安徽省城镇化对技术创新的影响——基于空间计量的实证分析

乔 银，何茜茜，刘晨旭，邹小州

(蚌埠工商学院，安徽蚌埠233000)

一、 引言

随着经济发展进入新常态，技术创新日益成为新阶段推动中国经济增长的核心动力。 自国家提出创新驱动发展战略以来，各地区纷纷出台相关政策措施，积极推进。 近年来安徽省发挥承东启西和连接南北作用，积极参与长江经济带、长三角区域创新合作，区域创新能力不断提升，已位居全国第十位①来自《中国区域创新能力评价报告(2019)》。，但同时也面临新兴产业竞争力较弱、区域创新发展不平衡等问题。 《安徽省“十三五”科技创新发展规划》指出，安徽省正处于工业化加速阶段，经济增长日益受到人口、资源、环境的刚性约束，需充分发挥技术创新引领发展的第一动力作用，加快产业结构升级，实现全面转型发展。 但技术创新是一项难度高、成本高的社会经济活动，需要大量资金、专业人才、基础设施、产业融合等方面的支持，而这些条件在城镇化率较高的地方更容易实现。

城市这种人口、社会、经济活动聚集的生活环境，有利于刺激创新(格莱泽，2012)。 城镇化会加速生产要素的空间集聚，在此过程中产生知识的外溢和扩散效应，从而促进区域技术创新。 2017 年发布的《安徽省新型城镇化发展规划(2016～2025 年)》指出，安徽省以都市圈、城市群为重要空间载体，着力构建“一圈一群两带”的城镇化空间格局，加快创新型城市建设，并发挥其在全省城镇化中的辐射带动作用，形成核心引领、中心带动、大中小城市及小城镇协调发展的城镇体系。 在此背景下，研究城镇化与技术创新之间的关系，充分发挥城镇化对安徽省技术创新的推动作用，具有非常重要的现实意义。

二、 文献综述

新经济增长理论认为，技术、资本、劳动力是一国实现稳定、可持续发展的必要因素，其中技术是最为重要的。 随着新经济增长理论对外部性研究的不断深入，更多学者开始关注城镇化对技术创新的作用。 已有较多文献对城镇化与技术创新的关系进行了研究，证明城镇化是一国技术创新不可忽视的因素，对技术创新具有正向的促进效应(Feldman et al.，1999；Carlino et al.，2007；程开明，2010)。 仇怡(2017)通过研究2010～2015 年长江城市群的城镇化水平对区域创新能力的影响，发现城镇化水平能直接促进城市创新能力提升，并通过人力及物质资本溢出效应间接驱动城市创新。 甄晓非(2013)、王兰英等(2014)通过理论和相关数据分析，则认为科技创新对城镇化建设有明显的推动作用。 部分学者研究城镇化与经济增长(或全要素生产率)的关系。 一种观点认为，城镇化与经济增长之间存在正向关系，城镇化能显著推动经济增长(吕健，2011；Tripathi and Mahey，2018)。 杨浩昌(2016)基于2001～2012 年中国省级面板数据的研究发现，城镇化对经济增长的促进作用存在明显区域差异。 另一种观点认为城镇化对经济增长的作用不明显甚至为负。 蔺雪芹等(2013)定量分析了1978～2008 年中国城镇化对经济增长的影响，结果表明城镇化本身并不能有效促进经济增长。 季磊等(2019)采用门槛估计模型、系统GMM 模型和面板混合OLS 模型分析中国30 个省份的城镇化过程，发现由于经济要素流动的不均衡以及基础设施建设和布局的不合理，城镇化进程对全要素生产率产生负面影响。 还有一些学者研究城镇化、技术创新与经济增长(或全要素生产率)三者的关系。 程开明(2009)、魏下海等(2011)研究发现，城镇化对全要素生产率的推动是通过创新的中介作用实现的。 周慧等(2017)采用中国2003～2014 年省级面板数据，构建空间拓展模型考察中国东中西部地区省域间城镇化发展、知识溢出对区域经济增长的影响，结果显示城镇化水平越高的区域吸收技术创新能力越强，知识溢出对其经济增长的推动作用也越突出。

