资本匹配、创新力培育驱动区域经济高质量发展的逻辑及效应

钟 文，郑明贵

（1.江西理工大学矿业发展研究中心，江西 赣州 341000；2.江西理工大学经济管理学院，江西 赣州 341000；）

经济学家普遍认为，中国改革开放以来的经济高速增长“来自汗水而非灵感”，换句话说，中国经济增长奇迹主要得益于巨大的资本要素投入而非持续的技术进步[1]。 在中国经济发展进入新时代背景下，伴随资本要素成本上升、环境规制力度不断加大等国内外发展环境的变化，原有经济增长模式不可延续，亟需转变经济发展思路，将关注点从经济增长速度转向经济高质量发展，从要素驱动转向创新驱动[2][3]。 发展经济学认为，发展离不开资本积累，资本积累是引发社会分工的基础条件，然而经济高质量发展不仅需要资本积累的数量保障，也离不开资本要素投入结构优化的质量引领[4][5]。 当资本积累达到相当数量时，资本结构的匹配协调性显得尤为重要。 从系统观来看，社会经济发展所需的资本并不是独立存在的个体，而是一个完整的资本系统范畴，假如片面注重某一类资本积累，往往会造成整个资本系统结构的紊乱，严重降低资本运行效率，而在路径依赖作用下，还将进一步引发资本积累恶性循环，影响经济高质量发展[6]。 党的十九大报告明确提出，我国经济已由高速增长阶段转向高质量发展阶段，进入高质量发展阶段必须坚持质量第一、效益优先，推动经济发展质量变革、效率变革、动力变革。 因此，开展资本匹配结构与经济高质量发展关系研究具有重要的理论和现实意义。

近年来，经济高质量发展已成为区域经济学的热点议题。 已有文献对区域经济高质量发展的研究涵盖了内涵界定[7][8]、水平测度[9][10]、推进路径[11][12]等方面，形成了不同视角和层次的研究成果。 而结合资本要素探究区域经济高质量发展的文献，主要关注独立资本积累对区域经济高质量发展的影响。经济高质量发展需要创新驱动，而创新驱动的实质是人才驱动，人才是创新的根本要素，人力资本积累是经济发展与产业结构升级的关键[13][14]。 与此同时，实物资本积累的作用也不容忽视，当它与技术进步形成动态融合机制时，能够成为我国经济增长的主要动力来源[15]。 严成樑和龚六堂在考察财政政策的经济增长效应时发现，不同于生产性公共支出，政府对资本积累的调控行为相对更有利于促进经济增长[16]。 国外学者也有类似研究[17][18]。 整体而言，学者们对于资本积累的外部效应已经进行了广泛而充分的讨论，遗憾的是，已有研究对于资本匹配如何影响区域经济高质量发展并未形成相对统一的分析框架，且鲜有涉及资本匹配的外部效应；此外，已有相关研究使用的分析方法多以面板数据分析为主，一定程度上忽略了区域经济高质量发展的空间相关性，可能导致估计偏误。 鉴于此，本文力图在以下两个方面体现边际贡献：第一，在研究内容上，本文基于资本匹配与创新力培育同频共振的视角展开分析。 资本匹配诱发了创新力培育，而创新力培育是经济增长质量提升的重要动力，在提高经济发展潜能、满足多样化消费需求、优化产业结构方面发挥了重要作用。 本文尝试通过该视角构建一个相对完整的分析框架，探讨资本匹配与创新力培育对区域经济高质量发展的“独立效应”与“协同效应”。 第二，在研究方法上，本文考虑了区域经济高质量发展过程中存在的空间关联性，采用空间计量技术分析资本匹配与创新力培育的区域经济高质量发展效应。 同时，考虑到资本匹配和创新力培育可能与区域经济高质量发展存在非线性关系，本文进一步构建面板门槛模型展开实证检验。

一、理论分析与研究假设

（一）资本匹配对区域经济高质量发展的影响

本文主要借鉴Mankiw-Romer-Weil 模型（简称MRW 模型）的思想并在此基础上延伸拓展，形成一个涵盖实物资本、人力资本和社会资本的区域经济高质量产出模型，并据此得到人均实际经济高质量产出及区域经济高质量增长率的回归方程式：

