王崇鋒??

摘要

通過促進(jìn)知識溢出提高區(qū)域創(chuàng)新效率是實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略和實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)收斂的有效途徑之一。基于GrilichesJaffe知識生產(chǎn)函數(shù)回歸模型，以2009-2012年中國大陸30個(gè)省級經(jīng)濟(jì)單元為研究對象，通過因子分析法，構(gòu)建了由R&D研究機(jī)構(gòu)數(shù)、R&D經(jīng)費(fèi)支出、R&D人員全時(shí)當(dāng)量組成的創(chuàng)新投入因子，由規(guī)上工業(yè)企業(yè)技術(shù)引進(jìn)經(jīng)費(fèi)支出、規(guī)上工業(yè)企業(yè)購買國內(nèi)技術(shù)經(jīng)費(fèi)支出、規(guī)上工業(yè)企業(yè)技術(shù)消化吸收經(jīng)費(fèi)組成的知識溢出因子，由專利申請授權(quán)數(shù)、國外主要工具檢索科研論文數(shù)、規(guī)上工業(yè)企業(yè)新產(chǎn)品產(chǎn)值增長、科技促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展指數(shù)組成的創(chuàng)新產(chǎn)出因子，在此基礎(chǔ)上實(shí)證分析了創(chuàng)新投入、知識溢出對創(chuàng)新產(chǎn)出的影響。結(jié)果表明：區(qū)域創(chuàng)新要素投入、知識溢出會(huì)顯著影響區(qū)域創(chuàng)新能力，其中創(chuàng)新要素投入因子的回歸系數(shù)為0.72，知識溢出因子的回歸系數(shù)為0.23；知識溢出會(huì)顯著正向調(diào)節(jié)創(chuàng)新投入與創(chuàng)新產(chǎn)出之間的關(guān)系，由知識溢出因子、創(chuàng)新投入因子構(gòu)成的調(diào)節(jié)效應(yīng)交互項(xiàng)的回歸系數(shù)為0.09，即創(chuàng)新要素投入在知識溢出的調(diào)節(jié)下，會(huì)進(jìn)一步提高創(chuàng)新產(chǎn)出水平，增強(qiáng)區(qū)域創(chuàng)新能力，其調(diào)節(jié)水平可能與區(qū)域創(chuàng)新系統(tǒng)成熟度以及地區(qū)教育水平密切相關(guān)。最后，針對研究結(jié)果提出相應(yīng)的優(yōu)化對策和建議：第一，需進(jìn)一步加大區(qū)域創(chuàng)新要素投入建立合理的創(chuàng)新激勵(lì)機(jī)制。第二，應(yīng)鼓勵(lì)企業(yè)技術(shù)購買與引進(jìn)，引進(jìn)人才，增強(qiáng)企業(yè)技術(shù)消化吸收能力。第三，需加強(qiáng)區(qū)域創(chuàng)新網(wǎng)絡(luò)集群系統(tǒng)的構(gòu)建，通過空間聚集使創(chuàng)新網(wǎng)絡(luò)系統(tǒng)的知識溢出循環(huán)效應(yīng)最大化，提高區(qū)域創(chuàng)新效率。第四，應(yīng)加強(qiáng)政府、企業(yè)和高校、科研機(jī)構(gòu)間官產(chǎn)學(xué)研合作以及企業(yè)間的互動(dòng)合作，使知識要素在區(qū)域內(nèi)最大化發(fā)揮溢出作用，有效提升區(qū)域創(chuàng)新效率，實(shí)現(xiàn)區(qū)域創(chuàng)新驅(qū)動(dòng)發(fā)展。

關(guān)鍵詞知識溢出；創(chuàng)新驅(qū)動(dòng)；區(qū)域創(chuàng)新能力；區(qū)域創(chuàng)新效率

中圖分類號F061.5

文獻(xiàn)標(biāo)識碼A

文章編號1002-2104（2015）07-0077-07

doi：10.3969/j.issn.1002-2104.2015.07.011

隨著經(jīng)濟(jì)的發(fā)展和競爭的日益加劇，提升區(qū)域創(chuàng)新能力已成為推動(dòng)區(qū)域產(chǎn)業(yè)升級、占領(lǐng)價(jià)值鏈制高點(diǎn)，實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)收斂的必由之路。大量研究表明，區(qū)域創(chuàng)新效率的高低是導(dǎo)致我國當(dāng)前區(qū)域創(chuàng)新能力差異和區(qū)域經(jīng)濟(jì)發(fā)展不平衡的重要原因之一。以專利申請授權(quán)量為例，2012年江蘇省專利申請授權(quán)量為269 944件，相比之下與江蘇省經(jīng)濟(jì)、人口規(guī)模相似，人均R&D經(jīng)費(fèi)甚至要高于江蘇的山東（山東省人均R&D經(jīng)費(fèi)為36.94萬，江蘇省為31.09萬），2012年專利申請授權(quán)量為75 496件，約是江蘇省的五分之一。由此可見，除了區(qū)域創(chuàng)新資源投入之外，效率問題的重要性更為突出。隨著內(nèi)生經(jīng)濟(jì)增長理論對知識外部性及其動(dòng)態(tài)特征的研究，知識溢出成為研究區(qū)域創(chuàng)新的一個(gè)嶄新視角。從目前研究來看，國內(nèi)針對知識溢出對區(qū)域創(chuàng)新效率影響的文獻(xiàn)較少，且大多數(shù)文獻(xiàn)僅停留在定性研究階段，少有的實(shí)證研究也僅僅驗(yàn)證了知識溢出對區(qū)域創(chuàng)新效率的正向促進(jìn)作用。因此，評價(jià)我國區(qū)域創(chuàng)新效率并揭示知識溢出對其影響作用具有重要的理論及現(xiàn)實(shí)意義。

