论文部分内容阅读
摘 要：运用空间自回归模型（Spatial Autoregressive Model，SAR），基于我国29个省市的空间面板数据，对知识在我国省域间的主要溢出机制进行了综合实证检验，结果显示：知识借助FDI对我国省域技术创新的溢出结果并不显著。国际贸易渠道的知识溢出对省域创新产生了负面影响。产学合作可以显著促进创新知识的溢出，而产研合作的知识溢出短期内并不明显。在影响知识溢出的因素中，知识吸收能力的提升可以显著促进知识对技术创新绩效的溢出。
关键词：知识溢出机制；SAR；空间面板分析方法
引 言
知识溢出是当前国内学术界研究的一个热点问题，相关的研究文献正迅速增加。到目前为止，国内学术界对知识溢出的存在性已经形成共识，但对知识溢出机制的研究总体还不够深入。从相关研究文献上看，国内文献多集中于对国际贸易和FDI的知识溢出机制研究（李小平，朱钟棣，2006；傅元海，唐未兵，王展祥，2010；李国璋，2011；娄景辉，2011；韩伯棠，李燕，2011等），对其他机制研究较少（如吴玉鸣，2007；韩伯棠，朱美光等，2005；南旭光，2009等）。而综合国内外的研究文献，知识溢出至少存在以下三种溢出途径：国际贸易与FDI、产学研合作和人才流动。
区域间的贸易直接伴随的是实物产品以及资本在区域之间的流动，知识可以通过其固化其上的货物来实现溢出。Grossman and Helpman（1991）的研究则指出区域间知识溢出是区域间进行贸易的附带产物，随着贸易的增加，知识溢出的程度也随之增加。李小平、朱钟棣（2006）采用6种计算外国研发资本的方法和国际RD溢出回归方法就国际RD溢出对中国工业行业的技术进步增长、技术效率增长和全要素生产率增长的影响作了实证分析，其结果倾向于认为国际贸易渠道的研发溢出促进了中国工业行业的技术进步、技术效率及全要素生产率增长，而大部分情况下国内本行业研发与其他行业研发对行业技术进步、技术效率和全要素生产率的增长起阻碍作用。
外商直接投资通常可以看作是外资企业生产本地化的过程。新企业带来的竞争与示范效应，会增加本地企业之间以及本地企业与新企业的交流与合作，从而知识在交流和合作中产生溢出。傅元海、唐未兵、王展祥（2010）对外商直接投资渠道的知识溢出进行了分析。他们将。基于我国1999-2007 年27个制造行业面板数据进行检验表明，外资企业生产本地化反映的技术转移对经济增长绩效具有正面作用。
区域创新主体之间的合作，特别是不同区域之间企业、研发机构和高等院校之间的稳定的产学研合作，可以促进区域之间企业与企业、企业与高校、企业与研究机构等的交流和合作研发，从而实现高校与研究机构知识向企业的溢出，以及企业与企业间知识的溢出。吴玉鸣（2007）是国内较早通过定量分析方法探讨政产学合作机制下知识溢出的学者之一，其将研发合作因素纳入区域创新生产函数，并用空间计量经济模型分析框架用SAR和SEM模型对政企研合作机制进行了分析，其结果显示大学研究对企业创新产出具有明显而稳定的知识溢出效应，而政府对企业进行研发支持对促进企业专利创新产出的作用并不理想。
人才流动通常被认为是知识尤其是隐性知识（通常与专利知识相区别）溢出的主要途径。隐性知识通常是高度个人化的知识，难以被传授和交易。因此，它的溢出通常依赖于掌握知识的人才在不同空间范围内的流动并与周围群体发生面对面的互动和交流，从而促进新知识的创造，加快知识在不同群体之间的传播（Malecki，1997）。Saxenian（2005），Brnce Fallick et al（2006），Williams（2007）等国外学者的研究认为人才流动机制在西方已经成为知识溢出的重渠道之一。
本文研究将选择2005－2009年我国29个省市自治区的面板数据，利用知识生产函数，借助空间面板计量方法，对我国知识的空间溢出的主要机制及其影响因素进行实证检验。鉴于，我国统计数据中缺少能够较为准确衡量省际间人才流动的相关数据，且短期内人才流动往往并不明显，因此本次研究将对国际贸易与投资和产学研合作两大溢出机制进行重点实证分析，以探求我国当前知识溢出的主要途径以及在知识溢出过程中可能存在的问题
一、实证模型设定
本文研究将借助空间计量方法进行分析。空间计量方法存在两种基本的计量模型，分别是空间自回归模型（Spatial Auto Regressive Model，SAR）和空间误差模型（Spatial Error Model，SEM），其模型基本形式如下：
其中，Y为因变量；X为外生解释变量矩阵；W为空间权重矩阵，空间权重矩阵的设定以基于距离的临近矩阵和距离矩阵应用较多，随着研究的深入涵盖经济关系的经济矩阵，引入网络因素的社会网络矩阵等矩阵形式不断出现；ρ为空间回归系数，λ为空间误差系数，两者均反映了样本观测值的空间依赖作用，即附近观察区域观测值WY对本地区的影响方向和程度；μ为正态分布的随机误差向量。
以上两个空间计量模型具有不同的意义，其中空间自回归模型意味着影响一个地区经济增长的所有因素或变量，都能够通过空间传导机制影响到“临近”的区域。而空间误差模型则认为地区间的空间依赖存在于误差项中，区域间空间的作用是随机冲击的结果。
由于在研究中，技术专利常被看作是一种创新产出，因此可以通过建立生产函数对技术创新进行研究。于是本文借鉴Griliches-Jaffe知识生产函数，同时考虑空间计量分析需要，形成了两个与空间计量基本模型相对应的修改过的柯布－道格拉斯知识生产函数作为本次研究的最终模型，如下所示：
其中，INN为专利授权量，RD为研究与发展经费内部支出，L为研发人员全时当量，KS为知识存量，FDI为实际外商直接投资，O为对外开放程度，HSR为高等学校科技经费来源于企业部分，RDR为研发机构科技经费来源于企业部分。
之所以在模型中引入以上除RD，L外的其他变量，主要是基于以下判断，即综合国内外关于知识溢出机制的研究结果，认为技术知识主要通过人才流动、区域间的贸易与投资、产学研合作三个途径实现溢出。而且，溢出过程中可能会受到知识的吸收能力、地理因素以及社会网络等因素的影响。因此，为了能够相对全面的考察知识溢出过程，本文引入了代表投资与贸易的FDI和O变量，代表产学研合作的HSR和RDR变量，作为反应溢出机制的溢出变量，而引入KS变量反映知识吸收能力。由于能够衡量人才流动的数据较难获得，因此没有对该项引入相关的控制变量。
至于在计量过程中，具体选择模型（3）、（4）中的哪个模型，则通过空间相关性检验进行选择，具体见下文分析。
