Study on the Temporal and Spatial Agglomeration Effect of Innovation Quality of Zhongguancun Science Park

Zhang Zhiqiang,Qiao Yidi,Liu Xuan

(School of Management,China University of Mining and Technology,Beijing 100083,China)

Abstract：Innovation is the basic attribution of Zhongguancun Science Park,and the quality of innovation determines the quality of its development.Science parks promote regional industrial agglomeration,and agglomeration significantly affects the innovation of science parks.But theories and researches about comprehensive agglomeration effect on the innovation quality of Zhongguancun Science Park lack.This paper established the innovation quality index system of Zhongguancun Science Park and dynamic spatial panel models of the impact of the agglomeration model on innovation quality,and also researched on the spatial and temporal effects of different agglomeration models and decomposed them.The results show that the innovation quality of Zhongguancun Science Park has a significant time-cycle effect; the space of innovation quality in each park has high-high and low-low modes and transitions with time.All the parks were affected by the positive and significant special agglomeration.Daxing-Yizhuang Park was affected by the negative and significant diversity,while the diversity of Fangshan Park,Miyun Park and Yanqing Park was not significant.Haidian Park,Chaoyang Park and Daxing -Yizhuang Park,Dongcheng Park,Xicheng Park,Tongzhou Park,Mentougou Park and Shunyi Park were affected by the market competition agglomeration effect.

Key Words:Zhongguancun Science Park; Innovation Quality; Temporal and Spatial Agglomeration Effect; Spatial Econometrics

收稿日期：2020-01-17

基金项目：北京市自然科学基金项目(9194029)

作者简介：张志强(1984-)，男，安徽淮北人，博士，中国矿业大学(北京)管理学院副教授、硕士生导师，研究方向为质量管理、区域经济；乔怡迪(1995-)，女，河南洛阳人，中国矿业大学(北京)管理学院硕士研究生，研究方向为质量管理、区域经济；刘璇(1995-)，女，山东青岛人，中国矿业大学(北京)管理学院硕士研究生，研究方向为质量管理、区域经济。本文通讯作者：刘璇。

DOI：10.6049/kjjbydc.2019080530

开放科学(资源服务)标识码(OSID)：

中图分类号：F127.1

文献标识码：A

文章编号：1001-7348(2020)11-0051-09

0 引言

国家自主创新示范区是支撑引领区域发展的创新高地，被赋予推动我国科技进步和加速高新技术产业发展的重大国家使命，通过形成科技园区推动型联接的跨区域创新网络，促进创新要素频繁流动，全方位实现创新。中关村科技园区又被称为中关村国家自主创新示范区，经过30多年发展，形成了“一区多园”各具特色的发展格局，成为首都跨行政区的产业功能区，其高质量发展决定了首都科技创新中心战略实现进程。

创新作为中关村科技园区的基本属性，创新质量决定了中关村科技园区发展质量。现有研究大多集中在科技园区创新能力、单一集聚效应等方面，而科技园区创新质量如何衡量？创新质量受到何种集聚模式的影响？影响效应如何？尚缺乏相关研究。因此，本文建立中关村科技园区创新质量指标体系，在分析中关村科技园区3种集聚模式的基础上，建立集聚模式对创新质量影响的动态空间面板模型，包括无时空效应模型、时间效应模型、空间效应模型和时空效应模型。以地理距离、中关村科技园区创新产出等相关数据为基础，研究不同集聚模式与创新产出的时空效应并对其进行分解分析，以丰富科技园区创新质量、科技园区集聚方面的研究，为科技园区集聚模式选择提供经验证据。

1 文献综述

1.1 科技园区创新

国内外对于科技园区创新的研究相对较多，大多集中于其创新机制、创新能力、创新效率、创新绩效、协同创新、创新网络、创新系统等方面，但创新质量研究匮乏。吴林海(2002)将世界科技园区的创新模式分为高技术产业综合体模式、高技术制造业模式和科学城模式，认为不同的地区经济水平导致上述差异。

