成本外部性、技术外部性与创新——基于长三角城市群的实证分析

周 俊，柳 震

(1．江苏师范大学，江苏 徐州 221116;2．国家统计局徐州调查卫队，江苏 徐州 221000)

成本外部性、技术外部性与创新
——基于长三角城市群的实证分析

周 俊1，柳 震2

(1．江苏师范大学，江苏 徐州 221116;2．国家统计局徐州调查卫队，江苏 徐州 221000)

外部性理论、新经济地理学认为成本外部性和技术外部性是实现收益递增的重要影响因素，因此，文章利用长三角地区26个城市2009～2013年的面板数据，构建成本外部性、技术外部性对城市创新产出的计量模型，实证分析发现:研发投入强度对城市创新产出呈显著的正向影响;就业密度代表的成本外部性对创新产出呈正向影响;FDI技术外溢对城市创新产出呈正向影响;空间滞后变量对城市创新产出也呈现显著的正向影响，表明城市的创新活动存在区际技术外溢，也就是说创新活动所产生的知识与技术溢出到周围的城市。

创新;成本外部性;技术外部性;长三角城市群

一、引 言

“十一五”、“十二五”时期，中国国内生产总值增长率总体上呈现下降趋势，增长率由两位数下降为个位数;同时经济发展过程中环境污染问题仍未得到有效解决，尤其是近几年大气污染形势日益严峻。中国经济发展面临增速下滑和环境保护的双重压力，经济发展需要加快从要素驱动、投资驱动向创新驱动转型的步伐，以解决经济增长速度下滑过快、环境污染严重等问题，因而分析创新的影响因素显得十分必要。

本文的研究补充了有关创新的影响因素文献中关于技术外部性和成本外部性的研究。知识生产函数被Griliches(1979)［1］提出后，新的文献从两个方面对此做了扩展:一是将成本外部性加入创新的影响因素中，主要研究了就业密度对创新的作用;二是将技术外部性加入创新的影响因素中，主要研究了知识溢出对创新的作用。在现有文献当中，通常分开研究技术外部性和成本外部性对创新的作用，但实际情况是这两种因素同时影响创新活动，所以本文将技术外部性和成本外部性结合起来对创新的影响因素进行综合分析。

外部性理论(Marshall，1921)［2］、新经济地理学(Krugman，1991)［3］分别对城市集聚或空间邻近导致的收益递增进行了深入的研究。城市作为经济活动分布和国民财富创造的主要地区，呈现出高生产集中度或集聚性特征，而城市经济活动密集会形成较高的生产力。Fujita和Mori(2005)将促进经济活动空间集聚的内生动力分为两类:一类是商品或服务的生产与交易这类传统经济活动所产生的经济联系;另一类是知识扩散或知识传播所产生的知识联系［3］。

城市集聚经济以空间角度来观察，其最基础的特点体现为，在保持空间距离不变的条件下市场规模的增大，这既在生产组织方面使得专业化的劳动分工水平提高，又在资源投入配置方面使规模经济效应得以实现，两者共同作用降低了生产和交易成本。具体来说，一方面在集聚条件下产业前后向关联形成的成本外部性，导致运输成本、劳动力流动成本和工作匹配成本的下降，从而达到收益递增(Duranton and Puga，2004)［4］。另一方面在城市经济集聚基础上的知识分工提升了知识创造、扩散和使用的效率，使得知识创造、扩散和使用的成本降低(Fujita and Mori，2005)［5］。总而言之，集聚会使得市场规模变大，市场规模的扩大会造成劳动分工、知识分工的演变，而成本外部性是由劳动分工形成、技术外部性是由知识分工形成，收益递增或加速增长的实现是由成本外部性和技术外部性共同作用的结果(如图1)。

图1 经济集聚与收益递增的关系

在城市集聚经济条件下，劳动分工使得交易成本、生产成本和运输成本降低，同时获得了要素空间集聚的成本外部性效应，而知识分工使得知识使用和创造的成本降低，空间集聚的技术外部性效应得以实现，两者都使得社会得到的收益大于私人得到的收益，因而使收益递增得以实现。

二、研究设计

(一)计量模型

本文借鉴Carlino etal(2007)［6］实证计量模型，建立成本外部性与技术外部性对创新影响的计量模型如下:

