京津冀地区创新政策对区域创新绩效影响的空间计量分析

王 新，汪 涛，张志远

(北京理工大学 管理与经济学院，北京 100081)

近年来，党和国家十分重视创新对于经济可持续增长的促进作用，“创新”已经成为诸多重大政策的核心内容。伴随中国经济运行进入新常态，区域经济增长动力正由依靠自身加大要素投入向要素在区域间优化配置提高生产率转变。促进区域协同发展已经成为新时期区域经济发展及政策制定的重要议题。

2015年4月30日，中共中央政治局审议通过了《京津冀协同发展规划纲要》，制定了京津冀区域一体化发展的顶层设计的纲领性文件。京津冀协同发展战略实施以来，中央各部以及三地各层级的政府部门均纷纷出台政策，尝试通过激励创新来驱动京津冀协同发展。创新政策能保障各项创新活动的有效进行与创新资源的合理配置，其合理制定有助于提高创新绩效从而促进国家创新体系的构建[1]。纵观已有研究，关于创新政策实施效果的研究，大体分为宏观和微观两个层面。宏观层面，如仲为国等的研究将政策量化为政策力度、政策措施与政策目标，并考察了部门协同、政策目标协同以及政策措施协同对技术绩效的影响[2]。也有学者研究了某一项具体创新政策的实施效果。如程华和钱芬芬以技术创新政策为研究对象，研究了具体政策工具对创新绩效的影响[3]。杜根旺和汪涛研究认为，科技政策和创新政策的最终目标都是促进中国经济和社会发展[4]。王钊和王良虎基于断点回归方法，探究税收优惠政策如何影响高技术产业创新效率[5]。王帮俊和朱荣通过政策量化测算产学研协同创新政策文本效力，探究不同政策工具的实施效果[6]。微观层面，如程华和王婉君以浙江省企业为研究样本，建立结构方程模型，探寻创新政策是如何通过创新能力进而影响企业绩效的[7]。逯东和朱丽在考虑不同地区市场化程度的影响下，借助双重差分模型，研究了战略性新兴产业政策对企业创新的影响[8]。杜丹丽等借助PMC指数模型，从时间和支持维度对中小企业科技创新政策进行评价，并针对政策提出优化建议[9]。也有学者逐渐关注空间因素对创新政策实施效果的影响[1,10]。

已有研究普遍认同创新政策对区域创新绩效提升有正向影响。随着研究的深入，一方面，学者们开始关注创新政策对区域创新绩效影响的空间效应的存在，另一方面，已有相关研究仍缺乏对具体创新政策工具如何影响区域创新绩效的探讨。

基于此，本研究聚焦京津冀协同发展进程中三地政府出台的创新政策，开展实证研究：一是量化创新政策文本，评估政策效力；二是选取专利申请授权量，衡量区域创新绩效；三是构建空间计量模型，考察京津冀三地创新政策对区域创新绩效的空间效应；四是进一步考察创新政策实施效果的区域差异，并探索不同类型创新政策工具对区域创新绩效的差异性影响。研究成果将为推进京津冀地区的创新驱动发展和创新政策的有效实施提供决策参考。

1 创新政策影响区域创新绩效的机理分析

根据外部性理论，创新活动伴随知识溢出，创新成果无法独享，加之知识产权保护制度尚未完善，“搭便车”现象普遍存在，会抑制创新的积极性[11]。此外，创新伴随着高风险、高成本以及高不确定性，且创新的回报周期普遍较长，使得创新动力受限，需要政府以“有形之手”加以干预。为促进技术创新、规范技术创新行为，政府相继颁布一系列直接和间接的政策与措施，称之为创新政策[12]。一方面，创新政策会根据社会经济结构变迁和科学发展，不断做出适应和调整[13-14]，另一方面，创新政策和创新理论发展紧密相连，创新政策演化和创新理论发展相互作用、共同演化[15]。

