空间计量视角下区域高质量创新影响因素研究

谷杉杉 侯婧

【摘   要】   为探索区域创新质量影响因素，促进区域创新高质量发展，选取2008-2017年中国省际创新活动面板数据，比较后选择空间杜宾模型（SDM）进行实证研究。研究发现，区域前期知识存量具有明显的空间溢出效应，并且这一溢出效应对提升区域创新质量呈现显著正向影响；进一步研究发现，具有博士学历的研发人员对区域创新质量的提高有显著的促进作用。考虑不同形式的空间权重矩阵可能产生的差异后，研究结果依然稳健。

【关键词】   高质量发展；创新驱动；区域经济；空间相关；影响因素

Research on the Influencing Factors of Regional High Quality Innovation

from the Perspective of Spatial Metrology

Gu Shanshan1， Hou Jing2

（1.CCTEG Coal Industry Planning Institute， Beijing 100120， China;

2.Langfang Normal University， Langfang 065000， China）

【Abstract】    In order to explore the influencing factors of regional innovation quality and promote high-quality development of regional innovation， this paper selected panel data of inter-provincial innovation activities in China from 2008 to 2017， and then selected Spatial Durbin Model （SDM） for empirical study. It is found that there is an obvious spatial spillover effect in the preliminary knowledge stock of the region， and this spillover effect has a significant positive effect on improving the quality of regional innovation. Further research shows that the research and development personnel with doctor's degree have a significant role in promoting the improvement of regional innovation quality. Despite the possible differences of different forms of spatial weight matrices， the results are still valid.

【Key words】     high-quality development; innovation driven; the regional economic; spatial correlation; influencing factors

〔中图分类号〕  F061.5       〔文献标识码〕  A              〔文章编号〕 1674 - 3229（2024）01- 0076 - 08

0     引言

黨的二十大报告指出，高质量发展是全面建设社会主义现代化国家的首要任务，并多次强调创新依旧是高质量发展的强大动能。1999-2018年20年间，我国研发经费投入占GDP比重从0.75%上升至2.14%；年专利申请授权量由100万余项增加至244万余项；在世界知识产权组织发布的2022年全球创新指数报告中，中国排名第11位，9项细分指标排名全球第一，知识产权高质量发展指标表现良好，在世界5大科技集群中中国独占两席。高质量创新不仅是我国经济增长的驱动力，更是提升国家竞争力的关键要素［1-2］。

区域创新是一种潜在的创新能力，是国家创新体系的重要组成部分［3］。对区域创新质量及其影响因素的测度和比较能客观反映我国各区域的创新高质量发展水平。国内学者关于区域创新质量的评价主要采用三种方法：以刘顺忠、官建成［4］为代表的DEA数据包络分析法；以张卫国、徐维军［5］为代表的模糊综合评价法；以周立、吴玉鸣［6］为代表的因子分析和聚类分析相结合的综合集成评估方法。这些方法在一定程度上为区域创新质量的衡量提供了参考，但是这些研究大多选取截面数据和时间序列数据，截面数据无法获取区域创新质量的动态变化，而时间序列数据只能考察特定区域的创新质量，忽略了相邻区域间的相互影响［7］。

考虑到创新质量影响因素的空间相关性，本文选取2008-2017年中国内地各省、自治区、直辖市的创新活动数据，构建比较不同类型的空间计量模型的拟合效果，确定最优模型，并根据最优模型的运行结果，确定区域创新质量影响因素，为制定区域发展战略，促进区域高质量发展提供参考。与以往研究相比，本文创新之处如下：第一，在分析创新质量空间相关性的基础上，详细对比了SAR、SDM、SAC和SEM四种空间计量模型的拟合效果，通过多种检验最终确定SDM为最优模型，为创新质量影响因素模型的选择提供参考；第二，将区域创新系统看作典型的投入产出系统，按照生产要素将创新质量影响因素分为劳动、资本和科技水平三类指标，并结合区域市场环境深入揭示创新质量影响因素的空间传导机制，对其空间影响的直接效应和空间溢出效应进行准确测度。

