集聚外部性對我國高新技術產業創新效率的影響

摘"要：應用靜態模型對我國各省份高新技術產業創新效率進行評估，并運用空間誤差模型探究馬歇爾外部性、雅各布外部性和波特外部性對高新技術產業創新效率的影響，發現我國高新技術產業創新效率存在顯著的空間相關性和空間溢出效應。結果表明：馬歇爾外部性對高新技術產業創新效率影響為負，說明專業化集聚不利于創新效率的提升，而雅各布外部性和波特外部性的影響為正，說明多樣化集聚和企業競爭有助于提高創新效率；東部地區高新技術產業創新效率受益于雅各布外部性，被波特外部性抑制；中部地區高新技術產業創新效率受益于馬歇爾外部性、雅各布外部性和波特外部性，而西部地區受益于雅各布外部性和波特外部性；大、中規模人口的省份雅各布和波特外部性促進高新技術產業創新效率的提高。

關鍵詞：高新技術產業；創新效率；集聚外部性；靜態模型；空間誤差模型

中圖分類號：F 276.44文獻標識碼：A文章編號：1672-7312（2024）02-0129-12

The Effect of Agglomeration Externality on Innovation

Efficiency of Chinese High-tech Industry

SHI Xiongtian1，WU Fengqing2，YU Zhengyong1，CHEN Yang1，DAI Lili3

（1.School of Business Administration and Tourism Management，Yunnan University，Kunming 650500，China；

2.School of Economics and Management，Yanshan University，Qinhuangdao 066000，China；

3.Business School，University of Southampton，

Southampton，Hampshire，England，S015 2UA，UK）

Abstract：The static model is used to evaluate the innovation efficiency of high-tech industries in various provinces in China，and the spatial error model is used to explore the influence of Marshall externality，Jacobs externality and Porter externality on the innovation efficiency of high-tech industries in China.The results show that the Marshall externality has a negative effect on the innovation efficiency of high-tech industries，indicating that specialization agglomeration is not conducive to the improvement of innovation efficiency，while the Jacobs externality and Porter externality have a positive effect，indicating that diversification agglomeration and firm competition are conducive to the improvement of innovation efficiency.The innovation efficiency of high-tech industry in eastern China benefits from Jacobs externality，but is inhibited by Porter externality.The innovation efficiency of high-tech industries in the central region benefits from Marshall externality，Jacobs externality and Porter externality，while the western region benefits from Jacobs externality and Porter externality.The Jacobs and Porter externality of provinces with large and medium populations promote the innovation efficiency of high-tech industries.

Key words：high-tech industry；innovation efficiency；agglomeration externality；static model；spatial error model

0"引"言高新技術產業是引領科技進步和產業高質量發展的重要載體，新一輪的科技革命引發了人工智能、數字化、機器人等一系列的電子信息產業的崛起。加速傳統制造業向現代化企業的轉型升級，促進以高新技術產業為代表的先進制造業的快速發展，為此，我國政府對高新技術產業給予了大量的政策支持，包括稅收優惠、資金扶持、研發支持等，以促進高新技術產業的創新和發展。

高新技術產業的進步發展一方面依靠內部的技術研發和創新，另一方面依靠從外部獲得的技術進步。而產業集聚的外部性通過虹吸效應和知識溢出效應等方式，在推動高新技術產業創新發展方面發揮關鍵作用。高新技術產業集聚能充分發揮知識溢出效應，但過度集聚會造成惡性競爭等問題。基于此，文中從產業集聚角度探討不同的集聚外部性對高新技術產業創新效率的影響，從而為高新技術產業實現高質量發展提供理論和實踐借鑒。

產業集聚對區域創新活動的影響一直是學術界熱門研究話題，FAN C C等[1]和TVETERASR等[2]認為區域集聚外部性與生產力之間存在很強的正相關關系，而且產業集聚外部性的不同會帶來生產活動的不同。從現有文獻中，將集聚外部性分為3種：馬歇爾外部性、雅各布外部性、波特外部性。其中馬歇爾外部性又被稱為專業化集聚，表示同行業企業的專業化集聚有助于知識外溢，促進創新[3]；雅各布外部性又被稱為多樣化集聚，表示互補企業的多樣化集聚有助于知識外溢，促進創新[4]；波特外部性又被稱為競爭集聚，表示知識外溢是由于企業間相互競爭，競爭關系迫使企業進行創新[5]。高新技術產業在區域創新活動起重要作用，其集聚外部性在資源優化配置、吸引人才、創新生態網絡等方面有一定的優勢，所以針對現有的集聚外部性分類，探討不同的高新技術產業集聚外部性的作用機制具有一定的研究價值。

