江苏省创新要素集聚对经济增长的空间溢出效应研究

徐朋辉，赵喜仓，李海莉

(1. 江苏大学 管理学院， 江苏 镇江 212013；2. 皖南医学院 人文与管理学院, 安徽 芜湖 241002)

在信息技术革命的推动下，要素集聚的状态逐渐显现，越来越多的创新要素自主转移到一些产业或区域中心，实现创新要素的空间调整与集聚，形成若干创新要素集聚中心。随着创新要素集聚程度的不断提高，创新要素可能会通过溢出效应，发挥对本地区或邻近地区的溢出与辐射带动作用，推动本地及邻近地区经济的发展。北上深广作为中国的四大一线城市，也是中国的创新要素集聚中心，发挥着类似的集聚和扩散效应，推动着本地及周边地区的经济发展。江苏省作为我国经济强省和创新强省，在我国经济进入新常态背景下，如何发挥创新要素的集聚与扩散效应，带动本地及周边地区实现经济发展方式的转型升级，实现经济高质量发展，对此进行深入研究既可以丰富有关理论，又可以为江苏省相关政府部门制定区域创新发展战略提供量化支撑。

一、文献综述

(一)创新要素集聚的内涵研究

经济活动空间上的非均匀分布并呈现局部集中，这种现象被学者称为集聚经济。产业要素空间集聚有利于知识溢出和创新。集聚经济通常被认为是区域经济增长的重要因素。Cooke最早提及创新要素集聚。杨晨、刘和东、张宓之和郭庆宾等学者对创新要素集聚的内涵与过程、演进的机制进行了研究[1-4]；冯南平、江永真、迟景明、童纪新、周元元等学者分别从创新要素集聚的引导策略、集聚能力、集聚度测度、集聚效应等方面拓展了创新要素的内涵研究[5-9]。赵陆通过研究提出：人才、技术、知识等创新要素集聚能够通过溢出效应、竟合效应、马太效应等途径带来更多创新资源[10]，产生更高的创新效益[11]，影响企业或区域的自主创新产出。创新要素的空间集聚不是创新要素的简单叠加，而是创新要素在空间集聚过程中的彼此关联、相互依存[12]，还需要以经济活动或产业集聚为依托或载体[13-15]。创新要素通过自由流动、合理配置、优化整合等实现高强度创新投入以及大规模创新产出[3]。

因此，结合上面理论研究可认为创新要素集聚包括两层内涵：一是从类型来说，将创新要素分为创新人才、创新资金和创新技术知识三种；二是从要素集聚机制来看，通过政策引导、市场对接等机制将具有流动性、动态性的不同创新要素优化组合在一起，实现更多创新要素集聚。

(二)创新要素集聚空间溢出效应相关研究

空间溢出效应是指一个组织的某种行动不但会对本组织或本地区自身产生某种影响，而且会对相邻或者相近的组织或地区产生相应的影响[16]。技术溢出效应是指位于创新集聚中心的周围或邻近地区会通过要素流动、FDI、贸易等渠道不断从创新集聚中心地区获得扩散、辐射、转移来的技术知识因素等创新要素，从而刺激本地区的迅速发展和技术革新。余泳泽、赖一飞、陶晓丽、吴卫红、史安娜等学者分别从主题分类角度、区域角度、高校视角等来研究了创新要素集聚与经济增长之间非线性的促进作用[17-21]。

虽然国内外学者对创新要素集聚已有一定研究，但仍存在三个问题：一是关于创新要素类型的分类还没有定论，大多数学者主要针对某一类型创新要素集聚进行经济效应分析，例如人力资本要素集聚[22,23]、金融要素集聚[24]等，缺乏综合考虑创新要素的分类问题；二是大多数学者主要应用联立方程、固定影响变系数模型和MATLAB中曲线拟合工具箱来研究创新要素集聚的影响[9,11,18]，使用空间计量模型的相关研究还很少；三是作为长三角地区科技创新中心的重要组成部分，江苏省创新要素集聚能力有待进一步研究[13,18,21]。

因此，本文拟做两方面的拓展。第一，从研究视角上予以拓宽，将创新要素分为创新资本、创新人力和创新技术知识三类，试图分别从这三种创新要素视角来考量创新要素集聚引致的经济增长效应；第二，研究方法上，运用空间杜宾模型(SDM)来验证江苏省13个城市的创新要素集聚对经济增长的空间溢出效应。

