區(qū)域創(chuàng)新能力變量選擇及時空協(xié)同研究

熊曉婭 楊宜平，2

（1.重慶工商大學數(shù)學與統(tǒng)計學院，重慶 400067；2.重慶工商大學經(jīng)濟社會應(yīng)用統(tǒng)計重慶市重點實驗室，重慶 400067）

一、引言

創(chuàng)新作為引領(lǐng)我國經(jīng)濟發(fā)展的戰(zhàn)略性資源，深刻影響著國家前途命運，影響著人民福祉。

在全球科技創(chuàng)新進入空前密集活躍的時期，我國的科技創(chuàng)新能力還有待加強，各?。▍^(qū)市）之間區(qū)域創(chuàng)新資源集聚及創(chuàng)新能力的不平衡現(xiàn)象仍較為嚴重。相對于發(fā)達的東部沿海地區(qū)，西部地區(qū)創(chuàng)新資源投入量較少。如何更合理地投入創(chuàng)新資源和實現(xiàn)資源的最優(yōu)利用，以此創(chuàng)造出更大的經(jīng)濟價值是當前社會關(guān)注的問題。

在此背景下，對我國各地區(qū)的創(chuàng)新資源投入以及對區(qū)域創(chuàng)新能力進行研究十分有必要。對于這兩個問題的探索不僅有助于更為直觀、科學地了解中國省域創(chuàng)新資源的分布與區(qū)域創(chuàng)新能力水平，而且可以在空間關(guān)系層面上更加明確區(qū)域創(chuàng)新能力的影響機制，為創(chuàng)新資源在全國范圍內(nèi)的布局、創(chuàng)新資源的投入提供決策依據(jù)與政策建議，具有理論和實踐上的重要意義。

二、文獻綜述

創(chuàng)新作為經(jīng)濟增長的源泉，受到政府、企事業(yè)單位的廣泛關(guān)注，區(qū)域創(chuàng)新能力的影響因素一直以來是學者研究的熱點。周元元和馮南平（2015）選取R&D人員集聚度、R&D經(jīng)費集聚度作為衡量創(chuàng)新要素集聚的指標，同時將政府對創(chuàng)新活動的資助金額作為控制變量，用專利申請量度量區(qū)域自主創(chuàng)新能力[1]。陳強和顏婷等（2017）將創(chuàng)新主體、創(chuàng)新網(wǎng)絡(luò)和創(chuàng)新環(huán)境作為科技創(chuàng)新能力影響因素，認為應(yīng)充分發(fā)揮高校資源對于提升科技創(chuàng)新能力的直接和間接作用[2]。王淑英和王潔玉等（2020）在進行創(chuàng)新資源指標選取時，將產(chǎn)業(yè)結(jié)構(gòu)水平、對外開放水平和信息化水平等對區(qū)域創(chuàng)新績效有一定影響的指標作為控制變量考慮其中，選取專利授權(quán)量和新產(chǎn)品銷售收入作為創(chuàng)新資源集聚相關(guān)衡量指標，用R&D人員流動量和R&D資本流動量來測度創(chuàng)新資源流動[3]。傅雅文和顧元媛（2021）認為政府R&D補助對企業(yè)創(chuàng)新投入具有激勵作用，且市場化程度越高、知識產(chǎn)權(quán)保護越強、人力資本投入越多，激勵作用越強[4]。

在區(qū)域創(chuàng)新能力的評價方法上，吳衛(wèi)紅和楊婷等（2017）實證分析高校和高技術(shù)產(chǎn)業(yè)創(chuàng)新資源水平對區(qū)域創(chuàng)新的溢出效應(yīng)，認為單一的創(chuàng)新資源集聚會過高或者過低地抑制經(jīng)濟增長[5]。張鐵山和白慧林（2020）利用熵權(quán)TOPSIS法對長三角的科技創(chuàng)新能力進行評價，發(fā)現(xiàn)長三角內(nèi)部科技創(chuàng)新發(fā)展不均衡，自主創(chuàng)新能力缺乏[6]。張安妮（2019）建立時空雙效應(yīng)空間杜賓模型（SDM模型），對創(chuàng)新資源集聚水平和創(chuàng)新能力的空間關(guān)系進行檢驗，得到創(chuàng)新資源集聚水平和創(chuàng)新能力具有空間依賴性，創(chuàng)新資源集聚水平的直接效應(yīng)為正且顯著等結(jié)論[7]。王淑英和王潔玉等（2020）將空間計量模型運用到創(chuàng)新資源研究中，分析資源流動對區(qū)域創(chuàng)新績效的影響以及金融集聚在其中的調(diào)節(jié)作用，研究結(jié)果顯示創(chuàng)新資源流動對區(qū)域創(chuàng)新績效具有空間溢出效應(yīng)。謝泗薪和胡偉（2021）設(shè)計經(jīng)濟高質(zhì)量發(fā)展與科技創(chuàng)新兩系統(tǒng)的評價指標體系，并測算兩系統(tǒng)的綜合指數(shù)、耦合度和協(xié)調(diào)度，在此基礎(chǔ)上引入空間計量模型進行影響因素分析[8]。周春應(yīng)（2021）運用主成分分析法測算中國30個?。▍^(qū)市）科技金融發(fā)展水平，構(gòu)建空間計量模型研究科技金融對地區(qū)經(jīng)濟增長的影響，發(fā)現(xiàn)中國的科技金融呈現(xiàn)“東強西弱”態(tài)勢，各地區(qū)之間存在空間正相關(guān)性[9]。

