开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
当前，我国进入高质量发展阶段，高新技术产业是维持经济稳定的重要动能，对于优化我国工业产业结构、提高经济运行质量、增强经济核心竞争力至关重要。中国实施的863、火炬计划等旨在加快高技术产业发展，促进高技术成果转化，提高国家创新能力。各地政府积极响应，建立高新技术开发区，提高区域创新能力。然而，各地区在经济、教育、文化、科技等方面存在显著差异，导致区域高新技术产业创新能力差异显著。中共十九大报告指出，要建立有效的区域协调发展新机制。一个地区的高新技术产业创新能力不仅取决于该地区自身产业研发投入与资本投入，还取决于周边地区高新技术产业的溢出效应以及产业集聚带来的规模效应。上述背景下，厘清区域高新技术产业空间集聚特征及规律，理顺创新产出关键影响因素，是解决现实问题的关键。学者们对高新技术创新空间集聚及关联性进行了大量研究，主要围绕以下两个方面展开。
(1)高新技术产业创新。全国层面，Liu 等[1]构建一种改进的SBM-DEA效率测度模型对我国高技术产业集群绿色技术创新效率进行测度，并分析其区域差异及相关影响因素；Zhang 等[2]基于多活动网络数据包络分析方法评价2009—2013年中国高技术产业创新绩效；易明等[3]采用随机前沿生产函数模型对中国2000—2015年高新技术产业创新效率进行测算统计发现，高新技术产业创新的空间溢出效应并不显著；王玉冬等[4]研究表明，我国高新技术产业创新链与资金链协同度较低，具有较大提升空间，并提出相应的政策建议。省域层面，郝红美[5]测度安徽省与东部11个省市五大高新技术产业创新效率，并对其进行分析；刘斌斌、左勇华[6]基于两阶段DEA模型测度江西省高新技术产业创新绩效，并分析不同资金来源和创新模式的影响 。地市层面，Niu 等[7]基于2001—2015年珠江三角洲9个城市数据，通过固定效应模型进行实证分析和检验发现，城市相对房价上涨将带动城市劳动力流入，抑制城市高新技术产业发展[7]；曹贤忠、曾刚[8]以上海高新技术产业为案例，从全球、地方等不同空间层面探讨生物医药等高新技术产业与改造的传统产业创新网络效率差异。
(2)高新技术产业创新产出空间集聚及关联。在空间集聚及关联特征方面，吕承超、商圆月[9]的研究结果表明，高新技术产业创新产出呈现显著空间集聚特征，表现为空间异质性，整体呈现高-高和低-低的空间集聚分布，具有显著累积循环效应和空间溢出效应；朱卫东等[10]运用探索性空间数据分析方法对高新技术产业产出省域空间动态格局进行研究，结果显示，高新技术产业产出均存在显著空间依赖性，并形成了不同集聚区域。在空间集聚及关联特征影响因素方面，唐睿等[11]通过构建计量模型发现，研发人员折合全时当量、研发经费外部支出能够促进高新技术产业研发效率提升，同时全省高新技术产业空间集聚效应显著；黄凌翔等 [12]基于2009—2013年京津冀13个高新技术产业面板数据，运用面板回归方法分析其空间运行特征对人力资本、研发投入、产业集聚因素的影响。在空间集聚与关联特征及影响因素方面，冯德连、韩宁[13]基于2002—2016年长江经济带11个省市高新技术产业面板数据，通过建立计量经济模型研究其出口空间特征，并分析外商直接投资、科技人员数量等影响因素；余颖等[14]基于2007—2017年深圳市高新技术企业名录数据，利用全局莫兰指数(Moran's I)等方法研究其空间集聚演化特征，并运用空间回归模型分析政策制度、交通、区位等对空间集聚的影响；张同斌等[15]运用高新技术产业园区产值计算的区位熵测度高新技术产业园区空间集聚特征，利用全局莫兰指数(Moran's)等方法研究其空间关联特征，并运用空间计量模型验证人力资本、交通运输、经济环境等因素的影响；曹欣欣等[16]运用基尼系数、区位熵等方法剖析山东半岛城市群高新技术产业空间演化特征及经济基础、发展阶段等因素的影响。
