中国区域创新效率的收敛性研究基于空间经济学视角-马大来.pdf

《中国区域创新效率的收敛性研究基于空间经济学视角-马大来.pdf》由会员分享，可在线阅读，更多相关《中国区域创新效率的收敛性研究基于空间经济学视角-马大来.pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Vbl31No1管 理 工 程 学 报Jonmal of Industrial EngineeringEngineering Management 201 7年第1期中国区域创新效率的收敛性研究：基于空间经济学视角马大来1，陈仲常2，王 玲1(1重庆大学经济与工商管理学院，重庆400044；2重庆大学公共管理学院，重庆400044)摘要：基于随机前沿分析方法，从产出角度出发，构建效率函数对中国各地区的创新效率进行了测度，然后运用20002011牟期间中国30个省份的面板数据，建立空间面板数据模型考察了中国区域创新效率的收敛性。研究结果表明：中国的区域创新效率在整体上呈现出不断上升的趋势，但也表

2、现出较大的区域差异性：空间自相关MoranS 1检验显示，中国的区域创新效率在空间上存在显著的空间自相关性，具有明显的集群趋势：加入空间效应后，2000-2011年期间中国的区域创新效率不仅存在着绝对收敛，而且存在条件收敛，并且人力资本、产业结构、金融发展水平和政府干预等均是影响区域创新效率收敛的重要因素，但外商直接投资对区域创新效率收敛的影响则表现为不明显。关键词：区域创新效率：收敛性：空间经济学中图分类号：F0623 文献标识码： A 文章编号：10046062(2017)01007108DoI：1013587巧cnkijieem201701009O引言鉴于中国经济发展质量落后，区域经济发

3、展不平衡的局面，实现经济发展转型，促进区域经济的均衡发展是目前中国关注的重点问题。现实中中国经济发展区域差距性表现明显，突出表现为东部经济明显强于西部地区，且两者的竞争差距呈扩大化的趋势。一些原有的资源禀赋和科技基础较好的西部地区，未能充分利用好良好的资源禀赋和资本优势，其经济竞争优势正在逐步丧失。相反东部沿海地区却充分重视发挥资本和人才的积累力量，进一步增加了区域创新的驱动力，使地区经济保持了持续快速的发展，进一步提高了经济竞争优势。就其背后原因，主要是区域创新差异的问题，因为区域创新能力是提高经济增长速度和实现经济发展转型的最根本动力【11。而区域创新能力主要表现为区域创新效率的问题。因此

4、，缩小区域经济发展差距，促进区域经济均衡发展最根本的原因是要缩小区域创新能力差异，特别是要缩小区域创新效率的差距。尽管近几年中国的研发投入占GDP的比重呈不断增加态势，据统计，中国研发经费支出占GDP的比重由2000年的09上升到2011年的184，居于发展国家的前列，但与发达国家相比较，仍然有较大的差距。特别是中国的区域创新效率表现为较大的区域差异性，东部地区的创新效率明显整体上高于中西地区，而且东、中、西部地区内部各省份创新效率的差异性也较为明显2 31。区域创新不是一个封闭性的系统，相反它是一个充满要素流动和交换的系统。一方面，如果一个区域的创新要素投入在本区域内不能得到有效的利用和转化

5、，一部分创新要素就会从本区域流向其它区域：另一方面，如果一个区域的创新成果与经济结构不匹配，那么该成果也将流向其它区域【4。因此，如果某个区域创新效率较低，即使该区域具备良好的创新要素禀赋条件，其创新要素禀赋条件也不能足够有效地转化为创新能力，那么，该地区创新能力仍然是有限的，由此将导致该区域创新要素的流失，将进一步加大该地区与其它地区创新效率的差距，则该地区的经济发展速度受到限制，进而对区域经济的均衡发展产生了不利的影响。因此，提高创新效率，探讨缩小区域创新效率差距的内在影响机制，促进区域创新效率收敛不仅是科技创新研究领域的重要问题，也对于缩小中国东西部经济发展差距具有重要的理论和现实意义。

