高技術(shù)產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)R&D溢出的比較研究

任國(guó)強(qiáng)+孟凡軍

摘要：采用我國(guó) 29 個(gè)省、市、自治區(qū)高技術(shù)產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)2001～2010年的R&D投入與產(chǎn)出數(shù)據(jù)，基于空間權(quán)重矩陣，利用空間計(jì)量分析方法，考察了空間權(quán)重矩陣下我國(guó)高技術(shù)產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)的省際R&D溢出效應(yīng)。實(shí)證結(jié)果表明：在不同空間計(jì)量模型下，高技術(shù)產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)省際溢出效應(yīng)均很明顯，盡管我國(guó)高技術(shù)產(chǎn)業(yè)的R&D活動(dòng)較活躍，但高技術(shù)產(chǎn)業(yè)在R&D溢出方面低于傳統(tǒng)產(chǎn)業(yè);高技術(shù)產(chǎn)業(yè)研發(fā)資本投入對(duì)R&D產(chǎn)出的貢獻(xiàn)要高于研發(fā)人員投入，而傳統(tǒng)產(chǎn)業(yè)恰恰相反;在不同產(chǎn)業(yè)的溢出中，經(jīng)濟(jì)距離因素都扮演著重要角色。

關(guān)鍵詞：R&D溢出;空間計(jì)量模型;高技術(shù)產(chǎn)業(yè);傳統(tǒng)產(chǎn)業(yè)

DOI：10.13956/j.ss.1001-8409.2015.01.07

中圖分類號(hào)：F062.9;F264.2 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ?文章編號(hào)：1001-8409（2015）01-0029-04

Comparative Study of R&D Spillover for High Technology

Industry and Traditional Industry

——Perspective of Economic Weight Matrix

REN Guo-qiang， MENG Fan-jun

（School of Management， Tianjin University of Technology， Tianjin 300384）

Abstract：Based on weight matrix， using the R&D input-output panel data sets of high technological industry and traditional industry in 29 provinces in China from 2001 to 2010 and spatial econometric method，this paper analyzes their R&D spillover effects respectively between provinces.The results show that under different spatial econometric models， the R&D spillover effects between provinces is obvious for the two kinds of industries;even though R&D in the high technology industry in China are active， the R&D spillover in this industry is lower than that in the traditional industries;R&D capital contributes to R&D output more than R&D labor for high technological industry， while the traditional industry is just the opposite;economic distance factor plays an important role in the spillover of different industries.

Key words：R&D spillover;spatial econometric model;high technological industries;traditional industries

引言

以R&D為基礎(chǔ)的內(nèi)生增長(zhǎng)理論和大量的實(shí)證研究均表明R&D投入是經(jīng)濟(jì)增長(zhǎng)的核心因素。R&D投入不僅能帶動(dòng)本地區(qū)經(jīng)濟(jì)增長(zhǎng)，而且會(huì)通過(guò)溢出效應(yīng)帶動(dòng)其他地區(qū)的經(jīng)濟(jì)發(fā)展，這使R&D溢出效應(yīng)的研究成為學(xué)術(shù)界研究的一個(gè)熱點(diǎn)。由于高技術(shù)產(chǎn)業(yè)的R&D活動(dòng)較為活躍，近年來(lái)，很多學(xué)者都對(duì)高技術(shù)產(chǎn)業(yè)的R&D溢出效應(yīng)進(jìn)行了研究，但卻忽略了傳統(tǒng)產(chǎn)業(yè)R&D溢出效應(yīng)。不能否認(rèn)高技術(shù)產(chǎn)業(yè)R&D溢出效應(yīng)對(duì)經(jīng)濟(jì)增長(zhǎng)的重要性，但是傳統(tǒng)產(chǎn)業(yè)作為現(xiàn)代工業(yè)經(jīng)濟(jì)中最主要的組成部分，其R&D投入的溢出效應(yīng)對(duì)經(jīng)濟(jì)增長(zhǎng)的作用也同等重要。

從統(tǒng)計(jì)數(shù)據(jù)來(lái)看，2010年我國(guó)傳統(tǒng)產(chǎn)業(yè)

