“一带一路”沿线国家创新能力的空间溢出效应

朱永凤，王子龙，张志雯，朱玲玲

(1.南京航空航天大学经济与管理学院，江苏 南京 211106；2.南京农业大学信息科学技术学院，江苏 南京 210095)

“一带一路”战略旨在借助经济政策协调、资源有效配置、要素自由流动等，在共同利益的驱动下，加强国际交流与合作，实现协同发展[1]。创新能力将成为推动各国经济高质量发展的 “第一动力”，精准把握沿线国家创新能力的空间布局，深入了解创新能力的空间溢出效应，对我国开展经济战略部署、推进 “一带一路”建设具有重要意义。

要素分布的空间异质性，促使创新活动会在资源相对丰富的地区优先展开，产生不同程度的创新极向邻近区域外溢，进而形成区域创新能力的空间结构。创新能力的专业化程度受到邻近地区专业化模式的影响[2]，人力资本和研发支出是影响创新能力发展的直接因素[3]。Crescenzi对中国和印度进行对比研究发现，两国创新活动的集中程度较高，中国沿海省份、德里和印度南部区域的创新集聚水平超过了美国和欧盟的集聚水平[4]。万勇[5]、侯纯光[6]、王毅[7]等研究均表明中国的创新能力空间分布不均匀，形成不同程度的集聚区。

知识溢出是局部性的，随着地理空间的传播，往往会迅速衰减，地理空间将参与创新过程的各个个体、网络和企业整合成一个超越个体界限的连贯单元[8]。创新活动的锁定性和知识外溢的邻近性，会引起地理空间上创新能力的非均衡化发展，从而表现出正向空间效应和负空间效应[9]，高-高创新能力聚集区内不同技术领域的知识溢出效应更强，高-低和低-高创新能力聚集区内相似技术领域的知识溢出效应更强[10]。Almeida研究表明，巴西存在技术知识空间外溢的现象，创新活动受产业基础、城市环境、技术基础设施以及邻近区域创新模型的显著影响[11]。Laura提出欧洲地区创新产出存在显著差异，地理邻近性和社会资本是解释欧洲地区知识溢出的关键因素[12]。Drivas研究表明，技术专业化相似的国家间更有可能产生溢出效应[13]。王俊松[14]、焦敬娟[15]等研究发现，中国区域创新能力具有空间溢出效应。

综合现有文献研究发现，国内外有关 “一带一路”沿线国家创新能力的研究存在一定的局限性，主要有两个方面：①现有研究都是基于沿线单个国家或者区域的研究，未将 “一带一路”沿线各国作为一个整体来研究，忽视了本国创新能力的发展与邻近国家创新能力之间的关系。②实证研究仅仅停留在对溢出效应的检测上，而对于沿线国家创新能力各要素的空间异质性缺乏交代。鉴于此，本研究以 “一带一路”沿线国家的创新能力为研究对象，综合运用统计分析和空间计量等方法，主要回答两个问题：① “一带一路”沿线国家创新能力的空间布局如何？② “一带一路”沿线国家创新能力各要素是否具有空间溢出效应？通过以上回答，以期对中国开展创新驱动发展战略和 “一带一路”沿线国家的实现协同创新有借鉴意义。

1 模型构建

1.1 知识生产函数

KPF(Knowledge Production Function)理论提出影响新知识产生的关键性因素是创新经费、研发人员和技术创新，假设技术创新不变，知识生产活动中各要素投入与产出之间的关系通常采用Cobb-Douglas形式的KPF[16]：

(1)

其中,Cit、Kit、Lit、eit分别表示i国t时期的创新能力、创新资本投入、创新劳动投入和误差，α和β为相关系数，A为技术创新，通常为希克斯中性生产率项。

对模型(1)等式两边取对数，得到模型(2)：

lnCit=lnA+αlnKit+βlnLit+eit

(2)

1.2 空间计量模型

(1)模型类型。空间计量模型依据空间依赖性的存在形式分为三种模型：空间面板滞后(SPLM)、空间面板误差(SPEM)和空间面板杜宾(SPDM)[17]。在公式(2)中加入空间效应u和时间效应v，建构KPF标准面板计量模型：

lnCit=lnA+αlnKit+βlnLit+eit+u+v

(3)

依照LeSage等[18]的研究思路，在模型(3)中加入Wij，建构 “一带一路”沿线国家创新能力增长的SPLM：

(4)

其中，ρ即为因变量的空间滞后项，表示创新能力的空间溢出性。

如果误差项中存在空间依赖性，构成沿线国家创新能力增长的SPEM：

(5)

其中，φjt即空间自相关误差项，λ即为系数。

若空间依赖性同时存在于解释变量和被解释变量中，则形成沿线国家创新能力增长的SPDM：

(6)