综上，学者们围绕高新技术产业创新、创新产出空间集聚与关联进行研究，以期推动高新技术产业发展。遗憾的是，从研究内容看，侧重于创新效率分析，未对创新产出空间集聚与关联空间特征进行可视化分析。部分学者在分析创新产出空间集聚与关联的影响因素时，往往注重人力资本、经费等投入及产业集聚的溢出效应，忽视了创新集聚中产学研合作、空间、FDI等的知识溢出效应。从研究方法看，在检验变量间关系时，学者们大多采用常规空间计量方法，鲜有运用社会网络分析中的QAP分析法。由于空间集聚与关联影响因素均为关系数据，采用常规统计检验容易出现共线性问题。QAP方法可以检验关系数据的关系，具有高稳定性特征。因此，本文收集2000—2018年中国内地30省市区(西藏因数据不全未纳入统计)高新技术产业创新产出专利申请及相关数据，运用ArcGIS空间统计分析工具对其空间集聚特征进行可视化分析，系统分析其集聚、关联投入及产业集聚、产学研合作、空间、FDI等知识溢出因素的影响，并进一步运用QAP 方法进行实证检验。
由于专利授权量、发明专利申请与授权量等数据不全，并且专利制度标准化和规范化程度高，考虑到数据可得性，本文以2000—2018年中国内地30个省市(西藏因数据不全未纳入统计)高新技术产业专利申请量衡量创新产出。数据来源于《中国科技统计年鉴》、《中国高技术产业统计年鉴》(2001—2019年)，下文不再赘述。
高新技术产业专利申请受理量从2000年的 2 248万件上升到2018年的26 347.36万件，年均增长约5%，但创新产出表现出明显的空间非均衡性。
(1)从空间视角看，创新产出两极分化显著，具体表现在：2000-2018年高新技术产业专利申请主要集聚在东部地区，其专利申请全国占比为77.8%。就累计量而言，东部地区省市排名全国前5，中部地区较低，西部地区更低，中西部地区总量小于全国总量的20%。高新技术产业专利申请空间分布特征为：高新技术产业创新产出呈现出明显的空间集聚，如图1所示。具体表现为：2000、2009和2018年高新技术产业创新产出集聚在东部沿海地区发达省市(北京、长三角和广东等)。2018年，中西部地区(四川和安徽等)创新产出水平具有较大提升，但西部地区创新产出仍然在低水平徘徊，高新技术产业创新产出区域差异依然较大，空间格局非均衡性并未得到缓解。
(a)2000年 (b)2009年 (c)2018年
图 1 高新技术产业专利申请空间分布特征
(2)从时间视角看，高技术产业存在空间集聚效应，具体表现为：2000年创新产出主要分布在广东、上海、江苏、山东、四川等省市；2009年主要集聚在广东、长三角、北京等省市；2018年集聚在广东、长三角、福建、山东、安徽、湖北、四川等地区，湖北省拥有较多高校，2018年为128所，全国排名第5。四川虽然隶属于西部地区，但其高校较多，创新水平较高，2018年高新技术产业专利申请量为9 750件。东部沿海地区及中部发达地区地理优势明显，邻近海洋，运输便利，易于接受境外技术；交通便利，利于发展经济；高校与科研机构多，高科技人才集聚。综上所述，高新技术产业创新产出空间集聚的重要特征是区域非均衡性，表现为集聚于东部沿海地区、部分中部地区与少部分西部地区，马太效应显著。
本文利用ArcGIS软件计算全局Moran's I值，如图2所示。根据该值显著性水平及变化趋势，判断高技术产业创新产出是否存在集聚，以及是否具有一定规律。通过检验创新产出集聚程度，判断创新产出的空间异质性。
图2 Moran's I指数
由图2可知，2000—2018年我国内地30个省市(自治区)创新产出的Moran's I值均大于0，均在5%的显著性水平下通过检验(2000年除外)。Moran's指数由2000年的0.054 2提升至2018年的0.501 3，虽有所波动但整体呈上升趋势，说明其创新产出存在空间正相关，具有空间集聚特征。具体表现为：高创新产出区域向高创新产出区域靠拢，低创新产出区域与其它低水平创新区域形成集聚且集聚程度不断提升。
全局空间相关性描述整个空间依赖程度，局部空间描述各省市聚集情况。本文根据GeoDa工具计算的Local Moran's I结果，判断区域产业创新空间集聚类型(关联模式)。为不失一般性，只对2000、2009、2018年数据进行对比，结果如表1所示。
从空间集聚类型变化特征看：①上升型。天津、广东由2000年的HL型转变为2009年与2018年的HH型，安徽、重庆由2000年的LH型转变为2009年与2018年的HH型，云南、贵州由2000、2009年的LL型转变为2018年的HH型，江西由2000年与2009年的LH型转变为2018年的HH型；②下降型。黑龙江由2000年的HL型转变为2009与2018年的LL型。为总结不同时间数据规律，表1中2000、2009、2018年，如果有3个年份或两个年份类型相同就归于同一类型，具体分类如下：