目前對于產業集聚外部性的研究，主要集中在哪種集聚外部性對產業創新水平或者區域效率更為重要。VAN DER PANNE G[6]認為對于研發密集型企業和小型企業，馬歇爾外部性比雅各布外部性更利于促進區域創新。EJERMO O[7]以瑞士城市的專利申請為研究對象，發現馬歇爾外部性和雅各布外部性能影響城市經濟發展，但雅各布外部性影響更為顯著。GROOT S P T等[8]以荷蘭地區工資為研究對象，證明了馬歇爾外部性的存在，并發現雅各布外部性和波特外部性對工資增長影響為負。鄭冠群等[9]發現波特外部性驅動制造業企業創新的機制。此外，也有從行業特質角度進行集聚外部性的探討，SHEN N等[10]探討了集聚外部性對中國環境效率的影響，研究發現馬歇爾外部性和雅各布外部性導致產業集聚與環境效率之間呈U型曲線關系。郭新茹等[11]探究了地理集聚是否提升我國文化產業發展質量，研究結果表明地理集聚對當地文化產業發展質量的影響主要通過馬歇爾外部性實現，對鄰近地區文化產業發展質量的影響主要通過波特外部性實現，而雅各布外部性的正向作用尚未顯現。袁華錫等[12]的研究發現，從長江經濟帶制造業集聚的經濟效益和環境效益出發，馬歇爾外部性和雅各布外部性有助于提升區域綠色發展福利，波特外部性卻表現為負向作用。以上研究都取得了一定的成果，但主要從單一集聚外部性或者2個集聚外部性角度來探討產業集聚外部性對產業創新水平或者區域效率的影響，缺少從多種集聚外部性角度來進行研究。

高新技術產業作為科技創新的重要支柱產業，現有的研究主要從高新技術產業投入和產出來計算高新技術產業創新效率，來反映高新技術產業的創新水平[13]。對于創新效率的計算，主要集中在DEA和SFA方法上[14-15]。DEA方法通常不考慮外部環境因素和隨機誤差對效率的影響，可能導致效率評估結果的偏差；而SFA考慮了隨機誤差，但對外部環境因素的處理可能不如DEA方法靈活。基于此，常用的創新效率測度方法存在一定的不足，需要采用更為精確全面的測量方式。此外，現有研究從產業集聚角度研究高新技術產業的主要集中在探究高新技術產業的馬歇爾外部性和雅各布外部性對區域創新水平的影響，從專業化集聚和多樣化集聚的角度來進行研究[16-17]，例如從專業化集聚角度，生物技術、信息技術、新能源技術等特定企業的集聚，這些企業在相似或互補的技術領域內進行研發和生產，有利于提升區域創新水平[18]；從多樣化集聚角度，不同的高新技術產業之間可能在技術、市場、資源等方面存在互補性，這種多樣化的集聚有助于跨領域的創新和技術融合，進而促進區域創新水平[19]。但現有的高新技術產業集聚研究少有關注于高新技術產業創新效率本身，從多種集聚外部性角度來探究其對高新技術產業創新效率的直接影響。

綜上，目前對高新技術產業及集聚外部性的研究，取得了不少有價值的研究，但也存在一些不足：①對于高新技術產業創新效率的評估，使用傳統的DEA和SFA方法，容易忽略環境變量的影響，產生創新效率的評估偏誤。②少有研究會考慮高新技術產業區域創新效率及其影響因素的空間聯系。由于每個省（市、區）的高新技術產業創新活動都與周邊省市區的相關創新活動或要素緊密相關，這種關聯不可忽視。③從集聚外部性角度進行研究，可能更多地聚焦于少數類型的高新技術產業集聚外部性對區域創新方面的影響，且少有研究關注于高新技術產業創新效率本身，探究多種集聚外部性對高新技術產業創新效率的影響。

為了探尋產業集聚對我國高新技術產業創新效率的影響，以及哪種集聚外部性對地區高新技術產業創新效率作用更顯著。文中選取30個省（自治區、直轄市）高新技術產業為研究樣本，對上述問題進行實證分析。文中主要分３個部分：第一部分，在剔除環境變量和隨機干擾下，運用靜態模型評估我國各省（市、區）高新技術產業創新效率；第二部分運用合適的空間計量模型，控制影響高新技術產業創新效率的相關變量，重點討論３種集聚外部性變量對高新技術產業創新效率的影響；第三部分給出研究結論及建議。

1"區域創新效率評估

1.1"創新效率評估模型運用靜態模型三階段DEA方法進行高新技術產業創新效率評估，該方法能剔除環境因素和隨機誤差的干擾，使得效率評估結果更加公平和準確。相比于動態模型測度，該方法更適合于需要評估特定時期內效率、數據時間跨度有限或重點關注當前管理效率的情況。該評估模型具體表現形式如下：第一步，采用DEA模型中的BCC模型，規模報酬可變，公式為

（1）式中，j=1，2，…，n為各省（市、區）；X，Y分別是投入、產出變量。第二步，根據第一步所得數據計算出高新技術產業投入松弛變量值，并通過計算調整投入值。構造如下似SFA回歸函數

