西北五省科技创新效率的多维溢出效应——基于空间面板Durbin模型的实证研究

郝金磊，尹　萌

(兰州财经大学 工商管理学院，甘肃 兰州 730020)

为适应经济发展“新常态”，中共十八大提出创新驱动战略，创新成为我国经济转型发展的重要战略支撑。随着要素和投资驱动与资源不可持续供给的矛盾显现，创新通过对传统生产要素的重新组合，为我国新阶段的经济发展提供动能。创新一词涵盖的内容广泛，包括制度创新、市场创新、科技创新和文化创新等，实现创新驱动应涵盖创新主体与外延的各个方面。纵观世界历史上的重大变革，包括三次工业革命，科技的发明与应用均扮演了举足轻重的作用。因此，科技创新作为创新系统的源头，与经济发展紧密结合。也正是基于此，政府在“十三五”规划中提出了要强化科技创新的引领作用。完善的科技创新系统，不仅可以提高有限资源的使用效率，对地区的经济增长，乃至整个区域的协调发展均会产生重要影响。西北五省作为古代丝绸之路的起点与走廊，随着“丝绸之路经济带”战略构想的提出，面临着重大的发展机遇。西北五省在“丝绸之路经济带”战略指导下，不能局限于基础设施的建设和“通道经济”的发展，应有更加广阔的市场定位。各省应把握向西开放契机，依托基础设施的互联互通，加强科技协同创新平台建设，吸引针对科技要素的投资，为新一轮的“西部大开发”提供经济增长引擎。据此，本章通过建立空间面板模型，利用科技创新效率与环境因素指标来进行宏观测算，探究西北五省科技创新的多维溢出效应，为西北五省加强省际与“产学研”创新协同，提高科技创新水平提供一定的参考与建议。

与以往研究相比，本文的创新点主要体现在：理论上，将创新价值链上游的知识创新和下游的产品创新之间的创新效率溢出效应，以及空间中不同区域创新价值链间的创新溢出效应纳入到一个统一的分析框架中，优化了传统对于创新效率溢出效应研究的单一范式；方法上，在采用SFA模型对各地区创新效率进行测算的基础上，用既包含空间因变量滞后项又包含空间自变量滞后项的空间Durbin模型进行估计，不仅使估计结果更贴合我国实际，还避免了传统空间误差模型或空间滞后模型估计的不足；对象上，由于传统对经济欠发达地区创新研究的忽视，因此将西北五省科技创新效率作为一个单独的整体进行研究，得出了针对西北五省区域的研究结果。

一、文献评述与研究思路

外溢效应是创新活动的重要特征之一，Romer认为创新外溢通过实现规模报酬递增，来促进生产率的提升和经济的持续增长[1]5-7。尽管外溢的创新知识具有某些公共产品的属性，即可能存在其他创新主体的“搭便车”行为，但“个体理性与集体非理性”的冲突不仅有效抑制了“锁定效应”，还在某种程度上促进了创新溢出效应，这种效应随着网络信息技术的发展得到了进一步的加强[2]6。此外，Agarwal和Gort的研究结果显示，创新产品替代品的推出从20世纪初期的30多年缩减到现在仅有3年[3]，即随着信息技术的高速发展，创新产出的扩散效应进一步加强，创新外溢在某种程度上刺激了其他创新主体的活动，使得整个区域获得更高水平的经济增长。因此，有关创新外溢效应的研究，成为创新研究的热点领域之一。关于创新外溢效应的研究，大多从两个路径展开，一个是创新价值链的溢出效应，另一个是创新的空间溢出效应。

关于创新的价值链溢出效应，尽管Hansen和Birkinshaw在2007年才首次提出“创新价值链”这一概念，并指出创新溢出是以创新价值链为载体[4]122-124，但在此之前已有许多类似基于创新价值链的创新溢出效应研究。如Romer[1]7-30在Arrow[5]知识积累理论的基础上，构建基于知识溢出的内生增长模型来研究创新溢出效应。此后，Jaffe基于美国各州创新数据研究得出，企业的创新产出与大学科研的商业性外溢正相关，企业创新更多的是来源于当地大学的学术研究成果[6]，Jaffe等[7]、Fritscha和Frankeb[8]以及一些后续研究又进一步证明了大学与科研院所对企业的创新溢出效应。除了上述提到的创新价值链上游的大学和科研院所向创新价值链下游的企业的创新溢出效应之外，创新溢出效应还应包含企业之间，以及企业向高校和科研院所逆向溢出和反馈。针对这部分内容，Segerstorm指出，大部分相关研究都关注FDI技术外溢和产业内部的模仿性创新，但技术溢出在跨国公司和本土产业公司之间均是普遍存在的[9]。此外，余泳泽和刘大勇基于创新效率研究发现，产品创新效率与知识创新效率对科研创新效率之间有显著的溢出效应，但知识创新效率与科研创新效率之间没有显著溢出效应[2]15-16。赵增耀等同样基于创新效率的研究却有不同的结论，即创新价值链中知识创新向前溢出效应显著，但产品创新向后溢出效应缺失[10]38-39。综合已有研究来看，创新溢出的研究还是更多集中于高校和科研院所向企业的创新溢出，针对企业之间和企业向价值链上游的创新溢出研究相对匮乏。随着协同创新战略的推进，科技创新复杂性日益增强，传统的带有“路径依赖”的创新模式已无法解决新时期的发展要求，创新价值链需要实现前后的循环效应和反馈效应，这也对创新溢出效应的研究提出了新的要求。

