高技术产业区域知识溢出、协同创新与全要素生产率增长

张同斌　　李金凯　　周　浩

(东北财经大学 1.经济学院 2.公共管理学院，辽宁 大连 116025)



高技术产业区域知识溢出、协同创新与全要素生产率增长

张同斌1李金凯1周浩2

(东北财经大学 1.经济学院 2.公共管理学院，辽宁 大连 116025)

摘要：在经典知识创新函数的基础上加入地理因素，根据新经济地理学的“中心-外围”理论设置空间权重矩阵，构建空间面板数据模型研究知识溢出和协同创新对全要素生产率增长、技术效率提升与技术进步的影响。结果发现：研发存量对全要素生产率增长的贡献总体显著，但研发要素的边际收益递减、研发存量较低也导致了部分地区“研发生产率悖论”现象的出现。大多数地区知识溢出效应对全要素生产率增长的贡献并不显著，在中心与外围省份之间，高技术产业中技术差距的过大和过小都不利于知识的溢出。东部各区域内中心与外围省份之间可以实现优势互补、资源共享，进而实现区域内技术进步的协同创新；中部地区和西部地区高技术产业则由于研发资源匮乏、“政产学研”的合作机制不健全等原因，并没有形成良性的协同创新机制。

关键词：高技术产业；知识溢出；协同创新；全要素生产率增长

一、引言

创新驱动与协同创新战略已经成为促进我国科技进步和加快转变经济发展方式的重要内容。特别是能够有效集聚创新资源和要素，打破创新主体之间壁垒，实现深度合作的协同创新机制在经济转型中的作用更加显著；高技术产业是实现创新驱动与协同创新的重要部门，而研发投入、知识溢出分别是实现技术创新和协同创新的重要途径。1995—2011年间，我国高技术产业研发(Research and Development，R&D)投入快速增长，研发经费内部支出从17.85亿元增长至1237.81亿元，年均增长31.19%*数据来源：《中国高技术产业统计年鉴(2002—2012)》(中国统计出版社)与作者计算。。另外，高技术产业的研发投入具有外部性，即研发通过溢出效应影响其他省份或者地区的创新活动。

虽然我国高技术产业的研发投入快速增长，但与发达国家相比还有较大差距。2011年，我国高技术产业的R&D强度仅为1.71%，英国和美国在2006年和2007年就分别达到11.1%和16.9%*数据来源：《中国高技术产业数据》(2012)，中国科技统计网，http://www.sts.org.cn/sjkl/gjscy/index.htm。其中，高技术产业R&D强度是按照R&D经费占高技术产业总产值的比重计算的。。同时，我国高技术产业研发资源呈现出向东部地区集中的趋势，地区间研发投入的差距进一步扩大。研发人员方面，东部地区R&D人员折合全时当量占全国的比重由2000年的53.64%增加至2011年的82.22%，上升了28.58%。研发经费方面，2000—2011年间东部地区R&D经费内部支出占全国的比重由75.26%增长至83.92%，增加了8.66%。

高技术产业研发强度较低不利于技术创新，研发资源向发达省份集中阻碍了研发的溢出效应，进而在一定程度上减弱了创新驱动、协同创新对技术进步的促进作用。因此，对于我国高技术产业中研发投入对技术创新贡献的测度，以及各区域中知识溢出效应对其他省份创新影响程度的衡量，能够对我国高技术产业研发投入的效果和技术创新的水平做出准确评价。同时，有关我国高技术产业各区域内协同创新现状的定量研究，对于我国创新驱动和协同创新政策的制定具有重要的参考价值。

二、文献述评

关于研发投入的溢出效应对技术创新的影响，国内外学者做了大量的研究。在溢出效应的正负方面，正向溢出的观点：Audretsch et al.(2004)通过实证分析表明创新活动的外部性，即溢出效应会显著促进技术进步和技术创新；国内学者张倩肖等(2007)、吴玉鸣(2009)认为集聚、产学研合作、协作创新等会提高技术的溢出速度，发挥知识溢出的正效应。负向溢出的观点：Mahony et al.(2009)指出，由于存在知识悖论，企业的研发投入与收益并不是完全正相关的；叶建亮(2001)认为，过度的知识溢出会导致企业之间产品模仿严重，集群创新活力下降，溢出效应不显著甚至为负。目前，大多数研究都认为溢出效应的正效应大于其负效应。溢出效应既可以是基于地理上邻近关系的，也可以是基于经济上技术差距和吸收能力的(Rachel et al.，2009)。Roberto et al.(2012)研究表明的地理上的邻近关系是知识溢出进而是协同经济增长效应的重要渠道。项歌德(2013)、刘志迎等(2013)通过对我国省域R&D空间溢出效应的分析发现，在考虑邻近效应后，R&D空间溢出效应十分显著。大多数研究认为地理上的邻近关系是溢出效应的主要途径。

