黄德森　杨朝峰

摘要：首先建立区域创新能力指标体系对2006～2013年我国30个省份的创新能力进行了评价，随后采用探索性空间数据分析把30个省市按创新能力的空间相关性分为4组，并运用空间计量经济学分析方法对我国区域创新能力的收敛性进行了检验。结果表明：2006～2013年我国绝大部分省份的创新能力都经历了一个上升的过程，但不同类别区域之间创新能力的差距越来越大；考虑空间效应影响的俱乐部划分方法使得组内创新能力差异小而组间差异大，较传统的区域创新能力俱乐部划分更为合理；我国区域创新能力不存在整体上的β收敛，但存在着创新能力强的省份集群和创新能力弱的省份集群两大俱乐部收敛现象。

关键词：区域创新能力；俱乐部收敛；空间效应；探索性空间数据分析

DOI：10.13956/j.ss.1001-8409.2017.01.10

中图分类号：F127；F224 文献标识码：A 文章编号：1001-8409（2017）01-0044-05

Abstract： This paper firstly constructs an evaluation index system of regional innovation capacity and evaluates the innovation capacity of 30 provinces by exploratory spatial data analysis from 2006 to 2013. Then， it divides 30 provinces into four groups using ESDA according to the spatial relevance of innovation capacity. Finally， it explores the convergence of regional innovation capacity by spatial econometrics analysis method. Results show that， the innovation capacity of most regions experienced a rising process from 2006 to 2013， but the innovation capacity gap among different class of regions is becoming wider and wider； club division on regional innovation capacity considering spatial effects is superior to traditional ways in terms of smaller intraclass difference and bigger difference among class； the regional innovation capacity of China does not show β convergence， but showes two kinds of the club convergence （province cluster with high innovation capacity and province cluster with low innovation capacity）.

Key words：regional innovation capacity； club convergence； spatial effect； exploratory spatial data analysis

俱乐部收敛是指在经济增长的初始条件等方面都相似的一组区域的经济差距不断缩小，而不同类别区域间的经济差距则没有缩小的趋势[3]。

实际上，区域经济收敛仅仅是一种表象或者说是一种最终结果。在区域经济收敛背后，区域创新能力的收敛程度往往决定了区域经济收敛程度[4]。这一问题已经引起了众多学者的高度关注。Patel和Pavitt采用σ收敛对OECD国家技术创新活动的收敛或发散问题进行了测算[5]。Furman等的研究则发现OECD国家的创新能力存在明显的收敛性[6]。Jungmittag利用时间序列与面板数据的单位根方法研究了欧盟15个国家1963～1998年创新能力的收敛问题[7]。国内学者陈向东和王磊研究发现我国东、中、西三大地区在1996～2005年没有呈现显著的俱乐部收敛趋势[8]。魏守华等研究结果表明尽管东部和中部地区表现为收敛性，但我国区域创新能力在变化趋势上总体表现为发散性[9]。孙建基于空间相关性分析对中国区域创新的收敛性进行了研究，结果表明中国区域创新既存在绝对收敛，也存在条件收敛，而且中国区域创新呈现出东、中、西部三大俱乐部收敛现象[10]。许治等的研究发现21个国家级创新型城市可内生区分为三个俱乐部[11]。潘雄锋和杨越的研究结果表明，我国存在包括12个省份在内的向以领先省市——北京为稳态水平收敛俱乐部，并且对外开放程度、经济发展水平和人力資本对俱乐部收敛将产生重要的影响[12]。已有研究虽然取得了丰富的成果，但还存在一些问题，主要体现在两方面：一是虽然学者们已经认识到区域创新活动的空间相关性，但在实际建模分析过程中又往往忽略了这种影响。二是我国多数学者在研究区域收敛时一般选用东、中、西部三大地带的区域分组方法，这种事先确定好区域分组方法是一种外生的区域分组方法，暗含着东、中、西部地区内部各省份初始创新能力接近的假设。而事实上，我国西部一些省份（如陕西、四川）的创新能力还高于东部某些省份，东、中、西部三大地带的分组方法排除了西部某些省份的创新能力跨地区向东部收敛的可能性。国外绝大多数学者均采用内生的区域分组方法，主要有分类回归树分析（CART）、等级聚类分析、探索性空间数据分析（ESDA）等。在这些区域分组的方法中，只有ESDA方法考虑到了空间效应的影响。此外ESDA分组方法不需要经典计量经济学中样本相互独立的假设，使得其应用范围大大增加[13]。基于以上考虑，本文采用ESDA进行区域创新能力的俱乐部划分并进行收敛性检验。

