研发要素流动、空间溢出与经济高质量发展

陈 文

（南京邮电大学 管理学院，江苏 南 210003）

一、引言

党的十九大提出中国经济由高速增长转向高质量发展阶段，高质量发展成为我国经济建设的主题。2020 年3 月，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》指出：促进要素自主有序流动、提高要素配置效率对推动经济发展质量变革具有重要意义，意见要求引导劳动力要素合理畅通有序流动，推进资本要素市场化配置。研发要素是保障我国创新驱动战略顺利实施，推动经济可持续发展的重要资源，包括R&D 人员和R&D 资本等。目前，随着户籍制度和金融制度改革不断深入，研发要素逐渐跨越区域界限在省际大规模流动，深刻影响着经济发展。因此，在新时代背景下，研究研发要素流动对经济高质量发展的影响具有重要的理论和现实意义。

二、文献综述

目前，国内外关于研发要素流动与经济高质量发展的研究，主要包括以下几个方面：

第一，要素流动对经济增长的影响。在经济高质量发展概念提出以前，国内外学者主要关注经济增长质量。Eng 等（2016）[1]基于亚洲9 个国家的数据，发现资本流入对经济增长无显著影响，但资本流出对经济增长存在负向作用。易莹莹和凌迎兵（2015）[2]基于重庆市的数据，发现劳动力流出和流入分别促进和阻碍其经济增长。方慧等（2020）[3]基于国际数据，发现生产要素跨国流动表现为外商直接投资，要素禀赋显著促进经济增长质量。

第二，经济高质量发展的内涵和评价方法。郭春丽等（2018）[4]认为经济高质量不仅包含经济总量，还包含经济效益提升、结构优化、可持续发展及发展成果共享等。肖周燕（2019）[5]认为高质量发展是在一定生态规模下社会福利持续增进的发展。目前，对经济高质量发展水平的评价主要有两种方法，一是构建评价指标体系，师博和任保平（2018）[6]构建了包含经济增长基本面和社会成果2 个维度6个指标的评价体系。华坚和胡金昕（2019）[7]基于五大发展理念，构建了涵盖13 个一级指标、29 个二级指标的经济高质量发展评价指标体系。二是用某一指标表征经济高质量发展水平，如陈诗一和陈登科（2018）[8]将劳动生产率作为经济高质量发展水平的代理变量。刘思明等（2019）[9]用全要素生产率表征经济高质量发展。

第三，研发要素流动对经济高质量发展的影响。白俊红等（2017）[10]发现研发要素流动的空间溢出效应显著，显著促进中国经济发展。王钺和刘秉镰（2017）[11]认为研发资本流动对我国区域全要素生产率的正向影响显著。陈晓（2019）[12]认为研发要素流动显著促进本省和周边省份的全要素生产率。

综合上述研究发现，已有研究大多聚焦在经济增长质量上，对经济发展质量的研究较少；对研发要素流动的空间知识溢出效应和路径依赖性研究不足。因此，本文将基于SBM 方向距离函数测度绿色全要素生产率，用其表征经济高质量发展水平。运用动态SDM 模型从空间溢出效应和路径依赖性两方面研究研发要素流动对省域经济高质量发展的影响。

三、理论模型

（一）空间权重矩阵

定义空间权重矩阵W：wij是W中第i行第j列的元素，表示区域i与区域j之间的距离。其中，主对角线上的元素wnm=0，即同一区域的距离为0。

0～1 邻接矩阵基于地理相邻关系，当区域i与区域j有共同边界时，wij=1；否则wij=0。

地理距离矩阵基于各省之间的地理距离dij，当i≠j时，wij=1/dij2；否则wij=0。

（二）空间计量模型设定

空间滞后（SAR）模型只包含空间因变量滞后，空间误差（SEM）模型只包含空间误差自相关，而空间效应可能同时存在于上述两个方面，基于此，LeSage 构建了包含这两种空间效应的空间杜宾（SDM）模型。相较于静态空间面板模型，动态空间面板模型可有效处理内生性问题，并显著降低空间自回归系数的有偏性。因此，采用动态SDM 模型进行分析：

