科技创新与科技创业的“本地-邻地”就业效应研究

朱金生，朱 华

(武汉理工大学经济学院，湖北武汉 430070)

就业是民生之本，实现更充分、更高质量的就业是我国经济社会发展的重要目标，也是学术界与政策制定者关注的焦点。从“十一五”规划首次“把就业摆在经济社会发展的优先位置”，到“十三五”规划“坚持实施就业优先战略”，都充分体现了中国政府对就业问题的高度重视程度。“十九”大报告中进一步明确提出，“要实施更加积极的就业政策，通过改善创新创业环境，达到以创新引领创业，以创业带动就业的目标”。为此，通过创新创业带动就业成为“大众创业、万众创新”政策实施的重要目的之一。在一系列政策的激励下，全社会创新创业呈爆发式增长的态势。例如，2014—2018 年，我国平均研究与试验发展（R&D）经费投入强度为2.14%，且表现出逐年增长趋势1)；2017 年平均每万人拥有的新增创业企业数达203 家，约为2014 年的2 倍2)。但与此同时，我国就业的宏观压力却依然存在，结构性就业矛盾突出，创新创业缓解就业压力的预期效果并未充分显现［1］。因此，如何强化创新创业带动就业的实际效果是一个值得研究的议题。

有研究指出，增强科技创新就业带动能力的关键在于创新成果与市场需求能否成功匹配，通过将科研成果的产品化、商品化与市场化，科技创新才能最大限度地转化为生产力促进就业增长［2］。在实践中，科技创业利用商业机会把科技创新成果转化为市场需求的产品和服务，实现了知识、技术和市场有机整合起来，已成为科技成果转化最为有效的途径［3］。所以，科技创新与科技创业的相互支撑、互动融合可能是带动就业增长的有效途径。此外，有学者从空间角度指出，科技创新和科技创业的区域分布并非是随机的，而是表现出空间集聚的特征［4］，因为科技创新与科技创业所依赖的知识、人才、资金等要素都具有跨区域的流动性，而这种跨区域的要素流动正是科技创新与科技创业产生溢出效应的前提。由此，通过分析科技创新与科技创业的空间溢出效应及其路径传导，可以进一步挖掘两者带动就业增长的潜力。

那么，科技创新、科技创业及其协同带动就业增长的效果如何？它们是否对邻地就业存在空间溢出效应？科技创新与科技创业对就业的作用是否存在门槛效应以及区域异质性特征？回答这些问题对于进一步丰富和发展科技创新、科技创业与就业关系的理论内涵，充实科技创新与科技创业对区域就业“带动”效应的空间测度和检验方法，提高科技创新与科技创业带动就业政策的有效性具有重要的理论与现实意义。

1 文献回顾

通过梳理既有研究成果可以发现，当前学术界主要集中于分别探讨科技创新和科技创业的就业效应。

1.1 有关科技创新就业效应的研究

对科技创新的就业效应研究始于英国古典经济学家李嘉图提出的技术对劳动的替代理论，此后，学者们对两者的关系开展了系统的研究，但得出的研究结论存在较大差异。根据分析层次的不同，现有研究大致可从微观、中观和宏观3 个层次分述。微观层次利用企业数据分析科技创新对就业的影响，得出的结论多是科技创新与就业存在正相关关系，例如，Piva 等［5］利用11 个欧洲国家制造业和服务业企业数据进行析后指出，高科技企业和大型企业的R&D 投入具有就业创造效应，但传统产业企业和中小型企业的R&D 投入未能产生显著的就业效应；Camiña 等［6］考察自动化技术对西班牙工业企业的影响，认为在短期内自动化是减少劳动力的因素之一，但是从长期看，自动化技术有利于就业增长。国内研究中，吴翌琳［7］采用Jordi 模型，基于中国1999—2006 年中国工业企业数据证实，技术创新对企业就业的促进效果显著；韩孟孟等［8］利用2012年中国企业调查数据发现，科技创新的就业促进效应受多种因素的制约，是长期的、缓慢的，无法迅速显现出来。在中观层面的研究中，将同行业中创新企业竞争对手所受到的影响纳入考虑中。Greenan等［9］比较考察了法国制造业创新对行业就业和企业就业的影响，结果表明在行业层面，产品创新比工艺创新能够创造更多就业机会，但在企业层面，结论恰好相反，这种差异可能是源于行业层面的结果包括了对竞争企业的影响。Bogliacino 等［10］提出了一个修正的Pavitt 分类方法，验证了8 个欧洲国家制造业和服务业技术创新和就业之间的关系，发现了技术变化影响行业就业的不同机制。国内研究中，张车伟［11］认为创新催生的新产业和新业态能够创造新的就业岗位，但也对传统行业就业产生了挤出效应。闫雪凌等［12］使用我国2006—2017 年制造业分行业数据，实证研究了工业机器人使用对行业就业的影响，结果显示，工业机器人使用对制造业就业岗位数量有负面冲击。在宏观层面的研究更加强调科技创新对就业全面影响，Feldmann［13］利用21 个国家1985—2009 年数据的研究表明，科技创新能够在短期显著地增加失业，但在长期这种负面效应会消失；Jung 等［14］利用可计算一般均衡（CGE）模型计算发现，伴随着科技创新和资本偏向的经济增长，对高技能水平劳动的需求更大。国内关于宏观层面的研究结果大多表明科技创新对就业具有抑制作用。陈赤平等［15］认为，技术创新对我国就业总量的综合影响为负，主要是因为劳动力素质偏低和劳动力流动性差而造成的结构性失业；王军等［16］指出随着人工智能及自动化的推进，替代效应与抑制效应对就业的结构性冲击不可避免。

