我国省域知识溢出吸收测度——基于空间计量方法的研究

胡彩梅，赵树宽

（1.吉林大学管理学院，吉林 长春 130022；2.黑龙江科技学院经济管理学院，黑龙江 哈尔滨 150027）

我国省域知识溢出吸收测度
——基于空间计量方法的研究

胡彩梅1，2，赵树宽1

（1.吉林大学管理学院，吉林 长春 130022；2.黑龙江科技学院经济管理学院，黑龙江 哈尔滨 150027）

在对2009年我国31个省、市、自治区知识产出数据进行探索性空间数据分析的基础上，发现知识产出具有显著的空间自相关性。因此，在知识生产函数中引入空间滞后项，构建了知识生产的空间滞后模型。通过计算经过空间过滤的全要素知识生产率，测算出我国省域知识溢出吸收量。实证研究结果表明，我国省域R&D支出、R&D人员和实际利用FDI的知识产出弹性系数分别为0.8583、0.1635和0.1096。知识溢出吸收量呈“中部隆起”状，与经济发展水平并不存在必然正相关关系，并且空间集聚现象非常明显。

知识生产函数；知识溢出吸收；全要素知识生产率；空间滞后模型

1 引言

知识溢出的概念是Mac.Dougall（1960）在研究东道国接受外商直接投资的社会效益时正式提出的，他首次把知识的溢出效应视为FDI的一个重要现象。经过半个世纪不断地研究，知识溢出已经成为内生经济增长理论、新经济地理学中的一个重要概念。学者在研究中从不同角度对知识溢出进行了界定，其中代表性的定义有以下几种。Arrow提出当新技术的秘密成为公共物品而不再为创新企业所独占时，就出现了知识溢出效应。Griliches指出知识溢出就是在相似的事情上工作，并从彼此的研究中获益。Jaffe认为，知识溢出指的是模仿者通过与知识创新者进行信息交换而获得知识和知识收益，而创新者并未得到直接的补偿，或得到的补偿低于创新知识的价值［1］。Caniels认为知识溢出是通过信息交流而获得的智力成果，但不给予知识创造者以补偿，或给予的补偿小于智力成果的价值［2］。由此可见，知识溢出之所以能够产生，其根本原因在于知识本身具有非竞争性和部分排他性。但是，这种非自愿性的知识外溢，却可以促进区域技术和生产力水平的提高。

知识溢出现象极为普遍，它在集聚、创新以及区域经济增长中的作用已经得到了广泛的证实。但是，以Krugman为代表的学者认为知识的流动是无形的，没有留下书面的痕迹可供度量和追踪，因此知识溢出的经验测度是不可靠的［3］。而Jaffe发现，使用相似技术的企业会从彼此的研发工作中获益，一个企业所获得的知识以及由此带来的生产率的提高，与其他企业有很大的关联。因此，又有很多学者采用各种方法对知识溢出进行测度。其中比较流行的方法是生产函数法和文献追踪法。

Griliches最早运用生产函数法讨论了R&D密集型产业产出的测度以及R&D资本存量的测算问题，运用企业与产业之间的技术距离对研发的溢出效应进行了度量，并探讨了研发溢出效应模型［4］。Jaffe对Griliches的生产函数进行了改进，引入溢出的空间效应，对区域层面的R&D溢出进行了研究，强调了高校、产业的地理空间以及技术相似的重要性，发现溢出效应在药品和医药技术、电子、光学器械、核技术等产业比较显著［5］。Anselin等运用空间计量经济模型对Griliches-Jaffe知识生产函数进行了改进，从州和大城市的层面对知识生产函数进行了估计。在州层面上，引入研发构成区位指数、引力距离衰减指数、覆盖距离指数对地理相似指数进行改进；在大城市层面上，引入空间滞后变量分析了大城市及其同心圆区域研发活动的特征［6］。Anselin等在考虑空间依赖性和空间异质性的基础上运用空间计量模型描述了空间外部性的形成，研究结果表明不同部门的知识溢出存在差异，证明了集聚效应的存在。Fritscher和Varga研究澳大利亚高等学校的研究活动和高技术产业区域的知识生产活动时，考虑了知识生产的时滞性，对传统的知识生产函数模型进行了改进，提出了精练知识生产函数，将区域内与区域间的溢出效应分离开来。Fischer和Varga以专利作为产出变量，以大学研究和企业R&D投资作为投入变量，运用生产函数测度了澳大利亚的空间知识溢出［7］。Andersson和Ejermo运用知识生产函数研究了瑞典功能区的知识溢出［8］。陈继勇和盛杨怿在生产函数框架下检验了中国29个行政区1992—2006年区域R&D投入、外商在华直接投资的知识溢出对区域技术进步的影响［9］。王立平依据空间计量经济学理论，在生产函数模型框架下，以高技术产业为例对我国高校R&D知识溢出的空间范围和程度进行了实证研究［10］。吕忠伟运用区域知识模型，在考虑区域吸收能力影响的同时研究了R&D空间溢出等因素对区域知识生产的影响［11］。邓明和钱争鸣在对我国省际知识存量进行估计的基础上，修正了传统的知识生产函数，分析了知识生产活动中投入要素的产出弹性、知识生产的规模报酬及空间溢出问题［12］。陈继勇和雷欣通过在知识生产函数中引入空间随机效应项，构建了贝叶斯空间层级模型，对我国省际知识溢出效应进行了测度［13］。

