周 迪，鐘紹軍

(1.廣東外語外貿(mào)大學經(jīng)濟貿(mào)易學院，廣東 廣州 510006；2.湖北科技學院數(shù)學與統(tǒng)計學院，湖北 咸寧 437100)

0 引言

內(nèi)生增長理論表明，技術進步和創(chuàng)新的差異是經(jīng)濟發(fā)展差異的源泉[1]，因此，區(qū)域創(chuàng)新水平的發(fā)展對于區(qū)域經(jīng)濟發(fā)展有著重要的影響。中國自改革開放以來創(chuàng)新水平有了顯著提高，但地區(qū)間創(chuàng)新水平存在較大差異，而且這種差異有擴大的趨勢[2]，這對于區(qū)域經(jīng)濟的協(xié)調(diào)發(fā)展十分不利。中國創(chuàng)新水平分布動態(tài)演進具體呈現(xiàn)出何種態(tài)勢？這種分布的動態(tài)變化有哪些影響因素？對于該問題的回答能充分了解創(chuàng)新發(fā)展的空間格局和演變規(guī)律，這對于我們采取針對性的創(chuàng)新發(fā)展政策，協(xié)調(diào)各地區(qū)創(chuàng)新水平具有重要的理論和現(xiàn)實意義。

對于中國創(chuàng)新水平的區(qū)域差異研究，已有學者進行了大量研究，從研究方法上看，主要采用變異系數(shù)、泰爾指數(shù)以及基尼系數(shù)等方法；從創(chuàng)新指標選取上，或者對單一指標、多指標進行研究，或者構造創(chuàng)新指標體系進行創(chuàng)新水平綜合評價，進而以該綜合水平為研究對象。例如，蔣天穎以專利申請授權量這一單一指標為研究對象，基于變異系數(shù)方法研究我國區(qū)域創(chuàng)新水平的差異情況，發(fā)現(xiàn)省域創(chuàng)新水平差異在2001—2011年逐步增大[3]；魏守華、肖剛等也都選擇專利數(shù)據(jù)作為區(qū)域創(chuàng)新水平衡量指標，分別基于泰爾指數(shù)、區(qū)域基尼系數(shù)以及變異系數(shù)等方法考察省域創(chuàng)新水平差異情況，并得到類似結(jié)論[4-5]；此外，也有學者用國家科技進步獎數(shù)據(jù)來評價區(qū)域創(chuàng)新水平[6]。在多指標分析中，曹勇等選取發(fā)明專利申請量和大中型工業(yè)企業(yè)新產(chǎn)品產(chǎn)值等指標，并基于泰爾指數(shù)方法進行區(qū)域創(chuàng)新水平差異研究[7]，程慧平選擇新產(chǎn)品開發(fā)項目、新產(chǎn)品銷售收入以及專利申請數(shù)據(jù)，采用基尼系數(shù)、泰爾指數(shù)以及區(qū)域分離系數(shù)等方法考察區(qū)域創(chuàng)新能力差距[8]；而基于創(chuàng)新綜合水平的區(qū)域差異分析往往首先對區(qū)域創(chuàng)新水平進行綜合評價，進而對不同地區(qū)的創(chuàng)新水平進行排名比較或區(qū)域差異分析[9-11]。已有這些關于區(qū)域創(chuàng)新水平差異的文獻或多或少地涉及創(chuàng)新水平差異的動態(tài)特征，事實上，有關中國創(chuàng)新水平收斂性的研究也日漸成熟。主要有兩個方向，一是采用回歸的方法考察區(qū)域創(chuàng)新水平分布是否存在收斂，如魏守華等基于α收斂與β收斂方法考察區(qū)域創(chuàng)新能力的收斂趨勢，發(fā)現(xiàn)1990—2007年區(qū)域創(chuàng)新能力先收斂后發(fā)散[4]，但黃德森等在考慮了空間因素后，發(fā)現(xiàn)區(qū)域創(chuàng)新能力不存在整體上的β收斂，而是存在著高水平和低水平俱樂部收斂現(xiàn)象[11]。另一類采用分布動態(tài)學研究方法，該方法由Kernel密度曲線和Markov鏈方法組成，分別從分布的整體形態(tài)變化角度和內(nèi)部動態(tài)性角度進行研究。例如楊明海等采用Dagum基尼系數(shù)、Kernel密度估計以及空間Markov鏈方法研究了中國七大城市群創(chuàng)新水平的區(qū)域差異以及分布動態(tài)演進，發(fā)現(xiàn)城市群創(chuàng)新能力分布呈不同的極化現(xiàn)象與趨勢，鄰近地區(qū)創(chuàng)新水平對周邊城市創(chuàng)新水平的轉(zhuǎn)移有影響[12]。周迪等采用擴展的分布動態(tài)學模型，考察了30個省級地區(qū)創(chuàng)新水平的分布演進特征，發(fā)現(xiàn)創(chuàng)新水平的極化程度在1989—2012年呈現(xiàn)出先增大后減小的趨勢，創(chuàng)新高水平和低水平地區(qū)的流動性較低[13]。

