空间面板模型对我国省域创新知识效应分析

谢小义,胡锡健,张辉国

(新疆大学 数学与系统科学学院，新疆 乌鲁木齐 830046)

摘要：基于2004-2012年我国专利的省际面板数据，以授权专利作为知识产权的产出变量，以申请专利作为知识存量的产出变量，通过拉格朗日乘子(LM)检验选择合适的空间面板数据模型，分析研究专利授权对来自大专院校、科研单位、企业和个人的专利申请的弹性反应.结果表明，我国省域创新知识存在空间依赖关系，企业或个人的经验性知识累积对创新知识产出的效果明显，且R&D人员全时当量的增加会显著地增加周边地区的知识产出.

关键词：知识产权；知识生产；空间面板数据模型

中图分类号：F224.7 文献标志码：A

收稿日期：2014-11-01

基金项目：国家自然科学基金资助项目(10272068)

作者简介：陈婷，女，ting142679@163.com； 通信作者： 王利民,男，wanglimin@qtech.edu.cn.

文章编号：1672-6197(2015)05-0006-06

TheeffectanalysisofChina′sregionalinnovation

knowledgebyspatialpaneldatamodel

XIEXiao-yi,HUXi-jian,ZHANGHui-guo

(CollegeofMathematicsandSystemScience,XinjiangUniversity,Urumqi830046,China)

Abstract:Based on the province-level patenting over the period 2004-2012,we use the patents granted as a proxy for intellectual property,and past patent applications as a proxy for regional knowledge stocks,and choose the fit spatial panel data model by LM test to analyze the elasticity response of intellectual property to the patent applications classified by type of creator(universities and research institutes, enterprises，individuals).The results show that there is spatial correlation between the provinces, and the output effect of innovation knowledge from enterprise or individual empirical knowledge accumulation is obvious. The increase of R&D personnel of full-time equivalent will significantly increase the surrounding areas of knowledge production.

Keywords:intellectualproperty;knowledgeproduction;spatialpaneldatamodel

自我国加入世界贸易组织以来，从国家到公民都开始意识到知识产权的重要性.在美国，科技被视为经济增长和生产率提升的引擎，根本原因之一就是知识产权的力量.知识产权是创新知识的结晶，反映着一个国家或区域整体的创新能力水平，而从知识产权的内部组成来看，专利的地位尤其突出，国内外越来越多的文献都将专利授权作为知识生产函数的产出，不光是因为数据上的可得性，也和专利能很好地代表国家或地区的创新知识整体水平不无关系.而对知识溢出效应的研究一直是经济学上的热点，邓明和钱争鸣[1]利用空间面板模型分析了我国省际知识的空间溢出问题，发现知识生产活动存在正的空间溢出效应.徐盈之等[2]研究知识溢出与区域经济增长的关系，发现省际间存在知识溢出且对地区的经济增长有很明显的推动作用.石沛和蒲勇健[3]对2004-2007年我国区域创新能力以及影响因素进行分析，发现我国区域创新能力存在逐年增强的空间依赖性.俞立平[4]以专利授权量作为应用技术的产出变量，研究了不同渠道经费对科学与技术贡献的差异，发现知识与技术溢出对研发要素投入弹性具有“挤出效应”.Lesage&Sheng[5]基于中国省际专利数据，利用空间面板数据模型分析了知识产权与知识存量的关系，讨论了知识溢出效应在不同区域的影响，并就我国专利数量和质量对我国发展的影响进行了研究.近年来，我国专利申请量和授权量的增长速度很快，发明专利申请量自2011年来连续位居世界第一.在推动科学技术创新发展上，我国专利数量的剧增是否能弥补专利质量水平不高的缺陷也一直是研究和讨论的热点.基于此种想法，本文采用Lesage&Sheng[5]的部分研究成果，将专利申请作为知识存量的产出变量，又按照创造者的类型，将专利划分为三类两个等级，分别是大专院校与科研单位、企业和个人的专利申请，其中定义个人和企业的申请专利为高质量的，大学和科研结构的申请专利等级次之.采用知识生产函数，以专利授权为知识生产的产出，以知识存量、科技活动经费和科技活动人员作为知识生产的投入要素，研究知识生产间的关系.通过Matlab软件进行空间相关性检验和LM检验，进而选择合适的空间面板数据模型，并进行参数估计.最后根据估计的结果分析各变量对知识产出的弹性反应和各变量的溢出效应.

