牛沖槐，宋 磊

(太原理工大學(xué) 經(jīng)濟(jì)管理學(xué)院，山西 太原 030024)

一、引言

創(chuàng)新是一個(gè)國(guó)家經(jīng)濟(jì)增長(zhǎng)的前提[1]，一個(gè)國(guó)家創(chuàng)新能力的強(qiáng)弱將決定國(guó)家的經(jīng)濟(jì)發(fā)展水平，而人才是創(chuàng)新的主體，一個(gè)國(guó)家是否具備創(chuàng)新能力，很大程度上是由人才決定的。人才并不是孤立存在的，在一定范圍內(nèi)會(huì)形成人才聚集現(xiàn)象，產(chǎn)生人才聚集效應(yīng)，因此準(zhǔn)確了解人才聚集效應(yīng)對(duì)創(chuàng)新的影響是十分必要的。

國(guó)外尚未明確提出人才聚集的概念，因此也不存在人才聚集效應(yīng)對(duì)創(chuàng)新影響的研究，但國(guó)外學(xué)者在研究其他事物時(shí)提出了一些相關(guān)見(jiàn)解。經(jīng)濟(jì)學(xué)家ROSEN認(rèn)為人與人關(guān)聯(lián)性的增加會(huì)增強(qiáng)知識(shí)累積能力[2]，這種知識(shí)的累積會(huì)對(duì)創(chuàng)新產(chǎn)生積極影響。人才聚集恰好為增加人與人的關(guān)聯(lián)提供了條件，因此人才聚集會(huì)促進(jìn)創(chuàng)新的產(chǎn)生。此外，還有學(xué)者從產(chǎn)業(yè)人力資產(chǎn)角度探討了這一問(wèn)題。J.H.LOVE 和S.ROPER認(rèn)為產(chǎn)業(yè)聚集所導(dǎo)致的人力資本聚集與集群技術(shù)創(chuàng)新活動(dòng)有很強(qiáng)的正相關(guān)關(guān)系[3]。R.BAPTISTA指出企業(yè)、研究機(jī)構(gòu)、大學(xué)在形成集群之后，由于其從業(yè)人員大都具有較高的知識(shí)水平，會(huì)形成科技型人力資本聚集，使區(qū)域內(nèi)創(chuàng)新活動(dòng)大量增加，增強(qiáng)了創(chuàng)新效應(yīng)[4]。

國(guó)內(nèi)就人才聚集對(duì)創(chuàng)新影響的研究也不多，但相對(duì)來(lái)說(shuō)概念較為明確。文獻(xiàn)[5]在提出人才聚集效應(yīng)的同時(shí)暗示了其八個(gè)子效應(yīng)存在著某種關(guān)聯(lián)，即人才聚集的某些效應(yīng)對(duì)創(chuàng)新效應(yīng)是有影響的，但是沒(méi)有進(jìn)行進(jìn)一步描述。芮雪琴等通過(guò)研究創(chuàng)新網(wǎng)絡(luò)中的科技型人才聚集效應(yīng)，發(fā)現(xiàn)創(chuàng)新網(wǎng)絡(luò)中的技能凈增量與知識(shí)存量是人才聚集效應(yīng)的體現(xiàn)，這意味著人才聚集在創(chuàng)新網(wǎng)絡(luò)中扮演著促進(jìn)者的角色[6]。郭麗芳等以山西省為例研究了科技投入對(duì)科技型人才聚集效應(yīng)的影響，認(rèn)為科技投入會(huì)促進(jìn)科技型人才的創(chuàng)新[7]。

通過(guò)文獻(xiàn)梳理發(fā)現(xiàn)，雖然人才聚集效應(yīng)與創(chuàng)新存在著顯著的關(guān)聯(lián)性，但國(guó)內(nèi)外對(duì)其研究并不是很充分，因此，本文試圖以人才聚集效應(yīng)為視角，利用空間計(jì)量經(jīng)濟(jì)學(xué)方法，以揭示區(qū)域創(chuàng)新效應(yīng)的空間特性，以及人才聚集效應(yīng)對(duì)其的影響。

