产业集聚对区域创新影响的空间计量分析

程中华

（1.东南大学经济管理学院，江苏南京211189；2.泰山学院管理学院，山东泰安271021）

●区域发展

产业集聚对区域创新影响的空间计量分析

程中华1，2

（1.东南大学经济管理学院，江苏南京211189；2.泰山学院管理学院，山东泰安271021）

文章基于2004-2013年中国省级面板数据，采用静态与动态空间计量模型，分析了产业集聚对区域创新影响的空间溢出效应。探索性空间数据分析表明，中国创新产出存在显著的全局空间正相关性，并且形成了全局空间的中心-外围模式和局域空间的俱乐部模式；创新产出的高值集聚区主要集中在长三角和珠三角地区，而低值集聚区主要集中在宁夏、甘肃、青海等西部地区。动态空间回归结果表明，制造业集聚和市场潜能有利于区域创新能力的提升，生产性服务业集聚提升区域创新能力的影响作用不显著。

产业集聚；空间溢出；区域创新；探索性空间数据分析；动态空间模型

改革开放以来，中国经济依靠低劳动力成本优势、高资本投入以及“三高一低”的发展方式，取得了令世界瞩目的发展成就。但是伴随着劳动力成本优势降低、能源供给短缺以及环境污染加剧，之前的经济发展方式迫切需要发生根本性的转变，而发生这些转变的关键就是创新能力的提升。因此，党中央和国务院把创新驱动发展作为根本任务，推动经济社会尽快步入创新驱动和内生增长的发展轨道。而如何走出一条有中国特色的创新驱动发展道路，产业集聚是一个需要引起高度关注和重视的问题。随着社会主义市场经济的不断发展和完善，中国的产业集聚过程不断深化，有效地推动了中国经济增长和技术进步。那么，产业集聚对中国区域创新有何影响？这种影响的内在机理是什么？本文试图利用探索性空间数据分析技术（ESDA）和空间计量模型进行深入分析。

一、文献综述

产业集聚促进区域创新的思想由来已久。Mar⁃shall把产业集聚的原因归结为以下三个方面：劳动力市场共享、中间投入产出以及知识和技术的外溢。知识和技术外溢有利于产业集聚，而不断扩大的产业集聚又加强了知识和技术的溢出，从而形成产业集聚与知识溢出共同促进的互动格局。Arrow、Romer以及Jacobs进一步将产业集聚对区域创新的影响归结为技术外部性，其核心思想是产业集聚有利于知识和技术的溢出，使得显性知识和隐性知识的传播变得更加顺畅，这些都有利于区域创新能力的提升。

许多学者围绕着产业集聚对区域创新的影响展开了相关实证研究。Storper and Venables（2004）和Carlino and Satyajit（2007）研究发现，产业集聚有利于知识和技术的空间溢出，可以显著地促进区域创新［1-2］。但张杰等（2007）的研究却发现，集聚效应对企业创新活动的影响并不显著［3］。刘军等（2010）和张萃（2012）进一步分析了制造业集聚对区域创新的影响，研究均发现，制造业集聚显著有利于区域创新［4-5］。Poon et al.（2013）分析了企业位置与创新能力的关系，研究发现，位于集聚区的企业由于可以共享技术外部性，使得其创新能力更强［6］。通过对上述文献的梳理可以发现，关于产业集聚与区域创新的已有研究更多的是从制造业集聚这单一角度进行，而围绕生产性服务业集聚对区域创新影响的研究则相对较少。事实上，生产性服务业对本土市场规模的依赖性比制造业更高，伴随着新型城镇化和新型工业化的发展，生产性服务业已呈现出一定的空间集聚效应（姚永玲和赵宵伟，2012；王晶晶等，2014）［7-8］。因此，本文将产业集聚细分为制造业集聚和生产性服务业集聚，进而分析这两类产业集聚对区域创新影响的行业异质效应和作用机制。

