时空压缩下研发要素流动是否提升了区域绿色创新效率

　　摘要:基于地区高铁通勤时间构建空间权重矩阵,采用空间杜宾模型(SDM)和面板门槛模型(PTR)实证检验时空压缩下研发要素流动对区域绿色创新效率的影响。研究发现:高铁开通后,研发要素流动对绿色创新效率的促进作用显著增强,且研发人员流动的直接效应更显著;时空压缩下研发要素流动对绿色创新效率的影响存在地区异质性,东部地区因创新资源集聚程度和能力水平较高,更易从中获益,而西部地区受限于地理位置和经济发展阶段,其研发要素流动对绿色创新效率的影响偏弱;研发人员流动、财政科技支出、基础设施建设和市场化水平4种调节因素均表现出门槛特征,且呈现出梯度式增强。

　　关键词:研发要素流动;绿色创新效率;时空压缩;面板门槛模型

　　1问题提出

　　随着我国经济由高速增长转向高质量发展阶段,科技创新在转变经济发展方式和优化产业结构中发挥重要作用。近年来,各地区在增加创新投入的同时,积极改善生态环境、交通基础设施、公共服务等,以期通过构建创新创业生态加速研发要素在本地区流动,而人才、资金、技术等创新要素在区域间的有序高效流动是缩小区域创新能力差距的必要条件(冯南平,魏芬芬,2017)。

　　相较于传统的生产要素,研发要素本身携带了更多的知识和技术,特别是人力资本在区际流动,有助于加快隐性知识在更大范围内的传播和扩散[1],有利于形成区域研发合作网络,通过技术创新溢出和网络效应提升区域整体创新效率。目前学界关于创新效率的研究主要分为三方面:一是创新效率评价,主要分为参数法和非参数法,前者通过设立随机前沿生产函数(SFA)测算创新效率。如于明洁等[2]采用参数SFA方法计算了区域创新效率;后者则运用指数法和数据包络分析法(DEA)测算创新效率。

　　由于DEA是基于多投入多产出的评价,其结果更加客观准确,因此采用该方法的研究较多。如Guan和Chen[3]利用两阶段DEA模型对高新技术企业产出效率进行评价;颜莉[4]将主成分分析法和DEA相结合,对区域创新效率进行评价;杨有才等[5]采用DEAMalmquist指数法测算了我国高技术产业技术创新效率,并将效率分解为技术效率和技术进步。

　　二是关于创新效率的影响因素。很多学者如金怀玉和菅利荣[6]、桂黄宝[7]、李政等[8]的实证研究结果表明,包括劳动力、FDI等创新投入均对创新效率产生重要作用,但创新投入与创新效率之间并非呈简单的线性关系[9]。此外,有学者从整体视角分析创新生态系统对创新效率的影响。如刘志春和陈向东[10]通过分析科技园区创新生态系统对创新效率的影响,认为该影响主要存在于短期,2年以上作用不显著。

　　三是创新效率的时空演变。从宏观方面,刘军等[11]研究发现,我国协同创新效率在地理分布上呈现出明显的空间异质性;进一步地,吴芹和蒋伏心[12]指出,只有江苏、浙江和广东在知识创新效率、技术研发效率和成果转化效率方面均处于高水平,中西部地区技术研发效率较低;也有学者以长江经济带等典型区域为研究对象,分析创新效率时空演变规律[13]。从微观方面,李晓龙等[14]分析发现,高技术企业创新效率形成了以北京和江苏为中心的高值集群区。综上,学界有关创新效率的研究较丰富,但多数是基于非流动要素的创新效率实证研究。

　　高铁开通使得地理上的时空距离被大大压缩[15],产生了明显的时空压缩效应,提高了地区间交流的便利性[16],特别是研发人员流动有利于沟通、交流、学习和分享创新知识[17]。因此,研究由高铁开通引致的时空压缩是否改变研发要素流动对区域绿色创新效率的影响效应具有一定理论价值。此外,研发要素流动对绿色创新效率的影响是否受调节变量的影响?不同变量的阈值条件是什么?在不同调节变量作用下,研发要素流动对绿色创新效率的影响存在多大差异?这些问题目前仍未得到充分回答。本文将对上述问题展开讨论,理清时空压缩背景下研发要素流动影响绿色创新效率的本质规律,进而通过发挥高铁建设优势,带动研发要素流动,提升地区绿色创新效率。

