胡冰

（周口師范學(xué)院 經(jīng)濟(jì)與管理學(xué)院，河南 周口 466001）

知識溢出與區(qū)域創(chuàng)新的聯(lián)動考察

胡冰

（周口師范學(xué)院 經(jīng)濟(jì)與管理學(xué)院，河南 周口 466001）

以創(chuàng)新驅(qū)動促進(jìn)區(qū)域協(xié)調(diào)發(fā)展，借以推動我國經(jīng)濟(jì)轉(zhuǎn)型升級和穩(wěn)定增長，已成“十三五”時期的重要發(fā)展目標(biāo)。文章運(yùn)用典型相關(guān)分析法，對企業(yè)衍生和人員流動兩種機(jī)制下的高新技術(shù)產(chǎn)業(yè)集群知識溢出與區(qū)域創(chuàng)新能力的關(guān)系進(jìn)行了實證分析。結(jié)果表明，產(chǎn)業(yè)集群知識溢出和區(qū)域創(chuàng)新之間存在互相推動的良性循環(huán)。

Hotelling典型相關(guān)分析；知識溢出效應(yīng)；區(qū)域創(chuàng)新能力

0 引言

自1980年波特提出“產(chǎn)業(yè)集群”的概念，F(xiàn)reeman（1991）、Tim、（1998）、Bagena（2002）和Kajikawa（2010）等分別從不同角度證實了產(chǎn)業(yè)集群與區(qū)域創(chuàng)新有著密切的關(guān)系。知識溢出作為一個重要的解釋視角，也已成為理論研究的焦點。本文擬運(yùn)用典型相關(guān)分析法，對高新技術(shù)產(chǎn)業(yè)集群與區(qū)域創(chuàng)新能力的關(guān)系進(jìn)行實證分析,從高新技術(shù)產(chǎn)業(yè)集群的知識溢出效應(yīng)的視角，研究企業(yè)衍生和人員流動兩種機(jī)制下，高新技術(shù)產(chǎn)業(yè)集群與區(qū)域創(chuàng)新能力的關(guān)系。

1 Hotelling典型相關(guān)分析的理論模型

1936年Hotelling首先提出了典型相關(guān)分析（Canonical Correlation Analysis）的基本思想，將線性相關(guān)性擴(kuò)展到了兩組變量之間的相關(guān)關(guān)系。典型相關(guān)分析借用主成分分析法，尋找每一組變量的線性組合，使生成的新的綜合變量能最大程度地代表原始變量的主要信息。這些新的綜合變量稱為典型變量，典型變量之間的相關(guān)系數(shù)稱為典型相關(guān)系數(shù)。典型相關(guān)分析通過對少數(shù)幾個典型變量的研究來衡量兩組變量之間的相關(guān)關(guān)系，達(dá)到了降維的目的，且將每一組變量作為整體考慮，更能反映現(xiàn)象的本質(zhì)聯(lián)系。

假設(shè)兩組隨機(jī)變量X=(X1,X2,…,Xp),Y=(Y1,Y2,…,Yp), p＜q。其協(xié)方差矩陣為：

為了研究兩組變量X和Y之間的典型相關(guān)關(guān)系，分別作出它們的線性組合作為具有代表性的綜合變量：

其中a、b是不同的組合比例的向量，給定不同的數(shù)值會得到不同的簡單相關(guān)系數(shù)。因此，在X、Y和∑給定的情況下，求使Uk和Vk之間的相關(guān)關(guān)系達(dá)到最大的a、b，Uk和Vk之間的相關(guān)關(guān)系為：兩組隨機(jī)變量X和Y組內(nèi)衡量尺度不一定相同，為解決這個問題將典型變量Uk和Vk標(biāo)準(zhǔn)化，如下：

Uk和Vk之間的簡單相關(guān)關(guān)系便為：

問題轉(zhuǎn)化為在式（4）約束下，求a∈Rp,b∈Rq，使得式（5）達(dá)到最大。

構(gòu)造Lagrange函數(shù)：

求L的一階偏導(dǎo)數(shù)并令其為0，得：

利用式（4），可得λ=a,∑12b=b,∑21a=μ，等于U和V之間的相關(guān)系數(shù)ρ。解方程組：

可求得ajk和bjk，根據(jù)式（2）可求出各典型變量Uk和Vk，并計算出對應(yīng)的典型相關(guān)系數(shù)ρk。接下來要對典型變量進(jìn)行顯著性檢驗，構(gòu)造檢驗統(tǒng)計量為：

