安徽省创新溢出与就业集群的空间计量分析——基于空间杜宾模型

郭艳艳

（淮北师范大学经济与管理学院，安徽淮北 235000）

纵观人类历史长河，创新是推动人类发展进步的关键因素。近年来的政府工作报告中多次强调改革和创新，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。引领发展需关注两方面的引领作用：一是引领经济增长，二是引领就业增长。引领经济增长相对简单同时也比较明确，国家和学者对此关注较多；而引领就业相对复杂。就业是最大的民生，研究创新对就业的复杂影响不仅有利于国家进一步明确推出鼓励创新和就业的政策措施，同时也有利于实现就业优先战略和积极就业政策，实现更高质量和更充分就业。

一、研究现状与问题

（一）研究现状

对国内外创新的就业效应相关研究进行梳理，主要成果集中在以下方面：

1.创新内涵的研究。有关创新的研究最早可以追溯到熊彼特的创新理论，他指出技术创新是经济发展的源泉，是“创造性破坏”内生动态过程[1]。索洛在此基础上对技术创新理论进行了比较全面的分析,在《在资本化过程中的创新: 对熊彼特理论的评论》中首次强调技术创新的两个必备条件：一是新思想，二是新思想提出后的实现与发展；通过大量实证论证了资本和劳动力对经济增长的贡献仅为12.5%，其余的87.5%则是由技术创新所贡献的，即“索洛剩余”[2]。美国著名经济学家弗里曼提出技术创新是指对新产品、新过程、新系统和新服务的首次商业性转化[3]。

2.创新对就业影响的机制分析。在研究创新的就业效应时多数学者分析技术创新，同时将技术创新分为产品创新与工艺创新。产品创新增加了的新产品和新服务的供给，直接增加就业，而工艺创新提高要素的使用效率，减少对劳动力的需求。张艾莉等指出技术创新对就业影响的总效应取决于其损失效应和创造效应，技术创新通过提高劳动和资本生产率对就业产生损失效益为负，通过资本积累和新兴产业产生创造效益为正，其总效应取决于二者对比，可能为正、可能为负，可能为零[4]。宋德军分析了产品创新、工艺创新的就业创造效应和破坏效应，提出创新提高人力资本进而降低结构性失业的就业扩大效应[5]。

3.创新对就业影响的实证分析。长期以来国内外学者就创新的就业效应进行了大量的研究，结论一直存在争议，代表性的有：

（1）促进论。马云在2015 年提出科技创新没有消灭就业而是创造更多就业[6]。Mehmet Ugur借助于劳动的引致需求模型研究创新对就业的影响，结果发现影响是积极的，但效果不显著而且具有异质性[7]。KyojiFukao,[8]Rinaldo Evangelista,[9]Di⁃ego Aboal[10]分别对日本、欧洲、乌拉圭等进行了实证分析，研究表明创新促进就业。Arup Mitra·Amit Kumar Jha 对印第安的1998—2010年的数据进行了实证分析，结果表明就业与研发投入呈正相关。宋德军对中国1995—2010年的数据进行了自回归分析发现创新并未排斥就业，不仅在总量上体现溢出效应，同时优化了就业结构[5]。

（2）促退论。庄子银、刘彩云采用2005—2016年中国29个省份的制造业就业数据，建立贝叶斯回归方程发现创新驱动战略降低了就业增长率[11]。张军[12]，姚战琪等[13]，叶仁荪等[14]，周世军等[15]将不同因素引入模型进行实证分析均得出了创新抑制就业的结论。

（3）中性综合派。宁光杰提出科技创新与就业的关系不能简单运用促进还是抑制来形容，二者间的关系取决于补偿机制的完善程度[16]。

（二）存在的问题及改进思路

近年来有关创新的就业效应引起了国内外学者的关注。无论在理论研究上还是在实证分析上都逐渐丰富，为本研究打下坚实的基础。通过对国内外的文献进行梳理发现，存在以下不足：

