研发要素流动对京津冀城市群的科技创新影响研究
2019-09-10李涛张贵
李涛 张贵
摘 要: 利用2002—2017年京津冀地区13个城市数据,采用空间计量分析法,实证分析研发要素流动对城市科技创新影响。结果表明,城市创新存在显著的空间相关性;前期的知识积累对城市科技创新具有重要影响,但时间距离和科技距离的缩短可显著降低其影响程度,交通设施连通性越强和技术水平越接近的城市,越有利于城市间研发要素流动,扩大知识溢出强度,进而提升城市科技创新,最后从降低制度障碍、完善基础设施和搭建协同创新平台等方面提出对策建议。
关键词:研发要素流动;京津冀;科技创新;空间计量
中图分类号:F207 文献标志码:A 文章编号:1674-7356(2019)-02-0001-08
随着国际竞争环境的日趋严峻和国内产业结构转型升级的步伐加快,区域经济发展由要素和投资驱动向创新驱动转变的必要性和紧迫性日益增强。2016年5月,党中央、国务院印发《国家创新驱动发展战略纲要》,指出建设创新型城市,以创新要素的集聚与流动促进产业合理分工。2014年,京津冀协同发展正式上升为重大国家战略,而创新是推动京津冀协同发展的关键。从创新产生过程来看,一方面,创新能力提高源于城市自身知识积累和相关投入的增加;另一方面,城市间研发要素流动带动知识流动,加速知识在城市间扩散,进而对城市创新产生重要影响。因此,明晰研发要素流动对科技创新的影响机理,评估其影响效应对促进城市群协同创新,进而推动京津冀协同发展具有重要理论和现实意义。
一、文献综述
随着科技创新对城市经济增长的重要性不断增强,学界对有关创新的相关研究也越来越多,主要集中在创新评价、创新影响因素和创新的空间相关性三个方面。在创新评价方面,学者多采用分层聚类分析[1]、多指标综合指数法[2]、超效率DEA[3]等方法对城市创新能力进行评价;更进一步的研究者,许治和杨明海等[4-5]利用核密度与马尔科夫链方法对城市创新能力动态演进过程进行分析,探究城市创新差异产生的原因。在创新影响因素方面,金怀玉和菅利荣研究发现增加创新投入能有效提升科技创新效率[6];而魏守华等认为创新能力不仅受创新基础条件的影响,更重要的是受包含产业集群环境、产学研联系质量等创新效率影响[7];宇文晶等则认为金融环境和经济条件对效率提升有促进作用[8]。此外,国外学者Doh和Kim以韩国为研究对象分析政府政策对企业创新绩效的影响,结果表明,政府财政政策有利于中小企业开展创新活动。在创新空间相关性方面,李婧等构建基于超越对数生产函数的静态与动态空间面板计量模型研究区域创新空间相关性,结果表明,创新活动存在显著地空间正相关;更进一步的研究,学者从地理邻近[9]、技术临近[10]等视角研究城市科技创新。
综上所述,虽然在城市科技创新方面的研究较为丰富,但多数是从静态角度分析创新活动的空间相关性,少数学者构建动态模型研究城市科技创新相关问题,但本质上仍反应的是创新活动静态特征。与其他生产要素相比,研发要素携带了更多的知识、信息、技术、资本等创新资源,其在城市间的流动有利于创新知识的空间传播,进而影响城市群科技创新活动。邵汉华和钟琪研究发现,研发要素流动显著提升协同创新效率[11];而白俊红和王钺研究表明,R&D资本的区际流动对创新效率提升有显著促进作用,R&D人员流动影响并不显著[12]。然而,现有研发要素对科技创新影响的相关研究主要集中在区域层面,吕海萍等从城市层面分析研发要素流动对创新活动的影响,但其分析是基于单一的地理邻近性,不同纬度的邻近性对城市科技创新影响存在差异[13]。基于此,本研究以京津冀13个地级市为研究对象,构建多种空间权重矩阵,对比分析不同邻近维度的研发要素流动对城市科技创新影响,以期为推动京津冀协同发展提供决策参考。
