我國(guó)省域知識(shí)溢出吸收測(cè)度——基于空間計(jì)量方法的研究

胡彩梅，趙樹(shù)寬

（1.吉林大學(xué)管理學(xué)院，吉林 長(zhǎng)春 130022；2.黑龍江科技學(xué)院經(jīng)濟(jì)管理學(xué)院，黑龍江 哈爾濱 150027）

我國(guó)省域知識(shí)溢出吸收測(cè)度
——基于空間計(jì)量方法的研究

胡彩梅1，2，趙樹(shù)寬1

（1.吉林大學(xué)管理學(xué)院，吉林 長(zhǎng)春 130022；2.黑龍江科技學(xué)院經(jīng)濟(jì)管理學(xué)院，黑龍江 哈爾濱 150027）

在對(duì)2009年我國(guó)31個(gè)省、市、自治區(qū)知識(shí)產(chǎn)出數(shù)據(jù)進(jìn)行探索性空間數(shù)據(jù)分析的基礎(chǔ)上，發(fā)現(xiàn)知識(shí)產(chǎn)出具有顯著的空間自相關(guān)性。因此，在知識(shí)生產(chǎn)函數(shù)中引入空間滯后項(xiàng)，構(gòu)建了知識(shí)生產(chǎn)的空間滯后模型。通過(guò)計(jì)算經(jīng)過(guò)空間過(guò)濾的全要素知識(shí)生產(chǎn)率，測(cè)算出我國(guó)省域知識(shí)溢出吸收量。實(shí)證研究結(jié)果表明，我國(guó)省域R&D支出、R&D人員和實(shí)際利用FDI的知識(shí)產(chǎn)出彈性系數(shù)分別為0.8583、0.1635和0.1096。知識(shí)溢出吸收量呈“中部隆起”狀，與經(jīng)濟(jì)發(fā)展水平并不存在必然正相關(guān)關(guān)系，并且空間集聚現(xiàn)象非常明顯。

知識(shí)生產(chǎn)函數(shù)；知識(shí)溢出吸收；全要素知識(shí)生產(chǎn)率；空間滯后模型

1 引言

知識(shí)溢出的概念是Mac.Dougall（1960）在研究東道國(guó)接受外商直接投資的社會(huì)效益時(shí)正式提出的，他首次把知識(shí)的溢出效應(yīng)視為FDI的一個(gè)重要現(xiàn)象。經(jīng)過(guò)半個(gè)世紀(jì)不斷地研究，知識(shí)溢出已經(jīng)成為內(nèi)生經(jīng)濟(jì)增長(zhǎng)理論、新經(jīng)濟(jì)地理學(xué)中的一個(gè)重要概念。學(xué)者在研究中從不同角度對(duì)知識(shí)溢出進(jìn)行了界定，其中代表性的定義有以下幾種。Arrow提出當(dāng)新技術(shù)的秘密成為公共物品而不再為創(chuàng)新企業(yè)所獨(dú)占時(shí)，就出現(xiàn)了知識(shí)溢出效應(yīng)。Griliches指出知識(shí)溢出就是在相似的事情上工作，并從彼此的研究中獲益。Jaffe認(rèn)為，知識(shí)溢出指的是模仿者通過(guò)與知識(shí)創(chuàng)新者進(jìn)行信息交換而獲得知識(shí)和知識(shí)收益，而創(chuàng)新者并未得到直接的補(bǔ)償，或得到的補(bǔ)償?shù)陀趧?chuàng)新知識(shí)的價(jià)值［1］。Caniels認(rèn)為知識(shí)溢出是通過(guò)信息交流而獲得的智力成果，但不給予知識(shí)創(chuàng)造者以補(bǔ)償，或給予的補(bǔ)償小于智力成果的價(jià)值［2］。由此可見(jiàn)，知識(shí)溢出之所以能夠產(chǎn)生，其根本原因在于知識(shí)本身具有非競(jìng)爭(zhēng)性和部分排他性。但是，這種非自愿性的知識(shí)外溢，卻可以促進(jìn)區(qū)域技術(shù)和生產(chǎn)力水平的提高。