已有文獻對于本文的研究打下了堅實基礎，但仍存在不足：第一、從指標上看，創(chuàng)新驅(qū)動經(jīng)濟增長，應當包含知識創(chuàng)新、研發(fā)設計創(chuàng)新、產(chǎn)品創(chuàng)新三個緊密相連的環(huán)節(jié)[14-15]。三個環(huán)節(jié)構成一個完整的創(chuàng)新價值鏈[16]，而已有文獻往往只基于某一單一指標[3-5,17-18]或某一綜合指標[9-10]來考察區(qū)域創(chuàng)新水平差異或收斂，存在明顯的局限。前者并不能完整地反映整個創(chuàng)新活動，后者則無法獲得整個創(chuàng)新價值鏈上的完整信息，所得結(jié)論不夠具體；而多指標的文獻[7-8]只是簡單羅列創(chuàng)新指標，沒有從創(chuàng)新經(jīng)濟角度給出整個創(chuàng)新活動的分析框架，部分從不同創(chuàng)新主體(企業(yè)、高校和科研院所)視角進行區(qū)域創(chuàng)新研究的文獻也更多是從創(chuàng)新效率角度展開[14-15]；較少文章從創(chuàng)新價值鏈視角出發(fā)，考察不同階段創(chuàng)新水平的分布動態(tài)演進，以比較不同創(chuàng)新活動水平分布動態(tài)的差異；第二、從內(nèi)容上看，已有研究區(qū)域創(chuàng)新水平動態(tài)分布影響因素的文獻主要從空間角度進行分析[5,12-13]，或者從創(chuàng)新主體不同的創(chuàng)新合作模式角度進行考察[6]，較少從創(chuàng)新系統(tǒng)內(nèi)部，特別是創(chuàng)新價值鏈不同階段創(chuàng)新活動之間的分布動態(tài)影響因素分析。

本文采用非參數(shù)Kernel密度估計方法，考察中國創(chuàng)新價值鏈各階段創(chuàng)新水平分布動態(tài)的演進特征。Kernel密度估計方法能較好反映區(qū)域創(chuàng)新水平分布的整體形態(tài)，以及比較不同時期分布動態(tài)特征,但無法了解創(chuàng)新水平分布的內(nèi)部動態(tài)性，難以分析各地區(qū)在創(chuàng)新發(fā)展水平分布中的相對位置流動情形。而Markov鏈方法能深入分析創(chuàng)新水平分布中各地區(qū)的狀態(tài)轉(zhuǎn)移，考察創(chuàng)新水平分布的內(nèi)部動態(tài)性，較好彌補了Kernel密度估計的不足。此外，空間Markov鏈方法雖然能對分布動態(tài)的影響進行分析，但只能研究區(qū)域背景這一唯一影響因素，本文將該模型擴展為一般化的條件Markov鏈模型，從而可以分析創(chuàng)新價值鏈上游創(chuàng)新水平對下游創(chuàng)新水平分布的影響。

1 研究思路、方法與數(shù)據(jù)

1.1 研究思路

Hansen等于2007年提出創(chuàng)新價值鏈，認為創(chuàng)新價值鏈可以分為創(chuàng)意的產(chǎn)生、轉(zhuǎn)換以及傳播三個階段[19]。這三個階段如何實現(xiàn)銜接，有學者從供給的視角進行研究[20]，也有基于生產(chǎn)的視角對技術創(chuàng)新環(huán)節(jié)進行分解，認為技術創(chuàng)新是從創(chuàng)新要素投入到創(chuàng)新產(chǎn)品產(chǎn)出的一個多階段、多要素的價值鏈傳遞過程，包括從創(chuàng)新的投入到創(chuàng)新知識的凝結(jié)再到創(chuàng)新成果的實現(xiàn)三個階段[16]。這與知識創(chuàng)新、研發(fā)設計創(chuàng)新、產(chǎn)品轉(zhuǎn)化創(chuàng)新具有相似的劃分標準，也和國家統(tǒng)計局將中國技術創(chuàng)新分為基礎研究、應用研究和實驗發(fā)展三個階段較為吻合。為此，本文借鑒這一思路進行研究，將中國創(chuàng)新過程分解成三個環(huán)節(jié)：知識創(chuàng)新階段，對應創(chuàng)意的產(chǎn)生；科研創(chuàng)新階段，對應創(chuàng)意的轉(zhuǎn)換；產(chǎn)品轉(zhuǎn)換階段，對應創(chuàng)意的傳播。三個環(huán)節(jié)分別對應創(chuàng)新價值鏈的上游、中游和下游階段。

