中国区域高技术产业发展差异的时空演变

肖 刚，杜德斌，戴其文，胡曙虹

(1.华东师范大学科技创新与发展战略研究中心，上海 200241；2.华东师范大学中国现代城市研究中心，上海 200241)

中国区域高技术产业发展差异的时空演变

肖 刚1，杜德斌1，戴其文2，胡曙虹1

(1.华东师范大学科技创新与发展战略研究中心，上海 200241；2.华东师范大学中国现代城市研究中心，上海 200241)

以高技术产业总产值为主要指标，采用变异系数和传统与空间马尔可夫链方法，从时间、空间和区域视角来分析1995—2013年中国区域高技术产业发展差异的时空演变。研究结果表明:中国区域高技术产业发展差异整体上呈现继续缓慢扩大的趋势，出现高水平和低水平趋同俱乐部强化的趋势。区域高技术产业发展类型发生空间转移的特征是发展水平差距越小，发生转移的概率越高，发展水平的差距越大，发生转移的概率越低。邻域背景明显影响区域高技术产业发展差异的演变，地理临近效应在低水平、中低水平高技术产业发展地区表现不明显，而在中高水平地区显著增加。

高技术产业；空间马尔可夫链；区域发展差异；时空格局

1 引言

随着中国高技术产业快速发展，高技术产业发展区域性差异的空间分布不均衡表现日益突出。因此，在国家实施创新驱动和区域协调发展战略的背景下，深入分析中国区域高技术产业发展差异的时空分布格局和演变规律，既可以更好地优化区域高技术产业空间布局，又可以实现高技术产业与区域经济协调发展。

从国内外研究进展来看，学者主要从产业空间集聚[1-5]、创新效率[6-11]、空间差异[12]和空间格局演变[13-15]视角来研究中国区域高技术产业发展差异。学者们针对中国区域高技术发展差异的成因、机制和空间格局演变做出最好的理论归纳，并为缩小区域高技术产业发展差异提出最有价值政策建议，但现有研究以静态为主，视区域为独立个体，忽视不同区域背景影响作用，没有同时考虑时间、空间和地理因素对区域高技术产业发展差异演变过程的动态研究。然而，高技术产业发展表现出明显地理嵌入性，一方面产业空间聚集不仅受区位因素影响[3]，而且还受到知识溢出、创新扩散等地区间相互作用的影响[16]。另一方面，高技术产业发展空间演变表现空间相关性[17-18]。因此，引入传统与空间马尔可夫链相结合的方法，同时从时间演变、空间演变和地理邻近的视角来探析中国区域高技术产业发展差异的动态演变，从而为缩小高技术产业发展区域性差异，为国家和地区制定高技术产业发展战略规划提供科学依据。

2 数据来源与研究方法

2.1 数据来源

本研究采用高技术产业总产值来衡量区域高技术产业发展的指标，以1995—2013年作为研究期间，来考察中国区域高技术产业发展差异的时空演变。研究区域测度主要以中国31个省域作为分析单元 (1995—1996年重庆市数据无法获取，为了保持研究连续性而对其作均值替代处理，而香港、澳门、台湾不在本文研究范围，无法获取数据)，研究所使用的数据均来 1995—2013年《中国高技术产业统计年鉴》和 《中国经济与社会发展统计数据库》。

2.2 研究方法

(1)变异系数分析方法。变异系数 (CV)又称为标准差率或离散系数，是标准差和平均数的比值。它是衡量观测值变异程度的一个统计量，反映地区相对均衡度，其计算方法为:

式中:CV为变异系数；N为样本数；Xi为样本值；为样本平均值。变异系数越小，说明区域高技术产业发展越均衡。本文采用变异系数方法来分析中国区域高技术产业发展差异总体演变过程。

(2)马尔可夫链分析方法。为了清晰探索中国区域高技术产业发展差异的空间演变过程，运用马尔可夫链分析法来构造马尔可夫转移概率矩阵，刻画各省域之间在不同时期的高技术产业发展时空分异演变情况。首先将连续的区域年平均高技术产业总值离散化为k种类型，然后计算相应类型的概率分布及其年际变化，近似逼近区域高技术产业发展差异演变的整个过程。如果将t年份区域年平均高技术产业总产值类型的概率分布表示为一个1×k的状态概率向量Ft，记为Ft＝[F1t，F2t，F概率Fkt]，而不同年份区域年平均高技术产业总产值类型之间的转移可以用一个k× k的马尔可夫转移概率矩阵M表示 (见表1)。

