开放科学(资源服务)标识码(OSID)：
我国经济增长由高速向中高速转换，步入新常态阶段，发展方式由规模速度型向质量效率型转变，发展动力由主要依靠低成本劳动力和资源等要素投入转向创新驱动，技术创新已经成为推动我国经济转型升级的关键要素。十九大报告中多次强调构建产军协同深度发展格局，并在《党章》修订中增加产军协同发展战略，与创新驱动发展战略等并列作为国家七大发展战略，上升到国家战略高度。同时，技术创新活动具有很强的外部性特征，技术创新过程伴随着产学研合作及科技成果商业转化应用，这都离不开政府科技支持。因此，研究产军协同发展战略、政府科技支持与技术创新效率间的关系具有重要意义。
目前，国内外学者从不同视角对技术创新进行研究发现，许多因素对其具有重要影响[1-3]，但综合考察产军协同、政府科技支持与技术创新效率三者关系的研究较少，已有研究大多集中在产军协同或政府科技支持与技术创新间关系上，直接探讨产军协同对技术创新影响的研究较少，只有部分学者间接对二者间关系进行了研究，主要集中在以下几个方面：①基于技术创新网络视角，通过行动者网络理论探讨产军协同技术创新网络中行动者间的组合模式及联结动机，解决军民技术转化中存在的问题[4]；②基于技术共享视角，运用微分博弈模型，研究产军协同协同创新体系中军工和民用企业技术共享最优策略、最优收益及体系整体收益[5]；③基于经济地理学视角，研究产军协同参与下区域创新网络演化动因及其路径，认为创新网络演化动力主要来源于技术创新等要素[6]。从实证层面看，胡红安和刘丽娟[7]基于复合系统协同度模型检验我国航天航空制造产业创新协同度发现，产军协同产业创新主体与创新要素子系统有序度趋势并不协调。
关于政府科技支持对技术创新影响的研究较多，但观点截然相反，主要包括3类：一是促进论，认为政府科技支持能够激励企业自主研发，对技术创新具有促进作用[8-9]；二是抑制论，认为政府科技支持对企业科技研发存在较大的挤出效应，抑制技术创新[10-11]；三是分段论，认为二者并非简单的线性关系，在不同阶段，政府科技支持对技术创新的影响作用不同[12-13]。
上述研究加深了对产军协同、政府科技支持、技术创新间关系的认识，但也存在一些问题值得进一步探讨。从研究视角看：①目前，关于产军协同对技术创新效率的理论与实证研究较少，而将三者相关联的研究则更少，缺乏有效的科学支撑；②我国幅员辽阔，并且省域间发展存在较大差异，因此应分地区对三者间关系进行深入研究。从研究方法看，虽然关于政府科技支持对技术创新影响的研究较多，但大都忽略了省域间生产要素、社会资源流动性问题，假定各省域间的经济生产活动不会相互影响、不存在省域间扩散现象即溢出效应，这与实际经济状况不符。实际上，由于技术交流、相互贸易等原因，导致省域间溢出效应十分普遍。当然，这已引起部分学者关注，并基于其它视角，采用空间计量经济模型对技术创新进行了相关研究[14-16]。
基于上述对已有相关问题的梳理，本研究提出如下假设：
(1)我国幅员辽阔，各省域间生产要素流动、经济贸易交流、人才流动和知识溢出等现象十分普遍，这些因素都会引起省域间空间溢出效应的形成，即各省域间的生产发展不是孤立存在的，而是受到邻近省份的影响。因此，本研究提出如下假设：
H1：省域间产军协同、政府科技支持、技术创新效率存在空间溢出效应，地区间彼此会产生相互影响。
(2)在原有创新领域，军事创新是在相对独立的军工体系中运行的，与民用创新体系关联程度较低，导致彼此间的科研体系无法较好地衔接，使得技术创新流通不畅。产军协同要解决的核心问题就是军民二元分离现象，即以产军协同为手段，推动协同技术创新。具体而言：首先，通过产军协同法制方式为技术创新提供人才保障。以往军工企业及相关院所虽然集中了大量科技人才，但限于机制体制原因，其较少涉及民用领域技术开发。并且，由于军用技术的保密性，民用领域科技人员很难接触到军事高端技术。伴随着产军协同的不断发展，军用、民用领域人才交流与流动有助于技术创新人才队伍建设；其次，产军协同为技术创新提供研究经费保障，避免经费重复投资，并且随着军民技术的不断融合，军民两用生产技术和产品投入市场商业化，也为持续技术创新提供了源源不断的科研资金支持。另外，产军协同企业大多属于技术密集型企业，其产品科技含量高，通过产军协同发展，能够加快高新技术在行业内的普及应用，发挥技术扩散优势、促进科技成果转化，并通过其它系列创新资源的优化配置、高效共享和协同发展，进一步促进社会技术创新。
