摘要：隨著我國經(jīng)濟實力的持續(xù)提升，傳統(tǒng)的經(jīng)濟增長方式已漸漸無法適應(yīng)我國當代的經(jīng)濟發(fā)展。以技術(shù)創(chuàng)新為核心的發(fā)展方式才是延續(xù)我國經(jīng)濟發(fā)展的必經(jīng)之路。因此，研究技術(shù)創(chuàng)新對區(qū)域經(jīng)濟發(fā)展的協(xié)同影響具有重大意義。

關(guān)鍵詞：區(qū)域經(jīng)濟高質(zhì)量發(fā)展;技術(shù)創(chuàng)新;空間計量模型

一、絲綢之路經(jīng)濟帶背景下創(chuàng)新發(fā)展存在的問題

我國絲綢之路經(jīng)濟帶沿線城市技術(shù)創(chuàng)新資源分配十分不均衡，整體創(chuàng)新水平不高，有些地方仍然延續(xù)粗放型經(jīng)濟發(fā)展方式。以區(qū)域經(jīng)濟質(zhì)量提升實現(xiàn)對中國經(jīng)濟帶動式發(fā)展，樹立絲綢之路經(jīng)濟帶區(qū)域經(jīng)濟新形象，幫助各地政府有效制定創(chuàng)新政策，進一步推動我國西部地區(qū)創(chuàng)新能力，提升創(chuàng)新產(chǎn)出轉(zhuǎn)化為經(jīng)濟成果的效率，使各區(qū)域?qū)崿F(xiàn)經(jīng)濟高質(zhì)量發(fā)展。

二、基于主成分分析的區(qū)域技術(shù)創(chuàng)新水平評價

區(qū)域技術(shù)創(chuàng)新水平評價應(yīng)該基于客觀數(shù)據(jù)之上，由于變量間存在一定的共線性關(guān)系，為使評價結(jié)果更加客觀公正，本文使用主成分分析方法對變量進行處理，以主成分分析后的變量作為模型的解釋變量。由于區(qū)域創(chuàng)新能力評價相互指標間存在一定的相關(guān)性，同時用這些指標探究區(qū)域之間的技術(shù)創(chuàng)新空間關(guān)系會使得信息重復，從而導致分析變得困難且結(jié)果說服力不足。通過主成分分析法，不僅能反映原來指標體現(xiàn)的主要信息，且避免了信息重復導致的虛假性。根據(jù)表1選出的技術(shù)創(chuàng)新評價指標，構(gòu)建主成分分析法所需要的變量及編號：

以上述技術(shù)創(chuàng)新指標作為模型的解釋變量x=（x1，...，x9）以各省GDP作為被解釋變量y，由于各評價指標的性質(zhì)不同，其量綱和數(shù)量級存在差異，因此，對所有變量數(shù)據(jù)做標準化處理，即

其中，xi表示第i個評價指標，表[xi]示該評價指標的均值sd（xi）表示該評價指標的標準差。由于變量間存在一定的共線性關(guān)系，為使評價結(jié)果更加客觀公正，分別對2018年技術(shù)創(chuàng)新投入能力和產(chǎn)出能力進行主成分分析，結(jié)果如表2（結(jié)果保留3位小數(shù)）：

表2中前3個主成分的累計貢獻率已達到97.2%，表3中前2個主成分的累計貢獻率已達到92.7%，均已充分提取原技術(shù)創(chuàng)新投入能力和產(chǎn)出能力的數(shù)據(jù)信息。因此，選取技術(shù)創(chuàng)新投入能力指標的前3個主成分以及產(chǎn)出能力指標的前2個主成分作為解釋變量進行后續(xù)分析，記作Z1，Z2，Z3，Z4，Z5。其中，Z1表示技術(shù)創(chuàng)新投入能力的綜合實力，Z2表示用于技術(shù)創(chuàng)新投入經(jīng)費的支出，Z3表示技術(shù)創(chuàng)新投入的課題及項目數(shù)，Z4表示技術(shù)創(chuàng)新產(chǎn)出能力的綜合實力，Z5表示技術(shù)創(chuàng)新產(chǎn)出總值。對2012-2017年主成分分析因子個數(shù)與2018年相同，在此不再贅述。以上述指標作為解釋變量Z=（Z1，Z2，Z3，Z4，Z5），各省份GDP值作為被解釋變量[y]，以各省份地理空間位置結(jié)構(gòu)構(gòu)建空間權(quán)重矩陣，其中權(quán)重矩陣是行標準化的，構(gòu)建如下SAR模型：

三、技術(shù)創(chuàng)新對經(jīng)濟增長質(zhì)量影響的實證分析

空間相關(guān)性檢驗。在進行空間計量分析之前，首先要確定的是目標區(qū)域之間是否存在空間自相關(guān)性。根據(jù)Anselin的空間計量理論，區(qū)域間地理空間距離相對較近的省份之間的技術(shù)創(chuàng)新溢出的關(guān)系，比地理空間較遠的省份之間更為密切?？臻g自相關(guān)能夠刻畫空間單元屬性值的聚集特征，全局空間自相關(guān)性反映了考察變量在全部區(qū)域范圍內(nèi)空間相關(guān)的整體趨勢，常用的檢驗指標是1948年Moran提出的全局Moran指數(shù) （ Morans I） 。其計算公式如下所示：

