趙凱旭,楊永春,李恩龍,劉科偉,張帥兵

(1.西北大學(xué) 城市與環(huán)境學(xué)院, 陜西 西安 710127;2.蘭州大學(xué) 資源與環(huán)境學(xué)院,甘肅 蘭州 730000;3.蘭州大學(xué) 西部環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室,甘肅 蘭州 730000)

21世紀(jì)知識(shí)經(jīng)濟(jì)時(shí)代背景下,創(chuàng)新逐步成為經(jīng)濟(jì)增長(zhǎng)的核心推動(dòng)力之一,并成為一個(gè)城市、區(qū)域,乃至一個(gè)國(guó)家競(jìng)爭(zhēng)力的重要體現(xiàn)。2000—2015年,我國(guó)研究與試驗(yàn)發(fā)展(R&D)內(nèi)部經(jīng)費(fèi)增長(zhǎng)了15.8倍,3種專利申請(qǐng)數(shù)和三大檢索工具收錄的科技論文數(shù)分別增長(zhǎng)了20.4倍和12.1倍[注]數(shù)據(jù)來(lái)源,《中國(guó)科技統(tǒng)計(jì)年鑒》。,快速增長(zhǎng)的創(chuàng)新投入和產(chǎn)出受到越來(lái)越多的關(guān)注。而相比投入和產(chǎn)出,創(chuàng)新效率更能體現(xiàn)創(chuàng)新資源的有效配置、合理利用以及管理水平,對(duì)其研究更具有現(xiàn)實(shí)意義。

創(chuàng)新效率的研究歷來(lái)為學(xué)界所關(guān)注,地理學(xué)者的研究出現(xiàn)于2010年前后,成果逐年增多。國(guó)外的研究類型相對(duì)豐富,涉及了區(qū)域創(chuàng)新效率的測(cè)度[1]、空間特征[2]、影響因素[3],以及行業(yè)專業(yè)化如何影響創(chuàng)新效率[4],還探討了合作研發(fā)是否會(huì)刺激區(qū)域創(chuàng)新效率提高[5]。相比之下,國(guó)內(nèi)的研究類型比較單調(diào),主要從全國(guó)[6-8]、經(jīng)濟(jì)區(qū)[9-11]、大都市區(qū)[12]、省級(jí)[13]層面研究科技資源配置效率、工業(yè)企業(yè)創(chuàng)新效率和R&D資源投入產(chǎn)出效率的空間特征,還研究了科技創(chuàng)新發(fā)展格局與類型劃分[14]以及高?？蒲谐晒D(zhuǎn)化效率[15],效率測(cè)度方法主要采用數(shù)據(jù)包絡(luò)分析模型(DEA),少量研究還應(yīng)用了隨機(jī)前沿模型(SFA)[16]。就全國(guó)層面而言,范裴等的研究認(rèn)為大部分城市科技資源配置效率水平較低,且逐年降低,東中西部的差距在拉大,在空間上呈現(xiàn)自相關(guān)[6]。杜志威等的研究同樣認(rèn)為大部分城市工業(yè)創(chuàng)新效率“東強(qiáng)西弱,階梯遞減”,全國(guó)尺度下與人口密度分布基本一致,區(qū)域尺度下則表現(xiàn)“核心-邊緣”結(jié)構(gòu),還提出提升人力資本要素和優(yōu)化投入規(guī)模是提高城市工業(yè)創(chuàng)新效率的關(guān)鍵[7]。桂黃寶的研究則認(rèn)為高技術(shù)產(chǎn)業(yè)創(chuàng)新效率整體呈上升趨勢(shì),但技術(shù)效率和規(guī)模效率出現(xiàn)倒退,同時(shí)還表明企業(yè)規(guī)模、勞動(dòng)力和對(duì)外開(kāi)放水平具有顯著的正向影響,資本投入具有不顯著的負(fù)向影響,工業(yè)化進(jìn)程、政府支持程度及當(dāng)?shù)乜萍妓綗o(wú)顯著影響[8]。

已有研究表明,我國(guó)各區(qū)域存在著固有的創(chuàng)新投入和產(chǎn)出差異,表現(xiàn)“東強(qiáng)西弱”、空間集聚特征[14,17],而這樣的特征在區(qū)域創(chuàng)新效率上是否存在有待進(jìn)一步研究。同時(shí),創(chuàng)新活動(dòng)有著較強(qiáng)的路徑依賴性,創(chuàng)新較強(qiáng)的區(qū)域?qū)⒉饺肓夹匝h(huán),較弱的區(qū)域則可能陷入困境難以自拔[18],將創(chuàng)新效率置于較長(zhǎng)時(shí)間尺度下研究更易于揭示其規(guī)律。前述研究已取得較大進(jìn)展,但仍有以下不足:① 對(duì)區(qū)域創(chuàng)新效率的時(shí)間變化研究較多,對(duì)空間分布及演變研究較少。部分地級(jí)以上城市的研究表明,創(chuàng)新效率表現(xiàn)空間自相關(guān)[6],但未能反映省域的空間特征。② 對(duì)區(qū)域創(chuàng)新效率影響因素的研究多基于空間同質(zhì)性假設(shè),未考慮其空間異質(zhì)性。鑒于此,本文通過(guò)SUPER-SBM模型和ESDA等方法研究2000—2015年省域尺度下我國(guó)區(qū)域創(chuàng)新效率的時(shí)空變化,使用GWR模型分析其影響因素的異質(zhì)性特征,以期為我國(guó)區(qū)域創(chuàng)新差異化發(fā)展提供指導(dǎo)。

