创新集聚效率实证研究

邱国栋，李作奎

(1.东北财经大学 工商管理学院，辽宁 大连 116025;2.东北财经大学 实验教学中心，辽宁 大连 116025)

一、问题提出

自从熊彼特于1966年提出创新理论以来，与创新相关的理论与实证研究引起了国内外学者的普遍关注。随着经济地理学的发展，空间视角的创新研究逐渐成为热点领域。在产业集聚的框架内研究创新和创新集聚成为近年来的研究趋势[1－2]。但是，创新集聚与产业集聚既有关联，又有不同。产业集聚主要强调以生产要素(资本、劳动、技术)为纽带，使相互关联的产业链条相互交织在一起，且在空间上形成平均成本、平均收益的区位优势。张丽华和林善浪指出:生产集中所带来的生产要素的集中并不总是有利于技术创新，当区域的生产集中是由于某一个或几个大型企业的存在所造成的，那么生产的集中并不一定会带来大量的创新产出。创新集聚主要是由于知识溢出与技术扩散在其中发挥作用，知识溢出与技术扩散内核是非关联企业相互协作和相互反馈形成共用效果、互补效果和协同效应，从而形成地域上的集中[3]。一些传统产业因追求成本—收益优势吸附相关企业加盟，在时间的坐标上逐步膨胀，形成产业集聚。但是，由于这些大型企业经营管理过程中的惯性、所属行业的特征和企业自身的创新偏好等原因，并没有形成与其规模相符的创新能力。目前，我国各个行业都面临产业的转型升级和技术革新，因此，在现阶段强调创新集聚及其效率比产业集聚似乎更有必要。

大量的理论和实证研究显示出空间与技术创新存在密切联系。Amin和Robins基于大型跨国公司为主体的视角，认为“大型跨国公司占据主导的研发活动和由此带来的技术创新会在特定的区域内集中”[4]，Simmie从单体企业的角度，认为企业研发的持续和深入必然促使企业创新行为变得频繁和丰富，使得企业之间的分工和专业化变得重要，协同创新也必然要求持续的研发建立和维持活动在特定区域内[5]。刘璐认为特定的空间区域是技术创新的环境，也是影响技术创新的重要因素，空间与创新的关系将成为创新理论中研究的前沿问题[6]。在国内外理论研究基础上，很多学者开始利用实证研究的方法研究创新集聚问题。李志刚等采用OLS方法以专利授权量度量了我国创新行为的不均衡性[7]。张明倩采用空间基尼系数测度了我国制造业创新活动的区域聚集程度，发现制造业创新活动具有很强的区域不均衡性[8]。张玉明和李凯利用专利数据，使用区位基尼系数和MoranI指数反映出我国省域区域创新产出呈现空间集聚和空间依赖的特点，并非随机分布[9]。余泳泽运用空间面板计量方法研究了创新要素集聚、政府支持与科技创新效率之间的关系，结果表明:我国科技创新效率具有明显的空间相关性。因此，创新在地理分布上呈现出不均匀状态，表现出空间集聚的趋势[10]。

创新集聚之所以备受关注，主要是由于创新对于一个国家而言能够促进经济快速健康发展，提升产业结构升级改造，带来经济活力。创新集聚更是能够加速经济增长的步伐，洪名勇[11]从新经济增长理论的视角将经济增长和科技创新整合为一个理论分析框架，通过建立计量分析模型对我国大陆30个省市区做了实证分析，①因西藏自治区数据不全未包括在内。并从研究结果中发现科技创新的差异是我国区域经济非均衡增长的重要因素之一。区域经济增长可能存在着多个稳态，影响经济增长稳态的多因素的耦合、技术扩散的空间效应等有可能使得一定区域组内部各区域之间的经济增长逐步走向趋同。范柏乃等以国家统计局发布的1953—2002年度统计数据为基础，采用广义差分回归分析，并建立了相关的数学模型，揭示科技投入与经济增长之间存在十分明确的单向因果关系[12]。Solow将科技进步从生产函数中分离出来，进一步揭示了科技进步与经济增长的关系[13]，郭新力以2000—2003年表征区域经济水平及技术创新能力的相关数据为基础进行回归分析，研究了我国区域创新能力对区域经济增长的贡献[14]。

