区域创新空间差异及其影响因素

任颖盈　许继琴　雷亮

摘要：采用探索性空间数据分析了浙江省71县域2003-2012年创新空间差异及其时空演变，并使用空间计量模型分析了区域创新影响因素，结果发现：县域创新空间分布呈两极分化、双创新核心格局，对创新水平高的地区，人才投入、知识溢出、FDI技术扩散等因素对区域创新的作用更加明显，科技经费投入的效用则不显著，而对于创新水平低的地区，情况则正好相反。文章研究结论对于不同创新水平地区制定相应的政策具有一定的启示意义。

关键词：区域创新；空间差异；知识溢出；县域

中图分类号：C31

文献标志码：A

文章编号：1008-7133（2015）04-0025-07

依靠高强度的投资及低成本商品的出口，我国经济取得了飞速的发展。然而，2008年席卷全球的金融危机为这种不可持续的经济增长方式敲响了警钟。党的十八大报告指出，加快转变经济发展方式关键还在于实施创新驱动发展战略。

据中国经济研究热点排名，金融危机以后，自主创新重新受到学界的极大关注，在2010-2012年连续三年进入中国经济研究热点前10名。多数学者在国家或省域层面探讨了区域研发经费投入、人力资本投入、市场化程度、区域服务业发展水平、政府政策支持等因素对区域创新能力的影响，并提出提升区域创新能力的对策建议。随着空间经济学的兴起，越来越多的学者开始关注地理邻近与区域创新能力的相关性，并探讨地理空间知识溢出、地区知识吸收能力对区域创新的促进作用。

从现有的研究成果来看：第一，大部分研究集中在省域或更大的空间尺度，作为区域经济的重要组成单位——县域经济得到的关注明显不足，基于县域空间尺度的区域创新差异与空间格局是否如省域一般呈两极分化、多中心格局。第二，多数研究认为知识溢出存在地理边界，知识更趋向于在小范围内流动，即在县域空间尺度研究知识溢出有一定的实践意义；第三，对同一区域的研究，有的学者得出的结论是研发经费投入较人力资本更重要，有的则相反，并没有考虑处于创新水平的区域，各创新要素的作用可能不同。基于此，本文在前人的研究基础上，选择区域经济发达、创新水平高的浙江省71个县、市（区）作为研究对象，以专利申请授权量为区域创新能力衡量指标，考察区域创新的空间差异，对不同创新水平的地区分别分析各种因素的影响效力。

1研究方法与样本选取

1.1研究方法

（1）基尼系数。作为衡量区域经济发展不均衡程度的重要指标，基尼系数的应用非常广泛，本文拟用基尼系数来分析区域创新差异，计算公式如下：

（2）空间相关性与区域创新集群模式。判断区域知识溢出的一个重要方法就是检测区域创新能力在空间上是否相互关联，关于空间相关性的检测指标，使用最为广泛的有Moran指数和G指数，本文使用全域Morans Ⅰ检验区域创新能力的空间相关性，用局域Morans Ⅰ指数并配合区域创新显著性集群图（LISA）来分析区域创新的集群模式。

全域Morans Ⅰ检测地区与地区之间的创新活动是否存在空间相关性，计算公式如下：

局域Morans Ⅰ配合LISA集群图可以分析区域创新区域创新创新活动的空间集群模式，局域Morans Ⅰ计算公式如下：

根据局域Morans Ⅰ的结果可以绘制LISA集群图，区域集群模式有4种类型：H-H区域表示高创新产出水平地区被高创新产出水平地区包围，即高高集群；L-L区域表示低创新产出水平地区被低创新产出水平地区包围，即低低集群；L-H区域表示低创新产出水平地区被高创新产出水平地区包围，即低高集群；H-L区域表示高创新产出水平地区被高创新产出水平地区包围，即高低集群。

1.2样本选取

关于区域创新的测度有多种不同的指标，如专利、新产品产值或销售额、学术论文等，一直存在较大的争议，目前还没有形成统一的标准。然而新产品在各地区没有形成统一的认定标准，学术论文较多的存在于高校及科研机构，并不适合作为区域创新产出的衡量指标。尽管专利并不能反映所有的创新活动，各种专利的质量及其所产生的经济价值也不同，但由于其可比性、易获得性等优点，专利仍是多数学者作为区域创新测度的首选。因此本文使用专利申请授权量作为创新的衡量指标，数据来源于浙江省知识产权统计局的各县市（区）2003-2012年专利统计数据，本文研究对象为浙江省各县及县级市，其中将11个市的市区视作同级别区域，由于杭州市的余杭区、萧山区以及宁波市的鄞州区情况特殊，将其单独划出，视作同级别区域，总计71个地理单位。另外，本文按照浙江省统计局划分方法，将浙江省划分为浙东北和浙西南，其中浙东北包括杭州市、宁波市、绍兴市、湖州市、嘉兴市以及舟山市，浙西南包括温州市、金华市、衢州市、台州市以及丽水市，各县、市（区）按所属市划入相应地区。