二、研發要素流动促进科技创新的理论机理
作为影响创新的重要因素,研发要素流动主要通过知识溢出效应、创新网络效应和资源优化配置效应对城市创新产生重要影响(图1),具体分析如下:
首先,研发要素流动加速知识在城市间流动,产生知识溢出效应。城市科技创新能力高低在很大程度上是由城市知识池容量决定,知识是一种公共物品,可以较低成本被共享使用。因而,自身投入和邻近城市知识溢出均对城市知识池容量产生影响。作为知识传播的重要载体,研发要素流动在城市间流动使得创新组织接触更多的创新知识成为可能[12]。一方面,研发要素在城市间的流动有利于专业化知识集聚,进而使得不同城市产业内企业沟通合作更加密切,在推进城市产业发展的同时提升城市创新能力;另一方面,研发要素在城市间流动也有利于不同产业的知识在同一城市形成交互,多样化知识碰撞使得城市内不同产业的创新组织相互学习,有利于整合异质性创新要素,激发不同创新主体活力。此外,随着研发要素流动规模和持续时间的增加,知识流量会进一步转化为知识存量,进而内生的促进城市创新能力提升。
其次,研发要素流动有利于城市创新网络形成,产生创新网络效应。研发要素流动不仅有利于知识在城市间扩散,也有利于城市间创新组织开展研发合作,进而形成跨城市的创新网络,而城市间的网络关系有利于信息扩散和知识共享,进一步促进城市创新[14]。一方面,组织可以通过创新网络获取知识和信息,也可以将其在网络中分享,优化自身知识结构,知识溢出强度增加,特别是加速隐性知识在组织间传播,提高创新成功率,促进城市创新;另一方面,创新网络形成降低市场交易成本,使得创新组织能在更大空间范围内选择合作伙伴,降低城市间创新主体相互合作的监督和履约成本,增强彼此的信任程度,进一步完善城市创新网络,通过不断获取城市外部知识、信息、技术等创新要素,提升城市创新。
最后,研发要素流动提高创新要素利用率,产生资源优化配置效应。研发要素流动在城市间流动本质上也是创新资源在更大范围内重新组合的过程,有利于提高创新要素使用效率,促进资源优化配置。一方面,研发要素流动不仅带动先进知识、技术、资金等创新资源的流动,也有助于管理方式、组织形式等软环境的输出,进而内生性提高闲置资源参与创新过程可能性,使得更多资源参与科技创新,提高了资源利用效率,有助于缩小城市间创新差距[15];另一方面,研发要素在城市间流动也使得流入地市场竞争程度增加,不同创新要素价值体现变得更容易,市场竞争机制有利于资源能最大程度被利用,进而提升城市创新效率。
基于上述理论分析,提出本研究研究假设:
假设1:从动态角度而言,研发要素流动促进城市科技创新。
此外,随着交通基础设施的不断完善,特别是高速铁路的开通,极大增强了城市间的可达性程度。一方面,使得城市间大规模和频繁的研发要素流动成为可能,加速了知识空间扩散与传播[16],进而影响城市创新;另一方面,降低创新活动的监督和约束成本,使得研发要素空间流动范围扩大,有利于推动城市创新[17]。因此,进一步提出研究假设:
假设2:相较于地理距离,基于时间距离产生的研发要素流动对城市科技创新影响更大。
三、模型构建、变量选择与数据来源
(一)模型构建
目前,学术界用于研究空间相关问题的计量模型主要有三种:空间滞后模型(Spatial Lag Model,SLM)、空间误差模型(Spatial Error Model,SEM)和空間杜宾模型(Spatial Durbin Model,SDM)。SLM主要考虑因变量空间滞后项对被解释变量的影响;SEM主要考虑空间误差项对被解释变量的影响;而SDM是同时考虑了解释变量和被解释变量的空间自相关性,其具体形式如下:
