高校创新产出及其驱动因子的空间分异：基于ESDA
——GWR 的实证

曾繁华，黄 海

（1.武汉城市学院经管学部，湖北武汉 430083；2.中南财经政法大学经济学院，湖北武汉 430073）

创新是引领发展的第一动力。提升区域创新产出水平，真正将科技创新优势转化为经济高质量发展的动力优势，已然成为检验科技创新支撑经济发展能力的主要标准。高校在社会中既肩负着教育职能，也扮演了创新人才培养、原创性知识成果形成、产学研协同创新的关键角色，逐渐成为创新链中创新产出的重要贡献主体，对经济增长的正向影响也不断增强［1］。根据我国2019 年度国家科学技术奖励大会公布的数据，2019 年国家科学技术奖励授奖项目（通用项目）共239 项，其中144 所高校作为主要完成单位获奖198 项，占授奖总数的82.8%，在一些基础研究领域也有重大突破，科研项目质量表现同样亮眼，说明高校已跃升为承担国家原始性创新的主力军之一。同时，以往研究指出，高校创新产出水平越高的地区对区域经济带动性越强，且具有显著的溢出效应［2-3］。发挥好高校学科优势和人才优势，提高高校创新产出的经济价值效率和社会价值效率，事关区域整体创新能力的跃迁，也事关国家创新驱动发展战略大局［4］。

近些年来，国内外关于区域创新产出的空间差异作了多角度研究。主要集中于创新产出的空间依赖特征和空间分异性、创新产出空间集聚及溢出效应、时空演化及影响因素等［5-10］，也有部分研究拓展到高校这一创新主体，指出高校创新产出同样具有空间关联性，并揭示了高校创新产出尤其是通过基础研究和产学研合作带来的产出显著促进了区域经济增长［11-12］。综合已有研究，目前关于高校创新产出空间差异的研究还不多，也很少关注高校创新产出的空间集聚特征与时空跃迁特征，另外关于创新驱动因子的研究较少从地理位置上考虑不同区域各影响因素对高校创新产出影响的差异，不能真实反映解释变量的空间特征。

我国高校在地理空间上相对分散，区域创新环境、创新要素投入、人力资本水平等内外部因素的空间分异特征直接影响高校创新活动的开展［13-14］。基于以上分析，高校创新产出是否具有空间关联性和差异性？进一步，各地区高校创新产出集聚是否存在明显的时空演进趋势？作为创新驱动因子，各区域创新要素和创新环境等对高校创新产出影响程度的空间异质性如何，怎样进行具有针对性的制度安排？鉴于此，本文从空间角度进行研究，采取探索性空间数据分析方法（ESDA）和地理加权回归（GWR）将数据的空间特征纳入到模型当中，从而客观实际地探测高校创新数据的空间非平稳性。

1 数据来源及研究方法

1.1 指标构建

现有文献大多选用专利申请数和专利授权数作为高校创新产出指标。本文认为，专利申请存在审核程序，包含了部分不具备创新价值或创新价值较弱的专利产品，因此选用专利授权数衡量高校创新产出具有更好的代表性。创新要素初选地区R&D 人员全时当量、地区R&D 经费内部支出指标；创新环境主要指经济发展水平与技术市场活跃度，分别以人均GDP 与技术市场合同金额作为初选自变量；人力资本水平选取地区平均受教育年限作为替代变量。

1.2 样本选择与数据来源

教育部科技司每年对全国设有理、工、农、医等教学专业的高等学校的科技成果及产出情况进行了详细统计。本文对高校创新产出的空间测度正是以各省、直辖市和自治区内的高等学校为基础，因此分地区截取1 939 所纳入统计的高等学校为研究对象。各省市、自治区的高等学校创新产出数据来源于《高等学校科技统计资料汇编》（2009—2018年），创新要素投入数据来自《中国科技统计年鉴》和《中国统计年鉴》，部分数据经过计算整理后得到。由于港澳台地区数据缺失，同时海南省和其他省份不存在共同边界，因此均不纳入研究范围。

