科技创新、空间溢出与区域经济增长：基于30省区数据的实证研究

王家庭

[摘要]建立了区域科技创新溢出测度模型和区域经济溢出测度模型，并以2004年～2008年我国30个省区的面板数据为研究对象进行了回归分析。结果发现：R&D资金投入对于区域创新能力的影响显著，但影响力增速逐渐放缓，而人力资本量和城市化率对区域创新能力的影响不显著，区域间的科技创新溢出受到抑制；各省科技创新投入转化率及科技创新溢出的经济效益有着明显的不同，科技创新在经济各要素的溢出活动中的作用并不突出。在此基础上，提出了相应的政策建议。

[关键词]科技创新；空间溢出；区域经济增长

[中图分类号]F061.5 [文献标识码]A[文章编号] 1673-0461（2012）11-0049-06

一、引 言

研究创新溢出对区域经济增长的具体影响，可以对我国区域经济的协调发展提供一定的理论指导，以此促进我国区域社会经济的迅速发展。

关于溢出效应对经济增长的影响，国内外学者作了大量的研究。Arrow（1962）最早用外部性解释溢出效应对经济增长的影响，Romer（1986）沿用阿罗的思路提出了知识溢出模型，Lucas（1988）构造了人力资本溢出模型。Cainelli（2003）等研究了欧洲89个区域1980年～1992年产业的区内、国内产业区之间以及国家之间三个层面知识溢出对制造业劳动生产率的影响。

国内方面，喻世友等（2005）分行业讨论了FDI是否能通过溢出渠道提高国内企业生产的技术效率；彭水军等（2005）实证研究了技术吸收能力对外溢效果的决定性作用；王玉梅、田恬（2011）研究了知识溢出的不同经济主体对技术创新能力的影响。熊义杰（2012）对溢出效应的计量和分离提出了新见解，并进行了实证分析。

总体而言，上述研究还缺乏对中国区域创新溢出进行更加全面、综合、动态的评价，特别是关于区域创新溢出对各省区经济增长的差异化影响研究有待深入。基于此，本文在构建相关理论模型的基础上，实证研究了我国各省区真实的创新活动及创新溢出对经济增长的具体影响。

二、模型构建

1.区域创新溢出测度模型

随着空间计量经济学的不断发展，国外许多学者通过空间计量经济学来研究R&D知识生产和溢出，并把专利作为知识生产的结果（Jaffe，1989）。

为了评价不同要素对R&D产出的影响，假定一个地区的R&D投入和有用新知识的产出有一定的关系。尽管很难观察到新知识，但可以通过专利来代替。考虑如下的基本知识生产函数：

Z■=RD■■B■■e■

其中Z■是创新产出，1、2分别是RDi和Bi的弹性系数，RDi是研究与发展的支出，Bi是反映其他额外影响的一个变量向量，ei代表一个随机误差项，下标i表示地区单元。

对上面的公式进行变换可得：

1nZi=11nRDi+21nBi+ei

根据研究主题，选择各省专利产出作为指标Zi，区域的R&D资金投入作为指标RDi，人力资本H、城市化率CSH作为额外影响变量Bi，构建模型如下：

1nZi=β■1nRDi+β21nHi+β31nCSH■+εi=1，2，3，…，n

式中下标i表示区域（地区），ε是模型的随机误差项，β0、β1、β2、β3是模型系数（常数）， 当区域的R&D资金投入量RDi、人力资本H、城市化率CSH分别增长1%，区域专利申请量Z就会分别增长β1%、β2%、β3%。

在一般模型所选取的自变量与解释变量基础上，引入空间矩阵W，增加一个新的自变量W1nZi，构建出一个空间滞后回归（SLM）模型：

1nZi=λW1nZi+β■1nRD■+β■1nH■+β■1nCSH■+ε

i=1，2，3，…，n （1）

其中，借鉴Anselin（2003），选用的W作为K-Nearest Neighbor空间权重矩阵，K=4；λ是空间自回归参数，其取值在-1到1之间，在此模型中代表一个地区的科技创新对邻近地区科技创新的影响程度，其他符号含义与上述一般模型中一致。

2.区域经济溢出模型

Griliches（1979）最先提出用来估计R&D相关要素对于产出的影响，采用的知识生产函数形式是：

Y=F（X，K，u）

式中Y是宏观或微观水平的产出；X是正常的生产投入向量比如劳动力与资本；K表示技术知识水平，部分由现在和过去的研发费用决定；u是其他因素的作用或随机误差。技术知识水平由现在和过去的研发投入决定：

K=G[W（B）R，v]

