基于空间计量的广东省技术创新与知识溢出效应

段　杰，黄贤俊

深圳大学经济学院，创新型城市建设与治理研究中心，广东深圳518060



基于空间计量的广东省技术创新与知识溢出效应

段杰，黄贤俊

深圳大学经济学院，创新型城市建设与治理研究中心，广东深圳518060

摘要：运用空间计量分析技术，建立基于知识生产函数的空间面板计量经济模型，考察2004—2013年广东省技术创新的知识溢出效应，以及广东省21个地级市技术创新的空间分布．分析结果表明，广东省技术创新存在显著的正向空间相关性，呈现出高高集聚和低低集聚的两级，形成明显的核心-边缘分布；外商直接投资对广东省技术创新产出的促进作用没有预想的显著；大中型工业企业科研人员对创新产出的正向影响较大；大中型工业企业研发经费以及市场集聚度都在不同程度上影响着创新产出；知识存量对广东省技术创新产出的影响明显，但城市间知识存量的相互联系较弱．

关键词：经济地理学；知识溢出效应；技术创新；空间计量；知识生产函数；创新产出；广东省

21世纪以来，3D打印、移动互联和云计算等新兴产业快速扩张，创新产出倍受关注[1-2]．德国推出工业4.0高科技战略计划，中国制造2025年将高新技术产业发展置于国家战略的最前沿．在此背景下，作为中国改革开放排头兵的广东省，以技术创新促进产业转型升级已势如破竹．2015年，广东省专利授权总量241 137件，比2014年增长34%，其中，发明专利授权量33 414件, 比2014年增长50%，连续2年居全国首位．

知识溢出的概念最早由Helpman等[3]提出，知识本身类似于公共物品，对经济增长有显著的促进作用，形成知识溢出效应．Cliff等[4]建立了大量关于空间计量经济学的模型对知识溢出效应进行计量，Anselin[5]集大成对空间计量经济学进行了系统研究，形成了现今的空间计量经济学体系．Keely[6]建立的动态框架将知识溢出视为异质性熟练工人流动的结果，工人之间的集群及技术集群的形成过程中伴随着集群间的知识溢出．模型解释了知识溢出与集聚之间的内生互动．Berliant等[7]运用一般均衡搜寻理论建立模型，研究知识流动及其对产业集聚关系．拥有差异化知识的个体通过交换知识从而创造新知识，达到提高生产效率的目的．

中国的学者主要运用空间计量经济学研究研发的空间溢出．如吴玉明[8]对首都经济圈的大学和企业对区域创新的作用进行了研究；孙东等[9]用空间计量模型对长三角的创新生产进行了实证分析；赵喜鸟等[10]用长三角和珠三角1990—2009年经济发展贡献度对比研究，表明技术进步对长三角和珠三角的经济发展举足轻重；沈体雁等[11]利用空间统计方法和经济普查的就业数据对东北地区就业密度的空间特征进行实证研究；万坤扬[12]运用知识生产函数和基于面板数据的空间滞后计量模型, 阐明了外商直接投资(foreign direct investment，FDI)对区域不同层次的技术创新产生抑制或挤出的负面效应．另外，李志宏等[13-20]从不同视角运用空间计量进行实证研究．目前已有文献对广东省的研究主要集中在运用最小二乘法计量技术创新活动的产出，而考虑空间影响因素来分析知识溢出效应的还不多．因此，本研究尝试利用空间计量研究方法，对广东省技术创新与知识溢出效应进行实证研究．通过探讨广州和深圳等传统创新产出较高的城市知识溢出效应的影响范围与影响效果，企业研发投入和外商直接投资等因素对广东省技术创新产出的影响程度，为广东省创新驱动战略的实施提供借鉴．

1空间计量的基本理论与模型构建

1.1知识生产函数

新经济内生增长理论的一个核心主题是研究技术创新的生产能力．技术创新研究的一个重要方面是区域范围内的空间相互作用．知识生产函数(knowledge production function, KPF)是研究区域知识生产及知识溢出效应的计量模型．Griliches最早在理论上探讨了基本框架，指出知识溢出对区域技术创新产出和经济增长的影响；此后，由Jaffe对知识生产函数进行了完善；最后，Anselin把空间计量经济学模型与知识生产函数进行统合，得到模型为

(1)

其中， P为技术创新产出； A为影响研发活动的技术水平相关变量； ERD为自主研发的资本投入； α为自主研发的资本投入相关指数； e为自然对数； ν为相关误差指数．