變量；βn為環境變量的系數；vni+μni為混合誤差項。為剔除環境變量的影響，計算出調整后的投入變量，公式如下

為對環境變量進行調整；[max（vni）-vni]為將所有省份的高新技術產業至于相同水平下。第三步，根據第二步調整后的高新技術產業投入變量再次帶入

DEA模型評估各省（市、區）高新技術產業創新效率。

1.2"指標選取選取我國30個省（自治區、直轄市）的面板數據，剔除了西藏和港澳臺地區。數據來源于《中國火炬統計年鑒》《中國科技統計年鑒》、EPS統計庫、各省市科技統計年鑒和統計公報。高新技術產業創新效率測度投入指標的選取高新技術產業Ramp;D人員投入、高新技術產業Ramp;D經費支出和高新技術產業固定資產投資；高新技術產業創新效率產出指標的選取高新技術產業專利申請授權量、高新技術產業新產品的銷售收入。參考尹潔等[20-22]的研究，環境變量的選取主要考慮市場結構、政府投資、外商投資、勞動力素質、地區經濟發展水平這5個方面。各主要變量的指標描述見表1。

1.3"創新效率評估結果基于上述靜態模型計算，為更直觀的展示各區域高新技術產業創新效率均值，如圖1所示。

圖1"各區域高新技術產業創新效率值

由圖1可知，從地區來看，東部高新技術產業創新效率均值為0.741，中部高新技術產業創新效率均值為0.288，西部高新技術產業創新效率均值為0.508，呈現東部＞中部＞西部。東部地區在生產前沿的條件下，技術水平有效的有廣東、江蘇、山東、上海、天津、浙江。在西部和中部地區，重慶和吉林高新技術產業創新效率值在所在組群最高。

2"集聚外部性對創新效率影響分析

2.1"模型設定文中的空間計量模型初步表示為

2.2"變量選取

2.2.1"核心解釋變量參考于斌斌等[23]做法，用就業人數作為測度高新技術產業集聚度的主要指標。馬歇爾外部性（M）表示為MARi=Maxj（Sji/Si）

（6）雅各布外部性（J）表示為Jacobsi=1∑j|Sji-Si|

（7）式中，Sji為i省（市、區）高新技術產業j產業就業人數占該地區高新技術產業就業人員比；Si為高新技術產業j產業就業人數占全國高新技術產業j產業就業人數比重。波特外部性（C）表示為Cir=Aggi×COMi

（8）Aggi為用區位熵衡量高新技術產業競爭集聚程度；COMi為市場競爭程度。其中Aggi=（Bir/Nir）/（∑Bir/∑Nir），Bir和Nir分別為i省（市、區）高新技術產業的企業數量和員工數量；參考劉勝等[24]的做法，COMi用城鎮職工平均工資水平取對數衡量；波特外部性用

Aggi和COMi相乘，建立在邁克爾·波特（Michael Porter）的競爭理論假設之上：產業集聚和市場競爭的相互作用是促進創新和生產效率的關鍵因素[25]。當產業集聚較高時，企業可以更容易地分享和獲取知識，發展專業化服務和技能。同時，如果這個集聚產業中的市場競爭也很激烈，那么這種壓力會迫使企業進行創新以保持競爭力[26]。所以文中使用集聚和競爭相結合的方式來衡量高新技術產業波特集聚外部性。數據來源自EPS數據平臺，由于2021年數據未公開，所以選取2013—2020年醫藥制造業航空、航天器及設備制造業、電子及通信設備制造業、計算機及辦公設備制造業、醫療儀器設備及儀器儀表制造業5個高新技術行業數據。

2.2.2"控制變量參考張斌等[27]、施雄天等[28]、魏谷等[29]、劉和東等[30]的研究，文中的控制變量選取為市場結構、政府投資、外商投資、勞動力素質、地區經濟發展水平。市場結構（a1）表示為規模以上工業企業數。政府投資（a2）表示為Ramp;D經費內部支出中政府財政支出比重，并滯后一期；外商投資（a3）表示為外商實際投資額占GDP比重。勞動力素質（a4）表示為大專以上受教育人數占比。地區經濟發展水平（a5）表示為各省（市、區）人均GDP。對各解釋變量進行對數處理，描述性統計見表2。

2.3"基于空間面板的回歸分析

2.3.1"空間相關性檢驗通過測算Moran’s I來檢驗我國各省（市、區）高新技術產業創新效率分布是否在空間上具有相關性。Moran’s I計算公式表示為

檢驗結果表明，2013—2020年Moran’s I指數均大于0，而且除2019年整體上通過了1%的顯著性水平檢驗，表明我國各省（市、區）高新技術產業的創新效率呈現明顯的空間正相關性。因此有必要在模型中加人空間變量來進行實證分析。

