0 引言

党的十九大报告提出我国经济从高速增长向高质量发展目标，以提升供给体系质量为主攻方向，推动经济发展质量变革、效率变革、动力变革。如何推进产业升级，提高产品和服务质量，促进产业迈向全球价值链中高端，已成为新时期我国经济发展面临的主要问题。面对国际经济格局调整和国内经济发展进入新常态，党的十九大报告明确提出实施创新驱动发展战略，强调“创新是引领发展的第一动力”，技术创新已成为新时期我国产业发展的重要支撑。生产性服务业是关系我国经济转型升级，实现制造强国目标，提升国际竞争力的重要领域，是支撑经济高质量增长的新力量[1]。《服务业创新发展大纲(2017-2025)》明确提出通过创新引领，增强服务业发展动能，支持各具特色的服务业集聚区建设，推进生产性服务业向专业化和价值链高端延伸。国际经验表明，产业集聚是生产性服务业发展的主要区位模式，一定规模的生产性服务业集聚有利于提升区域技术创新能力，区域技术创新能力提升又可以进一步吸引生产性服务企业集聚。因此，充分发挥技术创新和产业集聚的交互效应，促进生产性服务业高效高质量发展，既符合新科技革命背景下全球产业变革升级的演进趋势，又契合新时期我国构建具有国际竞争力的现代化产业体系的战略目标。

1 文献综述

技术创新和产业集聚关系是学界研究的热点。知识溢出效应是产业集聚的动因之一[2]，产业集聚产生的知识溢出效应在提升产业效率的同时也为区域长期创新发展奠定了基础，成为提升区域技术创新能力的重要支撑[3]，随着技术水平的提升和产业的发展，技术创新和产业集聚更多地表现出互为依托，相互促进的发展关系[4]。目前，国内外学者从不同角度对技术创新和产业集聚的关系进行了研究，本文主要从作用机理、影响效应及研究方法3个方面进行梳理。

(1)技术创新与产业集聚相互作用机理。技术创新与产业集聚作用机理的研究主要从知识溢出、网络关系、合作创新等视角展开。Jaffe[5]指出，知识溢出最有可能在地理相邻的区域发生；Lucia Cusmano认为，产业集聚下的企业具有互补性知识和能力，产业集聚中技术外部性产生的知识溢出有利于技术创新，企业对知识溢出的利用程度取决于自身的知识存量和研发投入[6]；Fischerh&Varga的研究进一步指出，知识溢出效果随着空间距离的增加而递减，同一产业集聚区的企业在知识溢出方面具有优势[7]。Messnet[8]&Meyer-Stamer[9]对产业集聚中网络关系、企业合作与技术创新问题进行了研究，认为产业集聚区内流动的信息和技术为企业提供了交流、学习和合作机会，促进了企业间的网络关系，形成非正式网络组织，产业集聚形成的企业网络关系有利于形成长期稳定的技术合作，促进技术创新能力提升。

(2)技术创新与产业集聚影响效应。产业集聚对技术创新具有一定的促进效应，产业集聚通过推进技术在产业内的扩散[10]及对集聚企业信息交流的强化[11]提升创新效益，技术创新活动通过知识外溢、技术扩散等途径对产业集聚产生再强化效应[12]。关于技术创新与产业集聚的影响主要侧重于产业集聚对技术创新影响的研究，其理论基础为马歇尔的外部性理论，研究结论可归纳为MAR外部性、Jacobs外部性和Porter外部性3种观点。MAR外部性认为，产业集聚专业化程度越高，越有利于企业间知识和技术外溢，因而越有利于创新水平提高，Lucio、Ejermo等的研究均证明了这一观点；Jacobs外部性则强调集聚企业多样化和差异性对创新的影响，Glaeser、Feldman等的研究认为产业集聚多样化更有利于知识溢出和创新，证明了Jacobs外部性的相对重要性；Porter外部性强调竞争对创新的影响，认为产业集聚产生的竞争能够促进企业间技术模仿和传递，促进创新应用。我国学者对这一问题也进行了广泛研究，如陈劲等(2013)的研究认为，产业集聚对创新的影响具有差异性，产业集聚度低时，专业化集聚促进创新，多样化集聚抑制创新，产业集聚度高时则恰好相反；刘乃全等[13]对产业集聚和区域创新效率的研究认为，专业化集聚有利于提高创新效率，多样化集聚对创新效率的影响不显著；王春晖[14]对区域产业特征和区域创新的研究认为，多样化产业特征有利于区域创新水平提升，专业化产业特征对区域创新具有负向影响。

