论文部分内容阅读
作者简介：龚剑，女，汉族，重庆市奉节县人。单位：北京交通大学经济管理学院金融专业;
曹卉，女，汉族，新疆维吾尔自治区乌鲁木齐市人。单位：北京交通大学经济管理学院金融专业;
丁一然，女，汉族，黑龙江省牡丹江市人。单位：北京交通大学经济管理学院金融专业。
摘要：本文从科技创新的角度，运用知识溢出的效应机制、内生经济增长理论以及实证研究对中国城镇化道路选择进行探究。在实证研究方面，以每万人专利授权量和经济密度分别作为科技创新能力和城镇化发展方向的代理变量，以2008~2011年全国275个地级以上城市为样本，按照经济密度将样本均分为大、中、小城市三组，运用面板数据模型对问题进行研究。结果表明经济密度与人口密度对每万人专利授权量影响显著，每万人专利授权量与经济密度呈正相关，与人口密度呈负相关。分组回归结果表明大城市组每万人专利授权量对经济密度及人口密度的变化更敏感，而中等城市组又优于小城市组。从经济角度来说，发展集聚经济更有利于培养科技创新能力；从人口角度来说，较分散的人口结构更有利于科技创新。
关键词：城镇化道路选择；科技创新；专利授权量；经济密度 1.绪论
1988年9月，邓小平同志根据当代科学技术发展的趋势和现状，提出了“科学技术是第一生产力”的论断。当今社会，科技发展水平更成为了国家竞争力的体现，科技创新在这个知识经济和经济全球化的时代显得尤为重要，因此，我们比以往更需要科技创新来推动生产力实现质的飞跃，从而推动经济社会的全面协调可持续发展。因而选择何种“科技创新最佳孵化器”决定着科技创新的成败。
周寄中(2011)在《科学技术创新管理》中指出“科技创新的结构由创新主体、创新资源和创新环境三大部分组成”。如果科技创新希望取得成功，就有赖于这三者的协调发展。而经济集聚显然能够在创新资源与创新环境上给予科技创新良多助力。其原因是经济集聚的出现来源于生产要素在空间上的重新布局与汇集，这些要素流在空间上的汇集一般可能表现为两种方式，一种方式是一定空间形态上要素的汇集程度的提高；另一种是一定空间形态上要素流级别所发生的变化。而经济集聚可以使这些要素在空间上进行重整和集中，促进资源集中化以及整体环境的改变，从而影响了创新主体、创新资源和创新环境的互动关系，进而影响科技创新的整体成果。这同时也是本文探究的重点，集聚经济对科技的影响程度是怎样的？本文将进行论证及解答。
我国正值由“中国制造”向“中国创造”转型的阶段，更需科技创新这一强有力支撑，集聚经济的产生更离不开城镇化的集约发展和产业的集聚，因而选择集约的城镇化道路才是正确的方向。
2.相关理论基础及文献综述
2.1理论基础
一个城市或一个区域内，整体科技水平对区域内经济发展的影响来源于该区域经济集聚所产生的知识溢出效应，而知识溢出效应的根源是知识的外部性特征。马歇尔较早关注到外部性这一现象，新经济增长理论中也提出了知识溢出对于经济增长的贡献，其中罗默和卢卡斯的模型更为完善，他们的主要观点之一表示，知识是追逐利润的产物, 厂商在进行物质资本投资和积累的同时也进行着知识的投资和积累, 知识的溢出效应提高了社会生产率，这证明知识和技术进步是经济体系的内生因素。
早在20世纪初，经济学家熊彼特就提出了创新理论，这一理论的提出为知识溢出的测度方法——知识生产函数开了先河。熊彼特认为，所谓创新就是要建立一种新的生产函数，要把一种从来没有的关于生产要素和生产条件的新组合引入到生产体系中，以实现对生产要素或生产条件的新组合，不同的创新会对经济发展产生不同的影响。
索洛式新古典增长模型为其后的经济增长理论模型研究确立了基本准则，以后的经济增长理论，都围绕着索洛模型，迸一步展开关于经济增长中技术进步的研究。考虑技术进步的新古典模型表明，只要有一个不变技术进步率，稳态条件下的总产量增长率将按照人口增长率和技术进步率提高。
内生经济增长理论，如同劳动和资本一样，知识和技术是一种内生的生产要素，是知识积累的结果。尽管在特定的条件下，知识的出现或技术的突破是随机是，但技术进步或知识增加与人们为其贡献的资源成正比。Lucas(1988)引入了人力资本积累因素来解释技术进步和经济增长的内生性，而Romer(1990)将知识或技术进步赋予了一个完全内生化的解释，强调技术进步是决定经济增长的内生变量，是经济主体的利润极大化的投资决策的产物。
知识溢出是知识扩散的一种方式，是经济外部性的一种表现，是一种被动的、非自愿的和无意识的知识传播。Arrow从企业技术创新成果的非独占性的视角指出，当新技术的秘诀不为创新企业所独而成为公共产品时，知识溢出就发生了。Griliches (1992)认为知识溢出是“在相似的事情上工作，并在彼此的研究中获益”。Branstetter (1998)认为知识溢出是“一个企业能够从另一个企业所从事的R&D活动中获得经济收益，而不需要承担对方的研究成本”。
2.2国内文献综述
刘柯杰(2002)主要从知识外溢出发，探讨了知识外溢、产业聚集与地区经济增长之间的关系，研究了知识经济条件下地区高科技产业政策的选择和制定。
国内殷晓莉、王里克(2006)在提出科技创新评价指标体系的基础上，引入新的工具（网络层次分析法）来确定评价指标权重，并对中国大陆31个省市区的科技创新能力进行实证分析和评价，对区域科技创新能力评价方法进行了有益的探索。文章在运用此方法进行研究后弥补了层次分析法在处理无结构和半结构决策问题的不足。也证明了此种方法所得结论更优，为未来各地区的规划发展有一定的借鉴价值。
李凯，任晓艳，向涛(2007)根据国内外学者的产业集群促进技术创新的说法，把产业集群分解成四方面的因素，分别分析它们对国家高新区技术创新能力的贡献，并对我国53个国家高新区进行实证分析，讨论这四方面因素对国家高新区创新的贡献，指出国家高新区的自主创新未充分发展的主要原因之一是，我国现阶段的高新技术产业集群没有实现真正意义上的产业集群，从而无法充分发挥其促进高新技术产业技术创新的作用。
