知識溢出對我國區(qū)域經(jīng)濟增長的空間效應研究

張美濤

摘 要：知識溢出高度依賴于地理鄰近性，知識溢出效應的高低決定了區(qū)域經(jīng)濟發(fā)展的地區(qū)差異?；贕riliches-Jaffe知識生產函數(shù)，選用研發(fā)支出、人力資本、專利水平三種知識存量替代變量，借助SEM空間誤差模型實證測度和分析知識溢出效應及其對區(qū)域經(jīng)濟增長的影響。研究表明，三種知識存量變量具有顯著的知識空間溢出效應，Jacbos效應、Porter效應對我國區(qū)域經(jīng)濟增長有很強的正向影響。各地區(qū)，特別是欠發(fā)達地區(qū)應充分發(fā)揮知識溢出效應，提高城市集聚度、地區(qū)人力資本存量，加大研發(fā)經(jīng)費支出，以增強知識溢出效應對區(qū)域經(jīng)濟增長的促進作用。

關鍵詞：知識溢出;空間效應;區(qū)域經(jīng)濟 ;SEM模型

一、引言與文獻綜述

知識可分為編碼知識和默會知識，具有準公共物品性質和溢出性質。由此，知識溢出包括編碼知識溢出和默會知識溢出。其中，編碼知識溢出主要以書籍、專利等形式表現(xiàn)，而默會知識溢出主要以面對面交流的方式實現(xiàn)。區(qū)域創(chuàng)新是區(qū)域知識溢出的源泉，而知識溢出效應高低決定了區(qū)域創(chuàng)新的差異 。[1]Audretch & Feldman[2]在解釋創(chuàng)新活動地理集聚時認為，人們將更多注意力聚焦到知識溢出。雖然現(xiàn)代通信技術革新已大大降低了知識傳播成本，但一些知識的獲得仍然需要通過面對面的接觸和頻繁的交流。為此，新經(jīng)濟地理學首次將空間維度納入經(jīng)濟理論分析框架，強調知識外溢性帶來的規(guī)模報酬遞增和技術創(chuàng)新帶來的經(jīng)濟增長[3]，并證明經(jīng)濟集聚是因為廠商追求知識溢出。Martin & Ottaviano[4]在分析空間集聚與經(jīng)濟增長關系時認為，區(qū)域經(jīng)濟活動的空間集聚有利于降低創(chuàng)新成本，刺激經(jīng)濟增長，即知識溢出通過創(chuàng)新對企業(yè)產生影響，從而推動區(qū)域經(jīng)濟增長。

