创新资源集聚对区域创新绩效的溢出效应——高校与高技术产业对比研究

摘要：在运用区位熵方法测度创新资源集聚水平的基础上，基于知识生产函数模型，实证研究高校和高技术产业创新资源水平对区域创新的溢出效应。结果表明：①当前高校单一创新资源集聚水平对不同地区创新绩效的溢出效应具有不确定性，其中对东部和中部地区具有负向影响，对西部地区具有显著正向影响；高技术产业单一创新资源集聚水平整体上呈现出显著正向溢出效应；②整体而言，创新资源的交互作用对区域创新绩效的溢出效应多与单一创新资源集聚对区域创新绩效的溢出效应呈相反态势；③无论是高校还是高技术产业，其单一创新资源集聚水平对各地区创新绩效的溢出效应并非简单的线性关系；④两种创新资源集聚的交互作用表现出明显的协同效应，且单一创新资源集聚水平过低或过高都会抑制创新绩效的提升。据此，提出优化我国创新资源配置、促进我国区域创新能力提升的相关建议。

0 引言

随着知识经济时代发展及国际竞争的日趋激烈，科技创新日益成为推动各地区经济持续增长、竞争力不断提升的重要手段。创新资源作为创新活动最直接的投入要素，也日益成为各地区、各创新主体竞争的焦点，并在竞争过程中逐渐形成创新资源集聚现象。创新资源集聚不仅仅是投入要素的简单加总，其还包含创新资源配置、整合和协同等，并且集聚过程受到产业结构、政府、市场及社会的影响。这种资源集聚能够产生强大的集聚效应，形成“1+1>2”的效果，并能进一步提高区域创新能力，从而产生规模报酬递增现象，促进一定范围内经济增长。

技术竞争理论认为，创新资源集聚数量是决定一国或地区创新能力的关键因素之一。协同论认为，区域创新是一个包含多种创新资源投入的复合系统工程，单一创新资源集聚水平的高低不利于整体创新能力的提升，只有系统内部各创新资源集聚水平相匹配才会产生促进作用。要素拥挤理论认为，创新资源集聚并非越多越好，过度集聚反而抑制创新能力提升。由此可见，创新资源集聚水平不仅对创新具有重要影响，而且也从侧面反映出创新资源配置的合理性。在我国经济发展方式不断由粗放型向集约型转变的大背景下，供给侧改革要求优化创新资源配置、提高有效投入。因此，有必要深入研究当前我国创新资源集聚水平及其对区域创新的溢出效应，判断当前创新资源配置是否合理，进而从供给侧改革及协同合作角度提出优化创新资源配置和提高资源使用效率的政策建议，打破创新资源集聚不均衡、创新水平不平衡的二元空间格局。

高校和高技术产业作为我国创新系统中的重要组成部分，集聚了丰富的创新资源，并对区域创新能力提升发挥着重要作用。但由于创新资源的有限性，其在配置过程中呈现出一定的排他性，这种排他性直接影响不同地区、不同创新主体间创新资源集聚水平。而区域创新绩效提升受多个创新主体的共同影响，资源过度集聚于某一单个主体不利于整体创新能力的提升。考虑到数据可获取性，本文最终选取高校和高技术产业作为研究对象，实证研究其创新资源集聚水平对区域创新的溢出效应。

1 文献综述

1.1 创新资源集聚

创新作为一国经济不断增长的源泉，其受哪些因素影响一直以来都是学者研究的热点。随着研究的不断深入，已有研究者注意到创新资源集聚与创新绩效具有密切联系[1]。目前，既有研究对创新资源集聚内涵尚未达成共识。一些学者认为，创新资源集聚既包括创新资源存量不断积累增加的静态过程，又包含创新资源在不同地区间不断优化配置、整合的动态过程，这一集聚过程既可以是自发的，也可以人为操控[2-3]；另一些学者则认为，产业或企业集聚也是创新资源集聚的一种形式，其实质是人才和资本的集聚过程[4]。郭宝洁[5]使用因子分析方法计算了28个省市的科技资源集聚水平，并具体分析了我国科技资源空间分布特征及其差异性，然后以三大经济圈为例实证研究了科技资源集聚对当地经济和周边地区经济增长的影响。结果表明，科技资源集聚并非都对经济增长具有促进作用。

