科技服务业集聚是否促进了地区创新——本地效应与省际影响

朱文涛，顾乃华

(暨南大学产业经济研究院，广东 广州 510632)

科技服务业集聚是否促进了地区创新
——本地效应与省际影响

朱文涛，顾乃华

(暨南大学产业经济研究院，广东 广州 510632)

利用中国省级面板数据，运用空间杜宾模型方法，从本地效应和省际互动双重视角分析科技服务业集聚对地区创新能力影响的驱动机理和作用效果。实证结果表明：科技服务业集聚通过知识和技术溢出以及竞争效应，对本地区创新水平的提高产生显著的正向影响，然而，值得注意的是，由于“虹吸效应”的存在，科技服务业集聚却在一定程度上抑制了邻近地区创新水平的提高，表现出较为明显的区际抑制效应。基于实证结论，提出了促进区域创新能力提升的若干政策建议。

科技服务业；集聚；创新；虹吸效应；空间面板模型

1 引言与文献回顾

中国正处于经济转型的关键时期，实现“要素驱动”向“创新驱动”经济增长方式转变，科技创新至关重要。着力提升中国区域创新能力，推动经济成功转型，实现经济社会的可持续发展，日益成为社会各界共识。那么如何提升中国区域创新能力，也就成为当前学术界需要探讨和研究的重大课题。

在过去很长一阶段，服务业对创新的作用一直被学者们所忽视，直到Gershuny等[1]和Barras等[2]有关服务业对创新作用理论出现。此后服务业与创新关系的研究日益增多，其中知识密集型服务业(KIBS)对创新的作用尤其引人注目，Mas-Verdú F等[3]研究了知识密集型服务业对地区创新的影响，认为知识密集型服务业发展促进了创新以及创新的扩散。Shi X等[4]认为知识密集型服务业已成为推动创新能力提升的主要因素，在中国东部尤其明显，而知识服务业对创新的推动与地区人力资本状况密切相关。Toivonen M[5]的研究肯定了知识密集型服务业对制造业创新的作用，运用投入产出法研究了知识密集型服务业投入与制造业创新的关系，其研究认为知识密集型服务业投入与制造业创新之间存在显著的正相关关系。而科技服务业作为知识密集型服务业(KIBS)的重要组成部分[6]，在国内研究中也受到越来越多的关注，孟庆敏[7]研究了科技服务业与制造业的创新互动机理，其研究认为科技服务业与制造企业的创新互动，提高了制造业的创新势能，同时也使科技服务业本身的创新能力得到加强。张振刚[8]以珠三角地区为样本，考察了科技服务业对地区创新能力的影响，其研究认为科技服务业的发展不仅能显著提高本地区的创新能力，同时也有较为显著的空间溢出作用。王海龙[9]研究了科技服务业的创新驱动效应，认为基础设施投入欠缺、市场机制不健全以及科技服务业规模较小阻碍了科技服务业的创新驱动效应。

已有的文献对科技服务业与创新关系进行了一定程度的探讨，比较遗憾的是大多研究文献忽视了空间地理因素，也即科技服务业的空间布局对创新的影响，尤其是产业集聚的作用。虽然何种产业集聚类型更能推动地区创新目前存在一定的争议，但产业集聚对创新的促进作用得到了学术界的广泛认同。Hong J等[10]认为创新产业集聚有助于促进地区创新，进而对地区全要素增长率具有显著的正向影响。彭向[11]对产业集聚与区域创新关系进行了实证研究，发现产业内和产业间知识溢出对地区创新均有显著的正向影响，产业间知识溢出外部性的产业互补对技术创新的影响更大。陈劲[12]认为不同程度的产业集聚对创新的影响存在一定差别，在集聚程度较低时，专业化集聚有助于创新，而集聚程度较高时，专业化集聚却对创新产生抑制作用。杨浩昌[13]通过实证研究发现制造业集聚明显促进了科技创新，但制造业聚集对不同行业的影响存在差异。张秋燕[14]考察了集聚外部性对区域创新能力的影响，其研究发现专业化集聚对地区创新能力的影响存在门槛效应。那么，科技服务业集聚是否有助于提升本地区的创新能力？又会对邻近地区创新产生何种影响？这些问题的回答，对于厘清科技服务业集聚与地区创新关系，从而制定更为科学的创新战略和政策措施，具有重要的理论和现实意义。基于此，本文对科技服务业集聚影响地区创新能力的机制进行分析的基础上，结合空间杜宾模型方法，实证检验了科技服务业集聚对地区创新能力的本地效应与省际影响，以期为科技服务业发展和地区创新能力提升提供经验参考。