目前創(chuàng)新活動的這三個環(huán)節(jié)是靠彼此分散的專業(yè)化分工來完成的，其中上游的知識創(chuàng)新角色基本上由高校和部分科研機構承擔；中游的科研創(chuàng)新角色由科研機構和部分企業(yè)承擔；下游的產(chǎn)品轉(zhuǎn)化創(chuàng)新角色則主要由企業(yè)來承擔。那么各類創(chuàng)新活動水平的分布動態(tài)演進特征是否相同？另外由于創(chuàng)新價值鏈不同階段的創(chuàng)新活動是緊密相連的，相互之間具有上下游彼此銜接的關系，那么在創(chuàng)新水平分布動態(tài)過程演進過程中，創(chuàng)新價值鏈前后階段的創(chuàng)新活動之間有著怎樣的影響過程？本文將對這些問題進行回答。在研究過程中，分別選對應的指標來衡量各階段創(chuàng)新活動的產(chǎn)出水平。具體的，在知識創(chuàng)新階段，創(chuàng)新活動的產(chǎn)出為科技論文，故用各省份科技論文發(fā)表數(shù)來衡量各地區(qū)知識創(chuàng)新水平；在科研創(chuàng)新階段，創(chuàng)新活動產(chǎn)出專利，故采用學者所廣泛使用的專利申請量授權量來衡量各省份的科研創(chuàng)新水平；在創(chuàng)新價值鏈下游的生產(chǎn)階段，論文以大中型工業(yè)企業(yè)新產(chǎn)品作為這一階段產(chǎn)出，采用各省份大中型工業(yè)企業(yè)新產(chǎn)品銷售收入來衡量各地區(qū)的產(chǎn)品轉(zhuǎn)化創(chuàng)新水平。圖1給出了中國創(chuàng)新價值鏈的不同階段和不同階段對應的創(chuàng)新產(chǎn)出成果。

圖1 創(chuàng)新價值鏈示意圖

1.2 研究方法

(1)Kernel密度估計。和參數(shù)估計方法相比，非參數(shù)估計方法不需要事前確定具體模型，可以減少模型設定偏誤的影響。Kernel密度函數(shù)是非參數(shù)估計方法之一，可以用來分析樣本分布動態(tài)的演變趨勢。其基本原理是：假設隨機變量X1、…、XN獨立同分布，其經(jīng)驗分布函數(shù)為：

(1)

式中，N為觀測點數(shù)目，I(x)為示性函數(shù)，即x為真時取1，否則取0。Kernel密度估計為：

(2)

在實踐過程中，有兩個地方需要選擇，第一是核函數(shù)，常見的核函數(shù)有四種：高斯核、三角核、四次核以及Epanechnikov核。采用高斯核的研究最多，本文采用高斯核來估算中國創(chuàng)新水平的分布動態(tài)演進過程。第二為帶寬選擇，通常分布較密集的地區(qū)選擇較窄的帶寬，而分布較分散的地區(qū)選擇較寬的帶寬，本文按照如下條件來選擇帶寬：

(3)

(2)Markov鏈。Markov鏈是一種時間和狀態(tài)均為離散的Markov過程，可以分析地區(qū)創(chuàng)新水平在不同水平狀態(tài)之間的轉(zhuǎn)移情況，分析中國創(chuàng)新水平分布的內(nèi)部流動性特征。但是在傳統(tǒng)的分布動態(tài)模型中，Markov鏈方法通常只考察一步時間長度(簡稱時長)為1年的情況[5,12,21-22]，無法知道地區(qū)在較長時間積累下的狀態(tài)轉(zhuǎn)移特征。而考察多年時長時，只用到了時長首尾離散時間點的數(shù)據(jù)，數(shù)據(jù)信息存在較大浪費[23]。為此，本文一方面構造了多年時長的Markov轉(zhuǎn)移概率矩陣，以考察隨著時間積累創(chuàng)新水平的轉(zhuǎn)移變化情況，挖掘出更多的分布動態(tài)信息。另一方面充分利用樣本數(shù)據(jù)信息，使結(jié)果更精確。具體的，本文多年時長轉(zhuǎn)移概率矩陣的構造方法如下：

(4)

(5)

(6)

1.3 數(shù)據(jù)來源與說明

創(chuàng)新價值鏈各階段的創(chuàng)新水平分別采用對應的指標來衡量。借鑒張虎和周迪[2]的思路，其中知識創(chuàng)新階段的產(chǎn)出水平用發(fā)表的科技論文數(shù)量來衡量，具體的采用國內(nèi)外檢索工具SCI、EI和ISTP收錄的科技論文數(shù)量來測度；科研創(chuàng)新階段的創(chuàng)新水平用3種專利申請受權量來衡量；產(chǎn)品轉(zhuǎn)換創(chuàng)新水平用各地區(qū)大中型(或規(guī)模以上)工業(yè)企業(yè)新產(chǎn)品銷售收入來衡量。由于國外主要檢索工具收錄中國科技論文的數(shù)據(jù)隔一年才發(fā)布，當前最新的統(tǒng)計年鑒只統(tǒng)計到了2014年，因此論文的研究時長為1997—2014年。由于西藏和港澳臺數(shù)據(jù)不全，沒有作為研究對象，論文研究對象為除西藏以外的30個省級地區(qū)，論文數(shù)據(jù)來源于1998—2016年的《中國科技統(tǒng)計年鑒》。