虽然已有关于政府科技支持对技术创新的研究结论尚不统一，但从理论上分析，由于技术创新的外部性，政府科技支持在技术创新体系中发挥着重要作用，具体体现在以下几个方面：一是培育技术创新主体。政府科技支持能够为技术创新提供资金保障，降低技术创新活动给企业经营带来的风险，鼓励企业加大研发投入，并对高校实验室、企业技术研究中心等科研机构和技术创新联盟等给予资助，促进研究机构建设和提升自主创新能力；二是加快引进和培育技术创新人才。通过专项资金及平台载体建设，促进科技人才发展及创新团队建设，培育紧缺实用人才；三是促进科技成果引进、转化，鼓励构建适合区域技术创新的产学研合作体系、技术市场体系；四是优化技术创新环境，以政府资金为引导，借助市场手段带动社会资本进入创新投资领域，鼓励发明创造，强化知识产权保护，鼓励科技服务业发展。当然，结合已有研究，政府科技支持可能存在较大的挤出效应，从而导致其并未较好地发挥上述作用。综合产军协同、政府科技支持与技术创新间的关系，本研究提出如下假设：
H2：在省域空间溢出效应背景下，产军协同能够促进技术创新效率提升，政府科技支持能够影响技术创新效率，但作用方向有待进一步检验。
H3：鉴于我国区域发展差异较大，分地区进行检验时，假设H2仍然成立，但东、中、西部地区影响存在差异。
产军协同与政府科技支撑间的交互作用。一是从两者作用主体看，产军协同将国防建设、军队建设融入到社会经济发展体系中，推进经济、科技等多领域相互融合。政府在其中扮演着重要角色，其一方面直接干预产军协同企业并购等活动、参与相关改革等重大决策；另一方面，通过社会管理者身份，以经济、法律、平台建设等方式间接影响产军协同，如国家产军协同公共服务平台等。《“十三五”科技军民融合发展专项规划》更是明确指出，要强化军地部门间规划协调管理、引导地方政府加大科技产军协同力度、创新财政科技投入方式等，更加明确了地方政府职责。同时，政府科技支持也是政府重要职责之一。因此，产军协同与政府科技支持间存在相同的作用主体即政府。二是从两者作用目标、产出成果看，现阶段产军协同以科技项目为主，如《国防科技工业知识产权转化目录》等，因此两者都以加强技术创新为目标，两者作用的结果都是以技术创新促进成果转化为目的。三是从两者对技术创新影响的路径(作用客体)看，两者都通过对技术创新人才、资本等创新要素产生影响，进而影响技术创新活动。综上所述，从理论角度分析，产军协同、政府科技支持对技术创新活动的影响具有近似相同的作用主体、作用目标、产出成果和影响路径(作用客体)，因而两者间可能存在交互作用，即对技术创新具有互补效应或替代效应。因此,本研究提出如下假设：
H4：产军协同、政府科技支持两者交互共同作用对技术创新效率具有一定程度影响，但作用方向有待检验。
另外，其它一些因素也可能对技术创新效率产生影响。本研究选取如下控制变量：①市场化水平。市场化水平提升能够优化资源配置，促进科技进步，提升技术创新效率；②基础设施建设。基础设施建设能够降低运输成本、提高物流效率，促进技术创新效率提升；③对外开放程度。对外开放通过引入资本和技术，促进技术创新效率提升；④人力资源。人力资源是创新的基础，有助于促进技术创新效率提升；⑤城镇化水平。城镇化水平有助于产业和要素集聚，促进技术创新效率提升。
(1)因变量：技术创新效率(TIE)。效率测算主要包括数据包络分析法(DEA)和随机前沿分析法(SFA)两种。DEA可避免函数误设而导致结论偏差，因此本研究选择该方法。技术创新投入指标主要包括资本存量和人力投入。其中，资本存量采用R&D经费(万元)，运用永续盘存法进行核算[17]；价格指数采取消费价格指数和固定资产投资价格指数各占55%和45%，折旧率取15%。人力投入采用规模以上工业企业R&D人员全时当量(人)。技术创新产出指标为规模以上工业企业新产品销售收入(万元)和国内专利申请受理量(项)，前者代表创新成果商业化水平，后者代表创新知识产出。
(2)核心自变量。①产军协同(MCI)。限于国防科技工业数据的保密性，并结合各省域间数据的适用性，参考湛泳和赵纯凯[18]的研究方法，依据国泰安数据库划分标准，为保证足够样本数量进行实证检验，最终选取2006-2016年135家产军协同类上市公司衡量我国各省域产军协同情况。由于数据缺失、上市时间较短或无上市公司等原因，剔除港澳台藏津晋吉桂甘宁10个地区，剩余24个省市自治区。产军协同(MCI)采用上市公司总资产占GDP的比重衡量。2006-2016年24个省市自治区的平均技术创新效率(TIE)和产军协同(MCI)如图1所示。
由图1可知，我国各省技术创新效率差异较大，北京、上海、江苏、安徽、广东技术创新效率较高，位于全国前5位；河北、内蒙古、河南、甘肃、新疆技术创新效率较低，位于全国后5位，技术创新效率呈现出显著的区域发展不平衡现象，东高西低态势明显、差异较大。从产军协同程度看，北京、上海产军协同程度较高，一方面是因为该区域市场资本比较发达，有利于上市公司发展；另一方面，中央企业中军工企业总部较多集中在北京地区，且规模巨大，故其产军协同程度较高。另外，重庆、四川和贵州产军协同程度较高，主要原因在于西部地区承载了我国多数军工企业，且上市公司较少，因此产军协同程度较高；②政府科技支持(GOV)。采用地方财政科学技术支出占GDP之比衡量。
