李四维，傅 强，刘 珂

创新驱动空间溢出与区域经济收敛：基于空间计量分析

李四维，傅 强*，刘 珂

（重庆大学 经济与工商管理学院，重庆 400044）

本文分析了创新驱动与区域经济收敛的理论机理，构建了创新驱动的评价指标体系，对中国31个省份2005年到2015年的面板数据进行了空间静态和空间动态研究，以及分时段和分区域验证，实证考察了创新驱动对区域经济收敛的空间溢出效应及其形成机制，得出主要研究结论：地区间经济发展的空间关联性，使得创新驱动对区域经济收敛形成正向直接效应的同时，也产生积极的空间溢出效应，这种溢出效应波及其他区域后又反作用于本区域，即形成累积效应，创新驱动对经济收敛的空间作用在这样的动态调整中，出现直接效应和空间溢出效应的长期效应大于短期效应的特征。还得出：全国范围内经济发展既存在条件β收敛，也存在俱乐部收敛；自2012年明确提出创新驱动发展战略以来，中国区域经济收敛速度明显加快。据此建议：在制定区域发展战略时，有必要考虑空间相关性的作用机理，积极搭建共享发展合作平台，促进地区经济协调与共享发展，逐步实现区域经济收敛。

创新驱动；经济收敛；空间溢出；空间计量分析

0 引言

中国经济在保持持续增长的同时，发展非均衡矛盾仍然比较突出，区域经济收敛愈来愈成为宏观经济调控的重要目标。依靠创新驱动发展是近年来中国宏观经济调控的重要举措。然而，我国领土广阔，地区经济发展水平、区域创新驱动能力存在较大差异，发达地区在人才资源、创新体系以及科技环境等方面具有明显优势，创新驱动是否具有空间溢出效应，从而对区域经济收敛产生影响？利用空间计量技术考察创新驱动对区域经济收敛的空间溢出效应及其形成机制，有助于深化有关两者关系机理的研究，对制定经济协调发展政策具有重要参考价值。

新古典增长理论在完全竞争及规模收益不变的假设下，较少考虑不同区域间的空间相关性。新经济地理学与新增长理论的结合，使空间溢出在区域经济增长中的作用得到了有效诠释，推动了空间计量经济学理论与方法在区域经济问题探讨中的应用。林光平等[1]、张晓旭等[2]、潘文卿[3]通过空间计量技术研究了中国31个省区的经济差异和趋同特征；吴玉鸣[4]利用空间计量模型考察了中国2800多个县市经济增长的集聚与差异问题。这些研究成果对区域经济增长差异问题进行了有益探索，也带来很多启发，但他们少有关注区域经济收敛的原因。

本文研究创新驱动的空间溢出与经济收敛的关系，研究思路为：基于区域经济差异明显的特征，在内生经济增长模型中引入空间相关因素，对2005年到2015年中国31省市进行空间计量分析，实证考察创新驱动的空间溢出与经济收敛的关系。在已有研究基础上，本文主要从三方面展开：第一，随着中国创新驱动战略的实施，创新驱动与经济发展的研究日益丰富，但鲜有文献关注创新驱动的空间溢出效应，本文考虑了创新驱动可能存在的直接和溢出效应，并进行空间静态和动态实证研究，从而使估计结果更加贴近客观现实；第二，为更好地说明两者的空间相关性，本文通过分时段和分区域的方式进行验证；第三，为了对创新驱动进行相对全面的评价，建立了相对完整的评估指标体系，克服了以往研究片面采用R&D经费或发明专利数表征创新驱动的缺陷。本文不仅拓展了经济收敛的研究视角，从政策层面来讲，提供了创新驱动发展战略实施与区域经济协调均衡发展的理论支持。

后文结构安排是：第一部分简要回顾现有文献；第二部分相关理论分析；第三部分空间相关性分析；第四部分构建空间动态模型，解释相关变量、数据并分析和讨论实证结果；第五部分给出主要研究结论并提出政策建议。

