高教资源能否转化为城市创新优势？——基于长三角地区41个城市的经验证据

宗晓华，王立成

(南京大学 教育研究院， 南京 210023)

一、问题的提出

我国经济从高速度增长转向高质量发展，需要经济增长方式由要素驱动向创新驱动转变。自党的十八大提出创新驱动发展战略以来，我国创新水平快速提升，2017年成为首个跻身全球创新型国家行列的发展中国家[1]。但与国际经济地位相比，我国创新水平仍然较低，核心技术与关键技术面临“卡脖子”问题，科技成果转化率仅为10%，远低于发达国家40%的水准[2]。归根结底，创新驱动不足的本质是人才与知识的创新动能存在瓶颈。作为科技第一生产力、人才第一资源和创新第一动力的结合点，高等教育在创新驱动的新发展阶段发挥着不可替代的重要功能。然而，现实中一个可以观察到的悖论却是，一些传统上高教资源集聚的城市并没有表现出显著的创新优势，而一些高教资源相对匮乏的城市却在创新型经济建设中成就斐然。例如，深圳市的“双一流”建设高校仅有1所，但其城市创新综合指数排名却是全国第一[3]。因此，我们不禁要问，一个城市的高等教育资源究竟能否有效地转化为本地区的创新优势？

作为长江经济带与沿海经济带的重要交汇处，长三角的一体化肇始于20世纪80年代，在新世纪我国加入WTO后，其一体化开始加速[4]，2010年《长江三角洲地区区域规划》正式提出要将长三角建成创新型区域，2016年《长江三角洲城市群发展规划》进一步指出要将长三角打造成具有全球影响力的科技创新高地，2019年长三角一体化正式上升为国家战略。经过近四十年的一体化发展，长三角地区已经成为我国经济实力最强、创新活力最高以及高教资源最为丰裕的区域之一。有关数据显示，2019年长三角地区经济总量、研发经费支出与专利申请量、“双一流”建设高校数等占全国的比重均超过四分之一。尽管长三角地区集聚了大量科教资源，但地区内部的高教资源分布与创新型经济布局之间存在明显空间错位，例如2020年南京市和苏州市的“双一流”建设高校分别有12所、1所，而苏州市的高新技术企业约为1万家，远高于南京市的6507家。由此来看，长三角地区为检验上述问题提供了较为典型的经验材料。有鉴于此，本文以长三角地区41个城市为样本，运用面板双固定效应模型与工具变量对城市高等教育资源与创新水平之间的关系进行实证分析。

二、文献回顾与机理分析

自熊彼特在其《经济发展理论》一书中首次提出“创新”概念以来，创新就被认为是一国经济长期增长的重要源泉[5]。此后，内生增长理论、三螺旋理论和国家创新理论等学派从不同角度阐释了创新的形成机制，最终都强调高等教育在创新中的重要作用[6-8]。

高等教育提高区域创新水平可以通过三种方式来实现。一是人才培养。不同于义务教育和中等教育所强调的知识传授，高等教育以能力培养为导向，注重培养学生的创新思维与创新精神[9]。受过高等教育的人力资本具有更高级的素质与技能，进而高等教育人力资本积累可以引发技术进步与创新[10]，大量实证研究对此已经形成一致结论[11]。二是科研创新。作为社会重要的知识创新主体与科技创新部门，高校一方面可以通过知识溢出与技术转移等方式来促进当地创新产业的形成[12]，另一方面也可以通过产学合作方式来实现大学与企业创新优势的互补，最终提高地区创新绩效[13]。三是集聚效应。随着高等教育毛入学率的不断提高，城市高等教育资源的空间集聚格局越来越明显[14]。高等教育资源的集聚不仅带动了资金、人才、技术等创新要素的集聚[15]，同时也加强了地区内部创新主体间的竞争效应与交流效应[16]，最终推动区域整体创新水平的提高[17]。

当前大多研究聚焦在高等教育资源与创新成果数量间的关系，忽略了高等教育资源对创新成果市场收益的贡献。事实上，创新是包含若干阶段的整体过程[18]，大致可以分为技术研发与技术转化两大阶段[19]。前者是针对生产任务进行技术创造与技术改进，所得的成果是蓝图、公式与模型，后者则是结合市场需求，将技术研发成果进行商品化，所得的成果是货币收益[20]。熊彼特曾强调，创新本质上是一种经济行为，如果发明没有被商业化，则不能称之为创新[21]。创新主体的技术创新能力并不必然决定其技术创新效益，即科技创新成果并不必然带来经济上的收益，很多专利束之高阁、创新产品缺乏市场都是明证。有鉴于此，本文同时考察高等教育资源对技术创新能力与技术创新效益的影响，并对估计结果进行对比研究。此外，更为重要的是，目前大多学者采用省级数据来探究高等教育资源与区域创新水平间的关系，而省级数据往往容易掩盖省域内城市层面高等教育资源空间分布的不均，对于精确理解城市高等教育资源对其创新发展的贡献过于宏观和笼统。

