论文部分内容阅读
摘 要： 高技术产业集聚在提升区域创新效率的进程中扮演着重要角色，现阶段对于高技术产业集聚与区域创新之间关系研究方面大多忽视空间、时间因素。基于2005—2016年中国省际空间面板数据，采用空间误差和空间杜宾模型，实证分析了高技术产业集聚对区域创新效率的影响。研究发现：我国高技术产业空间集聚明显，地区间差异较大，高技术产业集聚与区域创新效率间存在明显的空间相关性，高技术产业集聚能有效促进区域创新效率的提升。人力资本、对外开放能有效提高区域创新效率。
关 键 词： 产业集聚;区域创新效率;空间溢出效应
DOI： 10.16315/j.stm.2020.02.005
中图分类号： F276.44
文献标志码： A
Spillover effect of high-tech industry agglomeration on regional
innovation efficiency and time-space differentiation
XIU Guo-yi， ZHENG Xue
（School of Economics and Management， Harbin University of Science and Technology， Harbin 150040， China）
Abstract： High-tech industry agglomeration plays an important role in the process of improving regional innovation efficiency. At present， most of the research on the relationship between high-tech industry agglomeration and regional innovation ignores space and time factors. Based on the 2005—2016 Chinese inter-provincial spatial panel data， the spatial error and spatial Dubin model are used to empirically analyze the impact of high-tech industrial agglomeration on regional innovation efficiency. The study finds that Chinas high-tech industry has a clear spatial agglomeration and large regional differences. There is a significant spatial correlation between high-tech industrial agglomeration and regional innovation efficiency. High-tech industrial agglomeration can effectively promote regional innovation efficiency. Human capital and opening up can effectively improve regional innovation efficiency.
Keywords： industrial agglomeration; regional innovation efficiency; spatial spillover effect
自21世纪以来，我国高技术产业规模快速增长，已深度融入全球分工体系。高技术产业是国际经济和科技竞争的重要领域，关系到国家产业发展的核心竞争力，高技术产业的集聚与区域创新效率间存在循环积累的内生动力，研究高技术产业集聚与区域创新效率之间关系对提高地区竞争力、区域创新能力具有重要意义。本研究从溢出效应和时空分异角度，测度高技术产业集聚对区域创新效率的作用方向和影响程度，以及长期内这种作用效果能否持续，明确高技术产业集聚对区域创新效率的作用效果，旨在促进区域创新效率的提高，强化高技术产业集聚的作用效果，进而提高我国各地区的区域创新能力，提高我国在国际经济与科技领域的竞争力。
1 文献综述
在产业集聚与创新效应方面，杜威剑等[1]研究了产业集聚与企业创新之间的关系，发现产业集聚对企业的创新产出具有明显的促进作用，这一影响具有明显的行业异质性和企业异质性，国有企业创新产出受产业集聚的影响更为明显。沈能等[2]基于制造业普查数据研究了不同集聚规模对企业创新的影响，指出了企业的创新活动受产业集群外部性与多元化产业结构的影响，影响程度由企业规模和集聚程度决定。颜克益等[3]发现产业集聚度对于企业创新绩效具有正向的调节作用。李晓龙等[4]利用空间杜宾模型检验了科技服务业集聚对创新效率的空间溢出效应，认为两者之间存在全域的空间相关性。谢子远[5]以高技术产业五大产业之一的医药制造业为研究对象，研究发现了高技術产业集聚和区域研发效率之间存在相关关系，这种关系不是简单的线性关系而是“倒U形”关系。
在高技术产业集聚方面，黄宝凤等[6]建立空间面板模型实证检验了威廉姆森假说，认为高技术产业集聚对经济增长具有明显的促进作用。金春雨等[7]发现我国高技术产业区域间集聚存在正向的相关性。陈俊等[8]利用索洛残差法研究了高技术产业集聚的经济效应，认为中西部的高技术产业集聚经济效应高于东部地区。