关于产业集聚对区域创新的影响效应分析，现有文献还忽视了两个重要问题。第一个问题就是忽视了货币外部性（市场潜能）对于区域创新的影响。城市经济学的空间集聚理论强调技术外部性（知识溢出）对于区域创新的影响，而新经济地理学则强调货币外部性（市场潜能）对于区域创新的影响（Combes，2008）［9］。新经济地理学理论认为，市场潜能越大，意味着周围地区对本地区的市场需求也就越高，在存在不完全竞争和运输成本的前提下，企业更易于获得规模报酬递增，从而更有利于产业集聚，进而通过劳动力市场共享、中间投入产出以及知识的技术外溢促进区域创新能力的提升（Venables，2011）［10］。因此，在分析产业集聚对区域创新的影响效应问题时，必须要从经济地理外部性的货币外部性和技术外部性两个方面同时进行分析。

第二个问题就是忽视了知识溢出对于区域创新的影响。由于地区之间在经济发展上存在着空间联动关系，伴随着网络、通信以及信息技术的高速发展，知识和技术的空间溢出已成为影响区域创新的重要因素，而且这种知识溢出效应随着地理距离的增加呈现急剧衰减趋势（余泳泽等，2013）［11］。符淼（2009）研究结果表明，知识溢出对于区域创新具有重要影响，而且随着地理距离的增加逐渐衰减，他们甚至测算出了知识溢出效应随地理距离衰减的地理范围［12］。这种知识溢出的空间局域性导致了创新活动的空间集聚和创新产出的空间依赖性，而传统的计量方法由于没有考虑这些空间特性，必然会带来估计和分析的偏误。因此，在分析区域创新产出的影响效应问题时，必须要分析创新产出的空间关联模式和集聚特征，进而利用空间计量方法纳入这些空间特征来进行深入分析。

在既有研究的基础上，本文将利用2004-2013年中国省际的统计数据对产业集聚与区域创新的关系进行深入分析。具体而言，本文尝试在以下三个方面做出努力：①运用探索性空间数据分析技术（ESDA）分析中国区域创新产出的空间关联格局和集聚模式；②综合运用静态和动态空间计量方法引入地理距离分析产业集聚对于区域创新的影响效应和作用机制；③将产业集聚细分为制造业集聚和生产性服务业集聚，并比较分析它们对于区域创新影响的行业异质效应。本文的结构安排如下：第二部分为模型的建立与指标说明，第三部分为探索性空间数据分析，第四部分为模型回归结果分析，最后一部分为结论和启示。

二、模型的建立与指标说明

（一）空间计量模型的建立

Griliches-Jaffe知识生产函数由于考虑了知识存量和知识溢出对创新产出的影响，是目前研究区域创新生产较为常用的经验模型。本文以此为基础，并对其进行进一步扩展：

其中，t表示年份，i表示地区，Y表示创新产出，K和L分别表示研发资本存量和研发人员投入，α和β分别表示研发资本存量和研发人员投入的产出弹性。A表示希克斯（Hicks）中性技术进步的效率函数，可以具体地刻画生产函数的规模报酬递增或规模报酬递减。Combes（2011）和章韬（2013）的研究表明，经济地理外部性的货币外部性和技术外部性是影响技术进步效率函数的重要因素［13-14］。因此，作为一个扩展，本文引入技术外部性（产业集聚）和货币外部性（市场潜能）对于技术进步效率函数的影响效应。参考毛其淋和盛斌（2011）［15］的做法，本文假定（1）式中技术进步效率函数A是制造业集聚（Magglo）、生产性服务业集聚（Psagglo）和市场潜能（Mp）的函数，即假定其满足以下形式：

其中，Ai0表示地区i初始的技术水平，θi表示外生的技术变迁，φi、ϕi、γi分别表示制造业集聚、生产性服务业集聚和市场潜能对于技术进步效率函数的影响弹性。对（2）式两边取对数，即可以得到技术进步效率函数的计算公式：

将（3）式带入（1）式，即可以得到区域创新生产的产出方程：

本文的研究重点为分析产业集聚对区域创新的影响。考虑到创新系统的连续性特征和创新产出的空间外溢效应，本文在模型中纳入因变量一阶滞后项和空间滞后项来控制这些因素对于区域创新的影响。因此，在公式（4）的基础上构建如下动态空间计量模型：