針對知識溢出及其對區(qū)域經(jīng)濟增長的研究，國內外學者主要專注于知識溢出的內涵和途徑、知識溢出對產業(yè)集聚的影響、知識溢出的空間鄰近性，取得了很多可借鑒的成果。Griliches認為知識溢出是指做相似工作并從彼此研究開發(fā)中受益的活動;是區(qū)域間通過相互學習交流、相互搭便車獲取研發(fā)成果和促進區(qū)域經(jīng)濟增長;是人們每次互動無意識的知識交流，并被有意識地利用和服務于知識溢出接受方的經(jīng)濟增長。[5]Saxenian[6]認為，知識溢出可通過公司分設（Spin-offs）、勞動力流動、本地機構或組織之間非正式接觸等途徑來實現(xiàn)。現(xiàn)有主流文獻就知識溢出對產業(yè)集聚的影響主要有兩個研究視角，一是知識溢出來自產業(yè)內;二是知識溢出來自產業(yè)間。由此，將知識溢出效應劃分為MAR（Marshall-Arrow-Romer）效應、Jacbos效應和Porter效應。其中，來自產業(yè)間的知識溢出效應稱之為Jacobs效應。[7]Berliant & Fujita研究認為，知識工人居住在同一區(qū)域時，研發(fā)工人會變得同質且思維趨同，新知識創(chuàng)造的均衡產出小于那種更具有異質性工人同住在一個區(qū)域內的均衡產出，即Jacbos效應更顯著。[8]唐松從金融集聚對區(qū)域增長的空間溢出效應出發(fā)，認為東中西部地區(qū)本地金融和外地金融對本地經(jīng)濟增長的空間溢出效應不同，因此，應實行差別化金融政策，加強利率市場化和金融機構改革，推動金融資源與區(qū)域產業(yè)相結合，制定金融資源轉移政策。[9]張清正分析了知識溢出、技術創(chuàng)新和區(qū)域經(jīng)濟增長間的作用機制，認為我國各省的科研投入是提升技術創(chuàng)新水平的主體，知識的多種溢出機制中產學研合作可有效促進創(chuàng)新知識溢出，技術創(chuàng)新溢出對區(qū)域經(jīng)濟增長呈正相關。[10]譚建新認為交通條件的改善促進了各區(qū)域真實市場潛能水平的提升，應繼續(xù)改善以鐵路、高速公路等為主的基礎交通設施條件，不斷降低區(qū)域間貿易壁壘，加強區(qū)域融合。[11]龍志和、蔡杰的研究表明，我國不存在顯著的MAR溢出和Jacobs溢出，但存在Porter溢出效應。[12] 閆棟超、馬靜認為信息化對經(jīng)濟增長的區(qū)域內溢出的效應顯著為正，人力資資本的作用尚未得到應有發(fā)揮。[13]蘇方林運用地理加權回歸（GWR）方法，對中國地級市R&D知識溢出的空間非穩(wěn)定性進行了實證分析，研究發(fā)現(xiàn)知識溢出水平與地區(qū)開放程度和勞動力就業(yè)等密切相關。[14]Rodriguze 認為，區(qū)域進步不僅依賴自身努力和資源稟賦，還依賴它吸引和吸收創(chuàng)新帶來的知識，區(qū)域知識流是區(qū)域創(chuàng)新的關鍵要素，地理的臨近性遠高于技術的臨近性。[15]許盈之、朱依曦研究認為，新古典經(jīng)濟理論雖然考慮了知識溢出對經(jīng)濟增長的作用，但忽略了知識溢出的空間性，認為技術擴散是無成本的、即刻的，然而有相當一部分默會知識是高度依賴于地理上的鄰近性等因素。[16]Phene & Tallman提出知識溢出效應作為信號的知識依賴性和潛在的互補性鼓勵地區(qū)企業(yè)在知識溢出后進入戰(zhàn)略聯(lián)盟，但地理空間距離削弱了企業(yè)的專業(yè)化效應和企業(yè)戰(zhàn)略聯(lián)盟的形成。[17]Aldieri & Paolo調查了美日歐知識流的技術和地理的臨近性對知識流動的影響，得出知識溢出的技術和地理的臨近性是穩(wěn)健的。[18]Luigi Aldieri & Concetto Paolo 從調查美、日、歐知識流的技術和地理的臨近性對知識流動的影響，得出專利具有地域特征的結論，即從專利發(fā)明的方法可以測量出公司間的臨近性，得出知識溢出的技術和地理的臨近性是穩(wěn)健的。[19]Ghio， Guerini & Lehmann， et al基于1999—2013年文獻引用數(shù)據(jù)，得出應以企業(yè)家精神外溢理論為基礎去重建社區(qū)，以促進區(qū)域經(jīng)濟增長。[20]MAcosta， DCoronado， & EFlores利用西班牙604家公司和63所大學的數(shù)據(jù)，檢驗了大學的知識溢出與高科技部門的新企業(yè)選址之間的關系，得出大學知識溢出與高科技行業(yè)新企業(yè)選址高度相關。[21]高麗娜認為應建立和完善城市群主導的治理體系，強化區(qū)際創(chuàng)新溢出效應。經(jīng)濟新常態(tài)下，區(qū)域協(xié)調發(fā)展是我國區(qū)域經(jīng)濟高質量發(fā)展的基礎和保障。[22]以上文獻從不同角度探討了區(qū)域創(chuàng)新、知識溢出對區(qū)域經(jīng)濟增長的影響，但都未從空間的角度具體討論是哪些因素影響了中國區(qū)域間的知識溢出，其效應到底有多大。也未從創(chuàng)新產出的角度去研究創(chuàng)新對區(qū)域經(jīng)濟經(jīng)濟增長的效應。本文將借助空間計量經(jīng)濟模型，選用中國地區(qū)經(jīng)濟數(shù)據(jù)，從城市集聚經(jīng)濟和空間經(jīng)濟學視角，實證測度和分析我國區(qū)域間是否存在知識空間溢出，知識溢出又如何影響區(qū)域經(jīng)濟增長，以及各地區(qū)應如何利用知識溢出效應促進經(jīng)濟增長。

