研发要素流动与区域创新发展关系研究——基于数量和质量双重视角

□李诗琪 刘韵扬

一、引言

改革开放40 多年来，我国经济高速发展，创造了“中国奇迹”。这种高速增长主要是依靠生产要素大量投入来推动，该模式因效率低下而越来越遭到学术界的质疑，特别是经济进入“新常态”之后，这种发展模式的不可持续性制约了中国经济的健康发展。党的十九大报告明确指出，我国经济已由高速增长阶段转向高质量发展阶段。一个国家的创新能力可以提高要素的生产力和利用率，进而为该国的经济发展提供源源不断的活力。因此，要提高一个地区的经济发展质量，就有必要以创新作为地区发展的重要驱动，转变经济发展方式。

研发作为创新活动中主要的投入要素，不仅能够提高研发单位的创新积极性和创新能力，还能溢出到其他研发单位并带动其创新，这些新的创新知识又会进一步溢出，形成地区间的知识溢出循环，进而影响区域的劳动生产率和地区经济发展质量。当前在动态视角下关于研发要素流动与区域创新之间的研究已引起有关学者关注。例如以Almeida 和Kogut（1999）[1]、Los 和Verspagen（2000）[2]为代表的经济学者认为，不同于传统生产要素，研发要素具有知识和技术，其会根据市场信号在区域内自由流动；Khanna 等（2018）[3]指出，高层次人才移动对流入地的影响是有两面性的，一方面，研发人员的流入可以提高企业的活力和创新能力，并且研发资本的流入可以提高本地研发人员的工资条件，另一方面，研发人员的流入也可能会挤出本地原有的研发人员，并且降低近似替代品的工资；Bernardi 和Guadalupe（2007）[4]通过研究西班牙的创新空间格局得出结论，区域间创新不平衡的缓解得益于创新过程中空间知识流动的存在；才国伟和钱金宝（2013）[5]从需求和供给两个角度研究经济要素的空间流动，发现要素流动存在两种类型的空间交互作用；邹文杰（2015）[6]从空间异质性的角度，考察了研发溢出效应，发现研发要素集聚会促进研发效率的提升，并且具有区域性；余泳泽和刘大勇（2013）[7]分别考察了科研机构、高校和企业等创新主体在空间上的集聚及其带来的溢出效应，发现创新要素集聚对不同创新主体的影响不同；白俊红和王钺（2015）[8]将研发要素分为研发人员和研发资本，实证考察了研发要素流动对区域创新效率的影响，发现研发资本在区际间的流动能够显著提升地区的创新效率，而研发人员的区际流动对创新效率的影响并不显著。可见，在当前有关研发要素流动的文献中，大多学者是从创新数量的角度分析研发要素流动对创新的影响，而忽略了研发要素流动与创新质量的关系。

现有观点普遍认为，研发要素都高度集中于少数地区，比如说美国的硅谷、128 公路沿线和北京的中关村等，而研发要素在部分区域的高度集中是个例还是普遍存在，它又会对该地区的创新水平带来什么样的影响，这都是本文将要研究的问题。基于以上梳理，本文以中国30 个省（市、区，除港澳台和西藏）的面板数据为样本，将创新发展划分为创新数量和创新质量，考察研发要素流动对地区创新发展的影响，并试图解释以下几个问题：研发要素在区际间的流动是否会对创新发展带来影响，它对创新数量和质量的影响是否存在区域差异？当今中国发展强调高质量，创新质量的提高相对数量的提高将处于何种地位？相比已有文献，本文从数量和质量的双重角度分析了研发要素流动与创新的关系，研究内容更为丰富。