2 理论假设、变量选取与数据说明

2.1 理论假设

科技服务业是指运用现代科技知识、现代技术及经验知识，向社会各部门提供智力支持和服务的新兴产业。科技服务业主要为各部门的科技创新提供经验、知识和技术服务，因此知识和技术溢出，是其影响地区创新的主要方式。新经济地理学认为知识和技术的传播存在一定的时滞，而在传播过程中也难免会出现信息质量的衰减和扭曲，距离成为知识和技术溢出的重要障碍。知识和技术溢出存在着明显的时空局限性，产业集聚则使得这种时空局限性因企业间空间距离的缩小而得到改善。产业集聚能很好地克服距离递减效应，进而为集聚区企业间技术和知识的传播提供便利。由于集聚区企业间的交流和学习更为频繁和有效，知识和技术的外溢效应将更为明显，相互的学习和频繁的交流有助于科技服务业企业自身更好地进行技术与知识的积累和更新，同时也有助于其更好地实现优质服务的输出。集聚产生的竞争效应，同样有助于新知识和新产品的创造，在科技服务业集聚区一般分布着大量提供科技服务的部门，虽然它们提供异质性服务业产品，但仍然存在较为激烈的竞争，这促使它们更为积极而迫切的进行新知识的积累、创造和传播。通过知识和技术的溢出效应和竞争效应，科技服务业集聚对提升科技服务业企业的创新能力具有重要作用。而科技服务业和制造业的创新互动，也使得科技服务业集聚对制造业部门创新能力提升具有重要影响[7]。科技服务业集聚的竞争效应，促使科技服务业企业向制造业输出更好的科技服务，而科技服务业对制造业的知识溢出，则提高了制造业创新势能，有助于制造业企业的转型升级，最终提高了制造业部门的创新能力。因此，科技服务业集聚不仅提高了科技服务业自身的创新能力，同时也通过促进制造业创新能力的提升，整体上促进了地区的创新水平。基于以上分析，我们提出本文的第一个假设H1：科技服务业集聚，通过知识技术溢出效应及竞争效应，能显著提高本地区的创新能力。

科技服务业集聚，通过知识溢出、技术溢出及市场竞争效应，对本地区创新能力的提升应有积极的影响。然而，科技服务业集聚却未必能提高邻近地区的创新水平，相反有可能在一定程度上对相邻地区创新能力提升产生抑制，这种抑制影响主要源于集聚经济性导致的对人才流、信息流和资本流等创新要素的引力作用，也即存在“虹吸效应”。科技服务业作为一种高端知识密集型产业，其发展受到人才和资本的约束较大。科技服务业集聚区，由于存在较多的就业机会和较高的资本报酬，以及较好的制度环境，在吸引人才和资本方面存在较大优势，这使得集聚区不仅对本地区人才和资本有较强的吸引力，同时也吸引着邻近地区的人才和资本向本地区集中。随着集聚力的增强，科技服务业集聚程度较高的地区，将对相邻地区人才和资本产生持续的“引力”，这种区际创新要素的竞争，将导致区际创新能力失衡，相邻地区之间的竞争，可能使一个地区科技服务业集聚对相邻地区创新水平提升产生抑制，进而拉大地区间的创新水平差异。因此我们提出本文的第二个假设H2：科技服务业集聚具有显著的本地效应，而对邻近地区的创新则表现为负外部性。

2.2 变量选择与数据说明

(1)因变量。专利授权数量是反映地区创新能力的重要标志。虽然专利授权数并不能完全反映一个地区的创新能力，但相比于其他可量化指标而言，专利授权数可能更能反映一个地区的科技创新活力和能力，在以往的研究文献中，也较多的采用专利授权数量衡量地区的创新能力，如Paci等[15]、Andersson等[16]以及Gonçalves E等[17]在研究创新时，采用专利数作为创新能力的指标[15-17]。在明确以专利授权数作为地区创新能力的衡量指标后，我们考虑到如果一个地区人口众多或产业规模较大，专利数量应该也就较多，用专利的总量数值来代表地区创新能力可能高估了某些地区的创新能力，综合考虑指标科学性和数据可得性，本文最终采用人均指标，也即采用每万人三种专利授权数量，作为衡量地区创新能力指标，将其作为因变量加入到模型中，并用aivn表示。

