高校创新环境与教师知识创新关系的空间计量分析*

韩得满

（台州学院医药化工学院，浙江 台州，318000）

高校创新环境与教师知识创新关系的空间计量分析*

韩得满

（台州学院医药化工学院，浙江 台州，318000）

该文针对高校创新环境与高校教师知识创新之间关系问题，建立综合评价指标体系，运用空间自回归分析和空间计量经济学的地理加权回归模型，对全国30所高校的创新环境与教师知识创新之间的空间相关关系进行了检验和计量分析。研究结果表明，我国省域之间差异显著的高校创新环境与教师知识创新呈现明显的空间依赖和局域空间集聚的现象；高校创新环境对教师知识创新存在着显著并正向的关系，高校良好的创新环境可以提升教师知识创新能力。各高校只有在认清自身要素条件的基础上，充分利用创新聚集、区域优势、知识溢出、空间依赖等地理条件，加强高校间学术交流与合作，扩大创新辐射范围和强度，实现教师知识创新能力的持续增长，并最终实现教师知识创新能力对提升高校创新产出的跨越式增长。

高校；创新环境；教师；知识创新；空间计量分析

任何创新活动都离不开一定环境的支持,高校创新环境作为影响高校教师知识创新的各种外部因素的组合，直接关系到教师知识创新能力的形成和发展。王缉慈认为，创新环境是高校与高校之间在长期正式或非正式合作交流基础上所形成的相对稳定的系统。［1］一所大学的教师知识创新不仅来自于教师自身内在创新能力的增加，更来自于良好的创新环境。研究高校创新环境与教师知识创新的关系，对优化高校创新环境与教师知识创新增长发挥了重要作用。目前，国内外有关高校创新环境的研究成果较多，如杨铭、楼晞等（2004）从学校管理、教育评估体系等方面探究了高校创新环境的培植。［2］储皓等（2001）认为，高校创新环境有利于培养具有创新能力的素质人才。［3］陈进（2004）从学术交流环境、教学管理环境以及创新的意识观环境等方面提出了高校创新环境建设的对策建议。［4］

总体上，目前关于高校创新环境的研究主要集中在理论领域，实证领域的研究成果较少，且从高校创新环境综合分析教师知识创新能力及二者之间的关系的实证研究更是匮乏。

事实上，如果将我国所有高校作为一个同质的整体，运用高校的总量数据去分析整体上高校创新环境与教师创新能力，并不考虑可能存在不同区域高校创新环境的空间差异和空间交互（即空间依赖性），则容易忽略理论与实证研究中的空间因素，从而导致实证分析结果缺乏普适性及应有的说服力。鉴于此，本文基于我国部分高校的问卷调查，采用空间计量经济学方法,深入探讨了高校创新环境综合水平，同时通过构建地理加权回归模型，识别在培育我国高校创新环境过程中，整体创新环境在地理空间上是否具有空间聚集的倾向；而高校教师知识创新能力在地理空间上是否存在空间集群现象，以及良好的高校创新环境是否有利于高校教师知识创新能力的形成。旨在为我国高校创新环境与教师知识创新能力之间关系的实证层面的研究提供较为丰富的现实依据，同时亦可为相关政府部门、高校制定差异化的创新政策和异质化的制度安排提供决策参考。

1 理论分析与研究方法

1974 年荷兰经济学家Paelinck率先提出空间计量经济学（spatial econometics）的概念，后经Anselin等学者的发展，逐渐形成了空间计量经济学学科的框架体系，空间计量经济学的产生和发展使传统的时间经济学向空间经济学转变。空间计量学主要基于经典的计量分析技术，广泛应用于创新的扩散和技术溢出等方面的研究，空间计量经济学理论认为，一般地理空间上的某一种经济活动一般都与邻近地区空间的同一经济活动存在着空间依赖性，也就是空间自相关性，也就是说空间经济数据存在不同区域之间的空间依赖性。

为了验证我国高校创新环境与教师知识创新的空间聚集特征不是随机发生的，还具有一定的空间分布特点，本文运用空间统计学技术对我国高校创新环境与教师知识创新进行了空间自相关检验，包括全局空间自相关性检验和局部空间自相关性检验。