综合关于创新集聚的现有文献来看，虽然创新集聚促进经济增长成为理论界和实业界的共识，但是，现有文献存在两个方面的不足:(1)很少研究创新集聚效率问题;(2)多数文献将科技作为外生变量，仅考虑创新对经济增长的单向促进作用，鲜有文献将创新集聚与经济增长作为一个系统研究二者之间的关系。创新集聚与经济增长双向影响机制被大多数研究者忽略了，导致创新集聚效率估计的结果产生偏误，这也是此类文献因存在着理论上的局限性而受到的主要质疑之处。基于此，本文将创新集聚与经济增长作为一个整体来研究创新集聚效率问题，研究创新集聚与经济增长之间存在的双向作用关系，在此基础上提出创新集聚效率提高的路径。

二、研究设计

目前，用于衡量单体集聚的指标主要包括:赫芬达尔指数(HI)、区位熵(LQ)、空间基尼系数(G)和Ellison－Glaeser指数(E－G指数)，空间集聚主要集中在后三个指数。本文参照张丽华和林善浪[3]的做法，采用LQ指数来衡量某一地区技术创新集聚水平。之所以没有选择G指数和E－G指数，其主要缘于(1)创新是一个综合性的指标，仅仅依靠某一个指标来度量，如专利申请授权数量，有失偏颇。LQ(Location Quotient)指数因消除了量纲的影响，从而可以利用多个指标取算数平均值的做法构建综合LQ指数，反映技术创新集聚水平;(2)G指数和E－G指数只能从产业层面反映全国创新集聚水平，不能反映单个地区相对于全国的创新集聚程度，这使面板数据分析难以进行，这也是本文没有使用其衡量创新空间集聚的主要原因。但为了证明创新集聚的存在，本文从全国整体来考量，使用E－G指数来反映创新集聚的存在和趋势。其公式如下:

为了使E－G指数体现创新集聚的异质化，本文选取2000—2010年高技术产业作为主要研究对象，其中ni代表i地区高技术产业企业数，n代表全国高技术产业企业数，其他指标含义同ΥEG公式。根据ΥαEG指数，2000年该指数为0.04，2010年为0.12，基本呈现上升趋势，根据Ellison和Glaeser对系数的分类可知，ΥEG≤0.02为低度集聚，0.02≤ΥEG≤0.05为中度集聚，ΥEG≥0.05为高度集聚，由此可知，目前，我国技术创新的空间集聚呈现高度集聚状态，具体集聚趋势如图1所示。

LQ指数是指一个地区特定产业的度量指标在地区总指标中所占的比重与全国该产业度量指标在全国总度量指标中所占比重之间的比值。LQ经常用于衡量一个地区指标和全国平均指标之间的差异，以此来评价该地区的专业化水平和优势度，LQ值越大，专业化水平和优势度越高，一般来讲，如果产业的LQ值大于1.50，则该产业在当地就具有明显的比较优势。本文利用2000—2010年的省域面板数据，根据考察参数构建LQ指数，衡量创新集聚。本文采用兼具截面数据(各省份)和时序数据(2000—2010年)的面板数据，原因主要有两个方面:一方面，就样本数据量而言，面板数据包含较多数据点，因而带来较大的自由度，截面变量和时序变量的结合信息能够显著地减少因缺省域变量所带来的异质性问题;①本文用面板数据的数据结构，主要是为了控制个体异质性。因为每个省份都有自身的创新行为，这些行为对创新决策过程有影响，但又无法观测，利用面板数据，可以降低因异质性所导致的实证结果参数偏误。另一方面，更为重要的是，创新集聚与经济增长不仅具有时序维度特征，同时也具有截面特征，即不仅单个省域创新集聚与经济增长关系将随着经济发展水平的变化而改变，而且不同发展水平的省域创新集聚与经济增长也存在双向反馈机制。因此，结合时序和截面两维信息的面板数据，利用3SLS方法对建立的联立方程进行估计处理的实证研究中必然存在内生性问题，能够反映出经济增长差异和地区异质性对创新集聚的综合影响。

