中国区域原始创新产出的空间集聚研究，本文主要内容关键词为：中国论文,原始论文,区域论文,空间论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
当今世界，科学技术正成为经济社会发展的决定性力量，科技自主创新能力正成为国家或地区竞争力的核心。专利产出尤其是以发明为标志的原始创新能力，是一个国家或地区实现自主创新和经济可持续发展的重要标志，这在主要发达国家和一些新兴工业化国家得到了证实。然而在国家实施自主创新战略的宏观大背景下，如何制定和采取切实可行的科技创新政策措施，来提高区域原始创新绩效及能力，是学术界和决策层所关注的核心和焦点。
大量研究表明，空间和地理邻近性是获取知识、提高区域创新能力的重要因素。区域原始创新不仅依赖于当地的创新网络和创新环境，还与其他相邻或性质相近地区的原始创新活动关联互动。经济地理学者认为，一个地区的原始创新产出必然受到当地创新投入、经济水平、科技水平、制度条件、社会文化等环境因素的综合影响。因此，原始创新产出应具有在特定地区聚集的空间分布特征，这就是所谓的空间依赖(spatial dependence)或空间相关性。在我国，区域原始创新产出的空间分布如何？原始创新聚集的空间相关性如何？认清这些问题对创新政策制定者制定区域原始创新政策具有重要的实践意义。
关于区域创新，国内外学者做过相关研究。Maskell & Malmberg(1999)认为，空间因素和地理邻近性强化了区域在创新活动中的作用，有利于知识尤其是隐性知识的增长和学习能力的提高[1]。Baptista & Swanm(1998)建立了企业创新地理集中和技术扩散速度的关系模型，对模型的经验表明，在企业技术吸收过程中，同一地区存在着显著的学习效应，其技术扩散的强度要比区外更强[2]。刘凤朝等(2005)发现我国发明专利结构的优化呈现区域不平衡[3]。李志刚等(2006)以省际专利数据作为衡量创新产出的指标，研究了我国创新产出的空间分布特征[4]。吴玉鸣(2006)运用空间计量经济学的空间常系数滞后模型、空间误差模型等对中国省域整体研发与创新进行了计量分析[5]。国外学者研究创新缺乏结合中国实际，国内学者多数从3种专利产出之和研究一般的区域创新，缺乏针对性，专门研究区域原始创新及空间相关性的很少。由于发明专利是对产品、方法或者其改进所提出的新的技术方案，可以形成具有自主知识产品，发明专利授权统计数据反映了一个时期人们从事科学技术发展和创新活动的数量和质量，能综合反映原始创新能力的大小。为此，本文收集1998-2007年的发明授权专利数据，利用空间计量分析方法，研究我国省际区域原始创新产出的空间分布及其不均衡性和空间聚集特征，以及造成这种现象的空间相关性。
1 省际区域原始创新产出的空间分布
1.1 原始创新产出的可视化描述及总的概况
下面分析1998年和2007年中国省际区域中以发明专利授权表示原始创新的空间分布概况。
图1 省际区域1998年发明的空间分布
图2 省际区域2007年发明的空间分布
图1和图2分别地提供了1998年和2007年以发明专利为基础的中国省际区域原始创新产出的空间分布的可视化描述。一个特别醒目的特征是：1998年大部份的原始创新活动发生在环渤海湾的辽宁、北京、山东以及内地的湖北、湖南、沿海的广东、西部的四川等区域；而2007年大部份的原始创新活动发生在中国的环渤海湾区域的辽宁、北京、天津、山东和沿海长三角区域的江苏、上海、浙江及珠三角区域的广东。图中的颜色反映了创新活动的活跃程度，而对两个图进行比较，不同区域的颜色深浅变化说明了考察期10年间原始创新活动强弱的变化。
表1提供了中国省际区域原始创新产出10年总的概况。由表1可以看出1998-2007年的10年间，原始创新产出的地理分布高度地集中在少数环渤海湾、东南部沿海省际区域。以北京为核心的环渤海湾地区、以广东为核心的珠三角地区和以上海为核心的长三角地区3个创新圈。原始创新产出的前10名的省份就已经占到了全国发明专利总数的69.20％。此外，创新产出前6名的省际区域创造的发明专利占发明专利总数的53.68％，而其他省份，特别是后10名的省份主要集中在中西部地区，原始创新产出只占到6.18％。这显示创新产出强烈集中在沿海等少数省际区域之中，创新活动呈现强弱的极化现象，中西部地区部分地区的原始创新有不同程度增强。
