區(qū)域創(chuàng)新影響因素的效應(yīng)測度與分解研究

田雅娟，田戈揚，宋劍

摘要：基于2004—2019年省級面板數(shù)據(jù)，應(yīng)用半?yún)?shù)地理加性模型考察區(qū)域創(chuàng)新能力影響因素的非線性作用與空間異質(zhì)性分布，并基于夏普里值法對相關(guān)因素在區(qū)域創(chuàng)新差異中的貢獻度進行分解分析。實證結(jié)果表明：除研發(fā)人員投入外，研發(fā)資本投入、人力資本水平、金融發(fā)展水平、市場化進程和技術(shù)差距對區(qū)域創(chuàng)新能力的影響效應(yīng)都存在顯著的非線性特征。在控制上述要素與時間趨勢后，尚有未知的潛在因素對區(qū)域創(chuàng)新能力存在較強影響，江蘇、浙江和廣東三地的潛在創(chuàng)新環(huán)境最優(yōu)?；谙钠绽镏捣ǖ呢暙I度分解顯示，研發(fā)資本投入、研發(fā)人員投入和市場化進程是造成我國創(chuàng)新能力區(qū)域差異的三個主要因素。

關(guān)鍵詞：區(qū)域創(chuàng)新;空間異質(zhì)性;地理加性模型;夏普里值法

中圖分類號：F124.3;F064.1 文獻標識碼：A文章編號：1007-2101（2022）03-0051-09

一、引言

創(chuàng)新是經(jīng)濟社會不斷發(fā)展進步的重要動力。我國國民經(jīng)濟和社會發(fā)展“十四五”規(guī)劃強調(diào)了堅持創(chuàng)新在我國現(xiàn)代化建設(shè)全局中的核心地位。經(jīng)過幾十年長足的發(fā)展，我國創(chuàng)新總體實力實現(xiàn)了極大的提升，成為世界上不可忽視的中堅力量。但同時，作為世界上最大的發(fā)展中國家，受地理位置、資源稟賦和區(qū)域政策等因素的影響，區(qū)域創(chuàng)新能力存在的發(fā)展不平衡、不協(xié)調(diào)、不可持續(xù)等問題依舊突出，成為我國建設(shè)創(chuàng)新型強國的重要掣肘。因而，精準把握區(qū)域創(chuàng)新能力的主要影響因素，探求各類因素的影響效力，對于科學有效地組織與協(xié)調(diào)各種投入要素進行創(chuàng)新生產(chǎn)、營造友好的創(chuàng)新社會環(huán)境、整體推進我國各區(qū)域的協(xié)調(diào)創(chuàng)新發(fā)展具有重要的現(xiàn)實意義。為此，本文以省級行政單位為研究主體，基于半?yún)?shù)地理加性模型（Geostatistical Additive Model，Geo-GAM）對區(qū)域創(chuàng)新影響因素的作用效應(yīng)進行了測度和分解研究。為了更精準地反映相關(guān)因素對區(qū)域創(chuàng)新能力的影響效應(yīng)，本文利用半?yún)?shù)加性模型設(shè)計量化測度復(fù)雜的非線性效應(yīng)，避免了簡單的線性效應(yīng)假定可能出現(xiàn)的誤設(shè)定;此外，還將難以量化的空間異質(zhì)性因素（如政策保障、風俗文化、制度法律、地理環(huán)境條件等）以地理坐標構(gòu)建的平滑空間趨勢面的形式納入回歸模型，在很大程度上減少了遺漏變量造成的誤差。在此模型設(shè)定基礎(chǔ)上，本文較為全面地測度了各類影響因素對區(qū)域創(chuàng)新能力的影響特征，并對各因素的貢獻進行了夏普里值分解，深入探索各方面因素對創(chuàng)新能力的貢獻作用，以期為促進各區(qū)域協(xié)調(diào)創(chuàng)新發(fā)展的政策制定提供研究支持。

二、文獻綜述

已有相關(guān)成果圍繞各種要素對區(qū)域創(chuàng)新能力的復(fù)雜影響作用展開了豐富的研究，比如Furman et al[1]、Fritsch and Slavtchev等[2]的研究表明，創(chuàng)新環(huán)境質(zhì)量的不同往往會導(dǎo)致各創(chuàng)新單元在創(chuàng)新生產(chǎn)力和能力方面的差異，不匹配的創(chuàng)新環(huán)境會阻礙創(chuàng)新投入的轉(zhuǎn)化效率。李燕等[3]認為我國的區(qū)域技術(shù)差距對創(chuàng)新溢出效應(yīng)存在顯著的“雙門檻效應(yīng)”，區(qū)域技術(shù)落后地區(qū)對創(chuàng)新溢出效應(yīng)的吸收能力低于發(fā)達地區(qū)，并且創(chuàng)新溢出的邊際效用隨技術(shù)水平的提高呈遞減變化。相關(guān)研究還證明外資對中國的專利申請數(shù)量的正面溢出效應(yīng)存在門檻特征[4]，基于時空數(shù)據(jù)的分析顯示FDI對創(chuàng)新效率的正向影響存在空間差異，中、西部地區(qū)優(yōu)于東部地區(qū)[5]。劉宏等[6]通過建立門限回歸模型，發(fā)現(xiàn)吸收能力在FDI對區(qū)域創(chuàng)新能力的影響中存在雙重門限效應(yīng)，而市場化程度以及技術(shù)差距則存在單門限效應(yīng)。朱順林[7]的研究則表示資本要素市場化會抑制OFDI對區(qū)域創(chuàng)新的正向作用，而且這種抑制作用存在地區(qū)差異。