(二)变量选择与数据来源
1. 被解释变量
学界对创新产出的度量一直存在争议,虽然专利并不能完全反应创新活动,但专利对创新的重要性毋庸置疑,正是由于专利的存在使得创新活动价值可衡量[18]。因此,本文使用专利授权量(PAT)作为被解释变量,表示城市创新产出。
2. 解释变量
研发要素流动,包括研发要素流动包括R&D人员流动(RPF)和R&D资本流动(RCF)。在借鉴王钺和刘秉镰[19]研究的基础上,采用引力模型对城市间RPF和RCF进行测算,具体计算公式如下:
3. 控制变量
结合现有研究可知,研发要素投入[20]、政府政策[21]和外商直接投资[22]对城市科技创新亦会产生不同程度影响。因此,将上述变量予以控制,具体定义如下:
1)研发要素投入。包括R&D人员投入(RDP)和R&D资本投入(RDE)。虽然城市创新水平很大程度上源于自身知识存量,但存量依赖于流量的增加,R&D人员和R&D资本投入均表示了一定程度的知识量,因而对科技创新产生重要影响。借鉴前人研究的基础上,本论文使用R&D资本存量代替内R&D资本投入,具体计算公式已较为常见,此处省略公式表达;
2)政府政策。以政府财政在科技方面支出测度,用GOV表示;
3)外商直接投资。以外商直接投资额测度,用FDI表示。
研究使用京津冀地区13个地级以上城市面板数据,研究周期为2002—2017年,数据来源于历年《中国科技统计年鉴》《中国城市统计年鉴》和各城市统计公报,建模数据均取自然对数。另外,考虑到创新活动具有一定的滞后性,以被解释变量延后一年的数据进行实证研究。
四、实证结果分析
(一)空间相关性检验
在采用空间面板模型研究研发要素流动对京津冀科技创新的影响前须对创新活动的空间相关性进行检验,Moran′I指数是常用的判断空间相关性指标。因此,通过计算Moran′I指数对京津冀创新空间相关性进行判断,计算公式如下:
其中,n是研究对象数量,xi和xj分别代表城市i和城市j的创新能力,S2表示xi和xj的协方差,表示空间权重矩阵W中第i行第j列的元素。Moran′I的取值范围是[-1,1],正值表示空间正相关,即创新能力相似的城市在空间上呈现集聚状态;负值表示空间负相关;零值表示不存在空间相关性,即呈现随机分布状态。本文以京津冀城市群13个地级市为研究对象,以专利授权量衡量城市科技创新,计算2002—2017年其Moran′s I值,结果如表1所示。
由表1可知,研究期内Moran′s I值全部通过了显著性检验,表明京津冀科技创新活动存在显著的空间相关性,地理集聚特征明显。从变化趋势来看,虽然科技创新活动的集聚程度每年有波动,但整体呈下降趋势,由2002年的0.163波动下降到2017年的0.152,这在一定程度上说明,京津冀城市群科技创新活动集聚程度有所减弱,有利于缩小城市创新差距。
(二)普通面板估计结果
首先采用普通面板模型对京津冀城市群科技创新与其影响因素之间的相关关系进行估计,检验解释变量和控制变量对被解释变量的影响,对变量选择的科学性进行评价。
由表2可知,普通面板模型估计结果总体上拟合良好,不管是解释变量还是控制变量均通过了显著性检验,从解释变量系数来看,R&D人员流动和R&D资本流动均对城市科技创新产生显著影响,且前者的影响更大;从控制变量估计系数来看,除FDI之外,其余控制变量系数均显著为正,特别是R&D人员投入对城市科技创新影响最大,说明变量选择是科学的,可对京津冀城市科技创新活动进行充分解释。