其中，τ表示创新产出一阶滞后的回归系数，反映了前期相关因素对本期创新产出的影响；ηi、vt、εit分别表示地区效应、时间效应和随机扰动项，反映了影响区域创新的不同维度随机干扰；ρ和λ分别表示空间滞后回归系数和空间误差回归系数，反映了创新产出的空间溢出效应。Wij表示空间权重矩阵，反映了省域单元之间的空间联系，本文以各省省会之间直线距离的倒数作为权重，这样能够考虑空间临近但不相邻的两个省份也可能存在相互作用的事实，而且随着地理距离的增加，省域单元之间的空间联系和相互作用随之减弱。

（二）变量与指标说明

根据数据的可得性和有效性原则，本文选取了中国大陆30个省份2004-2013年10年的统计数据进行分析，西藏由于数据不全未列入分析范围。其中，数据主要来源于《中国统计年鉴》（2005-2014年）和《中国科技统计年鉴》（2005-2014年）。以下为各变量的指标说明。

（1）被解释变量：创新产出（Y）。本文采用专利授权量作为创新产出的代理变量，因为经过授权的专利是经国家专利局认定为合格的专利，更能科学的反映一个地区的综合创新能力。

（2）核心解释变量：制造业集聚（Magglo）和生产性服务业集聚（Psagglo）。本文借鉴Donoghue and Gleave（2004）［16］、王晶晶等（2014）［8］的做法，选取区位商指数来衡量中国省域的制造业集聚程度和生产性服务业集聚程度。

（3）控制变量：①研发资本存量（K）。研发资本存量对区域创新具有重要影响。一般来说，研发资本存量越多，区域创新能力也就越强。本文参考李婧等（2010）［17］的做法采用永续盘存法对研发资本存量进行了核算。我们预期，研发资本存量对区域创新具有显著正向影响。②研发人员投入（L）。研发人员投入也是影响区域创新的重要因素，一般来说，研发人员投入越多，区域创新水平也就越高。本文采用研发人员折合全时当量（人/年）作为其代理变量。我们预期，研发人员投入对区域创新有显著正向影响。③市场潜能（Mp）。新经济地理学理论认为市场潜能越大，意味着周围地区对本地区的市场需求也就越高，制造业企业易于在此地区集聚，也就越有利于推动区域创新。本文参考刘修岩等（2007）［18］的测算方法对市场潜能进行了计算。我们预期，市场潜能对区域创新具有显著正向影响。

三、区域创新的空间探索性分析

近年来，许多学者采用探索性空间数据分析技术（ESDA）对数据的空间关联格局和集聚模式进行研究。ESDA的本质就是利用空间统计的观点来检验空间模式是否显著，进而对所研究的空间模式进行深入分析，其核心在于度量变量之间的空间关联和依赖程度。由于ESDA能将数据的统计分析和地图定位紧密结合在一起，凸显空间关系，而且能将研究对象的空间分布状况可视化，体现事物之间的空间集聚模式及其与周边事物的差异状况，所以在各个领域获得了广泛应用。本文采用ESDA来分析中国区域创新产出的空间关联格局和集聚模式。

（一）全局空间自相关分析

全局空间自相关分析主要是从整体上刻画变量之间的空间关联和集聚模式，本文采用全局Moran's I指数来进行全局空间自相关性检验，其计算公式如下：

其中，Yi表示地区i的专利授权量；Yˉ和S2分别表示专利授权量的平均值和方差；N表示省份总数；Wij表示空间权重矩阵。Moran's I指数的取值范围为[-1,1]。如果Moran's I指数大于0，表明省际创新产出之间存在空间正相关性，即创新产出相似的地区存在空间集聚现象；如果Moran's I指数小于0，表明省际创新产出之间存在空间负相关性，即创新产出相异的地区存在空间集聚现象。对于Moran's I指数的显著性检验，本文采用标准统计量Z来进行统计分析，其计算公式为：

