互联网普及、知识溢出与区域创新空间演进

李 峰，刘 爽，赵 毅，2，孙佰清

（1.河北工业大学经济管理学院，天津 300401；2.复旦大学经济学院，上海 200344；3.哈尔滨工业大学经济与管理学院，黑龙江哈尔滨 150001）

1 研究背景

习近平总书记在党的十九大报告中提出创新是引领发展的第一动力，必须把创新摆在国家发展全局的核心位置。对处于经济发展新常态的我国来说，切实提高各区域的创新能力和建设创新型国家已成为国家发展战略的核心和提高综合国力竞争力的关键［1］。“十四五”时期，我国再次强调经济发展模式要从依靠要素投入向靠创新驱动转变。国家知识产权局数据1）显示，2019 年国内每万人发明专利拥有量达到13.3 件，提前完成“十三五”规划确定的目标任务。根据世界知识产权组织发布的《2019 年全球创新指数》报告，我国在全球创新指数涵盖的129 个经济体中上升至第14 名［2］。毋庸置疑，我国创新产出总量符合国内经济社会发展的基本要求，在全球创新产出中扮演日趋重要的角色，然而，每万人口发明专利拥有量排行前3 位的省份依次为北京、上海、江苏［3］,均集中在东部地区2）。这表明我国区域创新水平地域失衡、空间不协调的情况较为突出，直接影响区域实施创新驱动发展战略的效果。因此，如何优化创新资源空间配置、提高区域创新效率成为我国建设创新型国家亟待解决的关键问题。

互联网与新一代信息技术在经济、社会各部门扩散、应用，已成为我国创新空间组织形态重要的变革力量。学术界正逐渐重视互联网普及与区域创新空间演进问题研究，如张旭亮等［4］基于互联网的信息技术属性视角研究互联网对区域创新的内在机理，实证分析表明互联网对区域创新有较明显的推动作用；韩先锋等［5］基于我国省际面板数据，采用门槛回归技术探究“互联网+”对创新溢出效率影响的异质动态效应；王志高等［6］从互联网技术出发，通过空间计量分析方法实证表明互联网与区域创新投入之间存在倒“U”型关系；徐向龙等［7］在对互联网技术和区域创新效率研究的基础上发现，电子商务发展对区域创新效率产生先升后降的倒“U”型影响；李新伟等［8］考察了互联网发展对区域创新能力影响的异质性与关联性，发现互联网发展会显著促进区域创新产出水平的提高，并且这种促进作用具有空间异质性，相较于东部地区，中部和西部地区无法完全发挥网络效应，其互联网发展的促进作用较弱。在此基础上，本研究基于互联网的技术属性分析其对区域创新空间演进的作用，以探究互联网能否成为新兴的区域创新空间演进的影响因素，为国家制定和执行相关政策提供参考。

空间计量经济学被引入到知识生产函数之后，学者开始从空间维度研究知识溢出效应，如赵勇等［9］、Miguelez［10］提出，经济主体在相互交流和接触过程中，知识会以无意识的状态进行传播。大多数的研究表明知识溢出对区域创新呈现显著的正向作用，如陶长琪等［11］从知识资源存量和知识创造与转化维度对知识溢出进行分解，基于知识生产函数实证表明知识资源存量、知识创造与转化能力对区域技术创新效率的影响显著为正；少部分学者如杜伟［12］认为知识的区际溢出会形成创新的利益溢出，降低企业创新动力，对技术创新有消极影响。

现有研究在互联网对区域创新格局的影响方面依然存在缺口，互联网具有的时空压缩效应在经济分化增长动力下成为知识溢出与区域创新的重要突破口，与空间知识溢出对区域创新空间联系与组织方式、区域创新结构演进与协调的相关研究有待进一步深化，以及互联网普及是否适应各区域创新产出的空间演进、如何协同知识溢出促成地区间创新产出的动态平衡发展，如何有效利用互联网普及这一途径制定有针对性的发展策略、优化区域创新的空间发展等问题都有待回答。鉴于此，本研究利用2007—2018 年我国30 个省、自治区、直辖市（未含西藏和港澳台地区）（以下简称“30 省份”）的统计数据，旨在分析互联网普及、知识溢出效应对区域创新空间演进的影响。

