地理科学进展 2016 , 35 (10): 1218-1227 https://doi.org/10.18306/dlkxjz.2016.10.005

研究论文

中国高技术产业创新空间分布及其影响因素——基于面板数据的空间计量分析

郭泉恩¹^,²^,, 孙斌栋¹^,²^,^*^,

1. 华东师范大学中国现代城市研究中心,上海 200062
2. 华东师范大学城市与区域科学学院,上海 200241

Spatial distribution and influencing factors of high-tech industry innovation in China:Based on spatial econometric analysis of panel data

GUO Quanen¹^,²^,, SUN Bindong¹^,²^,^*^,

1. Center for Modern Chinese City Studies, East China Normal University, Shanghai 200062, China
2. School of Urban and Regional Science, East China Normal University, Shanghai 200241, China

通讯作者: 通讯作者：孙斌栋(1970-),男,河北阜平人,博士,教授,博导,主要研究方向为城市地理和经济地理,E-mail: bdsun@re.ecnu.edu.cn。

基金资助: 国家自然科学基金项目(41471139)上海哲学社会科学规划课题(2014BCK003)

作者简介:

作者简介：郭泉恩(1990-),女,江西九江人,博士研究生,主要研究方向为区域创新与经济地理,E-mail: guoqedili@126.com。

展开

摘要

本文基于2003-2012年省域面板数据,采用地统计方法分析中国高技术产业创新的空间分布,并运用空间计量模型对其影响因素进行探讨。研究发现：中国高技术产业创新存在明显的空间差异,其中东部地区的创新水平明显高于中部和西部地区;2003-2012年间,高技术产业创新整体空间差异表现出先扩大后缩小的趋势,空间分布呈现出先集聚后扩散的变化特征;相邻省域间的创新水平存在明显溢出现象,研发资金投入、研发人员投入、高校研发水平、企业规模和市场开放度均对高技术产业创新起到促进作用,且研发人员投入和市场开放度还能进一步促进相邻地区的创新发展,而企业规模则对相邻地区的创新存在负面影响。因此,加大对中西部地区研发资金和研发人员投入,重视高校在创新发展中的作用,破除区域壁垒促进技术流动以及加大市场开放度,都有利于提高整体创新水平和缩小创新空间差异。

关键词： 高技术产业 ; 创新 ; 空间分布 ; 空间计量模型 ; 影响因素 ; 中国

Abstract

Using panel data of Chinese provinces for the period 2003-2012, this article investigates the spatial distribution of high-tech industry innovation by applying the global difference index and kernel density estimation, and analyzes its influencing factors with spatial econometric models. The results show that: There are striking regional disparities in high-tech industry innovation, and the innovation level in the eastern area is significantly higher than the central and western areas. During the period from 2003 to 2012, regional disparity of high-tech industry innovation showed a narrowing tendency after the initial expansion, and the spatial distribution of regional innovation showed a trend from agglomeration to spreading. A clear spillover of innovation between adjacent provinces is verified by this study. Research and development (R & D) capital, R & D personnel, university research, size of high-tech firms, and openness of the market are all positively related to high-tech industry innovation. R & D personnel inputs and openness of the market can benefit neighboring regions as well, but the size of firm has a negative influence on regions with close geographic proximity. We propose that strengthening the inputs of R & D capitals and R & D personnel in western and central China, emphasizing the role that university plays in the development of innovation, breaking regional barriers for facilitating technology flow, and promoting the openness of the market are beneficial for increasing the overall innovation level and reducing regional differences.

Keywords： high-tech industry ; innovation ; spatial distribution ; spatial econometric model ; influencing factor ; China

PDF (1777KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

郭泉恩, 孙斌栋. 中国高技术产业创新空间分布及其影响因素——基于面板数据的空间计量分析[J]. , 2016, 35(10): 1218-1227 https://doi.org/10.18306/dlkxjz.2016.10.005

GUO Quanen, SUN Bindong. Spatial distribution and influencing factors of high-tech industry innovation in China:Based on spatial econometric analysis of panel data[J]. 地理科学进展, 2016, 35(10): 1218-1227 https://doi.org/10.18306/dlkxjz.2016.10.005

1 引言

作为知识投入产出的度量标准,创新在全球贸易和经济增长中起重要作用(Acs et al, 2002)。在经济全球化和不同国家之间仍存在一定技术差距的背景下,各国比以往任何时候都更需要创新(Kemeny, 2011)。中国的经济发展模式已由20世纪90年代的资源消耗型,向研发导向和全球合作发展为主(Bruche, 2009)。党的十八大报告中提出“实施创新驱动发展战略”;2015年3月,习近平总书记在十二届全国人大三次会议中提出,创新是引领发展的第一动力。研究创新的空间分布及其影响因素将为中国创新战略实施提供重要依据(牛方曲等, 2012; 谭俊涛等, 2014)。

不同尺度下创新的空间分布得到了国内外学者的广泛关注。大多学者从国家尺度开展相关研究,如Feldman等(1999)对美国的研究发现,美国约96%的创新均来源于大都市区;Carrincazeaux等(2001)的研究表明,法国几乎75%的研发人员集中在全国经济与教育水平较高的六大地区;王春扬等(2014)对中国的研究表明,创新存在明显的东部沿海高—高集群和西部内陆低—低集群。也有学者从省级尺度开展相关研究,如何键芳等(2013)以广东省为例,发现全省的创新产出虽有大幅度提高,但空间差距仍较为显著且集中度不高;蒋天颖(2014)以浙江省为例,表明县域创新产出呈现空间集聚性,整体表现出东高西低、北高南低的分布特征;张惠璇等(2016)运用空间相互作用模型分析了广东省2003和2012年地级城市之间创新联系的空间格局演变,提出应促进现有创新联系空间格局的优化,在区域整体层面上形成多中心网络化的创新结构。亦有学者探讨不同产业创新的空间分布,如Buzard等(2009)发现美国大部分产业的创新活动均集中在东北走廊地区;Carlino等(2012)以美国东北部的1000个研发实验室为例,研究发现医药产业的研发机构比其他产业分布更为集中。

创新的影响因素也是学界的研究热点之一。侯润秀等(2006)基于省域面板数据,通过计量分析方法认为外商直接投资对发明创新、实用新型和外观设计3种专利的申请量均有积极影响;郭国峰等(2007)以中部6省为研究区域,证明科研机构和企业的研发活动能够促进区域的技术进步;Cowan等(2013)对意大利的研究发现,高校数量的增加会带来区域创新水平的提高;方大春等(2016)基于随机前沿模型的分析,表明企业规模是创新效率的积极影响因素;丘东等(2016)从中介效应视角探讨了研发投入对区域创新的影响,结果发现政府R & D投入主要通过企业R & D投入的中介作用,对区域创新绩效有显著正向影响。关于创新影响因素的研究大多采用传统计量模型进行分析,其不足在于只能观测自变量对本区域因变量的影响,无法捕捉变量间的空间相互作用。而理论上,区域要素在空间上均存在相互作用,因此应采用能够捕捉到这一作用的空间计量模型进行分析。

区域创新的关键是产业创新(周桂荣等, 2007),产业创新是区域创新的重要组成部分。高技术产业作为知识密集型和技术密集型产业,是科技创新的骨干力量,其发展关系到整个国家的综合实力和竞争力(封伟毅等, 2012)。2011年7月,科技部发布的《国家“十二五”科学和技术发展规划》中提出要把促进高技术产业放在重要位置。因此,研究高技术产业创新的空间分布及其影响因素有重要意义。

基于此,本文以中国30个省(市、区)（因香港、澳门、台湾和西藏部分数据缺失,故暂不包含在内。）为研究对象,基于2003-2012年面板数据,采用总体分异指数、核密度分析等地统计方法研究中国高技术产业创新的空间分布,应用空间计量模型分析其影响因素,以期揭示高技术产业创新空间差异的发展规律,为国家发展创新提供政策建议。

2 方法与数据

2.1 研究方法

对区域创新的度量,长期以来未能达成统一。而专利因其数据的完整性适用于长时间尺度的研究,得到了大部分研究者的认可(逄淑媛等, 2009; 蒋天颖, 2014)。无论授权与否,申请专利都包含了支持者重要的成本,并关注了其新颖性和盈利能力特征(李国平等, 2012),因此本文使用高技术产业的专利申请量反映区域的高技术产业创新水平。在此基础上,运用总体分异指数测度中国2003-2012年高技术产业创新的总体差异变化,然后使用核密度函数分析其2003、2008和2012年的空间分布特征,最后采用经典知识生产函数度量其影响因素,并引入空间计量模型捕捉各变量的空间相互作用。

2.1.1 总体分异指数

研究区域内某一指标空间分布的方法主要有变异系数(C_V)、泰尔系数(T)、总熵指数(GE)和阿特金森指数(A)等,但由于每种方法的基本原理和思路不同,结果可能也存在一定的差异,本文借鉴王洋等(2013)的研究方法,以熵技术确定上述测度指数权重,综合构建总体分异指数(GDI)。不仅能同时反映这4个指标的信息,也可全面反映高技术产业创新总体分异的变化情况,步骤如下：

$\begin{matrix} GDI = W_{1} C_{V} + W_{2} T + W_{3} GE + W_{4} A \end{matrix}$ (1)

$\begin{matrix} x_{ij} = \frac{y_{ij} - y_{\min}}{y_{\max} - y_{\min}} \end{matrix}$ (2)

$\begin{matrix} X_{ij} = \frac{x_{ij}}{\overset{m}{\sum_{i = 1}} x_{ij}} \end{matrix}$ (3)

$\begin{matrix} e_{j} = - \frac{1}{lnm} \overset{m}{\sum_{i = 1}} (X_{ij} \times \ln X_{ij}) \end{matrix}$ (4)

$\begin{matrix} d_{j} = 1 - e_{j} \end{matrix}$ (5)

$\begin{matrix} W_{j} = \frac{d_{j}}{\overset{n}{\sum_{i = 1}} d_{j}} \end{matrix}$ (6)

式中： $\begin{matrix} y_{ij} \end{matrix}$ 表示第j个指标在第i年的值;y_max和y_min分别代表第j个指标在全部年份中的最大值和最小值; $\begin{matrix} x_{ij} \end{matrix}$ 为 $\begin{matrix} y_{ij} \end{matrix}$ 的标准化值; $\begin{matrix} X_{ij} \end{matrix}$ 为i年份第j个指标的比重;m为年份数,这里为10;n为分异测度指标数,这里为4;e_j为指标信息熵;d_j为信息冗余度;W_j为各指标权重。

2.1.2 核密度分析

核密度(Kernel Density)分析方法是空间分析中常见的一种非参数估计方法,可以测度点(或线)要素在本区域及相邻区域的分布密度,广泛应用于空间结构研究,如商业网点、开发区、居民点和犯罪案件等空间分布及集聚特征。它以特定点(或线)要素为中心,将该点(或线)属性分布在指定搜索半径内,中心位置的密度最大,随距离递减,到极限距离处为零(Silverman, 1986)。

假设x₁,x₂,x₃,…,x_n是分布密度函数为f的总体中抽取的独立分布样本,f在x点的估计值为 $\begin{matrix} f_{n} (x) \end{matrix}$ ,则：

$\begin{matrix} f_{n} (x) = \frac{1}{n h} \overset{n}{\sum_{i = 1}} k (\frac{x - x_{i}}{h}) \end{matrix}$ (7)

式中：n为样本数;k(·)为核函数;h>0为带宽;x-x_i为估计点x到样本x_i处的距离。

2.1.3 知识生产函数

知识生产函数是采用柯布道格拉斯公式,用投入产出的方法研究区域创新活动的模型(Griliches, 1986; Jaffe, 1989; Charlot et al, 2004)。其基本假设是将创新产出看作研发资金或人员投入的函数,模型具体如下：

$\begin{matrix} Y_{i} = A K_{i}^{α} L_{i}^{β} ε \end{matrix}$ (8)

式中：Y_i为i区域的生产产出;A为效率项;K_i和L_i分别为i区域的物质资本存量和人力资本水平;α和β分别为其弹性系数;ε为误差项。

为度量其他因素对区域创新的影响,对模型进行进一步扩展。考虑到专利知识的投入与产出具有一定的时滞性,通过多次检验并结合他人研究结果(逄淑媛等, 2009; 赵炎等, 2013),确定滞后期为2年,两边同时取对数得到：

