[区域发展] 区域创新的动力——基于创新与吸收能力的互动演化视角（上）

一、文献回顾

大量文献对区域创新能力和吸收能力进行了研究。关于区域创新能力，熊彼特认为，经济是作为一个整体而存在的，知识增长和经济增长之间关系上存在着微观多样性，而知识增长又集中地反应在创新能力的高低上。Furman等认为，创新能力取决于一个地区开发创新产品的潜力，影响创新能力最重要的因素为R&D存量。通过企业、政府的R&D投入，鼓励进行新技术、新产品的开发设计，从而提升创新能力中的R&D边际收益。李习保通过专利数据实证分析了区域创新产出能力，指出影响中国区域创新产出能力变化的原因，除了关注创新投入因素的作用外，还应重点分析创新主体、主体之间关系等因素。邵云飞和谭劲松认为，区域创新能力的演进是区域内对创新能力孵化、提升及达到高水平的动态过程。关于吸收能力，Cohen和Levintha认为，吸收能力是一个企业不断识别和消化外部新知识并最终加以应用的一种能力。他们进一步指出吸收能力包含识别、消化和应用三个维度，并认为吸收能力具有一定路径依赖性和时间累积性。Lane等则将吸收能力划分为探索性、转化性、应用性学习三种连续的动态过程，并认为，吸收能力是企业利用外部知识的能力。而从影响吸收能力的诸多因素来看，大部分学者认为知识共享有着积极的影响。他们认为，知识共享的目的一方面是为了获得新知识，另一方面则是为了提升其吸收能力。Kelly研究指出，贸易量的发生以及贸易规模的不断扩大，有利于技术和知识通过多种途径加以传播，并有利于促进创新的不断增加，而知识的传播可以通过私人模仿而发生，技术进步率取决于共用相同知识网络的创新人群的规模。Corrocher等通过对专利的研究也证明，在创新过程中来自不同区域、不同部门以及不同技术的知识库扮演着重要的角色。这些研究都说明了区域对外贸易和人力资本是决定吸收能力的重要因素。

而关于创新能力与吸收能力的互动，Kaldor认为，由于知识和技术难以流动，投资和技术进步会通过不断吸收，形成经济收益从而促进区域创新能力的提升并带动经济增长。Cohen和Levinthal指出，吸收能力对于外部知识有着正向推动作用，可以将其转化为创新效益，并能显著提升创新能力。此外，Fosfuri和Josep利用面板数据对西班牙2 464家企业的潜在吸收能力进行了实证分析后指出，潜在吸收能力有助于创新效益的提高。关于区域创新的动力，Doloreux将区域创新系统的内部机制描述为基本动力，它包括互动学习、知识生产、地理临近和社会根植等四个方面。此外，新熊彼特主义学者们也认为区域间和跨区域间的知识流动、技术成果的转移和扩散是区域创新组织间相互关系演化的动力源。如Romijn和Caniels研究发现，要促进创新系统的可持续发展，就需要不断推动技术创新能力、社会持续投资、经济环境和政府管理等方面的变异和演化。

二、区域创新动力分析及研究假设

一般而言，技术创新是区域创新主要功能，区域创新能力的高低充分地体现在创新投入及技术产出上。一方面，根据投入—产出机制，创新投入及其密集度影响着科学与技术的产出能力；另一方面，科学与技术的产出能力通过技术进步“反哺”创新投入，刺激企业及其他研发机构不断加大创新投入，从而形成良性循环的持续创新动力机制。吸收能力体现在两个方面：一是对于外部知识和信息的筛选甄别；二是对于技术扩散和知识溢出的转移和应用。由于知识溢出和技术扩散本身存在区域“黏性”和缄默知识，因此，作为促进、吸收知识溢出和消化技术创新的关键要素，人力资本将起到桥梁作用。企业员工或研发机构团队成员等通过对外部知识的感知、学习和吸收，形成共用相同知识的创新人群网络，提高了区域对于新技术、新知识的学习和应用能力，并进一步形成了区域创新的吸收能力。此外，区域内的科研机构、企业等对于区域外部创新环境的适应程度也关系到区域对于新技术、新应用吸收能力的高低。吸收能力通过与非当地企业的往来以此间接地带动区域内企业创新能力的提升，具有更高创新开放度的区域将具有更高的创新转化能力，这使得区域内部各创新主体更易于接受外部知识溢出，并在自我创新过程中加快关键环节的吸收速率。现有文献已经证明，包括人力资本、对外贸易、基础设施、社会治理和经济差距等因素对区域内技术的应用和吸收能力有着广泛的影响，而笔者需要特别强调的是区域创新的开放程度及人力资本两个要素对于区域吸收能力提升所产生的联合动力。基于以上分析，笔者提出如下假设：