1模型的设定及方法

1.1　变量的选择和数据来源

基于Lesage&Sheng[5]的研究，本文将授权专利作为知识产权的产出变量，申请专利作为知识存量的产出变量，又为了考虑不同创作者的申请专利对授权专利的弹性反应，将申请专利按创造者类型分为三类，即大学及研究机构、企业、个人.根据知识生产函数的原理，知识生产函数投入变量为研发资本、研发劳动力和知识存量.参照已有的文献，并考虑到数据的可得性，研发资本选为R&D经费内部支出，研发劳动力选为R&D人员全时当量.故本文选定R&D经费内部支出(K)、R&D人员全时当量(L)、专利申请量(大专院校和科研单位(R1)、企业(R2)、个人(R3))为解释变量，专利授权量为被解释变量. 而专利申请到专利授权的平均年限为2年，本文便设定t+2年的专利授权量是第t年的知识生产的产出.

本文研究的样本为我国除西藏外的30个省市自治区的2004-2012年的专利授权量，2002-2010年的R&D经费内部支出、R&D人员全时当量、大学研究机构、企业、个人专利申请量. 数据来源于《中国统计年鉴》、《中国科技统计年鉴》和国家知识产权局的官网.

1.2　模型的设定

面板数据回归模型为

ln(Yi t+2)=lnβ0+β1ln(Kit)+β2ln(Lit)+

β3ln(R1,it)+β4ln(R2,it)+β5ln(R3,it)+

μi+ηt+εit

(1)

其中：μi表示个体效应；ηt表示时间效应；并假设εit~N(0，σ2In).

当知识存在空间溢出效应时，模型(1)便不能用来研究和解释研究对象间的关系，根据Elhorst[6]理论可知，有以下三种最基本的空间面板数据模型可用来研究.

(1)空间滞后面板数据模型(SAR)

ln(Yi t+2)=ρWnln(Yi t+2)+lnβ0+β1ln(Kit)+

β2ln(Lit)+β3ln(R1,it)+β4ln(R2,it)+

β5ln(R3,it)+μi+ηt+εit

(2)

其中Wn是n×n的空间二元邻接矩阵. 考虑到海南省是个岛，但只和广东省隔条海峡，故设定海南的邻接为广东省. 此时，模型假定周边区域的创新知识产出会影响本地的知识产出.

(2)空间误差面板数据模型(SEM)

(3)

此时假定空间相关性存在于不可观测的变量中.

(3)空间Durbin面板数据模型(SDM)

ln(Yi t+2)=ρWnln(Yi t+2)+lnβ0+β1ln(Kit)+

β2ln(Lit)+β3ln(R1,it)+β4ln(R2,it)+β5ln(R3,it)+

γ1Wnln(Kit)+γ2Wnln(Lit)+γ3Wnln(R1,it)+

γ4Wnln(R2,it)+γ5Wnln(R3,it)+μi+ηt+εit

(4)

此时假定周边区域的知识投入和产出均对本地的知识产出有影响.

1.3　分析方法

1.3.1　全局空间相关性

为验证区域间是否存在知识溢出，首先要对数据进行空间相关性检验.利用Moran’I指数可以度量每年的专利授权量的空间相关性程度.

(5)

1.3.2　模型选择

若Moran’I指数显示结果显著，则得考虑模型(2)~(4).对于模型的假设检验.按照Elhorst[6]的研究，首先利用拉格朗日乘子(LM)检验，将模型(1)与模型(2)、(3)进行比较，并初步判断SAM和SEM哪个更好；接着用似然比(LR)检验个体效应和时间效应是否存在；最后通过检验原假设H0：γ=0；H0：γ+ρβ=0是否成立，检验SDM模型是否可以简化为SAM或SEM. 若H0：γ=0检验结果显著，表明SDM可简化成SAR；若H0：γ+ρβ=0检验结果显著，表明SDM可简化成SEM；若两个原假设结果都显著，则表明SDM比SAR和SEM更适合样本数据.

2结果分析

2.1　知识生产的空间相关性分析

全局自相关性可以通过Moran’I指数来检验. Moran’I指数取值大于0表示正相关，小于0表示负相关，接近于0表示不存在空间自相关性. 通过Matlab软件计算Moran’I指数，结果见表1.

表1　2004-2012年我国专利授权量的Moran’I指数

观察表1可知，我国区域创新知识生产的空间相关性越来越强，这与我国区域间的交流越来越密切相关. 且2011年和2012年的相关性指数分别为0.224 8和0.228 5，所以模型的选择应该考虑引入空间相关性. 基于此，可以选择模型(2)~(4)中的一个去研究.

2.2　空间面板数据模型的结果分析

本文利用Matlab软件进行空间面板数据模型的选择，根据Elhorst[6]的研究步骤和思想对数据进行分析，具体估计结果见表2~表6.

根据表2可知，Robust LM检验在4个模型中都显著(α=1%). LM检验在原假设H0：不存在空间滞后项下结果显著(α=5%)；LM检验在原假设H0：不存在误差滞后项下，在不含个体和时间效应的面板数据模型与时间固定效应的面板数据模型中结果以1%的水平显著，在个体固定效应面板数据模型中以10%的水平显著. 从而可知，对于样本数据，空间滞后面板数据模型比空间误差面板数据模型要优越些.

