基于系统GMM模型的产业集聚对创新效率影响实证研究

吴风波

（安徽工商职业学院 管理学院，安徽 合肥 231131）

一、前言

国内经济发展目标已从追求速度到追求质量的转变阶段，区域创新水平和能力是全国经济高质量发展的核心驱动力，在当前经济新常态的背景下增强创新效率是促进经济向高质量高水平发展的必要途径之一。产业集聚能够推动区域经济发展模式由规模经济驱动转为创新驱动，鼓励企业积极参与技术创新活动从而实现科学技术的发展和进步，最终帮助我国经济发展实现高效率高速率高水平增长。创新发展以产业为基础和支撑，产业集聚影响着创新要素结构和创新要素的配置方式，产业集聚对创新效率的影响至关重要。

产业集聚是指相近相同或不同的产业在经营发展历程中所需要各要素在相对集中的一个空间地域中不断集合聚合的状态和历程。集聚的内涵既有专业化也有多样化，专业化集聚促进在区域内同一高度相关的产业或者行业集聚一起，可以带来知识溢出、规模效应、产业链完备并形成专业化优势从而促进经济增长；多样化集聚促使不同产业在聚集区域内相互交流，能够实现产业在地域发展中知识和技术要素相互支撑，带来创新所需要素的高效率流动。也就是说产业集聚为资本、技术、企业家才智等资源要素碰撞火花提供便利条件，为创新发展注入动力，集聚使得这些要素能够在产业发展更加紧密地联合在一起形成集聚效应。但林伯强等(2019)研究也发现产业在区域内集聚到一定临界值以后就会带来拥挤效应，集聚程度高会带来交通、房价、劳动力成本等压力攀升，这会对经济的发展效率方面产生抑制作用，产业集聚中的专业化集聚和多样化集聚给创新带来的影响也不尽相同。陈大峰等(2020)研究指出专业化集聚在企业间形成高强度竞争，促进企业加强创新投入，提升竞争力对创新起到积极作用，而多样化集聚会对创新起到的是先正向后负向的作用。基于以上综述分析评估区域产业集聚测度并探索其对创新效率的影响，对于提升区域创新能力和水平，推动经济高质量发展具有重要的现实价值。

二、基于系统GMM模型的研究设计

(一)变量及指标选取

1.被解释变量

创新效率(EE)作为被解释变量，效率的测度方法主要有数据包络分析(DEA)和随机前沿分析法(SFA)，本研究采用马俊(2021)等利用DEA建立规模报酬可变模型(VRS)予以测算评价创新的效率值。选取省际样本中规模以上工业技术企业的R&D经费、R&D人员为投入指标，专利申请量和产品销售收入为产出指标。使用DEAP2.1软件测算出省际各年的创新效率值。

2.解释变量

3.控制变量

控制变量分别选取(1)对外开放(OPEN)：采用外商投资企业进出口总和与GDP之比来测度；(2)人力资本(HR)，采用各区域规模以上企业科研人员总额来衡量；(3)经济发展水平(EL)，以省份年度人均生产总值来表征；(4)科技水平(TL)：以科技支出在当年一般财政预算支出中比例来表征。

(二)模型构建

依据对变量选择设计动态面板模型研究探讨产业集聚与经济效率二者相互关系，为了规避减少各变量采集数据差距大对结果产生影响故而对所有数据作对数处理。因为创新在企业产出中受到前期技术研发投入等推动即存有滞后特征，故模型中加入创新效率一阶滞后项。最后构建计量模型如下：

其中ε随机扰动项，β截距项，i是省份，t是年份。数据选取来源我国除西藏港澳台以外的全国三十个省直辖市2009-2020年面板数据作为研究样本数据，研究数据主要来源自中国统计年鉴、Wind数据库以及各省统计年鉴，缺失的部分数据通过政府部门网站等渠道收集整理得出。

三、实证结果及分析

(一)面板数据平稳性检验

为了让本实证研究的结果更加严谨可靠，防止样本数据在时间序列输入时可能导致的伪回归现象，就需要对这些变量的平稳性进行相关检验，测试他们的平稳程度以期为下一阶段实证研究科学可靠性提供帮助。对所有统计数据依次使用同质和异质面板检验分为LLC检验、IPS检验、Fisher-ADF检验和Fisher-PP检验等四种单位根检验方法，检验所有变量的平稳性，如果以上四种检验结果中达到或者超过三种拒绝存在单位根，就可判断数据序列平稳可靠，否则就属于不平稳。结果见表1。

