表1变量名称
集合名称变量名称 变量符号被解释变量专利申请量PAT解释变量R&D费用支出RDMR&D人员全时当量RDP调节变量金融发展FSC控制变量技术市场成交额TMD人均GDPPCGDP外商投资企业投资总额FDI
王淑英，张水娟，王文坡
(郑州大学 管理工程学院，河南 郑州 450001)
摘 要：基于空间溢出效应，以传统Cobb-Douglas生产函数为研究框架，引入R&D投入作为新生产要素，将金融发展作为调节变量，利用计量经济学空间杜宾模型对我国内地30个省份2006-2015年R&D投入和区域创新能力溢出效应进行研究。结果显示，以金融发展为调节变量，R&D投入对区域创新能力提升具有显著促进作用，区域创新能力存在溢出效应;同时，在金融系统发展支持下，R&D人员投入溢出效应对区域创新能力起消极作用，而R&D资金投入溢出效应对区域创新能力具有促进作用。因此，加快金融系统发展，对金融资产进行合理有效配置，构建由政府发挥引导作用的金融体系，对R&D投入和区域创新能力提升具有重大意义。
关键词：R&D投入；区域创新能力；溢出效应；空间杜宾模型
随着经济全球化和市场全球化进程的不断加快，创新成为促进区域经济增长的重要因素，也是企业和国家发展的不竭动力。在近几年制定的区域发展政策中，创新一直被广泛关注。近年来，由于我国经济迅猛发展，过度依赖资源消耗的发展模式已经难以为继，为实现经济可持续发展，我国必须转变经济增长方式。内生增长理论表明，促进经济增长可持续的根本动力是技术创新[1]。从发展结果看，生产效率提升离不开技术进步，而技术进步又离不开创新能力提升。因此，在经济增长模式由粗放式转向集约式的今天，促使区域经济增长的主要动力源于区域创新。
R&D投入是影响技术进步和区域创新的重要因素，增加R&D投入、提升创新水平，是促使经济不断增长和提升国家综合竞争力的重要战略举措。现代金融理论认为，在创新活动中，除需要各类人才和物质支持外，还需要金融系统的支持。在创新活动中，企业需要大规模融资支持，而良好的金融体系能够提供资金支持，进而促进区域创新发展。金融体系不仅通过分散风险、共享机会等给予创新投资者长效激励，还通过降低企业R&D投入风险使企业创新行为更加长期稳定。但是，由于区域间发展不平衡，技术创新活动在地理上呈现出很强的空间集聚效应和溢出效应。同时，R&D投入、金融发展与区域创新在地理空间上也存在相关性。
鉴于此，本文从区域创新出发，利用空间杜宾模型(SDM)，探索研发投入与区域创新作用机制。同时，引入金融发展作为调节变量，探索金融发展环境下R&D投入与区域创新之间的关系。另外，本文还通过检验直接效应和间接效应显著性系数，进一步解释金融发展环境下R&D投入与区域创新间的关系。
本文对已有研究进行了如下拓展：一是引入金融发展作为调节变量，研究R&D投入与创新产出之间的关系，填补相关研究空白；二是在理论分析及模型构建的基础上，通过利用中国省域数据，建立区域空间面板模型，分析R&D投入、金融发展与技术创新之间的空间溢出效应，为相关研究提供范例和启示。
新增长理论表明，创新是推动经济增长的根本动力，创新在企业生产和国家发展中发挥着重要作用。而新地理经济学表明，任何事物在空间上都存在一定联系，每一地区变量都会对邻近地区产生溢出效应，区域创新也不例外。因此，本文除梳理金融发展、R&D投入和区域创新相关文献外，还着重梳理创新溢出效应相关文献。
(1)国外学者研究。在R&D投入与创新关系方面，现有研究结论并不一致。Cassiman B和Veugelers R[2]认为，R&D投入能够提高企业对新技术的理解能力和评估能力，促进企业获取和吸收外部知识，为企业创新奠定良好基础并创造有利条件。Connolly等[3]研究发现，R&D投入强度与托宾Q值呈正相关关系。Hartmann等[4]研究发现，企业研发投入和创新能力并非简单线性关系，而是存在一个拐点，当超过一定阈值时，企业创新能力将不会同比例上升。Yeh等[5]通过研究R&D投入强度与企业绩效关系发现，两者之间存在“倒U”型关系，即当研发投入强度超过某一阈值时，企业绩效不会再增加。