$\begin{matrix} \ln Y_{i, t + 2} = a + αln K_{i, t} + βln L_{i, t} + γln X_{i, t} + ε \end{matrix}$ (9)

式中： $\begin{matrix} X_{i, t} \end{matrix}$ 为第t年i区域除研发资金和科技人力资源投入外创新的其他影响因素;a为常数项;t为年份;其他变量的含义与上式一致。

2.1.4 空间计量模型

空间计量经济学是处理相邻区域之间空间相互作用的学科,致力于解决空间依赖和空间异质(Elhorst, 2014)。空间计量模型中最常用的是空间滞后模型(SLM)和空间误差模型(SEM),然而,当某地区的因变量有可能与其他地区的自变量之间存在空间关联作用,则考虑采用比空间滞后模型和空间误差模型更一般化的模型,即空间杜宾模型(SDM),具体公式如下：

$\begin{matrix} y_{it} = δ \overset{N}{\sum_{j = 1}} W_{ij} y_{jt} + x_{it} β + \overset{N}{\sum_{j = 1}} W_{ij} x_{jt} θ + ε_{it} \end{matrix}$ (10)

式中： $\begin{matrix} W_{ij} \end{matrix}$ 是空间权重矩阵,表示区域i和区域j的空间关系; $\begin{matrix} \overset{N}{\sum_{j = 1}} W_{ij} y_{jt} θ \end{matrix}$ 表示因变量受到邻近区域因变量的影响之和;θ为K×1的系数矩阵;N是地区的数量;其他参数含义不变。其中,本文中所采用的是常用的基于Rook规则的一阶空间邻近矩阵,即区域i与区域j有公共边则W_ij=1,否则W_ij=0;本区域与自身不存在邻近关系,因此W_ii=0。

2.2 数据来源

本文所使用的原始数据均来源于《中国高技术产业统计年鉴》(2002-2013年)、《中国科技统计年鉴》(2002-2011年)、《中国统计年鉴》(2002-2011年)和各省统计年鉴(2002-2011年)。同时,中国省级行政区划的地理信息数据来源于国家基础地理信息系统全国1:400万的基础数据,并在ArcGIS 10.2中进行配准。

3 高技术产业创新的空间分布

3.1 总体差异和演变

高技术产业是创新活动最为活跃的领域,其专利申请数从2003年的8270项增加到2012年的127806项,且全国80%以上专利均来自东部地区(表1)。其中,2012年东部地区专利数申请较多的省(区)为广东、江苏和浙江,中部地区为安徽、湖南和湖北,西部地区为四川和陕西。从占全国专利申请数比重来看,2003-2012年东部地区虽略微下降,但仍是全国绝大多数专利申请的来源地区,而中、西部地区的比重变化不大,均不足20%。

表1 2003-2012年中国高技术产业专利申请数及年增长率变化

Tab.1 Counts and annual growth rates of regional and provincial patent applications in high-tech industries, 2003-2012

	专利申请数/项				年增长率/%
	2003年		2008年	2012年	2003-2008年	2008-2012年	2003-2012年
中国	8270	39656	127806		36.82	33.99	35.56
东部地区	7045	35615	105753		38.28	31.27	35.12
辽宁	75	452	1772		43.22	40.71	42.10
河北	31	265	627		53.60	24.02	39.67
北京	896	2856	9972		26.09	36.70	30.70
天津	461	1217	3441		21.43	29.67	25.03
山东	589	2058	6970		28.43	35.66	31.59
江苏	676	2776	16999		32.65	57.31	43.09
上海	835	1639	6174		14.44	39.32	24.89
浙江	353	2467	10237		47.53	42.73	45.38
福建	243	604	3444		19.97	54.53	34.26
广东	2831	21185	45449		49.56	21.03	36.13
海南	—	8	329		—	153.24	—
广西	55	88	339		9.86	40.10	22.39
中部地区	442	2033	12484		35.69	57.42	44.95
黑龙江	66	185	736		22.89	41.23	30.73
吉林	79	147	542		13.22	38.57	23.86
内蒙古	2	—	39		—	—	39.10
山西	45	70	376		9.24	52.24	26.60
河南	85	581	1812		46.88	32.89	40.49
湖北	42	444	2626		60.26	55.945	58.33
安徽	49	185	3182		30.44	103.65	59.00
湖南	29	270	2306		56.24	70.95	62.62
江西	45	151	865		27.40	54.71	38.88
西部地区	783	2008	9569		20.73	47.75	32.07
重庆	72	222	1153		25.26	50.96	36.09
四川	260	854	5054		26.85	55.97	39.05
贵州	55	298	966		40.21	34.18	37.50
云南	140	79	409		-10.81	50.84	12.65
陕西	226	473	1606		15.92	35.74	24.34
甘肃	10	38	249		30.60	59.99	42.93
青海	4	1	3		-24.21	31.61	-3.15
宁夏	16	29	125		12.63	44.09	25.66
新疆	—	14	4		—	-26.89	—

注：海南、内蒙古和新疆部分年份数据缺失,用“—”表示。

新窗口打开

以年增长率度量区域创新的年均变化情况,2003-2012年,中国高技术产业专利申请数的年增长率为35.56%,东、中和西部地区的年增长率分别为35.12%、44.95%和32.07%,中部地区为专利申请数增加最快的地区。对比2003-2008年和2008-2012年2个阶段,发现东部地区在第二阶段的年增长率低于第一阶段,说明东部地区创新产出发展到一定阶段,速度开始减缓;中、西部地区在第二阶段的年增长率明显高于第一阶段,说明随着创新意识和能力的逐渐提高,中、西部地区高技术产业创新相较于第一阶段发展加快。总体而言,全国高技术产业创新的空间分异较为明显,广东的专利申请数远远高于其他省份,东部地区和中、西部地区亦存在显著差异,这也与全国城市创新分布格局基本一致(吕拉昌等, 2010; 方创琳等, 2014)。

为进一步揭示中国高技术产业创新的空间差异,利用变异系数、泰尔系数、总熵指数和阿特金森指数4个传统指标,分别计算2003-2012年中国高技术产业创新的总体空间差异程度。根据熵权法确定各指标的权重分别为0.22、0.36、0.16和0.26,各年份的总体分异指数(GDI)见图1。

显示原图| 下载原图ZIP| 生成PPT

图1 2003-2012年中国高技术产业创新GDI指数变化

Fig.1 Change of global difference index (GDI) of innovations in high-tech industries, 2003-2012

总体上,中国高技术产业创新的GDI指数经历先上升后下降的变化过程,表明创新的空间差异呈现先扩大后缩小的趋势。2003-2006年,全国大部分地区创新产出较低,但广东所占比重却从34.23%增至61.24%(增长率达78.9%),这种异军突起现象与广东非国有经济比重较大,受香港地区文化、经济影响较深有关,使得创新最早在广东发展起来,全国区域创新的空间差异在2006年最显著。基于创新对经济增长和社会发展的推进作用使得其他地区开始重视和加强本地区的创新发展,2007-2012年创新基础较好地区如浙江、江苏和天津等地的创新成果明显,多地创新水平的发展缓解了全国高技术产业创新的总体空间差异程度。

3.2 空间分布格局演变

采用核密度分析方法,直观揭示2003-2012年中国高技术产业创新的空间分布特征。在ArcGIS 10.2中设置350 km为搜索半径,将2003、2008和2012年的创新水平设置为权重,根据自然断裂法(Natural Break)按核密度值将区域分为5类,结果如图2所示。

显示原图| 下载原图ZIP| 生成PPT

图2 2003-2012年中国高技术产业创新核密度分析

Fig.2 Change of kernel density of innovations in high-tech industries, 2003-2012

2003-2012年,以广东为高密度值区,东部地区的密度值高于中、西部地区的形势未发生改变,然而核密度大小及其空间分布存在较为明显的变化。2003年,中高值区和高值区分布在广东、北京和上海,而京津冀和长三角其他地区则为中值区,其余省份为较低值区和低值区,说明创新最先发端于经济基础较好的地区。2008年,核密度值的分布出现极化态势,高值区仍然分布在广东,但东部地区的密度值出现不同程度的下降,无中高值区和中值区,这与广东创新发展速度较快有关。2003-2008年,广东创新产出比重从34.23%增加至53.42%,导致其他省份的比重下降。2012年,核密度值分布的极化程度得到缓解,高值区仍然在广东,江苏上升为中高值区,长三角其他地区和京津冀地区为中值区,邻近地区的密度值得到提升,说明较丰富的资金、人才和技术区域的创新优势不断突显的同时,区域创新的空间依赖也愈发明显。总体来看,2003-2012年中国高技术产业创新的空间分布经历了先集聚后扩散的动态变化,这与王春扬等(2014)关于专利的省(区)分布结论相似;中国各省(区)的创新产出虽有一定程度的提高,但总体差异仍然显著。

此外,核密度值的分布存在较为明显的空间依赖特征：2003年的核密度值以北京和上海为中心向邻近地区形成“中高值—中值”的两级递减态势;2008年的核密度值则在京津冀地区和长三角地区存在连片的较低值区;2012年则出现以江苏为中心,分别向北京和广东方向形成“中高值—中值—较低值”三级递减态势。这说明在一定地理范围内存在省(区)间的创新溢出,且这种溢出随着时间变化而增强。

4 高技术产业创新的影响因素

为进一步探讨高技术产业创新空间差异的形成机理,本文将分析创新的影响因素,旨在为避免高技术产业创新发展陷入强者愈强、弱者愈弱的“马太效应”提供参考依据(程叶青等, 2014)。

4.1 影响因素的选取

结合多位学者的研究(肖仁桥等, 2012; 蒋天颖, 2014; 方大春等, 2016; 丘东等, 2016),本文主要从研发资金投入、研发人员投入、高校研发水平、企业规模和市场开放度5个方面分析区域高技术产业创新的影响因素。

(1) 研发资金投入。研发资金投入主要来源于区域研发资金内部支出和外部支出,其中内部支出是指当年预计用于开展研发活动的经费最终实际用于本单位内的全部支出,外部支出是指委托外单位进行研发活动所支付的实际费用。使用内部支出经费数据更能反映研发过程中所获得的资金投入(丘东等, 2016)。因此,选用人均拥有区域R & D内部支出表示研发资金投入(单位为100元/人)。

(2) 研发人员投入。研发人员投入代表从事研发活动的人力投入(Carrincazeaux et al, 2001)。其中研发人员按工作量分为全时人员和非全时人员。研发人员全时当量是指按实际工作量将全时人员和非全时人员进行加和。因此,选用区域高技术产业研发全时人员全时当量占人口比重表示研发人员投入(单位为%)。

(3) 高校研发水平。高校作为知识的源泉和人才培养基地,对区域创新有积极的溢出作用。同时,高校科技园、校企合作等也常常被认为能够深刻地影响区域创新发展(Cowan et al, 2013)。故采用高等教育研发经费支出占GDP比重表示高校研发水平(单位为%)。

(4) 企业规模。作为创新主体之一,企业通常是区域创新的主要来源。企业规模代表相关产业人员的聚集程度,人员集聚利于知识传播交流,从而刺激创新发展(方大春等, 2016)。因此,选用高技术企业年末平均从业人员占人口比重表示企业规模(单位为%)。

(5) 市场开放度。随着全球化的发展,区域创新发展越来越受到国外先进技术的影响。而中国能否有效地接受国际技术溢出,是区域创新的重要影响因素(侯润秀等, 2006)。选用人均实际使用外资金额表示(单位为100美元/人)。

4.2 回归结果与分析

空间计量模型的前提是空间依赖性(王子敏, 2012),因此在建立模型前需要对被解释变量进行空间自相关检验。在Geoda 1.6.6中对模型被解释变量区域创新水平进行Moran's I值检验(表2)。2003-2012年区域创新水平在置换次数999次下的正态统计量Z值均大于正态分布函数在0.05水平下的临界值(1.96),说明中国省域创新水平在空间分布上存在明显的空间依赖性,适合用空间计量模型分析。

表2 Moran's I 检验结果

Tab.2 Results of Moran's I

年份	Moran's I值	P值	Z值
2003年	0.633^***	0.001	5.396
2004年	0.205^**	0.030	2.196
2005年	0.250^**	0.025	2.415
2006年	0.178^**	0.047	2.113
2007年	0.160^**	0.036	2.015
2008年	0.409^**	0.012	3.556
2009年	0.408^***	0.008	3.246
2010年	0.425^***	0.007	3.521
2011年	0.494^***	0.003	3.941
2012年	0.495^***	0.004	4.116

