双循环视角下区域技术创新效率测度及溢出效应研究

王子龙，高嘉慧，张志雯

（南京航空航天大学 经济与管理学院,江苏 南京 211106）

一、引言

疫情冲击下国际经济格局的变化，给中国经济社会发展带来机遇和挑战。［1］在改革开放后的前30年，国际循环在中国经济中占据重要地位，中国贸易结构与全球分工格局始终保持着较强相关性。［2］1-19当前大国竞争与博弈日趋白热化，国际分工和产业转移形成的“资源国提供能源、资源—中国生产—美国消费”模式已不可持续［3］，外部循环受阻。另一方面，经过改革开放的蓄力，中国要素禀赋持续改变，经济规模、贸易规模、资金跨国流动规模等均居世界前列，国内市场需求也不断增长。作为全球最大和最具潜力的消费市场，中国可提供国内产业所需的各类市场，激活国内消费已成为应对外部挑战的重要保障。因此，基于国际环境的不利变化和国内市场需求的增长，中国经济发展模式由国际大循环主动调整到国内国际双循环协调发展的战略模式［4］。

推进国内大循环和创新驱动战略，需要加快打造支撑科技强国的全流程创新链条。［5］尽管中国拥有体量最大的市场和用户，但以美国为代表的发达国家在这场博弈中试图维持其对高新技术的垄断和全球价值链上技术主导的地位，持续打压中国高科技企业［6］38-48，阻碍中国信息化产业发展。中国若想赢得这场国际博弈的胜利，尚缺少在尖端技术市场与大国相互制衡的“杀手锏”。中国不能寄希望于国际环境的改善，而应主动研发“并跑”“领跑”技术，推动创新要素在全国范围内合理流动。因此，为了提升技术供给体系对国内需求的适配性，如何在更大程度上有效配置创新资源从而提高技术创新效率是亟需探讨的问题。

目前，“双循环”新发展格局已成为学术界和社会各界高度关注的热点话题，相关研究集中在双循环的理论框架、发展现状、区域与产业发展前景及实现路径等方面。关于双循环理论框架，学者们主要从以下视角展开分析：产业经济学视角下，国内循环是指整个生产流程在主权国家内部开展并完成的经济系统，国际循环是指国内生产流程借助了国外原材料、生产制造或消费市场开展并完成的经济系统［7］4-18；国民经济核算视角下，内循环可理解为“内需”，外循环可理解为“外需”［8］；价值链视角下，将内循环理解为国内价值链分工，即国境范围内的垂直生产专业化［9］，外循环理解为全球价值链，即国家间“碎片化生产”、外包、国际垂直专业化分工、涉及中间品贸易的价值增值环节等［10］。关于中国双循环格局的发展现状，江小涓和孟丽君深入分析了从外循环为主转向内循环为主的必然性以及国际趋势。［2］1-19丁晓强和张少军认为，中国经济内循环虽为低竞争劣势但地位有所提升，而处于高竞争优势的外循环表现出明显的下降趋势。［11］杨先明和傅智宏研究表明，中国整体和分行业的外部依赖程度以及隐含的外部价值贡献度呈现“倒U”型特征，其他国家对中国的依赖程度呈上升趋势。［12］部分学者从创新维度对区域或产业双循环格局的发展前景和路径进行了分析，如李宏等提出中国制造业全要素生产率较低的主要原因为技术进步不足，与先进国家技术创新差距较大。［6］38-48刘宏笪认为，国内循环与产业科技创新处于科技创新前沿耦合状态，国外循环与产业科技创新则停留在循环超前状态。［3］杨震宁等分析了国内创新网络和全球创新网络对企业创新能力的异质性影响。［13］其余研究多从长三角地区和一带一路沿线等区域视角分析未来发展前景［14］，从金融业和生产性服务业等产业视角分析发展路径［15］。现有研究已基本形成关于双循环理论的系统阐述，并逐步结合投入产出数据来定量分析发展现状。然而，在有关技术创新双循环研究中，从更加符合中国集约型经济发展模式的效率视角进行分析的还很少，且未有研究从内循环和外循环两个层面对技术创新效率进行论述。双循环视角下，技术和产品均存在流动性，探究双循环技术创新效率影响因素时应综合考虑空间因素的作用。本文将重点解决以上两方面问题。