相關(guān)研究還以空間屬性為切入點揭示了區(qū)域創(chuàng)新的空間差異特征?？臻g知識溢出是指各個區(qū)域之間通過信息交換與要素流動等方式獲得R&D成果，并以此促進經(jīng)濟的增長[8]，這也使得區(qū)域創(chuàng)新能力的分布具有顯著的空間依賴性。

關(guān)于我國創(chuàng)新能力空間分布方面的研究，羅發(fā)友[9]、張玉明和李凱[10]的研究都證明了我國的創(chuàng)新活動和產(chǎn)出在空間上表現(xiàn)出非隨機性的不均勻分布;魏守華和吳貴生[11]認為區(qū)域創(chuàng)新能力不僅受R&D活動規(guī)模等創(chuàng)新基礎(chǔ)條件影響 ，更重要的是受區(qū)域創(chuàng)新效率影響，我國創(chuàng)新能力的地區(qū)差距明顯且呈擴大化趨勢。陳晶[12]利用GIS分析技術(shù)評估了我國內(nèi)地31個省域的創(chuàng)新能力并描繪了其空間演化過程，發(fā)現(xiàn)我國區(qū)域創(chuàng)新綜合實力的地域差異較為鮮明，沿海進步集團與中西部落后集團的創(chuàng)新能力差距在不斷擴大;李婧[13]基于中國30個省區(qū)的面板數(shù)據(jù)考察發(fā)現(xiàn)，北京與江浙滬等發(fā)達地區(qū)的知識水平高于其他中西部地區(qū)，地理距離會對知識溢出效應(yīng)產(chǎn)生重要影響;宋旭光[14]使用復(fù)雜網(wǎng)絡(luò)分析我國的創(chuàng)新能力空間關(guān)聯(lián)結(jié)構(gòu)，發(fā)現(xiàn)東部區(qū)域已經(jīng)發(fā)展成為高—高集聚的創(chuàng)新良性地帶，而西部地區(qū)則成為低—低集聚的洼地，中國區(qū)域創(chuàng)新表現(xiàn)出“梯度”可達的關(guān)聯(lián)特征。

綜合來看，區(qū)域創(chuàng)新能力同時受到多個方面因素的綜合影響，而且這些影響作用表現(xiàn)出較為復(fù)雜的作用特征，這使得傳統(tǒng)計量模型在測度各因素對區(qū)域創(chuàng)新能力的影響效應(yīng)時存在幾點不足：第一，使用參數(shù)回歸模型探討各因素對創(chuàng)新能力的影響時，多數(shù)模型通過增加門限變量、添加平方項等方式實現(xiàn)對非線性特征的刻畫，這些方法很難應(yīng)用于對多個因素非線性特征的同時刻畫。第二，區(qū)域創(chuàng)新能力還會受到歷史積累、地理環(huán)境、社會文化等難以量化因素的影響，這些因素往往在空間分布上是不均勻的。而這些空間異質(zhì)性是很難被準確測度甚至無法直接觀察的，對這些因素的遺漏，很可能造成模型估計的誤差，影響分析的精準性。

有鑒于此，本文提出基于半?yún)?shù)地理加性模型對區(qū)域創(chuàng)新能力相關(guān)影響因素的效應(yīng)測度方法，該方法有三點優(yōu)勢：第一，相比較傳統(tǒng)的參數(shù)回歸模型，半?yún)?shù)加性模型是一種自由靈活的模型形式，通過函數(shù)化的非參數(shù)項可以更加敏銳地同時捕捉多個因素的非線性特征。第二，將由地理坐標構(gòu)建的平滑空間趨勢面納入模型，可極大程度上控制住難以量化但存在空間差異的潛在因素對區(qū)域創(chuàng)新的影響，減少由于遺漏變量帶來的誤差，提高模型的估計精度。第三，該平滑空間趨勢面反映了潛在因素造成的區(qū)域創(chuàng)新環(huán)境差異，可作為不同地區(qū)創(chuàng)新環(huán)境優(yōu)劣的量化體現(xiàn)。

