创新环境因素对区域创新效率影响的空间计量研究

王鹏++曾坤

摘要：影响区域创新产出的因素可以分为直接要素投入和外部创新环境两个方面，二者均对提高区域创新效率具有重要作用。以2006—2011年中国31个省（市、自治区）的经济数据为基础，运用Moran I指数进行空间自相关性检验，并建立直接要素投入和区域创新外部环境因素与专利产出的实证模型，通过OLS和空间计量两种回归方法进行实证分析与比较。研究结果显示：中国不同区域创新产出存在发展不平衡现象，区域创新行为具有空间集中分布的特点，并且区域创新集群的现象比较明显；创新环境外部因素对区域创新效率具有显著的正向影响，但单纯增加人口数量并不能显著提高区域创新能力；创新环境诸因素中，金融机构存贷款总额、高校毕业人数和市场化率对区域创新效率的影响最为显著。

关键词：创新环境因素；区域创新效率；Moran I指数；空间误差模型

文章编号：2095-5960（2015）02-0074-10；中图分类号：F124；文献标识码：A

一、引 言

区域创新产出受到诸多因素的影响，不但包括政府、企业、大学和科研机构这些直接创新主体，还包括区域内的基础设施、开放程度、产业结构和金融制度等创新环境因素。区域创新环境作为影响区域创新的外部因素，对区域创新能力的提升作用愈发明显。中国自提出建设创新型国家以来，大力加强自主创新能力建设，提高科技人员投入和科研资金投入，并不断加强官、产、学、研之间的相互合作，使国家创新能力得到显著提高。但由于中国不同区域的创新环境发展不平衡，制约着整体创新能力的进一步提高，因此研究创新环境因素对中国区域创新效率的影响具有重要现实意义。本文依据中国31个省（市、自治区）区域创新的基本情况及相关数据，从空间计量分析角度出发，建立区域创新产出与直接要素投入以及金融环境、市场环境、交通环境、信息环境和教育环境等外部创新环境之间的计量模型，实证研究创新环境因素对区域创新效率的影响机制，并对这些影响因素进行比较分析，从而提出有效提高区域创新能力的若干政策建议。

二、文献综述

近年来，国内外学者对区域创新产出及其效率的研究逐渐深入，研究方法和视角也得到不断扩展，相关研究主要集中在创新投入贡献、区域创新环境和知识溢出作用等方面。

创新投入贡献研究主要探讨区域创新投入对创新产出影响的弹性系数，这方面的研究通常是建立创新投入与产出的生产函数，利用各弹性系数结果评价投入因素影响作用的大小。如国外学者Fritsch（2002）运用知识生产函数研究了欧洲区域创新的质量，在以发明专利作为创新产出指标的情况下，发现研发资本投入产出系数为035—062，研发人员投入产出系数为039—061。[1]Bottazzi & Peri（2003）利用欧洲专利和创新投入的相关数据，建立了创新生产函数，得出了专利对研发人员投入的弹性系数接近于1的结论。[2]Leydesdorff（2005）研究了政府、企业和大学对知识生产的作用，认为政府需要在政策干预和政策帮助之间作出明智的取舍，企业需要自己决定将R&D内部化的程度和方法，而高校要在区域和全球的市场中自我定位。[3]Buesa et al.（2010）则选取了影响区域创新产出的21个因素，通过实证分析归类为5个因子，即从事创新的政府、企业、大学及国家创新环境、区域技术创新环境。[4]

相比国外学者，国内学者在创新投入贡献方面的研究起步较晚，代表性的文献有：吴玉鸣（2006）运用地理加权回归模型对区域创新及其影响因素进行了空间计量分析，结果显示中国31个省域创新能力的贡献主要是由企业研发投入实现，大学研发对区域创新能力没有明显的贡献，大学研发与企业研发的结合都没有对区域创新能力产生显著的作用。[5] 李宝礼和胡雪萍（2013）也得出类似结论，他们的研究显示政府支持能够显著提升区域创新效率，而产学研合作的作用并不明显。[6]李婧等（2010）运用静态空间面板和动态空间面板两种方法进行比较，从地理特征和社会经济特征两个方面建立空间权重矩阵，认为静态模型对空间相关性会产生过高估计的偏误，动态模型则可以矫正部分偏误。[7]曹勇等（2013）引入Theil系数模型对中国4个直辖市的创新能力差异进行比较研究，结果认为城市经济规模、科技成果转化能力和城市创新投入对城市创新能力存在显著正向影响。[8]