2 實證分析

2.1 三類創(chuàng)新水平整體分布動態(tài)演進

采用高斯核密度函數(shù)分別繪制創(chuàng)新價值鏈三類創(chuàng)新水平1997年、2003年、2008年以及2014年的核密度函數(shù)，由于1997年的核密度函數(shù)和其他年份差異較大，論文單獨對其繪制。這樣對每類創(chuàng)新水平繪制兩個核密度圖，以考察其分布的動態(tài)演進特征，見圖2～4。

由圖2可以看到，30個省份知識創(chuàng)新水平的分布動態(tài)演進呈現(xiàn)出如下三個方面的特征：①分布整體向右移動，說明各地區(qū)知識創(chuàng)新水平在逐漸提高；②隨著時間變化，波峰的高度不斷降低，寬度不斷增大，整體分布呈現(xiàn)出越來越扁平的特征，表明各省份知識創(chuàng)新水平的差距逐漸增大。另外，圖2還顯示在樣本期內(nèi)知識創(chuàng)新分布的右拖尾越來越長，表明各省之間的差異在增大。同時進一步表明部分省份(北京、江蘇等)發(fā)展速度較快，與一些發(fā)展較慢的省份(青海、寧夏等)的差距在增大；③在考察期內(nèi)，波峰數(shù)量在1997年為三個，隨后逐漸減小到兩個，2014年右尾處的側(cè)峰和主峰的水平差距非常大，說明多極化現(xiàn)象雖然在緩解，但發(fā)展速度快的省份越來越快，與發(fā)展速度慢的省份差距不斷拉大，形成了兩極分化現(xiàn)象。

圖3為科研創(chuàng)新水平分布的核密度估計，可以看到科研創(chuàng)新水平分布動態(tài)演進特征如下：①樣本期內(nèi)核密度分布整體向右移動，表明各省的科研創(chuàng)新水平在不斷提高；②考察期內(nèi)整體分布的波峰越來越扁平，特別是在2008年之后，波峰不僅下降明顯，波寬也急劇增大，表明各省份科研創(chuàng)新水平的差距在不斷增大，在2008年之后更加明顯。此外，2008年后科研創(chuàng)新水平分布的右拖尾越來越長，表明有些省份(江蘇、浙江)發(fā)展速度較快，明顯快于其他省份，使得右拖尾越來越長，高水平省份和其他省份差距越來越大；③在考察期內(nèi)，分布的波峰數(shù)量由1997年的三個增加到2003年的四個和2008年的五個，表明這段時間科研創(chuàng)新水平的極化現(xiàn)象存在加劇趨勢，呈現(xiàn)出多極化現(xiàn)象，但2014年波峰數(shù)量又減少到兩個，只是此時右拖尾的側(cè)峰與主波峰相隔較遠，表明兩極分化陣營中科研創(chuàng)新水平差異極大。

圖2 知識創(chuàng)新水平代表性年份的核密度曲線

圖3 科研創(chuàng)新水平代表性年份的核密度曲線

從圖4可以看到，產(chǎn)品轉(zhuǎn)化創(chuàng)新水平的分布動態(tài)演進呈現(xiàn)出如下特征：①整體分布在向右移動，表明各省份產(chǎn)品轉(zhuǎn)化創(chuàng)新水平在逐漸提高；②整體分布波峰高度不斷下降，變得更加扁平，特別是從2003年之后更加明顯。同時波峰的寬度也不斷增大，表明各省份產(chǎn)品轉(zhuǎn)化創(chuàng)新水平差異不斷增大。此外，隨著時間變化，產(chǎn)品轉(zhuǎn)化創(chuàng)新水平分布的右拖尾越來越長，表明部分省份(江蘇、廣東)增長較快，與其他地區(qū)的產(chǎn)品創(chuàng)新水平差距不斷增大，特別是部分地區(qū)(青海、海南)增長速度相對較慢，導致右拖尾越來越長；③在樣本考察期內(nèi)，產(chǎn)品轉(zhuǎn)化創(chuàng)新水平分布的波峰數(shù)量呈現(xiàn)出穩(wěn)定的遞減態(tài)勢，由1997年的四個變成2003年、2008年的兩個和三個，最后在2014年側(cè)峰消失，呈現(xiàn)出單峰分布，表明分布的極化現(xiàn)象逐漸消失。