二、数据来源、变量说明及空间权重矩阵
本文选择的样本为2005－2009年我国29个省市自治区的相关数据，根据数据可获得性删除西藏和海南两省数据。由于技术专利的投入与产出往往在时间上存在一定的滞后性，本文参考Gurrero and Sero（1997），苏方林（2006）的做法，将模型中所有的解释变量滞后一期。所以INN取2006－2009年数据，其他变量取2005－2008年数据。数据来源与上一章相同。
INN：代表技术创新，用年专利授权量表示。
RD：代表研发投入，用研究与发展经费内部支出指标衡量。
L：代表研发人员的投入。该变量可以通过研发人员数量、科技人员数量、研发人员全时当量等多个指标进行衡量。鉴于研发人员全时当量数据能够更好的反映研发人员的实际有效投入量，因此将用研发人员全时当量数据来表示。
KS：代表知识吸收能力。对知识吸收能力，通常认为那些有相对较高的生产力水平与较大知识存量的地区知识的吸收能力更高（Maureth and Verspagen，2002）。因此，对知识吸收能力的衡量通常用GDP数据和知识存量数据进行衡量。本文则选择采用知识存量指标进行度量。
关于知识存量的计算方法一般也可以分为两种，即永续盘存法和指标评价法。鉴于永续盘存法很难找到能较为全面的反映技术创新和知识的投入的指标进行计算，因此本文将选择指标评价方法，采用主成分分析技术进行测定。而主成分分析所需的指标体系，则参考OECD对知识的划分标准，从编码知识和沉默知识两个方面进行构建。对编码知识的测度主要通过科学技术指标、专利指标和研发投入指标进行综合测度，而沉默知识则利用科技人员数量和人才发展潜力两个指标进行度量。鉴于数据的可获得性，本文将选取12个指标对知识存量进行测度，具体见表1。
表1 区域知识存量测度评价指标体系
一级指标二级指标三级指标
编码知识测度指标
科学技术指标
专利指标
研发投入指标
移动电话年末数量
互联网上网人数
人均专利数
专利授权量
研发投入占GDP比重
人均研发经费支出
研发经费总支出
沉默知识测度指标
科技人员数量
人才发展潜力
R&D人员全时当量
本科生在校人数
研究生在校人数
教育经费支出
每十万人在校学生数
知识存量的计算借助SPSS17.0软件进行分析，计算过程中为了消除量纲对结果可能存在的影响，在对原始数据进行主成分分析时进行了标准化处理。由于面板数据的主成分分析较为复杂，本文借鉴王培、王焱鑫（2009）的降维思路，对每一指标2005－2009年数据取均值的方法将多指标面板数据从三维降为二维，即退化为截面数据，从而计算出因子得分系数矩阵以及主成分表达式。然后将各年度数据代入主成分表达式，计算得到各年的主成分得分。最后，结合主成份的方差贡献率得到综合得分，即得到本文的知识存量数据。在具体计算中，本文按照累计方差共效率超过85%的原则，提取了3个因子，并采用方差最大法进行因子旋转，主成份的累积贡献率达到了91.86%，说明结果具有较强的说服力。鉴于，所得到的知识存量数据是标准化值，因此在模型中不再对其取对数。
HSR、RDR：其分别表示企业与高等学校、企业与研发机构的合作程度。鉴于，吴玉鸣（2007）曾用高技术企业科技活动经费筹集额中企业资金指标与高技术企业科技活动经费筹集额中政府资金指标来分别衡量企业合作与政府支持两个变量。因此，参照该做法本文将用高等学校科技经费来源于企业部分和研发机构科技经费来源于企业部分，来分别度量产学、产研两种合作。
O、FDI与上一章取值相同，在此不再重复说明。
W：代表空间权重。空间权重根据不同研究需要可以选择不同的设定，本文主要关注空间距离，因此将选择最常用的方法，按照rook相邻规则，即根据地图上所研究区域的相对位置，通过判断区域间是否相邻，来赋予0或1的权重。当空间单元相邻时取1，当空间单元不相邻时取0。
表2表示了主要变量的描述性统计结果。
表2 主要变量描述性统计结果
NMinimumMaximumMeanStd. Deviation
INN（件）11697.0087286.0011265.577617100.58183
RD（亿元）1163.00580.90118.6784133.31451
L（千人）1162.50238.6856.541150.42868
KS（标准化值）116-2.165.77-.21911.54124
FDI（亿元）1161.641743.70287.8247366.30204
O116.051.72.3811.45673
HSR（万元）11645.00376630.0072950.896682692.60197
RDR（万元）11623.00137015.0017635.482826968.06479
三、空间相关性检验和模型选择
（一）空间相关性检验
分析技术创新的空间相关性，本文首先借用GEODA095i软件，用四分位图描述我国31个省市2005年和2009年的专利授权量（LnINN）的空间分布格局。
图1 2005年我国31个省市LnINN的空间分布四分位图示意图
说明：其中打阴影部分区域即西藏和海南不在本次研究范围。
图2 2009年我国31个省市LnINN的空间分布四分位图示意图
说明：其中打阴影部分区域即西藏和海南不在本次研究范围
图1显示专利授权量位于第四级排列的省市有8个，均分布在东部地区，为辽宁、北京、山东、江苏、上海、浙江、福建、广东，是2005年专利创新最活跃的地区；位于第三级排列的省市有8个，分别为天津、黑龙江、河北、河南、湖北、湖南、重庆、四川，是2005年专利创新较活跃的地区；位于第二级排列的省市有8个，分别为吉林、山西、陕西、安徽、江西、贵州、广西、云南，以上地区2005年专利创新行为较弱；剩余的省份则位于第一级排列，创新能力最差。而图2显示的结果与1略有不同，但总体情况差不多。从这一分布结果可以发现，我国29个省市技术创新行为在地理空间上呈现为不均衡分布的状态。
接下来，本文将用常用的Moran’s I指数、LMerr、LMsar、Lratios、Wald统计量对空间相关性进行检验。由于本文模型使用的是面板数据，以上适用与截面分析的指数和统计量不能直接适用，于是本文借鉴何江、张馨之（2006）的方法，构造一个分块对角矩阵Cnt×nt=It×tWn×n以取代以上几个统计量在检验过程中所需用到的空间权重矩阵。
（二）模型选择
