中国科技及经济空间联系强度研究

张建清,孟 珊,王 嵩,季轶凡

(武汉大学 a.中国中部发展研究院;b.经济管理学院,湖北 武汉 430072)

1 引言

随着全球化、市场化的推进和城市网络化的发展,区域内部和区域之间的社会经济联系更加密切与复杂,地区间的相互作用会对地区社会经济发展及空间结构产生了至关重要的影响。空间相互关系一直是经济地理研究的热点问题,国内外学者在这方面做了大量探索。引力模型是研究区域空间联系的常用工具,可有效地量化空间联系。国外学者运用引力模型主要对交通运输网络及空间通达性、城市网络结构等方面进行了大量的理论与实证研究[1-3]。20世纪90年代以来,国内学者采用引力模型进行区域空间联系研究也积累了不少成果。王德忠等阐述了经济联系量化指标的选取,并建立经济联系定量分析模型计算了苏锡常地区与上海经济联系强度值,分析了经济联系强度的区域差异[4]。此后，学者们利用引力模型对城市间的相互作用强度、城市间经济联系差异、城市空间结构及地区空间联系格局等方面进行了广泛研究[5-10]。

交通运输网络的完善和现代交通工具的发展大大缩短了旅行时间成本,对区域社会经济联系空间格局产生了深远影响。部分学者对传统引力模型进行了改进,距离指标的选取逐步从空间距离进一步拓展到了时间距离,将交通运输网络水平纳入到引力模型中。孟德友等基于铁路客运交通网络,使用时间距离引力模型对全国各省区间的经济联系强度进行了测算,分析了各省区间的地域分异特征及经济联系的空间指向[11];尹鹏等基于铁路客运交通网络利用时间距离引力模型分析了东北地区省际经济联系的地域分异特征[12];曹小曙等基于陆路交通网络,使用时间距离引力模型测算并分析了丝绸之路经济带内城市的空间联系特征[13];赵纯凤等使用公路最短时间距离对传统引力模型进行了修正,测算并评价了湖南区域经济空间联系及空间组织结构[14];曹佳斌等基于2003年、2007年、2012年的全国地级市公路网数据,使用时间距离引力模型衡量并评价了全国城市及区域间的经济空间联系[15];韩艳红等以南京都市圈为例,采用时间距离引力模型测算了南京都市圈内城市间的经济联系量,研究了南京都市圈的空间联系格局及空间态势[16]。

随着地区间产业技术合作深化和科技交流的增强,科技创新水平与经济水平逐渐成为影响地区间要素流动的重要因素,两者联合对空间格局产生影响。部分学者开始关注创新空间联系与空间格局,蒋天颖、张鸿鹤等运用时间距离引力模型分别研究了浙江省、东北地区的区域创新产出空间联系[17,18];董必荣等基于时间距离引力模型定量测度了我国各省区域创新产出空间联系,并得出省域创新产出空间联系差距较大的结论[19];吕海萍等通过构建创新资源协同空间联系引力模型测算分析了我国各省创新资源协同空间联系强度及其演化特征,并采用空间面板计量模型实证检验了创新资源协同空间联系与区域经济增长的关系[20]。

根据已有研究成果发现,学界对区域空间联系的研究主要集中在经济联系与空间结构,且研究多以个别省份或地区为案例。综合研究我国各省市科技联系和经济联系的成果明显不足,对两者关系的研究则更为少见。基于此,本文从效率水平和时间距离两个方面对传统引力模型进行改进,前者能反映我国在新常态背景下资源合理配置的水平,后者则能准确反映我国不同地区相互作用的力矩长度,量化分析各省的科技联系强度和经济联系强度及其空间态势,并采用面板回归模型探究科技及经济联系强度的关联性及影响因素,以期为区域协调发展和区域政策制定提供借鉴。