表1 2000、2009、2018年高新技术产业创新水平LISA聚类结果
省(市、自治区)200020092019省(市、自治区)200020092018北京HHHHHH河南HHHHHH天津HLHHHH湖北HLHHHH河北HHLHLH湖南HHHHHH山西LLLLLL广东HLHHHH内蒙古LLLLLL广西LHLHLH辽宁HLHLHL海南LHLHLH吉林LLLLLL重庆LHHHHH黑龙江HLLLLL四川HLHLHL上海HHHHHH贵州LLLLLH江苏HHHHHH云南LLLLLH浙江HHHHHH陕西HLHLHL安徽LHHHHH甘肃LLLLLL福建HHHHHH青海LLLLLL江西LHLHHH宁夏LLLLLL山东HLHHHH新疆LLLLLL
(1)强强型关联(HH)主要集中于东南沿海地区(京津地区；长三角地区；福建、山东、广东)及部分中部地区(河南、湖南、湖北、安徽)、重庆。上述省市是高新技术产业创新产出水平较高的地区，彼此间具有明显技术溢出，形成高值被高值包围的集聚特征。上述省市创新技术产出形成正相关的空间集聚特征，可能原因是：北京、天津两地资源共享，深化合作，知识溢出显著，协同创新成果丰硕；长三角(上海、江苏、浙江)是国内创新资源高度集聚地区，企业创新领跑全国，创新表现活跃，创新人才资源充足，创新产出成果较多，各地区创新相对平衡；湖南、湖北虽然隶属于中部地区，但这两个省份的高校与科研机构较多，对高新技术企业具有一定的促进作用；河南受益于周边湖北、陕西、山东，接受的技术溢出较多；安徽受自身经济发展水平限制，2000年科技投入不足，创新能力不高，但周边山东、江苏、浙江经济发达，科技投入大，创新水平高，故受上述地区的溢出效应影响较大，2009、2018年其创新能力得到较大提升；重庆高校多，周边湖北、湖南、四川、陕西等省份创新能力较强，故以上省市属于HH型。
(2)弱弱型关联(LL)主要集中在北部地区(东北的吉林、黑龙江；西北的甘肃、青海、宁夏、新疆、山西、内蒙古)、西南地区(贵州、云南)。北部地区交通欠发达，经济发展水平落后，科技投入有限，高校及科研机构较少，技术溢出不足，故科技创新能力较弱。由于上述省市自身经济不发达，科技投入有限，创新资本存量积累不足，故自身创新能力不强。从周边地理位置看，东北的吉林、黑龙江，周边蒙古属于经济不发达地区，创新能力较弱，彼此之间很少有技术溢出，故吉林、黑龙江是LL型。西北的甘肃、青海、宁夏、新疆、山西、内蒙古，以及西南的贵州、云南都与经济与创新能力较弱的省市相邻，相互间技术溢出效应较小，创新能力较弱，故上述省市属于LL型。
(3)弱强型关联(LH)主要集中在少部分北部、中部与南部地区，包括北部地区(河北)、中部地区(江西)、南部地区(广西、海南)。从北部地区看，河北自身经济发展不高，科技投入有限，创新水平不高，但周边的北京、天津经济发达，两地高校与科研院所较多，创新水平高，受到的溢出效应较大，故河北是LH型。从中部地区看，江西自身经济发展水平不高，科技投入有限，创新水平较低，但其周边浙江、福建、广东经济发达，科技投入较多，创新水平较高，受到的溢出效应较大，故江西是LH型。从南部地区看，广西、海南自身经济发展水平相对落后，科技投入有限，创新水平不高，但其周边的广东经济非常发达，科技投入较多，创新水平较高，受到的溢出效应较大，故广西、海南是LH型。
(4)强弱型关联(HL)主要集中在少部分东北地区与西部地区，包括辽宁、陕西、四川。其中，辽宁有115所大学，如大连理工大学、东北大学等，科技力量较强，是东北地区创新水平较高的地区，2019年科技创新指数增幅排名全国第5。但其周边的河北、内蒙古、吉林创新水平较低，故辽宁是HL型。陕西、四川虽然属于西部地区，但高校与科研机构较多，西部大开发战略下，上述两个省份得到较大发展，但其相邻省份(山西、内蒙古、甘肃等)经济欠发达，科技投入有限。另外，在经济发展与技术创新过程中存在“极化效应”，各种创新人才、资金以及社会资源更倾向于流入经济发展更好、创新水平更高的省份，导致其周围区域资源散失[17]。由此，导致经济欠发达省市创新水平较低，相互之间技术溢出不明显，即周边省市创新能力较弱，故陕西、四川属于HL型。
