区域创新产出的空间依赖性：理论内涵、实证检验与优化路径*

殷 群 李子文

内容提要 创新是引领发展的第一动力，但一个地区的创新产出不仅取决于当地的经济水平、科技投入、制度条件、社会文化环境等因素，同时还受到其他区域创新活动的影响。基于空间自相关和空间计量模型的分析结果显示，江苏创新产出的空间分布呈现出“南高北低”的梯状层级结构，整体显示出中等程度的空间集中；R&D资金投入、经济发展水平、政府财政科研支出对创新产出有显著正向影响，R&D人员投入有显著负向影响，FDI对于创新产出的正向影响不断增强。因此，对江苏而言，要提高区域创新产出，需要统筹南北区域发展，促进创新人才区域集聚，优化政府创新支出结构，拓展产业国际合作创新平台，提高创新资金使用效率。

创新产出的空间依赖性：理论内涵与多维影响

(一)创新产出的空间依赖性：一个研究性界定

空间依赖性或称空间自相关，是指地理事物或现象的相似性与其在空间上的距离密切相关。区域创新的空间依赖性反映了现实中存在的空间交互作用，比如区域之间创新要素的流动、知识扩散和溢出、研发的投入产出行为及政策在地理空间上的示范作用和激励效应等。规范研究和实证研究都证明了创新产出的地理集中和空间集聚现象。①

国内外学者对于区域创新产出的研究主要集中在以下三个尺度。其一，国家尺度。Buesa等基于投入—产出理论框架，对西班牙区域创新系统进行了相关分析。②胡锡琴、杨琴通过SAR模型对我国30个省级行政区的FDI技术溢出与自主创新产出的相关性进行了研究，认为前者对于后者有正向促进作用。③Cowan等对意大利的研究发现，高校数量的增加会带来区域创新产出水平的提高。④其二，区域尺度。张建伟以长江经济带为研究对象，运用标准差、变异系数和空间计量模型等方法探讨了1986～2014年长江经济带创新产出的时空演变特征及形成机制。⑤刘雅芳、许培源运用空间计量经济方法的研究表明海西经济区的创新产出具有明显的空间相关性。⑥其三，省域尺度。侯润秀等基于省域面板数据，通过计量分析发现，外商直接投资对发明创新、实用新型和外观设计3种专利的申请量均有积极影响。⑦张惠璇等运用空间相互作用模型分析广东创新格局演变过程，提出了中心网络化的创新结构。⑧

(二)创新产出空间依赖性的多维影响：区域高质量发展的视角

从上面的分析可以看出，既有文献对于创新产出空间相关性的研究，主要集中在国家和省域等较为宏观的尺度层面，而在微观层面上探索创新产出在不同细小单元间的空间特征的研究很少，但实际上，250km的地域范围及在地市层面的区域创新特色比较显著⑨，要素间的相互作用在更小区域尺度(如市级)会更加明显⑩。

现代城市群发展实践表明，创新要素的空间集聚与扩散直接影响城市创新能力，空间依赖成为推动城市间空间经济联系演化的重要力量，而且其作用不断强化。一方面，核心创新城市由于其技术创新所带来的生产率提升而形成的外部性，可以促进创新要素在城市间的传递，使区域间流动性加强，从而进一步促进知识溢出与知识资本流动；另一方面，为了具备知识吸收能力，中低水平创新城市会逐步主动扩大创新组织规模、增加创新人才供给，从而整体提升创新能力层级。这种空间依赖将会不断推动各城市系统功能的跃迁，形成保持区域竞争力优势的内源动力。

创新产出空间依赖性的实证分析：以江苏为例

(一)指标选取

1.创新产出指标。本文选取专利密度“每万人口发明专利授权量”作为创新产出(INPT)的衡量指标，主要基于以下考虑：一是创新与专利之间的耦合性与关联程度较强，经授权的专利有较高的标准化和规范化水平。二是专利授权量在经专利局审批后比申请量更加权威可靠。三是发明专利比外观设计专利和实用新型专利的质量更高、审核更严格，更接近度量创新产出的标准。四是专利密度能比专利授权总量更准确地反映创新产出的差异并消除人口规模的影响。

