首轮“双一流”建设的经济高质量发展效应测度研究——基于知识溢出视角

聂长飞

(南昌大学经济管理学院,江西南昌,330031)

一、问题提出

党的二十大报告指出,教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑,要深入实施科教兴国战略。[1]作为国家科技发展的重要支撑之一,高校特别是重点高校对区域经济发展意义重大。纵观全球,韩国、日本、法国、德国采取的“世界一流大学计划”“卓越中心计划”“卓越工程框架”“卓越计划”等重点高校扶持计划,不仅有效促进了高等教育体系升级,而且通过知识溢出和技术扩散为国家经济增长提供了新的动力支撑。

为更好地促进重点高校服务国家战略需求,国务院于2015年10月印发《统筹推进世界一流大学和一流学科建设总体方案》,正式开启了“双一流”建设项目。2017年1月,教育部、财政部、国家发展改革委印发《统筹推进世界一流大学和一流学科建设实施办法(暂行)》,对“双一流”建设的遴选条件、遴选程序、支持方式、组织实施等进行了明确规定。[2]2017年9月,《教育部、财政部、国家发展改革委关于公布世界一流大学和一流学科建设高校及建设学科名单的通知》发布,该通知公布了首轮“双一流”建设名单,包括世界一流大学建设高校42所、世界一流学科建设高校95所、“双一流”建设学科465个,标志着首轮“双一流”建设正式付诸实施。[3]

“双一流”建设是自“211”工程和“985”工程以来我国政府实施的又一项重点高校建设政策,是新时代新阶段培养拔尖创新人才、实现教育强国目标的重要探索,更是服务经济社会发展、推动城市经济高质量发展的关键举措。本文立足新时代新征程推动城市经济高质量发展的时代主题,以知识溢出理论为基础,对以下问题进行探讨:首轮“双一流”建设能否通过知识溢出效应有效促进所在城市经济高质量发展水平的提高?首轮“双一流”建设对城市经济高质量发展的影响存在何种异质性?

二、文献综述

本文旨在考察首轮“双一流”建设对城市经济高质量发展的影响效应。与本文研究主题密切相关的主要有两方面的文献。

一是关于高校知识溢出效应的相关研究。现有文献主要聚焦于微观和宏观两个层面。就微观层面而言,现有研究主要考察高校知识溢出对企业创新的影响。梁俊伟等人基于中国2007—2015年上市公司数据,发现企业周边高校数量越多,企业研发投入和专利数量就越多。[4]权小锋等人基于企业博士后流动站设立的准自然实验,证实了产学研合作对企业创新的正向促进作用,同时指出企业博士后设站质量与合作院校等级越高,企业创新产出提升越明显。[5]张龙鹏等人基于国家重点实验室建设的视角,发现基础研究能够通过知识溢出效应显著提升城市企业的创新能力。[6]就宏观层面而言,现有研究主要关注高校知识溢出与区域经济发展之间的关系。总体而言,这类研究尚未形成一致的观点。部分学者认为,高校能够为地方经济发展输送高素质人才,高校的基础研究也能通过知识溢出效应促进区域创新水平的提高,从而有助于区域经济的发展。秦永等人基于中国省级面板数据,发现高等教育规模扩大是地区经济增长的重要原因。[7]郑浩等人证明了地区高校数量对区域经济增长的正外部性。[8]相反,部分学者认为,由于高校层次、质量的不平衡及高校科技成果转化率较低等问题,高校与区域经济发展之间的因果关系是不确定的。[9]

二是关于我国高等教育政策效应评估的相关研究。既有研究对中国高等教育的政策效应进行了较为全面的研究,包括高校扩招政策、高校招生均等化政策、地方引进高校政策。[10-12]与此同时,一些学者对重点高校建设的政策效应进行了评估。例如,郭立强基于我国1994—2016年省级面板数据,考察了“985”工程对区域经济增长的影响,发现“985”工程虽然总体上促进了地区人均GDP的提高,但对不同省份的影响存在异质性。[13]除此之外,少数最新研究开始聚焦于“双一流”建设的政策效应。王金龙等人研究发现,“双一流”建设显著提高了本科生生源质量。[14]华岳等人采用双重差分模型,发现“双一流”高校显著提升了学者在英文论文发表和国家级科研项目获取方面的表现。[15]

