“一带一路”沿线国家创新能力的空间溢出效应
朱永凤1，王子龙1，张志雯1，朱玲玲2
(1.南京航空航天大学经济与管理学院，江苏 南京 211106；2.南京农业大学信息科学技术学院，江苏 南京 210095)
摘 要： 本研究以2007—2017年 “一带一路”沿线50个国家为例，将地理空间分析与空间面板模型相结合，探讨沿线国家创新能力的空间结构及其空间溢出效应。结果显示：①沿线国家创新能力总体呈上升趋势，形成以发达国家为核心的高-高聚类，低-低聚类主要在欧洲东南部、中亚以及东南亚北部；②沿线国家创新能力的发展以资本驱动为主，劳动驱动为辅；③创新资本要素与劳动要素的溢出效应作用路径不同，高级人才向创新能力较强的国家外溢，各国创新能力在创新资本投资上存在榜样效应和借鉴效应；④沿线国家创新能力的发展对资本要素具有一定的锁定特征，劳动要素对创新能力的影响呈现自西向东递增的特征。
关键词： 一带一路；创新能力；空间特征；空间溢出
“一带一路”战略旨在借助经济政策协调、资源有效配置、要素自由流动等，在共同利益的驱动下，加强国际交流与合作，实现协同发展[1]。创新能力将成为推动各国经济高质量发展的 “第一动力”，精准把握沿线国家创新能力的空间布局，深入了解创新能力的空间溢出效应，对我国开展经济战略部署、推进 “一带一路”建设具有重要意义。
日粮中的蛋白质含量过多或过少均会影响到骨骼发育，然而有学者指出，日粮蛋白水平对体尺的影响不显著[3，12]。邱忠玉等[13]的研究也表明，12%～13%低蛋白日粮对蛋鸡育成期胫长发育无显著影响（P＞0.05）；郝文博等[14]研究蛋白水平同样对雏鸡胫长无显著影响（P＞0.05）。这与本研究结果一致，本研究设定的四种日粮蛋白质水平对京红1号蛋种鸡育成期胫长影响均无显著差异(P＞0.05)，另外，随日粮蛋白质水平的增加对死淘率无显著差异(P＞0.05)，表明设定的四种日粮蛋白质水平梯度并未达到能够显著影响胫长和成活率的水平。
要素分布的空间异质性，促使创新活动会在资源相对丰富的地区优先展开，产生不同程度的创新极向邻近区域外溢，进而形成区域创新能力的空间结构。创新能力的专业化程度受到邻近地区专业化模式的影响[2]，人力资本和研发支出是影响创新能力发展的直接因素[3]。Crescenzi对中国和印度进行对比研究发现，两国创新活动的集中程度较高，中国沿海省份、德里和印度南部区域的创新集聚水平超过了美国和欧盟的集聚水平[4]。万勇[5]、侯纯光[6]、王毅[7]等研究均表明中国的创新能力空间分布不均匀，形成不同程度的集聚区。
知识溢出是局部性的，随着地理空间的传播，往往会迅速衰减，地理空间将参与创新过程的各个个体、网络和企业整合成一个超越个体界限的连贯单元[8]。创新活动的锁定性和知识外溢的邻近性，会引起地理空间上创新能力的非均衡化发展，从而表现出正向空间效应和负空间效应[9]，高-高创新能力聚集区内不同技术领域的知识溢出效应更强，高-低和低-高创新能力聚集区内相似技术领域的知识溢出效应更强[10]。Almeida研究表明，巴西存在技术知识空间外溢的现象，创新活动受产业基础、城市环境、技术基础设施以及邻近区域创新模型的显著影响[11]。Laura提出欧洲地区创新产出存在显著差异，地理邻近性和社会资本是解释欧洲地区知识溢出的关键因素[12]。Drivas研究表明，技术专业化相似的国家间更有可能产生溢出效应[13]。王俊松[14]、焦敬娟[15]等研究发现，中国区域创新能力具有空间溢出效应。