在金融发展与创新关系方面，创新活动本身伴随着很大的不确定性，使得活动主体在创新投资中面临较大风险，而金融市场发展与完善则能够对风险进行分散，并促使企业进行专业化技术选择，进而提升其创新效率。同时，金融系统发展能降低监督成本，使企业信誉透明，从而保障企业家在贷款融资时获取便利条件，促使企业开展更高水平的创新活动。Chowdhurya和Maung[6]利用1997-2006年70个发达国家和新兴经济体国家数据研究金融市场与R&D投资之间的关系发现，金融市场发展可以有效缓解R&D投资信息不对称，从而显著提升R&D投资有效性。Eaton和Kortum[7]研究证实，地理距离是影响技术与创新空间扩散的重要因素。Mahony等[8]和Tadesse[9]研究发现，高研发投入/高技术密集行业存在技术溢出现象，这使得其具有更高的生产效率。
(2)国内学者研究。在R&D投入与创新关系方面，戴小勇和成力为[10]利用我国工业企业数据研究发现，R&D投入强度对企业创新绩效的影响并非简单线性关系，而是存在双门槛效应。严焰和池仁勇[11]以企业技术获取模式为调节变量研究发现，企业R&D投入与创新绩效显著正相关。任海云[12]以同类型R&D投入企业为研究样本发现，企业创新活动不同，最终产生的创新绩效也不相同。因此，R&D投入对创新绩效的影响存在不确定性。谢兰云[13]认为，技术创新存在显著溢出效应，不同地区之间的技术创新通过溢出效应对邻近地区经济产生积极影响。
在金融发展与创新关系方面，张元萍和刘泽东[14]认为，金融发展与技术创新之间存在着复杂的互动关系，技术创新依赖金融系统的不断完善。与此同时，技术创新也为金融发展提供市场需求和有力支撑，不断推动金融系统良性发展。徐浩等[15]以中国省级面板数据为研究样本发现，金融发展对技术创新的促进作用呈现出地理特征，在中国地域上表现为按照东、中、西部顺序依次递减，同时在制度环境更为优良地区，金融发展对技术创新的促进作用更明显。聂正彦[16]在分析金融转型对技术创新和经济发展方式转变的影响时发现，后发国家金融发展水平具有门槛效应。康志勇和张杰[17]以1980-2004年中国时间序列数据为研究样本发现，自主创新能力与金融系统发展密切相关。黄燕等[18]通过研究深圳中小板上市公司发现，金融发展未显著促进企业加大研发投入。柏玲和姜磊[19]通过建立空间面板杜宾模型发现，金融发展体系对中国各省域创新的影响呈现竞争和溢出两种效应，但在地区之间存在较为明显的竞争效应。李苗苗等[20]通过分析中国内地31个省市面板数据发现，金融发展是导致技术创新的直接原因，国内金融发展与R&D投入之间具有显著正向关系。张志强[21]以内生增长理论为基础，研究区域层面金融发展与研发创新之间的作用关系，发现两者之间存在长期协整关系。同时，金融发展效率与规模存在显著空间相关性和空间溢出效应。
综上所述，目前大多数学者将R&D投入、金融发展与区域创新中的两个变量置于同一研究框架内，探索两者之间的作用关系，几乎很少有学者将R&D投入、金融发展与区域创新纳入同一研究框架进行分析。另外，大多数学者都是以技术创新为主要研究对象，很少有人将创新放在一个大区域内进行研究。鉴于此，本文从空间角度出发，探索金融发展环境下 R&D投入与区域创新之间的作用关系。同时，将区域创新空间相关性和溢出效应纳入模型中，探讨不同区域创新能力之间的作用关系。
现有关于创新产出衡量指标的研究大都选用专利数据进行分析，但不同学者选取标准不同，主要包括专利申请量和授权量两类指标。考虑到时间滞后性及资金分配流动性，本文选取“专利申请量(PAT)”衡量区域创新产出。R&D投入指标主要以各省市R&D费用支出(RDM)代表资金投入，用R&D人员全时当量(RDP)代表人力资源投入。金融发展指标采用唐松等(2014)的方法，以区域金融发展规模(FSC)代替，FSC=(金融机构存款总额+金融机构贷款总额)/GDP。为排除其它因素的影响，根据已有研究，结合需要，本文还针对区域创新环境、经济发展水平和对外开放水平等情况，分别选取技术市场成交额(TMD)、人均GDP(PCGDP)和外商投资企业投资总额(FDI)作为控制变量(见表1)。