三、研究設(shè)計

（一）區(qū)域創(chuàng)新影響因素的效應(yīng)測度模型

半?yún)?shù)地理加性模型由Kammann和Wand[15]、Wood[16]、Augustin[17]等學者提出與完善，是在廣義加性模型（Generalized Additive Model，GAM）框架基礎(chǔ)上引入地理加性成分的模型形式，可以更好地處理影響因素的非線性效應(yīng)和潛在因素引起的空間異質(zhì)性問題。Geo-GAM模型在GAM框架中加入平滑空間趨勢面（一個由經(jīng)度和緯度構(gòu)成的非參數(shù)交互項），借以將難以量化的潛在影響因素（如政策保障、風俗文化、制度法律、地理環(huán)境條件等）可能導(dǎo)致的區(qū)域創(chuàng)新空間異質(zhì)性以地理位置坐標為載體納入回歸模型中，減少可能因為大量遺漏變量而產(chǎn)生的偏差，從而達到增強整個模型準確度與解釋能力的目的。模型的具體形式為：

Yit=β0+β1Z1，it+…+βkZk，it+f1（X1，it）+…+

fm（Xm，it）+h（no，e）（1）

在式（1）中，Yit為被解釋變量;Zl（l=1，…，k）為第l個對Yit產(chǎn)生線性影響的解釋變量，其影響在模型中以參數(shù)項βlZl，it顯示;Xj（j=1，…，m）為第j個對Yit產(chǎn)生非線性影響的解釋變量，其影響在模型中以非參函數(shù)項fj（Xj，it）體現(xiàn);（no，e）為樣本單元所在的空間經(jīng)緯度，h（no，e）為由樣本單元經(jīng)緯度組成的平滑空間趨勢面，用于控制帶來空間異質(zhì)但未能納入解釋變量的其他潛在因素的影響。

（二）進行效應(yīng)分解的夏普里值法

為了進一步確定各類因素在我國區(qū)域創(chuàng)新能力形成過程中的作用大小，本文使用夏普里值法進行各因素的效應(yīng)分解分析。夏普里值法是一種基于合作博弈論、在解決多人合作的利益分配問題時測度每個參與者對整體做出貢獻水平的方法，在回歸模型結(jié)果的分解問題上得到了廣泛的應(yīng)用。具體到在回歸模型差異分解的應(yīng)用中，通常認為被解釋變量的差異是由所有因素共同作用產(chǎn)生的，剔除其中一個因素，會對整體差異產(chǎn)生一個邊際效應(yīng)。那么在所有的剔除路徑下，該因素的邊際效應(yīng)均值就是其對整體指標差異的貢獻。該差異一般選擇基尼系數(shù)、泰爾指數(shù)等指標進行計算，在控制因素進入回歸時使用當年的均值替換原數(shù)據(jù)以剔除該變量對總體差異的影響。最終計算得到的相對貢獻率表示該變量對被解釋變量差異的解釋程度。

（三）變量設(shè)置

現(xiàn)有文獻大多采用專利數(shù)、新產(chǎn)品數(shù)、新產(chǎn)品銷售收入等指標代表區(qū)域創(chuàng)新能力。由于專利數(shù)量更為常用且相關(guān)數(shù)據(jù)易獲得，且我國的相關(guān)制度統(tǒng)一，不同區(qū)域之間方便進行比較。根據(jù)我國相關(guān)法律規(guī)定，專利分為發(fā)明專利、實用新型專利和外觀設(shè)計專利，而其中的發(fā)明專利技術(shù)含量更高，更能準確反映區(qū)域創(chuàng)新能力，因此參考李習保[18]、楊浩昌[19]等的研究，本文選擇發(fā)明專利申請授權(quán)數(shù)的對數(shù)作為代表創(chuàng)新能力的被解釋變量，同時使用三種專利類型授權(quán)數(shù)量之和的對數(shù)替換被解釋變量做穩(wěn)健性檢驗。在解釋變量方面，參考已有研究，從投入因素、經(jīng)濟環(huán)境、政策環(huán)境等方面選擇6個變量，分別說明如下。

1.研發(fā)資本投入。以用永續(xù)盤存法估算的研發(fā)資本存量來體現(xiàn)研發(fā)資本投入的累積效應(yīng)，具體計算方法如下：

RDit=（1-d）RDit-1+Eit（2）

在式（2）中，RDit為第t時期省份i的研發(fā)資本存量;d表示研發(fā)資本的折舊率，參考已有文獻的平均水平設(shè)定為15%;Eit為第t時期省份i的R&D經(jīng)費內(nèi)部支出。參考朱平芳和徐偉民[20]的做法，將固定資產(chǎn)價格指數(shù)和居民消費價格指數(shù)分別按照45%和55%的比例。重新計算得到研發(fā)支出價格指數(shù)，并使用此價格指數(shù)對R&D經(jīng)費內(nèi)部支出進行平減將其轉(zhuǎn)換為2003年不變價。初始的研發(fā)資本存量的估計方法為RD2003=Ei2003/（d+gi），其中g(shù)i為所選時期內(nèi)省份i的R&D經(jīng)費內(nèi)部支出的年平均增長速度。