1     研究设计

1.1   数据来源与变量定义

2010年，国家知识产权局颁布了《中国国家专利事业发展战略（2010-2020）》，对我国专利创造能力和水平提出了明确要求，结合背景并参考学者研究［6-9］，将专利申请授权数作为创新质量的代理变量，由于专利从申请到授权有一定延迟，因此参考刘顺忠等［4］的研究，将被解释变量滞后一年。

区域创新系统是一个典型的投入产出系统，其创新质量受到劳动、资本和科技等多种因素影响［9］。首先，研发人员是区域创新活动的主体，作为创新质量的劳动投入，科研人员数量越多、工作时间越长，越能提升区域创新的动力和活力，也会提升区域创新质量，参考白俊红等［10］和温科等［11］的研究，分别采用研发人员占就业人员比例和全时当量占全国比例表示。其次，根据陈智等［8］和寇明婷等［12］的研究，分别采用研发费用占区域GDP比例和政府财政支出占GDP的比例作为企业和政府创新资本投入的代理变量。最后，内生增长理论认为创新能力的影响因素除了资金的投入，还包括区域前期知识存量［13］，前期知识存量高，意味着区域具有较高的科技实力和良好的创新环境，对创新质量的提高具有促进作用。

除此之外，根据田原［14］的研究，良好的市场机制能迅速对供求关系变化作出反应，当现有资源供应紧张时，经济主体会选择创新技术或者寻求替代品来缓解资源短缺，因此外部市场化水平对区域创新质量的提高有促进作用。

本文数据来源无特殊说明的均取自2008-2017年中国内地31个省、自治区、直辖市的《中国统计年鉴》《中国科技统计年鉴》。为避免出现异方差，将各变量取对数处理（由于所有数据中只有西藏2012、2013年市场化进程分别为0.00和-0.30（底数不大于0），因此取对数后替换为1*10-10，其余数据直接取对数）。表1为本文选取变量及所属维度。

1.2   空间计量模型的建立

传统的靜态面板回归模型仅包含因变量、自变量和误差项，如模型（1），其中[μit]是服从独立分布的扰动项，满足[μit～iid（0，σ2）]，（下同[εit]）。空间面板数据模型考虑到相邻区域间的相互影响，将空间权重矩阵[wi]纳入模型中，并根据因变量的空间交互作用和随机冲击所造成误差项的变化，分为空间面板自回归模型（SAR）、空间面板杜宾模型（SDM）、空间面板误差模型（SEM）、空间面板自相关模型（SAC）。

[lnQit=αi+γt+β1lnLpit+β2lnLtit+β3lnKcit+β4lnKgit+β5lnTit+β6lnMit+μit]

[]                                        （1）

空间自相关模型（SAR）假设因变量会通过空间交互作用对其他省市的创新质量产生影响，即区域创新质量存在区域间单向空间相关，因此，原回归模型加入因变量Q的空间影响，如模型（2）。

[lnQit=αi+γt+ρw′ilnQt+β1lnLpit+β2lnLtit+β3lnKcit+β4lnKgit+β5lnTit+β6lnMit+μit]

[]                                （2）

模型（2）中仅考虑到因变量创新质量的空间交互作用，如果加入自变量的空间相关项，即外省的创新质量和创新投入均对本省的创新质量产生影响，此时原SAR模型变为空间杜宾模型（SDM），如模型（3）。

[lnQit=αi+γt+ρw′ilnQt+β1lnLpit+β2lnLtit+β3lnKcit+β4lnKgit+β5lnTit+β6lnMit+θ1w′ilnLpt+]        [θ2w′ilnLtt+θ3w′ilnKct+θ4w′ilnKgit+]