6、实现对区域创新效率的收敛性研究，首先必须准确测度各个区域的创新效率。目前对于区域创新效率测度的方法主要有两种：一是非参数方法，如数据包络分析法(DEA)，池仁勇等51、孙凯和李煜华【61、白俊红等71学者用该方法对中国区域创新效率进行了测度；二是参数方法，如随机前沿方法(SFA)，张宗益等【8】学者用该方法对中国区域创新效率进行了实证分析。SAF与DEA方法相比较，后者忽略了随机误差对个体效率的影响，前者则有效分离了无效率项和随机误差项，从而充分保证了被测度效率的准确性，并且包含了随机误差项对个体效率的影响。Zhang等基于1995年中国8341家大中型企业的微观截面数据，使用SFA方法测度了

7、33个行业的研发效率9。岳书敬通过建立随机前沿函数测度了中国区域创新效率的差异性并且分析了其影响因素，发现全国的创新效率在06左右，东部地区明显高于中西部地区【10】。刘和东利用1998-2008年期间中国30个省市的面板数收稿日期：20140411 修回日期：20140905基金项目：国家社科基金重点资助项目(11AJL0t1)作者简介： 马大来(1987一)，男，山东潍坊人；重庆大学经济与工商管理学院应用经济学博士研究生，研究方向：应用经济。一71万方数据马大来等：中国区域创新效率的收敛性研究：基于空间经济学视角据，基于产出角度应用随机前沿函数测度了各省份的创新效率及影响因素，发现未纳入影

8、响因素时，中国的区域创新效率处于较低的程度，纳入影响因素后，中国的区域创新效率随着时间的变化呈现出“u”型曲线的走势u11。关于区域创新的收敛性研究，目前国内外集中于对区域创新产出成果的收敛性研究，而对区域创新效率收敛性的研究涉猎较少。Furman等分别使用0【收敛和B收敛方法衡量了OECD国家创新的收敛状况【垃】。Jungmittag基于19631998年期间欧盟15个国家的面板数据，使用单位根方法检验了其创新能力是否存在着收敛趋势【13】。Patel和Pavitt则基于G收敛方法测度了OECD国家创新行为是否存在收敛或者发散【l 41。相比较与国外学者的研究以跨国数据为主，国内学者更注重使

9、用国家内部数据进行研究。孙建和齐建国以专利的申请数作为衡量中国区域创新能力的指标，通过采用俱乐部收敛方法实证研究了中国区域创新的收敛性，发现中国区域创新过程中存在着以人力资本为门槛的区域创新收敛1 5|。陈向东和王磊同样以专利产出作为衡量区域创新的指标，通过使用基尼系数分解法实证研究了中国区域创新的空间分布特点，发现1996-2005年期间中国东中西的区域创新不存在俱乐部收敛特征，且区域问的创新差别有进一步扩大的趋势【16】。白俊红等基于DEA方法测算了中国东中西地区的创新效率，并进行了收敛性的实证检验，发现三大区域的创新效率不存在绝对收敛，但存在着条件收敛【l 7】。可以看出，国内外学者对于

10、区域创新收敛性的研究仅限于创新活动的产出成果，特别是集中于专利产出绝对量的研究，而对区域创新效率收敛性的研究较为缺乏。特别是在现有的研究中，均将研究区域视为相互独立的个体，即区域间不存在任何的联系，区域问的资源不发生任何的流动交换。然而，现实中由于空间地理的作用，区域问要素的流动使得地区间尤其是相邻地区的创新行为存在着空问溢出和扩散效应，因此，空间距离不同的区域会存在着创新效率的差异，但是随着空间效应发生的作用，区域间的创新效率差异会逐渐缩小，这就表现为区域创新效率空问相关性的存在。Toblers提出的地理第一定理也认为所有的事物都存在的联系，但是距离近的事物总比远的事物联系度更大1 81。因

11、此，进行区域创新效率收敛性的研究，必需要充分考虑区域之间存在的空间效应问题。基于此，本文主要贡献体现在三个方面：(1)现有的文献对区域创新能力收敛的研究主要集中在专利产出方面，与创新效率相比较，用专利产出绝对量来衡量区域创新能力的经济意义较为薄弱，因此本文使用SFA方法测量了中国30个省份2000-2011年期间的区域创新效率，用此来研究中国区域创新能力的收敛性显得更为准确；r2)在理论方法上，与已有文献中的大多数普通收敛模型不同的是，本文借鉴Barro和SalaiMartin四普通的收敛模型，将空间自回归项(SAR)和空间误差项(SEM)J3IA其中，建立了包含两种空间效应在内的空间收敛模型

