中国区域创新能力的时空演化及其驱动力分析

陈鹏 罗芳

（上海理工大学 管理学院，中国 上海 200090）

一、引言

工业革命以来，世界经济快速发展，信息传递打破了时空界限，各个国家或地区都在全球化的背景中寻找到了自身的比较优势，不断地分工和协作使得世界经济实现了进一步的发展。中国的发展亦是如此。40年的改革开放，经济建设取得了全球瞩目的成就，国内生产总值（GDP)从1979年的4100.5亿元增长到2018年的90.03万亿元，增长了近220倍。与此同时，我们也充分发挥了自己的比较优势，诸如廉价的劳动力，诸如充足原材料的供给，形成了强大的中国制造。1978-2010年，中国取得了年均约9.9%的增长速度，成为世界经济增长最快的国家之一，无疑这是“中国模式”的成功。

然而，这并非事实的全部。传统经济增长模式带来的弊端逐渐显现出来，环境污染严重、自主创新能力不足，一系列社会和生态问题接踵而至。十三五规划将创新发展定为五大发展理念之首，国家、各级地方政府及其他创新主体不断加大对科技创新的投入力度，2018年研究与试验发展（R&D）经费支出19657亿元，研发经费总额占GDP的比重已从2006年的1.36%增长至2018年的2.18%。但是，R&D人员与经费的持续性投入并没有使科技创新效率偏低、创新能力偏弱等问题得到根本扭转，这种现象的长期存在必将制约我国创新驱动发展战略的实施，不利于经济长期发展。

此外，我国地域辽阔，区域经济发展不平衡，中科院国情小组根据2000年资料统计分析表明，以“黑河-腾冲”一线为界，西北侧56.2%的国土仅贡献了GDP的4.3%，东南侧贡献了95.7%的GDP。创新能力于经济发展的重要性不言而喻，但一些地方政府惯于对发达地区经验进行简单模仿，所制定的政策针对性不强，且效果不够明显。文章在建立区域创新能力评价体系基础上，对我国省级区域的创新能力及其时空演变进行比较分析；同时，采用2001-2016我国31个省（市、区）的数据探究造成区域创新能力差异的驱动力，这将进一步为各地区更好地实施创新驱动发展战略和制定实施相关政策措施提供理论参考。

二、研究现状分析

熊彼特看来，创新即生产要素的重新组合，罗默（1986）认为技术进步是经济增长的内生变量。区域创新能力即技术投入生产并商业化的过程（如采用新方法、投放新产品），已逐渐成为地区竞争力的重要衡量指标。当然，创新能力的培育也是提高区域自主创新竞争力的关键。采用指标分析的方法对科技能力进行评价，Mikel Buesa at el.(2006)、Xia Gao et al.(2010)、Ricardo Filipe（2016）等学者提出了不同区域创新竞争力评价体系，对美国及不同地区的区域创新能力进行了评价。当然，并非所有地区都有能力吸引创新要素，创新高度集聚在少数发达城市，新兴国家的创新活动尤其如此。

随着我国科技创新资源不断投人，区域创新能力也引起了高度重视。多数研究侧重于测算我国不同区域的创新资源投人来综合评价其创新能力，总体上我国区域创新能力分布不均问题相当严重；吕可文等（2017）和王玉帅等（2018）采用因子分析分别分析了我国中部和泛珠江9省份区域创新能力。京津冀协同发展下，李兴光等（2018）、孙瑜康和李国平（2017）认为三地的综合创新能力在稳定快速提升，但区域内部发展极不平衡，地区间协同创新水平仍然较低。李炜等（2018）对我国中东部11个省份的创新极培育能力强弱进行排名，新长三角城市群创新空间集聚程度波动增强，两极分化现象呈减缓态势。事实上，空间相关性也是我国区域创新发展进程中应该重点考虑的。地区间创新能力空间相关性日益增强，从而推动了创新的区域扩散和空间溢出。

