我国知识生产函数的空间差异分析

李春燕

（黄河水利职业技术学院，河南开封475004）

我国知识生产函数的空间差异分析

李春燕

（黄河水利职业技术学院，河南开封475004）

为了分析影响我国东部、中部和西部创新活动的因素，在知识生产函数理论的框架下，选取了1998－2007年省际面板数据进行实证研究。结果显示，现有知识存量对当地创新有显著的促进作用，且证实了我国存在“站在巨人的肩上”效应。科技活动人员的弹性系数介于0到1之间，这也说明“踩在脚趾上前进”效应的存在。产业集群对东、西部创新的促进作用明显，对中部地区促进作用不显著。FDI对东部、中部地区的创新活动有显著的正溢出效应，而对西部地区的创新活动则表现为微弱的负溢出效应。

知识生产函数；省际面板数据；产业集群；溢出效应；空间差异

0　引言

在知识经济时代，创新是推动经济增长的主要动力，创新意味着巨大的经济效益。而创意则是创新的先导，创意产业的蓬勃发展，能够给国家带来巨大的财富。英国著名经济学家、“创意产业之父”约翰·霍金斯2006年5月在北京中国科技博览会上指出，创意产业每年在全球创造的产值为3万亿美元，并以每年7%的速度递增［1］。据英国文体部发布的《创意产业专题报告》，2002年英国创意产业增加值高达809亿英镑，成为仅次于金融服务业的第二大产业［2］。

近年来，我国创意产业也有很大发展。以北京为例，2007年文化创意产业的增加值就达992.6亿元，占全市GDP的10.6%。可见，创意产业已经成为国家和各地方经济的重要支柱。但是总体来说，我国仍是一个劳动密集型、缺乏核心技术、低附加值的制造业大国。为了更好地发展我国的创意产业、推进科技创新和提升产业竞争力，就必须了解创新的过程及其影响因素，进而准确地了解我国经济发展的特征。

1　研究现状

纵观国内外研究创新活动及其影响的文献，人们主要从研发投入（经费投入或人力投入）和FDI外商直接投资技术溢出两方面进行分析。近些年，随着产业集群的兴起并引起广泛关注，产业集群对创新活动的影响也逐渐成为研究的焦点。

1.1研发投入方面的研究

1997年，Bruno Crepon和Emmanuel Duguet利用法国1984－1989年698个制造业企业数据来估计创新方程（类似于知识生产函数），结果发现研发（R＆D）经费的投入对创新的产生有显著影响［3］。2007年，苏方林运用地理加权回归（GWR）方法对1993－2002年中国省域R＆D知识溢出的空间非稳定性进行了实证分析，研究结果表明，R＆D强度的产出弹性估计值有明显的空间变异，大体上从东至西呈“梯形”态势［4］。2008年，吕忠伟、李峻浩的研究结果表明，东部地区的R＆D投入和人力资本对技术进步具有正向促进作用，而中部、西部地区的R＆D投入和人力资本的作用不显著［5］。

可以看出，不论是以行业还是以企业为研究对象，上述文献都得出了R＆D对创新活动的促进作用很明显的结论；而从区域角度分析问题时，则得出了R＆D的促进作用在不同区域间有明显差异的结论。但上述文献也存在一个共同的不足之处，这就是主要只考虑了R＆D投入和人力资本等少数因素对创新活动的影响，而没有对创新活动的影响因素做更全面的分析研究。

1.2外商直接投资溢出效应的研究

国外的研究表明，FDI通过技术工人更替、示范效果等溢出渠道可以促进东道国的技术创新活动。但是，针对我国的研究结论各异：有的研究认为FDI溢出效应为正，而有的研究则认为FDI的溢出效应不显著，甚至为负。2003年，Cheung Kui－yin和Ping Lin利用中国1995－2000年省际面板数据研究FDI对中国创新的影响时发现，FDI对国内专利申请数量有正溢出效应［6］。2005年，冼国明、严兵利用1998－2003年省际层面的相关数据对外资在中国创新能力方面的溢出效应进行了分析，认为外资对中国的专利申请数量有显著的正溢出效应；对东、中、西部地区的进一步分析表明，外资在东部地区产生的溢出效应相对较强，中、西部地区的经济发展水平还未跨越促使外资产生显著正溢出效应的发展门槛［7］。