上式中，Y 表示区域经济高质量产出水平，K表示实物资本，H 表示人力资本，S 表示社会资本，A 代表外生技术状况，L 代表劳动力。 模型假定经济高质量产出水平由实物资本、人力资本、社会资本、外生技术和劳动力决定。 α、β、γ 分别为相对应资本的要素弹性，α＞0，β＞0，γ＞0，且α+β+γ＜1。 模型进一步假定劳动力和技术水平外生，L(0)、A(0)分别表示初始劳动力和初始技术水平，并且用n 和g分别表示两者的增长率，因此，由模型可以得到L(t)=nL(0)，A(t)=gA(0)，分别代表劳动和技术积累方程。实物资本、人力资本和社会资本的储蓄率分别用dk、dh、ds表示，且假设折旧率一样，均为δ，因此，由模型得到三大资本的积累方程如下所示：

模型在以上分析框架基础上，结合区域经济高质量发展中的总消费C：C=Y（t）[1-dk-dh-ds]，以及汉密尔顿函数关系式，可以求解效用最大化一阶条件方程式（3），进而能够判别三大资本间的匹配关系及其对区域经济高质量产出的影响，得到如下关系式，即三大资本的最优匹配关系：

从式（4）可以发现，区域经济高质量产出效用最大化的实现条件是三大资本存量比与对应的要素弹性比相等。 这进一步表明，在区域经济高质量发展过程中存在三大资本之间的最优比例关系，任何偏离都会造成区域经济高质量产出效率损失。

假如模型要从人均视角表达三大资本的最优比例关系，则需要构建均衡增长路径，表达式如下：

当变量k、h、s 同时处于均衡增长路径时有：

其中人均有效劳动的实物资本、人力资本和社会资本分别为：k*、h*和s*，则有：

以上结构式表明，当区域经济高质量发展处于均衡增长路径时，三大资本之比与对应的资本储蓄率之比相等，即k*：h*：s*=dk：dh：ds。

基于以上理论分析，提出本文的研究假设1：

假设1： 资本匹配影响区域经济高质量发展，影响效应大小与资本匹配程度密切相关。

（二）创新力培育对区域经济高质量发展的影响

区域经济高质量发展集中表现为区域生产率提高和增长效能提升，经济发展动力转向创新驱动。创新力培育能够有效提高全要素生产率和资源配置效率，缩小区域发展差距，正如熊彼特的创新理论所指出的，技术创新是推动经济增长的重要因素之一[2]。 美国、日本和德国等发达国家长期处于全球产业链上游，其中的关键因素是注重科技创新投入，在技术创新方面始终保持领先地位。 发达国家的经验表明，技术创新是经济高质量增长的主要驱动力。 《2020 年全国科技经费投入统计公报》显示，中国科研经费投入稳步增加，2020 年的科研经费投入强度达到2.40%，但与美国等科技强国相比仍存在较大差距。 十九大报告也明确提出技术创新是引领经济高质量发展的第一动力，中国要在区域经济高质量发展阶段注重创新力培育。 从长远看，创新力培育既可以提高资源利用效率，转变经济发展方式，进而提升经济增长质量；也可以促进生产要素高级化，提升生产率，助推区域经济高质量发展[19][20]。 基于以上分析，本文提出研究假设2：

假设2：创新力培育对区域经济高质量发展具有促进作用。

（三）资本匹配和创新力培育的协同效应对区域经济高质量发展的影响

资本匹配质量会影响区域创新力培育，而创新是区域经济高质量发展的力量源泉。 通常而言，实物资本积累主要通过新增投资（包括政府财政激励、研发补贴，或者企业自身研发投入等）保障研发资金投入，促进新产品的开发和新技术的扩散，进而影响产业创新力[21]；人力资本积累主要通过提升劳动力素质、增强劳动者能力、提高劳动力市场要素配置效率促进技术创新力[22]；社会资本积累则主要通过制度创新与管理创新等技术手段提高政府组织、企业组织和中介组织的创新能力，影响组织创新力提升[23]。 一般而言，区域经济高质量发展需要发挥资本积累的基础性作用，当资本积累到一定程度后，对于资本匹配所形成的区域创新合力的需求则逐渐凸显。 事实上，资本积累状态伴随着区域发展过程的始终，但要实现区域经济高质量发展，则需要在资本广泛积累基础上寻找资本要素结构的协同发展。 而创新力培育对资本匹配质量提升具有保障作用，表现为技术进步对资本匹配的支撑引领，以及通过扩大资本匹配的空间外溢效应，从而促进区域经济高质量发展。