1國內(nèi)外研究現(xiàn)狀評述

內(nèi)生經(jīng)濟(jì)增長理論、新地理經(jīng)濟(jì)學(xué)等經(jīng)濟(jì)學(xué)分支將知識溢出作為解釋區(qū)域經(jīng)濟(jì)增長、創(chuàng)新等問題的新的研究思路。自Arrow創(chuàng)造性地提出知識累積及其經(jīng)濟(jì)內(nèi)涵后，Romer研究發(fā)現(xiàn)技術(shù)知識的部分排他性與非競爭性是知識溢出產(chǎn)生的根本原因，并將知識作為獨(dú)立的生產(chǎn)要素變量引入生產(chǎn)函數(shù)，構(gòu)建內(nèi)生經(jīng)濟(jì)增長模型。知識溢出最初主要應(yīng)用于企業(yè)的技術(shù)進(jìn)步與創(chuàng)新等研究對象領(lǐng)域中。知識作為創(chuàng)新要素投入，不僅能夠使企業(yè)生產(chǎn)出新產(chǎn)品，同時(shí)還會(huì)溢出到其他企業(yè)并促使其創(chuàng)新，這些新的創(chuàng)新知識又會(huì)不斷的溢出，形成企業(yè)間知識溢出循環(huán)，帶來知識溢出創(chuàng)新收益的乘數(shù)效應(yīng)。但大量經(jīng)驗(yàn)研究發(fā)現(xiàn)，知識溢出與區(qū)域整體經(jīng)濟(jì)水平有關(guān)，且這種關(guān)系在城市和區(qū)域等宏觀層面更加顯著，僅在企業(yè)微觀層面探討知識溢出與創(chuàng)新產(chǎn)出間的關(guān)系意義不大。繼Jaffe將研究對象從企業(yè)層面轉(zhuǎn)向區(qū)域?qū)用嬷螅臻g因素被納入到知識生產(chǎn)函數(shù)中，有關(guān)知識溢出方面的研究也由個(gè)體轉(zhuǎn)向區(qū)域。

無論在企業(yè)微觀層面還是在區(qū)域宏觀層面上，知識溢出的存在和重要性是不容置疑的。區(qū)域內(nèi)、區(qū)域間通過相互學(xué)習(xí)、信息交流等一系列“互搭便車”行為提升區(qū)域創(chuàng)新效率、促進(jìn)區(qū)域經(jīng)濟(jì)增長。從知識溢出與區(qū)域創(chuàng)新效率內(nèi)在邏輯關(guān)系來看，知識溢出的局域性與根植性所導(dǎo)致的知識溢出效率的空間衰減性會(huì)促使創(chuàng)新主體聚集、創(chuàng)新活動(dòng)集中，這種空間集中會(huì)降低區(qū)域創(chuàng)新活動(dòng)的內(nèi)在不確定性，并形成一種集群式創(chuàng)新網(wǎng)絡(luò)發(fā)展模式，促進(jìn)創(chuàng)新產(chǎn)出的增加。