关于科技园区创新的研究大体可以分为内部和外部两类，在内部研究中，大部分观点认为，R&D投入、科研人员数量是促进科技园区创新的主要因素，如范超[1]提出，研发投入是提高科技园区创新能力的重要指标；张志强等[2]提出，企业质量管理与技术创新具有协同耦合效应，因此技术创新投入与质量产出提高正向相关；Pakes[3]发现，即使考虑滞后效应，研发投入仍能显著促进专利产出；魏国江[4]认为，研发人力投入是转化R&D投资的有生力量；赵树宽[5]对吉林省科技园区创新效率研究发现，科技活动人员数量不足是企业规模效率偏低的主要原因。其次，科技园区创新也受到外部因素的影响，如政府、金融、政策支持等直接影响其创新效率。白俊红[6]、冯宗宪等指出，有效的政府支持可以降低企业研发活动风险，鼓励企业创新，但过多不当的支持也可能对企业自身研发投入产生挤出效应，损害公平竞争环境；冯根福[7]认为，风险投资机制对企业提供增值服务的同时，也显示出一定的攫取效应，因此，其对科技园区创新的总体影响会呈现先递减而后递增的“U型”现象；Antonietti[8]和彭向(2011)研究表明，集聚外部性有利于区域知识传播效率提升，从而促进区域创新。

以往中关村科技园区和其它国内科技园区的研究大多从区域政策响应[9]、区域协同创新[10]、园区协同作用、产业要素与产业培育[11]等角度展开。过去对于科技园区创新产出的衡量，多采用投入产出模型、创新体系效能、“要素-结构-功能”范式等进行评价，较少从创新质量角度进行研究。

1.2 创新质量

国内外对于创新质量的研究相对较少，大多集中在技术创新质量、企业创新质量、产业创新质量、区域创新质量等方面，对科技园区或产业园区的创新质量研究匮乏。

Haner[12]首次提出创新质量概念，将其定义为创新绩效在潜能、过程和结果的综合，包括产品和服务质量、质量过程，企业实际操作和最高企业质量管理水平；周冠华(2014)提出，创新质量是与创新相关的产品、服务、过程、市场、组织、方法满足顾客要求的程度。在现有创新质量指标相关研究中，蔡绍洪(2017)认为，创新数量和创新质量之间具有协同作用。不少学者关注到了专利数量[13]、专利引用数量[14]与创新质量之间的关系。如程虹(2017)将质量指标、质量信号和新产品研发作为创新质量结果的指标。另一方面，程虹[15]、刘伟丽(2018)、郭菊娥[16]认为，把握了高质量创新投入就必然带来高质量结果，质量即成本。还有一些研究综合上述几种观点，如马永红[17]从“过程-产出-效益”3个维度衡量创新质量，其它研究则使用服务质量、技能型工人比例、管理效率、技术市场成交额、工业增值等指标作为创新质量投入或产出类指标。

1.3 集聚模式对创新的影响机制

科技园区的区域定位与分工使得高新科技产业形成集聚模式，而以往文献将产业集聚分为专业化集聚、多样化集聚和市场竞争3种类型[18]。马永红(2011)、金永成[19]认为，地理分布、区域因素对创新质量有影响，可见创新质量受到不同集聚模式的影响。国内外研究大多认为，这3种类型的集聚对创新具有显著影响，且这3种集聚来自于玛氏(Mar)外部性、雅各布(Jacobs)外部性和波特(Porter)外部性。

(1)专业化集聚对创新的影响。专业化集聚对创新的影响来自玛氏外部性，许多学者认为，专业化集聚可以促进技术创新，作用程度远超过其它两种集聚模式。如王智渊[20]、张先锋等[21]分别从制造业和生产性服务业角度，论证专业化集聚通过规模优势、技术效率提高，使空间集聚促进产业资源利用效率提高，从而促进企业内部演进与创新。其中，专业化集聚正向影响创新，是因为受到了集聚区域共享劳动力池、创新氛围、社会资本的多方面影响。

(2)多样化集聚对创新的影响。根据雅各布外部性，不同产业间集聚可以促进知识溢出，进而推动产业经济增长并提高技术创新水平。Beaudry[22]通过整理相关代表性英文文献发现，65%的研究结论支持产业多样化集聚促进区域技术创新，54%的研究认为产业专业化集聚促进区域技术创新；安东尼(2011)、赖永剑[23]利用中外数据库发现，多样化集聚正向影响创新；李金滟[24]用赫芬达尔—赫希曼指数(简称HHI指数)对产业多样化进行度量。

