方大春 裴夢迪

[摘 要] 從異質(zhì)性視角考察省際創(chuàng)新影響因素，有助于把握不同因素在省際間的差別。Moran's I 指數(shù)和LISA聚類結(jié)果表明，中國創(chuàng)新相似水平區(qū)域表現(xiàn)出空間集聚。地理加權(quán)回歸分析表明，在區(qū)域創(chuàng)新水平提高方面，R&D經(jīng)費(fèi)支出對西部地區(qū)促進(jìn)作用最大，R&D人員投入和人均GDP對東中部的促進(jìn)作用大于西部;低水平人力資本抑制創(chuàng)新產(chǎn)出，且對中部地區(qū)的負(fù)效應(yīng)大于東西部;技術(shù)市場水平對西部地區(qū)創(chuàng)新負(fù)作用大于東中部。分位數(shù)回歸分析表明，隨著創(chuàng)新能力提高，R&D經(jīng)費(fèi)支出對區(qū)域創(chuàng)新的促進(jìn)作用降低;R&D人員投入對創(chuàng)新高水平段促進(jìn)作用較大，人力資本對創(chuàng)新中間段水平負(fù)效應(yīng)較大，人均GDP對創(chuàng)新低水平和高水平段的拉動(dòng)作用顯著，技術(shù)市場水平對創(chuàng)新低水平段負(fù)影響較大。為此，東部要打造創(chuàng)新集聚高地，中部要?jiǎng)?chuàng)新體制機(jī)制，西部要加大研發(fā)投入，省際間需構(gòu)建創(chuàng)新協(xié)作機(jī)制。

[關(guān)鍵詞] 區(qū)域創(chuàng)新;空間異質(zhì)性;空間相關(guān)性;地理加權(quán)回歸;分位數(shù)回歸

[中圖分類號(hào)] F127 [文獻(xiàn)標(biāo)識(shí)碼]A ?[文章編號(hào)]1673-0461（2019）09-0036-07

一、引 言

黨的十九大報(bào)告指出，我國經(jīng)濟(jì)已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，要以創(chuàng)新作為經(jīng)濟(jì)發(fā)展的核心動(dòng)力，加快建設(shè)創(chuàng)新型國家。關(guān)于區(qū)域創(chuàng)新的研究主要集中在創(chuàng)新價(jià)值（史自力，2013;王麗潔，2016）、創(chuàng)新績效（白俊紅等，2015;卓乘風(fēng)等，2017）、創(chuàng)新評價(jià)（賀德方，2014;張愛華，2017）、創(chuàng)新因素（王鵬等，2017;李慧，2014）等方面。在創(chuàng)新因素實(shí)證研究中，主要探討不同投入要素貢獻(xiàn)程度（方遠(yuǎn)平等，2012;馮南平等，2017;蘇屹等，2017）和資源優(yōu)化配置效果（王春楊等，2018;王聰?shù)龋?017;賴德勝等，2015）。部分研究已表明我國創(chuàng)新能力存在明顯空間特征（蔣天穎，2014;趙雨涵等，2017），空間特征可能是由外溢性和空間相鄰性導(dǎo)致。那么，在考察區(qū)域創(chuàng)新影響因素實(shí)證研究中需要把空間特征納入，突破傳統(tǒng)經(jīng)濟(jì)學(xué)上把空間看作同質(zhì)性的假設(shè)。為此，從異質(zhì)性視角考察中國省際創(chuàng)新影響因素，有助于把握不同因素在省際間的差別。

