江蘇省創新要素集聚對經濟增長的空間溢出效應研究

徐朋輝，趙喜倉，李海莉

(1. 江蘇大學 管理學院， 江蘇 鎮江 212013；2. 皖南醫學院 人文與管理學院, 安徽 蕪湖 241002)

在信息技術革命的推動下，要素集聚的狀態逐漸顯現，越來越多的創新要素自主轉移到一些產業或區域中心，實現創新要素的空間調整與集聚，形成若干創新要素集聚中心。隨著創新要素集聚程度的不斷提高，創新要素可能會通過溢出效應，發揮對本地區或鄰近地區的溢出與輻射帶動作用，推動本地及鄰近地區經濟的發展。北上深廣作為中國的四大一線城市，也是中國的創新要素集聚中心，發揮著類似的集聚和擴散效應，推動著本地及周邊地區的經濟發展。江蘇省作為我國經濟強省和創新強省，在我國經濟進入新常態背景下，如何發揮創新要素的集聚與擴散效應，帶動本地及周邊地區實現經濟發展方式的轉型升級，實現經濟高質量發展，對此進行深入研究既可以豐富有關理論，又可以為江蘇省相關政府部門制定區域創新發展戰略提供量化支撐。

一、文獻綜述

(一)創新要素集聚的內涵研究

經濟活動空間上的非均勻分布并呈現局部集中，這種現象被學者稱為集聚經濟。產業要素空間集聚有利于知識溢出和創新。集聚經濟通常被認為是區域經濟增長的重要因素。Cooke最早提及創新要素集聚。楊晨、劉和東、張宓之和郭慶賓等學者對創新要素集聚的內涵與過程、演進的機制進行了研究[1-4]；馮南平、江永真、遲景明、童紀新、周元元等學者分別從創新要素集聚的引導策略、集聚能力、集聚度測度、集聚效應等方面拓展了創新要素的內涵研究[5-9]。趙陸通過研究提出：人才、技術、知識等創新要素集聚能夠通過溢出效應、竟合效應、馬太效應等途徑帶來更多創新資源[10]，產生更高的創新效益[11]，影響企業或區域的自主創新產出。創新要素的空間集聚不是創新要素的簡單疊加，而是創新要素在空間集聚過程中的彼此關聯、相互依存[12]，還需要以經濟活動或產業集聚為依托或載體[13-15]。創新要素通過自由流動、合理配置、優化整合等實現高強度創新投入以及大規模創新產出[3]。

因此，結合上面理論研究可認為創新要素集聚包括兩層內涵：一是從類型來說，將創新要素分為創新人才、創新資金和創新技術知識三種；二是從要素集聚機制來看，通過政策引導、市場對接等機制將具有流動性、動態性的不同創新要素優化組合在一起，實現更多創新要素集聚。

(二)創新要素集聚空間溢出效應相關研究

空間溢出效應是指一個組織的某種行動不但會對本組織或本地區自身產生某種影響，而且會對相鄰或者相近的組織或地區產生相應的影響[16]。技術溢出效應是指位于創新集聚中心的周圍或鄰近地區會通過要素流動、FDI、貿易等渠道不斷從創新集聚中心地區獲得擴散、輻射、轉移來的技術知識因素等創新要素，從而刺激本地區的迅速發展和技術革新。余泳澤、賴一飛、陶曉麗、吳衛紅、史安娜等學者分別從主題分類角度、區域角度、高校視角等來研究了創新要素集聚與經濟增長之間非線性的促進作用[17-21]。

雖然國內外學者對創新要素集聚已有一定研究，但仍存在三個問題：一是關于創新要素類型的分類還沒有定論，大多數學者主要針對某一類型創新要素集聚進行經濟效應分析，例如人力資本要素集聚[22,23]、金融要素集聚[24]等，缺乏綜合考慮創新要素的分類問題；二是大多數學者主要應用聯立方程、固定影響變系數模型和MATLAB中曲線擬合工具箱來研究創新要素集聚的影響[9,11,18]，使用空間計量模型的相關研究還很少；三是作為長三角地區科技創新中心的重要組成部分，江蘇省創新要素集聚能力有待進一步研究[13,18,21]。

因此，本文擬做兩方面的拓展。第一，從研究視角上予以拓寬，將創新要素分為創新資本、創新人力和創新技術知識三類，試圖分別從這三種創新要素視角來考量創新要素集聚引致的經濟增長效應；第二，研究方法上，運用空間杜賓模型(SDM)來驗證江蘇省13個城市的創新要素集聚對經濟增長的空間溢出效應。