其中，δ和ξ分别为创新资本要素和创新劳动要素的空间滞后项系数。

(2)空间权重。空间计量模型选取经济距离权重矩阵，计算公式如下：

(7)

(3)直接效应和间接效应。LeSage和Pace提出SPDM测算的回归指数，还不能反映实际的偏回归指数，仍需借助偏微分方程对公式(6)展开分解[18]：

C=[I-ρW]-1cfn+[I-ρW]-1[X′β+WX′β]+[I-ρW]-1e*

(8)

其中，C即N×1维的创新能力向量，c代表常数，fn表示N×1维元素都是1的向量X′表示创新资本要素和创新劳动力要素组成的N×k维矩阵，e*表示误差项，其余变量的含义与前文一样。

公式(8)可以进一步转化成一定时期S的偏微分矩阵：

(9)

其中，右边矩阵主对角线上βk的平均值即为直接效应；右边矩阵除βk以外的其他元素的平均值即为溢出效应；总效应=直接效应+溢出效应。

1.3 研究区和变量选取

本研究借鉴李德仁[19]的研究，以沿线67个国家为例，其中17个国家数据欠缺，将其除去，选取亚洲30国，欧洲18国，非洲2国为研究区。依据Cobb-Douglas知识生产函数理论，在国内外学者Audretsch[8]、Drivas[13]、Moreno[20]、王锐淇[21]和吴玉鸣[22]等研究的基础上，本文以2007—2017年 “一带一路”沿线50个国家的创新能力(C)为被解释变量，核心解释变量为创新资本要素(K)和创新劳动要素(L)，其中创新资本要素以企业科研投资来表征，创新劳动要素以科学家和工程师的可获得性来描述。控制变量选取外商直接投资(F)、知识产权保护(I)、科学研究机构质量(Q)、经济发展水平(G)和高等教育入学率(E)，由于空间权重选取经济距离矩阵，故将控制变量经济发展水平(G)剔除，而高等教育入学率(E)在后期模拟时效果并不理想，考虑可能与指标科学家和工程师存在共线性，故也将其舍去。各指标数据均源于世界经济论坛(https://www.weforum.org/)公布的2007—2017年 《全球竞争力公报》。为了对比 “一带一路”战略实施前后沿线国家创新能力的变化情况，2014年作为战略实施的第一年，选取2007年、2014年、2017年三期截面数据进行空间对比分析。

2 “一带一路”沿线国家创新能力空间布局分析

2.1 “一带一路”沿线国家创新能力总体分析

对收集整理的相关数据进行描述性统计，得到 “一带一路”沿线国家创新能力总体评估，见表1。

表1 “一带一路”沿线国家创新能力总体评估

2007年、2014年、2017年 “一带一路”沿线国家创新能力总体上呈上升趋势，区间范围介于1.906～5.937之间，最小值与最大值均表现出不同程度的增大，均值由2007年的3.299，上升到2017年的4.243。标准差趋于减小， “一带一路”沿线国家创新能力趋于平均水平。

2.2 “一带一路”沿线国家创新能力空间关联性分析

(1)空间自相关。空间自相关是指要素在地理空间上具有关联系，通常刻画临近事物之间的关联程度，计算方法见文献[23]。求解空间自相关模型，得到2007—2017年 “一带一路”沿线国家创新能力的全局Moran′s I，如表2所示。

2014年是沿线国家创新能力空间关联性的重要节点，2008—2013年的Moran′s I，均未通过P检验，表明空间关联性并不显著，其中2009年和2010年Moran′s I为负值，创新能力在空间上表现出能力强的国家和弱的国家间隔分布的关联，这可能是受全球经济危机的影响，2014—2017年Moran′s I均大于0，p值均小于0.05，表明 “一带一路”沿线国家的创新能力呈现显著的空间关联性，创新能力在邻近国家间，存在高值集聚区和低值集聚区。2014年前后显著性具有明显差异，表明 “一带一路”战略的推进，促进了沿线国家创新能力的空间关联。

