协同创新、区域一体化与创新绩效
——对中国三大区域数据的比较研究

张 贵1,温 科1,2

(1.河北工业大学 经济管理学院,天津 300310;2.邯郸学院 经济管理学院,河北 邯郸 056003)

摘 要:协同创新是区域协同发展的内在动力。运用2002-2014年京津冀、长三角、珠三角三大区域省际或各地市数据,应用复合系统协同度模型与数据包络法度量协同创新度和创新绩效,构建了协同创新对创新绩效影响的计量模型;应用空间计量技术对区域一体化与创新绩效的关系进行分析。结果表明,除珠三角外,长三角和京津冀协同创新活动对创新绩效无显著影响;区域一体化程度越高,区域内部创新绩效分布越均衡;“企业自身投入”与“政府资助”等内生要素是促进区域一体化和提升创新绩效的主要动力。因此,应促进区域内部生产要素自由、合理流动,实现创新资源有效溢出,提升区域发展内生动力,加深区域一体化程度,提高创新效率。

关键词:协同创新;区域一体化;创新绩效;空间计量

0 引言

近年来,国家制定了一系列区域发展战略,以打破行政区划局限,促进生产要素有序流动,引导产业合理布局,提高区域经济发展协调性。区域本身作为一个生态系统,由众多具有生态特征的子系统组合而成,而系统本身具有闭合性和开放性两大特征。为实现自身集聚效应和规模效应,各子系统都存在阻碍自身生产要素外溢的内生力量,这种力量虽然有助于加强自身循环累计效应,却不利于各子系统之间生产要素的有效流动,甚至还会削弱区域内部协同能力,加大区域内部交易成本,阻碍区际生产要素有效外溢和区域整体发展。就整个区域而言,一体化发展意味着区域系统中各子系统的有效整合,其能够有效促进内部生产要素无障碍流动,对于提高区域协同能力尤其是区域协同创新能力至关重要,而区域协同创新能力对于提高区域创新绩效和整体发展是不可或缺的。因此,区域协同创新与区域一体化作为推动区域创新要素组织、协调、转移、获取和外溢的两种主要途径[1],对提高区域创新绩效具有重要作用。

1 研究综述

近年来,有关协同创新的研究不断增多,研究内容多集中在协同创新程度衡量[2-3]、协同创新内涵[4-5]、协同创新形成机理[6-8]、协同创新模式[9-10]等方面。以上文献尽管丰富和深化了协同创新相关理论,但并未对协同创新与创新绩效间的关系进行系统研究,不利于从知识要素资源外溢视角理解协同创新内涵。另外,虽然有部分学者对协同创新与创新绩效间的关系进行了研究,如白俊红等[1]、赵增耀等[11]主要从国内省际区域之间协同创新视角进行研究,对于更加宏观层次区域(如京津冀、长三角、珠三角)之间的比较研究缺乏指导意义。

当前,关于区域一体化的研究主要集中在区域一体化理论内涵[12-14]、区际经济一体化进程特征[15-17]、区域经济一体化影响因素及体系构建等方面[18-19]。以上研究对于构建区域一体化理论框架具有重要作用,但并未将区域一体化理论与经济绩效、协同创新绩效等问题结合起来进行讨论,这不利于理解区域一体化动力机制和本质特征,尤其是内生动力机制在区域发展中的作用。Anselin[20]提出,具有空间特征的数据基本都具备空间自相关性和空间依赖性。因此,运用空间计量技术既可以通过空间数据判断空间一体化或者区域一体化程度,也可以通过构建相应的空间权重矩阵和空间计量模型,分析其对目标变量的影响。基于此,本文从区域一体化视角研究其对创新绩效的影响。

Haken[21]于20世纪70年代提出的协同学理论强调协同行为具有协同效应,协同效应是指协同系统中各子系统的同步行为产生了超越各子系统自身作用之和的现象,这里的协同效应即协同绩效。由此可见,协同绩效是协同创新行为的主要目的[8]。当前,国内外学者对于创新绩效的研究主要集中在创新绩效评价方面,且大多是通过构建评价体系和模型对其进行研究。Teresa等[22]以知识促进、管理能力、研发促进、知识转移及合作伙伴关系合作为评级指标,运用外部物流双标图方法分析了葡萄牙地区企业创新绩效对国家和区域增长的影响;Poledníková和Kashi[23]运用多准则决策方法(MCDM)和层次分析法(AHP),通过对捷克共和国2004-2010年的创新绩效进行比较评价后发现,创新绩效差异及创新环境定量评价是制定区域创新政策的基础;刘凤朝等[24]对协同创新与创新绩效之间的关系进行了阐述。以上研究虽然为本文分析影响创新绩效的因素及构建区域创新绩效评价模型奠定了良好基础,但是对协同创新与创新绩效及区域一体化与创新绩效之间关系的揭示仍然不够深入。

那么,协同创新能力如何衡量?协同创新在促进创新绩效方面的效果如何?从区域一体化角度研究其对创新绩效影响的路径是什么?对这些问题进行解答,对于提高区域经济整体水平、增强区域创新能力、实现区域一体化战略具有重要意义。

2 理论框架

绩效评价是指人们为了达到某种目的,采取科学的研究方法和构建严格的评价体系,按照一定标准对主体社会经济活动进行价值衡量的过程[25]。价值实现必然伴随着社会经济资源的持续投入。因此,基于投入产出效应的创新绩效,是指区域创新系统通过投入一定的有形资源和无形资源要素所体现出的生产效率和社会效益的提高,创新绩效研究和度量基本体现在投入与产出两个方面。

区域作为创新系统的主要组成部分,其是指区域中各子系统之间,如企业、高校、政府等在发挥各自创新优势的前提下,通过建立合作关系,形成有效的分工系统,发挥联合创新的作用。因此,本文认为,协同创新是指通过知识共享、知识互补、知识流动、制度创新等方式,以稳定的契约关系为基础,由企业、政府、科研机构、大学及中介机构等形成的有机生态系统和网络[26]

