高校知识溢出与区域创新能力的实证研究&基于空间杜宾模型的实证研究_固定效应模型论文

高校Ramp;D知识溢出与区域创新能力——基于空间杜宾模型的实证研究，本文主要内容关键词为：创新能力论文,模型论文,区域论文,高校论文,实证研究论文，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：F08；G40-054 文献标识码：A 文章编号：1003-4870(2014)06-0060-08

      高校是知识创造和知识传播的主体，是科研人才的重要聚集地。自我国实施“科教兴国”战略以来，高校的R&D(研究与试验发展)活动在社会发展、经济建设和自主创新战略的实施中发挥了重要作用(赵文红，刘丽兰，2009)[1]。在新经济增长理论中，技术创新是经济长期稳定增长的核心因素，而R&D的投入又将直接影响到技术进步的效率和水平(项歌德，2013)[2]。而且，R&D投入的产品又具有典型的公共品特征，其作用于微观层面对区域性产业结构和总产出能够表现出较强的外部性，并最终表现为产业的整体提升和区域整体技术水平的提高(谢兰云，2013)[3]。因此，高校R&D活动的投入不仅对于本地区创新能力的提高具有直接的推动作用，还会对周边区域创新能力的变化产生间接的溢出效应。

      相关研究一般以R&D活动的产出作为区域创新能力的代理变量进行考察。专利申请量或授权量和企业新产品销售收入是各类R&D研究使用相对最多的代理变量[4][5][6]。与R&D活动的产出类型对应，区域创新能力可以被分为两类，一类我们称之为区域基础创新能力(Aghion and Howitt，1998)[7]，这种能力表现为R&D活动的知识产出，如专利数量、科研论文、技术专利等，是一种中间产出(余泳泽，2011)[8]，可能暂时还没有得到市场的直接认可；另一类能力为区域次级创新能力(Secondery Innovations)(Aghion and Howitt，1998)，表现为R&D活动的最终产出，这种产出得到了市场的直接认可，真实体现了R&D活动的市场价值。

      从现实来看，高校R&D活动的产出，显然并不只有中间性质的知识产出，还有许多与企业经营行为密切联系的市场性质的产出。因为尽管高校R&D重在基础研究，但基础研究又作为公共产品会激励技术创新，这种正的外部性以知识溢出的方式惠及各种企业和厂商(刘洋，庞文，2011)[9]。因此，高校R&D对区域创新能力的影响同样应该包含前述两个方面。但从现有文献来看，主要都是围绕高校R&D中间产出的知识溢出来展开的，即便有少数文献涉及区域创新能力的两个方面，但因其未采用合理的实证方法而出现较大局限性。所以，运用合理的分析工具并进行规范的实证分析，对于明确高校R&D知识溢出对区域创新能力的影响具有现实的理论意义和政策参考价值。

      二、文献述评

      高校R&D的知识溢出作用主要是建立在知识生产函数的概念及理论框架基础之上的。Anselin(1997)[10]首次通过空间计量的方法，研究了高校R&D对高技术产业的空间溢出效应，随后他在该研究基础上(Anselin，2000)[11]完善了他的理论。国内学者王立平(2005)[12]结合中国的数据，在Anselin(1997)的理论研究基础上，考察了中国高校R&D对高技术产业的知识溢出效应，并肯定了这种效应的正向促进作用。这是国内学者首次使用空间计量分析技术研究高校R&D的知识溢出效应。但是，Anselin(1997)和王立平(2005)的研究使用的都是某一年的截面数据，有较大的偶然性和随机性，估计结果很可能会产生偏差。吴玉鸣(2009)[13]从官产学合作的角度考察了R&D对区域创新能力的影响，研究结论肯定了高校R&D对创新能力提高的促进作用，但由于其使用的数据是筹集经费，以经费来源等于最后经费支出为假设前提，因而并不能准确衡量高校R&D真实支出的影响，夸大了这种溢出效应，存在较大的偏差和不确定性。由于这些研究仅从区域基础创新能力方面来考察高校R&D的知识溢出效应，而因而具有较大的片面性。