2 研究方法与数据说明

2.1 研究方法

引力模型(Gravity Model)来源于物理学中的万有引力定律。目前,引力模型是测算区域相互联系量的常用方法。以往学者们所构建的传统引力模型普遍使用区域人口总数、GDP总量衡量城市质量,使用两地的空间距离或交通距离表示城市距离,但传统引力模型对城市质量和区间距离的指标选取存在一定的缺陷。首先,人口数量和GDP总量并不是反映地区全貌的最优指标;其次,随着交通运输方式的改进和交通运输网络的完善,采用两地间的地表空间直线距离或交通距离也无法准确刻画城市间的空间联系及其动态变化。因此,本文在借鉴前人研究成果的基础上,使用效率水平和时间距离对传统引力模型进行改进,计算公式为:

(1)

式中,Fij代表城市i与j之间的联系强度;Fp为省份p内的联系总量,用来反应该省内空间联系强度的大小,n为省份p内的城市个数;Qi、Qj分别表示城市i和城市j的效率水平;Tij表示城市i与j的时间距离;k为引力常数,一般为1。

2.2 数据说明

数据包络分析(Data Envelopment Analysis,DEA)最初由美国运筹学家Charnes等提出[21],是一种基于多投入、多产出来评价对象相对有效性的效率评价方法。本文选用基于投入导向的SBM-DEA模型分别计算了2003—2015年我国30个省(不包括香港和澳门特别行政区、台湾地区、西藏自治区)283个地级市的科技创新效率和经济效率。在科技创新效率的计算中,借鉴相关研究[22,23],本文选取科学研究和技术服务从业人员数、财政科学支出、国际互联网用户数为投入指标,科技论文数、三大专利申请数为产出指标。其中,科学研究和技术服务从业人员数、财政科学支出、国际互联网用户数来源于2004—2016年的《中国城市统计年鉴》；科技论文数包括中文论文数和英文论文数,其中中文论文数来源于中国期刊全文数据库,英文论文数来源于Web of Science数据库；三大专利申请数通过检索中国期刊全文数据库获得。在经济效率的计算中,本文选取就业人数、城市建设用地面积和固定资产投资作为投入指标,选取GDP为产出指标。一个地区的经济发展受固定资产投资影响最为直接,而以往投资所形成的资本存量更多地影响产出。由于资本存量在统计年鉴中无法直接获取,因此参考前人的做法[24]并结合当前相关研究,本文采用永续盘存法对资本存量进行计算。就业人数、城市建设用地面积、固定资产投资和GDP的原始数据来自2004—2016年《中国城市统计年鉴》。在科技创新效率和经济效率的投入产出指标中,以2003年为基期,将财政科学支出、GDP、固定资产投资按照各年各地区的GDP指数进行平减,以消除通货膨胀造成的影响,并采用指数平滑法对缺失数据进行补充。

铁路运输具有安全系数高、价格竞争力强、抗干扰能力强等优点,是我国城市间最主要的交通方式。随着我国高铁技术的提升,高速铁路极大地缩短了地区间的通行时间,并对沿线区域和城市的社会经济发展和空间结构产生了重大影响，因此本文采用城市间铁路客运最短旅行时间衡量城市间的时间距离(h)。根据冯长春等的研究[25],数据从“去哪儿网”和“携程网”获取,数据获取过程中遵循以下原则:若城市间有直达列车,则选取所有列车班次中旅行时间最短的直达列车运行时间作为城市间的时间距离;若城市间没有直达列车,网站会自动提供用时最短的换乘方案,则选择换乘方案中的最短时间(含中转、停留时间)。对样本中个别没有开通客运铁路的地级市,本文采用公路运输最短时间代替。

3 各地区科技及经济联系强度分析

为研究各省科技及经济联系强度情况,需要消除直辖市与其他省份在地域上的差别。本文将北京、天津、重庆3市分别并入紧邻的河北省和四川省,将上海与邻近的江苏、浙江两省进行合并。由于青海省只有西宁1个地市,本文将西宁市并入甘肃省,因此本文以全国25个省份作为研究空间联系强度的基本单元。首先,根据引力模型分别计算2003—2015年各地市间的科技与经济联系强度。然后,将各地市间的科技及经济联系强度分别加总得到各省科技及经济联系总量。各省科技及经济联系总量越大,代表该省内地级市间的科技和经济联系强度越大。