注：*、**、***分别表示P<0.1、P<0.05和P<0.01;表3-6同。

新窗口打开

根据Elhorst(2010)的模型选择规则,需构建无空间效应面板模型,进行拉格朗日乘数(Lagrange Multiplier, LM)检验以确定空间模型的类别,再进行极大似然比(Likelihood Ratio, LR)检验,以确定建立固定效应或随机效应。在Matlab 2010b中实现以上过程,结果如表3和表4。

表3 无空间效应面板模型

Tab.3 Panel data models without spatial interaction effects

变量	混合OLS模型	空间固定效应模型	时间固定效应模型	双向固定效应模型
研发资金投入	0.696^***(0.000)	0.571^***(0.000)	0.656^***(0.000)	0.564^***(0.000)
研发人员投入	10.671^***(0.000)	8.049^***(0.003)	8.352^***(0.000)	7.091^***(0.008)
高校研发水平	-0.440^**(0.012)	1.427^***(0.002)	-0.302^*(0.074)	1.372^***(0.004)
企业规模	-0.057(0.432)	0.241^**(0.031)	0.057(0.441)	0.268^**(0.017)
市场开放度	0.035(0.148)	0.143^***(0.000)	0.004(0.870)	0.127^***(0.000)
常数	-0.031(0.285)
σ²	0.128	0.064	0.080	0.059
R²	0.805	0.665	0.800	0.550
调整R²	0.802	0.66	0.797	0.544
自然对数似然函数值	-61.020	-10.560	-44.328	1.234
拉格朗日乘数滞后检验	8.683^***(0.003)	8.830^***(0.003)	1.993(0.158)	4.011^**(0.045)
拉格朗日乘数误差检验	16.210^***(0.000)	7.430^***(0.006)	10.914^***(0.001)	3.245^*(0.072)
稳健拉格朗日乘数滞后检验	1.494(0.222)	2.927^*(0.087)	0.020(0.889)	1.221(0.269)
稳健拉格朗日乘数误差检验	9.021^***(0.003)	1.527(0.217)	8.941^***(0.003)	0.455(0.500)

注：括号中为P值。

新窗口打开

表4 LR检验

Tab.4 Results of LR test

LR	检验值	P值
空间固定效应	91.125^***	0.000
时间固定效应	23.589^***	0.001

新窗口打开

遵循Elhorst(2010)模型选择规则,根据不同效应下模型估计中拉格朗日乘数滞后检验、拉格朗日乘数误差检验、稳健拉格朗日乘数滞后检验和稳健拉格朗日乘数误差检验的结果来判定应该选用空间滞后模型还是空间误差模型。根据表3的结果,检验结果并非指向同一类型的模型,因此应先建立更一般形式的空间杜宾模型(SDM),再通过怀特检验确定是否能够简化为空间滞后模型或空间误差模型。

根据LR检验结果,模型初步设定为双固定效应和随机效应的空间杜宾模型,结果如表5所示。其中,创新溢出(W×创新水平^② 3.2 部分关于创新溢出的论证,也与刘和东(2012)、李文亮等(2015)的研究结果一致,均认为创新在相邻省域间存在溢出,原因是邻近省域间在研发或经济方面的合作或竞争,造成创新要素的流动从而引起创新溢出。进一步根据Hausman 检验和Wald 检验结果,确定选用双固定效应的空间杜宾模型,得出自变量对本地区和相邻地区因变量的边际作用(表6)。

表5 双向固定效应空间杜宾模型

Tab.5 Spatial Durbin model specifications with two-way effects

变量	双固定效应模型	随机效应模型
W×创新水平	0.357^***(0.000)	0.342^***(0.000)
研发资金投入	0.481^***(0.000)	0.512^***(0.000)
研发人员投入	6.183^***(0.009)	7.729^***(0.000)
高校研发水平	1.415^***(0.001)	-0.239(0.288)
企业规模	0.410^***(0.000)	0.173^**(0.024)
市场开放度	0.032(0.291)	0.003(0.903)
W×研发资金投入	-0.494^***(-0.009)	-0.402^**(0.023)
W×研发人员投入	8.858^***(0.029)	10.172^***(0.007)
W×高校研发水平	0.533(0.553)	-0.951^*(0.062)
W×企业规模	-0.572^***(0.000)	-0.663^***(0.000)
W×市场开放度	0.467^***(0.000)	0.379^***(0.000)
横截面元素的权重phi		0.484^***(0.000)
豪斯曼检验		34.472^***
σ²	0.046	0.049
R²	0.911	0.874
调整R²	0.656	0.810
自然对数似然函数值	52.068	-0.735
空间滞后的怀特检验	122.849^***(0.000)	117.422^***(0.000)
空间误差的怀特检验	86.172^***(0.000)	73.139^***(0.000)

注：括号中为P值。

新窗口打开

表6 空间溢出效应

Tab.6 Estimation of spatial spillovers

变量	直接效应	间接效应
研发资金投入	0.444^***(3.930)	-0.476(-1.593)
研发人员投入	7.504^***(3.120)	16.379^***(2.715)
高校研发水平	1.555^***(3.055)	1.616(1.126)
企业规模	0.363^***(3.476)	-0.633^***(-2.835)
市场开放度	0.079^***(2.712)	0.700^***(7.447)

注：括号中为t值。

新窗口打开

从表6可以看出,区域研发资金每增加1个单位,本地区的高技术产业创新增加0.444个单位,但间接效应不显著,说明地区科技投入强度对区域高技术产业创新的促进作用仅限于本区域,对相邻区域的影响不明显。研发人员投入每增加1个单位,本地区的高技术产业创新增加7.504单位,同时相邻区域的创新增加16.379个单位,说明研发人员不仅对本地区创新发展有正向影响,还有明显地理空间上的溢出。高校研发水平对本地区的高技术产业创新存在显著正向影响,在不考虑其他因素的情况下,每增加1个单位,本地区创新水平提高1.555个单位,对相邻区域的影响则未通过显著性检验。企业规模每增加1个单位,本地区的创新水平提高0.363个单位,但相邻地区则减少0.633个单位。可能的解释是：企业的规模经济有利于本地创新活动的发展,但由于对资源的吸取作用,反而限制了邻近地区的创新。市场开放度每增加1个单位,本地区的高技术产业创新增加0.079个单位,相邻地区增加0.700个单位,说明吸引外资投入有利于国外先进技术的转移和扩散,且溢出效果明显,能够促进本地区和周围地区的创新发展。

总之,创新要素的投入均有利于提高区域高技术产业的创新水平,其中研发人员投入和市场开放度还有利于促进相邻区域创新的发展。企业规模也对区域高技术产业创新有正向影响,但不利于相邻区域的创新发展。研发资金投入和高校研发投入对相邻区域创新发展的影响不明显。

5 结论与启示

本文基于中国省域面板数据,结合总体分异指数和核密度方法描述了2003-2012年中国高技术产业创新的空间分布演变,并运用空间杜宾模型对其影响因素进行了分析。结果表明：中国高技术产业创新水平存在明显区域差异,其中东部地区高于中西部地区;2003-2012年,中国高技术产业创新的GDI指数经历先上升后下降的变化过程,空间差异呈现先扩大后缩小的趋势;核密度的分布出现较为明显的空间依赖特征,且溢出随着时间变化而增强;高技术产业创新在相邻省份间存在明显的正向溢出;区域研发资金投入、研发人员投入、高校研发水平、企业规模和市场开放度均是高技术产业创新发展的积极因素,其中研发人员投入和市场开放度还对相邻区域创新发展有促进作用,而企业规模则对相邻区域存在负面影响。

鉴于中国高技术产业创新的空间分布仍存在较大的不均衡性,为了提高不发达区域的创新水平,缩小空间差异,建议：①加大对中西部地区研发资金和研发人员投入,尤其是高校投入,一方面有利于培养出更多的科技人才,另一方面可通过校企合作的模式,增强高校对区域的知识和创新溢出,提高区域创新水平。②由于创新具有溢出效应,因此要破除阻碍区域间技术扩散的壁垒,创造条件促进创新的流动和溢出。③加大市场开放度,吸收国外先进技术,促进当地创新水平提高,但不少外资企业的核心研发部门仍在其母国,因此在利用外资的同时,要注意加强地区自身的自主创新能力建设。

