新常态下科技支撑对区域发展的实证研究

2019-08-13张鑫蔡梦娇傅为忠赵坤

技术与创新管理 2019年2期

张鑫蔡梦娇傅为忠赵坤

摘要：新常态背景下，创新日益成为推动区域发展的重要力量。为了研究科技支撑对区域发展水平的影响，研究以皖江经济带2006～2016年9个城市的面板数据为基础，从社会和经济2个层面建立指标体系测量被解释变量区域发展水平，从市场需求、创新投入、创新文化、创新人才和平台载体5大层面测算目标变量科技支撑。然后，应用熵权法对解释变量和被解释变量求综合值，利用极值边界分析法（EBA）探索解释变量对被解释变量的影响情况，结果得出5个目标变量与被解释变量呈正相关关系，其中创新人才对区域发展的作用系数最大。最后，运用灰色关联度方法做稳定性分析，计算区域发展和5个目标变量进行相似度，结果得出区域发展与创新人才的关联度最高，与回归结果一致，并以此提出了相对应的发展对策建议。

关键词：区域发展;科技支撑;熵值法;极值边界分析法;灰色关联度法;皖江经济带

中图分类号：F 061.5文献标识码：A文章编号：1672-7312（2019）02-0222-09

0引言

新常态背景下，创新驱动在国家战略中的地位日益突出，同时科技创新对经济发展的推动作用日趋重要，区域发展越来越离不开科技创新的支撑。因此，在新常态背景下进行科技支撑对区域发展影响的研究具有重要理论和实践探讨价值。因此，近年来国内外学者非常重视科技支撑对区域发展的研究。

Hsu，George J.Y.等（2008）[1]研究了知识经济对技术创新的重要性，提出了政府应制定激励技术创新的科技财政政策。Adams M（2009）[2]认为创新能力在区域经济发展的推动和产业结构的调整方面起着重要影响。Vitavin Ittipanuvat等（2014）[3]基于文献的发现方法，揭示技术和社会问题之间的联系，阐明科学和技术对解决社会问题的合理贡献。Cancino，Christian A.等[4]（2018）提出技术创新被视为优化社会-生物-经济系统中重要资源的高效和清洁利用的手段，应该从整体角度管理可持续增长的技术创新。马慧敏与方国斌（2008）[5]运用实证研究的方法，对中部6省的技术创新与经济增长的关系进行了研究，并提出了相应的对策。姜秀娟等（2010）[6]、陈永清（2011）[7]采用关联度方法进行了科技投入变量和经济增长关系的分析。采用面板数据模型，陈敏等（2011）[8]对我国八大经济区的科技经费投入与经济增长的关系进行了对比分析。周柯等（2016）[9]采用面板数据模型和分位数回归方法对中國30个省份的科技创新对产业升级的影响进行实证研究。朱学新（2007）[10]、王慧敏（2017）[11]、易文钧（2017）[12]等采用广义的柯布-道格拉斯生产函数分别对江苏、长三角、中部5省等地区测算了科技创新对区域经济增长的影响。乔威威，罗鄂湘和钱省三（2014）[13]采用DEA方法研究上海市战略性新兴产业的技术创新效率，结果得出上海市7大战略性新兴产业中节能环保、高端装备制造、新能源、新能源汽车4类产业企业技术创新效率达到了相对最优化，其余产业企业技术创新效率仍存在提升的空间。安海林，安亚军和毛太平（2015）[14]利用专利数据来衡量区域创新能力的水平，分析了贵州技术创新能力和战略性新兴产业技术创新的情况。张鑫等（2015）[15]基于2001—2013年间安徽省高校R&D投入、科技著作数量、发明专利数和发表学术论文数等相关数据，进行了安徽省高校R&D投入与产出关系研究。汪晓梦（2015）[16]结合皖江经济带实际，构建科技创新能力评价指标体系，运用灰色关联度和主成分法对2008—2013年皖江经济带科技创新原始数据进行分析，提出了关于皖江经济带科技创新能力提升的政策建议。罗宣等（2018）[17]运用多层次灰色关联方法对长三角地区的经济增长质量进行了研究，对质量做了较好测量并提出相应的政策建议。

国内外学者的研究方法多样，研究视角差异，但在指标方面解释变量多采用科技投入与科技产出进行表示，被解释变量选用区域经济总量表示，不能体现科技支撑的综合效应;研究也仅限于解释变量和被解释变量的关系，缺乏对两者关系的稳健性分析。因此，论文利用EBA方法，以区域的经济发展和社会发展指标作为依据，进行科技支撑对区域发展的实证研究，同时，运用灰色关联度方法对回归结果作进一步验证，具有重要的理论和实践意义。

