“双轮驱动”视角下中国省域创新驱动力的测度、地区差异与动态演进

刘思明,兰 虹,魏 青,赵彦云

(1.对外经济贸易大学 统计学院,北京 100029;2.北京林业大学 经济管理学院,北京 100083;3.中国人民银行无锡市中心支行,江苏 无锡 214031;4.中国人民大学 竞争力与评价研究中心,北京 100872)

一、引 言

中国经济已进入高质量发展阶段,全面提升创新驱动力、充分发挥创新在高质量发展中的核心驱动作用,成为了现阶段的重要任务。长期以来,中国政府一直高度重视科技创新在促进经济发展中的关键作用,制定了建设创新型国家、实施创新驱动发展战略等重大政策举措。随着创新能力建设中制度创新相对薄弱问题不断显现,社会各界进一步高度重视科技创新与制度创新“并驾齐驱”的发展。习近平总书记2016年在“科技三会”(1)即全国科技创新大会、两院院士大会和中国科协第九次全国代表大会。上强调要坚持科技创新和制度创新“双轮驱动”,《国家创新驱动发展战略纲要》和党的十九大报告也明确提出科技创新与体制机制创新应当相互协调、持续发力。在中国创新能力建设过程中,还有一个特别值得关注的问题是区域创新能力的巨大差异,尤其是内陆与沿海地区间的差距十分明显[1-2]。创新是引领发展的第一动力,创新能力的地区差异势必会对中国区域协调发展产生不利影响,同时落后地区创新水平的严重滞后也制约全国创新能力建设的整体推进。

在“双轮驱动”背景下,该如何将科技创新与制度创新同时纳入考察,对中国省域创新驱动力进行有效测度?在“双轮驱动”测度框架下,中国创新驱动力以及科技创新和制度创新两大要素近年来的发展态势如何?呈现出怎么样的空间发展格局?造成创新驱动力地区差异的主要来源是什么?地区差异分布呈现怎样的动态演化规律?对以上问题解答,有利于科学、全面地认识中国省域创新驱动力的发展水平与方向,对于中国更好推进创新能力建设、促进区域协调发展具有重要参考价值。

二、文献综述

目前针对创新驱动力展开测度与分析的文献相对较少,但与之紧密关联的创新能力和创新绩效等相关研究成果颇为丰硕。由于创新的内涵十分丰富,在国家和地区创新能力或者创新绩效测度中,许多研究都采取设定指标体系的方式而展开。在国外,欧盟发布的创新记分牌报告设计了包括创新基础条件、创新投资、创新活动和创新影响4个一级指标的评价指标体系,对其内部成员国的创新绩效进行监测[3]。由世界知识产权组织等机构联合发布的全球创新指数,从创新投入和创新产出两个维度,对全球130多个经济体的创新综合表现展开评估[4]。在国内,学者们从不同层面对中国创新测度问题进行了探讨。在国家层面,国家统计局课题组设计了包括创新环境、创新投入、创新产出和创新成效4个一级指标的中国创新能力评价指标体系[5]。在区域层面,赵彦云和甄峰将中国省域创新能力诠释为资源能力、攻关能力、技术实现能力、价值实现能力、人才实现能力、辐射能力、支撑发展能力和网络能力8个方面[6]。在城市层面,黄亮等从科技创新投入、科技创新产出、科技创新载体与科技创新绩效4个方面构建城市创新能力评价指标体系[7]。

在测度中国区域创新能力或创新绩效的基础上,进一步把握区域创新的发展特征,也是学界关注的重要议题。早期研究主要通过描述统计方法,考察创新发展的时空特征,许多文献显示中国创新能力的地区差异非常明显。由于描述统计方法只能描绘创新差异的概况性特征,既有文献进一步采用泰尔指数、基尼系数和赫芬达尔指数等测度指标,以对创新空间差异展开更精确的度量[1,8]。然而,上述指标中唯有泰尔指数能将创新水平的总体差异分解为地区内和地区间差异,以进一步剖析创新水平地区差异的来源。但是,泰尔指数依然存在无法精确分解地区间差距中每个地区对总体贡献程度的不足,同时也未考虑子样本的分布状况[8-9]。对此,部分学者尝试借助Dagum基尼系数及其按子群分解方法,对中国专利产出和科技论文数等指标的地区差异展开更科学的测算与分解[8,10-11]。另外,还有为数不多的文献以省域和城市科技创新能力为分析对象,借助Kernel密度估计和Markov链分析方法,考察创新能力地区差异分布的动态演变特征[8,12-13]。

如上所述,既有研究就创新测度、地区差异与动态演进等主题展开了诸多有益探讨,但是基本都聚焦于科技创新或者技术创新。然而,根据新经济增长理论和新制度经济学理论,科技创新与制度创新都是决定经济持续发展的关键动力。对此,洪银兴和黄群慧等学者强调创新驱动中的创新不仅包括科技创新,还包括制度创新[14-15]。另外,还有一些学者认为加快制度创新对于目前的中国来说更为迫切[16]。因此,针对中国省域创新驱动力的测度与分析还可以进行如下研究:

一方面,在创新驱动力测度上,应着眼于“双轮驱动”,将科技创新与制度创新同时纳入考察。目前刘思明等在国家创新驱动力的评价中将二者同时加以考虑[17]。然而,如前文所述,中国创新地区差异十分明显,从省域层面展开“双轮驱动”下的创新驱动力测度显得尤为必要,但遗憾的是目前还未有文献进行尝试。另一方面,在关于中国创新地区差异及其分布动态演进的分析中,为数不多的文献针对的都是以专利等单一指标体现的科技创新能力,也有必要从“双轮驱动”视角进行进一步深入考察。

