陈玉杰,庞玉萍,彭 毅

(郑州大学 商学院，河南 郑州 450001)

数据表明，90%的创新行为发生在城市，城市规模与城市创新能力之间有关系吗？本文基于河南省地级市面板数据的实证研究结果表明，城市规模和城市创新能力之间具有显著的正相关关系。此结论的政策启示是，创新并不是遍地开花，而是主要发生在具有一定规模的城市，推动城市创新应该有重点、有针对性。

一、理论基础与文献综述

(一)城市规模影响技术创新的理论机制

1.城市规模与集聚经济

规模扩大带来的效益既可以是单个企业的内部经济效益，也可以是企业集群的外部经济效益。外部经济即是“集聚经济”，包括地方化经济(与同类商品或服务的生产者毗邻，也称专业化集聚)和城市化经济[1](与一系列商品或服务的生产者毗邻，也称多样化集聚)。地方化经济来自MAR(Marshall-Arrow-Romer)型外部性，这一理论由Marshall首次提出，后经Arrow和Romer做了修正和补充，该理论认为同一产业公司集聚在一个地方有利于知识外溢与扩散，以及专业化的劳动力、供应商和顾客、销售商的共享，有助于单个厂商的成本节约和技术创新，从而有利于地方经济增长。城市化经济来自Jacobs型外部性，该理论认为不同产业的公司集聚在一个地方，不仅可以分享城市基础设施和生产性服务业，还有利于跨产业的知识互补和创新搜寻，多样化产业的集聚比同类产业集聚更能促进经济增长，这种来自不同产业的集聚效应被称为城市化经济[2]。

2.集聚经济与技术创新

无论是地方化经济还是城市化经济都有利于技术创新的产生。技术创新是一项高难度、高成本的社会经济活动，其产生离不开人才、生产要素及知识交流。而城市作为人口、生产要素和知识交流的集聚地，成为技术创新产生的主要场所。城市是人口的集中地，城市规模越大，其职业越多样化，人才越专业化，职位与人才的匹配度越好，带来更高的工作效率和技术创新。而且，大城市里不同职业、不同背景人们的“面对面”交流更有利于新思想、新方法的产生和传播，有利于技术创新。城市中集聚着大量的生产要素，为技术创新提供便利的创新环境，城市规模越大，其掌握的要素越多，资本越充足，可以持续投入更多的创新资本，推动技术创新发展。城市具有多样化的产业和众多的消费者，城市规模越大，产业越多样化，消费市场越大，新技术和新产品可以迅速转化为批量产品，走向市场，为研发活动带来经济回报，保证技术创新的持续性发展。

(二)文献综述

关于城市规模(城市化)、集聚经济与技术创新之间的关系，国内外学者进行了大量探索。比较有代表性的研究有：Koichi Mera(1973)将衡量大城市在全国人口中所占比例的城市集中程度与国家经济增长率间的差异联系起来，得出城市化一般会增加受影响地区的人均收入，相较于欠发达国家的城市，大城市的生产力可能会更高[3]。Hongyong ZHANG(2015)利用1998～2007年中国企业层面的数据，实证分析了集聚经济对企业层面产品创新的影响，结果表明城市人口和人口密度对产品创新都有显著的正向影响，说明高集聚城市的企业具有正的外部性，新产品引进倾向和新产品强度比较高[4]。Seongsoo Jang和Jinwon Kim等(2017)使用全局 Moran’s I 和LISA分析了MGDs产品创新活动中存在的空间依赖性，并从微观角度研究得到结论，特定的产品创新活动会受到空间聚集的影响[5]。

在国内研究中，梁琦、钱学锋(2007)对城市和空间经济学中关于聚集经济的重要理论和实证文献进行了系统的梳理和总结[6]。实证方面，高翔(2015)通过1997～2010年中国地级及以上城市的数据构建回归模型验证城市规模以及人力资本对人均创新产出的影响，研究结果支持城市规模增大产生的集聚经济能够显著提高城市的创新能力[7]。刘鹏、张运峰(2017)基于我国2008～2013年264个地级及以上城市的面板数据，利用空间杜宾模型实证分析了产业集聚、FDI及城市创新之间的关系[8]。刘萌萌(2018)认为城市密度能够提高生产率，大城市更有利于科技创新资源的集聚[9]。周宇(2018)使用2003～2013年间全国各地级市的面板数据，在Hausman检验的基础上，建立固定效应面板回归模型，进一步分析不同地区的城市规模对创新能力的影响是否有显著差异。根据所得模型，就业密度每增加1%，能促进专利产出提高0.14%[10]。付琦、卓乘风等(2018)建立空间计量模型，对中国30个省域近十年的数据做实证分析，认为工业化和城市化的发展能够促进城市创新能力的提高，另外城市化和工业化的交互作用会增加影响效果[11]。