表1 马尔可夫转移概率矩阵 (k＝4)

表1中，元素mij表示t年份属于类型i的区域在下一年份转移到j类型的概率，采用下式计算:

式中，nij表示在整个研究期间内，由t年份属于i类型的区域在t+1年份转移为j类型的区域数量之和，ni是所有年份中属于类型i的区域数量之和。如果某个区域的年平均高技术产业总产值类型在初始年份为i，在下一年份仍保持不变，则定义该区域类型转移为平稳；如果年平均高技术产业总产值类型有所提高，则定义该区域向上转移；否则，为向下转移。

(3)空间马尔可夫链分析方法。为了充分考虑区域高技术产业发展的空间滞后和时间滞后效应，弥补时间加权马尔可夫链忽视地理邻近对区域高技术产业发展之间的空间相互作用，从而引入空间滞后效应到空间马尔可夫链。根据区域i在初始年里的空间滞后类型，可以把传统的k×k马尔可夫矩阵分解成k个k×k条件转移率概率矩阵。这里第K个条件矩阵中的元素mij(K)表示以区域在t年份的空间滞后类型K为条件下，在下一年份从类型i变为类型j空间转移概率。本文引入空间马尔可夫链可以清晰地揭示出地理空间效应对中国区域高技术产业发展差异时空演变的影响。

3 结果与分析

3.1 中国区域高技术产业发展差异的总体演变特征

利用变异系数计算出1995—2013年中国各地区高技术产业总产值的变化结果显示，19年来中国区域高技术产业发展差异呈现出波浪式上升的演变趋势，大致可以分为三个动态演变过程: 1995—2001年期间主要呈现缓慢上升趋势；2002—2005年期间主要呈现急速上升趋势，变异系数达到最大值2.01；2006—2013年期间主要呈现缓慢下降趋势。从总体来看，区域高新技术产业总产值的变异系数由1995年的1.44上升到2013年的1.69，这说明中国区域高技术产业发展差异呈现出逐步缓慢扩大的趋势。

3.2 中国区域高技术产业发展差异的时间演变特征

利用马尔可夫链方法判断中国区域高技术产业发展差异是否发生俱乐部趋同，以及各趋同俱乐部的稳定性和各省域在不同趋同俱乐部之间的转移情况。首先，将全国31个空间单元按照相应年份的全国高技术产业总产值均值划分为4个类型:年平均高技术产业总产值低于全国平均水平的50%，则为低水平区域；年平均高技术产业总产值介于全国平均水平的50%～100%之间，则为中低水平区域；年平均高技术产业总产值介于全国平均水平的100%～150%之间，则为中高水平区域；年平均高技术产业总产值大于全区平均水平的150%，则为高水平区域。此外，还检验了其他划分标准所得出的结果并作了比较，其结果大致相同。由于2002年中国加入了WTO组织，市场更加开放，创新要素流动性加强，这有利中国高技术产业吸引区域内外甚至全球的技术、人才、资金等创新资源，从而迈入新的发展时期。故将整个研究期分为1995—2002年和2003—2013年两个阶段。分别计算整个研究期和两个阶段年均中国各省域高技术产业总产值类型的马尔可夫转移概率矩阵 (见表2)和空间马尔可夫转移概率矩阵(见表3、表4)。

根据表2结果，总结出1995—2013年期间中国区域高技术产业发展类型转变在整个研究期间存在以下特征:

(1)区域高技术产业发展类型存在低水平、高水平、中高水平和中低水平4个趋同俱乐部。所有对角线上的概率值均大于非对角线上的数值，表明这4个趋同俱乐部均具有较强的稳定性。对角线上的最大值为0.932，最小值为0.753，说明不管在那个时段，一个区域保持原有高技术产业总产值类型的可能性至少为75.3%。