1 研究文献综述

经济收敛概念源于Solow新古典增长模型。对经济收敛问题的经验分析，始于Baumol的研究。Baumol[5]采用16个工业化国家1870-1978年的人均收入数据，回归分析发现这些国家具有显著的经济收敛现象。Barro和Sala-i-Martin[6]对不同发展水平国家的检验表明，最富裕国家之间以及最贫穷国家之间存在绝对收敛。Barro[7] [8]利用发达国家和发展中国家在内的跨国数据，证实了条件收敛的存在。Mankiw、 Romer和Weil[9]通过实证方法也分析了存在条件收敛的可能性，简称MRW分析框架。Galor[10]的研究表明，经济较为落后的国家集团和经济较为发达的国家集团，各自在内部条件收敛，但两个集团之间却趋于分散，证明了俱乐部收敛的存在。Lucas[11]和Romer[12]从古典生产函数出发，加上一个因素，即人力资本（Lucas）或者知识积累（Romer），研究发现经济发达区域比经济落后区域，由于具有更丰富的知识积累或人力资本，经济发展速度更快，这一理论奠定了之后学者研究条件收敛以及俱乐部收敛的基石。

国外早期大多数实证分析采用的是截面数据回归法。Islam[13]认为截面数据分析很好地解决了Barro[7]回归方程和MRW[9]分析框架估计结果有偏的问题，并同时验证了新古典增长理论的收敛机制。Bernard和Darlauf[14]认为如果人均产出时序列具有单位根，但时序列之间存在协整向量为[1,-1]的协整关系，则收敛成立。很显然，截面数据回归法和时间序列分析法都忽略了经济体之间的空间效应，不适合作为检验经济收敛性的有效方法（傅强等[15]）。国内早期研究经济收敛性问题的学者多坚持新古典增长模型在中国的适用性。魏后凯[16]对人均GDP、人均国民收入、居民人均收入三个指标展开回归分析，认为各地区人均GDP增长趋于收敛，即越是相对富裕地区，人均GDP增长越缓慢。申海[17]采用Barro和Sala-i-Martin的新古典模型，通过非线性最小二乘法，证明了1978至1996年中国经济增长的确存在β收敛。蔡昉等[18]、刘强[19]、沈坤荣[20]使用新古典增长理论对中国经济的俱乐部收敛进行了研究。李四维等[21]采用单位根、协整检验和格兰杰（Granger）因果关系检验，验证了中国社会融资结构的变迁与经济收敛存在格兰杰因果关系，社会融资结构的变迁促进了经济收敛趋势。

随着经济收敛性问题在我国研究的发展和深入，区域之间的空间关联性得到更全面的考量。林光平等[22]通过空间经济计量模型，实证研究发现我国存在区域之间的经济收敛趋势,但收敛速度越来越慢。吴玉鸣[23]采用空间自相关性最显著的第一阶邻接矩阵作为空间计量模型中的空间权值矩阵，发现省际经济增长确实存在条件收敛趋势。潘文卿[24]采用空间相关Moran's I指数测度了中国省际经济增长的空间相关性，研究表明东部与中部的俱乐部收敛显著。史修松等[25]通过空间滞后模型（SLM）与空间误差模型（SEM），实证研究了中国经济收敛的条件是物质资本积累和劳动效率改善，而人力资本和技术进步使经济发散。何天祥等[26]构建动态经济权重模型考察了城市群经济增长的收敛性，认为地理邻近、产业结构和市场潜能的交互影响对经济收敛影响很大。