2.创新投入指标。考虑到江苏省各地级市创新政策起步时间不同导致的年鉴内容差异，综合数据的可获得性和代表性，本文从R&D资金投入、R&D人员投入、经济发展水平、外商实际投资和政府财政科研支出5个方面分析创新产出的影响因素。

(二)数据来源及处理

利用GeoDa1.6.7及Stata 14统计软件对2012～2016年江苏省13个地级市的面板数据进行分析，其中专利数据来自《江苏省知识产权局年报》，其余数据均来自各市统计年鉴。

除了对人均GDP进行平减处理外，数据处理还包括将FDI根据当期汇率换算成等值人民币，并对相关指标进行了无量纲化处理。最后由于对数变换并不会改变原始数据之间的函数关系与变化态势，所以为了避免异方差，对数据进行了对数处理。

(三)研究方法与模型设定

1.研究方法

随着要素之间的空间跨区域性不断增强，探索性空间数据分析技术(exploratory spatial data analysis，ESDA)逐渐被广泛运用于多个领域。探索性数据分析，即可视化数据的空间分布，进而描述各种社会经济现象的空间相互作用机制，是一系列空间数据分析方法和技术的集合。

ESDA方法主要分为全局和局部自相关分析。全局自相关分析是研究空间整体的集聚或依赖性状况，探索某一变量的总体空间相关性和差异。本文使用Moran’s I指数进行全局自相关分析：

Moran’s I的取值范围为[-1，1]，该值大于0说明相似观测值趋于聚集，存在空间正相关性；该值等于0，说明不存在空间相关性；该值小于0说明不同观测值趋于聚集，存在空间负相关性。

散点图的四个象限分别代表不同的空间相关模式，(1)第Ⅰ象限(H-H)：表示创新产出高值区被同为高值区的单元所包围；(2)第Ⅱ象限(L-H)：表示创新产出低值区周围为创新产出高值区；(3)第Ⅲ象限(L-L)：表示创新产出低值区被同为低值区的单元所包围；(4)第Ⅳ象限(H-L)：表示创新产出高值周围为创新产出低值区。即第一、三象限表示创新产出的空间正相关性，第二、四象限则表示空间负相关性。

LISA聚类是衡量观测单元属性与其周边单元的相近或相异程度及其显著性的指标，可以表征局域空间的异质性。其公式为：

LISAi=Zi∑jWijZj

式中，Zi和Zj为标准化后的区域i和j的观测值，Wij为空间权重矩阵，∑jWij=1。

2.模型设定

Moran’s I指数能够检验区域创新产出的空间相关性，若经验证明存在空间自相关性，则应建立空间计量模型进行研究，其中最常用的是空间滞后模型(SLM)和空间误差模型(SEM)。

空间滞后模型(SLM)主要研究各变量在区域内是否存在扩散现象，即在存在溢出效应的情况下，相邻地区间的影响。其表达式为：

lnINPT=β0+ρW×INPT+β1lnRDTR+β2lnRDRY+β3lnRJGDP+β4lnFDI+β5lnCZKYZC+ε

空间误差模型(SEM)适用于区域间的联系以误差项作为表征，即区域间的相互影响由于所处相对位置的不同而产生差异的情况。其表达式为：

lnINPT=β0+β1lnRDTR+β2lnRDRY+β3lnRJGDP+β4lnFDI+β5lnCZKYZC+ε

ε=λWε+μ

(四)实证结果分析

1.创新产出的空间分布及集中度

为了直观可视化地分析江苏省创新产出的空间特征，选取2012年、2014年、2016年三个时间节点，利用GeoDa1.6.7将江苏省各地级市创新水平划分为4个层次，绘制了基于专利数据的创新产出空间分布图，如图1所示。