12、，将空间因素对创新效率收敛性的影响充分考察在内，有利于提高测算区域创新效率收敛性的精确度；(3)通过空间计量的统计方法实证研究了中国的区域创新效率在样本期内是否存在着收敛性，并且探究了促进区域创新效率收敛的内在影响因素，具有重要的现实意义，可以为缩小区域间创新效率的差距提供有益的指一72一导，同时为中国的区域创新均衡发展相关政策的制定和实施提供一定的借鉴。1研究方法11随机前沿分析方法SFA出现的时间较早，Aigner等20】、Meeusen和van denBroeck21分别独立提出和阐述该方法。特别是随SFA的使用的普遍化，后人的成果逐步修正了初始SFA存在的缺陷，使其进一步完善。该方法建

13、立在初始生产函数估计的基础之上，对函数的误差项进行了分离，分离了无效率项和随机误差项两个独立的误差项。由于分离了生产函数的无效率项，且充分注意到随机误差项对个体效率的作用，因此，SFA方法较DEA方法更准确地测度被估函数的效率。随机前沿模型的基本形式为：Yit=(薯，f)X exp(v，b打) (1)其中，Y，表示企业f在t时期的产出，x，表示企业f在f时期的投入的生产要素，t为时间维度，厂()是被估的生产函数，表示企业的生产技术。一u。是具有复合形式的误差项，v，则是方程的随机误差部分，由观测误差和其他随机噪声误差两方面构成，v。服从N(0，盯2)的正态分布，“，变量的取值为负值，且服从(聊

14、。仃2)的截尾正态分布，其中：mit=miexplr(t一丁)l (2)(2)式中，参数刁随着时间变化，技术非效率项m，也相应地呈现出不同的变动趋势。rO、77=O和刁0时，珥，1则代表技术无效率。对(1)式进行变换取对数，随机前沿生产函数标准化为：h1咒，2 lnf(誓，f)+，一b疗 (4)Battese和Coelli22】则将技术非效率函数加入上述模型之中，将其进一步完善，其公式如下：2+ZitD+W， (5)(5)式中，Z。代表影响技术非效率的部分，瓯取值常数，是影响技术非效率的系数，如果占0，表示其对技术效率的影响为正，反之，起到负面的作用，w为随机误差项。12收敛模型121传统收敛

15、模型收敛模型最初用于测度国家(或地区)收入差距是否存在收敛或发散，之后其应用范围扩展到消费、贸易以及创新等领域。收敛模型中最为常用的方法是收敛方法，其理论基础来自于资本边际收益递减而导致的经济增长趋同的假设，具体指初始经济收入水平较低地区的增长速度要快于初始经济收入水平较高的地区，因此最终两地区的经济收入水平随着时间推移出现趋同的现象。收敛由绝对收敛和条件收敛两个方面组成，绝对收敛是指排除了外界因素的万方数据Vbl31，No1 管理工程学报 2017年第1期影响，不同区域间出现的收敛趋势，而条件口收敛则要将外界影响因素考虑在内，不同地区之间也出现趋同的趋势。借鉴Bano和SalaiMartin

16、191的一般收敛模型，定义绝对收敛的方程为：亍I 1n(兰詈旦)=口+3ln(yi，)+， 3N(O，盯2)(6)1 ，i，其中，Y。+r和Y。分别为地区f在时间t+T和t的产出水平，口为常数项， =一(1一e”)，0表示为收敛速度。若回归结果出现0，则表明在时间段T内存在绝对趋同，落后地区的增长速度要快于先进地区。条件口收敛是在绝对收敛基础上将控制变量包含在内，其基本方程形式为：-in(丛生)=口+屈ln(y“) yf， (71+；|B2X。+Ei。sN，oz、)122考虑空间效应的收敛模型上文的口收敛分析是基于普通的计量方法进行构建的，未将空间因素考虑在内，在现实测算中可能会出现偏差。基于