(3)技术创新与产业集聚研究方法。对于技术创新与产业集聚相关问题的实证研究主要基于计量模型展开，如陈建军等[15]采用VECM和协整分析的研究认为，产业集聚带来的技术进步是构成集聚区产业差异化优势和竞争力的源泉；陶爱萍等[16]基于面板门限模型的研究认为，产业集聚对技术创新的影响具有非线性特征，在不同行业和不同地域影响系数不同。经典计量经济模型忽略了变量间的空间联系，随着空间计量经济学的发展，部分学者将空间计量分析方法引入技术创新与产业集聚问题研究中，如韩坚等[17]研究产业集聚对区域创新的影响时指出，空间效应对区域创新产出的影响不断增强，在考察区域创新时需注意空间效应对创新的影响，并通过空间计量SAR模型的实证分析得出服务业集聚对区域创新产出具有正向促进作用，各地区创新差异性与产业集聚程度相关；有学者基于两阶段价值链视角，通过建立空间面板杜宾模型研究了专业化、多样化、互补性高技术产业集聚对区域创新的影响，研究认为本地和邻近区域产业集聚均对创新成果转化阶段产生较大影响，且对多样化产业集聚带来的知识溢出具有较强的依赖性。

现有文献虽然对技术创新和产业集聚的关系进行了较为详细的研究，但仍存在一定局限性：①侧重于单方面分析产业集聚对技术创新的影响，忽视了技术创新对产业集聚的再强化作用，对两者交互影响的动态研究较少，且以制造业集聚为视角的研究较多，对生产性服务业集聚关注较少；②对技术创新和产业集聚关系的研究大多没有考虑空间因素，对两者空间交互效应的研究较少；③研究方法多为单方程计量模型估计，由于单方程计量模型方法的局限性，对技术创新和产业集聚相互内生性检验不足；④对技术创新强度的测度指标过于单一，或采用某一具体指标，或采用随机前沿生产函数测度创新效率，缺乏对创新过程的综合考察。基于此，本文将创新过程和空间因素引入技术创新与产业集聚的分析框架中，基于创新价值链理论构建技术创新综合评价指标体系，通过建立产业集聚方程和技术创新方程的空间面板联立方程组，对我国技术创新和生产性服务业集聚的空间交互效应进行实证研究。

2 基于创新价值链的技术创新强度综合评价

2.1 测度方法

创新价值链最早由Hansen&Birkinshaw[18]在《创新价值链》 一文中提出，并将创新价值链分为创意产生、创意转换和创意传播3个阶段。余泳泽、刘大勇[19]遵循这一思路，将创新过程分为知识创新、研发创新和产品创新3个阶段，提出了3阶段创新价值链。本文借鉴余泳泽、刘大勇的研究思路，基于创新价值链理论，按照“知识创新、科研创新、产品创新” 3个阶段构建技术创新强度综合评价指标体系，如表1所示。

采用时序全局主成分分析法(GPCA)，根据累计方差贡献率大于85%的准则得到2005-2015年我国各省市技术创新强度综合得分。为了比较分析我国技术创新强度的区域差异性，对综合得分进行归一化处理，测算结果如表2所示。

2.2 测算结果分析

由表2可以看出，我国技术创新强度非均衡性特征明显，存在一定的区域差异性。从 2005-2015年各地区技术创新强度均值来看，东部、中部、西部地区的技术创新强度均值分别为0.277、0198、0.188，技术创新强度呈现东部大于中部，中部大于西部的“梯度”分布特征。从动态演进视角来看，2005-2015年，我国各省市技术创新强度均呈不断上升趋势，东部、中部、西部地区技术创新强度均值的年均增长率分别为11.66%、10.99%、10.56%， 仍然呈现东部快于中部，中部快于西部的特征。2005年技术创新强度最高的省市(北京，0.267)与最低的省市(青海，0.100)综合得分差距为0.167，到2015年这一差距扩大为0.734，省际技术创新强度差异较大，且发展差距呈不断扩大趋势。我国技术创新强度呈现“梯度”分布且发展差距不断扩大，主要是因为东部地区较高的经济发展水平和良好的地理区位优势，东部地区产业发达程度、外资利用能力、人力资源水平均高于中西部地区，其对技术创新的推动作用相对较大;同时，东部地区良好的区位优势和发展环境对中西部地区的生产要素产生较大的吸引力，生产要素和人力资本集聚产生的溢出效应进一步推动了东部地区的技术进步，导致中西部地区由于缺少产业、人才和技术创新平台支撑，区域技术创新能力滞后，与东部地区的差距不断扩大。

