吸收能力对省级创新产出的空间溢出效应研究：基于空间计量模型

王丽君，陈 韬，王益谊

（1.中国标准化研究院，北京 100191；2.中国社会科学院研究生院数量经济与技术经济系，北京 100732）

创新在我国经济发展中日益发挥重要作用，通过坚持创新驱动有利于我国全面塑造发展新优势。本文尝试结合空间计量经济学的空间溢出理论来解释地区的吸收能力如何影响省级层面的创新产出，以期为提高创新投入要素的空间溢出效应，进而为省域间创新能力协调发展提供政策建议。

1 现有研究成果

一般来说，区域的发展受限于本区域的自然禀赋以及资本、劳动等投入要素，还会受到其他区域的影响。新经济地理学、内生增长理论用知识溢出概念来解释区域层面的创新以及经济增长［1］。

1.1 关于吸收能力影响创新产出的研究成果

早在1956 年，Rostow［2］就指出一个国家经济增长的起飞要求社会及其生产性企业在政治、社会和制度上进行变革，从而形成对创新的常规吸收能力。后来，Cohen 等［3］、Zahra 等［4］逐渐形成并丰富了吸收能力的定义和内涵，认为企业或组织吸收和应用新知识的能力在研究和开发过程中是一种特殊的社会互动机制，有利于区域层面的知识传递。Zahra 等［4］将吸收能力区分为潜在吸收能力（吸收外部知识）和显性吸收能力（转化已有知识）。Lewin 等［5］将吸收能力分为内部知识的创造、转化，研发过程和外部知识的获取、转化和研发过程。

也有大量学者开展了实证研究，在对吸收能力进行直接测度或间接测度的基础上，认为企业的吸收能力最终影响区域层面的创新产出。Antonio 等［6］认为通过提高企业的吸收能力，可以提高对区域创新系统的充分利用，帮助提高企业的创新绩效。Kallio 等［7］认为个体所掌握的社会资源通过决定吸收能力，作用于区域的创新能力。朱俊杰等［8］构建了包括经费投入、人力资本、基础设施等6 个维度组成的吸收能力综合指数，分析与省级层面创新绩效的实证关系。

1.2 关于知识溢出的理论研究进展

新经济增长理论关注用知识溢出理论研究创新投入和产出的关系，其中Griliches［9］、Jaffe［10］以微观企业为研究对象，分析微观层面资本和人员投入对技术进步的溢出效应，形成了Griliches-Jaffe 知识生产函数；Romer［11］、Jones［12］的研究则认为知识存量对技术进步具有规模效应，形成了Romer-Jones 知识生产函数。

近年来对知识溢出的研究转向空间层面，Audretsch 等［13］，Bernard［14］从创新产出、创新知识的空间分布等不同角度探讨了创新过程的空间相关性，分析了溢出效应在推动创新过程中的作用机理和影响因素。LeSage 等［15］将空间溢出效应作为空间计量经济学的核心内容之一，将解释变量对被解释变量的影响分为总效应、直接效应和间接效应（即空间溢出效应）。Elhorst［16］深化了其中对于空间溢出效应显著性的讨论。

我国也有学者根据经济要素在区域间的流动数据来分析要素的空间相关性。其中，才国伟等［17］建立理论模型研究经济要素从需求端到供给端的空间流动，并基于人口数据验证了资源流动过程的空间相关。白俊红等［18］分析了政府R&D 资助的空间自相关性。白俊红等［19］认为创新要素在各省份之间的动态流动推动了各区域创新系统形成空间关联，对研发要素在省级行政区域之间的流动与空间知识溢出的内在关系进行理论分析和实证检验。