二、指標選取與理論說明

(一)指標選取

本文主要選取13個地級市人均GDP作為被解釋變量來考察江蘇省創新要素集聚對區域經濟增長空間溢出效應的影響，用PGDP來表示。解釋變量分為兩種：核心解釋變量和控制變量。核心解釋變量包括創新要素集聚區位熵(LQz)，控制變量為外商投資水平(FDI)和創新效率(IE)。

學者們經常采用區位熵這個指標來衡量地區的創新要素集聚狀況，本文參照唐紅祥、時樂樂和趙軍等學者的研究，也采用區位熵(LQz)來衡量江蘇省13個地級市相對于全國創新要素集聚的情況[25,26]。本文認為史安娜、周元元等學者選用創新資金集聚度來衡量創新要素的集聚水平是有缺陷的[9,21]。創新要素集聚不僅僅是由創新資本推動，還有創新人力要素和創新技術知識要素的集聚，三者之間相互促進，缺一不可；先有創新人力要素在適當的創新資本要素推動下產生創新技術知識要素，創新技術知識要素逐漸積累達到一定閾值之后推動當地的經濟、社會、科技發展，進而會吸引區域內外大規模的創新人力要素和創新資本要素進入，實現創新人力要素、創新資本要素、創新技術知識要素的良性循環。美歐日一些國家或地區依靠本身經濟發達、創新人才集聚、資本集聚、待遇優厚和科研實力雄厚(技術知識集聚)的優勢，每年大規模吸引著全世界的優秀人才，這些高技術知識型人才的加入為其技術進步和經濟發展提供了不竭動力，也就是我們常說的“虹吸效應”。我國的發達中心城市也不例外，上海、北京、深圳和廣州等一線城市依靠虹吸效應吸引著大量創新人力要素、創新資本要素、創新技術知識要素的集聚，是我們國家的創新中心地，也稱為“創新要素池”。因此我們分別選用R&D人員數量、R&D經費總額和專利申請量來度量創新人力要素、創新資本要素和創新技術知識要素，將它們作為核心被解釋變量(表1)。其計算公式如下：

(1)

新古典增長理論、新增長理論以及新制度經濟學理論指出，FDI可以通過資本積累、技術進步、技術擴散效應、干中學效應以及制度變遷等途徑或機制來推動東道國經濟增長，這表明對外開放水平(FDI)越高，越能夠促進經濟增長[27,28]。因此，本文采用外商企業投資總額與該地市GDP的比值來表示每個城市的對外開放水平(FDI)。

創新效率(IE)反映一個地區(國家)通過創新資源的投入獲得的創新產出的數量，以及創新行為的投入產出比。根據阿羅、羅默和盧卡斯等人提出的內生新增長理論可知：作為內生變量的技術創新是經濟增長的源泉。因此創新資源投入越多越能獲得更多的創新產出。創新效率的提高依賴于各類創新資源的不斷投入與優化配置，通過不斷提高技術水平和創新能力來推動經濟增長，產生創新驅動效應。

表1 模型變量說明

(二)空間自相關和集群分析方法

學者們使用空間自相關指數Moran’s I來檢驗區域創新及創新集群現象的空間相關性存在與否。

(2)

其中i表示第i地區的觀測值(如專利數)，n為地區總數，為二進制的鄰接空間權值矩陣，取值范圍[-1,1]。

(三)模型設定

空間杜賓模型(Spatial Durbin Model，SDM)是空間滯后模型(Spatial Lag Model，SLM)和空間誤差模型(Spatial Error Model，SEM)的一般形式，綜合了被解釋變量和解釋變量的空間滯后因素對被解釋變量的影響，能夠從時間和空間兩個維度有效捕捉環境規制的外溢性,是最新的空間計量模型。因此本文選取空間杜賓模型作為研究模型，將各個空間變量引入SDM模型來檢驗空間溢出效應，其中W*LnFDI表示對外開放水平、W*LnIE代表創新效率、W*LnLQ1表示創新資本要素集聚水平、W*LnLQ2代表創新人力要素集聚水平、W*LnLQ3代表創新技術知識要素集聚水平，模型表達式為：

(3)

