高新区升级能否提升城市创新水平？*——基于准自然实验的证据

■ 杨韡韡 康嘉茹 葛志远

北京工业大学经济与管理学院 北京 100124

0 引言

自1951年世界上第一个科技园区“硅谷”建立并取得了举世瞩目的成就后，许多国家开始建立类似的园区。西方国家称之为“科技园”，如英国的剑桥科技园，德国的慕尼黑和海德堡科学园，巴西生物科技园等。而我国称其为“高新技术产业开发区”，简称“高新区”。高新区作为一种政策洼地，凭借其独特的发展模式，汇集高新技术企业和创新资源，成为带动城市发展的重要创平台[1]。同时，作为各种要素和创新资源的集聚地和建设创新型国家的主要载体，城市创新水平也逐渐成为影响国家创新能力的重要力量。十九大报告指出，从2020年到2035年，我国既要基本实现社会主义现代化，又要大幅度提升经济实力和科技实力，跻身创新型国家的前列。因此，作为国家实施创新驱动发展战略的主要阵地和城市创新体系的重要组成部分，高新区如何利用自身创新优势提高国家创新能力是现阶段的主要任务。

随着全球范围内科技园和高新区的设立，国内外学者对其政策效果做了大量研究，主要聚焦于“地区经济”和“企业绩效”两个层面[1]。Larson and Rogers 于1985年[2]发现硅谷具有显著的集聚效应，并分析了该效应的形成条件，为后来学者研究高新区发展奠定了理论基础。随后，不断有学者加入“高新区政策效果评估”的队伍中，在研究策略上均以“高新区的设立”作为独立的政策冲击变量，分析对地方经济和企业生产率的影响，但未得出一致结论。

就地区经济发展而言，其一，科技园政策利于重新布局地区间的经济活动[3]，带动当地就业、投资，从而推动地区经济发展[4]；其二，高新区的设立能显著促进所在城市的全要素生产率的增长，其作用机制为高新区政策带来的技术进步[5]，但这种增长效应按城市等级的高低呈现出边际效用递减的规律[6]；其三，高新区政策能引导统一地区生产要素优化再配置，从而促进区域产业结构升级[7]。然而，也有部分学者认为通过科技园优惠政策吸引而来的企业多数是由其他地区转移而来的企业，并非均为新生企业[8]，表明科技园政策仅存在替代效应，并无明显创造效应。科技园为所在城市带来的收益与其他城市产生的损失相抵消，即科技园政策对地区整体经济发展和社会福利无明显促进作用[9]。

就企业绩效而言，相关文献可分为两条研究路线：一是探究高新区政策对企业绩效的影响。余淼杰等于2018年[10]研究认为高新区的设立对企业生产率的提升具有显著的积极意义，高新区的企业项目引进推动了园区优胜劣汰机制的形成，对企业的生产率的提升具有积极作用[11]；高新区也存在正向的溢出效应[12]，区内企业知识和技术的外溢提升了高新区周边企业的生产率。二是探究高新区企业生产率优势的来源。多数学者使用Combes 法，通过分析高新区企业生产率分布的截断与平移特征，从而识别“集聚效应”和“选择效应”是高新区企业生产率优势的主要来源，并分析出了二者对高新区生产率优势的贡献程度[13-14]。

以往文献都在评估现有全部国家高新区的政策效果。然而，从国家高新区的发展历程可以发现，2003年前的国家高新区都以新建为主，2009年后的国家高新区都是由省级高新区升级而来的。因此，已建立国家高新区和新升级国家高新区具有时代性差异，二者成立时的国内外背景、国家对其的基础要求、布局重点、支持条件和赋予的使命等均不同[10]，若将二者混在一起研究，可能导致政策效果的估计偏差。事实上，鲜有文献将二者进行区分重点关注新升级的国家高新区，探究“升级”政策的效应。因此，本文将早期建立的国家高新区和新升级的国家高新区区分开，以“高新区升级”政策作为切入点，研究省级高新区升级为国家级高新区是否会改善城市创新水平。