　　2影响机理

　　交通基础设施的完善不仅有助于增强地区间联系,更重要的是促进生产要素,特别是承载创新型知识的研发要素流动,这也是区域知识空间溢出的根本原因[18]。高铁开通极大缩短了地区通勤时间,产生了显著的时空压缩效应[19]。总体来说,时空压缩下研发要素流动对绿色创新效率的影响主要表现为:一是知识溢出效应。高铁开通极大促进了研发要素,特别是高素质人才在地区间的流动,从而有利于技术、管理等多方面知识跨地区交互与传播,通过知识溢出效应对绿色创新效率产生积极影响。

　　二是网络效应。高铁开通使得大规模、高效和频繁的科技人才面对面交流成为可能,有利于地区间创新主体合作并构建研发合作网络,而研发网络的形成和完善有利于加快绿色创新与提高成功率,进而促进绿色创新效率提升[20]。三是资源优化配置效应。高铁开通有助于研发要素在更大空间范围内流动,降低需求企业或者创新组织间的信息不对称,提升需求端与供给端的匹配率[21],促进闲置资源参与创新,提高资源利用率[22],同时,有助于提升企业信息发布质量,缓解企业创新面临的融资约束和降低企业监督成本[23]。四是市场竞争效应。高铁开通使得企业面临的市场规模扩大,提升了竞争强度,有利于促进企业向绿色创新效率高的企业学习,通过市场竞争效应推动区域绿色创新效率提升。

　　五是集聚经济效应。研发要素流动加速了知识在地区的集聚,而集聚外部性有助于本地区创新主体以较低成本获取外部创新资源,提升研发人员效率[24],在一定程度上弥补自身研发经费或技术不足,进而降低研发风险,促进本地区绿色创新效率提升和地区产业转型升级[25-26]。六是分工协作效应。高铁建设改变了原有区位条件和地区联系强度,更有利于高铁网络中心城市发挥扩散效应,进而促进城市专业化分工,通过分工协作提升绿色创新效率[27]。与其它交通方式不同,我国高铁系客运专线,通过人员流动,特别是研发要素的跨地区流动对绿色创新效率产生重要影响。

　　此外,无论是研发人员流动还是研发资本流动,其对绿色创新效率的影响均可能受到多种变量的调节作用。原因在于,一方面,虽然研发人员流动有利于增强地区人才交流,进而对区域绿色创新效率产生正向影响,但研发人员过度流动也可能导致资源拥挤,不利于区域创新效率提升[29]。因此,研发要素流动对绿色创新效率的影响可能表现出一定门槛特征,低于或者高于门槛值的研发要素流动可能并不利于绿色创新效率提升。

　　另一方面,研发人员流动对绿色创新效率的影响可能受政府财政科技支出、交通可达性、市场化程度等因素的调节。原因在于,政府财政科技支出增加有利于改善区域创新环境,更充分地发挥研发要素流动的正向效应,促进区域协同创新效率提升[30];交通可达性的改善有利于地区间合作创新[31],进而提高研发要素流动的协同创新效应;市场化程度提升有助于促进研发要素由低效部门流向高效部门,通过优化资源配置调节研发要素流动对绿色创新效率的影响[32]。

　　3无论是何种形式的空间权重矩阵,被解释变量的时间滞后项和空间滞后项系数均显著为正,前期的绿色创新效率会对当期产生重要影响;邻近地区的绿色创新效率提升会对本地区产生显著正向空间溢出效应。核心解释变量RPF和RCF的直接效应估计系数显著为正,且研发人员对绿色创新效率的影响效应最显著,说明研发要素流动对地区绿色创新效率具有重要影响,特别是在高铁开通后,时空压缩进一步增强了地区间联系,而研发要素流动促进了知识、技术等创新要素在更大空间内的传播,进而提升地区绿色创新效率水平。