目前國內(nèi)外針對知識溢出與區(qū)域創(chuàng)新效率的研究，主要聚焦于知識溢出的發(fā)生機(jī)制，即從集聚角度分析知識溢出對區(qū)域創(chuàng)新效率的影響。Becker和Kevin 基于知識溢出與企業(yè)集群關(guān)系的模型研究發(fā)現(xiàn)只有空間集聚的企業(yè)才能獲取企業(yè)集群內(nèi)的公共知識，企業(yè)創(chuàng)新效率與空間距離呈反方向變動(dòng)。Audretch和Feldman通過案例研究證實(shí)了與生產(chǎn)活動(dòng)相比，創(chuàng)新活動(dòng)更加集中，且企業(yè)間集群知識溢出效應(yīng)大于價(jià)格競爭離心效應(yīng)。Jaffe et al，Adams et al，Acs et al 分別從專利引用、創(chuàng)新產(chǎn)出、創(chuàng)新活動(dòng)分布等角度分析知識溢出對提高區(qū)域創(chuàng)新效率的作用機(jī)理。Fritsch以專利申請授權(quán)量作為衡量創(chuàng)新產(chǎn)出的指標(biāo)，分析了歐洲11個(gè)地區(qū)研發(fā)人員及研發(fā)資金這兩個(gè)研發(fā)投入變量對于研發(fā)產(chǎn)出的投入彈性，結(jié)果發(fā)現(xiàn)兩個(gè)投入變量在不同地區(qū)的投入彈性存在明顯差異，相對于外圍企業(yè)而言，處于集聚中心的企業(yè)具有更高的產(chǎn)出彈性，該模型在證實(shí)了理論假設(shè)外還驗(yàn)證了集聚經(jīng)濟(jì)對創(chuàng)新產(chǎn)出的促進(jìn)作用。Bode通過對20世紀(jì)末期德國的相關(guān)數(shù)據(jù)研究發(fā)現(xiàn)，盡管知識溢出存在空間效應(yīng)，但由于存在空間交易成本，僅有一部分溢出可以對臨近區(qū)域創(chuàng)新產(chǎn)出產(chǎn)生影響。Lim從區(qū)域內(nèi)溢出與區(qū)域間溢出兩個(gè)方面，更加全面的研究了知識溢出對于創(chuàng)新空間分布的影響。Peri通過對北美和歐洲113個(gè)區(qū)域1975-1996年的專利引用數(shù)據(jù)進(jìn)行實(shí)證分析，驗(yàn)證了技術(shù)、知識流動(dòng)對于創(chuàng)新的正向影響關(guān)系。國內(nèi)學(xué)者有關(guān)知識溢出和區(qū)域創(chuàng)新效率的研究中，林毅夫、董先安、殷韋實(shí)證驗(yàn)證了知識溢出的地理位置假說；吳玉鳴和龍志和、張馨之分別驗(yàn)證了創(chuàng)新的空間自相關(guān)，知識溢出的空間邊界及其對區(qū)域創(chuàng)新活動(dòng)在地級空間上的顯著影響，并指出知識溢出程度與空間距離的反向關(guān)系；解學(xué)梅和曾賽星認(rèn)為知識溢出所形成的知識鏈在產(chǎn)學(xué)研合作中形成持續(xù)的知識累積，促進(jìn)了集群區(qū)域內(nèi)部創(chuàng)新人才的流動(dòng)，促進(jìn)了區(qū)域創(chuàng)新集群網(wǎng)絡(luò)內(nèi)部互動(dòng)；吳玉鳴利用我國省際面板數(shù)據(jù)構(gòu)建了改進(jìn)的知識生產(chǎn)函數(shù)，實(shí)證分析了地區(qū)間合作帶來的知識溢出效應(yīng)對區(qū)域創(chuàng)新效率的影響，施宏偉和王梓蓉認(rèn)為產(chǎn)業(yè)集聚與知識溢出的內(nèi)在相互作用使得創(chuàng)新性知識要素同生產(chǎn)要素相結(jié)合，增強(qiáng)了產(chǎn)業(yè)間的凝聚度，進(jìn)一步提升了區(qū)域創(chuàng)新強(qiáng)度；段會(huì)娟認(rèn)為產(chǎn)業(yè)集聚是實(shí)現(xiàn)區(qū)域創(chuàng)新效率提升的一大助力，且實(shí)證分析表明產(chǎn)業(yè)結(jié)構(gòu)專業(yè)化帶來的知識溢出對區(qū)域創(chuàng)新效率的提升具有顯著正向作用；趙喜倉等以江蘇省為例，將外部知識溢出作為創(chuàng)新要素引入創(chuàng)新生產(chǎn)函數(shù)模型中，實(shí)證分析得出外部知識溢出對江蘇省區(qū)域創(chuàng)新以及江蘇省與臨近區(qū)域間創(chuàng)新效率提升具有顯著正向效應(yīng)。宋來勝和蘇楠對全國創(chuàng)業(yè)知識溢出對創(chuàng)新產(chǎn)品轉(zhuǎn)化效應(yīng)進(jìn)行實(shí)證分析，結(jié)果顯示，創(chuàng)業(yè)知識溢出在轉(zhuǎn)化為企業(yè)創(chuàng)新產(chǎn)品時(shí)具有顯著的區(qū)域差異，這種差異同樣映射到區(qū)域創(chuàng)新效率中。

綜上所述，已有研究為知識溢出提升區(qū)域創(chuàng)新效率提供了大量有價(jià)值的證據(jù)，與現(xiàn)有文獻(xiàn)相比，本研究的主要貢獻(xiàn)在于：一是對于指標(biāo)評價(jià)體系的改進(jìn)。對于知識溢出的衡量而言，本研究不考慮不同區(qū)域之間地理距離等因素的影響，僅使用區(qū)域自身屬性對區(qū)域知識溢出水平進(jìn)行評價(jià)。在創(chuàng)新投入的衡量方面，除傳統(tǒng)的R&D人員投入以及R&D經(jīng)費(fèi)支出，本研究加入研究機(jī)構(gòu)數(shù)量這一指標(biāo)，使得不同規(guī)模區(qū)域（就研究機(jī)構(gòu)數(shù)量而言）具有更一般的可比性。在創(chuàng)新產(chǎn)出方面，以專利，論文反映其成果性產(chǎn)出，以新產(chǎn)品產(chǎn)值增長，科技促進(jìn)經(jīng)濟(jì)發(fā)展指數(shù)，反映其經(jīng)濟(jì)效益以及社會(huì)效益。二是對于知識溢出與創(chuàng)新之間作用機(jī)制的重新設(shè)定。傳統(tǒng)研究認(rèn)為，知識溢出是創(chuàng)新與經(jīng)濟(jì)發(fā)展的中介變量，忽略了創(chuàng)新本身這一過程。在創(chuàng)新投入產(chǎn)出過程中，知識溢出實(shí)際上可能存在調(diào)節(jié)效應(yīng)，即在高知識溢出水平的地區(qū)，單位創(chuàng)新投入所帶來的創(chuàng)新產(chǎn)出也相應(yīng)的較高，反之，在低知識溢出的地區(qū)，單位創(chuàng)新投入所帶來的創(chuàng)新產(chǎn)出較低，即創(chuàng)新效率較低。本研究將通過調(diào)節(jié)效應(yīng)模型驗(yàn)證這一作用機(jī)理。