窦红宾(2009)分析了知识溢出对区域竞争力的促进效应，认为知识溢出有利于提高产业或企业的生产力、降低企业的创新成本和风险、激发区域的创新活动、激活区域知识资本的潜能。
彭中文，熊炬成（2011）通过对中国装备制造业的研究，得出产业集聚对装备制造业的技术进步产生较大影响，同时可以从集群创新、技术溢出和生产率增长等角度得到很好的解释。
石琳娜、石娟、顾新(2012)通过对高技术企业内知识溢出系统的分析，发现知识溢出对高技术企业自主技术创新存在着著的激励作用。
2.3外国文献综述
Westney &Sakakibara(1986)、Rosenberg & Steinmueller (1988)、Odagiri & Goto ( 1993)等人从经济学的角度证实了知识溢出的重大作用，外部知识源与内部知识源溢出的知识能够迅捷高效地积累到企业知识资本的蓄水池中，这是一个渐进与累积的学习过程，由此成为技术创新的雄厚资本与坚实基础。
Romer Grossman Ilolpmam (1993)认为如果不存在显著的知识溢出，经济增长就不会持续。知识的溢出促成了社会资源的节约，并促进区域竞争力的发展，因此也成为了增长理论的微观经济基础。Audretsch&Freldman (1996)研究发现，知识溢出倾向于产业集群，而且具有创新活动的产业集群的知识溢出对区域竞争力的影响更加明显。
C.Beaudry，P.Swalm(2001)在他们的研究中表明产业集聚带来的技术溢出可使在此范围内的企业受益，为此他们研究了英国主要工业区中经济集聚与企业科技创新绩效的关系，在他们的分析中，经济集聚的衡量指标是企业中科研人员数量的比重，科技创新绩效的测算指标是每年新型科技产品的营业收入。根据他们的研究成果，在不同的行业，经济集聚与企业科技创新绩效的关系并不一致，正效应、负效应和零效应几乎同时并存，但是在计算机、汽车、航空和通讯设备制造业等领域，经济集聚对企业科技创新绩效存在非常强的正效应。
3.实证分析
3.1变量选取的说明
本文研究的问题是我国选择什么样的城镇化道路可以促进科技创新能力的提高，那么就变量的选取必须考虑两个问题：何种变量可以代表城镇化道路？何种变量可以衡量科技创新能力？
第一，本文主要选取经济密度衡量城市发展的集中程度。经济密度越大，代表该城市的发展更侧重于集约型；反之，则为粗放型。由于资源的地理分布不平衡，导致人口、生产与财富向大城市和发达地带聚集，聚集能创造更高的收入，因此经济产出因素是城镇化发展的真正动力。而经济密度是指区域国民生产总值与区域面积之比，它代表了城市单位面积上经济活动的效率和土地利用的密集程度，可以用来衡量城市发展的集中程度，间接地代表城镇化道路选择。此外，还会辅以人口密度、人均GDP等因素加以衡量。
第二，本文选取每万人专利授权数衡量城市的科技创新能力。洪明勇(2003)、蒋兴华(2012)等学者都构建过区域科技创新能力评价体系，主要以科技创新产出、科技创新投入、科技创新与社会经济的协调能力、科技创新潜力等四方面构建指数综合体系。本文选取的专利授权量来自于科技创新产出，原因有以下几点：1.科技创新产出能力是区域科技创新的基础，是将新知识转化为新产品、新工艺和新服务的过程，没有产出就没有创新。2.近年来,随着专利制度的逐步完善,专利数据在科技创新分析中越来越显示出其重要性，专利活动指标一直是测度国家、地区科技能力的主要指标。专利被很多经济学家认为是在产业和国家层面上技术进步和变革的指标，采用专利授权数更能说明问题。3.基于数据获得的容易程度。专利授权量与其他反应科技创新产出的指标相比，如重要国际科技论文数、获科技进步奖数等，更易获取，可信度高。为了更好的说明不同城市在科技创新能力间的差异，本文采取相对数，即每万人专利授权量为最终指标。
3.2数据来源与处理
本研究选取2008、2009、2010和2011年全国275个地级以上城市为样本,选取每万人专利授权数(PaGr)、人均GDP(Perc GDP)、经济密度(EcDe)、人口密度(PoDe)等4个研究变量，样本数为4400个。选取2008、2011这两个年限的原因是大部分城市缺少2008年以前和2012年的专利授权量统计，275个城市样本中剔除了数据不全的齐齐哈尔、鹤岗、大庆、佳木斯、七台河、黑河、崇左、咸阳、汉中、商洛、拉萨等11个城市。
本文研究所用的经济社会数据主要来源于《中国城市统计年鉴》中“中国地级以上城市”的相关统计资料。经济密度是市辖区“地区生产总值”与“建成区面积”的比值，人口密度是市辖区“年末总人口”与“建成区面积”的比值，人均GDP是市辖区“地区生产总值”与市辖区“年末总人口”的比值。“建成区面积”是指市行政区范围内经过征用的土地和实际建设发展起来的非农业生产建设地段，可以较好反应城市中城镇化区域面积的大小；之所以用市辖区而非全市的数据是因为从经济意义上而言,市辖区更能准确地反映一个城市的范围。
本研究所用专利授权的数据主要来源于各省、市的知识产权局以及统计年鉴，每万人专利授权量是指“专利授权量”与“年末总人口”（万人）的比值。
我们根据各城市四年的平均经济密度由高到底排序，均分成三组，平均经济密度越高说明该城市的集聚水平越高。以三组的不同水平的经济密度来衡量城市的集聚程度高低，从而间接的说明城镇化的道路选择。分组结果为：大城市组92个城市、中等城市组92个城市、小城市组91个城市。
表1各变量的描述性统计结果年份
Year变量标记
Variable变量解释
Variableinterpretation均值
Mean标准差