受初始资源禀赋、经济基础及政策导向等因素影响,我国三大地区科技及经济联系强度差异明显。从表1可知,东部地区科技与经济联系强度领先于中西部地区。对比首末年发现,东部地区科技联系强度在2003—2015年出现大幅提高,但中部地区和西部地区科技联系强度均出现了不同程度的下降,地区间科技联系强度差距进一步扩大。除西部地区外,东部、中部地区经济联系强度均出现小幅增加,中部地区增幅最大。可能的原因是:东部地区拥有良好的基础设施、交通条件和对外开放窗口,因此科技和经济联系强度均明显高于中西部地区。但由于东部地区已经经历了经济高速增长期,因此经济联系强度增速趋缓。中部地区有赖于“中部崛起”战略的实施与天然的交通区位优势,该地区经济联系强度增幅较大。但中部地区整体科技水平偏低,加之近年来科技资源外流情况严重,因此中部地区科技联系强度出现了小幅下降。由于科技与经济水平较低和边缘化的地理区位,西部地区科技与经济联系强度均呈现较低水平且在考察期内出现了不同程度的下降。

表1 三大地区科技及经济联系强度

图1 全国各省份空间联系强度情况

从图1可见,2003年我国科技联系强度排名前三位的省份分别为广东省、陕西省和江苏省,经济联系强度排名前三的省份分别为江苏省、福建省和浙江省,科技联系强度与经济联系强度的区域一致性并不明显,且各省份间科技及经济联系强度差距较大。2009年,除江苏、广东两省外,其他大部分省份的科技与经济联系强度均出现了不同程度的下降,省份间差距较2003年明显缩小。相比于2009年,2015年大多数省份科技联系强度出现明显增加,但经济联系强度有所下降,其中江苏、浙江两省科技联系强度增幅最大。

4 科技联系强度与经济联系强度关联性分析

4.1 模型设定

为了探究科技联系强度与经济联系强度之间的关联性,本文构建了含有二次项的计量模型:

(2)

4.2 数据与变量说明

本文在已利用引力模型测算出各省科技联系强度与经济联系强度的基础上,选择科技联系强度为被解释变量,经济联系强度及其二次项为核心解释变量。目前,对空间联系强度进行定量分析的文献较少,本文在考虑数据可得性的基础上选择对外开放的水平(Open)、产业结构(Industry)、技术市场成交额(Turnover)、R&D人员全时当量(R&D)为控制变量。①对外开放水平(Open)。一个地区对外开放水平越高,越有利于地区间的要素流动。参考已有文献,本文采用实际利用外商投资额来衡量地区对外开放水平。由于实际利用外商投资额的统计口径为亿美元,因此本文使用各年的汇率折算成人民币,并以2003年为基期的GDP指数进行平减。②产业结构(Industry)。不同产业的创新过程、技术基础存在一定的差异,因此产业结构会对地区科技创新水平及地区间科技联系产生影响。本文使用各地区第二产业产值占总产值比重来表示该因素。此外,科技产出水平与投入水平可能会对地区的科技联系产生影响,需要进行控制。本文选择技术市场成交额(Turnover)、R&D人员全时当量(R&D)作为科技产出水平与投入水平的代理变量。为保持数据的相对一致性,本文面板数据以2003—2015年我国25个省级行政区作为样本,所用数据来自相关年份的《中国统计年鉴》和《中国科技统计年鉴》。

4.3 回归结果与分析

在进行回归分析之前,需要考虑回归方法的选择问题。主要通过F检验确定固定效应模型优于混合OLS,豪斯曼检验拒绝随机效应与解释变量无关的原假设,得出固定效应模型优于随机效应模型的结论。

