西部地区科技创新能力空间差异、收敛性及空间效应研究＊

李滋婷，李建伟

（甘肃省科学技术情报研究所/甘肃省科技评价监测重点实验室，甘肃 兰州 730000）

从《中国区域科技创新评价报告2021》综合科技创新水平指数排名结果看，西部地区中的10省（区、市）综合科技创新水平呈现2个特点：一是科技创新综合能力整体偏低。10个省（区、市）综合科技创新水平指数排名主要分布在全国第二、三梯队，其中约50%的省（区、市）处于第三梯队。二是区域间差异偏大。重庆、陕西和四川的综合科技创新水平指数分别为70.48%、67.86%和66.43%，远高于同处第二梯队的宁夏、甘肃和处于第三梯队的贵州、青海、新疆和西藏。造成这种区域科技创新能力偏低、区域空间差异来源是什么？可能与科技投入的规模效应有关，也可能与地区之间某些要素的差异有关，例如，陕西和江西经济总量相近，但专利申请量仅仅是江西的1/2。为探索2006—2020年西部地区科技创新能力空间差异来源、分布特征等问题，文章运用Dagum基尼系数、σ收敛、莫兰指数、空间面板杜宾模型等方法，开展实证研究。

1 理论基础研究

相关经济发展与科技进步理论在创新是经济增长的源泉这一问题上达成一致，但创新是经济增长的内生还是外生变量、科技创新能力在区域间是趋同还是趋异等问题上各有见地。以Solow[1]为代表的新古典增长理论认为技术进步是经济增长的外生变量，纯公共物品属性使得其具有非排他性和非竞争性，新技术出现后可以无成本地迅速扩散，促使区域间技术水平趋同。以Romer[2]为代表的内生增长理论则认为技术进步是经济增长的内生变量，新技术来源于R&D活动和知识有效利用。如果当前的R&D活动是“站在巨人的肩膀上”（规模报酬递增阶段），则会提升科技创新增长率；但如果当前R&D活动是“涸泽而渔”（规模报酬递减阶段），增加投入的增加将降低科技创新增长率，导致区域间科技创新能力趋异。Furman等[3]集成内生增长理论、产业集群竞争优势理论、国家创新体系理论，构建了国家创新能力分析框架。

以上相关理论均在封闭环境下研究问题，忽视了开放环境对区域科技创新能力的影响。基于此，2007年，Liu和Buck[4]基于经济全球化背景下，提出在Furman等学者研究成果中引入国际技术溢出效应，可能对分析科技创新能力的源泉更为有利。

综上，文章借鉴Furman等学者的国家创新能力分析框架，加入技术溢出效应因素，构建符合西部区域科技创新发展实际的逻辑框架开展研究，如图1所示。

图1 逻辑框架

2 区域科技创新能力空间差异研究

2.1 Dagum基尼系数

为更好挖掘区域科技创新能力差异的结构性来源，将区域划分为“西南地区”（即重庆、四川、云南、贵州、西藏）和“西北地区”（即陕西、甘肃、青海、新疆、宁夏），作为西部地区科技创新能力研究的细分载体，选取Dagum基尼系数对西部地区科技创新能力差异进行分析。

（1）Dagum基尼系数

式中：G指总体差异的基尼系数，通过将一个国家（地区）划分为n个省份和k个区域；nj（nh）是j（h）区域内的省份个数；rji（rhr）表示j（h）区域内任一省（区、市）的科技创新发展程度；Rˉ表示各省（区、市）科技创新能力平均值（j（h）=1，2，3，…k；nj，nh=1，2，3，…nj（nh））。Dagum基尼系数越大，说明地区科技创新发展越不平衡[5]。

（2）Dagum基尼系数分解函数

式中：djh表示子群j和h中所有rji－rhr＞0的数学期望；Ejh表示子群j和h中所有rji－rhr＜0的数学期望；Djh表示子群j和h之间科技创新发展的相互影响；Fh（Fj）为子群科技创新能力的累积密度函数。

综上，将代表总体差异的基尼系数分解为：子群内部科技创新能力差异（Gw）、子群之间科技创新能力差异（Gb）、科技创新超变密度（Gs），三者之间的关系为：G=Gw+Gb+Gs。其中，Gw中反映j子群科技创新能力的基尼系数为Gjj、Gb中反映j与h子群区域间的基尼系数为Gjh，表达式分别为式（3）、式（5）。