从上述关于FDI在我国是否存在知识溢出效应的研究文献来看，结论不尽一致。这可能是由于我国区域发展不平衡所致。FDI的地域分布不均衡，因而各省区对FDI溢出效应的吸收能力也不尽相同。

1.3产业集群对创新活动的影响

国外学者关于产业集聚对创新活动影响的研究已相当成熟。1996年，Audretsch和Feldman将产业集群与创新活动联系起来进行计量研究，发现新技术企业更加倾向于以产业集群的形式存在［8］。国内学者对这方面的实证研究起步较晚。2008年，张明倩、赵彦云对国家行业标准3位码下我国制造业161个细分产业的技术创新活动进行了研究，结果显示，产业集聚对产业创新能力的培育及创新水平的提升具有显著的正效应［9］。

总之，从以上研究文献不难看出，学者们对创新活动影响因素的研究各有侧重，结论也不尽相同。这也从一个侧面反映出影响创新活动的因素可能十分复杂。但是迄今为止，很少有文献将知识存量、产业集群这两个重要的变量同时纳入到知识生产函数当中，分析现有的知识存量怎样影响新知识的生成，以及为什么产业集群内的创新活动较集群外更为频繁，也很少有文献将影响创新活动的各种主要因素都考虑进来。

2　理论模型的设定及变量的选取

2.1理论模型的建立

利用我国东、中、西部地区1998－2007年省际面板数据研究我国的创新活动及其影响因素，并将知识存量、产业集聚、FDI、研发部门的经费投入和人力投入等作为重要的影响因素引入模型，以分析现阶段我国知识生产函数的性质。鉴于我国地区间差异明显，尤其是东、中、西部之间存在显著差异，用全国数据做面板模型不具有代表性，因此考虑对东、中、西部分别建立面板模型，以比较、分析影响其创新活动的因素有何不同。

这样，就构建了一个研究我国知识生产函数的模型，如式（1）所示。

式中，Yit为第i省第t期期初的知识存量；表示第i省第t期新生成的知识；Lit为第i省第t期研发部门的人力投入，人；RDit为第i省第t期的研发经费投入，万元；FDIit为第i省第t期的外商直接投资，万元；ICit为衡量第i省第t期的产业集聚水平；k为影响创新的一般因素；α、β、γ、φ、δ分别为各变量的知识生产弹性系数；εit是随机误差项。

两边同时取对数，得到计量模型，见式（2）。

2.2变量设计和数据来源

因为生成的新知识很难被观测到，所以用专利授权量作为创新产出的度量指标，表示第i省第t期的专利授权数。

2.2.2期初的知识存量Yit

由于知识存在过时和老化的现象，故采用永续盘存法计算知识存量Yit。

2.2.3研发经费投入RDit

研发经费投入对创新活动的影响有滞后性，本期生成的新知识与当期投入有关，也与前几期的投入有关。为了更准确地分析研发对创新的影响，用R＆D存量表示研发经费支出［10］，并用CPI调整成可比价，单位为万元。

2.2.4研发部门的人力投入Lit

用第i省第t期科学家和工程师数量代替，单位为人。

2.2.5外商直接投资FDIit

用第i省第t期实际利用外资金额替代，并调整成可比价格，单位为万元。

2.2.6产业集聚水平ICit

将工业总产值调整成可比价格，构建第i省第t期的单位面积工业总产值这个指标，来衡量产业集聚程度。计算上述变量所需的基础数据，来源于相关年份《中国科技统计年鉴》、中国科技统计网、《中国统计年鉴》、中经网、各省国民经济和社会发展统计公报。

3　面板数据模型估计及结论

3.1面板数据模型估计

通过经比较上述5个因素对东、中、西部地区创新活动的影响，决定采用随机效应模型。用E-views6.0分别对我国东、中、西部地区相应的面板数据模型进行估计，结果如表1所示。