在高技术产业集聚与创新产出方面，吕承超等[9]利用空间计量方法研究了高技术产业不同集聚模式对创新产出的影响，发现高技术产业集聚对创新产出具有明显的累计循环效应和空间溢出效应，高技术产业的创新产出具有空间异质性。张秀武等[10]在经典知识函数的基础上，利用面板数据研究了高技术产业集群对创新的影响，发现产业集群因素对于高技术产业的创新产出具有显著影响。周明等[11]认为产业集聚对高技术产业的创新产出具有促进作用。方齐云等[12]利用随机面板模型，通过分区域的数据对高技术产业集聚对创新效率的影响进行了研究，研究认为东部地区的高技术产业集聚阻碍了技术创新。 通过对相关文献的梳理发现，学术界对于产业集聚与创新关系的研究十分全面，从高技术产业集聚与创新产出角度来说，已有研究多是研究不同集聚模式的知识溢出效应，对高技术产业集聚度与创新效率关系的探索不多，已有研究方法多是利用平面计量与因子分析方法，存在一定的局限性，忽视了创新效率的时间因素和空间因素。已有研究对具体行业具体区域的高技术产业集聚对区域创新效率影响的实证分析较少，并且中国地形复杂，地理效应显著，区域资源集聚会受邻近区域的影响，产业集聚的空间溢出效应显著，故从空间视角测度高技术产业集聚区域创新效率的影响程度更具实践意义。本研究利用区位熵的思想，从空间计量的角度出发，研究高技术产业集聚对创新效率的溢出效应，以推动高技术产业的有效集聚，加快创新效率的提升。
2 指标体系与数据来源
本研究基于中国30个省、市、自治区，由于西藏部分数据缺失严重，因此进行相关分析时剔除西藏数据，时间跨度为2005—2016年，数据来源于《中国高技术企业统计年鉴》、《中国统计年鉴》、《各省统计年鉴》、国际统计局官网、WIND资讯数据库。
2.1 解释变量与被解释变量
目前的研究对于产业集聚的测度方法比较多，主要有以经济活动为基础的测度、以距离空间为基础的测度和以空间相关研究方法为基础的测度。常用的指标一般是以经济活动为基础的测度，主要有行业集中度、HH指数、区位熵、M-S指数、E-G指数等。考虑到研究目的与数据可得性本研究借鉴哈盖特的思想，利用区位熵的指标对高技术产业的集聚度进行测度。用高技术产业集聚度作为解释变量，用高技术产业集聚区位熵Q来测度高技术产业集聚程度。
根据国内外学者已有的研究，区域创新效率一般可从3个角度进行度量，分别是创新投入、创新环境和创新产出。其中创新环境影响因素比较复杂，数据获取难度较大，所以一般用创新投入、创新产出来代表区域创新效率。本研究基于创新投入、创新产出的相关指标计算得出区域创新效率，用区域创新效率RIE作为被解释变量，利用DEA2.1软件进行测度分析。
2.2 控制变量
高技术产业集聚是产业集聚研究的一个范畴，产业集聚是某个同一产业在地理上的高度集中，也就是生产要素等在空间范围内进行不断集聚的过程，借鉴桂黄宝[13]的研究方法，将要素投入水平分为资本投入和劳动投入。引入控制变量政府支持力度GOV代表资本投入，用各地区R&D活动经费中政府资金所占比例来表示;引入人力资本水平代表劳动投入，借鉴梁军等[14]的做法，采用平均受教育年限衡量各地区人力资本水平HUM，按照文盲：小学：初中：高中：大专及以上为06∶ 9∶ 12∶ 15的比例进行加权求得。对外开放程度影响区域创新，对外开放不仅给开放国带来了资金、技术，同时会通过竞争效应、模仿效应等方式对开放国产生技术溢出[15]。本研究引入区域对外开放度OPEN，采用各地区FDI实际利用额与GDP的比来表示。
2.3 高技术产业集聚度度量
区位熵理论上应该用高技术产业产值相关数据进行计算，但由于《中国高技术企业统计年鉴》2008年以后高技术产业产值这一统计口径取消，因此使用高技术产业主营业务收入进行测算，具体计算式为
Qi，t=（CBCi，t÷GDPi，t）÷（CBCt÷GDPt）。 （1）
其中：Qi，t代表i地区第t年高技术产业集聚度，通过区位熵来表达;CBCi，t代表i地区第t年的高技术产业的主营业务收入;GDPi，t代表i地区第t年的GDP产值;CBCt代表中国第t年高技术产业的主营业务收入;GDPt代表中国第t年的GDP产值。经过计算2008年以前高技术产业主营业务收入与产值比例都在97%以上，使用高技术产业主营业务收入代替高技术产业产值具有科学性、代表性，如表1所示。
2.4 区域创新效率度量
本研究利用DEA2.1软件对投入产出相关数据进行测度分析，用区域创新效率值RIE代表各地区创新效率值。
选取高技术产业新产品销售收入和专利申请受理数度量各地区创新产出情况，新产品销售收入相对新产品产值数据连续性强且与创新产出具有较强的相关性，专利申请受理数量比专利申请量受主观因素的影响更小，更具有科学性。新产品销售收入以2005年为基期，利用工业品生产者出厂价格指数对其进行平减。在要素投入方面，用R&D人员全时当量代表人力投入变量;用R&D经费内部支出代表资本投入变量，采用永续盘存法度量，其他年份资本存量以2005年为基期进行测算，如表2所示。借鉴YOUNG[16]的处理方法，以2005年R&D经费内部支出除以10%来估算各地区初始资本存量，对于其他年份资本存量，参考单豪杰[17]的方法采用10.96%的折旧率进行处理：
Ki，t=Ki，t-1（1-at）+Ii，t。 （2）
其中：Ki，t代表i地區第t年的资本存量，at代表第t年的折旧率，此处取10.96%，Ii，t代表新增资本存量，此处为R&D经费内部支出。
3 实证分析
3.1 模型构建
本研究在古典经济增长理论和新经济增长理论的基础上，结合新经济地理学理论，基于柯布道格拉斯生产函数，建立如下模型：
RIE=AQα×HUMβ×GOVγ×OPENδ。 （3）
对模型（3）加入时间、空间维度后，两边取对数，可得
ln RIEi，t= a+α ln Qi，t+β ln HUMi，t+
γ ln GOVi，t+δ ln OPENi，t+μi，t。 （4）
其中：A为综合技术水平，a为截距项，i为地区，t为时间，α、β、γ、δ分别为高技术产业集聚度、人力资本、政府支持力度、区域对外开放度的弹性系数，μ为随机误差项。 3.2 空间计量分析
3.2.1 空间自相关检验
通过对相关文献的梳理研究，本研究采用Moran’s I值对高技术产业集聚和区域创新效率在空间上的相关性进行检验，Moran’s I值计算如下所示：
I= ∑ n i=1 ∑ n j=1 w i，j
（zi-z ）（zj-z ）
S2∑ n i=1 ∑ n j=1 w i，j 。 （5）
其中：I为全局的莫兰指数值， w i，j 表示空间权重矩阵，本研究空间权重矩阵基于2005—2016年各地区人均GDP计算得出，为经济距离空间权重矩阵;S2=∑ n i=1 （z-z ）2，