基于上述讨论，本文提出如下假设：

假设1：高等教育资源可以显著提高城市的技术创新能力；

假设2：高等教育资源可以显著促进城市技术创新效益的提升。

为检验上述假设，本文以长三角地区41个城市为例，采用面板双固定效应模型与工具变量对城市高等教育资源与创新水平间的关系进行实证分析，并对已有假设进行讨论。

三、研究设计

(一)计量模型的设定

Griliches认为创新投入与创新产出之间满足一定的函数关系，并提出“知识生产函数”的概念[22]。在此基础上，Jaffe做了部分修正，形成了Griliches-Jaffe知识生产函数[23]。这里借鉴知识生产函数模型，将模型具体设定为：

(1)

其中，Y为创新产出，K为创新资本投入，L为创新劳动力投入，A为全要素生产率，α和β均为弹性系数，i和t为地区与年份。

同时，对于全要素生产率A而言，假设其满足以下形式，即：

(2)

其中，a为常数，X为高等教育资源，C为控制变量，n为控制变量的数量，j为控制变量的序号，φ、λ表示变量的系数，μ表示随机干扰项。

进一步地，将公式(2)带入公式(1)中，并对生产函数等号两边取对数，可以得到以下公式：

(3)

最终，本文得到关于城市创新投入与创新产出间关系的面板数据模型，即公式(3)。

(二)变量的选取与说明

1.创新产出变量。创新过程主要分为技术研发阶段与技术转化阶段，前者体现的是技术创新能力，后者体现的是技术创新效益。就技术创新能力而言，大多学者采用专利申请数来衡量，尽管并非所有技术研发活动都申请了专利，但没有其他指标比专利更为有效地测量技术研发产出[24]，因此本文沿用专利申请数来衡量技术创新能力。值得一提的是，不同专利的知识含量、创新难度与前景价值存在较大差异，忽略专利类型的异质性容易造成技术创新能力刻画的失真，故本文借鉴白俊红和蒋伏心[25]的做法，将发明专利、实用新型专利和外观设计专利按照0.5、0.3、0.2的权重进行加权处理，最终将加权后的专利申请数作为技术创新能力的测度指标。就技术创新效益而言，本文借鉴Pellegrino等人[26]的做法，采用新产品销售收入作为技术创新效益的测度指标。

2.创新基本投入变量。从知识生产函数形式来看，创新资本投入与创新劳动力投入必不可少，考虑到城市层面统计数据的可获得性，本文选取样本城市的政府科学技术支出和城市科研综合技术服务业从业人员数来分别衡量城市的创新资本投入与创新劳动力投入。

3.高等教育资源投入变量。当前文献主要采用高校数、高校在校生数、高校专任教师数、高校经费投入等指标来衡量地区的高等教育资源分布状况，其中高校在校生数既能够反映出地区的高等教育规模差异，也能反映出地区所提供的高等教育机会水平[27-28]，因此本文选取普通高等学校在校生数来衡量城市的高等教育资源投入水平。在实际回归中，对该指标进行对数处理。

4.其他投入变量。外商对城市的直接投资不仅会带来丰裕的资金支持，也会带来先进的技术与企业管理模式，进而会影响到城市的创新水平[29]，因此本文选取城市实际利用外商直接投资占GDP的比重来衡量外商直接投资水平。创新是一个多要素协同的过程，其既需要研发人员与经费的投入，也需要仪器、设备和厂房等固定资产的配套支持，因此本文选取城市固定资产投资占GDP的比重来衡量城市的固定资产投资水平。最后，由于这两个投入变量与创新产出变量之间可能存在双向因果关系，本文在实际回归时对这两个投入变量均进行一期滞后处理。

(三)数据的来源与描述

本文的研究样本为长三角地区的41个城市(巢湖市在 2011年被降级县级市，在样本中已剔除)，研究年份区间为2001—2018年。具体来看，城市的专利申请数据来源于中国研究数据服务平台，新产品销售收入来源于《中国科技统计年鉴》，其他数据来源于《中国城市统计年鉴》和各样本城市的统计年鉴。为了消除通货膨胀对经济变量的干扰，本文借助GDP指数将经济变量的价格统一到2001年价格，最终各变量的描述性统计结果如表1所示。