(2)解释变量。本文的核心解释变量为科技服务业集聚度，由于新兴业态不断出现，科技服务业到底包含哪些细分行业，目前在统计分类上并没有达成共识，这给实证研究带来一定的困难。综合借鉴魏江[18]和张振刚[8]的做法，将信息传输、计算机服务和软件业，租赁和商务服务业，科学研究、技术服务和地质勘查业视为科技服务业。另外，区位熵是衡量产业专业化集聚的常用指标，用于衡量不同地区科技服务业专业化水平，可以充分反映和比较各地区科技服务业的集聚水平，因此将区位熵作为衡量科技服务业集聚度的解释变量，科技服务业区位熵的计算公式如下：

(1)

其中lq为科技服务业集聚度(区位熵)，empi,j表示j地区科技服务业从业成员数，empi,all表示全国科技服务业从业人员数，empj为j地区城镇就业数，empall为全国城镇就业总人数。

影响地区创新能力的其他因素中，本文选择了地区开放水平、政府创新投入、产业结构、RD投入、地区经济发展水平作为控制变量。各主要控制变量说明如下：

地区对外开放水平。地区创新水平提高有赖于地区的对外开放水平，集中体现于国际经贸往来带来的知识外溢和技术外溢效应对科技创新能力提升的影响，在以往的研究中，对外贸易额或外商直接投资额经常被用于衡量一个地区的开放水平，本文认为对外贸易额更能全面反应一个地区的对外开放状况，因此采用对外贸易额作为衡量地区开放水平指标，并用open表示。

政府创新投入。政府对创新的支持是实现创新的重要影响因素，政府科技财政支出是反映政府创新投入的重要指标，本文将科技财政支出作为政府创新投入的指标，并用exp表示。

产业结构。产业结构是影响地区创新能力的因素之一[19-20]，本文采用工业产值占GDP总产值比重作为产业结构的替代指标，表示为indus。

企业创新投入。创新投入是企业推动科技创新的重要力量，企业创新投入包括多个方面，企业R&D经费支出是反映企业创新投入的重要指标，较多研究表明企业R&D投入对科技创新有重要作用，如Scherer[21]和李廉水[22]等人的研究，也有研究认为企业RD经费投入对创新的影响不显著，如吴献金等[23]的研究，本文将企业RD经费支出作为企业创新投入的替代指标，并用rdexp表示。

地区经济发展水平。经济发展水平也是影响地区创新能力的影响因素之一，衡量地区经济发展水平的指标有很多，较为常用的如国内生产总值、人均国内生产总值、政府财政收入、人均居民收入水平等，本文选择实际人均GDP作为衡量地区经济发展水平的指标，并用sgdp表示。

本文数据来源于2009—2015年的《中国统计年鉴》和《中国区域经济统计年鉴》，变量中原始数据单位为美元的对外贸易额以各年度汇率换算成元，政府科技财政支出、企业创新投入以及人均GDP均采用GDP平减指数折算为以2008年为基期的实际值。样本时间跨度为2008—2014年，截面样本选择方面，由于香港、澳门、台湾等地区经济社会制度与大陆存在较大差异，因此将这些地区剔除在考察的样本外，西藏地区部分年份的数据不全，因此也被剔除在样本之外，考察的样本横截面为中国大陆30省份，样本数为210个。各变量的统计性描述如下(见表1)所示。

表1 变量的统计性描述

3 模型设定和计量方法

3.1 空间相关性检验

在空间相关性检验中，莫兰指数得到广泛使用。本文采用莫兰指数(Moran’I)检验区域创新能力是否存在空间相关性，Moran’I的计算公式如下：

(2)

3.2 空间面板模型

空间面板模型一般分为空间误差模型(SEM)、空间滞后模型(SLM)和空间杜宾模型(SDM)，结合上文变量选择，构建三种待检验的空间面板模型：

(1)空间误差模型(SEM)：

(3)

(2)空间滞后模型(SLM):

(4)

(3)空间杜宾模型(SDM):

(5)

