The Impact of Innovation Infrastructure on High-Quality Economic Development: the Perspective of Synergy Effect

Tang Lingling, Feng Hua

(School of Economics and Management, Beijing Jiaotong University,Beijing 100044,China)

Abstract：The Chinese government highlights high-quality development in building a modern socialist country in an all-round way, but the current issue of uneven and uncoordinated regional development is prominent. How to promote the overall high-quality development of the economy has become a common concern of the government and academia. At present, the improvement of total factor productivity has become a driving force for high-quality economic development. As the carrier of innovation activities, innovation infrastructure is the basic support for the improvement of total factor productivity and provides a material guarantee for the complete link of the innovation chain. Against the backdrop of China's unbalanced regional economic high-quality development, it is of great practical significance to analyze the impact of innovation infrastructure synergy on high-quality development, and find the measures for promoting high-quality development and narrowing the regional gap through collaborative agglomeration of innovative infrastructure in practice.

Most recent studies have focused on the impact of a single dimension of innovation infrastructure on high-quality development, and paid insufficient attention to the synergy effect. This study centers around innovation infrastructure synergies. Since innovative infrastructure has spatial effects, and in order to analyze the spatial spillover effects of innovative infrastructure on high-quality economic development, this study takes the panel data of 31 provinces in China from 2011 to 2020 to construct a spatial econometric model to empirically analyze the relationship between the innovation infrastructure synergy effect and high-quality development. It further constructs a spatial mediating effect model to test the mechanism of innovation infrastructure synergy affecting high-quality development. Meanwhile, this paper analyzes the heterogeneous impact of economic development stage and region using the spatial econometric model.

The result shows that except for R&D institutions of industrial enterprises, innovation infrastructure has significantly promoted the level of China's high-quality development, accounting for 22.23% of the overall increase in high-quality level from 2011 to 2020. Among them, the contribution shares of innovation infrastructure synergy, commercial service institutions, universities and research institutions, and agglomeration of manufacturing enterprises to high-quality development are 11.11%, 27.78%, 5.56%, and -22.22%, respectively. From the perspective of spatial effect decomposition, the improvement of China's high-quality economic development level mainly relies on spatial spillover (accounting for 93.63%), while the promotion of direct effect is relatively small (accounting for 6.37%). The innovation effect, knowledge spillover effect, structure effect, resource allocation effect and environment effect all play a mediating role in the synergistic impact of innovation infrastructure on high-quality economic development. Heterogeneity analysis shows that there are significant structural differences in the impact of innovation infrastructure and its synergistic effects on high-quality development in terms of economic development stages and regions.

The innovations in this paper are as follows. First, from a theoretical perspective, this paper makes a deep analysis of the mechanism of innovation infrastructure synergy effect affecting high-quality development, which provides a theoretical basis for leveraging the facility synergy effect to promote high-quality development; second,from an empirical perspective, it empirically tests the degree and heterogeneity of the impact of China's innovation infrastructure synergy on high-quality development, and measures the contribution of China's innovation infrastructure during the sample period.

From a practical perspective, this paper puts forward the following suggestions. (1) The government should make more efforts to promote innovative infrastructure synergy in the central and western regions, and effectively play the role of innovative infrastructure synergy in promoting high-quality development. (2) It is essential to optimize the layout of innovation infrastructure according to local conditions. The eastern region should strive to improve the professional level of commercial service institutions; the central region should strengthen the construction of commercial service institutions, encourage university-institution-industry cooperation, and guide industrial enterprise research and development institutions to increase research and development investment; the western region should actively attract innovative enterprises and promote the agglomeration of manufacturing enterprises. (3) Different regions should optimize transmission channels according to local conditions. The eastern region should accelerate the construction of integrated factor trading platforms, the central region should fully leverage the advantages of industrial structure to promote the optimization and upgrading of industrial structure, and the western region should focus on enhancing the construction of innovation infrastructure, and optimizing the innovation environment.

Key Words：Innovation Infrastructure; High-quality Development;Synergistic Effect;Space Overflow

收稿日期：2022-10-25

修回日期：2023-02-03

基金项目：北京市社会科学基金重点项目(22JJA003)

作者简介：唐玲玲(1992—),女,山东滨州人,北京交通大学经济管理学院博士研究生,研究方向为产业经济理论与政策;冯华(1968—),男,山东泰安人,博士,北京交通大学经济管理学院教授、博士生导师,研究方向为产业经济理论与政策。

DOI：10.6049/kjjbydc.2022100688

开放科学(资源服务)标识码(OSID)：

中图分类号：F124.3

文献标识码：A

文章编号：1001-7348(2024)06-0063-12

0 引言

中共二十大报告指出高质量发展是全面建设社会主义现代化国家的首要任务,推动高质量发展已经成为当前以及未来一段时期内我国经济发展的根本要求。从近五年经济蓝皮书《中国经济增长报告》公布的数据以及学者研究成果看,我国经济高质量发展水平仍需提高,区域发展不平衡、不协调问题日益突出[1],如何促进经济高质量发展成为政府和学界共同关注的话题。在后疫情时代,全要素生产率(TFP)提升成为经济高质量发展的源泉[2],随着外部风险的加剧,外源式技术进步对全要素生产率的影响逐渐减弱,表明后疫情时代我国全要素生产率增长转向依靠内源式技术进步和资源配置效率提升上来。创新基础设施作为科技创新活动和成果转化的载体,是塑造地区科技创新能力和决定地区科技地位的先决条件,也是全要素生产率提升的基本依托,已经成为驱动经济高质量发展的主要因素。

