基于专利影响因素分析的我国中西部地区创新水平提升研究——以安徽省为例

潘三毛，刘中爱

一、文献综述

创新是引领经济增长和转型升级最为重要的引擎。本轮金融危机之后，一方面，中国进入经济新常态，粗放型增长及经济结构急需转型和优化升级；另一方面，世界进入创新全球化阶段，由资源比较优势竞争走向创新要素优势竞争。2012年，党的十八大适时提出实施创新驱动发展战略，创新驱动发展正式升级为国家优先战略。2016年，中共中央、国务院印发了《国家创新驱动发展战略纲要》《“十三五”国家科技创新规划》，提出到2050年将我国建成世界科技创新强国。实现这一目标要分三步走，其中第一步是到2020年国家综合创新能力世界排名进入前15名，进入创新型国家行列。2019年，党的十九大更是提出推动高质量发展，我国区域竞争格局由GDP挂帅阶段转向以创新为动力推动高质量发展挂帅的阶段。

近年来，安徽省按照中央关于建设创新型国家的要求，全面推进创新型省份建设，陆续印发《中共安徽省委安徽省人民政府关于实施创新驱动发展战略进一步加快创新型省份建设的意见》（皖发〔2014〕4号）、《实施创新驱动发展战略 进一步加快创新型省份建设配套文件的通知》（皖政办 〔2015〕40号）和《安徽省贯彻落实〈国家创新驱动发展战略纲要〉实施方案》等文件。根据安徽省科技厅公开数据分析，2012年12月到2017年12月，全省申请发明专利、获授权发明专利、每万人口发明专利拥有量、技术合同成交额、社会研发经费支出及其占地区GDP比重等指标分别增长了382.0%、306.0%、497.0%、190.0%、68.6%和0.33%，全省科技创新工作获得较大进展。根据历年中国统计局《中国统计年鉴》和科技部《中国区域科技创新评价报告》相关数据，与全国其他省份相比，2012—2015年安徽省GDP全国排名一直稳居第14名，到2016年和2017年，这个名次上升到第13名。但是，安徽省综合科技创新水平指数的全国排名一直位居第15名，不仅低于其GDP的省份排名，也不因GDP省份排位名次的提高而提高。这说明，一方面，安徽省的经济发展并未获得创新动力的有力支撑；另一方面，伴随我国经济发展进入新时代，未来安徽省通过实施“调转促”工程，促进经济高质量发展的任务较重。可见，研究影响安徽省创新水平的主要因素，进而探寻提升安徽省创新水平的可行路径，对安徽省培育经济增长新动能和我国其他中西部落后省份实现高质量发展具有重要的现实意义。

国内有关区域创新影响因素的研究多以全国范围为研究对象，有的使用30个省、直辖市、自治区面板数据考察总体区域创新能力、区域创新产出和区域创新活动空间效应及其影响因素［1-3］，有的分东部和西部地区考察全国科技创新能力的影响因素［4］，有的研究地区创新能力差异和能力比较［5-6］，还有的分析区域创新时空格局演化和创新俱乐部收敛趋势［7-8］。个别研究也涉及到单个省内区域创新，如以浙江省为研究对象分析区域创新平台的空间分布特征及其影响因素［9］。以我国中西部重点省份为研究对象考察区域创新能力提升路径的文献非常欠缺。众所周知，中国的地区发展不平衡，各地区发展差异较大，基于全国层面或者发达地区数据得出的区域创新研究结论和普遍规律往往并不适用于我国欠发达的中西部地区。这些相对落后地区需要基于详实数据对具体区情进行深入研究。因此，我们基于安徽省16个地级市2010—2016年的面板数据，考察安徽省创新水平的影响因素及其提升路径。

二、模型建立、变量选取及数据来源说明

（一）模型的建立

为了研究安徽省创新水平的影响因素，我们将创新活动看作一项知识生产活动，使用经过修改的柯布—道格拉斯函数形式［10-11］：

式中：PATit表示第i个地区第t年的创新活动产出；Ait表示第i个地区第t年的现有知识存量（用第i个地区第t年的收入水平衡量，用GDP表示）；RDit是第i个地区第t年的研发投资；Zit是一组社会经济因素，这些因素有第i个地区第t年的技能水平（用第i个地区第t年高新技术行业就业人员数衡量，用SKI表示）和劳动力市场情况（用第i个地区第t年失业人数衡量，用UNE表示）；γ表示研发投资的产出弹性。因此，式（1）表示创新产出由现有的知识存量、创新投入和其他重要的社会经济因素决定。

对公式（1）两边求对数，得到公式（2）：

式中：α0为常数项；εit为随机扰动项；α1、α2、α3、α4为系数。因为所有变量都取对数，所以估计的系数解释为贡献弹性。

在创新过程中，创新投入的研发投入来源不同，既有政府研发投入，也有企业自主研发投入。为了考察这2种研发投入对安徽省创新水平的影响有何差异，我们将（2）中的RDit替换成政府研发投入和非政府研发投入，前者用RDpub表示，后者用RDfpub表示，建立了方程（3）：