需要说明的是本文采用了经济距离和地理距离权重分别对模型进行估计，主要是考虑到，采用经济距离和地理距离两种空间权重分别估计模型，有助于对模型回归结果的稳健性进行判断，同时也有利于对两种权重结果进行对比分析，以明确科技服务业集聚对地区创新能力的影响机制。两种空间权重矩阵计算方法如下：

地理距离权重。地理距离权重设置过程中，先按经纬度坐标，计算各省会城市直线距离，接着按照距离的倒数构造地理距离权重矩阵，并进行行标准化处理，使得权重矩阵每行的和为1，地理距离权重具体计算公式如下：

(6)

其中dij表示区域i和区域j的直线距离。当区域i和区域j的距离越小，赋予的空间权重越大，反之则相反。

经济距离权重。本文借鉴林光平[24]的做法，构造经济距离权重W2,W2=W×Dij其中W为传统的邻接权重矩阵，矩阵Dij计算公式如下：

(7)

式(1)中Xit为i省份在t时期的经济变量，代表省份i在t时期的实际GDP。同样的，经济权重也进行了行标准化处理。

4 模型选择与结果分析

4.1 空间相关性检验

在运用空间计量方法时，首先需要对被解释变量进行空间相关性检验，本文利用较为流行的Moran’I指数对被解释变量的空间相关性进行检验。由于Moran’I指数的计算依赖于空间权重矩阵W，为了避免采用单一空间矩阵所带来的测度偏差，选择经济权重和地理权重分别计算Moran’I值，结果如表2所示。从表2可知，2008—2014年两种空间权重计算的Moran’I值所对应的正态统计量Z值均大于5%显著性水平所对应的临界值，说明2008年以来专利申请授权数具有明显的空间自相关性，也即一个省份的科技创新会受到邻近省份科技创新的显著影响。两种权重计算的莫兰指数值较为接近，莫兰指数结果较为稳健。

表2 2008—2014年中国专利申请授权数的全域Moran’I指数

4.2 模型选择

在空间面板模型选择过程中一般需要通过如下检验以确定模型的具体形式。第一，在不考虑任何空间相关性的基础上，利用LM检验和robust-LM检验对因变量或者残差项是否存在空间相关性进行检验。第二，利用Wald检验和LR检验对SDM两个假设H0：θ=0和H0：θ+δβ=0进行检验，如果拒绝这两个假设,则使用SDM模型能够最好的拟合数据，相反如果拒绝了第一个假设，且robust-LM检验也指向采用空间滞后模型(SLM)，则使用空间滞后模型能最好的拟合数据。如果robust-LM所指向采用的模型不是wald/LR检验所指向采用的模型，则应该采用空间杜宾模型(SDM)[25]。此外根据个体效应的不同，空间面板可以分为空间固定效应和空间随机效应，本文利用Hausman检验进行判定采用固定效应还是随机效应模型。

表3 非空间面板模型估计结果

注：表中括号内为t值，***、**和*分别表示在1%、5%和10%水平上显著。

具体的，我们首先采用非空间面板数据模型，并对结果进行检验，以确定空间滞后和空间误差模型那个较为合适。表3报告了估计结果。在混合回归和空间固定效应回归中，均在1%显著性水平下拒绝了没有空间滞后因变量的原假设，然而在时间固定效应中，却不能拒绝没有空间滞后因变量和空间自相关误差项的原假设，在包含空间和时间固定效应的模型中，当使用传统LM检验时，不能拒绝没有空间滞后因变量和空间相关误差项的原假设，但在使用robust-LM检验时，分别在5%水平下拒绝了没有空间滞后因变量和空间自相关误差项的原假设。以上检验结果表明，模型应该包含空间滞后项，而是否应该包含空间误差项则需要进一步检验。接着通过似然比LR检验，对空间固定效应进行联合非显著性检验，检验结果中LR=370.0492，拒绝了无空间固定效应的原假设，同时对时间固定效应进行联合非显著性检验，检验结果中LR=42.0025,拒绝了无时间固定效应的原假设，所以在接下来的空间面板建模中应该考虑到时间效应和空间效应。