作为国家科技力量的重要载体,创新基础设施为创新链整个环节提供物质保障,能够促进重大科学突破,增加原始科技成果产出,培育人才,尤其是孵化器和技术转移机构等通过创新创业技术转移增强创新与产业界之间的联系[3]。2020年4月,政府首次将创新基础设施纳入“新基建”范围,进一步彰显了创新基础设施在新发展阶段的重要地位(隆云滔,2020)。在我国区域经济高质量发展不平衡、创新体系整体效能不高的双重背景下,从理论上分析创新基础设施协同集聚对经济高质量发展的作用机理,从经验上分析创新基础设施协同集聚对经济高质量发展的影响作用,从实践上分析创新基础设施协同集聚促进经济高质量发展的措施,对于推动经济高质量发展、缩小区域差距具有重要意义。

当前研究重点强调创新基础设施单一维度对经济高质量发展的影响,对协同效应的重视不够。对此,本文以创新基础设施协同效应作为研究重点,以2011—2020年中国内地31个省份面板数据为研究样本,采用空间计量模型探究创新基础设施协同效应与经济高质量发展之间的关系,并分析经济发展阶段和区域异质性的影响。本文边际贡献在于:①从理论层面分析创新基础设施协同效应影响经济高质量发展的作用机理,可为发挥创新基础设施协同作用,促进经济高质量发展提供理论基础;②在经验层面实证检验2011—2020年我国创新基础设施协同效应对经济高质量发展的影响程度及异质性,有助于揭示样本期内我国创新基础设施所作的贡献;③在实践层面提出以创新基础设施建设为抓手,因地制宜地促进创新基础设施协同联动、优化创新基础设施布局以及促进经济整体高质量发展的建议。

1 文献综述与研究假设

1.1 经济高质量发展

当前,学者对经济高质量发展内涵和测算未形成共识,但基本可划分为两类:单一指标法和多维度指标体系。其中,采用单一指标法的学者普遍利用全要素生产率测度经济高质量发展水平,也有极少数学者利用技术效率、劳动生产率衡量[4];采用多维度指标体系的学者主要围绕新发展理念[5]、中国社会的主要矛盾[6]展开。在全球经济大变局和疫情双重叠加背景下,部分学者指出当前区域经济高质量发展的关键在于提高全要素生产率,实现新旧动能转换[7]。尤其是后疫情时代,提高全要素生产率已经成为驱动经济高质量发展的动力源泉[2]。

1.2 创新基础设施与经济高质量发展

关于创新基础设施与经济高质量发展关系,学者主要从创新基础设施单一维度入手,仅分析某一类创新基础设施对经济高质量发展的影响[8]。只有极少数学者从创新基础设施整体维度入手,探讨其对创新产出、经济高质量发展的影响。例如,Suarez-villa &Hasnath[9]指出创新基础设施与国家总体创新产出及企业创新产出正相关,且对于促进创新绩效提升具有较大的内生性;李海刚[10]指出创新基础设施作为新基建的子系统,对经济高质量发展具有促进作用,但未对创新基础设施协同效应进行分析,同时也缺少对异质性作用机理的详细论述。

1.3 创新基础设施协同与创新绩效

Al-Hakim &Latif[11]、Laranja[12]指出,创新基础设施并不能保证区域创新繁荣,创新基础设施要素内部不协调,尤其是科学与工业之间缺乏协同[13]是创新基础设施低效的主要原因。通过梳理已有研究发现,创新基础设施协同效应对创新绩效的影响体现在3个方面:首先,知识是创新活动中的关键投入要素,隐性知识转移具有隐蔽性(Perez-Luno等,2019),创新基础设施协同利用制度形成的契约关系可以有效打破创新主体间壁垒,促进知识生产、转移和利用[14-15];其次,创新基础设施协同效应强调科学家与企业家之间的交互作用,改变了传统线性创新模式[16],使得旨在知识创造和人才培育的高校和科研院所向下延伸至成果产业化后置环节,旨在技术开发和应用的企业向上延伸至新知识和技术研发先导环节[17],创新基础设施各要素优势得到进一步耦合;最后,创新基础设施协同效应是科学研究、成果转化、人才培养、产业发展的深度整合和集成发展[17],通过增强产业界与科学界之间的联系促进经济发展。

1.4 研究假设

由上述分析可知,创新基础设施协同对经济高质量发展的影响仍有研究空间。王贻芳和白云翔[18]指出,提升国家创新体系支撑能力,促进经济高质量发展,需要促进各类创新基础设施功能互补、协同互动。为此,本文重点分析创新基础设施协同效应对经济高质量发展的影响,可为经济高质量发展提供有益参考。

