专业化对区域创新质量的影响研究 *——基于系统GMM动态面板模型的实证分析

苏 屹 李 丹 胡志军

一、引言

2020年5月22日李克强总理在第十三届全国人民代表大会第三次会议的《政府工作报告》中指出：坚持新发展理念，坚持以供给侧结构性改革为主线，坚持以改革开放为动力推动高质量发展。“高质量”发展是目前我国急需解决的问题。高质量发展的核心在于经济活力、创新力和质量竞争力(陈太义等，2020)。作为经济活动的主体，投资结构的调整滞后、重复建设和边际效率低等(经济增长前沿课题组，2005；杨培鸿，2006)将无法满足经济增长质量的有效性、经济性、创新性、协调性的内涵要求(朱子云，2019)。尤其当资本数量积累程度较高时，通过提升技术要素的规模与效率所带来的创新力，对于推动经济持续高质量增长尤为重要(郝颖等，2014)，创新主体也将由于技术质量要素的更新，在市场或产业竞争中赢得获得较高的质量竞争力(程虹和陈川，2015)。技术创新在此过程中不断激发区域经济的内在动能，更为区域发展进程提供质量上的保障。从注重数量转变到重视质量，我国区域创新的发展经历了一个重要的质变过程。然而，在实际创新活动开展的过程中，往往延续粗放式的技术发展模式，创新数量上的简单累积并不能客观、真实地反映出创新的实际发展情况，高质量的创新是一个区域竞争能力的决定因素(张志强等，2020)。区别于重复性的研发生产活动，创新质量是区域创新能力和创新绩效的综合体现，是技术研发的突破性成果。然而，因创新质量提升的形成周期、直接经济价值以及地区间创新质量不平等等问题(张古鹏等，2011)，导致创新主体目前对创新质量的重视程度不足，提升区域创新质量逐渐成为一个更加值得关注的议题(卢盛峰和刘潘，2015)。对于区域创新质量的研究应兼顾区域创新环境的综合性和复杂性，国内外学者对其影响因素的研究从多个方向展开，以往研究主要分为以下几个方面:第一，基于网络视角的研究发现，随着知识创造的日益频繁，创新己经成为一项复杂性活动，创新主体不再是一个封闭的、孤立的系统，而是通过各种合作建立关系网络的系统，以期达到降低创新风险和复杂性的目的(Liang和Liu，2018)；合作网络中较高的关联程度可以使得资源的扩散更加容易，也可以增强信息在网络中的联系效率，从而提升创新质量；而且协作网络在不同的研究环境中有不同的重要性(其格其等，2016)；网络中结构洞的存在可以促进知识流动和信息交换与共享，结构性空洞的产生和闭合数量对区域内企业创新水平都有正向影响(孙笑明等，2017)。第二，关于R&D投入对区域创新质量的影响研究，认为R&D人员和R&D资本的投入显著地正向影响地区的创新能力，人力资本在不同知识产权保护强度水平下对创新质量都有显著的积极影响，但过强的知识产权保护强度会减弱这种影响(苏屹等，2017；卓乘风和邓峰，2017)。第三，区域政策与制度环境对区域创新质量的作用研究。学者对政府科技资助、知识产权保护、政府效益、地方政府责任和法规准则和政府绩效问责等方面都做了一定研究，并得到了政策制度方面对区域创新质量的研究结论(刘友金等，2017；杨若愚，2016；马双等,2017；阎波等,2017)。第四，产业集聚由于能够促进区域间资源、知识、技术的流动而被认为是提升区域创新质量的重要因素。在研究中发现区域创新活动具有正向空间相关性，并呈现明显的空间集聚和创新扩散现象(苏屹和林周周，2017)；科技人才在高技术产业中的流动和集聚会加快创新资源在产业内集聚而提高产业的创新质量，创新质量的提升又会进一步增强该区域对科技人才的吸引能力，两者间形成互动关系(裴玲玲，2018)。其中，学者在研究中已经证实专业化外部性在产业集聚中的确存在(Li，2015)，专业化作为知识信息的有效传播途径，有利于区域内形成创新思维及创新活动，研究专业化对区域创新质量的影响具有重要意义(吕承超，2016)。专业化程度较高、发展基础较好的成熟企业或地区摆脱起步阶段对产品、行业、经营等“数量”层面束缚的能力越高，越容易进行高质量的突破性创新(董晓芳和袁燕，2014)。正因专业化对区域创新质量影响的重要作用，本文兼顾以往研究中区域创新系统中的不同影响因素，进一步系统化地研究和揭示专业化对区域创新质量的影响效应和内在传导机制。在区域创新质量研究方法上，主要包含以下几类研究：第一类是效率测评方法，主要包含DEA(Hung，2017；韩兵等，2018)、SFA(张永安等，2016)、DEA-Malmquist(易明等，2017)等效率测度与评价分析；第二类多元统计分析法，如因子分析法(Boso等，2019)、聚类分析法(王春枝和赵国杰；2015)、结构方程(Gkypali等，2018)等。