二、中國省際創(chuàng)新空間相關(guān)性分析

在分析中國省際創(chuàng)新空間異質(zhì)性之前，首先對中國區(qū)域創(chuàng)新水平的全局和局部空間相關(guān)性進(jìn)行探測。

（一）全局空間相關(guān)性分析

四個(gè)間隔年份中，山東、江蘇、浙江和上海始終處于HH區(qū)域，體現(xiàn)明顯的空間集聚效應(yīng)。廣東、北京和四川一直處于HL區(qū)域，說明這三個(gè)地區(qū)的區(qū)域創(chuàng)新水平相對于周邊地區(qū)較高，表現(xiàn)為高值被低值包圍的集聚特征。江西，廣西、湖南、海南等地區(qū)始終位于LH型區(qū)域，其創(chuàng)新水平總是低于其周邊。大多數(shù)經(jīng)濟(jì)相對較落后地區(qū)（黑龍江，新疆，山西，寧夏等）的區(qū)域創(chuàng)新水平較低，且其周邊地區(qū)均表現(xiàn)為低水平，分布在LL區(qū)域。2016年有22個(gè)省市位于第I、III象限，這些地區(qū)的創(chuàng)新水平集聚程度較明顯，呈現(xiàn)空間正相關(guān)集聚特征。其中，約有53.3%的省市位于LL區(qū)域，有顯著的低低集聚特征。有5個(gè)省份位于第II象限（LH），說明這些地區(qū)創(chuàng)新水平低于周邊。相比于2007年，2016年HH區(qū)域增加了安徽和福建，說明安徽和福建兩地通過提高自身創(chuàng)新能力以及接受周邊地區(qū)創(chuàng)新溢出，其創(chuàng)新水平逐漸提高，依次從LH區(qū)域轉(zhuǎn)變?yōu)镠H區(qū)域。

三、基于GWR模型分析

（一）變量選擇與模型設(shè)定

1.變量選取

考慮到數(shù)據(jù)的可獲得性，確定研究時(shí)段為2007—2016年，研究對象為除西藏、香港地區(qū)、澳門地區(qū)和臺(tái)灣地區(qū)外30個(gè)省、自治區(qū)和直轄市。樣本數(shù)據(jù)來源于各年的《中國統(tǒng)計(jì)年鑒》和《中國科技統(tǒng)計(jì)年鑒》;所有數(shù)據(jù)以2007年為基期年，通過價(jià)格平減消除了相關(guān)變量的價(jià)格影響因素。

創(chuàng)新產(chǎn)出（inv）：國內(nèi)外眾多研究都把專利數(shù)量作為衡量區(qū)域創(chuàng)新的指標(biāo)，故以各年各省市的專利授權(quán)數(shù)來表示各區(qū)域的創(chuàng)新產(chǎn)出水平。

科技投入：專利生產(chǎn)過程中需要投入勞動(dòng)和資本，用地區(qū)研究與試驗(yàn)發(fā)展人員全時(shí)當(dāng)量表示人員投入 （R&Dry）和地區(qū)研究與實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)支出量（R&Dzc）來反映各地區(qū)科技投入。

人力資本（edu）：一般采用平均受教育年限作為人力資本的代理變量。用全部6歲及6歲以上人口的平均受教育年限來衡量，設(shè)定不識(shí)字或識(shí)字很少為0年、小學(xué)為6年、初中為9年、高中為12年、大專及以上為16年。以各受教育水平在人口中的比例為權(quán)重，得到各地區(qū)的平均受教育年限。

區(qū)域創(chuàng)新環(huán)境：一個(gè)地區(qū)創(chuàng)新水平不僅與以上因素有關(guān)，而且與區(qū)域創(chuàng)新環(huán)境緊密相連。采用各?。ㄊ?、自治區(qū)）人均GDP（pgdp）和技術(shù)市場成交金額 （jssc）代表區(qū)域創(chuàng)新環(huán)境。人均GDP可以體現(xiàn)一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)達(dá)程度，能夠全面反映區(qū)域創(chuàng)新的經(jīng)濟(jì)保障支撐要素;技術(shù)市場成交額反映一個(gè)地區(qū)技術(shù)市場的活躍度，技術(shù)市場的發(fā)展可以促進(jìn)知識(shí)流動(dòng)，提高創(chuàng)新資源配置效率。

