中国创新能力的空间非均衡及收敛性研究

吴梦秋,黄 杰

(1.韩国外国语大学 商学院,首尔 02450；2.信阳师范学院 商学院，河南 信阳 464000)

0 引言

随着中国经济体制改革的深度推进，中国的创新能力发生了巨大的变化。党和政府在《十九大报告》和《2019年政府工作报告》中均将创新能力的提升作为新时代国家创新发展战略的核心。然而在多种因素的制约下，中国创新能力的空间非均衡特征日趋明显。推动区域间创新能力的协同发展是缓解社会主要矛盾、实现高质量均衡发展的重要保障。GROSSMAN等[1]指出技术创新是区域经济发展过程中获取竞争优势的关键；ARCHIBUGI等[2]研究发现国家之间的技术差距远大于其经济方面的差距，如果一国的创新能力存在收敛，则该国的相关经济指标也存在收敛趋势。因此，实现中国各地区经济的跨区域均衡发展的关键就在于缩小区域间的创新能力。鉴于此，本文从地区差异及收敛性两个方面进行研究，对中国创新能力的跨区域协调提升具有重要意义。

学术界关于创新能力的研究主要聚焦在创新能力的测度、区域差异、空间效应及收敛性分析三个方面。在创新能力测度方面，目前我国学者采用的测度方法主要分为两种：第一种是用专利授权量为创新能力的代理变量[3]；第二种是采用综合指标进行评价，黄德森等[4]从投入、产出等方面构建了包含29项指标的区域创新能力测度体系；陈套[5]从创新投入、产出、政策引导等6个方面测度了合肥市的创新能力。在创新能力的区域差异方面，寇宗来等[6]研究发现中国创新能力存在显著的区域差异和行业差异；刘华军等[7]采用泰尔指数研究发现中国创新能力存在显著的省内、省间和区域间差异，省内差异是创新能力空间差异的主要来源。在创新能力的空间溢出及收敛性研究方面，黄德森等[4]研究发现在考虑空间溢出之后中国省际创新能力并不存在β收敛，但存在显著的俱乐部收敛；王婧等[8]研究发现空间效应在中国城市绿色创新水平的发展中举足轻重，创新水平高的地区对低水平地区具有显著的正向溢出效应。

以上研究为本文的展开奠定很好基础，但也存在着一些问题亟待完善。一是创新能力的测度方面，大部分研究人员从创新过程的角度采用了综合指标，但这种同时采用投入指标和产出指标的计算方法会导致重复计算的问题，而仅采用专利数据虽然可以避免重复计算问题，但此方法忽略了不同类型专利的价值差异，从而影响创新能力测度的准确性。二是现有文献针对区域差异的衡量不够精确。传统基尼系数仅能测度出整体差异，但无法对差异的来源进行分解。三是对创新能力的收敛性研究中，现有文献采用方法较为单一，难以全面分析省际创新能力的收敛性。

基于此，本文根据2017年复旦大学产业发展研究中心发布的创新指数[9]，运用Dagum基尼系数对中国创新能力的区域差异进行测度和分解，并通过σ收敛、β收敛和俱乐部收敛方法对中国省际创新能力收敛性进行检验(不包含港澳台和西藏)。

1 方法与数据

1.1区域差异测度及分解方法

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

1.2 收敛检验方法

1.2.1 σ收敛

σ收敛是指不同地区创新能力会随着时间推移逐渐趋同于整体均值。收敛公式如式(10)。

(10)

1.2.2β收敛

β收敛是指创新能力较低地区的增长速度快于创新能力较高的地区，则认为创新能力存在β收敛。如果外部条件一致的情况下，各地区创新能力会逐步收敛到某一稳态，则认为产生了绝对β收敛。考虑到技术创新的外溢性，本文将空间效应纳入β收敛模型，如式(11)所示。

(11)

其中：α为常数项；β为收敛系数；ln( CTCi,t+1/CTCi,t)是地区i的创新能力增长率；μij是扰动项；ρ是空间溢出系数。ωij是n×n的空间权重系数。本文参考李婧等[11]的方法构建包含不同地区社会经济因素的非对称经济距离空间权重矩阵。式(11)中，若β<0，则说明创新能力在样本期内具有β收敛特征。若β>0，则说明创新能力在样本期内呈发散态势。根据β的回归系数可计算出创新能力在样本考察期内的收敛速度，具体的计算公式为式(12)。

