高技术产业空间集聚与区域创新绩效——基于R&D投入的中介效应

安存红，周少燕

（保定理工学院，河北 保定 071000）

一、引言

现阶段，创新是中国经济迈向高质量发展新时期的核心动力，更是支持创新型国家建设的有力支撑[1]。作为国家创新体系关键要素之一，区域创新绩效直接体现了国家的创新水平[2]。要想提高区域创新绩效，必须整合区域内创新资源，使技术创新所凭借的各类生产要素实现优化组合。这一过程中，高技术产业的知识、技术、资金等要素有序流动形成空间集聚现象，并在降低交易成本、发挥规模集聚效应的同时，助推区域创新绩效提升[3]。伴随着科技、人才、资金等资源要素的进一步发展，高技术产业空间集聚逐渐形成带动效应并为技术创新提供资源支持。在此情形下，如何利用高技术产业空间集聚优势，科学合理地配置创新要素，提高区域创新绩效，成为目前政府及社会各界关注的热点话题。20世纪40年代，有经济学家曾指出，技术创新是区域经济长期增长的引擎，而R&D投入则是这个引擎的主要燃料。时至今日，R&D投入在产业技术创新和区域经济增长中的作用进一步凸显[3]。那么，高技术产业空间集聚、R&D投入、区域创新绩效之间存在何种联系？一国及地区可否通过调整R&D投入提高区域创新绩效？现有文献尚未对此形成一致的意见。针对于此，文章以R&D中介变量作为研究切入点，讨论高技术产业空间集聚与区域创新之间的动态关系。

文章主要贡献在于：一是国内外研究少有涉及高技术产业空间集聚、R&D投入与区域创新绩效三个变量之间的关系；二是文章将通过门槛模型讨论提高区域创新绩效的门限阈值，明晰R&D投入的作用程度；三是试图探索相关研究理论，为提高技术创新能力从而增加区域创新绩效提供对策建议。

二、文献综述

1.高技术产业空间集聚与区域创新

理论研究认为，以高技术产业为主导形成的空间集聚会对区域创新绩效产生一定影响[4]。周明、李宗植(2011)以产业集聚为理论依据，建立高技术产业空间集聚的知识生产函数，并纳入知识溢出与政府支持力两个指标，最终得出高技术产业空间集聚正向影响区域创新绩效的结论[5]。同时，也有学者提出不同意见。李骏等(2018)研究表明，拥挤效应的存在导致高技术产业空间集聚对区域创新绩效存在非线性影响[6]。也就是说，当高技术产业空间集聚度达到一定阈值后，将对区域创新绩效提升阻力，也会影响不同地区的高技术产业集聚规模。

2.R&D投入与区域创新绩效

R&D投入作为提升区域创新绩效的关键因素，已成为多数学者研究的重点。丘东等(2016)分析认为，在政府R&D投入影响区域创新绩效的关系中，企业R&D投入存在部分中介作用[7]。苏屹等(2018)利用面板门限回归模型，综合测度R&D投入与区域创新绩效间的关系，研究认为R&D投入与专利授权量存在显著门限效应[8]。此外，也有学者进一步研究指出，在将R&D投入划分为R&D经费投入与R&D人员投入两个指标后，仍可正向提升区域创新绩效水平[9-11]。

3.高技术产业空间集聚与R&D投入

现有研究认为，高技术产业空间集聚与R&D投入存在双向因果关系。沈宏婷、陆玉麒(2015)研究指出，在经济发展水平、政府科技投入力度、产业结构的变化影响下，中国省域R&D投入的相对差距在缩小，空间相关性逐渐增强。这在一定程度上使得高技术产业形成空间集聚[12]。邱士雷等(2018)基于知识生产函数的框架，探讨中国高技术产业技术创新能力空间分布差异及其影响因素，研究认为R&D资本存量是促进高技术产业创新能力的决定因素[13]。郭国峰、晋玉芳(2019)研究指出，2012—2016年在R&D活动投入的影响下，中西部地区高技术产业整体全要素生产效率得以提升，且处于持续集聚的态势[14]。