此處傳統(tǒng)產(chǎn)業(yè)數(shù)據(jù)以我國(guó)大中型工業(yè)企業(yè)數(shù)據(jù)代替。

R&D人員全時(shí)當(dāng)量為136.99萬(wàn)人/年，R&D經(jīng)費(fèi)內(nèi)部支出為4015.4億元，分別占當(dāng)年全國(guó)R&D人員全時(shí)當(dāng)量的53.64%和當(dāng)年全國(guó)R&D經(jīng)費(fèi)內(nèi)部支出的56.85%，這些數(shù)據(jù)表明傳統(tǒng)產(chǎn)業(yè)R&D活動(dòng)的規(guī)模也處于一個(gè)較高的水平，和高技術(shù)產(chǎn)業(yè)相比，其溢出效應(yīng)也應(yīng)該得到應(yīng)有的重視，因此對(duì)傳統(tǒng)產(chǎn)業(yè)R&D溢出效應(yīng)的研究也具有十分重要的意義。在此，本文把高技術(shù)產(chǎn)業(yè)和傳統(tǒng)產(chǎn)業(yè)均作為研究對(duì)象，一方面考察各自的空間溢出效應(yīng)的特點(diǎn)，另一方面進(jìn)行相應(yīng)的比較分析。

早在1962年，Arrow就對(duì)R&D溢出效應(yīng)進(jìn)行了研究，他認(rèn)為一個(gè)企業(yè)所創(chuàng)造的知識(shí)很容易被其他企業(yè)獲取，而創(chuàng)新者卻無(wú)法得到任何形式的補(bǔ)償^[1]。事實(shí)上，Arrow描述的現(xiàn)象就是一種R&D溢出，之后很多學(xué)者從產(chǎn)業(yè)等多個(gè)層面分析R&D的溢出，Griliches建立研發(fā)溢出效應(yīng)模型度量了企業(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)^[2];隨著R&D溢出效應(yīng)研究的深入，中國(guó)R&D溢出效應(yīng)也得到了眾多學(xué)者的關(guān)注，前期學(xué)者側(cè)重考察區(qū)域間的R&D投入產(chǎn)出活動(dòng)，并分析R&D的空間溢出效應(yīng)^[3～6];近年來(lái)部分學(xué)者以高技術(shù)產(chǎn)業(yè)為考察對(duì)象，并分析其R&D的空間溢出效應(yīng)。如張玉明等指出高技術(shù)產(chǎn)業(yè)的專業(yè)化、多樣化、省際區(qū)域的人力資本對(duì)區(qū)域創(chuàng)新產(chǎn)出具有正向促進(jìn)作用^[7];石琳娜等在理論研究的基礎(chǔ)上，分析了知識(shí)溢出對(duì)創(chuàng)新能力的提升效應(yīng)，進(jìn)一步提出了提高高技術(shù)企業(yè)自主創(chuàng)新能力的四種途徑^[8];王立平和王慶喜的研究結(jié)果則表明我國(guó)高技術(shù)產(chǎn)業(yè)的省際溢出效應(yīng)很明顯^[9，10]。

對(duì)文獻(xiàn)的整理表明，學(xué)者們?cè)趯?duì)R&D空間溢出效應(yīng)研究的同時(shí)，缺乏對(duì)傳統(tǒng)產(chǎn)業(yè)R&D溢出效應(yīng)方面的關(guān)注，因此本文同時(shí)選取高技術(shù)產(chǎn)業(yè)和傳統(tǒng)產(chǎn)業(yè)為研究對(duì)象，并對(duì)它們R&D溢出效應(yīng)進(jìn)行對(duì)比分析，從而為產(chǎn)業(yè)政策的提出提供合理依據(jù)。

1 理論基礎(chǔ)及模型構(gòu)建

R&D空間溢出效應(yīng)的研究至少需要三方面的理論：知識(shí)生產(chǎn)函數(shù)、空間計(jì)量模型和權(quán)重矩陣，簡(jiǎn)略說(shuō)明如下：

1.1 知識(shí)生產(chǎn)函數(shù)

