区域一体化对城市创新能力的驱动效应
2020-10-28佘硕李腾觉
佘硕 李腾觉
摘要：以区域一体化为自变量，城市创新指数为因变量，以长江经济带108个城市数据为研究样本，构建了区域一体化评价指标体系，采用城市动态面板系统GMM佑计方法，实证了区域一体化对城市创新能力的驱动效应。实证结果表明区域一体化的发展对城市创新能力的提升具有显著的促进作用。
关键词：区域一体化;创新能力;动态面板;系统GMM佑计
中图分类号：F293 文献标识码：B
文章编号：1001-9138-（2020）08-0047-57 收稿日期：2020-05-09
1 引言
随着我国经济进入“新常态”，以要素驱动发展的经济发展模式逐渐失灵，为了维持新时代经济的稳健发展，我国逐步由要素驱动转向创新驱动，知识和技术逐渐取代传统物质资本的主导地位，创新成为一个国家或地区经济持续增长的关键性战略资源，党的十八届五中全会更是将“创新”置于五大发展之首，以创新促发展成为新时代城市发展规划的主旋律。
区域一体化是一定空间范围内的城市通过一系列政策安排与制度设计实现各类要素规模集聚和利用效益提升的过程，对于促进区域共同发展有着重大作用。在区域一体化战略下，创新要素借助现代交通和通信技术跨区域流动，不同空间一体化程度的加快为城市创新能力的发展提供了基础和途径。当前，区域一体化战略是深入落实新发展理念，提高自主创新能力以及加大科技与经济结合的一项重要举措，更是推动区域高质量发展的关键路径。
长江经济带是我国经济发展重要战略支撑地之一，其范围覆盖我国东中西三个区域，包括江、浙、沪、皖、赣在内的11个省市，其人口和经济总产值均超全国平均水平，是我国经济体系的重要组成部分，同时长江经济带集中了全国近一半的科技创新人才，是引领我国创新战略发展的创新驱动带。《国家创新驱动发展战略纲要》中更是强调要提升长江经济带等区域的科技创新能力，打造区域协同创新共同体。对于长江经济带城市群而言，区域一体化可以促进其高效协同、深化跨区域合作，以追求城市群高质量创新，推动长江经济带发展。
本文要立足于定量的视角，实证区域一体化对创新绩效的驱动效果，旨在回答：区域一体化指数如何测量？从区域一体化角度研究其对创新绩效影响的路径是什么？我国实施的区域一体化战略是否能促进创新成果的产出，提升创新绩效？对这些问题进行解答，对于充分发挥区域一体化战略优势和增强区域创新能力具有重要意义。
2 文献回顾与作用机制
2.1 文献回顾
当前，学界有关区域一体化的研究成果比较丰富，相关主题研究主要集中在以下三个方面：区域一体化的内涵;区域一体化的测量、区域一体化影响因素和区域一体化的影响评估等四个方面，与本文密切相关的文献集中在区域一体化的影响效果评估方面。实际上，随着区域一体化的发展，区域社会经济发展等各方面都会受到一定影响，在经济效应评估方面，学者黄文、李雪松利用实证研究验证了区域一体化对区域经济发展的促进作用，并且这种促进作用在不同区域呈现不同程度的效果。在创新效应评估方面，学者高丽娜关注了其对城市创新方面的影响，利用实证数据证明城市群的一体化发展对城市创新的影响并非是简单的线性关系，而是存在一定的门槛效应;金露露等分析了区域一体化对城市绿色创新作用，提出长三角区域一体化对城市绿色创新水平的提升具有正向影响，但是作用不明显;这些研究对于本文理论探究提供了一些借鉴，区域一体化战略的实施对创新绩效是否有影响，在对理论机制分析基础上，进行一定的实证数据分析，这对理解我国区域一体化发展路径以及创新驱动发展的状况有着至关重要的作用。