在模型选择问题上，通行的做法是先用OLS 方法估计不考虑空间相关性的受约束模型，然后进行空间相关性检验，如果LMsar小于5%，而LMerr统计量大于5%，那么应该选择空间自回归模型。反之，则选择空间误差模型更为恰当。如果LMsar、LMerr检验概率均未通过5%，则需要借助R_LMsar、R_LMerr做如上同样的检验。
借助Matlab R2010b 软件和自带的spatial中的M程序，计算得到以上几个统计量的检验结果，显示如下。
表3 空间相关性检验结果
检验方法样本数检验值概率
Moran's I1160.12492.51E-02
LMerr1163.71045.41E-02
LMsar11622.59452.00E-06
Lratios1165.48631.92E-02
Walds1169.97691.60E-03
从检验结果看，Moran’s I、Lratios、Wald的检验概率均小于0.05，即检验否定了原假设，表明我国29个省市的专利授权量数据在空间分布上具有明显的正自相关关系，技术创新行为在空间分布上并不是随机分布的，其具有一定的规律，存在必然的内在联系，因此需要采用考虑空间相关性的空间面板数据模型进行回归。另外，从LMerr、LMsar的检验结果看，LMsar检验值为22.5945大于LMerr的3.7104，且LMsar检验概率低于0.05，而LMerr检验概率高于0.05，因此，本文因该选择面板数据的空间自回归模型（SAR）进行实证分析。
在空间面板数据分析中还会面临一个问题，即固定效应模型和随机效应模型的选择。由于本文的分析是基于我国29个固定省市，即回归分析基于一批特定的个体，并且所选择的面板数据时间跨度较短仅为4年，时间跨度大大小于所观察个体的数量，因此本文将选择空间固定效应模型。另外，固定效应模型还存在地区固定效应、时间固定效应和兼具地区、时间固定效应三种情况。对此，本文将分别对以上三种情况进行回归，再对回归结果进行比较分析。
四、实证结果及分析
关于空间面板数据模型的估计，本文均采用Matlab R2010b软件和自带的Spatial模块中的M程序，其中用于空间面板数据的SAR模型回归的M程序由J.Paul Elhorst 于2004年编写，另外为了比较说明选择固定效应模型是合适的，本文同时给出了无固定效应的SAR模型回归结果，具体模型的回归结果如表4所示。
表4 空间面板数据SAR模型回归结果
模型1模型2模型3模型4
无固定效应地区固定时间固定地区、时间固定
RD-0.0729（-0.239）0.341***（2.7011）0.2648（1.281）0.3853***（3.3703）
L0.8651（2.6819）0.0384(0.1708)0.5264**(2.4692)0.0043(0.019)
KS0.0605(0.639)0.1219**(2.3908)0.202***(3.0887)0.1078**(2.1423)
FDI0.0504(0.7379)0.0246(0.58)0.0723(1.5019)0.0278(0.6354)
O-0.0997(-1.2443)-0.1768**(-2.0943)0.0884(1.5464)-0.2113**(-2.4709)
HSR0.0574(0.6145)0.2734***(4.5387)-0.0377(-0.5731)0.2696***(4.5119)
RDR0.1675***(3.5796)-0.0011(-0.0863)0.0172(0.5096)-0.0014(-0.1109)
ρ0.38***(7.8842)0.227**(2.3471)0.052(0.9247)0.251***(5.0678)
Log_likelihood-99.695978.019-55.660943.3316
20.81560.98790.90740.9872
说明：***、**、*分别代表用通过了1%、5%、10%的显著性检验。该显著性判断主要基于t统计量值，结果通过查t分布表获得。括号中为t值。
通过比较表4中四个模型的Log_likelihood和2结果可知，模型1和模型3的拟合优度以及Log_likelihood值相对均不理想，而代表地区固定效应的模型2的Log_likelihood和2结果最好。因此，本文将选择模型2进行后续分析。
为了能更好的反映各变量之间的关系，本文将以空间面板数据SAR地区固定效应模型进行多次回归。鉴于KS和L变量间可能存在共线性问题，本文将尽量不将以上两变量同时进行回归，具体模型的回归结果如表5所示。
表5 空间面板数据SAR地区固定效应模型回归结果
模型5模型6模型7模型8模型2
RD0.521***（4.222）0.5374***(5.2123)0.5854***(4.5031)0.3104**（2.4434）0.341***（2.7011）
L0.3804*(1.9301)0.3183*(1.6078)0.4464**（2.401）0.0384（0.1708）
KS0.1351**(3.0753)0.1219**（2.3908）
FDI0.018(0.394)0.0246(（0.58）
O-0.166*(-1.8364)-0.1768**（-2.0943）
HSR0.2535***（4.046）0.2734***（4.5387）
RDR0.0022（0.1586）-0.0011（-0.0863）
ρ0.27***(2.8657)0.2370**(2.4729)0.253***(2.6639)0.243**（2.5695）0.227**（2.3471）
Log_likelihood65.09367.175766.336172.494878.019
20.98590.98630.98580.98720.9879
说明：***、**、*分别代表用通过了1%、5%、10%的显著性检验。该显著性判断主要基于t统计量值，结果通过查t分布表获得。括号中为t值。
基于对模型2、模型5、模型6、模型7和模型8，这五个模型的综合分析后可以发现：
1、空间回归系数ρ在所有的模型中都表现为正值，且均通过了5%的显著性检验，这证明了我国省域间的技术创新确实存在着显著正的相关关系。在假定其他因素不变的情况下，本地区的技术专利数量增加1%，则会促进其临近地区的专利产出增加0.22－0.31%。
2、研发资金投入与省域专利创新的绩效存在正相关关系，增加总的研发投入会增加专利的创新。研发投入的回归系数均通过了1%的显著性检验，且系数值较高，说明研发投入对技术创新的影响是较大。如果在其他因素不变的情况下，增加1%的研发投入，就能够促进本省市技术专利数量增加0.5%以上。