按政策对技术的影响方式，可将创新政策分为供给面政策、环境面政策、需求面政策[16]。在供给面，政府通过平台建设、人才支持、资金支持等方式改善供给。一是加强信息平台建设，依托互联网、云计算、大数据等技术建立产业数据库，拓宽企业数据获取渠道，可以帮助企业获取更多创新资源；二是落实人才优先发展战略，鼓励学校、企业和科研单位开展人才培训，注重人才培养与引进，加强对人才的激励；三是给予专项资金补贴，发挥财政支持引导作用，有效补偿创新活动的外部性，激励创新；四是通过技术支持为创新活动提供技术指导，保障相关基础设施，提供配套服务支持。在环境面，政府通过财政税收、金融保障、法规管制等措施改善环境。一是给予税收优惠，减轻企业负担；二是拓宽企业融资渠道，帮助企业获得更多金融产品和服务；三是加大知识产权保护力度，出台《知识产权保护法》《专利法》等法律法规，为创新活动提供法律保障[17]。在需求面，政府通过培育市场、设立机构、政府采购等方式减少市场不确定性。一是深入挖掘市场需求，培育新的市场主体，改善市场环境；二是落实政府采购措施，以多种方式组织政府进行购买；三是支持成立跨国公司，鼓励行业组织和企业进行海外技术合作等。

新经济地理学派提出：空间因素在经济活动中存在广泛的影响。政策的实施存在扩散效应并且具有多种实现机制，不同地区尤其是相邻地区间普遍存在政策学习、竞争、模仿等行为，地区创新政策可能辐射影响周边地区。

此外，由于不同地区的经济发展水平、产业结构、政策目标不尽相同，创新政策的实施效果亦可能存在差异。一是不同地区在产业结构和经济发展水平上的差异，使各地区的发展模式、资本条件以及人才储备等存在差异，从而可能导致创新政策对区域创新绩效的影响存在地区差异。基础条件好的区域，有更好的科研条件，资源整合能力强，更容易从周围邻近区域的创新政策的实施中获益[18]。二是创新政策工具不同，政策的实施效果也会存在差异[3]。供给侧工具侧重于人力、资金和技术上的支持；需求侧工具侧重于政府通过采购、市场培育等方式减少市场不确定性；环境侧工具侧重于通过财政税收、法规管制、金融保障等方式改善外部环境。

2 研究设计

2.1 变量选取与数据来源

2.1.1 变量选取

被解释变量：区域创新绩效(Patent)。创新绩效的测度有两种方式：一种是采用单一指标，通常采用专利授权量、新产品销售收入等测度创新绩效；另一种则采用综合指标，通过构建评价指标体系进行测度。本研究采用单一指标测度方法，并借鉴Bettencourt等的研究，选取专利授权数量来测度区域创新绩效[19]。

解释变量：创新政策(TTZCDF)。收集京津冀三地43个区市级政府所发布的创新政策文本(1)本研究选取北京市辖的顺义区、门头沟区、通州区、西城区、石景山区、海淀区、朝阳区、昌平区、房山区、怀柔区、延庆区、平谷区、密云区、大兴区、丰台区、东城区，16个区；河北省的保定市、沧州市、承德市、邯郸市、廊坊市、秦皇岛市、石家庄市、唐山市、邢台市、张家口市、衡水市，11个地级市；天津市辖的北辰区、和平区、河北区、河东区、河西区、红桥区、蓟州区、津南区、静海区、南开区、武清区、西青区、东丽区、宝坻区、宁河区、滨海新区，16个区。，借鉴并优化彭纪生等提出的政策量化标准手册[20]，对其进行结构化和定量化，以此作为解释变量。

控制变量：选取其他对创新绩效有影响的变量作为控制变量。其中，地区经济发展水平(PGDP)以各区市人均国内生产总值衡量；地区产业结构，用第二产业占比(industry)和第三产业占比(ti)的变化来表示，第二产业占比用地区第二产业增加值/地区国内生产总值衡量，第三产业占比用第三产业增加值/地区国内生产总值衡量。

2.1.2 数据来源

创新政策方面，选取2012年党的十八大明确提出创新驱动发展战略以来，京津冀三地各级政府所发布的创新政策作为研究素材，研究的观察期为2013—2018年共6年。为确保全面性和准确性，政策搜集主要通过3个渠道：①中华人民共和国人民政府门户网站，是政策发布与解读的官方渠道，具有权威性，能够确保政策文本的准确，也为充分理解政策内涵和后续的政策文本分析提供帮助；②北大法律信息网——法律法规数据库(以下简称为“北大法宝”)是中国建立时间最早、政策收集量最大的法律信息服务数据库，其中收录了1949年至今的法律法规，能保证政策文本的完整性；③其他机构或行业协会网站，是政策查询和回顾的重要平台，能够为前述两种渠道提供补充支撑，确保观测期间内政策文本搜集的全面性。