综合现有文献研究发现，国内外有关 “一带一路”沿线国家创新能力的研究存在一定的局限性，主要有两个方面：①现有研究都是基于沿线单个国家或者区域的研究，未将 “一带一路”沿线各国作为一个整体来研究，忽视了本国创新能力的发展与邻近国家创新能力之间的关系。②实证研究仅仅停留在对溢出效应的检测上，而对于沿线国家创新能力各要素的空间异质性缺乏交代。鉴于此，本研究以 “一带一路”沿线国家的创新能力为研究对象，综合运用统计分析和空间计量等方法，主要回答两个问题：① “一带一路”沿线国家创新能力的空间布局如何？② “一带一路”沿线国家创新能力各要素是否具有空间溢出效应？通过以上回答，以期对中国开展创新驱动发展战略和 “一带一路”沿线国家的实现协同创新有借鉴意义。
1 模型构建
1.1 知识生产函数
(2)空间面板计量模型分析。忽视空间依赖性的存在会高估要素投入对 “一带一路”沿线国家创新能力的促进作用。将不同固定效应的SPDM相关系数与前文的标准面板计量模型对比发现，SPDM中K 与L 的系数总体上小于标准面板。空间面板计量模型结果如表5所示。
(1)
其中,C it 、K it 、L it 、e it 分别表示i 国t 时期的创新能力、创新资本投入、创新劳动投入和误差，α 和β 为相关系数，A 为技术创新，通常为希克斯中性生产率项。
对模型(1)等式两边取对数，得到模型(2)：
lnC it =lnA +α lnK it +β lnL it +e it
文山州中部以南是短时强降水的重点防范区域，5～10月汛期午后至夜间是短时强降水高发时段，需重点加强监测预报预警工作。马关、文山南部、砚山西部和丘北大部地区是文山州雷电高发区，是防雷工作的重点区域，富宁地区需关注高强度雷电的不利影响。
(2)
1.2 空间计量模型
(1)模型类型。空间计量模型依据空间依赖性的存在形式分为三种模型：空间面板滞后(SPLM)、空间面板误差(SPEM)和空间面板杜宾(SPDM)[17]。在公式(2)中加入空间效应u 和时间效应v ，建构KPF标准面板计量模型：
对收集整理的相关数据进行描述性统计，得到 “一带一路”沿线国家创新能力总体评估，见表1。
(3)
依照LeSage等[18]的研究思路，在模型(3)中加入W ij ，建构 “一带一路”沿线国家创新能力增长的SPLM：
(4)
其中，ρ 即为因变量的空间滞后项，表示创新能力的空间溢出性。
如果误差项中存在空间依赖性，构成沿线国家创新能力增长的SPEM：
由于发表意见时操作学生不在现场，学生可以畅所欲言，比较客观地反映问题，在点评别人的同时，也能发现自身不足。
翻译过程中，如果在源语的认知模式中，源认知域与目的认知域的映射关系不能被目的语认知经验所理解和接受，那么只得依据其目的认知域，改变译出语源认知域中的价元，以符合译入语的认知经验 (王子颖，2015)。也就是说仍使用源认知域进行表达，采用异化译法，保留源语言中已有的认知概念或表达方式，通过改变目的认知域的价元来匹配源认知域中的隐喻部分，即变价映射。
(5)
其中，φ jt 即空间自相关误差项，λ 即为系数。
若空间依赖性同时存在于解释变量和被解释变量中，则形成沿线国家创新能力增长的SPDM：
(6)
其中，δ 和ξ 分别为创新资本要素和创新劳动要素的空间滞后项系数。
步骤6 一次迭代完成，判断是否达到最大迭代次数gmax，若达到则输出最优解，即得到最优调度作业顺序，否则返回步骤2。
(2)空间权重。空间计量模型选取经济距离权重矩阵，计算公式如下：
“一带一路”沿线国家的创新能力表现出动态发展性、集群性和空间相关性的规律。沿线国家创新能力空间分布的非均匀性，是否会在邻近国家间溢出呢？基于此，本研究基于Cobb-Douglas生产函数，构建面板计量模型。
(7)
其中，
表示i 国t 年的人均GDP值。
(3)直接效应和间接效应。LeSage 和Pace 提出SPDM 测算的回归指数，还不能反映实际的偏回归指数，仍需借助偏微分方程对公式(6)展开分解[18]：
C =[I -ρW ]-1cf n +[I -ρW ]-1[X ′β +WX ′β ]+[I -ρW ]-1e *