受数据限制,本文仅在省级层面对高技术产业创新的空间分布及其影响因素进行了分析。而实际上,要素间的相互作用在更小区域尺度(如市级)会更加明显。随着国家对创新发展重视程度的逐渐加大,待市域层面甚至更小尺度创新的相关数据发布后,空间计量模型由于能够捕捉研究要素在地区间相互作用,将在创新研究上得到更为广泛的应用,这也有利于进一步开展创新的相关研究。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	程叶青, 王哲野, 马靖. 2014. 中国区域创新的时空动态分析 [J]. 地理学报, 69(12): 1779-1789. https://doi.org/10.11821/dlxb201412004 Magsci [本文引用: 1] 摘要基于探索性空间数据分析和验证性空间面板模型,本文探讨了2000 年以来中国区域创新的时空动态。结果表明:① 自创新战略实施以来,中国各省区创新产出的年均增长率几乎都经历了一个剧烈的加速过程,说明区域创新能力的总体提升,但是,东部沿海地区仍然在创新产出中居于压倒性地位,导致“沿海—内陆”分化加剧和区域鸿沟的进一步突出,省区创新可能会陷入“强者愈强,弱者愈弱”的“马太效应”;② 中国区域创新产出与创新投入的空间集聚随时间推移不断强化,通过识别不同时期各变量“热点”,表明创新产出“热点”地区与创新投入“热点”具有高度的时空耦合特征;③ 人均GDP、研发投入、研发人员及在校大学生数对省区创新产出有显著的直接影响。省区间创新活动存在明显的空间溢出效应,其知识溢出的地理区域跨越了省区边界。空间依赖性的存在导致省区间创新活动具有反馈效应,相邻省区的知识溢出对该省区的创新活动具有实质性影响。 [Cheng Y Q, Wang Z Y, Ma J.2014. Analyzing the space-time dynamics of innovation in China [J]. Acta Geographica Sinica, 69(12): 1779-1789.] https://doi.org/10.11821/dlxb201412004 Magsci [本文引用: 1] 摘要基于探索性空间数据分析和验证性空间面板模型,本文探讨了2000 年以来中国区域创新的时空动态。结果表明:① 自创新战略实施以来,中国各省区创新产出的年均增长率几乎都经历了一个剧烈的加速过程,说明区域创新能力的总体提升,但是,东部沿海地区仍然在创新产出中居于压倒性地位,导致“沿海—内陆”分化加剧和区域鸿沟的进一步突出,省区创新可能会陷入“强者愈强,弱者愈弱”的“马太效应”;② 中国区域创新产出与创新投入的空间集聚随时间推移不断强化,通过识别不同时期各变量“热点”,表明创新产出“热点”地区与创新投入“热点”具有高度的时空耦合特征;③ 人均GDP、研发投入、研发人员及在校大学生数对省区创新产出有显著的直接影响。省区间创新活动存在明显的空间溢出效应,其知识溢出的地理区域跨越了省区边界。空间依赖性的存在导致省区间创新活动具有反馈效应,相邻省区的知识溢出对该省区的创新活动具有实质性影响。
[2]	方创琳, 马海涛, 王振波, 等. 2014. 中国创新型城市建设的综合评估与空间格局分异 [J]. 地理学报, 69(4): 459-473. https://doi.org/10.11821/dlxb201404003 Magsci [本文引用: 1] 摘要创新型城市是开展创新活动、建设创新型国家的重要基地，是探索城市发展新模式和推进城市可持续发展的迫切要求，因而在中国建设创新型国家中具有举足轻重的战略地位。当前，中国已进入到2020 年建成创新型国家的攻坚阶段，但创新型城市建设尚处初级阶段，尚未完成从要素驱动向创新驱动的战略质变，与真正意义上的创新型城市还有很大差距。本文以全国287 个地级以上城市为综合评估对象，采用自主构建的中国创新型城市综合评估体系和开发的中国创新型城市综合评估监测系统软件，从自主创新、产业创新、人居环境创新和体制机制创新四大方面对中国创新型城市的建设现状做了综合评估，分析了创新型城市建设的空间分异特征。结果认为，中国城市综合创新水平偏低，建设创新型国家难度大，87.8%的城市综合创新水平低于全国平均水平；城市综合创新水平与城市经济发达水平呈密切的正相关关系，东部地区城市明显高于中西部地区；城市自主创新水平、产业创新水平、人居环境创新水平和体制机制创新水平呈现出与城市综合创新水平一致的空间分异规律。到2020 年争取将北京、深圳、上海、广州建成4 大全球创新型城市，成为全球创新中心；把南京、苏州、厦门、杭州、无锡、西安、武汉、沈阳、大连、天津、长沙、青岛、成都、长春、合肥、重庆共16 个城市建成国家创新型城市，成为国家创新中心，形成由4 个全球创新型城市、16 个国家创新型城市、30 个区域创新型城市、55 个地区创新型城市和182 个创新发展型城市组成的国家城市创新网络空间格局，进而为到2020年建成创新型国家做出贡献。 [Fang C L, Ma H T, Wang Z B, et al.2014. Comprehensive assessment and spatial heterogeneity of the construction of innovative cities in China [J]. Acta Geographica Sinica, 69(4): 459-473.] https://doi.org/10.11821/dlxb201404003 Magsci [本文引用: 1] 摘要创新型城市是开展创新活动、建设创新型国家的重要基地，是探索城市发展新模式和推进城市可持续发展的迫切要求，因而在中国建设创新型国家中具有举足轻重的战略地位。当前，中国已进入到2020 年建成创新型国家的攻坚阶段，但创新型城市建设尚处初级阶段，尚未完成从要素驱动向创新驱动的战略质变，与真正意义上的创新型城市还有很大差距。本文以全国287 个地级以上城市为综合评估对象，采用自主构建的中国创新型城市综合评估体系和开发的中国创新型城市综合评估监测系统软件，从自主创新、产业创新、人居环境创新和体制机制创新四大方面对中国创新型城市的建设现状做了综合评估，分析了创新型城市建设的空间分异特征。结果认为，中国城市综合创新水平偏低，建设创新型国家难度大，87.8%的城市综合创新水平低于全国平均水平；城市综合创新水平与城市经济发达水平呈密切的正相关关系，东部地区城市明显高于中西部地区；城市自主创新水平、产业创新水平、人居环境创新水平和体制机制创新水平呈现出与城市综合创新水平一致的空间分异规律。到2020 年争取将北京、深圳、上海、广州建成4 大全球创新型城市，成为全球创新中心；把南京、苏州、厦门、杭州、无锡、西安、武汉、沈阳、大连、天津、长沙、青岛、成都、长春、合肥、重庆共16 个城市建成国家创新型城市，成为国家创新中心，形成由4 个全球创新型城市、16 个国家创新型城市、30 个区域创新型城市、55 个地区创新型城市和182 个创新发展型城市组成的国家城市创新网络空间格局，进而为到2020年建成创新型国家做出贡献。
[3]	方大春, 张凡, 芮明杰. 2016. 我国高新技术产业创新效率及其影响因素实证研究: 基于面板数据随机前沿模型 [J]. 科技管理研究, 36(7): 66-70, 75. https://doi.org/10.3969/j.issn.1000-7695.2016.07.012 URL [本文引用: 3] 摘要应用随机前沿分析法测算2009--2013年中国高新技术产业创新效率。新产品研发支出和R＆D人员折合全时当量作为创新投入对创新产出具有明显的正向影响。在以新产品销售收入为创新产出的分析中，新产品研发支出贡献较大，市场结构和企业规模都对创新效率具有显著影响，产业利润对创新效率影响不显著。但在以专利数为创新产出的分析中，研究与开发人员折合全时当量贡献较大，市场结构、企业规模和产业利润对创新效率的影响都显著。 [Fang D C, Zhang F, Rui M J.2016. Empirical study on the high-tech industry innovation efficiency and its influencing factors: Based on the panel data analysis of stochastic frontier model [J]. Science and Technology Management Research, 36(7): 66-70, 75.] https://doi.org/10.3969/j.issn.1000-7695.2016.07.012 URL [本文引用: 3] 摘要应用随机前沿分析法测算2009--2013年中国高新技术产业创新效率。新产品研发支出和R＆D人员折合全时当量作为创新投入对创新产出具有明显的正向影响。在以新产品销售收入为创新产出的分析中，新产品研发支出贡献较大，市场结构和企业规模都对创新效率具有显著影响，产业利润对创新效率影响不显著。但在以专利数为创新产出的分析中，研究与开发人员折合全时当量贡献较大，市场结构、企业规模和产业利润对创新效率的影响都显著。
[4]	封伟毅, 李建华, 赵树宽. 2012. 技术创新对高技术产业竞争力的影响: 基于中国1995-2010年数据的实证分析 [J]. 中国软科学, (9): 154-164. https://doi.org/10.3969/j.issn.1002-9753.2012.09.016 URL [本文引用: 1] 摘要高技术产业表征着一个国家综合国力和整体竞争力,其在市场上的竞争力很大程度上受技术创新的影响。本文运用1995-2010年的统计数据,通过技术创新对高技术产业竞争力影响的实证研究,发现技术开发能力对高技术产业竞争力的影响要大于技术转化能力对高技术产业竞争力的影响,创新环境会间接调节技术创新能力对高技术产业竞争力的影响方向。基于这一研究结论,可以通过加强高技术企业的创新主体地位,加强高技术产业领域的人才培养和研发投入,提高产学研合作水平,完善资金筹集途径及合理配置科技经费支出范围等方式来提高高技术产业的竞争力。 [Feng W Y, Li J H, Zhao S K.2012. Impact of technological innovation on competitiveness of high-tech industry: An empirical analysis on 1995-2010 data [J]. China Soft Science, (9): 154-164.] https://doi.org/10.3969/j.issn.1002-9753.2012.09.016 URL [本文引用: 1] 摘要高技术产业表征着一个国家综合国力和整体竞争力,其在市场上的竞争力很大程度上受技术创新的影响。本文运用1995-2010年的统计数据,通过技术创新对高技术产业竞争力影响的实证研究,发现技术开发能力对高技术产业竞争力的影响要大于技术转化能力对高技术产业竞争力的影响,创新环境会间接调节技术创新能力对高技术产业竞争力的影响方向。基于这一研究结论,可以通过加强高技术企业的创新主体地位,加强高技术产业领域的人才培养和研发投入,提高产学研合作水平,完善资金筹集途径及合理配置科技经费支出范围等方式来提高高技术产业的竞争力。
[5]	郭国峰, 温军伟, 孙保营. 2007. 技术创新能力的影响因素分析: 基于中部六省面板数据的实证研究 [J]. 数量经济技术经济研究, 24(9): 134-143. https://doi.org/10.3969/j.issn.1000-3894.2007.09.013 URL 摘要人力资本(主要是高科技人才)是技术创新的源泉,制度创新能够极大优化科技资源配置,提高技术产出效率.本文运用面板数据通过建立固定效应变截距知识生产函数模型,对中国中部六省技术创新能力及其影响因素进行分析,结果发现科研机构、企业对中部地区科技进步具有显著的正向促进作用,大学对区域技术进步不但没有贡献,反而反作用十分明显.中部崛起战略有赖于中部六省合理配置科技资源投入,吸引高科技人才,大力开展制度创新. [Guo G F, Wen J W, Sun B Y.2007. The affected factor analysis of the ability of technology innovation for the six provinces of the central China [J]. The Journal of Quantitative & Technical Economics, 24(9): 134-143.] https://doi.org/10.3969/j.issn.1000-3894.2007.09.013 URL 摘要人力资本(主要是高科技人才)是技术创新的源泉,制度创新能够极大优化科技资源配置,提高技术产出效率.本文运用面板数据通过建立固定效应变截距知识生产函数模型,对中国中部六省技术创新能力及其影响因素进行分析,结果发现科研机构、企业对中部地区科技进步具有显著的正向促进作用,大学对区域技术进步不但没有贡献,反而反作用十分明显.中部崛起战略有赖于中部六省合理配置科技资源投入,吸引高科技人才,大力开展制度创新.
[6]	何键芳, 张虹鸥, 叶玉瑶, 等. 2013. 广东省区域创新产出的空间相关性研究 [J]. 经济地理, 33(2): 117-121, 140. [本文引用: 1] [He J F, Zhang H O, Ye Y Y, et al.2013. Research on spatial autocorrelation of innovation output in Guangdong Province [J]. Economic Geography, 33(2): 117-121, 140.] [本文引用: 1]
[7]	侯润秀, 官建成. 2006. 外商直接投资对我国区域创新能力的影响 [J]. 中国软科学, (5): 104-111. URL Magsci [本文引用: 1] 摘要本文使用我国1998-2003年各个省市、自治区的面板数据,通过计量分析的方法研究外商直接投资(FDI)对区域创新能力的影响.以专利申请量作为区域创新能力的衡量指标,本文实证分析了实际利用外资额对所有专利申请以及分别对发明专利、实用新型和外观设计三种类型专利的溢出效应的大小.研究表明实际利用外资额对专利申请量有着显著的正面效应.此外,本文打破传统的按照地理位置划分区域的方法,将我国的各个省市、自治区按照创新能力的高低分为高创新能力地区、中等创新能力地区和低创新能力地区,并实证分析外商直接投资对不同创新能力地区的溢出效应的差异. [Hou R X, Guan J C.2006. The impact of FDI on China regional innovation capacity [J]. China Soft Science, (5): 104-111.] URL Magsci [本文引用: 1] 摘要本文使用我国1998-2003年各个省市、自治区的面板数据,通过计量分析的方法研究外商直接投资(FDI)对区域创新能力的影响.以专利申请量作为区域创新能力的衡量指标,本文实证分析了实际利用外资额对所有专利申请以及分别对发明专利、实用新型和外观设计三种类型专利的溢出效应的大小.研究表明实际利用外资额对专利申请量有着显著的正面效应.此外,本文打破传统的按照地理位置划分区域的方法,将我国的各个省市、自治区按照创新能力的高低分为高创新能力地区、中等创新能力地区和低创新能力地区,并实证分析外商直接投资对不同创新能力地区的溢出效应的差异.
[8]	蒋天颖. 2014. 浙江省区域创新产出空间分异特征及成因 [J]. 地理研究, 33(10): 1825-1836. https://doi.org/10.11821/dlyj201410004 URL Magsci [本文引用: 3] 摘要 <p>通过构建总体差异测度指数,并结合运用核密度估计等多种空间统计方法,分析浙江省区域创新产出的空间分异特征及其影响因素,结果表明：2006-2012年,浙江省区域创新产出总体存在较大差异,并呈现波动式上升趋势;浙江省区域创新产出分异增强,空间核密度呈现出由相对均匀到极化的演化趋势;浙江省区域创新产出整体上呈现高值和低值集聚分布,且集聚程度逐渐增强;各县域创新产出同样具有空间集聚性,杭州与宁波市辖区成为热点区域;空间指向性明显,整体表现出“东高西低、北高南低”的空间趋势面分布;由回归分析得出该时期浙江省区域创新产出空间分异主要受经济基础、政策制度、技术溢出和空间区位四个主要因素的影响。</p> [Jiang T Y.2014. Spatial differentiation and its influencing factors of regional innovation output in Zhejiang Province [J]. Geographical Research, 33(10): 1825-1836.] https://doi.org/10.11821/dlyj201410004 URL Magsci [本文引用: 3] 摘要 <p>通过构建总体差异测度指数,并结合运用核密度估计等多种空间统计方法,分析浙江省区域创新产出的空间分异特征及其影响因素,结果表明：2006-2012年,浙江省区域创新产出总体存在较大差异,并呈现波动式上升趋势;浙江省区域创新产出分异增强,空间核密度呈现出由相对均匀到极化的演化趋势;浙江省区域创新产出整体上呈现高值和低值集聚分布,且集聚程度逐渐增强;各县域创新产出同样具有空间集聚性,杭州与宁波市辖区成为热点区域;空间指向性明显,整体表现出“东高西低、北高南低”的空间趋势面分布;由回归分析得出该时期浙江省区域创新产出空间分异主要受经济基础、政策制度、技术溢出和空间区位四个主要因素的影响。</p>
[9]	李国平, 王春杨. 2012. 我国省域创新产出的空间特征和时空演化: 基于探索性空间数据分析的实证 [J]. 地理研究, 31(1): 95-106. https://doi.org/10.11821/yj2012010010 URL Magsci [本文引用: 1] 摘要以我国31个省域作为空间观测单元,以专利申请受理数作为创新产出的衡量指标,对我国1997～2008年期间省域创新产出的空间分布进行了探索性空间数据分析(ESDA)。通过计算区位基尼系数和集中度指数,发现我国的创新活动显示了相当高水平的空间集中,并且这种集中程度在过去的十多年里表现出了稳定的增长趋势;对全局的Moran’s <em>I</em>统计分析表明:省际创新活动之间存在着显著的空间自相关(空间依赖性),证明了知识溢出的存在性和空间局限性;对局部的Moran’s <em>I</em>分析进一步揭示了省际创新活动水平的相关模式,Moran散点图刻画了创新活动的空间集聚模式及其时空演变态势。研究结果说明经过十几年的发展,我国省域创新活动的地域性特征十分显著。 [Li G P, Wang C Y.2012. Spatial characteristics and dynamic changes of provincial innovation output in China: An investigation using the ESDA [J]. Geographical Research, 31(1): 95-106.] https://doi.org/10.11821/yj2012010010 URL Magsci [本文引用: 1] 摘要以我国31个省域作为空间观测单元,以专利申请受理数作为创新产出的衡量指标,对我国1997～2008年期间省域创新产出的空间分布进行了探索性空间数据分析(ESDA)。通过计算区位基尼系数和集中度指数,发现我国的创新活动显示了相当高水平的空间集中,并且这种集中程度在过去的十多年里表现出了稳定的增长趋势;对全局的Moran’s <em>I</em>统计分析表明:省际创新活动之间存在着显著的空间自相关(空间依赖性),证明了知识溢出的存在性和空间局限性;对局部的Moran’s <em>I</em>分析进一步揭示了省际创新活动水平的相关模式,Moran散点图刻画了创新活动的空间集聚模式及其时空演变态势。研究结果说明经过十几年的发展,我国省域创新活动的地域性特征十分显著。
[10]	李文亮, 许正中. 2015. 考虑空间效应的高技术企业创新溢出效应研究 [J]. 软科学, 29(4): 1-4. https://doi.org/10.13956/j.ss.1001-8409.2015.04.01 URL 摘要在考虑空间依赖性和异质性的基础上,运用空间杜宾模型对我国 2008～ 2012年28个省级地区的高技术企业创新溢出的空间效应进行实证分析.结果表明:创新产出不仅与本地区投入相关,而且与邻近地区的投入显著相关;从长期角度看直接效应、间接效应都十分显著,并且这种溢出效应呈现出MAR外部性. [Li W L, Xu Z Z.2015. Research on spillover effect of high-tech innovation based on spatial effect [J]. Soft Science, 29(4): 1-4.] https://doi.org/10.13956/j.ss.1001-8409.2015.04.01 URL 摘要在考虑空间依赖性和异质性的基础上,运用空间杜宾模型对我国 2008～ 2012年28个省级地区的高技术企业创新溢出的空间效应进行实证分析.结果表明:创新产出不仅与本地区投入相关,而且与邻近地区的投入显著相关;从长期角度看直接效应、间接效应都十分显著,并且这种溢出效应呈现出MAR外部性.