由此发现，强强型关联主要集中在东南沿海地区及部分中部地区，各省份相互溢出产生较大的正向集聚效应；弱弱型关联主要集中在北部地区与西南地区，各省份相互溢出产生较小的正向集聚效应；弱强、强弱型关联主要集中在少部分北部、中部与南部地区，创新水平高的省份对创新水平低的省份具有较强的集聚效应。
(1)科技人才与经费集聚能够增加区域高新技术产业创新产出，直接促进创新产出空间集聚与关联。首先，人才是高新技术产业发展的核心要素，人才有序流动引致其在一定区域内集聚，产生人才集聚效应。其次，人才资源集聚带来知识、技术、资金等要素集聚，能够降低交易成本，从而发挥规模化优势。再次，人才集聚能够降低信息搜索成本，促进知识交流与分享，挖掘隐性知识，产生信息资源并低成本配置创新资源，提高创新效率，产生信息共享效应。总之，科技人才与经费增加必然带来高新技术产业创新产出增加，促进创新产出空间集聚与关联。高新技术产业越发展，对人才与经费的吸引力就越大，通过推动人才与经费集聚形成马太效应；产业发展越快对新技术的要求就越强烈，就越愿意给科技人才提供更高的薪酬、岗位与环境[18]。伴随着科技人才、经费等创新资源集聚，进一步促进高新技术产业产出空间集聚。
(2)知识溢出能够增加区域高新技术产业创新产出，间接促进创新产出空间集聚与关联。内部知识溢出包括产学研合作主体的溢出效应；外部知识溢出包括传统产业集聚的技术溢出效应、主体间空间技术溢出效应、外商直接投资(FDI)空间扎堆的技术溢出效应。①产学研合作的溢出效应。为解决人才、资金和技术问题，高校、研究机构与科研人员通过学术交流和讨论共同解决难题、开发技术，并通过产学研合作的各种途径产生技术溢出；②传统产业集聚的溢出效应。企业通过面对面接触与非正式交流，克服正式渠道的时滞性，整合与重构创新知识，将隐性知识显性化，产生知识溢出。集聚使科技人才能够进行交互式学习、合作，通过知识溢出和信息交流，掌握差异化隐性知识，降低创新风险，提升创新能力；③空间溢出效应。科技人才通过知识交流与沟通，获得更大的开放与交互力度，提升学习与创新能力。集聚效应迅速扩散到周边企业，企业在最短时间获得最新技术，进一步促进产业升级；④外商直接投资(FDI)的溢出效应。以FDI为主体的高新技术产业集聚示范带动国内企业创新。一方面，国内企业主动学习和模仿外企先进技术，另一方面，外企为进入当地市场有意识地宣传自身产品与技术，促进内外资企业人力资源转移。上述两种情况都会有意或无意产生扩散，从而促进技术溢出。
由前文创新产出空间集聚与关联影响因素分析可知，创新产出是创新投入的函数。此外，创新主体内外部知识交流所产生的知识溢出有利于促进创新产出。由于从创新投入、知识溢出到创新产出具有一定的滞后性(本文滞后期1年)，在Griliches[19]研究成果的基础上，建立扩展知识生产函数如下：
yit=f(kit-1,lit-1,spillit-1,zit)
(1)
其中，yit为第i个省市高新技术产业第t期以专利申请量度量的创新产出。lit-1、kit-1是第i个省市高新技术产业第t-1期的R&D人员、R&D资本投入，分别以全时当量及永续盘存法进行核算，即：
RDit=Ei(t-1)+(1-δ)RDi(t-1)
(2)
RDit、RDi(t-1)表示i省市高新技术产业第t和第t-1年的研发资本存量，Ei(t-1)为i省市高新技术产业第t-1年的研发经费投入。以1998年为基年的价格指数平减各年R&D经费，以消除价格影响。
RDi0=Ei0/(g+δ)
(3)
δ为折旧率，取δ=15%，g为E的年平均增长率，spillit-1是知识溢出，具体包括：
(1)内部产学研合作溢出(cxyit-1)参照刘和东[20]的研究成果，以学研方研发经费中企业经费的比例加以衡量。
(2)外部产业集聚的知识溢出(induit-1)为第i地区高新技术产业t-1年的产业集聚度，参照曾鹏、孔令乾[21]的研究成果，采用各地区高新技术产业主营业务收入占全国高新技术产业主营业务收入的比重加以衡量。
(3)外部空间溢出xljzit-1，参照刘和东 [20]的研究成果，采用地理距离的权重矩阵衡量，具体为：