3、研发人员投入与省域专利创新的绩效存在正相关关系，增加有效的研发人员投入会增加专利创新绩效。研发人员全时当量的回归系数在不受知识存量指标影响时，均通过了10%的显著性检验，在假设其他因素不变的情况下，研发人员全时当量增加1%，会促进其临近地区的专利产出增加0.31－0.38%。
4、产学之间的研发合作对省域专利创新绩效的溢出效应十分显著。在回归模型2和模型8中，HSR变量其回归系数均体现为正值，并通过了1%的显著性检验，在其他假设因素不变的情况下，企业对高等学校的科技活动经费支持提高1%，专利创新绩效将增加约0.27－0.32%。这证明企业与高等学校的合作对增加专利创新的数量的贡献是十分明显的。高等学校知识向企业的溢出能够有效的促进专利创新。
5、产研合作对省域专利创新绩效的溢出效应并不明显。RDR变量其回归系数均表现为负值，并均为通过了10%的显著性检验，说明企业对研发机构的科技经费投入并没有有效形成专利产出，这种投入可能是长远性和基础性的。
6、外商直接投资对我国各省专利创新的溢出效应并不明显。FDI变量其回归系数虽均表现为正值，但却均为通过了10%的显著性检验。说明国外的技术知识通过投资渠道向国内的溢出并不显著。
7、我国各省通过参与国际交流与合作，特别是借助国际贸易的形式，来提高技术创新绩效的结果并不理想。O变量其回归系数表现为负值，并均通过了10%的显著性检验。这说明各省以当前的方式参与国际分工，增加国际贸易，对专利创新绩效产生了负面效应。
8、知识的不断有效积累，能够提升地区对新知识的吸收能力，从而促进知识对技术创新绩效的溢出效应。KS变量其回归系数在模型中均体现为正值，并通过了5%的显著性检验，在其他假设因素不变的情况下，知识存量如果提高1%，专利创新绩效将增加约0.13%。
五、主要结论与政策启示
本文基于知识生产函数和空间自相关面板数据模型，对本文2005－2009年29个省市的研发投入、知识的投资与贸易溢出机制、知识的产学研合作溢出机制、知识吸收能力对省域创新绩效的影响，进行了计量经济检验。通过实证分析得出以下几个重要结论：
1、研发投入（包括资金和研发人员投入）对提升各省自身专利创新绩效具有重要贡献，并且从弹性系数上看，其是影响技术创新的主体。而且知识存量的提升也被证明可以通过影响各省对知识的吸收能力，显著促进知识向技术创新绩效的溢出。
2、通过对知识溢出机制的实证检验发现，我国各省的外商直接投资和国际贸易在促进知识向技术创新绩效溢出方面的作用并不理想。其中，国外的技术知识被证明通过投资渠道向国内的溢出并不显著。而国际贸易则对知识向专利创新绩效的溢出产生了负面效应。
3、产学研合作机制在促进知识向专利创新绩效的溢出效应上，根据合作方式的不同，其作用是不同的。其中，企业与高等学校在技术创新上的合作，可以显著促进大学知识向专利创新绩效的溢出，成为推进省域技术创新的有效方式。而产研合作在短期内从知识向专利创新的转化中可能存在障碍。
基于以上结论，本文得出以下几点政策启示：
1、各地政府在提升自主创新能力时，应该把加大和鼓励自身研发投入，提升技术知识积累，作为增加自己专利创新绩效的最主要手段，而不是把引进和吸收国外技术作为促进自身技术创新的主要方法。
2、鉴于企业与高校在研发、技术创新上的合作可以有效促进大学知识向专利创新的溢出，各级政府可以通过帮助我国企业与高等学校建立有效的合作机制，特别是跨省市的合作，并为支持高校创新的企业提供可能的税收优惠等扶持政策等手段，促进各地区产学合作，以推动各地技术创新的步伐，从而促进经济增长。另外，政府在关注产学合作的同时，对产研合作这类在短期影响不显著但从长期看将促进研发机构知识向专利创新溢出的作用产生影响的合作也应给予一定的关注，帮助其克服在知识向专利成果转化中可能存在的障碍，打通创新渠道。
3、各级政府在引进外资和开展对外贸易时要有所选择，学会拒绝低层次、低附加值的国外投资和贸易合作，注重合作的质量而不是数量，从而真正实现引进国外先进技术和经验，提升我国技术创新能力，发展我国地方经济。
参考文献：
［1］Arrow K., The Economic Implications of Learning by Doing［J］. Review of Economic Studies, 1962, (29)： 155-173;
［2］Grossman G., Helpman E., Innovation and growth in the world economy［M］.MIT Press, 1991;
［3］Jaffe A.B., Real effects of academic research［J］.American Economic Review, 1989, 79( 5): 957- 970;
［4］Krugman P., The Narrow Moving Band, the Dutch Disease, and the Competitive Consequences of Mrs.Thatcher［J］.Journal of Development Economics, 1987, 27(1-2): 41- 55;
［5］Lucas R. E., On the Mechanics of Development Planning［J］.Journal of Political Economy, 1988 (58): 43-61;
［6］Romer P. M., Endogenous technological change［J］. Journal of political Economy, 1990, (98):71-102;
［7］Romer P.M., Increasing Returns and Long-Run Growth［J］.Journal of Political Economy, 1986, (94): 1002-1037;
［8］何江, 张馨之, 中国区域经济增长及其收敛性: 空间面板数据分析［J］.南方经济, 2006,(5): 44-52;
［9］王培, 王焱鑫, 面板数据的主成份分析及其应用［J］.贵州大学学报, 2009,(1):22-23;
［10］张军, 吴桂英, 张吉鹏, 中国省际物质资本存量估算: 1952－2000［J］.经济研究, 2004,(10): 35-44;
［11］吴玉鸣, 中国区域研发、知识溢出与创新的空间计量经济学研究［M］.人民版社, 2007.