1.2空间自相关性

相互独立的观测值是不存在的，本研究的技术创新产出本身具有地理空间属性．区域之间的相互联系常常导致创新行为的溢出效应．空间自相关性就是描述这类观测值在空间相邻位置上的关系．

检验某个区域技术创新行为在地理空间上是否表现出空间自相关性，以及其集聚效应是否显著，在空间计量经济学中最为常见的就是用Moran’sI 空间自相关指标，其定义为

(2)

Moran’sI 可视为观测值及其自身空间滞后值之间的关系系数，取值在-1～1内；当Moran’sI 接近0时，认为观测值是随机分布或是无空间自相关性；当Moran’sI 接近1或-1时，说明观测值集聚一起(接近1指高观测值和高观测值集聚，为正相关；接近-1是低观测值和低观测值集聚，为负相关)．

局部空间自相关用局部Moran’sI 指数(或称LISA指数)衡量，用于检验区域内局部地区的类似或相异观测值的集聚情况．区域I的LISA指数用来度量区域I和它相邻区域间的关联程度，定义为

(3)

L为正数时，表明高观测值被高观测值所包围(高-高)或低观测值被低观测值所包围(低-低)； L为负数时，表明高观测值被低观测值所包围(高-低)或低观测值被高观测值所包围(低-高)．

1.3空间计量模型

区域产出的分布是非均衡的，广东省的技术创新产出也是如此，若不考虑空间效应，用普通最小二乘法(ordinary least square, OLS)对广东省技术创新产出进行估计，结果可能与实际有较大误差，因此引入变量间的空间效应来建立空间计量模型．空间计量模型主要分为空间滞后模型(spatical lag model, SLM)和空间误差模型(spatial errors models，SEM)两种．

SLM讨论变量在一个地区是否存在知识扩散效应，模型表达式为

Y=ρWY+Xβ+ε

(4)

其中， Y为n×1维被解释变量； X为n×k维的解释变量； β为k×1维的解释变量相关的参数向量； ρ为空间回归相关系数； ε为随机误差项向量．

SEM主要通过其扰动误差项之中的空间依赖作用，来体现城市之间的相互影响，其模型为

Y=Xβ+ε

(5)

其中， ε为随机误差项向量， ε=λWε+μ； λ为n×1的截面因变向量的空间误差自相关系数，衡量相邻地区Y对本地区Y影响方向与程度，取值范围为[-1, 1]； μ为正态分布的随机误差向量； Wε为空间滞后扰动项．

参照Anselin等[21]提出的SLM模型和SEM模型适用的判别准则：检验方法是两个拉格朗日乘数(Lagrange multiplier)检验,即SLM中的LMLAG和稳健的LMLAG (即R-LMLAG)，和SEM中的LMEER和稳健的LMEER (即R-LMEER)，在空间依赖性检验中，如果LMLAG比LMERR在统计上更为显著，且R-LMLAG显著而R-LMERR不显著，则可判定为该情况适合SLM；反之，则可判定SEM更适合．

常用的检验准则还有：对数似然函数值(log-likelihood， LogL)、 似然比率(likelihood ratio， LR)、 赤池信息准则(Akaike information criterion， AIC)及施瓦茨准则(Schwartz criterion， SC)． LogL值越大，AIC和SC的值越小，模型拟合效果越好．

1.4模型的构建

研究知识在一个区域中的扩散效应，由1.1节可知，最常用的模型是知识生产函数．一般在无其他外在因素的影响下，研发活动的技术水平由参与研发的技术人员的素质(H)决定；而在中国，广东省外向型经济特色突出，对外贸易、资本的引进和技术交流、劳动力的流入等生产要素的频繁流动，在广东省技术创新中发挥举足轻重的作用，因此外商直接投资越多，引入的技术就越多；广东是中国市场最为开放的省份，加上广东素有经商为本的历史传统，企业的研发投入(ERD)成为其创新投入的主力军；广东省各地市建设的众多不同等级的科技园区，由于技术创新而产生集聚效应，产业集聚程度(industrial cluster, IC)越高，其相应的创新产出也较高．

考虑知识存量对技术创新产出的影响，本研究将本地区知识存量分解为城市i自身的知识存量(K1)和本区域除城市i外其他城市的知识存量(K2).根据经济内生增长模型，创新产出的技术水平可表示为

(6)

区域创新产出函数P取对数整理得

lnP=γlnH+τlnFFDI+ηlnIIC+αlnERD+

φlnK1+θlnK2+ν

(7)