17、此，本文将空间效应引入到普通的收敛模型之中，分别建立空间自回归模型fSpatialAutoregressive Model，SAR)口3J和和空间误差模型(Spatial Error Model，SEM)【24进行收敛的研究。(1)空间自回归模型加入空间自回归项，其绝对收敛和条件收敛的空间自回归模型的方程式为：扣等却+肚(川+p彤ln(堑)+t。(o，仃2)yit扣等)=二+舳(+屈如+pWln(盟)+t，占(0，仃2)y“(8)其中：P为空间自回归系数，用来衡量各区域空间相互作用的大小，形为空间权重矩阵系数，占是随机误差项。(2)空间误差模型加入空间误差项，其绝对收敛和条件收敛的空间误差模型

18、的方程式为：1In(!坐尘)：口+flln(y“)+t，q，Yi，f f101=AW+U，uN(O，盯2，)Lln(坐)=口+届ln(yl，)+屈五，+，t， Yi， r111=2W+“，uN(O，仃2I)其中：旯是反映回归残差之间空间相关性的参数，甜是空间不相关的随机扰动项。2中国区域创新效率的测度及空间相关性检验21效率模型基于Battese&Coelli22模型的基本形式，建立了包含对数型柯布道格拉斯生产函数的效率测度模型来测量样本期内中国的区域创新效率。其基本的方程形式为：三n(匕)=Po+届Ln(Li，)+32L聆(K)+K，一：， (12)y代表各地区的专利申请量(单位：个)，三为

19、各地区R&D人员的投入数量(单位：人年)，K表示各地区R&D科研经费的支出数量(单位：亿元)，下标j和f分别代表地区维度和时间维度。腺为常数项，屈和房则为需要估计的参数，误差项占则包含两个部分，第一部分是用1，表示的随机误差项，其分布函数服从N(0，仃：，。)的正太分布；第二部分是用“表示的技术无效率项，代表在某个时间对第j个地区起到影响的随机因素。鉴于数据的可获得性，本文的样本选择时期为2000-201l共12年。因为由于西藏某些年份的数据严重缺失，因此予以剔除，所以本文研究的样本地区为中国大陆的30个省份。借鉴Griliches2 5|、Jaffe26】等国外学者的研究成果，本文将R&D人

20、员和R&D经费支出作为区域创新的投入指标，同时选定专利申请量为区域创新的产出指标，并且假定创新投入和产出是同步的，两者之间不存在滞后现象。本文使用的数据均来自2001-2012年期间各个年份的中国统计年鉴和中国科技统计年鉴，其中各省份的R&D经费支出均换算成以2000年为基准价格的实际支出。22区域创新效率及其动态变化分析根据式(1)、式(4)以及式(12)，利用Frontier 41操作软件，使用最大似然法测算了2000-2011年期问中国30个省(市、区)的区域创新效率，具体结果如表l和表2所示。表1 SFA模型估计值注：”+表示在1水平下显著。LR为似然比检验统计量，服从混合卡方分布(M

21、ixed ChI-squared Distribution)。由表1可知，y=08295，在1的水平下显著，同时LR的估计系数在1的水平下显著，这充分表明，式(12)中误差项的复合结构是显著的，因此，基于SFA技术测度区域创新效率是可行和必要的。其中，届：05946，表明R&D人员的边际贡献为05946；及：05452，表明R&D经费的边际贡献为05452，这说明R&D人员的产出贡献要大于R&D经费的产出贡献。，7=00671，且在1的水平下显著，这表明随着时间的变化，各地区的技术无效率会逐渐变小，即中国各地区的创新效率呈现出提高的趋势。一73万方数据马大来等：中国区域创新效率的收敛性研究：基

22、于空间经济学视角表2 2000_-2011年中国各省、市、自治区的区域创新效率值年份 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011北京 O1 197 01373 01562 O1761 01971 02189 O2416 O2648 O2886 O 3128 03373 O_3619大津 O3439 03684 O3930 O4174 04416 04656 O4892 O5123 O5350 0 557l 05786 O5994问北 O2456 0 2689 O2927 O3169 03414 O 3660 03905

