产业集聚对区域创新绩效的影响研究——以京津冀高技术产业为例

解 威

一、前言

创新对经济增长贡献率从2012 年的52.2%增至2018年的58.5%，是引领发展的第一动力和产业升级的重要支撑。与其他国家相比，目前我国产业整体仍处在全球价值链中低端，急需依靠创新发展一批科技含量高、市场竞争力强、带动作用大、经济效益好的中高端产业，从而提升我国产业在全球价值链中的位置、提升我国国际话语权。然而，在经济全球化和知识经济大背景下，只依靠产业或区域内部人才现有的知识、技术资源远不能满足其创新发展的需求。从集聚视角来看，产业在空间上的聚集可以促进产业或区域内部、产业或区域间的相互学习，为产业或区域创新发展提供了强有力的知识和技术资源支撑，从而可以促进创新要素在产业内部或产业间流动，降低合作创新成本。换言之，产业集聚为技术和劳动力等资源要素在空间上高度集中、产生外部性提供便利条件，有力地促进区域内各企业创新动机和创新行为的产生，进而使得区域创新活动所带来的创新产出与创新效率均有显著提高。

“十三五”规划以来，为使创新驱动经济发展方针战略更好地实施，各地政府纷纷出台各项政策鼓励产业集聚，为区域创新绩效水平提升保驾护航。从行业层面来看，高技术产业具有知识技术密度大、研发投入高、对其它产业渗透力强的特点，其在一定空间范围上的集聚不仅有利于高技术产业创新绩效的提升，还会对其他产业创新起到一定的带动作用，研究高技术产业集聚与区域创新绩效的影响作用，对提高区域创新能力具有指导性意义。然而，高技术产业的发展在我国地理分布上非常不平衡。京津冀地区作为我国经济发展最具潜力的区域之一和高技术产业创新发展三大基地之一，其高技术产业创新绩效水平却较长三角地区（江、浙、沪和安徽）和珠三角地区（广东）差距悬殊，阻碍了京津冀协同创新发展。因此，本文研究高技术产业集聚形式对区域创新绩效的影响作用及其区位异质性，进一步研究集聚程度对区域创新能力的影响作用，以期为促进京津冀区域创新发展提供政策参考。

二、模型与变量

为研究不同产业集聚形式对京津冀创新绩效的影响，设定式（1）多元回归模型。考虑到不同产业集聚程度对创新绩效的影响作用不同，高技术产业集聚对创新的影响并非简单的线性关系，进一步构造式（2）面板门限模型考察其非线性效果。

VOCALi,t包括专业化集聚指数（SPE）和多样化集聚指数（DIV），Xj,i,t表示控制变量。γ 为门槛值，I(·)为一个指标函数，括号内条件成立时取值为1，否则为0。式中各变量的含义及测度方式具体如下：

（1）创新绩效（INNi,t）。本文被解释变量采用地区新产品销售收入取对数形式测度。与专利个数、新产品产值相比，新产品销售收入能够较为综合全面的反应企业创新的数量、质量以及因为一系列创新行为从市场上获得的收益和回报。

（2）专业化集聚指数（SPE）和多样化集聚指数（DIV）。

专业化集聚指数：

多样化集聚指数:

其中，SPEi,j代表j 地区i 产业的专业化集聚程度，DIVi,j代表 j 地区 i 产业的多样化集聚程度。empi,j代表j地区i 产业的从业人员年平均人数，empj代表 j 地区高技术产业的从业人员年平均人数，empi代表全国范围内i 产业的从业人员年平均人数，emp 代表全国范围内高技术产业的从业人员年平均人数。

（3）控制变量

本文采用地区高技术产业R&D 经费内部支出衡量区域创新经费投入水平（RD），地区高技术产业R&D 人员衡量地区人力资本水平（HR），地区实际使用外商直接投资额衡量对外开放水平（FDI），地区金融业增加值与地区生产总值之比衡量金融发展水平（FIN）。

三、数据来源及处理

本文样本包含我国京津冀三个地区2007 年至2018年的数据，主要数据来源于国家统计局数据库和中国高技术产业统计年鉴。其中，部分高技术产业数据未统计完全，且2018 年高技术产业统计年鉴因故停刊造成2017年数据缺失（信息来源于国家统计局留言回复）。因此，本文实际包含数据为京津冀三个地区高技术产业（医药制造业、航空航天制造业、电子及通信设备制造业、电子计算机及办公设备制造业、医疗设备及仪器仪表制造业）5 大行业11 年的数据。由于部分数据缺失，面板数据是非平衡的，本文利用Stata 对其进行平衡化处理。

四、产业集聚对区域创新绩效的基础影响分析

为了分析京津冀高技术产业集聚对创新绩效的影响作用，利用全样本数据对京津冀地区进行整体基准回归，并对京津冀高技术产业集聚与创新的关系进行异质性分析，结果如表1 所示。