图1 2006-2016年平均技术创新效率与产军协同
(3)控制变量。①市场化水平(MARK)，选取城镇私营和个体就业人员占城镇就业人口的比例衡量；②基础设施建设(INFR)，选取邮政和电信业务总量占GDP的比例衡量；③对外开放(OPEN)，根据历年汇率，将地区出口总额美元转换成人民币，以其占GDP的比例进行衡量；④人力资本(HUMA)，选取每十万人口在校生数，采用对数处理；⑤城镇化水平(URBA)，选取地区城镇人口占地区人口的比例衡量。
为保持数据一致性，时间跨度和省份选取与产军协同指标相同，数据来源于国泰安数据库、国家统计局国家数据和历年《中国统计年鉴》。
基础模型设定如下：
TIEit=C+α1MCIit+α2GOVit+α3MCIit×GOVit+α4Xit+εit
(1)
其中，i为地区，t为年份，C为常数项，MCIit×GOVit为产军协同(MCI)和政府科技支持(GOV)的交互项，Xit为控制变量，εit为随机误差项。
如果技术创新效率(TIE)存在空间溢出效应，则构建空间误差模型(SEM)和空间滞后模型(SLM)。
(2)
(3)
其中，ε、μ、ε'为随机误差项，ε、μ服从正太分布；ρ为空间回归系数，反映了空间滞后项对技术创新效率(TIE)的影响程度和方向；λ为空间误差系数，反映了回归方程残差间的空间依赖关系；ωij为空间权重矩阵。
在运用空间计量模型检验前，需要运用空间相关性检验判断是否存在显著空间溢出效应，若不存在，则采用其它方法。
空间相关性检验有两种方法，即全局空间相关检验和局域空间自相关检验。其中，全局空间相关检验一般采取Moran′ I指数，局域空间自相关检验一般采取Moran散点图[16，19]。在空间相关性检验前需要设定空间权重矩阵，空间权重矩阵可以是地理距离抑或是经济距离。鉴于我国目前基础设施比较完善、物流体系比较发达，地理距离已不再成为各地区经济贸易发展的主要障碍，同时随着我国中西部地区经济的迅速发展，东部地区产业转移除传统劳动密集型产业外，电子信息、机械制造等高端产业转移更多是考虑产业基础雄厚、配套能力强地区，因此可借鉴白俊红和蒋伏心[16] 的方法，以技术创新效率经济距离阈值法构建空间权重矩阵。
基于Moran′ I指数的技术创新效率、产军协同和政府科技支持全局空间相关检验结果如表1所示。
由表1可知，技术创新效率(TIE)Moran'I指数为正，且均在1%水平下显著，说明我国技术创新效率在省域空间分布上呈现出显著的空间正相关性，存在明显的省域空间集聚现象，这与已有研究结论相同[14-16]。产军协同(MCI)历年Moran'I指数为正，除2014年外其余历年基本在5%水平下显著，基本上也呈现出显著的空间集聚现象，政府科技支持(GOV)历年Moran'I指数为正，且均在1%水平下显著，同样存在显著的空间正相关性，与魏章进和宋时蒙[20] 的研究结论相同。
基于Moran散点图，本研究绘制的2016年技术创新效率局域空间自相关检验结果如图2所示。
表1 Moran'I指数全局空间自相关检验结果
变量 2006200820102012201420162006-2016Moran'I0.439 0.412 0.410 0.568 0.586 0.683 0.558 均值-0.034 -0.034 -0.023 -0.035 -0.034 -0.034 -0.035 TIE标准差0.038 0.038 0.165 0.058 0.075 0.080 0.059 Z值4.664 5.769 4.688 5.913 3.324 7.512 3.511 P值0.000 0.002 0.000 0.001 0.001 0.000 0.000 Moran'I0.161 0.150 0.673 0.481 0.308 0.332 0.308 均值-0.045 -0.044 -0.050 -0.046 -0.043 -0.044 -0.054 MCI标准差0.042 0.040 0.158 0.047 0.006 0.005 0.037 Z值2.365 2.907 2.570 3.037 2.005 2.505 2.336 P值0.018 0.004 0.010 0.002 0.071 0.012 0.019 Moran'I0.334 0.349 0.221 0.239 0.312 0.311 0.222 均值-0.045 -0.044 -0.043 -0.042 -0.041 -0.040 -0.043 GOV标准差0.034 0.044 0.117 0.065 0.006 0.007 0.007 Z值5.719 6.027 3.025 5.316 3.115 4.111 3.112 P值0.000 0.000 0.002 0.000 0.002 0.000 0.002