圖4 產(chǎn)品創(chuàng)新水平代表性年份的核密度曲線

2.2 三類創(chuàng)新水平分布的內(nèi)部流動性

核密度曲線雖然可以從整體上分析創(chuàng)新水平分布的動態(tài)變化，但無法知道分布內(nèi)部的流動特征，即區(qū)域創(chuàng)新水平分布內(nèi)部各地區(qū)相對位置的動態(tài)變化及發(fā)生的可能性大小。下面采用擴展的Markov鏈模型計算三類創(chuàng)新水平短期和長期的轉(zhuǎn)移概率矩陣，其中短期考察時間間隔長度(時長)為1年，長期考察時長為5年。按照各省創(chuàng)新水平高低，將區(qū)域創(chuàng)新水平劃分為四種類型，低于中位數(shù)45%的為低水平類型、中位數(shù)45%～100%的為中低水平類型，中位數(shù)100%～155%的為中高水平類型，高于中位數(shù)155%的為高水平類型。模型結(jié)果見表1。

表1 三類創(chuàng)新水平分布的內(nèi)部流動性

從表1可以看到，在短期內(nèi)(時長為1年)，三類創(chuàng)新水平分布的內(nèi)部流動性都較低，各省份在不同創(chuàng)新水平類型之間的狀態(tài)轉(zhuǎn)移發(fā)生概率較低，特別是高水平和低水平地區(qū)更加明顯。例如知識創(chuàng)新低水平地區(qū)一年后仍有0.94的概率處于低水平，科研創(chuàng)新和產(chǎn)品創(chuàng)新對應的概率分別為0.926和0.934，向上流動的概率都不足0.1，高水平地區(qū)向下流動的概率也都低于0.1。其中知識創(chuàng)新、科研創(chuàng)新和產(chǎn)品創(chuàng)新高水平地區(qū)向下流動的概率分別為0.061、0.054和0.093。中等水平類型(中低和中高水平)地區(qū)的流動性相對更大，對于產(chǎn)品創(chuàng)新而言更加明顯，其中等水平地區(qū)向上和向下流動的概率都超過了0.1。整體來看，創(chuàng)新水平分布的內(nèi)部流動性由高到低依次為產(chǎn)品創(chuàng)新>科研創(chuàng)新>知識創(chuàng)新，可見流動程度隨著價值鏈階段的上升不斷提升。

時長為5年時，三類創(chuàng)新水平整體的流動性都有了明顯提高?？梢姡鞯貐^(qū)之間創(chuàng)新水平的追趕需要時間積累。從各水平類型的流動性大小來看，依然是中等水平地區(qū)的流動性比高低水平地區(qū)高，其中科研創(chuàng)新和產(chǎn)品創(chuàng)新的中低水平地區(qū)流動性最明顯，流動概率都大于0.5，且主要發(fā)生向下流動。而三類創(chuàng)新的高水平和低水平地區(qū)的流動性都低于0.2，固化現(xiàn)象依然明顯。整體來看，在較長時間內(nèi)，創(chuàng)新水平分布的內(nèi)部流動性程度依然隨著創(chuàng)新價值鏈的上升不斷提高，即產(chǎn)品創(chuàng)新>科研創(chuàng)新>知識創(chuàng)新。

此外，通過表1還可以看到，知識創(chuàng)新水平的分布都呈現(xiàn)出“中間小、兩頭大”的分布格局。根據(jù)本文計算轉(zhuǎn)移概率矩陣的分類標準，可以看到考察期內(nèi)創(chuàng)新水平處于中位數(shù)45%～155%之間的“中等水平”規(guī)模(N)占比在短期和長期內(nèi)分別只有29.02%和28.97%。而科研創(chuàng)新和產(chǎn)品創(chuàng)新的“中等規(guī)?！毕鄬Ω?，特別是科研創(chuàng)新，中等規(guī)模地區(qū)占比達到了38.04%和40.26%，呈現(xiàn)出更健康合理的分布格局。

2.3 創(chuàng)新價值鏈上游創(chuàng)新活動對下游創(chuàng)新水平分布動態(tài)的影響

由于價值鏈上游創(chuàng)新活動的產(chǎn)出是下游創(chuàng)新活動的投入，因此創(chuàng)新價值鏈各階段的創(chuàng)新水平之間存在一定的關系，這種關聯(lián)是否會對創(chuàng)新水平的分布動態(tài)有影響呢？下面借助條件Markov鏈模型考察創(chuàng)新價值鏈上游創(chuàng)新活動對下游創(chuàng)新水平分布動態(tài)的影響。以上游創(chuàng)新產(chǎn)出水平中位數(shù)為標準將各地區(qū)分為高低水平兩大類型，然后以其為條件，計算下游創(chuàng)新水平短期和長期的轉(zhuǎn)移概率。表2為知識創(chuàng)新水平條件下的科研創(chuàng)新水平轉(zhuǎn)移概率矩陣結(jié)果，最上面和中間部分的轉(zhuǎn)移概率矩陣分別為知識創(chuàng)新水平低水平和高水平條件下的科研創(chuàng)新分布流動性矩陣，最下面為不考慮條件變量下的科研創(chuàng)新水平分布流動性矩陣。