本文尝试以“双轮驱动”视角,从科技创新和制度创新两大维度测度中国省域创新驱动力,对2006—2018年创新驱动力的发展水平、地区差异及其分布的动态演进展开分析。本研究试图从一个全新视角,全面评估2006年中国提出建设创新型国家的重大决策以来省域创新驱动力的建设状况,以期在对同类研究成果进行拓展的同时,为政府做好“双轮驱动”下的创新驱动力建设提供有效决策。

三、中国省域创新驱动力的测度方法与数据说明

(一)测度指标体系构建

本文着眼于创新驱动的“双轮驱动”视角,认为省域创新驱动力包括科技创新能力和制度创新能力,是一个地区中与创新活动相关的各个创新主体以及各种制度、政策在相互作用过程中所形成的促进经济高端化发展的系统动力[17]。在已有研究的基础上,综合考虑科学性、系统性和数据可得性,设计了表1中涵盖科技创新和制度创新两大要素、8个子要素、31个指标的省域创新驱动力评价指标体系。

1.科技创新测度指标

在综合知识生产函数、知识溢出和区域创新系统等理论的基础上,本文除了强调创新资源在科技创新能力形成中的重要支撑作用之外,还突出对区域创新系统中高校和科研机构(知识创新主体)、企业(技术创新主体)三大创新主体的创新能力以及创新主体之间协同创新水平的考察,进而从创新资源、知识创新、企业创新和协同创新四个方面对省域科技创新能力进行刻画。

创新资源。创新资源是科技创新能力形成的支撑基础,从创新人才、创新资金和创新载体3个方面度量。其中,创新人才通过“每万人中的R&D人员全时当量”和“具有大学及以上学历人数占常住人口的比重”体现;创新资金通过“R&D经费支出占GDP的比重”衡量;在当今信息化和数字化背景下,信息基础设施已成为促进研发活动开展和创新成果推广的重要载体,利用“每百户计算机拥有量”和“人均互联网宽带接入端口数”反映一个地区的信息基础设施状况。

知识创新。从创新投入和创新产出,对一个地区中高校和科研机构为主要创新主体的知识创新能力进行度量。考虑到在研发经费的3种类型中,基础研究和应用研究体现的是科学研究,通过“基础研究和应用研究经费支出占GDP的比重”反映一个地区知识创新的投入力度;知识创新产出则利用“每万人有效发明专利拥有数”和“单位R&D研究人员发表的科技论文数”衡量。

企业创新。同样地,从创新投入和产出角度,考察作为技术创新主体的企业创新能力。其中,企业创新投入强度由“规模以上工业企业R&D经费占主营业务收入比重”体现;创新产出通过专利、高技术产品、新产品、技术交易成交额等方面衡量,对应的指标分别为:企业专利申请数量、高技术产品销售收入占主营业务收入的比重、新产品销售收入占企业销售收入的比重和技术交易成交额占GDP的比重。

协同创新。从中国各省份与国外的创新合作、各省域创新系统内部创新主体之间的研发合作两个维度,对协同创新水平加以刻画。其中,各省份“R&D经费支出中来自国外资金的比重”用来体现各省份与国外创新合作的紧密程度;选择各省份“高校R&D经费支出中来自企业的比重”和各省份“研究机构R&D经费支出中来自企业的比重”,衡量一个地区“产学研”的研发合作状况。

2.制度创新测度指标

考虑到制度创新涵盖的范围非常宽泛,很难对其逐一测度,而纳尔逊将支持美国技术创新的制度结构归结为市场制度、专利制度、风险投资与鼓励创新合作的制度、政府支持技术创新的政策和计划4个核心维度[18]。本文对此结合纳尔逊和刘思明等人的研究成果,充分考虑科技创新能力的形成与经济效应有效发挥的制度创新支撑基础,从市场制度、知识产权保护制度、金融制度和创新政策4个方面测度省域制度创新能力。在指标选择上,考虑到制度创新难以直接量化,通过结果变量体现各地区的制度创新成效。

市场制度。从市场良性竞争、政府高效廉洁和对外开放水平3个维度,度量各地区市场制度的完备状况。对于处于经济转型时期的中国而言,非国有经济的发展可以在较大程度上反映市场竞争的充分程度,通过“非国有固定资产投资占全社会固定资产投资的比重”衡量市场良性竞争;在政府高效廉洁的测度上,通过“行政经费支出占财政支出的比重”反映地方政府的执政效率,利用“每万人公务员职务犯罪数”体现地方政府的廉洁程度;对外开放水平则通过外贸和外资的发展状况衡量,对应的指标分别为“进出口贸易额占GDP的比重”和“外商直接投资和对外直接投资占GDP的比重”。

知识产权保护制度。本文通过知识产权保护水平衡量各地区知识产权保护制度的建设状况。既有文献通常从立法和执法两个层面,综合评价一个地区的知识产权保护水平。其中,在知识产权立法水平的度量上,主要通过中国是否加入了专利、版权和商标等国际公约加以体现。然而,在样本期内中国已加入了上述所有国际公约,同时许多学者认为中国加强知识产权保护的关键在于强化知识产权执法,因此从执法角度设计指标[19]。参考魏浩的研究,从社会法制化程度、政府执法效率和专利未被侵权率3个方面测度知识产权执法强度。考虑到律师是知识产权保护服务的主要参与者,选取“每万人律师人数”衡量一个地区的社会法制化程度;专利是中国最为重要的知识产权类型,通过“专利侵权案件结案率”体现地方政府的知识产权执法效率;最后,考虑到知识产权保护执法力度比较强的地区,专利侵权率也相应更低,因此纳入“专利未被侵权率”这一指标[20]。