注：随机性检验采用999permutations
图2 2016年技术创新效率空间分布
由图2可知，技术创新效率存在正向空间自相关性，观测值较多位于第一象限，如北京、上海、广东、浙江、江苏等，意味着较高观测值的省域被较高观测值的省域包围，呈现出高高集聚现象；同样，观测值也较多位于第三象限，如黑龙江、贵州、甘肃、新疆、云南、海南等，意味着较低观测值的省域被较低观测值的省域包围，呈现出低低集聚现象；观测值较少位于第二、第四象限，即低高集聚、高低集聚现象较少。其余年度技术创新效率、产军协同和政府科技支持的Moran散点图结论与上述类似，同样明显存在正向空间自相关性，且高高集聚、低低集聚现象显著。
通过空间自相关性检验，省域间技术创新效率、产军协同和政府科技支持集聚现象明显，三者均存在显著的正向空间溢出效应，应将省域空间效应纳入实证模型并采用空间计量模型检验假设H1。
在空间误差模型(SEM)和空间滞后模型(SLM)估计参数前，需采用普通最小二乘法(OLS)检验Robust LM(lag/error)、Lagrange Multiplier (lag/error)统计值，选择更为显著的模型[21]，全国样本检验SLM、SEM和OLS检验结果如表2所示。
从表2可见，SLM统计参数整体优于SEM和OLS估计结果，故此仅列出SLM中各变量估计参数。
(1)随着控制变量的逐步引入，产军协同(MCI)和政府科技支持(GOV)回归系数均在1%水平下显著为正，表明在空间溢出效应下，产军协同、政府科技支持均能够显著促进技术创新效率提升。结果说明，通过产军协同式发展，能够发挥军工企业技术优势，起到促进技术扩散和科技成果转化的作用，并最终促进技术创新效率提升；政府科技支持能够弥补“市场失灵”，克服企业在技术研发时存在的外部性等干扰，为企业提供研究导向和资金帮助，降低企业技术创新风险，进而促进技术创新效率提升，假设H2得证。
(2)在模型(7)中，产军协同(MCI)和政府科技支持(GOV)乘积项(MCI×GOV)的回归系数在1%水下显著为正，说明产军协同和政府科技支持不仅各自对技术创新效率具有促进作用，二者还存在互补效应，通过彼此间的交互作用，能够共同提升技术创新效率。其中，技术创新效率对产军协同的边际效应为
由回归结果可知，γ1和γ3符号为正，进一步说明产军协同能够促进技术创新效率提升，且在政府科技支持作用下，会强化促进作用；技术创新效率对政府科技支持的边际效应为
由回归结果可知，γ2和γ3符号为正，进一步说明政府科技支持能够促进技术创新效率提升，并且在产军协同作用下，同样会强化促进作用，假设H4得证。
(3)控制变量解释。①市场化水平(MARK)回归系数均在1%水平下显著为正，说明市场化程度提高确实能够优化资源配置，促进技术效率提升；②基础设施建设(INFR)回归系数不显著为正，说明基础设施建设虽然能够促进技术创新效率提升，但这种影响作用并不明显。原因在于：一是虽然以往研究认为基础设施建设能够促进技术创新发展，但目前我国基建比较完善，因此导致对技术创新的影响变得不再显著；二是现代社会早已步入信息化时代，基础设施建设对技术交流、扩散等的作用不再重要。另外，蔡晓慧和茹玉骢[22]研究指出，基础设施建设对技术创新的影响取决于规模效应和挤出效应二者的共同作用；③对外开放(OPEN)回归系数为正，但其对技术创新效率的影响不显著。原因在于，虽然对外开放能够引进资本和技术，但由于我国自身科技发展迅速，外资引进技术的先进性值得商榷，验证了通过外资引入技术对提升我国整体技术水平和创新能力存在局限性；④人力资本(HUMA)回归系数均在1%水平下显著为正，说明人力资本是提升技术创新效率的重要因素；⑤城镇化水平(URBA)回归系数均在1%水平下显著为正，说明城镇化水平能够通过产业集聚、要素集聚等方式促进技术创新效率提升。
表2 全国样本检验结果
