粤港澳大湾区科技创新能力空间结构演变与影响因素探究
王盟迪
(兰州财经大学国际经济与贸易学院，甘肃兰州 730020)
摘要： 选取粤港澳大湾区“9+2”城市历年科技创新能力相关数据构建成面板数据集。为进一步分析湾区区域间的科技创新能力差异，将湾区划分成西湾、中湾、东湾和港澳湾，基于空间差异、空间自相关以及空间计量的分析理论与方法，借助GeoDa、Arc GIS和Stata数据分析软件，深层次地探究粤港澳大湾区科技创新能力的空间结构演变及其影响因素。
关键词： 粤港澳大湾区；科技创新能力；空间差异；空间自相关；创新协同
1问题的提出
习近平总书记在十九大报告中提出：“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。”回顾经济社会的发展史，一个国家、一个民族科技发展水平不占优，就难以提升综合国力，难以长久的繁荣昌盛。综观全球科技创新，湾区已成为世界科技创新的风向标，湾区经济具有当今世界最具竞争力、最具创新力的发展模式[1]。目前世界各国面临21世纪新的科技革命和产业升级的重大机遇和挑战，全球整体科技创新格局正在逐渐重构。把我国粤港澳大湾区建设成全球区域的创新中心和成为孕育中国硅谷的摇篮也同时迎来了历史机遇[2]。党的十八大以来，党中央和国务院高度重视粤港澳大湾区的发展，如今已经上升为国家战略层面。从2015年在“一带一路”战略规划中第一次被正式提出之后，《国务院关于深化泛珠三角区域合作的指导意见》、“十三五”规划纲要和党的十九大报告中明确提出要加快建设粤港澳大湾区，有关各级政府签署了合作协议并颁布了很多具有建设性意义的指导性文件。粤港澳大湾区战略目标可以提高我国科技创新的全球竞争力，同时也面临着巨大挑战。由于粤港澳大湾区是“一个国家，两种制度和三种法律体系”共存的湾区，这种本质差异决定了湾区城市协同融合发展、创新要素便捷流动和形成有机整体的巨大难度[3]。当今国内学者更多地关注研究中国省域和省域间的科技创新能力[4-5]，而关于粤港澳大湾区科技创新协同发展鲜有学者进行研究，尤其是湾区科技创新能力在空间分布上发生极不平衡的现象，科技创新能力的空间差异逐步拉大，显然这种差异性增大不利于湾区整体科技创新能力的提升。从2016年湾区内城市专利申请授权量来看，深圳市和广州市的专利申请授权量最高分别达到75 043件、48 313件，肇庆市和澳门最低，分别只有1 945件和179件。肇庆只有深圳专利申请授权量的2.6%。东湾惠州市、东莞市和深圳市的专利申请授权总量为113 493件，西湾肇庆市、佛山市和江门市仅为37 431件，湾区东西区域差异也很悬殊。因此全面提升粤港澳大湾区科技创新能力是一项艰巨、复杂和系统的工程，俨然全面摸清粤港澳大湾区科技创新能力的时空差距、空间相关性以及影响因素，是快速有效地改善湾区科技创新能力差异、实现湾区城市科技创新联动发展和早日完成国家战略目标的关键所在。
湾区城市由于受先天禀赋、政策制度、经济基础和空间区位等条件影响，势必会造成湾区呈现空间差异性[6]。近年来区域科技创新能力的空间差异性研究，已经很有学者参与其中，多数国内外学者主要采用赫芬达尔系数[7]、泰尔指数[8-9]、极差系数和变异系数等测算指标。区域科技创新能力的影响因素多数学者基于时间序列和面板数据进行经典的回归分析[10-11]，忽略了区域是否存在空间依赖性和空间效应。分析具有较强空间相关性的研究对象时，如果使用普通的OLS进行估计，会导致模型存在异方差等问题，则得到的结论缺乏科学性[12]。所以本文将空间位置因素纳入回归模型，首先采用莫兰指数分析方法，量化分析粤港澳大湾区科技创新能力的空间自相关性。其次加载空间权重矩阵，构建空间计量模型，深度剖析造成粤港澳大湾区时空差异的影响因素。最后归纳总结研究结论，提出相应的启示和建议。
熟悉的旋律，张扬青春活力。抵达深圳，未经助跑，原地起跳。纵横谈讲话整理工作，不是实习，而是实战。虽然课堂中也曾以快速度记下老师讲课的内容，但仅仅是为了复习方便，对词句准确度没有过高要求。如今，要跟随讲话速度，还要注意词句准确性，晚上仅整理讲话内容就到深夜，但这也只是第一天。
2研究方法与指标选取
2.1 研究方法
2.1.1 粤港澳大湾区科技创新能力空间差异演变分析
由于泰尔指数具有可分解特性，更加适合对粤港澳大湾区区域内和区域间差异的深入分析，所以本文选取泰尔指数进行测度。泰尔指数是由Theil在1967年首次应用到经济领域，最早泰尔指数是作为衡量区域收入差距的指标，在发展和拓展的过程中，泰尔指数也经常被用于分析其他指标的差异性[8-9]。建立经过拓展的泰尔指数计算公式如下：
上式中，N (n 1,n 2)为区域个数，t ij 为i 区域j 城市的专利申请授权量，p ij 表示i 区域j 城市的人口数，T 、P 分别表示区域内的专利申请授权总量、总人口数量。
由于湾区全局差异形成包括区域间差异和区域内差异，到底是哪个影响大，需要进一步解析。那么把泰尔指数进行分解，分解成两部分，一部分为湾区四区域的内部差异，也就是湾区的区域内差异，另一部分为湾区四区域间的差异，即湾区区域间差异。根据以上理论对粤港澳大湾区科技创新能力的空间差异进行泰尔指数分解，泰尔指数分解构建如下：