通过文献梳理可以发现,虽然现有研究对高校知识溢出效应及我国高等教育政策效应评估进行了较为全面、丰富的研究,但鲜有研究专门考察“双一流”建设的经济高质量发展效应。因此,本文以此为切入点,以弥补这方面研究的不足。具体而言,本文从知识溢出理论出发,基于首轮“双一流”建设前后及所处城市的差异,采用双重差分模型识别“双一流”建设对城市经济高质量发展影响的净效应,进而采用中介效应模型识别其内在作用机制。在此基础上,进一步考察“双一流”建设对不同城市经济高质量发展的异质性影响,以此全面、准确、科学地把握首轮“双一流”建设的宏观经济效应。

三、研究设计

(一)识别策略

1.基准回归模型

本文将2017年开始实施的首轮“双一流”建设视为一次准自然实验,构建双重差分模型检验“双一流”建设对城市经济高质量发展水平的影响,基准模型设置如下:

hqedit=β0+β1dfcit+β2controlit+μi+ηt+εit

(1)

i和t分别表示城市和年份(下同),hqed表示城市经济高质量发展水平,dfc表示首轮“双一流”高校建设政策变量,control表示控制变量集,μi和ηt分别表示城市固定效应和年份固定效应,εit为随机误差项。该模型主要关注核心解释变量dfc的估计系数大小及显著性,若β1显著为正,则表明“双一流”建设对城市经济高质量发展具有促进作用。

2.集聚效应识别策略

在此基础上,为进一步证实“双一流”建设对城市经济高质量发展的促进作用,本文从集聚效应视角进行检验,具体模型构建如下:

hqedit=β0+β1dfcit+β2dfcit×aggi+β3controlit+μi+ηt+εit

(2)

aggi表示城市i所拥有的“双一流”高校数量或“双一流”学科数量。从理论上讲,如果“双一流”建设对城市经济高质量发展的确具有促进作用,则一个地区所拥有的“双一流”高校数量和“双一流”学科数量越多,对城市经济高质量发展的促进作用就越大,即存在“集聚效应”。该模型主要关注交互项dfcxagg的估计系数大小及显著性,若β2显著为正,则表明集聚效应存在,反之亦然。

3.知识溢出效应识别策略

为进一步识别“双一流”建设能否通过知识溢出效应促进城市经济高质量发展,本文构建中介效应模型进行检验。具体在模型(1)的基础上增加以下两个递归模型:

hqedit=φ0+φ1dfcit+φ2controlit+μi+ηt+εit

(3)

hqedit=γ0+γ1dfcit+γ2innoit+γ3controlit+μi+ηt+εit

(4)

其中,inno为中介变量,表示城市创新水平,用以检验知识溢出效应的存在性。若中介效应成立,则为φ1和γ2反映了知识溢出效应的大小。

(二)变量设置

1.因变量

本文的因变量是城市经济高质量发展水平,由于全要素生产率是城市经济高质量发展的核心,本文采用城市全要素生产率进行衡量。全要素生产率的测度采用索洛余值法,首先假定生产函数为规模报酬不变的Cobb-Douglas形式:

Yit=AitKitαLit1-α0<α<1

(5)

两边取自然对数,同时在模型中加入城市固定效应μi和年份固定效应ηt,整理可得:

ln(Yit/Lit)=lnAit+αln(Kit/Lit)+μi+ηt+εit

(6)

其中,α表示资本产出弹性,A表示全要素生产率。Y表示总产出,用实际GDP(2011年为基期)衡量;L表示劳动投入量,用各城市单位就业人员数衡量;K表示资本投入量,用城市资本存量衡量,资本存量的估计采用永续盘存法。据此,本文测度了各城市2011—2019年的全要素生产率。

2.核心解释变量

本文的核心解释变量是首轮“双一流”建设政策变量,具体设定规则如下:若某城市所拥有的高校被评为首轮“双一流”高校,则2017年之后年份dfc取值为1,否则取值为0。在本文研究样本的281个城市中,有38个城市至少有1所高校入选首轮“双一流”高校,构成了本文的实验组样本,其余243个城市则构成了对照组样本。

3.调节变量

为检验集聚效应存在与否,本文选取城市所拥有的“双一流”高校数量(agg1)和“双一流”学科数量(agg2)两个变量分别作为调节变量进行估计。

4.中介变量

本文采用复旦大学产业发展研究中心编制的城市创新指数作为城市创新水平的衡量指标,与传统的专利数量、研究与试验发展投入等指标相比,更能体现城市创新的质量和价值。[6]在实证过程中,为更好地展示回归结果,本文将该指数除以100作为中介变量。