23、 O4150 O4394 O4634 O4870 05103山西 01749 01957 02175 02401 02633 O287l O3112 03357 O3602 O3849 O4094 04338内蒙古 03436 03682 0_3927 O417l 04414 04654 O4889 O5121 05348 O5568 O5783 05992辽宁 O2702 O2941 O-3183 03427 03673 O3919 O4164 O4406 04646 O4883 O5115 05342吉林 02470 O2703 O2942 O3】84 O3429 O3675 O3921

24、O4165 04408 O4648 04885 O5117黑龙江 02347 02578 02814 03055 03298 O3543 O3790 04035 04279 O452l O4759 04994上海 03605 03851 04095 04339 04579 O4816 O5049 O5277 05500 O5717 05927 0613l江另： 03025 O3268 O3513 0 3759 O4004 O4248 04490 04729 04964 05194 05419 O5638浙江 07779 07905 08024 08137 O8245 08347 08444 O

25、8536 O8623 08706 O8783 O8857安徽 O1970 02188 O2414 02646 O2884 03126 03370 03616 03862 O4108 O435l O4592福建 04134 04376 04616 0 4852 O 5084 0531l 05533 O5748 O 5958 O6161 06357 O6546江曲 02251 02479 02713 02952 03194 O3439 03685 O3931 O4176 O4419 04659 O4895山东 03452 03698 03943 04187 O4430 04669 04905 O5

26、136 O5362 O5583 05797 O6005洞雨 02536 02771 03010 O3253 03498 O 3744 O3990 O4234 04477 O4716 04951 0518l湖北 0 2053 O2274 02502 02737 02976 0 3219 03464 03710 03956 O420l 04444 O4684湖南 O3458 03704 03949 04193 O4436 04675 04910 05142 05368 O5588 O5803 06011厂东 05490 O5706 O5915 06119 06315 O 6505 06688 06

27、864 0 7033 07194 07349 O7497厂曲 03671 O3916 O4160 04403 04642 0 4878 051 lO 05337 0 5558 05773 05982 O6184海南 O9596 O962 1 O9645 O9667 09688 0 9708 O9726 09744 0 9760 09775 09789 O9803重厌 O4089 04331 O4572 O4809 O5041 O5269 05492 05709 O5920 O6124 06321 O6511凹川 O 1895 0-2l 10 0 2334 O2564 O2800 O304l 0

28、3284 03530 03776 04022 04266 O4508贵州 0 4218 O4459 04698 O4933 05163 0 5388 O5608 05821 0 6028 06229 06423 O6609石南 03258 03502 03748 03993 04237 04479 O47 1 8 O4953 05 1 83 O5408 O5628 05841陕曲 00843 O0990 01150 0 1323 O1508 01704 O19l 1 O2128 02352 O2583 02820 0306l甘肃 01200 01377 01566 01765 O1975 O2

29、194 O2420 O2653 O2891 O3133 03378 O3624青海 02279 02507 02742 0 2981 O3224 O 3469 03715 03961 04206 O4448 04688 04923宁夏 O41 86 04428 O4667 04902 O5 1 33 05359 O 5579 O5794 06002 O6203 06398 0 6585新疆 06246 06437 06622 06800 O6970 O7134 O 7291 07441 07584 O7720 07850 07974全国 O3368 03584 03802 04022 0424

30、3 O4463 0 4682 O4900 05115 O5327 05535 05739东部 04261 O4465 O4668 O4872 O5074 05275 0，5474 O5669 O5861 06050 O6233 O6412中部 02354 02582 02815 03053 O3294 O3537 O3780 O4024 O4266 O4506 O4743 04976西部 0_3211 0343l O3653 03877 04101 O4324 O 4547 O4768 O4986 O5201 O5412 05619由表2可知，样本期内中国区域创新效率普遍较低，仅 MD，口h

31、s的值为一1时表示完全负相关，当值为l时表明完仅浙江和海南两个省份的创新效率超过了08。全国平均创新效率由2000年的03368上升到2011年的05739，存在着较大的上升空间。为了更准确体现中国区域创新效率的分布特点，本文将中国30个省市划分为东、中、西部三大区域。由表的数据可知，中国三大区域的创新效率差别较大，其中，2011年，东部地区的创新效率平均值为06412，为三个区域最高；西部地区次之，为05619；中部地区最低，为04976。可以看出，若能加快中西部地区创新效率的增长速度，进一步缩小区域差异性，中国整体的创新效率将会进一步得到提高。23区域创新效率的空间相关性检验区域创新效率的

