0 引言
随着经济社会的发展，创新对国民经济的推动作用日益增大。为提升科技水平及自主创新能力，我国将大量资源投向科教领域，研发支出逐年上升，研发人员逐年增加。据国家统计局数据显示，2017年我国R&D经费投入为1.75万亿元(2 591.90亿美元)，投入总量仅次于美国，居世界第二，R&D投入强度达到2.12%，接近同期发达国家水平。但从创新产出看，却不尽如人意。中国对外知识产权贸易逆差自2009年后就一直在100亿美元以上，且呈逐年增长趋势，2017年，中国对外支付的知识产权使用费已达286亿美元，逆差超过200亿美元。由此可见，虽然我国创新投入不断加大，但创新产出并未实现对等增长，尤其是在核心技术领域，与发达国家还存在较大差距，这也使得如何优化创新资源配置、提高创新资源利用率成为社会各界共同关注的议题[1,2]。
市场开放程度对经济主体创新效率具有重要影响。党的十九大报告从统筹国内国际两个大局角度、从理论和实践两个维度系统阐述了新时代全面开放的基本内涵，并提出要进一步扩大对内对外开放水平，“推动形成全面开放新格局”。然而，目前学术界对开放能否提高区域创新效率并未达成共识。改革开放以来，我国进出口贸易总额逐年提高，2017年，进出口贸易总额达41 045.04亿美元，位列全球首位，这体现出我国对外贸易开放度已极大提高。对外贸易开放能够发挥竞争效应、技术溢出效应，提高本土企业创新能力，发挥后发优势，形成创新知识积淀，从而提升创新效率；但同时，对外贸易开放也会产生替代效应，降低本土企业研发自主性。虽然我国对外贸易开放度不断提高，但对内贸易开放度却较低，许多省份高筑对内贸易壁垒，不仅造成区域市场分割，限制了有效需求规模[3]，降低了企业创新能力[4]，还阻碍了产业集聚[5]，不利于创新思维碰撞和创新灵感迸发。但也有学者提出，地方保护主义能够在本地企业创新基础薄弱时期，帮助企业不断积累知识资本，抵御创新带来的高风险，从而提高其创新积极性[6]。那么，推动对内对外全面开放能否有效提升区域创新效率？在推进全面开放新格局下，各地区应如何更好地利用内外部创新资源？这些问题仍需进一步探讨。
1 国内外研究综述
1.1 区域创新效率测度
区域创新效率反映了一个地区创新投入与产出的集约性水平[7]。目前，对区域创新效率的测度仍存在较多争议，争议焦点集中在两个方面：测度方法选择、衡量指标确定。测度方法方面，目前主要有参数法和非参数法两大类，参数法代表为随机前沿分析(Stochastic Frontier Analysis ,SFA)，非参数法代表为数据包络分析(Data Envelopment Analysis ，DEA)[8]。由于参数法需事先设定生产函数，如果误设，将会导致严重的测度偏差，而非参数法则无需设定生产函数，且能够排除主观因素的干扰，能够更为方便地处理多投入多产出下的效率测度问题[9]，计算直观且相对精确[10]。因此，国内外众多学者广泛采用DEA方法测度创新效率。由于经典DEA方法未考虑环境因素和随机因素对效率测度的影响，因此诸多学者对该方法进行了改进。例如，Fried等[11]提出三阶段DEA法，Arabi等[12]提出松弛DEA法，在一定程度上剥离了环境因素和随机因素的影响。
衡量指标方面，现有研究主要存在以下问题：①直接将产出指标——创新成果(如专利授权数、新产品销售收入等)作为衡量创新效率的指标，例如赖永剑[13]、Acs et a l [14]、仲伟周和陈晨等[15]学者，但未考虑创新投入的影响；②创新投入指标选取不当。虽然目前有越来越多的学者从投入产出角度衡量创新效率，但在测算创新效率时，选取的投入指标存在一定问题，如选取的R&D资本投入指标为流量指标(R&D经费内部支出)[16]，而非存量指标(R&D资本存量)，且未考虑过去R&D资本积累对创新绩效的影响；③创新产出指标选取存在争议。有些学者认为，应采用专利数这类中间产出指标衡量创新产出[14]，有些学者则认为，应采用新产品销售收入这类最终产出指标衡量创新产出[17]，而采用中间产出指标的缺陷在于，现实中可能存在“创新冗余”，有些专利与市场脱节、市场化程度较低，从而导致以此为基础测算的创新效率虚高，而采用最终产出指标的缺陷在于，忽略了知识创新积累过程；④创新效率测算过程存在问题。有些学者将创新中间产出(专利授权数、国外主要工具检索科研论文数等)与创新最终产出(各地区规模以上工业企业新产品开发及销售额、技术市场成交额、高技术产业增加值等)作为同类产出指标纳入同一模型中测算区域创新效率，如李政等[7]、白俊红和蒋伏心等[9]，却忽略了创新投入对中间产出和最终产出的影响存在不同时滞等问题。此外，采用单阶段效率评价方法，忽略了创新系统内部的复杂性。
1.2 对外贸易开放对创新效率的影响