从图1中可以清晰地看出：(1)江苏省创新水平空间格局大致稳定且呈现“南高北低”的特定结构。苏南地级市的创新能力明显高于苏北各市且差距较大，全省创新产出自南向北跨市呈阶梯递减。(2)局部聚集现象突出。主要表现为高高聚集，如苏州、无锡、南京、镇江，低低聚集，如宿迁、连云港。此外，存在明显的高低极化现象，苏州五年来一直处于创新产出高值区，连云港、宿迁一直处于创新产出低值区。(3)高创新水平城市未能充分发挥辐射带动作用，知识溢出效应的局限性较强。仅有泰州、镇江、盐城实现了创新产出的增长；低创新水平城市对于创新要素的接纳学习水平有限。值得注意的是，部分城市出现了创新水平下降，如无锡、扬州、淮安。

图1 2012年、2014年、2016年江苏省每万人口发明专利授权量空间分布图

为进一步研究江苏省13个地级市创新产出的集聚状况，通过Stata 14计算2012～2016年的区位基尼系数(Gini)来定量分析创新产出的空间集中程度。从图2可以看出，区域Gini系数在0.42～0.5之间波动，说明江苏省的整体创新产出显示出中等程度的空间集中，全省创新产出的增长极集中于几个城市，这一结果与前文空间分布图相符。此外，全省Gini系数一直保持在0.5以下并在2016年下降至0.425，有了空间收敛的趋势，说明全省创新产出没有显著的趋同效应。

图2 2012～2016年江苏省创新产出区域Gini系数变化趋势

2.全局自相关检验

从表1和表2可以看出，2012～2016年全局Moran’s I指数值均大于0，且分别通过了1%和5%的显著性检验。这说明，江苏省创新产出的空间分布并不是分散的，而是存在明显的空间聚集现象，并具有显著正相关关系，即较高创新产出水平城市与其他较高创新产出水平城市趋于邻近；较低创新产出水平城市与其他较低创新产出水平城市趋于邻近。Moran’s I指数在2012～2016年间虽有波动，但整体呈上升趋势，说明空间依赖性在加强，适于做空间计量分析。

表1 2012～2016年Moran’s I检验结果

注：*、***、***分别表示在10%、5%、1%水平下显著。下表同。

表2 全局Moran’s I检验结果

3.局部空间自相关检验

比较2012年、2014年和2016年的Moran散点图(图3)可知，2012年和2014年约有76.9%、2016年约有84.6%的城市位于第Ⅰ、Ⅲ象限，仅有20%左右的城市位于第Ⅱ、Ⅳ象限，这说明大部分城市与其相邻地区具有相似的观测值。此外，位于第Ⅰ象限的城市虽有波动但呈增加趋势，说明江苏省部分地级市创新水平在提高。Moran散点图的结果说明，江苏省创新产出以H-H和L-L的空间聚集模式为主，大部分城市表现出正的相关关系。这也进一步证实了上文全局Moran’s I指数检验所得出的全省创新产出存在正向空间依赖的判断。此外，全省创新产出结构具有较强的稳定性，各地级市间的创新水平存在明显差异。