协同创新来源于技术创新的“网络范式”和创新系统理论(Freeman，1991；Radosevic，1998)。在协同创新的后续理论研究中，Asheim(2005)对协同创新和创新系统进行分类，研究了其中的互动特征和创新方式等。彭纪生等(2000)对技术协同创新的内涵、不同层面的协同框架和协同度做了界定。陈劲等(2012)、洪银兴(2013)对创新基础和协同创新中的创新终端、创新机制等若干重要概念做了说明。在协同创新的主体研究中，Yang et al.(2008)、Chen et al.(2009)分别建立了校企协同创新系统的动态机制模型和灰色对称进化链模型，研究产学研协同创新体系的稳定性等问题。陈晓红等(2006)、许彩侠(2012)对创新企业、高校、政府和社会中介服务机构“四主体”的协同创新体系进行了分析。协同创新与创新绩效的关系研究方面，Sammarra et al.(2008)分析了创新网络中企业间的溢出效应及其对企业技术创新的影响机制。解学梅(2010)、冯锋等(2011)研究了中小企业协同创新网络、科技政策对创新绩效的影响。

本文贡献体现在：首先，在国内外文献梳理的基础上，将R&D及其溢出效应等多变量纳入统一分析框架下，考察全国以及不同经济区域内对全要素生产率、技术效率和技术进步的影响机制，避免较大的区域异质性导致结论出现偏误的现象，从而使结论更加可信；其次，本文主要以区域间以及区域内“经济空间”联系为主，构建“中心-外围”空间权重矩阵，相对于“地理空间”测算方法使得溢出效应计算更加准确；此外，现有文献对协同创新的研究大多局限于定性层面，主要描述协同创新本身特征，并没有给出协同创新的具体内涵以及本质内容，本文则从定量视角研究协同创新现状以及协同创新对技术创新的影响，因而更有意义。

三、区域知识溢出和协同创新对创新产出影响模型的构建

本文在Fischer et al.(2003)的基础上，结合新经济地理学和空间经济学相关理论，构建我国高技术产业区域内知识溢出、协同创新对创新产出影响的模型。

传统的知识创新函数：

Yit=f(RDSit,Xit)

(1)

其中：i=1，2，…，N，表示省份，t=1，2,…，T，表示时间；Yit代表第i省份第t年的创新产出；RDSit为第i省份第t年的研发存量；Xit表示影响知识产出或技术创新的其他因素。

第t年全部N个省份的研发向量可以表示为：

RDSit=(RDS1t,RDS2t,…，RDSi-1t,RDSit,RDSi+1t,…,RDSN-1t,RDSNt)

(2)

设定第i个省份与其他省份的地理距离函数：

(3)

其中，di,j为省份i与省份j之间的距离，γ为距离衰减参数。

全部省份的地理距离函数构成空间权重矩阵：

W=(D1,D2,…,Di-1,Di,Di+1,…,DN-1,DN)

(4)

综合式(2)、(3)、(4)，第t年各省份间的知识溢出效应可表示为W*RDSit。

将知识溢出效应(W*RDSit)加入式(1)，可得改进后的知识创新或技术创新函数为：

Yit=f(RDSit,W*RDSit,Xit)

(5)

为简化起见，本文采用柯布-道格拉斯(C-D)函数形式表达改进后的知识创新函数，并选择技术引进消化吸收经费支出(ETA)、人力资本(FEP)代表Xit，如式(6)所示：

(6)

将式(6)两边取对数并加入随机扰动项，可得：

ln Yit=α+ρW lnYit+β1ln RDSit+β2ln(W*RDS)it+β3ln ETAit+β4ln FEPit+μit

(7)

与研发的溢出效应是各省份研发空间上的相关关系类似，协同创新是各省份创新产出之间的相互影响。借鉴知识溢出的表达方法，空间权重矩阵与创新产出对数的乘积(W*ln Yit)可以表示协同创新。

在包含知识溢出效应的知识创新模型(7)基础上，采用空间面板数据方法表示协同创新模型：

ln Yit=α+ρWln Yit+β1ln RDSit+β2ln(W*RDS)it+β3ln ETAit+β4ln FEPit+μit

(8)

ln Yit=α+β1ln RDSit+β2ln(W*RDS)it+β3ln ETAit+β4ln FEPit+μit,μit=λ·W·μit+εit

(9)

