| 标题 | 我国创新资源分布时空演进趋势研究 |
| 范文 | 吴继英 葛坤进 [摘要]目前我国创新资源分布不平衡已成为制约区域创新能力提高和经济增长的重要因素，研究我国区域创新资源分布的时空演进趋势，对于优化创新资源空间分布格局和制定合理的区域政策具有重要意义。基于熵值法、泰尔（Theil）指数、空间基尼（Gini）系数并运用探索性空间数据分析法（ESDA），从两阶段创新视角对我国创新资源分布状况、区域间差异以及时空演进特征展开研究。研究发现我国创新资源配置时间上呈现先集中后分散的趋势，空间上呈现显著的非均衡性，地区间分布差异不是随机发生，表现出显著的空间正自相关关系。最后基于实证结果提出优化创新资源优配置的对策建议。 [关键词]创新资源分布；时空演进趋势；熵值法；Theil指数；空间Gini系数；ESDA [中图分类号]F062.4 [文献标识码]A 1 引言 在经济全球化和知识经济背景下，区域创新能力对国家或地区经济和竞争力提升的作用日益凸显，已成为促进當今经济社会发展的重要引擎，而创新能力的提升与创新资源投入密切相关。由于我国幅员辽阔，各省地理位置、经济发展水平以及历史背景有所不同，创新资源的多寡也存在差异，使得区域之间发展不平衡。以2016年江苏和海南为例，江苏省R&D经费内部支出为20268734万元，海南R&D经费内部支出为217095万元，前者是后者的93.36倍；同样，江苏省专利授权数为231033件，而海南专利授权数仅有1939件，前者是后者的119.15倍；2016年江苏综合创新能力以57.2排名第一，而海南综合创新能力仅有25.68，排在第十六位。可见，创新资源的不平衡分布已成为制约区域创新能力进一步提高和经济增长的重要因素。 2 文献综述 国外方面，Dikova， Desislava（2015）指出，内部或外部知识来源对激励创新绩效有不同的影响，企业需要管理他们的知识来源，以降低成本、提高创新绩效。Bongsun et al（2016）研究了专利时机对创新绩效的影响，提出在高度不确定性下，专利时机越晚，创新绩效越高，而在低不确定性下有一个先行优势。Areti Gkypali et al（2017）对希腊R&D活跃的制造公司数据进行研究，证实内部创新努力对企业创新绩效产生积极影响，而外部合作的多样性对内部创新产生了不利影响。可以看出，国外学者近年来越来越多的将焦点转移到创新绩效上来。 国内学者围绕创新资源的规模及分布展开了丰富的研究。马强、杨东辉（2010）将创新资源分解为财力和人力两种，利用Theil指数，提出长三角城市创新研发资源规模总量在全国居于榜首，但局部规模和结构不均衡。李国平、王春杨（2012）综合运用区位基尼系数、集中度指数和探索性空间数据分析对我国创新产出进行分析，发现我国创新活动呈现相当高水平的空间集中，各省市创新活动的地域性特征十分显著。贾颖颖（2012）等运用基尼系数对我国区域创新资源分布和区域创新能力的差异进行测算，研究表明四大区域创新资源分布差异显著，区域创新能力也呈现出不均衡状态，区域创新资源分布与创新能力差异高度相关。 回顾已有研究成果可以发现，有关创新的研究越来越深入且由某一领域逐步扩展到社会经济发展的各个领域，但现有对创新资源分布状况的研究集中于对创新人力或财力资源的研究。本文认为创新第一阶段创新成果是整个创新过程不可缺少的资源，利用熵值法综合创新人力资源、财力资源和成果资源三方面，运用Theil指数、空间Gini系数以及ESDA等方法，从时间和空间维度对我国31个省市创新资源分布状况、区域间差异以及时空演进特征展开研究，对于优化我国创新资源空间分布、促进创新能力长期可持续增长具有重要的意义。 3 创新资源分布的时空演进趋势分析 3.1 指标选取 基于两阶段创新视角，本文认为创新资源主要包括创新人力资源、创新财力资源和创新成果资源三类，其中人力与财力为创新第一阶段主要投入资源，成果为创新第二阶段主要投入资源。创新人力资源选取三个指标：R&D人员全时当量、科技活动人员数、高等教育毕业生数。创新财力资源选取三个指标R&D经费内部支出、R&D投入强度、地方财政科技拨款强度，指地方财政科技拨款占全部财政拨款的比重。创新成果资源选取两个指标：专利申请量和专利授权量。 