二、研发要素流动影响中国区域创新的机理分析

本文所界定的研发要素主要包括研发人力资本和研发实物资本。人力资本是指对研发人员的投入，是一个经济体提高其自主创新能力促使经济发展的核心资本，它是原始创新的关键，也对吸收外部环境知识溢出，促进二次创新具有重要作用，对研发人员的投入能为科研创新提供知识资本积累。研发实物资本包括但不限于创新活动的场地、设备等。需要指出的是，由于多数实物资本形成之后很难进行转移，以及考虑到数据的可得性，本文所指的研发资本主要是指货币形式的研发资本。

中国区域发展受制于地区要素禀赋结构和区域要素的流动。研发要素的流动是资源配置的重要机制，通过研发要素在地区间、行业间的流动，可以改变地区要素结构，可以提高资源的配置效率。研发要素的跨区域流动包括研发人员和研发资本从省（市、区）外的流入和向省（市、区）外的流出，要素的流入和流出是研发要素流动同一事物的两个不同方面。在这一过程中，出现了以下三种效应。

（一）资源配置效应

各地区原有的创新活动基础不同，使得研发要素流动对各地区的创新发展水平的影响效果存在明显差异，从而导致地区间产出与利润率的变化，打破了原有的平衡。而经济状态的失衡又会引起研发要素在地区之间的不断流动，使得地区的资源配置结构不断完善，研发要素得到更专业的分工，最终推进地区要素结构的合理化进程。

研发要素流动视角下，研发要素的资源配置效应是实现区域创新发展的主要路径之一。研发要素的跨区域流动会提高闲置要素的使用效率，扩大创新数量，同时，稀缺研发要素的流入，可以迎合本地区的研发市场需求，促进创新数量的增加，且研发要素的流入并不是等比例的流入，来自其他地区的稀缺研发要素可以优化本地区的研发要素结构，使得研发要素得到更专业的分工，从而促进区域创新质量的提升。

（二）规模效应

研发要素的跨区域流动会导致某一研发要素在一个地区集聚，从而提高该地区对其他要素的吸引力。研发要素在某一地区的集聚，一方面，可能会产生竞争，优化该地区的资源配置，更优的要素配置必然会增强该地区对其他要素的吸引。另一方面，研发要素的集聚能够使该地区进行专业化生产，推动地区优势的自我强化。因此说，研发要素在地区间的流动会导致研发要素在优势区域集聚，并产生规模效应。在封闭经济中，一个地区研发要素的供给能力受制于先天的研发要素规模，若是研发要素供给不足，则必然会阻碍区域创新发展。但在开放经济中，研发要素是可以自由流动的，通过研发要素的流动，必然会改变本地区研发要素的供给结构，同时实现研发要素的快速增长，形成研发要素流动的规模效应。

（三）溢出效应

在微观层面上，研发要素的跨区域流动会产生溢出效应，这种溢出效应多是指知识溢出效应。自马歇尔之后，随着新经济地理学的发展，研发要素流动所产生的溢出效应越来越被学者所关注。所谓知识溢出效应，是指通过地区之间无意识的信息交流，引进新技术、新思想等，各地区之间相互学习、相互借鉴，促进地区的发展（王铮等，2003）[9]。简单地说，知识溢出实质上是由研发资本的流动所产生的间接作用（Lesage 和Fischer，2002）[10]。与其他要素流动不同，研发要素的流动归根结底带来的是知识的跨区域流动。而作为一种公共物品，知识具有一般典型的公共物品所拥有的特征，非竞争性、不完全排他性和共享性。也就是说，知识极易产生外部性，研发要素在区域之间的流动不仅加速了旧知识的共享，还加速了新思想的创造，加快创新的步伐。因此说，研发要素的跨区域流动，必然会加速知识在空间上的传播，并且在流动过程中必然会产生一定的辐射效应，对流动所经过地区的创新规模和创新效率产生一定程度的影响。

在宏观层面上，溢出效应表现为通过本地区的创新发展带动周边地区的创新发展。研发要素的集聚可能会带来地区创新发展不均衡，但是当技术发达地区发展到一定程度之后，就会产生溢出效应，形成知识的溢出，对受益地区的创新发展水平产生带动作用。作为创新极核城市的上海、深圳等地就是很好的例子，它们分别通过辐射带动长三角城市群和珠三角城市群的创新产出数量的增长，通过空间知识溢出效应带动区域创新的整体发展，降低了区域创新产出的不平衡（马静等，2018）[11]。