二、理論模型構建

（一）生產函數(shù)的選取

基于國際通行做法用研發(fā)支出作為知識存量的替代變量，且為了進一步考察專利和人力資本這兩個知識存量指標對區(qū)域經(jīng)濟增長的作用，在5式的基礎上再加入專利和人力資本這兩個指標變量作為知識存量的替代變量，考慮到當期值存在互為因果關系導致的內生性問題，關鍵變量及所有控制變量均取滯后一期，由此可得如下多元回歸計量模型。

（二）關鍵變量與數(shù)據(jù)說明

1.知識存量變量。對于編碼知識的測度，可以運用現(xiàn)有的科學技術、專利等指標進行綜合測度;對于默會知識的測度，可以利用知識攜帶者等相關指標進行測度。借助朱美光等人對知識存量指標的劃分標準[17]，以此制定區(qū)域知識存量測度評價指標體系，并通過逐步回歸和主成分分析法選取研發(fā)經(jīng)費、人力資本和專利三個變量作為知識存量的替代變量。根據(jù)以上知識存量的評價體系指標，通過逐步回歸和各變量標準化后主成分分析法，選取研發(fā)經(jīng)費、專利和每十萬人中高等教育在校生數(shù)為知識存量的替代變量，具體詳見表1。之所以選擇每十萬人中高等教育在校學生數(shù)，不選擇研發(fā)人員作為人力資本的替代變量是因為研發(fā)人員是勞動力的一部分，和勞動力之間會產生多重共線性問題，而實際的測算也表明，這兩者的相關系數(shù)達9479%，因此選用每十萬人中高等教育的在校生人數(shù)代表一個地區(qū)的發(fā)展?jié)摿Α?/p>

數(shù)據(jù)來源：由軟件計量得來。

2.人力資本變量?？紤]一般勞動力水平和高人力資本存量（精英）水平之間的勞動力，這里用高中畢業(yè)人口占六歲以上人口的比例來解析人力資本存量。

3.多樣化、專業(yè)化、競爭性指標。通常采用GDP或工業(yè)產業(yè)增加值等占GDP的比例，或者地區(qū)分行業(yè)研究人員數(shù)占整個地區(qū)就業(yè)人員數(shù)的比例來測度集中度、專業(yè)化以及多樣化指數(shù)。這里，選用后一種測度方法來測量多樣化、專業(yè)化、競爭性統(tǒng)計值。

（1）專業(yè)化指數(shù)。根據(jù)國民經(jīng)濟行業(yè)分類，行業(yè)從大到小分為門類、大類、中類、小類的分類標準。這里選用制造業(yè)二位數(shù)行業(yè)，借助區(qū)位商統(tǒng)計指標測度出地區(qū)20個制造業(yè)行業(yè)專業(yè)化指數(shù)。

SPij是以從業(yè)人員數(shù)測度i地區(qū)j行業(yè)的Hoover區(qū)位熵，表示i地區(qū)j行業(yè)從業(yè)人員占全國行業(yè)所有行業(yè)從業(yè)人員數(shù)之比重的比值。EijΣmj=1Eij表示i地區(qū)j行業(yè)從業(yè)人員數(shù)占全國該行業(yè)總數(shù)的比例，作為每個制造業(yè)行業(yè)區(qū)位熵的權重。因此，SP是i地區(qū)所有行業(yè)Hoover區(qū)位熵的加權平均。SP越大，專業(yè)化程度越強，反之，專業(yè)化程度越弱。

