互联网新基础设施与区域创新能力的关系研究——基于面板数据的PVAR实证分析

◆李子茹 金舒婷

(安徽大学管理学院 安徽 230601)

0 引言

区域创新能力的高低受到经济发展水平、居民收入及教育水平、研发投入等多方面因素的综合性影响。归纳起来主要表现在知识创造水平、知识获取水平、企业创新水平、创新环境、创新绩效五个方面。总体来说，这些影响区域创新能力的因素主要还是囿于传统的制度体系和技术环境，没有考虑到新技术新模式的产生对未来区域创新能力布局可能产生的影响。随着经济的发展和时代的进步，云计算、大数据技术应用蓬勃发展，新一代互联网基础设施加速了创新要素与资源的流通，深刻地影响了区域的创新格局，成为推动社会信息化和经济建设的动力。

1 文献回顾

国外学者Barro[1]、Lucas[2]、Romer[3]认为，交通基础设施与人力资本是影响创新能力的重要因素；Castellacci[4]认为，区域创新能力应从技术创新力、社会资本、政治和制度因素、基础设施建设、教育投入和人力资本素质等方面予以反映。国内学者的研究表明，创新基础设施各要素对我国区域创新能力的提升起到积极的推动作用，但这种作用在各区域间表现并不均衡[5]；此外，互联网具有明显的信息价值网络创新功能，有望成为中国经济增长与转型升级的新引擎[6]；信息基础设施对我国区域创新能力有显著正向影响，影响弹性达到0.39，同时也高于R&D人员的影响系数，折射出信息基础设施建设在我国区域创新能力提升中的重要作用[7]；利用中国31个省（区、市）2005—2015 年的空间面板数据，经过测算直接效应与间接效应后，发现互联网的区域反馈效应相对较低，即说明互联网对区域创新有较明显的推动效用[8]。综合学者研究内容，互联网、创新基础设施、交通基础设施、信息基础设施均对区域创新能力具有推动作用。

基于此，本文的研究一方面参考《中国区域创新能力评价报告》的评价结果，同时构建互联网新基础设施评价体系，这对于探究互联网新基础设施与区域创新能力之间的动态关系具有理论上的创新意义；另一方面，利用面板数据方法对互联网新基础设施与区域创新能力的动态关系进行定量计算，针对不同区域的特殊资源环境条件提出个性化发展建议，这对于区域创新能力的协调有序发展具有现实上的指导意义。

2 互联网新基础设施指数和区域创新能力指数构建

2.1 互联网新基础设施指数构建

（1）指标选择及数据来源

本文在构建互联网新基础设施评价体系时，参考了李志刚[9]及杜振华[10]等研究成果。综合现有文献资料，互联网新基础设施是基础设施概念在“互联网+”背景下的推广，本文将其定义为引起、支撑投入要素在区域间传递的基础设施，其运用大数据、云计算，强调使末端要素通过各种交通传输网络、信息传输网络实现泛在互联互通，是区域间相互作用的纽带，也是区域创新能力发展所必备的条件。此外，考虑到互联网新基础设施的动态性特征，以及互联网新基础设施产生影响的滞后性，本文将时间因素以权重的方式纳入互联网新基础设施的评价体系。

综合考虑已有测评成果及我国新一代互联网基础设施发展的实际情况，确立了基础设施、应用水平和发展环境三个核心要素。其中，基础设施水平反映交通基础设施、平台及多类终端协同综合体的发展状况，应用水平反映互联网新基础设施在社会发展中的渗透程度，发展环境是互联网新基础设施建设和发展的支撑，反映其未来可持续发展的能力。考虑到数据的时间跨度与易得性，本文选出符合要求的9个三级指标，构建包含三个层次、三大类指标的互联网新基础设施评价体系，如表1所示。

表1 区域互联网新基础设施水平评价体系

（2）方法选择

本文采用多变量综合评价方法来测算区域互联网新基础设施水平。该方法运用多个指标对多个参评对象进行评价，将多个区域互联网新基础设施相关指标转化为一个能够反映区域互联网新基础设施整体发展水平的指标进行评价。其中，利用主成分分析进行降维后，提取出通讯、交通基础设施发展水平两个主成分作为衡量互联网新基础设施发展水平的指标。

