技术集聚的区域创新效率与“本地—邻地”创新效应检验

董直庆，赵 贺，胡晟明

(华东师范大学 a.中国现代城市研究中心；b.经济与管理学部，上海 200062)

一、引言

中国经济步入新常态，已由高增长转向高质量发展阶段，技术创新在经济发展过程中的作用日益突显。一般地，对于发展中国家而言，技术进步主要依赖自主创新和技术引进，尤其是在技术创新的初始阶段，技术的引进、消化、模仿和创新是发展中国家实现技术进步的有效途径。值得注意的是，在技术进步的过程中，技术集聚在技术创新中发挥的作用不容忽视。

关于技术集聚的创新效应问题研究，文献最早可追溯到1996年。Audretsch和Feldman(1996和2003)基于美国SBIDB数据发现，企业创新活动在区位上呈现明显的地理集中特征，并指出创新产出效率不能脱离地理区位因素，除研发投入增长外，企业拥有知识和技术的空间集聚也会对创新产出效率产生显著影响[1][2]。后续研究则更多地从企业微观层面入手，假定在知识与技术层面具有异质性的劳动力，通过合作(集聚)如何实现新知识与技术的创造问题。Berliant等(2006)基于匹配理论拓展了传统知识创造与交换的一般均衡理论模型，认为某一劳动个体会寻找与自己拥有不同知识技术的差异个体，通过合作实现知识与技能的交换，借助个体合作交流形成技术聚集以提升劳动生产率[3]；Ottaviano和Peri(2006)认为拥有不同知识背景的城市居民，对城市整体的区域创新会产生正向影响[4]；Berliant和Fujita(2011和2012)基于一般均衡模型发现，具有多样化知识和技术背景的工人集合进行生产，比单一知识和技术背景的工人集合更具生产效率[5][6]；齐讴歌等(2012)阐述了技术集聚的产生机制，认为城市集聚的外部性能够促进知识创新[7]。

诚然，学术界虽已关注技术集聚的创新效应，但直接针对技术集聚对创新产出的实证研究仍然相对缺乏，多数文献主要考察了产业集聚对技术创新产出的影响。这类经验研究主要有三种观点：一是认为产业集聚对创新产出具有正向作用。Lee和Nathan(2013)证实员工间知识技能异质性越大的企业具有更高的创新能力，具体表现为新产品更新换代的速度更快或规模更大[8]；Beule和Beveren(2011)以低技术制造业、高技术制造业和服务业为研究对象，将产业集聚分为专业化集聚和多样化集聚，发现专业化集聚对低技术制造业和服务业创新产生正向影响，而多样化集聚则对高技术制造业和服务业创新发挥积极作用，即集聚的多样化更有利于高技术产业间的知识创新[9]；Beaudry和Breschi(2000)等以意大利和英国的工业企业为研究对象，发现位于产业集群内的企业比集群外企业具有更高的创新能力，即产业集聚对企业创新产出存在正向作用效应[10]；Ruiz-Ortega等(2016)以西班牙制鞋业为研究对象，发现在工业区集聚的企业相较于工业区外的企业竞争力更强，具体表现为企业创新水平、业绩增长和盈利能力更高[11]。二是认为产业集聚对于创新产出具有负向作用。彭向和蒋传海(2011)运用中国工业行业数据，发现集聚区域内的企业会引发过度竞争，对企业创新产生消极影响[12]；陈劲等(2013)以中国高新技术产业为研究对象，将产业集聚分为多样化集聚和专业化集聚，分别探讨集聚对创新产出的影响，发现集聚水平较低时，多样化集聚负向作用于产业创新，集聚水平较高时，专业化集聚负向作用于产业创新[13]。三是认为产业集聚与创新产出之间呈“倒U型”非线性关系。Hornych和Schwartz(2009)用专利申请数衡量创新集聚，以德国东部22个制造业为研究对象，验证产业集聚与企业创新之间呈现出“倒U型”关系[14]；原毅军和郭然(2018)研究发现，产业集聚对创新绩效的提升作用具有门槛效应，当产业集聚度超过某一阈值时，集聚带来的拥挤效应大于集聚效应，反而不利于企业创新绩效的提升[15]。