      也有少数学者从两类区域创新能力来讨论高校R&D知识溢出效应的研究。万坤扬、陆文聪(2010)[14]先以专利申请量为被解释变量，研究了高校R&D的知识溢出对大中型工业企业创新绩效的影响，结论是高校R&D支出不利于企业创新绩效的提升；他们又以新产品销售收入作为被解释变量，得出了高校R&D对企业创新绩效的影响不显著的结论。之所以如此，可能有两种原因，一是各变量在取相对量时数据口径不一致，另外就是相对量并不能很好地衡量高校R&D知识溢出效应的规模。廖述梅(2011)[15]也从专利申请量和企业新产品销售收入两方面，研究了高校R&D的知识溢出作用，认为高校R&D在这两方面都有正向促进作用。然而，廖述梅(2011)使用的是普通面板模型，只能讨论高校R&D对本地区创新能力变化的直接影响，无法全面体现高校R&D对本地区和周边地区创新能力的空间溢出效应，使得估计结果存在偏差。

      除了上述不足外，还有一些共同的缺陷。第一，既有研究过于重视高校R&D的经费支出，没有考虑人员投入的影响，因而很可能得出片面的结论。此外，由于空间计量经济学的兴起与发展，使得高校R&D知识溢出效应在实证研究方面存在很大的差异和不足。因而第二，空间计量模型的设定，关键取决于空间权重矩阵的选取，上述研究都是以空间距离作为加权矩阵，这就无法反映各地区之间经济发展水平的距离，进而存在估计上的偏差，甚至得出相反的结论。第三，已有研究在空间计量模型的选择上，都是采用空间自回归模型(SAR模型)①减空间误差模型(SEM)，SAR模型考察的是因变量的空间依赖，但忽略了误差项的空间依赖，而SEM模型则恰恰相反，所以研究者在考察高校R&D的知识溢出作用时，一般的做法是将两个模型的估计结果进行比较选择，这两种模型都存在因遗漏被解释变量的空间依赖项，从而提高了所估计的参数的有效性和一致性出现偏差的风险。第四，SAR与SEM模型下的固定效应有地区固定效应、时间固定效应和双固定效应之分，已有研究往往未做这种区分，这就使得研究结论存在一定的随意性。

      由此可见，以往关于高校R&D知识溢出对区域创新能力影响的研究还很欠缺，有必要对这一问题进行深入探讨。本文将在以下方面展开研究：第一，遵循以往的研究传统，在SAR和SEM模型的基础上，将高校R&D的人员投入纳入研究范围，与经费支出一起，综合考察高校R&D投入对区域创新能力的影响；第二，在第一点的基础上，我们将专利申请量和企业新产品销售收入分别作为区域基础创新能力和次级创新能力的代理变量，考察高校R&D对区域创新能力变化的知识溢出效应；第三，在空间地理距离权重矩阵的基础上，我们将首次加入空间经济距离权重矩阵，用于衡量同时存在地理距离和经济距离的条件下，高校R&D知识溢出效应的规模；第四，鉴于SAR和SEM模型的缺陷，本文将利用1998-2010年省际面板数据，引入空间杜宾模型(Spatial Durbin Model，SDM)以同时考察因变量和误差项的空间依赖性，并较好的控制因遗漏被解释变量的空间依赖项而出现的估计参数有效性和一致性偏差问题。通过对这些问题的解决，使本文能够更好的衡量高校R&D对区域创新能力的知识溢出效应，为提升地区经济的创新水平，进而促进地区经济的持续稳定发展提供更为合理的政策依据。

      三、模型的设定

      (一)理论计量模型

      高校R&D对区域经济溢出效应的理论分析基础，是建立在知识生产函数的概念性框架之上的(王立平，2005)。从本质上来说，知识生产函数仍然是一个典型的Cobb-Douglas生产函数。

      由于高校R&D投入涉及经费支出和人员投入两个方面，我们在相关理论基础上(Griliches，1979；Jaffe，1986，1989)[16][17]，给出修改后的知识生产函数：

      

      其中，K为知识产出，用于衡量区域创新能力；UE为高校R&D的经费支出；UN为高校R&D的人员投入；α和β分别为经费支出和人员投入的产出弹性；A代表其他影响因素；

为误差项。对(1)式两边取对数并展开可得：

      

      此外，我们分别将专利申请数(Patent)和企业新产品销售收入(NewRevenue)作为知识产出(K)的代理变量，用以衡量区域基础创新能力和次级创新能力，以及将大中型企业R&D经费支出(FE)和人员投入(FN)作为控制变量加入模型(2)②，结合本文选取的1998-2010年省际面板数据，修改后的模型如下：

      