(12)

其中：λ为收敛速度；T为时间区间；β为待估参数。绝对β收敛假设各地区的基础条件相同，而条件β收敛是指在考虑多种因素对创新能力存在影响的情况下，各地区的创新能力也会逐渐收敛。所以条件β收敛模型为在绝对收敛模型式(11)的基础上中加入研发经费内部支出、实际利用外商直接投资、技术市场技术合同成交额等控制变量，具体如式(13)。

θln RP+φln FDI+ξln MI+μij，

(13)

其中：科技成果转化能力(TC)选取技术市场成交额来衡量，研发投入水平用研发经费内部支出(RD)表示；经济发展水平(RP)用人均GDP衡量；对外交流学习能力用实际利用外商直接投资(FDI)表示；另外为考察市场化水平对中国创新能力的影响，加入市场化指数(MI)；δ，ε，θ，φ，ξ为系数。市场化指数来源于《中国分省份市场化指数报告》[12]，其余全部数据均来自历年《中国统计年鉴》。

1.2.3 俱乐部收敛

中国创新能力的俱乐部收敛假定各地区的初始创新能力接近，且各项支持提升创新能力的基础条件相仿地区的创新能力随着时间的推移逐渐趋向收敛。本文参考杨骞等[13]研究选择聚类分析法对中国创新能力进行俱乐部划分，根据Moran散点图，将30个省份(直辖市或自治区)分为高-高(H-H)、低-低(L-L)、低-高(L-H)和高-低(H-L)四种集聚类型，在此基础上采用绝对β收敛模型对中国创新能力进行俱乐部收敛检验。

2 中国创新能力的区域差异及其分解

2.1 中国创新能力的总体区域差异及演变趋势

中国创新能力的总体区域差异及演变趋势如图1所示，2001-2016年中国创新能力的总体区域差异曲线呈倒“U”型先升后降的演进趋势，在2009年区域间总体差异达到最大0.819，此后呈逐渐下降态势，但在2016年仍为0.806。这说明在样本期内中国创新能力呈现出显著的区域差异。

图1 中国创新能力总体差异Fig. 1 The overall difference of innovation capability

2.2 中国创新能力的区域差异及其演进趋势

中国创新能力的区域内差异演进趋势如图2所示。总体来看，2001-2016年四大区域创新能力的区域内差异并无显著变化。从四大区域的基尼系数来看，东部最大，西部次之，中部和东北最小。从基尼系数的动态演进来看，东北地区下降较为明显，而其他三个地区的基尼系数则相对较为稳定。

图2 中国创新能力区域内差异Fig. 2 The within difference of China’s innovation capability

从图3看出，东部与其他三个地区间的差异较大，这说明在创新能力方面东部地区远高于其他地区。由图4可知，区域间差异是导致中国创新能力空间非均衡的主要原因，其贡献率始终保持在60%以上；区域内差异的贡献率基本稳定在24%左右，超变密度的贡献率仅为10%左右。从贡献率的演进趋势来看，区域内差异贡献和超变密度贡献在逐渐变小，而区域间差异的贡献率则有小幅上升。区域内差异的贡献率在样本考察期内下降2.5个百分点，从2001年的24.8%下降至2016年的22.3%。超变密度的贡献率在样本考察期内呈倒“N”型变化，从2001年的13.9%下降至2008年10.0%，接着又上升到2013年的14.5%，随后下降至2016年的13.6%。区域间差异的贡献率波动相对较大，在样本考察期内上升了5个百分点，从2001年的61.2%上升至 2016年的66.2%。超变密度的贡献率与区域间差异的贡献率演进趋势相反，呈此消彼长的关系。