当前,相关文献对创新基础设施概念的界定主要围绕创新主体[19]、创新载体[20]和创新环境[21]3个维度展开。本文借鉴Feldman &Florida[19]的研究,从创新主体视角定义创新基础设施,即某一地区创新活动所依赖的基础条件,包括高校和科研机构、工业企业研发机构、相关制造企业集聚以及与创新创业相关的商业服务机构。其中,高校和科研机构利用基础知识存量为工业领域提供技术机会,提高工业企业R&D投入潜在生产率;工业企业研发机构在增加技术知识来源的同时,通过把握技术趋势进行技术开发;相关制造企业集聚通过知识溢出为产品创新提供潜在市场基础;商业服务机构通过提供产品市场信息和技术信息支撑整个产品创新服务,以强化技术创新转化为商品的能力。可见,4类创新基础设施的作用各有侧重,涵盖科学研究、技术开发、技术转移、产品创新整个链条,基于创新链视角建立长期稳定的协同合作关系,是一个具有聚集优势、知识溢出、学习特征的开放型协同创新网络。创新基础设施协同效应对经济高质量发展的作用体现在以下5个方面(见图1):

(1)创新效应。Furman等[21]指出,创新基础设施为一国或地区创新活动设置一般背景,是国家或地区创新能力的决定性因素;Amir等[22]指出公共研发机构、大学和企业等创新主体之间的交互关系对技术创新能力具有重要影响。创新基础设施形成的协同网络使创新能力被“锁定”在某些地区,进而形成“路径依赖”。创新基础设施协同网络越紧密,地区创新能力越强,全要素生产率提高越快,经济发展质量也就越高。

(2)知识溢出效应。创新基础设施集聚有利于知识共享和面对面互动,促使科技成果优先在设施所在地区转化,进而促进当地经济发展,尤其是各类创新基础设施集中的地区,往往也是重要的科技创新中心,更能加快科技成果的产生。

(3)结构效应。结构主义理论指出,产业结构升级推动要素在边际生产效率不同产业部门之间流动,因此结构变化是全要素生产率增长的主要动力。创新基础设施的作用涵盖创新链各个环节,最终目的是将科技成果应用于实体经济,促进科技成果商品化和产业化。科技成果与实体经济通过两种方式融合:一是将新技术运用到旧产业中即对旧产业进行改造;二是新技术促使新兴产业崛起,融合过程本质就是产业结构升级。创新基础设施通过科研成果转化和创新创业促进产业结构升级,进而推动经济高质量发展。

(4)资源配置效应。创新基础设施具有“位置固定”特征,供给“不可分割性”和初始“配置集聚性”影响区域创新资源存量规模。随着创新基础设施建设水平差距的不断拉大,创新要素开始流动。创新基础设施集中地区会吸引人才、资金、知识等创新要素集聚,改善地区创新要素禀赋,提升资源配置效率,促进全要素生产率提高和区域经济高质量发展。

(5)环境效应。创新地理学理论认为,企业区位选择依赖地区创新环境,创新基础设施作为创新环境的重要组成部分(Shan,2017),各类创新基础设施集聚可以增强所在地区比较优势,优化创新环境,吸引创新人才和创新型企业入驻,并对周边地区产生积极溢出效应,进而促进经济高质量发展。

根据上述分析,本文提出如下假设:

H1:创新基础设施协同效应对经济高质量发展具有正向影响。

H2:创新基础设施协同效应通过创新效应、知识溢出效应、结构效应、资源配置效应和环境效应促进经济高质量发展。

2 研究设计

2.1 模型构建

2.1.1 空间计量模型

为分析创新基础设施对经济高质量发展的空间溢出效应,本文构建如下空间计量模型:

(1)

εit=γtWitεit+vit

(2)

其中,wij为空间权重矩阵,分别表示高校和科研机构基础设施水平、工业企业研发机构基础设施水平、制造企业集聚基础设施水平、商业服务机构基础设施水平、经济高质量发展水平和控制变量的空间滞后项,εit为空间误差项。当γ=0时,表示SDM模型;当γ=0和τ=0时,表示SAR模型;当ρ=0和τ=0时,表示SEM模型。

2.1.2 中介效应模型

本文采用分步检验法检验创新基础设施协同效应对经济高质量发展的影响,计量模型如下:

TFPit=β0+β1(urdit*grdit*idpit*fwit)+β2xit+εit

(3)

Mit=α0+α1(urdit*grdit*idpit*fwit)+α2xit+εit

(4)

TFPit=γ0+γ1(urdit*grdit*idpit*fwit)+γ2Mit+γ3xit+εit

(5)

其中,TFPit、urdit*grdit*idpit*fwit、Mit、xit分别表示i地区第t期的经济高质量发展水平、创新基础设施协同水平、中介变量和控制变量。在β1和α1显著的基础上,γ2显著且γ1不显著或者比β1小表明存在中介效应。