变量(1)(2)(3)(4)(5)(6)(7)C0.161∗∗∗0.105∗∗∗0.084∗∗0.094∗∗∗-0.180-0.688∗∗-0.719∗∗∗(7.011)(3.701)(2.190)(3.244)(-0.795)(-2.410)(-2.623) MCI3.096∗∗∗3.199∗∗∗3.234∗∗∗2.969∗∗∗2.851∗∗∗2.903∗∗∗5.544∗∗∗(6.577)(6.885)(6.939)(6.106)(5.767)(5.957)(4.753)GOV15.477∗∗∗13.866∗∗∗13.706∗∗∗17.700∗∗∗15.601∗∗∗21.656∗∗∗26.747∗∗∗(3.915)(3.529)(3.488)(3.805)(3.154)(4.100)(4.840)MARK 0.088∗∗∗0.096∗∗∗0.100∗∗∗0.094∗∗∗0.109∗∗∗0.086∗∗∗ (3.344)(3.425)(3.636)(3.401)(3.958)(2.976)SLMINFR0.269 (0.801) OPEN0.1140.1230.014 (1.532)(1.644)(0.156) HUMA0.037∗∗0.126∗∗∗0.126∗∗∗ (2.209)(2.922)(3.134)URBA0.420∗∗∗0.377∗∗∗(2.920)(3.116)MCI×GOV-0.286(-3.485)ρ0.257∗∗∗0.220∗∗∗0.221∗∗∗0.222∗∗∗0.233∗∗∗0.225∗∗∗0.213∗∗∗(4.900)(4.190)(4.203)(4.273)(4.508)(4.366)(4.109)R20.4000.4190.4200.4240.4290.4450.457对数似然值152.1157.5157.8158.6159.4163.5166.6AIC统计值-296.2-305.0-303.6-305.3-304.7-311.1-317.2SC统计值-281.9-287.1-282.1-283.8-279.7-282.5-288.6 R20.3930.4070.4070.4160.4240.4290.442对数似然值150.3155.2155.2156.8157.8160.0163.6SEMAIC统计值294.6-302.3-300.4-303.5-303.6-306.1-313.2SC统计值-283.9-288.0-282.6-285.6-282.2-281.1-288.2 R20.3750.3850.3840.3970.4090.4120.428对数似然值148.5152.9152.6154.9156.3156.5160.6OLSAIC统计值-293.1-299.7-297.3-301.7-302.6-301.1-309.3SC统计值-285.9-289.0-283.0-287.4-284.7-279.6-287.8
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
我国省域间差别较大，为进一步检验产军协同、政府科技支持对技术创新效率的影响，将全国分为东部、中部和西部进行分区域检验。根据全国样本实证结果，剔除不显著变量，其余指标度量、权重选取均与上述相同，进行空间相关性检验发现存在显著空间溢出效应，各地区SEM回归结果和SLM、OLS估计部分统计值如表3所示。
由表3可见，SEM统计参数优于SLM和OLS，对SEM进一步分析可知：
(1)分地区空间计量模型中，产军协同(MCI)、政府科技支持(GOV)及二者交互项(MCI×GOV)对技术创新效率具有显著正向促进作用，与全国样本的结果一致，说明结论是稳健的。
(2)西部地区产军协同(MCI)对技术创新效率的影响系数最大，说明西部地区相较于东部和中部地区，产军协同对促进技术创新效率的作用更显著。原因在于：一是从军工企业布局看，西部地区承载了我国多数军工企业，特别是在贵州、重庆、四川、陕西、湖北等区域建设了大批量国防科技工业及相关产业企业和科研院所；二是从产业结构看，西部地区呈现出“二三一”产业结构，相比较东部地区“三二一”产业结构，西部地区更容易吸收产军协同带来的工业技术创新成果；三是从技术来源渠道看，西部地区经济欠发达，技术来源渠道比东部地区窄，因而西部地区产军协同对技术创新效率的影响程度比东部地区大。
表3 分地区样本检验结果
模型变量东部(8)中部(9)西部(10)SEMC1.557∗-0.819-1.162∗∗(1.792)(-1.154)(-2.181)MCI6.579∗∗∗6.852∗∗∗8.826∗∗∗(3.266)(3.463)(2.746)GOV11.98472.643∗∗∗79.948∗∗(1.156)(4.065)(2.416)MARK0.075 2∗∗∗0.066∗∗∗0.005∗∗∗(3.116)(2.946)(3.432)HUMA0.243∗∗∗0.130 5∗∗0.137∗∗∗(2.933)(2.278)(3.629)URBA0.494∗∗∗0.191∗∗∗1.133∗∗(3.368)(2.664)(2.192)MCI×GOV0.208∗∗0.366∗∗∗0.763∗∗∗(2.110)(3.676)(3.469)ρ/λ0.802∗∗∗0.366∗∗∗0.559∗∗∗(20.635)(3.676)(6.888)R20.8650.5920.822对数似然值114.869.698.2AIC统计值-215.6-125.2-182.3SC统计值-196.7-108.8-165.9R20.7880.5850.771对数似然值101.469.592.8SLMAIC统计值-186.8-123.0-169.6SC统计值-165.2-104.2-150.9R20.7220.5780.716对数似然值100.169.488.0OLSAIC统计值-161.9-121.2-160.6SC统计值-142.4-102.9-139.8