有关技术创新效率的测度方法多以数据包络分析（DEA）为主，但传统DEA模型将效率评价过程视为“黑箱”，无法分辨决策单元非有效的具体原因。两阶段DEA模型能够被用来对评价单元的内部结构和运行机理进行研究，是一个以中间产品为连接基础的串联结构。部分学者通过构建两阶段DEA模型分析技术创新相关问题。如杜鹃和霍佳震构建了人才培养和科技创新两个阶段，研究中国52个重点城市的创新能力［16］；余泳泽和刘大勇将创新过程分为知识创新、科研创新和产品创新3个阶段进行效率测度［17］；马建峰和何枫建立同时考虑投入分配与中间产出分配问题的混合型多阶段系统DEA模型分析中国工业企业的整体效率［18］；熊曦等将成果转化阶段分为内部转化和外部转化两个子系统［19］。现有研究基于串联或并联维度改进了两阶段DEA模型，使得技术创新过程更贴切实际运行机制。然而双循环视角中，不同技术来源于产品市场可能会形成不同的科研成果转化路径，尚未有研究关注该角度下的成果转化阶段内部运行机制。

现有研究在双循环发展和技术创新效率评价等方面取得了许多成果，但基于双循环视角来探讨技术创新效率问题仍显不足。因此，本文从更加符合中国集约型经济发展模式的效率视角分析双循环格局下区域的技术创新能力，将双循环理论引入两阶段技术创新过程中，探究技术创新内循环效率与技术创新外循环效率的空间格局，在此基础上，纳入空间因素分析各项社会经济指标对技术创新内循环效率与外循环效率的影响及其溢出效应。本文研究的理论贡献体现在：①从技术来源和产品市场两个维度出发，创新性地将双循环因素引入两阶段技术创新理论模型中，把成果转化阶段细分为两个并联的子阶段，即技术创新内循环阶段和技术创新外循环阶段，基于效率视角探讨双循环格局下各区域的技术创新内、外循环水平；②采用空间自相关模型和变异系数方法分析技术创新内循环效率和外循环效率的空间格局，刻画技术创新内、外循环效率的集聚特征与区域差异；③考虑空间因素，通过空间杜宾模型分别考察各项社会经济指标对技术创新内、外循环效率的影响，利用偏微分方法对溢出效应进行分解并系统研究其溢出路径。

二、理论框架与模型

1.双循环视角下技术创新过程分析

从技术资源供给和产品市场的角度来看，双循环中的“内循环”可理解为使用国内技术因素并向国内市场提供产品服务，“外循环”可理解为使用国外的技术因素或向国外市场提供产品服务［7］4-18。基于价值链理论的两阶段技术创新过程［20］，将技术创新双循环因素加入成果转化阶段。双循环视角下技术创新过程如图1所示。

图1 双循环视角下技术创新过程

技术来源分为科技研发阶段的技术输出、国内技术交流与国外技术引进，产品市场分为国内市场与国外市场，图1中成果转化阶段细分为技术创新内循环阶段和技术创新外循环阶段。将双循环视角下技术创新过程进行量化，如图2所示。

图2 双循环视角下技术创新过程量化

在图2中，Zdj是 阶段2的 共享投 入，分 别以adj、（1-adj）比例分配到子阶段2.1和子阶段2.2中。Xi2j为阶段2的外部投入，以bi2j、（1-bi2j）比例分配到两个子阶段中。为确保投入可分配到两个子阶段，限定分配系数adj、bi2j的取值范围，即Lj≤adj，bi2j≤Hj［21］。

2.双循环视角下技术创新效率测度模型构建

根据构建的双循环视角下技术创新阶段过程，以E代表技术创新整体效率，E1代表科技研发效率，E2.1代表技术创新内循环效率，E2.2代表技术创新外循环效率，采用加权加法计算整体效率，权重以各阶段投入占总投入的比例来衡量［22-23］。中间产品Zdj的决策权重在各阶段是一致的［24］。利用Charnes和Cooper将DMUk作为关键点进行转化，得到E的线性规划式，模型见公式（1）。