      模型(3)和(4)就是本文之后需要用到的基本计量模型。

      (二)空间自回归(SAR)与空间误差模型(SEM)

      SAR模型主要用于衡量因变量的空间溢出效应，其设定形式如下：

      

      SEM则用于反映误差项的空间依赖性。在本文中，SEM衡量了一个区域的高校R&D的经费支出和人员投入对该区域创新能力的误差冲击，对于其他区域创新能力变化的影响程度。模型的具体形式为：

      

      (三)空间杜宾模型(Spatial Durbin Model，SDM)

      SEM并没有考虑因变量的空间溢出效应，而以往对中国高校R&D知识溢出效应的研究文献主要就是以SEM模型的估计结果为结论依据的。SAR模型则忽略了误差项中的空间依赖性，降低了估计的有效性。鉴于SAR和SEM模型自身的特点及其局限性，Lesage，Pace(2009)[18]提出了能够同时衡量因变量的空间溢出效应和误差项空间依赖性的SDM模型，该模型的特点就是同时包含因变量的空间滞后项和解释变量的空间滞后项，无论真实的数据生成过程是SEM还是SAR模型，SDM模型都具有相对一般性且稳健的估计结果。其形式如下：

      

      其中，

是N×N阶空间权重矩阵，

衡量了一个地区高校R&D的经费支出和人员投入对其他地区创新能力变化的影响程度，δ是系数。其他参数含义同模型(5)。

      四、数据来源和空间计量模型的选择

      (一)数据来源和相关处理

      1998年起才有高校R&D经费支出。从2011年开始，数据统计口径将工业企业从大中型改为规模上。故本文将数据样本定为1998-2010年中国30个省市自治区(西藏数据缺失严重，故删除)。所取数据来自历年《中国统计年鉴》、《中国科技统计年鉴》。

      此外，相对量无法考察各地区高校R&D经费支出和人员投入知识溢出的整体规模，所以模型(3)和(4)中所有变量均为绝对数。1994年中国实行分税制改革，故将1994年的CPI指数设为基期价格，对所有名义变量进行平减。表3为STATA 12.0的运行结果，其余由Matlab R2012b得出。

      (二)空间权重矩阵形式的选择

      首先选择空间权重矩阵。以往高校R&D知识溢出的研究文献都只考虑地区间的地理距离，并未考虑地区间的经济增长的差距。本文在地理距离权重矩阵中加入地区经济距离权重矩阵：

      

      (三)LM空间自相关—空间误差检验(LMsarsem test)与π值的确定

      Burridge(1980)[19]提出了LM统计量，服从渐进

(1)分布，用以判断是否选择空间计量模型，以及选用何种形式的空间计量模型，比Moran(1948)[20]提出的Moran's I统计量更为简洁方便。

      当被解释变量为lnPatent时，无论π取值多少，LM-ERROR统计量都是非常显著的，说明数据生成过程为SEM形式，但随着地理距离份额的增加，LM-ERROR统计量的显著性递减；完全以地理距离作为权重矩阵，以及在π=0.1时，SAR模型不合适，π=0.2时LM-LAG统计量在1%水平下显著，从π=0.3开始，均可选择SAR模型。当被解释变量为lnNewRevenue时，π取值0到0.6时，SAR和SEM模型都是合适的，但从π=0.7开始，LM-ERROR统计量不显著。如果只有LM-LAG或LM-ERROR统计量显著的话，我们就可以对SAR或SEM模型进行估计，以确定π值，此时也可选用SDM模型，但不是必需的；若LM-LAG和LM-ERROR统计量同时显著，说明数据生成过程既符合SAR形式，也符合SEM形式，此时选择SDM模型就十分必要，否则就会使参数估计的有效性和一致性出现偏差。具体到SAR、SEM和SDM模型，当被解释变量为lnPatent时，π值分别为0.7、0.7和0.6；当被解释变量为lnNewReveue时，π分别为0.3、0.6和0.3⑤。

      

