中国区域创新绩效评价的影响因素研究——基于面板数据空间杜宾模型计量分析

刘艳春　孙　凯

(辽宁大学，沈阳　110036)

中国区域创新绩效评价的影响因素研究
——基于面板数据空间杜宾模型计量分析

刘艳春孙凯

(辽宁大学，沈阳110036)

〔摘要〕本文利用2004～2013年中国大陆各省、直辖市、自治区的面板数据，运用空间杜宾模型对中国区域创新绩效评价的影响因素进行了实证研究。研究表明：前期专利存量、研发人员数量占就业人员比例对区域创新绩效呈正向影响；研发经费投入强度、外贸依存度对区域创新绩效呈负向影响；前期专利存量对区域创新绩效有着显著的空间滞后影响；区域创新绩效存在着显著的空间自相关效应，呈现空间依赖性和空间集聚现象。根据实证分析的结论提出了相关建议。

〔关键词〕区域创新绩效全局空间自相关局部空间自相关空间杜宾模型

引　言

区域创新绩效能够有效的评价区域创新能力，它是创新性活动的最终接受者[1]。在经济全球化的今天，提升经济社会发展水平建设的重要手段就是加快区域创新体系建设。近几年来，国家越来越重视科技创新活动的开展。如图1所示：

图1　专利申请授权数与研发经费支出占GDP比值态势图

科技创新活动研发经费支出占国内生产总值的比例从2004年的1.23%上升到了2013年的2.08%，提高了69.11%。根据其趋势可以看出，我国在区域创新体系上的投入力度正在不断加大。与此同时，我国的区域创新能力在逐渐提升，创新活动产出在不断增加，专利申请授权量也迅速上升。专利申请授权数由2004年的190238件上升到了2013年的1313000件，提高了5.90倍。专利申请授权数反映了创新绩效产出，国家如此重视创新引发了学者们对于区域创新绩效的广泛思考：区域创新绩效评价需要考虑哪些因素，这些因素对于区域创新绩效的影响如何？区域创新绩效是否存在着显著的空间效应，存在怎样的空间效应？本文希望通过对这些问题的解答找出区域创新绩效的影响因素，以及存在的空间效应。

1　相关文献研究

区域创新相关内容的研究越来越成为了学术界关注的热点问题，而区域创新绩效评价影响因素分析是其中重要的研究方向。学者们从不同的角度、运用不同的分析方法对这个领域进行过深入地探讨。有关区域创新绩效评价影响因素研究主要包括两个方面，即区域创新绩效评价影响因素的相关研究和区域创新绩效评价影响因素分析方法研究。

关于区域创新绩效评价影响因素研究。Li J等(2014)[2]研究认为公司所有权、区域产业结构对区域创新绩效有影响。M Prevezer等(2014)[3]利用研发支出费用、高等教育人力资源投入、高科技产业数据，运用社会网络分析法研究了区域创新绩效。谢丽娟等(2009)[4]认为创新效率偏低现象主要是因为创新环境利用不足产生的。刘明广(2013)[5]汇总分析了区域创新系统绩效评价的影响因素并进行了探索性因子分析和验证性因子分析。

关于区域创新绩效评价影响因素分析方法研究。SUN Dong和BO Mao-liang[6]、张仁寿等(2012)[7]、梁瑞敏和彭佑元(2014)[8]、傅为忠等(2015)[9]运用数据包络分析分别对中国创新系统绩效、区域科技自主创新绩效评价、高新技术产业创新绩效评价、山西省区域科技创新绩效评价进行了研究；刘明广和李高杨(2012)[10]运用主成分分析方法对区域创新系统绩效评价进行了研究。余泳等(2015)[11]运用因子分析法、莫兰Ⅰ指数对高技术产业创新绩效的空间相关性和空间异质性进行检验，并且基于空间计量模型中的空间误差模型分析了高技术产业创新绩效的影响因素。钟昌祖(2014)[12]运用SBM效率分析方法测度了我国1991～2009年各个省份的区域创新效率，运用空间计量分析方法对区域创新效率的趋同性进行了实证检验。