进一步地,通过不同检验,对空间面板模型具体形式进行确定,如表3所示。
由表3可知,通过拉格朗日乘子检验(LM)发现,不管是SE-LM还是SL-LM均通过了1%水平下的显著性检验,说明因变量滞后项和残差序列均存在空间自相关;进一步对其进行稳健性拉格朗日乘子检验(Robust LM),结果显示,SL-RLM和SE-RLM也均通过1%水平下的显著性检验,说明需同时考虑因变量滞后项的空间自相关和残差项的空间自相关,故采用空间杜宾模型进行分析是有效的。同时,无论是LR检验还是Wald检验,均拒绝原假设,即SDM不能转化为SLM或SEM。同时,Hausman统计值为113.884,通过了1%显著性水平检验,拒绝了真实模型为个体随机效应模型的原假设。综上所述,本文将采用时空固定效应的空间杜宾面板模型进行实证分析。
(三)空间面板估计结果
本文研究研发要素流动对京津冀城市群科技创新的影响,为考察因空间权重矩阵不同导致其对创新活动影响的差异性,共设置了三种空间权重矩阵:一是基于地理距离的空间权重矩阵,以京津冀城市间地理中心距离表示;二是时间距离权重,通过携程网查询京津冀城市间长途汽车和火车运行时间,以两者中时间的最短表示;三是技术距离权重,以城市间高技术产业占GDP比重之差的绝对值表示,估计结果如表4所示。
由表4可知,整体来看R2、sigma2和loglikols统计值结果比较理想,说明基于三种不同标准空间权重矩阵得到的动态空间杜宾模型估计结果具有较强的解释力。从被解释变量时间滞后项、解释变量和控制变量的空间滞后项估计系数来看,多数变量在不同距离权重下均通过了显著性水平检验,这在一定程度上说明,科技创新活动空间相关性显著,表达了相对“位置”的重要性。不管是基于何种标准构建的空间权重矩阵,研发要素流动对科技创新的影响均为正,且通过显著性检验,研发要素在城市间流动,加速知识空间溢出,进而提升城市科技创新能力,假设1得到验证。
从基于地理距离的空间权重估计结果来看,京津冀城市群科技创新主要是依赖于自身前期知识积累,被解释变量时间滞后项系数每提高1%会促进城市科技创新提高近0.5个百分点。研发要素流动及其空间滞后项对科技创新具有显著影响,RPF和RCF对城市科技创新具有促进作用,研发要素流动每增加1%,分别会使科技创新增加0.152%和0.117%;而其空间滞后项则对科技创新产生负向影响,且RCF空间负向影响更大。研发要素在城市间流动,一方面,促进知识溢出,有利于城市知识存量增加,进而对科技创新具有正向促进作用;另一方面,邻近城市研发要素流动量增加有可能会加速本地研发要素向邻近城市流出,进而导致本地区研发要素减少,对城市科技创新产生不利影响。由RDP和RDE及其空间滞后项系数可知,研发要素投入对科技创新具有重要影响,不管是否考虑空间效应,RDP的估计系数均大于RDE,即R&D人员投入对科技创新的影响高于R&D资本投入,进一步强调了R&D人员对创新活动的重要性。一种可能的解释是,城市科技创新依赖于知识,而人是创新型知识的主要载体,因而其对创新活动影响更大。此外,邻近城市研发要素投入增加有利于本地区科技创新能力提升,原因在于,邻近城市研发要素投入的增加扩大城市知识池,进而有利于知识空间溢出,产生正向空间效应。然而,由GOV及其空间滞后项系数来看,政府财政对科技创新具有正向作用,但其影响小于研发要素投入;同时,由于政府财政对科技创新的支持具有显著地域性,因而其空间效应并未通过显著性检验。此外,从FDI及其空间滞后项系数来看,外商直接投资增加并不会促进科技创新,一方面,随着城市整体科技创新能力提升,其对外资的依赖逐渐降低,特别是劳动和资源密集型产业,这些产业的增加并不会增强获取知识溢出能力[23],并未产生积极作用;另一方面,FDI的增加可能会对原有城市科技创新产生挤出效应,抑制城市内企业创新,对科技创新产生负向影响。