区域创新产出不仅取决于创新直接投入，也受到区域创新环境的影响。这方面的成果主要有：章立军（2006）运用波特竞争力分析框架论证了区域创新环境五要素的关系，认为基础设施水平、市场需求、劳动力素质及金融环境对创新能力有正面促进作用，而创业水平对创新能力没有显著影响。[9]Moultrie et al.（2007）从企业的角度研究了区域创新环境的影响，并通过对欧洲部分企业的调查，建立了一个关于地区“硬环境”在企业创新中地位和角色的框架，证明区域创新环境对企业创新战略的形成和效果有着深远的影响。[10]岳鹄和张宗益（2008）运用1997—2006年省际创新产出的面板数据进行了实证研究，发现中国30个省（市、自治区）创新能力的显著差异不仅是源于各地区R&D投入差异，也因创新环境的差异，并证实了创新环境对区域创新能力的重要影响。[11] 周红和宋晨（2013）从单个城市（天津市）实证角度出发，认为基础设施、市场需求、劳动者素质的投入对区域创新绩效有显著影响，而金融环境、创业水平的投入对区域创新绩效的促进作用不显著。[12]Crescenzi（2013）则侧重研究美国创新数据，分析了当地R&D支出支持创新过程的影响，特别强调社会经济因素和创新系统（“社会过滤器”的条件）的作用。[13]

知识溢出作用的研究主要源于传统的知识生产函数，知识具有很强的外部性，相邻地区知识溢出很容易影响到这些区域的创新能力。如国外学者Verspagen & Canils（2001）认为知识溢出是不同主体之间进行直接或间接互动交流和无意识的知识传播行为。[14]Keller（2004）研究了欧洲7国地理距离对知识溢出的影响，证实相邻地理区域存在知识溢出效应。[15]而Fritsch & Franke（2004）利用知识生产函数分析了企业和研发机构的R&D活动差异对区域创新效率差异的影响，发现R&D合作作为知识溢出的中介所起的作用并不明显。[16]Arvanitis et al.（2011）的研究则认为知识和技术溢出与企业和大学之间的衔接障碍呈负相关关系，企业规模和年龄以及员工文化程度对知识溢出有正向作用。[17]国内学者也从多种角度对知识溢出作用的研究进行了探索，如吴玉鸣（2007）运用全国31个省域创新相关数据，从空间角度实证了地理邻近的空间溢出效应，认为中国各地区创新能力空间相关性很强。[18]周国富和兰宇宁（2012）从城市角度对空间集群、知识溢出与区域经济增长差异进行了空间计量分析，结果表明中国城市经济增长也存在着明显的空间集群特征，城市所属省份的增长态势、产业结构调整、区域政策等因素对城市经济增长具有显著的促进作用。[19]张望（2013）以中国2005—2010 年 31 个省（市、自治区）的相关数据所进行的实证分析表明，技术差距是关乎企业总研发强度与企业自主创新强度的关键因素，尤其对经济处于起飞区域作用显著，中国区域发展存在较强的空间集群现象。[20]

综上所述，国内外学者已对区域创新产出及其影响因素和知识溢出作用等方面做了较为深入的探讨，相关研究成果也较为丰富，但仍存在以下一些不足：一是，大多数学者使用OLS或SFA模型建立区域创新产出与其影响因素之间的关系，利用简单计量分析各因素的弹性值，较少考虑空间相关性对模型的影响，从而出现模型设定偏误的现象。二是，学者们往往侧重分析区域创新产出的直接影响因素，如科技的研发投入（R&D经费投入和R&D人员投入）与创新产出的关系，或是从官、产、学、研等创新主体角度研究对区域创新产出具有直接绩效的各因素，对区域创新环境等外部要素影响作用的空间计量研究成果较少。在当前实体经济、虚拟经济以及信息化互相影响的社会中，创新环境因素显然对区域创新产出及其效率具有重要作用。三是，有些研究成果将影响区域创新环境的各个因素纳入同一个模型进行实证分析，忽视了解释变量之间的多重共线性，容易导致系数结果无意义，影响到实证研究的准确性。为了弥补上述不足，本文拟运用2006—2011年中国31个省（市、自治区）的经济数据，通过Moran I指数进行空间自相关性检验，并建立直接要素投入和区域创新外部环境因素与专利产出的实证模型，采用OLS和空间计量两种回归方法进行实证分析与比较，并在此基础上提出有针对性的政策建议。