[11]	刘和东. 2012. 开放经济下区域创新溢出效应的空间计量分析 [J]. 南京农业大学学报: 社会科学版, 12(3): 102-109, 123. https://doi.org/10.3969/j.issn.1671-7465.2012.03.015 URL [本文引用: 1] 摘要利用FDI、国际贸易及创新相关数据，运用静态与动态空间面板计量模型，从地理特征和社会经济特征两方面考察了1998--2009年中国大陆30个省级区域创新的FDI与国际贸易溢出及空间溢出效应。研究表明：在空间溢出中，地理特征和社会经济特征对区域创新溢出效应都有显著正的影响，地理特征中，空间邻接影响更大；社会经济特征中，产业结构相关性影响更大。从总体看，FDI溢出效应为负向显著。国际贸易溢出效应为正向显著。外在环境对创新溢出有显著正向影响。在此基础上提出了有效提升区域创新能力的政策建议。 [Liu H D.2012. Analysis of spatial econometrics on the spillovers of regional innovation under the open economy [J]. Journal of Nanjing Agricultural University: Social Sciences Edition, 12(3): 102-109, 123.] https://doi.org/10.3969/j.issn.1671-7465.2012.03.015 URL [本文引用: 1] 摘要利用FDI、国际贸易及创新相关数据，运用静态与动态空间面板计量模型，从地理特征和社会经济特征两方面考察了1998--2009年中国大陆30个省级区域创新的FDI与国际贸易溢出及空间溢出效应。研究表明：在空间溢出中，地理特征和社会经济特征对区域创新溢出效应都有显著正的影响，地理特征中，空间邻接影响更大；社会经济特征中，产业结构相关性影响更大。从总体看，FDI溢出效应为负向显著。国际贸易溢出效应为正向显著。外在环境对创新溢出有显著正向影响。在此基础上提出了有效提升区域创新能力的政策建议。
[12]	吕拉昌, 李勇. 2010. 基于城市创新职能的中国创新城市空间体系 [J]. 地理学报, 65(2): 177-190. Magsci [本文引用: 1] 摘要 <p>基于问卷、访谈及统计数据资料,采用因子分析、数学建模等综合分析方法,以知识经济下城市创新职能及城市体系理论为理论基础,探讨中国城市的创新格局、网络、等级体系及城市的创新联系,研究表明,中国创新城市体系空间格局形成以上海、北京为顶级城市的五级塔型城市体系结构,东部沿海城市在中国创新城市中具有重要地位,省会城市及经济强劲的城市一般成为区域性的创新中心。中国创新城市体系受城市创新规模、城市科研规模与效率、城市创新潜力因素、城市创新环境等多方面因素的影响。以城市间合作论文数量来测度城市之间的创新联系,结果表明,北京在知识传播和知识合作创新中的处于中心位置,高层级的城市在知识传播与合作中明显比较高层级与中层级以及低层级城市多,省会城市及经济实力强劲的区域中心城市在知识传播中起重要的作用。</p> [Lv L C, Li Y.2010. A research on Chinese renovation urban system based on urban renovation function [J]. Acta Geographica Sinica, 65(2): 177-190.] Magsci [本文引用: 1] 摘要 <p>基于问卷、访谈及统计数据资料,采用因子分析、数学建模等综合分析方法,以知识经济下城市创新职能及城市体系理论为理论基础,探讨中国城市的创新格局、网络、等级体系及城市的创新联系,研究表明,中国创新城市体系空间格局形成以上海、北京为顶级城市的五级塔型城市体系结构,东部沿海城市在中国创新城市中具有重要地位,省会城市及经济强劲的城市一般成为区域性的创新中心。中国创新城市体系受城市创新规模、城市科研规模与效率、城市创新潜力因素、城市创新环境等多方面因素的影响。以城市间合作论文数量来测度城市之间的创新联系,结果表明,北京在知识传播和知识合作创新中的处于中心位置,高层级的城市在知识传播与合作中明显比较高层级与中层级以及低层级城市多,省会城市及经济实力强劲的区域中心城市在知识传播中起重要的作用。</p>
[13]	牛方曲, 刘卫东. 2012. 中国区域科技创新资源分布及其与经济发展水平协同测度 [J]. 地理科学进展, 31(2): 149-155. https://doi.org/10.11820/dlkxjz.2012.02.003 Magsci [本文引用: 1] 摘要 21 世纪是知识经济时代,为了提高中国的科技创新能力以促进经济快速发展,各区域进行了大量科技创新资源的建设投入。但科技投入只有真正转化为创新能力、产出创新成果,才能促进经济的发展。本文分别从国立、地方、企业三方面综合评价了各省的科技创新资源,分析其空间分布格局,并结合经济发展水平,分析了区域科技创新资源与经济发展水平之间的相关性。研究表明,中国各省科技创新资源与经济发展水平总体上呈正相关趋势,但具体到各省份,随着科技创新资源的增加,其经济发展水平却有升有降。为充分发挥区域科技创新资源的作用,提高科研成果产出,区域科技创新资源与经济发展水平的配置关系仍需优化调整。探索中国科技创新资源与经济发展水平间的驱动与响应机制,建立科学合理的决策模型,实现国家用于宏观调控的国立科技创新资源、各地区自主决策的地方科技创新资源、市场驱动的企业科技创新资源三者有机结合、高效配置,以更大程度地实现科技产出,促进经济发展,对于转型期的中国,实现由依靠传统资源要素进入到依靠科技资源支撑和推动社会经济发展的新阶段,具有重要意义。 [Niu F Q, Liu W D.2012. Relationships between scientific & technological resources and regional economic development in China [J]. Progress in Geography, 31(2): 149-155.] https://doi.org/10.11820/dlkxjz.2012.02.003 Magsci [本文引用: 1] 摘要 21 世纪是知识经济时代,为了提高中国的科技创新能力以促进经济快速发展,各区域进行了大量科技创新资源的建设投入。但科技投入只有真正转化为创新能力、产出创新成果,才能促进经济的发展。本文分别从国立、地方、企业三方面综合评价了各省的科技创新资源,分析其空间分布格局,并结合经济发展水平,分析了区域科技创新资源与经济发展水平之间的相关性。研究表明,中国各省科技创新资源与经济发展水平总体上呈正相关趋势,但具体到各省份,随着科技创新资源的增加,其经济发展水平却有升有降。为充分发挥区域科技创新资源的作用,提高科研成果产出,区域科技创新资源与经济发展水平的配置关系仍需优化调整。探索中国科技创新资源与经济发展水平间的驱动与响应机制,建立科学合理的决策模型,实现国家用于宏观调控的国立科技创新资源、各地区自主决策的地方科技创新资源、市场驱动的企业科技创新资源三者有机结合、高效配置,以更大程度地实现科技产出,促进经济发展,对于转型期的中国,实现由依靠传统资源要素进入到依靠科技资源支撑和推动社会经济发展的新阶段,具有重要意义。
[14]	逄淑媛, 陈德智. 2009. 专利与研发经费的相关性研究: 基于全球研发顶尖公司10年面板数据的研究 [J]. 科学学研究, 27(10): 1500-1505. URL [本文引用: 2] 摘要以132家全球顶尖研发企业10年的面板数据为样本,对研发经费投入与专利产出的相关性进行了实证研究。模型的建立结合了柯布.道格拉斯生产函数和分布滞后方程。通过对12个行业的研究发现,对几乎所有行业来说,研发经费投入与专利产出的相关性较高。不同行业对不同期的研发经费投入的依赖程度不同,但是平均为滞后2年左右最强。研发效率在不同行业间有较大的差别,而且同一行业在＂量的效率＂和＂时间的效率＂是大致一致的。 [Pang S Y, Chen D Z.2009. A study on the relationship between R & D inputs and patents: Panel data analysis of top global companies by R & D investment [J]. Studies in Science of Science, 27(10): 1500-1505.] URL [本文引用: 2] 摘要以132家全球顶尖研发企业10年的面板数据为样本,对研发经费投入与专利产出的相关性进行了实证研究。模型的建立结合了柯布.道格拉斯生产函数和分布滞后方程。通过对12个行业的研究发现,对几乎所有行业来说,研发经费投入与专利产出的相关性较高。不同行业对不同期的研发经费投入的依赖程度不同,但是平均为滞后2年左右最强。研发效率在不同行业间有较大的差别,而且同一行业在＂量的效率＂和＂时间的效率＂是大致一致的。
[15]	丘东, 王维才, 谢宗小. 2016. R & D投入对地区创新绩效的影响: 企业R & D投入的中介效应 [J]. 科技进步与对策, 33(8): 41-48. [本文引用: 3] [Qiu D, Wang W C, Xie Z X.2016. The influence of R & D input impact on the region's innovation performance: A mediating perspective [J]. Science & Technology Progress and Policy, 33(8): 41-48.] [本文引用: 3]
[16]	谭俊涛, 张平宇, 李静. 2014. 2001-2010年黑龙江省城市创新能力格局与发展过程 [J]. 地理科学进展, 33(4): 508-516. https://doi.org/10.11820/dlkxjz.2014.04.008 URL Magsci [本文引用: 1] 摘要随着全球化和知识经济的发展，创新已经成为国家、区域和城市经济增长的关键动力，是各国发展的首要战略选择。通过构建城市创新能力评价指标体系，分析2001-2010 年间黑龙江省12 个地级市城市创新能力的分布格局和发展过程，结果显示：黑龙江省城市之间创新能力绝对差异十分明显，其中哈尔滨市创新能力远高于其他城市，大庆、齐齐哈尔和牡丹江市次之，其他城市创新能力普遍较低；黑龙江省的创新高值区域分布在哈大齐工业走廊；2001-2010 年间黑龙江省城市创新能力格局较稳定，但其区域差异和极化程度呈增大趋势。最后，分析了提高城市创新能力上存在的问题，并提出对策建议。 [Tan J T, Zhang P Y, Li J.2014. Structure and development of urban innovation capability in Heilongjiang Province during 2001-2010 [J]. Progress in Geography, 33(4): 508-516.] https://doi.org/10.11820/dlkxjz.2014.04.008 URL Magsci [本文引用: 1] 摘要随着全球化和知识经济的发展，创新已经成为国家、区域和城市经济增长的关键动力，是各国发展的首要战略选择。通过构建城市创新能力评价指标体系，分析2001-2010 年间黑龙江省12 个地级市城市创新能力的分布格局和发展过程，结果显示：黑龙江省城市之间创新能力绝对差异十分明显，其中哈尔滨市创新能力远高于其他城市，大庆、齐齐哈尔和牡丹江市次之，其他城市创新能力普遍较低；黑龙江省的创新高值区域分布在哈大齐工业走廊；2001-2010 年间黑龙江省城市创新能力格局较稳定，但其区域差异和极化程度呈增大趋势。最后，分析了提高城市创新能力上存在的问题，并提出对策建议。
[17]	王春杨, 张超. 2014. 中国地级区域创新产出的时空模式研究: 基于ESDA的实证 [J]. 地理科学, 34(12): 1438-1444. URL Magsci [本文引用: 1] 摘要 <p>以341个地级层面区域作为空间观测单元,以专利申请受理数作为衡量指标,对中国1997~2009年期间地级区域创新产出的时空特征进行了ESDA分析.结果表明:中国地级区域创新产出的地域性特征显著,首先表现为全局上的地理集聚和地带间的巨大差异;但不同于省级空间尺度下地带内部区域创新显著的极化特征,地级空间尺度区域创新却呈现多样化的局部空间依赖模式.整体上,创新产出在地级空间尺度上自然形成2个显著的空间集群,即东部沿海的H-H集群和西部内陆的L-L集群.东部H-H集群在考察期内由东北和华北地区逐渐向山东半岛、长三角和珠三角地区转移,西部L-L集群的空间发展则相对稳定;H-L型集群和L-H型集群主要分布在中部地区和东中西邻接地区,创新的空间过渡特征明显.最后在实证分析的基础上,提出了政策建议和未来研究的方向.</p> [Wang C Y, Zhang C.2014. Spatial-temporal pattern of prefecture-level innovation outputs in China: An investigation using the ESDA [J]. Scientia Geographica Sinica, 34(12): 1438-1444.] URL Magsci [本文引用: 1] 摘要 <p>以341个地级层面区域作为空间观测单元,以专利申请受理数作为衡量指标,对中国1997~2009年期间地级区域创新产出的时空特征进行了ESDA分析.结果表明:中国地级区域创新产出的地域性特征显著,首先表现为全局上的地理集聚和地带间的巨大差异;但不同于省级空间尺度下地带内部区域创新显著的极化特征,地级空间尺度区域创新却呈现多样化的局部空间依赖模式.整体上,创新产出在地级空间尺度上自然形成2个显著的空间集群,即东部沿海的H-H集群和西部内陆的L-L集群.东部H-H集群在考察期内由东北和华北地区逐渐向山东半岛、长三角和珠三角地区转移,西部L-L集群的空间发展则相对稳定;H-L型集群和L-H型集群主要分布在中部地区和东中西邻接地区,创新的空间过渡特征明显.最后在实证分析的基础上,提出了政策建议和未来研究的方向.</p>
[18]	王洋, 方创琳, 盛长元. 2013. 扬州市住宅价格的空间分异与模式演变 [J]. 地理学报, 68(8): 1082-1096. Magsci [本文引用: 1] 摘要以2001-2012 年扬州中心城区各居住小区的住宅平均单价为基本数据,通过建立住宅价格总体分异测度指数(GDI) 计算其总体分异趋势及各住宅类型内部的分异趋势;采用核密度函数等方法探索住宅价格的分布形态和分异格局的演变规律;利用趋势面分析不同住宅类型价格的空间分异趋势;基于上述结果总结空间分异的演变模式,并分别探索空间分异与格局演变的驱动力。结果表明：① 2001 年以来扬州市住宅价格差距显著增大,分异趋势在波动中增强,与城市住宅均价的年增长率耦合;住宅价格呈现西高东低的空间分异格局,同档次价格小区由空间集聚转为相对分散,高、低价格住宅区分别沿固定扇面由中心向外围扩散。②不同住宅类型内的价格分异走势差别显著,各类型住宅间的价格趋势面差距明显,但其空间形态类似。③ 空间分异模式由2001 年西高东低的扇形同档次价格集聚式分异转变为2012 年扇形与圈层相结合的多档次价格混合式分异。④ 2001 年以来住宅价格总体分异的核心驱动力是城市居住空间的迅速扩展、居民收入差距的增大、房地产市场的繁荣和住宅类型的多元化,其住宅价格空间格局演变的驱动力为城市发展方向的确立与变化、特定住宅类型建设的区位指向和古城保护、旧城改造与新区建设。 [Wang Y, Fang C L, Sheng C Y.2013. Spatial differentiation and model evolution of housing prices in Yangzhou [J]. Acta Geographica Sinica, 68(8): 1082-1096.] Magsci [本文引用: 1] 摘要以2001-2012 年扬州中心城区各居住小区的住宅平均单价为基本数据,通过建立住宅价格总体分异测度指数(GDI) 计算其总体分异趋势及各住宅类型内部的分异趋势;采用核密度函数等方法探索住宅价格的分布形态和分异格局的演变规律;利用趋势面分析不同住宅类型价格的空间分异趋势;基于上述结果总结空间分异的演变模式,并分别探索空间分异与格局演变的驱动力。结果表明：① 2001 年以来扬州市住宅价格差距显著增大,分异趋势在波动中增强,与城市住宅均价的年增长率耦合;住宅价格呈现西高东低的空间分异格局,同档次价格小区由空间集聚转为相对分散,高、低价格住宅区分别沿固定扇面由中心向外围扩散。②不同住宅类型内的价格分异走势差别显著,各类型住宅间的价格趋势面差距明显,但其空间形态类似。③ 空间分异模式由2001 年西高东低的扇形同档次价格集聚式分异转变为2012 年扇形与圈层相结合的多档次价格混合式分异。④ 2001 年以来住宅价格总体分异的核心驱动力是城市居住空间的迅速扩展、居民收入差距的增大、房地产市场的繁荣和住宅类型的多元化,其住宅价格空间格局演变的驱动力为城市发展方向的确立与变化、特定住宅类型建设的区位指向和古城保护、旧城改造与新区建设。
[19]	王子敏. 2012. 基于空间溢出视角的城乡消费差距问题研究 [J]. 农业技术经济, (2): 88-98. URL [本文引用: 1] 摘要本文通过利用1997—2009年的省级面板数据建立空间面板计量模型,分析了影响城乡消费差距的主要相关因素的空间溢出效应。研究表明,在报告期内城乡收入差距的空间溢出会显著拉大城乡消费差距,而经济增长的空间溢出却能显著缩小城乡消费差距,空间溢出效应的存在会使得无空间效应模型的估计产生偏差。 [Wang Z M.2012. Jiyu kongjian yichu shijiao de chengxiang xiaofei chaju wenti yanjiu [J]. Journal of Agrotechnical Economics, (2): 88-98.] URL [本文引用: 1] 摘要本文通过利用1997—2009年的省级面板数据建立空间面板计量模型,分析了影响城乡消费差距的主要相关因素的空间溢出效应。研究表明,在报告期内城乡收入差距的空间溢出会显著拉大城乡消费差距,而经济增长的空间溢出却能显著缩小城乡消费差距,空间溢出效应的存在会使得无空间效应模型的估计产生偏差。
[20]	肖仁桥, 钱丽, 陈忠卫. 2012. 中国高技术产业创新效率及其影响因素研究 [J]. 管理科学, 25(5): 85-98. URL [本文引用: 1] 摘要从价值链的角度出发，构建规模报酬可变情形下的两阶段链式关联DEA模型，对2005年至2009年中国28个省份高技术产业创新整体效率和两阶段效率进行实证分析，探索两阶段间的关联有效程度，并给出创新资源利用方式的4种模式，然后利用Tobit模型检验创新效率的影响因素。研究表明，考察期内中国高技术产业整体效率和分阶段效率偏低，且呈现u型变化趋势，资源利用模式主要为低研发低转化型；企业规模、滞后期效率值等对知识创新效率影响显著，劳动者素质、产业结构等对科技成果商业化效率的作用明显，政府支持、金融环境等对技术创新的整体效率有较为显著的影响；最后提出进一步提高职业高等教育水平、开展产学研合作机制、营造良好金融环境、完善知识产权法律等政策建议。 [Xiao R Q, Qian L, Chen Z W.2012. Research on the innovation efficiency and its affecting factors in China's high-tech industries [J]. Journal of Management Science, 25(5): 85-98.] URL [本文引用: 1] 摘要从价值链的角度出发，构建规模报酬可变情形下的两阶段链式关联DEA模型，对2005年至2009年中国28个省份高技术产业创新整体效率和两阶段效率进行实证分析，探索两阶段间的关联有效程度，并给出创新资源利用方式的4种模式，然后利用Tobit模型检验创新效率的影响因素。研究表明，考察期内中国高技术产业整体效率和分阶段效率偏低，且呈现u型变化趋势，资源利用模式主要为低研发低转化型；企业规模、滞后期效率值等对知识创新效率影响显著，劳动者素质、产业结构等对科技成果商业化效率的作用明显，政府支持、金融环境等对技术创新的整体效率有较为显著的影响；最后提出进一步提高职业高等教育水平、开展产学研合作机制、营造良好金融环境、完善知识产权法律等政策建议。
[21]	张惠璇, 刘青, 李贵才. 2016. 广东省城市创新联系的空间格局演变及优化策略 [J]. 地理科学进展, 35(8): 952-962. https://doi.org/10.18306/dlkxjz.2016.08.004 URL [Zhang H X, Liu Q, Li G C.2016. Spatial structure change and optimization strategies of innovation linkage among the cities in Guangdong Province [J]. Progress in Geography, 35(8): 952-962.] https://doi.org/10.18306/dlkxjz.2016.08.004 URL
