張美濤

摘 要：知識(shí)溢出高度依賴于地理鄰近性，知識(shí)溢出效應(yīng)的高低決定了區(qū)域經(jīng)濟(jì)發(fā)展的地區(qū)差異?；贕riliches-Jaffe知識(shí)生產(chǎn)函數(shù)，選用研發(fā)支出、人力資本、專利水平三種知識(shí)存量替代變量，借助SEM空間誤差模型實(shí)證測(cè)度和分析知識(shí)溢出效應(yīng)及其對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的影響。研究表明，三種知識(shí)存量變量具有顯著的知識(shí)空間溢出效應(yīng)，Jacbos效應(yīng)、Porter效應(yīng)對(duì)我國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)有很強(qiáng)的正向影響。各地區(qū)，特別是欠發(fā)達(dá)地區(qū)應(yīng)充分發(fā)揮知識(shí)溢出效應(yīng)，提高城市集聚度、地區(qū)人力資本存量，加大研發(fā)經(jīng)費(fèi)支出，以增強(qiáng)知識(shí)溢出效應(yīng)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用。

關(guān)鍵詞：知識(shí)溢出;空間效應(yīng);區(qū)域經(jīng)濟(jì) ;SEM模型

一、引言與文獻(xiàn)綜述

知識(shí)可分為編碼知識(shí)和默會(huì)知識(shí)，具有準(zhǔn)公共物品性質(zhì)和溢出性質(zhì)。由此，知識(shí)溢出包括編碼知識(shí)溢出和默會(huì)知識(shí)溢出。其中，編碼知識(shí)溢出主要以書籍、專利等形式表現(xiàn)，而默會(huì)知識(shí)溢出主要以面對(duì)面交流的方式實(shí)現(xiàn)。區(qū)域創(chuàng)新是區(qū)域知識(shí)溢出的源泉，而知識(shí)溢出效應(yīng)高低決定了區(qū)域創(chuàng)新的差異 。[1]Audretch & Feldman[2]在解釋創(chuàng)新活動(dòng)地理集聚時(shí)認(rèn)為，人們將更多注意力聚焦到知識(shí)溢出。雖然現(xiàn)代通信技術(shù)革新已大大降低了知識(shí)傳播成本，但一些知識(shí)的獲得仍然需要通過面對(duì)面的接觸和頻繁的交流。為此，新經(jīng)濟(jì)地理學(xué)首次將空間維度納入經(jīng)濟(jì)理論分析框架，強(qiáng)調(diào)知識(shí)外溢性帶來(lái)的規(guī)模報(bào)酬遞增和技術(shù)創(chuàng)新帶來(lái)的經(jīng)濟(jì)增長(zhǎng)[3]，并證明經(jīng)濟(jì)集聚是因?yàn)閺S商追求知識(shí)溢出。Martin & Ottaviano[4]在分析空間集聚與經(jīng)濟(jì)增長(zhǎng)關(guān)系時(shí)認(rèn)為，區(qū)域經(jīng)濟(jì)活動(dòng)的空間集聚有利于降低創(chuàng)新成本，刺激經(jīng)濟(jì)增長(zhǎng)，即知識(shí)溢出通過創(chuàng)新對(duì)企業(yè)產(chǎn)生影響，從而推動(dòng)區(qū)域經(jīng)濟(jì)增長(zhǎng)。