式 中，Vi1、Vi2、Vi3、πd、Wr1、Wr2和Wr3分 别 为Xi1k、Xi2k、Xi3k、Zdk、Yr1k、Yr2k和Yr3k的 决 策 权 重。通 过 求解模型（1）可以得到DUMk的最优目标函数值以及决策权重，决策权重可能存在多组最优解，导致子阶段的效率不唯一。Liang等提出在保证整体效率不变的情况下，优先考虑某一阶段的效率值。［25］优先考虑阶段一效率，线性规划式模型见公式（2）。

3.双循环视角下技术创新空间计量模型

空间计量模型不仅可以观测到本区域技术创新效率受自身影响因素的作用力，还可以观测到周边区域对本区域技术创新效率的影响［26］。本研究采用空间杜宾模型（SDM）探究双循环视角下区域技术创新效率的影响因素，其模型见公式（3）。

式中，ρ表示空间自回归系数，Wij表示空间权重矩阵，yit和yjt分别表示区域i和区域j第t年的技术创新效率，Xit和Xjt分别表示区域i和区域j第t年的影响因素，β表示影响因素系数，θ表示影响因素空间滞后项系数，ε表示误差项。

SDM计算得到的影响系数不能反映出实际的偏回归系数，采用偏微分方法对其进行分解得出直接效应系数与间接效应系数［27］。具体见公式（4）。

式中，c代表常数，fn表示N*1维元素为1的向量，X’表示k个影响因素组成的N*k维矩阵，其他变量的含义与前文一致。进一步，可以将公式转化为某一时期的偏微分矩阵，见公式（5）。

式中，右侧矩阵中对角线βik的平均值为影响因素k的直接效应，除对角线以外其他元素的平均值为影响因素k的间接效应，即溢出效应，总效应=直接效应+溢出效应。

三、数据来源与变量选取

1.数据来源

本研究以中国省级行政区为研究对象，选取中国30个省级2012—2020年的数据为研究样本。数据来源于《中国统计年鉴》《中国科技统计年鉴》、CSMAR国泰安数据库和国家知识产权局。

2.变量选取

①科技研发阶段投入指标。选择R&D人员折合全时当量作为人员投入，R&D经费内部支出作为资本投入。资本投入采用资本存量来度量，利用永续盘存法进行估算［28］，如公式（6）所示。

其中，Mit为区域i第t年的R&D资本存量，Iit为区域i第t年 的R&D经 费 内 部 支 出，δ为 折 旧 率，常 规 取值15%，g取年算术平均增长率。

②科技研发阶段产出指标。选择专利申请数和规模以上工业企业新产品研发项目数为中间产出。其中，将发明专利、实用新型专利、外观设计专利赋以0.5、0.3、0.2的权重得出当期专利申请数［29］。论文发表数量选取国外主要检索工具收录中国科技论文数量。

③成果转化阶段投入指标。国内技术交流用国内技术市场技术流向区域的合同金额来表示，国外技术引进用区域的国外技术引进合同金额来表示，两种资本投入同样采用永续盘存法来度量。采用规模以上工业企业消化吸收与技术改造经费之和来表示技术转化费用。

④成果转化阶段产出指标。根据技术来源与产品市场的划分，选取规模以上工业企业新产品国内销售收入和规模以上工业企业新产品出口销售收入为成果转化子阶段的技术创新经济产出。

⑤技术创新效率影响因素。外商直接投资（FDI）选择地区年末登记的外商投资额表示，并取对数处理以消除异方差性［30］；出口依存度（EXD）选择地区出口总额与地区生产总值之比表示；进口依存度（IND）选择地区进口总额与地区生产总值之比表示［31］；社会经济资源不仅可以为区域技术创新提供物质基础，还可以提升区域的营商环境［32］，社会经济资源丰度（SR）计算公式为：

式中，N1表示地区生产总值，N2表示固定资产投资，N3表示地方财政收入，N4表示城市化水平，N5表示地区从业人员数量，N6表示非食品支出占总消费支出的比重。

四、测度过程分析

1.区域技术创新效率总体分析

假定模型中共享投入分配给子阶段2.1和2.2的 权 重 范 围 为0.25～0.75，即0.25≤adj，bi2j≤0.75。技术创新活动多以技术成果为导向，因此在测度网络DEA子阶段效率时，优先考虑第一阶段效率。利用MATLAB软件测算30个省级行政区的技术创新整体效率及子阶段效率，结果见表1。