综上所述，资本匹配能够倒逼创新力培育，提高经济发展质量；反过来，创新力培育会支撑资本匹配质量提升，保障区域经济高质量发展水平。 即资本匹配与创新力培育之间存在协同效应，且这种协同效应有助于区域经济实现高质量发展。 基于此，提出本文的研究假设3：

假设3：资本匹配与创新力培育的协同效应对区域经济高质量发展具有促进作用。

二、 研究设计

（一）模型构建

1.空间计量模型选择与设定

SDM 模型是当前空间计量经济学中广泛使用的模型，它既综合了SAR 和SEM 两类空间模型的优点，也妥善处理了相关不足，如考虑了随机冲击的空间影响。 因此，本文在SDM 模型基础上，构建考察资本匹配、创新力培育对区域经济高质量发展的独立效应及协同效应的模型，方程式如下：

其中，HEDi，t、CMi，t和NIi，t分别为i 地 区 第t 年的区域经济高质量发展、资本匹配和创新力培育变量，Zi，t为控制变量组，ρ 为空间自回归系数，W 为空间权重矩阵，εi，t表示随机扰动项。

根据“地理学第一定律”，区域间的相关性与地理距离有关，距离越远，相关性越小，空间权重设置是空间计量模型分析的关键环节。 资本匹配与创新力培育除了受到地理距离的影响，也必然受到区域经济发展水平等非地理因素的限制。 因此，本文综合采用地理距离矩阵和经济距离矩阵刻画空间关联性。

2.面板门槛模型设定

资本匹配与创新力培育相互交织、彼此影响，二者的区域经济高质量发展效应可能因为资本匹配与创新力培育的不协调而存在“门槛”。 本文以资本匹配与创新力培育为门槛变量，进一步构建面板门槛模型，方程式如下：

(二)变量测度与说明

1.被解释变量

区域经济高质量发展涉及面极广，对其进行评价指标体系构建是人文-经济地理学者关注的重点。 国内学者对中国区域经济高质量发展评价体系进行了广泛研究，并取得了丰富成果，但总体围绕“五大发展理念”、社会主要矛盾转变，以及经济高质量发展特征来展开分析，研究视角较为局限。本文综合已有经济高质量发展指标、欧盟可持续发展评价指标体系、《中国区域经济高质量发展研究报告》所使用的指标体系等国内外经典评价指标，基于公平与效率视角，并遵循指标选取全面性、实用性与可操作性等原则，从经济运行、发展效率、协调发展、社会共享、对外开放5 个维度构建了区域经济高质量发展评价指标体系，该体系由目标层、准则层和指标层构成，共24 个具体指标（见表1）。其中，经济运行、发展效率与对外开放是区域经济高质量发展效率层面的重要体现，协调发展与社会共享则是公平层面的集中表现。

表1 区域经济高质量发展评价指标体系

本文选用综合评价方法测算区域经济高质量发展水平，该方法具有适用性广与可操作性强的特点[24]。 具体操作中，首先要对原始数据进行标准化处理，进而测算权重，最终得到区域经济高质量发展的综合评价值，公式如下：

式（13）中，Pj为第j 项评价指标的标准化值，Wj为第j 项指标的权重。

（1）原始数据标准化处理。由于数据来源不同，使得指标数据没有统一的量纲，可以通过z-score 标准化和0-1 标准化方法对指标进行标准化，以便对不同量纲的指标进行比较，具体计算公式为：

其中μ 为所有样本数据的均值，σ 为所有样本数据的标准差；

其中max 为样本数据的最大值，min 为样本数据的最小值。

（2）指标权重确定。 本文主要采用变异系数法确定指标权重。 变异系数法是一种客观赋权方法，其基本思路是：在评价指标体系中，要选择取值差异大的指标，如此才能更好地反映指标的差距。 由于评价指标体系中的各项指标没有统一的量纲，无法直接比较差别程度，通常需要用各项指标的变异系数来测算[9][10]。 各指标的变异系数公式如下：