2.3.2"空間計量模型的選擇目前的空間計量模型有SDM模型（空間杜賓模型）、SAR模型（空間滯后模型）、SEM模型（空間誤差模型），為選取合適的空間計量模型，一般采用LMERR和LMLAG方法檢驗選擇合適的空間計量模型[31-32]。若空間誤差值（Spatial error）p值在1%水平上顯著則選取SEM模型；若空間滯后值（Spatial lag）在10%水平以上顯著則選取SAR模型；若空間誤差值和空間滯后值都通過顯著性檢驗則SAR、SEM、SDM模型均可使用。由表4可知，選用SEM模型對3種空間權重矩陣的LMERR和LMLAG檢驗p值均在5%的水平下通過顯著性檢驗，所以選用空間誤差模型（SEM）更合理。

模型選擇選用SEM模型選用SEM模型選用SAR、SEM、SDM模型都可空間誤差模型（SEM）可表示為

（10）式中，y和x分別為高新技術產業創新效率和3種集聚外部性變量；

α0為截距項；εit，μit為服從正太分布的誤差項；

λ為空間誤差項系數。ELHORST[33]認為研究一個國家的地區的空間

-時間數據，固定效應模型通常比隨機效應模型更為適合，所以文中選用固定效應模型。固定效應里面又包括空間固定效應（ind）、時間固定效應（time）、時間空間相結合的固定效應（both）。文中通過使用不同的空間權重矩陣來確保實證分析的穩健性，主要構造3種空間權重矩陣：空間鄰接權重矩陣、經濟距離權重矩陣和地理距離空間權重矩陣。

空間鄰接權重矩陣是基于區域間距離定義相鄰間關系。

dij為區域i與j的距離，空間鄰接權重矩陣表示為

Wij=1"若dij＜d0"若dij≥d

（11）經濟距離權重矩陣是利用人均GDP差額作為測度地區間“經濟距離”的指標。

Yi和Yj 分別為i省和j省樣本期間人均實際GDP平均值。經濟地理矩陣表示為Wij=1|Yi-Yj|（i≠j）

（12）地理距離權重矩陣是根據兩個地區之間地理距離平方的倒數來設定。d為省會城市之間的直線距離，各省會城市間的距離采用的是歐氏直線距離，地理距離權重矩陣表示為

（13）對于3種空間權重矩陣進行實證分析，為避免在計量分析時出現“偽回歸”問題，對所有變量進行ADF單位根檢驗，結果發現所有變量均為平穩序列，無需進行差分處理，檢驗結果見表5。

2.3.3"回歸結果分析將3種空間權重矩陣納入空間計量模型中，運用Stata 16軟件對3種模型測算，測算結果整理見表6。

由表5可知，在對3種不同空間權重矩陣的測度下，空間誤差系數λ都通過了10%水平下顯著性檢驗，一方面表明空間誤差模型的穩健性得到保證，另一方面也表明了在以往研究我國省際高新技術產業時忽視了空間溢出效應對高新技術產業創新的重要影響。3種空間權重矩陣的溢出系數分別為0.204、0.274、0.320，均為正，說明不同省之間高新技術產業創新效率受到相鄰省的誤差沖擊影響相對明顯，也說明發達地區高新技術產業發展會促進臨近省高新技術產業的發展，體現了空間相關性和空間上的溢出效應。對于我國高新技術產業的發展情況，出現這種情況，可能由于高新技術產業園區的空間集聚，造成了產業間的知識外溢；也有可能是本省為了更好承接和吸收臨近省的高新技術產業的創新資源，形成了協同發展的競爭合作機制。

從核心解釋變量來看，實證結果證實了馬歇爾、雅各布、波特3種外部性的存在。從馬歇爾外部性來看，在空間鄰接矩陣和經濟距離矩陣的時間空間雙固定效應上通過了5%水平下顯著性檢驗，系數為負。而三個空間權重矩陣時間空間雙固定效應系數均為負，這說明在同一地理空間下容納的高新技術產業越多，反而不利于創新效率的提升，原因可能是專業化集聚在帶來知識溢出和專業化分工促進創新效率的同時，形成了結構單一的技術或人才蓄水池，不利于培養高新技術產業的創新動力，抑制了高新技術產業創新效率的提升。從雅各布和波特外部性來看，均在3個空間權重矩陣的時間固定效應通過了10%水平下顯著性檢驗，系數均為正，這說明高新技術產業的發展在時間上存在異質性，當期高新技術產業的技術水平對當年及未來幾年的高新技術產業創新效率提升起促進作用。由于技術創新及高新技術產業發展需要一定的過程，因此隨著時間的推移，技術成果不斷的出現使得高新技術產業結構和產業水平日漸成熟，進而促進對高新技術產業創新效率的提升。從控制變量市場機構（a1）來看，都至少過了5%水平下顯著性檢驗，且系數均為正，說明高的市場集中度帶來的空間溢出效應能提升高新技術產業創新效率，由于高的市場集中度產生的關聯效應能集中利用研發資源，解決技術攻關的難題。從政府投資（a2）來看，政府干預變量在三種空間權重矩陣中分別過了1%和5%水平下顯著性檢驗，且系數均為正，說明政府干預沒有起到對高新技術產業創新效率提升的促進作用。從外商投資（a3）來看，外商投資變量分別過了10%或1%水平下顯著性檢驗，從時間空間雙固定效應來看，系數均為負，說明外商投資并沒有產生顯著的技術溢出效應，反而對高新技術產業創新效應提升起抑制作用。從勞動力素質（a4）來看，在時間效應上都過了10%水平以上的顯著性檢驗且系數為正，說明隨著時間的推移，受教育程度會對高新技術產業發展起正面作用。但從空間固定效應來看，系數均為負，可能是由于整體的受教育程度上升了，但高新技術產業適配的人才仍然缺乏。從地區經濟發展水平（a5）來看，均過了10%水平以上的顯著性檢驗，時間空間雙固定效應的系數均為正，說明地區經濟發展水平越高，高新技術產業的發展環境越好，有利于企業集聚和技術創新。