其中，Pat表示创新产出，Emp表示就业，RD表示研发活动，FDI表示知识溢出，Wij表示基于Queen邻接关系的空间权重矩阵，ρ表示空间滞后项的回归系数，λ为空间误差项的回归系数，εit表示随机扰动项。根据α是否为0，将该模型分为静态模型与动态模型。静态模型包含三个具体模型:当ρ=0、λ=0时，该模型为静态非空间面板模型;当ρ≠0、λ=0时，该模型为静态空间滞后面板模型;当ρ=0、λ≠0时，该模型为静态空间误差面板模型。同样，动态模型也包含三个具体模型:当ρ=0、λ=0时，该模型为动态非空间面板模型;当ρ≠0、λ=0时，该模型为动态空间滞后面板模型;当ρ=0、λ≠0时，该模型为动态空间误差面板模型。

(二)数据来源与变量说明

本文主要研究成本外部性和技术外部性对创新的作用机制，研究的空间样本为长三角城市群25个城市。长三角城市群作为中国研发活动密集、创新能力最强及外资经济最活跃的地区，本文选择对其进行实证研究，对我国自主创新能力的构建具有重要的理论与实践意义。

因受限于长三角各城市研发活动数据的可得性，样本选择年限为2009～2013年，总观测样本数为125个。由于面板数据模型只涵盖五年与创新产出有关的变量，因此只能反映短期内成本外部性和技术外部性对创新产出的作用及贡献。实证分析中所使用的数据均来源于《中国城市统计年鉴》《上海统计年鉴》《江苏统计年鉴》《浙江统计年鉴》、江苏科技统计网网站以及浙江省科技创新云服务平台网站。

根据上文构建的模型，为反映成本外部性和技术外部性对创新活动的影响，本文对被解释变量、解释变量的定义与测度如下:

1．被解释变量创新产出(Pat)。当前研究创新的文献中很多都采用专利来测度创新产出，我们知道创新有多种表现形式，其不仅仅是可以量化的专利，而且还包括一些无形的难以量化的知识，但在计量模型中需要的是可以量化的创新产出，所以目前用专利来衡量创新产出仍不失为一个不错的方法。本文采用专利强度衡量城市的创新产出，专利强度指长三角各城市每一万常住人口中发明、实用新型以及外观设计三种专利的申请受理量，作为“人均量”概念的专利强度比单纯的专利数量更能体现出城市的创新水平。

2．解释变量研发活动(RD)。城市拥有的科技活动经费越多，就越能将更多的资金投入研发过程中，就越容易提升该城市的创新能力及创新产出。全社会研发支出筹集指从各种渠道筹集到的计划用于科技活动的经费，包括科研机构资金、高等院校资金、企业资金和其他单位资金。一个国家或地区的研发投入总量与GDP之比被称为研发投入强度，这通常是国际上反映一个国家或地区研发能力的重要指标。本文采用长三角各城市的全社会研发支出占GDP的百分数衡量研发活动。

3．解释变量就业(Emp)。城市是就业最集中的地区，其为专业技术工人提供一个公共的就业市场，有利于共享劳动力，这样既满足企业的劳动力需求，又解决了工人的就业问题，劳动力共享促进人才在企业之间流动而降低匹配过程中的搜寻成本，这就是就业给企业的创新活动带来的成本外部性。本文借鉴Carlino et al(2007)等人的做法，采用就业密度来衡量成本外部性，就业密度指每平方公里的就业人数，面积用长三角各城市行政区域土地面积计算，就业人数用长三角各城市全市在岗职工平均人数计算。

4．解释变量外商直接投资(FDI)。由于地方知识系统与全球知识系统之间存在一定关联性，除了自主研发产生新知识外，新知识还可能通过外商直接投资溢出到东道国，外商直接投资对东道国的技术外溢效应已经得到大量的理论和实证分析验证。本文借鉴吴玉鸣(2007)［12］等人的做法，采用长三角各城市实际外商直接投资总额衡量FDI技术外溢。

三、实证分析

(一)空间自相关分析

1．全局空间自相关。为了分析创新产出在长三角城市群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Moran’s I指数。根据2009～2013年各城市的专利强度，结合Moran’s I指数的计算公式，可得Moran’s I指数和P值。

表1 Moran’s I指数和P值

历年的Moran’s I指数和P值，如表1所示。结果发现，在2009～2008年五年的时间里，各年的创新产出的Moran’s I指数值均为正数，该指数均通过了1%显著性检验，表明长三角城市群的创新活动在地理空间上存在显著的正相关关系，创新产出相似的城市存在空间集聚现象，即创新产出较高的城市在地理空间上相邻或者创新产出较低的城市在地理空间上相邻。

