经济差距、研发投入对城市经济增长影响研究——基于江苏省13 市的数据分析

石哲羽，翟仁祥

（江苏海洋大学商学院，江苏连云港222005）

2020 年底，中央经济工作会议明确指出：要强化国家战略科技力量，将其作为“十四五”规划开局之年八项重点任务之首。创新是经济发展的强劲动力，江苏省自国家实行科教兴国战略以来，不断提升自身创新能力，将科技创新与经济发展高度结合促进了江苏省内经济又好又快发展。但是江苏省内在经济发展与研发投入上出现了不平衡局面。苏南地区2019 年GDP 总量达到了56 646.49 亿，占江苏省GDP 的56%，研发投入高。苏中地区2019 年占江苏省GDP 的24%，研发投入中等。苏北地区2019年占江苏省GDP 的20%，研发投入最低。苏北苏南地区财政收入相差3.5 倍，人均GDP 相差2.2 倍，人均收入相差1.9 倍。江苏省人均GDP 及研发投入呈南部高、北部低的态势。

因此，研究江苏省区域内经济发展与创新发展的空间结构特征，有利于发达的苏南等地区保持其长期的竞争力，也有利于欠发达的苏北地区结合自身实际情况利用创新快速发展，达到“后发先至”的效果。

一、文献综述

科技创新是一个国家经济增长的动力，要强化国家战略科技力量必须要加大我国的研发投入。有关研发投入与经济增长的关系，现有文献主要从以下两个方面展开：一是基于内生经济增长模型，探究本区域研发要素的投入数量对当地经济增长的影响（傅晓霞和吴利学，2013），发现二者之间存在显著的正向关系。二是从新地理经济学出发，探讨了区域经济的发展不仅受到本区域研发投入的影响，而且受到周边地区的影响（薛庆根，2014），研发要素对经济活动具有显著的正外部贡献（翟仁祥，2016）。

围绕创新与区域经济二者之间的关系进行分析，绝大部分学者认为创新对区域经济的发展有促进作用，但切入点不同。就地区而言，创新驱动对全国和东、西部地区的经济发展有促进作用，但中部地区并不明显；周边地区创新驱动对地区间经济收敛具有明显的促进作用，而本地创新驱动的影响并不稳定：可能拉大地区间的经济差距（白俊红等，2016），因为只有当一个地区内部条件达到一定程度后，创新才利于提升该区域技术进步水平（余泳泽和张先轸，2015）；创新对地区间经济差距具有显著正向影响，这种影响主要是通过创业水平的途径（崔婷婷等，2020），并且创新对于经济发展的影响会随着地理距离的增加而衰减（原毅军，2020），使用空间距离函数测度创新外溢的地理距离发现国与国的距离每增加1200 公里，技术创新减少50%（Keller，2002），国外学者也通过相同方法得到了相似结论（Bottazzia，2003；Mairesse，1991）。国内学者也参考其思路研究中国的创新外溢与空间距离的关系，研究结果显示：空间距离在800 公里以内为创新外溢密集区域（符淼，2009）。就行业而言，技术进步对于该地区的生产性服务业与高端制造业的影响更加显著（谢露露，2018），且这种影响并不是线性关系（宋文飞和李国平，2014），而对于低端制造业等附加值较低的产业来说，科技创新的作用并不显著，对本地经济的促进作用小（雷俐和李敬，2020）。R&D投入与经济增长质量存在显著的空间相关性，不仅能够提升本地区经济增长质量，对其他区域经济增长质量也具有促进作用（崔和瑞，2021）。

已有研究对经济发展与研发投入之间的关系进行了较为深入的研究，也探讨了研发投入的空间效应，但研究对象主要以省份或者以行业为主，没有考虑当一个区域内各城市存在较大经济差距时，研发投入在空间上的溢出效应。此外上述研究虽然证实研发要素具有空间效应，会对周边地区的研发活动和经济发展具有影响，但没有量化这种影响，且很少有文献将研究对象按照经济发展状况进行分组分析。本文将从研发要素的空间溢出与经济增长纳入统一框架，在充分考虑空间相关性的基础上，先对区域内研发要素对经济增长的空间溢出做出具体测度，再对区域内对象进行聚类分析探讨经济差距对空间溢出效应的影响。

