中国高技术产业省际知识溢出对创新质量的影响——基于知识吸收能力的门槛效应分析

范德成，李盛楠

(哈尔滨工程大学 经济管理学院，哈尔滨 150001)

内容提要：为了分析知识溢出对创新质量的影响机理，本文运用门槛回归技术，以吸收能力为门槛变量，采用2009-2016年中国高技术产业省际面板数据，实证探讨高技术产业省际知识溢出对创新质量的非线性影响以及知识吸收能力的门槛效应与时空变化。结果表明：中国高技术产业省际知识溢出对创新质量具有显著的非线性差异化影响，且存在以知识吸收能力为门槛变量的双重门槛效应；随着吸收能力门槛值的提高，高技术产业省际知识溢出对创新质量的促进效应逐渐增强；中国各地区吸收能力的时空异质性明显，研发人员、金融深化程度、企业规模对高技术产业创新质量具有显著正向影响。通过揭示知识吸收能力作为提升创新质量的门槛效应，启示各地应将相应人材的培育、引进及更好地发挥作用作为工作的重点，构建和完善相应的制度、机制与环境。

一、引言

中国经济处于由高速增长阶段转向高质量发展阶段，而创新是转向高质量发展的第一动力。作为知识技术密集型产业，高技术产业具有高创新性、高附加值等特点，其创新质量的提升对推动中国经济高质量发展意义重大。创新质量的提升主要有两条途径：一是依靠地区内部的自有知识，二是通过知识溢出方式获取其他地区的外部知识。随着各地区高技术产业创新质量不断提高，结构性地存在着经济新常态下所面临的资源环境约束等问题，完全依靠本地区现有知识促进高技术产业质量提升的难度日益加大，而知识溢出可以成为提升创新质量的重要知识来源[1]。此外，中国高技术产业创新活动存在明显的知识溢出效应，且会受到地区吸收能力的影响和制约[2-3]。因此，本文以知识吸收能力为门槛变量，将知识溢出、吸收能力与创新质量纳入到同一框架内进行分析，实证探讨高技术产业省际知识溢出对创新质量影响的复杂非线性特征以及知识吸收能力的门槛效应与时空变化。

近年来，学者们对高技术产业知识溢出与创新活动的关系进行了较多研究，大致可分为以下两个方面：

一是探讨高技术产业知识溢出与创新活动的直接作用关系。周明等(2008)运用空间面板模型研究省际知识溢出对高技术产业技术创新能力的影响，结果表明省际知识溢出对高技术产业技术创新能力具有显著正向影响[4]。黄志启(2012)从企业衍生视角构建知识溢出效应理论模型，研究高科技产业集群中知识溢出对产业创新的影响，结果表明短期内企业知识溢出会导致知识流失，而长期来看企业知识溢出使得每个企业拥有更多获得外部知识的机会，产业集群的知识存量明显增加，有利于高科技产业集群形成技术创新良性循环模式[5]。王庆喜等(2013)分别构建地理邻近、技术邻近和综合邻近矩阵，运用空间滞后模型研究2001-2010年中国高技术产业知识溢出效应，结果表明技术邻近知识溢出对专利产出具有显著影响，地理邻近知识溢出对新产品产出具有显著影响，而综合邻近知识溢出对创新产出的影响不显著[6]。周灿等(2016)利用2000-2011年中国高技术产业省域和行业数据，运用空间计量分析技术，实证分析了知识溢出对创新产出的影响，结果表明知识专业化溢出对高技术产业各行业创新产出具有显著正向影响，知识多样化溢出对高技术产业不同行业创新产出的影响存在差异[7]。胡冰(2016)运用典型相关分析法研究2009-2013年高技术产业集群知识溢出与区域创新能力的关系，结果表明产业集群知识溢出与区域创新能力存在相互促进效应[8]。郭泉恩等(2017)采用2002-2011年中国省际面板数据，运用空间计量模型，研究高校知识溢出对高技术产业技术创新水平的影响，结果表明高校知识溢出对高技术产业技术创新水平具有显著正向影响[9]。