专利授权数量、地区经济发展水平、第二产业增加值、第三产业增加值的数据采集自《北京科技年鉴》(2014—2018年)、《北京区域统计年鉴》(2018—2019年)、《河北经济年鉴》(2014—2019年)、《河北科技统计年鉴》(2016—2018年)、《天津科技统计年鉴》(2014—2018年)和《天津统计年鉴》(2014—2019年)。

2.2 计量模型建立

2.2.1 空间权重矩阵

进行空间计量，首先应测量区域之间的空间距离，记区域i与区域j间的距离为wij，则可定义空间权重矩阵为

(1)

式中，主对角线上元素w11=…=wnn=0(同一区域的距离为0)。最常用的距离函数为“相邻”，也就是说，如果区域i与区域j有共同的边界，则wij=1；反之，则wij=0。

构建京津冀43个区市级行政规划区之间相邻关系的空间权重矩阵。wij为非标准化的相邻关系的空间权重矩阵的元素，w′ij为标准化之后的相邻关系的空间权重矩阵的元素，构建原则如下：

(2)

(3)

2.2.2 空间自相关检验

首先，需要判断变量间是否存在空间相关性。只有相关性存在，才可以进一步使用空间计量。“空间自相关”是指相邻区域间存在相似的变量值，如果相邻区域间同一变量的高值与高值聚集、低值与低值聚集，则为“正空间自相关”；如果高值与低值聚集，则为“负空间自相关”。本研究采用Moran’sI指数用于检验。其计算公式为

(4)

2.2.3 空间计量模型

为了检验某一区市的创新政策实施对其相邻区市的区域创新绩效的溢出效应，需要构建空间杜宾模型(SDM)，其具体形式如下：

Patentit=β0+ρwijPatentit+β1TTZCDFit+

β2Contralit+δ1wijTTZCDFti+

δ1wijContralti+εit

(5)

式中：Patent表示被解释变量创新绩效；TTZCDF表示解释变量创新政策得分；Contral表示控制变量；t为考察期年份；i为各区市；β、ρ、δ均为参数；ε为随机扰动项。

2.3 创新政策量化

2.3.1 政策文本预处理

通过中华人民共和国人民政府门户网站、北大法宝和其他机构或行业协会网站3种渠道，以“创新”为检索关键词，搜集京津冀三地在2013—2018年颁布的政策。由于部分创新政策由多部门联合发文，存在同一政策文本重复计数情况。因此，课题组对搜集到的创新政策文本进行两次清洗，第一次清洗去除多部门联合发文造成的重复政策文本，剔除通知类、转发上级政策类、工作分解分配和责任分工等无实质性内容的政策文本以及总结、报告、通报等政府文件。第二次清洗基于陈劲和王飞绒[12]对创新政策的概念界定，经过反复讨论后剔除与城市发展、保障民生、基础建设、职业教育、环境治理以及体制机制改革等普惠性相关的政策文本。

2.3.2 政策量化处理

本研究选择基于扎根理论思想，通过两阶段的人工编码，将政策文本处理为结构化的资料，并基于扎根过程，建立政策三要素——政策目标、政策工具和政策主体的量化标准，从而实现对质性政策文本的结构化和定量化，获得量化的解释变量。

借鉴并优化彭纪生等提出的政策量化标准手册[20]，构建一个三维的政策评价指标体系，分别为政策目标、政策工具、政策力度(通过政策主体数量和这些主体所处的行政体系层级表达)。该量化标准手册经课题组成员与中关村示范区相关政策管理部门人员的多轮探讨，且经过课题组的独立测试，具有客观性。具体如下：