1 理论模型及假说

1.1 理论模型

本文借鉴P.Romer 在1990年提出的内生增长理论模型的基本思路，假设社会经济生产存在两个模型部门：制造产品的产品生产部门和增加知识存量的研发部门。资本存量中αK的份额用于研发部门，1 -αK的份额用于生产部门；劳动中αL的份额用于研发部门，1 -αL的份额用于生产部门，且αK和αL都是外生变量且不随时间变化。假设在t 时期，全社会的资本为K(t)，劳动为L(t)，技术为A(t)，产出为Y(t)。基于此，在t 时期，社会经济产出函数和创新产出函数分别为：

其中，0 <α< 1，β> 0,γ> 0,θ> 0***θ表示现有知识存量对研发成败的影响。。假定社会经济产出函数和创新产出函数为一般化的柯布—道格拉斯生产函数，G为政府影响的系数，B为移动系数，代表外部因素的影响。

1.2 理论假说

1.2.1 高新区升级影响城市创新水平的机制分析

高新区是推动城市创新水平和经济发展的主要动力[11]，享受着囊括税收优惠、信贷支持、财政补贴、土地优惠、人才引进和科技奖励等优惠政策。但不同级别的高新区所对应的政策优惠存在明显差异，省级高新区升级为国家高新区，意味着高新区制度环境的升级，进一步拉大了高新区内外的政策差异，增强高新区的集聚优势。一方面，高新区升级后有足够的人力、财力和政策支持去进行体制机制创新，优化区内营商环境，为企业发展助力；另一方面，强力度的倾斜政策、广阔的园区发展平台和完善的基础设施将吸引大量企业集聚高新区，尤其能够吸引一批高科技企业入驻，此举强化了高新区的集聚优势[12]。专业化的集聚不仅能够共享园区基础设施、优质劳动力和中间投入品等，降低企业生产和交易成本[13]，推动企业技术创新，也会带来知识和信息溢出，发挥高新区的辐射带动作用。集聚效应和知识溢出效应作为一种积极的外部影响因素，不仅能够增大（4）式中方的移动系数B，也刺激现有知识存量对创新产出的影响，即增加了θ，所以创新产出函数变为：

由于ΔB和Δθ均大于0，式（3）中的创新产出大于式（2）中的创新产出，所以省级高新区升级为国家级高新区将提升城市创新水平。基于此，本文提出：

H1：省级高新区升级通过集聚和溢出效应推动城市创新水平的提升。

1.2.2 高新区升级影响城市创新水平的异质性分析

新升级的高新区与高校、科研机构、政府、中介机构等主体通过产学研协同创新（如图1所示），加快区内外信息和技术的流通，改善区内外创新环境，为城市创新水平的提升提供了重要保证。高校和科研院所拥有知识和人才优势能弥补高新区企业研发活动中的基础知识缺口[14]。区内企业以中间产品或最终产品的形式，将技术和知识扩散至区外市场和企业，进而提升整个城市的创新水平。此外，国家高新区与高质量科教资源的集聚，推动了城市专业化资本市场和劳动市场的形成，提供高质量的创新要素，改善城市创新水平。高新区是在政府的引导和支持下设立和发展的[15]，区内的创新活动都是在政府的政策倾斜和支持下产生的。为鼓励高新区企业自主创新，政府为其提供专项研发补贴，重点保护企业的知识产权。为推动产学研协同创新，政府为校企共建平台提供持续性的支持和补贴，鼓励科研院所和高校培养专业化人才。

图1 高新区所在城市创新主体关系图

因此，高校、科研机构和政府对城市创新水平的影响至关重要。高效率政府能利用高新区升级后的制度优势提升本地创新水平和经济效率；科教资源越丰富，越能发挥升级后的产学研协同创新优势，提升创新水平。优质科教资源越丰富、政府效率越高的城市，创新产出函数中移动系数B和政府影响G越大，所以新的创新产出函数为：