1 研究方法、變量選擇與數(shù)據(jù)獲取

1.1 研究方法

1.1.1 SUPER-SBM效率評(píng)價(jià)模型 數(shù)據(jù)包絡(luò)分析(data envelopment analysis, DEA)是衡量決策單元(DMU)投入產(chǎn)出效率的一種線性規(guī)劃模型, 可以較好地計(jì)算具有多投入、 多產(chǎn)出的DMU效率值。 DEA最早的數(shù)學(xué)模型為BCC和CCR模型, 但它們是基于徑向和角度而提出, 未考慮投入松弛和產(chǎn)出松弛, 可能導(dǎo)致DMU效率值被高估, K. Tone[19]則于2001年提出考慮了松弛的非徑向非角度SBM(Slcks-based Measure)模型。 此外, 經(jīng)典的DEA模型取值范圍為[0, 1], 難以針對(duì)多個(gè)有效DMU(效率值為1)進(jìn)行排序, 針對(duì)該問(wèn)題, Anderson和Petersen[20]于1993提出了SUPER-DEA模型, K. Tone[21]則于2002年提出了相應(yīng)的SUPER-SBM模型。值得注意的,SUPER-SBM模型只計(jì)算有效DMU的效率,非有效DMU仍采用標(biāo)準(zhǔn)SBM模型計(jì)算,其思路是計(jì)算DMU效率時(shí),逐步將有效DMUt排除在DMU集合之外,其數(shù)學(xué)模型解釋如下:

假設(shè)有n個(gè)決策單元,標(biāo)記為DMUk(k=1,2,…，n),j表示剔除有效DMUt之后參與評(píng)價(jià)的DMU,標(biāo)記為DMUj(j=1,2,…,s,j≠k),其可能的生產(chǎn)性集合為

(1)

基于VRS(可變規(guī)模報(bào)酬)的數(shù)學(xué)表達(dá)式為

(2)

目前,已有研究將SUPER-SBM模型應(yīng)用于區(qū)域創(chuàng)新效率的研究[22],本文亦利用該模型計(jì)算我國(guó)區(qū)域創(chuàng)新效率。

1.1.2 變異系數(shù)和空間基尼系數(shù)

1)變異系數(shù)

變異系數(shù),是序列數(shù)據(jù)標(biāo)準(zhǔn)差和平均數(shù)之比,可以反映觀測(cè)數(shù)據(jù)的相對(duì)離散程度[17],本文用于衡量區(qū)域創(chuàng)新效率整體的分異程度。公式如下:

(3)

2)空間基尼系數(shù)

空間基尼系數(shù),用于衡量空間中產(chǎn)業(yè)集聚程度[23],由Krugman于1991年提出,本文用于衡量區(qū)域創(chuàng)新效率整體的集聚程度。公式如下:

(4)

1.1.3 探索性空間數(shù)據(jù)分析 探索性空間數(shù)據(jù)分析(exploratory spatial data analysis,ESDA),是研究空間數(shù)據(jù)分布特征的常用方法,它基于空間權(quán)重矩陣確定區(qū)域鄰接關(guān)系,通過(guò)空間數(shù)據(jù)的分布特征以反映地理現(xiàn)象的空間依賴性或異質(zhì)性[24]。本文應(yīng)用ESDA的Moran′s I和LISA集聚地圖研究區(qū)域創(chuàng)新效率整體空間集聚和局部空間集聚。

1)全局空間自相關(guān)系數(shù)Moran′s I

全局Moran′s I可以反映區(qū)域創(chuàng)新效率整體的空間關(guān)聯(lián)或空間差異,公式如下:

(5)

2)局部空間自相關(guān)系數(shù)Local Moran′s I

Local Moran′s I可以反映區(qū)域創(chuàng)新效率局部的空間集聚(同類集聚或異類集聚),LISA集聚地圖是Local Moran′s I的可視化表達(dá),能清晰表達(dá)創(chuàng)新效率的局部集聚特征。Local Moran′s I計(jì)算公式如下:

(6)

式中,Ii指Local Moran′s I,其余變量含義同式(5)。Local Moran′s I取值[-1,1],正值表示該區(qū)域周圍表現(xiàn)高高或低低集聚,負(fù)值表示該區(qū)域周圍表現(xiàn)高低或低高集聚。在LISA集聚地圖中,集聚特征須經(jīng)過(guò)顯著性檢驗(yàn)(一般是10%)才會(huì)顯示。

1.1.4 地理加權(quán)回歸模型 已有文獻(xiàn)證實(shí),創(chuàng)新活動(dòng)具有典型的空間自相關(guān)性[6],故本文引入地理加權(quán)回歸模型(GWR)分析創(chuàng)新效率影響因素,公式如下:

(7)

式中，(ui,vi)是第i個(gè)地區(qū)的空間坐標(biāo),ai(ui,vi)是常數(shù)項(xiàng),bj(ui,vi)是第i個(gè)地區(qū)第j個(gè)解釋變量xij的可變參數(shù),ci是第i個(gè)地區(qū)的的隨機(jī)誤差項(xiàng),式中i=1,2,3,…,n。上式中可變參數(shù)bj(ui,vi)的估算可通過(guò)加權(quán)最小二乘法完成。

1.2 變量選擇

SUPER-SBM模型是基于投入/產(chǎn)出變量對(duì)DMU的生產(chǎn)效率進(jìn)行評(píng)價(jià),變量選取不宜過(guò)多,投入和產(chǎn)出變量之和≤1/2DMU才能使評(píng)價(jià)結(jié)果具有較好的區(qū)分度[25]。創(chuàng)新投入方面,多以R&D從業(yè)人員、R&D人員或R&D人員全時(shí)當(dāng)量表征人力投入,R&D經(jīng)費(fèi)內(nèi)部支出表征創(chuàng)新資本投入[9,14],部分研究還補(bǔ)充了新產(chǎn)品研發(fā)經(jīng)費(fèi)[9]、R&D活動(dòng)企業(yè)數(shù)目[7]。創(chuàng)新產(chǎn)出方面,大多數(shù)研究者認(rèn)同創(chuàng)新過(guò)程可以分解為技術(shù)研發(fā)和成果轉(zhuǎn)化兩階段,對(duì)應(yīng)著科技產(chǎn)出和經(jīng)濟(jì)產(chǎn)出[9,14,22],前者表征變量包括國(guó)外主要檢索工具收錄的科技論文數(shù)[14]、專利申請(qǐng)數(shù)[14]或授權(quán)數(shù)[9],后者則包括新產(chǎn)品產(chǎn)值[14]、新產(chǎn)品銷售收入[14]和技術(shù)市場(chǎng)成交合同金額[12]。前述變量中,R&D人員或R&D人員全時(shí)當(dāng)量未反映非R&D人員的投入情況,故本文選取R&D從業(yè)人員表征人力投入。此外,部分研究同時(shí)選取R&D經(jīng)費(fèi)內(nèi)部支出和新產(chǎn)品研發(fā)經(jīng)費(fèi)作為投入變量[9],但R&D經(jīng)費(fèi)內(nèi)部支出中很大一部分是用于生產(chǎn)新產(chǎn)品、新材料和新裝置,二者同時(shí)作為投入變量存在重復(fù)投入。同樣的問(wèn)題還出現(xiàn)在新產(chǎn)品產(chǎn)值和高技術(shù)產(chǎn)業(yè)新產(chǎn)品產(chǎn)值這一對(duì)變量[13]選擇中。

故,本文選取R&D從業(yè)人員、R&D經(jīng)費(fèi)內(nèi)部支出、工業(yè)企業(yè)技術(shù)獲取和改造經(jīng)費(fèi)支出作為創(chuàng)新投入的表征變量,選取國(guó)內(nèi)3種專利申請(qǐng)數(shù)、國(guó)外主要檢索工具收錄的科技論文數(shù)作為創(chuàng)新科技產(chǎn)出的表征變量,選取新產(chǎn)品銷售收入、技術(shù)市場(chǎng)成交合同金額作為創(chuàng)新經(jīng)濟(jì)產(chǎn)出的表征變量(表1)。將科技產(chǎn)出變量和經(jīng)濟(jì)產(chǎn)出變量作為共同產(chǎn)出變量,與投入變量放入同一個(gè)決策單元計(jì)算。

表1 區(qū)域創(chuàng)新效率投入產(chǎn)出變量Tab.1 Input and output variables of regional innovation efficiency

1.3 數(shù)據(jù)獲取與處理

本文選取中國(guó)大陸3個(gè)省(自治區(qū)、直轄市)為研究區(qū)域,時(shí)間跨度為1998—2015年,相關(guān)數(shù)據(jù)來(lái)源于《中國(guó)科技統(tǒng)計(jì)年鑒》、《中國(guó)統(tǒng)計(jì)年鑒》。西藏自治區(qū)數(shù)據(jù)缺失嚴(yán)重,將其剔除。

基于研究需要,對(duì)數(shù)據(jù)做以下處理:① 滯后期設(shè)定。目前對(duì)滯后期選擇未形成統(tǒng)一意見(jiàn),且不同創(chuàng)新活動(dòng)的滯后期差異較大[26]。已有研究多選取2a滯后期[7,12],為便于與已有研究結(jié)論的比對(duì)分析,本文亦選取2a滯后期,即1998—2013年的投入對(duì)應(yīng)2000—2015年的產(chǎn)出。② 投入產(chǎn)出價(jià)格調(diào)整。技術(shù)市場(chǎng)成交合同金額、技術(shù)獲取和改造經(jīng)費(fèi)支出通過(guò)GDP價(jià)格指數(shù)平減,R&D經(jīng)費(fèi)內(nèi)部支出和新產(chǎn)品銷售收入分別通過(guò)構(gòu)造的R&D價(jià)格指數(shù)和工業(yè)生產(chǎn)者出廠價(jià)格指數(shù)平減,R&D價(jià)格指數(shù)的構(gòu)造參考朱平芳[27]的研究。所有價(jià)格統(tǒng)一調(diào)整至2000年不變價(jià)。③ R&D資本存量計(jì)算。采用永續(xù)存盤法[28]對(duì)歷年的R&D經(jīng)費(fèi)內(nèi)部支出重新核算。