(2)区域高技术产业发展类型中低水平俱乐部和高水平俱乐部表现出极强的稳定性。从总体上看，低水平俱乐部和高水平俱乐部维持原有状态的可能性分别为93.2%和90.8%，而且初期为低水平区域向上转移的概率最大仅为2%，这说明欠发达地区高技术产业发展很可能陷入 “贫困陷阱”。从频次上看，1995—2002和2003—2013年间，初期为低水平和高水平的数量分别为137、51和215、58，从中可以看出，2003—2013年期间低水平地区数量明显增加，这表现区域高技术产业发展类型呈现出显著的俱乐部趋同现象，低水平地区高技术产业发展表现出 “马太效应”。

(3)区域高技术产业发展类型发生相近之间转移，“跨越式”转移概率非常小。由于非对角线上的值不全为0，并且分布在两侧，其中最大值为0.11，仅为对角线上最小值的14.6%，与对角线不邻接的概率值为0.000，这意味着在连续两个年份之间，区域高技术产业实现跨越式发展可能不存在，如中低水平向高水平转移。

(4)区域高技术产业发展类型邻域间转移表现出活跃的演变趋势。根据表2所示，2013年比1995年的低水平 (由15个增至16个)、中低水平(由34个增至39个)和中高水平 (由26个增至29个)俱乐部趋同继续扩大，而高水平地区俱乐部出现收敛趋势 (由7个减至4个)。这表明中国区域高技术产业发展差异总体呈现出缓慢扩大趋势，同时转移比较活跃。

表2 中国各省域年均高技术产业总产值类型的马尔可夫链转移矩阵 (1995—2013年)

3.3 中国区域高技术产业发展差异的空间演变格局

由于中国各地区高技术产业的资源禀赋、创新效率和发展水平存在明显区域性差异，这种背景会深刻影响各地区高技术产业发展。通过计算空间马尔可夫链转移概率矩阵来进一步探索地理空间效应对区域高技术产业发展差异影响的动态演变过程。通过表3可以发现，区域所形成的区域相邻、省域相邻的邻域背景会对其周边高技术产业发展区域性差异变动产生不同影响。从中总结出以下几点结论:

(1)区域背景对各地区高技术产业发展的时空演变过程产生重要影响。不同背景下区域高技术产业发展的转移概率表现不同，如果区域背景属于低水平地区向上转移概率为0.02(见表2)大于领域处于低水平的地区向上转移概率为0.009 (见表4)，如果区域背景属于高水平地区向下转移的概率0.055(见表2)明显大于与领域处于低水平的地区向下转移概率为0.000(见表4)。

(2)区域背景对高技术产业发展类型发生转移概率的影响程度不对称。在1995—2002年期间，区域高技术产业发展类型转移表现出明显的不对称性。其中东北地区保持平稳的省份是吉林省，而黑龙江省和辽宁省反而向下转移，这表明该地区高技术产业发展省域差异不均衡。与前期相比，在2003—2013年期间，区域高技术产业发展类型平稳地区由于25个减至18个，其占比由80.6%降至58.1%，向上转移由1个增至9个。这其中向上转移区域以中西部为主，尤其是中部高技术产业发展出现向上转移态势明显，这说明国家实施中部崛起、西部大开的战略后，改善该地区高技术产业发展的基础条件，增强其要素集聚和扩散能力，提升其产业吸纳和承载能力。

(3)不同邻域高技术产业发展类型对区域高技术产业发展的影响不同。如果处于低水平发展地区，与低水平、中低水平、中高水平和高水平地区相邻，其向中低水平趋同俱乐部部转移的概率分别为0.009、0.083、0.071、0.017。表明邻域水平等级越相近，地理临近效应对低水平地区的高技术产业发展影响并不明显，这个结论与桂黄宝研究一致[6]。如果处于中高水平发展地区，以低水平、中低水平、中高水平和高水平地区相邻，其向高水平趋同俱乐部部转移的概率分别为0.786、0.900、0.778、0.895。这说明中高技术产业与越高发展水平为邻，向高水平转移概率越大，地理临近正向溢出更明显。这个结论与周明等[19]和王庆喜[20]研究结果一致。总之，区域高技术产业发展呈现特征是邻域的区域高技术产业发展等级间越近，向更近区域趋同俱乐部转移概率增加；邻域的区域高技术产业发展等级间越远，向更远的区域趋同俱乐部转移概率减弱。