(3)市场竞争对创新的影响。一些文献研究发现产业集聚和市场竞争之间存在相关关系。如吕乘超(2017)提出，市场竞争加剧促使企业重视消费者需求识别，市场垄断可以在一定程度上将创新外部性内部化；刘督[25]认为，创业板市场可以识别一定程度上的企业创新质量；胡彬[26]研究认为，产业集聚显著降低企业选择高端创新模式的概率，需要政府在增强产业集聚市场力量方面积极介入，从而降低这种负向影响。关于3种集聚的测量方式，本文主要参考秦松松[27]、吕承超(2017)、李金滟(2008)等的研究进行。

2 中关村科技园区创新质量指标设计

2.1 科技园区创新质量指标与数据

借鉴马永红(2011)、程虹(2017)等的研究，将科技园区创新质量指标分为投入和产出两个部分。结合中关村科技园区年鉴相关统计指标，构建创新质量指标如表1所示。

数据来源：《中关村国家自主创新示范区年鉴》(2008—2018)

其中，研发经费投入直接来源于统计年鉴；专利授权率为企业专利授权量占企业专利申请量的比重，反映企业研发成果，是一个较为通用的综合指标；科技人员占比为科技活动人员占年末从业人员的比重。这3个指标均从科技研发角度，反映创新必需的投入要素。同样，高技术产业利润直接来源于统计年鉴；新产品收入占比和技术收入占比是根据统计年鉴进行计算的综合指标。这3个指标反映创新质量产出，即是否因新技术、新产品出现而形成利润。

2.2 科技园区创新质量指标权重

利用熵权法对建立的质量创新指标权重进行计算，其原理是利用熵信息概念确定评价对象各个属性权重。假设多属性决策矩阵如下：

用表示第j个属性下第i个方案Ai的贡献度。计算过程如下：

(1)使用极值处理法进行数据无量纲化处理，计算第i个被评价对象在第j项评价指标上的特征比值。

(2)计算第j项评价指标熵值。

0≤ej≤1，熵值ej越大，该指标提供的信息越少，所起作用越小。

(3)计算第j项评价指标差异系数。

gj=1-ej

0≤gj≤1,熵值gj越大，对综合评价体系的重要性就越大。

(4)计算第j项评价指标权重系数。

(5)n个评价对象的综合评价值。

计算结果如表2所示。

根据所得指标权重及表1，对历年中关村科技园区创新质量水平进行计算，发现创新质量水平呈“U”形趋势，如图1所示。

由结果可以看出，中关村科技园区创新质量整体发展态势较好，但创新质量有一定波动性。该波动性是否具有时间、空间依赖性？为此，进一步围绕创新质量这一指标，构建模型对时空效应和集聚模式进行研究。

3 中关村科技园区集聚模式分析

根据卢胜峰[28]、张古鹏(2011)的研究，创新质量具有区域差异性。当前，许多高新科技园区采用“一园多区”模式发展，在城市中形成了不同地理布局，其创新质量也显示出相应的差异。参考秦松松(2019)、吕承超(2017)等的研究，引入专业化集聚、多样化集聚和市场竞争3个效应指标并进行相应计算。

3.1 专业化集聚

专业化集聚表现为在某一地区生产同种产品的若干企业及其上下游企业高度密集分布，其产生的知识和技术溢出即玛氏外部性。专业化集聚程度用公式表达为：

其中，inci,j,t为i地区j行业t时期主营业务收入，取中关村科技园区主营业务收入；inci,t为i地区t时期主营业务收入，取北京市各个区企业主营业务收入；incj,t为整个地区j行业t时期主营业务收入，取北京市科技型企业主营业务收入；inct为t时期北京市各产业工业总产值。专业化集聚产生的外部性称为Mar外部性。

3.2 多样化集聚

多样化集聚表现为不同产业的企业在地理上形成集聚分布，网络化体系使不同产业的企业沟通和交流，加速雅各布外部性对周边地区的影响。多样化集聚程度为：

divi,j,t=

用公式表达为：

多样化集聚产生的外部性称为Jacobs外部性。

3.3 市场竞争

市场竞争表现为生产同质产品企业过度饱和，企业为提升自身竞争力，采取价格或非价格手段打压竞争对手。市场竞争程度为：

其中，numi,j,t为中关村科技园区企业数，numi,t为北京市科技型企业数。

4 动态空间面板模型构建

若中关村科技园区创新质量受时空效应的影响，则受到以上3种集聚模式的作用。为了探讨集聚模式、时空效应和其它变量对创新质量的影响程度，本文利用莫兰指数测度各变量空间相关性，并采用上述变量研究集聚效应对中关村科技园区创新质量的影响。