綜上所述，關(guān)于創(chuàng)新資源對區(qū)域創(chuàng)新能力的研究取得了較為豐碩的成果。但對于創(chuàng)新指標的選取加入了許多主觀因素，本文試圖在現(xiàn)有研究的基礎(chǔ)上，以中國31個?。▍^(qū)市）為研究對象，選取2011—2019年省域面板數(shù)據(jù)，使用lasso方法進行區(qū)域創(chuàng)新指標選擇，隨后討論空間自相關(guān)（SAR）模型、空間誤差（SEM）模型、空間杜賓（SDM）模型的優(yōu)劣，實證分析創(chuàng)新資源投入對創(chuàng)新能力的影響機制。

三、指標選取與數(shù)據(jù)來源

（一）區(qū)域創(chuàng)新能力評價指標初步選取

綜合諸多學者的經(jīng)驗，本文將創(chuàng)新資源歸結(jié)為三大類：創(chuàng)新教育資源、創(chuàng)新財力資源和創(chuàng)新人力資源。

教育作為創(chuàng)新人才培養(yǎng)的基礎(chǔ)，為區(qū)域創(chuàng)新能力提供了很多未知的可能，是不可忽略的因素，選取高等院校在校生數(shù)量、高等院校師生比（教師=1）、教育經(jīng)費投入來衡量地區(qū)創(chuàng)新教育資源。

創(chuàng)新財力資源是一個地區(qū)對科技創(chuàng)新領(lǐng)域的資金投入量，區(qū)域創(chuàng)新能力的提升離不開財力的支持，一般而言，財力資源投入越多，科技創(chuàng)新水平往往更高，選取高技術(shù)產(chǎn)業(yè)產(chǎn)值和R&D經(jīng)費內(nèi)部支出來衡量地區(qū)創(chuàng)新財力資源。

創(chuàng)新人力資源是一個地區(qū)從事科技創(chuàng)新事業(yè)的人員，投入高技術(shù)產(chǎn)業(yè)和R&D從業(yè)人員，產(chǎn)生創(chuàng)新性成果，對提高區(qū)域創(chuàng)新能力有很大影響，選取高技術(shù)產(chǎn)業(yè)從業(yè)人員數(shù)量、R&D人員全時當量來衡量地區(qū)創(chuàng)新人力資源。

用專利申請授權(quán)數(shù)量來衡量區(qū)域創(chuàng)新能力水平，并使用符號y表示，具體構(gòu)建指標體系見表1。

表1 區(qū)域創(chuàng)新能力指標體系

（二）L asso方法指標選取結(jié)果

本文選取的區(qū)域創(chuàng)新能力指標大多是參考已有學者的研究，但已有文獻對于指標體系的選取和研究大都摻雜了較多的主觀因素。因此，有必要利用統(tǒng)計方法對指標體系進行處理，篩選出最重要的創(chuàng)新能力影響因素。

首先，基于固定效應(yīng)面板模型進行變量選擇，模型設(shè)定如下：

其中，yit是因變量，xit是 p×q維協(xié)變量，β是（q+1）維的回歸系數(shù)，αi是固定效應(yīng)，εit是隨機誤差項，且 ε～ N（0，σ2In）。