接着，利用Wald检验和LR检验对SDM模型是否应该简化为SLM或SAR模型进行检验，表2下半部分报告了检验结果，检验结果拒绝了H0：θ=0和H0：θ+δβ=0两个原假设，说明SDM模型不应该简化为SLM和SAR模型，同时用Hausman检验判别是否应该采用固定效应模型，检验结果支持了固定效应模型的设定。以上非空间面板模型估计和相关检验，时间固定效应中，并未拒绝没有空间滞后项和空间误差项的原假设，因此表4仅报告空间固定效应及空间固定效应和时空固定效应SDM模型估计结果。由于传统模型的R2是基于残差平方和分解的，因此不适用于具有空间效应模型判断，如果仍然直接比较不同模型的R2是不科学的，而带有空间滞后因变量的面板模型中correctedR2比R2指标更为合理[26]。从表4的结果中，我们可以看出包含空间固定效应的SDM模型，不管是在地理距离权重还是在经济权重下，correctedR2均明显高于考虑时间和空间效应的SDM模型中的correctedR2值，且相比于包含时间和空间效应的SDM，仅包含空间固定效应的SDM中ρ的系数更为显著，同时本文考察的时间跨度较短，受到时间背景的变量影响较小，综合以上考虑，认为仅包含空间固定效应的SDM模型更为合理。

在非空间面板模型中，参数估计可以准确地反应各解释变量对因变量的边际影响，然而空间杜宾模型由于包含滞后项，参数估计值并不能准确真实地反应解释变量对因变量的边际影响，因此我们有必要利用偏微分方法估计出各解释变量对因变量的直接效应和间接效应。

表4 空间固定效应SDM模型和时空固定效应SDM模型估计结果

注：括号内为t值，***、**和*分别表示在1%、5%和10%水平上显著。

4.3 结果分析

表5报告了直接效应和间接效应的估计结果。在经济距离权重和地理距离权重下，科技服务业集聚的直接效应系数分别为0.096和0.231，且均在1%水平上显著，说明科技服务业集聚具有较为明显的本地效应，也即科技服务业集聚对于提高本地区的创新水平具有显著的正向影响。地理权重下科技服务业集聚的间接效应系数为-1.116，在经济权重下，间接效应系数为-0.650，两种权重下间接效应系数分别在1%和5%水平上显著为负，说明科技服务业集聚对邻近省份的影响并没有表现出正的外部性，相反表现出一定的抑制效应。这主要是因为一个省份科技服务业集聚度的提高，会通过“虹吸效应”，吸引周边省份的人才、资本等创新要素向本地区集中，通过这种引力效应，对周边地区创新能力的提升形成抑制，进而拉大了区域间的创新能力差距，形成“强者愈强，弱者愈弱”的局面，实证结果印证了前文的理论假设。

表5 空间固定效应SDM模型估计的直接效应和间接效应

注：***、**和*分别表示在1%、5%和10%水平上显著。

控制变量中，政府财政科技支出对本地区创新能力提升具有明显的促进作用，在经济权重下直接效应为0.290，在地理权重下直接效应为0.280，且在1%水平上显著，但在两种空间权重下，间接效应均不显著，说明政府财政科技支出对本地区创新能力的提升具有积极的影响，但并没有明显的空间溢出效应。地理权重和经济权重下，企业RD投入的直接效应、间接效应和总效应均不显著。有关企业RD投入与创新关系的研究并没有取得一致的意见，有些研究认为企业RD投入有助于创新能力的提升，如谢勒(Scherer,1963)、李廉水等(2015)的研究，但也有学者的研究认为企业RD投入对地区创新的影响并不显著(吴献金和史芳，2010)。在地理权重和经济权重下，对外开放水平的直接效应系数分别在5%和1%水平上显著为正，说明对外开放水平越高，越有利于地区创新能力的提升，但两种权重下对外开放水平的间接效应系数均在1%水平上显著为负。经济发展水平的直接效应在5%水平下显著为正，说明经济发展水平的提高有助于区域创新能力的提升，而地区经济发展水平的间接效应却并不明显，也即一个地区的经济发展水平对相邻省份创新水平的提高并没有明显的空间溢出效应。产业结构的直接效应在两种权重下均显著为负，而间接效应并不显著，产业结构直接效应在两种权重下均为负，主要原因在于本文采用了工业化产值比重作为产业结构的代理变量，这说明工业化产值比重的提升并不利于创新能力的提升，相反工业产值比重的下降，第三产业产值比重上升所代表的产业结构的优化将有利于创新。

