于珊珊　姜鵬

[摘 要]通過對黑龍江省主要城市科技創(chuàng)新資源與創(chuàng)新活動空間集聚指數(shù)進行測算，比較全省各地級城市科技創(chuàng)新的空間分布差異，并通過計算全局和局域空間自相關指數(shù)，檢驗黑龍江省創(chuàng)新活動的空間相關性，利用空間面板數(shù)據(jù)分析方法構建黑龍江省科技創(chuàng)新溢出效應計量模型，考察相關影響因素對科技創(chuàng)新溢出效應的貢獻度，科技創(chuàng)新R&D資本投入對科技創(chuàng)新產(chǎn)出的影響程度呈現(xiàn)上升趨勢，而科技創(chuàng)新人員投入的重要性日趨減弱。為增強黑龍江省科技創(chuàng)新資源與要素調(diào)整與配置效率，應鼓勵不同行業(yè)資金融合支持科技創(chuàng)新活動，構建多元化的科技創(chuàng)新資金結構，逐步提高科技創(chuàng)新活動資金籌集的市場化程度。

[關鍵詞]黑龍江；科技創(chuàng)新；溢出效應；服務外包

[中圖分類號]F062.9 [文獻標識碼]A [文章編號]2095-3283（2015）04-0011-06

當前國際經(jīng)濟活動的一個顯著特征是國際產(chǎn)業(yè)轉移從制造業(yè)向服務業(yè)延伸，作為一種具有高成長性、高附加值和促進區(qū)域協(xié)調(diào)發(fā)展的新的國際分工形式，服務外包在全球范圍內(nèi)得到了迅速發(fā)展?？萍紕?chuàng)新有利于服務外包產(chǎn)業(yè)從低附加值向高附加值領域轉移。黑龍江省科技資源富集、科技綜合實力較強，但科技創(chuàng)新活動與創(chuàng)新產(chǎn)出存在明顯的空間地理集聚現(xiàn)象。除2002年外，2003—2011年黑龍江省各地級城市高新技術產(chǎn)值占全省比重排序前三位的分別是哈爾濱、大慶、齊齊哈爾，這三座城市是黑龍江省西部地區(qū)“哈大齊工業(yè)走廊”的主體城區(qū)，其高新技術產(chǎn)值總和占當年全省高新技術產(chǎn)值總和的比重均超過了80%（如表1所示）。2002—2011年黑龍江省主要城市高新技術產(chǎn)值絕對數(shù)量的變化以哈爾濱、大慶兩地最為顯著，這兩地高新技術產(chǎn)值增長速度明顯快于全省其他地區(qū)。由此可知，黑龍江省科技創(chuàng)新活動存在明顯的空間分布異質(zhì)性。

一、研究方法

（一）空間集聚測度方法

綜合目前國內(nèi)外相關研究成果，產(chǎn)業(yè)集聚測度指標如表2所示。

通過對以上指標的比較分析，考慮地理單元因素、產(chǎn)業(yè)空間分布差異可比性因素等，結合本文搜集整理的數(shù)據(jù)，選擇區(qū)位熵指數(shù)（LG）和空間基尼系數(shù)（Gi）衡量黑龍江省科技創(chuàng)新的集聚程度。

（二）空間相關性指標

根據(jù)地理學第一定律，地理距離相近地區(qū)的市場經(jīng)濟運作活動、科技研發(fā)與交通往來，相比地理距離較遠地區(qū)具有顯著的關聯(lián)性。目前測度空間相關性的指標，通常采用全局空間自相關指標Global Morans I指數(shù)和局域空間自相關指標Local Morans I指數(shù)。Global Morans I指數(shù)是衡量各個區(qū)域間的整體的空間差異程度和空間關聯(lián)的分析方法，其來源于統(tǒng)計學的Pearson相關系數(shù)，將互相關系數(shù)推廣到自相關系數(shù)，時間序列的自相關系數(shù)推廣到空間序列的自相關系數(shù)，最后采用加權函數(shù)代替滯后函數(shù)，將一維空間自相關系數(shù)推廣到二維空間自相關系數(shù)，即可得到Global Morans I指數(shù)。Global Morans I指數(shù)的實質(zhì)是標準化的空間自協(xié)方差。局域空間自相關Local Morans I指數(shù)是檢驗局部地區(qū)是否存在相似或相異的觀測值聚集的指標。它可以度量某地區(qū)與其周圍地區(qū)存在的空間差異程度和以及顯著性，它可以理解為Global Morans I的分解。Global Morans I指數(shù)和Local Morans I指數(shù)的具體計算公式為：