針對(duì)知識(shí)溢出及其對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的研究，國(guó)內(nèi)外學(xué)者主要專注于知識(shí)溢出的內(nèi)涵和途徑、知識(shí)溢出對(duì)產(chǎn)業(yè)集聚的影響、知識(shí)溢出的空間鄰近性，取得了很多可借鑒的成果。Griliches認(rèn)為知識(shí)溢出是指做相似工作并從彼此研究開發(fā)中受益的活動(dòng);是區(qū)域間通過相互學(xué)習(xí)交流、相互搭便車獲取研發(fā)成果和促進(jìn)區(qū)域經(jīng)濟(jì)增長(zhǎng);是人們每次互動(dòng)無(wú)意識(shí)的知識(shí)交流，并被有意識(shí)地利用和服務(wù)于知識(shí)溢出接受方的經(jīng)濟(jì)增長(zhǎng)。[5]Saxenian[6]認(rèn)為，知識(shí)溢出可通過公司分設(shè)（Spin-offs）、勞動(dòng)力流動(dòng)、本地機(jī)構(gòu)或組織之間非正式接觸等途徑來(lái)實(shí)現(xiàn)。現(xiàn)有主流文獻(xiàn)就知識(shí)溢出對(duì)產(chǎn)業(yè)集聚的影響主要有兩個(gè)研究視角，一是知識(shí)溢出來(lái)自產(chǎn)業(yè)內(nèi);二是知識(shí)溢出來(lái)自產(chǎn)業(yè)間。由此，將知識(shí)溢出效應(yīng)劃分為MAR（Marshall-Arrow-Romer）效應(yīng)、Jacbos效應(yīng)和Porter效應(yīng)。其中，來(lái)自產(chǎn)業(yè)間的知識(shí)溢出效應(yīng)稱之為Jacobs效應(yīng)。[7]Berliant & Fujita研究認(rèn)為，知識(shí)工人居住在同一區(qū)域時(shí)，研發(fā)工人會(huì)變得同質(zhì)且思維趨同，新知識(shí)創(chuàng)造的均衡產(chǎn)出小于那種更具有異質(zhì)性工人同住在一個(gè)區(qū)域內(nèi)的均衡產(chǎn)出，即Jacbos效應(yīng)更顯著。[8]唐松從金融集聚對(duì)區(qū)域增長(zhǎng)的空間溢出效應(yīng)出發(fā)，認(rèn)為東中西部地區(qū)本地金融和外地金融對(duì)本地經(jīng)濟(jì)增長(zhǎng)的空間溢出效應(yīng)不同，因此，應(yīng)實(shí)行差別化金融政策，加強(qiáng)利率市場(chǎng)化和金融機(jī)構(gòu)改革，推動(dòng)金融資源與區(qū)域產(chǎn)業(yè)相結(jié)合，制定金融資源轉(zhuǎn)移政策。[9]張清正分析了知識(shí)溢出、技術(shù)創(chuàng)新和區(qū)域經(jīng)濟(jì)增長(zhǎng)間的作用機(jī)制，認(rèn)為我國(guó)各省的科研投入是提升技術(shù)創(chuàng)新水平的主體，知識(shí)的多種溢出機(jī)制中產(chǎn)學(xué)研合作可有效促進(jìn)創(chuàng)新知識(shí)溢出，技術(shù)創(chuàng)新溢出對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)呈正相關(guān)。[10]譚建新認(rèn)為交通條件的改善促進(jìn)了各區(qū)域真實(shí)市場(chǎng)潛能水平的提升，應(yīng)繼續(xù)改善以鐵路、高速公路等為主的基礎(chǔ)交通設(shè)施條件，不斷降低區(qū)域間貿(mào)易壁壘，加強(qiáng)區(qū)域融合。[11]龍志和、蔡杰的研究表明，我國(guó)不存在顯著的MAR溢出和Jacobs溢出，但存在Porter溢出效應(yīng)。[12] 閆棟超、馬靜認(rèn)為信息化對(duì)經(jīng)濟(jì)增長(zhǎng)的區(qū)域內(nèi)溢出的效應(yīng)顯著為正，人力資資本的作用尚未得到應(yīng)有發(fā)揮。[13]蘇方林運(yùn)用地理加權(quán)回歸（GWR）方法，對(duì)中國(guó)地級(jí)市R&D知識(shí)溢出的空間非穩(wěn)定性進(jìn)行了實(shí)證分析，研究發(fā)現(xiàn)知識(shí)溢出水平與地區(qū)開放程度和勞動(dòng)力就業(yè)等密切相關(guān)。