高校知识溢出对我国高技术产业创新的影响研究

郭泉恩　孙斌栋

摘 要：基于2002年～2011年中国30个省域（直辖市、自治区）的面板数据，以高技术产业为研究对象，应用空间计量模型扩展知识生产函数，选用地理邻接和反地理距离空间权重矩阵，从投入和产出两方面估计高校知识溢出对区域创新的影响。结果表明：高校的知识产出和研发人员投入均对区域创新有显著促进作用；企业规模、市场开放程度和政府支持力度也与区域创新呈显著正相关；地理距离较近地区间的创新存在显著负向溢出效应。因而，应重视高校在区域创新发展中的作用，正确引导创新在省域间的流向。

关键词：高校；知识溢出；区域创新；高技术产业；空间计量

中图分类号：F129.9 文献标识码：A

0 引言

创新在经济增长、区域发展和全球贸易中起重要作用[1]，创新发展已经上升到我国国家战略层面[2]。创新的主体在于人才，高校作为人才培养的基地和知识溢出的源泉，与区域创新的关系一直备受学术界关注。由于知识能够在不被支付任何补偿的情况下被他人利用，这种非竞争性和非垄断性等外部特征造成了高校的知识溢出[3]，知识溢出可以通过直接互动和交流等方式自然而然发生[4]。在20世纪80年代，有研究指出高校是创新高地分布的主要原因[5-6]，于是越来越多的研究开始关注高校在区域创新发展过程中所扮演的角色。

高校对区域创新的知识溢出作用主要通过培养人才、发表学术论文、申请和发布专利以及举办学术活动等途径。首先，高校通过授课和科研活动等为社会培养大量知识型人才，这些人是创新活动的主体，同时毕业生的流动也会造成知识溢出的产生[7]；其次，高校的教师、研究员和研究生等均被鼓励发表学术论文和著作来促进学科发展，而其中一部分成果质量较高，属于学科前沿，能够促进相关产业发展，因此学术论文是高校知识溢出的主要途径之一[8]；同样地，专利是高校传播知识和技术的另一重要途径，基于高校和企业合作模式，高校的专利能够越来越多地运用到生产过程中，从而有效地提高了区域的创新水平，同时这一现象也促使政府加大了对高校发展专利的支持力度；最后，通过高校传统的学术活动如举办学术论坛、讲座等这些面对面交流机会，使得先进知识能够快速地在人群中进行传播，促进知识溢出最终达到提高创新水平的目的。

然而高校是否能真的促进一个地区的创新发展，还需大量的实证研究。一些文献认为，高校周围那些不均匀分布的公司是高校对区域创新有积极作用的最好证据[9]。同时也有文献认为大学与企业的合作也会进一步促进创新发展[10-11]。美国的硅谷地区、环波士顿128号公路地区、英国的剑桥科技园和北京的中关村都是创新发展的成功案例，这些地区之所以成为创新高地，与其邻近斯坦福、剑桥等研究型高校有很大关系[12-13]。然而，也有学者如Power和Malmberg[14]、吴玉鸣[15]在对大学研发与区域创新产出影响的实证分析中，并未发现高校对区域创新有明显影响，在郭国峰等[16]研究中部六省技术创新影响因素时，甚至提出高校不仅对区域创新没有贡献，反而存在明显的负向作用。可见在实证研究中，高校如何影响区域创新的观点还未达成一致。

归纳总结发现，已有研究大多选用研发投入指标（如研发经费或人員投入）代表高校研发水平，研究其对区域创新的影响。但由于不同学校的投入产出效率不同，单以投入指标不能全面反映高校的研发水平。同时，由于理论上区域创新等要素在空间上存在相互作用，因此应选用空间计量模型进行分析，但在即使考虑了空间依赖作用的文献中，大多使用的是空间邻接矩阵，没有考虑到其他空间关系如地理距离对研究结果的影响。

作为知识密集型和技术密集型产业，高技术产业是科技创新的骨干力量，并且在国家经济发展过程中扮演重要角色[17]，它的发展关系到整个国家的综合国力和竞争力[18]，因此本文以高技术产业为研究对象，采用2002年～2011年中国30个省（直辖市、自治区）①的面板数据，使用空间计量模型扩展知识生产函数，基于空间邻接矩阵和反地理距离矩阵，从投入和产出两个方面考察高校知识溢出作用对区域创新的影响。