三、模型设定与变量说明

（一）模型设定

在计量模型的选取方面，本文的基准计量模型如下：

模型（1）中的β0为常数项，i 表示省（市、区），t 表示年份，Innovation1it表示i 省（市、区）在t 年的创新数量，即创新规模，Innovation2it表示i 省（市、区）在t 年的创新质量，即创新效率，Flowl表示i 省（市、区）在t 年的研发人员流动量，Flowk表示i 省（市、区）在t 年的研发资本流动量，Xit表示除研发要素流动之外其他可能影响区域创新发展的控制变量，包括地区经济水平、对外开放程度、人力资本水平、地区投资水平和国有化程度，εit为随机扰动项。

新经济地理学认为各地区的研发活动都会通过研发要素的流动带动知识溢出和技术扩散，产生溢出效应，而非互相独立的，因此在模型（1）中引入了被解释变量的空间滞后变量，构建如下空间滞后模型（SAR）：

模型（2）中，W*Innovationit为被解释变量研发水平的空间滞后变量，度量了相邻省（市、区）技术创新水平对i 地区技术创新水平的影响。ρ 为空间自回归系数：ρ＞0 表示相邻省（市、区）技术创新水平对i 省（市、区）的技术创新水平具有正向影响，即相邻省（市、区）之间会产生知识溢出效应；ρ＜0 表示相邻省（市、区）对i省（市、区）的技术创新水平具有负向影响，即相邻省（市、区）之间是“差异化”战略；ρ=0 意味着相邻省（市、区）之间技术创新水平不存在空间相关和依赖性。W 是空间权重矩阵，本文采用0-1 地理邻接矩阵。

当考虑误差项之间存在的交互效应时，将变量的空间依赖性引入模型（1）的误差项中，构造空间误差模型（SEM）：

模型（3）中，λ 反映了样本观测值对随机扰动项的空间依赖性，为空间误差系数，W 含义同模型（2）。

然而，上述两种模型都只从单一方面进行了估计，使得结果可能存在误差。空间杜宾模型（SDM）则解决了上述问题，使得参数估计结果更加稳健，模型的具体形式分别为：

（二）变量和数据说明

鉴于数据的可得性，本文选取了中国30 个省（市、区，除港澳台和西藏）2002-2017 年的面板数据为研究对象。所有数据均来源于历年的《中国统计年鉴》《中国科技统计年鉴》和各省（市、区）统计年鉴。

1.被解释变量：区域创新发展水平的测度

目前学术界尚没有形成一个统一的标准来测度区域创新发展水平。一些学者认为可以使用专利数量来衡量一个地区的创新发展水平，但是该指标也有局限性，因为有很多研发活动的成果并不会申请专利。事实上除了使用专利申请数量来衡量地区创新产出之外，还应该考虑专利授权数量、新产品销售收入等指标。而衡量一个地区创新发展水平高低的标准不应该仅仅考虑该地区研发活动所带来的创新成果，还应该考虑该地区的创新效率。本文选取地区专利授权量作为衡量区域创新发展规模指标，用innovation1表示；采用研发效率作为衡量一个地区创新发展效率指标，用innovation2表示。鉴于中国2000 年以来专利数量激增以及数据的可得性，本文的分析将在2002 年至2017 年这一期间进行。

关于研发效率测算中的投入变量，本文选取30 个省（市、区，除港澳台和西藏）的R&D 人员和R&D 资本作为研发效率的投入变量。一般采用科技活动人员数、科学家与工程师数、人员全时当量等来衡量一个地区R&D 人员投入。本文采用R&D 人员全时当量来衡量研发人员的投入。至于对研发资本的衡量，本文参照吴延兵（2006）[12]等的研究，将R&D 内部经费支出核算成R&D 资本存量。对于产出变量，本文选取地区专利授权数和新产品销售收入。

