2213养生网,风云争霸电影,美国游泳队
本文转载《经济与管理》2013年第9期 一、引言
通常关于创新投入与产出之间关系的研究不考虑空间因素的影响，而实际情况是在相邻近区域之间的创新活动往往存在空间关联，这种关联可以依托集聚经济视角下的外部性来解释，也可以运用隐性知识流动产生的空间黏性来解释，两者都强调知识作为创新资本的重要性。同时，信息化程度的提高有利于改善知识流动的效率，提升区域创新能力。因此，在研究区域创新投入与产出之间的关系时，综合考虑地理分布与信息化程度这两个因素能得到更为准确的结论。
作为较早进行改革开放的地区，广东省经济发展目前面临着内外双重挑战：就外部环境而言，国际经济环境日趋复杂，贸易保护主义抬头，市场、资源、人才、技术、标准等竞争激烈；就内部条件而言，产业层次总体偏低，自主创新能力不强，人口压力大，粗放型经济面临资源环境压力，转变经济发展方式刻不容缓。因此，加强各个城市之间的创新关联，发挥各个城市比较优势，缩小不同城市创新能力的差距，促进整体创新能力的提升，是广东省应对上述挑战的有效途径之一。
本文首先利用广东省21个地级市的相关数据进行探索性数据分析（EDA），以探寻各个城市创新产出之间是否存在空间关联；其次，通过未考虑空间因素的普通计量模型（OLS）与基于地理分布的空间计量模型结果间的比较，进一步确认各个城市间是否存在空间上的创新关联；最后，引进代表区域信息化程度的指标，并将未考虑信息化程度的空间计量结果与考虑信息化程度的空间计量结果进行对比，分析信息化水平对创新产出的作用。
二、文献综述
国内外学者在将空间关联引入创新投入与产出关系的研究中，已取得了较多研究成果；对信息化给区域创新产出带来的影响，也有文献进行了探讨。本文主要从地理相邻与区域创新、地理距离与区域创新、信息化程度与区域创新等方面对有关文献进行回顾和总结。
如果两个区域之间存在地理相邻的关系，那么一个区域的创新活动更易受到相邻区域创新活动的影响。相关研究大多借助空间计量分析来展开，因为空间计量涉及到的空间加权矩阵能够将地理相邻因素考虑进来。区域之间地理分布性的另一研究视角超越区域相邻与否，考察区域间或者创新主体间的地理距离对区域创新产出的影响。区域创新除了与地理分布性有关外，还与信息化程度的高低密切相关。在区域经济增长过程中，信息化程度的高低不仅关系到可编码知识的传输效率，从区域创新系统的角度来看，信息化程度还影响创新系统内企业获取外部信息的容易程度。如周先波和盛华梅通过非参数估计模型局部估计，研究了信息化与经济增长传统模型的多重共线性问题，给出了不同要素水平下信息化产出弹性的参数估计。研究表明存在一个最优信息化水平，在此水平之下信息化呈递增形态促进经济增长；超过此水平这种促进作用呈边际递减态势[1]。徐瑾将技术进步分为信息技术进步和其他技术进步两个部分，通过实证分析认为地区信息化差距在缩小，信息化促进地区经济增长的影响日趋明显[2]。李立志通过构建信息化指标体系和Douglass生产函数，计算了中原地区信息化每一年的综合指数，研究结果显示信息化水平的提高促进中原地区经济增长。在信息化程度的测度方面，无论是城市信息化测度还是省域信息化测度，现有研究大多依照国家信息化测度体系来进行度量，以此衡量一个地区信息网络的发达程度和信息的利用效率[3]。Richard et al.从经济增长的角度探讨了信息化的绩效，并对研究对象的信息化水平指数进行估计，以此作为解释变量分析其与地区经济增长之间的关系，研究结果表明外部可用信息会影响企业的创新能力[4]。此外，Wang et al.从产业结构最优化的角度识别信息化绩效，指出信息化水平、产业自主创新能力是产业结构最优的主导因素[5]。
综上所述，国内外学者对于地理相邻、地理距离及信息化程度与区域创新之间的关系，发现了许多有价值的研究结论。但现有研究还存在以下几方面不足：首先，在基于地理分布的空间关联情形下创新投入和产出关系的研究中，几乎均以省或地区作为研究对象，较少涉及以城市为对象的研究，而省间数据的异方差程度通常比较明显，不利于得到较精确的研究结果。其次，信息化水平越高，通常越有利于显性知识超越地理界限，使得空间关联不只来自于邻近的区域，现有研究往往由于空间关联考虑不全面而导致估计偏差。其三，信息化程度的提高能够促进知识的流通效率，从而改善区域创新能力。以往的研究大多仅考虑信息化与区域经济增长之间的关系，较少探寻其与区域创新产出之间的关系。因此，本文以广东省21个地级市作为研究对象，考察基于地理分布的空间关联下城市创新投入与产出的关系，并添加信息化水平作为解释变量，对信息化与区域创新产出之间的关系做进一步拓展研究。