金融制度。本文从与创新活动关联的不同途径融资获取的难易程度,考察各地区金融制度的建设状况。当前,银行贷款等间接融资是中国企业获取创新资金的主要渠道。但是,考虑到非国有企业发展实力相对薄弱等因素,银行会更倾向于将信贷资源配置给国有企业,进而导致一些创新活跃度高的非国有企业面临较强的资金约束问题。结合这一客观实际,通过“非国有企业银行贷款额占GDP的比重”体现银行部门对各地区企业创新的支持力度;考虑到科技型上市公司融资后的资金主要应用于创新活动,而中国先后设立的中小企业板和创业板为科技型上市公司提供了良好的融资平台,通过“科技型上市公司市值”反映企业创新的直接融资水平;最后,风险投资是高技术企业的重要融资方式,通过“风险投资额”来反映各地区企业开展创新活动中,来自风险投资途径的资金支持力度。

表1 中国省域创新驱动力测度指标体系

创新政策。从政府研发资金投入、创新的财政资金支持、创新活动的税收优惠和创新公共平台建设4个方面,反映地方政府的创新政策支持力度。其中,“政府R&D支出占GDP的比重”刻画的是地方政府对研发活动的直接资金投入;“科学技术占一般公共财政预算支出比重”和“政府对创新活动的税收减免额”(由工业企业研究开发费用加计扣除减免税与高新技术企业减免税加总得到),分别体现的是地方政府对于研发创新活动的财政资金支持和税收减免力度;考虑到科技企业孵化器在培育科技型中小企业发挥的重要作用,通过“国家级科技企业孵化器个数”反映各地区创新公共服务平台的建设水平。

(二)评价方法

在构建指标体系的基础上,本文进一步讨论创新驱动力指数的编制方法,步骤如下:

首先,对指标进行标准化。为了处理各三级指标在量纲和方向上的差异而导致的指标数据不可加总问题,本文参考刘思明等的做法,将指标原始值转化为0～100之间[17]:

其次,确定指标权重。由于本文针对2006—2018年省域创新驱动力的评价分析,属于动态综合评价问题,一般的静态评价方法并不适合,对此借助“纵横向”拉开档次法确定各三级指标的权重。“纵横向”拉开档次法的基本原理是通过在“纵向”和“横向”两个维度拉开档次,使评价对象之间的整体差异最大化,这与中国创新驱动力省际差异显著的客观实际相吻合。

(1)

最后,计算创新驱动力综合指数。在进行指标标准化处理和确定指标权重之后,通过逐级加权汇总的方式合成省域创新驱动力指数。

(三)样本与数据说明

为了考察2006年中国提出建设创新型国家的重大决策以来省域创新驱动力的建设状况,本研究将时间范围确定在2006—2018年。考虑到西藏数据缺失问题,选择30个省份作为评价对象。

本文数据来源较为丰富,取自于《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》《中国检察年鉴》《中国专利统计年报》《中国工业企业科技活动统计年鉴》和《中国火炬统计年鉴》、各省份的统计年鉴以及Wind数据库等。在“非国有企业银行贷款额占GDP的比重”计算中,各省份非国有企业银行贷款额的数据并不能直接从官方渠道获得。本文参考白俊红和刘宇英的方法,估计各省份非国有部门的信贷规模[22]。另外,参考房汉廷等对于科技型上市公司的界定方法,计算各省份科技型上市公司的市值[23]。由于《中国检察年鉴》和《中国工业企业科技活动统计年鉴》中的指标数据仅更新至2016年,对于各省份“每万人公务员职务犯罪数”和“政府对创新活动的税收减免额”两个指标在2017年、2018年的数据,通过线性插值法进行估算。类似地,对于一些省份在个别年份的指标上存在的数据缺失问题,主要采用该方法进行插补。

四、中国省域创新驱动力测度结果的基本分析

(一)中国省域创新驱动力的动态发展趋势

按照前文介绍的方法,绘制2006—2018年30个省份的创新驱动力指数如图1。可以发现:与2006年相比,2018年所有样本省份的创新驱动力指数均有所提升,并且平均增幅达到17.82点,反映出中国提出建设创新型国家重大战略决策以来的创新驱动力建设取得了显著成效。其中,东部和中部地区的上升势头尤为明显(2)东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10个省份,中部地区包括山西、安徽、江西、河南、湖北和湖南6个省份,西部地区涵盖内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11个省份,东北地区包括辽宁、吉林、黑龙江3个省份。,指数平均提升了20.29点和21.84点,特别是安徽、浙江和江苏等省份的增加均在25点以上。这主要是由于近年来东部地区将创新驱动作为引领经济转型与高质量发展的第一动力,全社会创新意识明显增强、重大创新成果不断涌现、支撑科技创新的体制机制不断完善,创新驱动力水平取得了长足进步。中部地区将创新驱动作为中部崛起战略的重要引擎,注重加强自身创新水平的提升和对创新优势地区的学习,创新发展后劲十足。相比而言,东北和西部地区创新驱动力指数的提升较为缓慢,考察期内分别提高了14.83点和14.20点。另外,我们还注意到,在国际金融危机以及步入新常态背景下中国经济增速放缓的影响下,大多数省份的创新驱动力水平在2012年之前都呈现波动上升的态势。自2013年以来,绝大多数省份都表现出稳步的快速上升趋势,这与党的十八大以来中国出台实施创新驱动发展战略等一系列重大政策措施密不可分。