知識(shí)溢出現(xiàn)象極為普遍，它在集聚、創(chuàng)新以及區(qū)域經(jīng)濟(jì)增長(zhǎng)中的作用已經(jīng)得到了廣泛的證實(shí)。但是，以Krugman為代表的學(xué)者認(rèn)為知識(shí)的流動(dòng)是無(wú)形的，沒(méi)有留下書(shū)面的痕跡可供度量和追蹤，因此知識(shí)溢出的經(jīng)驗(yàn)測(cè)度是不可靠的［3］。而Jaffe發(fā)現(xiàn)，使用相似技術(shù)的企業(yè)會(huì)從彼此的研發(fā)工作中獲益，一個(gè)企業(yè)所獲得的知識(shí)以及由此帶來(lái)的生產(chǎn)率的提高，與其他企業(yè)有很大的關(guān)聯(lián)。因此，又有很多學(xué)者采用各種方法對(duì)知識(shí)溢出進(jìn)行測(cè)度。其中比較流行的方法是生產(chǎn)函數(shù)法和文獻(xiàn)追蹤法。

Griliches最早運(yùn)用生產(chǎn)函數(shù)法討論了R&D密集型產(chǎn)業(yè)產(chǎn)出的測(cè)度以及R&D資本存量的測(cè)算問(wèn)題，運(yùn)用企業(yè)與產(chǎn)業(yè)之間的技術(shù)距離對(duì)研發(fā)的溢出效應(yīng)進(jìn)行了度量，并探討了研發(fā)溢出效應(yīng)模型［4］。Jaffe對(duì)Griliches的生產(chǎn)函數(shù)進(jìn)行了改進(jìn)，引入溢出的空間效應(yīng)，對(duì)區(qū)域?qū)用娴腞&D溢出進(jìn)行了研究，強(qiáng)調(diào)了高校、產(chǎn)業(yè)的地理空間以及技術(shù)相似的重要性，發(fā)現(xiàn)溢出效應(yīng)在藥品和醫(yī)藥技術(shù)、電子、光學(xué)器械、核技術(shù)等產(chǎn)業(yè)比較顯著［5］。Anselin等運(yùn)用空間計(jì)量經(jīng)濟(jì)模型對(duì)Griliches-Jaffe知識(shí)生產(chǎn)函數(shù)進(jìn)行了改進(jìn)，從州和大城市的層面對(duì)知識(shí)生產(chǎn)函數(shù)進(jìn)行了估計(jì)。在州層面上，引入研發(fā)構(gòu)成區(qū)位指數(shù)、引力距離衰減指數(shù)、覆蓋距離指數(shù)對(duì)地理相似指數(shù)進(jìn)行改進(jìn)；在大城市層面上，引入空間滯后變量分析了大城市及其同心圓區(qū)域研發(fā)活動(dòng)的特征［6］。Anselin等在考慮空間依賴(lài)性和空間異質(zhì)性的基礎(chǔ)上運(yùn)用空間計(jì)量模型描述了空間外部性的形成，研究結(jié)果表明不同部門(mén)的知識(shí)溢出存在差異，證明了集聚效應(yīng)的存在。Fritscher和Varga研究澳大利亞高等學(xué)校的研究活動(dòng)和高技術(shù)產(chǎn)業(yè)區(qū)域的知識(shí)生產(chǎn)活動(dòng)時(shí)，考慮了知識(shí)生產(chǎn)的時(shí)滯性，對(duì)傳統(tǒng)的知識(shí)生產(chǎn)函數(shù)模型進(jìn)行了改進(jìn)，提出了精練知識(shí)生產(chǎn)函數(shù)，將區(qū)域內(nèi)與區(qū)域間的溢出效應(yīng)分離開(kāi)來(lái)。Fischer和Varga以專(zhuān)利作為產(chǎn)出變量，以大學(xué)研究和企業(yè)R&D投資作為投入變量，運(yùn)用生產(chǎn)函數(shù)測(cè)度了澳大利亞的空間知識(shí)溢出［7］。Andersson和Ejermo運(yùn)用知識(shí)生產(chǎn)函數(shù)研究了瑞典功能區(qū)的知識(shí)溢出［8］。陳繼勇和盛楊懌在生產(chǎn)函數(shù)框架下檢驗(yàn)了中國(guó)29個(gè)行政區(qū)1992—2006年區(qū)域R&D投入、外商在華直接投資的知識(shí)溢出對(duì)區(qū)域技術(shù)進(jìn)步的影響［9］。王立平依據(jù)空間計(jì)量經(jīng)濟(jì)學(xué)理論，在生產(chǎn)函數(shù)模型框架下，以高技術(shù)產(chǎn)業(yè)為例對(duì)我國(guó)高校R&D知識(shí)溢出的空間范圍和程度進(jìn)行了實(shí)證研究［10］。呂忠偉運(yùn)用區(qū)域知識(shí)模型，在考慮區(qū)域吸收能力影響的同時(shí)研究了R&D空間溢出等因素對(duì)區(qū)域知識(shí)生產(chǎn)的影響［11］。鄧明和錢(qián)爭(zhēng)鳴在對(duì)我國(guó)省際知識(shí)存量進(jìn)行估計(jì)的基礎(chǔ)上，修正了傳統(tǒng)的知識(shí)生產(chǎn)函數(shù)，分析了知識(shí)生產(chǎn)活動(dòng)中投入要素的產(chǎn)出彈性、知識(shí)生產(chǎn)的規(guī)模報(bào)酬及空間溢出問(wèn)題［12］。陳繼勇和雷欣通過(guò)在知識(shí)生產(chǎn)函數(shù)中引入空間隨機(jī)效應(yīng)項(xiàng)，構(gòu)建了貝葉斯空間層級(jí)模型，對(duì)我國(guó)省際知識(shí)溢出效應(yīng)進(jìn)行了測(cè)度［13］。