结合表3的LISA聚类结果来看，(1)江苏省创新产出区域异质化现象明显。H-H聚集区均为苏南地市，成为全省创新产出的增长极，形成了高创新水平的“俱乐部”，如苏州、无锡、南京、常州、镇江；而苏北各市基本都属于L-L聚集区，如徐州、淮安、连云港、盐城、宿迁，并有向苏中地区延伸的可能(扬州)，这些地级市成为全省创新产出的“低谷区”。(2)位于散点图最左端和最右端的分别为宿迁和苏州，说明苏州创新产出最高而宿迁最低。无锡位于最上方，说明其邻近市创新产出的平均加权也较高；徐州则相反，由于邻近市(连云港、淮安、宿迁、盐城)创新产出都较低，所以位于最下方。对于跨界区扬州，可以看作是H-L区域向L-L区域延伸的过渡区，南通跨越H-H区域和H-L区域，但与其他苏南城市相比还有差距，因此可将其归于H-L区域。这说明，江苏省创新产出空间分布特征明显呈自南向北阶梯状减弱趋势。(3)南京在2014年进入H-H区域，说明创新产出取得了较好的成就；南通、泰州基本稳定在L-H区域，说明部分苏中城市受到了苏南溢出效应的影响，处于中等创新水平，但扬州目前创新水平与南通、泰州相比还有差距；其余多数地级市(大约56%)都属于L-L区域，说明无论其自身还是周边区域都属于创新产出低值区。

结合表3和图3可以发现，江苏省创新产出的空间分布并不是随机的而是呈现出明显的集聚性，存在显著的局部空间相关性。在创新产出的水平方面，苏南作为扬子江城市群聚集区，成为全省创新能力的“发动机”，而苏北地区则整体较为落后，且南北差距有逐渐拉大的可能。苏中地区因邻近苏南，在知识溢出效应的影响下，有望成为辐射带动和正向溢出的首批获益者。

图3 三个时间点江苏省创新产出Moran散点图

时间点第Ⅰ象限(H-H)第Ⅱ象限(L-H)第Ⅲ象限(L-L)第Ⅳ象限(H-L)跨区域2012苏州、无锡、镇江、常州 南通、泰州徐州、扬州、盐城、连云港、淮安、宿迁南京—2014苏州、无锡、南京、常州、镇江 南通、泰州徐州、盐城、连云港、淮安、宿迁—扬州(Ⅲ,Ⅳ)2016苏州、无锡、南京、镇江、常州 泰州扬州、徐州、淮安、盐城、宿迁、连云港—南通(Ⅰ,Ⅱ)

4.创新产出的影响因素分析

首先不考虑空间因素进行OLS估计，然后借助两个Lagrange乘数和两个稳健Lagrange乘数来判断选用SLM模型还是SEM模型。相关结果显示，SEM模型比SLM模型更适合用来分析创新产出的影响因素。

由表4中SEM模型的估计结果可知，2012年规模以上工业企业R&D经费内部支出(RDTR)、人均GDP(RJGDP)、地方财政科学技术支出(CZKYZC)的系数均为正且分别通过5%、1%、1%的显著性检验，R&D人员投入(RDRY)的系数也为正但并不显著，FDI的系数为负但未通过显著性检验。这说明，R&D资金投入、经济发展水平、政府财政科研支出是推动创新产出增长的主要因素，其中回归系数最高的为经济发展水平(2.2543)，其次为政府财政科研支出(0.6480)和R&D资金投入(0.4676)，这也说明2012年，造成各市创新产出差异的主要原因是地区经济发展水平。因为经济水平越高，可以为创新产出提供的人力与物质资源越丰富，相应基础设施越完善，从而创新活动可以得到更好发展。而政府作为创新活动的重要推动者，可以在科技投入、税政激励、金融帮扶、招商引资等方面给予企业全方位的支持，所以回归系数也较高。

表4 估计结果

注：*、**、***分别表示在10%、5%、1%水平下显著。括号内表示标准差。

2016年，R&D资金投入、经济发展水平、FDI、政府财政科研支出的回归系数分别在10%、1%1%、1%的水平下显著为正，说明这四类解释变量与创新产出呈正相关关系，其每增加1%，创新产出相应分别增加0.0141%、0.6415%、0.6832%、0.2463%。但R&D人员投入的回归系数在1%的水平下显著为负(-0.2261)，说明对创新产出有所抑制，原因可能有两点：(1)江苏省目前创新产出体系仍以资源密集投入为主要推动力，R&D人员的研发能力还没能完全对接战略性新兴产业的需要。(2)人才培养、评价、考核体系还不完善，缺少复合型的高端人才和领军人才，导致占用了过多的岗位资源及科研机会，却没能最大化创新产出。