(8)
其中，C 即N ×1维的创新能力向量，c 代表常数，f n 表示N ×1维元素都是1的向量X ′表示创新资本要素和创新劳动力要素组成的N ×k 维矩阵，e *表示误差项，其余变量的含义与前文一样。
2007年、2014年、2017年 “一带一路”沿线国家创新能力总体上呈上升趋势，区间范围介于1.906～5.937之间，最小值与最大值均表现出不同程度的增大，均值由2007年的3.299，上升到2017年的4.243。标准差趋于减小， “一带一路”沿线国家创新能力趋于平均水平。
(9)
除了无效应下劳动力要素(L )没有通过p 和t 检验，其余效应下资本、劳动力要素均与 “一带一路”沿线国家创新能力显著相关(见表4)。由LM和Robust LM检验结果可得，除时间效应、时空效应的LM-lag和LM-error，其余效应下LM和Robust LM检验在1%和5%的显著性水平上均否定原假设，表明面板计量模型中不可忽视空间依赖性的存在，需要进一步考虑空间面板计量模型。
1.3 研究区和变量选取
本研究借鉴李德仁[19]的研究，以沿线67个国家为例，其中17个国家数据欠缺，将其除去，选取亚洲30国，欧洲18国，非洲2国为研究区。依据Cobb-Douglas知识生产函数理论，在国内外学者Audretsch[8]、Drivas[13]、Moreno[20]、王锐淇[21]和吴玉鸣[22]等研究的基础上，本文以2007—2017年 “一带一路”沿线50个国家的创新能力(C )为被解释变量，核心解释变量为创新资本要素(K )和创新劳动要素(L )，其中创新资本要素以企业科研投资来表征，创新劳动要素以科学家和工程师的可获得性来描述。控制变量选取外商直接投资(F )、知识产权保护(I )、科学研究机构质量(Q )、经济发展水平(G )和高等教育入学率(E )，由于空间权重选取经济距离矩阵，故将控制变量经济发展水平(G )剔除，而高等教育入学率(E )在后期模拟时效果并不理想，考虑可能与指标科学家和工程师存在共线性，故也将其舍去。各指标数据均源于世界经济论坛(https://www.weforum.org/)公布的2007—2017年 《全球竞争力公报》。为了对比 “一带一路”战略实施前后沿线国家创新能力的变化情况，2014年作为战略实施的第一年，选取2007年、2014年、2017年三期截面数据进行空间对比分析。
2 “一带一路”沿线国家创新能力空间布局分析
2.1 “一带一路”沿线国家创新能力总体分析
lnC it =lnA +α lnK it +β lnL it +e it +u +v
表1 “一带一路”沿线国家创新能力总体评估
公式(8)可以进一步转化成一定时期S 的偏微分矩阵：
2.2 “一带一路”沿线国家创新能力空间关联性分析
(1)空间自相关。空间自相关是指要素在地理空间上具有关联系，通常刻画临近事物之间的关联程度，计算方法见文献[23]。求解空间自相关模型，得到2007—2017年 “一带一路”沿线国家创新能力的全局Moran′s I，如表2所示。
水墙是大型汽船航行的起点，从这一处起点开始，明尼进入了蜿蜒的河道。它探访了多处新的湿地和岛屿，更多的龟蛋在一个个夏季被它留在了新挖的巢穴里。不安分的灵魂总是把明尼带回到密西西比河中。虽然它努力抗争，并像其他鳄龟一样在春天奋力地朝上游移动，却又一次被交汇的春洪吞卷着强行南下。河水在崖壁间来回激荡，明尼就像激荡的河水一样奋力与命运抗争，但它用到脱力的腿最终还是服从了大河，于是它近乎欢欣地越过大坝和翼坝，以匆匆如流水般的速度掠过了一处又一处地方，经历了一次又一次冒险……