Jaffe運(yùn)用專(zhuān)利引用數(shù)據(jù)來(lái)估計(jì)產(chǎn)業(yè)之間的知識(shí)流動(dòng)。Jaffe等認(rèn)為知識(shí)流動(dòng)確實(shí)留下了痕跡，并常常以專(zhuān)利引用的形式存在，因此可以運(yùn)用專(zhuān)利引用數(shù)據(jù)測(cè)度企業(yè)間的技術(shù)溢出［14］。Jaffe等通過(guò)對(duì)專(zhuān)利引用者和被引用者的訪談發(fā)現(xiàn)專(zhuān)利引用確實(shí)可以證明存在知識(shí)流動(dòng)，但其中存在大量的噪聲。Tijssen也提出了新的證據(jù)證明在研究國(guó)內(nèi)和跨國(guó)技術(shù)關(guān)聯(lián)與知識(shí)流動(dòng)時(shí)使用專(zhuān)利引用數(shù)據(jù)是合理的。Maurseth和Verspagen運(yùn)用專(zhuān)利引用說(shuō)明了知識(shí)流動(dòng)的模式［15］。馬野青和林寶玉運(yùn)用專(zhuān)利引用追蹤法測(cè)度了FDI對(duì)東道國(guó)的知識(shí)溢出效應(yīng)［16］。

國(guó)內(nèi)外學(xué)者針對(duì)知識(shí)溢出效應(yīng)測(cè)度開(kāi)展了廣泛的研究，但對(duì)中國(guó)省域空間知識(shí)溢出的測(cè)度仍然處于探索階段，探索區(qū)域吸收知識(shí)溢出的研究還比較少。本文在借鑒前人研究成果的基礎(chǔ)上構(gòu)建了考慮空間滯后效應(yīng)的知識(shí)生產(chǎn)函數(shù)，通過(guò)測(cè)算經(jīng)過(guò)空間過(guò)濾的全要素知識(shí)生產(chǎn)率，對(duì)中國(guó)31個(gè)省、市、自治區(qū)的知識(shí)溢出吸收量進(jìn)行測(cè)度，并探索提高知識(shí)生產(chǎn)效率和知識(shí)溢出效率的途徑，以期為我國(guó)省域經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展提供借鑒。

2 研究設(shè)計(jì)

由于生產(chǎn)函數(shù)既能夠體現(xiàn)知識(shí)溢出的空間特征，又可以通過(guò)一系列變量近似地表示知識(shí)投入和產(chǎn)出，在研究中應(yīng)用比較廣泛。全要素生產(chǎn)率又稱(chēng)為“索洛余值”，是衡量單位總投入和總產(chǎn)量的生產(chǎn)率指標(biāo)。產(chǎn)出增長(zhǎng)率超出要素投入增長(zhǎng)率的部分為全要素生產(chǎn)率增長(zhǎng)率。在知識(shí)生產(chǎn)過(guò)程中，知識(shí)產(chǎn)出增長(zhǎng)率超出要素投入增長(zhǎng)率的部分可以看做是吸收知識(shí)溢出的結(jié)果。

本文通過(guò)測(cè)算2009年度我國(guó)31個(gè)省、市、自治區(qū)的全要素知識(shí)生產(chǎn)率，進(jìn)而分析其知識(shí)溢出的吸收情況。

2.1 探索性空間數(shù)據(jù)分析

進(jìn)行空間數(shù)據(jù)分析時(shí)，首先要運(yùn)用探索性空間數(shù)據(jù)分析直觀地描述空間數(shù)據(jù)，從而發(fā)現(xiàn)問(wèn)題，然后運(yùn)用空間計(jì)量經(jīng)濟(jì)方法深入研究所發(fā)現(xiàn)的問(wèn)題，進(jìn)而為相關(guān)理論提供經(jīng)驗(yàn)證據(jù)。