2.3.2.1 确定政策力度的量化标准

借鉴彭纪生等提出的政策量化标准手册[20]，依据政策颁布所涉及的主体数量和这些主体所处的行政体系层级，为政策力度打分(表1)。

表1 政策文本中政策力度的量化标准

2.3.2.2 确定政策目标的量化标准

政策文本中关于目标的表述包括两方面内容，其一是政策要激励谁、扶持谁，其二是通过激励和扶持要达到什么结果。基于扎根处理过程，可以获得关于政策目标的若干类属化编码，结合类属化编码所涵盖的关键词，可以形成各个类属化编码中前述两方面内容的具体描述，据此制定如下政策目标的量化标准(表2)。

表2 政策目标的量化标准

2.3.2.3 确定政策工具的量化标准

本研究采用如下步骤构建创新政策工具的分类和打分标准：

1)根据创新政策工具通过要素供给推动、需求引导拉动和环境建设支持作用于创新过程的理论模型，将创新政策工具分为供给侧、环境侧和需求侧政策工具。

2)结合京津冀协同发展战略颁布实施以来中央各部和京津冀三地政府颁布的创新政策文本的扎根处理过程，获得政策文本中有关工具、手段、措施的类属性编码，作为政策工具的第三级分类标准，以充分体现和呼应我国创新政策实践的具体做法，细化和提高政策工具分类标准的针对性和适用性。

3)在形成第三级分类标准过程中，对所依据的Rothwell和Zegveld[16]的经典分类标准的第二级细目加以拓展和优化，以适应政策工具创新取得的进展，提高政策工具分类标准的适用范围。

4)基于所获得的类属化编码和二级分类标准，制定如下政策工具的量化标准(表3)。

表3 创新政策工具分类的三级标准体系和打分标准

续表3

2.3.3 京津冀各区市创新政策的量化

在对创新政策目标-工具-力度3个维度赋值量化后，某项创新政策的得分由目标得分与措施得分相加之和，再与力度得分相乘得

ZCDFj=ZCLDj×(CSDFj+MBDFj)

(6)

式中：ZCDFj表示第j项创新政策的得分；ZCLDj表示第j项创新政策的力度得分；CSDFj表示第j项创新政策的工具得分；MBDFj表示第j项创新政策的目标得分。

将某一地区的年度创新政策进行综合累加，得到该地区的年度创新政策评价分值：

(7)

式中：TZCDFt表示第t年i区市的创新政策评价分值；n表示该区市在第t年出台的创新政策文件数量；ZCDFj表示该区市在第t年出台的第j项创新政策得分。

3 空间计量模型估计与检验

3.1 空间自相关检验

基于Stata14软件，对京津冀三地各区市的创新政策与创新绩效之间空间相关性进行检验，结果见表4。

由表4可知：①2013—2018年京津冀各区市创新政策的Moran’sI指数均为正且显著，说明各区市创新政策呈现显著的正向空间相关性和明显的空间集聚特征；②京津冀各区市创新绩效的Moran’sI指数也呈显著正相关，说明各区市创新绩效呈现显著的正向空间相关性；③整体来看，创新政策的Moran’sI指数高于创新绩效的Moran’sI指数，说明创新政策的空间集聚现象更明显。

表4 2013—2018年京津冀各区市创新政策及创新绩效Moran’s I指数

3.2 计量模型结果分析

首先用普通最小二乘法(OLS)对模型进行误差估计，并进一步判断是否存在空间效应。表5显示，3个针对空间误差(Spatial error)的检验中，有两个拒绝了“无空间自相关”的原假设，两个针对空间滞后(Spatial lag)的检验中，有一个拒绝了“无空间自相关”的原假设，结果再次表明，应进行空间计量分析。

表5 空间相关性OLS检验

采用空间杜宾模型(SDM)进一步检验创新政策实施对其相邻区市区域创新绩效的溢出效应。表6为静态和动态SDM模型检验结果。在静态SDM模型检验结果中，WPatent的系数为正，说明相邻区市的创新绩效相互依赖，一个地区的创新绩效对其他相邻地区的创新绩效产生正向的促进作用。TZCDF和WTZCDF的回归系数均为正，进一步说明创新政策的实施对本地区区域创新绩效有促进作用,且相邻区市创新政策实施对本区市的创新绩效有积极影响。控制变量中，区域经济发展水平对本地区的区域创新绩效有正向促进作用；向第二和第三产业的转型升级可以促进本地区的区域创新绩效，而且相比于向第二产业转型升级，向第三产业转型升级对本地区区域创新绩效的促进作用更强。为验证结果的稳定性，在模型中引入滞后一期的区域创新绩效变量，使用动态面板杜宾模型进行估计。动态模型估计与静态模型估计结果基本一致，进一步验证结果的可靠。