3.2实证分析结论

研究的重点目标是对我国知识生产函数在东、中、西部地区表现出来的空间差异作一个较全面的分析，着重考察表1给出的各解释变量前系数的显著性及其经济含义，并比较东、中、西部地区有何异同。

表1　估计结果Tab.1 Estimation results

3.2.1知识存量对地区创新活动的影响显著

从表1可知，在所选取的5个解释变量中，知识存量对创新产出的弹性系数最大，且都通过了显著性检验。知识存量的弹性系数大于0，表明新创意的出现会随着创意存量的增加而增加，在研究中存在知识的正溢出效应。西方学者一般把这种外部性定义为“站在巨人的肩上”效应。至于东、中、西部的弹性系数不同，这可能是因为东、中、西部地区现有的知识存量有差异。

3.2.2“踩在脚趾上前进”的效应非常明显

就科学家、工程师数量对创新产出的弹性系数而言，东部、中部、西部地区分别为为0.3927、0.4173和0.4761，且在统计上显著。系数介于0和1之间，反映出由于研究人员的重复劳动同样会导致一定程度的研究效率下降，西方学者一般把这种外部性称为“踩在脚趾上前进”的效应。

3.2.3研发经费投入对创新的影响存在空间差异

在东、中、西部地区的模型中，研发经费投入的弹性系数均为负数，且在统计上显著，说明我国各地区研发经费投入的增加对创新活动有明显的阻碍作用，这与研发经费是创新活动最重要的源泉的一般印象相违背。造成这种结果的最直接原因就是我国研发经费投入和研发人员的比例严重失调。东部地区1998年研发经费支出是研发人员的4倍左右，到2007年，该比例攀升至12.83；中部地区1998年的平均倍数是2.48，十年后就增加至研发经费支出是研发人员的平均8.43倍；西部地区也由1998年的2.19倍增至7.35倍。从上面数据可以看出，在十年的时间里，研发经费支出速度大大超过了人员增加的速度，造成资金闲置。这样做，研发经费不仅不能发挥其在各地区创新活动中应有的促进作用，反而起到了阻碍作用。

3.2.4产业集聚变量对创新活动的影响在空间上存在显著差异

产业集聚变量反映一个地区产业集群的集聚程度。从表1可知，东、西部地区产业集聚的弹性系数分别为0.1529、0.1079，而且在统计上显著，这说明产业集群对我国东、西部地区的创新活动具有显著的促进作用。但是，中部地区该变量的弹性系数为0.0515，且在统计上不显著。这可能是由于中部地区的产业集群尚未形成，或者集聚程度不明显，因此还没有发挥产业集群对创新的积极影响。

3.2.5FD I的技术溢出效应在东、中、西部地区之间有差异

有学者指出，FDI的技术溢出效应主要通过示范—模仿效应、竞争效应、联系效应以及培训效应4条渠道实现［11］，但是这四条渠道并不都能促进东道主国的技术进步。比如竞争效应就是一把双刃剑，既是推动本地企业技术效率提高的动力，也会冲击本地企业，产生负面效应。对我国东、中、西部的实证研究结果也印证了这一点：FDI对东、中部地区有显著的正溢出效应，弹性系数分别为0.1237、0.0821；而在西部地区的弹性系数为－0.0194，且在统计上也不显著。这说明，东、中部地区的外商投资不仅数量大，而且对当地的创新活动也有一定的积极作用；而西部地区的外商投资不仅数量小，而且对当地的内资企业存在一定的“挤出效应”，这也使得西部企业的创新越来越难。

4　结论与建议

为了研究我国创新活动的空间差异，以知识生产函数为理论框架，利用我国东、中、西部1998－2007年省际面板数据对创新活动的影响因素进行了实证分析。该模型在前人研究的基础上，把现有知识存量、科技人员、研发经费投入、产业集群和FDI这5个主要影响因素纳入到一个模型中进行回归分析。根据回归结果可以看出，由于东、中、西部地区拥有的人力、物力资源的不同和产业集聚程度的不同，导致创新活动出现显著差异。