1.指标选取上。现有的研究衡量创新和就业大多数用研发投入（R&D）或专利数量和就业率，指标选择比较单一。创新和就业都是综合的概念，需从多角度反映，指标应综合化。本文从创新投入与产出两个方面对创新进行衡量，其中投入包括经费的投入和人才的投入。就业除了关注就业率还应关注就业结构即各产业（行业）的就业比例，高质量的充分就业是宏观调控的终极目标。

2.模型选择上。现有的研究主要集中在二维空间的时间序列，运用简单回归模型，协整模型，向量自回归模型的较多，没有考虑创新对就业影响的空间效应。很少研究将“区位”因素引入分析创新对就业的影响。事实上，创新溢出对就业的影响分为发射效应和接收效应，发射效应是指本区创新对外区就业所发射的影响，接收效应是指本区就业接收到的来自于外区创新所发射的影响。因次，如果忽视区位因素结果就会产生偏差[17]。鉴于此，本文试图运用空间计量技术构建空间杜宾模型来分析创新对就业的空间影响，尤其是发射效应的大小、构成及去向。

3.研究内容和视角上。国内外现有的研究多集中在从宏观、规模以上大型工业企业或基于省际数据的整体分析，总体研究不够细化和深入，难以理清创新对就业影响的内在机理及运行机制。本文首先对创新进行细化定量研究，分别分析各种创新对就业影响的内在机理，影响程度，同时对就业进行细化，分别探讨创新对就业总量及就业质量的影响。

二、安徽创新及创新溢出现状

（一）创新指数的构建

在借鉴现有的指数的构建方法上，本文从创新投入和创新产出两个维度选取相应的指标来构建创新指数（Innovation Index，以下简称II），结合安徽省16 市数据的可获得性，本文选取研究和发展（Research and Development，以下简称R&D）经费投入和R&D 人员个数代表创新的投入，用有效发明专利数代表创新的产出。指数的构建方法参考杜强、潘怡提出的计算方法，如式（1），在此基础上构建安徽省16市的创新指数如下：

IIi表示第i 个地区的创新指数，k 表示指标构成中的指标个数，xij表示地区i 在第j 个指标上的具体值，Mj和mj分别为第j个指标上的最大值与最小值，r 为敏感系数，为常数且取值范围为（0，1），反映各指标对普惠金融指数的敏感程度。

（二）安徽16个市创新发展的比较

运用上式（1）及选取的3个相应指标对安徽省16 个市的2010—2018 年期间的创新发展水平进行了测算，在计算时通常将r 设定为常见的0.75，0.5 和0.25，在测算时当r 为0.75，0.5 和0.25 时，其相关系数都达到0.9，所以本文计算时选取r为0.5进行计算，其结果如表1所示：

表1 安徽省16个市2010—2018年创新指数

从表1 的结果可以明显看出，在2010—2018年期间安徽省16 个市创新指数比较稳定，表明安徽创新发展没有得到足够的重视。对安徽省2010—2018 年9 年的创新指数的平均值进行比较，结果发现差异较大，合肥具有明显的优势，一直保持全省第一的领先优势，较低的几个地区其创新发展水平与合肥差距太大，甚至不到合肥的五分之一。由此表明安徽省16个市创新发展水平严重的不平衡，具体比较结果如表2所示：

表2 安徽省16个市创新发展水平的比较

（三）创新视角下安徽省16个市区域莫兰指数的动态变化

其中n 代表所观测个体的个数，Xˉ代表所观测样本的均值。Moran’s I的取值范围为[-1,1]，若值为正的表明正相关，取值越大说明具有相似的属性集聚在一起（高高相邻或低低相邻），取值为1 表明完全正相关；若值为负的表明负相关，取值绝对值越大表明具有相异的属性集聚在一起（高低相邻或低高相邻），取值为-1 表示完全负相关；当取值接近于0时表明变量是随机分布，即不存在空间自相关性。