关于价值链的空间溢出效应，Audretsh和Fledman指出，由于外部性等原因，企业创新产出及效率水平应受到更广泛的影响，针对企业微观层面的研究并不能反映创新溢出效应的真实状况[11]631。所以，从更宏观的范围入手来研究创新溢出具有更广泛的意义，空间计量经济学的发展也为这部分的研究提供了可靠的工具。Audretsch和Feldman最早将地理因素引入到知识外溢的框架中，为创新活动做出了开创性的研究[11]633。此后，Almeida和Kogut发现知识外溢主要存在于临近地区，即大学到企业的知识外溢高度本土化[12]。Verspagen和Schoenmakers也得出了类似的研究结论，即地理临近使得知识外溢效应增强[13]。但Ponds等却认为，通过大学与产业的合作，创新溢出可以突破空间限制，在更远的距离上实现溢出[14]。在中国本土化研究中，余泳泽和刘大勇基于创新效率的研究发现，创新价值链各阶段效率有显著的空间溢出效应[2]18-19；赵增耀等同样基于创新效率研究发现，创新溢出效应的传播会受到地理距离的限制，即随着地理距离增加，溢出强度呈现脉冲式衰减[10]39-41；张贵等在生态系统视阈下研究发现，知识和产品创新效率由西向东呈现递增趋势[15]36-37。为了进一步细化创新外溢的地理距离，许多学者做了更精准的研究。如Keller构造了基于地理距离衰减函数的创新溢出模型，研究OECD成员国之间技术扩散效应，结果发现：国与国之间距离每增加1200公里，技术扩散减少50%[16]。Bottazzia和Giovanni研究发现：创新溢出的距离为300公里[17]。基于同样的研究思路，符淼对中国数据的研究发现：创新外溢效应较强的区域集中在800公里范围以内，总体扩散范围在一到两个省际之间[18]。

综合上述研究来看，针对创新溢出的研究基本从两条路径展开，一条是创新价值链路径，一条是空间路径。创新价值链包含两个不可分割的部分，一是发明，即知识创新的过程；另一个是应用，即产品创新的过程[19]。创新价值链上游的高校与科研院所，作为知识创新的主要承担者，应以创新价值链为载体，在接受价值链下游企业提供的信息和市场需求基础上开展科研活动；创新价值链下游的企业，作为创新技术转化的承担者，应依托价值链上游的知识创新，捕获和整合各项创新资源，实现创新知识到创新产品的转化。值得注意的是，创新价值链中知识、技术和人才的流动是一个循环的过程，包括企业对高校和科研院所知识创新的反馈以及高校和科研院所对企业提供市场信息的整合。此外，创新价值链并不是一个封闭的系统[4]121，价值链上各环节会受到来自价值链内部和外部的多重影响。比如，由于企业外部性的存在，造成了企业创新投入和产出之间没有必然的联系[10]33。因此，学者们通常采用空间计量模型的方法，在研究价值链不同主体之间创新效率溢出的同时，进一步探寻地理空间中不同区域创新主体和环境因素的影响。本文沿用以上研究思路，采用随机前沿的方法对西北五省知识创新效率和产品创新效率进行测算，在此基础上，将创新空间溢出效应和价值链溢出效应纳入到创新效率溢出框架中进行研究，从更全面的视角探究西北五省创新效率溢出问题，为西北五省有效配置创新资源，提升区域创新效率提供参考。

二、研究设计

(一)模型设计

1.SFA模型

目前，测算效率的方法主要有以参数法为代表的随机前沿模型(Stochastic Frontier Analysis，简称SFA)和非参数法的数据包络分析(Data Envelope Analysis，简称DEA)。SFA模型的前沿面是随机的，使得对面板数据的测算结果更加贴近现实。此外，SFA模型可以将决策单元同效率前沿面的偏离分解为随机误差和技术非效率，这就更适用于存在较多随机误差、技术无效率和复杂经济环境问题的发展中国家[20]。Farrell最早提出了基于生产前沿的效率分析方法[21]，Aigner和Chu提出了针对截面数据的随机前沿模型[22]，Battese和Coelli在前人研究的基础上，修正了随机前沿模型，使得模型可以有效测算面板数据的效率[23]。综上所述，本文选择利用SFA模型来测算西北五省科技创新效率。