（三）空間計量模型

綜合目前國內(nèi)外相關研究成果，考慮空間因素的知識溢出效果模型主要包括兩種空間計量形式（Anselin，1996），一種是空間滯后模型（SLM），該模型反映了各變量在一地區(qū)是否存在擴散現(xiàn)象（溢出效應）；另一種是空間誤差模型（SEM），該模型反應了存在于擾動誤差項之中的空間依賴作用，用以衡量鄰近地區(qū)由于因變量的誤差擾動對本地區(qū)觀察值的影響程度。SLM空間計量模型的形式如公式（1）所示，SEM空間計量模型的形式如公式（2）所示：

公式（1）中，y為因變量，X為外生解釋變量，Wy為空間滯后因變量，ρ為空間回歸系數(shù)，用于衡量地理溢出程度，β反映了自變量X對因變量y的影響，ε為隨機誤差向量；ε為隨機誤差向量。公式（2）中λ為空間誤差系數(shù)，用于衡量樣本觀察值的空間依賴作用，μ為正態(tài)分布的隨機誤差向量，參數(shù)β反映了自變量X對因變量y的影響。

目前研究知識生產(chǎn)與科技創(chuàng)新的影響與溢出效果，主要利用Griliches -Jaffe提出的基于柯布—道格拉斯生產(chǎn)函數(shù)的標準知識生產(chǎn)函數(shù)，函數(shù)基本形式為：

公式（3）中Q代表科技創(chuàng)新產(chǎn)出，A代表常數(shù)項，R&D為科技創(chuàng)新的經(jīng)費或人力資本投入，S代表影響科技創(chuàng)新產(chǎn)出的經(jīng)濟社會變量，ε為隨機誤差項，i為觀測單元，t為時間。本文考慮到數(shù)據(jù)的獲取性與可得性，將以公式（3）中各項變量分別定義為黑龍江省主要城市R&D經(jīng)費投入K、黑龍江省主要城市科技創(chuàng)新人員投入L、黑龍江省科技創(chuàng)新的外部知識溢出變量S。在具體實證研究過程中，還需要對以上公式兩邊取對數(shù)，構建雙對數(shù)模型，即

二、數(shù)據(jù)來源與處理

本文研究對象為黑龍江省11個地級市和2個地區(qū)，根據(jù)目前相關文獻研究經(jīng)驗，一般采用專利申請數(shù)量作為科技創(chuàng)新能力衡量指標，但由于統(tǒng)計數(shù)據(jù)的可得性與數(shù)據(jù)量綱的一致性，本文選取高新技術產(chǎn)值替代專利申請數(shù)量作為衡量研究對象地區(qū)科技創(chuàng)新產(chǎn)出的評價指標，R&D經(jīng)費支出以及R&D人員投入作為衡量研究對象地區(qū)科技創(chuàng)新投入水平的評價指標。本文數(shù)據(jù)來源于《黑龍江統(tǒng)計年鑒》，黑龍江省科技統(tǒng)計網(wǎng)、黑龍江科技信息網(wǎng)等。部分年份數(shù)據(jù)缺省值采用線性插值法進行補全。本文空間統(tǒng)計分析與空間制圖采用Arcgis軟件，空間相關性檢驗與空間計量分析采用Geoda軟件。

三、實證分析

（一）空間集聚實證結果分析

根據(jù)區(qū)位熵指數(shù)（LG）、空間基尼系數(shù)（Gi）計算公式，黑龍江省主要城市2003—2010年科技創(chuàng)新兩項指標的計算結果如表3、圖2所示。其中區(qū)位熵指數(shù)（LG）大于1的城市以齊齊哈爾、大慶、哈爾濱為主，表明這些地區(qū)科技創(chuàng)新的專業(yè)化水平明顯高于全省其他地區(qū)，人均科技創(chuàng)新創(chuàng)新效率相對顯著，尤其是齊齊哈爾地區(qū)，除2007年外，其他年份LG指數(shù)均高于1，LG指數(shù)平均值為2.159，位居全省第一位?？臻g基尼系數(shù)（Gi）在2003—2007年始終保持在0.08水平上下浮動，但從2008開始，Gi系數(shù)顯著上升，始終保持在大于0.1水平浮動，Gi系數(shù)平均值約為0.1，表明全省科技創(chuàng)新活動空間分布存在一定差距，但從數(shù)據(jù)上來看，差距程度與發(fā)達國家相比，差距相對較小。綜合以上兩項指數(shù)的測算結果，黑龍江省科技創(chuàng)新活動的空間分布并不均勻，呈現(xiàn)一定的局部集聚性，并且這種地理集聚度隨著時間的推移呈現(xiàn)出逐漸增加的趨勢。endprint