根据2004-2013年中国省份的创新产出，结合上述计算公式，可得到历年的Moran's I指数及其统计检验，详见表1所列。

表1 2004-2013年中国省际创新产出的Moran’sI指数

通过计算发现，中国省际创新产出的Moran's I指数在2004-2013年间均为正，都通过了1%的显著性检验，这表明中国省际创新产出存在显著的全局空间正自相关性，即创新产出相似的省份存在明显的空间集聚效应。而且，中国省际创新产出的空间相关性随时间推移呈现出波动式的递减趋势，这表明中国省际之间创新产出的集聚效应正在不断减弱，省域之间创新活动更加趋于均衡。然而，An⁃selin（1995）［19］指出，全局Moran's I指数具有较大的局限性。当空间尺度较大时，空间异质性的存在使得局域分布有可能会出现全局指标所不能反映的“非典型”情况，甚至有可能出现局域空间关联趋势与全局空间关联趋势相反的情况。因此，为了更加客观地研究区域创新产出的局部空间分布特征，本文采用局部空间自相关分析来进行进一步研究。

（二）局部空间自相关分析

局部空间自相关分析可用来测量每个地区与周围地区的空间关联程度和空间差异状况，并将局部关联和局部差异的空间格局可视化，可以直观地揭示变量在局部空间上的关联程度和集聚模式，一般采用Moran散点图、局部空间关联指标（LISA）、局部关联指数Getis-Ord、Local  Geary's等指标来衡量。本文选用局部空间关联指标（LISA）和局部关联指数Getis-Ord来研究区域创新产出的局部特征。

（1）本文引入局部空间关联指标（LISA）来分析中国区域创新产出的局部空间关联特征，其计算公式如下：

其中，Zi=Yi-Yˉ，Zj=Zj-Zˉ，Yi、Yj、Yˉ、N、Wij同上。局部空间关联指标（LISA）描述的是变量Z与其空间滞后WZ（即该观测值周围地区的空间加权平均）的相关关系。如果Ii为正，说明地区i的高值被周围地区的高值所包围，或者地区i的低值被周围地区的低值所包围；如果Ii为负，说明地区i的高值被周围地区的低值所包围，或者地区i的低值被周围地区的高值所包围。为了更加直观地显示区域创新产出的局部空间关联模式，本文采用ArcGIS软件分别绘制出2004年、2007年、2010年、2013年区域创新的LISA集聚图如图1所示。

图1 创新LISA集聚图

从图1可以发现，创新水平位于高高区域的省份都位于长三角地区（上海、浙江和江苏），江苏省2004年未进入高高区域，但之后三个年份都进入了高高区域，这说明这3个省份的创新水平较高，相互之间的空间关联性较强，已经形成了一个局域空间的“俱乐部”集团。广东省在这4个年份当中均位于高低区域，这表明虽然广东省自身创新水平较高，但对周围省份的创新带动作用还明显不足，可能的原因有以下两个方面：一方面，广东省经济发展水平高，对周围省份的创新资源和创新人才产生了较强的“虹吸效应”；另一方面，创新资源集聚所带来的知识和技术的空间溢出效应具有局域性，随着地理距离的增加呈现衰减趋势，而且中国省际之间存在严重的市场分割，同样抑制了知识和技术空间外溢效应的发挥。广西和贵州间断性地出现在低高区域，这说明这两个省份创新水平较低，但周围省份创新水平却较高，这表明广西和贵州并没有受到周围水平高的其他地区的带动影响，属于创新发展的“空心地带”；同样也意味着广西和贵州与周围创新水平较高的省份相互联系性较弱，缺乏相互之间的“传帮带”效应。而处于低低区域的省份主要位于宁夏、甘肃和青海等西部地区，这说明这些省份创新水平低，并且相互之间的空间关联性弱，同时受到高水平地区的辐射作用也非常有限。

（2）为了更好地分析区域创新产出的局部分布特征，本文利用局部关联指数Getis-Ord  Gi*进一步分析。Getis-Ord Gi*指数能够识别在某一给定的距离范围（d）内，单元i和周围邻居之间是高值的空间集聚还是低值的空间集聚，并将空间集聚的高值簇和低值簇可视化，可以直观的分辨出创新活动的热点区和冷点区，体现本地区与周围地区创新活动的关联程度，其计算公式如下：

