产业集聚对区域创新的溢出效应研究

骆晓敬， 包莉丽， 蔡光兴

(1 湖北工业大学理学院， 湖北 武汉 430068； 2 武汉商学院经济学院， 湖北 武汉 430000)

产业集聚是经济活动在空间集聚的重要地理特征，是资本在空间范围的合理流动和逐步归集的过程[1]。产业集聚带来了规模经济、知识传播、低运输成本等发展优势，这些优势增强了集群的溢出效应，而溢出效应有利于缩小区域间创新水平的差异。同时，产业集聚也是促进区域经济发展的核心要素，对区域创新能力的提升有着显著影响。企业可通过产业集聚产生的溢出效应，共享集群的创新资源和先进技术，提高研发产出，从而促进区域创新。其中，高技术产业作为区域发展核心竞争力的重要产业支撑，集合了区域内的创新要素与创新资源，通过技术创新带动相关产业发展。因此，以高技术产业为例来研究产业集聚水平对区域创新的影响更具有代表性。

区域创新是一个由各类创新要素相互整合形成的复杂系统。要提高区域创新产出，不仅要注重各要素的互补性配置，更要注重区域内创新资源的有效流动。朱万里等(2018)研究了各区域自然资源、人力资本水平以及平均受教育年限这些创新要素配置对创新能力的影响[2]；周奕(2018)通过对产业集聚效应空间溢出边界的测算，研究产业集聚对区域经济协调发展的影响[3]。郝铖文(2018)通过测度我国区域创新资源存量，研究了区域创新资源配置对区域创新的影响[4]。孙凯(2018)利用面板门槛模型考察了研发投入影响区域创新能力的金融发展水平门槛效应[5]。研究表明，研发投入与中国区域创新能力之间的非线性关系是显著存在的，然而这些研究侧重于研究创新资源的有效配置，忽略了区域内创新资源有效流动。产业集聚缩短了知识传播的空间距离，促进了集群内各主体的协同联动发展，这些优势均有利于创新资源的流动与共享。因此，基于产业空间集聚视角来研究资源配置对区域创新的影响，更为科学和全面。

进一步，部分学者关注到集聚经济理论，基于资源观研究集群内创新资源的获取与流动。郭梦娇(2019)通过文献研究，厘清了产业集聚和区域创新等概念，并对区域创新水平进行了综合评估[6]。杜爽(2018)以京津翼、长三角经济带为例，实证研究了产业集聚对区域创新能力的影响特征和路径[7]。这类研究虽然考虑到集群内创新资源的流动与传播，将产业集聚作为影响区域创新能力的关键因素，却忽略了区域间复杂的空间依赖性和关联性，单单从两者间简单的线性关系来考虑。多数经济数据都涉及空间位置，存在一定的空间依赖性。

修国义等(2020)通过中国省际空间面板数据证实了高技术产业聚集能对区域创新效率有提升作用[8]。吴卫红(2017)基于知识生产函数模型，实证研究高校和高技术产业创新资源对区域创新的溢出效应[9]。这类研究虽然考虑到产业集聚的空间溢出效应，但是与本文研究方向不同，更多考虑到投入产出比，研究资源配置的合理性。

本文基于空间计量模型，充分考虑到各变量的空间依赖性和溢出效应，以高技术产业集聚为研究对象，研究产业集聚、区域资源配置对区域创新的溢出效应，并对影响创新产出的变量进行空间效应分解，充分解释了影响创新产出的空间效应因素。

1 指标选取与模型构建

1.1 指标选取

1.1.1 被解释变量 区域创新产出(innov)专利和新产品销售收入是区域创新产出常用的代理变量，而区域创新产出侧重技术应用价值体现.相较于专利，新产品销售收入更能体现各区域创新的实际水平。本文借鉴张可[10]、苏屹[11]等人的研究，采用新产品销售收入占当地GDP比重来度量区域创新产出。

1.1.2 关键解释变量产业集聚(voc)。产业集聚是指某一特定领域内，以一个主导产业为核心，大量产业联系密切的企业以及相关支撑机构在空间上集聚，并形成强劲、持续竞争优势的现象。对于产业集聚水平，目前最常用的是区位熵指数。本文以区位熵指数来度量高技术产业的产业集聚水平[12]。高技术产业区位熵

式中：ei为区域i高技术产业产值；∑ei为区域i的工业总产值；Ei为全国高技术产业产值；∑Ei为区域i的工业总产值。医药制造业、电信及通信设备制造业、计算及办公设备制造业和信息化学品制造业的营业收入记为高技术产业产值。

1.1.3 控制变量

1)经济发展水平(pGDP)：以对数化人均GDP为代理变量，是区域进行各项创新活动的物质支撑，也是区域发展水平的重要体现。作为评价区域发展的重要指标，经济发展水平在研究区域创新的影响机制中是必不可少的因素。

2)研发投入(R&D)：以区域人均R&D支出来度量，反映区域的科技活动强度及规模。区域研发投入水平越高，越有利于区域创新，相应的区域创新水平越高。为了消除异方差造成回归结果的偏误，此处对区域人均R&D支出作对数化处理。