2.3.4"異質性分析由于不同地區之間高新技術產業的發展存在巨大差異，以及不同地區和不同規模的省市區發展水平不同，本章將分為兩部分進行異質性分析：一是將我國各省市區按照東部、中部、西部劃分進行分組，二是根據各省市區的規模，以常住人口為統計口徑，將各省（市、區）分成大、中、小3種規模。通過兩方面的異質性分析，能更加深入分析各省（市、區）的異質性對高新技術產業創新效率的影響。1）東、中、西部地區異質性分析。對東、中、西部集聚外部性對高新技術產業創新效率影響進行測算，測算結果見表7。

由于東、中、西部高新技術產業在內部的產業結構和資源要素更為相近，客觀上有利于組群內部的學習、模仿及信息交流，而且內部各省市區的創新效率值更容易出現趨同，從λ值來看，東部、中部、西部的值呈現明顯的依次遞增，說明空間溢出效應會隨著經濟發達程度的提高而得到強化。由表6可知，從時間固定效應的回歸結果來看，東、中、西部的3個空間權重矩陣的λ值均過了10%水平以上的顯著性檢驗。馬歇爾外部性對中部和西部高新技術產業除鄰接矩陣均表現顯著且系數為正；雅各布外部性對東、中、西部的3個權重矩陣表現顯著，均過1%水平下顯著性檢驗，系數為正；波特外部性對除東部地理矩陣和西部鄰接矩陣外均表現顯著。這說明，從時間固定效應上，東部高新技術產業創新效率受益于雅各布外部性，被波特外部性抑制，由于東部高新技術產業創新在于學習和模仿，專業化集聚的知識溢出能滿足其前沿技術和隱性知識的需要，而產業間激烈的競爭會不利于企業間的創新合作和重大技術攻關；中部高新技術產業受益于馬歇爾外部性、雅各布外部性和波特外部性，中部地區有較為集中的高新技術產業園區或產業鏈，使得高新技術企業能夠從鄰近的其他企業中獲得間接利益，且擁有較為多樣化的產業結構，使得跨行業的知識交流和技術溢出更為頻繁，同時相對競爭激烈的市場環境激勵高新技術企業創新，所以3種集聚外部性均對中部高新技術產業創新效率表現為促進作用；西部高新技術產業創新效率受益于雅各布外部性和波特外部性，盡管西部地區的高新技術產業集聚程度不高，但產業之間可能存在一定程度的多樣性和互補性，使得跨行業的合作和知識交流成為創新的重要來源，同時西部地區的高新技術企業可能正處于迅速發展和追趕階段，市場競爭激發了企業的創新動力，進而促進高新技術產業創新效率提升；東部、中部、西部的高新技術產業雅各布外部性表現均顯著，且系數為正，這表明在所有這些地區，不同類型的高新技術產業之間的互動和協同可以促進整體高新技術產業創新效率的提升。