式(8)为空间滞后模型，式(9)为空间误差模型。两类模型均可以表达高技术产业知识溢出与协同创新对创新产出的影响。

四、空间权重矩阵构造与变量选取

(一)空间权重矩阵(W)的构造

在构建模型(8)、(9)之前，首先需要设定空间权重矩阵W。国内外文献中大都采用基于距离的二进制空间权重矩阵。在高技术产业中，协同创新和知识溢出具有空间局域性，应考虑创新和知识溢出随距离变化的模式。本文基于新经济地理学“中心-外围”理论，采用《中国科技统计年鉴》(2001—2012)中2000—2011年共12年中各省份技术市场成交合同数和技术市场技术流向地区合同数平均值最大的10个省份作为区域中心，其余省份按照地域邻近原则作为中心的外围省份，空间权重矩阵中，中心与外围的空间矩阵元素设为1，外围与外围、对角线上空间矩阵元素设为0*本文选取的10个中心省份为：北京、天津、辽宁、山东、上海、江苏、湖北、广东、四川、陕西。。W矩阵元素wij取值如下：

(10)

该设定一方面能够表示中心-外围之间的相互作用，另一方面也说明外围-外围省份间虽然地理上邻近，但其创新和研发在空间上的相互影响并不显著。根据中心-外围的设定方法，本文将我国划分为环渤海和东北、长三角、珠三角、中部地区、西部地区五个区域，分别构建权重矩阵*根据新经济地理学的“中心-外围”理论，在进行实证研究时，一般都应将区域进行划分，使得区域中形成“中心-外围”的结构。在国家统计局东部、中部和西部地区划分的基础上，本文进行以下处理：(1)由于东部地区省份分布广泛，一些省份之间没有地理邻近关系，溢出效应并不明显，本文将长三角、珠三角单独划分出来；(2)由于环渤海地区的内蒙古、辽宁与吉林、黑龙江联系紧密，因此本文将环渤海和东北作为一个整体进行分析；(3)考虑到部分地区省份与其他地区之间存在地理邻近关系，也为增大样本量的考虑，部分区域之间省份有所重复，该重复划分方法在国内相关实证研究中广泛采用。最终，得到五大区域划分方法为：环渤海和东北地区包括北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、山东9省市；长三角地区包括上海、江苏、浙江、安徽4省市；珠三角地区包括福建、江西、湖南、广东、广西、海南6省；中部地区包括安徽、江西、河南、湖北、湖南5省；西部地区包括重庆、四川、贵州、云南、陕西、甘肃、宁夏7省市。。

(二)基于DEA-Malmquist指数及其分解的创新产出(Y)度量

本文采用《中国高技术产业统计年鉴》(2002—2010)中28个省1996—2011年的年度数据*由于西藏、青海和新疆三省区数据缺失较多，本文未选入。，选取数据包络分析(DEA)中的Malmquist生产率指数方法计算两个相邻时期全要素生产率的变动。进一步地，可将Malmquist生产率指数分解为技术效率指数与技术进步指数。Malmquist生产率指数测度了相邻时期技术的变化，用于表示全要素生产率的增长TFPC、技术效率指数ECi、技术进步指数TCi，分别表示相邻时期技术效率的提升和技术进步，记为PEFC和TECHC。三个指数TFPC、PEFC和TECHC均可以作为创新产出Y。

采用DEAP 2.1软件，将各省份高技术产业实际产出、实际资本存量和劳动力要素数据输入后即可进行效率的测算与分解，最终得到1997—2011年共1260个生产率增长、技术效率提升和技术进步值*由于篇幅限制，本文中没有列出DEA方法的原理、Malmquist生产率指数、技术效率和技术进步指数的计算结果，需要可向作者索取。。本文计算了各省份的GDP平减指数对高技术产业总产值平减得到实际总产值，选取固定资产投资价格指数对高技术产业新增固定资产平减后累加得到实际资本存量K，选取高技术产业年末从业人员数作为劳动变量，GDP平减指数和固定资产投资价格指数均以1996年为基期。

(三)研发存量(RDS)的估算

高技术产业的研发存量是根据当年和之前高技术产业的研发经费支出计算的。与物质资本类似，研发资本也存在折旧，国内外文献中普遍采用永续存盘法计算研发存量。如式(11)所示：

RDSit=RDit+(1-δ)·RDSit-1

(11)

其中，RDSit为第i个省份第t年高技术产业的研发存量，RDit为第i个省份第t年高技术产业的研发经费支出，RDSit-1为第i个省份第t-1年高技术产业的研发存量。参照张同斌等(2011)的方法，本文中研发资本的折旧率取值为15%，并计算了研发支出价格指数。研发经费支出用研发支出价格指数进行平减后计算，研发支出价格指数以1996年为基期。

(四)人力资本变量(FEP)和技术引进消化吸收经费支出(ETA)的选取

由于缺少教育程度等数据，本文采用高技术产业的R&D活动人员折合全时当量代表人力资本变量(FEP)。高技术产业的R&D活动人员折合全时当量，由参加R&D项目人员以及应分摊在R&D项目中的管理和服务人员的全时当量相加得到。