不难发现，前沿文献关于技术集聚的创新效率问题研究，多围绕产业集聚的技术创新效率，较少关注产业集聚背后技术集聚可能引发的创新效率问题，也未曾探讨技术集聚是否对跨区域创新效率产生影响。基于此，本文以2003—2017年省级面板数据为样本，构建空间杜宾模型检验技术集聚的区域创新效应存在性，并从中国四大区域视角出发考察技术集聚的空间溢出效应，以及不同技术集聚度、市场化程度、知识产权保护水平如何影响技术聚集创新效应。基于此，本文从技术流动视角入手，基于技术购买角度采用三类指标衡量区域技术集聚度，考察技术集聚是否存在创新效应，进一步地，考察不同区域技术集聚的“本地—邻地”技术创新效应，拓展研究区域技术集聚是否会有利于创新质量提升，以及技术集聚对创新产出影响的区域异质性效应。

二、计量模型选择、指标设计与数据来源说明

(一)空间计量模型

区域创新产出主要指区域内原有知识传播、新知识扩散以及技术外溢的过程，是投入的各种创新要素共同作用的结果。本文将知识引入Cobb-Douglas生产函数，从知识扩散和技术外溢视角，研究技术集聚对区域创新产出效率的影响。生产函数形式为：

Y=AKαLβe∑θkxk+ε

(1)

其中，Y是创新产出，K为研发资本投入，L为研发劳动力投入，Xk为其他影响要素。

研究主要利用空间计量模型，并结合空间面板计量模型考虑区域的空间相关性，在此运用空间权重矩阵加以描述。一般地，面板数据的空间计量模型大致可分为以下三类：空间滞后模型(SLM)、空间误差模型(SEM)、空间杜宾模型(SDM)，模型设计如下：

面板数据空间滞后模型(SLM)：

Y=βX+σWY+u

(2)

面板数据空间误差模型(SEM)：

Y=βX+μ,μ=λWε+u

(3)

面板数据空间杜宾模型(SDM)：

Y=βX+σWY+θWX+u

(4)

其中，Y是被解释变量的向量表达，X是解释变量的向量表达，β为变量系数向量，W为空间权重矩阵，σ为空间滞后系数或空间自回归系数。σWY为被解释变量的空间滞后项；θWX为解释变量的空间滞后项；λ、μ表示空间误差项向量；u为服从正态分布的随机扰动项。

(二)空间权重矩阵

空间计量模型通过设定空间权重矩阵反映经济变量间的空间关系，不同的空间权重矩阵表达了变量间不同形式的空间距离，反映区域空间效应的不同影响方式。本文选取地理距离、空间邻接和经济距离三种空间权重矩阵。

1.地理距离矩阵。区域间的地理距离会对被解释变量产生重要影响，dij为不同省会城市之间的地理距离，权重的计算公式表示如下：

(5)

2.空间邻近矩阵。最为常用的空间权重矩阵为空间邻近矩阵，参照Ansenlin和Griffith(1988)的研究思路[16]，对我国30个省际(基于数据可得性，在此删除西藏)的空间邻接关系，构建如下所示的0-1权重矩阵，其中，两个地区相邻时矩阵取值为1，两个地区不相邻时矩阵取值为0。考虑到海南省特殊的地理位置，参考已有研究的基本做法，假定海南省与广东省邻接。

(6)

3.经济距离矩阵。除考虑地理距离对经济变量的影响外，经济距离也是刻画区域经济差异的重要因素，权重计算公式如下所示，gi、gj代表两个地区的经济发展水平，用人均GDP表示。通常地区间收入差距越小权重就越大，差距越大对应权重就越小，用经济距离之差绝对值的倒数表示。经济距离矩阵反映两区域间经济差距，是影响区域经济差异的重要因素。以经济距离矩阵表示省际(自治区、直辖市)间经济距离的公式如下：