本文使用2006-2015年相关数据进行实证分析，数据来源于2007—2016年《中国统计年鉴》、《中国科技年鉴》和《中国金融年鉴》。由于西藏自治区数据缺失，为防止研究结果出现偏差，本文选取除西藏自治区以外的内地其它30个省域数据，数据采用Arcview、Geoda和MATLAB 2013a软件进行处理。
表1变量名称
(1)空间权重矩阵。空间权重矩阵是一个n阶方阵，通过矩阵W设定观测值之间的位置关系。空间权重矩阵是进行空间计量分析的第一步，也是进行模型检验的关键。现有文献中大多是构造一阶Rook和Queen邻接关系矩阵，根据本文研究问题，采用一阶Rook矩阵作为空间权重矩阵更为合适。
(2)分位图。分位图是在地图上通过不同颜色对排序分类后指标绝对规模进行渲染得到的集聚图，其以直白方式显示指标空间集聚效应。我国内地除西藏外各省市2006年、2010年、2015年专利申请量分位图如图1所示。
图1 我国专利申请量分位数
图1中专利申请量按照从低到高顺序分为4等分，颜色越深代表LN(PAT)越高。图1较为直观地显示了近年来我国区域创新能力空间分布特征，即区域创新在空间上呈现出较为明显的集聚效应，创新水平较高地区主要集中在东部沿海，较低地区主要集中在西部内陆，而中部各省份创新水平则在两者之间。
(3)全局空间自相关性。全局空间相关性是衡量某一区域内某一变量空间特性的统计量。在现有空间计量经济学中，Moran指数被广泛应用于衡量全局自相关性问题，它能有效测算空间关联区域相关指标接近程度。Moran指数计算公式为：
(1)
其中，xi为第i个空间单位的指标值，Wij为经过标准化的空间权重矩阵。Moran指数绝对值越大，表示相邻地区相关性越强；绝对值接近于0，表示相邻地区独立不相关，指标数值呈现随机分布状态。Moran指数如果为负值，则表示相邻地区为负相关，并呈现对比关系；Moran指数如果为正值，则表示相邻地区为正相关，呈现空间集聚分布关系。专利申请量Moran指数均在1%水平下显著为正，表现出显著正向空间相关性。我国各省份专利申请量各时段Moran指数时序见图2。
图2 我国内地各省市2006-2015年专利申请量空间自相关时序图
(4)局部空间自相关性。全局自相关性用来反映单一值的空间自相关性，其局限性在于不能发现不同位置的区域差异性。局部空间自相关性则是对空间全局自相关性的补充，其用于描述指标或者变量在整个研究区域内的空间位置及与相邻区域的离散状况。在某一区域内由于范围过大，单元之间的自相关程度会有所差别。因此，需要利用局部空间自相关性进行分析。现阶段常用的统计量是局部Moran′s I指数，其定义如式(2)所示：
(2)
其中，对j求和仅限于区域单元i空间权重矩阵中定义的区域单元。
图3为2006年、2010年和2015年我国内地30个省市专利申请量的局部空间自相关Moran′s I散点图。其中，横轴为专利申请量，纵轴为相邻地区专利申请量。图中给出了2006年、2010年和2015年的莫兰指数。从中可以看出，各省市Moran′s I指数无规则分布于4个象限内，在象限内呈现集聚特征，表明观测值在空间上存在相关性。反之，如果各观测值在4个象限内分布呈现均匀现象，则说明观测值在空间上不相关。
图3 2006年、2010年和2015年Moran散点图
R&D投入与区域创新之间的关系可通过新增长
理论模型框架加以解释，以Cobb-Douglas生产函数作为本文研究框架，以R&D投入为生产要素，通过对两边取对数，得到本研究基本模型如下：
ln(PAT)=C+β1ln(RDP)+β2ln(RDM)+β3ln(TMD)+β4ln(PCGDP)+β5ln(FDI)