Std.Error2008PaGr每万人专利授权量（个）7.0514.39Perc GDP人均GDP（万元/人）3.963.42PoDe人口密度（万人/平方公里）1.631.04EcDe经济密度（亿元/平方公里）5.084.002009PaGr每万人专利授权量（个）9.7920.23Perc GDP人均GDP（万元/人）4.323.51PoDe人口密度（万人/平方公里）1.580.96EcDe经济密度（亿元/平方公里）5.504.302010PaGr每万人专利授权量（个）14.0925.49Perc GDP人均GDP（万元/人）5.054.05PoDe人口密度（万人/平方公里）1.500.85EcDe经济密度（亿元/平方公里）6.164.802011PaGr每万人专利授权量（个）16.5931.37Perc GDP人均GDP（万元/人）5.964.66PoDe人口密度（万人/平方公里）1.420.81EcDe经济密度（亿元/平方公里）6.945.313.3模型的建立
通过前面的分析，在表1中我们发现从2008年开始，伴随着经济密度、人均GDP的均值逐年上升，每万人专利授权数的均值也存在逐年上升的趋势，此外，人口密度呈小幅度下降趋势。由此，我们设想各城市每万人专利授权量与经济密度、人口密度、人均GDP间可能存在一定程度的相关性，为了可以较为科学地分析城市集聚程度对科技创新产生的影响，我们采用以下模型验证变量间的关系：
PaGrit=αi+β1PercGDPit+β2PoDeit+β3EcDeit+uit
其中，i代表不同城市，t代表时间， PaGrit、PercGDPit、PoDeit、EcDeit分别表示第i个城市t年的真实每万人专利授权量、人均GDP、人口密度、经济密度，ui代表误差项。考虑到个地级以上城市可能存在异方差问题，为了较少异方差的影响，我们拟采用双对数模型。经过试回归后发现，采用双对数模型没有原模型效果显著，固仍采用原模型。
对于分组后的城市，我们也采用上述模型对各组变量间的关系进行说明，同时根据系数、模型的显著性以及对于同一变量，各组间的系数差异来分析问题。
3.4实证检验与回归分析
本文利用Stata10.0进行回归分析。最初我们使用双对数模型，即先对原始数据取对数，再导入软件回归。一般来说，双对数模型一定程度上可以消除模型的异方差和自相关性等，变量增量之间的相关关系也更显著，因此更有利于观察与研究。但通过回归结果我们发现，取对数后的变量之间的线性关系并不显著，故最后仍选择原始数据进行回归。
首先通过hausman检验选取回归模型。最终使用随机效应模型（小城市组和中等城市组）和固定效应模型（大城市组）进行面板数据回归，得到表2的回归结果。
表2STATA面板数据回归结果样本整体(1)(2)(3)(4)经济密度（亿元/平方公里）-0.012.12**人口密度（万人/平方公里）0.2-5.27**人均GDP（万元/人）3.78**3.76**截距-6.6-0.6819.946.23R20.270.130.050.27大城市组(1)(2)(3)(4)经济密度（亿元/平方公里）2.78**3.02**-1.15人口密度（万人/平方公里）-18.10**5.44人均GDP（万元/人）6.88**4.44**截距-5.6219.01-28.43-12.76R20.110.190.280.29中等城市组(1)(2)(3)(4)经济密度（亿元/平方公里）1.33**1.46**-0.28人口密度（万人/平方公里）-4.99**-1.81人均GDP（万元/人）2.29**2.30**截距2.279.764-0.44R20.030.080.160.15小城市组(1)(2)(3)(4)经济密度（亿元/平方公里）1.53**1.88**-0.95人口密度（万人/平方公里）-3.04**-1.78人均GDP（万元/人）2.57**2.56**截距0.854.22-0.89-1.43R20.070.120.170.17注：其中**表示通过1%的显著性检验。
在样本整体数据的回归中可以发现，每万人专利授权数与经济密度、人均GDP显著正相关，与人口密度显著负相关。但加入这3个变量的回归，即总体（1）中经济密度与人口密度的系数均改变了方向且不显著，说明这3个变量高度相关，对模型产生了影响。比较（1）列和（4）列可以发现在模型加入经济密度和人口密度前后，拟合程度和人均GDP的系数几乎没有变化，即人均GDP几乎可以解释所有的变动。
下面我们来看看分组回归的结果。
首先从经济密度的回归系数来分析。从（1）列可得在三个城市分组里其系数均为正且通过了1%的显著性检验，说明经济密度越大，专利授权数相应的越大。同时，其大城市组的系数大于中小城市组的系数，说明在大城市中经济密度对专利授权数的影响程度大于中小城市。也就是说，经济密度每变动一单位，其能在大城市引起更多单位的增加或减少。
接下来，模型中加入人口密度这个变量以后，经济密度的系数方向和显著性仍不变，但大小都显著变大。而人口密度系数虽然显著，但为负数，说明城市的人口密度越大，专利授权数可能越低，与前面的整体分析吻合。且城市规模越大，系数负得越多，即人口密度增加一单位时，大城市的专利授权数减少得比中等城市多，中等城市减少得比小城市多。同（1）得出的结论一样，大城市的专利授权数对经济密度的变化更敏感。另外，模型整体的R2显著增大了，可看出模型（2）优于模型（1）。
在（3）列中加入了人均GDP这个变量，此时模型整体的拟合程度虽然有一定程度的提高，但经济密度与人口密度的系数都不仅不显著，其方向还发生了变化，因而人均GDP的加入不利于模型。其原因可能是人均GDP与经济密度高度相关。
最后，我们将人均GDP与专利授权数单独分组进行了回归。得出的结论与之前的经济密度变量类似，发现其相当于经济密度的替代变量，故最终选用（2）列的模型，即
