——以高技术产业为例
张玉明 聂艳华 李凯
摘 要:运用空间计量经济学模型,以高技术产业为例,对三种类型的知识溢出对中国省际区域创新产出的影响以及空间相关性问题进行了实证分析。结果发现,中国31个省际区域的创新活动存在空间依赖性,高技术产业的专业化、多样化,省际区域的人力资本对区域创新产出具有正向促进作用。区域创新活动的空间依赖性要求各省际区域在制定区域经济政策时要充分考虑知识溢出的地理特性,加强区域合作。
关键词:知识溢出,创新产出,空间计量经济模,高技术产业
一、引言
知识溢出是指一个部门在对外进行经济、业务交往活动时,其知识和技术的自然输出和外漏。对知识溢出的研究,形成了三种类型的知识溢出。一种称为MAR溢出,以Marshall(1890),Arrow(1962),Romer(1986,1990)为代表;第二种称为Jacobs溢出,以Jacobs(1969)为代表;第三种称为Porter溢出,以Porter(1990)为代表。
在知识溢出理论发展基础上,一些研究者使用实证方法研究知识溢出对创新产出的影响及其机理。Audretsch和Feldman(1996)考证了产业活动地理集群的范围,发现产业活动的地理集群和知识溢出存在关联,证实了创新活动地理集群的原因是知识溢出的作用,而不仅仅是生产的地理集中。Anselin和Varga(1997),Anselin、Varga和Acs(2000)利用美国125个主要都市区域的数据,对创新进行测量,考察了大学研究与高技术公司的创新活动之间的局域技术溢出问题。他们测量知识溢出的方法是通过特定的一组空间滞后变量来测量中心区域一定距离范围内的区域与周围城市中的大学和私人R&D的相互影响。研究结果表明大学研究的溢出对区域创新有正的显著的影响。Feldman和Audretsch(1999)对与经济活动相关的专业化和多样化程度对创新产出的影响进行直接测量。为了检验专业化或多样化更有益于创新产出和持续的经济增长,他们建立了一个估计模型,以创新产出为被解释变量,解释变量是专业化、多样化和地方竞争。通过研究具体区域的特定产业的创新活动,他们发现专业化不能促进创新产出的证据。结果指出有相同公共科学基础的互补产业间的多样化比专业化更有益于创新。除此之外,结果指出一个城市内的对于创新的地方竞争比地方垄断更有益于创新活动。
上述研究的主要缺点是把讨论的地理实体看作是孤立的,没有考虑不同区域间可能有相互依赖关系的情况。尽管承认作为报酬递增关键机制的知识外部性明显地受地理因素的影响,但在知识溢出过程中空间影响的作用在研究中被忽略。本文将采用空间计量经济学方法,联系知识溢出的空间影响对中国省级区域创新产出受高技术产业知识外部性不同来源影响进行估计。
二、样本数据和变量选择
因为主要目的是通过知识外部性对创新产出的影响进行检验,所以,把创新产出设为模型的被解释变量。本文将对知识溢出对省际区域创新产出的影响及其空间相关性进行检验和分析。
本文采用的高技术产业的相关数据来自于中国统计出版社出版的2002—2006年的中国高技术产业统计年鉴,它是根据国家统计局2002年颁布的《高技术产业统计分类目录》加工整理。因此在计算高技术产业多样化时,是按照此年鉴中的分类情况进行计算的。
被解释变量创新产出(INNOV)。目前,大多数研究人员(Bode,E.,2004,等)把专利作为创新产出的度量指标。由于专利比较接近创新的商业应用和专利数据能比较全面地反映各地区发明和创新信息,故专利是常用来衡量地区创新能力和创新产出的指标。遵循一般做法(Bode,E.,2004,等),本文采用各个省际区域每10万工人拥有的专利授权数作为衡量各省际区域创新产出的基本指标。
本文根据Glaeser et al.(1992)建立的方法构造知识外部性变量。为了反映省际区域内的高技术产业的专业化程度,对作为解释变量的专业化水平进行测量,专业化水平(SPEC)被定义为某省际区域的高技术产业产出占工业产出的份额与全国的高技术产业产出占工业产出的份额之比。专业化变量系数β预期为正的,表明省际区域内的高技术产业专业化水平的提高会更有益于创新活动。
为了确定高技术产业内各种类之间的多样化对创新产出的影响,在本研究中,多样化水平(DIV)的测量定义为表示省际区域中一个高技术产业种类j的产出占省际区域中的高技术产业的产出份额。多样化变量系数β2预期为正的,表明高技术产业之中的多样化水平越高,就越有益于创新活动。
高技术产业的地方竞争(COMP)定义为某省际区域的高技术产业的单位产出的企业数除以全国的高技术产业的单位产出的企业数。高技术产业的本地竞争对创新活动的影响可能是不确定的,竞争变量系数的符号待定。
因为生产性知识的知识溢出地理地被限制在省际区域内,在区域内能够得到这些知识,在这种情况下,考察知识溢出对创新产出的影响主要看各省际区域是否拥有更多的知识型人才,因为知识型人才被预期创造更多的创新产出。因此,本文在回归估计中把人力资本(HK)作为控制变量,人力资本变量是通过15—65岁以上人口中大学毕业生所占的比例衡量,本文选择各省际区域每10万人口拥有大学毕业生比例作为一个地区拥有人力资本的替代。因为在省际区域中高比例的受过高等教育人口会提高创新产出,所以人力资本变量的系数被预期是正的。