jljzit-1(Wij)为：
(4)
其中，d是两个省会城市之间的距离。
(4)外商直接投资(FDI)溢出(fdiit-1)参照曾鹏、孔令乾[21]的研究成果，采用各省市FDI总额衡量，由汇率折算。
zit为其它因素。假定zit不变，式(1)可扩展为：
yit=f(kit-1,lit-1,cxyit-1,induit-1，jljzit-1,fdiit-1)
(5)
式(5)描述了区域高新技术产业创新产出与投入、产学研合作、空间溢出、FDI、产业集聚知识溢出之间的关系。为减少异方差，对所有变量进行对数处理。
数据来源同上文，实证数据是6个差异矩阵(以专利申请为例，先计算2000—2018年各省市专利申请均值，再分别将其两两相减，其它变量算法相同)。
常规统计检验方法是一种参数检验方法，需要假设变量之间是相互独立的，不能检验关系变量间的关联性。因为模型(5)中的变量均为关系数据，可能存在相关性，采用常规方法检验会出现多重共线性问题，参数估计值的标准差变大，显著性无意义。网络分析中的QAP(quadratic assignment procedure)方法可以检验关系数据间的关系。因此，为检验模型(5)中关系数据间的关联性，本文采用QAP非参数法检验，其优点是具有高稳健性且不要求变量间相互独立。QAP相关分析考察的是变量是否存在共线性，QAP回归分析考察影响因素是否显著。
(1)计算矩阵A、B的相关系数r。
(2)随机置换矩阵A的行及相应列，得矩阵C，再计算C与B的相关系数r1。重复n次，得相关系数r1,r2,…,rn,得出r1,r2,…,rn≥r的比例，比较r与r1,r2,…,rn的分布。r1,r2,…,r5000为随机置换5 000次矩阵得到的相关系数，均值为
最大值为max(r1,r2,…,r5000)，最小值为min(r1,r2,…,r5000)；p≥0=p(r1,r2,…r5000≥r)，p≤0=p(r1,r2,…r5000≤r)，p为概率。依据r落入接受或拒绝域作出相关性判断，结果如表2所示。
表2 专利申请与关键影响因素的QAP相关分析结果
变量R&D人员R&D经费产学研合作产业集聚地理距离FDI实际相关系数0.7760.8370.2860.840-0.090.686显著性水平0.0000.0000.0400.0000.0010.000
表2显示，专利申请与差异矩阵(R&D人员、R&D经费、产学研合作、产业集聚、地理距离、FDI)的相关系数分别为0.776、0.837、0.286、0.840、-0.09、0.686，在5%的水平上显著为正，表明各省市间专利申请与上述变量存在显著空间关联效应。
对与6个因素显著相关的空间关联矩阵进行相关分析，结果表明，除产学研与FDI、地理距离不显著外(显著水平分别为0.358、0.451)，R&D人员、R&D经费与产业集聚等3个矩阵在1%的水平上显著相关(限于篇幅，不再列举)，这6个矩阵可能存在共线性。因此，采用QAP回归方法验证变量间关系。
对自变量与因变量矩阵进行QAP回归分析发现，ad.R2为0.932,样本体积为870，模型拟合效果较好，回归结果如表3所示。
表3显示，R&D人员回归系数为-0.208，在5%的水平上显著，说明东部地区经济发达，市场需求较大，而西部地区交通不便利，经济不发达，缺乏吸引人才的自然与经济环境。通过虹吸效应将更多西部地区人才吸引到东部地区，在人才争夺战中形成“西部开花、东部结果”，出现“孔雀东南飞”现象，对西部高新技术产业创新具有负向空间溢出效应。
表3 QAP回归分析结果与检验指标
变量矩阵截距R&D人员R&D经费产学研合作产业集聚地理距离FDI标准化回归系数192.00-0.2080.1820.0231.5300.001-0.651显著性概率0.0000.0130.0330.2300.0010.0450.001
为验证R&D人员的区域原因，本文进一步对西部地区的R&D人员(西部开花)与东部地区的专利申请(东部结果)以及东部地区的R&D人员(孔雀东南飞)与西部地区的专利申请进行面板回归，结果如表4所示(其它变量面板回归结果与QAP分析结果相似，限于篇幅不再列举)。
表4 专利申请与R&D人员分区域回归分析结果
