长江经济带区域创新效率及空间差异研究

毛良虎，姜　莹

（常州大学 商学院，江苏 常州 213164）

长江经济带区域创新效率及空间差异研究

毛良虎，姜莹

（常州大学 商学院，江苏 常州 213164）

摘要：文章基于DEA和ESDA方法，实证分析了2008-2014年长江经济带区域创新效率及空间差异。研究表明：长江经济带区域创新效率总体呈现“哑铃”状分布格局；长江经济带区域创新效率水平呈现空间正相关性，创新效率水平相似的区域在空间上显著集聚；两极分化现象严重，上下游地区形成了较稳定的HH集聚区域，而中游地区则形成了较稳定的LL集聚区域。据此为缩小长江经济带区域创新效率空间差异、构建协同创新发展的空间格局提出相应的对策建议。

关键词：DEA；ESDA；长江经济带；创新效率；空间差异

［DOI］10.3969/j.issn.1007-5097.2016.08.012

一、引　言

长江经济带战略是“新常态”下国家发展战略的重要组成部分，其有效实施能够促进长江经济带地区间合纵连横和经济提质增效升级［1］。随着时代的推移，知识成为最具战略价值的资源，学习成为最重要的过程，创新成为经济发展的主要动力，区域的发展关键在于区域的创新能力［2］，而提升区域创新能力，除了加大创新资源的总量投入外，区域创新的效率问题亦不容忽视。近年来，国内外学者对区域创新效率的研究逐渐深入，现有研究主要从测度方法、环境因素以及对策建议等方面展开。

区域创新效率的测度方法主要分为参数方法和非参数方法。史修松等［3］、Eric［4］、Diaz等［5］、王鹏等［6］采用SFA为代表的参数方法测评区域创新效率，但SFA无法直接处理多产出的效率问题。因此，许多学者纷纷运用DEA方法测评区域创新的效率，例如Hashimoto等［7］、Guan等［8］、李婧等［9］。在绿色、低碳的背景下，学者们逐渐将环境因素纳入到区域创新研究中。张江雪和朱磊从绿色增长角度出发，测算了2009年中国各省份工业企业绿色技术创新效率，研究发现环境因素有利于技术创新效率的提高［10］。韩晶等基于绿色增长视角，研究结果表明环境规制强度是提高区域创新效率的有利因素［11］。Pedro等揭示了环境约束下企业创新效率与企业规模呈正相关关系［12］。据此，王锐淇等［13］、曹霞等［14］深入探究了区域创新效率的影响因素，并给出相应的对策建议。

然而，创新活动的地理分布存在着空间集中和空间自相关［15］，上述研究忽略了地理邻近所引起的数据空间相关性。因此，一些学者将空间因素融入区域创新效率的研究中，探索区域创新效率的空间差异问题。如李婧等应用Moran I指数和SFA方法，探究了空间效应下各省域的创新效率［16］。王鹏等通过Moran I指数和空间计量模型实证研究了我国31个省域创新效率的影响机制［17］。

目前，学者们对长江经济带的研究主要集中在战略实施与协作机制上，但对长江经济带区域创新效率空间差异的实证研究鲜有涉及。因此，本文以长江经济带九省二市为研究区域，运用DEA和ESDA方法，对2008-2014年长江经济带区域创新效率及其空间差异进行分析，拟重点解决以下两个问题：长江经济带区域创新效率如何？长江经济带区域创新效率的空间差异及其动态演变特征如何？

二、研究区域、数据来源、研究方法

（一）研究区域

长江经济带覆盖上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州共九省二市，是我国“T型”发展战略的中轴线（图1）。

图1　长江经济带沿线省域分布

（二）数据来源

国内学者运用DEA分析法对创新效率已经有了一定的研究，创新效率评价体系的输入、输出指标已经比较完善，见表1所列。

表1　国内相关文献有关创新效率的DEA研究采用的投入、产出指标

续表1

关于区域创新效率的投入指标基本达成共识，即研发人员和经费两方面。大多学者采用R&D人员数和R&D经费支出作为投入变量，但本文认为R&D人员全时当量更能体现人员的投入。同时本文引入创新环境变量，从人力资源、创新资金和创新环境3个方面分析创新投入。因此，本文的创新效率投入指标设定为R&D人员全时当量、R&D经费、邮电业务总量和普通高等学校数。

