考虑空间效应的高技术企业创新溢出效应研究

李文亮��许正中

摘要：在考虑空间依赖性和异质性的基础上，运用空间杜宾模型对我国2008～2012年28个省级地区的高技术企业创新溢出的空间效应进行实证分析。结果表明：创新产出不仅与本地区投入相关，而且与邻近地区的投入显著相关；从长期角度看直接效应、间接效应都十分显著，并且这种溢出效应呈现出MAR外部性。

关键词：空间异质；空间依赖；溢出效应；MAR外部性

DOI：10.13956/j.ss.1001-8409.2015.04.01

中图分类号：F2731；F27644 文献标识码：A 文章编号：1001-8409（2015）04-0001-04

Research on Spillover Effect of Hightech Innovation

Based on Spatial Effect

LI Wenliang1， XU Zhengzhong2

（1. College of Management and Economics， Tianjin University ，Tianjin 310092；

2. College of Economics， Chinese Academy of Governance， Beijing 10089

）

Abstract：On the basis of spatial heterogeneity and dependence， this paper analyzes the spatial direct and indirect spillover effect of hightech innovation of 28 provinces in China from 2008 to 2012， with spatial panel econometrics method and gray incidence technology. The result shows that， the output of hightech innovation are not only related to the locals input but also significantly positive correlated with adjacent area. From a longterm perspective， both in direct and indirect way， spatial spillover effect of innovation output is significant， and this effect shows MAR externalities.

Key words：spatial heterogeneity； spatial dependence； spillover effect； MAR externalities

高技术企业作为国家战略性、先导性技术的中坚力量，在捕捉新技术和新产业中起着不可替代的作用。在创新系统中，由于技术的非排他性、可转移性和可传播性，使其通过多种渠道能够被其他创新主体吸收和利用，导致技术的溢出。因此，在技术溢出作用下，一个地区的高技术企业创新产出不仅与当地的研发投入、经济水平、创新环境等因素有关，而且越来越多地受到周边地区知识溢出、技术扩散等方面的影响。忽视空间溢出效应不仅会导致模型的错误设定、估计方法的错误选择，而且不能对高技术企业创新产出空间溢出特征、成因及其演进规律进行客观分析。在此背景下，本文突破以往研究的局限性，在空间与时间的维度下，运用空间杜宾模型考察高技术企业创新溢出的直接效应、间接效应，探寻影响我国高技术企业创新产出区域发散或收敛的空间机制，并根据研究结论提出政策建议。

1相关研究综述

目前的研究中Marshall首先提出了地理邻近性的概念[1]。根据地理邻近性特征，新经济地理学派认为知识合作对地理边界和空间距离有很强的依赖[2]。因此，Eriksson把地理邻近看作是影响创新溢出与企业绩效的关键[3]。在之前的这些研究中主要关注地理邻近性，认为创新主体间的互动需要以邻近距离为基础，而距离越远，溢出就越不可能发生[4]。事实上，随着信息技术的发展与科技中介组织的作用，地理空间效应突破了距离的限制，对区域创新产生着深刻和直接的影响。Ter Wal指出当某个产业趋于成熟时，闭合效应日益凸显，在信任关系的作用下地理距离较远的企业将建立合作关系，促进技术、知识的溢出[5]。单一空间距离向多维距离扩展，深化了距离的内涵，而且多维距离降低了单一地理距离对创新的负影响，多维邻近对创新溢出的影响进入学者的研究视野[6]。

目前，国内外的研究虽然揭示了创新溢出的空间效应，但仍存在一些不足。首先，创新溢出效应仅局限于边界相邻地区，忽略经济距离、社会距离等现实中反映的空间邻近关系；其次，对创新溢出仅关注于直接效应，忽视创新产出的间接效应；第三，创新投入与产出之间存在时滞，之前的研究忽略了时间滞后的特征。针对上述问题，本文突破以往研究的局限性，以我国2008～2012年28个省级地区的高技术企业为研究对象，通过描述高技术企业创新产出的空间特征及其演化进程，考察创新溢出效应。

本文的创新点包括三个方面：第一，根据灰色关联技术确立R&D研究经费最佳滞后期，并验证创新产出的MAR外部性的存在；第二，根据地理邻近与经济距离构建加权空间矩阵，考察创新溢出特征；第三，分析高技术企业空间溢出的直接效应和间接效应。

2高技术企业创新分布的特征

高技术企业是知识密集、技术密集型的经济实体，其创新产出分布涉及到创新溢出的模型设定与估计方法选择。通过全局与局部Morans I指数，刻画我国高技术企业创新产出空间分布特征及其演进规律，为模型构建奠定基础。

