周 迪1，李 倩2
(1.广东外语外贸大学 经济贸易学院，广东 广州 510006；2.湖北经济学院 信息管理与统计学院，湖北 武汉 430205)
摘要：基于马尔科夫链模型以及两大阵营间基尼系数方法，分别从“等级”和“水平”角度构建区域资源配置 “马太效应”实证检验分析框架，并从空间视角解释其机理，以我国R&D资源为例展开研究。结果发现：①我国区域R&D资源配置呈现明显的“等级马太效应”现象，其中，R&D人员配置还存在高低水平阵营差距逐渐增大的“水平马太效应”现象；②“马太效应”高低水平阵营呈现越来越明显的空间集聚特征，其中，高水平阵营成员主要位于沿海地区，低水平阵营成员主要位于西部地区。这种空间格局不仅不利于高低水平阵营间邻近溢出效应的发挥，相反，高水平阵营的集聚效应会扩大两大阵营间差距，从而在一定程度上解释了当前R&D资源配置的“马太效应”现象。
关键词：R&D资源；资源配置；马太效应；马尔科夫链模型
“马太效应”作为我国经济社会发展中的一种现象，特别是在居民收入分配方面，成为我国学者关注的重点[1]。由于马太效应刻画的是一种两极分化现象，故其在资源领域的应用研究方兴未艾[2-3]，体现在R&D活动中就是初期R&D资源丰富的地区依靠长期积累优势与有效配置举措，在后续发展中积聚越来越多的R&D资源，始终保持领先地位，而R&D资源短缺地区则始终陷入资源匮乏进而R&D活力不足的局面。我国R&D活动是否存在这种现象呢？
从R&D人员全时当量看，我国不同地区的R&D人员分布存在显著差异。以2014年为例，天津、江苏、浙江等省市在R&D人员分布上不仅优势突出且较上一年均有超过5个百分点的增长率，一直属于R&D人员大省，而山西、内蒙古、宁夏、新疆等欠发达省域在R&D人员分布排名上历年靠后，且与上一年相比，有明显滑落迹象，甚至出现负增长，可以说明这些地区陷入了R&D人员匮乏的恶性循环；在R&D经费上，2015年江苏、广东、山东、北京、浙江五省市的R&D经费支出均在1 000亿元以上，合计约占全国总R&D经费的50%以上，且始终保持稳定增长态势，而同期的海南、青海、西藏三省(自治区)平均R&D支出仅为10亿余元，不仅涨幅缓慢，而且少数年份出现较大降幅。可见，我国R&D资源配置存在区域性马太效应，这将拉大地区创新能力差距，扩大区域经济发展差距，进而偏离我国区域经济均衡发展的战略目标。因此，有必要借助实证方法对我国区域R&D资源配置的马太效应进行检验，分析其空间特征，探索其规律。这对于优化R&D资源空间布局，缩小地区经济差距、促进区域经济协调发展具有重大意义。
十八届三中全会确认了市场在资源配置中的决定性作用[4]，但市场的资源配置作用如同一把双刃剑，既能促进区域发展，又会产生区域差距[5]。特别地，创新作为重要的内生性因素影响区域经济增长，创新水平差距会在宏观层面上会形成区域经济产出差距[6]。因此，国内外学者对区域创新资源配置展开了大量研究，总结来看，研究主要从配置模式[7]、配置效率[8-9]、配置能力[10]以及配置格局[11-18]等角度展开。
R&D资源配置马太效应的研究属于创新资源配置格局范畴，相关研究主要从两个方面展开：①探讨R&D资源配置的区域差异。如魏守华和吴贵生[11]选用1998-2004年省际面板数据，通过基尼系数、变异系数和集中度指标，动态分析了我国不同地区R&D经费差距的分异规律，结果表明总体差距逐渐扩大，但地区内差距逐渐缩小；马琳[12]通过分析近10年我国R&D资源演变趋势，发现R&D资源的地区差距始终存在，主要原因是相关政策的倾向性；②分析R&D资源的空间分布格局。Cabrer-Borras和Serrano-Domingo[13]考察了西班牙R&D资源空间分布与空间关联特征；Buzard等[14]采用多尺度核聚类方法研究了美国加利福尼亚州和东北走廊约1 700个私人R&D实验室的空间集聚特征，发现存在4个集群；Yun[15]指出中国R&D资源过度集中使得地区效率差距持续扩大。国内学者大量采用探索性空间数据分析方法(ESDA)对我国长三角[16]、全国层面[17-18]R&D资源的空间分异特征进行研究，发现长三角R&D人员分布呈现出在相似水平城市显著集聚的特征，而R&D经费呈现极化现象，在整体层面上，R&D资源的空间集聚特征也较明显，不仅呈现出持续扩大态势，而且集聚重心有向东南地区偏移的倾向。
