区域创新资源配置非均衡态势测度及其影响机理研究

桂黄宝，江 密，孙 璞

(华北水利水电大学 管理与经济学院，郑州 450046)

0 引言

党的十八大以来，中国大力实施创新驱动发展战略，深入推进区域协调发展战略，以实现更加公平、更高质量、更有效率、更可持续的发展。创新资源作为创新发展的关键因素，保障其高质量配置水平是贯彻落实新发展理念、促进区域创新良性发展、提高区域整体竞争力的必然要求。因此，科学评价当前中国创新资源配置的非均衡态势、准确把握影响创新资源配置水平的关键因素，对于突破当前部分行政壁垒、制度障碍和创新发展瓶颈[1]具有十分重要的理论及现实意义。

创新资源配置非均衡态势及其影响机理的相关研究主要划分为两大类：一是侧重于创新资源配置的空间非均衡性分析[2]。已有研究表明，中国工业企业创新资源配置整体状况不佳，持续呈现东高西低的非均衡态势，整体上表现为正的空间自相关[3-7]。此外，在虹吸效应的作用下，创新资源不断地由欠发达地区集聚到科技进步中心区域，进而形成创新极化效应并培育出增长极[8-9]，区域增长极在不断发展与进步中步入成熟阶段，又会对周边地区及关联产业产生辐射作用，极化效应开始转变为扩散效应[10]。我国区域创新资源极化现象呈现先增强后减弱的趋势，且区域内的创新资源配置水平存在明显的空间异质性[11]。二是侧重于创新资源配置非均衡性影响因素分析。李泓欣等提出技术创新资源配置非均衡性的影响因素、作用机制及提升路径[12]。李斯嘉等则探讨了市场分割对区域创新资源配置的影响，提出了降低东部地区市场分割程度以带动中西部地区创新资源配置水平提高的协同机制[13]。谢呈阳等从土地资源要素切入，比较了其配置差异对经济发达城市和后发城市创新绩效的影响程度[14]。此外，还有部分学者以创新全过程为研究对象，分别从制度激励导向、创新生态链体系构建和创新成果效益导向等维度分析创新资源配置存在的问题，并提出相应的对策建议[15-18]。

当前，我国区域创新发展存在创新资源配置非均衡性突出、创新水平差距明显等问题，但现有研究对于创新资源配置非均衡性的具体表现和影响机理少有涉及。鉴于此，本研究采用2015—2020年中国内地31个省份面板数据，利用改进的泰尔指数法对各区域创新资源配置非均衡态势进行测度，并探索其影响因素，为推进区域创新协调发展提供理论基础和现实依据。

1 研究区域、数据来源与研究方法

1.1 研究区域与数据来源

基于国家“七五”计划提出的经济区域划分方法，将中国内地31个省份划分为东部、中部、西部三大区域[19-20]，研究时间跨度为2015—2020年。样本数据来源于2016—2021年《中国统计年鉴》《中国科技统计年鉴》《中国人口和就业统计年鉴》及各级政府网站。

1.2 研究方法

1.2.1创新资源配置评价指标体系。创新资源通常是指进行科技创新活动所需要的资金、技术、人力及信息等要素的总和，它是创新活动的物质基础，是创新产出的重要前提和保障。国内外研究对创新资源配置水平的评价主要围绕科研机构、高技术产业及高等教育等领域展开。本研究结合创新资源内涵与现有研究成果，选取创新人力资源、创新财力资源和创新物力资源作为一级指标，在参考已有研究[3,21]的基础上，综合考虑各评价指标的科学性和数据的可比性，确定8个二级指标用以评价创新资源配置水平(表1)。

表1 创新资源配置评价指标体系

1.2.2熵权法。熵权法是一种客观赋权方法，在避免判断矩阵可能存在的强主观性方面具有显著的优越性。利用熵权法对各评价指标进行赋权计算得分，从而得出各省份创新资源的配置水平。首先，对面板数据进行预处理，构建原始数据矩阵；其次，采用极差标准化方法对指标进行标准化处理；第三，求得各评价指标的信息熵和熵权；最后，采用加权求和方法计算各省份创新资源配置水平的综合得分。