曹勇等[6]、Griliches[7]的研究表明，创新资源空间集聚对创新绩效具有促进作用，且创新资源集聚程度较高地区的创新绩效优于创新资源匮乏地区。然而，虽然创新资源大量集聚可以满足创新活动要素投入需求，但创新资源集聚水平并非越高越好，过度集聚反而会造成效率损失[8]。余永泽[9]借用Henderson衡量创新资源集聚程度的方法，在考虑空间溢出效应的基础上，实证研究了省市创新资源集聚水平对各创新主体创新效率的影响。结果表明，创新资源集聚水平对科研机构、高校和企业创新效率的影响存在不确定性。周元元和冯南平[10]以全国各省市为研究对象，使用区位熵方法测度了各地区R&D人员和R&D经费集聚度，并以专利申请量衡量区域创新能力，用面板模型实验研究了创新资源集聚对各省市创新能力的影响。研究发现，适度科技资源集聚才有利于创新绩效提升，集聚度过高或过低都会抑制创新绩效提升。王奋等[11]运用集聚指数法测度了各省市研究人员和开发人员集聚度，分别研究了研究人员集聚对知识创新绩效及技术人员集聚对技术创新绩效的影响。结果表明，相比于技术创新，创新人力资源对知识创新的溢出效应更大。

1.2 高校对创新的影响

高校作为区域创新系统的重要组成部分，集聚了丰富的创新资源。当前，已有文献多集中于高校数量和高校创新投入对区域创新的影响，而较少关注高校创新资源集聚水平对区域创新的影响。多数学者的研究表明，高校对创新绩效的提升具有积极作用[12-13]。但也有研究表明，高校创新活动对区域创新绩效并无显著促进作用[14]。程鹏[15]运用空间杜宾模型研究发现，相比于区域专利申请数量，高校科研经费和人员投入对区域新产品销售收入具有显著促进作用。王淑英等[16]运用空间杜宾模型研究发现，相比于R&D经费投入， R&D人员投入对高校创新产出的溢出效应更大，且对邻近地区高校创新产出具有显著促进作用。此外，Anselin等[17]、张德茗等(2014)发现，高校创新资源投入对企业创新活动具有重要影响。廖述梅(2011)的研究表明，高校创新活动对企业创新产出具有显著地理溢出效用。

1.3 高技术产业对创新的影响

高技术产业作为推动区域创新能力提升的另一重要引擎，一直备受学者关注。其中，有关高技术产业集聚与创新关系的研究一直都是热点问题，而高技术产业创新资源集聚水平与该产业或区域创新绩效关系的研究则相对较少。已有研究发现，虽然高技术产业集聚会对创新产生协同效应，并能够提高该产业或地区创新能力(蒋石梅等，2012)，但这种集聚产生的是规模经济效应，只有在最佳规模内才能呈现出积极溢出效应，超过最佳集聚水平则产生抑制效应(谢子远，2015)。陈劲等(2013)以新产品销售收入作为衡量创新绩效的代理变量，用回归模型研究了高技术产业专业性集聚和多样性集聚对创新绩效的溢出效应，得到与DeLucio等[18]一致的研究结论，即不同类型产业集聚与创新绩效之间并非简单的线性关系，而是呈现出一种倒U型关系。王萌萌等[19]以五大高技术产业为例，运用知识生产模型研究了各产业创新人力和财力资源集聚水平对该产业创新产出的溢出效应及其非线性作用关系。结果表明，整体上各高技术产业创新资源集聚度与该产业创新产出呈倒U型关系。