2.空间计量模型

(1)空间权重矩阵

邻接空间权重矩阵和距离空间权重矩阵是两种典型的空间权重矩阵。邻接空间权重矩阵的设立是根据空间决策单元之间是否地理邻接，具体形式如下：

(1)

式中，i=1，2，…，n；j=1，2，…，m；i≠j。

然而，由于甘肃、青海和新疆三省行政区域面积辽阔，仅靠邻接权重可能无法反映区域之间真实的空间溢出效应，如：青海和新疆相邻接，但青海省会西宁和新疆省会乌鲁木齐距离有1 700多公里；青海和陕西不邻接，但西宁和陕西省会西安距离只有800多公里*相关地理数据来源于国家地理信息公共服务平台：http：//www.tianditu.gov.cn/.。考虑到省会城市在省级区域创新中的主体地位，青海与陕西之间的空间溢出效应可能比青海与新疆之间的空间溢出效应要强。因此，本文构建距离空间权重矩阵，该矩阵假设系统之间的相互影响随着距离的增加而减弱，即创新效率溢出效应随空间距离增加而减弱，具体形式如下：

(2)

其中，d表示省会城市之间的直线距离。

(2)空间相关性检验

空间相关性检验是建立空间计量模型的基础，通过观察空间相关性检验结果来判断是否将研究对象纳入到空间计量的范畴。“空间自相关”是指位置相近区域有相似的变量取值，若高值区域与高值区域相临近，低值区域与低值区域相临近则为“正空间自相关”；若高值区域与低值区域相临近则为“负空间自先关”；若高值区域与低值区域随机分布，则为无空间自相关[24]。在实际研究中通常采用莫兰指数I(Moran's I)和吉尔里指数C(Geary's C)来检验空间相关性。莫兰指数I的具体形式如下：

(3)

(4)

与莫兰指数I不同，吉尔里指数C的取值介于0到2之间，大于1表示负空间相关，小于1表示正空间相关，等于1表示空间不相关。当进行局部空间自相关检验时，吉尔里指数C通常比莫兰指数I指数更敏感。

(3)空间面板Durbin模型

空间计量经济学是用来解决一个地区某一个经济属性与另外一个地区相同经济属性之间的关联性，因此，学者们通常采用空间计量模型来研究效率溢出问题。Anselin首先定义了传统面板模型中空间相关性的概念[25]，在此基础上，Baltagi[26]和Elhorst[27]等学者将空间滞后误差项和空间滞后被解释变量引入到了传统面板模型中。之后，LeSage和Pace对空间滞后模型(Spatial Lag Model，SLM)和空间误差模型(Spatial Error Model，SEM)进行了完善，提出既包含空间因变量滞后项又包含空间自变量滞后项的空间杜宾模型(Spatial Durbin Model，SDM)[28]。金春雨和程浩指出SLM和SEM以及面板模型的其他扩展形式，都可以看作SDM的特例[29]。除此之外，Elhorst还探讨了空间面板模型的检验和预测问题，并提出了基于Hausman检验的空间固定效应和随机效应检验方法[30]56-60。空间Durbin模型的一般形式如下：

y=ρwy+xβ+wxθ+ε

(5)

公式(5)中，y为被解释变量；x为解释变量；w为空间权重矩阵；ρ为空间自回归系数；β为解释变量的回归系数；wy被解释变量的空间滞后项；wx表示解释变量的空间滞后项；ε为随机扰动项。Elhorst此后又提出了更一般的空间计量模型，即空间面板杜宾模型(Spatial Panel Durbin Model，SPDM)[31]，模型的一般形式如下：

(6)

公式(6)中，i表示各省和自治区，t表示年份，N表示空间单元总数；Yjt为被解释变量，xit为解释变量，wij为空间权重矩阵；ρ为空间自回归系数；β为不含空间滞后项的解释变量回归系数，θ为含空间滞后项的回归系数；μi和λt为个体固定效应和个体时间效应；εit为随机误差项。此外，尽管空间杜宾模型中滞后项系数的方向和显著性依然有效，但其大小不再代表自变量对因变量的影响水平，因此，LeSage用偏导矩的方式对空间杜宾模型的参数进行了解释，并得出了直接效应、间接效应和总效应的概念[32]。其中，直接效应表示解释变量对本地区被解释变量造成的总影响，包括解释变量对本地区被解释变量的平均影响，和解释变量对其他地区被解释变量造成影响后对本地区被解释变量的反馈影响；间接效应表示解释变量对其他地区造成的平均影响；总效应则表示解释变量对所有地区造成的平均影响，直接效应加间接效应等于总效应[30]50。借鉴空间面板杜宾模型，结合本文的研究要求，设计出创新效率的多维溢出模型，模型的具体形式如下：