本文将高技术产业技术引进经费支出与技术消化吸收经费支出加总，记为ETA，表示除自主研发以外的其他技术经费支出。与研发支出类似，技术引进消化吸收经费支出(ETA)变量也采用以1996年为基期的研发支出价格指数进行平减。

(五)变量的单位根与协整检验

本文采用面板数据的Fisher-ADF检验与Fisher-PP检验方法对各变量进行单位根检验，检验结果表明，各变量对数序列均为非平稳序列，但其一阶差分序列均为平稳序列。此外，面板数据的Pedroni检验和Kao检验结果表明，各变量之间存在协整关系，符合建立计量经济模型的条件。

五、知识溢出、协同创新对全要素生产率增长影响的实证分析

(一)我国高技术产业区域协同创新的现状分析

国内外文献中一般采用 Moran′s I 指数检验空间相关性，本文以高技术产业全要素生产率增长对数(ln TFPC)的 Moran′s I 指数为例，对区域内创新的空间相关性，即协同创新的现状进行分析。

表1　全要素生产率增长(ln TFPC)的空间相关性检验(Moran′I指数值)

注：***、**、*分别表示系数在1%、5%、10%水平下显著；括号内为z值；Moran′s I指数为正，表明ln TFPC 趋于集聚，反之趋于分散。

由表1可得，1997—2011年，我国高技术产业全要素生产率增长的Moran′s I指数显著为正，这表明全要素生产率增长存在着正向的空间自相关和空间依存特征。因此，全国已经形成了若干个高技术创新中心，协同创新特征明显。

分地区而言，表1中环渤海和东北地区Moran′s I指数的结果显示，该区域基本形成了以北京和天津为中心，辽宁和山东为次中心，其他省份为外围的格局。与此同时，环渤海和东北地区的空间相关性不断减小，尤其是2005年后，这一趋势更加明显。随着辽宁、山东以及外围省份的研发投入增加，全要素生产率增长较快。以2007年高技术产业增加值增速为例，北京和天津的高技术产业增加值同比增长了14.2%和2%，而山东和辽宁分别增长了36.3%和40.4%，山东和辽宁高技术产业的快速发展削弱了北京和天津的绝对中心地位，协同创新的模式开始发生变化。

长三角地区Moran′s I指数的结果表明，该地区全要素生产率增长总体上为正相关，但空间相关性并不稳定，协同创新没有固定的变动规律。这是因为：一方面，江苏、上海和浙江均是高技术产业比较发达的省份，研发投入力度大，区域之间差异较小，高技术研发由中心向外围的溢出效应并不明显，协同创新受到一定局限；另一方面，长三角地区各省份之间高技术产业的雷同度较高，高度的产业雷同现象导致该区域高技术创新呈现既竞争又合作的局面，因此，该地区高技术产业协同创新取决于竞争中资源分配效应与合作中经济规模效应的强弱。

1997—2004年，珠三角地区Moran′s I指数的显著性不断下降，协同创新程度减弱。在这一时期，由于广东是珠三角高技术产业的绝对中心，具有经济环境、制度、人才等多方面的优势，高技术研发资源向中心集中，不利于外围省份的技术进步和协同创新。2005年之后，随着高技术研发的边际成本上升与收益下降，研发资源开始向外围的广西、海南等省份扩散，尤其是“泛珠三角”提出之后，珠三角各省份之间的合作机制逐步建立起来，协同创新程度开始增强。以广东和海省高技术产业的研发存量为例，据估算，1997年广东省的研发存量是海南的119.02倍，2004年上升为727.23倍，2011年则回落至572.62倍。

中部地区总体上也表现出正的空间相关性，与长三角地区类似，该地区高技术产业技术创新中心的聚集程度不高，高技术发展水平比较接近，研发投入力度相当。例如，2011年，河南、安徽、湖南和湖北四省的高技术研发经费支出分别是264.5亿元、214.6亿元、233.2亿元、323.0亿元。特别地，2004年国家提出中部崛起战略之后，各项政策开始向中部地区倾斜，中部地区各省份高技术产业竞相争取研发资源和人力资本，协同创新效果并不十分显著。

与中部地区不同，西部地区各省份高技术产业创新在1997—2011年间的大多数年份都表现出明显的聚集现象，陕西和四川一直是西北地区和西南地区高技术产业的绝对中心，两个技术创新中心的发展对西部地区高技术产业的技术进步起到了重要的推动作用。但2009年以来，高水平研发不足、劳动力成本上升等因素，导致中心对外围省份的带动效应减弱，协同创新的程度下降。