(3)
本文引入金融规模(FSC)作为模型调节变量，研究金融发展通过影响研发投入进而影响区域创新产出的变化情况，得到如下模型：
ln(PAT)it=C+β1ln(RDP)+β2ln(RDM)+β3ln(RDP*FSC)+β4ln(RDM*FSC)+β5ln(TMD)+β6ln(PCGDP)+β7ln(FDI)
(4)
在经典线性回归模型中加入被解释变量空间滞后项Wy，可以得到一个新模型，即空间滞后回归模型(简称SLM)或空间自回归模型(简称SAR)，回归方程及其数据生成过程如下所示：
y=ρWy+Xβ+ε,ε～N(0,σ2In)
(5)
其中，y为n维被解释变量列向量，X为n*k阶解释变量矩阵，ρ为空间自相关系数，β为模型参数向量，ε为随机扰动项，W为n*n阶空间权重矩阵。考虑到变量溢出效应，应用到本研究中，得到如下空间滞后模型：
ln(PAT)it=C+ρWln(PAT)it+β1ln(RDP)it+β2ln(RDM)it+β3ln(TMD)it+β4ln(PCGDP)it+β5ln(FDI)it+εit,εit～N(0,σ2)
(6)
ln(PAT)it=C+ρWln(PAT)it+β1ln(RDP)it+β2ln(RDM)it+β3ln(RDP*FSC)it+β4ln(RDM*FSC)it+β5ln(TMD)it+β6ln(PCGDP)it+β7ln(FDI)it+εit,εit～N(0,σ2)
(7)
如果将解释变量空间滞后项加在空间滞后模型中，就可以得到空间杜宾模型(简称SDM)。空间杜宾模型回归方程及其数据生成过程如下所示：
y=ρWy+αln+Xβ+WXγ+ε,ε～N(0,σ2In)
(8)
考虑到变量溢出效应，应用到本研究中，得到空间杜宾模型：
ln(PAT)it=C+ρWln(PAT)it+β1ln(RDP)it+β2ln(RDM)it+β3ln(TMD)it+β4ln(PCGDP)it+β5ln(FDI)it+Wφ1ln(RDP)it+Wφ2ln(RDM)it+Wφ3ln(TMD)it+Wφ4ln(PCGDP)it+Wφ5ln(FDI)it+εit,εit～N(0,σ2)
(9)
ln(PAT)it=C+ρWln(PAT)it+β1ln(RDP)it+β2ln(RDM)it+β3ln(RDP*FSC)it+β4ln(RDM*FSC)it+β5ln(TMD)it+β6ln(PCGDP)it+β7ln(FDI)it+Wφ1ln(RDP)it+Wφ2ln(RDM)it+Wφ3ln(RDP*FSC)it+Wφ4ln(RDM*FSC)it+Wφ5ln(TMD)it+
Wφ6ln(PCGDP)it+Wφ7ln(FDI)it+εit,εit～N(0,σ2)
(10)
本文通过Wald和似然比LR检验判断空间杜宾模型(SDM)是否可以简化为空间滞后模型(SLM)和空间误差模型(SEM)。在每种检验中，都将空间滞后模型、空间误差模型与空间杜宾模型结果进行比较，检验结果如表2和表3所示。从中可见，两种检验伴随概率均未通过10%显著性水平检验，说明无法拒绝原假设，即无论是用空间误差模型、空间滞后模型还是空间杜宾模型都可以进行验证，但由于空间杜宾模型包含其它两种模型的解释意义，所以本文运用空间面板杜宾模型效果更好。
表2Wald检验和LR检验
表3引入调节变量的Wald检验和LR检验
本文首先将R&D投入和区域创新放在模型中进行检验，研究在没有金融发展作为调节变量情况下，R&D投入与区域创新之间的关系。随后，引入金融发展规模作为调节变量，研究R&D投入与区域创新之间的关系。
首先，判断本文模型是适合固定效应模型还是随机效应模型。用Hausman对空间杜宾模型空间效应和解释变量之间相关性进行检验，两种模型检验结果分别为：统计量分别为25.220 5(伴随概率P值为0.023)和64.909 3(伴随概率P值为0.000)，分别在5%和1%显著性水平上显著，表明拒绝个体效应和解释变量无关假设。结合本文数据选取方式，选取固定效应模型更为合适。本文同时还对模型进行混合回归、空间固定效应、时间固定效应和双固定效应空间杜宾模型估计，并根据估计效果展开讨论。