32、空间相关性主要表现为区域创新行为存在的溢出和扩散效应，对周围相关区域的创新行为产生了重要影响。同时空间相关性另外一个表现为空间异质性，空间异质性则基于空间上的不均质性，区域创新效率存在着中心和边缘之分，从而导致区域创新效率存在空间的差异性。空问相关性可以通过勿翮s，【”281指数的计算来实现。沥m胛ts_，：n(置一l=l至至(一一x)(一x)f2l，2Ii_1 J=l。其中为空间权重矩阵，胛是空间单位数量，x，和分别为f地区和，地区的观测值，x=(，t)疗，是变量观测值的均值。全局胸MJ取值范围为一1，1，当一74一全正相关，而取值为0时则表示不相关。朋b啪s，值被计算出来之后，一般使用z统

33、计量来检验结果是否具有显著性。Z=使用Geoda软件，在邻接矩阵的基础上，测算出20002011年期间中国区域创新效率朋白阳，?s，指数，如表3所示。表3 2000_2011年中国区域创新效率的如一ts，指数生坌!垒翌!：! 垦g! !堕g! 墨焦2000 00854 00333 00779 152372001200220032004200520062007200820092010008640086800868008610085000833O0812O0786O075700723O033300333O033300333-00333003330033300333O033300333O0773O0

34、764O0796O076800793O0757O0783O077900787O07821548515172150881554714918l 540314623143651385013504垫! !：丝! ：!：塑： !：!：坠 ：由表3可知，20002011年期间中国区域创新效率的物MJ，指数均为正值，且均通过了10的显著性检验，这表明中国的区域创新效率存在较强的空间正相关性，可见空间相关性对中国区域创新效率为产生了重要的影响，万方数据、，0131No1 管理工程学报 2017年第1期即区域创新效率的分布特征并不是呈随机分布的特点，而是表现出较强的空间地域性，即高的区域创新效率和低的区域创新效

35、率出现了集群的现象。基于此，在考察区域创新效率的收敛性时不应该忽略空间相关性，否则可能造成模型估计的偏差。3计量模型构建及变量说明区域之间的创新效率存在着一定的空间相关性，上文对中国区域创新效率的空间相关性检验也验证了这一点，因此，如果忽略了空间效应对整个模型的影响，则会造成整个计量模型的重大缺陷，因此有必要在计量模型中考虑空间效应对整个模型的影响。因为本文所使用的是中国30个省市的面板数据，需要考虑对模型中固定效应与随机效应的选择，前者指个体效应与回归变量具有关联度，后者指个体效应与回归变量则不存在关联度，由于本文是基于个体效应的角度进行的数据分析，因此，固定效应模型符合本模型的需要。根据公

36、式(8)式(11)，本文分别建立了包含空问效应的绝对收敛模型和条件p收敛模型，其中绝对收敛模型为：grE，=q+谚+flLn(TEi，-ti，=五，4甜印+毛，f1)+万Jwij(gTE,，)+“，(15)条件口收敛模型为：g珥，=口；+谚+届三阳(玛，一1)+屈墨，+万，(g瓯，)+Pi，“f=旯，8甜“+t， r两个模型均为普通的空间固定效应模型，万和旯分别代表空间自回归系数和空间误差系数，若万取值是0，则模型变为空问误差模型(SEM)，若Z的取值是0，则模型转换为空间自回归模型(SAR)。口。和谚分别用来表示空间固定效应和时间固定效应。其中g强，表示第f地区第t年创新效率的增长速度，Ln