为进一步分析我国技术创新的区域差异，根据各省市2005-2015年技术创新强度均值，将我国各省市划分为3种类型：第一类为高技术创新省市，技术创新强度综合得分大于0.28；第二类为中等技术创新省市，技术创新强度综合得分大于0.2，小于0.28；第三类为技术创新欠发达省市，技术创新强度综合得分小于0.2。表3反映了按技术创新强度划分的省市分类情况，可以看出，北京、上海、浙江、天津、江苏、广东的技术创新强度较高，而甘肃、新疆、山西、内蒙古、青海的技术创新强度较低，经济发达省市的技术创新强度总体大于经济欠发达地区，这也印证了技术创新强度与经济发展水平相关的分析结论。从技术创新分类涵盖的省市看，技术创新强度高的省市均位于东部地区，技术创新强度低的地区则主要集中在西部地区。我国技术创新强度呈现一定的空间集聚性，且空间分布与区域经济发展水平密切相关。

表4为我国技术创新强度排名前十位的省市，可以看出，排名靠前的省市主要集中在北京、上海、浙江、天津等直辖市和经济发达省份，北京的技术创新优势明显，除2006年排名第二位外，其余年份稳居榜首。从排序变化情况看，随着“西部大开发”和“中部崛起”战略实施效果的显现，中西部地区技术创新水平不断提升，特别是西部的重庆市和中部的安徽省逐渐步入技术创新前列，后发优势明显。

3 我国技术创新与生产性服务业集聚空间交互效应的实证分析

3.1 研究假设及模型设定

生产性服务业集聚带来的技术溢出有利于提高区域技术创新能力，技术创新能力提升会对生产性服务业集聚产生再强化效应，技术创新与生产性服务业集聚存在正向交互影响。考虑到技术创新和产业集聚的外溢效应，在分析技术创新与生产性服务业集聚关系时不能忽略区域间的相互影响，应将空间效应引入分析框架，因此提出以下假设：

H1：技术创新对生产性服务业集聚具有正向促进效应，生产性服务业集聚对技术创新同样具有正向促进效应。

H2：技术创新和生产性服务业集聚均存在空间效应，相邻地区间技术创新及生产性服务业集聚会相互影响。

基于上述假设，借鉴邵明伟等[20]的研究方法，构建包含技术创新方程与产业集聚方程的联立方程模型，对我国技术创新与生产性服务业集聚的交互效应进行分析。考虑到技术创新和产业集聚的空间溢出效应，将其空间滞后项纳入模型，设定空间面板联立方程模型如下：

ITIit=α+α1wijITIit+α2LQit+α3wijLQit+α4Xit+εit

LQit=β+β1wijITIit+β2ITIit+β3wijLQit+β4Zit+μit

其中，i表示地区，t表示时间，ITIit和LQit分别表示各省市各年份技术创新强度及生产性服务业集聚度，Xit和Zit分别表示影响技术创新强度及生产性服务业集聚度的控制变量组，wij为空间权重矩阵。本文采用二值空间权重矩阵反映空间对象的地理区位特征，当地区i与地区j有共同的边界时wij=1，反之，wij=0。α和β为常数项，α1、α3和β1、β3为空间滞后系数，其中，α1和β3表示技术创新强度和生产性服务业集聚度的空间溢出效应，α3和β1表示技术创新强度和生产性服务业集聚度的空间交互效应，εit和μit为随机误差项。

3.2 数据来源及变量选取

选取2005-2015年中国30个省份的面板数据对我国技术创新和生产性服务业集聚的空间交互效应进行实证分析(样本数据不包括中国香港、澳门、台湾和西藏)。为保证数据完整性和连续性，原始数据均来源于2006-2016年《中国统计年鉴》和《中国科技年鉴》。