二、模型设定与变量选取

区域经济发展水平受到多方面因素影响，特别是创新与经济发展水平的关系，采用Cobb-Douglas生产函数作为基本模型：

公式（1）中表示总产出，表示出资本与劳动之外的因素，表示资本投入，代表劳动投入，α与β 表示资本投入与劳动投入的产出弹性，0＜α、β＜1。本文侧重探讨创新对区域经济发展水平的影响关系，同时并不忽视资本与劳动与区域经济发展水平的影响，因此将创新因素从中剔出，用表示，此时（1）式可以改写为：

将原始水平值变量进行取对数处理，既能降低异方差性，又能便于经济解释，因此对公式（2）取对数处理，并建立面板数据模型，得到公式（3）：

公式（4）中，表示城市，表示年，ε、μ 为扰动项，β、β、β分别代表资本、劳动、创新的弹性系数。对于面板数据的分析，经常所用到的计量模型有混合固定模型、固定效应模型与随机效应模型。在对公式（4）分别进行固定效应回归、随机效应回归和Hausman 检验后发现，Hausman 检验的p 小于显著性水平，因此选择固定效应模型。为确保结果具有稳定性，将原方程式（5）加入控制变量，包括移动电话年末用户数（MP）、外商投资规模以上企业工业总产值（FI），得出公式（5）：

上述经典OLS 回归方程没有考虑到空间相关性，因此加入相应的空间权重矩阵W 与各类空间项建立空间模型，包括空间自回归模型（SAR）、空间误差模型（SEM）、空间杜宾模型（SDM）与空间自相关模型（SAC）。上式中，被解释变量Y为各城市的人均GDP，核心解释变量RD为城市年研发投入经费，解释变量包括K、L，K为城市年的固定资产投入额，L为城市年末就业人数，控制变量包括MP、FI，MP为城市移动电话年末用户数，FI为城市年外商投资规模以上企业工业总产值。表1 是对各变量含义的解释以及计算方法的说明，数据主要来源于2013-2019 年《中国城市统计年鉴》《江苏省统计年鉴》《中国科技统计年鉴》和江苏省13 个地级市统计年鉴：

表1 变量及其指标

三、实证分析

（一）基准回归

将江苏省13 个城市分为3 组，第一组为苏南地区，包括南京、苏州等5 个城市；第二组为苏中地区，包括扬州等3 个城市；第三组为苏北地区，包括徐州、连云港等5 个城市。根据Hausman 检验结果，进行固定效应下的OLS 回归，回归结果如表3 所示：

表3 固定效应下参数估计与检验结果

回归结果显示，经济水平不同地区在研发投入系数上存在明显差异。苏南地区的研发投入系数在加入控制变量前后分别为3.156 和1.952，而苏中地区的研发投入分别为1.029 和1.13，最低的为苏北地区分别为0.865 和0.559。这说明：在不同地区，研发投入的增加对经济发展的效果存在明显差异。苏南地区经济最为发达，研发投入的增加对经济发展的效果最明显；苏中地区次之，苏北地区效果最差。苏南地区高水平高校与科研机构众多，作为江苏的文化中心南京拥有多所“双一流”高校，研发资金的投入转换为实用科学技术的效率高，且苏南地区基础设施便利，交通发达，靠近中国经济中心上海，技术产品投入市场后带来客观经济效益。苏中地区近年来基础设施也在不断完善，沪通高铁的完工使得苏中地区到上海的时间缩短，加快了地区发展。苏北地区基础设施建设落后，与外界交流不便，虽然有连云港等港口城市，但经济腹地窄，经济落后的现状改变存在困难。除此之外，苏北地区高水平院校少也是研发投入对经济发展不显著的一个重要原因。