（2）多樣化指數(shù)。多樣化外部性的衡量方法很多。這里將借鑒Grenunz[23]的測度方法測度多樣化指數(shù)，

上式中Eij為i地區(qū)j行業(yè)的從業(yè)人數(shù)，uEi為地區(qū)所有產業(yè)平均從業(yè)人員人數(shù)。DIV越小，區(qū)域內產業(yè)分布越平衡，多樣化外部性程度越高，DIV越大，區(qū)域內產業(yè)分布越不平衡，多樣化程度越低。

（3）競爭性指數(shù)。借鑒吳梅[24]的產業(yè)競爭性指標測度方法，comp統(tǒng)計量用于描述產業(yè)競爭性的指標，衡量Porter溢出，計算產業(yè)內部市場競爭程度，且競爭程度越高對產業(yè)發(fā)展及創(chuàng)新越為有利?？紤]到數(shù)據(jù)的可獲得性等因素，

基于地區(qū)制造業(yè)行業(yè)選用20個制造業(yè)分行業(yè)，

其中，NUMij表示i地區(qū)j產業(yè)的企業(yè)數(shù)量;NUMnj表示全國j產業(yè)的企業(yè)數(shù)量;Lij表示i地區(qū)j產業(yè)從業(yè)人員;nj指全國j產業(yè)從業(yè)人員，LCij值越大，說明i地區(qū)j產業(yè)所處的市場環(huán)境競爭越激烈。

分析數(shù)據(jù)主要來源于歷年的《中國統(tǒng)計年鑒》《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》《新中國六十年統(tǒng)計資料匯編》、中經(jīng)網(wǎng)以及各省歷年統(tǒng)計年鑒。所采用的地圖分析數(shù)據(jù)來自國家測繪地理信息局網(wǎng)站。

（三）變量空間相關性檢驗

任何經(jīng)濟數(shù)據(jù)在一定程度上都存在空間相關性，這也是構建空間計量模型的經(jīng)濟基礎。為了驗證地區(qū)間是否存在知識空間溢出，需分析變量間是否具有空間相關性，現(xiàn)對數(shù)據(jù)進行空間相關性檢驗。根據(jù)空間計量經(jīng)濟學理論，空間相關性檢驗指標有兩種：Morans I 和G統(tǒng)計量，且包括全域與局域Morans I和G統(tǒng)計量。其中，Morans I主要用于測度變量的全域空間自相關程度，反映空間鄰接或空間鄰近區(qū)域單元屬性的相似程度。全域Morans I系數(shù)取值介于-1—1之間，大于零表示存在正相關，小于零表示存在負相關，等于零表示不存在相關性，數(shù)值越接近于1，相關性越強。鑒于本文主要關注知識溢出強度，所以選用全域Morans I來測度各變量間的空間自相關性。

基于全域Morans I方法，分別對單變量和雙變量空間相關性進行檢驗。檢驗結果顯示，單變量人均GDP、人均研發(fā)支出、人均專利、人力資本等變量的Morans I指數(shù)分別為0.0381、0.031、0.04578、0.03360，表明各單變量之間存在顯著的空間正相關性;雙變量人均研發(fā)支出與人均GDP、人均專利水平與人均GDP、人力資本與人均GDP的Morans I 指數(shù)分別為0.3405、0.36、0.3705，表明各雙變量之間也存在顯著的空間正相關性。

（四）空間計量模型及其空間權重的選取

空間相關性檢驗結果發(fā)現(xiàn)，我國區(qū)域間知識存量與人均產出存在空間相關性。在此情況下，如果采用OLS模型直接分析將會產生偏誤，為此擬采用空間計量回歸模型對知識空間溢出效應進行估計和實證分析。空間計量模型分為空間滯后模型（SLM）和空間誤差模型。考慮到當期值存在互為因果關系導致的內生性問題，關鍵變量及所有控制變量均取滯后一期。為此，結合生產函數(shù)和變量的選擇，知識存量空間溢出效應及其對地區(qū)經(jīng)濟增長影響的空間滯后模型和空間誤差模型可設定如下：