37、(T骂，)表示第f地区第t一1年创新效率的自然对数，x，表示本文选取控制变量的集合，为随机误差项。本文所选用的指标及指标说明如下：譬疆，：区域创新效率增长率指标，用第i地区第t年创新效率的自然对数值减去f地区第t一1年创新效率的自然对数值来表示，即：g玛，=ALn(TEi，)=Ln(TEi，)一Ln(TEipl)。三胛(zE，)：为期初地区创新效率，用第f地区第t一1年创新效率自然对数值来表示，变量的系数正负用来反映区域创新效率是否存在收敛，若系数显著为负，则表明区域创新效率增长有显著收敛的趋势。其中，本文所考察的控制变量如下：EDU：人力资本存量指标，主要衡量各地区人力资本的富裕状况，用各地

38、区每万人在校高等大学生人数的自然对数来衡量，以此来反映人力资本对提升区域创新效率的作用力度。FDI：外商直接投资指标，用美元兑换人民币的年均汇率换算的实际利用外商直接投资额与地区GDP比值来表示，用来反应对外开放程度对提升区域创新效率的影响程度。，ZR：产业结构指标，用各地区规模以上高技术产业的企业增加值占GDP的比重表示，用来反映产业结构变动对提升区域创新效率的作用程度。FIR：金融发展水平指标，用各地区全部金融机构的贷款余额和存款余额之和占地区GDP的比重来表示，用来表示金融深化对提升区域创新效率的作用程度。GOV：政府干预指标，用财政支出占地区GDP的比重来表示，用来衡量政府干预对提升区

39、域创新效率的影响程度。考虑到数据全面性和可得性，本文搜集了2000-2011年期间中国30个省份地区的面板数据，来源于中国统计年鉴、新中国六十年统计资料汇编和地方统计年鉴。4实证结果及解释41普通面板数据模型的计量结果与空间相关性检验首先用普通的面板数据模型对式(15)和式(16)进行模拟，并同时检验回归残差的空问相关性，其结果如表4所示。表4同时给出了混合面板模型、地区固定效应模型、时间固定效应模型和双向固定效应模型的估计结果，通过对检验数据的比较，由此来说明控制模型固定效应的必要性。由表4可知，在绝对口收敛模型中，混合模型中拟合优度的判定系数为O8995，加入空间和时间固定效应后，双向固定

40、效应模型中拟合优度的判定系数增大为09230；同理，条件收敛模型中，混合模型中拟合优度的判定系数为09157，加入空间和时间固定效应后，双向固定效应模型中拟合优度的判定系数增大为09224。可以看出，无论从绝对收敛模型还是从条件收敛模型看，相比较于其它三个模型，双向固定模型中的拟合优度的判定系数最大。再分别对四个计量模型的对数似然函数值比较可知，绝对收敛模型和条件收敛模型中的双向固定效应模型的对数似然函数值分别为13931840和14315095，同样分别为四个模型中最大。这充分表明，双向固定效应模型较其它三个模型更好，因此本文选用双向固定效应模型的计量结果来解释中国区域创新收敛的收敛性。表4

41、下半部分本文给出了普通面板数据模型的空间相关性检验结果。绝对收敛模型中双向固定效应模型的三Mlag值为36223，三Merr值为05148，前者通过了5显著性水平的检验，后者未能通过显著性检验；同理，条件口收敛模型中双向固定效应模型的三Mlag和上Merr分别为25596和18798，两者均通过了10显著性水平的检验。以上统计结果表明，两个模型的估计结果均存在显著的空间相关性。同时在两个双向固定效应模型中，LMlag的统计量均大于L夕一g，7，因此相比较之下，空间自回归模型是本文空间计量模型更好的选择。42空间面板数据模型的估计结果由于普通面板模型的残差存在显著的空问相关性，因此，本文运用自回

42、归模型(SAR)和空间误差模型(SEM)等空间计量模型对普通计量模型进行重新估计，其估计结果见表5。由表5可以看出，空间滞后项Wtdepvar和空间误差项W+depvar加入到模型后，除了绝对收敛的SEM模型中的空间误差项W+depvar未通过显著性检验外，其余模型一75万方数据马大来等：中国区域创新效率的收敛性研究：基于空间经济学视角中的空间滞后项Wtdepvar和空间误差项W+depvar均通过了10的显著性水平检验，两者的拟合优度的判定系数值较普通面板数据模型均有所提高，且两者的数似然函数值LogL较普通面板数据模型也均有所提高。同时，与普通面板数据模型相比较，空间计量模型解释变量的估计