三、理论框架和空间自相关性检验

（一）理论框架

本文理论框架来源于区域创新系统理论对知识生产函数的利用，大量实证结果表明，知识生产函数能够为区域知识溢出的地方化特性及区域创新产出提供一个基础的理论模型。区域创新产出过程和知识生产过程在本质上是基本相同的投入产出过程，因此可以借助知识生产函数的形式来表述区域创新产出函数，即Y=Af（K，L），其中K和L分别代表区域创新直接投入因素中的资本和劳动，而A代表区域创新环境因素，该指标是本文研究的主要因素，并且对K和L的产出效率具有促进或制约效应。其作用机制可以用下图1表示：

图1区域创新环境因素与直接投入要素对区域创新产出的作用机制

（二）Moran I指数的空间自相关性检验

根据空间计量经济学原理方法，在进行空间计量分析之前，首先要利用Moran I指数进行空间统计，检验解释变量是否存在空间自相关性，如果存在，就有必要建立空间计量模型进行估计和分析。Moran I指数作为考察经济活动空间关联性的一种统计分析方法，其计算公式如下所示：

表示地区的观测值（本文中是各省份专利申请受理量的对数值）；n为指标选取地区总数（本文为31）； wij为二进制的邻接空间权值矩阵，其中的任一省份之间，一般采用邻接标准或距离标准，定义空间对象的相互邻接关系。本文采用吴玉鸣（2007）所用的一般邻接矩阵来定义空间权值矩阵，其表达式为：

Wij=1当区域i和区域j相邻0当区域i和区域j不相邻 （2）

在这个空间矩阵中，对角线的数皆为0，即当i=j时，Wij=0。

Moran I指数的取值范围为[-1，1]，大于0则表示存在空间正相关，小于0则表示存在空间负相关，绝对值越大则表示经济行为空间相关性越大，等于0则表示经济行为无空间相关性。Moran I指数统计方法首先假定研究对象之间没有任何相关性，然后通过Z值（Z-value）的得分检验来验证假设是否成立。当|Z|>196时，则说明在95%的概率下，存在空间自相关。其中Z的判定公式为：

四、模型构建

（一）变量选取

1.被解释变量

本文采用专利申请受理量PATit（patent）作为衡量区域创新产出的指标，其中i代表不同地区，t代表不同年份。专利指标可以分为专利申请受理量和专利授权量，本文参照Crosby（2000）[21]的方法选用专利申请受理量，主要原因如下：一是因为专利申请受理量不存在时滞效应，更能反映当年区域内创新的活力和热情，而专利授权量要求较为严格，一般有2至3年的滞后期，并且在专利授权过程中本身也会存在一些外在影响因素。二是因为各个地区政府部门对专利授权的态度和规则存在差异，专利授权量在政府部门授权过程中的不确定性会导致数据异常波动，在这种情况下，专利申请受理量更能反映当年一个地区的创新产出水平。

2.解释变量

影响区域创新产出的因素可以分为直接要素投入和外部创新环境两个方面，本文主要选取以下指标作为解释变量：

（1）创新产出的要素投入

影响区域创新产出增长的最基本要素投入通常是劳动（L）和资本（K）。在劳动要素指标方面，本文选取R&D人员全时当量来衡量；在资本要素指标方面，选取R&D内部经费存量来衡量。与常用的流量指标相比，R&D内部经费存量指标代表的研发投入不仅对当期的研发产出产生影响，还包含了对以后若干期研发能力的作用。存量指标的采用参照白俊红等（2009）的永续存盘法[22]，其计算公式为：

（2）区域创新外部环境因素

在创新环境的各种因素中，本文选取金融环境、市场环境、交通环境、信息环境和教育环境5个方面作为衡量区域创新的外部环境，选取理由如下：

①金融规模FS（finance scale），即金融机构的存贷款总额数，本文通过价格指数对其进行平减。中国全面开放金融业以来，金融业对区域技术创新的影响作用日益凸显，主要表现在对技术创新的资金支持上，金融机构作为资金存贷的中间机构，对于创新投资和人才涌入具有很强的吸引力。