区域创新能力并非一成不变，受多种因素影响。创新能力的驱动力与影响因素有一定差异，影响因素包括社会经济因素和自然因素，地形、土壤、河流、植被等自然因素具有相对稳定性，早期区域的形成就使其无法更改，难以对其量化，多数研究创新能力影响因素文章往往只考虑社会经济因素；以经济和社会因素对创新能力所产生的驱动力至关重要，其投入对区域创新能力的影响更为显著和全面，城市化、工业化水平的提高对创新的产出具有正向促进作用。现有研究大体来看主要集中在经济基础、R&D经费及人员投入、区域智力资本、外向经济、产业结构、创新环境等方面来分析区域创新能力的驱动力。

过往研究或单方面构建了区域创新能力评价体系，并选取某个省、部分地区、国家角度进行某年度的静态评价，没有对我国省、市或自治区多年创新能力的发展变化进行动态分析；或主要通过实证分析考虑区域创新能力的影响因素及影响程度的强弱，而在创新能力测算的基础上考虑驱动力的文章并不多。基于此，一方面，我们构建区域创新能力评价体系，就中国2001-2016年各省、市或自治区创新能力的时间、空间演变进行比较分析；另一方面通过建立空间面板模型，从经济和社会因素视角实证分析探究造成不同区域创新能力差异的驱动力。

三、研究方法与设计

（一）指标体系的建立

结合传统的区域创新理论，并参考以往国内外区域创新能力评价体系，构建了30个较全面反映我国区域创新能力的综合评价指标。包括四大方面，分为三级指标层次（见表1），利用主成分分析的综合得分为依托，对31个省市多年数据进行整体分析，还从东、中、西、东北4个大区域以及11个小区域进行分类考虑，对我国区域创新能力的时空演进进行系统总结。

考虑部分最新数据的不可得性，相关数据均来自《中国统计年鉴2002-2017》、《各省级统计年鉴》、《中国科技统计年鉴2002-2017》、《中国高技术产业统计年鉴2002-2017》以及《中国区域创新能力发展报告2002-2017》，基于国民经济发展的滞后性，因而研究期（2001-2016）也具有较强的数据时效性，更能反映目前的经济发展态势。

表1 中国区域创新能力指标评价体系

宏微观经济人均GDP元/人劳动生产率万元/人产业结构非农产业的比重%高科技产业占GDP的比重%可持续发展人均工业污染治理金额元/人环境质量综合指数%就业情况失业率%产业国际竞争力商品出口额与GDP之比元/万元创新经济绩效

（二）创新能力空间效应检验模型

1.全局自相关模型

全局自相关能够刻画区域创新的整体分布，并从空间上判断我国省级区域创新变化的集聚性，指数是最常见的统计检验量，计算如下：

式中：n是研究单元的总数；xi、xj分别为区域i和j的创新综合得分值，Wij为空间权重矩阵，采用邻接标准来定义，即当i和j邻接时，Wij=1，否则Wij=0。I取值介于［-1，1］之间，可以判断区域创新能力的集聚程度。大于0即空间正相关，小于0则空间负相关，等于0服从随机分布，空间不相关。

2.局域自相关模型

为了考虑某一区域创新能力与邻近区域的联系程度，局域自相关是最常见的衡量指标，衡量局部空间对整体空间自相关的影响，公式如下：

式中：n是研究单元的总数；xi、xj分别为区域i和j的创新综合得分值，Wij为空间权重矩阵。局域自相关空间关联有4种模式，H-H或L-L集聚型代表局部为正值，即高水平或低水平创新区域在空间上集聚；H-L或L-H集聚型表示局部为负值，即高水平创新区域被低水平区域或低水平区域被高水平区域包围。

（三）基于空间效应的区域创新能力驱动力模型

1.基本模型设定

参考已有理论和实证结果，选取人口密度、人均GDP、电力消耗、人均受教育年限、R&D经费支出占GDP比重、非农产业比重、进出口总额占GDP、高等学校教师数，探究人口集聚、经济发展、能源消耗、国民素质、研发投入、经济结构、开放度、高度教育等对区域创新能力变化的影响。初步设定如下线性相关关系基本模型：