2）各省（市、區）規模異質性分析。將各省（市、區）年底常住人口平均值作為統計數據，把各省（市、區）分成小規模人口、中規模人口、大規模人口，詳細見表8。

按各省（市、區）常住人口規模進行分類，對不同規模類型的集聚外部性對高新技術產業創新效率影響進行測算，測算結果見表9。

從λ值來看，整體上呈現小規模、中規模、大規模依次遞增，說明空間溢出效應會隨著各省（市、區）人口規模的提高而得到強化。由表11可知，從空間固定效應的回歸結果來看，小規模、中規模、大規模的3個空間權重矩陣的λ值均過了1%水平以上的顯著性檢驗。從小規模來看，馬歇爾外部性對3個權重矩陣系數均為負，說明馬歇爾外部性抑制高新技術產業創新效率的提高，其中馬歇爾外部性對經濟矩陣表現顯著，小規模省份的馬歇爾外部性對創新效率的負面影響可能表明，雖然存在一定程度的產業集聚，但這種集聚可能導致了資源過度集中、同質化競爭或者創新不足，這可能是因為小規模省份的高新技術產業集聚尚未達到能夠產生積極知識溢出效應的臨界規模，或者這些省份的產業結構較為單一，缺乏足夠的內部競爭和多樣性來激發創新；波特外部性對鄰接矩陣影響顯著且為負，說明小規模各省（市、區）的波特外部性會對臨近省份的創新效率產生負面影響，一方面高新技術企業可能競爭過于激烈，導致企業之間的惡性競爭，抑制了有效的創新和合作，另一方面人口規模小反映市場規模小，在此情況下高新技術企業可能更關注短期生存而非長期創新投資，不利于創新效率的提高。從中規模和大規模來看，雅各布外部性和波特外部性對3個權重矩陣影響顯著且為正，說明雅各布和波特外部性對大、中規模省（市、區）的高新技術產業創新效率起促進提高作用，大、中規模各省（市、區）更適合高新技術產業的競爭和產業的多樣化集聚，這表明在大、中規模省（市、區），高新技術產業多樣化有助于高新技術產業創新效率的提升，不同產業之間的互動可能促進了知識的交流和技術的溢出；波特外部性提升了高新技術產業創新效率，可能是因為適度的競爭促進了高新技術企業間的學習和創新，這些高新技術企業可能已經具備了更好的資源和能力來應對競爭帶來的挑戰，并將其轉化為創新的動力，從而創造了一個有利于高新技術產業創新的環境。

2.3.5"內生性檢驗文中主要研究集聚外部性對高新技術產業創新效率的影響，但猜測集聚外部性和高新技術產業創新效率之間可能存在互為因果的關系，可能存在內生性問題。所以將3個集聚外部性變量與其均值差值取三次方，并滯后三期作為工具變量（z1、z2、z3）來檢驗集聚外部性變量的內生性問題，參考戴一鑫和黃凌云的做法[34-35]。通過二階段最小二乘法、弱工具變量檢驗、Endogenous檢驗，檢驗結果見表10、表11、表12。第一步，進行二階段最小二乘法檢驗，判定工具變量與解釋變量關系，見表10。結果表明3個集聚外部性解釋變量和工具變量相關，p值均過5%以上顯著性水平檢驗。

第一步：判定工具變量與解釋變量關系

LnM系數Pgt;|t|LnJ系數Pgt;|t|LnC系數Pgt;|t|

z1-0.3220.000z2-0.5870.002z3-3.5180.018

系數1.0730.000系數0.6030.000系數2.2230.000

根據P值，工具變量與解釋變量相關，且均過5%以上顯著性水平第二步進行弱工具變量檢驗，判斷是否存在弱工具變量，見表11。原假設H0為存在弱工具變量，若F值大于10即拒絕原假設，反之則接受原假設。結果表明三個集聚外部性解釋變量均拒絕原假設H0，則不存在弱工具變量。

第二步：檢驗弱工具變量，F值是否大于10

（原假設H0：存在弱工具變量）robust F（1，148）robust F（1，148）robust F（1，148）LnM43.51LnJ12.41LnC12.36

原假設拒絕原假設拒絕原假設拒絕

第三步，進行Endogenous檢驗，檢驗解釋變量是否內生性，見表12。原假設H1為所有解釋變量為外生變量，若p值顯著則拒絕原假設，反之則接受原假設。由于工具變量個數與內生解釋變量數量相同，因此不需要進行過度識別檢驗。最終Endogenous檢驗接受原假設“所有解釋變量為外生變量”，說明3個集聚外部性解釋變量不存在內生性問題。

由于工具變量個數與內生解釋變量個數相等，所以不需要做過度識別檢驗。最終Endogenous檢驗接受原假設“解釋變量外生”，說明3個集聚外部性核心解釋變量不存在內生性問題。

第三步：Endogenous檢驗，檢驗解釋變量是否內生性

（原假設H1：所有解釋變量為外生變量）LnMLnJLnCchi2（1）3.7620.2132.546p值0.1430.6460.123F（1 147）.8510.2493.122

p值0.3030.6040.159原假設接受接受接受結果解釋變量外生解釋變量外生解釋變量外生

3"結"語

1）文中研究為集聚外部性對高新技術產業創新效率的影響提供了空間相關性和空間溢出效應的實證證據，證實了地理位置和區域間的經濟活動聯系對高新技術產業創新效率有顯著影響，這有助于深化對空間經濟學理論的理解。

2）區分馬歇爾外部性、雅各布外部性和波特外部性對高新技術產業創新效率的不同影響，該研究豐富了集聚外部性理論，提供了專業化集聚、多樣化集聚和競爭集聚對創新動力的相互作用的新視角。

3）研究結果表明高新技術產業創新效率受多種集聚外部性影響，這有助于進一步拓展和細化高新技術產業創新驅動發展理論。4）研究結果可以為政府制定區域經濟發展策略提供指導，比如如何平衡高新技術產業專業化和多樣化集聚，以及如何通過激發競爭來促進高新技術產業創新效率提升。