z = ∑ n i=1 zi n ;n代表地区数量，i、j表示不同区域，z为地区的观测值。Moran’s I表示空间正相关，值越大，说明空间相关性越强;Moran’s I代表空间负相关性，值越小，说明空间的差异越大。
3.2.2 空間计量模型
1）空间滞后模型。空间滞后模型通过将空间滞后项引入到普通面板模型中，利用被解释变量的空间滞后项来反映区域间的空间相关性。模型构建如下：
ln RIEi，t= a0+ρ∑ n j=1 wi，jln RIEi，t+a1ln Qi，t+
a2ln HUMi，t+a3ln GOVi，t+
a4ln OPENi，t+μi，t。 （6）
其中：a0代表常数项，ρ∑ n j=1 wi，jln RIEi，t为空间滞后项，ρ为空间相关系数，a1、a2、a3、a4为相关变量的弹性系数，μi，t为随机误差项。
2）空间误差模型。空间误差模型主要用来研究被解释变量的误差对研究的地区观测值的影响，随机误差项中的空间滞后项来反映空间相关性。模型构建如下：
ln RIEi，t= a0+a1ln Qi，t+a2ln HUMi，t+
a3ln GOVi，t+a4ln OPENi，t+
λ∑ n j=1 wi，jμi，t+εi，t。 （7）
其中：λ为空间误差相关系数，λ∑ n j=1 wi，jμj，t为随机误差项的空间滞后项，εi，t为随机误差项，服从正态分布。
3）空间杜宾模型。当空间误差和空间滞后均显著时，采用空间杜宾模型来进行研究，模型构建如下：
ln RIEi，t= a0+ρ∑ n j=1 wi，jln RIEi，t+a1ln Qi，t+
a2ln HUMi，t+a3ln GOVi，t+
a4ln OPENi，t+b1∑ n j=1 wi，jln Qi，t+
b2∑ n j=1 wi，jln HUMi，t+b3∑ n j=1 wi，jln GOVi，t+
b4∑ n j=1 wi，jln OPENi，t+εi，t。 （8）
其中：∑ n j=1 wi，jln Qi，t、
∑ n j=1 wi，jln HUMi，t、
∑ n j=1 wi，jln GOVi，t、∑ n j=1 wi，jln OPENi，t等为相关变量的空间滞后项，b1、b2、b3为相关变量的弹性系数。
4 实证结果分析
4.1 空间相关性分析
本研究利用莫兰指数测度值来检验模型的空间相关性，如表4所示，莫兰指数值均大于零，在1%置信水平下显著，说明中国高技术产业存在明显的空间正相关性。进行空间权重矩阵测算和选择时，基于经济距离矩阵测算的莫兰指数值远大于基于邻接距离空间权重矩阵和地理距离空间权重矩阵测算的莫兰指数值，因此经济距离空间权重矩阵测算的高技术产业集聚与区域创新效率的相关性更强，所以采用经济距离空间权重矩阵进行相关测算。
莫兰指数测算结果表明，中国高技术产业高值—高值集聚，低值—低值集聚现象明显，区域创新效率的莫兰指数值为波动下降的趋势，这表明近年来各区域创新效率的空间依赖性减弱。
4.2 模型检验
4.2.1 LM检验
考虑到模型拟合效果的准确性，精确选择适用的空间模型，对模型（3）进行了LM检验，检验结果，如表5所示。
拉格朗日乘子检验结果显示：LM Lag（Anselin），LM Lag（Robust）的统计值均大于LM Error（Burridge），LM Error（Robust），且都通过 1%显著性检验，表明使用空间误差模型对2005—2016年中国高新技术产业集聚对区域创新效率影响进行分析将比使用空间滞后模型更加有效。
此外，LM SAC（LMErr+LMLag_R），LM SAC（LMLag+LMErr_R）也都通过 1%显著性检验，表明空间误差和空间滞后模型的组合效应显著，即可以利用空间杜宾模型进一步分析2005—2016年中国高新技术产业集聚对区域创新效率影响。
4.2.2 Hausman检验
为了确定选择固定效应还是随机效应，本研究进一步进行Hausman检验，检验结果，如表6所示。
由表6可知，Chi2统计量为17.40，其P值为0.001 6，显著拒绝使用随机效应模型的原假设，所以Hausman检验的结果表明应该使用固定效应模型。
4.3 回归分析
空间溢出效应指高技术产业集聚度提高时对周边地区区域创新效率的影响程度，空间溢出效应会促进各地区区域创新效率的提高，使得区域差距缩小。为了更加深入进行分析高技术产业集聚对区域创新效率的溢出效应，本研究进行了时空效应分解，从时间效应和空间效应的角度分别对高技术产业集聚对区域创新效率的影响进行分析。 使用固定效应面板模型进行回归估计，根据霍斯曼检验，认为固定效应模型显著优于随机效应模型，因此本研究僅将固定效应模型得到的结果在进行了呈现，如表7、表8所示。个体空间固定效应和时间固定效应均对模型有较优的估计，这说明中国高新技术产业集聚对区域创新效率影响不仅受时间的影响还受各地区具体情况的影响，这也为接下来对空间相关因素的分析提供支持。
根据面板模型回归结果，在1%的显著性水平上，高技术产业集聚的弹性系数显著为正，表明高技术产业集聚能有效促进区域创新效率的提升。
对于空间杜宾模型（SDM）的回归结果，其系数解读可以分为直接效应、间接效应和总效应。直接效应表示的是某地区自变量对该因变量的影响大小，其包括反馈效应 （feedback effects， FE），即对其他地区的影响又会反过来影响该地区。从数值上来看，直接效应等于空间 Durbin 模型系数与反馈效应之和。间接效应，又称为空间溢出效应 （spatial spillover effects），用于度量“邻近”地区的高新技术产业集聚对区域创新效率的影响。总效应为直接效应和间接效应之和。其可以解释为某一地区的高新技术产业集聚对所有地区区域创新效率的平均影响。
高技术产业集聚空间杜宾模型的直接效应、间接效应和总效应都为正值，说明本地区区域创新效率的提高受本地区高技术产业集聚的推动，同时相邻地区高技术产业的集聚对本地区区域创新效率的提升存在明显的“虹吸效应”，究其原因可能是高技术产业集聚度增高，可能从相邻地区抢占市场份额以增加产值，因此高技术产业集聚度增加会抑制相邻地区区域创新效率的提升，如表9所示。