1.1 空间自相关分析

空间自相关分析(spatial auto-correlation analysis)最早由Moran提出，该方法适用于分析和研究事物在空间上的依赖关系，并且在数字图像处理、流行病学、生物学、区域经济与社会研究中迅速得到了应用。该方法可用来检验高校创新环境及高校教师知识创新能力的聚集现象的空间相关性是否存在。在实际应用研究中常用空间统计学自相关指数Moran's I[5-6]检验高校创新环境与教师知识创新的空间相关性。计算公式如下：

式（1）中，i=1,2,…,n； j=1, 2…, m；n＝m或n≠m。n为样本量，即区域总数。xi、xj是空间位置i和j的观察值，wij表示区域i和区域j的邻近关系，当i和j两个区域相邻时，wij=1；若这两个区域不相邻，则wij=0。Moran's I的取值范围为[-1，1], Moran's I＜0表示负相关性,即不同的属性呈离散空间格局；Moran's I＞0表示在地理分布中相似的属性呈集聚空间格局。［7］

1.2 空间计量理论模型

通过上述空间自相关分析已经证明了中国高校创新环境与教师知识创新存在显著的空间相关性，故采用空间计量模型对高校创新环境与教师知识创新之间的关系进行研究。

由于省际间高校创新环境在地理空间上具有显著的差异性，且各高校创新环境存在着某些复杂的自相关关系，因此，需要引入空间计量经济学中的地理加权回归模型（Geographically Weighted Regression，GWR）[5,8-9]来研究高校创新环境与教师知识创新之间的关系。地理加权回归模型表达式为：

式(2)中，βj下标表示区域（地区），a为常数,是模型的随机误差项其中，m=30，即选取30个高校的截面数据。M=i=1,2,…,n；j=1, 2…,m。模型（2）理论上可以通过极大似然法(ML)求解参数向量的估计值。但由于自变量存在内生性,极大似然法估计的值不唯一，Hastie和Tibshirani提出了利用邻近区域的观测值通过加权最小二乘法(WLS)求得局域系数估计值。即特定区域i的回归系数是利用邻近区域的子样本数据进行回归计算得到的变数 βj(j=1,2,…m)。在此模型中代表一个高校的创新能力增长对邻近高校创新能力增长的影响程度，

2 数据来源与指标选取

2.1 数据来源

鉴于高校创新环境和教师知识创新能力评价指标的完整性和数据的权威性，本文以2012年为例，主要数据来源于国家统计局[10]、教育部、中国科技信息研究所[11]等机构发布的统计数据资料，采用的空间样本是除了我国的台湾、香港、澳门之外的内地30所研究型高校。

2.2 指标选取

2.2.1 高校创新环境指标体系

高校创新环境是评价各研究型大学科研成果数量的指标。高校的创新环境越高,不仅可以提高高校自身发展与完善,而且还可以促进高校教师知识创新能力的形成和提升。高校创新环境是一个复杂的系统,高校创新环境评价指标体系共包括48个三级指标:全年科研经费投入(万元)、年度承担科研项目总数（项)、发表学术论文总数（篇）、科研获奖总数（项）、国家自然科学奖（项）、国家科技进步奖（项）、其他成果奖（项）、专利申请数（项）、专利授权数（项）、当年转让合同总数（个）、专利出售合同数（个）、技术转让合同数（个）、技术成果转化收入总额（千元）、主办国际学术会议数（人次）、访问学者派遣和接收人数（人次）、访问学者派遣人次（人次）、全校教学与科研人数（人)等。

2.2.2 教师知识创新指标体系

目前,我国各大学尤其是研究型大学的教师知识创新能力在我国各个高校创新系统的知识创新过程中扮演着非常重要的角色。为此，我们从教师技术知识与推理能力、开放式思维与创新、个人职业能力、沟通表达与团队工作、态度与习惯、责任感、价值观、应用创造社会价值等方面选择建立了一个8项指标的指标体系。

3 高校创新环境与教师知识创新关系的空间计量分析

3.1 空间相关性检验

利于空间自相关指数公式（1）计算得到我国30所高校创新环境与教师知识创新的空间自相关Moran's I分别为0.25、0.22，结果表明，我国不同省域的30所研究型高校的创新环境和教师知识创新能力在地理空间分布上并不是分散分布的，而是存在着显著的局域集群(Clustering)性。也就是说，一个具有较高创新环境的高校趋于和另一些具有较高创新环境的高校相靠近，或者较低创新能力(或较差环境) 的高校之间趋于相邻。

