郑健壮 李 彬

(1.浙江大学城市学院,浙江 杭州 310015;2.浙江大学 管理学院,浙江 杭州 310058)



大学水平对城市创新能力的影响研究
——以我国200个地级市及北京市为例

郑健壮1李 彬2

(1.浙江大学城市学院,浙江 杭州 310015;2.浙江大学 管理学院,浙江 杭州 310058)

大学和城市是相伴共生的有机体。文章以2014年全国GDP排名前200的城市为样本，采用结构方程模型验证城市的大学水平与城市创新能力的相关性。然后，以北京为例，采用协整检验(格兰杰因果检验)验证北京市所有大学与北京市区域创新能力的相关性。实证发现：大学生和大学教师的数量以及大学质量对区域创新能力有显著促进作用，大学生数量是引起北京经济增长的格兰杰原因。

大学水平；城市创新能力；结构方程模型；协整检验

世界各地经济发展的成功经验表明，保持城市经济的可持续发展，关键在于城市创新能力，而城市创新能力提升的关键在于人才供给和知识溢出。硅谷发展的一个重要因素是斯坦福大学、加州大学伯克利分校等世界顶级的聚焦于工程领域的大学和研究机构的存在；中关村发展是因为有中科院、北京大学和清华大学的环抱；上海作为世界新兴金融中心，是因为有上海财经大学、复旦大学和上海交通大学等一批聚焦经济、金融与管理学科的中国顶级大学；杭州作为著名的“女装之都”，同样是因为拥有中国美术学院、浙江大学和浙江理工大学等聚焦于服装和艺术设计的中国顶级大学。可以说，大学已成为当今社会经济发展的“发动机”和社会的轴心机构。

一、文献综述

自1088年世界上第一所大学(博洛尼亚大学)成立以来，大学与城市的关系总体经历了由相对孤立转变为密切关联，从简单单一发展转变为多元交织的过程，最终使大学和城市成为相伴共生的有机体。*何健、贺俊英：《大学与城市发展的互动分析及其对城市规划的启示》，《江苏高教》2016年第2期，第81-82、102页。大学的发展产生了相应的学科和学科链，而学科和学科链进一步催生、带动产业链，进而影响城市的经济社会发展。*章仁彪、王雁：《大学与城市互动:矛盾与对策分析》，《高等工程教育研究》2008年第3期，第11-14、38页。因此，城市所在地大学的科学定位也越显重要。李国超(2016)针对当前我国高校确立发展目标过程中普遍存在的趋同现象，提出了“高校发展目标定位绩效评价指标”，并将“定位的合理性”作为5个指标中最重要的指标(权重为0.217)*李国超：《高等学校发展目标定位绩效评价研究》，《高等工程教育研究》2016年第2期，第110-114页。,主要包括：定位契合经济社会发展程度(0.325)、定位契合高等教育发展程度(0.333)、定位特色及契合高校办学传统与条件程度(0.342)。所有这些都说明，大学对城市发展有重要作用。但综观我国聚焦于大学和城市关系的相关研究，大都是定性分析或案例研究，借助于统计方法的大样本研究相对缺乏。

从城市的视角研究大学整体水平与地方创新能力的相关性，首先要界定大学整体水平和地方创新能力两个指标。目前国内外对大学整体水平的评价主要有THES评价体系、U.S.NEWS评价体系、广东管理科学研究院中国大学评价体系和中国校友会网大学评价体系等四个体系。*黄岚：《国内外大学评价体系的发展比较与演进方向探析——第三方评价的视角》，《南京理工大学学报(社会科学版)》2016年第2期，第73-79页。2014年《泰晤士报高等教育副刊》世界大学评价体系主要包括教育环境、学术研究、知识转移和国际视野4个一级指标；《美国新闻和世界报道》评价体系主要有学术声誉、新生录取的竞争性、教师资源、毕业率及保持率、经费资源、校友捐赠和毕业率改进绩效7个一级指标；广东管理科学研究院中国大学评价体系主要包括人才培养和科学研究两大方面；中国校友会网大学评价体系主要包括人才培养、科学研究和社会影响3个一级指标。大学发展的根本动力在于学术力，大学学术力就是指学术环境中的人(学者)与学术资源相结合，通过知识传授、传播、发现与应用所体现出来的培养人才、发展知识和服务社会的能力。*张艳红、董慧：《学术力:大学生存与发展的核心动力》，《河北师范大学学报(教育科学版)》2015年第2期，第93-97页。因此，尽管评价机构对大学评价的侧重点不同，但人才培养、科学研究是关键，并由此形成了大学的教学质量。