5）針對不同規模省份的集聚外部性差異，政策制定者可以設計更為精準的高新技術產業支持政策，以促進高新技術產業的創新效率。

6）強調了高新技術產業區域間合作的重要性，尤其是發達地區與鄰近省份的協同發展，可以采取措施促進知識和技術的區域內外傳播。文中的研究主要得到以下結論。1）從空間權重的溢出系數來看，不同省（市、區）之間高新技術產業創新效率受到相鄰省（市、區）的誤差沖擊影響相對明顯，比如發達地區高新技術產業發展會促進臨近省高新技術產業的發展，體現了高新技術產業空間相關性和空間溢出效應。

2）從核心解釋變量來看，馬歇爾外部性影響為負，說明專業化集聚在帶來知識溢出和專業化分工促進創新效率的同時，形成了結構單一的技術或人才蓄水池，不利于培養高新技術產業的創新動力；雅各布外部性和波特外部性影響為正，隨著時間的變化，說明當期高新技術產業的技術水平對當年及未來幾年的高新技術產業創新效率提升起促進作用。

3）從東、中、西部劃分來看，東部高新技術產業創新效率受益于雅各布外部性，被波特外部性抑制；中部高新技術產業受益于馬歇爾外部性、雅各布外部性和波特外部性，而西部高新技術產業創新效率受益于雅各布外部性和波特外部性。這表明東部、中部、西部的經濟發展程度不同導致集聚外部性對創新效率的影響出現差異化特征。由于東、中、西部在內部的產業結構和資源要素更為相近，客觀上有利于內部的學習、模仿及信息交流，內部各省市區出現明顯的“俱樂部收斂”趨勢。

4）從各省（市、區）人口規模劃分來看，小規模人口的省（市、區）馬歇爾外部性抑制高新技術產業創新效率的提高；大、中規模人口的省（市、區）雅各布和波特外部性促進高新技術產業創新效率的提高。針對上述研究結論，提出以下建議。1）加強各省（市、區）高新技術產業的合作。可建立高等院校、科研機構和企業之間的信息交流平臺，為創新活動創造良好的知識溢出環境。同時發展高新技術產業跨區域合作項目，尤其是在發達地區與周邊省份之間，以促進高新技術產業知識的區域內外擴散與技術轉移。設立高新技術產業區域發展基金，支持區域間的基礎設施建設和產業升級，以減少區域高新技術產業發展的不平衡。

2）由于東、中、西部都受益于雅各布外部性，所以應發揮高新技術產業多樣化集聚的正向作用，通過互補產業之間、區域之間的分工協作，根據區域自身發展情況打造區域高新技術產業特色產業鏈和創新鏈，其中東部地區可能需要調整政策以緩解波特外部性帶來的過度競爭現象。對不同人口規模的省份都需要注意培養人才和技術池，可通過建立專業人才培訓計劃和技術研發中心來積累人才和技術資源，并制定靈活的人才引進政策，吸引國內外專家和高層次人才。

3）制定高新技術產業園區規劃應該根據當地的經濟發展程度來制定。由于經濟不發達的省在進行高新技術產業規劃過程中，過分關注于構建完整的上中下游產業鏈，事實上這種人為的多樣化集聚不利于當地的高新技術產業的發展，所以各省（市、區）在進行高新技術產業園區規劃應根據當地實際經濟水平和基礎設施情況來制定。同時，建立和完善高新技術產業信息平臺，促進產業信息的透明度和可獲得性，幫助高新技術企業及時掌握市場動態和技術發展趨勢。

參考文獻：

[1]"FAN C C，SCOTT A J.Industrial agglomeration and development：a survey of spatial economic issues in East Asia and a statistical analysis of Chinese regions[J].Economic Geography，2003，79（03）：295-319.

[2]TVETERAS R，BATTESE G E.Agglomeration externality，productivity and technical inefficiency[J].Journal of Regional Science，2006，46（04）：605-625.

[3]PACI R，USAI S.The role of specialisation and diversity externalities in the agglomeration of innovative activities[J].Rivista Italiana Degli Economisti，2000（02）：237-268.

[4]HENDERSON V，KUNCORO A，TURNER M.Industrial development in cities[J].Journal of Political Economy，1995，103（05）：1067-1090.

[5]DEKLE R.Industrial concentration and regional growth：Evidence from the prefectures[J].Review of Economics and Statistics，2002，84（02）：310-315.

[6]VAN DER PANNE G.Agglomeration externalities：Marshall versus jacobs[J].Journal of Evolutionary Economics，2004，14（05）：593-604.

[7]EJERMO O.Technological diversity and Jacobs’externality hypothesis revisited[J].Growth and Change，2005，36（02）：167-195.

[8]GROOT S P T，DE GROOT H L F，SMIT M J.Regional wage differences in the Netherlands：Micro evidence on agglomeration externalities[J].Journal of Regional Science，2014，54（03）：503-523.