总的来说，当前学界对区域一体化对区域发展的影响给予了较大的关注，但仍存在着几点不足：第一，学界鲜少将区域一体化与城市创新能力联系起来，来研究区域一体化对创新绩效带来的影响，这不利于理解区域一体化动力机制和本质特征，尤其是内生动力机制在区域发展中的作用。第二，对于区域一体化的测量大多使用单一指标的测量方式，不利于多方面评估一体化程度。基于此，本文可能的边际贡献在于将区域一体化与城市创新能力纳入统一的分析框架，试图分析区域一体化影响城市创新能力的理论机制、效果和条件，为促进我国“创新驱动”战略的发展提供新的研究视角。第三，从经济、市场、社会和空间四个维度构建评价指标体系、结合熵权TOPSIS方法测算了区域一体化程度，客观地反映了长江经济带地区城市的区域一体化发展程度。第四，鉴于区域一体化的动态发展过程，本文突破以往的静态研究，从动态方面实证探究区域一体化对于长江经济带城市创新能力的影响效果。
2.2 作用机制
外部性理论、城市经济学以及新经济地理学等理论为区域一体化对创新绩效影响提供理论基础。城市作为社会经济活动和国民财富创造的重要场所，具有高度的生产集中性和聚集性，而在区域一体化过程中，由于城市集聚或空间邻近，技术外部性得到有效发挥，使得知识创造、扩散和使用的成本降低，效率大大提高，为城市创新发展提供优势路径。本质上，区域一体化的创新驱动作用机理在于打破行政区划的隔离，弱化市场分割，加速知识、技术等创新资源的流动，有效整合和重置创新资源，同时加强区域创新系统中创新主体间交流互动，充分发挥产学研各主体的创新优势，为城市的创新发展共同发力。在实践中，区域一体化与创新绩效间复杂的耦合关系是主要以空间一体化为纽带的，地理的邻近性为主体合作交流，资源共享、部门重置等提供了条件，空间一体化表现下的城市群，是实施区域一体化战略的重要载体，而创新绩效则是战略实施的目标及效果。即区域一体化战略通过城市群作用，加速创新资源要素在区域间的流动，拓展了创新的广度和深度，形成区域内协同创新的内在动力，在此过程中，区域一体化基于知识溢出效应、要素再配置效应以及产业集聚外部性效应影响城市创新能力。如图1所示。
2.2.1 知识外溢效应
区域一体化的知识溢出影响着城市创新能力。个人要变为独立个体，其必要条件是知识分工，然而在合作的过程中由于知识的部分排他性、非竞争性等特点，个体间能产生交流的外部性，形成知识的外溢效应。创新从本质上来说是知识的创造性重组，不同主体间直接或间接相互交流，且在此交流过程中产生的无意识的知识传播过程，由于交流外部性效应的推动了知识的溢出和扩散，使得知识扩散和应用成本降低，从而促进城市的创新活动。同时，知识的传播具有明显的地理衰减作用，尤其是存在大量的隐形知识时，因此在创新过程中，地理距离变得非常重要，在一体化過程中，由于空间一体化，打破区域间的地理隔阂，城市的空间距离拉近，区域中创新主体的空间距离减小，在这个过程中，企业、组织等创新主体往往会选择从区域内寻找合作伙伴，这种区域的空间临近效应会更有利于发挥组织间的学习效应，实现知识共享，同时也有利于发挥知识的正外部性，生成新知识产生的正反馈机制。在另一反面，区域一体化中由于地理距离的邻近，使得两个城市行为体间的互动可以有效避免信息不对称，增强两个城市行为主体间的信任，有利于抵抗创新的不确定性风险，减少了企业的创新成本，从而进一步降低由创新不确定性产生的交易成本，特别是有助于建立隐性知识传递所需的信任。因此，从一定程度上来说，区域一体化有助于知识外部性的形成，而知识的外溢效应促进了以知识、技术为主导的区域城市创新的发展。
2.2.2 要素再配置效应
一体化的要素再配置影响城市创新能力的发展。在一体化过程中，创新要素间流动障碍减弱，要素在区域和城际间自由流动，导致货物运输成本、劳动力流动成本和工作匹配成本的下降，从而实现收益递增。城际间创新要素的共享和集成利用效率得到提高，创新要素承载的各类知识和技术也不断地在组织间、企业间空间扩散。区域一体化通过影响创新主体从组织间、区域间获取不同种类、不同规模的创新要素，选择不同的合作范式来促进城市创新能力的发展。