变量东部地区西部地区R&D人员回归系数0.041(0.670)-0.034(0.505)ad.R20.5040.761
注：表中括号内数字为显著性概率
由表4可知，西部地区的R&D人员与东部地区的专利申请呈不显著正相关。由于西部人才向东部地区转移，促使东部地区的R&D人员增加，导致东部地区创新产出增加，验证了“西部开花、东部结果”的正向溢出效应。东部地区的R&D人员与西部地区的专利申请呈不显著负相关。由于西部人才向东部地区转移，促使西部地区的R&D人员减少，导致西部地区创新产出减少，验证了“孔雀东南飞”对西部高新技术产业创新的负向空间溢出效应。
R&D经费在5%的水平上显著为正，表明其对高新技术产业创新具有正向空间溢出。可能原因是：东部地区合作企业加大R&D投入，一方面促进本地企业技术开发，另一方面促进周边中西部地区合作企业加快技术吸收、应用与转化。因此，东部地区加大R&D投入力度，能提升自身技术开发、学习、连接与应用转换能力，显著促进本地区科技创新成果增加。为促进技术成果转化，本地创新成果会转移到周边中西部地区，带来明显的技术扩散效应，给高新技术产业创新带来显著正向空间溢出效应。
产学研合作的影响虽然为正但不显著，说明空间关联效应不明显，可能原因是：一方面，由于学研方与企业知识结构存在显著差异，或者学研方出于对自己核心知识保护的考虑，未能很好地将知识传递给其它地区的高新技术企业，导致学研方与企业间不能很好地交流与理解，从而影响技术消化吸收效果；另一方面，中西部等不发达地区企业吸收能力不足，既难以消化吸收学研方转移的知识，也未能很好地将东部发达地区研发技术内化为企业知识，导致产学研合作虽产生了一定的溢出效应，但效应不显著。
产业集聚在1%的水平上显著为正，可能原因是：我国中西部地区高新技术产业集聚处于起步阶段，东部地区高新技术产业集聚处于成长阶段。东部地区与中西部地区创新主体通过互动交流激发思想火花，获得隐性知识，提升企业创新能力，并通过知识扩散与传播迅速提升高新技术产业整体创新能力。具体表现为：中西部地区产业集聚促进企业资源共享，每个企业都有可能产生创新，成为创新源。当某一企业产生新技术后，由于攀比心理，企业间竞争加剧，中西部地区后进企业会模仿东部地区先进企业，而先进企业为保持领先地位会更加努力创新，从而形成追赶效应。同时，由于东部地区相关先进产业的拉动作用，中西部地区某些产业创新能力得以提升，形成拉拨效应。
地理距离在5%的水平上显著为正，表明其对创新产出的空间关联具有显著正向影响，产业创新的空间溢出效应显著。可能原因是：技术溢出具有距离递减效应，随着地理距离缩短，企业间面对面交流的机会增加，信息与资源互通频率提升，从而促进隐性知识传播，提升企业创新效率。从空间溢出效应的区域原因看，由于地理位置邻近，上海对苏南地区、北京对天津与河北，以及广州对周边粤港澳大湾区具有不同程度的溢出效应。
FDI在1%的水平上显著但为负，可能原因是外资竞争所产生的挤出效应：一方面外资企业对技术知识进行产权保护，挖走内资企业人才；另一方面，外资企业通过向内资企业转让非核心技术，封锁核心技术，提高核心技术学习门槛，导致内资企业对外资核心技术严重依赖。同时，内资企业与外资企业技术差距变大，自身吸收能力不足，导致模仿成本提高，空间关联效应负向溢出明显。
由此发现，高新技术产业创新空间关联影响因素中，投入变量的 R&D经费为显著正相关，R&D人员为显著负相关；溢出变量的产学研合作为不显著正相关，产业集聚、地理距离为显著正相关，FDI为显著负相关。
本文收集2000—2018年中国内地30个省市区高新技术产业创新产出专利申请及相关数据，运用ArcGIS空间统计分析工具对其空间集聚特征进行可视化分析，并进一步运用 QAP 方法分析其关键影响因素，得到如下结论：
(1)高新技术产业创新产出空间集聚的重要特征是地理非均衡性，表现为集聚于东部沿海地区、部分中部地区与少部分西部地区。
(2)强强型关联主要集中在东南沿海地区及部分中部地区，各省份相互溢出产生较大的正向集聚效应；弱弱型关联主要集中在北部地区与西南地区，各省份相互溢出产生较小的正向集聚效应；弱强、强弱型关联主要集中在少部分北部、中部与南部地区，创新水平较高的省份对创新水平较低的省份具有较强的集聚效应。