[θ5w′ilnTt+θ6w′ilnMit+μit]                  （3）

空间误差模型（SEM）假定区域创新质量受到随机冲击的影响，其空间效应主要通过误差项传导，如模型（4）。

[lnQit=αi+γt+β1lnLpit+β2lnLtit+β3lnKcit+β4lnKgit+β5lnTit+β6lnMit+μit]

其中：[μit=λwiμt+εit]                         （4）

空间自相关模型（SAC）同时考虑空间滞后和误差项的冲击两种空间传导机制，即某省创新质量受到本省创新投入、外省创新投入、外省创新质量和随机冲击等多方面影响，基本公式如模型（5）。

[lnQit=αi+γt+ρw′ilnQt+β1lnLpit+β2lnLtit+β3lnKcit+β4lnKgit+  β5lnTit+β6lnMit+μit]

其中：[μit=λwiμt+εit]                      （5）

模型（1）-（5）中，[Qit]为各省份创新质量，[Lpit]为各省份劳动人员投入，[Ltit]为各省份劳动工时投入，[Kcit]为各省份企业创新资本投入，[Kgit]为各省份政府创新资本投入，[Tit]为各省份创新技术水平，[Mit]为各省份市场化进程，[w′i]为空间权重矩阵，[μit]和[εit]为服从独立分布的扰动项，并且满足[μit～iid0，σ2]、[εit～iid0，σ2]。

对于空间权重矩阵的确定，传统的空间权重矩阵[Wij]多采用邻接矩阵，即（0-1）矩阵，两省相邻对应数值为1，不相邻为0，或者采用距离矩阵，即以两地之间的地理距离的倒数作为非对角线上的元素值。但是省际间创新质量的相互影响不仅仅局限在地理层面， 还受到区域经济发展水平的影响，经济落后地区与经济发达地区的学习能力和对知识的吸收能力都存在差距，在技术与知识的传播方面也会受到限制；相反，由于两地经济发展水平相当，具备了一定的经济基础，可以有效地引进、吸收、应用外溢的先进方法和技术，提高区域创新质量［16］。因此，参考周国富等［17］的计算方法，以2008-2017年本省实际GDP占所有省份GDP的比重的均值来衡量本省经济水平的高低，以地理空间权重w与GDP占比为对角矩阵的乘积，作为经济权重矩阵（W），如公式（6）。

[W=w×diag（y1y，y2y，…，yny）]                               （6）

其中，w为地理空间权重，[yi=1t1-t0+1t0t1yit]，[y=1n（t1-t0+1）i=1nt0t1yit]。

1.3   直接效应、间接效应和总效应的测算

根据空间效应作用的范围和对象不同，LeSage和Pace［18］将空间计量模型中自变量对因变量的影响分为直接效应、间接效应（空间溢出效应）和总效应。直接效应指自变量对本省创新质量的平均影响，间接效应指自变量对其他省份创新质量的平均影响，而总效应指自变量对全部省份的平均影响。进一步采用偏微分方法，有效测度了随机冲击对各变量的影响程度，弥补之前点估计法在解释空间效应方面存在的缺陷，进而准确测量自变量对因变量产生的直接效应、间接效应和总效应。参考白俊红等［19］的研究，推导过程如下（以SDM模型为例）。

将模型（3）简化，如公式（7），提取公因子变形为公式（8）。

[Y=α0+ρWY+βX+θWX+μ]                            （7）

[（In-ρW）Y=τnα'+βX+θWX+μ]          （8）

令[AW= （In-ρW）-1，][BW=AW×（Inβm][-θmW）]，則公式（8）可转化为公式（9）。

[Y=m=1kBm（W）Xm+AWInα'+AWμ]              （9）

将式（9）转化为矩阵形式可得公式（10）。

[Y1Y2?Yn-1Yn=m=1kBmW11BmW21?BmWn-11  BmWn1BmW12       …BmW22       …      ?                ? BmWn-12 …BmWn2        … BmW1nBmW2n?BmWn-1nBmWnnX1mX2m?Xn-1mXnm+]