式中：Y为区域创新能力水平；X1，…，X8依次为人口密度、人均GDP、电力能源消耗、人均受教育年限、R&D经费支出占GDP比重、非农产业比重、进出口总额占GDP比重、高等学校教师数；α[0α，1α，...，8α]为待估计的参数；ε为正态分布的随机误差项。为了减小模型异方差的估计偏误，对人口密度（X1）、人均GDP（X2）、电力能源消耗（X4）、高等学校教师数（X8）取自然对数。

2.空间面板模型设定

区域创新能力发挥效用的路径并非线性的，受不同干扰性因素影响，需深入考虑地理区域之间的空间相关关系，本文选用空间面板回归模型估计方法。为此，利用2001-2016年数据，引入空间Durbin模型、空间误差模型和空间滞后模型，分析中国区域创新能力的驱动力。基于LM和Hausman检验结果，选择随机效应的空间面板数据模型进行估计。随机效应的空间Durbin模型（SDM）：

随机效应的空间误差模型（SEM）：

随机效应的空间滞后模型为（SAR）：

三式中：Yit为区域创新能力水平；ρ为空间自回归系数，W为n×n的空间邻接矩阵，X1it，…，X8it为8个自变量；N是横截面个体个数，T表示样本时期数，α[α0，α1，…，α8]为解释变量待估计的模型参数；itε为误差随机项，服从正态分布，β为解释变量空间滞后项的回归系数。

四、结果分析

（一）中国区域创新能力的时空演化特征

根据上文构建的31个能够较全面地反映我国区域创新能力综合评价的指标体系，KMO测度指标和Bartlett球度检验结果都证实了采用因子分析法的合适性，因此分别求出了中国31个省级区域2001-2016年区域创新能力的综合评价得分。

1.中国区域创新能力整体特征：区域创新差异波动中缩小

总体上创新能力变化较为明显，从全国尺度看，我们对31个省（市）历年的创新能力得分分别求其标准差（图1），以此来判断我国整体创新能力的内部差距情况，我国创新能力的内部差距在波动中不断缩小，呈现极化增长到均衡发展的趋势。经济学家缪尔达尔（1957）提出“二元空间结构”理论，区域经济差距在扩散效应和回流效应中不断缩小。进一步，发展前期，我国区域创新能力空间格局的二元结构占主导；而后期随着落后地区逐步追赶，扩散效应的产生，空间失衡的加剧趋势得到减缓，整体创新水平的内部差异一定程度缩小。

图2反映的是中国四大区域2001-2016的创新能力平均得分，从不同地带的变化情况来看，东部的极化水平较为稳定，而中部和西部存在较为明显的上升趋势，而东北地区的创新能力得分呈现历年下降态势。在我国创新产出高度集中的东部地区，不同城市、不同区域呈现相对一致的同步增长。而在创新产出能力较差的中西部地区，要素投入带来的直接效益较为明显，创新发展趋势更加显著。同时，我们的研究也发现，东北的创新能力水平随着时间推移不断下降。

图1 2001-2016年创新能力得分标准差

图2 2001-2016年中国四大区域创新能力平均得分

2.创新空间差异特征：“东强西弱”格局烙印的深化

21世纪以来，中国区域创新能力经历了一个加速过程，总体创新格局明显带有经济活动地带性差异的烙印，呈现显著的东高西低的态势，且“东-中-西”逐渐衰减的分布格局。全局Moran's I指数在1%水平下显著为正（表2），中国区域创新能力空间上集聚程度不断上升，创新的空间相关性日益提升。表3反映2001-2016年我国不同阶段（4年）31省市区域创新得分的分异，总体上区域创新能力提升较为明显，随着时间变化，东部省市的极化地位进一步加强，导致“沿海-内陆”的地带性分化依然存在，而中西部地区的创新能力低值区存在大幅度减少。以我国人口分布“胡焕庸线”为界，创新能力的集聚区域一直分布在该线东南侧，两侧存在明显不协调。结合中国31个省市创新均值分布，空间上总体呈现由东部沿海沿线的三大高值区域向广大西北内陆逐渐递减的趋势，且随时间推移，创新能力由高度集聚逐步向内陆扩散。此外，局部Moran's I指数也显示我国东部沿海经济发达地区为高高集聚区，低低集聚区分布在在中、西部的欠发达省市区。