[14]Rodriguze 認(rèn)為，區(qū)域進(jìn)步不僅依賴自身努力和資源稟賦，還依賴它吸引和吸收創(chuàng)新帶來(lái)的知識(shí)，區(qū)域知識(shí)流是區(qū)域創(chuàng)新的關(guān)鍵要素，地理的臨近性遠(yuǎn)高于技術(shù)的臨近性。[15]許盈之、朱依曦研究認(rèn)為，新古典經(jīng)濟(jì)理論雖然考慮了知識(shí)溢出對(duì)經(jīng)濟(jì)增長(zhǎng)的作用，但忽略了知識(shí)溢出的空間性，認(rèn)為技術(shù)擴(kuò)散是無(wú)成本的、即刻的，然而有相當(dāng)一部分默會(huì)知識(shí)是高度依賴于地理上的鄰近性等因素。[16]Phene & Tallman提出知識(shí)溢出效應(yīng)作為信號(hào)的知識(shí)依賴性和潛在的互補(bǔ)性鼓勵(lì)地區(qū)企業(yè)在知識(shí)溢出后進(jìn)入戰(zhàn)略聯(lián)盟，但地理空間距離削弱了企業(yè)的專業(yè)化效應(yīng)和企業(yè)戰(zhàn)略聯(lián)盟的形成。[17]Aldieri & Paolo調(diào)查了美日歐知識(shí)流的技術(shù)和地理的臨近性對(duì)知識(shí)流動(dòng)的影響，得出知識(shí)溢出的技術(shù)和地理的臨近性是穩(wěn)健的。[18]Luigi Aldieri & Concetto Paolo 從調(diào)查美、日、歐知識(shí)流的技術(shù)和地理的臨近性對(duì)知識(shí)流動(dòng)的影響，得出專利具有地域特征的結(jié)論，即從專利發(fā)明的方法可以測(cè)量出公司間的臨近性，得出知識(shí)溢出的技術(shù)和地理的臨近性是穩(wěn)健的。[19]Ghio， Guerini & Lehmann， et al基于1999—2013年文獻(xiàn)引用數(shù)據(jù)，得出應(yīng)以企業(yè)家精神外溢理論為基礎(chǔ)去重建社區(qū)，以促進(jìn)區(qū)域經(jīng)濟(jì)增長(zhǎng)。[20]MAcosta， DCoronado， & EFlores利用西班牙604家公司和63所大學(xué)的數(shù)據(jù)，檢驗(yàn)了大學(xué)的知識(shí)溢出與高科技部門的新企業(yè)選址之間的關(guān)系，得出大學(xué)知識(shí)溢出與高科技行業(yè)新企業(yè)選址高度相關(guān)。[21]高麗娜認(rèn)為應(yīng)建立和完善城市群主導(dǎo)的治理體系，強(qiáng)化區(qū)際創(chuàng)新溢出效應(yīng)。經(jīng)濟(jì)新常態(tài)下，區(qū)域協(xié)調(diào)發(fā)展是我國(guó)區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展的基礎(chǔ)和保障。[22]以上文獻(xiàn)從不同角度探討了區(qū)域創(chuàng)新、知識(shí)溢出對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的影響，但都未從空間的角度具體討論是哪些因素影響了中國(guó)區(qū)域間的知識(shí)溢出，其效應(yīng)到底有多大。也未從創(chuàng)新產(chǎn)出的角度去研究創(chuàng)新對(duì)區(qū)域經(jīng)濟(jì)經(jīng)濟(jì)增長(zhǎng)的效應(yīng)。本文將借助空間計(jì)量經(jīng)濟(jì)模型，選用中國(guó)地區(qū)經(jīng)濟(jì)數(shù)據(jù)，從城市集聚經(jīng)濟(jì)和空間經(jīng)濟(jì)學(xué)視角，實(shí)證測(cè)度和分析我國(guó)區(qū)域間是否存在知識(shí)空間溢出，知識(shí)溢出又如何影響區(qū)域經(jīng)濟(jì)增長(zhǎng)，以及各地區(qū)應(yīng)如何利用知識(shí)溢出效應(yīng)促進(jìn)經(jīng)濟(jì)增長(zhǎng)。