表1 变量的描述性统计

四、实证结果分析

(一)长三角地区高等教育资源的时空分异

进入新世纪后，长三角地区高等教育资源投入呈现出扩张趋势，普通高等学校在校生数从2001年的142.7万人增长至2018年的450.1万人，增幅高达2.2倍。值得注意的是，普通高等学校在校生数的增长在时间维度上具有明显的阶段性特点。具体来看，2001—2008年(国际金融危机爆发前)，普通高等学校在校生数持续升高；2009—2018年(国际金融危机爆发后)，普通高等学校在校生数突破400万人后增幅出现明显下降(见图1)。

图1 2001—2018年长三角地区41个城市普通高等学校在校生数变化

尽管长三角地区高等教育资源投入整体上呈现增长态势，但城市层面的增长态势并不均衡，其空间上的分布呈现出明显的“中心-外围”结构。2001年，长三角地区普通高等学校在校生主要集中在合肥、南京、杭州和上海等城市；到了2008年，长三角地区大部分城市的普通高等学校在校生数出现明显增加，但仍主要集聚在省会城市及其周边城市；进入2018年，长三角地区城市层面高等教育资源的分布结构基本延续2008年的空间格局，这说明国际金融危机过后，高等教育资源在长三角地区的分布格局出现了明显的固化特征(见图2)。

图2 2001年、2008年和2018年长三角地区41个城市普通高等学校在校生的空间分布注：图例的划分以研究年份区间内所有数据为基础，Min、Max为最小值和最大值，Q1、Q2、Q3为第一、二、三个四分位数。

(二)模型回归结果分析

2001年以来，长三角地区高等教育资源投入增长趋势明显，其究竟能否有效推动城市的创新发展？为了估计高等教育资源对城市创新水平的影响，本文依据公式(3)进行实证分析。如表2所示，各模型估计结果均通过豪斯曼检验，在双向固定效应估计下，各模型的R2始终稳定在0.8以上，这说明回归模型具有较好的拟合效果。

表2 模型回归结果

具体来看，普通高等学校在校生数每增加1%，三种专利申请加权数将显著增加0.272%，这说明城市高等教育资源的集聚有助于增强其技术创新能力，该结果证实了前文的假设1。然而，有意思的是，虽然高等教育资源投入有效地提高了城市的技术创新能力，但却对城市技术创新效益的提升并不具有明显的促进效应，即拒绝前文的假设2，如表2结果所示。究其原因，可能在于两方面：第一，高等教育所培养的人力资本存在创新能力缺陷。创新的不同阶段对人力资本的能力需求存在差异，技术研发需要人力资本的研发能力，即寻找新思想、新方法和开发新技术的能力[30]，技术转化需要人力资本的配置能力，即在市场不均衡环境中进行套利的能力[31]。其中，人力资本配置能力的形成需要高校与劳动力市场联合作用[32]，但当前我国高等教育在素质化转型过程中仍注重培养学生解决既定问题的能力，缺乏利用市场实践训练学生解决未知问题(不均衡问题)能力的培养机制[33]。同时，岳昌君基于全国高校毕业生就业数据的研究也发现，我国高校注重培养学生知识的习得而弱于创新能力的训练，毕业生能力增值自评中创新能力得分排名仅为第二十五名[34]；第二，高校的创新活动与企业的创新活动在衔接上存在瓶颈。作为社会非营利性公共机构，高校处于创新的上游位置，其无法单独进行技术研发成果走出实验室后的中试、生产以及推广等环节，势必要与处于创新下游的企业合作进行后续的环节，而大学-企业间的技术产权交易会面临显著的激励与风险问题，这些问题将导致高校技术转移的低效率[35]。例如，由于科技成果转化政策的不到位，过去几年江苏省地方高校专利转化率(专利出售数与专利授权数的比重)仅为8.29%，上海市、浙江省和安徽省地方高校专利转化率均在5%以下[36]。

此外，就其他变量而言，仅创新资本投入和外商直接投资水平对城市技术创新能力与技术创新效益具有显著的促进效应，且两者对技术创新效益的贡献要远高于对技术创新能力的贡献。

综上所述,大株红景天注射液联合曲美他嗪治疗冠心病心力衰竭能够发发挥出比曲美他嗪治疗冠心病心力衰竭更佳的治疗效果,患者的治疗有效性明显提高,不良问题发生率明显降低,患者的心功能得到了明显的优化,因而应该在临床领域大力推广“大株红景天注射液+曲美他嗪”的冠心病心力衰竭治疗办法。