Lasso方法在1996年由Tribshirani R提出[10]，與傳統(tǒng)變量選擇方法不同，Lasso能夠同時進行變量選擇和參數(shù)估計，并添加懲罰函數(shù)使得對模型影響因素較小的變量快速壓縮至零，從而能夠快速選擇出影響因素較大的那些變量。對于式（1）的回歸模型，本文用懲罰函數(shù)來估計參數(shù)β，懲罰函數(shù)的基本形式如下：

調(diào)用R軟件中ncvreg、glmnet、msgps程序包，實現(xiàn)Lasso的變量選擇，可以得到該方法具體的系數(shù)路徑圖和交叉驗證圖，如圖1所示。

圖1 Lasso變量選擇的系數(shù)路徑圖和交叉驗證圖

從Lasso的系數(shù)路徑圖和交叉驗證圖可得到：λ的值是十折交叉驗證確定的，隨著log（λ）的增加，估計系數(shù)β變?yōu)?的變量越來越多；隨著選取的指標數(shù)目不斷增加，交叉驗證的誤差先下降后上升，當選取4個變量時，回歸模型誤差最小，約為0.026。

最終選擇的變量為：高等院校師生比（x2）、教育經(jīng)費投入（x3）、高技術(shù)產(chǎn)業(yè)從業(yè)人員數(shù)量（x4）、高新技術(shù)產(chǎn)業(yè)產(chǎn)值（x6）。

（三）數(shù)據(jù)來源

本文采用2011—2019年我國31個省、自治區(qū)、直轄市的面板數(shù)據(jù)作為研究對象。鑒于數(shù)據(jù)的可得性與全面性，本文使用的數(shù)據(jù)來源于國家統(tǒng)計局、各省（區(qū)市）的統(tǒng)計年鑒和《中國科技統(tǒng)計年鑒》。

四、區(qū)域創(chuàng)新能力的空間效應(yīng)分析

為反映我國創(chuàng)新資源集聚情況，本文將創(chuàng)新要素指標面板數(shù)據(jù)運用到空間上，根據(jù)Lasso選擇的4個變量，采用空間面板數(shù)據(jù)模型，將區(qū)域創(chuàng)新資源的溢出效應(yīng)和空間相關(guān)性的作用機制更直觀的顯現(xiàn)。

（一）空間相關(guān)性分析

在進行空間計量模型設(shè)定前，先對研究的被解釋變量做空間相關(guān)性檢驗，驗證其是否存在空間上的自相關(guān)性。常用的自相關(guān)檢驗方法有Moran's I檢驗、LM檢驗、LR檢驗。因Moran's I檢驗具有很好的性質(zhì)，漸進等價于LR檢驗、RS檢驗、LM檢驗，故本文選擇最常用的Moran's I進行空間自相關(guān)檢驗，其計算公式如下：

j表示地區(qū)，取值為 1，2，…，31；i表示指標。Wij表示第j個地區(qū)的第i個指標的空間權(quán)重，采用0—1鄰接矩陣法確定，即i和j相鄰則取值為1，不相鄰取值為0。且空間權(quán)重矩陣Wij對角線為0，同一地區(qū)永不相鄰。

計算出Moran's I后，還要檢驗其顯著性，看其是否具有顯著性意義，檢驗方法為Z-score正態(tài)分布方法。如果Z-score正態(tài)分布方法通過了10%、5%或1%三個水平上的顯著性檢驗，則說明Moran's I有顯著意義，其公式如下：

本文使用距離權(quán)重矩陣，檢驗創(chuàng)新資源集聚變量的空間相關(guān)性。用stata15計算2011—2019年我國各?。▍^(qū)市）的創(chuàng)新能力Moran's I，結(jié)果如表2所示。

表2 2011—2019年創(chuàng)新能力全局Moran'sI

由表2可知，中國自2011年以來各?。▍^(qū)市）創(chuàng)新能力全局均大于0.1，且p值均通過顯著性檢驗，表明我國31個?。▍^(qū)市）的創(chuàng)新能力水平有顯著的空間正相關(guān)關(guān)系。為對區(qū)域創(chuàng)新能力空間集聚情況做進一步研究，本文繪制2019年31個?。▍^(qū)市）的創(chuàng)新能力Moran散點圖，如圖2所示。