其中， γ为研发人员的素质(H)的相关系数； τ为外商直接投资(FFDI)的相关系数； IIC为产业集聚程度的观测值； η为产业集聚程度(IIC)的相关系数； φ为城市i自身的知识存量(K1)的相关系数； θ为本区域除城市i外其他城市的知识存量(K2)的相关系数； α为企业研发投入(ERD)的相关系数； ν为相关误差系数．

1.5变量设置

根据上述模型，基于广东省发展特征，本研究对变量的数据选取如下：

创新产出指标的选择，目前尚无统一标准，基于数据的可获得性和与创新的关联密切性、客观性等因素，本研究采用现行较常见的方式，用3种专利申请受理量作为广东省创新产出的指标．

创新的投入包括高素质人力资源和资金的投入．在高素质人力资源方面，可用的指标很多，如科技3项(科学研究、技术服务和地质勘查业)费用涉及的从业人数、研发活动人数及专业从业人员人数等．由于各城市统计年鉴没有统一的指标，考虑到数据的统一性和可获得性，本研究采用大中型工业企业研发人员作为衡量城市创新高素质人力资源的投入量；而投入资金方面，衡量一个城市的创新资金投入，常用的有科技3项经费、企业内部研发经费、研发经费支出占国内生产总值(gross domestic product, GDP)的比重等，基于同样的理由，本研究选取大中型工业企业研发经费支出作为衡量研发经费的投入．

FDI是国际创新溢出的重要渠道，广东省是中国对外开放的领头羊，因而有必要考虑FDI的作用．

模型将知识存量分解为城市自身的知识存量(K1)和本区域除城市i外其他城市的知识存量(K2)两个变量，为与前文技术创新产出指标相呼应，在本研究中K1采用城市i累计专利申请受理量来度量， K2采用广东省内除城市i外其他城市累计专利申请受理量.

产业的特性是影响创新产出的重要因素．以Marshall、Arrow和Romer为代表的MAR外溢观点认为产业集聚对产业创新溢出有正向效应，本研究用规模以上工业总产值占国内生产总值的比重来衡量产业集聚情况．

本研究针对广东省21个地级市，采集2004—2013年《广东省统计年鉴》以及各个城市各自发布的统计年鉴和统计公报的数据，所采集数据的变量定义见表1．

表1　变量定义

2技术创新与知识溢出效应的实证分析

2.1广东省技术创新与知识溢出效应的空间分布

本研究采用全局Moran’sI 统计量来衡量空间关联程度，通过Moran’sI 指数的变化来分析广东省21个地级市的技术创新活动是否存在溢出效应，以及区域之间是否存在显著的集聚特征．

为反映创新活动的全域自相关性，本研究采集2004—2013年广东省专利申请受理量的面板数据，基于rock一阶空间距离矩阵计算出广东省的全局Moran’sI 指数，结果见表2．

表2　广东省2004—2013年专利申请受理量全局Moran’ I指数

2004—2013年广东省创新活动空间自相关Moran’sI 的计算结果表明，2004—2013年广东省的创新活动Moran’sI 指数由0.124 6上升至0.301 0，虽然近几年有所下降，但均通过5%的显著性检验，空间相关性逐年递增，表明随着经济的不断发展和科技的快速进步，广东省创新活动的空间相关性日渐显著．一个城市的技术创新产出并非是随机和独立的，其与周边城市空间密切相关．因而，用空间计量来观测广东省技术创新产出具有合理性．

全局Moran’sI 指数仅反映广东省的创新产出整体具有空间属性，无法清晰展现出广东省各城市之间技术创新产出的空间联系情况(高-高、高-低、低-高和低-低)．为此，运用局部空间自相关 (local indicators of spatial association, LISA)散点图来进一步观测局部空间自相关性(表3)．

表3　广东省2004、2009和2013年专利申请受理量的LISA分布

由表2可见，2004—2013年，广东省创新产出呈现出较强的空间集聚性，且地域化较为明显，具有正向空间相关性(第1象限和第3象限的数据占据样本总量的2/3)．核心区域(高-高)主要集中在深圳、广州、中山和东莞经济发展较快的地区，形成一个明显的增长极；本身创新产出较低且周围有高产出城市(低-高)的有云浮、惠州、清远、珠海和肇庆，呈现负相关性，其没有受惠于周围的高创新产出的扩散效应，空间相关性低；而在低创新水平集聚区(低-低)集中了大多数城市，主要在粤东(揭阳、梅州、汕尾、河源和潮州)和粤西(湛江、茂名和阳江)，距离高创新产出城市有较长的空间距离．自身有较强的创新产出而又被低创新水平城市围绕着的城市(高-低)主要有汕头和佛山．