从基于时间距离的空间权重估计结果来看,解释变量时间滞后项系数显著为正,说明前期的知识积累对现阶段科技创新同样具有较强解释力。與基于地理距离回归结果相类似,研发要素流动及其空间滞后项对科技创新同样具有重要影响,RPF和RCF每增加1%,分别会提升0.306%和0.294%的城市科技创新,即假设2得到验证;研发要素流动的空间滞后项流动同样具有负向效应,但与地理距离权重相比,负向溢出效应被弱化了。随着京津冀城市群交通设施改善,城市间联系不断增强,大范围和快速在知识交互成为可能,有利于创新中心城市向外围城市扩散,因而弱化了因地理阻隔而产生的负向效应。从控制变量估计系数来看,研发要素投入对科技创新具有重要影响,R&D人员投入显著性和估计系数均强于资本投入,其对科技创新均有促进作用;但其空间滞后项影响存在差异;邻近城市R&D人员投入对本地区科技创新活动产生负向空间溢出;邻近城市R&D资本对本地区科技创新有正向促进作用。原因在于,交通设施改善,一方面,可能会导致R&D人员向邻近城市集中,特别是临近大城市,进而不利于城市创新;另一方面,城市间时空压缩使得面对面交流成为可能,降低信息不对称,进而有利于扩大风险投资边界,这与龙玉等人的研究是一致的[17]。由GOV及其空间滞后项系数来看,政府财政对科技创新具有正向作用,且其空间滞后项对城市科技创新亦有重要影响,一种可能的解释是,交通设施改善降低城市间通勤时间,使得政府层面学习交流的机会增加,有利于落后城市向发达城市政府学习,调整自身科技支持政策,进而提高本城市创新能力。从FDI及其空间滞后项系数来看,外商直接投资对科技创新具有负向影响,其增加1%,分别会对本地区和邻近城市产生0.082%和1.177%的负向效应,这在一定程度上也验证了,外商直接投资通过挤出效应抑制本地区城市创新。
同基于地理距离和时间距离权重的估计结果类似,基于技术距离的估计结果同样证实了京津冀城市群前期知识积累对当期科技创新的重要性。从RPF和RCF及其空间滞后项估计结果来看,研发要素流动对城市创新具有正向促进作用,其每增加1%分别会提升0.237%和0.124%的科技创新;而两者空间滞后项负向效应显著,但其显著性与地理距离和时间距离相比更低,原因在于,城市间技术距离越相近,越有利交流互动,使得其负向空间溢出效应有所降低。从研发要素投入估计系数来看,R&D人员和资本投入每增加1%,分别会产生0.205%和0.846%的直接效应;而其空间效应存在差异,R&D人员投入并为通过显著性检验,R&D资本投入每增加1%会产生0.335%的负向空间溢出效应。从GOV及其空间滞后项系数来看,政府财政支出对科技创新具有显著影响,政府财政在科学技术方面支出每增加1%,分别会产生0.237%直接效应和0.452%间接效应,城市间技术距离越短,政府间采取协同创新政策可能性越高,越有利于发挥政策的空间溢出效应,通过协同创新促进城市群整体科技创新能力提升。此外,从FDI及其空间滞后项系数来看,FDI每增加1%分别会使本地区科技创新降低0.248%和邻近城市降低0.372,这与前面的研究是一致的,即FDI可能对城市科技创新产生挤出效应,进而对城市创新产生不利影响。