全局空間相關(guān)性分析主要是從區(qū)域空間的整體上刻畫(huà)區(qū)域知識(shí)生產(chǎn)空間分布的集群情況。檢驗(yàn)全局空間相關(guān)性最常用的指標(biāo)是Moran指數(shù)。該系數(shù)是用來(lái)衡量相鄰空間分布對(duì)象及其屬性取值之間的關(guān)系。其計(jì)算公式如下：

Moran指數(shù)可以視為觀測(cè)值與其空間滯后之間的相關(guān)系數(shù)。變量Yi的空間滯后是Yi在鄰域j的平均值，其定義為：

Moran指數(shù)的取值在-1到1之間，大于0表示該空間事物的屬性分布具有正相關(guān)性，接近1時(shí)表示具有相似的屬性集聚在一起（即高值與高值相鄰、低值與低值相鄰）；小于0表示該空間事物的屬性分布具有負(fù)相關(guān)性，接近-1時(shí)表示具有相異的屬性集聚在一起（即高值與低值相鄰、低值與高值相鄰）；接近于0表示屬性是隨機(jī)分布的，不存在空間自相關(guān)性［19］。

運(yùn)用Rook相鄰方法設(shè)定權(quán)重矩陣，得出中國(guó)內(nèi)地31個(gè)省、市、自治區(qū)的一階鄰接矩陣，鄰接矩陣的961個(gè)元素中，共有136個(gè)元素是非零的，反映了對(duì)應(yīng)省、市、自治區(qū)的相鄰關(guān)系。用專(zhuān)利申請(qǐng)量來(lái)代表生產(chǎn)的新知識(shí)是學(xué)界常用的方法。為了消除區(qū)域大小不同而產(chǎn)生的偏差，本文采用省域萬(wàn)人專(zhuān)利申請(qǐng)量來(lái)表示生產(chǎn)的新知識(shí)，用萬(wàn)人R&D經(jīng)費(fèi)內(nèi)部支出、萬(wàn)人R&D人員折合全時(shí)當(dāng)量、萬(wàn)人FDI作為知識(shí)生產(chǎn)的投入要素。運(yùn)用GeoDa軟件，計(jì)算得出我國(guó)省域知識(shí)產(chǎn)出和知識(shí)投入的空間自相關(guān)性及蒙特卡羅檢驗(yàn)（見(jiàn)表1）。

由表1可以看出，我國(guó)省域萬(wàn)人專(zhuān)利申請(qǐng)量和萬(wàn)人 R&D經(jīng)費(fèi)內(nèi)部支出的 Moran指數(shù)分別為0.3967和0.3514，并且在1%的顯著性水平下都通過(guò)了蒙特卡羅模擬檢驗(yàn)。這說(shuō)明我國(guó)省域知識(shí)產(chǎn)出和R&D經(jīng)費(fèi)內(nèi)部支出空間自相關(guān)性顯著。而萬(wàn)人R&D人員折合全時(shí)當(dāng)量、萬(wàn)人FDI的Moran指數(shù)分別為0.047和0.081，未能通過(guò)顯著性檢驗(yàn)，說(shuō)明R&D人員和FDI的空間自相關(guān)性不顯著。

2.2 模型的構(gòu)建

知識(shí)生產(chǎn)函數(shù)最早是由Griliches［4］提出的，他認(rèn)為知識(shí)投入是知識(shí)產(chǎn)出的函數(shù)。本文在前人研究的基礎(chǔ)上對(duì)知識(shí)生產(chǎn)函數(shù)進(jìn)行了擴(kuò)展，構(gòu)建如下的空間滯后模型：

式（3）中，Y代表知識(shí)產(chǎn)出；X代表影響區(qū)域知識(shí)生產(chǎn)的相關(guān)因素；W代表空間加權(quán)向量，用鄰接矩陣表示；ρ代表空間自相關(guān)系數(shù)，|ρ|〉1意味著空間自相關(guān)度較高，距離就越遠(yuǎn)；ξ為隨機(jī)誤差項(xiàng)向量。

由于式（3）右邊存在因變量，所以無(wú)法直接運(yùn)用最小二乘法進(jìn)行估計(jì)，因此需要對(duì)式（3）進(jìn)行變換。

式（4）中A代表加權(quán)矩陣；ρ?代表估計(jì)的自相關(guān)系數(shù)；wij代表區(qū)域之間的距離。（1－ρW）Y是一個(gè)被過(guò)濾的空間因變量，即空間自相關(guān)的影響已剔除。