二、指标选取与理论说明

(一)指标选取

本文主要选取13个地级市人均GDP作为被解释变量来考察江苏省创新要素集聚对区域经济增长空间溢出效应的影响，用PGDP来表示。解释变量分为两种：核心解释变量和控制变量。核心解释变量包括创新要素集聚区位熵(LQz)，控制变量为外商投资水平(FDI)和创新效率(IE)。

学者们经常采用区位熵这个指标来衡量地区的创新要素集聚状况，本文参照唐红祥、时乐乐和赵军等学者的研究，也采用区位熵(LQz)来衡量江苏省13个地级市相对于全国创新要素集聚的情况[25,26]。本文认为史安娜、周元元等学者选用创新资金集聚度来衡量创新要素的集聚水平是有缺陷的[9,21]。创新要素集聚不仅仅是由创新资本推动，还有创新人力要素和创新技术知识要素的集聚，三者之间相互促进，缺一不可；先有创新人力要素在适当的创新资本要素推动下产生创新技术知识要素，创新技术知识要素逐渐积累达到一定阈值之后推动当地的经济、社会、科技发展，进而会吸引区域内外大规模的创新人力要素和创新资本要素进入，实现创新人力要素、创新资本要素、创新技术知识要素的良性循环。美欧日一些国家或地区依靠本身经济发达、创新人才集聚、资本集聚、待遇优厚和科研实力雄厚(技术知识集聚)的优势，每年大规模吸引着全世界的优秀人才，这些高技术知识型人才的加入为其技术进步和经济发展提供了不竭动力，也就是我们常说的“虹吸效应”。我国的发达中心城市也不例外，上海、北京、深圳和广州等一线城市依靠虹吸效应吸引着大量创新人力要素、创新资本要素、创新技术知识要素的集聚，是我们国家的创新中心地，也称为“创新要素池”。因此我们分别选用R&D人员数量、R&D经费总额和专利申请量来度量创新人力要素、创新资本要素和创新技术知识要素，将它们作为核心被解释变量(表1)。其计算公式如下：

(1)

新古典增长理论、新增长理论以及新制度经济学理论指出，FDI可以通过资本积累、技术进步、技术扩散效应、干中学效应以及制度变迁等途径或机制来推动东道国经济增长，这表明对外开放水平(FDI)越高，越能够促进经济增长[27,28]。因此，本文采用外商企业投资总额与该地市GDP的比值来表示每个城市的对外开放水平(FDI)。

创新效率(IE)反映一个地区(国家)通过创新资源的投入获得的创新产出的数量，以及创新行为的投入产出比。根据阿罗、罗默和卢卡斯等人提出的内生新增长理论可知：作为内生变量的技术创新是经济增长的源泉。因此创新资源投入越多越能获得更多的创新产出。创新效率的提高依赖于各类创新资源的不断投入与优化配置，通过不断提高技术水平和创新能力来推动经济增长，产生创新驱动效应。

表1 模型变量说明

(二)空间自相关和集群分析方法

学者们使用空间自相关指数Moran’s I来检验区域创新及创新集群现象的空间相关性存在与否。

(2)

其中i表示第i地区的观测值(如专利数)，n为地区总数，为二进制的邻接空间权值矩阵，取值范围[-1,1]。

(三)模型设定

空间杜宾模型(Spatial Durbin Model，SDM)是空间滞后模型(Spatial Lag Model，SLM)和空间误差模型(Spatial Error Model，SEM)的一般形式，综合了被解释变量和解释变量的空间滞后因素对被解释变量的影响，能够从时间和空间两个维度有效捕捉环境规制的外溢性,是最新的空间计量模型。因此本文选取空间杜宾模型作为研究模型，将各个空间变量引入SDM模型来检验空间溢出效应，其中W*LnFDI表示对外开放水平、W*LnIE代表创新效率、W*LnLQ1表示创新资本要素集聚水平、W*LnLQ2代表创新人力要素集聚水平、W*LnLQ3代表创新技术知识要素集聚水平，模型表达式为：

(3)