3.2 空间计量模型与估计

空间统计分析证明，我国30所研究型高校创新环境与大学教师创新能力之间存在着空间相关性。为了验证我国大学创新环境与大学教师创新能力之间存在密切联系的有效性，需要采用地理加权回归模型进行估计。构建反映高校创新环境与教师知识创新关系的计量经济学回归模型：

式（3）中，ε表示随机误差项，j=1,2…30所研究型高校，IMj表示某年度各个省域的高校创新环境综合得分，TKICj表示某年度的教师知识创新能力的综合得分，βj衡量高校创新环境对教师知识创新能力的影响，由于研究采用空间计量经济学模型中地理加权回归模型（GWR），因此设回归系统β是一个常数，而βj的估计一般是采用加权最小二乘法(OLS)。

根据GWR估计结果（见表1）可见，高校创新环境与高校教师知识创新能力的OLS估计模型其拟合优度（Goodness of Fit）达到0.573，模型整体上通过了1.0%水平的显著性(卡方)检验；而且高校创新环境也通过了1.0% 水平的变量卡方检验，表明从总体上来讲，高校创新环境对高校教师知识创新具有明显的影响：在不考虑其他因素的情况下，高校创新环境综合指数总体上每增长1分，高校教师知识创新能力总体上增长1.4分。当然，OLS模型的拟合程度比较低，解释能力只有0.471，使用基于OLS估计的模型研究高校创新环境对高校教师知识创新能力其解释能力较低，导致这种现象可能是疏忽了影响高校教师知识创新能力的重要因变量，或是该模型的随机干扰项含有违反计量经济模型扰动的假设问题，譬如未及时考虑省域间的空间相关性等问题。

表1 高校创新环境与高校教师知识创新能力的OLS估计结果

表1研究结果表明，不同的空间差异性对高校教师知识创新和高校创新环境都有显著影响,即所研究变量在样本期间具有明显的空间依赖性。但由于线性回归模型在构建过程中忽视了残差项的空间自相关性问题，导致OLS估计结果可能出现偏差，且该OLS模型所进行的是全域估算，无法揭示(Local)各个局域高校创新环境对在校教师知识创新能力的实际影响程度。为了解决这些问题，故本研究引进地理加权回归模型(GWR)和加权最小二乘法(WLS)，对我国30所高校的数据分别进行高斯距离权值(Gaussian Distance)、指数距离权值(ExponentialDistance)和三次方距离权值(Tricube Distance)进行局域估算,并得出分别为0.934,0.953,0.921，2均远远大于OLS的估计结果，这表示引进地理空间加权回归模型后，模型整体拟合效果较好，并验证了我国30所高校创新环境和高校教师创新能力之间存在着明显的空间关联性。

表1结果显示：高校创新环境与在校教师知识创新之间呈现显著正相关，显示出我国高校创新环境发展对在校教师知识创新能力的提升具有明显的促进作用。在不考虑其他影响因素干扰的情况下，高校创新环境指数每增长1个百分点，在校教师知识创新能力增长0.0901个百分点。如北京、天津、河北、上海、辽宁、山东、湖北、浙江、江苏、内蒙古、山西、陕西、河南、安徽、重庆、宁夏、吉林等的高校创新环境指数每增长1分，则在校教师的知识创新能力分别增长2.12、2.11、2.10、2.09、2.06、1.91、1.90、1.89、1.87、1.86、1.69、1.64、1.63、1.37、1.31、1.25、1.17个分。

4 结论及政策建议

本文通过运用空间地理加权回归模型，对我国30所高校的创新环境和高校教师知识创新能力的空间聚集模式及二者之间的空间相关性进行了计量分析和检验，得到如下结论：

(1)通过对高校创新环境和高校教师知识创新能力的空间相关关系的检验分析可以看出，我国各高校在校教师知识创新能力在空间分布上存在着明显的空间关联性，因而在剖析高校教师知识创新的影响因素时应采纳空间计量模型将高校创新环境对教师知识创新能力的影响分解为局域估计系数，从而回归分析结果更加精确可靠，以求较为科学地分析高校创新环境对教师知识创新的影响，为制定和实施增强高校教师知识创新能力提供的引导和理论支持。