3.2.1 内生变量

选取前文测算的技术创新强度(ITI)作为反映技术创新水平的指标；选取区位熵(LQ)作为衡量生产性服务业集聚程度的指标。由于学术界对生产性服务业尚未形成统一的分类标准，结合现有研究成果，基于数据可得性，本文生产性服务业增加值由第三产业增加值减去房地产、住宿和餐饮及其他行业增加值而得。计算公式为：

其中，i表示部门，j表示地区，xij为j地区i部门的产值。LQij的值越大，表明地区j部门i的集聚程度越高。LQij<1，表明地区j部门i的集聚能力较弱，在全国处于比较劣势；LQij>1，表明地区j部门i的集聚能力较强，在全国具有一定比较优势；LQij>1.5则表明在全国具有明显的比较优势。

3.2.2 控制变量

影响技术创新强度的控制变量Xit包括：科研人员投入(Rp)，选取R&D人员全时当量测度；科研经费投入(Rf)，选取R&D经费内部支出测度；产品研发投入(Pd)，选取新产品开发经费支出测度。影响生产性服务业集聚度的控制变量Zit包括：对外开放度(Open)，选取外商直接投资与地区生产总值的比重测度；城市化率(City)，选取城镇人口占总人口的比重测度；政府干预(Fis)，选取政府财政支出占地区生产总值的比重测度。

3.3 实证结果分析

3.3.1 空间相关性检验

选择空间计量模型前，需要判断观测变量是否存在空间相关性。本文选取Moran' I指数作为检验空间相关性的指标，计算公式如下：

其中，n为样本数，wij为空间权重矩阵，xi和xj分别为地区i和地区j的观测值，为观测值的平均值，为样本方差。Moran′I取值[-1,1]。I>0表示存在空间正相关性；I<0表示存在空间负相关性；I=0表示不存在空间相关性。采用2005-2015年我国30个省市技术创新强度和生产性服务业集聚度指标数据，计算得到技术创新强度和生产性服务业集聚度的Moran′I指数如表5所示。

在2005-2015年样本期内，各年份技术创新强度和生产性服务业集聚度的Moran′I指数均通过了显著性检验且均为正，表明技术创新强度和生产性服务业集聚度具有显著的空间正相关关系，相邻地区技术创新强度和生产性服务业集聚度会对本地产生影响。技术创新强度的Moran′I指数总体呈现上升趋势，且显著性不断提升，表明我国各省市间技术创新的空间溢出效应不断增强，空间因素对技术创新强度的影响不断加强；生产性服务业集聚度的Moran′I指数均通过了5%显著性检验，表明生产性服务业集聚效应具有较强的空间依赖性，Moran′I指数呈现先上升再下降的变化趋势，在2012年达到峰值0.309后呈现下降趋势，表明我国生产性服务业在空间集聚上出现了局部集聚效应和集聚阴影效应，致使周边地区较难形成新的生产性服务业集聚区，从而降低了生产性服务业的空间相关性。可见，我国技术创新和生产性服务业集聚在空间分布上并非是完全随机的，而表现出显著的空间相关关系。因此，在分析我国技术创新和生产性服务业集聚的交互效应时需要分别考虑技术创新和生产性服务业集聚的空间相关性，建立空间计量模型。

3.3.2 模型结果估计

根据联立方程识别的阶条件，本文构建的联立方程为恰好识别模型，可以对模型的总体参数进行估计。空间面板联立方程模型可能会因为内生性问题和非球形扰动问题导致非一致或非有效估计。为了克服这些问题，本文采用Kelejian&Prucha[21]提出的广义空间三阶段最小二乘法(GS3SLS)对联立方程模型进行估计，既考虑了内生变量的潜在空间相关性，又考虑了各方程随机扰动项间可能存在的相关性。为了避免多重共线性问题，对每个方程的解释变量进行相关性检验，相关系数均小于0.8，且各变量的方差膨胀因子VIF值均小于5，表明各解释变量间不存在明显的多重共线性问题。为进行比较分析，本文同时报告了不含空间关联和空间溢出效应的2SLS、3SLS估计结果，如表6所示。

从表6可见，3种估计方法得出的回归系数并未出现明显的符号变化，表明我国技术创新与生产性服务业集聚之间存在稳定的相互关系。GS3SLS估计结果由于引入了空间滞后项，能更好地解释我国技术创新与生产性服务业集聚的相互影响效应。