W（B）是一个滞后多项式，B是滞后算子，R是研发费用，v是随机误差。

选择省区GDP作为产出变量Y，全社会固定资产存量K与劳动力人数L作为正常的生产投入向量，用省区R&D资金存量R代表技术知识水平，全社会固定资产存量K与省区R&D资金存量R皆采用永存盘续法计算而来：

Kt=（1-δK）Kt-1+It

Rt=（1-δR）Rt-1+RDt

其中，δK、δR分别为全社会固定资产投入与省区R&D投入的折旧率，一般为6%和5%。构建模型：

InY=α1nK+β1nL+y1nR+ε（2）

为研究各省区经济之间是否有相互溢出的影响，选择空间滞后回归模型（SLM）形式对模型（2）进行变形，因WY与R存在相关性，故去掉变量R：

InY=ρW1nY+α1nK+β1nL+ε（3）

若ρ值显著，则说明各省区经济之间存在相互溢出的影响，ρ>0时，表明省区经济发展之间存在正溢出、相互促进的影响，其值越大，相互促进作用越大；ρ<0时，表明省区经济发展之间存在负溢出，一个省区的经济增长妨碍了另一个省区的增长，其值越小，相互抑制作用越大。

为衡量考虑地理因素后，不同省区科技进步对于区域经济增长作用的不同效果，结合空间地理加权回归模型（GWR）对模型（2）进行改造，又因使用的是面板数据，故有：

1nYit=？酌1i（ui，vi）1nRit+？酌2i（ui，vi）1nKit+？酌3i（ui，vi）1nLit+εi

？酌i（ui，vi）=（X'W2Y） -1（X'W2Y） i=1，2，3，…，n（4）

其中，t为观测期，一般单位为年；X为包含R、K、L的自变量矩阵；系数？酌i是与观测变量R、K、L联系的m×3阶待估计参数向量，是关于地理位置（ui，vi）的4元函数，？酌i的计算中加入了权重矩阵W，因此随着空间上局部地理位置变化而变化，通过邻近观测值的子样本数据信息进行局域（Local）回归估计而得。权重W的选择多样，具体可根据研究侧重而定。

为测度科技创新对区域经济增长的溢出效应，引入一个变量WR来代表相关区域科技创新的总体情况，在模型（2）的基础上进行修改，考虑到R与WR的相关性，用R替代WR变量，生成一个新模型：

1nY=δW1nR+α1nK+β1nL+ε（5）

其中，δ为m×1阶待估计参数向量，它用来衡量每个省区经济受相邻省区科技创新的影响，若δ>0，则相邻省区对其有正的溢出，相邻省区的科技创新促进了本省区的经济增长，若δ<0，则说明相邻省区对其有负的溢出，相邻省区的科技进步阻碍了本省区的经济增长。

三、实证研究

1.变量选取及数据说明

本文选取除海南省（其岛屿性不便于作空间计量分析）外的我国30个省区2004年～2008年数据，分析省区科技创新对于区域经济增长的影响。选取变量如下：

在模型中，由于专利数据比较能够全面的反应各地区发明与创新信息（Archibugi，1996），因此采用各省区专利申请量Z作为衡量各省区科技创新产出的基本指标。R&D资金投入RD（万元）一向被认为是提升区域创新能力的重要因素。考虑到大多数的科技创新活动都是在教育水平比较高的地区产生的，以一个地区的高学历人口比重，即初中、高中及大专以上人口占6岁及6岁以上人口的比重H（%）作为人力资本要素。最后，为了考察城市化对于区域创新的影响，选取城市化率CSH（%）指标，即区域城镇人口占区域总人口的比例。

由于采用了空间相邻权重矩阵，因此n=30，即选取同一年30个省区（除海南省外）的截面数据，并分别研究了5年的样本数据。被解释变量Z选择了2004年～2008年5年按地区（大陆30个省）分国内、外三种专利申请受理数；鉴于创新从投入到产出需要经过一定时期的滞后，本文选择2年的滞后时间，因此，解释变量RD、H、CSH在模型（1）中选用了2002年～2006年的数据；人力资本H由分区域初中、高中及大专以上人口占6岁及6岁以上人口数据计算得到；城市化率CSH为区域城镇人口比重。

经济增长变量Y选择各省区生产总值（亿元）。所有省区生产总值均是以2004年的不变价格表示，不变价格生产总值是通过当年的国内生产总值除以居民消费价格指数获得，各省的居民消费价格指数均换算为以2004年为100的价格指数。