2区域创新差异的空间演化

2.1区域创新能力差异明显，创新空间集聚显著

总体上来看，浙江省县域创新能力呈现出明显的不均衡态势。根据浙江省71个县、市（区）以2003-2012年专利申请授权量为指标计算的基尼系数，2003-2009年逐渐降低，2009年以后呈现出不断扩大的态势。2003年基尼系数最高为0.67，2009年最低为0.55，2012年基尼系数开始反弹，上升至0.6，并有持续扩大的趋势。2003-2012年，浙江省71个县域创新基尼系数一直在0.55以上，表明创新活动高度集中于少数县市（区），呈高度不均衡态势，如图1所示。

基尼系数较好地描述了浙江省县域创新的集中程度，然而即便2个区域有相同的基尼系数，却可以有完全不同的地理分布形态。通过绘制各区域专利产出的空间四分位图可以进一步明确区域创新活动在地理空间上的分布状况。2003年和2012年浙江省县域专利产出空间四分位图，按照各县域专利申请授权量的多少从低到高排列，分为四级，依次为创新能力地区、较低水平地区、较高水平地区和高水平地区，如图2所示。

从纵向时间对比来看，2003-2012年，创新能力低水平地区数从29个增加到33个，高水平地区数由9个减少到5个，较低水平和较高水平地区数保持不变。2003年，浙东北（萧山区、慈溪市、余姚市、宁波市区及义乌市）和浙西南（永康市、台州市区、乐清市及温州市区）均有高创新水平地区，2012年高创新水平地区则全部集中在浙东北地区（萧山区、鄞州区、余姚市、慈溪市及宁波市区），并且直观的来看，2012年的创新活动更加集中。从横向地区间的对比来看，低创新水平地区均大量分布在浙西南：2003年，低创新水平地区共29个，其中有21个分布在浙西南，占72.41%，2012年这一比率有所上升，为72.73%。而较高和高创新水平地区则大多分布在浙东北。这与基尼系数变化所反映的情况正好相反，基尼系数显示的是2003年的创新集中程度高于2012年，根据专利产出空间四分位图的分析，造成这种出入的原因可能是创新产出分别在浙东北和浙西南地区内分别较均匀，而二者之间的差异则在10年间不断扩大，基尼系数值掩盖了两大区域间的差异鸿沟。

总而言之，无论在2003年还是2012年，整个区域的创新活动呈两极分化，高创新水平地区集中在浙东北，低创新水平地区集中在浙西南，这种两极分化态势在2012年更为显著。

2.2区域创新空间相关性不断加强，创新核心区域显现

基于新经济地理学观点，由于空间报酬递增、知识溢出，越是创新水平高的地区越趋于地理上的集聚，即区域创新表现为空间上的相关性。通过基尼系数结合四分位图分析，可以初步判断区域创新可能存在空间相关性，本文拟使用全域和局域moran指数进一步验证区域创新空间相关性与集群模式。

浙江省县域创新的Morans Ⅰ，其值越大，表明空间相关性越强。从时间演变来看，浙江省、浙东北县域创新的空间相关性在2003-2006年缓慢降低，但降幅并不明显，可以认为是处于稳定状态，2006-2012年间则呈明显上升趋势；浙西南县域创新相关度则分两个阶段，2003-2006年保持低相关度，2006-2012年则保持相对较高的相关度，两个阶段均较稳定，没有明显的变化趋势。从横向对比来看，整个浙江省县域创新空间相关性显著大于浙东北、浙西南内部的相关性，处于高创新水平的浙东北县域空间相关性又大于处于低创新水平的浙西南，如图3所示。

全域Morans Ⅰ表明浙江省县域创新在空间上正相关，存在集聚性。根据局域Morans Ⅰ的计算结果可以绘制出一定显著性水平下的县域创新LISA集群图，如图4所示，进一步明确县域创新在空间上的集群模式。从2003-2012年LISA集群图变化来看，LL地区均集聚在浙西南地区，并在2012年进一步扩散到浙东北部分地区。HH地区则集聚在浙东北且属于长三角范围内，2003年本属于HH集群区的宁波市区和慈溪市进一步扩散，带动周边的余姚市和鄞州区相继成为HH地区，并成为创新核心区域。原为LH集聚区的杭州萧山区、富阳市分别在2004、2005年转变为HH地区，并一直保持，而同为LH集聚区的衢州市区、温州市区则一直未变，考虑到这四个地区所处的更大区域的特征，在一定程度上说明高创新水平的浙东北更有利于内部地区的发展，而整体为低创新水平的浙西南则在一定程度上会阻碍内部个体的发展。