以往研究虽然取得了重要的研究成果，但还存在一些有待加强之处。本文从以下两个方面对现有文献进行补充，边际贡献如下。一方面，在研究内容上，专业化对创新质量的研究具有重要意义，同时，以往研究中缺乏兼顾区域创新复杂环境下专业化对区域创新质量的研究。本文摆脱以往侧重变量间直接相关关系的研究框架，从揭示不同因素交互作用下主要变量间的相关关系呈现何种变化的层面，拓展专业化对区域创新质量影响的深入研究的新思路。另一方面，在研究方法上，传统的研究方法在对动态面板数据进行估计时，无法解决被解释变量的内生性问题。本文在研究专业化对区域创新质量影响时，采用系统GMM估计方法分析专业化对区域创新质量的作用影响，系统GMM方法能够同时利用水平方程和差分方程的信息，解决内生性问题，提高估计效率。

二、模型、数据及变量

(一)模型构建及研究方法

基于原毅军和孙大明(2017)对Cobb-Douglas知识生产函数标准化的研究方法，将与区域创新质量相关的技术及制度等其他外生变量纳入模型，认为区域创新质量是专业化与FDI、政府激励、R&D投入等要素的多元组合，即：

(1)

其中，INNOV代表区域创新质量，SPE代表专业化，FDI代表外商直接投资，GOV代表政府激励，RD代表R&D投入。

对公式(1)取对数：

lnINNOVi,t=lnAi,0+λit+ηilnSPEi,t+νilnFDIi,t+ξilnGOVi,t+σilnRDi,t

(2)

在分析专业化对区域创新质量影响的过程中，要考虑几个变量对区域专业化的交互作用，借鉴Ning等(2016)等人研究的计量模型，分别引入SPE与FDI、GOV、RD的交互项，用滞后一期的区域创新质量变量，衡量除解释变量之外的其他诸如人文环境、制度因素、对外开放条件等潜在因素的影响而产生的循环积累效应，最终确立动态面板模型为：

lnINNOVi,t=lnAi,0+λit+ηilnSPEi,t+νilnFDIi,t+ξilnGOVi,t+σilnRDi,t

lnINNOVi,t=β0+β1lnINNOVi,t-1+β2lnSPEi,t+β3lnFDIi,t+β4lnGOVi,t+β5lnRDi,t+

β6lnSPEi,t×lnFDIi,t+β7lnSPEi,t×lnGOVi,t+β88lnSPEi,t×lnRDi,t+

β9lnABSORBi,t+β10lnTRADE+αi+εi,t

(3)

其中，ABSORB为地区吸收能力，TRADE为对外开放度，两者皆为控制变量。αi,t为不可观测的地区效应以控制省份的固定效应，εit为随机误差项。

本研究使用系统GMM估计方法对动态面板数据进行计量分析。一方面，系统GMM使用一阶差分方法消除固定效应，并利用自变量的水平滞后项作为差分项的工具变量，解决被解释变量内生性问题。另一方面，为了弥补当因变量和自变量接近随机游走时，水平滞后项对未来信息传递的不足所引致的弱工具变量问题，引入水平方程的矩条件约束来增加工具变量的数目。所以，系统GMM方法可保留原始数据和差分数据，使估计更加有效。