表2 “一带一路”沿线国家创新能力Moran′s I

注：*、**分别表示在5%、1%水平上通过显著性检验，下同。

(2) “一带一路”沿线国家创新能力空间聚类分析。本研究进一步对莫兰散点图进行分解，得到沿线国家创新能力的空间聚类情况，结果见表3。

表3 “一带一路”沿线国家创新能力的空间聚类分析

2007—2017年， “一带一路”沿线国家相似创新能力的聚集区(H-H和L-L)在逐渐扩大，2017年空间聚类以H-H和L-L为主，表明创新能力在沿线各国中呈现出极化的态势。H-H聚类基本上形成以发达国家为核心的集群，主要有新加坡为主的东南亚南部、以色列为首的西亚以及捷克、拉脱维亚为核心的欧洲南部，涉及爱沙尼亚、克罗地亚、捷克、印度尼西亚、拉脱维亚、立陶宛、斯洛伐克、马来西亚、波兰、新加坡、以色列、阿联酋、约旦、肯尼亚、黎巴嫩、卡塔尔、菲律宾等国家。L-L聚类主要在欧洲东南部、中亚以及东南亚北部等国家，这些国家的经济发展较慢，研发的物力、人力资本投入较少，创新基础较薄弱，因而创新能力不足。不同创新能力的空间关联(H-L和L-H)交错分布在亚、欧、非三大陆。

3 “一带一路”沿线国家创新能力空间溢出效应

“一带一路”沿线国家的创新能力表现出动态发展性、集群性和空间相关性的规律。沿线国家创新能力空间分布的非均匀性，是否会在邻近国家间溢出呢？基于此，本研究基于Cobb-Douglas生产函数，构建面板计量模型。

3.1 标准面板计量模型

似然比检验结果显示，时间固定效应和空间固定效应均通过显著性检验，表明固定效应下的标准面板计量模型最优，结果如表4所示。

除了无效应下劳动力要素(L)没有通过p和t检验，其余效应下资本、劳动力要素均与 “一带一路”沿线国家创新能力显著相关(见表4)。由LM和Robust LM检验结果可得，除时间效应、时空效应的LM-lag和LM-error，其余效应下LM和Robust LM检验在1%和5%的显著性水平上均否定原假设，表明面板计量模型中不可忽视空间依赖性的存在，需要进一步考虑空间面板计量模型。

3.2 空间面板计量模型

(1)估计模型的选择。面板Moran′s I检验结果表明 “一带一路”沿线国家创新能力可以采用空间面板计量模型计算。Hausman检验结果表明固定效应下的空间面板计量模型比较适宜。Wald和LR检验结果显示，SPDM不能简化为SPLM和SPEM，故选用SPDM做空间面板计量模型分析。模型(1)～(4)，分别表示无固定效应、空间、时间、时空固定SPDM模型，将各效应下SPDM的回归系数、R2和最大似然估计值进行比较，发现模型(2)的校正R2较大，logl值较高，各变量的系数较为显著，说明空间固定效应的SPDM最优。

表4 标准面板计量模型结果

注：括号内表示系数估计的t值，下同。

(2)空间面板计量模型分析。忽视空间依赖性的存在会高估要素投入对 “一带一路”沿线国家创新能力的促进作用。将不同固定效应的SPDM相关系数与前文的标准面板计量模型对比发现，SPDM中K与L的系数总体上小于标准面板。空间面板计量模型结果如表5所示。

资本投入对创新能力的推动力大于劳动要素，创新资本要素投入的弹性系数为0.730，劳动要素投入的弹性系数为0.142(见表5)。 “一带一路”沿线国家增加创新资金的投入，提高科学家和工程师的可用性，可以促进创新能力的增长。模型 (5)～(7)分别加入控制变量外商直接投资(F)、知识产权保护(I)和科学研究机构质量(Q)，各控制变量下，K与L的系数均为正值并显著相关。外商直接投资的相关系数为-0.119，这说明外商直接投资对 “一带一路”沿线国家创新能力的增长表现出抑制作用，这与徐全勇的外商直接投资对我国自主创新作用的研究结论一致[24]。知识产权保护的弹性系数为0.093，反映 “一带一路”沿线国家对知识产权的保护有利于刺激创新能力的发展，这与刘思明等基于中国经济数据的研究结论一致[25]。科学研究机构质量对 “一带一路”沿线国家创新能力的驱动力为0.189，表明科学研究机构质量较高的国家其创新能力也较强。

表5 空间面板计量模型结果

(3)空间溢出效应的分解。选取空间固定效应的SPDM进行空间溢出效应的分解，其中直接效应用以测度各要素对本国创新能力的直接影响，溢出效应反映的是本国各要素变化对邻近国家创新能力的影响，分解结果如表6所示。

表6 SPDM空间溢出效应分解结果

“一带一路”沿线国家创新能力的发展以资本驱动为主，劳动驱动为辅。创新资本要素的直接效应高于劳动，资本投入每增加1，沿线国家创新能力提高0.812，劳动要素的直接效应指数为0.065，未通过p和t检验，表明沿线国家劳动要素投入对创新能力发展的推动力为0.065，但推动效果并不显著(见表6)。创新资本要素与劳动要素的溢出效应作用路径不同，资本溢出系数为1.374，表明沿线国家创新能力在创新资本投资上具有显著的榜样效应和借鉴效应。劳动要素的溢出系数为-1.266，溢出效应为负向，这说明沿线国家间人才竞争较为激烈，高级人才向创新能力较强的国家外溢，抑制邻近国家创新能力的发展。