西部地区政府科技支持(GOV)对技术创新效率的影响程度同样最大，主要是由于西部地区市场经济欠发达，并且技术创新存在较大的外部性，需要政府在其中发挥更大的导向性作用，并为其提供可靠的资金保障，假设H3得证。
(3)控制变量与全国样本检验结果相同。
前文已经采取引入控制变量和分地区检验两种方法保证结论的稳健性，后续再次采用替换部分变量进行稳健性检验。在重新测算技术创新效率时，考虑技术创新活动过程中的非期望产出，采用非径向SBM模型测算技术创新效率[23-24]；产军协同采用产军协同类上市公司总资产与国有及规模以上非国有工业企业总资产之比度量，其余均相同，稳健性检验结果如表4所示。
由表4可知，稳健性检验与上述研究结论基本相同，不同的是稳健性检验中SEM估计参数优于SLM和OLS，对外开放(OPEN)的显著性优于全国样本检验结果。
鉴于我国省域间生产资源的流动性，从省域空间溢出效应视角，运用全局和局域空间自相关检验，分别对产军协同、政府科技支持及技术创新效率的空间溢出效应进行检验；进一步从全国和分地区两个维度，通过空间误差模型(SEM)、空间滞后模型(SLM)和普通最小二乘法(OLS)实证检验产军协同、政府科技支持及二者交互项对技术创新效率的影响，并进行稳健性检验，得出主要结论与启示如下：
(1)通过全局和局域空间自相关检验发现，我国省域间产军协同、政府科技支持和技术创新效率均存在显著的正向空间相关性，即省域间存在正向空间溢出效应，说明省域间相互促进作用显著，邻近省份发展能够通过溢出效应促进本省发展。但Moran散点图显示，较多省份处于第一、三象限，高高集聚和低低集聚现象明显，说明各省域间存在高低非均衡“俱乐部”现象。这意味着，各省要突出区域功能定位、立足区域比较优势，以区域协调联动、协同发展为目标，加强规划对接、产业协作、设施互通、市场开放、服务共享、生态共治，统筹谋划城市群建设及经济区发展，以中央及各省完善区域协同发展工作推进机制为保障，创新协同治理、激励考核、合作共建、利益分享等，综合制定与运用各类政策，探索建立更加有效的区域协同发展机制。
(2)从全国看，产军协同对提升技术创新效率具有显著促进作用；分地区看，西部地区促进效果最为明显。这是因为，产军协同企业大多属于技术密集型企业，通过产军协同式发展，可以释放军工企业大量技术资源，进而对提升民企技术创新效率产生影响。另外，西部地区承载了我国多数军工企业，是我国军工企业布局密集区，并呈“三二一”型经济产业结构、技术来源渠道较窄，导致西部地区产军协同对技术创新效率的影响程度比东部地区大。这意味着，产军协同不仅仅是军民企业技术层面融合发挥技术扩散作用，本质上还能促进民企技术创新效率提升，其是我国在经济新常态下，以技术创新创造新需求和新经济增长点的新手段，具有极其重要的战略意义；同时，也是发挥西部地区军工企业密集优势，追赶东部地区的重要机遇和手段。促进产军协同发展，一是强化军民统筹协调，构建产军协同创新体系，从国家层面健全军民技术创新顶层决策机制和军地双方协调机制，强化创新管理体系设计、统一领导和统筹协调，完善跨军地、跨领域协调对接体制机制，形成中央统筹、军地协同、部门负责的创新组织体系；二是推动创新主体高效协同，统筹军工集团、科研机构、高等院校、国有和民营企业等创新主体建立优势互补、联合开发、风险共担、成果共享合作机制；三是创新军民均衡衔接链条机制，以需求引领、技术驱动为原则，推动军事科学、基础理论研究、应用技术研究、产品研制、维修保障和技术产业化等创新链中各环节均衡发展、紧密结合。
表4 稳健性检验估计结果