[AWInα'+AWμ]                                （10）

其中，m = 1，2，…，k，表示第m 个解释变量。AW矩阵为偏微分矩阵，其对角线上的元素表示省内自变量[Xit]的变化对本省因变量[Yit]的平均影响，即直接效应；非对角线上的元素指省内自变量[Xit]的变化对其他省因变量[Yit]的平均影响，即间接效应；总效应为直接效应与间接效应的和。直接效应记为[direct=?Yi?Xim=BmWii]、间接效应记为[indirect=]

[?Yi?Xjm=BWij]、总效应记为[total=BmWii+BWij]。

2     实证分析

2.1   描述性统计

对数据进行描述性统计，结果如表2所示。根据表2可知，创新质量最大值333000，最小值93，并且标准差为55100，由此可知各省市创新质量差距非常大，进一步证明了对提高创新质量研究的必要性。同时，全国各省份的研发人员占比、全时当量占比、前期知识存量与市场化进程均有较大差异，但各地科研经费的投入和政府财政支出差距相对较小，说明国家已经将高质量创新提升到战略层面，从整体上对高质量创新提供资本支持，但是对创新资金的协调使用使各省份的科研产出产生差异，因此，对创新质量影响因素以及各省份间创新质量影响关系的研究，能进一步为制定区域发展战略，促进区域高质量发展提供参考。

运用arcgis10.2软件对我国各省、自治区和直辖市创新质量整体分布情况进行描述，由图1可知我国创新质量整体分布表现为东部以及东南沿海地区较高，中部、东北部次之，西部地区较低。

2.2   空间相关性检验

对于空间相关性的检验，国内外学者普遍采用莫兰指数（Morans I）来衡量，莫兰指数分为全局指数（Global Morans I）和局部指数（Local Morans I），计算公式如（11）和（12），其中n为区域个数，[xi]和[xj]分别为i省和j省变量的观测值，[x]为所有省份变量的平均值，[δxi]和[δxj]为i省和j省观测变量的标准差，[Wij]为空间权重矩阵。

[IG=ni=1n（xi-x）2×i=1nj=1nWij（xi-x）（xj-x）i=1nj=1nWij]        （11）

[IL=xi-xδxi×i≠jWij×xj-xδxj]                （12）

本文采用经济权重矩阵对各省市创新质量进行全局空间性检验，结果如图2所示。根据图2可知，2008-2017年我国各省市创新质量具有明显空间自相关性，采用传统的OLS回归得到创新质量影响因素结果并不准确。

图2   2008-2017年全局莫兰指数趋势图

进一步对局部莫兰指数进行分析，图3为局部莫兰指数散点图，图4为Lisa集聚地图。从图3可知，我国大多省市分布在一、三象限（即Hight-Hight和Low-Low），说明各省创新质量存在显著影响，存在空间集聚，少数分布在二、四象限，说明我国省市间创新质量“一枝独秀”的现象较少，更多受到周围省份影响。图4显示，我国经济发展水平较高的地区如京津冀地区、长三角地区呈现明显高高聚集特征（由于本文区域仅细化至省级并且不包含香港和澳门数据，因此珠三角地区聚集特征在地图中并不能准确显示），而我国中部地区和部分西部地区呈现低低聚集的特点。

2.3   空间计量结果

（1）空间计量模型选择

选用空间计量SAR、SDM、SEM和SAC模型对2008-2017年各省创新质量影响因素分析，回归结果如表3所示。参照白俊红等［19］的研究，选取自然对数值（Log-L）、Wald检验和LR检验对模型的拟合程度进行检验，经Hausman检验后，确定采用个体、时间双固定效应模型。