2指标体系构建

区域发展水平为被解释变量，大多数学者使用区域经济指标作为衡量区域发展水平的指标，而区域发展的水平并不局限于经济层面上，而是多方面共同发展和进步。程钰[20]、乔旭宁[21]等学者从经济、社会和生态方面衡量区域发展水平，刘瑞超[22]学者从经济社会来测量区域发展水平。根据前者学者研究并考虑到数据的可获得性和可操作性，研究从经济层面和社会层面两方面建立指标体系来测量区域发展水平，经济方面主要体现在GDP年均增长率、工业产值年均增长率、当年实际使用外资金额和劳动生产率，社会层面从人口文化素质、资源状况和居民生活质量3方面细分指标。建立指标体系之后，运用熵值法来衡量皖江经济带的区域发展水平，被解释变量指标的设置见表1.

由于EBA方法的限制，所以解释变量指标包括核心变量、目标变量和条件变量。目标变量是本文研究的重点，选取市场需求、创新文化、创新投入、平台载体以及创新人才5个变量作为目标变量的二级指标。市场需求是自主创新的动力源，不仅持续推动创新发展，而且对创新不断提出更高要求，加快科技创新的发展;创新文化是培育创新发展萌芽价值观和激励创新成果转化的核心理念，是创新得以崛起的关键因素。创新文化是科技创新的土壤，为科技创新营造环境氛围，可以有效地激发大众创业、万众创新的热情，催生新技术与新产业的形成与发展;创新投入存在于各个环节，从创新的前期中期和后期，都需要大量的资金支持，对于创新来说，资金必不可少，所以创新投入是科技创新的重要支撑;创新载体是创新基础设施及创新过程中不可或缺的要素，对科技创新起着有力的基础性支撑作用，孵化器、加速器、创客中心等平台载体是科技创新的动力加速器，它为科技创新提供了良好的孵化环境，使科技创新成果的快速转化成为可能;创新人才是科技创新重要的推动器，是科技创新系统中最重要的要素。创新人才作为最具竞争力的人才资源，是知识与技术的载体，并通过对知识和技术的再实践和再创造，对技术创新快速的更新换代起到加速器的作用。

通过以上互动机理分析，本文规定目标变量即科技支撑的表现在市场需求、创新文化、创新投入、平台载体以及创新人才5个方面，都推动和加快了科技创新的发展，它们既是科技创新不断发展的动力，也是科技创新发展的产物，从这5个方面建立指标体系可以有效衡量科技创新水平。其中，核心变量是与区域发展水平有直接关系的变量，本文选取的是区域经济总量、区域人均可支配收入与最终消费率。文章选取了和区域发展有潜在关系的3个变量来测量条件变量，分别是科技服务业固定资产投资额、普通中学学校数和普通高等学校数，解释变量见表2.

3实证分析

皖江经济带被国家纳入中部地区崛起战略重点发展区域，包括合肥、芜湖、马鞍山、铜陵、安庆、池州、滁州、宣城8市全境，以及六安市的金安区和舒城县。选取2006—2016年的皖江经济带的面板数据，分析研究该地区科技创新水平对区域发展的影响，有助于总结皖江经济带的发展特点和提出相应的政策建议。数据主要来源于安徽省统计局、安徽省统计年鉴、安徽省统计公报、各市县统计公报、安徽省科学技术厅、安徽省科技统计公报、各县市政府工作网站以及新闻媒体网站。

通过上述数据标准化方法对面板数据进行标准化，再利用熵值法对被解释变量和目标变量进行赋值并求综合值，然后对所有数据取其对数形式，有利于方便计算和消除异方差。经过上述前期的处理工作，接下来进行数据的检验和回归分析。

3.1平稳性检验和协整检验

为了增加回归结果的可信度和避免出现伪回归现象，对数据进行了单位根检验。数据进行单位根的结果见表3，由表中数据可知，被解释变量Y，平台载体M4和创新人才M5在10%的显著水平下，4种检验方法都不能拒绝原假设，所以我们可以认为是不平稳的，经过一阶差分过后达到平稳状态;其他变量在10%的显著水平下均通过了平稳性检验。

通过第一步单位根检验之后，说明变量之间可能存在长期均衡关系。借鉴肖新新[23]运用Pedroni的方法对本文进行协整检验，分别检验被解释变量和每个目标变量的协整关系，检验结果见表4.肖新新指出在小样本条件下，采用组间统计量会有更好的检验效果，而且在小样本下具有更好的效果，因此存在差异性时，要以Panel ADFStatistic和Group ADFStatistic为准。从表4中的数据所示的结果在5%的显著性水平下，所有變量都通过了协整检验，可以得出被解释变量和目标变量之间具有长期的均衡关系，可以进行下一步的回归分析。

