空间视角下R＆D投入对区域创新能力的影响研究——基于科技政策组合的调节作用

刘 琼 郭俊华

（上海交通大学国际与公共事务学院，上海 200030）

引 言

党的十九大报告指出： “我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期，建设现代化经济体系是跨越关口的迫切要求和我国发展的战略目标”，且 “创新是引领发展的第一动力，是建设现代化经济体系的战略支撑”。区域创新能力的提升成为促进区域经济增长与推动区域经济发展质量变革的突破口。研究与试验发展（R＆D）投入是激发创新活力、提高创新效率、提升区域创新能力的重要因素。近年来，我国各省（区、市）积极落实创新驱动发展战略，不断加大研发投入力度。据国家统计局数据，我国R＆D经费总投入由2008年的4616亿元上升至2020年的24393.1亿元，投入强度由1.54%上升至2.40%［1］。然而，由于创新资源、地理位置与科技政策等方面的差异，我国区域创新能力发展不充分、不平衡的现象依然存在［2］。系统考察区域R＆D投入的创新效应及其空间溢出效应，分析科技政策的作用机制，对我国区域创新体系建设及各地区探索差异化的创新驱动发展路径具有重要现实意义。

知识生产函数及其拓展模型是研究技术创新的重要理论模型，强调技术创新的核心是研发经费与人员投入［3，4］。创新地理学理论考虑了技术创新活动的外溢性特征，进一步提出创新要素的空间分布也会影响区域创新能力［5］。在创新实践中，为了实现政策效果最大化，我国各省（区、市）科技政策越来越多地被设计成组合形式，政策组合内部的耦合作用逐步显现［6］，科技政策组合的耦合协调特征及其对区域创新的协同放大效应有待进一步研究。本文基于知识生产函数模型和创新地理学理论，利用空间计量模型实证分析R＆D投入对区域创新能力的影响及其空间溢出效应，并从耦合协调性视角理解科技政策组合，分析科技政策组合在上述空间关系中的调节作用，以期丰富和拓展R＆D创新与区域创新相关研究，为国家和区域持续推进创新驱动发展战略提供政策建议。

1 文献综述与研究假设

1.1 R＆D投入与区域创新能力

根据知识生产函数模型，R＆D投入不仅是区域创新能力综合评价体系的核心指标［7］，也是区域创新能力提升的重要解释因素［3，4，8］。 区域 R＆D投入包括政府和企业R＆D经费投入、R＆D人员投入等。从R＆D资金投入的视角，政府R＆D资金主要流向企业R＆D资助、区域科研机构和高校［9］。其中，政府对企业R＆D资助能够通过缓解企业研发活动的资金压力、降低企业创新风险、传递积极信号等途径增加企业自身及外部私人投资，提高区域内企业技术创新能力［10，11］；政府对高校和科研机构进行R＆D资助，能够通过高校和科研机构培养创新人才、产出原创性知识成果以及协同产学研创新等方式提升区域创新能力。区域企业R＆D资金投入能够增强企业对于外部知识和技术的吸收与转化能力，增强企业内部学习的有效性［12］，最终促进区域创新能力的提升。此外，创新产出不仅取决于创新资源投入，还与创新主体利用自身先验知识识别、吸收和应用新知识的能力相关［13］。既有研究表明，R＆D人员是区域技术创新的关键主体，区域R＆D人员投入的增加不仅能够有效提高区域创新系统内部的知识学习、传播及创新成果产出水平，还有利于增强区域识别、应用区域内外部新技术知识的能力［14］。据此，本文提出以下假设：