公式标准化后得到：

其中，Wij(d)为空间权重矩阵，E()为的数学期望，Var()为的方差。如果Z()显著为正，表明地区i及其周围地区的属性值相对较高，属高值簇空间集聚（即热点区），这说明该区域空间关联性较强，相互作用的强度较大；反之，如果Z(Gi*)显著为负，表明地区i及其周围地区的属性值相对较低，属低值簇空间集聚（即冷点区），这说明该区域空间关联性较弱，相互作用的强度较小。本文采用ArcGIS软件计算出Getis-Ord指数，并根据Jenks最佳自然断裂法对局部统计量Getis-Ord从高到低分成以下四类地区：热点区、次热点区、次冷点区和冷点区，并进一步生成空间格局热点图如图2所示。

图2 创新空间格局热点图

从图2可以看出，长三角地区和珠三角地区都位于高值簇，这些省份是高值的空间集聚，属于热点区域并且分布集中，这说明该区域空间关联性强，相互作用的强度大；安徽省2013年也进入了热点区，这表明长三角地区创新产出的空间溢出效应在自身内部及周围邻近地区得到了较为充分的发挥。对于这些地区来说，在加强自身自主创新能力的同时，应充分发挥自身对周围地区创新的辐射效应和带动作用。次热点区的空间分布在2010年发生了较大变化，但主要还是集中在京津冀、山东、湖北、湖南等部分地区，相比位于热点区的长三角和珠三角地区，这些地区相互之间的空间关联性较弱，相互作用的强度也较低。对于这些地区来说，在提升自身创新能力的同时，应继续加强与周围地区尤其是长三角地区和珠三角地区的创新联系，充分发挥创新在这些地区的空间外溢效应。次冷区和冷点区大部分位于东北地区和西部地区，这些地区空间关联性较弱，创新产出的空间溢出效应不显著，科技创新对经济增长的贡献度明显偏低，且缺少明显的经济增长极。对于这些地区来说，应不断加强研发经费投入和研发人员投入，逐步提升自身的创新水平；同时要不断加强这些地区与东中部地区的创新空间联系，鼓励研发人员到东部地区进修，促使更多的高层次科技人才到这些地区工作，逐步形成相互之间的“传帮带”机制。从空间热点图还可以发现，中国的创新产出存在明显的“中心—外围”结构，即创新产出的空间外溢效应存在，但呈现出明显的距离衰减趋势，即离长三角地区和珠三角地区越远，创新产出的空间外溢效应随之减弱。而由于省域之间贸易壁垒的存在和技术结构的异质性，使得空间外溢效应在空间层次的渗透不均衡。

四、模型回归结果分析

由于创新产出在空间上表现出的自相关性和变异性，传统的模型估计方法（如OLS、FGLS、GMM、Tobit模型等）由于没有考虑创新产出的空间自相关性和空间溢出效应，可能使得模型的估计存在偏差（方远平等，2013）［20］。而动态空间计量模型既考虑了空间溢出效应，又考虑了前期相关因素对本期的影响，使得模型既符合客观实际而且估计结果更为准确和可靠，因此本文采用动态空间计量模型进行回归分析。空间计量模型采取SAR模型还是SEM模型，本文采用LM统计量及其稳健性检验来选择。相应的选择标准是：如果LM_LAG统计量比LM_ERR统计量在显著性水平上更加显著，且Robust_LM_LAG统计量通过显著性检验，而Ro⁃bust_LM_ERR统计量没有通过显著性检验，则选择SAR模型；反之，则选择SEM模型。检验结果显示：LM_LAG值为19.216，LM_ERROR值为12.463，同时Robust_LM_LAG值为9.036，Robust_LM_ERR值为2.197，且Robust_LM_ERR没有通过1%的显著性检验，因此，本文静态和动态空间计量模型都选择SAR模型来进行估计，整个过程利用Matlab和stata软件实现，模型估计结果见表2所列。