（作者通讯地址：浙江工商大学统计与数学学院浙江 杭州 310018）
关键词：知识溢出机制；SAR；空间面板分析方法
引 言
知识溢出是当前国内学术界研究的一个热点问题，相关的研究文献正迅速增加。到目前为止，国内学术界对知识溢出的存在性已经形成共识，但对知识溢出机制的研究总体还不够深入。从相关研究文献上看，国内文献多集中于对国际贸易和FDI的知识溢出机制研究（李小平，朱钟棣，2006；傅元海，唐未兵，王展祥，2010；李国璋，2011；娄景辉，2011；韩伯棠，李燕，2011等），对其他机制研究较少（如吴玉鸣，2007；韩伯棠，朱美光等，2005；南旭光，2009等）。而综合国内外的研究文献，知识溢出至少存在以下三种溢出途径：国际贸易与FDI、产学研合作和人才流动。
区域间的贸易直接伴随的是实物产品以及资本在区域之间的流动，知识可以通过其固化其上的货物来实现溢出。Grossman and Helpman（1991）的研究则指出区域间知识溢出是区域间进行贸易的附带产物，随着贸易的增加，知识溢出的程度也随之增加。李小平、朱钟棣（2006）采用6种计算外国研发资本的方法和国际RD溢出回归方法就国际RD溢出对中国工业行业的技术进步增长、技术效率增长和全要素生产率增长的影响作了实证分析，其结果倾向于认为国际贸易渠道的研发溢出促进了中国工业行业的技术进步、技术效率及全要素生产率增长，而大部分情况下国内本行业研发与其他行业研发对行业技术进步、技术效率和全要素生产率的增长起阻碍作用。
外商直接投资通常可以看作是外资企业生产本地化的过程。新企业带来的竞争与示范效应，会增加本地企业之间以及本地企业与新企业的交流与合作，从而知识在交流和合作中产生溢出。傅元海、唐未兵、王展祥（2010）对外商直接投资渠道的知识溢出进行了分析。他们将。基于我国1999-2007 年27个制造行业面板数据进行检验表明，外资企业生产本地化反映的技术转移对经济增长绩效具有正面作用。
区域创新主体之间的合作，特别是不同区域之间企业、研发机构和高等院校之间的稳定的产学研合作，可以促进区域之间企业与企业、企业与高校、企业与研究机构等的交流和合作研发，从而实现高校与研究机构知识向企业的溢出，以及企业与企业间知识的溢出。吴玉鸣（2007）是国内较早通过定量分析方法探讨政产学合作机制下知识溢出的学者之一，其将研发合作因素纳入区域创新生产函数，并用空间计量经济模型分析框架用SAR和SEM模型对政企研合作机制进行了分析，其结果显示大学研究对企业创新产出具有明显而稳定的知识溢出效应，而政府对企业进行研发支持对促进企业专利创新产出的作用并不理想。
人才流动通常被认为是知识尤其是隐性知识（通常与专利知识相区别）溢出的主要途径。隐性知识通常是高度个人化的知识，难以被传授和交易。因此，它的溢出通常依赖于掌握知识的人才在不同空间范围内的流动并与周围群体发生面对面的互动和交流，从而促进新知识的创造，加快知识在不同群体之间的传播（Malecki，1997）。Saxenian（2005），Brnce Fallick et al（2006），Williams（2007）等国外学者的研究认为人才流动机制在西方已经成为知识溢出的重渠道之一。
本文研究将选择2005－2009年我国29个省市自治区的面板数据，利用知识生产函数，借助空间面板计量方法，对我国知识的空间溢出的主要机制及其影响因素进行实证检验。鉴于，我国统计数据中缺少能够较为准确衡量省际间人才流动的相关数据，且短期内人才流动往往并不明显，因此本次研究将对国际贸易与投资和产学研合作两大溢出机制进行重点实证分析，以探求我国当前知识溢出的主要途径以及在知识溢出过程中可能存在的问题
一、实证模型设定
本文研究将借助空间计量方法进行分析。空间计量方法存在两种基本的计量模型，分别是空间自回归模型（Spatial Auto Regressive Model，SAR）和空间误差模型（Spatial Error Model，SEM），其模型基本形式如下：
其中，Y为因变量；X为外生解释变量矩阵；W为空间权重矩阵，空间权重矩阵的设定以基于距离的临近矩阵和距离矩阵应用较多，随着研究的深入涵盖经济关系的经济矩阵，引入网络因素的社会网络矩阵等矩阵形式不断出现；ρ为空间回归系数，λ为空间误差系数，两者均反映了样本观测值的空间依赖作用，即附近观察区域观测值WY对本地区的影响方向和程度；μ为正态分布的随机误差向量。
以上两个空间计量模型具有不同的意义，其中空间自回归模型意味着影响一个地区经济增长的所有因素或变量，都能够通过空间传导机制影响到“临近”的区域。而空间误差模型则认为地区间的空间依赖存在于误差项中，区域间空间的作用是随机冲击的结果。
由于在研究中，技术专利常被看作是一种创新产出，因此可以通过建立生产函数对技术创新进行研究。于是本文借鉴Griliches-Jaffe知识生产函数，同时考虑空间计量分析需要，形成了两个与空间计量基本模型相对应的修改过的柯布－道格拉斯知识生产函数作为本次研究的最终模型，如下所示：
其中，INN为专利授权量，RD为研究与发展经费内部支出，L为研发人员全时当量，KS为知识存量，FDI为实际外商直接投资，O为对外开放程度，HSR为高等学校科技经费来源于企业部分，RDR为研发机构科技经费来源于企业部分。
之所以在模型中引入以上除RD，L外的其他变量，主要是基于以下判断，即综合国内外关于知识溢出机制的研究结果，认为技术知识主要通过人才流动、区域间的贸易与投资、产学研合作三个途径实现溢出。而且，溢出过程中可能会受到知识的吸收能力、地理因素以及社会网络等因素的影响。因此，为了能够相对全面的考察知识溢出过程，本文引入了代表投资与贸易的FDI和O变量，代表产学研合作的HSR和RDR变量，作为反应溢出机制的溢出变量，而引入KS变量反映知识吸收能力。由于能够衡量人才流动的数据较难获得，因此没有对该项引入相关的控制变量。
至于在计量过程中，具体选择模型（3）、（4）中的哪个模型，则通过空间相关性检验进行选择，具体见下文分析。
二、数据来源、变量说明及空间权重矩阵
本文选择的样本为2005－2009年我国29个省市自治区的相关数据，根据数据可获得性删除西藏和海南两省数据。由于技术专利的投入与产出往往在时间上存在一定的滞后性，本文参考Gurrero and Sero（1997），苏方林（2006）的做法，将模型中所有的解释变量滞后一期。所以INN取2006－2009年数据，其他变量取2005－2008年数据。数据来源与上一章相同。