2.2 空间权重矩阵

本文在综合考虑地理距离和经济距离的基础上构建嵌套空间权重矩阵,以刻画区域之间的经济空间效应和地理空间效应。为使研究结果更加稳健,本文同时构建0～1邻接矩阵。

0～1邻接矩阵构建方法是看两地之间是否相邻,若直接相邻则赋值为1,否则赋值为0。

(6)

嵌套空间权重矩阵是将地理距离矩阵和经济距离矩阵相结合,具体方法如下:

(7)

其中,Wc表示地理距离空间权重矩阵,当i≠j时,赋值为1/dij;当i=j时,赋值为0;dij表示两省会城市之间的距离;diag表示对角线上的元素,每个省份GDP的均值样本期内所有省份GDP的均值为截面数据,t为样本期数,此处等于10。

2.3 变量选取与数据说明

2.3.1 被解释变量:经济高质量发展水平

本文借鉴Zhang &Kong[23]的研究,利用全要素生产率(TFP)衡量经济高质量发展水平,利用软件DEAP2.1计算DEA-Malmquist指数,并从中分离全要素生产率。该方法以2000年为基期,利用GDP平减指数对总产出作不变价格处理,投入要素中的资本、劳动分别采用新增固定资本和年末就业人数衡量。资本存量以1996年为基期(单豪杰,2008),再运用公式(8)计算基期资本存量。

(8)

其中,k表示基期资本存量;i表示基期新增固定资本;表示新增固定资本年均增长率;δ表示折旧率,取值为10.96%(单豪杰,2008)。随后,利用永续盘存法计算各区域资本存量,如式(9)所示。

ki,t=ki,t-1(1-δ)+Ii,t

(9)

2.3.2 解释变量:创新基础设施协同水平

(1)创新基础设施主体包括高校和科研机构(urd)、工业企业研发机构(grd)、制造企业集聚(idp)和创新创业服务相关商业服务机构(fw)。相应地,创新基础设施协同水平采用4类创新基础设施水平的乘积衡量。其中,工业企业研发机构基础设施水平采用规模以上工业企业R&D投入占GDP的比重衡量,商业服务机构基础设施水平采用技术转移成交额占GDP的比重衡量[24]。

(2)高校和科研机构基础设施水平采用高校和科研机构R&D投入占GDP的比重衡量。由于没有直接统计数据,所以本文采用总支出减去来源于企业的资金近似表示高校和科研机构经费支出。由《中国科技统计年鉴》 数据可知,企业资金中约有95%由企业自身科研活动支出,来源于政府、国外的资金则由高校和研究机构支出。

(3)制造企业集聚采用工业增加值占GDP的比重衡量。由于中国各省份未公布制造业增加值数据,而《中国工业统计年鉴》只公布了2016年以前制造业销售产值数据,与制造业增加值统计口径不一致。因此,本文采用工业增加值占GDP的比重衡量存在一定的合理性。由世界银行公布的数据(现价本币单位)可知,2010-2020年我国制造业增加值占工业增加值的比重均值为69.78%,可见采用工业增加值占GDP的比重衡量制造企业集聚水平一定程度上能够反映制造业集聚特征。

2.3.3 中介变量

(1)创新效应(pat)。创新效应的本质是创新能力,由于专利申请需要具有足够的创新性,所以本文采用专利授权量与地区就业人口的比值衡量创新效应[25]。

(2)知识溢出效应(cit)。知识溢出效应反映知识流动,Peri[26]、Kim &Steensma[27]采用专利引用次数衡量知识流动和溢出效应。我国《专利审查指南》规定,申报人在申请专利时需要通过引证方式写明与本发明相关的背景信息,由于实用新型专利引用数量较少,故本文采用高校和企业发明专利引用次数与研发人员数量的比值衡量知识溢出效应。

(3)结构效应(adv)。结构效应从产业结构视角分析创新基础设施协同对经济高质量发展的影响。本文采用产业结构转换率衡量结构效应[28],以体现产业结构演进的动态过程。

(4)资源配置效应(hlq)。创新基础设施协同能够促进创新要素尤其是人才流动,进而促进知识、信息、技能在不同区域传播扩散[29],使资源在特定地区得到整合。本文借鉴王慧娟和兰宗敏[30]的研究,采用人力资本数量衡量资源配置效应。

(5)环境效应(col)。创新基础设施通过塑造区位优势,为企业选址决策提供依据,新企业创立是地区创新环境优劣的直观反映。中国科学技术发展战略研究院(2017)、中国科技战略研究小组(2016)将创业活力作为衡量创新环境的重要指标,本文采用地区科技型新创企业数量衡量环境效应。

2.3.4 控制变量

本文设置以下控制变量:①R&D人员(rdpeople):采用研发人员数量占就业人口的比重衡量;②人均GDP(pgdp):采用地区生产总值与地区总人口的比值衡量;③对外开放水平(open):采用地区进出口贸易总额与地区GDP的比值衡量;④信息化程度(xin):采用地区邮电业务总量与地区GDP的比值衡量。