表2 空间计量模型回归结果

从静态空间计量模型的回归结果来看，经过比较Adj-R2和LogL，本文选择时间和地点双固定模型作为解释模型。从动态空间计量模型的回归结果来看，经过比较Adj-R2、LogL和Wald Test，本文选择随机效应模型来进行分析。通过比较动态随机效应模型和静态双固定模型的回归结果可以发现，这两个模型的回归结果存在显著差异，这主要是因为创新系统作为连续动态的经济系统，前一期的创新投入与创新产出必然会通过创新环境、经济发展、人力资本积累等因素表现出来，并且会作用于本期或滞后若干期的创新生产活动。当加入创新产出一阶滞后变量作为自变量之后，其系数为正且通过了1%的显著性检验，充分验证了创新系统的连续性特征。比较两个模型的空间溢出效应系数可以发现，动态随机效应模型远远小于静态双固定模型。这充分说明了当考虑前期相关因素之后，动态空间计量模型由于分离出了前期相关因素对本期的影响，使得静态空间计量模型的估计偏差得以部分矫正（李婧等，2010）［23］。因此，综合考虑静态和动态空间计量模型，本文最后选择动态随机效应模型作为最后的解释模型。

从回归结果可以发现，空间溢出效应系数为正且通过了10%的显著性检验，这说明创新产出在地区之间存在空间外溢效应，这主要是因为伴随着信息技术的发展和基础设施的完善，创新要素的空间流动加速了新知识和新技术的传播和扩散，从而有利于知识和技术空间外溢效应的发挥。因此，对区域创新进行影响因素分析时，必须将地理距离引入分析当中，充分考虑创新空间溢出对于区域创新的影响。制造业集聚系数显著为正，这说明制造业集聚有利于区域创新能力的提升，本文尝试从以下三个方面进行解释：第一，制造业企业在同一地区的空间集聚会形成一个深厚而专业的劳动力蓄水池，企业可以有效降低获取专业化劳动力的信息成本和搜寻成本；而且制造业集聚可以提供种类繁多、专业化的中间投入产出品，并能支撑专业化供应商的生存和发展；这些都有利于企业低成本获取创新生产要素，并且有利于这些创新生产要素的共享和合理配置，提升其规模效率和配置效率。第二，制造业集聚有利于专业化劳动力面对面的交流和共同实践，这些都为隐性知识的传播提供了有利条件；同时众多企业经过长期发展而积累的大量知识资本和技术资本，也为企业“干中学”和“用中学”提供了便利条件；这些都有利于知识和技术空间外溢效应的发挥，企业可以在实践中不断提高创新能力。第三，制造业集聚通过规模效应可以有效提高地区的劳动生产率，集聚所引致的货币外部性也有利于制造业企业获得规模报酬递增，地理位置的空间邻近又能有效降低制造业企业的运输成本和生产成本，这些都可以显著提高制造业企业的盈利能力，进而通过增加研发投入不断提高区域创新能力。

超出预期的是生产性服务业集聚提升区域创新能力的影响作用并不显著，本文给出的可能解释是：一是中国生产性服务业尚处于发展阶段，对人力资本和技术水平的门槛较高，行业垄断程度较强，市场化程度较低，从而弱化了竞争机制在产业资源配置中的基础性作用，从而很难发挥生产性服务业集聚对区域创新能力的提升作用。二是中国工业发展模式较为粗放，对生产性服务的需求不足；而且生产性服务业的集聚发展高度依赖城镇化进程，而中国城镇化水平相对滞后，这些都使得生产性服务业并没有形成有效集聚或集聚水平较低，从而使得集聚所带来的知识和技术溢出效应不明显。第三，在生产性服务业集聚发展过程中，产业同构化和趋同化现象较为突出，地区之间缺乏有效的层级分工和协作机制，从而导致低水平重复建设、资源闲置和过度竞争，这势必会降低生产性服务业集聚的资源配置效率和空间溢出效应，进而无法发挥甚至抑制了生产性服务业集聚对区域创新能力的提升作用。