式中：β0为常数项；μit为随机扰动项；β1、β2、β3、β4、β5为系数。

（二）变量选取

1.被解释变量的选择

研究区域创新能力，首先涉及到指标的衡量和选取问题。纵观区域创新能力评价指标的研究文献，对区域创新能力的衡量指标有多指标体系和单指标体系［12］。多指标体系涉及到的指标包括知识创新、技术创新、创新投入、创新产出、创新环境等。多指标衡量的好处是考虑比较周全，但在使用多指标衡量时，不同指标之间的相关度很高，实际上用其中的任何一个指标都可以表示创新能力［13］。其中，很多经济学家认为专利数是最合适的指标［14-16］。我们根据这一思想，选用安徽省各市每年度的专利申请受理量作为被解释变量PAT，这个变量代表给定区域的创新能力。

2.解释变量的选择

根据公式（3），影响创新产出的关键因素有5个，分别为知识存量、政府研发投入、非政府研发投入、技能水平和劳动力。

3.知识存量（GDP）

知识存量反映创新基础。根据内生增长理论，研发投入是促进区域创新和技术进步的基本动力，知识存量越多，区域创新强度越大，创新产出越多。使用前期经济水平来反映区域知识存量，用人均GDP表示［17］。该变量被看作是地区知识储备的代表，符号为GDP，能够衡量一个国家的技术发展总体状况，预计与区域创新能力正相关。

4.研发投入（RD）

研发投入体现了一个区域创造、传播和利用知识的努力和能力。通常，研发投入越多，区域创新强度越高，创新产出越多。研发投入用研究与试验发展经费总支出来表示。我们区分了政府研发投入和非政府研发投入对创新水平的影响，使用各市工业企业来自政府部门的科技活动资金来表示政府研发投入，符号为RDpub；用各市工业企业每年使用来自非政府部门的科技活动资金来表示非政府研发投入，符号为RDfpub。预计研发投入与区域创新能力正相关。

5.技能水平（SKI）

技能水平高低反映区域研发投入转化为创新产出的能力大小。相对于农业部门，制造业和服务业部门更倾向于促进创新，特别是更多依赖先进技术条件的制造业和服务业部门的地区更倾向于报告更高的创新率。一般来说，各地区在高新技术行业就业的人员越多，将研发转化为创新的能力也就越强。因此，可以用区域高新技术行业就业人员数来反映技能水平（SKI）。从三大产业角度考察区域技能水平，我们用在制造业和服务业部门工作的人口作为一个地区人口技能水平高低的代表，考虑数据的可获得性，使用安徽省各市分行业城镇非私营单位中制造业与信息传输、计算机服务和软件业就业人员数之和表示。预计技能水平与区域创新能力正相关。

6.劳动力（UNE）

正在工作或找工作的人可能更愿意学习和吸收新的知识，同时也更了解和接受潜在的创新。反之，失业人员很可能厌恶学习和创新。因此，一个地区失业人员越多，创新水平越低。我们用失业人数来表示创新的劳动力投入反向指标，用各市城镇年末实有登记失业人数来表示。预计失业人数（UNE）与区域创新能力负相关。

（三）数据来源说明

鉴于各项数据的可获得性，我们采用安徽省16个地级市2010—2016年的市级面板数据进行分析。所有数据均来自于2010—2016年《安徽统计年鉴》，采用Stata14.0统计软件进行数据处理。

三、实证结果

（一）描述性统计与相关系数

各变量的描述性统计量计算结果见表1。

表1 变量的描述性统计 n=112

为了检查变量之间是否存在多重共线性，我们计算了Spearman相关系数，计算结果见表2。通过表2可知，绝大部分变量之间的相关系数绝对值在0.5000以下，说明这些变量之间并不存在严重的多重共线性。

表2 Spearman相关系数表

（二）计量模型估计及结果分析

我们对所收集的安徽省16个地级市的面板数据进行统计检验。为了检验模型采用固定效应还是随机效应，我们进行了豪斯曼检验，得到的p值高度显著，确定接受固定效应回归的结果。模型回归结果见表3。

表3 模型回归结果 n=112

首先，我们对模型（2）进行了实证检验，回归结果见表3。解释变量lnRD的弹性系数为1.410，在1%的置信水平下显著；解释变量lnSKI的弹性系数为0.373，在5%的置信水平下显著。这表示各市研究与试验发展经费总支出每增加1.000%，会使各市每年度的专利申请受理量提高1.410%；高新技术行业就业人员数每提高1.000%，各市每年度的专利申请受理量增加0.373%。实证结果与预期的结果一致。lnGDP与lnUNE的弹性系数分别为-0.350、0.146，但均不显著。这与预期的结果不一致。对此的解释，前者是因为知识存量对创新产出的影响可能存在门槛条件。根据官方公开数据，2016年，安徽省16个市中，仅有马鞍山、合肥和芜湖3个市的居民人均收入水平高于全国平均水平，其他13个市均低于全国平均水平，安徽16个市整体的人均收入还处于较低水平。后者是因为我们只统计了城镇失业人数，而安徽省是农业大省，整体城镇化水平不高。