根据其他控制变量的回归结果来看，人力资本水平对区域创新效率也有影响，人力资本水平提高能促进区域创新效率的提升，但相邻地区人力资本水平对本地区区域创新效率影响程度不大。一个地区对外开放程度增加不仅会提升本区域的创新效率的提升，同时对相邻地区具有明显的促进作用和溢出效应，对外开放会促进不同地区间创新资源的流动，从而使得周围地区的创新环境改善，进而提高区域创新效率。此外，政府支持对区域创新效率也有影响，但作用效果不显著。
5 结论与建议
5.1 结论
本研究利用2005—2016年12年的相关数据，基于我国30个省、市、自治区，对高技术产业空间集聚对区域创新效率的影响进行了分析，结果发现高技术产业集聚对区域创新效率有显著的空间溢出作用。利用空间误差模型和空间杜宾模型对高技术产业集聚、政府支持，对外开放度、人力资本等对区域创新效率的作用机制进行了研究，发现：中国30个省、市、自治区的高技术产业集聚水平整体不高，不同地区间的集聚水平差异较大;高技术产业具有集聚效应和辐射效应，有效促进了区域创新效率的提高，具有显著的空间溢出效应;其他变量中，政府支持对区域创新效率影响不显著;人力资本水平与区域创新效率间存在明显的正相关性，某地区人才储备高，区域创新效率高;对外开放度也有效促进了区域创新效率的提升，对外开放程度高，地区企业更容易接触新技术、新设备，提高创新效率。
5.2 建议
基于空间面板回归结果，本研究对区域创新效率的提高提出以下几点建议：
对高技术产业的集聚程度应进行适度强化，高技术产业在集聚过程中会出现许多实力不足、规模较小的中、小企业，其集聚形成比较困难，所以在行业内可以建立中介服务机构，来加快资源、信息的流动，促进集聚群落的形成。各省市应根据地区实际情况，提出差异化发展策略，来形成不同规模、层次的高技术产业集群。对于高技术产业发展较快、集聚水平较高的东部地区，应进一步保持优势，同时重点发展高技术产业市场，建立研发枢纽，逐步将相关生产环节往中、西部转移，带动周边地区的发展，促进资源有效利用。
区域人才储备是促进区域创新效率提升的有效途径，各地区企业应与相关高校做好链接，加大人力资本方面的投入，为企业储备优秀人才;在吸引外来优秀人才的同时，也要对企业原有的人才进行技术培训、订立创新激励政策，进而提高企业的竞争力。利用地区优势，完善基础设施，吸引外资，加强对外开放不断引入创新技术与创新人才，加强各个地区之间的交流，促进创新资源的流动，进而提高区域创新效率。
各地区的政府应提供更加完善的服务，如为高技术企业提供信息咨询、企业管理以及生产经营方面的服务，建立相关的信息流动网络，节省一些中小企业为获取信息而付出的高成本，营造良好的创新环境，促进产业集聚的形成。各相邻地区的政府应加强交流与合作，如定期举行交流会，联系不同区域的企业参会，交流信息，利用高技术产业集聚的溢出效应，使创新资源在不同地区中合理配置，引导创新技术在区域间合理流动。
5.3 研究局限与不足
本研究对高技术产业集聚与区域创新效率间关系进行了分析，丰富了两者影响机制的相关研究成果，但也存在一些不足：本研究以高技术产业为对象，探索产业集聚对区域创新效率的影响，在以后的研究中可以将研究重点放在中、低技术产业;本研究对高技术产业集聚对区域创新效率的时空效应进行了分析，未来可进一步引入门槛效应，进一步研究创新效率的具体门槛水平，测算相关边界;在引入控制变量时，只分析了人力资本水平、政府支持、对外开放度等，在以后的研究中可进一步引入其他相关变量，使研究结果更加全面、严谨。
参考文献：
[1] 杜威剑，李梦洁.产业集聚会促进企业产品创新吗？：基于中国工业企业数据库的实证研究[J].产业经济研究，2015（4）：1.
[2] 沈能，赵增耀.集聚动态外部性与企业创新能力[J].科研管理，2014，35（4）：1.
[3] 颜克益，芮明杰，巫景飞.产业集聚视角下高技术产业创新绩效影响因素研究：基于中国省际面板数据（1998～2007）的研究[J].经济与管理研究，2010（12）：57. [4] 李晓龙，冉光和，郑威.科技服务业空間集聚与企业创新效率提升：来自中国高技术产业的经验证据[J].研究与发展管理，2017，29（4）：1.
[5] 谢子远.高技术产业区域集聚能提高研发效率吗？：基于医药制造业的实证检验[J].科学学研究，2015，33（02）：215.
[6] 黄宝凤，武翰涛，曹增栋，等.高技术产业集聚对经济增长的非线性效应：基于门槛回归的经验研究[J].管理现代化，2019，39（3）：30.
[7] 金春雨，王伟强.我国高技术产业空间集聚及影响因素研究：基于省级面板数据的空间计量分析[J].科学学与科学技术管理，2015，36（7）：49.
[8] 陈俊，代明，宋慧.中国高技术产业集聚经济差异分析[J].中国科技论坛，2016（7）：55.
[9] 吕承超，商圆月.高技术产业集聚模式与创新产出的时空效应研究[J].管理科学，2017，30（2）：64.
[10] 张秀武，胡日东.区域高技术产业创新驱动力分析：基于产业集群的视角[J].财经研究，2008（4）：37.
[11] 周明，李宗植.基于产业集聚的高技术产业创新能力研究[J].科研管理，2011，32（1）：15.
[12] 方齐云，吴光豪.高技术产业集聚提高了创新效率吗？[J].管理现代化，2015，35（2）：55.
[13] 桂黄宝.我国高技术产业创新效率及其影响因素空间计量分析[J].经济地理，2014，34（6）：100.
[14] 梁军，赵青.教育人力资本及其溢出效应对中国科技创新的影响研究：基于省际面板数据的经验分析[J].上海大学学报（社会科学版），2018，35（6）：122.
[15] KHALED E.Foreign direct investment，technology spillovers，and host country spending on R&D[J].International Advances in Economic Research，2010，16：325.
[16] YOUNG A.Gold into base metals：productivity growth in the peoples republic of China during the reform period[J].Nber Working Papers，2000，111（6）：1220.