国内外学者对创新与经济收敛的关系展开了大量探索。Schumpeter[27]发现创新作为经济发展内在因素之一，是“生产要素重新组合”。Lewis[28]的拐点理论认为在边际报酬递减规律的作用下，只有创新才能使经济持续增长。Cabrer－Borrás[29]的实证研究发现邻近区域的创新对该区域经济会产生影响。Seck[30]的研究表明，发达国家对发展中国家的经济增长产生了科技溢出效应。李婧等[31]认为创新投入与经济增长之间存在显著的空间正相关性。庞瑞芝等[32]指出省际创新资源的优化配置对经济发展的直接效应偏低。范柏乃[33]、洪银兴[34]、许庆瑞[35]等认为创新驱动通过改善创新环境、重新组合创新投入要素、提高创新成效促进经济增长。王家庭[36]指出邻近区域的科技投入溢出效应大于本区域科技投入的直接效应。张志强[37]的研究表明研发创新对经济收敛具有空间溢出效应。钟祖昌[38]验证了省域间R&D投入存在明显的溢出效应，且这种溢出效应对区域经济收敛具有积极作用。林毅夫等[39]、任玲玉等[40]的研究也表明创新对促进区域经济收敛具有显著的正向作用。杨朝峰等[41]研究发现区域经济增长在考虑空间效应后既有条件收敛特征，也有绝对收敛特征，且在创新能力的驱动下，区域经济收敛速度更快，但未对创新驱动的溢出效应进行足够的关注和分析，在对创新驱动的衡量指标上也欠妥，仅采用发明专利申请量进行表征，这已不符合我国现阶段创新驱动能力发展的现状。本文将根据国家统计局社科文司相关界定和报告对创新驱动进行较为全面的建构。白俊红等[42]认为创新驱动对全国和东、西部地区的经济收敛有促进作用，但我们认为选取空间距离权重矩阵有失偏颇，已不适合现有社会经济发展特征，本文将选用空间经济距离权重矩阵，并对创新驱动的溢出效应进行考察。

综上所述，空间关联性愈来愈成为区域经济收敛问题的研究热点，对经济收敛影响因素的研究也可谓汗牛充栋，然而对创新驱动与区域经济收敛关系的研究却寥寥无几，研究也有待深入，本文在以下几个方面区别于现有文献：第一，尽管创新驱动与经济发展的研究日益丰富，但鲜有文献关注创新驱动对区域经济收敛的空间溢出效应，本文采用空间经济距离作为权重矩阵的空间计量模型，通过Moran’s I指数的全局和局域空间相关性检验判断区域空间关联性，然后分析创新驱动对区域经济收敛的直接效应和溢出效应，从而使估计结果更加贴近客观现实；第二，结合动态空间面板模型进行分时段、分区域两种视角共24个方面的检验，计算创新驱动空间溢出水平，并比较创新驱动对区域经济收敛的长期与短期的直接效应与溢出效应，弥补以往研究视角较为单一的不足；第三，为了对创新驱动进行相对全面的测度，建立了相对完整的评估指标体系，克服了以往研究片面采用R&D经费或发明专利数表征创新驱动的缺陷。

2 相关理论分析及创新驱动指标体系构建

2.1 理论分析

根据新经济增长理论，技术是内生的，内生技术进步对经济增长起决定性作用。创新驱动对区域经济收敛的直接效应主要体现在通过提高全要素生产率促进经济增长。技术创新推动要素使用率的提高和克服要素收益的递减，提升创新绩效，改善创新产出，产生各种各样的新产品、新服务、新技术，从而成为经济长期增长的核心驱动力。