全要素生产率增长对数Moran′s I指数的计算结果体现了各地区乃至全国高技术协同创新的空间分布特征及“中心-外围”的变动特征，为分析知识溢出、协同创新对高技术产业技术创新的影响提供了经验证据。

(二)知识溢出和协同创新对全要素生产率增长影响的实证分析

选择创新产出(Y)为全要素生产率增长(TFPC)，对模型(8)、(9)进行检验与估计，结果如表2所示。

表2　知识溢出、协同创新对全要素生产率增长(ln TFPC)影响的估计结果

注：***、**、*分别表示系数在1%、5%、10%水平下显著，“—”表示不显著；括号内为t值；对空间面板模型形式的检验是通过计算、对比拉格朗日乘数检验(LM test)统计量和稳健的LM检验(Robust LM test)统计量完成的；由于技术引进消化吸收经费支出变量(ETA)和人力资本变量(FEP)不是本文分析的重点，因此没有列出。下同。

由表2可以得出，全国研发存量(ln RDS)的增长对全要素生产率增长的贡献显著，数值为0.011，因此，就全国而言，研发投入的增加会促进全要素生产率的增长。与全国的情形类似，环渤海和东北地区、中部地区研发存量对全要素生产率增长的影响也显著为正，尤其是中部地区，研发存量前的系数显著，为0.083。然而，高技术产业发达的长三角和珠三角地区，和高技术产业相对落后的西部地区，研发存量对全要素生产率增长的影响均不显著。研发投入和其他要素一样，也服从先上升后下降的边际收益递减规律，环渤海和东北地区、中部地区的高技术产业发展水平要低于长三角和珠三角地区，但高于西部地区，因而其研发投入的效果显著。长三角和珠三角地区研发要素的边际收益递减导致了一定程度的“研发生产率悖论”现象。西部地区高技术产业的研发存量较低，研发的规模效应并未显现。

如前文分析，空间权重矩阵与研发存量的乘积(W*RDS)可以代表区域内的知识溢出效应。表2显示，长三角、环渤海和东北地区的知识溢出效应对全要素生产率增长的影响显著为负，其他地区知识溢出效应的影响不显著。在中心省份与外围省份之间，高技术产业中技术差距的过大和过小都不利于知识的溢出，即知识溢出随技术差距扩大呈现倒“U”型的变动规律。长三角地区、中部地区不同省份之间高技术的差距较小，不利于知识的溢出。环渤海和东北地区则是由于内蒙古、山西等省份基础配套设施不够完善等原因，不能有效地吸收北京、天津等中心省份高技术产业研发的溢出效应。

ρ或λ代表了区域内创新的空间相关性，即协同创新程度对全要素生产率增长的影响。表2中的结果表明，全国、环渤海和东北、珠三角地区协同创新对全要素生产率增长的促进效果显著为正，全国和上述两个区域中心省份的技术创新程度高，并且适度的技术距离使得“中心-外围”省份之间可以实现优势互补、资源共享(刘志迎 等，2013)。长三角地区协同创新对全要素生产率增长的贡献并不显著，中部地区和西部地区则没有形成良性的协同创新机制。长三角地区、中部地区在区域协同创新的过程中缺乏一个“增长极”，阻碍了区域内协同创新贡献的发挥。西部地区中，除了四川和陕西以外，其余省份高技术产业的发展水平过低，除了不能与四川和陕西两个中心实现协同创新外，各省份内部“政产学研”的协同创新机制也不健全，对区域创新的贡献远远不足。

(三)知识溢出和协同创新对技术效率提升影响的实证分析

采用全要素生产率分解后得出的技术效率提升指数和技术进步指数，可以进一步分析知识溢出、协同创新对全要素生产率增长的影响。将创新产出(Y)确定为技术效率提升(PEFC)，对模型(8)、(9)进行估计，结果如表3所示。

表3　知识溢出、协同创新对技术效率提升(ln PEFC)影响的估计结果

表3中的估计结果表明：在全国范围、环渤海和东北地区、长三角地区，高技术产业中研发投入增加有利于技术效率的提升，但珠三角、中部地区和西部地区研发投入对技术效率的贡献并不显著。其中，长三角地区研发投入对技术效率的影响最为显著，研发投入每增加1%，技术效率指数平均增加0.054%。由于我国高技术产业各细分行业大多为制造业，长三角地区的上海、江苏和浙江拥有领先的制造基础设施和现代化的生产设备，高端人才的集中使得该区域人力资本丰富。此外，长三角地区促进高技术产业发展的制度完善程度、对外开放程度等因素都是研发投入贡献的显现。