Y表示被解释变量，X表示解释变量，Control表示控制变量。W表示空间权重矩阵，εit是满足独立同分布的扰动项。

四、变量选取与说明

（一）经济高质量发展水平（GTFP）

运用MaxDEA 软件测算SBM 方向距离函数的GML 指数，具体指标为：投入指标包括地区就业人数、资本存量、能源消费总量；期望产出为地区生产总值；非期望产出包括工业废水排放量、工业废气排放量、工业固体废物产生量。根据Cooper 等的研究，考虑非期望产出的SBM 模型为：

s-∊Rn，sb∊Rv，sg∊Ru分别表示投入过多、非期望产出过多和期望产出不足。0<ρ≤1，其分子和分母分别代表决策单元实际投入与产出相对于生产技术前沿面的平均可缩减比例和可扩张比例。当且仅当ρ=1，即s-=0、sb=0、sg=0 时，决策单元完全有效；ρ<1 表示决策单元存在效率损失。

为解决ML 指数的跨期方向距离函数可能存在无可行解的问题，Oh 提出了GML 指数：

（x，y，b；g）是在全局生产可能性集合PG（x）下定义的全局方向距离函数。表示第t+1 期的GTFP 相对于第t期的环比增长率。因此，假设2008年的GTFP 为1，将各期GTFP 累乘得到相应年份的GTFP。

（二）研发要素流动

根据白俊红等（2017）[10]的研究，用引力模型测度研发要素流动量。

1.R&D 人员流动量

Mi为i省的R&D 人员数量，Nj是j省的城镇单位就业人员平均工资，dij表示i、j两省的地理距离。PFij表示从i省到j省的R&D 人员流动量，PFi表i某一年份i省R&D 人员的总流动量。

2.R&D 资本流动量

Ki与Kj分别表示i省和j省的R&D 资本存量，根据吴延兵的研究，采用永续盘存法来计算各省的R&D 资本存量。CFij表示从i省到j省的R&D 资本流动量，CFi表示某一年份i省R&D 资本的总流动量。

（三）控制变量

选取4 个控制变量：交通运输水平（tra），用单位面积铁路和公路里程和来表示；企业平均规模（size），用规模以上工业企业平均资产总额来表示；人力资本水平（edu），用劳动力平均受教育年限来表示；政府支持力度（gov），用R&D 经费内部支出中政府资金所占比重来表示。

基于2009—2017 年中国省级面板数据展开研究，因西藏地区数据缺失较多，暂不予研究。数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》《中国城市统计年鉴》《中国环境统计年鉴》等。以2009 年的价格为基期，对相关变量进行平减。

五、实证研究

（一）空间自相关检验

Moran's I 指数可考察数据的空间自相关性，其值一般介于-1～1 之间，大于0 表示空间正自相关，小于0 表示空间负自相关，等于0 表示不存在空间自相关性。结果如1 所示。

由表1 可知，2011—2017 年的Moran's I 指数均显著为正，且考察期内显著性呈增强趋势，表明经济高质量发展水平具有较强的空间正自相关性，适用空间计量模型。

表1 2009—2017 年我国经济高质量发展水平的Moran's I 指数

（二）空间计量模型选取

1.LM 与Hausman 检验

由表2 可知，LM-Error、RobustLM-Error、LM-Lag均通过了1%的显著性检验，而RobustLM-Lag 通过了5%的显著性检验，因此，选择SDM 模型更加合理。为判断选择固定效应还是随机效应，进行了Hausman检验，结果显示，chi2（4）=45.99，Prob>chi2=0.000，在1%的显著性水平下拒绝原假设，因此选择固定效应模型。

表2 LM 检验结果

2.LR 检验与Wald 检验

表3 显示，LR 检验和Wald 检验结果分别拒绝了θ=0 和θ=-δβ假设，说明SDM 模型不能转化为SAR 或SEM 模型，即SDM 模型包含的两种传导机制对经济高质量发展的作用都不能忽略，因此下文将基于SDM 模型展开研究。

表3 LR 检验和Wald 检验结果

（三）研发要素流动对经济高质量发展的动态空间SDM 模型

由表4 可知，空间项系数均在1%水平下显著为正，表明本省经济高质量发展水平受到其他地区的影响。经济高质量发展水平滞后一期（lnGTFP（t-1））的回归系数均在1%水平下显著为正，表明各省前期的经济高质量发展水平对当期经济高质量发展具有显著正向影响。