尽管目前关于区域创新绩效评价影响因素的研究方法和研究工具已经存在很多，但是仍然不能满足日益增长的评价需求。基于以上文献研究内容可以发现，有关区域创新绩效的大多数研究是采用截面数据和时间序列数据，采用面板数据研究的较少，在面板数据研究的基础上再考虑空间因素就更少了。采用截面数据进行研究的缺点是无法考察区域创新绩效动态变化情况，而采用时间序列数据则只能对特定的区域创新绩效进行研究，忽略了相邻区域间的影响，即未将空间因素考虑在内。区域创新绩效不仅仅受到本区域投入要素的影响，而且与相邻区域的投入要素以及相邻区域的创新状态有着密切的关系，忽略空间因素的影响在一定程度上会影响计量的精确性。因此，为了使计量结果更加具有说服力需要将空间因素考虑在内。考虑到区域创新绩效的影响因素具有空间流动性且在相邻区域之间存在着相互依赖关系，本文选取2004～2013年中国大陆各省、直辖市、自治区为研究样本，通过全局空间自相关分析、局部空间自相关分析，运用面板数据及空间权重矩阵构建空间杜宾模型对中国区域创新绩效评价的影响因素进行了实证研究，为相关问题的深入研究提供了新的思路。

2　研究假设与研究设计

2.1研究假设

前期专利存量能够反映某个区域创新活动的产出积累，相对于前期专利存量较少的区域，前期专利存量较多的区域的创新环境更有利于区域创新绩效的提高。据此提出：

假设1：前期专利存量对区域创新绩效呈正向影响

研发人员数量能够反映某个区域创新活动的人力投入，它是创新活动的主体，研发人员数量越多，越能够带动区域的创新活力，提升创新绩效。据此提出：

假设2：研发人员数量占就业人员比例对区域创新绩效呈正向影响

研发费用的投入量能够反映某个区域创新活动的资本投入，由于创新活动本身的特性，失败的几率非常大，研发费用的投入可能并没有带来应有的产出。结合胡义东和仲伟俊(2011)[13]的研究提出：

假设3：研发经费投入强度对区域创新绩效呈负向影响

在考虑区域创新绩效的影响因素时需要考虑外部环境因素，外贸依存度反映了一个地区的对外贸易活动对该地区经济发展的影响和依赖程度的经济分析指标，外贸依存度越高，越会阻碍区域的创新活动，据此提出：

假设4：外贸依存度对区域创新绩效呈负向影响

专利是创新活动的一项产出，创新活动的产出受到相邻区域的自变量的影响，周围区域的创新活动比较活跃，创新环境比较好提升本区域创新活动产出。据此提出：

假设5：前期专利存量对区域创新绩效有着显著的空间滞后影响

相邻区域的创新绩效可能相互依赖，促成一个均衡结果的形成。据此提出：

假设6：区域创新绩效存在着显著的空间自相关效应，且空间自相关效应为正

2.2研究设计

2.2.1研究样本与数据来源

选取2004～2013年中国大陆各省、直辖市、自治区为研究样本，由于西藏自治区数据不全，故不考虑在内。经过对数据的筛选处理，选取了中国大陆各省、直辖市、自治区2004～2013年的300个数据样本，数据来源于2005～2014年《中国统计年鉴》、《中国科技统计年鉴》。采用的计量分析软件包括Stata 12.0、Eviews 7.2、OpenGeoDa 1.2.0。

2.2.2变量的选取与模型设定

(1)变量的选取

对于区域创新绩效的衡量指标不同的学者选取不同，专利申请数[9]、专利授权数、发表科技论文数、当地GDP水平[10]、新产品销售额[13]等等。鉴于已有的文献，本文的被解释变量为专利授权数Y，用来反映区域创新绩效。解释变量包括前期专利存量X1、研发人员数量占就业人员比例X2、研发经费投入强度X3、外贸依存度X4。

专利授权数(Y)：指由专利行政部门对专利申请无异议或经审查异议不成立的，做出授予专利权决定，发给专利证书，并将有关事项予以登记和公告的专利数。它能用来衡量创新活动中知识产出水平，是创新活动产出成果的一种直接反映。

前期专利存量(X1)：指以往专利总和。专利存量可以用来衡量科技实力，它能反应一定时期内区域创新活动所处的状态，前期专利存量高，则表示这个区域创新活动状态比较良好。反之，则表示这个区域创新活动状态比较不好。

研发人员数量占就业人员比例(X2)：指研发人员数量与就业人员数量的比值。研发人员数量是研究创新能力的重要解释变量，区域内从事研发的人员越多，区域创新能力就越强，进而会使得区域创新产出增加，区域创新绩效提升。