截至目前，对外贸易开放对东道国创新效率的影响尚无定论，总结而言，主要包括“促进论”、“抑制论”、“有条件促进论”3类观点。“促进论”观点认为，对外贸易开放能够发挥竞争效应和技术溢出效应，从而促进创新效率提升。Aghion et al[18]利用英国企业层面数据进行实证研究发现，技术领先国家外资进驻引发的激烈竞争，有利于激发本土企业产品创新动力。与此类似，Fernandes等[19]研究智利企业产品质量提升的原因发现，进口产品带来的竞争以及高质量进口投入在其中发挥了重要作用。另外，东道国通过提高贸易开放度，也可以获取技术外溢，从而提高全要素生产率[20]，而全要素生产率提高主要源于技术创新效率提升，从而也间接证明了对外贸易开放有利于创新效率提升。此外，东道国通过增加产品出口，也可提高本国创新能力。Aw[21]利用台湾电子业工厂层面数据，考察研发、出口与生产力间的复杂互动关系，发现出口扩张会带动企业R&D投资增加，并带来“出口中学”效应，从而促进创新效率提升。“抑制论”观点则认为，对外贸易开放在带来正面效应的同时，也会对发展中国家自主研发投入产生补充和替代效应[22]。发展中国家通过对外贸易可以获取较多廉价甚至免费的国外技术，从而怠于自主研发，随着自主研发能力的降低，发展中国家对高新技术的吸收、转化能力也随之下降。平新乔[23]的研究表明，外资进入不但不会提高本土企业创新能力，反而还会抑制本土企业通过自主创新缩小与国际先进水平间差距的努力。“有条件促进论”观点认为，竞争效应、技术溢出效应及替代效应的发挥受地区综合实力的影响，地区技术水平、人力资本水平等在其中发挥了重要调节作用。仲伟周和陈晨[15]的研究表明，贸易开放并不一定会促进区域创新水平提升，而是存在显著人力资本门槛效应。只有在人力资本水平较高时，贸易开放带来的技术溢出才会被消化吸收，本地企业才能具备与外资企业竞争的能力和资本。赖永剑[13]的研究表明，贸易开放对我国各省份创新能力的影响呈动态非线性特征，经济发展水平、人力资本水平、基础设施水平等均对贸易开放创新效应存在门槛影响。
1.3 对内贸易开放对创新效率的影响
改革开放以来采取的财政分权制度，导致地方政府产生了强烈的地方贸易保护意愿，且后期难以有效实施限制地方贸易保护的政策，导致很多地区“以邻为壑”的对内贸易壁垒高筑。那么，对内贸易壁垒对区域创新效率会产生何种影响？一种观点认为，对内贸易壁垒造成了区域市场分割，降低了企业创新水平[24]。一方面，地方企业在地方政府“保护伞”下“旱涝保收”，缺乏创新驱动力，创新效率低下[4]。另一方面，区域市场分割限制了企业市场容量和空间，导致有效需求不足，创新固定成本难以有效分摊，降低了企业预期创新回报[3]，难以实现规模经济。此外，区域市场分割导致资源配置市场化程度低，创新要素难以实现自由流动和有效配置。例如，创新人才由于户籍制度限制而无法自由流动，从而降低了创新效率。另一种观点认为，对内贸易壁垒会限制区域产业集中度，进而降低区域创新效率。白重恩等[5]的研究表明，国有化程度较高地区，地方保护主义更趋严重，尤其是高利税行业，产业地区集中度也相应较低，而贸易开放度提高能够显著提高产业集中度，尤其是高新技术产业区域集聚[25]。产业集聚可以进一步发挥企业间的正向溢出效应，包括专业化人才集聚、知识溢出等，且实证研究表明，企业在集群中更易于开发新产品和新服务[26]。杨若愚[27]利用我国省级面板数据实证研究发现，减少地方保护可以有效促进区域创新绩效提升。
但也有学者提出，对内贸易壁垒有助于提高本地企业创新效率。对内贸易壁垒会迫使企业将目光转向国际市场，利用国际市场规模效应替代国内市场规模效应。因此，国内贸易壁垒对创新效率的影响是有限的。另外，地方保护能够扶持本地企业发展壮大，尤其是在创新基础薄弱时期，可以帮助企业不断积累知识资本，从而抵御创新带来的高风险[6]。由于本地企业对当地市场需求更加熟悉，因此创新产品更加适销对路，创新效率更高[28]。
综上所述，国内外学者对提高区域创新效率究竟应该持全面开放态度还是选择性保护态度这一问题并未达成共识，产生分歧的原因在于创新效率测度指标和测度方法选取不同、数据来源不同、研究方法存在差异等。由于我国区域发展不平衡问题较为突出，因此不能照搬国外研究思路和研究结论。国内研究中，创新效率测度存在较多问题，基础数据有较大偏差，导致研究结论可靠性大幅下降。此外，很多学者在研究中采用传统计量模型和估计方法，忽略了创新效率在区域间的空间关联，导致不能得出有效结论。
基于此，本研究在借鉴现有研究成果的基础上，力图克服前人研究局限，从对内、对外贸易开放两个层面考察其对区域创新效率的影响。首先，在科学选择衡量指标的基础上，利用网络DEA方法测度区域创新效率；其次，考虑到创新效率的空间关联性，利用空间面板模型开展进一步分析。
2 区域创新效率测度
现有研究在考察外部环境因素对区域创新效率的影响时，大多选择单阶段数据包络分析法进行创新效率测算，但单阶段DEA模型将创新过程视为“黑箱”，忽略了创新系统内部运行机理。而且，在测算过程中，不同学者对产出指标的选取存在较多争议，有些学者采用中间创新产出指标，有些学者选用最终创新产出指标，还有一些学者将两类指标无差别纳入同一模型之中。根据前述分析，这些做法均存在一定缺陷。基于此，本研究借鉴Guanet等[29]、董艳梅和朱英明[30]的研究，将区域创新系统分解为知识创新、科技成果商业化两个子阶段，第一阶段的创新产出是第二阶段的投入。此外，第二阶段还要结合其它投入共同实现创新成果商业化，如图1所示。
图1 两阶段网络DEA评价结构
2.1 指标选取与数据来源
2.1.1 指标选取
(1)知识创新阶段投入指标：R&D人员全时当量、R&D资本存量。借鉴已有研究，区域创新投入指标主要选取R&D人员投入和R&D资本投入两项。R&D人员投入以R&D人员全时当量衡量。R&D资本投入以R&D资本存量衡量，地区R&D资本存量测算参考孙凤娥和江永宏[31]的做法，依据2008年SNA框架，采用永续盘存法进行测算。基本测算公式为：