(三)模型稳健性检验

1. 滞后核心解释变量

由于创新投入-创新产出是一个阶段性过程，当年的创新投入不一定在当年形成产出，而是在一段时间后形成产出。因此，前文的实证结果只能证实当年城市高等教育资源投入与当年城市创新产出之间的关系，无法说明当年城市高等教育资源投入与未来城市创新产出是否存在关系。有鉴于此，本文对城市普通高等学校在校生数进行一期滞后、二期滞后和三期滞后处理，再次进行模型回归。

如表3所示，仅城市高等教育资源投入滞后三期项对其技术创新能力具有显著的促进作用，而各城市高等教育资源投入滞后项对城市技术创新效益的提升均不存在显著的影响。这再次说明了，即使考虑创新投入与创新产出之间存在较长的时间间隔，城市高等教育资源投入也仅能显著提高其技术创新能力而非技术创新效益。

表3 模型稳健性回归结果(核心解释变量滞后)

2. 替换核心解释变量

上述的实证分析均以普通高等学校在校生数来衡量城市高等教育资源，其结果可能具有偶然性。因此，本文进一步选取城市普通高等学校专任教师数来替换原有核心解释变量进行二次估计，如表4所示。无论是城市的技术创新能力还是技术创新效益，普通高等学校专任教师数的回归系数与表1的结果基本保持一致，这说明了本文的实证结果具有良好的稳健性。

表4 模型稳健性回归结果(替换核心解释变量)

3. 按时段进行样本拆分

如表5所示，2001—2008年，城市高等教育资源投入对其技术创新能力不具有显著的影响，但却对其技术创新效益存在明显的抑制作用。到了2009—2018年，这一现象出现明显反转，城市高等教育资源投入对其技术创新能力的影响开始显著为正，而对其技术创新效益的抑制作用开始消失。出现这一转变的原因可能在于，21世纪初期，我国高等教育发展水平普遍较低，高等教育毛入学率不足24%，“985/211”工程实施才十年左右，高校的学术研究氛围与人才培养质量存在较大不足[37]。有学者研究发现，这一时期长三角地区高等教育系统与科技创新系统的融合处于明显的失调状态[38]；国际金融危机之后，政府大力发展高等教育以促进社会主义现代化建设，例如出台《国家中长期教育改革和发展规划纲要(2010—2020)》。这一阶段，长三角地区高等教育快速发展，集聚了大量的科教资源，例如2017年长三角地区ESI前1%学科数和国家重点实验室数占全国的比重分别为30.47%、28.29%[39]。与此同时，高校与企业在创新活动方面呈现出良好的互补性与共生性，但创新成果转化中介平台与两者间的互动水平仍然较差[40]。综合来看，长三角地区城市的高等教育资源逐渐转化为其创新优势，但存在明显的滞后现象，即高等教育资源更快转化为城市的技术创新能力。

表5 模型稳健性回归结果(按时段划分)

(四)工具变量回归分析

尽管前文一系列的回归模型提供了较为稳健的实证结果，但其证实的仍是城市高等教育资源投入与其创新产出之间的相关关系而非因果关系。究其原因，模型可能存在由遗失混淆变量和双向因果导致的内生性问题。因此，为了准确把握这两者间的因果关系，本文选取1984年样本城市普通高等学校数作为工具变量进行再次回归。

选取该工具变量的原因是：第一，历史上城市的高等教育资源投入会影响到当前的高等教育资源投入，满足相关性原则；第二，较早历史时期的城市高等教育资源投入不能直接影响当前的城市创新产出。改革开放初期，我国高校的区域分布大致延续了1952年全国院系大调整之后的地理格局，具有较强的外生性[41]。当然，历史上城市的高等教育资源投入可能与城市的经济发展水平有关，因此在回归中将外商直接投资水平和固定资产投资水平等经济特征予以控制。由于1984年城市普通高等学校数是一个截面数据指标，为避免在固定效应回归中被消除，本文将其与年份趋势变量的交互项作为最终的工具变量。

如表6所示，IV估计第一阶段的F值均大于10，结合上文对工具变量选取的讨论，有理由相信本文所选取的工具变量是一个较为有效的工具变量。无论是OLS估计结果还是IV估计结果，城市的高等教育资源投入仅能显著提高城市技术创新能力，不能有效推动城市技术创新效益的增长(即接受假设1、拒绝假设2)，两者间的因果关系得以验证。值得关注的是，就城市的技术创新能力而言，IV估计系数要明显高于OLS估计系数。一个可能的解释是，经过计划经济时期的行政调整，1984年城市留存的高校大多是办学实力较强和科研水平较高的高校，用这些高水平的高校作为工具变量，获取的主要是当前优质高等教育资源对于创新产出的效应，因此IV的估计系数会明显偏高。