2.研發(fā)人員投入。現(xiàn)有研究一般選擇研發(fā)人員數(shù)量或研發(fā)人員全時當量代表研發(fā)人員投入的水平，其中研發(fā)人員全時當量是考慮了研發(fā)人員工作時長折算的實際工作量，相對于研發(fā)人員數(shù)量而言能更加準確地反映各省的人員投入水平。因此本文選擇研發(fā)人員全時當量作為代表研發(fā)人員投入的指標。

3.人力資本水平。人力資本水平的高低對本區(qū)域內(nèi)的創(chuàng)新能力影響毋庸置疑。本文采用人均受教育年數(shù)來衡量地區(qū)人力資本水平，具體計算公式如下：

hum=prim×6+midd×9+high×12+univ×16（3）

在式（3）中，prim、midd、high和univ分別為小學、初中 、高中和大專以上教育程度居民占該地區(qū)6歲及以上人口的比重。

4.金融發(fā)展水平。參考冉光和[21]的研究，金融發(fā)展效率的提升可能會對區(qū)域創(chuàng)新能力產(chǎn)生積極作用，用各省份當年儲蓄與貸款的比值代表金融發(fā)展水平。

5.市場化進程。良好的市場化環(huán)境有助于資源配置效率的改善，是企業(yè)技術(shù)創(chuàng)新的外部推動力量。參考王小魯[22]的研究，從政府與市場關(guān)系、非國有經(jīng)濟發(fā)展、產(chǎn)品市場發(fā)育、要素市場發(fā)育和中介組織發(fā)育以及法律五個方面計算得到2004—2019年30個?。ㄗ灾螀^(qū)、直轄市）的市場化進程總得分，相關(guān)數(shù)據(jù)來自WIND數(shù)據(jù)庫。

6.技術(shù)差距。技術(shù)差距會影響相對落后地區(qū)對知識和技術(shù)溢出的吸收能力，一般選擇與發(fā)達經(jīng)濟體勞動生產(chǎn)率或資本密集度之比近似代替，參考寧燁[23]的研究，本文選擇各省市資本密集度與G7國家整體的資本密集度之比來衡量技術(shù)差距具體，計算公式如下：

GAPi（t）=Ki（t）/Li（t）KG7（t）/LG7（t）（4）

在式（4）中，Ki（t）和KG7（t）分別為t時期各省市和G7國家的固定資本形成總額，使用GDP平減指數(shù)，折算為以2003年為基期的不變價;Li（t）和LG7（t）分別為t時期各省市和G7國家的勞動力投入。G7國家的相關(guān)數(shù)據(jù)來自世界銀行數(shù)據(jù)庫。

四、效應(yīng)測度分析與差異分解

（一）數(shù)據(jù)來源與描述性統(tǒng)計

本文選取2004—2019年30個省級單元（西藏自治區(qū)、港澳臺地區(qū)由于數(shù)據(jù)缺失未納入樣本）的數(shù)據(jù)為樣本進行實證分析。其中專利申請量、研發(fā)經(jīng)費支出、研發(fā)人員全時當量均來自于《中國科技統(tǒng)計年鑒》;其余解釋變量計算所需的原始數(shù)據(jù)均來自于《中國統(tǒng)計年鑒》，通過EPS和WIND數(shù)據(jù)庫收集整理。相關(guān)變量的描述性統(tǒng)計如表1所示。

（二）區(qū)域創(chuàng)新影響因素的效應(yīng)測度分析

1.實證模型形式的確定。首先假設(shè)區(qū)域創(chuàng)新與所有影響因素都存在非線性關(guān)系，所有解釋變量以非參數(shù)項形式引入模型，在此設(shè)定下分別給出三個模型估計，結(jié)果如表2所示。模型1中解釋變量僅包括研發(fā)資本投入、研發(fā)人員投入、人力資本水平、金融發(fā)展水平、市場化進程、技術(shù)差距6個因素，被解釋變量和前兩個解釋變量由于數(shù)值較大，做

對數(shù)處理。模型2在模型1基礎(chǔ)上引入了時間變量，增加了對時間固定效應(yīng)的控制。模型3在模型1基礎(chǔ)上同時引入時間變量和地理區(qū)位變量（經(jīng)緯度），增加對時間固定效應(yīng)和空間固定效應(yīng)的控制。表2同時給出每個非參數(shù)項的顯著性檢驗結(jié)果（F統(tǒng)計量值）和自由度值。非參數(shù)項的自由度值大于1時認為該解釋變量與被解釋變量之間存在的是非線性關(guān)系，且自由度值越大，非線性特征越明顯。首先，對比表2中模型1、模型2和模型3的擬合效果，增加對時間和空間固定效應(yīng)的控制后，模型3的R2值和AIC值均明顯優(yōu)于其他兩個模型，可見，增加時空因素后的模型，更好地控制了部分不可觀測因素的影響，解釋力度明顯提升。因此，最終構(gòu)建實證模型如下：

yit=β0+s1（lnrdit）+s2（lnlit）+s3（humit）+s4（finit）+s5（mktit）+s6（gapit）+s7（year）+s8（no，e）+εit（5）