5.控制变量

参考现有文献,本文在基准回归模型中纳入了工业发展(indus)、政府干预(gov)、金融发展(fin)、基础设施建设(infra)、外商直接投资(fdi)和对外开放(open)6个城市特征变量。其中,工业发展用第二产业增加值占GDP比例表示;政府干预采用地方政府一般财政支出与GDP之比衡量;金融发展用金融机构存贷款余额与GDP之比反映;基础设施建设用人均拥有道路面积衡量;外商直接投资用实际利用外资总额与GDP之比表示;对外开放用进出口总额与GDP之比衡量。

(三)数据来源与描述性统计

本文选取我国2011—2019年281个城市作为研究对象,研究数据主要来源于历年《中国城市统计年鉴》、EPS数据库及各城市国民经济和社会发展统计公报。“双一流”高校和“双一流”学科数据整理自教育部官方网站,城市创新指数来源于《中国城市和产业创新力报告2017》。表1为主要变量的描述性统计。

表1 主要变量的描述性统计

四、实证结果与分析

(一)基准回归结果

本文采用逐步回归法对基准回归模型进行估计,回归结果如表2所示。从表2可以看出,在不加入任何控制变量时,核心解释变量“双一流”建设政策的系数在1%的水平上显著为正,初步证明首轮“双一流”建设有利于提高城市全要素生产率,促进城市经济高质量发展。随着“双一流”建设逐步纳入工业发展、政府干预等控制变量,“双一流”建设政策的回归系数大小未发生明显变化,且均通过了1%水平的显著性检验,进一步证明了“双一流”建设这一重点高校政策可以成为新时代新征程促进城市经济高质量发展的新引擎。从经济意义上看,表2列(7)的结果表明,首轮“双一流”建设政策的实施使得实验组城市全要素生产率提高了0.026,是样本均值0.449的5.79%。

表2 基准回归结果

(二)集聚效应检验

基于模型(2),本文进一步对“双一流”建设的集聚效应进行了检验,回归结果如表3所示。可以看出,交互项“双一流”建设政策ד双一流”高校数量和“双一流”建设政策ד双一流”学科数量的系数均在1%的水平上显著为正,说明城市拥有的“双一流”高校数量和“双一流”学科数量越多,“双一流”建设对城市经济高质量发展的促进作用就越大,即证实重点高校建设的集聚效应。同时,集聚效应的存在反过来也进一步强化了“双一流”建设促进城市经济高质量发展的核心结论。

表3 集聚效应检验

(三)知识溢出效应检验

表4报告了中介效应模型回归结果。第(2)列结果显示,“双一流”建设政策的系数在1%的水平上显著为正,意味着“双一流”建设显著促进了城市创新水平的提高。第(3)列结果显示,城市创新水平的系数在1%的水平上显著为正,说明城市创新水平的提升有利于促进城市经济高质量发展。同时,第(3)列“双一流”建设政策的系数为0.010,小于基准回归的0.026,进一步证明了中介效应的存在性。根据中介效应模型的检验原理,城市创新水平所发挥的中介效应(φ1γ2)占总效应(β1)的比重为59.91%,具有较强的解释力。也就是说,“双一流”建设可以通过知识溢出效应促进城市经济高质量发展。

表4 知识溢出效应检验

(四)异质性检验

为进一步检验“双一流”建设对城市经济高质量发展水平的异质性影响,本文从地理区位和产业结构发展两个方面进行讨论。

第一,地理区位异质性。本文分别从东中西和南北方两个维度进行区位异质性检验[16],回归结果如表5列(1)—(4)所示。从东中西区位划分来看,dfc的系数在东部和中西部地区分别为0.046和0.008,且至少通过了10%水平的显著性检验,说明“双一流”建设对东部地区和中西部地区城市经济高质量发展均具有促进作用,且对东部地区城市经济的促进作用更大。从南北方区位划分来看,dfc的系数在南方地区为0.043,且在1%的水平上显著,在北方地区为0.004,但不显著,说明虽然“双一流”建设有效促进了南方地区城市经济高质量发展,但未能有效促进北方地区城市经济高质量发展。之所以如此,可能是因为相对于东部地区和南方地区,中西部地区和北方地区拥有“双一流”高校的城市数量占比较低,从而“双一流”建设对城市经济高质量发展的支持、引领作用相对有限。