INN：代表技术创新，用年专利授权量表示。
RD：代表研发投入，用研究与发展经费内部支出指标衡量。
L：代表研发人员的投入。该变量可以通过研发人员数量、科技人员数量、研发人员全时当量等多个指标进行衡量。鉴于研发人员全时当量数据能够更好的反映研发人员的实际有效投入量，因此将用研发人员全时当量数据来表示。
KS：代表知识吸收能力。对知识吸收能力，通常认为那些有相对较高的生产力水平与较大知识存量的地区知识的吸收能力更高（Maureth and Verspagen，2002）。因此，对知识吸收能力的衡量通常用GDP数据和知识存量数据进行衡量。本文则选择采用知识存量指标进行度量。
关于知识存量的计算方法一般也可以分为两种，即永续盘存法和指标评价法。鉴于永续盘存法很难找到能较为全面的反映技术创新和知识的投入的指标进行计算，因此本文将选择指标评价方法，采用主成分分析技术进行测定。而主成分分析所需的指标体系，则参考OECD对知识的划分标准，从编码知识和沉默知识两个方面进行构建。对编码知识的测度主要通过科学技术指标、专利指标和研发投入指标进行综合测度，而沉默知识则利用科技人员数量和人才发展潜力两个指标进行度量。鉴于数据的可获得性，本文将选取12个指标对知识存量进行测度，具体见表1。
表1 区域知识存量测度评价指标体系
一级指标二级指标三级指标
编码知识测度指标
科学技术指标
专利指标
研发投入指标
移动电话年末数量
互联网上网人数
人均专利数
专利授权量
研发投入占GDP比重
人均研发经费支出
研发经费总支出
沉默知识测度指标
科技人员数量
人才发展潜力
R&D人员全时当量
本科生在校人数
研究生在校人数
教育经费支出
每十万人在校学生数
知识存量的计算借助SPSS17.0软件进行分析，计算过程中为了消除量纲对结果可能存在的影响，在对原始数据进行主成分分析时进行了标准化处理。由于面板数据的主成分分析较为复杂，本文借鉴王培、王焱鑫（2009）的降维思路，对每一指标2005－2009年数据取均值的方法将多指标面板数据从三维降为二维，即退化为截面数据，从而计算出因子得分系数矩阵以及主成分表达式。然后将各年度数据代入主成分表达式，计算得到各年的主成分得分。最后，结合主成份的方差贡献率得到综合得分，即得到本文的知识存量数据。在具体计算中，本文按照累计方差共效率超过85%的原则，提取了3个因子，并采用方差最大法进行因子旋转，主成份的累积贡献率达到了91.86%，说明结果具有较强的说服力。鉴于，所得到的知识存量数据是标准化值，因此在模型中不再对其取对数。
HSR、RDR：其分别表示企业与高等学校、企业与研发机构的合作程度。鉴于，吴玉鸣（2007）曾用高技术企业科技活动经费筹集额中企业资金指标与高技术企业科技活动经费筹集额中政府资金指标来分别衡量企业合作与政府支持两个变量。因此，参照该做法本文将用高等学校科技经费来源于企业部分和研发机构科技经费来源于企业部分，来分别度量产学、产研两种合作。
O、FDI与上一章取值相同，在此不再重复说明。
W：代表空间权重。空间权重根据不同研究需要可以选择不同的设定，本文主要关注空间距离，因此将选择最常用的方法，按照rook相邻规则，即根据地图上所研究区域的相对位置，通过判断区域间是否相邻，来赋予0或1的权重。当空间单元相邻时取1，当空间单元不相邻时取0。
表2表示了主要变量的描述性统计结果。
表2 主要变量描述性统计结果
NMinimumMaximumMeanStd. Deviation
INN（件）11697.0087286.0011265.577617100.58183
RD（亿元）1163.00580.90118.6784133.31451
L（千人）1162.50238.6856.541150.42868
KS（标准化值）116-2.165.77-.21911.54124
FDI（亿元）1161.641743.70287.8247366.30204
O116.051.72.3811.45673
HSR（万元）11645.00376630.0072950.896682692.60197
RDR（万元）11623.00137015.0017635.482826968.06479
三、空间相关性检验和模型选择
（一）空间相关性检验
分析技术创新的空间相关性，本文首先借用GEODA095i软件，用四分位图描述我国31个省市2005年和2009年的专利授权量（LnINN）的空间分布格局。
图1 2005年我国31个省市LnINN的空间分布四分位图示意图
说明：其中打阴影部分区域即西藏和海南不在本次研究范围。
图2 2009年我国31个省市LnINN的空间分布四分位图示意图
说明：其中打阴影部分区域即西藏和海南不在本次研究范围
图1显示专利授权量位于第四级排列的省市有8个，均分布在东部地区，为辽宁、北京、山东、江苏、上海、浙江、福建、广东，是2005年专利创新最活跃的地区；位于第三级排列的省市有8个，分别为天津、黑龙江、河北、河南、湖北、湖南、重庆、四川，是2005年专利创新较活跃的地区；位于第二级排列的省市有8个，分别为吉林、山西、陕西、安徽、江西、贵州、广西、云南，以上地区2005年专利创新行为较弱；剩余的省份则位于第一级排列，创新能力最差。而图2显示的结果与1略有不同，但总体情况差不多。从这一分布结果可以发现，我国29个省市技术创新行为在地理空间上呈现为不均衡分布的状态。
接下来，本文将用常用的Moran’s I指数、LMerr、LMsar、Lratios、Wald统计量对空间相关性进行检验。由于本文模型使用的是面板数据，以上适用与截面分析的指数和统计量不能直接适用，于是本文借鉴何江、张馨之（2006）的方法，构造一个分块对角矩阵Cnt×nt=It×tWn×n以取代以上几个统计量在检验过程中所需用到的空间权重矩阵。
（二）模型选择
在模型选择问题上，通行的做法是先用OLS 方法估计不考虑空间相关性的受约束模型，然后进行空间相关性检验，如果LMsar小于5%，而LMerr统计量大于5%，那么应该选择空间自回归模型。反之，则选择空间误差模型更为恰当。如果LMsar、LMerr检验概率均未通过5%，则需要借助R_LMsar、R_LMerr做如上同样的检验。
借助Matlab R2010b 软件和自带的spatial中的M程序，计算得到以上几个统计量的检验结果，显示如下。