1.2 有关科技创业的就业效应的研究

当前直接讨论科技创业就业效应的文献并不多，但在创业与就业关系的研究文献中，学者们普遍认为，提高创业的科技含量更易对就业产生积极影响。在理论研究方面，Jusoh 等［17］构建了知识创业模型并指出，不同于一般的创业活动，知识创业具有提高组织创造力和间接提高组织绩效的作用，因而对经济和就业增长具有更积极的效果。汤灿晴等［18］通过构建扩展的古诺模型刻画了创业带动就业的微观机制，并刻画了创新型创业通过创新扩散和附加市场成长产生就业创造效应的过程。储珩等［19］认为机会型创业带来了企业和产业层面的创新出现、竞争程度加剧、企业更替和产业结构的调整，从而能推动经济和就业增长。代明等［20］指出企业家效应对就业具有积极影响，而难民效应的影响则不明确。在实证研究方面，大部分结论都表明，科技企业的创建对就业的正向影响具有时间滞后效应。Van Stel［21］运用1988—2002 年荷兰的区域数据库，分析了新企业创建与区域就业的关系，发现创新型企业对促进就业的动力源于其对市场结构的改善，而市场结构的改善是创新型企业创建的长期影响。Baptista 等［22］利用葡萄牙的数据进行研究，证明知识型新创企业对就业的长期影响更显著，因为这类企业的产品和技术周期更短，就业减少和就业创造的规模都会变大。国内的研究也表明科技创业对就业的影响存在时滞性。张成刚等［23］比较了创业在中国与OECD 国家的就业效应，结果显示，中国创业企业对就业的挤出效应持续时间更长，就业促进效应出现的时间更晚，这可能与中国新建企业创新水平较低，企业同质性高，市场竞争激烈有关。侯永雄等［24］采用1997—2013 年中国数据，对创业与就业增长的关系进行实证检验发现，创业带动就业存在时间滞后性，且科技含量更高的机会型创业带动就业效应更加显著。朱金生等［25］利用VAR 模型发现，创新可以促进创业，而创业能够在长期拉动就业增长。

综上可见，目前学界对科技创新、科技创业与就业的关系研究取得了一些启发性的成果，然而在研究上却限于单独讨论科技创新就业效应和科技创业就业效应，未能考察科技创新与科技创业的协同对就业的影响。而且，大多研究都假设区域之间相互独立，采用非空间计量模型与方法，忽略空间异质性可能会导致估计偏差。鉴于此，本文利用中国2007—2018 年的省域面板数据，引入空间计量模型与面板门槛模型实证分析科技创新与科技创业在独立情景与协同情景中的“本地-邻地”就业效应以及两者与就业之间可能存在的非线性关系。

与以往研究相比，本文的边际贡献主要体现在：第一，在考虑到科技创新与科技创业的密切关系的基础上，比较考察在独立情景和协同情景中，科技创新与科技创业带动就业的不同效果；第二，将空间因素的存在作为研究的假设前提，采用空间计量模型，测度科技创新科技创业对本地和邻地就业的影响；第三，分别以科技创新和科技创业作为门槛变量，利用面板门槛模型，探究科技创新和科技创业对就业可能存在的非线性影响。