劳动投入变量L。使用全国各省的全社会就业人员（万人）作为劳动投入的数据，从业人员数量采用年末数。

资本投入变量K选择全社会固定资产存量（亿元），以2004年的不变价格表示，采用6%的折旧通过永存盘续法对每年全社会固定资产投资总额进行处理而得。

科技进步变量R选择省区R&D资金存量（亿元），以2004年的不变价格表示，采用5%的折旧率通过永存盘续法对每年R&D资金投资额进行处理而得。

上述变量数据来自《中国统计年鉴》、《中国科技统计年鉴》、《中国劳动统计年鉴》以及各省统计年鉴。

2.实证结果分析

按照空间计量模型估计的一般步骤，在检验区域间科技创新溢出现象之前，应先对主要变量进行空间自相关检验，其后进行回归估计。

（1）空间自相关检验。利用2004年～2008年30个省区的专利创新活动数据运用空间自相关指数计算公式及空间（4个）邻近矩阵计算得到Moran's I（见表1），结果发现，区域专利创新申请受理数（lnz）的Moran's I统计值在小于1%的显著水平上具有很强的空间正相关。

该结果表明，我国30个省区的专利创新在地理空间上存在显著正相关（空间依赖性），创新行为在空间分布上并不是随机散布的，具有一定的规律，从整体上讲，区域创新行为在空间上存在集聚现象，2004年～2008年各省创新活动的聚集格局无太大变化，基本上是以高-高和低-低聚集类型为主，即创新能力较高的区域相靠近，低创新能力的区域之间趋于相邻。以2004年为例，高-高聚集区有：北京、天津、河北、辽宁、山东、江苏、浙江、上海；低-低聚集区有：新疆、西藏、青海、甘肃；低-高聚集区，表示被高创新区所包围的低创新区为安徽。

依次观察可发现，高-高聚集区稳定地出现在东部，即以北京为中心的环渤海地区和以上海为中心的长三角地区，随着时间]进，长三角地区以江苏和上海为中心，有向南沿海区域扩散的趋势；低-低聚集区稳定存在于西部三省（新疆、西藏、青海），这是创新活动极为不活跃的地区；低-高聚集区一直是安徽省，这说明了4年来高创新能力区与低创新能力区的边界并未在东西方向发生变化，即创新活动无向西扩散的现象。

（2）区域科技创新溢出实证分析。空间相关分析已证明中国30个省的科技创新活动具有空间相关性，需要采用空间计量经济模型进行估计。为确定区域科技创新活动的溢出类型，将对基本模型的OLS（最小二乘法）估计与对空间计量经济模型进行ML（极大似然法）估计作对比，下面以2002年创新活动为例（2002年的K、H、CSH数据，2004年的专利数据）（见表2），确定区域创新活动的溢出类型。

根据Anselin（2002）提出的空间计量模型判别标准，可判别2002年创新模型中的SEM模型对创新活动的拟合度更好些，则区域创新溢出的类型为邻近省区创新的误差冲击影响。

从图1可看出，R&D资金投入量RD对区域专利创新的影响最为显著，并且有逐年上升趋势。但是，近几年来R&D资金增长对区域创新能力的促进速度正逐渐放缓，由2002年的0.8423%到2003年的1.0057%，增长了0.1634%，但是随后几年增长仅为0.0301%、0.0095%。

人力资本要素H对区域创新能力的影响不甚显著，除2002年表现为正相关，后几年均表现出负相关现象。一般认为，人力资本越多，其创新能力越高。实证结果表明目前高学历人口比重的增加并不能有效提高区域创新能力，这说明我国在人力资本利用上存在着问题，如在医疗卫生保健和劳动力转移等方面。

城市化率CSH对区域创新能力影响表现出不显著的正相关关系。这与当前我国的粗放型城市化模式有很大的关系。在每年新增城镇人口中，具有较高创新能力的高素质人才比重较小，而进城市务工的农民比重较大，降低了人均享有科技资源量。

创新溢出度λ除在2002年为正，随后3年均表现为负，并有逐年下降趋势，表现出创新溢出受到抑制的现象，说明我国户籍制度、人才流动壁垒、西部地区创新低聚集区的长期存在，阻碍了相邻地区间的知识交流，从而降低了区域间的创新扩散。

（3）科技创新溢出对区域经济增长的效应分析。图2显示了本省科技投入（R）与邻省科技投入（WR）溢出分别对本省经济增长的贡献率差异。把30个省区按本省、邻省科技投入贡献率的差距分为5类，如表3所示，βR代表本省R&D资本存量（R）对本省经济增长的贡献率，βWR代表邻省溢出的R&D资本存量（WR）对本省经济增长的贡献率。