图1 2006—2018年中国省域创新驱动力指数

就科技创新能力而言,30个省份的科技创新指数在考察期内的平均增加值达到20.18点,反映出中国科技创新能力在明显增强。其中,东部、中部、西部和东北地区的平均增加值分别为22.04点、23.73点、16.96点和18.66点。作为中国产业转型升级和创新驱动建设的先行者,东部地区省份尤为注重自主创新能力的提升,近年来创新投入力度明显加大、前沿科学研究和原始创新能力持续增强、企业在核心技术创新方面的优势日益显现,浙江、山东、广东和江苏等省份的指数增加均超过25点,科技创新实力进一步增强。中部地区科技创新建设成效普遍良好,除江西外其他各省份的指数增加均超过了21点,特别是安徽的增加高达29.98点。受制于创新基础薄弱、科技人才吸引力不足等因素制约,西部地区科技创新能力提升相对缓慢。在经济发展的结构性矛盾凸显以及创新人才外流等影响下,东北地区创新活力总体不足。在西部和东北地区,除重庆、四川、陕西和辽宁外,其他省份的指数增加都在20点以下。从科技创新的子要素看,所有省份在创新资源上都取得了明显改观,大部分省份在知识创新和企业创新上也有较大程度提升,但绝大多数省份的协同创新二级指数都出现了一定回落。这主要是大部分省份在“高校R&D经费支出中来自企业的比例”和“各省R&D经费支出中来自国外资金的比重”两个指标上的表现有所下滑,加强国际创新合作、促进企业与高校的研发合作是中国提升协同创新水平的重要着眼点。

就制度创新而言,中国30个省份的指数得分在样本期内平均提升了15.32点,折射出中国制度创新建设也取得了良好成效。但是,制度创新指数的平均增加低于科技创新指数,体现出科技创新能力提升步伐相对更快。分地区看,东部、中部、西部和东北地区的平均增加分别为18.42点、19.85点、11.28点和10.76点。与科技创新类似,东部和中部地区制度创新的建设成效更加凸显。特别是位于长三角地区的上海、江苏和安徽的增加均超过了23点,增加位列全国前三甲,制度创新水平实现了跨越式提升。上海在建设具有全球影响力的科技创新中心的过程中,高度重视制度创新的支撑,在市场制度、金融制度和创新政策上都取得了明显提升。江苏则在金融制度、知识产权保护制度和创新政策方面取得了显著成效。安徽充分利用上海、江苏和浙江的制度创新溢出,市场制度、金融制度和创新政策实现了长足进步。在西部地区,除贵州、四川、广西、重庆和宁夏外,其他省份的指数增幅都在15点以内。在推进西部大开发形成新格局的过程中,需要着力加强制度创新能力建设。东北地区的指数增幅在四大区域中最小,特别是辽宁仅提高了6.43点,亟需破解体制机制的桎梏。从制度创新的构成要素看,各省份在各子要素总体上都有不同程度提升,特别是金融制度和创新政策的增幅尤为明显,这与近年来中国各地区加快推进科技金融改革创新、不断加大对创新活动政策支持的现实情况密切关联。

(二)中国省域创新驱动力的空间发展格局

为了把握中国创新驱动力的最新发展格局,本文对2018年中国省域创新驱动力指数进行分析。由表2可知,中国创新驱动力的空间非均质特征十分明显。东部、中部、西部和东北地区创新驱动力指数的平均值分别为69.43、55.66、46.76和54.17,呈现出“东部高、中部和东北平、西部低”的空间格局。另外值得一提的是,中部地区的创新驱动力在2018年首次实现了对东北地区的赶超。从省份层面看,2018年创新驱动力指数排名前10位的分别为上海、 北京、 天津、广东、浙江、江苏、山东、辽宁、湖北和安徽。其中东部地区占据前7位,尤其是作为全国创新制高点的上海和北京的综合指数分别达到88.27和86.91,遥遥领先于其他省份,是名副其实的全国创新中心。另外,天津、广东、浙江、江苏、山东和辽宁等沿海省份具有明显的创新优势。位居内陆的湖北和安徽,在创新驱动力建设方面也有不俗表现,尤其是安徽的创新发展势头十分强劲。创新驱动力指数排名后10位的省份主要来自于西部地区,与创新领先地区的差距非常明显。特别是排名后5位的内蒙古、广西、青海、新疆和云南,指数得分都在43以下,不足北京和上海的一半。

表2 2018年中国30个省份的创新驱动力、科技创新以及制度创新指数

就科技创新和制度创新分项指数而言,其地区差异同样十分明显,也表现出按东部、中部、东北和西部地区依次递减的分布特征。从省份层面看,科技创新指数排名前10位的省份中,东部、中部、西部和东北地区分别占据6席、1席、2席和1席。其中,位列前3名的是北京、上海和天津,特别是北京依托得天独厚的科技创新资源,2018年指数得分达到87.02。排名后3位的省份分别为青海、广西和新疆,与科技创新强势地区差距明显;在制度创新指数排名前10位的省份中,排名前7位的省份均来自东部地区。这在一定程度上说明,东部地区在制度创新上的领先优势相比于科技创新更加明显。这是因为东部地区一直处于制度创新的前沿,在诸多领域的改革中扮演着“试验田”和“示范区”的角色。其中,排名前3位的是上海、北京和广东,尤其是上海凭借着良好的市场环境与完备的金融制度,制度创新指数高达91.46。制度创新排名后3位的省份分别为青海、新疆和云南,指数得分仅在40左右。