Kit=ρWKit+β1Pit+β2WPit+θX+μi+λt+μij

(7)

公式(7)中，ρWKit表示知识创新效率的空间溢出效应，即不同区域创新主体之间的知识创新溢出效应；Pit表示产品创新效率的溢出效应，即创新价值链下游的产品创新对价值链上游知识创新的溢出效应；WPit表示产品创新效率的空间溢出效应，即不同区域创新主体之间的产品创新溢出效应。

Pit=ρWKit+β1Kit+β2WKit+θX+μi+λt+μij

(8)

公式(8)中，WPit表示产品创新效率的空间溢出效应，即不同区域创新主体之间的产品创新溢出效应；Kit表示知识创新效率的溢出效应，即创新价值链前段的知识创新对价值链后端产品创新的溢出效应；WKit表示知识创新效率的空间溢出效应，即不同区域创新主体之间的知识创新溢出效应。

(二)指标选择与数据来源

本文的研究对象为西北五省：陕西、甘肃、宁夏、青海和新疆。由于2010年之前的《中国科技统计年鉴》在本文相关指标的含义上存在较大变化，为保证研究中变量的统一性、准确性和科学性，本文以2010年为起点进行研究，所使用的数据来源于《中国统计年鉴2010—2016》和《中国科技统计年鉴2010—2016》。知识创新效率(tek)来源于创新价值链的上游，创新主体是高校和科研院所。知识创新投入包括劳动力投入和资本投入，数据采用高校投入和科研院所投入加总的方式；创新产出包括高校和科研院所的专利申请数、科技专著数和科技论文数，根据三者重要性不同分别赋予0.5、0.3和0.2的权重*权重的选择是在参考相关专家意见基础上决定的。。控制变量方面，创新价值链不同阶段的影响因素也不同。因此，本文在参考赵增耀等[10]37-38、张贵等[15]35、汪传旭和任阳军[33]等学者研究的基础上，选择从经济发展水平(gdp)、基础设施建设(inf)、政府支持力度(gov)和劳动者素质(edu)四个方面来确定控制变量。

表1投入产出Pearson相关系数表

产品创新效率(tep)来源于创新价值链的下游，创新主体是企业。产品创新投入包括劳动力投入和资本投入；创新产出用新产品销售收入表示。控制变量方面，与上文思路一致，选择从经济发展水平(gdp)、地区金融机构支持力度(fin)、地区外商投资水平(inv)和地区产业结构(ind)等四个方面来选择控制变量。此外，为了保证研究中投入变量和产出变量之间的同向性，对投入产出变量做相关性检验，检验结果如表1所示。由表1可知，产品创新的投入产出变量之间有较强相关性，适宜开展下一步研究。此外，本文构建的指标体系如表2所示：

表2科技创新效率指标体系

表3　SFA效率测算结果

三、实证分析

(一)SFA效率测算结果

利用Frontier4.1软件，对西北五省知识创新效率和产品创新效率进行估计，估计结果可看表3。

西北五省的知识创新效率方面，横向来看，2009年—2015年陕西省和甘肃省的知识创新效率均值处于效率前沿面，分别达到了0.971和0.956；新疆省的平均知识创新效率均值水平也较高，达到了0.821；青海省和宁夏省平均知识创新效率值处于较低水平，分别为0.267和0.464。纵向来看，西北五省知识创新效率在2009年—2015年呈现逐年上涨趋势，青海省和宁夏省上涨幅度相对较大，总体平均创新效率值为0.696，知识创新效率水平低。

西北五省的产品创新效率方面，横向来看，2009年—2015年陕西省和甘肃省的知识创新效率均值处于效率前沿面，分别达到了0.942和0.952；新疆省的产品创新效率均值水平也较高，达到了0.861；青海省和宁夏省平均知识创新效率值处于较低水平，分别为0.158和0.623。纵向来看，西北五省产品创新效率在2009年—2015年呈现逐年上涨趋势，各省的上涨幅度均较小，总体平均创新效率值为0.707，产品创新效率水平较低。

(二)科技创新效率的多维溢出效应

1.空间相关性

利用STATA软件，对基于邻接矩阵和基于距离矩阵的西北五省知识创新效率和产品创新效率空间相关性Moran's I指数和Geary's c指数进行估计，估计结果如表4所示：