知识生产函数是研究溢出效应的主要实证方法之一，采用一些代表性指标来衡量知识溢出。由于各要素测度方法的不同，以及空间距离的不同考虑，形成了不同的研究方法，结论也有所差异。近年来国内外学者使用知识生产函数测度知识溢出的空间距离，发现随着地理距离的增长，知识溢出的影响呈现衰减趋势。例如，孙建等［20］使用1998—2008年省级面板数据，研究提出区域创新具有空间集聚特征，在不同的圆环区域，存在区域知识的双向溢出效应。原毅军等［21］基于各省区市面板数据，借助空间计量模型分析发现，制造业和生产性服务业的协同聚集和区域创新效率呈现空间集聚特征，具有正向溢出效应并随距离增大而衰减。吴玉鸣［22］基于2000—2003 年省级面板数据，使用空间滞后模型、空间误差模型和地理加权回归模型，发现地理距离对省级研发水平仍然具有显著影响。

空间权重矩阵是空间计量的基础。考虑到地理学对于距离的不同界定，不同学者在空间面板模型中引入不同的空间权重矩阵，研究投入要素对创新产出的影响，如徐德英等［23］使用1995—2012 年的省域面板数据，考虑地理距离、信息化距离、交通便利度构建不同的空间权重矩阵，测算高技术产业研发创新的空间溢出；原毅军等［21］将R&D 资本和R&D 人员作为能够体现知识溢出的指标，构建空间权重矩阵；苏屹等［24］利用1998—2014 年的面板数据，考虑地理特征、人力资本、交通水平等因素构建5 个空间权重矩阵，测算对区域创新活动的空间效应，发现社会经济特征相比地理特征，对区域创新活动产生更大影响。也有学者通过引力模型构建空间权重矩阵，例如，李婧等［25］构建省级区域的创新绩效评价指标体系，使用引力模型直接测度知识溢出量，基于空间视角研究发现知识溢出显著影响区域创新绩效，其中地理距离的作用最强；纪玉俊等［26］、李红等［27］基于引力模型，纳入各省区市的信息化指数，构建空间权重矩阵。

可以看出，现代学者已经意识到传统经济学理论在分析以知识为基础的现代经济问题时的局限性，从而使得空间计量理论开始被广泛用于区域创新活动相关的研究。虽然也有将知识生产函数和空间计量模型结合测算各项投入要素对省级区域创新的贡献，然而鲜见将区域的标准化水平作为吸收能力的代表性指标，分析吸收能力对创新产出的空间溢出效应。实际上，相比专利、论文等，在现代社会中标准更具有普遍性，标准化水平更能代表地区或者行业的吸收能力。本文拟从标准化入手，结合知识溢出模型和空间计量理论，研究各省区市的吸收能力、创新投入对创新产出的作用。

2 研究路径

在主流经济学理论中，假定地理空间具有均质性，普遍使用普通最小二乘法（OLS）建立对空间变量的线性回归模型，导致结果存在缺乏说服力问题，这就要求对空间异质性进行有效处理［28］。

考虑到与创新产出相关的主要投入要素包括R&D 资本和R&D 人员。R&D 资本会基于风险和收益的权衡，流入更低风险更高收益的地区。R&D 人员会基于自身的投入产出比的考虑，在不同地区之间进行流动。这种R&D 资本和人员的流动，推动知识生产在地理空间产生关联效应，即空间关联。同时，由于这种要素流动具有黏性，不可能实现零成本自由流通，这使得技术创新呈现地区集聚性，体现为各省区市之间知识存量的差异。

技术是创新的核心驱动力，是新产品、过程和服务的基础。经济学研究中一般认为专利是技术的载体，但是，专利往往为企业或个人所拥有。相比较之下，标准以科学、技术和经验的综合成果为基础，同时具有非竞争性、非排他性等公共物品属性，相对于专利更容易获取，因此具有普遍性，更有利于创新成果的扩散。另一方面，标准化是科学管理和现代生产经营的基础。标准的制定和实施，有利于新技术和科研成果进入大规模推广应用阶段，提升相关主体的创新水平，从而在一定程度上能反映出特定区域等整体吸收能力的大小。