2.4 数据说明

本文采用2011—2020年中国内地31个省份面板数据分析创新基础设施协同对经济高质量发展的影响,数据来源于历年《中国科技统计年鉴》《全国技术市场统计年度报告》《中国统计年鉴》以及CnOpenData、国家知识产权局和EPS数据平台。值得说明的是,创新基础设施对经济增长的影响具有一定滞后性,故本文对各类创新基础设施协同水平作滞后一期处理。相应地,采用2010—2019年各类创新基础设施协同水平对2011—2020年经济高质量发展水平进行回归分析。其余变量仍采用当期值,变量描述性统计结果如表1所示。

3 实证结果分析

3.1 空间自相关检验与模型设定

3.1.1 模型设定

本文对相关变量依次进行LM检验、LR检验、Hausman检验和AIC、BIC检验,以确定模型的最终形式,结果如表2所示。首先,LM检验结果表明适合采用空间误差模型(SEM);其次,LR检验结果显示空间杜宾模型(SDM)无法退化成空间误差模型(SEM);再次,由Hausman检验结果可知,对于空间误差模型(SEM)而言,地区随机效应模型、时间固定效应模型和双向随机效应模型更优;对于空间杜宾模型(SDM)而言,地区随机效应模型、时间固定效应模型和双向固定效应模型更优。根据AIC、BIC信息准则,最终确定采用时间固定效应空间误差模型(SEM)和地区随机效应空间杜宾模型(SDM)对相关变量进行分析。

3.1.2 空间自相关检验

进一步,本文采用莫兰指数进行空间自相关检验,考察数据之间是否存在空间依赖性。表3结果显示,2011—2020年经济高质量发展水平莫兰指数I均显著为正,且通过5%显著性水平检验,表明我国经济高质量发展水平存在显著正向空间自相关性。

为直观反映经济高质量发展水平的空间依赖关系,本文绘制2011年、2015年和2020年的莫兰散点图。由图2、图3和图4可知,中国内地31个省份主要分布在第一象限和第三象限,表现出“高高集聚”和“低低集聚”特征,其中“高高集聚”类型主要分布在我国东部地区,“低低集聚”类型主要分布在我国西部地区,进一步表明东、中、西部地区经济高质量发展水平存在显著差异。进一步观察可知,我国经济高质量发展水平斜率由2011年的0.092降至2015年的0.044,随后又升至2020年的0.097,斜率均为正值表明存在正向空间相关性,斜率波动较大说明我国经济高质量发展空间格局演化呈现复杂性。

3.2 基准结果分析

3.2.1 空间效应检验

本文利用Stata15软件对SDM、SEM模型进行估计,为方便比较,同时报告OLS估计结果,如表4所示。由表4可知,在地区随机效应SDM模型中反映拟合优度的指标Log-likelihood值最大,表明SDM模型明显优于SEM模型。同时,地区随机效应SDM模型调整后R2(0.609)明显高于OLS模型(0.222)。因此,本文采用地区随机效应SDM模型展开实证分析。

由模型(3)估计结果可知,创新基础设施协同水平在1%水平下显著为正,表明创新基础设施协同对经济高质量发展具有促进作用,H1得以验证。中共十九大以来,国家相继提出“加强新基建建设”“布局创新基础设施”等一系列政策,我国创新基础设施建设补短板优结构稳步推进,协同水平得到一定程度提高。创新基础设施协同效应强调创新主体的交互性,将科研成果转化环节内置于创新活动中,填补了科学界与产业界之间的鸿沟,进而促进经济高质量发展。

从设施类型看,高校和科研机构、商业服务机构、制造企业集聚3类创新基础设施对经济高质量发展具有正向促进作用。从系数横向比较看,创新基础设施协同系数远高于其它变量,表明创新基础设施协同对经济高质量发展的影响作用最大,高校和科研机构、制造企业集聚和商业服务机构的影响作用较小。工业企业研发机构系数为正但不显著,这与叶祥松和刘敬[31]的研究结论一致,原因可能在于我国技术基础薄弱,受技术引进路径依赖的影响,工业企业研发机构R&D投入倾向于对国外技术进行本土化改造,尚未形成核心创新力,导致其对经济高质量发展的影响不显著。

为进一步分析创新基础设施协同水平对经济高质量发展的偏效应,本文将SDM模型中的空间效应分解为直接效应、间接效应和总效应,结果如表5显示。由表5可知,创新基础设施协同水平对经济高质量发展的直接效应占比为6.37%,间接效应占比为93.63%,表明样本期内我国经济高质量发展主要来源于空间溢出效应。

表6列示了2011—2020年我国创新基础设施对经济高质量发展的贡献。从中可见,我国创新基础设施存量增加及协同作用增强带动我国经济高质量发展增长0.000 8个单位,占经济高质量发展水平整体增幅的22.23%。从贡献构成看:①创新基础设施协同水平对经济高质量发展的贡献较大;②商业服务机构对经济高质量发展的贡献最大,制造企业集聚对经济高质量发展的贡献最小,前者主要源于考察期内存量增长迅速,后者主要源于考察期内制造业呈分散趋势,集聚水平连续下降;③高校和科研机构对经济高质量发展的贡献较小,这是由于在考察期内该类设施存量增幅较低所致。