1 研究方法及数据

1.1 知识生产函数的扩展

知识生产函数是采用柯布道格拉斯形式，用投入产出的方法研究创新活动的模型，最早是由Griliches[19]提出理论框架，随后Jaffe[20]对函数进行了扩展和改进。表达式为：

式中，Inno为高技术产业创新水平。对于创新水平的度量，长期以来学界未能达成统一，早期文献使用R&D就业或投入来度量创新产出，随后出现使用风险投资、专利数和文献引用等指标[21]，专利因其数据的完整性，适用于长时间尺度研究，往往得到大部分研究者的青睐。不管专利授权与否，申请专利都包含了支持者重要的成本，关注发明相关的新颖性和盈利能力特征。为消除人口规模的影响，文章最终选用每百万人均拥有高技术产业专利申请量表示高技术产业创新水平，单位为项/百万人。不同于以往文献，从投入和产出两个方面选取指标表示高校的研发水平，exedu为高校科研产出，以高校研究人员人均发表论文或专著数表示，单位为篇/人；humedu为高校研发投入，用高校科研全时人员占R&D人员比重，单位为%；ln是自然对数，？着为随机误差项，i为区域，t为年份。

除高校外，还有其他地区因素会影响高技术产业创新发展，文章选取了区域研发资本投入、高技术企业规模、产业结构、市场开放度等因素对模型2作进一步扩展，得到：

式中，capital为区域研发资本投入，以人均拥有区域R&D内部支出表示，单位为元/人；firm为高技术企业规模，以高技术产业企业年末平均从业人员占人口比重表示，单位为%；industry为产业结构升级，以第三产产值与第二产产值之比表示；openness为本地市场开放程度，以人均拥有进出口货物总额表示，单位为百美元/人；govern为政府对科技事业的支持力度，以科学事业支出占财政支出比重表示，单位为%；library为当地公共文化事业发展程度，以人均拥有公共图书馆数表示，单位为座/人。

1.2 空间计量模型

考虑到区域创新及其要素在空间上存在的相互依赖，使用空间计量模型对模型3进行扩展。空间计量模型中最常用的是空间滞后模型（Spatial Lag Model）和空间误差模型（Spatial Error Model），其中空间滞后模型为：

这里需要对权重矩阵（W）进行一定的说明，权重矩阵是空间计量模型中的重要部分，选取不同的矩阵代表了在不同空间关系下考察区域的相互作用。常用的权重矩阵是基于Rook规则的0～1邻接矩阵②（W1），即两个区域有公共边则为1，无则为0。但Anselin和Bera[22]认为，使用这种不连续的空间矩阵会造成空间关联性的损失和造成许多地区被孤立，与实际情况出入较大。考虑到空间邻接矩阵的局限性，文章还使用地理距离的倒数（W2）及地理距离平方的倒数（W3）作为空间权重矩阵，以考察地理距离较近的地区间区域创新及其影响因素的空间相互作用。

1.3 数据来源

本文原始数据来源于《中国高技术产业统计年鉴》、《中国科技统计年鉴》、《中国统计年鉴》和《高等学校科技统计资料汇编》（2003～2012）。由于某些省份有专利数为0的情况，因此参照Woodridge[23]的做法，在将模型两边变量分别取对数前，将所有省份的专利数加1。表1是数据的描述性统计结果。

2 结果与分析

2.1 现状描述

在分析高校知识溢出对中国高技术产业创新影响之前，有必要对高技术产业创新的发展现状进行描述。因此，分别选取2002、2006和2011年为时间点，利用ArcGIS 10.2软件对中国高技术产业创新的空间分布进行可视化，为方便比较，在三个年份的创新水平选取相同的分界点，以此将全国30个省域（直辖市、自治区）划分成5个等级：低水平地区、中低水平地区、中等水平地区、中高水平地区和高水平地区。具体如图1所示。