式（4）中的创新产出大于式（2）中的创新产出。基于此，本文提出：

H2:城市科教资源越丰富、优质，高新区升级对城市创新水平的提升幅度越大。

H3：政府效率越高，高新区升级对城市创新水平的提升幅度越大。

国家高新区在国家科技创新发展战略中扮演者重要的角色，是构建科技创新体系、提升整体技术创新水平和实现创新成果转化的重要平台。省级高新区升级为国家级高新区也是创新平台的升级，从而促进高新技术企业和科研机构的信息交流和技术学习，大幅提高双方开展科研创新活动的匹配度，提升科技成果转化率。高新区平台升级带来园区内基础知识存量的升级，即增大了A(t)和θ，所以新的创新产出函数为：

式(5)中的创新产出大于式(2)中的创新产出。各城市的经济发展水平和创新禀赋参差不齐，一、二线城市拥有较高的初始创新禀赋，对技术创新具有先天优势，平台的升级将增强这种优势，在短期内较大程度提升城市创新产出。

基于此，本文认为：

H4:高新区升级对三、四线城市创新水平的提升幅度小于一、二线城市。

2 研究设计

2.1 模型设计

本文将“省级高新区升级”视为一项准自然实验，根据“是否升级”将样本分为实验组（已升级的高新区所在的城市）和对照组（未升级的高新区所在的城市），通过对比实验组和对照组在升级前后的差异，估计升级的净效应。省级高新区升级工作是逐年批复的，具有多个政策冲击时间点，所以本文采用多期双重差分模型（DID）评估省级高新区升级为国家级高新区对城市创新水平的净效应。因此，本文借鉴相关学者对此类问题的研究设计[16，17]，选取2009～2013年连续5年为政策冲击时点，构造高新区升级的虚拟变量treat，实验组的城市取1，对照组的城市取0；同时，定义时间虚拟变量post，升级后的年份取值为1，升级前的年份取值为0，交互项treat×post(下文用didi,t表示)。在此基础上，可以构建如下多期DID模型：

其中，ln_innoit为被解释变量，表示城市i在t年的城市创新水平，didi,t为关键解释变量，xi,t为一系列控制变量。λt为时间固定效应，τi为各城市的个体固定效应,a1为核心估计参数，表示省级高新区升级对城市创新水平影响的净效应。如果a1为正，说明省级高新区对城市创新水平的提高有积极作用。反之，存在阻碍作用。

2.2 数据来源与变量选取

本文选取207 个地级市2001～2016年共3300 个样本。首先，在中国科学技术部官网和各地政府网站整理出成功升级的国家高新区名单，识别出此类高新区所在城市，作为实验组样本；其次，基于《国家开发区审核公告目录》整理出2006年之前设立的国家高新区名单，识别出高新区所在城市，作为早期已设立国家高新区的城市样本；最后，剔除新升级国家高新区所在城市和早期已设立国家高新区所在城市的样本，余下城市样本为对照组样本。

因变量。本文采用《中国城市和产业创新能力报告2017》中的城市创新指数（inno）来考察城市的创新水平。

自变量。本文的解释变量为高新区升级政策（did）。政策变量采用虚拟变量来表示，若城市i在t年有新升级的国家高新区，则取值为1；若城市i在t年无新升级的国家高新区，则取值为0。根据以往相关研究，本文选取金融规模（fin）、研发投入（rd）、城市创业水平（entre）、政府规模（gover）、非农人口规模（nap）、对外开放程度（open）作为控制变量。描述性统计结果见表1。