Jaffe运用专利引用数据来估计产业之间的知识流动。Jaffe等认为知识流动确实留下了痕迹，并常常以专利引用的形式存在，因此可以运用专利引用数据测度企业间的技术溢出［14］。Jaffe等通过对专利引用者和被引用者的访谈发现专利引用确实可以证明存在知识流动，但其中存在大量的噪声。Tijssen也提出了新的证据证明在研究国内和跨国技术关联与知识流动时使用专利引用数据是合理的。Maurseth和Verspagen运用专利引用说明了知识流动的模式［15］。马野青和林宝玉运用专利引用追踪法测度了FDI对东道国的知识溢出效应［16］。

国内外学者针对知识溢出效应测度开展了广泛的研究，但对中国省域空间知识溢出的测度仍然处于探索阶段，探索区域吸收知识溢出的研究还比较少。本文在借鉴前人研究成果的基础上构建了考虑空间滞后效应的知识生产函数，通过测算经过空间过滤的全要素知识生产率，对中国31个省、市、自治区的知识溢出吸收量进行测度，并探索提高知识生产效率和知识溢出效率的途径，以期为我国省域经济社会协调发展提供借鉴。

2 研究设计

由于生产函数既能够体现知识溢出的空间特征，又可以通过一系列变量近似地表示知识投入和产出，在研究中应用比较广泛。全要素生产率又称为“索洛余值”，是衡量单位总投入和总产量的生产率指标。产出增长率超出要素投入增长率的部分为全要素生产率增长率。在知识生产过程中，知识产出增长率超出要素投入增长率的部分可以看做是吸收知识溢出的结果。

本文通过测算2009年度我国31个省、市、自治区的全要素知识生产率，进而分析其知识溢出的吸收情况。

2.1 探索性空间数据分析

进行空间数据分析时，首先要运用探索性空间数据分析直观地描述空间数据，从而发现问题，然后运用空间计量经济方法深入研究所发现的问题，进而为相关理论提供经验证据。

全局空间相关性分析主要是从区域空间的整体上刻画区域知识生产空间分布的集群情况。检验全局空间相关性最常用的指标是Moran指数。该系数是用来衡量相邻空间分布对象及其属性取值之间的关系。其计算公式如下：

Moran指数可以视为观测值与其空间滞后之间的相关系数。变量Yi的空间滞后是Yi在邻域j的平均值，其定义为：

Moran指数的取值在-1到1之间，大于0表示该空间事物的属性分布具有正相关性，接近1时表示具有相似的属性集聚在一起（即高值与高值相邻、低值与低值相邻）；小于0表示该空间事物的属性分布具有负相关性，接近-1时表示具有相异的属性集聚在一起（即高值与低值相邻、低值与高值相邻）；接近于0表示属性是随机分布的，不存在空间自相关性［19］。

运用Rook相邻方法设定权重矩阵，得出中国内地31个省、市、自治区的一阶邻接矩阵，邻接矩阵的961个元素中，共有136个元素是非零的，反映了对应省、市、自治区的相邻关系。用专利申请量来代表生产的新知识是学界常用的方法。为了消除区域大小不同而产生的偏差，本文采用省域万人专利申请量来表示生产的新知识，用万人R&D经费内部支出、万人R&D人员折合全时当量、万人FDI作为知识生产的投入要素。运用GeoDa软件，计算得出我国省域知识产出和知识投入的空间自相关性及蒙特卡罗检验（见表1）。