(3)高新技术产业创新产出空间集聚及关联影响因素中，投入变量的 R&D经费为显著正相关，R&D人员为显著负相关；溢出变量的产学研合作为不显著正相关，产业集聚、地理距离为显著正相关，FDI为显著负相关。
(1)推动区域高新技术产业协同创新。利用空间关联，西部地区与东中部地区能够交流互动，取长补短。一方面，东中部省市要加快技术转移、扩散；另一方面，西部省市要加大创新投入力度，提高自身研发与吸收能力，逐渐实现区域创新协调发展。
(2)对于不同区域的高新技术产业采取差异化政策。对于强强型关联地区可以通过相互交流继续保持相互溢出。对于弱弱型关联地区，一方面要向创新能力较强的地区学习，另一方面要加大研发与商业化力度，提高自身创新能力，相互促进。对于弱强、强弱型关联地区，创新能力较强的地区要加强对周边创新能力较弱的地区的技术溢出，创新能力较弱的地区要不断加大创新投入，跨越地区门槛效应，促进双方空间关联类型向强强型关联转变。
(3)强化高新技术产业关键要素的正向关联，抑制其负向溢出，激发不显著正向影响，具体可从以下方面着手：
第一，各地区要加大R&D经费投入。东部地区通过加大R&D投入增加创新成果，西部通过加大R&D投入提高自身吸收能力。一方面，加大R&D经费投入力度，构建多元化方式，通过财政杠杆引导企业和社会加大研发投入；另一方面，通过评估监督R&D经费使用情况，提高经费使用效率。
第二，抑制西部地区人才负向溢出效应。协调区域间人才配置，促使教育资源与政策向经济、教育资源落后地区特别是中西部地区倾斜。中西部省市要通过营造良好的创新政策环境、提高薪酬待遇吸引高级人才，东部地区要利用先发展优势进行对口支援。
第三，促进产学研交流互动。一方面，政府要进行政策引导，学研方要提高知识传递能力和意愿；另一方面，企业要加强自身投入与动态学习，提高吸收能力。学研方要经常到企业考察，了解技术问题；企业人员遇到疑难问题要积极向学研方咨询。
第四，强化高新技术产业集聚的正向溢出效应。西部地区要更加重视东部地区的高新技术产业入驻，利用其集聚效应承接产业梯度转移。首先，政府应加强高新技术产业园区建设并做好园区配套基础设施建设，吸引优质高技术产业集聚。其次，龙头企业通过机构延伸、产品转移、技术溢出实现技术扩散，中小企业通过与龙头企业合作交流，提升自身创新能力。
第五，加大区域间空间溢出。如上海加大对苏南地区的空间溢出，北京加大对天津与河北的空间溢出，广东加大对广西等省份的空间溢出。首先，各地区在制定本地区政策时不仅要考虑自身经济与环境，还要关注周边地区的产业政策等。其次，搭建区域协作平台，构建联动合作机制。再次，深化户籍制度改革，发挥研发要素流动的正向空间溢出效应，促进京津冀、长三角、粤港澳大湾区及东中西部省市协同发展。
第六，激发外商投资的正向影响。内资企业要利用上述正向影响提高自主创新能力，跨越学习门槛，避免对外资过度依赖。同时，“招商引资”要向“招商选资”转变，从而激发技术溢出的正效应。
本文侧重于高新技术产业创新产出空间集聚分布研究，从空间与时间视角进行可视化分析，对创新产出的空间集聚进行全局自相关与局部自相关分析，并建立扩展的知识生产函数，运用QAP相关与回归分析研发人员、研发经费、产学研合作、外商直接投资、地理距离、产业集聚等因素对创新产出空间关联的影响。受篇幅和数据限制，本研究还存在以下不足：①只分析了研发人员、研发经费等部分因素造成创新产出差异的区域原因，没有找出所有因素；②仅针对全国省域层面高新技术产业创新产出进行分析，没有对地市级高新技术产业创新产出的空间集聚及其关联性进行分析。后续研究可针对上述不足，在理论上深度挖掘造成创新产出区域差异的所有影响因素并作实证检验，为各省提供有益指导。在研究范围上，进一步分析地市级高新技术产业创新产出的空间集聚及其关联性，以提升模型在更大领域的适用性。
[1] LIU C,GAO X,MA W,et al.Research on regional differences and influencing factors of green technology innovation efficiency of China's high-tech industry [J].Journal of Computational and Applied Mathematics,2020,369(5): 1-12.