表4科技创新效率的空间相关性

图1基于邻接矩阵的知识创新效率Moran散点图图2基于邻接矩阵的产品创新效率Moran散点图

由表4可知，由于本文选择样本数量较小，产生的随机误差会影响显著性，导致创新效率Moran's I指数和Geary's c指数均未通过一定水平下的显著性检验，但稳定的回归系数值仍有一定的参考意义：基于邻接矩阵和基于距离矩阵的知识创新效率Moran's I指数为负和Geary's c指数均大于1，且回归系数值较为稳定，从一定程度上说明西北五省知识创新效率存在空间负相关。产品创新效率也有相同的结果，即尽管两个指数均未通过一定水平下的显著性检验，但从一定程度上说明北五省产品创新效率存在空间负相关。空间正相关比空间负相关更为常见，但这一结果并不难解释：西北五省经济发展相对落后，加之资源稀缺性造成了区域创新资源竞争相对激烈，容易造成区域发展不平衡的状况。以上结果进一步说明了西北五省科技创新效率存在空间负相关。此外，本文利用Moran's I指数均值，做出基于邻接矩阵和距离矩阵的Moran散点图来形象地表示西北五省知识创新效率的空间相关性。如图1、图2、图3和图4所示：

Moran散点图有四个象限，象限一(H-H型)表示高科技创新效率地区被其他高创新效率水平地区包围，存在正空间相关性关系，又称为热点区域；象限二(L-H型)表示低科技创新效率地区被其他高创新效率水平地区包围，存在负空间相关性关系，又称为异质性突出区域；象限三(L-L型)表示低科技创新效率地区被其他低创新效率水平地区包围，存在正空间相关性关系，又称为盲点区域；象限四(H-L型)表示高科技创新效率地区被其他低创新效率水平地区包围，存在负空间相关性关系，又称为异质性突出区域[34]。

图3基于距离矩阵的知识创新效率Moran散点图图4基于距离矩阵的产品创新效率Moran散点图

图中数字1、2、3、4和5分别表示陕西、甘肃、青海、宁夏和新疆。由图1和图2可知，宁夏和新疆位于第二象限，即低—高负相关关系集群；陕西、甘肃和青海位于第四象限，即高—低负相关关系集群。由图3和图4可知，宁夏和新疆位于第二象限，即低—高负相关关系集群；陕西、甘肃和青海位于第四象限，即高—低负相关关系集群。通过以上空间相关性检验可知，西北五省科技创新效率之间存在空间依赖性，故建立空间面板Durbin模型进行进一步分析。

2．空间面板Durbin模型回归结果

由于本文研究所使用的是面板数据，需要通过Hausman检验来判定是使用固定效应模型还是随机效应模型，Hausman检验结果如表5所示。由表5可知，研究应采用固定效应模型。

表5空间面板Hausman检验

基于空间面板Durbin模型的知识创新效率外溢效应实证结果如表6所示。由表6可知，基于邻接矩阵和距离矩阵的回归模型R2较高，分别达到了0.9598和0.9579；log-pseudoL值也较大，分别达到了107.0 203和107.0 934。以上拟合优度指标说明，西北五省知识创新效率的多维溢出效应确实存在，以往创新主体之间相互独立的假设不再成立，且空间面板Durbin模型能较好的解释知识创新效率的溢出效应[35]。

由表6可知，基于邻接矩阵和距离矩阵的知识创新效率空间自相关系数分别为-0.456和-0.576，且均通过了1%统计水平下的显著性检验，说明一个地区的知识创新效率水平会受到其他地区知识创新效率水平的负向影响，这就进一步验证了上文中知识创新效率存在空间负相关的结论，原因可能在于：尽管我们通常认为，一个区域较高水平的创新效率会产生“辐射效应”，带动周边区域创新效率的提升，但西北五省经济发展水平落后，协同创新意识淡薄，对有限创新资源的争夺会造成区域创新发展水平不均衡。以知识创新主体高校为例，知识创新效率水平处于前沿面的陕西省和甘肃省分别拥有3所和1所“985”高校，陕西省更拥有其他4所“211”高校，知识创新效率水平较高的新疆省拥有2所“211”高校且无“985”高校，而知识创新效率水平较低的宁夏省和青海省分别只拥有1所“211”高校且无“985”高校*“985工程”与“211工程”院校名录来源于《“985”工程优势学科创新平台》和《“211工程”总体建设规划》。。以此为例我们不难理解，受限于落后的经济发展水平和有限的知识创新资源，西北五省知识创新效率空间外溢效应为负。