式（16）中，Vi是第i 项指标的变异系数，也称为标准差系数；σi 是第i 项指标的标准差；X－i是第i项指标的平均数。

各项指标权重的计算公式为：

2.解释变量

本文的核心解释变量分别为资本匹配和创新力培育。 依据资本形成与演化发展的过程，本文选取实物资本、人力资本与社会资本构建资本匹配系统的资本要素，三者之间具有关联性和继承性，相互影响、协同发展。 构建合理的资本匹配系统需要甄选科学的评价指标，本文综合考虑三大资本间的协同发展机制以及相关数据的可得性，采用固定资产投资额衡量实物资本，具体用永续盘存法进行估计；采用人均受教育年限代表人力资本；用公共服务支出表示社会资本[25][26]，并吸收借鉴物理学中的耦合协调度思想，构建匹配三大资本的测度模型，其中涵盖了测度两种资本匹配程度的模型：

上式中μ1，t、μ2，t和μ3，t分别表示实物资本、人力资本与社会资本的综合评价值，且0≤C2（t）≤1，0≤C3（t）≤1，数值越接近1，表示各子系统匹配协调状况越优良。

创新力培育的测度主要基于创新绩效视角，采用DEA 方法进行测算，投入变量用各区域研发人员当量和科研经费存量来表示，产出变量用专利授权量和新产品销售收入来衡量[27][28]，从而得到创新力培育变量。

3.控制变量

借鉴赵涛等[10]以及钟文等[6]的控制变量选取方法，本文选取如下控制变量：（1）区域经济发展水平（ED）。 采用区域人均GDP 来衡量；（2）区域研发投入强度（RTI）。 在区域经济高质量发展过程中，创新发挥着示范引领作用，创新投入主要来源于财政科技投入，它能够缓解区域创新资金约束、刺激企业的创新积极性，提高区域创新能力[29]。 本文采用财政支出中科学技术投入占比衡量区域研发投入强度；（3）产业结构（IS）。 产业结构涉及调整与升级两个方面，是区域经济发展的重要牵动力。 产业结构状况决定了区域整体经济提质增效的速度，同时，产业结构升级会倒逼区域创新投入增加，进而区域产业结构与创新之间会形成良性发展循环[30]，但也存在传统产业结构势力强大从而阻碍创新投入的情况。 本文采用二三产业产值占GDP 比重衡量产业结构；（4）对外开放水平（OPEN）。 FDI 规模是一个国家或地区对外开放程度的重要表征。FDI 主要通过创新溢出影响区域经济高质量发展，但关于FDI 对区域创新的作用学术界尚未形成统一认识。本文采用FDI 与GDP 之比表示对外开放水平。

（三）数据来源与描述性分析

本文针对中国31 个省（自治区、直辖市，不包括港澳台地区数据）展开研究，时间跨度为2001-2019 年，最终形成589 个区域-年的平衡面板观测数据，为保证数据稳定性以及减少异方差的影响，本文对数据做了取对数处理和平滑处理。 研究使用的数据主要来源于EPS 全球数据库、中经网数据库和万德数据库，以及各省份统计数据。 表2 是各变量的描述性统计结果。 表2 显示，无论是区域经济高质量发展还是资本匹配结构，均具有区域不平衡的特征，这在一定程度上佐证了本研究的价值。

表2 变量的描述性统计分析（N=589）

三、实证分析

（一）空间计量模型的实证分析

1.空间相关性分析

在进行空间计量回归之前，需要检验研究对象的空间相关性，研究者多采用Moran’ I 指数方法考察变量之间的空间相关性特征。本文结合地理距离矩阵测算中国31 个省（自治区、直辖市）2001-2019年的全域Moran’ I 指数值，结果如表3 所示。 在样本观察期内，核心变量的Moran’ I 指数值大部分时间显著为正，表明中国不同区域间资本匹配、创新力培育和经济高质量发展之间存在不可忽略的空间相关，这进一步佐证了本文采用空间计量分析法是合适的。