2 理论分析与研究假设

2.1 互联网普及与区域创新产出

推动互联网与区域创新深度融合已经成为当今区域创新的新局面。随着互联网的普及渗透，创新资源在使用过程中由线下资源的简单相加走向线上线下资源的深度聚合［13］，互联网拓展了创新资源使用范围的广度和深度，带动区域创新能力明显提升。互联网技术的发展破解了信息在传递过程中的时空约束，有效克服了信息不对称现象［14］，创新主体更容易享受到等质等量、充分披露的信息，降低彼此交流间的协调成本和开展创新活动的风险，显著激发创新主体开展创新活动的主动性［15］。故提出本研究的第1 个研究假设：

H1：互联网普及能减少信息不对称和降低协调成本，进而促进区域创新产出水平提高。

2.2 知识溢出与区域创新产出

新经济地理学认为，知识溢出是影响创新活动空间分布的重要原因［16］。知识溢出承载的知识源通过多种渠道在地区间传播和扩散，是创新发展的核心支撑力［17］。作为创新投入的重要载体，知识溢出能够在创新过程中提供充足有效的创新资源，创新水平越高的地区越能高效地吸收外部区域溢出的知识并进行二次创新。Combes 等［18］、苏方林［19］的研究发现知识溢出具有局域性的特征。由于地理空间距离的限制，知识大量溢出至地理邻近城市，导致创新活动在一定的范围集中［20］，创新集聚降低了区域创新内部的不确定性，创新主体的合作意识随之增强，进而有助于促进区域创新水平的提升。基于此，提出本研究的第2 个研究假设：

H2：知识溢出的空间效应可促进区域创新产出的提高。

2.3 互联网普及协同知识溢出影响区域创新产出的理论机制

互联网的时空压缩效应使得空间距离的影响在一定程度上减弱，进一步解锁了区域未被充分利用的知识资源及其内生价值，使得各种知识传播的空间局限性逐渐降低。如“5G+”远程医疗会诊、阿里巴巴集团和京东集团等企业虚实结合的技术应用模式使得不可编码知识变得容易传播，更大程度促进省际知识溢出效应［21］。即使一方远在大洋彼岸，也可以通过科技手段使得双方无任何障碍地交流，在网络空间实现“面对面”的感知［22］。由此，各区域间的创新活动随之更加便捷频繁。基于此，提出本研究的第3 个研究假设：

H3：互联网普及能放大知识溢出的空间效应，进而提升区域创新产出水平。

3 我国区域创新产出与互联网普及的空间演进特征

3.1 空间演进特征分析

选取专利申请授权量作为代理变量，用来衡量区域创新产出水平。随着时间的推移，30 省份创新产出从整体上呈现上升的趋势，专利申请授权数从2007 年的283 636 件上升至2018 年的2 318 454 件3），增长了8 倍左右，反映了我国科技战略的发展成效。从省域横向来看，30 省份创新空间结构演进呈现极大的空间非平衡性（见图1）。具体来讲，江苏、浙江、广东、上海等东部沿海地区集中了我国总体绝大多数的授权专利，形成了高级创新区，这些地区的专利授权量合计占比高达70%，创新总量远高于其他省份，呈现了“高高”集聚状态；随着国家对中西部地区采取适度扶持的政策逐渐发挥作用，安徽和河南、四川、辽宁分别为中、西、东北区域创新产出处于优势的代表省份，创新产出水平远不如东部沿海地区，表明我国区域创新产出呈现“东强西弱”的态势，存在显著的区域创新空间差异。