表6知识创新效率外溢效应实证结果

产品创新效率方面，基于邻接矩阵和距离矩阵的产品创新效率对知识创新效率回归系数分别为6.403和6.509，且均通过了1%统计水平下的显著性检验，即创新价值链上游的知识创新效率会受到下游产品创新效率的正向影响。这一结论说明：西北五省“产学研”互动情况良好，产品创新效率能在一定程度上拉动知识创新效率的提升，企业能有效地将新技术转化为新产品，市场反馈机制成效明显；企业研发活动更加注重与高校和科研院所的合作，企业通过合作来提供资金支持，加强和高校与科研院所的协同。基于邻接矩阵和距离矩阵的产品创新效率空间滞后项对知识创新效率回归系数分别为6.403和6.509，且均通过了1%统计水平下的显著性检验，说明一个地区的知识创新效率会受到其他地区产品创新效率的正向影响，即产品创新效率对知识创新效率有正向的空间溢出效应。进一步观察产品创新效率正向溢出效应的分解，基于邻接矩阵和距离矩阵的直接效应系数分别为6.206和6.366，且均通过了1%统计水平下的显著性检验；基于邻接矩阵和距离矩阵的间接效应为正，均未通过一定程度下的显著性检验；总效应为直接效应与间接效应的和，基于邻接矩阵和距离矩阵的总效应系数分别为7.217和7.256，且均通过了1%统计水平下的显著性检验。尽管间接效应的系数未通过显著性检验，但我们还是判断，一个地区知识创新效率不仅受到来自本地产品创新效率的影响，还受到来自其他地区产品创新效率的影响，但来自于本地产品创新效率的影响远大于来自其他地域产品创新效率的影响。这一结论说明，西北五省省际科技创新协同较差，本省高校和科研院所与其他地区企业互动较少，这一现象还应归结于较低的经济发展水平和较差的市场竞争环境。综合上述，本文认为西北五省知识创新价值链本地层面协同状况良好，但在价值链的空间层面以及知识创新效率空间溢出方面还有待提高。

基于空间面板Durbin模型的产品创新效率外溢效应实证结果如表7所示。由表7可知，基于邻接矩阵和距离矩阵的回归模型R2较高，别达到了0.9227和0.9247；log-pseudoL值也较大，分别达到了165.6 418和167.5 888。以上拟合优度指标说明，西北五省产品创新效率的存在多维溢出效应，且空间面板Durbin模型能较好的解释产品创新效率的溢出效应。

表7产品创新效率外溢效应实证结果

由表7可知，基于邻接矩阵和距离矩阵的产品创新效率空间自相关系数分别为-0.425和-0.910，且均通过了1%统计水平下的显著性检验，说明一个地区的产品创新效率水平会受到其他地区产品创新效率水平的负向影响，这就进一步验证了上文中产品创新效率存在空间负相关的结论，原因可能在于：同知识创新空间负相关原因类似，由于区域经济发展水平落后，市场竞争环境较差，消费需求相对不足，造成不同地区企业受制于空间的局限，只关注本地的市场，缺乏更高层次的互动与交流；由于创新资源严重稀缺、恶劣的自然地理环境和深居内陆的区位劣势，西北五省难以形成高新技术产业集群，各产品创新主体各自为阵，缺乏产业联动，无法发挥规模优势，以各地区2015年高技术企业个数为例，产品创新效率较高的陕西省和甘肃省分别有475和124家高技术企业，青海省、宁夏省和新疆省分别只有41家、31家和42家，远低于全国平均水平，产品创新资源分配失衡*高技术企业个数数据来源于《2016年中国科技统计年鉴》。；由于产品创新水平很大程度上取决于知识创新质量，所以知识创新部分的空间负相关通过创新价值链的将这种空间失衡传递到了产品创新中去，对产品创新的空间相关性产生了一定的影响。

知识创新效率方面，基于邻接矩阵和距离矩阵的知识创新效率对产品创新效率回归系数分别为0.131和0.132，且均通过了1%统计水平下的显著性检验，即创新价值链下游的产品创新效率会受到上游知识创新效率的正向影响。这一结论说明：西北五省“产学研”互动情况良好，知识创新效率能有效推动产品创新效率水平的提升，高校和科研院所更加注重企业的实际需求和相互交流，企业在新产品开发过程中也更注重对高校和科研院所知识成果的转化和吸收。基于邻接矩阵和距离矩阵的知识创新效率空间滞后项对产品创新效率回归系数分别为0.121和0.104，且均通过了1%统计水平下的显著性检验，说明一个地区的产品创新效率会受到其他地区知识创新效率的正向影响，即知识创新效率对产品创新效率有正向的空间溢出效应。进一步观察知识创新效率正向溢出效应的分解，基于邻接矩阵和距离矩阵直接效应系数分别为0.120和0.135，且均通过了1%统计水平下的显著性检验；基于邻接矩阵的间接效应为正，基于距离矩阵的间接效应为负，均未通过一定程度下的显著性检验；基于邻接矩阵和距离矩阵的总效应系数分别为0.177和0.125，且均通过了1%统计水平下的显著性检验。结果显示，一个地区产品创新效率主要受到本地知识创新效率的影响，其他地区知识创新效率对本地产品创新效率的影响作用还不明确。这说明，西北五省省际高校与科研院所同企业互动较少，高校和科研院所更多选择与本地企业进行合作，跨区域的协同创新平台建设缺失。综合上述，本文认为西北五省产品创新价值链本地层面协同状况良好，但在价值链的空间层面以及产品创新效率空间溢出方面还有待提高。