表6 静态和动态 SDM模型回归结果

4 进一步研究

4.1 创新政策对创新绩效影响的区域异质性估计

前文探讨了京津冀各区市创新政策对本地区以及周边地区创新绩效的影响，研究发现各区市的创新政策对创新绩效有正向影响，且此种影响存在空间溢出效应。当下，京津冀地区经济联系日益紧密，三地的生态环境、经济发展和交通设施等方面的合作深度和广度都不断拓展，但与此同时，京津冀三地仍存在发展地位不平等、发展定位不协调以及发展成果不相称等问题。考虑到3个区域不同的发展状况，本研究尝试考察创新政策实施效果是否会在京津冀三地之间有差异？如果有差异，是什么差异？具体检验结果见表7。

表7 分区域静态和动态SDM模型回归结果

由静态SDM模型检验结果可知：①京津冀三地的创新政策对区域创新绩效的影响存在差异。三地的创新政策实施均对本地区区域创新绩效提升产生显著促进作用，但是三地的TZCDF系数大小有差别，结果表明：相对于天津和河北，北京创新政策的实施对本地区区域创新绩效的促进作用更明显，创新政策实施效果更显著。②北京和河北两地的WTZCDF回归系数均为负，说明两地的创新政策实施对相邻地区的区域创新绩效提升存在显著抑制作用，两地的邻近区域间表现出“空间竞争性”；天津地区的WTTZCDF回归系数为正，表现出显著的正向空间溢出效应，创新政策实施有利于辖区内相邻区域的创新绩效提升，辖区内相邻地区之间表现出“空间合作性”。③控制变量中，区域经济发展水平以及向第二和第三产业的转型升级，均对本地区的区域创新绩效有正向促进作用。动态模型估计与静态模型估计结果基本一致，进一步验证结果的可靠。

4.2 不同创新政策工具对区域创新绩效的差异性影响

在前文研究中，探讨了京津冀各区市创新政策对本地区以及周边地区创新绩效的影响，并考察了创新政策实施效果是否会在京津冀三地之间存在差异。接下来的研究进一步将创新政策细分，根据创新政策工具通过要素供给推动、需求引导拉动和环境建设支持作用于创新过程的理论模型，将创新政策工具分为供给侧、环境侧和需求侧，并分别考察供给侧、环境侧和需求侧的政策对区域创新绩效的影响。

对创新政策工具赋值量化后，供给侧政策的得分由人力支持、信息支持、技术支持、资金支持和公共服务各维度得分之和表示，将某一地区的年度供给侧政策得分进行综合累加，得到该地区的年度供给侧政策评价分值：

JSZCj+ZJZCj+GGFWj)

(8)

式中：GJ_ZCDFj表示第t年i区市供给侧政策分值；RLZCj表示第j项政策人力支持维度得分；XXZCj表示第j项政策信息支持维度得分；JSZCj表示第j项政策技术支持维度得分；GGFWj表示第j项政策公共服务维度得分；n表示该区市在第t年出台的创新政策文件数量。

需求侧政策的得分由政府采购、市场培育和机构设立各维度得分之和表示，将某一地区的年度需求侧政策得分进行综合累加，得到该地区的年度需求侧政策评价分值：

(9)

式中：XQ_ZCDFj表示第t年i区市需求侧政策分值；ZFCGj表示第j项政策政府采购维度得分；SCPYj表示第j项政策市场培育维度得分；JGSLj表示第j项政策机构设立维度得分；n表示该区市在第t年出台的创新政策文件数量。

环境侧政策的得分由财政税收、金融保障、法规管制和行政措施各维度得分之和表示，将某一地区的年度环境侧政策得分进行综合累加，得到该地区的年度环境侧政策评价分值：

FGGZj+XZCSj)

(10)

式中：HJ_ZCDFj表示第t年i区市环境侧政策分值；CZSSj表示第j项政策财政税收维度得分；JRBZj表示第j项政策金融保障维度得分；FGGZj表示第j项政策法规管制维度得分；XZCSj表示第j项政策行政措施维度得分；n表示该区市在第t年出台的创新政策文件数量。