2研究設(shè)計(jì)

2.1模型構(gòu)建

Griliches最初對知識生產(chǎn)函數(shù)進(jìn)行定義，其目的是用于量度研究開發(fā)和知識溢出對生產(chǎn)率增長的影響，在該函數(shù)中，Griliches將創(chuàng)新產(chǎn)出看作為創(chuàng)新投入的函數(shù)，即式（1）所示函數(shù)形式：

R&Doutput=α（R&Dinput）β （1）

Jaffe在其基礎(chǔ)上，對函數(shù)形式進(jìn)行了完善。他認(rèn)為創(chuàng)新產(chǎn)出的主要形式是新經(jīng)濟(jì)知識（new economic knowledge），而創(chuàng)新投入的主要形式為研發(fā)經(jīng)費(fèi)投入與人力資源投入。因此經(jīng)典GrilichesJaffe模型如式（2）所示：

Yi=AKαiLβiε （2）

其中，Y為創(chuàng)新產(chǎn)出；K和L分別為R&D資金與R&D人員投入；α和β分別為R&D資金與R&D人員的投入彈性；ε為隨機(jī)誤差項(xiàng)。

大量實(shí)證研究表明，GrilichesJaffe函數(shù)作為一個(gè)經(jīng)驗(yàn)?zāi)Ｐ?，為研究區(qū)域創(chuàng)新效率提供了有效的理論分析框架。知識生產(chǎn)過程應(yīng)當(dāng)與實(shí)物生產(chǎn)過程一樣，其本質(zhì)上都是一種投入產(chǎn)出過程。因此，本研究把創(chuàng)新活動(dòng)看作是一項(xiàng)知識的生產(chǎn)活動(dòng)，借鑒并改進(jìn)Griliches的分析思路研究區(qū)域創(chuàng)新效率。

將II定義為創(chuàng)新要素投入，其不僅限于K和L等要素，將KS定義為知識溢出，這樣GrilichesJaffe模型就替換為：

Yi=AIIαiKSβiξi （3）

α和β分別為創(chuàng)新投入與知識溢出彈性，對（2）式取對數(shù)可得：

ln（Yi）=ai+αln（IIi）+βln（KSi）+εi （4）

為了測量知識溢出對區(qū)域創(chuàng)新效率的調(diào)節(jié)作用，本文將通過采取引入交互項(xiàng)的方式來解決這一問題，具體公式如下：

ln（Yi）=bi+α1ln（IIi）+β1ln（KSi）

+χln（IIi）ln（KSi）+λi （5）

實(shí)際上，式（5）由式（6）形式轉(zhuǎn)化而成，因此交互項(xiàng)的回歸系數(shù)可反映交互項(xiàng)中兩因素的調(diào)節(jié)作用。

ln（Yi）=bi+β1ln（KSi）+（α1+χln（KSi））ln（IIi）

+λi （6）

在評價(jià)指標(biāo)的選取方面，由于單一指標(biāo)度量的有效性問題值得考究，因此本文將構(gòu)造評價(jià)系統(tǒng)。由于樣本量較小，若將多指標(biāo)一同帶入回歸方程，可能使回歸效果較差，因此本文通過探索性因子分析（Exploratory Factor Analysis）凝聚成綜合因子f1、f2和f3來反映創(chuàng)新投入、知識溢出及創(chuàng)新產(chǎn)出?？紤]到式（5）中的函數(shù)形式，本文首先將因子所對應(yīng)各指標(biāo)進(jìn)行對數(shù)處理，進(jìn)而進(jìn)行探索性因子分析，最終得到關(guān)于對數(shù)化后各指標(biāo)的三個(gè)綜合因子。

使用綜合因子替代式（4），式（5）中的單一指標(biāo)，得到回歸方程如下：

fi3=ai+αfi1+βfi2+εi （7）

fi3=bi+α1fi1+β1fi2+χ1fi1fi2+λi （8）

在具體指標(biāo)選取上，本文在系統(tǒng)回顧文獻(xiàn)基礎(chǔ)上，在區(qū)域創(chuàng)新要素投入指標(biāo)上將借鑒曹洪軍、趙翔、黃少堅(jiān)及段姍、蔣泰維等的研究成果，在區(qū)域創(chuàng)新產(chǎn)出指標(biāo)選取上將借鑒張義梁、張嵎喆及賀靈、單汨源等的研究成果，在知識溢出指標(biāo)選取方面，本文將借鑒張繼宏、張洪輝的相關(guān)研究成果，具體指標(biāo)描述見表1。