研发经费投入强度(X3)：指研发经费与GDP的比值。该指标反映了研发投入强度和经费宏观结构，研发支出在国民经济中占有的份额。

外贸依存度(X4)：本文采用出口额与国内生产总值之比，是开放度的评估与衡量指标。

(2)基于面板数据空间杜宾模型(SDM)的设定

为了分析各个投入要素对于区域创新绩效的影响，采用C-D生产函数来刻画区域创新活动行为，其函数形式为：

(1)

式(1)中i表示截面单元，t为时间单元；Y、X2、X3分别表示区域创新绩效、研发人员投入和研发资本投入。作为产出变量的区域创新绩效用指标专利授权数来表示，作为投入要素的指标分别用研发人员数量占就业人员比例、研发经费投入强度来表示；α，β分别表示研发人员投入、研发资本投入的产出弹性。

两边取对数，并将变量前期专利存量和衡量环境要素的指标取对数加入，同时加入误差项，整理得到计量模型：

LNYit=β0+β1LNX1it+β2LNX2it+β3LNX3it+β4LNX4it+μit

(2)

式(2)中LNY表示区域创新绩效情况，LNX1表示前期专利存量情况，LNX2表示研发人员数量占就业人员比例情况，LNX3表示研发经费投入强度情况，LNX4表示外贸依存度情况；β1、β2、β3与β4分别表示前期专利存量、研发人员投入、研发资本投入以及外贸依存度对于区域创新绩效的弹性系数；μ为误差项。

将空间的因素考虑进去，根据“车”相邻原则得到面板数据空间权重矩阵ω，构建空间杜宾模型，其计量形式如下：

(3)

3　实证分析

3.1空间自相关分析

3.1.1全局空间自相关

为了分析区域创新绩效在中国大陆各省域之间整体上的空间关联程度和空间差异程度，需要进行全局自相关分析。全局空间自相关常用的一种度量指标是全局莫兰Ⅰ统计量。莫兰Ⅰ统计量实际上就是标准化的空间自协方差。利用OpenGeoDa软件计算莫兰Ⅰ指数，其结果如表1所示。

表1　全局莫兰Ⅰ指数计量结果

注：加“***”“**”“*”分别表示在1%、5%、10%显著性水平下拒绝原假设而接受备择假设。

在过去10年的时间里，各年的全局莫兰Ⅰ值全部为正，这表示区域创新绩效较高的区域与区域创新绩效较高的区域相邻，区域创新绩效较低的区域与区域创新绩效较低的区域相邻，在空间上呈现集聚状态。由此可知，在5%显著性水平下，在总体上，区域创新绩效在中国大陆各省、直辖市、自治区之间整体上具有显著的空间正自相关性。

3.1.2局部空间自相关

全局空间自相关分析是为了研究整体上的空间关联程度和空间差异程度，为了了解中国大陆各省之间空间集聚和空间差异的具体情况，需要对中国各省之间的区域创新绩效进行局部空间自相关分析。图2～4分别为2004年、2009年、2013年的区域创新绩效四分图，图5～7分别为2004年、2009年、2013年区域创新绩效莫兰Ⅰ散点图。

图2　2004年区域创新绩效四分图

图3　2009年区域创新绩效四分图

图4　2013年区域创新绩效四分图

图5　2004年区域创新绩效莫兰Ⅰ散点图

图6　2009年区域创新绩效莫兰Ⅰ散点图

通过图2～4各年四分位图能很直观地看到中国大陆各省、直辖市、自治区区域创新绩效情况。

图7　2013年年区域创新绩效莫兰Ⅰ散点图散点图

东部、东南沿海区域创新绩效较高，东北部、中部次之，西部最低，呈现出由东向西阶梯状分布。同时也能够很直观的看到区域创新绩效在中国大陆各省、直辖市、自治区之间空间关联和空间差异状态。全局空间自相关重点是在整体数值，局部空间自相关关注的是HH象限、LH象限、LL象限、HL象限4个分类情况。2004年、2009年、2013年中国大陆各省、直辖市、自治区的区域创新绩效分布象限如表6所示。由局部莫兰Ⅰ散点图同样可以发现中国大陆各省大多数分布在第一象限(HH象限)和第三象限(LL象限)，即高值被高值包围，低值被低值包围，表现出空间正相关性，即空间集聚；少数省份分布在第二象限(LH象限)和第四象限(HL象限)，即低值被高值包围，高值被低值包围，即空间差异。

3.2空间杜宾模型(SDM)

