技术创新与区域经济发展时空格局演化分析<br/>——基于NPP/VIIRS夜间灯光数据

技术创新与区域经济发展时空格局演化分析
——基于NPP/VIIRS夜间灯光数据

2022-06-20黎江韵

地域研究与开发 2022年3期

黎江韵

(澳门科技大学可持续发展研究所，澳门 999078)

0 引言

改革开放以来，中央政府出台了一系列有利于创新技术发展的政策措施。2016年，中共中央、国务院印发《国家创新驱动发展战略纲要》，强调科技创新必须摆在国家经济发展的核心位置。党的十九大报告中，中央再次强调要加快提升国家创新实力，带动我国产业经济转型发展。2018年，中国发明专利申请量154.2万件，共授权发明专利43.2万件，占全世界专利授权总量的40%以上，远远超过了美国、日本、韩国和欧盟国家的专利授权总和。但与欧盟国家、美国等发达国家相比，我国整体技术创新水平还处于碎片化分布状态，技术应用转化能力不强，东部、中部、西部地区各省份间的科技创新能力、经济发展能力还存在很大差异。

现今，国际经济政治形势复杂多变，我国正处于经济快速发展的关键时期，2020年的全球新冠疫情持续蔓延，各国进出口业务受到不同程度的限制。以美国为首的发达国家发动针对我国高新技术进口的封锁，使变化莫测的国际经济形势更加严峻。现阶段下，中国经济既面临着快速发展的良好机遇，又面临着众多高新技术研发的瓶颈，正逐步转向以内循环为主的双循环发展战略。技术创新越来越成为一个国家或地区综合竞争力的核心，要实现经济更好更快发展，就必须走创新驱动的道路[1]。因此，分析我国技术创新空间集聚水平及其与区域经济发展的关系，有助于了解现阶段各省份的技术创新发展水平，帮助各级政府制定适宜的创新发展战略，形成以技术创新推动经济发展、以经济发展促进技术创新的良好局面，转变经济发展方式，提升自身高新技术发展水平。

相比于国内，国外学者更早地投入到创新技术与区域经济协调发展的相关研究中，并更加注重创新技术能否对本地经济产生良好的推动作用。J.A.Schumpeter最早提出了创新发展的相关概念，认为创新是促进经济发展的基石[2]。在此基础上，F.Perroux研究提出了经济增长极概念，认为技术的不断创新是经济增长的源动力[3]。但早期学者只认识到技术创新对经济增长的重要作用，却并未深入研究从哪些方面能够促进技术创新的发展。因此，现阶段国外学者开始着重研究什么因素影响技术创新，以及创新技术将以何种方式影响经济的发展。N.Droste等认为想要发展绿色经济，政府要出台相应的扶持政策加以引导[4]；D.Antonioli等则更看重各公司工会在其中产生的作用，认为工会制度在一定程度上能促进技术创新，从而带动行业转型发展[5]。

近年来，国内学者也开始深入探讨技术创新对地区经济发展的推动作用。郑林昌等研究发现部分地区的科技创新与产业发展已呈现高度耦合关系，但部分地区科技创新并未反馈到经济发展上，两者耦合度较差[6]。汪发元等利用空间杜宾模型研究证实了正确引导科技创新发展对提升产业集聚的正向效应[7]。翁超然通过分析中国各省份动态面板数据，发现科技创新投入对经济增长有积极作用[8]。邵汉华等以长三角扩容作为一项准自然实验，发现城市扩容能够显著促进城市创新水平提升[9]。方大春等利用GWR模型和分位数回归分析得出中国创新水平相似地区存在空间集聚情况，但其主要利用人均GDP和R&D投入作为研究变量，数据存在一定的滞后性和局限性[10]。

随着遥感技术的不断进步，越来越多的学者选择利用DMSP/OLS或NPP/VIIRS夜间灯光数据来替代GDP等地区经济数据。早在21世纪初，C.D.Elvidge等对全球200多个国家和地区的DMSP/OLS数据进行整合，分析发现夜间灯光数据与各国家和地区GDP间存在高度相关性[11]。C.N.H.Doll等通过研究美国及欧盟11个国家的夜间灯光数据，发现其与人口流动和地区GDP之间存在很强的正相关关系[12]。近年国内的相关研究中，陈军卫等利用河南省DMSP/OLS夜间灯光数据进行地区GDP密度分析，得到河南省的经济空间变化特征[13]。刘艳姣等利用NPP/VIIRS夜间灯光数据，分析了黄淮海地区常住人口空间分布特征[14]。王彦开等将DMSP/OLS与NPP/VIIRS数据进行整合，研究发现呼包鄂城市群呈现中心化扩张特点，且城镇化速度不断加快，发展规律与我国各时期城镇化进程相一致[15]。