[22]	赵炎, 郑向杰. 2013. 网络嵌入性与地域根植性对联盟企业创新绩效的影响: 对中国高科技上市公司的实证分析 [J]. 科研管理, 34(11): 9-17. URL [本文引用: 1] 摘要本文以资源依赖理论为支撑,基于社会网络与相关统计分析方法,构建了中国10个高科技行业的大规模联盟创新网络,研究了嵌入网络的420个上市公司的网络嵌入性与地域根植性对其创新绩效的影响。结果表明,个体中介中心性与行业网络密度对嵌入企业的创新绩效都有显著的正向影响,但中介中心性的影响具有明显的滞后效应;企业所在区域位置对其创新绩效的影响不显著,但企业的区域位置对联盟网络密度影响创新绩效具有调节效应,不在三大经济圈内的企业所在行业的网络密度对其创新绩效的影响消失。这些结论为相关政府部门制定联盟政策和企业开展联盟活动提供了科学依据。 [Zhao Y, Zheng X J.2013. Impact of network embeddedness and geographic embeddedness on the innovation performance of the alliance enterprises: An empirical research on the high-tech listed companies in China [J]. Science Research Management, 34(11): 9-17.] URL [本文引用: 1] 摘要本文以资源依赖理论为支撑,基于社会网络与相关统计分析方法,构建了中国10个高科技行业的大规模联盟创新网络,研究了嵌入网络的420个上市公司的网络嵌入性与地域根植性对其创新绩效的影响。结果表明,个体中介中心性与行业网络密度对嵌入企业的创新绩效都有显著的正向影响,但中介中心性的影响具有明显的滞后效应;企业所在区域位置对其创新绩效的影响不显著,但企业的区域位置对联盟网络密度影响创新绩效具有调节效应,不在三大经济圈内的企业所在行业的网络密度对其创新绩效的影响消失。这些结论为相关政府部门制定联盟政策和企业开展联盟活动提供了科学依据。
[23]	周桂荣, 徐作君. 2007. 区域产业创新体系构建: 天津滨海新区与深圳、浦东之比较 [J]. 中国科技论坛,(2): 77-80, 93. https://doi.org/10.3969/j.issn.1002-6711.2007.02.017 URL [本文引用: 1] 摘要区域创新的关键是产业创新。深圳、浦东和天津滨海新区作为三大区域经济发展的增长极，依据各自的区域基础条件，形成了不同的经济发展模式。本文首先从战略意义上阐明构建区域产业创新体系是实践发展的要求；并从区域发展的基础条件、目标定位及产业发展特征等方面进行了比较；在此基础上提出了滨海新区如何在借鉴深圳、浦东经验的基础上，构建区域产业创新体系的对策。 [Zhou G R, Xu Z J.2007. Quyu chanye chuangxin tixi goujian: Tianjin Binhai Xinqu yu Shenzhen, Pudong zhi bijiao [J]. Forum on Science and Technology in China,(2): 77-80, 93.] https://doi.org/10.3969/j.issn.1002-6711.2007.02.017 URL [本文引用: 1] 摘要区域创新的关键是产业创新。深圳、浦东和天津滨海新区作为三大区域经济发展的增长极，依据各自的区域基础条件，形成了不同的经济发展模式。本文首先从战略意义上阐明构建区域产业创新体系是实践发展的要求；并从区域发展的基础条件、目标定位及产业发展特征等方面进行了比较；在此基础上提出了滨海新区如何在借鉴深圳、浦东经验的基础上，构建区域产业创新体系的对策。
[24]	Acs Z J, Anselin L, Varga A.2002. Patents and innovation counts as measures of regional production of new knowledge [J]. Research Policy, 31(7): 1069-1085. https://doi.org/10.1016/S0048-7333(01)00184-6 URL [本文引用: 1] 摘要 The role of geographically mediated knowledge externalities in regional innovation systems has become a major issue in research policy. Although the process of innovation is a crucial aspect of economic growth, the problem of measuring innovation has not yet been completely resolved. A central problem involved in such analysis is the measurement of economically useful new knowledge. In the US information on this has been limited to an innovation count data base. Determining the extent to which the innovation data can be substituted by other measures is essential for a deeper understanding of the dynamics involved. We provide an exploratory and a regression-based comparison of the innovation count data and data on patent counts at the lowest possible levels of geographical aggregation.
[25]	Bruche G.2009. A new geography of innovation: China and India rising [J]. Transnational Corporations Review, 1(4): 24-27. URL [本文引用: 1] 摘要 This perspective explains the factors behind the sudden shift toward China and India for MNE R&D centers and explores how the financial crisis will affect China’s and India’s ability to continue to capture the R&D market.
[26]	Buzard K, Carlino G A.2009. The geography of research and development activity in the U.S.[R]. Philadelphia, PA: Social Science Research Network (SSRN). [本文引用: 1]
[27]	Carlino G A, Hunt R M, Carr J K, et al.2012. The agglomeration of R & D labs[R]. Philadelphia, PA: Social Science Research Network (SSRN).
[28]	Carrincazeaux C, Lung Y, Rallet A.2001. Proximity and localisation of corporate R & D activities [J]. Research Policy, 30(5): 777-789. https://doi.org/10.1016/S0048-7333(00)00121-9 URL [本文引用: 1]
[29]	Charlot S, Duranton G.2004. Communication externalities in cities [J]. Journal of Urban Economics, 56(3): 581-613. [本文引用: 1]
[30]	Cowan R, Zinovyeva N.2013. University effects on regional innovation [J]. Research Policy, 42(3): 788-800. https://doi.org/10.1016/j.respol.2012.10.001 Magsci [本文引用: 2] 摘要 This paper analyzes empirically whether expansion of a university system affects local industry innovation. We examine how the opening of new university schools in Italy during 1985-2000 affected regional innovation. We find that creation of new schools increased regional innovation activity already within five years. On average, an opening of a new school has led to a seven percent change in the number of patents filed by regional firms. The evidence suggests that the effect is mainly generated by high quality scientific research brought to the region with new schools. (C) 2012 Elsevier B.V. All rights reserved.
[31]	Elhorst J P.2010. Applied spatial econometrics: Raising the bar [J]. Spatial Economic Analysis, 5(1): 9-28. https://doi.org/10.1080/17421770903541772 URL [本文引用: 2] 摘要 Abstract This paper places the key issues and implications of the new ‘introductory’ book on spatial econometrics by James LeSage & Kelley Pace (2009) in a broader perspective: the argument in favour of the spatial Durbin model, the use of indirect effects as a more valid basis for testing whether spatial spillovers are significant, the use of Bayesian posterior model probabilities to determine which spatial weights matrix best describes the data, and the book's contribution to the literature on spatio-temporal models. The main conclusion is that the state of the art of applied spatial econometrics has taken a step change with the publication of this book. Relever le niveau de l'économetrie spatial appliquée R07SUM07 La présente communication place les principales questions et implications du nouvel ouvrage d'introduction sur l'économétries spatiale de James LeSage & Kelley Pace (2009) dans un contexte plus général: l'argument favorisant le modèle spatial de Durbin, l'emploi d'effets indirects comme base plus valable pour évaluer l'aspect significatif des déversements spatiaux, l'emploi des probabilités d'un modèle baysien postérieur pour évaluer laquelle des matrices de poids spatiaux décrit le mieux les donnes, et la contribution de l'ouvrage la documentation sur les modèles spatio-temporels. La principale conclusion est qu'avec la publication de cet ouvrage, l'état de l'art de l'économétries spatiale applique a effectué un grand pas en avant. Alzar el nivel de la econometría espacial aplicada R07SUM07 Este trabajo plantea las cuestiones e implicaciones clave del nuevo libro introductorio sobre económetra espacial de James LeSage & Kelley Pace (2009) dentro de una perspectiva más amplia: el argumento a favor del modelo espacial Durbin, el uso de efectos indirectos como una base más válida para poner a prueba si los desbordamientos espaciales son significativos, el uso de probabilidades posteriores bayesianas para descubrir que matriz de pesos espaciales describe mejor los datos, y la contribución del libro a la bibliógrafa sobre modelos espaciotemporales. La principal conclusión es que la econometría espacial aplicada más avanzada ha experimentado un cambio radical con la publicación de este libro.
[32]	Elhorst J P.2014. Spatial panel data models [M]//Elhorst J P. Spatial econometrics: From cross-sectional data to spatial panels. Berlin & Heidelberg, Germany: Springer: 63-68. [本文引用: 1]
[33]	Feldman M P, Audretsch D B.1999. Innovation in cities: Science-based diversity, specialization, and localized competition [J]. European Economic Review, 43(2): 409-429. [本文引用: 1]
[34]	Griliches Z.1986. Productivity, R & D, and basic research at the firm level in the 1970's [J]. The American Economic Review, 76(1): 141-154. [本文引用: 1]
[35]	Jaffe A B.1989. Real effects of academic research [J]. The American Economic Review, 79(5): 957-970. https://doi.org/10.2307/3502129 URL [本文引用: 1] 摘要 The existence of geographically mediated "spillovers" from university research to commercial innovation is explored using state-level time-series data on corporate patents, corporate R&D, and university research. A significant effect of university research on corporate patents is found, particularly in the areas of drugs and medical technology, and electronics, optics, and nuclear technology. In addition, university research appears to have an indirect effect on local innovation by inducing industrial R&D spending. Copyright 1989 by American Economic Association.
[36]	Kemeny T.2011. Are international technology gaps growing or shrinking in the age of globalization [J]. Journal of Economic Geography, 11(1): 1-35. https://doi.org/10.1093/jeg/lbp062 Magsci [本文引用: 1] 摘要 This article examines changing international technology gaps over the recent period of globalization, 1972-2001, using a novel measure of technology. It evaluates each economy's technology level based on the goods it exports, considering each product's average productivity and relative quality level. The analysis reveals a growing disparity between the most- and least-sophisticated economies and a lack of intradistributional mobility. Results are consistent with a view of globalization in which emergent specialization patterns in advanced economies allow them to maintain and even extend their lead over technological latecomers, even as some developing economies are climbing up the ladder.
[37]	Silverman B W.1986. Introduction [M]//Silverman B W. Density estimation for statistics and data analysis. New York: Chapman & Hall: 2-10. [本文引用: 1]