[17] 单豪杰.中国资本存量K的再估算：1952—2006年[J].数量经济技术经济研究，2008，25（10）：17.
[编辑：厉艳飞]
收稿日期： 2019-09-15
作者简介： 修国义（1959—），男，教授，博士;
郑 雪（1995—），女，硕士研究生.
关 键 词： 产业集聚;区域创新效率;空间溢出效应
DOI： 10.16315/j.stm.2020.02.005
中图分类号： F276.44
文献标志码： A
Spillover effect of high-tech industry agglomeration on regional
innovation efficiency and time-space differentiation
XIU Guo-yi， ZHENG Xue
（School of Economics and Management， Harbin University of Science and Technology， Harbin 150040， China）
Abstract： High-tech industry agglomeration plays an important role in the process of improving regional innovation efficiency. At present， most of the research on the relationship between high-tech industry agglomeration and regional innovation ignores space and time factors. Based on the 2005—2016 Chinese inter-provincial spatial panel data， the spatial error and spatial Dubin model are used to empirically analyze the impact of high-tech industrial agglomeration on regional innovation efficiency. The study finds that Chinas high-tech industry has a clear spatial agglomeration and large regional differences. There is a significant spatial correlation between high-tech industrial agglomeration and regional innovation efficiency. High-tech industrial agglomeration can effectively promote regional innovation efficiency. Human capital and opening up can effectively improve regional innovation efficiency.
Keywords： industrial agglomeration; regional innovation efficiency; spatial spillover effect
自21世纪以来，我国高技术产业规模快速增长，已深度融入全球分工体系。高技术产业是国际经济和科技竞争的重要领域，关系到国家产业发展的核心竞争力，高技术产业的集聚与区域创新效率间存在循环积累的内生动力，研究高技术产业集聚与区域创新效率之间关系对提高地区竞争力、区域创新能力具有重要意义。本研究从溢出效应和时空分异角度，测度高技术产业集聚对区域创新效率的作用方向和影响程度，以及长期内这种作用效果能否持续，明确高技术产业集聚对区域创新效率的作用效果，旨在促进区域创新效率的提高，强化高技术产业集聚的作用效果，进而提高我国各地区的区域创新能力，提高我国在国际经济与科技领域的竞争力。
1 文献综述
在产业集聚与创新效应方面，杜威剑等[1]研究了产业集聚与企业创新之间的关系，发现产业集聚对企业的创新产出具有明显的促进作用，这一影响具有明显的行业异质性和企业异质性，国有企业创新产出受产业集聚的影响更为明显。沈能等[2]基于制造业普查数据研究了不同集聚规模对企业创新的影响，指出了企业的创新活动受产业集群外部性与多元化产业结构的影响，影响程度由企业规模和集聚程度决定。颜克益等[3]发现产业集聚度对于企业创新绩效具有正向的调节作用。李晓龙等[4]利用空间杜宾模型检验了科技服务业集聚对创新效率的空间溢出效应，认为两者之间存在全域的空间相关性。谢子远[5]以高技术产业五大产业之一的医药制造业为研究对象，研究发现了高技術产业集聚和区域研发效率之间存在相关关系，这种关系不是简单的线性关系而是“倒U形”关系。
在高技术产业集聚方面，黄宝凤等[6]建立空间面板模型实证检验了威廉姆森假说，认为高技术产业集聚对经济增长具有明显的促进作用。金春雨等[7]发现我国高技术产业区域间集聚存在正向的相关性。陈俊等[8]利用索洛残差法研究了高技术产业集聚的经济效应，认为中西部的高技术产业集聚经济效应高于东部地区。
在高技术产业集聚与创新产出方面，吕承超等[9]利用空间计量方法研究了高技术产业不同集聚模式对创新产出的影响，发现高技术产业集聚对创新产出具有明显的累计循环效应和空间溢出效应，高技术产业的创新产出具有空间异质性。张秀武等[10]在经典知识函数的基础上，利用面板数据研究了高技术产业集群对创新的影响，发现产业集群因素对于高技术产业的创新产出具有显著影响。周明等[11]认为产业集聚对高技术产业的创新产出具有促进作用。方齐云等[12]利用随机面板模型，通过分区域的数据对高技术产业集聚对创新效率的影响进行了研究，研究认为东部地区的高技术产业集聚阻碍了技术创新。 通过对相关文献的梳理发现，学术界对于产业集聚与创新关系的研究十分全面，从高技术产业集聚与创新产出角度来说，已有研究多是研究不同集聚模式的知识溢出效应，对高技术产业集聚度与创新效率关系的探索不多，已有研究方法多是利用平面计量与因子分析方法，存在一定的局限性，忽视了创新效率的时间因素和空间因素。已有研究对具体行业具体区域的高技术产业集聚对区域创新效率影响的实证分析较少，并且中国地形复杂，地理效应显著，区域资源集聚会受邻近区域的影响，产业集聚的空间溢出效应显著，故从空间视角测度高技术产业集聚区域创新效率的影响程度更具实践意义。本研究利用区位熵的思想，从空间计量的角度出发，研究高技术产业集聚对创新效率的溢出效应，以推动高技术产业的有效集聚，加快创新效率的提升。