3.2.2 稳健性检验

本文替换空间权重矩阵进行稳健性检验,将上述嵌套空间权重矩阵替换为0～1邻接矩阵。经过LM检验、LR检验、hausman检验、AIC和BIC准则,最终采用地区固定效应SDM模型、地区随机效应SAR模型和时间固定效应SEM模型。表7为稳健性检验结果,从反映拟合优度的R2、Log-likelihood、ρ/λ看,SDM模型拟合程度最优,因此本文根据SDM模型估计结果展开分析。由模型(6)结果可知,除工业企业研发机构外,创新基础设施协同水平系数显著为正。从系数大小比较看,创新基础设施协同水平对经济高质量发展的影响作用最大,高校和科研机构、商业服务机构、制造企业集聚系数较小,工业企业研发机构影响作用不显著。由“W×”变量可知,除工业企业研发机构外,均存在空间溢出效应。可见,采用0～1矩阵估计结果与上文基本一致,说明估计结果稳健。

3.3 作用机制检验

根据理论分析,创新基础设施协同经由5条路径对经济高质量发展产生影响,本文对5个机理进行实证检验。关于模型选择,本文依次进行LM检验、LR检验、Hausman检验和AIC、BIC检验以确定最终形式,结果如表8所示。模型(7)(8)中创新基础设施协同系数和创新效应系数显著为正,且模型(8)中创新基础设施协同系数小于上文基本回归模型估计结果,表明创新效应发挥中介作用。创新效应本质上是由创新基础设施协同水平内生决定的自主创新能力,是知识存量的体现,通过挤出效应对国外进口技术形成替代,进而促进内源式全要素生产率提升和经济高质量发展。同理,由模型(9)(10)结果可知,知识溢出效应发挥中介作用。知识溢出效应是知识的自然扩散行为,每个创新主体都会因为“在场”而免费受益,知识溢出效应增强使创新主体成本下降,学习能力得以提升,进而促进创新产出增加和经济高质量发展。由模型(11)(12)结果可知,结构效应发挥中介作用。不同产业部门的要素边际生产率并不相等,结构效应可以促进要素和资源在不同部门之间流动,提高资源配置效率,促进全要素生产率提升。由模型(13)(14)结果可知,资源配置效应发挥中介作用。资源配置效应一方面指创新要素集聚,另一方面指资源合理分配。资源配置效应是影响地区竞争优势的关键,资源配置效应越高越能左右地区创新资源配置格局,改变创新方向,促进创新效率提升和经济高质量发展。由模型(15)(16)结果可知,环境效应的中介效应显著存在。创新基础设施为创新活动和投资提供硬条件支持,同时吸引创新企业和人才入驻,促使其开展创新活动,进而促进创新产出增加和技术进步,假设H2得以验证。

4 异质性分析

4.1 经济发展阶段异质性

研究发现,结构转换与全要素生产率变化在不同经济发展阶段表现不同,随着经济结构中服务业比重上升,知识经济部分替代传统商品,知识密集程度大幅提升,在结构效应作用下,新兴产业加速成长,全要素生产率快速提升[32]。因此,本文认为服务业比重越高,创新基础设施协同通过结构效应促进经济高质量发展的效果越明显。本文以第三产业增加值占第二产业增加值的比重为基础,将经济发展阶段划分为工业化阶段(该比值<1)和服务化阶段(该比值大≥1)[33]。经过LR检验、LM检验、Hausman检验和AIC、BIC准则,在工业化阶段和服务化阶段分别采用时间随机效应SAR模型和地区固定效应SAR模型,结果如表9所示。由模型(17)(18)可知,工业化阶段创新基础设施协同系数为正但不显著,服务化阶段创新基础设施协同系数显著为正,表明服务化阶段创新基础设施协同效应能够促进经济高质量发展。此外,从创新基础设施类型看,无论经济发展水平处于哪个阶段,高校和科研机构均能够显著促进经济高质量发展,但制造企业集聚的促进作用不显著,而工业企业研发机构和商业服务机构在服务化阶段对经济高质量发展则具有显著促进作用。

4.2 地区异质性

本文将中国内地31个省份划分为东部地区、中部地区和西部地区,检验创新基础设施协同对经济高质量发展的异质性影响。创新基础设施协同效应对经济高质量发展的作用机理包括5个方面,受资源禀赋、政策、区位、历史发展等因素的影响,5个方面在不同地区的重要程度(或地位)不尽相同,可能导致创新基础设施协同对不同地区经济高质量发展的影响不一致。我国高水平创新基础设施主要分布在东部地区,高端创新主体的一致集聚使中西部地区创新要素普遍面临“东南飞”的窘境。未来,资源配置效应产生的“马太效应”会进一步强化东部创新能力;中部地区制造业体系门类齐全,且经济发展进入服务化阶段,在结构效应作用下更有利于促进经济高质量发展;西部地区创新基础设施数量少、规模偏小,导致创新活动和创新投资硬环境落后,环境效应不足使其难以形成对创新主体的投资吸引力。由此,本文认为创新基础设施协同对中东部地区高质量发展具有促进作用,而在西部地区则不显著。