进一步地,通过对比不同距离权重的估计结果可知,不管是时间距离还是技术距离,虽然都强调了前期知识积累对科技创新的重要性,但相比于地理距离,其影响程度有所下降,时间距离和技术距离的缩短,有利于城市间交流互动,弱化了地理距离的影响,通过协同创新促进城市群科技创新提升。对比基于三种距离权重下的研发要素流动估计结果发现,交通设施连通性越强和技术水平越接近的城市,越有利于城市间研发要素流动,扩大知识溢出强度,进而提升城市科技创新;由其空间滞后项可知,城市间时间距离和技术距离越短,越有利于城市内创新组织交流和互动,降低因研发要素净流出而产生的负向效应。此外,时间距离和技术距离的降低,增强了研发要素投入、政府财政在科技方面支出等解释变量对城市科技创新的影响。
五、结论与对策建议
本研究基于新经济地理视角,利用2002—2017年京津冀城市群数据,通过构建多种空间权重矩阵,探讨研发要素流动对京津冀城市群科技创新的影响。结果表明,不同空间权重矩阵均不同程度强调了研发要素流动对京津冀城市群科技创新的正向促进作用,而城市间时间距离和技术距离越短,越有利于城市内创新组织交流和互动,有利于降低因研发要素净流出而产生的负向效应。此外,时间距离和技术距离的降低,增强了研发要素投入、政府财政在科技方面支出等解释变量对城市科技创新的影响。为充分发挥研发要素流动对京津冀城市群科技创新的促进作用,提出以下对策建议:
第一,降低研发要素流动的制度性障碍。充分发挥市场在研发要素空间配置的决定性作用,破除京津冀城市间制度性壁垒,特别是阻碍研发要素流动的体制机制障碍,进一步扩大研发要素流动对城市科技创新的促进作用。一方面,积极推进京津冀城市间户籍、养老、医疗等方面改革,通过提高其待遇吸引R&D人员流入;另一方面,加快京津冀区域金融体制改革,促进R&D资本在更大地理范围内得到配置,通过提高科技金融效率促进城市创新。
第二,完善京津冀基础设施互联互通水平。基础设施建设提高城市间的可达性程度,为创新要素跨城市流动提供坚实保障,进而扩大知识溢出地理边界。随着高速铁路建设不断加快,应以京津冀城市群科技创新能力较强城市为核心,打造交通圈,增强科技创新中心城市的辐射能力,加速研发要素在城市间流动。对于受地理条件、经济发展等因素限制区域,通过加快其他交通方式建设,完善城市间互联互通水平,进一步发挥研发要素对城市科技创新影响。
第三,构建城市协同创新平台。从政府层面搭建京津冀区域内部城市间的协同创新平台,特别是创新中心城市与非中心城市间的合作和交流,通过形式多样的创新合作。城市间交流合作的增加,一方面,引起R&D人员和R&D资本在城市间流动,增强其对城市科技创新影响;另一方面,通过协同创新平台,使得城市间知识、信息等创新要素能在更广泛的范围进行传播,加速知识空间溢出,进而促进京津冀科技创新能力提升。
[参考文献]
[1] 张立柱,郭中华,李玉珍. 山东省城市创新能力评价及“四大创新圈模式”构建[J]. 科学学与科学技术管理,2006(06):75-79.
[2] 刘永久,王忠辉,吴风庆. 城市创新能力综合评价实证分析——以山东省十七城市为例[J]. 城市发展研究,2010,17(09):30-35.
[3] 朱鹏颐,刘东华,黄新焕. 动态视角下城市科技创新效率评价研究——以福建九地级市为例[J].科研管理,2017,38(06):43-50.
[4] 许治,陈丽玉. 国家级创新型城市创新能力的动态演进——基于技术成就指数的研究[J]. 管理评论,2016,28(10):58-66.
[5] 杨明海,张红霞,孙亚男. 七大城市群创新能力的区域差距及其分布动态演进[J]. 数量经济技术经济研究,2017,34(03):21-39.