国家标准的制定源于经济社会发展产生的基础通用的标准化需求，由广大利益相关方参与，基于协商一致程序依法制定。一般地，在国家标准前言中有起草单位排名和主要起草人排名，基于在单项国家标准中起草单位的排序，可以量化得出各省区市对国家标准的贡献程度，即国家标准研制贡献指数［29］。考虑到这些参与制定国家标准的单位通常在R&D 资本、R&D 人员上相比其他单位具有先期优势，这些单位通过参与标准制修订过程，对科学、技术和经验的相关成果进行了充分交流，因此在标准发布之后对于推动标准承载的技术在企业内外的扩散，促进科技成果转化方面同时又具有路径优势。以国家标准研制贡献指数和年度国家标准发布数量的乘积，可以反映各地年度的标准化水平，作为地区吸收能力的代表性指标。

OECD 认可了与创新相关的文献中对创新过程的不同阶段的划分，即资源、活动、目标和产出之间存在逻辑关系［30］。基于此，建立知识生产函数的逻辑模型（见图1）。

图1 知识生产函数的逻辑模型

将R&D 资本、R&D 人员视为创新投入，知识存量视为创新发展阶段中的一个阶段目标，标准化水平作为地区吸收能力的测度指标，新产品销售收入作为创新产出，分别基于Griliches-Jaffe 知识生产函数和Romer-Jones 知识生产函数建立扩展模型，测度空间溢出效应。

3 模型设定和变量选择

3.1 模型设定

3.1.1 空间相关性测度

（1）全局莫兰指数。一般用莫兰指数I（Moran'sI）、吉尔里指数C（Geary'sC）和Getis-Ord 指数G等指标对空间效应进行初步检验。本文采用莫兰指数I。

经标准化后的莫兰指数的取值一般介于-1 到1之间。大于0，表示正自相关；小于0，表示负自相关；接近0，表示不存在自相关。

（2）局部莫兰指数和莫兰散点图。使用局部莫兰指数Ii可以表示特定区域i附近的空间集聚情况。

在局部莫兰指数的基础上可以绘制莫兰散点图。莫兰散点图分为4 个象限，第一象限代表自身区域和相邻区域的空间关联形式“高高”聚集，第二象限代表“低高”聚集，第三象限代表“低低”聚集，第四象限代表“高低聚集”。

3.1.2 知识生产函数

用知识生产函数测度知识溢出效应，主要存在两种主流的测度方法：Griliches-Jaffe 知识生产函数和Romer-Jones 知识生产函数。前者认为知识生产主要受到R&D 资本和R&D 人员的影响，后者认为知识生产主要受到R&D 人员和知识存量的影响。

Griliches-Jaffe 知识生产函数的函数形式如下：

分别根据Griliches-Jaffe 知识生产函数和Romer-Jones 知识生产函数，考虑地区吸收能力指标，对模型进行指数变换，建立扩展模型a 和扩展模型b：

扩展模型a：

扩展模型b：

式（6）和（7）中，Y表示地区创新产出，用新产品销售收入指标表征；K表示R&D 投入，用R&D 资本存量指标表征；L表示R&D 人员投入，用R&D 人员全时当量指标表征；A表示知识存量，用专利存量指标表征；S表示吸收能力，用地区的标准化水平指标表征。考虑到数据可得性，i表示不包括香港、澳门、西藏在内的各省区市；t代表数据变量的选取时限，本文的研究时限为2002—2018 年。分别表示两类模型的待估参数。

扩展模型a 表示创新产出受到R&D 资本、R&D人员、区域吸收能力的影响，扩展模型b 表示创新产出受到R&D 人员、知识存量和区域吸收能力的影响。现实意义在于，是否考虑在R&D 资本使用过程中的无效率或低效率问题。