本文以LR检验、LM检验、Hausman检验和AIC、BIC准则为依据,对东部地区、中部地区、西部地区分别采用地区随机效应SAR模型、地区固定效应SDM模型和时间固定效应SDM模型进行检验,结果如表9所示。由模型(19)(20)(21)可知,中东部地区创新基础设施协同效应对经济高质量发展的促进作用显著,西部地区不显著。此外,从创新基础设施类型看,无论哪个地区高校和科研机构均能促进经济高质量发展,工业企业研发机构对经济高质量发展的影响不显著,制造企业集聚对中东部地区经济高质量发展具有促进作用,商业服务机构对西部地区经济高质量发展具有促进作用。

5 结论与启示

5.1 研究结论

本文以中国内地31个省份2011—2020年数据为研究样本,利用空间计量模型实证检验创新基础设施协同效应对经济高质量发展的空间溢出效应及异质性,得出以下结论:

(1)从单一要素和协同效应看,除工业企业研发机构外,各类创新基础设施及其协同效应均能显著促进区域经济高质量发展。具体而言,2011—2020年各类创新基础设施及其协同效应促进我国经济高质量发展水平提升0.000 8个单位,占高质量发展水平整体增幅的22.23%。其中,设施协同效应、商业服务机构、高校和科研机构、制造企业集聚对经济高质量发展的贡献份额分别为11.11%、27.78%、5.56%、-22.22%。

(2)从空间效应分解看,创新基础设施协同对经济高质量发展的促进作用主要源于空间溢出(占比93.63%),直接效应的促进作用较小(占比6.37%)。

(3)创新效应、知识溢出效应、资源配置效应、结构效应和环境效应在创新基础设施协同影响经济高质量发展过程中发挥中介作用。

(4)创新基础设施对经济高质量发展的影响存在显著结构性差异。从经济发展阶段看,创新基础设施协同效应显著促进处于服务化阶段的各省份经济高质量发展,但对于处于工业化阶段省份的促进作用不显著;无论经济发展水平处于哪一阶段,高校和科研机构均能显著促进经济高质量发展,而制造企业集聚的促进作用不显著,工业企业研发机构和商业服务机构在服务化阶段对经济高质量发展具有促进作用;从地区异质性看,创新基础设施协同效应显著促进中东部地区经济高质量发展,对西部地区的促进作用不显著;无论处于哪一地区,高校和科研机构均能促进经济高质量发展,工业企业研发机构对经济高质量发展的影响不显著,制造企业集聚对中东部地区高质量发展具有促进作用,商业服务机构对西部地区高质量发展具有促进作用。

(5)从空间溢出效应看,除工业企业研发机构外,创新基础设施协同效应具有显著正向空间溢出效应,随着邻近省份创新基础设施协同效应提升,能够进一步促进本省份经济高质量发展。

5.2 启示

根据上述研究结论,本文提出如下启示:

(1)推动创新基础设施集群联动式发展。积极发挥政府对创新基础设施的引导作用,以创新基础设施建设为抓手,协调各创新主体之间的关系,推动各主体在协同过程中形成创新合力,尤其是着力推动中西部地区创新基础设施协同,切实发挥创新基础设施协同联动对经济高质量发展的促进作用。由高校和科研机构、企业等创新主体合力构建协同创新平台,促进“创新联姻”,为经济高质量发展提供有力支撑。

(2)提高创新基础设施建设的针对性,优化创新基础设施布局。东部地区应致力于提高商业服务机构专业化水平,同时引导工业企业研发机构提高创新效率。中部地区应建设商业服务机构,鼓励高校设立技术转移中心,鼓励社会化商业服务机构发展,同时引导工业企业研发机构增加研发投入。西部地区应积极吸引创新型企业入驻,推进制造业企业集聚,鼓励企业设立研发机构,开展创新活动。

(3)打通创新基础设施传导路径,精准促进经济高质量发展。5种作用机理在不同地区的地位不同,因此不同地区应因地制宜地优化传导通道。东部地区应积极发挥资源配置效应,加快一体化联动,加强交易平台建设,打破创新要素流动空间壁垒,引导创新资源在不同地区高效流动。中部地区应积极发挥产业结构优势,促进产业结构优化升级,通过结构变化促进要素流动。西部地区应积极发挥环境效应,着力加强创新基础设施建设,优化创新环境,吸引创新投资。

5.3 不足与展望

本文存在如下不足:一方面,对创新基础设施的界定主要围绕创新主体展开,未来将从创新载体和创新环境视角出发,深入研究创新基础设施对经济高质量发展的影响;另一方面,对中介变量环境效应的测量侧重于创业活力,但环境效应评估是一个复杂问题,未来将从多维度、多角度进行评价。

参考文献：

[1] 杨耀武,张平.中国经济高质量发展的逻辑、测度与治理[J].经济研究,2021,56(1):26-42.

[2] 汤铎铎,刘学良,倪红福,等.全球经济大变局、中国潜在增长率与后疫情时期高质量发展[J].经济研究,2020,55(8):4-23.