式中i表示地區，t表示時間，Wij為二進制的鄰接空間權重矩陣，μi表示空間效應，νt表示時間效應。

(四)變量的四分位圖和自相關性檢驗

首先我們使用GeoDa軟件繪制2008年、2013年和2017年主要變量的四分位圖，探討創新人才要素、資金要素和技術知識要素集聚程度和被解釋變量經濟增長這兩個主要變量的空間自相關性以及空間演變過程(見圖1-12)。

圖1到圖3分別為江蘇省13個地級市經濟增長(PGDP)的四分位圖。可以看出，經濟增長(PGDP)存在顯著的空間地理分布特征，蘇南城市的經濟發展水平普遍高于蘇中和蘇北地區。其中南京、蘇州和無錫這些年一直穩定處于第一類別沒有變化，PGDP水平一直處于全省前列，這主要是由于蘇南地區經濟基礎較好。從2008年到2017年間，常州、鎮江、揚州和南通四個城市一直處于第二類。徐州和泰州穩定處于第三類別；從第三類轉變為第四類的只有鹽城，從第四類轉變為第三類則有淮安。連云港和宿遷PGDP從2008年到2017年一直處于第四類，GDP排名每年都很靠后。這再一次印證了蘇南的經濟好于蘇北和蘇中。

從圖4到圖12可以看出，蘇南城市的區位熵LQ1、LQ2、LQ3比較高，穩定處于第一和第二類別，其中南京市這些年一直處于第一類別。作為江蘇省會城市，南京集聚了全省最優質的創新資源，尤其是高校科技資源，因而創新要素集聚區位熵LQ1、LQ2、LQ3一直領跑全省。蘇州和無錫三類創新要素區位熵也基本都在第一象限，這說明經濟發達地區的創新要素集聚更為顯著。常州和南通十年間沒有發生轉變一直處在第二象限。鎮江的LQ1和LQ2則從第二象限向第三象限轉移，說明近十年鎮江市創新要素集聚速度相對于周圍城市如南京和常州明顯較慢，究其原因，鎮江市雖然在蘇南地區，但由于自身經濟發展偏慢而難以吸引創新要素集聚。揚州和泰州的LQ3從第三象限向第二象限轉變，主要是受到了蘇南地區的輻射和外溢效應影響，開始出現明顯的創新要素集聚現象。蘇北地區的連云港、淮安和宿遷三個地區的區位熵LQ1、LQ2、LQ3一直較低，處于第四象限，呈現較低的水平。徐州地區LQ1則從第三象限向第二象限轉移，LQ3則從第二象限向第三象限轉移，呈現較低水平，這說明雖然徐州加大創新資本要素的投入，但是創新的技術知識要素集聚反而下降，也就是說其創新人力資本集聚和創新資本集聚效應沒有發揮出來，創新效率反而不斷降低。

以上從四分位圖出發，初步探討了創新要素集聚區位熵系數和經濟增長(PGDP)的空間相關性。下面通過對主要變量進行空間自相關性檢驗來驗證創新要素集聚對經濟增長是否存在空間溢出效應(表2)。

表2 江蘇省2008—2017年各項指標的Moran’s I指數值

從表2可知，經濟增長(PGDP)的Moran’s I指數逐年上升且較為顯著。這表明江蘇省區域經濟增長的空間相關性越來越明顯，但2011年除外。就區位熵而言，LQ1、LQ2、LQ3的指數均有正負值，從2012年到2017年總體來看通過了10%的顯著性水平檢驗，由此得出江蘇省省內13個城市創新要素集聚水平逐漸提高。對外開放水平(FDI)的Moran’s I指數逐年上升，表明13個城市對外開放水平的空間相關性逐漸呈現。對于創新效率指標來說，其Moran’s I指數均為負數，和其他指標相比，顯著性水平較低，表明江蘇省各個地級市內部經濟發展水平差異較大，溝通協作交流較少。從投資水平來看，其檢驗值呈現出較小幅度的波動趨勢，說明投資水平的質變空間一直存在，且有較高的顯著性水平。