1.3 研究方法

1.3.1 ESDA 方法

ESDA（Exploratory Spatial Data Analysis,探 索性空间数据分析）以测量事物或现象之间的空间关联程度为核心，弥补了传统统计分析忽略数据内含空间依赖属性的缺陷。通过ESDA 分析，可发现高校创新产出在地理上是否具有集聚特征和存在空间异常，进而对空间过程作更深入的探索［15］。ESDA 包括全局空间自相关分析（Global Spatial Autocorrelation）和局部空间自相关分析(Local Spatial Autocorrelation)两种方法。全局空间自相关分析用来检验高校创新产出总体在整个研究区域内是否存在空间关联和空间集聚的特征，一般较常运用Global Moran's I 指数，公式为：

局部空间自相关分析进一步考虑每一个局部区域与周边地区高校创新产出空间关联程度的强弱，一般采用Local Moran's I 指数测度，通过Moran 散点图和LISA 聚类图进行可视化分析，可以发现高校创新产出空间聚集的四大类型，即高-高聚集、高-低聚集、低-高聚集以及低-低聚集类型。Local Moran's I 指数计算公式为：

其中zi,zj为区域i和j标准化的观测值向量，wij为空间权重矩阵，n为研究区域的单元总数。

1.3.2 GWR 方法

GWR（Geographical Weighted Regression，地 理加权回归）不同于传统OLS 回归方法，考虑地理坐标的空间权重，地理加权回归模型针对每一个区域单元都进行一次局部拟合分析，从而得到随地理位置变化而不断变化的局部回归系数而非单一常数。利用GWR 模型研究高校创新产出驱动因子的空间异质性，可以发现不同区域各驱动因子对高校创新产出的不同影响，更好反映驱动因子变量与创新产出变量的关系随空间差异的变化情况［16］。模型如下：

其中b为贷款，dij为样本点i与j之间的地理距离。考虑到选取的权重函数对模型估计精度造成的影响，一般需确定合适的宽带进行优化，主要方法为AIC(Akaike Information Criterion,赤池信息准则法)方法和CV（Cross Validation，交叉确认法）方法。

2 高校创新产出的空间相关性分析

2.1 高校创新产出全局空间自相关分析

采用分位数法将我国2008—2017 年高校平均创新产出水平划分为5 个等级，分别为高、较高、中等、较低和低等。从图1 可知，我国高校创新产出区域差异明显，高校创新产出高水平和较高水平区域集中在东中部省份，高校创新产出低水平和较低区域主要分布在西部省份。其中，北京、山东、江苏、上海、浙江、湖北和陕西为高校创新产出高水平区域，黑龙江、辽宁、广东、河南、安徽、湖南和四川为高校创新产出较高水平区域，吉林、河北、天津、江西、福建、重庆为高校创新产出中等水平区域，山西、内蒙古、宁夏、甘肃、贵州、云南、广西、青海、新疆和西藏为高校创新水平较低或低水平区域。除此之外，高校创新产出具有组团分布特征，东部沿海的山东、江苏、江苏、上海和浙江等省市的高校创新产出展现出强强联合的集群发展态势，是第五分位区域成堆分布的省市，中部仅以湖北、陕西为核心，构成高校创新产出次极化带。而西部省份基本处于第一和第二分位区，是高校创新产出水平较低省市成堆分布地区。进一步，对2008 年和2017 年高校创新产出作Moran 散点图，如图2 所示，发现大部分省域落在第一、三象限，Moran's I 指数分布为0.153 和0.176，说明这些省域之间具有空间正相关性。整体看来，我国高校创新产出具有空间差异，且这种空间差异呈整体发散、局部趋同的特征。高校创新产出的空间差异不仅表现为区域整体创新差异较大，还表现为高校创新产出有规律性的组团分布，即部分较高和高创新产出的省份彼此相邻，较低和低创新产出的省份彼此相邻，显示出我国高校创新产出具有潜在的空间聚集特征。

图1 各省（市、自治区）高校创新产出区间分布

图2 2008 和2017 年高校创新产出的Moran 散点图

借助ArcGIS 和GeoDa 软件对我国30 个省市的高校创新产出数据进行全局空间自相关分析得到，从2008—2017 年，高校创新产出的Global Moran's I指数均大于0，且运用蒙特卡洛模拟方法对Moran's I的显著性进行检验，P 值均低于0.05，说明95%置信水平下我国高校创新产出存在显著的空间正向自相关，如表1 所示。全局空间自相关分析进一步说明我国30 个省市高校创新产出的空间分布并非具有空间随机性，而是表现为创新产出相似值之间一定程度的空间聚集。同时高校创新产出Moran's I 统计值从2008 年的0.153 下降到2013 年的0.122，然后又攀升到2017 年的0.176，表明高校创新产出在全国范围内呈倒“U”型变化，且近几年高校创新产出的聚集程度逐步加强。