二、理論模型構(gòu)建

（一）生產(chǎn)函數(shù)的選取

基于國(guó)際通行做法用研發(fā)支出作為知識(shí)存量的替代變量，且為了進(jìn)一步考察專利和人力資本這兩個(gè)知識(shí)存量指標(biāo)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的作用，在5式的基礎(chǔ)上再加入專利和人力資本這兩個(gè)指標(biāo)變量作為知識(shí)存量的替代變量，考慮到當(dāng)期值存在互為因果關(guān)系導(dǎo)致的內(nèi)生性問題，關(guān)鍵變量及所有控制變量均取滯后一期，由此可得如下多元回歸計(jì)量模型。

（二）關(guān)鍵變量與數(shù)據(jù)說明

1.知識(shí)存量變量。對(duì)于編碼知識(shí)的測(cè)度，可以運(yùn)用現(xiàn)有的科學(xué)技術(shù)、專利等指標(biāo)進(jìn)行綜合測(cè)度;對(duì)于默會(huì)知識(shí)的測(cè)度，可以利用知識(shí)攜帶者等相關(guān)指標(biāo)進(jìn)行測(cè)度。借助朱美光等人對(duì)知識(shí)存量指標(biāo)的劃分標(biāo)準(zhǔn)[17]，以此制定區(qū)域知識(shí)存量測(cè)度評(píng)價(jià)指標(biāo)體系，并通過逐步回歸和主成分分析法選取研發(fā)經(jīng)費(fèi)、人力資本和專利三個(gè)變量作為知識(shí)存量的替代變量。根據(jù)以上知識(shí)存量的評(píng)價(jià)體系指標(biāo)，通過逐步回歸和各變量標(biāo)準(zhǔn)化后主成分分析法，選取研發(fā)經(jīng)費(fèi)、專利和每十萬(wàn)人中高等教育在校生數(shù)為知識(shí)存量的替代變量，具體詳見表1。之所以選擇每十萬(wàn)人中高等教育在校學(xué)生數(shù)，不選擇研發(fā)人員作為人力資本的替代變量是因?yàn)檠邪l(fā)人員是勞動(dòng)力的一部分，和勞動(dòng)力之間會(huì)產(chǎn)生多重共線性問題，而實(shí)際的測(cè)算也表明，這兩者的相關(guān)系數(shù)達(dá)9479%，因此選用每十萬(wàn)人中高等教育的在校生人數(shù)代表一個(gè)地區(qū)的發(fā)展?jié)摿Α?/p>

數(shù)據(jù)來(lái)源：由軟件計(jì)量得來(lái)。

2.人力資本變量?？紤]一般勞動(dòng)力水平和高人力資本存量（精英）水平之間的勞動(dòng)力，這里用高中畢業(yè)人口占六歲以上人口的比例來(lái)解析人力資本存量。

3.多樣化、專業(yè)化、競(jìng)爭(zhēng)性指標(biāo)。通常采用GDP或工業(yè)產(chǎn)業(yè)增加值等占GDP的比例，或者地區(qū)分行業(yè)研究人員數(shù)占整個(gè)地區(qū)就業(yè)人員數(shù)的比例來(lái)測(cè)度集中度、專業(yè)化以及多樣化指數(shù)。這里，選用后一種測(cè)度方法來(lái)測(cè)量多樣化、專業(yè)化、競(jìng)爭(zhēng)性統(tǒng)計(jì)值。

（1）專業(yè)化指數(shù)。根據(jù)國(guó)民經(jīng)濟(jì)行業(yè)分類，行業(yè)從大到小分為門類、大類、中類、小類的分類標(biāo)準(zhǔn)。這里選用制造業(yè)二位數(shù)行業(yè)，借助區(qū)位商統(tǒng)計(jì)指標(biāo)測(cè)度出地區(qū)20個(gè)制造業(yè)行業(yè)專業(yè)化指數(shù)。

SPij是以從業(yè)人員數(shù)測(cè)度i地區(qū)j行業(yè)的Hoover區(qū)位熵，表示i地區(qū)j行業(yè)從業(yè)人員占全國(guó)行業(yè)所有行業(yè)從業(yè)人員數(shù)之比重的比值。EijΣmj=1Eij表示i地區(qū)j行業(yè)從業(yè)人員數(shù)占全國(guó)該行業(yè)總數(shù)的比例，作為每個(gè)制造業(yè)行業(yè)區(qū)位熵的權(quán)重。因此，SP是i地區(qū)所有行業(yè)Hoover區(qū)位熵的加權(quán)平均。SP越大，專業(yè)化程度越強(qiáng)，反之，專業(yè)化程度越弱。

（2）多樣化指數(shù)。多樣化外部性的衡量方法很多。這里將借鑒Grenunz[23]的測(cè)度方法測(cè)度多樣化指數(shù)，

上式中Eij為i地區(qū)j行業(yè)的從業(yè)人數(shù)，uEi為地區(qū)所有產(chǎn)業(yè)平均從業(yè)人員人數(shù)。DIV越小，區(qū)域內(nèi)產(chǎn)業(yè)分布越平衡，多樣化外部性程度越高，DIV越大，區(qū)域內(nèi)產(chǎn)業(yè)分布越不平衡，多樣化程度越低。

（3）競(jìng)爭(zhēng)性指數(shù)。借鑒吳梅[24]的產(chǎn)業(yè)競(jìng)爭(zhēng)性指標(biāo)測(cè)度方法，comp統(tǒng)計(jì)量用于描述產(chǎn)業(yè)競(jìng)爭(zhēng)性的指標(biāo)，衡量Porter溢出，計(jì)算產(chǎn)業(yè)內(nèi)部市場(chǎng)競(jìng)爭(zhēng)程度，且競(jìng)爭(zhēng)程度越高對(duì)產(chǎn)業(yè)發(fā)展及創(chuàng)新越為有利?？紤]到數(shù)據(jù)的可獲得性等因素，

