研发要素的区际流动是否促进了创新效率的提升

白俊红，王 钺

(南京师范大学商学院，江苏 南京 210023)

研发要素的区际流动是否促进了创新效率的提升

白俊红，王 钺

(南京师范大学商学院，江苏 南京 210023)

利用2000—2013年中国大陆30个省区的面板数据，采用空间计量分析方法，实证考察了研发要素区际流动对创新效率的影响。研究发现，R＆D资本的区际流动能够显著促进创新效率的提升，而R＆D人员的区际流动对创新效率的影响并不明显；金融环境的改善有利于发挥R＆D资本区际流动的效率提升效应，而随着中国交通基础设施建设的不断完善，交通基础设施已经不再是影响R＆D人员区际流动的重要因素。

研发要素流动；创新效率；空间计量

近年来，伴随着中国创新驱动战略的逐步推进，各地区纷纷加大对创新生产的投入，并创造各种有利条件吸引研发资源要素 (如R＆D人员、R＆D资本)向本地区流动。研发要素在区际间的流动不仅有利于其在区域空间上的优化配置，提高研发资源的使用效率，而且可以通过 “知识溢出”等途径加速创新技术与经验在区际间的传播，进而也有利于区域创新生产绩效的提升。但是，另一方面，研发要素的区际流动也可能存在不利的影响，比如研发要素的流动会造成流入地研发基础设施使用拥挤以及流出地研发要素的短缺等。

从目前的研究进展来看，学界关于要素流动的相关文献，大多聚焦于劳动力、资本等传统生产要素，重点考察影响生产要素流动的因素[1]以及生产要素的流动对经济发展的影响等[2]，尚缺乏对研发要素流动的专门研究。与传统生产要素相比，研发要素携带了更多的知识和技术，具有较高的创新潜能，因而其在区际间的合理流动，将更有利于知识的传播与应用，进而促进经济的健康快速发展。而目前关于研发要素和创新效率关系的研究，大多从静态的角度，考察本地区研发要素的投入产出情况，进而对其效率进行测评[3]，忽视了研发要素在区际之间流动所引发的资源配置效应的变化。

与以往研究相比，本文的贡献主要体现在:第一，将携带更多知识和技术的研发要素在区际间的动态流动纳入到区域创新效率的分析框架中，考察其对区域创新效率的影响机理，从而在理论上进行积极的探讨；第二，考虑研发要素在区际间流动所可能产生的空间相关效应，应用空间计量经济学的理论与方法，实证考察研发要素流动对区域创新效率的影响。

1 理论机理

作为创新生产重要投入的研发要素在区际间的流动会通过资源优化配置效应、知识外溢效应以及分工效应等途径影响到创新生产的效率水平。

(1)研发要素流动的资源优化配置效应。要素在区域间的流动可以把在空间上相互分散的经济活动组合成一个整体，使某些被低效率使用的要素进入高效率的经济活动过程[4]。实际上，创新生产是各种研发要素相互组合的过程，研发要素的流入可以与流入地某些闲置的研发要素组合起来，使闲置的资源也投入到创新活动的生产中，从而提高研发要素的使用效率，实现资源的优化配置。其次，研发要素在区际间流动意味着竞争机制在各个区域的创新生产活动中的引进。竞争是进步的动力，竞争的存在将使各个省份不断改进创新环境，提高创新能力，完善政策环境，进一步使研发资源能够最大程度的发挥作用，获得最有效的配置，从而提高各区域创新的效率水平。除此之外，要素的流动通常会伴随着产业转移的发生[5]。因此，某个区域研发要素的流出也可能会加速该区域的创新资源向更具活力的研发活动集中，加速研发要素从已经丧失比较优势的创新活动转向具有更大研发价值的创新活动中去，实现研发资源的有效配置，从而提高本区域的竞争力和创新效率。

(2)研发要素流动的知识外溢效应。自Marshall以后，经济学家开始注意到知识的溢出效应，并且伴随着新经济地理学的发展，知识要素在空间上的自由流动所产生的空间外溢性受到越来越广泛地关注。知识作为一种公共物品，具有非竞争性和不完全排他性特征，可以被共享使用，因此作为知识载体的研发要素在区际间的流动不仅加速了新知识的创造，还能够促进知识在各个区域之间的传播，加快技术进步的步伐[6]。综上所述，研发要素在区际间的流动，必然能够加速创新知识和创新技术在空间上的扩散，并且可以对研发要素流动过程中所经过的区域形成一定程度的辐射作用，从而提高这些区域的创新水平和创新绩效。