1.2.3泰尔指数。泰尔指数法是从熵的概念出发测度差异的一种方法。与基尼系数不同，泰尔指数具有良好的差异解释性质，可将总差异分解并计算不同差异的贡献度，以明确差异的具体存在形式[22]。本研究运用泰尔指数测度创新资源配置的总体差异，东部、中部、西部地区的内部差异，以及东部、中部、西部地区之间的差异，并将区域内部差异和区域间差异对总体差异的贡献率进行分解。由于传统泰尔指数过于依赖单一变量的绝对性，参考F.Bickenbach等[23]的研究，采用改进后的泰尔指数进行相对比较，其基本公式为：

式中：T为全国创新资源配置的泰尔指数，反映中国创新资源配置的总体非均衡性；Ti为第i个子区域(东部、中部、西部地区)创新资源配置的泰尔指数，反映子区域内各省份之间创新资源配置的非均衡性；Yi为第i个子区域创新资源配置水平；Yij为第i个子区域中第j个省份创新资源配置水平；Y为全国创新资源配置总体水平；Gij为第i个子区域中第j个省份GDP；Gi为第i个子区域GDP；G为全国GDP。以各省份每个观测年的GDP占全国(或子区域)GDP的比例来反映权重，可以避免不同省份因经济发展的巨大差异导致的测度结果没有意义，从而更为科学地呈现出不同空间下创新资源配置分布的非均衡程度。使用泰尔指数测度非均衡性的一大优势是利用其特有的可分解性质，在计算出总体差异后，可将其分解为区域内差异和区域间差异，并且可以针对东部地区、中部地区和西部地区进行二次分解，多层次探索中国创新资源配置非均衡性的来源。改进后的泰尔指数分解公式为：

式中：Tw表示区域内泰尔指数；Tb表示区域间泰尔指数。

1.2.4模型构建。创新资源配置在各区域间具有完整性、相关性、相对独立性和空间异质性等特点[24-25]，不同地区创新资源配置水平的非均衡性是多种因素共同作用的结果，包括政府政策、市场竞争、资源禀赋与经济发展水平等[26-27]。以区域创新资源配置水平为被解释变量，以人才密度、政府支持力度、对外开放水平、技术市场活跃度为解释变量，构建创新资源配置水平影响因素的分析模型。运用软件Stata 16.0进行回归分析，为了降低模型误差，减少各变量的异方差性，对原始数据进行对数处理，得到创新资源配置水平影响因素模型为：

lnSit=α+β1lnEit+β2lnFit+β3lnDit+β4lnMit+μit。

式中：S为创新资源配置水平，用创新资源配置水平综合得分来表示；E为人才密度，用本科及以上学历人数占6岁以上常住人口的比例来表示；F为政府支持力度，用财政科技拨款占财政支出的比例来表示；D为对外开放水平，用进出口贸易额占国内生产总值的比例来表示；M为技术市场活跃度，用技术市场成交额占GDP的比例来表示；α为常数项；β为回归系数；μ为随机误差项，服从正态分布；i代表省份；t代表年份。

2 结果与分析

2.1 创新资源配置水平

2.1.1省际创新资源配置水平。测算2015—2020年各省份的创新资源配置水平均值(表2)。创新资源配置水平以绝对优势位于全国第一梯队的省份是广东、江苏、浙江、山东、上海和北京。其中，广东创新资源配置水平最高，达到了0.687 2；江苏以0.613 9位列第二，整体上与广东差距不大；浙江和山东的创新资源配置水平有明显的下降，但在31个省份中仍处于领先地位；北京、上海的创新资源配置水平指数也都突破了0.2。位于第二梯队的有安徽、湖北、河南、福建和湖南，这些省份的创新资源配置水平介于0.160 6～0.174 3，彼此间差距不大。位于第三梯队的有四川、天津、河北、辽宁、重庆、陕西和江西，这些省份的创新资源配置水平介于0.095 7～0.139 5，处于中低水平；其他省份则处于创新资源配置水平的第四梯队，其中西藏的创新资源配置水平最低，新疆、海南和青海的创新资源配置劣势也很明显。