图1 2007 年、2014 年和2018 年30 省份创新产出比重

为进一步反映创新产出在空间演进过程中差异的变化情况，参考付帼等［23］的方法计算30 省份创新产出的变异系数（见图2）。变异系数反映地区间的相对均衡度，系数越小说明区域间发展越均衡。考察期内30 省份创新产出变异系数总体上以2012年为分界线，呈现先增加后减少的倒“U”型趋势。具体来看，变异系数在2007—2012 年上升0.2，2012 年达到了区域创新差异的最高值，涨幅态势集中在2008—2010 年，这可能是因为在2008 年我国出台了《关于支持中小企业技术创新的若干政策》，使得中小企业分布较多的东部地区的创新产出水平进一步提高，区域间的创新差异因此大幅度扩大；在2013—2018 年变异系数下降幅度为0.2，这可能是因为2012 年我国提出要加快国家创新体系建设，提升创新体系整体效能，这使得创新政策更多地倾向并发挥于水平相对落后的中西部地区，使得整体的区域创新产出水平差异逐渐下降，这在一定程度上表明推进区域创新产出水平落后地区的创新发展以弱化创新空间差异是一项长期工程。

图2 30 省份创新产出变异系数演变趋势

3.2 区域创新水平与互联网普及的相关分析

选择互联网普及率作为衡量互联网普及程度的指标，并将其与专利申请授权量进行相关性分析（见图3），进而发现互联网普及与区域创新产出水平分布的关系规律。总体上，考察期内30 省份每百人上网数与专利申请授权量均显著相关，相关系数以2012 年为分界点经历了先减小后增加的“U”型变动特征。具体来看，2007—2012 年，相关系数从0.642 6 逐渐下降为0.428 3；2013—2018 年，相关系数再次逐渐上升至0.483 9。原因在于最初几年，我国提高区域创新水平的主要途径是依靠人力、资本等传统要素的投入，政策倾向于高投入研发经费、高强度培养研发人员等，对互联网的认识和支持强度不及传统要素，同时互联网普及处于起步阶段，基础设施不完善成为制约互联网发展的门槛；后期随着信息与通信技术的进步以及网络效应的出现，基础设施日趋完善促进了互联网普及的快速发展。

图3 30 省份互联网普及与创新产出的相关性

4 研究设计

4.1 数据来源与处理

根据数据可得性和实证研究的需要，2007—2018 年30 省份相关数据来自于《中国统计年鉴》《中国高技术产业统计年鉴》《中国互联网络发展状况统计报告》《中国科技统计年鉴》等。为合理控制异方差和共线性，所有变量取自然对数。

4.2 变量选取与说明

（1）解释变量，即知识溢出。借鉴江三良等［24］的做法，从知识存量和知识质量两个维度衡量地区层面的知识溢出水平。

知识存量为人们在生产和生活实践中知识的积累，通常表现为某时点上一个区域对知识资源的占有总量，反映了区域知识生产的能力。知识存量增加会显著促进地区的创新水平提升。借鉴吕情［25］的做法，通过永续盘存法估算地区i在时间t的知识存量，用公式表示如下：

为了得到知识存量的初始值，通过以下公式计算：

知识质量有提升区域创新潜能的隐形作用。为量化知识质量状况，借鉴余泳泽等［26］的做法，从知识创造、知识转化两个角度构建知识质量综合评价体系，增加对社会发展效益创造方面的衡量指标，以更全面地从基于区域自身属性的角度衡量知识质量（见表1）。

表1 区域知识质量综合评价体系

区域知识质量综合评价体系的9 个二级指标从不同角度衡量了知识质量的水平状况，但各指标之间具有一定的相关关系，因此在实际估计过程中利用 SPSS 软件对多维数据进行全局主成分分析，以构造省际维度的知识质量水平综合得分。经标准化处理后的全部数据通过了 KMO 检验和Bartlett 球形检验，说明本研究所观测的数据适合此方法。采用特征值大于1 并累计方差贡献率达到 80%的方法来确定因子个数，从9 个指标中提取到2 个主成分，构造成1 个综合反映知识质量水平的复合指数。为了后续研究方便，借鉴韩先锋等［14］的做法，按照公式如式（3），将测算所得的知识质量综合得分数据标准化到［0，1］区间内，以此作为本研究的核心解释变量。