2.2.3 产业集聚效应
区域一体化的产业集聚外部性影响创新能力。区域一体化过程能够降低区域内创新要素流动成本，有利于实现要素的空间集聚，同时也加强了对新知识的吸收能力，通过要素流动的正外部性的发挥，促进集聚地创新资源配置的提高，提高区域创新效率。这不仅有利于城市群顺应区域合作发展要求而进行的产业结构调整和升级，同时也有利于推动区域间因产业结构而产生的更为紧密的联系。产业结构的调整升级对于合作区域内部而言，能够取得进一步加强区域一体化发展。
3 变量测度和数据说明
3.1 变量测度
3.1.1 因变量：创新绩效
创新绩效目前在学界没有统一的衡量标准，从各类文献综合来看，创新绩效指标的衡量主要有两种，一种是单一型指标，如有学者将专利申请数量作为衡量创新绩效指标，另一种是复合型指标，学者们主要是从多维度来考察城市创新能力，如从创新投入产出、创新环境与创新促进经济社会发展三个方面来构建城市层面创新驱动发展指标体系，根据本文需要，由于单一型指标不能全面反映本文所想体现的城市创新建设的各方面能力，考虑到本文所需数据需要从宏观、空间角度较为准确的反映城市的创新能力，本文借助佘硕、王巧方法，选取城市《中国城市和产业创新能力报告》中的城市创新指数来衡量城市创新能力。
图2选取长江经济带108个城市2003年、2007年、2010年和2016年的创新指数进行比较分析，横坐标为城市序号，纵坐标为创新指数值。通过分析发现不同城市的创新指数的时间趋势不尽相同，大部分城市的创新指数发展趋势比较平稳，无较大波动，但是图中突起的尖峰区域表明也有些城市的创新指数是随时间不断增长，且增幅较大，趋势明显，如成都、杭州、南京、上海、武汉、长沙、重庆等城市。创新指数不断增长的城市主要是各省的省会城市以及直辖市，这说明在一定程度上由于创新资源禀赋、城市制度政策等方面的差异，城市创新能力的发展趋势也各异，拥有丰富创新资源以及创新政策支撑下的城市创新能力发展较迅速。同时根据城市创新指数发展趋势发现，长江经济带的创新指数存在不平衡趋势，呈现出在东部区域聚集的显著特征，这主要是由于东部地区地理位置优越，靠近沿海，陆水交通便利，有着更高的贸易开放程度，拥有更高的技术水平。
3.1.2 自变量：区域一体化指数
目前学界对于区域一体化指数没有统一的测量评价体系，对于区域一体化的测量，根据研究的方向和角度不同，不同的学者有不同的测量的方法，有的采用城市人均GDP在不同时期相对城市群系统的变动为测度指标，构建城市群一体化指数，有的从区域一体化相对面考虑，以不同时期要素、商品相对价格的离差来测量一体化指数;有的从经济一体化、市场一体化、空间一体化建立区域一体化的综合指标评价体系。本文借鉴多维度综合指标测量方法，从经济、市场、社会和空间一体化四个维度构建评价体系，并运用熵权TOPIS法计算出区域一体化指数。如表1所示。
TOPSIS法是有限方案多目标决策分析的一种常用方法，也应用于效益评价、科学决策等各个方面，本文借鉴钟书华、王林评价体系计算方法，基于熵权TOPSIS法对长江经济带108个城市区域一体化发展水平进行综合评价。其具体步骤分为评价指标数据的无量纲化处理、计算评价指标的信息嫡值和权重以及计算评价指标值向量到正理想解和负理想解的距离，最后计算区域一体化水平，计算过程如下：
假设研究样本数为n，评价指标数为q，各项评价指标值为Xij（i=1，2，3，…，n;j=1，2，3，…，q）。由于评价指标数据间的量纲及单位之间存在着较大差异，首先采用极值标准化法对评价矩阵进行标准化处理，公式如下：
（4）采用欧几里得距离公式计算评价指标向量到正理想解和负理想解的距离：