二、人才聚集效應(yīng)對(duì)創(chuàng)新的影響分析及假設(shè)提出

人才聚集效應(yīng)是在人才聚集現(xiàn)象的基礎(chǔ)上形成的。所謂人才聚集現(xiàn)象，指在一定的時(shí)間內(nèi)，隨著人才流動(dòng)，大量同類(lèi)型或者相關(guān)人才按照一定關(guān)系，在某一地區(qū)或某一行業(yè)所形成的聚類(lèi)現(xiàn)象[5]。大量人才聚集在一起，在適宜環(huán)境作用下，容易具有人才聚集的經(jīng)濟(jì)性，即出現(xiàn)人才聚集效應(yīng)。人才聚集效應(yīng)可以分為組織效應(yīng)、環(huán)境效應(yīng)與成員自身效應(yīng)三大方面，在此基礎(chǔ)上又細(xì)分為信息共享效應(yīng)、集體學(xué)習(xí)效應(yīng)、知識(shí)溢出效應(yīng)、規(guī)模效應(yīng)、時(shí)間效應(yīng)、激勵(lì)效應(yīng)、區(qū)域效應(yīng)、創(chuàng)新效應(yīng)八個(gè)子效應(yīng)[5]。這八個(gè)子效應(yīng)并不是各自孤立存在的，而是相互作用、相互影響的，本文主要分析各個(gè)效應(yīng)對(duì)創(chuàng)新效應(yīng)的影響。

信息共享效應(yīng)指人才聚集條件下信息獲得者會(huì)提供免費(fèi)或者價(jià)格低廉的信息給大家使用。知識(shí)的積累和獲得是創(chuàng)新的基礎(chǔ)，易得且價(jià)格低廉的信息為人才獲取知識(shí)進(jìn)行創(chuàng)新提供了一個(gè)途徑。隨著人才聚集程度的加大，提供的信息量會(huì)越來(lái)越大，而由人才聚集所造成的人才交流，會(huì)使被共享的信息進(jìn)一步擴(kuò)大，為創(chuàng)新提供了有效的知識(shí)儲(chǔ)備。為此提出假設(shè)H1：信息共享效應(yīng)會(huì)促進(jìn)創(chuàng)新效應(yīng)的產(chǎn)生。

知識(shí)溢出效應(yīng)指人才聚集過(guò)程中會(huì)產(chǎn)生知識(shí)的溢出，特別是隱性知識(shí)的溢出。隱性知識(shí)是難以傳遞的，人才的聚集為人才相互交流提供了條件，隨著人才之間的交流增多，隱形知識(shí)傳遞的機(jī)會(huì)也就增多，產(chǎn)生的溢出效應(yīng)也就越大。由于隱性知識(shí)所包含的技巧方法較多，因此在知識(shí)生產(chǎn)中起的作用也越大，對(duì)創(chuàng)新的推動(dòng)作用也就越突出。為此提出假設(shè)H2：知識(shí)溢出效應(yīng)能促進(jìn)創(chuàng)新效應(yīng)。

集體學(xué)習(xí)效應(yīng)指知識(shí)溢出的聯(lián)動(dòng)效應(yīng)。人才聚集條件下，人們?yōu)榱双@取知識(shí)，會(huì)更愿意創(chuàng)造一種積極學(xué)習(xí)機(jī)會(huì)，以期得到更多的知識(shí)，集體學(xué)習(xí)效應(yīng)的增強(qiáng)意味著交換知識(shí)機(jī)會(huì)的增多，有助于推動(dòng)知識(shí)溢出效應(yīng)的產(chǎn)生，溢出知識(shí)越多對(duì)創(chuàng)新推動(dòng)越大。為此提出假設(shè) H3：集體學(xué)習(xí)效應(yīng)有助于創(chuàng)新效應(yīng)。

激勵(lì)效應(yīng)是隨著人才聚集程度的加大而產(chǎn)生，人才聚集所產(chǎn)生的激勵(lì)與競(jìng)爭(zhēng)是共生的關(guān)系，人才的增多會(huì)導(dǎo)致競(jìng)爭(zhēng)，而競(jìng)爭(zhēng)的本質(zhì)是優(yōu)勝劣汰。人才為了避免被淘汰會(huì)進(jìn)行自我提高，努力提升自身的能力和知識(shí)水平，而人才是創(chuàng)新的主體，這種自身能力和知識(shí)水平的提高會(huì)有助于創(chuàng)新效應(yīng)的產(chǎn)生。為此提出假設(shè)H4：激勵(lì)效應(yīng)會(huì)促進(jìn)創(chuàng)新效應(yīng)。