2.2 区域科技创新能力空间差异来源

2006—2020年，西部地区整体的科技创新能力基尼系数呈波动式增长，空间分布非均衡性呈扩张趋势。西南、西北两区域基尼系数均呈波动式扩张趋势，西南地区科技创新能力差异小于西北地区。空间差异结果如图2所示。

图2 西部地区科技创新能力空间差异

对区域内、区域间和超变密度的贡献率进行测算，进一步探究西部地区两大区域科技创新能力的差异来源，结果见表1。样本期内区域内、区域间和超变密度的年平均贡献率分别为46.06%、3.45%和50.50%，差异来源依次是区域内差异、区域间差异和超变密度，区域内差异是科技创新能力区域差异的主要来源，暗含着西部两大区域科技创新能力可能不存在较为显著且普遍的收敛现象。

表1 西部地区两大区域科技创新发展空间差异的来源分解

3 区域科技创新能力空间差异的收敛机制研究

σ收敛用于说明不同划分区域科技创新能力偏离均值的幅度随时间的变化情况。选取每万人专利申请受理量，测算区域科技创新能力的σ收敛。计算公式为：

式中：j表示区域细分载体（j=1，2），i表示区域细分载体内的各省（区、市）（i=1，2，3，…），nj表示各区域细分载体内省（区、市）数量，resjt表示区域细分载体j在t时期内科技创新能力为平均数。如果σt+1＜σt，为收敛；反之则为发散。

样本期内西部地区σ收敛系数稳中有升，呈现σ发散，即科技创新能力的区域差异在扩大，是导致区域科技创新能力产生差异的主因。其中，西南地区σ收敛与西部整体变化态势类似，呈发散态势，但其变化速率逐渐平缓，与近年来成渝科技创新中心的建设和贵州大数据产业发展带来的技术空间溢出效应息息相关。相较而言，西北地区的σ收敛系数则变化剧烈，发散机制较为显著，结果如图3所示。

图3 西部地区科技创新能力的σ收敛系数

4 空间效应检验

4.1 空间相关性检验

（1）莫兰指数

空间自相关主要用于衡量地理单元之间的集聚特征，文章采用全局莫兰指数检验区域科技创新能力的全局空间相关性，局部莫兰指数检验地理单元之间自相关程度[9]。全局莫兰指数计算公式为：

局部莫兰指数计算公式为：

式中：xi和xj为i、j区域的科技创新能力为地区观测值的平均值，n为空间要素样本总数，Wij为一阶地理邻接空间权重矩阵，q0为空间权重的聚合

Moran's I取值范围为[-1，1]，当其等于0时表示科技创新能力无空间自相关性；大于0时表示具有空间正自相关性；小于0时表示具有空间负自相关性。局部Moran's I散点图划分为4个象限，分别代表高－高（HH）集聚、低－高（LH）集聚、高－低（HL）集聚、低－低（LL）集聚的空间集聚特征。

（2）全局空间自相关检验

考虑地理因素权重矩阵，计算2006—2020年西部10省（区、市）科技创新能力全局莫兰指数，见表2。

表2 西部地区科技创新能力全局空间自相关

表2结果显示，2009年以来，Moran's I值通过了10%的显著性检验，且大于0，在[0.151，0.442]区间波动，表明自2009年开始西部地区科技创新能力具有正向的空间依赖性和溢出效应；而且科技创新能力高的区域倾向于向其他同样具有较高创新能力的区域集中，科技创新能力较弱的区域倾向于向同样具有较低创新能力的区域集中，存在空间俱乐部趋同。同时也说明采用空间计量方法对科技创新能力的空间效应进行检验具有一定的合理性。

（3）局部空间自相关检验

为进一步考察科技创新能力在空间上的集聚程度，绘制2006年和2020年的局部Moran's I散点图，见图4。两年里西部省域主要集聚在第一、三象限，说明科技创新能力在西部省域之间存在“高-高聚集、低－低聚集”的空间关联性。相较于2006年，2020年位于第二、四象限的观测点数量在减少，表明随着时间推移科技创新能力的空间自相关性在逐渐增强。

图4 2006（左）和2020年（右）莫兰散点图

2020年，宁夏、重庆、陕西处于第一象限，是区域内科技创新能力发展高－高聚集区，各省之间具有较强的局部相关性；贵州和甘肃处于第二象限，这些省与其周边省科技创新能力差异偏大，区域异质性明显；云南、青海、新疆和西藏处于第三象限，是区域内科技创新能力发展的低－低聚集区，该象限省科技创新能力发展滞缓，与其邻近省创新互动偏弱；四川处于第四象限，说明四川科技创新能力较强，但其周边省的科技创新能力较弱，与周边省局部相关性不高，存在极化效应。