1.空間滯后模型

其中，p為空間回歸滯后系數(shù)，反映樣本觀測值中的空間依賴作用;W為n×n階的空間權重矩陣，一般用鄰接矩陣（Contiguity Matrix）來表示;Wy為空間滯后因變量，反映空間距離對區(qū)域行為的作用，即區(qū)域行為受到文化環(huán)境和空間距離有關遷移成本的影響，具有很強的地域性。參數(shù)β反映了自變量對因變量Y的影響，εi為隨機擾動誤差項。

2.空間誤差模型

其中擾動項μi表示為隨機誤差項，為n×1的截面因變量向量的空間誤差系數(shù)，為正態(tài)分布的隨機誤差向量。參數(shù)λ衡量了樣本觀察值中的空間依賴作用，即相鄰地區(qū)觀察值Y對本地區(qū)觀察值Y的影響方向和程度，參數(shù)β反映了自變量X對因變量Y的影響。SEM的空間依賴作用存在于擾動誤差項之中，度量了鄰接地區(qū)關于因變量的誤差沖擊對本地區(qū)觀察值Y的影響程度。

3.空間權重矩陣的選取

空間計量模型的鄰近矩陣分為Rook 鄰近、Queen鄰近、K值鄰近。此外，還有基于距離的空間權值矩陣。本文以Rook鄰近矩陣為基礎進行實證檢驗。采用Anselin研制開發(fā)的空間計量軟件GeoDa095i，直接生成的鄰近空間矩陣來測算并確立地區(qū)之間的空間效應。方法采用最大似然估計方法。

三、模型回歸與結果分析

（一）空間計量模型選擇

為確定選擇SEM模型還是SLM模型，利用逐步回歸的方式構建模型（1）（2）（3），并進行空間OLS回歸，依照LogL、LR、SC、AIC等統(tǒng)計判別規(guī)則，發(fā)現(xiàn)三個模型的L-MERR和R-LMERR統(tǒng)計量更為顯著（見表3）。為此，選用SEM模型來分析區(qū)域間的知識溢出效應及其對區(qū)域經(jīng)濟增長的影響更為合適。

（二）知識溢出效應對地區(qū)經(jīng)濟增長的影響分析

基于Rock鄰近下的空間誤差模型（SEM），回歸結果顯示（詳見表4）：第一，區(qū)域間知識溢出效應指標λ表明，無論知識存量是以人均研發(fā)支出，還是加入人力資本和人均專利水平后再去考察知識溢出效應，知識溢出總效應都很大。其中，模型（1）考察人均研發(fā)支出作為知識存量，知識溢出總效應在1%顯著性水平上為0886%。模型（2）在模型（1）的基礎上加入了人力資本作為知識存量的替代變量，知識溢出總效應在15%顯著性水平上為0.826%。模型（3）在模型（1）和模型（2）的基礎上再加入人均專利水平作為知識存量的替代變量，知識溢出總效應在1%顯著性水平上為0.825%。第二，F(xiàn)DI對區(qū)域經(jīng)濟增長的影響顯著，在1%顯著性水平下其影響程度在0.098%—0.11%之間。第三，人均研發(fā)支出對區(qū)域經(jīng)濟增長的效應，在不考慮人力資本和人均專利水平的情況下，人均研發(fā)支出對區(qū)域經(jīng)濟增長具有顯著的效應，測度系數(shù)為0.078%。但是，在加入其他兩個變量后，沒有通過顯著性檢驗，且影響為負影響。第四，模型（2）和模型（3）回歸結果顯示，人力資本存量作為知識存量的替代變量對區(qū)域經(jīng)濟增長具有顯著性影響，影響系數(shù)在0.652%—0.664%。第五，比對三種知識存量溢出效應發(fā)現(xiàn)，在僅考慮人均研發(fā)支出作為知識存量替代變量時，專業(yè)化指數(shù)對區(qū)域經(jīng)濟增長的作用最為顯著，影響系數(shù)為0.02%。在加入人力資本后，三項溢出效應都很顯著，多樣化指數(shù)最大，為0407%。在加入人均專利水平時，競爭性指數(shù)即Porter溢出效應最為顯著，其他兩個效應都不顯著。

