基于技术相似性指数的高技术产业知识溢出

李文宇，陈健生

（西南财经大学经济学院，四川 成都 611130）

基于技术相似性指数的高技术产业知识溢出

李文宇，陈健生

（西南财经大学经济学院，四川 成都 611130）

知识溢出是影响产出的重要因素，但怎样估计知识溢出的规模有一定的困难。本文通过使用技术相似性指数分析了高技术产业的知识溢出情况，可以得到结论：高技术产业及其知识规模都向主要发达省份集聚，而技术溢出和水平溢出是主要的影响因素，技术溢出在其中起到关键作用，而水平溢出则会因为模仿产生负面影响。并且知识规模存在门槛效应，只有投入达到一定规模，才会对产业发展有积极影响。

新经济地理；技术相似性指数；高技术产业；知识溢出；空间统计

知识溢出是近年来的一个重要的研究方向，对经济增长、区域产出和产业组织分析都有深刻的影响。实证研究已经证明研发支出（R&D）对企业和区域发展都会产生长期的正面影响,知识的投入不仅会表现在直接要素产出上，也会通过溢出的方式给其他企业或者区域带来收益，所以对知识投入的分析就必须考虑知识溢出所带来的影响。本文主要从区域的角度出发，以高技术产业的数据为实例，分析知识溢出对产业发展和集聚的影响。

1 基于技术相似性指数的高技术产业知识溢出度量

1.1 技术相似性指数介绍

技术相似性指数最早是由Jaffe使用，通过对知识投入的差异来估计知识溢出的水平，认为知识溢出主要来自于不同水平的投入［1］，可以看作Fujita所提出的差异性知识，这种知识才会带来交流，形成知识溢出影响。那么，知识溢出就可以通过“潜在溢出池”（potential spillover pool）来反应，潜在溢出池包含了其他个体与研究对象的差异水平。所以，知识溢出水平可以通过两者的差异度来估计，Bloom等和Lychagin等采用技术相似性指数来估计美国行业中知识溢出水平的大小［2］，国内也有使用这一指数的文献［3-4］，但与本文不同的是没有区别不同的知识溢出途径。

对知识存量的计算，使用了永续盘存法来计算，所以不考虑知识溢出时，单个区域的知识存量为：

Sit-1为上一期的知识存量，Rit为本期的知识投入量，Sit就是本期的知识存量，δ为一个折算指数，考虑到高技术产业的更新速度较快，这里将其取为25%，当存在知识溢出时，总的知识存量就为：

其中WIJ为知识溢出系数，对于不同的区域，其知识溢出量就为技术相似性指数和本身知识存量的乘积，即：

技术相似性指数为知识溢出度量提供了一个简易的估计办法，使用不同研究对象的差异，考虑了个体的交互影响，进而获得知识溢出水平。下文将使用技术相似性指数对中国省份间高技术产业的知识溢出水平进行估计，为进一步的分析建立基础。

1.2 知识溢出的分类

知识溢出有不同的表现形式，不同知识溢出的规模和途径有所区别，所以应对知识溢出进行分类，以获得更为准确知识溢出水平，也为知识溢出途径分析提供基础。本文采用Griliches对知识溢出的分类方法［5］，主要对其中两种知识溢出水平进行估计，包括技术溢出和水平溢出，而纵向溢出因为数据难以获得，没有在文中进行分析。根据其观点，我们可以将知识溢出分为以下三类：

（1）知识交流下的技术溢出。

企业同时进行同类技术的研发，可以通过技术交流相互学习。比如：泡沫浮选技术的发展，极大地促进了选别复杂、低品位矿石的选矿工艺，虽然在19世纪就已经出现了专利，但是后来冶金行业内不断相互学习，不断对其进行发展，使全行业以及相关行业都获得了技术进步带来的收益。Jaffe认为企业的技术位置会影响知识溢出，通过溢出池获得技术机遇，从而带来知识溢出影响［1］。