四、结论与建议

本文基于2009年—2015年西北五省科技创新面板数据，首先利用SFA模型对知识创新效率和产品创新效率进行了测算。在此基础上，将创新效率的价值链溢出效应和空间溢出效应纳入到统一的理论框架中，并引入邻接权重矩阵和距离权重矩阵，采用空间相关性分析和空间面板Durbin模型进行了研究，主要结论有：

第一，科技创新价值链视角下，西北五省知识创新效率与产品创新效率相互正向影响显著，价值链上下游互动状况良好。在不考虑创新效率空间溢出的情况下，各地区的“产学研”有较高水平的互动，即企业研发活动更加注重与高校和科研院所的合作，高校和科研院所也更加注重企业的实际需求和相互交流。

第二，科技创新空间视角下，西北五省知识创新效率呈现负空间自相关，即知识创新效率之间有逆向的空间溢出效应，产品创新效率也有同样的结论。在不考虑创新效率价值链溢出的情况下，西北五省区域整体知识创新效率和产品创新效率发展不平衡。受制于较低的经济发展水平和创新资源稀缺性，高科技创新效率区域会对周边地区创新环境与资源造成负面影响，难以形成正向空间溢出效应。

第三，科技创新价值链与空间溢出的综合视角下，知识创新效率与产品创新效率对对方呈现空间正向溢出效应。对溢出效应进一步分解，知识创新效率方面，不仅受到来自本地产品创新效率的影响，还受到来自其他地区产品创新效率的影响，但来自于本地产品创新效率的影响远大于来自其他地域产品创新效率的影响；产品创新效率方面，主要受到本地知识创新效率的影响，其他地区知识创新效率对本地产品创新效率的影响作用的强度和方向还有待深入研究。

根据以上研究结论，为西北五省加强省际与“产学研”创新协同，提高科技创新水平，提出以下建议：

第一，加强产学研分工协作，打造有机结合的创新链，形成协同创新体系。西北五省应积极构建以高校、科研院所为依托，以企业为导向的自主创新体系，加快知识流动与技术转移，实现创新价值链的循环与反馈机制，为高校和科研院所的知识创新提供市场引导，为企业的产品创新提供技术与人才的保障。此外，政府要制定优惠政策，引导协同创新平台建设，把科技资源优势转化为现实的经济优势。

第二，提升经济发展水平，有效集成与合理配置创新资源，保证区域创新均衡发展。西北五省应重视科技创新效率与经济增长内生性，打通科技创新与经济发展之间的通道，强化经济运行体制创新与科技创新的协同，实现经济增长与创新效率的深度融合。此外，充分发挥市场在资源分配中主体作用，加强政府在创新资源配置中的引导作用，实现资源配置信息公平、公正和公开，达成多省共赢的格局。

第三，重视创新价值链的空间外延，加强跨省区的产学研合作，提升协同创新层次。西北五省应打破地方“割据”的局面，政府积极出台鼓励合作交流的政策措施，鼓励高校、科研机构和企业的多边合作，实现创新要素在区域间的自由流动。此外，要从加强社会诚信体系建设入手，营造良好互联互通氛围，搭建区域诚信交易平台，降低因诚信问题带来的交易成本，扩大价值链的空间溢出半径。

参考文献：

[1]Romer P M.New Goods，Old Theory and the Welfare Costs of Trade Restrictions[J].Journal of Development Economics，1994(43)：5-38.

[2]余泳泽，刘大勇.我国区域创新效率的空间外溢效应与价值链外溢效应——创新价值链视角下的多维空间面板模型研究[J].管理世界，2013(7)：6-20.

[3]Agarwal R，M Gort.First Mover Advantage and the Speed of Competitive Entry：1887-1986[J].Journal of Law and Economics，2001(44)：161-178.

[4]Hansen M T，Birkinshaw J.The innovation value chain[J].Harvard Business Review，2007(85)：121-135.