2.2 区域创新能力指数构建

创新能力是为各种实践活动不断提供具有经济价值、社会价值、生态价值的新思想、新理论、新方法和新发明的能力，需要利用大量的研究统计数据，才能权威性、综合性、动态地对其进行评价和分析。本文关于区域创新能力指数的确定，参考了中国科技发展战略研究小组形成的系列研究报告《中国区域创新能力评价报告》，以报告中的综合效用值为基础，考虑时间因素，计算区域创新能力综合指数。

3 实证研究与结果分析

3.1 研究界定

本文探讨互联网新基础设施与区域创新能力之间的关系，如果用LHLW表示区域互联网新基础设施发展水平指数，用LCX表示区域创新能力指数，LHLW-1……LHLW-S表示互联网新基础设施的滞后变量，LCX-1……LCX-S表示创新能力的滞后变量，则以上变量的内生关系可通过以下联立方程组来表示：：

根据现有研究成果，信息化水平与区域创新能力存在显著的正相关关系, 信息化资本水平、信息化产业水平和信息化应用水平的提高都对我国区域创新能力产生了显著的促进作用[11]，交通基础设施对本区域创新能力具有显著积极作用, 同时对区域创新能力具有时间累积效应[12]，从而，区域创新能力随区域互联网新基础设施发展水平的提高而提高。同时，区域创新能力本身在时间和空间上具有溢出效应，因此在方程式（1）中还应包含区域创新能力的滞后变量LCX-1……LCX-S。同理，得到方程式（2）。

对于本项目所使用的PVAR模型，是在VAR模型的基础上，拓展到面板数据得到的模型，后经过不断的发展和完善，逐渐成为一种比较成熟的分析工具[13]。PVAR模型将所有变量均视为内生变量，通过脉冲响应与方差分解可以很好地分析各变量之间的影响关系，不仅可以分析面对冲击时其他内生变量的动态响应，而且能够捕捉到个体的异质性，同时还能降低多重共线性和内生性问题。实践证明，利用面板数据分析得出的结论要比截面数据或时间序列数据分析法更具说服力。有鉴于此，本研究将借鉴面板向量自回归( Panel-Vector Autoregressive，PVAR) 模型进行建模和实证分析，从更加细化的角度来探讨二者之间的动态关系。

3.2 单位根检验

首先，需要对面板数据进行平稳性检验，否则会出现“伪回归”

等问题从而导致结果不具有可靠性。由于单一检验方法存在固有缺陷，为保证检验结果的稳健性，本文运用Eviews8.0软件，采用LLC检验、IPS检验、ADF检验对东、中、西、东北部四个地区的样本进行检验。考虑到数据已经做对数化处理而选取原序列（Level），检验结果如表2所示：所有变量都在 1% 的显著水平下通过了检验，说明全部变量原序列是平稳数据，同阶单整，可以直接用于 PVAR 估计。

表2 面板数据单位根检验

3.3 面板矩估计（GMM）

（1）研究设计

要估计PVAR模型，必须确定模型的滞后期。从稳健性角度出发，本文根据AIC、BIC准则，判断四大区域样本对应的最佳滞后阶数。结果显示，其对应的最佳滞后阶数为二阶，在此基础上进行矩估计，结果如表3所示。