②市场化率MR（marketization rate），市场化率=1-（国有及国有控股企业工业总值/工业生产总值）。该指标是衡量一个地区市场的活跃程度，市场化率越高，说明这个地区市场更开放，受国家控制越少，国有企业占有比例越少，这一指标的选取可以比较国有企业和非国有企业在创新能力方面的差异。

③公路密度COM（communication），即公路面积除以区域总面积的值。公路密度代表的是一个地区的交通通达度，选取这个指标的原因在于验证中国道路建设已经取得一定成就的情况下，进一步加大道路建设的投入对区域创新能力的影响作用是否具有效率。

④通讯业务量INF（information），这是信息化要素的一个衡量指标。信息化程度的提高能够促进知识的流通效率，从而改善区域创新能力。同时，信息化程度越高，人们交流沟通所受的地域限制就越小，信息化程度对于区域创新产出具有重要作用。

⑤高校毕业人数EDU（education），该指标可以衡量一个地区的教育投入和重视程度，教育环境可以为创新研发提供良好的人才基础，也可以提高整个区域的知识水平，所以教育的重视程度对区域创新产出的影响更为直接。

（3）人口数量指标

人口数量也是影响区域创新产出的因素之一，且本文选取的主要关键变量都是地区总量，人口数量指标对区域创新产出总量的影响重大。因此为了提高模型拟合优度，更好地解释区域创新产出及其效率，本文选取各地区年末人口数（POP）测度人口规模，并纳入解释变量的行列。

（二）计量模型构建

本文利用OLS回归模型和空间计量模型对区域创新产出进行实证比较分析，空间计量模型包括空间滞后模型（SLM）和空间误差模型（SEM）。首先借助知识生产函数，建立投入研究的劳动力数量L、资本K和创新环境A与区域创新产出Y的函数，其函数为柯布—道格拉斯形式：Y=ρAαLβKσε，两边取对数可得：

lnY=lnρ+αlnA+βlnL+σlnK+lnε （6）

其中，Y表示区域创新产出，A表示区域创新外部环境的影响因素，L和K则表示区域创新的劳动投入和资本投入，ε为误差项。经过综合整理可将模型变为：

lnY=C+αlnA+βlnL+σlnK+μ（7）

根据所取指标，R&D研发人力投入和资金投入存在很大的共线性，本文选择R&D人员全时当量作为研发投入的指标，根据模型（7）建立如下模型：

lnPATit=C+αlnQSDLit+βlnENVit+σlnPOPit+μit（8）

其中，PAT代表被解释变量，即专利申请受理量；QSDL代表R&D人员投入的全时当量；ENV代表区域创新环境各因素，包括金融规模（FS）、市场化率（MR）、公路密度（COM）、通讯业务量（INF）和高校毕业人数（EDU）；POP代表控制变量人口规模；μit代表随机误差项；i代表地域，t代表时间。

（三）数据来源

为了验证中国不同区域创新能力的差别，分析创新环境因素对区域创新效率的影响，本文选取中国31个省（市、自治区）2006—2011年的面板样本数据，这些数据的主要来源有4个途径：（1）2007—2012年的《中国统计年鉴》；（2）2007—2012年的《中国科技统计年鉴》；（3）2007—2012年的《中国金融年鉴》；（4）2007—2012年各省（市、自治区）的统计年鉴。需要说明的是，西藏地区的固定资产价格指数缺失，本文采用西藏消费价格指数进行替代。

五、实证结果分析

（一）空间自相关性检验

通过被解释变量lnPATit这个指标可以计算出2006—2011年中国不同区域创新产出的Moran I指数值，并检测Z值的显著性，以考察31个省（市、自治区）区域创新产出之间是否存在空间关联。本文用Matlab 7.0软件计算得出的实证结果如表1所示。