3.2 时间动态变化趋势分析 上述指标的数据均来源于《中国统计年鉴》、《中国科技统计年鉴》以及各省市2003～2017年统计年鉴。本文采用最大最小值标准化法对数据进行标准化处理以消除量纲的影响，然后利用熵值法得出2002～2016年各省市创新资源的综合评价值，利用综合评价值进行分析。 首先从时间维度分析中国创新资源的分布特征和演进趋势。常用的方法有Theil指数法和空间基尼系数法。两种方法所得值越小，空间分布越均衡，反之空间分布越集中。由于Theil指数和空间Gini系数之间有一定的互补性，为保证研究结果的准确性，分别采用上述两种方法衡量创新资源的分布差异，最后相互印证。数据处理结果如表1所示。 从表1可以看出，我国创新资源总量分布的Theil熵值由2002年的0.37476上升至2009年的0.47878后，除2011年略有反弹外逐渐下降。空间Gini系数由2002年的0.47393上升至2009年的0.52854后也开始逐渐下降，2012年有轻微反弹。上述两种模型的计算方法虽然存在差异性，但是二者的结论呈现出高度一致性。例如两种指数数值均从2002年开始上升，在2009年达到最大值，然后开始逐渐下降，且除2011年有略微反弹外，直至研究时段的最后一年即2016年一直保持下降趋势，这说明我国创新资源分布呈现先集中后分散的发展趋势。但根据2016年两类指数数值可以发现我国创新资源分布的空间集中程度仍然较高，呈现出相当高水平的空间集聚特征。 3.3 空间动态变化趋势分析 为度量各省市历年创新资源总量分布之间的空间关联程度或空间依赖程度，进而深入了解各省市创新资源总量的空间演变过程，本文使用探索性空间数据分析（Exploratory Spatial Data Analysis， ESDA）方法来检验空间相关性，包括全局和局部自相关分析。Moran.s I指数是常用的一种空间相关分析的方法。其取值在-1～1之间，I>0时表示正相关， I<0时表示负相关。2002～2016年创新资源总量的全局Moran.s I指数，结果如表2所示。 从表2可得，2002～2006年Moran.s I指数大于0，但P值大于0.1，表明这6年创新资源分布虽然空间上存在正自相关关系，但还不够明显；2007～2016年Moran.s I指数均大于0且P值都小于0.1，这表明创新资源的空间分布状况并非是随机的，而是呈现出显著的全域正自相关关系，一个省区的创新资源分布强烈地受到临近省市的影响，相似水平的省市集聚在一起，存在空間依赖性和空间集聚现象。创新资源的Moran.s I指数在2002～2016年间呈现不同趋势，2002～2012年间呈现上升趋势，表明这段时间我国创新资源的空间集聚和依赖性不断加强，呈现出自我强化趋势；2013～2016年间呈现下降趋势，表明近年来我国创新资源分布的空间不均衡性有所减弱。 通常利用Moran散点图和LISA图进行局部空间相关性分析。本文选取各省市2002年、2009年、2016年结果进行对比。限于篇幅，本文将三类创新资源LISA聚类结果整理成表格形式，如表3所示。 从表3可得，2016年处于HH区域的省市有8个，表现出正的空间自相关性，表明这些地区创新资源总量一直处于领先地位，并有力的带动了周边地区创新资源的增加，特别是位属东南沿海地区的上海、江苏、浙江和山东，在三个研究时点上都处于HH地区，呈现出显著的空间集聚效应。同年，有14个省市位于LL区域，表现出低值被低值包围的低低集聚类型，散点较其他区域更为密集，体现出更强的局部自相关性。其中，西部地区12省市中有10个省市都处于这一区域，表明西部地区创新资源分布较为贫乏，远远落后于其他地区。有5个省市位于LH区域，这些省市的创新资源分布低于周边地区，处于周边高水平地区的包围之中。 从时间跨度上看，属于HH区域的省市从2002年的4个增长到2016年的8个，且超过一半的省市位处东南沿海地区；处于LL区域的省市从2002年的11个增加到2016年的14个，且以新疆、西藏、宁夏为代表的广大西部地区一直处于LL区域。这表明创新资源向东部尤其是东南沿海地区集聚加快，西部地区创新资源分布一直处于落后状态，地区间差异扩大，两极分化更加显著，地区间创新资源分布呈现长期的非均衡性。北京、广东、湖北和四川在三个研究时点上均位于HL区域，这四个省市的创新资源分布一直高于周边地区，表现出高值被低值包围的分布类型。 