4.2 构建空间计量模型

（1）模型设定

Ansenlin认为空间经济单元并非孤立，而是通过各种联系在地理上与邻近经济单元在空间上相互影响。Moran's I指数检验结果显示，西部地区科技创新能力存在空间依赖性。综合考虑传统回归模型会忽略区域间存在的空间依赖性和溢出效应、基于OLS模型的拉格朗日（LM）和稳健性拉格朗日检验（Robuse LM）结果、Hausman检验结果，文章构建固定效应空间杜宾模型（SDM）[10]。

式中：i代表省份，t代表年份；yit是因变量，Xit是自变量，Wijyit是因变量的空间滞后项，用于衡量邻近区域因变量对该区域因变量的影响；WX是自变量空间滞后项，用于衡量邻近区域自变量对该区域因变量的空间影响；β是自变量系数，ρ是空间自回归系数，θ是自变量空间滞后项系数；λt为个体时间效应，μi为个体固定效应，ε为随机扰动项。

对于空间权重矩阵W，采用空间权重进行赋值[11]：

（2）变量选取与数据来源

基于前文理论分析框架，构建指标体系进行实证研究，各变量说明见表3。研究样本为2006—2020年西部10省（区、市）的面板数据，数据主要来源于各省（区、市）统计年鉴、统计公报、《中国统计年鉴》《中国科技统计年鉴》，地图数据来源于国家基础地理信息中心。对数据进行对数化处理后以消除可能存在的异方差。

表3 变量说明

5 实证分析

5.1 基本回归结果

采用Stata 17 软件建立静态空间杜宾模型，结果见表4。

表4 空间杜宾模型回归结果

核心变量：（1）科技创新能力的空间滞后项系数rho在1%的水平下显著为负，说明西北地区各省份之间存在激烈的科技创新竞争，彼此间相关制约。（2）R&D人员投入系数为0.14，且在5%的显著性水平下通过了检验，说明科技人员增加会显著提升本省市科技创新能力。（3）R&D经费投入系数为-0.495，且在1%的显著性水平下通过了检验，说明R&D经费投入的增加没有显著地促进本地区科技创新能力的提升，存在人浮于事的现象。

控制变量：（1）经济基础的系数为正，但并不显著，说明区域经济增长对本省科技创新能力具有正向支撑作用，但促进效果不明显，经济与科技可能存在“两张皮”现象[13]，没有很好发挥政府资金的引导作用。（2）工业化程度的系数为-0.429，且10%的显著性水平下通过了检验，说明工业发展并没有促进本地科技创新能力的提升，相反产生了抑制作用。专利创造和申请主要来自工业相关的技术密集型产业，但西部地区大多数省份属于老工业基地或生态保护区，资源密集型产业、农业对GDP的贡献率偏高，陈旧落后的产业链对创新产出的需求并不是很旺盛，产业发展并没有有效推动知识溢出和提升创新能力。（3）人力资本系数为0.754，且通过了1%的显著性检验，说明区域创新与本地基础教育之间具有较强的相关性，近年来，西部地区加大人才的引育，出台人才激励政策和为科研人员减负，有效激发了人才的创新创造活力。（4）信息化程度系数为0.717，且通过了1%的显著性检验，说明信息化通过促进知识积累、增进交流合作和优化资源配置，促进区域科技创新能力的提升[14]。（5）对外开放程度系数为0.006，未通过显著性检验，说明技术进口和外商投资对科技创新的作用并不显著，可能源于西部地区引进的技术和进口的产品技术含量不高，模仿学习难度较小，亦或这类设计或产品的“拿来主义”相较于自主研发更为有益，符合技术溢出是把“双刃剑”的论点。（6）城镇化率。城镇化率的直接效应为正且通过了1%的显著性检验，可能与乡村振兴、新型城镇化建设等一系列战略部署的实施，在推进了城镇化进程的同时通过中介效应促进了科技创新能力的提升[15]。