二、实证研究设计

(一)模型设定

为探究城市规模对城市创新能力的影响，我们使用的基本面板数据回归模型如下：

innoit=α+β1densityit+β2gdpit+βXit+Ai+δi+εit

其中，i为城市，t为年份，innoit是基本模型的因变量，表示城市创新能力，我们以万人专利授权量作为代理变量；densityit用以表现城市聚集程度，以城市就业人口密度衡量;gdpit表示城市的生产总值，以上两个指标用以衡量城市规模；Xit代表影响城市创新能力的控制变量；Ai即各个城市在不同时间内变化不大的影响因素，可以称为城市固定效应；δi为时间固定效应，表示对于不同时点城市间变化较小的影响因素；εit为随机扰动项，包括可能影响城市创新能力但没有加入模型的随时间变化的其他影响因素。

随机干扰项中可能包含了各地不同机构的研发投入、地方性政策或城市经济结构等。由于这些变量的数据难以获得或是仅有相近变量，因此无法在模型中精确体现，倘若这些变量与主要自变量有相关关系，那么会产生回归结果中自变量系数的偏误。即使在OLS回归模型中加入城市固定效应和时间固定效应，但如果未包含变量每年的变动与核心变量之间的相关关系同样会影响结论的准确性。本文在解释变量中加入了被解释变量的滞后项构建动态面板模型从而进一步减少随机扰动项对模型的影响，同时采用GMM估计的结果减少滞后项和随机扰动项相关造成的估计偏差。

(二)相关变量选取

关于城市创新能力的衡量，现有的研究通常采用专利数量作为标准。我国知识产权局公布数据包括历年专利授权量与申请量，同时专利又被分为三类：外观设计专利、实用新型专利与发明专利。关于城市创新能力的测度，本文使用的是每万人总体专利授权量。

本文用就业人口密度、年度生产总值作为衡量城市规模的标准。就业密度是就业人数与城市面积的比值。根据统计年鉴计算方式，地区就业人数为城镇单位从业人员年末数与城镇私营和个体从业人员数之和。其他控制变量方面，本文采用万人在校大学生数作为间接反映当地人力资本水平的指标。用人均科技支出反映该城市对科技创新的资金总体投入。FDI可能对本土企业的技术创新有溢出效应，因此我们用规模以上港澳台和外商投资企业的工业总产值来反映溢出效应。人均电信服务额作为城市现代通信技术状况的体现。此外，本文将人均城市建设面积作为体现该城市总体开发状况的代理变量。

三、实证分析

(一)数据处理

本文使用2007～2016年河南省地级市层面的面板数据，其中专利数据来源于河南省知识产权局各年年报，其他变量的数据均来自历年的《中国城市统计年鉴》，另外在实证分析时，本文将所有变量进行对数化处理。由于考虑到发明专利申请受理的时间一般为1～2年以及创造发明的时间，本文回归方程的自变量均滞后三年。在实证分析时使用Stata14进行数据分析。各变量的原始数据全样本描述性统计结果见表1。

表1 各变量的原始数据全样本描述性统计结果

(二)静态面板数据回归

本节关注静态的短面板数据，先后构建混合回归模型、固定效应模型和随机效应模型分析城市规模对城市创新能力的作用机理。回归结果如表2所示。

表2 回归结果

注：***p<0.01,**p<0.05,*p<0.1.

1. 混合回归模型

首先假定不存在个体效应，那么我们可以直接将所有数据当做横截面数据一起进行最小二乘估计。由回归结果可知，就业人口密度、城市生产总值对专利密度产生一定正向效应。控制变量方面，除了人均科技支出对人均创新产出作用不显著之外，其余变量均有显著影响。由于面板数据一般具有较明显的个体效应，主要以固定效应和随机效应的形态存在，因此下文还需对数据进行进一步分析

2. 固定效应模型

由于每个城市的地方政策、行政级别、位置都有所不同，而这些差异在各年度之间差异很小，因此我们还需要考虑到固定效应模型(FEM)。对于固定效应模型，回归结果显示R2=0.890，表明固定效应模型的拟合效果良好。