通过MATLAB 2013a编程计算得到的结果如表4所示。从中可以看出，与其它模型相比，空间固定效应空间杜宾模型的LogL值为-0.944，拟合优度系数R2也较高，结果更好。因此，本文应用空间固定效应SDM模型对我国R&D投入与区域创新能力弹性系数和溢出效应进行分析。
结果发现，区域创新虽然受技术市场成交额(TMD)和外商直接投资额的正向影响，但并不能说明R&D人员投入与R&D资金投入对区域创新能力具有显著促进作用。同时，W*LN(PAT)滞后项系数在5%显著水平上显著，说明区域创新存在溢出效应，相邻区域创新能力间相互影响。除此之外，各地区R&D资金投入也存在相互影响关系。
为进一步说明R&D投入与区域创新能力之间的影响关系，本文还计算了基于SDM模型的直接效应和间接效应系数，结果见表5。直接效应数值和显著性反映解释变量与区域创新之间的关系，间接效应反映是否存在空间溢出效应。结果显示，R&D资金投入具有正间接效应，表明R&D资金投入具有正向溢出效应，相邻地区R&D资金投入之间具有正向促进作用。同时，R&D资金投入对区域创新溢出效应有积极促进作用，而R&D人员投入对区域创新能力不存在直接或间接影响。
表4R&D投入与区域创新空间杜宾模型
注：***、**、*分别表示在1%、5%、10%置信水平上显著，下同
表5直接效应与间接效应系数
从表6结果可以看出，时间固定效应空间杜宾模型估计结果对数似然值(LogL为-116.053)，与其它模型相比结果较好。除此之外，时间固定效应拟合优度系数R2也较高，模型解释力更强，各解释变量及空间滞后项显著性水平检验也更为显著。因此，本文选取时间固定效应SDM模型对我国R&D投入、金融发展、区域创新能力弹性系数和溢出效应进行实证分析。
表6时间固定效应SDM模型估计结果显示，区域创新能力受研发人员全时当量、研发资金投入和外商直接投资额的正向影响，但R&D人员投入对区域创新的影响作用更大，是R&D资金投入的5倍；同时，金融发展对研发人员全时当量和区域创新能力之间起负向调节作用，即金融发展对研发人员全时当量和区域创新能力间的关系具有消极影响。另外，W*PAT弹性系数在1%显著水平上显著，说明区域创新能力存在溢出效应，并会对邻近地区产生影响。
为进一步说明变量空间溢出效应，本文还计算了基于空间杜宾模型的直接效应和间接效应系数，结果见表7。直接效应数值和显著性反映在金融市场不断发展情况下各解释变量和区域创新之间的关系，间接效应反映变量是否存在空间溢出效应。结果显示：在人员全时当量、R&D资金投入、外商直接投资额和金融发展规模下，R&D资金投入系数均为正，说明其对专利申请量(区域创新能力)具有正向直接效应；在人员全时当量(R&D人员投入)和金融发展规模下，R&D资金投入间接效应系数均为正，说明其对周边地区创新能力存在空间正向溢出效应。研发资金投入对专利申请量(PAT)的直接效应系数为正，间接效应系数为负值，说明该地区R&D经费投入对区域创新产出具有促进作用，但周边地区经费投入存在挤出效应。在金融规模支持作用下，R&D人员投入对专利申请量(PAT)的直接效应和间接效应系数均为负值，并通过显著性检验。从全局看，说明金融发展不均衡情况下，一个地区R&D人员投入可能受其它因素的影响，从而对区域创新具有消极作用。
表6金融发展作为调节变量下R&D投入与区域创新空间杜宾模型
表7金融发展作为调节变量的直接效应和间接效应系数
本文基于新地理经济学假设，即地理空间效应，运用传统Cobb-Douglas生产函数研究框架，引入R&D投入和金融发展作为新生产要素，构建基本模型。随后，利用计量经济学空间杜宾模型对我国内地30个省域10年数据进行R&D投入和区域创新能力之间关系研究。通过引入调节变量进行对比发现，在单纯研究R&D投入与区域创新能力影响关系时，R&D投入虽然影响区域创新能力，但两者关系并不显著，经过反复验证，结果并无差异，证明研究过程没有问题，这可能是由于R&D投入存在门槛值或者两者并非简单线性关系，这有待后续研究。在引入金融发展作为调节变量时，R&D投入对区域创新能力提升具有积极促进作用。除此之外，区域创新还存在很强的空间溢出效应。
