区域技术创新、空间溢出与区域高技术产业水平

姚 丽，谷国锋

(东北师范大学地理科学学院，吉林 长春 130024)

区域技术创新、空间溢出与区域高技术产业水平

姚 丽，谷国锋

(东北师范大学地理科学学院，吉林 长春 130024)

本文基于2001—2011年中国31省区面板数据，运用ESDA分析工具研究了各省区人均高技术产业产值的空间分布格局与特征。分析结果显示:表征区域高技术产业水平的HTI在全域范围内具有正的空间自相关性，表明高技术产业局域性的空间集聚特征明显。通过空间计量模型分析进一步考察了区域技术创新等影响因素的空间溢出效应，研究表明区域技术创新水平是高技术产业发展的核心影响要素，劳动力投入要素的弹性系数大于资金投入要素。另外实证分析也表明空间溢出效应会随地区间距离增大而减小。

区域技术创新水平；高技术产业；空间溢出；空间计量模型

1 引言

目前我国已初步形成长三角和珠三角等各具特色的高技术产业带，其空间集聚研究也日益受到关注，高技术产业发展影响因素的研究多从人才、技术、基础设施、信息网络化程度等要素入手[1－4]。区域技术创新在多大尺度上存在空间外溢效应，以及空间外溢方式对于促进高技术产业增长的作用是否存在异质性为本研究的侧入点。

本研究综合运用SLM、SEM以及SDM模型探讨区域技术创新等影响因素的空间溢出效应，以期对现有研究作进一步拓展与补充。

2 变量选取与数据说明

因变量:产业产值是衡量区域高技术产业水平的重要标志，以区域人均高技术产业产值作为被解释变量表征地区高技术发展水平，用HTI来表示。

解释变量:核心变量主要为劳动力、资本的投入以及区域技术创新水平，为知识生产函数中最重要的变量。控制变量主要指能够影响各地区高技术产业集聚资源禀赋的变量。

核心变量:区域技术创新水平 (I)，区域高技术产业拥有发明专利数是高技术产业创新能力的重要标志，采用各省份拥有发明专利数占全国总发明专利数的比值来反映各地区技术创新水平；劳动力投入水平 (L)，考虑到各地区对于从事高技术产业的人员与当地劳动力市场和供给的紧密联系，故采用区域高技术产业企业从业人员数占总人数的比值来反映劳动力投入水平；资本投入水平 (K)，高技术产业的资本投入主要指在科研方面的投入以及科技活动经费方面的投入等。采用高技术产业的R＆D经费投入占全国总R＆D经费的比重作为资本投入水平变量。

控制变量:人力资本水平 (PEO)，考虑到从业人员的科技水平影响高技术产业的创新能力，采用科技活动人员中R＆D人员全时当量占全国总R＆D人员全时当量比值来衡量人力资本水平；经济基础状况 (GOV)，考虑到地区政府在高技术产业发展中的重要作用，特别是财政和高技术产业培育的紧密关系，采用地区政府财政收入占地区GDP的比值来反映地区经济基础；投资状况 (INV)，各地区投资情况与高技术产业发展具有紧密联系，利用高技术产业投资额占全国总投资额的比值来表征地区高技术产业的投资情况。

构建本文的线性模型如下:

式中i为1，2，…，31个省区，βi为回归参数，εi为随机误差项。

采用2001—2011年的省际面板数据，数据来源为2002—2012年的 《中国高技术产业统计年鉴》和 《中国统计年鉴》。以中国31个省、自治区以及直辖市作为研究对象。实证研究主要借助ArcGIS9.3和Matlab7.0软件完成。

3 空间溢出效应计量估计与检验

3.1 空间相关性检验

首先采用Moran's I检验高技术产业集聚是否存在空间自相关，根据空间自相关指数Moran's I的值，计算公式如下:

分析结果显示高技术产业发展水平存在按地域间距离有规律变化的空间自相关性:随着区域间距离的增加，空间相关的Moran's I均有下降，表明在较小的宽带范围之内，各地区之间具有较强的空间正相关性。区域间的空间相关性在时间维度上逐渐降低，表明劳动力以及资本等要素的流动，技术在空间上的转移和扩散，会引起区域间高技术产业不可忽视的空间相关性，这种溢出效应会影响区域高技术产业发展的收敛特征。

3.2 空间计量经济模型

引入邻近高技术产业生产与空间滞后解释变量的影响，建立了高技术产业发展的空间杜宾模型(SDM):

式中Ln Yit为i地区t年份的被解释变量，Xit为解释变量的集合，αi为地区效应，νt为时间效应。ρ为空间滞后回归估计系数，反映空间依赖性。当γ＝0时，SDM模型变为SLM模型；当γ＋ρβ＝0时，SDM模型变为SEM模型。

表1 中国高技术产业发展水平空间自相关Moran’s I及其统计检验

图1 2001与2011年省域高技术产业发展水平M oran散点图

3.3 模型估计

(1)全域性估计分析。首先对不需要考虑空间相关性的面板数据模型 (1)进行估计，在所有选取变量通过单位根检验以及协整检验之后，通过Hausman检验来选择固定效应模型和随机效应模型。由表2可知，χ2＝55.18，在1%显著水平下拒绝固定效应与随机效应无差异以及优先选用随机效应模型的假设，即固定效应模型的估计方法更优。

另外，由模型 (1)可知固定效应模型更优，因此空间计量面板数据模型分别选取固定效应SLM模型、固定效应SEM模型和固定效应SDM模型。根据Lee和Yu以及Elhorst[5－6]研究可知，采用极大似然估计法 (ML)能得到可信参数估计值。