2 區(qū)域創(chuàng)新效率的時(shí)空演變特征

2.1 區(qū)域創(chuàng)新效率的時(shí)空分異特征

通過(guò)MaxDEA Ultra7.9軟件計(jì)算了2000—2015年我國(guó)區(qū)域創(chuàng)新效率,并結(jié)合變異系數(shù)、基尼系數(shù)、自然斷點(diǎn)法反映其時(shí)空分異特征。

2.1.1 時(shí)間變化特征 由圖1可知,2000—2015年,全國(guó)平均創(chuàng)新效率均小于1,處于較低水平,其變化曲線逐漸上升,效率值由2000年的0.62上升至2015年的0.71,年均增長(zhǎng)率為1%。研究期內(nèi),東部[注]按通常的劃分方法,東部包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南,中部包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南,西部包括內(nèi)蒙古、廣西、四川、重慶、貴州、云南、陜西、甘肅、青海、寧夏、新疆、西藏。創(chuàng)新效率處于較高水平,且緩慢上升,年均效率值為1.02,年均增長(zhǎng)率為1.1%。中、西部創(chuàng)新效率處于較低水平,年均效率值分別為0.55，0.32,但增長(zhǎng)趨勢(shì)明顯,中部由2000年的0.55增長(zhǎng)至2015年的0.68,年均增長(zhǎng)率為4.1%,西部由2000年的0.32增長(zhǎng)至2015年的0.39,年均增長(zhǎng)率為3.8%。

東部創(chuàng)新效率自2000以來(lái)表現(xiàn)出波動(dòng)式上升,2008年全球金融危機(jī)爆發(fā)后創(chuàng)新效率降低,直到2010年又開(kāi)始上升。2012年隨著宏觀經(jīng)濟(jì)增速放緩,東部創(chuàng)新效率增速亦開(kāi)始放緩,2014年表現(xiàn)出下降,2015年又很快恢復(fù)。中部創(chuàng)新效率波動(dòng)較大,2003年出現(xiàn)了最低值0.36,隨后急劇上升。2008年后創(chuàng)新效率降低,但與東部不同,直到2013年才開(kāi)始上升,且增幅較大。西部創(chuàng)新效率增長(zhǎng)特征單一,觀察期開(kāi)始的三個(gè)年份表現(xiàn)下降,隨后逐年穩(wěn)步上升,2008年則直接躍升了30.4%。

圖1 2000—2015年區(qū)域創(chuàng)新效率變化趨勢(shì)圖Fig.1 Regional innovation efficiency trend chart in 2000—2015

上述變化可以反映:① 東部作為我國(guó)改革開(kāi)放和經(jīng)濟(jì)發(fā)展的先行區(qū)域,其創(chuàng)新效率易受宏觀經(jīng)濟(jì)環(huán)境的影響,2008年金融危機(jī)誘發(fā)外資撤離,東部創(chuàng)新技術(shù)、資金和人才流失嚴(yán)重,創(chuàng)新效率迅速下降。2012年宏觀經(jīng)濟(jì)增速放緩,東部的諸多中小企業(yè)受影響嚴(yán)重,導(dǎo)致創(chuàng)新效率下降。② 梯度轉(zhuǎn)移理論認(rèn)為,高梯度地區(qū)對(duì)中、低梯度地區(qū)客觀存在著產(chǎn)業(yè)轉(zhuǎn)移和創(chuàng)新技術(shù)擴(kuò)散,中部由于較好的發(fā)展基礎(chǔ)和鄰近東部的優(yōu)勢(shì)[29],創(chuàng)新技術(shù)會(huì)優(yōu)先擴(kuò)散向該區(qū)域,因此,中部從2003年開(kāi)始創(chuàng)新效率增長(zhǎng)明顯。2008年金融危機(jī)之后,中部受波及更為嚴(yán)重,體現(xiàn)了其對(duì)東部的創(chuàng)新路徑依賴。③ 西部作為低梯度地區(qū),受東、中部有限的創(chuàng)新技術(shù)擴(kuò)散,故表現(xiàn)緩慢增長(zhǎng)。2008年,西部表現(xiàn)出創(chuàng)新效率大幅度躍升,說(shuō)明西部仍具有較大的創(chuàng)新效率增長(zhǎng)潛力。