中国区域创新的时空动态分析

2014

... 为进一步探讨高技术产业创新空间差异的形成机理,本文将分析创新的影响因素,旨在为避免高技术产业创新发展陷入强者愈强、弱者愈弱的“马太效应”提供参考依据(程叶青等, 2014). ...

中国区域创新的时空动态分析

2014

中国创新型城市建设的综合评估与空间格局分异

2014

... 以年增长率度量区域创新的年均变化情况,2003-2012年,中国高技术产业专利申请数的年增长率为35.56%,东、中和西部地区的年增长率分别为35.12%、44.95%和32.07%,中部地区为专利申请数增加最快的地区.对比2003-2008年和2008-2012年2个阶段,发现东部地区在第二阶段的年增长率低于第一阶段,说明东部地区创新产出发展到一定阶段,速度开始减缓;中、西部地区在第二阶段的年增长率明显高于第一阶段,说明随着创新意识和能力的逐渐提高,中、西部地区高技术产业创新相较于第一阶段发展加快.总体而言,全国高技术产业创新的空间分异较为明显,广东的专利申请数远远高于其他省份,东部地区和中、西部地区亦存在显著差异,这也与全国城市创新分布格局基本一致(吕拉昌等, 2010; 方创琳等, 2014). ...

中国创新型城市建设的综合评估与空间格局分异

2014

我国高新技术产业创新效率及其影响因素实证研究: 基于面板数据随机前沿模型

2016

... 创新的影响因素也是学界的研究热点之一.侯润秀等(2006)基于省域面板数据,通过计量分析方法认为外商直接投资对发明创新、实用新型和外观设计3种专利的申请量均有积极影响;郭国峰等(2007)以中部6省为研究区域,证明科研机构和企业的研发活动能够促进区域的技术进步;Cowan等(2013)对意大利的研究发现,高校数量的增加会带来区域创新水平的提高;方大春等(2016)基于随机前沿模型的分析,表明企业规模是创新效率的积极影响因素;丘东等(2016)从中介效应视角探讨了研发投入对区域创新的影响,结果发现政府R & D投入主要通过企业R & D投入的中介作用,对区域创新绩效有显著正向影响.关于创新影响因素的研究大多采用传统计量模型进行分析,其不足在于只能观测自变量对本区域因变量的影响,无法捕捉变量间的空间相互作用.而理论上,区域要素在空间上均存在相互作用,因此应采用能够捕捉到这一作用的空间计量模型进行分析. ...

... 结合多位学者的研究(肖仁桥等, 2012; 蒋天颖, 2014; 方大春等, 2016; 丘东等, 2016),本文主要从研发资金投入、研发人员投入、高校研发水平、企业规模和市场开放度5个方面分析区域高技术产业创新的影响因素. ...

... (4) 企业规模.作为创新主体之一,企业通常是区域创新的主要来源.企业规模代表相关产业人员的聚集程度,人员集聚利于知识传播交流,从而刺激创新发展(方大春等, 2016).因此,选用高技术企业年末平均从业人员占人口比重表示企业规模(单位为%). ...

我国高新技术产业创新效率及其影响因素实证研究: 基于面板数据随机前沿模型

2016

技术创新对高技术产业竞争力的影响: 基于中国1995-2010年数据的实证分析

2012

... 区域创新的关键是产业创新(周桂荣等, 2007),产业创新是区域创新的重要组成部分.高技术产业作为知识密集型和技术密集型产业,是科技创新的骨干力量,其发展关系到整个国家的综合实力和竞争力(封伟毅等, 2012).2011年7月,科技部发布的《国家“十二五”科学和技术发展规划》中提出要把促进高技术产业放在重要位置.因此,研究高技术产业创新的空间分布及其影响因素有重要意义. ...