为了区分政府研发投入和非政府研发投入对安徽省创新水平的影响，我们接下来对模型（3）进行了实证检验。首先，单独考察政府研发投入的影响，回归结果见表3。 解释变量 lnRDpub、lnGDP、lnSKI、lnUNE的弹性系数分别为 0.157、1.769、0.825和 0.521，分别在5%、1%、1%和5%的置信水平下显著，表示各市工业企业每年使用来自政府部门的科技活动资金、各市的每年人均国内生产总值、高新技术行业就业人员数、各市城镇年末实有登记失业人数各自提高1.000%，相应会推动各市每年度的专利申请受理量分别增加0.157%、1.769%、0.825%和0.521%。实证结果与预期结果一致。

其次，单独考察非政府研发投入的影响，回归结果见表3。解释变量lnRDfpub、lnSKI的弹性系数分别为0.754和0.497，分别在1%、5%的置信水平下显著，表示各市工业企业每年使用来自非政府部门的科技活动资金、高新技术行业就业人员数各自提高1.000%，相应会使各市每年度的专利申请受理量分别提高0.754%和0.497%。实证结果与预期结果一致。lnGDP与lnUNE的弹性系数分别为0.266和0.316，但均不显著。

最后，政府研发投入和非政府研发投入放在同一个模型中进行考察，回归结果见表3。解释变量lnRDpub、lnRDfpub、lnSKI的弹性系数分别为 0.118、0.730和0.475，分别在5%、1%和5%的置信水平下显著，表示各市工业企业每年使用来自政府部门的科技活动资金、来自非政府部门的科技活动资金、高新技术行业就业人员数各自提高1.000%，相应会使各市每年度的专利申请受理量分别提高0.118%、0.730%和0.475%。这里的实证结果也与预期的结果一致。lnGDP与lnUNE的弹性系数分别为0.105和0.306，但均不显著。lnRDfpub对各市每年度专利申请受理量的推动作用要高于lnRDpub对各市每年度的专利申请受理量。这说明，并非所有的研究部门在创新生产方面都具有同样的生产力。其中，由私营部门进行的研究活动的回报率比政府部门高。这可能是因为，私人资助的研究更倾向于商业用途，因为创新是通过专利申请的数量来衡量的，而专利申请本质上具有很强的商业倾向。相比之下，公共研究与基础研究相关联，因此可能与专利申请的数量（衡量创新的指标）相关性不大。

四、结论与政策建议

综上，我们通过建立实证模型，对安徽省创新水平的影响因素进行了实证研究。研究结果表明：研究与试验发展经费总支出、高新技术行业就业人员数与安徽省创新水平正相关。工业企业每年使用来自政府部门的科技活动资金、来自非政府部门的科技活动资金也与安徽省创新水平正相关，但后者的创新产出大于前者。人均国内生产总值、城镇年末实有登记失业人数与安徽省创新水平不相关，可能是因为安徽省还是农业大省，整体经济发展水平不高。据此，建议中西部地区实施创新驱动发展战略应抓好4个重点。

（一）继续加大研发投入

以提升原始创新能力和支撑重大科技突破为目标，继续加大政府研发投入，提升科技创新的物质和条件保障能力。实施严格的知识产权保护制度，引导和激励企业自主加大市场导向的创新投入和建设，培育壮大创新型企业。

（二）转变经济发展方式，调整产业结构，促进产业转型升级

结合各地资源禀赋和发展基础，大力发展知识产权密集型产业，特别是发展高新技术产业和现代服务业。

（三）推动经济总量尽快迈上新台阶

创新是经济增长的发动机，但创新也需要一定的经济基础。2017年安徽省GDP总量在全国排第13名，但绝对量（27 518.70亿元）和前3强广东（89 900.00亿元）、江苏（85 900.90 亿元）和山东（72 678.18 亿元）相差很多。要提高一个地区的创新产出，就必须加大投入。只有经济总量提高才可以有更多的政府资金投入到研发中去。

（四）加大户籍制度改革措施落实力度，完善相关配套政策，加快提高户籍人口城镇化率

纵观世界发达国家的创新实践，但凡创新型国家和地区，其城镇化率都在80%以上。反之，在一个农业人口占比还比较大的国家或地区，其创新活力均不强。比如，国家科技部《国家创新指数报告2016—2017》将40个参评国家分为3个集团。其中，国家创新综合指数排名前15名的国家属于第一集团，主要为欧美发达经济体，均为公认的高度城市化国家；国家创新综合指数排名在30名以后的国家属于第三集团，多为发展中国家，其城市化水平远低于发达国家。根据《安徽省2017年国民经济和社会发展统计公报》，安徽省2017年的城镇化率为53.5%，比世界约55.0%的城镇化平均水平还低了1.5%。要建设创新型省份，较低的城镇化水平必须得以改变。