4.R&D投入的中介效应

现有研究认为，为降低生产成本，提高综合经济效益，高技术产业会从单一生产要素地区逐步向多个要素集聚的地区靠拢，由此出现空间集聚现象。张卿、刘昭乐(2020)分析指出，为增加高技术产业空间集聚效益，政府通常会通过政策制定来降低科技投资风险，引导企业加大R&D投入，缓解科研融资困境[15]。同时，R&D投入总量的逐渐加大，不仅能够优化区域产业创新结构，还对区域创新发展战略深入落实以及提升区域创新绩效发挥积极作用[16]。据此可以看出，高技术产业空间集聚所具备的技术、资源、资金优势，一定程度上激发了高技术企业R&D投入，并最终提高了区域创新绩效水平。

综上所述，已有文献就高技术产业空间集聚与区域创新绩效之间的影响关系的研究多基于线性模型开展，无法判断二者之间是否存在非线性关系；多数理论仅倾向于研究高技术产业空间集聚与R&D投入、R&D投入与区域创新绩效间的关系，很少将三者置于同一框架进行讨论，也未明确R&D投入在高技术产业空间集聚与区域创新绩效中的影响关系。有鉴于此，文章基于2009—2019年中国30省份数据，在构建基准回归模型的基础上，以集聚水平为门限变量的非线性面板门限模型，寻找高技术产业空间集聚影响区域创新绩效的门限值并进行显著性检验；进一步探究跨越门限值前后，高技术产业空间集聚对区域创新绩效影响的变化；最后讨论R&D投入在高技术产业空间集聚与区域创新绩效中的关系。

三、模型设定与变量选取

1.模型设定

（1）理论模型

文章借用余泳等(2015)[15]和丘东等(2016)[7]的设计思路，构建高技术产业空间集聚通过R&D投入对区域创新绩效的影响理论模型。假设存在一个高技术企业i的可分离性效用函数：

式(1)中，Mit代表区域创新绩效，st代指高技术产业在t时期内空间集聚的创新要素，xi代表高技术产业空间集聚对区域创新绩效的贡献度。Kit代表i企业t时期的R&D资本投入；Lit代表i企业t时期的R&D人力投入；aK、aL分别为Kit与Lit的弹性系数。依据已有理论，高技术产业空间集聚对区域创新绩效的贡献度xi与高技术产业集约程度H正相关，并且每一个高技术企业i受创新要素si对区域创新绩效qi的影响作用均相等(∂qi/∂H=k)。

如前所述，R&D投入主要通过流动过程中产生的知识与技术溢出，对区域创新绩效产生影响。而且，这种效应还会受财政政策影响。在财政政策E的激励下，高技术企业会通过增加R&D资本投入和R&D人力投入的方式发挥技术创新效应，提升区域创新绩效。此时，财政政策E与高技术产业集聚度H之间存在H=H(E)，且同时存在H′(·)>0，即财政政策E与高技术产业集聚度H存在正向影响关系。另外，高技术产业空间集聚程度一般由其收益决定，收益分布属于单峰函数f(yi)，f(yi)∈(0，yH)，yH表示企业收益的最大水平。为了提升区域创新绩效，政府会通过减免税率的方式吸引R&D资本投入和R&D人力投入，提升高技术产业集聚收益水平。此时则有E=Y(ζ-ζ2/2)，ζ为高技术企业集聚收益减免税率，Y为企业平均收益水平。如若创新要素、企业R&D投入对区域创新绩效的贡献度均与企业相对收益Li(Li=xt/Y)呈正相关关系，那么就有st=st(Lt)且st′(·)>0。最终可以认为，高技术产业空间集聚会通过R&D投入影响区域创新绩效。