（二）Moran's I 的计算

根据Tobler（1970）提出的“地理学第一定律”，任何事物与其他事物都具有关联性，且这种关联性在距离更近的两者之间相关性更强。Moran’s I 由地理学家PierceMoran（1950）年提出，是用来度量空间相关性的一个重要指标。Moran’s I 可以分为全局莫兰指数（Global Moran’s I）和局部莫兰指数（Local Moran’s I）。全局莫兰指数是用来衡量在整个区域当中某个属性的空间分布特征，而局部莫兰指数是用来衡量整个大区域中的一个小区域单元上的某个属性的相关程度。

为进一步考察江苏各地级市投入研发的空间相关关系，本文利用Rook 相邻构建经济距离矩阵来计算Global Moran’s I。Moran’s I 可以用来度量空间相关性的大小，其取值范围一般为-1 到1。当-1＜Moran’s I＜0 时，说明相邻市域之间存在负向相关关系，即相邻的两个时域都是高值或都是低值；当0＜Moran’s I＜1 时，说明相邻市域之间存在正向相关关系，即两个相邻的市域一个是高值而另一个为低值。Global Moran’s I 的计算公式为：

其中，为观察区间地区总数，即江苏省内的市域；x为观察地区市研发投入的观测值；表示江苏省内13 个地级市研发投入的平均值。

在测算Moran’s I 指数之前需要构建空间权重矩阵，常见的空间矩阵有经济距离矩阵、地理权重矩阵。本文将采用经济距离矩阵对江苏省研发投入进行分析，权重矩阵的表达公式为：

经济距离矩阵与传统的邻接矩阵和地理距离矩阵不同，经济距离矩阵衡量的是两地区之间经济发展水平差距，即经济上的空间距离。传统的经济距离矩阵一般采用地区生产总值计算，本文采用人均生产总值计算，公式如下：

其中，g为城市2013 至2019 年人均GDP 的平均值。在经济距离矩阵当中，人均生产总值差距越小，该元素就越大，两城市之间在经济意义上的距离越近。通过空间经济距离矩阵以及相关数据，计算莫兰指数的结果如表4 所示:

表4 江苏省2013 年-2019 年研发投入全局Moran’s I

由表4 和图1 中可以看出，2013 年至2019 年，江苏省投入研发的Moran’s I 都大于0，且都通过了0.01 显著性水平下的检验，这表明江苏省市域的创新投入在这7 年间都呈现出较强的空间正相关性，并且R&D 投入并不是随机分布，具有积聚特征。从表中还可以得出：Moran’s I 均大于0.6，这就表明江

图1 2013 与2019 年研发投入莫兰散点图

由图2 与图3 可以看出，2013 年到2019 年的7 年间，江苏省研发投入呈南高北低的局面，没有改变过，但是江苏省的创新中心由南京地区转移到了苏省内市域之间的研发投入相互作用。从时间序列上分析，研发投入在2013 年至2016 年间上升较快，之后3 年有一个较小的下降，表明R&D 投入的空间相关性在前4 年的空间相关性逐步加强，市域之间的相互依赖性也在提升，但后3 年间相关性逐步减弱，市域之间的相互依赖性降低。苏州地区。2013 年，江苏研发投入呈现出“高—高”聚集的城市有南京、常州、镇江，说明江苏省研发投入水平较高的城市出现集聚现象，且集中于江苏省南部地区。南京是江苏省省会城市，高校众多，研发与教育资源丰富，因此成为了江苏省的研发中心。呈“低—低”积聚的城市有徐州、连云港、宿迁、淮安，说明研发投入水平较低的城市出现集聚现象，且集中于江苏省北部地区。泰州地区研发投入呈“低—高”分布，说明其研发投入相较于周边城市较低。2019 年，江苏省的研发投入发生了空间上的变化，创新中心由南京地区转移到苏州地区，苏州在2013 年至2019 年间大力引进高新技术人才，放宽政策促进了高新技术产业的发展，其研究经费达到了517 亿元，而南京只有393 亿元。苏北主要城市在研发投入上还是呈“低—低”分布。镇江地区研发投入出现了“低—高”分布，说明周边城市相较于镇江在研发水平上更强，其余城市并不显著。