表1 2008—2017 年高校创新产出在不同年份的Moran's I 值及其显著性

2.2 高校创新产出局部空间自相关分析

Global Moran's I 指数概括了整个研究区域内高校创新产出的空间依赖程度，由于Global Moran's I指数的测算结果始终在0.5 以内，说明空间自相关性较弱，需要明确正向自相关的具体定位。而Local Moran's I 指数则用于描述每个局部单元与各自邻近位置同一属性的相关性。利用GeoDa 分别生成2008、2011、2014 和2017 年高校创新产出LISA 聚类图，由图3 可知，2008—2017 年我国高校创新产出表现为较明显的地理分异格局和时空演变特征，且集中反映在东、中部地区。总的说来，新疆、西藏为主要的低-低聚集区，受诸多因素限制，这些区域虽然高校创新产出空间差异较小，但是自身及周边的高校创新产出水平都较低。低-高聚集区和高-高聚集区从2008—2017 年变化较大，2008—2011 年，主要的高-高聚集区仅为辽宁、山东、江苏、上海、浙江和湖北，说明这些区域一直以来高校创新产出水平较高，同时东部省份体现为较强的空间集聚效应。而河北、天津、河南、安徽、江西、福建等省市为低-高聚集区，这些区域大多邻近高-高聚集区，但高校创新产出水平低于周边地区，呈追赶状态。可以发现，2008—2011 年，湖北省为中部地区唯一高校创新产出高-高聚集省份，主要原因在于湖北省高校数量及质量、高校科研资源禀赋在中部地区处于领先地位，因此对比中部其他省份凸显出高校初始创新产出优势。同时，这一时间段中部省份高校创新产出内外部关联性不强，创新协调能力较差，高校创新基本处于区域分割状态。到2014—2017 年，中部安徽、河南、湖南等省份跃升为高-高聚集区，这些区域通过提高自身高校创新产出水平或接受周边地区高校创新产出溢出，逐步成为高校创新产出高水平省份。总的来看，2008—2017 年我国高校创新产出高-高聚集类型省份数量显著增加，表明我国高校创新产出水平整体上提升较快，高校创新产出增长极的扩散效应逐渐增强。另外，高校创新产出在东中部呈现空间收敛性，东部省份虽然具有高校创新产出的天然优势，但近几年中部地区由于创新环境的改善和对高校创新产出的积极培育，正逐渐缩小与东部省份的差距，高校创新协同发展的一体化态势不断凸显，成为高校创新产出新的增长高地。

图3 不同年份高校创新产出LISA 聚类图

进一步，对2017 年理工农医类高校和人文社科类高校的创新产出进行局部空间自相关分析，如图4 所示，发现仅理工农医类高校创新产出具有趋同的空间集聚特征，即北京、山东、江苏、浙江、河南、安徽、湖北、湖南等省份仍为高-高聚集区。人文社科类高校创新产出空间聚集特征上，北京、山东、上海、浙江和湖北等省份均由高-高聚集类型变为低-高聚集类型，说明这些省份高校创新产出优势主要来自于理工农医类高校的支撑，而人文社科类高校创新产出相比周边地区并不再继续保持高创新产出水平的优势，一方面充分说明创新产出水平受高校结构的影响，理工农医类高校在当前高校科研成果输出上仍占据主导地位。这类高校以技术创新为主的自然科学研究为重点，符合我国科研管理“重自然科学，轻社会科学”的阶段性特征［17］；另一方面说明部分地域在高校创新产出的培育上重点将更多科研资源投向理工农医类高校。北京、山东、上海、浙江和湖北是创新资源集聚区，自身理工农医类高校数量较多，这类高校的创新能力得到良好发挥，形成在自然科学领域内高创新产出的竞争优势和创新特色，但对人文社科类高校创新投入和产出缺乏支持和引导，导致以基础知识创新为主的人文社科创新能力在全国范围内并不突出。