从表1的结果可以看出，2006—2011年中国不同区域以专利申请受理量为被解释变量算出的Moran I指数值都大于0，且其对应的Z值均在1%的水平上显著，表明31个省（市、自治区）以专利申请受理量为代表的区域创新产出在空间分布上存在显著的正相关关系。这说明中国不同区域的创新行为在空间上不是分散分布的，或者说没有处在完全随机的状态，而是表现出某些省（市、自治区）的创新产出值在空间上趋于集群。区域创新产出的分布在空间上存在较强的依赖性，不仅高创新产出地区之间相互邻接，低创新产出地区之间同样也相互邻接。造成该现象的主要原因是地理邻近空间的知识溢出效应，相邻地区之间通过频繁交流和紧密的经济合作关系，能够产生知识溢出和极化效应，促进创新集群的产生和发展。表1的结果还显示近2006—2011年Moran I指数值在不断增大，反映中国不同区域之间的空间自相关性在不断增强，区域创新集群的现象在不断加深。

（二）OLS回归模型和空间计量模型的结果比较分析

本文主要研究创新环境因素对中国31个省（市、自治区）区域创新效率的影响，分析样本局限于一定数量的特定个体，因此选择固定效应模型进行实证检验。检验的模型包括OLS回归模型、空间滞后模型（SLM）和空间误差模型（SEM），运用Matlab 7.0软件得到的实证结果如表2和表3所示：

从表2中的OLS回归模型结果可以看出，R&D人员投入（QSDL）的回归系数在5个OLS模型中的结果均为正，显著性水平也较高，反映以R&D人员全时当量为代表的研发投入对于区域创新产出具有重要促进作用。金融规模（FS）、市场化率（MR）、公路密度（COM）和通讯业务量（INF）等创新环境各因素的回归系数也为正且显著，但高校毕业人数（EDU）的回归系数则为负。出现这种结果的原因通常有两方面：一是遗漏了重要变量；二是模型设定存在问题，例如忽视了变量之间的空间相关性。由于各个OLS模型的拟合优度R2均较高，并且根据拉格朗乘数检验的值，除了LMLAG在OLS模型中不显著外，R-LMLAG、LMERR、R-LMERR都在1%的水平上检验显著。再加上表1中Moran I指数的显著判断，说明变量之间的空间相关性很强，简单运用OLS模型进行实证估计是不准确的。在选择空间计量模型时，根据Anselin et al.（2004）的判断规则[23]，由于LMERR和R-LMERR显著性水平都高于LMLAG和R-LMLAG的显著性水平，因此选择空间误差模型（SEM）较为合适，表3的结果也显示SEM模型的拟合优度要高于OLS模型。

从表3中的SEM模型计量结果可以看出，空间误差项的显著性系数在5个模型中均超过1%，说明确实存在误差项序列相关。引入误差项之后，在SEM（1）、SEM（2）和SEM（5）中，以R&D人员全时当量为代表的研发投入（QSDL）对于区域创新产出的回归系数为正，说明研发投入对区域创新产出具有正向效应。但在SEM（3）和SEM（4）中检验却不显著，这可能是由于金融机构存贷款总额（FS）和高校毕业人数（EDU）与R&D人员全时当量发生共线性所致。而控制变量人口数量指标（POP）则在5个SEM模型中较不显著，说明人口数量指标在时间序列条件下变化不大，简单地增加人口规模并不能有效提高区域创新能力。

具体来看，在SEM（1）和SEM（2）中，通讯业务量（INF）和公路密度（COM）对专利申请受理量的回归系数分别为0157和0533，均未通过显著性检验。通常来说，信息化程度的提高和交通条件的改善可以促进知识扩散和外溢，提高知识信息传递效率，从而促进区域创新产出。造成回归结果不显著的原因可能是创新主体充分利用信息网络发掘知识的意识不够，未能有效利用网络资源；也可能是信息化水平的提高和交通状况的改善导致信息更易扩散，创新主体倾向于免费使用外来技术，从而产生自主创新动力不足的消极效果。

SEM（3）中的计量结果显示，金融机构存贷款总额（FS）对专利申请受理量存在正向影响（回归系数为1208），并且通过了1%的显著性水平检验。这表明金融机构对创新主体进行技术创新的资金支持作用巨大，金融机构存贷款总额每增加1%，专利申请受理量将增加1208%。这是因为技术创新是一项需要庞大资金的活动，企业、大学和科研机构在进行技术创新和专利研发时需要大量资金，一个健全的金融体系和良好运作的金融机构无疑能促进区域技术创新的顺利进行。