2.模型設(shè)定

考慮各因素對區(qū)域創(chuàng)新水平的影響，構(gòu)建如模型（3）。為消除數(shù)據(jù)異方差，對各變量取對數(shù)。

從OLS估計(jì)的R2和F檢驗(yàn)結(jié)果來看，模型整體擬合程度較高，體現(xiàn)出所建模型有較好解釋力。AICc值為33.744。通過系數(shù)值可以看出，R&D經(jīng)費(fèi)支出、R&D人員投入以及人均GDP都對區(qū)域創(chuàng)新有正向作用;人力資本水平和技術(shù)市場水平對區(qū)域創(chuàng)新有負(fù)向作用。從p值來看，大多系數(shù)都不顯著，且每個(gè)變量系數(shù)估計(jì)值只有一個(gè)“全局”意義上的估計(jì)值，需進(jìn)一步做局部的地理加權(quán)回歸。

利用SAM4.0軟件運(yùn)行地理加權(quán)回歸模型，計(jì)算各變量回歸系數(shù)。將各因素對區(qū)域創(chuàng)新空間分布影響程度的最小值、分位數(shù)值及最大值詳細(xì)列出，如表3。

整體來看，各因素對區(qū)域創(chuàng)新水平的影響程度有顯著差異，表現(xiàn)為回歸系數(shù)值范圍變動(dòng)幅度較大。OLS的回歸結(jié)果僅代表總體的平均狀況，對局部地區(qū)的預(yù)測效果不佳。從R2和AICc的統(tǒng)計(jì)值來看，GWR模型較優(yōu)于OLS模型。為更詳細(xì)展示GWR的回歸結(jié)果，將每一個(gè)回歸點(diǎn)的系數(shù)估計(jì)值總結(jié)于表4。

由表4可以看出：①地區(qū)R&D經(jīng)費(fèi)支出（lnR&Dzc）對區(qū)域創(chuàng)新水平均有正向促進(jìn)作用，其中影響最小為黑龍江（0.443 3），最大為新疆（1.436 5）。從系數(shù)平均值來看，地區(qū)R&D經(jīng)費(fèi)支出對西部地區(qū)的創(chuàng)新水平影響最大（1.197 1），高于東中部超過0.4個(gè)單位。②地區(qū)R&D人員投入（lnR&Dry）的系數(shù)值除西部地區(qū)的新疆、云南外，都表現(xiàn)為正，且在中東部地區(qū)其對區(qū)域創(chuàng)新的正向促進(jìn)作用遠(yuǎn)大于西部。③人力資本（lnedu）的系數(shù)為負(fù)值，人力資本水平提高對各區(qū)域創(chuàng)新反而有負(fù)作用，且對中部地區(qū)的負(fù)效應(yīng)大于東西部。④人均GDP（lnpgdp）的系數(shù)表現(xiàn)為對區(qū)域創(chuàng)新有正向促進(jìn)作用。東部地區(qū)系數(shù)平均值為0.093 6，明顯高于西部地區(qū)系數(shù)平均值0.045 5。系數(shù)值排名靠前的海南、廣東、福建、廣西、浙江、上海、江西、江蘇、湖南、安徽等地區(qū)，除廣西外，均處中東部地區(qū)，而排名靠后的青海、甘肅、寧夏、內(nèi)蒙古、四川、陜西等省，均處西部地區(qū)。⑤技術(shù)市場水平（lnjssc）的系數(shù)大多表現(xiàn)為負(fù)，影響較大的地區(qū)為新疆、云南、四川、貴州、廣西、青海等西部地區(qū)，影響較小的地區(qū)為吉林、遼寧、天津、北京、上海、山東等中東部地區(qū)。

四、基于分位數(shù)回歸模型分析

分位數(shù)回歸（Quantile Regression）是依據(jù)被解釋變量的條件分位數(shù)對解釋變量進(jìn)行回歸，從而得到多個(gè)分位數(shù)下的回歸模型。分位數(shù)回歸模型并不直接引入空間坐標(biāo)信息，但由于我國省際創(chuàng)新水平存在明顯塊狀發(fā)展特征，且不同地區(qū)具有差異性，故可以達(dá)到異質(zhì)性分析的目的。相比普通最小二乘法只能描述被解釋變量的均值回歸，分位數(shù)模型更能精確刻畫自變量對不同部分因變量的分布產(chǎn)生的不同影響，并且采用面板數(shù)據(jù)進(jìn)行分位數(shù)回歸的各參數(shù)估計(jì)比OLS回歸估計(jì)更穩(wěn)健。基于這個(gè)特點(diǎn)，沿用模型（3）進(jìn)行面板分位數(shù)回歸，研究不同區(qū)域創(chuàng)新水平上各因素的影響差異。這里列出0.1、0.3、0.5、0.7、0.9各分位點(diǎn)的參數(shù)估計(jì)結(jié)果，如表5所示。