（2）行业内的水平溢出。

企业通过向行业内的其他企业进行模仿和学习，可以从其他企业的研发活动中吸取知识，从而获得收益，比如：当缺乏保护时，一个企业发明了新产品，同类企业就可以跟进，制造相似的产品来获得新产品的收益。Levin和Reiss认为这种行为在竞争市场中降低成本，并且创造需求，从而推动企业研发的发展［6］。Bernstein也持这样的看法，并使用了加拿大的数据进行了实证分析，认为知识溢出降低了成本，并且行业内的溢出行为有更大弹性［7］。通过对供给和需求两方面的分析，Ornaghi证明技术溢出对企业发展有正面的影响，并且产品创新比工艺创新有更大的作用［8］。

（3）供需带来的纵向溢出。

企业会通过产业链的纵向关联获得知识溢出收益，当上游产业因技术进步降低了产品成本，下游产业就会通过购买这些产品获得收益。比如：汽车行业的配件行业提高了产品的质量或者降低了成本，制造整车的企业也会因此得到技术发展的收益分享。Goto and Suzuki使用日本的数据，得到R&D支出可以使投入产业获得收益，同时也为其他产业带来溢出收益，这一过程是通过中间商品带来的［9］。

1.3 我国高技术产业知识溢出的度量

这里使用了历年的《中国高技术产业统计年鉴》（其中包括了医药制造业、航空航天制造业、电子及通信设备制造业、电子计算机及办公设备制造业、医疗设备及仪器仪表制造业）1998-2008年数据，因为一些省份的数据缺失比较严重，所以剔除了西藏、青海和新疆三个省份的数据，使用了共28个省份的数据进行分析，对高技术产业的技术溢出和水平溢出水平进行估计。

首先，使用28个省份的高技术产业R&D投入度量技术溢出差异水平，用tech来表示。从计算结果可看到，技术溢出量较高的为沿海地区以及内陆的部分发达省份，其中广东最高，是唯一大于计算数4千万以上的，而1000-4000万量级中的省份均为沿海省份，中西部地区较高的是四川、陕西、湖北以及河南，处于200-1000万之间。其余省份则相对很低，处于最低的一级（见图1）。同产业的分布比较一致，技术溢出量在空间也是出现分布不均衡的现象，主要集中于发达省份，这会导致因为累积因素的影响，使各省份之间的差距日渐扩大。

对于水平溢出的度量，这里跟随Bloom等的方法［10］，继续使用技术相似性系数来度量区域的水平溢出量，采用的数据为各行业的销售水平，来表示不同区域的市场规模下的知识水平溢出，可以看作不同规模区域之间的学习，使用SIC来表示。水平溢出的情况与技术溢出很接近，这里就不再详细叙述。

2 知识溢出对集聚影响及高技术产业的集聚状况

2.1 知识溢出与集聚

图1 2008年中国主要省区的技术溢出量

知识溢出对集聚的影响一直受到关注，但是对其发生机制有多样的看法，并且在理论分析上有一定的空白。Fujita从理论角度对知识溢出对集聚产生的影响进行了分析，将原有的产业关联分为经济关联和知识关联。当然，不同条件下知识溢出的效率是不同的，其通过证明后得出，只有交流两方（按照Fujita的思想，这里的两方可以看作两个人、两个企业或者两个区域。这里用K来表示，直线表示其属于某一区域）结合后产生的知识增长率达到一定规模，两者才会进行知识创新，也就是说知识交流存在收益递增。那么当知识关联产生并发生效果后，就会出现自我加强的作用，效益会逐渐降低，逐步形成新的稳定均衡。所以，随着交流的多元化和广泛化，当两者的知识关联不再产生效益时，每个人又会通过交流来寻找新的合作对象，随着人的流动，知识得到不断的传播（见图2）。知识关联产生本地市场效应（本地市场效应（Home market effect）是指在一个存在报酬递增和贸易成本的世界中，那些拥有相对较大国内市场需求的国家将成为净出口国。在产业空间布局上的表现就是，规模较大的地区会拥有更大的产业份额，从而使产业分布呈现不均匀的现象），进而带来集聚效果的过程。其中C表示交流双方的共同知识，D表示双方的差异知识，图2是一个两区域的模型，区域A和B里都有拥有不同知识的劳动力，劳动力都是可以流动的，两个区域内都各自存在区内的知识关联，而区域之间则依靠区域间的知识关联和要素流动来进行交流。当某一区域因为规模扩大，其区内知识关联带来的效益就会更多，所以就产生本地市场效应的作用，劳动力会通过移民转移到该区域，在这种自我增强的过程中，当该区域的扩散力与知识关联的集聚力产生均衡时，在该区域就形成了知识创新的集聚地，从而与另一个区域共同构成了一个“核心-外围”的区域结构。