技术创新对高技术产业竞争力的影响: 基于中国1995-2010年数据的实证分析

2012

技术创新能力的影响因素分析: 基于中部六省面板数据的实证研究

2007

技术创新能力的影响因素分析: 基于中部六省面板数据的实证研究

2007

广东省区域创新产出的空间相关性研究

2013

... 不同尺度下创新的空间分布得到了国内外学者的广泛关注.大多学者从国家尺度开展相关研究,如Feldman等(1999)对美国的研究发现,美国约96%的创新均来源于大都市区;Carrincazeaux等(2001)的研究表明,法国几乎75%的研发人员集中在全国经济与教育水平较高的六大地区;王春扬等(2014)对中国的研究表明,创新存在明显的东部沿海高—高集群和西部内陆低—低集群.也有学者从省级尺度开展相关研究,如何键芳等(2013)以广东省为例,发现全省的创新产出虽有大幅度提高,但空间差距仍较为显著且集中度不高;蒋天颖(2014)以浙江省为例,表明县域创新产出呈现空间集聚性,整体表现出东高西低、北高南低的分布特征;张惠璇等(2016)运用空间相互作用模型分析了广东省2003和2012年地级城市之间创新联系的空间格局演变,提出应促进现有创新联系空间格局的优化,在区域整体层面上形成多中心网络化的创新结构.亦有学者探讨不同产业创新的空间分布,如Buzard等(2009)发现美国大部分产业的创新活动均集中在东北走廊地区;Carlino等(2012)以美国东北部的1000个研发实验室为例,研究发现医药产业的研发机构比其他产业分布更为集中. ...

广东省区域创新产出的空间相关性研究

2013

外商直接投资对我国区域创新能力的影响

2006

... (5) 市场开放度.随着全球化的发展,区域创新发展越来越受到国外先进技术的影响.而中国能否有效地接受国际技术溢出,是区域创新的重要影响因素(侯润秀等, 2006).选用人均实际使用外资金额表示(单位为100美元/人). ...

外商直接投资对我国区域创新能力的影响

2006

浙江省区域创新产出空间分异特征及成因

2014

... 对区域创新的度量,长期以来未能达成统一.而专利因其数据的完整性适用于长时间尺度的研究,得到了大部分研究者的认可(逄淑媛等, 2009; 蒋天颖, 2014).无论授权与否,申请专利都包含了支持者重要的成本,并关注了其新颖性和盈利能力特征(李国平等, 2012),因此本文使用高技术产业的专利申请量反映区域的高技术产业创新水平.在此基础上,运用总体分异指数测度中国2003-2012年高技术产业创新的总体差异变化,然后使用核密度函数分析其2003、2008和2012年的空间分布特征,最后采用经典知识生产函数度量其影响因素,并引入空间计量模型捕捉各变量的空间相互作用. ...

浙江省区域创新产出空间分异特征及成因

2014

我国省域创新产出的空间特征和时空演化: 基于探索性空间数据分析的实证

2012

我国省域创新产出的空间特征和时空演化: 基于探索性空间数据分析的实证

2012

考虑空间效应的高技术企业创新溢出效应研究

2015

考虑空间效应的高技术企业创新溢出效应研究

2015

开放经济下区域创新溢出效应的空间计量分析

2012

... 根据LR检验结果,模型初步设定为双固定效应和随机效应的空间杜宾模型,结果如表5所示.其中,创新溢出(W×创新水平^② 3.2 部分关于创新溢出的论证,也与刘和东(2012)、李文亮等(2015)的研究结果一致,均认为创新在相邻省域间存在溢出,原因是邻近省域间在研发或经济方面的合作或竞争,造成创新要素的流动从而引起创新溢出.进一步根据Hausman 检验和Wald 检验结果,确定选用双固定效应的空间杜宾模型,得出自变量对本地区和相邻地区因变量的边际作用(表6). ...

开放经济下区域创新溢出效应的空间计量分析

2012

基于城市创新职能的中国创新城市空间体系

2010

基于城市创新职能的中国创新城市空间体系

2010

中国区域科技创新资源分布及其与经济发展水平协同测度

2012

... 作为知识投入产出的度量标准,创新在全球贸易和经济增长中起重要作用(Acs et al, 2002).在经济全球化和不同国家之间仍存在一定技术差距的背景下,各国比以往任何时候都更需要创新(Kemeny, 2011).中国的经济发展模式已由20世纪90年代的资源消耗型,向研发导向和全球合作发展为主(Bruche, 2009).党的十八大报告中提出“实施创新驱动发展战略”;2015年3月,习近平总书记在十二届全国人大三次会议中提出,创新是引领发展的第一动力.研究创新的空间分布及其影响因素将为中国创新战略实施提供重要依据(牛方曲等, 2012; 谭俊涛等, 2014). ...

中国区域科技创新资源分布及其与经济发展水平协同测度

2012

专利与研发经费的相关性研究: 基于全球研发顶尖公司10年面板数据的研究

2009

... 为度量其他因素对区域创新的影响,对模型进行进一步扩展.考虑到专利知识的投入与产出具有一定的时滞性,通过多次检验并结合他人研究结果(逄淑媛等, 2009; 赵炎等, 2013),确定滞后期为2年,两边同时取对数得到： ...

专利与研发经费的相关性研究: 基于全球研发顶尖公司10年面板数据的研究

2009

R & D投入对地区创新绩效的影响: 企业R & D投入的中介效应

2016

... (1) 研发资金投入.研发资金投入主要来源于区域研发资金内部支出和外部支出,其中内部支出是指当年预计用于开展研发活动的经费最终实际用于本单位内的全部支出,外部支出是指委托外单位进行研发活动所支付的实际费用.使用内部支出经费数据更能反映研发过程中所获得的资金投入(丘东等, 2016).因此,选用人均拥有区域R & D内部支出表示研发资金投入(单位为100元/人). ...

R & D投入对地区创新绩效的影响: 企业R & D投入的中介效应

2016

2001-2010年黑龙江省城市创新能力格局与发展过程

2014

2001-2010年黑龙江省城市创新能力格局与发展过程

2014

中国地级区域创新产出的时空模式研究: 基于ESDA的实证

2014

... 2003-2012年,以广东为高密度值区,东部地区的密度值高于中、西部地区的形势未发生改变,然而核密度大小及其空间分布存在较为明显的变化.2003年,中高值区和高值区分布在广东、北京和上海,而京津冀和长三角其他地区则为中值区,其余省份为较低值区和低值区,说明创新最先发端于经济基础较好的地区.2008年,核密度值的分布出现极化态势,高值区仍然分布在广东,但东部地区的密度值出现不同程度的下降,无中高值区和中值区,这与广东创新发展速度较快有关.2003-2008年,广东创新产出比重从34.23%增加至53.42%,导致其他省份的比重下降.2012年,核密度值分布的极化程度得到缓解,高值区仍然在广东,江苏上升为中高值区,长三角其他地区和京津冀地区为中值区,邻近地区的密度值得到提升,说明较丰富的资金、人才和技术区域的创新优势不断突显的同时,区域创新的空间依赖也愈发明显.总体来看,2003-2012年中国高技术产业创新的空间分布经历了先集聚后扩散的动态变化,这与王春扬等(2014)关于专利的省(区)分布结论相似;中国各省(区)的创新产出虽有一定程度的提高,但总体差异仍然显著. ...

中国地级区域创新产出的时空模式研究: 基于ESDA的实证

2014

扬州市住宅价格的空间分异与模式演变

2013

... 研究区域内某一指标空间分布的方法主要有变异系数(C_V)、泰尔系数(T)、总熵指数(GE)和阿特金森指数(A)等,但由于每种方法的基本原理和思路不同,结果可能也存在一定的差异,本文借鉴王洋等(2013)的研究方法,以熵技术确定上述测度指数权重,综合构建总体分异指数(GDI).不仅能同时反映这4个指标的信息,也可全面反映高技术产业创新总体分异的变化情况,步骤如下： ...

扬州市住宅价格的空间分异与模式演变

2013

基于空间溢出视角的城乡消费差距问题研究

2012

... 空间计量模型的前提是空间依赖性(王子敏, 2012),因此在建立模型前需要对被解释变量进行空间自相关检验.在Geoda 1.6.6中对模型被解释变量区域创新水平进行Moran's I值检验(表2).2003-2012年区域创新水平在置换次数999次下的正态统计量Z值均大于正态分布函数在0.05水平下的临界值(1.96),说明中国省域创新水平在空间分布上存在明显的空间依赖性,适合用空间计量模型分析. ...

基于空间溢出视角的城乡消费差距问题研究

2012

中国高技术产业创新效率及其影响因素研究

2012

中国高技术产业创新效率及其影响因素研究

2012

广东省城市创新联系的空间格局演变及优化策略

2016

广东省城市创新联系的空间格局演变及优化策略

2016

网络嵌入性与地域根植性对联盟企业创新绩效的影响: 对中国高科技上市公司的实证分析

2013

网络嵌入性与地域根植性对联盟企业创新绩效的影响: 对中国高科技上市公司的实证分析

2013

区域产业创新体系构建: 天津滨海新区与深圳、浦东之比较

2007

区域产业创新体系构建: 天津滨海新区与深圳、浦东之比较

2007

Patents and innovation counts as measures of regional production of new knowledge

2002

A new geography of innovation: China and India rising

2009

The geography of research and development activity in the U.S.[R]. Philadelphia, PA:

2009

The agglomeration of R & D labs[R]. Philadelphia, PA:

2012

Proximity and localisation of corporate R & D activities

2001

... (2) 研发人员投入.研发人员投入代表从事研发活动的人力投入(Carrincazeaux et al, 2001).其中研发人员按工作量分为全时人员和非全时人员.研发人员全时当量是指按实际工作量将全时人员和非全时人员进行加和.因此,选用区域高技术产业研发全时人员全时当量占人口比重表示研发人员投入(单位为%). ...

Communication externalities in cities

2004

... 知识生产函数是采用柯布道格拉斯公式,用投入产出的方法研究区域创新活动的模型(Griliches, 1986; Jaffe, 1989; Charlot et al, 2004).其基本假设是将创新产出看作研发资金或人员投入的函数,模型具体如下： ...

University effects on regional innovation

2013

... (3) 高校研发水平.高校作为知识的源泉和人才培养基地,对区域创新有积极的溢出作用.同时,高校科技园、校企合作等也常常被认为能够深刻地影响区域创新发展(Cowan et al, 2013).故采用高等教育研发经费支出占GDP比重表示高校研发水平(单位为%). ...

Applied spatial econometrics: Raising the bar

2010

... 根据Elhorst(2010)的模型选择规则,需构建无空间效应面板模型,进行拉格朗日乘数(Lagrange Multiplier, LM)检验以确定空间模型的类别,再进行极大似然比(Likelihood Ratio, LR)检验,以确定建立固定效应或随机效应.在Matlab 2010b中实现以上过程,结果如表3和表4. ...

... 遵循Elhorst(2010)模型选择规则,根据不同效应下模型估计中拉格朗日乘数滞后检验、拉格朗日乘数误差检验、稳健拉格朗日乘数滞后检验和稳健拉格朗日乘数误差检验的结果来判定应该选用空间滞后模型还是空间误差模型.根据表3的结果,检验结果并非指向同一类型的模型,因此应先建立更一般形式的空间杜宾模型(SDM),再通过怀特检验确定是否能够简化为空间滞后模型或空间误差模型. ...

Spatial panel data models

2014

... 空间计量经济学是处理相邻区域之间空间相互作用的学科,致力于解决空间依赖和空间异质(Elhorst, 2014).空间计量模型中最常用的是空间滞后模型(SLM)和空间误差模型(SEM),然而,当某地区的因变量有可能与其他地区的自变量之间存在空间关联作用,则考虑采用比空间滞后模型和空间误差模型更一般化的模型,即空间杜宾模型(SDM),具体公式如下： ...

Innovation in cities: Science-based diversity, specialization, and localized competition

1999

Productivity, R & D, and basic research at the firm level in the 1970's

1986

Real effects of academic research

1989

Are international technology gaps growing or shrinking in the age of globalization

2011

Introduction

1986

... 核密度(Kernel Density)分析方法是空间分析中常见的一种非参数估计方法,可以测度点(或线)要素在本区域及相邻区域的分布密度,广泛应用于空间结构研究,如商业网点、开发区、居民点和犯罪案件等空间分布及集聚特征.它以特定点(或线)要素为中心,将该点(或线)属性分布在指定搜索半径内,中心位置的密度最大,随距离递减,到极限距离处为零(Silverman, 1986). ...

〈

〉

中国高技术产业创新空间分布及其影响因素——基于面板数据的空间计量分析

Spatial distribution and influencing factors of high-tech industry innovation in China:Based on spatial econometric analysis of panel data

1 引言

2 方法与数据

2.1 研究方法

2.2 数据来源

3 高技术产业创新的空间分布

3.1 总体差异和演变

3.2 空间分布格局演变

4 高技术产业创新的影响因素

4.1 影响因素的选取

4.2 回归结果与分析

5 结论与启示

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子