论文部分内容阅读
摘要：本文利用中国2002年至2015年分省面板数据，通过随机前沿分析法测度出各地区在该期间内创新效率的情况，并运用空间计量分析方法，从地理特征、社会经济特征维度构建空间权重矩阵，考察空间关联对创新绩效的影响。实证结果表明：我国的创新效率呈现显著的正空间相关性。
关键词：空间关联 创新效率
一、引言
在我国实施“一带一路”倡议、创新驱动发展战略的进程中，如何通过合理使用资源来实现创新绩效的优化是一个重要的议题。在知识经济时代背景下，区域创新在区域经济增长中的作用不言而喻。如何更好地推进经济新常态下的区域创新合作，最大程度地形成创新集聚效应和创新扩散效应尤为重要。
几乎所有的空间数据都具有空间依赖或空间自相关的特征，然而现有文献在研究创新活动时往往将各个区域看成是相对独立的系统。国家创新体系由各个区域创新系统有机构成，区域之间存在着相互联系。
二、理论框架
现有文献关于研发要素与创新的关系考察主要基于以下两条路径展开：一是在内生增长理论的框架内，探讨研发要素的投入数量对创新的影响;二是遵循新经济地理学的研究方式，考察研发要素的外部性特征，研究发现研发要素在各个省份间的流动并非是相互独立的，忽略空间相关性会造成模型的错误。
经济要素的流动是解释空间相关的重要原因（才国伟、钱金保，2013），创新要素的流动追逐自身价值最大化的目标。研发要素携带了更多的知识和技术，创新要素的流动会对创新造成显著的影响。
三、区域创新绩效的测算及空间关联的度量
（一）变量与测度方法
目前学者研究的地区创新变量大致有：①专利数量;②新产品销售收入;③区域创新效率。各个被解释变量之间各有利弊。
测度的方法可分为参数法和非参数法。参数法为随机前沿分析（Stochastic Frontier Analysis，SFA），但如果设置的函数不得当，则会出现严重的偏误。非参数法无需设置生产函数的形式，因此避免了统计误差对效率测算的影响。
运用SFA计算区域创新效率关键问题在于如何选取投入变量和产出变量，资金和人员的投入对区域创新效率产生了影响，指标主要有R&D人员与R&D资本存量两项。对于R&D资本存量，参考吴延兵（2006）的研究，用永续盘存法核算。
Kit=（1-δ） *Ki（t-1）+Ei（t-1）
Kit表示R&D资本存量，δ为折旧率，参考吴延兵（2006），取其值δ=15%;Ei（t-1）为i地区第t-1期的实际R&D经费支出，我们用朱平芳、徐伟民（2003）构造的R&D支出价格指数对各期的名义R&D经费进行平减处理。
对于基期资本存量，在假设R&D资本存量增长率与实际R&D经费增长率一样的基础上，估计公式可以表示为：
Ki0=Ei0/（g+δ）
该式中，Ki0为基期的资本存量，Ei0为基期的实际R&D支出，g为实际R&D经费支出的几何平均增长率。
我选择了专利授权数作为区域创新的知识产出。
利用上文中给出的研究方法以及投入和产出指标，利用FRONT4.1软件中的SFA测算了我国各地区2002年至2015年的创新效率。
创新效率比较高的地区有浙江、广东、海南、新疆等地区，其创新效率的平均值均在0.6以上。北京、陕西等地区的创新效率偏低，尚不足0.2，处于较低的水平。
（二）空间关联的度量
空间数据有横截面单位或者面板单位的位置信息，考虑了横截面之间的空间依赖性。空间矩阵量化了个体间的空间位置关系，实现了现实数据到空间计量模型的映射（张可云等，2017），因此空间权重矩阵Wij的设置是空间计量经济学的核心问题之一。通常依据空间单元的邻接性来设定，但是这种地理邻接矩阵不足以充分反映区域之间的关联。
部分学者采用空间距离权重矩阵来表征区际间的空间效应，这样的设置方法体现了地理学第一定律，即空间相关性的强弱取决于空间单元之间的距离，距离越近则空间相关性越强。
此外，随着近年来各区域交通设施密度的大幅度提高，交通设施的完善（苏屹、林周周，2017），因此构建出了交通水平距离空间权重矩阵。
四、空间分布检验
1.计算方法。考虑到空间序列基于空间自相关的复杂性，本文用Moran`s Ⅰ指数来检验变量的空间相关性，其计算公式为：