2.1.2全国及分区域创新资源配置水平。将31个省份划分为东部、中部和西部三大区域，测度2015—2020年全国和三大区域的创新资源配置水平(表3)。2015—2020年，全国及东部、中部与西部地区的创新资源配置水平都稳步提升，其中东部地区创新资源配置水平增长最快，高于全国平均增速，中部地区次之，西部地区最慢，中西部地区都处于全国平均增速水平之下，中部地区创新资源配置水平与全国平均水平较为接近。由此可见，中国区域创新资源配置水平差距是持续且普遍的，随着时间的推移，这种状态并未得到很好的改善，在绝对量上其差距甚至表现得更为明显。2015年中部、西部地区与东部地区创新资源配置水平的差距分别为0.136 0，0.188 1，而2020年差距则分别扩大到0.201 2，0.291 2。东部地区在其本身地理优势与资源禀赋的基础上，在国家发展战略与政府政策的支持下，呈现势不可挡的创新发展趋势，吸引越来越多的创新资源集聚到此处。因此，虽然中部与西部地区的创新资源配置水平在不断提高，但与全国平均水平的差距反而越来越大，尤其是创新条件薄弱的西部地区。

表2 2015—2020年中国省际创新资源配置平均水平

表3 2015—2020年全国及分区域创新资源配置水平演变趋势

2.2 创新资源配置非均衡态势

2.2.1创新资源配置非均衡性。利用Rstudio 4.0.4计算2015—2020年全国及区域创新资源配置的泰尔指数(图1)。从区域间的变化情况来看，2015—2020年，东、中、西三大区域之间的创新资源配置的泰尔指数呈现上下均匀波动的变化趋势，泰尔指数由0.033上升至0.035，年均增长率为1.18%，这与全国创新资源配置的总体泰尔指数变化趋势一致，尤其是在2017年以后，区域间与全国总体的泰尔指数在变化幅度上基本保持一致。对区域间差异和区域内差异进行比较可以发现，区域内创新资源配置泰尔指数与区域间创新资源配置泰尔指数在每个时间节点都极为相近，即使在差异最为明显的2015年，二者之间的泰尔指数也仅有0.004的差距。由此可见，在改善区域创新资源配置均衡水平的过程中，区域间和区域内的创新资源优化配置具有同样重要的地位，在相关政策的制定与实施上，要尽可能做到统筹兼顾，协同发力。从区域内部变化情况来看，2015—2020年，东、中、西三大区域内部均存在较为明显的创新资源配置非均衡性，东部与中部呈现局部震荡、总体下降的趋势，西部则有较为明显且持续的走高态势。在三大区域内部，东部地区的泰尔指数最高，创新资源配置水平的省际差距最大，尤其是在2015年，东部地区泰尔指数明显高于中、西部地区，2015—2020年东部地区泰尔指数共下降了0.010，年均下降率为5.59%，是三大区域中创新资源配置非均衡态势变化最快的区域。中部地区的泰尔指数呈现较为平缓的横向“S”型变化态势，2019年泰尔指数达到最低值0.015，2015—2020年泰尔指数共下降了0.006，年均下降率为6.51%。西部地区泰尔指数变化较为迅速，从2015年的0.056不断上升到2020年的0.075，年均增长率为6.02%。不难看出，中国东、中、西三大区域的区域内创新资源配置非均衡性随时间呈现不同方向的演变态势，西部地区的创新资源配置非均衡性变化最大也最快，东部和中部地区的区域内差异波动不大。

图1 区域创新资源配置泰尔指数变化趋势

2.2.2创新资源配置非均衡性的差异贡献率。利用Rstudio 4.0.4计算2015—2020年区域创新资源配置非均衡性泰尔指数的差异贡献率，分析中国区域创新资源配置非均衡性的差异贡献率变化趋势(图2)。从区域内差异和区域间差异对总体泰尔指数的差异贡献率来看，2015—2020年区域内差异贡献率与区域间差异贡献率几乎持平，没有持续明显的走高或降低趋势，这表明东、中、西部区域内部的差异以及区域间的差异均是造成我国创新资源配置非均衡性的主要原因。同时，无论是区域内差异贡献率还是区域间差异贡献率均呈现横向“S”型的变化趋势，不同的是区域内差异贡献率总体表现为下降趋势，从2015年的0.531降低到2020年的0.473；区域间差异贡献率总体表现为上升趋势，从2015年的0.469提高到2020年的0.527。两者对总体泰尔指数差异贡献率的年均变动率为0.967%，略有起伏。