运用Stata16 对安徽省16个市2010—2018年期间的创新投入（R&D 经费投入、人员数量）和创新产出（有效专利个数）作为核心指标计算安徽省的创新指数Moran’s I,如表3所示：

表3 2010—2018年安徽省创新指数的莫兰指数结果

从表3 可以清晰地看到，除了2010 和2011 年两年，其他年份在10%的显著性水平下，创新基本上存在明显的溢出性，其中2015 年安徽省加大支持自主创新能力建设，同时各地区也陆续推出不同的政策，是导致其P 值略高于10%的主要原因，但结果基本可以接受。由于原地级市巢湖在2011年被拆分导致一些数据缺失存在误差，可能是导致2010和2011年两年结果不显著的原因。

三、模型与数据

（一）研究假设

创新按类型划分为产品创新与工艺创新，产品创新增加了的新产品和新服务的供给，直接增加就业，而工艺创新提高要素的使用效率，减少对劳动力的需求。一般经济发展比较落后的地区资源没有达到合理的配置与有效的利用，创新会促进资源的合理流动和有效利用，表现出：劳动力需求减少的主要是低水平的体力劳动，增加更高质量的需求和新行业对劳动的需求，相邻地区互相促进，后者效果一般大于前者。创新对就业影响的总效应取决于其损失效应和创造效应，基于此提出以下两点假设：

假设1：创新与就业率呈同向变动关系，即创新有利于提高就业水平。

假设2：创新提高了高质量劳动投入，即创新有利于改善就业质量。

（二）变量与数据说明

本文主要研究安徽创新溢出对就业的影响，考虑到数据的可获得性并参考相关研究成果选取因变量和自变量如下：

1.因变量

（1）就业量（L）。就业人员的数量是衡量就业水平的重要指标，用各年末就业人员的数量来衡量。

（2）产业就业人员比例（R）。就业人员在一产、二产和三产的分布结构是衡量就业质量的重要指标，本文选取第三产业就业人员的比例来表示。

2.自变量

创新发展指数（II）。已在本文的第二部分构建与核算，是分析影响就业的核心变量。

3.控制变量

（1）国内生产总值GDP（G）。国内生产总值是用来衡量一个国家和地区经济发展程度的重要且常用的指标之一。

（2）财政支出与国内生产总值的比值（S）。我国经济发展离不开政府有效的调控，尤其在安徽等一些比较落后的地区政府调控的效果更加明显，政府财政支出是衡量政府调控力度的重要指标，反映政策导向对就业的影响。

（3）平均房价（P）。采用各地区商品房平均销售价格，用于考虑各地区生活及居住成本。

（4）平均工资（I）。工资水平直接影响就业，用各市城镇非私营单位就业人员年平均工资表示。

本文所选样本区间为2010—2018 年安徽省16 个市的相关数据。数据来源于历年《安徽统计年鉴》。为保证数据平稳性对就业、平均房价、平均工资和GDP进行了对数化处理。如表4所示。

表4 2010—2018年相关变量的描述性统计

从表4 很容易看出安徽省16 个市的就业量、三产就业比例、创新指数、经济发展水平、财政支持率、平均房价和平均工资波动较大，尤其是三产就业比率和创业指数各地区严重不平衡，分析安徽省16个市创新溢出对就业的影响还需进一步定量分析。

（三）模型设定

1.概念模型。市场劳动的均衡量L 由异质性c、本地效应xβ1(创新水平、经济发展水平、财政支持率、平均物价和平均工资构成的内核矩阵)、外地效应wxβ2(W为经度纬度构成的权重矩阵)和外核效应zθ（Z代表所有遗漏因素构成的外核）构成，可表示为：