二是引入其他变量，探讨三者的相互作用关系。高技术产业知识溢出对创新活动的影响还会受到其他变量的影响与制约，越来越多的学者开始探讨其他变量在知识溢出驱动高技术产业创新活动中的重要作用。朱秀梅(2008)以长春市121家软件企业为例，运用结构方程模型研究高技术产业知识溢出、吸收能力及企业绩效的相互作用机理，结果表明企业所获得的知识溢出与企业绩效正相关，企业吸收能力除对企业创新绩效直接影响外，还对知识溢出与企业创新绩效关系存在调节效应[10]。王向阳等(2012)以中国高技术企业为研究对象，吸收能力为中介变量，技术差距为调节变量，运用结构方程模型分析了FDI知识溢出与企业创新能力的关系，结果表明知识溢出对企业技术创新具有显著正向影响，并且吸收能力越强，技术差距越大，知识溢出对创新能力影响越显著[11]。霍春辉等(2016)以2006-2013年电子和仪器两个产业为样本，运用动态面板模型分析产业集聚过程中知识溢出对高技术产业创新绩效的影响，结果表明专业化集聚知识溢出对两类产业创新绩效具有显著正向影响，多样化集聚知识溢出对仪器仪表产业具有显著负向影响，对电子产业创新绩效影响不显著。另外，企业规模在集聚知识溢出对高技术产业创新绩效的影响中具有调节作用[12]。张云等(2017)运用面板回归模型研究国际技术溢出对高技术产业自主创新产出的影响，并将吸收能力作为调节变量进行深入分析，结果表明国际技术溢出对高技术产业自主创新具有显著正向影响；当引入吸收能力作为调节变量时，国际技术溢出对分行业自主创新的影响呈现显著差异，吸收能力较弱的行业，国际技术溢出效应不明显[13]。

总结已有文献，仍存在以下几点局限：第一，研究对象不够全面。现有文献主要侧重于探讨高技术产业知识溢出对创新产出、创新能力及创新绩效的影响，很少有学者关注高技术产业知识溢出对创新质量的影响，而这种分析也十分必要。第二，研究方法比较单一。现有文献主要从传统计量经济学和空间计量经济学两种角度研究高技术产业知识溢出对创新活动的线性影响，很少有文献探讨二者的非线性关系。第三，缺乏对吸收能力门槛效应的研究。现有文献着重探讨吸收能力在高技术产业知识溢出与创新活动之间的调节效应、中介效应及交互效应等，而将吸收能力引为第三关系变量，深入分析高技术产业知识溢出对创新活动门槛效应的文献较少。因此，本文采用2009-2016年中国高技术产业省际面板数据，将知识溢出、吸收能力与创新质量纳入到同一框架，运用门槛回归技术，构建以吸收能力为门槛变量的高技术产业省际知识溢出与创新质量的非线性面板回归模型，实证考察省际知识溢出对高技术产业创新质量的复杂非线性影响；根据门槛值不同区间的划分，分析中国各地区吸收能力的时间异质性和空间异质性；在实证研究的基础上提出一些促进高技术产业创新质量发展的相关策略，以期为充分发挥知识溢出促进效应以推动高技术产业创新质量提升提供有益借鉴。

二、研究设计的设定

(一)研究模型的构建

Hansen门槛面板回归模型是依据数据自身特点，内生性地将门槛变量划分不同区间，客观确定门槛值与置信区间，还可以检验门槛值的显著性与真实性，能够有效避免人为划分门槛区间而易产生估计偏误的问题[14]，本文采用Hansen门槛面板回归模型分析中国高技术产业省际知识溢出对创新质量的非线性影响。为减少遗漏变量所带来的估计偏差，还对可能影响创新质量的研发人员、金融深化程度和企业规模等因素进行控制，并将它们引入为控制变量。基于此，本文构建以吸收能力为门槛变量的单一门槛面板回归模型如式(1)所示：

lnINNit=λ0+λ1lnPERit+λ2lnFINit+λ3lnSCAit+ρ1lnRKSit·I(lnTDAit<γ)+ρ2lnRKSit·I(lnTDAit≥γ)+μi+υi+εit

(1)

其中i表示地区，t表示年份，INN表示高技术产业创新质量，PER表示研发人员，FIN表示金融深化程度，SCA表示企业规模，RKS表示省际知识溢出，TDA表示吸收能力，I(*)为指示函数，γ表示门槛估计值，μ表示个体效应，ν表示时间效应，ε表示随机扰动项。

相应地构建多重门槛面板回归模型，以双重门槛为例，如式(2)所示：

lnINNit=λ0+λ1lnPERit+λ2lnFINit+λ3lnSCAit+ρ1lnRKSit·I(lnTDAit<γ1)

+ρ2lnRKSit·I(γ1≤lnTDAit<γ2)+ρ3lnRKSit·I(lnTDAit≥γ2)+μi+υi+εit

(2)