三、指标选取与数据来源
（一）指标选取
为了考察城市创新产出水平，本文采用专利授权量alsqit来表示，其中i表示第i城市，t表示第t年（下同）。依据新经济增长理论的观点，影响创新产出增长的要素包括创新人力投入要素和创新资本投入要素等。其中，创新人力投入要素采用经过处理的R&D人员全时当量①qsdiangit表示，本文借鉴余永泽[6]对第t年年末的经过处理的R&D人员全时当量的计算方法，即将第t年年末的R&D人员全时当量和第t-1年年末的R&D人员全时当量求和除以2；创新资本投入要素采用capit表示，本文综合采用李婧等[7]和余永泽[6]的计算方法，即永续存盘法进行测算：
上式中，yfifeiit是第t年i市的科技研发经费支出，用科技经费筹集总额表示。第t年的科技经费筹集总额按照基期的R&D支出价格指数pirdk进行平减，pirdk表示第k年i地区的R&D支出价格指数，本文选择2006年作为基准年（下同）。
对于城市信息化程度的指标选取，由于作为信息主体的个人拥有信息资源的丰富程度可以反映一个城市的信息化水平，因此本文采用修正的人均邮电业务量rjdxywit来表示，在对第t年进行分析时采用第t-1年的人均邮电业务量作为修正值。
（二）数据来源
本文选取2006—2008年广东省21个地级市作为实证研究的样本，相关的专利授权量、R&D人员全时当量以及计算创新资本积累水平用到的科技经费筹集总额等数据，均取自相关年份的《广东科技统计年鉴》，其他年份涉及的专利产出数量来自各年度各市的统计年鉴。此外，反映城市信息化程度的人均邮电业务量，则由所在年份的广东省统计年鉴的数据经笔者计算得到。
四、分析方法与模型构建
（一）探索性数据分析
探索性数据分析（EDA）采用的是Moran I指数这个工具，该指标主要衡量相邻的空间分布对象属性取值之间的关系，取值范围为-1～1。其中，正值表示该空间事物的属性值分布具有正相关性，负值表示该空间事物的属性值分布具有负相关性，0值表示该空间事物的属性值分布不存在空间相关，即空间随机分布。探索性数据分析的计算公式如下：
其中，xi表示第i个空间单元对应的某个属性值，在本文中采用第i个城市的专利授权量的对数值来表示；wij表示第i个空间单元与第j个空间单元的邻接关系，若相邻则等于1；若不相邻则等于0。全局Moran I指数统计方法首先假定研究对象之间没有任何相关性，然后通过上述Z值的得分检验来验证假设成立。当Z>1.96时，则说明在95%的概率下，存在空间自相关。
（二）计量模型
本文所采用的计量模型分为三种形式：一是未考虑空间因素的普通计量模型，即采用OLS进行估计；二是考虑空间相邻关系的空间计量模型（分为空间滞后模型（SLM）和空间误差模型（SEM））；三是考虑信息化水平对于创新产出造成影响的普通计量模型和空间计量模型。第一种模型的主要理论依据是新经济增长理论的研发生产函数模型，第三种模型则是第一种模型与Audretsch和Welfens提到的包含信息要素的生产函数模型相结合得出，实际上信息化水平的提高会通过改善知识流通的效率而促进创新产出的增加[8]。新经济增长理论所涉及的研发生产函数模型和包含信息要素的生产函数模型分别如下：
Y=F（L，KO）TFP（1）
Y=F（L，KI，KO）TFP（2）
在（1）式中，Y表示研发产出，L、K分别表示研发的人力投入和资本积累水平。在（2）式中，Y、L、K分别表示经济总产出、相应的总人力和总资本投入。本文将产出全部设定为研发产出，并且将信息要素（信息化水平）考虑进（1）式，从而得到包含信息要素的研发生产函数模型，其形式等同于（2）式，再通过对（2）式两边分别取全微分并除以Y，可以得到如下形式：
在（3）式中，gO、gI、gL分别表示用于创新产出的普通资本要素投入、信息要素投入、劳动要素投入的增长率，gTFP表示创新投入与产出转换水平的增长率，受知识积累和技术水平影响。同时，本文借鉴李晓钟和张小蒂的做法[9]，假定在考察期内投入与产出的转换率维持在一个恒定的水平，并将创新生产函数设定为Cobb-Douglass形式，则通过（3）式可以得出以下形式的基础计量模型：