关于区域创新效率的产出指标，学术界仍存在争议。颜莉从科技成果、经济效益、社会效益、环境绩效和区域竞争力五个方面衡量一个地区创新产出能力［19］。有的学者认为专利只代表创新效率产出的一部分，科技论文发表数以及技术市场成交额都是创新效率的产出变量［9，18］。张江雪等用新产品产值以及综合能耗产出率反映工业企业产出绩效［10］。综上所述，本文选用发明专利申请授权量（件）、新产品销售收入（万元）、能源产出率（万元/吨标准煤）三个指标表征区域创新效率的产出。因此，区域创新投入与产出共有七项指标。

本文在已有研究的基础上，综合考虑指标代表性与可操作性，选取了长江经济带区域创新效率投入产出评价指标，见表2所列。数据取自《中国统计年鉴》（2009-2015）和各地区统计年鉴（2009-2015）。

表2　长江经济带区域创新效率评价指标体系

（三）研究方法

1.DEA方法

DEA是研究多投入多产出生产函数的有力工具，不需要确定投入和产出之间关系的任何形式的表达式，具有黑箱类型研究方法特色，能够较好地运用于区域创新投入产出相对效率的评估。C2R和BC2模型是测度DEA效率最常用的两个模型。C2R模型如下（θ为各DMU的综合效率值）：minθ

BC2模型如下（η为各DMU的纯技术效率值）：

2.ESDA方法

（1）全局空间自相关分析。Global Moran's I指数反映的是空间邻近的区域单元属性值的相似程度，常用来分析区域总体的空间差异程度，其计算公式为：

Moran's I的取值范围为［-1，1］，大于0表示空间正相关，创新效率相似的区域在空间上显著集聚；小于0表示空间负相关，区域间具有显著的空间差异。

（2）局部空间自相关分析。Moran散点图常用来分析局域空间的异质性，横轴对应变量Z的所有观测值，纵轴对应空间滞后向量Wz的所有取值［20］。其可以划分为四个象限，分别对应“H-H”、“L-H”、“L-L”和“H-L”4种不同的区域空间差异类型。通过度量Local Moran's I指数，可以进一步反映每个区域和周边区域之间的空间差异程度。其计算公式为：

三、结果分析

（一）长江经济带区域创新效率

利用MaxDEA，计算得到2008-2014年各年长江经济带省域创新综合效率值TE，将其分解为纯技术效率值PTE和规模效率值SE，具体见表3所列。

表3　2008-2014年长江经济带区域创新效率值

计算结果表明，长江经济带区域创新效率具有如下特点：

1.长江经济带区域创新效率总体呈上升趋势

2008-2014年长江经济带区域创新的平均综合效率分别为0.830、0.816、0.807、0.850、0.938、0.960和0.959，2008-2014年长江经济带区域创新的综合效率平均水平上升了0.129。其中，2008年长江经济带区域中的上海、重庆、云南以及贵州4个城市创新的综合效率达到了最优水平；到2014年长江经济带区域创新的综合效率达到了最优水平的包括上海、江苏、浙江、重庆、四川、云南和贵州。总体来看，长江经济带区域创新的综合效率较高，呈现持续上升的趋势。

长江经济带区域创新的纯技术效率总体高于综合效率。2008-2014年长江经济带区域创新的平均纯技术效率分别为0.899、0.886、0.873、0.902、0.954、0.975和0.974，均达到了最优水平的85%以上，相较于综合效率的数值，纯技术效率总体都较高。2008年长江经济带区域创新的纯技术效率达到最优水平的有5个，2014年上升至8个，城市格局有所变化。

长江经济带区域创新的规模效率显著高于综合效率和纯技术效率，且呈上升趋势，虽2008-2009年略有下降。长江经济带区域创新规模效率显著高于同一时期的综合效率和纯技术效率，均达到了最优水平的90%以上。2008年区域创新的规模效率达到最优的城市有4个，2014年有7个。

2.长江经济带区域间创新效率差异明显

上中下游地区间创新效率差异明显，呈现出较明显的“哑铃”状分布格局。下游地区中上海、江苏、浙江的综合效率、纯技术效率和规模效率值均保持在较高的水平，说明其对创新投入的利用度相对较高。上游地区中重庆、四川、云南、贵州创新效率水平较高，其中重庆、云南、贵州的综合效率、纯技术效率和规模效率长期以来都维持在1。中游地区中江西、湖北、湖南的创新效率水平长期起伏波动，总体表现为上升的趋势，但相比上、下游地区，其效率水平差距明显。长江经济带区域创新效率总体呈现两头大中间小的“哑铃”状分布格局。