表1 描述性统计

3 实证分析

3.1 基准回归结果

本文对公式（6）进行估计以检验省级高新区升级对城市创新水平的影响，结果如表2所示。模型（2）在模型（1）的基础上加入控制变量，以考察省级高新区升级对城市创新水平的影响如何随控制变量的加入而发生变化。结果发现，无论是否增加控制变量,核心解释变量did的估计系数符号都在1%的水平下显著为正，说明省级高新区升级为国家高新区提升了城市创新水平，验证了H1。这是因为，国家高新区作为城市创新要素集聚区域，可形成溢出效应以辐射带动整个城市创新水平的提升。国家高新区内的企业与区外上下游企业或其他创新主体进行合作，通过技术转让或知识溢出，形成覆盖整个城市的创新网络，提升城市创新水平。此外，国家高新区集聚着大量应用型人才，这些人员的流动会带走区内企业隐性知识和技术，进而强化高新区对城市创新的溢出效应。

表2 基准回归结果

3.2 稳健性检验

3.2.1 PSM-DID检验

本文使用双重差分倾向得分匹配（PSM-DID）模型对基准回归结果进行证实。选择政府规模（gover）、金融规模（fin）、研发人员比例（rrdp）、人力资本水平（hcap）、固定资产投资水平（inv）作为匹配变量，基于非替代性的一对一最近邻匹配方法，估计出倾向得分，匹配出相应的对照组城市。由图2可知，匹配之后实验组与对照组之间的概率密度基本保持一致，说明匹配效果良好。由表3平衡性假设检验可知，匹配之后所有匹配变量的偏差的绝对值都小于5%，有效地缩小了实验组和对照组样本协变量的偏差，说明本文选取的匹配变量与匹配方法是合理的。匹配之后的t 检验结果都不显著，说明匹配后的变量在对照组和处理组之间不存在显著差异。因此，经过匹配的对照组符合作为处理组的反事实个体的条件，为下一步的双重差分分析筛选出理想的样本。在此基础上进行双重差分估计，高新区升级的处理效应显著为正，说明省级高新区升级为国家高新区改善了城市创新水平，再次证实了前文结果。

图2 匹配前后倾向得分核密度图

表3 PSM平衡性检验结果

3.2.2 平行趋势检验

本文借鉴Jacobson 等（1993）的做法进行多时点平行趋势检验。具体公式如下：

其中，didi,t+k是高新区升级前后的哑变量，k取正数时表示升级后k年，k取负数时表示升级前k年，本文截取政策实施前后各四年的样本进行分析。αK表示高新区升级前后实验组和对照组之间的城市创新水平之间的差异。由图3可知，在政策冲击前4 期，每期的交互项系数均与0无显著差异，满足平行趋势假设；在政策冲击的后4期，每期的交互项系数均大于0，且呈上升趋势，说明省级高新区升级显著地提高了其所在城市的创新水平。

图3 多期DID平行趋势检验图示

3.2.3 安慰剂检验

本文进一步利用反事实方法，以高新区升级前的年份作为样本区间，人为设定一个省级高新区升级时间点，检验其对城市创新水平的影响。具体的，2010年升级的高新区以2001～2008年作为研究区间，2005年作为虚拟的升级时间，其他年份以此类推。设置组别虚拟变量treat与虚拟升级时间的交叉项,did2010,did2011,did2012,did2013如果交叉项未通过显著性检验，表明城市创新水平的提升确实是由高新区升级带来的。检验结果如表4所示，did2010,did2011,did2012,did2013均不显著，说明基准结果具有稳健性。

表4 安慰剂检验结果

4 政策效应异质分析

4.1 科教资源异质性

在城市创新系统中，高校和科研院所与高新区的联结是提升城市创新能力的关键一环。本文利用各城市高等院校的数量衡量科教资源规模，若某个城市设有5所以上高等院校，则认为该城市科教资源较丰富，若少于5 所，则认为科教资源一般。检验结果如表5所示，科教资源丰富的城市在1%的水平下显著，而科教资源一般的城市显著性水平为10%，同时，前者的did 系数大于后者。这表明城市科教资源越丰富，高新区升级对城市创新水平的提升作用越大，验证了H2。本文认为省级高新区升级不仅增强了高新技术产业的集聚，也增加了整个城市对高新技术的需求，进而带动城市科教资源与高新区的联结和整合。因此，城市科教资源越丰富，产学研协同创新效率越高，升级对城市创新水平的提升作用越明显。