按照空间经济学理论，一个区域与邻近区域的经济活动通常相关联。区域之间的经济增长表现为显著的空间相关性和依赖性（Qin Cheng lin[43]）。以Krugman[44]为代表的新经济地理学派，将报酬递增和不完全竞争理论假设作为基础，通过区位聚集中“路径依赖”现象，建立一个动态的多区域模型，对空间结构均衡和经济活动中的空间集聚问题进行了解释。Martin和Sunley[45]认为，区域经济体是一个开放系统，区域之间存在各种物质和非物质的联系，导致区域之间相互影响，一个区域的经济增长不仅依赖于自身初始条件，也取决于与之相联系的其它区域的经济增长，特别是相邻区域的经济增长状况。Yu和Lee[46]认为由于各地经济互动产生空间效应，从而导致经济收敛。这种空间效应可分解为直接效应和溢出效应。诺贝尔经济学奖获得者缪尔达尔[47]在其《经济理论与不发达地区》一书中提出了“扩散效应”理论。该理论认为一国（或地区）由于某种经济、技术或政策原因而兴建了大量企业，逐步形成了一个经济中心。这一经济中心不可避免地会将技术知识向临近区域扩散和辐射，临近区域因为这种扩散或溢出效应受益而实现经济增长，反过来临近区域又促进经济中心的发展。创新驱动对区域经济收敛的溢出效应主要体现在创新推动知识溢出和创新扩散，这种扩散波及其它区域后再反作用于本区域，形成循环累积效应，正好符合“扩散效应”理论的动态调整特征，由此，我们提出创新驱动影响区域经济收敛的路径图（图1），其中虚线表示空间溢出效应。后文第四部分将对创新驱动和区域经济收敛是否存在空间相关性，以及创新驱动的空间溢出效应进行实证分析。

备注：代表创新驱动对区域经济收敛产生空间溢出效应

Figure 1 The path diagram of Innovation-driven's influence on regional economic convergence

2.2 创新驱动指标体系构建

为了对创新驱动进行相对全面的测度，建立相对完整的评估指标体系，克服以往研究片面采用R&D经费或发明专利数表征创新驱动的缺陷，本文借鉴国家统计局社科文司《中国创新指数（CII）研究》关于创新指标体系和INSEAD2013创新指标构架，选取创新投入、创新产出、创新环境和创新成效四大方面作为创新驱动的一级指标，通过主成分分析法用四个一级指标对创新驱动进行表征。

表1 指标设置及描述

创新驱动的一级指标为创新投入水平、产出水平、创新环境和创新绩效。第一，创新投入为创新驱动提供要素支持，是创新生产的前提。创新投入水平较高区域，自身创新资源丰富，创新性强，有利于吸引更多要素资源流入，强化区域优势。比如上海、浙江、江苏在考察期2005-2015年间均具有较强的创新投入水平，这些区域具有吸引要素资源流入的优势。第二，创新产出体现区域创新发展水平，创新产出水平高的地区其生产率水平也较高，落后区域若能加快科技成果转化吸收，提升创新发展水平，便有可能实现区域经济收敛（林毅夫等[39]）。第三，区域创新环境包含人力、物力、财力和相关政策对创新的支持力度。第四，创新绩效更是对创新驱动的直接反映，创新绩效高说明创新投入水平和创新产出水平的综合效果高，对经济具有正向作用。创新驱动对经济收敛的空间溢出效应主要通过创新扩散来体现。由于相邻地区存在的共通性与相似性，使创新驱动在相邻区域间扩散，逐渐减少创新驱动的“潜在差异”，推动区域经济收敛。例如福建和天津的创新产出水平不够高，但邻近创新产出高水平的广东、上海、北京等区域，因此如能加快转化吸收，便能提高本区域的创新产出水平，为实现区域经济收敛提供条件。

3 空间相关性分析

在采用空间计量模型之前，首先需要判断区域经济间是否存在空间相关性，通常采用Moran最早提出的体现区域空间相关程度的Moran's I指数进行检验。

3.1 全局空间相关性检验及权重选择

Moran’s I指数表达式为：

式中

从图2可以看出，实际人均GDP的Moran's I值都通过了1%水平下的显著性检验，且都大于0.3，表明空间正相关性显著，区域经济活动联系紧密。创新驱动的Moran's I值均大于实际人均GDP的Moran's I值，空间正相关性更为显著。因此，我国区域经济和创新驱动的空间分布并非完全随机，而呈现显著的空间相关性，符合理论分析部分有关新经济地理学提出区域经济具有空间相关性和依赖性的观点。区域经济受空间相关性因素的影响显著，忽视空间因素会导致模型估计与实证结论的偏误。