（二）空間相關性實證結果分析

根據(jù)全域空間自相關指數(shù)和局域空間自相關指數(shù)計算公式，本文在計算過程中空間權重矩陣采用“K-Nearest Neighbor”法，通過Geoda軟件，計算2002—2011年黑龍江省11個地級市和2個地區(qū)科技創(chuàng)新產(chǎn)出的全局空間自相關指標的Morans I值與局域空間自相關指標的MoranI值，以及它們的顯著性檢驗值如表4、圖3所示。

根據(jù)表4可知，2002年全局Morans I指數(shù)和局域Morans I指數(shù)值相對較低，表明空間相關性相對較弱，且未通過5%顯著性檢驗。而2003—2011年全局Morans I指數(shù)和局域Morans I指數(shù)的平均值為0.1045，P-value通過了5%顯著性檢驗。因此，2003年以后，黑龍江省主要城市科技創(chuàng)新產(chǎn)出的空間相關性尤為明顯，尤其是2011年，全局Morans I指數(shù)和局域Morans I指數(shù)值達到了0.1162，實現(xiàn)了2003年以來的顯著上升。

2002—2011年黑龍江省13個市（地）以高新技術產(chǎn)值衡量的科技創(chuàng)新產(chǎn)出的全局Morans I指數(shù)和局域Morans I指數(shù)曲線的變化，除2002年Morans I指數(shù)為負值，且僅通過10%水平的顯著性檢驗，而未通過5%水平的顯著性檢驗之外，2003年開始Morans I指數(shù)顯著上升，雖然此后經(jīng)歷了小幅下降，但2004—2010年，MoranI指數(shù)均保持在0.1水平穩(wěn)定波動，且均通過了5%水平的顯著性檢驗，尤其是2011年，MoranI指數(shù)實現(xiàn)了顯著的上升反彈，表明空間自相關性更為明顯。正向的空間自相關性表明隨著經(jīng)濟的發(fā)展，黑龍江省主要城市之間的經(jīng)濟活動的空間相關性不斷提高，即一個城市的科技創(chuàng)新投入、產(chǎn)出將會對相鄰城市產(chǎn)生正向的溢出效應。

圖3是2003年、2006年、2009年、2011年黑龍江省13個市（地）科技創(chuàng)新的MoransⅠ散點圖，圖中橫軸代表該觀測單元的科技創(chuàng)新產(chǎn)出，縱軸代表周邊觀測單元的科技創(chuàng)新產(chǎn)出。第一象限（HH）表示高—高的正空間自相關，代表觀測地區(qū)的科技創(chuàng)新產(chǎn)出較多，周邊觀測地區(qū)的科技創(chuàng)新產(chǎn)出也較多；第二象限（LH）表示低—高的空間自相關關系，代表觀測地區(qū)的科技創(chuàng)新產(chǎn)出較少，而周邊觀測地區(qū)的科技創(chuàng)新產(chǎn)出較多；第三象限（LL）表示低—低的空間自相關關系，代表觀測地區(qū)的科技創(chuàng)新產(chǎn)出較少，周邊觀測地區(qū)的科技創(chuàng)新產(chǎn)出也較少；第四象限（HL）表示高—低的空間自相關關系，代表觀測地區(qū)的科技創(chuàng)新產(chǎn)出較多，而周邊觀測單元的科技創(chuàng)新產(chǎn)出較少。

如圖3、表5所示，2003年、2006年、2009年、2011年黑龍江省主要城市科技創(chuàng)新的 Morans I散點分布極為相似，除2003年，齊齊哈爾市科技創(chuàng)新的空間自相關性由第二象限變動至第一象限外，其他3個年份各象限的分布地區(qū)均相同。即第一象限（HH），表示以大慶與哈爾濱不僅各自地區(qū)科技創(chuàng)新產(chǎn)出相對較強，同時對周邊地區(qū)也起到輻射和帶動作用，使相鄰地區(qū)的創(chuàng)新產(chǎn)出也較多，具有正的空間相關性；第二象限（LH），表示齊齊哈爾、綏化、牡丹江三個地區(qū)盡管靠近科技創(chuàng)新產(chǎn)出較強的地區(qū)，但由于缺乏吸納科技創(chuàng)新擴散或溢出效應的能力，各自暫未受到周邊地區(qū)的輻射影響，科技創(chuàng)新產(chǎn)出較少；第三象限（LL），表示雞西、伊春、鶴崗、大興安嶺、黑河、佳木斯、七臺河、雙鴨山地區(qū)的科技創(chuàng)新產(chǎn)出相對較少，同時相鄰地區(qū)的科技創(chuàng)新能力也相對薄弱，并沒有產(chǎn)生積極的正向互動影響效應。