注：*、**和***分别表示10%、5%和1%的显著性水平，括号内为标准差，con_s为常数项 从交互效应看，技术创新方程中生产性服务业集聚的系数在1%水平下显著为正，说明生产性服务业集聚对技术创新具有显著的正向促进作用，生产性服务业区位熵指数每增加1单位，可以促进技术创新强度提高0.085 7；生产性服务业集聚方程中技术创新强度的系数在1%水平下显著为正，表明技术创新对生产性服务业集聚也具有显著的正向促进作用，技术创新强度每增加1单位，可以促进生产性服务业区位熵指数提高0.768 5。可见，技术创新与生产性服务业集聚具有显著的正向交互影响，生产性服务业集聚会带来技术创新强度提升，但技术创新强度提升会对生产性服务业集聚产生更大的促进效应。技术创新是生产性服务业发展的有效推动力，较高的区域技术创新能力会对生产性服务企业产生更大的吸引力，更易于形成集聚发展态势。同时，生产性服务业也是技术创新的推动者和新技术的使用者，生产性服务业集聚一方面通过技术溢出提升本地技术创新水平；另一方面，通过集聚效应提高生产性服务业专业化程度，对技术创新提出更高需求，不断推动技术进步。但是由于现阶段我国生产性服务业集聚程度相对较低，集聚效应尚不明显，集聚产生的技术溢出层次相对较低，对技术创新的推动作用有限。

从空间效应看，技术创新的空间效应系数通过了1%的显著性检验，表明区域间技术创新具有显著的正向空间溢出效应，周边地区技术创新强度提升1个单位，会使本地技术创新强度提升0.827 6，周边地区技术创新强度对本地技术创新产生如此大的影响主要归功于区域间技术创新要素流动产生的扩散效应，相邻地区由于区位邻近更利于技术创新人才和要素的流动，知识和技术的交流与合作促进了新技术、新知识的扩散，实现了技术创新资源的共享，有效带动了本地技术进步，提升了本地技术创新能力；生产性服务业集聚的空间溢出效应为正，但不显著，产生这一现象的原因可能是由于我国生产性服务业发展不平衡，降低了生产性服务业集聚的空间依赖性和紧密性。

从空间交互效应看，技术创新对生产性服务业集聚的空间溢出效应在1%的水平下显著为负，周边地区技术创新强度增加1个单位，会使本地生产性服务业区位熵指数下降1.814 8，生产性服务业集聚对技术创新的空间溢出效应同样为负，但影响不显著，表明技术创新与生产性服务业集聚彼此间存在一定的空间挤出效应，相比而言，技术创新对生产性服务业集聚的空间挤出效应更大。本地技术创新能力的提升对周边地区生产性服务企业产生较大的吸引力，在提升本地生产性服务业集聚度的同时，对周边地区生产性服务业的集聚发展形成竞争，导致技术创新对生产性服务业集聚产生较大的空间挤出效应，这充分说明现阶段技术创新对生产性服务业集聚发展的重要意义，也表明我国区域创新协同机制仍有待完善。

从控制变量看，科研人员投入和科研经费投入对我国技术创新强度均具有显著的正向促进作用，产品研发投入能够提升技术创新强度，但影响不显著，表明人员投入和经费支持对提升区域技术创新强度的重要性。具体而言，科研人员投入和科研经费投入的回归系数分别在10%和1%的水平下通过显著性检验，回归系数分别为0.145 6和0.047 4，科研人员投入对技术创新强度的影响远大于科研经费投入，表明科研经费支持是提升区域技术创新能力的基础，技术创新人才培养和人力资本素质提升才是增强区域技术创新强度的核心，因此加强人力资本投入，提升科研人员素质，成为提升我国技术创新能力的关键。城市化率和政府干预对生产性服务业集聚具有显著的正向促进作用，在1%的显著性水平下回归系数分别为1.133 1和0.192 6，表明城市化水平提升带来的规模效应和要素集聚效应能够降低生产成本，提升产业效率，政府对生产性服务业集聚的科学引导和规划，更有利于生产性服务业集聚发展。