2.2數(shù)據(jù)選擇

本研究選取2009-2012中國大陸30個(gè)省級行政區(qū)域（西藏由于數(shù)據(jù)缺乏，將其略去）為研究對象，以區(qū)域創(chuàng)新投入及知識溢出對創(chuàng)新產(chǎn)出的影響關(guān)系為研究目標(biāo)。由于創(chuàng)新過程存在滯后期，本文參照魏守華等研究成果，將創(chuàng)新滯后期設(shè)置為一年。原始數(shù)據(jù)來源為《中國統(tǒng)計(jì)年鑒》（2010-2013）、《中國科技統(tǒng)計(jì)年鑒》（2010-2013）以及《全國及各地區(qū)科技進(jìn)步統(tǒng)計(jì)監(jiān)測結(jié)果》（2010-2013）。經(jīng)整理共得到90條數(shù)據(jù)，鑒于海南省2010年規(guī)模以上工業(yè)企業(yè)技術(shù)引進(jìn)經(jīng)費(fèi)支出的數(shù)據(jù)缺失，將其剔除，最終本文共得到有效數(shù)據(jù)89條。

3實(shí)證分析

3.1探索性因素分析

探索性因素分析可以將具有復(fù)雜關(guān)系的觀測指標(biāo)綜合成幾個(gè)核心因子，它主要包括主成分分析法（Principal Component Analysis）和因子分析法（Factor Analysis Method）。本文選取主成分分析法作為提取綜合因子的方法。主成分分析法是將多指標(biāo)化為少數(shù)幾個(gè)綜合指標(biāo)的一種統(tǒng)計(jì)方法，由Pearson提出，主成分分析法多用于實(shí)證分析中復(fù)雜指標(biāo)的處理，其結(jié)果都表明該方法對于數(shù)據(jù)降維有著較高的有效性。主成分分析實(shí)際上是一種降維技術(shù)，該方法在不丟失過多原始變量信息的情況下，將原始變量組合為少數(shù)的主成分。由于本研究數(shù)據(jù)量較小，僅有89條，因此采用主成分分析將多指標(biāo)降維，綜合為少數(shù)幾個(gè)主成分，使用主成分建立回歸模型將提高模型的回歸效果，使得回歸參數(shù)更加合理。

首先，由于原始變量單位以及量綱的不同，在使用主成分分析前，應(yīng)將變量進(jìn)行標(biāo)準(zhǔn)化處理。即令：

X*j=Xj-μjσjj，j=1，2，…，p （9）

其中，X*，X，μ，σ分別為原始指標(biāo)的標(biāo)準(zhǔn)化值，原始值，平均值及方差。其次，在對指標(biāo)數(shù)據(jù)進(jìn)行主成分分析之前，應(yīng)當(dāng)檢驗(yàn)樣本數(shù)據(jù)是否符合主成分分析的要求。常用的檢驗(yàn)有KMO and Bartlett檢驗(yàn)。KMO值反映了是否擁有足夠的樣本量進(jìn)行主成分分析，對于一個(gè)適合于進(jìn)行主成分分析的樣本而言，KMO值應(yīng)當(dāng)至少大于0.5。Bartlett檢驗(yàn)是驗(yàn)證各個(gè)指標(biāo)之間的相關(guān)程度，若Barlett檢驗(yàn)顯著，則說明各指標(biāo)之間擁有足夠的相關(guān)程度，使得樣本可以進(jìn)行主成分分析。

最后，應(yīng)當(dāng)對指標(biāo)進(jìn)行Cronbach α信度檢驗(yàn)，對于數(shù)據(jù)穩(wěn)定性較好的樣本而言，Cronbach α值應(yīng)當(dāng)大于0.8。

通過使用SPSS20.0對各維度指標(biāo)進(jìn)行KMO 和 Bartletts檢驗(yàn)，發(fā)現(xiàn)各維度KMO值均大于0.50，Bartletts檢驗(yàn)結(jié)果均顯著，滿足主成分分析條件；對各維度（即創(chuàng)新投入、知識溢出和創(chuàng)新產(chǎn)出）觀測指標(biāo)進(jìn)行Cronbach α信度檢驗(yàn)，發(fā)現(xiàn)各維度信度都在0.80以上，數(shù)據(jù)穩(wěn)定性較好。最后對各個(gè)維度進(jìn)行主成分分析，提取特征值大于1的因子，發(fā)現(xiàn)各維度均能提取一個(gè)公共因子f1、f2和f3，累計(jì)方差貢獻(xiàn)率均接近或大于70%（最小貢獻(xiàn)率為68.609%）。各個(gè)維度KMO值、Cronbach α信度系數(shù)及累計(jì)方差貢獻(xiàn)列入表2。3.2回歸分析

通過SPSS20.0對公式（8）、公式（9）進(jìn)行回歸分析。

根據(jù)回歸方程結(jié)果可知，在不引入交互項(xiàng)f1f2時(shí)（公式（8）），創(chuàng)新投入增加、知識溢出水平的提高均會(huì)提升創(chuàng)新產(chǎn)出水平，增強(qiáng)區(qū)域創(chuàng)新效率，其回歸系數(shù)分別為0.747和0.276，且在1% 的顯著性水平上都是顯著地，模型F值為301.129，擬合優(yōu)度R2為0.875，模型擬合較好，回歸模型總體顯著；當(dāng)引入交互項(xiàng)f1f2時(shí)（公式（8）），模型擬合優(yōu)度R2為0.884大于0.875，說明后者擬合效果更佳，公式