2.解释变量：研发要素的流动

本文所研究的研发要素是指研发人员和研发资本。引力模型被广泛应用于空间相互作用，经过不断拓展，现已经成为研究要素流动的重要模型。以迁入地有利因素为吸引力，迁出地不利因素为推力，研发要素的流动就由这两股力量相互作用所决定，另外研发要素流动这一行为会受到空间距离的影响，通过此种方式的知识溢出会表现出强烈的空间衰退。借鉴白俊红等（2017）[13]的研究，采用引力模型对我国研发人员的区际流动量进行测算，建立如下模型：

假设地区i 流动到地区j 的R&D 人员数量为Flowlij，则：

式（5）中，Mi为i 省（市、区）的R&D 人员数量，GDPjt为j 省（市、区）第t 年的人均GDP，R 是两个省（市、区）省会城市之间的地理距离。这一设定的意义在于：当i 地区研发人员数量较多时，可能会使得当地研发人员之间竞争力提高，形成推力，而j 地区经济状况可能会吸引i 地区的研发人员，从而使得研发人员由i 地区向j 地区流动，此外，两地之间的距离可能会制约研发人员的流动。i 地区在统计年度内R&D 人员的总流动量可用下式计算：

同样，研发资本在空间上的重新分配可以改变整体的研发生产效率，影响研发资本流动的因素主要有区域的资源禀赋、金融市场环境，等等，因此，研发资本的流动量测算公式为：

式（7）（8）中，Flowkij为第t 年i 地区流入到j 地区的研发资本量，RDi、RDj分别表示第t 年i 地区和j 地区的研发资本存量，Flowk为第t 年i 地区的流动研发资本总量。

3.控制变量

地区经济水平（gdp），采用地区人均国内生产总值来衡量，为消除物价变化的影响，本文以2000 年为基期，调整数据。

对外开放程度（open），采用进出口总额与当年地区生产总值的比值来衡量。由于进出口总额一般用美元计价，需要利用当年的平均汇率转化为人民币计价。

人力资本水平（edu），采用人均受教育年限的对数值来衡量。Lucas（1988）[14]认为科技研发的能力往往取决于一个国家或地区平均人力资本水平，使用当地人口平均受教育程度来衡量。

地区投资水平（investment），用全社会固定资产投资占地区GDP 总值的比重来表示。

国有化程度（soe），用地区规模以上工业企业资产总额中国有控股工业企业所占比重来表示。

四、实证结果分析

（一）空间计量回归模型类型的确定

在使用面板数据时，需要判断是采用固定效应还是随机效应来进行分析。通过对模型进行Hausman 检验，结果显示P 值为0.000，拒绝原假设。因此，使用固定效应方法进行分析。

在进行空间计量建模分析之前，首先应检验研发要素流动影响区域创新的数据是否适用于空间模型分析。本文先从不含空间交互效应的普通面板模型开始估计，通过传统拉格朗日乘数检验及其稳健性检验来确定其是否存在空间效应。由于拉格朗日检验结果会受到具体是空间固定、时间固定还是空间时间双固定形式的影响，为了更全面地检验是否存在空间效应，本文对于原假设为没有空间滞后项和没有空间误差项的所有固定形式的非空间面板数据模型进行了LM 检验，计量结果与检验结果如表1 所示。

从表1 以创新数量为被解释变量的空间滞后模型和空间误差模型LM 检验和稳健LM 检验结果可以看出，传统非空间面板数据模型的无控制效应、空间固定效应、时间固定效应、空间时间双固定效应四种模型的稳健空间误差LM 检验和稳健空间滞后LM 检验均通过了5%的显著性水平检验；以创新质量为被解释变量的模型中，无控制效应、时间固定效应的模型通过了稳健空间误差LM 检验和稳健空间滞后LM 检验。因此，应该使用空间面板数据模型对区域创新进行空间计量研究。