其中γ1、γ2为双重门槛值，其他变量与符号同式(1)。

Hansen门槛面板回归模型检验过程如下：首先，估计门槛值。给定任意γ可以得到相应的残差平方和以及各变量的估计系数，在适当的区间内，残差平方和最小时所对应的γ即是门槛估计值。其次，检验门槛估计值的显著性。本文运用bootstrap自举法获取F统计量的渐进分布及对应的P值与临界值，以检验门槛效应是否存在。最后，检验门槛估计值的真实性。本文利用似然比统计量(LR=7.3523)对门槛估计值进行真实性检验。

(二)变量说明

1.被解释变量：创新质量(INN)。创新质量的概念广泛而复杂，目前尚未形成统一定义。总结已有文献，衡量创新质量的指标大致分为两类：一是以新产品销售收入、专利数量等衡量创新产出的指标表示创新质量；二是采用反映专利质量的发明专利占申请专利比重、专利被引次数以及专利知识宽度等指标表示创新质量[15-18]。这两类指标在一定程度上反映了创新质量情况，但也存在明显的不足：第一类指标仅反映出创新“量”的变化，而没有体现创新“质”的变化；第二类指标虽然考虑到专利“质”的变化，但专利只是创新活动的中间产出，无法反映创新全过程的质量情况。事实上创新质量不等于质量创新，它是指一项创新被应用于生产新的能满足广大消费者需求的产品，而且该产品通过市场交换实现经济效益的程度[19]。本文立足于创新全过程视角，将高技术产业创新质量定义为：通过高技术产业创新生产活动的全部过程而产生的最终产出(新产品)，并且新产品能够赢得市场和转化为经济效益的能力，即新产品占整个产品市场的比重。于是，本文采用新产品销售收入占主营业务收入的比重表示创新质量[19-21]。

2.解释变量：省际知识溢出(RKS)。关于省际知识溢出的测度，学者们提出了很多的衡量方法，如王崇锋(2015)采用技术引进、购买国内技术、消化吸收等三项经费支出表示[22]，李婧等(2017)运用引力模型进行测度[23]。至于选择哪一种衡量方法更为恰当，目前还未形成一致观点。事实上省际知识溢出是一项无意识的知识流动，其溢出量的大小会受到地理距离、区域间自有知识存量差距以及区域自有知识存量等多方面因素的影响和制约，由此可以看出省际知识溢出的测度需要满足以下几方面特点：第一，省际知识溢出量与区域间地理距离呈反比，也即是两省之间地理距离越远，省际知识溢出量越少；第二，省际知识溢出量与区域间自有存量差距呈正比，差距越大，知识溢出效应越明显；第三，区域自有知识存量越多的省份，往往对知识溢出的吸引力更强。Verspagen-Cani⊇ls知识溢出测度模型正好符合[24-25]，借鉴Verspagen和Cani⊇ls的研究，本文采用Verspagen-Cani⊇ls知识溢出模型对高技术产业省际知识溢出进行测度，具体计算公式如下：

(3)

其中i和j表示不同省份，RKSij表示i省从j省所获取的知识溢出总量，N表示其他省份数，σij表示i省和j省之间省会地理距离，Gij=ln(Kj/Ki)表示i省和j省的自有知识存量差距；φi和ωi分别表示两种学习能力，借鉴郭嘉仪等(2012)[26]的做法，令φi=1，ωi=0。

本文运用Verspagen-Cani⊇ls知识溢出模型测度高技术产业省际知识溢出，需要计算区域高技术产业自有知识存量。现有文献一般从投入和产出两方面测度自有知识存量，为了避免隐性知识测度的遗漏，同时考虑数据的可得性，借鉴李婧等(2017)、苏屹等(2012)的研究[23,27]，本文从投入角度测度区域高技术产业自有知识存量，并采用高技术产业R&D内部经费支出进行核算，其计算公式如下：

Kt=(1-τ)×Kt-1+Et

(4)

其中，Kt和Kt-1分别表示区域高技术产业第t时期和第t-1时期的自有知识存量；τ表示折旧率，一般取15%；Et为第t期实际R&D内部经费支出，由R&D经费支出价格指数对名义R&D内部经费支出平减得到。参考范德成等(2018)的研究[28]，对R&D经费支出价格指数进行构造，其计算公式为：

(5)