[3] KLASOVA S, KOROBANICOVA I, HUDEC O. University-industry links in slovakia: what are the factors underlying the number of interactions with industry[J]. Quality Innovation Prosperity, 2019, 23(1): 102-118.

[4] 苗峻玮,冯华.集聚效应是否推动了区域高质量发展——以长三角城市群为例[J].经济问题探索,2021,42(2):100-110.

[5] 姚博,汪红驹.高铁、市场整合与区域高质量发展[J].产业经济研究,2020,19(6):1-14.

[6] 李金昌,史龙梅,徐蔼婷.高质量发展评价指标体系探讨[J].统计研究,2019,36(1):4-14.

[7] 秦放鸣,唐娟.经济高质量发展:理论阐释及实现路径[J].西北大学学报(哲学社会科学版),2020,50(3):138-143.

[8] 刘涛,周白雨.效率与路径:“新基建”投资驱动与中国经济高质量发展——基于投资类别与投资空间双重异质性[J].济南大学学报(社会科学版),2021,31(6):99-113,175.

[9] SUAREZ-VILLA L,HASNATH S A.The effect of infrastructure on invention:innovative capacity and the dynamics of public construction investment[J]. Technological Forecasting and Social Change, 1993, 44(4):333-358.

[10] 李海刚.数字新基建、空间溢出与经济高质量发展[J].经济问题探索,2022,479(6):28-39.

[11] AI-HAKIM L,CHEN J.Quality innovation: knowledge, theory, and practices[M]. IGI Global, 2013.

[12] LARANJA M.The development of technology infrastructure in portugal and the need to pull innovation using proactive intermediation policies[J]. Technovation, 2009, 29(1): 23-34.

[13] ACS Z I,AUDRETSCH D B,FELDMAN M P.Real effects of academic research: comment[J]. American Economic Review,1992,82(1):363-367.

[14] WANG C, HU Q. Knowledge sharing in supply chain networks: effects of collaborative innovation activities and capability on innovation performance[J].Technovation, 2020, 94: 102010.

[15] PATEL P,PAVITT K.National innovation systems: why they are important, and how they might be measured and compared[J].Economics of Innovation and New Technology,1994,3(1):77-95.

[16] ETZKOWITZ H,LEYDESDORFF L.The dynamics of innovation: from national systems and "mode 2" to a triple helix of university-industry-government relations[J].Research Policy, 2000, 29(2): 109-123.

[17] 洪银兴.科技创新体系的完善与协同发展探讨[J].经济学动态,2016,57(2):4-9.

[18] 王贻芳,白云翔.发展国家重大科技基础设施 引领国际科技创新[J].管理世界,2020,36(5):172-188,17.

[19] FELDMAN M P,FLORIDA R.The Geographic sources of innovation: technological infrastructure and product innovation in the United States[J]. Annals of the Association of American Geographers,1994,84(2):210-229.

[20] HU M C,MATHEWS J A.National innovative capacity in east asia[J].Research Policy,2005,34(9):1322-1349.

[21] FURMAN J L,PORTER M E,STERN S.The determinants of national innovative capacity[J].Research Policy, 2000,31(6):899-933.

[22] AMIR A, THIRUCHELVAM K,Ng B K. Understanding the regional innovation support systems in developing countries:the state of Sabah in Malaysia[J].International Development Planning Review, 2013,35(1):41-66.

[23] ZHANG C,KONG J.Effect of equity in education on the quality of economic growth: evidence from China[J].International Journal of Human Sciences,2010,7(1):47-69．

[24] 王智毓,冯华.科技服务业发展对中国经济增长的影响研究[J].宏观经济研究,2020(6):102-113,121.

[25] TRAJTENBERG M.Patents as indicators of innovation,economic analysis of product innovation[M]. Cambridge: Harvard University Press,1990.

[26] PERI G. Determinants of knowledge flows and their effect on innovation [J]. Review of Economics and Statistics,2005,87(2):308-322.

[27] KIM J Y, STEENSMA H K. Employee mobility, spin-outs, and knowledge spill-in: how incumbent firms can learn from new ventures[J].Strategic Management Journal, 2017, 38(8): 1626-1645.

[28] 付凌晖.我国产业结构高级化与经济增长关系的实证研究[J].统计研究,2010,27(8):79-81.

[29] FUNK R J. Making the most of where you are: geography, networks, and innovation in organizations[J]. Academy of Management Journal, 2014, 57(1): 193-222.

[30] 王慧娟,兰宗敏.高校资源配置、空间溢出与城市创新[J].经济问题探索,2022,43(3):44-55.

[31] 叶祥松,刘敬.异质性研发、政府支持与中国科技创新困境[J].经济研究,2018,53(9):116-132.

[32] 刘志彪,凌永辉.结构转换与高质量发展[J].社会科学战线,2020,43(10):50-60,281-282.

[33] 于斌斌.产业结构调整与生产率提升的经济增长效应——基于中国城市动态空间面板模型的分析[J].中国工业经济,2015,33(12):83-98.

(责任编辑：王敬敏)