基于地區(qū)制造業(yè)行業(yè)選用20個(gè)制造業(yè)分行業(yè)，

其中，NUMij表示i地區(qū)j產(chǎn)業(yè)的企業(yè)數(shù)量;NUMnj表示全國(guó)j產(chǎn)業(yè)的企業(yè)數(shù)量;Lij表示i地區(qū)j產(chǎn)業(yè)從業(yè)人員;nj指全國(guó)j產(chǎn)業(yè)從業(yè)人員，LCij值越大，說明i地區(qū)j產(chǎn)業(yè)所處的市場(chǎng)環(huán)境競(jìng)爭(zhēng)越激烈。

分析數(shù)據(jù)主要來(lái)源于歷年的《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》《新中國(guó)六十年統(tǒng)計(jì)資料匯編》、中經(jīng)網(wǎng)以及各省歷年統(tǒng)計(jì)年鑒。所采用的地圖分析數(shù)據(jù)來(lái)自國(guó)家測(cè)繪地理信息局網(wǎng)站。

（三）變量空間相關(guān)性檢驗(yàn)

任何經(jīng)濟(jì)數(shù)據(jù)在一定程度上都存在空間相關(guān)性，這也是構(gòu)建空間計(jì)量模型的經(jīng)濟(jì)基礎(chǔ)。為了驗(yàn)證地區(qū)間是否存在知識(shí)空間溢出，需分析變量間是否具有空間相關(guān)性，現(xiàn)對(duì)數(shù)據(jù)進(jìn)行空間相關(guān)性檢驗(yàn)。根據(jù)空間計(jì)量經(jīng)濟(jì)學(xué)理論，空間相關(guān)性檢驗(yàn)指標(biāo)有兩種：Morans I 和G統(tǒng)計(jì)量，且包括全域與局域Morans I和G統(tǒng)計(jì)量。其中，Morans I主要用于測(cè)度變量的全域空間自相關(guān)程度，反映空間鄰接或空間鄰近區(qū)域單元屬性的相似程度。全域Morans I系數(shù)取值介于-1—1之間，大于零表示存在正相關(guān)，小于零表示存在負(fù)相關(guān)，等于零表示不存在相關(guān)性，數(shù)值越接近于1，相關(guān)性越強(qiáng)。鑒于本文主要關(guān)注知識(shí)溢出強(qiáng)度，所以選用全域Morans I來(lái)測(cè)度各變量間的空間自相關(guān)性。

基于全域Morans I方法，分別對(duì)單變量和雙變量空間相關(guān)性進(jìn)行檢驗(yàn)。檢驗(yàn)結(jié)果顯示，單變量人均GDP、人均研發(fā)支出、人均專利、人力資本等變量的Morans I指數(shù)分別為0.0381、0.031、0.04578、0.03360，表明各單變量之間存在顯著的空間正相關(guān)性;雙變量人均研發(fā)支出與人均GDP、人均專利水平與人均GDP、人力資本與人均GDP的Morans I 指數(shù)分別為0.3405、0.36、0.3705，表明各雙變量之間也存在顯著的空間正相關(guān)性。

（四）空間計(jì)量模型及其空間權(quán)重的選取

空間相關(guān)性檢驗(yàn)結(jié)果發(fā)現(xiàn)，我國(guó)區(qū)域間知識(shí)存量與人均產(chǎn)出存在空間相關(guān)性。在此情況下，如果采用OLS模型直接分析將會(huì)產(chǎn)生偏誤，為此擬采用空間計(jì)量回歸模型對(duì)知識(shí)空間溢出效應(yīng)進(jìn)行估計(jì)和實(shí)證分析?？臻g計(jì)量模型分為空間滯后模型（SLM）和空間誤差模型?？紤]到當(dāng)期值存在互為因果關(guān)系導(dǎo)致的內(nèi)生性問題，關(guān)鍵變量及所有控制變量均取滯后一期。為此，結(jié)合生產(chǎn)函數(shù)和變量的選擇，知識(shí)存量空間溢出效應(yīng)及其對(duì)地區(qū)經(jīng)濟(jì)增長(zhǎng)影響的空間滯后模型和空間誤差模型可設(shè)定如下：

1.空間滯后模型

其中，p為空間回歸滯后系數(shù)，反映樣本觀測(cè)值中的空間依賴作用;W為n×n階的空間權(quán)重矩陣，一般用鄰接矩陣（Contiguity Matrix）來(lái)表示;Wy為空間滯后因變量，反映空間距離對(duì)區(qū)域行為的作用，即區(qū)域行為受到文化環(huán)境和空間距離有關(guān)遷移成本的影響，具有很強(qiáng)的地域性。參數(shù)β反映了自變量對(duì)因變量Y的影響，εi為隨機(jī)擾動(dòng)誤差項(xiàng)。