尽管目前还没有较统一的城市创新能力的定义，但可以借鉴的一个概念是区域创新能力。20世纪90年代初，英国学者库克首次提出了区域创新概念*Cook P, Regional Innovation Systems: Competitive Regulation in the New Europe, Geoforum,1992,No.3,pp.365-382.，认为区域创新体系是由一定区域内相互关联的企业、研究机构和高校等组成的相互支持的创新型系统。而后国内外学者提出了区域创新能力(Regional Innovation Capability)的概念，认为区域创新能力是以区域内技术能力为基础的、实施产品创新和工艺创新的能力*黄鲁成:《关于区域创新系统研究内容的探讨》，《科研管理》2000年第2期，第43-48页。，其实质是区域主体(企业、高校和科研机构)运用技术和知识以得到创新产出的能力。2013年初，我国科技部在广泛征求社会意见的基础上，最终形成由创新环境、创新资源、企业创新、创新产出和创新效果5个一级指标构成的“区域创新能力监测指标体系”。

本研究希望从大样本实证研究的视角，研究城市的大学水平与城市创新能力的相关性。选择2014年全国GDP排名前200名的地级市作为样本，这200个城市包含了2 017所大学。本文以下部分主要包括：首先，确定自变量(城市大学水平)和应变量(城市创新能力)测量指标，并建立“大学整体水平与地方创新能力的相关性初始假设模型”；其次，对200个城市提炼相关的统计数值，运用结构方程方法对上述两个变量的相关性进行实证研究，进而修正“初始假设模型”；再次，以北京市为例，从具体城市的视角研究大学水平与城市创新能力的相关性；最后，根据研究结论提出政策建议。

二、测量指标与模型构建

(一)区域内大学整体水平测量指标

基于大学的三个基本功能:教学、科研和社会服务，笔者拟选用在校大学生数量、大学专任教师数量和大学质量三个观察变量来衡量区域内大学整体水平。*郭广生：《内涵发展着力提升有特色高水平大学核心竞争力》，《中国高等教育》2012年第19期，第25-27页。前两者主要反映教学水平，而大学质量用来反映科研和社会服务能力，即除去大学生数量与教师数量以外的其他因素全归于大学质量。大学质量的评价标准采用艾瑞深中国校友会网大学研究团队发布的中国大学排行榜。文中在校大学生数量和大学专任教师数据均采用各城市2014年统计年鉴数据，而大学质量的量化数据来自中国校友会网发布的2014年中国大学排行榜的数据。由于大学排行榜只包含中国排名前700所大学且得分区间在60至100分，所以，在大学排行榜内的大学，其得分直接取自排行榜的分数；排行榜以外的大学，考虑到本、专科院校之间的差距，每所本科院校以50分代替，专科院校以35分代替。

(二)区域创新能力测量指标

基于科技部“区域创新能力监测指标体系”，考虑数据的可得性，笔者撇开“创新环境”和“企业创新”2个一级指标，选用区域R&D人数(反映创新资源)、区域内专利授权数(反映创新产出)、第三产业增加值(反映创新效果)来衡量区域创新能力。这里需要说明的是，文章没有采用“第三产业增加值占比(%)”，是因为200个城市该指标始终保持在0.3～0.5之间，差距非常小(几乎呈水平直线)，失去了统计意义。

(三)模型构建

笔者运用Amos软件绘制“城市的大学整体水平与创新能力的相关性”的初始假设模型(见图1)。构建模型后，导入数据，进行第一次运算。检验结果见表1第三列。结构方程模型的评价通常包括三个方面：参数检验、拟合程度检验与解释能力评价。*吴明隆：《结构方程模型——Amos的操作与应用》，重庆大学出版社2009年版,第52-53页。笔者首先让模型满足参数检验，再做后面两项评价。参数检验的标准见表1。

图1 初始假设模型

指数名称评价标准初次拟合最终拟合最终结果是否符合标准绝对拟合指数χ2越小越好436.706 7.045是GFI大于0.90.6030.988是RMR小于0.05,越小越好0.0030.000是RMSEA小于0.05,越小越好0.0840.045是相对拟合指数NFI大于0.9,越接近1越好0.6850.996是TLI大于0.9,越接近1越好0.4810.993是CFI大于0.9,越接近1越好0.6890.998是信息指数AIC越小越好46041.045是CAIC越小越好512114.116 是