供给侧、环境侧和需求侧的政策对区域创新绩效影响的回归结果(表8)表明：①不同创新政策工具对本区域创新绩效的影响存在差异。供给侧、需求侧和环境侧政策均对本地区创新绩效提升产生显著促进作用，其中，供给侧政策对区域创新绩效的促进作用最强，环境侧政策对区域创新绩效的促进作用次之，需求侧创新政策对区域创新绩效的促进作用最弱。②比较3种政策工具对邻区域创新绩效的影响，发现供给侧政策和环境侧政策对邻区域创新绩效存在显著负向影响，需求侧政策对邻区域创新绩效存在显著正向影响。

表8 不同政策工具静态和动态SDM模型回归结果

5 结论与讨论

本研究基于空间计量视角研究创新驱动京津冀协同发展背景下的区域创新政策对区域创新绩效的空间溢出效应。研究得出以下结论:①京津冀各区市创新政策与创新绩效呈现显著正向空间相关性，空间聚集特征明显。②从总体来看，实施创新政策对本区市区域创新绩效有积极影响,且相邻区市的创新政策实施对本区市的创新绩效存在正向促进作用。③京津冀三地创新政策对区域创新绩效的影响存在显著区域异质性。具体而言，相对于天津和河北，北京各区创新政策的实施对本区的区域创新绩效促进作用更明显；天津市各区的创新政策实施有利于相邻地区区域创新绩效提升，北京和河北各区市创新政策实施抑制了相邻地区的区域创新绩效提升。④不同创新政策工具对创新绩效的影响存在差异，相比于需求侧政策和环境侧政策，供给侧政策对本地区创新绩效的促进作用最强；需求侧政策对相邻区域的创新绩效有正向影响，供给侧和环境侧政策对相邻区域创新绩效有显著负向影响。

上述研究结果得到的启示：

1)继续推进创新政策，营造良好的政策环境。研究结果表明，创新政策能有效促进本地区区域创新绩效，且相对于天津和河北，北京各区创新政策的实施对本区的区域创新绩效促进作用更明显。鉴于此，一方面，应强化创新政策的渗透性，加强政策的执行力，及时反馈创新政策发展现状；另一方面，在制定创新政策时，制定政策应与自身情况相符，注重创新政策对自身区域情况的针对性，保障政策实施精准性，提升创新政策实施效率，增强区域创新绩效。

2)加强区域交流合作，注重政策整体上的协调性。研究结果表明，总体来看，一个地区创新政策实施对相邻地区的区域创新绩效有正向促进作用。鉴于此，一方面，逐步突破行政区划分给各区市政策资源流动带来的障碍，不断加强各区市在政策制定、实施阶段的交流与合作，推进政策资源在各区市之间流动，使得创新政策的空间溢出效应有效发挥;另一方面，鼓励各区域之间交流合作，促进区市各地发挥自身优势、推动要素流动和高效配置，有效促进京津冀各地区的协同发展。

3)识别区域差异，保障政策精准推行。研究结果表明，京津冀三地创新政策对区域创新绩效的影响存在区域异质性。天津市邻近地区之间表现出“空间合作性”，北京和河北邻近地区间表现出“空间竞争性”。政府在制定创新政策时，一方面，通过建立共享联盟、平台联盟等，形成跨区域的协同创新协调机制，助推各区域之间创新资源共享；另一方面，应进一步改善创新环境，以整合创新资源为切入点，并提升区域之间创新政策资源协调度，避免区内资源竞争。

4)强调需求拉动效应，加强需求侧政策的推动作用。研究结果发现，不同创新政策工具均对本区域创新绩效有促进作用，而邻近区域需求侧政策之间表现出“空间合作性”，供给侧政策和环境侧政策则表现出“空间竞争性”。相对于供给侧政策和环境侧政策而言，需求侧政策的创新推动作用仍有很大空间。鉴于此，一方面，应继续发挥要素供给推动、需求引导拉动和环境建设支持对创新的促进作用；另一方面，在创新政策制定过程中，需要继续加强需求侧政策的创新推动作用，以区域创新合作为引领，促进京津冀地区创新绩效的全面提升。