Ri,t=(1-δi)Ri,t-1+Ai,t
(1)
其中，Ri,t、Ri,t-1分别为t、t-1期i地区的R&D资本存量，δi为i地区的R&D资产折旧率，Ai,t为t期i地区R&D投资。具体指标选取如下：①R&D资产折旧率。将各地区的R&D资产折旧率用全国R&D资产折旧率代替，取为20.6%；②R&D资产价格指数。由于R&D资产不存在运输、存储等交易成本，各地区R&D资产价格指数用全国层面R&D资产价格指数替代，全国层面R&D资产价格指数则用全国R&D活动中间投入成本、劳动力成本、固定资产成本所对应的价格指数进行加权，权重为各自所占比重，不变价基期为2010年；③各地区R&D初始资本存量，根据初始年份R&D投资除以投资增长率与折旧率之和计算，从数据可得角度考虑，将初始年份定为1978年；④各地区R&D投资，主要以R&D内部经费支出为基础进行估计。具体而言：首先，根据R&D内部经费支出细项数据，采用2008年SNA推荐的总成本法，估算R&D产出；其次，考虑到R&D成果在地区间的流入流出，将当期R&D产出扣除流出的R&D，再加上流入的R&D，据此调整为地区R&D投资。
(2)知识创新阶段产出指标：专利授权数、国外主要工具检索科研论文数。从通用性、一致性、易得性[16]角度考虑，专利是衡量中间创新产出最具代表性的指标。现实中，专利申请数和专利授权数两类指标均被用于衡量创新产出，而本研究则认为，申请专利质量参差不齐，而授权专利大多已达到一定技术水平和标准，因此能够更好地反映创新产出。此外，国外主要工具检索科研论文数是衡量知识创新和基础研究领域成果的重要指标。因此，本研究也将其纳入中间创新产出范畴。
(3)科技成果商业化阶段投入指标：专利授权数、国外主要工具检索科研论文数、大中型工业企业技术更新改造经费支出、从业人员数。第二阶段科技成果转化除需第一阶段的创新成果投入外，还需结合其它要素投入，包括资本和劳动投入等。本研究借鉴董艳梅和朱英明[30]的观点，以各地大中型工业企业技术更新改造经费支出代表资本投入，以各地从业人员数代表劳动投入。
(4)科技成果商业化阶段产出指标：规模以上工业企业新产品销售收入、技术市场成交额。借鉴前人研究，从数据可得性角度，本研究主要选取新产品销售收入和技术市场成交额两个代表创新成果市场转化程度的指标衡量最终创新产出。
2.1.2 数据来源
本研究时间跨度为2000—2015年，基础数据主要来源于《中国统计年鉴》、《中国科技统计年鉴》、各省统计年鉴。其中，由于西藏地区数据缺失严重，本文研究范围为除港、澳、台、西藏外的中国30个省份。基础数据处理方面，技术市场成交额、各地区规模以上工业企业新产品销售收入均由当年价折算为不变价，选取的价格指数分别为前文构造的R&D价格指数、工业品出厂价格指数，不变价基期为2010年。数据缺失处理方面，海南、青海地区因缺乏2000年技术市场成交额数据，海南地区因缺乏2000、2001年工业品出厂价格指数数据，故采用统计学中处理缺省数据的方法予以补齐；工业品出厂价格指数因缺乏1998、1999年各地区数据，故以全国工业品出厂价格指数替代。考虑到创新投入的滞后效应，本研究对产出指标进行滞后处理，知识创新阶段产出指标滞后一期，科技成果商业化阶段产出指标滞后两期。
2.2 测度结果
本研究运用MaxDEA软件，采用网络DEA方法对区域创新效率进行测度，结果如表1所示。该结果与其他学者[7,9]的测度结果有较大出入，原因在于：①R&D资本投入测度指标和方法选取不同，本研究是在2008年SNA框架下对R&D资本存量进行测度；②知识创新阶段产出指标选取不同，其他学者大多只选取专利数作为创新产出衡量指标，而本研究则认为，已发表的科研论文数在反映创新产出方面也同等重要；③效率测度模型选取不同，其他学者主要采用单阶段DEA模型，而本研究选用两阶段网络DEA模型测度区域创新效率，考虑了创新要素从投入到产出的非线性、网络化流动过程。由表1可见，创新效率较高地区多为北京、天津、上海等东部地区省份，青海、陕西、黑龙江等中西部地区省份创新效率较低，提升空间较大。
3 对内对外贸易开放对区域创新效率影响的实证结果
3.1 创新效率空间自相关检验
由于各地区创新效率可能存在空间关联，因此，本研究采用较为常用的莫兰指数法(Moran's I)对模型进行空间自相关性检验，全局Moran's I检验结果如表2所示。由表2可见，2000—2015年，较多年份的全局莫兰指数检验结果均强烈拒绝“无空间自相关”的原假设，即认为模型存在典型的空间自相关。
表1 2000-2015年区域创新效率