　　估计结果发现,RPF和RCF的间接效应估计系数在地理距离权重下并未通过显著性检验,而在时间距离权重下通过了10%的显著性检验,且系数随着高铁开通得到提升,说明高铁开通增强了地区联系,而邻近地区研发要素流动加强意味着知识存量提升,地区间通勤成本降低有利于知识溢出,产生正向空间溢出效应。

　　从控制变量的直接效应估计系数看,外商直接投资、政府财政科技支出、基础设施水平和市场化程度均在一定程度上促进绿色创新,表明将上述变量引入模型进行实证分析具有合理性。从控制变量的间接效应估计系数看,本地区财政科技支出增加会对邻近地区绿色创新效率产生负向空间溢出效应;本地区基础设施水平和市场化程度越高,越有利于邻近地区绿色创新效率提高。

　　4我国不同地区的科技资源禀赋和创新能力存在较大差异,如东部地区创新较为活跃,而高铁线路整体上也呈现出东密西疏的空间分布特征。这使得高铁开通一方面可能导致研发要素进一步向东部地区集聚,产生负向空间溢出效应;另一方面,中西部地区间联系密度增大,从而有利于获取异质性信息,进而促进本地区创新水平提升。为分析时空压缩下研发要素流动对不同地区的直接效应和间接效应是否存在差异性,本文将样本划分为东部、中部和西部,分别按照式(1)进行回归。表5为时空压缩下研发要素流动对我国东部、中部和西部绿色创新效率的影响效应。

　　结果显示,研发要素流动对绿色创新效率的影响不仅存在要素异质性,还存在地区异质性。从东部地区研发要素流动对绿色创新效率的影响看,RPF直接效应和间接效应的估计系数均显著大于RCF,说明对东部地区而言,由时空压缩引致的研发要素流动对绿色创新效率具有正向促进作用,且研发人员流动的作用更显著,高于全国平均水平。从控制变量估计系数看,FDI的直接效应未通过显著性检验,而间接效应显著为正。其原因在于,对东部地区而言,整体绿色创新效率较高,创新活动越来越依靠自主知识创新,减弱了对FDI的依赖;而本地区FDI增加有利于知识和技术的跨地区传播,进而产生显著的正向空间溢出效应。与全样本回归结果相比,东部地区财政科技支出对创新的直接效应减弱,而市场化水平对绿色创新效率的促进作用显著增强。

　　其原因在于,东部地区市场化水平较高,特别是技术市场成熟,使得市场力量对绿色创新效率的积极作用被进一步放大。此外,基础设施对绿色创新效率的直接影响显著高于全样本归回归结果,即完善的基础设施有利于东部地区内部知识、技术等创新要素流动与交互,进而促进绿色创新效率提升。进一步地,对比东部、中部和西部三大地区研发要素流动对绿色创新效率的影响可以发现,因高铁开通引致的时空压缩在整体上更有利于东部和中部地区绿色创新效率提升,对西部地区的促进作用偏弱,即东中部更能从高速铁路建设中获益,这也与实际情况基本相符。高铁线路主要集中于我国东部和中部,西部地区较为稀疏,且受自然、地理等方面因素影响,西部省会城市间距离较远,不利于研发人员跨地区流动。

　　对比三大地区控制变量系数不难发现,东部地区绿色创新效率对FDI和政府财政的依赖性最低,前者甚至未通过显著性检验,而西部地区对上述两项指标的依赖性最强。虽然中部地区绿色创新效率对政府财政和外商直接投资有较强依赖性,但是得益于高铁开通引致的时空压缩,使得邻近地区研发要素流动对本地区产生正向空间溢出效应。其原因在于,随着东部地区自主创新能力不断提升和中部地区产业转型升级,地区间的交流与合作日趋密切,使得中部地区更容易获取来自东部知识、资本、技术等创新要素的空间溢出。相比之下,对西部地区而言,邻近地区的研发要素流动并未产生显著的空间溢出效应,绿色创新效率提升还是依靠本地区投入。