从对协同创新和创新绩效的研究中,可以得出协同创新对于创新绩效的作用机理:①区域创新系统主体涉及企业、政府、高校及研究机构等各方主体,其掌握着大量知识、资金、技术、设备等资源,并为创新绩效资源投入提供坚实的物质基础和智力支持;②在资源投入之后,区域创新主体间的有效合作有助于规范创新主体的经济行为,节省创新活动交易成本,加强创新主体之间的知识溢出,提高创新资源转化为创新成果的效率;③创新绩效的产生为协同创新活动提供了正反馈作用,为优化协同创新活动提供了科学方向,有助于进一步增强区域协同创新活动对于区域创新绩效的正向促进作用。因此,协同创新活动有利于创新绩效的提高。

区域一体化有广义和狭义之分,广义的区域一体化概念表现为国家之间的一体化行为,即国家间的一体化过程,其中涉及国家之间生产要素的流通及相关合作和协调[27];狭义的区域一体化是指区域经济体为了共同利益,在地域分工及区际利益分配过程中,采取协调行动的行为过程和组织[28]。区域一体化在带来贸易成本下降的同时也会引发产业和生产要素集聚,使得生产要素价格上升、区际间经济密度差距逐渐缩小、区域整体经济绩效上升,而创新绩效的提升对于区域经济绩效增长具有重要促进作用。区域一体化与区域创新绩效的关系体现在:①区域一体化本身就是生产要素不断流通的结果,要素资源在流通过程中流向资源配置效率更高的区域,从而不断促进要素资源整合,为提升创新绩效奠定坚实基础;②区域绩效的产生作为重要标准,为区域一体化进程提供持续动力和方向,有助于优化区域要素结构分配、促进要素资源配置效率,使区域一体化发展更加符合经济规律。

因此,根据以上理论研究,得到本文理论框架(见图1)。

图1 理论框架

资料来源:作者自制

3 协同创新与创新绩效关系度量

本文研究对象为京津冀、长三角、珠三角三大区域。其中,京津冀包括北京、天津、河北3个省市,长三角包括上海、浙江、江苏3个省市,珠三角包括广州、深圳、珠海、佛山、江门、东莞、中山、惠州、肇庆9个地市。本文数据来源于2003-2015年《中国科技统计年鉴》、《中国统计年鉴》以及研究对象各地市的《科技统计年鉴》。

3.1 协同创新度量

区域创新系统作为复杂系统,其发展过程是由多个子系统相互影响并从无序到有序不断演化的过程。协同学认为,复杂系统中各子系统是由多个慢弛豫变量和快弛豫变量表示的,前者对系统起主导和直接作用,又称为序参量;后者对系统起次要和间接作用。复合系统协同度模型作为度量区域协同的工具,通过测算区域创新系统各子系统的序参量达到度量区域协同现状的目的,这比较符合区域创新系统的特点,其可操作性也较强。因此,本文采用复合系统协同度模型对协同创新情况进行分析,衡量标准为协同创新度。

模型构建思路如下:首先,假设区域创新系统内部子系统为Ri,i∈[1,n],子系统中的序参量为:Xi=(Xi1,Xi2,…,Xij),其中βXijα,j∈[1,m],β为序参量的下限值,α为序参量的上限值;设Xi1,Xi2,…,Xit的值越大,其子系统的有序性越强;Xit+1,Xit+2,…,Xij的值越小,其子系统的有序性越差。其中,各序参量有序度公式为:当j∈[1,t]时,Vi(Xij);当j∈[t+1,m]时,Vi(Xij)。此公式表明,Vi(Xij)越大,Xij对子系统的正向作用越大。整个子系统的有序度可用Vi(Xi)进行度量,此值越高,则表明子系统的有序度越高。其次,对各子系统的有序度值再进行平均几何分析,可得到整个区域创新系统的有序度。假定初始时期为T0,即基期,各子系统的有序度为(Xi),复合系统演变到T1时期时,各子系统的有序度为(Xi),整个复合系统的演化水平为:TR=θ,此值越大,则区域创新系统协同度越高,其中θ = , TR∈[-1,1]。

根据复合系统协同度模型研究思路,首先应该分离出三大区域创新系统子系统,而各子系统包含要素是基于指标设计的动态性、客观性和科学性等原则以及借鉴国内外典型的区域协同创新评价体系[29-30]选取的(见表1)。

表1 三大区域协同创新系统影响要素分布

子系统变量子系统要素技术知识支持系统R&D经费及人员投入、专利授权量创新环境支持系统科技活动经费中的政府资金和金融机构资金、高等院校研究活动中来源于政府和企业的资金技术知识配置系统规模以上工业企业技术经费、所购国内技术经费占总技术经费的比重和规模以上工业企业新产品开发费用技术知识应用系统技术市场成交合同数、金额及规模以上工业企业新产品销售收入

在对三大区域子系统要素数据进行收集并进行标准化处理后,运用复合系统模型进行分析(见图2)。以2002年作为比较基期发现,京津冀协同创新度从2003年开始先是不断下降,进入到2012年后进入上升阶段;长三角协同创新情况则呈现下降趋势;珠三角协同创新情况变化幅度较小,虽有小幅下降,但协同创新情况比较稳定。

图2 以2002年为基期的2003-2014年三大区域协同创新情况比较

注:三大区域各年协同创新度以2002年为基期得出,其是一种相对指标,代表的是每个区域协同创新的变化情况,各区域同年之间的协同创新度并不具有优劣等比较效应

3.2 创新绩效度量

目前,度量创新绩效的研究方法主要包括参数法和非参数法两类。参数法需根据研究对象设置衡量创新绩效的函数,在函数和假设正确的前提下,能够科学地对创新绩效进行描述,但是函数设置比较复杂。非参数法中运用最多的是数据包络法,其运用运筹学中的线性规划原理,通过对投入产出现象进行分析,进而得出创新绩效,其数据分析基础大都是面板数据,方法比较客观和简易。因此,本文采取数据包络法度量创新绩效。

