我国区域创新能力分布和影响因素的空间分析，本文主要内容关键词为：创新能力论文,因素论文,区域论文,我国论文,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。
中图分类号：F061.5 文献标识码：A 文章编号：1002－980X（2011）03－0001－06
创新能力作为一个国家或地区经济社会发展的基本决定因素，推动了科技进步，拉动了当地经济的持续增长。我国地缘差异巨大，各地的文化和历史等也不相同，这些造成我国区域经济发展具有较大的不平衡性[1]。因此，发展区域经济除了对社会经济起带动作用外，还能缩小区域间的经济差距，对和谐社会的发展意义重大，是促进区域经济“内生增长”的有效途径。创新能力的发展历来受到我国各级政府的重视。国家自然科学基金可以归属于国家层面的科技战略资源，服务于国家创新体系建设的总目标[2-3]。自然科学基金对区域创新体系建设具有重要的导向作用，可为地方政府加强对基础研究的支持提供依据。
基于上述分析，本文对1998—2007年我国31个省、直辖市和自治区自然科学基金申请数的空间分布特征进行研究，探讨影响自然科学基金项目申请数的因素，从这一视角考察区域创新能力的分布特征及其影响因素。在研究中，为克服传统的面板数据模型忽略了数据的空间差异性和空间自相关性的缺点，本文使用空间面板数据模型进行实证研究，对我国东、中、西部地区自然科学基金申请数进行对比研究，探讨各地区差异的影响因素[4]。
1 文献回顾
有关区域创新的研究，国内外学者已做出了大量贡献。国外学者中：Freeman较早地提出了国家创新系统的概念，认为新技术的开发、引进、改进和扩散受公共部门和私营部门中由各种机构组成的网络的活动的影响[5]；Cooke从治理结构的角度出发，把区域创新系统分为基层型创新系统、网络型创新系统和统制型创新系统[6]；Love等指出了新经济地理学和区域创新体系的文化发展，强调网络的角色、企业运行环境的特性，通过调查研究指出产品开发过程和区域创新体系的特点[7]；Zoltan等研究了教育和科研投入对创新的作用，建立了知识生产函数模型，并使用美国的数据进行了空间实证分析[8]。
国内学者方面：吴玉鸣利用空间计量方法研究了我国31个省域的研发和创新情况，认为我国省域创新能力的贡献主要来自企业研究与开发投入，大学研发对区域创新能力没有明显的贡献，大学研发与企业研发的结合对区域创新没有表现出显著的作用[9]；刘曙光指出，广义的区域创新体系研究应包括对区域创新体系环境、区域创新体系组织结构、区域创新体系空间结构、区域创新体系功能、区域创新体系过程等内容的研究[10]；柳卸林研究了区域创新能力评价指标体系，对全国各省、直辖市和自治区的区域创新能力进行了详细评价[11]；李福刚、王学军认为，区域创新研究中的地理邻近因素应得到重视，其在区域创新经济学中的地位与在传统空间经济学中一样重要[12]；钱晓烨等引入空间分析方法，采用空间滞后模型和空间误差模型，使用1997—2006年我国各省的横截面数据，估计了我国各省人力资本在创新方面对经济增长的作用[13]。
传统的计量实证研究均假定各地区变量间是相互独立的，不存在空间上的相关性，但实际中各邻近地区的经济变量确实存在空间相关关系，空间计量经济学已证实忽略空间效应将导致估计结果有偏和不一致。世界银行的研究指出，积极的地区增长溢出效应比消极的遮蔽效应（shadow effect）的影响更大，某个地区的增长往往会带动而非遏制邻近地区的发展[14]。同时，经济中心周围的市场也对地区发展具有重要作用，通过前向和后向联系会出现不可忽视的增长溢出效应[15-16]。因此，本文在研究区域创新的影响因素时采用空间面板模型。
2 计量模型
Cobb-Douglas生产函数是在经济学研究领域得到广泛应用的生产函数形式。之后，Jaffe提出应将新知识经济作为投入要素，对Cobb-Douglas生产函数进行了改进[17]。本文采用改进的Griliches-Jaffe知识生产函数，模型的基本形式如下：
式（1）中：Q代表技术进步产出；K代表R&D经费投入；L代表一系列影响科技产出的经济社会变量；α和β分别为R&D经费投入和科技人力资源投入的弹性系数；μ为随机误差项；i为观测单元。