(二)变量选取

1.区域创新质量(INNOV)。本文参考卢盛峰和刘潘(2015)、苏屹等(2017)等研究，选用专利授权量作为区域创新质量的衡量指标。专利的授权量是能够反映以技术为基础的知识转化能力和创新成果。相较于以往用来衡量创新成果的新产品销售及专利申请量等指标，专利授权量不是创新成果数量上的重复，其技术含量更高，创新突破性更强，专业认可度更为可靠，能够更加客观地衡量区域创新质量的水平，是区域创新质量的最终体现。

2.专业化(SPE)。Li(2015)和Ning等(2016)在知识外溢对区域创新的影响研究中，都将MAR溢出作为专业化研究的重要方向。基于Marshall-Arrow-Romer的研究范畴，衍生出Krugman指数用以衡量当地专业化发展，以反映不同的专业化模式导致不同类型的知识在区域内流动(Crescenzi和Rodriguez-Pose，2013)，本文沿用Ning等(2016)、Crescenzi和Rodriguez-Pose(2013)研究中Krugman指数作为测算专业化的指标：

(4)

其中，SPEi代表一地区的专业化，Eij代表i地区j行业的就业人数，n代表行业总数(最大值为19)，m代表地区总数(最大值为28)。SPE的值越大代表i地区与全国总体产业结构差异越大，专业化程度越高。

3. R&D研发投入(RD)。本文采取朱承亮等(2012)、孙早等(2014)的研究方法，使用R&D资本存量数据来衡量研发投入强度，参照Griliches研究中使用的永续盘存法来核算R&D资本存量，计算公式为：

RDi,t=(1-δ)RDi.t-1+CRDi,t

(5)

其中，RD代表R&D资本存量，CRD代表当期R&D内部支出，δ为资本存量的折旧率，本文采用被学者广泛接纳数值即将δ值设定为15%。考虑到物价变动的原因，要按照相应指数对实际R&D经费支出进行平减。在此，本文采用朱平芳和徐伟民(2003)构造的R&D支出价格指数的方式，将R&D支出价格指数设定为消费物价指数赋予0.55和固定资产投资价格指数赋予0.45的权重后的加权平均值。

R&D基期R&D资本存量，计算公式为：

(6)

其中，RDi,0代表基期R&D资本存量，CRDi,0代表基期实际R&D经费支出，g为考察期内实际R&D经费支出的平均增长率，本文采用孙早等(2014)研究中使用的R&D经费内部支出增长率的算术平均值计算，以消除宏观经济或政策变化可能导致的R&D支出的大幅波动。继而估算出全国各省历年R&D资本存量RD。

4. FDI存量(FDI)。鲁钊阳和廖杉杉(2012)认为劳动生产过程中前期FDI的残值会对后期产生作用，选择FDI的流量测算会忽略前期残值贡献，仿照上文对R&D存量的计算，对FDI的测算应采用永续盘存法。本文在具体测算上先将年鉴中FDI的美元单位按当年汇率换算成人民币单位，采取上文对R&D存量的方法，得到各年各地区的FDI存量。

5.政府激励(GOV)。本文在测算本指标时采用朱承亮等(2012)、余泳泽和刘大勇(2013)的方法，着重分析政府直接R&D资助对区域创新水平的影响，该指标用各地区科技经费筹集中政府资金比值表示。

6.控制变量。本文选取的控制变量包括吸收能力(ABSORB)和对外开放度(TRADE)。吸收能力(ABSORB)利用各地区规模拟上企业技术获取和技术改造中用于消化吸收的经费支出作为吸收能力的指标(沈坤荣和孙文杰，2009)。考虑到物价变动的原因，本文采用CPI指数进行价格平减。对外开放度(TRADE)用各省份对外进出口总额与地区生产总值的比值进行衡量(余泳泽和刘大勇，2013)。各变量定义如表1所示。

表1 变量定义

三、实证分析

(一)数据来源

本文实证模型采用的数据源于2010—2017年的《中国科技统计年鉴》和《中国统计年鉴》，个别省份数据缺失，故保留28个省(除青海、西藏、海南外)19个行业的数据，涉及存量计算的变量，将2009年作为数据基期，以获得2009-2016年各省各变量的具体数据。各变量统计性描述如表2所示。