通過分位數(shù)回歸結(jié)果可以看出，當(dāng)區(qū)域創(chuàng)新能力處于不同水平上時(shí)，各因素對其影響有很大差異。

R&D經(jīng)費(fèi)支出（lnR&Dzc）的系數(shù)估計(jì)值均顯著為正，說明其對區(qū)域創(chuàng)新的正向促進(jìn)作用明顯。但是其系數(shù)值隨著分位點(diǎn)的提高總體下降，即隨著區(qū)域創(chuàng)新能力的提高，R&D經(jīng)費(fèi)支出對區(qū)域創(chuàng)新水平的影響作用在降低。R&D人員投入（lnR&Dry）在分位數(shù)較高點(diǎn)的系數(shù)估計(jì)值最大，且顯著為正，即在創(chuàng)新能力較高區(qū)域，增加R&D人員投入顯著提高當(dāng)?shù)貏?chuàng)新產(chǎn)出。

人力資本（lnedu）在各個(gè)分位點(diǎn)的系數(shù)估計(jì)值為負(fù)，且大多顯著。這可能是因?yàn)楫?dāng)前我國人力資本水平總體不高（樣本中人均受教育年限在7.46年至11.54年之間），相對低端的人力資本對區(qū)域創(chuàng)新活動(dòng)的推動(dòng)作用有限，甚至可能會(huì)抑制創(chuàng)新產(chǎn)出，這與劉曙光等（2017）的研究結(jié)論一致。隨著分位點(diǎn)的提高，人力資本水平對區(qū)域創(chuàng)新的負(fù)作用先增大后減小，即對區(qū)域創(chuàng)新水平處于中間段的負(fù)面效應(yīng)大于低水平區(qū)域和高水平區(qū)域。

區(qū)域經(jīng)濟(jì)實(shí)力（lnpgdp）對區(qū)域創(chuàng)新有正向影響。在區(qū)域創(chuàng)新水平位于低分位點(diǎn)（0.1）和高分位點(diǎn)（0.9）時(shí)，人均GDP增長對創(chuàng)新的拉動(dòng)作用較為顯著。在分位數(shù)處于中間段的時(shí)候，其顯著性不明顯，且隨著分位數(shù)提高，影響強(qiáng)度總體下降。創(chuàng)新低水平區(qū)域，需要打好經(jīng)濟(jì)基礎(chǔ)，支撐創(chuàng)新增長，創(chuàng)新高水平區(qū)域，同樣需要通過強(qiáng)大經(jīng)濟(jì)實(shí)力來提升核心競爭力。

技術(shù)市場水平（lnjssc）的系數(shù)估計(jì)值均顯著為負(fù)，說明技術(shù)市場水平的提升對區(qū)域創(chuàng)新有明顯負(fù)效應(yīng)。隨著分位點(diǎn)的提高，其對區(qū)域創(chuàng)新水平的負(fù)面影響先下降后提升。出現(xiàn)這種情況的原因可能有兩方面：一是創(chuàng)新能力處于低分位點(diǎn)時(shí)，地區(qū)經(jīng)濟(jì)發(fā)展水平相對落后，對創(chuàng)新的需求和消化能力較弱，技術(shù)市場水平的提高不能發(fā)揮其對區(qū)域創(chuàng)新能力的促進(jìn)作用。二是創(chuàng)新水平處于較高點(diǎn)時(shí)，存在較強(qiáng)技術(shù)外溢，創(chuàng)新高地的技術(shù)溢出到其他地區(qū)，使得技術(shù)市場活躍度不能很好轉(zhuǎn)化為當(dāng)?shù)貐^(qū)域創(chuàng)新能力。