5 结论与政策启示

本文利用2008—2014年中国30省份面板数据，运用空间面板模型方法，考察了科技服务业集聚对地区创新能力提升的影响，实证结果表明科技服务业集聚对地区创新能力提升具有显著的正向直接效应，但科技服务业集聚却在一定程度上抑制了邻近地区创新水平的提高，表现出较为明显的区际抑制效应。科技服务业集聚缩短了科技服务企业间的地理距离，改善了知识传播中因距离限制和信息扭曲而产生的溢出效应递减，提高了企业间交流与合作的频率，促进了知识和技术溢出。同时企业间的竞争，使得科技服务业企业致力于提高自己的技术和知识服务的质量和效率，促进了科技服务业整体素质的提高。并通过技术和知识服务向技术部门输出，提高了整个地区创新水平。科技服务业集聚对相邻省份创新的抑制，主要原因在于知识和技术的溢出存在明显的距离递减效应，各省行政区之间距离较远，且存在较为激烈的技术和产业竞争，限制了科技服务集聚的技术和知识溢出。科技服务业作为一种高端的知识密集型产业，对于人才和资本具有较强的吸纳能力。较多的就业机会和较高的资本报酬，使得科技服务业集聚不仅吸引了本地区人才和资本向集聚区集中，同时由于报酬的差异，吸引着邻近省份人才和资本向本地区集中，通过吸纳人才和资本的竞争，本地区科技服务业集聚往往对邻近省份的创新产生负的外部性。

基于研究结论，我们得出以下几点政策启示：

(1)做好科技服务业产业区规划。通过制定合理的产业政策，引导科技服务业空间集聚，通过提高科技服务业集聚水平，促进科技服务业的知识交流和知识创造。对于科技服务业集聚程度低的地区，应建立科技服务业产业园区，通过各种优惠政策，吸引科技服务业在产业园区内充分集聚形成集聚效应，以更好地服务于地方科技创新活动，对科技服务业集聚程度较高地区，应进一步通过体制机制创新，破除科技服务业集聚的各种体制性障碍，让科技服务业集聚效应得到充分发挥。

(2)加强省域间科技服务业交流合作，促进各种生产要素在省域间充分流动。科技服务业集聚对相邻省份科技创新活动存在一定的抑制效应，然而，这并不意味着应该关起门来发展本地区科技服务业，相反地，更应该通过扩大交流与合作，缩小区域间科技服务业发展差距。

(3)加强高层次科技服务业人才的引进和培养力度。高层次人才是推动科技服务业发展的关键要素，应该通过海外引进和本土培养相结合的方式，加强科技服务业人才集聚。创造良好的引才环境，提供各种优惠政策，充分吸引海外高层次人才，壮大科技服务业海外高层次人才库，加强本土人才的国际化培训力度，提高本土科技服务业人才的国际化程度，重点培养一批具有国际视野，了解国际服务业规则的科技服务业本土人才。

(4)加强区域协同创新。区域创新能力的获取不仅依赖于区域创新系统内部企业、高校、科研机构、政府等创新主体通过协同互动实现，同时也依赖于不同区域创新系统之间的要素流动和充分协作，因此，加强区域协同创新，不仅要建立完善促进“产学研”协同创新的相关体制机制，加强各创新主体的协同互动，提高“产学研”协同创新效率，同时也应以市场为导向，破除区域间创新要素流动的体制机制障碍，营造有利于创新要素区际流动的外部环境，此外，应进一步完善促进区域间创新系统协同互动的制度安排。从而让区域创新系统内部和不同区域创新系统之间实现充分协作，并最终在整体上提升国家创新能力。

[1]GERSHUNY J，MILE I.The new service economy：the transformation of employment in industrial societies[M].London:Pinter,1983.

[2]BARRAS R.Towards a theory of innovation in services[J].Research policy,1986,15(4):161-173.

[3]MAS-VERDU F，WENSLEY A，ALBA M.How much does KIBS contribute to the generation and diffusion of innovation?[J].Service business，2011,5(3):195-212.

[4]SHI X，WU Y，ZHAO D.Knowledge intensive business services and their impact on innovation in China[J].Service business，2014,8(4):479-498.

[5]TOIVONEN M，WEI J，ZHOU D.The role of knowledge-intensive business services in innovation system：the case of China[M]TOIVONEN M.Springer Japan，2016:251-268.

[6]时省,王腊芳,赵定涛.KIBS集聚、区域创新及人力资本门槛效应[J].系统工程，2014(03):18-25.