表2 变量描述性统计

(二)模型检验及实证结果

根据模型设定，本文以区域创新质量作为被解释变量，以专业化、FDI、政府激励、R&D投入及专业化与其他三个变量的交互项作为解释变量，以吸收能力及对外开放度作为控制变量进行实证分析。

1.专业化对区域创新质量实证结果分析

本文采用混合OLS、固定效应及系统GMM方法来检验专业化对区域创新质量的作用结果。其中表3第二列是进行OLS回归；第三列是固定效应的估计结果。从混合OLS和固定效应估计结果可知，解释变量在对被解释变量的影响在两种方法下有着不同的体现，这是由于本文模型是含有不可观测个体效应的动态面板数据，且专业化及区域创新质量可能存在相互影响，通过混合 OLS 和固定效应估计难以解决内生性问题，导致估计结果可能不一致(吕承超，2016)。为此，本文引入系统 GMM 估计方法，对动态面板数据模型进行重新估计，估计结果如表3第四列所示。Sargan检验是判断工具变量有效性的过度识别检验，其原假设是工具变量有效。表3中，Sargan检验的P值均大于0.1，表明系统GMM模型的工具变量设置均是有效的。AR(1)和AR(2)意指 Arellano-Bond 检验的两种情况，分别考察模型差分后的残差项是否存在一阶和二阶序列相关问题，原假设是不存在自相关，一般情况下，只要残差项不存在二阶自相关，GMM 模型是有效的。表3中， AR(2) 检验的 P值均大于0.1， 表明系统 GMM 模型不存在残差项二阶自相关问题，模型设定合理有效。

表3 专业化对区域创新质量影响的回归结果

通过系统GMM回归结果可知，被解释变量区域创新质量的一阶滞后项未通过显著性检验，表明区域创新质量的提升并不存在循环积累效应。控制变量未通过显著性检验，表明吸收能力、对外开放度对区域创新质量的提升并不存在促进作用。

专业化项通过10%的显著性水平检验，估计系数为11.346，表明专业化程度提高1单位，会使区域创新质量提高11.346单位。这是因为专业化的提升会使得行业内技术通用性提高，行业内劳动力流动壁垒更低，基础设施共享更为便捷，专业化服务管理体系更加健全，降低了企业的创新成本，激发了企业的创新热情，使专业化程度的提高有效促进区域创新质量的提升。

FDI项通过1%的显著性水平检验，估计系数为-2.154，表明FDI提高1单位，会使区域创新质量减少2.154单位。可见，不合理地引入外商资金会过度占用本地企业的资源投入，扭曲本地原本的产业发展趋势，降低本地区自主创新意识，对区域创新质量产生抑制。专业化与FDI交互项通过1%显著性水平检验，估计系数为-1.574，表明专业化与FDI交互项提高1单位，会使区域创新质量减少1.57单位。FDI的盲目引进会改变区域原本的行业发展结构及专业化提升方向，大量资本的涌入造成资金利用率下降，同时抢占用于技术专业化水平提升人力、物质、市场等资源，降低了地区自主创新意愿，抑制专业化对区域创新质量的正向作用。

政府激励项通过1%显著性水平检验，估计系数为0.793，表明政府激励提高1单位，会使区域创新质量提高0.793单位。由于研发存在社会正外部性，社会收益大于私人收益，导致企业对研发投入不足，总体投入水平低于社会最优水平；研发活动的高风险性使得投入者顾虑颇多，没有政府财政干预，经济平衡时的研发投入水平就会低于社会最优水平(Crespo和Fontoura，2007)。为达到社会最优水平，政府通过财政激励刺激企业的研发投入，以完成最佳投入规模(张玉等，2017)。专业化与政府激励的交互项未通过显著性检验，表明专业化与政府激励交互项的提高并不会带来区域创新质量的显著提高。这是因为政府资金并未有针对性地应用到当地产业专业化发展、技术升级改造上来，政府资金的用途更倾向于对创新的专利奖励及税收减免，而并非作用于专业化发展的过程当中，所以政府激励在专业化对区域创新质量的作用机制中未产生显著的影响。