（2）门限回归模型

“门限效应”是指当某一经济参数值接近特定数值时，可能对另一经济参数值发生影响，使其向另外发展形式转变的一类现象。就高技术产业而言，其空间集聚程度水平对区域创新绩效影响是否存在门限阈值？当区域创新绩效发生转变时，是否存在某一条件影响集聚效应？这类问题仍需进行深层次讨论。基于此，文章在此次研究的影响框架中纳入空间集聚因素，全面探索高技术产业空间集聚对区域创新绩效的门限效应。在具体研究过程中，借鉴魏新颖等(2019)[17]的面板门限模型方法，构建单一门限回归模型(2)、(3)。

上述公式中，i、t分别代指企业个数、年份，y、x、q、ϑ分别为文章的被解释变量、解释变量、门限变量以及代阈值变量。另外，ν1、ν2分别代指解释变量之前的系数，eit为残差项。当qit≤ϑ时，面板门限回归模型为公式(2)；当qit>ϑ时，面板门限回归模型为公式(3)。

随后构造示性函数I(·)。若·代表的条件得以满足时，表明示性函数值为1，否则为0。通过示性函数，合并模型(2)、模型(3)，即可得到模型(4)。

模型(4)中，ui为各省市的个体效应；xit为文章所列示的一系列控制变量。

通过如上原理可得双重门限面板回归模型(5)。

文章在模型(5)的基础上，借助STAT16.0软件，研究高技术产业空间集聚水平对区域创新绩效影响的门限效应。第一，确认门阈变量的真实取值个数。这一步需通过自主抽样法构建似然比函数统计量(LR)完成。在具体测算过程中，先求解残差平方、最小门阈估计值以及相关变量参数值，而后检验门限效应是否显著，并确定门阈变量取值个数。第二，检验门限效应是否真实。文章借鉴Bruce&Hansen(1998)[18]的双重门限效应检验原理，首先预设第一重门阈估计值已知且真实存在，而后对第一重门阈估计值进行F统计量检验。若该值通过检验，则需执行似然比函数识别门限值的操作流程，以检验第二重门限效应的真实性。若该值通过真实性检验，则需重复似然比函数识别门限值的相关操作，并对三重门限效应门阈值进行检验。

（3）中介效应模型

为验证R&D投入在高技术产业空间集聚与区域创新绩效中的传导作用，文章参考章新蓉等(2016)的中介效应方法[19]，设定如下模型：

式中，模型(6)、模型(8)分别是在不引入、引入中介变量情况下，高技术产业空间集聚对区域创新绩效的影响模型；模型(7)解释了中介变量R&D投入与高技术产业空间集聚的具体关系。其中，RIPit为中介变量；DIURCit代表高技术产业空间集聚的替代指标即产学研合作程度；R&DIit代表R&D投入，controlit、μi、εit分别指控制变量、省份效应和随机扰动项。

2.变量选取与说明

（1）核心解释变量

产学研合作程度(DIURC)。产学研合作是技术创新的重要实现方式，可加速高技术产业空间集聚。因此，参考相关文献研究方法[20]，用产学研合作程度(DIURC)表示高技术产业空间集聚程度的高低。同时，为了保证研究结论的稳健性，以新产品开发经费支出(EPD)、新产品销售收入(NPSR)作为产学研合作程度(DIURC)的替代指标。

（2）被解释变量

区域创新绩效(RIP)。为有效避免参数估计法在主观设定计量模型时可能出现的错误，文章采用数据包络分析法(DEA)对区域创新绩效问题进行评价。具体而言，文章选取产业创新投入指标和产业创新产出指标，并导入超效率DEA模型测度区域创新绩效。其中，产业创新投入这一指标以R&D研发内部支出和R&D人员全时当量来表示；产业创新产出以专利申请量和新产品销售收入来表示。

（3）控制变量

城镇化水平(UL)，使用城镇人口数与总人口占比表示。劳动力储备资本(LRC)，采取地区加权平均受教育年限进行核算。具体计算方法为：hum=(0×N+6×P+9×J+12×S+16×C)/(N+P+J+S+C)。其中，N表示未就学人数；P表示小学文凭人数（6年）；J表示初中文凭人数（9年）；S表示高中文凭人数（12年）；C表示专科及以上文凭人数（16年）。信息化水平(IL)，用地区电信业务量及网络普及率来衡量。政府支持(GS)，采用区域高技术产业政府支出与R&D资金的比值来表示。融资环境(FE)，以金融机构贷款与R&D资金比值来衡量，这一数值越大说明当地区域融资环境越好。知识产权保护(IPP)，选取知识产权保护指数作为衡量指标。