综上所述，现有文献集中从一国或省域层面去探讨城镇化对区域创新的影响。 从研究方法来看，很多研究基于样本空间均质这一传统计量假设基础之上。 但一地区在推进城镇化进程中，对周围地区各种生产要素产生较强的“虹吸效应”，创新要素在地区间流动以及技术的扩散和溢出，致使一个地区的创新活动不仅对自身产生影响，还会对其他地区造成影响。 如果忽视空间异质对研究结果的影响，会导致结论的偏误。 因此本文基于安徽省16 个地级市2011～2018 年的面板数据，采用空间杜宾模型研究城镇化对技术创新影响的空间溢出效应，以期为安徽省建设创新协调发展的格局提供科学参考。

三、 研究方法与变量设定

(一)研究方法

1. 空间相关性检验

本文采用全局莫兰指数(Moran I)来检验模型中各变量的空间相关性，其计算公式如下:

其中，wij(i，j＝ 1，2，…，n)为区域i和区域j之前的空间权重和xj分别表示区域i和区域j的观测值，n表示区域个数。

Moran I 的取值范围为[-1，1]，当其大于0，表示观测变量空间正相关，且值越大说明正相关性越强，即邻接单元间相似性越强，高值与高值相邻，低值与低值相邻；当其等于0，表示观测变量间不存在相关性；当其小于0，表示观测变量空间负相关，且值越小说明负相关性越强，即邻接单元之间的差异性越大，高值与低值相邻或低值与高值相邻。

2. 空间权重矩阵

空间权重矩阵是进行空间计量分析的关键，表示不同空间区域中某些地理或经济属性值之间的相互依赖程度。 在度量空间自相关时，通常采用相邻标准或者距离标准定义空间权重矩阵，以表征地理空间关联或者经济联系。 为了更加科学地研究技术创新的空间溢出效应，文章选用邻近概念建立空间地理距离矩阵如下:

其中，i＝1，2，…，n；j＝1，2，…，n。 当两个区域相邻时，表明二者存在空间相关，反之则二者之间不存在空间相关。 为了能较好地反映地区之间的相互影响，文章设置门槛距离d＝160km:

即，当两个区域地理距离不大于160km 时，表明两者存在空间相关性，反之两者不存在空间相关。

3. 空间计量模型

本文通过Moran 指数确定区域技术创新存在空间相关性后，引入空间矩阵来建立空间计量模型，以分析城镇化能否促进区域技术创新，以及区域技术创新是否存在空间溢出效应。 由于面板数据不适用空间滞后模型和空间误差模型，所以本文依据Baltagi 等(2005)和杜江等(2017)的做法使用空间杜宾模型。 经检验，应选择固定效应空间杜宾模型:

其中，因变量 INNOit代表区域技术创新；核心自变量URBit表示城镇化水平；控制变量GDPit、AGLit分别表示地区经济发展水平、产业集聚度；下标i和t分别表示地区和时序；Xkit代表上述因变量和自变量；W为n×n阶的空间权重矩阵，εit和uit为正态分布的随机误差向量，ρ和θ为空间相关系数，λ为空间误差系数。 当ρ≠0、θ≠0 且λ＝ 0 时为空间杜宾模型(SDM)。

(二)变量设定

文章通过构建空间计量模型来考察安徽省城镇化对区域技术创新的影响，对模型中的变量构造如下:①因变量:对于技术创新的衡量，有的学者用技术创新的投入指标来研究，如R＆D 经费投入、人力资本投入等；有的用技术创新的产出指标来研究，如专利申请数或授权数等。 文章选用各地区的R＆D 经费投入占GDP 比重来衡量区域技术创新。 ②核心自变量:人口聚集地在空间上的转移是城镇化的核心，农村人口不断向城市转移，第二、三产业不断向城市聚集。 文章用城镇人口占总人口的比重来表示城镇化水平。 ③控制变量:技术创新受到诸多因素影响，文章对可能影响技术创新的因素进行控制。 地区经济发展水平是影响研发投入的重要因素，也是衡量一个地区富裕程度的指标之一。 地区经济发展水平不同，对本区域技术创新的贡献程度也不同。 文章用实际GDP 的对数值来表示地区经济发展水平，实际GDP 是以2011 年为基期进行平减。 此外，产业集聚水平对区域创新有显著影响(倪进峰和李华，2017)，文章选择安徽省各市的制造业集聚程度，测算指标为制造业的区位熵指数。