1.2 原始创新产出的空间集中度
对省际区域创新产出的集中度的测量可以证实原始创新产出集聚的初始判断。为了测量原始创新产出地理集中度，本文遵循Krugman的方法计算省际区域原始创新产出的地理集中的区位Gini系数。Gini系数被定义如下：
=
其中N是区域的总数量，X是变量的平均值。当所有的省际区域变量相等时，区位Gini系数最小，且G=0；当除去一个省际区域的变量以外其余区域变量均为0时，区位Gini系数最大，且G=1。Gini系数越接近于I，变量就越地理集中。本文计算了1998-2007年间的发明专利的区位Gini系数。图3提供1998-2007年的10年间原始创新活动的区位Gini系数。图3表明了每一年的原始创新活动有非常高的空间集中度。值得注意的是在考察期的10年内创新产出的空间集中度基本上呈现出逐渐增加趋势(从1998年的G=0.449到2007年的G=0.596)。这表明过去的10年中省际区域的原始创新产出没有空间收敛的态势。空间集中度的差异意味着报酬递增有空间限制，地理的局域知识溢出对原始创新活动更重要。
图3 1998-2007年发明专利的Gini系数
2 原始创新聚集的空间相关性：Moran I指数的计量结果
2.1 基于Moran I指数的原始创新产出全局空间相关性检验
前面的计量结果反映出我国原始创新产出在空间分布上都呈现出明显的地理聚集特征。为了检验我国原始创新产出的空间聚集是随机发生的，还是存在特定的分布规律，就要对发明专利数据进行空间相关性检验。下面使用空间统计学中最常用的指标，即Moran I指数来检验原始创新产出的空间相关性。
检验区域发明专利创新的空间相关性存在与否，空间统计学较常使用空间自相关指数Moran'I，定义如下：
Moran'I可看作各地区观测值的乘积和，其取值范围为-1≤Moran'I≤1。若各地区间创新行为为空间正相关，Moran'I的数值应当较大。负相关则较小。零空间自相关性出现在当属性值的分布与区位数据的分布相互独立时。
表2给出1998-2007年的10年间原始创新的空间相关性的结果。对省际区域发明专利的Moran I指数分析(每一年P＜0.001)，提供了1998-2007年各年间正的空间相关的证据。说明创新活动的地域分化现象并不是随机产生的，是由正向空间相关造成的，原始创新产出的空间聚集在全局上表现出强烈的空间依赖特征。各省的原始创新产出能力受到周边省份的影响，创新知识的传播和扩散在地理临近的省份发挥了作用。这一结果否定了创新产出空间随机分布的传统假设。因此，原始创新的空间分布在整个考察期内是自然集群的。具有相对高原始创新的省际区域倾向于接近其他具有高原始创新的省际区域，反之亦然。这意味着省际区域的原始创新是空间相关的，空间依赖的存在打破了大多数古典统计分析中所有地理单元相互独立的传统基本假设。
2.2 基于Moran散点图的局域空间相关模式分析
为进一步识别各省际区域属于原始创新产出的高水平区域还是低水平区域，就要进行局部空间相关性分析。Moran散点图法是局部空间相关性分析的主要方法之一。空间联系局域指标是衡量观测单元属性和其周边单元的相近(正相关)或差异(负相关)程度的指标。
Moran散点图以(x，Wx)为坐标点，对x和空间滞后因子Wx数据的线性联系进行了可视化的二维图示。因为是经过行标准化的，所以表示了对邻近省际区域观测值的加权平均。Moran散点图把整个空间联系分解为4个象限，分别对应于省际区域与其邻近区域之间的4种类型的局部空间联系模式：HH：高高的相关，与第一象限对应，代表了高观测值的区域单元被同是高观测值的区域单元所包围的空间相关模式；LH：低高的相关，与第二象限对应，代表了低观测值的区域单元被高观测值的区域单元所包围的空间相关模式；LL：低低的相关，与第三象限对应，代表了低观测值的区域单元被同是低观测值的区域单元所包围的空间相关模式；HL：高低的相关，与第四象限对应，代表了高观测值的区域单元被低观测值的区域单元所包围的空间相关模式。象限Ⅰ和象限Ⅲ表示正的空间相关，揭示区域的集聚和相似性；象限Ⅱ和象限Ⅳ则表示存在较强的空间负相关，区域具有异质性。因此，Moran散点图识别了区域单元所属局部空间的聚集类型。