假设1a：本地R＆D资金投入水平越高，区域创新能力越强。

假设1b：本地R＆D人员投入水平越高，区域创新能力越强。

根据创新地理学理论，区域R＆D投入具有的外溢性和渗透性特征，不仅可以作用于本部门、本地区，还能影响其他部门、其他地区［5］。Crescenzi等［15］基于地理经济学理论分析比较美国和欧盟国家创新能力时发现，R＆D资金和人员的流动和集聚是影响区域创新能力的关键因素。但现有研究对于R＆D投入要素的空间溢出效应仍存异议。王淑英等［16］利用我国内地30个省（区、市）2006～2015年面板数据，验证了R＆D投入对区域创新能力的提升具有显著的促进作用，但在金融发展的调节作用下，R＆D人员投入对区域创新能力的溢出效应并不一致。王书华和李曼宁［17］利用我国2009～2018年省市面板数据，验证了R＆D经费和R＆D人员投入对知识创新的显著正向影响，且验证了二者的区域正向溢出效应。从理论上，R＆D投入对区域创新能力的溢出效应是正向的：（1）随着交通基础设施的不断完善以及互联网技术规模的进一步扩大，R＆D投入的增加使得R＆D人员的区域流动和虚拟空间的信息传播更加频繁，进而促进区域间创新技术与知识的共享交流；（2）区域R＆D投入的增加将有效增强区域创新的基础条件、改善区域创新环境，形成对区域内部创新资源的粘性和外部创新资源的吸引力，进而迫使相邻地区政府和企业加大R＆D投入力度，避免由于创新资源过度流失影响企业和区域科技与经济的竞争力［18］，最终间接促进相邻地区的区域创新能力。据此，本文提出以下假设：

假设2a：本地R＆D资金投入水平越高，相邻区域创新能力越强。

假设2b：本地R＆D人员投入水平越高，相邻区域创新能力越强。

1.2 科技政策组合及其调节作用

科技政策是政府为推动技术创新而出台，以技术创新政策为核心，涉及科技、经济、教育、金融等诸多相关政策的总和［19］。既有研究大多从因果关系视角探讨科技金融政策［20］、科技人才政策和产业政策［21］等对区域创新的影响及具体机制［22］。仅少量研究关注科技政策在R＆D活动中的调节作用：何增华和陈升［23］通过构建多层线性模型实证分析了科技创新政策对区域创新资源与创新绩效关系的跨层调节机制，并得出科技政策工具正向调节R＆D投入与创新绩效之间关系的结论。科技政策对R＆D投入与区域创新能力之间关系的调节作用主要表现在以下两个方面：（1）实现财税政策、科技人才政策的有机协调，以财税政策降低企业创新成本、激励企业加大创新投入，并以科技人才政策的激励性举措吸引高技术人才流入，从而为区域创新能力的提升提供充足的人力与资金保障； （2）通过产业政策、金融政策、教育政策、知识产权保护政策等营造有利的创新环境，增强企业加大研发投入的积极性，进而促进区域创新能力的提升。

科技政策创新效应的发挥不仅是各种政策有机协调的结果，也是科技政策组合要素相互作用、产生协同放大效应的体现。徐喆和李春艳［6］验证了科技创新政策组合的综合性、一致性特征对创新产出的促进作用及其区域差异。孟维站等［24］分析并验证了科技政策组合综合性、一致性和均衡性特征对高技术产业创新效率的阶段性作用。既有研究表明，科技创新政策组合要素通常包括政策目标和政策工具，且要素之间相互作用产生的协同放大效应影响科技创新政策预期结果实现程度［25］。其中，政策目标描述了政策制定者支持和鼓励科技创新活动的宏观方向，能够为决策者选择合适的政策工具提供指引［26］；政策工具为政策目标服务，为顺利实现政策目标提供方法路径与保障［27］。因此，本文认为，政策目标和政策工具两种要素之间的耦合协调性在一定程度上决定了科技政策在R＆D投入促进区域创新能力提升过程中所起的作用。据此，本文提出以下假设：

假设3a：地区科技政策组合耦合协调度水平越高，R＆D资金投入对区域创新能力的促进效果越强。

假设3b：地区科技政策组合耦合协调度水平越高，R＆D人员投入对区域创新能力的促进效果越强。

2 研究设计

2.1 数据来源与变量选取

本文利用2008～2020年我国30个省（区、市）的相关数据进行实证分析（剔除部分数据缺失严重的西藏及港、澳、台地区），数据来源包括两个部分：（1） 2008～2020年 《中国统计年鉴》、 《中国科技统计年鉴》和中国科技发展战略研究小组于2008～2020年发布的 《中国区域创新能力评价报告》①，以及樊纲等［28］编著的 《中国分省份市场化指数报告（2018）》等公开数据；（2）对30个省（区、市）2008～2020年各省（区、市）政府网站公布的政府工作报告进行量化后得到的编码数据。