2.空間誤差模型

其中擾動(dòng)項(xiàng)μi表示為隨機(jī)誤差項(xiàng)，為n×1的截面因變量向量的空間誤差系數(shù)，為正態(tài)分布的隨機(jī)誤差向量。參數(shù)λ衡量了樣本觀察值中的空間依賴作用，即相鄰地區(qū)觀察值Y對(duì)本地區(qū)觀察值Y的影響方向和程度，參數(shù)β反映了自變量X對(duì)因變量Y的影響。SEM的空間依賴作用存在于擾動(dòng)誤差項(xiàng)之中，度量了鄰接地區(qū)關(guān)于因變量的誤差沖擊對(duì)本地區(qū)觀察值Y的影響程度。

3.空間權(quán)重矩陣的選取

空間計(jì)量模型的鄰近矩陣分為Rook 鄰近、Queen鄰近、K值鄰近。此外，還有基于距離的空間權(quán)值矩陣。本文以Rook鄰近矩陣為基礎(chǔ)進(jìn)行實(shí)證檢驗(yàn)。采用Anselin研制開發(fā)的空間計(jì)量軟件GeoDa095i，直接生成的鄰近空間矩陣來(lái)測(cè)算并確立地區(qū)之間的空間效應(yīng)。方法采用最大似然估計(jì)方法。

三、模型回歸與結(jié)果分析

（一）空間計(jì)量模型選擇

為確定選擇SEM模型還是SLM模型，利用逐步回歸的方式構(gòu)建模型（1）（2）（3），并進(jìn)行空間OLS回歸，依照LogL、LR、SC、AIC等統(tǒng)計(jì)判別規(guī)則，發(fā)現(xiàn)三個(gè)模型的L-MERR和R-LMERR統(tǒng)計(jì)量更為顯著（見表3）。為此，選用SEM模型來(lái)分析區(qū)域間的知識(shí)溢出效應(yīng)及其對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的影響更為合適。

（二）知識(shí)溢出效應(yīng)對(duì)地區(qū)經(jīng)濟(jì)增長(zhǎng)的影響分析

基于Rock鄰近下的空間誤差模型（SEM），回歸結(jié)果顯示（詳見表4）：第一，區(qū)域間知識(shí)溢出效應(yīng)指標(biāo)λ表明，無(wú)論知識(shí)存量是以人均研發(fā)支出，還是加入人力資本和人均專利水平后再去考察知識(shí)溢出效應(yīng)，知識(shí)溢出總效應(yīng)都很大。其中，模型（1）考察人均研發(fā)支出作為知識(shí)存量，知識(shí)溢出總效應(yīng)在1%顯著性水平上為0886%。模型（2）在模型（1）的基礎(chǔ)上加入了人力資本作為知識(shí)存量的替代變量，知識(shí)溢出總效應(yīng)在15%顯著性水平上為0.826%。模型（3）在模型（1）和模型（2）的基礎(chǔ)上再加入人均專利水平作為知識(shí)存量的替代變量，知識(shí)溢出總效應(yīng)在1%顯著性水平上為0.825%。第二，F(xiàn)DI對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的影響顯著，在1%顯著性水平下其影響程度在0.098%—0.11%之間。第三，人均研發(fā)支出對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的效應(yīng)，在不考慮人力資本和人均專利水平的情況下，人均研發(fā)支出對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)具有顯著的效應(yīng)，測(cè)度系數(shù)為0.078%。但是，在加入其他兩個(gè)變量后，沒有通過顯著性檢驗(yàn)，且影響為負(fù)影響。第四，模型（2）和模型（3）回歸結(jié)果顯示，人力資本存量作為知識(shí)存量的替代變量對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)具有顯著性影響，影響系數(shù)在0.652%—0.664%。第五，比對(duì)三種知識(shí)存量溢出效應(yīng)發(fā)現(xiàn)，在僅考慮人均研發(fā)支出作為知識(shí)存量替代變量時(shí)，專業(yè)化指數(shù)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的作用最為顯著，影響系數(shù)為0.02%。在加入人力資本后，三項(xiàng)溢出效應(yīng)都很顯著，多樣化指數(shù)最大，為0407%。在加入人均專利水平時(shí)，競(jìng)爭(zhēng)性指數(shù)即Porter溢出效應(yīng)最為顯著，其他兩個(gè)效應(yīng)都不顯著。

四、穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)SEM模型和鄰近矩陣選擇的穩(wěn)健性，現(xiàn)選用如下兩種方法進(jìn)行穩(wěn)健性檢驗(yàn)。