4.1 空间权重矩阵

空间权重矩阵主要有邻接空间权重矩阵、地理距离空间权重矩阵和经济空间权重矩阵3种。因为北京市中关村科技园区所带动的不同行业集中在北京市区及周边区域，可以忽略由经济发展带来的辐射效应和孤岛效应。因此，本研究最终选择地理距离空间权重矩阵，即：

其中，w1、w2、……wn为各分园区地理中心位置到北京市中心的位置。计算所得空间权重系数如表3。

4.2 空间自相关检验

采用测算空间相关性的莫兰指数(Moran′s I)进行检验[29]，以判断中关村科技园区各区创新质量之间的相关关系，结果见表4。

Moran′s I大于0表明空间正相关，其绝对值表示空间相关性强弱，其指数越接近于1，表示空间集聚效应越显著。考察期内，Moran′s I均为正值，在1%的置信水平下显著，表明中关村科技园区创新质量存在显著正向空间相关性，随着年份增加，Moran′s I增大，中关村科技园区创新质量的空间相关性逐渐提高。Moran′s I仅解释全局空间自相关，局部空间自相关需要借助局部Moran′sI散点图加以分析。

以各年份数据为截面，计算各区域局部Moran′s I并绘制散点图，局部Moran′s I高，代表该区域集聚效应显著。因此，高值-高值区域体现了空间均质性，区域内可能存在空间扩散、溢出效应。高值-低值区域表明，该区域出现负空间溢出效应，原因可能与产业性质及创新中心迁移有关。

根据图2可发现，考察期内，多数园区都产生了集聚程度跃迁。海淀园、朝阳园和丰台园从高-低向高-高跃迁，说明区域内空间集聚异质性进一步降低，集聚程度提高，平谷园、顺义园和密云园由低-低向高-低或低-高跃迁，说明区域或其周边区域集聚程度提高，其可能受到创新中心辐射的影响，或发展规模化特色优势产业。东城园、西城园和大兴-亦庄园保持高-高不变，而延庆园与怀柔园保持低-低不变，与其所处的北京市中心或边缘地理位置有较强相关关系。整体而言，中关村科技园区16个区的产业集聚不断增强，集聚效应显著区域仍主要分布在中心地带。

4.3 模型构建

根据柯布道格拉斯生产函数和希克斯中性的技术进步效率函数，参考已有相关研究，构建关于创新质量的生产函数模型。

qualityi,j,t=Ai,j,t·peri,j,t·resi,j,t

其中，quality为中关村科技园区创新质量，A为希克斯中性的技术进步效率函数，per为研发人员投入，研发人员投入程度越高，则人力资源越丰富，创新质量越高。res为研发资本存量，此处以R&D研发投入代替。Ai,j,o为i 地区j 行业初始技术水平， spe 为专业化集聚程度， div 为多样化集聚程度，com 为市场竞争程度， β0为专业化集聚对技术进步效率影响的弹性系数，β1为多样化集聚对技术进步效率影响的弹性系数，β2为市场竞争对技术进步效率影响的弹性系数。假定生产函数规模报酬不变，则β0+β1+β2=1。

空间计量模型主要有空间误差模型、空间滞后模型和空间杜宾模型3种，对于动态空间面板模型选择，首先应利用LM检验和Robust-LM检验加以判断，其次应在确定空间相关性之后，利用Wald检验和LR检验进行SDM、SAR或SLM模型选择。

模型选择判断准则如下：①LM检验和Robust-LM检验中，如果统计量检验结果拒绝原假设，则说明确定存在空间相关性，应选择SDM模型而非OLS模型；②Wald检验和LR检验中，分别进行SEM&SDM和SAR&SDM检验，若统计量检验结果未拒绝两个原假设，则应选择SEM或SAR模型。若两个都未拒绝，比较对数似然值进行选择；③其它情况下选用SDM。