图2 创新资源配置非均衡性的差异贡献率变化趋势

从东、中、西部地区各区域内部差异对全国总体泰尔指数的差异贡献率来看，中部与西部的变化态势比较稳定，东部差异贡献率变化较大。东部与中部差异贡献率的变化步调基本相反，但对总体的差异贡献率东部始终高于中部，2020年东部与中部的差异贡献率均有下降，但中部的变化不大，呈现上下震荡、微弱上扬的变化趋势，2019年差异贡献率最低，为0.044。西部对总体差异的贡献率一直处于中等水平，但就变化趋势而言，其差异贡献率在持续走高，这并非表明西部创新资源配置非均衡态势扩大了，而是因区域间和区域内的差距在逐年缩小、东部与中部的创新资源配置非均衡态势从原本较高的水平逐渐下降后所造成的。

由以上分析可以看出，近年来,在中部崛起战略、西部大开发战略以及东北老工业基地振兴战略等国家一系列区域发展战略的推动下，创新资源配置非均衡性程度有了一定的降低。各区域在创新发展基础存在较大差异的情况下，充分利用好政府保障、市场调节的双重支撑功能，优势互补，劣势帮扶，以合作促发展，逐步形成了以一线和新一线城市为引领、其余城市紧跟步伐团结协作的协同创新格局。西部地区正在大跨步稳定追赶，但由于历史条件和地理环境等因素，考虑到区域环境的特殊性、人的利益选择性以及开展创新工作的长期性等现实问题，仅仅依靠现有国家政策支持或战略帮扶，在短时间内有效消除西部地区的创新资源配置非均衡现象还存在一定难度。因此，国家需要继续扩大对中部和西部的战略支持和政策优惠，尤其是在我国进入到高质量发展阶段后，破除地区间创新资源配置的非均衡性是区域协调发展、共同进步的必然要求。但综合考虑现实因素，创新资源配置的地区差异是现阶段国家创新驱动发展过程中面临的客观问题。因此，要进一步探索创新资源配置水平的影响因素，有针对性地、因地适宜地制定区域创新发展策略。

2.3 创新资源配置水平的影响因素

2.3.1全局层面。为确定回归分析适合采用固定效应模型还是随机效应模型，对模型进行豪斯曼检验。豪斯曼检验的原假设为遗漏变量的个体效应与解释变量不相关，备择假设为遗漏变量的个体效应与解释变量相关。检验结果显示P值小于0.1，拒绝原假设。因此，采用固定效应的创新资源配置水平影响因素分析模型进行回归(表4)。回归结果显示，可决系数R2为0.71，模型的拟合优度较高，能够较好地解释全国范围内创新资源配置水平的影响因素，接受回归结果。其中，技术市场活跃度(lnM)的回归系数为0.545，且通过了5%水平下的显著性检验；人才密度(lnE)、对外开放水平(lnD)和政府支持力度(lnF)的回归系数分别为1.073，0.922，0.139，且通过了1%水平下的显著性检验。由此可见，人才密度、政府支持力度、对外开放水平和技术市场活跃度均对创新资源配置水平有一定的促进作用，人才密度的影响最为明显，技术市场活跃度和对外开放水平的影响次之，政府支持力度的影响最小。

表4 全局层面影响因素的回归结果

首先，人才对提升创新资源配置水平的促进作用是确定且显著的。人是知识的消化者和创造者，没有人就谈不上发展，更谈不上创新。作为创新过程各环节的动力源，各行各业人才队伍的建设是当前创新发展的重中之重。其次，对外开放水平是进出口贸易活跃度的保障，进出口贸易活跃的区域更利于技术的吸收与扩散，同时也为地区创新成果转化提供了更大的市场[28]。技术市场活跃度是市场作用的一大体现，市场交易是评估是否进行创新资源配置最直接的考量，创新与市场相互分割不仅会导致资源的浪费，更会使地方错失发展机遇，因时施策、因地制宜、因势利导方为上策，看得见的收益和令人瞩目的成绩是创新资源集聚最直接有效的动力。最后，政府支持力度的加强对创新资源配置水平的提升也是显著且重要的，原因是政府财政科技拨款可以直接增加区域创新经费投入，增大资本存量；政府的倾斜政策有助于增强特定地区的经济和创新活力，吸引周边地区生产要素和经济实体的聚集。