综上所述，已有文献表明，创新资源集聚水平只有在适度范围内才有利于创新能力的提升，且当前文献多关注各省市或高技术产业创新资源集聚水平对该省市或该产业创新水平的溢出效应。高校和高技术产业虽然对所在区域创新具有重要影响，但已有研究中缺少这两大创新主体创新资源集聚水平对该区域创新溢出效应的研究，且多围绕单一对象展开，有关不同创新主体创新资源集聚程度对区域创新效率溢出效应的对比研究较少。因此，有必要深入研究高校和高技术产业创新资源集聚对区域创新绩效的溢出效应，以更好地了解创新主体创新资源集聚对区域创新的影响机制，改进资源配置情况，促进区域创新能力提升。基于此，本文运用区位熵方法测度高校和高技术产业创新人员与财力集聚水平，借助知识生产函数研究其集聚水平对区域创新的溢出效应。

2 区域创新资源集聚水平测度

国内学者对集聚程度的衡量最早起源于产业集聚，发展至今已形成了多种测度方法。其中，集聚度与集聚系数、赫希曼-赫佛因德指数、区位熵指数、空间基尼系数及空间集聚指数是测度产业集聚最常用的5种方法，而区位熵指数作为衡量要素空间分布情况的指标，在创新资源集聚水平测度中得到广泛应用[11,19]。结合已有研究，本文借鉴该方法测度各地区高校和高技术产业创新资源集聚水平。具体计算公式如下：

其中，qij是指j地区i创新主体创新资源集聚水平，Xij是指第j地区第i创新主体的创新资源投入绝对额。如果Q>1，则表明该地区创新资源集聚程度与全国相比较高；如果Q=1，则认为j地区第i创新主体资源集聚水平与全国相比无优势；如果Q<1，则表明该地区创新资源集聚程度较低或不存在集聚现象。

已有研究表明，人力和财力作为最重要的两大创新资源，其对创新活动开展及产出具有重要影响。因此，本文主要对创新人力集聚水平和创新财力集聚水平进行研究，并结合国内外文献，选取年度R&D人员全时当量(人)和R&D经费内部支出(万元)分别代表人力和财力资源投入，计算高校和高技术产业创新资源集聚水平。

2.2 区域创新资源集聚水平测算结果

本文运用区位熵方法测算各省市高校和高技术产业两大创新资源集聚水平，将测算数值按区域加以整理分析，最终结果见表1。可以看出，自2004年以来，我国三大区域高校、高技术产业创新人力资源集聚水平和创新财力资源集聚水平并无较大变化。就高校来说，东部地区高校创新人力和创新财力资源集聚水平明显低于中部和西部，且集聚水平普遍低于1。这表明，东部地区对高校创新资源投入比例较低，而中部和西部投入比例较高。且从区域内看，相比于东部和中部，西部地区高校两大创新资源集聚水平之间的差距较大。从高技术产业看，整体上各区域创新人力和财力资源集聚水平均低于1，且无论是创新人力还是创新财力资源集聚水平都是东部最高。这表明，东部地区对高技术产业创新资源投入的比例较高，而中部和西部投入比例较低。从区域角度看，东部地区高校和高技术产业创新资源集聚水平并无较大差异，而中部和西部地区高校集聚水平则明显高于高技术产业。这表明，中部和西部在全国高校创新资源投入中所占比例大于其在全国高技术产业创新资源投入中所占比例。

3 模型构建与指标选取

现有研究表明，人力资源和财力资源作为创新活动最直接的两大要素投入，对创新产出具有重要影响。Griliches提出的知识生产函数及Jeff提出的改进函数从定量角度考察了创新投入对产出的具体影响，其基本模型如下：

式(2)中，Y代表创新产出，K和L分别代表人力资源投入和财力资源投入，ε是随机误差项。为便于回归分析，对式(2)采用对数形式，将其表示为：

基于此模型，在考虑个体效应和时间效应的基础上，为研究创新资源集聚度对区域创新的溢出效应，本文将高校R&D人员集聚水平(ulq)、高校R&D经费集聚水平(ucq)、二者交互项(ulq×ucq)及高技术产业R&D人员集聚水平(htlq)、高技术产业R&D经费集聚水平(htcq)和二者交互项(htlq×htcq)引入模型(3)中，模型构建结果见式(4)：

lnYit+1=c+α1lnrdlit+α2lnrdit+α3ulqit+α4ucqit+α5(ulqit×ucqit)+α6htlqit+α7htcqit+α8(htlqit×htcqit)+μit(4)