3.2回归分析

3.2.1确定回归模式

面板数据的回归模型可分为混合效应回归模型、个体固定效应回归模型和个体随机效应3种。在确定面板数据模型方法上，首先使用似然比检验决定选用混合模型还是固定效应模型，然后用豪斯曼（Hausman）检验来确定应该建立随机效应模型还是固定效应模型。研究对市场需求、创新文化、创新投入、平台载体和创新人才这5个不同的指标进行模式选择分析。通过使用Eviews 8.0版本对模型进行检验，首先，混合效应和固定效应检验得到结果见表5，在1%的水平下，拒绝原假设，应该采用固定效应;再次，使用Hausman检验，固定效应和随机效应的检验结果见表5，拒绝原假设，采用固定效应。最后，可以确定每个指标的回归模型。

3.2.2模型回归

在确定回归模型之后，按照上述EBA方法的步骤对5个目标变量分别进行回归，回归结果见表6，在5%的水平下，5个目标变量的回归都是显著的，可以进行下一步的“稳健性”回归。

由表6计算结果可知，创新人才的回归系数是最高的且为0.55，代表创新人才因素每增加1%，就推动区域发展提高0.55%，说明人才在创新发展的重要作用和地位，是推动区域发展的主要力量;平台载体的回归系数最低是0.09，代表平台每增加一个1%，就促进区域发展水平提高0.09%，平台载体是创新的硬件支撑，在创新的衍生和应用方面提供相应的支撑，为实现创新的大范围使用奠定基础。

市场需求的回归系数为0.32，在回归系数中排名第三，处于中等水平，我国经济的新常态阶段要求创新驱动，市场需求促使高新技术产业的发展，加快科技创新带动区域发展的脚步，进而提高区域发展水平;创新文化的影响系数为0.12，代表创新文化每增加1%，相应的区域发展水平就提高0.12%，创新文化的作用具有感染性，随着全年专利的授权量和申请量的增加，创新的氛围越来越浓，慢慢地渗入到整个社会，起到的作用是循序渐进的，因此，它的作用系数在排名中并不高;而创新投入的影响系数为0.35，代表创新投入每增加1%，相应的区域发展水平就提高0.35%，创新投入是区域发展的推动器和不竭动力，由于创新结构的不合理和创新投入产出的低效率，使得创新投入对区域发展的影响并不是占据最高地位。

3.2.3“稳健性”检验

第一步显著性检验通过之后再进行“稳健性”检验，一共有3个条件变量，由于条件变量较少，为了增加遍历回归次数，本文先选其中一个条件变量加入回归方程，再选择其中二个变量加入回归方程，最后是3个一起加入回归方程，共形成7次回归，回归结果见表7.

从遍历回归结果可以得出，选取的5个目标变量在5%的显著性水平下对区域发展的影响显著而且影响稳健。市场需求、创新文化、创新投入和创新人才在1%的显著性水平下，对区域发展的推动都是稳健的，而且都是正向推动;平台载体在5%的显著性水平下，对区域发展的推动是稳健的，且是正向影响的。遍历回归的结果进一步证明了5大目标变量对区域发展具有正向的稳定推动作用，为后来的政策提出具有重大指导性。

3.3灰色关联度分析

由于本文的数据年份较短，为了避免数据较少而造成回归出现误差的问题，研究使用灰色关联度方法有效地弥补了数据较少的缺点，进一步探索5大目标变量与区域发展之间的关系。以合肥原始序列数据为例，以区域发展为参考序列，探索5大目标因素对区域发展的相似程度。

0.940.950.970.9610.950.940.950.950.970.964）计算关联度，得到合肥关联系数序列为R={0.87，0.64，0.72，0.95，0.96}，关联系数度的排序为创新人才>平台载体>市场需求>创新投入>创新文化。在回归结果中，创新人才的贡献率最高，灰色关联度的关联系数也得到创新人才与区域发展的关联度最高，2种方法结果一致，更能说明创新人才对区域发展的影响作用。

其他城市的关联度分析结果见表8，创新人才在马鞍山、铜陵、安庆、宣城和六安城市中，与区域发展的关联度最高，而芜湖、池州和滁州则是平台载体的关联度最高。

通过EBA和灰色关联度分析方法，回归结果和灰色关联度基本一致，得到创新人才在区域发展中具有强大推动作用，人才强国战略在区域发展中发挥了重大作用，根据回归结果和不同城市的关联程度提出不同的建议。