三、实证研究

(一)模型修正

根据第一次拟合度，对比拟合度检验标准，发现第一次的拟合效果不够理想，所以需要对模型进行修正。通过修正调整，得到最终模型(见图2)。该模型中，χ2=7.045，df=4，各项拟合指数检验均符合评价标准，各变量路径在P<0.05水平上均是显著的，因此，该模型是可以被接受的。

图2 修正后的最终模型

(二)实证结果

实证结果表明，大学专任教师数量对R&D人数和第三产业增加值有显著影响，大学生数量对第三产业增加值和专利授权数量有显著影响，而大学质量对专利授权数和第三产业增加值有显著影响。同时，教师数量和大学质量有正相关关系，R&D人数对于专利授权数量有显著影响。

1.专任教师数量与创新能力。高校专任教师数量之所以影响地方(城市)R&D人数，具有以下两个原因：其一，高校专任教师数量本来就被纳入地方(城市)R&D人数之内。2013年我国高校R&D人员占全国R&D总人数的9.3%。*科学技术部创新发展司:《2013年我国高等学校R&D活动分析》，2015-03-12，http://www.most.gov.cn/kjtj/201508/P020150817347260155878.pdf。其二，高校专任教师往往参与地方R&D活动，从而“正反馈”地方R&D人数的增加。因此，高校专任教师数量不仅能够影响区域R&D人员，而且会影响第三产业产业增加值的增加，进而影响地方创新能力。

2.大学生数量与创新能力。大学生对于地方创新能力的影响体现在以下两方面：一是专利数的增加。大学生在校期间从事发明创新，大学生就业后作为高素质人才进行专利的发明(但往往具有滞后性)。比如2014年中关村超过了4.5万件专利申请量和2.8万件的专利授权*孙奇茹：《“高精尖”占中关村经济超七成》，《北京日报》2016年1月13日，第5版。，与其从业人员中50%具有本科及以上学历有明显关系。二是大学生能促进第三产业增加值，因为多数大学毕业生从事第三产业。有调查显示，2015年全国对应届生需求最高的十大行业中有八个属于第三产业(见表2)。*《盘点最缺应届生的十大热门行业》，2015-08-03，http://career.youth.cn/zxzx/201508/t20150804_6958168.htm。

表2 2015年6月全国应届生需求最多的行业和职位

3.大学质量与创新能力。2014年我国大学共有专利授权数8.5万件，占全国专利授权数的6.5%。*资料来源：《中国统计年鉴(2015年)》。2015年中国大学专利发明奖排名前30名全是重点大学，重点大学申请的发明专利占高校总申请量的80%以上。高质量大学具有高创新性，这充分说明大学质量与专利申请和授权之间存在相关性。文中每个城市的大学质量数据，是该城市涵盖的所有大学质量评分的总和，因此,城市大学质量不仅取决于每一所大学的质量，也取决于该城市的大学数量，大学数量越多，则累加的该城市整体大学质量越高。

四、大学水平对区域创新能力的具体影响：北京为例

本部分以北京市为例，具体研究特定区域内大学水平对其创新能力的影响。之所以选择北京市作为分析对象，是因为其作为全国高等院校最密集的区域之一，大学生数量、质量和高校质量在全国各大城市中都是领先的，研究北京区域大学水平对当地的影响，对全国各地来说具有借鉴意义。下文将分别从大学水平与北京市历年第三产业增加值、北京市历年专利授权数之间的因果关系两个方向展开研究。

(一)北京市概况

作为我国政治中心、超大城市和经济大市的北京，2014年GDP产值达2.13万亿元，其中第三产业增加值1.66万亿元，第三产业贡献率为78.3%。2014年底，北京市常住人口2 151万人，高校在校生59.46万人，从事高等教育的教职工14.89万人。北京市拥有89所高校，其中26所为“211工程”院校，科研机构有80个。2014年北京市有科技活动人员72.68万人，R&D人员34.32万人，专利申请13.8万件，专利授权7.46万件，规模以上有R&D活动的企业1 140家，占规上企业总数的31%。*资料来源：《北京市统计年鉴(2015年)》。