以SDM为例，构建空间计量模型如下：

lnqualityi,j,t=θlnqualityi,j,t+pW*lnqualityi,j,t+ηW*lnqualityi,j,t-1+a0+a1lnspei,j,t+a2lndivi,j,t+a3lncomi,j,t+a4lnperi,j,t+a5lnresi,j,t+a6lnedui,j,t+a7lnfdii,j,t+a8Wlnspei,j,t-1+a9Wlndivi,j,t-1+a10Wlncomi,j,t-1+a11Wlnperi,j,t-1+a12Wlnresi,j,t-1+a13Wlnedui,j,t-1+a14Wlnfdii,j,t-1+τWεi,j,t+ui,j,t+ωi,j

式中， lnqualityt代表北京市中关村科技园区在t年的创新质量，W为空间权重矩阵，加有W的解释变量为相应各变量的空间滞后项，代表相邻地区解释变量的交互影响。p为创新产出的空间效应，若p显著为正则表示创新产出存在正向空间溢出效应，反之则存在负向空间溢出效应。

对于时间和空间效应，该模型可通过偏微分方法将空间溢出的总效应分解为直接效应和间接效应，并根据时间长短有所改变。对模型进行变换，关于第k个解释变量的偏分方程矩阵公式如下：

(1)短期效应。

其中，Y代表被解释变量创新质量quality，x代表各解释变量。θ1k为被解释变量对第k个解释变量的偏微分系数，θ2k为被解释变量对第k各解释变量空间滞后项系数。

(2)长期效应。

[(1-α)I-(p+η)w]-1

其中，I为n阶单位矩阵。矩阵对角线上的元素为分解后的直接效应，表示本地区解释变量对被解释变量的影响，存在区域内空间溢出效应; 非对角线上的元素为分解后的间接效应，表示本地区解释变量对其它地区被解释变量的影响，存在区域间空间溢出效应。总效应等于直接效应与间接效应之和。

4.4 时空集聚效应

根据LM检验、Robust-LM检验、Wald检验和LR检验结果，如表5所示，LM检验、Robust-LM检验均在5%以下，拒绝了因变量和残差项不存在空间相关性的原假设，表明模型应该包含空间滞后项和空间误差项。表5中，空间面板模型SDM与SLM和SAR的适配检验结果显示，Wald检验和LR检验同时拒绝SDM模型能够简化为SLM或SAR模型的原假设，表明固定效应的SDM模型是本研究样本数据的最佳拟合模型，通过检验，因此本文选择能够作为SLM和SAR拓展形式的SDM。

为进一步保证回归结果稳健，并考察时间、空间效应对创新质量的差异化影响，以北京市中关村科技园区为研究对象，以创新质量为被解释变量，分别构建无时空效应模型、时间效应模型、空间效应模型和时空效应模型4个模型。

模型1:静态非空间面板模型，不存在创新产出的时间和空间效应。

lnqualityt=a0+a1lnspei,j,t+a2lndivi,j,t+a3lncomi,j,t+a4lnperi,j,t+a5lnresi,j,t+a6lnedui,j,t+a7lnfdii,j,t+ε

模型2:动态非空间面板模型，考虑到创新产出水平的累积循环效应，加入创新产出的时间滞后项。

lnqualityt=lnqualityt-1+a0+a1lnspei,j,t+a2lndivi,j,t+a3lncomi,j,t+a4lnperi,j,t+a5lnresi,j,t+a6lnedui,j,t+a7lnfdii,j,t+ε+ω

模型3：静态空间面板模型，在模型1的基础上引入空间滞后项。

lnqualityt=pw*lnqualityt-1+a0+a1lnspei,j,t+a2lndivi,j,t+a3lncomi,j,t+a4lnperi,j,t+a5lnresi,j,t+a6lnedui,j,t+a7lnfdii,j,t+wa8lnspei,j,t+wa9lndivi,j,t+wa10lncomi,j,t+wa11lnperi,j,t+wa12lnresi,j,t+wa13lnedui,j,t+wa14lnfdii,j,t+τWεi,j,t+ui,j,t

模型4：动态空间面板模型SDM。

lnqualityi,j,t=θlnqualityi,j,t+pW*lnqualityi,j,t+ηW*lnqualityi,j,t-1+a0+a1lnspei,j,t+a2lndivi,j,t+a3lncomi,j,t+a4lnperi,j,t+a5lnresi,j,t+a6lnedui,j,t+a7lnfdii,j,t+a8Wlnspei,j,t-1+a9Wlndivi,j,t-1+a10Wlncomi,j,t-1+a11Wlnperi,j,t-1+a12Wlnresi,j,t-1+a13Wlnedui,j,t-1+a14Wlnfdii,j,t-1+τWεi,j,t+ui,j,t+ωi,j