要想更加全面地反映投入产出之间的关系,需采用多投入多产出思路进行分析。基于进一步研究协同创新度与创新绩效间关系的需要,投入产出指标从评价协同创新度的复合系统要素中选取。其中,投入指标包括R&D人员投入全时当量、R&D经费内部支出及规模以上工业企业新产品开发费用,产出指标包括专利申请授权数及规模以上工业企业新产品销售收入。本文将三大区域2002-2014年的投入产出数据运用数据包络法进行运算后,可得出如下结论(见图3):京津冀创新绩效在动态变化过程中起伏不定,但总体呈不断下降趋势;长三角创新绩效呈不断上升趋势;而珠三角创新绩效在经过前期稳定之后,呈不断下降趋势。

图3 2002-2014年三大区域及各地区创新绩效比较分析

3.3 协同创新与创新绩效关系计量模型构建

在对三大区域协同创新度和创新绩效进行比较分析的基础上,本文进一步根据三大区域具体情况构建适合各区域协同创新的关系计量模型:一是分别从线性和非线性两个方面进行计量模型分析,找出适合三大区域的计量模型类型;二是根据计量模型分析结果,研究各区域计量模型中协同创新度与创新绩效间的关系。为了分析方便及保持三大区域在计量口径上的一致性,各区域计量模型被解释变量为“创新绩效”,用TX表示;解释变量为“协同创新度”,用XT表示。为保持控制变量与被解释变量和解释变量之间的独立性,本文设置人口素质和经济规模两个控制变量。其中,人口素质(常住人口)由区域平均受教育年限确定,用RK表示;经济规模由区域GDP总量占全国GDP总量的比例确定,用GM表示。本文控制变量数据来源于2003-2015年《中国科技统计年鉴》、《中国统计年鉴》。

本文基于多变量分析考虑,选取柯布—道格拉斯函数模式构建非线性模型,其一般形式为TXi,t = αεi,t,控制变量为,将其分解后可得TXi,t = αRKi,tρ1GMi,tρ2εi,tρ=ρ1+ρ2,之后对模型公式两边取ln对数,转换成线性模型进行回归分析。

当样本数据是从总体中随机选取时,在对模型进行混合OLS估计和固定效应估计的同时,应进行随机效应检验。由于本文是对样本总体而非随机样本进行估计,回归分析的目的在于研究特定个体,并且变量数小于时期数。因此,可放宽基本假设,不必作随机检验。运用Eviews分别对模型进行混合OLS估计和固定效应估计,结果见表2。

表2 三大区域创新绩效与协同创新关系计量模型分析

指标京津冀(LnTX)混合OLS估计固定效应估计长三角(LnTX)混合OLS估计固定效应估计珠三角(LnTX)混合OLS估计固定效应估计LnTX-0.000954-0.000879∗-0.006894-0.0055361.031902∗∗∗1.069041∗∗∗(-1.435781)(-2.035610)(-0.926784)(-0.949830)(398.8920)(368.3561)LnRK0.468903∗∗∗0.436859∗∗∗0.108760∗∗∗0.118019∗∗∗0.0005100.000798(429.3790)(421.9378)(85.13570)(91.78054)(1.169804)(1.182903)LnGM0.0004710.000377-0.024781∗-0.028983∗-0.001237∗-0.001472∗(0.167462)(0.131011)(-1.518390)(-1.789371)(-2.238909)(-2.489301)常数项-0.168491∗∗∗-0.165789∗∗∗1.238768∗∗∗1.260932∗∗∗-1.030983∗∗∗-1.069850∗∗∗(-27.43827)(-31.56901)(56.89031)(47.90821)(-298.8902)(-328.5903)Prob(F统计量)000R20.8230.8340.7730.7940.7670.787调整后R20.7980.8080.7500.7680.7410.762

注:***表示0.01水平上显著;**表示0.05水平上显著;*表示0.1水平上显著,下同

表2显示,各区域固定效应估计模型调整后R2值高于混合OLS估计模型,两种估计模型的Prob(F统计量)都为0。因此,本文采用固定效应估计模型对各区域协同创新度与创新绩效间的数量关系进行分析。其中,京津冀协同创新度和经济规模对创新绩效并无显著影响关系,而人口素质对创新绩效的影响较为显著。这是因为,本地常住人口劳动力学历及技术水平得到普遍提高。在影响长三角创新绩效的因素中,人口素质的作用最为显著。这是因为,外来高素质劳动力流入和区域内部人力资源自由流动有效促进了创新主体之间的信息共享、知识溢出及社会网络的形成,有利于创新绩效的提升;其次是经济规模,而协同创新度对创新绩效的影响并不显著。珠三角创新绩效影响因素都较为显著,首先为协同创新度,其次是经济规模,最后为人口素质。综上所述,京津冀与长三角协同创新要素对本区域创新绩效的影响并不显著,而珠三角则较为显著。这说明,与珠三角相比,京津冀与长三角协同创新活动效率不高,区域内部未建立有效的互惠、互利与共享机制,不利于创新知识转移、创新要素扩散及创新绩效提升。

4 基于区域一体化的创新绩效分析

基于区域一体化的创新绩效分析方法主要包括以下空间计量内容:一是基于统计检验的空间计量模型,二是基于似然函数值的空间计量模型[30]。其中,前者主要是研究某个空间单元某个属性与其它空间单元某个属性之间的相关程度,如Moran指数、引力模型、基尼系数等,其缺点在于无法检验模型是空间自回归还是空间残差相关。其中,Moran指数反映空间邻接或邻近区域单元属性值的相似程度,其可以大致检验多个地区间的相关程度;后者在收集面板数据的基础上,同时分析多个解释变量(其中包括带有空间影响因素的解释变量)和控制变量对被解释变量的影响,其缺陷是解释变量与被解释变量之间的关系易受到控制变量的影响,因而无法客观得出解释变量与被解释变量的真正关系。同时,也容易出现似然值没有显著差异和检验效度不高等问题[30]。综合以上分析,本文采用上述两种方法对区域一体化与创新绩效间的关系进行综合研究。