      五、实证分析

      (一)非空间计量模型估计结果

      表2给出了基本面板模型的参数估计结果。混合OLS估计结果显示，无论被解释变量是lnPatent还是lnNewRevenue，高校R&D和企业R&D的经费支出和人员投入都是显著的，混合OLS是后续空间计量模型估计的基准和参照模型，LM空间自回归—误差检验就是以OLS模型为基础展开的。表中还给出了普通面板的固定效应和随机效应模型的估计结果，Hausman检验结果显示，对于lnPatent和lnNewRevenue，分别在1%和5%的显著性水平下拒绝固定效应和随机效应无差异的假设，固定效应模型的估计方法更优，空间计量模型估计因而也使用固定效应模型。从估计结果中可以看出，当被解释变量为lnPatent时，高校R&D人员投入的影响效果并不确定。而被解释变量为lnNewRevenue时，各解释变量都很显著，拟合度也相对更高，混合OLS模型下的DW值也接近2，说明模型受异方差影响很小。

      

      (二)SAR和SEM模型的估计结果

      由于本文研究的是高校R&D经费支出和人员投入对区域创新能力的知识溢出效应，结合之前LM检验的结论和以往研究的结果，我们需要在表3的估计结论上作进一步的空间计量分析。

      在本文中，SAR模型强调的是本区域的创新能力对其他地区创新能力变化的空间溢出效应，SEM模型衡量的是一个区域的高校R&D的经费支出和人员投入对该区域创新能力的误差冲击，对于其他区域创新能力变化的影响程度。表3和表4分别给出了被解释变量为lnPatent和lnNewRevenue时，高校R&D对区域创新能力知识溢出效应的SAR和SEM模型的参数估计结果，且分别以地区固定效应、时间固定效应和双固定效应的形式给出。

      当被解释变量为lnPatent时(表3)，SAR和SEM空间权重矩阵的π值均为0.7，这说明地理距离的影响大于经济距离的影响。从表1的LM检验可知，此时数据生成过程既是SAR形式，也是SEM形式。在SAR和SEM模型的双固定效应模型中，高校R&D的经费支出均不利于本区域基础创新能力的提升，而高校R&D人员投入的影响效果不显著；然而，企业R&D投入显著利于本区域基础创新能力的提高，在SAR模型中，企业R&D的经费支出每增加1%，将提升0.1634%的专利申请量，而每增加1%的企业R&D人员全时当量，专利申请两将增加0.1545%；在SEM模型中，分别为0.1691%和0.1653%，企业R&D中资金投入的作用仅略高于人员投入的效果。本地区创新能力水平对周边区域创新能力的知识溢出效应每提升1%，周边区域的创新能力将提升0.208%，而本地区高校R&D和企业R&D的经费支出和人员投入，对本区域创新能力的变化所产生的正向误差冲击每变化1%，将提升周边地区0.2604%的创新能力水平。

      当被解释变量为lnNewRevenue时(表4)，SAR模型中的π值为0.3，经济距离造成的影响为70%，SEM模型中的π值为0.6，地理距离带来的影响大于经济距离的作用，尽管π值不同，由表1的LM检验结果可知，此时的数据生成过程仍然既是SAR形式，又是SEM形式。从SAR和SEM的双固定效应模型中可以看出，与被解释变量为lnPatent不同，高校R&D的经费支出和人员投入均显著有利于本地区新产品销售收入的增加，且人员投入的促进作用大于经费支出的作用。在SAR中，高校R&D经费每增加1%，将提升0.1893%的销售收入，人员全时当量每增加1%，新产品销售收入将增加0.2253%，SEM中相关数据分别为0.1886%和0.2281%，同SAR中的差别并不大。企业R&D的经费支出与人员投入对新产品销售收入的作用有所不同，经费支出显著有利于新产品销售收入的增加，在SAR和SEM模型中分别为0.3258%和0.3269%，明显大于高校R&D经费支出的贡献，而企业R&D的人员投入并不利于新产品销售收入的增加。

      

      (三)空间杜宾模型(SDM)

      从空间权重矩阵中π的取值可知，当被解释变量为lnPatent或lnNewRevenue时，数据生成过程既是SAR形式，也是SEM形式。因而，使用SDM模型十分必要。

      由表5可知，被解释变量为lnPatent或lnNewRevenue时，双固定效应下的SDM模型的拟合程度均高于SAR和SEM模型，模型可靠性更高。当被解释变量为lnPatent时，高校R&D经费支出和人员投入仍然不利于区域基础创新能力的提高，这一点与SAR和SEM估计结果一致，且二者对其他区域的空间溢出效应不显著；企业R&D经费支出和人员投入对区域基础创新能力的提升有显著的正向作用，且资金投入的效果大于人员投入的效果，弹性分别为0.1739%和0.1257%，SAR与SEM模型则分别低估了前者，并显著高估了企业R&D人员投入对区域基础创新能力的促进作用。二者对周边地区的溢出效应也是显著的但人员投入的溢出效应大于资金投入的溢出效应，分别为0.5391%和0.9643%，因变量的空间溢出效应为-0.3860%，并不利于周边地区基础创新能力的提升，该结论与SAR和SEM模型的估计结果完全相反。