2014年是沿线国家创新能力空间关联性的重要节点，2008—2013年的Moran′s I，均未通过P 检验，表明空间关联性并不显著，其中2009年和2010年Moran′s I为负值，创新能力在空间上表现出能力强的国家和弱的国家间隔分布的关联，这可能是受全球经济危机的影响，2014—2017年Moran′s I均大于0，p 值均小于0.05，表明 “一带一路”沿线国家的创新能力呈现显著的空间关联性，创新能力在邻近国家间，存在高值集聚区和低值集聚区。2014年前后显著性具有明显差异，表明 “一带一路”战略的推进，促进了沿线国家创新能力的空间关联。
表2 “一带一路”沿线国家创新能力Moran′s I
注：*、**分别表示在5%、1%水平上通过显著性检验，下同。
(2) “一带一路”沿线国家创新能力空间聚类分析。本研究进一步对莫兰散点图进行分解，得到沿线国家创新能力的空间聚类情况，结果见表3。
河流水质表达的本质是关于“污染物量”与“水量”的二元函数，河流天然“水量”的年际变化影响，远远大于人类的排放活动对河流水质的影响，需要约束的是“污染物量”的排放。
表3 “一带一路”沿线国家创新能力的空间聚类分析
2007—2017年， “一带一路”沿线国家相似创新能力的聚集区(H-H和L-L)在逐渐扩大，2017年空间聚类以H-H和L-L为主，表明创新能力在沿线各国中呈现出极化的态势。H-H聚类基本上形成以发达国家为核心的集群，主要有新加坡为主的东南亚南部、以色列为首的西亚以及捷克、拉脱维亚为核心的欧洲南部，涉及爱沙尼亚、克罗地亚、捷克、印度尼西亚、拉脱维亚、立陶宛、斯洛伐克、马来西亚、波兰、新加坡、以色列、阿联酋、约旦、肯尼亚、黎巴嫩、卡塔尔、菲律宾等国家。L-L聚类主要在欧洲东南部、中亚以及东南亚北部等国家，这些国家的经济发展较慢，研发的物力、人力资本投入较少，创新基础较薄弱，因而创新能力不足。不同创新能力的空间关联(H-L和L-H)交错分布在亚、欧、非三大陆。
3 “一带一路”沿线国家创新能力空间溢出效应
通过对图10的数据分析可以得出,随着耦合间距的增加,透射谱的3 dB带宽从0.75 nm下降到0.2 nm,明显变窄;品质因数Q从2.067×103增大到 7.750×103;同时,耦合效率从0.958下降到0.612,成明显的降低趋势,可以理解为随着微环腔耦合间距的增大,耦合系数成指数式衰减,而耦合系数的改变,对系统的传输性能有着很大的影响。实验结果与理论仿真结果基本一致。
3.1 标准面板计量模型
似然比检验结果显示，时间固定效应和空间固定效应均通过显著性检验，表明固定效应下的标准面板计量模型最优，结果如表4所示。
一是配套政策和法律制度不健全，当前针对绿色债券的相关法律制度尚未完全形成，缺少财税优惠政策以及政府为主导的担保机制和风险补偿机制。二是绿色债券产品较为单一，当前我国绿色债券主要以绿色金融债为主，绿色资产证券化、绿色债券指数产品发展较为滞后。三是融资成本偏高，受2017年初债券市场利率走高的影响，市场流动性趋弱，绿色债券融资成本增加。占比最多的AAA级和AA+主体发行利差与同级别普通债券相比多为负，融资成本偏高。
其中，右边矩阵主对角线上β k 的平均值即为直接效应；右边矩阵除β k 以外的其他元素的平均值即为溢出效应；总效应=直接效应+溢出效应。
3.2 空间面板计量模型
(1)估计模型的选择。面板Moran′s I检验结果表明 “一带一路”沿线国家创新能力可以采用空间面板计量模型计算。Hausman检验结果表明固定效应下的空间面板计量模型比较适宜。Wald和LR检验结果显示，SPDM不能简化为SPLM和SPEM，故选用SPDM做空间面板计量模型分析。模型(1)～(4)，分别表示无固定效应、空间、时间、时空固定SPDM模型，将各效应下SPDM的回归系数、R2和最大似然估计值进行比较，发现模型(2)的校正R2较大，logl 值较高，各变量的系数较为显著，说明空间固定效应的SPDM最优。