表6 工具变量回归结果

五、结论与政策涵义

本文以长三角地区41个城市为例，通过构建面板双固定效应模型、借助工具变量对高等教育资源投入与城市创新水平间的关系进行实证分析。研究发现，城市创新水平具体表现为技术创新能力与技术创新效益，城市的高等教育资源投入仅能显著增强前者，而对后者并不具有明显的影响效应；当进一步考虑经济发展的阶段差异后，城市的高等教育资源投入呈现出逐渐转化为城市创新优势的趋势，但其转化过程在创新阶段中表现出明显的滞后现象，即更快转化为城市的技术创新能力。总体而言，高等教育资源投入对城市创新过程两阶段的作用差异，从一个侧面反映出当前长三角地区高等教育与经济社会需求之间的耦合关系仍然存在体制机制障碍，例如高等教育缺乏培养面向市场创新型人力资本的机制、高校与企业在创新环节上的衔接存在瓶颈，进而导致技术研发成果向经济效益转化仍然存在明显的鸿沟。

根据本文的实证分析结果，未来应从以下几个方面着力推动高等教育有效转化为区域的创新优势：

第一，高校应加快推进人才培养体系与产业需求的耦合衔接，探索人才培养新模式。创新的不同环节需要不同类型的人力资本，技术研发需要专业型人力资本，而技术转化则需要配置型人力资本，即能够敏锐地洞察市场的需求与不平衡，胜任技术创新成果的应用、推广、管理、销售等任务。与此同时，在创新型经济建设中，只有市场需求导向的研发活动才能产生具有商业价值的技术研发成果。这意味着，即使作为上游的研发人员也应具备配置型人力资本的能力。当前高校毕业生在人际沟通、组织协调、创新能力等方面仍然与企业期望存在差距，因此，高校应深入探索科教融合、产教融合、理实融合的人才培养机制，创新人才培养模式，着力培养学生的批判性、创造性思维能力，为创新型城市建设造就一大批适应新时代动能转换要求的复合型、创新型人才。

第二，建立高校与城市联动机制，推进与激励高校利用自身的科教资源参与创新型城市建设。“一部高等教育的发展史也就是一部高校与城市互动发展、融合发展的历史”[42]。虽然高校因隶属关系可能并不受所在城市管辖，但是高校却是内嵌于城市创新发展体系之中，为城市创新发展提供智力、科技、人才和文化支撑。同样，高校的高质量发展亦离不开城市为其提供物质支持和服务保障。城市与高校的联动发展，关键在于高校的办学特色定位于城市的主导功能，定位要具有战略协同，这种协同不应局限于特定高校和城市，而应扩展到高校群与城市群。世界上著名的城市群如纽约湾区、旧金山湾区、东京湾区等都依托其优越的经济地理空间，打造出高水平的大学集群。长三角地区的高校和城市应主动参与城市群的建设，推进两者的融合发展，在战略布局、协同育人、科技创新等方面实现高度协同，推动区域一体化高质量发展。

第三，引导区域高等教育资源合理布局，扩大优质高等教育资源的创新辐射面。长三角地区的高等教育资源分布与其创新型经济空间格局并不对应。以江苏为例，苏州是高新技术企业数量最多的城市，几乎是南京的两倍，但是高等教育资源却集聚在南京。南京有34所本科院校、17所专科院校，其中“双一流”建设高校就有10所，相比之下，苏州本科院校只有5所、专科院校只有12所。浙江省和安徽省更是如此，优质高等教育资源主要集中在省会城市。优质高等教育资源分布的失衡势必会造成区域创新体系发展的不平衡，进而陷入“创新秩序陷阱”，即中心城市创新活力高、创新环境好、创新能力强，而其他城市则无法开展可持续、高质量的创新建设。最近南京大学等一大批研究型大学在苏州、无锡、常州等地区创建分校，扩大优质高校资源的辐射面，是一个双赢的战略举措。优质高等教育资源的引入既能为城市集聚优质的创新要素，也能带动当地高等教育资源的升级与改造，加速本地名校的出现与发展，形成良性循环发展模式。未来政府应引导高等教育资源在区域内的合理布局，实现创新要素的集聚与资源效益最大化，使其在创新驱动的发展战略中发挥更大的作用。