在（4）式中，rjdxywit表示信息要素投入（Iit），本文采用修正的人均邮电业务量代替；capit和qsdliangit分别表示普通资本投入（Kit）和人力投入（Lit），alsqit表示创新产出（Yit），A表示创新投入与产出水平间的转换水平的增长率。？琢、？茁和？酌分别表示创新资本、创新人力和信息化水平的创新产出弹性。
五、实证检验与结果分析
（一）实证检验
利用lnalsqit这个指标可以计算出每年度的Moran I指数的值，并检测该值对应的Z的显著性，以考察不同城市创新产出之间是否存在空间关联，其计算结果如表1所示：
从表1可以看出，以专利授权量表示的城市创新产出之间，存在显著的空间关联，Moran I指数相对应的Z值在5%的水平上均是显著的。由于Moran I值都为正数，表明广东省21个地级市创新产出活动存在正相关关系，即相邻城市之间存在创新关联。这意味着一个城市的研发活动会受到另一个相邻城市研发活动的影响，而且研发能力较强的城市周边聚集的也是研发能力较强的城市，研发能力相对较弱的城市则被研发能力弱的城市包围。此外，2006—2008年广东省21个地级市创新产出的Moran散点图如图1所示（均显示出明显的正的空间相关关系）：
（二）结果分析
本文利用空间统计软件GEODA进行回归分析，结果如下：
在表2和表3中，OLS、OLS+I、SLM、SLM+I、SEM、SEM+I分别表示估计用的模型，其中+I表示所用估计模型中考虑了信息化水平这个解释变量。为了避免因为解释变量间存在多重共线性而影响结果的准确性，本文交互替换解释变量与被解释变量的位置，进行OLS回归，得到每一次回归的拟合优度Ri2（i=1，…，C1n）。其中i表示第i个模型，n表示该模型中含有的解释变量个数，然后计算方差膨胀因子VIFi=1/1-Ri2。所有模型中的方差膨胀因子均小于10，表明解释变量间不存在严重的多重共线性。具体结果分析如下：
1. 从解释变量对应的系数来看，所有模型中以科技活动筹集经费计算得出的创新资本积累（LNCAP）是促进创新产出增长的主要推动力量，其对应的系数在1%～5%水平上显著。尽管各个模型中解释变量间不存在严重的多重共线性，但是在对当年的未修正的R&D人员全时当量与科技经费筹集总额之间进行回归时，发现二者存在较强的相关性，表明广东省21个地级市在整体上可能缺乏不同科研能力的科技人员薪水激励机制，这种激励机制通常会由于不同层次的人员薪水水平差异较大而使这二者间的相关性程度下降。同时，修正后的R&D人员全时当量（LNQSDLIANG）对应的系数在六个模型中均大于0，表明对创新产出具有一定促进作用，但作用不显著；信息化水平（LNRJDXYW）这个解释变量对应的系数均不显著，表明信息化程度的高低对创新产出能力的影响较弱；从引入信息化水平的模型的估计结果可以看出，代表创新投入与产出转换率的常数项在模型中均变大。
2. 从模型解释程度来看，R-squared都在0.8左右，拟合优度较高。各个模型在加入了信息化水平这个变量之后，拟合优度均得到了改善，可以看出在估计创新投入与产出关系时考虑信息化水平的重要性。由于本文所用的是基于截面数据的计量模型，有必要进行异方差的检验，因此采用Breusch-pagan方法进行验证后发现，Breusch-pagan值均不显著，可以接受其原假设，即残差不存在异方差情形，由此可知本文的估计结果可信。
3. 从是否考虑空间关联的估计效果来看②，首先，在拟合优度方面，考虑了空间关联因素的SLM、SEM分别从OLS结果的0.778上升到后者的0.783、0.819；其次，将SLM和SEM的结果进行对比，显然SLM中的空间滞后因变量的系数W_LNSQ07不显著，而SEM中的空间相关误差的参数在5%水平上是显著的，可见OLS得到的残差具有空间相关性，这一点与描述性分析的结论是一致的，即若不采用SEM，则会得到不精确的结果；再次，从Akaike和Schwarz两个信息准则的取值来看，在SLM中这两个值均大于OLS中的这两个值，而SEM中这两个值则小于OLS中的这两个值，表明采用SEM取得了比OLS和SLM更好的估计效果。