在式（5）中，yit為第i個省份第t年的專利申請量的對數(shù)，代表區(qū)域創(chuàng)新能力;s1（lnrdit）、s2（lnlit）、s3（humit）、s4（finit）、s5（mktit）、s6（gapit）分別刻畫了研發(fā)資本投入、研發(fā)人員投入、人力資本水平、金融發(fā)展水平、市場化進程和技術(shù)差距6個量化因素對區(qū)域創(chuàng)新的非線性作用特征;s7（year）和s8（no，e）用于控制區(qū)域創(chuàng)新的時間固定效應(yīng)和空間固定效應(yīng)。

2.實證結(jié)果分析。基于式（5）所給實證模型對區(qū)域創(chuàng)新影響因素的作用效應(yīng)進行測算分析，結(jié)果在表2模型3中給出。從變量顯著性檢驗結(jié)果看，研發(fā)人員投入的影響效應(yīng)在5%顯著性水平下顯著，其余5個解釋變量的影響效應(yīng)均在1%顯著性水平下顯著。通過自由度判斷各影響因素的非線性特征，除研發(fā)人員投入的非線性特征不明顯（自由度值小于2）外，其余各要素均表現(xiàn)出較為明顯的非線性特征，具體作用方向變化的表現(xiàn)通過估計所得的平滑函數(shù)予以反映（見圖1）。

圖1給出了6個影響因素對區(qū)域創(chuàng)新能力的作用特征：研發(fā)資本投入（lnrd）對區(qū)域創(chuàng)新能力全程表現(xiàn)為正向的拉動效應(yīng)，并且存在單門檻效應(yīng)，當研發(fā)資本投入達到一定水平后，繼續(xù)增加要素投入帶來的邊際收益會增加;研發(fā)人員投入（lnl）對區(qū)域創(chuàng)新能力同樣表現(xiàn)出正向的影響效應(yīng)，且比較接近線性的作用形式，即增加單位科研人員要素投入帶來的邊際收益接近一個固定的數(shù)值，不會隨自身水平變化。人力資本水平（hum）的影響效應(yīng)則表現(xiàn)出非常明顯的非線性特征，在人力資本水平處于較低的區(qū)間時，區(qū)域創(chuàng)新能力會隨著人力資本水平的增加表現(xiàn)出明顯的上升趨勢，而當人力資本水平達到一定的門檻后，兩者之間的關(guān)系就變得不夠顯著。與此類似的是市場化進程（mkt）和技術(shù)差距（gap），均表現(xiàn)出隨著自身水平增加帶來的邊際收益降低的作用特征。而金融發(fā)展水平（fin）則表現(xiàn)出邊際收益增加的趨勢，即當金融發(fā)展水平處于較低的區(qū)間時，它對區(qū)域創(chuàng)新能力的影響效應(yīng)并不明顯，而達到一定水平后才開始表現(xiàn)出正向的促進效果。

在式（5）的模型設(shè)定中，非參數(shù)項s8（no，e）用于捕捉其余不隨時間變化的潛在因素（如政策保障、風俗文化、制度法律、地理環(huán)境條件等存在空間差異的因素）對區(qū)域創(chuàng)新能力造成的空間異質(zhì)性影響。s8（no，e）的估計結(jié)果為以地理經(jīng)緯度為變量的平滑曲面，可通過等高線的形式表現(xiàn)出這種空間固定效應(yīng)的優(yōu)劣（見圖2）。

圖2為以潛在因素對區(qū)域創(chuàng)新能力的平均影響為基準（等高線水平值為0），按照s8（no，e）的取值繪制的等高線圖。圖2的橫軸和縱軸分別為樣本中省級單元省會的地理經(jīng)度和緯度，等高線上的數(shù)值可理解為帶來空間異質(zhì)性的潛在因素對其創(chuàng)新能力影響效應(yīng)的標準化水平，處于同一條等高線上的地理坐標表現(xiàn)出的效應(yīng)影響相同。等高線數(shù)值越大，說明對應(yīng)地區(qū)在某些不可觀測因素上越存在區(qū)域創(chuàng)新優(yōu)勢，或者可以將這種不可具體測度的潛在因素優(yōu)勢稱之為該區(qū)域具有的優(yōu)越創(chuàng)新環(huán)境。