四、穩(wěn)健性檢驗

為了檢驗SEM模型和鄰近矩陣選擇的穩(wěn)健性，現(xiàn)選用如下兩種方法進行穩(wěn)健性檢驗。

（一）基于Queen鄰近矩陣和K值鄰近矩陣的穩(wěn)健性檢驗

選用Queen鄰近矩陣和K值最鄰近矩陣并進行SEM回歸。如表5所示，SEM回歸結果相差無幾，表明模型構建和使用具有穩(wěn)健性?；赒ueen鄰近矩陣和K值鄰近矩陣，回歸結果顯示我國區(qū)域間知識溢出效應明顯;選用Queen鄰近矩陣的知識溢出總效應與Rook鄰近矩陣回歸結果較為相似，而選用K值最鄰近矩陣做回歸時，雖然知識溢出總效應有較大幅度降低，但依然很顯著且作用很大。由此可以判斷我國區(qū)域間存在顯著的知識溢出效應，且溢出效應對區(qū)域經(jīng)濟增長影響作用還很強。

（二）基于Morans I 殘差分析的穩(wěn)健性檢驗

為進一步檢驗模型和鄰近矩陣使用是否得當，是否消除了空間自相關，繼續(xù)對Rook鄰近矩陣的三個模型的SEM回歸殘差作Morans I 散點圖分析。，Morans I指數(shù)小于，接近于0，進一步表明模型構建和使用時具有穩(wěn)定性，消除了空間自相關問題，回歸結果信度高。

五、結論與啟示

研究表明，作為知識存量的替代變量，人力資本存量、地區(qū)研發(fā)經(jīng)費投入、企業(yè)研發(fā)經(jīng)費投入等具有顯著的知識空間溢出效應，對區(qū)域經(jīng)濟增長具有顯著的影響作用。為提高知識空間溢出效應，促進區(qū)域經(jīng)濟協(xié)同發(fā)展，應做到：第一，各地區(qū)特別是欠發(fā)達地區(qū)應充分利用知識的空間溢出效應帶動地區(qū)經(jīng)濟發(fā)展，在制定城市經(jīng)濟和區(qū)域經(jīng)濟發(fā)展政策時，要充分考慮城市化水平對區(qū)域經(jīng)濟增長的作用，要充分考慮怎樣提高人力資本存量，如何吸引高端人才服務地區(qū)經(jīng)濟發(fā)展。第二，基于人均資本存量和FDI對區(qū)域經(jīng)濟增長有較大帶動作用，各地區(qū)特別是欠發(fā)達地區(qū)應大力夯實基礎設施建設，擴大FDI投資。第三，提高城市集聚度、地方產業(yè)競爭性效應和多樣化效應，提高產業(yè)集聚度，提高本地區(qū)城市化水平，以城市化水平帶來的多樣性提高產業(yè)的創(chuàng)新水平，加大企業(yè)科研經(jīng)費投入以提高知識的空間溢出效應。? 參考文獻：

[1]JAFFE A.B.， TRAJTENBERG M.， HENDERSON R. Geographic Localization of Knowledge Spillovers as Evidenced by Patent Citations[J]. the Quarterly Journal of Economics， 1993，108 （1）：577-598

[2]AUDRETECH D.B.，F(xiàn)ELDMAN M. P. R&D Spillovers and the Geography of Innovation and Production[J]. American Economic Review，1996（86）：630 -640.

[3]ROME P.M，. Endogenous Technological Change[J]. Journal of Political Economy 1990，98（5）：71-102.

[4]MARTIN P. OTTAVIANO G. Growth and Agglomeration[J]. International Economic Review， 2001 （42）：947-968.[5]GRILICHES Z. The Search for R&D Spillovers[J].The Scandinavian Journal of Economics，1992（94）： 29-47

[6]SAXENIAN A. Regional Advantage： Culture and Competition in Silicon Valley and Route 128[M]. Cambridge， MA： Harvard University，1994.