五、結(jié)論與建議

采用Moran's I 指數(shù)和 LISA 指數(shù)對2007—2016年中國30個(gè)省市（自治區(qū)）①區(qū)域創(chuàng)新水平的全局和局部空間相關(guān)性進(jìn)行探測，并利用地理加權(quán)回歸和分位數(shù)回歸探討各因素對區(qū)域創(chuàng)新的具體影響。研究得出以下主要結(jié)論：

第一，樣本期間內(nèi)，我國各區(qū)域創(chuàng)新水平之間存在正向空間相關(guān)性，相似水平的區(qū)域表現(xiàn)出空間集聚，且集聚程度總體加強(qiáng)。局部空間相關(guān)性分析表明，東部地區(qū)的山東、江蘇、浙江和上海始終處于HH區(qū)域，體現(xiàn)明顯的高高空間集聚效應(yīng)。廣東、北京和四川一直處于HL區(qū)域，其區(qū)域創(chuàng)新水平相對于周邊地區(qū)較高，表現(xiàn)為高值被低值包圍的集聚特征。江西、廣西、湖南和海南等地區(qū)始終位于LH區(qū)域，其創(chuàng)新水平總是低于其周邊區(qū)域。黑龍江，新疆，山西，寧夏等經(jīng)濟(jì)欠發(fā)達(dá)西部地區(qū)的區(qū)域創(chuàng)新水平較低，且其周邊地區(qū)均表現(xiàn)為低水平，分布在LL區(qū)域，呈現(xiàn)低低集聚模式。近年來，安徽和福建兩地創(chuàng)新水平逐漸提高，依次從LH區(qū)域轉(zhuǎn)變?yōu)镠H區(qū)域。

第二，創(chuàng)新水平的影響因素對各區(qū)域創(chuàng)新能力的效應(yīng)有所不同，區(qū)別于OLS那樣僅有一個(gè)簡單的平均估計(jì)值。具體表現(xiàn)為隨空間位置的變動(dòng)，回歸系數(shù)值的范圍變動(dòng)幅度較大，影響強(qiáng)度有顯著差異。個(gè)別變量在不同地區(qū)表現(xiàn)為正負(fù)不同的影響，可能是由于各個(gè)地區(qū)有著不同的經(jīng)濟(jì)條件、創(chuàng)新體制、產(chǎn)業(yè)結(jié)構(gòu)等原因使估計(jì)系數(shù)具有空間非平穩(wěn)性。模型擬合優(yōu)度也存在空間差異，但都較好擬合數(shù)據(jù)，GWR模型較優(yōu)于OLS模型。

第三，地理加權(quán)回歸分析表明，在區(qū)域創(chuàng)新水平提高方面，R&D經(jīng)費(fèi)支出對西部地區(qū)促進(jìn)作用最大，高于東中部地區(qū)超過0.4個(gè)單位。R&D人員投入和人均GDP對東中部的促進(jìn)作用大于西部地區(qū)。人力資本水平提高對各區(qū)域創(chuàng)新有負(fù)作用，且對中部的負(fù)效應(yīng)大于東西部地區(qū)，低端人力資本抑制創(chuàng)新產(chǎn)出。技術(shù)市場水平對西部地區(qū)創(chuàng)新負(fù)作用大于東中部地區(qū)。

第四，分位數(shù)回歸表明，當(dāng)區(qū)域創(chuàng)新能力處于不同水平上時(shí)，各因素對其影響有很大差異。隨創(chuàng)新能力的提高，R&D經(jīng)費(fèi)支出對區(qū)域創(chuàng)新的促進(jìn)作用降低。R&D人員投入對創(chuàng)新高水平段影響較大，人力資本對創(chuàng)新水平中間段的負(fù)效應(yīng)大于低水平和高水平段，低端人力資本抑制創(chuàng)新產(chǎn)出。人均GDP對創(chuàng)新低水平和高水平段的拉動(dòng)作用顯著，技術(shù)市場水平對創(chuàng)新低水平和高水平段的負(fù)影響較大。