假设1：区域创新能力来自创新投入和技术产出两个维度的互动演化，吸收能力来自人力资本及创新开放度两个维度的互动演化。

从区域创新与吸收能力的互动演化来看，一方面，随着时间的推移，研发投入的不断增加会激励区域内的研发机构去提升其自身对于外部知识及技术的学习和模仿能力。区域内技术孵化的成功，尤其是创新产品的出现取得一定的商业垄断利润后，就会吸引大量的金融资本在相关领域内实现集聚，以至于进一步吸引创新人才聚集，增强创新活动与外界的联系。创新活动及其成果可能会随着时间对区域吸收能力产生持续性的影响；另一方面，人力资本质量、创新开放度随着时间不断提升，将提高区域对于新技术的吸收能力，从而进一步增强各研发部门的产出能力。通过长时期的吸收嵌入，形成区域创新的内在动力，从而促使创新活动的不断繁殖。不断提升的区域吸收能力也会随着时间给区域创新能力的增强带来持续动力。因此，笔者基于区域创新与吸收能力伴随时间的长期互动演化机理，提出如下假设：

假设2：区域创新的动力源自创新能力和吸收能力两个维度的互动演化。

三、模型设定及数据说明

(一)模型与研究方法

为了防止长期关系偏差在规模及数量上的扩大，具有协整关系的变量可以建立误差修正模型来反映误差校正机制和短期调节行为。为了克服传统计量经济模型伪回归以及差分模型导致的样本缺失和信息不足等问题，笔者建立如下面板误差修正模型：

面板误差修正模型一般形式如式(1)所示。其中，yit表示研究所需的各变量向量；αit表示个体效应项；Γ表示系数矩阵；D表示一阶差分运算；i表示各省市自治区；t表示年份；j表示滞后期；k表示最长滞后期。εit表示随机误差项，对于一个给定的省份误差项可能相关，而对于所有省份则不相关。通过∏yi，t-1差分项提供了一种检验变量间长期关系和短期调整的方法。根据本文实际情况将模型具体转化为式(2)和式(3)，其中，ecmi，t-j表示长期均衡误差项，把lntmit(科技产出)一阶差分项作为模型(2)的因变量，xit依次代表lnrd(创新投入)、lnedu(人力资本)、lnhte(创新开放程度)，所有变量均做对数化处理。对于面板误差修正模型，当拒绝ρ1、ρ2等于0的原假设时，表明创新能力、吸收能力各变量间存在长期因果关系，反之则不存在；当拒绝δ1i、δ2i时表明变量间存在短期因果关系，反之则不存在。

(二)指标及数据说明

1.创新能力变量

创新投入(lnrd)：研究与实验发展(R&D)投入不仅能够对当期创新能力产生影响，而且能够进一步影响下一期的创新活动。衡量创新能力中创新投入主要包括科研人员投入及研发经费支出。笔者选取R&D经费支出与地区生产总值之比(%)来衡量区域创新投入，以此来代表某区域对R&D及相关创新活动所付出的努力。

科技产出(lntm)：科技产出代表着一个区域内高校、企业及相关研发机构技术及相关创新活动的实施情况，衡量着一个区域创新能力的高低，科学与技术产出水平的指标表现形式多样，通常有科技论文发表数、专利授权数和技术市场成交额等。考虑到数据代表性强且权威，笔者选取技术市场成交额(万元/万人)来衡量。

2.吸收能力变量

人力资本(lnedu)：人力资本是衡量区域吸收能力的关键要素，新兴领域的技术创新、知识流动往往是围绕着一批高水平的知识分子所展开的，人力资本要素代表了知识在人身上的根植和累计，它不仅有利于促进知识在区域内外间传播，同时也进一步通过互动学习完成创新能力的区域“锁定”。笔者选取平均受教育年限指标(年)来衡量区域人力资本水平，并按照中国当前教育实际采用将小学、初中、高中及大专以上按6、9、12、16学年计算区域受教育总年数后，再除以就业总人口数得到，即平均受教育年限(edu)=小学比重×6+初中比重×9+高中比重×12+大专及其以上比重×16。

创新开放度(lnhte)：区域开放度代表着区域系统对于创新的吸收能力，区域开放度越高，对于新观点、新知识、新技术在时空上的吸纳则更有效率，该区域对于创新的吸收能力则越强。笔者选取区域高技术产品出口总额占总商品出口总额的比重(%)来衡量创新开放度。一方面，代表着区域创新体系的开放度和包容性；另一方面，旨在衡量出口商品对于高新技术创新的吸收能力。

本文所有数据来自《中国统计年鉴》(2000—2014)、《中国科技统计年鉴》(2000—2014)，中国科技统计网。各省份就业总人数来自《中国劳动统计年鉴》(2000—2014)。鉴于数据的可得性及统计口径考虑，只选取了29个省市的2000—2014年的面板数据(不包括中国的香港、澳门、台湾、西藏和新疆)。