[7]孟庆敏，梅强.科技服务业与制造企业互动创新的机理研究及对策研究[J].中国科技论坛，2011(05):38-42.

[8]张振刚,李云健，陈志明.科技服务业对区域创新能力提升的影响——基于珠三角地区的实证研究[J].中国科技论坛，2013(12):45-51.

[9] 王海龙,丁堃，沈喜玲.科技服务业创新驱动效应研究——以辽宁投入产出表为例[J].科技进步与对策，2016(15):38-43.

[10]HONG J，YU W，GUO X.Creative industries agglomeration，regional innovation and productivity growth in China[J].Chinese geographical science，2014,24(2):258-268.

[11]彭向,蒋传海.产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J].经济学(季刊)，2011(03):913-934.

[12]陈劲,梁靓,吴航.开放式创新背景下产业集聚与创新绩效关系研究——以中国高技术产业为例[J].科学学研究，2013(04):623-629.

[13]杨浩昌,李廉水,刘军.制造业聚集、科技创新与行业差异[J].中国科技论坛,2016(03)：75-80.

[14]张秋燕,齐亚伟.地区规模、集聚外部性与区域创新能力——对中国工业行业的门槛效应检验[J].科技进步与对策，2016(08):35-40.

[15]PACI R，USAI S.Externalities，knowledge spillovers and the spatial distribution of innovation[J].Geo journal，1999，49(4):381-390.

[16]ANDERSSON R，QUIGLEY J，WILHELMSSON M.Agglomeration and the spatial distribution of creativity[J].Regional science，2005，84(3)，445-464.

[17]GONCALVES E，ALMEIDA E.Innovation and spatial knowledge spillovers：evidence from Brazilian patent data[J].Regional studies，2009,43(4):513-528.

[18]魏江,陶颜,王琳.知识密集型服务业的概念与分类研究[J].中国软科学，2007(01):33-41.

[19]王鹏,赵捷.产业结构调整与区域创新互动关系研究——基于我国2002—2008年的省际数据[J].产业经济研究，2011(04):53-60.

[20]徐晓舟,阮珂.产业结构、金融发展与省域创新绩效[J].科研管理,2016(04):53-60.

[21]SCHERERS F M.Firm size，market structure，opportunity and the output of patented inventions[J].American economics reviews,1963,55(5)：1097-1125.

[22]李廉水,张芊芊,王常凯.中国制造业科技创新能力驱动因素研究[J].科研管理，2015(10)：169-176.

[23]吴献金,史芳.泛珠三角区域自主创新能力影响因素研究——基于九省面板数据的实证分析[J].科技管理研究，2010(11):10-12.

[24]林光平，龙志和，吴梅.中国地区经济σ-收敛的空间计量实证分析[J].数量经济技术经济研究，2006(04)：14-21.

[25]埃尔霍斯特J·保罗.空间计量经济学——从横截面数据到空间面板[M].肖光恩,译.北京：中国人民大学出版社,2015：82-83.

[26]季民河，武占云,姜磊.空间面板数据模型设定问题分析[J].统计与信息论坛，2011(06)：3-9.

DoesAgglomerationofS&TServiceSectorImproveRegionalInnovationCapability——LocalEffectsandInterProvincialImpacts

Zhu Wentao，Gu Naihua

(Institute of Industrial Economics，Jinan University，Guangzhou 510632,China)

The paper establishes Spatial Durbin Model and exploits provincial panel data of China to study the driving mechanism and effects of S&T service sector agglomeration on regional innovation capability from the aspects of local effects and inter-region interaction.The results indicate that the agglomeration of S&T service sector has an significant positive effect on improving the region innovation capability because of the knowledge and technology spillover and competition effect.However，due to the“siphonic effect”，agglomeration of S&T service sector has restrained the improvement of innovation level in the neighboring area to some extent. Based on the empirical conclusions，some policy suggestions are put forward to promote regional innovation capability.

S&T service sector；Agglomeration；Innovation；Siphonic effect；Spatial Panel Model

F062.9

A

广东省科技计划项目 “科技服务业发展模式研究” (2016A040404008)。

2017-03-07

朱文涛(1988-)，男，福建人，暨南大学产业经济研究院博士研究生；研究方向：服务经济。

(责任编辑 刘传忠)