式中i表示地区，t表示时间，Wij为二进制的邻接空间权重矩阵，μi表示空间效应，νt表示时间效应。

(四)变量的四分位图和自相关性检验

首先我们使用GeoDa软件绘制2008年、2013年和2017年主要变量的四分位图，探讨创新人才要素、资金要素和技术知识要素集聚程度和被解释变量经济增长这两个主要变量的空间自相关性以及空间演变过程(见图1-12)。

图1到图3分别为江苏省13个地级市经济增长(PGDP)的四分位图。可以看出，经济增长(PGDP)存在显著的空间地理分布特征，苏南城市的经济发展水平普遍高于苏中和苏北地区。其中南京、苏州和无锡这些年一直稳定处于第一类别没有变化，PGDP水平一直处于全省前列，这主要是由于苏南地区经济基础较好。从2008年到2017年间，常州、镇江、扬州和南通四个城市一直处于第二类。徐州和泰州稳定处于第三类别；从第三类转变为第四类的只有盐城，从第四类转变为第三类则有淮安。连云港和宿迁PGDP从2008年到2017年一直处于第四类，GDP排名每年都很靠后。这再一次印证了苏南的经济好于苏北和苏中。

从图4到图12可以看出，苏南城市的区位熵LQ1、LQ2、LQ3比较高，稳定处于第一和第二类别，其中南京市这些年一直处于第一类别。作为江苏省会城市，南京集聚了全省最优质的创新资源，尤其是高校科技资源，因而创新要素集聚区位熵LQ1、LQ2、LQ3一直领跑全省。苏州和无锡三类创新要素区位熵也基本都在第一象限，这说明经济发达地区的创新要素集聚更为显著。常州和南通十年间没有发生转变一直处在第二象限。镇江的LQ1和LQ2则从第二象限向第三象限转移，说明近十年镇江市创新要素集聚速度相对于周围城市如南京和常州明显较慢，究其原因，镇江市虽然在苏南地区，但由于自身经济发展偏慢而难以吸引创新要素集聚。扬州和泰州的LQ3从第三象限向第二象限转变，主要是受到了苏南地区的辐射和外溢效应影响，开始出现明显的创新要素集聚现象。苏北地区的连云港、淮安和宿迁三个地区的区位熵LQ1、LQ2、LQ3一直较低，处于第四象限，呈现较低的水平。徐州地区LQ1则从第三象限向第二象限转移，LQ3则从第二象限向第三象限转移，呈现较低水平，这说明虽然徐州加大创新资本要素的投入，但是创新的技术知识要素集聚反而下降，也就是说其创新人力资本集聚和创新资本集聚效应没有发挥出来，创新效率反而不断降低。

以上从四分位图出发，初步探讨了创新要素集聚区位熵系数和经济增长(PGDP)的空间相关性。下面通过对主要变量进行空间自相关性检验来验证创新要素集聚对经济增长是否存在空间溢出效应(表2)。

表2 江苏省2008—2017年各项指标的Moran’s I指数值

从表2可知，经济增长(PGDP)的Moran’s I指数逐年上升且较为显著。这表明江苏省区域经济增长的空间相关性越来越明显，但2011年除外。就区位熵而言，LQ1、LQ2、LQ3的指数均有正负值，从2012年到2017年总体来看通过了10%的显著性水平检验，由此得出江苏省省内13个城市创新要素集聚水平逐渐提高。对外开放水平(FDI)的Moran’s I指数逐年上升，表明13个城市对外开放水平的空间相关性逐渐呈现。对于创新效率指标来说，其Moran’s I指数均为负数，和其他指标相比，显著性水平较低，表明江苏省各个地级市内部经济发展水平差异较大，沟通协作交流较少。从投资水平来看，其检验值呈现出较小幅度的波动趋势，说明投资水平的质变空间一直存在，且有较高的显著性水平。