2002年，全国绝大部分地区属于高技术产业创新低水平地区，宁夏、天津和浙江属于中低水平地区，广东和上海属中等水平地区，北京属中高水平地区，全国暂无高水平地区。这一时期，中国高技术产业创新整體水平较低，创新水平相对较高的地区分布较为零散，没有出现明显集聚，整体仍处于发展的初级阶段。

2006年，全国高技术产业创新低水平地区的数量明显减少，陕西、辽宁、青海、湖北、重庆、贵州和福建由原来的低水平地区成为中低水平地区，浙江、山东和江苏为中等水平地区，上海、北京和天津属于中高水平地区，广东成为唯一高水平地区。全国整体创新水平提升，中高水平和中低水平地区分别在东部地区和中部地区出现明显集聚，东部地区、中部地区和西部地区的创新水平差距开始突显。

到2011年，低水平地区数量由2006年的12处到2012年减少至3处，河北、山西、云南、广西和甘肃为中低水平地区，50%以上地区属于中等水平地区，福建和山东为中高水平地区，广东、北京、上海、天津、江苏和浙江为高水平地区。整体上看，全国大部分省市的创新水平得到明显提高，相较于2006年，创新在东部和中部地区的空间集聚和溢出作用持续加强，东部、中部和西部三大地区创新水平的差异更加明显。

从2002年～2011年，全国高技术产业创新发展速度逐渐加快，中等水平及以上地区的数量增加明显，等级规模结构由金字塔型向纺锤型结构转变，发展阶段开始趋于成熟，但不容忽视的是存在于东、中、西三大地区创新水平之间的差距愈发明显。为避免区域创新发展陷入“强者恒强，弱者恒弱”的马太效应，研究区域创新与高校知识溢出之间的关系具有一定理论和现实意义。

2.2 模型选择

为回答高校知识溢出对区域创新是否有影响，本文使用考虑了空间相互作用的空间计量模型进行分析。根据Elhorst[24]的模型选择规则，在确定模型类别之前，首先构建无空间效应模型进行LM检验（Lagrange Multiplier Test），同时通过LR检验（Likelihood Ratio Test）以判断固定或随机效应[25]。结果如表2和表3所示。

根据表1中LR检验结果，空间和时间固定效应均在1%水平上拒绝联合不显著的原假设，表明在建模时应选择空间时间双固定效应的模型。表2中第（1）和（2）列是基于矩阵W1的LM检验结果，（3）和（4）列是基于矩阵W2，而（5）和（6）是基于矩阵W3。

表3中，模型（1）（3）（5）给出的是无固定效应的拉格朗日乘子检验结果，而模型（2）（4）（6）列出的是空间时间双固定效应的拉格朗日乘子检验结果。由LR检验结果可知，在建模时应选择双固定效应。因此，本文着重分析模型（2）（4）（6）。模型（2）中，四个统计量均不显著，因此LM检验未能指向空间模型。而模型（4）和（6）的拉格朗日乘子检验中，LM_Lag和LM_Error统计量在1%的水平上显著，然而Robust LM_Lag和Robust LM_Error统计量未能显著，检验结果说明空间滞后模型或者空间误差模型设定都可能是合理的。

2.3 模型结果分析

由于无法根据LM检验结果确定模型类别，我们将双固定效应下的空间滞后模型和空间误差模型的结果列出，从不同假设条件下的回归结果中进行选择（表4）。

根据拉格朗日乘子检验和实证结果，本文认为应该选择空间滞后模型定量研究高校对区域创新的影响。首先，理论上地区间随机误差的扰动作用有限，当拉格朗日乘子检验结果认为两种模型都适用时，选择空间滞后模型进行估计更具有说服力[26]；其次，较多实证研究已指出创新存在明显的空间溢出效应[27-28]，因此应当在模型构建过程中充分考虑创新的溢出作用；最后，表4中模型（3）和（5）的估计结果证实了因变量的空间滞后项在统计上十分显著，并且进一步检验发现③，空间滞后项中的残差不存在空间依赖性。因此，无论是从理论还是实证检验结果来判断，空间滞后模型均是合适的模型设定。