時(shí)間效應(yīng)指人才所攜帶知識(shí)的時(shí)效性。當(dāng)代社會(huì)科學(xué)技術(shù)飛速發(fā)展，知識(shí)更新速度加快，不同時(shí)效性的知識(shí)對(duì)創(chuàng)新的作用是不同的。新的、前沿性的知識(shí)對(duì)創(chuàng)新的推動(dòng)力較大，而陳舊、將要淘汰的知識(shí)對(duì)創(chuàng)新的推動(dòng)力較弱甚至沒(méi)有，因此，知識(shí)的時(shí)效性很大程度決定了創(chuàng)新是否成功。為此提出假設(shè)H5：時(shí)間效應(yīng)的增強(qiáng)會(huì)促進(jìn)創(chuàng)新效應(yīng)。

規(guī)模效應(yīng)指隨著人才規(guī)模的增加，人才聚集效應(yīng)才會(huì)產(chǎn)生，才會(huì)發(fā)展。量變引起質(zhì)變，事物只有達(dá)到一定規(guī)模才能引起質(zhì)的變化。隨著人才規(guī)模的擴(kuò)大，人才之間的交流會(huì)增多，信息的共享強(qiáng)度會(huì)增強(qiáng)，共享知識(shí)的數(shù)量會(huì)加大。而由此產(chǎn)生的知識(shí)溢出也會(huì)隨著人才交流的增多而增多，各種人才聚集效應(yīng)會(huì)連鎖式系統(tǒng)性的提升，根據(jù)知識(shí)生產(chǎn)理論[8-9]，由人才聚集所導(dǎo)致的知識(shí)投入增加，以及人員增加會(huì)提升創(chuàng)新效應(yīng)。為此提出假設(shè)H6：規(guī)模效應(yīng)的提升會(huì)促進(jìn)創(chuàng)新效應(yīng)。

區(qū)域效應(yīng)指人才各種社會(huì)生產(chǎn)活動(dòng)的區(qū)域特征，人才聚集效應(yīng)的區(qū)域特征主要是指區(qū)域經(jīng)濟(jì)特征。區(qū)域經(jīng)濟(jì)的發(fā)展意味著可支配資源的增多，政府和企業(yè)會(huì)更有能力增加創(chuàng)新投入，創(chuàng)新投入的增加會(huì)導(dǎo)致區(qū)域創(chuàng)新效應(yīng)提升，而區(qū)域經(jīng)濟(jì)的發(fā)展還會(huì)帶動(dòng)人才流動(dòng)，為人才提供更適宜的環(huán)境，綜合提升人才聚集效應(yīng)。這些效應(yīng)會(huì)系統(tǒng)性的提升，最終導(dǎo)致區(qū)域創(chuàng)新效應(yīng)的增強(qiáng)。為此提出假設(shè)H7：區(qū)域效應(yīng)的提升會(huì)促進(jìn)創(chuàng)新效應(yīng)。

三、創(chuàng)新的空間特性與空間計(jì)量經(jīng)濟(jì)學(xué)模型

對(duì)創(chuàng)新的傳統(tǒng)研究大多采用時(shí)序數(shù)據(jù)進(jìn)行分析，忽略了創(chuàng)新的空間特性，鄰近區(qū)域的創(chuàng)新活動(dòng)能夠相互影響。傳統(tǒng)的計(jì)量經(jīng)濟(jì)學(xué)方法無(wú)法衡量這種地理鄰近性所帶來(lái)的相互作用，但空間計(jì)量經(jīng)濟(jì)學(xué)很好地解決了這一問(wèn)題。依據(jù)ANSELIN的觀點(diǎn)，空間計(jì)量經(jīng)濟(jì)學(xué)是研究由空間導(dǎo)致的各種特性的區(qū)域科學(xué)模型統(tǒng)計(jì)分析方法[10]。本文以人才聚集效應(yīng)為角度進(jìn)行創(chuàng)新效應(yīng)的空間計(jì)量分析，采用Moran指數(shù)法檢驗(yàn)創(chuàng)新效應(yīng)是否具有空間自相關(guān)性，如果具有，則運(yùn)用空間計(jì)量經(jīng)濟(jì)學(xué)模型，進(jìn)行區(qū)域創(chuàng)新效應(yīng)的相關(guān)空間計(jì)量分析。