图2 2005-2015年基于经济距离权重矩阵的全局Moran's I指数

Figure 2 The Global Moran's I index based on the economic distance weight matrix from 2005 to 2015

3.2 局域空间相关性检验

局域空间相关性分析用于检验各区域属于高水平还是低水平区域，能对观测区域及邻近区域之间的差异程度进行衡量。通常采用Moran's I散点图法进行检验。若观测值分布在第一象限，表明创新驱动高水平的省份被高集聚水平的其他省份包围（HH）；分布在第二象限，表明低水平的省份被高集聚水平的其他省份包围（LH）；分布在第三象限，表明低水平的省份被低集聚水平的其他省份包围（LL）；分布在第四象限，表明高水平的省份被低集聚水平的其他省份包围（HL）。分布在第一、第三象限说明观测值存在空间正相关性；分布在第二、第四象限表示观测值存在空间负相关性；在四个象限分布，则说明不存在空间相关性。

通过对空间权重矩阵赋值，可以得到实际人均GDP和创新驱动能力Moran散点图。随着创新驱动能力的加强，落在第一、三象限呈现空间同质性的省份越来越多，说明创新驱动的空间辐射呈逐渐增强趋势，2015年创新驱动水平具有空间正相关性的省份达到70%以上。创新驱动高水平区域主要分布在环渤海区域、长三角区域、珠三角区域，如在研究时间段内，广东、江苏、浙江的创新驱动水平均落在第一象限，说明三省的创新驱动水平高，因为深圳、广州、苏州、杭州作为全国创新中心，对拉动所在省域创新驱动水平发挥了重要作用，同时对周边省份的创新驱动水平也有明显的溢出效应。

图3 2005年创新投入Moran’s I 散点图

Figure 3 Moran scatter plots for innovation investment in 2005

图4 2015年创新投入Moran’s I 散点图

Figure 4 Moran scatter plots for innovation investment in 2015

图5 2005年创新产出Moran’s I 散点图

Figure 5 Moran Scatter Plots for innovation output in 2005

图6 2015年创新产出Moran’s I 散点图

Figure 6 Moran scatter plots for innovation output in 2015

图7 2005年创新环境Moran’s I 散点图

Figure 7 Moran scatter plots for innovation environment in 2005

那么创新驱动空间溢出效应与区域经济收敛之间是怎样的联系？根据前文分析，本文研究假设：由于邻近区域具有相似性和共通性，创新驱动在相邻区域间辐射和扩散，逐渐缩小创新驱动的区域差异，并在一定条件下促进区域经济增长趋于收敛。本文后续部分将对此进行实证检验。

图8 2015年创新环境Moran’s I 散点图

Figure 8 Moran scatter plots for innovation environment in 2015

图9 2005年创新成效Moran’s I 散点图

Figure 9 Moran scatter plots for innovation effect in 2005

图10 2015年创新成效Moran’s I 散点图

Figure 10 Moran scatter plots for innovation effect in 2015

4 创新驱动与经济收敛的空间计量分析

4.1 动态空间杜宾计量模型

本文在空间面板基准模型基础上，加入被解释变量的滞后项构建动态空间面板模型：

进一步改写为：

Lesage和Page通过可以避免偏误产生的偏微分矩阵，运算解释变量空间溢出效应。直接效应体现自变量对本区域的平均效应，空间溢出效应体现自变量对其它区域的的平均效应。在特定时间上，从空间单位1到的对应的的期望值的偏导数矩阵可以写为：