表1 30个省级行政区技术创新效率（2012-2020年均值）

由表1可知，30个省级行政区的技术创新整体效率均值为0.643，仍存在很大的进步空间。没有一个省市的技术创新整体效率达到DEA有效，表示不存在一个省市在技术研发阶段和成果转化阶段上同时达到DEA有效。分阶段来看，大部分省级行政区的科技研发效率高于成果转化两个子阶段的效率。其中，内蒙古的科技研发效率最低，仅有0.206。北京和甘肃在研究期内的科技研发效率均有效，说明这些地区相较于其他地区来说创新资源在创造知识型成果时得到了充分的利用。技术创新内循环效率均值为0.404，技术创新外循环效率均值为0.323，总体上中国的技术创新内循环效率水平高于技术创新外循环效率水平。其中湖南的技术创新内循环效率优势最明显，黑龙江、陕西、青海、北京和贵州的技术创新内循环效率均值处在末端。浙江、河南和广东的技术创新外循环效率均值最高，约有23.3%的地区效率均值不足0.10。

为了进一步分析阶段效率的动态变化，采用趋势图的形式对2012—2020年地区技术创新内循环效率和外循环效率均值进行处理，结果如图3所示。

图3 技术创新效率变化趋势

在技术创新内循环阶段，效率值由东向西呈倒U型变化趋势。中部地区和东部地区总体上呈波动式上升趋势，西部地区和东北地区呈U型变化趋势。其中，中部地区的技术创新内循环效率较高，这可能与其产业链有关。以河南省为例，农业、畜牧业和食品加工业极为发达，占据了大半个中国的食品类贸易市场。东北地区和西部地区相对较弱，处在平均水平以下。

在技术创新外循环阶段，效率值由东向西逐渐降低。除中部地区呈波动型上升趋势，其他地区均呈现出W型变化趋势。东部地区处于领先位置，这与其地理优势有关，尤其是广东、上海、浙江和福建等沿海地区。中部地区紧跟随在东部地区之后，甚至在2018年之后超过了东部地区。东北地区和西部地区在对外贸易方面显然存在不足，一直处于平均水平以下。值得注意的是，各地区在2016年以后技术创新外循环效率开始呈现波动式增长趋势，这可能得益于一带一路战略，带动了中国的出口经济。

2.区域技术创新效率空间相关性分析

采用Moran’s I对区域技术创新内循环效率和外循环效率进行空间相关性分析，空间权重矩阵分别采用空间邻接权重矩阵和地理矩阵权重矩阵，其结果见表2。

表2 区域技术创新内、外循环效率Moran’s I值

由表2可知，在空间邻接权重矩阵下，各地区技术创新内循环效率的空间依赖性从不显著到逐渐增强，最后又减弱；技术创新外循环效率的空间依赖性较技术创新内循环效率的空间依赖性更强，但在2018—2020年未通过显著性检验。在地理距离权重矩阵下，技术创新内循环效率的空间依赖性呈小波动上升趋势；技术创新外循环效率的Moran’s I呈M型变化趋势，且空间依赖性强于技术创新内循环效率。

利用地理距离权重矩阵下的莫兰散点图和LISA聚集图分析技术创新内、外循环效率的空间集聚情况，结果见表3和表4。

表3 区域技术创新内循环效率的空间聚类分析

表4 区域技术创新外循环效率的空间聚类分析

中国区域之间技术创新内循环效率，高—高聚类和低—高聚类现象比较普遍，低—低聚类现象次之，高—低聚类现象较少。东部地区和中部地区大部分省市都集中在高—高和低—高集聚区，这些地区技术和经济都比较发达，容易产生协同创新。当自身技术创新内循环效率下降时，由于处在优势圈里，会从高—高集聚区转向低—高集聚区。除了重庆以外，东北地区和西部地区较为分散地分布在高—低、低—高和高—高集聚区，这些地区自身技术创新水平较差，周边地区技术创新能力也较弱，且受地理位置和产业发展的限制，新产品国内贸易额也难以提高。