上述統(tǒng)計量服從自由度為(p-k+1)(q-k+1)的χ2分布，當(dāng)Qk＞(p-k+1)(q-k+1)時，則表明相應(yīng)的典型相關(guān)系數(shù)是顯著的。

2 產(chǎn)業(yè)集群知識溢出與區(qū)域創(chuàng)新能力的聯(lián)動效應(yīng)分析

2.1 指標(biāo)選擇與數(shù)據(jù)處理

本文運(yùn)用典型相關(guān)分析方法，研究高新技術(shù)產(chǎn)業(yè)集群知識溢出與區(qū)域創(chuàng)新能力的關(guān)系。首先選取兩組變量分別代表產(chǎn)業(yè)集群的創(chuàng)新活動和區(qū)域的創(chuàng)新產(chǎn)出，產(chǎn)業(yè)集群組選取高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)規(guī)模以上工業(yè)總產(chǎn)值（RDGDP）、規(guī)模以上工業(yè)企業(yè)數(shù)（RDNF）和從業(yè)人員數(shù)（RDNW）作為代表產(chǎn)業(yè)集群知識存量與知識溢出的指標(biāo)；區(qū)域創(chuàng)新產(chǎn)出組選取國民生產(chǎn)總值（GDP）以及有效專利數(shù)（NP）作為代表區(qū)域知識存量與創(chuàng)新產(chǎn)出的指標(biāo)。本文數(shù)據(jù)來源于《中國科技統(tǒng)計年鑒》（2010—2014）、《中國火炬統(tǒng)計年鑒》（2010—2014）和《鄭州市統(tǒng)計年鑒》（2010—2014）。本文運(yùn)用SAS9.2進(jìn)行典型相關(guān)分析，得到所要的典型相關(guān)分析的結(jié)果。

2.2 典型相關(guān)系數(shù)及檢驗

為消除變量量綱等的影響，本文對原始數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，得到了典型相關(guān)系數(shù)。第一典型相關(guān)系數(shù)為0.9979，第二典型相關(guān)系數(shù)0.8675，兩個系數(shù)都很高，表明相應(yīng)典型變量之間密切相關(guān)，兩個相關(guān)系數(shù)的顯著性水平均小于0.0001，拒絕了總體中所有典型相關(guān)系數(shù)均為0的零假設(shè)。第一典型相關(guān)系數(shù)大于第二典型相關(guān)系數(shù)，能解釋觀測變量的最大變異程度。多變量檢驗用來檢驗典型根的顯著性，表1的結(jié)果顯示W(wǎng)ilks’Lambda、Pillai’s Trace、Hotelling-Lawley Trace和Roy’s Greatest Root在0.0001的顯著性水平上，典型根是顯著的，表明相應(yīng)典型變量之間相關(guān)關(guān)系顯著。并且檢驗精度最高的Pillai’s Trace的概率值為1.74833，遠(yuǎn)大于理論值0.05，說明兩組變量之間沒有交互作用，可以用高新技術(shù)產(chǎn)業(yè)集群組變量來解釋區(qū)域組變量。

表1 典型相關(guān)系數(shù)的檢驗

2.3 典型相關(guān)模型

典型相關(guān)系數(shù)是將變量的原始數(shù)據(jù)轉(zhuǎn)換成典型變量的權(quán)數(shù)，采用標(biāo)準(zhǔn)化的典型相關(guān)系數(shù)，可以消除原始變量量綱和單位的影響，進(jìn)而可得出典型相關(guān)模型，如下式所示。從得到的典型相關(guān)模型可以看出，高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)的知識溢出對區(qū)域創(chuàng)新的促進(jìn)效應(yīng)可以通過兩組典型相關(guān)變量進(jìn)行綜合解釋。