同时，为了保证研究的客观和真实，充分考虑样本的可获取性和可行性，文章选取安徽省16 个地级市2011 ～2018年相关研究变量的面板数据作为样本，数据来源于《安徽省统计年鉴数据》和地级市统计局的统计年鉴①因2010 年安徽行政区划变更，所以舍弃2010 年的数据，从2011 年开始收集。。 此外，为了保证各指标跨年度的可比性，文章对其进行了无量纲化处理，如对GDP 进行了价格平减以反映经济总量的可比性。

四、 实证分析

(一)空间相关性检验

对样本期内安徽各地市技术创新的空间相关性进行检验，检验结果见表1。 结果表明，所有全局Moran 指数的P值在10%水平下显著为正，说明安徽各地级市的技术创新具有空间上的依赖性。 技术创新Moran I 值均大于0，且总体处于上升趋势，表明各地市间创新投入的空间正相关性不断增强，即呈现明显的高高集聚、低低集聚。

表1 2011～2018 年安徽各地级市技术创新的空间效应检验

(二)回归结果分析

文章采用安徽省16 个地级市2011 ～2018 年的面板数据，在不同空间权重下建立空间杜宾计量模型，研究城镇化对安徽省区域技术创新影响的空间溢出效应，回归结果见表2。 根据表2 的回归结果，得出如下结论:

表2 产业集聚对技术创新的回归结果

第一，与OLS 回归结果相比，空间杜宾模型的空间相关系数ρ显著为正，R2显著减小，Sigma2_e 显著，说明空间模型能更好地拟合城镇化对区域技术创新的影响，且技术创新存在空间溢出效应。 即，每个地区技术创新能力的提升对其他相似特征地区的技术创新有显著的正向影响，并且对地理邻近地区的影响更加显著。 以邻接矩阵回归结果为例，代表跨区域技术创新溢出的系数估计值为0.346，并通过了1%水平的显著性检验，说明在其他条件不变的前提下，周边邻近地区的R＆D 经费投入占GDP 比重每增加1%，本区域R＆D 经费投入占比增加0.346%。

第二，URB 对INNO 的影响显著为正，说明城镇化水平提高能够提高区域创新能力。 以邻接矩阵为例，在1%的显著性水平下，本区域城镇化水平每提高1%，该区域的R＆D经费投入占GDP 比重提高0.0191%。

第三，其他控制变量GDP、AGL 对INNO 的影响显著为正，说明地区经济发展水平、产业集聚度越高，其对研发的投入也越多，一定程度上能推动区域技术创新能力的提升。

第四，在城镇化的外生交互效应方面，以空间距离矩阵为例，WURB 对INNO 的影响显著为负，说明周边地区的城镇化率提高会对本区域的技术创新能力产生抑制作用。 这可能是因为周边地区在推进城镇化进程中，对周围其他地区的各种生产要素产生较强的“虹吸效应”，在本地区没有采取吸引人才、吸引投资等相关行政措施的情况下，会导致本区域技术创新能力下降。

五、 结论

文章基于安徽省16 个地级市2011 ～2018 年的面板数据，采用空间杜宾模型实证检验了城镇化对区域技术创新影响的空间溢出效应，得到如下结论:第一，区域技术创新存在正向空间溢出效应，即地区技术创新能力的提升，不仅受本地区相关因素的影响，还受其他地区技术创新能力的影响。第二，城镇化水平的提升对区域技术创新存在促进作用，但周边地区城镇化的推进对本地区技术创新产生阻碍作用；第三，地区经济发展水平、产业集聚度都对本地区技术创新有显著的正向影响。

根据实证结果以及安徽的实际情况，提出以下建议:第一，安徽各地方政府应结合地方优势，制定并实施促进技术创新的政策，继续优化创新环境。 在省内科技创新协调发展的整体布局上，要加强各城市间科技合作，强化皖中、沿江地区对皖北地区的辐射，发挥合肥、芜湖等城市对皖北的带动作用，形成技术先进地区带动周边地区创新发展的格局。 第二，各市要进一步推动城镇化健康发展，从经济、教育、社会保障等各方面提升城镇化水平，为技术创新提供全方位的支持。 在促进各地城镇化发展的同时，还应注意省内中部城市、南部城市和北部城市的协调发展，加大对皖北地区和贫困地区的支持力度，克服因生产要素流动不均衡以及基础设施布局不合理带来的区域差距扩大趋势。 第三，各市要根据本地区实际情况采取不同的产业集聚模式，大力发展高新技术产业，积极推进战略性新兴产业集聚基地建设，鼓励跨区域创新合作和创新联盟。