表2 知識創(chuàng)新水平條件下的科研創(chuàng)新水平轉(zhuǎn)移概率矩陣

在短期內(nèi)，對于科研創(chuàng)新水平為低水平的地區(qū)而言，當其知識創(chuàng)新水平也為低水平時，其上轉(zhuǎn)移的概率為8%，低于整體情況下的9%，若該地區(qū)的知識創(chuàng)新水平為高水平時，其科研創(chuàng)新水平向上轉(zhuǎn)移的概率達到了12.7%；對于科研創(chuàng)新水平為中低水平的地區(qū)，當其知識創(chuàng)新水平為低水平時，其科研創(chuàng)新水平的流動性為16.7%，低于整體水平的21.1%，若擁有高知識創(chuàng)新水平，則其科研創(chuàng)新水平的流動性為26.5%，高于整體水平。知識創(chuàng)新水平對科研創(chuàng)新中低水平流動性的提高主要體現(xiàn)在提高其向上流動的概率，例如對于中低類科研創(chuàng)新水平地區(qū)，若有高的知識創(chuàng)新水平時向上流動的概率為4.5%，低于整體情形的3.8%，向下流動概率為12.2%，和整體情形的12.8%差異不大；而若有高知識創(chuàng)新水平，則向上轉(zhuǎn)移的概率為12.9%，高于整體水平4.6%，向下轉(zhuǎn)移概率為13.6%，也和整體情形的12.8%差異不大?？梢姡R創(chuàng)新水平越高，科研創(chuàng)新低水平和中低水平地區(qū)的流動性越大，且主要增大了向上的流動性。

當?shù)貐^(qū)科研創(chuàng)新水平為中高水平和高水平時，知識創(chuàng)新水平越高，其流動性越小，且主要是降低了其向下的流動性。以高科研創(chuàng)新水平地區(qū)為例，若其知識創(chuàng)新水平為低水平，將有32%的概率發(fā)生向下流動，遠高于整體情形的8.2%，而若有高知識創(chuàng)新水平，則僅有4.5%的向下流動概率?？梢娭R創(chuàng)新水平對于高科研創(chuàng)新水平分布的流動性影響非常明顯。

在時長為5年的長期情形，知識創(chuàng)新依然會對科研創(chuàng)新水平分布的流動性產(chǎn)生影響，且具體影響結(jié)果和短期一致，都是高知識創(chuàng)新水平會促進較低科研創(chuàng)新水平向上流動，進而提高其流動性，降低較高科研創(chuàng)新水平分布的向下流動來降低流動性。為了分析這種影響是否具有統(tǒng)計學含義，下面對三類轉(zhuǎn)移概率矩陣進行差異性檢驗，檢驗結(jié)果見表3。

表3給出了1～5年時長下條件轉(zhuǎn)移概率矩陣和非條件轉(zhuǎn)移概率矩陣的差異性檢驗結(jié)果，不同時長下檢驗結(jié)果都拒絕原假設，認為三類矩陣不相等。可見知識創(chuàng)新水平對科研創(chuàng)新水平分布動態(tài)的影響是顯著的。由Q統(tǒng)計值的大小可知，這種影響隨著時間的積累不斷增大。

表4給出了不同科研創(chuàng)新水平條件下產(chǎn)品創(chuàng)新水平分布的內(nèi)部流動性特征，可以看到：

(1)科研創(chuàng)新水平和產(chǎn)品創(chuàng)新水平的相關性更加密切。例如在考察期內(nèi)，產(chǎn)品創(chuàng)新低水平的148個樣本中，科研創(chuàng)新水平也為低水平的數(shù)量及比例高達142和95.95%。為了結(jié)果的穩(wěn)健，本文主要分析中低及以上產(chǎn)品創(chuàng)新水平分布的流動情形。在短期內(nèi)，對于中低產(chǎn)品創(chuàng)新水平地區(qū)而言，若知識創(chuàng)新水平為低水平，其向上流動概率為1.9%，低于整體的7.5%，向下流動概率為22.2%，高于整體的12.1%，可見一地區(qū)科研創(chuàng)新水平較低時，會增加該地區(qū)產(chǎn)品創(chuàng)新水平向下流動的概率，減少向上流動的概率。若其有高的科研創(chuàng)新水平，則向上流動概率提高到12.3%，高于平均水平，同時向下流動概率僅為1.9%?？梢姼咧R創(chuàng)新水平對于中低產(chǎn)品創(chuàng)新水平有積極的作用，促進其向上流動，抑制其向下流動。

表3 知識創(chuàng)新水平對科研創(chuàng)新水平轉(zhuǎn)移概率影響的顯著性檢驗

(2)對于中高產(chǎn)品創(chuàng)新水平地區(qū)而言，若科研創(chuàng)新水平為低水平，其向上流動概率為3.3%，低于整體情況下的10.3%，向下流動概率為13.3%，高于整體水平的9.2%。若該地區(qū)有高科研創(chuàng)新水平，其向上流動概率為18.8%，高于整體水平，向下流動概率為2.3%，低于整體水平。可見和前面分析結(jié)果類似，高知識創(chuàng)新水平同樣促進中高產(chǎn)品創(chuàng)新水平地區(qū)向上流動，抑制其向下流動，低知識創(chuàng)新水平的影響作用剛好相反。