研发空间溢出效应对技术效率的影响方面，除了珠三角之外，各区域内中心省份向外围省份知识溢出对技术效率的促进效果均不明显。表3显示：珠三角地区知识溢出效应增加1%，技术效率指数提升0.039%。作为珠三角地区中心省份的广东，自1995年开始，高技术产业总产值一直稳居全国首位。2011年，广东省高技术产业总产值占全国的26.66%，是整个中西部地区的1.45倍。广东省高技术生产活动达到一定规模后，其生产活动向外围转移，同时伴随着技术和人才的流动，因而作为一种载体促进知识的溢出，进而促进了外围省份生产效率和技术效率的提升。其他地区高技术产业的生产活动和研发活动总体上仍向区域内中心省份集聚，生产活动和研发活动的集聚效应大于扩散效应，进而导致知识溢出对技术效率的贡献不显著。

技术效率的协同创新方面，由表3可得：在全国层面、环渤海和东北地区、中部地区协同创新对技术效率的影响显著为正，其他地区不显著甚至为负。长三角地区各省份基本形成了完整的高技术产业生产体系，产业链完整，生产和技术协作创新的空间不大。西部地区的大多数省份高技术产业生产水平过于落后，高技术生产设备的高投资、人力资本的高投入等问题使得其无法达到技术效率协同创新的门槛，一些相邻的外围省份呈现出低水平的“俱乐部趋同”现象，高技术创新收敛或者停滞，抑制了区域内的协同创新。

(四)知识溢出和协同创新对技术进步影响的实证分析

选取创新产出(Y)为技术进步指数(TECHC)，对模型(8)、(9)进行估计，结果如表4所示。

从表4可以看出，各个区域内，高技术产业研发投入对技术进步的贡献不显著甚至为负。研发投入在快速增长的同时，部分地区还存在着研发要素配置不合理、管理错位和时滞效应过长等问题，技术收敛现象凸显。另外，总体而言，我国高技术产业仍处于价值链的中低端层次，即加工、组装、制造等劳动密集型环节，技术水平相对落后，而研发资本对高技术生产过程和生产技术的改造不足导致技术进步缓慢。此外，我国高技术产业中科技成果转化率低也是研发对技术进步贡献不显著的重要原因。高技术产业专利申请快速增长的同时，部分专利、科技立项注重技术研发而忽视了市场需求，并没有形成技术进步推动与研发成果应用拉动协调发展的机制。因此，促进我国高技术产业生产活动由价值链底部向两端的转移，是发挥研发存量对技术进步贡献和避免高技术“低水平陷阱”的重要前提。

表4　知识溢出、协同创新对技术进步(ln TECHC)影响的估计结果

与研发存量类似，各区域高技术产业中知识溢出效应对技术进步的贡献也不显著。在各区域中心向外围省份知识溢出的过程中，存在着溢出渠道不通畅和流动机制不健全等问题。中心省份为了保持高技术的竞争优势，会通过制度约束设置门槛，提高研发资源的转移成本，减弱研发的外部性。与此同时，中心省份高技术产业还会采取加大投入、政策倾斜等方式，引进先进的技术和优秀人才，使得研发资源由外围向中心的集聚效应大于由中心向外围的扩散效应，因而不利于外围省份的技术进步。因此，只有当各区域内中心省份研发存量对该省份技术进步的贡献达到一定程度时，才能实现其向外围的正向溢出效应。

对比表2和表4中的结果可得，技术进步的协同创新效应与全要素生产率增长的协同创新效应表现出一致性。全国层面、环渤海和东北、长三角地区及珠三角地区技术进步协同创新的效果十分显著，中部地区和西部地区不显著。这说明，在我国东部地区高技术产业技术进步的过程中，已经基本能够实现产业、高校科研机构、政府的融合，即同一区域内各个省份间、同一省份多个创新主体间能够实现研发资源共享与创新活动的合作，实现区域内技术进步的协同创新。中西部地区由于研发资源匮乏、制度不完善等原因，实现协同创新对技术进步的促进还需要创新主体的共同努力。

六、结论与政策建议

本文在经典知识创新函数的基础上加入地理因素，根据新经济地理学的“中心-外围”理论设置空间权重矩阵，将研发的空间联系表示为经济地理溢出效应，基于空间相关性方法表示协同创新，通过构建空间面板数据模型研究知识溢出和协同创新对全要素生产率增长、技术效率提升与技术进步的影响，主要结论如下：

研发存量对全要素生产率增长、技术效率提升的贡献总体显著。研发要素的边际收益递减、研发存量较低也导致了部分地区“研发生产率悖论”现象的出现。高技术产业中，研发投入对技术效率的提升与高技术制造基础设施和生产设备的水平紧密相关。在全国各个区域内，高技术产业研发投入对技术进步的贡献不显著甚至为负，我国高技术产业仍处于价值链的中低端层次、科技成果转化率低是研发对技术进步贡献不显著的重要原因。