（2）控制变量。为更准确地反映互联网普及、知识溢出对区域创新产出的影响，有针对性地引入影响因素进行控制。具体如下：1）地区人力资本水平(hc)。地区人力资本水平越高，表明该地区劳动者素质和技能越高，从而可以更加高效地开展技术创新活动，有利于地区创新能力的提高［27］。将居民受教育程度分为小学教育、初中教育、高中教育、大专及以上教育，用不同受教育程度的人数占6 岁以上人口的比重乘以对应的平均累计受教育年限，继而求和得到。2）地区基础设施建设水平（inf）。区域交通网络、通信等基础设施的完善能够提高区域创新水平。如今各类通信工具在区域交流中的作用日益重要，而通信交流则需要地区提供必要的长途光缆设施，因此，参考李婧等［28］的做法，采用地区长途光缆线路长度表征地区基础设施建设水平。

使用 Stata 15.0 分析软件对数据进行处理，主要变量的描述性统计结果如表2 所示。

表2 变量的描述性统计

4.3 模型设定

Griliches［29］和Jaffe［30］设计的知识生产函数(knowledge production function，KPF) 作为一个经验模型，为研究区域创新产出提供了有效的理论分析框架，本研究主要基于KPF 模型对30 省份创新空间特征进行计量分析，函数的基本形式为:

知识生产过程同实物生产过程，本质均是一种投入产出过程，本研究把创新活动看作是一种知识的生产过程，创新要素的投入不仅局限于K和L等要素的投入，将互联网的普及程度和知识溢出纳入区域创新产出的分析框架中，构建了包含这两种因素的新的知识生产函数。因此，在式（4）的基础上进行拓展，函数形式如下：

研究表明，区域创新存在空间相关性，即一个区域创新产出不仅取决于当地的经济水平、创新环境等因素，同时还受到周边区域创新产出的影响［31］。地区间的知识溢出效应，除了可被观测到的空间相互作用，还包括不可观测的冲击以及遗漏变量，因此需要构建考虑空间效应的计量模型。王淑英等［32］利用2009—2018 年的我国省级面板数据构建空间杜宾模型，分析全行业的集聚效应对我国多主体协同创新效率的影响，受此启发，本研究在式（5）的基础上构建空间杜宾模型（SDM 模型）如式（6）：

为进一步考察互联网普及与知识溢出的协同作用，在式（6）的基础上加入互联网普及与知识溢出的交互项，将其拓展为扩展的空间杜宾模型，如式（7）所示：

5 实证结果分析

5.1 空间相关性检验

为了验证地区互联网普及与区域创新产出的空间相关性，采用全局自相关和局部自相关进行检验。莫兰指数（Moran's I）是常用的空间自相关的统计量，反映了空间邻接或空间邻近区域单元属性值的相似程度。全局莫兰指数计算公式如下：

莫兰指数的取值范围为［-1,1］：大于0 时表示存在空间正相关，数值越接近于1 说明正相关性越强，即邻接空间单元之间具有很强的相似性；小于0 时表示存在空间负相关，数值越接近-1 说明邻接空间单元之间具有很强的差异性；接近于0 时表示不存在空间相关关系，说明某观测值在空间上属于随机分布。

结合上述公式和相关数据，基于地理距离权重矩阵，利用Stata15.0 软件可求得30 省份创新产出空间自相关性的动态演变趋势，如表3 所示。由结果可知，考察期内30 省份创新产出的全局莫兰指数值介于0.229～0.286，且均通过了1%的显著性检验，这表明强烈拒绝“区域创新产出无空间自相关”的原假设，在全局上表现出强烈的空间依赖特征，即具有相对高创新产出强度的区域倾向于接近其他具有高创新强度的区域。

表3 30 省份创新产出的全局莫兰指数值

全局空间自相关方法仅仅是对区域整体创新产出水平的空间相关态势进行总体的分析，有可能掩盖局部空间上差异的变化，因此，为进一步探讨30省份创新产出的局部空间分布特征，通过Stata15.0绘制莫兰指数散点图进行解析，如表4 所示。其中，处于第1 象限的北京、上海、江苏、浙江等省份不仅自身创新产出水平高，同时受周边创新水平高的区域的影响，形成“高高”集聚的状态；处于第2象限的山西、海南等省份由于自身对邻近地区知识的吸收能力不足，未能形成创新产出优势；内蒙古、甘肃、宁夏等省份自身及其邻近地区创新产出的水平较低，呈现“低低”的集聚态势；四川、广东等地自身创新水平较高，但对周围区域的辐射力不足，处于第4 象限。2007 年，有21 个省份位于第1、3象限，2018 年增长至24 个省份，从某种程度上表明我国区域创新产出在地理空间的分布上存在着明显的相互依赖性，适宜展开空间计量分析。