分析區(qū)域知識(shí)生產(chǎn)與溢出的一個(gè)強(qiáng)有力的工具模型就是知識(shí)生產(chǎn)函數(shù)（Knowledge Production Function，KPF），它由Griliches在測(cè)度R&D和知識(shí)溢出對(duì)生產(chǎn)率增長(zhǎng)的影響時(shí)提出，主要從 R&D 投入和人力投入的角度針對(duì)知識(shí)要素對(duì)知識(shí)產(chǎn)出的影響進(jìn)行研究^[11～13]。經(jīng)過(guò)二十幾年的發(fā)展，知識(shí)生產(chǎn)函數(shù)理論越來(lái)越成熟，并逐步發(fā)展為兩種知識(shí)生產(chǎn)函數(shù)：即Griliches-Jaffe知識(shí)生產(chǎn)函數(shù)和Romer-Jones知識(shí)生產(chǎn)函數(shù)。Griliches-Jaffe知識(shí)生產(chǎn)函數(shù)基本關(guān)系可以描述為R&Doutput=a（R&Dinput）b，該函數(shù)認(rèn)為新知識(shí)是最重要的產(chǎn)出，投入變量則包括研發(fā)經(jīng)費(fèi)投入和人力資源投入^[2];Romer-Jones知識(shí)生產(chǎn)函數(shù)的函數(shù)關(guān)系可以表示為A=δLλAAφ，該函數(shù)將任意給定時(shí)刻的新知識(shí)產(chǎn)出看作是現(xiàn)有的知識(shí)存量和研發(fā)人員投入數(shù)量的函數(shù)^[14]，這兩種模型不足之處在于沒(méi)有充分考慮空間溢出效應(yīng)和吸收能力等。隨著空間計(jì)量學(xué)的發(fā)展以及模型估計(jì)技術(shù)的進(jìn)步，上述模型缺點(diǎn)得到一定的補(bǔ)足，例如Anselin、鄭展等分別加入空間因素，在區(qū)域吸收能力等方面進(jìn)行了改進(jìn)^[15～17]。本文將以Romer-Jones模型為基礎(chǔ)發(fā)展的空間計(jì)量模型進(jìn)行研究。

1.2 空間計(jì)量模型

基于空間面板數(shù)據(jù)的模型主要有空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）。空間滯后模型主要探討各變量在某一地區(qū)是否存在溢出效應(yīng);空間誤差模型主要探討鄰近地區(qū)因變量的誤差沖擊對(duì)本地區(qū)觀測(cè)值的影響程度;空間杜賓模型是空間滯后模型和空間誤差模型的一般形式，它同時(shí)考慮了空間滯后被解釋變量和空間滯后解釋變量對(duì)被解釋變量的影響，可以很好地體現(xiàn)溢出效應(yīng)的來(lái)源。結(jié)合本文實(shí)際，建立如下空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）。

SLM：lnAit=ξ∑nj=1wijΑit+β1lnLit+β2lnKit+μi+λt+εit（1）

SEM：lnAit=β1lnLit+β2lnΚit+ρ∑nj=1wijΦit+μi+λt+εit（2）

SDM：lnAit=ξ∑nj=1wijAit+β1lnLit+β2lnKit+θ1∑nj=1wijlnLit+θ2∑nj=1wijlnKit+μi+λt+εit （3）

式（1）、式（2）、式（3）中Ait代表R&D產(chǎn)出，Lit代表R&D人員投入，Κit 代表資本存量，i是空間單元的個(gè)數(shù)，t為時(shí)間，wij為空間權(quán)重矩陣W中的元素，ξ為空間自回歸系數(shù)，ρ為空間自相關(guān)系數(shù)，μ為地區(qū)效應(yīng)，λ為時(shí)間效應(yīng)，ε～Ν（0，δ2Ι）。對(duì)于上述模型的判別選擇，Anselin 和 Florax提出了對(duì)SEM及SLM模型的判別標(biāo)準(zhǔn)：如果在空間依賴性的檢驗(yàn)中發(fā)現(xiàn)，LMLAG 較之 LMERR在統(tǒng)計(jì)上更為顯著，且 R-LMLAG 顯著而 R-LMERR 不顯著，則可以認(rèn)為適合的模型是空間滯后模型。相反，如果 LMERR 比 LMLAG 在統(tǒng)計(jì)上更加顯著，且 R-LMERR 顯著而 R-LMLAG 不顯著，則可以認(rèn)為空間誤差模型是恰當(dāng)?shù)哪Ｐ?lt;sup>[18]</sup>，Paul Elhorst在此基礎(chǔ)上進(jìn)一步指出，如假設(shè)H10：θ=0，H20：θ+δβ=0，并進(jìn)行Wald檢驗(yàn)，若不拒絕H10，則選用空間滯后模型;若不拒絕H20，則選用空間誤差模型;若H10，H20均被拒絕，則選用空間杜賓模型^[19]。