它表示特定空间单位中的随时间变化而对所有空间单位的影响。

4.2 实证检验

4.2.1 模型设定

根据Anselin（1988）在杜宾残差自相关时间序列模型基础上推导的杜宾空间计量模型及已有研究，设定基本模型为：

为了从时间和空间两个维度刻画创新驱动能力对区域经济收敛的效应，更清楚地反映自变量对因变量的溢出效应，本文构建动态空间杜宾模型：

4.2.2 变量选取与数据来源

本文对中国31个省市2005-2015年的面板数据（由于数据缺失，西藏自治区、台湾省、香港和澳门特别行政区在研究中均未包括在内）进行空间相关性分析和实证研究，各主要变量及数据说明如下：

各省份人均实际GDP：GDP无疑是体现一个国家或地区经济发展最具代表性也是最经常被使用的指标，本文采用人均实际GDP的增长率为被解释变量，以2005年作为基期。数据来自各年份《中国统计年鉴》。

创新驱动（Nov）：该变量指标体系的建构在3.2部分进行了阐述。数据来自《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》《中国区域经济统计年鉴》《中国城市统计年鉴》等。

4.2.3 实证结果及分析

首先不考虑空间效应，根据Anselin和Lorax（1995）的检验方法，利用基于无空间效应的传统面板模型残差LM方法来检验空间计量模型的适用性。从整体看，三种矩阵下的混合（无固定效应）、空间固定效应、时间固定效应和双向固定效应模型的LM检验值均为正值，大部分通过了10％的显著性检验，即LM在空间滞后与空间误差的大部分检验均拒绝了原假设，由此确定存在模型估计的残差空间自相关性。此时，仅利用简单的OLS可能出现模型估计的偏差，纳入空间效应是非常有必要的。

表2 模型检验及估计

接下来根据LM检验结果确定SDM模型是否可以简化为SLM和SEM模型。根据Anselin和Florax[40]提出的判别准则：如果LM-LAG比LM-ERR显著，且前者显著后者不显著，便可选用SLM；如果LM-ERR比LM-LAG显著，且前者显著后者不显著，便选用SEM。由LM-LAG、LM-ERR、Robust LM-LAG及Robust LM-ERR检验统计量均显著可以看出，应当拒绝不考虑空间效应模型的原假设，而选择空间计量模型。然后，用LR统计量检验哪种空间计量模型更优。根据LR-SD-LAG、LR-SD-ERR两个似然比均在统计上显著，表明SDM 模型具有最优的拟合效果。再者，Hanusman检验不接受随机效应和固定效应模型一致的零假设，故使用固定效应空间杜宾模型。

估计静态空间杜宾模型如表3中第(2)列所示。经济收敛的空间滞后变量ρ显著为正，表明经济收敛具有显著的正相关空间关系，R-sq较普通面板模型也高，说明引入空间效应是合乎情理的。由于模型引入空间滞后变量WNov，所以创新驱动不仅会影响该地区的经济增长（直接效应），也会影响到其他地区的经济增长（空间溢出效应）。结果表明，直接效应和空间溢出效应都显著为正。一个地区的经济增长往往会与本地区及其周边地区前一期的经济增长有关，也就是说，既有空间相关性（空间效应），又有时间相关性（动态效应）。因而，有必要在静态空间杜宾模型基础上进行动态空间杜宾模型估计，以提高估计精度。对模型的LR联合显著性检验结果如表3所示，Nov（－1）和W* Nov（－1）两个变量均为正且显著，说明经济收敛受到上一期该地区和其他地区创新驱动的正向影响，动态空间杜宾模型调整的R2和LogL值比静态空间杜宾模型更大，故采用动态空间杜宾模型是合理且必要的。

表3 模型估计结果

注：括号内数字为显著性概率P值，*、**、***分别代表1%、5%、10%水平下显著；空白项表示此项为空。

表3表明，创新驱动长期的直接效应和溢出效应都比短期大。创新驱动带来投资结构的改善、产业结构的调整、人力资本的迁入等等，导致未来几年资本投入和人力资本投资规模较大，所以长期直接效应比短期大。同时，邻近地区创新驱动带来的环境改善由于长期累积效应而变得更加明显。因此，创新驱动长期空间溢出效应也大于短期。