其中：T w 、T c 、T e 、T h 分别为西湾、中湾、东湾和港澳湾科技创新能力的泰尔指数，西湾包括肇庆市、佛山市和江门市，中湾包括广州市、中山市和珠海市，东湾包括惠州市、东莞市和深圳市，港澳湾包括香港特别行政区和澳门特别行政区；T b 为湾区区域间差异；t w 、t c 、t e 、t h 分别为西湾、中湾、东湾和港澳湾区域科技创新能力；p w 、p c 、p e 、p h 分别为西湾、中湾、东湾和港澳湾人口数量；T 为粤港澳大湾区科技创新能力；P 为粤港澳大湾区总人口数量。
2.1.2 粤港澳大湾区科技创新能力空间自相关演变分析
4.1.1 模型的设定
其中，x i 表示城市i 的区域科技创新能力；n 表示粤港澳大湾区11个城市数量；W ij 为一阶地理邻接空间权重矩阵；S 0是空间权重矩阵所有元素之和；
取值[-1,1]，越接近于1时表示空间正相关越大，接近于-1时表示空间负相关越大。
青铜器的冶铸，有一系列严格复杂的工序，铸造前需要采矿、冶炼、制模、制范，然后进行浇铸，铸成后还要进行修整等等。最初青铜被用于制作生产工具，工艺进步后才逐步被用于制造日用容器[15]2。这是因为青铜生产工具或武器多用单范或双范来铸造，工艺简单易于操作。青铜容器则需用外范、内范在内的多合范进行铸造。大型器物的铸造，更需采用复合范、多范分部浇铸，最后接成整体，工艺相对复杂。
本研究还考虑外商直接投资对科技创新能力也具有重要的影响，国内外学者研究表明FDI对地区的科技创新有一定的溢出效应，FDI较高的地区大多数都是科技创新能力较高的地区[29-30]，也有部分学者分析出FDI对科技创新产生负效应，地区只能帮助国外公司建厂和生产，无法吸收其中的先进技术，有些国外公司把一些高消耗，高污染的工厂设立到我国地区，会产生严重的负效应[31-32]。利用外部资源还可以考虑对外开放程度，粤港澳大湾区的多数城市都是我国最早开放的一批城市，开发程度的增加也正是湾区科技创新能力发展的关键因素。在量化分析中，多数研究都是以贸易依存度来代替，用地区内进出口总额比上当期的GDP作为对外开放程度的代理变量。一些学者通过实证表明，对外开放程度也即国际贸易对科技创新能力的增强有着可观的贡献度[33-34]。故本文同时还选取了FDI和对外开放程度作为湾区科技创新能力的影响因素指标。
(9)
其中，I it 表示湾区第i 个观测值第t 年的Local Moran’s I指数，x it 代表区域内第i 个城市第t 年的观测值，
表示第t 年所有地区观测值的平均值，w ij 为空间权重矩阵；i 与j 是相邻的城市，z i 、z j 为i 城市与j 城市的考察变量的标准化形式，反映各地区观测值的加权平均值。
湾区局部空间结构会根据I值与Z值的大小将湾区分为四个类型区域，分别是第一象限高—高(H—H)聚集区、第三象限低—低(L—L)聚集区、第四象限高—低(H—L)聚集区、第二象限低—高(L—H)聚集区。其中第一、三象限内的城市的局部莫兰指数为正，表示象限内各城市科技创新能力强弱与周围城市存在正的空间依赖性；第二、四象限内的城市的局部莫兰指数为负，表示象限内各城市科技创新能力强弱与周围城市存在负的空间依赖性。
2.1.3 建立面板数据空间计量模型
空间计量模型发展迅速，在传统回归模型中纳入空间要素，其优势是能够把面板数据的空间差异性和空间自相关性生成影响因素，从而减少了异方差性并且提高了回归拟合优度。目前形成对区域时空差异研究最多使用的两个基本理论模型，分别是空间滞后模型(SAR)与空间误差模型(SEM)。
王国维在《论教育之宗旨》中说：“完全之人物不可不备真善美之德，欲达此理想，于是教育之事起，教育之事亦分三部，智育、德育、美育是也。”[5]341基于此，笔者认为当下哈萨克小说的创作，尤其是人文教育理念的凸显值得我们去思考并践行。
(1)空间滞后模型。空间滞后模型主要用于检验区域经济单元是否存在溢出效应或者扩散效应。其模型的表达式如下：
Y =ρW y +Xβ +ε
(10)
2.2.1 衡量指标
(2)空间误差模型。空间误差模型(SEM)通过随机扰动项来度量空间相关性关于被解释变量对区域观察值的影响程度。其模型的表达式如下：
Y =Xβ +ε
(11)
ε =λW ε +μ
(12)
其中，λ 是n ×1的因变量向量的空间误差系数；μ 为服从正态分布的随机误差向量。参数λ 衡量区域观察值中的空间依赖效应，就是相邻区域的被解释变量y 对本区域观察值的影响方向和力度。
2.2 指标选取
其中，Y 为因变量，代表各城市科技创新能力；X 是N ×K 的外生解释变量；ρ 为空间回归系数；W 为n ×n 阶空间权值矩阵，一般为邻接矩阵；W y 是W 的空间滞后被解释变量，代表地理距离对各城市之间的作用；参数β 反映了X 对Y 的影响，ε 为随机误差项。