当选用反地理距离为矩阵时（W2），高校知识产出（lnexedu）与区域创新显著正相关，并通过1%显著性水平检验；高校研发人员投入（lnhumedu）也对区域创新有积极影响。同时，区域创新存在显著的负向溢出（W*lnInno=-0.572，t=-2.629），即区域创新对距离较近地区有负向溢出。这与周业安等[29]的研究结论一致，一个可能的解释是：一个地区创新水平提高会吸引距离较近地区的科技人才及其他创新要素流入，从而会弱化邻近区域的创新水平。同时，区域创新的溢出效应也说明了选取空间计量模型作为估计方法的必要性。

当考虑地理距离的摩擦系数为2时（W3），高校知识产出（lnexedu）同样对区域创新有显著正向影响，也发现了区域创新在空间上存在显著的负向溢出（W*lnInno=-0.245，t=-2.444）。高校研发水平的提高有利于培养高级劳动力，促进区域科研人才数量上升，同时能够通过政产学研相结合的方式，促进政府、企业和高校协同创新。此外，高校衍生企业和大学科技园也是区域创新的重要引擎之一。与陈立泰和张勇[30]关于高校对区域创新的作用不显著的结论相悖，这是因为后者所指的区域创新是区域内所有产业的专利授权数，然而不同产业适应高校知识溢出的能力不同，如计算机业、医药业等在接受知识溢出方面更敏感，木材业、造纸业等则不明显，张德茗和谢葆生[31]专门研究理工农医类高校的研发投入分别在地理空间和技术空间上的溢出也印证了这一观点。

此外，企业规模（lnfirm）、市场开放度（lnopen）和政府对科技事业的支持（lngovern）也与区域创新显著正相关，说明企业的规模效应、开放的市场和地方政府支持力度均对当地创新水平有积极作用。作为创新的另一主体，企业的规模越大，说明从事高技术产业的劳动力越多，人员集聚会加快学习交流和知识溢出，带来新技术和新产品的产生和发展。开放的市场有利于外资和国外先进技术的转移和扩散，能够促进本地区的技术进步，带来区域创新发展。政府是创新过程的主导角色，一些地区在创新的初期阶段，绝大部分的研发投入、科研机构和科研人员就是由政府提供的[32]，因此政府对科技事业的支持会对区域创新水平产生积极影响。

3 结论与建议

本文以高技术产业为例，基于2002年～2011年的中国省域面板数据，使用空间计量模型扩展知识生产函数，分析了在不同空间权重矩阵下高校知识溢出对区域创新的影响。结果表明：（1）不论是使用空间邻近矩阵还是反地理距离的空间权重矩阵，高校的知识产出和研发人员投入均对区域创新有明显的正向促进作用；（2）企业规模、市场开放度和政府的支持力度也与区域创新水平呈显著正相关关系；（3）在使用不同摩擦系数的地理距离空间权重矩阵时，区域创新均存在显著的负向溢出，说明区域创新的空间溢出作用会在一定程度上受地理距离的影响，即对距离较近地区产生负向溢出作用，这也意味着创新水平高的地区对距离较近地区的创新资源有“虹吸效应”。

文章以高校研究人员人均发表论文及著作数表示高校的知识产出，以科研全时人员占R&D人员比重表示高校的研发投入，这种从研发过程投入和最终成果两个方面考察高校科研水平，相比于大多相关文献中仅使用研发人员或R&D内部支出等投入要素表示高校研发情况，能够更为全面和科学地反映高校知识溢出对区域创新的影响。同时，在使用空间计量分析区域创新影响因素的文献中，大多仅考虑了空间邻接矩阵下区域的空间相互作用，而忽略了地理距离的影响。实际上，地理距离相近的区域即使没有空间相邻却仍可能联系紧密，如安徽虽不与上海相邻，但由于地理距离相近，许多方面均深深受着上海的影响。除空间邻接矩阵外，本文还考察了基于不同摩擦系数的反地理距离空间权重矩阵，高校知识溢出对区域创新的影响。此外，本文虽以高技术产业为研究对象，但作为创新主体产业，研究高技术产业创新水平的影响因素，能加深对区域创新发展规律的理解和认识。