　　5稳健性检验

　　为证实前述结果的可信性,从替换被解释变量、调整控制变量和开展内生性检验三方面对上述结果稳健性进行验证,限于篇幅,只展示第一种稳健性检验结果。

　　5.1替换被解释变量

　　由于时空压缩下的研发要素流动更注重专利应用价值,而基础研发活动较少。

　　6结论与政策建议

　　6.1研究结论

　　本文基于高铁开通引致的时空压缩效应,结合我国内地31个省级行政单位2001-2018年面板数据,运用空间杜宾模型和面板门槛模型,探究研发要素流动对绿色创新效率的影响效应,并对4种变量的调节作用进行实证检验。研究结果发现:总体来看,高铁开通使得研发要素,特别是研发人员在地区间的大规模、快速和频繁流动成为可能,并通过人员面对面沟通与交流,极大加强了知识、技术等要素传播,通过空间溢出、优化资源配置等方式对绿色创新效率产生积极作用。高铁开通带来的研发要素大规模流动对东部和中部地区的直接影响效应更显著,且中部地区更容易接受来自东部的空间溢出,而研发要素流动对西部地区绿色创新效率的提升作用偏弱。

　　究其原因,一方面,受经济发展阶段影响,西部地区整体绿色创新效率和质量与东中部存在较大差距,获取研发要素流动带来的异质性创新资源的能力较弱,进而限制了研发要素流动对绿色创新效率的影响;另一方面,西部省市与东中部城市距离较远,时空压缩效应不如东中部明显,因此研发要素流动量较低,对西部地区绿色创新效率的促进作用有限。此外,通过对变量调节作用的分析发现,研发要素流动对绿色创新效率的影响呈现门槛特征,且与财政科技支出、基础设施水平和市场化程度类似,4种门槛变量均呈现梯度式增强特征。

　　6.2政策建议

　　(1)发挥东部地区绿色创新的辐射带动作用,促进地区绿色创新协调发展。对东部地区而言,特别是创新资源禀赋和能力较强的北京、上海、广州、深圳等城市,通过高铁网络建设,加强东部与中西部联系,通过构建跨区域的协同创新共享平台,加速研发人员、资本、技术等创新要素在地区间流动,提升东部对中西部地区的空间溢出效应。以高铁网络化建设加速构筑区域协同创新网络,以创新共同体建设促进区域绿色创新协调发展。

　　(2)加强西部与中东部地区创新合作,提升时空压缩对研发要素流动的促进作用。对西部地区而言,高铁建设虽然将西部与中东部地区连接,但因产业基础薄弱、创新环境待改善等因素影响,研发要素流动对区域创新效率的影响不如东中部显著。

　　管理论文投稿刊物：《管理评论》是中国科学院研究生院主办的学术月刊，系国家自然科学基金委员会管理科学部认定的少数十几种核心期刊之一。

　　因此,对西部地区而言,在不断完善以高铁为代表的高速交通基础设施基础上,不断优化创新环境,充分发挥高铁建设引致的时空压缩优势,积极引导研发要素,特别是创新型人才向本地集聚,提高本地知识存量,进而内生化促进绿色创新效率提升。

　　参考文献：

　　[1]白俊红,王钺,蒋伏心,等.研发要素流动、空间知识溢出与经济增长[J].经济研究,2017,52(7):109-123.

　　[2]于明洁,郭鹏,张果.区域创新网络结构对区域创新效率的影响研究[J].科学学与科学技术管理,2013,34(8):56-63.

　　[3]GUANJC,CHENKH.Measuringtheinnovationproductionprocess:across-regionempiricalstudyofChina'shightechinnovations[J].Technovation,2010,30(5-6):348-358.

　　[4]颜莉.我国区域创新效率评价指标体系实证研究[J].管理世界,2012,28(5):174-175.

　　[5]杨友才,耿璐璐,史倩姿.我国高技术产业间技术创新效率溢出效应:基于GVAR模型的研究[J].管理评论,2020,32(6):138-149.

　　[6]金怀玉,菅利荣.考虑滞后效应的我国区域科技创新效率及影响因素分析[J].系统工程,2013,31(9):98-106.

　　[7]桂黄宝.我国高技术产业创新效率及其影响因素空间计量分析[J].经济地理,2014,34(6):100-107.

　　[8]李政,杨思莹,何彬.FDI抑制还是提升了中国区域创新效率:基于省际空间面板模型的分析[J].经济管理,2017,39(4):6-19.

　　作者：李涛1,2,刘国燕3

转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/27300.html