表4 30 省份创新产出莫兰散点图解析

空间面板的多样性和复杂性决定了在建立具体的空间面板模型前必须对空间面板的形式进行识别检验，从而避免由于模型形式设定偏差对模型估计的有效性产生影响。综合运用拉格朗日乘子检验（LM检验）、豪斯曼检验（Hausman 检验）和沃尔德检验（Wald 检验）等方法，对空间滞后模型（SLM）、空间误差模型（SEM）、空间杜宾模型的合理形式进行判别。LM 检验及其稳定性检验显示，结果均在1%的显著水平下拒绝了原假设，表明应选择空间杜宾模型；通过Wald 检验空间杜宾模型是否可以简化为SLM 模型和SEM 模型，结果显示在1%的显著性水平上拒绝了“空间计量模型采用SLM 或SEM”的原假设；最后结合Hausman 检验结果，选取空间杜宾模型的双固定效应模型作为本研究模型更为合适。

5.2 计量结果分析

如表5 所示，基于空间杜宾模型，模型1 至模型2 是分别依次加入知识存量、知识存量与互联网普及的交互项进行回归；模型3 至模型4 是分别依次加入知识质量、知识质量与互联网普及的交互项进行回归；模型5 是加入知识存量、知识质量、知识存量与知识质量的交互项进行回归；模型6 和模型7 是在模型5 的基础上加入知识存量、知识质量与互联网普及的交互项进行回归，区别是前者未加入控制变量，后者是加入控制变量进行回归，结果显示加入控制变量后回归系数的符号基本一致且大小相近，故将模型7 看作最终的回归分析结果。

表5 30 省份互联网普及对创新产出影响的计量回归结果

5.2.1 本地效应下的回归分析

从区域自身来看：（1）互联网普及对区域创新产出具有显著的负向作用。计量结果显示，区域互联网普及程度每提高1 个百分点，创新产出将降低0.874 个百分点。第1 个研究假设未得到验证。这可能是因为我国东、中、西、东北四大经济区从互联网普及中获得的创新产出红利差距严重，进而表现出总体互联网普及对区域创新产出的抑制作用。（2）互联网普及程度对区域创新产出水平存在贡献力不足的情形。互联网的发展需要区域具备一定的经济水平，这就出现东部地区互联网普及快速，进而导致互联网普及对区域创新产出的红利已提前释放；而此时互联网在中西部地区正处于起步阶段，吸收、消化其他地区溢出的能力逐步提高。（3）知识存量对区域创新产出始终有正向作用。知识存量作为区域自有知识的积累，往往与本地的创新知识具有良好的匹配性［34］，可根据创新发展进行适时调整。这说明稳步增加专利可为提升区域创新产出奠定坚实的基础。（4）知识质量对区域创新产出具有正向作用。这表明注重知识资源转化为经济效益和社会效益，提升创新成果的成熟度，有利于提高区域创新产出水平。（5）互联网普及与知识存量的交互项系数为正但不显著。这说明互联网普及与知识存量存在较好的协同，可能由于知识存量的载体是区域本身的创新型资源。知识存量水平高的区域也就表征着其经济发展水平、科学文化素质综合水平等有一定的基础，互联网会优先在该区域发展。（6）互联网普及与知识质量的交互项对区域创新产出存在显著的负向影响。这有可能是因为见效慢、长期收益大的研究领域融资成本极其高昂，导致企业技术创新尤其是基础技术创新水平难以提升，从长远的角度来看不利于知识质量与互联网普及的协同。

此外，从其他变量来看，RD 经费支出、人力资本水平对创新产出为正向的影响系数，在一定程度上表明继续增强RD 经费的投入、提升科学素质均有利于促进区域创新产出的提升；基础设施建设对区域创新产出起到显著的抑制作用，这表明现阶段区域发展重点更倾向于深层次挖掘基础设施建设发挥的应用作用，不再仅强调基础设施发展的数量。