2.3.2区域层面。根据豪斯曼检验结果，仍然采用固定效应模型对东部、中部和西部三大区域创新资源配置水平的影响因素进行回归分析(表5)。从区域层面的回归结果来看，可决系数R2介于0.620～0.730，模型拟合优度较高，能够较好地解释区域间创新资源配置水平的影响因素，接受回归结果。由表5可以看出，人才密度、政府支持力度、对外开放水平和技术市场活跃度对三大区域创新资源配置水平的影响方向均为正向，但就其具体的影响机理而言还是有较大的区域异质性。从影响程度看，东部和西部创新资源配置水平受人才密度影响最大；对外开放水平对中部创新资源配置水平作用最强；对中部和西部创新资源配置水平影响最小的是技术市场活跃度；政府支持力度对中部创新资源配置水平作用最弱，对西部作用效果最强。从影响显著性看，三大区域的人才密度系数和技术市场活跃度系数均通过了显著性检验，即这两个变量对东部、中部和西部创新资源配置水平都有显著性影响。除此之外，对东部创新资源配置水平影响较为显著的还有政府支持力度，对西部创新资源配置水平影响较为显著的还有对外开放水平和政府支持力度。

表5 区域层面影响因素的回归结果

3 结论与建议

3.1 结论

中国东部地区、中部地区和西部地区整体存在较为明显的创新资源配置非均衡现象，创新资源配置向经济发展水平高的地区倾斜，极化现象较为严重。区域间差异与区域内差异对总体差异的贡献率几乎持平，二者皆是区域创新资源配置差异的主要来源。

区域创新资源配置非均衡态势变化同样具有异质性，东部和中部地区的创新资源配置非均衡性程度在逐年降低，中部地区进程略缓于东部地区，西部地区的创新资源配置非均衡性呈现逐年加大的变化趋势。这充分说明创新资源投入在区域内部的各省份之间分配日趋合理，反映出区域联动发展的优势所在，但对于部分发展基础十分薄弱的地区而言，虽然创新资源配置水平也得到了明显提高，但仍有较大的进步空间。

人才密度、政府支持力度、对外开放水平和技术市场活跃度对三大区域创新资源配置水平的影响具有较强的区域异质性，在影响程度和影响显著性等方面表现都不相同，但均对整体和区域创新资源配置水平起到不同程度的促进作用，其中人才密度和对外开放水平对创新资源配置水平的促进作用最为明显。

3.2 建议

强化顶层设计，突破区域创新障碍。西部地区应着眼于弥补创新短板，加快基础设施建设，积极寻求区域创新合作；中部地区应持续强化开放创新，积极承接东部产业转移，推动中部产业由劳动密集型向知识密集型转变；东部地区应进一步加强区域联动，积极构建创新资源流动的协调保障机制，完善相关配套政策。

打破时空限制，加快共享平台构建。创新资源匮乏区一方面要通过与创新资源富集区共同构建以产业分工为基础的创新平台，加快技术、人才和资本的置换，加强区块联动；另一方面要加大大数据、云计算、物联网等产业的发展力度，优化区域创新体系，突破创新资源时空限制，提高地区创新能力和水平。

充分发挥市场机制，注重技术市场竞争。东部地区应继续加大“放管服”改革力度；中西部地区对政府支持的依赖性较大，因此，在鼓励市场竞争的同时也要完善政府宏观调控，积极推动产学研深度融合，持续提高创新资源配置效率和水平，以创新成果产出吸引创新资源投入。

创新人才工作机制，持续推进人才队伍建设。中西部地区要加强与东部地区及国外优秀院校、科研院所等联合培养人才的力度；积极开展在职教育和技能培训，提升劳动人员知识水平和专业技能；以需求为导向，深化人才体制机制改革，建立和完善人才培养、引进、评价、使用、流动、激励等机制链，营造关心人才、爱护人才、成就人才的社会氛围。