在以往的研究中，学者们大多采用专利申请数来衡量地区或经济体的科技创新水平。然而，由于我国专利在实施保护上存在一些实际问题，客观上存在外观实用新型专利较多而发明专利相对偏少的现象，因此专利申请数并不能真正衡量科技创新水平。对此，Schankerman的研究认为，从专利个体的特点来看，技术含量高的专利会带来较高收益，也具备较长的寿命，比一般专利申请和授权指标更能衡量科技创新水平[18]。
本文采用自然科学基金申请数（fagy）来衡量一个地区的科研创新水平。笔者认为，自然科学基金的申请情况从新的角度体现了地区创新的原动力，可以反映各地区在科研、经济等方面的综合实力。具体而言，本文分析如下：因变量采用自然科学基金项目数，包括两个类型的项目——面上项目和青年项目，排除了地区项目、重点项目、重大项目及杰出青年项目等类型。这是由于本文要对我国东、中、西部三大地区的自然科学基金申请情况进行比较，而地区项目又主要集中在西部地区，因此未考虑地区项目；而重点项目、重大项目及杰出青年项目等不是基金主体，并不影响实证结果，所以没有选取。
根据我国的实际情况，本文选取科技活动经费内部支出（est）和研究与试验发展经费支出额（erd）作为R&D经费投入的影响因素，选取研发人员全时当量（nrd）作为科技人力资源投入的影响因素。R&D是科技活动中最能体现创新能力的活动。科技活动经费内部支出（est）可反映出年内用于科技活动的实际支出，包括劳务费、科研业务费、科研管理费，非基建投资购建的固定资产、科研基建支出以及其他用于科技活动的支出。研究与试验发展经费支出额（erd）的清查数据可以反方面衡量基金申请数所受的影响，即内部研发经费支出过多是否导致了整体资金短缺而使基金申请数减少，从而产生挤出效应。该变量是对前者的-一个很好的补充。研发人员全时当量（nrd）代表了一个地区从事科技活动、具有直接创新产出能力的主体，是指参与研究与试验发展项目研究、管理和辅助工作的人员，包括项目（课题）组人员、企业科技行政管理人员和直接为项目（课题）活动提供服务的辅助人员。
对基本模型（1）取对数，得到式（2）所示的实证计量模型：
式（2）中：β为回归参数；i表示省域；μ为随机误差项。本文选用1998—2007年全国31省、直辖市和自治区的自然科学基金申请数、科技活动经费内部支出、R&D经费支出额以及研发人员全时当量的数据，数据来源为历年的《中国统计年鉴》、《中国科技统计年鉴》及各省、直辖市和自治区统计年鉴。由于1998年和1999年各地的R&D经费支出额存在部分缺失，考虑到数据的连续性，因此本文采用差值估计的方法进行了估算。
3 空间面板模型
3.1 模型介绍
Anselin提出经济空间相关性的概念后，空间计量学研究日趋完善。运用空间计量模型可以很好地解决以往相关性研究因忽视变量间空间效应而造成测量误差的问题[19]。导致区域间空间误差的原因主要包括空间自相关性和空间差异性。具体表现为：在不同地区样本数据可能存在空间上的测量误差；相邻地区的经济存在客观联系。目前常用的空间计量模型有两类——空间自回归模型和空间误差模型。
空间自回归模型主要用于探讨各变量在一个地区是否存在溢出效应，其表达式如下：
式（3）中：y为因变量；X为外生解释变量；W为空间权重矩阵；Wy为空间滞后因变量；ρ为空间回归系数，用于衡量地理溢出程度；ε为随机误差向量；β反映了自变量X对因变量y的影响。
空间误差模型的表达形式如下：
其中：ε为随机误差向量；λ为空间误差系数，用于衡量空间依赖作用；μ为正态分布的随机误差向量；参数β反映了自变量X对因变量y的影响；参数λ衡量了样本观察值的空间依赖作用。
3.2 模型选择及相关性检验
在进行空间分析之前，首先，选择模型，即是使用固定效应回归还是使用直接混合回归进行模型的回归分析。其次，检验模型的空间相关性。针对面板回归残差值进行Moran′I、LMerr、LMsar、Lratios及Walds等检验，原假设为H[,0]∶ρ＝0或λ=0，不存在空间相关性。最后，选择合适的模型进行计算。如果Lmsar（或Lmerr）比Lmerr（或Lmsar）的统计量更显著，那么就应当使用空间滞后模型（或空间误差模型）。Anselin和Rey利用蒙特卡罗方法证明该方法能够为空间计量模型的选择提供良好的指导[20]。
4 实证结果及分析
4.1 空间相关性分析及全国自然科学基金项目申请数估计