(五)空間溢出效應檢驗

與隨機效應模型相比，固定效應模型能夠更好體現區域個體之間的差異性進而深入了解溢出效應的結果，具體結果詳見表3。

表3 SDM面板模型三種效應設定結果

SDM面板模型(1-3)中的空間自回歸系數ρ，只有SDM模型(2)中的ρ系數為0.312 2且顯著，這表明江蘇省省內相鄰城市之間的創新要素集聚與經濟發展存在顯著的空間相關性。Elhorst認為對于含有空間滯后因變量的面板數據模型中Corrected.R2比R2指標更合理[29]。SDM(2)模型中的擬合優度Corrected.R2在SDM模型(1-3)中是最高的0.847 8，SDM(2)模型中的自然對數似然函數值(Log likelihood，LogL)和似然比率(Likelihood Ratio，LR)值在SDM模型(1-3)中是最大的。表3，SDM面板模型三種效應設定結果中只有SDM(2)中大多數解釋變量通過10%的顯著性水平檢驗，SDM模型(1)和模型(3)只有一部分解釋變量通過10%的顯著性檢驗。因此我們選擇SDM(2)來進行空間效應分析更合適。在SDM(2)模型中，創新資本要素集聚(LQ1)、創新人力要素集聚(LQ2)和創新技術知識要素集聚(LQ3)的回歸系數分別為0.120 5、0.902 3和0.123 2，且顯著，這說明江蘇省13個地級市的三種創新要素集聚都對經濟增長產生較顯著的促進作用。對外開放水平(FDI)和創新效率(IE)的回歸系數分別為0.103 2和0.318 1，且都顯著，這說明它們對經濟增長也發揮較顯著的促進作用。空間滯后解釋變量創新資本要素集聚(W*LnLQ1)、創新人力要素集聚(W*LnLQ2)、創新技術知識要素集聚(W*LnLQ3)的回歸系數分別是0.405 8、-0.130 9、-1.093 7，但只有創新技術知識要素集聚具有(LnLQ3)顯著性。這說明考慮空間效應之后，江蘇省13個城市創新要素集聚沒有對鄰近城市的經濟增長產生較顯著的促進作用，甚至阻礙了相鄰地區的經濟發展。空間滯后解釋變量對外開放水平(W*LnFDI)和創新效率(W*LnIE)的回歸系數分別為0.340 1和0.513 0，但只有FDI顯著，說明相鄰地區的外商投資行為存在空間溢出效應；而鄰近城市的創新效率沒有通過10%的顯著性檢驗，說明江蘇省13個城市創新效率沒有對鄰近城市的經濟增長產生顯著的促進作用。為了更加精確分析空間溢出作用的途徑和方式，我們借鑒Le Sage and Pace的做法，從直接效應、間接效應以及總效應三個維度來具體探討各變量的空間溢出效應的路徑(見表4)[30]。

表4 累積效應標量的描述性統計表

從表4的結果來看，創新資本要素集聚(LQ1)的直接效應、間接效應和總效應系數都顯著，且分別為0.071 2、0.101 0和0.172 2，這表明江蘇省13個城市的創新資本要素具有溢出效應，各個城市增加創新資本要素不僅會促進本地區的經濟增長，還會促進其他相鄰城市的經濟增長，從而有利于江蘇省整體經濟水平的提高，這是一個互動共贏的博弈。

創新人力要素集聚(LQ2)的直接效應通過10%的顯著性檢驗，系數為0.198 1，即江蘇省13個城市的創新人力資本集聚導致人力資本存量的提高會促進經濟增長，這與其他學者的研究結論基本一致。但是間接效應雖顯著卻為負值，等于-0.127 2，可能是因為短時間內創新人力資本存量是相對不變或固定的，某些城市的創新人力資本的增加導致其他地區所擁有的創新人力資本數量的減少，從而降低其經濟增長的速度，即間接效應為負。這與江蘇省的實際情況相符，該省的創新人才主要集中在蘇南經濟發達的城市——南京、蘇州、無錫、南通等，而蘇北或蘇中地區由于經濟落后，創新人才相對匱乏。因此，江蘇省應該著力解決上述問題，充分發揮創新人力資本集聚對經濟增長的提升作用。

創新技術知識要素集聚(LQ3)直接效應、間接效應以及總效應的系數分別為0.123 1、0.081 9和0.205 0，且都顯著。這說明13個城市的創新知識技術要素集聚對本地區的經濟增長具有顯著的促進作用，也說明江蘇省各個城市的創新知識技術要素具有溢出效應，即各個城市增加創新知識技術要素投入不僅會促進本地區的經濟增長，還會促進其他相鄰城市的經濟增長，從而有利于江蘇省整體經濟水平的提高，這是一個協同發展合作共贏的局面。

對外開放水平的直接效應、間接效應以及總效應系數分別為0.369 6、0.094 8和0.464 4，且顯著，表明江蘇省13個城市外商投資水平的溢出效應主要體現在對本市的經濟增長，對相鄰城市的影響也有集中體現。