2.2 高技术产业的集聚状况

与普通研究集聚的视角不同，本文主要从知识溢出的角度着手，但对空间上集聚状况的分析也很必要。关于分析区域间的产业分布的方法有很多，我们首先使用区位商的方法衡量各区域的产业集聚情况，然后使用Moran I指数（Moran I指数是常见的空间统计指标，通过检验空间上自相关情况来分析产业集聚情况，如果在空间上更趋于集聚，Moran I指数会有较高的显著度，具体计算方法见下文）来分析其空间分布情况。区位商是较为常见的衡量指标，通过单个区域与总体样本之间的比值来计算，具体的计算公式如下：

图2 知识溢出下的产业集聚分析图（来源于Fujita的论文［5］）

其中Eij代表了区域I中J行业的指标，Ei表示的整个区域的指标，而Ek则是上一级区域的指标，一般是整个国家的的数据，多采用从业人数或者产出作为衡量数据，数值越大，说明在该区域的产业越集中，在该区域的集聚程度越高。其中总产出数据来源于历年的《中国统计年鉴》，使用了所有高技术产业的总产出作为产业计算数据。通过计算发现，在2008年，区位商最高的为广东省，达到2.69，而其他发达省份的区位商也较高，北京、天津、上海、江苏和福建的区位商都超过了1，经济较为落后的省份高技术产业也比较不发达，比如最低是的甘肃，而宁夏、云南、山西和内蒙古的区位商都没有达到0.15。这说明我国的高技术产业主要还是集中在经济发达省份，而落后省份还处于发展劣势。

空间统计方法是现代地理学中快速发展的一门学科，用于解释空间上相互作用和依存结构问题，可以把空间相关看作除了时间相关之外，另外一个重要的数据分析支撑，可以使用空间位置建立数据之间的统计关系，检验数据在空间上的自相关情况，获得各区域间的集聚度量。检验空间上自相关可以使用Moran I指数来分析：

这里使用了空间的分析软件Geoda095i来进行处理，这是一个通用的空间数据处理平台，主要的处理对象是网格数据的空间分析。我们分别计算了4个年份的Moran I指数，并且对其进行了P值检验（见表1）。

表1 不同年份的高技术产业区位商Moran I值

从表1中可以看到，P值检验的结果比较显著，说明各年份的高技术产业区位商都有一定的空间相关性，高技术产业在空间存在一定的依赖性，主要的集聚省份集中在一起，也说明在省级层面高技术产业更趋向于集中，主要向发达省份集中，为进一步分析其在各省份的分布情况，通过Moran I散点图（这里没有直接使用Moran I散点图来表示，用象限来表示各省散点在不同象限的分布，能更清晰的看到各省在集聚情况的分布），我们给出了2008年的Moran I指数的象限分析（见表2）。

其中，第一和第三象限的HH和LL都表示在空间上的正相关，HH为高集聚区域被其他高集聚区域所包围，在其中我们可以看到大多数的发达省份，而LL则表示低集聚被其他低集聚区域所包围，这里包含了我国多数的省份，而第二和第四象限的LH和HL分别表示空间上的负相关，即低集聚区域被高集聚区域所包围，或反之。总的来看，第二和四象限占据的总数不多，其中第四象限只有广东，而第一和三象限包含了大多数省份，说明我国的高技术在空间出现了两种集聚模式的分化。造成空间分布上的集聚情况的原因有很多相关的分析，本文更着重于知识溢出的影响。集聚也是造成产出变化的重要因素，后文将使用知识溢出对集聚情况的影响进行分析。

表2 2008年的Moran I指数象限分析

3 计量分析

可以看到，高技术产业的知识溢出和集聚都有近似的空间分布，主要集中于沿海发达地区，而内陆地区相对比较分散。知识溢出会对行业产出造成影响，而这种结果往往会通过累积因果致使产业向一定区域集聚，以获得规模经济收益，并且这一过程会自我加强。