5.2.2 溢出效应下的回归分析

从计量结果的系数来看，区域知识存量每提升1 个百分点，相邻区域的创新产出提升0.845 个百分点，并且在1%的检验水平下显著，这表明单独提高知识存量溢出 (W×lnstock)会对区域创新产出产生显著的促进效应，可能是因为知识存量的溢出已被理解和消化为区域创新资源，进而提高邻近地区的区域创新产出；而知识质量溢出效应(W×lnquality)呈现相反结果，区域知识质量每提升1 个百分点，相邻区域的创新产出会降低10.725 个百分点左右，并且通过了1%的显著性水平检验，这可能是因为知识质量溢出带来的技术进步面临回报周期长、科技要素与社会要素未有效结合等问题，导致其在区域创新过程中未充分体现，同时也反映出知识质量的竞争效应，即知识质量溢出效应越强，越有利于区域抢占优势资源，实现创新产出的“快人一步”。综上，第2 个研究假设只验证了一半，即知识存量的溢出推动了区域创新产出的提高，知识质量的溢出未能促进区域创新产出的提高。

此外，考虑空间效应的互联网普及与知识存量溢出、知识质量溢出交互项的回归系数分别为0.018和1.096，后者通过了1%的显著性检验，表明区域互联网普及促进了其周边地区知识存量的溢出进而推动周边区域创新产出水平的提高，并且也显著促进了周边区域知识质量的溢出从而提高周边区域的创新产出水平。因此，第3 个研究假设得以验证，即互联网普及放大了知识溢出对区域创新产出水平的影响。

5.3 异质性分析

为分析互联网对我国区域创新的抑制性作用的具体原因，从东中西三大区域出发，进一步探讨互联网的区域异质性结果。按照是否加入控制变量，对东中西区域各进行了2 次计量回归，如表6 所示，列（1）是未加入控制变量的回归结果，列（2）是考虑了控制变量的回归结果。对比每个区域的2 种回归结果可以看出，无论是否考虑控制变量，各区域的变量回归系数符号保持高度一致，表征回归结果可靠。互联网普及对三大区域的创新水平存在明显差异，具体表现为：东部地区互联网普及程度系数为正，并通过了1%的显著性水平，说明互联网普及程度提升将显著提高东部创新产出水平，因此东部应利用好互联网带来的红利，不断加强互联网建设力度，扩大互联网的普及范围，强化互联网提升区域创新水平的动能；对于中部地区，互联网普及每增加1%，区域创新产出水平将显著提高2.143个百分点，表明中部地区享受东部地区发展的辐射红利，后发优势明显；互联网普及对西部创新产出水平起到显著的抑制作用，西部由于互联网基础设施建设不足，网络的覆盖规模有限，导致互联网在创新水平落后的西部地区释放的红利不足。对比每个2 种回归结果，从互联网的作用强度来看，具有“西部>东部>中部”的区域异质性特征，即互联网普及对西部地区的抑制效应明显高于对东部和中部两区域的促进作用，佐证了由于三大区域享受互联网创新红利差距过大，第1 个研究假设未得到验证的事实，这表征为应合理发挥互联网对我国各区域的创新红利，在巩固东、中部地区互联网发展优势的同时注重适度引导互联网要素积极向西部地区流动扩散，以弥补落后地区的网络发展短板。