R&D投入项通过10%的显著性水平检验，估计系数为1.876，表明R&D投入提高1单位，会使区域创新质量提高1.876单位。关于试验发展和技术升级的文献中将R&D存量视为重要的创新驱动因素，R&D支出能够显著地促进产能提升(Fu等，2011)，大部分文献表明自主研发对我国行业创新能力的提升具有正向影响(Ning，2015)，此结论在本文中得到证实。专业化与R&D投入的交互项通过1%显著性水平检验，估计系数为1.185，表明专业化与R&D投入交互项提高1单位，会使区域创新质量提高1.185单位。企业研发投入能更有效地深入到技术提升、产业优化中去，资金更能作用到设计、开发、试验等具体环节当中，同时更有针对性地鼓励创新主体提升自主创新意识。这种定向的投入更有助于形成产业的专业化优势，有利于找到适应本地区产业专业化升级的发展路径，专业化的提高同R&D投入的增加之间发挥杠杆作用，能够更有效地提升该地区的区域创新质量。

2.分样本检验与拓展分析

表4中，Sargan检验的P值均大于0.1，表明系统GMM模型的工具变量设置均是有效的；AR(2) 检验的 P值均大于0.1，表明系统 GMM 模型不存在残差项二阶自相关问题，模型设定合理有效。

表4 分地区回归结果

在分地区回归分析中，本文侧重于专业化及其相关交互项对区域创新质量的影响分析。东部地区专业化项通过1%的显著性水平检验，估计系数为13.082，表明专业化程度提高1单位，会使区域创新质量提高11.346单位，可见专业化程度会促进东部地区区域创新质量的提升。专业化与FDI投入交互项通过1%的显著性水平检验，估计系数为-0.596，表明专业化程度提高1单位，会使区域创新质量减少0.596单位。这是因为东部地区的FDI程度更高，抑制了专业化对区域创新质量的正向作用。而专业化与政府激励、R&D投入交互项未通过显著性水平检验，可见东部地区政府激励及R&D投入并不会带来专业化对区域创新质量提升作用的促进。

中部地区专业化项未通过显著性水平检验，这与中部地区市场结构有关。可见专业化程度并不会有效促进中部地区区域创新质量的提升，甚至出现负向作用趋势。专业化与FDI交互项通过1%的显著性水平检验，估计系数为2.999，表明专业化程度提高1单位，会使区域创新质量提高2.999单位。中部地区总体技术发展水平较东部地区较弱，适度的FDI引入会为当地提供技术创新知识基础及创新氛围，促进专业化在一个良好的创新环境和知识基础中发展，从而促进区域创新质量的提升。专业化与政府激励交互项通过1%的显著性水平检验，估计系数为0.598，表明专业化与政府激励交互项提高1单位，会使区域创新质量提高0.598单位。可见在“中部崛起战略”的实施过程中，政府对中部地区的创新驱动给予足够的重视，使专业化在政府调控作用下对区域创新质量起到显著的促进作用。专业化与R&D投入交互项通过1%的显著性水平检验，估计系数为-1.866，表明专业化与R&D投入交互项提高1单位，会使区域创新质量降低1.866单位，可见中部地区R&D投入的盲目增加并不会扭转专业化对区域创新质量的抑制趋势。

西部地区专业化项通过1%的显著性水平检验，估计系数为21.833，表明专业化程度提高1单位，会使区域创新质量提高21.833单位，可见专业化有利于西部地区区域创新质量提升。专业化与FDI交互项未通过显著性检验，西部地区招商引资优势本身较弱，引入外商带来前沿技术、先进知识的比重较小，并不会使专业化对区域创新质量的提升有进一步加强。专业化与政府激励交互项通过1%的显著性水平检验，估计系数为3.725，表明专业化与政府激励交互项提高1单位，会使区域创新质量提高3.725单位，专业化与R&D投入交互项未通过显著性检验，可见在西部这样欠发达地区，不能完全依赖创新主体的R&D投入，而是政府的决策起到更为重要的作用，政府的宏观调控更有助于扶植行业起步，在经济环境不利于产业专业化发展时提供一定保护和激励，使其在经济环境较差时也保有一定创新积极性，从而服务于区域创新质量的整体提升。