圖2 2019年創(chuàng)新能力Moran散點圖

根據(jù)圖2可分析得出我國31個?。▍^(qū)市）的創(chuàng)新能力空間聚集特征。位于第一象限表明該區(qū)域具有良好的空間溢出效應(yīng)，對周邊創(chuàng)新能力的發(fā)展起到一定的帶動作用，位于第三象限表明該區(qū)域具有惡化的溢出效應(yīng)，而位于第二、四象限則表明該區(qū)域與相鄰區(qū)域之間不存在同方向的相互影響。江蘇、山東、浙江、上海等具有高-高（H-H）聚集的空間特征特性；廣西、河北、湖南位于第二象限，具有低-高（L-H）聚集的空間特性；大部分?。▍^(qū)市）位于第三象限，如四川、重慶、貴州、內(nèi)蒙古、新疆等，具有低-低（L-L）聚集的空間特性；北京、廣東位于第四象限，具有高-低（H-L）聚集的空間特性。

（二）空間計量模型設(shè)定與檢驗

1.模型設(shè)定

基于理論分析，可以構(gòu)建出創(chuàng)新能力與各類創(chuàng)新資源投入的基本計量模型（見式5），由于指標的數(shù)據(jù)口徑不統(tǒng)一，無法進行比較，因此取對數(shù)進行實證分析。

其中，被解釋變量是區(qū)域創(chuàng)新能力（yit），以i區(qū)域t年的國內(nèi)三種專利申請數(shù)量來表示。解釋變量包括：高等院校師生比（x2）、教育經(jīng)費投入（x3）、高技術(shù)產(chǎn)業(yè)從業(yè)人員數(shù)量（x4）、高技術(shù)產(chǎn)業(yè)產(chǎn)值（x6）。

同時，創(chuàng)新能力的空間相關(guān)性檢驗結(jié)果表明，區(qū)域創(chuàng)新能力具有明顯的空間自相關(guān)性，基本計量模型與實際模型可能存在一定的偏差，故需要建立空間計量模型來進行區(qū)域創(chuàng)新能力分析，常用的空間計量模型有空間自回歸（SAR）模型、空間誤差（SEM）模型、空間杜賓（SDM）模型。

（1）加入被解釋變量空間自回歸項后，空間自回歸（SAR）模型的形式如下：

ρ為區(qū)域創(chuàng)新能力的空間自相關(guān)系數(shù)，βi為回歸系數(shù)，εi為隨機誤差項，且 εi～N（0，σ2In）。

（2）加入空間誤差項，空間誤差（SEM）模型的形式如下：

（3）在空間自回歸（SAR）模型的基礎(chǔ)上，加入解釋變量的自回歸項，得到空間杜賓（SDM）模型形式：

SDM模型可解釋為三部分，第一部分：區(qū)域創(chuàng)新能力與相鄰地區(qū)的創(chuàng)新能力有相關(guān)關(guān)系。第二部分：被解釋變量和解釋變量有相關(guān)關(guān)系，即創(chuàng)新能力與教育資源、人力資源和財力資源有關(guān)。第三部分：相鄰區(qū)域的教育資源、人力資源和財力資源影響該區(qū)域的創(chuàng)新能力。

2.模型檢驗

首先，用LM檢驗對比SAR和SEM模型，從檢驗結(jié)果（表3）可以看出：SAR模型下的LM和Robust LM統(tǒng)計量的p值分別為0.941、0.135，SEM模型下LM和Robust LM統(tǒng)計量的p值均為0.000，只有空間誤差模型才具有顯著性，因此不適合選擇空間杜賓模型進行分析，可選擇空間誤差（SEM）模型。

表3 LM檢驗結(jié)果

為進一步驗證是否選擇SEM模型，隨后對空間杜賓（SDM）模型進行模型LR和Wald檢驗，檢驗結(jié)果如表4所示。

表4 SDM模型的LR和Wald檢驗

LR檢驗時p值為0.0149，測算結(jié)果顯著，Wald檢驗的p值為0.2293，不具有顯著性，說明空間杜賓模型會退化成SEM模型，再一次驗證了本文適合用空間誤差（SEM）模型來進行空間計量分析。

（三）空間計量模型結(jié)果分析

基于SEM模型，采用Hausman檢驗對模型的個體效應(yīng)進行判定。用stata15對模型進行Hausman檢驗，得到卡方值為16.32，p值為0.0026，通過水平為5%的顯著性檢驗，拒絕原假設(shè)，認為選擇固定效應(yīng)模型更適合SEM模型的分析。

故對式（7）進行模擬，得到SEM模型的空間固定效應(yīng)模型、時間固定效應(yīng)模型和雙向固定效應(yīng)模型的估計結(jié)果，如表5所示。

表5 SEM模型的效應(yīng)系數(shù)