2.2 科技政策样本与量化

考虑到科技政策的权威性、规范性以及量化分析的可操作性，本文选取涉及多层次、多样化政策内容，文字表述严谨规范、结构布局固定的各省（区、市）政府工作报告作为科技政策组合的量化样本［22］。同时，由于政府工作报告在内容设置上包含对前一年各项工作回顾和对当年工作的计划安排两个部分，考虑到政策效果的滞后性特征，本文选取当年工作计划安排部分的政策内容作为具体编码内容。具体的量化步骤如下：

（1）参考徐喆和李春艳［6］的研究，从政策目标和政策工具两个维度将政府工作报告进行细化。如表1所示，政策目标包括鼓励基础研究、鼓励科技成果转化、鼓励完善创新系统3个维度；政策工具包括需求型、供给型和环境型政策工具3种类型。 参考何增华和陈升［23］、 彭纪生等［29］提出的政策量化打分标准对各省（区、市）每年度政府工作报告中所体现的政策内容进行打分。打分范围为0～5分，分值为5的标准是采用具体数值详细描述政策目标或政策工具方面的内容，且将其列为工作重点；分值为4的标准是采用较为粗略的百分比等形式描述政策目标或政策工具方面的内容，且将其列为工作重点；分值为3的标准是仅以文字形式描述政策目标和政策工具方面的内容；分值为2的标准是对政策目标和政策工具方面的内容描述篇幅较少；分值为1的标准是仅提及政策目标和政策工具方面，未对内容进行描述；分值为1的标准是未涉及相关内容。为了确保政策量化的稳定性和可重复性，由1名课题组成员按照年份和省（区、市）顺序分别进行两次打分，再由另一名课题组成员对政策文本和分值结果进行对比检查，然后对差异之处进行讨论直至意见统一。本文的政策打分和统计过程均采用MAXQDA（2020）软件实现。

表1 政策目标与政策工具编码表

其中，C是政策工具与政策目标之间的耦合度，在某些情况下无法准确反映二者耦合作用的整体功效。D为耦合协调度，能够准确反映系统要素间的互动关系， 计算方式为D＝（C*T）1／2。其中，T为3个系统的综合水平指数，T＝αUPO＋βUPI。α、β是待定系数，代表3个系统的权重，本文认为政策目标与政策工具是同等重要的政策组合要素， 选取α＝β＝1／2。

2.3 计量模型

2.3.1 研究的基本模型

借鉴 Griliches［3］和 Jaffe［4］提出的知识生产函数模型，将R＆D投入作为生产要素，得到本文的基本模型，如模型（1）、模型（3）所示；引入科技政策组合作为调节变量，得到模型（2）、模型（4）。

其中，ZJ_Polit和RY_Polit分别表示科技政策与R＆D资金和R＆D人员的交互项，Cit表示控制变量，μi为省（区、市）固定效应，δt为时间固定效应，εit为随机扰动项。

2.3.2 空间计量模型

空间计量模型基于空间权重矩阵考察变量之间的空间联系， 一般形式为Yit＝ρWiYt＋Xitβ＋DiXtθi＋μi＋δt＋εit，εit＝λWiεt＋vit。 其中，i＝ 1，2，…，N；t＝1，2，…，T；Yit是被解释变量，Yi，t-1是Yit的一阶滞后项；Xit为解释变量；Wi表示空间权重矩阵的第i行；ρWiYt表示空间滞后项，表示相邻地区被解释变量对本地区被解释变量的影响；λ为空间误差系数，表示相邻地区的误差冲击对本地区被解释变量的影响；DiXtθ是解释变量的空间滞后，Di为Wi的标准化形式。当ρ＝θ＝0时，为空间误差模型（SEM）；当λ＝θ＝0时，为空间滞后模型（SLM）；当λ＝0时，为空间杜宾模型（SDM）。其中，SDM是SEM和SLM的结合，同时考虑了因变量和自变量的空间相关性，即能够同时考察因变量受到的本地自变量和相邻区域自变量、因变量的影响。本文对空间计量模型的检验和设定将在实证分析部分呈现。

3 实证分析与假设检验

3.1 数据描述性统计与创新能力分布特征

表2展示了本文实证过程中主要变量的描述性统计结果。为了消除指标量纲的影响并在最大程度上消除异方差，对所有变量进行了对数化处理，对所有与价格相关的变量进行价格平减处理。此外，基于科技创新活动的延续性特征和可能存在的内生性问题，除了被解释变量外，其他变量均作滞后1期处理，也即创新能力的统计数据实为2009～2020年度数据，其他变量的统计数据实为2008～2019年度数据。