通过全局自相关和局部自相关分析可以知道区域创新绩效确实存在着空间自相关效应，需要将空间因素加以考虑。作为被解释变量的区域创新绩效在相邻区域之间存在着相互依赖，最终导致平衡结果的形成。这个被解释变量同时也依赖于相邻区域的自变量。依此可以构建空间杜宾模型。通过进行Hausman检验，决定选用随机效应模型，其运算结果如表3所示。

表2　2004年、2009年、2013年中国大陆各省、直辖市、自治区区域创新绩效分布象限表

表3　空间杜宾模型回归分析结果

注：加“***”“**”“*”分别表示在1%、5%、10%显著性水平下拒绝原假设而接受备择假设。

用函数形式表示如下(括号中表示相应的z值)：

由空间杜宾模型计量结果式(4)可知：

(1)组内拟合优度R2达到了0.9309，说明模型拟合结果比较好。

(2)LNX1的回归系数为0.916951，p=0.000，在1%的显著性水平下通过了检验，说明前期专利存量对区域创新绩效呈正向影响，不能拒绝原假设1。前期专利存量每提高1%，区域创新绩效将提高0.916951%。

(3)LNX2的回归系数是0.4056882，p=0.000，在1%的显著性水平下通过了检验，说明研发人员数量占就业人员比例对区域创新绩效呈正向影响，不能拒绝原假设2。研发人员数量占就业人员比例每提高1%，区域创新绩效将提高0.405688%。

(4)LNX3的回归系数是-0.0210397，p=0.097，在1%的显著性水平下通过了检验，说明研发经费投入强度对区域创新绩效呈负向影响，不能拒绝原假设3。研发经费投入强度每提高1%，区域创新绩效将降低0.02104%

(5)LNX4的回归系数是-0.4040685，p=0.000，在1%的显著性水平下通过了检验，说明外贸依存度对区域创新绩效呈负向影响，不能拒绝原假设4。外贸依存度每提高1%，区域创新绩效将降低0.40407%

(5)LNX1空间滞后项的回归系数是-0.4113948，p=0.000，说明前期专利存量对区域创新绩效有着显著的空间滞后影响，且影响为负，不能拒绝原假设5。

(6)空间自回归系数(rho)为0.4725803，p=0.000，说明区域创新绩效存在着显著的空间自相关效应，不能拒绝原假设6。且空间自相关效应为正，与全局空间自相关分析与局部空间自相关分析结论相同。

4　结　论

本文运用Stata 12.0、Eviews 7.2、OpenGeoDa 1.2.0等计量软件，选取2004～2013年中国大陆各省、直辖市、自治区为研究样本，运用面板数据空间权重矩阵构建空间杜宾模型对中国区域创新绩效评价的影响因素进行了研究。通过实证分析得出，得出了以下结论：

(1)前期专利存量对区域创新绩效呈正向影响。这表明前期专利存量较多的区域的创新环境相对于前期专利存量较少的区域活跃，而良好的创新环境有利于区域创新绩效的提高。

(2)研发人员数量占就业人员比例对区域创新绩效呈正向影响、研发经费投入强度对区域创新绩效呈负向影响的假设成立。研发经费投入强度对区域创新绩效呈负向影响的结论与胡义东和仲伟俊(2011)[17]的结论一样。一方面表明研发人员是创新活动的主体，研发人员的投入量对区域创新绩效有显著的正向作用；另一方面表明创新活动中确实存在着比较严重的经费投入冗余或投入不当，影响了区域创新绩效。

(3)外贸依存度对区域创新绩效呈负向影响的假设成立。表明代表外部影响要素的外贸活动在一定程度上阻碍了区域创新活动产出，在现实生活中需要通过扩大内需来带动区域创新活动，激发创新活力。

(4)前期专利存量对区域创新绩效有着显著的空间滞后影响、区域创新绩效存在着显著的空间自相关效应，且空间自相关效应为正的假设成立。一方面表明区域创新绩效影响因素在空间上具有流动性，创新活动的产出受到相邻区域的自变量的影响，周围区域的创新活动比较活跃，创新环境比较好会提升本区域创新活动产出；另一方面表明相邻区域的创新绩效存在着显著的相互依赖关系。

为了进一步提高区域创新绩效，提出如下建议：

(1)加大研发人员数量的投入，改善就业队伍的结构。一方面通过提高研发人员的待遇，通过物质激励或者设置具有吸引力的岗位、设立创新勋章、奖状等模式来调动研发积极性；另一方面提供更多的研发方面的培训课程，让更多的人参与研发。

