
區域技術創新發展不平衡,中西部地區技術創新能力較為落后,東部地區技術創新能力較高,因此加強區域間創新合作,促進區域協調發展尤為重要。落后區域可以通過與發達區域加強合作吸收其擴散效應以提升自身技術創新能力,區域間可以加強產學研合作,鼓勵協同區域間高等院校、科研機構、企業等共性技術聯合攻關,加快科研成果轉化;搭建人才信息交流平臺,鼓勵人才相互交流合作學習,實現資源共享,對區域間技術創新的合作交流起到促進作用,推動區域技術創新協同發展。
技術創新能力具有空間依賴性,為促進區域技術創新能力提升,政府應努力縮小地區間人力資本結構高級化的差異,把控好人力資本結構高級化地區差異的重點與著力點。首先,應對中、西部落后地區加大教育投資力度,提升其高等教育人力資本的比重,縮小與東部地區的差距;其次,在保障中、西部地區基礎教育的前提下,鼓勵其接受高等教育,政府應大力發展高等教育,擴大高等教育、繼續教育等院校的辦學規模,提升教學質量,出臺針對西部生源的優惠政策,并且中、西部地區的高等院校也應學習東部地區先進優秀的人才教育管理方法,建設人才交流平臺,培養出更多高質量創新型人才,實現區域技術創新能力的協調發展。