其中，ndl和rdit分别表示各省市创新人力和财力资源投入，i表示不同省市单元，t代表时间。

当前研究中，虽然学者对创新绩效的衡量指标尚未统一，但专利申请量、专利授权量及新产品销售收入是评价创新绩效最常用的指标。考虑到创新产出多样性及多元溢出效应，单一指标选取对创新绩效评价存在较大的不完善性。因此，王萌萌等[19]、程鹏[15]和廖述梅(2011)在实证研究中均采用专利申请量和新产品销售收入作为创新绩效的评价指标。但本文认为，相比于专利申请量，专利授权量更能体现区域科研产出水平，且在衡量各地区创新绩效时更具有权威性和可比性。因此，结合已有研究，本文选取专利授权量(P)和新产品销售收入(NI，万元)分别衡量区域创新产出中的知识产出及经济产出。

在实际创新过程中，由于从投入到产出需要一定时间。因此，本研究对衡量创新产出指标的数据均采取滞后一期处理。因为各省市GDP产值及地区人口规模影响该省市的创新资源投入量，因此为排除这些因素对最终结果的影响，本文用各省市R&D人员全时当量/该地区人口数、各省市R&D经费内部支出/该地区GDP的比值分别衡量创新人力(rdl)和创新财力(rd)投入。

本文使用的原始数据均来源于2005-2015年《中国科技统计年鉴》等统计资料，由于西藏地区部分数据缺失，因此实证研究不予考虑。最终，本文选取中国内地30个省市10年的面板数据作为研究样本，将样本数据分为中部(Z)、东部(D)和西部(X)3组，并用软件Eviews 8.0进行回归分析。

4 实证分析

4.1 实证检验与回归模型选择

(1)单位根检验。在实证分析前，为避免出现“假回归”情况，首先用LLC检验和FS-ADF检验两大方法分别对中、东、西部变量数据进行平稳性检验。本文用Eviews 8.0对各区域变量数据进行不差分和一阶差分检验时发现，某些变量数据并不平稳；对所有变量进行二阶差分后发现，统计值均在1%水平下显著，表明样本数据都是二阶单整的，即面板数据是平稳的，符合协整分析的前提。

(2)面板数据协整检验。在运用面板数据分析时，需要检验不同变量之间是否存在协整关系。本文采用KAO方法，分别以专利授权量和新产品销售收入为被解释变量，对我国东部、中部和西部各变量间形成的面板数据进行检验，结果如表2所示。结果表明，各模型的ADF统计值均在1%水平下显著，表明各变量间存在长期均衡关系，可进行回归分析。

(3)回归模型选择。面板回归分析包含多种模型，本文运用F检验法对东部(D)、中部(Z)和西部(X)分别以专利授权量(P)和新产品销售收入(NI)为因变量形成的面板数据是适合混合模型还是变截距模型进行检验。检验结果如下：FDP=67.287，FDNI=28.346 32；FZP=12.322，FZNI=16.690及FXP=72.939，FXNI=15.791均通过显著性检验(1%)。因此，均拒绝“H0：样本数据适用混合模型”的原假设，表明可以用变截距模型进行回归分析。另外，因为变截距模型中包含固定效应模型和随机效应模型，而本文通过样本数据研究其对区域的总体效应，因此最终本文采用随机变截距模型进行实证分析。

根据选定的回归模型，用Eviews8.0软件分别对以专利授权量、新产品销售收入为因变量组成的面板数据进行实证研究，得到最终结果见表3。

(1)以专利授权量为因变量进行结果分析。从表3数据中可以看出，整体上各地区R&D人员投入和R&D经费投入对该区域知识产出具有显著正向溢出效应。且创新人员投入弹性系数较大，说明与科研经费投入相比，人力资源对知识产出的溢出效应更大。