为保持三大区域计算口径的一致性,有效建立各地区之间的空间权重矩阵,更加细致地研究三大区域一体化情况(京津冀和长三角也要以地市为单位进行研究),首先需分别对京津冀13个地市、长三角25个地市及珠三角9个地市的创新绩效进行计算;在此基础上,再对各区域一体化程度与创新绩效间的关系进行分析。为使上下文计算结果更具有可比性,在创新绩效计算方面,所选评价指标和评价方法应尽可能与本文第三部分一致,即评价方法仍以数据包络法为基础。由于地市与省域年鉴数据统计口径不尽一致,因此指标选取标准稍有不同。其中,产出指标为专利申请量和规模以上工业新产品销售收入,投入指标为规模以上工业R&D人员、规模以上工业R&D内部经费支出及规模以上工业企业新产品开发费用。

本文目的在于对三大区域的现实情况进行比较,运用Moran指数时采用截面数据进行分析,选取时间为2014年。基于似然函数值进行空间计量分析时需搜集动态面板数据,故本文选取时间为2002-2014年。根据数据可得性、科学性、可比性、时效性和客观性原则,两种方法数据来源为三大区域各地市地方统计年鉴或科技年鉴,并运用数据包络法对三大区域各地市创新绩效进行度量(见表3),从而可得出三大区域各地市创新绩效总体变化情况。

表3 三大区域各地市创新效率值

地区效率值2002-2014年平均值2014年地区效率值2002-2014年平均值2014年京津冀扬州0.7190.648北京0.9280.936镇江0.5780.702天津0.9070.967泰州0.3320.353石家庄0.4810.519宿迁0.5910.549唐山0.4310.474杭州0.6790.559秦皇岛0.8690.993宁波0.4310.549邯郸0.7110.669温州0.9811.000邢台0.7580.843绍兴0.6500.563保定0.6780.712湖州0.8080.862张家口0.3130.348嘉兴0.4490.489承德0.4750.556金华0.8050.901沧州0.9030.937衢州0.6620.533廊坊0.9131.000台州0.6370.519衡水0.4010.485丽水0.9650.998长三角舟山0.7180.679上海0.6880.511珠三角南京0.7210.647广州0.8460.753无锡0.7210.679深圳0.7640.543徐州0.1090.218珠海0.9521.000常州0.5890.523佛山0.6980.551苏州0.9491.000江门0.8180.805南通0.4310.503东莞0.3200.381连云港0.5410.504中山0.9050.996淮阴0.4870.507惠州0.8751.000盐城0.1350.169肇庆0.5080.419

数据来源:作者整理

4.1 基于Moran指数的区域一体化与创新绩效关系

Moran指数分为全局指标和局部指标两种,前者用来测度整个区域相关程度,后者用来测度区域中各部分之间的相关程度。由于区域一体化涉及整个区域的相关性程度,因此本文选用全局Moran指数。公式为:

(1)

其中,xixj为各地理单位的创新绩效值,wij为空间权重矩阵,此矩阵的建立可基于邻接标准或距离标准。前者是指当不同地理单位相邻时,wij=1;当不相邻时,wij=0;后者表示矩阵的建立是以空间单元的直线欧式距离为基准,这种方法考虑了不相邻地区的相对距离因素。因此,本文选取基于距离标准的权重分析方法计算全局Moran指数。将2014年三大区域各地市创新绩效数据带入Moran指数公式进行运算,可得到三大区域2014年的Moran指数(见表4)。

表4 2014年三大区域Moran指数情况

地区Moran指数京津冀-0.03长三角0.85珠三角0.36

首先,从表4结果看,在Moran指数中,长三角最高,其次是珠三角,最后是京津冀。这表明,在三大区域中,长三角各地市之间的创新绩效值关联更为紧密,区域一体化程度最高。

其次,从2014年三大区域创新绩效分布情况看(见图4),京津冀中除环京津地区创新绩效较高外,其它地区都较低,且形成了“个别极高—大量较低”的“断崖式”分布态势;长三角地市创新绩效数据结果除个别极高和极低外,其它地市分布比较集中,且形成了“个别极高—大量中等—个别极低”的“均衡式”分布态势;珠三角地区创新绩效数据结果分布虽然彼此之间有一定差别,但差别不大,基本处于“个别极高—个别较高—个别中等—个别较低”的“阶梯式”分布态势,绩效分布也较为分散,但不如长三角地区地区均衡。这表明,区域一体化程度最高的长三角绩效分布最为均衡,其次是珠三角,最后是京津冀,在一定程度上说明区域一体化程度与区域创新绩效分布态势呈正相关。

4.2 基于似然函数值的区域一体化与创新绩效关系

本文利用基于似然函数值的空间计量模型进一步分析三大区域一体化与创新绩效的关系,需要建立空间自回归模型。首先,需确定空间权重矩阵,确立的基础是距离标准。空间自回归模型主要分为SAR(空间自相关模型)、SDM(空间杜宾模型)、SEM(空间误差模型)和SAC(空间交叉模型)。

SAR的基本表现形式为:

(2)

将空间滞后因素与SAR模型相结合,可得SDM模型,其基本表现形式为:

(3)

使用空间滞后因素反映扰动过程的依赖,则可得到SEM模型,其基本表现形式为:

(4)

本文将因变量和扰动项的空间依赖都考虑进去,则可得到SAC模型,其基本表现形式为:

(5)

在公式(2)~(5)中, ρ为空间自相关矩阵系数,β为解释变量系数,α为控制变量系数,ε为随机误差项,μ为误差扰动项。从以上4种模型关系分析中可知,SDMSEMSAC模型是在SAR模型构建的基础上形成的。本文根据三大区域的现实状况,设置如下SAR模型(Anselin,1988):

lnyit=ρWlnyit1lngovit2lnentit3lnothit1lnincit

(6)