(3)研发要素流动的分工效应。研发要素在区际间的流动，在一定程度上可以促使具有比较优势的研发要素超越本地市场，在更大范围的区际市场上从事研发创新活动，而市场的扩大可以进一步加速研发活动的地域分工。正如亚当·斯密所说，分工的存在可以提高效率，研发要素流动所带来的分工效应亦可以促进中国创新效率的提升。事实上，创新活动分工的本质是知识的分工，创新分工伴随的知识的获取、利用、整合与扩散能够使创新知识在各种创新活动中实现创造性组合，构成创新过程中的战略性资源，从而能够提高中国的创新生产绩效[7]。

2 研究方法与模型构建

2.1 创新效率的测算

本文用数据包络分析 (DEA)法对创新效率进行测算。采用 “规模报酬不变”下的CCR模型对各省份的创新效率进行测算。

2.2 计量模型的构建

创新生产活动的空间关联特征违背了经典计量分析中的基本假设，如果用传统的计量模型进行回归，实证结果的真实性就会受到质疑。与传统的计量模型不同，空间计量模型能够把经济活动中普遍存在的空间相关性考虑在内[8]。空间计量模型分为两种基本模型，即空间自回归模型(Spatial Autoregressive Model，SAR)和空间误差模型 (Spatial Error Model，SEM)。

本文中SAR模型用来研究在溢出效应存在的情况下，相邻省份的创新生产效率对其他省份创新效率的影响。模型的表达式为:

式中，Yit为地区i在t时期的创新效率观测值(i＝1，2，…，30；t＝1，2，…，14)，αi为截距项，ρ为空间自回归系数，ω为空间邻接权重矩阵，μ为随机扰动项，标量β为响应参数，其中 pfl、cfl、open、size、mile分别表示R＆D人员的区际流动量、R＆D资本的区际流动量，以及对外开放度、企业规模及交通基础设施等控制变量。

SEM模型通过误差项的相互关联来研究地区间的空间依赖关系，模型的表达式为:

式中，λ为空间误差系数，υ为随机扰动项，并服从独立同分布。其余变量的定义与式 (1)相同。

3 变量和数据说明

3.1 创新效率的度量

关于创新效率测算中投入变量，本文选取各区域的R＆D人员和R＆D资本作为创新效率核算的投入变量 (限于篇幅，本文省去了R＆D存量的核算步骤。如需要可向作者索取)。对于产出变量，本文选取发明专利授权数、新产品销售收入、科技论文发表数来对其进行衡量。

3.2 R＆D人员流动量和R＆D资本流动量的度量

本文将采用引力模型对R＆D人员流动量和资本流动量进行核算。引力模型最初源自牛顿的万有引力模型。随着空间经济学的不断发展，引力模型逐渐被应用到空间关系的研究中。参考刘继生和陈彦光[9]的研究，引力模型的一般表达式为:

式中，Fij为i地区和j地区的引力；Gij为i地区和j地区的引力系数，一般取1；Mi和Mj是社会某种要素的测度 (如人口、资本)；αi和αj为引力参数，一般均取1；Rij为i地区到j地区的距离；b为距离衰减指数，一般取2。

参照上述引力模型的一般形式，本文在充分考虑R＆D人员流动和资本流动不同特征的基础上，分别构建了测算R＆D人员流动量和资本流动量的引力模型。

(1)R＆D人员流动量 (pfl)的引力模型。在考察人员流动时，劳动经济学往往把人员流动的原因解释为 “推力—拉力”理论。该理论认为人口流动发生的原因是迁入地和迁出地的拉力和推力共同作用的结果。i地区流动到j地区的人员与j地区的吸引力成正比。基于此，本文在核算R＆D人员流动量时，选用各省份的人均GDP来表征本省对其他省份R＆D人员的吸引力，建立如下引力模型:

式中，Pflij为从i省流动到j省的R＆D人员流动量，Mi表示i省的R＆D人员，Ki是j省的人均GDP值，表征j省的吸引力，Rij是两地区省会城市之间的距离。

在式 (4)的基础上测算出i省的R＆D人员流入到其他所有省份的流动量，即为i省份的总流动量:

式中，pfli为i省流动到其他省份的R＆D人员总量，n为区域的个数，本文n＝30。

(2)R＆D资本流动量 (cfl)的引力模型。与R＆D人员的流动不同，R＆D资本的流动较少受到上述 “吸引力”的影响，更多是受到金融发展的影响。区域的金融系统越发达，R＆D资本的流入、流出就越方便。因此，关于R＆D资本流动量的核算，本文借鉴刘继生和陈彦光[9]、蒋天颖等[10]的研究，采用下式核算:

式中，cflij为从i省流动到j省的R＆D资本流动量，Ni和Nj是i省和j省的R＆D资本存量，其余变量的解释与式 (4)相同。同样，参照式 (5)， i省份流动到其他省份的R＆D资本总量 (cfli)为:

3.3 控制变量

对外开放度 (open)，用各省的进出口总额除以各省的GDP来表征。

企业规模 (size)，用各省工业企业资产总额除以企业单位数来表征企业的平均规模。

交通基础设施 (mile)，采用公路里程数来表征，并在代入计量模型时对其取对数处理。

金融环境 (fin)，选用各省科技经费中来源于金融机构贷款的对数值来表征。

原始数据来源于2001-2013年各省的 《中国统计年鉴》和 《中国科技统计年鉴》。另外，本文选取了中国大陆除西藏之外的30个省级行政地区为考察对象。

4 实证结果与讨论

经Hausman检验，我们选用固定效应模型，并且根据Anselin等[11]提出的空间计量模型选择原则，我们选择了空间误差模型。另外，根据固定效应模型对地区和时间两类非观测效应的不同控制，可以将其区分为无固定效应 (nonF)、地区固定时间不固定效应 (sF)、时间固定地区不固定(tF)和时间地区均固定 (stF)四种类型，结果如表1所示。

表1 空间面板计量回归结果

表1中模型1为式 (2)空间误差模型的估计结果。从模型1可以看出，地区固定时间不固定效应 (sF)的空间误差模型估计结果具有较高的极大似然值和调整后可决系数。因此，本文主要选择该模型进行分析。

从模型1中sF的估计结果来看，R＆D资本的跨区域流动对创新效率有显著的正向影响，表明R＆D资本在区际间的自由流动对中国创新效率的提升有显著的推进作用。与R＆D资本不同，R＆D人员的区际流动对创新效率的影响并不显著，这可能与目前中国科研单位就业招聘信息不对称、R＆D人员流入地研发设备使用拥挤等问题有关。目前，中国就业信息区际间交换还比较滞后，R＆D人员可能并不能及时获得和自有技能相关的招聘信息，从而使其在区际间的流动在一定程度上具有盲目性。此外，条件优越的地区在吸引大量R＆D人员流入的同时也会面临研发设备使用拥挤的困境。

表1中模型1显示了研发要素的区际流动对创新效率的影响。那么，一个值得进一步思考的问题是，研发要素的区际流动会受到什么因素的影响呢?而对该问题的考察无疑可为研发要素的合理流动，进而促进区域创新效率的提升提供有益参考。限于数据方面的考虑，本文拟从区域交通基础设施以及金融环境状况两个方面对其进行初步考察。交通基础设施的完善，有助于缩减R＆D人员流动的物质成本、时间成本和心理成本，从而也有利于R＆D人员的跨区域流动；同样，发达的金融系统能够缩减R＆D资本区际流动过程中的诸多障碍 (比如资金延时到账)，促进R＆D资本的自由流动等。基于此，本文进一步在模型中加入了交通基础设施与R＆D人员流动量的交互项以及金融环境与R＆D资本流动量的交互项，藉此来探究交通基础设施和金融环境的完善是否能够提升研发要素区际流动所带来的创新效率提升效应。经过Hausman检验和依据Anselin等[11]选择原则，加入交互项的空间计量模型同样采用空间误差的sF固定效应模型，估计结果如表1中模型2所示。

从估计结果可以看出，金融环境与R＆D资本区际流动量的系数为正，且在1%的水平下显著，表明金融环境的改善有助于显著提升R＆D资本区际流动所带来的创新效率提升效应。近年来，中国高度重视加强科技和金融的结合，积极通过创新科技投入的方式与机制、建立创投专项基金等方式方法促进区域科技金融的有序发展。目前北京、江苏、武汉、天津等地区已经初步建立起了科技专营银行，专门从事科技创新资金的投资、融资、贷款以及管理等工作。上述措施不仅能够给R＆D资本的区际流动提供引导，还能为科技创新活动提供充足的资金支持，从而也有利于科技创新活动的顺利开展。此外，目前中国各个地区的银行网点也在逐渐增多，网上银行和快捷支付等即时支付手段得到了迅速发展，这些因素使得R＆D资本在区际间的流动更加方便、快捷，对创新生产活动的开展产生积极影响。交通基础设施与R＆D人员区际流动量的交互项对创新效率的影响并不显著。其原因可能在于，目前中国交通基础设施建设已经初步形成了一个较为完善的网络系统，这也使得R＆D人员的区际流动已较少受到交通条件的制约，交通基础设施已不再是影响R＆D人员区际流动的主要因素。