由于不同时期、不同地区个体差异较大,可能存在异方差问题,因此本文采用控制时间效应和地区效应的双向固定效应模型,以减少模型估计偏误,回归结果见表2。

表2 回归结果

注:*、**、***分别表示在10%、5%、1%的水平上显著；括号内为t值,结果由Stata软件给出。

表2列(1)中,对仅包括经济联系强度及其二次项的方程进行了估计。结果发现,在10%的显著性水平下,经济联系强度一次项系数显著为负,二次项系数显著为正,表明经济联系强度与科技联系强度之间存在“U”型关系。随后,在方程中依次加入对外开放水平、产业结构、技术市场成交额、R&D人员全时当量4个控制变量,结果见表2列(2)—(5)。可以看出,控制变量大多显著且符号基本符合预期。表2列(5)中,对外开放水平对科技联系强度影响显著为正,外商投资对地区的技术和知识溢出具有促进作用。因此,对外开放水平越高,越有利于地区间技术要素的流动,地区科技联系强度越高。产业结构与科技联系强度负相关,但并不显著。可能的原因是:本文使用第二产业产值占总产值比重来表示产业结构,该比重越大，说明第二产业主导地位越强,而主要带动地区间科技要素流动的科技服务业隶属于第三产业,所以产业结构与科技联系强度呈现负相关关系。技术市场成交额与科技联系强度负相关,且在5%的显著性水平下显著。地区技术市场成交额越大、科技产出水平越高,该地区科技创新能力也就越强,与周边地区相比科技优势明显。为了保持自身的科技优势,该地区可能不愿将技术向省内其他科技欠发达地区输出,从而导致地区科技联系强度较低。R&D人员全时当量与科技联系强度在1%的显著性水平下呈正相关关系,说明地区科技资源投入增加,会显著提高地区科技联系。加入控制变量后,经济联系强度一次项和二次项的系数大小有一定的变化,但系数符号没变,且显著性水平明显提高,经济联系强度与科技联系强度在1%的显著性水平下呈现“U”型关系。前期,随着经济联系强度的增加科技联系强度会出现下降,越过“U”型曲线的拐点后,随着经济联系强度的增加,科技联系强度也会增加。

为了避免经济联系强度与科技联系强度之间存在相反因果关系的可能性,本文将所有控制变量均取一阶滞后进行重新回归,结果见表2列(6)。与表2列(5)相比,各变量系数符号、显著性均未发生明显变化,经济联系强度与科技联系强度依然在1%的显著水平下呈“U”型关系。由于可能存在的内生性问题会导致估计结果存在偏差,本文还采用工具变量法进行对比分析。工具变量应选择与解释变量高度相关但与随机误差项不相关的指标。本文选取经济联系强度及其二次项的一阶滞后项作为工具变量。观察表2列(7)发现,采用工具变量法进行估计后,除对外开放水平系数及显著性水平发生明显变化外,其他变量结果变异不大,说明估计结果是稳健的。

4.4 对拐点的进一步讨论

在确定了经济联系强度与科技联系强度的“U”型关系后,关键是明确目前我国经济联系强度所处的阶段。由表2列(5)估计结果可推知经济联系强度与科技联系强度“U”型曲线的拐点为F(Eco)=0.247。当经济联系总量低于0.247时,经济联系强度增加会导致科技联系强度下降;大于0.247后,经济联系强度增加会带动科技联系强度增加。对全国的样本而言,经济联系总量的均值为0.111,证明整体上我国经济联系强度依然处于“U”型曲线的左段,还没有跨过曲线的拐点。

考虑到我国各地区区域发展水平不均衡,经济联系强度也存在较大差异,因此有必要分地区考察经济联系强度所处的位置,以针对不同地区的现状制定差异性政策。从图2和表3可见,全国仅有江苏、广东两省跨过了“U”型曲线拐点,进入了经济联系与科技联系相互促进阶段。江苏省位于长三角地区,该地区经济基础良好、要素流动频繁、经济联动效应明显,且长三角城市群高铁密集程度居全国之首,是区域一体化程度最高的城市群。因此,江苏省经济联系强度明显高于全国水平。广东省隶属于珠三角地区,该地区是我国经济实力最强的地区之一,地理位置优越、交通基础设施完备、城市间联系紧密,市场化、经济一体化水平较高,地区经济联系强度高于全国大部分省份。从三大经济板块来看,东部地区省市的经济联系强度普遍更接近拐点,中西部地区省市的经济联系强度普遍距离拐点较远。这一现象表明东部地区整体一体化程度较高,地区间经济协作、要素流动更为频繁。而中西部地区空间联系相对较弱,区域一体化程度仍待提升。