在式(5)中,y为创新绩效,W为空间矩阵,gov为“R&D经费中政府资金数额”,ent为“R&D经费中企业资金数额”,oth为“R&D经费中其它资金数额”,inc为“地区企业主营业务收入”,gdp为“地区生产总值”,ser为“地区第三产业产值占地区生产总值比例”,edu为“地区人口(常住人口)平均受教育年限”,pro为“地区企事业单位中专业技术人员数量”。由于式(5)中所含变量数与时期数十分接近,模型假设不能放宽,因此有必要选择固定效应模型或随机效应模型作为其结果估计的依据[20,30]。首先,运用MATLAB将数据带入式(6)中及由其派生出的SDMSEMSAC模型,并进行Hausman检验。分析结果显示,Prob>Chi2=0.000,判断采用固定效应模型,并对3个区域4种空间计量模型的创新绩效空间外溢情况进行比较分析(见表5),以决定采用哪种空间计量模型进行回归检验。

图4 2014年三大区域创新绩效分布

表5 三大区域创新绩效空间外溢情况

变量京津冀SARSDMSEMSAC长三角SARSDMSEMSAC珠三角SARSDMSEMSACρ0.301∗∗0.317∗∗0.331∗∗∗0.288∗∗0.862∗∗∗0.893∗∗∗0.978∗∗∗0.818∗∗∗0.594∗∗∗0.621∗∗∗0.667∗∗∗0.582∗∗∗(0.023)(0.014)(0.007)(0.011)(0.005)(0.000)(0.000)(0.008)(0.004)(0.002)(0.002)(0.005)gov0.419∗∗∗0.395∗∗∗0.451∗∗∗0.389∗∗∗0.230∗0.256∗0.268∗∗0.221∗0.161∗0.178∗0.183∗0.148∗(0.004)(0.005)(0.002)(0.007)(0.082)(0.075)(0.067)(0.087)(0.084)(0.078)(0.071)(0.092)go1-0.471∗∗∗0.523∗∗∗0.459∗∗∗-0.289∗∗0.315∗∗∗0.269∗∗-0.207∗∗0.226∗∗0.189∗∗(0.003)(0.000)(0.005)(0.021)(0.006)(0.027)(0.029)(0.021)(0.036)ent-0.212∗-0.232∗-0.237∗-0.226∗0.296∗0.319∗0.347∗0.263∗0.484∗∗∗0.498∗∗∗0.536∗∗∗0.471∗∗∗(0.081)(0.070)(0.062)(0.087)(0.078)(0.071)(0.063)(0.083)(0.007)(0.005)(0.004)(0.008)en1--0.185∗-0.207∗-0.172∗-0.339∗∗∗0.352∗∗∗0.327∗∗∗-0.626∗∗∗0.651∗∗∗0.617∗∗∗(0.059)(0.051)(0.062)(0.003)(0.001)(0.005)(0.000)(0.000)(0.000)oth0.0150.0280.0350.0210.1150.1320.1690.1010.220∗∗0.231∗∗0.396∗∗0.193∗∗(0.674)(0.613)(0.556)(0.693)(0.173)(0.165)(0.151)(0.196)(0.032)(0.028)(0.022)(0.035)ot1-0.043∗0.064∗0.039-0.161∗0.281∗∗0.141-0.291∗∗∗0.391∗∗∗0.274∗∗∗(0.083)(0.069)(0.103)(0.053)(0.039)(0.107)(0.005)(0.004)(0.007)inc-0.362∗-0.387∗∗-0.435∗∗∗-0.329∗-0.134-0.147-0.185-0.1130.1580.1710.188∗0.122(0.027)(0.023)(0.002)(0.056)(0.281)(0.263)(0.253)(0.288)(0.131)(0.123)(0.064)(0.146)gdp0.1570.1790.1890.153-0.152-0.167-0.197-0.133-0.279-0.299-0.314-0.196(0.229)(0.182)(0.193)(0.249)(0.339)(0.325)(0.306)(0.353)(0.481)(0.426)(0.409)(0.507)ser-0.153∗-0.169∗∗-0.202∗∗-0.172∗∗0.156∗∗0.170∗∗0.189∗∗∗0.136∗0.218∗∗∗0.259∗∗∗0.291∗∗∗0.196∗∗(0.039)(0.032)(0.026)(0.044)(0.025)(0.016)(0.004)(0.056)(0.004)(0.003)(0.001)(0.016)edu0.217∗∗∗0.225∗∗∗0.253∗∗∗0.226∗∗∗0.0170.0370.0470.009-0.117∗∗-0.135∗∗-0.164∗∗-0.107∗(0.002)(0.001)(0.000)(0.007)(0.628)(0.616)(0.587)(0.729)(0.028)(0.022)(0.019)(0.052)pro0.153∗∗∗0.177∗∗∗0.182∗∗∗0.171∗∗∗0.258∗∗∗0.281∗∗∗0.323∗∗∗0.239∗∗∗0.302∗∗∗0.341∗∗∗0.370∗∗∗0.294∗∗∗(0.004)(0.002)(0.000)(0.006)(0.002)(0.000)(0.000)(0.003)(0.003)(0.001)(0.000)(0.004)调整后R20.7910.8230.8930.7730.7550.7690.8010.7310.8110.8250.8390.785LogL88.35399.453120.68082.35178.80482.09693.56277.07698.193102.451107.85984.906

注:各变量回归系数下的括号中为P(Prob)值;gov1、ent1和oth1分别表示“R&D经费中政府资金数额”、“R&D经费中企业资金数额”及“R&D经费中其它资金数额”滞后一期数值,下同

根据空间计量模型相关判断规则[20,30],综合调整R2值及LogL值(自然对数函数值)结果见表5。本文选择SEM(空间误差模型)作为分析三大区域创新绩效空间外溢的分析模型,从模型中反映的各变量之间的关系可以初步看出,在三大区域中,长三角区域一体化程度与创新绩效关系最为明显,其次是珠三角,最后是京津冀。为了更加具体地描述三大区域空间误差固定效应模型中各解释变量与控制变量对创新绩效的影响,基于固定效应模型对地区和时间两类非观测效应的不同控制,可将三大区域空间误差固定效应模型分为无固定效应模型、地区固定效应模型、时间固定效应模型和地区时间固定效用模型进行回归分析,结果见表6。