5 结论

R＆D资本在区际间的流动显著地促进了创新效率的提升，而R＆D人员的区际流动影响并不显著，这可能与目前中国区际间研发岗位就业信息交换滞后、R＆D人员流入地的研发设备使用拥挤等问题有关。在此基础上，本文进一步考察了交通基础设施对R＆D人员区际流动以及金融环境对R＆D资本区际流动的影响。结果表明，金融环境的完善有利于R＆D资本区际流动，并藉此促进创新效率的提升，而交通基础设施对R＆D人员区际流动的影响并不显著。

上述结论的政策含义是明显的:

第一，应进一步加快完善科技和金融合作体系，促进R＆D资本在区际间更加方便、快捷地流动；逐步提高中国金融机构风险预测服务的质量，从而科学引导和激励R＆D资本的合理流动。

第二，对于R＆D人员流动而言，其流入量较大的执行单位应及时增加研发硬件设施的投入，避免由于设施不足而影响创新活动的有效开展；各执行单位的人力资源部门应该及时发布R＆D岗位信息，同时各个地区也可以建立相应的就业信息交换中心，以实现研发岗位就业信息的及时传递和使用。

[1]何一峰，付海京.影响我国人口迁移因素的实证研究[J].浙江社会科学，2007，(2):47-51.

[2]陈冬，樊杰.区际资本流动与区域发展差距[J].地理学报，2011，66(6):723-731.

[3]孙凯，李煜华.我国各省市创新效率分析与比较[J].中国科技论坛，2007，(11):8-11.

[4]义旭东.论要素流动对新型区域发展之推动效应[J].现代经济，2011，31(2):28-45.

[5]刘霆，谭晓萍.跨区域流动要素对区域经济发展的影响[J].经济地理，2009，(4):595-599.

[6]Almeida P，Kogut B.Localization of Knowledge and the Mobility of Engineers in Regional Networks[J].Management Science，1999，45:905-916.

[7]王朝云.创新效率与组织规模的动态适应性分析[J].统计与决策，2010，(1):175-177.

[8]Anselin L.Spatial Econometrics:Methods and Models[M].Dordrecht，Kluwer Academic Publishers，1988.

[9]刘继生，陈彦光.分形城市引力模型的一般形式和应用方法——关于城市体系空间作用的引力理论探讨[J].地理研究，2000，20(6):528-533.

[10]蒋天颖，谢敏，刘刚.基于引力模型的区域创新产出空间联系研究——以浙江省为例[J].地理科学，2014，34(11): 1320-1326.

[11]Anselin L，Raymond J G M Florax，Sergio J Rey.Advances in Spatial Econometrics:Methodology，Tools and Applications[M].Berlin:Springer Verlag，2004.

(责任编辑 谭果林)

Does the Interregional Flow of R＆D Elements Promote the Improvement of Innovation Efficiency

Bai Junhong，Wang Yue
(School of Business，Nanjing Normal University，Nanjing 210023，China)

Based on the data of Chinese 30 provinces during 2000—2013，the paper uses the method of spatial econometric analysis to observe the influence of R＆D elements'interregional flow on innovation efficiency.The research indicates that the regional mobility of R＆D capital can promote the increase of innovation efficiency obviously，but the regional mobility of R＆D labors has on impact on innovation efficiency.The improvement of financial environment is helpful for maximization of the interregional flow of R＆D capital，and with the development of transportation infrastructure in China，it is on longer an important element that can influence the regional mobility of R＆D labors.

Interregional flow of R＆D elements；Innovation efficiency；Spatial econometric

F127

A

国家自然科学基金 “协同创新与空间关联对区域创新绩效的影响机理及实证研究”(71573138)，国家自然科学基金 “考虑目标差异的政府R＆D资助对企业技术创新的影响研究:基于吸收能力的视角”(71203097)，国家自然科学基金 “基于空间相关的区域间创新协调发展研究”(71303122)，江苏省社科基金 “江苏科教资源优势转化为创新资源优势研究”(12DDB009)。

2015-07-14

白俊红 (1982-)，男，山西太原人，南京师范大学商学院副教授，博士，硕士生导师；研究方向:技术创新与管理。