三、实证分析结果
1.基本模型的建立和估计
以每10万人专利授权数(INNOV)代表区域创新活动强度,为被解释变量,以高技术产业专业化(SPEC)、多样化(DIV)、地方竞争(COMP)和每10万人口拥有大学毕业生数即人力资本(HK)为解释变量,建立双对数线性的区域创新活动的基本估计模型为:
ln INNOV=β0+β1ln SPEC+β2ln DIV+β3ln COMP+β4ln HK+ε (1)
其中,β为回归参数,向量ε为随机误差项。
本文选择的被解释变量和解释变量均按照2005年的各项统计值计算,对省际区域创新产出进行回归估计,OLS估计结果见表1。
2.空间自相关性检验
检测2005年中国31个省际区域创新活动在地理空间上的相关性即空间相互依赖性。省际区域创新活动的Moran指数为0.3862,Moran I的正态统计量值为54.81大于正态分布函数在0.01水平下的临界值(1.96),表明中国31个省际区域的创新活动在空间分布上具有明显的正自相关关系。因此,有必要在使用省际区域数据进行研究时纳入空间相关性的空间计量经济模型进行估计。
3.空间计量经济估计与分析
空间相关分析已经定量证明了中国省际区域创新活动具有空间依赖性,以中国大陆31个省际区域为空间单元,需要采用空间计量经济模型,进行省际区域创新活动强度对数(LNINNOV)的空间计量经济检验和估计。
按照空间计量经济学方法,首先进行普通最小二乘(OLS)法的估计(参数估计结果见表1)。再根据Anselin判别准则来判断空间计量经济学模型选择,然后利用极大似然(ML)法进行估计(参数估计结果如表2所示)。
由表1可知,OLS估计的31个省际区域创新活动强度函数的拟合优度达到91.51%,F值为2487.54,模型整体上通过了1%水平的显著性检验。变量的显著性检验显示,专业化(SPEC)、多样化(DIV)的回归系数符号均为正,并且是高度显著的(P<0.001),说明它们对创新产出有显著的正效应,与预期基本一致;但是,高技术产业的地方竞争(COMP)对创新产出的影响是负的,但未能通过10%的变量显著性检验。正如所期望的,人力资本变量(HK)的系数是正的和高度显著的(P<0.001),意味着较高的人力资本水平会大大提高创新产出。如果不考虑省际区域创新之间的相互作用,分析也就到此为止了。但由于前述的空间统计的Moran指数检验已经证明了31个省际区域的创新活动之间具有明显的空间自相关性,说明忽视空间自相关性直接采用OLS法建立模型进行估计分析存在遗漏重要变量的问题,或者是模型设定有问题,如未能考虑截面单元(省际区域)之间的空间相关性。
为了进一步验证空间自相关性的存在,由表1中的Moran指数检验、两个拉格朗日乘数的空间相关性检验结果显示,Moran指数(误差)检验表明,经典回归误差的空间相关性非常显著(P<0.001)。同时为了区分是内生的空间滞后还是空间误差自相关,根据Anselin判别准则,表1中的拉格朗日乘子误差和滞后及其稳健性检验表明,LM-ERr、稳健(Robust)的LM-ERr通过了1%水平的显著性检验,LM-LAG未能通过10%水平的显著性检验,而稳健(Robust)的LM-LAG仅通过了10%水平的显著性检验,因此,选择空间误差模型进行估计是恰当的。使用空间误差模型对省际区域创新产出进行回归估计,估计结果见表2。
比较表1和表2的检验结果发现,空间误差模型比OLS估计模型要好,空间误差模型的拟合优度检验值高于OLS模型,当然,由于采用最大似然法估计参数,基于残差平方和分解的拟合优度检验的意义不是很大,但我们可以根据Akaike数据标准(AIC)从950.586减少到931.12进行判断。从估计结果看,空间误差模型展现较好的对数据的拟合。除了高技术产业地方竞争系数外,所有的系数均高度显著(P<0.001)。这一个结果清楚地表明通过空间误差相关变量,纠正了空间自相关的潜在的偏差影响。同时说明基于OLS法的经典线性回归模型由于遗漏了空间误差自相关性而设定的模型不够恰当。这也说明省际区域之间的创新活动不可能没有关系。而以往的研究大多假定地区之间相互独立,导致了基于OLS法估计结果及推论可能不够可靠,因此,需要通过引入空间差异性和空间相关性对经典的线性模型进行修正。
四、结论
本文在省际区域水平上对高技术产业的专业化、多样化和地方竞争对创新产出的作用和空间影响机制进行了计量检验,确定了不同形式知识外部性对创新绩效的相对重要性。分析的主要结果是:省际区域的创新活动受高技术产业的专业化外部性和多样化外部性的影响,即存在MAR溢出和Jacobs溢出对区域创新活动的影响,但是高技术产业的地方竞争对区域创新活动的影响不显著。从回归系数看出,各省际区域的高技术产业的多样化,即一个区域的高技术产业种类的多样性对创新活动影响最大;其次是高技术产业的专业化水平;各省际区域的人力资本水平对创新产出有正的影响。通过空间相关性分析,发现了各省际区域知识空间扩散的潜在机制,存在越过省际区域地理边界的知识外部性,这意味着省际区域的创新活动不仅受省际区域本身知识溢出的影响,也受到来自邻近省际区域知识溢出的影响。
来源:《软科学》2009年第7期
责任编辑:奇奇