实证数据选用中关村《中关村国家自主创新示范区年鉴》(2008—2018)，各变量统计描述结果如表6所示。

对模型进行回归，其中模型3、模型4都进行了层次回归以考察控制变量，最终回归结果如表7所示。

注：***、 **和*分别表示系数在1%、5%和10%水平上显著，下同

由表7可以看出：中关村科技园区创新质量受到时间、空间与时空效应的不同影响。在模型4的结果中，时间项、空间项和时空交互项都显著，因此，中关村科技园区创新质量表现出时间、空间溢出效应，即创新质量呈现时间连续和空间依赖特征，当期创新质量受到前一期创新质量和周边地区创新质量的共同影响，与空间自相关检验结果一致。进一步说明，北京市中关村科技园区创新质量存在相互影响，表现出一定程度的空间集聚特征。这是因为随着基础设施完善和信息技术发展，创新要素流动速度加快，知识、技术和生产要素在区域间不断扩散，区域间相互影响随之增强。

在集聚效应方面，专业化集聚效应整体正向显著，说明产业集聚表现出较多的玛氏外部性，对创新质量的正向影响来源于规模效应、垂直分工和同一产业间知识、技术交流。多样化集聚效应整体负向显著，其原因可能是当多样化集聚水平不高时，不同企业之间未形成有效协调、沟通途径，致使区域内不同产业之间知识、人才、资源等要素无法自由流通，从而抑制创新产出。市场竞争集聚效应整体上显著性不强。

4.5 时空集聚效应分解

集聚模式回归系数不能直接反映其对创新产出的作用程度，需依据分解后的短期和长期直接效应、间接效应与总效应解释时空作用效果。在表7的计算上，进一步分析得到表8。

从集聚模式分析，发现短期内，多样化集聚对中关村科技园区创新质量存在短期负向空间溢出效应，专业化集聚和市场竞争的短期作用不显著。但是长期看，专业化集聚和多样化集聚有正向显著效应，即区域内溢出逐渐消失并呈现正向区域间溢出。

4.6 不同行业时空集聚效应

集聚模式对创新质量的时空效应不仅存在整体差异，还存在行业差异。采用中关村高产业园区八大行业面板数据，构建动态空间面板模型，研究集聚模式与创新质量的时空效应关系是否存在行业差异，并综合权衡R2、LogL和AIC值选择具体模式，实证结果如表9所示。

(1)生物医药创新质量时间滞后项系数为0.2，空间滞后项系数为-0.023，说明生物医药创新质量受到正向累积循环效应和负向空间溢出效应影响，即创新质量受到时间累积的正向影响，但较高的创新质量反而抑制周边地区的同行业创新质量，同样的情况还有环境保护、新能源与节能和其它行业等。这一现象与中关村科技园区对行业区域的分工有关，即某行业有限的创新要素集聚于某一中心，导致周围园区该行业创新质量下降。

(2)新材料、电子信息和先进制造存在正向时间累计循环效应和正向空间溢出效应，导致这一现象的可能原因是：上述行业投入周期相对较短，专利门槛较低，信息交流需求更大，若一个区域创新质量较高，则正向影响相邻区域创新质量。

(3)进一步分析可发现，具有负向空间溢出效应的行业，其行业创新质量主要受到专业化集聚的影响，而具有正向空间溢出效应的行业，其行业创新质量主要受到多样化或市场化集聚的影响。

4.7 不同园区时空集聚效应

目前，北京市中关村科技园区采用“一区十六园”模式，各区域之间的集聚效应存在差异。为探讨16区之间的差异，构建面板模型进行回归求解，由于计算单个园区时无法使用空间权重矩阵，因而建立动态非空间面板模型。各区成立时间不同，对于2012年10月以后成立的区取2013—2018年数据，实证结果如表10所示。