表6 三大区域SEM模型回归结果

变量京津冀无固定效应地区固定效应 时间固定效应地区时间长三角无固定效应地区固定效应时间固定效应地区时间珠三角无固定效应地区固定效应时间固定效应地区时间ρ0.229∗∗∗0.361∗∗∗0.257∗∗∗0.343∗∗∗0.822∗∗∗0.884∗∗∗0.841∗∗∗0.858∗∗∗0.593∗∗∗0.686∗∗∗0.619∗∗∗0.675∗∗∗(0.008)(0.005)(0.008)(0.007)(0.007)(0.002)(0.005)(0.003)(0.008)(0.001)(0.007)(0.003)gov0.397∗∗∗0.503∗∗∗0.417∗∗∗0.493∗∗∗0.202∗∗0.295∗∗0.223∗∗0.241∗∗0.156∗0.208∗0.177∗0.193∗(0.004)(0.000)(0.002)(0.000)(0.081)(0.053)(0.072)(0.063)(0.093)(0.070)(0.085)(0.079)go10.458∗∗∗0.543∗∗∗0.491∗∗∗0.517∗∗∗0.309∗∗0.349∗∗∗0.337∗∗0.343∗∗∗0.201∗0.268∗∗0.225∗∗0.243∗∗(0.000)(0.000)(0.000)(0.000)(0.017)(0.006)(0.011)(0.008)(0.054)(0.019)(0.044)(0.027)ent-0.283∗-0.205∗-0.269∗-0.223∗0.3410.377∗0.356∗0.368∗0.503∗∗0.557∗∗∗0.523∗∗∗0.535∗∗∗(0.087)(0.056)(0.081)(0.066)(0.103)(0.065)(0.088)(0.074)(0.014)(0.002)(0.007)(0.005)en1-0.239∗-0.178∗∗-0.213∗-0.199∗∗0.349∗∗0.396∗∗∗0.377∗∗∗0.389∗0.594∗∗∗0.681∗∗∗0.626∗∗∗0.667∗∗∗(0.065)(0.034)(0.053)(0.048)(0.011)(0.003)(0.007)(0.004)(0.000)(0.000)(0.000)(0.000)oth0.0210.0650.0370.0540.1330.1650.1410.1490.271∗0.358∗∗0.311∗∗0.334∗∗(0.754)(0.556)(0.731)(0.599)(0.399)(0.351)(0.384)(0.372)(0.051)(0.017)(0.033)(0.025)ot10.1660.211∗0.1840.103∗0.223∗0.317∗∗0.237∗0.281∗∗0.339∗∗0.406∗∗∗0.366∗∗0.383∗∗∗(0.154)(0.062)(0.132)(0.081)(0.067)(0.041)(0.061)(0.046)(0.024)(0.006)(0.014)(0.007)inc-0.656∗∗∗-0.470∗∗∗-0.563∗∗∗-0.502∗∗∗-0.282-0.201-0.259-0.2210.167∗0.218∗0.197∗0.207∗(0.007)(0.003)(0.006)(0.005)(0.313)(0.243)(0.278)(0.266)(0.095)(0.061)(0.077)(0.072)gdp0.0890.2330.1050.219-0.311-0.203-0.284-0.218-0.309-0.344-0.326-0.348(0.208)(0.102)(0.173)(0.121)(0.349)(0.301)(0.332)(0.319)(0.465)(0.401)(0.422)(0.416)ser-0.497∗-0.268∗∗-0.472∗-0.263∗∗0.145∗0.209∗∗0.169∗0.178∗∗0.267∗∗0.332∗∗∗0.285∗∗∗0.319∗∗∗(0.051)(0.012)(0.045)(0.032)(0.072)(0.031)(0.053)(0.048)(0.017)(0.003)(0.007)(0.004)edu0.271∗∗0.334∗∗0.286∗∗0.312∗∗∗0.0330.0690.0450.054-0.225∗-0.166∗∗-0.201∗∗-0.172∗∗(0.018)(0.002)(0.011)(0.005)(0.649)(0.563)(0.625)(0.577)(0.047)(0.012)(0.030)(0.025)pro0.210∗∗∗0.297∗∗∗0.223∗∗∗0.287∗∗∗0.226∗∗0.341∗∗∗0.257∗∗∗0.315∗∗∗0.329∗∗∗0.358∗∗∗0.335∗∗∗0.348∗∗∗(0.008)(0.003)(0.006)(0.003)(0.011)(0.001)(0.007)(0.003)(0.007)(0.001)(0.005)(0.002)调整后R20.8290.8810.8400.8530.7930.8330.8080.8140.7780.8480.8310.839LogL102.436110.890105.232107.52182.908104.76491.99792.79580.129107.136103.985105.196τ65.65916.74549.901-54.7099.13233.513-80.64523.98768.981-(36.751)(20.703)(27.098)(28.798)(15.169)(21.862)(56.901)(33.715)(43.176)

根据τ值(广义似然率统计量)分析结果,无固定效应模型、时间固定效应模型和地区时间固定效用模型验证结果均被拒绝,表明三大区域空间误差地区固定效应模型结果可作为区域一体化与创新绩效以及创新绩效与其影响因素之间关系研究的依据。表6中ρ值结果表明,长三角区域一体化程度最高,其次是珠三角,最后是京津冀。具体就各解释变量和控制变量而言可以发现,影响三大区域创新绩效的各主要因素如下:根据各解释变量和控制变量有关系数在三大区域的分布情况(见图5)可知,影响京津冀创新绩效的主要因素包括“政府资助”、“本地人员素质的提高”及“企事业单位专业人才数量”;影响长三角创新绩效的主要因素为“政府资助”、“企业自有R&D资金投入”、“第三产业发展”及“企事业单位专业人才数量”;影响珠三角创新绩效的主要因素为“企业自有R&D资金投入”、“金融资本及外资投入”、“第三产业发展”及“企事业单位专业人才数量”。