1研究方法

11区域创新能力的测度

区域创新能力是指区域将新知识转化为新工艺、新产品、新服务的能力。国内外大部分学者们倾向于把区域创新能力看成是一种各项指标的综合能力，认为区域创新能力取决于创新的基础设施、支持创新的环境条件以及两者互动的强度。国内学者大多都从知识的生产、扩散、应用等方面来衡量区域创新能力。综合国内外学者的观点，本文从科技创新过程的角度出发，将区域创新能力的基本构成要素分为区域创新投入能力、产出能力、扩散能力和支撑能力4个部分。在参考已有指标体系的基础上，本文初步构建了包括29个指标的区域创新能力评价指标体系（见表1）。

主成分分析方法是综合评价中常用的方法，但大多数关于主成分分析的应用集中于降维或综合评价。这些应用主要是对某一时点截面数据的静态评价，其评价结果无法反映评价对象的动态性，因而不适合于面板数据。采用主成分分析方法来确定区域创新能力评价指标体系中各原始指标的权重，能够实现对区域创新能力的动态评价。

12ESDA俱乐部划分方法

ESDA区域分组方法以空间自相关测度为核心，能够在考虑相邻区域的创新能力对于本区域创新能力的影响的情况下实现创新能力的区域划分。用ESDA进行区域创新能力分组主要有两个步骤：

第一步，构建空间权重矩阵。每一个区域都通过空间权重矩阵与一系列的邻居区域联系在一起。关于空间权重矩阵的定义有许多种，简单的邻近矩阵是最普遍的选择。

第二步，测度空间自相关，进行区域分组。空间自相关分析分为全局空间自相关分析与局部空间自相关分析，其计算公式分别为：

MoransI=∑ni=1∑nj=1Wij（yi-）（yj-）S2∑ni=1∑nj=1Wij（1）

Local Morans Ii=（yi-）∑nj=1Wij（yj-）S2（2）

式（1）和式（2）中，yi表示第i个区域的创新能力，n是指区域的样本数，Wij为i区域和j区域的邻近权重，和S2分别表示区域创新能力的均值和方差。Morans I取值在-1和1之间，当其取值为正数时说明区域创新能力具有空间正自相关性；当Morans I的取值为负数时说明区域创新能力具有空间负自相关性。Local Morans Ii为正数时，表示i区域与邻近区域创新能力的特征值相似（“高-高”或“低-低”）；Local Morans Ii为负数时，表示i区域与邻近区域的特征值不相似（“高-低”或“低-高”）。因此，局域空间自相关可以揭示区域创新能力的溢出效应。

13收敛性检验方法

与以往的经济收敛研究中所采用的模型类似，本文用区域创新能力替代Barro与Sala-I-Martin提出的经典收敛性检验模型中的人均GDP指标并进行简化[14]，得到区域创新能力β收敛的检验方程为：

1Tlnyi，t+Tyi，t=α+βln（yi，t）+εt（3）

式（3）中，yi，t是第i个地区第t年的创新能力，T为考察期长度，α是常数项，β是收敛系数，εt是随机误差项。当收敛系数的估计值为负且显著时就表明区域创新能力存在绝对β收敛。在估计出收敛系数β后还可以计算出区域创新能力的收敛速度θ，以及创新落后地区追赶上创新发达地区所需的收敛半生命周期τ：

θ=-ln（1+β）t（4）

τ=ln（2）θ（5）

俱乐部收敛是将整体样本划分为若干俱乐部，每一俱乐部内部的成员均存在地理条件、经济发展水平、制度环境等方面的共性。在根据这些特征将各区域划分为不同的俱乐部之后，检验这些俱乐部内部是否出现了收敛，从而将研究视角深入到全样本内部去探寻更微观层面的收敛状况。

本文将在区域创新收敛性检验模型中引入空间计量分析中的空间误差模型（Spatial Error Model，SEM）和空间滞后模型（Spatial Lag Model，SLM）方法，以便将创新的空间溢出效应考虑在内。SEM模型度量了临近区域因变量误差冲击对该区域的影响程度；SLM模型主要用于分析各变量在某地区是否具有溢出效应。根据空间计量基本模型，区域创新能力 式（7）中，ρ是空间自相关参数，衡量区域之间的空间相互作用的程度。考虑空间效应的区域创新能力收敛检验模型不再适合用OLS进行估计，一般采用极大似然法（ML）进行估计而得到可信的参数估计值。