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，为了了解长三角城市群各城市之间空间集聚和空间差异的具体情况，需要对长三角城市群各城市之间的创新产出进行局部空间自相关分析。图2为2009年、2011年、2013年创新产出的四分位图。通过图2各年四分位图能很直观地看到长三角城市群各市创新产出的情况。江苏南部和浙江北部的创新产出较高，江苏北部和浙江南部的创新产出较低，地图上呈现出由中间向外围呈阶梯状分布，表明创新产出在该区域地理空间上的非均衡性，同时也能够很直观地看到创新产出在长三角城市群各市之间空间关联和空间差异状态。

图2 2009年、2011年、2013年创新产出的四分位图

全局空间自相关关注的是总体数值，局部空间自相关关注的是HH象限、LH象限、LL象限、HL象限各分类情况。图3为2009年、2011年、2013年创新产出的Moran’s I散点图，表2为2009年、2011年、2013年长三角城市群创新产出的象限分布表。由图3和表2可以发现长三角城市群各市大多数分布在第一象限(HH象限)和第三象限(LL象限)，即创新产出较高的城市被创新产出较高的其他城市所包围，创新产出较低的城市被创新产出较低的其他城市包围，表现出空间正相关性，即空间集聚;少数城市分布在第二象限(LH象限)和第四象限(HL象限)，即创新产出较低的城市被创新产出较高的其他城市包围，创新产出较高的城市被创新产出较低的其他城市包围，即空间差异。长三角城市群的创新产出在HH类型和LL类型的集聚上出现分化，说明该城市群的创新产出存在空间依赖且形成了核心—边缘空间分布格局。

图3 2009年、2011年、2013年创新产出的Moran’s I散点图

Moran’s I散点图只能简单反映创新产出在空间分布的局部特征，要分析创新产出的局部空间上集聚的特征，需对城市的创新产出进行空间关联局域指标(Local Indicators of Spatial Association，LISA)分析。图4为2009年、2011年、2013年创新产出的LISA显著性水平地图和LISA集聚地图。

图4的LISA分析发现:创新产出HH类型集聚的中心城市为无锡、苏州，通过了5%或者1%水平的显著性检验;创新产出LL类型集聚的中心城市为徐州、连云港、淮安、宿迁，通过了5%或者1%水平的显著性检验。总体而言，长三角城市群中部属于HH类型集聚的城市、北部属于LL类型集聚的城市，显示了显著的空间集聚，反映出创新产出存在着高度的空间非均衡性;而LL类型集聚的城市表现为创新产出较低的城市被创新产出较低的城市包围，长三角城市群北部城市的创新活动处于弱化阶段。同时，创新产出LH类型集聚的中心城市为泰州、嘉兴，通过了5%或者1%水平的显著性检验，显示了显著的空间离群。

综上所述，创新产出较高的城市与同样高水平的其他城市相邻，创新产出较低的城市被同样低水平的其他城市所相邻，城市创新产出的空间溢出效应的显著性在城市层面得到很好的验证。同时还能够观察到，属于高高和高低集聚的城市大都为长三角城市群的中部地区，以下几个方面原因可以作为解释:第一，长三角城市群的中部地区有很高的经济发展水平作为基础，可以提高对技术创新水平的要求，同时企业为扩展自身业务或可持续发展必定要实现技术自主创新;第二，长三角城市群的中部地区较好的经济发展趋势可能吸引长三角城市群的其他地区人力资源和包括FDI在内的创新要素流入，这将明显提升长三角城市群中部地区的城市创新能力;第三，长三角城市群的中部地区科教资源非常丰富，可以更好地消化吸收国内的先进技术，而要推动本国经济发展需将引进的先进技术转变为现实的生产力，实现创新活动与经济发展相互促进的良性循环，这都有助于提高长三角城市群的中部地区的创新能力。而处在低高和低低集聚的城市普遍分布在长三角城市群的北部地区和南部地区，可能的解释是:北部城市和南部城市因为其比较低的经济发展水平和科研能力，造成其不能高效地运用创新资源，进而导致城市创新水平相对低下，同时与其邻近的城市创新水平也较低，对本区域的创新活动不存在知识溢出效应，这些原因都导致了北部城市和南部城市较低的创新产出。