（4）中介变量

R&D投入(R&D I)。为更准确地反映R&D投入的各项活动，参考有关R&D指标体系构建的文献[21]，文章将R&D投入(R&D I)分为R&D人员投入和R&D经费投入。其中，R&D人员投入按照区域研发人员数量进行衡量；R&D经费投入用政府和企业区域科研经费投入量，以及其他资金总和进行衡量。

（5）门限变量

当前，学术界常用区位熵(LQ)指数来测算产业部门的专业化程度。对此，文章借助郑荷芬与韩峰(2012)[22]、衣保中与张彩云(2020)[23]的相关做法，以区位熵指数量化高技术产业空间集聚水平。具体测度方法如下：

其中，t与i分别代表年份和省域；HtiLQit表示高技术产业集聚水平的区位熵；Htiit代表t年内i省份的就业人数；Htit代表t年时间内全国就业人数；ALLit代表t年内i省份全行业就业人数的总和；ALLt代表t年内全行业就业人数的总和。当HtiLQit值越大，高技术产业空间集聚水平越高；当HtiLQit值越小，高技术产业空间集聚水平越低。

3.数据来源及变量描述性统计

如表1所示，文章以2001—2019年为时间跨度，选取中国30个省份高技术产业面板数据，进行数据描述性统计。高技术产业数据来自《中国科技统计年鉴》与《中国统计年鉴》；城镇化水平(UL)、劳动力储备资本(LRC)、信息化水平(IL)、政府支持(GS)、区域创新绩效(RIP)等变量来自《中国高技术企业统计年鉴》、EPS数据库以及Wind资讯数据库。上述变量相关的经济指标数据已进行消胀处理。

表1 描述性统计

四、实证分析

1.高技术产业空间集聚对区域创新绩效的回归分析

（1）基准分析

表2给出高技术产业空间集聚对区域创新绩效的面板回归结果。其中，第(1)列表示，在不引入控制变量的情形下，高技术产业空间集聚对区域创新绩效的影响系数为35.112（在1%水平上显著）；第(2)列表示，在引入相关控制变量并控制省份效应时，高技术产业空间集聚对区域创新绩效的影响系数为26.043（在5%的水平上显著）；第(3)列表示在省份效应和时间效应双重控制下的二者影响关系，影响系数为18.505（在5%的水平上显著）；第(4)列是在包含前述控制因素下采用异方差修正所得二者的影响结果，影响系数为20.652（在10%的水平上显著）。从表格回归结果可知，高技术产业空间集聚程度的提高会提升区域创新绩效水平，二者之间呈正相关关系。

表2 面板回归结果

（2）稳健性分析

尽管此次研究准确衡量了影响区域创新绩效的控制变量，但依然存在遗漏变量导致内生性问题。而且高技术产业空间集聚与区域创新绩效二者之间可能存在双向因果关系，不仅前者会对后者产生影响，后者的变化也会反作用于前者的集聚水平。因此，为保证上述结论的稳健性，文章采用替换变量及验证方法处理内生性问题，并进行稳健性检验。第一，将新产品开发经费支出与销售收入作为替代产学研合作程度的替代变量。第二，运用广义矩估计方法和工具变量方法分别汇报了替换高技术产业空间集聚指标以及控制内生性后的估计结果，如表3和表4所示。

表3 替换高技术产业空间集聚指标后的稳健性检验

表4 内生性处理后的稳健性检验

由表3可知，用于度量高技术产业空间集聚的两个替代变量，对区域创新绩效的影响系数分别为35.121、27.191（均在5%的水平上显著）。可以看出，高技术产业空间集聚程度的提高会显著带动区域创新绩效，高技术产业空间集聚对区域创新绩效的正向作用结果也保持稳健。