2.1.2 空間分異特征 圖2反映了區(qū)域創(chuàng)新效率的變異系數(shù)、空間基尼系數(shù)變化曲線。可知,在觀察期內(nèi),二者皆處于不斷下降的態(tài)勢(shì),分別由2000年的0.76，0.1下降至2015年的0.69，0.9,說(shuō)明我國(guó)區(qū)域之間的創(chuàng)新效率差異越來(lái)越小,分化程度有所減弱。

變異系數(shù)和空間基尼系數(shù)僅能反映創(chuàng)新效率整體的空間分異,有必要對(duì)其空間分布及變化做進(jìn)一步分析。通過(guò)Arcgis10.2的自然斷點(diǎn)分類法將各省創(chuàng)新效率劃分為高效率、較高效率、較低效率、低效率4個(gè)等級(jí),并繪制2000，2005，2010和2015年的創(chuàng)新效率空間分布地圖(圖3),分析其變化特征。

2000年,我國(guó)創(chuàng)新高效率區(qū)域有北京、廣東和海南3省市,較高效率區(qū)域有黑龍江、甘肅、重慶、天津、安徽、上海、浙江、福建8省市。2005年,高效率區(qū)域增加了浙江,共4省市,較高效率區(qū)域減少至黑龍江、天津、山東、上海、湖北、重慶、福建7省市。2010年,高效率區(qū)域減少了廣東,剩下北京、浙江和海南3省市,較高效率區(qū)域則擴(kuò)大至江蘇、廣東、廣西、湖南,共包括11省市。2015年,高效率區(qū)域又減少了浙江,僅剩北京和海南2省市,較高效率區(qū)域則進(jìn)一步擴(kuò)大至吉林和浙江,共包括13省市。

圖2 2000—2015年變異系數(shù)和空間基尼系數(shù)變化趨勢(shì)圖Fig.2 CV and Gini coefficients trend chart in 2000—2015

圖3 2000—2015年區(qū)域創(chuàng)新效率空間分布地圖Fig.3 Regional innovation efficiency spatial distribution maps in 2000—2015

總結(jié)可知,2000—2015年,我國(guó)創(chuàng)新高效率、較高效率區(qū)域主要集中在東部和中部。高效率區(qū)域數(shù)量先增后減,較高效率區(qū)域數(shù)量除2005年有所減少外,2010、2015年都明顯增加,這說(shuō)明我國(guó)區(qū)域間創(chuàng)新效率差異減小,主要是較高效率區(qū)域貢獻(xiàn)較大。

少量研究已表明,區(qū)域科技創(chuàng)新效率與經(jīng)濟(jì)發(fā)展具有空間耦合特征[14],本文亦嘗試對(duì)此做初步探討。通過(guò)各省區(qū)人均GDP(以2000年為基準(zhǔn)價(jià)進(jìn)行平減)表征區(qū)域經(jīng)濟(jì)發(fā)展,建立人均GDP與創(chuàng)新效率的散點(diǎn)圖,以反映二者的關(guān)系(圖4)。結(jié)果表明,我國(guó)區(qū)域創(chuàng)新效率與經(jīng)濟(jì)發(fā)展具有正向線性關(guān)系,但回歸結(jié)果的擬合優(yōu)度較低,4個(gè)年份的R2皆處于0.24～0.35之間。這一定程度上可以說(shuō)明,創(chuàng)新效率與經(jīng)濟(jì)發(fā)展之間的關(guān)系并非簡(jiǎn)單的線性相關(guān)。創(chuàng)新效率較高的區(qū)域往往可以由較少的投入創(chuàng)造較多的產(chǎn)出,但創(chuàng)新高產(chǎn)出未必一定帶來(lái)經(jīng)濟(jì)的高速發(fā)展,因?yàn)閯?chuàng)新成果轉(zhuǎn)化至商業(yè)應(yīng)用乃至產(chǎn)生經(jīng)濟(jì)效益,中間仍隔著多個(gè)階段,任一階段出現(xiàn)問(wèn)題都會(huì)阻礙創(chuàng)新成果的轉(zhuǎn)化。但關(guān)于二者更深層的作用機(jī)理,本文篇幅所限,不再探討。

圖4 2000—2015年區(qū)域創(chuàng)新效率與經(jīng)濟(jì)發(fā)展關(guān)系圖Fig.4 Scatter plots of Innovation Efficiency and economic development in 2000—2015

2.2 探索性空間數(shù)據(jù)分析

上述分析表明我國(guó)區(qū)域創(chuàng)新效率表現(xiàn)出空間集聚,故通過(guò)ESDA研究其空間自相關(guān)特征,計(jì)算過(guò)程由GeoDa1.12軟件完成。

2.2.1 全局空間自相關(guān)分析 圖5為2000—2015年我國(guó)區(qū)域創(chuàng)新效率的全局Moran′s I及其變化,圖中Moran′s I全部通過(guò)了5%顯著性檢驗(yàn)。2000—2015年,我國(guó)區(qū)域創(chuàng)新效率全局Moran′s I一直處于0.25～0.43之間,呈波動(dòng)遞減趨勢(shì),即區(qū)域創(chuàng)新效率表現(xiàn)出顯著的空間正相關(guān),高效率或低效率區(qū)域在空間上呈現(xiàn)集聚,但這種集聚特征在逐步弱化。