模型回归结果表明，高校知识溢出对区域创新有明显促进作用，其研发水平会在一定程度上影响区域创新。高校研发对区域创新的影响主要是通过科技人才和校企合作两种途径来实现的。加大高校的研发投入，有利于科技人才的培养和技术水平的提升[33]，同时，人才在迁移、流动的过程中，也会对区域创新产生影响。另一方面，由于高校拥有较强基础研究能力，而企业善于将科研成果商业化，校企合作能够加速高校知识溢出。因此，各省应重视高校在創新过程中的作用，提高对高校的创新要素投入，加强产学研合作以促进成果转化。

其次，由于地理距离相近省域间的创新存在负向溢出，正确引导创新流向就显得尤为重要。创新对经济增长的促进作用使得地方决策者均期望其所在地成为创新高地，但不同的产业结构、要素市场甚至文化等因素决定了创新的区域差异[34-35]，如果不顾本地条件盲目追求本地创新发展，可能会事倍功半，不但达不到目标，还会产生资源浪费，造成对邻近区域资源的掠夺。因此，国家在制定创新发展政策时应重点了解区域创新在空间上的相互影响，合理规划布局，通过加强基础设施建设、注重教育发展和完善激励机制等措施降低创新发生成本，引导区域间的创新流向。此外，各省在追求较高创新水平的过程中还应因地制宜，积极配合国家创新政策。

参考文献：

[1] Acs Z J， Anselin L， Varga A. Patterns and innovation counts as measures of regional production of new knowledge[J]. Research Policy，2002，31（07）：1069-1085.

[2] 人大新闻网[EB/OL]. http：//npc.people.com.cn/n/2015/0306/c14576-26651163.html

[3] Romer P M. Endogenous technological change[J]. Journal of Political Economy，1990，98（05）：71-102.

[4] Charlot S， Duranton G. Communication externalities in cities[J]. Journal of Urban Economics，2004，56（03）：581-613.

[5] Dorfman N S. Route 128： The development of a regional high technology economy[J]. Research Policy，1983，12（06）：299-316.

[6] Saxenian A. Silicon Valley and Route 128： Regional prototypes or historic exceptions[J]. Urban Affairs Annual Reviews，1985，28：81-105.

[7] Yang R， Welch A. A world-class university in China？ The case of Tsinghua[J]. Higher Education，2012，63（05）：645-666.

[8] Cowan R， Zinovyeva N. University effects on regional innovation[J]. Research Policy，2013，42（03）：788-800.

[9] Lin S. Are ivory towers truly ivory knowledge spillovers and firm innovation[J]. Journal of Economics and Business，2015，80：21-36.

[10] Maietta O W. Determinants of university–firm R&D collaboration and its impact on innovation： A perspective from a low-tech industry[J]. Research Policy，2015，44（07）：1341-1359.

[11] 王曉亚， 谢思全. R&D投入、产学研合作与企业技术创新产出—基于我国省级面板数据的研究[J]. 现代管理科学，2015，34（04）：30-32.

[12] Chen K， Kenney M. Universities/research institutes and regional innovation systems： The cases of Beijing and Shenzhen[J]. World Development，2007，35（06）：1056-1074.

[13] Tan J. Growth of industry clusters and innovation： Lessons from Beijing Zhongguancun Science Park[J]. Journal of Business Venturing，2006，21（06）：827-850.

[14] Power D， Malmberg A. The contribution of universities to innovation and economic development： In what sense a regional problem？[J]. Cambridge Journal of Regions， Economy and Society，2008，1（02）：233-245.

[15] 吴玉鸣. 大学、企业研发与区域创新的空间统计与计量分析[J]. 数理统计与管理，2007，26（02）：318-324.

[16] 郭国峰，温军伟，孙保营. 技术创新能力的影响因素分析—基于中部六省面板数据的实证研究[J]. 数量经济技术经济研究，2007，24（09）：134-143.

[17] 顾群，翟淑萍. 高技术产业知识产权保护、金融发展与创新效率—基于省级面板数据的研究[J]. 软科学，2013， 27（07）：42-46.

[18] 封伟毅，李建华，赵树宽. 技术创新对高技术产业竞争力的影响—基于中国1995-2010年数据的实证分析[J]. 中国软科学，2012，27（09）：154-164.

[19] Griliches Z. Productivity， R&D， and basic research at the firm level in the 1970s[J]. American Economics Review，1986，76（01）：141-154.