表3 空间相关性检验结果
检验方法样本数检验值概率
Moran's I1160.12492.51E-02
LMerr1163.71045.41E-02
LMsar11622.59452.00E-06
Lratios1165.48631.92E-02
Walds1169.97691.60E-03
从检验结果看，Moran’s I、Lratios、Wald的检验概率均小于0.05，即检验否定了原假设，表明我国29个省市的专利授权量数据在空间分布上具有明显的正自相关关系，技术创新行为在空间分布上并不是随机分布的，其具有一定的规律，存在必然的内在联系，因此需要采用考虑空间相关性的空间面板数据模型进行回归。另外，从LMerr、LMsar的检验结果看，LMsar检验值为22.5945大于LMerr的3.7104，且LMsar检验概率低于0.05，而LMerr检验概率高于0.05，因此，本文因该选择面板数据的空间自回归模型（SAR）进行实证分析。
在空间面板数据分析中还会面临一个问题，即固定效应模型和随机效应模型的选择。由于本文的分析是基于我国29个固定省市，即回归分析基于一批特定的个体，并且所选择的面板数据时间跨度较短仅为4年，时间跨度大大小于所观察个体的数量，因此本文将选择空间固定效应模型。另外，固定效应模型还存在地区固定效应、时间固定效应和兼具地区、时间固定效应三种情况。对此，本文将分别对以上三种情况进行回归，再对回归结果进行比较分析。
四、实证结果及分析
关于空间面板数据模型的估计，本文均采用Matlab R2010b软件和自带的Spatial模块中的M程序，其中用于空间面板数据的SAR模型回归的M程序由J.Paul Elhorst 于2004年编写，另外为了比较说明选择固定效应模型是合适的，本文同时给出了无固定效应的SAR模型回归结果，具体模型的回归结果如表4所示。
表4 空间面板数据SAR模型回归结果
模型1模型2模型3模型4
无固定效应地区固定时间固定地区、时间固定
RD-0.0729（-0.239）0.341***（2.7011）0.2648（1.281）0.3853***（3.3703）
L0.8651（2.6819）0.0384(0.1708)0.5264**(2.4692)0.0043(0.019)
KS0.0605(0.639)0.1219**(2.3908)0.202***(3.0887)0.1078**(2.1423)
FDI0.0504(0.7379)0.0246(0.58)0.0723(1.5019)0.0278(0.6354)
O-0.0997(-1.2443)-0.1768**(-2.0943)0.0884(1.5464)-0.2113**(-2.4709)
HSR0.0574(0.6145)0.2734***(4.5387)-0.0377(-0.5731)0.2696***(4.5119)
RDR0.1675***(3.5796)-0.0011(-0.0863)0.0172(0.5096)-0.0014(-0.1109)
ρ0.38***(7.8842)0.227**(2.3471)0.052(0.9247)0.251***(5.0678)
Log_likelihood-99.695978.019-55.660943.3316
20.81560.98790.90740.9872
说明：***、**、*分别代表用通过了1%、5%、10%的显著性检验。该显著性判断主要基于t统计量值，结果通过查t分布表获得。括号中为t值。
通过比较表4中四个模型的Log_likelihood和2结果可知，模型1和模型3的拟合优度以及Log_likelihood值相对均不理想，而代表地区固定效应的模型2的Log_likelihood和2结果最好。因此，本文将选择模型2进行后续分析。
为了能更好的反映各变量之间的关系，本文将以空间面板数据SAR地区固定效应模型进行多次回归。鉴于KS和L变量间可能存在共线性问题，本文将尽量不将以上两变量同时进行回归，具体模型的回归结果如表5所示。
表5 空间面板数据SAR地区固定效应模型回归结果
模型5模型6模型7模型8模型2
RD0.521***（4.222）0.5374***(5.2123)0.5854***(4.5031)0.3104**（2.4434）0.341***（2.7011）
L0.3804*(1.9301)0.3183*(1.6078)0.4464**（2.401）0.0384（0.1708）
KS0.1351**(3.0753)0.1219**（2.3908）
FDI0.018(0.394)0.0246(（0.58）
O-0.166*(-1.8364)-0.1768**（-2.0943）
HSR0.2535***（4.046）0.2734***（4.5387）
RDR0.0022（0.1586）-0.0011（-0.0863）
ρ0.27***(2.8657)0.2370**(2.4729)0.253***(2.6639)0.243**（2.5695）0.227**（2.3471）
Log_likelihood65.09367.175766.336172.494878.019
20.98590.98630.98580.98720.9879
说明：***、**、*分别代表用通过了1%、5%、10%的显著性检验。该显著性判断主要基于t统计量值，结果通过查t分布表获得。括号中为t值。
基于对模型2、模型5、模型6、模型7和模型8，这五个模型的综合分析后可以发现：
1、空间回归系数ρ在所有的模型中都表现为正值，且均通过了5%的显著性检验，这证明了我国省域间的技术创新确实存在着显著正的相关关系。在假定其他因素不变的情况下，本地区的技术专利数量增加1%，则会促进其临近地区的专利产出增加0.22－0.31%。
2、研发资金投入与省域专利创新的绩效存在正相关关系，增加总的研发投入会增加专利的创新。研发投入的回归系数均通过了1%的显著性检验，且系数值较高，说明研发投入对技术创新的影响是较大。如果在其他因素不变的情况下，增加1%的研发投入，就能够促进本省市技术专利数量增加0.5%以上。