21数据来源及说明

根据2008～2012年我国28个省级地区高技术企业专利申请量，分析全局与局部Morans I指数。数据来源于2009～2013年《中国科技统计年鉴》。

22空间自相关分析

221全局空间自相关

全局空间自相关描述某一指标所有区域与邻近地区差异的平均程度。

结果显示，各年Morans I指数均为负值，其Z值均通过10%的显著性检验，表明我国高技术企业创新产出存在“间隔分布”的特征。

232局部分析

运用GeoDa软件，刻画2008～2012年我国高技术企业创新产出空间分布的LISA图，如图1所示。从2008～2012年我国高技术企业创新产出空间演变格局可以看出，HH类型地区不断增多和LL类型地区不断减少，表明创新产出空间差异程度正在逐渐减小。

3高技术企业溢出效应的空间计量分析

高技术企业创新产出空间分布特征违背高斯—马尔可夫经典假设[7]。需采用空间计量的ML估计解决一致性与无偏性问题。

31空间计量模型

R&D人员与R&D经费是影响创新产出的重要因素[8]。此外，两种具有竞争性的观点从不同角度反映影响创新产出的因素。一种观点认为，产业专业化程度越高越有利于企业知识溢出，即Marshall-Arrow-Romer外部性越高，对本地区创新产出具有较强的促进作用[9]；另一种观点认为，产业分散化程度越大越能促进创新溢出[10]。综合上述各影响因素，本文为考察高技术企业创新溢出的空间效应以及分析高技术企业创新溢出特征，构建一系列空间计量模型，如模型（5～8）所示。

模型（5）为空间滞后模型，ρ表示空间溢出效应大小。模型（6）为空间误差模型， λ反映误差能够被空间效应解释的部分。模型（7）为空间杜宾模型，除了空间滞后项之外还包括自变量滞后项。模型（8）为空间杜宾误差模型，除了空间滞后项还包括空间误差项。

32变量说明

Pit表示地区i第t年高技术企业专利申请量，W表示空间权重矩阵，Humit表示地区i第t年高技术企业R&D人员全时当量，Monit表示地区i第t年高技术企业R&D经费内部支出，Monit-表示地区i第t年高技术企业R&D经费内部支出的滞后变量，Sit表示地区i第t年产业专业化程度，Dit表示地区i第t年产业分散化程度。产业专业化与分散化计算的原始数据来源于2009～2013年的《中国工业经济统计年鉴》。

空间权重的确立。本文借鉴Case等人研究方法，综合地理邻近与经济距离建立空间权重加权矩阵[11]。空间权重加权矩阵W=（1-α）W1+αW2，其中，W1为地理邻近矩阵，W2为经济距离矩阵。设定α=05。

滞后期的确立。本文运用灰色关联技术确立高技术企业的滞后期。运用灰色建模软件分别分析高技术企业R&D经费支出滞后1～4期与高技术企业创新产出的灰色关联系数，发现高技术企业R&D经费支出滞后2期与高技术企业创新产出关联度最高，确立高技术企业R&D经费支出滞后2期。

33模型估计

本文运用2008～2012年我国28个省级地区的高技术企业数据，对模型（5）至模型（8）进行回归，回归结果见表2、表3。

从表2对各种类型面板回归数据的检验结果可以看出，LM spatial lag与LM spatial error，以及Robust LM spatial lag检验和Robust LM spatial error拒绝不存在空间效应、误差效应和空间滞后效应的假设。因此，应该对模型（5）至模型（8）运用极大似然法（ML）进行估计。

根据表3回归结果，比较模型（5）至模型（8）的Log-Likehood的值，发现模型（7）是最优模型。WPit的系数为正且显著不为0，表明高技术企业创新产出不仅与本地区的创新投入有关，而且也与相邻地区的高技术企业创新投入相关。从产业专业化与分散化程度的系数来看，产业专业化程度的系数为正且显著，产业分散化程度系数为正但不显著，表明我国省级地区的高技术企业创新产出表现出显著的MAR外部性。

表4直接效应与间接效应

表4显示了模型（7）中R&D人员与研究经费空间溢出的直接与间接效应。从直接效应来看，R&D人员的直接效应为0579，研究经费滞后项的直接效应为0417。研究经费投入滞后项小于研究人员当量对创新产出的影响，说明人力资本对高技术企业创新产出具有更重要的影响。

从间接效应来看，R&D人员的间接效应为0611，研究经费的间接效应为0195。间接溢出效应表明，高技术企业创新产出不仅与本地区的研究人员当量、研究经费投入相关，而且与邻近地区投入相关。