续 表

续 表

表2 变量的定义与描述性统计

进一步对我国30个省（区、市）2009～2020年度的创新能力空间分布特征进行分析发现，我国区域创新能力具有显著的空间集聚特征，且创新能力水平大体呈现从东部沿海向中西部内陆地区梯度下降的 “梯形”分布特征。据已有研究，区域经济与科技发展不平衡［30］和技术溢出效应的空间地理衰减特征［31］是这一分布特征形成的主要原因。

3.2 空间计量模型设定

3.2.1 空间相关性检验

在采用空间计量模型进行实证分析前，本文利用地理距离权重矩阵对我国30个省（区、市）全局Moran's I指数和局部Moran's I指数进行测算，检验创新能力的空间相关性，以验证空间计量模型的合理性。表3展示了我国30个省（区、市）创新能力各时段的全局Moran's I指数，数据表明创新能力的空间集聚现象客观存在。

表3 我国2009～2020年区域创新能力的Moran's I指数

图1展示了30个省（区、市）创新能力在2009年、2015年和2020年的局部Moran's I指数分布。30个省（区、市）的Moran's I指数无规则分布于4个象限内，且2009年、2015年和2020年处于第一、第三象限的省（区、市）数量分别为22个、23个和18个，分别占到全部省（区、市）的73%、76%和60%，说明我国区域创新能力在空间相关性上存在空间依赖性和空间差异性特征。因此，本文采用空间计量模型具有合理性。

图1 创新能力的2009年、2015年和2020年Moran's I指数散点图

3.2.2 空间计量模型设定

空间计量模型的选择与设定需要以拉格朗日乘数检验（LM检验）及其稳健形式作为参考。表4展示了基本模型在LM-err、LM-Lag及其稳健形式上均通过了10%的显著性水平，表明选择SEM模型和SLM模型均合适，因此可以选择二者结合的SDM模型。

表4 2008～2020年面板数据OLS估计及LM检验结果

进一步通过Wald和似然比LR检验判断SDM是否可以简化为SLM和SEM，检验结果如表5所示。模型 （3）和模型 （4）的两种检验伴随概率均通过5%显著性水平检验，说明与SEM和SLM模型相比，SDM模型效果更优；模型 （1）和模型 （2）的LR检验伴随概率均通过了1%的显著性水平检验，Wald检验伴随概率未通过10%显著性检验，本文参考LR检验结果，采用效果更好的SDM模型。

表5 模型识别检验

在基本模型 （1）～（4） 的基础上，得到SDM模型如模型 （5）～（8）所示。此外，对模型进行随机效应、空间固定效应、时间固定效应以及双固定效应的空间杜宾模型估计后，综合对比似然函数值、拟合优度、赤池信息准则aic和贝叶斯信息准则bic的数值后，最终报告地理距离权重矩阵下的时间固定效应模型。

3.3 假设检验

3.3.1 R＆D投入与区域创新能力

如表6所示，模型 （5）和模型 （7） 的回归结果显示，在没有科技政策组合调节的情况下，R＆D资金和R＆D人员的系数都为正，且通过1%水平下的显著性检验，说明R＆D资金、R＆D人员和区域创新能力之间在空间层面表现出高度的一致性，即本地R＆D投入力度加大能够显著提升区域创新能力，假设1a和假设1b得以验证。R＆D资金和R＆D人员的滞后项W*RDZJ、W*RDRY均未通过10%的显著性检验，说明各地区R＆D投入的空间影响关系并不显著，即邻近省（区、市）R＆D投入的增加对本地区创新能力的提升并不存在溢出效应，假设2a和假设2b并不成立。这与已有研究结论一致，我国各省（区、市）互联网发展水平等基础设施、知识存量和研发人力资本等区域吸收能力要素仍处于较低的发展水平并呈现非均衡性的特征，这对R＆D投入要素的省域流动产生了阻碍，在一定程度上降低了创新要素溢出对相邻地区创新能力的促进作用［32］。