（8）結(jié)果顯示，創(chuàng)新投入增加、知識溢出水平的提高同樣會(huì)提升創(chuàng)新產(chǎn)出水平，其回歸系數(shù)分別為0.722和0.229，且在1% 的顯著性水平上都是顯著地；知識溢出會(huì)顯著正向調(diào)節(jié)創(chuàng)新投入—產(chǎn)出之間的關(guān)系，提高區(qū)域創(chuàng)新效率，但從其回歸系數(shù)0.093來看，其調(diào)節(jié)作用較小。

4結(jié)論與建議

在國內(nèi)外區(qū)域創(chuàng)新效率研究中，基于GrilichesJaffe知識生產(chǎn)函數(shù)的實(shí)證分析已較為成熟，也已得到國內(nèi)外眾多學(xué)者的肯定。本文

在改進(jìn)GrilichesJaffe知識生產(chǎn)函數(shù)基礎(chǔ)上，運(yùn)用SPSS20.0計(jì)量軟件，分析2009-2012年我國30個(gè)?。ㄊ?、區(qū)）相關(guān)數(shù)據(jù)，建立創(chuàng)新投入、知識溢出與創(chuàng)新產(chǎn)出模型，實(shí)證結(jié)果顯示：第一，區(qū)域創(chuàng)新要素投入、知識溢出會(huì)顯著影響區(qū)域創(chuàng)新能力。具體而言，創(chuàng)新要素包括R&D人員、機(jī)構(gòu)及經(jīng)費(fèi)投入的增加，區(qū)域內(nèi)以企業(yè)技術(shù)購買、引進(jìn)及消化吸收經(jīng)費(fèi)為代表的知識溢出水平的提高，均會(huì)導(dǎo)致以專利授權(quán)數(shù)、科研論文及新產(chǎn)品產(chǎn)值等指標(biāo)為代表的創(chuàng)新產(chǎn)出增加；第二，知識溢出會(huì)顯著正向調(diào)節(jié)創(chuàng)新投入—產(chǎn)出之間的關(guān)系，即創(chuàng)新要素投入在知識溢出的調(diào)節(jié)下，會(huì)進(jìn)一步提高創(chuàng)新產(chǎn)出水平，增強(qiáng)區(qū)域創(chuàng)新能力，其調(diào)節(jié)水平可能與區(qū)域創(chuàng)新系統(tǒng)成熟度以及地區(qū)教育水平密切相關(guān)。

與此相應(yīng)，本文提出相關(guān)創(chuàng)新政策與建議如下：第一，進(jìn)一步加大區(qū)域創(chuàng)新要素投入，特別是R&D研究機(jī)構(gòu)和平臺的建設(shè)力度，加強(qiáng)對R&D人員的培訓(xùn)與教育，建立合理的創(chuàng)新激勵(lì)機(jī)制。第二，鼓勵(lì)企業(yè)技術(shù)購買與引進(jìn)，鼓勵(lì)企業(yè)引進(jìn)人才，增強(qiáng)企業(yè)技術(shù)消化吸收能力。第三，加強(qiáng)區(qū)域創(chuàng)新網(wǎng)絡(luò)集群系統(tǒng)的構(gòu)建，通過空間聚集使創(chuàng)新網(wǎng)絡(luò)系統(tǒng)的知識溢出循環(huán)效應(yīng)最大化，提高區(qū)域創(chuàng)新效率。第四，加強(qiáng)政府、企業(yè)和高校、科研機(jī)構(gòu)間官產(chǎn)學(xué)研合作以及企業(yè)間的互動(dòng)合作，在政府創(chuàng)新政策引導(dǎo)下，依靠企業(yè)與高校智力合作創(chuàng)新，同時(shí)加強(qiáng)產(chǎn)學(xué)研基地建設(shè)以及企業(yè)間的優(yōu)勢合作，增強(qiáng)區(qū)域知識溢出以及區(qū)域自主創(chuàng)新能力，使知識要素在區(qū)域內(nèi)最大化發(fā)揮溢出作用，有效提升區(qū)域創(chuàng)新效率，實(shí)現(xiàn)區(qū)域創(chuàng)新驅(qū)動(dòng)發(fā)展。

（編輯：李琪）

參考文獻(xiàn)（References）

Archibugi D， Pianta M. Innovation， Patents and Technological Strategies： The State of the Art. Paris， 1994.

Furman J L， Porter M E， Stern S. The Determinants of National Innovative Capacity. Research Policy， 2002，31（6）：899-933.

Jungmittag A. Innovation Dynamics in the EU： Convergence or Divergence？ A Crosscountry Panel Data Analysis. Empirical Economics， 2006，31（2）：313-331.

池仁勇. 企業(yè)技術(shù)創(chuàng)新效率及其影響因素研究. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2003，（6）： 105-108.. Quantitative & Technical Economics， 2003，（6）： 105-108.]

池仁勇， 唐根年. 基于投入與績效評價(jià)的區(qū)域技術(shù)創(chuàng)新效率研究. 科研管理， 2004，（4）： 23-27.. Science Research Management， 2004，（4）： 23-27.]