表1 传统非空间面板数据模型的LM 检验

（二）结果分析

1.空间面板数据结果分析

本文分别采用空间滞后模型、空间误差模型、空间杜宾模型作为对照组，使用matlab2016a 进行回归估计，估计结果见表2、表3。

在用空间面板研究研发要素流动与区域创新的时候，面临着SAR、SEM、SDM 三个模型形式的选择问题，可以采用WALD 和LR 等检验方法进行选择。对于空间面板模型的选择，需要慎重。我们需要进行Wald检验和LR 检验，以考虑空间杜宾模型是否可以简化为空间滞后模型和空间误差模型，若两个检验均通过显著性检验，则说明空间杜宾模型不能被简化。

如表2 和表3 所示，无论是创新规模还是创新效率，空间杜宾模型的Wald 空间滞后（Wald-Lag）检验和LR 空间滞后（LR-Lag）检验的结果均是显著的，且通过了1%水平的检验，表明它拒绝了原假设：H0：θ+δβ=0，拒绝将空间杜宾模型简化为空间滞后模型；同理，Wald 空间误差（Wald-Erro）检验和LR 空间误差（LR-Error）检验的结果也都是显著的，即拒绝H0：θ=0 的原假设，拒绝将空间杜宾模型简化为空间误差模型。因此，空间杜宾模型是描述研发要素流动与区域创新关系的最佳模型。本文采用空间杜宾模型结果进行分析。

从模型（3）和模型（6）的回归结果可以看出，研发人员的跨区域流动无论是对中国区域创新数量还是创新质量都有显著的正向影响，表明研发人员在区际间的流动对中国区域创新发展的促进有显著的推动作用。研发人员流动对区域创新数量的回归系数为0.428，对区域创新质量的回归系数为0.116，意味着研发人员的跨区域流动对区域创新数量的影响大于对区域创新质量的影响。出现上述情况的原因可能在于：第一，本地区研发人员的流入会带来新的知识技术流入，提升本地区研发人员的知识技术水平，作为知识信息主要载体的研发人员的流动为区域间或行业间各种新知识或新技术的流动提供路径，对知识的空间溢出具有推动作用；第二，研发人员的流动可能导致研发人员在某一地区集聚，提高该地区研发人员的投入，有利于创新数量的提高，即由于研发人员的自主能动性，研发人员会选择流向基础设施建设更完善、工资更高、环境更好的地区，这会导致研发人员在这一些地区集聚，研发人员的集聚会夯实该地区研发活动的人才储备，增加技术经验存量，实现研发要素的规模经济效应；第三，研发人员的流动会改善流入地的要素配置结构，稀缺专业研发人员的流入会优化流入地的研发人员结构配置，而本地区富余专业研发人员的流入可能会给本地区原有的研发人员带来竞争效应，降低边际报酬。

从表2、表3 可以看出，研发资本流动与创新数量、质量的回归系数分别为0.013、0.018，且都通过了1%水平的显著性检验，反映出一个地区的研发资本流动无论是对该地区的研发数量还是研发质量都会产生显著的正向影响。这可能由于：第一，研发资本具有趋利的本质，会自发地流向边际收益率更高的地区，这类流动提升了研发资本的利用效率，实现了研发资本的规模经济效益，刺激研发主体的创新积极性，进而提高了研发资本的边际报酬率，促进了技术创新水平的提升；第二，研发资本的流入可以与流入地部分闲置资本相结合，共同参与研发活动，实现流入地研发资本的优化配置，进而提升区域创新发展水平。