[2] ZHANG B,LUO Y,CHIU Y H.Efficiency evaluation of China's high-tech industry with a multi-activity network data envelopment analysis approach [J].Socio-Economic Planning Sciences,2019,66(6)2-9.
[3] 易明,彭甲超,吴超.基于SFA方法的中国高新技术产业创新效率研究[J].科研管理，2019，40(11): 22-31.
[4] 王玉冬.高新技术产业创新链与资金链协同度测度研究——基于复合系统协同度模型[J].科技进步与对策，2019(11)：1-6.
[5] 郝红美.安徽省高新技术产业创新效率比较研究[D].蚌埠：安徽财经大学，2017.
[6] 刘斌斌,左勇华.资金来源、创新模式对高新技术产业创新绩效影响研究——以江西省为例[J].江西社会科学，2016，36(7): 68-72.
[7] NIU Z.Urban housing prices,labor mobility and the development of urban high-tech industries——an empirical analysis based on panel data in the pearl river delta region[J].Modern Economy,2019,10(3):1048-1061.
[8] 曹贤忠，曾刚.基于全球——地方视角的上海高新技术产业创新网络效率探讨[J].软科学，2018，32(11): 105-108,119.
[9] 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.
[10] 朱卫东,王前松,李婷婷.区域技术引进与高新技术产业产出——基于空间面板模型实证研究[J].企业经济,2017,36(1):127-134.
[11] 唐睿,李晨阳,易扬.高新技术产业空间特征对研发效率的影响——基于安徽省16个地级市静(动)态集聚指数和DEA面板Tobit的实证[J].华东经济管理，2018,32(2): 22-29.
[12] 黄凌翔,杨瑞利,王贞.京津冀高新技术产业发展的空间运行与影响因素研究[J].天津城建大学学报,2017,23(5):367-373.
[13] 冯德连,韩宁.长江经济带高新技术产业出口的空间特征与影响因素研究[J].上海经济研究,2018(11):51-62.
[14] 余颖,刘青,李贵才.深圳高新电子信息企业空间格局演化及其影响因素[J].世界地理研究,2020,29(3):557-567.
[15] 张同斌,王千,刘敏.中国高新园区集聚的空间特征与形成机理[J].科研管理,2013,34(7):53-60.
[16] 曹欣欣,程钰,王晶晶.山东半岛城市群高新技术产业空间演化特征及影响因素[J].华东经济管理,2018,32(3):14-21.
[17] 王丽英.市场化程度与区域经济增长的实证研究——基于省际面板数据的分析[J].经济体制改革，2010(2) : 133-136.
[18] 裴玲玲.科技人才集聚与高技术产业发展的互动关系[J].科学学研究，2018,36(5): 813-824.
[19] GRILICHES S.Issues in assessing the contribution of R&D to productivity growth[J].Bell Journal of Economics,1979,10(1):92-116.
[20] 刘和东.区域创新内溢、外溢与空间溢出效应的实证研究[J].科研管理，2013,34(1): 28-36.
[21] 曾鹏、孔令乾.FDI 与高技术产业集聚 互动机理探讨[J].重庆大学学报(社会科学版)，2017,23(6): 1-12.