Ⅰ类是本省科技投入对于本省经济增长的贡献率高出邻省科技溢出对本省经济增长的贡献率的省区。根据知识溢出原理，溢出的科技创新只是溢出主体的一部分，并且溢出的效果还要看溢出渠道和接受溢出主体的吸收能力，溢出产生的效益只是一种外部性，本省科技投入所能带来更大的经济效益是一种合理的现象。

Ⅱ类是邻省科技投入贡献与本省科技投入贡献几乎相等的省区。相比Ⅰ类省区它们受科技溢出效益更大，这种优势源于地理位置。以河南为例，河南本身科技转化能力不高，但明显受益于与周围省区活跃的科技交流。Ⅱ类省区的地理位置皆处于彼此邻接的状态，印证了前文对于知识溢出影响因素的假设，空间位置的确对科技溢出产生重要影响。

Ⅲ类是邻省科技投入贡献远远小于本省科技投入贡献的省区。这些省区皆处于中西部地区，其中内蒙古比较特别，其βR值很高，按照一般的折线走势，其βWR值也应该不低，但事实情况是其βWR值出现大幅下降。这是因为虽然内蒙古自身的科技转化率很高，但空间位置所限，周围一些省区经济并不发达，科技转化能力还存在一定距离。正是受这种差距的影响，内蒙古与周围省区科技溢出的效应十分微弱。

Ⅳ类北京与四川，这两省区皆是全国科技成果生产大户，但是，邻省科技投入溢出对于本省经济发展贡献率要高于本省科技投入的贡献率。以北京为例来说明原因，北京虽然是科技成果生产大省，但也是国内最大的区域性和全国最重要的技术集散地，每年都要向外输出技术成果。2009年，北京当年生产的科技成果有73%未被北京本身所用。

Ⅴ类仅包括广东省。因为邻省科技投入对其经济发展的影响远远超过了本省科技投入所能产生的作用，成为一个大大依赖邻省科技进步而发展的省区，这种现象与其较高的对外开放度息息相关。这里的开放不但指以优惠的政策吸引人才的注入，更是指其注重科技交流和引进，广东省企业众多，也是消化这些技术的基础，根据知识溢出机理，开放程度影响了溢出效果。

四、结论及政策建议

本文从理论和实证角度分析了2004年～2008年大陆30个省份的区域科技创新溢出和区域经济溢出情况。分析结果发现：①区域R&D资金投入对于区域创新能力的影响显著，但影响力增速逐渐放缓，而区域人力资本量和区域城市化率对区域创新能力的影响不显著，区域间的科技创新溢出受到抑制；②各省科技创新投入转化率及科技创新溢出的经济效益有着明显的不同。结合研究结论，提出如下政策建议：

1.创新环境建设应与R&D资金投入相适应，使资金投入效益最大化

实证表明增加R&D资金投入对区域创新能力的提高具有很大的影响，但是近几年来新增R&D资金所带来的创新能力增长却在逐渐放缓，这就使我们不能忽略与R&D资金投入相互牵制的创新环境建设问题，创新环境是创新的温床和根基，它包括基础设施环境、制度环境和组织网络环境，当创新环境的建设已跟不上R&D资金投入的速度时就出现了我国现有的情况 -- --部分资金不能有效率的进行创新，这种情况下，继续大量投入R&D资金不如加大力度建设创新环境，使现有资金发挥最大效益。因此，为了提高中国区域创新能力以及缩小不同区域创新能力差距，现在的趋势是广泛进行创新环境投资，特别是在西部地区，加大基础设施建设投入、教育医疗文化和基础研究力度是现在最迫切的任务。

2.解决人力资本方面存在的问题，有效促进区域创新能力的提高

实证表明，在对区域创新的主体 ——人力资本利用方面，我国还存在一定的问题，使得区域的人力资源并没有充分发挥知识创新的作用。高学历人口比重的增加并不能有效促进区域创新能力的提高，这使我们不得不考虑现有的人才培养机制，对于创新这个特别的活动而言，仅有知识的灌输是不够的，素质教育仍然需要，但是目前而言素质教育仅仅刚被作为一个概念受到广泛关注，其实它还需要地方政府对基础科技活动的支持以及大学对于高招标准变革的支持；其次是人才流转及待遇问题，主要有医疗卫生保健、劳动力迁移和社会保障三方面，目前国家也是把它们作为热点问题对待，但其中有待解决的问题还有很多，如何把这些问题暴露出来以反应现状才是解决之道，因此建议采取透明化的互联网交流渠道，各级省市设立网站指定接收所在区域人员于医疗卫生保健、劳动力迁移和社会保障存在的问题，加以反馈和核查。