可见，现有研究主要采用聚类分析、变异系数、探索性空间数据分析等方法，从静态角度研究R&D资源配置的区域差异和空间特征，较少从动态视角考察R&D资源配置格局，特别是对我国区域R&D资源配置马太效应的实证研究更少。基于此，本文试图从两个方面对已有研究作进一步扩展：①从等级和水平角度构建R&D资源配置的马太效应实证检验分析框架；②尝试从空间视角对区域资源配置的马太效应现象进行解释。
2.1.1 等级马太效应检验：马尔科夫链模型
马尔科夫链是一种时间和状态均为离散的一阶平稳马尔科夫过程，由于该模型能较准确地描述事物分布动态，因此被学者广泛用于区域经济趋同问题研究[19-20]。本文借鉴周迪[21]利用马尔科夫链研究我国金融资源分布动态演变的离散化思路，根据各地区R&D人员全时当量和R&D经费水平高低，将我国各省市划分成4类，即高水平、中高水平、中低水平、低水平。分类标准为：高水平——当年投入水平高于全国平均的150%；中高水平——投入水平介于全国平均的100%～150%之间；中低水平——投入水平介于全国平均的50%～100%之间；低水平——投入水平低于全国的50%。通过计算各地区在不同水平类型间的转移概率，检验我国R&D资源配置是否具有等级固化特征。一步时长为d年的转移概率记为
表示第t年R&D资源水平处于i类型的地区在d年后转移到j类型的一步转移概率，综合整个考察期内所有地区和可能转移的情况，得到考察期内的马尔科夫转移概率
并进行估计：
(1)
式中，
为整个考察期所有在t年属于i类型而在t+d年转移为j类型的地区数之和，
表示第t年中R&D资源水平属于i类型的地区总数。分别对不同类型的转移概率进行估计，进而得到d年时长马尔科夫转移概率矩阵，如式(2)所示。
(2)
矩阵(2)对角线元素表示考察期内各类水平地区在d年时长下维持现状的概率，如果
和
较大，则认为高低水平地区(阵营)的等级固化现象明显，如果它们随着时间变化而增大，表明高低水平阵营的固化程度有加剧趋势。此时，可认为我国R&D资源配置存在等级马太效应。为了分析等级固化程度在时间上的变化，采用似然比统计量检验某一时长下不同节点前后马尔科夫转移概率矩阵的显著性差异[22]。
(3)
式(3)中，m表示时间段类型，
和
分别表示d年时长下考察期内某时间节点前后两个时间段内计算的转移概率以及对应的地区数量。检验统计量Q渐进服从自由度为(2-1)×4×(4-1)与零转移概率个数之差的χ2分布。
2.1.2 水平马太效应检验：两大阵营间的基尼系数
以上从等级角度考察我国R&D资源配置是否存在马太效应。两大阵营间的差异程度如何？随着时间变化是否有增大趋势？如果有，则认为我国R&D资源配置还存在水平马太效应现象。与采用传统基尼系数测算整体R&D资源差距不同，本文借助Dagum[23]基尼系数中的地区间基尼系数公式构造两大阵营间的基尼系数，测算各年份R&D资源高低水平两大阵营间的差异程度，以对我国R&D资源配置的水平马太效应进行检验。两大阵营间的基尼系数计算公式如下：
(4)
式(4)中，Ghl为高、低水平阵营间的基尼系数，yhi(ylj)表示处于高(低)水平阵营中第i(j)个省市的R&D投入，
表示高(低)水平阵营的水平均值，nh(nl)是处于高(低)水平阵营中的省市数。
2.1.3 马太效应空间解释：Moran′I
为了从空间角度对我国区域R&D资源分布的马太效应进行解释，引入度量空间自相关的Moran′I考察R&D资源两大阵营的空间分布特征。具体公式为：
(5)
式(5)中，I为全局Moran′I值，取值范围为[-1，1]，大于0表示正相关，反映出区域R&D资源分布呈马太效应的高低水平阵营有集聚现象；小于0表示负相关，反映出 R&D资源分布比较均衡；等于0时则认为R&D资源分布随机，不存在集聚现象
为样本方差，
为样本均值，n为省市个数，wij为空间权重矩阵。