五、中国创新驱动力的地区差异测算与分解

描述统计分析显示,中国创新驱动力具有明显的空间非均质特征。将进一步借助Dagum基尼系数及其按子群分解方法,对中国创新驱动力指数及科技创新与制度创新分项指数的地区相对差异水平进行精确度量,并对地区差异进行成因探讨。

(一)创新驱动力地区差异的测算与分解方法

在测度经济社会发展地区差异的研究中,基尼系数和泰尔指数是被广泛应用的统计量。但是基尼系数不能进行地区分解,泰尔指数在分解过程中则未考虑子样本的分布状况[24-25]。为了克服传统基尼系数和泰尔指数的缺陷,Dagum提出了一种新的基尼系数分解法,该方法考虑了子群样本的分布状况,能够解决样本数据间交叉重叠以及地区差异的来源问题[9]。本文将中国划分为东部、中部、西部和东北四大地区,利用Dagum基尼系数及其按子群分解方法展开研究。那么,省际创新驱动力整体基尼系数的计算公式可表示为:

(2)

G=Gw+Gnb+Gt

(3)

其中,Gw、Gnb分别表示的是地区内差距贡献、地区间差异贡献,Gt则代表超变密度的贡献。对于Gjj、Gjh、Gw、Gnb和Gt的详细计算方法,可参见Dagum、刘华军等人的介绍[9,24]。

(二)创新驱动力的地区差异测算与分解结果

由表3可知中国创新驱动力的地区相对差异在样本期内呈现出“先扩大、后缩小”的演变趋势。具体而言,创新驱动力的整体基尼系数在由2006年的0.141增高至2010年的0.161高位后,开始出现持续下降,特别是2017年和2018年下降为0.136和0.130,已低于2006年的0.141初始水平。这反映出近年来特别是党的十九大报告明确提出实施区域协调发展战略以来,中国省域创新驱动力的协调发展水平在不断增强。

从四大地区的内部差异看:东部、西部、东北和中部地区创新驱动力的基尼系数均值分别为0.140、0.083、0.066和0.049,反映出创新发展的非均衡程度依东部、西部、东北和中部地区依次递减。对于东部地区的10个省份,可将其创新驱动力划分为强势(上海和北京等)、优势(天津、广东和浙江等)和弱势(海南和河北等)3个鲜明的梯队,其创新驱动力的差异水平也相应最高。在西部和东北地区,重庆、陕西、四川和辽宁等少数省份的创新驱动力较强,而其他省份则普遍偏弱,这两个地区的创新驱动力发展也因此展现出较高的非均质性。中部6省的创新驱动力建设总体上呈现齐头并进的势头,协调发展水平最高,从动态发展看,不同地区创新驱动力的基尼系数呈现不同的演化态势。东部地区的基尼系数在2009年之前呈现小幅上升趋势,但是其后持续下降,2018年的基尼系数已明显低于2006年的水平。中部地区的基尼系数在考察期内较为稳定,集中在0.044至0.059的区间内波动。西部地区的基尼系数表现出波动上升趋势,由2006年的0.056增至2018年的0.086,创新驱动力的省际差异程度在明显扩大。东北地区因为只包括3个省份,创新驱动力的基尼系数在考察期内的波动性相对较大,总体上略有下降。

表3 2006—2018年中国省域创新驱动力的基尼系数及其分解结果

从地区间差异看:创新驱动力基尼系数的均值依东—西(0.228)、东—中(0.186)、东—东北(0.166)、西—东北(0.110)、中—西(0.086)和中—东北(0.073)而降低,说明东部地区与中部、西部、东北地区间的差异程度明显高于中部、西部、东北地区之间的差异,进一步折射出中国非东部地区与东部地区创新驱动力的巨大差异;从动态发展看,东—中、东—西、东—东北、中—东北地区间的基尼系数在考察期内均有所下降,西—东北地区间相对稳定。然而,中—西地区间的基尼系数在明显扩大,这主要是由于近年来中部地区在快速崛起过程中扩大了对西部地区的领先优势,二者间的创新差异水平也显著提高。

从创新驱动力地区差异的来源看:在2006—2018年,地区间差异的贡献率始终最大、地区内差异次之、体现不同地区之间交叉重叠的超变密度最小,表明地区间差异是造成中国创新驱动力地区差异的最主要原因;从动态变化看,造成创新驱动力地区差异各因素的贡献率在考察期内较为稳定。其中,地区间差异的贡献率在67.99%～70.91%的区间波动,地区内差异的贡献率集中在20.22%～21.80%,而超变密度贡献率分布在8.45%～10.90%。