陳瑤瑤， 池仁勇. 產(chǎn)業(yè)集群發(fā)展過程中創(chuàng)新資源的聚集和優(yōu)化. 科學(xué)學(xué)與科學(xué)技術(shù)管理， 2005，（9）：63-66.. Science of Science and Management of S & T， 2005，（9）：63-66.]

李習(xí)保. 區(qū)域創(chuàng)新環(huán)境對創(chuàng)新活動(dòng)效率影響的實(shí)證研究. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2007，（8）：13-24.. The Journal of Quantitative & Technical Economics， 2007，（8）：13-24.]

Arrow K J. The Economic Implications of Learning by Doing. Review of Economic Studies， 1962， 29（3）： 155-173.

Arrow K J. Economic Welfare and the Allocation of Resources for Innovation. Princeton： Princeton University Press， 1962.

Romer P M. Increasing Returns and Long Run Growth. Journal of Political Economy， 1986， 94 （5）： 1002-1037.

Romer P M. Endogenous Technological Change. Journal of Political Economy， 1990，98（S5）： S71-S102.

Jaffe A. Real Effects of Academic Research. The American Economic Review， 1989，（3）： 957-970.

Canils M，Verspagen B. Barriers to Knowledge Spillovers and Regional Convergence in an Evolutionary Model. Journal of Evolutionary Economics， 2001， 11（3）：307-329.

Audretsch D， Feldman M. R&D Spillovers and the Geography of Innovation and Production. The American Economic Review， 1996，86：630-640.

Anselin L， Varga A， Acs Z. Local Geographic Spillovers Between University Research and High Technology Innovations. Journal of Urban Economics， 1997，42（3）：422-448.

Maurseth P， Verspagen B. Knowledge Spillovers in Europe： A Patent Citations Analysis. Scandinavian Journal of Economics， 2002， 104（4）： 531-545.

Rosenthal S， Strange W. Evidence on the Nature and Source of Agglomeration Economies. Handbook of Regional and Urban Economics， 2004.

Rosenthal S， Strange W. The Attenuation of Human Capital Spillovers： A Manhattan Skyline Approach. University of Toronto Mimeo，2005.

Becker G， Kevin M. The Division of Labor， Coordination Costs， and Knowledge . Quarterly Journal of Economics， 1992， （4）：1137-1160.

Jaffe A， Trajtenberg M， Henderson R. Geographic Localization of Knowledge Spillovers as Evidenced by Patent Citations. Quarterly Journal of Economics， 1993，108： 577-598.

Adams J， Jaffe A. Bounding the Effects of R&D： An Investigation Using Matched Establishmentfirm Data. NBER Working Paper， 1996.

Acs Z， Fitzroy F， Smith I. High Technology Employment， Wages and University R&D Spillovers： Evidence from US Cities. Economics of Innovation and New Technology， 1999，（8）： 57-78.

Fritsch M， Franke G. Innovation， Regional Knowledge Spillovers and R&D Cooperation . Research Policy， 2004， 33（2）： 245-255.

Bode E. The Spatial Pattern of Localized R&D Spillovers： An Empirical Investigation for Germany. Journal of Economic Geography， 2004，（4）： 43-64.

Lim U. The Spatial Distribution of Innovative Activity in US Metropolitan Areas： Evidence from Patent Data. Journal of regional Analysis & Policy， 2003，33（2）： 97-126.

Peri G. Determinants of Knowledge Flows and Their Effects on Innovation. Review of Economics and Statistics， 2005， 87（2）： 308-322.

林毅夫， 董先安， 殷韋. 技術(shù)選擇、技術(shù)擴(kuò)散與經(jīng)濟(jì)收斂. 財(cái)經(jīng)問題研究， 2004，（6）： 3-10. . Research on Financial and Economic Issues， 2004，（6）： 3-10.]

吳玉鳴. 中國區(qū)域研發(fā)、知識溢出與創(chuàng)新的空間計(jì)量經(jīng)濟(jì)研究. 北京：人民出版社， 2007. . Beijign：Peoples Publishing House， 2007.]

張馨之， 龍志和. 中國區(qū)域經(jīng)濟(jì)發(fā)展水平的探索性空間數(shù)據(jù)分析. 寧夏大學(xué)學(xué)報(bào)：人文社會(huì)科學(xué)版， 2006，（6）：106-109.. Journal of Ningxia University：Humanities & Social Sciences Edition， 2006，（6）：106-109.]

解學(xué)梅， 曾賽星. 創(chuàng)新集群跨區(qū)域協(xié)同創(chuàng)新網(wǎng)絡(luò)研究述評. 研究與發(fā)展管理， 2009， 21（1）： 9-17.. R&D Management， 2009， 21（1）： 9-17.]

吳玉鳴. 官產(chǎn)學(xué)R&D合作、知識溢出與區(qū)域?qū)＠麆?chuàng)新產(chǎn)出. 科學(xué)學(xué)研究， 2009，（10）： 1486-1494.. Studies in Science of Science， 2009，（10）： 1486-1494.]

施宏偉， 王梓蓉. 基于產(chǎn)業(yè)聚集的知識溢出及累積性創(chuàng)新增長過程研究. 軟科學(xué)， 2010， 24（11）： 15-19.. Soft Science， 2010， 24（11）： 15-19.]