1.3 空間權(quán)重矩陣

空間權(quán)重矩陣表征空間單元之間的相互依賴性與關(guān)聯(lián)程度，正確合理地選用空間權(quán)重矩陣空間計(jì)量至關(guān)重要^[4]。實(shí)證研究中，本文采用經(jīng)濟(jì)距離權(quán)重矩陣。這種矩陣一般是根據(jù)兩個(gè)省份人均 GDP 差距的倒數(shù)來(lái)設(shè)定，兩省之間的 GDP 差距越大，賦與的權(quán)重也越小，反之，應(yīng)賦與的權(quán)重也越大，形式如下：

Wij=1Yi-Yj，i≠j

0，i=j （4）

式（4）中，Yi是 i 省的實(shí)際人均 GDP 水平。這種矩陣表示的兩區(qū)域間的相互影響強(qiáng)度是相同的，即Wij=Wji，然而一般認(rèn)為經(jīng)濟(jì)發(fā)展水平較高地區(qū)對(duì)經(jīng)濟(jì)水平較低地區(qū)具有更強(qiáng)的空間溢出影響，本文借鑒李靖等采用的新經(jīng)濟(jì)距離空間權(quán)重矩陣^[4]：

Wij=Wdij×diag（Y1Y-，Y2Y-，···，YnY-） （5）

式（5）中Wdij為地理距離空間權(quán)重矩陣，Y1=1t1-t0+1∑t1t0Yit為考察期內(nèi)第i省物質(zhì)資本存量平均值，Y-=1n（t1-t0+1）∑ni=1∑t1t0Yit為考察期內(nèi)總物質(zhì)資本存量均值，t1-t0+1為考察期期數(shù)。容易發(fā)現(xiàn)某地區(qū)的物質(zhì)資本存量大其權(quán)重也大，從而其對(duì)周邊地區(qū)影響也大。對(duì)于地區(qū)物資資本存量本文借鑒單豪杰數(shù)據(jù)處理方法，以1952年為基期，折舊率取10.96%^[20]。

2 數(shù)據(jù)選取及變量說(shuō)明

2.1 數(shù)據(jù)選取

本文選取了2001～2010年我國(guó)29個(gè)省、市、自治區(qū)（西藏、新疆?dāng)?shù)據(jù)缺乏嚴(yán)重，略去）高技術(shù)行業(yè)與傳統(tǒng)產(chǎn)業(yè)R&D投入產(chǎn)出相關(guān)數(shù)據(jù)。由于我國(guó)統(tǒng)計(jì)年鑒中并沒(méi)有傳統(tǒng)產(chǎn)業(yè)的專門數(shù)據(jù)統(tǒng)計(jì)，因此考慮數(shù)據(jù)可獲得性，傳統(tǒng)產(chǎn)業(yè)數(shù)據(jù)用我國(guó)大中型工業(yè)企業(yè)數(shù)據(jù)代替，數(shù)據(jù)源于中國(guó)科技統(tǒng)計(jì)年鑒;高技術(shù)產(chǎn)業(yè)R&D數(shù)據(jù)來(lái)源于中國(guó)高技術(shù)統(tǒng)計(jì)年鑒;無(wú)論是哪種空間計(jì)量模型，對(duì)R&D投入和產(chǎn)出數(shù)據(jù)都要進(jìn)行對(duì)數(shù)化處理，可能某省某一年的R&D產(chǎn)出數(shù)據(jù)為0，此時(shí)本文以名義變量1代替;另外，固定資產(chǎn)指數(shù)經(jīng)固定資產(chǎn)環(huán)比指數(shù)折算得到，固定資產(chǎn)投資環(huán)比價(jià)格指數(shù)源于中國(guó)統(tǒng)計(jì)網(wǎng)網(wǎng)址：http：//data.stats.gov.cn/。