4 “一带一路”沿线国家创新能力各要素影响效应的空间特征

表7 GWR模型结果

续表7国家KL2007年2014年2017年2007年2014年2017年新加坡0.754530.615090.550060.229200.204080.09826塞尔维亚0.921810.615560.585470.162200.203650.06911泰国0.767520.615130.552260.216640.204020.09575塔吉克斯坦0.832460.615310.565840.179740.203830.08367土耳其0.894400.615480.579600.167030.203710.07337乌克兰0.908690.615510.581940.160910.203660.07139越南0.761360.615110.550330.219360.204030.09733

在相关系数上，创新资本要素的相关系数均为正值，对比2007年、2014年、2017年相关系数，发现其整体上在逐年减少，表明 “一带一路”沿线国家创新能力的发展受资本要素投入的影响逐年降低。在空间上，欧洲地区创新资本要素的影响最大，其次是中亚地区，影响最小是东南亚和南亚地区。这可能是由于东南亚地区和南亚地区经济发展潜力大，其对创新能力的需求大，研发投入较多，资本要素投入对东南亚地区各国创新能力的激励不敏感。对比2007年和2017年创新资本要素的空间格局，整体格局没有质的改变，这反映出 “一带一路”沿线国家创新能力的发展对资本要素具有一定的锁定作用。

2007—2014年，劳动要素的相关系数都大于0，在空间上呈现自西向东递增的特征，其中整体上东南亚地区和南亚地区影响最大，覆盖泰国、柬埔寨、越南、马来西亚、印度尼西亚、新加坡和菲律宾。东南亚地区和南亚地区经济活力强，高级人才缺口较大，因此提高劳动力要素投入对其创新能力发展的推动效果比其他国家好。

5 研究结论与政策建议

本研究以 “一带一路”沿线的50个国家为研究对象，综合运用地理空间分析、空间面板计量和地理加权回归等方法，解译沿线国家创新能力的时空布局及其溢出效应。得到的主要结论如下：

(1) “一带一路”战略的推进，使沿线国家创新能力的空间关联性提高。沿线国家创新能力的发展存在高值集聚区和低值集聚区，H-H聚类主要分布在东南亚南部、西亚以及欧洲南部，L-L聚类主要在欧洲东南部、中亚以及东南亚北部等国家，不同创新能力的空间关联交错分布在亚、欧、非三大陆。

(2) “一带一路”沿线国家创新能力的发展以资本驱动为主，劳动驱动为辅。外商直接投资对沿线国家创新能力的增长表现出抑制作用，保护知识产权可以促进创新能力的发展，科学研究机构质量较高的国家其创新能力也较强。创新资本要素与劳动要素的溢出效应作用路径不同，各国创新能力在创新资本投资上存在榜样效应和借鉴效应，高级人才向创新能力较强的国家外溢。

(3) 资本要素对 “一带一路”沿线国家创新能力的影响呈现降低态势，空间上表现出对欧洲地区影响最强，其次是中亚地区，对东南亚地区和南亚地区的影响最弱。对比2007年和2017年，创新资本要素的整体格局没有发生质的改变，反映出创新能力的发展对资本要素具有一定的锁定特征。劳动要素对沿线国家创新能力的影响整体上呈现自西向东递增的特征，东南亚和南亚地区影响最大。

针对研究结论，提出以下对策建议：

(1)落实高质量发展制度环境，助推创新要素配置优化。市场经济的作用下，必然会促使各要素跨区域流动，各国创新能力的发展与各要素之间的空间交互作用不容忽视，实证研究也表明 “一带一路”沿线国家创新能力的发展存在显著的空间溢出效应。这就要求沿线各国在出台相关政策和规划时，要重视加强跨国际交流、合作，实现国内与国际创新协同发展。

(2)开展国际教育合作交流，实现教育对外开放战略。 “一带一路”战略的倒逼，势必会扩大项目、技术、管理、小语种以及国际贸易等人才的缺口，促进人才的跨国交流，借助 “一带一路”平台，优化教育培育模式，加强跨国教育合作，提高人才的国际性，充分挖掘劳动力对 “一带一路”沿线国家创新能力的贡献。

(3)推动沿线国家产学研深度融合，促进创新成果转移转化。打造高校、企业、科研机构一体化的创新人才培养模式，科研机构质量较高的国家其创新能力也较强，企业增加科研投入会促进沿线国家创新能力的发展。因此，应积极开展国际产学研合作，加速科技成果产业化进程。