从空间来看，我国区域创新能力具有显著集聚现象，各省市之间发展不平衡，差距较为明显，东西部创新能力呈现出自东向西逐渐减弱态势。由于区域创新能力存在溢出效应和增长极扩散效应，东部地区技术会向周边地区扩散和延伸，但这一范围有限，溢出效应随距离加大而逐渐减弱。针对这种现象，政府需要加大西部地区R&D资金投入和金融发展，同时不断引进和培养人才，在不同地区开展创新交流活动等，以改善区域间发展不平衡的状况。除此之外，政府还需要利用区域创新本身存在的溢出效应和增长极扩散效应，积极引导，使区域创新能力较高地区产生的扩散效应发挥最大作用，以创新能力较高的东部地区带动创新能力较低的中西部地区，实现各区域均衡发展，从而达到提升全国创新能力的目的。
从区域创新影响因素看，金融发展无疑在区域R&D投入与创新能力之间起到很好的促进作用。从结果看，在未引入FSC作为调节变量时，R&D投入中人员全时当量和经费投入对区域创新的直接影响作用并不显著。当引入调节变量后，R&D投入中人员全时当量和经费投入对区域创新存在正向影响作用且存在外部溢出效应。因此，各省域应不断加强人力资源部门、高等院校和研发部门人才培养工作。同时，政府部门也应做好高端人才引进和科技团队培养工作。对于R&D经费支出，各省域应该合理规划资金用途，并制定出有效分配制度。因为从研究结果看，R&D资金高并不一定会产生更好的区域创新能力。因此，加快金融系统发展、提升金融资产配置水平、构建由政府发挥引导作用的金融体系，对R&D投入和区域创新能力提升具有重要推动作用。
本文研究还存在一些局限性：一是金融发展指标选取过于单一；二是空间单元选择只对省域数据进行分析，忽略了市县尺度下空间相关性分析，导致空间异质性对结果的影响存在偏差，这些将成为未来重点研究方向。
参考文献:
[1] LAINCZ C A,PERETTO P F.Scale effects in endogenous growth theory: an error of aggregation not specification[J].Journal of Economic Growth,2006,11(3):263-288.
[2] CASSIMAN B,VEUGELERS R.Complementarity in the innovation strategy:internal R&D,external technology acquisition,and cooperation in R&D[J].Ssrn Electronic Journal,2002.
[3] CONNOLLY R A,HIRSCHEY M.Firm size and the effect of R&D on Tobin's q[J].R&D Management,2005,35(2):217-223.
[4] HARTMANN G C,MYERS M B,ROSENBLOOM R S.Planning your firm's R&D investment[J].Research Technology Management,2006,49(2):25-36.
[5] YEH M L,CHU H P,PETER J,et al.R&D intensity,firm performance and the identification of the threshold: fresh evidence from the panel threshold regression model[J].Applied Economics,2010,42(3):389-401.