本文以萬(wàn)人專(zhuān)利申請(qǐng)量（PAT）代表知識(shí)產(chǎn)出，為被解釋變量；選擇萬(wàn)人R&D經(jīng)費(fèi)內(nèi)部支出作為知識(shí)生產(chǎn)的資本投入（CAPITAL）、萬(wàn)人R&D人員折合全時(shí)當(dāng)量作為勞動(dòng)投入（HUMAN）。一方面由于FDI企業(yè)在生產(chǎn)、經(jīng)營(yíng)活動(dòng)過(guò)程中通過(guò)示范效應(yīng)、競(jìng)爭(zhēng)效應(yīng)以及跨國(guó)公司人員的培訓(xùn)和流動(dòng)會(huì)為當(dāng)?shù)貛?lái)知識(shí)溢出，另一方面FDI還可以通過(guò)增加當(dāng)?shù)氐倪M(jìn)口貿(mào)易從而傳遞國(guó)際知識(shí)溢出。因此，將各區(qū)域?qū)嶋H利用FDI（FDI）也作為知識(shí)生產(chǎn)的一個(gè)投入要素。建立雙對(duì)數(shù)知識(shí)生產(chǎn)函數(shù)模型：

用知識(shí)生產(chǎn)的全要素生產(chǎn)率 （TFP）乘以(1－ρW)來(lái)衡量區(qū)域知識(shí)溢出。

2.3 結(jié)果分析

運(yùn)用OLS法對(duì)空間滯后模型進(jìn)行回歸，發(fā)現(xiàn)我國(guó)31個(gè)省域知識(shí)生產(chǎn)函數(shù)的擬合優(yōu)度為85.70%，各個(gè)解釋變量都通過(guò)了顯著性檢驗(yàn)（見(jiàn)表2），模型擬合效果較好。省域R&D經(jīng)費(fèi)投入對(duì)知識(shí)產(chǎn)出的彈性系數(shù)為0.8583，說(shuō)明R&D經(jīng)費(fèi)支出對(duì)省域知識(shí)生產(chǎn)活動(dòng)具有顯著的貢獻(xiàn)，R&D經(jīng)費(fèi)內(nèi)部支出（對(duì)數(shù)）每增長(zhǎng)1%，將使得省域萬(wàn)人專(zhuān)利申請(qǐng)（對(duì)數(shù)）增長(zhǎng)約0.86%。R&D人員投入對(duì)知識(shí)產(chǎn)出的彈性系數(shù)為0.1635，說(shuō)明R&D人員對(duì)省域知識(shí)生產(chǎn)活動(dòng)貢獻(xiàn)比較顯著，R&D人員（對(duì)數(shù)）每增長(zhǎng)1%，將使得省域萬(wàn)人專(zhuān)利申請(qǐng) （對(duì)數(shù)）增長(zhǎng)約0.16%。實(shí)際利用FDI對(duì)知識(shí)產(chǎn)出的彈性系數(shù)為0.1096，說(shuō)明實(shí)際利用FDI（對(duì)數(shù)）每增長(zhǎng)1%，將使得省域萬(wàn)人專(zhuān)利申請(qǐng)（對(duì)數(shù)）增長(zhǎng)約0.11%。

回歸得出的空間自相關(guān)系數(shù)的估計(jì)值為ρ?= 0.13745。通過(guò)計(jì)算得出我國(guó)省域知識(shí)溢出吸收情況（見(jiàn)表2），知識(shí)溢出吸收空間分布（見(jiàn)表3）的四分位圖（見(jiàn)圖1）。從表3和圖1可以看出我國(guó)省域知識(shí)溢出吸收量呈“中部隆起”狀，空間集聚現(xiàn)象非常顯著。浙江、河南、安徽、湖北、河北、內(nèi)蒙古、四川和陜西處在第Ⅰ梯度，是吸收知識(shí)溢出量最高的區(qū)域。廣西、江蘇、寧夏、廣東、江西、重慶、貴州、湖南處在第Ⅱ梯度，是吸收知識(shí)溢出比較高的區(qū)域。新疆、福建、青海、山西、西藏、山東、甘肅和云南處在第Ⅲ梯度，是吸收知識(shí)溢出比較低的區(qū)域。遼寧、海南、天津、黑龍江、上海、北京、吉林處在第Ⅳ梯度，是吸收知識(shí)溢出量最低的區(qū)域。從吸收知識(shí)溢出的空間集聚方面來(lái)看，吸收知識(shí)溢出量比較高的區(qū)域主要集中在沿長(zhǎng)江地帶和珠三角地帶；吸收知識(shí)溢出量比較低的區(qū)域主要集中在東北和西北地區(qū)。