進一步按等高線水平對樣本省份單元的區(qū)域創(chuàng)新環(huán)境進行等級劃分，如表3所示，30個省份被劃分為6個級別，其中第1-3級的17個省（自治區(qū)、直轄市）潛在創(chuàng)新環(huán)境好于全國平均水平。結(jié)合圖2和表3結(jié)果來看，按照三大地區(qū)劃分，我國東部地區(qū)的潛在創(chuàng)新環(huán)境最優(yōu)，其次是中部地區(qū)，西部地區(qū)最弱，在空間分布上表現(xiàn)出從東南向西北方向梯度遞減的趨勢。從具體省份來看，江蘇、浙江和廣東是潛在創(chuàng)新環(huán)境相對最為優(yōu)越的三個省份，而內(nèi)蒙古、海南、青海和寧夏四地則相對較差。

3.穩(wěn)健性檢驗。為進一步檢驗估計結(jié)果的穩(wěn)健性，本文將被解釋變量替換為三種專利類型申請授權(quán)量之和重新進行估計，三種模型的估計結(jié)果對比如表4所示。與原模型的估計結(jié)果類似，在控制了時間與空間固定效應(yīng)后，模型的R2值和AIC值都得到了很好的改善。從模型3的結(jié)果來看，各解釋變量的顯著性檢驗結(jié)果與原模型一致。非線性特征如圖3所示，除研發(fā)人員投入的影響效應(yīng)被估計為嚴格線性的正向作用外，其余解釋變量的非線性特征均與原模型基本一致，證明了實證結(jié)果的穩(wěn)健性。

（三）基于夏普里值法的創(chuàng)新能力區(qū)域差異貢獻度分解

本文選擇基尼系數(shù)作為區(qū)域差異水平的衡量指標，應(yīng)用夏普里值分解法進行區(qū)域創(chuàng)新相關(guān)影響因素的貢獻度分解，具體結(jié)果如表5所示。進行夏普里值分解后，2004—2019年6類相關(guān)因素對創(chuàng)新能力區(qū)域差異的平均貢獻率排名由高到低分別為研發(fā)資本投入、研發(fā)人員投入、市場化進程、人力資本水平、技術(shù)差距和金融發(fā)展水平，平均貢獻率之和達到59.6%，該數(shù)值的具體含義為在我國創(chuàng)新能力表現(xiàn)出的區(qū)域差異中，有59.6%是由上述6類因素的差異導(dǎo)致的。其他潛在因素的平均貢獻率為40.4%，該結(jié)果說明除投入要素、經(jīng)濟條件外，還存在大量的不可觀察因素對區(qū)域創(chuàng)新產(chǎn)生很大的影響，進一步探求這些因素的本質(zhì)和作用特征對改善區(qū)域創(chuàng)新環(huán)境差異、實現(xiàn)各區(qū)域創(chuàng)新發(fā)展的協(xié)同推進具有重要意義。

分別來看：（1）研發(fā)資本投入在2004—2019年間的貢獻排名始終處于第1位，平均貢獻率達到28.3%且變化不大，這表示研發(fā)資本作為最基本的創(chuàng)新要素投入對創(chuàng)新能力發(fā)展的貢獻非常穩(wěn)定，是顯性因素中導(dǎo)致創(chuàng)新能力呈現(xiàn)區(qū)域差異的最重要因素。（2）研發(fā)人員投入對區(qū)域差異的貢獻占比則在16年間表現(xiàn)出緩慢上升的趨勢，平均貢獻率為13.7%，在所有顯性影響因素中排第2位，說明研發(fā)人員也是基本的創(chuàng)新要素投入，是區(qū)域創(chuàng)新能力發(fā)展的重要基礎(chǔ)，并且隨著我國整體水平的進步，研發(fā)人員投入對創(chuàng)新活動的重要性也在逐漸增加。（3）市場化進程同樣是較為穩(wěn)定的創(chuàng)新能力影響因素，平均貢獻率為10.7%，與研發(fā)人員投入的占比相近。（4）技術(shù)差距和金融發(fā)展水平的貢獻度則相對較低。結(jié)合實際情況與上文對影響效應(yīng)非線性特征的分析，是由于我國大部分省份在技術(shù)差距方面已經(jīng)處于邊際收益較低的相對較高水平區(qū)間，而在金融發(fā)展水平方面則相反，大部分省份尚未進入可以產(chǎn)生明顯正向拉動作用的區(qū)間。因此這兩項影響因素對創(chuàng)新能力區(qū)域差異的貢獻并不明顯。