从高校看，整体上高校创新人力和财力资源对东部和西部均具有显著抑制效应，而对西部地区则具有显著正向溢出效应。根据倒U型关系结论，这可能是因为东部地区高校创新资源集聚水平较低、而中部地区创新资源集聚水平过高造成的。与单个创新资源集聚水平溢出效应相反，高校创新资源集聚水平的交互作用对东部和中部呈现出正向溢出效应，而对西部具有不显著的抑制作用，说明不同创新资源集聚存在协同效应。根据上文测算结果，我国三大区域高校创新财力资源集聚程度按东、西、中顺序依次递增，而其对东部(-1.412 676***)、西部(1.777 331***)和中部(-0.627 954***)专利授权量的影响先增后减，进一步证明创新资源集聚水平与创新绩效呈倒U型关系。

从高技术产业看，高技术产业创新人力资源和创新财力资源集聚水平都对中部和西部知识产出具有显著正向溢出效应，且该溢出效应随创新资源集聚水平的提高而加大。通过检验高技术产业创新财力资源集聚水平对专利授权量的溢出效应发现，其对东部(-0.336 760**)、中部(0.877 727***)和西部(0.987 088***)知识产出的影响与该地区财力资源集聚水平呈相反态势，说明创新资源集聚水平并非越高越好。而高技术产业两大创新资源集聚的交互作用对东部具有显著正向溢出效应，对中、西部则具有显著负向溢出效应，主要是因为中、西部地区高技术产业两大创新资源集聚程度相差较大，不能有效产生协同效应。

(2)以新产品销售收入为因变量进行结果分析。从表3中可以看出，虽然R&D人员投入对各区域新产品销售收入具有显著正向溢出效应，但其数值均小于对专利授权量的弹性系数，说明相比于经济产出，人力资源投入对知识产出的溢出效应更大。而R&D经费投入对中部具有显著正向作用，但对东部和西部则具有显著抑制作用，主要是因为当前东部地区科研经费投入冗余，而西部地区投入不足。

从高校看，其创新资源集聚水平虽然对东部和中部具有相似的溢出效应，即单一创新资源集聚水平抑制经济产出，二者交互作用促进经济产出，但产生这一结果的原因并不相同。东部地区主要是因为对高校创新资源投入不足，降低了高校在创新转化阶段的作用；中部地区主要是因为在R&D经费有限情况下，高校科研经费集聚度越高，该地区高技术企业所获经费就越少，从而在一定程度上抑制了高技术企业的创新活动，导致其集聚水平对经济产出具有显著抑制作用。另外，通过分析高校单一创新资源集聚水平对经济产出的溢出效应发现，两者符合倒U型关系。

从高技术产业看，整体上其创新资源集聚度对新产品销售收入溢出效应的显著性较低。对于中部和西部来说，虽然高技术产业单一创新资源集聚水平对其经济产出均具有显著正向溢出效应，但其数值均小于对专利授权量影响的弹性系数，说明当前我国中部和西部高技术企业仍存在重科研、轻转化的现象。另外，高技术产业创新资源集聚的交互作用对中部地区经济产出具有显著负向溢出效应，这主要是由于中部地区对高技术产业创新资源投入不足造成的。

总体而言，专利授权量模型和新产品销售收入模型拟合度都较好，且模型中变量系数显著性也较高。但专利授权量模型调整R2值明显大于新产品销售收入模型R2值，原因在于：一是相比于专利授权量，创新绩效用新产品销售收入衡量具有一定的间接性；二是未考虑其它对新产品销售收入具有重要影响的自变量，如居民生活水平、地区产值等；三是对创新知识产出和经济产出均采取滞后一期的处理方法并不恰当。