2.2.2 局部空間自相關(guān)分析 分別制作2000，2005，2010和2015年的LISA集聚地圖(圖6),其中HH，HL，LL，LH分別代表了高高、高低、低低、低高集聚,圖6所示空間集聚特征都通過(guò)了10%的顯著性檢驗(yàn)。

圖5 2000—2015年區(qū)域創(chuàng)新效率Moran′s I變化趨勢(shì)圖Fig.5 Regional innovation efficiency Moran′s I trend chart in 2000—2015

2000年,東部的海南表現(xiàn)創(chuàng)新效率高高集聚,江蘇表現(xiàn)低高集聚。中部的山西表現(xiàn)低低集聚,江西表現(xiàn)低高集聚。西部的甘肅、重慶表現(xiàn)高低集聚,云南表現(xiàn)低低集聚。2005年,東部的海南、福建表現(xiàn)高高集聚,江蘇仍表現(xiàn)低高集聚。中部變化不大。西部則變化較大,內(nèi)蒙古、新疆、青海、甘肅、寧夏、陜西、四川、云南8省市表現(xiàn)低低集聚。2010年,東部的廣東、上海表現(xiàn)高高集聚,遼寧表現(xiàn)低低集聚。中部變化不大。西部的低低集聚則減少了云南。2015年,東部的海南、廣東表現(xiàn)高高集聚,中部有所變化,山西、河南表現(xiàn)低低集聚,江西依舊表現(xiàn)低高集聚。西部則變化不大。

總結(jié)可知,2000—2015年,我國(guó)區(qū)域創(chuàng)新效率局部空間自相關(guān)特征自2005年后變化較小,高高集聚主要在東部,低低集聚主要在西部,中部介于二者之間表現(xiàn)不顯著?？臻g外部性理論認(rèn)為,某個(gè)區(qū)域經(jīng)濟(jì)發(fā)展不光受自身發(fā)展及投入的影響,還受到周邊其他區(qū)域的影響,同時(shí)它也影響著周邊其他區(qū)域[30]。廣大的西部地區(qū)創(chuàng)新效率一直處于較低水平,彼此發(fā)生著負(fù)向空間外溢,故主要表現(xiàn)顯著的低低集聚,該特征還一度影響了與其相鄰的部分中、東部省份。反觀東部,整體創(chuàng)新效率較高,雖然高高集聚的省份多次變化,但仍以東部為主。由此說(shuō)明,省域尺度上,創(chuàng)新效率同樣存在著很強(qiáng)的空間溢出效應(yīng),這對(duì)范裴等[6]的研究做了很好的補(bǔ)充。

圖6 2000—2015年區(qū)域創(chuàng)新效率LISA集聚地圖Fig.6 Regional innovation efficiency LISA cluster maps in 2000—2015

3 區(qū)域創(chuàng)新效率的影響因素分析

3.1 變量選取與模型構(gòu)建

《國(guó)家創(chuàng)新系統(tǒng)》報(bào)告指出,國(guó)家或區(qū)域創(chuàng)新系統(tǒng)的主體包括企業(yè)、高校、科研機(jī)構(gòu)、政府和中介部門。官建成等認(rèn)為,企業(yè)和科研機(jī)構(gòu)是我國(guó)區(qū)域創(chuàng)新的主體[31],同時(shí),外部環(huán)境也極大地影響著創(chuàng)新活動(dòng)[32]。因此,本文從企業(yè)自身發(fā)展,科研機(jī)構(gòu)投入和創(chuàng)新外部環(huán)境三方面構(gòu)建影響因素變量體系:① 企業(yè)自身發(fā)展,包括國(guó)外技術(shù)引進(jìn)(x1)、企業(yè)研發(fā)活動(dòng)(x2)和企業(yè)規(guī)模(x3)；② 科研機(jī)構(gòu)投入,包括研發(fā)人員投入(x4)和研發(fā)資金投入(x5);③ 創(chuàng)新外部環(huán)境包含諸多因素,本文選取與創(chuàng)新活動(dòng)關(guān)聯(lián)度較高的創(chuàng)新集群環(huán)境(x6)、政府支持(x7)和技術(shù)市場(chǎng)發(fā)展(x8)三個(gè)變量。各變量表征指標(biāo)如表2所示。以區(qū)域創(chuàng)新效率為被解釋變量(yi),上述影響因素為解釋變量,代入公式(7)構(gòu)建模型,空間權(quán)函數(shù)選擇Fixed-Gaussian權(quán)函數(shù),寬帶檢驗(yàn)選擇AICc準(zhǔn)則。計(jì)算過(guò)程由Arcgis10.2的地理加權(quán)回歸模塊完成。

表2 影響因素變量及其表征指標(biāo)Tab.2 Influencing variables and their characterization indexes