借鉴卢方元和靳丹丹[25]的研究，本文从人力、财力两大R&D资源着手，选取R&D人员全时当量(人年)和R&D经费(万元)衡量区域R&D资源水平，所选数据全部来自2003-2015年《中国科技统计年鉴》。考虑到《中国科技统计年鉴》直到2003年才对外公布地区R&D人员全时当量和R&D经费数据，故本文选取2002-2015年我国内地31个省市面板数据作为研究基础，其中，R&D经费根据不变价格指数进行了调整，以剔除价格变动影响。
我国区域R&D资源等级马太效应的存在性检验分为两个步骤：首先考察我国区域R&D资源配置是否存在等级固化现象，进而考察其是否随时间变化而逐渐加剧。如果R&D高低水平阵营固化现象显著且随时间变化程度不断加剧，则表明R&D资源存在等级马太效应现象。不同于1年时长下的马尔科夫转移概率矩阵，本文给出我国R&D人员全时当量和R&D经费在时长为1-5年情形下的转移概率矩阵(表1)，以全面刻画高低水平地区在不同时长下的转移情况，精确检测我国区域R&D资源配置的等级固化情况。
表1中各矩阵对角线左上角与右下角数值分别表示考察期内经过不同时间跨度后低水平地区依然停留在低水平、高水平地区仍维持在高水平的概率。通过比较不同时长下这两个值的大小，可以考察区域R&D资源在不同时间积累下的等级固化情况，值越大，表明R&D高低水平阵营的固化特征越明显。由表1得到两个基本结论：
(1)即使经过5年时间，我国区域R&D资源配置仍呈现出高低水平阵营等级固化现象。具体地，在时长为1-5年的R&D人员高低水平阵营固化概率明显大于其它水平阵营。其中，低水平阵营固化概率处于0.973～0.989之间，高水平阵营固化概率处于0.741～0.938之间；R&D经费高低水平阵营固化程度也明显大于其它类型。其中，低水平阵营固化概率处于0.964～0.976之间，高水平处于0.840～0.905之间。为什么存在这种现象呢？这是因为，一方面具有较高R&D投入水平的地区，或者在规模以上工业企业数量上优势明显，使得企业R&D资金支出较高且R&D人员资源配置也高，如广东、浙江、江苏等沿海省份，或者是拥有众多高等院校和科研机构，在获取政府R&D资金支持上具有显著优势，如陕西、湖北、山东等教育大省。北京和上海无论是企业数量还是科研院所都占尽优势，在R&D资源上一直处于垄断地位。另一方面，我国大部分省市存在“资源危机”，表现为企业数量和科研院所数量呈现出“双少”现象，结果很难争取和筹集到R&D经费，也很难吸引到优秀的R&D人员，导致R&D人员处于低水平。其中，新疆、宁夏、青海、海南四省(自治区)无论是在人员资源还是在经费资源上始终处于我国R&D投入水平的低端，严重影响了该类地区经济发展。
(2)通过对高低水平两大阵营固化程度的比较，发现无论是R&D人员资源还是资金资源，低水平阵营的等级固化更显著，且随着时长(时间积累)高低阵营间的差距不断扩大——R&D人员低水平与高水平阵营固化程度差距从一年时长的0.048逐渐增大到5年时长的0.258，而R&D经费则从0.071扩大到0.147。发生该现象的原因可能与资源流动的非对称有关，随着时间变化，虽然R&D资源会在区域间流动，但由于低水平阵营地区工作环境有待完善、工作机会相对缺乏，使得流入到低水平阵营的R&D人员较少，导致低水平阵营地区长期落后。随着我国准一线城市数量不断增加，高水平地区优秀的R&D人员面临更多选择，由于高水平阵营地区竞争压力加大，从一定程度上促进了高水平地区R&D人力资源的流动，但这种流动更多发生于中等水平阵营，较少流入低水平阵营，从而导致低水平阵营固化程度高于高水平阵营。对于R&D经费而言，这可能是由于，一方面，我国规模以上工业企业数量众多，这些企业不一定把市场瞄向超一线城市，而开始关注发展势头良好的准一线城市，从某种程度上使企业R&D经费支出有所均衡；另一方面，低水平阵营地区企业的非对称流动导致其境况不断恶化。另外，中央政府的调节政策也是一个重要因素。
基于以上分析可知，我国区域R&D资源的高低水平两大阵营呈现出明显的等级固化特征。这种固化特征随着时间变化有何演变？从哪一年开始发生变化？为回答以上问题，本文借助式(3)检验不同时长下马尔科夫转移概率矩阵的显著性差异，逐个比较不同年份Q统计值的大小及其显著性，以判断固化程度具体在哪一年出现显著性变化。随着时长的增大，实际用于分析的数据量减少，为了保证检验结果的稳定性，只对时长为1-2年的情形进行检验，具体结果见表2。