3 結(jié)論及政策建議

本文通過(guò)對(duì)知識(shí)產(chǎn)出和知識(shí)投入的探索性空間數(shù)據(jù)分析發(fā)現(xiàn)：（1）知識(shí)產(chǎn)出即萬(wàn)人專(zhuān)利申請(qǐng)量和R&D經(jīng)費(fèi)投入具有較強(qiáng)的空間自相關(guān)性，說(shuō)明某一省份知識(shí)產(chǎn)出和R&D經(jīng)費(fèi)投入受鄰近其他省份知識(shí)產(chǎn)出和R&D經(jīng)費(fèi)投入的影響比較顯著。吳玉鳴［20］、王家庭和賈晨蕊［21］的研究都表明專(zhuān)利申請(qǐng)量具有較強(qiáng)的空間相關(guān)性。李婧等的研究表明1998—2007年間我國(guó)省域發(fā)明專(zhuān)利授權(quán)量具有明顯的空間自相關(guān)性［22］。萬(wàn)坤揚(yáng)等的研究表明用萬(wàn)人發(fā)明與實(shí)用新型專(zhuān)利授權(quán)量衡量的省域創(chuàng)新產(chǎn)出具有顯著的空間自相關(guān)性［23］。（2）R&D人員和FDI的空間自相關(guān)性不顯著。夏帆的研究也表明1993—2005年間某一省份吸收的FDI基本上不受鄰近地區(qū)吸收FDI的影響［24］。

由于我國(guó)省域的知識(shí)產(chǎn)出呈現(xiàn)出較強(qiáng)的空間自相關(guān)性，因此用經(jīng)過(guò)空間過(guò)濾的全要素生產(chǎn)率來(lái)代表知識(shí)溢出，在知識(shí)生產(chǎn)函數(shù)中引入空間滯后項(xiàng)對(duì)我國(guó)31個(gè)省、市、自治區(qū)的全要素知識(shí)生產(chǎn)率進(jìn)行了測(cè)度。研究發(fā)現(xiàn)R&D經(jīng)費(fèi)投入對(duì)知識(shí)產(chǎn)出的彈性系數(shù)為0.8583，這說(shuō)明知識(shí)生產(chǎn)需要強(qiáng)有力的資金支持。R&D人員投入對(duì)知識(shí)產(chǎn)出的彈性系數(shù)0.1635，F(xiàn)DI對(duì)知識(shí)產(chǎn)出的彈性系數(shù)為0.1096，這兩個(gè)指標(biāo)對(duì)知識(shí)生產(chǎn)也有顯著貢獻(xiàn)。我國(guó)省域知識(shí)溢出吸收量呈“中部隆起”狀，空間集聚現(xiàn)象非常顯著。

在研究中發(fā)現(xiàn)如下幾點(diǎn)政策內(nèi)涵對(duì)提高我國(guó)省域知識(shí)生產(chǎn)率和知識(shí)溢出吸收效率具有重要意義：

（1）我國(guó)省域R&D經(jīng)費(fèi)內(nèi)部支出呈現(xiàn)的空間分布特征是高—高相鄰和低—低相鄰。這說(shuō)明省域R&D經(jīng)費(fèi)內(nèi)部支出存在“攀比效應(yīng)”。對(duì)于經(jīng)濟(jì)發(fā)展水平比較落后的東北和西北地區(qū)，可以采取必要財(cái)稅政策，鼓勵(lì)企業(yè)、高校和研發(fā)機(jī)構(gòu)不斷加大R&D經(jīng)費(fèi)支出，不斷提高區(qū)域知識(shí)生產(chǎn)效率，用科技引領(lǐng)經(jīng)濟(jì)，縮短區(qū)域差距。

（3）我國(guó)省域吸收FDI的空間自相關(guān)性并不明顯。這說(shuō)明一個(gè)地區(qū)吸收的FDI基本上不受鄰近地區(qū)吸收FDI的影響。對(duì)于那些不太受跨國(guó)公司青睞的地區(qū)是可以通過(guò)制定優(yōu)惠政策、改善投資環(huán)境、挖掘區(qū)域優(yōu)勢(shì)、在國(guó)際分工體系中找到自己的合理定位，從而吸引更多的FDI。