如表4所示，第(1)、(2)列分别使用差分广义矩和系统广义矩分析法对相关变量展开回归分析。第(3)列为将产学研合作程度作为工具变量后进行最小二乘估计的结果。另外，根据识别不足检验统计量(LM)结果可知，其统计量均在5%的水平上显著，说明所选变量关联性较好，没有识别不足的问题。而弱工具变量检验统计量(F)显著大于马昱等(2020)给出的经验临界值10[24]，说明内生变量不存在弱识别问题。可见，文章选取的两个替代变量有效，进一步证明结论具有稳健性。

2.高技术产业空间集聚对区域创新绩效的门限分析

（1）门限估计值显著性检验

为了考察门限回归模型究竟存在几重门限阈值，文章参照Hansen(1998)的设计思路，通过建立F统计量来识别多重门限阈值显著性，所得结果见表5。分析表5发现，单一阈值与双重阈值估计值均在5%水平上显著，且F统计量为18.682和23.507，P值为0.031和0.017，而三重门槛在1%、5%、10%水平上均不显著。由此表明，高技术产业空间集聚对区域创新绩效的影响仅存在双重门槛效应。故文章构建双重门限面板回归模型进行下一步验证。

表5 显著性检验结果

（2）双重门限回归结果分析

文章在初始双重门限面板回归模型(5)的基础上，将高技术产业空间集聚与区域创新绩效两个指标代入示性函数，得到修正后的双重门限面板回归模型(10)。

研究参照嵇正龙、宋宇(2020)[25]关于集聚水平门阈值计算方法，首先使用自助抽样算法进行数据抽样，样本次数为850次。然后，测度门阈值（LR估计量近似于零）和最大估计值，进而最终确定该模型门阈置信区间。经过计算，得到高技术产业空间集聚水平的2个门阈值，即0.268、0.392。最后，将模型(10)划分为3个内生组（大于0.392、小于0.268以及在0.268与0.392之间），进而对空间集聚水平模型系数展开回归估计，并得出高技术产业空间集聚度对该区域内创新绩效门限特征的异质性影响。为使面板模型估计结果更加突出，文章将双重门限面板模型与面板固定效应回归模型进行对比分析。

如表6所示，空间集聚度按照区位熵指数划分为3个内生组。其中，LQ<0.268代表低集聚组，0.268≤LQ<0.392代表中集聚组，LQ≥0.392代表高集聚组。低集聚组回归系数为-0.067，说明此时高技术产业规模集聚对区域创新绩效的影响为负且不显著。但由低集聚水平向中集聚水平过渡时，集聚效应的正向促进作用逐渐提升。中集聚组回归系数为3.242，说明此时集聚效应对区域创新绩效的影响已完全由负向转变为正向。高集聚组回归系数为0.584，说明由中集聚组过渡到高集聚组时，集聚效应仍呈现出较为显著的正向影响，且对区域创新绩效的影响效用会逐渐降低。

表6 面板模型的估计结果

可以预见，高技术产业空间集聚水平不断聚集、叠加与演化，不仅提高了其产业链上各参与主体的技术交流能力，也凭借空间集聚效应与技术溢出效应的双重优势，积累了丰富的技术知识。这为企业实现高技术转型升级提供了正向外部效应。但随着集聚密度的进一步提升，集聚区内资源要素稀缺、公共基础设施建设不足以及交通拥堵等现象，在一定程度上限制了企业快速发展。与此同时，在集聚红利不断下降、企业数量快速增加的背景下，企业间不同程度的竞争会影响该区域创新绩效提升。由此可以得出，尽管高技术产业集聚水平在达到一定程度后会对区域创新绩效的提升产生一定阻碍，但整体来看，集聚水平的提升对高技术产业区域创新绩效仍有显著促进作用。