图3 中国创新能力地区间差异Fig. 3 The between difference of China’s innovation capability

图4 中国创新能力区域差异贡献率Fig. 4 Contribution rate of regional differences

3 中国创新能力的空间收敛性检验

3.1 中国创新能力的σ收敛

图5描述了中国创新能力整体层面和地区层面的σ系数变化情况。在整体层面，中国创新能力的σ系数呈现出倒“U”型的变化态势，在2010年σ系数达到最大值2.597，此后逐年变小。这说明在整体层面中国创新能力在2010年后呈现σ收敛。在地区层面，东部与西部地区的σ系数也呈现出明显的倒“U”型变化态势，中部地区的σ系数则呈现出上升-下降-上升的“N”型波动态势，东北地区的σ系数在波动中缓慢下降，这表明东部、西部与东北地区的创新能力均呈σ收敛，但中部地区的创新能力仍处于发散状态。

图5 中国创新能力的σ系数变化Fig. 5 The σ coefficient of China’s innovation capability

3.2 中国创新能力的β收敛

以2001-2016年中国30个省份(直辖市或自治区)的创新能力为样本数据，测度了中国创新能力的Moran’sI指数，用以反映中国创新能力的空间聚集和空间依赖程度，如表1所示。从测算结果来看，在样本考察期内中国创新能力的Moran’sI指数在均显著为正，值在0.116～0.194之间，这表明中国省际创新能力具有显著的空间关联效应。由于各地区的空间关联对创新能力产生了一定程度的影响，因此在考察创新能力收敛情况时，就必须要考虑中国省际创新能力间受空间因素的影响程度，否则可能造成模型估计偏差。

表1 中国创新能力的Moran’s ITab. 1 Moran’s I of China’s innovation capability

3.2.1 中国创新能力的绝对β收敛

经检验，本文选择固定效应空间滞后模型对中国创新能力的绝对β收敛进行考察。考虑到多数创新并不能在一年内完成，创新活动具有一定的周期性，本文将考察期划分为2001-2004年、2005-2008年、2009-2012年和2013-2016年四个阶段，分别进行绝对β收敛检验，结果如表2。同时为考察各地区创新能力的收敛性差异，本文将分别对东部、中部、西部和东北四个地区进行绝对β收敛检验，结果如表3。

表2 中国创新能力的绝对β收敛检验Tab. 2 Absolute β convergence test of China’s innovation capability

表3 四大地区创新能力的绝对β收敛检验Tab. 3 Absolute β convergence test of innovation capability in four regions

实证结果表明，从中国整体看，创新能力的空间效应ρ显著为正，同时β系数为负，且在1%的水平上显著，这说明在样本考察期内中国创新能力在整体上存在绝对β收敛，收敛速度为0.285%。在分阶段考察中，2001-2004年、2009-2012年和2013-2015年的β回归系数显著为负，其中2009-2012年和2013-2016年这两个时段的空间效应ρ显著为正，这说明中国创新能力的绝对β收敛呈现出明显阶段性变化特征，在2009年后呈现出显著的绝对β收敛。从四大区域看，东部、西部和东北的β系数均为负，但东北地区β系数没有通过显著性水平检验。东部地区空间效应ρ不显著，说明从地区层面上考察，仅有西部地区创新能力是绝对β收敛，收敛速度为0.481%。

3.2.2 中国创新能力的条件β收敛

表4和表5分别报告了创新能力在整体层面和地区层面的条件β收敛检验结果。从整体看，中国创新能力的β系数显著为负，空间效应ρ显著为正，这说明中国创新能力存在条件β收敛。

表4 中国创新能力的条件β收敛检验Tab. 4 Conditional β convergence test of China’s innovation capability

表5 四大地区创新能力的条件β收敛检验Tab. 5 Conditional β convergence test of innovation capability in four regions

收敛速度为2.159%，远高于绝对β收敛的收敛速度说明控制变量中国创新能力的收敛具有明显的促进作用。在分阶段考察中，2001-2004年、2005-2008年、2009-2012年这三个时段的β系数显著为负，但仅有2001-2004年、2009-2012年的空间效应ρ显著为正，表明中国创新能力在上述两个阶段存在条件β收敛。从四大区域层面来看，东部、中部的β系数显著为负，且空间效应ρ显著为正，说明这两个区域的创新能力存在条件β收敛，其收敛速度分别为3.538%和2.142%。