由表1可以看出，我国省域万人专利申请量和万人 R&D经费内部支出的 Moran指数分别为0.3967和0.3514，并且在1%的显著性水平下都通过了蒙特卡罗模拟检验。这说明我国省域知识产出和R&D经费内部支出空间自相关性显著。而万人R&D人员折合全时当量、万人FDI的Moran指数分别为0.047和0.081，未能通过显著性检验，说明R&D人员和FDI的空间自相关性不显著。

2.2 模型的构建

知识生产函数最早是由Griliches［4］提出的，他认为知识投入是知识产出的函数。本文在前人研究的基础上对知识生产函数进行了扩展，构建如下的空间滞后模型：

式（3）中，Y代表知识产出；X代表影响区域知识生产的相关因素；W代表空间加权向量，用邻接矩阵表示；ρ代表空间自相关系数，|ρ|〉1意味着空间自相关度较高，距离就越远；ξ为随机误差项向量。

由于式（3）右边存在因变量，所以无法直接运用最小二乘法进行估计，因此需要对式（3）进行变换。

式（4）中A代表加权矩阵；ρˆ代表估计的自相关系数；wij代表区域之间的距离。（1－ρW）Y是一个被过滤的空间因变量，即空间自相关的影响已剔除。

本文以万人专利申请量（PAT）代表知识产出，为被解释变量；选择万人R&D经费内部支出作为知识生产的资本投入（CAPITAL）、万人R&D人员折合全时当量作为劳动投入（HUMAN）。一方面由于FDI企业在生产、经营活动过程中通过示范效应、竞争效应以及跨国公司人员的培训和流动会为当地带来知识溢出，另一方面FDI还可以通过增加当地的进口贸易从而传递国际知识溢出。因此，将各区域实际利用FDI（FDI）也作为知识生产的一个投入要素。建立双对数知识生产函数模型：

用知识生产的全要素生产率 （TFP）乘以(1－ρW)来衡量区域知识溢出。

2.3 结果分析

运用OLS法对空间滞后模型进行回归，发现我国31个省域知识生产函数的拟合优度为85.70%，各个解释变量都通过了显著性检验（见表2），模型拟合效果较好。省域R&D经费投入对知识产出的弹性系数为0.8583，说明R&D经费支出对省域知识生产活动具有显著的贡献，R&D经费内部支出（对数）每增长1%，将使得省域万人专利申请（对数）增长约0.86%。R&D人员投入对知识产出的弹性系数为0.1635，说明R&D人员对省域知识生产活动贡献比较显著，R&D人员（对数）每增长1%，将使得省域万人专利申请 （对数）增长约0.16%。实际利用FDI对知识产出的弹性系数为0.1096，说明实际利用FDI（对数）每增长1%，将使得省域万人专利申请（对数）增长约0.11%。

回归得出的空间自相关系数的估计值为ρˆ= 0.13745。通过计算得出我国省域知识溢出吸收情况（见表2），知识溢出吸收空间分布（见表3）的四分位图（见图1）。从表3和图1可以看出我国省域知识溢出吸收量呈“中部隆起”状，空间集聚现象非常显著。浙江、河南、安徽、湖北、河北、内蒙古、四川和陕西处在第Ⅰ梯度，是吸收知识溢出量最高的区域。广西、江苏、宁夏、广东、江西、重庆、贵州、湖南处在第Ⅱ梯度，是吸收知识溢出比较高的区域。新疆、福建、青海、山西、西藏、山东、甘肃和云南处在第Ⅲ梯度，是吸收知识溢出比较低的区域。辽宁、海南、天津、黑龙江、上海、北京、吉林处在第Ⅳ梯度，是吸收知识溢出量最低的区域。从吸收知识溢出的空间集聚方面来看，吸收知识溢出量比较高的区域主要集中在沿长江地带和珠三角地带；吸收知识溢出量比较低的区域主要集中在东北和西北地区。