四、实证结果分析

(一)面板单位根检验及协整分析

变量面板单位根检验结果如表1所示。

表1  变量面板单位根检验结果

注：*、**和***分别表示10%、5%和1%的显著性水平，下同。

由表1可知：创新投入(lnrd)、人力资本(lnedu)的水平值和一阶差分能够显著地拒绝原假设。科技产出(lntm)的单位根检验结果表明不完全拒绝原假设，此变量为非平稳变量。而创新开放度(lnhte)变量的单位根检验结果则无法拒绝原假设，变量非平稳。当所有变量进行一阶差分后检验，均显著地拒绝原假设，说明面板数据中的所有变量存在一阶单整(趋势平稳)，可以进一步检验各变量间是否存在协整关系。Westerlund和Edgerton构造了两个组统计量Gt和Ga，说明在允许面板异质性的条件下存在协整关系，原假设为H0：至少有一个统计量不存在协整关系。在某些检验结果中，两个组统计量中可能有一个无法拒绝原假设，对此Westerlund和Edgerton认为也是可行的。笔者通过Ga统计量检验结果显示无法拒绝原假设，而Gt统计量检验结果显示强烈拒绝原假设，因此根据Westerlund和Edgerton的结论，笔者认为创新能力和吸收能力各变量间存在长期协整关系。

(二)面板误差修正模型检验

根据设定的误差修正模型，我们做了误差修正模型检验，如表2所示。

表2  创新能力、吸收能力面板误差修正模型检验结果

注：括号内为临界值z值，下同。

表2的检验结果显示：ecm系数在5%的显著性水平下均显著为负，证明误差修正机制成立，吸收能力及创新能力各变量是彼此相互提升的长期原因。对于创新能力中的创新投入而言，其中人力资本(lnedu)及创新开放度对创新投入(lnrd)的增加具有明显的正向促进作用，而长期内科技产出(lntm)对创新投入却产生微小的负效应。这可能是由于长期科技成果转化机制不健全，影响了各区域创新投入的积极性，使得社会对于持续性的创新投入产生了“懈怠”。

对于创新能力中的科技产出而言，创新投入(lnrd)及人力资本(lnedu)对科技产出(lntm)具有明显的正向促进作用。而吸收能力中的创新开放度(lnhte)未通过显著性检验，说明长期来看，区域创新开放度的提升所产生的吸收能力对科技产出并无明显影响，这可能是由于长期以来依靠单纯的技术引进尚未有转化为区域内实质性的自主创新能力。

对于吸收能力中的人力资本而言，创新开放度(lnhte)的提升对人力资本水平的提高具有正向的促进作用，而创新投入(lnrd)与科技产出(lntm)系数并不显著，说明长期内创新能力的提升并未有像前文所分析的那样，对人力资本有着明显的作用。这可能与长期以来产学研一体化的滞后发展有关。

对于吸收能力中的创新开放度而言，长期来看，创新投入(lnrd)与创新开放度的关系并不显著，而科技产出(lntm)有助于进一步提升对于外界创新知识的吸收能力，而人力资本(lnedu)的不断提升，却对创新开放度起到了明显的抑制作用，其原因：一方面是由于长期以来高素质科技创新人才认知能力的提升，会在区域相关领域内形成世界领先技术，从而减少了对区域外相对成熟知识的关注。另一方面，优秀人才的大量聚集使得区域创新要素达到相对饱和，从而减少了国外优秀人才的引进规模。

(三)脉冲响应及方差分解分析

1.脉冲响应分析

在实际应用中，需要分析当模型受到某种冲击时对系统的动态影响，以此来刻画变量之间的交互影响。通常我们用脉冲响应分析来描述这种动态影响，即给随机误差项施加一个标准差大小的冲击并观察其对变量当期值和未来值带来的影响。本文脉冲响应如图1所示。

图1  创新能力、吸收能力各变量一阶差分脉冲响应图

从图1可以看出：首先，给创新投入(lnrd)一个标准差的冲击，创新开放度(lnhte)呈现较为显著正向影响并在第4期达到最大值，之后开始对创新开放度呈现一定的抑制作用；人力资本(lnedu)呈现较为显著的正响应，且在前2期增长较快，在第6期达到最大值后正响应值开始递减；科技产出(lntm)会产生持续显著的正向影响，并在第10期后正向作用趋于平稳。其次，给科技产出(lntm)一个标准差的冲击，创新投入(lnrd)短期内表现为递增的正向影响，并在第6期达到最大值，第6期后科技产出对创新投入产生微小的抑制作用，在第9期后科技产出对创新投入的持续正向作用趋于平缓；人力资本(lnedu)一开始呈现显著的正向影响并在第5期达到最大值，第5期后开始出现一定的抑制作用；创新开放度(lnhte)从一开始便呈现明显的正向作用，在第4期达到最大值后，逐渐出现抑制作用。再次，给人力资本(lnedu)一个标准差的冲击，创新投入(lnrd)在短期内迅速呈现递增的正响应状态，第1期后递增速度趋缓，并在第4期达到最大值，第4期后开始逐渐下降；科技产出(lntm)呈现正响应状态，在第3期达到最大值后，开始呈现下降趋势，并在第8期后趋于平稳；创新开放度(lnhte)呈现微小的正响应。最后，给创新开放度(lnhte)一个标准差的冲击，创新投入(lnrd)呈现微小的负响应，并在第6期达到最大值。第6期后负响应逐渐减小最终趋近于0；科技产出(lntm)和人力资本(lnedu)则呈现持续递增的正响应。