关于衡量区域科技创新能力的指标，世界范围内的很多研究者使用专利数据来代表区域科技创新能力[13-15]，目前衡量国家或者地区的自主创新能力国际通用指标是万人发明专利拥有量，根据数据的可获得性和代表性，本文选取万人专利申请授权量所为因变量。万人专利申请授权量包括万人发明专利拥有量，所以能够代表一个地区的科学研究的产出质量和产业应用水平[9，16-17]。专利的发明到授权基本上贯穿整个科技创新的过程，专利授权量能够较为全面地反映出地区各部门的科技创新活动的质量和效率。同时部分学者通过实证分析发现，专利与创新具有高度相关性[18]，综上所述，本研究选取万人申请专利授权量作为粤港澳大湾区科技创新能力的衡量指标。
区域科技创新能力的影响因素有很多，从整个国内外研究来看，主要在创新环境、创新主体、创新投入、人力资源和教育水平等方面。其中，创新环境主要由经济基础构成，一般而言经济基础用国内生产总值来表示，经济发展的越好，创新投入的力度也会加大，创新活动也会增多[19-20]，对科技创新会有较大的促进作用。经济基础也会反映出地区处在不同的经济发展阶段对科技创新能力的影响大小[21]，多数学者通过实证分析出经济发展会对科技创新具有反哺的作用，故本文选取国民生产总值作为解释变量。创新投入主要是R&D经费和R&D人员，R&D人员同时也是创新主体，R&D经费投入和人员投入是科技创新能力提升的物质基础和人力基础[22]，长期以来许多研究中都表明R&D经费和R&D人员对科技创新能力具有非常显著的正向作用[23-24]。R&D经费和R&D人员，是科技创新能力提升的直接来源，能够给予科技创新活动最直接的支持和推动，两者的投入越多，科技创新能力也就会相应的越强[25]。因此本文把R&D经费和R&D人员投入作为湾区科技创新能力两个影响因素。人力资源主要包括就业人口，不少研究表明对现代社会而言一个国家或者地区的创新能力与年轻人口比例有很强的联系，就业的年轻人更适合创新创业[26]。而且在日常的工作当中，通过经验的积累，就业人员的创新能力也会逐渐得到提高，产生“干中学”的效用，即劳动力随着技艺和知识的日渐成熟，年长的劳动力也会对科技创新具有很大的积极影响[27]，所以可以看出就业人员有很大可能会对湾区科技创新能力产生促进作用，因此本文选取就业人数所为其中的一个解释变量。教育水平主要体现在高等院校在校大学生数量，科技创新活动主要集中在教育水平较高的地方，高校能为科技创新提供人才和研发知识[24，28]，高等院校的在校大学生也有可能会和湾区科技创新能力有着密切的正相关联系。于是需要选取高等院校在校大学生数量作为解释变量。
(2)局部莫兰指数。局部莫兰指数可以对具有空间自相关的区域进行空间结构检验，反映区域内部空间结构和空间集聚的特征，其具体模型公式为：
2.2.2 数据来源与处理
4.1.2 面板数据的单位根检验与协整检验
3粤港澳大湾区科技创新能力空间结构演变特征
3.1 粤港澳大湾区科技创新能力空间差异演变过程
根据上述分析以2005—2016年粤港澳大湾区“9+2”城市的万人专利申请授权量作为湾区科技创新能力的衡量指标。首先测算湾区整体的泰尔指数，可以从图1可以看出，粤港澳大湾区科技创新整体差异一直保持在比较高的水平，在0.3～0.35之间浮动，在2009年达到最高点0.343的水平，从2009年开始小幅下降，但到2013年又有上升的趋势，总体来看，粤港澳大湾区科技创新能力的差异性还是比较大，存在城市异质性和空间差异的现象。由于粤港澳大湾区科技创新能力的总体差异不仅包括区域间的差异还有区域内的差异，接下来根据不同的地理位置和不同的经济体制将11个城市分成4个区域，其中，根据地理位置将肇庆市、佛山市和江门市划为西湾，将广州市、中山市和珠海市划为中湾，将惠州市、东莞市和深圳市划为东湾；考虑经济体制的不同，将香港和澳门划为港澳湾。依照上述说明，基于对泰尔指数进行进一步分解分析。
图 1粤港澳大湾区科技创新能力空间差异演变趋势
从图1可以看出粤港澳大湾区内，区域间的差异出现快速的扩大趋势，从2007年差异开始较大幅度增加；区域内的差异呈现出逐步缩小的态势，从2009年缩小的速度开始较大幅度增加。从上述可以看出，泰尔指数在分解成区域间和区域内差异后，整体泰尔指数与区域间泰尔指数的变化路径高度相关，整体的泰尔指数在2009年达到峰值且一直居高不下主要是由区域间的差异持续上升所引致。
从表1可以看出粤港澳大湾区的Moran’s I的Z值均十分的显著，通过显著性检验，而且P值均小于5%，表明检验结果均通过了5%的显著性检验，强烈拒绝原假设。在样本考察期内，粤港澳大湾区科技创新能力Moran’s I指数全部为负，表明湾区内部城市之间存在显著的空间负相关，即湾区内的科技创新能力出现了城市异质性、空间“虹吸效应”和空间“俱乐部”的现象，湾区内科技创新能力较强的城市周边是科技创新能力较低城市。