从时间角度看广东省创新产出的空间集聚，整体情况表现稳定，然而局部变化依然存在．江门市在2009年由低-高区跃入高-高区，而到了2013年又跌回低-高区，说明江门市在创新产出上虽然每年都有所增加，但其创新产出的增长率呈先快后慢趋势，再次与核心区域拉开距离；肇庆市的情况更为悲观，由2009年的低-高区降到2013年的低-低区，表明肇庆市的创新产出非但没有受惠于核心区域的扩散效应，反而受到创新较低区域影响；最明显的变化发生在高-低区，佛山市在2009—2013年间，由高-低区上升到高-高区，说明其科技创新能力得到了很好的发展，从核心区域受惠极高；与之形成鲜明对照的是汕头，由高-低区下降到低-低区，表明在此期间，汕头不但没有带动周边城市产生知识扩散效应，反而受其所累使得自身创新水平受到限制．

位处于低-低区的城市(揭阳、梅州、汕尾、河源、湛江、潮州、茂名和阳江)，10年间基本没有任何变化，表明处于该区的城市自身创新能力不强且互相收益甚小，同时由于地理因素的限制，接受到高创新产出的城市创新行为的辐射也十分有限，因此很难突破现状．

分析表明，2009年随着技术创新投入的增加，各城市技术创新产出都有一定程度的增长，但其溢出效应主要集中于广佛经济圈、深惠莞经济圈等有传统联系的城市之间，对经济圈外的溢出效应较弱．受益于此，佛山的技术创新能力有较大提高，经济圈外的城市，如肇庆和江门受到的知识溢出辐射较为有限，技术创新产出的提高速度缓慢；最外围的城市则基本没有接收到圈内城市技术创新溢出效应的影响，汕头直接跌入低-低产出区域范围内，湛江和阳江等城市则长期处于低创新产出区域．

从广东省创新产出(P)的空间分布(图1)可见，核心-边缘分布的特点十分突出．广州、深圳、佛山、东莞和中山是最核心的1级，自身创新产出能力极强；其次是围绕其周围的城市，包括韶关、江门、惠州、珠海和肇庆，形成了创新产出能力的第2级； 最后是清远、 云浮、 梅州、 汕尾、 河源、 湛江、茂名和阳江等低创新产出区域组成的边缘地区．

图1　2013年广东省21个地级市创新产出分布Fig.1　Innovation output distribution of 21 cities in Guangdong Province in 2013

2.2广东省技术创新与知识溢出效应的空间计量模型结果

2.2.1广东省技术创新产出OLS分析结果

广东省创新产出存在空间依赖性，需要用空间计量模型进行估计，但是为了进行横向比较，进一步解释空间计量模型在广东省创新产出中的运用，本研究运用2013年广东省21个地级市的创新产出的面板数据进行OLS估计，结果如表4和表5．其中， t统计量是检验解释变量的显著性； p值是显著性水平检验的结果．

表4　2013年广东省技术创新产出OLS分析结果

1)、2)和3)分别表明结果通过1%、5%和10%的显著性检验

OLS回归结果表明，模型的拟合优度R2≈0.995 405． F值通过了1%的显著性检验，6个解释变量中，产业集聚程度(INC)和研发人力资源(H)没能通过显著性检验．模型的解释力不足．

从表6中的空间依赖性检验中可见，LMLAG比LMERR在统计上更为显著，且R-LMLAG显著而R-LMERR不显著，因此，有充分的理由可以判断后续计量模型应该选择SLM模型．

表6　空间依赖性诊断

为验证判断的完整性，本研究仍给出SEM的估计结果，以便进一步确认使用SLM模型的合理性．

2.2.2广东省技术创新产出的SLM和SEM分析结果

表7和表8给出2013年广东省21个地级市技术创新产出面板数据的SLM和SEM分析结果．

由表5和表8可见，从拟合优度R2来说，SLM模型(0.995 64)>SEM模型(0.995 426)>OLS模型(0.995 405)；SLM模型的LogL统计值(11.59 680)比SEM模型的LogL统计值(11.055 724)大，而SLM模型的AIC统计值(-8.193 680)和SC统计值(-0.534 660)分别比SEM模型的AIC统计值(-7.111 450)和SC统计值(-0.474 150)小，则根据上述检验可判定SLM更为适合．

空间滞后模型滞后项系数λ=0.566 517，通过5%的显著性水平检验，说明广东省21个地级市的自主创新活动存在空间交互作用，使得城市创新活动的影响不仅仅取决于自身的创新产出，还受到周边城市创新活动的影响．OLS模型由于忽略空间滞后和空间误差因素，模型设定存在偏差．