第一組典型變量（U1，V1）（典型相關(guān)系數(shù)為0.9979）中，從區(qū)域生產(chǎn)總值和有效專利數(shù)的系數(shù)分別為1.1554和-0.1641可以看出，區(qū)域的第一典型變量U1主要代表地區(qū)生產(chǎn)總值，說明區(qū)域創(chuàng)新產(chǎn)出的主要因素是知識存量；類似的，高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)的工業(yè)總產(chǎn)值的系數(shù)為0.9697，遠(yuǎn)高于企業(yè)個數(shù)和從業(yè)人員數(shù)，因此產(chǎn)業(yè)集群的第一典型變量V1主要代表高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)的工業(yè)總產(chǎn)值，這是產(chǎn)業(yè)集群創(chuàng)新的主要因素。第二組典型變量（U2，V2）（典型相關(guān)系數(shù)為0.8675）中，地區(qū)生產(chǎn)總值和有效專利數(shù)的系數(shù)均大于3，因此區(qū)域的第二典型變量U2主要代表地區(qū)生產(chǎn)總值和有效專利數(shù)；高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)從業(yè)人員數(shù)的系數(shù)0.5631小于工業(yè)總產(chǎn)值的系數(shù)-1.0670和企業(yè)個數(shù)系數(shù)1.8382，所以產(chǎn)業(yè)集群的第二典型變量V2主要代表開發(fā)區(qū)的工業(yè)總產(chǎn)值和企業(yè)個數(shù)。但是，根據(jù)典型權(quán)重來解釋變量的相對重要性存在一些問題，不能排除共線性造成權(quán)重小的可能性，因此，必須進(jìn)一步進(jìn)行典型結(jié)構(gòu)分析。

2.4 典型結(jié)構(gòu)分析結(jié)果

表2是典型結(jié)構(gòu)的分析結(jié)果，原始變量和本組典型變量之間的相關(guān)系數(shù)，稱為典型載荷，反映典型變量和區(qū)域組及產(chǎn)業(yè)集群組的各變量之間的相關(guān)程度的大小。典型載荷的絕對值越大，表示原始變量與典型變量的相關(guān)程度越大。對應(yīng)地，某典型變量與另外一組原始變量之間的相關(guān)系數(shù)稱為交叉載荷。

表2 典型結(jié)構(gòu)與典型結(jié)構(gòu)

第一組典型變量占用的信息遠(yuǎn)多于第二組典型變量，因此利用表2中原始變量組合第一組典型變量的典型載荷和交叉載荷進(jìn)行分析。典型變量V1與產(chǎn)業(yè)集群組中的工業(yè)總產(chǎn)值（RDGDP）、企業(yè)數(shù)量（RDNF）和從業(yè)人員（RDNW）有高度的相關(guān)性，典型載荷分別為0.9969、0.8756和0.9694，說明這些變量是反映產(chǎn)業(yè)集群的知識溢出的主要因素。同時，產(chǎn)業(yè)集群組的這三個變量與典型變量U1也呈現(xiàn)出很高的相關(guān)性，其交叉載荷分別為0.9948、0.8738和0.9674，這說明產(chǎn)業(yè)集群中各變量具有區(qū)域創(chuàng)新效應(yīng)，增加了區(qū)域知識存量，提高了區(qū)域創(chuàng)新產(chǎn)出。產(chǎn)業(yè)集群中縱橫交錯的貿(mào)易網(wǎng)絡(luò)和非貿(mào)易依存關(guān)系為區(qū)域創(chuàng)新提供了創(chuàng)新網(wǎng)絡(luò)，減低了交易成本和決策風(fēng)險。企業(yè)的衍生使得產(chǎn)業(yè)鏈條不斷完善，上下級的創(chuàng)新經(jīng)驗得以共享。有限區(qū)域匯集的大量競爭對手迫于巨大壓力產(chǎn)生了強(qiáng)烈的創(chuàng)新動力，加快了企業(yè)創(chuàng)新的步伐。同時集群內(nèi)企業(yè)之間由于地理優(yōu)勢極易進(jìn)行合作，同時在相互比較加強(qiáng)了創(chuàng)新活動，更通過知識溢出效應(yīng)增強(qiáng)了創(chuàng)新優(yōu)勢。集群內(nèi)企業(yè)間的頻繁聯(lián)系和人員流動，使得學(xué)習(xí)機(jī)會增加，信息、技術(shù)和知識可以快速有效地傳播。相互競爭和相互學(xué)習(xí)，有利于形成長期合作、共同創(chuàng)新的穩(wěn)定關(guān)系，加快建立起良好有效的合作與競爭機(jī)制，企業(yè)間可以進(jìn)一步深入技術(shù)交流與合作，推動健康的創(chuàng)新環(huán)境的形成，加強(qiáng)了區(qū)域的競爭力。產(chǎn)業(yè)集群將眾多的專業(yè)人才、資金和資源等聚集到一起，為區(qū)域創(chuàng)新提供了良好的平臺和創(chuàng)新資源，多層次的人才培養(yǎng)體系為區(qū)域創(chuàng)新提供了人力資源保障。通過企業(yè)衍生和人員流動，高新技術(shù)產(chǎn)業(yè)集群知識溢出具有區(qū)域創(chuàng)新效應(yīng)。