图5 三大区域创新绩效影响因素系数分布

因此,与珠三角和京津冀相比,区域一体化程度最高的长三角地区创新绩效各影响因素系数在显著性和大小等方面虽然都不算最突出,但总体分布比较均衡。除“企业规模”和“地区经济规模”外,其它影响因素对于其创新绩效的提升都起到了一定的推动作用,其中最主要是“政府资助”、“企业自有R&D资金投入”等内生要素,这在京津冀和珠三角地区也有较高程度的体现。

综合两种空间计量方法度量区域一体化与创新绩效关系的结果,首先可以得出:长三角区域一体化程度最高,其次是珠三角,最后是京津冀;其次,区域一体化程度越高,区域创新绩效分布越均衡;最后,区域内生发展要素是区域一体化和创新绩效提升和均衡分布的主要动力源。

5 结论与对策建议

本文结合我国京津冀地区、长三角地区及珠三角地区各省地市面板数据和截面数据,在度量协同创新度和创新绩效的基础上,采用计量经济学方法,构建了三大区域协同创新与创新绩效关系计量模型,对三大区域中协同创新与创新绩效之间的关系进行了实证分析,并进一步运用空间计量模型研究了区域一体化对创新绩效的促进作用,并得出如下结论:

(1)京津冀协同创新度对创新绩效的影响不显著,区域一体化程度较低使得创新绩效分布极不平衡。首先,尽管人口素质等因素对区域创新绩效起正向促进作用,但区域协同创新活动并未起到推动创新绩效的作用,这说明京津冀人才等要素的自由流动和区域共享程度不高。单独依靠本地人才等生产要素优势提高区域创新绩效也许能在短期内有效,但就长期而言,依然需要各种生产要素的自由流动,这也是京津冀地区创新绩效经常出现短期“跳跃式”发展和下降的主要原因。创新是生产要素的重新组合,只有生产要素自由流动才能创造出更多创新组合,从而促进创新活动发展和区域创新绩效持续提升。其次,京津冀区域一体化程度不高导致各地市创新绩效数据呈“断崖式”分布及环京津地带创新绩效较高等现象表明,影响创新绩效的人口素质、政府资金资助等内生动力要素分配极不平衡。尽管京津冀三地之间的相互协作关系有所加强,但区域内各地市之间的联系程度依然不够紧密,使京津冀陷入了协同创新、创新绩效与区域一体化之间无法有效协调的不良循环。因此,京津冀地区应发挥市场机制在资源配置中的有效作用,破除区域内部阻碍资源流动的机制障碍,形成有利于要素资源流动的创新生态环境,进一步发挥人口素质、政府资金资助等区域内生动力要素的作用,加强本地企业等创新主体在区域一体化中的作用,形成政府与企业的有效合力及其活动的内在关联,实现创新资源的有效溢出,从而提高协同创新活动效率,加强京津冀区域一体化程度,促进区域创新绩效提升。

(2)长三角协同创新要素对创新绩效的影响不显著,区域一体化程度最高使得创新绩效分布最为均衡。首先,长三角区域内部也存在生产要素流动不畅的现象,但原因与京津冀地区有所不同,京津冀主要是由于区域内部政治经济体制不统一造成的,长三角地区则是由于其低水平的产品同构和产业同构问题造成的,这使得区域内部各地市之间的产业合作分工较差、要素互补性不强。因此,协同创新活动无法发挥其在提高创新绩效过程中的应有作用。其次,长三角区域一体化程度较高引起的各地市创新绩效数据“均衡式”分布表明,影响创新绩效的政府资助、企业自有R&D资金投入等内生动力要素在各地市分配比较平衡、生产要素空间溢出效应较高,尽管这种溢出未发挥要素互补性作用,却有效提升了各地市原有的要素优势及相关产业优势和创新绩效,这也是长三角地区创新绩效和区域一体化程度较高的主要原因。长三角在发挥市场机制等内生动力促进区域经济协调发展的同时,应进一步发挥政府资金资助等其它内生要素的作用,运用制度工具深化和引导区域产业分工,实现区域错位发展,促进区域内部生产要素互补性和产业异质化,发挥协同创新在提高创新绩效中的作用,这有利于创新绩效的持续提升和区域一体化程度的进一步加深。

(3)珠三角协同创新要素对创新绩效的影响比较显著,区域一体化程度较高使得创新绩效分布比较均衡,但仍有一定程度落差。珠三角协同创新、区域一体化与创新绩效之间的关系与长三角和京津冀地区都不一致。首先,经过区域一体化战略的实施及区域错位发展思路的贯彻,珠三角已经逐渐形成了“广佛肇”、“深莞惠”、“珠中江”三大经济圈,生产要素在区域内流动不断加强,区域内部各地市之间的协同创新关系日益深化,区域创新绩效不断提升,这是区域协同创新要素对创新绩效起正向显著作用的主要原因。其次,珠三角区域一体化现状引起的创新绩效数据“阶梯式”分布表明,区域内各地市之间创新要素分配较不平衡,尤其是广州、佛山、深圳、东莞组成的“紧密型城市体”所发挥的资源“虹吸效应”仍在加强。从珠三角2014年创新绩效数据分布情况来看,广州与深圳虽然作为创新中心发挥着地区经济引领作用,但其创新绩效相比其它地市并不高,说明广州和深圳等创新主体由于过量耗费创新资源,导致区域创新绩效不断下降(见图2),使得区域内地区发展更加不平衡,进而影响珠三角区域一体化进程,这是珠三角区域一体化程度相对于长三角较低的主要原因。因此,珠三角地区应该不断加深区域内部错位发展,促进要素自由流动,提升广州、深圳等区域创新中心的创新绩效,合理、高效地利用创新投入,将多余、不能完全利用的内生动力要素转移到珠三角肇庆、惠州等区域边缘地带,从而最终形成环环相扣的区域创新生态圈。

参考文献:

[1] 白俊红,蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究,2015(7):174-187.

[2] LENGYEL B,LEYDESDORFF L.Regional innovation systems in hungary: the failing synergy at the national level[J].Regional Studies,2011(5):677-693.

[3] 范斐,杜德斌,游小珺,等.基于能力结构关系模型的区域协同创新研究[J].地理科学,2015(1):66-74.