(2)研究结果表明，高校创新环境对高校教师知识创新具有显著的正面影响,高校在促进教师知识创新能力方面应该发挥更大的作用。高校良好的创新环境，特别是高校从行政管理和经费投入方面来扶持高校教师知识创新活动，有助于在校教师知识创新能力的形成和原创性知识能力的增强。

(3)通过运用空间地理加权回归模型可以发现，省域高校创新环境与教师知识创新能力的差异较明显。因此，可以通过差异化的制度安排与异质化的科技政策，培育具有地域特色的竞争、合作的局域高校学术创新环境，充分发挥高校创新环境在教师知识创新能力提升中的重要作用。

受研究样本数量和指标选择普适性等因素的限制，本研究仅从宏观层面对高校创新环境与教师知识创新能力的空间关联性进行了回归分析。在今后的工作中将继续从微观层次研究各个省域的高校创新环境与高校教师知识创新能力之间的空间互动发展关系，探讨各个省域的高校创新环境对高校教师知识创新能力的空间微观作用机制。

[1]王缉慈.知识创新和区域创新环境[J].经济地理,1999, 19(1):11-I5.

[2]杨铭,楼晞,单怡超,贾春萍. 高校创新环境培植理念探究[J]. 南京工程学院学报(社会科学版),2004(4): 48-51.

[3]储皓,张爱梅.高校创新教育环境的关键性要素研究[J]. 南京航空航天大学学报(社会科学版). 2001(4)：77-79.

[4]陈进.论高校创新环境与创新人才的培养[J].山西农业大学学报，2004(2):168-171.

[5]Anselin L.,Varga,A.and Acs,Z. J.Geographical Spillovers and University Research: A Spatial Econometric Perspective[J].Growth and Change 2000,31: 505-515.

[6]Anselin L.Raymond J.G. Florax Rey,S. JAdvances in Spatial Econometrics[M]. Berlin:Springer-Verlag,2004,241-264.

[7] Zhang CS，McGrath D．Geostatistical and GIS analyses on soil organic carbon concentrations in grassland of southeastern Ireland from two different periods． Geoderma，2004,119：261-275.

[8]Anselin L. and Florax R.New Directions in Spatial Econometrics[M]. Berlin:Springer-Verlag, 172-188.

[9]Anselin L. Florax R ,Rey S(eds) Advances in Spatial Econometrics: Methodology,Tools and Applications[M]. Springer-Verlag, 241-264.

[10] http://www.stats.gov.cn/.中华人民共和国国家统计局.

[11] http://www.istic.ac.cn/.中国科技信息研究所.

The Analysis of Spatial Econometric between Innovation Environment of Universities and Innovation of Teacher Knowledge

Han De-man
(college of Pharmaceutical Chemicals of Taizhou University, Taizhou, Zhejiang, 318000)

This paper is directed against the relations between innovation environment of universities and innovation of teacher knowledge and it aims to establish an integrated index evaluation system and conducts an investigation and quantitative analysis between innovation environment of universities and innovation of teacher knowledge in 30 universities in China by using Spatial Regression Analysis and Geographically Weighted Regression in Spatial econometrics. The results show that there exists significant spatial independence and spatial agglomeration between the two subjects, the innovation environment of universities is positively and significantly correlated with the innovation of teacher knowledge, a sound innovation environment helps to improve the innovative abilities of teacher knowledge. Universities should firstly get a clear understanding of their essential conditions, make full use of geological conditions such as innovative aggregation, regional advantages, knowledge spillover and spatial independence, academic communication and cooperation among universities, expand the scope of innovation and achieve the target of constant improvement of innovative abilities of teacher knowledge, and finally achieve leap-forward improvement of university innovation driven by the innovative abilities of teacher knowledge.

universities; innovation environment; teachers; knowledge innovation; Spatial Regression Analysis

G40-054

A

1674-3083（2016）06-0027-05

2016-11-16

本文是浙江省2015年度高等教育教学改革项目“基于‘校企协同、产教融合’的高分子材料与工程专业应用型人才培养模式的探索与实践”（jg2015181）阶段性研究成果之一。

韩得满（1972—），男，浙江三门人，台州学院医药化工学院院长、教授，博士，主要从事分析化学教学与研究。