表4 科研創(chuàng)新水平條件下的產(chǎn)品創(chuàng)新水平轉(zhuǎn)移概率矩陣

(3)對于產(chǎn)品創(chuàng)新水平為高水平的地區(qū)，知識創(chuàng)新水平主要是影響其向下流動。相對于不考慮條件變量的整體情況，高知識創(chuàng)新水平能減少其向下流動概率，低知識創(chuàng)新水平則增加該概率。可見，對于產(chǎn)品創(chuàng)新高水平地區(qū)的流動性而言，低知識創(chuàng)新水平的影響也是消極的，高知識創(chuàng)新水平影響則是積極的。

(4)在時長為5年的長期情況下，知識創(chuàng)新水平對產(chǎn)品創(chuàng)新水平分布動態(tài)的影響同樣存在，且影響結(jié)果一致，可見結(jié)果較為穩(wěn)健。

通過對三類轉(zhuǎn)移概率矩陣進行差異性統(tǒng)計檢驗，發(fā)現(xiàn)不管是短期還是長期，不同科研創(chuàng)新水平條件下產(chǎn)品創(chuàng)新水平的轉(zhuǎn)移概率矩陣與非條件產(chǎn)品創(chuàng)新水平轉(zhuǎn)移概率矩陣存在顯著性差異，可見科研創(chuàng)新水平對產(chǎn)品創(chuàng)新水平分布動態(tài)的影響也是顯著的。

3 研究結(jié)論與政策建議

主要研究發(fā)現(xiàn)：①隨著時間變化，三類創(chuàng)新活動的創(chuàng)新水平分布都呈現(xiàn)出更加分散的態(tài)勢，區(qū)域差異逐漸增大同時極化現(xiàn)象逐漸緩解甚至消失；②在短期內(nèi)，三類創(chuàng)新水平分布的內(nèi)部流動性都較低，但隨著時間積累，中等水平地區(qū)的流動性不斷增加，但低水平和高水平地區(qū)的流動性仍然較高。另外，不管是短期還是長期，隨著創(chuàng)新活動所處創(chuàng)新價值鏈階段的上升，其創(chuàng)新水平分布整體的內(nèi)部流動性程度不斷提高。可見創(chuàng)新活動越處于創(chuàng)新價值鏈的上游，其創(chuàng)新水平的區(qū)域差異固化程度越嚴重，而越處于下游，地區(qū)間的追趕效應越明顯；③不管是短期還是長期，創(chuàng)新價值鏈上游的創(chuàng)新活動對下游創(chuàng)新水平的動態(tài)分布都存在顯著影響，知識創(chuàng)新水平越高，越能促進較低科研創(chuàng)新水平地區(qū)向上流動、提高流動性水平，并且抑制較高科研創(chuàng)新水平地區(qū)向下流動、降低流動性水平；同樣的，高科研創(chuàng)新水平也能促進低產(chǎn)品創(chuàng)新水平地區(qū)的向上流動，抑制高產(chǎn)品創(chuàng)新水平地區(qū)向下流動，而低科研創(chuàng)新水平則產(chǎn)生相反的作用。

由以上結(jié)論可知，在建設創(chuàng)新型國家進程中，應該采取一定措施來協(xié)調(diào)區(qū)域創(chuàng)新水平差異、提高各地區(qū)創(chuàng)新發(fā)展水平。第一、考慮到我國三類創(chuàng)新資源都存在差異增大的趨勢，且高低水平地區(qū)存在流動性低的固化現(xiàn)象，這不利于區(qū)域創(chuàng)新的協(xié)調(diào)發(fā)展。因此政府應該對創(chuàng)新發(fā)展低水平的地區(qū)進行有針對性的重點扶持：一方面，根據(jù)其各類創(chuàng)新水平發(fā)展情況，有針對性地加大基礎研究、應用研究或者實驗發(fā)展R&D資金轉(zhuǎn)移支付力度，另一方面加大創(chuàng)新政策的扶持，重點挖掘那些創(chuàng)新發(fā)展水平較低的中西部省份創(chuàng)新增長潛力，加快其新產(chǎn)品開發(fā)項目的立項，縮短其專利申請審批周期。這樣不僅可以改善當前創(chuàng)新水平的區(qū)域差異過大問題，同時可以避免低水平地區(qū)固化于“低水平陷阱”的困境。第二、考慮到創(chuàng)新價值鏈上下游創(chuàng)新活動之間存在著顯著的積極影響，政府應該進一步加大創(chuàng)新價值鏈各階段創(chuàng)新活動的合作程度，促進產(chǎn)學研一體化發(fā)展。一方面，地區(qū)內(nèi)部應該加強各類創(chuàng)新活動的緊密銜接力度，通過創(chuàng)新價值鏈鏈條的高效銜接實現(xiàn)整體創(chuàng)新價值的最大化。另一方面，區(qū)域之間應該加大各階段創(chuàng)新資源的流動程度，使創(chuàng)新價值鏈各階段創(chuàng)新資源在更大的范圍內(nèi)實現(xiàn)資源配置，提高創(chuàng)新產(chǎn)出效率，進而提高創(chuàng)新水平。

[1]GROSSMAN G M，HELPMAN E.Endogenous innovation in the theory of growth[J].Journal of economic perspectives，1994，8(1):23-44.