PaGrit=αi+β2PoDeit+β3EcDeit+uit
上述一系列回归结果表明大城市组专利授权数对经济密度及人口密度的变化更敏感，而中等城市组又优于小城市组。也就是说，当经济密度增加一单位或人口密度减少一单位时，大城市的科技创新能力增长快于中等城市，中等城市又优于小城市。从经济角度来说，发展集聚经济更有利于培养科技创新能力；从人口角度来说，较分散的人口结构更有利于科技创新。
4.结论
本文以经济集聚对科技创新活动的影响为研究对象，在总结现有国内外参考文献的基础上，并以此为研究基础并从理论上讨论了经济集聚对科技创新活动的影响。在实证研究里，本文选取每万人专利授权量来代表城市的科技创新能力，用经济密度、人口密度、代表经济集聚程度。由此推导了包含代表科技创新指标的多元回归方程。综合理论分析与实证研究得出了一下结论：
第一，从经济集聚程度对科技创新活动的影响来看，大城市组的经济密度较中等、小城市组更为显著，即大城市经济集聚程度对科技创新的影响要优于中小城市。说明在大城市，经济集聚对科技创新产出的影响机制是稳定的，并且这一趋势正逐步加深，但相对于中小城市，经济集聚程度的偏低导致其对科技创新产出的影响机制并不稳定。
第二，从资源配置对科技创新活动影响来说，大城市资源集中，不乏各类高新科技园区，及产业创新示范区。能够更加优化资源配置，共享基础设施，在科技创新成本降低的同时能够共享相互之间的知识溢出效应。而中小城市目前面临的问题是承接了来自大城市的劳动密集性产业，同时面对自身优质资本科技资本向大城市转移的困境。但在目前国家的政策扶持之下，中小城市在科技发展上也加大了投入力度，许多小城市也借由其地广人稀的地理优势进行研发及实验，这也印证了我们研究中提到的城市的人口密度越大，专利授权数可能越低。
第三，从科技创新的需求对科技创新活动的影响，从本文中人均GDP对专利授权量的影响来看，大城市的系数要显著高于中小城市。可以看出，大城市多发展资本密集型产业，对科技水平的要求较为较高，需求较大，加之大城市所处区位环境的影响，同时大城市的经济集聚不仅提高了要素的边际生产力，也降低了它的边际支付价格，必然导致科技资本需求的大幅增加，从而出现较高的科技资本需求的集聚效应，而这种效应继而导致了科技创新活动的大幅增加。
综上，经济集聚产生的知识溢出对科技创新的影响是极为显著的，这也说明了城镇化道路的选择应该围绕经济集聚展开。通过我们的研究可以看出，发展集约的城镇化道路更有利于经济的集聚从而带动科技创新的发展。
参考文献
[1]刘柯杰. 知识外溢、产业聚集与地区高科技产业政策选择[J]. 生产力研究, 2002(1).
[2]殷晓莉, 王里克. 区域科技创新能力评价研究[J]. 生产力研究, 2006(6).
[3]李凯, 任晓艳, 向涛. 产业集群效应对技术创新能力的贡献——基于国家高新区的实证研究[J]. 科学学研究. 2007(03).
[4]窦红宾.知识溢出、集群学习、区域竞争力提升效应[J].未来与发展,2009(12).
[5]石琳娜, 石娟, 顾新. 基于知识溢出的我国高技术企业自主创新能力提升途径研究[J].软科学,2011 (8).
[6]Westney D E, Sakakibara K. Designing the designers: computer R&D in the United States and Japan[J]. Technology Review, 1986, 89(3): 24-31.
[7]Rosenberg N, Steinmueller W E. Why are Americans such poor imitators[J]. The American Economic Review, 1988, 78(2): 229-234.
[8]Odagiri H, Goto A. The Japanese system of innovation: Past[J]. Present and Future'in Nelson, 1993: 76-114.
[9]Audretsch D B, Feldman M P. R&D spillovers and the geography of innovation and production[J]. The American Economic Review, 1996, 86(3): 630-640.
[10] C.Beaudry,P.Swalm. Growth in Industrial cluster: a Bird’s Eye View of the United Kingdom[J].SIEPR Discussion Paper, 2001(1).
[11]洪名勇. 科技创新能力与区域经济实力差异的实证研究[J]. 经济地理, 2003, 23(5).
[12]李倩, 师萍, 赵立雨. 基于灰色关联分析的我国区域科技创新能力评价研究[J]. 科技管理研究. 2010(02).
[13]黄智淋, 俞培果. 近年技术创新对我国经济增长的影响研究——基于面板数据模型分析[J]. 科技管理研究. 2007(05).
[14]蒋兴华. 区域科技创新能力评价体系构建及综合评价实证研究[J].科技管理研究. 2012(14).
[15]陈玉娟. 知识溢出, 科技创新与区域竞争力关系的统计研究[D]. 浙江工商大学, 2013.
[16]李卫东. 计量经济学[M]. 北京: 机械工业出版社, 2011.
[17]詹姆斯•H.斯托克, 马克•W.沃森. 计量经济学: 第三版[M]. 沈根祥, 孙燕, 译. 上海: 格致出版社: 上海人民出版社, 2012.