2.2 變量說(shuō)明

R&D活動(dòng)可能有多項(xiàng)產(chǎn)出，本文遵循我國(guó)諸多學(xué)者通常的做法，采用專利申請(qǐng)數(shù)作為衡量R&D產(chǎn)出的指標(biāo);采用R&D 活動(dòng)人員折合全時(shí)當(dāng)量作為R&D活動(dòng)的勞動(dòng)投入指標(biāo);對(duì)于R&D資本投入指標(biāo)，吳延兵指出由于創(chuàng)新

活動(dòng)對(duì)知識(shí)生產(chǎn)的影響不僅反映在當(dāng)期，對(duì)以后若干期也具有重要影響^[21]，所以我國(guó)很多學(xué)者如符淼、李婧等、王慶喜等均采用R&D投入資本存量作為投入指標(biāo)[3，4，10]，由此本文也選取資本存量作為衡量R&D投入的指標(biāo)，并參考上述人等做法，采用R&D內(nèi)部支出數(shù)據(jù)利用永續(xù)盤(pán)存法核算R&D資本存量。計(jì)算中折舊率選取文獻(xiàn)中常用的15%作為折舊率;R&D價(jià)格指數(shù)借鑒王慶喜等的處理方法，采用固定資產(chǎn)投資價(jià)格指數(shù)代替^[10];對(duì)于基期存量的處理，借鑒了李靖等、王慶喜等人做法 [4，10]，假設(shè) R&D 資本存量的增長(zhǎng)率等于 R&D 支出的增長(zhǎng)率，則基期資本存量的估算公式為：Ki0=Ii0g+δ，式中Ki0為基期資本存量，Ii0為基期實(shí)際R&D經(jīng)費(fèi)支出，g為考察期內(nèi)實(shí)際R&D經(jīng)費(fèi)支出的平均增長(zhǎng)率，δ為折舊率。

3 實(shí)證結(jié)果分析

在研究區(qū)域間R&D溢出之前，應(yīng)首先檢驗(yàn)其空間相關(guān)性是否存在，Morans I指數(shù)是最常用的指標(biāo)，經(jīng)檢驗(yàn)在不同空間權(quán)重下的Morans I均在0.2以上，表明存在空間自相關(guān)性。在采用matlab7.10.0（R 2010a）軟件并參考James P ?LeSage及J ?Paul Elhorst編

寫(xiě)的程序的基礎(chǔ)上進(jìn)行空間計(jì)量分析，結(jié)果

表明地區(qū)固定效應(yīng)下的估計(jì)結(jié)果優(yōu)于無(wú)固定效應(yīng)及時(shí)間固定效應(yīng)的估計(jì)結(jié)果，因此本文僅列出地區(qū)固定效應(yīng)的相關(guān)結(jié)果。

由表1可知，高技術(shù)產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)在SLM、SEM、SDM三種模型中R-squared值都比較高，模型擬合良好，空間相關(guān)系數(shù)均