依照4个区域的科技创新能力的泰尔指数来看，如图2所示，西湾的泰尔指数是最大的，说明西湾科技创新能力的差异最大，由于肇庆市、江门市的科技创新能力远落后于佛山市，佛山长久以来以制造业和高端制造业为经济支柱，“佛山制造”享誉全球，佛山具有科技创新的一定的先天优势，肇庆市和江门市属于湾区的后发地区，先进产业发展相对落后，传统粗放型的产业占比较大，同时产业转型升级难度大，需要长期的过程，致使西湾科技创新能力的差异较大。其次是东湾科技创新能力空间差异比较大，主要是由于深圳的科技创新能力遥遥领先于东莞市和惠州市，深圳已经属于工业化中后期社会，即第二产业内部结构已经从资本密集型产业为主导转化为技术密集型产业为主导，深圳也一直走在我国科技创新的最前沿，成为我国的科技创新的中心，所以东莞市、惠州市与深圳的科技创新能力差异也不言而喻。中湾的差异最小，广州市、中山市和珠海市的科技创新能力相当。港澳的泰尔指数波动比较大，最高达到0.551 6，是因为港澳湾只有两个城市，且澳门产业主要是博彩业，香港服务业占到GDP的90%以上，两个城市的经济结构相对单一专利申请授权量规模较小，导致每年波动较大。从2012年开始差异快速减少，2016年泰尔指数缩小到0.016 99，这说明粤港澳大湾区内部合作明显增加，澳门科技创新能力有了较大提升，但基数仍然较小，所以在整体实力上香港还是有很大优势。
构建有效的基层党建工作常态化，要从基层党建工作人员的自身素质和能力出发，建立一支高质量、高水平的专业化党建团队，提高基层党建存在的价值意义[1]。
图 2粤港澳大湾区区域内空间差异演变趋势
3.2 粤港澳大湾区科技创新能力空间结构相关性特征
接下来基于中国地图建立湾区的邻接权重矩阵，使用2005—2016年粤港澳大湾区域11个城市的万人专利申请授权量相关指标根据上述公式(8)测算莫兰指数，对粤港澳大湾区科技创新能力的空间相关程度和聚集状况进行分析。
其次，从动态层面来看，严格限制农用地转为建设用地，对建设用地实行总量控制和对耕地实行特殊保护乃是土地用途管制权概念的动态化表达。我国1998年《土地管理法》修订时，所确立的土地用途管制法律制度，就是针对在当时耕地资源大量锐减，土地利用失控的背景下，为有效保护耕地资源而实行的一项非常严格的土地管理制度。这一制度的确立借助于建设用地的总量控制和耕地资源的特殊保护两项配套制度来实现其有效运行的目标。
研究两个或多个变量之间联系的紧密程度可以采用相关分析方法，如果要根据一个或一组变量来估计或预测另一个变量的值，就需要建立变量间的回归方程，用回归分析的方法来完成.一般说来，如果用相关分析的方法发现两个变量之间相关性较高，那么可以考虑对其进行回归分析，这可以在一定程度上说明两者的依存关系.
表 1 2005— 2016年粤港澳大湾区科技创新能力的 全局空间自相关情况
如图3可知，2005—2016年粤港澳大湾区科技创新能力在空间相关程度上出现了逐步缩小的运行态势，莫兰指数从2006年的-0.513 172上升到2016的-0.428 605，即空间差异减小，但2010—2016年波动频繁成“W型”走势。2003年粤港澳大湾区推行了CEPA经过几年的行动与落实，内地与港澳不断融合创新要素流动更加便捷，湾区内部的创新协同得以发展，使得2007—2010年湾区空间差异有较大改善。在2010—2016年间国家更加重视粤港澳大湾区的建设，出台了很多相关配套政策，加强湾区内城市间的合作和交流，并完善湾区基础设施建设和公共服务，例如建成广深港客运专线内地段、港珠澳大桥等。有关提高公共服务有搭建前海深港青年梦工场等创新创业平台、科技信息服务平台和组建大量的科技投资服务机构等。建立优良的科技创新环境存在一定的滞后性，使得莫兰指数频繁波动但整体呈现稳步上升的态势。至2016年全局的莫兰指数仍为-0.428 605，说明湾区的空间负自相关性仍然较高，空间差异依然很大，城市间的“虹吸效应”亟待改善。从总体而言，湾区空间差异有所改善，整体向好发展。
先儒未尝不以穷理为入手，但先儒以性即理也，是公共的道理，而心是知觉，知得公共的道理，而后可以尽心，故必以知性先于尽心，顾其所穷，乃天地万物之理，反失却当下恻隐、羞恶、辞让、是非之心之理矣。人心为气所聚，其枢纽至微，勿忘勿助，此气常存，稍涉安排，则霍然而散，不能自主。故必须存，存得恰好处便是养，不是两件工夫。《易》言“成性存存”，可知是一也。天下之理，皆非心外之物，所谓存久自明而心尽矣。[1](1册，P148-149)
图 3粤港澳大湾区科技创新能力全局空间自相关变动趋势
上述为全局莫兰指数分析，从湾区全局的视角对湾区总体空间依赖性进行检验分析，然而只是说明了湾区内某个城市与邻接地区空间差异的平均程度，其假设是区域是同质的，不能呈现出湾区各个城市的空间聚集与极化特征，也就不能分析出湾区城市与邻接地区空间差异变化的具体情况，故存在一定的局限性。下面引入局部莫兰指数对各个城市单元的空间聚集与极化特征进行深入研究。