基于以上結(jié)論，提出相關(guān)政策建議。

第一，東部打造創(chuàng)新集聚高地，發(fā)揮空間外溢效應(yīng)。對于江蘇、浙江、上海、北京、廣東等東部創(chuàng)新高區(qū)域，加快形成創(chuàng)新集聚高地，發(fā)揮對相鄰中部省份的溢出效應(yīng)，逐步形成高高集聚空間;進(jìn)一步增加R&D人員投入，發(fā)揮其對創(chuàng)新水平的顯著促進(jìn)作用。

第二，中部創(chuàng)新體制機(jī)制，主動(dòng)接受輻射效應(yīng)。中部應(yīng)該著力打破當(dāng)?shù)嘏c周邊創(chuàng)新高地之間的創(chuàng)新溢出壁壘，接受周邊創(chuàng)新高地的輻射效應(yīng)，加強(qiáng)與創(chuàng)新高地的全方位合作，努力提高創(chuàng)新水平。加大對高端教育的投入，不斷吸引、培育高層次人才，使人力資本提升成為提高區(qū)域創(chuàng)新水平的重要推手。

第三，優(yōu)化創(chuàng)新投入資源配置，加大西部研發(fā)經(jīng)費(fèi)投入。西部地區(qū)經(jīng)濟(jì)水平落后，依靠當(dāng)?shù)刎?cái)政很難保持對創(chuàng)新水平活動(dòng)的維持。因此，從國家大局、地區(qū)創(chuàng)新平衡方面綜合考慮，應(yīng)加大西部研發(fā)經(jīng)費(fèi)投入，實(shí)現(xiàn)全國創(chuàng)新水平的總體提高。

第四，搭建技術(shù)交流平臺(tái)，構(gòu)建創(chuàng)新協(xié)作機(jī)制。技術(shù)市場活躍度不能很好轉(zhuǎn)化為區(qū)域創(chuàng)新能力，因此政府要搭建技術(shù)交流平臺(tái)，促進(jìn)知識(shí)雙向流動(dòng)，構(gòu)建創(chuàng)新協(xié)作機(jī)制，提高創(chuàng)新資源配置效率，進(jìn)而提高各地區(qū)創(chuàng)新水平。

[注 釋]

① 研究對象為除西藏、香港地區(qū)、澳門地區(qū)和臺(tái)灣地區(qū)外30個(gè)省、自治區(qū)和直轄市。[參考文獻(xiàn)]

[1]史自力.區(qū)域創(chuàng)新能力與經(jīng)濟(jì)增長質(zhì)量關(guān)系的實(shí)證研究[J].重慶大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2013，19（6）：1-8.

[2]王麗潔.區(qū)域創(chuàng)新能力與經(jīng)濟(jì)增長動(dòng)態(tài)關(guān)系研究[J].統(tǒng)計(jì)與決策，2016（16）：142-144.

[3]白俊紅，蔣伏心.協(xié)同創(chuàng)新、空間關(guān)聯(lián)與區(qū)域創(chuàng)新績效[J].經(jīng)濟(jì)研究，2015，50（7）：174-187.

[4]卓乘風(fēng)，鄧峰.創(chuàng)新要素流動(dòng)與區(qū)域創(chuàng)新績效——空間視角下政府調(diào)節(jié)作用的非線性檢驗(yàn)[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2017，38（7）：15-26.

[5]賀德方.創(chuàng)新型國家評價(jià)方法體系構(gòu)建研究[J].中國軟科學(xué)，2014（6）：117-128.

[6]張愛華.區(qū)域創(chuàng)新評價(jià)指標(biāo)體系構(gòu)建[J].統(tǒng)計(jì)與決策，2017（24）：51-54.

[7]王鵬，高妍伶俐.中國區(qū)域創(chuàng)新能力差異的實(shí)證研究——兼評各地區(qū)創(chuàng)新能力的影響因素[J]. 南京工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017，16（1）：121-128.