图4 2009年、2011年、2013年创新产出的LISA显著性水平地图和LISA集聚地图

(二)模型估计与结果分析

为了比较，首先建立静态面板模型(α=0)，根据是否考虑创新产出的空间相关性，分别建立静态非空间面板模型(ρ=0、λ=0)、静态空间滞后面板模型(ρ≠0、λ=0)、静态空间误差面板模型(ρ=0、λ≠0)，用模型Ⅰ、模型Ⅱ、模型Ⅲ表示;然后加入创新产出的时间滞后影响建立动态面板模型(α≠0)，与静态面板模型一样，分别建立动态非空间面板模型(ρ=0、λ=0)、动态空间滞后面板模型(ρ≠0、λ=0)、动态空间误差面板模型(ρ=0、λ≠0)，用模型Ⅳ、模型Ⅴ、模型Ⅵ表示，模型计算结果见表3。

静态面板模型中的三类模型从R2、豪斯曼检验的结果、系数显著性等情况来看，大部分模型是固定效应模型有较好的拟合效果，模型Ⅰ采用时间固定效应模型，模型Ⅱ和模型Ⅲ都采用地点固定效应模型。另外，对于空间面板模型是选择空间滞后模型还是空间误差模型，通过比较两个Lagrange乘数及其稳健性来选择。空间面板模型选择的标准:如果LM_LAG在显著性水平上比LM_ERR更加显著，且Robust_LM_LAG通过显著性检验，而Robust_LM_ERR没有通过显著性检验，则选择空间滞后模型;反之，则选择空间误差模型。在静态空间面板模型中，检验结果显示:地点固定的空间滞后模型的LM_LAG值为148．910，Robust_LM_LAG值为56．884，地点固定的空间误差模型的LM_ERR值为97．318，Robust_LM_ERR值为5．292，前者的Robust_LM_LAG通过1%显著性检验，后者的Robust_LM_ERR没有通过1%显著性检验，因此，静态空间面板模型选择地点固定效应的空间滞后模型较为合适。

静态面板模型忽略了一些难以衡量的影响创新活动的因素(文化、制度等)，而这些因素往往不可忽视。因此，将创新产出滞后一期作为因变量，建立动态面板模型。在动态面板模型中，从R2、豪斯曼检验的结果、系数显著性等情况来看，大部分模型也是固定效应模型有较好的拟合效果，模型Ⅳ、模型Ⅴ和模型Ⅵ都采用地点固定效应模型。在动态空间面板模型中，同样通过确定Lagrange乘数及其稳健性来选择具体的空间模型。检验结果显示:模型Ⅴ的地点固定效应模型的LM_LAG值为31．639，Robust_LM_LAG值为21．586，地点固定效应的模型Ⅵ的地点固定效应模型的LM_ERR值为11．770，Robust_LM_ERR值为1．717，前者的Robust_LM_LAG通过1%显著性检验，后者的Robust_LM_ERR没有通过1%显著性检验，因此，动态空间面板模型选择模型Ⅴ的地点固定效应模型较为合适。

在考虑创新产出一阶滞后变量的动态面板模型时，非空间模型、空间滞后模型和空间误差模型的系数显著性和R2都有明显提高，因此，当加入一阶滞后变量后模型的系数显著性和R2有显著性提高，模型解释力加强，说明了创新产出作为连续动态的经济系统、创新环境等潜在因素对其影响很重要，而静态模型中仅仅用研发投入强度、就业密度和FDI考察对创新产出的影响可能未完全反映客观实际情况，由此反映出有必要构建动态面板模型。

从动态模型中可以看出城市创新产出存在显著的正空间相关性，但与静态模型相比，空间相关系数总体上有所降低，这可能由于静态空间面板模型笼统地将社会环境、制度因素等作为空间溢出效应，缺乏考虑其他潜在因素对城市创新产出的影响。而动态模型中采用城市创新产出的一阶滞后项来代表这些潜在的影响因素，将潜在的影响因素对创新产出的影响从空间溢出效应中分离出去后，能够观察到静态面板模型高估了空间溢出效应对城市创新产出的影响。

表3 计量模型回归结果

综上所述，根据模型Ⅰ与模型Ⅱ、模型Ⅳ与模型Ⅴ比较发现:研发投入强度的系数为正数且在1%显著性水平，意味着研发投入对城市创新产出的贡献显著为正，提高研发投入的强度，有助于城市创新产出的提高，证实了研发经费投入强度对城市创新产出呈正向影响;就业密度系数为正数且在1%显著性水平，表明就业密度促进创新的发展，证实了成本外部性对城市创新产出呈正向影响;FDI的系数为正数且在1%或10%显著性水平，表明通过FDI产生技术外溢影响长三角城市的创新活动，证实了FDI技术外溢对城市创新产出呈正向影响;与非空间模型相比，空间模型的R2都有明显提高，空间滞后变量的系数δ变为正数且在1%显著性水平上，显示了创新活动的溢出效应传播到邻近地区，证实了区际技术外溢对创新产出呈正向影响。