本文选取2005年，2008年，2012年和2016年四个时间段对粤港澳大湾区具体空间结构进行检验分析。首先根据这四年粤港澳大湾区“9+2”城市万人专利申请授权量的空间依赖性的测算结果，四年的moran’s I指数分别为-0.439 878、-0.510 124、-0.491 582、-0.428 605，P值分别为0.042、0.033、0.042、0.005，分别都通过了5%显著性检验，可以看出各城市具有强烈的空间负自相关性。其次根据局部莫兰指数的散点图图4，在5%的显著水平下得出2005年、2008年、2012年只有广州市和中山市位于第一、三象限，到2016年东莞进入了第一象限，表明广州市和中山市自身科技创新能力较强，而且具有一定的辐射作用，东莞在近几年的科技创新能力受到广州周边城市的带动得到了发展，其余城市都在二、四象限，并且形成了以肇庆市和江门市为中心的L—H集聚区。很大程度上表明了城市间的相互排斥性与负相关性，科技创新能力较强的城市对周边城市的牵引作用不大，甚至出现了空间负溢出效应，城市间的“虹吸效应”现象严重。通过散点图可以发现湾区内部呈现出科技创新能力空间二元结构，科技创新能力薄弱的城市数量远大于科技创新能较强的城市数量，这也与现实情况相符。深圳、广州的科技创新能力在我国城市中居于前列，并且与其他城市拉开了比较大的距离。与深圳和广州接壤的城市的科技创新能力相对差异仍然较大，由于科技创新吸收能力匮乏以及创新资源与人才等集聚于深圳和广州，其他城市自身难以得到发展。综上所述，粤港澳大湾区全区和局部科技创新能力的空间差异仍然较大。
图 4粤港澳大湾区科技创新能力四个时间 断点上的局部散点图
4粤港澳大湾区科技创新能力空间结构演变影响因素的实证分析
4.1 模型的设定与相关检验
(1)全局莫兰指数。粤港澳大湾区的概念虽然提出时间不久，但是广东省和港澳的密切合作已经由来已久，而且多数情况区域科技创新能力在空间地理上也存在着密不可分的关系，正因为如此很有必要采用空间计量的思想来进行分析。莫兰指数一般被用来对空间自相关性进行检验，其具体定义为：
参考余琳[25]、杨明海等[9]的相关研究成果，并在正确把握粤港澳大湾区科技创新能力实际情况及特点的基础上利用stata软件将2005—2016年粤港澳大湾区域11个城市的万人专利申请授权量选为因变量，GDP数额、就业人数占比、在校大学生数量、R&D投入额、R&D活动人员量、FDI数额和对外开放程度组成自变量，进行建模分析。模型设定如下：
为回应居民需求，推进标准化建设，重庆市婚管中心自2003以来开始探索特色婚姻家庭标准化服务实践模式，主要经历了三个阶段：前期探索与实践阶段（2003-2013）、专业服务引入与实践阶段（2013-2015）及完善标准构建体系阶段（2015至今）。
lnp_auth it =β 0+β 1lngdp it +β 2lnjob it +β 3lncol_ stu it +β 4lnrd it +β 5lnrdp it +β 6lnfdi it +β 7lnopen it +μ it
许沁现在不好找。许沁的抛光部门关着，法院的封条被锋利的冷风割破了，挣扎着，嗷叫着。玉敏给许沁打电话，许沁概不接。玉敏换了个手机，许沁接了。玉敏非常真诚地说，有要事相商。这次许沁没有拒绝。
(13)
其中，β 0为常数截距项；p_ auth it 为湾区第i 个城市第t 年的万人专利申请授权量；gdp it 为湾区第i 个城市第t 年的GDP总额；job it 为湾区第i 个城市第t 年的就业人数占比；col_ stu it 为湾区第i 个城市第t 年的万人在校大学生数量；rd it 为湾区第i 个城市第t 年的R&D投入额；rdp it 为湾区第i 个城市第t 年的R&Dit 万人活动人员量；fdi it 为湾区第i 个城市第t 年的FDI数额；open it 为湾区第i 个城市第t 年的开放程度，μ it 为湾区第i 个城市第t 年的随机误差项。
本文选取的粤港澳大湾区“9+2”城市历年科技创新能力的相关指标来源于《中国城市统计年鉴》《广东省科技统计年鉴》《广东省统计年鉴》《中国统计年鉴》《国家知识产权局年报》、世界银行数据库、各地市国民经济和社会发展统计公报、香港特别行政区政府统计处和澳门特别行政区政府统计暨普查局。共有5个缺省值，只占统计数据的1%进行了补充；珠三角9城市2015年和2016年的R&D人员依照历年工业企业R&D人员进行推算(工业企业R&D人员占全社会R&D人员95%以上)，珠三角2009年R&D经费支出由于数据缺失由2008年来代替。为了消除可能存在的异方差和量纲影响，对各个指标进行了取对数的标准化处理，再进行建模分析。
前段时间拍《九州缥缈录》，人就特别焦躁，脑子里一直想这场戏可以怎么演，前半小时想了一个方式，包括台词停顿点、语气或者小动作的设计，过了一个小时又觉得不行了，想着想着就成夜成夜地失眠。
对面板数据进行单位根检验如果是平稳的面板数据通常使用LLC或者IPS法进行单位根检验，回归软件显示为非常平稳的面板数据，故本文选取LLC法，结果如表2所示。
焊接两组试件，第一组试件模拟弦杆上水平板对接焊缝，40°V形坡口，根部5mm间隙，背面衬陶质衬垫焊接，采用HTW－58（φ1.2mm）焊丝CO2气体保护焊；第二组试件模拟钢板对接焊缝，60°Y形坡口，根部1mm间隙，采用埋弧焊，H65Q（φ4mm）焊丝+SJ105q焊剂焊接，焊剂使用前严格按照产品说明书规定烘干后使用。
表 2单位根检验结果