4 结论及启示

本文基于创新价值链理论，构建了技术创新强度综合评价指标体系，并对我国各省市技术创新强度进行测度及评价。通过空间面板联立方程模型，采用广义空间三阶段最小二乘法，对我国技术创新和生产性服务业集聚的空间交互效应进行了实证分析。研究发现：①我国技术创新强度呈现东中西“梯度”分布特征，技术创新强度总体呈现上升趋势，但区域差距不断扩大，不均衡特征明显，技术创新强度的空间分布与区域经济发展水平相关；②我国技术创新和生产性服务业集聚具有显著的双向互动促进效应，且技术创新对生产性服务业集聚的促进效应更为明显；③技术创新具有显著的正向空间外溢效应，对生产性服务业集聚则存在显著的空间挤出效应，生产性服务业集聚的空间溢出效应及其对技术创新的空间交互溢出效应均不显著；④科研人员投入及科研经费投入对我国技术创新强度具有显著的正向促进作用，加强科研人员投入是提升我国技术创新能力的关键，城市化率及政府干预对生产性服务业集聚具有显著的正向促进作用，提升城市化水平更有利于促进生产性服务业集聚。

本文研究结论对于促进我国技术创新及生产性服务业集聚具有重要启示。

(1)加强区域间技术创新交流与合作，形成良好的区域合作交流环境，通过区域技术创新的互动融合，共享创新成果，推进技术进步。同时，充分发挥技术创新的溢出效应，克服各种体制障碍，形成区域间技术创新顺畅互通的良好机制，不断缩小技术创新的区域差距。通过完善中西部地区城市基础设施建设和科研平台建设，增强中西部地区对科技人才和创新要素的吸引力，切实提高中西部地区技术创新水平。

(2)生产性服务业集聚能够有效提升技术创新能力，集聚企业通过知识、技术溢出效应实现技术和创新成果共享，在提升生产性服务企业生产效率和产品竞争力的同时提升企业自身的技术创新能力，而技术创新要素会对生产性服务企业产生较强的吸引力，产生产业聚集再强化效应。充分发挥技术创新对生产性服务业集聚的促进作用，以技术创新引领产业创新，打造一批具有地方特色的优势生产性服务业集聚区，通过生产性服务业的集聚发展，促进技术创新能力再提升，形成“生产性服务业集聚—技术创新”的良性互动格局，实现技术创新能力提升和生产性服务业高质量发展。

(3)应充分考虑技术创新和生产性服务业集聚的空间溢出效应，将技术创新能力提升和生产性服务业集聚发展置于自身发展的空间体系，在制定产业发展规划时，强化生产性服务业发展全局观念，统筹考虑本区域及周边区域或空间范围内其它区域的生产性服务业发展情况，鼓励各省市结合地方经济和产业发展实际培育各具特色的生产性服务业集聚区，通过区域互补效应实现区域生产性服务业的集聚协同，实现资源优化配置和协调发展。

(4)科研人员投入和科研经费投入对提升技术创新强度具有较大的促进作用，应以人才培养和资金支持为突破口，加大人力资本投入和研发投入，通过加强高层次科研人员培养力度、扩大科研经费投入渠道等方式，切实发挥其对技术创新的促进效用，实现我国技术创新的高层次发展。同时，有序推进城市化建设，完善城市配套，优化集聚环境，充分发挥政府的引导作用，科学规划生产性服务业集聚区，避免出现区域间生产性服务业恶性竞争。

参考文献:

[1] 李平,付一夫,张艳芳.生产性服务业能成为中国经济高质量增长新动能吗[J].中国工业经济,2017(12):5-21.

[2] MARSHALLA.The principles of economics [J].Political Science Quarterly，1920,77(2):519-524．

[3] RUIB，SWANNP.Do firms in cluster innovate more?[J].Research Policy, 1998,27(5):524-540.

[4] 文婷,李继华.技术创新表征与园区产业集聚的关联度[J].改革,2013(5):74-78.

[5] JAFFE.Technological opportunity and spillovers of R&D:evidence from firms' patents, profits and market value [J].American Economic Review, 1986, 76:984-1001.

[6] CUSMANO.Technology policy and cooperative R&D:the role of relational research capacity [J].Druid Working Papers,2000(1)：106-112.

[7] FISCHER M,VARGA A.Spatial knowledge spillovers and university research:evidence from Austria[J].Annals of Regional Science, 2003,37(2):303-322.

[8] MESSNERD,MEYER-STAMER J.Governance and networks tools to study the dynamics of clusters and global value chains [J].Paper prepared for the IDS/INEF Project, 2000.

[9] MEYER STAMERJ.Clustering and the creation of an innovation-oriented environment for industrial competitiveness:beware of overly optimistic expectations [C].Conference Paper:International High-level Seminar on Technological Innovation United Nations,2002.