考虑空间溢出：W*lnrdp的系数为0.048未通过显著性检验，说明本省份的科研人力资本对相邻省份的科技创新能力的正向促进作用不具有显著性。W*lnrd的系数为-1.354，且通过了1%的显著性检验，说明本省R&D经费投入强度越高，会抑制相邻省份科技创新能力的提升，主要源于西部地区不同省份间存在资金虹吸效应，激烈的资本竞争态势和良好的营商环境，促使大量具有竞争优势的企业在空间上集聚。

5.2 直接效应和间接效应

SDM模型是非线性的，回归系数不足以解释自变量对科技创新能力的影响，为更好地描述和解释变量对被解释变量的影响，采用偏导矩方法将模型划分为直接效应、间接效应和总效应[16]。

式中：直接效应表示解释变量对本省科技创新能力的影响，是矩阵对角线上元素的平均值；间接效应或空间溢出效应表示解释变量对相邻省份科技创新能力的影响，是矩阵非对角线上元素的平均值；二者之和为总效应。空间效应的长期分解见表5。

表5 直接效应、间接效应和总效应

结果显示：（1）R&D人员投入。直接效应系数为0.144，且通过了5%的显著性检验，说明增加人力资本可以显著提升本省科技创新能力，主要因为科技创新的产出依靠人来完成，高质量和充沛的科技人员可在一定程度上缩短研发周期，加速关键核心技术的攻关，抢占市场先机，从而有效提升科技创新能力。间接效应下系数为-0.015但不显著，说明科研人力资本对相邻省市的科技创新具有负向空间溢出效应，本省科技人才的聚集会抑制相邻省份的科技创新能力提升，但效果不显著，还需持续加大培育和引进人力资本的力度。（2）R&D经费投入。直接效应系数为-0.355，且在5%的显著性水平通过了检验，说明增加R&D经费投入没有显著提升本省科技创新能力，还未完全形成以政府为主导、企业和银行为主体的科技投入体系。间接效应系数为-0.849，在1%的显著性水平下通过了检验，说明科技投入对相邻省份的科技创新具有显著的负向空间溢出效应，没有促进本省市的科技创新能力提升，同时也没有带动相邻省份的科技创新能力提升。企业是研发投入主体，但研发经费和企业在空间分布上具有非随机性，且资本具有逐利性，使得创新资源禀赋相似的省份在空间上趋于聚集分布，区域协同发展效能偏低。

5.3 稳健性检验

由于空间计量模型可能会存在内生性问题，所以文章引入被解释变量的空间滞后项，构建动态SDM模型对模型的稳健性进行检验，结果见表6。结果显示，被解释变量的空间滞后项在1%的置信水平下通过了检验且为正；相较于静态SDM模型，科研人力资本和R&D经费投入对区域科技创新能力的空间溢出效应在显著性与作用方向上并没有发生大的变化，说明本研究具有一定的稳健性。

表6 稳健性检验

6 结论及启示

研究结论：（1）基尼系数显示西部地区科技创新能力差异在空间分布上存在扩张趋势，差异主要来源于区域内和超变密度；σ收敛表明地区科技创新能力的变化趋势呈发散态势，西北地区发散性强于西南地区，是导致区域科技创新能力产生差异的主因。（2）西部地区科技创新能力在空间上存在自相关，呈现“高－高”“低－低”集聚。（3）增加R&D人员投入有助于提高本省科技创新能力，但没有显著促进相邻省份科技创新能力的提升。增加R&D经费投入未显著促进本省科技创新能力的提升，但显著促进相邻省份科技创新能力提升，即存在空间溢出效应和涓滴效应。（4）人力资本对省内外科技创新能力提升的促进作用最为显著，工业化程度负向抑制作用较为显著，但经济基础、信息化程度、对外开放程度、城镇化率对省内外科技创新能力的作用还需持续研究考证。

通过实证研究可得如下启示：一是建立健全科技创新资源跨区域流动机制，强化区域之间科技创新合作与互动，推动贵州“借梯登高”向北积极融入成渝经济圈，发挥陕西、成渝等区域“创新级”或“创新生态圈”的辐射带动作用，通过空间溢出和涓滴效应促进西北、西南区域协同发展，缩小科技创新能力空间差异。二是进一步完善财政资金为引导、企业投入为主、多元社会资本投入补充的投入机制，加大研发经费投入总量和强度，提高资金利用效率。三是强化产业集群发展，打造专业化产业园区，推动产业基础高级化、产业链现代化。四是积极融入国际市场，协同推进全国统一大市场建设，加强学术交流和技术联合攻关合作，获得技术溢出红利。