根据表1 结果显示，京津冀区域专业化集聚、多样化集聚均会对区域创新绩效水平产生明显正向影响，多样化集聚对区域创新绩效水平的促进作用对比专业化集聚来说更大。这说明同一地理空间内融合的产业越多样,越能激发不同知识个体之间的思维碰撞,从而有利于产业创新，同时也表明京津冀高技术产业集聚方向符合趋向多样化发展的趋势。

表1 产业集聚对区域创新绩效的基础影响分析

此外，北京多样化集聚水平每增加1%，高技术产业创新绩效水平就会有1.457%的提升。北京专业化集聚并不能有效促进高技术产业创新绩效水平提升。天津专业化集聚水平每增加1%，高技术产业创新绩效水平就会有1.182%的提升；且多样化集聚水平每增加1%，高技术产业创新绩效水平就会有1.704%的提升。河北专业化集聚与多样化集聚均不利于区域创新绩效提升。

五、门限回归分析

鉴于京、津、冀地区两种产业集聚形式对区域创新绩效影响作用与京津冀整体分析结果不同，本文初步分析是由于各个地区产业集聚程度差异产生。因此，本文在基础回归分析基础上建立面板门限回归模型进行分析，进一步探索不同产业集聚程度与创新绩效的关系，检验集聚与创新绩效的非线性关系，从而更深层面地研究高技术产业集聚对区域创新绩效的关系。

（一）门槛效应检验

在进行门槛模型回归分析之前，需要先确定门槛个数,本文分别以不存在门槛值、存在一个门槛值和两个门槛值作为原假设进行检验,以确定门槛效应的显著性。鉴于面板门限回归模型需要平衡面板数据，本文在进行门槛效应检验和面板门槛模型回归分析前，对数据进行了平衡处理。首先进行门槛效应的显著性检验，即式（2）中的β1 与β2 是否有显著差异。构造F 统计量对其进行统计检验。对于面板门限模型分析,用自抽样检验法所得的检验结果具体如表3 所示。

表3 门槛模型估计结果

由表2 检验结果显示可知，高技术产业多样化集聚的单一门槛在双侧1%显著性水平下拒绝原假设。与此同时，专业化集聚未通过单门槛检验和专业化、多样化两种集聚形式均未通过双重门槛的显著性检验。也就是说，京津冀地区只有多样化集聚存在单一门槛的情况，故本文面板门槛模型回归选择高技术产业多样化集聚的单一门槛效应进行分析，用以对产业集聚程度与创新绩效的关系进行探索。

表2 门槛效应的显著性检验及门槛估计值的真实性检验结果Table 3 The significance test of the threshold effect and the authenticity test results of the threshold estimated value

（二）门槛模型估计

鉴于京、津、冀地区两种产业集聚形式对区域创新绩效影响作用与京津冀整体分析结果不同，本文初步分析是由于各个地区产业集聚程度差异产生。因此，本文在基础回归分析基础上建立面板门限回归模型进行分析，估计结果见表3。

表3 估计结果显示，多样化产业集聚水平对高技术产业创新绩效具有明显的先下降后上升的“U”型影响关系。这表明当集聚达到一定水平时，有特长的各专业尖端人才在特定空间范围内集聚，各企业间的空间距离缩短,有利于行业间人才匹配和市场信息共享、区域创新活动开展。但在多样化集聚水平较低时，不同产业本身特有的制度差异和行业规范使得不同行业的企业间，在技术溢出和知识吸收消化上存在障碍，从而使多样化集聚不利于企业创新。

六、结语与政策建议

通过实证研究京津冀高技术产业集聚对区域创新绩效的影响关系，得出以下结论：首先，专业化集聚、多样化集聚均对创新绩效水平提升有促进作用。多样化集聚对比专业化集聚对区域创新绩效水平的促进作用更大。但对天津来说，两种集聚均正向促进创新绩效水平；对北京来说，仅多样化集聚对创新绩效有促进作用；两种集聚均不利于河北创新绩效水平提升。其次，集聚程度较低时，多样化集聚抑制创新;相反，集聚程度较高时，多样化集聚促进创新。其中，随多样化集聚程度提升，北京创新绩效水平呈现先下降、后上升的趋势；随多样化集聚程度提升，天津创新绩效水平呈现先上升、后下降的趋势。

基于以上结论，本文提出如下政策建议：

第一，政府应注重引导产业集聚合理化。政府应鼓励各种形式的企业自发集聚，通过加强专利保护等措施提高企业创新积极性，避免产业专业化集聚程度过高造成的激烈竞争和其他拥挤成本；提高产业空间布局的协调性和均衡性，推动地区产业朝着多样化集聚发展；加快推进高新技术产业对接协作，理顺京津冀高新技术产业发展链条，形成区域间高新技术产业合理分布和上下游联动机制；引导地区产业专业化集聚走向合理化，避免同构性、同质化发展。

第二，加强京津冀创新协同能力。政府要综合考虑地区资源禀赋优势，对于产业发展充分、产业相对优势逐渐削弱的北京应着力打造高技术产业市场和研发枢纽，引导产业有序向天津、河北转移和承接，促进京津冀全面协同创新。