其中， xij表示第i个地区的观测值，S2为样本方差，n为地区总数，wij为空间权重矩阵（i，j）的元素。
Moran`s Ⅰ指数的取值介于-1至1之间，大于0表示正自相关，;小于0表示负自相关;等于0表示单元之间没有空间关系。
2.数据来源。本文的研究对象为中国30个省份，样本期为2002年至2015年，数据来源于《中国统计年鉴》《中国科技年鉴》，其他数据来源为各省统计年鉴。
五、实证分析
在考察期内，区域创新绩效的Moran Ⅰ指数为正值，且均通过了显著性检验，表明区域创新绩效具有显著的空间相关性，受到相邻或者相近区域创新效率的影响，呈现明显的空间集聚。
六、结论
结果表明，我国的创新效率之间出现了正向影响，即各个区域之间创新效率呈先高-高、低-低分布，即创新效率高的地区和创新效率低的地区呈现出显著的聚集状态。
目前我国经济已经处于新常态发展阶段，該阶段我国要将要素驱动转向创新驱动发展，在转变的过程中各个地区有必要认识清楚自己所处的位置，要开拓视野，应不断充分利用周边地区的资源，以提高本地区的创新能力和创新效率。
各个地区在增加人力物力投资的同时，应当注重创新效率的问题。创新不仅仅是知识的产物，同时也需要相应的创新机制来支持创新效率的提升。加强国家创新体系建设，强化战略科技力量。深化科技体制改革，建立以企业为主体、市场为导向、产学研深度融合的技术创新体系，加强对中小企业创新的支持，促进科技成果转化。
参考文献：
[1]才国伟，钱金保.解析空间相关的来源：理论模型与经验证据[J].经济学：季刊，2013，12（2）：869-894.
[2]吴延兵.R&D与生产率——基于中国制造业的实证研究[J].经济研究，2006（11）：60-71.
[3]朱平芳，徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J].经济研究，2003（6）：45-53.
[4]张可云，王裕瑾，王婧.空间权重矩阵的设定方法研究[J].区域经济评论，2017（1）：19-25.
[5]苏屹，林周周.区域创新活动的空间效应及影响因素研究[J].数量经济技术经济研究，2017（11）：63-80.
（作者单位：西北大学经济管理学院）
关键词：空间关联 创新效率
一、引言
在我国实施“一带一路”倡议、创新驱动发展战略的进程中，如何通过合理使用资源来实现创新绩效的优化是一个重要的议题。在知识经济时代背景下，区域创新在区域经济增长中的作用不言而喻。如何更好地推进经济新常态下的区域创新合作，最大程度地形成创新集聚效应和创新扩散效应尤为重要。
几乎所有的空间数据都具有空间依赖或空间自相关的特征，然而现有文献在研究创新活动时往往将各个区域看成是相对独立的系统。国家创新体系由各个区域创新系统有机构成，区域之间存在着相互联系。
二、理论框架
现有文献关于研发要素与创新的关系考察主要基于以下两条路径展开：一是在内生增长理论的框架内，探讨研发要素的投入数量对创新的影响;二是遵循新经济地理学的研究方式，考察研发要素的外部性特征，研究发现研发要素在各个省份间的流动并非是相互独立的，忽略空间相关性会造成模型的错误。
经济要素的流动是解释空间相关的重要原因（才国伟、钱金保，2013），创新要素的流动追逐自身价值最大化的目标。研发要素携带了更多的知识和技术，创新要素的流动会对创新造成显著的影响。
三、区域创新绩效的测算及空间关联的度量
（一）变量与测度方法
目前学者研究的地区创新变量大致有：①专利数量;②新产品销售收入;③区域创新效率。各个被解释变量之间各有利弊。
测度的方法可分为参数法和非参数法。参数法为随机前沿分析（Stochastic Frontier Analysis，SFA），但如果设置的函数不得当，则会出现严重的偏误。非参数法无需设置生产函数的形式，因此避免了统计误差对效率测算的影响。
运用SFA计算区域创新效率关键问题在于如何选取投入变量和产出变量，资金和人员的投入对区域创新效率产生了影响，指标主要有R&D人员与R&D资本存量两项。对于R&D资本存量，参考吴延兵（2006）的研究，用永续盘存法核算。