(1)所有16个区都存在创新质量的时间溢出效应，表明随着时间推移，中关村科技园区各创新主体不断实现知识与技术积累，从而改进、提升创新机制。

(2)在16个区中，所有区域的创新质量都受到专业化集聚的正向显著影响，即各园区专业化集聚显著促进创新质量提高。在多样化集聚方面，大兴-亦庄园受到多样化集聚的负向显著影响，而房山园、密云园和延庆园受到的多样化集聚不显著，结合园区本身产业规划，其原因可能是，上述4个园区产业规划相差较大，如大兴-亦庄园区以生物医药、新媒体、新能源汽车和军民结合作为战略发展产业，4种产业之间相关性较弱，因而其多样化发展反倒削弱了创新产出活力。在市场竞争方面，海淀园、朝阳园、大兴-亦庄园、东城园、西城园、通州园、门头沟园和顺义园受到市场竞争集聚效应的影响，结合其中产业分析，发现它们多以电子信息、生物医药和文化产业为主，与表7结论一致。此外，从侧面反映出上述园区在技术向应用转化方面发展比较好，拥有较为健全的市场。

5 结语

本文以中关村科技园区为研究对象，探讨时空效应、集聚模式与创新质量的作用机制，选取2006—2017年北京市中关村科技园区相关数据构建创新质量指标，引入时间滞后项、空间滞后项和时空滞后交互项，使用动态空间面板计量模型分析集聚模式、时空效应对创新质量的影响，并在此基础上，分别对长短时空效应、不同行业和不同园区进行差异化分析。结果表明，中关村科技园区创新质量受时空效应和集聚效应的影响，园区整体和局部都存在空间自相关，其创新质量表现出时间连续性和空间依赖特征。

(1)中关村科技园区的16个分园区大多产生了集聚程度跃迁，如海淀园、平谷园等园区分别实现了从高-低到高-高/低-低到高-低型区域跃迁。总体而言，集聚效应与地理位置相关，16个分园区产业集聚不断增强，集聚效应明显的区域仍主要分布在中心地带。

(2)中关村科技园区创新质量表现出循环时间效应和空间溢出效应。对时空效应进行分解发现，短期内多样化集聚对中关村科技园区的创新质量存在短期负向空间溢出效应，专业化集聚和市场竞争的短期作用不显著。但从长期看，专业化集聚和多样化集聚有正向显著效应。

(3)中关村科技园区受到3种类型集聚效应的影响，整体上专业化集聚效应正向显著，多样化集聚效应负向显著，市场竞争集聚效应不显著。分行业看，生物医药、环境保护、新能源与节能及其它行业的创新质量受到正向累积循环效应和负向空间溢出效应的影响，而新材料、电子信息和先进制造存在正向时间累积循环效应和空间溢出效应。具有负向空间溢出效应的行业，其创新质量主要受到专业化集聚的影响，而具有正向空间溢出效应的行业，其行业创新质量主要受到多样化或市场化集聚的影响。分园区看，16个区都存在创新质量的时间溢出效应，各园区专业化集聚显著促进创新质量提高，一些园区如大兴-亦庄园受到负向多样化集聚影响，一些园区如海淀园、朝阳园等受到市场竞争集聚的影响，上述影响差异与园区产业规划、功能定位及市场建设有一定关系。

基于以上研究，提出如下建议：①根据空间面板模型涉及的创新质量、控制变量等指标计算结果可得，科技园区要想提高创新质量，应当重视“技术收入占比”指标，重点提高劳动力水平；②由各园区局部莫兰指数与莫兰散点图可知，目前有超过一半的分园区仍处于高-低、低-高、低-低集聚水平，应加强各园区经济、技术、人才流动，构建各园区有效交流渠道，降低集聚与创新的空间异质性；③根据不同行业的特点，为提高科技园区创新质量，应加强生物医药、新材料、电子信息、新能源与节能行业的专业化集聚，加强先进制造、环境保护和其它行业多样化集聚；④部分园区创新质量受到市场竞争集聚的影响，但整体影响不显著，因而应重视技术研面向应用转化，建立更为健全的市场体系，引入金融、中介、营销等市场必备要素，帮助科技园区进一步从产业集聚中获益并间接消除多样化集聚的负面影响。

参考文献:

[1] 范超.高新技术产业创新效率演化及影响因素分析——以中关村科技园为例[J].现代管理科学,2019,310(1):6-8.

[2] 张志强，张玺，上官单彬.企业全面质量管理与技术创新的过程耦合性研究——基于北京市210家企业调查数据的分析[J].中国科技论坛,2019(9):146-152.