表4 标准面板计量模型结果
注：括号内表示系数估计的t值，下同。
KPF(Knowledge Production Function)理论提出影响新知识产生的关键性因素是创新经费、研发人员和技术创新，假设技术创新不变，知识生产活动中各要素投入与产出之间的关系通常采用Cobb-Douglas形式的KPF[16]：
资本投入对创新能力的推动力大于劳动要素，创新资本要素投入的弹性系数为0.730，劳动要素投入的弹性系数为0.142(见表5)。 “一带一路”沿线国家增加创新资金的投入，提高科学家和工程师的可用性，可以促进创新能力的增长。模型 (5)～(7)分别加入控制变量外商直接投资(F )、知识产权保护(I )和科学研究机构质量(Q )，各控制变量下，K 与L 的系数均为正值并显著相关。外商直接投资的相关系数为-0.119，这说明外商直接投资对 “一带一路”沿线国家创新能力的增长表现出抑制作用，这与徐全勇的外商直接投资对我国自主创新作用的研究结论一致[24]。知识产权保护的弹性系数为0.093，反映 “一带一路”沿线国家对知识产权的保护有利于刺激创新能力的发展，这与刘思明等基于中国经济数据的研究结论一致[25]。科学研究机构质量对 “一带一路”沿线国家创新能力的驱动力为0.189，表明科学研究机构质量较高的国家其创新能力也较强。
GRNN神经网络的第一层为径向基网络层，||dist||表示这一层的权值函数，它是欧几里德距离度量函数，用来计算网络输入与第一层的权值iIW1,1之间的距离。图中符号“·*”表示||dist||的输出值与阀值b1的元素之间的乘积关系，并将结果形成净输入n1，传送到传递函数。径向基网络层的传递函数一般使用用高斯函数Ri(x)=exp(-||x-ci||/2σi2)。σi被称为光滑因子，σi越大基函数越平缓。
表5 空间面板计量模型结果
(3)空间溢出效应的分解。选取空间固定效应的SPDM进行空间溢出效应的分解，其中直接效应用以测度各要素对本国创新能力的直接影响，溢出效应反映的是本国各要素变化对邻近国家创新能力的影响，分解结果如表6所示。
表6 SPDM空间溢出效应分解结果
“一带一路”沿线国家创新能力的发展以资本驱动为主，劳动驱动为辅。创新资本要素的直接效应高于劳动，资本投入每增加1，沿线国家创新能力提高0.812，劳动要素的直接效应指数为0.065，未通过p 和t 检验，表明沿线国家劳动要素投入对创新能力发展的推动力为0.065，但推动效果并不显著(见表6)。创新资本要素与劳动要素的溢出效应作用路径不同，资本溢出系数为1.374，表明沿线国家创新能力在创新资本投资上具有显著的榜样效应和借鉴效应。劳动要素的溢出系数为-1.266，溢出效应为负向，这说明沿线国家间人才竞争较为激烈，高级人才向创新能力较强的国家外溢，抑制邻近国家创新能力的发展。
晨起8:00-10:00真空采血法采集肘部静脉血5 mL，立即送检。采用全自动生化分析仪，乳胶颗粒免疫比浊法检测CysC、酶联免疫吸附法测定检测RBP4。
4 “一带一路”沿线国家创新能力各要素影响效应的空间特征
以上研究表明，各要素在空间上存在溢出效应，表明各要素对沿线国家创新能力的影响不是同质的，因此本研究进一步引入GWR模型，其核心思想是空间非稳定性，计算方法见文献[26]。GWR模型结果显示，
各模型对沿线国家创新能力的解释力均大于70%，表明GWR模型拟合效果良好。各要素在空间上呈现梯度特征，表明各要素对 “一带一路”沿线国家创新能力的发展存在空间异质性，具体结果如表7所示。
表7 GWR模型结果