(三)科技创新与制度创新的地区差异测算与分解结果

由表4和表5可知,样本期内,科技创新整体基尼系数的均值(0.174)高于制度创新的水平(0.139),说明中国科技创新发展的空间非均衡程度比制度创新更突出。与制度创新相比,一个地区科技创新的发展更加依靠研发投入和技术水平的长期积累。因此,创新落后地区在科技创新方面追赶先进地区所面临的挑战更大,科技创新能力的区域差异相应更为明显,中国需要更加注重科技创新的区域协调发展。从动态发展看,类似于创新驱动力,科技创新与制度创新的地区差异也表现出“先升后降”的态势,并且2018年的整体基尼系数与2006年相比都有所下降。但是,制度创新的整体基尼系数只有小幅下调,而科技创新的降幅非常明显,由2006年的0.170降至2018年的0.140。这说明虽然科技创新能力的地区差异程度比较突出,但近年来已得到了较大程度扭转。

表4 2006—2018年中国省域科技创新的基尼系数及其分解结果

表5 2006—2018年中国省域制度创新的基尼系数及其分解结果

就各地区内部差异而言:从基尼系数的均值看,各地区科技创新能力的差异水平依东部、西部、中部和东北地区而降低,制度创新发展的非均质程度则按东部、东北、西部和中部地区依次下降。同时,类似于创新驱动力综合指数,东部地区科技创新与制度创新的非均衡发展程度都明显高于其他3个地区;从动态变化看,东部地区省份科技创新的差异程度明显下降,中部地区相对稳定。值得注意的是,与考察初期相比,西部和东北地区基尼系数的均值都有所扩大。这主要是因为虽然西部和东部地区所有省份的科技创新能力均有所提升,但是东北三省中辽宁省的提升步伐明显快于黑龙江和吉林,西部地区中重庆、四川和陕西相对其他省份的领先优势也在扩大。在中国推进东北振兴和西部大开发区域发展战略的过程中,需要努力加快提升落后地区的科技创新能力,以防止地区差异程度进一步扩大。就制度创新而言,东部、中部和西部地区的基尼系数较为稳定,而东北地区则明显下降。

从地区间差异看:与创新驱动力类似,无论是科技创新还是制度创新的基尼系数均值,都表现出东—西、东—中和东—东北地区间的差异程度明显大于非东部地区之间的非均衡水平。同时,相比于制度创新能力,科技创新能力的地区间差异更加突出;从动态变化看,考察期内东—中、东—西和东—东北地区间的科技创新差异水平都有不同程度下降,而中—东北地区间相对稳定。但是,中—西和西—东北地区间的差异程度均有一定提升。这主要是由于近年来西部地区与中部和东北地区科技创新的差距都有所扩大,需要加快西部地区的科技创新发展步伐,避免其成为科技创新的“洼地”。在制度创新方面,考察期内东—中、中—东北、西—东北地区间的差异程度有所降低,东—西和东—东北地区间的差异呈现出一定波动性,但是自2015年以来持续缩小。然而,中—西地区间制度创新的基尼系数由2006年的0.041升至2018年的0.086。由此折射出西部与中部地区制度创新水平的差距在明显扩大,需要着力扭转这种局面。

从地区差异的来源看:样本期内,无论是科技创新还是制度创新,地区间差异的贡献率一直都最大、地区内差异次之、超变密度最小,这与创新驱动力的情况类似。然而,地区间差异、地区内差异和超变密度在考察期内对科技创新能力地区差异贡献率的均值分别为58.76%、23.38%和17.86%,在制度创新能力地区差异中的解释比例则分别为76.07%、18.15%和5.78%。由此说明,地区间差异在解释制度创新能力地区差异成因中的主导地位比科技创新更凸显,地区内差异和超变密度在科技创新地区差异中扮演更加重要的角色;从动态情况看,科技创新与制度创新能力地区差异的来源都较为稳定,样本期内未发生明显变化。

六、中国创新驱动力地区差异分布的动态演变

通过Dagum基尼系数分析可考察中国省际创新驱动力的地区相对差异程度和来源,但无法捕捉创新驱动力的地区绝对差异及其动态演进。对此,首先利用Kernel密度估计探讨中国创新驱动力地区绝对差异的动态演进规律,然后借助空间Markov链方法揭示省际创新驱动力水平的内部动态变化信息。

(一)基于Kernel密度的中国创新驱动力地区差异分布的动态演变分析

为了直观描述中国省域创新驱动力的分布特征和动态演变过程,运用Kernel密度估计中国省域创新驱动力分布的密度曲线,并且从时间维度分析分布的动态演进特征。假设f(y)为随机变量Y(创新驱动力指数或者科技创新和制度创新指数)的密度函数,定义核函数为K(·),带宽为h,则可通过式(4)来估计y处的密度函数:

(4)

本文选择常用的高斯核函数,选取2006年、2010年、2014年和2018年4个代表性年份的观察值,绘制中国省域创新驱动力指数、科技创新和制度创新两大分项指数的核密度曲线二维图分别如图2和图3所示。

图2 中国省域创新驱动力分布的演进

根据图2可得到中国创新驱动力地区分布的动态演进特征如下:第一,随着时间推移,创新驱动力的分布曲线中心逐步向右移动,特别是2014年和2018年的右移幅度更大,进一步反映出近年来特别是中国实施创新驱动发展战略以来的创新驱动力在明显增强。第二,考察期内,分布曲线的主峰高度变低、主峰宽带变宽,折射出中国创新驱动力的地区绝对差距呈扩大之势。特别是,这种扩大趋势在前期尤为明显,后期则相对微弱。同时,分布曲线呈现拖尾特征,说明存在上海、北京等创新驱动力很高的省份。第三,考察期内创新驱动力分布的波峰一直较多,呈现出较为明显的极化现象。但是,从动态发展看,分布曲线的波峰由一个主峰和两个侧峰逐步演化为一个主峰和一个侧峰。这说明中国省域创新驱动力分布正由多极分化转变为两极分化,极化现象逐步趋于弱化。