中国区域之间技术创新外循环效率高—高聚类、低—高聚类和低—低聚类现象比较普遍，高—低聚类现象较少。与技术创新内循环效率的聚类情况相似，通过显著性检验的高—高集聚区域主要集中在东部地区和中部地区。区别于技术创新内循环，技术创新外循环依靠更多的是海外市场，地理位置具有极大的优势。沿海地区可以获得丰富的外资投入，也拥有更多的海外市场。引进外资和开辟海外市场具有极强的辐射带动效应，在提升自身新产品销售额的同时，也为邻近区域带来了发展机会。低—高集聚主要集中在中部，这些区域自身海外市场较小，又与相邻的东部地区形成鲜明对比，但可能未能与东部地区形成良好的合作关系。高—低集聚区和低—低集聚区主要集中在西部和东北地区。

五、溢出效应分解

从双循环视角下技术创新效率测度结果可以看出，区域技术创新效率在空间上呈现出集聚性和关联性的特征。因此，在进行影响因素分析时，应将空间因素的作用考虑在内。在进行模型估计前对变量进行相应处理，各变量的描述性统计见表5。

表5 变量的描述性统计

采用SDM进行分析时，空间矩阵的选择与前文保持一致，选择地理距离权重矩阵，结果见表6。其中，技术创新内循环效率和外循环效率的Hausman检测值分别为25.931和12.002，通过了显著性检验，说明固定效应下的SDM优于随机效应下的SDM。通过对比三种固定效应下的系数显著性，时间固定下的各变量系数较为显著，故选择其进行系统分析。

表6 空间杜宾模型结果

由表6可知，社会经济资源丰度对技术创新内循环效率和技术创新外循环效率均呈正向影响。一个地区的社会经济资源丰度越高，意味着这个地区经济发展水平和就业率越高，人民的生活需求越多样化，能够提供各种产业所需的多样化市场，从而促进了新产品在国内市场的销售。较高的社会经济资源在促使企业满足国内市场需求的同时，将过剩的产能向国际市场转移，促进了国际市场的开发。外商直接投资对技术创新内循环效率呈负向影响，而对技术创新外循环效率呈正向影响。跨国公司的外商直接投资可以促进国际技术转移，当地企业通过购买有形技术可以提高劳动生产率和技术水平，有利于技术创新外循环效率的提升。但如果过多依赖国际技术的购买，区域的自主研发能力将会减弱甚至受限制，不利于技术创新内循环效率的提高。出口依存度对技术创新内循环效率和技术创新外循环效率均呈正向影响。出口依存度体现的是国际市场的重要性，中国劳动力资源丰富，国际市场的开拓既可以促进人力资源配置结构的优化，又可以为新产品提供更多的销售渠道。但可以看出，出口依存度对技术创新外循环效率的促进作用显著高于对技术创新内循环效率的促进作用。进口依存度对技术创新内循环效率和技术创新外循环效率均呈负向影响。进口依存度体现的是国外供给的重要性，从国际市场直接进口的产品很容易成为本国新产品的替代品，不利于本国新产品在国内市场和国际市场的推广。

在技术创新内循环效率影响因素的空间杜宾模型中，ρ=-0.193，通过了10%的显著性检验，且空间滞后变量系数（W*EXD和W*IND）通过了显著性检验，说明出口依存度和进口依存度可能存在空间溢出效应。在技术创新外循环效率影响因素的空间杜宾模型中，ρ=0.167，通过了10%的显著性检验，且空间滞后变量系数（W*SR、W*FDI和W*EXD）通过了显著性检验，说明社会经济资源丰度、外商直接投资和出口依存度可能存在空间溢出效应。采用偏微分方法对空间效应进行分解，各影响因素对技术创新内循环效率和外循环效率的直接效应、间接效应和总效应见表7。

表7 时间固定效应下SDM空间溢出效应分解结果

对于技术创新内循环效率，出口依存度的驱动作用最大。出口依存度和进口依存度的溢出效应作用路径不同，出口依存度的溢出系数为正，说明一个地区对国际市场的开拓会对周边区域形成显著的榜样效应。进口依存度的溢出效应为负向，说明对国外供给依赖度高的区域也会影响周边区域的产品来源，抑制周边区域技术创新内循环活动的开展。