表3 GMM估计结果

（2）结果分析

从东、中、西部地区样本来看，当互联网新基础设施lhlw作为依赖变量时，区域创新能力lcx在滞后一期和滞后二期的系数分别为 0.2983785和-0.3064711、0.2998975和-0.2940442、0.2950508和-0.3500857，说明最初创新能力的提高对互联网新基础设施的建设具有一定的推动作用，然而其提升空间会在短时间内由于管理效率、技术引进等瓶颈而减缓，如果区域创新能力的提升远大于基础设施建设的发展，基础无法负荷上层需要，反而会产生负向作用。从东北部地区样本来看，当lhlw作为依赖变量时，由于对创新能力的转换和应用需要一定的过渡过程，掌握使用能力更有助于基础设施建设的推进。当区域创新能力lcx作为依赖变量时，东北部的影响系数大于其他地区，表明东北部所接受发展环境溢出的知识相对较多且对其吸收能力较强，因而对创新能力的提高形成了显著的正向影响，正如Boarnet[14]和Cantos[15]所认为的，区域间对知识溢出的吸收能力不同是导致网络基础设施对创新能力影响系数不同的主要原因。其中，可能由于西部地区对互联网基础设施较低的建设和利用效率，其对创新能力发展的作用较小。各地区滞后二期的互联网新基础设施 lhlw系数分别为-0.3744522，-0.1831049，-0.0772924，-0.4383675，说明网络基础设施在一定时期内不利于创新能力的提高，这是由于经济增长由物质资源投入转向创新驱动，创新驱动本身需要足够的投入来进行，因此，持续的网络基础设施建设会在一定程度上抢占创新驱动的资金，不利于本区域创新能力的提高。

从地区数据间的比较来看，在东部、东北部地区，滞后一期、滞后二期的互联网新基础设施水平对创新能力的影响系数均在1%的显著水平下大于中部、西部地区，但这种差距随着创新能力和经济水平的整体提高而不断缩小，说明经济水平高的地区更能把握基础设施和发展环境的积极作用，同时，说明了基础设施水平对创新能力发挥扩散效应，随着交通运输成本与交易成本的下降，创新能力强的区域带动创新能力弱的区域。由此可见，在不同时期与地区，创新能力与互联网新基础设施的动态交互影响间存在一定差异。

3.4 方差分解

（1）研究设计

方差分解是通过分析不同内生变量的结构冲击贡献度来评估变量之间的相对重要性，其数值表示解释程度。表4给出了第10个预测期、第20个预测期和第30个预测期的方差分解结果。

表4 方差分解结果

（2）结果分析

从方差分解结果可以发现，不同区域的创新能力与互联网新基础设施的互动关系呈现出较大差异。在东部地区第10个预测期至第30个预测期创新能力的方差分解中，创新能力lcx对自身波动解释程度从90.106%至91.329%，相较于其他三个地区，东部地区创新能力对其自身的发展贡献程度最大并且稳步上升。中、西、东北部区域创新能力lcx对自身波动解释程度均超过75%，但解释程度逐渐下降，互联网新基础设施lhlw对创新能力lcx方差贡献在第30个预测期分别达到了14.629%、20.46%、13.992%，这说明完善的交通网络与健全的信息基础设施对创新能力的提高具有持久有效的推动力，这也进一步印证了GMM的估计结果。其中，西部地区创新能力lcx对自身变动的解释程度最低，这是由于一方面人民消费水平较低，消费者规模小，对创新产品的需求量小，另一方面地区创新资源和技术缺乏，无法形成有利于创新能力提高的创新大环境。

在互联网新基础设施的方差分解中，各地区创新能力对其波动解释程度逐渐降低，说明创新能力对互联网新基础设施具有稳定发展的积极作用。可用第20个预测期方差分解结果来说明各变量相互影响的程度，西部地区互联网新基础设施对自身波动解释程度有27.058%，说明西部地区基础设施的覆盖建设与便利度对自身互联网新基础设施的发展有正向效应。