(一)空間自相關(guān)與創(chuàng)新效應(yīng)空間計(jì)量分析的方法

通常認(rèn)為，鄰近地區(qū)的同一現(xiàn)象存在相關(guān)性，空間相關(guān)性的證實(shí)打破了經(jīng)典統(tǒng)計(jì)分析中相互獨(dú)立的基本假設(shè)，彌補(bǔ)了空間相關(guān)分析的空白。檢驗(yàn)區(qū)域創(chuàng)新效應(yīng)的空間相關(guān)性是否存在，空間計(jì)量經(jīng)濟(jì)學(xué)在分析時(shí)引入了Moran’s I指數(shù)的概念[11]，Moran’s I指數(shù)是一種分析空間相關(guān)性現(xiàn)象的統(tǒng)計(jì)分析技術(shù)，其定義如下：

(1)

Moran’s I指數(shù)可以看成各個(gè)區(qū)域觀測(cè)值的乘積之和，取值范圍為-1

(二)空間滯后模型、空間誤差模型及估計(jì)技術(shù)

1.空間滯后模型[12]

空間滯后模型，即空間自回歸模型(SLM)，其主要功能是探討各個(gè)變量在該地區(qū)是否有擴(kuò)散現(xiàn)象，其表達(dá)式為：

Y=ρWY+Xβ+ε.

(2)

式中，Y為因變量；X為n×k的外生解釋變量矩陣；ρ為空間回歸的相關(guān)系數(shù)；W為n×n階的空間權(quán)重值矩陣，一般采用鄰接矩陣；WY為空間滯后因變量；ε為隨機(jī)誤差項(xiàng)向量。

2.空間誤差模型[12]

空間誤差模型，即空間自相關(guān)模型(SEM)，其作用是度量鄰接區(qū)域因變量的誤差沖擊對(duì)本區(qū)域觀測(cè)值的影響，其數(shù)學(xué)表達(dá)式為：

Y=Xβ+ε.

(3)

ε=λWε+μ.

(4)

式中，ε為隨機(jī)誤差項(xiàng)向量；λ為n×1的截面因變量空間誤差系數(shù)；μ為正態(tài)分布的隨機(jī)誤差向量；參數(shù)λ用以衡量樣本觀察中的空間依賴(lài)作用，即相鄰地的觀測(cè)值對(duì)本地的觀測(cè)值的影響方向和程度；參數(shù)β反映了自變量X對(duì)Y的影響。

3.估計(jì)技術(shù)

空間依賴(lài)性的估計(jì)比時(shí)間序列估計(jì)要復(fù)雜，OLS估計(jì)由于其有偏性是不準(zhǔn)確的，因此，20世紀(jì)60-80年代許多學(xué)者研究了空間計(jì)量經(jīng)濟(jì)學(xué)的模型估計(jì)，到80年代以后，極大似然估計(jì)成為文獻(xiàn)主流的估計(jì)方法，因此本文也采用ANSELIN建議的極大似然法來(lái)估計(jì)SLM和SEM參數(shù)[10]。

4.空間自相關(guān)檢驗(yàn)及SLM、SEM的選擇

Moran’s I檢驗(yàn)只能對(duì)空間自相關(guān)的存在性進(jìn)行檢驗(yàn)，而要確定具體使用哪一個(gè)模型，則需要進(jìn)行LM-lag檢驗(yàn)和LM-error檢驗(yàn)[12]。ANSELIN提出了以下判別標(biāo)準(zhǔn)：若空間相關(guān)性檢驗(yàn)中的LMLAG比LMERR顯著，并且R-LMAGE顯著而R-LMERR不顯著，則應(yīng)采用空間滯后模型；反之，則應(yīng)采用空間誤差模型[10]。另外，在檢測(cè)模型的顯著性方面，傳統(tǒng)的OLS回歸主要采用R2擬合優(yōu)度、自然對(duì)數(shù)似然函數(shù)值、赤池信息準(zhǔn)則等，這些方法同樣適用于SLM與SEM模型的檢驗(yàn)。