图2 2013 年江苏省研发投入LISA 图

图3 2019 年江苏省研发投入LISA 图

（三）空间计量回归

上述分析发现，江苏省内各城市之间的研发投入具有较强的空间积聚性，说明研发要素是流动的，因此如果忽略研发要素的空间流动性会出现错误的结论。基于此，本文选用把空间效应包括在内的空间计量模型对江苏省个城市研发投入与经济发展之间的关系进行测度。

空间计量模型主要包括含空间因变量滞后项的空间自回归模型（SAR），包含空间误差项的空间误差模型（SEM），包含交叉项的空间交叉模型（SAC）以及既包含空间滞后项也包含空间误差项的空间杜宾模型（SDM）。采用上述四种模型进行回归，并都采用双向固定的方法进行估计，模型（1）、（3）、（5）、（7）是未加入控制变量的回归结果；模型（2）、（4）、（6）、（8）是加入控制变量后的回归结果。具体结果如表5 所示：

表5 空间计量回归结果

结合前文OLS 回归以及表5 中4 种空间模型回归结果可以发现，研发投入系数都为正数，在加入控制变量后，OLS 回归与4 种空间计量模型的回归结果也均为正数，且除了空间自相关模型（SAC）外，都通过了5%显著性水平下的检验，说明研发投入不仅对经济发展与创新活动具有显著的正效应，而且对邻近城市的经济发展与创新活动具有同样的正向效应，这与前文所计算的研发投入Moran’s I结果保持一致。说明R&D 资金会在区域内流动，不仅通过加速本地区的科技创新促进经济发展，还会流动到周边地区加速其科技创新从而促进经济发展。通过观察发现，在空间杜宾模型（SDM）中系数显著的个数最多，初步判断其拟合效果最好。进一步对SDM模型进行LR 检验和Wald 检验，回归结果为P 值在1%的水平下显著为0，进一步印证空间杜宾模型是最优的，且拒绝了SDM 模型转化为SEM模型和SAR 模型的原假设：=θ和θ=-δβ。基于此，采用SDM模型进行分析。

在加入控制变量的空间杜宾模型中，研发投入回归系数为0.968，空间交互项系数为0.163，表明研发投入每提高1%，将引起当地和周边区域人均GDP 分别提高0.98%和0.163%。实证结果表明，外溢是创新的重要特征，知识的外溢性将不可避免地存在“搭便车”行为，创新外溢性使得经济获得持续增长。劳动投入的回归系数为0.0458，说明江苏省劳动投入每增加1%，人均GDP 将提高0.0458%。科技对经济增长的促进作用远远大于劳动投入对经济增长的作用。这也从侧面印证了当今社会，科学技术是第一生产力，科学技术的进步会使社会生产率大大提升。另外，从加入控制变量后的回归结果来看，移动电话年末用户数和外商投资工业企业总产值的增加对当地经济增长也具有显著的正效应，这种结果产生的原因是移动电话年末用户数从侧面反映了一个城市的通信水平和信息传播的速度，加强了企业与研发人员的沟通。外商投资工业企业总产值是一个城市对外开放水平的重要体现，外商投资所引致的先进技术不仅促进本地经济的发展，而且会给周边城市企业带来压力，迫使周边城市企业加强技术创新，从而对周边城市的研发投入与经济发展具有促进作用。