基于实证研究结果，笔者提出以下3点建议：

（1）大力培育产业集群。我国的产业集群多数处于发展的初级阶段，主要集中在广东、浙江、福建、江苏等沿海省份，其他省市仅有零星分布。从行业构成来看，我国的产业集群主要集中在纺织、服装、制鞋、家电制造、电子信息、医药、五金制品等行业，高新技术产业集群不多。从西方国家的经验来看，创新往往显著依赖于基础科学知识的发源地，如大学、国家实验室和其他研发机构；而产业集群，尤其是处于中心城市、大城市的高技术产业集群，往往在地理上与基础科学知识的发源地临近，使科学知识能及时传播，从而使企业获得更多的基础性知识。最典型的例子就是美国的硅谷，它的发展得益于斯坦福大学的基础知识支撑。此外，由于集群内部知识的持续积累，使该集群拥有大量的创新经验和技术信息，从而也有利于下一轮创新。再者，由于创新群体所处的地理位置相对集中，通过平时的实践和非正式个人接触，隐性知识在集群内得以快速传播，这也有利于新创意的产生。

（2）研发人员和R＆D经费投入的比例应协调。研发人员和研发经费是实现自主创新的两个必要条件，但并不是投入越多越好，两者要协调。研发人员投入过多，会造成研发部门人浮于事，创新的效率低下；但如果一味地投入研发经费，也会造成资金闲置，导致不能充分利用现有资源。

（3）进一步加强对人力资本的投资。创新分为自主创新、模仿创新、合作创新三种，不管是哪一种形式的创新，都需要高质量的人力资本做基础。人力资本能增强本国的自主创新能力，还能增强本国对国外先进技术的吸收、模仿能力。我国的实际情况是，东、中部地区经济水平相对于西部地区较高，现有的人力资本已经达到人力资本门槛，能较好地吸收FDI的技术外溢，但是离自主创新还有很大的差距，还有很大的提升空间。这就要求东部、中部地区注重高等教育，力争尽快从以模仿为主转变成以自主创新为主。西部地区还没有跨越这个门槛，对人力资本的投资任重而道远。针对这种情况，西部地区既要有针对性地加大高等教育、职业培训等方面的投入，提升现有人力资本的质量；又要着眼长远，加强基础教育，为未来人力资本数量的增加和质量的提高奠定基础。

［1］董志华.创意产业：天津经济发展的战略引擎［J］.天津行政学院学报，2007（1）：46-50.

［2］尹承恕.提速振兴的“创意”选择［N］.辽宁日报，2007－2－27（2）.

［3］Bruno Crepon and Emmanuel Duguet，Estimating the innovation Function from Patent Numbers：GMM on count Panel Data［J］.Journal of Applied Econometrics，1997（3）：243－263.

［4］苏芳林.省域R＆D知识溢出的GWR实证分析［J］.数量经济技术经济研究，2007（2）：145-153.

［5］吕忠伟，李峻浩.R＆D空间溢出对区域经济增长的作用研究［J］.统计研究，2008（3）：27-34.

［6］Cheung Kui－yin and Ping Lin，Spillover Effects of FDI on Innovation in China：Evidence from Provincial Data［J］.China Econom ic Review，2004（15）：25-44.

［7］冼国明，严兵.FDI对中国创新能力的溢出效应［J］.世界经济，2005（10）：18-25.

［8］Audretsch D.B.，Feldman M.P.，R＆D Spillovers and the Geography of Innovation and Production［J］.The American Econom ic Review，1996（3）：630-640.

［9］张明倩，赵彦云.产业集聚对创新活动空间差异的影响［J］.统计与信息论坛，2008（3）：43-47.

［10］吴瑛，杨宏进.基于R＆D存量的高技术产业科技资源配置效率DEA度量模型［J］.科学学与科学技术管理，2006（9）：28-32.

［11］张建华，欧阳轶雯.外商直接投资、技术外溢与经济增长［J］.经济学季刊，2003（4）：647-666.

[责任编辑冯峰]

C812

B

1008-486X（2016）02-0086-04

2015－11－13

李春燕（1983-），女，河南南阳人，助教，硕士，主要从事国民经济统计分析课程的教学与研究工作。