4研究结论及政策建义

基于新地理经济学理论，本文建立了空间杜宾模型，深入分析了高技术企业创新溢出的直接与间接效应，得到了更贴近客观现实与稳健的研究结论，具体归纳如下：第一，全局空间自相关分析揭示了我国高技术企业创新产出存在空间依赖性和异质性；第二，局部空间自相关分析表明地区极化效应正在逐渐减弱，空间差异扩大程度正在逐渐减小；第三，空间杜宾模型实证结果显示，R&D人员、研发经费的直接、间接效应都十分显著，这一结论与Paci，Usai和吴玉鸣的研究结论不谋而合[12，13]；第四，空间杜宾模型同时表明产业专业化程度对高技术企业创新产出具有显著影响，即高技术企业创新溢出效应呈现出MAR外部性特征。

由以上结论可知，在经济效应和空间效应的共同作用下，我国高技术企业创新产出呈现出地理集聚和区域空间差异的特征，而缩小区域创新产出空间差异是实现区域协同发展的必然选择。为更好发挥区域创新溢出效应，实现区域创新产出收敛，本文提出以下政策建议。

（1）建立技术交流与共享平台，加快技术扩散。知识经济时代，高技术企业不可能拥有创新所必需的全部知识，必须关注与外部组织和环境的沟通与交流，技术交流与共享平台正是促进不同区域之间和区域内部技术交流与扩散的重要载体。技术交流与共享平台包括信息、技术、设备硬件平台和政策软件平台。在技术交流与共享平台上，一方面通过技术交易、技术共同开发等形式实现技术转移；另一方面通过研发人员交流与合作加快隐性知识传播。

（2）发展科技中介组织，加强区域合作。科技中介组织包括生产力促进中心、科技企业孵化器、技术市场、科技情报信息机构等。通过科技中介组织提供技术产权交易、人才流动、风险投资等服务，加强区域高技术企业技术合作和密切联系，增强技术溢出效应。

（3）实施优惠政策，加快科研人才流动。为促进科研人才流动，政府应从优惠政策入手鼓励科研人才由高校、科研机构向高技术企业转移，鼓励科研人才由先进地区向落后地区转移。优惠政策包括改变高校、科研机构职称晋升制度，支持科研人员到企业兼职，创新落后地区通过个人所得税减免、提高研究经费，引进科研人才，加快区域协同发展。

参考文献：

[1]Steven Pinch，Nick Henry. Paul Krugmans Geographical Economics，Industrial Clustering and the British Motor Sport Industry [J]. Regional Studies，1999，33（9）：815-827.

[2]Hennemann S，Rybski D，Liefner I. The Myth of Global Science Collaboration-Collaboration Patterns in Epistemic Communities [J]. Journal of Informetrics，2012，6（2）：217-225.

[3]Eriksson R H. Localized Spillovers and Knowledge Flows： How does Proximity Influence the Performance of Plants？[J]. Economic Geography，2011，87（2）：127-152.

[4]王庆喜. 多维邻近与我国高技术产业区域知识溢出——一项空间面板数据分析（1995-2010）[J].科学学研究，2013（7）：1068-1076.

[5]Anne L J， Ter Wal. The Dynamics of the Inventor Network in German Biotechnology： Geographic Proximity Versus Triadic Closure [J]. Journal of Economic Geography，2013（2）：1-32.

[6]Balland P A. Proximity and the Evolution of Collaboration Networks： Evidence from Research and Development Projects Within the Global Navigation Satellite System Industry[J]. Regional Studies，2011，46（6）：741-756.

[7]James Le Sage，Robert Kelly Pace. Introduction to Spatial Econometrics[M]. CRC Press，2009.

[8]黄贤凤，武博，王建华. 政府研发资助、合作研发与企业创新绩效关系研究[J]. 软科学，2014（1）：15-19.

[9]程开明. 专业化、多样性与技术创新：一个文献综述[J]. 自然辩证法研究，2011（9）：42-47.

[10]Gilles Duranton，Diego Puga. Diversity and Specialisation in Cities： Why， Where and When does it Matter？ [J]. Urban Studies，2000，37（3）：535-555.

[11]Anne C Case，Harvey S Rosen.Budget Spillovers and Fiscal Policy Interdependence： Evidence from the States[J]. Journal of Public Economics， 1993（52）：285-307.

[12]Moreno R， Paci R， Usai S. Geographical and Sectoral Clusters of Innovation in Europe[J]. Annals of Regional Science，2005，39（4）：715-739.

[13]吴玉鸣. 空间计量经济模型在省域研发与创新中的应用研究[J]. 数量经济技术研究，2006（5）：74-130.

（责任编辑：赵毅峰）