从控制变量来看，市场潜能的回归系数为正且通过了1%的显著性检验，这表明市场潜能对区域创新具有显著正向影响，这与新经济地理学的理论预期相一致，这主要是因为较大的市场潜能有利于制造业集聚，从而可以更好地发挥制造业集聚对区域创新能力的提升作用。就中国的具体情况而言，东部沿海地区具备较高的市场潜能，在空间外部性的作用下，不断扩大的市场潜能提高了沿海地区的创新水平和经济发展水平，又进一步吸引中西部创新生产要素的流入，从而形成了市场潜能与创新水平相互促进的良性循环。在这种循环累计机制带动下，东部沿海地区逐步成为中国的经济和科技中心。研发经费投入和研发人员投入的回归系数显著为正，这表明研发经费投入和研发人员投入对区域创新能力具有显著正向影响，这与我们的理论预期相一致。

五、结论与启示

本文采用探索性空间数据分析技术（ESDA）和空间计量模型分析了产业集聚对区域创新的影响。全局空间自相关性检验显示，中国省域创新产出存在显著的全局空间正相关性，而且随着时间的推移这种空间相关性呈现波动性的递减趋势；局部空间自相关性检验表明，创新产出的高值集聚区主要集中在长三角和珠三角地带，而低值集聚区主要集中在宁夏、甘肃、青海等西部地区；空间热点分析结论表明创新产出已经形成了全局空间的中心-外围模式和局域空间的俱乐部模式。动态空间计量模型的回归结果表明，制造业集聚和市场潜能有利于区域创新能力的提升，生产性服务业集聚提升区域创新能力的影响作用不显著。根据上述结论，本文可以得到以下几点启示：

（1）加强协同创新，充分发挥创新的空间外溢效应。鼓励各地区之间加强经济交流、技术贸易和技术合作，减少对商品流通和自由贸易的地方保护主义限制；加强知识产权保护和技术创新激励，避免地区间低水平的技术复制和模仿，鼓励企业自主创新或消化、引进、吸收等二次创新，通过协同创新不断发挥创新的空间外溢效应。

（2）在制造业集聚过程中，加强技术交流和合作，不断发挥制造业集聚对区域创新能力的提升作用。以制造业集聚为主体，逐步搭建创新资源共享信息平台，促使集聚区企业可以容易地获得创新资源。要利用制造业集聚的空间邻近性，创造有利于学习、分享、交流的创新环境，鼓励不同创新主体的员工在工作之余进行较多面对面的非正式交流，在“干中学”和“用中学”过程中不断提高创新能力，以便吸收外部知识溢出并内化为自身创新能力。

（3）在生产性服务业集聚过程中，应加大力度进一步鼓励生产性服务业集聚发展。从财政、税收、信贷等方面继续加强对生产性服务业集聚发展的扶持力度，逐步消除生产性服务业的进入壁垒，充分发挥竞争机制在产业资源配置中的基础性作用；利用制造业转型升级和新型城镇化所带来的大量创新需求不断推动生产性服务业集聚发展，从而更好地发挥生产性服务业集聚对区域创新能力的提升作用。

（4）逐步增加研发经费投入，造就高层次科技领军人才和创新团队。逐步提高研发经费在国民经济中的比重，把研发经费更多地用于提高产品竞争力和附加值上面，提高全社会经济增长的科技贡献度；建立研发经费审查和监督制度，加强对研发经费和研发项目的过程管理，确保研发经费真正用到实处，发挥其对创新能力提升的最大效用；加强人力资本积累，逐步造就一批高层次科技领军人才和创新团队，不断提高科技研发人员的福利待遇水平，让其无后顾之忧，真正全身心地投入到科研工作中去。

［1］Storper M，Venables A J.Face-to-Face Contact and the Ur⁃ban Economy［J］.Journal of Economic Geography，2004，4（4）：351-370.

［2］Gerald A C，Satyajit C，Robert M.Urban Density and the Rate of Invention［J］.Journal of Urban Economics，2007，61（3）：389-419.

［3］张杰，刘志彪，郑江淮.产业链定位、分工与集聚如何影响企业创新——基于江苏省制造业企业问卷调查的实证研究［J］.中国工业经济，2007（7）：47-55.［4］刘军，李廉水，王忠.产业集聚对区域创新能力的影响及其行业差异［J］.科研管理，2010（6）：191-198.