其中PR为R&D经费支出价格指数，PL为消费者价格指数，PI为固定资产投资价格指数，h为人员劳务费支出，f为仪器设备费支出。估计基期自有知识存量K0，假设考察期内其平均增长率与实际R&D内部经费支出增长率相等，计算公式为：

K0=E0/(g+τ)

(6)

其中K0为基期自有知识存量，E0为基期实际R&D内部经费支出，g为样本期内实际R&D内部经费支出增长率的算数平均数。

3.门槛变量：吸收能力(TDA)。对于吸收能力的衡量，目前尚未形成统一标准。Cohen等学者(1990)采用影响研发支出的环境特征表示吸收能力[29]，还有一些学者采用人力资本、高技术企业数或数据编码等测度吸收能力[30-31]。就高技术产业省际知识溢出而言，往往需要更高的吸收能力才能进行识别、消化与利用。人作为知识的重要载体，其自身质量的高低对高技术产业创新质量具有重要影响。因此，借鉴柳卸林等(2019)[32]的研究，本文采用各地区大专以上学历占地区总人口的比例表示地区吸收能力。

4.控制变量。为了尽可能得到更为准确的估计结果，本文对其他一些可能影响创新质量的因素进行控制。(1)研发人员(PER)。研发人员作为传统的创新资源要素，能够提供创新活动所需要的人力资本效应，是推动高技术产业创新质量提升的重要因素。本文采用R&D人员全时当量表示研发人员[33]。(2)金融深化程度(FIN)。良好的金融环境和融资体系能够为企业创新提供资金支持，保证企业顺利进行高质量创新活动，促进高质量创新产出[34]。本文采用金融机构贷款余额占GDP的比重来表示金融深化程度。(3)企业规模(SCA)。企业规模作为影响创新活动的因素之一已获得学者们的广泛认可。一方面，规模较大的企业能够充分利用其规模优势，整合创新资源；另一方面，规模较小的企业也有其独特的创新优势。本文采用高技术产业资产总额占企业数的比重表示企业规模[35]。

(三)数据来源

本文选择2009-2016年为样本区间，中国高技术产业30个省份面板数据为研究样本(西藏、港澳台等因数据缺失而未被分析)。本文的基础数据主要来源于《中国统计年鉴》(2010-2017)和《中国高技术产业统计年鉴》(2010-2017)；同时，对各变量取自然对数。各变量特征的描述性统计如表1所示。

表1 各变量的描述性统计

三、实证结果与分析

(一)面板数据单位根检验

本文采用的是2009-2016年中国高技术产业省际面板数据，其中涉及的时间趋势部分容易在面板模型回归分析中引入伪命题，可能造成估计结果有偏，在面板模型回归分析之前有必要检验各变量的平稳性。在检验技术上，本文同时采用包含相同根的检验方法LLC和不同根的检验方法Fisher-ADF、Fisher-PP。具体结果如表2所示，原值的检验结果表明各变量大体上在1%的显著性水平下拒绝存在单位根的原假设，并且所有变量经过一阶差分后均不存在单位根，这说明本文采用的面板数据都是平稳的。

表2 面板数据单位根检验结果

(二)门槛效应检验

根据Hansen提出的门槛面板回归模型估计方法，以吸收能力作为门槛变量分析中国高技术产业省际知识溢出对创新质量的非线性影响。本文运用bootstrap自举法重复抽样500次，获得三种门槛模型的门槛估计值及门槛效应检验结果，具体内容如表3和表4所示。由表3可知单一门槛和三重门槛的F统计量对应的P值分别为0.256和0.766，均未通过显著性水平检验；双重门槛效应检验的F值为18.871，且P值为0.000，通过了1%水平下的显著性检验。

表3 门槛效应显著性检验

根据Hansen门槛理论[14]，中国高技术产业省际知识溢出对创新质量的影响显著存在以吸收能力为双重门槛的复杂非线性特征。由表4可知双重门槛模型的两个门槛估计值分别为-2.837和-1.608，均处于相对应的95%置信区间内，采用双重门槛面板回归模型研究高技术产业省际知识溢出与创新质量的关系是适当的。