表6 空间计量回归结果

为进一步验证R＆D投入与区域创新能力的关系，对SDM模型所反映的直接效应、间接效应和总效应进行计算。直接效应反映本地区R＆D资金、R＆D人员等解释变量对当地创新能力的影响；间接效应表示相邻地区解释变量对本地区创新能力的影响，是空间溢出效应的体现；总效应表示解释变量对区域创新能力的整体影响。表7中模型 （5） 和模型 （7） 表明，R＆D资金、R＆D人员的直接效应系数在1%水平上显著为正，间接效应系数不显著，总效应系数显著为正，进一步说明本地区R＆D投入对当地创新能力的提升具有显著的促进效应，但空间溢出效应并不显著。

表7 直接效应与间接效应分解结果

3.2.2 科技政策组合的调节作用

不考虑空间溢出效应，表4中模型 （1）和模型 （3）分别加入交互项ZJ_Pol和RY_Pol后，模型 （2）和模型 （4） 中RDZJ和RDRY的系数均得以提升，说明科技政策组合正向调节R＆D投入对区域创新能力的作用。考虑空间溢出效应，表6中模型 （6）和模型 （8）相较于模型 （5）和模型 （7）的RDZJ和RDRY的系数均得以提升。表7中模型 （6）和模型 （8）的直接效应系数也表明，科技政策组合与R＆D资金、R＆D人员的交互项分别在10%和5%的水平下显著且系数为正，且R＆D资金、R＆D人员的系数相对于模型（5）和模型 （7）均有所提升。因此，不论是否考虑空间溢出效应，科技政策组合对R＆D资金、R＆D人员提升区域创新能力的积极作用起到显著的正向调节作用。这说明，地区科技政策组合耦合协调度水平越高，R＆D投入对区域创新能力的促进效果越强，假设3a和假设3b得以验证。

4 研究结论与政策启示

4.1 研究结论

本文基于知识生产函数模型和创新地理学理论，探讨R＆D投入对区域创新能力的影响及空间溢出效应，分析了科技政策组合在上述空间关系中的调节作用。实证结果表明：（1）由于区域发展不平衡与技术溢出的空间地理衰减特征，我国省域创新能力呈现由东向西逐渐减弱的 “梯形”空间分布特征； （2）R＆D资金和R＆D人员对于本地区域创新能力提升具有显著的正向影响，但空间溢出效应不显著，这是由区域技术吸收能力的低水平和非均衡性造成的；（3）不论是否考虑空间溢出效应，科技政策组合对R＆D投入对区域创新能力的促进作用均起到显著正向调节作用。

4.2 政策启示

基于上述结论，本文得到如下启示：

（1）立足区域创新能力差异化现状，国家应探索适宜的区域发展战略。引导东部沿海创新能力较强的省（区、市）继续加大研发投入力度、增强自主研发水平；强化中部的创新动能传递功能，鼓励其通过发掘本地创新资源优势实现技术追赶；加大对落后地区人力资本的投入力度，增强落后地区对外部先进技术知识的吸收与应用能力；支持并鼓励创新能力领先地区通过跨区域交流与合作共享活动等渠道，带动创新能力落后地区的发展，逐步完善区域创新关联网络、尽快形成跨区域协同创新格局。

（2）各地方政府充分发掘自身优势，探索差异化的创新发展路径。创新能力较强的地区应根据区域实际合理配置政府R＆D资助，引导企业加大R＆D资金投入力度、提升R＆D资金利用效率；建立合理的人力资本集聚与流动机制，助推R＆D人员充分流动和科学配置。创新能力滞后的地区应加大政府对创新主体与创新活动的资助力度；完善企业技术创新投融资体系，营造良好的外部创新环境；重视本地创新人才的培养，兼顾创新型人才引进的数量和质量；加大基础设施建设力度、提升技术的吸收能力，积极与邻近创新能力较强的区域进行技术交流合作。

（3）遵循区域创新治理特征，构建特色、合理、高质量的科技创新政策体系。各地方政府在设计、制定科技政策时注重科技创新政策组合要素的耦合协调。针对鼓励基础研究的政策目标，应充分发挥政府科技投入、对企业开展基础研究给予税收优惠等需求型、环境型政策工具的作用；针对鼓励科技成果转化政策目标，应推进科技成果流动平台搭建、引导市场化成果转化服务等供给型政策工具的不断完善；针对鼓励完善创新系统政策目标，则应保持政策工具强度均衡，避免政策目标与政策工具不协调阻碍区域创新效率与创新能力的提升。

注释：

①该报告为国家创新调查制度系列报告之一，中国科技发展战略研究小组在1999年至今每年推出一本，截至2021年底共出版23本。