2 指标体系与数据来源
本研究基于中国30个省、市、自治区，由于西藏部分数据缺失严重，因此进行相关分析时剔除西藏数据，时间跨度为2005—2016年，数据来源于《中国高技术企业统计年鉴》、《中国统计年鉴》、《各省统计年鉴》、国际统计局官网、WIND资讯数据库。
2.1 解释变量与被解释变量
目前的研究对于产业集聚的测度方法比较多，主要有以经济活动为基础的测度、以距离空间为基础的测度和以空间相关研究方法为基础的测度。常用的指标一般是以经济活动为基础的测度，主要有行业集中度、HH指数、区位熵、M-S指数、E-G指数等。考虑到研究目的与数据可得性本研究借鉴哈盖特的思想，利用区位熵的指标对高技术产业的集聚度进行测度。用高技术产业集聚度作为解释变量，用高技术产业集聚区位熵Q来测度高技术产业集聚程度。
根据国内外学者已有的研究，区域创新效率一般可从3个角度进行度量，分别是创新投入、创新环境和创新产出。其中创新环境影响因素比较复杂，数据获取难度较大，所以一般用创新投入、创新产出来代表区域创新效率。本研究基于创新投入、创新产出的相关指标计算得出区域创新效率，用区域创新效率RIE作为被解释变量，利用DEA2.1软件进行测度分析。
2.2 控制变量
高技术产业集聚是产业集聚研究的一个范畴，产业集聚是某个同一产业在地理上的高度集中，也就是生产要素等在空间范围内进行不断集聚的过程，借鉴桂黄宝[13]的研究方法，将要素投入水平分为资本投入和劳动投入。引入控制变量政府支持力度GOV代表资本投入，用各地区R&D活动经费中政府资金所占比例来表示;引入人力资本水平代表劳动投入，借鉴梁军等[14]的做法，采用平均受教育年限衡量各地区人力资本水平HUM，按照文盲：小学：初中：高中：大专及以上为06∶ 9∶ 12∶ 15的比例进行加权求得。对外开放程度影响区域创新，对外开放不仅给开放国带来了资金、技术，同时会通过竞争效应、模仿效应等方式对开放国产生技术溢出[15]。本研究引入区域对外开放度OPEN，采用各地区FDI实际利用额与GDP的比来表示。
2.3 高技术产业集聚度度量
区位熵理论上应该用高技术产业产值相关数据进行计算，但由于《中国高技术企业统计年鉴》2008年以后高技术产业产值这一统计口径取消，因此使用高技术产业主营业务收入进行测算，具体计算式为
Qi，t=（CBCi，t÷GDPi，t）÷（CBCt÷GDPt）。 （1）
其中：Qi，t代表i地区第t年高技术产业集聚度，通过区位熵来表达;CBCi，t代表i地区第t年的高技术产业的主营业务收入;GDPi，t代表i地区第t年的GDP产值;CBCt代表中国第t年高技术产业的主营业务收入;GDPt代表中国第t年的GDP产值。经过计算2008年以前高技术产业主营业务收入与产值比例都在97%以上，使用高技术产业主营业务收入代替高技术产业产值具有科学性、代表性，如表1所示。
2.4 区域创新效率度量
本研究利用DEA2.1软件对投入产出相关数据进行测度分析，用区域创新效率值RIE代表各地区创新效率值。
选取高技术产业新产品销售收入和专利申请受理数度量各地区创新产出情况，新产品销售收入相对新产品产值数据连续性强且与创新产出具有较强的相关性，专利申请受理数量比专利申请量受主观因素的影响更小，更具有科学性。新产品销售收入以2005年为基期，利用工业品生产者出厂价格指数对其进行平减。在要素投入方面，用R&D人员全时当量代表人力投入变量;用R&D经费内部支出代表资本投入变量，采用永续盘存法度量，其他年份资本存量以2005年为基期进行测算，如表2所示。借鉴YOUNG[16]的处理方法，以2005年R&D经费内部支出除以10%来估算各地区初始资本存量，对于其他年份资本存量，参考单豪杰[17]的方法采用10.96%的折旧率进行处理：
Ki，t=Ki，t-1（1-at）+Ii，t。 （2）
其中：Ki，t代表i地區第t年的资本存量，at代表第t年的折旧率，此处取10.96%，Ii，t代表新增资本存量，此处为R&D经费内部支出。
3 实证分析
3.1 模型构建
本研究在古典经济增长理论和新经济增长理论的基础上，结合新经济地理学理论，基于柯布道格拉斯生产函数，建立如下模型：
RIE=AQα×HUMβ×GOVγ×OPENδ。 （3）
对模型（3）加入时间、空间维度后，两边取对数，可得
ln RIEi，t= a+α ln Qi，t+β ln HUMi，t+
γ ln GOVi，t+δ ln OPENi，t+μi，t。 （4）
其中：A为综合技术水平，a为截距项，i为地区，t为时间，α、β、γ、δ分别为高技术产业集聚度、人力资本、政府支持力度、区域对外开放度的弹性系数，μ为随机误差项。 3.2 空间计量分析
3.2.1 空间自相关检验
通过对相关文献的梳理研究，本研究采用Moran’s I值对高技术产业集聚和区域创新效率在空间上的相关性进行检验，Moran’s I值计算如下所示：
I= ∑ n i=1 ∑ n j=1 w i，j
（zi-z ）（zj-z ）
S2∑ n i=1 ∑ n j=1 w i，j 。 （5）
其中：I为全局的莫兰指数值， w i，j 表示空间权重矩阵，本研究空间权重矩阵基于2005—2016年各地区人均GDP计算得出，为经济距离空间权重矩阵;S2=∑ n i=1 （z-z ）2，
z = ∑ n i=1 zi n ;n代表地区数量，i、j表示不同区域，z为地区的观测值。Moran’s I表示空间正相关，值越大，说明空间相关性越强;Moran’s I代表空间负相关性，值越小，说明空间的差异越大。
3.2.2 空間计量模型
1）空间滞后模型。空间滞后模型通过将空间滞后项引入到普通面板模型中，利用被解释变量的空间滞后项来反映区域间的空间相关性。模型构建如下：