根据表3的结果可知，SAR、SDM、SAC和SEM模型的空间项系数ρ或λ均显著为正，说明创新质量具有空间特性，本省的创新质量会受到其他省份创新质量的加权影响。从模型拟合程度上，SDM模型的r2最大，为了保证模型拟合度比较的稳健性，参考白俊红等［19］的研究，分别对SDM模型执行Wald检验和LR检验，相应的Wald和LR的空间滞后检验与空间误差检验结果P值均在1%的水平下显著，说明SDM模型并不能简化为SAR和SEM模型，在创新质量影响因素的研究中，外省的创新质量和创新投入均对本省的创新质量产生影响，SDM模型具有最优的拟合效果，因此，选择SDM模型进行下一步分析。

（2）空间效应分析

由于SDM模型的回归系数并不能直接反映自变量对因变量的影响程度［19］，因此需要计算出直接效应、间接效应和总效应进行具体阐述，见表4。

根据表4结果可知，企业创新资本投入、政府创新资本投入、前期知识存量和市场环境对创新质量的直接效应均显著为正，说明这些因素对创新质量的提升均有直接促进作用，其中前期知识存量对创新质量的间接效应显著为正，说明由前期知识存量引发的空间溢出效应对创新质量的提升具有促进作用，即本省前期知识存量的提升对其他地区创新质量的提升也具有显著促进作用，前期知识存量的空间溢出效应占总效应的比重为64.31%，说明前期知识存量的空间溢出效应对区域创新质量的提升具有重要贡献。由于上述结果中研发人员占比对创新质量的影响并不显著，考虑到研发人员学历与研发能力的关系，将研发人员中的博士占比指标加入到原SDM模型中，结果显示，研发人员中博士学历的比例对创新质量的提升具有显著促进作用，具体表现为直接效应为0.3062（p=0.001），间接效应为0.2141（p=0.311），总效应为0.5203（p=0.036）。

2.4   稳健性检验

考虑到空间权重矩阵的选取可能对研究结果产生的影响。将前文研究采用的空间经济权重矩阵分别替换为邻接权重矩阵、反距离权重矩阵和以GDP绝对量为衡量标准的经济权重矩阵，以此檢验结果的稳健性。结果表明改变空间权重矩阵后，空间计量模仍选择SDM模型，并且估计结果的方向和显著性水平没有发生根本改变，因此，本文的研究结论是可靠的。

3     结论与建议

本文选取2008-2017年中国内地省际创新活动面板数据，采用全局莫兰指数和局部莫兰指数对样本整体进行自相关检验，初步确定区域创新质量具有空间相关性，通过r2、Log-L、LR和Wald检验，比较SAR、SDM、SEM和SAC四个空间计量模型的拟合程度，确定SDM模型具有最优拟合程度，并采用SDM模型计算创新质量影响因素的直接效应、间接效应和总效应。结果显示，区域前期知识存量具有明显的空间溢出效应，并且这一溢出效应对提升区域创新质量呈现显著正向影响；企业创新资金投入、政府创新资金投入以及市场化进程对提高区域创新质量均有显著的直接影响，进一步研究发现，具有博士学历的研发人员对区域创新质量的提高有显著的促进作用。考虑不同形式的空间权重矩阵可能产生的差异后，研究结果依然稳健。基于研究结果，本文提出如下建议。

首先，創新质量的提升具有显著的空间相关性，区域创新质量的提高受到本地区创新活动和其他地区创新活动的共同影响，并且整体呈现集聚特征。因此，政府在制定地区创新发展规划时，不仅要考虑本地区发展现状，还应该关注周边地区发展策略，积极协调合作、互助互利，通过地区合作促进区域协调发展，最终推动我国整体创新质量水平的提升。

其次，区域前期知识存量具有显著正向的空间溢出效应，本地区知识存量对其他地区创新质量的提升具有明显促进作用，因此，各地区应破除地区壁垒，扩大资源共享。政府应在鼓励创新资金投入的同时，促进东部、东南沿海创新质量高的区域与西部地区的经济合作和创新成果共享，运用知识存量的正向溢出效应，扩大知识溢出的空间半径，快速提升西部地区创新质量。