图2 广东、江苏两省经济联系强度在全国所处的位置

地区经济联系总量地区经济联系总量河北0.183湖北0.113山西0.062湖南0.152内蒙古0.014广东0.256辽宁0.150广西0.050吉林0.045海南0.065黑龙江0.018四川0.077江苏0.435贵州0.112浙江0.170云南0.034安徽0.078陕西0.065福建0.215甘肃0.130江西0.122宁夏0.040山东0.040新疆0.027河南0.133全国0.111

4.5 稳健性检验

为了验证模型估计结果的稳健性,本文通过修改模型设定对计量模型进行稳健性检验。在模型中,本文将经济联系强度的二次项引入计量模型,研究经济联系强度与科技联系强度之间的关系。如果二次项的设定不具有稳健性,则可能对经济联系强度拐点的估计结果造成较大偏误。为了检验模型设定的稳健性,可将经济联系强度的二次项设定放松,考察次数取不同数值时的经济联系强度拐点。本文选取表2中的列(5)重新进行估计,表4列出了6种不同取值情况下经济联系强度拐点的模拟结果。模拟的拐点及其95%的置信区间并未发生显著变化,标准差在次数小于1.6时才逐渐变大,因此模型二次项设定稳健。

表4 模型形式的稳健性检验

5 结论与建议

本文首先使用效率与有效时间距离对传统引力模型进行改进,并选取我国283个地级市2003—2015年的面板数据对遴选的30个省份的科技和经济联系强度进行测度,进而采用面板回归模型对科技联系强度与经济联系强度的关系及影响因素进行探究。结果显示:①空间视阈下,我国省域空间联系强度呈现出明显的东部向西北渐次衰退的空间指向。其中,科技联系强度在时间维度上表现出明显的“东部升、中西部降”的动态空间分异趋势,地区间空间联系分布不均且差距逐渐加大,具有较强的区域集中性和空间依赖性。②经济联系强度与科技联系强度呈“U”型关系,越过“U”型曲线拐点后,经济联系强度对科技联系强度的影响则由负转为正。目前我国大部分省份(除江苏、广东外)未跨过“U”型曲线的拐点,东部地区省份普遍更接近拐点。③对外开放水平、科技投入水平是增强地区间科技联系的积极因素,而产业结构、科技产出水平会对科技联系强度存在负面影响。

鉴于此,为了增强地区空间联系,促进区域协调发展,本文提出以下建议:①提升政府统筹规划能力,摒弃各自为战的发展思维,打破地区间的体制障碍和技术壁垒,增强地区空间联系。一是从大的发展战略上要扭转“效率优先,兼顾公平”的发展思路,形成地区间的帮扶观念,增加中西部地区的要素投入,鼓励生产要素向中西部地区流动。二是通过实施科技创新型城市引导工程和支持跨省市的区域合作来大力推进区域创新体系的建设,推动东部发达省市为西部省市提供对口援助,打破区域知识创新溢出的壁垒,整体提升我国区域创新水平。②完善交通基础设施,优化交通运输网络布局。交通是承载资源要素流动的载体,交通基础设施是增强区域空间联系的基本纽带和重要桥梁。未来,一方面要增加各省非中心城市之间的运输联结,另一方面要重视中西部地区的交通基础设施建设。通过逐步完善全国高速铁路、快速公路交通网络缩短区域之间的时间距离,降低地区间交通成本,加快人才、信息技术及资金等要素的区际流通,提升资源跨区域配置效率。③培育和打造区域空间联系紧密的代表性省份、城市和示范区,并以此为中心构建“省—市—区”网络布局。通过增强示范省(市、区)的辐射作用,以带动区域内其他省(市、区)发展。在此基础上，鼓励各层次城市间发展横向多边关系,探索多中心协同发展之路。④提高对外开放水平,推进市场化改革,完善技术交易市场,加强区域产业间的垂直和水平分工与合作,通过逐步形成基础设施共建共享、资源技术有效整合、科技人才相互交流的地区协同发展格局,探索经济发展与科技创新融合新路径,促进地区科技创新与经济发展相协调。