省份综合效率知识创新效率科技成果商业化效率省份综合效率知识创新效率科技成果商业化效率北京0.881 0.842 0.754 河南0.363 0.628 0.591 天津0.770 0.803 0.714 湖北0.407 0.593 0.250 河北0.503 0.518 0.522 湖南0.468 0.737 0.256 山西0.415 0.593 0.175 广东0.619 0.890 0.624 内蒙古0.587 0.649 0.627 广西0.568 0.847 0.310 辽宁0.397 0.648 0.459 海南0.691 0.956 0.819 吉林0.487 0.569 0.280 重庆0.689 0.832 0.595 黑龙江0.304 0.513 0.153 四川0.524 0.553 0.569 上海0.697 0.725 0.629 贵州0.491 0.477 0.495 江苏0.597 0.769 0.568 云南0.466 0.556 0.637 浙江0.663 0.938 0.489 陕西0.257 0.323 0.280 安徽0.463 0.694 0.526 甘肃0.354 0.648 0.303 福建0.675 0.766 0.811 青海0.203 0.225 0.575 江西0.442 0.640 0.310 宁夏0.371 0.238 0.994 山东0.550 0.625 0.935 新疆0.464 0.664 0.408
表2 全局莫兰指数检验结果
年份Moran's Iz值p值年份Moran's Iz值p值20000.2853.4210.00120080.0651.0570.2920010.2623.1620.0022009-0.0180.1780.85920020.212.6050.00920100.0130.5070.61220030.0981.7530.08820110.0611.0090.31320040.1111.740.08520120.0631.0270.30420050.0340.7260.46820130.2452.990.00320060.0771.1830.23720140.1341.7970.07220070.1291.7370.0822015-0.09-0.5970.55
3.2 空间面板模型设定与数据说明
为考察对外贸易开放对区域创新效率的影响，本研究设置一般空间面板模型(1)。
(1)
为考察对内贸易开放对区域创新效率的影响，本研究设置一般空间面板模型(2)。
(2)
其中，Eit代表i地区在t年的创新效率；Eit-1为Eit的一阶滞后；W为空间权重矩阵；WEit为创新效率的空间交互效应；ρ为空间自相关回归系数，表示空间关联地区创新绩效对本地区创新绩效的影响；open1it代表对外贸易开放，以进出口贸易总额占GDP的比重衡量。open2it代表对内贸易开放，以“减少商品市场上的地方保护”衡量，选取该指标的原因在于，国内地方保护主要以数量控制(控制外地产品本地销量)、价格控制(限制外地产品价格或补贴本地产品)、工商质监(外地产品审查较严)、干预外地企业原材料投入等手段实现[32]，这意味着地方保护程度越高，对内贸易壁垒越高，对内贸易开放程度越低。Wopen1it、Wopen2it、WXkit代表空间滞后解释变量对创新效率的影响；μi为代表个体异质性的截距项；γt为时间效应；εit为随机误差项；λ测度了随机扰动项间的空间依赖性；υit为随机误差项；X表示其它控制变量，具体包括：①经济集聚度(lnden)，以单位面积非农产业增加值的对数值衡量；②经济发展水平(lnpgdp)，以人均GDP的对数值进行衡量；③基础设施建设(mile)，以单位面积铁路和公路里程数衡量，具体为：地区铁路与公路里程数之和/地区土地面积；④人力资本水平(edu)，以人均受教育年限衡量，具体为：小学×6+初中×9+高中×12+中职×12+大学专科×15+大学本科×16+研究生×19。
数据来源包括樊纲发布的《中国各省份市场化指数》(2010)、《中国统计年鉴》、《中国就业与人口统计年鉴》、各省统计年鉴、国民经济和社会发展统计公报、Wind资讯数据库。其中，“减少商品市场上的地方保护”指标缺乏2010年及以后数据，通过以前年度数据外推得到。
3.3 模型检验与选择
3.3.1 空间权重矩阵选择
目前，较为常用的空间权重矩阵构造方式主要包括两大类：以地理关联为基础、以经济社会关联为基础。由于以经济社会关联为基础构建的权重矩阵可能与模型中其它变量相关，导致模型估计产生较大偏误。因此，本研究优先选择以地理关联为基础构建权重矩阵。基于此，本研究分别构建了以空间邻接为标准和地理距离为标准的空间权重矩阵。空间邻接标准权重矩阵构造采取二进制原则，即：如果地区i和j相邻，则权重取值为1；否则，取值为零。地理距离标准权重矩阵是以各省份省会间直线距离构造，地区i和j的空间权重为省会间距离平方的倒数，对两种权重矩阵均进行标准化处理。
对于空间权重矩阵选择，本研究参照俞路[33]的做法，选择回归对数似然估计值较高的矩阵。表3分别为采用邻接权重矩阵和距离权重矩阵，在空间杜宾模型(SDM)、空间滞后模型(SAR)及空间误差模型(SEM)方法下，对模型1、2进行回归分析的对数似然估计结果。结果表明，不论采用SDM、SAR还是SEM模型，与邻接标准相比，以地理距离标准作为空间权重矩阵的回归对数似然估计值均较大。因此，本研究采用地理距离标准构造空间权重矩阵。这也表明，不仅空间邻接区域间创新效率存在空间相关性，非邻接省份也存在一定程度的相互影响。
表3 权重矩阵选择回归结果