[5]Arrow.Economic Welfare and the Allocation of Resources for Invention[C]//National Bureau of Economic Research.The Rate and Direction of Inventive Activity.Princeton：Princeton University Press，1962.

[6]Jaffe A B.Real Effects of Academic Research[J].American Economic Review，1989(79)：957-971.

[7]Jaffe A B，M Trajtenberg，R Henderson. Geographic Localization of Knowledge Spillovers as Evidenced by Patent Citations[J].Quarterly Journal of Economics，1993(108)：577-598.

[8]Fritscha M，G Frankeb.Innovation，Regional Knowledge Spillovers and R&D Cooperation[J].Research Policy，2004(33)：245-255.

[9]Segerstorm P S.Innovation，Imitation and Economies Growth[J].Journal of Political Economy，1991(99)：807-819.

[10]赵增耀，章小波，沈能.区域协同创新效率的多维溢出效应[J].中国工业经济，2015(1)：32-44.

[11]Audretsch D B，M P Fledman. R&D Spillovers and Geography of Innovation and Production[J].American Economic Review，1996(86)：630-641.

[12]Almeida P，B Kogut. Localization of Knowledge and the Mobility of Engineers in Regional Networks[J].Management Science，1999(45)：905-917.

[13]Verspagen B，W Schoenmakers. The Spatial Dimension of Patenting by Multinational Firms in Europe[J].Journal of Economic Geography，2004(4)：23-42.

[14]Ponds R，F V Oort，K Frenken. Innovation，Spillovers and University-Industry Collaboration：An Extended Knowledge Production Function Approach[J].Journal of Economic Geography，2010(10)：231-255.

[15]张贵，梁莹，徐杨杨.生态系统视阈下区域创新效率的多维溢出效应——对面板数据的空间计量分析[J].科技进步与对策，2016(15)：30-37.

[16]Keller W.Geographic Localization of International Technology Diffusion[J].American Economic Review，2002(92)：120-142.

[17]Bottazzia L，P Giovanni. Innovation and Spillovers in Regions：Evidence from European Patent Data European[J].Economic Review，2003(8)：687-710.

[18]符淼.地理距离和技术外溢效应——对技术和经济集聚现象的空间计量学解释[J].经济学，2009(4)：1559-1565.

[19]吴希金.创新生态系统论[M].北京：清华大学出版社，2015.

[20]Fries S，Taci A.Cost Efficiency of Banks in Transition：Evidence From 289 Banks in 15 Post-Communist Countries[J].Journal of Banking and Finance，2005(1)：55-81．

[21]Farrell M J.The Measurement of Productive Efficiency[J].Journal of the Royal Statistical Society，1957(3)：253-290.

[22]Aigner D J，Chu S F.On Estimating the Industry Production Function[J].The American Economic Review，1968(4)：826-839.

[23]Battese G，Coelli T. A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J].Empirical Economics，1995(20)：325-332.

[24]陈强.高级计量经济学Stata应用[M].北京：高等教育出版社，2010.

[25]Anselin L.Spatial Econometrics：Methods and Models[M].Dordrecht：Kluwer Academic Publishers，1988.

[26]Baltagi B H.Econometrics analysis of panel data[M].Second Edition.John Wiley&Sons，Chi Chester.United Kingdom，2011．

[27]Elhorst J P.Specification and estimation of spatial panel data models[J].International Regional Science Review，2003(3)：244-268.

[28]Lesage J R，K Pace.Introduction to Spatial Econometrics[M].New York：CRC Press Taylor & Francis Group，2009.

[29]金春雨，程浩.中国制造业产业集聚与地区专业化存在空间溢出效应吗?来自空间杜宾模型的经验证据[J].21世纪数量经济学，2013(1)：506-527.

[30]Elhorst J P.Spatial panel data Models[M]//In：M M Fisher and A Getis，Handbook of Applied Spatial Analysis.Berlin，Springer，Forthcoming，2009.

[31]Paul Elhorst J.Matlab software for spatial panels[C].Chicago：The VIthworld conference of the spatial econometrics association(SEA)，2010.

[32]彭文斌，吴伟平，邝嫦娥.环境规制对污染产业空间演变的影响研究——基于空间面板杜宾模型[J].世界经济文汇，2014(6)：99-110.

[33]汪传旭，任阳军.高技术产业绿色创新效率的空间溢出效应[J].产经评论，2016(6)：76-84.

[34]赵庆.国有企业真的低效么——基于区域创新效率溢出效应视角[J].科学学与科学技术管理，2017(3)：107-116.

[35]柏玲，姜磊.金融支持区域创新的竞争和溢出效应——基于空间面板杜宾模型的研究[J].上海经济研究，2013(7)：13-23.