3.2 結(jié)果分析

為避免數(shù)據(jù)波動(dòng)造成的誤差,將2000—2015年區(qū)域創(chuàng)新效率的面板數(shù)據(jù)取平均值,全部數(shù)據(jù)做無(wú)量綱化處理。計(jì)算過(guò)程中,研發(fā)人員投入和研發(fā)資金投入兩個(gè)變量存在嚴(yán)重的共線性,將其剔除后得到最終結(jié)果。結(jié)果中,GWR模型的R2和AdjustedR2分別為0.72，0.64,AICc為185.39,OLS模型對(duì)應(yīng)值分別為0.69，0.62和185.56?？梢?jiàn),GWR模型的擬合結(jié)果優(yōu)于OLS模型,可解釋模型中64%的區(qū)域創(chuàng)新效率影響因素。圖7展示了GWR模型計(jì)算結(jié)果的變系數(shù),正值表示該因素對(duì)創(chuàng)新效率有正向影響,負(fù)值有負(fù)向影響。

1)國(guó)外技術(shù)引進(jìn)(圖7a)。國(guó)外技術(shù)引進(jìn)對(duì)本土創(chuàng)新能力存在互補(bǔ)效應(yīng)和替代效應(yīng),且存在一定門檻效應(yīng),而技術(shù)吸收能力則是其重要影響因素[33]。本文中,國(guó)外技術(shù)引進(jìn)促進(jìn)區(qū)域創(chuàng)新效率作用明顯,且由南到北影響作用逐次遞減?？赡艿脑蚴?以廣東、海南為代表的南方地區(qū)較早實(shí)施對(duì)外開(kāi)放,有著更豐富的國(guó)外技術(shù)學(xué)習(xí)經(jīng)驗(yàn),能更好地將其轉(zhuǎn)化為自身創(chuàng)新能力,同時(shí)彼此間正向的知識(shí)溢出有效促進(jìn)了區(qū)域整體創(chuàng)新效率。而以京津冀、東北三省為代表的北方地區(qū)由于學(xué)習(xí)經(jīng)驗(yàn)不足、體制機(jī)制阻礙、“大企業(yè)病”等原因而影響了對(duì)國(guó)外技術(shù)的消化吸收。

2)企業(yè)研發(fā)活動(dòng)(圖7b)。企業(yè)研發(fā)活動(dòng)對(duì)創(chuàng)新效率影響表現(xiàn)顯著的空間差異,除東北三省、江蘇、浙江、福建、上海、廣東、安徽、江西表現(xiàn)正向影響外,其余區(qū)域皆表現(xiàn)負(fù)向影響,且由東到西,負(fù)向影響逐次增強(qiáng)。反映了,我國(guó)大部分區(qū)域企業(yè)研發(fā)活動(dòng)未有效促進(jìn)創(chuàng)新效率提升,企業(yè)自主創(chuàng)新實(shí)力較弱。

3)企業(yè)規(guī)模(圖7c)。學(xué)界關(guān)于企業(yè)規(guī)模對(duì)創(chuàng)新效率的影響有不同觀點(diǎn),Scherer等認(rèn)為隨著企業(yè)不斷擴(kuò)大規(guī)模,企業(yè)會(huì)由于管控能力下降或者過(guò)度官僚主義而影響企業(yè)研發(fā)效率[34]而Chen則認(rèn)為創(chuàng)新效率提升與企業(yè)規(guī)模呈正相關(guān)[35]。本文中,企業(yè)規(guī)模對(duì)創(chuàng)新效率存在負(fù)向影響,且由北到南負(fù)向影響逐次增強(qiáng),表明中小企業(yè)促進(jìn)區(qū)域創(chuàng)新效率作用明顯,以廣東和福建為代表的南部地區(qū)中小企業(yè)對(duì)創(chuàng)新效率促進(jìn)作用最強(qiáng)。

4)創(chuàng)新集群環(huán)境(圖7d)。集群環(huán)境會(huì)影響區(qū)域企業(yè)創(chuàng)新資源獲得、創(chuàng)新產(chǎn)品開(kāi)發(fā)及創(chuàng)新管理多個(gè)過(guò)程,進(jìn)而影響企業(yè)的技術(shù)創(chuàng)新能力[36]。本文中,創(chuàng)新集群環(huán)境對(duì)創(chuàng)新效率促進(jìn)作用明顯,且促進(jìn)作用由東到西逐次增強(qiáng)。但該特征并非說(shuō)明東、中部創(chuàng)新集群環(huán)境差,相反,東、中部本身創(chuàng)新環(huán)境較優(yōu),已然不構(gòu)成創(chuàng)新效率提升的“短板”。而西部地區(qū)自2000年實(shí)施西部大開(kāi)發(fā)戰(zhàn)略以來(lái),獲得了政策、資金、科教事業(yè)等方面的傾斜投入,創(chuàng)新基礎(chǔ)環(huán)境改善,有效促進(jìn)了西部創(chuàng)新效率提升。

5)政府支持(圖7e)。目前,針對(duì)政府支持是否會(huì)促進(jìn)創(chuàng)新效率提升仍有爭(zhēng)議,支持者認(rèn)為其應(yīng)當(dāng)作為創(chuàng)新系統(tǒng)建設(shè)和創(chuàng)新活動(dòng)開(kāi)展的重要保障,而反對(duì)者卻認(rèn)為其容易造成尋租和腐敗的扭曲作用、信息不對(duì)稱、道德風(fēng)險(xiǎn)及委托代理問(wèn)題,進(jìn)而可能致使創(chuàng)新效率損失[37]。本文中,政府支持對(duì)創(chuàng)新效率表現(xiàn)較強(qiáng)的正向影響,且由南到北作用逐次增強(qiáng),說(shuō)明政府在區(qū)域創(chuàng)新過(guò)程中依舊起著重要作用。