表4 门槛估计值与置信区间

本文利用最小二乘的似然比统计量LR来检验两个门槛估计值的真实性，借助似然比函数图能够直观地看到以吸收能力为门槛变量的两个门槛值的估计结果和相应的95%置信区间，检验结果如图1和图2所示。由图1和图2可知当LR=0时，吸收能力的双门槛估计值分别为-2.837和-1.608，且均在图中虚线(LR=7.3523)以下，说明双门槛估计值均位于相应的95%置信区间内，由此看出双重门槛的估计值和真实值一致。根据门槛值的估计结果，可以将吸收能力划分为三个区间：低吸收能力(lnTDA<-2.837)、中吸收能力(-2.837≤lnTDA<-1.608)和高吸收能力(lnTDA≥-1.608)。

图1 门槛值-2.837的似然比函数图 图2 门槛值-1.608的似然比函数图

(三)门槛效应回归

中国高技术产业省际知识溢出对创新质量影响的双重门槛面板回归模型估计结果如表5所示，中国高技术产业省际知识溢出对创新质量具有显著的非线性差异化影响，且会受到地区吸收能力的影响和制约，存在着以吸收能力为门槛变量的双重门槛效应。当吸收能力小于门槛值-2.837时，高技术产业省际知识溢出对创新质量的弹性系数为0.175，且通过了1%水平的显著性检验，说明高技术产业省际知识溢出在低吸收能力条件下对创新质量具有显著正向影响，并且当省际知识溢出每增加1%，创新质量将提升0.175%。当吸收能力在-2.837至-1.608之间时，高技术产业省际知识溢出对创新质量的弹性系数为0.303，且在1%的水平下显著，说明高技术产业省际知识溢出在中吸收能力条件下对创新质量存在显著的促进效应，并且当省际知识溢出每增加1%，创新质量将提升0.303%。当吸收能力大于门槛值-1.608时，高技术产业省际知识溢出对创新质量的弹性系数为0.466，且通过了1%水平的显著性检验，说明高技术产业省际知识溢出在高吸收能力条件下对创新质量的影响显著为正，并且当省际知识溢出每增加1%，创新质量将提升0.466%。

表5 门槛面板回归模型估计结果

通过比较在不同吸收能力门槛效应下，高技术产业省际知识溢出对创新质量的三个弹性系数值(0.175、0.303和0.466)，可以发现高技术产业省际知识溢出对创新质量的正向影响具有非线性特征，且呈现出作用效果逐渐增强的趋势，表明随着地区吸收能力的提高，省际知识溢出对创新质量的促进效应也在稳步增强。之所以出现这种情况，主要是由当前中国各地区创新质量发展不平衡和省际知识溢出自身特性决定的。在创新质量发展不平衡的现实条件下，由于本地创新资源的有限性，亟待外部知识的引入，而省际知识溢出则是一条重要的知识流动渠道。通过省际知识溢出，欠发达地区可以向发达地区学习先进的技术和知识，摒弃原有落后的生产方式和思维理念，在模仿创新的基础上，争取实现二次创新，提升创新质量；发达地区可以从欠发达地区获取所需要的创新资源，在一定程度上弥补自身资源的不足，更高程度地推动创新质量向前发展。另外，省际知识溢出不仅属于地区外部知识，而且是一种无意识的知识流动，它所带来的创新资源并不一定都对创新质量发展产生作用或积极作用，还有可能造成消极效应。此时本地区吸收能力的高低就显得至关重要。较高的吸收能力能够更好地识别和消化与本地创新活动紧密关联的知识，并加以充分利用，更大程度地发挥省际知识溢出对创新质量的提升作用，而较低的吸收能力所发挥的省际知识溢出促进效应有限。

图3 不同吸收能力门槛区间省份数目变化趋势

就控制变量而言，(1)研发人员对高技术产业创新质量具有显著正向影响，且当研发人员每增加1%，高技术产业创新质量将提高0.367%。研发人员作为创新基本要素之一，不仅可以直接促进创新质量提升，还可以发挥“干中学”效应，推动高技术产业创新高质量的发展。(2)金融深化程度对高技术产业创新质量存在显著为正的影响，且当金融深化程度每增加1%，高技术产业创新质量将提高0.520%。高技术产业高质量创新需要大量的资金投入，良好的金融环境能够扩宽企业融资渠道，为创新高质量发展提供资金保障。(3)企业规模对高技术产业创新质量的影响显著为正，且当企业规模每增加1%，高技术产业创新质量将提高0.059%。规模较大的企业往往在资金、人才和技术等方面具有较强的优势，能够根据环境变化适时调整创新政策，稳步推进创新高质量发展。