(7)

(三)本地—邻地效应

为进一步细分解释变量对被解释变量的影响，运用偏微分矩阵分析方法，将空间溢出总效应进一步细分为直接效应和间接效应。直接效应即本地溢出效应，用于解释本地的影响；间接效应即邻地溢出效应，是解释变量对被解释变量邻地的影响。将空间杜宾模型的表达式进行变换，对第k个解释变量求偏微分后的矩阵表达式如下：

(8)

其中，矩阵主对角线元素的平均值为直接效应，非对角线元素平均值为间接效应。

(四)变量选取

被解释变量：区域创新效率(ec)，沿用全局参比DEA-Malmquist生产率指数模型，将中国各省市看作不同的决策单元，并以各期总和作为参考集。考虑到Malmquist生产率指数法的计算结果为增长率指标，其测度TFP增长率需要设置至少两期的投入和产出变量，拟将各省市固定资产净值(亿元)作为资本投入、全部从业人员年平均人数(万人)作为劳动投入、工业总产值(亿元)表征经济产出。将Malmquist指数分解为技术效率变化指数EC和技术进步指数TC，并用技术效率变化指数EC表征区域创新效率。创新质量(qi)，用各省(自治区、直辖市)发明专利授权数占专利授权总数的比重来衡量。相较于专利申请数和新产品销售数等指标，专利授权数不仅是创新数量的累积，更是技术作为新知识创新和转化的载体，能够更客观地衡量区域创新质量的水平。其中，发明专利授权数和专利授权总数来自国家知识产权局专利检索数据库。

解释变量：技术集聚(ta)。其中，技术进步的指标选择有三：指标一为购买境内技术经费支出(ta1)；指标二为技术市场技术流向地域的合同数(ta2)；指标三为技术市场技术流向地域的合同金额(ta3)。测算集聚度的方法较多，如区位熵指数、赫芬达尔指数、EG指数等。由于赫芬达尔指数和EG指数对数据要求较为苛刻，在实际研究中较难获取。相较而言，区位熵指数既能消除地区间差异，又可较真实反映产业空间分布状况，广泛用于描述产业集聚。因此，参考Combes(2000和2002)思路[17][18]，以区位熵指数度量技术集聚度：

(9)

其中，enit为第i个省在第t年由第n个(n=1,2,3)技术指标所衡量的技术集聚度，ent为全国在第t年由第n个(n=1,2,3)技术指标所衡量的技术集聚度。kit为第i个省在第t年的GDP水平，kt为全国在第t年的GDP水平。

控制变量：①研发资本(rdc)，用各省研发经费支出占其GDP的比值来表示；②研发劳动(rdl)，用各省研发人员全时当量来表征；③经济水平(pgdp)，经济发展水平越高，科技进步和创新需求越大，创新动力越强，而技术创新水平提升也将进一步提高生产率和经济增长质量，采用人均国内生产总值来衡量；④城镇化水平(urb)，用各省市人口数量与总人口数量的比值表征；⑤政府财政支持(gfs)，用各省科学技术支出占一般支出的比重表示。

(五)数据来源

基于数据可得性，采用剔除西藏后的中国大陆 30 个省市自治区数据为样本，数据来自2003—2017年《中国统计年鉴》、各地区统计年鉴、国民经济和社会发展统计公报、《中国区域经济统计年鉴》《中国科技统计年鉴》以及CSMAR数据库平台等。为消除估计结果可能的偏差或存在异方差等问题，将指标数据进行对数处理。

三、实证检验结果与评价

(一)空间相关性检验

在运用空间计量模型进行回归分析之前，首先对被解释变量区域创新能力做空间相关性检验，对区域创新效率指标进行莫兰指数(Moran’s I)检验，计算公式为:

(10)

表1 空间莫兰指数(全局)

(二)空间面板模型的选择与估计

为选择合适的空间计量模型，考虑混合OLS、空间固定效应、时间固定效应和时空固定效应四个模型，检验发现这四个模型均通过LM检验和稳健的LM检验，根据Elhorst研究应建立SDM模型。同时，考虑到不随时间变化和不随空间变化的不可观测因素的影响，建立空间时间双固定效应空间杜宾模型进行回归分析。

下页表2为在固定时间效应和地区效应的情形下，运用地理距离空间权重矩阵，采用面板空间杜宾模型检验技术集聚的区域创新效应存在性。其中(1)—(3)列分别为在未加入控制变量的情形下，以购买境内技术经费支出(ta1)、技术市场技术流向地域的合同数(ta2)和技术市场技术流向地域的合同金额(ta3)这三项指标衡量技术集聚，(4)—(6)列分别为加入控制变量后用上述三项指标衡量技术集聚的回归结果。

表2结果显示，无论是否加入控制变量，技术集聚对区域创新效率的影响均显著为正，且运用购买境内技术经费支出(ta1)表征技术的技术集聚创新效应在1%的水平显著，表明技术集聚能使技术效率变化指数EC提升，即技术集聚存在区域创新效应。

表2 技术集聚的创新效应存在性检验：基准回归结果

此外，采用将地理距离空间权重矩阵替换为空间邻接矩阵和经济距离权重矩阵的方法对基础回归结果进行稳健性检验。结果发现，在空间邻接距离和经济距离这两种稳健性检验策略下，技术集聚仍会对区域创新效率产生正向影响，前述基准回归即技术集聚对创新效率的正向作用结果具有稳健性。基于篇幅限制，在此结果从略。

四、技术集聚的“本地—邻地”效应检验

技术集聚存在技术创新效应，那么，相邻地区的本地技术集聚是否会对邻地技术创新产生影响，以及本地和邻地技术集聚效应是否存在差异？为深入了解相邻地区技术集聚与地区创新效率关系，进一步考察技术集聚的本地—邻地效应，本文将研究对象划分为东部、中部、西部和东北部四个区域，以各省购买境内技术经费支出(ta1)来衡量技术进步，分别探讨区域技术集聚的本地—邻地效应，结果如表3所示。

观察四个区域的本地效应可知，东部、西部和东北地区的估计系数显著为正，而中部地区的估计系数没有通过显著性检验。这说明在不考虑技术集聚的空间溢出效应时，除中部地区以外，其余地区的技术集聚对本地区创新效率的提升作用显著。关于邻地技术集聚对本地创新效率的间接效应，中部和西部地区的估计结果未通过显著性检验，东北地区的作用系数显著为负，即技术集聚会降低与东北地区空间关联地区的本地创新效率，而东部地区作用系数显著为正，即东部地区对其空间关联地区存在正向的技术集聚溢出效应。就东北地区来说，由于技术市场环境不完善，技术市场交易活动频次相对较少且创新要素大规模流出，使得技术集聚未在域内形成正向溢出效应，可能对创新资源形成竞争关系。对于东部地区而言，发达地区域内创新要素集中，加之相对完善的技术市场环境，使得域内技术集聚对空间关联地区的创新呈现正向作用。

表3 技术集聚的本地-邻地效应检验

五、进一步研究

(一)技术创新质量

新冠肺炎疫情冲击和外部技术扼制愈加表明技术创新尤其是高质量技术的重要性。我国急需解决“高质量”发展问题，“高质量”发展的核心要义包含经济活力、创新效率和创新质量的综合竞争力[19]。技术创新是经济持续发展的内在动力，为进一步激发区域经济发展潜力提供了质的保障。