2.基准模型。一般情况下外核Z使得式（4）无法估计，但Z存在空间依赖，即：

v为去外部性后的外核，会渗透到内核节点并进一步作用于就业，为计算方便假设渗透方式为线性，即θv=lnxγ+ε,ε～N(0,In)将此式和式（5）带入式（4）得：

显然式（6）是空间杜宾模型（SDM）。

3.结果分析。运用Stata16对于该动态面板模型参数估计采用两种方法：一是广泛应用的差分和系统GMM 参数估计方法，二是极大似然估计QML。当两种估计方法的结果保持基本一致时则表明模型的估计结果具有稳健性和合理性。运行结果显示两种方法结果基本一致，表5 和表6 是SDM 模型运行的结果,从表5 和表6 可直观地看出：所有的结果都是显著的。

表5 就业量L的实证结果

表6 第三产业就业量所占比率的实证结果

（1）创新对就业量的影响。实证结果显示创新抑制了就业量的增长，目前促进就业的关键因素仍是GDP，其影响系数是1.341，即经济发展（GDP取对数）每增加1%就业就会提高1.341%；抑制就业的主要因素有平均工资、平均房价和创新，其系数分别为1.001，0.851和0.245。假设1：创新与就业率呈同向变动关系，即创新有利于提高就业水平没有得到证实。

（2）创新对就业结构的影响。实证结果显示创新促进就业结构的调整，目前房价是提高三产就业比例的首要因素，其影响系数高达38.312，即房价每增加1%三产就业比例就会提高38.312%；促进就业结构调整的因素主要有平均工资和创新水平，其系数分别为13.268 和2.64，影响程度较大。假设2：创新提高了高质量劳动投入，即创新有利于改善就业质量得到证实。

四、结论及政策启示

（一）结论

利用2010—2018 年安徽省16 个市的面板数据，本文构建了创新发展指数来衡量安徽省各城市创新溢出和对就业的影响，在此基础上用面板数据对就业与创新发展关系进行了实证分析，得出如下几点结论：

（1）安徽各地区间的创新发展不平衡。区域间均衡发展是我国区域发展的重要战略目标。近年来，虽然安徽不断加大对创新的投入，取得一定的效果，但主要集中于合肥、芜湖、蚌埠和马鞍山，而宿州、亳州、黄山和池州由于地域、资源等条件的限制创新发展水平提高较慢，个别城市如亳州甚至出现下降的现象。

（2）创新并没有提高就业率。安徽的创新主要集中在技术创新上，同时第一产业所占比例较高，进而造成较高的劳动生产率替代效应。

（3）创新促进了就业结构的改善。平均房价和平均收入在提高三产就业比例中发挥着巨大的作用，近年来安徽不断加大对创新的支持，包括创新的直接投入和加大人才吸引的力度，为进一步改善就业结构打下坚实的基础。

（二）政策启示

针对目前安徽创新发展过程中存在的问题及面临的就业压力，本文在上述结论的基础上提出如下几点建议:

（1）不断提高创新能力。劳动者素质和人力资本质量是保证就业在技术进步下稳定均衡增长的基础。安徽人力资本结构，目前正以低技术劳动力为主逐步向以高技能高质量劳动力为主转变，在损失效应较大的情况下，只有引领技术进步，发展产品创新才能促进就业的均衡稳定增长，并实现经济的可持续发展。

（2）在创新发展水平较低的阶段，主要集中于技术创新，呈现出对第一产业劳动生产率的替代作用，进而造成对就业的抑制，政府、企业等各方应加快创新投入力度，尽快突破拐点，实现创新对就业的抑制向促进作用的转变。

（3）技术创新与非技术创新应协调发展。发达国家与发达地区的经验表明技术创新与非技术创新需要协同，不能偏废。安徽奇瑞、江淮等制造业在行业内有很高的知名度，但缺乏整体品牌竞争力。在发展技术创新提高生产效率的同时要注意与非技术创新的协调，进而培育长远竞争力。

本文为进一步分析安徽省16个市之间的溢出效应奠定了基础，还存在以下不足:首先，仅指出安徽省16市创新发展水平不高，且不平衡，但缺乏对创新能力的分析；其次，创新对就业影响的机制是多种的，还需分别研究；再次，创新包括技术创新和非技术创新，其在不同行业对就业影响也是有差异的。以上问题将在进一步研究中逐步完善。