[6] 金怀玉,菅利荣. 考虑滞后效应的我国区域科技创新效率及影响因素分析[J]. 系统工程,2013,31(09):98-106.
[7] 魏守华,吴贵生,吕新雷. 區域创新能力的影响因素——兼评我国创新能力的地区差距[J]. 中国软科学,2010(09):76-85.
[8] 宇文晶,马丽华,李海霞. 基于两阶段串联DEA的区域高技术产业创新效率及影响因素研究[J]. 研究与发展管理,2015,27(03):137-146.
[9] 李婧,谭清美,白俊红. 中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究[J]. 管理世界,2010(07):43-55+65.
[10] 夏丽娟,谢富纪,付丙海. 邻近性视角下的跨区域产学协同创新网络及影响因素分析[J]. 管理学报,2017,14(12):1795-1803.
[11] 邵汉华,钟琪. 研发要素空间流动与区域协同创新效率[J]. 软科学,2018,32(11):120-123+129.
[12] 白俊红,王钺. 研发要素的区际流动是否促进了创新效率的提升[J]. 中国科技论坛,2015(12):27-32.
[13] 刘凤朝,闫菲菲,马荣康,姜滨滨. 邻近性对跨区域研发合作模式的影响研究——基于北京、上海、广东的实证[J]. 科研管理,2014,35(11):100-108.
[14] 程开明,王亚丽. 城市网络激发技术创新的机理及证据[J]. 科学学研究,2013,31(09):1399-1411+1440.
[15] 王钺,白俊红. 资本流动与区域创新的动态空间收敛[J]. 管理学报,2016,13(09):1374-1382.
[16] 王雨飛,倪鹏飞. 高速铁路影响下的经济增长溢出与区域空间优化[J]. 中国工业经济,2016(02):21-36.
[17] 龙玉,赵海龙,张新德,李曜. 时空压缩下的风险投资——高铁通车与风险投资区域变化[J]. 经济研究,2017,52(04):195-208.
[18] 苏屹,安晓丽,王心焕,等. 人力资本投入对区域创新绩效的影响研究——基于知识产权保护制度门限回归[J]. 科学学研究,2017,35(05):771-781.
[19] 王钺,刘秉镰. 创新要素的流动为何如此重要?——基于全要素生产率的视角[J]. 中国软科学,2017(08):91-101.
[20] 邵汉华,周磊,刘耀彬. 中国创新发展的空间关联网络结构及驱动因素[J]. 科学学研究,2018,36(11):2055-2069.
[21] 卓乘风,邓峰. 创新要素流动与区域创新绩效——空间视角下政府调节作用的非线性检验[J]. 科学学与科学技术管理,2017,38(07):15-26.
[22] 刘鹏,张运峰. 产业集聚、FDI与城市创新能力——基于我国264个地级市数据的空间杜宾模型[J]. 华东经济管理,2017,31(05):56-65.
[23] 原毅军,孙大明. FDI技术溢出、自主研发与合作研发的比较——基于制造业技术升级的视角[J]. 科学学研究,2017,35(09):1334-1347.
Abstract: Based on the data of 13 cities in Beijing-Tianjin-Hebei from 2002 to 2017, this paper uses spatial econometric analysis to analyze the impact of intercity flow of R&D elements on the scientific and technology innovation. The results show that there is a significant spatial correlation between urban innovation, knowledge accumulation in the early stage, which has an important impact on urban science and technology innovation. However, the narrowing of time and technology gap can significantly reduce its impact, the stronger the connectivity of transportation facilities and the closer the technology level to the city, the more conducive to the flow of R&D elements between cities, the expansion of knowledge spillover intensity, and the further upgrading of urban science and technology. Finally, it puts forward some countermeasures and suggestions via reducing institutional barriers, improving infrastructure and building collaborative innovation platform.
Key words: intercity flow of R&D elements; Beijing-Tianjin-Hebei; scientific and technological innovation; spatial econometric