表1我国区域R&D资源的马尔科夫链分析结果
表2马尔科夫转移概率矩阵分时间段差异性检验
从表2可知，对于R&D人员而言，当时长分别为1年、2年时，Q统计值最大年份均为2006年，时长为1年时未通过显著性检验，但在时长为2年时通过了显著性检验。由此可见，地区间的追赶需要时间积累，在时间跨度为2年的情形下，2006年前后我国R&D人员等级固化程度存在显著变化。由表3可以看到，我国R&D人员等级固化现象在2006年后变得更加严重，其中，低水平和高水平阵营固化程度分别提高了9.1、17.4个百分点。可见，随着时间变化，我国R&D资源配置的区域分化现象愈加严重，落后地区完全陷入 “低水平陷阱”，同时，高水平地区优势地位愈加巩固。
就R&D经费而言，通过比较不同节点前后转移概率矩阵差异统计值Q，发现无论时长为1年还是2年，差异最大的年份均为2009年，且都通过了显著性检验，可见R&D经费的等级固化程度在2009年之后发生最大变化，具体见表4。可以看到，无论时长为1年还是2年，R&D经费的等级固化程度明显提升， 2009年后高低水平阵营的固化程度都为100%。由于2008年全球金融危机爆发，我国经济受到严重冲击，一方面，各地区R&D主体的区域扩张活动降低，使得R&D经费资源在不同地区间的流动性降低，加剧了高低水平地区的固化程度；另一方面，经济发达地区在受到冲击后能很快复苏，而落后省域经济基础较脆弱，后劲明显不足，R&D经费投入难以追赶。
表32006年前后R&D人员全时当量马尔科夫转移概率矩阵比较
表42009年前后R&D经费马尔科夫转移概率矩阵比较
由以上分析可知，我国无论是R&D人员资源还是资金资源，区域性的R&D资源分布都存在等级马太效应。
利用式(4)计算高低两大阵营间的基尼系数，考察两大阵营差异变化情况。从图1知，整体而言， R&D资源高低水平阵营间的差距明显，两阵营基尼系数在2015年分别高达0.86和0.88。其中，高低水平阵营间的R&D人员差距逐渐增大，整体上呈现明显的增长趋势，可见在我国R&D人员配置上存在高低水平阵营差距不断扩大的水平马太效应。R&D经费基尼系数处于高位波动，2008年之前呈现上升趋势，之后有所下降，总体上下降趋势不明显。可见，相比R&D人员，我国R&D经费在高低水平阵营间存在较大差距，且随着时间变化没有得到有效改善。
通过以上分析可以看到，我国R&D资源配置确实存在明显的马太效应现象，从等级上看，两类R&D资源都呈现出高低水平阵营等级长期固化、固化程度逐渐增大的特征；从水平上看，两大阵营间的差距没有缩小迹象，其中，R&D人员差距还呈现出扩大趋势。这种现象不利于我国区域协调发展，政府应该予以重视。
由分析可知，无论是R&D人员还是R&D经费，高低水平阵营的固化程度均呈现扩大趋势，且两大阵营间的R&D人员水平差距不断增大，R&D经费差距也没有缩小迹象。那么，这种现象是否与区域R&D资源的空间分布格局有关？本文将借助全局Moran′I值考察高低水平阵营是否出现集聚或混杂分布的空间格局。利用式(4)分别计算2002-2015年R&D人员全时当量和R&D经费的Moran′I值，计算结果及显著性水平见表5，Moran′I的时序图见图2。
图1 R&D人员全时当量及R&D经费在高低水平阵营间的基尼系数
表5R&D人员全时当量和R&D经费的Moran′I值
图2 R&D人员全时当量和R&D经费的Moran′I值时序分布
从图2可知，我国区域R&D两类资源的Moran′I值在研究期间整体上呈现出波动式上升趋势，且表5显示，R&D经费和R&D人员的Moran值分别从2011和2013年开始变得显著。这表明我国R&D资源分布的“高-高集聚”及“低-低集聚”特征随着时间变化越来越明显，且近年这种集聚分布格局更加显著。在新经济地理学理论中，空间集聚通过两种经济外部性——劳动力跨区域流动[26]和产业内垂直分工与联系实现[27]。对比两类资源的Moran′I值可以发现，R&D人员集聚程度在2007-2009年间急剧上升，这可能是由于金融危机期R&D人员流动较大或是公司大幅度裁员造成R&D人员资源流向更具有偏向性。而R&D经费的集聚程度在2002-2006年上升幅度较大，这可能是由于我国正处于经济快速发展的黄金时期，R&D活动较为活跃，为了追求集聚效应带来的外部性，例如技术外部性[28]和货币外部性[29]，R&D活动在地理上形成集聚。