四、结论及建议

基于长三角城市群研究成本外部性、技术外部性对创新的作用和贡献，对中国各区域的创新政策制定具有较大的理论借鉴和现实示范意义。以Griliches(1979)提出的知识生产函数为基础，借鉴Carlino et al(2007)计量模型，构建了一个包括研发活动、就业密度及FDI等要素在内的创新生产函数模型，用于检验成本外部性、知识溢出对长三角城市创新的影响，通过静态与动态空间面板模型结合的分析方法，充分证明了成本外部性、技术外部性对城市创新的作用和贡献，并归纳概括得到如下重要的结论:

研发投入强度对城市的创新绩效具有显著的正面作用，因此自主研发是提高长三角各城市创新能力的重要力量，所以提高城市的研发投入强度，力保研发投入增加幅度比同期GDP增加幅度更高，充分利用研发投入的规模效应，从而改善和提升长三角城市群整体的创新水平。在配置研发资金时，财政资金应重点向长三角地区北部城市和南部城市倾斜，引导和鼓励社会资金向研发投入强度较低的城市集聚，财政投入与社会资金搭配机制可以提升长三角地区落后城市的创新水平。

就业密度对城市创新产出的影响显著为正，说明随着长三角城市群的城市化进程不断推进，城市的规模和发展质量都得到明显的提升，城市的创新活动受到成本外部性的正面影响，就业密度的提升有效促进创新产出的提高。就业密度提高依赖城市化，推进城市化的发展成为提高就业密度的重要方式。此外，长三角地区各市还要充分发挥产业集聚对区域创新的提升作用，积极鼓励依靠当地资源禀赋设立经济开发区、共业园区等措施共享投入，促进区域产业创新。

FDI产生的技术外溢对长三角各城市创新的作用非常明显，这表明在开放条件下的国际技术外溢、产业政策与外商投资政策对创新活动具有重要影响，国际渠道的技术外溢是提升长三角地区创新能力的重要途径。各城市应充分重视自主创新，在提高国内自主研发能力同时又能够吸引更多的FDI的进入，重视引资质量，努力吸引跨国公司研发中心落户长三角地区，通过技术的外溢和扩散，来提高当地的创新能力水平。空间滞后面板数据模型在纳入空间关联后研究城市创新活动时能够合理地解释计量模型，发现相邻城市的创新活动存在正向的地理溢出效应，表明知识溢出效应在地理上相互靠近的地区更容易发挥作用。因此，长三角城市群在产业发展、研发与招商引资及贸易过程中，各城市不能只关心本城市的创新行为和收益，更要重视相邻城市的行为与利益，综合考量邻近城市间的空间关联效应，树立统筹全域的观念，以谋取长三角经济区综合收益的最大化。

［1］Griliches Z．Sibling Models and Data in Economics:Beginnings of a Survey［J］．Journal of Political Economy，1979，87(5):37－64．

［2］Marshall A．Industry and Trade［J］．Journal of Political Economy，1921，9(Volume 29，Number 8):159－173．

［3］Krugman P．Increasing Returns and Economic Geography［J］．Journal of Political Economy，1991，99(Volume 99，Number 3):483－499．

［4］Duranton G，Puga D．Micro－Foundations of Urban Agglomeration Economies［J］．Handbook of Regional＆ Urban Economics，2004，4(04):2063–2117．

［5］Fujita M，Mori T．Frontiers of the New Economic Geography［J］．Papers in Regional Science，2005，84(3):377–405．

［6］GA Carlino，SChatterjee，RM Hunt．Urban density and the rate of invention［J］．Journal of Urhan Economics，2007，(61):389－419．

［7］吴玉鸣．中国区域研发、知识溢出与创新的空间计量经济研究［M］．北京:人民出版社，2007．

F127

A

1007－9734(2017)05－0022－09

10．19327/j．cnki．zuaxb．1007-9734．2017．05．004

2017－04－01

周 俊，男，江苏泰州人，硕士，研究方向为空间经济学。

责任编校:陈 强，王彩红