2 理论分析

2.1 理论机制

（1）科技创新对就业的影响机制。科技创新对就业直接冲击是负面的，因为它所催生的新产品和新技术淘汰了落后产品并提高了劳动生产率，导致相关就业岗位数量随之削减，即就业破坏效应。但同时，随着新技术和新产品的应用，所培育的新产业、新业态也能创造大量的就业机会，即就业创造效应；同时生产效率的提高能够降低产品的单位生产成本而促使产品价格下降，刺激市场需求持续扩大，从而吸纳更多劳动力，抵消其造成部分就业损失，即就业补偿效应。综上，当科技创新的就业创造效应和就业补偿效应大于就业破坏效应时，就业数量会增加；反之，就业数量会减少。在空间视角下，作为影响科技创新的要素，知识在地理空间上均具有可传播性与流动性，为科技创新的空间溢出效应产生提供了可能，即伴随着区域间的知识溢出，科技创新可能促进邻地科技创新水平提高，进而影响邻地就业。

（2）科技创业对就业的影响机制。科技创业对就业的影响包括直接效应与间接效应两个方面。对直接效应来说，新企业成功进入市场并实现增长时会直接创造新的工作岗位，即正向的直接效应。但成功的科技创业也可能导致现存企业被挤出而减少雇佣，即负向的直接效应。间接效应来源于科技创业企业创建后对整个市场产生影响：一方面，科技创业通过扩张创新带动就业。科技创业作为科技创新的延伸，是创新成果商业化的重要途径，具有创新成果挖掘和创造新市场需求的特征，因此，可以引进更能匹配消费者偏好的产品，培育和创造新的市场，从而带动就业增长；另一方面，科技创业企业的进入增加了区域竞争，迫使在位企业提高经营效率，改进自身绩效。市场结构的改变帮助提高了整个市场的生产力，创造了更多的工作岗位。所以，当科技创业的正向直接效应和间接效应大于负向直接效应时，就业数量会增加；反之，就业数量会减少。与科技创新类似，科技创业离不开创新要素的投入，而创新要素的流动与市场化交易已呈现明显的跨区域特征，所以科技创业也表现出明显的空间集聚特征，由此带来的知识溢出促进了邻地科技创业的涌现，从而对邻地就业产生影响。

（3）科技创新与科技创业的协同对就业的影响机制。协同效应是指在大系统内各子系统的同步行为产生出整体效果超越了各子系统单独作用效果之和，从而形成整个系统的统一作用，即产生“1+1＞2”的效果［26］。科技创新是创造新知识、新技术、新工艺，并开发新的生产方式和经营管理模式，科技创业是创业者利用商业机会，优化配置社会资源，把新技术、新知识、新工艺转化为市场需求的产品或服务，以实现其应用价值与商业价值的活动。所以，科技创新是科技创业的基础和源头，科技创业是科技创新的体现和延伸，高效的科技创新与科技创业应该建立在协同的基础之上。科技创新和科技创业的协同对就业具有重要的影响：一方面，科技创业者是通过识别有价值的创新成果，并将其与市场机会有机整合才能成功实现科技创业，而且科技创新也是科技创业企业可持续发展的动力［27］，所以，科技创新为企业规模的扩大和带动就业能力的提高提供了可持续的保障。另一方面，作为推动科技成果转化的有效模式，科技创业实现了科技创新源头与终端消费需求的衔接，完成了科技创新的市场化落地，将创新成果转变成为能够带动就业增长的现实生产力。此外，由于科技创新与科技创业的要素的区域流动性，两者的协同对就业的作用也不能绕开空间维度的影响。科技创新与科技创业的协同同样能通过空间溢出效应影响邻地就业增长。

2.2 理论模型

本文借鉴Audretsch［28］的研究，将科技创新与科技创业视为投入要素，纳入生产函数框架中。假设生产函数为Cobb-Douglas 函数，地区i（i=1,2,…,N）在第t期（t=1,2,…,T）的产量水平Yit由生产投入要素决定，其中劳动力、资本、科技创新与科技创业为生产投入要素，令Lit和Kit分别表示劳动力与资本的投入量；Iit和Eit分别表示科技创新与科技创业的投入量，因此，地区i在第t期的柯布—道格拉斯：

α1、α2、α3和α4均为大于0 小于1 的参数，分别表示劳动力、资本、科技创新和科技创业对产出的弹性系数。

劳动的边际产出为：

假设i地区在第t期的平均名义工资水平为Wit，物价水平为Pit，则

两边取对数，得到：

将上述等式变形：

其中，β0、β1、β2、β3和β4分别为常数项和系数。方程（6）表明，科技创新、科技创业与就业之间存在一定的内在联系。因此，本文试图采用空间杜宾模型和面板门槛模型揭示三者的关系。

3 研究设计

3.1 空间溢出计量模型的选择及设定

在当前空间计量各类模型中，空间杜宾模型（Spatial Durbin model，SDM）综合了空间滞后模型和空间误差模型的优点，可以全面地反映本地和邻地被解释变量和受到本地解释变量的影响。因此，本文以SDM 为基础扩展式（6）。此外，考虑到就业与地区经济水平相关，在扩展式中再加入地区人均GDP(Rgdp)，得到以下计量模型。