3.R&D投入的中介效应分析

表7给出了R&D投入的中介效应检验结果。第(1)~(3)列是R&D投入衡量区域创新绩效的检验结果。其中，高技术产业空间集聚对R&D投入的影响显著为正，并且在10%的水平上显著。在引入R&D投入变量前，高技术产业空间集聚对区域创新效率的影响系数为52.167，在5%的水平上显著；在引入R&D投入变量后，高技术产业空间集聚对区域创新绩效的影响系数为61.538，在5%的水平上显著。由此表明，高技术产业空间集聚的提升会显著提高区域创新效率。综合中介效应检验原理可知，R&D投入在产学研合作程度对区域创新绩效的影响中起到部分中介作用。

表7 中介效应检验结果

对R&D投入的中介效应进行稳健性检验，主要通过以下两类方法：一是以新产品开发经费支出(EPD)和新产品销售收入(NPSR)代替产学研合作程度作为高技术产业空间集聚的衡量指标；二是基于东、中、西部三大区域的划分标准，分区域检验效果。两种稳健性检验结果表明R&D投入的中介传导效应部分显著。

五、结论与启示

1.结论

文章采用2001—2019年30个省份面板数据，以R&D投入作为中介变量，审视高技术产业空间集聚与区域创新绩效之间的关系，并得出如下结论：

其一，高技术产业空间集聚有利于提升区域创新绩效，在将新产品开发经费支出与销售收入作为替代变量后，高技术产业空间集聚对区域创新绩效的正向作用结果保持稳健。进一步使用差分广义矩、系统广义矩及最小二乘估计法对相关变量展开稳健性检验后，结论依旧成立。

其二，高技术产业空间集聚对区域创新绩效的影响依赖于成本与收益，存在成本与收益的门限效应。受此影响，当高技术产业集聚水平由低向高偏移时，集聚效应对区域创新绩效的影响呈现出由不显著到高水平正显著再到低水平正显著的转变趋势。尽管高技术产业集聚水平在达到一定程度后会对区域创新绩效提升有一定阻碍，但整体来看，高技术产业空间集聚水平的提升对该区域创新绩效仍有正向影响。

其三，加入R&D投入变量后，高技术产业空间集聚对区域创新绩效影响的指数增大。这说明R&D投入通过影响高技术产业空间集聚继而影响区域创新绩效，R&D投入在二者之间存在部分中介效应。

2.启示

基于文章的研究结论，可得到如下启示：

第一，加大R&D投入，继续提升区域创新绩效动能。一方面，政府决策机构应加强对创新活动的重视，针对性加大R&D人员投入和R&D经费投入，并鼓励更多社会资本参与各类创新活动；另一方面，要重视高科技人才培养。由结论可知，高技术产业集聚水平会正向影响区域创新绩效。其中，作为推动高技术产业集聚的组成要素，高科技人才无疑占据着重要地位。有鉴于此，地方政府应以高科技人才为基，不断健全人才激励机制，全面推进产学研发展。同时，对于国家而言，应制定宏观人力资源发展战略，积极实施高科技人才培育计划，逐步增加中国人才资源储备。此外，对于能够有效推进区域绩效创新的优势行业而言，政府也应不断加大政策扶持力度，激励域外优秀企业积极入驻，加速本区域经济发展。

第二，合理利用创新要素，实现高技术产业有效集聚。当高技术产业空间集聚水平达到一定阈值时，其对区域创新绩效的影响也会逐渐减弱。因此，为保证高技术产业有效集聚，相关部门可基于缩小区域发展差异的目标，宏观统筹规划高技术产业空间布局，实现企业间的“以强补弱、以长补短”。

第三，培育创新土壤，推动高技术产业区域创新。创新活动是一个复合型发展过程，不仅需要考量过程中各类要素间的关系，更对创新土壤提出了较高的要求。也就是说，培育创新土壤有助于地方开展高科技创新活动，进而促进区域创新绩效的提升。地方政府一方面可进一步完善区域绩效创新发展机制，完善地方知识产权保护条例，不断提高高科技相关资源配置效率，最终为区域创新绩效提升培育良好的创新土壤；另一方面，需不断优化产业基础设施和配套产业建设，加快高技术产业集聚，为区域创新绩效提升提供物质基础与动力机制。