表2 2001-2016年中国创新能力的Moran's I值

表3 2001-2016年中国31个省市区创新能力得分分布

3.区域一体化为主的创新集群形成

中国区域创新格局带有高度经济依赖性，呈现出地理空间区域一体化为核心的带状分布，发达地区既是经济增长极也是创新增长极，表现出“集群化”特征，在我国东部“京津冀-长三角-珠三角”沿海地区已形成明显的创新连绵带，随着时间的推移，三地的压倒性优势在不断加强。这些地区由于与生俱来的地理位置优势，加之多样化的产业结构和经济基础，吸引94%的人口在胡焕庸线以东的中国东南半壁，成为创新活动的高地。纵向来看，研究期内较高水平和高水平的创新区域表现出高度的稳定性，呈现出一定时空惯性。而低水平和中等水平区域呈现“此消彼长”的动态趋势，低水平区域的范围缩减较为明显，而中等水平区域的范围近年来相对稳定，这在我国东北、华北和华中等地区尤为明显，而京津冀、长三角和珠三角地区创新集群模式随时间推进不断强化。

4.区域空间的总体创新程度和分布结构有明显的分异特征

绘制2001-2016年各地区创新能力平均得分的BOX分布图，根据得分的散布范围和分布形态，将我国区域创新能力分布分为5种类型。第一类是高创新值主导区，珠三角、长三角地区属于该类。这类地区创新得分均值居11个地区前列，广东也是我国高新技术产业发展水平最高地区之一（杨清可等，2014），区域内创新得分均值以上年份小于均值以下年份，区域创新一体化态势明显。第二类是中高创新高值主导区，京津冀地区属于该类。这类地区多数年份的创新得分高于历年平均得分。前两类创新区域发达地区为主，与经济水平高度吻合，代表中国经济水平的三大板块同时也是创新能力的“山峰”所在地。第三类是中等创新均衡区，以山东半岛和海峡西岸地区为代表。第四类是中低创新均衡区域，东北、黄河中游、长江中游和上游地区都属于该类型。第五类是低创新区域，西北以及南贵昆地区为主。这三类地区的创新得分年份大体上都呈均衡分布态势。

图3 2001-2016年中国不同区域创新能力平均得分的BOX分布

（二） 中国区域创新能力差异的驱动力分析

1.区域创新能力的的驱动力分析

根据上文因子分析法计算出的2001-2016我国31个省市的创新能力得分和历年社会经济数据，并结合前述模型设定，从经济和社会因素方面分析了中国区域创新能力变化的驱动力。计量模型中各自变量间的相关系数均小于0.8，方差膨胀因子值（VIF）均小于5（临界值10），即不存在共线性问题。豪斯曼检验结果显示空间面板随机效应模型更适合，全样本的最小二乘法、普通随机效应、空间Durbin模型、滞后（SAR)模型、误差(SEM)模型估计结果如表4所示。从空间自回归系数ρ来看，SDM模型中值为0.196（在1%水平上显著），这表明区域间创新能力存在显著的空间自相关性，空间溢出效应对区域创新能力具有正向的影响，区域创新能力除受自身影响外，还受相邻区域的溢出扩散影响。