[8]李慧. 區(qū)域創(chuàng)新產(chǎn)出影響因素與地區(qū)差異的實(shí)證研究——基于江蘇省13個(gè)地級市面板數(shù)據(jù)的分析[J].華東經(jīng)濟(jì)管理，2014，28（6）：8-13.

[9]方遠(yuǎn)平，謝蔓.創(chuàng)新要素的空間分布及其對區(qū)域創(chuàng)新產(chǎn)出的影響——基于中國省域的ESDAGWR分析[J].經(jīng)濟(jì)地理，2012，32（9）：8-14.

[10]馮南平，陳思宇，司家蘭. 基于ESDAGWR的安徽省創(chuàng)新產(chǎn)出空間分布及影響因素分析[J].科技管理研究，2017，37（11）：78-85.

[11]蘇屹，林周周.區(qū)域創(chuàng)新活動(dòng)的空間效應(yīng)及影響因素研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2017，34（11）：63-80.

[12]王春楊，吳國譽(yù).研發(fā)資源配置、溢出效應(yīng)與中國省域創(chuàng)新空間格局[J].研究與發(fā)展管理，2018，30（1）：106-114.

[13]王聰，朱先奇，劉玎琳，等.京津冀協(xié)同發(fā)展中科技資源配置效率研究——基于超效率DEA-面板Tobit兩階段法[J].科技進(jìn)步與對策，2017，34（19）：47-52.

[14]賴德勝，紀(jì)雯雯.人力資本配置與創(chuàng)新[J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2015（3）：22-30.

[15]蔣天穎.浙江省區(qū)域創(chuàng)新產(chǎn)出空間分異特征及成因[J].地理研究，2014，33（10）：1825-1836.

[16]趙雨涵，宋旭光. 我國區(qū)域創(chuàng)新空間關(guān)聯(lián)的測度與分析——兼論區(qū)域創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)的動(dòng)態(tài)特征[J].西南民族大學(xué)學(xué)報(bào)（人文社科版），2017，38（7）：84-92.

[17]TOBLER W R. A computer movie simulating urban growth in the Detroit region[J]. Economic geography， 1970， 46（2）：234-240.

[18]BOWMAN AW. An alternative method of crossvalidation for the smoothing of density estimates[J]. Biometrika， 1984：71.

[19]FOTHERINGHAM A S， BRUNSDON C ， CHARLTON ME. Geographically weighted regression： the analysis of spatially varying relationships[M]. West Sussex： John Wiley &Sons Ltd.， 2002.

[20]劉曙光，張涵.人力資本與歐盟區(qū)域創(chuàng)新活動(dòng)研究——基于探索性空間數(shù)據(jù)分析和地理加權(quán)回歸模型[J].科技管理研究，2017，37（19）：155-163。

Abstract： To investigate the influencing factors of innovation between provinces from the perspective of heterogeneity is helpful to grasp the differences of different factors between provinces. The results of the Moran's I index and the LISA cluster show that，Chinese innovation level presents spatial correlation，and similar horizontal areas exhibit spatial agglomeration. GWR shows that， In terms of increasing regional innovation， R&D expenditure has the greatest impact on the western region;R&D personnel investment and per capita GDP have contributed more to the Eastern and central regions than to the West. Lowend human capital inhibits innovation output， and the negative effect on the central region is greater than that of the Eastern and western regions. The technology market level has more negative effects on innovation in the West than in the East and middle regions. The quantile regression shows that with the improvement of innovation ability， R&D expenditure reduces the contribution of regional innovation; R&D personnel investment has a greater impact on the low and high levels of innovation. The negative effect of human capital on the intermediate levels of innovation is greater than that of the low and high levels. Per capita GDP has a significant pull effect on the low and high levels of innovation. The level of technology market has a negative impact on the low level and high level of innovation. To this end， the eastern part of the country needs to create a Highland of innovation， the central part needs to innovate institutional mechanisms， the western part needs to increase investment in research and development， and build innovative cooperation mechanisms between provinces.

Key words： regional innovation; spatial heterogeneity; spatial relevance; GWR; quantile regression

（責(zé)任編輯：張夢楠）