3.1.3 空间面板模型

常用的空间面板模型的基本模型包括空间滞后模型（SAR，又称空间自回归模型）、空间误差模型（SEM）和空间杜宾模型（SDM）等。

假设相邻区域的因变量相互影响，可以构建空间滞后模型。比如，以扩展模型a 建立空间滞后模型：

假设遗漏变量或者不可观测的随机冲击中存在空间相关性，可以构建空间误差模型，如下：

综合上述两种空间传导机制，可以建立空间杜宾模型如下：

LeSage 等［15］提出，在特殊情况下，空间杜宾模型可以嵌套空间滞后模型或空间误差模型，即增加相应的约束条件可以转化为空间滞后模型或空间误差模型。可以使用似然比（LR）检验对上述模型进行选择。

3.2 变量选择

3.2.1 产出指标

现有文献中主要使用发明专利申请受理数或新产品销售收入作为创新产出的代表性指标。本文选用新产品销售收入作为创新产出的代表性指标，并通过工业生产者出厂价格指数将其折算为不变价。

3.2.2 投入指标

投入指标包括R&D 资本、R&D 人员、知识存量和地区吸收能力。

（1）R&D 资本。使用的R&D 支出价格指数将年度的R&D 经费内部支出数值折算为不变价，使用永续盘存法测算R&D 资本存量［31］。

式（11）中：r表示R&D 支出价格指数，表示消费价格指数，表示固定资产投资价格指数。

（2）R&D 人员全时当量。使用R&D 人员全时当量作为R&D 人员的代表性指标。

（3）发明专利存量。使用发明专利存量作为知识存量的代表性指标。基于发明专利申请授权数按照永续盘存法测算发明专利存量，折旧率取10%。

（4）吸收能力。使用地区的标准化水平作为吸收能力的代表性指标。通过各省区市的国家标准研制贡献指数，可以将年度发布的国家标准转化为各地相关的标准数量，进一步使用永续盘存法测算各省区市的标准存量，折旧率取20%，见式（12）。

以2002 年为期初，计算各省区市在2018 年的吸收能力见图2。

图2 2018 年各省区市的吸收能力

从图2 可以看出，北京、广东、江苏、上海、浙江等地的吸收能力远远高于其他地区，东中部省份的吸收能力高于西部和东北部。

3.2.3 空间权重矩阵

为了研究创新产出的空间溢出效应，需要建立空间权重矩阵进行空间分析。空间权重矩阵的构建原则是基于地理学第一定律，即距离越近，联系越紧密。构建方法包括基于地理距离矩阵构建，或者基于引力模型构建。

假定区域i和区域j之间的距离为，设立阶空间权重矩阵如下：

地理距离矩阵是空间权重矩阵的一个基础矩阵。在地理距离矩阵基础上，可以结合经济、研发等要素分别建立经济距离矩阵、研发距离矩阵等。本文先建立地理矩阵，在此基础上建立研发能力距离矩阵、技术能力距离矩阵和吸收能力距离矩阵，一共4 个空间权重矩阵。

（1）地理距离矩阵。

（2）研发能力距离矩阵。借鉴李婧等［25］、苏屹等［24］使用物质资本存量衡量地区经济发展水平，构建经济距离矩阵的思路，本文基于地理距离矩阵，使用R&D 资本存量衡量地区研发距离，构建研发能力距离矩阵如下：

（3）技术能力距离矩阵。基于地理距离矩阵，借鉴李婧等［25］的做法，使用发明专利存量衡量地区技术距离，构建技术能力距离矩阵如下：

（4）吸收能力距离矩阵。基于地理距离矩阵，使用标准存量衡量地区的吸收能力，构建吸收能力距离矩阵如下：

各变量的代表性指标及测算方法概述见表1。

表1 各变量的代表性指标及测算方法

3.3 数据来源

相关指标和数据分别来源于历年的《中国统计年鉴》《中国科技统计年鉴》和我国30 个省区市（不包括香港、澳门、台湾和西藏）的历年《统计年鉴》。为了方便进行经济和政策方面的研究，使用上述省区市的省会（首府）城市的地理经纬度定义地理距离矩阵，并在地理距离矩阵基础上结合R&D资本、发明专利存量、标准存量建立研发能力距离矩阵、技术能力距离矩阵、吸收能力距离矩阵，使用Stata14 进行空间面板模型回归。