4结语

回归结果表明，市场需求、创新文化、创新投入、平台载体和创新人才都对区域发展有显著性的正向作用，对区域发展具有稳健性，其中创新人才的正向影响最大，平台载体的影响最小;灰色关联度方法分析结果得出，合肥等大部分城市的创新人才与区域发展的相似程度最高，两者发展趋势一致性最高，和回归结果基本一致，据此提出以下建议，进一步促进皖江区域的发展，突破瓶颈。

第一，重视高端创新人才的引进与培养。在地区的人才发展方面，要完善皖江经济带中合肥、芜湖两地区人才特区体系的建设，也要继续扩大皖江经济带其他地区人才特区的建立。在重点产业的人才培养方面，注重吸引留住节能环保、新能源、语音技术、量子技术等重点领域的专业人才。

第二，加快皖江区域的高新区建设，带动高新技术的引进和发展，促进皖江区域高新技术产业均衡发展;制定相关专利申请的福利政策，鼓励各大专利申請者的积极性，营造良好的文化创新环境。

第三，优化科技创新投入力度。首先，皖江区域扩大科技创新券的投入使用范围，为小微企业降低企业科技创新成本，激发科技创新潜能和创业活力，为创新发展助力。其次，优先扶持皖江区域重点产业和重点企业的发展，比如中科大牵头的量子通讯系统、科大讯飞“中国声谷”、合肥研发的质子医疗、芜湖机器人和奇瑞新能源汽车等产业。

第四，打造科技创新平台支撑。特别是加大芜湖、池州和滁州城市的平台建设。首先，继续引导鼓励高校、科研院所在皖江地区的设立，推进皖江区域产学研平台建设，包括清华大学合肥公共安全研究院、中国科学技术大学先进技术研究院、合工大智能制造技术研究院等;继续加大量子通信系统、医疗方面、新能源等领域的平台建设。其次，加快推进皖江经济带的自动化装备、智能交通、现代农业装备、固废危废焚烧处理装置及尾气控制、汽车车身电气控制技术等重大创新平台升级建设，借鉴北京平台载体的建设思路，在成果转化、科技创新团队、企业的孵化等方面对皖江现有创新平台进行打造升级。

参考文献：

[1]Hsu G J Y，Lin Y H，Wei Z Y.Competition policy for technological innovation in an era of knowledgebased economy[J].KnowledgeBased Systems，2008，21（08）：826832.

[2]Adams M.Sustainable packaging is a brand loyalty issue for Australians[J].Food Australia，2009，61（12）：514514.

[3]Vitavin Ittipanuvat，Katsuhide Fujita，Ichiro Sakata，et al.Finding linkage between technology and social issue：a literature based discovery approach[J].Journal of Engineering and Technology Management，2014，32（02）：160184.

[4]Cancino Christian A，La Paz Ariel I，Ramaprasad Arkalgud，et al.Technological innovation for sustainable growth：An ontological perspective[J].Journal of cleaner production，2018，179：3141.

[5]马慧敏，方国斌.技术创新对安徽区域经济增长的影响分析[J].华东经济管理，2008（02）：2832.

[6]姜秀娟，赵峰.我国科技投入与经济增长的T型关联度分析[J].科技进步与对策，2010（11）：46.

[7]陈永清.科技投入与产业经济增长——基于灰色综合关联的实证研究[J].技术经济与管理研究，2011（05）：1519.

[8]陈敏，刘国华，孙雁冰.科技经费投入与区域经济增长的关系——基于我国八大经济区的面板数据实证研究[J].甘肃社会科学，2011（06）：5053.

[9]周柯，张斌，谷洲洋.科技创新对产业升级影响的实证研究——基于省级面板数据的实证分析[J].工业技术经济，2016（08）：8592.

[10]朱学新.科技创新和经济增长关系的实证研究[J].科学管理研究，2007（06）：2528.

[11]王慧敏，王开，刘钢.技术创新对区域经济发展的影响研究——以江苏省为例[J].科技管理研究，2017（08）：98105.

[12]易文钧，吴晓杰，邢斐.科技创新对区域经济增长的影响——基于长三角和中部五省的比较研究[J].首都经济贸易大学学报，2017（01）：5157.

[13]乔威威，罗鄂湘，钱省三.基于DEA的企业技术创新效率研究——以上海战略性新兴产业为例[J].技术与创新管理，2014，35（06）：562566+631.

[14]安海林，安亚军，毛太平.贵州省战略性新兴产业技术创新能力研究——基于专利数据的分析[J].技术与创新管理，2015，36（03）：243247.

[15]张鑫，李瑶，杨艳艳.安徽省高校R&D投入与产出关系研究[J].中国高校科技，2015（12）：2426.

[16]汪晓梦.皖江经济带区域科技创新能力评价实证分析[J].重庆交通大学学报（社会科学版），2015，15（05）：4144.