2实证分析

21区域创新能力的测度结果

本文的区域创新能力分析主要以全国30个省、自治区、直辖市（由于缺乏数据，样本未涵盖西藏、香港、澳门及台湾等地区）为分析单元，时间为2006～2013年。

首先根据前文所述方法计算出各年份各指标的权重，为了使区域创新能力的得分不仅在横向（各省份之间）可比，而且在纵向（同一省份在时间上）可比，采用各指标2006～2013年权重的平均数作为各指标的统一权重，在计算各指标在各年份的得分时均以2006年指标的平均值作为标杆，經过加权求和得到2006～2013年各省区域创新能力的综合评价值，见表2。

从图1中可以看出，无论是从基尼系数来看，还是从泰尔指数、变异系数来看，2006～2013年我国创新能力的区域差距总体上呈上升趋势。这说明，尽管在此期间所有省份的创新能力都在上升，一些东部省份（如江苏、浙江、北京、上海等）的创新能力提升较快，而大部分西部省份的创新能力提升较慢，使得区域之间的创新能力差距越来越大。这也从侧面说明了进行俱乐部收敛检验的必要性。

22区域创新能力的空间效应检验及分组

运用Geoda软件，在邻近矩阵的空间权重矩阵基础上计算出Morans I指数（见表3）。

从表3中可以发现，Morans I值均通过了1%的显著性检验，且所有年份的Morans I值都在02以上。由此可见，我国区域的创新活动存在着明显的溢出性，使得区域创新能力在样本期内呈现为一种集聚的倾向，这表明在进行区域创新能力的收敛性检验时空间效应不容忽视。

表4给出了2007年、2009年、2011年及2013年Morans散点图中HH组、LL组、HL组、LH组所覆盖的省份数量的比重情况。结果显示，HH组和LL组覆盖了我国大部分省份，而且这其中的多数省份在表中列出的4个年份中分组属性不变，表明HH组和LL组内的区域创新能力极有可能形成了空间俱乐部收敛。

我国学者在分析中国区域经济增长俱乐部收敛时，大多数都是按照传统的三大地带，即东部、中部、西部来分组。但探索性空间数据分析结果显示，一些中西部省份（如湖北、陕西）的创新能力比部分东部省份（如河北、福建）还高。本文通过计算用于测度区域差异的统计指标泰尔指数来对不同分组方法的优劣进行判断，其判断标准是组内差异较小而组间差异较大，因为这样的分组更符合俱乐部收敛的特点。三大地带划分与ESDA空间分组的泰尔指数计算结果见表5。

由表5可知，传统的三大地带划分得到的区域组内部的差异大于ESDA区域组内部的差异，而其组间的差异又小于ESDA的组间差异。按照前面提到的判断不同划分方法科学性的标准，ESDA得到的4个空间区域组更加符合俱乐部趋同的特点。对比的结果表明，如果在有关收敛研究过程中不考虑我国各省份在创新能力方面差距较大这一事实，而人为地进行区域划分来进行有关俱乐部问题分析，其结论的可靠性可能会受到一定的影响。

23区域创新能力的俱乐部收敛检验

在空间计量模型的选择上，目前通用的做法是先用OLS方法估计不考虑空间相关性的受约束模型，然后进行拉格朗日乘子检验，如果LMLAG检验值比LMERR检验值更显著，那么恰当的模型是SLM模型；如果LMERR检验值比LMERR检验值更显著，那么恰当的模型是SEM模型。空间计量模型检验结果见表6。

从表6可以发现，除了HL组以外，其余各组的LMERR检验值均大于LMLAG检验值，并且其显著性程度较高，说明组间存在空间误差，应选择SEM模型来进行分析。HL组的LMLAG检验值大于LMERR检验值，说明最合适HL组的空间计量模型为SLM模型。此外，在对面板数据固定效应和随机效应模型的选择上，常见方法是做Hausman检验（Hausman，1978），即先估计一个随机效应，然后做检验，如果拒绝零假设，则可以使用固定效应，反之，则使用随机效应[15]。本文用R语言空间计量包splm中的sphtest函数来检验模型是否应该用固定效应模型，计算结果表明，全国及各组的Hausman检验的卡方值均高度显著，说明应该拒绝零假设，适宜采用固定效应模型。因此，本文使用了空间固定效应模型。全国以及分组区域创新能力β收敛检验结果见表7。