方法和标准模型1估计值模型2估计值Log-likelihood(SDM,空间邻接标准)442.460 441.212 Log-likelihood(SDM,地理距离标准)443.508 443.306 Log-likelihood(SAR,空间邻接标准)432.547 426.791 Log-likelihood(SAR,地理距离标准)433.053 427.712 Log-likelihood(SEM,空间邻接标准)432.736 426.855 Log-likelihood(SEM,地理距离标准)434.292 428.196
3.3.2 空间面板模型选择
一般而言，空间面板模型主要包括3种类型：空间杜宾模型、空间滞后模型及空间误差模型。实际应用中，哪个模型更为适用？Anselin et al[14]提出，关于空间滞后模型和空间误差模型选择，可进行拉格朗日乘子检验，比较LM-sar与LM-error统计量，如果只有一方显著，则选择显著的一方作为计量模型。据此，本研究对SAR模型和SEM模型进行拉格朗日乘子检验发现，两者均通过了检验。其后，本研究对SDM模型、SAR模型、SEM模型进行似然比检验，检验结果如表4所示。从中可见，SDM模型优于SAR模型和SEM模型。因此，本研究主要利用SDM模型对贸易开放的创新影响效应进行检验，并利用SAR模型和SEM模型对回归结果进行稳健性检验。关于固定效应还是随机效应模型选择，本研究主要通过Hausman检验判定。
表4 似然比检验结果
指标模型1估计值模型2估计值 LR chi2(3) (SAR-model nested in SDM-model) 20.91∗∗∗ 31.19∗∗∗ LR chi2(3) (SEM-model nested in SDM-model) 18.43∗ 30.22∗∗∗
3.4 空间计量结果
3.4.1 初步回归结果
本研究对模型1、模型2进行初步回归，结果如表5所示。由表5可见，被解释变量的空间滞后项系数均显著为正。第(1)～(3)列为模型1的回归结果。其中，第(1)列为利用空间杜宾模型进行回归的结果，从中可见，对外贸易开放程度(open1)的回归系数在10%水平下显著为正，表明提高对外贸易开放度能够显著提高区域创新效率，这支持了“促进论”观点，即对外贸易开放给开放地带来的创新竞争效应、技术溢出效应大于挤出效应，最终影响为促进开放地创新效率提升。第(4)～(6)列为模型2的回归结果，第(4)列为利用空间杜宾模型进行回归的结果。由第(4)列回归结果可见，对内贸易开放度(open2)回归系数在5%水平下显著为正，证实对内贸易开放度提高也能够显著提高区域创新效率，表明对内贸易壁垒造成的区域市场分割、产业集中度下降，严重阻碍了区域创新效率提升，而地方保护并未显著提高本地企业创新能力和创新动力。第(2)、第(3)、第(5)、第(6)列分别为利用空间滞后模型、空间误差模型对模型1、模型2进行回归的结果，依然表明对外开放度、对内开放度提高均能显著提高区域创新效率。此外，由回归结果也可发现，经济发展水平提高对区域创新效率也有显著提升作用。
3.4.2 进一步讨论
(1)贸易开放对知识创新效率、科技成果转化效率的影响。表6(1)—(4)列分别为以知识创新效率、科技成果转化效率为因变量的回归结果，从中可见，对外贸易开放度(open1)提高能显著提升区域知识创新效率，而对区域科技成果转化效率无显著影响。相反，对内贸易开放度(open2)提高对科技成果转化效率能够产生显著正向影响，而对知识创新效率的影响则不显著。原因在于，由于国内外技术落差相对较大、产业异质化程度较高，对外贸易开放带来的直接效应是本土企业基于自身比较优势融入全球价值链，而在全球价值链中，利益分配呈现典型的“微笑曲线”式分布，即掌握核心技术、商标等知识产权的企业能够获取更多红利，而缺乏相关知识产权的企业不仅利润微薄，且处处受限。为在价值链上掌握更多话语权和主动权，本土企业更注重技术、知识等中间创新产出积累，提升基础领域研发水平，以扭转在知识产权贸易中的不利地位，实现价值链的不断攀升，伴随而来的是知识创新效率的不断提升。与此相比，一国区域间技术落差相对较小、产业同质化程度较高，对内贸易开放的直接效应是，本地企业在市场上面临的同类产品、服务竞争不断加剧，本地企业为维护市场地位，必须不断提高产品更新换代速度，开发新产品、新服务，进而使得科技成果转化效率不断提高。
(2)贸易开放对东、中、西部地区综合创新效率的影响。表6(5)—(10)列分别为以东、中、西部地区为样本进行回归估计的结果。由表6可见，对外、对内贸易开放对东、中、西部地区创新效率的影响不同，对外贸易开放能够提升东部地区创新效率，但对中、西部地区创新效率无显著影响；对内贸易开放对中、西部地区创新效率有显著促进作用，但对东部地区无显著影响。原因在于，中西部地区人力资本水平、技术水平、经济水平等相对较低，这导致其在国际分工中，主要参与技术、知识含量较低环节，因此所能接触到的国外先进技术、工艺较少，从而无法发挥对外贸易开放的创新竞争效应、技术溢出效应。而通过降低对内贸易壁垒，提高对内开放度，中西部地区能够迫使本地企业参与国内市场竞争，倒逼其提升创新效率，提高竞争力。
表5 对内对外贸易开放对区域创新效率影响的初步回归结果