变量(11)(12)(13)(14)(15)(16)(17)C0.146∗∗0.105∗0.0930.119∗-0.0040.0760.052(2.449)(1.726)(1.517)(1.947)(-0.037)(0.534)(0.364) MCI0.939∗∗∗0.955∗∗∗0.987∗∗∗1.170∗∗∗1.113∗∗∗1.103∗∗∗2.223∗∗∗(2.943)(3.062)(3.160)(3.704)(3.496)(3.471)(4.692)GOV8.122∗∗∗8.688∗∗∗8.566∗∗∗5.454∗∗∗4.420∗∗3.347∗∗4.608∗∗∗(4.609)(5.022)(4.953)(2.674)(2.521)(2.359)(2.880)MARK 0.042∗∗∗0.046∗∗∗0.030∗∗0.028∗∗0.025∗∗0.015∗∗ (3.498)(3.679)(2.360)(2.228)(2.353)(2.140)SEMINFR 0.164 (1.115) OPEN 0.094∗∗∗0.091∗∗∗0.071∗0.054∗ (2.879) (2.767) (1.830)(1.908)HUMA 0.017∗∗∗0.003∗∗∗0.005∗∗∗ (3.281)(3.548)(3.240)URBA 0.062∗∗∗0.088∗∗ (2.940)(2.355) MCI×GOV 0.014∗∗∗ (3.144)λ0.939∗∗∗0.940∗∗∗0.940∗∗∗0.941∗∗∗0.942∗∗∗0.942∗∗∗0.944∗∗∗(39.341)(40.096)(40.064)(41.106)(41.373)(41.805)(43.241)R20.8100.8180.8190.8240.8250.8260.832对数似然值363.8369.7370.4373.8374.6375.1379.9AIC统计值-721.5-731.5-730.7-737.7-737.3-736.2-743.9SC统计值-710.8-717.2-712.9-719.8-715.8-711.1-715.3 SLMR20.8080.8120.8130.8180.8190.8190.826对数似然值362.2367.1367.7371.1371.9372.4377.2AIC统计值-720.5-724.1-723.4-730.2-729.9-728.8-736.4SC统计值-706.2-707.2-711.0-713.8-715.9-716.3-717.3 OLSR20.7120.7220.7230.7270.7280.7280.734对数似然值311.5329.1329.6332.7333.4333.8338.1AIC统计值-605.0-622.1-621.5-627.3-627.0-626.1-632.6SC统计值-640.4-573.6-683.3-629.8-717.0-738.0-749.3
(3)政府科技支持对提升技术创新效率具有显著促进作用，西部地区促进效果最为明显。这是因为，政府科技支持通过为企业提供研究导向、资金保障、降低企业技术创新风险等，促进技术创新效率提升。西部地区效果之所以最明显，与市场经济发展水平不高、技术获取渠道狭窄有关，导致西部地区更需要政府科技支持。这意味着，现阶段政府应继续加大对企业技术创新的支持力度，包括直接财政科技拨款支持、间接税收优惠和科技项目倾斜等，而且直接财政科技拨款是许多发达国家政府激励企业技术创新的普遍做法，如美国、日本等。
(4)产军协同、政府科技支持不仅各自能够提升技术创新效率，彼此间还存在明显的交互作用，能够发挥二者互补效应，进一步促进技术创新效率提升。这说明，政府作为二者共同作用的主体，应在促进技术创新效率提升方面发挥重要作用。
(5)控制变量对技术创新效率存在差异化影响。市场化水平、人力资本和城镇化水平能够显著提升技术创新效率；基础设施建设对技术创新效率的正向促进作用并不显著；对外开放虽然能够促进技术创新效率提升，但其显著性需要进一步研究。
本研究较为详实地研究了产军协同、政府科技支持与技术创新效率间的关系，但仍存在以下不足：一是从实证模型选取角度看，虽然考虑了技术创新空间溢出效应并采用静态空间计量模型，但忽略了技术创新的“路径依赖”特征，即过去创新活动对现在创新活动的影响，所以未来应考虑采用动态空间计量模型解决该问题；二是虽然进一步丰富了技术创新效率测算方法，但本研究实证检验和稳健性检验均是基于数据包络分析法(DEA)测算技术创新效率，未来可进一步采用随机前沿分析法(SFA)进行检验。
产军协同战略、创新驱动发展战略称为国家重大发展战略，足见其重要性。未来可重点从以下几个方面开展进一步研究：一是分析产军协同与技术创新间的作用路径，即产军协同是通过哪些具体路径(如人才角度、资金角度、平台角度等)作用于技术创新的，以及技术创新能否显著反作用于产军协同；二是从产军协同战略、创新驱动战略研究体系角度出发，探讨产军协同战略与其它因素(如产业集聚、协同集聚等)能否共同作用于创新发展，以及二者交互作用下对创新发展的影响。
[1] 易信,刘凤良.金融发展、技术创新与产业结构转型——多部门内生增长理论分析框架[J].管理世界,2015(10):24-39.