創新效率的三種效應系數分別為0.345 6、0.654 5和1，且都顯著，這表明創新效率不僅顯著促進本地區經濟增長，還對鄰近地區的經濟增長具有較顯著的空間溢出效應。由于其間接效應小于直接效應，這種促進作用對本市經濟增長的影響程度遠遠高于對相鄰市區的外溢程度。

三、研究結論與啟示

(一)研究結論

本文將創新要素分為創新資本要素、創新人力要素和創新技術知識要素，采用區位商方法計算了三種創新要素集聚水平，并利用空間杜賓模型重點考察了創新要素聚集對經濟增長的空間溢出作用。主要研究結論有以下幾點。

其一，從整體來看，雖然江蘇省13個地級市之間存在創新要素集聚的現象，但是13個城市之間創新要素集聚的程度差別比較大。這13個地級市在經濟活動上具有顯著的空間相關性，相鄰地區存在顯著的空間依賴性以及溢出效應。Moran’s I檢驗結果表示，相鄰市域的空間依賴性以及溢出效應比較明顯，周圍地區的經濟創新發展與本地區緊密相關。

其二，從行政區劃分看，蘇南地區如蘇州、南京、無錫等城市的創新要素集聚程度顯著高于蘇中和蘇北地區，區域差異巨大。蘇南地區的創新資本要素、創新人力要素和創新技術知識要素區位熵指數比較高，蘇中次之，蘇北最低。蘇南地區的創新發展水平帶動了江蘇省創新水平的快速發展，使得蘇中和蘇北地區逐漸低于全省平均水平，在蘇南地區創新要素趨于集聚。這和實際情況相符合，自改革開放以來，蘇南沿海地區經濟發達，眾多高科技行業均集中于此，因而創新發展水平顯著高于蘇中和蘇北地區。

其三，從空間溢出效應來看，江蘇省13個地級市的創新要素集聚均對周邊地區產生較強的空間溢出及輻射作用。從總效應的角度來說，創新資本要素集聚、創新技術知識要素集聚、FDI和創新效率均可以顯著帶動市域經濟的增長。從直接效應來看，各個變量均對本地區和周邊地區的經濟增長有顯著的輻射作用，其中FDI的直接效應最大。從間接效應來看，除了創新人力要素集聚，其他各個變量均對周邊地區的經濟增長有顯著的輻射作用，其中創新效率的間接效應最大。橫向比較來看，間接效應均大于直接效應的有創新資本要素集聚和創新效率，表明它們對周邊地區的影響程度大于對本地區經濟增長的影響程度，說明它們的輻射以及外溢作用較強。直接效應均大于間接效應的有創新人力要素集聚、創新技術知識集聚和FDI，這表明它們對本地區經濟增長的影響程度顯著大于對周邊地區的影響程度，其輻射以及外溢作用比較弱。

(二)啟示

1.創建創新集聚中心，發揮空間輻射效應。實證結果表明：南京、蘇州、無錫以及徐州地區的創新發展水平普遍高于省內其他城市。因此，以南京、蘇州、無錫為中心的蘇南創新集聚中心，以徐州為創新集聚中心的蘇北地區應充分發揮中心城市的空間輻射效應，打造省內“三級聯動”的創新發展格局，充分利用創新要素集聚對經濟的空間溢出作用，帶動省內13個城市經濟的協調發展。

2.優化創新環境，促進經濟增長。實證結果顯示：一方面，創新資本和技術知識要素以及FDI均對經濟增長產生空間溢出效應，再次證明較高的創新要素集聚水平和FDI有利于促進經濟發展；另一方面，創新人力要素集聚則沒有對地區經濟增長產生明顯的促進作用，這表明江蘇省創新人力優勢沒有充分發揮出來。因此，江蘇省政府要加大財政、稅收、人才、住房等政策環境的支持力度，促進區域經濟高質量發展。

3.改革創新要素供給側，提升創新效率。模型的實證結果表明：反映一個地區的創新水平和對創新發展需求的創新效率具有顯著的空間相關性，其對區域經濟增長具有顯著的促進作用。因此，政府應積極穩妥地推進創新要素供給側改革，努力調整和優化創新要素結構，通過制定與實施有效政策措施，來充分發揮創新要素集聚的空間溢出效應，制定各地區利益共享機制，帶動江蘇省各地區的經濟增長。