独立情景：

式（7）和（8）反映了科技创新与科技创业在独立情景中的就业效应，为了检验创新与创业的协同对就业的影响，利用科技创新与科技创业的交互项构建了协同情景下的计量模型（式（9））：

协同情景：

其中，W为空间权重矩阵，含W的解释变量为相应变量的空间滞后项，代表本地解释变量对邻地就业的影响，W×lnLit为就业的空间滞后项，表示本地就业对邻地就业的影响；ρ 为就业的空间效应系数，若ρ 显著，则表示就业存在空间溢出效应；θ为各项解释变量的空间滞后项系数，εit为随机扰动项。检验两个假设约束条件可判断空间杜宾模型是否会简化成空间滞后模型（SAR）或空间误差模型（SEM）。一是H0：θ=0；二是H0：θ+ρβ=0。若不能拒绝假设条件一，SDM 退化为SAR，若不能拒绝假设条件二，SDM 退化为SEM。

3.2 面板门槛模型的设定

为了探究科技创新与科技创业的就业是否存在非线性特征。本文选择面板门槛效应模型，构建科技创新与科技创业就业效应的面板门槛模型，具体形式如（10）和（11）式：

其中，α1和α2表示门槛变量的待估计参数，ψ代表门槛值，εit表示误差项。

3.3 变量选取

（1）被解释变量：区域就业（L）。考虑到科技创新与科技创业多集中于城市，本文采用地区城镇就业人数衡量区域就业水平。

（2）核心解释变量：科技创新（I）和科技创业（E）。关于科技创新与科技创业的指标选择，目前在学术界并未达成一致，常用的方法可以归纳为单一指标法与综合指标法。单一指标分析法数据获取简单，但度量指标缺乏全面性，所以，本文选择计算综合指标衡量科技创新和科技创业。通过梳理和参考关于科技创新评价的文献，可以发现现有评价体系虽然选择的指标各异，但多从投入和产出两个维度展开［29］，因而本文选择具有代表性的投入和产出指标评估区域科技创新水平。科技创新投入是指对基础研究开发有促进作用的指标，经济合作与发展组织（OECD）制定的《弗拉斯卡蒂手册》从R&D 经费与R&D 人员两个维度定义创新投入［30］7-8，本文据此选取R&D 内部经费支出与R&D 人员数刻画区域科技创新投入。根据科技部制定的《中国科学技术指标》，科技创新产出是指可以衡量科学研究与技术创新活动所产生的各种形式的成果，而专利和科技论文是这种成果的主要体现［31］48，其中，专利指标反映了技术发明的成果，科技论文主要体现了知识创造的成果［32］，因此选择有效专利数与国外三大检索工具收录的科技论文数作为区域科技创新产出的两个指标。

科技创业作为技术密集型的创业，是企业家通过对市场机会的识别和开发，以创办企业的方式投入资源，最终获得科技创业产出，包括科技成果商业化与科技企业成长的行为［33］，故可以认为科技创业投入和科技创业产出共同构成了科技创业活动。由此，本文同样从投入和产出的维度评估区域科技创业水平。在投入方面，资金是驱动科技创业活动的首要因素，而科技创业企业处于企业初始阶段，一般较少进行外源融资，孵化器形式投资是其获得资金的重要来源［34］，因此，选择科技企业孵化基金总额作为区域科技创业资金投入的衡量指标；同时，设备与技术投入决定了科技创业的发展，也是科技创业的关键投入因素，而公共技术服务平台为科技创业企业提供了技术推广和产品试制的支持［35］，所以，选择公共技术服务平台的投资额表示区域科技创业的技术投入水平。在产出方面，通过科技创业，新的技术被认可和推广，同时新产品的市场化推动科技创业企业的成长，因而创新成果的商业化和科技创业企业的成长分别被视为科技创业的科技产出和经济产出［36］，其中，技术市场交易反映了一个地区科技成果被投入到商业活动后的应用情况与价值收益［37-38］；而科技企业孵化器中毕业企业数量则是反映区域科技企业成长情况的合适指标［39］。因此，选择技术市场交易额和科技企业孵化器的累计毕业企业数表征区域科技创业的产出水平。区域科技创新与科技创业的评价指标见表1。

表1 科技创新与科技创业的测算指标体系

（3）控制变量：1）资本投入（K）：采用地区人均资本存量衡量地区资本投入，测算资本存量的方法采用国内外文献中普遍采用的永续存盘法计算：，其中，Kit为i地区第t年资本存量；Iit为i地区第t年固定资产投资额，通过固定资产价格指数进行平减处理；K0为初始资本存量，δ 为固定资本总额的经济折旧率，参考朱发仓等［40］的研究，取5%；g 为样本期内地区固定资产投资额的几何平均增长率。2）工资水平（Wage/P）。选择各地区平均工资来表示工资水平。3）经济水平（Rgdp）。选择各地区的人均GDP 表示经济水平。