表7　2013年广东省技术创新产出的SLM和SEM分析结果

1)、2)和3)分别表明结果通过1%、5%和10%的显著性检验

2.2.3广东省技术创新产出的计量结果分析

在SEM中，其回归结果表明：

1)模型中外商对高技术产业的FFDI系数为正，但并不大，说明FDI对高技术产业产出的影响可能没有想象中那么显著．究其原因：首先，以往广东省对外招商引资的重心放在资金总量上，不注重技术含量的高低；其次，虽然广东省经济增长速度位列前茅，但技术创新能力较为有限，企业自主创新动力严重不足；最后，从FDI带来的技术创新扩散过程来看，通过引进外资可以带来大量的国外低级技术，但核心技术却无法以此方式获得，随着广东省经济发展进入创新驱动阶段，未来的经济增长将不得不更多地依靠自身的技术创新．经过30多年的改革开放实践，广东省技术创新能力有了长足发展，尤其是深圳和广州等核心城市已经基本完成产业结构升级，对国外廉价低端技术需求已经不大，因而FDI对其技术水平的提高效果极为有限．

2)市场集中度(IIC)对创新产出的影响是负的，规模以上工业市场集中度每增加1%，创新产出减少0.036 826%；加之Moran’sI 指数也表明，广东省产业空间集聚非常显著，尤其是广佛经济圈、深惠莞经济圈的技术创新集聚比较突出，对经济圈内城市的技术溢出效应明显，但对圈外城市江门和肇庆等的溢出十分有限，很可能产生产业集聚的拥挤效应，因此市场集中度对技术创新产出的影响为负．

3)研发经费(ERD)为正，其每增加1%，创新产出就增加0.569 724%．可见目前对技术创新产出的投资对其产出的影响十分明显，尤其自2008年金融危机之后，广州和深圳等核心城市持续推进产业结构转型升级，加快产业转移进程，企业研发经费投入不断增加，企业自主创新力度得到加强，使广东省整体创新水平得到很大提升．根据Moreno等[22-23]的研究，经费投入与专利数据的弹性系数取值一般在0.2～0.8，本研究的弹性系数处于中间水平，主要原因可能在于本研究仅统计大中型工业企业研发内部经费，忽略了政府投资，导致经费投资解释能力不足．

4)大中型工业企业研发人员(H)对创新产出的正向影响较大， H每增加1%，创新产出就增加0.214 71%．高新技术产业已成为深圳最重要的支柱产业，创新模式是以企业为主体，其创新资源主要包括自然资源、资金、技术和人力．随着时间的推移，企业对上述资源的依赖性各不相同．20世纪50年代以获得自然资源为主，20世纪60年代严重依赖资金投入，20世纪70和80年代则依靠技术积累，直至20世纪90年代，经济格局变化，网络经济兴起，全球经济一体化，高素质人才成为企业提升竞争力的首要因素．因此，高素质的创新人才对技术创新产出的影响日渐重要．

5)两个知识存量K1和K2， 对技术创新产出作用最为明显．其中， K1为正，这与以技术创新为基础的新经济增长理论的假定基本一致； K2的系数为负，说明其对区域技术创新产出有显著的负效应．可能的原因是，尽管存在知识的跨地区溢出效应，但由于当地采用跨区域知识的门槛较高，其成本比溢出效应带来的利益更大，导致城市间知识存量的相互联系较弱，因而区域内除城市i外其他城市的知识存量对城市i知识生产的影响显著为负．

3结论与建议

3.1结论

本研究运用空间计量的方法，基于2004—2013年广东省21个地级市技术创新产出的面板数据，实证分析了广东省技术创新和知识溢出效应，研究表明：①广东省各区域的技术创新产出具有空间相关特性，即每个城市的技术创新产出都不是独立和随机的；②FDI对广东省技术创新产出的促进作用没有预想中显著；③创新产出在广东省各城市间形成正向的空间溢出效应，表现为明显的核心-边缘分布特征；④大中型工业企业研发人员对创新产出的正向影响突出，人才已成为技术创新产出中最为关键的一环；⑤大中型工业企业研发经费以及市场集聚程度都不同程度上影响着技术创新产出．⑥知识存量(K1和K2)对广东省技术创新产出的影响显著，但城市间知识存量的相互联系较弱．