（二）长江经济带区域创新效率全局空间差异

利用表3长江经济带区域创新综合效率值TE的数据，使用公式（3），计算出2008-2014年长江经济带区域创新综合效率TE的全局空间自相关系数Global Moran's I，计算结果如图2所示。

图2　长江经济带区域创新综合效率全局空间自相关系数

计算结果表明，2008-2014年全局空间自相关系数Global Moran's I显著为正，长江经济带各区域创新效率水平呈现空间正相关性。《国家中长期科学和技术发展纲要》明确提出，提高自主创新能力，建设创新型国家是我国未来发展的核心战略和重要任务。同时，上海张江、东湖国家自主创新示范区和合芜蚌自主创新综合试验区的建设对于推进创新驱动发展，发展战略性新兴产业，加快转变经济发展方式等方面发挥了重要的引领作用。

2008～2011年，Global Moran's I的值总体呈现上升的趋势。长江经济带各省市积极响应建设创新型国家的战略，不断加大R&D资源投入，提升自身的创新效率水平，长江经济带区域创新效率的空间分布差异性缩小。2008年全球金融危机爆发，中上游地区创新效率发展缓慢，而下游地区响应产业转型升级，创新效率平稳发展，2009-2010年Global Moran's I的值呈现短暂的下降趋势。

2011-2013年，Global Moran's I的值总体呈现下降的趋势。“十二五”时期，我国把推动自主创新和提高自主创新能力作为加快转变经济发展方式的重要举措，但长江经济带各省域对推进创新活动积极程度有异。合芜蚌自主创新综合试验区发展规划提出，实施六大创新工程。东湖国家自主创新示范区发展规划提出，完善区域创新体系，提升区域自主创新能力和辐射带动能力。总体而言，长江经济带区域创新效率的空间分布差异性变大。

2013-2014年，Global Moran's I的值呈现快速上升的趋势。2014年，在“大众创业万众创新”的背景下，长江经济带各省域响应号召，努力推动各类创新要素互动融合，营造良好创新环境，有效激发创新和创造活力，长江经济带区域创新效率的空间分布差异性缩小。

（三）长江经济带区域创新效率局部空间差异

1.散点图

从Moran散点图（图3）可以看出，2008年落入“HH”区的省域有4个，占总数的36%；落入“LL”区的省域同样有4个，占总数的36%，呈空间正相关性的省域占总数的72%，这说明长江经济带区域创新效率具有较强的空间正相关性。到2014年，落入“HH”区的省域有6个，占总数的55%；落入“LL”区的省域有3个，占总数的27%，呈空间正相关性的省域占总数的82%，这说明长江经济带区域创新效率空间差异变小，创新效率水平相似的省域在空间上集聚分布。

图3　长江经济带2008年、2014年区域创新综合效率的Moran散点图

汇总长江经济带区域创新综合效率散点图的年际变化（表4），可以看出：2008年，落入“HH”区的省域是上海、重庆、云南、贵州，落入“LH”区的省域是四川，落入“HL”区的省域是江苏、浙江，落入“LL”区的省域是安徽、江西、湖北、湖南。到2014年，四川由“LH”区进入“HH”区，这说明四川创新效率发展快于其周边省域；江苏由“HL”区进入“HH”区，这说明江苏与其周边省域创新效率发展水平趋于平衡，差距不断缩小；湖南由“LL”区进入“HL”区，这说明湖南这些年创新效率水平发展大幅领先其周边省域。