五、結(jié)論與討論

（一）結(jié)論

本文基于2004—2019年的省級面板數(shù)據(jù)，應(yīng)用半?yún)?shù)地理加性模型考察了區(qū)域創(chuàng)新能力相關(guān)影響因素的作用效應(yīng)，并基于夏普里值法對各因素的影響貢獻度進行分解研究。結(jié)果顯示：（1）除研發(fā)人員投入外，研發(fā)資本投入、人力資本水平、金融發(fā)展水平、市場化進程和技術(shù)差距對區(qū)域創(chuàng)新能力的影響效應(yīng)都存在顯著的非線性特征。（2）在控制上述要素與時間趨勢后，尚有未知的潛在因素對區(qū)域創(chuàng)新能力存在較強影響，導(dǎo)致區(qū)域創(chuàng)新能力在空間上存在變異性，即受潛在因素影響各省份的創(chuàng)新環(huán)境存在差異，其中江蘇、浙江和廣東三地的潛在創(chuàng)新環(huán)境處于領(lǐng)先水平。（3）通過夏普里值法對影響區(qū)域創(chuàng)新的顯著因素進行貢獻度分解，可知各因素對創(chuàng)新能力區(qū)域差異的平均貢獻率排名由高到低分別為研發(fā)資本投入、研發(fā)人員投入、市場化進程、人力資本水平、技術(shù)差距和金融發(fā)展水平。潛在因素影響造成的創(chuàng)新環(huán)境貢獻度占比在40%左右，而這些潛在因素的本質(zhì)內(nèi)容和作用特征仍待進一步地探索和研究。

（二）討論

本研究再次證實了研發(fā)資本金、人力資本等直接投入要素在區(qū)域創(chuàng)新中的重要作用。首先，就研發(fā)資本投入對區(qū)域創(chuàng)新的影響來看，研究結(jié)論不僅揭示了研發(fā)資本的追加對提升創(chuàng)新力的積極正向影響，而且從貢獻度分解看，區(qū)域間研發(fā)資本投入的差異也是引起創(chuàng)新發(fā)展區(qū)域不平衡的首要顯性因素。其次，無論是創(chuàng)新領(lǐng)域研發(fā)人員的增長還是整體區(qū)域人力資本水平的提升，都可對區(qū)域創(chuàng)新能力產(chǎn)生正向推動效應(yīng)，而創(chuàng)新型人力資本積累存在的區(qū)域差異是引起創(chuàng)新發(fā)展區(qū)域不平衡的另一個重要原因?！笆奈濉逼陂g，中國高技術(shù)產(chǎn)業(yè)創(chuàng)新的空間分布正進入穩(wěn)定調(diào)整期，研發(fā)資本和創(chuàng)新人才短缺仍是創(chuàng)新弱勢地區(qū)的制約因素，這些直接投入要素在區(qū)域之間的配置情況將對修復(fù)區(qū)域經(jīng)濟發(fā)展不平衡起到重要作用。

本研究也同時揭示了人力資本水平、金融發(fā)展水平和技術(shù)差距等經(jīng)濟環(huán)境因素對區(qū)域創(chuàng)新影響的復(fù)雜性。實證結(jié)果顯示，人力資本水平和技術(shù)差距在較低水平時與區(qū)域創(chuàng)新能力呈現(xiàn)明顯的正向相關(guān)關(guān)系，而后則表現(xiàn)出邊際收益降低的趨勢。說明我國的科技創(chuàng)新活動在進入一定發(fā)展階段后，要減少對外界技術(shù)溢出效應(yīng)吸收的依賴，同時要更好地發(fā)揮本土高素質(zhì)高水平科研人才的作用。而在金融發(fā)展方面要繼續(xù)加大力度，使之發(fā)揮對科技創(chuàng)新活動應(yīng)有的支撐作用。

此外，本研究通過在實證模型中設(shè)置地理坐標構(gòu)建的平滑曲面非參數(shù)項，捕捉了由潛在不可量化因素所影響的創(chuàng)新環(huán)境在區(qū)域創(chuàng)新不平衡中的重要影響，對這些因素的進一步探索，對于縮小我國技術(shù)創(chuàng)新的空間分布差異具有重要意義。但遺憾的是，本文的研究框架無法給出這些潛在因素的本質(zhì)內(nèi)容和作用特征，尚需在今后的研究中加以填補完善。

參考文獻：

[1]FURMAN J L，PORTER M E，STERN S.The determinants of national innovative capacity[J].Research Policy，2002，31（6）：899-933.

[2]FRITSCH M，SLAVTCHEV V.What determines the efficiency of regional innovation systems？[J].Jena Economic Research Papers，2007.

[3]李燕，韓伯棠，張慶普.FDI溢出與區(qū)域技術(shù)差距的雙門檻效應(yīng)研究[J].科學學研究，2011（2）：220-229.

[4]RUANE F，UUR* A L I.Foreign direct investment and productivity spillovers in Irish manufacturing industry： Evidence from plant level panel data[J].International Journal of the Economics of Business，2005，12（1）： 53-66.

[5]陳勁，陳鈺芬，余芳珍.FDI 對促進我國區(qū)域創(chuàng)新能力的影響[J].科研管理，2007（1）：7-13.

[6]劉宏，趙恒園，李峰.對外直接投資、吸收能力與地區(qū)創(chuàng)新產(chǎn)出——基于省際面板數(shù)據(jù)的多變量門限回歸分析[J].河北經(jīng)貿(mào)大學學報，2019（4）：38-49.