由表5可知，空間固定效應(yīng)模型、時間固定效應(yīng)模型和雙向固定效應(yīng)模型、隨機效應(yīng)模型的擬合優(yōu)度的判定系數(shù)均高于0.7，模型的擬合優(yōu)度較好。

其中，時間固定效應(yīng)模型的可決系數(shù)最低，但變量的估計系數(shù)均在5%顯著性水平下，通過顯著性檢驗，四個變量的估計系數(shù)顯著。其余模型均為0.82，但較多系數(shù)未通過顯著性檢驗。因此，認為時間固定效應(yīng)的SEM模型的計量結(jié)果比其余三個模型更適合用來解釋變量的意義。空間誤差（SEM）模型的系數(shù)在空間固定效應(yīng)下為正，表明相鄰?。▍^(qū)市）區(qū)域創(chuàng)新能力擾動誤差對該地區(qū)創(chuàng)新能力有正向的影響，在時間固定效應(yīng)下為負，表明時間對于該地區(qū)的創(chuàng)新能力有負向的影響。

因此，空間誤差（SEM）模型的具體形式如下：

高等院校師生比在SEM模型的時間固定效應(yīng)顯著為負，高等院校師生比每上升1個百分點，區(qū)域創(chuàng)新能力就下降0.1199個百分點，區(qū)域師資力量的投入不足，高校學生和教師的不平衡對區(qū)域創(chuàng)新能力產(chǎn)生了明顯的負影響作用。

教育經(jīng)費投入、高技術(shù)產(chǎn)業(yè)從業(yè)人員數(shù)量、高技術(shù)產(chǎn)業(yè)產(chǎn)值系數(shù)估計在SEM模型的時間固定效應(yīng)下都顯著為正，分別為0.8024、0.4268、0.1194。教育經(jīng)費投入每上升1個百分點，區(qū)域創(chuàng)新能力將增長約0.8024個百分點；高技術(shù)產(chǎn)業(yè)從業(yè)人員數(shù)量每增加1%，區(qū)域創(chuàng)新能力將增長0.4268%；高技術(shù)產(chǎn)業(yè)產(chǎn)值每提升1%，區(qū)域創(chuàng)新能力將增長0.1194%。說明教育資源、區(qū)域高技術(shù)產(chǎn)業(yè)的規(guī)模和經(jīng)濟效益對區(qū)域創(chuàng)新能力的影響起著十分重要的作用。

五、結(jié)論及建議

通過Lasso進行變量選擇，在原有的指標中選擇對創(chuàng)新能力有主要影響的4個變量，進行空間面板數(shù)據(jù)分析，得到以下結(jié)論：①區(qū)域創(chuàng)新能力有空間相關(guān)性且存在空間集聚現(xiàn)象。集聚效應(yīng)呈現(xiàn)出中西部地區(qū)低低（L-L）集聚、東部沿海地區(qū)高高（H-H）集聚的兩極分化、創(chuàng)新能力不均衡的態(tài)勢。②構(gòu)建SAR模型、SEM模型和SDM模型，通過LM檢驗、LR檢驗、Wald檢驗三大檢驗選擇出SEM模型更適合本研究的實證分析；Hausman檢驗通過顯著性檢驗，并對比空間固定效應(yīng)、時間固定效應(yīng)和雙向固定效應(yīng)，最終選定時間固定效應(yīng)的SEM模型。③教育經(jīng)費投入、高技術(shù)產(chǎn)業(yè)從業(yè)人員數(shù)量、高技術(shù)產(chǎn)業(yè)產(chǎn)值的投入對區(qū)域創(chuàng)新能力的提高有明顯的正向促進作用，而高等院校師生比投入在空間維度上對區(qū)域創(chuàng)新能力有顯著的負影響。

因此，為提高區(qū)域創(chuàng)新能力，在教育經(jīng)費支持方面應(yīng)加大力度，在高校本科生、研究生擴招的同時，也應(yīng)當注重師資力量的引進，使其達到一個合理的平衡點，注重培養(yǎng)高質(zhì)量人才。注重當?shù)貍鹘y(tǒng)產(chǎn)業(yè)的升級轉(zhuǎn)型，將傳統(tǒng)制造業(yè)往高技術(shù)產(chǎn)業(yè)方向轉(zhuǎn)型，緊跟國家創(chuàng)新發(fā)展潮流，注重新型基礎(chǔ)設(shè)施建設(shè)、數(shù)字產(chǎn)業(yè)經(jīng)濟等新興產(chǎn)業(yè)的發(fā)展。