表2中“rho=0.928”，表明个体效应的变动主要解释了复合扰动项(ui+εit)的方差。此外，回归结果中同时输出了一个F检验，其原假设为“H0:all ui=0”，即不拒绝混合回归模型。在本次回归结果中，F值为169.132，p值等于零，显著拒绝原假设。另外，输出结果中还包含了一个F检验，其原假设为“H0:all ui=0”，即接受混合回归。在本模型中F检验值为169.132，p值为0拒绝原假设，表明对于本次研究而言，个体之间是存在差异的，因此不能简单地使用混合回归模型，固定效应模型能更好地贴合研究对象。

3. 随机效应模型

根据固定效应的回归结果基本可以确定面板数据中存在个体效应，由于个体效应包含两种形式：固定效应与随机效应，因此我们同时也需要通过建立随机效应模型进行进一步验证。根据Stata输出的回归结果看，模型调整后的R2为0.876，说明模型整体上的拟合效果良好。

表3 LM检验结果

根据LM检验结果，P值为0，因此强烈拒绝原假设，认为相较于混合回归模型，随机效应模型的拟合效果更优。

接下来我们使用Hausman检验进一步讨论随机效应模型和固定效应模型的适用性，得到的辅助回归结果见表4。

表4 辅助回归结果

由于p值为0，因此强烈拒绝原假设“H0:ui与xit,Zi不相关”，认为应该使用固定效应模型而非随机效应模型。

根据固定效应模型拟合结果，模型总体R2为0.890，基本能够解释样本的方差，就业人口密度和城市生产总值对被解释变量有显著正向作用，就业人口10%的增加量会带来专利授权密度3.96%的提高，城市生产总值10%的增加量会带来专利授权密度15.4%的提高，可见城市规模的大小对城市创新能力的影响较大(一般来说，城市规模越大，城市生产总值越大)。另外，控制变量方面，代表人力资本水平的每万人在校大学生数对因变量产生正向影响，这是符合现实情况的，每万人在校大学生数提高10%，专利授权密度提高3%。人均城市建设面积对因变量也产生正向影响，说明城市人均建成区面积越大，城市创新能力越强。城市建成区面积通常和城市财政水平、城市生产总值正相关。人均外资工业产值对因变量产生负向影响。在以往的实证研究中，外资对本土企业、地区的技术创新影响是不确定的，具有“双刃剑”的作用，一方面随着外资进入，会带来先进技术，促进本土企业的技术创新，另一方面会抑制本土企业的创新动力[12]。人均科技支出和人均电信业务收入这两个变量与因变量之间的关系不显著。

(三)动态面板数据回归

由于经济活动通常存在的惯性，会使得过去行为对当前行为产生影响，因此有必要在自变量中加入因变量的滞后项构建动态面板模型，本文利用Arellano and Bond(1991)提出的动态估计方法，用以有效控制内生性以及自变量之间的共线性问题，同时在解释因变量时控制可能遗漏的独立变量[10][13]。本节分别通过差分GMM和系统GMM两种方法构建动态回归模型。被解释变量的一阶滞后值作为解释变量，并选择所有可能的滞后值，使用稳健标准差(允许存在异方差)，由Stata得出的回归结果见表5，其中模型4为差分GMM估计结果，模型5为系统GMM估计结果。

表5 Stata回归结果

续表5 Stata回归结果

注：***p<0.01,**p<0.05,*p<0.1 .

表5中的结果表示，被解释变量的一阶变量并不显著，同时其他解释变量也不显著。差分GMM得到一致估计的条件是随机扰动项不存在自相关现象，我们可以通过检验扰动项的一阶与二阶差分项是否存在自相关来对前提假设进行检验。

表6 自相关检验

表6结果显示检验P值均在5%的显著水平上无法拒绝原假设，即扰动项的差分不存在一阶和二阶自相关，可以使用差分GMM。其次，由于差分GMM使用了45个工具变量，我们还需进行过度识别检验，检验结果显示P值为0.9998，无法拒绝“所有工具变量均有效”的原假设。综上，认为差分GMM可以使用。但是模型中各解释变量均无法对被解释变量产生显著影响，所以差分GMM在此次研究中的适用性可能不高。