3)对外开放水平(open)：以外商直接投资占GDP比重来度量。对外开放水平促进了对外的交流和合作，加速了技术在区域间的流动与传播，有利于本区域对外部知识的吸收与利用，是提升区域创新环境的关键因素[11]。

4)人力资本水平(hl)：采用各地区人均受教育年限来度量。人力资本水平越高，劳动者的素质和技能水平也越高。人力资本蕴含着丰富的知识技能，加速了区域的技术吸收能力，是创新活动中最活跃的因素。

1.2 空间权重矩阵的构建

空间权重矩阵中的各个元素是区域间的空间距离，常见的是以一阶邻接矩阵(地理距离)来度量。随着空间计量经济学的发展，学者们尝试将距离衰减空间权重矩阵引入空间权重矩阵的研究中，发现将距离衰减空间权重矩阵作为空间权重矩阵能够更好地拟合经济模型。考虑到产业集聚对区域创新的影响具有一定的辐射效应，不仅仅对相接壤的区域产生影响，而是随着区域间距离的延伸来衰减，因而本文将采用距离衰减空间权重矩阵，即

1.3 模型构建

传统回归模型假设个体之间相互独立，很少关注个体性之间的互动。然而，很多经济数据都与所处空间相关,变量之间存在协变关系，较近的个体比较远的个体关联性更强[14]。将各区域的经济数据与区域位置合在一起，即为“空间数据”。对于空间数据的处理，常常采用空间计量经济学。空间计量经济学充分考虑了个体间的空间依赖性。

对变量数据进行空间相关性检验，考察数据是否存在空间依赖性。常用的方法有“全局莫兰指数”和“局部莫兰指数”。

全局莫兰指数Ⅰ用来考察整个空间的集聚程度：

局部莫兰指数Ⅰ用来考察单个区域i的空间集聚程度：

为了更好地分析空间关联效应下产业集聚、各区域各项发展指标对区域创新的影响，本文拟采用空间杜宾模型研究产业集聚对区域创新的影响，具体模型如下：

其中，ρ为空间溢出效应的统计量，μi为个体效应，γt为时间效应，εit为随机扰动项。

2 实证分析

2.1 数据来源

本文以2012-2017年30个省市区的数据为研究样本(西藏数据缺失且不包含港澳台数据)，数据来源于《中国统计年鉴》 《中国高技术统计年鉴》 《中国科技统计年鉴》。

2.2 区域创新产出描述性统计

由表1可知，广东的创新产出居全国首位。广东省统计局有关数据显示，广东近年来大力发展科技创新，研发经费投入巨大，使得新产品销售收入占当地GDP比重最高，创新产出最大。其后依次为北京、天津、上海、江苏、浙江、福建、山东、河南，即新产品销售收入占当地GDP比重较高，科技创新水平较好。

表1 各省区域创新产出平均数 万元

2.3 各区域区位熵系数

以区位熵指数来度量高技术产业的产业集聚水平[12]，2017年各区域产业集聚系数如表2所示。

由表2可见，北京、天津、上海、江苏等经济较为发达的区域相对产业集聚水平较高，青海、宁夏、新疆等西部区域的产业集聚水平则较低。总体而言，我国区域产业发展已呈现出一定水平的集聚。从理论来讲，产业空间布局受到了资源要素禀赋、历史因素、地方保护主义等因素的影响，这些因素共同作用决定了区域适合发展的产业类型，从而形成区域内的产业集聚。

表2 2017年各区域产业集聚系数

2.4 全局空间相关性检验

全局空间自相关系数是一个总体统计指标，对30个省市区的高技术产业集聚水平(voc)、区域创新产出(innov)进行全局空间自相关检验，可以识别两个变量在30个省际区域的空间关联程度。结果显示，2012-2017年各区域产业集聚(voc)、区域创新产出(innov)的空间自相关系数均至少通过了10%的显著性检验，存在显著的正向空间自相关。全局空间自相关的检验通过stata.14软件实现，结果见表3。

表3 全局Moran’I指数的检验

2.5 局部空间相关性检验

仅对各变量进行全局空间相关性检验有可能忽略变量的局部空间相关关系。局部空间相关分析用于识别局域的空间集聚状况，其结果常通过莫兰散点图来呈现。此处基于stata.14软件借助局部Moran’I指数来识别高技术产业集聚水平、区域创新产出的局部空间相关关系。由于篇幅限制，此处仅给出2017年的高技术产业集聚水平的Moran散点图(图1)。

(a)产业集聚

(b)创新产出图 1 2017年产业集聚、创新产出的Moran散点图

由图1可知，散点多集中在第一、第三象限，反映了区域间高技术产业集聚水平、区域创新产出在空间上呈现正的空间自相关性，综合全局空间自相关的检验和局部空间检验的结果，可以进行空间计量模型的回归。