表2 研发要素流动与区域创新数量的回归结果

表3 研发要素流动与区域创新质量的回归结果

控制变量中，在数量方程中，地区经济发展水平与创新数量的回归系数显著为正，表明地区经济发展在一定程度上促进了地区创新数量的增加，这可能源自于提高地区经济发展水平能带来生产要素的快速集聚、基础设施的高效利用等。人力资本水平的回归系数为正，且至少在0.05 的水平上显著，表明人力资本对技术创新水平的提升有着显著的正向作用，即加强平均教育水平有利于提高劳动者的能力和素质，促进专业化知识生产和加速人力资本积累，进而促进区域创新水平的提升。对外开放程度与创新的回归系数为0.301，且在1%的水平上显著，说明对外开放程度与创新的提升有显著的正向作用，表明中国实施的“走出去，引进来”战略使得地方能够接触到国际上先进的生产技术和管理经验，并能够有效地消化、吸收甚至产生二次创新，从而产生显著的逆向技术溢出，对区域创新水平产生积极的影响。国有化程度与创新发展水平的回归系数为0.071，显著为正，表明国有化程度越高，创新发展的绝对水平越高，这可能是因为现阶段我国大多地区的研发要素多来源于政府投入。

2.空间固定效应分解分析

在内生增长理论和新经济地理学中，空间溢出效应被视为是影响区域创新进而促进经济增长的重要因素。从表2、表3 结果来看，SDM 模型中研发人员和研发资本的水平项和空间交互项系数对区域创新具有显著影响，然而由于空间杜宾模型的回归系数并不能直接反映自变量对因变量的影响程度，因此有必要将空间固定效应进行分解，计算出直接效应、空间溢出效应和总效应表征。上述三种效应的具体值参见表4 和表5。

表4 创新数量SDM 模型的直接效应、空间溢出效应和总效应

表5 创新质量SDM 模型的直接效应、空间溢出效应和总效应

从表4 中可以看出，创新数量模型中，研发人员流动的直接效应和空间溢出效应均显著为正，表明研发人员的区际流动不仅具有明显的直接效应，其流动所产生的空间溢出效应对创新数量增长也具有显著的促进作用。由创新数量模型中研发人员流动的空间溢出增长效应和总增长效应可以发现，研发人员流动所带来的空间知识溢出增长效应占总增长效应的60%左右，由此可以证实研发人员跨区域流动所带来的空间溢出效应对我国区域创新数量的重要贡献。这是因为知识是创新的根基，研发人员流动使得研发人员和地区之间在蔓延效应基础上会形成区域知识积累产生的外部效应。地理邻近可能会增强企业交流思想和获取新知识的能力，通过本地化创新集群或创新环境降低创新产出和其转换成本（Breschi 和Lissoni，2001）[15]。通过这种外部性，将提升周边地区的创新发展水平，进而提升全要素生产率，经济发展水平也会得到相应的提高（Rauch，1991）[16]。

从表5 可以看出，创新质量模型中，研发人员流动的直接效应只有0.113，且其所带来的空间知识溢出增长效应为负，这表明与创新数量不同，研发人员在区域间的流动可能会造成研发活动的空间集聚，导致过度拥挤，研发人员集聚不经济，不利于周边地区创新效率的提升。Sher 和Yang（2005）[17]认为，当有太多的邻近研发人员与本地区交换研发思想时，集群研发的可能导致过度拥挤。这可能的原因是高度集中的研发人员自然会带来巨大的知识溢出效应，促使周边地区一些企业通过减少内部的研发经费来模仿先进企业的技术，产生搭便车现象，侵蚀该地区的创新投资，这会间接且负面地影响研发要素流动频繁地区周边的创造力。

另一方面，研发资本的区际流动对地区创新数量和创新质量所带来的直接效应均为正，说明研发资本的区际流动能够显著促进本地区创新的提升。研发资本区际流动所来的溢出增长效应虽均为负但不显著，说明研发资本的区际流动对周边地区的创新发展影响不大，这可能是因为研发资本与研发人员的本质性特征不同。