不同地区知识溢出效应对全要素生产率增长、技术效率提升和技术进步呈现差异化的影响，大多数地区知识溢出效应的贡献并不显著。在中心与外围省份之间，高技术产业中技术差距过大和过小都不利于知识的溢出。中心省份高技术生产活动在达到一定规模后，其生产活动向外围转移过程中伴随着技术和人才的流动，才能实现正向的知识溢出效应。此外，在各区域中心向外围省份的知识溢出过程中，还存在着溢出渠道不通畅和流动机制不健全等问题。

协同创新方面，适度的技术距离使得我国东部各区域内中心与外围省份之间可以实现优势互补、资源共享，进而实现区域内技术进步的协同创新。中部地区和西部地区高技术产业则由于研发资源匮乏、制度不完善、缺乏增长极、“政产学研”的合作机制不健全等原因，并没有形成良性的协同创新机制，其中，一些相邻的外围省份还没有达到协同创新的门槛，呈现出低水平的“俱乐部趋同”现象。

根据以上结论，本文得到政策启示如下：

一是针对不同区域发展规律实行差异化的高技术产业政策。区域内高技术发展差异较大的地区应根据实际情况制定分层次、递进式的发展机制，比如在环渤海和东北地区内，充分发挥北京、天津的绝对中心位置，构建以山东、辽宁为次要协作创新技术带，内蒙、山西等外围省份与中心地区互为补充的多省份协作发展机制；发展差距较小的地区应采用网络式的协同创新机制，比如在长三角地区，应该构建以上海、南京、杭州等中心城市为网络节点的多区域共同发展协作机制

二是对于技术发达的东部地区，继续发挥其先发优势。政府应进一步加大研发投入，增加研发存量，提高研发强度，发挥研发资源规模效应；在高技术创新的过程中，应该通过提高基础研究项目所占比重等，形成“自主创新”、“原始创新”与“模仿创新”、“集成创新”的双向互补机制，但在引进技术消化吸收的同时，应更加注重自主创新和原始创新；在促进溢出效应方面，政府应建立有利于协同创新中各创新主体发展的利益共享机制，包括完善知识产权保护制度、规范合作的法规政策体系、明确科技成果评估体系等，在保证各创新主体合理利益的基础上，发挥多创新主体参与协同创新的积极性，营造有利于区域内创新主体间知识转移的环境，促进区域知识联盟的形成。

三是全国协作创新网络的形成离不开中西部省份的参与。针对中西部地区缺乏“增长极”的现象，在短期内，通过政策倾斜或财税激励等方式形成协作创新的中心省份，构建“研发-生产”的良性协作互动机制，即在区域内部，积极促进高技术研发活动由外围省份向中心省份的集聚，促进生产活动由中心省份向外围省份转移，这样有利于发挥中心省份的人力资本优势和外围省份的劳动力低成本优势，以及生产活动和研发活动转移过程中知识溢出效应；在长期，应该逐步消除区域间技术壁垒，鼓励区域内中心外围省份间的高技术合作。

四是在全国范围内构建有效的高技术产业协作创新体系。中央和地方政府应该出台加快促进东部地区向中西部地区高技术人才交流、对口扶持、高技术产业梯度转移的政策措施，突破高技术知识溢出的地域邻近限制，疏通高技术知识溢出的路径。与此同时，还应健全东部地区高技术产业市场化机制和利益补偿机制，避免高技术产业重复建设和资源浪费的“拥挤外部性”问题，提高高技术研发资源配置效率。总之，东部地区和中西部地区高技术产业应充分利用自身的有利条件，优化高技术产业产出增长和技术创新的外部环境，努力构建区域内、区域间分工明确的高技术创新体系，促进研发的知识溢出与协同创新。

参考文献：

陈劲,阳银娟. 2012. 协同创新的理论基础与内涵[J]. 科学学研究(2):161-164.

陈晓红,解海涛. 2006. 基于“四主体动态模型”的中小企业协同创新体系研究[J]. 科学学与科学技术管理(8):37-43.

冯锋,汪良兵. 2011. 协同创新视角下的区域科技政策绩效提升研究:基于泛长三角区域的实证分析[J]. 科学学与科学技术管理(12):109-115.

洪银兴. 2013. 关于创新驱动和协同创新的若干重要概念[J]. 经济理论与经济管理(5):5-12.

刘志迎,单洁含. 2013. 技术距离、地理距离与大学-企业协同创新效应:基于联合专利数据的研究[J]. 科学学研究(9):1331-1337.

彭纪生,吴林海. 2000. 论技术协同创新模式及建构[J]. 研究与发展管理(5):12-16.

吴玉鸣. 2009. 官产学 R&D 合作、知识溢出与区域专利创新[J]. 科学学研究(10):1486-1494.