(五)空间溢出效应检验

与随机效应模型相比，固定效应模型能够更好体现区域个体之间的差异性进而深入了解溢出效应的结果，具体结果详见表3。

表3 SDM面板模型三种效应设定结果

SDM面板模型(1-3)中的空间自回归系数ρ，只有SDM模型(2)中的ρ系数为0.312 2且显著，这表明江苏省省内相邻城市之间的创新要素集聚与经济发展存在显著的空间相关性。Elhorst认为对于含有空间滞后因变量的面板数据模型中Corrected.R2比R2指标更合理[29]。SDM(2)模型中的拟合优度Corrected.R2在SDM模型(1-3)中是最高的0.847 8，SDM(2)模型中的自然对数似然函数值(Log likelihood，LogL)和似然比率(Likelihood Ratio，LR)值在SDM模型(1-3)中是最大的。表3，SDM面板模型三种效应设定结果中只有SDM(2)中大多数解释变量通过10%的显著性水平检验，SDM模型(1)和模型(3)只有一部分解释变量通过10%的显著性检验。因此我们选择SDM(2)来进行空间效应分析更合适。在SDM(2)模型中，创新资本要素集聚(LQ1)、创新人力要素集聚(LQ2)和创新技术知识要素集聚(LQ3)的回归系数分别为0.120 5、0.902 3和0.123 2，且显著，这说明江苏省13个地级市的三种创新要素集聚都对经济增长产生较显著的促进作用。对外开放水平(FDI)和创新效率(IE)的回归系数分别为0.103 2和0.318 1，且都显著，这说明它们对经济增长也发挥较显著的促进作用。空间滞后解释变量创新资本要素集聚(W*LnLQ1)、创新人力要素集聚(W*LnLQ2)、创新技术知识要素集聚(W*LnLQ3)的回归系数分别是0.405 8、-0.130 9、-1.093 7，但只有创新技术知识要素集聚具有(LnLQ3)显著性。这说明考虑空间效应之后，江苏省13个城市创新要素集聚没有对邻近城市的经济增长产生较显著的促进作用，甚至阻碍了相邻地区的经济发展。空间滞后解释变量对外开放水平(W*LnFDI)和创新效率(W*LnIE)的回归系数分别为0.340 1和0.513 0，但只有FDI显著，说明相邻地区的外商投资行为存在空间溢出效应；而邻近城市的创新效率没有通过10%的显著性检验，说明江苏省13个城市创新效率没有对邻近城市的经济增长产生显著的促进作用。为了更加精确分析空间溢出作用的途径和方式，我们借鉴Le Sage and Pace的做法，从直接效应、间接效应以及总效应三个维度来具体探讨各变量的空间溢出效应的路径(见表4)[30]。

表4 累积效应标量的描述性统计表

从表4的结果来看，创新资本要素集聚(LQ1)的直接效应、间接效应和总效应系数都显著，且分别为0.071 2、0.101 0和0.172 2，这表明江苏省13个城市的创新资本要素具有溢出效应，各个城市增加创新资本要素不仅会促进本地区的经济增长，还会促进其他相邻城市的经济增长，从而有利于江苏省整体经济水平的提高，这是一个互动共赢的博弈。

创新人力要素集聚(LQ2)的直接效应通过10%的显著性检验，系数为0.198 1，即江苏省13个城市的创新人力资本集聚导致人力资本存量的提高会促进经济增长，这与其他学者的研究结论基本一致。但是间接效应虽显著却为负值，等于-0.127 2，可能是因为短时间内创新人力资本存量是相对不变或固定的，某些城市的创新人力资本的增加导致其他地区所拥有的创新人力资本数量的减少，从而降低其经济增长的速度，即间接效应为负。这与江苏省的实际情况相符，该省的创新人才主要集中在苏南经济发达的城市——南京、苏州、无锡、南通等，而苏北或苏中地区由于经济落后，创新人才相对匮乏。因此，江苏省应该着力解决上述问题，充分发挥创新人力资本集聚对经济增长的提升作用。

创新技术知识要素集聚(LQ3)直接效应、间接效应以及总效应的系数分别为0.123 1、0.081 9和0.205 0，且都显著。这说明13个城市的创新知识技术要素集聚对本地区的经济增长具有显著的促进作用，也说明江苏省各个城市的创新知识技术要素具有溢出效应，即各个城市增加创新知识技术要素投入不仅会促进本地区的经济增长，还会促进其他相邻城市的经济增长，从而有利于江苏省整体经济水平的提高，这是一个协同发展合作共赢的局面。