[2]張虎,周迪.創(chuàng)新價值鏈視角下的區(qū)域創(chuàng)新水平地區(qū)差距及趨同演變——基于Dagum基尼系數(shù)分解及空間Markov鏈的實證研究[J].研究與發(fā)展管理,2016,28(6):48-60.

[3]蔣天穎.我國區(qū)域創(chuàng)新差異時空格局演化及其影響因素分析[J].經(jīng)濟地理，2013,33(6):22-29.

[4]魏守華,禚金吉,何嫄.區(qū)域創(chuàng)新能力的空間分布與變化趨勢[J].科研管理,2011,32(4):152-160.

[5]肖剛,杜德斌,戴其文.中國區(qū)域創(chuàng)新差異的時空格局演變[J].科研管理，2016，37(5)：42-50.

[6]王成軍,付祥云,劉漸和.基于官產(chǎn)學的區(qū)域創(chuàng)新能力建設研究——以國家科技進步獎為例[J].中國科技論壇,2017(9):138-145+177.

[7]曹勇,秦以旭.中國區(qū)域創(chuàng)新能力差異變動實證分析[J].中國人口·資源與環(huán)境，2012,22(3)：164-169.

[8]程慧平.中國省域研發(fā)創(chuàng)新能力差異實證分析[J].中國科技論壇,2013(8):98-105.

[9]玄兆輝,呂永波,羅亞非.區(qū)域科技綜合實力評價研究[J].中國科技論壇,2012(10):31-37.

[10]朱建平，王德青，方匡南.中國區(qū)域創(chuàng)新能力靜態(tài)分析——基于自適應賦權主成分聚類模型[J].數(shù)理統(tǒng)計與管理,2013,32(5):761-768.

[11]黃德森,楊朝峰.基于空間效應的區(qū)域創(chuàng)新能力收斂性分析[J].軟科學,2017,31(1):44-48.

[12]楊明海,張紅霞,孫亞男.七大城市群創(chuàng)新能力的區(qū)域差距及其分布動態(tài)演進[J].數(shù)量經(jīng)濟技術經(jīng)濟研究,2017,34(3):21-39.

[13]周迪,張虎.中國創(chuàng)新水平區(qū)域趨同時空演變[J].中國科技論壇,2015(6):11-15.

[14]余泳澤，劉大勇.我國區(qū)域創(chuàng)新效率的空間外溢效應與價值鏈外溢效應——創(chuàng)新價值鏈視角下的多維空間面板模型研究[J].管理世界,2013(7):6-20.

[15]余泳澤，劉大勇.創(chuàng)新價值鏈視角下的我國區(qū)域創(chuàng)新效率提升路徑研究[J].科研管理，2014，35(5):27-37.

[16]LEE J，GEREFFI G，BEAUVAIS J.Global value chains and agrifood standards：challenges and possibilities for smallholders in developing countries[J].Proceedings of the national academy of sciences，2012，109(31)：12326-12331.

[17]潘雄鋒,張維維.基于空間效應視角的中國區(qū)域創(chuàng)新收斂性分析[J].管理工程學報，2013，27(1):62-67.

[18]王慶喜，張朱益.我國省域創(chuàng)新活動的空間分布及其演化分析[J].經(jīng)濟地理，2013，33(10):8-15.

[19]HANSEN M T，BIRKINSHAW J.The innovation value chain[J].Harvard business review，2007，85(6):121-130.

[20]SHERER S A.From supply-chain management to value network advocacy：implications for e-supply chains[J].Supply chain management，2005，10(2):77-83.

[21]許治,陳麗玉.國家級創(chuàng)新型城市創(chuàng)新能力的動態(tài)演進——基于技術成就指數(shù)的研究[J].管理評論，2016,28(10):58-66.

[22]PAN X，LIU Q，PENG X.Spatial club convergence of regional energy efficiency in China[J].Ecological indicators，2015，51:25-30.

[23]沈麗,鮑建慧.中國金融發(fā)展的分布動態(tài)演進:1978—2008年——基于非參數(shù)估計方法的實證研究[J].數(shù)量經(jīng)濟技術經(jīng)濟研究,2013,30(5):33-47.

[24]GALLO J L.Space-time analysis of GDP disparities among European regions：a Markov chain approach[J].International regional science review，2001，27(2):138-163.