总体而言，处于“HH”、“LL”区的地区数量相对较多，更加说明长江经济带区域创新效率水平具有显著的空间相关性和空间结构性。

表4　长江经济带区域创新综合效率散点图年际变化

2.Local Moran's I指数

使用式（4），分别计算2008年和2014年长江经济带区域创新综合效率的局部空间自相关系数Local Moran's I，计算结果见表5和表6所列。

表5　长江经济带2008年区域创新综合效率局部空间自相关系数

表6　长江经济带2014年区域创新综合效率局部空间自相关系数

计算结果表明：长期以来，上海的创新效率维持着较高的水平，带动了周边省域创新效率的提升，江苏的局部空间自相关系数Local Moran's I由-0.026增大到0.348；而近些年浙江的创新效率发展滞后于周边省域；湖南、江西、安徽的局部空间自相关系数Local Moran's I都有较大幅度的缩小，其与周边省域的空间差异不断变大；贵州、云南、重庆的局部空间自相关系数Local Moran's I都有较小幅度的缩小，其与周边省域的空间差异缓慢变大；四川的局部空间自相关系数Local Moran's I由-0.062增大到1.042，其近年来创新效率水平发展迅速，与周边省域的空间差异不断缩小。

四、结论与建议

本文运用DEA对2008-2014年长江经济带区域创新效率进行测度，并运用ESDA实证分析了长江经济带区域创新效率空间差异及其动态演变规律，主要结论如下：①长江经济带区域创新效率总体呈现“哑铃”状分布格局，上下游地区的综合效率明显高于中游地区；②从全局空间自相关分析看，长江经济带区域创新效率水平呈现空间正相关性，创新效率水平相似的区域在空间上显著集聚；③从局部空间自相关分析看，长江经济带存在严重的两极分化现象。

为了缩小长江经济带区域创新效率空间差异，提升区域创新能力，就必须推动区域协同创新发展，提高创新资源空间配置效率，构建图4所示的长江经济带区域协同创新发展的空间格局。

图4　长江经济带区域协同创新发展的空间格局

（一）推进长江经济带区域协同创新联盟的构建

建立健全长江经济带各地区协商合作机制，构建长江经济带区域协同创新联盟。清理制约创新资源合理流动的体制机制障碍，打破条块分割和地区封锁，消除地区间创新发展的“孤岛效应”；进一步优化政策环境，完善基础设施和创新服务体系的建设，形成创新资源开放共享、创新要素自由流通的合作新局面。

（二）实现创新资源的空间分类管理

将整块区域划分为长江下游创新圈、长江中游创新圈和长江上游创新圈三个板块（如图4中虚线圈所示），密切各省域间的空间联系，加强三大创新圈之间的互动交融，强化创新主体开放联动和创新资源融合共享，构建区域协同创新发展的空间关联格局。充分考虑长江经济带省域创新发展的板块结构特征，实现创新资源的空间分类管理。

（1）下游创新圈积极推进创新溢出辐射效应。下游创新圈应积极推进长江三角洲一体化发展，提升长江三角洲城市群国际竞争力，同时应积极发挥对中上游创新圈的溢出辐射作用。发挥张江国家自主创新示范区、苏南国家自主创新示范区和合芜蚌自主创新综合实验区先行先试作用，将国家自主创新示范区作为区域转型升级的载体，辐射带动中上游创新圈。

（2）中游创新圈努力培养创新发展增长极。中游创新圈作为承东启西、贯穿上下游的通道，应更加发挥其区位优势。一方面，加强与上下游创新圈的创新联系，充分吸收上下游创新圈的溢出效应，提升自身的创新发展水平。另一方面，充分利用“互联网+”、大数据、人工智能等优势加快建设创新资源开发共享平台，构建服务于创新要素自由流动的通道和枢纽，扩大上下游创新圈的辐射范围，推动区域之间的互动合作。

（3）上游创新圈密切与周边地区的创新联系。上游科创圈受地理区位的限制，难以有效发挥其辐射带动作用。上游创新圈应充分借鉴下游地区的先发经验，加强与“一带一路”的战略互动，向东加强与中下游创新圈的空间关联，同时强化对中游地区的空间扩散；向西加强与南亚、西南亚的国际交流合作，建立面向西南地区的区域创新中心。

参考文献：

［1］刘树成.防止经济增速一路下行——2015-2020年中国经济走势分析［J］.经济学动态，2015（3）：4-6.

［2］王孝斌，李福刚.地理邻近在区域创新中的作用机理及其启示［J］.经济地理，2007，27（4）：544-545.

［3］史修松，赵曙东，吴福象.中国区域创新效率及其空间差异研究［J］.数量经济技术经济研究，2009（3）：45-55.

［4］Eric C W.R&D Efficiency and Economic Performance：A Cross-country Analysis Using the Stochastic Frontier Approach［J］.Journal of Policy Modeling，2007，29（2）：345-360.