[7]PORTER M. E. Location， Competition and Economic Development： Local Clusters in a Global Economy[J]. Economic Development Quarterly， 2000，14（15）：15-33

[8]BERLINANT M.， FUJITA M. Culture and Diversity in Knowledge Creation[J]. Regional Science& Urban Economics， 2012，42（4）： 648-662

[9]唐松.中國金融資源配置與區(qū)域經(jīng)濟增長差異——基于東、中、西部空間溢出效應的實證研究[J].中國軟科學，2014（8）：100-110.

[10]張清正.技術創(chuàng)新 知識溢出與區(qū)域經(jīng)濟增長[J].統(tǒng)計與決策，2015（14）：122-124.

[11]譚建新.中國區(qū)域經(jīng)濟增長的空間溢出效應究竟有多大[J].江西財經(jīng)大學學報.2015（6）：5-17.

[12]龍志和，蔡杰. 知識動態(tài)溢出對產業(yè)發(fā)展的影響——來自中國省級面板數(shù)據(jù)的證據(jù)[J]. 南方經(jīng)濟，2006（4）：5-14.

[13]閆東超， 馬靜. 信息化、空間溢出與區(qū)域經(jīng)濟增長[J].經(jīng)濟問題探索，2016（11）：68-76.

[14]蘇方林. 地級市R&D知識溢出的GWR實證分析[J].數(shù)理統(tǒng)計與管理，2010（1）：41-51.

[15]ROGRIGUZE M. Innovation， Knowledge Spillover and High-Tech Services in European Regions[J]. Engineering Economics，2014（1）：31-39.

[16]許盈之，朱依曦.知識溢出與區(qū)域經(jīng)濟增長基于空間計量模型的實證研究[J].科研管理， 2010（6）：112-115.

[17]ANUPAMA P. and STEHHEN T. Knowledge Spillovers and Alliance Formation[J]. Journal of Management Studies， 2015， 51（7）： 1058-1090.

[18]ALDIERI L.， APRILE M.C.， VINCI C.P.R&D Spillovers Effects on Strategic Behavior of Large International Firms， Working Paper（2015）：76405.

[19]LUIGI A.， CONECETTO P. Knowledge Spillover Effects： A Patent Inventor Approach[J]. Comparative Economic Studies （2016）： 58（1）：1-16.

[20]GHIO N.， GUERINI M.， LEHMANN E.E. The Emergence of the Knowledge Spillover Theory of Entrepreneurship[J]. Small Business Economics， 2015， 44（1）： 1-18.

[21]ACOSTA M.， CORONADO D. & FLORES E. University Spillover and New Business Location in High-Technology Sectors： Spanish Evidence [J]Small Business Economics， 2011， 36（3）：365-376.

[22]高麗娜. 規(guī)模效應、創(chuàng)新外部性與區(qū)域經(jīng)濟增長——基于中國新世紀以來的數(shù)據(jù)分析[J].西部論壇，2016（3）：54-72.

[23]GREUNZ L. Industrial structure and innovation evidence from European Regions[J]. Evol Economics， 2004（14）：563-592.

[24]吳梅，龍志和.知識溢出對廣東高技術產業(yè)發(fā)展影響的實證研究[J]. 科學管理研究2011（1）：156-160.

Abstract： Knowledge spillovers are highly dependent on geographical proximity. the level of knowledge spillover determines the disparity of regional economic development. we empirically measure and analyze the knowledge spillover effect and its impact on regional economic growth based on Griliches-Jaffe Knowledge production function that includes three kinds of knowledge stock substitution variables of R & D expenditure， human capital and patent level by SEM model. The research shows that three knowledge stock variables have significant knowledge spillover effects. the Jacbos Porter effect has a strong positive impact on Chinas regional economic growth. Therefore， it is suggested that knowledge spillovers should be brought into full play in all regions， especially in less developed areas. we should improve urban agglomeration degree， regional human capital stock and increase R &D expenditure to enhance the role of knowledge spillover effect on regional economic growth.

Key words：knowledge spillover; spatial effect; regional economic; SEM model

責任編輯：蕭敏娜