（三）空間計量實證結果分析

通過驗證，本文選擇滯后5期模型估計效果最好，同時又根據(jù)本文整理的空間計量數(shù)據(jù)時間范圍2003年至2010年，本文選擇2008年和2010 年黑龍江省11個地級市和2個地區(qū)的橫截面數(shù)據(jù)為例衡量科技創(chuàng)新的空間溢出效果，具體經(jīng)典OLS模型、空間滯后模型（SLM）、空間誤差模型（SEM）回歸結果如表6、表7所示。

由表6和表7可知，SLM 模型和SEM 模型與經(jīng)典OLS 模型相比，各項指標檢驗值均具有顯著性，2010年三種模型的擬合優(yōu)度R2與2008年相比，均小幅上升，但SLM模型與SEM模型的擬合優(yōu)度R2的絕對值略高于經(jīng)典OLS模型的擬合優(yōu)度，此外，SLM模型和SEM模型的空間相關系數(shù)都為正，且都通過了1%的顯著性水平檢驗，這表明黑龍江省11個地級市和2個地區(qū)，以高新技術產(chǎn)業(yè)衡量的科技創(chuàng)新產(chǎn)出具有顯著性的空間正相關效應。而經(jīng)典OLS模型由于未考慮空間相關性，其回歸結果中各項指標的解釋能力明顯弱于SLM模型和SEM模型。進一步比較SLM模型與SEM模型，SLM模型2010年和2008年的擬合優(yōu)度R2均略高于SEM模型。此外，2010年和2008年SLM模型的赤池信息準則（AIC）和施瓦茨準則（SC）分別小于SLM模型相應指標值，因此 SLM 模型是上述三個模型中的最優(yōu)回歸模型。

根據(jù)以上空間計量模型擬合結果，驗證了黑龍江省主要城市和地區(qū)的科技創(chuàng)新活動存在一定的空間相關性和依賴性，且空間滯后模型（SLM）能夠很好地解釋科技創(chuàng)新投入與科技創(chuàng)新產(chǎn)出之間的空間影響性。根據(jù)表6和表7測算結果，SLM模型中，科技創(chuàng)新R&D資本投入和科技創(chuàng)新人員投入均通過了1%水平下的顯著性檢驗，且2010年科技創(chuàng)新R&D資本投入的彈性系數(shù)值明顯高于2008年的系數(shù)值，這表明科技創(chuàng)新R&D資本投入對科技創(chuàng)新產(chǎn)出的影響程度呈現(xiàn)上升趨勢，R&D資本投入的重要性日益凸顯；而2010年科技創(chuàng)新人員投入的彈性系數(shù)值明顯小于2008年的系數(shù)值，這表明科技創(chuàng)新人員投入對科技創(chuàng)新產(chǎn)出的影響程度逐年呈現(xiàn)下降趨勢，科技創(chuàng)新人員投入的重要性日益減弱，因此SLM 模型更強調(diào)R&D資本投入對科技創(chuàng)新產(chǎn)出的貢獻作用，由此可知，黑龍江省主要城市和地區(qū)應積極加大科技創(chuàng)新的財政投入，正確引導社會科技創(chuàng)新資金投入與流通，積極拓展多渠道、多層次的科技創(chuàng)新融資方式，鼓勵不同行業(yè)資金融合支持科技創(chuàng)新活動，構建多元化的科技創(chuàng)新資金結構，逐步提高科技創(chuàng)新活動資金籌集的市場化程度。

[參考文獻]

[1]王力，劉春生，黃育華.中國服務外包競爭力報告（2012—2013）：中國服務外包基地城市競爭力評價[M]社會科學文獻出版社，2013.

[2]王曉紅.中國服務外包：跨越發(fā)展與整體提升[M]山西經(jīng)濟出版社，2012.

[3]陳斐.區(qū)域空間經(jīng)濟關聯(lián)模式分析理論與實證研究[M]中國社會科學出版社，2008.

（責任編輯：張彤彤）endprint