项歌德. 2013. 空间计量经济学理论及其方法应用:基于R&D溢出效应测度的视角[M]. 上海：复旦大学出版社:93-123.

解学梅. 2010. 中小企业协同创新网络与创新绩效的实证研究[J]. 管理科学学报(10):51-64.

许彩侠. 2012. 区域协同创新机制研究:基于创新驿站的再思考[J]. 科研管理(5):19-25.

叶建亮. 2001. 知识溢出与企业集群[J]. 经济科学(3):23-30.

张倩肖,冯根福. 2007. 三种R&D溢出与本地企业技术创新:基于我国高技术产业的经验分析[J]. 中国工业经济(11):64-72.

张同斌,高铁梅,杨彬. 2011. 中国高新技术产业中外资与内资企业间双向动态溢出效应的实证检验[J]. 系统工程理论与实践(7):1201-1210.

AUDRETSCH D B, FELDMAN M P. 2004. Knowledge spillovers and the geography of innovation [J]. Handbooks of Regional & Urban Economics, 7(4):2713-2739.

CHEN H Z, ZHAO Q Q, JIN Z X. 2009, Study on grey evolutionary game of industry-university-institute cooperative innovation [J]. Proceedings of 2009 IEEE International Conference on Grey Systems and Intelligent Services, 3(2):1120-1125.

FISCHER M M, VARGA A. 2003. Spatial knowledge spillovers and university research: evidence from Austria [J]. The Annals of Regional Science, 37(2):303-322.

FREEMAN C. 1991. Network of innovators: a synthesis of research issues [J]. Research Policy, 20(91):499-514.

MAHONY M, VECCHI M. 2009. R&D, knowledge spillovers and company productivity performance [J]. Research Policy, 38(1):35-44.

RACHEL G, STEOHEN R, HELEN S. 2009. Technological catch-up and geographic proximity [J]. Journal of Regional Science, 49(4):689-720．

RADOSEVIC. 1998. Defining systems of innovation: a methodological discussion [J]. Technology in Society, 20(9):75-86.

BOSILE R, CAPELLO R, CARAGLIV A， ANDREA C. 2012. Technological interdependence and regional growth in Europe: proximity and synergy in knowledge spillovers [J]. Papars in Regional Science, 91(9):697-722.

SAMMARRA A, BIGGIERO L. 2008. Heterogeneity and specificity of inter-firm knowledge flows in innovation networks [J], Journal of Management Studies, 45(4):800-830.

YANG D, ZHANG Y. 2008. Simulation study on university-industry cooperative innovation based on multi-agent method [J], Proceedings of the 2008 International Conference on Computer Science and Software Engineering, 88(1):528-531.

(责任编辑张坤)

The Regional Knowledge Spillover, Collaborative Innovation and TFP Growth in High-tech Industry

ZHANG TongBinLI JinKaiZHOU Hao

(Dongbei University of Finance and Economics, Dalian 116025)

Abstract:Based on classical knowledge innovation function, this paper adds geographical factors and specifies the spatial weight matrix according to the “core and periphery theory” of new economic geography. The influences of R&D spillover effects and collaborative innovation on TFP growth, technical efficiency upgrading and technical progress are discussed by spatial panel data model. The conclusions show that R&D has a significant contribution on TFP growth, but the diminishing marginal returns of the R&D and the low level of R&D stock lead to the phenomenon of “R&D productivity paradox” in some regions. The spillover effects of R&D do not have significant contributions to TFP growth in most of the regions. Too large or too small technology gap is not conducive to the knowledge spillover between the core and peripheral provinces. As to the collaborative innovation, the core and periphery provinces in eastern China can complement each other′s advantages and then realize regional collaborative innovation. However, high-tech industries in central and western China do not form a virtuous collaborative innovation mechanism due to the limited resources of R&D and inefficient cooperation mechanism of “government-industry-university-institute”.

Keywords:high-tech industry; knowledge spillover; collaborative innovation; TFP growth

收稿日期：2015-11-22

作者简介：张同斌(1985--)，男，山东潍坊人，经济学博士，东北财经大学经济学院副教授。

基金项目：国家自然科学基金项目“中国高技术产业R&D投入对技术创新的内在驱动机制研究：结构变化、两面性与政策效应”(71303035)；辽宁省高等学校优秀人才支持计划“高技术产业中研发投入对技术进步的影响机制研究”(WJQ2013025)。

中图分类号：F276.44

文献标识码：A

文章编号：1001-6260(2016)01-0009-10

李金凯(1989--)，男，山东聊城人，东北财经大学经济学院硕士生。

周浩(1989--)，男，山东济宁人，东北财经大学公共管理学院硕士生。