3.2建议

1)强化区域技术创新的空间联系

要进一步推动广东省产业结构升级与优化，必须走创新驱动之路，强化各区域间技术创新的空间联系．目前来看，广东省技术创新产出的分布有一定的空间关联性，但也形成了明显的高高集聚和低低集聚特征，不利于广东省创新经济的健康持续发展．处于核心地带的广州、深圳、佛山、中山和东莞已形成技术创新经济圈，圈内知识溢出互动比较显著，对周边城市，如惠州、江门、清远和珠海的带动作用也较为突出，但对于粤东粤北和粤西的扩散辐射不足．另外，惠州、江门、清远和珠海等位于衔接段的城市，对低技术创新产出区域的创新辐射作用相当有限甚至反受其制约．由于技术创新产出的扩散具有一定的空间壁垒和空间局限性，因而需要政府相关部门的适当干预与介入．应积极强化政府引导作用，加强产业技术创新全局性规划布局，打造广东省产业技术创新战略联盟；同时不断完善市场化机制，激发各区域产业技术创新活力；加大城市点对点帮扶力度，利用政策打破空间壁垒，构建核心区域跳跃式扩散的新格局．

2)构建多元化投融资体系，推动金融创新与科技创新的融合

技术创新和金融创新要实现互动，必须在资本市场获得回报，才能激发越来越多的创新与金融支持．首先要推进广东多层次资本市场对科技创新型企业上市的倾斜，将金融、科技、产业“三融合”从国家级高新区延伸到工业园区、产业集群，让不同规模、不同类别的企业受惠于金融服务的助推．其次转变外资利用政策，引导外资流向研发部门．虽然以往FDI投资对广东省技术创新产出的推动作用较明显，但随着经济全球化不断深化，FDI投资的作用已发生明显改变，从前述分析可见其对提高广东技术创新能力的作用极小．目前亟需转变原有的“数量扩张型引资”战略，提高利用外资的质量，鼓励和引导外资投向高新科技产业、知识密集型服务业、移动互联、新能源和生物医药等战略性新兴产业领域，促进产业结构的优化升级．

3)大力实施创新人才战略，培育创新文化与氛围

科研机构与企业研发人员对创新产出的影响最重要，人才成为推动技术创新产出的关键．首先要营造高水平的人才发展环境和综合创新生态体系，重视创新平台建设，大力引进高端创新人才[24]．其次深化育人模式改革，构建创新创业人才培养新模式．以提升人才创新创业能力为目标，由注重知识传授向重视实践能力、创新能力转变，注重培养当前社会需要的高素质应用型人才．促进创业知识教育与实践教育相辅相成，通过设立创业基金、开展创业大赛等方式激发学生的创业激情，将创业理论与实践有效结合起来．培育创新文化，营造人才汇聚氛围．树立以人为本和提倡竞争的创新价值观，推动形成对创新创业失败高度宽容的文化；积极扶持创客空间的发展，营造良好的创新氛围．

4)完善相关法律法规，加强知识产权保护

进一步完善知识产权保护相关法律法规，出台可操作性强的实施细则，构建完整的知识产权保护法规体系. 推动司法和行政执法相互协调，不但要加强对侵犯知识产权源头性行为的司法干预，且要加大对侵犯知识产权行为末端的行政查处和行政处罚，形成知识产权保护完善的政府工作机制．提高侵权损害赔偿力度，引入惩罚性赔偿制度，以根除赔偿低导致法律约束力差和执行热度低下的问题．在全社会普法行动中，加强对知识产权保护相关法律法规的宣传，强化全体公民对知识产权的认识和尊重，提高全民知识产权法律保护意识．

5)建立健全技术创新信息传播公共服务平台

积极建立健全技术创新信息传播交流平台，通过移动互联、云技术等新兴互联技术的应用，打破小范围技术创新经济圈形成的空间壁垒．借“互联网+”东风，统一搭建广东省企业、高校、科研机构科技创新信息平台，利用互联网信息交流速度快和范围广等特点，加快创新信息传播的效率，扩大提升创新经济圈内城市的创新溢出效应与辐射范围；同时借市场化手段，发展专业化技术创新服务机构；支持和推广各类技术交流网络平台，为技术创新人员提供方便快速的交流渠道．可通过与国内外高校与科研机构合作共建研发机构和技术转移转化机构，开展前沿性科技成果开发和转化．积极引进国内外高端科技创新中介服务机构，培育专业化的中介服务队伍．

E-mail：duanjie915@163.com

引文：段杰，黄贤俊．基于空间计量的广东省技术创新与知识溢出效应分析[J]. 深圳大学学报理工版，2016，33(4)：367-376.