Kit=（1-δ） *Ki（t-1）+Ei（t-1）
Kit表示R&D资本存量，δ为折旧率，参考吴延兵（2006），取其值δ=15%;Ei（t-1）为i地区第t-1期的实际R&D经费支出，我们用朱平芳、徐伟民（2003）构造的R&D支出价格指数对各期的名义R&D经费进行平减处理。
对于基期资本存量，在假设R&D资本存量增长率与实际R&D经费增长率一样的基础上，估计公式可以表示为：
Ki0=Ei0/（g+δ）
该式中，Ki0为基期的资本存量，Ei0为基期的实际R&D支出，g为实际R&D经费支出的几何平均增长率。
我选择了专利授权数作为区域创新的知识产出。
利用上文中给出的研究方法以及投入和产出指标，利用FRONT4.1软件中的SFA测算了我国各地区2002年至2015年的创新效率。
创新效率比较高的地区有浙江、广东、海南、新疆等地区，其创新效率的平均值均在0.6以上。北京、陕西等地区的创新效率偏低，尚不足0.2，处于较低的水平。
（二）空间关联的度量
空间数据有横截面单位或者面板单位的位置信息，考虑了横截面之间的空间依赖性。空间矩阵量化了个体间的空间位置关系，实现了现实数据到空间计量模型的映射（张可云等，2017），因此空间权重矩阵Wij的设置是空间计量经济学的核心问题之一。通常依据空间单元的邻接性来设定，但是这种地理邻接矩阵不足以充分反映区域之间的关联。
部分学者采用空间距离权重矩阵来表征区际间的空间效应，这样的设置方法体现了地理学第一定律，即空间相关性的强弱取决于空间单元之间的距离，距离越近则空间相关性越强。
此外，随着近年来各区域交通设施密度的大幅度提高，交通设施的完善（苏屹、林周周，2017），因此构建出了交通水平距离空间权重矩阵。
四、空间分布检验
1.计算方法。考虑到空间序列基于空间自相关的复杂性，本文用Moran`s Ⅰ指数来检验变量的空间相关性，其计算公式为：
其中， xij表示第i个地区的观测值，S2为样本方差，n为地区总数，wij为空间权重矩阵（i，j）的元素。
Moran`s Ⅰ指数的取值介于-1至1之间，大于0表示正自相关，;小于0表示负自相关;等于0表示单元之间没有空间关系。
2.数据来源。本文的研究对象为中国30个省份，样本期为2002年至2015年，数据来源于《中国统计年鉴》《中国科技年鉴》，其他数据来源为各省统计年鉴。
五、实证分析
在考察期内，区域创新绩效的Moran Ⅰ指数为正值，且均通过了显著性检验，表明区域创新绩效具有显著的空间相关性，受到相邻或者相近区域创新效率的影响，呈现明显的空间集聚。
六、结论
结果表明，我国的创新效率之间出现了正向影响，即各个区域之间创新效率呈先高-高、低-低分布，即创新效率高的地区和创新效率低的地区呈现出显著的聚集状态。
目前我国经济已经处于新常态发展阶段，該阶段我国要将要素驱动转向创新驱动发展，在转变的过程中各个地区有必要认识清楚自己所处的位置，要开拓视野，应不断充分利用周边地区的资源，以提高本地区的创新能力和创新效率。
各个地区在增加人力物力投资的同时，应当注重创新效率的问题。创新不仅仅是知识的产物，同时也需要相应的创新机制来支持创新效率的提升。加强国家创新体系建设，强化战略科技力量。深化科技体制改革，建立以企业为主体、市场为导向、产学研深度融合的技术创新体系，加强对中小企业创新的支持，促进科技成果转化。
参考文献：
[1]才国伟，钱金保.解析空间相关的来源：理论模型与经验证据[J].经济学：季刊，2013，12（2）：869-894.
[2]吴延兵.R&D与生产率——基于中国制造业的实证研究[J].经济研究，2006（11）：60-71.
[3]朱平芳，徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J].经济研究，2003（6）：45-53.
[4]张可云，王裕瑾，王婧.空间权重矩阵的设定方法研究[J].区域经济评论，2017（1）：19-25.
[5]苏屹，林周周.区域创新活动的空间效应及影响因素研究[J].数量经济技术经济研究，2017（11）：63-80.
（作者单位：西北大学经济管理学院）