经过单位根的检验发现fdi，open指标数据不平稳，接受了原假设存在单位根，但是它们的一阶差分后的数据平稳，P值都在5%以下，强烈拒绝“存在单位根”的原假设，表明所选取的面板数据一阶差分序列属于平稳变量，排除伪回归的情况。由于面板数据存在一阶单 整变量，且各变量之间有可能具有长期稳定的均衡关系，所以我们下面需要进行协整检验，对于面板数据的协整检验目前最常使用的为kao、pedron和westerlund检验，本文使用pedron，westerlund检验分别进行了协整检验，P值均为5%以下，可以得出p_auth、gdp、job、col_stu、rd、rdp、fdi和open变量之间存在协整关系，存在一种长期均衡的状态。
4.1.3 空间计量模型选择检验
判断空间滞后模型还是空间误差模型哪个更显著，需要通过拉格朗日乘数检验，得出空间依赖性诊断结果，如表3所示。
表 3空间依赖性诊断检验结果
根据表3空间依赖性诊断检验结果可知LMLAG以及Robust-LMLAG都要比LMERR和Robust-LMERR更加显著，且LMLAG和Robust-LMLAG均达到了1%的显著水平，因此根据LM检验结果应该选择空间滞后模型来分析湾区科技创新能力影响因素更为合适。
4.2 空间回归模型估计
4.2.1 普通最小二乘法的回归分析
在对粤港澳大湾区“9+2”城市2009—2016年科技创新能力相关统计数据进行空间回归之前先使用最小二乘法一般性的回归检验，对模型方程(13)OLS估计结果如表4所示。
建筑方案设计工作的主要目的是在建设项目开工前，对项目所需的人力、物力、财力以及时间进行合理的规划，从而提升项目的建设质量和效率，缩减建设成本。随着建设工程项目越来越复杂，建设难度不断加大，以往以天正CAD为核心的多专业相结合的2D设计模式已无法满足建筑项目的要求。建筑信息模型(BIM)作为一种全新的前沿技术，其在建筑领域的应用越来越广泛。区别于传统2D的建筑设计模式，BIM技术能够实现建筑设计参数三维模型化，并对各参与方的有关信息进行有效地综合整合，构建出各专业协同设计的平台，使设计成果的价值与可行性得到巨大的提升。
表 4最小二乘法( OLS)估计结果
由表4回归结果看出，通过OLS估计的拟合度达到0.913 6，表明上述所构建的模型在整体是非常显著的，但GDP的影响系数为负，与一般理论不符，而且经过B-P检验得到P值为0.097，显著拒绝了零假设，说明所构建的OLS回归模型存在异方差问题，即OLS估计中的所得不是有效估计量，随机误差因子很有可能存在空间自相关，所以此时非常有必要将空间因素考虑其中，建立空间计量模型。
4.2.2 空间计量模型的回归分析
根据上述分析发现OLS估计存在缺陷，无法准确解释相关研究，此时加载空间权重矩阵之后，对式(13)进行空间回归分析，在空间回归之前进行了Hausman检验，经检验豪斯曼统计量为正值，即拒绝随机效应的原假设，则应该选取固定效应模型；从赤池信息准则AIC值可以看出模型具有很强的解释力，再看R2、LogL和Sigma2三个统计量，其中R2、LogL越高，Sigma2越低，表明拟合优度越高。综上检验，选取空间SLM模型的固定效应作为本文分析的空间回归模型最为契合。分析结果如表5所示。
表 5空间 SEM模型和空间 SAR模型回归结果
注：1)表格中小括号内的数字为对应的Z值；2)＊、＊＊和＊＊＊分别表示在10%、5%和1%置信水平上通过显著性检验
如表5所示，基于空间权重矩阵的空间影响系数为-0.227 39，且显著水平达到5%，说明粤港澳大湾区内部的科技创新能力具有很强的空间自相关性，邻接地区的空间影响效应非常显著，空间回归系数为负值，这也与上文莫兰指数的测算结果正好相符，呈现出湾区内一个城市或一个区域的科技创新能力变化与邻接地区之间存在着负向动态关系；经济基础对湾区科技创新能力的弹性为0.559 92，并在5%的显著水平上，这与传统的回归结果相反，这是由于传统回归没有考虑空间因素所致，从空间回归模型可以看出，一地区经济发展的越好越重视科技创新，经济发展对区域科技创新能力具有很好的带动作用；人力资源的影响系数为0.931 58，在5%水平上显著，这说明就业人口对科技创新的正向影响也不容小觑，粤港澳大湾区对外来高层次的劳动力有着很强的吸引力，湾区的产业结构相对较高，劳动力效率也随之增加，对湾区的科技创新仍有较大的促进作用；R&D经费与R&D人员投入对区域科技创新能力有很显著的正向影响，R&D经费与R&D人员投入的空间回归影响系数分别是0.522 55和0.313 77，这表明两者对科技创新有着直接有效的正向作用，成为科技创新能力提高的主要路径；高校大学生的对区域科技创新能力表现出为不显著的负向作用，说明高校在校大学生数量的提升不能促进区域科技创新能力的提高，可能是由于湾区高校大学生的科技创新能力没有被有效的培养和激发，理论与实践结合地不够，而且未来成为科研人才的数量不多，导致对湾区科技创新的促进作用不明显[9]；利用外资和对外开放度对区域科技创新能力的影响系数为负值，且都非常显著，说明FDI和对外贸易对湾区科技创新能力有着显著的阻滞作用，利用外资对区域科技创新能力的弹性为-0.165 6，即当FDI增加一万元，湾区科技创新能力会下降0.165 6%，说明FDI对湾区创新能力有着阻碍作用，也与一些学者研究结果相似[35],可能是因为湾区对国外科学技术的吸收能力还有待提高，对于自身科学创新有所替代，忽视了自主创新的能力。