表4 进一步检验结果

然而，我国技术创新产出效率不高且创新产出质量低，企业在创新活动中易陷入低技术均衡陷阱，往往追求创新量的累积，难以实现技术创新质的突破。那么，技术集聚在影响技术创新效率的同时，是否会影响创新质量呢？此外，我国幅员辽阔，由于地理位置、禀赋条件和政策因素等原因，各区域创新能力和水平可能并不趋同。基于此，研究进一步探讨了技术集聚对创新质量的影响，采用发明专利授权数占专利授权总数比重表征区域创新质量，结果见上页表4Panel1。回归结果显示，当用购买境内技术经费支出(ta1)作为衡量技术指标时，四个区域技术集聚对创新质量均产生正向影响，且东北地区的系数绝对值最大，东北地区技术集聚程度每提高1个单位，会使得区域创新质量提升0.305%。当用技术市场技术流向地域的合同数(ta2)衡量技术时，东部、西部和东北地区技术集聚对区域创新质量的影响仍显著为正，而中部地区技术集聚对区域创新质量并没有显著影响。总体上，东部、西部和东北部地区技术集聚在提高区域创新效率的同时也能提升创新质量，东北地区回归系数绝对值最大，中部地区技术集聚影响效应最不明显。

(二)技术集聚度

各地区由于区位、资源条件和制度政策等因素不同，技术创新和技术集聚处于非均衡状况。如东部沿海发达地区技术水平相对较高，其技术集聚特征更明显，而中西部地区技术发展水平较低，技术集聚现象不显著且不同区域的技术集聚存在一定分化趋势。那么，不同的技术集聚程度是否会影响技术集聚的创新效应呢？考虑到地区技术集聚程度的差异性，将区域按照技术集聚度划分为三类：高技术集聚度地区、中等技术集聚度地区和低技术集聚度地区，进而考察不同集聚度区域技术集聚可能引发的创新差异问题。上页表4 Panel2的回归结果显示：无论是哪类衡量技术指标，在低技术集聚度地区，技术集聚的创新效应并不显著；在中等技术集聚度和高技术集聚度地区，技术集聚的创新效应显著为正。以购买境内技术经费支出(ta1)衡量技术为例，在低技术集聚度地区，技术集聚对其区域创新效率的影响并不显著。但形成鲜明对比的是，在中等技术集聚度地区，技术集聚程度每增加1个单位，区域创新效率提高1.184%；在高技术集聚度地区，技术集聚每增加1个单位，区域创新效率提高0.199%。

(三) 市场化程度

一般地，在自由市场环境中，要素配置和技术创新效率更高，即市场化越高，企业技术创新能力往往越强，从而对区域创新效率产生积极影响[20]。那么，在不同市场化程度的环境中，技术集聚对区域创新效率的影响是否不同？本文借鉴樊纲等(2011)的方法测度市场化指数，将市场化程度分为高、中等和低三类，以研究不同市场化程度下技术集聚创新效应的异质性[21]。上页表4 Panel3的回归结果表明，在高市场化程度和中等市场化程度地区，技术集聚对区域创新效率的影响显著为正。具体而言，若以购买境内技术经费支出(ta1)这一衡量技术指标为例，在市场化程度较高和中等的地区，技术集聚每增加1个单位，区域创新效率分别提高1.973%和1.028%。相反，对于市场化程度较低的地区，无论采用三项指标中的哪一类衡量技术，技术集聚对区域创新效率都未产生显著影响。