变量 (1)(2)(3)(4)(5)(6)ρ0.141 1∗∗0.117 1∗∗∗0.174 0∗0.156 5∗0.137 0∗∗0.164 6∗ (2.57)(2.19)(1.78)(1.81)(2.38)(1.74)open10.093 9∗0.120 8 ∗∗∗0.129 8∗∗∗ (1.82)(3.35)(3.20)open20.014 2∗∗0.014 1∗0.014 2∗ (2.01)(1.80)(1.76)lnden0.027 40.005 10.007 70.020 7-0.006 9-0.003 3 (1.45)(0.34)(0.51)(1.45)(-0.40)(-0.20)lnpgdp0.154 7∗0.049 80.054 20.200 0∗∗0.073 2∗0.077 2∗(1.82)(1.18)(1.21)(2.48)(1.82)(1.79)mile-0.061 80.004 70.000 5-0.036 60.041 50.039 6(-1.06)(0.11)(0.01)(-0.71)(0.93)(0.84)edu0.005 9-0.001 6-0.003 70.011 7-0.008 6-0.008 4(0.28)(-0.11)(-0.22)(0.58)(-0.52)(-0.46)_cons-0.439 80.054 10.094 1-0.629 2-0.154 9-0.121 9(-0.74)(0.18)(0.29)(-1.11)(-0.53)(-0.39)Wopen1-0.025 2(-0.41)Wopen2-0.000 8(-0.07)Wlnden-0.075 8-0.085 7(-1.02)(-1.26)Wlnpgdp-0.032 2-0.046 8(-0.24)(-0.37)Wmile0.132 90.129 4(1.4)(1.46)Wedu-0.000 5-0.020 4 (-0.03)(-1.04)R20.509 90.557 10.556 50.491 10.371 50.399 9对数似然443.507 6433.053 2434.291 9443.305 9427.711 9428.196 4N480480480480480480
注：***、**、*分别表示在1% 、5% 、10%显著性水平下显著，括号内为 z 统计值，下同
表6 进一步讨论结果
变量知识创新效率(1)(2)科技成果转化效率(3)(4)综合效率东部(5)(6)中部(7)(8)西部(9)(10)ρ 0.0629∗∗0.088 0∗∗0.220 1∗∗0.223 2∗∗∗0.018 50.040 0 0.034 6∗∗∗0.041 8∗0.135 90.062 7 (2.07)(2.43)(2.35)(2.99)(0.37)(0.78)(2.62)(1.7)(1.37)(1.49)open10.163 0∗-0.007 90.131 9∗∗-0.002 6-0.108 6 (1.85)(-0.10)(2.57)(-0.01)(-0.54)open20.014 50.017 5∗∗-0.003 70.010 2∗0.028 6∗∗ (1.05)(2.05)(-0.34)(1.67)(2.16)lnden0.055 50.061 50.029 60.010 3-0.030 9-0.008 30.119 90.103 10.030 10.006 2 (1.32)(1.16)(0.98)(0.32)(-0.69)(-0.15)(1.34)(1.08)(1.52)(0.42)lnpgdp0.143 70.181 00.329 40.366 5∗∗∗0.121 5∗0.096 70.210 10.175 70.103 70.156 5 (1.43)(1.64)(3.92)(5.36)(1.68)(0.84)(1.14)(1.13)(0.62)(1.12)mile-0.156 4∗∗-0.132 6-0.047 0-0.026 2-0.038 6-0.005 3-0.109 9-0.105 8∗∗-0.057 4-0.012 2 (-2.01)(-1.72)(-0.35)(-0.50)(-0.73)(-0.10)(-2.50)(-2.35)(-0.50)(-0.12)edu0.00080.0056-0.0299-0.03210.03800.0351-0.054∗-0.0511∗0.03760.014 9 (0.03)(0.23)(-0.72)(-1.01)(1.22)(1.08)(-1.69)(-1.70)(1.06)(0.46)_cons-0.320 0-0.692 80.009 9-0.190 02.237 1∗∗∗1.693 5∗∗∗-0.836 1-0.796 8-0.590 5-1.054 7
续表6 进一步讨论结果