在相关系数上，创新资本要素的相关系数均为正值，对比2007年、2014年、2017年相关系数，发现其整体上在逐年减少，表明 “一带一路”沿线国家创新能力的发展受资本要素投入的影响逐年降低。在空间上，欧洲地区创新资本要素的影响最大，其次是中亚地区，影响最小是东南亚和南亚地区。这可能是由于东南亚地区和南亚地区经济发展潜力大，其对创新能力的需求大，研发投入较多，资本要素投入对东南亚地区各国创新能力的激励不敏感。对比2007年和2017年创新资本要素的空间格局，整体格局没有质的改变，这反映出 “一带一路”沿线国家创新能力的发展对资本要素具有一定的锁定作用。
2007—2014年，劳动要素的相关系数都大于0，在空间上呈现自西向东递增的特征，其中整体上东南亚地区和南亚地区影响最大，覆盖泰国、柬埔寨、越南、马来西亚、印度尼西亚、新加坡和菲律宾。东南亚地区和南亚地区经济活力强，高级人才缺口较大，因此提高劳动力要素投入对其创新能力发展的推动效果比其他国家好。
临床实习是临床护理专业实习生实现角色转换以及角色适应的关键时期,同时临床实践也是保障护理教育质量的关键,是培养临床可用性人才的有效途径[1]。近些年,关于护理实习生的教学与管理新模式、新方法层出不穷,主动教学法便是其中之一,其能够有效的提高护理实习生的管理与教育水平[2]。对此,为了更好的提高临床医护服务质量,本文以我院护理实习生为例,探讨主动教学法的应用价值,现报道如下。
5 研究结论与政策建议
本研究以 “一带一路”沿线的50个国家为研究对象，综合运用地理空间分析、空间面板计量和地理加权回归等方法，解译沿线国家创新能力的时空布局及其溢出效应。得到的主要结论如下：
(1) “一带一路”战略的推进，使沿线国家创新能力的空间关联性提高。沿线国家创新能力的发展存在高值集聚区和低值集聚区，H-H聚类主要分布在东南亚南部、西亚以及欧洲南部，L-L聚类主要在欧洲东南部、中亚以及东南亚北部等国家，不同创新能力的空间关联交错分布在亚、欧、非三大陆。
(2) “一带一路”沿线国家创新能力的发展以资本驱动为主，劳动驱动为辅。外商直接投资对沿线国家创新能力的增长表现出抑制作用，保护知识产权可以促进创新能力的发展，科学研究机构质量较高的国家其创新能力也较强。创新资本要素与劳动要素的溢出效应作用路径不同，各国创新能力在创新资本投资上存在榜样效应和借鉴效应，高级人才向创新能力较强的国家外溢。
“那天他表演的时候，我偷换了他的匕首，比原来的那把多出3厘米。虽然看起来差别不大，却可以刺穿钛管，割破他的动脉。现在，你该知道杜朗在哪儿了吧？你早已经拜祭过他。那些房子里的声音和影子，不过是表演魔术的道具，一直是我一个人在陪你玩这场游戏。原来我以为我会独占一切，没想到你却成了最大的赢家，是你亲手杀了自己的情人，以后的日子，一定会过得很快乐吧？”
(3) 资本要素对 “一带一路”沿线国家创新能力的影响呈现降低态势，空间上表现出对欧洲地区影响最强，其次是中亚地区，对东南亚地区和南亚地区的影响最弱。对比2007年和2017年，创新资本要素的整体格局没有发生质的改变，反映出创新能力的发展对资本要素具有一定的锁定特征。劳动要素对沿线国家创新能力的影响整体上呈现自西向东递增的特征，东南亚和南亚地区影响最大。
针对研究结论，提出以下对策建议：
(1)落实高质量发展制度环境，助推创新要素配置优化。市场经济的作用下，必然会促使各要素跨区域流动，各国创新能力的发展与各要素之间的空间交互作用不容忽视，实证研究也表明 “一带一路”沿线国家创新能力的发展存在显著的空间溢出效应。这就要求沿线各国在出台相关政策和规划时，要重视加强跨国际交流、合作，实现国内与国际创新协同发展。
(2)开展国际教育合作交流，实现教育对外开放战略。 “一带一路”战略的倒逼，势必会扩大项目、技术、管理、小语种以及国际贸易等人才的缺口，促进人才的跨国交流，借助 “一带一路”平台，优化教育培育模式，加强跨国教育合作，提高人才的国际性，充分挖掘劳动力对 “一带一路”沿线国家创新能力的贡献。