条件β收敛的控制变量，在整体层面，只有研发经费内部支出和外商直接投资显著，研发经费内部支出系数显著为正，这说明研发经费内部支出依然是企业创新能力提升根本动力，研发经费投入越多，企业的创新能力就会越强，创新能力增长就越快。外商直接投资的系数显著为负，一方面，部分企业由于自身的创新能力较弱无法完全吸收外商直接投资所带来的先进技术；另一方面尽管随着外商直接投资的进入为我国带来了相对先进的知识和技术，部分企业存在的“搭便车”心理，从而导致企业缺乏提升自我研发能力的动力，最终阻碍创新能力的提升。在区域层面，研发经费内部支出对东部、西部和东北地区的创新能力收敛均有正向的促进作用，经济发展仅对东部地区创新能力收敛具有正向的促进作用，外商直接投资仅有利于中部地区创新能力的收敛。这说明不同区域在区位、资源优势、经济基础等方面存在差异，从而导致外生因素对各自创新能力收敛趋势的影响不同。

3.2.3 中国创新能力的俱乐部收敛

根据Moran散点图聚类结果(图略)，北京、天津和上海位于H-H集聚区；河北、山西、内蒙古、辽宁、吉林、黑龙江、安徽、福建、江西、山东、河南、湖北、湖南、广西、海南、四川、贵州、陕西、甘肃、宁夏和新疆位于L-L集聚区；江苏、浙江和广东位于H-L集聚区；云南和重庆位于L-H集聚区。由以上结果可以看出，70%以上的省份位于L-L集聚区，这说明这些省份的创新能力在地域上有类似属性，可能存在空间俱乐部收敛。

本文以中国创新能力聚类划分情况为依据，对中国创新能力进行俱乐部收敛检验，结果如表6所示。H-H、L-L、L-H和H-L集聚区的ρ显著为正，说明这些区域的创新能力均存在显著的空间关联效应。但仅有H-H和H-L集聚区的回归系数β显著为负，说明上述两个集聚区存在空间俱乐部收敛，收敛速度分别为1.042%和0.530%。值得注意的是在俱乐部收敛分析中仅有H-H和H-L集聚区存在显著的收敛特征，这种现象产生的可能原因是在H-H集聚区中北京、天津、上海三地区的创新能力位居全国前三，在地方政府之间的竞争中往往会产生“竞争锦标赛”效应，各地区为在“锦标赛竞争”中保持自己的竞争优势会进一步提升自己的竞争能力，因此，“锦标赛竞争”则会引导各地向更高水平的创新能力收敛。在H-L集聚区中，创新能力较强的地区被创新能力相对弱的地区包围，与邻省相比，江苏、浙江、广东三地区的创新能力较强，在地区创新能力的竞争当中容易对周边地区产生“极化效应”，使周边地区的创新要素加速流向创新能力较强的地区，从而推动这些地区向更高水平的创新能力收敛。而处于L-L和L-H集聚区的各省份由于自身的创新能力较弱且提升创新能力的空间和渠道均有限，这些地区在提升自身的创新能力过程中往往缺乏主动性，且具有较强的“搭便车”意愿，从而导致这些省份的创新能力虽有所增长，但在全国排名始终处于落后状态。

表6 创新能力的俱乐部收敛检验Tab. 6 Club convergence test of innovation ability

4 结论与讨论

本文利用中国2001-2016年的面板数据，采用Dagum基尼系数及多种收敛性方法对中国创新能力的空间非均衡特征、区域差异及空间收敛趋势进行了实证分析，得到以下主要结论：(1)中国创新能力的地区差异总体呈加剧态势；在差异的来源上，区域间差异的贡献率最大，是中国创新能力地区差异的主要来源。(2)中国创新能力在2010年后呈现σ收敛。在区域层面上，东部、西部、东北均是σ收敛的；仅有西部地区存在绝对β收敛；在整体上中国创新能力存在绝对β收敛和条件β收敛；在俱乐部收敛方面，H-H和H-L集聚区的俱乐部收敛性显著。

受制于数据获得困难，本文采用数据仅更新至2016年，在未来的研究中应增加样本数据的长度，从而科学反映创新能力的演变趋势。在条件β收敛方面，在控制因素选择方面，本文考虑的社会经济因素并不全面。因此，在后续的研究中应该筛选出更多相关的自然、社会和经济因子，综合对比多种空间面板模型确定最佳影响因素。