对于技术创新外循环效率，出口依存度的驱动作用同样是最大的。社会经济资源丰度和出口依存度的溢出效应为正向，这说明社会经济资源丰富的区域能够促进周边区域经济水平的提高，带动周边区域的出口贸易，有利于周边区域技术创新外循环效率的提升。外商直接投资的溢出效应为负向，主要是由于外商投资水平高的区域，技术创新环境较好，促使周边区域的创新资源向其外溢，不利于周边区域创新活动的开展。

六、研究结论与政策建议

本文将双循环因素纳入两阶段技术创新理论框架，从技术来源和产品市场两个维度将成果转化阶段细分为技术创新内循环和技术创新外循环两个子阶段，构建嵌套并联结构的网络DEA模型，对2012—2020年中国区域技术创新整体效率及子阶段效率进行测度，结合空间杜宾模型探究不同影响因素对技术创新内、外循环效率的作用效果及空间溢出效应。主要研究结论如下：

第一，双循环视角下中国区域技术创新整体效率偏低，技术研发效率高于成果转化两个子阶段的效率。创新资源虽然在科技研发上得到有效利用，但科技生产力转化效率较低。需重点关注技术创新过程中的低效环节，并进一步挖掘技术发展的阻碍因素，从而提升技术创新效率。

第二，中国区域技术创新内循环效率高于外循环效率。从空间维度上来看，技术创新内循环效率由东向西呈倒U型变化趋势，技术创新外循环效率由东向西逐渐降低。就时间维度而言，技术创新内循环效率呈现波动上升趋势，外循环效率则表现出W型的变化趋势，以2015—2017年“一带一路”等政策出台为转折点。

第三，技术创新外循环效率的空间相关性和差异性相对于内循环效率更为显著。东部和中部地区的省市主要集中在高—高和低—高集聚区，西部地区的省市分布在高—低、低—高和低—低集聚区，东北地区技术创新效率呈现随机分布特征。空间总体差异性主要是由西部地区的区域内非均衡性造成的。

第四，社会经济资源丰度、出口依存度对技术创新、外循环效率均呈正向影响。外商直接投资负向影响技术创新内循环效率，正向影响技术创新外循环效率。进口依存度对技术创新内、外循环效率均表现为负向影响。技术创新内循环效率在出口依存度上呈现正向溢出效应，在进口依存度上呈现负向溢出效应。技术创新外循环效率在社会经济资源丰度和出口依存度上呈现正向溢出效应，在外商直接投资上呈现负向溢出效应。

聚焦于双循环格局下区域技术创新效率测度及溢出效应的研究结论，本文针对性地提出以下建议：

第一，加大科技协同创新力度，推进产学研一体化。针对科研成果转化率低的问题，政府应加大科技协同创新平台和孵化器建设力度，实现科研、教育、生产等不同社会分工在功能与资源上的集成化，提高技术创新上、中、下游的衔接度与耦合度，强化资源开发与引进过程中的市场需求主导作用。

第二，外向整合全球资源，发展完备出口产业链。重新配置国内过剩生产能力，把其中较为先进的技术和产品投向有需求的发展中国家市场，以促进国内结构的调整。在科技生产领域，虽然中国新产品出口额很高，但绝大部分出口是依靠外企实现的，这意味着中国需要进一步发展完整的出口产业链，通过产业升级提高要素生产效率，形成新的增长点。

第三，推进产业转移进程，分类引导促进平衡发展。东部地区的劣势集中在内循环方面，而东北和中、西部地区的问题在于产业结构中传统产业比重较高且无地理优势。因此，一方面要鼓励东部地区尽快探索“出口转内销”的制度性安排，另一方面应积极推进东部沿海产业向东北和中、西部地区转移，弥补资本、技术和市场的不均衡，带动东北和中、西部地区高端服务业的发展。

第四，充分发挥创新溢出效应，推进国际贸易高质量发展。技术创新在资源丰裕度和出口依存度上的正向溢出可以有效促进区域创新活动开展。发挥地理邻近优势，分工协作，打造产业链、价值链和创新链，促进国际贸易高质量发展。