(3)推动沿线国家产学研深度融合，促进创新成果转移转化。打造高校、企业、科研机构一体化的创新人才培养模式，科研机构质量较高的国家其创新能力也较强，企业增加科研投入会促进沿线国家创新能力的发展。因此，应积极开展国际产学研合作，加速科技成果产业化进程。
参考文献：
[1]瞿振元. “一带一路”建设与国家教育新使命[N].光明日报,2015-08-13(11).
[2]MORENO R，PACI R，USAI S.Geographical and sectoral clusters of innovation in Europe[J].Annals of regional science，2005，39(4):715-739.
[3]STEFANO U.The geography of inventive activity in OECD regions[J].Regional studies，2011，45(6)：711-731.
[4]CRESCENZI R.The geography of innovation in China and India[J].International journal of urban & regional research，2017，41(3):1010-1027
[5]万勇.创新能力的空间分布及其经济增长效应的实证研究[J].上海经济研究,2011,31(4):36-46.
[6]侯纯光,程钰,任建兰,等.中国创新能力时空格局演变及其影响因素[J].地理科学进展,2016,35(10):1206-1217.
[7]王毅,陈娱,陆玉麒,等.中国旅游产业科技创新能力的时空动态和驱动因素分析[J].地球信息科学学报,2017,19(5):613-624.
[8]AUDRETSCH D B.Innovation and spatial externalities[J].International regional science review，2003，26(2):167-174.
[9]PARENT O，RIOU S.Bayesian analysis of knowledge spillovers in European regions[J].Journal of regional science，2010，45(4):747-775.
[10]KALAPOUTI K，VARSAKELIS N C.Intra and inter：regional knowledge spillovers in European Union[J].Journal of technology transfer，2015，40(5):760-781.
[11]ALMEIDA E.Innovation and spatial knowledge spillovers：evidence from brazilian patent data[J].Regional studies，2009，43(4):513-528.
[12]LAURA de Dominicis，RAYMOND J G M Florax.Regional clusters of innovative activity in Europe：Are social capital and geographical proximity key determinants[J].Applied economics，2013，45(17):2325-2335.
[13]DRIVAS K，ECONOMIDOU C，KARKALAKOS S.Spatial aspects of innovation activity in the US[J].Journal of the knowledge economy，2014，5(3):464-480.