4 实证分析

4.1 面板数据平稳性检验

本文使用的面板数据是平衡面板数据，使用Stata14进行相同根单位根检验和不同根单位根检验。通过LLC 检验（适用于相同根），在1%的显著性水平下拒绝“存在面板单位根”的假设，显示变量都是平稳序列。通过Fisher-ADF 检验（适用于不同根），在1%的显著性水平下通过检验，显示变量都是平稳序列。

4.2 空间相关性检验

为判断创新产出的空间相关性，可以用莫兰指数来分析创新产出的空间分布特征。对2002—2018年各省区市新产品销售收入（Y）基于地理距离矩阵度量空间自相关指数进行标准化的全局莫兰指数I如表2 所示。

表2 创新产出的全局莫兰指数I

从表2 可以看出，各省区市新产品销售收入经标准化的全局莫兰指数都大于0，表明各年度观测值在地理空间上存在正自相关性，同时这种正自相关程度随着时间的推移呈现弱化趋势。

使用局部莫兰指数I进行局部相关性检验，基于2018 年创新产出绘制莫兰散点图，见图3。

图3 2018 年创新产出的莫兰散点图

从图3 可以看出，2018 年的创新产出存在空间正自相关性，以“高高”聚集和“低低”聚集为主。因此本文使用空间面板模型，通过地理距离、研发能力距离、技术能力距离和吸收能力距离4 个权重矩阵，对比研究区域创新产出与其投入指标之间的作用机理，具有一定的理论价值和现实意义。

4.3 空间面板模型的选择

使用Stata14 对模型进行拉格朗日乘子（LM）检验诊断是否存在空间效应，结果见表3。其中，LM LAG、R-LM LAG 为针对空间滞后的检验，LM ERR、R-LM ERR 为针对空间误差的检验，基本上拒绝“无空间自相关”的原假设，再次表明可以进行空间计量分析。

表3 空间自相关检验结果

对空间数据进行豪斯曼检验，就固定效应模型（FE）和随机效应模型（RE）进行选择，结果见表4。如果豪斯曼检验下P值显著，则表明应采用固定效应模型，否则用随机效应模型。豪斯曼检验结果显示，模型a 中地理距离矩阵在1%显著性水平通过检验，研发能力距离矩阵和吸收能力距离矩阵P值不显著，则地理距离矩阵采用固定效应模型，研发能力距离矩阵和吸收能力距离矩阵采用随机效应模型。模型b 中地理距离矩阵、技术能力距离矩阵、吸收能力距离矩阵在5%显著性水平通过检验，则均采用固定效应模型。

表4 豪斯曼检验结果

为了确认是否采用空间滞后模型（SAR）、空间误差模型（SEM）或空间杜宾模型（SDM），对模型进行似然比（LR）检验的结果见表5。可以看出，在LR 检验下P值显著，拒绝“计量模型退化为空间滞后模型/空间误差模型”的原假设，采用空间杜宾模型。

表5 LR 统计量及模型选择

4.4 空间面板模型的回归分析

本文分别基于Griliches-Jaffe 知识生产函数和Romer-Jones 知识生产函数建立扩展模型，应用空间杜宾模型进行回归分析，并应用固定效应模型，对时间固定效应、个体（空间）固定效应和双向（时空）固定效应进行比较。