由上可知，我国出现R&D资源马太效应的高低水平阵营都表现出一定程度的空间集聚格局，那么这两大集聚阵营具体包括哪些地区呢？下面借助GIS可视化技术考察我国区域R&D资源的空间分布。利用四分位数划分方法，将我国内地31个省市划分成四类地区，重点关注高水平地区和低水平地区，图3展示了2015年两类R&D资源的空间分布格局。
图3 2015年R&D人员当量(千人年)空间分布格局
图4 2015年R&D经费(千万)空间分布格局
整体而言，无论是R&D人员还是R&D资金，高水平集聚阵营无一例外为东部沿海地区，凸显了这些地区在R&D资源上的垄断特征。一方面，这些地区强劲的经济增长动力吸引了一大批优秀的R&D人员，保证了其源源不断的发展动力；另一方面，政府对这些地区给予重点关注与重点培育，再加上天然的地理优势，吸引了大量外资R&D的流入[30]，高水平格局从此固化形成。通过观察低水平集聚阵营成员可以发现，它们处于我国大西北地带，外加一些资源匮乏的中部省域。无论是历史原因还是地理位置均不占优势，急需引入R&D人才和R&D资金，这对于促进该类地区发展大有裨益。总之，我国出现R&D资源马太效应的高低水平阵营在空间分布上呈现明显的集聚现象，东部地区占尽R&D资源优势，中西部地区长期面临R&D资源匮乏局面，两大阵营在空间上各自集聚，这在一定程度上可以解释我国R&D资源配置的马太效应：一方面，这种高低水平阵营的彼此分离不利于阵营间邻近溢出作用的发挥，从而使得两大阵营间的差距难以缩小；另一方面，高水平阵营的空间集聚会进一步促进内部R&D人员流动和高技术产业内的垂直分工与联系，从而获得更多的技术外部性和货币外部性[28-29]，这将加剧两大阵营间的R&D水平差距，形成高低水平阵营R&D资源配置的马太效应，从而呈现空间马太效应格局，这与张战仁[31]提出的“集聚互动、循环累积对我国区域创新差异具有影响”的观点一致。
本文利用我国内地31个省域2002-2015年的R&D资源数据，包括R&D人员全时当量和R&D经费，分别基于马尔科夫链模型以及两大阵营间的基尼系数法，从等级和水平角度对我国区域R&D资源配置的马太效应进行实证检验，随后采用空间统计方法分析马太效应特征，从空间角度对马太效应进行解释。得到以下结论：
(1)我国区域R&D人员和资金资源都存在等级马太效应，其中，R&D人员还存在水平马太效应。通过构建可变时长的马尔科夫链模型，分析不同水平类型地区的状态转移情况，发现R&D人员和R&D经费都呈现出高低水平两大阵营长期固化特征，且固化程度呈现加剧态势，等级马太效应现象明显。另外，通过测算高低水平阵营间的基尼系数，发现两大阵营间的水平差距没有缩小迹象，且R&D人员还呈现出差距扩大现象，存在水平马太效应，可见我国R&D资源配置的长期不均衡现象愈发严重，这不利于区域经济的协调发展，应引起政府重视。
(2)我国R&D资源配置存在马太效应的两大阵营在空间上出现集聚特征，其中，高水平阵营全部集中在东部沿海地区，低水平阵营主要包括我国西部地区和少数中部省域。结合Moran′I的变化趋势发现，这种集聚现象随着时间变化愈发明显，使得R&D资源难以在高低水平阵营间产生邻近溢出效应，而高水平阵营集聚产生的技术外部性和货币外部性会加剧两大阵营间的马太效应，从而呈现空间上的马太效应。