4. 从Aselin的回归模型选择的简易原则的角度来看，Lagrange Multiplier（lag）值和Robust LM（lag）值无论模型中包不包含信息化水平这个解释变量，均是不显著的；同时，Lagrange Multiplier（error）值和Robust LM（error）值对应的显著性概率无论在是否包含信息化水平的模型中均非常接近10%，可以认为在10%水平上显著，其显著性水平远远高于Lagrange Multiplier（lag）和Robust LM（lag）对应的显著性水平，所以本文最终应采用空间误差相关模型SEM进行估计。此外，加进信息化水平变量后，尽管拟合优度有了改善，但是却使空间误差相关项对应的系数从0.452变成了0.446，同时使得Lagrange Multiplier（error）从0.105变成了0.115，使模型估计值的显著性下降。这说明信息化水平的提高促进了知识的跨地域界限流动，从而在一定程度上降低了基于地理分布性的空间关联对于创新产出的影响。
六、主要结论与政策建议
本文通过构建包含信息化水平作为解释变量的基本计量模型，并结合使用OLS以及SLM、SEM等空间计量模型，利用2006—2008年广东省21个地级市的相关数据进行实证检验，可以得出以下主要结论：
1. 当年的未修正的R&D人员全时当量与科技经费筹集总额之间存在较强的线性关系，说明从整体上看广东省21个地级市缺乏针对不同层次科研能力的科技人员采取差异化的薪水激励机制，因为差异化的薪水激励可以减少以上两个指标之间的共线性程度。
2. 无论是否考虑空间关联和信息化水平，代表创新资本积累的科技经费筹集额是促进创新产出增长的核心动力，提高科技资金投入有利于创新产出的增加。此外，R&D人员全时当量也能促进创新产出的增长，只是效果相对较弱。可见R&D人员投入关键在于质量而非数量。
3. 信息化水平作为解释变量引入之后，创新投入与产出之间的转换率得到了提高，各个模型的解释程度均变好，但是其对应的系数不显著且为负值，说明广东省21个地级市信息化水平的提高并未促进创新产出的增长，可能还存在负面的作用。这或许是由于创新主体充分利用信息网络发掘知识的意识不够，未能充分有效利用网络资源。也可能是信息化水平的提高导致机密信息更易扩散而使其他主体免费利用导致的自主创新激励不足引致的。
4. 探索性数据分析表明广东省21个地级市创新产出之间存在明显的正相关关系，而信息化水平的提高，则降低了基于地理分布的这种空间关联性对于创新产出的影响，可见信息化网络的发展促进了知识的跨区域流动，使得创新的地理分布依赖程度下降。同时，良好的信息化网络可以使地理距离较远的两个城市之间实现创新活动的交流与合作，促进创新资源的更合理的空间配置。
针对以上结论，本文提出如下政策建议：
第一，为了提高区域的整体创新水平，构建创新型城市，需要建立微观的创新激励机制，对具备不同层次科研能力和技术水平的人才，采取差异化的激励措施。可以通过实施薪水差异、提升生活质量及改善工作环境等措施，积极吸引各方面的科技人才，促进区域创新效率的提高。
第二，各个城市应该加大科技研发经费的投入力度，促进创新产出的持续增加。政府应有计划、有目标地加大R&D经费投入，对一些重点产业和重点项目实行倾斜政策，引导企业和民间资本增加对市场竞争能力强的高新技术产品研究项目，特别是核心技术项目的投入。对于创新创业人才的引进，要建立多渠道、多层次的人才甄别机制，注重人才质量的培养。
第三，继续加强信息化基础设施的建设，积极推动三网融合建设，加大物联网、云计算等新兴领域的投资和试点。要注意提高企业、科研机构、高校等创新主体的信息素养，通过组织专门的培训使各个创新主体的信息检索和识别利用能力得到加强。各级政府还应该引导创新主体之间通过网络互联实施合作和交流，促进产学研一体化进程。
第四，要充分利用各个城市之间已有的基于地理分布的空间联动性，针对低水平创新城市集聚的状况，政府应该通过产业转移、财政转移支付等手段，推动创新资源流向创新能力相对较低的城市。由于信息化水平的提高会降低因地理距离而形成的对创新知识流动阻碍的程度，因此需要构建跨行政区域、跨行业类别的网络信息平台，实现远距离城市间的创新互动与合作，进一步提高整体区域的创新凝聚力。
注释：
①全时当量是指全时人员数加非全时人员按照工作量折算成全时人员数的总和，可较全面地反映创新的人力投入。