3.1 数据来源与处理

这里共使用4个产出数据作为解释变量，包括行业总产出（G）、新产品产出（N）、总营业收入（S）以及知识产出（R），为研究知识溢出对集聚的影响，也将区位商（E）加入方程作为被解释变量。使用的数据来源于历年的《中国高技术产业统计年鉴》，包含1998—2008年的5个高新技术产业数据，仍然剔除西藏、新疆以及青海三个省的数据。列出通用方程如下：

其中Y是不同区域在不同年份的产出，S为其的本地知识存量，tech和sic分别为技术溢出和水平溢出量，X是其他产出要素（包括劳动力和资本），还将上期的销售收入（sale（-1））作为外部的冲击加入方程，进行了回归分析。对于知识产出的效果度量，我们采用Bloom等的方法［10］，使用R&D投入与总产出的比值来计算。

3.2 知识溢出的计量分析

对于使用的面板计量，采用Hausman检验确定随机或者固定效应，随机效应假定的是解释变量不相关，而固定效应模型则假定解释变量相关，固定效应在一定程度上可以剔除个体异质性的因素。经检验后，其中大部分采用固定效应方法，为了数值更便于观察，对其进行了一定的量级处理，实际的计量结果见表3。

表3 计量检验结果

从表3的检验结果来看，技术溢出和水平溢出对被解释变量都有很高的显著度，说明其对主要的产出都有稳定的影响。技术溢出基本呈现正向的影响，而水平溢出则在前3个方程都出现了负向影响，这与Bloom等的理论证明结果相似，水平溢出是在同类行业中相互学习获得的，这种方式更多的是一种“偷师”的结果［2］，如果在缺乏技术保护的情况下，水平溢出不会带来正面的结果，反而会降低整体产出，这也是个体与整体利益对抗的结果。而在多数的产出检验中，技术溢出的影响要大于水平溢出，说明技术溢出的有效性要大于水平溢出，通过技术革新带来的收益更大。在检验4中，技术和水平溢出都对知识产出产生了正面的影响，说明两种溢出方式都能提高知识规模的扩大。在检验5中，有4个解释变量都有较高的显著度，可以联系新经济地理中对于集聚的解释，认为市场规模对产业集聚有主要的影响，会产生本地市场效应，产业会更倾向于定位于市场规模更大的区域，其中的变量都可以看作知识、技术、人力以及资本规模，可以说高技术产业仍然遵循产业集聚的一般特点，即定位于有更大市场潜力的区域。在产出方程中，知识存量、变量的表现都不显著，这是一个比较令人质疑的结果，因此，对知识存量做了二次回归检验。

3.3 对知识存量的二次回归检验

将知识存量平方后再进行回归的结果，与前面的结果不同，知识存量的显著度有明显的提高，与各被解释变量存在非线性的二次关系，说明知识投入对产出是一个分阶段的结果（见表4）。在前期，知识存量未达到一定程度时，不会对产出产生影响，而只有达到一定门槛，知识的累积才会产生正面的影响。那么，对于相对落后的省份来说，要发展高技术产业，对其的知识投入必须达到一定规模才会产生效益，换句话说，要发展高技术这样的知识相对密集的产业，存在“门槛”效应，只有投入达到一定水平，才能有效发挥产业的规模经济。

4 结论

表4 对知识存量的二次回归检验结果

高技术产业的分布呈现向沿海地区集聚的现象，并且区域间的知识溢出水平也有同样的趋势。在对溢出水平进行计量分析后，发现技术溢出的影响更大，而水平溢出则会呈现相反的影响，水平溢出是不同区域规模等级上的知识流动，更多的是通过模仿和“偷师”来完成，所以应采取有效的技术专利保护手段，以减弱这种影响。对知识投入进一步研究后发现，知识投入与产出的关系呈现较为显著的二次相关关系，也就是说知识投入必须达到一定的 “门槛”规模，才能对产出产生正面的影响。