四、變量選取、模型設(shè)定及數(shù)據(jù)來(lái)源

為了驗(yàn)證上文所提出的假設(shè)，本文基于文獻(xiàn)[5]提出的人才聚集效應(yīng)，用專(zhuān)利授權(quán)量(Y)作為創(chuàng)新效應(yīng)的代理變量，亦是本文的被解釋變量；公共圖書(shū)館藏書(shū)量(X1)作為信息共享效應(yīng)的代理變量；R&D課題數(shù)(X2)作為知識(shí)溢出效應(yīng)的代理變量；以集體學(xué)習(xí)場(chǎng)所數(shù)量(即高校與科研機(jī)構(gòu)數(shù)量X3)作為集體學(xué)習(xí)效應(yīng)的代理變量；以高級(jí)職業(yè)技能證書(shū)獲得人數(shù)(X4)作為激勵(lì)效應(yīng)的代理變量；以國(guó)內(nèi)外科技論文發(fā)表增量(X5)作為時(shí)間效應(yīng)的代理變量；以研究與試驗(yàn)發(fā)展(R&D)人員全時(shí)當(dāng)量(人年)(X6)作為規(guī)模效應(yīng)的代理變量；以人均GDP(X7)作為區(qū)域效應(yīng)的代理變量，設(shè)立雙對(duì)數(shù)模型：

lnY=β0+β1lnX1+β2lnX2+β3lnX3+β4lnX4+β5lnX5+β6lnX6+β7lnX7+εi.

式中：β為回歸參數(shù)；i為1，2，…，31個(gè)省域；ε為隨機(jī)誤差項(xiàng)。

研究中所用的中國(guó)省域矢量地圖主要通過(guò)ArcGis9.3制作，隨后運(yùn)用GEODA0.9.5.i軟件，將2009年31省市自治區(qū)的數(shù)據(jù)建立空間計(jì)量經(jīng)濟(jì)學(xué)模型，用以檢驗(yàn)省域創(chuàng)新效應(yīng)的空間相關(guān)性，以及人才聚集各效應(yīng)對(duì)創(chuàng)新效應(yīng)的影響。本文中所用數(shù)據(jù)均來(lái)自《2010中國(guó)統(tǒng)計(jì)年鑒》。

五、創(chuàng)新效應(yīng)的空間統(tǒng)計(jì)描述

空間相關(guān)是指觀測(cè)值與區(qū)位的一致性，即當(dāng)一個(gè)地區(qū)的經(jīng)濟(jì)數(shù)據(jù)值較高時(shí)，周?chē)貐^(qū)的經(jīng)濟(jì)數(shù)據(jù)值也會(huì)相應(yīng)高。為了驗(yàn)證省域創(chuàng)新效應(yīng)的空間相關(guān)關(guān)系，本文采取Moran’s I指數(shù)法測(cè)算創(chuàng)新效應(yīng)的空間相關(guān)性，其中空間權(quán)重采用一階權(quán)重，測(cè)得Moran’s I為0.383 4，Moran Z為3.513 5，Z值超過(guò)了1.96，說(shuō)明在0.05概率下的創(chuàng)新效應(yīng)的空間相關(guān)性是顯著的。為了更形象地展示省域創(chuàng)新集聚特征的存在，本文使用GeoDA0.9.5.i軟件計(jì)算并給出了區(qū)域Moran’s I指數(shù)的散點(diǎn)圖(見(jiàn)圖1)。上述結(jié)果表明我國(guó)省域創(chuàng)新效應(yīng)具有明顯的正空間相關(guān)關(guān)系，省域創(chuàng)新效應(yīng)強(qiáng)的地區(qū)其周?chē)貐^(qū)創(chuàng)新效應(yīng)也強(qiáng)，創(chuàng)新效應(yīng)弱的地區(qū)其周?chē)貐^(qū)創(chuàng)新效應(yīng)也弱，形成了創(chuàng)新效應(yīng)的空間集群現(xiàn)象。

圖1 Moran’s I散點(diǎn)圖

六、空間計(jì)量實(shí)證檢驗(yàn)與結(jié)果分析

(一)模型的實(shí)證檢驗(yàn)