曹卉，女，汉族，新疆维吾尔自治区乌鲁木齐市人。单位：北京交通大学经济管理学院金融专业;
丁一然，女，汉族，黑龙江省牡丹江市人。单位：北京交通大学经济管理学院金融专业。
摘要：本文从科技创新的角度，运用知识溢出的效应机制、内生经济增长理论以及实证研究对中国城镇化道路选择进行探究。在实证研究方面，以每万人专利授权量和经济密度分别作为科技创新能力和城镇化发展方向的代理变量，以2008~2011年全国275个地级以上城市为样本，按照经济密度将样本均分为大、中、小城市三组，运用面板数据模型对问题进行研究。结果表明经济密度与人口密度对每万人专利授权量影响显著，每万人专利授权量与经济密度呈正相关，与人口密度呈负相关。分组回归结果表明大城市组每万人专利授权量对经济密度及人口密度的变化更敏感，而中等城市组又优于小城市组。从经济角度来说，发展集聚经济更有利于培养科技创新能力；从人口角度来说，较分散的人口结构更有利于科技创新。
关键词：城镇化道路选择；科技创新；专利授权量；经济密度 1.绪论
1988年9月，邓小平同志根据当代科学技术发展的趋势和现状，提出了“科学技术是第一生产力”的论断。当今社会，科技发展水平更成为了国家竞争力的体现，科技创新在这个知识经济和经济全球化的时代显得尤为重要，因此，我们比以往更需要科技创新来推动生产力实现质的飞跃，从而推动经济社会的全面协调可持续发展。因而选择何种“科技创新最佳孵化器”决定着科技创新的成败。
周寄中(2011)在《科学技术创新管理》中指出“科技创新的结构由创新主体、创新资源和创新环境三大部分组成”。如果科技创新希望取得成功，就有赖于这三者的协调发展。而经济集聚显然能够在创新资源与创新环境上给予科技创新良多助力。其原因是经济集聚的出现来源于生产要素在空间上的重新布局与汇集，这些要素流在空间上的汇集一般可能表现为两种方式，一种方式是一定空间形态上要素的汇集程度的提高；另一种是一定空间形态上要素流级别所发生的变化。而经济集聚可以使这些要素在空间上进行重整和集中，促进资源集中化以及整体环境的改变，从而影响了创新主体、创新资源和创新环境的互动关系，进而影响科技创新的整体成果。这同时也是本文探究的重点，集聚经济对科技的影响程度是怎样的？本文将进行论证及解答。
我国正值由“中国制造”向“中国创造”转型的阶段，更需科技创新这一强有力支撑，集聚经济的产生更离不开城镇化的集约发展和产业的集聚，因而选择集约的城镇化道路才是正确的方向。
2.相关理论基础及文献综述
2.1理论基础
一个城市或一个区域内，整体科技水平对区域内经济发展的影响来源于该区域经济集聚所产生的知识溢出效应，而知识溢出效应的根源是知识的外部性特征。马歇尔较早关注到外部性这一现象，新经济增长理论中也提出了知识溢出对于经济增长的贡献，其中罗默和卢卡斯的模型更为完善，他们的主要观点之一表示，知识是追逐利润的产物, 厂商在进行物质资本投资和积累的同时也进行着知识的投资和积累, 知识的溢出效应提高了社会生产率，这证明知识和技术进步是经济体系的内生因素。
早在20世纪初，经济学家熊彼特就提出了创新理论，这一理论的提出为知识溢出的测度方法——知识生产函数开了先河。熊彼特认为，所谓创新就是要建立一种新的生产函数，要把一种从来没有的关于生产要素和生产条件的新组合引入到生产体系中，以实现对生产要素或生产条件的新组合，不同的创新会对经济发展产生不同的影响。
索洛式新古典增长模型为其后的经济增长理论模型研究确立了基本准则，以后的经济增长理论，都围绕着索洛模型，迸一步展开关于经济增长中技术进步的研究。考虑技术进步的新古典模型表明，只要有一个不变技术进步率，稳态条件下的总产量增长率将按照人口增长率和技术进步率提高。
内生经济增长理论，如同劳动和资本一样，知识和技术是一种内生的生产要素，是知识积累的结果。尽管在特定的条件下，知识的出现或技术的突破是随机是，但技术进步或知识增加与人们为其贡献的资源成正比。Lucas(1988)引入了人力资本积累因素来解释技术进步和经济增长的内生性，而Romer(1990)将知识或技术进步赋予了一个完全内生化的解释，强调技术进步是决定经济增长的内生变量，是经济主体的利润极大化的投资决策的产物。
知识溢出是知识扩散的一种方式，是经济外部性的一种表现，是一种被动的、非自愿的和无意识的知识传播。Arrow从企业技术创新成果的非独占性的视角指出，当新技术的秘诀不为创新企业所独而成为公共产品时，知识溢出就发生了。Griliches (1992)认为知识溢出是“在相似的事情上工作，并在彼此的研究中获益”。Branstetter (1998)认为知识溢出是“一个企业能够从另一个企业所从事的R&D活动中获得经济收益，而不需要承担对方的研究成本”。
2.2国内文献综述
刘柯杰(2002)主要从知识外溢出发，探讨了知识外溢、产业聚集与地区经济增长之间的关系，研究了知识经济条件下地区高科技产业政策的选择和制定。
国内殷晓莉、王里克(2006)在提出科技创新评价指标体系的基础上，引入新的工具（网络层次分析法）来确定评价指标权重，并对中国大陆31个省市区的科技创新能力进行实证分析和评价，对区域科技创新能力评价方法进行了有益的探索。文章在运用此方法进行研究后弥补了层次分析法在处理无结构和半结构决策问题的不足。也证明了此种方法所得结论更优，为未来各地区的规划发展有一定的借鉴价值。
李凯，任晓艳，向涛(2007)根据国内外学者的产业集群促进技术创新的说法，把产业集群分解成四方面的因素，分别分析它们对国家高新区技术创新能力的贡献，并对我国53个国家高新区进行实证分析，讨论这四方面因素对国家高新区创新的贡献，指出国家高新区的自主创新未充分发展的主要原因之一是，我国现阶段的高新技术产业集群没有实现真正意义上的产业集群，从而无法充分发挥其促进高新技术产业技术创新的作用。