由上圖可見，Morans I值總體呈現(xiàn)出逐漸增大的趨勢，可見隨著國家發(fā)展戰(zhàn)略的扶持，“絲綢之路經(jīng)濟帶”上我國各省份經(jīng)濟之間的相關(guān)性越來越明顯，因此，建立空間自相關(guān)模型以分析技術(shù)創(chuàng)新對區(qū)域經(jīng)濟的影響。

四、實證檢驗

1.變量選取與數(shù)據(jù)整理

通過結(jié)合Gibbs方法和M-H方法，利用R軟件對未知參數(shù)進行10000次迭代抽樣，直至馬爾科夫鏈收斂為止，取后5000次抽樣作為參數(shù)的抽樣結(jié)果，根據(jù)上述MCMC方法對模型參數(shù)就行估計。在對技術(shù)創(chuàng)新與區(qū)域經(jīng)濟之間的影響關(guān)系進行實例分析時，本文對2012-2018年數(shù)據(jù)分析的結(jié)果如表4（結(jié)果保留3位小數(shù)）：

2.實證結(jié)果及分析

從實證結(jié)果來看，應(yīng)用空間自回歸模型分析技術(shù)創(chuàng)新與區(qū)域經(jīng)濟的影響關(guān)系是可行的，其模型的擬合結(jié)果與實際值相差無幾，驗證了我國“絲綢之路經(jīng)濟帶”上各省份經(jīng)濟的空間相關(guān)性，并通過建立空間計量模型研究技術(shù)創(chuàng)新對區(qū)域經(jīng)濟的影響，得出如下結(jié)論：

技術(shù)創(chuàng)新投入能力的綜合實力對區(qū)域經(jīng)濟的影響主要呈現(xiàn)出負向影響，但影響的程度在逐漸降低，表明我國的技術(shù)創(chuàng)新綜合能力轉(zhuǎn)化為經(jīng)濟效益的能力在減弱，對經(jīng)濟增長的促進作用不明顯，可能是因為技術(shù)創(chuàng)新資源轉(zhuǎn)化為經(jīng)濟效益的周期較長，在較短時間內(nèi)對經(jīng)濟的影響不明顯。技術(shù)創(chuàng)新投入經(jīng)費的支出對區(qū)域經(jīng)濟的主要呈現(xiàn)出正向影響，但影響程度也在逐漸減小，可能是由于國家戰(zhàn)略的扶持以及建設(shè)科技強國的需求，GDP中用于技術(shù)創(chuàng)新的費用占比在逐步增加，導致技術(shù)創(chuàng)新投入經(jīng)費的支出對區(qū)域經(jīng)濟的影響越來越小，甚至呈現(xiàn)出負向影響。技術(shù)創(chuàng)新投入的課題及項目數(shù)對區(qū)域經(jīng)濟的影響也在逐漸減小且影響程度相對其他指標的影響程度也較小，可能是由于技術(shù)創(chuàng)新投入的課題及項目的實施周期較長，其課題及項目結(jié)果轉(zhuǎn)化為經(jīng)濟效益的時間也較長。技術(shù)創(chuàng)新產(chǎn)出能力的綜合實力及技術(shù)創(chuàng)新產(chǎn)出總值對區(qū)域經(jīng)濟的影響均是越來越大，表明提高技術(shù)創(chuàng)新產(chǎn)出能力可有效促進區(qū)域經(jīng)濟的增長。

通過上述實證分析結(jié)果來看，加大對技術(shù)創(chuàng)新前期投入的扶持力度，加大對科研及教育的投入，培養(yǎng)更多科技創(chuàng)新人才;提高高校及企業(yè)對技術(shù)創(chuàng)新的積極性，增加高等學校R&D課題及國家產(chǎn)業(yè)化計劃項目的數(shù)量及質(zhì)量;加強對技術(shù)創(chuàng)新的合作交流，提高技術(shù)創(chuàng)新資源到經(jīng)濟效益的轉(zhuǎn)化能力。同時，隨著創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的深入實施，技術(shù)創(chuàng)新對提升區(qū)域經(jīng)濟及綜合國力也將起著越來越重要的促進作用。充分利用部分區(qū)域的資源優(yōu)勢，帶動其他地區(qū)的經(jīng)濟發(fā)展，加速推進由中國制造到中國智造的轉(zhuǎn)變。

參考文獻：

[1]Anselin L. Spatial Econometrics： Methods and Models[J].Economic Geography，1988，65（2）：160-162.

[2]Lee L. Asymptotic Distributions of Quasi‐Maximum Likelihood Estimators for Spatial Autoregressive Models[J].Econometrica，2004，72（6）：1899-1925.

[3]Conley T G. Econometric modelling of cross-sectional dependence[J].1997.

[4]Kelejian H H， Prucha I R. A generalized moments estimator for the autoregressive parameter in a spatial model[J].International economic review，1999，40（2）：509-533.

[5]詹姆斯·勒莎杰，凱利·佩斯 著.肖光恩，楊勇，熊靈 譯.空間計量經(jīng)濟學導論[M].北京：北京大學出版社，2014.

作者簡介：

周蕾（1995.3-? ），女，漢族，新疆巴州人，統(tǒng)計學碩士。