表1 样本数据的平稳性检验

根据面板数据的四种检验结论显示，所有样本数据都在1%的统计学水平上显著，皆通过了平稳性检验，后续研究结论的科学准确性得到保证。

(二)产业集聚对创新效率影响的系统GMM回归结果及分析

产业集聚作为解释变量其自身有可能会存在内生性现象，研究采用系统广义矩估计方法(System-GMM)对动态面板模型数据予以回归分析，这样尽最大可能地减少变量中样本偏差，以创新效率滞后项为工具变量对模型进行实证研究。回归结果如表2，根据结果得出回归方程都显示一阶序列具备显著相关，并通过Sargan有效性检验，五个回归方程估计的创新效率滞后项系数依次为0.7417、0.6725、0.6512、0.5435和0.5341，由此可见滞后期作为被解释变量的加入是科学合理的，也充分说明滞后效应在创新效率中是存在的。每一个模型的工具变量系数在1%水平显著差异，这表明选择在方程中置入滞后项不仅是合理的而且非常有必要的，从另一个角度说明以此构建的计量模型也是可行有效的。

表2 动态面板Syst em-GMM模型回归结果

当产业集聚进行回归分析，系数为0.0874且在1%水平显著，正值的系数说明创新效率会受到解释变量正面促进影响，也就是说产业在区域内的集聚会提升企业的创新效率。因为产业集聚提高了区域内资源要素匹配度，使得创新资源要素得到合理配置，所以会推动创新活动的开展并使得产出增加，集聚带来的产业关联效应、劳动生产率效应、知识溢出效应等提升创新成果的输出并且降低创新成本，驱动企业在创新方面的投入加大。

在控制变量对外开放(OPEN)、人力资本(HR)、经济发展(EL)、科技水平(TL)因素继续加入进行回归检验时发现，各变量系数前符号并没有改变皆为正值并通过显著性检验，说明以上四个控制变量对创新效率有正面影响。对外开放度表明地区对外资的开放水平，当某一地域对外开放水平越高，就表示这一地域外部资本的投资越多，外部资本投资的增加极有可能同步带来国外先进技术和知识水平，提升区域整体创新效率。人力资源在区域内集聚，使得各企业的交流分享在空间距离上得以减少，有利于企业行业间知识共享技术交流等促进区域创新活动实施。经济水平高的区域主观上愿意投入更多资金和政策倾斜于创新发展中，能激发资金等要素在创新发展中配置。科学技术是创新可持续发展动力，科技支出的增加会带来高效率的产出，进而促进创新效率的提升。

四、结论与政策建议

通过系统GMM模型分析研究得出产业集聚对区域创新效率有正面促进作用，产业集聚能够显著带动区域创新效率的提升。对外开放、人力资本、经济发展和科技水平四个因素显著提升区域创新效率，相比较这几个控制变量而言，产业集聚对创新效率提升影响程度较为一般，产业集聚带来协作效应的同时也会在企业间形成一定的竞争态势，区域竞争产生的拥挤效应某种程度上会对创新效率的提升有所影响，根据前文研究提出以下两点建议。

首先产业集聚需要政府或者行业主导部门有序引导下科学合理集聚。产业集聚规模和程度需要有度，避免产业集聚程度过高带来过度竞争，防止在集聚区内进行恶意的同质化竞争。政府构建创新发展平台推动企业创新合作，鼓励企业加大创新研发资金投入，为企业在创新发展方面提供便捷高质量的公共服务，注重集聚区内的企业在科技创新成果方面的产出提升创新效率。

其次应该创设有利于创新效率提升的外部环境，根据产业集聚的目标有针对性地引进外资及其技术，吸引创新能力强、意愿强、有竞争力的企业和科研院所加入产业聚集区内。在创新人才引进方面，全面构建以创新效率提升为目标的人才引进和培育体制，重视人才在创新活动中的关键地位，加大知识和智力资本的投入。高度重视知识产权和创新成果的保护转化，规避产业内企业间无序重复失衡竞争，推动创新要素合理流动促进产业融合创新。激励产业集聚区内创新活动开展，全方位推动集聚区内整体创新水平的提升。