对外开放水平的直接效应、间接效应以及总效应系数分别为0.369 6、0.094 8和0.464 4，且显著，表明江苏省13个城市外商投资水平的溢出效应主要体现在对本市的经济增长，对相邻城市的影响也有集中体现。

创新效率的三种效应系数分别为0.345 6、0.654 5和1，且都显著，这表明创新效率不仅显著促进本地区经济增长，还对邻近地区的经济增长具有较显著的空间溢出效应。由于其间接效应小于直接效应，这种促进作用对本市经济增长的影响程度远远高于对相邻市区的外溢程度。

三、研究结论与启示

(一)研究结论

本文将创新要素分为创新资本要素、创新人力要素和创新技术知识要素，采用区位商方法计算了三种创新要素集聚水平，并利用空间杜宾模型重点考察了创新要素聚集对经济增长的空间溢出作用。主要研究结论有以下几点。

其一，从整体来看，虽然江苏省13个地级市之间存在创新要素集聚的现象，但是13个城市之间创新要素集聚的程度差别比较大。这13个地级市在经济活动上具有显著的空间相关性，相邻地区存在显著的空间依赖性以及溢出效应。Moran’s I检验结果表示，相邻市域的空间依赖性以及溢出效应比较明显，周围地区的经济创新发展与本地区紧密相关。

其二，从行政区划分看，苏南地区如苏州、南京、无锡等城市的创新要素集聚程度显著高于苏中和苏北地区，区域差异巨大。苏南地区的创新资本要素、创新人力要素和创新技术知识要素区位熵指数比较高，苏中次之，苏北最低。苏南地区的创新发展水平带动了江苏省创新水平的快速发展，使得苏中和苏北地区逐渐低于全省平均水平，在苏南地区创新要素趋于集聚。这和实际情况相符合，自改革开放以来，苏南沿海地区经济发达，众多高科技行业均集中于此，因而创新发展水平显著高于苏中和苏北地区。

其三，从空间溢出效应来看，江苏省13个地级市的创新要素集聚均对周边地区产生较强的空间溢出及辐射作用。从总效应的角度来说，创新资本要素集聚、创新技术知识要素集聚、FDI和创新效率均可以显著带动市域经济的增长。从直接效应来看，各个变量均对本地区和周边地区的经济增长有显著的辐射作用，其中FDI的直接效应最大。从间接效应来看，除了创新人力要素集聚，其他各个变量均对周边地区的经济增长有显著的辐射作用，其中创新效率的间接效应最大。横向比较来看，间接效应均大于直接效应的有创新资本要素集聚和创新效率，表明它们对周边地区的影响程度大于对本地区经济增长的影响程度，说明它们的辐射以及外溢作用较强。直接效应均大于间接效应的有创新人力要素集聚、创新技术知识集聚和FDI，这表明它们对本地区经济增长的影响程度显著大于对周边地区的影响程度，其辐射以及外溢作用比较弱。

(二)启示

1.创建创新集聚中心，发挥空间辐射效应。实证结果表明：南京、苏州、无锡以及徐州地区的创新发展水平普遍高于省内其他城市。因此，以南京、苏州、无锡为中心的苏南创新集聚中心，以徐州为创新集聚中心的苏北地区应充分发挥中心城市的空间辐射效应，打造省内“三级联动”的创新发展格局，充分利用创新要素集聚对经济的空间溢出作用，带动省内13个城市经济的协调发展。

2.优化创新环境，促进经济增长。实证结果显示：一方面，创新资本和技术知识要素以及FDI均对经济增长产生空间溢出效应，再次证明较高的创新要素集聚水平和FDI有利于促进经济发展；另一方面，创新人力要素集聚则没有对地区经济增长产生明显的促进作用，这表明江苏省创新人力优势没有充分发挥出来。因此，江苏省政府要加大财政、税收、人才、住房等政策环境的支持力度，促进区域经济高质量发展。

3.改革创新要素供给侧，提升创新效率。模型的实证结果表明：反映一个地区的创新水平和对创新发展需求的创新效率具有显著的空间相关性，其对区域经济增长具有显著的促进作用。因此，政府应积极稳妥地推进创新要素供给侧改革，努力调整和优化创新要素结构，通过制定与实施有效政策措施，来充分发挥创新要素集聚的空间溢出效应，制定各地区利益共享机制，带动江苏省各地区的经济增长。