3、研发人员投入与省域专利创新的绩效存在正相关关系，增加有效的研发人员投入会增加专利创新绩效。研发人员全时当量的回归系数在不受知识存量指标影响时，均通过了10%的显著性检验，在假设其他因素不变的情况下，研发人员全时当量增加1%，会促进其临近地区的专利产出增加0.31－0.38%。
4、产学之间的研发合作对省域专利创新绩效的溢出效应十分显著。在回归模型2和模型8中，HSR变量其回归系数均体现为正值，并通过了1%的显著性检验，在其他假设因素不变的情况下，企业对高等学校的科技活动经费支持提高1%，专利创新绩效将增加约0.27－0.32%。这证明企业与高等学校的合作对增加专利创新的数量的贡献是十分明显的。高等学校知识向企业的溢出能够有效的促进专利创新。
5、产研合作对省域专利创新绩效的溢出效应并不明显。RDR变量其回归系数均表现为负值，并均为通过了10%的显著性检验，说明企业对研发机构的科技经费投入并没有有效形成专利产出，这种投入可能是长远性和基础性的。
6、外商直接投资对我国各省专利创新的溢出效应并不明显。FDI变量其回归系数虽均表现为正值，但却均为通过了10%的显著性检验。说明国外的技术知识通过投资渠道向国内的溢出并不显著。
7、我国各省通过参与国际交流与合作，特别是借助国际贸易的形式，来提高技术创新绩效的结果并不理想。O变量其回归系数表现为负值，并均通过了10%的显著性检验。这说明各省以当前的方式参与国际分工，增加国际贸易，对专利创新绩效产生了负面效应。
8、知识的不断有效积累，能够提升地区对新知识的吸收能力，从而促进知识对技术创新绩效的溢出效应。KS变量其回归系数在模型中均体现为正值，并通过了5%的显著性检验，在其他假设因素不变的情况下，知识存量如果提高1%，专利创新绩效将增加约0.13%。
五、主要结论与政策启示
本文基于知识生产函数和空间自相关面板数据模型，对本文2005－2009年29个省市的研发投入、知识的投资与贸易溢出机制、知识的产学研合作溢出机制、知识吸收能力对省域创新绩效的影响，进行了计量经济检验。通过实证分析得出以下几个重要结论：
1、研发投入（包括资金和研发人员投入）对提升各省自身专利创新绩效具有重要贡献，并且从弹性系数上看，其是影响技术创新的主体。而且知识存量的提升也被证明可以通过影响各省对知识的吸收能力，显著促进知识向技术创新绩效的溢出。
2、通过对知识溢出机制的实证检验发现，我国各省的外商直接投资和国际贸易在促进知识向技术创新绩效溢出方面的作用并不理想。其中，国外的技术知识被证明通过投资渠道向国内的溢出并不显著。而国际贸易则对知识向专利创新绩效的溢出产生了负面效应。
3、产学研合作机制在促进知识向专利创新绩效的溢出效应上，根据合作方式的不同，其作用是不同的。其中，企业与高等学校在技术创新上的合作，可以显著促进大学知识向专利创新绩效的溢出，成为推进省域技术创新的有效方式。而产研合作在短期内从知识向专利创新的转化中可能存在障碍。
基于以上结论，本文得出以下几点政策启示：
1、各地政府在提升自主创新能力时，应该把加大和鼓励自身研发投入，提升技术知识积累，作为增加自己专利创新绩效的最主要手段，而不是把引进和吸收国外技术作为促进自身技术创新的主要方法。
2、鉴于企业与高校在研发、技术创新上的合作可以有效促进大学知识向专利创新的溢出，各级政府可以通过帮助我国企业与高等学校建立有效的合作机制，特别是跨省市的合作，并为支持高校创新的企业提供可能的税收优惠等扶持政策等手段，促进各地区产学合作，以推动各地技术创新的步伐，从而促进经济增长。另外，政府在关注产学合作的同时，对产研合作这类在短期影响不显著但从长期看将促进研发机构知识向专利创新溢出的作用产生影响的合作也应给予一定的关注，帮助其克服在知识向专利成果转化中可能存在的障碍，打通创新渠道。
3、各级政府在引进外资和开展对外贸易时要有所选择，学会拒绝低层次、低附加值的国外投资和贸易合作，注重合作的质量而不是数量，从而真正实现引进国外先进技术和经验，提升我国技术创新能力，发展我国地方经济。
参考文献：
［1］Arrow K., The Economic Implications of Learning by Doing［J］. Review of Economic Studies, 1962, (29)： 155-173;
［2］Grossman G., Helpman E., Innovation and growth in the world economy［M］.MIT Press, 1991;
［3］Jaffe A.B., Real effects of academic research［J］.American Economic Review, 1989, 79( 5): 957- 970;
［4］Krugman P., The Narrow Moving Band, the Dutch Disease, and the Competitive Consequences of Mrs.Thatcher［J］.Journal of Development Economics, 1987, 27(1-2): 41- 55;
［5］Lucas R. E., On the Mechanics of Development Planning［J］.Journal of Political Economy, 1988 (58): 43-61;
［6］Romer P. M., Endogenous technological change［J］. Journal of political Economy, 1990, (98):71-102;
［7］Romer P.M., Increasing Returns and Long-Run Growth［J］.Journal of Political Economy, 1986, (94): 1002-1037;
［8］何江, 张馨之, 中国区域经济增长及其收敛性: 空间面板数据分析［J］.南方经济, 2006,(5): 44-52;
［9］王培, 王焱鑫, 面板数据的主成份分析及其应用［J］.贵州大学学报, 2009,(1):22-23;
［10］张军, 吴桂英, 张吉鹏, 中国省际物质资本存量估算: 1952－2000［J］.经济研究, 2004,(10): 35-44;
［11］吴玉鸣, 中国区域研发、知识溢出与创新的空间计量经济学研究［M］.人民版社, 2007.
（作者通讯地址：浙江工商大学统计与数学学院浙江 杭州 310018）