(四)吸收能力的时空异质性分析

中国高技术产业省际知识溢出对创新质量的促进作用可能存在着地区吸收能力上的时空异质性，通过吸收能力的两个门槛值将30个地区划分为三大区域：低吸收能力区域、中吸收能力区域和高吸收能力区域，在此基础上对吸收能力的时空异质性进行深入分析。

1.吸收能力的时间变化分析。图3显示了2009-2016年不同吸收能力门槛区间的省份数目及变化趋势。由图3可以看出低吸收能力区域的省份数目从2009年11个减少至2016年0个，下降幅度达到36.67%，表明中国30个省份的吸收能力目前均已跨越了低水平门槛。在低吸收能力区域，高技术产业省际知识溢出对创新质量的促进作用最小。中吸收能力区域的省份数目从2009年18个增加至2016年27个，增幅达30%，说明中国大部分省份吸收能力仍处于中等水平，且伴有扩大趋势。在中吸收能力区域，高技术产业省际知识溢出对创新质量的促进作用逐渐增强。高吸收能力区域的省份数目从2009年1个增加至2016年3个，增幅仅为6.67%，表明中国整体吸收能力还不容乐观，高吸收能力区域增加趋势偏慢。在高吸收能力区域，高技术产业省际知识溢出对创新质量的促进作用最强。因此，中国各省份吸收能力具有明显的时间异质性，且整体处于中等水平。

2.吸收能力的空间变化分析。图4至图6分别显示了2009年、2012年和2016年不同门槛区间省份的空间分布情况。由图4至图6可以看出2009年仅有北京处于高吸收能力区域，其他省份均处于中、低吸收能力区域。其中，低吸收能力区域主要分布在华中地区和西南地区，具体包括河北、安徽、山东、河南、湖南、广西、重庆、四川、贵州、云南、甘肃；其他大部分省份处在中吸收能力区域，具体包括天津、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、福建、江西、湖北、广东、海南、陕西、青海、宁夏、新疆。2012年只有河北仍处于低吸收能力区域，而其他省份均已跨越低门槛限制，吸收能力达到中等水平。天津和上海两省突破中吸收能力门槛限制，到达高吸收能力区域。2016年，原处于低吸收能力区域的河北省也跨越了低门槛限制，进入了中吸收能力区域。总的来说，2009-2016年中国各地区吸收能力呈现出明显的时空异质性，且整体处于中等水平。

图4 2009年各省份吸收能力空间分布

图5 2012年各省份吸收能力空间分布

图6 2016年各省份吸收能力空间分布

四、结论与启示

本文以2009-2016年中国高技术产业30个省份的面板数据为样本，利用Hansen门槛面板回归模型，以吸收能力为门槛变量，分析了高技术产业省际知识溢出对创新质量的非线性影响以及吸收能力的门槛效应与时空变化，主要得到以下几点结论：(1)中国高技术产业省际知识溢出对创新质量具有显著的非线性差异化影响，且存在着以吸收能力为门槛变量的双重门槛效应。(2)高技术产业省际知识溢出对创新质量的作用效果会受到吸收能力的影响和制约，并且随着吸收能力的提高，省际知识溢出对创新质量的促进效应逐渐增强。(3)中国各地区吸收能力呈现出明显的时空异质性，且整体处于中等水平。(4)对于控制变量，研发人员、金融深化程度和企业规模均对高技术产业创新质量具有正向影响。

上述结论带来以下启示：首先，高技术产业省际知识溢出对创新质量总是具有促进作用，这就要求各地区高技术产业在推动创新质量发展过程中充分重视省际知识溢出效应，增加省际知识溢出总量，有效吸收外部知识以弥补自有知识的不足。其次，提高地区吸收能力，充分发挥吸收能力门槛效应之下省际知识溢出对创新质量的促进作用，通过提高地区高素质人才比例等方式完善地区人才结构，提高人力资源质量，加强地区知识技术吸收能力，提升外部知识溢出作用效果。最后，各地区应依据所处的吸收能力门槛区间制定相应政策，努力跨越吸收能力门槛限制，充分利用省际知识溢出实现高技术产业创新质量的整体提升。此外，各地区应重视高技术人才培养，拓宽人才引进渠道，建立人才教育和激励机制，激发创新人才积极性，以提升研发人员对创新质量的促进作用；完善金融体系建设，提高金融服务质量，为高技术企业提供更多融资机会，通过金融政策倾斜等方式鼓励高技术企业进行高质量创新产出；适当提高高技术企业规模，加强内部管理水平，保证并提升新产品质量，增强新产品的市场竞争力。