本文的解释变量为自然科学基金申请数，其值在不同省域是不同的，受时间变化的影响相对小，因此本文选择个体固定效应模型作为面板回归模型。然后，利用OLS面板回归的残差进行空间相关性检验。结果显示，Moran′I检验值显著为正，这表明我国31个省、直辖市和自治区的科技创新水平在空间分布上具有明显的正相关关系。
省域间存在集聚现象，具体表现为基金申请数多的省份相互邻近、基金申请数少的省份的相邻省域的基金申请数一般也较少。图1为2007年我国各省域自然科学基金申请数Moran′I四分位图。
图1 2007年我国各省域自然科学基金申请数的Moran′I四分位图②
由图1可知：我国东部沿海省份的自然科学基金申请数相对密集集中且多于内陆省份；中、西部省份中，陕西和湖北因省内高校众多而研发人员数目和科研经费支出优势突出，存在集聚现象；其余省域的科技创新效果并不明显。我国科技创新的分布呈现明显的核心—外围区域特征，即已形成以东部沿海地区为核心、广大中、西部地区为外围的发展格局。具体来讲，在三大经济增长极形成了三大技术创新聚集区，沿长江流域形成了一条技术创新聚集带。
由空间相关性检验结果可知，各省域的自然科学基金项目申请数在空间上相互影响。为消除空间相关性所造成的偏差，本文使用空间面板计量模型进行计算。因为Lmsar统计量值大于Lmerr统计量数值，所以选择SarPanel模型。不过，这种判断并不十分严格，为此本部分同时给出两类空间模型的估计结果。普通面板回归结果和空间模型回归结果见表1。
由表1可以得到以下结论：
（1）各自变量的t检验值均在1％的检验水平上显著，反映出邻近的省、直辖市和自治区的科技创新水平与资金、人才总量有明显的关联性。
（2）科研经费支出额的系数为正，其在资本投入方面对自然科学基金申请数有正向影响。我国政府历来重视科研经费的投入，政府除了拨款外，还鼓励并支持各级科研单位利用多种渠道筹集资金。科研经费涉及劳务费、科研业务费、科研管理费以及非基建投资购建的固定资产、科研基建等，这些费用支出为科研提供了必要的物质基础。有了科研经费的充分保障，科研水平自然得到提升，这必然带来自然科学基金申请数的增多。
（3）R&D经费支出额的系数为负，这可由挤占效应来解释。当投入的科研经费总数一定时，在R&D方面的资金投入越多，申请基金的相关资金自然相对减少。这说明，并非R&D投入越多，产出的成果越多。一些地区投入的R&D资金的确不少，但实际效果却并不理想。因此，应合理安排R&D投入资金，使其发挥最大效应——这也是当前我国科研亟需解决的难题。
（4）R&D人员全时当量的系数为正，说明研发人员数越多，科研产出越多。科研人数对科技产出具有正向的推动作用，且人力资本（对数）每增长1个单位值，所有省域的基金申请数（对数）将增长6.04～6.88个单位值。这说明科技活动离不开积累了一定科研能力的劳动力的支持。
（5）将空间计量模型的估计结果同OLS面板模型的估计结果相对比，可发现SarPanel模型和SerePanel模型的t检验值均略高于OLS面板模型。SerePanel模型的检验效果更为显著，其拟合优度检验值即R[2]值高于SarPanel模型，更大限度地消除了模型中数据的空间相关性偏误。综合来讲，1998—2007年间我国自然科学基金申请数的空间依赖性表现得更为突出，但整体上全国的空间相关效果并不理想，这是由区域过大、各省域变量间的联系程度不均造成的[21-22]。
4.2 三大地区子样本的估计
本节针对我国东、中、西部三大地区③ 进行实证分析，方法与针对全国的分析一致，分别使用OLS面板模型、SarPanel模型和SerePanel模型对上述地区的科技创新进行回归分析[23]。结果见表2、表3和表4。
从表2可知，东部地区的空间检验值均显著为正，证明东部地区的科技创新存在空间相关性，东部各省对邻近省份的科技创新有十分明显的影响。对面板模型进行空间相关性检验后发现拟合优度R[2]也很理想，各变量的t检验值均在1％的置信水平上显著。尤其对于SerePanel模型，科技经费每增长1个百分点，可以带动1.375个基金项目的申请；科技人员资源每增长1个百分点，可带动1.048个基金项目的申请。东部地区是我国经济最发达的地区，有众多知名高校、科研院所，资金、技术和人才在全国都最占优势。地方政府有了良好的资源，就可以吸引到大量资金和人才，形成集聚效应。目前，应注意使科研经费和科技人员资源的投入与产出基本持平，两者不可偏废；同时，还要合理控制R&D资金的利用，实现区域科技创新效益的最大化。