3 结论及政策建议

本文通过对知识产出和知识投入的探索性空间数据分析发现：（1）知识产出即万人专利申请量和R&D经费投入具有较强的空间自相关性，说明某一省份知识产出和R&D经费投入受邻近其他省份知识产出和R&D经费投入的影响比较显著。吴玉鸣［20］、王家庭和贾晨蕊［21］的研究都表明专利申请量具有较强的空间相关性。李婧等的研究表明1998—2007年间我国省域发明专利授权量具有明显的空间自相关性［22］。万坤扬等的研究表明用万人发明与实用新型专利授权量衡量的省域创新产出具有显著的空间自相关性［23］。（2）R&D人员和FDI的空间自相关性不显著。夏帆的研究也表明1993—2005年间某一省份吸收的FDI基本上不受邻近地区吸收FDI的影响［24］。

由于我国省域的知识产出呈现出较强的空间自相关性，因此用经过空间过滤的全要素生产率来代表知识溢出，在知识生产函数中引入空间滞后项对我国31个省、市、自治区的全要素知识生产率进行了测度。研究发现R&D经费投入对知识产出的弹性系数为0.8583，这说明知识生产需要强有力的资金支持。R&D人员投入对知识产出的弹性系数0.1635，FDI对知识产出的弹性系数为0.1096，这两个指标对知识生产也有显著贡献。我国省域知识溢出吸收量呈“中部隆起”状，空间集聚现象非常显著。

在研究中发现如下几点政策内涵对提高我国省域知识生产率和知识溢出吸收效率具有重要意义：

（1）我国省域R&D经费内部支出呈现的空间分布特征是高—高相邻和低—低相邻。这说明省域R&D经费内部支出存在“攀比效应”。对于经济发展水平比较落后的东北和西北地区，可以采取必要财税政策，鼓励企业、高校和研发机构不断加大R&D经费支出，不断提高区域知识生产效率，用科技引领经济，缩短区域差距。

（3）我国省域吸收FDI的空间自相关性并不明显。这说明一个地区吸收的FDI基本上不受邻近地区吸收FDI的影响。对于那些不太受跨国公司青睐的地区是可以通过制定优惠政策、改善投资环境、挖掘区域优势、在国际分工体系中找到自己的合理定位，从而吸引更多的FDI。

（4）在知识生产的三种投入要素中，R&D经费内部支出的弹性系数远远大于R&D人员的弹性系数，说明我国多数省普遍存在R&D经费投入和R&D人员不匹配的问题，增加R&D经费投入是提高知识生产最有效的途径。同时也说明，知识生产活动离不开受过良好教育并掌握了一定技能的人力资本的支撑。因此，需要加大对R&D人员的投入力度，通过对R&D人员的再培训和再教育以提高人力资本的质量，从而实现更快的知识产出和经济增长。

（5）从我国省域吸收知识溢出量的梯度分布来看，北京、上海和天津等经济发展水平比较高的地区处在第Ⅳ梯度，而经济发展水平相对比较落后的内蒙古等中部地区省市处在第Ⅰ梯度，这从一个侧面说明知识溢出吸收量与区域经济发展水平并不存在必然的正相关关系。对于中部地区来说，其经济社会发展水平已经具备了充分吸收其他地区知识溢出的能力，加强区域知识信息交流机构和平台建设，适时提高技术中介的服务能力，促进知识转化成现实的生产力，对于中部地区实现“中部崛起”意义非凡。此外，我们在研究中发现知识溢出吸收量受空间影响较大。如果一个省份有较多的邻接省份，知识溢出吸收量就会偏大，反之则较小。北京、上海和天津的知识溢出吸收量较小，而内蒙古吸收知识溢出量较大就很好地印证了这一点。因此，对于东北和西部那些地理位置比较偏远、自主创新能力欠佳的省份，可以通过建立跨区域的“官产学研”机构，加强与其他区域的交流与合作，充分利用知识的外部性，提高对知识溢出的吸收量，进而提高知识生产效率和经济发展水平。影响知识溢出吸收的因素比较多而且复杂，因此，需要进一步寻找影响知识溢出吸收的主要因素。

［1］Adam B.Jaffe.Economic Analysis of Research Spillovers［C］.Implications for the Advanced Technology Program.National Institute of Standards and Technology，Gaithersburg，MD.1996.

［2］MCJ Caniẽls.Knowledge spillovers and economic growth:regional growth differentials across Europe［R］.Edward Elgar Publishing Limited.2000.

［3］Paul Krugman.Increasing returns and economic geography［J］.Journal of Political Economy，1991，99（3）:483-499.

［4］Zvi Griliches.Issues in assessing the contribution of research and development to productivity growth［J］.The Bell Journal of Economics，1979，10（1）:92-116.