表3 核心变量的Moran’ I 指数检验结果

2.资本匹配与创新力培育的独立效应分析

为了验证实证结果的稳健性，本文同时汇报了多种空间面板模型估计结果，依据Hausman 检验规则，确定固定效应模型为最优选择，因此，表4 同时汇报了3 种模型在地理距离矩阵和经济距离矩阵下的固定效应回归结果。 3 种模型的估计结果除了系数大小存在差别外，显著性与方向相对保持一致，这也说明了估计结果具有一定的稳健性。 进一步通过Wald 检验和R2值判断SDM 模型拟合效果最优，因此后续分析将以SDM 模型为主。

表4 资本匹配与创新力培育的独立效应检验结果

表4 显示，资本匹配与创新力培育在两种权重矩阵下的区域经济高质量发展效应均显著为正，但创新力培育的作用效应明显高于资本匹配。 这表明创新力培育是当下促进区域经济高质量发展的重要动能，资本匹配仍然存在潜在的提升空间。 区域经济高质量发展空间滞后项的系数在3 种模型中均显著为正，且经济距离矩阵大于地理距离矩阵，说明经济发展水平的相似性能够促进区域经济发展之间的互动性，进而实现经济集聚。 假设1 和假设2 得到验证。

3.资本匹配与创新力培育的协同效应分析

资本匹配与创新力培育密切相关，两者均会对区域经济高质量发展产生积极影响，本文进一步采用资本匹配与创新力培育的交互项来识别两者的协同效应对区域经济高质量发展的影响。 依据Hausman 和Wald 检验结果，更适合采用SDM 模型的固定效应形式（回归结果见表5）。 从协同效应检验结果来看，在3 种不同的空间计量模型下，协同效应均明显高于独立效应，这进一步表明资本匹配与创新力培育存在良性互动关系，单纯强调资本匹配或创新力培育单一因素的作用均难以发挥最大的区域经济高质量发展效应，只有当两者相互匹配、协同发展时，才能实现“1+1＞2”的理想效果，进而验证了假设3。

表5 资本匹配与创新力培育的协同效应检验结果

4.稳健性检验

在稳健性检验方面，本文做了两方面工作：一是替换核心解释变量。 具体处理方法为将实物资本、人力资本及社会资本两两匹配，以新测算的资本匹配程度作为解释变量，重新进行回归；二是采用工具变量回归法缓解模型的内生性问题。 从稳健性检验结果来看（见表6），两种方法都保持了资本匹配对区域经济高质量发展良好的促进作用，印证了回归结果的可靠性。

表6 稳健性检验结果

（二）独立效应与协同效应的空间关联分解检验

结合SDM 模型的特征，本文将空间总效应分解为直接效应和间接效应，其中直接效应被理解为解释变量对当地的影响，间接效应是对其他地区的影响，总效应则是直接效应与间接效应之和，衡量解释变量对所有地区的平均影响(回归结果见表7)。从独立效应来看，资本匹配和创新力培育的3 种空间效应均显著为正，且直接效应大于间接效应；创新力培育的影响效应明显高于资本匹配，表明资本匹配的促进作用有待进一步挖掘；同时，资本匹配和创新力培育对经济高质量发展的影响主要集中在当地，外溢效应有待提升。 从协同效应来看，3 种空间效应均获得极大提升，明显大于独立效应的影响，且经济距离矩阵下的影响力最大，这表明激发资本匹配与创新力培育的协同作用是今后助推区域经济高质量发展应当充分重视的有效路径。

表7 独立效应与协同效应的空间关联分解检验结果

（三）面板门槛模型的实证分析

为了进一步探究资本匹配与创新力培育的互动关系对区域经济高质量发展的作用机制，本文分别以资本匹配和创新力培育作为门槛变量，采用面板门槛模型考察两者是否对区域经济高质量发展存在门槛效应（结果见表8）。 结果显示，以创新力培育为门槛变量时，资本匹配具有双门槛效应，门槛值分别为0.793 和1.591；以资本匹配为门槛变量时，创新力培育具有单门槛效应，门槛值是0.693。