表2 模型回归结果

根据表2估计，空间滞后项系数ρ和空间误差项系数λ都在1%水平上显著，和传统计量模型相比，三种空间计量模型有着更大的调整R2，并且对数似然函数值也增大了。其中SDM模型Adjust R2和Log-likelihood值最大，且模型更加稳健。

各模型估计结果显示区域技术创新影响因素的作用显著为正。SDM模型中，区域技术创新水平增长1%，高技术产业水平增长率提高1.453%，即较强的技术创新能力能够促进新兴产业特别是高技术产业的发展，改变产业生产要素和条件，形成积聚效应，有利于造就和培育高技术产业部门，形成高技术产业市场规模效应。

在SDM模型中，劳动力投入和资金投入因素的参数估计值分别达到了1.231和0.402，并且均通过了1%水平下的显著性检验。估计系数显著性水平的提高表明传统面板数据模型未考虑空间相关性，因此在模型设定上偏差性大于空间计量模型。同时劳动力投入的系数大于资金投入的系数，弹性系数越大表明劳动力投入的作用强度大于资金投入的作用强度。

分析另外三个控制变量，人力资本和经济基础变量对于区域高技术产业发展水平具有促进作用。人力资本对于高技术产业发展的影响需要在一个时间段内进行推移、消化和吸收，而不是立即见效的，因此模型中作用不显著。尤其是在中西部地区，教育资源和水平偏低，人力资本存量不足，不利于人力资本优势的有效发挥。经济基础对于高技术产业具有显著的正向作用，一般地区经济发展水平越高，对于高技术产业的需求也越大，高技术产业会随着社会对于高技术产业规模以及产品需求的增加而快速发展。高技术产业投资因素在5%水平上显著为正，反映出通过投资地区高技术产业增加了前后向关联并显著提高了周边地区边际产出，对临近地区高技术产业发展产生了积极影响。

(2)局域性估计分析。由表3可知，区域技术创新水平参数的估计值随着空间距离的增大而变小:当距离不超过1000km时，区域技术创新系数达到最高值1.452；3000km时，区域技术创新系数降为1.004，并且从随机概率分析，仅通过10%显著性水平的检验。即地区的技术创新能力随着对周边地区的影响随着距离的增加其直接外溢性减小。相反，空间滞后解释变量系数μ并未随宽带距离的增加而变小，相反均通过了1%水平的显著性检验，意味着区域高技术产业的增长随着空间滞后效应间接影响其他地区的高技术产业发展，并且溢出效应并未随区域间距离的大小而改变。

表3 局域性估计变量因素分析 (按距离范围考察)

4 结论与启示

本文研究2001—2011年间中国各省高技术产业发展水平的空间分布特征，发现全域范围内存在正的空间自相关性，且随着距离增加，空间相关程度减弱。一方面与古典增长模型一致，新经济地理模型反映的高技术产业增长机制仍脱离不开本地要素的影响；另一方面，区域技术创新的溢出效应显著地影响周边地区的高技术产业的发展，其弹性系数超过了劳动力投入以及资本投入等传统影响要素。通过计量分析表明，各地区区域技术创新的空间溢出效应会随着地区间距离的增大而减小；劳动力投入和资本投入仍是促进高技术产业发展的重要动力，高技术产业仍离不开物质资本以及劳动力要素的投入。从而得出两点政策启示:一是加大人力资本投资，增加高素质人才在地区劳动生产力的比重，以发挥人力资本在中国高技术产业发展中理应起到的重要作用；二是消除不同地区间的技术以及市场壁垒，加快中国全域性一体化进程，以发挥区域技术创新的空间溢出效应。这在中国经济发展方式转变的转型期，人口红利逐渐变小，尤其是劳动力红利降低的大背景下显得十分重要。

[1]顾朝林，赵令勋等.中国高技术产业与园区[M].北京:中信出版社，1998.

[2]王子龙，谭清美，许箫迪.高技术产业集聚水平测度方法及实证研究[J].科学学研究，2006，(5):706－714.

[3]施海燕.中国高技术产业时空演变、集聚适宜度及要素优化配置[J].科学学与科学技术管理，2012，33(07):96－102.

[4]肖艳，胡洋.吉林省高新技术产业发展与经济增长关系的实证研究[J].地理科学，2011，31(5):589－593.

[5]LEE L，YU J.Estimation of Spatial Autoregressive Panel Data Models with Fixed Effects[J].Journal of Econometrics，2010，154 (2):165－185.

[6]Elhorst JP.Matlab Software for Spatial Panels[R].University of Groningen Working Paper，2010.

(责任编辑 谭果林)

Regional Technical Innovation，Spillover Effect and Regional High-Tech Industry Level

Yao Li，Gu Guofeng
(School of Geographical Science，Northeast Normal University，Changchun 130024，China)

Based on the ESDAmethod and the panel data of31provinces，this paper explored the feature linkage and the spatial correlation among the per-capita high-tech industry gross output from 2001 to 2011.We find that there exists global spatial autocorrelation all over the country.At the same time，the local spatial correlation is gradually being shown.Through empirical analysis of special econometricmodel panel.it finds that the spatial spillover effect is important to the regional high-tech industry growth.However，the spatial spillover effect among regions will gradually vanish as the distance between regions increase.

Regional technology innovation level；High-tech industry；Spatial spillover effect；Spatial econometricsmodel

F272.5

A

教育部人文社会科学研究规划基金项目资助 (13YJA790155)，中央高校基本科研业务费专项资金资助 (12SSXT115)。

2014－05－12

姚丽 (1986－)，女，河南商丘人，博士研究生；研究方向:区域经济与可持续发展。