[2] 鲁桐,党印.投资者保护、行政环境与技术创新:跨国经验证据[J].世界经济,2015(10):99-124.
[3] KOGAN L,PAPANIKOLAOU D,SERU A,et al.Technological innovation,resource allocation,and growth[J].The Quarterly Journal of Economics,2017,132(2):665-712.
[4] 张明亲,谢立仁,张冬敏.基于ANT的军民融合技术创新动力机制研究[J].西安交通大学学报(社会科学版),2015(5):48-53.
[5] 赵黎明,孙健慧,张海波.基于微分博弈的军民融合协同创新体系技术共享行为研究[J].管理工程学报,2017,31(3):183-191.
[6] 彭春丽,李湘黔.军民融合区域创新网络研究[J].科学管理研究,2017(4):47-51.
[7] 胡红安,刘丽娟.我国军民融合产业创新协同度实证分析——以航空航天制造产业为例[J].科技进步与对策,2015(3):121-126.
[8] 聂鸣,曾赤阳,丁秀好.不同政府科技资助与区域R&D产出的关系研究[J].科学学研究,2014,32(10):1468-1475.
[9] 郑烨,吴建南.政府支持行为何以促进中小企业创新绩效?——一项基于扎根理论的多案例研究[J].科学学与科学技术管理,2017,38(10):41-54.
[10] 肖文,林高榜.政府支持、研发管理与技术创新效率——基于中国工业行业的实证分析[J].管理世界,2014(4):71-80.
[11] 李平,刘利利.政府研发资助、企业研发投入与中国创新效率[J].科研管理,2017,38(1):21-29.
[12] 毛其淋,许家云.政府补贴对企业新产品创新的影响——基于补贴强度“适度区间”的视角[J].中国工业经济,2015(6):94-107.
[13] 吴晓飞.科技支持、补贴陷阱与区域创新能力[J].财贸研究,2016(5):99-106.
[14] 鲁元平,王品超,朱晓盼.城市化、空间溢出与技术创新——基于中国264个地级市的经验证据[J].财经科学,2017(11):78-89.
[15] WANG Y,NING L,LI J,et al.Foreign direct investment spillovers and the geography of innovation in Chinese regions:the role of regional industrial specialization and diversity[J].Regional Studies,2016,50(5):805-822.
[16] 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.
[17] 王维,陈杰,毛盛勇.基于十大分类的中国资本存量重估:1978～2016年[J].数量经济技术经济研究,2017(10):60-77.
[18] 湛泳,赵纯凯.资本市场发展、军民融合与产业结构优化升级[J].南开经济研究,2016(5):36-54.
[19] PIJNENBURG K,KHOLODILIN K A.Do regions with entrepreneurial neighbours perform better?a spatial econometric approach for German regions[J].Regional Studies,2014,48(5):866-882.
[20] 魏章进,宋时蒙.我国R&D资源配置水平的空间差异及其分布的动态演进[J].广东财经大学学报,2017,32(3):4-15.
[21] 邵帅,李欣,曹建华,等.中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J].经济研究,2016(9):73-88.
[22] 蔡晓慧,茹玉骢.地方政府基础设施投资会抑制企业技术创新吗——基于中国制造业企业数据的经验研究[J].管理世界,2016(11):32-52.
[23] TONE K.Dealing with undesirable outputs in DEA:a slacks-based measure (SBM) approach[R].GRIPS Research Report Series,2003.
[24] 常晓然,周全,吴晓波.我国54个城市的创新效率比较研究:基于包含非期望产出的SBM-NDEA模型[J].管理工程学报,2016,30(1):9-18.