（5）计算区域一体化综合评价指数Ci，城市的区域一体化水平综合得分值（Ci）越大，说明该城市区域一体化发展水平越高;反之，则说明该城市区域一体化发展水平较为缓慢和落后。计算公式为：
从位置来看，2003-2016年期间，核密度曲线整体上保持右移趋势，平移的距离先增大后减小，说明长江经济带城市的区域一体化指数总体是增长的，并且近几年发展程度逐渐稳定下来，大部分城市区域一体化指数在相对小范围内浮动，波动范围不大。从形状来看，长江经济带城市区域一体化程度呈现两极分化状态，且始终存在，这说明长江经济带上大多数城市区域一体化程度不高。从数据展示来看，长江经济带区域一体化指数较高的城市均来自东部，以江浙沪集聚，中西部城市除省会城市外，其他城市区域一体化指数都比较低，呈现出显著的东西部不平衡的区域差异。事实上，长江经济带城市区域一体化发展程度的空间差异及所表现出的特征是地理位置、资源禀赋和制度政策等多种因素共同作用的结果。其中，自然因素是基础，经济发展水平是重要驱动，不同经济发展阶段下，城市创新系统对其的反应程度不同，另一方面区域一体化协同创新機制和平台的缺失，会使得要素的统筹规划和流动效率受到限制，加剧了一体化两极分化现象。如图3所示。
3.1.3 控制变量：其他影响城市创新能力的变量
根据投入一产出理论，在城市创新方面，经费投入以及人力投入是影响城市创新绩效的重要因素，在这里利用政府科学投入作为城市创新经费投入衡量值，人力资本是影响城市创新产出的关键因素，也是城市创新能力重要衡量标准，本文中利用城市人口密度作为衡量指标;另一方面，城市的基础设施等综合发展水平、开放程度对城市创新能力具有重要的影响作用，因此采用城市化水平、实际利用外资情况指标来衡量城市这些方面的发展水平情况。
3.2 数据来源与处理
本文旨在探讨区域一体化战略对于创新绩效的驱动效果，选取长江经济带108个城市为样本，由于数据的可获得性和完整性，将样本时间界定在2003-2016年，因变量城市创新指数主要来源于《中国城市和产业创新能力报告》，自变量区域一体化指数的评价体系中的数据均来源与《中国城市统计年鉴》和各地方城市统计年鉴作为补充，控制变量均来自于2003-2016年的《中国城市统计年鉴》和各县市的地方统计年鉴，还有部分数据来源与各政府统计公报等。对于部分缺失数据，采用均值法进行填补。由于本文采用的一些经济变量数值较大，为了缓解异方差导致的估计偏误问题，以及模型设定要求，我们对文章中相关变量均进行了对数化处理。如表2所示。
4 计量模型与估计方法
4.1 计量模型设定
为了检验区域一体化对城市创新能力的影响，本文选择长江经济带2003-2016年108个城市的面板数据构建回归模型。利用面板数据的优势之一在于可以根据个体的动态行为进行模型的构建，但需要注意的是，由于惯性或部分调整，个体的当前行为会取决于过去的行为。如在本文中，某年份的城市创新能力不仅受到人力、经费等投入的影响，同时也会受到上一年创新状况的影响，创新能力较高的城市往往存在一种创新惯性，推动下一年城市创新能力有更大的发展，这种情况的存在容易导致我们在考察创新能力提升的影响要素时，忽略该城市上一年度创新能力现状，导致出现内生性问题。内生性的存在会使得实证的估计系数有误，从而不能真实反映区域一体化对创新绩效的影响。为了解决内生性问题，本文选用动态面板模型进行估计，将因变量滞后一期作为工具变量纳人到模型中进行回归，并采用动态面板系统GMM模型进行估计，以便解决遗漏变量导致的内生性问题，更好地考察变量之间的动态效果。动态模型基本形式如下：