[9]鄭冠群，徐妍，安磊.制造業產業集聚與企業創新：基于市場份額視角的Porter外部性檢驗[J].南開經濟研究，2021（03）：239-256.

[10]SHEN N，PENG H.Can industrial agglomeration achieve the emission-reduction effect？[J].Socio-Economic Planning Sciences，2021（75）：100867.

[11]郭新茹，陳天宇.地理集聚能否提升我國文化產業發展質量：基于空間杜賓模型和門檻模型的檢驗[J].人文地理，2021，36（03）：87-96.

[12]袁華錫，封亦代，余泳澤.制造業集聚促進抑或阻礙綠色發展績效？——來自長江經濟帶的證據[J].經濟地理，2022，42（06）：121-131.

[13]劉美，劉亞芬.財政補貼、產業結構轉型升級與高新技術產業創新效率[J].管理現代化，2023，43（05）：118-127.

[14]周榮華，余紅心，李斯林.市場一體化對企業創新效率影響研究[J].現代管理科學，2022（04）：131-140.

[15]王余丁，王蓓，席增雷.高新技術產業集聚對區域創新能力的影響研究[J].河北經貿大學學報，2022，43（02）：90-99.

[16]龐磊，陽曉偉.中國產業鏈關鍵環節自主可控何以實現？對高新技術企業集聚效應與技術創新的考察[J].南方經濟，2023（05）：107-126.

[17]梁雯，鐘惠波，王玲.異質性產業集聚、創新網絡與綠色經濟效率：來自高技術產業集聚的經驗證據[J].管理現代化，2023，43（02）：153-160.

[18]仵鳳清，施雄天.我國區域高技術產業高質量發展水平測度及區域差異分析[J].科技管理研究，2023，43（18）：79-89.

[19]袁華錫，封亦代，羅翔勇，等.制造業集聚如何影響區域綠色發展福利？[J].中國人口·資源與環境，2022，32（05）：68-83.

[20]尹潔，劉玥含，李鋒.創新生態系統視角下我國高新技術產業創新效率評價研究[J].軟科學，2021，35（09）：53-60.

[21]仵鳳清，施雄天.我國高新技術產業創新效率靜態與動態測度[J].技術與創新管理，2023，44（03）：262-270.

[22]趙巧芝，劉倬璇，崔和瑞.中國高新技術產業技術創新效率測度及空間收斂研究[J].統計與決策，2023，39（01）：183-188.

[23]于斌斌，吳丹.生產性服務業集聚如何提升制造業創新效率？基于集聚外部性的理論分析與實證檢驗[J].科學決策，2021（03）：18-35.

[24]劉勝，顧乃華.行政壟斷、生產性服務業集聚與城市工業污染：來自260個地級及以上城市的經驗證據[J].財經研究，2015，41（11）：95-107.

[25]GRANT R M.Porter’s‘competitive advantage of nations’：An assessment[J].Strategic Management Journal，1991，12（07）：535-548.

[26]PORTER M E.Location，competition，and economic development：Local clusters in a global economy[J].Economic Development Quarterly，2000，14（01）：15-34.

[27]張斌，沈能.集聚外部性、異質性技術和區域創新效率[J].科研管理，2020，41（08）：49-59.

[28]施雄天，李博亞，戴麗莉等.我國高新技術產業創新效率測度及時空演化分析[J].技術與創新管理，2023，44（05）：541-551.

[29]魏谷，湯鵬翔，楊曉非，等.基于三階段DEA的我國高新技術產業開發區內創新型產業集群創新效率研究[J].科技管理研究，2021，41（07）：155-163.

[30]劉和東，劉繁繁.要素集聚提升高新技術產業績效的黑箱解構：基于經濟高質量發展的門檻效應分析[J].科學學研究，2021，39（11）：1960-1969.

[31]尹勇，蘇欣怡，謝曉琪.產業結構升級對市域經濟韌性的空間效應[J].經濟地理，2023，43（08）：86-92+112.

[32]董冠鵬，張航，郭雨臣.基于空間計量模型的城市網絡外部性定量測度[J].地理研究，2023，42（02）：495-513.[33]ELHORST J P.Unconditional maximum likelihood estimation of linear and log-linear dynamic models for spatial panels[J].Geographical Analysis，2005，37（01）：85-106.

[34]戴一鑫，盧泓宇.高技術產業集聚對長江經濟帶新型城鎮化的影響：基于空間溢出效應的視角[J].軟科學，2022（11）：1-23.

[35]黃凌云，劉冬冬，謝會強.對外投資和引進外資的雙向協調發展研究[J].中國工業經濟，2020（03）：80-97.

（責任編輯：嚴"焱）

收稿日期：2023-10-23

基金項目：2024年度云南省教育廳科學研究基金項目“城鄉融合下民宿產業集群賦能鄉村振興的邏輯與長效機制構建研究”（2024Y0050）

作者簡介：施雄天（1997—），男，江蘇南通人，博士研究生，主要從事科技創新管理方面的研究工作。