［5］Diaz M A，Sanchez R.Firm Size and Productivity in Spain：A Stochastic Frontier Analysis［J］.Small Business Economics，2008，30（3）：315-323.

［6］王鹏，陆浩然.区域创新效率的空间差异及其影响因素研究——以广佛肇经济圈为例［J］.科技管理研究，2012，32 （22）：82-86.

［7］Hashimoto A，Haneda S.Measuring the Change in R&D Efficiency of the Japanese Pharmaceutical Industry［J］.Research Policy，2008，37（10）：1829-1836.

［8］Guan J C，Chen K H.Measuring the Innovation Production Process：A Cross-region Empirical Study of China's Hightech Innovation［J］.Technovation，2010，30（5/6）：348-358.

［9］李婧，白俊红，谭清美.中国区域创新效率的实证分析——基于省际面板数据及DEA方法［J］.系统工程，2008，26 （12）：1-6.

［10］张江雪，朱磊.基于绿色增长的我国各地区工业企业技术创新效率研究［J］.数量经济技术经济研究，2012（2）：114-123.

［11］韩晶，宋涛，陈超凡，等.基于绿色增长的中国区域创新效率研究［J］.经济社会体制比较，2013（3）：101-109.

［12］Pedro C，Manuel V H，Pedro S V.Are Environmental Concerns Drivers of Innovation？Interpreting Portuguese Innovation Data to Foster Environmental Foresight［J］.Technological Forecasting and social change，2006，73（3）：266-276.

［13］王锐淇，彭良涛，蒋宁.基于SFA与Malmquist方法的区域技术创新效率测度与影响因素分析［J］.科学学与科学技术管理，2010（9）：121-128.

［14］曹霞，于娟.绿色低碳视角下中国区域创新效率研究［J］.中国人口·资源与环境，2015，25（5）：10-17.

［15］王庆喜，张朱益.我国省域创新活动的空间分布及其演化分析［J］.经济地理，2013，33（10）：9-15.

［16］李婧，白俊红，谭清美.考虑空间效应的区域创新效率测评［J］.研究与发展管理，2011，23（1）：17-21.

［17］王鹏，曾坤.创新环境因素对区域创新效率影响的空间计量研究［J］.贵州财经大学学报，2015（2）：75-82.

［18］白俊红，江可申，李婧，等.区域创新效率的环境影响因素分析——基于DEA-Tobit两步法的实证检验［J］.研究与发展管理，2009，21（2）：97-101.

［19］颜莉.我国区域创新效率评价指标体系实证研究［J］.管理世界，2012（5）：174-175.

［20］潘竟虎，尹君.基于DEA-ESDA的甘肃省城乡统筹发展效率评价及其空间差异分析［J］.经济地理，2011，31（9）：1440-1444.

［责任编辑：张兵］

姜莹（1993-），女，江苏扬州人，硕士研究生，研究方向：技术创新管理。

中图分类号：F061.5

文献标志码：A

文章编号：1007-5097（2016）08-0073-06

收稿日期：2015-12-03

基金项目：江苏省社会科学基金项目（13GLD017）

作者简介：毛良虎（1962-），男，江苏江阴人，副教授，博士，研究方向：技术创新管理；

Research on Regional Innovation Efficiency and Spatial Discrepancy in the Yangtze River Economic Belt

MAO Liang-hu，JIANG Ying
（School of Business，Changzhou University，Changzhou 213164，China）

Abstract：Based on the DEA and ESDA method，this paper empirically analyzes regional innovation efficiency and spatial discrepancy in the Yangtze River Economic Belt from 2008 to 2014.The results show that：Regional innovation efficiency in the Yangtze River Economic Belt presents a dumbbell-shaped pattern；The level of regional innovation efficiency in the Yangtze River Economic Belt presents a positive spatial correlation，thus regions with similar development level aggregate significantly in space；The spatial discrepancy of regional innovation efficiency in the Yangtze River Economic Belt presents serious polarization，the upstream and downstream regions form relatively stable HH cluster areas，but midstream regions form relatively stable LL cluster areas.Finally，the corresponding suggestions are proposed to narrow the spatial discrepancy and to build the spatial correlation pattern of coordinated innovation development in the Yangtze River Economic Belt.

Keywords：DEA；ESDA；the Yangtze River Economic Belt；innovation efficiency；spatial discrepancy