      当被解释变量为lnNewRevenue时，高校R&D经费支出和人员投入有利于提升区域次级创新能力，提升比例分别为0.1762%和0.2768%，而SAR和SEM模型高估了前者，并显著低估了高校R&D人员投入的作用；企业R&D经费支出的正向促进作用显著，大于高校R&D经费支出效果近两倍，为0.3454%，SAR和SEM模型则低估了这一效果，人员投入同样不利于区域次级创新能力的提高，与SAR、SEM模型估计结果接近。高校R&D经费支出和人员投入的空间溢出效果只在地区固定效应下显著，在同时考虑时间固定效应后，这种溢出效果并不显著，因变量的空间溢出效应为正，说明本地区新产品销售收入的增加有利于周边地区次级创新能力的提升，这一效果为0.0249%。

      六、结论和政策建议

      本文在Griliches-Jaffe知识生产函数的理论框架的基础上，利用1998-2010年中国省域数据，运用空间杜宾模型(SDM)，从区域基础创新能力和次级创新能力两个方面研究了中国高校R&D对区域创新能力的知识溢出效应。结果表明：(1)高校R&D经费支出不利于本区域基础创新能力的提升，而人员投入的影响不显著；(2)经费支出和人员投入对本区域次级创新能力有显著的推动作用，且人员投入的提升效果大于经费支出的作用；(3)在高校R&D投入的影响下，一个区域的基础创新能力的提升，并不利于周边地区基础创新能力的提高，而区域次级创新能力的提升对周边地区产生正向的空间溢出效应，但程度较弱；(4)高校R&D的经费支出和人员投入本身，并未对周边区域产生直接的知识溢出效应，这种溢出效应更多的是通过本区域创新能力的变化来间接实现的。

      综合以上研究，本文的政策建议如下：(1)各地区应继续加强高校R&D的经费支出和人员投入力度。从各地区的高校R&D经费支出来看，尽管支出总量保持稳步增长的趋势，但人均科研经费支出还很不足；此外，还需要加强科研人才的培养，尤其是提升基础研究的科研力量，形成合理的人才与知识结构搭配。(2)加强各地区高校科研人才的交流与合作，在科研人才的结构上形成优势互补，促进科研资源与成果的交流和分享；在科研项目的资金上，经济发达地区在保证自身高校R&D需求的基础上，多向经济相对落后的地区提供帮助，中央政府也应在政策上给予更多的支持，拓宽高校R&D的融资渠道，鼓励企业资金参与高校R&D活动。(3)高校R&D活动应以市场为导向，将高校科研人才的研究兴趣和目标聚焦到经济社会发展的重大需求上去，不仅重视基础研究和技术开发，更要重视科研成果的转化，从基础创新和次级创新两个方面提升区域创新能力。(4)各地区高校应不断推进科研评价制度的改革，建立与协同创新相适应的开放评价机制，从制度上保证区域内部和区域之间高校科研部门、各单位的协同效应，推动更大范围的利益相关方来评价创新活动的价值；推进科研成果处置权和收益权的改革，更好的激励科研人才和科研机构产出高质量的成果，推动区域创新能力的不断提升，支撑区域经济的持续稳定发展。

      

      

      ①也有学者称之为空间滞后模型(Spatial Lagged Model SLM)。

      ②我们也尝试过在模型(2)中加入科研机构的R&D投入项作为控制变量，但是由于在数据期中相关统计口径发生变化，故未予考虑。

      ③我们将省会之间最短的公路距离作为衡量两地间地理距离的指标，数据来源为谷歌卫星地图。

      ④项歌德(2011)以某一年经济发展距离的数据作为权重矩阵，相比而言，取均值的做法更合适，但也有一定的局限性。不过，目前并没有更有效的取值方法。

      ⑤限于篇幅，表中只给出了地区固定效应下的π值，时间固定效应和双固定效应结论相同。

标签：固定效应模型论文;  经济模型论文;  解释变量论文;  误差分析论文;  企业空间论文;  经济学论文;  sar论文;