[14]王俊松,颜燕,胡曙虹.中国城市技术创新能力的空间特征及影响因素——基于空间面板数据模型的研究[J].地理科学,2017,37(1):11-18.
[15]焦敬娟,王姣娥,程珂.中国区域创新能力空间演化及其空间溢出效应[J].经济地理,2017,37(9):11-18.
[16]邓明,钱争鸣.我国省际知识存量、知识生产与知识的空间溢出[J].数量经济技术经济研究,2009,26(5):42-53.
[17]刘传哲,王艳丽.对外开放度对我国区域技术效率的影响——基于省际数据的实证研究[J].工业技术经济,2006,24(6):87-91.
[18]LESAGE J，PACE R K.Introduction to spatial econometrics[M].Boca Raton：CRC Press/Taylor& Francis Group，2009.
[19]李德仁,余涵若,李熙.基于夜光遥感影像的 “一带一路”沿线国家城市发展时空格局分析[J].武汉大学学报(信息科学版),2017,42(6):711-720.
[20]MORENO R，PACI R，USAI S.Spatial spillovers and innovation activity in European regions[J].Social science electronic publishing，2004，37(10):1793-1812.
[21]王锐淇,张宗益.区域创新能力影响因素的空间面板数据分析[J].科研管理,2010,31(3):17-26+60.
[22]吴玉鸣.空间计量经济模型在省域研发与创新中的应用研究[J].数量经济技术经济研究,2006,23(5):74-85+130.
[23]纪玉俊,李超.创新驱动与产业升级——基于我国省际面板数据的空间计量检验[J].科学学研究,2015,33(11):1651-1659.
[24]徐全勇.外商直接投资对我国自主创新作用的实证分析——基于区域层面的面板数据分析[J].世界经济研究,2007,26(6):14-18+86.
[25]刘思明,侯鹏,赵彦云.知识产权保护与中国工业创新能力——来自省级大中型工业企业面板数据的实证研究[J].数量经济技术经济研究,2015,32(3):40-57.
[26]赵昱,朱列,杨传喜,等.中国区域创新来源的空间异质性研究[J].世界地理研究,2017,36(4):134-143.
Spatial Spillover Effects of Innovation Capabilities of the Countries Along the Belt and Road
Zhu Yongfeng1，Wang Zilong1，Zhang Zhiwen1，Zhu Lingling2
( 1.College of Economics and Management，Nanjing University of Aeronautics and Astronautics，Nanjing 211106，China；2.College of Information Science and Technology，Nanjing Agricultural University，Nanjing 210095，China)
Abstract： Taking the 50 countries along the Belt and Road as examples from 2007—2017，this study combines geospatial analysis with a spatial panel model to explore the spatial structure and spatial spillover effects of innovation capabilities along the countries.The results show that：The innovative capacity of countries along the Belt and Road is generally on the rise.There are high-high clusters with developed countries as the core，and the low-low clustering mainly in Southeastern Europe，Central Asia and North East Asia.The development of innovation capabilities along the countries is mainly driven by capital and supplemented by labor drivers.Senior talents are spilling over to the countries with strong innovation capabilities.There are role models and reference effects in R&D capital investment in various countries’ innovation capabilities.The development of innovative capabilities in the countries has a certain lock-in feature on the capital element，and the influence of labor factors on innovation ability is characterized by increasing from west to east.
Key words: The Belt and Road；Innovation capacity；Spatiotemporal dynamics；Space spillover
基金项目： 国家社会科学基金重点项目(18AGL028)，江苏省社会科学基金系列专项(17ZTB005)。
收稿日期： 2018-08-15
作者简介： 朱永凤(1993-)，女，安徽马鞍山人，博士研究生;研究方向：区域技术经济。
中图分类号: F13/17
文献标识码: A
(责任编辑 刘传忠)
标签：一带一路论文; 创新能力论文; 空间特征论文; 空间溢出论文; 南京航空航天大学经济与管理学院论文; 南京农业大学信息科学技术学院论文;