考虑到数据的可得性，本文将2007—2018 年设定为研究区间，采用除西藏和港澳台地区外的30 个省级行政区域的面板数据，所有数据均来自《中国统计年鉴》《中国科技统计年鉴》和《中国火炬计划统计年鉴》，所有价值型数据均统一换算为2007年不变价格。由于科技创新与创业的测度涉及多因素综合，为了避免主观因素引起的误差，本文选择熵值法确定各指标的权重（见表1）。

图1 为2007—2018 年30 个地区科技创新与科技创业的平均水平。由图1 可以看出，处于东部地区的北京、上海、江苏、浙江、山东和广东的科技创新和科技创业水平明显高于其他地区，而在位于西部地区的内蒙古、贵州、甘肃、青海、宁夏和新疆等省（区市），科技创新与科技创业水平相对较低，可见，地区间科技创新与科技创业水平存在较大的差异。

图1 2007—2018 年科技创新与科技创业的平均水平

表2 为所有变量的统计描述。

表2 统计性描述

4 “本地-邻地”就业效应的实证分析

4.1 空间权重矩阵的构建

作为空间计量分析的重要环节，空间权重矩阵定义了空间单元之间的关系，本文构建地理矩阵距离和经济距离空间权重矩阵对科技创新与科技创业的就业效应进行对比分析。

（1）地理距离空间权重矩阵。“地理学第一定律”认为区域之间的相互影响会随着地理距离的增加逐渐衰减，故以地理距离的倒数的平方项为元素建立空间权重矩阵，具体表达式定义如式（12）：

dij为区域之间的距离，考虑到各区域的科技创新与科技创业多集中于行政中心城市，故区域间的地理距离根据各行政中心城市的经纬度计算。

（2）经济距离空间权重矩阵。除地理因素外，区域经济活动还受到经济发展水平的影响，一般来说，经济落后地区学习能力较低，导致技术与知识的传播受到限制，且而经济发展水平较高地区对经济发展水平较低地区的影响程度更强［41］，基于此，将地理和经济要素结合构建经济距离空间权重矩阵

（见式（13））：

4.2 空间相关性检验

在建立空间计量模型之前，本文利用全局莫兰指数（Moran's I）揭示变量的空间相关性特征，其计算方法如式（14）所示：

其中，n 为区域数量，W为空间权重矩阵，xi和xj分别表示i和j区域的经济变量，是均值，是方差。本文基于地理距离矩阵计算我国30 个省级地区2007—2018 的科技创新、科技创业和就业的全局Moran's I，检验结果如图2 所示。

图2 科技创新、科技创业和就业的Moran's I

在观测期内，科技创新与就业的Moran's I 均在1%水平上为显著为正，科技创业的Moran's I 自2009 年以来也呈现出显著为正的趋势。Moran's I 分析表明三者在空间分布上具有显著的正相关性，即在相邻区域中存在正向集聚现象，因此本文采用空间计量的实证方法是合适的。

为了进一步分析中国各省级区域科技创新、科技创业和就业在空间上的异质性，本文利用三者的2007—2018 年的均值，基于地理距离矩阵数据绘制Moran's I 散点图，具体分别对应图3、图4 和图5。从图中可以看出，大多数省份均处于第一、三象限，说明我国各地区的科技创新、科技创业和就业都存在正向的空间依赖特征。

图3 中国各地区科技创新的Moran's I 散点图

图4 中国各地区科技创业的Moran's I 散点图

图5 中国各地区就业的Moran's I 散点图

4.3 空间计量的实证分析

4.3.1 模型选择

为了进一步确定适合的空间计量模型，首先通过Hausman 检验结果（见表3）发现，P 值均拒绝了原假设，确定采用固定效应模型。然后，通过Wald检验和似然比检验判断固定效应的空间杜宾模型（SDM）是否可以简化为空间滞后形式（SAR）或空间误差形式（SEM）。检验结果显示Wald_spatial_lag 值和LR_spatial_lag 值均在1%的水平上拒绝了γ=0 的原假设。同时，Wald_spatial_error 值和LR_spatial_error值依次为也拒绝了γ+ρβ=0的原假设，这说明建立空间杜宾模型对科技创新和科技创业的就业效应进行分析，是符合客观实际的选择。