表3 中国各省域高技术产业总产值类型的空间马尔可夫链转移矩阵 (1995—2013年)

(4)不同区域高技术产业发展类型与不同邻域类型的空间相互转移演变不均衡。根据表4和表2对比可知:对于处于低水平的高技术产业地区，以低水平区域相邻时，其仍然停滞于落后状况在1995—2002年的概率是0.986(见表4)，大于相同期间不考虑高技术产业邻域背景时概率的0.854 (见表2)；对于处于高水平的高技术产业地区，在相同1995—2013年期间，以高水平区域为邻，其中向高平趋同俱乐部转移的概率分别为0.917(见表4)小于不考虑地理邻近效应的转移概率的0.983(见表2)，这说明邻域背景对区域高技术产业发展影响不同。

4 结论与建议

4.1 结论

①区域高技术产业发展差异呈现出波浪式上升，差距在不断缩小，但总体上仍保持缓慢扩大的演变趋势。②区域高技术产业发展存在低水平、高水平、中高水平和中低水平4个较强稳定的趋同俱乐部。其中低水平、高水平趋同俱乐部稳定性更强，2003—2013年低水平俱乐部更为显著，欠发达地区高技术产业发展很可能陷入 “贫困陷阱”，发展差异出现马太效应。③区域高技术产业发展呈现两极空间分化加强的趋势，趋同俱乐部总体呈现块状分布。高水平趋同俱乐部主要分布珠三角、长三角、环渤海地区，呈带状分布；低水平趋同俱乐部主要分布在西北地区，呈片状分布，但出现由西北地区向东北地区、西南地区扩散趋势；中高水平俱乐部主要分布高水平俱乐部周围，西部的四川；中低水平主要分布在中部地区。④区域高技术产业发展类型的两个期间空间转移都以稳定期居多，主要分布在西北地区、西南地区。后期向上转移有所下降，但主要分布中部地区，呈块状分布。⑤邻域背景明显影响区域高技术产业发展差异的演变，但这种影响存在不对称性。如果低水平地区与高水平发展类型相邻，向上转移概率非常小，如果中高水平地区与高水平发展类型相邻，同步向上转移概率明显增大。⑥区域高技术产业发展类型发生转移的特征是发展水平差距越小，发生转移的概率越来高；发展水平的差距越大，发生转移的概率越小。地理临近效应在低水平、中低水平高技术产业发展地区表现不明显，而在中高水平地区显著 增加。

表4 中国各地区年均高技术产业总产值类型的空间马尔可夫链转移矩阵 (1995—2013年)

4.2 建议

①应该建立政策体系来提高中西部地区高技术产业的竞争力。由于中西部地区处于高技术产业发展的低水平和中低水平俱乐部，产业发展基础差，企业创新能力弱。为了缩小中国区域高技术产业发展差距，政府应该从财政、技术、人才和产业规划等全方位系统地支持中西地区高技术产业发展，促进产业区域协调发展。②应该推动高水平地区高技术产业实现转型升级。高水平地区高技术产业基础雄厚，产业吸收和创新能力强，但随着全球产业结构和产业链向着高端化、信息化、网络化发展，政府应该鼓励高技术产业企业实现由高技术制造业为主向以高技术服务业为主转型升级，实现高技术产业与互联网融合的产业升级，可进一步发挥高技术产业的高技术服务业具有高增值、低消耗、高辐射、集聚性强等特点，提升优势地区高技术产业国内外竞争力。③应该鼓励高技术产业区域间协同合作发展。由于地理邻近效应会影响区域间高技术产业发展，加强区域间高技术产业的协同合作与交流，有利于高技术产业发展所需要的技术、知识、人才等创新资源在区域间的流动和优化配置，更好地发挥优势地区高技术产业辐射带动周边区域发展的作用，推动中国区域高技术产业的协调发展。

[1]Elsie E Sofia G A.Wage Differentials and the Spatial Concentration of High-technology Industries[J].Regional Science，2009，88 (03):623-641.

[2]王铮，毛可晶，刘筱，赵晶媛，谢书玲.高技术产业聚集区形成的区位因子分析[J].地理学报，2005，(04):567-576.