变量知识创新效率(1)(2)科技成果转化效率(3)(4)综合效率东部(5)(6)中部(7)(8)西部(9)(10) (-0.65)(-1.2)(0.01)(-0.38)(5.09)-2.96(-2.12)(-2.01)(-0.58)(-1.07)Wopen1-0.002 10.078 1-0.010 9-0.155 10.393 3 (-0.03)(0.69)(-0.21)(-0.81)(1.42)Wopen20.000 90.000 20.032 8∗∗-0.005 80.019 5 (0.05)(0.02)(2.43)(-0.26)(1.16)Wlnden-0.115 7∗-0.155 6∗-0.055 2-0.050 70.167 9∗∗∗0.080 8-0.190 1-0.169 5-0.108 1-0.138 4∗(-1.71)(-1.78)(-0.67)(-0.72)(3.24)(0.76)(-1.59)(-1.39)(-1.24)(-1.94)Wlnpgdp-0.028 3-0.004 0-0.260 8∗-0.269 5∗∗∗-0.379 3∗∗∗-0.290 0-0.021 00.002 50.045 30.088 5 (-0.24)(-0.03)(-1.75)(-2.66)(-4.17)(-1.54)(-0.09)(0.01)(0.23)(0.54)Wmile0.171 7∗0.204 5∗∗0.069 20.071 5-0.136 2∗-0.147 2∗0.242 4∗∗∗0.231 6∗∗∗0.099 7-0.005 8 (1.73)(2.02)(0.34)(0.84)(-1.72)(-1.68)(3.93)(3.21)(0.53)(-0.03)Wedu-0.001 7-0.023 90.029 60.017 1-0.005 7-0.019 40.047 60.043 7-0.034 8-0.065 5 (-0.05)(-0.57)(0.74)(0.38)(-0.20)(-0.65)(0.91)(0.83)(-0.82)(-1.39)R20.359 90.171 90.437 40.341 00.622 20.548 90.402 60.485 00.190 80.394 1对数似然253.22247.5274172.6802174.6437194.627 3189.393 4140.432 6140.476 2143.152148.607 5N480480480480176176128128176176
4 结论与建议
本研究在合理测算区域R&D资本存量的基础上，利用网络DEA方法测度区域创新效率，以此为基础，利用空间面板模型考察2000—2015年我国各区域对内对外贸易开放对创新效率的影响。结果发现：①创新效率方面，北京、天津、上海等东部地区创新效率较高，而青海、陕西、黑龙江等中西部地区创新效率较低；②对外贸易开放创新效应。总体来看，对外贸易开放能有效发挥创新竞争效应和技术溢出效应，从而促进区域创新综合效率提升。从创新阶段看，对外贸易开放主要提高了知识创新阶段效率，而对科技成果商业化阶段效率无显著影响，从地区影响看，对外贸易开放主要对东部地区创新综合效率具有提升作用；③对内贸易开放创新效应。从全域角度看，对内贸易开放能有效发挥规模效应和产业集聚效应，从而提高区域创新综合效率。从创新阶段看，对内贸易开放主要提高了科技成果商业化阶段效率，从地区影响看，对内贸易开放主要提升了中、西部地区创新效率。据此，本研究提出如下政策建议：
(1)进一步加大对外贸易开放力度。①充分发挥进口贸易的技术溢出效应，加强企业对新技术、新设备的引进、吸收、再创造。例如，鼓励企业开展高技术含量、高附加值项目境内外检测维修和再制造,以及数控机床、工程设备、通信设备等进口再制造业务；②有效利用进口贸易竞争效应，完善外商投资准入前国民待遇加负面清单管理制度，实现各类市场主体依法平等准入相关行业、领域和业务，尤其是食品、药品、化妆品、医疗器械、汽车等领域，促使这类行业在竞争压力下不断提高创新效率；③积极获取出口贸易的规模经济效应。目前，我国新兴部门业务规模增长迅速，如电子商务、互联网、服务外包等，但相关贸易规则比较滞后，因此应尽快完善相关贸易规则，加大这些领域的对外开放力度，扩大企业市场规模，分摊技术改造、升级等固定成本，调动企业创新积极性。
(2)不仅要强调对外贸易开放，更要重视对内贸易开放。研究发现，省际间贸易壁垒降低了区域创新效率，因此应打破区域市场分割，构建全国统一大市场。一方面，应加强中央政府的行政干预，完善反地方保护主义法律法规，废除地方政府制定的带有地方保护色彩的地方性规章，并监督地方政府行为，约束地方政府权力；另一方面，要疏导地区间利益冲突。造成地方保护的一个重要原因是省际间产业同质化严重，导致地区间利益矛盾突出。通过合理的产业规划和布局，可改变当前各地区相互竞争的局面；通过加强省际间产业分工与协作，可实现省际产业间的深度融合，打造互利共赢局面。
(3)在加大对外贸易开放的同时，不断优化创新基础和创新环境。由于中西部地区创新基础薄弱，无法充分发挥对外贸易开放的创新效应，因此，当务之急是优化创新环境。首先，中西部地区教育资源较为稀缺，高等院校数量较少、名气较小，一些老牌名校由于人才吸引力度不够，也在走下坡路。因此，应加大中西部地区教育扶持力度，在财政预算、政策扶持等方面给予适当倾斜，提高中西部地区人力资本水平；其次，中西部地区技术、知识基础相对薄弱，对引进技术的消化、吸收、再创造能力不足，所以，应加大对该地区税收、金融等政策支持力度，加强高新技术企业扶持，做好技术积累。
[1] CHEN K H,GUAN J C.Measuring the efficiency of china's regional innovation systems:an application of network DEA[J].Regional Studies,2012(46):355-377.