表3 Wald、LR 和Hausman 检验

4.3.2 空间模型估计结果。

本文同时进行了非空间面板模型估计（模型1—模型3）与空间面板杜宾模型（模型4—模型9）估计，分别采用固定效应模型和极大释然法（MLE）进行回归，相关估计结果见表4。对比非空间面板模型与空间面板杜宾模型的估计结果，各解释变量除显著性略有差异外，系数的方向完全一致，这反映了实证结果具有较好的稳健性。

表4 科技创新和科技创业就业效应的检验结果

在表4 中，模型4 和模型7 是以科技创新（lnI）为核心解释变量的回归结果，模型5 和模型8 是以科技创业（lnE）为核心解释变量的回归结果，即为独立情景下的就业效应回归结果；模型6 和模型9是以科技创新与科技创业的乘积项（lnI×lnE）为核心解释变量的回归结果，以说明协同情景下对就业的影响。

可以看出，不论是独立还是协同情景，在两种空间权重矩阵下，被解释变量的空间滞后项系数（Spatial rho）均为正，且通过了显著性水平检验，表明地区就业存在显著的空间溢出效应，即本地就业可以影响邻地就业，这进一步验证了地区就业具有空间集聚特征。近年来，中国各地区进一步加大了区域间的经济合作关系，各地区经济发展联系更加密切，促进地区就业增加的经济发展模式、产业发展政策等必然会对邻地形成示范效应，引起邻地政府制定和实施相关政策措施，从而促进了邻地就业水平的提高［42］。

4.3.3 空间效应的分解

由于空间计量模型中纳入了空间滞后项，估计结果不能直接反映其边际效应，本文借鉴Lesage等［43］的做法，将解释变量的影响总效应分为直接效应、间接效应以及总效应，其中直接效应、间接效应和总效应分别为科技创新与科技创业对本地就业、邻地就业和所有地区就业的平均影响。表5 分别给出了在独立情景和协同情景中的3 种就业效应。

表5 科技创新与科技创业就业效应的分解

表5（续）

对表5 空间效应分解结果的分析如下：

（1）科技创新（lnI）的直接效应在两种矩阵下均显著为正，但间接效应仅在经济距离矩阵下为正且通过了显著性检验，说明科技创新对本地就业具有显著的积极影响，但仅对经济水平接近的邻地有正向溢出效应。对直接效应来说，根据前文的分析，科技创新水平的提高可以同时产生正向和负向就业效应，科技创新的就业效应取决于这两种效应的叠加结果，从回归结果看，科技创新对本地就业的正向效应大于负向效应。对间接效应来说，科技创新对经济距离邻近地区的就业具有正向空间溢出效应，这可能是因为在独立情境下，拥有相似的经济发展水平的邻地拥有更接近的人力资本水平，更易吸收外部溢出的知识，并将其转化为带动就业的能力，所以，导致科技创新空间溢出效应的影响因素是以经济因素为主导的，地理距离的影响要弱一些。

（2）在两个矩阵下，科技创业（lnE）对就业的直接效应与间接效应均未通过显著性检验，说明科技创业对本地和邻地就业没有明显的促进作用。可能的原因在于，目前中国的科技创业还存在需求与资源要素不匹配，创新成果与科技创业脱节等问题，导致科技创业在培育和延伸新产品产业链、实现创新成果高附加价值环节跃升方面乏力［39］，而且由于规模与质量偏低，科技创业也无法有效通过增加市场竞争程度优化市场结构，产生就业创造效应，因而科技创业未能推动本地就业规模的扩大，也无法通过空间溢出促进邻地就业增长。

（3）在协同情景中，科技创新与科技创业协同在两种矩阵下对就业的直接效应和间接效应均为正，且通过了显著性检验，这一结论表明科技创新与科技创业之间存在着紧密的互动关系，当二者协同互动发展时，对本地就业和邻地就业都能产生促进作用。

与独立情景中科技创新的就业效应相比，在科技创业的协同作用下，科技创新对地理距离邻近地区的空间溢出效应由不显著转变为显著的促进作用，这说明，随着科技创业水平的提高，科技创新对地理邻近地区就业的影响效果随之增强。在缺乏科技创业协同的情况下，科技创新的空间溢出效应更依赖于知识、人力资本等要素的流动，而这些因素与地区经济水平密切相关，故而在经济水平接近的地区之间，科技创新更易产生溢出效应。但在科技创业的协同下，更多满足市场需求的科技创新成果被高效地被转化为可交易的产品与技术，借助商品市场的要素流动，科技创新对地理距离邻近地区就业的正向辐射作用被加强。

与独立情景中科技创业的就业效应相比，在科技创新的协同作用下，科技创业对本地和邻地就业的影响均由不显著转变为显著的促进作用，即科技创业对就业的直接效应和间接效应都得到了强化。由此可见，在与科技创新的协同下，科技创业质量得到了提升，从而增强了科技创业对本地就业的促进作用和对邻地就业的正向空间溢出作用。