(2)提高创新活动的成功率，尽量减少研发经费的浪费。研发成果往往经历过大量失败实验后才产生，在这个过程中会耗费大量的研发费用。在创新活动中，要积极吸取失败实验的教训，加强研发经费管理水平，减少不必要的经费支出，提高创新活动的成功率。

(3)重视知识产权保护，构建良好的创新环境。一方面完善知识产权法律、法规；另一方面加强企业知识产权保护意识。区域创新绩效影响要素在空间上具有一定的流动性，在一定范围内营造良好的创新环境能够产生良性循环的效果，提高区域创新绩效。

参考文献

[1]李柏洲，周森.科研院所创新行为与区域创新绩效间关系研究[J].科学学与科学技术管理,2015,(1):9

[2]Li J,Sutherland D,Ning L,et al.Firm Ownership,Industrial Structure,and Regional Innovation Performance in China’s Provinces[J].Technology Analysis & Strategic Management,2014,26(9):1001～1022

[3]Prevezer M,Li J,Panzarasa P.Regional Innovation and Performance:The Role of Absorptive Capacity,Industrial Structure and Collaborative Networks in the Chinese Provinces of Hubei and Hunan[J].Journal of Chinese Entrepreneurship,2013,5(3):196～219

[4]谢丽娟,杨文鹏,周杭.基于DEA模型的区域创新环境对创新绩效影响的评价[J].西安工程大学学报,2009,23(6):124～128

[5]刘明广.区域创新系统绩效评价的影响因素实证研究[J].工业技术经济,2013，(7):52～59

[6]SUN Dong,BO Mao-liang.The Differences of Efficiency and Analysis of Convergence of China’s Regional Innovation System——Based on DEA of 2002-2011 Provincial Panel Data[J].Industrial Economic Review,2014,(1):4

[7]张仁寿,黄小军,郑传芳，等.基于DEA方法的区域科技自主创新绩效评价实证研究——以广东南沙为例[J].科技管理研究,2012,32(9):9～14

[8]梁瑞敏,彭佑元.基于网络DEA的山西省区域科技创新绩效评价研究[J].科技管理研究,2014,34(18):112～116

[9]傅为忠,朱艳卿,王灿.基于DEA改进模型的高新技术产业创新绩效评价实证研究[J].科技管理研究,2015,35(14):38～42

[10]刘明广,李高扬.基于非线性主成分分析的区域创新绩效评价研究[J].技术与创新管理,2012,33(1):1～3

[11]余泳,陈龙,王筱.中国区域高技术产业创新绩效测度与评价——基于因子分析和空间计量模型的实证研究[J].西安财经学院学报,2015,28(2):39～46

[12]钟祖昌.基于SBM法的我国区域创新效率的测度[J].统计与决策,2012，(13):101～104

[13]胡义东,仲伟俊.高新技术企业技术创新绩效影响因素的实证研究[J].中国科技论坛,2011,(4):80～85

(责任编辑：王平)

Research of Influencing Factors on Chinese Regional Innovation Performance Evaluation——Spatial Durbin Model Based on Panel Data

Liu YanchunSun Kai

(Liaoning University，Shenyang 110036，China)

〔Abstract〕Selecting 2004-2013 panel data of provinces,municipalities and autonomous regions in Chinese mainland as research sample,this paper uses Spatial Durbin Model(SDM)to do empirical research of regional innovation performance evaluation of China.The result shows that the pre-patent inventory has a significant positive impact on regional innovation performance as well as the proportion of R&D personnel employed.R&D expenses as a percentage of GDP has a significant negative impact on the regional innovation performance as well as the foreign trade dependence degree.Pre-patent inventory has a significant spatial lag impact on regional innovation performance.For regional innovation performance,there are significant spatial autocorrelation effects,existing a spatial dependence and spatial agglomeration phenomenon.Some relevant recommendations have been put forward according to the results of empirical analysis.

〔Key words〕regional innovation performance;global spatial autocorrelation;local spatial autocorrelation;SDM

〔中图分类号〕F061.5；F062.4

〔文献标识码〕A

DOI：10．3969/j．issn．1004-910X．2016．10．007

作者简介：刘艳春，辽宁大学商学院教授，博士，博士生导师。研究方向：风险度量与评价、技术经济评价理论与方法。孙凯，辽宁大学商学院博士研究生。研究方向：区域创新、风险评价、金融管理。

基金项目：本文系辽宁省社会科学规划基金重点项目(项目编号：L08BTJ005)；辽宁省社科联项目(项目编号：2016lslktziglx-11)。

收稿日期：2016—05—26