表8 门槛效应检验结果

结合门槛效应检验，本文继续对模型进行回归分析（结果见表9）。 资本匹配的门槛回归结果显示，随着资本匹配程度的不断提升，创新力培育逐渐对区域经济高质量发展产生显著促进作用，这说明资本匹配是释放创新力培育红利的重要因素，应当通过资本匹配强化创新力培育、提高全要素生产率，进而保持区域经济高质量发展的强劲动力。 创新力培育的门槛回归结果表明，创新力处于较低水平时（小于0.793），资本匹配对区域经济高质量发展影响为正，但不显著，因为这个阶段处于初始创新期，主要以模仿为主，具有投入少、见效快和成功率高的特点，整个经济处于资源投入增长状态。 当创新力培育处于第二个阶段时（介于0.793 和1.591 之间），资本匹配对区域经济高质量发展的作用显著为正，经过创新改良和实质创新后，经济增长处于技术驱动状态，区域经济高质量发展获得支撑动能。当创新力继续提升（大于1.591），此时创新处于发明阶段，具有成果的创造性最大、经济效益最高等特征，资本匹配对区域经济高质量发展进一步显现出显著的促进作用。 门槛回归结果表明，资本匹配与创新力培育是互为条件的，只有提高资本匹配程度才能更好地推动创新力培育对区域经济高质量发展的促进作用；同时，资本匹配要成为区域经济高质量发展的新动力，也需要创新力培育的支持。

表9 门槛回归结果

四、主要结论与政策启示

（一）主要结论

本文运用空间计量模型与面板门槛模型多维度考察了资本匹配、创新力培育与区域经济高质量发展之间的关系，主要结论如下：第一，资本匹配与创新力培育在影响经济高质量发展的过程中存在明显的空间效应。 创新力培育对区域经济高质量发展的促进作用在本地区明显，同时对周边地区的外溢作用也不可忽视，具有极大的发展潜力；而资本匹配无论对本地区还是对周边地区的区域经济高质量发展效应均弱于创新力培育，并且其促进作用主要集中在本地，对周边外溢影响有限。 第二，资本匹配与创新力培育之间存在紧密的互动关系，唯有二者协同发展才能激发最大的区域经济高质量发展效应。 第三，创新力培育的独立效应对区域经济高质量发展的作用有限，但创新力培育与资本匹配的协同却表现出强劲的正向效应，这在一定程度上表明资本匹配是促进区域经济高质量发展、挖掘创新力培育过程中“正能量”的重要因素。 这同时也表明，在中国新发展阶段下，资本匹配优化和创新力培育是区域经济高质量发展的关键动力。第四，资本匹配与创新力培育对区域经济高质量发展均存在门槛。 资本匹配与创新力培育互为条件，当且仅当两者相互匹配时，它们对区域经济高质量发展的促进作用才能较好地发挥。

（二）政策启示

第一，充分重视资本匹配和创新力培育对区域经济高质量发展的空间溢出效应，促进资本结构优化，保障要素有序流动。 首先，国家要从顶层设计出发，谋划区域发展的资本匹配政策的合理制定与有效落实，强化相关法律法规，杜绝资本投入“大水漫灌”，为助推区域发展的资本匹配技术创造良好的实施环境，尤其对于欠发达地区，应给予充分的技术指导。 其次，因地制宜实施资本匹配政策，提高区域经济高质量发展效率。 要重点加强区域层面的资本积累统计，构建资本匹配结构测算技术体系，实现对区域资本匹配结构的动态监测，针对存在的偏离问题及时进行纠正。 同时，要充分结合区域自身特征，寻找资本匹配结构的落脚点与助推力。

第二，注重有为资本与有效创新的协调发展。研究表明，资本匹配能够倒逼创新力培育，而创新力培育能够提升资本匹配质量，唯有二者齐头并进才能够保障经济高质量发展的程度与方向。 因此，应当着力推进有为资本与有效创新的协调发展，更好地促进区域经济高质量发展水平提升。 当前阶段，应当更大程度地发挥资本作为生产要素的积极作用，引导资本流入技术创新以及能为市场创造增量价值的行业，使资本更有为，为区域经济高质量发展作出更多贡献。

第三，大力推动数字技术升级，促进资本结构内部重组优化，提高资本利用效率。 数字技术发展能够带动更多传统产业实现数字化转型，推动产业结构从劳动密集型向知识密集型转变，以科技为引领，打造更多新业态新产品新经济。 在这一突变过程中，要大力推动新一代信息技术、大数据、云计算等产业持续发展，促使资本结构重组优化，全要素生产率长足提升，进而实现经济高质量发展。