3.进一步分析

从我国全局来看，专业化的发展对区域创新质量的发展起到至关重要的作用。但目前我国创新驱动战略实施不久，城市创新自主意识较发达国家淡薄(Xu和Sheng，2012)。与此同时，我国目前以高校、研发机构和相关企业为主的创新主体，并没有发挥出由专业化所带来的区域内协同创新优势，存在大量研发资源欠缺、先进知识吸收能力不足而导致专业化发展受限的现象。一直以来，我国较为重视外商直接投资，认为这是促进资本流动、技术模仿的重要途径(Crespo和Fontoura，2007；Fu等，2011)，将FDI视为一种赶超发达国家的方式，鼓励我国企业通过这种方式跨越技术壁垒并迅速获得先进知识技术(Ning，2015；Amiti，2001)。但本文研究表明，我国早期引进外资一味希望通过“市场换技术”的做法并不成功，并不能带来技术水平的显著提升，占用资源的同时更会降低地区自主创新意愿，滋生企业独立创新惰性。我国经济、技术发展进程中，政府作为“看得见的手”有着不可忽视的宏观调控作用，政府宏观调控会对产业创新发展起到指引作用，是构造和完善区域创新系统的重要举措，能有效促进企业创新资源、要素的合理配置和有效使用。当然，专业化发展同样离不开企业自身研发活动，我国企业逐步向“中国创造”的模式转型，如“华为”的技术发展在国际通信领域逐渐占据不可替代的位置。可见，创新主体的研发活动及R&D投入无疑会为其所在行业的专业化提供重要保障，是区域创新质量提升的有效途径。

另一方面，我国幅员辽阔，各地区经济发展、技术发展以及基础设施建设并不均衡，专业化的发展建立在不同的基础之上。如东部地区具有良好的协同创新环境，知识共享平台较为发达，同领域间知识技术交流更为便捷，更有利于专业化对区域创新质量的提升；中部地区大中型企业垄断的情况较为普遍，过度的市场垄断导致企业失去专业化发展动力，从而导致行业内专业化对创新效率产生了反作用趋势；西部地区的市场自由化程度较低，专业化的技术发展模式更有利于不同行业在这样的环境中长足发展，从而为区域创新质量的进一步提升奠定基础。针对这一不均衡现象，更应该利用实证所得结论，分地区发挥FDI、政府激励与R&D投入对于专业化发展的调节作用，发挥地缘优势，找寻适宜本地区的创新发展模式。

所以对于我国而言，推动专业化发展仍是一个亟待完善的进程，专业化对于创新质量的提升仍有巨大潜力尚未释放。但同时创新质量的提升更是一个全局问题，优化区域创新系统的创新氛围，形成区域内专业化与其他创新影响因素良性互动，才能更有效地使我国创新质量得到整体提升，顺利进入世界创新强国之列。

四、研究结论

本文以专利授权量为区域创新系统的区域创新质量表征变量，计算各地区Krugman指数以量化专业化程度。考虑FDI、政府激励和R&D等变量的影响，将其引入与专业化的交互项，分析专业化对区域创新质量的影响。基于2009年至2016年我国28个省级区划、19个行业的动态面板数据，利用Stata14.0对数据进行系统GMM估计，主要得到以下结论：(1)我国专业化程度对区域创新质量有显著的促进作用。(2)FDI对区域创新质量有显著的抑制作用，同时，我国专业化程度受到FDI交互影响时，专业化对区域创新质量的正向影响受到FDI的抑制作用。(3)政府激励对区域创新质量有显著的促进作用，同时，我国专业化程度受到政府激励交互影响时，并未使专业化的促进作用产生显著变化。(4)R&D投入对区域创新质量有显著的促进作用，同时，我国专业化程度受到R&D投入的交互影响时，专业化对区域创新质量的正向影响受到R&D投入的促进作用。(5)东部、西部地区专业化程度的增强对区域创新质量具有显著的促进作用；中部地区当专业化与FDI、政府激励、R&D投入产生交互作用时，对区域创新质量的作用更为显著。