表6 30 省份互联网普及对创新产出影响的异质性回归结果

5.4 拓展分析：直接效应和间接效应的测度

SDM 模型的估计结果无法完全反映解释变量与被解释变量间的关系，应进一步运用SDM 模型的偏微分法对空间权重变量作用下的总效应进行直接效应和间接效应分解，以对模型中包含的交互信息予以分析。直接效应，即各区域内互联网、知识质量和知识存量对创新产出的影响；间接效应，即空间溢出效应，表示各区域内互联网、知识质量与知识存量对相邻区域创新产出的影响。表7 的估计结果显示：就互联网而言，本地区的互联网普及程度对本地区创新产出的抑制作用要远大于对其他地区创新产出的抑制作用，因此，现阶段各地区要着力缩小与邻近地区的互联网发展差距，以协调周边区域互联网普及为基础，酌情考虑本地区的互联网普及程度；就知识存量而言，其直接效应和间接效应均为正，且通过了1%的显著性水平检验，表明知识存量对本地区具有明显的溢出效应和明显的空间溢出效应，且间接效应大于直接效应；就知识质量而言，其直接效应为正、间接效应显著为负，对其他地区创新产出的抑制作用大于对本地区创新产出的促进作用。综上，无论是知识存量还是知识质量，区域间的作用效应均大于区域内的作用效应，因此现阶段各地区要提高研发强度以提高对邻近地区溢出的承接能力。此外，就互联网普及与知识存量的交互项而言，其直接效应和间接效应均为正值，并且前者大于后者，表明各地区应重点发挥互联网普及与本土知识存量的协同效应，以更好作用于区域创新的演进发展；而对于互联网普及与知识质量的交互项，其对其他区域创新产出的促进作用要远小于对本区域创新产出的抑制作用，说明现阶段要重点提高区域知识质量溢出的吸收能力，在互联网的作用下更好地吸收其他地区知识质量的溢出，从而推动本地区创新水平的提高。

表7 30 省份互联网普及对创新产出影响的直接和间接效应估计结果

6 结论与启示

基于2007—2018 年我国省级区域创新产出的空间面板数据，在刻画区域创新空间演进特征的基础上，对互联网普及程度、知识溢出以及两者协同对区域创新空间演进的影响进行理论分析和实证分析，研究结果表明，区域创新产出的空间演进过程呈现出空间非平衡性和明显的集聚状态。得到结论如下：（1）互联网普及程度可能由于在各地区发展的差距过大，对区域创新具有明显的抑制作用；（2）知识存量的溢出推动了区域创新产出的提高，知识质量的溢出可能由于不易被转化为生产力而未能促进区域创新产出的提高；（3）互联网普及促进了周边地区知识存量和知识质量的溢出，进而推动周边区域创新产出水平的提高，放大了知识溢出对区域创新产出水平的影响；（4）R&D 经费支出、人力资本水平对创新产出存在正向影响。

本研究对促进区域创新产出、优化区域创新演进格局具有以下政策含义：（1）正视区域创新产出的空间差异，制定专门的互联网普及政策。对于创新产出水平相对落后的西部地区，重在夯实互联网普及基础，加快信息内容与网站的建设，以加大网络的覆盖面，让西部地区更容易接触到互联网；对于创新水平中等的中部地区，在互联网建设过程中加强引进基础服务设施建设，通过降低网络资费、提高宽带网速等途径促进普及规模；区域创新产出水平较高的东部地区，应着重加强互联网建设力度，通过改善网络使用环境、升级网络使用条件、开展互联网应用创新的试点工作等方式优化互联网服务，进一步扩展互联网普及范围。（2）实现区域创新水平的空间协调发展，促进加大知识溢出效应。较高的知识存量水平意味着更高的技术水平和区域创新能力，提高并挖掘知识存量对创新产出的促进潜力，通过区域间的创新合作促进知识跨区域转移和溢出是实现区域间创新产出协调发展的必要路径；同时高水平的知识质量意味着科技成果的转化效率越高，提升知识质量溢出是实现区域创新产出协调发展的高效路径。（3）实现区域创新产出的空间发展，更大限度地发挥互联网与知识溢出的协同。中、西部地区要强化互联网与知识溢出的协同作用，顺应长江经济带、粤港澳大湾区建设等重点区域发展新机制，对区域创新产出的空间均衡有重要意义。

注释：

1）数据来源于2020 年全国知识产权局局长会议材料。

2）参照国家统计局2011 年颁布的《东中西部和东北地区划分方法》，东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南共 10 个省市；中部地区包括山西、安徽、江西、河南、湖北和湖南共6 个省；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆共 12 个省、区、市；东北地区包括辽宁、黑龙江和吉林共3 个省。

3）专利申请授权数来源于历年的《中国科技统计年鉴》。