参考文献/ References：

[1] OECD. The internationalisation of business R&D: evidence, impacts and implications [R]. Paris: Organisation for Economic Co-operation and Development，2008: i-111.

[2] Madhoc A，Li S，Priem R. The resourced-based view revisited: comparative firm advantage，willingness-based isolating mechanisms and competitive heterogeneity[J]．European Management Review，2010，7(2)：91-100.

[3] Helpman E, Grossman G M. Innovation and growth in the global economy[M]. Cambridge MA, USA: MIT Press, 1991: 359.

[4] Cliff A D, Ord J K. Spatial autocorrelation[M]. London: Pion Ltd, 1973.

[5] Anselin L. Spatial econometrics: methods and models[M]. Dordrecht, Netherlands: Kluwer Academic Publishers, 1988.

[6] Keely C. Exchanging good ideas[J].Journal of Economic Theory, 2003, 111(2): 192-213 .

[7] Berliant M, Reed III R R, Wang Ping. Knowledge exchange, matching, and agglomeration[J]. Journal of Urban Economics, 2006, 60(1): 69-95.

[8] 吴玉明．大学、企业研发与首都区域创新的局域空间计量分析[J]．科学学研究，2006，24(3)：398-404．

Wu Yuming. A local spatial econometric analysis of university, enterprise R&D and regional innovation of the capital[J]. Studies in Science of Science, 2006, 24(3)：398-404.(in Chinese)

[9] 孙东，杨端易．长三角区域创新生产的空间计量分析[J]．科技与经济，2013(1)：70-74．

Sun Dong, Yang Duanyi. Spatial econometric analysis of innovation production in Yangtze River Delta[J]. Science & Technology and Economy, 2013(26): 70-74.(in Chinese)

[10] 赵喜鸟，钱燕云，薛明慧．技术进步对经济增长的贡献度分析—基于长三角和珠三角5个地区的实证分析[J]．科技进步与对策，2012，29(2)：23-26．

Zhao Xiniao, Qian Yanyun, Xue Minghui. An analysis on the contribution of technological progress to economic growth：an empirical analysis of five regions between Yangtze River and Pearl River [J]. Science & Technology Progress and Policy, 2012, 29(2): 23-26.(in Chinese)

[11] 沈体雁，张晓欢，赵作权．东北地区就业密度分布的空间特征：基于两次经济普查数据的空间计量经济分析[J]．经济地理，2012(10)：14-20．

Shen Tiyan，Zhang Xiaohuan，Zhao Zuoquan. Spatial characteristics of employment density in Northeast China: based on the economic census’s data and spatial econome-trics analysis[J]. Economic Geography, 2012(10)：14-20.(in Chinese)

[12] 万坤扬．FDI对区域不同层次技术创新的知识溢出效应——基于面板数据的空间计量经济学模型[J]．技术经济，2011，30(3)：7-13．

Wan Kunyang. Knowledge spillover effect of FDI on regional technology innovation in different levels: based on spatial econometric model with panel data [J]．Technology Economics, 2011, 30(3): 7-13.(in Chinese)

[13] 李志宏，王娜，马倩．基于空间计量的区域间创新行为知识溢出分析[J]．科研管理，2013，34(6)：9-16．

Li Zhihong, Wang Na, Ma Qian. Knowledge spillovers analysis on interregional innovative behaviors based on spatial measurement[J]. Science Research Management, 2013, 34(6): 9-16.(in Chinese)

[14] 李婧．区域创新集聚的空间计量分析—来自中国的实证[J]．工业技术经济，2013(11)：138-148．

Li Jing. Spatial econometrics analysis on the integration of region innovation: evidence from China[J]. Journal of Industrial Technological Economics, 2013(11): 138-148.(in Chinese)

[15] 方远平，谢蔓，林漳平．信息技术对服务业创新影响的空间计量分析[J]．地理学报，2013，68(8)：1119-1130．

Fang Yuanping, Xie Man, Lin Zhangping. A spatial econometric analysis of impact of ICT on service innovation[J]. ACTA Geographica Sinica, 2013, 68(8)：1119-1130.(in Chinese)

[16] 沈能，周晶晶．我国大学专利产出的空间分布及趋同特征—基于空间计量分析[J]．科研管理，2013(S1)：133-139．

Shen Neng, Zhou Jingjing. Spatial distribution and convergence of Chinese university patent output: based on spatial econometrics[J]. Science Research Management, 2013(S1):133-139.(in Chinese)