(二)协整检验

基于罗伯特·恩格尔和克莱夫·格兰杰的协整理论、误差修正模型和因果检验理论，通过对1988—2014年北京市第三产业增加值、专利授权数、大学生数与专任教师数等数据的采集，分析大学生数、专任教师数与北京市第三产业增加值、专利授权数之间是否存在长期的均衡关系，以及三者之间是否具有格兰杰因果关系。

1.协整检验模型介绍。经典回归模型是建立在变量平稳的基础上，如果对非平稳序列采用经典回归方程拟合则容易造成虚假回归，影响判断，而协整检验正好弥补了这一稳定假设的不足。协整(Co-integration)最初由格兰杰于1981年提出概念性设想，后由恩格尔与其一起于1987年提出严谨的定理证明及具体的可操作框架。协整检验用于检验变量之间是否存在稳定关系，该模型近年来已被广泛应用于分析时间序列变量之间长期稳定均衡关系。

这里需要说明的是，做时间序列分析至少需要30个样本。根据本文第二和第三部分的阐述，在自变量选择方面，应该采用大学生数量、大学专任教师数量和大学质量三个指标，但大学排行榜(大学质量)是从2003年才开始的，如果从2003年起计算，则截至2014年只有12数据，即12个样本，达不到做时间序列分析的基本要求。所以，只能选择前两个指标近似地衡量城市大学水平；在因变量方面，应该采用R&D人数、专利授权数和第三产业增加值来衡量城市创新能力，但北京市R&D人数的统计数据从1996年开始，截至2014年仅18年时间，即18个样本，数量远远低于30个。因此本文分别以历年专利授权数和第三产业增加值作为因变量。文中的学生数、专任教师数、专利授权数和第三产业增加值均来自《北京市统计年鉴(1989—2015年)》(见表3)。笔者用SCY、ZL、XS和JS分别表示第三产业增加值、专利授权数、大学生数和专任教师数。为消除时间序列中存在的异方差现象，对变量进行对数变换，其对数形式分别是LSCY、LZL、LXS和LJS。其中第三产业增加值以1978年为起点，进行GDP平减指数的平减处理。

表3 1988—2014年北京市各项指标汇总表

注：平减指数以1978年北京地区生产总值为100作为计算基础。根据北京历年地区生产总值指数，首先计算出历年北京实际GDP,然后根据名义GDP和实际GDP计算出历年的平减指数，最后将第三产业增加值进行平减处理。

2.变量的平稳性检验。本文运用ADF检验法，分别对LSCY、LZL、LXS、LJS平稳性进行检测，其结果见表4。从表4可以看出，解释变量LJS、LXS均是非平稳序列,LXS～I(2),LJS～I(2)，被解释变量LSCY、LZL也是非平稳序列，满足LSCY～I(2),LZL～I(2)。所有序列均为二阶平稳序列。根据相关理论，当检验的数据是非平稳(即存在单位根)，并且各个序列是同阶单整(协整检验的前提)，以进一步确定变量之间是否存在协整关系，可以进行协整检验。下文将以SCY和ZL作为被解释变量，以JS、XS作为解释变量，分别对第三产业增加值与师生数量和专利授权数与师生数量之间进行协整检验。

表4 ADF检验结果

注：d表示个变量的一阶差分，dd表示二阶差分，检查类型的C、T、K分别表示常数项、时间趋势、滞后阶数。

3.协整检验。为进一步分析专任教师数、大学生数与第三产业增加值和专利授权数之间是否存在长期均衡关系，还需要对变量进行协整检验。协整检验用于检测两个或以上的时间序列变量长期的稳定情况。由于待检变量有三个，不能用常规的EG两步法，本文采用Johansen检验进行变量的协整分析，Johansen协整似然比检验的假设是：

H0：有0个协整关系

H1：有多个协整关系

图3 专任教师数、学生数与第三产业增加值 的Johansen检验结果

由图3可知，在5%的显著性水平下，13.72640<15.49471,则接受原假设，认为存在一个协整方程。该方程表明，从长远来看，大学生数、大学专任教师数与第三产业增加值存在长期均衡关系。根据标准化协整方程系数(见图4)，该均衡关系可以表示为：

elt=LSCY-2.6256LJS-0.3754LXS

(1)

图4 专任教师数、学生数与第三产业增加值 的标准化协整系数

由图5可知，在5%的显著性水平下接受原假设，存在一个协整方程。该方程表明，从长远来看，大学生数量、大学专任教师数量与专利授权数存在长期均衡关系。根据标准化协整方程系数(见图6)，该均衡关系可以表示为：

elt=LZL-8.1433LJS+1.1593LXS

(2)