在1%的顯著性水平下顯著，而且系數(shù)顯著大于零，表明我國(guó)省市間經(jīng)濟(jì)水平相似地區(qū)間的R&D具有較強(qiáng)的空間互補(bǔ)及依賴性，這一方面是由于經(jīng)濟(jì)增長(zhǎng)中形成的內(nèi)生性技術(shù)進(jìn)步對(duì)創(chuàng)新產(chǎn)出有更大的需求，另一方面，經(jīng)濟(jì)水平的提高會(huì)吸收更多的外部資源，從而形成良性循環(huán)。對(duì)高技術(shù)行業(yè)而言，資本系數(shù)在各種模型中均在1%水平下顯著，而勞動(dòng)投入只是在SLM模型中在1%水平下顯著，這說(shuō)明我國(guó)各省的R&D產(chǎn)出中資本貢獻(xiàn)大于勞動(dòng)力貢獻(xiàn);對(duì)傳統(tǒng)產(chǎn)業(yè)而言，模型對(duì)于勞動(dòng)與資本基本不顯著，但是在SLM模型下勞動(dòng)投入在1%水平下顯著，盡管如此，各模型下R&D溢出都很明顯。通過(guò)對(duì)高技術(shù)產(chǎn)業(yè)和傳統(tǒng)產(chǎn)業(yè)空間計(jì)量模型的對(duì)比分析可以發(fā)現(xiàn)，在SLM模型下，高技術(shù)產(chǎn)業(yè)資本投入對(duì)R&D產(chǎn)出顯著，傳統(tǒng)產(chǎn)業(yè)勞動(dòng)投入對(duì)R&D產(chǎn)出顯著;在SEM模型下，高技術(shù)產(chǎn)業(yè)資本投入仍對(duì)R&D產(chǎn)出顯著，傳統(tǒng)產(chǎn)業(yè)勞動(dòng)投入對(duì)R&D產(chǎn)出則不再顯著;在SDM模型下，高技術(shù)產(chǎn)業(yè)資本投入對(duì)R&D產(chǎn)出顯著，傳統(tǒng)產(chǎn)業(yè)勞動(dòng)投入對(duì)R&D產(chǎn)出不顯著，但兩種產(chǎn)業(yè)的勞動(dòng)溢出卻很明顯，并且傳統(tǒng)產(chǎn)業(yè)的溢出系數(shù)在三種模型下都高于高技術(shù)產(chǎn)業(yè)，其原因在于和高技術(shù)產(chǎn)業(yè)相比，傳統(tǒng)產(chǎn)業(yè)技術(shù)更加趨于成熟，從而使R&D成果以隱性知識(shí)等不易測(cè)度的途徑進(jìn)行溢出。

4 結(jié)論

本文利用我國(guó)29個(gè)省、市、自治區(qū)2001～2010年的高技術(shù)產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)數(shù)據(jù)，分析了在經(jīng)濟(jì)距離權(quán)重矩陣下的R&D溢出情況。研究發(fā)現(xiàn)在高技術(shù)產(chǎn)業(yè)R&D活動(dòng)中，資本投入對(duì)R&D產(chǎn)出的影響顯著，這與王慶喜等 [10]結(jié)果一致，表明我國(guó)高技術(shù)產(chǎn)業(yè)的R&D產(chǎn)出仍主要依賴資本投入;R&D人員投入對(duì)R&D產(chǎn)出具有正向影響，但明顯小于資本投入;與高技術(shù)產(chǎn)業(yè)不同，傳統(tǒng)產(chǎn)業(yè)R&D活動(dòng)中，勞動(dòng)投入系數(shù)顯著，溢出效應(yīng)強(qiáng)于高技術(shù)產(chǎn)業(yè)。這說(shuō)明盡管高技術(shù)產(chǎn)業(yè)的R&D活動(dòng)較活躍，但高技術(shù)產(chǎn)業(yè)在R&D溢出方面是低于傳統(tǒng)產(chǎn)業(yè)的R&D溢出的，或者說(shuō)，雖然傳統(tǒng)產(chǎn)業(yè)在整體上的研發(fā)強(qiáng)度不如高新技術(shù)產(chǎn)業(yè)，但這并不意味著傳統(tǒng)產(chǎn)業(yè)中的創(chuàng)新不重要;相反，傳統(tǒng)產(chǎn)業(yè)的R&D溢出可以更好地促進(jìn)產(chǎn)業(yè)升級(jí)，引起區(qū)域發(fā)展的聯(lián)動(dòng)。

總之，雖然高技術(shù)產(chǎn)業(yè)和傳統(tǒng)產(chǎn)業(yè)R&D活動(dòng)產(chǎn)出的影響因素不同，但是 R&D投入均具有顯著空間溢出效應(yīng)，而且傳統(tǒng)產(chǎn)業(yè)溢出效應(yīng)更強(qiáng)，如果再考慮吸收能力及其他不易測(cè)度因素，傳統(tǒng)產(chǎn)業(yè)的溢出可能要更高，因此在重視高技術(shù)產(chǎn)業(yè)R&D溢出效應(yīng)的同時(shí)不能忽視傳統(tǒng)產(chǎn)業(yè)。另外，本文只對(duì)高技術(shù)產(chǎn)業(yè)和傳統(tǒng)產(chǎn)業(yè)的R&D空間溢出效應(yīng)進(jìn)行了比較研究，但是這兩個(gè)產(chǎn)業(yè)并不是孤立的，如何同時(shí)兼顧二者之間的空間溢出和產(chǎn)業(yè)溢出成為進(jìn)一步要解決的問(wèn)題。

參考文獻(xiàn)：

[1]Kenneth Arrow.Economic Welfare and the Allocation of Resources for Invention[A].The Rate and Direction of Inventive Activity：Economic and Social Factors[C].Princeton University Press，1962.609-626.