图3 中国省域科技创新与制度创新能力分布的演进

由图3可知:第一,科技创新和制度创新能力的分布曲线中心都表现出不断右移的态势,说明科技创新与制度创新能力都在持续增强,这与描述统计分析结果一致。第二,从分布形态看,2014年之前科技创新和制度创新能力的分布曲线均呈现出主峰峰值下降、宽度变宽之势,2018年以来主峰峰值出现提升、宽度有所变窄。这说明中国科技创新与制度创新能力的地区差距均呈现出“先扩大、后缩小”之势,进一步反映出在中国近年来大力推进实施区域协调发展战略的作用下,创新驱动力的地区非均衡发展状况得到了有效改观。但是也看到,与2006年相比,2018年科技创新和制度创新分布曲线的主峰峰值都有一定下降、宽度有所增加,说明二者的地区绝对差距在考察期内总体上都在扩大,反映出中国促进区域创新协调发展的任务依然艰巨。另外,分布曲线都表现出向右拖尾的特点,特别是制度创新更为明显,说明制度创新发展强势的省份要更多。第三,科技创新与制度创新能力的分布都呈现出极化特征。前者展现出“一主一小”的双峰分布形态,而后者则表现出“一主二小”的三峰分布形态,说明制度创新的极化现象更加突出。从演进趋势看,科技创新的极化现象有所缓解,而制度创新的多极分化特征愈加明显,应对其进行有效控制与缓解。

(二)基于空间Markov链分析的中国创新驱动力地区差异分布的动态演变

1.中国创新驱动力地区差异分布的动态演变状况

在Kernel密度曲线分析的基础上,考虑到创新驱动力存在空间溢出效应(3)通过莫兰指数分析发现,在10%的显著性水平下,中国省域创新驱动力指数以及科技创新和制度创新分项指数都存在显著的空间自相关性。,本文进一步运用空间Markov链方法考察创新驱动力形态分布内部各地区相对位置的动态变化及其发生的转移概率。空间Markov链方法以某一地区创新驱动力在初始年份的邻域空间滞后等级为条件,将传统Markov链k×k的转移概率矩阵分解为k个k×k条件转移概率矩阵,其中,矩阵元素Pij(k)表示某一地区在邻域空间滞后等级为k的条件下,由第t年的等级类型i转移到第t+1年等级类型j的概率[26]。与李占风和张建的研究方法类似,本文将样本期内省域创新驱动力指数划分为低水平、中低水平、中高水平和高水平地区4个等级,通过Python编程得到创新驱动力指数的空间Markov转移概率矩阵如表6[27]。

由表6可知:第一,中国省域创新驱动力水平的转移具有空间依赖性。表中4个4×4的条件转移概率矩阵存在差别,反映出在考虑空间地理效应的情况下,省域创新驱动力水平发生转移的概率在一定程度上受邻域创新驱动力的影响。第二,创新驱动力水平存在俱乐部趋同现象。在不同等级邻域下,转移概率矩阵中对角线元素均为最大,并且不存在跨等级转移的情况,说明中国省域创新驱动力具有流动性差、水平分布较为固化的特点。特别是,初始状态为创新驱动力高水平的省份,在不同等级邻域下保持稳定的概率均不低于0.98,呈现出明显的“强者恒强”特征。第三,邻域创新驱动力等级差异下,省域创新驱动力的转移表现出异质性。总体来说,等级较高的邻域创新环境,对于一个地区创新驱动力建设的正向溢出效应更加明显。例如,当邻域创新驱动力等级为中低、中高和高水平地区时,初始状态为中低水平省份向下转移概率均为0,而向上转移概率分别为0.214、0.25和0.375。但是,当邻域创新驱动力等级为低水平地区时,其向上转移概率仅为0.107,并且还有0.071的向下转移概率。

表6 中国省域创新驱动力的空间Markov转移概率矩阵

2.中国科技创新和制度创新地区差异分布的动态演变状况

由表7和表8中科技创新和制度创新的空间Markov转移概率矩阵的结果可知:第一,中国省域科技创新与制度创新的转移都存在空间依赖性。第二,科技创新和制度创新均呈现出俱乐部趋同特征,特别是科技创新尤为明显。就科技创新而言,转移概率矩阵中的对角线元素都大于非对角线元素,并且不存在跨等级转移现象。对于制度创新来说,其转移概率矩阵显示对角线元素并非在所有情况下都大于非对角线元素(如,当邻域为制度创新高水平地区时,初始状态为中低水平地区的向上转移概率大于稳定概率),并且还具有跨等级跳跃的情况(当邻域为制度创新中低水平地区时,初始状态为低水平的地区具有0.069的概率跃升为中高水平地区)。这也反映出,与制度创新相比,科技创新的路径依赖性更强,更加倚仗于前期的研发创新基础和知识存量积累。第三,不同等级的邻域创新环境对于科技创新与制度创新都具有异质性影响作用,并且在制度创新中表现更为突出。总体而言,当一个地区邻域科技创新和制度创新水平等级较高时,其向更高水平地区转移的概率相对较大,而转向更低水平地区的概率较小。同时,与科技创新相比,当邻域创新环境等级较高(低)时,对周边地区制度创新的正(负)向影响更加明显。如,对于初始状态为科技创新中低水平省份而言,在邻域为低、中低、中高和高水平的情况下,其向上转移的概率分别为0.161、0.25、0.286和0.25,同时当