（4）在知識(shí)生產(chǎn)的三種投入要素中，R&D經(jīng)費(fèi)內(nèi)部支出的彈性系數(shù)遠(yuǎn)遠(yuǎn)大于R&D人員的彈性系數(shù)，說(shuō)明我國(guó)多數(shù)省普遍存在R&D經(jīng)費(fèi)投入和R&D人員不匹配的問(wèn)題，增加R&D經(jīng)費(fèi)投入是提高知識(shí)生產(chǎn)最有效的途徑。同時(shí)也說(shuō)明，知識(shí)生產(chǎn)活動(dòng)離不開(kāi)受過(guò)良好教育并掌握了一定技能的人力資本的支撐。因此，需要加大對(duì)R&D人員的投入力度，通過(guò)對(duì)R&D人員的再培訓(xùn)和再教育以提高人力資本的質(zhì)量，從而實(shí)現(xiàn)更快的知識(shí)產(chǎn)出和經(jīng)濟(jì)增長(zhǎng)。

（5）從我國(guó)省域吸收知識(shí)溢出量的梯度分布來(lái)看，北京、上海和天津等經(jīng)濟(jì)發(fā)展水平比較高的地區(qū)處在第Ⅳ梯度，而經(jīng)濟(jì)發(fā)展水平相對(duì)比較落后的內(nèi)蒙古等中部地區(qū)省市處在第Ⅰ梯度，這從一個(gè)側(cè)面說(shuō)明知識(shí)溢出吸收量與區(qū)域經(jīng)濟(jì)發(fā)展水平并不存在必然的正相關(guān)關(guān)系。對(duì)于中部地區(qū)來(lái)說(shuō)，其經(jīng)濟(jì)社會(huì)發(fā)展水平已經(jīng)具備了充分吸收其他地區(qū)知識(shí)溢出的能力，加強(qiáng)區(qū)域知識(shí)信息交流機(jī)構(gòu)和平臺(tái)建設(shè)，適時(shí)提高技術(shù)中介的服務(wù)能力，促進(jìn)知識(shí)轉(zhuǎn)化成現(xiàn)實(shí)的生產(chǎn)力，對(duì)于中部地區(qū)實(shí)現(xiàn)“中部崛起”意義非凡。此外，我們?cè)谘芯恐邪l(fā)現(xiàn)知識(shí)溢出吸收量受空間影響較大。如果一個(gè)省份有較多的鄰接省份，知識(shí)溢出吸收量就會(huì)偏大，反之則較小。北京、上海和天津的知識(shí)溢出吸收量較小，而內(nèi)蒙古吸收知識(shí)溢出量較大就很好地印證了這一點(diǎn)。因此，對(duì)于東北和西部那些地理位置比較偏遠(yuǎn)、自主創(chuàng)新能力欠佳的省份，可以通過(guò)建立跨區(qū)域的“官產(chǎn)學(xué)研”機(jī)構(gòu)，加強(qiáng)與其他區(qū)域的交流與合作，充分利用知識(shí)的外部性，提高對(duì)知識(shí)溢出的吸收量，進(jìn)而提高知識(shí)生產(chǎn)效率和經(jīng)濟(jì)發(fā)展水平。影響知識(shí)溢出吸收的因素比較多而且復(fù)雜，因此，需要進(jìn)一步尋找影響知識(shí)溢出吸收的主要因素。

［1］Adam B.Jaffe.Economic Analysis of Research Spillovers［C］.Implications for the Advanced Technology Program.National Institute of Standards and Technology，Gaithersburg，MD.1996.

［2］MCJ Cani?ls.Knowledge spillovers and economic growth:regional growth differentials across Europe［R］.Edward Elgar Publishing Limited.2000.

［3］Paul Krugman.Increasing returns and economic geography［J］.Journal of Political Economy，1991，99（3）:483-499.

［4］Zvi Griliches.Issues in assessing the contribution of research and development to productivity growth［J］.The Bell Journal of Economics，1979，10（1）:92-116.

［5］Adam B.Jaffe.Real effects of academic research［J］.American Economic Review，1989，79（5）:957-970.

［6］Luc Anselin，Attila Varga，Zoltan Acs.Local geographic spillovers between university research and high technology innovations［J］.Journal of Urban Economics，1997，42（3）:422-448.

［7］Manfred M.Fischer，Attila Varga.Spatial knowledge spillovers and university research:evidence from Austria［J］.Annals of Regional Science，2003，37（2）:303-322.

［8］Martin Andersson，Olof Ejermo.Knowledge Production in Swedish Functional Regions 1993—1999［R］.Ljungby workshop on Knowledge Spillovers，2002.

［9］陳繼勇，盛楊懌.外商直接投資的知識(shí)溢出與中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)［J］.經(jīng)濟(jì)研究，2008，（12）:39-49.