2.6 非空间计量模型的回归结果

在进行空间计量回归之前，先对研究样本进行未考虑空间效应的普通面板回归估计，结果见表4。

表4 非空间计量模型估计结果

由表4可知，产业集聚的估计系数为正，并且至少通过了5%的显著性检验，表明产业集聚对区域创新具有显著的促进作用，证实了产业集聚会对区域创新存在影响。

2.7 空间计量模型的回归结果

通过空间相关性的检验判定了区域产业集聚与区域创新均存在空间自相关性之后，采用空间滞后模型进行估计。此模型通过stata.14来实现，具体结果如表5所示。

表5显示，在不同固定类型效应与随机效应的选择中，由LL估计量和AIC信息准则可知，应选择双向固定效应模型。ρ在1%水平下显著为正，反映出区域产业集聚存在正向的空间溢出效应。

表5 空间滞后模型估计结果

在双向固定效应模型中，高技术产业集聚(voc)通过了1%的检验，系数为0.291，借助其规模经济、知识溢出效应的优势对区域创新产生影响，集聚水平提升一个水平，对应的区域创新水平约提升0.291个单位。企业经济活动空间集聚带来的溢出效应，有助于提高区域内企业生产效率，促进区域内知识、技术的扩散与溢出，通过 “干中学”效应提升区域整体创新产出。区域经济发展水平(pGDP)通过了10%的显著性检验，系数为0.009，表明区域经济发展水平会对区域创新产生影响，但影响较小，区域经济发展水平提升一个单位，对应的区域创新水平仅仅提升约0.009个单位。全球化与知识经济背景下，区域综合竞争力从基于资源禀赋的比较优势转向基于知识技术的竞争优势，传统资源型发展越来越难以适应可持续发展的新要求，因此，区域经济发展水平对区域创新的贡献也逐渐减小。区域研发投入(R&D)通过了1%的显著性检验，系数为0.307，表明区域研发投入提升一个单位，对应的区域创新水平约提升0.307个单位，区域研发投入经费为区域知识生产、技术进步活动提供了物质支撑与资金保障，从而促进了区域创新水平的提升。区域对外开放水平(open)通过了5%的显著性检验，系数为0.114，表明区域对外开放水平提升一个单位，对应的区域创新水平提升0.114个单位。区域与外界的有效交流合作，为自身与其他区域的技术交换、知识学习提供了良好的平台，从而促进了区域创新的发展。区域人力资本水平(hl)通过了1%的显著性检验，系数为0.110，表明区域人力资本水平提升一个单位，对应的区域创新水平提升0.11个单位。人力资本本身就包含了隐形知识与劳动技能，因此，区域人力资本水平越高，区域的创新能力也越强。综上，各区域的经济发展水平、研发投入、对外开放水平、人力资本水平均对区域创新产出的提升起到促进作用。双向固定模型的拟合优度(R2)为0.689，表明区域创新水平约有68.9%的部分能被该模型所解释，并且模型的AIC信息量不大，表明双向固定模型的拟合良好。

2.8 空间效应分解

利用极大似然估计法的SDM模型在估计过程中存在一定的偏误，无法代表变量系数的真实水平。因此，将双向固定的SDM模型进行偏微分分解，直接效应代表各区域自变量对自身区域创新的影响水平，间接效应代表各区域自变量对邻近区域创新的影响水平，将直接效应与间接效应加总则为总效应，总效应代表各区域自变量对区域整体创新水平的影响。空间效应的分解见表6。

表6 空间效应结果

由表6结果可知：

1)高技术产业集聚对区域创新的直接效应在1%水平下显著，系数为0.183，表明高技术产业集聚上升一个水平，该区域自身的创新能力相应的提升0.183个水平；间接效应在5%的水平下显著，系数为0.214，表明高技术产业集聚不仅促进了本区域的创新水平，还能对邻近区域的创新产生促进作用，高技术产业集聚水平存在显著的空间溢出效应。

2)区域经济发展水平、研发投入、对外开放水平以及人力资本水平的直接效应和间接效应至少在5%的水平下显著为正，表明各控制变量不仅对本区域的创新具有显著的促进作用，且对邻近区域的创新产出具有溢出效应。综上，区域各创新要素对区域创新具有显著的促进作用和空间溢出效应。由总效应估计系数可以看出，人力资本要素对区域创新的推动作用明显高于各区域创新产生的促进作用。在产业集聚的作用下，各区域技术人员加强交流与合作，共同促进了知识和技术的流动。

3 实证结论

本文以2012-2017年30个省市区的面板数据为研究样本，实证研究了产业集聚及区域创新的空间效应，分析产业集聚水平、各区域发展水平对区域创新的影响及作用机制。结果显示，产业集聚、区域创新均存在显著的正向空间相关性；区域产业集聚对区域创新具有显著的促进作用；各区域创新要素、发展水平对区域创新具有一定的促进作用。进一步，进行空间效应分解，解析出各变量对区域创新的空间效应。产业集聚不仅促进了本区域的创新水平，还能对邻近区域的创新产生促进作用，高技术产业集聚水平存在显著的空间溢出效应；区域各创新要素、发展水平对区域创新具有显著的促进作用和空间溢出效应。