（四）空间杜宾模型下聚类分析

江苏省内苏南、苏中、苏北地区经济差距较大，产业结构与科学技术水平显著不同。一般地，具有相似产业结构和科学技术水平的地区间技术交流可能更加频繁，创新水平更接近。因此运用经济距离矩阵刻画经济差距，测度江苏省内三大区域之间各自研发投入对经济增长的空间溢出效应。具体计量结果如表6 所示。

表6 苏南、苏中、苏北地区SDM 计量结果

表6 中，苏南、苏中、苏北在加入控制变量后研发投入系数分别为0.923、0.901、0.868，加入空间交互项后的研发投入系数分别为0.5853、0.4255、0.2231。表明苏南地区研发投入1%的提升能带来0.923%的本地经济增长和0.5853%的周边地区经济增长；而苏中地区研发投入每增加1%会使得本地区和周边地区经济增长0.901%和0.4255%；而苏北地区研发投入对经济增长的影响最小，1%的研发投入资金仅对本地区和周边地区经济分别给与0.868%和0.2231%的增长。

由表6 计量结果可得，将江苏省分为三个地区后，苏南、苏中、苏北各自研发投入对经济增长的空间溢出效应要高于江苏省整体研发投入对经济增长的空间溢出。这表明当区域内城市经济差距较小时，研发投入对经济发展的空间溢出较大。就其主要原因是，当经济差距较小时，区域内城市产业结构类似，有利于研发人员之间的流动，加快科学技术的空间溢出，从而使得经济快速增长。如果将苏南、苏中、苏北纳入同一框架中考虑研发投入对经济增长的空间溢出效应，由于产业结构不同，势必会出现研发投入对促进经济增长不显著的结果。当经济差距较小时，由于产业集聚的外部性，企业学习的机会越多，产业内技术溢出效益就越强，技术关联产业集聚，增加了企业学习机会，产生空间知识溢出效应。

（五）稳健性检验

为了检验上述结果的稳健性，将SDM 模型中的经济距离矩阵替换为邻接矩阵对面板数据进行回归，结果表明邻接矩阵回归结果与经济距离矩阵回归结果虽然在回归系数上存在差距，但是其方向性和显著性水平大体相同，因此研究结果是稳健可靠的。具体回归结果如表7 所示。

表7 基于邻接矩阵的SDM 回归结果

四、启示

本文基于江苏省13 个地级市2013 年至2019年的面板数据，运用空间计量模型，对其研发投入对经济增长的空间溢出效应做出度量。研究结果表明：第一，江苏省内的研发投入在空间上存在极度不平衡的现象，主要呈“高—高”与“低—低”积聚。第二，区域内研发投入对经济增长具有显著的空间溢出效应。第三，将江苏省内分为苏南、苏北、苏中后，其各自研发投入对经济增长的空间溢出效应高于整体值。

因此，为促进区域内的协同发展，提出三点政策建议：第一，完善基础设施，加强区域合作。江苏省作为我国第二大经济强省，在基础设施尤其是高铁的建设上却与周边省市存在一定差距，高铁建设与其经济水平严重不匹配。因此省政府及各地区政府要统筹协调，加强与上海铁路局的沟通，加快建设省内高铁，促进区域间经济合作，以扭转区域间经济发展不平衡的局面。第二，制定合作机制，打破利益壁垒。虽然江苏省政府曾出台相关政策促进苏北地区经济振兴，但效果不佳，一个重要的原因就是南北地区之间存在利益壁垒，这种壁垒阻碍了苏北区域经济发展。因此，江苏省政府要统筹协调各地级市政府之间建立区域经济合作机制，以市场为导向，加速资源在省内流通，切实促进江苏省内南北合作。第三，苏北地区要把握国家战略，加快区域经济协调发展。近年来，习近平总书记指出要发展好长江经济带以及建设好长三角一体化示范区，苏南地区位于“带”与“区”的重叠地区，地理位置得天独厚，因此苏北地区要加强与苏南地区的合作，把握好国家战略，积极融入长江经济带与长三角一体化示范区，承接苏南地区现代化产业，加强研发投入，以科技促进经济发展。