基于以上研究结论，本文认为政府应该从两个方面着手解决当前R&D资源配置出现的马太效应问题：①精准扶持R&D资源长期匮乏的落后地区。欠发达地区规模以上工业企业数量极少，科研院所数量也很难媲美其它省域，所获R&D资金来源极为有限，当地政府财力不足更是雪上加霜，而发达地区R&D资金来源较为广泛，其中，外资投入所占比例逐年上升。因此，在条件允许的情况下，政府的R&D资金应向低水平阵营倾斜，实施精准扶持政策，促进地区R&D效率提升，避免其陷入“低水平陷阱”；②引导并鼓励规模以上工业企业到中西部省域开拓市场，促进R&D资源流动，特别是跨阵营流动，进一步优化资源配置。整体而言，我国R&D资源配置呈现高低水平阵营的空间集聚现象，阵营内部的地区空间集聚效应使得两大阵营间的差距进一步拉大。因此，政府应采取促进R&D资源跨阵营流动的政策，避免出现空间马太效应，以推动我国经济协调发展和整体提升。
研究不足是仅从空间角度对我国区域创新资源配置的马太效应进行解释，忽略了其它因素，如区域政策、产业发展等，有待后续作进一步研究。
参考文献:
[1] 张车伟. 人力资本回报率变化与收入差距:“马太效应”及其政策含义[J]. 经济研究, 2006(12):59-70.
[2] LOOY B V, RANGA M, CALLAERT J, et al. Combining entrepreneurial and scientific performance in academia: towards a compounded and reciprocal matthew-effect[J]. Research Policy, 2004, 33(3):425-441.
[3] 殷伟群, 戴烽. 高等教育的“马太效应”与弱势群体的社会流动[J]. 江西社会科学, 2007(5):221-224.
[4] 洪银兴. 论市场对资源配置起决定性作用后的政府作用[J]. 经济研究, 2014, 49 (1):14-16.
[5] 罗浩. 试论政府干预区域经济差距的缘由[J]. 经济地理,2006(3):415-417.
[6] GROSSMAN G M, HELPMAN E. Trade, knowledge spillovers, and growth[J]. European economic review, 1991, 35(2-3): 517-526.
[7] SCHOLEFIELD J H. The allocation of R&D resource[J]. R&D Management, 1994, 24(1)：91-97.
[8] 李婧,管莉花. 区域创新效率的空间集聚及其地区差异——来自中国的实证[J]. 管理评论,2014,26(8):127-134.
[9] 李鸿禧,迟国泰. 基于DEA-t检验的以企业为主体的科技创新效率评价[J]. 中国管理科学,2016,24(11):109-119.
[10] 陈健,何国祥. 区域创新资源配置能力研究[J]. 自然辩证法研究,2005(3):78-82.
[11] 魏守华, 吴贵生. 区域R&D经费空间分布及其变动特征研究[J]. 研究与发展管理, 2008, 20(1):72-77.
[12] 马琳. 中国研发投入及其产出效率省际比较研究[D]. 长春：吉林大学, 2014.
[13] CABRER-BORRAS B, SERRANO-DOMINGO G. Innovation and R&D spillover effects in Spanish regions: a spatial approach [J]. Research Policy, 2007, 36(9): 1357-1371.
[14] BUZARD K, CARLINO G A, HUNT R M, et al. The agglomeration of American R&D labs[J]. Journal of Urban Economics, 2017(9):14-26.
[15] YUN L. The efficiency study of regional technological innovation: based on the provinces Level[J]. Energy Procedia, 2011(5):1579-1583.
[16] 邹琳,曾刚,曹贤忠. 基于ESDA的长三角城市群研发投入空间分异特征及时空演化[J]. 经济地理,2015,35(3):73-79.