图4 不同学科类型高校创新产出LISA 聚类图

3 高校创新产出的地理加权回归分析

空间自相关分析已经证明，我国高校创新产出表现为明显的空间聚集，不同区域自变量和因变量之间的关系也可能存在地区差异。如果用OLS（普通最小二乘法）对高校创新产出的驱动因子进行估计，由于不再满足空间均质和方差齐性的假定，因此基于经典线性回归模型估计的结果也是有偏误的。事实上，高校创新产出水平是衡量地方科技创新能力的一个方面，受各类创新要素的影响，且存在空间交互作用，因此，我国高校创新产出的空间格局是相互联系的多种综合因素的结果。纳入空间异质性，本文运用加权最小二乘法（WLS）对经典线性模型进行修正，从而更好地解释产生高校创新产出空间差异的影响因素。在拟选用解释变量中，经过多重共线性检验，发现人均GDP 同其他变量存在显著的多重共线性，且降低了模型整体拟合优度，因此予以剔除。另外，考虑高校创新产出具有较强的滞后性［18］，模型中各因变量滞后一年，首先构建高校创新产出数据和高校创新产出驱动因子的双对数模型如下：

其中，下标i表示各省份，p代表高校创新产出，rdry 代表地区R&D 人员全时当量，rdzc 代表地区R&D 经费支出，edu 表示人力资本水平，jssc 是技术市场合同交易额，代表技术市场活跃度，是随机误差项。

3.1 基于OLS模型的结果分析

进行GWR 估计之前，对方程（5）开展全局OLS 估计，回归结果如表2 所示。从估计的检验结果来看，模型整体拟合优度较高，具有较好的解释力。对各变量t值检验说明，地区R&D 人员数、人力资本水平与技术市场活跃度对高校创新产出有较显著的影响，且通过系数值表明，地区R&D 人员、技术市场活跃度对高校创新产出有正向作用，而人力资本水平对高校创新产出有负向作用。另外，全局OLS 估计下地区R&D 经费支出对高校创新产出影响不显著。

表2 高校创新产出的全局OLS 估计结果

3.2 基于GWR模型的结果分析

利用GWR 模型，将核类型选择为Adaptive，带宽选择为AICc，在全局OLS 估计基础上进行高校创新产出的局域估计。经检验，采用GWR 回归模型之后，模型拟合优度为0.896，说明纳入空间地理特征的加权最小二乘法显著提高了模型解释力水平，优于传统的OLS 估计方法。在局域空间上，各省域回归模型整体拟合效果均较好；变量显著性方面，地区R&D 人员数、人力资本水平与技术市场活跃度通过显著性检验，详细的每一个回归点的估计系数如表3 所示。

表3 高校创新产出的GWR 估计结果

4 结论与政策启示

4.1 结论

本文试图以2008—2017年中国30个省（自治区、直辖市）的高校创新产出指标数据为样本，立足空间视角，首先利用ArcGIS 和Geoda 软件对高校创新产出水平的空间格局进行可视分析，其次运用ESDA方法揭示了高校创新产出的空间关联特征以及时空演化趋势，在此基础上应用GWR 模型实证分析了不同地理空间上创新要素对于高校创新产出的影响差异。主要结论如下：

（1）从高校创新产出的空间分布格局来看，我国高校创新产出的空间差异明显，同时这种空间差异具有整体发散、局部趋同的态势，高校创新产出呈有规律性的组团分布，表明了潜在空间关联和集聚特征的存在。

（2）从高校创新产出的空间关联特征来看，验证得到我国高校创新产出存在显著的空间全局正向自相关性，相似水平的区域表现出一定程度的空间集聚，且近几年集聚程度总体增强。高校创新产出空间关联程度的强弱表现为较明显的地理分异格局和时空演变特征，集中反映在东、中部省份在高-高聚集和低-高聚集类型之间的演变。此外，不同学科类型的高校当中，仅理工科高校创新产出具有与总体创新产出趋同的空间集聚特征。