6)技術(shù)市場(chǎng)發(fā)展(圖7f)。學(xué)界對(duì)技術(shù)市場(chǎng)的關(guān)注較少,但可以明確,技術(shù)市場(chǎng)發(fā)展能夠促進(jìn)科技成果的轉(zhuǎn)讓、轉(zhuǎn)換和資源流動(dòng),進(jìn)而影響創(chuàng)新效率,通過(guò)市場(chǎng)帶來(lái)經(jīng)濟(jì)收益更是刺激研發(fā)投入最原始、最直接的動(dòng)力[38]。本文中,技術(shù)市場(chǎng)發(fā)展對(duì)創(chuàng)新效率表現(xiàn)較弱的負(fù)向影響,說(shuō)明技術(shù)市場(chǎng)發(fā)展并未促進(jìn)區(qū)域創(chuàng)新效率提升?？赡艿脑蚴?我國(guó)技術(shù)市場(chǎng)本身發(fā)展并不充分,依然保留著計(jì)劃經(jīng)濟(jì)時(shí)期對(duì)政府的強(qiáng)烈依賴現(xiàn)象。

圖7 區(qū)域創(chuàng)新效率影響因素變系數(shù)空間分布地圖Fig.7 Variable coefficient spatial distribution maps of regional innovation efficiency influencing factors

4 結(jié)論與討論

本文通過(guò)分析我國(guó)省域?qū)用鎰?chuàng)新效率時(shí)空分異以及影響因素,主要結(jié)論如下:

1)2000—2015年,全國(guó)創(chuàng)新效率水平較低,表現(xiàn)“東部>中部>西部”,但中、西部創(chuàng)新效率增長(zhǎng)率又明顯高于東部,同時(shí)三大區(qū)域創(chuàng)新效率變化還與宏觀經(jīng)濟(jì)變動(dòng)緊密關(guān)聯(lián)。三大區(qū)域間,中、東部集中了大部分的高、較高效率省份,西部集中了大部分的低效率省份,但區(qū)域間的差距在減小,主要是由于中部地區(qū)創(chuàng)新效率增長(zhǎng)較快。

2)探索性空間數(shù)據(jù)分析表明,我國(guó)區(qū)域創(chuàng)新表現(xiàn)出顯著的正相關(guān),但這種趨勢(shì)有所緩解。局部空間自相關(guān)特征自2005年后變化較小,高高集聚主要在東部,低低集聚主要在西部,說(shuō)明在省域尺度上同樣存在著正向或負(fù)向的空間溢出效應(yīng)。

3)區(qū)域創(chuàng)新效率影響因素表現(xiàn)出明顯的空間異質(zhì)性特征。企業(yè)自身發(fā)展方面,國(guó)外技術(shù)引進(jìn)和中小企業(yè)對(duì)創(chuàng)新效率促進(jìn)作用明顯,企業(yè)研發(fā)活動(dòng)在不同的區(qū)域表現(xiàn)正向或負(fù)向不同的影響作用。創(chuàng)新外部環(huán)境方面,創(chuàng)新集群環(huán)境和政府支持對(duì)創(chuàng)新效率促進(jìn)作用明顯,技術(shù)市場(chǎng)發(fā)展表現(xiàn)較弱的負(fù)向影響。以上諸因素雖然影響程度各異,但都表現(xiàn)出了明顯的空間差異,比較明顯的是“由南到北或由東到西”的差異,說(shuō)明區(qū)域創(chuàng)新效率影響因素同樣存在一定的空間溢出或空間依賴特征。

在有限科技資源投入的前提下,對(duì)創(chuàng)新效率的研究更具有政策啟示意義,本文研究了區(qū)域創(chuàng)新效率的時(shí)空演變規(guī)律及空間關(guān)聯(lián)特性,并對(duì)其影響因素做了一定探討,對(duì)縮小區(qū)域間創(chuàng)新差異,優(yōu)化科技資源配置提供了科學(xué)依據(jù)。但需要明晰的,DEA模型反映的僅僅是區(qū)域間相對(duì)的創(chuàng)新效率,雖然有助于得出一定的政策啟示,但不能真正地反映創(chuàng)新投入產(chǎn)出規(guī)律。另外,本文所反映出來(lái)的一些特征,如“三大區(qū)域創(chuàng)新效率變化與宏觀經(jīng)濟(jì)變動(dòng)緊密關(guān)聯(lián)”、“創(chuàng)新效率與經(jīng)濟(jì)發(fā)展復(fù)雜的相互關(guān)系”、“影響因素機(jī)制難以完美解釋所有省域創(chuàng)新效率分異規(guī)律”,難以在宏觀尺度上給出解釋,有待進(jìn)一步深化研究。