综合考虑人口集聚、经济发展、能源消耗、国民素质等一系列因素的前提下，一系列检验证实采用空间Durbin模型更为合理。其中，人口密度、人均受教育年限、非农产业比重与开放程度并没有对中国区域创新能力的发展产生显著影响；人均GDP、电力能源消耗、R&D经费占GDP比重、高等学校教师数与区域创新得分呈显著正相关，四者每提高1%，对区域创新能力提升的贡献分别上升0.977%、0.11%、0.319%、0.207%；创新是一个投入产出的过程，财力、人力等很大程度促进了地区的创新，区域经济发展与创新水平呈现螺旋式上升。首先，经济发达地区，市场化水平高、社会竞争氛围强，利于创新活动开展，进而提升区域创新能力。其次，经济发展将更好的资金、设施、人才等带给创新性企业，创新资源的聚集与区域经济水平有着直接的内在联系。最后，优惠的政策往往广泛存在于经济发展水平较高地区，创新环境的优异易于吸引区域外的相关资源的协同互动。电力资源为主的能源消耗是多数创新企业发展进步的必要需求，科技对电力的依赖性相当高。研发投入表现出与创新能力的协同增长效应，这一点在大量研究中都得到过证实，一方面，R&D经费投入加大，导致技术的发展应用，新技术的使用将劳动力从传统的手工劳动中解放出来，从事研究活动的人数，继而推动区域创新能力；另一方面，研发投入也伴随区域创新能力的提高而不断增加。恢复高考后高等学校是大量高质量人才的培养场所，也是知识创新的源泉，进一步通过与企业的合作产生创新发明专利。

表4 2001-2016年中国区域创新能力差异的驱动力分析

2.区域创新能力演化的驱动力分异

进一步的，综合考虑能源消耗、经济发展以及区位分布等因素，采用随机效应下的空间杜宾（Durbin）模型对我国东部、中部、西部和东北4大地区进行分析。自变量选择在全国层面显著的4个指标，模型估计结果如表4所示。

人均GDP和R&D经费投入占GDP的比重对东部区域创新能力呈显著正向影响，两个指标每提高1%，区域创新能力会提高0.767%、345%；我国创新能力的高值区域主要集中在绵长的东部沿海地带，这些地方是我国对外开放的门户，一直以来都是全国GDP的高地，经济发达带来的城市化的进程使得各类资源大量汇聚，R&D经费投入不断增长，使得地区创新能力会有很大程度提升。中部地区和东北地区的人均GDP每提升1%，会使创新能力提高0.539%和0.669%，中部六省经济的腾飞与东北经济的复兴一直都是政府高度重视的。西部地区人均GDP、电力消耗和R&D经费每提升1%，创新能力显著提升0.591%、0.142%和0.271%，我国经济发展水平极不平衡，西部经济因为位置、环境等各方面劣势早期发展缓慢，现阶段，人力、物力、财力资源的投入都会使经济迅速发展，区域创新能力也随之同步的显著提升。

3.中国区域创新能力变化的驱动力形成机制

根据前文创新能力时空格局与经济、社会两方面驱动力的解析，绘制了区域创新能力的形成机制图5。从国家层面结果来看，同时考虑人口集聚、经济发展、能源消耗等诸多要素的前提下，人均GDP、电力能源消耗、R&D经费占GDP比重、高等学校教师数4大要素表现出与区域创新能力的提升有着显著的正向效应。其中，人均GDP代表的经济发展带来的影响最大，弹性系数达到0.977。经济增长依然是影响区域创新能力的主要原因，现阶段，不同地区要转变传统高能耗的经济增长方式，加大科技研发投入，提升区域创新能力，实现创新驱动经济发展。教育所带来的人才红利是中国不少城市当前最为重视的，近年来不少地区掀起人才大战，教育是提升人口知识化的重要手段，各地要大力发展高等教育，实现产学研深度融合的创新体系。区域创新能力的分布存在显著的空间效应，创新政策制定不应只关注单一省份或城市的发展，还要考虑协同发展，如我国京津冀地区实行创新协同发展，珠三角打造的珠江东岸广深创新轴。

从地区层面看，不同要素对创新能力的影响显著程度、影响方向和强度存在不同差异，西部地区因为自身的发展情况对各类要素投入的反映最为强烈。经济发展对区域创新能力产生相当强的推动作用，在我国各地都是如此。同时，人均GDP高的地区，这种推动作用更明显（图4）。技术投入对创新能力的促进主要体现在R&D经费的比例上，比例越大，正向作用越明显，尤其在我国东部地区。就西部和全国而言，电力消耗与区域创新能力呈显著正相关。基于此，我们推断：区域发展早期，地区经济及创新能力受能源消耗的影响较大，随着GDP的不断提高，技术的驱动作用愈发明显。