窦红宾(2009)分析了知识溢出对区域竞争力的促进效应，认为知识溢出有利于提高产业或企业的生产力、降低企业的创新成本和风险、激发区域的创新活动、激活区域知识资本的潜能。
彭中文，熊炬成（2011）通过对中国装备制造业的研究，得出产业集聚对装备制造业的技术进步产生较大影响，同时可以从集群创新、技术溢出和生产率增长等角度得到很好的解释。
石琳娜、石娟、顾新(2012)通过对高技术企业内知识溢出系统的分析，发现知识溢出对高技术企业自主技术创新存在着著的激励作用。
2.3外国文献综述
Westney &Sakakibara(1986)、Rosenberg & Steinmueller (1988)、Odagiri & Goto ( 1993)等人从经济学的角度证实了知识溢出的重大作用，外部知识源与内部知识源溢出的知识能够迅捷高效地积累到企业知识资本的蓄水池中，这是一个渐进与累积的学习过程，由此成为技术创新的雄厚资本与坚实基础。
Romer Grossman Ilolpmam (1993)认为如果不存在显著的知识溢出，经济增长就不会持续。知识的溢出促成了社会资源的节约，并促进区域竞争力的发展，因此也成为了增长理论的微观经济基础。Audretsch&Freldman (1996)研究发现，知识溢出倾向于产业集群，而且具有创新活动的产业集群的知识溢出对区域竞争力的影响更加明显。
C.Beaudry，P.Swalm(2001)在他们的研究中表明产业集聚带来的技术溢出可使在此范围内的企业受益，为此他们研究了英国主要工业区中经济集聚与企业科技创新绩效的关系，在他们的分析中，经济集聚的衡量指标是企业中科研人员数量的比重，科技创新绩效的测算指标是每年新型科技产品的营业收入。根据他们的研究成果，在不同的行业，经济集聚与企业科技创新绩效的关系并不一致，正效应、负效应和零效应几乎同时并存，但是在计算机、汽车、航空和通讯设备制造业等领域，经济集聚对企业科技创新绩效存在非常强的正效应。
3.实证分析
3.1变量选取的说明
本文研究的问题是我国选择什么样的城镇化道路可以促进科技创新能力的提高，那么就变量的选取必须考虑两个问题：何种变量可以代表城镇化道路？何种变量可以衡量科技创新能力？
第一，本文主要选取经济密度衡量城市发展的集中程度。经济密度越大，代表该城市的发展更侧重于集约型；反之，则为粗放型。由于资源的地理分布不平衡，导致人口、生产与财富向大城市和发达地带聚集，聚集能创造更高的收入，因此经济产出因素是城镇化发展的真正动力。而经济密度是指区域国民生产总值与区域面积之比，它代表了城市单位面积上经济活动的效率和土地利用的密集程度，可以用来衡量城市发展的集中程度，间接地代表城镇化道路选择。此外，还会辅以人口密度、人均GDP等因素加以衡量。
第二，本文选取每万人专利授权数衡量城市的科技创新能力。洪明勇(2003)、蒋兴华(2012)等学者都构建过区域科技创新能力评价体系，主要以科技创新产出、科技创新投入、科技创新与社会经济的协调能力、科技创新潜力等四方面构建指数综合体系。本文选取的专利授权量来自于科技创新产出，原因有以下几点：1.科技创新产出能力是区域科技创新的基础，是将新知识转化为新产品、新工艺和新服务的过程，没有产出就没有创新。2.近年来,随着专利制度的逐步完善,专利数据在科技创新分析中越来越显示出其重要性，专利活动指标一直是测度国家、地区科技能力的主要指标。专利被很多经济学家认为是在产业和国家层面上技术进步和变革的指标，采用专利授权数更能说明问题。3.基于数据获得的容易程度。专利授权量与其他反应科技创新产出的指标相比，如重要国际科技论文数、获科技进步奖数等，更易获取，可信度高。为了更好的说明不同城市在科技创新能力间的差异，本文采取相对数，即每万人专利授权量为最终指标。
3.2数据来源与处理
本研究选取2008、2009、2010和2011年全国275个地级以上城市为样本,选取每万人专利授权数(PaGr)、人均GDP(Perc GDP)、经济密度(EcDe)、人口密度(PoDe)等4个研究变量，样本数为4400个。选取2008、2011这两个年限的原因是大部分城市缺少2008年以前和2012年的专利授权量统计，275个城市样本中剔除了数据不全的齐齐哈尔、鹤岗、大庆、佳木斯、七台河、黑河、崇左、咸阳、汉中、商洛、拉萨等11个城市。
本文研究所用的经济社会数据主要来源于《中国城市统计年鉴》中“中国地级以上城市”的相关统计资料。经济密度是市辖区“地区生产总值”与“建成区面积”的比值，人口密度是市辖区“年末总人口”与“建成区面积”的比值，人均GDP是市辖区“地区生产总值”与市辖区“年末总人口”的比值。“建成区面积”是指市行政区范围内经过征用的土地和实际建设发展起来的非农业生产建设地段，可以较好反应城市中城镇化区域面积的大小；之所以用市辖区而非全市的数据是因为从经济意义上而言,市辖区更能准确地反映一个城市的范围。
本研究所用专利授权的数据主要来源于各省、市的知识产权局以及统计年鉴，每万人专利授权量是指“专利授权量”与“年末总人口”（万人）的比值。
我们根据各城市四年的平均经济密度由高到底排序，均分成三组，平均经济密度越高说明该城市的集聚水平越高。以三组的不同水平的经济密度来衡量城市的集聚程度高低，从而间接的说明城镇化的道路选择。分组结果为：大城市组92个城市、中等城市组92个城市、小城市组91个城市。
表1各变量的描述性统计结果年份
Year变量标记
Variable变量解释
Variableinterpretation均值
Mean标准差