[17] 谢波．资源产业集聚、技术创新能力与区域经济增长——基于省际面板的实证分析[J]．科技进步与对策，2013，30(7)：31-36．

Xie Bo. Resource industrial agglomeration, technology innovation and regional economic growth: based on the empirical analysis of provincial panel [J]. Science & Technology Progress and Policy, 2013, 30(7): 31-36.(in Chinese)

[18] 焦艳，石奇，王之军．基于空间计量经济学的高新技术产业集聚及其影响因素研究-以长江三角洲16个城市为例[J]．西华大学学报哲学社会科学版，2013，32(6)：83-88．

Jiao Yan, Shi Qi, Wang Zhijun. Research on high-tech industries agglomeration and its influencing factors based on the spatial econometrics: taking the 16 cities along the Yangtze River Delta as an example[J]. Journal of Xihua University Philosophy & Social Sciences, 2013, 32(6):83-88.(in Chinese)

[19] 程中华．产业集聚对区域创新影响的空间计量分析[J]．华东经济管理，2015(11)：59-65．

Cheng Zhonghua. A spatial econometric analysis on the effect of industrial agglomeration on regional innovation [J]. East China Economic Management, 2015(11): 59-65.(in Chinese)

[20] 程中华，于斌斌．产业集聚与地区工资差距-基于中国城市数据的空间计量分析[J]．当代经济科学，2014(11)：86-94．

Chen Zhonghua, Yu Binbin. Industrial agglomeration and regional wage gap: spatial econometric analysis based on Chinese urban data [J]. Modern Economic Science, 2014(11):86-94.(in Chinese)

[21] Anselin L, Bera A K, Florax R, et al. Simple diagnostic tests for spatial dependence[J]. Regional Science and Urban Economics, 1996, 26(1): 77-104.

[22] Moreno R, Paci R, Usai S. Spatial spillovers and inno-vation activity in European regions[J]. Environment and Planning A, 2005, 37(10): 1793-1812.

[23] Cabrer-Borrás B，Serrano-Domingo G. Innovation and R&D spillover effects in Spanish regions: a spatial approach[J]. Research Policy, 2007(9): 1357-1371.

[24] 段杰，龙瑚．城市创意指数的测度及实证分析[J]．深圳大学学报理工版，2015, 32(3)：296-305．

Duan Jie, Long Hu. City creative index and its empirical analysis [J]. Journal of Shenzhen University Science and Engineering, 2015, 32(5): 296-305.(in Chinese)

【中文责编：英子；英文责编：子兰】

中图分类号：F 061.5；F 062.3

文献标志码：A

doi：10.3724/SP.J.1249.2016.04367

基金项目：广东省哲学社会科学“十二五”规划资助项目(GD13CYJ08)

作者简介：段杰(1970—)，女，深圳大学经济学院副教授、博士．研究方向：区域经济及城市地理．

Knowledge spillover effect on technology innovation in Guangdong Province based on spatial measurement

Duan Jie†and Huang Xianjun

College of Economics, Center on Innovative City Construction and Management, Shenzhen University,Shenzhen 518060, Guangdong Province, P.R.China

Abstract：By mean of spatial econometric analysis technology, we build a spatial panel econometric model on the basis of knowledge production function and investigate the knowledge spillover effect of technological innovation in Guangdong Province from 2004 to 2013 and the spatial layout of technological innovation in 21 prefecture-level cities of Guangdong Province. The analysis results show that the positive spatial correlation of technological innovation in Guangdong is significant, manifesting two poles of high-high concentration and low-low concentration, which is a prominent core-periphery distribution. The facilitation of foreign direct investment in the technological innovation output in Guangdong Province is not as significant as expected. Researchers from medium and large-sized industrial enterprises impose a relatively significant positive impact on the innovation output. The R&D budget of medium and large-sized industrial enterprises and the market agglomeration level affect the innovation output to varying degrees. Knowledge stock has a significant impact on technological innovation output in Guangdong Province, but the correlation between the knowledge stocks of different cities is relatively weak.

Key words：economic geography; knowledge spillover effect; technology innovation; spatial econometrics; knowledge production function; innovation output; Guangdong Province

Received：2016-03-01；Accepted：2016-05-04

Foundation：The Twelfth Five-year Plan for Philosophy and Social Science of Guangdong Province (GD13CYJ08)

† Corresponding author：Associate professor Duan Jie. E-mail: duanjie915@163.com

Citation：Duan Jie, Huang Xianjun. Knowledge spillover effect on technology innovation in Guangdong Province based on spatial measurement[J]. Journal of Shenzhen University Science and Engineering, 2016, 33(4): 367-376.(in Chinese)

【电子与信息科学 / Electronics and Information Science】