4.4.1 基于Griliches-Jaffe 知识生产函数扩展模型的实证分析

基于Griliches-Jaffe 知识生产函数扩展模型，从地理距离矩阵、研发能力距离矩阵、吸收能力距离矩阵进行回归分析的估计结果见表6。

表6 基于Griliches-Jaffe 知识生产函数扩展模型的SDM 模型估计结果

从表6 可以看出，在3 种空间权重矩阵下，模型的空间自回归系数大多为正数，同时在1%的显著性水平下通过检验。这说明省级层面的创新产出不是独立存在的，而是具有空间正相关性，这与前文关于全局莫兰指数I的检验结果保持一致。省级层面的创新产出不仅受到本省域创新投入的正向影响，也依赖于其他省域的创新投入。在地理距离矩阵下，比较时间固定效应、空间固定效应和时空固定效应的拟合结果，结合调整后的可决系数（R2）、极大似然值（Log-L）和空间自回归系数（ρ），选择空间固定效应模型。效应分解结果见表7。将解释变量（例如lnK）对被解释变量（lnY）的影响，分解为区域i的解释变量对本区域被解释变量的直接效应，所有区域的解释变量对区域i被解释变量的总效应，以及表现为总效应与直接效应之差的间接效应，即空间溢出效应。

表7 基于Griliches-Jaffe 知识生产函数扩展模型的SDM 模型的效应分解结果

从表7 可以看出，在3 种空间权重矩阵下，R&D 资本、R&D 人员的直接效应、间接效应（即溢出效应）均为正值，溢出效应远远超过直接效应，并且在1%的显著性水平下通过检验，这说明R&D资本、R&D 人员不仅推动了本省域的创新产出，而且对其他省域的创新产出具有正向溢出效应。省域吸收能力对本省域的创新产出具有正向推动作用，但是对其他省域的创新产出具有负的溢出效应，并且在1%的显著性水平下通过检验，对于本省域的正外部性和对其他省域的负外部性的影响大小视情况而定。

4.4.2 基于Romer-Jones 知识生产函数扩展模型的实证分析

基于Romer-Jones 知识生产函数扩展模型，从地理距离矩阵、技术能力距离矩阵、吸收能力距离矩阵进行回归分析的估计结果见表8。

表8 基于Romer-Jones 知识生产函数扩展模型的SDM 模型估计结果

从表8 可以看出，在上述3 种空间权重矩阵下，模型的空间自回归系数均不为0，并且有大量系数通过相应显著性检验，因此可以考虑进行空间相关分析。结合调整后的可决系数（R2）、极大似然值（Log-L）和空间自回归系数（），在3 种空间权重矩阵下均选择空间固定效应模型。效应分解结果见表9。

表9 基于Romer-Jones 知识生产函数扩展模型的SDM 模型的效应分解结果

从表9 可以看出，在3 种空间权重矩阵下，知识存量的直接效应、间接（溢出）效应均为正值，并且大都在1%的显著性水平下通过检验，这说明知识存量不仅推动了本省域的创新产出，而且对其他省域的创新产出具有正向溢出效应。在技术能力距离矩阵和吸收能力距离矩阵下，R&D 人员的间接（溢出）效应为正值，并且在1%的显著性水平下通过检验，这说明R&D 人员对创新产出的影响主要体现在对其他省域的正向溢出效应。在3 种空间权重矩阵下，省域吸收能力对本省域的创新产出具有正向推动作用，但是对其他省域的创新产出具有负的溢出效应，并且大都在1%的显著性水平下通过检验，并且负的外部性高于对本省域的正向推动效应。

根据上文对不同知识生产函数扩展模型的结果的分析，可以发现，通过提高R&D 资本、知识存量和R&D 人员的投入促进省级层面的创新活动，而标准化能力虽然能够存进本省域的创新产出，但是会对其他省域的创新产出产生抑制作用。造成这一现象的可能原因是，一方面，R&D 资本、R&D 人员都具有流动性，所以对二者的投入一般会容易促进本省域创新水平的提高，由于R&D 资本、R&D 人员的流动导致的知识存量的差异也会导致对本省域创新产出形成积极的直接效应和溢出效应；另一方面，标准由利益相关方基于协商一致程序制定，本省域的单位对于国家标准制定过程的参与程度反映了吸收能力的高低，本省域的标准化水平越高越有利于推动科技成果转化。但是，如果放任R&D 资本、R&D 人员的流动，会导致其他省域创新要素向本省域聚集，本省域吸收能力超群，从而抑制其他省域的创新产出，反而不利于其他省域的吸收能力提高。这就需要省域间协调创新政策，实现同步发展、互补发展或者先进带动后进发展，才能实现正相关，发挥出正的溢出效应。