Std.Error2008PaGr每万人专利授权量（个）7.0514.39Perc GDP人均GDP（万元/人）3.963.42PoDe人口密度（万人/平方公里）1.631.04EcDe经济密度（亿元/平方公里）5.084.002009PaGr每万人专利授权量（个）9.7920.23Perc GDP人均GDP（万元/人）4.323.51PoDe人口密度（万人/平方公里）1.580.96EcDe经济密度（亿元/平方公里）5.504.302010PaGr每万人专利授权量（个）14.0925.49Perc GDP人均GDP（万元/人）5.054.05PoDe人口密度（万人/平方公里）1.500.85EcDe经济密度（亿元/平方公里）6.164.802011PaGr每万人专利授权量（个）16.5931.37Perc GDP人均GDP（万元/人）5.964.66PoDe人口密度（万人/平方公里）1.420.81EcDe经济密度（亿元/平方公里）6.945.313.3模型的建立
通过前面的分析，在表1中我们发现从2008年开始，伴随着经济密度、人均GDP的均值逐年上升，每万人专利授权数的均值也存在逐年上升的趋势，此外，人口密度呈小幅度下降趋势。由此，我们设想各城市每万人专利授权量与经济密度、人口密度、人均GDP间可能存在一定程度的相关性，为了可以较为科学地分析城市集聚程度对科技创新产生的影响，我们采用以下模型验证变量间的关系：
PaGrit=αi+β1PercGDPit+β2PoDeit+β3EcDeit+uit
其中，i代表不同城市，t代表时间， PaGrit、PercGDPit、PoDeit、EcDeit分别表示第i个城市t年的真实每万人专利授权量、人均GDP、人口密度、经济密度，ui代表误差项。考虑到个地级以上城市可能存在异方差问题，为了较少异方差的影响，我们拟采用双对数模型。经过试回归后发现，采用双对数模型没有原模型效果显著，固仍采用原模型。
对于分组后的城市，我们也采用上述模型对各组变量间的关系进行说明，同时根据系数、模型的显著性以及对于同一变量，各组间的系数差异来分析问题。
3.4实证检验与回归分析
本文利用Stata10.0进行回归分析。最初我们使用双对数模型，即先对原始数据取对数，再导入软件回归。一般来说，双对数模型一定程度上可以消除模型的异方差和自相关性等，变量增量之间的相关关系也更显著，因此更有利于观察与研究。但通过回归结果我们发现，取对数后的变量之间的线性关系并不显著，故最后仍选择原始数据进行回归。
首先通过hausman检验选取回归模型。最终使用随机效应模型（小城市组和中等城市组）和固定效应模型（大城市组）进行面板数据回归，得到表2的回归结果。
表2STATA面板数据回归结果样本整体(1)(2)(3)(4)经济密度（亿元/平方公里）-0.012.12**人口密度（万人/平方公里）0.2-5.27**人均GDP（万元/人）3.78**3.76**截距-6.6-0.6819.946.23R20.270.130.050.27大城市组(1)(2)(3)(4)经济密度（亿元/平方公里）2.78**3.02**-1.15人口密度（万人/平方公里）-18.10**5.44人均GDP（万元/人）6.88**4.44**截距-5.6219.01-28.43-12.76R20.110.190.280.29中等城市组(1)(2)(3)(4)经济密度（亿元/平方公里）1.33**1.46**-0.28人口密度（万人/平方公里）-4.99**-1.81人均GDP（万元/人）2.29**2.30**截距2.279.764-0.44R20.030.080.160.15小城市组(1)(2)(3)(4)经济密度（亿元/平方公里）1.53**1.88**-0.95人口密度（万人/平方公里）-3.04**-1.78人均GDP（万元/人）2.57**2.56**截距0.854.22-0.89-1.43R20.070.120.170.17注：其中**表示通过1%的显著性检验。
在样本整体数据的回归中可以发现，每万人专利授权数与经济密度、人均GDP显著正相关，与人口密度显著负相关。但加入这3个变量的回归，即总体（1）中经济密度与人口密度的系数均改变了方向且不显著，说明这3个变量高度相关，对模型产生了影响。比较（1）列和（4）列可以发现在模型加入经济密度和人口密度前后，拟合程度和人均GDP的系数几乎没有变化，即人均GDP几乎可以解释所有的变动。
下面我们来看看分组回归的结果。
首先从经济密度的回归系数来分析。从（1）列可得在三个城市分组里其系数均为正且通过了1%的显著性检验，说明经济密度越大，专利授权数相应的越大。同时，其大城市组的系数大于中小城市组的系数，说明在大城市中经济密度对专利授权数的影响程度大于中小城市。也就是说，经济密度每变动一单位，其能在大城市引起更多单位的增加或减少。
接下来，模型中加入人口密度这个变量以后，经济密度的系数方向和显著性仍不变，但大小都显著变大。而人口密度系数虽然显著，但为负数，说明城市的人口密度越大，专利授权数可能越低，与前面的整体分析吻合。且城市规模越大，系数负得越多，即人口密度增加一单位时，大城市的专利授权数减少得比中等城市多，中等城市减少得比小城市多。同（1）得出的结论一样，大城市的专利授权数对经济密度的变化更敏感。另外，模型整体的R2显著增大了，可看出模型（2）优于模型（1）。
在（3）列中加入了人均GDP这个变量，此时模型整体的拟合程度虽然有一定程度的提高，但经济密度与人口密度的系数都不仅不显著，其方向还发生了变化，因而人均GDP的加入不利于模型。其原因可能是人均GDP与经济密度高度相关。
最后，我们将人均GDP与专利授权数单独分组进行了回归。得出的结论与之前的经济密度变量类似，发现其相当于经济密度的替代变量，故最终选用（2）列的模型，即