其中，下标i代表108个样本城市，t代表2003-2016年，因变量lninnovit代表城市创新能力，具体量化为各城市的创新指数取对数，res为核心自变量，区域一体化指数，一系列控制变量表示影响城市创新能力的其他因素，包括地区政府科学支出、科研综合技术人数、人口密度、城镇化水平等变量。α代表常数，β0、β1和γ为待估系数，μi为个体固定效应，表示随省份变化但不随时间变化的效应;λt为时间固定效应，表示随时间变化但不随省份变化的效应;εit为随机扰动项。
4.2 估计方法有效性检验
本文采用STATA15.0进行回归检验，在回归检验前，为了确保模型估计的一致性和有效性，对数据进行了如下处理：
其一，进行多重共线性的检验，对模型中的所有解释变量和控制变量进行了方差膨胀因子（VIF）诊断，结果表明所有变量的VIF值最大为3.13，平均VIF值为2.14，远低于经验值10，另一方面，各自变量之间的Pearson相关系数均不超过0.80，这表明不必担心存在多重共线性的问题。
其二，对数据平稳性进行检验。面板数据不平稳性会带来的“伪回归”和“虚假回归”问题，为了避免这类问题，首先对面板數据进行平稳性检验，利用LLC（Levin，Lin和Chu）对区域一体化指数和创新指数两个变量指标进行面板数据单位根检验，检验结果P=0强调拒绝原假设，表明不存在单位根，数据是平稳的。
其三，对于异方差的检验，采用怀特检验和BP检验两种方法，以因变量创新指数进行检验，P值等于0，强烈拒绝同方差的假设，认为模型存在异方差，根据异方差的处理方法，在后续回归时统一都使用了稳健标准误进行纠正。
5 实证结果与分析
5.1 回归检验
本文基于动态面板系统GMM模型估计，采用逐步回归的方式，逐一加入控制变量进行回归。动态GMM模型回归结果见表3，依次就各变量对城市创新能力的影响进行分析，验证各变量与创新能力之间的相关性。
模型一到模型五是逐步添加控制变量的系统GMM回归，由表3中的回归结果可知，区域一体化水平与城市创新能力具有显著的正相关关系，与理论分析观点一致。模型一表明在不添加控制变量的情况下，区域一体化对于城市创新绩效的回归系数为正，且在5%显著性水上显著，其回归系数为0.612，这说明当区域一体化水平提高1%时，城市创新能力就会提高0.61个百分点。区域一体化所带来的创新资源的集聚以及协同创新成本的下降使得城市创新能力不断提高。当不断加入控制变量，区域一体化对城市创新绩效的正向影响依然存在，但是其回归系数逐渐减小，当加入全部控制变量，其回归系数变为0.353，且在10%显著性水平上显著，其回归系数更加接近现实，说明控制变量对回归关系的间接影响作用显著。同时，回归结果表明，在不断加入控制变量后，滞后一期的创新指数对城市创新能力始终具有正向的促进作用，其始终在1%显著性水平上显著，进一步证实了城市创新存在一种创新惯性，在此基础上影响下一年度城市创新能力的发展。
模型二、四表明，城市化水平、城市人口积极对于城市创新能力具有显著的抑制性作用。这可能与城市人口结构，及城市发展所带来的挤出效应有关，创新能力高低主要来源于新知识、新技术的产生，而新知识、新技术的产生依赖于高素质人才，人口密度大的城市其高素质人才占比不一定大。根据人口普查结果显示，长江经济带城市高中及以上高素质人才占比较小，人口结构中初中及以下教育水平的人口占据大部分比重。在实践中，城市创新发展所需的人力资源主要来自于高素质技术人才，这样由于知识外溢及空间集聚所带来的创新扩散作用才能发挥。在另一方面，城市化水平在发展过程中可能占据较多资源，在一定程度上削弱城市对于创新能力发展的投入。模型三、五表明，政府科学支出，外商投资作为城市的经济规模主要构成，同时也是创新的主要经费投入，它是新技术、新知识产生的基础条件，它对创新产出的影响具有显著促进作用，当政府不断加大科技创新的经费投入时，能有效解决研发创新过程中资源短缺等问题，促进城市创新能力的发展。