三、数据与模型

1.数据与样本

本文选取的样本为2000—2010年30个省市自治区省域面板数据。数据主要来自《中国科技统计年鉴》(1999—2011年)、《中国高技术产业统计年鉴》(1999—2011年)、《中国统计年鉴》(1999—2011年)。为消除价格因素的影响，对相关指数进行了价格平减处理:以各年按当年价格计算的国内生产总值(名义GDP)和各年GDP的实际增长率折算出以2000年为基期的实际分地区各年度国内生产总值(实际GDP)，用同样的方法，固定资本投资用固定资本投资价格指数进行调整，折算出以2000年为基期的实际固定资本投资额;劳动力用各年从业人员来衡量，由于年鉴上提供的是人口和从业人员各年底的数据，因而本文选取的人口和从业人员相邻两年年末数据平均值来计算分地区各年度人口和从业人员数。对于创新集聚指数tinnit的计算，本文按照LQ指数的算法，用区域高技术产业总产值占全国比重/区域GDP占全国比重代表省域创新集聚指数(tinnit)。

2.描述性统计

为了反映数据的各种特征，以便于描述测量样本的各种特征及其所代表的总体特征，本文对样本数据进行了描述性统计分析，为了增加变异，dGDP取百分数，具体统计分析结果如表1所示。

通过描述性统计，本文使用的是平衡面板数据，共有330个观测值，两个关键变量tinn和dGDP都有足够的变异。

图1 中国2000—2010年度创新集聚与GDP增长趋势图

表1 创新集聚变量描述性统计

3.模型介绍

本文主要应用的是新经济增长理论，采用的模型由C—D函数改进，建立如下联立方程模型:

在联立方程模型中，方程(1)代表创新集聚方程，方程(2)代表产出方程。下标i代表横截面，t代表时间。其中dGDP表示各个区域的国内生产总值增长速度;tinn表示创新集聚指数;在创新集聚影响因素的选择中，本文遵从Audretsch和Feldman的研究结论，知识和技术的溢出能够形成独特的区位优势，从而吸附相关高技术产业形成集聚，也就是知识和技术的溢出影响创新集聚[17]，选择pat、tp、rdfin三个变量，以代表知识溢出和技术溢出。pat为三种专利(发明、实用新型和外观设计)申请授权数量;tp为高技术企业科技活动人员数量;rdfin为研发经费投入占财政支出的比重。为减少异方差，变量pat、tp取对数。k表示各区域的固定资本投资;l表示区域的人力资本投入;πi和θi是联立方程的特定截面效应;uit和εit是联立方程的特异误差项。

四、实证结果及分析

1.内生性问题

内生性问题是实证研究中普遍存在的问题，根据计量经济学理论，如果创新集聚与经济增长是单向因果关系，即若tinnit是外生的，联立方程估计量因具有较大的标准误，而使估计结果不如OLS估计量有效。因此，检验tinnit的内生性便非常必要，同时也印证了创新集聚与经济增长是单向还是双向因果关系。本文通过面板数据部分解决了模型遗漏变量所导致的估计参数偏误，但仍旧可能存在解释变量和被解释变量相互作用、相互影响、互为因果的情况导致的内生性问题。对此，本文利用Hausman检验来判别内生性问题在本模型中是否存在。首先，使用tinnit对lnkit、lnlit、patit、tpit、rdfinit进行OLS回归，得到残差Vit;然后将Vit作为解释变量加入方程(1)中，并用OLS回归方法检验Vit的显著性，结果发现Vit的系数在1%的显著性水平上显著异于零。所以，tinnit确实是内生的，使用联立方程进行估计是合理有效的。

在内生性问题处理的估计方法选择方面，联立方程估计方法有单一方程估计法和系统估计法，单一方程估计法因为忽略了模型中方程之间的联系，①这种联系即包括变量之间的联系，也包括方程扰动项之间的联系。所以不如所有方程作为一个整体进行估计，即系统估计法更有效率。因此，对联立方程的单一方程估计法必然是有偏的。基于此，本文选择既考虑了模型解释变量和被解释变量互为因果，又考虑了特异误差项uit和εit相关的处理方法3SLS。3SLS将2SLS和SUR(似不相关回归)方法相结合，很好地规避了联立方程存在的内生性问题。