表4 动态空间SDM 模型回归结果

就研发要素流动来看，在地理距离矩阵下，lnPF回归系数在5%的水平上显著为正，在0～1 邻接矩阵下的回归系数为正，但不显著，表明R&D 人员流动对经济高质量发展具有一定的促进作用。lnCF回归系数分别在1%和5%的水平下显著为正，说明R&D 资本流动能够显著推动经济高质量发展。综合来看，R&D 资本流动对经济高质量发展的推动作用强于R&D 人员流动。这一发现与王钺和刘秉镰（2017）[11]的结论相似，即R&D 资本流动显著促进全要素生产率的提升，而R&D 人员流动对全要素生产率影响不显著。

在控制变量中，lnedu、lntra、lngov的回归系数均在1%水平下显著为正，说明人力资本水平、交通运输水平、政府支持力度对经济高质量发展有显著正向影响。lnsize回归系数均小于零，在地理距离矩阵下通过了1%的显著性检验，但在0～1 邻接矩阵下未通过显著性检验，说明企业平均规模对经济高质量发展有一定的制约作用。

（四）研发要素流动对经济高质量发展的空间溢出效应

表4 中，R&D 人员流动和R&D 资本流动的空间交互项系数均显著，但由于SDM 模型无法直接反映自变量对因变量的影响，因此运用偏微分方法计算直接效应、间接效应（空间溢出效应）和总效应。

由表5，R&D 人员流动的直接效应和间接效应均在10%的水平下显著为正，表明R&D 人员流动显著促进本省和周边省份的经济高质量发展。R&D 资本流动的直接效应为正但不显著，间接效应在1%的水平下显著为正，说明R&D 资本流动对本省经济高质量发展的正向影响较小，却对周边省份有显著的正向作用。从总效应来看，两种研发要素流动均对省内和省外的经济高质量发展具有显著推动作用，且R&D 资本流动的作用强于R&D 人员流动。

表5 空间效应分解

交通运输水平、人力资本水平、政府支持力度的直接效应均显著为正，而间接效应显著为负，表明这三个因素能够促进本省的经济高质量发展，却对周边省份有一定的阻碍作用。企业平均规模表现出了与上述三个控制变量相反的作用，其显著阻碍了本省的经济高质量发展，却显著促进周边省份的经济高质量发展。总效应与SDM 模型的结果类似。

六、结论与建议

本文运用动态SDM 模型实证研究了研发要素流动对经济高质量发展的影响，主要结论如下：第一，经济高质量发展水平存在显著的空间集聚效应和路径依赖性。Moran's I 指数表明经济高质量发展水平呈现出“高高—低低”聚类。动态SDM 模型结果表明前期的经济高质量发展水平对当期有显著正向影响。第二，研发要素流动对经济高质量发展水平有显著正向效应。R&D 人员流动和R&D 资本流动对本省和其他省均有显著促进作用，并且空间溢出效应均大于直接效应，R&D 资本流动的总效应大于R&D 人员流动的总效应。第三，交通运输水平、人力资本水平、政府支持力度显著促进本省经济高质量发展，却对周边省份有一定的阻碍作用。但企业平均规模对本省经济高质量发展有显著负向影响，却显著促进周边省份的经济高质量发展。

根据上述结论，得到几点启示：第一，各省之间加强区域联系和合作，共享发展经验，推动区域协调发展。牢固树立新发展理念，深入实施创新驱动战略，使创新成为高质量发展的强大动能。通过多方协调合作，提高全要素生产率，共同促进经济高质量发展。第二，深化研发要素市场化配置改革，促进要素自主有序流动。深化户籍制度改革，畅通劳动力流通渠道，引导R&D 人员合理有序流动。发展股票、债券市场，放宽金融服务业市场准入，优化金融资源配置。第三，完善交通运输、人才培养、政府支持等配套政策。加强基础设施建设，提升交通运输效率，降低物流成本。重视基础教育，加强劳动力技能培训，制定和实施人才政策，培养高素质人才。加大政府支持力度，整合金融资源，助力中小微企业发展。