最后，博士人才对地区创新质量的提升呈现显著的促进作用。为进一步促进地区创新质量的提升，政府一方面应促进欠发达地区的科教事业，培养高端人才，另一方面扩大人才引进政策，通过提高安家费、项目启动资金，完善户籍、子女入学等优惠政策，吸引外地人才流入，充分发挥优秀人才的促进作用，切实提高地区创新质量。

［参考文献］

［1］  任保平. 中国式现代化新征程中着力推动高质量发展研究［J］. 长安大学学报（社会科学版）， 2023， 25 （1）： 37.

［2］  何冬妮，易达.跨越“中等技术陷阱”：区域科创高地的角色与作用［J］.中国科学院院刊，2023，38（11）：1685-1697.

［3］  郭新茹，陈天宇.高质量发展背景下我国区域创新能力比较研究——基于省际面板数据的实证［J］.江西社会科学，2019，39（9）：60-69.

［4］ 刘顺忠， 官建成. 区域创新系统创新绩效的评价［J］. 中国管理科学， 2002（1）：75-78.

［5］  张卫国，徐维军.企业创新系统的模糊评价模型及实证研究［J］.数学的实践与认识，2006（1）：1-6.

［6］  周立， 吴玉鸣. 中国区域创新能力：因素分析与聚类研究——兼论区域创新能力综合评价的因素分析替代方法［J］. 中国软科学， 2006（8）：96-103.

［7］  徐银良，王慧艳.中国省域科技创新驱动产业升级绩效评价研究［J］.宏观经济研究，2018（8）：101-114+158.

［8］ 陈智， 吉亚辉. 中国高技术产业创新绩效的影响因素研究——基于中国省级面板数据的空间计量分析［J］. 江南大学学报（人文社会科学版）， 2019， 18（2）：109-116.

［9］ 曹贤忠，吕磊，曾刚.区域创新网络研究的重点领域及前沿方向［J］.地域研究与开发，2023，42（4）：1-6+43.

［10］ 白俊红， 蒋伏心. 协同创新、空间关联与区域创新绩效［J］. 经济研究， 2015（7）：176-189.

［11］ 温科，李常洪，徐晓肆.统一大市场建设与区域创新绩效的关系研究——基于空间资源错配的中介作用［J］.华东经济管理，2023，37（9）：44-56.

［12］ 寇明婷， 程敏， 崔文娟，等. 研发税收政策组合对R&D活动影响的空间计量分析［J］.科研管理， 2023， 44 （6）： 29-39.

［13］ 林柳璇，陈雅兰.中国原始创新人才生态环境评价及影响因素［J］.福建论坛（人文社会科学版），2023（8）：112-124.

［14］ 田原. 市场化进程与区域创新水平——基于省级数据的实证研究［J］.当代经济， 2018（5）：34-37

［15］ 樊纲，王小鲁，胡李鹏.中国分省份市场化指数报告（2018）［M］.北京：社会科学文献出版社，2018：216-217.

［16］ 李婧，何宜丽.基于空间相关视角的知识溢出对区域创新绩效的影响研究——以省际数据为样本［J］.研究与发展管理，2017，29（1）：42-54.

［17］ 周国富，连飞.中国地区GDP数据质量评估——基于空间面板数据模型的经验分析［J］.山西财经大学学报，2010，32（8）：17-23+48.

［18］ James P. LeSage， R. Kelley Pace. Spatial Econometric Modeling Of Origin-Destination Flows［J］. Journal of Regional Science， 2008， 48（5）：941-967.

［19］ 白俊红，王钺，蒋伏心，等.研发要素流动、空间知识溢出与经济增长［J］.经济研究，2017，52（7）：109-123.