图4 中国不同区域创新能力的社会经济影响因素示意

简而言之，中国区域创新能力的驱动力机制是一个复杂的投入产出综合体，在这个创新系统的中，经济和社会因素至关重要。经济的发展和教育水平的进步都起着不可替代的作用，经济增长使得更多的研发资金投入到科技创新中，教育进特别是高等教育的发展步带来大量人才集聚。转变经济发展方式是中国经历几十年的高速发展后面临的困境，在市场化程度不断提高的今天，社会创新氛围浓郁，加之创新政策鼓励，资金、人才等要素集聚，带来知识、科技创新发展，从而推动区域创新能力的提升。

图5 中国区域创新能力的驱动形成机制

五、结论与展望

进入21世纪，中国各级政府日益强调创新在经济发展中的推动作用，伴随创新发展战略的实施大量创新资源得到投入。探讨区域创新能力的时空演化特征及驱动力，利于优化创新要素分布，促进地区经济增长。我们的研究一方面系统构建了区域创新能力评价体系，动态分析了2001-2016年我国各省市创新能力的时空演变过程；另一方面建立了省级层面的空间面板模型，从经济和社会要素两方面实证分析探究造成不同区域创新能力差异的驱动力，进而探讨创新能力差异的驱动力形成机制。

研究发现，中国不同区域创新能力差距较大，呈现出明显的“阶梯式”特征。中国创新格局带有深刻的“东强西弱”经济烙印，这同中国独特的东、中、西经济格局与梯度体系是一致的，创新高地主要集中在占全国人口94%，贡献95.7%GDP的“胡焕庸线”东南侧。总的来说，以北京、上海、广州和深圳为中心的京津冀、长三角和珠三角东南沿海三大经济带是中国创新产出的集聚地，也是创新热点地带，中部和东北地区处于中游水平，西部地区最弱。2001-2016年，区域创新能力分布格局向中西部地区转移，但东部仍然为主要的集聚地，整体上表现为前期极化增长，后期优化均衡发展的过程。高水平与较高水平创新城市分布具有高度经济依赖性，总体格局与我国区域一体化程度较高的地区相吻合。长三角、京津冀及珠三角等发达地区兼有经济增长极和创新增长极的双重优势，而中部和西部省市近年的创新进步也较为明显，研究结果一定程度上揭示了地理邻近与创新溢出对中国大陆31省市创新时空演进的推动作用。

当然，我国不同地区资源环境和社会经济发展程度差异较大，使得各类经济和社会因素对区域创新的驱动方向和驱动强度有所不同。基于2001-2016年空间面板模型，解析中国区域创新能力变化的驱动力，从全国层面来看，回归结果表明，人均GDP、电力能源消耗、R&D经费占GDP比重、高等学校教师数是我国区域创新能力提升的重要因素。具体来看，经济发展对区域创新能力的正向推动作用适用于全国各地；技术进步推动了东部创新能力的提升；就西部和全国而言，电力消耗与区域创新能力呈显著正相关。

因而，伴随中国经济进入新常态，各地应大力发展经济，不断加强技术投入，提升中国区域的创新能力。不同地区应在协同开发基础上制定创新发展战略，促进跨区域知识溢出、转移和扩散。创新能力本身较强的东南沿海地区，应在政府政策引导下将更多的创新资源投入到创新性基础研究上，着力培育创新型产业，发展科教事业，促进产学研协作，进而推动科技创新又好又快高效发展；中部、东北的省份要发挥西拓东进的区位优势，引进东部沿海创新活跃地区的创新主体、资金及经验，鼓励与发达地区或者发达国家的创新R&D合作，从而提升区域间的创新溢出效应；发挥后发优势是西部地区的重点，加快对发达地区产业转移的承接力度，推动落后地区电力、通讯、互联网等基础设施的发展，借助“陆上丝绸之路经济带”加大与中亚地区在技术、人才等创新资源上的合作， 提升西部地区经济水平和创新能力。