（一）基于Queen鄰近矩陣和K值鄰近矩陣的穩(wěn)健性檢驗(yàn)

選用Queen鄰近矩陣和K值最鄰近矩陣并進(jìn)行SEM回歸。如表5所示，SEM回歸結(jié)果相差無(wú)幾，表明模型構(gòu)建和使用具有穩(wěn)健性?；赒ueen鄰近矩陣和K值鄰近矩陣，回歸結(jié)果顯示我國(guó)區(qū)域間知識(shí)溢出效應(yīng)明顯;選用Queen鄰近矩陣的知識(shí)溢出總效應(yīng)與Rook鄰近矩陣回歸結(jié)果較為相似，而選用K值最鄰近矩陣做回歸時(shí)，雖然知識(shí)溢出總效應(yīng)有較大幅度降低，但依然很顯著且作用很大。由此可以判斷我國(guó)區(qū)域間存在顯著的知識(shí)溢出效應(yīng)，且溢出效應(yīng)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)影響作用還很強(qiáng)。

（二）基于Morans I 殘差分析的穩(wěn)健性檢驗(yàn)

為進(jìn)一步檢驗(yàn)?zāi)Ｐ秃袜徑仃囀褂檬欠竦卯?dāng)，是否消除了空間自相關(guān)，繼續(xù)對(duì)Rook鄰近矩陣的三個(gè)模型的SEM回歸殘差作Morans I 散點(diǎn)圖分析。，Morans I指數(shù)小于，接近于0，進(jìn)一步表明模型構(gòu)建和使用時(shí)具有穩(wěn)定性，消除了空間自相關(guān)問題，回歸結(jié)果信度高。

五、結(jié)論與啟示

研究表明，作為知識(shí)存量的替代變量，人力資本存量、地區(qū)研發(fā)經(jīng)費(fèi)投入、企業(yè)研發(fā)經(jīng)費(fèi)投入等具有顯著的知識(shí)空間溢出效應(yīng)，對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)具有顯著的影響作用。為提高知識(shí)空間溢出效應(yīng)，促進(jìn)區(qū)域經(jīng)濟(jì)協(xié)同發(fā)展，應(yīng)做到：第一，各地區(qū)特別是欠發(fā)達(dá)地區(qū)應(yīng)充分利用知識(shí)的空間溢出效應(yīng)帶動(dòng)地區(qū)經(jīng)濟(jì)發(fā)展，在制定城市經(jīng)濟(jì)和區(qū)域經(jīng)濟(jì)發(fā)展政策時(shí)，要充分考慮城市化水平對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的作用，要充分考慮怎樣提高人力資本存量，如何吸引高端人才服務(wù)地區(qū)經(jīng)濟(jì)發(fā)展。第二，基于人均資本存量和FDI對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)有較大帶動(dòng)作用，各地區(qū)特別是欠發(fā)達(dá)地區(qū)應(yīng)大力夯實(shí)基礎(chǔ)設(shè)施建設(shè)，擴(kuò)大FDI投資。第三，提高城市集聚度、地方產(chǎn)業(yè)競(jìng)爭(zhēng)性效應(yīng)和多樣化效應(yīng)，提高產(chǎn)業(yè)集聚度，提高本地區(qū)城市化水平，以城市化水平帶來(lái)的多樣性提高產(chǎn)業(yè)的創(chuàng)新水平，加大企業(yè)科研經(jīng)費(fèi)投入以提高知識(shí)的空間溢出效應(yīng)。? 參考文獻(xiàn)：

[1]JAFFE A.B.， TRAJTENBERG M.， HENDERSON R. Geographic Localization of Knowledge Spillovers as Evidenced by Patent Citations[J]. the Quarterly Journal of Economics， 1993，108 （1）：577-598

[2]AUDRETECH D.B.，F(xiàn)ELDMAN M. P. R&D Spillovers and the Geography of Innovation and Production[J]. American Economic Review，1996（86）：630 -640.

[3]ROME P.M，. Endogenous Technological Change[J]. Journal of Political Economy 1990，98（5）：71-102.

[4]MARTIN P. OTTAVIANO G. Growth and Agglomeration[J]. International Economic Review， 2001 （42）：947-968.[5]GRILICHES Z. The Search for R&D Spillovers[J].The Scandinavian Journal of Economics，1992（94）： 29-47

[6]SAXENIAN A. Regional Advantage： Culture and Competition in Silicon Valley and Route 128[M]. Cambridge， MA： Harvard University，1994.