[10] ROMERPM.Increasing returns and long-run growth[J].Journal of Political Economy,1986,94 (5):1002-1037.

[11] ARITAT& MCCANNP.Industrial alliances and firm location behavior:some evidence from the US semiconductor industry [J].Applied Economics, 2000, 32(11):1391-1403.

[12] 傅兆君,陈振权.知识流动与产业空间集聚现象分析[J].地域研究与开发,2003 (6):5-8.

[13] 刘乃全,吴友,赵国振.专业化集聚、多样化集聚对区域创新效率的影响——基于空间杜宾模型的实证分析[J].经济问题探索,2016 (2):89-96.

[14] 王春晖.区域异质性、产业集聚与创新——基于区域面板数据的实证研究[J].浙江社会科学,2017 (11):34-41.

[15] 陈建军,胡晨光.产业集聚的集聚效应——以长江三角洲次区域为例的理论和实证分析[J].管理世界,2008(6):68-83.

[16] 陶爱萍,查发强,陈宝兰.产业集聚对技术创新的非线性影响[J].技术经济,2017(5):82-89.

[17] 韩坚,费婷怡,吴胜男,段进军.产业集聚、空间效应与区域创新研究[J].财政研究,2017(8):90-100.

[18] HANSENMT,BIRKINSHAWJ.The innovation value chain [J].Harvard Business Review,2007,85 (6):121.

[19] 余泳泽,刘大勇.我国区域创新效率的空间外溢效应与价值链外溢效应——创新价值链视角下的多维空间面板模型研究[J].管理世界,2013(7):6-20.

[20] 邵明伟,钟军委,张祥建.地方政府竞争:税负水平与空间集聚的内生性研究——基于2000-2011年中国省域面板数据的空间联立方程模型[J].财经研究,2015(6):58-69.

[21] KELEJIANH, PRUCHAI.Estimation of simultaneous systems of spatially interrelated cross sectional equations[J].Journal of Econometrics, 2004, 118(1-2):27-50.

Spatial Interactive Effect between Technological Innovation and Agglomeration of Producer Services under Innovative Value Chain

Sun Chang1, 2,Wang Chun1,Zhang Qingyun2

(1.Research Center for Economy of Upper Reaches of the Yangtze River，Chongqing Technology and Business University； 2. School of Economics，Chongqing Technology and Business University, Chongqing 400067，China)

Abstract：This paper establishes an assessment index system based on the theory of the innovative value chain, evaluates comprehensively the technological innovation intensity and empirically tests the spatial interaction effect between technological innovation and industrial agglomeration using the panel data of 30 provinces in China during 2005-2015 through spatial simultaneous equation model. The results show that the technological innovation intensity in China is not balanced and the regional difference has a tendency of expansion. There is a remarkable mutual promoting effect between technological innovation and agglomeration of producer services, the multiplier effect of technological innovation on agglomeration of producer services is more obvious. The spatial spillover effect of technological innovation on agglomeration of producer services is negative, but the spatial interaction effect of agglomeration of producer services on technological innovation is not significant. The interaction effect and spatial effect between technological innovation and agglomeration of producer services should be considered, stand on the frame of spatial system, strengthen technological interchange and develop industry cluster district, in order to realize the interactive development of technological innovation and industrial agglomeration.

Key Words:Innovative Value Chain;Technological Innovation Intensity; Agglomeration of Producer Services; Industrial Spatial Simultaneous Equation

DOI：10.6049/kjjbydc.2018040055

中图分类号：F264.1

文献标识码：A

文章编号：1001-7348(2018)22-0055-08

收稿日期：2018-06-04

基金项目：国家社会科学基金项目(18CJY042);重庆市教委人文社科项目(18SKGH072);长江上游经济研究中心科研(智库)项目(CJSYTD201701)；重庆市研究生科研创新项目(CYS18330)

作者简介：孙畅(1983-)，女，辽宁海城人，重庆工商大学长江上游经济研究中心兼职研究员，经济学院副教授，研究方向为产业结构与产业发展；王纯(1993-)，女，湖南益阳人，重庆工商大学长江上游经济研究中心硕士研究生，研究方向为区域经济学；张晴云(1993-)，女，甘肃临夏人，重庆工商大学经济学院硕士研究生，研究方向为产业经济学。

(责任编辑：陈福时)