SEM（4）显示了高校毕业人数（EDU）对区域专利产出的影响，其结果为正相关，回归系数为0786，并且通过了1%的显著性水平检验，这说明教育（尤其是高等教育）对区域创新产出的影响巨大。高校毕业生数量代表着创新主体的潜在人才库，该创新环境因素一方面为区域创新能力的提高提供知识储备；另一方面，人才之间相互交流还可以带来知识溢出，促进区域创新产出呈几何倍数增长。因此，重视教育和尊重人才能够促进区域创新能力和创新产出的提高。

SEM（5）中的计量结果反映，在其他条件不变的情况下，市场化率（MR）越高，专利申请受理量就越多，其回归系数为0391，并且在5%的水平上检验显著。市场化率代表一个地区市场经济的发展水平，市场是配置资源最有效的方式，而政府配置资源往往产生低效率，且垄断可能造成创新活力不足。然而，国有垄断企业通常拥有更多的资源，可以集中力量进行技术创新投资，创造更多的创新产出。但从本文实证结果来看，市场开放程度对区域创新产出具有显著的正向效应，这是因为在市场化程度较高的环境下，追求创新可以为创新主体带来较高的收益。在市场经济不发达的情况下，由于缺乏知识产权的有效保护，创新成果可能被国家无偿或低价征用，或者被他人盗用导致创新主体缺少创新热情和动力。因此，国有垄断企业通过自己的垄断权力能够轻易获取暴利，但创新动力不强，而私营和股份制等非国有企业只有不断创新才能提高企业竞争力，从而获取超额利润。

六、结论和政策建议

本文以2006—2011年中国31个省（市、自治区）的经济数据为基础，运用Moran I指数进行空间自相关性检验，并建立直接要素投入和区域创新外部环境因素与专利产出的实证模型，通过OLS和空间计量两种回归方法进行了实证分析与比较，得出以下主要结论：一是以专利申请受理量为代表的区域创新产出在中国不同区域存在发展不平衡的现象，区域创新行为具有空间集中分布的特点，并且区域创新集群的现象比较明显。二是相对于以R&D人员全时当量为代表的研发要素直接投入，创新环境外部因素对中国31个省（市、自治区）区域创新效率具有显著的正向影响，但单纯增加人口数量并不能显著提高区域创新能力。三是在创新环境诸因素中，金融机构存贷款总额、高校毕业人数和市场化率对区域创新效率的影响最为显著，而以通讯业务量和公路密度为代表的信息化水平和交通基础设施建设对区域专利产出的影响虽为正，但未能通过显著性检验。

基于上文分析，本文提出如下政策建议：第一，加快区域间资源补给和创新要素调配步伐。为了全面建成小康社会，缩小地区经济差距，国家应该从提升整体区域创新能力出发，大力提高中西部落后地区的区域创新水平。要根据中国区域创新集群高度集中的特点，加强高创新能力地区对落后偏远地区创新能力的援助和补给，通过良好的国家创新政策引导资金、人才和技术等创新要素向落后地区转移，加大创新产出较低区域的财政拨款和研发投入，从而提升区域之间资源补给和创新要素调配效应，实现不同区域整体创新水平的共同提高。

第二，创新要素直接投入和创新外部环境建设并重发展。区域经济发展不仅要重视对创新要素的直接投入，包括对企业、大学和科研机构等创新主体的直接研发支持，更应该注重金融环境、市场环境、交通环境、信息环境和教育环境等区域创新外部环境建设。创新环境因素的优化组合和合理配置，一方面能够有效提高区域创新效率，另一方面可以吸引外来技术、知识和资金的流入，最终通过创新极化效应和“干中学”效应提升本区域的创新水平。

第三，创新环境投资建设要分清主次，特别应注重区域金融环境、教育环境和市场环境建设。首先，要加强和完善金融监管体系，减少全球化背景下金融行业发展的不稳定因素，建立良好的金融信贷体系，放宽金融机构对创新主体的贷款限制和门槛，积极引导银行贷款投向具有良好发展前景的技术创新型企业。其次，继续加大高等教育投入，全面提高劳动力综合素质，大胆探索中国高等教育投资的多种实现形式，增强评估激励机制在教育拨款绩效考核中的重要功能，使高等院校成为知识溢出和创新产出的主体力量。再次，尽量减少政府对市场经济行为的干预以及国有垄断资本对市场资源的控制，提升市场经济活力和开放程度，努力提高创新主体进行技术创新的积极性，通过构建完善的知识产权保护制度，为各类创新主体参与区域创新活动营造良好的市场竞争环境，有效发挥创新环境因素对区域创新效率的正向促进作用。