[6] CHOWDHURY R H,MIN M.Financial market development and the effectiveness of R&D investment:evidence from developed and emerging countries[J].Research in International Business & Finance,2012,26(2):258-272.
[7] EATON J,KORTUM S.Technology,geography,and trade[J].Econometrica,2002,70(5):1741-1779.
[8] O′MAHONY M,VECCHI M.R&D,knowledge spillovers and company productivity performance[J].Research Policy,2009,38(1):35-44.
[9] TADESSE S.Financial architecture and economic performance:international evidence[J].Journal of Financial Intermediation,2013,11(4):429-454.
[10] 戴小勇,成力为.研发投入强度对企业绩效影响的门槛效应研究[J].科学学研究,2013(11):1708-1716+1735.
[11] 严焰,池仁勇.R&D投入、技术获取模式与企业创新绩效——基于浙江省高技术企业的实证[J].科研管理,2013(5):48-55.
[12] 任海云.公司治理对R&D投入与企业绩效关系调节效应研究[J].管理科学,2011(5):37-47.
[13] 谢兰云.中国省域R&D投入对经济增长作用途径的空间计量分析[J].中国软科学,2013(9):37-47.
[14] 张元萍,刘泽东.金融发展与技术创新的良性互动:理论与实证[J].中南财经政法大学学报,2012(2):67-73+92+143-144.
[15] 徐浩,温军,冯涛.制度环境、金融发展与技术创新[J].山西财经大学学报,2016(6):41-52
[16] 聂正彦.金融转型、技术创新与中国经济发展方式的转变[J].经济理论与经济管理,2012(5):72-79.
[17] 康志勇,张杰.中国金融结构对自主创新能力影响研究[J].统计与决策,2008(19):130-133.
[18] 黄燕,吴婧婧,商晓燕.创新激励政策、风险投资与企业创新投入[J].科技管理研究,2013(16):9-14.
[19] 柏玲,姜磊.金融发展区域创新的竞争和溢出效应——基于空间面板杜宾模型的研究[J].上海经济研究,2013(7):13-23.
[20] 李苗苗,肖洪钧,赵爽.金融发展、技术创新与经济增长的关系研究——基于中国的省市面板数据[J].中国管理科学,2015,23(2):162-169.
[21] 张志强.金融发展、研发创新与区域技术深化[J].经济评论,2012(3):82-92.
Wang Shuying,Zhang Shuijuan,Wang Wenpo
(School of Management Engineering,Zhengzhou University,Zhengzhou 450001,China)
Abstract ：Based on the Spatial Spillover Effect, the thesis uses the research framework of traditional Cobb-Douglas production function and Introduces R&D input as a new factor of production. Furthermore, it selects financial support as a moderator variable. At last, this thesis uses the spatial Durbin model coming from Econometrics to do research on the spillover effect of R&D input and regional innovation capacity of 30 provinces in China in the past 9 years. The results shows that R&D input has a positive effect on regional innovation capability and regional innovation capability has obvious spillover effect under the moderating effect of financial support. At the same time, the spillover effect of R&D personnel input has a negative effect on regional innovation capability in financial system development support. On the contrary, the spillover effect of R&D capital input has a positive effect on regional innovation capability in financial system development support.
Key Words:R&D Input; Regional Innovation Capability; Spillover Effect; Space Durbin Model
收稿日期：2017-08-21
基金项目：国家自然科学基金项目(71371173)
作者简介：王淑英(1968-)，女，河南许昌人，博士，郑州大学管理工程学院教授，研究方向为创新管理、投资评价与战略投资决策；张水娟(1992-)，女，河南焦作人，郑州大学管理工程学院硕士研究生，研究方向为区域创新；王文坡(1993-)，男，河南安阳人，郑州大学管理工程学院硕士研究生，研究方向为区域创新。
DOI：10.6049/kjjbydc.2017070189
中图分类号：F061.5
文献标识码：A
文章编号：1001-7348(2018)02-0039-08
(责任编辑：王敬敏)