五、提升区域创新质量的对策建议

基于本文实证结论，为进一步促进区域创新质量的提升，本文建议主要采取以下对策：

1.针对我国整体专业化程度对区域创新质量有显著的促进作用，但不同地区、不同影响下此作用结果不同这一结论，建议各个区域因地制宜，形成自身专业化优势，发挥不同地区自身的比较优势，最大程度发挥专业化对区域创新质量的促进作用。尤其在对东、中、西部地区宏观政策调控时，应结合各地区专业化作用特征，有针对性地把控政策调节力度和引导方向，兼顾FDI及政府激励措施，实现横向区位创新均衡发展。同时应该关注区域产业内分工协作，形成更加科学合理的纵向产业分工体系。科技人才会带来知识、技术的更新及专业化的发展，有助于推动行业进步(裴玲玲，2018)，通过技术改造和人才引进的方式，强化产业优势，打造相对完整的区域创新质量价值体系。专业化有利于产业内知识、信息及技术的共享形成外部性效应，这为创新主体进行外部创新提供了潜在机会(霍春辉和杨锐，2016)，相关部门应合理引导并配合区域专业化模式的形成，使得专业化发展竞争成本维持在偏低的水平，并鼓励专业化外部性的显性价值转变。

2.针对FDI对区域创新质量有显著的抑制作用，并且我国专业化程度受到FDI交互影响时，专业化对区域创新质量的正向影响受到FDI的抑制作用这一结论，本文建议正视FDI引进现状，不可盲目引进FDI而造成对区域创新质量的挤出效应。FDI占据人力资源和创新资本投入的同时，也抢占了东道国原有市场(李政等，2017)，应结合地区自身产业发展模式，以培养本土创新主体的创新能力为出发点，引进与本地区专业化发展模式契合度更高的FDI加以利用。按照全球价值链分工，目前我国所引进的大部分FDI仍集中在低技术层次的制造业(李建新等，2018)，因此，应严格把控FDI引进的方向和质量，避免重复性、低水平的引入对资源造成不必要的占用，避免FDI对区域的专业化发展产生挤出效应。同时还应增强FDI引进过程中核心技术的吸收和消化能力，形成区域内FDI与产业创新的有效互动，逐步缩小本土企业与外企技术能力的差距，使FDI有效地服务于本土创新质量的提升。

3.针对政府激励对区域创新质量有显著的促进作用，同时我国专业化程度受到政府激励交互影响时，并未使专业化的促进作用产生显著变化这一结论，本文建议重视政府资金投入的同时，政府资金更加融入研发生产中间环节，从根本上服务于区域创新质量的提升。政府资金多流向规模大、实力强的国有企业，对科技型中小企业资金支持十分有限(张玉等，2017)，政府应从内在激发创新企业、科研机构的研发积极性，鼓励产业专业化分工，形成产业优势从而提高区域创新质量。政府在区域创新系统中不仅要起到引导作用，还应提供政策上的便利条件，搭建创新技术、知识交流平台，连通产业内信息交互共享的渠道，促进专业化产业结构的形成。与此同时，应建立和完善对创新主体的监督、检查和评估体系，促使政府资金得到更好的利用。

4.针对R&D投入对区域创新质量有显著的促进作用，同时我国专业化程度受到R&D投入的交互影响时，专业化对区域创新质量的正向影响受到R&D投入的促进作用这一结论，本文建议充分发挥R&D投入与专业化之间的杠杆作用，最大限度地帮助专业化释放出对区域创新质量的促进作用。我国目前正处于创新追赶型国家向创新领导型国家转变的关键时期，必须加快提高自主核心技术的研发能力(裴玲玲，2018)，应加强R&D投入在技术升级、新产品研发过程中的资金支持，通过对核心技术的不断研发与增强，推动专业化进程。同时，地区应结合区域发展特点和优势合理配置存量资本，调整R&D投入结构，以更符合该地区的专业化发展特征。目前我国R&D支出和创新产出都有所增加，但存在科研基金不能充分用于科研活动的问题(刘云等，2011)。所以，建议创新主体严格把控经费的使用效率，相关部门建立监测制度，用以监督R&D投入在研发活动中的流向，并对R&D投入转换效率进行统计，使R&D投入得到更高效地使用。