(四)知识产权保护

通常技术创新存在较强的外部性，易被模仿导致搭便车行为而损害创新。因此，知识产权保护程度如何将直接影响技术创新效果。知识产权保护有别于政府补贴和税收优惠等间接优惠政策，能直接给创新企业提供长时间且稳定的资金支持[22]。同样，技术市场包含技术的开发、转让和出售等各项内容，技术市场运行效率如何甚至能否正常运作，也会受制于地区知识产权保护水平。一般地，通常用GP指数衡量地区知识产权保护程度，但由于GP指数的时间跨度为五年一个单位，时间上非连续。在此借鉴许春明和单晓光(2008)建立的知识产权保护测算体系，将研究样本按照知识产权保护程度的高低分为产权保护程度较高、中等和低三个等级，以探究不同知识产权保护程度下技术集聚影响区域创新效率的异质性效应[23]。上页表4Panel4的回归结果显示：采用前述三种衡量技术指标下，在较高、中等知识产权保护程度地区，技术集聚对区域创新效率的影响均显著为正。具体而言，若同样以购买境内技术经费支出(ta1)这一衡量技术指标为例，在较高和中等产权保护程度地区，技术集聚程度每增加1个单位，区域创新效率分别提高1.732%和0.185%。相反，在低产权保护程度地区，技术集聚对区域创新效率的影响并不显著。

六、基本结论

随着我国经济结构性减速和外部环境不确定性增加，经济增长迫切需要由要素投入转向依靠科技创新，如何提升创新效率一直是学术界的研究焦点。越来越多的国家和地区依赖自主研发和技术引进，尤其是在低技术阶段通过技术的引进、消化、购买和改造实现技术进步。然而，在技术集聚问题的研究上，现有研究重点以产业集聚为对象检验产业集聚对区域创新效率的影响，较少关注技术集聚可能引发的技术创新后果，更是忽略集聚溢出效应即本地—邻地技术集聚的创新效率差异。本文基于2003—2017年省际面板数据，采用面板空间杜宾模型检验技术集聚的区域创新效应存在性及其异质性结果，并进一步将研究对象按照区位因素分类，研究本地—邻地集聚的创新效率差异。实证研究发现：第一，技术集聚存在区域创新效应，将地理距离空间权重矩阵替换为空间邻接矩阵和经济距离权重矩阵后，回归结果依然显著。第二，技术集聚存在“本地—邻地”创新效应的非一致性。将样本分组即考虑地区间空间关联性并将样本划分为四大区域，发现技术集聚的区域创新效应存在异质性，即在东部、西部和东北部地区，技术集聚对本区域创新效率的影响依然为正，其他地区作用不显著；在中部和西部地区，邻地技术集聚对本地创新效率没有显著影响；在东部地区，邻地技术集聚有利于本地技术创新效率的提升；在东北地区，邻地技术集聚对本地技术创新效率具有负向作用；同时，技术集聚不仅对区域创新效率产生积极影响，对区域创新质量的影响在东、中、西和东北这四大区域中均显著为正。第三，技术集聚的创新效率存在条件依赖性，因技术集聚程度、市场化程度和知识产权保护程度不同而存在显著差异。在高和中等技术集聚度地区，技术集聚对区域创新效率均有正向作用，且中等技术集聚程度地区的作用系数大于高集聚度地区。同样，在较高和中等市场化程度和知识产权保护地区，技术集聚的影响也显著。

一般地，技术集聚存在区域创新效率提升效应，但呈现区域异质性和空间关联性。在经济增长由依靠增加要素投入转向依靠技术创新阶段，如何发挥技术集聚的创新效应显得尤为重要。首先，政府应对不同地区采取差异化的政策激励。对中部和西部等开放程度较低的地区，适度给予优惠性政策，带动和推进区域技术集聚，最大化技术集聚对本区域带来的创新效率红利。其次，政府应积极推进区域间技术一体化，促进技术集聚跨区域集群式发展。打破集聚区域技术封锁和市场壁垒，对跨区域的高新技术园区建设提供政策和资金支持，扭转邻地技术集聚对本地创新效率的不利影响。最后，完善政府绩效考核机制，实现创新发展绩效提升。以创新驱动发展战略的实施为有利契机，完善各产业的科技创新扶植政策，通过财政拨款和政府补贴等机制，积极推进区域创新效率提升，推动经济动能由依靠投资转向技术创新，实现创新发展由量到质的转变。