[2]Griliches Z.Issues in Assessing the Contribution of Research and Development to Productivity Growth[J].The Bell Journal of Economics，1979（10）：92-116.

[3]符淼.地理距離和技術(shù)外溢效應(yīng)——對(duì)技術(shù)和經(jīng)濟(jì)集聚現(xiàn)象的空間計(jì)量學(xué)解釋[J].經(jīng)濟(jì)學(xué)，2009（4）：1549-1566.

[4]李靖，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——基于靜態(tài)與動(dòng)態(tài)空間面板模型的實(shí)證研究[J].管理世界，2010（7）：43-65.

[5]項(xiàng)歌德，朱平芳，張征宇.經(jīng)濟(jì)結(jié)構(gòu)、R&D投入及構(gòu)成與R&D空間溢出效應(yīng)[J].科學(xué)學(xué)研究，2011（2）：206-214.

[6]李志宏，王娜，馬倩.基于空間計(jì)量的區(qū)域間創(chuàng)新行為知識(shí)溢出分析[J].科研管理，2013（6）：9-16.

[7]張玉明，聶艷華，李凱.知識(shí)溢出對(duì)區(qū)域創(chuàng)新產(chǎn)出影響的實(shí)證分析——以高技術(shù)產(chǎn)業(yè)為例[J].軟科學(xué)，2009（7）：99-102.

[8]石琳娜，石娟，顧新.基于知識(shí)溢出的我國(guó)高技術(shù)企業(yè)自主創(chuàng)新能力提升途徑研究[J].軟科學(xué)，2011（8）：27-30.

[9]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.

[10]王慶喜.多維鄰近與我國(guó)高技術(shù)產(chǎn)業(yè)區(qū)域知識(shí)溢出——一項(xiàng)空間面板數(shù)據(jù)分析（1995 -2010）[J].科學(xué)學(xué)研究，2013（7）：1068-1076.

[11]Griliches Z.Issues in Assessing the Contribution of R&D to Productivity Growth [J].Journal of Economics，1979 （10）：92-116.

[12]Griliches Z.Productivity，R&D and Basic Research at the Firm Level in the 1970s [J].American Economics Review，1986（76） ：141-154.

[13]Griliches Z.The Search for R&D Spillovers[J].Scandinavian Journal of Economics，1992（94）：29-47.

[14]Charles I Jones.R&D-based Models of Economic Growth[J].Journal of Political Economy，1995，103（4）：759-784.

[15]Anselin L，Varga A，Acs Z J.Local Geographic Spillovers between University Research and High Technology Innovations [J].Journal of Urban Economies，1997，42（3）：422-448.

[16]Anselin L，Varga A，Acs Z J.Geographic Spillovers and University Research：A Spatial Econometric Approach[J].Growth and Change，2000，31（4）：501-515.

[17]鄭展，韓伯棠，張向東.區(qū)域知識(shí)溢出與吸收能力研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2007（4）：97-101.

[18]Anselin L，F(xiàn)lorax R J.New Directions in Spatial Econometrics[M].Berlin：Springer-Verlag，1995.21-74.

[19]J Paul Elhorst.MATLAB Software for Spatial Panels [DB/OL].http：//www.regroningen.nl/elhorst/doc/Matlab-paper.pdf.2010.07：09-12.

[20]單豪杰.中國(guó)資本存量K的再估算：1952—2006年[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008（10）：17-31.

[21]吳延兵.R&D存量、知識(shí)函數(shù)與生產(chǎn)效率[J].經(jīng)濟(jì)學(xué)，2006（4）：1129-1156.

（責(zé)任編輯：李映果）