对外开放度影响系数也为显著的负值，找寻其原因，一方面可能是由于一些对外开放程度较高城市的外贸依存度普遍较高，像香港、珠海等城市，但香港和珠海的科技创新能力在湾区内并不出色，而且与湾区其他城市的外贸依存度存在很大的差异[36]。另一方面是由于进口的高科技产品越来越精密，模仿学习难度加大，而且基本上出口国的知识产权保护意识都很强，所以很难有技术溢出。出口企业会存在出口后的惰性，科技创新动力不足，生产率在逐渐退化，学者通过实证研究发现很多企业出现了出口的“生产率悖论”[37]。
5结论与启示
总体来看，粤港澳大湾区科技创新能力的区域间差距，是湾区整体差异性高居不下的主要根源，从各个区域来看，西湾科技创新能力差异最大，近几年仍具有上升的态势，东湾次之，但近期呈现出逐步缩小的趋势，中湾一直处于较低水平，且波动幅度较小。港澳湾的波动幅度比较大，整体是频繁波动下降的态势。湾区城市之间和区域之间表现出了相互排斥性，深圳市、广州市科技创新能力较强对邻接地区的科技创新资源更有吸引力和向心力，形成了强大的“虹吸效应”，致使对邻接地区科技创新能力有一定的负向溢出效应，科技创新扩散效应不明显。经济基础、人力资源、R&D经费投入和R&D人员投入对湾区科技创新能力有很显著的促进作用。高校大学生对区域科技创新能力作用不显著，甚至有阻滞作用，利用外资和对外开放程度对区域科技创新能力均有显著的负相关作用，这点值得我们继续关注和研究。
飞逝的光阴把我的童年拴在了老家池塘边的榕树上，那信手拈来的简单快乐，随着那撒丫子飞扬的尘埃，被滚滚的黄河水冲进了大海……
粤港澳大湾区虽然在最近几年创新联动有所发展，但仍有很大上升空间，与全球一流湾区还有很大差距。促进创新要素便捷流动、降低要素流动门槛、提高湾区创新主体合作共享和协作整合水平、建立良好合作机制和科技创新服务平台成为湾区科技创新能力发展过程中亟待发力的关键点。根据上述的分析与结论，本文提出政策建议与启示包括以下几个方面：一方面，粤港澳大湾区具有“一国两制”的本质特征，推动香港、澳门融入大陆发展中来，是粤港澳大湾区的使命所在。此时需要更大的改革勇气，加快体制机制创新，来促进创新要素优化配置，中央可以赋予粤港澳大湾区更大的改革自主权。另一方面，应该重视湾区城市间科技创新能力的空间“溢出效应”和“虹吸效应”，加强高科技创新能力地区与低科技创新能力地区的科技创新合作与互动，促进地区间共同发展，缩小科技创新能力的空间异质性，发挥好政府在各城市中的粘合剂作用，改善地区间的“虹吸效应”，进而发挥出空间“溢出效应”。高科技创新能力地区及时帮助低科技创新能力地区提高吸收能力，更高效地接受空间溢出。再次，加强培养在校大学生的科研能力，激发科技创新兴趣，并建立与科技创新企业人才合作与共享机制，使在校大学生拥有学以致用的科技创新平台。最后，我们要充分有效地利用外资和贸易往来，提高对外来技术和高价值产品的消化吸收能力。科技创新和创新驱动是粤港澳大湾区未来发展的主要方向，目前粤港澳大湾区正在煲一锅创新驱动的浓汤，让锅里包含的所有优质食材相互作用，充分融合，在足够的时长下成为一锅“色香味”俱全的佳汤。
参考文献：
[1]殷倩.创新应成为粤港澳大湾区发展引擎[N].深圳特区报,2018-08-14(9).
[2]马化腾.把粤港澳大湾区打造成孕育“中国硅谷”的摇篮[N].南方日报,2017-03-04(3).
[3]曾志敏.打造全球科技创新高地:粤港澳大湾区融合发展的战略思路与路线图[J].城市观察,2018(2):8-19.
[4]刘阳.中国区域科技创新能力空间分布特征与演化规律研究[C]//中国科学学与科技政策研究会.第七届中国科技政策与管理学术年会论文集.南京:中国科学学与科技政策研究会,2011:363-377.
[5]郭子枫.河南省区域创新体系评价与研究[D].北京:中央财经大学,2014.
[6]龙建辉.粤港澳大湾区协同创新的合作机制及其政策建议[J].广东经济,2018(2):62-65.
[7]李双杰,白玉莹.国家重点科技资源支撑区域创新经济产出的空间差异研究[J].科技进步与对策,2017,34(24):33-41.
[8]李哲,申玉铭,曾春水.中国省域科技创新模式及其时空演变[J].地理研究,2018,37(6):1223-1237.
[9]杨明海,张红霞,孙亚男,等.中国八大综合经济区科技创新能力的区域差距及其影响因素研究[J].数量经济技术经济研究,2018,35(4):3-19.
[10]李海波,李星洲,袭著燕,等.区域自主创新影响因素的实证研究:基于山东2001—2010年数据[J].科技与经济,2012,25(2):30-34.
[11]武柏宇,彭本红,刘军,等.中国制造业科技创新能力的影响因素[J].中国科技论坛,2016(8):23-30.