段會(huì)娟. 集聚、知識溢出類型與區(qū)域創(chuàng)新效率：基于省級動(dòng)態(tài)面板數(shù)據(jù)的GMM方法. 科技進(jìn)步與對策， 2011， 28（19）： 140-144. . Science & Technology Progress and Policy， 2011， 28（19）： 140-144.]

趙喜倉， 徐朋輝. R&D知識溢出對江蘇城市創(chuàng)新績效的空間計(jì)量經(jīng)濟(jì)分析. 科技進(jìn)步與對策， 2011， 28（20）： 29-32. . Science & Technology Progress and Policy， 2011， 28（20）： 29-32.]

宋來勝， 蘇楠. 創(chuàng)業(yè)知識溢出對知識轉(zhuǎn)化為創(chuàng)新產(chǎn)品的影響：基于省級面板數(shù)據(jù)的GMM分析. 科技管理研究， 2014，（2）： 111-114. . Science and Technology Management Research， 2014，（2）： 111-114.]

Griliches Z. Issues in Assessing the Contribution of Research and Development to Productivity Growth. Chicago University of Chicago Press， 1998.

Fritsch M. Cooperation and the Efficiency of Regional R&D Activities. Cambridge Journal of Economics， 2004，28（6）：829-846.

曹洪軍， 趙翔， 黃少堅(jiān). 企業(yè)自主創(chuàng)新能力評價(jià)體系研究. 中國工業(yè)經(jīng)濟(jì)， 2009，（9）：105-114.. China Industrial Economics， 2009，（9）：105-114.]

段姍， 蔣泰維， 張潔音， 等. 區(qū)域企業(yè)技術(shù)創(chuàng)新發(fā)展評價(jià)研究：浙江省、11個(gè)設(shè)區(qū)市及各行業(yè)企業(yè)技術(shù)創(chuàng)新評價(jià)指標(biāo)體系分析. 中國軟科學(xué)，2014，（5）：85-96.. China Soft Science， 2014，（5）：85-96.]

張義梁， 張嵎喆. 國家自主創(chuàng)新能力評價(jià)指標(biāo)體系研究. 經(jīng)濟(jì)學(xué)家， 2006，（6）：28-34. . Economist， 2006，（6）：28-34.]

賀靈， 程鑫， 邱建華. 技術(shù)創(chuàng)新要素協(xié)同對企業(yè)創(chuàng)新績效影響的實(shí)證分析. 財(cái)經(jīng)理論與實(shí)踐， 2012，（3）：103-107.. The Theory and Practice of Finance and Economics， 2012，（3）：103-107.]

張繼宏， 張洪輝. 國家集成創(chuàng)新能力評價(jià)指標(biāo)體系研究：我國自主創(chuàng)新的一個(gè)子系統(tǒng). 技術(shù)經(jīng)濟(jì)與管理研究， 2010，（S1）： 40-43. . Technoeconomics & Management Research， 2010，（S1）： 40-43.]

魏守華， 吳貴生， 呂新雷. 區(qū)域創(chuàng)新能力的影響因素：兼評我國創(chuàng)新能力的地區(qū)差距. 中國軟科學(xué)， 2010，（9）：76-85.. China Soft Science， 2010，（9）：76-85.]

Pearson R A. Section I， Social and Economic Science. Science， 1901， 14（363）： 912-926.

顏莉. 我國區(qū)域創(chuàng)新效率評價(jià)指標(biāo)體系實(shí)證研究. 管理世界， 2012，（5）：174-175.. Management World， 2012，（5）：174-175.]

鈔小靜， 任保平. 中國經(jīng)濟(jì)增長質(zhì)量的時(shí)序變化與地區(qū)差異分析. 經(jīng)濟(jì)研究， 2011，（4）：26-40.. Economic Research Journal， 2011，（4）：26-40.]

魯小偉， 畢功兵. 基于主成分分析法的區(qū)域文化產(chǎn)業(yè)效率評價(jià). 統(tǒng)計(jì)與決策， 2014，（1）：63-65.. Statistics & Decision， 2014，（1）：63-65.]

夏海力， 賈海成， 黃瑩. 基于因子分析的長三角主要城市研發(fā)產(chǎn)業(yè)發(fā)展綜合評價(jià)與分析. 科技進(jìn)步與對策， 2012，（21）：109-112.. Science & Technology Progress and Policy， 2012，（21）：109-112.]

張玉臣， 周潔. 外資高新技術(shù)企業(yè)創(chuàng)新績效及其行為特征. 科技進(jìn)步與對策， 2013，（17）：81-86.. Science & Technology Progress and Policy， 2013，（17）：81-86.]

吳玉鳴. 空間計(jì)量經(jīng)濟(jì)模型在省域研發(fā)與創(chuàng)新中的應(yīng)用研究. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2006，（5）： 74-85. . The Journal of Quantitative & Technical Economics， 2006，（5）： 74-85.]

吳素春. 創(chuàng)新型城市內(nèi)部企業(yè)R&D模式與創(chuàng)新績效研究. 科研管理， 2014， 35（1）： 33-40. . Science Research Management， 2014， 35（1）： 33-40.]