[7]PORTER M. E. Location， Competition and Economic Development： Local Clusters in a Global Economy[J]. Economic Development Quarterly， 2000，14（15）：15-33

[8]BERLINANT M.， FUJITA M. Culture and Diversity in Knowledge Creation[J]. Regional Science& Urban Economics， 2012，42（4）： 648-662

[9]唐松.中國(guó)金融資源配置與區(qū)域經(jīng)濟(jì)增長(zhǎng)差異——基于東、中、西部空間溢出效應(yīng)的實(shí)證研究[J].中國(guó)軟科學(xué)，2014（8）：100-110.

[10]張清正.技術(shù)創(chuàng)新 知識(shí)溢出與區(qū)域經(jīng)濟(jì)增長(zhǎng)[J].統(tǒng)計(jì)與決策，2015（14）：122-124.

[11]譚建新.中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)的空間溢出效應(yīng)究竟有多大[J].江西財(cái)經(jīng)大學(xué)學(xué)報(bào).2015（6）：5-17.

[12]龍志和，蔡杰. 知識(shí)動(dòng)態(tài)溢出對(duì)產(chǎn)業(yè)發(fā)展的影響——來(lái)自中國(guó)省級(jí)面板數(shù)據(jù)的證據(jù)[J]. 南方經(jīng)濟(jì)，2006（4）：5-14.

[13]閆東超， 馬靜. 信息化、空間溢出與區(qū)域經(jīng)濟(jì)增長(zhǎng)[J].經(jīng)濟(jì)問題探索，2016（11）：68-76.

[14]蘇方林. 地級(jí)市R&D知識(shí)溢出的GWR實(shí)證分析[J].數(shù)理統(tǒng)計(jì)與管理，2010（1）：41-51.

[15]ROGRIGUZE M. Innovation， Knowledge Spillover and High-Tech Services in European Regions[J]. Engineering Economics，2014（1）：31-39.

[16]許盈之，朱依曦.知識(shí)溢出與區(qū)域經(jīng)濟(jì)增長(zhǎng)基于空間計(jì)量模型的實(shí)證研究[J].科研管理， 2010（6）：112-115.

[17]ANUPAMA P. and STEHHEN T. Knowledge Spillovers and Alliance Formation[J]. Journal of Management Studies， 2015， 51（7）： 1058-1090.

[18]ALDIERI L.， APRILE M.C.， VINCI C.P.R&D Spillovers Effects on Strategic Behavior of Large International Firms， Working Paper（2015）：76405.

[19]LUIGI A.， CONECETTO P. Knowledge Spillover Effects： A Patent Inventor Approach[J]. Comparative Economic Studies （2016）： 58（1）：1-16.

[20]GHIO N.， GUERINI M.， LEHMANN E.E. The Emergence of the Knowledge Spillover Theory of Entrepreneurship[J]. Small Business Economics， 2015， 44（1）： 1-18.

[21]ACOSTA M.， CORONADO D. & FLORES E. University Spillover and New Business Location in High-Technology Sectors： Spanish Evidence [J]Small Business Economics， 2011， 36（3）：365-376.

[22]高麗娜. 規(guī)模效應(yīng)、創(chuàng)新外部性與區(qū)域經(jīng)濟(jì)增長(zhǎng)——基于中國(guó)新世紀(jì)以來(lái)的數(shù)據(jù)分析[J].西部論壇，2016（3）：54-72.

[23]GREUNZ L. Industrial structure and innovation evidence from European Regions[J]. Evol Economics， 2004（14）：563-592.

[24]吳梅，龍志和.知識(shí)溢出對(duì)廣東高技術(shù)產(chǎn)業(yè)發(fā)展影響的實(shí)證研究[J]. 科學(xué)管理研究2011（1）：156-160.

Abstract： Knowledge spillovers are highly dependent on geographical proximity. the level of knowledge spillover determines the disparity of regional economic development. we empirically measure and analyze the knowledge spillover effect and its impact on regional economic growth based on Griliches-Jaffe Knowledge production function that includes three kinds of knowledge stock substitution variables of R & D expenditure， human capital and patent level by SEM model. The research shows that three knowledge stock variables have significant knowledge spillover effects. the Jacbos Porter effect has a strong positive impact on Chinas regional economic growth. Therefore， it is suggested that knowledge spillovers should be brought into full play in all regions， especially in less developed areas. we should improve urban agglomeration degree， regional human capital stock and increase R &D expenditure to enhance the role of knowledge spillover effect on regional economic growth.

Key words：knowledge spillover; spatial effect; regional economic; SEM model

責(zé)任編輯：蕭敏娜