从整体来看，浙江省县域创新的空间相关性越来越强，而以杭州、宁波为核心的双创新核心区正在逐步成型，创新水平高的县域，如杭州市的萧山区、余杭区及杭州市区，宁波市的鄞州区、慈溪市、余姚市及宁波市区，均集中在该双核心中，双核心周边的地区，如湖州市、嘉兴市、绍兴市内的一些县市（区）也均为次高创新水平的地区，仅有少数县市（区）位于双核心周边但属于低创新水平地区（舟山市区、岱山县、嵊泗县、象山县、海盐县、桐乡市等），并且这些县市（区）的创新关联性也较其他县市（区）高。

3区域创新的影响因素的实证分析

3.1指标选取与计量模型

已有大量的研究表明创新要素投入如人力资本、研发资金是区域创新的决定因素，同时国际贸易技术扩散、知识溢出、政府政策支持也对区域创新有一定的影响。在前人的基础上，考虑到数据的可获得性，本文拟用区域科技活动人员数（HR）和科技经费投入（SF）表示区域创新要素投入，用进出口总额占GDP比率、FDI占全社会固定资产投资总额比率度量国际贸易带来的技术扩散。由于较早年份县一级数据较难获取，本文选取的解释变量均为2011年的数据，由于专利申请到授权有一定的时间间隔，被解释变量——专利申请授权量的数据之后一年，为2012年数据。以上数据来自《浙江省统计年鉴》及“浙江省年度县（市、区）科技进步统计监测评价报告”。

关于创新投入产出模型，Griliches-Jaffe知识生产模型使用最为广泛，借鉴该模型，本文将计量模型设定如下：

3.2空间计量估计模型

前文的分析证实了浙江省县域创新存在空间相关性，即知识、技术溢出会促进相邻地区创新能力的增强，为了检测知识溢出效应对区域创新的贡献，将其纳入到模型估计中，本文使用空间滞后模型（SLM）或空间误差模型（SEM）对计量程度进行估计。

空间滞后模型（SLM）：

y=ρWy+βX+ε。

其中：y为N×1维因变量向量，X为包含K个解释变量的N×K维向量，Wy为空间滞后因子，为N维误差向量；W为N×N维空间权重矩阵，其定义与前文一致，为解释变量系数，为空间自相关系数。

空间误差模型（SEM）：

y=βX+ε；ε=λWε+μ

其中：为随机误差项，空间误差系数，为正太分布的随机误差向量。

为进一步明确二者中哪一个模型更为合适，需要根据LM检验统计量进行判断。若LM lag和LMerr均不显著，则采用OLS估计；若LM lag显著而LM err不显著，则使用SLM估计，反之则用SEM估计。若LM lag和LM err均显著，则比较Robust LM lag和Robust LM err，判断方式同上。

3.3实证结果分析

通过OLS对计量程度估计结果，如表1所示，对浙西南地区，模型的拟合效果不佳，只有0.62，并且各解释变量的回归系数均没有通过显著性检验；对浙东北地区，模型的拟合效果较好，达到0.88，回归结果显示，FDI、科技活动人员投入对区域创新有显著的促进作用，而区域进出口总额占GDP比重、科技经费投入没有通过显著性检验。同时，根据LM统计量的检验，如表2所示，对浙东北地区，LM err的显著性大于LM lag；而对浙西南地区，LM lag的显著性大于LM err。因此接下来对浙东北地区采用空间误差模型进行估计，对浙西南地区采用空间滞后模型进行估计，结果如表3所示。

考虑了知识溢出效应后的模型估计结果无论是模型拟合效果还是各解释变量系数的显著性均明显高于普通最小二乘法估计，说明知识溢出效应确实存在并对区域创新产生影响。通过对比表3中浙东北和浙西南的空间计量估计结果，可以得到以下结论：

（1）随区域创新能力的提升，人才因素对区域创新能力的影响越明显。在创新能力较强的浙东北地区，ln HR的系数达到0.8l，且通过1%的显著性检验，即区域科技活动人员每增加1%，创新产出将增加0.81%，为所有影响因素中对区域创新产出贡献度最高，而在创新能力低的浙西南地区，ln HR系数为负，且没有通过显著性检验，说明在区域创新能力高的地区，人才的作用进一步凸显。在其他学者对区域创新能力影响的时间序列回归分析中，发现随时间的推移，人才因素对区域创新能力的影响效应越来越明显，事实上，在这些学者考察的样本期内，区域创新能力也是随时间推移而不断增强的，从这角度看，也可以认为人才对区域创新的作用随区域创新能力的不断提升而不断加强。因此，对于创新能力已经很高的地区，要进一步提升，需要加大人才投入力度。