[3] PAKES A,GRILICHES Z.Patents and R&D at the firm level: a first report[J].Economics Letters,1984,5(4):377-381.

[4] 魏国江.不同类型企业创新效率差异及分解分析[J] .福建论坛(人文社会科学版)，2016(9)：22-28．

[5] 赵树宽，余海晴，巩顺龙.基于DEA方法的吉林省高技术企业创新效率研究[J] .科研管理，2013(2)：36-43．

[6] 白俊红，江可申，李婧.应用随机前沿模型评测中国区域研发创新效率[ J] .管理世界，2009(10)：51-61．

[7] 温军，冯根福.风险投资与企业创新：“增值”与“攫取”的权衡视角[ J] .经济研究，2018(2)：14．

[8] ANTONIETTI R,CAINELLI G.The role of spatial agglomeration in a structural model of innovation,productivity and export: a firm-level analysis[J].Annals of Regional Science,2011,46(3):577-600.

[9] 杨挺.基于立体式三维分析法评价我国产业园区创新政策——以成都生物产业园区为例[J].当代经济,2018,491(23):29-33.

[10] 陈金丹,黄晓.文化产业园区间协同创新的机理及能力评价[J].科技管理研究,2015,35(13):34-38.

[11] 黄天蔚,刘容志.长江经济带文化创意产业园创新能力评价研究[J].科研管理,2016(s1):482-488.

[12] HANER U E .Innovation quality—a conceptual framework[J].International Journal of Production Economics,2002,80(1):31-37.

[13] ZHENG X.Display the function of the second classroom to train the students' innovation quality and creative ability[J].Chinese Agricultural Science Bulletin,2008.

[14] KAO,WEI-CHUAN.Innovation quality of firms with the research and development tax credit[J].Review of Quantitative Finance and Accounting,2017(9).

[15] 程虹.以质量创新驱动经济转型升级——基于1208家企业和11136名员工调查数据的分析[EB/OL].http://news.gmw.cn/2017-08/03/content_25395895.htm．

[16] 夏兵,郭菊娥,马琪.新创企业的质量创新及市场竞争均衡[J].华东经济管理,2019,33(1):169-175．

[17] 马永红,张景明,王展昭.我国高技术产业创新质量空间差异性分析[J].经济问题探索,2014(9):89-95.

[18] 吕承超,商圆月.高技术产业集聚模式与创新产出的时空效应研究[J].管理科学,2017,30(2):64-79.

[19] 金永成,钱春丽.数字出版产业园区的集聚效应研究——以上海张江国家数字出版产业基地为例[J].科技与出版,2013,32(10):14-17.

[20] 王智渊,马晶.服务业专业化集聚与服务业内部结构演进[J].产业经济评论,2014(4):14-23.

[21] 张先锋,胡翠群.垂直专业化、产业空间集聚与制造业生产率——我国15个制造业细分行业数据的实证检验[J].现代财经(天津财经大学学报),2013(8):119-129.

[22] BEAUDRY C,SCHIFFAUEROVA A.Who's right,Marshall or Jacobs? the localization versus urbanization debate[J].Research Policy,2009,38(2):318-337.

[23] 赖永剑.集聚、空间动态外部性与企业创新绩效——基于中国制造业企业面板数据[J].产业经济研究,2012(2):9-17.

[24] 李金滟,宋德勇.专业化、多样化与城市集聚经济——基于中国地级单位面板数据的实证研究[J].管理世界,2008(2):25-34.

[25] 刘督,万迪昉,吴祖光.我国创业板市场能够识别创新质量吗[J].科研管理,2016(12).

[26] 胡彬,万道侠.产业集聚如何影响制造业企业的技术创新模式——兼论企业“创新惰性”的形成原因[J].财经研究,2017,43(11):30-43.

[27] 秦松松,董正英.科技服务业集聚对区域创新产出的空间溢出效应研究——基于本地溢出效应和跨区域溢出效应的分析[J].管理现代化,2019(2).

[28] 卢盛峰,刘潘.财政支出与区域创新质量——中国省级数据的实证分析[J].宏观质量研究,2015(1):93-101.

[29] 梁晓艳,李志刚,汤书昆.我国高技术产业的空间集聚现象研究——基于省际高技术产业产值的空间计量分析[J].科学学研究,2007,25(3).

(责任编辑：张 悦)