综上所述，学者们对技术创新、区域经济发展和夜间灯光数据都有各自的研究成果。现阶段我国各地区间仍存在较大的经济发展差距，技术创新发展不平衡。有关夜间灯光数据的研究更多集中在国家间或某一特定地区，较少将技术创新、区域经济与夜间灯光数据进行整体研究分析。本研究采用定性和定量相结合的研究方法，以2013—2018年中国31个省份(不含香港、澳门、台湾)专利授权数量作为区域技术创新的测量指标，探讨其空间聚集分布水平，利用NPP/VIIRS夜间灯光数据，建立地理加权回归(GWR)模型，分析技术创新对区域经济发展的影响，提出促进技术创新与区域经济协调发展的建议，以期为中国加快实施技术创新驱动战略、早日实现社会经济转型提供意见参考。

1 研究设计

1.1 变量选取及数据来源

1.1.1区域经济发展方面。目前针对地区经济发展的研究中，绝大多数仍采用GDP作为主要衡量指标。而在实际统计分析中，GDP数据的正确性并不能完全保证，甚至与实际经济运行状况相比，数据存在一定滞后性。近年来，国内外众多学者开始关注由美国国家海洋和大气管理局(NOAA)发布的全球夜间灯光数据。研究表明，地区夜间灯光亮度与该地区经济发展之间存在正向关联，且夜间灯光亮度相较于GDP，能够更加实时精确地反映当地经济发展现状。因此，越来越多的学者将夜间灯光数据运用到经济、地理等相关领域的研究[16]。DMSP/OLS夜间稳定灯光数据已于2013年停止更新，NPP/VIIRS夜间稳定灯光数据接替前者，于2013年开始更新，但两者数据间并不存在共通性[17]。因此，本研究采用校正后的NPP/VIIRS夜间稳定灯光数据代替传统GDP数据。数据来源于CNRDS中国研究数据服务平台。

1.1.2技术创新方面。近年来，专利的发展越来越受到重视，随着专利授权数量的增加，越来越多的科研成果能够得以转化，相关高新技术企业和高科技产业都得到了一定的发展[18]。“专利经济”逐渐成为衡量地区经济快速发展的风向标之一[19]。因此，本研究将各省份专利授权数量作为测量区域技术创新的指标，为与NPP/VIIRS夜间稳定灯光数据时间维度匹配，采用CNRDS中国研究数据服务平台发布的2013—2018年31个省份专利授权数量进行统计(2019年部分省份数据缺失，港澳台地区相关数据缺失，均不在本研究范围内)。

1.2 研究方法

1.2.1空间自相关分析。现阶段多数空间自相关研究都选择Geary’sC或Moran’sI进行检验[20]。Moran’sI更多地关注相邻数据点和平均值之间关系的比较，可以生成自相关的标准化散点图[21]。而Geary’sC不考虑空间权重，只考虑是否为邻域，可靠度不及Moran’sI。因此，本研究的全局空间自相关采用Moran’sI检验可评估相关性的显著性水平，并生成局部Moran’sI散点图和LISA聚类结果，便于研究过程中在时间维度上对技术创新的空间相关性进行比较[22]。公式为：

1.2.2地理加权回归(GWR)模型。普通线性回归模型的参数不因空间维度的影响而变化，因此，在实践中经常发现回归参数在不同地理位置上往往表现出不同水平[23]。为了消除这一不足，采用地理加权回归(GWR)模型对全国31个省份的专利授权数量与校正后的NPP/VIIRS夜间灯光数据进行回归分析。模型使用高斯函数与赤池信息准则法(AIC)确定模型权重与最优带宽[24]。公式为：

式中：(ui,vi)为i地区的经纬度坐标；β0(ui,vi)是i地区回归模型截距项；βk(ui,vi)是i地区第k个解释变量的回归系数；p为解释变量个数；εi为误差项。

2 结果分析

2.1 全局空间相关性检验

运用ArcGIS软件对2013—2018年31个省份专利授权量进行全局空间相关性计算，Moran’sI的测算值和显著性水平如表1所示。

表1 专利授权Moran’s I及其显著性指标

从表1可以看出，2013—2018年各省份专利授权量的全局Moran’sI全部通过显著性检验，且呈现显著的空间自相关性，这说明我国区域技术创新在经济发展空间上存在显著的正相关作用。但自2013年开始，尽管31个省份的专利授权数量逐年提升，NPP/VIIRS夜间稳定灯光数据逐渐增加，但我国专利授权的全局Moran’sI整体仍不断呈现下降趋势，指数由2013年的0.148 142下降至2018年的0.103 456。这可能是因为进入21世纪中国政府开始重视东中西部地区间的经济差距，制定了一系列促进中西部各省份技术创新经济发展的相关战略政策。现今国内各省份都逐渐走在技术创新发展的道路上。而Moran’sI的下降体现出我国区域技术创新聚集程度逐步下降，地域空间带来的技术创新差异正在不断缩小,经济逐渐呈多极化发展态势。

2.2 局部空间相关性检验

为了系统地分析2013—2018年区域技术创新的空间变化趋势，选取2013年和2018年31个省份的专利授权数据，运用GeoDa软件绘制局部Moran’sI散点图并整合成LISA聚类结果(图1，图2)。可以看出，2013年和2018年LISA聚类结果中各省份主要集中在第Ⅲ象限“低-低”集聚模式，多数省份始终保持创新低数值状态。山西、内蒙古、黑龙江、贵州、云南、西藏、陕西、甘肃等省份的技术创新低值群聚效应明显，低值区范围大且仍保持显著水平。2013年处于第Ⅳ象限“高-低”集聚的辽宁、吉林在2018年也落入“低-低”集聚模式中，说明边远地区省份的技术创新能力不足且无后续动力，区域内缺少技术创新强省，无法带动周边省份形成高值创新集聚，由低值区扩散效应所造成的凹陷范围越来越大。