表2　面板数据模型估计结果

观察表3,对于个体固定效应和时间效应的存在性检验，LR检验结果在1%的水平下显著，表明模型中应该含有个体效应和时间效应. 从而模型应该设定为two-way误差成分的空间面板数据模型. 观察表4可知，Husman test的检验结果也显著(α=1%)，表明效应应该设定为固定效应，本文之前讨论的固定效应下的面板数据模型的分析有效.

综上可知对于样本数据，模型应设定为two-way固定效应的空间面板数据模型. 按照Elhorst[6]的研究，还要对空间Durbin面板数据模型进行检验，即检验H0：γ=0；H0：γ+ρβ=0.而当模型中存在个体固定效应和时间固定效应时，若个体量很大且时间很长，参数估计值将会出现偏差，于是要对参数估计进行偏差修正. 模型的参数估计及相关检验的具体结果见表5.

观察表5可知，Wald检验和LR检验结果值在1%水平下都显著，表明空间Durbin面板数据模型不应简化成空间滞后面板数据模型或空间误差面板数据模型. 从而根据空间Durbin面板数据模型偏差修正估计结果对样本数据进行分析.

偏差修正的结果表明区域知识存量对我国知识

产出的促进作用比较明显；而R&D经费内部支出和R&D人员全时当量的投入效果并不明显，这可能与我国经费制度存在一些问题，以及将人力资源优势转成人力资本优势的速度比较缓慢、成效比较低等原因有关.

三类专利申请对我国知识产出的促进效果显著，可见知识是个厚积薄发的过程，积累的越多，产出会越多. 且每1 000份大学和研究机构的专利申请平均会有113份得到授权，每1 000份企业的专利申请平均会有216份得到授权，每1 000份个人的专业申请平均会有218份得到授权. 可见企业和个人的专利授权率几乎是大学和研究机构的2倍.

表3　个体和时间效应检验结果

表4　随机效应和固定效应的检验结果

表5　空间面板数据模型估计结果

表6是空间Durbin面板数据模型偏差修正估计的直接效应和间接效应结果. 结果表明各变量的直接效应和表5中的参数估计存在一些差异，这与模型中存在自变量滞后项有关系. 另外，各类专利申请量的直接效应在1%的水平下均显著，且值均为正，表明各地区的专利申请量增加会引起本地区的专利授权量的增加，这与事实基本吻合，而R&D人员全时当量的间接效应在1%的水平下显著，且取值为正，表明各地区的R&D人员全时当量的增加会增加周边地区的专利授权量.

表6　空间Durbin模型(偏差修正)的直接和间接效应分析

3结束语

影响创新知识生产的因素很多，本文从专利授权量的角度分析了2004-2012年我国省域科研人员、科研劳力及知识存量对知识产出的影响关系，采用空间面板数据模型很好地分析了我国省域间知识生产的空间影响机制.

通过Moran’I指数和LM等检验，最后选定最适合样本数据的空间Durbin面板数据模型. 其中Moran’I指数检验表明我国知识产出存在一定的空间相关性，模型中应该考虑空间性质；LM等检验结果表明空间Durbin面板数据模型不应该简化为SAR或SEM，于是采用空间Durbin面板数据模型的估计结果来分析. 三类专利申请的影响显著且取值为正，表明知识的累积是创新的来源，特别是应该做好来自企业或个人的经验性知识累积. 而R&D经费投入和人员投入的影响不显著，表明我国在将人力资源优势转变成人力资本优势上的成效不高，各类经费支出制度有待改进和完善.

参考文献:

[1] 邓明，钱争鸣. 我国省际知识存量、知识生产与知识的空间溢出[J]. 数量经济技术与经济研究, 2009(5):42-53.

[2] 徐盈之, 朱依曦, 孙刚. 知识溢出与区域经济增长：基于空间计量模型的实证研究[J]. 科研管理, 2010, 31(6):105-112.

[3] 石沛, 蒲勇健. 中国区域创新能力的空间计量经济研究[J]. 科技与经济, 2011,24(4):11-15.

[4] 俞立平. 不同渠道经费对科学与技术贡献的比较研究——基于空间面板模型的估计[J]. 统计与信息论坛, 2014, 29(3):95-113.

[5] Lesage J P, Sheng Y X. A spatial econometric panel data examination of endogenous versus exogenous interaction in Chinese province-level patenting[J]. J Geogr Syst, 2014,16:233-262.

[6] Elhorst J P . Matlab software for spatial panels[J]. International Regional Science Review, 2012,35：377-407.

(编辑：郝秀清)