另一方面，典型變量U1與區(qū)域組生產(chǎn)總值（GDP）和有效專利數(shù)（NP）有很高的相關(guān)性，說明這兩個變量是反映區(qū)域創(chuàng)新產(chǎn)出和知識存量的主要因素。同時這兩個變量也和典型變量V1高度相關(guān)，這說明區(qū)域創(chuàng)新的不斷發(fā)展為產(chǎn)業(yè)集群的創(chuàng)新提供了良好的基礎(chǔ)，有助于高新技術(shù)產(chǎn)業(yè)集群的進(jìn)一步發(fā)展。因為地理集聚性，產(chǎn)業(yè)集群增多了企業(yè)間和員工間交流學(xué)習(xí)的機(jī)會，有意識和無意識的溢出使得信息、技術(shù)和知識快速有效地傳播，學(xué)習(xí)能力的提升也增加了消化吸收新知識的能力。微觀方面，通過區(qū)域內(nèi)創(chuàng)新資源的優(yōu)化重組，企業(yè)與企業(yè)間的創(chuàng)新合作更為深入，企業(yè)與學(xué)校和科研機(jī)構(gòu)的創(chuàng)新合作更為密切，中介機(jī)構(gòu)則引導(dǎo)各創(chuàng)新主體間的創(chuàng)新合作，推動了知識和技術(shù)溢出。宏觀上講，區(qū)域創(chuàng)新能力的提升為產(chǎn)業(yè)集群創(chuàng)造了良好的外部環(huán)境和經(jīng)濟(jì)基礎(chǔ)，推動更多集群外資源不斷地向集群中心聚集，有助于高新技術(shù)產(chǎn)業(yè)集群的深化發(fā)展。因此可以得出結(jié)論，高新技術(shù)產(chǎn)業(yè)集群知識溢出具有區(qū)域創(chuàng)新效應(yīng)，產(chǎn)業(yè)集群和區(qū)域創(chuàng)新之間存在互相推動的良性循環(huán)效應(yīng)。

2.5 模型解釋能力及冗余分析

模型的解釋能力有兩種衡量方法：一是典型相關(guān)系數(shù)的共享方差，即典型相關(guān)系數(shù)的平方；二是冗余分析，包括對典型變量組內(nèi)代表比例和冗余指數(shù)的分析。組內(nèi)代表比例是典型變量對本組變量方差的解釋比例。冗余指數(shù)，又稱交叉解釋比例，是典型變量對另一組變量方差的解釋比例。變量的標(biāo)準(zhǔn)化方差結(jié)果如表3所示。

表3 共享方差與冗余分析

表3中,σVV、σVU、σUU和σUV分別表示產(chǎn)業(yè)集群組的方差被自身典型變量的解釋程度方差比率、產(chǎn)業(yè)集群組的方差被相對典型變量的解釋程度方差比率、區(qū)域組的方差被自身典型變量的解釋程度方差比率以及區(qū)域組的方差被相對典型變量的解釋程度方差比率。從典型相關(guān)系數(shù)的平方可以看出，這兩組典型變量的解釋能力都較強(qiáng)，區(qū)域組中分別有99.58%、75.26%的信息能被產(chǎn)業(yè)集群組的變量予以解釋。尤其是第一組典型變量具有很高的解釋比例，反映了區(qū)域創(chuàng)新與高新技術(shù)產(chǎn)業(yè)集群之間的相關(guān)性較高。高新技術(shù)產(chǎn)業(yè)集群組變量的方差被自身及對方第一典型變量解釋的比例為86.49%和86.18%，區(qū)域組變量的方差被自身及對方第一典型變量解釋的比例為86.31%和86.15%，說明兩者之間確實存在較高的相關(guān)性。