（4）从其他解释变量的计量结果看，资本投入（lnK）对本地就业和邻地就业均产生了显著的负向作用，资本投入的增加提高了劳动生产率，意味同样多的产出仅需要更少的劳动投入，故而资本投入对就业产生了挤出效应；工资水平（ln（W/p））对本地和邻地就业增长均具有显著的积极作用，说明工资水平的提高所带来的劳动力的供给量的增加大于劳动需求量的减少，从而有利于就业水平提升。地区经济水平（lnRgdp）的提高对本地就业增长的作用显著为正。经济水平的提高会加快生产规模的扩大和新兴行业的发展，从而带动就业规模的扩张，而且地区经济水平对就业还具有显著的正向空间溢出效应，表明本地经济水平的提高能通过辐射效应带动邻地经济水平，从而促进其就业增长。

4.3.4 稳健性检验

下面通过更换模型估计方法以及分组检验等方式考察前述结论的稳健性。

（1）更换模型估计方法的稳健性检验

为了避免不同估计方法导致的结果差异，这里将回归模型估计方法由极大似然法（MLE）替换为广义空间两阶段最小二乘法（GS2SLS），结果如表6 所示。检验结果显示更换模型估计方法并未对本文的研究结论造成影响。

表6 更换模型估计方法的稳健性检验

（2）分组稳健性检验。为了进一步考察不同经济发展水平地区的科技创新与科技创业对就业影响的异质性特征，本文将样本划分为东部地区和中西部地区，进行分组检验，估计结果见表7。

表7 按区域分组稳健性检验

表7（续）

由结果可知，在独立情景中，科技创业对本地和邻地就业的影响仍不显著；在协同情景中，科技创新与科技创业协同对本地和邻地就业均存在促进作用，且通过了显著性新检验，即科技创业与科技创新与科技创业协同对本地和邻地就业的影响并未受到样本分组的影响，与前文结果一致。考察科技创新就业效应的分组回归结果，科技创新在东部和中西部地区均对本地就业产生了正向影响，且通过了显著性检验，说明科技创新对本地就业具有明显的带动作用，但在东部地区，科技创新在经济距离矩阵下对邻地就业回归系数均显著为正；在中西部地区，科技创新在两种矩阵下对邻地就业的回归系数均未通过显著性检验，这意味着，在东部地区科技创新除了可以带动本地就业增长，还能通过空间溢出效应对经济水平接近的邻地就业产生积极作用，但在中西部地区，科技创新未能通过空间溢出对邻地就业产生带动作用。可能是因为在东部，地区经济发展水平更加接近，地区之间通过深化行业分工，产业链价值延伸等方式，共同扩大了区域新产品与新技术市场容量，科技创新可以通过空间溢出促进邻地就业增长；但在中西部地区，由于区域内经济发展水平差异较大，且联动机制偏弱，制约了科技创新对就业的空间溢出效应。

5 门槛模型检验

空间计量模型结果表明科技创新与科技创业的协同有助于强化两者的就业促进作用，为了进一步探究二者对就业的作用机制，接下来采用面板门槛模型，分别以科技创新和科技创业为门槛变量，对比分析科技创新与科技创业在不同门槛约束下影响就业的差异。

从表8 可以看出，以科技创新为门槛变量的模型，单一与双重门槛下的F 统计并不显著，三重门槛检验的P值为0.033，表明在5%的置信水平下，科技创业对就业存在三重门槛效应，门槛值分别为0.600，0.980和1.530。以科技创业为门槛变量的模型，单一门槛检验的P值为0.090，而双重和三重门槛检验的P 值均为未能通过检验，说明在10%的置信水平下，科技创新对就业的影响存在单一门槛效应，门槛值为0.180。

表8 门槛效应的检验结果

在面板门槛检验的基础上，模型（9）和（10）的回归结果见表9。

表9 门槛回归结果

科技创新为门槛的回归结果表明，当科技创新水平小于0.600 时，科技创业对就业增长的系数为0.112 9，未通过显著性检验；当科技创新水平分别跨过0.600，0.980 和1.530 后，科技创业系数分别提升为0.191 9，0.356 2 和0.637 1，且均在1%水平上显著，说明随着科技创新水平的提高，科技创业对就业的促进作用被逐渐强化。科技创业为门槛的回归结果表明，当科技创业水平低于0.180 时，科技创新对就业系数为-0.234 2，但未通过显著性检验；当科技创业水平跨过门槛值0.180 后，科技创新对就业的系数为0.305 0，且在10%水平上显著，表明随着科技创业水平的不断提高，科技创新对就业的负向影响被抑制，正向影响被强化。