4.2.4 稳健性检验

本节将从分时段讨论、分区域讨论等方面考察研究结论的稳健性。

为进一步考察2012年作为中国正式实施创新驱动战略的启动年份对区域经济的贡献，本文以此作为分时段研究的时间节点，分别考察2005-2015年、2005-2011年以及2012-2015年创新驱动对经济收敛的空间效应，而现有文献中大多以2008年金融危机或者2000年加入WTO作为实证研究分段点。检验结果如表4所示。

由表4估计结果看出，考虑创新驱动情况下，2005-2011年区域经济未呈现收敛趋势，2012-2015年和全时段收敛系数为负，且在1%水平下都显著，并且创新驱动具有显著为正的直接效应和溢出效应，同时2012-2015年研究时间段的长期与短期的直接效应与溢出效应均大于另外两个时段的对应值，说明2012年创新驱动战略具有了初步成效，创新驱动对区域经济收敛的直接效应和溢出效应在2012年后更明显，加快了区域收敛速度。

基于创新驱动在各个区域存在差异性的考量，进一步地，本文按照前文3.2部分关于Moran’I值散点图各省份所在象限，划分创新驱动空间相关性强度不同的区域进行考察。分析发现北京、上海、江苏、浙江、广东、辽宁6省多数年份都落在第一象限HH（以下简称Ⅰ区），天津、福建、内蒙古3省落在第二象限LH（以下简称Ⅱ区）的年份最多，山东、湖北、四川3省居第四象限HL（以下简称Ⅳ区）的年份最多，其余18个省份落在第三象限LL（以下简称Ⅲ区）的年份最多。结果如表5所示。

由表5估计结果可知，当创新驱动被纳入主要控制变量时，Ⅰ区、Ⅲ区估计值是积极的，该区域存在俱乐部收敛。这表明创新驱动因素有助于Ⅰ区和Ⅲ区的经济收敛，但对Ⅱ区和Ⅳ区的影响并不明显。这或许与Ⅰ区、Ⅲ区有较活跃的创新活动和较频繁的交流合作有关。而Ⅱ区和Ⅳ区则相反，创新活动较为闭塞，创新知识溢出效果较差，导致区域经济发散。Ⅰ区、Ⅱ区、Ⅲ区、Ⅳ区与全国的创新驱动直接效应和溢出效应均显著为正，说明本文结论的稳健性。同时，进一步比较可知，创新驱动动态情况的直接效应和溢出效应比静态效应均更明显，说明从长期来看，创新驱动战略的实施对本区域以及邻近区域均具有显著的积极作用，提升了经济收敛速度，缩短了半衰期，例如Ⅲ区在考虑创新驱动因素后，经济收敛速度分别上升3.9和3.1个百分点，半衰期分别下降38年和68年。

表4 分时段的经济条件收敛检验结果

注：***、**、*分别代表1%、5%和10%水平下显著；空白项表示此项为空。

表5 分区域的经济条件收敛检验结果

注：***、**、*分别代表1%、5%和10%水平下显著；空白项表示此项为空；限于篇幅，控制变量的回归结果予以略去。

5 主要研究结论和启示

本文基于2005-2015年31个省际区域数据，构建创新驱动指标体系，采用空间经济距离作为权重矩阵的空间计量模型，通过Moran’s I指数的全局和局域空间相关性检验判断区域空间关联性，分析创新驱动能力对区域经济收敛的直接效应、溢出效应，并结合动态空间面板模型进行分时段、分区域验证，计算创新驱动能力空间溢出水平，判定区域经济收敛性。研究结果表明：通过对创新驱动直接效应和溢出效应的实证分析，得出创新活动及其创新成果的扩散不仅促进了本区域经济收敛，对邻近区域间即俱乐部经济收敛也有溢出作用；通过空间计量分析以及两种不同视角共24方面的检验，得出全国范围内经济发展既存在条件β收敛，也存在俱乐部收敛，弥补了以往研究中研究视角较为单一的不足；2012年后，我国区域经济收敛趋势愈发明显，但以往研究较少以2012年实施创新驱动战略作为分界点，丰富了以往研究有关经济收敛影响机制的研究。