［5］张萃.制造业区域集聚与技术创新：基于负二项模型的实证分析［J］.数理统计与管理，2012，31（1）：105-111.

［6］Poon J P H，Kedron P，Baqchi-Sen S.Do foreign subsidiar⁃ies innovate and perform better in a cluster?A spatial analy⁃sis of Japanese subsidiaries in the US［J］.Applied Geogra⁃phy，2013，44（10）：33-42.

［7］姚永玲，赵宵伟.城市服务业动态外部性及其空间效应［J］.财贸经济，2012（1）：101-107.

［8］王晶晶，黄繁华，于诚.服务业集聚的动态溢出效应研究——来自中国261个地级及以上城市的经验证据［J］.经济理论与经济管理，2014（3）：48-58.

［9］Combes P P，Durantion G.Spatial Wage Disparities:Sorting Matters［J］.Journal of urban economics，2008，63（2）：723-742.

［10］Venables A J.Productivity in Cities:self-selection and Sorting［J］.Journal of Economic Grography，2011，11（2）：241-251.

［11］余泳泽，宣烨，沈扬扬.金融集聚对工业效率提升的空间外溢效应［J］.世界经济，2013（2）：93-116.

［12］符淼.地理距离与技术外溢效应——对技术和经济集聚现象的空间计量学解析［J］.经济学（季刊），2009，8（4）：1549-1566.

［13］Combes P P.The Empirics of Economic Geography:How to draw Policy implications?［J］.Review of World Econom⁃ics，2011，147（3）：567-592.

［14］章韬.经济地理外部性与城市全要素生产率差异-来自中国地级城市的证据［J］.上海经济研究，2013（12）：31-48.

［15］毛其淋，盛斌.对外经济开放、区域市场整合与全要素生产率［J］.经济学（季刊），2011，11（1）：181-210.

［16］Donoghue D，Gleave B.A Note on Methods for Measuring Industrial Agglomeration［J］.Regional Studies，2004，38（4）：419-427.

［17］李婧，谭清美，白俊红.中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究［J］.管理世界，2010（7）：43-65.

［18］刘修岩，贺小海，殷醒民.市场潜能与地区工资差距：基于动态面板数据的实证研究［J］.管理世界，2007（10）：48-55.

［19］Anselin L.Local Indication of Spatial Association-LISA［J］.Geographical Analysis，1995，27（2）：93-115.

［20］方远平，谢蔓，林彰平.信息技术对服务业创新影响的空间计量分析［J］.地理学报，2013，68（8）：1119-1130.

［责任编辑：张兵］

A Spatial Econometric Analysis on the Effect of Industrial Agglomeration on Regional Innovation

CHENG Zhong-hua1，2
（1.School of Economics and Management，Southeast University，Nanjing 211189，China；2.School of Management，Taishan University，Taian 271021，China）

Using static and dynamic spatial econometric models，this paper studies the spatial spillover effect of industrial ag⁃glomeration on regional innovation based on the panel data of 30 provincial-level administrative areas from 2004 to 2013.The exploratory spatial data analysis shows that there is a significant global positive spatial correlation of innovation output and it forms center-periphery mode of global space and club mode of local space in China.The high value agglomeration areas of in⁃novation output are mainly concentrated in the Yangtze River Delta and the Pearl River Delta，whereas the low value agglom⁃eration areas are mainly concentrated in Ningxia，Gansu and Qinghai provinces.The dynamic spatial regression results indi⁃cate that manufacturing industry agglomeration and market potential affect positively the improvement of regional innovation，and the effect of producer service industry agglomeration on regional innovation is not significant.

industrial agglomeration；spatial spillover；regional innovation；exploratory spatial data analysis；dynamic spa⁃tial model

F061.5；F263

A

1007-5097（2015）11-0059-07

10.3969/j.issn.1007-5097.2015.11.009

2014-08-13

国家社会科学基金项目（11CJL065）；国家自然科学基金项目（71173116）；教育部哲学社会科学发展报告项目（13JBG004）；江苏省普通高校研究生科研创新计划项目（KYZZ15_0068）

程中华（1983-），男，山东泰安人，讲师，博士研究生，研究方向：创新管理与制造业发展。