PaGrit=αi+β2PoDeit+β3EcDeit+uit
上述一系列回归结果表明大城市组专利授权数对经济密度及人口密度的变化更敏感，而中等城市组又优于小城市组。也就是说，当经济密度增加一单位或人口密度减少一单位时，大城市的科技创新能力增长快于中等城市，中等城市又优于小城市。从经济角度来说，发展集聚经济更有利于培养科技创新能力；从人口角度来说，较分散的人口结构更有利于科技创新。
4.结论
本文以经济集聚对科技创新活动的影响为研究对象，在总结现有国内外参考文献的基础上，并以此为研究基础并从理论上讨论了经济集聚对科技创新活动的影响。在实证研究里，本文选取每万人专利授权量来代表城市的科技创新能力，用经济密度、人口密度、代表经济集聚程度。由此推导了包含代表科技创新指标的多元回归方程。综合理论分析与实证研究得出了一下结论：
第一，从经济集聚程度对科技创新活动的影响来看，大城市组的经济密度较中等、小城市组更为显著，即大城市经济集聚程度对科技创新的影响要优于中小城市。说明在大城市，经济集聚对科技创新产出的影响机制是稳定的，并且这一趋势正逐步加深，但相对于中小城市，经济集聚程度的偏低导致其对科技创新产出的影响机制并不稳定。
第二，从资源配置对科技创新活动影响来说，大城市资源集中，不乏各类高新科技园区，及产业创新示范区。能够更加优化资源配置，共享基础设施，在科技创新成本降低的同时能够共享相互之间的知识溢出效应。而中小城市目前面临的问题是承接了来自大城市的劳动密集性产业，同时面对自身优质资本科技资本向大城市转移的困境。但在目前国家的政策扶持之下，中小城市在科技发展上也加大了投入力度，许多小城市也借由其地广人稀的地理优势进行研发及实验，这也印证了我们研究中提到的城市的人口密度越大，专利授权数可能越低。
第三，从科技创新的需求对科技创新活动的影响，从本文中人均GDP对专利授权量的影响来看，大城市的系数要显著高于中小城市。可以看出，大城市多发展资本密集型产业，对科技水平的要求较为较高，需求较大，加之大城市所处区位环境的影响，同时大城市的经济集聚不仅提高了要素的边际生产力，也降低了它的边际支付价格，必然导致科技资本需求的大幅增加，从而出现较高的科技资本需求的集聚效应，而这种效应继而导致了科技创新活动的大幅增加。
综上，经济集聚产生的知识溢出对科技创新的影响是极为显著的，这也说明了城镇化道路的选择应该围绕经济集聚展开。通过我们的研究可以看出，发展集约的城镇化道路更有利于经济的集聚从而带动科技创新的发展。
参考文献
[1]刘柯杰. 知识外溢、产业聚集与地区高科技产业政策选择[J]. 生产力研究, 2002(1).
[2]殷晓莉, 王里克. 区域科技创新能力评价研究[J]. 生产力研究, 2006(6).
[3]李凯, 任晓艳, 向涛. 产业集群效应对技术创新能力的贡献——基于国家高新区的实证研究[J]. 科学学研究. 2007(03).
[4]窦红宾.知识溢出、集群学习、区域竞争力提升效应[J].未来与发展,2009(12).
[5]石琳娜, 石娟, 顾新. 基于知识溢出的我国高技术企业自主创新能力提升途径研究[J].软科学,2011 (8).
[6]Westney D E, Sakakibara K. Designing the designers: computer R&D in the United States and Japan[J]. Technology Review, 1986, 89(3): 24-31.
[7]Rosenberg N, Steinmueller W E. Why are Americans such poor imitators[J]. The American Economic Review, 1988, 78(2): 229-234.
[8]Odagiri H, Goto A. The Japanese system of innovation: Past[J]. Present and Future'in Nelson, 1993: 76-114.
[9]Audretsch D B, Feldman M P. R&D spillovers and the geography of innovation and production[J]. The American Economic Review, 1996, 86(3): 630-640.
[10] C.Beaudry,P.Swalm. Growth in Industrial cluster: a Bird’s Eye View of the United Kingdom[J].SIEPR Discussion Paper, 2001(1).
[11]洪名勇. 科技创新能力与区域经济实力差异的实证研究[J]. 经济地理, 2003, 23(5).
[12]李倩, 师萍, 赵立雨. 基于灰色关联分析的我国区域科技创新能力评价研究[J]. 科技管理研究. 2010(02).
[13]黄智淋, 俞培果. 近年技术创新对我国经济增长的影响研究——基于面板数据模型分析[J]. 科技管理研究. 2007(05).
[14]蒋兴华. 区域科技创新能力评价体系构建及综合评价实证研究[J].科技管理研究. 2012(14).
[15]陈玉娟. 知识溢出, 科技创新与区域竞争力关系的统计研究[D]. 浙江工商大学, 2013.
[16]李卫东. 计量经济学[M]. 北京: 机械工业出版社, 2011.
[17]詹姆斯•H.斯托克, 马克•W.沃森. 计量经济学: 第三版[M]. 沈根祥, 孙燕, 译. 上海: 格致出版社: 上海人民出版社, 2012.