2.联立方程估计结果

为了进行对比分析，本文使用了四种估计方法，分别是普通最小二乘法(OLS)、两阶段最小二乘法(2SLS)、三阶段最小二乘法(3SLS)和迭代三阶段最小二乘法(3SLS_ITR)。OLS因忽略了模型中方程间创新集聚与经济增长的交互联动以及误差项的相互影响，所以估计结果并不可信，从表2各列的比较分析看被估参数存在较大差距，而且lnk和lnl的贡献有为负的情况，这明显与理论预期不符，这些都证实了创新集聚与经济增长双向影响机制一旦被大多数研究者忽略，导致创新集聚效率估计的结果存在明显的偏误，据此得出的结果也会受到严重质疑。这也进一步证实了本文从创新集聚与经济增长相互影响的角度研究二者之间的关系是合理的。对于表2的2SLS估计方法因忽略了模型中uit和εit两个特异误差项的相关性，这也导致了2SLS估计方法不是最有效率的。本文的估计结果选择综合考虑了联立方程系统因素的3SLS估计方法。对于3SLS估计方法，本文在以后部分中，采用统一使用多次迭代直至收敛的迭代3SLS方法(3SLS_ITR)得到的数据进行结果分析，如表2所示。

表2 创新集聚与经济增长相互影响的估计结果

3.创新集聚方程估计结果分析

对于创新集聚方程估计结果而言，本文主要考虑两个方面:(1)经济增长对创新集聚作用是否具有统计上显著的正效应;(2)创新集聚对经济增长是否具有统计上显著的正效应。

估计结果表明:即使使用不同的估计方法，经济增长对创新集聚都具有统计上显著的正效应。由于模型已经考虑了创新集聚对经济增长的反作用，因此，经济增长对创新集聚的作用不容忽视。在经济增长对创新集聚的加速效应中，经济增长10%，创新集聚增加0.19，而且在1%的显著水平下显著。由此可以看出，经济增长对创新集聚的作用很大，说明高技术产业趋于向经济增长快加速集中。这说明我国经济增长所引发的创新分布并非是随机的，而是逐渐趋于集中。这一结论与我国部分学者研究结论一致，如卢宁等研究认为:“各地区自主创新资源投入水平差距显著，经济发达地区在自主创新资源投入上拥有比较优势”[18]。这一现象也符合我国目前的实际:创新多发生在江苏和山东①等地区，相比较而言，则越来越鲜有发生在甘肃和新疆②在2000—2010年，甘肃省年均增长速度为10.76%，新疆年均增长速度为10.18%。等地区。此外，变量lnpatit、lntpit、rdfinit的系数都符合理论预期;随着方法的改进，拟合优度值不断提高，这些都说明创新集聚方程较好地证明了经济增长对创新集聚的促进作用。

4.产出方程估计结果分析

对于产出方程估计结果而言，在考虑了经济增长对创新集聚的反作用前提下，本文考虑创新集聚对经济增长的促进作用。根据结果，在其他因素不变的情况下，如果创新集聚增加0.10，经济增长将提高0.03%，这在5%的统计水平上显著，这说明创新集聚的增加对经济增长存在显著的正效应，这一结果与一些学者研究一致，如Hitt和Vaidyanath在论证经济联盟与持续竞争优势关系中也指出，联盟的动机主要是寻找经济关系的利益集聚，这会产生持续竞争的优势[19];Hagedoorn和Cloodt认为创新集聚有助于创新绩效的提高，能够促进经济在连撞或块状形成有效联结，从而不但改善经济发展的速度，而且提高经济发展质量[20]。本文的结果也与我国目前各个地区开始发展经济技术开发区和产业经济带的现象一致，通过各种集聚形式提高经济发展速度。

5.稳健性检验

为了验证实证结果是否随着参数设定的改变而发生变化，本文进一步对模型进行了稳健性检验。首先，本文按照平均经济增长速度把各地区分成高速增长区、中速增长区和低速增长区各10个省份，运用以上的分析过程，发现创新集聚与经济增长速度的符号方向和显著性水平没有变化。其次，本文用各地区高技术企业数代替各地区高技术产业总产值来衡量创新集聚水平，重复模型估计过程，仍旧发现创新集聚和经济增长速度的符号方向和显著性水平基本没有发生变化。这些说明本文的估计结果是稳健可靠的。