（2）科技经费投入在区域创新发展初期效果显著。ln SF的回归系数在浙东北地区为-0.14，且没有通过显著性检验，而在浙西南地区则高达0.78，并通过10%显著性检验。在浙西南，ln SF的系数为所有因素中最高，且是通过显著性检验的仅有两个指标之一。尽管科技经费投入在创新活动中是最基本投入要素，但是对创新水平不同的地区，其作用的效力也不同，实证结果显示，对于创新发展处于低水平阶段的地区，科技经费的快速增长能对区域创新能力的提升有显著作用。

（3）创新能力平均水平越高，知识溢出效应越明显。对比浙东北和浙西南的模型估计结果，代表知识溢出的LAMBDA和W_LNPAT的估计系数分别通过了1%和10%的显著性检验，但是LAMBDA的系数显著为正，达到0.75，其对区域创新的贡献度仅次于人才因素，而W_LNPAT的系数却为-0.12，即本地区的创新发展在一定程度上受到相邻地区的阻碍。在浙东北，地区之间的创新行为是合作大于竞争关系，区域要素流动、知识交流在整体上促进了区域创新发展；在浙西南，地区之间的创新行为则是竞争大于合作关系，尽管全域Morans Ⅰ显示区域创新行为时正相关，而局域Morans Ⅰ也显示大部分地区正的L-L集聚区，但区域要素流动、知识交流整体上并没有促进区域创新的发展。在创新水平高的的地区，其创新活动活跃，人才众多，各种知识的存量高，对相同的问题有众多的研究人员关注，即知识的相关性高，地区之间要素的互动、知识交流，更容易产生新的思想、新的解决方案；对于低创新水平的地区，人才少，知识存量低，地区之间的异质性又使得知识交流更加困难。对于创新水平低的地区，更应该克服地理距离的限制，促进其与创新水平高的地区之间的交流、互动，而不仅仅关注相邻地区。

（4）创新水平越高的地区，对知识的吸收能力越强。ln El的估计系数在浙东北和浙西南分别为0.18和0.19，非常相近，且都没有通过显著性检验，说明进出口带来的学习效应对浙江省区域创新并不明显。反观ln FDI的估计系数在两地则有明显的区别，其在浙东北地区系数高达0.61，并通过1%显著性检验，在浙西南则为-0.01，几乎没有作用。这一结果与Borenztein等人研究结果一致，充分说明创新水平高的地区更能充分吸收外部知识溢出。创新水平低的地区，其人才数量少，人才结构不全，知识存量低，其对FDI带来的新思想、新技术接受能力有限，而创新水平高的地区，人才结构完全，知识水平高，能较全面的吸收FDI带来的新思想、新技术，与其形成良好的互动，不断强化本地区的创新能力。

4结论

对区域创新的研究对象，大部分学者集中在国家或省域层面，少有学者关注县市一级，本文选择经济实力强、创新水平较高的浙江省71县域为研究对象，得到如下结论：

就区域创新空间差异而言，浙江省县域创新差异同我国省域创新差异一样，呈两极分化格局，并在省内形成以杭州、宁波为核心的创新核心区，区域创新基尼系数处于高水平，不均衡态势明显，并有进一步扩大的趋势。在当前经济转型的关键时期，创新对实现这一目标至关重要，区域创新活动的非均衡集聚不利于区域经济的协同发展，决策者应对区域创新差异给予应用的重视。

就创新的影响要素而言，如同波特将经济发展按驱动力不同划为分四个阶段，不同的经济发展阶段，驱动力不同，对于不同创新水平的地区，各要素对区域创新的影响力也可能不同。根据区域创新的空间四分位图和LISA集群图的分析，将浙江省县域创新分为高创新水平的浙东北地区和低创新水平的浙西南地区，分别对其进行空间计量分析，发现：对高创新水平的地区，人才投入、区域间的知识溢出、FDI技术扩散的效用更加明显，而科技经费投入则居于次要地位；对低创新水平的地区，科技经费投入的效用则更加明显，其他要素的作用也不那么明显。各地区应根据自身的实际情况，制定相应的创新政策，低创新水平的地区，应加大科技经费投入，完善创新基础设施，改善科研条件，逐步提升区域创新能力，而高创新水平地区则应更多的关注于促进人才之间交流，充分利用现有的创新集聚优势，进一步提升区域创新水平。

由于数据及样本的限制，本文将浙江省粗略的划分为高创新水平地区和低创新水平地区，在实证部分仅使用了一个年份的截面数据，进一步的研究可扩大样本数量，将样本划分为更多不同创新水平的子样本，使用不同时期的面板数据，做更深入的实证分析。

[编辑：厉艳飞]