［5］Adam B.Jaffe.Real effects of academic research［J］.American Economic Review，1989，79（5）:957-970.

［6］Luc Anselin，Attila Varga，Zoltan Acs.Local geographic spillovers between university research and high technology innovations［J］.Journal of Urban Economics，1997，42（3）:422-448.

［7］Manfred M.Fischer，Attila Varga.Spatial knowledge spillovers and university research:evidence from Austria［J］.Annals of Regional Science，2003，37（2）:303-322.

［8］Martin Andersson，Olof Ejermo.Knowledge Production in Swedish Functional Regions 1993—1999［R］.Ljungby workshop on Knowledge Spillovers，2002.

［9］陈继勇，盛杨怿.外商直接投资的知识溢出与中国区域经济增长［J］.经济研究，2008，（12）:39-49.

［10］王立平.我国高校R&D知识溢出的实证研究——以高技术产业为例［J］.中国软科学，2005，（12）:54-59.

［11］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.

［12］邓明，钱争鸣.我国省际知识存量、知识生产与知识的空间溢出［J］.数量经济技术经济研究，2009，（5）:42-53.

［13］陈继勇，雷欣.我国区域间知识溢出的数量测度.科技进步与对策，2010，27（1）:39-44.

［14］Adam B.Jaffe，Manuel Trajtenberg，Rebecca Henderson.Geographic localization of knowledge spillovers as evidenced by patent citations［J］.Quarterly Journal of Economics，1993，108（3）:577-598.

［15］Per Botolf Maurseth，Bart Verspagen.Knowledge spillovers in Europe:a patent citations analysis［J］.Scandinavian Journal of Economics，2002，104（4）:531-545.

［16］马野青，林宝玉.在华FDI的知识溢出效应——基于专利授权数量的实证分析［J］.世界经济研究，2007，（5）:20-25.

［17］Moran P..The interpretation of statistical maps［J］.Journal of the Royal Statistical Society，1948，（10）:243-251.

［18］Getis A.，Ord J.K..The analysis of spatial association by the use of distance statistics［J］.Geographical Analysis，1992，24（3）: 189-206.

［19］沈体雁，冯等田，孙铁山.空间计量经济学［M］.北京:北京大学出版社，2010:41.

［20］吴玉鸣.空间计量经济模型在省域研发与创新中的应用研究［J］.数量经济与技术经济，2006，（5）:74-85.

［21］王家庭，贾晨蕊.中国区域创新能力及影响因素的空间计量分析［J］.中国科技论坛，2009，（12）:73-78

［22］李婧，谭清美，白俊红.中国区域创新生产的空间计量分析［J］.管理世界，2010，（7）:43-55.

［23］万坤扬，陆文聪.中国技术创新区域变化及其成因分析——基于面板数据的空间计量经济模型［J］.科学学研究，2010，28（10）:1582-1591.

［24］夏帆.基于中国FDI的空间计量分析.商业经济与管理，2007，（9）:75-79.

Knowledge Spillovers Absorption of Provincial Districts in China——An Empirical Research Based on Spatial Econometrics

Hu Caimei1,2,Zhao Shukuan1
（1.School of Management,Jilin University,Changchun 130022,China；2.School of Economics and Management,Heilongjiang Institute of Science and Technology,Harbin 150027，China）

Based on the exploratory spatial data analysis of knowledge output of China’s 31 provinces（municipalities and autonomous regions）in 2009,this paper finds the knowledge output has marked spatial autocorrelation.In the paper,spatial lag term is incorporated into knowledge production function,and spatial lag model is established.By way of calculating spatial filtrated TPF of knowledge production,this paper calculates absorbed knowledge spillovers in 31 provinces of China.Empirical studies show the coefficients elasticity of R&D spending,R&D personnel and actual using FDI are 0.8583,0.1635 and 0.1096 respectively.The spatial distribution pattern of knowledge spillovers absorption in 31 provinces,protruding in the middle region of China and the phenomenon of spatial aggregation is in evidence.The relationship between knowledge spillovers absorption and the level of economy development is not necessary positive.

knowledge production function;knowledge spillovers absorption;total factor knowledge productivity;spatial lag model

2010-01-19

胡彩梅（1982-），女，山东郯城人，吉林大学管理学院博士生，黑龙江科技学院讲师；研究方向：技术经济与管理。

F061.5

A

（责任编辑 谭果林）