五、结论与启示

本文利用2000—2010年的省域面板数据，根据区位熵指数衡量创新集聚，通过构建同时包含创新集聚方程与产出方程的联立方程，分析了创新集聚与经济增长之间的关系。与大多数文献基于创新对经济增长约简型单方程估计相比，本文更多考虑了经济增长与创新集聚的相互反馈作用。经过实证分析，创新集聚与经济增长具有双向互动的促进作用。一方面创新集聚通过协同效应和知识溢出等传导机制而作用于经济增长，为转变经济发展方式、调整经济结构和优化升级产业结构提供强有力的支撑;另一方面经济增长通过规模经济、范围经济和结构效应影响着创新集聚的变化，反哺创新所需的创新型人才、创新环境、创新制度等养料，保障创新活动得以顺利进行。根据实证分析结果，应从以下三个方面思考对策，以提高创新集聚效率。

1.以政府为主导，提高社会资本的治理效率

创新是一项系统工程，它的复杂性使得创新由创意的产生到设计研究直至产品商业化所涉及的主体越来越多，政府、企业、学研机构和中介组织都是创新的行为主体。这些组织之间的联系及其运行机制组成了创新网络系统。由于创新多主体的存在，使得创新活动向创新环境和创新文化具有区位优势的地域集聚的倾向，创新环境和创新文化扮演着创新向心力的角色，创新规模的经济性是创新活动的加速度。这也正如本文2000—2010年度创新集聚与GDP增长趋势图反映的一样，创新集聚的增长速度比GDP增长速度快的主要原因，从长期均衡的角度来说，这种趋势是稳定的。在创新集聚方程中，经济增长促进创新集聚增加，而且在统计上都是显著的，这充分表明:现阶段在经济增长一定的条件下，应提高其对创新集聚的贡献度。在政策方面，可以发挥政府在整合社会资本方面治理资源的因素，如政府应利用公共性职能的权威性，通过政策、规章和制度对创新活动进行正确引导和规范，营造有利于创新的文化和环境，对多方社会资本进行跨区域、跨边界整合，提高社会资本的治理效率，引导创新资源的集聚，这些都将提高创新集聚的效果。

2.以企业为主导，提升知识溢出和吸收能力

知识溢出效应可以增加知识积累和新知识创造，获得知识溢出是创新集聚的主要动因，也是提高创新能力，获得竞争优势的根本原因。美国硅谷的实践表明，技术创新活动更多地依赖于知识溢出效应。Freeman在集群的框架下，研究知识溢出效应时，认为知识溢出效应的存在是集群创新网络发展和集群经济增长的最根本动力，是集群创新产出和生产率提高的源泉。实证结果显示，以专利授权数量为代表的知识溢出对创新集聚具有显著的正效应，以高技术企业科技活动人员数量为代表的知识溢出对创新集聚具有统计上显著的正效应[21]。这一结果也与陈国亮和陈建军的结论一致:知识溢出主要表现为企业在空间上的协同定位能加速思想的流动，从而促进产业间进一步的融合。但是，在实证结果中，也证实我国现阶段知识溢出对创新集聚贡献度很低，以贡献度最大的专利授权数量为例，当某一区域专利授权数量增加10%，创新集聚平均增加1.28%。由于创新集聚与经济增长的联动效应，知识溢出对创新集聚贡献的低水平，导致其对经济增长的贡献也微乎其微。但知识溢出是否能够转化为企业的创新产出与企业的吸收能力高度相关，集群内的知识溢出最终是由其中的企业所消化、吸收的[22]。