表7 中国省域科技创新的空间Markov转移概率矩阵

表8 中国省域制度创新的空间Markov转移概率矩阵

邻域为中低水平地区时还存在0.107的向下转移概率。然而,对于初始状态为制度创新中低水平地区来说,在邻域为低、中低、中高和高水平的情况下,其向上转移的概率分别为0.15、0.146、0.308和0.571,同时邻域等级为低、中低水平时的向下转移概率分别达到0.35和0.098。第四,相邻省份科技创新能力的适度差距更有利于科技创新的空间溢出,但制度创新的空间溢出效应与邻近省份的制度创新等级正相关。对于初始状态为科技创新低、中低和中高水平省份而言,随着邻域科技创新水平等级的提升,其向上转移的概率总体上更大,但都是在邻域等级为中高地区时达到最大。这在较大程度上反映出,尽管邻近高水平地区为后发地区科技创新建设提供了良好学习机会,但受制于落后地区吸收能力的不足,与先进地区适度的创新差距将更利于空间溢出效应的产生。然而,对于初始状态为制度创新低、中低和中高水平省份而言,其向上转移的概率基本上随着邻域制度创新水平等级的提高而逐次增大。这也说明有别于科技创新,制度创新的空间溢出并不存在“吸收能力门槛”,可大力促进落后地区积极学习先进地区可复制的制度创新经验与做法。

七、结论与建议

本文在构建包括科技创新和制度创新两大要素的“双轮驱动”下省域创新驱动力测度指标体系,编制2006—2018年中国30个省份创新驱动力指数的基础上,对中国省域创新驱动力的发展水平、地区差异及其分布的动态演进展开分析,得到的主要结论如下:

第一,中国创新驱动力建设在考察期内都取得了良好成效,特别是2013年以来的建设效果更加凸显。在不同地区中,东部和中部地区的建设成效尤为突出,而东北和西部地区的建设步伐相对缓慢;从构成要素看,中国科技创新相比于制度创新的提升步伐更快,但是协同创新建设状况不容乐观。中国制度创新各子要素均有一定程度提升,特别是在金融制度和创新政策上具有更加不俗的表现;从空间格局看,中国创新能力建设呈现出“东部高、中部和东北平、西部低”的非均衡特征。

第二,中国创新驱动力的地区相对差异呈“先升后降”的态势,总体上有所缩小。从地区内差异看,东部地区的差异程度最大、西部和东北地区次之、中部地区最小。但是,东部地区的非平衡发展状况在考察期内得到了明显改观,而西部地区有所加剧。从地区间差异看,东部地区与非东部地区间创新驱动力的差异尤为明显;从创新驱动力地区差异来源看,地区间差异的贡献率始终最大、地区内差异次之、超变密度最小;科技创新和制度创新的地区差异特征及其来源与创新驱动力具有较大相似性,但也存在一定差别。比如,科技创新发展的空间非均衡程度比制度创新更突出,地区间差异在解释制度创新能力地区差异成因中的主导地位比科技创新更加凸显。

第三,中国创新驱动力的地区绝对差距呈扩大之势,并且这种扩大趋势在前期尤为明显。中国省域创新驱动力发展呈现明显极化现象,但在考察期内有所弱化;科技创新与制度创新的地区绝对差距与考察初期相比都有所扩大,并且均呈现出极化特征。同时,制度创新的极化现象随着时间推移日益突出,而科技创新则有所缓解。

第四,中国省域创新建设水平都呈现出俱乐部趋同现象。同时,科技创新的俱乐部收敛特征相比于制度创新更加凸显;中国省域创新驱动力建设存在受邻域环境影响的空间依赖性特征,并且邻域创新环境的优劣对于其周边省份的创新驱动力具有异质性影响。总体而言,当邻域创新等级较高时,其周边省份向更高水平地区转移的概率相对较大、转向更低水平地区的概率较小,而这种异质性影响作用在制度创新中更加突出;相邻省份科技创新能力的适度差距更有利于空间溢出效应的发生,但制度创新的空间溢出不存在“吸收能力门槛”。即,邻域省份制度创新水平越高,周边省份获得的溢出效应更大。

本研究结果具有以下的政策启示:首先,虽然中国创新驱动力建设在考察期内取得了良好成效,但大多数省份在科技创新的子要素协同创新上的表现出现了回落,而制度创新中的市场制度和知识产权保护制度也有待加快提升。因此,中国需要以加强国内外创新主体间的合作、深化市场经济体制改革、加强知识产权保护等为重要着眼点,全面加快科技创新与制度创新能力的建设步伐。其次,考虑到中国科技创新与制度创新能力建设具有空间依赖性,应着力加强落后地区与先进地区在科技创新上的合作与交流、大力促进制度创新经验的复制与推广,促进创新驱动力建设过程中地理空间溢出效应的发挥。当然,对于科技创新能力落后地区而言,还应结合自身的吸收能力,选择“适度差距”的先进地区学习。最后,中国创新驱动力地区差异明显、并且呈现出极化现象,需要着力促进区域创新协调发展。同时,考虑到地区间差异是造成中国创新水平地区差异的主要原因,加快落后地区(特别是西部地区)创新驱动力的提升步伐显得尤为迫切。对此,中央政府需要进一步加大对落后地区创新驱动力建设的资金、技术和人才等方面的政策倾斜,而创新落后地区则需结合自身实际、积极建立提升创新驱动力水平的长效机制。