从表3可知，中部地区的空间检验值均显著为正，中部地区的科技创新也存在空间相关性。但SarPanel模型的拟合优度
值偏小。观察Sem－Panel模型可知，科技经费每增长1个单位值，可提高1.131个单位值的基金项目申请数，科技人员资源每增长1个单位值，可提高0.829个单位值基金项目申请数。显然，中部地区要走出科技创新困境，势必先要在资金方面加大投入，增加科技经费投入的效率要高于加大科研人员投入的效率。此外，除了中央财政拨款外，中部地区也应注意开源节流，在财政上对科技创新给予大力支持。
从表4可知，西部地区的空间检验值均不显著，西部地区的科技创新不存在空间相关性。从OLSPanel模型来看，其拟合优度也不理想。这符合我国当前国情。西部地区长期以来因各种原因的影响而发展滞后于其他地区。低劣的自然环境、落后的基础设施都是制约资金和人才到西部发展的瓶颈。我国政府审时度势，制定并实施了西部大开发战略，提升了西部地区的战略地位，这对于平衡我国总体经济发展水平和维护稳定有重大的战略意义。显然，西部地区的科技发展既缺资金又缺科技人员，但其后发优势十分明显：科研经费支出与科研人员人数每增加1个单位值，分别可带动增加15.289个单位值与16.978个单位值的基金项目数，其效应是非常明显且可观的。
5 结论与政策建议
本文以科技创新为研究对象，使用Eviews 6.0和Matlab7.6软件，采用OLS面板模型和空间面板模型对1998—2007年间我国31个省、直辖市和自治区的自然科学基金申请数及其与影响因素的关系进行了实证分析，并分析了我国东、中、西部三大地区的自然科学基金申请数。本文发现，我国各省域间自然科学基金申请数存在空间相关性，空间依赖性和空间差异性都较为明显，而科技创新水平的空间集聚具有以东部沿海地区为中心，中、西部地区为外围的格局。东部地区和中部地区的基金申请数对区域内部的邻近省份有带动作用，基金申请数的集聚效应显著，但这种现象在西部地区并不明显。本文在实证研究中运用空间面板模型进行估计，为解决以往研究忽视区域科技创新水平的空间相关性和空间异质性的问题提供了一个可行的思路[24]。
针对实证分析结果，本文提出以下政策建议[25]：
（1）为了改变当前现状，政府应从全国统筹考虑，进行长远规划，将科技创新提升到国家最高战略的地位，坚持走科技强国的道路；同时，制定和出台有利于科技创新的法律法规，建立一个良好的平台；对为科技创新工程做出贡献的团队和个人，要给予大力的嘉奖和表彰；在政策上对中、西部地区的科研资金投入、高科技人才引进要有所倾斜，改善目前全国发展不平衡的现状。
（2）东部地区的各级政府要利用好本地及外来的资源，三大经济增长极要充分发挥科技创新的龙头带动作用，以便进一步对相邻地区发挥辐射和带动作用。
（3）中、西部地区的各级政府应努力改善科研环境，出台吸引资金和人才落户的优惠政策，解决投资方和科技人才的后顾之忧；加大对高校、科研院所的兴建及投入，重视各类教育；积极落实跨地区人才和项目的交流与合作[26-27]。
收稿日期：2010－12－11
注释：
① 本文主要使用Elhorst的极大似然法进行参数估计，使用由LeSage和Elhorst等编写的基于Matlab的PANEL SEM程序和PANEL SAR程序（http://www.spatial－econometrics.com），用Matlab7.6软件进行空间计量模型的估计。
② 该图为省级行政区图，未包括西沙及南沙群岛等。
③ 东、中、西部三大地区的省域划分如下：东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省、区、市；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省、区、市；西部地区包括广西、内蒙古、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省、区、市。
标签：科技论文; 空间分析论文; 经济模型论文; 相关性分析论文; 项目分析论文; 我的基金论文; 自然科学基金论文; 经济学论文; 经济论文;