表5 异质性检验

第二,产业结构异质性。本文以第三产业与第二产业增加值之比为产业结构高级化的衡量指标,并以该指标的中位数为界线,将研究样本划分为产业结构劣和产业结构优两个子样本,并分别进行估计,回归结果如表5列(5)和列(6)所示。可以看出,虽然两个子样本中“双一流”建设政策的系数均为正,但仅在产业结构优的子样本中显著,说明“双一流”建设仅提升了产业结构较优城市的经济高质量发展水平。之所以如此,可能是因为产业结构较优城市对高层次创新人才的需求度更高,与“双一流”建设具有更好的契合度,从而能够更充分地发挥“双一流”建设的经济高质量发展效应。

(五)稳健性检验

1.安慰剂检验

为排除其他随机因素对实证结果的干扰,本文借鉴聂长飞等人的研究[17],采用安慰剂检验的方式保证回归结果的稳健性。具体来说,在研究样本281个城市中,随机抽取38个城市作为虚拟的实验组样本,并进行估计,将该过程重复1000次,即可获得1000次“反事实”的回归系数。图1为绘制1000次回归系数的核密度图。从图1可以看出,“反事实”回归系数的核密度分布与正态分布非常接近,且均值接近于0,说明其他随机因素未能对基准回归结果产生实质性影响,从而证明了本文回归结果的稳健性。

图1 安慰剂检验

2.其他稳健性检验

本文还依次采用了以下五种方式保证回归结果的稳健性。第一,熵平衡法检验。为排除“选择性偏误”的影响,本文以6个控制变量为特征变量,然后找到一组权重,使实验组和对照组城市特征变量的均值、方差、偏度基本相等,并采用加权最小二乘估计方法进行检验,回归结果如表6列(1)所示。第二,替换经济高质量发展的衡量方式。采用劳动生产率作为经济高质量发展的衡量指标,并重新进行估计,回归结果如表6列(2)所示。第三,控制其他政策的影响。在基准回归模型的基础上,本文进一步控制了创新型城市建设政策、知识产权示范城市建设政策、“宽带中国”示范城市建设政策,并重新进行估计,回归结果如表6列(3)所示。第四,控制省份—年份联合固定效应。在基准回归模型的基础上,本文进一步加入省份—年份联合固定效应,以控制各省份随时间变化因素的影响,回归结果如表6列(4)所示。第五,变换回归样本。将研究样本缩短为政策实施区间前后2年,即采用2015—2019年的样本重新进行估计,回归结果如表6列(5)所示。可以看出,所有模型“双一流”建设政策的系数均在1%的水平上显著为正,进一步证明“双一流”建设有利于促进城市经济高质量发展水平的提升。

表6 其他稳健性检验

五、总结与展望

“双一流”建设作为新时代我国重点高校建设的一项核心政策,能否有效发挥知识溢出效应进而促进区域经济高质量发展,是一个亟待回答的重大问题。本文基于我国2011—2019年281个城市的面板数据,采用双重差分模型检验了首轮“双一流”建设对城市经济高质量发展的影响效应及其作用机制,并得出了以下研究结论:第一,“双一流”建设显著提高了城市经济高质量发展水平,且这一效应存在集聚效应,即“双一流”高校数量和“双一流”学科数量越多,“双一流”建设对城市经济高质量发展的促进作用越大;第二,“双一流”建设可以通过知识溢出效应,促进城市经济高质量发展,且城市创新水平所发挥的中介效应占总效应的比例为59.91%;第三,“双一流”建设对城市经济高质量发展的影响存在异质性,对东部地区城市、南方地区城市及产业结构较优城市经济高质量发展的促进作用更大。

总之,本文为“双一流”建设支撑国家经济高质量发展战略提供了直接的实证。因此,在新时代新征程,应以国家战略需求和区域发展实际为导向,进一步深入推进实施“双一流”建设政策,加快建成一大批世界一流大学和世界一流学科,使“双一流”高校和“双一流”学科更好地发挥知识溢出效应,更好地支持、引领区域经济高质量发展。基于这一结论,今后的发展应注重不同地区高等教育发展的非均衡性,加大对中西部地区和北方地区城市重点高校建设的支持力度,在资金、人才、科技等方面对这些地区予以一定的政策倾斜,不断缩小地区间重点高校发展的差距,以更充分地发挥“双一流”建设的经济高质量发展效应。此外,应以现代产业体系建设为抓手,加快促进产业结构优化升级,使产业结构与重点高校发展更好地契合,更好地释放“双一流”建设的知识溢出效应和政策红利。