上述結(jié)果已經(jīng)證明了2009年31個(gè)省域之間創(chuàng)新效應(yīng)存在著較強(qiáng)的空間相關(guān)性，說(shuō)明本文以空間計(jì)量經(jīng)濟(jì)學(xué)方法來(lái)研究這個(gè)問(wèn)題是恰當(dāng)?shù)?，接下?lái)將要探索人才聚集其他效應(yīng)是否影響創(chuàng)新效應(yīng)，以及影響程度如何。由此需要進(jìn)行空間估計(jì)與結(jié)果檢驗(yàn)，為了更好地說(shuō)明空間模型要比傳統(tǒng)的OLS檢驗(yàn)優(yōu)良，本文先進(jìn)行傳統(tǒng)的OLS檢驗(yàn)，結(jié)果見(jiàn)表1。

通過(guò)OLS檢驗(yàn)結(jié)果可知，模型的擬合度較好，能夠解釋這個(gè)問(wèn)題。為了進(jìn)一步進(jìn)行空間計(jì)量經(jīng)濟(jì)

學(xué)分析，需要確定運(yùn)用哪個(gè)空間模型，根據(jù)上文介紹的ANSELIN提出的判別標(biāo)準(zhǔn)[10]，結(jié)合表1數(shù)據(jù)發(fā)現(xiàn)：LMERR檢驗(yàn)較之LMAGE檢驗(yàn)更為顯著，R-LMAGE檢驗(yàn)與R-LMERR檢驗(yàn)同樣都是顯著的，因此ANSELIN的判別方法在此處失效，無(wú)法確定具體運(yùn)用哪一個(gè)模型，所以本文將兩個(gè)空間模型的檢驗(yàn)都給出，具體結(jié)果見(jiàn)表2。

表1 OLS檢驗(yàn)結(jié)果

注：***、**、*分別代表通過(guò)了10%、5%、1%水平下的顯著性檢驗(yàn)。

表2 省域創(chuàng)新效應(yīng)全域空間估計(jì)

注：***、**、*分別代表通過(guò)了10%、5%、1%水平下的顯著性檢驗(yàn)。

由表2中兩種估計(jì)方式的結(jié)果可以看出，SLM與SEM估計(jì)的R2值均大于0.8，AIC、SC檢驗(yàn)等都在適宜范圍內(nèi)，說(shuō)明運(yùn)用空間計(jì)量經(jīng)濟(jì)學(xué)模型可以很好地解釋問(wèn)題，其中SEM模型的檢驗(yàn)值要優(yōu)于SLM模型。無(wú)論R2、LOGL、AIC、SC檢驗(yàn)還是各個(gè)指標(biāo)的顯著性上，兩個(gè)空間模型都比OLS估計(jì)要優(yōu)良，說(shuō)明考慮空間權(quán)重的SLM與SEM模型比不考慮權(quán)重的OLS估計(jì)要合理。比較SLM與SEM檢驗(yàn)的結(jié)果發(fā)現(xiàn)，信息共享效應(yīng)在兩個(gè)檢驗(yàn)中的符號(hào)相反，說(shuō)明考慮空間滯后與考慮空間自相關(guān)時(shí)，信息共享效應(yīng)對(duì)創(chuàng)新效應(yīng)的影響是不同的，其影響究竟如何，本方法無(wú)法給出精確的判斷，因此不對(duì)H1進(jìn)行判斷。知識(shí)溢出在兩個(gè)檢驗(yàn)中的系數(shù)都為正，但是都不夠顯著，說(shuō)明知識(shí)溢出對(duì)創(chuàng)新效應(yīng)的影響是正向的，但是在顯著性上不強(qiáng)，與H2的分析基本一致。集體學(xué)習(xí)效應(yīng)在兩個(gè)檢驗(yàn)中系數(shù)都為負(fù)，并且顯著，因此H3被拒絕。激勵(lì)效應(yīng)在兩個(gè)檢驗(yàn)中的系數(shù)都為負(fù)，但不顯著，因此拒絕H4。時(shí)間效應(yīng)在兩個(gè)檢驗(yàn)中的系數(shù)為負(fù)，其中SLM檢驗(yàn)結(jié)果顯著，這說(shuō)明知識(shí)有效性的提升并沒(méi)有顯著改善創(chuàng)新效應(yīng)，因此拒絕H5，這可能是由于知識(shí)的使用需要與實(shí)際社會(huì)生產(chǎn)情況相結(jié)合，過(guò)于先進(jìn)的理論在短期內(nèi)很難形成有效的技術(shù)成果，也很難推動(dòng)社會(huì)經(jīng)濟(jì)發(fā)展。規(guī)模效應(yīng)在兩個(gè)檢驗(yàn)中系數(shù)都為正且顯著，因此接受H6。本文對(duì)創(chuàng)新效應(yīng)的衡量是用專(zhuān)利數(shù)量做代理變量，而人才規(guī)模的擴(kuò)大導(dǎo)致創(chuàng)新活動(dòng)的增多，作為創(chuàng)新產(chǎn)出的專(zhuān)利數(shù)量也會(huì)因此提升。區(qū)域效應(yīng)在兩個(gè)檢驗(yàn)中符號(hào)相反，因此無(wú)法對(duì)H7進(jìn)行判斷。