从2012～2016年的SEM模型中各回归系数的变化可以看出，FDI对于创新产出的贡献率从不显著的负相关变为显著正相关，说明FDI在江苏省创新体系中的地位和作用正在日益提高。正是由于自身的发展和基础设施的不断升级完善，所以外商投资所带来的巨额资金、先进技术、人才引驻、管理经验等外溢效应才可能充分发挥出来，从而推动地区自主创新能力的发展，而不再像以前对区域的挤压淘汰大于溢出作用以至阻碍地区的创新产出。R&D资金投入、经济发展水平、政府财政科研支出的回归系数均有所下降，说明对于企业的创新活动来说，已经度过了通过大量资金投入来获得产出的初期模式，逐渐步入资金边际效率递减阶段。

优化区域创新产出空间布局的路径选择

通过理论分析和实证研究，本文得到如下结论：一是江苏省创新产出空间分布呈现出“南高北低”的梯状层级结构，局部集聚明显，存在高低极化现象；区域Gini系数表明，全省创新产出并没有显示出高强度的空间集中，创新产出的增长极集中于几个城市，即江苏省创新产出并无显著的趋同效应，而是表现出一定程度的空间依赖。二是全局自相关检验的Moran’s I指数均为正，在2012～2016年间虽存在波动但整体呈上升趋势，说明江苏省创新产出空间分布呈显著正相关关系，并且H-H聚集和L-L聚集现象不断增强；从Moran散点图和LISA聚类结果可看出，绝大多数地级市位于第Ⅰ、Ⅲ象限，仅有20%左右位于第Ⅱ、Ⅳ象限，说明大部分城市与其相邻地区具有相似的观测值(高高、低低)，并且H-H聚集均为苏南地市，苏北市基本都属于L-L聚集。三是SEM模型的回归结果显示，R&D资金投入、经济发展水平、政府财政科研支出的回归系数为正且显著，但这三类影响创新产出的因素已经逐渐进入边际效率递减阶段；R&D人员投入回归系数在2012年为正但不显著，到2016年呈现负相关，说明人才培育和考核制度还有待完善；FDI对于创新产出的正向影响开始不断增强，说明其在江苏省创新体系中的地位和作用正在日益提高。

《中国区域创新能力评价报告2017》显示，广东省创新能力排名跃居全国第1位，打破了过去9年江苏保持首位的格局，说明目前江苏整体的创新体系和格局还存在不足。结合上述结论，提出江苏省优化区域创新产出空间布局的四大路径：

第一，统筹南北区域发展，推动区域集约创新。处于第一象限(H-H型)的苏州、无锡、南京、镇江、常州等高创新产出水平城市，应当在提升自身创新水平的同时形成以扩散知识技术经验为主要内容的新兴产业策源高地，加强与苏中苏北地区的创新合作，推动创新要素以市场化的形式辐射流动；加快推进苏南国家自主创新示范区和高水平双创示范基地建设，探索出适应不同区域特点的双创模式和先进经验，全面打造新技术、新产业链、新业态。南通、泰州等L-H型城市，应努力消除与苏南创新高地的溢出壁垒，积极接受苏州、无锡等邻近区域创新资源的扩散与引领带动，凭借地理位置的优势，全面加强产业合作，打造先进的创新体系，构建产业技术创新战略联盟，发挥好连接苏南苏北的纽带作用，让创新成果惠泽全省。徐州、盐城、连云港、淮安、宿迁等创新产出较低的苏北城市，应加大财政倾斜力度，完善地区基础设施建设以实现与先进技术的对接和创新生产要素的匹配，并通过建立校企联盟实现创新与生产要素有机结合；苏北地区应加大与苏南辐射源的跨空间合作，实现不同新兴产业的对口帮扶，并提升自身的学习吸收和自主创新能力，加快培育一批以创新为手段和目标的“独角兽”企业。