3 結(jié)論

本文運(yùn)用典型相關(guān)分析法，對高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)產(chǎn)業(yè)集群與區(qū)域創(chuàng)新能力的關(guān)系進(jìn)行實證分析,從高新技術(shù)產(chǎn)業(yè)集群的知識溢出效應(yīng)的視角，研究集群內(nèi)企業(yè)衍生和人員流動兩種機(jī)制下，高新技術(shù)產(chǎn)業(yè)集群與區(qū)域創(chuàng)新能力的關(guān)系。實證結(jié)果顯示：（1）產(chǎn)業(yè)集群具有區(qū)域創(chuàng)新效應(yīng)。在企業(yè)衍生機(jī)制下，產(chǎn)業(yè)鏈條不斷完善，上下級的創(chuàng)新經(jīng)驗得以共享，有利于形成長期合作、共同創(chuàng)新的穩(wěn)定關(guān)系，推動了健康的創(chuàng)新環(huán)境的形成；在人員流動機(jī)制下，技術(shù)和知識可以快速有效地傳播，推動了知識和技術(shù)的共享，多層次的人才體系也為區(qū)域創(chuàng)新提供了人力資源保障，加強(qiáng)了區(qū)域的競爭力。（2）區(qū)域內(nèi)創(chuàng)新資源的優(yōu)化重組，促進(jìn)了知識和技術(shù)的溢出，區(qū)域創(chuàng)新能力的提升為產(chǎn)業(yè)集群創(chuàng)造了良好的外部環(huán)境和經(jīng)濟(jì)基礎(chǔ)，推動更多集群外資源不斷地向集群中心聚集，有助于高新技術(shù)產(chǎn)業(yè)集群進(jìn)一步深化發(fā)展。（3）產(chǎn)業(yè)集群和區(qū)域創(chuàng)新之間具有相互促進(jìn)的良性循環(huán)。

[1]Kajikawa Y,et al.Multiscale Analysis of Interfirm Networks in Re?gional Clusters[J].Technovation,2010,30(3).

[2]Cassar A,Nicolini R.Spillovers and Growth in a Local Interaction Model[J].Annual of Reginal Science,2008,（42）.

[3]汪斌，侯茂章.地方產(chǎn)業(yè)集群國際化發(fā)展與區(qū)域創(chuàng)新體系的關(guān)聯(lián)研究[J].財貿(mào)經(jīng)濟(jì)，2007，（3）.

[4]李凱，任曉燕，向濤.產(chǎn)業(yè)集群效應(yīng)對技術(shù)創(chuàng)新能力的貢獻(xiàn)——基于國家高新區(qū)的實證研究[J].科學(xué)學(xué)研究，2007，（3）.

[5]莊小將.產(chǎn)業(yè)集群內(nèi)知識溢出與區(qū)域競爭力提升研究[J].技術(shù)經(jīng)濟(jì)與管理研究，2011，（4）.

[6]黃志啟.高科技產(chǎn)業(yè)集群中知識溢出效應(yīng)的模型與實證分析[J].科研管理，2013，30（7）.

[7]姜明輝，賈曉輝.基于C-D生產(chǎn)函數(shù)的產(chǎn)業(yè)集群對區(qū)域創(chuàng)新能力影響機(jī)制及實證研究[J].中國軟科學(xué)，2013，（6）.

[8]傅利平,周小明,張燁.高技術(shù)產(chǎn)業(yè)集群知識溢出對區(qū)域創(chuàng)新產(chǎn)出的影響研究[J].天津大學(xué)學(xué)報，2014，16（4）.

（責(zé)任編輯/浩 天）

F061.5

A

1002-6487（2016）23-0098-03

國家社會科學(xué)基金資助項目（16BGL105）；河南省教育廳人文社會科學(xué)研究一般項目（2017-ZZJH-619）；周口師范學(xué)院周口發(fā)展研究中心課題（ZS201606007）

胡 冰（1981—），女，河南周口人，碩士，副教授，研究方向：產(chǎn)業(yè)經(jīng)濟(jì)。