［10］王立平.我國(guó)高校R&D知識(shí)溢出的實(shí)證研究——以高技術(shù)產(chǎn)業(yè)為例［J］.中國(guó)軟科學(xué)，2005，（12）:54-59.

［11］呂忠偉.R&D空間溢出對(duì)區(qū)域知識(shí)生產(chǎn)的作用研究［J］.統(tǒng)計(jì)研究，2009，（4）:44-52.

［12］鄧明，錢(qián)爭(zhēng)鳴.我國(guó)省際知識(shí)存量、知識(shí)生產(chǎn)與知識(shí)的空間溢出［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009，（5）:42-53.

［13］陳繼勇，雷欣.我國(guó)區(qū)域間知識(shí)溢出的數(shù)量測(cè)度.科技進(jìn)步與對(duì)策，2010，27（1）:39-44.

［14］Adam B.Jaffe，Manuel Trajtenberg，Rebecca Henderson.Geographic localization of knowledge spillovers as evidenced by patent citations［J］.Quarterly Journal of Economics，1993，108（3）:577-598.

［15］Per Botolf Maurseth，Bart Verspagen.Knowledge spillovers in Europe:a patent citations analysis［J］.Scandinavian Journal of Economics，2002，104（4）:531-545.

［16］馬野青，林寶玉.在華FDI的知識(shí)溢出效應(yīng)——基于專(zhuān)利授權(quán)數(shù)量的實(shí)證分析［J］.世界經(jīng)濟(jì)研究，2007，（5）:20-25.

［17］Moran P..The interpretation of statistical maps［J］.Journal of the Royal Statistical Society，1948，（10）:243-251.

［18］Getis A.，Ord J.K..The analysis of spatial association by the use of distance statistics［J］.Geographical Analysis，1992，24（3）: 189-206.

［19］沈體雁，馮等田，孫鐵山.空間計(jì)量經(jīng)濟(jì)學(xué)［M］.北京:北京大學(xué)出版社，2010:41.

［20］吳玉鳴.空間計(jì)量經(jīng)濟(jì)模型在省域研發(fā)與創(chuàng)新中的應(yīng)用研究［J］.數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)，2006，（5）:74-85.

［21］王家庭，賈晨蕊.中國(guó)區(qū)域創(chuàng)新能力及影響因素的空間計(jì)量分析［J］.中國(guó)科技論壇，2009，（12）:73-78

［22］李婧，譚清美，白俊紅.中國(guó)區(qū)域創(chuàng)新生產(chǎn)的空間計(jì)量分析［J］.管理世界，2010，（7）:43-55.

［23］萬(wàn)坤揚(yáng)，陸文聰.中國(guó)技術(shù)創(chuàng)新區(qū)域變化及其成因分析——基于面板數(shù)據(jù)的空間計(jì)量經(jīng)濟(jì)模型［J］.科學(xué)學(xué)研究，2010，28（10）:1582-1591.

［24］夏帆.基于中國(guó)FDI的空間計(jì)量分析.商業(yè)經(jīng)濟(jì)與管理，2007，（9）:75-79.

Knowledge Spillovers Absorption of Provincial Districts in China——An Empirical Research Based on Spatial Econometrics

Hu Caimei1,2,Zhao Shukuan1
（1.School of Management,Jilin University,Changchun 130022,China；2.School of Economics and Management,Heilongjiang Institute of Science and Technology,Harbin 150027，China）

Based on the exploratory spatial data analysis of knowledge output of China’s 31 provinces（municipalities and autonomous regions）in 2009,this paper finds the knowledge output has marked spatial autocorrelation.In the paper,spatial lag term is incorporated into knowledge production function,and spatial lag model is established.By way of calculating spatial filtrated TPF of knowledge production,this paper calculates absorbed knowledge spillovers in 31 provinces of China.Empirical studies show the coefficients elasticity of R&D spending,R&D personnel and actual using FDI are 0.8583,0.1635 and 0.1096 respectively.The spatial distribution pattern of knowledge spillovers absorption in 31 provinces,protruding in the middle region of China and the phenomenon of spatial aggregation is in evidence.The relationship between knowledge spillovers absorption and the level of economy development is not necessary positive.

knowledge production function;knowledge spillovers absorption;total factor knowledge productivity;spatial lag model

2010-01-19

胡彩梅（1982-），女，山東郯城人，吉林大學(xué)管理學(xué)院博士生，黑龍江科技學(xué)院講師；研究方向：技術(shù)經(jīng)濟(jì)與管理。

F061.5

A

（責(zé)任編輯 譚果林）