高技术产业是一个蓬勃发展的行业，对我国各省和全国的经济发展都有着重要的意义，虽然现在我国主要的高技术产业都分布于沿海及个别内陆省份，但是随着经济发展，其他省份希望获得产业制高点的愿望也非常强烈。有的观点认为，内陆落后省份应该发展低端产业，产业转移应是逐级推进的模式，通过发挥内陆地区的劳动力优势来获得欠发达地区的经济起飞。但是，新经济地理学的研究表明，某些行业会出现更大的区位粘性，会更依赖于本地市场规模，特别是低端劳动密集型产业更倾向于定位于市场规模更大的地区。我们认为，对我国内陆地区的发展而言，地区产业政策上可以探寻另外一种路径，即通过在本地建设知识密集型产业来获得发展优势，通过建设相关的产业集群，发挥其产业前后向关联，吸引相关产业向本地区集中，同时适度保护本地的消费市场，开放中间投入品的市场，形成自身在产业方面的相对优势，形成较为完整的地方化产业体系，进而实现区域之间的协调发展。在此基础上，针对知识溢出对产业发展的影响，给出高技术产业的相关政策建议：

（1）为高技术产业发展创设良好的外部环境，建设发展必要的基础设施。这里的基础设施包括相应的交通、通信等，还需要有良好的“产学研”系统，建立必要的人才培养和贮备机制，为知识的积累创造条件。通过科研机构、高等院校等知识产出机构，与企业发展结合，加速知识到产品的转化过程。

（2）积极引导知识储备，保护知识创新成果。高技术产业很多新产品的研发过程较长，进行技术创新投入的风险较大，在形成产品后，因为技术保护制度不完善，会因为技术流出，使企业不能收回投入成本，降低了企业的创新积极性。所以，应加强对知识产权和专利的保护，为企业创造良好的创新条件，并且给予创新贡献明显的企业足够的扶持，把知识创新作为发展高技术产业的重要环节。

（3）建立以市场为主导，科学规划发展的体制。虽然高技术产业对区域经济带动作用明显，但是不能盲目发展，应遵循经济规律，结合本地实际条件，利用已有的知识基础找准突破点。高技术产业很多都是国有企业，有相当的研发实力，从企业内部来看，应加强内部的机制创新，注重技术效率的提高，从单纯的规模壮大向规模效应转变。

［1］Jaffe A.B..Technological opportunity and spillovers of R&D:evidence from firms patents,profits,and market value［J］.American Economic Review,1986,76:984-1001.

［2］Bloom N.,Schankerman M.,Van Reenen J..Identifying technology spillovers and product market rivalry［R］.2008,CEP mimeo.

［3］吕忠伟.R&D空间溢出对区域知识生产的作用研究［J］.统计研究，2009，（4）：44-52.

［4］高凌云，王永中.R&D溢出渠道、异质性反应与生产率:基于178个国家面板数据的经验研究［J］.世界经济，2008，（2）：65-73.

［5］Grilliches Z.,Issues in assessing the contributions of research and development to productivity growth ［J］.Bell Journal of Economics,1979,10:92-116.

［6］Levin R.C.,Reiss P.C..Cost-reducing and demand-creating R&D with spillovers［J］.Rand Journal of Economics,1988,19:538-556.

［7］Bernstein J.I..Costs of production,intra-and interindustry R&D spillovers:canadian evidence［J］.Canadian Journal of Economics,1988，21:324-347.

［8］Ornaghi C..Spillovers in product and process innovation:evidence from manufacuring firms［J］.International Journal of Industrial Organization,2006，24:349–380.

［9］Goto A.,Suzuki K..R&D capital,rate of return on R&D investment,and spillovers of R&D in Japanese manufacturing industries［J］.Review of Economics and Statistics,1989,71:555–564.

［10］Bloom Nicholas,Rachel Griffith,John VanReenen.Do R&D tax credits work?［J］.Journal of Public Economics,2002,85:1-31.

Knowledge Spillover of High-tech Industry Using Technological Similar Index

Li Wenyu，Chen Jianshen
（School of Economics，Southwestern University of Finance and Economics，Chengdu 611130，China）

Knowledge spillover is an important factor of production,but how to estimate the size of knowledge spillover has some difficulties.This paper analyzes knowledge spillover of high-tech industry by using the JAFFE similar index.The results include:the size of high-tech industries and knowledge clustered to the main provinces;horizontal spillover and technological spillover are main effect factors;technology spillover effect plays the key role;horizontal spillover has a negative impact because of imitation;scale of knowledge has threshold effects.

new geography economics;technological similar index;high-tech industry;knowledge spillovers;spatial statistics

2010-12-29

李文宇（1980-），男，四川资阳人，经济学硕士；研究方向：空间经济与城市发展。

F061.5

A

（责任编辑 谭果林）