图4和图5展示了1998年和2007年的Moran散点图。在1998年，所有省际区域的58.1％显示出正的空间相关性(即，41.9％位于第一象限中(HH：高的创新强度——高的空间滞后)和16.1％在Ⅲ象限中(LL：低的创新强度——低的空间滞后)，在2007年，所有省际区域的51.6％显示出正的空间相关性(即，35.5％在Ⅰ象限中(HH)和16.1％在Ⅲ象限中(LL)。
图4
1998年发明专利的Moran散点图
图5 2007年发明专利的Moran散点图
此外，Moran散点图能帮助识别空间的不稳定性和非典型区域，即区域有悖于正的空间相关性的普遍模式。在1998年，13个省际区域(41.9％)显示负的空间相关性；8个省际区域在象限Ⅱ中(LH：低的创新强度——高的空间滞后)，5个省际区域在象限Ⅳ(HL：高的创新强度——低的空间滞后)。在2007年，有15个非典型省际区域(48.4％)：9个省际区域在象限Ⅱ中(LH)；6个省际区域在象限Ⅳ中(HL)。表3给出了31个省际区域的空间相关模式。
从表3可看出，1998年和2007年，东部的北京、天津、河北、辽宁、上海、江苏、浙江、山东和中部的黑龙江、河南处在原始创新能力高—高的聚集区，它们本身原始创新产出水平高，而且邻近省区原始创新的加权平均也较高；东部的福建、海南，中部的安徽、江西和西部的宁夏处在低——高聚集区，它们自身原始创新产出能力不足，与周边的高产出区相比有一定差距，但却有受到原始创新能力强的省区辐射带动的潜力；东部的广东，中部的湖南，西部的四川、云南、陕西位于高——低分布区，它们发明专利数高，但周边环境原始创新能力并不高；西部的西藏、甘肃、青海、新疆处在原始创新产出低——低的聚集区，它们自身的原始创新能力较低，同时周边省份的原始创新能力也很低。总体看，如果将东部地区比喻为我国的原始创新产出高地，那么西部大部分地区处在原始创新“洼地”，形势不容乐观。东部地区，特别是东南沿海成为全国领先的区域，而广大西部地区除了陕西、四川、云南外，则在整体上处于落后位置，且东西部差距有越拉越大的趋势。中部地区因与东部地区邻近，受到空间相关性的正向影响，有望首先获得东部地区的辐射和带动。
3 结语
本文研究了1998-2007年之间省际区域创新产出的空间分布。空间计量统计分析表明，省际区域原始创新产出的集聚与相邻省际区域的原始创新产出的集聚是空间相关的。这个结果提供了对省际区域原始创新产出的空间维度的新认识。空间数据探索分析得到以下主要结论：(1)原始创新产出的空间分布高度集中在少数东部沿海省际区域。大部份的创新活动发生在环渤海湾、东南部沿海省际区域，尤其在长三角和珠三角等东南部沿海区域。(2)在考察期的10年中，原始创新在领先的省际区域之中有相对的变化。最明显的变化是新高技术中心的省际区域创新潜力的提高(如，天津、浙江等区域)。相比来看，在属于传统占优势的内地区域集群中的湖北、湖南和西部的四川等省际区域向下变动。(3)1998-2007年间的创新活动区位Gini系数表明每一年创新活动显示出非常高的空间集中度。除此之外，在考察期的10年内原始创新活动的空间集中度有波动式增加的趋势，这表明在考察期内省际区域的原始创新有极化的态势。(4)对省际区域的发明专利的Moran I统计分析，提供了1998-2007年间正的空间相关的证据。相对高的原始创新的省际区域倾向于接近其他的有高的原始创新的省际区域，反之亦然。这意味着省际区域的原始创新有空间相互关系。空间独立的假设在区域原始创新的研究过程中是无效的。(5)对于1998-2007年间的发明专利水平，传统占优势的高技术集群在北京、天津、上海和浙江等省际区域，表现出高原始创新的区域被与之相邻的高原始创新的区域所围绕的特点。另一方面，高技术集群，如广东、湖南、四川、云南、陕西等省际区域，表现出高原始创新区域被较低原始创新的邻近区域所包围的特点。而大部分西部区域则表现出低原始创新被低原始创新的邻近区域所包围的特点，整体上处于落后的位置。
本文结论的政策启示是创新政策制定者在制定区域原始创新政策时，不能仅仅考虑自身要素条件，还要充分分析和利用创新聚集、区位优势、知识溢出、空间依赖等地理条件，加强区域交流，扩大创新辐射范围和强度，实现区域双赢，并最终实现区域原始创新能力的可持续增长；特别是中西部地区，可以选派科技人员到创新领先区域学习或者把对本区域经济发展有重大影响的科技项目落户到科技领先区域，并建立研发基地，实现本区域原始创新产出的跨越式增长[6]。