[4] SERRANO V,FISCHER T.Collaborative innovation in ubiquitous systems[J].International Manufacturing,2007,18(5):599-615.

[5] 陈劲,阳银娟.协同创新的理论基础与内涵[J].科学学研究,2012(2):161-164.

[6] ZUCKER L,DARBY M,BREWER M.Intellectual human capital and the birth of US biotechnology enterprises[J].American Economic Review,1998,88(5):290-306.

[7] SOFO F,VOLPENTESTA A,AMMIRATO S.Establishing a framework for collaborative innovation processes in a technological district in Italy[J].Technology Collection,2008(1):169-176.

[8] 解学梅,刘丝雨.都市圈中观视角下的协同创新演化研究综述[J].经济地理,2013,33 (2):68-75.

[9] SUN H,FRICK J.A shift from CIM to CHIM[J].International Journal of Computer Integrated Manufacturing,1999,12(5): 461-469.

[10] MIRUELEZ E,MORENO R.Research networks and inventors′ mobility as drivers of innovation: evidence from Europe[J].Regional Studies,2013,47(10):1668-1685.

[11] 赵增耀,章小波,沈能.区域协同创新效率的多维溢出效应[J].中国工业经济,2015(1):32-44.

[12] VINER J.The customs union issue[M].New York: Carnegie Endowment for International Peace,1950.

[13] BALASSA B.Towards a theory of economic integration[M].London: George Allen and Unwin LTD,1965.

[14] 庞效民.区域一体化的理论概念及其发展[J].地理科学进展,1997(2):41-49.

[15] VAMVAKIDIS A.Regional integration and economic growth[J].World Bank Economic Review,1998(2):251-270.

[16] BLOMSTROM M,KOKKO A.Regional integration and foreign direct investment[J].Working Paper,1997(4):109-131.

[17] 张利华,徐晓新.区域一体化协调机制比较研究[J].中国软科学,2010(5):81-87.

[18] WALTZ U.Dynamic effects of economic integration:a survey[J].Open Economies Review,1997,8(3):309-326.

[19] 刘朝明.经济一体化进程中的区域发展与政策模型[J].数量经济技术经济研究,2002(11):77-80.

[20] ANSELIN L.Spatial econometrics: methods and models[M].Kluwer Academic Publishers,1988.

[21] 赫尔曼·哈肯.协同学——大自然构成的奥秘[M].上海:上海译文出版社,2001.

[22] TERESA D,GALINDO P,NIJKAMP P,ERIC D.Innovative firms behind the regions: analysis of regional innovation performance in portugal by external logistic biplots[J].European Urban & Regional Studies,2013(9):329-344.

[23] POLEDNIKOVA E,KASHI K.Using MCDM methods:evaluation of regional innovation performance in the czech republic[C].Proceedings of the European Conference on Management,Leadership & Governance,2014.

[24] 刘凤朝,马荣康,姜楠.区域创新网络结构、绩效及演化研究综述[J].管理学报,2013(1):140-145.

[25] FREEMAN C.Universality of Japanese firms - II.technology system in Japan——Japan: a new national system of innovation[J].Business Review,1990(2):1-17.

[26] 苏屹,姜雪松,雷家骕,林周周.区域创新系统协同演进研究[J].中国软科学,2016(3):44-61.

[27] TINBERGEN J,POLAK J.The dynamics of business cycles[M].The University of Chicago Press,1950.

[28] MATTLI W.The logic of regional integration:europe and beyond[M].The University of Cambridge University Press,1999.

[29] KAPOOR R,GHOSH P.Composite area linked system for property tax reform in India[J].Review of Urban & Regional Development Studies,1992(2):209-225.

[30] LESAGE J,PACE R.Introduction to spatial econometrics[M].The CRC Press of the Taylor&Francis Group,2009.

(责任编辑:王敬敏)

Collaborative Innovation, Regional Integration and Innovation Performance ——Based on the Comparative Analysis of Three Major Regional Industry Data in China

Zhang Gui1,Wen Ke1,2

(1.School of Economics and Management, Hebei University of Technology, Tianjin 300130, China; 2.School of Economics and Management, Hadan University, Handan 056003,China)

Abstract:Collaborative innovation is the inherent power of regional coordinated development.This paper uses collaborative degree model and data envelopment analysis to measure the synergy degree of innovation and innovation performance, constructs the measurement model of the effect of collaborative innovation on innovation performance, and uses spatial metrology technology to analyze the relationship between regional integration and innovation performance by utilizing 2002-2014 provincial or each local data of Beijing-Tianjin-Hebei ,Yangtze River Delta and Pearl River Delta. Research results show that in addition to the Pearl River Delta, the collaborative innovation activities of Yangtze River Delta and Beijing-Tianjin-Hebei have no significant impact on innovation performance, the higher the degree of regional integration,the more balanced regional innovation performance distributes,and endogenous factors such as "enterprise self investment" and "government financing" are the main driving force to promote regional integration and promote innovation performance.Therefore,it is essential to promote the free and reasonable flow of production factors within the region,promote the free and reasonable flow of production factors in the region, to achieve effective spillover of innovation resources,enhance the endogenous power of regional development, deepen the degree of regional integration,and then improve the efficiency of innovation.

Key Words:Collaborative Innovation; Regional Integration; Innovation Performance; Spatial Metrology

收稿日期:2016-12-02 基金项目:国家社会科学基金重点项目 (14AJY006);国家社会科学基金重大项目 (13&ZD157);河北省教育厅人文社会科学研究重大课题攻关项目(ZD201410);天津市科技计划项目(16ZLZXZF00340,12ZLZLZF05800)

作者简介:张贵(1971-),男,河北尚义人,博士,河北工业大学经济管理学院教授、博士生导师,京津冀发展研究中心常务副主任,研究方向为产业创新、区域经济;温科(1981-),男,河北邯郸人,河北工业大学经济管理学院博士研究生,邯郸学院经济管理学院讲师,研究方向为区域经济。

DOI:10.6049/kjjbydc.2016090734

中图分类号:F127

文献标识码:A

文章编号:1001-7348(2017)05-0035-10