3.5 正交化脉冲——响应函数估计

（1）研究设计

为了更直观地描述互联网新基础设施与区域创新能力的动态交互作用，通过500次Monte Carlo模拟得到不同地区的脉冲响应图，见图1—图4。

图1 东部地区脉冲相应图

图2 中部地区脉冲响应图

图3 西部地区脉冲相应图

图4 东北部地区脉冲相应图

（2）结果分析

互联网新基础设施标准差冲击对区域创新能力的影响轨迹如下：

给互联网新基础设施一个标准差冲击，在中部及西部地区，区域创新能力最初会产生较大的正影响，且分别在第2、3期达到最大响应值，随后响应程度稍有削弱，但最终还是具有较大程度的正影响。一定程度上反映了在中、西部地区，互联网新基础设施正的冲击可以持续提高区域创新能力水平。首先, 互联网新基础设施的发展将产生一定的收入效应,从而提高了区域创新能力。其次, 互联网新基础设施的发展极大促进了信息传递并提高了传递速度, 因而会促进区域创新学习和创新能力提升。在东部及东北部地区，区域创新能力面对互联网新基础设施的冲击略有波动，随着时间的增加逐渐达到趋于零的极小正影响值。这说明互联网新基础设施对区域创新能力的相对影响程度较小，区域创新能力的提升更多的得益于已有创新环境的影响。

区域创新能力标准差冲击对互联网新基础设施的影响轨迹如下：

给区域创新能力一个标准差冲击，东、中及东北部地区的互联网新基础设施水平均会产生较强且较为持久的正影响，这说明区域创新能力的提高有利于持久稳定地提高区域互联网新基础设施水平，这种现象在东部地区表现尤为明显，说明一定程度上，东部地区对创新能力的转换和应用能力更强。在西部地区，互联网新基础设施在初期有一定程度的提升，随后，这种效应逐渐减弱至产生负效应，并持续保持较低程度负效应。这说明区域创新能力提高的速率应与互联网新基础设施发展水平相匹配，不应偏颇追求高速率，这也印证了前文结果。

4 结论与建议

4.1 研究结论

本文利用PVAR模型对我国内地31个省市区域创新能力和互联网新基础设施的动态关联进行了实证分析，并根据经济发展程度及地域情况将全国分为东、中、西及东北部四大区域，借此研究两者之间动态影响的区域差异。研究发现：互联网新基础设施与区域创新能力的发展不是孤立的，它们相互作用、相互影响；不同地区资源禀赋、经济发展水平等差异，导致各区域互联网新基础设施与区域创新能力间的作用方式、作用效果及作用程度存在不同。

第一，从矩估计结果可知，区域创新能力与互联网新基础设施的发展不是独立的，基础设施的投建在一定程度上分散创新驱动的资金，创新能力的提高依赖基础设施的搭建，当互联网新基础设施形成一定网络后，空间成本会下降，区域间人力资本、信息等创新要素流动会愈加频繁，进一步推动创新能力的提高，这一结果在东、东北部地区尤为明显。

第二，从方差分解结果可知，东、中、西、东北部地区创新能力对自身的贡献程度最大，其他变量对其传导相对较弱，这说明创新能力目前主要依赖于自身的发展。从互联网新基础设施的方差分解结果来看，创新能力对互联网新基础设施的贡献程度在东、东北部地区高于其他两个地区，创新能力对基础设施具有稳定发展的积极作用。

第三，从脉冲响应结果可知，不同地区区域创新能力与互联网新基础设施的互动冲击的反应程度具有明显差异。中部地区存在双向正效应，东、东北部区域创新能力在互联网新基础设施产生冲击后出现持续波动并最终达到趋于零的极小正影响值，而区域创新能力对互联网新基础设施具有持久且较为显著的正影响，西部地区互联网新基础设施对区域创新能力具有显著正影响，反之则会在后期产生负效应。

4.2 政策建议

基于以上研究结论，结合我国区域创新能力与互联网新基础设施发展的实际情况，提出如下政策建议：

首先，西部地区创新能力并未对互联网新基础设施的发展展现出推动作用，症结在于创新能力水平与经济发展水平不相匹配。因此，应加强对基础设施的建设力度，合理配置创新与互联网新基础设施建设投入比率，使区域互联网新基础设施水平与区域创新能力水平尽快相匹配。同时，还应对创新成果转化体系进行完善，促进创新成果转化为互联网新基础设施水平的实际驱动力。

其次，东部及东北部地区应当注意和保证创新环境的良性发展，为创新能力及互联网新基础设施水平的提高提供持久性动力，关注互联网新基础设施的质量而非存量，对相邻区域发挥扩散辐射作用。

最后，中部地区在保持创新能力发展速度以及互联网新基础设施建设的同时，应利用规模优势发挥带动作用。