[3]梁晓艳，李志刚，汤书昆，赵林捷.中国高技术产业的空间聚集现象研究——基于省际高技术产业产值的空间计量分析[J].科学学研究，2007，(03):453-460.

[4]任启平，梁俊启.中国高技术产业空间集聚实证研究[J].经济导刊，2007，S1:26-28.

[5]施海燕，宣勇，唐根年.中国高技术产业空间集聚及其适度性检验[J].工业技术经济，2013，(05):59-68.

[6]桂黄宝.中国高技术产业创新效率及其影响因素空间计量分析[J].经济地理，2014，(06):100-107.

[7]韩晶.中国高技术产业创新效率研究——基于SFA方法的实证分析[J].科学学研究，2010，28(03):467-472

[8]张倩男，赵玉林.区域高技术产业创新能力的比较分析[J].经济问题探索，2007，(12):60-65.

[9]曲婉，康小明.高技术产业创新效率区域差异研究[J].中国科技论坛，2012，(08):70-74.

[10]马永红，张景明，王展昭.中国高技术产业创新质量空间差异性分析[J].经济问题探索，2014，(09):89-95.

[11]朱有为，徐康宁.中国高技术产业研发效率的实证研究[J].中国工业经济，2006，(11):38-45.

[12]刘华军，赵浩.中国高技术产业发展的空间非均衡与极化研究[J].研究与发展管理，2013，(05):44-53.

[13]孙翊，王铮，熊文，姚梓璇，夏崔粹，薛俊波.中国高技术产业空间转移模式及动力机制研究[J].科研管理，2010，(03): 99-105.

[14]潘雄锋，刘凤朝，杨玲.中国区域高技术产业竞争力的时空演化特征分析[J].科学学研究，2009，(01):52-58.

[15]王书华，王元.中国高技术产业发展的空间特征与政策思考[J].中国科技论坛，2012，(11):41-46.

[16]Fosfuri A，Ronde T.High-tech Clusters，Technology Spillovers，and Trade Secret Laws[J].International Journal of Industrial Organization.2004，(22):45-65.

[17]许箫迪，王子龙，谭清美.高技术产业演化的时空分异测度研究[J].科学学研究，2007，25(06):1095-1103.

[18]龚小彪，彭莉莎.中国高技术产业的时空演变[J].特区经济，20011，(12):265-267.

[19]周明、李宗植.中国省际高技术产业技术创新能力分析—基于产业集聚的视角[J].科学学研究，2009，(02):518-52.

[20]王庆喜.多维邻近与中国高技术产业区域知识溢出——项空间面板数据分析(1995—2010)[J].科学学研究，2013，(07): 1068-1076.

(责任编辑 谭果林)

The Temporal and Spatial Evolution of Regional High-Tech Industry Development Differences in China

Xiao Gang1，Du Debin1，Dai Qiwen2，Hu Shuhong1
(1.Science and technology innovation and development strategy research center，East China Normal University，Shanghai 200241，China；2.The Center of Modern Chinese City Studies，East China Normal University，Shanghai 200241，China)

In total output value of high-tech industry as the main indicator，it uses the coefficient of variation and the space Markov chains method from the time，temporal and space to explore regional high-tech industry development differences in China during 1995—2013.The study finds:differences of regional high-tech industry development continues to slowly expand as a whole，and presents two high-level and low-level convergence reinforcement；regional space metastases are type of high technology industry development is development level disparity is smaller，the higher the probability of the shift，the greater the gap of development level，shift the lower probability.The neighborhood background significantly affect the evolution of the differences in regional high technology industry development，At a low level，low level of high technology industry development area，the geographical proximity effect is not obvious，and in high level increased significantly.Finally，the development of regional high technology industry development policy recommendations on this basis.

book=95,ebook=96

High technology industry；Space Markov chain；Regional development difference；Temporal pattern

F062.9

A

国家自然基金面上项目 “全球创新资源转移的空间过程、格局与机制研究”课题 (41471108)，上海市科技发展基金软科学研究项目“企业、大学及政府在 ‘具有全球影响力的科技创新中心’建设中的作用及互动关系研究”课题 (15692180300)。

2015-05-04

肖刚 (1977-)，男，江西上饶人，华东师范大学博士研究生；研究方向:城市与区域创新。