[17] 沈宏婷, 陆玉麒. 中国省域R&D投入的区域差异及时空格局演变[J]. 长江流域资源与环境, 2015, 24(6):917-924.
[18] 方远平,谢蔓. 创新要素的空间分布及其对区域创新产出的影响——基于中国省域的ESDA-GWR分析[J]. 经济地理,2012,32(9):8-14.
[19] QUAH D T. Regional convergence clusters across europe[J]. European Economic Review, 1996, 40(3): 951-958.
[20] 蒲英霞, 马荣华, 葛莹,等. 基于空间马尔可夫链的江苏区域趋同时空演变[J]. 地理学报, 2005, 60(5):817-826.
[21] 周迪.“量”和“质”角度的中国金融规模地区差距及分布的动态演进——基于Dagum分解与扩展的分布动态学模型[J]. 上海经济研究,2015(1):19-28.
[22] GALLO J L. Space-time analysis of GDP disparities among European regions: a markov chain approach[J]. International Regional Science Review, 2001, 27(2):138-163.
[23] DAGUM C. A new approach to the decomposition of the gini income inequality ratio[J]. Empirical Economics, 1997, 22(4):515-31.
[24] 韩峰, 阳立高. 内外市场需求、产品多样化与劳动生产率——基于中国城市面板数据的实证分析[J]. 财经研究, 2014, 40(1):25-39.
[25] 卢方元, 靳丹丹. 我国R&D投入对经济增长的影响——基于面板数据的实证分析[J]. 中国工业经济, 2011(3):149-157.
[26] HANSON G H. Market potential，increasing returns，and geographic concentration[J]. Journal of International Economics, 2005,67(1):1-24.
[27] VENABLES A. Equilibrium locations of vertically linked industries[J].International Economic Review, 1996, 37:341-359.
[28] HENDERSON J V. The sizes and types of cities[J]. American Economic Review, 1974, 64 (4):640 - 656.
[29] SCITOVSKY T. Two concepts of external economies[J]. Journal of Political Economy,1954, 62 (2):143-151.
[30] 盛垒. 跨国公司在华R&D的空间格局及成因[J]. 经济地理,2010,30(9):1484-1491.
[31] 张战仁. 我国区域创新差异的形成机制研究——基于集聚互动、循环累积与空间关联视角的实证分析[J].经济地理,2013,33(4):9-14.
Zhou Di1，Li Qian2
(1.School of Economics & Trade, Guangdong University of Foreign Studies, Guangzhou 510006, China;2.Information Management and Statistics School,Hubei University of Economics, Wuhan 430205,China)
Abstract：The article constructs the analytical framework of empirically testing " Matthew effect" of regional resource allocation from the perspective of "hierarchy" and "level" based on the Markov chain model and the Gini coefficient between two camps method respectively, and explain it from the perspective of space, and take R&D resources in China as an example to study. The result shows:(1)The regional R&D resource allocation present an obvious "grade Matthew effect" phenomenon, and there is also "level Matthew effect" in the allocation of R&D personnel; (2)the characteristics of spatial agglomeration of high and low level camps is more and more obvious ,and the members in the high level camp are mainly located in coastal areas while the members in the low level camp are mainly in the western region. This spatial pattern is not conducive to the exploitation of adjacent spillover effects between high and low level camps, on the contrary, the agglomeration effect in the high level camps will exacerbate the gap between the two camps, which explains the "Matthew effect" of the current R&D resource allocation to a certain extent.
KeyWords:R&D Resources; Resource Allocation; Matthew Effect; Markov Chain Model
作者简介：周迪(1988-)，男，湖北鄂州人，博士，广东外语外贸大学经济贸易学院讲师，研究方向为区域经济、区域资源配置；李倩(1986-)，女，山东济宁人，湖北经济学院信息管理与统计学院讲师，研究方向为经济统计。
基金项目：国家社会科学基金项目(17CTJ013)；全国统计科学研究一般项目(2017LY55)；广东省哲学社会科学“十三五”规划项目(GD17YYJ03)；广东省软科学项目(2016A070705058)；湖北经济学院校级科研项目(XJ201710)
收稿日期：2018-03-16
文章编号：1001-7348(2018)19-0038-08
文献标识码：A
中图分类号：F204
DOI：10.6049/kjjbydc.2017120005
(责任编辑：胡俊健)