4.2 政府效率异质性

城市创新水平的提升是各创新主体协同作用的结果，而政府作为创新系统中一个不可或缺的主体，在城市创新过程中扮演者重要的角色[18]。对于城市层面政府效率的衡量，本文借鉴《2016年中国地方政府管理效能排行榜》，将高新区所在的城市划分为高政府效率组和低政府效率组。分组检验结果如表5所示，一方面，高政府效率组的在1%的水平下显著，而低政府效率组在10%的水平下显著，显著性水平较弱；另一方面，高政府效率组的核心解释变量did 的系数要大于低政府效率组。这些均说明城市政府效率越高，高新区升级对城市创新水平的推动作用越大，验证了H3。

表5 异质性检验结果

4.3 城市等级异质性

不同等级的城市在创新要素集聚能力和创新资源配置效率上存在差异，从而导致高新区升级对城市创新水平的影响在不同城市之间表现不同。在保证样本量的前提下，本文把各城市划分为一、二线城市和三、四线城市两组以进行城市等级异质性检验。一二线城市和三四线城市组都在5%的水平下显著，但前者的did 系数却远高于后者。这说明无论是几线城市，高新区升级都能较显著地提升城市创新水平，但对一二线城市地提升幅度要高于三四线城市，验证了H4。本文认为出现这种现象的原因可能是，相比三、四线城市，一、二线城市拥有更强的经济发展优势和创新要素集聚优势，在高新区升级的推动下，更有利于发挥城市创新潜力，发展创新和创业型经济。

5 结论与政策启示

本文基于我国2001～2016年的城市面板数据，实证分析了省级高新区升级对城市创新水平的影响。主要得出以下结论：省级高新区升级能够显著提升所在城市的创新水平，而集聚效应和溢出效应是推动创新水平提升的重要原因。政府效率越高，越能利用高新区升级后的制度优势提升本地创新水平；高校和科研院所数量越多，科教资源越丰富，越能发挥升级后的产学研协同创新优势提升创新水平。等级越高的城市，在创新要素集聚能力和创新资源配置效率越高，高新区升级对城市创新水平的提升作用越大。

基于上述结论，本文的政策启示是：第一，强化高新区的集聚效应和溢出效应，推动城市经济持续健康发展。本文研究结果表明，高新区升级能显著提升城市创新水平，这自然与高新区升级所来带的集聚效应和溢出效应分不开。为强化这两种积极效应，高新区政府在招商引资中应注重区内各企业间的有机联系，促进产业集聚的形成，发挥集聚经济的优势；借助高新区产业的网络辐射力，提高信息的流动能力，建立标准化产业互动平台，引导产业合理布局，促进区域产业链的形成，进一步发挥高新区集聚经济的溢出效应。

第二，提高政府效率，强调“有效政府”。异质性分析表明，高政府效率是提升城市创新水平的重要保障。这要求深化政府体制机制改革，建立法制政府，整治寻租行为和腐败乱象；转化为服务型政府，较少繁杂冗长的行政审批，提升区内企业的项目审批效率，进一步推行电子政务，为高新区营造一个高效便捷的营商环境和优良的创新环境，充分发挥高新区升级红利，带动整个城市发展。

第三，合理嵌入科教资源，满足产学研协同创新需求。高效、科研院所是高新技术产业知识挖掘、传播的主要创新主体，对区域创新能力的提升发挥着重要作用。各地区科教资源丰度差别较大，低丰度地区产学研协同效应不能有效发挥。政府应首先密切结合本地产业规划，吸引一些高校和科研院所入驻，满足产学研协同创新对人才和技术的需求；其次，加大对科技领军人才及团队的稳定长期支持，通过调动各创新主体的积极性，生产、传播、应用高新知识和技术，从而实现区域产业创新网络化发展。