[20] Jaffe A B. Real effects of academic research[J]. American Economics Review，1989，79（05）：957-970.

[21] Carlino G， Kerry W R. Agglomeration and innovation [M] // Duranton G， Henderson V， Strange W. Handbook of regional and urban economics. Amsterdam：North-Holland，2014（5）：1-56.

[22] Anselin L， Bera A K. Spatial dependence in linear regression models with an introduction to spatial econometrics[M] // Aman U， David E A G. Handbook of applied economic statistics. New York： Marcel Dekker，1998：237-290.

[23] Woodridge J. Introductory econometrics[M]. 3rd. Mason， Ohio： Thomson Higher Education， 2006.

[24] Elhorst J P. Applied spatial econometrics： Raising the bar[J]. Spatial Economic Analysis，2010，5（01）：9-28.

[25] 王子敏. 基于空间溢出视角的城乡消费差距问题研究[J]. 农业技术经济，2012，31（02）：88-98.

[26] 季民河，武占云，姜磊. 空间面板数据模型设定问题分析[J]. 统计与信息论坛，2011，26（06）：3-9.

[27] 王庆喜，王巧娜，徐维祥. 我国高技术产业省际知识溢出： 基于地理和技术邻近的分析[J]. 经济地理，2013，30（05）：111-116+136.

[28] 刘和东. 区域创新内溢、外溢与空间溢出效应的实证研究[J]. 科研管理，2013，34（01）：28-36.

[29] 周业安，程栩，赵文哲，等. 地方政府的教育和科技支出竞争促进了创新吗？ 基于省级面板数据的经验研究[J]. 中国人民大学学报，2012，26（04）：53-62.

[30] 陈立泰，张勇. 创新单元对区域创新的贡献研究[J]. 科学学与科学技术管理，2012，33（06）：92-99.

[31] 张德茗，谢葆生. 理工农医类高校R&D投入对企业技术创新的知识溢出效应分析[J]. 科研管理，2014，35（10）：136-143.

[32] 王玉霞，蒋伏心. 创新系统中地方政府定位和技术创新能力的城市间比较—以“南京模式”为例[J]. 南京社会科学，2008，19（09）：133-139.

[33] 胡曙虹，杜德斌，游小珺，等. 中国“成长三角”区域高校知识创新绩效的时空演化分析[J]. 經济地理，2014，34（10）：15-22.

[34] 黎常. 社会文化特征对区域创业活动影响差异研究[J]. 科学学研究，2014，32（12）：1888-1896.

[35] 刘小斌，韩玉启. 区域技术创新扩散研究—南京地区的实证分析[J]. 南京社会科学，2009，20（05）：127-131.

Abstract： Innovation has an influence on economic growth， regional development and global trade. Meanwhile， innovation development has risen to the national strategic level. Innovation lies in the talent. As the base of personnel training and the source of knowledge spillovers， university often be regarded as playing an important role in the development of regional innovation. In academics， the relationship between university and regional innovation has been in the spotlight. Theoretically， university effects on regional innovation mainly through talent cultivation， publishing journals and books， promoting patents and holding some traditional academic activities. However， whether university can really increase the innovation level still needs a lot of empirical studies. In fact， there is no consistent conclusion on the effect of university on regional innovation， and most empirical papers have not taken the different spatial interactions of regional innovation and its factors into consideration. As the most innovative industry， this paper chooses the high-tech industry as the research object. Based on the data set of Chinese provinces （super-city-region and autonomous regions） from 2002-2011， this paper uses the spatial econometrics to extent the classical knowledge production， and investigates the effects of university on regional innovation under the three different spatial weight matrixes， such as the geography proximity and metric spaces. The results are： the significant positive effects of universitys knowledge products and R&D personnel inputs on the regional innovation are robust； the firm scale， market openness and local government support capacities are positively related to the innovation； when we use the metric space weight matrixes， the spillovers of regional innovation to the nearer regions are significant negative. Finally， the suggestions are proposed to put more emphases on the role of university during the innovative process， and accurately introduce the innovation flowing across provinces.

Key words： university； knowledge spillover； regional innovation； high-tech industry； spatial econometrics