43、系数的正负未发生变化，但大部分解释变量的T检验值均有所提高，这表明，空间计量模型的估计结果对普通面板数据模型做了较好的修正。在绝对收敛和条件收敛模型中，SAR模型的LogL值要大于SEM模型的LogL值，表明SAR模型的解释力度要好于SEM模型，因此本文选择对空间自回归模型(SAR)中各个解释变量的估计结果加以解释分析。表4普通面板数据模型的估计与检验结果丝塑笆堕篁 釜堡笆蝗篁变量 。 空间固 时间固 双向固 。 空间固 时间固 双向固“。定效应 定效应 定效应 ”4 定效应 定效应 定效应注：()中数据为T检验值，+，“，+t+分别表示10，5和l的显著性水平；模型估计、空间自相关检验使用M

44、atlab711。表5双向固定效应空间计量模型的估计与检验结果注：()中数据为T检验值，+，”，”4分别表示10，5和1的显著性水平在绝对收敛模型中，Ln(TE,一t)的系数为负且通过了1的显著性水平检验，表明中国的区域创新效率存在显著的绝对收敛，依据新古典经济增长模型+收敛的计算公式，得出中国区域创新效率的绝对收敛速度为1687，较之普通+|J=l一口一”，其中，0为收敛速度，T为样本数据考察期的长度，则目=一手M一帅76面板模型中1758的收敛速度稍微有所下降。这表明，考虑了空间效应后，区域创新效率的绝对收敛速度有所下降。与绝对芦收敛模型相比较，加入控制变量后，条件卢收敛回归模型的拟合优度

45、的判定系数和对数似然函数值均有所提高，这表明条件收敛回归模型的解释能力有所提高。在条件收敛的SAR模型中，控制了其他变量后，Lnr7E一，1的系数为负且通过了1的显著性水平检验，同样根据口收敛的计算公式得出收敛速度为1649。作为控制变量，除了，D，外，人力资本、产业结构、金融发展水平和政府干预等，都从不同的角度对区域创新效率的提升产生了重要影响。在其他因素不变的情况下，EDU在1的显著水平上对区域创新效率提升的影响为正，表明人力资本能有效地促进区域创新效率的提高。一个国家或地区引进和自主研发新技术效率的水平受到区域人力资本存量高低的重要影响，特别是人力资本水平越高，新技术扩散速度越快，技术溢

46、出效应也越明显，其技术进步的效率也越快。这与岳书敬10】和师萍等【29】的研宄结论是一致的。FDI对区域创新效率提升的影响不显著。可能的原因在于，外资水平与国内水平差距过大，国内企业对外资技术的吸收和利用存在一定的门槛效应【3 01，特别是国内企业研发效率受到了外资水平的重要影响。当国内企业技术水平较低时，与外资技术水平相差过大，存在着过高的门槛效应，国内企业无法对外资技术实现有效的吸收和利用，则造成了外资技术对国内企业研发效率提高的影响是不显著的。STR在1的显著水平上对区域创新效率提升的影响为万方数据V0131，No1 管理工程学报 2017年第1期正，表明产业结构的改善能够有效促进区域创

47、新效率的提高。产业结构的调整与改善能够有效带动区域创新效率的提高，尤其是高新技术产业比重的提高可以为区域技术效率的提升提供更好的平台。同时落后地区的产业结构调整的潜力远远大于发达地区，产业结构改善可以对区域创新效率的趋同产生重要的影响州。FIR的估计系数在l显著性水平为正，表明金融发展能够有效促进区域创新效率的提升。金融发展能显著地促进银行扩大业务范围并能提高经营效率，之后银行基于自身的业务范畴进一步完善内部规则，能够为企业的创新活动提供强有力的资金支持；对于企业专项的创新项目，银行还可以提供专项的金融资金支持，进一步提高企业的创新力度31。金融发展还可以完善金融服务体系，进一步提高金融自由化程度，逐步放松企业的信贷约束，便利于企业家获得金融信贷资金，为企业增加创新活动提供强有力的资金支撑；同时，金融发展可以进一步降低信贷约束，减少信贷监督成本，逐步弱化企业的代理问题，从而有利于提高企业的创新效率，进而