(二)結(jié)論

(1)省域創(chuàng)新效應(yīng)具有正的空間相關(guān)關(guān)系，出現(xiàn)了一定的空間聚集現(xiàn)象。(2)人才聚集效應(yīng)中知識(shí)溢出效應(yīng)、規(guī)模效應(yīng)對(duì)創(chuàng)新效應(yīng)有正向推動(dòng)作用，而集體學(xué)習(xí)效應(yīng)、激勵(lì)效應(yīng)與時(shí)間效應(yīng)則對(duì)創(chuàng)新效應(yīng)有負(fù)向作用，信息共享效應(yīng)與區(qū)域效應(yīng)的作用效果較為復(fù)雜，無(wú)法判斷。(3)雖然經(jīng)典的OLS模型與空間計(jì)量模型的估計(jì)結(jié)果基本一致，但考慮了空間權(quán)重的空間滯后模型在R2擬合度、AIC檢驗(yàn)及整體的顯著性上都比傳統(tǒng)的OLS估計(jì)要好，這種改善對(duì)解釋人才聚集效應(yīng)對(duì)創(chuàng)新的影響更有說(shuō)服力。

參考文獻(xiàn)：

[1] 約瑟夫·阿洛斯·熊彼特.經(jīng)濟(jì)周期循環(huán)論[M].北京：中國(guó)長(zhǎng)安出版社，2009.

[2] ROSEN S.Specialization and Human Captial[J].Journal of Labor Economics，1983(1)：43-49.

[3] J·H·Love，S·Roper.Location and Network Effects on Innovation Success：Evidence for UK，German and Irish Manufacturing Plants[J].Research Policy，2001(4)：643-662.

[4] R·Baptista.Research Round Up：Industrial Clusters and Technological Innovation[J].Business Strategy Review，1996(2)：59-64.

[5] 牛沖槐，接 民，張 敏，等.人才聚集效應(yīng)及其評(píng)判[J].中國(guó)軟科學(xué)，2006(4)：118-123.

[6] 芮雪琴，牛沖槐，陳新國(guó)，等.創(chuàng)新網(wǎng)絡(luò)中科技人才聚集效應(yīng)的測(cè)度及產(chǎn)生機(jī)理[J].科技進(jìn)步與對(duì)策，2011(18)：146-151.

[7] 郭麗芳，楊彥超，牛沖槐，等.山西省科技投入對(duì)科技型人才聚集效應(yīng)的影響研究[J].科技進(jìn)步與對(duì)策，2011(5)：49-53.

[8] GRILICHES Z.Issues in Assessing the Contribution of R&D to Productivity Growth[J].Bell Journal of Economics，1979(1)：92-116.

[9] GRILICHES Z.Productivity，R&D，and Basic Research at the Firm Level in the 1970s[J].American Economic Review，1986(1)：141-154.

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

[11] 王立平，萬(wàn)倫來(lái).計(jì)量經(jīng)濟(jì)學(xué)理論與應(yīng)用[M].合肥：合肥工業(yè)大學(xué)出版社，2008.

[12] LESAGE J P.The Theory and Practice of Spatial Econometrics[M].University of Toledo，1999.