综上所述，两阶段创新视角下我国综合创新资源分布存在显著的空间非均衡性，地区与地区、省市与省市间都存在较大差异，广大中西部地区创新资源分布总量远低于东部地区，造成这一现象原因主要有两点。第一，各省市经济支持力度的差异。创新具有一定的风险性，各地区会依据固有经济实力调整对创新的支持力度，导致不同地区对创新资源的吸引力存在差异，特别是随着各省市经济实力差距的拉大进一步扩大了创新资源分布的非均衡性；第二，创新环境的差异。创新环境既包括各类金融中介，也包括政府政策环境。创新资源的集聚既需要一定的创新文化引导，也需要各种金融中介、科技中介的支持，更需要政府政策的引导和支持，宽容失败的创新文化、发达的中介服务和政府财政与政策的倾斜是集聚创新资源的重要因素，也是造成创新资源分布非均衡的因素之一。 4 结论和建议 4.1 结论 经济地理学家认为，地理空间中邻近现象比距离远的现象更相似，某一地区的某种属性值会受到周边地区的影响，两阶段创新视角下我国综合创新资源的时空演进趋势充分的证明了这一点。从时间维度看，我国创新资源分布呈现先集中后分散的趋势，但现仍处于比较集中的状态。从空间维度看，我国创新资源分布呈现显著的空间非均衡性，地区与地区、省市与省市之间存在明显的差异性。同时，我国创新资源的分布有其规律性，表现出显著的空间正自相关性，某一省市创新资源的分布受到周边省市的影响，呈现空间集聚现象。 基于表3的LISA聚类结果可以发现，研究时段内，HH区域省市和LL区域省市均呈现增加的趋势，且创新资源分布位于HH区域的省市趋于向以江苏、上海等为代表的东部地区尤其是东南沿海地区集聚，这些省市有一个共同特点就是地处东部，交通方便，对外开放较早，且发展前期受到国家政策倾斜，经济发展水平较高，省内各项设施、制度较为完善，同时省内大型工业企业较多，竞争激烈，为提高竞争优势，各工业企业竞相加大创新资源的投入，这些都有利于吸引创新资源集聚。而创新资源分布位于LL区域的省市多地处西部地区，如新疆、西藏等，这些省市地处偏远，交通相对欠发达，开发程度较低，经济发展水平低于东部中部地区，且大型工业企业远少于东部发达城市，独特的地理位置和经济水平影响了创新资源的汇聚。基于此可以看出创新资源的分布有其客观规律，即这种分布现状虽然是由于多种因素共同作用产生，但始终遵循着以经济发展水平为主的经济规律。回顾过往发展历程，政府经常通过其特有方式干预创新资源的分配，在这种特殊背景下，当政府通过强有力的政策行为减小地区间经济发展水平差距时，创新资源的分布就趋于分散均衡化，当政府政策力度不够时，地区间经济会继续保持差距化发展，创新资源的分布就趋于集中非均衡化。 4.2 缩小创新资源分布差异性的对策建议 根据两阶段创新视角下我国创新资源的分布现状和空间差异性，可以推出经济发展水平在决定和制约创新资源分布方面起着至关重要的作用，而经济发展水平又取决于四类因素。一是该地区既往发展水平与现有发展方式，二是是否抓住现有的机遇和挑战，三是取决于国家政府政策的支持力度，四是地区内企业规模和数量。基于此，为缩小地区间创新资源分布的差异性，提出以下建议。 4.2.1 针对江苏、上海、浙江、山东等HH型省市。国家的发展，需要各地区创新资源都达到合理有效配置，需要各地区都发展强盛起来，一省一市的发达并不能带来国家整体的富强。因此以江苏、上海、浙江等为代表的HH型沿海省市应当在保持本地区发展的前提下，加大对其他地区的辐射和支持，例如大中型企业在中西部地区开设分公司、鼓励高校毕业生前往中西部地区工作创业等等，以使创新资源往中西部地区分散，促进创新资源的溢出，加强本地区的辐射带动作用，缩小地区差异。 4.2.2 针对广东、北京等HL型省市和湖南、河北等LH型省市。对于呈现空间负相关性的广东、北京、江西以及湖南等省市，应逐步弱化区域创新资源配置的市场与体制壁垒，扩大和加深不同创新资源分布水平区域之间的合作，健全创新资源交易流动市场，推动周边低水平地区创新资源的汇聚与增长，实现区域共同发展。 4.2.3 针对新疆、西藏、宁夏等LL型省市。对于地处西部地区的新疆、西藏等LL型省市，政府應制定定向支持政策以加快西部地区创新资源的培育与增长步伐，如增加教育资源和财政资源的倾斜等，以提升区域创新资源的总量和集聚，从而缩小与东部地区尤其是与东南沿海城市的差距，整体提升我国区域创新资源配置水平。 [参考文献] [1] 柳卸林，高太山.中国区域创新能力报告（2016）[M].北京：科学出版社，2016. [2] DIKOVA，DESISLAVA.Improving innovation： are internal and external sources of knowledge complements or substitutes？[J].Schmalenbach Business Review，2015（67）：349-367. [3] BONGSUN KIM，EONSOO KIM，DOUGLAS J.MILLER，et al.The impact of the timing of patents on innovation performance[J].Research Policy，2016，45（4）：914-928. [4] ARETI GKYPALI，DESPOINA FILIOU，KOSTAS TSEKOURAS.R&D collaborations：is diversity enhancing innovation performance？[J].Technological Forecasting and Social Change，2017（118）：143-152. [5] B. JULISON，S.P.R. WARDANI，M.A. WIBOWO.Innovation performance of large contractor in Indonesia：influencing Factors and its Impact on Firm.s Performance[J].Procedia Engineering，2017（171）：370-378. [6] CEMAL ZEHIR，AHMET UZMEZ，HACER YILDIZ.The effect of shrm practices on innovation performance：the mediating role of global capabilities [J]. Procedia - Social and Behavioral Sciences，2016（235）：797-806. [7] MARCO GRECO，MICHELE GRIMALDI，LIVIO CRICELLI. An analysis of the open innovation effect on firm performance[J].European Management Journal，2016，34（5）：501-516. [8] 马强，杨东辉.长三角城市创新资源分布动力机制研究[J].现代城市研究，2010（12）：78-83. [9] 李国平，王春杨.我国省域创新产出的空间特征和时空演化——基于探索性空间数据分析的实证[J].地理研究，2012，31（01）：95-106. [10] 贾颖颖，郭鹏，于明洁.创新资源分布于区域创新能力差异的典型相关分析[J].情报杂志，2012，31（09）：180-184. [11] 荆浩.大数据时代商业模式创新研究[J].科技进步与对策，2014，31（07）：15-19. [12] 毕克新，王禹涵，杨朝均.创新资源投入对绿色创新系统绿色创新能力的影响——基于制造业FDI流入视角的实证研究[J].中国软科学，2014（03）：153-166. [13] 冯乾，黄旭.金融创新、产品干预与金融机构行为风险防控[J].金融论坛，2016（09）：21-32. [14] 汪涛，王繁荣，陈炜然.开放式创新背景下新兴企业创新模式对创新绩效的影响[J].科技进步与对策，2017，34（02）：80-86. [15] JUN CHEN， JINHUA CHENG， SHENG DAI. Regional eco-innovation in china： an analysis of eco-innovation levels and influencing factors [J]. Journal of Cleaner Production，2017（153）：1-14. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。