3.考虑区域差异性的进一步分析

考虑到中国各省（市、区）在经济发展水平、资源环境禀赋、技术进步条件等方面存在较大的差异，可以进一步按照东中西区域的划分来考察研发要素流动对区域创新的影响。由于本文样本量有限，传统的三大区域划分标准会使得样本数量不足，影响回归分析结果，因此本文参考郭家堂和骆品亮（2016）[18]的划分方法，将中国30 个省（市、区，除港澳台和西藏）划分为东部和西部两个区域进行回归，估计结果见表6（东部地区包括北京、天津、河北、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、广东、海南；西部地区包括山西、内蒙古、河南、湖北、湖南、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆）。

表6 分区域研发要素流动对区域创新的回归结果

无论是从数量方面还是质量方面看，也无论东部还是西部，研发人员都对区域创新有正向作用，且东部回归系数的数值大于西部，这说明研发人员流动与区域创新有着紧密关系。西部地区研发资本流动对区域创新的影响大于东部地区研发资本流动的影响。这可能的原因在于，虽然东部地区创新发展水平较高，经济更发达，但其创新活动更加依赖于研发人员的投入，其研发资本投入基本上已经达到饱和，因此研发资本的流入由于受到要素边际递减的约束，以及资源管理和配置能力的不足，并不能明显改善东部地区的创新发展。另外，东部地区基础设施相对完善，增加资金的投入可能反而容易造成冗余和浪费，这种情况下反而不能有效提升当地的创新发展水平。

五、结论与启示

（一）结论

本文基于研发数量和研发质量的双重视角，重点考察研发要素流动对区域创新的影响，采用2002-2017年中国30 个省（市、区，除港澳台和西藏）数据，实证研究了研发要素流动对区域创新的影响效应。基于研发要素流动对区域创新发展水平的检验，得到如下结论：

1.考察期内研发要素的流动是影响区域技术创新水平的重要因素。较活跃的研发要素在区际间的流动并不必然会阻碍区域技术创新水平的进步。相反，研发要素的区际间流动促进了技术创新水平的提升。究其原因，当地研发要素的流动能够加固地区技术创新活动的基础，并最终影响技术创新水平。

2.研发要素流动对中国创新发展水平具有明显的区域差异，影响强度表现为研发人员流动对东部地区创新发展水平的正向作用最为明显，而研发资本流动对西部地区创新发展水平的正向作用更为明显。

3.研发要素流动均会给区域创新发展水平带来溢出效应。研发人员的跨区域流动会给区域创新数量带来正向的溢出效应，而给区域创新质量带来负向的溢出效应。研发资本的跨区域流动所引致的溢出效应为正，但这种效应并不明显。

（二）启示

1.完善知识产权保护制度，优化创新环境。依法惩治侵害知识产权等违法行为，加强对创新成果的保护力度，减少知识外溢的风险，有效保护创新主体所获得的创新成果，进而激发地方自主创新的积极性。

2.重视基础设施建设，改善研发要素流动环境。基础设施建设尤其是交通运输等基础设施的建设，可以提高地区的交通便利程度，降低研发要素流动成本，对研发要素的跨区域流动有重要影响。加大西部地区的交通基础设施建设，构建连接东部沿海和内陆的高效便捷运输道路网络，能够承接东部地区产业的转移，这不仅有利于西部地区自身的工业化进程，还有利于东部地区的产业结构优化，对促进区域协调发展具有重要意义。另外，西部地区应该加强教育、医疗等公共基础设施建设，为本地区吸引研发要素流入提供条件。

3.加强宏观调控，差别化引导研发要素流动。针对各区域的资源禀赋、基础设施、历史发展基础等不同，差别化引导研发要素流动。在制定区域创新协调发展战略之时，政府应当全面考虑区域间的空间相关因素，充分利用区域间创新发展的空间关联性、文化相似性和溢出效应，促进核心地区与落后地区的研发合作与交流，引导研发资源在核心地区与落后地区合理流动，创造整体地区创新协同发展的局面。