[12]赵金金.中国区域旅游经济增长的影响因素及其空间溢出效应研究:基于空间杜宾面板模型[J].软科学,2016,30(10):53-57.
[13]CHI W,QIAN X.The role of education in regional innovation activities：spatial evidence from China [J].Journal of the Asia Pacific Economy,2010,15(4):396-419.
[14]陈晶,陈宁.我国专利分布的空间特征与区域创新能力影响因素分析[J].中国科学技术大学学报,2012,42(3):252-258.
[15]漆艳茹,刘云,侯媛媛.基于专利影响因素分析的区域创新能力比较研究[J].中国管理科学,2013,21(2):594-599.
[16]ZOLTAN J A C S,LUC A,ATTILA V. Patents and innovation counts as measures of regional production of new knowledge[J]. Research Policy,2002,31(7):1069-1085.
[17]吴晓彤.城市创新能力的空间分布及其影响因素研究[D].杭州:浙江大学,2018.
[18]FELDMAN M P,FLORIDA R.The geographic sources of innovation：technological infrastructure and product innovation in the United States[J].Annals of the Association of American Geographer,1994,84(2):210-229.
[19]MOHAN R.Innovation and growth：role of the financial sector [J].Working Paper,2008(2):1-19.
[20]王鹏,高妍伶俐.中国区域创新能力差异的实证研究:兼评各地区创新能力的影响因素[J].南京工业大学学报(社会科学版),2017,16(1):121-128.
[21]郑紫颜,仇方道,王立韬,等.淮海城市群创新能力的时空格局及影响因素[J].江苏师范大学学报(自然科学版),2018,36(2):6-10.
[22]杨志才.广西创新能力评价及其影响路径研究[D].南宁:广西大学,2015.
[23]SUMA A.The spread of technology and the level of development：a comparative study of steel mills using the electric arc furnace technology in India and Britain[D].Brighton:University of Sussex,1994.
[24]王家庭,贾晨蕊.中国区域创新能力及影响因素的空间计量分析[J].中国科技论坛,2009(12):73-78.
[25]余琳.西北地区技术创新能力影响因素分析[D].乌鲁木齐:新疆大学,2015.
[26]梁建章,黄文政.人口是提升创新力的重要因素[J].中国经济周刊,2018(29):84-85.
[27]BLOOM D E,SOUSA P A.Aging and productivity:introduction[J].Labour Economics,2013,22(2):1-4.
[28]WOODWARD D,FIGEIREDO O,GUIMARAES P.Beyond the Silicon valley:university R&D and high-technology location[J].Journal of Urban Economics,2006，60(1):15-32.
[29]CHEUNG K,LIN P.Spillover effects of FDI on innovation in China:evidence from the provincial data[J].China Economic Review,2004，15(1):25-44.
[30]侯润秀,官建成.外商直接投资对我国区域创新能力的影响[J].中国软科学,2006(5):104-111.
[31]覃尧.FDI溢出负效应的区域比较分析[D].重庆:重庆大学,2010.
[32]肖利平,谢丹阳.国外技术引进与本土创新增长:互补还是替代:基于异质吸收能力的视角[J].中国工业经济,2016(9):75-92.
[33]刘莹莹.我国区域创新能力影响因素的实证研究[D].长沙:湖南大学,2008.
[34]胡园园,顾新.创新环境和开放程度对区域科技创新产出的调节效应研究[J].统计与决策,2015(2):64-67.
[35]ATHREYE S, KAPUR S. Introduction: the internationalization of Chinese and Indian firms—trends, motivations and strategy[J].Stanford University Press,2009,37(1):1-4.
[36]国世平.粤港澳大湾区规划和全球定位[M].广州:广东人民出版社,2018:120.
[37]李春顶.中国出口企业是否存在“生产率悖论”:基于中国制造业企业数据的检验[J].世界经济,2010,33(7):64-81.
Research on Spatial Structure Evolution and Influencing Factors of the Science and Technology Innovation Ability in Guangdong -Hong Kong -Macao Greater Bay Area
Wang Mengdi
(School of International Economics and Trade, Lanzhou University of Finance and Economics, Lanzhou 730020, China)
Abstract :This paper selects data related to the technological innovation capacity of “9+2” cities in the Guangdong-Hong Kong-Macao Greater Bay Area over the past years to construct a panel data set. In order to further analyze the differences in scientific and technological innovation capability among bay area regions, the bay area is divided into West bay, Central bay, east bay and Hong Kong and Macao bay. Based on the analysis theories and methods of spatial difference, spatial auto-correlation and spatial measurement, with the help of GeoDa, Arc GIS and Stata data analysis software, the spatial structure evolution and influencing factors of the scientific and technological innovation capacity in Guangdong-Hong Kong-Macao Greater Bay Area are studied in-depth.
Key words :Guangdong-Hong Kong-Macao Greater Bay Area; scientific and technological innovation ability; spatial difference; spatial autocorrelation; innovation synergy
中图分类号： F124. 3； F224. 0
文献标志码： A
文章编号： 1000-7695( 2019) 18-0001-10
doi： 10.3969/j.issn.1000-7695.2019.18.001
收稿日期： 2018-10-26，修回日期： 2019-01-18
基金项目： 国家社会科学基金项目“全球化视角下我国区域创新系统的演化机制研究”(15BGL208)
作者简介： 王盟迪(1990—)，男，河南汝州人，硕士研究生，主要研究方向为区域经济一体化、国际经济关系。
标签：粤港澳大湾区论文; 科技创新能力论文; 空间差异论文; 空间自相关论文; 创新协同论文; 兰州财经大学国际经济与贸易学院论文;