从表7中可以看出，尽管区域创新能力存在显著的区域溢出（无论是全国还是分组模型中γ或者ρ的估计值均通过了1%或5%的显著性水平检验），但在不分组时，β估计值没有通过5%的显著性检验，这表明从全国范围来看，区域创新能力是不收敛的。当用ESDA对30个省份的创新能力进行分组后，HH组和LL组模型的整体显著性有了很大的提高，β估计值也分别通过了1%和5%水平下的显著性检验，表明地理位置对地区间创新能力增长的收敛性确有影响。这说明，尽管从全国范围来看，各省份的创新能力不收敛，但我国存在俱乐部收敛，其中LL组的收敛速度为452%，略高于HH组的372%，与之相对应的创新能力收敛的半生命周期分别为153年和186年。

3研究结论与政策启示

本文首先建立区域创新能力指标体系对2006～2013年我国30个省份的创新能力进行了评价，随后采用探索性空间数据分析把30个省份按创新能力分为4组，并运用空间计量经济学的分析方法对我国区域创新能力的收敛性进行了检验。

本文的研究结论一方面说明，创新要素天然地分配不均，而且随着市场经济的不断深化，创新要素跨区域、跨国家流动会越来越加速，创新要素的集聚在未来会进一步强化，在这种情况下，区域创新能力之间差距的存在将是一个长期存在现象。因此，人为地采取均衡化发展策略违背了市场的规律，不仅享受不到创新要素集聚效应所带来的好处，而且最终会使得所有地区都得不到发展，陷入一种低水平的均衡。尤其是对于我国这样一个区域差异大、创新资源又相对匮乏的国家，各区域要实现均衡发展几乎是不可能的。采用非均衡发展策略并不意味着放弃了对区域均衡的追求。现阶段虽然追求整体上的区域创新能力收敛是不切实际的，但可以通过推进俱乐部收敛，使得更多的省份进入高创新能力的行列，进而带动更多省份提高其创新能力。因此，一方面要通过加强俱乐部内各区域产品、资本、技术、人才、信息的流动，提高俱乐部收敛的速度；另一方面国家要在研发项目的布局中，考虑不同俱乐部的特征，对区域经济规模、产业结构、研发实力等方面进行合理布局、错位发展，发挥区域创新能力强的省份的引领、辐射作用，最终实现我国区域经济发展的收敛。

参考文献：

[1]Ramsey E. A Mathematical Theory of Saving[J]. Journal of Economics， 1928， 38（152）： 543-559.

[2]王志剛.质疑中国经济增长的条件收敛性[J].管理世界，2004（3）：25-30.

[3]Baumol W. Productivity Growth， Convergence， and Welfare[J]. American Economic Review， 1986（76）： 1072-1085.

[4]Arechibugi D Pianta M. Aggregate Convergence and Sectoral Specialization in Innovations[J]. Journal of Evolutionary Economics， 1994， 4（1）： 17-33.

[5]Patel P， Pavitt K. Uneven and Divergent Technological Accumulation among Advanced Countries： Evidence and a Framework of Expiation[J]. Industrial and Corporate Changes， 1994， 3（3）： 759-787.

[6]Furman J L， Porter M E， Stem S. The Determinants of National Innovative Capacity[J]. Research Policy， 2002， 31（6）： 899-933.

[7]Jungmittag A. Innovation Dynamics in the EU： Convergence or Divergence？ A Cross-country Panel Data Analysis[J]. Empirical Economics， 2006（3l）： 313-331.

[8]陈向东，王磊.基于专利指标的中国区域创新的俱乐部收敛特征研究[J].中国軟科学，2007（10）：76-85.

[9]魏守华，禚金吉，何螈.区域创新能力的空间分布与变化趋势[J].科研管理，2011（4）：152-160.

[10]孙建.中国区域创新内生俱乐部收敛研究——空间过滤与门槛面板分析[J].科学学与科学技术管理，2011（7）：74-80.

[11]许治，陈志荣，邓芹凌.国家级创新型城市技术成就指数俱乐部收敛效应[J].科学学研究，2013（5）：790-800，650.

[12]潘雄锋，杨越.中国区域创新的俱乐部收敛及其影响因素研究[J].科学学研究，2014（2）：314-319.

[13]张伟丽，覃成林，李小建.中国地市经济增长空间俱乐部趋同研究——兼与省份数据的比较[J].地理研究，2011（8）：1457-1470.

[14]Barro R J， Sala-I-Martin X. Convergence[J]. Journal of Political Economy， 1992， 100（2）： 223-251.

[15]Hausman J.A. Specification Tests in Econometrics[J]. Econometrica， 1978， 46（6）： 1251-1271.

（责任编辑：李镜）