第二，优化政府财政支出结构，提高资金使用效率。加大对重点新兴产业科研创新的财政支持力度，设立专项资金并将其用在创新发展的平台搭建、核心环节和关键技术，成立江苏省战略性新兴产业发展投资基金，对经审查核实的重点领域项目优先投资，积极发挥政府资金的杠杆作用，并鼓励天使投资、创业投资、互联网股权众筹融资等民间资本依法进入重点领域，以多元化投融资模式和市场机制推动江苏整体创新能力的提升；进一步完善资金的考核、评价、督查、反馈制度，对投资项目进行有计划的周期性跟踪报评，科学反馈资金落实情况，如没达到预期要进行合理的预警与资金控制，健全政府财政支持和企业R&D资金投入的动态责任制，细化到项目、团队、个人，确保资金落到实处。

第三，加强高层次领军人才队伍建设，加大创新型专业人才培养力度。制定完善的高层次人才吸引和培养计划，依托国家“千人计划”和“万人计划”、江苏省“凤还巢”计划以及国外人才智力引进工程、产业人才高峰行动计划等一系列相关政策，通过政府与企业联手，合力吸引高新产业领军人才、国内外科研团队、留学回国的高层次产业人才落户江苏；同时，努力打造出更多高水准的企业研发机构和“一流大学”“一流学科”，鼓励校企、科研单位一体化办学联合培养，探索适应不同地区特点的创新合作模式，通力打造产学研用结合的共赢协同创新平台，为科教与人才强省战略深入实施提供强劲支撑。

第四，积极参与国际产业分工，打造新型合作创新平台。FDI在江苏创新体系中具有重要战略地位，在“一带一路”倡议全面推进的背景下，江苏应加大开放力度，主动链接全球创新网络，聚焦信息技术和服务、高端软件和装备制造、生物医药以及新能源等重点领域，积极引导境外龙头企业和外资投驻战略性创新产业，合力打造特色双边产业合作平台和国际创新合作中心，促进国际创新成果在江苏孵化和转化；同时，积极推动自主创新资源整合和不同地级市的产业结构优化，实现江苏主导和主体产业深度国际化，不断迈向国际高新技术产业体系的中高端，赢得持久发展的战略优势。

①Ottaviano G.I.P., Martin P. “Growth and agglomeration”，InternationalEconomicReview, 2001, 42(4), pp.947～968.

②M.Buesa，J.Heijs，M.M.Pellitero，T.Baumert, “Regional systems of innovation and the knowledge production function: The Spanish case”，Technovation, 2006, 26 (4), pp.463～472.

③胡锡琴、杨琴：《FDI、能源效率与自主创新的空间外溢效应》，《财经论丛》2017年第9期。

④Cowan R., Zinovyeva N., “University effects on regional innovation”，ResearchPolicy, 2013, 42(3), pp.788～800.

⑤张建伟等：《长江经济带创新产出的空间计量经济分析》，《科技管理研究》2017年第5期。

⑥刘雅芳、许培源：《创新产出的空间效应及影响因素研究——基于海峡西岸经济区面板数据的分析》，《科技与经济》2016年第3期。

⑦侯润秀、官建成：《外商直接投资对我国区域创新能力的影响》，《中国软科学》2006年第5期。

⑧张惠璇、刘青、李贵才：《广东省城市创新联系的空间格局演变及优化策略》，《地理科学进展》2016年第8期。

⑨R.Moreno，R.Paci，S.Usai, “Spatial Spillovers and Innovation Activity in European Regions”，SocialScienceElectronicPublishing, 2005, 37(10), pp.1793～1812.

⑩苏方林：《地级市R&D知识溢出的GWR实证分析》，《数理统计与管理》2010年第1期。