参考文献：

[1]Fritsch M. Measuring the Quality of Regional Innovation Systems： A Knowledge Production Function Approach[J]. International Regional Science Review， 2002， 25（1）： 86-101.

[2]Bottazzi L， Peri G. Innovation and Spillovers in Regions： Evidence from European Patent Data[J]. European Economic Review， 2003， 47（4）： 687-710.

[3]Leydesdorff L. The Triple Helix Model and the Study of Knowledge-based Innovation Systems[J]. International Journal of Contemporary Sociology， 2005， 42（1）： 12-27.

[4]Buesa M， Heijs J， Baumert T. The Determinants of Regional Innovation in Europe： A Combined Factorial and Regression Knowledge Production Function Approach[J]. Research Policy， 2010， 39（6）： 722-735.

[5]吴玉鸣.大学、企业研发与首都区域创新的局域空间计量分析[J].科学学研究，2006（3）：398-404.

[6]李宝礼，胡雪萍.金融发展、技术创新与经济增长——基于结构面板自回归模型的实证分析[J].贵州财经大学学报，2013（5）：1-6.

[7]李婧，谭清美，白俊红.中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究[J].管理世界，2010（7）：43-55.

[8]曹勇等.中国四大直辖城市创新能力及其影响因素的比较研究[J].中国软科学，2013（6）：162-170.

[9]章立军.创新环境、创新能力及全要素生产率——基于省际数据的经验证据[J].南方经济，2006（11）：43-56.

[10]Moultrie J， et al. Innovation Spaces： Towards a Framework for Understanding the Role of the Physical Environment in Innovation[J]. Creativity and Innovation Management， 2007， 16（1）： 53-65.

[11]岳鹄，张宗益.R&D投入、创新环境与区域创新能力关系研究：1997—2006[J].当代经济科学，2008（6）：110-116.

[12]周红，宋晨.科技服务业发展水平评价与宏观走向：天津例证[J].贵州财经大学学报，2013（4）：92-97.

[13]Crescenzi R， Rodríguez-Pose A. R&D， Socio-Economic Conditions and Regional Innovation in the U.S[J]. Growth and Change， 2013， 44（2）： 287-320.

[14]Verspagen B， Canils M. Barriers to Knowledge Spillovers and Regional Convergence in an Evolutionary Model[J]. Journal of Evolutionary Economics， 2001， 11（3）： 307-329.

[15]Keller W. International Technology Diffusion[J]. Journal of Economic Literature， 2004， 42（3）： 752-782.

[16]Fritsch M， Franke G. Innovation， Regional Knowledge Spillovers and R&D Cooperation[J]. Research Policy， 2004， 33（2）： 245-255.

[17]Arvanitis S， et al. Knowledge and Technology Transfer （KTT） Activities Between Universities and Firms in Switzerland： An Empirical Analysis Based on Firm-level Data[J]. Industry and Innovation， 2011， 18（4）： 369-392.

[18]吴玉鸣.大学、企业研发与区域创新的空间统计与计量分析[J].数理统计和管理，2007（2）：318-323.

[19]周国富，兰宇宁.空间集群、知识溢出与区域经济增长差异——基于城市视角的空间计量分析[J].工业技术经济，2012（3）：31-39.

[20]张望. 技术差距、政府补贴与企业自主创新强度[J].贵州财经大学学报，2014（2）：79-90.

[21]Crosby M. Patents， Innovation and Growth[J]. Economic Record， 2000， 76（234）： 255-262.

[22]白俊红，江可申，李婧.应用随机前沿模型评测中国区域研发创新效率[J].管理世界，2009（10）：51-61.

[23]Anselin L， Florax R， Rey S J. Advances in Spatial Econometrics： Methodology， Tools and Applications[M]. Springer Verlag， 2004， 1-107.