为了解决差分GMM的局限性，提高估计的效率，接下来进一步使用系统GMM来估计以上模型。同时还需对系统GMM估计进行自相关检验以及过度识别检验。检验结果均表示系统GMM可使用。然而与差分GMM一致，本次估计结果表明专利密度的滞后值不能显著地对被解释变量产生影响，其余变量也均不显著。

(四)结果讨论

本章通过面板数据的静态研究方法和动态研究方法，探究了河南省17个地级市的城市创新能力与城市规模之间的联系，通过差分GMM和系统GMM估计来构建动态面板模型，从回归结果来看被解释变量的滞后项对被解释变量没有产生显著的影响。这说明河南省城市创新能力受过去状态的影响不大，因此建立动态面板数据模型效率不高。从静态面板数据回归结果来看，相较于混合回归模型和随机效应模型，固定效应模型能够更有效率地解释本次实证研究数据。回归结果中，就业人口密度与生产总值对城市创新能力有着很强的正面作用，就业人口密度每增加10%，会带来每万人专利授权量3.96%的提升，同样地，地区生产总值10%的增加量会导致专利密度15.44%的提高。控制变量方面，每万人在校大学生数每增加10%能增加近3%的专利密度；人均城市建设面积增加10%会带来人均创新产出4.60%的增加，说明城市建成区面积对城市创新能力也有影响。不过，人均外资工业产值每增加10%会降低1.5%的人均创新产出，这个结论值得引起注意，它表明外商投资还未能对河南省本土企业的技术创新产生有效的溢出效应。

四、结论及建议

(一)主要结论

1.城市规模越大集聚效应越能显著提高城市的创新能力

随着城市化的发展，大量人口、资金涌入城市，使得城市有着更高的人口密度，促进了城市基础设施、公用事业的发展，同时企业和人口的集中，形成较大规模的集聚经济，使得大城市具有更有利的发展环境。在这种优势下，大城市有更多的资金投入在科研方面，研发人员也能够更容易地采购专业设备，专业人员的聚集对于加快研发进展也有着重要作用。因此，在集聚效应的作用下，城市规模通常会对城市创新能力有着积极的影响。

2.人力资本对城市创新能力有显著作用

人力资本通常指存在于人体之中的具有经济价值的知识、技能和体力等质量因素之和，它能够通过培训、教育或其他各种正式、非正式的方式来获取和提高。在大城市人们对教育的重视程度远高于经济条件较为落后的地区，并且城市的教育资源更加优越。另外大城市对人才也有很强的吸引力，这使得城市特别是大城市的人力资本水平远高于其他地区。而人力资本水平的高低恰恰很大程度决定了创新发明能力的高低，拥有各种具有创新意识的专业人才是提升城市创新能力的基础。

3.城市建设水平能够促进城市创新能力的提高

大城市之所以能够成为创新高地，不单单是因为人口规模和经济体量的庞大，更重要的是对城市人居环境的改造，对各类物质设施的建设，从而能够为更有效率、更有秩序地管理城市创造良好条件。在这种环境下也有利于持续稳定的吸引专业人才，避免人才过度流失。所以城市建设水平带来的外部效应对于人均创新产出的增多有着明显的积极作用。

(二)政策建议

根据以上的实证研究结果，本文提出以下几点建议：

1.有重点、有针对性的推动城市创新

城市创新能力与城市规模具有相关性，创新发生在具有一定规模的城市内，创新并不是遍地开花，所以政府支持、扶持创新应该是有重点、有选择性的。重点选择具有一定规模，创新基础比较好的城市，而不是“撒胡椒面”。

2.加大政府对科技创新的支持力度

根据实证结果，人均科技支出对城市创新能力的影响并不显著，其中的原因有待进一步探究。不过，根据其他城市的经验，如深圳、成都等，政府对科技创新的支持不仅仅体现在资金方面的财政补贴以及其他补助等，当地政府的政策引导应该让本土企业向更有战略经济价值的领域进行技术创新，从而使政府的资金投入获得更显著的成果。另外，还应该注重高等教育的发展和人才的引进，更多高水平的专业人才的集聚，才能提升城市创新水平。

3.加强与外资企业的技术战略合作

实证结果表明，目前河南省的外商直接投资的溢出效应还未能被本土企业所吸收，导致城市创新能力与外资企业并没有建立起积极的正向效应。本土企业通过与外企建立技术战略合作，有利于加入外资企业的科技研发体系，促进形成研发的规模效应。通过与外资企业的合作和交流，可以不断地学习国外先进的技术与管理，从而提高自身的科技创新水平。