ln RIEi，t= a0+ρ∑ n j=1 wi，jln RIEi，t+a1ln Qi，t+
a2ln HUMi，t+a3ln GOVi，t+
a4ln OPENi，t+μi，t。 （6）
其中：a0代表常数项，ρ∑ n j=1 wi，jln RIEi，t为空间滞后项，ρ为空间相关系数，a1、a2、a3、a4为相关变量的弹性系数，μi，t为随机误差项。
2）空间误差模型。空间误差模型主要用来研究被解释变量的误差对研究的地区观测值的影响，随机误差项中的空间滞后项来反映空间相关性。模型构建如下：
ln RIEi，t= a0+a1ln Qi，t+a2ln HUMi，t+
a3ln GOVi，t+a4ln OPENi，t+
λ∑ n j=1 wi，jμi，t+εi，t。 （7）
其中：λ为空间误差相关系数，λ∑ n j=1 wi，jμj，t为随机误差项的空间滞后项，εi，t为随机误差项，服从正态分布。
3）空间杜宾模型。当空间误差和空间滞后均显著时，采用空间杜宾模型来进行研究，模型构建如下：
ln RIEi，t= a0+ρ∑ n j=1 wi，jln RIEi，t+a1ln Qi，t+
a2ln HUMi，t+a3ln GOVi，t+
a4ln OPENi，t+b1∑ n j=1 wi，jln Qi，t+
b2∑ n j=1 wi，jln HUMi，t+b3∑ n j=1 wi，jln GOVi，t+
b4∑ n j=1 wi，jln OPENi，t+εi，t。 （8）
其中：∑ n j=1 wi，jln Qi，t、
∑ n j=1 wi，jln HUMi，t、
∑ n j=1 wi，jln GOVi，t、∑ n j=1 wi，jln OPENi，t等为相关变量的空间滞后项，b1、b2、b3为相关变量的弹性系数。
4 实证结果分析
4.1 空间相关性分析
本研究利用莫兰指数测度值来检验模型的空间相关性，如表4所示，莫兰指数值均大于零，在1%置信水平下显著，说明中国高技术产业存在明显的空间正相关性。进行空间权重矩阵测算和选择时，基于经济距离矩阵测算的莫兰指数值远大于基于邻接距离空间权重矩阵和地理距离空间权重矩阵测算的莫兰指数值，因此经济距离空间权重矩阵测算的高技术产业集聚与区域创新效率的相关性更强，所以采用经济距离空间权重矩阵进行相关测算。
莫兰指数测算结果表明，中国高技术产业高值—高值集聚，低值—低值集聚现象明显，区域创新效率的莫兰指数值为波动下降的趋势，这表明近年来各区域创新效率的空间依赖性减弱。
4.2 模型检验
4.2.1 LM检验
考虑到模型拟合效果的准确性，精确选择适用的空间模型，对模型（3）进行了LM检验，检验结果，如表5所示。
拉格朗日乘子检验结果显示：LM Lag（Anselin），LM Lag（Robust）的统计值均大于LM Error（Burridge），LM Error（Robust），且都通过 1%显著性检验，表明使用空间误差模型对2005—2016年中国高新技术产业集聚对区域创新效率影响进行分析将比使用空间滞后模型更加有效。
此外，LM SAC（LMErr+LMLag_R），LM SAC（LMLag+LMErr_R）也都通过 1%显著性检验，表明空间误差和空间滞后模型的组合效应显著，即可以利用空间杜宾模型进一步分析2005—2016年中国高新技术产业集聚对区域创新效率影响。
4.2.2 Hausman检验
为了确定选择固定效应还是随机效应，本研究进一步进行Hausman检验，检验结果，如表6所示。
由表6可知，Chi2统计量为17.40，其P值为0.001 6，显著拒绝使用随机效应模型的原假设，所以Hausman检验的结果表明应该使用固定效应模型。
4.3 回归分析
空间溢出效应指高技术产业集聚度提高时对周边地区区域创新效率的影响程度，空间溢出效应会促进各地区区域创新效率的提高，使得区域差距缩小。为了更加深入进行分析高技术产业集聚对区域创新效率的溢出效应，本研究进行了时空效应分解，从时间效应和空间效应的角度分别对高技术产业集聚对区域创新效率的影响进行分析。 使用固定效应面板模型进行回归估计，根据霍斯曼检验，认为固定效应模型显著优于随机效应模型，因此本研究僅将固定效应模型得到的结果在进行了呈现，如表7、表8所示。个体空间固定效应和时间固定效应均对模型有较优的估计，这说明中国高新技术产业集聚对区域创新效率影响不仅受时间的影响还受各地区具体情况的影响，这也为接下来对空间相关因素的分析提供支持。
根据面板模型回归结果，在1%的显著性水平上，高技术产业集聚的弹性系数显著为正，表明高技术产业集聚能有效促进区域创新效率的提升。
对于空间杜宾模型（SDM）的回归结果，其系数解读可以分为直接效应、间接效应和总效应。直接效应表示的是某地区自变量对该因变量的影响大小，其包括反馈效应 （feedback effects， FE），即对其他地区的影响又会反过来影响该地区。从数值上来看，直接效应等于空间 Durbin 模型系数与反馈效应之和。间接效应，又称为空间溢出效应 （spatial spillover effects），用于度量“邻近”地区的高新技术产业集聚对区域创新效率的影响。总效应为直接效应和间接效应之和。其可以解释为某一地区的高新技术产业集聚对所有地区区域创新效率的平均影响。
高技术产业集聚空间杜宾模型的直接效应、间接效应和总效应都为正值，说明本地区区域创新效率的提高受本地区高技术产业集聚的推动，同时相邻地区高技术产业的集聚对本地区区域创新效率的提升存在明显的“虹吸效应”，究其原因可能是高技术产业集聚度增高，可能从相邻地区抢占市场份额以增加产值，因此高技术产业集聚度增加会抑制相邻地区区域创新效率的提升，如表9所示。
根据其他控制变量的回归结果来看，人力资本水平对区域创新效率也有影响，人力资本水平提高能促进区域创新效率的提升，但相邻地区人力资本水平对本地区区域创新效率影响程度不大。一个地区对外开放程度增加不仅会提升本区域的创新效率的提升，同时对相邻地区具有明显的促进作用和溢出效应，对外开放会促进不同地区间创新资源的流动，从而使得周围地区的创新环境改善，进而提高区域创新效率。此外，政府支持对区域创新效率也有影响，但作用效果不显著。