图1 2013年、2018年专利授权数局部Moran’s I散点图Fig.1 Scatter plot of local Moran’s I of patent grants in 2013 and 2018

图2 基于Moran’s I散点图的LISA聚类结果Fig.2 LISA clustering results based on Moran’s I scatter plot

第Ⅰ象限的“高-高”集聚模式中，除近年一直保持的上海、江苏、浙江、山东外，2018年新增安徽、福建两省。虽然聚类结果有所增加，但相比“低-低”集聚模式，“高-高”集聚模式的省份仍相对较少，且主要集聚在东部沿海地区。这6个省份作为改革开放的首批发展地区，市场开放早且程度高，技术创新水平始终走在全国前列。各级政府积极构建和谐稳定的创新机制，努力做到科技创新与地方经济相互促进发展。区域内高新技术产业密集，高新产业园区林立。2018年江苏、浙江、山东的经济技术开发区数量位列全国前三，合计占28.31%，六省份间高值辐射效应带动明显。

第Ⅱ象限“低-高”集聚模式中，河北、江西、湖南、广西、海南等省份与江苏、山东、北京、广东等创新高值省份相邻，却未能受到高值辐射效应影响。多数省份经济外向程度弱，工业化发展水平较低，交通基础设施建设较差，城镇化发展较慢，且多数承载了周边高技术省份内落后制造业的转移。地区内低技能代加工企业较多，尚未形成制造产业的技术升级。因此，区域内技术创新能力较弱，且落后于本地经济发展水平，最终聚类结果呈现“低-高”集聚形式。

第Ⅳ象限“高-低”集聚模式中的省份在2018年有所减少，仅有北京、广东、四川，3个省份的技术创新与经济发展水平始终保持在全国前列。与上海、江苏、浙江等东部沿海省份相比，北京、广东、四川周围省份经济技术发展缓慢导致其自身虹吸效应更加严重，资本迅速聚集涌入，产业技术更新迭代快，自身产业升级加速明显，周边落后省份吸引不到新兴技术与高新产业，无法产生良好的创新辐射带动作用，最终形成明显的极化效应。

可以看出，现阶段我国东部沿海各省份逐渐形成创新集聚高地，中西部的创新洼地范围仍在继续扩大。“东高西低、南高北低”的分布模式日益明显。虽然中央及各级政府出台各项促进中西部经济发展的政策措施，大力推行技术创新与区域经济相结合发展的道路，但与东部各技术创新水平高的省份相比，中西部各省份的高新技术发展水平仍然较低。

2.3 GWR模型估计

通过Moran’sI、散点图和LISA聚类结果可以看出，虽然2013—2018年我国技术创新Moran’sI略有下降，但现阶段仍具有较强的空间集聚性，区域技术创新在经济发展空间上存在显著的正相关作用。因此，建立GWR模型，以期更加准确地反映各省份的技术创新对区域经济的影响。相关数据由ArcGIS软件中的GWR模型进行可视化分析。

表2为2013—2018年的GWR模型结果。其中，2013—2018年R2数值范围在[0.761 427, 0.812 937]，均值为0.795 725，调整后R2均值为0.665 473。表明技术创新和区域经济间整体拟合度和显著性都表现较好，技术创新有效促进了地区经济的发展。2013—2018年R2和调整后R2虽一直保持在较高数值，但却呈小幅度递减趋势，可能是以下原因。(1)专利转化率较低。尽管我国专利授权数量近年来稳步增加，但在中国科学院发布的《国家创新指数报告2018》中，我国仅排名第17名，和专利授权数量排名第1极不相称，专利转化率远低于美国、英国等发达国家，每年仅有10%左右的专利对企业和行业的发展产生了作用，大多数专利都处于闲置状态。(2)专利含金量不足。据中国专利数据统计，2017年我国专利授权中，外观设计专利占24.20%，发明专利占35.53%，实用新型专利占40.27%。在发明专利方面，中国仅占美国的39.09%，日本的43.16%，德国的44.37%。且中国专利中一般专利数量占93.57%，远高于美国的51.04%，说明我国的专利以低价值专利为主，缺乏高质量创新技术专利，含金量极低。(3)受空间集聚性影响。我国技术创新呈现“东高西低、南高北低”的分布模式，中西部地区低值陷落效应严重，仅东部沿海部分省份形成创新集聚高地。尽管技术创新能够有效带动区域经济良好发展，但国内整体技术创新能力无法得到有效提升，高值拉动效应缓慢。从2018年各省份的标准化残差图(图3)可以看出，除无数据的港澳台地区外，残差取值范围在-2.5～1.5，无省份超过1.5倍标准化残差，所有省份均通过残差检验。