5 结论与启示

本文借助区位熵指数及Grilichers-Jaffe知识生产函数，实证研究我国高校和高技术产业创新资源集聚水平对区域创新绩效的溢出效应。综合以上研究结果，为提高我国创新资源有效投入、促进我国创新水平提升，本文提出如下政策建议：

(1)进一步优化创新资源配置结构，提高资源利用效率。从研究结果中可以看出：①我国对东部高校两大创新资源投入比例较低，对中部高校投入比例较高。这种创新资源配置与高校发展水平的不匹配性，对区域创新产出产生了负向溢出效应，说明高校创新资源集聚程度对区域创新溢出效应并非简单的线性关系；②我国对高技术产业创新资源投入比例按中部、西部、东部依次递增，其创新资源集聚水平的弹性系数都呈现出先增后减趋势。而且，东部地区财力资源集聚水平对其创新产出已经表现出显著负向溢出效应，说明单一创新资源集聚水平过高会抑制创新绩效的提升。以上结果说明，应从供给侧改革角度提高区域创新水平，首先需要正确认识创新资源投入的有效性，不能盲目追求高投入。同时，还应提高创新资源管理水平，提升创新资源使用效率，避免出现通过扩大资源集聚规模提升创新能力的现象。其次，还应优化各地区科技资源配置，引导创新资源向集聚度较低地区倾斜。同时，协调各要素投入比例，避免单一创新资源投入不足或冗余，促进各要素协同发挥作用。依据本文研究结果，当前我国应加大对东部高校创新资源投入比例，同时加大对中部和西部地区高技术产业资源的投入比例，以促进科技资源在各地区、各创新主体中的合理配置和集聚。

(2)加强创新资源的匹配性和流动性，提高创新资源协同效应。本研究显示，无论是高校还是高技术产业，创新资源集聚交互作用对区域创新产出的溢出效应与单一创新资源集聚对区域创新绩效的溢出效应呈相反态势。这说明，虽然单一创新资源集聚水平抑制区域创新绩效，但多种创新资源之间存在协同效应，最终其交互作用会产生有利影响；且只有不同创新资源集聚水平达到合适匹配度时，这种协同效应才会出现，差距过大反而会产生抑制作用。因此，各地区在优化创新资源投入比例时，需综合考虑多种创新资源的匹配性，不能单一加大对财力或人力的投入。另外，应促进不同地区、不同创新主体间创新资源的共享和流动，充分发挥创新资源溢出效应。如加大区域内企业和高校协同合作，促进高校创新人力资源的流动性，鼓励高校科研人员积极参与到企业创新活动中，从而提高知识溢出效应。尤其是中部和西部地区高技术产业创新人力资源集聚水平远低于高校集聚水平。因此，更要加强二者间的合作联系，充分利用高校人力资源优势服务于高技术产业创新活动。同时，还应加强区域间交流与合作，推动经济发达地区高校与高技术产业创新知识、创新技术向不发达地区流动，推动区域创新能力协同发展。

[1] 池仁勇,刘娟芳,张宓之,等. 创新要素集聚与区域创新绩效研究——基于浙江中小企业的实证分析[J]. 浙江工业大学学报:社会科学版, 2014(2):153-158.

[2] 陈菲琼,任森. 创新资源集聚的主导因素研究:以浙江为例[J]. 科研管理, 2011(1):89-96.

[3] 焦继文,郭宝洁. 区域科技资源集聚与经济增长之关系的实证分析[J]. 统计与决策,2015(24):111-114.

[4] 陈菲琼, 韩莹. 创新资源集聚的自组织机制研究[J]. 科学学研究, 2009(8): 1246-1254.

[5] 郭宝洁. 区域科技资源集聚与经济增长的关系研究[D].济南:山东大学,2014.

[6] 曹勇,苏凤娇,赵莉.技术创新资源投入与产出绩效的关联性研究——基于电子与通讯设备制造行业的面板数据分析[J].科学学与科学技术管理,2010(12):29-35.