（3）从GWR 模型回归结果来看，各驱动因子对高校创新产出的影响程度也存在明显的空间分异。地区R&D 人员数、技术市场活跃度对高校创新产出具有正向促进作用，但同一因素创新产出的回归系数呈现空间异质性，表现为二者回归系数的空间格局大体由东向西逐渐递减；人力资本水平对各区域高校创新产出均有负效应，说明高校人力资本开发与创新研发出现严重脱节的现象，人力资本创新转化率亟待提升。

4.2 政策启示

（1）发挥空间外溢效应，健全高校区域创新互动机制。在加快打造中部地区高校创新产出新的增长极，率先形成东中部地区高校创新一体化发展格局的同时，有效利用地理邻近优势，打破高校创新溢出壁垒，继续提升处于高-高聚集类型的省份对周边低-高聚集类型省份高校创新产出的辐射带动作用，实现高校创新产出沿海、沿经济带、沿经济圈联动增长。而对于自身及毗邻区域高校创新产出水平都较低的西部地区，当地财政、R&D 人员很难保持对高校创新水平提升的维持，因此需要国家对当地高校创新活动给予相应的政策倾斜，优化创新投入资源配置，培育良好的高校创新环境。另外，强化高校区域创新互动，探索建立区域高校创新联盟，为东中西部高校科技成果交流搭建桥梁，使高校创新产出的涓滴效应最终超过极化效应占据优势［21］。

（2）优化资源投入结构，实现不同学科协同创新发展。国内“重理轻文”的学术弊病仍然存在，直接导致科研重心向理工农医类高校倾斜，影响区域高校整体创新产出水平的提升。为此，区域在制定高校创新战略规划时，应运用系统化思维，尽量平衡学科间科研资源投入比重，实现理工农医类学科和人文社科类学科创新产出水平的共同跃升。鼓励跨学科间开展创新合作，建立科研创新信息与平台共享机制，另外要促进人文社科类高校发挥自身创新活动特征与优势，同政府、企业开展更多合作，不断释放创新活力。

（3）进一步强化R&D 人员供给，打造创新人才高-高聚集的“洼地”。未来高校创新产出的竞争仍然是以高端创新人才为核心的竞争，各省份应继续实施有效的激励政策，完善人才引进与培育政策体系，保持R&D 人员规模的适度扩张，尤其提高高质量R&D 人员的比例，坚持“质”“量”并举。为适应人才竞争趋势，中西部地区及区域内高校应从提升人才竞争力出发，在产业基础、人才待遇、科研条件、创新服务方面做更多的改善，加强引才育才力度，加快创新人才集聚。同时，破除地区间R&D 人员流动的体制机制障碍，促进校际人才与知识的合理有序流动。

（4）培育高效的技术市场，激发高校与技术市场“双向驱动”效应。针对技术市场活跃度的区域差异，重点加强新疆、甘肃、贵州等西部各省份技术市场的建设，打造中部长江经济带技术市场联盟的区域技术大市场，利用地理邻近效应，加速区域间高校科技成果转化［22］。高校作为基础研究的主体之一，是技术市场的主要供给方。因此政府应当致力于提升技术交易对高校的吸引力，尤其是技术市场欠发达地区，要通过对高校专利等产出提供信贷扶持、税收优惠等方式，使其成为高校创新产出的助推器。反过来，技术市场建设也可依托高校等研究机构培育专业化的技术转移平台和技术转移人才，扩大技术市场规模，以此形成二者的相互耦合、相互驱动。

（5）加强高校教育链与创新链的深度融合，衔接人力资本开发与高校创新研发。当前需密切关注我国创新增长与教育投入增长不匹配的“索洛悖论”现象，继续完善高校的教育职能体系，注重教育质量的提高。应从高校当中努力培育一批创新型、研究型人力资本并服务于高校这一创新主体内部，使其在基础领域及原始创新领域承担并发挥更大的作用，不断注入新的知识创新成果。另外，人力资本总体发展方向应当由早期提升人力资本总量的粗放型模式转变为更加关注人力资本质量以及配置效率的集约型模式，通过形成促进高校创新产出的产权保护、利益分配、科技评价、产学研协同等制度激励，引导人力资本更多向高校基础领域和原始创新领域合理有效配置，夯实研发型人力资本基础，从而加快实现高校人才资源优势向创新竞争优势的转变。