图5 专任教师数、学生数与专利授权数 的Johansen检验结果

图6 专任教师数、学生数与专利授权数 的标准化协整系数

在确定了变量之间的协整关系之后，需要检验协整关系的正确性。本文用AR根的图表验证。当AR特征方程的特征根倒数绝对值都小于1，即落在单位圆内，则可认为模型是稳定的，是有效的。AR根检验结果如图7、图8所示，所有的特征根都落在单位圆内，表明模型是稳定、有效的。

图7 专任教师数、学生数与第三产业增加值 的AR根检验结果图

图8 专任教师数、学生数与专利授权数 的AR根检验结果图

4.格兰杰因果检验。之前分析证明了第三产业增加值、专利授权数与大学生数、专任教师数存在长期稳定的关系，并且论证了该稳定关系是有效的，那么这种长期稳定关系是否具有因果关系？格兰杰因果检验法可用于检验变量之间是否存在因果关系。格兰杰因果检验的原假设是变量A不是变量B的格兰杰原因。根据图9和图10显示，在90%置信区间内，学生数量是教师数量增长的格兰杰原因，同时学生数量增长是专利授权数量增长的格兰杰原因，教师数量增长是第三产业增加值增长的格兰杰原因。

图9 专任教师数、学生数与第三产业增加值 的格兰杰因果检验结果

图10 专任教师数、学生数与专利授权数 的格兰杰因果检验结果

五、结 语

从全国200个地级市的大样本以及北京市案例的实证研究，基本证实城市的大学水平与其创新能力存在显著的相关性。基于此，笔者提出以下三点建议：第一，应进一步扩大招生比例，普及高等教育。目前我国高等教育普及率在全球排名中等，据第六次全国人口普查数据显示，我国受高等教育人口比例为8.86%，远远低于发达国家。高等教育普及率最高的三个国家分别是加拿大、以色列和日本，其拥有大学学位人群所占比例分别达到51%、46%和45%。《国家中长期教育改革和发展规划纲要(2010—2020年)》指出，到2020年我国高等教育的入学率将达到40%，这就要求大力普及高等教育。第二，要加大“政产学研”四轮驱动，极大地促进产学研成果的产出速度。在高校发展过程中，政府应扮演好“导航”角色，不能“既导航，又划桨”。第三，要提升大学科研成果的转化率。可借鉴斯坦福大学的经验，成立专门的技术许可办公室，校内师生的技术活动转化均通过技术许可办公室来完成。该办公室的主要职能是负责大学技术转移的规划、监督、协调与服务等执行层面的工作，职能贯穿于科研立项、开发、技术转移和产业化的全过程。发明人将技术成果交由技术许可办公室，之后的营销、宣传谈判与合同等事务都交由办公室完成，技术发明人只管坐等分成。

本文采用大样本的统计实证研究方法，探讨大学水平与城市创新能力之间的关系，弥补了以往案例研究和定性研究在方法论上的缺陷，为该领域的研究提供了一种新的方法。但受获取统计数据的限制，城市创新能力等指标的设置仍存在不够理想的地方，需要在后续的研究中予以完善。

(责任编辑 陈汉轮)

An Empirical Study on the Correlation between University Standard and City’s Innovation Ability: Taking 200Prefecture-level Cities and Beijing as Examples

ZHENG Jianzhuang1& LI Bin2

(1.ZhejiangUniversityCityCollege,Hangzhou,Zhejiang, 310015,China;2.ManagementSchoolofZhejiangUniversity,Hangzhou,Zhejiang, 310058,China)

Universities and cities are symbiotic organisms. This paper takes the first 200 cities in the 2014 national GDP ranking (including 2017 universities) as samples, and uses structural equation model to verify the correlation between cities’ university standard and innovation ability. It then takes Beijing as an example and uses the co-integration test (Granger causality test) to study the correlation between universities in Beijing and Beijing’s regional innovation ability. It is found that the numbers of university students and lecturers, and the quality of universities have a significant effect on the regional innovation ability, and the number of university students is the Granger cause of Beijing’s economic growth.

university standard; city’s innovation ability; structural equation model; co-integration test

2016-09-10

浙江省软科学研究重点项目(2016C25026)

郑健壮,男,浙江宁波人,教授,博士,硕士生导师,研究方向为产业集群。

管 理 经 济

10.3969/j.issn.1671-2714.2016.06.006