[2] GUAN J C,LIU S Z.Comparing regional innovative capacities of PR China-based on data analysis of the national patents[J].International Journal of Technology Management,2005(32):225-245.
[3] 张杰,周晓艳.中国本土企业为何不创新——基于市场分割视角的一个解读[J].山西财经大学学报，2011(6)：82-93.
[4] 余东华,王青.地方保护、区域市场分割与产业技术创新能力——基于2000-2005年中国制造业数据的实证分析[J].中国地质大学学报：社会科学版，2009(5)：73-78.
[5] 白重恩，杜颖娟，陶志刚，等.地方保护主义及产业地区集中度的决定因素和变动趋势[J].经济研究，2004(4):29-40.
[6] 曹亚丽.中国市场分割与区域自主创新[D].南京：南京大学，2012.
[7] 李政，杨思莹，何彬.FDI抑制还是提升了中国区域创新效率——基于省际空间面板模型的分析[J].经济管理，2017(4):6-19.
[8] GUAN J,CHEN K.Measuring the innovation production process:a cross-region empirical study of China' shigh-tech innovations[J].Technovation，2010(30):348-358.
[9] 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.
[10] 余泳泽，刘大勇.创新价值链视角下的我国区域创新效率提升路径研究[J].科研管理，2014(5):27-37.
[11] FRIED H O,LOVELL C A K,SCHMIDT S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of Productivity Analysis,2002(17):157 -174.
[12] ARABI B，MUNISAMY S，EMROUZNEJAD A,et al.Power industry restructuring and eco-efficiency changes:a new slacks-based model in malmquist-luenberger index measurement[J].Energy Policy,2014(68):132-145.
[13] 赖永剑.贸易开放对区域创新能力的动态非线性影响——基于面板平滑转换回归模型[J].软科学，2015(5)：50-54.
[14] ACS Z J,ANSELIN L,VARGA A.Patents and innovation counts as measures of regional production of new knowledge[J].Research Policy,2002(31):1069 -1085.
[15] 仲伟周，陈晨.贸易开放、人力资本门限与区域创新发展——基于省级面板数据的实证研究[J].经济问题探索,2018(2):58-66.
[16] 李习保.区域创新环境对创新活动效率影响的实证研究[J].数量经济技术经济研究，2007(8)：13-24.
[17] PELLEGRINO G,PIVA M ,VIVARELLI M.Young firms and innovation:a microeconometric analysis[J].Structural Change and Economic Dynamics,2012(23):329-340.
[18] AGHION P,BLUNDELL R，GRIFFITH R,et al.The effects of entry on incumbent innovation and productivity[J].Review of Economics and Statistics，2009(1) :20-32.
[19] FERNANDES A M，PAUNOV C.Does trade stimulate innovation?evidence from firm-product data[J].OECD Development Centre Working Paper，2010.
[20] FERNANDES A M.Trade policy,trade volumes and plant-level productivity in Colombian manufacturing industries [J].Journal of International Economics,2007(1):52-71.
[21] AW B Y，ROBERTS M J，ZU D Y.R&D investment，exporting and productivity dynamics[J].American Economic Review，2011(4) :1312-1344.
[22] 范承泽,胡一帆,郑红亮.FDI对国内企业技术创新影响的理论与实证研究[J].经济研究,2008(1):89-102.
[23] 平新乔.外国直接投资对中国企业的溢出效应分析:来自中国第一次全国经济普查数据的报告[J].世界经济,2007(8):60-69.
[24] 曹春方,张婷婷,刘秀梅.市场分割提升了国企产品市场竞争地位[J].金融研究,2018(3):121-136.
[25] 梁滢.贸易开放对我国高新技术产业区域集聚影响的实证分析[J].科学管理研究，2012(6):62-65.
[26] DUMAIS G,ELLISON G,GLAESER E L.Geographic concentration as a dynamic process[J].Review of Economics & Statistics,2002(2):193-204.
[27] 杨若愚.市场竞争、政府行为与区域创新绩效——基于中国省级面板数据的实证研究[J].科研管理,2016(12):73-81.
[28] 吴延兵,米增渝.创新、模仿与企业效率——来自制造业非国有企业的经验证据[J].中国社会科学,2011(4):77-94.
[29] GUAN J,CHEN K.Modeling the relative efficiency of national innovation systems[J].Research Policy,2012(1):102-115.
[30] 董艳梅,朱英明.中国高技术产业创新效率评价——基于两阶段动态网络DEA模型[J].科技进步与对策,2015(24):106-113.
[31] 孙凤娥,江永宏.我国地区R&D资本存量测算:1978—2015年[J].统计研究,2018(2):99-108.
[32] 国务院发展研究中心“中国统一市场建设”课题组.中国国内地方保护的调查报告——基于企业抽样调查的分析[J].经济研究参考,2004(6):31-38.
[33] 俞路.我国FDI地区间溢出效应与渠道影响因素分析[J].世界地理研究,2015(4):94-102.