[7]朱順林.資本要素市場化改革，對外直接投資與技術(shù)創(chuàng)新績效[J].經(jīng)濟體制改革，2020（1）：149-155.

[8]FISCHER M M，GRIFFITH D A.Modeling Spatial Autocorrelation In Spatial Interaction Data： An Application To Patent Citation Data In The European Union[J].Journal of Regional Science，2008，48（5）：969-989.

[9]羅發(fā)友.中國創(chuàng)新產(chǎn)出的空間分布特征與成因[J].湖南科技大學學報（社會科學版），2004（6）：76-81.

[10]張玉明，李凱.省際區(qū)域創(chuàng)新產(chǎn)出的空間相關(guān)性研究[J].科學學研究，2008（3）：659-665.

[11]魏守華，吳貴生，呂新雷.區(qū)域創(chuàng)新能力的影響因素——兼評我國創(chuàng)新能力的地區(qū)差距[J].中國軟科學，2010（9）：76-85.

[12]陳晶.我國區(qū)域創(chuàng)新空間結(jié)構(gòu)及影響因素[J].系統(tǒng)工程，2011（7）： 41-48.

[13]李婧，何宜麗.基于空間相關(guān)視角的知識溢出對區(qū)域創(chuàng)新績效的影響研究——以省際數(shù)據(jù)為樣本[J].研究與發(fā)展管理，2017（1）：42-54.

[14]宋旭光，趙雨涵.中國區(qū)域創(chuàng)新空間關(guān)聯(lián)及其影響因素研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2018（7）： 22-40.

[15]KAMMANN E E，WAND M P.Geoadditive models[J].Journal of the Royal Statistical Society： Series C （Applied Statistics），2003，52（1）： 1-18.

[16]WOOD S N.Thin plate regression splines[J].Journal of the Royal Statistical Society： Series B （Statistical Methodology），2003，65（1）： 95-114.

[17]AUGUSTIN N H，MUSIO M，VON WILPERT K，et al.Modeling spatiotemporal forest health monitoring data[J].Journal of the American Statistical Association，2009，104（487）： 899-911.

[18]李習保.中國區(qū)域創(chuàng)新能力變遷的實證分析：基于創(chuàng)新系統(tǒng)的觀點[J].管理世界，2007（12）：18-30+117.

[19]楊浩昌，李廉水，劉軍.高技術(shù)產(chǎn)業(yè)聚集對技術(shù)創(chuàng)新的影響及區(qū)域比較[J].科學學研究，2016（2）：212-219.

[20]朱平芳，徐偉民.政府的科技激勵政策對大中型工業(yè)企業(yè)R&D投入及其專利產(chǎn)出的影響——上海市的實證研究[J].經(jīng)濟研究，2003（6）：45-53+94.

[21]冉光和，徐鯤，魯釗陽.金融發(fā)展、FDI對區(qū)域創(chuàng)新能力的影響[J].科研管理，2013（7）：45-52.

[22]王小魯，樊綱，胡李鵬.中國分省份市場化指數(shù)報告（2018）[M].北京：社會科學文獻出版社，2019：45-58.

[23]寧燁，崔欣欣，王金婷.OFDI逆向技術(shù)溢出對中國出口競爭力的影響——基于技術(shù)差距視角的實證分析[J].東北大學學報（自然科學版），2021（4）：589-597.

責任編輯：艾嵐Measurement and Decomposition Analysis of Influencing

Factors Affection on Regional Innovation Capabilities

——An Empirical Study based on Geostatistical Additive Model and Shapley Value

Tian Yajuan1，2， Tian Geyang1，2， Song Jian3

（1.School of Economics， Hebei University， Baoding Hebei 071002， China;

2. Institute for Advanced Study of Yanzhao Culture， Hebei University， Baoding Hebei 071002， China;

3. Teaching and Research Section of Public Administration， Party School of CPC Tangshan Municipal Committee，

Tangshan Hebei 063015， China）

Abstract：Based on provincial panel data over the period of 2004 to 2019， this paper investigates the nonlinear effect and spatial heterogeneity distribution of the influencing factors effect on regional innovation ability with Semiparametric Geostatistical Additive Model， and analyzes the contribution of related factors in regional innovation differences based on Shapley value. The empirical results show that besides R&D personnel investment， R&D capital investment， human capital level， financial development level， marketization process and technology gap all have significant nonlinear characteristics on regional innovation capability. After controlling the above factors and time trends， there are still unknown potential factors that have strong influence on regional innovation capability. Jiangsu， Zhejiang and Guangdong have the best potential innovation environment. The contribution decomposition result based on Shapley value shows that R&D capital investment， R&D personnel investment and marketization process are the three main factors that cause regional differences of innovation capability in China.

Key words：regional innovation; spatial heterogeneity; Geostatistical Additive Model; Shapley value