5 结论和政策建议

本文将标准化水平作为省域吸收能力的代表性指标，结合Griliches-Jaffe 知识生产函数和Romer-Jones 知识生产函数建立扩展模型，利用空间杜宾模型，根据2002—2018 年30 个省区市数据分别分析省域间吸收能力、创新投入要素对创新产出的影响。实证发现：第一，整体上看，我国省级层面的创新产出是具有正的空间相关性的，并以“高高”聚集和“低低”聚集为主。东部地区和中部地区主要是高值和高值聚集的热点区域，西部地区和东北部地区主要是低值和低值聚集的冷点区域。相比社会经济特征，地理特征对区域创新活动仍然产生不可忽视的影响。

第二，基于Griliches-Jaffe 知识生产函数的扩展模型，在地理距离矩阵、研发能力距离矩阵、吸收能力距离矩阵3 种空间权重矩阵下，R&D 资本、R&D 人员对本省域和其他省域的创新产出具有促进作用，且溢出效应远远超过直接效应。省域吸收能力对本省域的创新产出具有促进作用，但是对其他省域的创新产出也可能具有局部的负的溢出效应。

第三，基于Romer-Jones 知识生产函数的扩展模型，在地理距离矩阵、技术距离矩阵、吸收距离矩阵3 种空间权重矩阵下，知识存量对本省域和其他省域的创新产出具有促进作用，直接效应高于溢出效应；省域吸收能力对本省域的创新产出具有促进作用，但是对其他省域的创新产出具有负的溢出效应，在技术能力距离矩阵和吸收能力距离矩阵下，R&D 人员对创新产出的影响主要体现在对其他省域的促进作用。

基于以上结论，提出政策建议如下：首先，要通过加大创新要素的投入促进创新水平的整体提高。很长一段时期，由于创新要素投入有限，我国经济社会的发展长期存在总量增长和结构失衡并存的现象，科技不平衡不充分的发展限制了我国创新水平的整体提高。由于R&D 资本、R&D 人员、知识存量对于创新产出具有显著的直接效应和空间溢出效应，所以通过提高这些创新资源的投入，加快促进我国创新水平的整体提升。

其次，注重省域创新协调发展。为了推动各省域创新水平的协调发展，省域间要利用各自的优势，注意协作互补，协调创新政策。比如，东中部省份在自身发展的同时，对口帮扶衔接，扩大辐射影响，可以适当引导相应的关联创新资源向临近西部和东北省份流动；西部和东北省份也要利用自身的各种资源，壮大特色产业和优势领域等，注意消除自身创新能力的缺陷和省域间创新要素互动的障碍，主动与临近东中部省份合作对接，承担有关关联课题研究或者产业转移项目，进行相关的标准活动，开发市场，同时提升自身吸收能力。不同省域间建立有利于创新要素流动互补的机制，有利于推动省域层面创新能力的整体协调发展。

最后，正确认识和处理影响省域创新水平的因素。地理距离对于影响创新产出发挥重要作用，研发能力、技术能力、吸收能力也是知识溢出的关键因素。国家层面上要充分考虑各地区在研发能力、技术能力、吸收能力方面的差异，因地因时制宜地实施差异化政策，循序渐进地发展。西部省份和东北省份也要根据自身能力和特点，抓住时机，加强重点方向投入，弱化吸收能力的负的空间溢出效应，积极参与标准制修订活动，通过加强对创新知识的转化吸收能力提高省域创新水平。