门槛模型的估计结果表明，科技创新与科技创业对就业的影响存在复杂非线性特征，一方面，科技创新是科技创业的源头，提高科技创新水平有利于科技创业扩大规模和提高质量，从而抑制科技创业的就业破坏效应；另一方面，科技创业是创新成果转化的有效手段，提高科技创业水平能够强化科技创新对就业的促进作用。门槛检验结果也进一步证明，科技创新与科技创业是互为条件的，只有二者相互匹配、协同发展，才能更好地带动就业增长。

基于2007—2018 年科技创新与科技创业水平的均值，根据门槛模型的估计结果，本文将30 个省域地区分为5 种类型（见表10）。

表10 根据科技创新与科技创业门槛值的分类结果

Ⅰ类地区科技创新与科技创业水平均较高，呈现良好的匹配协同状态，实现了对就业增长的驱动。Ⅱ类地区和Ⅲ类地区科技创业跨过了门槛，但科技创新仅跨过了次优门槛，因而加快科技创新的发展应该成为这两类地区的重点。Ⅳ类地区科技创业已跨过门槛，科技创新水平尚未达到门槛值，加快提高科技创新水平，匹配科技创业的发展是该类地区的关键。Ⅴ类地区科技创新与科技创业水平均较低，相互制约了对就业的带动作用。

6 研究结论及政策启示

本文采用空间杜宾模型和面板门槛模型，基于2007—2018 年中国30 个省域的相关数据，对科技创新与科技创业的“本地—邻地”就业效应进行了独立和协同情境的比较考察，得出如下主要结论：（1）在独立情景中，科技创新对本地就业的作用是正向的，但仅对经济距离邻近地区就业产生了显著的正向空间溢出效应，这表明科技创新对本地就业增长有促进作用，但仅能带动经济水平接近地区的就业。科技创业对就业的直接效应与间接效应均未通过显著性检验，说明目前科技创业对本地和邻地就业增长都未产生带动作用，这可能与科技创业的整体质量偏低有关。（2）在协同情景中，科技创新与科技创业协同在两种空间权重矩阵下的直接效应与间接效应均为正，即两者的协同不仅对本地就业有积极作用，而且对地理距离邻近和经济水平接近地区的就业也同样具有带动作用。这说明，两者的协同扩大了科技创新的空间溢出作用渠道，也增强了科技创业对本地和邻地就业的积极影响。（3）科技创业和科技创新对就业的影响存在门槛效应：科技创新水平的提高，强化了科技创业的积极就业效应，表明加大科技创新力度有利于科技创业提高质量，更好地带动就业增长；科技创业水平的提高促进科技创新就业效应由负向转为正向，说明科技创新对就业的积极作用在很大程度上依赖于科技创业对科技成果的开发与转化。

基于以上结论，本文提出以下政策启示：

（1）实现科技创新与科技创业对就业的带动作用，必须强化科技创新与科技创业的深度融合。科技创新与科技创业存在密不可分的内在联系：科技创业通过整合资源和承担风险将创新成果转化为现实生产力，而科技创新确保了科技创业成功率，并且成为其持续发展和创造就业的动力。对此，政府可以形成科技创新与科技创业的有效对接的配套政策体系，以开放型技术转移体系促进科技创新成果转移利用，加强大学、科研机构等科技创新主体与科技型中小企业的物质、信息、价值流动和分享，在科技创新与科技创业之间建立起协同互动平台。

（2）利用科技创新与科技创业的空间溢出可以扩大两者就业效应的影响范围和程度，区域政策一体化对促进空间溢出效应意义重大。政府可以通过促进区域间要素与资源的流动，建立跨区域的公共机构和补充性的中介机构，共同协商选择政策工具，实现有组织地开展集体行动，优化和加强地区间科技创新与科技创业的空间布局与空间互动，扩大科技创新与科技创业带动就业的区域范围与影响程度。

（3）提高科技创业的规模与质量是激发其就业创造能力的有效途径和发挥协同作用带动就业的基础。规模与质量偏低不仅会制约科技创业对就业的促进作用，而且会影响与科技创新协同带动就业的效果。对此，政府应鼓励和引导具备创新能力，能够采用新技术，提供新产品、新服务以及技术解决办法的企业进入市场，并从创业环境、制度设计等方面对创新能力较强的科技企业提供支持，提高创业企业存活率和核心能力；完善融资渠道，为企业产业化发展提供条件，以确保科技创业企业发展的稳定性和持续性。

注：

1) 数据来源于财政部《全国科技经费投入统计公报》；

2) 数据来源于《全球创业观察（GEM）2017/2018 中国报告》。