5 结论与建议
5.1 结论
本研究利用2005—2016年12年的相关数据，基于我国30个省、市、自治区，对高技术产业空间集聚对区域创新效率的影响进行了分析，结果发现高技术产业集聚对区域创新效率有显著的空间溢出作用。利用空间误差模型和空间杜宾模型对高技术产业集聚、政府支持，对外开放度、人力资本等对区域创新效率的作用机制进行了研究，发现：中国30个省、市、自治区的高技术产业集聚水平整体不高，不同地区间的集聚水平差异较大;高技术产业具有集聚效应和辐射效应，有效促进了区域创新效率的提高，具有显著的空间溢出效应;其他变量中，政府支持对区域创新效率影响不显著;人力资本水平与区域创新效率间存在明显的正相关性，某地区人才储备高，区域创新效率高;对外开放度也有效促进了区域创新效率的提升，对外开放程度高，地区企业更容易接触新技术、新设备，提高创新效率。
5.2 建议
基于空间面板回归结果，本研究对区域创新效率的提高提出以下几点建议：
对高技术产业的集聚程度应进行适度强化，高技术产业在集聚过程中会出现许多实力不足、规模较小的中、小企业，其集聚形成比较困难，所以在行业内可以建立中介服务机构，来加快资源、信息的流动，促进集聚群落的形成。各省市应根据地区实际情况，提出差异化发展策略，来形成不同规模、层次的高技术产业集群。对于高技术产业发展较快、集聚水平较高的东部地区，应进一步保持优势，同时重点发展高技术产业市场，建立研发枢纽，逐步将相关生产环节往中、西部转移，带动周边地区的发展，促进资源有效利用。
区域人才储备是促进区域创新效率提升的有效途径，各地区企业应与相关高校做好链接，加大人力资本方面的投入，为企业储备优秀人才;在吸引外来优秀人才的同时，也要对企业原有的人才进行技术培训、订立创新激励政策，进而提高企业的竞争力。利用地区优势，完善基础设施，吸引外资，加强对外开放不断引入创新技术与创新人才，加强各个地区之间的交流，促进创新资源的流动，进而提高区域创新效率。
各地区的政府应提供更加完善的服务，如为高技术企业提供信息咨询、企业管理以及生产经营方面的服务，建立相关的信息流动网络，节省一些中小企业为获取信息而付出的高成本，营造良好的创新环境，促进产业集聚的形成。各相邻地区的政府应加强交流与合作，如定期举行交流会，联系不同区域的企业参会，交流信息，利用高技术产业集聚的溢出效应，使创新资源在不同地区中合理配置，引导创新技术在区域间合理流动。
5.3 研究局限与不足
本研究对高技术产业集聚与区域创新效率间关系进行了分析，丰富了两者影响机制的相关研究成果，但也存在一些不足：本研究以高技术产业为对象，探索产业集聚对区域创新效率的影响，在以后的研究中可以将研究重点放在中、低技术产业;本研究对高技术产业集聚对区域创新效率的时空效应进行了分析，未来可进一步引入门槛效应，进一步研究创新效率的具体门槛水平，测算相关边界;在引入控制变量时，只分析了人力资本水平、政府支持、对外开放度等，在以后的研究中可进一步引入其他相关变量，使研究结果更加全面、严谨。
参考文献：
[1] 杜威剑，李梦洁.产业集聚会促进企业产品创新吗？：基于中国工业企业数据库的实证研究[J].产业经济研究，2015（4）：1.
[2] 沈能，赵增耀.集聚动态外部性与企业创新能力[J].科研管理，2014，35（4）：1.
[3] 颜克益，芮明杰，巫景飞.产业集聚视角下高技术产业创新绩效影响因素研究：基于中国省际面板数据（1998～2007）的研究[J].经济与管理研究，2010（12）：57. [4] 李晓龙，冉光和，郑威.科技服务业空間集聚与企业创新效率提升：来自中国高技术产业的经验证据[J].研究与发展管理，2017，29（4）：1.
[5] 谢子远.高技术产业区域集聚能提高研发效率吗？：基于医药制造业的实证检验[J].科学学研究，2015，33（02）：215.
[6] 黄宝凤，武翰涛，曹增栋，等.高技术产业集聚对经济增长的非线性效应：基于门槛回归的经验研究[J].管理现代化，2019，39（3）：30.
[7] 金春雨，王伟强.我国高技术产业空间集聚及影响因素研究：基于省级面板数据的空间计量分析[J].科学学与科学技术管理，2015，36（7）：49.
[8] 陈俊，代明，宋慧.中国高技术产业集聚经济差异分析[J].中国科技论坛，2016（7）：55.
[9] 吕承超，商圆月.高技术产业集聚模式与创新产出的时空效应研究[J].管理科学，2017，30（2）：64.
[10] 张秀武，胡日东.区域高技术产业创新驱动力分析：基于产业集群的视角[J].财经研究，2008（4）：37.
[11] 周明，李宗植.基于产业集聚的高技术产业创新能力研究[J].科研管理，2011，32（1）：15.
[12] 方齐云，吴光豪.高技术产业集聚提高了创新效率吗？[J].管理现代化，2015，35（2）：55.
[13] 桂黄宝.我国高技术产业创新效率及其影响因素空间计量分析[J].经济地理，2014，34（6）：100.
[14] 梁军，赵青.教育人力资本及其溢出效应对中国科技创新的影响研究：基于省际面板数据的经验分析[J].上海大学学报（社会科学版），2018，35（6）：122.
[15] KHALED E.Foreign direct investment，technology spillovers，and host country spending on R&D[J].International Advances in Economic Research，2010，16：325.
[16] YOUNG A.Gold into base metals：productivity growth in the peoples republic of China during the reform period[J].Nber Working Papers，2000，111（6）：1220.
[17] 单豪杰.中国资本存量K的再估算：1952—2006年[J].数量经济技术经济研究，2008，25（10）：17.
[编辑：厉艳飞]
收稿日期： 2019-09-15
作者简介： 修国义（1959—），男，教授，博士;
郑 雪（1995—），女，硕士研究生.