3.以学研机构为主导，构建产学研用中培养人才的理念

从实践视角看，创新的实质是将新知识应用于商业目的的复杂过程，创新很大程度上要依赖于基础科学知识，如大学与政府实验室的研究开发，大多数新的重要技术机遇都来自于先进的科学知识。我国科技创新大会于2012年7月7日在北京闭幕，再次强调了要加快建设国家创新体系，大力实施科教兴国和人才强国战略。高等学校在智力资源开发起着至关重要的作用。随着高等学校功能从人才培育、科学研究到社会服务的延伸，高等教育、科技、经济一体化的趋势越来越强。尤其是在知识经济社会中，大学将被推向社会发展的中心，成为社会经济发展的重要动力。在美国，以信息技术为标志的第三次科技革命对产学研合作起到了推波助澜的作用，其中，斯坦福大学对师生创业和建立学术界与产业界合作的积极支持，创造了“硅谷”的经济奇迹，使产学研合作在高新技术飞速发展的当今世界，成为推动经济和整个社会发展的一种最强劲的动力。我国应该在加大教育投入的同时，更加重视产学研合作，在创新的广度、深度和密度方面采取强有力的措施。

[1]Pouder，R.，John，C.Hot Spots and Blind:Geographical Clusters of Firms and Innovation[J].Academy of Management Review，1996，21(4):1192－1225.

[2]Beaudry，C.，Swann，P.Growth in Industrial Cluster:A Birds Eye View of the United Kingdom[J].SIEPR Discussion Paper，2001，(5):17－38.

[3]张丽华，林善浪.创新集聚与产业集聚的相关性研究[J].科学学研究，2010，(4):635－640.

[4]Amin，A.，Robins，K.The Re－Emergence of Regional Economics?The Mythical Geography of Flexible Accumulation Environment and Planning[J].Society and Space，1990，(8):7－34.

[5]Simmie，J.Innovation and Space:A Critical Review of the Literature[J].Regional Studies，2005，(8):789－804.

[6]刘璐.空间视角的技术创新文献综述[J].技术与创新管理，2010，(5):264－266.

[7]李志刚，汤书昆，梁晓艳，吴灵光.我国创新产出的空间分布特征研究——基于省域专利统计数据的空间计量分析[J].科学学与科学技术管理，2006，(8):35－42.

[8]张明倩.中国产业集聚现象统计模型及应用研究[M].北京:中国标准出版社，2006.88－152.

[9]张玉明，李凯.中国创新产出的空间分布及空间相关性研究——基于1996—2000年省域专利统计数据的空间计量分析[J]. 中国软科学，2007，(11):97－103.

[10]余泳泽.创新要素集聚、政府支持与科技创新效率——基于省域数据的空间面板计量分析[J].经济评论，2011，(2):93－101.

[11]洪明勇.科技创新能力与区域经济实力差异的实证研究[J].经济地理，2003，(5):606－610.

[12]范柏乃，江蕾，罗佳明.中国经济增长与科技投入关系的实证研究[J].科研管理，2004，(5):104－109.

[13]Solow，R.M.A Contribution to the Theory of Economic Growth[J].The Quarterly of Economics，1956，70(1):65－94.

[14]郭新力.技术创新能力与经济增长的区域创新性差异研究[J].科技进步与对策，2007，(3):34－36.

[15]Paulo，G.，Octavio，F.，Douglas，W.Agglomeration and the Location of Foreign Direct Investment in Portugal[J].Journal of Urban Economics，2004，47(1):115－135.

[16]詹宇波，张卉.修正的E－G指数与中国制造业区域集聚度量[J].东岳论丛，2010，(2):50－53.

[17]Audretsch，D.B.，Feldman，M.P.R＆D Spillovers and the Geography of Innovation and Production [J].American Economic Review，1996，(3):630－640.

[18]卢宁，李国平，刘光岭.中国自主创新与区域经济增长:基于1998—2007年省域面板数据的实证研究[J].数量经济技术经济研究，2010，(1):3－18.

[19]Hitt，M.A.，Vaidyanath，D.V.Alliance Management as a Source of Competitive Advantage[J].Journal of Management，2002，28(3):413－446.

[20]Hagedoorn，J.，Cloodt，M.Measuring Innovative Performance:Is there an Advantage in Using Multiple Indicators[J].Research Policy，2003，32(8):1365－1379.

[21]Freeman，C.Networks of Innovators:A Synthesis of Research Issues[J].Research Policy，1991，20(5):499－514.

[22]陈国亮，陈建军.产业互联、空间地理与二三产业共同集聚:来自中国212个城市的经验考察[J].管理世界，2012，(4):82－100.