3.促进城市化模式向集约型转变，增强城市化对区域创新的带动作用

就城市化而言，它既会通过城市化外部性（如各类人才的集聚、知识基础设施优势与复合功能等）提高创新效率，增强一个地区的创新供给能力，也会通过消费多样化偏好等为区域创新提供大规模需求的牵引，因而，城市化率的提升应该对区域创新能力起到一定的促进作用。我国现在正处于城市化进程中，每年城市化率都会上升，然而实证结果显示，城市化率并未对区域创新起到显著的提升作用，而且出现反复的波动，这就不得不从我国的城市化模式说起，目前我国的城市化模式是粗放型的，在每年新增城镇人口中有很大一部分比例是进入城市务工的农民，其次才是具有较高创新能力的高素质人才，这在城市化对人才的集聚方面可以看出是很没有效率的，而民工涌入城市后，占有了科技资源，使得人均享有科技资源量下降，反而在城市化过程中限制了创新增长。因而在我国城市化进程中，城市化对区域创新能力强弱不一的影响作用正体现了我国城市化的粗放型模式，只有促进城市化模式向集约型转变，才能使城市化更有效的提升区域创新能力。

4.增加区域开放度，提高创新、创新溢出对于经济的带动作用

实证表明，相邻区域间的创新溢出受到抑制，这就说明有某些因素阻碍了相邻地区间的知识交流，从而降低了区域间的创新能力扩散。知识交流的载体是人，所以区域间必要的人才流动更有利于区域创新能力的提高和资源的合理配置。但是在我国，户籍制度、人才流动壁垒都降低了区域间人才流动的便利性，而西部地区创新低聚集区的长期存在也使得西部地区间的人才交流极为缓慢，这种情况更不利于西部摆脱低创新状态。因此，推进户籍制度改革与创新，完善人才的区域间流转机制，减少知识交流的阻碍，将有助于提高区域开放度，从而加强科技创新对区域经济增长溢出效应。

[参考文献]

[1]彭水军，包 群，赖明勇.技术外溢与吸收能力：基于开放经济下的内生增长模型分析[J].数量经济技术经济研究，2005（8）：35-46.

[2]王玉梅，田 恬.知识溢出视角下组织技术创新能力的影响分析[J].中国人力资源开发，2011（8）：9-12.

[3]熊义杰.论技术溢出效应的计量和分离[J].宏观经济研究，2012（2）：35-41.

[4]喻世友，史 卫，林 敏.外商直接投资对内资企业技术效率的溢出渠道研究[J].世界经济，2005（6）：44-52.

[5]ANSELIN L.Under the hood issues in the specification and interpretation of spatial regression models [J].Agricultural Economics， 2002，27：247-267.

[6]ANSELIN L. Spatial externalities [J]. International Regional Science Review， 2003，26（2）：147-152.

[7]ARCHIBUGI M.Measuring technological change through patents and innovation surveys [J]. Technovation， 1996，16（9）：451-468.

[8]ARROW K.The economic implication of learning by doing [J]. Review of Economic Studies， 1962，29 （80）：155-173.

[9]CAINELLI G.Agglomeration， technological innovations，and productivity evidence from the Italian industrial districts [R]. WP2_2003，20-12.

[10]GRILIEHES Z.Issues in assessing the contribution of R&D to productivity growth [J]. Bell Journal of Economics， 1979，10：92-116.

[11]JAffE A.Real effects of academic research [J].American Economic Review，1989，79：984-1001.

[12]LUCAS R.On the mechanism of economic development [J].Journal of Monetary Economics， 1988，26：3-42.

[13]ROMER P.Increasing returns and long-run growth [J].Journal of Political Economy， 1986，94：1002-1037.

Technological Innovation， Spatial Spillover and Regional Economic Growth： An Empirical Research Based on 30 Provinces Data

Wang Jiating

（Research Center of China Urban and Regional Economies， Nankai University， Tianjin 300071， China）

Abstract： In this paper， both the measure model on regional technological innovation spillover and the measure model on regional economic spillover are established， and a regression analysis is conducted by 30 provinces panel data from 2004 to 2008 in China. The results find： R & D funding has a significant influence on regional innovation capability and the growth of influence is gradually slowed down， while the human capital amount and the urbanization rate have no significant effect on regional innovation capability and the inter-regional technological innovation spillover is suppressed； The conversion rate of technological innovation and the economic benefits of technological innovation spillover are markedly different across province， and the effect of technological innovation in the spillover activities for economic elements is not prominent. On this basis， the corresponding policy recommendations are put forward.

Key words： technological innovation； spatial spillover； regional economic growth