[7] GRILICHES S. Issues in assessing the contribution of R&D to productivity growth[J].Bell Journal of Economics, 1979,10(1):92-116

[8] 唐根年,管志伟,秦辉. 过度集聚、效率损失与生产要素合理配置研究[J]. 经济学家, 2009(11):52-59.

[9] 余泳泽. 创新要素集聚、政府支持与科技创新效率——基于省域数据的空间面板计量分析[J]. 经济评论,2011(2):93-101.

[10] 周元元,冯南平. 创新要素集聚对于区域自主创新能力的影响——基于中国各省市面板数据的实证研究[J]. 合肥工业大学学报:社会科学版,2015(3):57-64.

[11] 王奋,韩伯棠. 科技人力资源区域集聚效应的实证研究[J]. 中国软科学, 2006(3):91-99.

[12] FISCHER M M, VARGA A. Spatial knowledge spillovers and university research: evidence from Austria [J]. The Annals of Regional Science, 2003(37):303-322．

[13] MONJON S, WAELBROECK P.Assessing spillovers from universities to firms: evidence from French firm—level data [J]. International Journal of Industry Organization,2003(21):1255-1270．

[14] 吴玉鸣. 大学、企业研发与区域创新的空间统计与计量分析[J]. 数理统计与管理,2007(2):318-324.

[15] 程鹏. 高校R&D知识溢出与区域创新能力——基于空间杜宾模型的实证研究[J]. 教育与经济, 2014(6):60-68.

[16] 王淑英,秦芳. 基于空间面板模型的高校创新产出溢出效应的实证研究[J]. 软科学,2015(7):64-68.

[17] ANSELIN L, VARGA A, Z J ACS. Local geographic spillovers between university research and high technology innovations [J]. Journal of Urban Economics, 1997(42):422-448.

[18] DELUCIO J J，HERCE J A, GOICOLEA A. The effects of externalities on productivity growth in Spanish industry [J]. Regional Science and Urban Economics, 2002, 32(2):241-258．

[19] 王萌萌,马超群,姚铮. 创新资源集聚水平对高技术产业创新绩效影响的实证研究[J]. 科技管理研究,2015(9):13-19+26.

Study on Spillover Effects of Innovation Resources Gather on Regional Innovation Performance——based on Comparative Study of Universities and High Technology Industries

(School of Economics and Management, Beijing University of Chemical Technology, Beijing 100029, China)

Abstract：Through measuring the innovation resources gather level using location quotient method, the paper empirically studied the spillover effects of gather level in universities and high technology industries on regional innovation based on knowledge production function model. The results showed that: ①the universities' current gather level of single innovation resource had significant negative spillover effects on the innovation performance in eastern and middle region, but significant positive spillover effects in western region. And the high technology industries' current gather level of single innovation resource had significant positive spillover effects on the whole;②in general, the spillover effects of innovation resources' interactive function on regional innovation performance presented the opposite trend compared with single gather level;③the spillover effects of both universities and high technology industries' single innovation resources gather level on innovation performance were not a simple linear relationship;④the interaction function of human resources and financial resources gather showed obvious synergistic effect, and the single innovation resources' lower and higher all would inhibit regional innovation performance' promotion. And then put forward related suggestions to promote the regional innovation ability.

Key Words:Innovation Resources Aggregation; High Technology Industries; Spillover Effects

基金项目：教育部人文社会科学规划基金项目(17YJA630111)；北京市社会科学基金项目(16YJB011)；中央业务费文科专项项目(PTRW1704)

作者简介：吴卫红(1972-)，女，安徽定远人，博士，北京化工大学经济管理学院副教授、硕士生导师，研究方向为技术创新、技术经济；杨婷(1992-)，女，河南周口人，北京化工大学经济管理学院硕士研究生，研究方向为技术经济；张爱美(1965-)，女，吉林抚松人，博士，北京化工大学经济管理学院副教授、硕士生导师，研究方向为技术经济；刘安国(1962-)，男，湖南常德人，博士，北京化工大学经济管理学院教授、硕士生导师，研究方向为技术经济。