从实证检验结果的分析来看，创新驱动的空间溢出效应促进了区域经济收敛。创新资源较为丰富的区域，创新活动及其创新成果的扩散增强了区域的经济联系。具有相似发展水平或资源禀赋的区域，更易获得相似区域创新驱动的带动影响，形成俱乐部收敛趋势，即发展水平较高的区域较发展水平较低的区域将以较快的速度实现经济合作、交流与共享。中国目前经济发展水平较高区域与经济发展水平相对较低区域之间存在组间发散现象和多个稳态共存现象，在全国范围内，区域经济增长表现出俱乐部收敛趋势。这与Solow模型相符合，当给定其他条件不变时，经济落后区域的边际报酬更高，经济增长速度更快，从而推进区域收敛实现。

区域经济体是一个开放系统。创新资源较为丰富的区域，创新驱动的溢出作用更明显，创新活动及其创新成果的扩散促使该区域内省份的经济联系加强。例如江苏和广东两省是全国技术创新的领头羊，创新驱动能力明显高于全国平均水平，以两省为中心辐射开来形成经济收敛俱乐部区域。再如北京和上海，是全国科技研发中心，具有高出全国平均水平的研发能力和技术输出能力，以两省为中心辐射开来也形成经济收敛俱乐部区域。地区间经济发展的空间关联性，使得创新驱动对区域经济收敛形成正向直接效应的同时，产生积极的空间溢出效应，这种溢出效应波及其他区域后又反作用于本区域，即形成累积效应，创新驱动对经济收敛的空间作用在这样的动态调整中，出现直接效应和空间溢出效应的长期效应大于短期效应的特征。这一过程可以看作中国创新驱动推动经济收敛的路径。

中国正处于经济转型升级关键时期，在实现持续增长的同时，如何降低经济发展不平衡，缩小区域经济发展差距，是中国宏观经济政策的重要内容。制定区域发展战略时，应注重空间相关性的相互作用机理，发挥创新驱动能力较强区域的创新引领、带动和示范功能，充分发挥区域创新资源禀赋优势和创新驱动战略对全国范围内不同经济发展水平区域的影响深度和广度，积极搭建创新驱动的区域协调共享发展合作平台，促进区域合作与交流，通过倾向性发展策略，挖掘落后地区发展潜力，大力发挥后发优势，缩小落后区域和先进区域的发展差距，逐步实现区域经济收敛。

[1] 林光平, 龙志和, 吴梅.我国地区经济收敛的空间计量实证分析：1978—2002年[J].经济学（季刊），2005(4):67-82.

Lin G P, Long Z H, Wu M. An Empirical Analysis of Spatial Measurement of Economic Convergence in China：1978—2002[J]. Journal of Economics , 2005(4): 67-82.

[2] 张晓旭, 冯宗宪. 中国人均GDP的空间相关与地区收敛：1978-2003[J].经济学（季刊），2008(1):399-413.

Zhang X X, Feng Z X. The Spatial Correlation and Regional Convergence of China's GDP Per Capita：1978—2003[J]. Journal of Economics , 2008(1): 399-413.

[3] 潘文卿.中国区域经济差异与收敛[J].中国社会科学，2010(1):72-84.

Pan W Q.The Regional Economic Differences and Convergence in China[J].Social Sciences in China,2010(1):72-84.

[4] 吴玉鸣.县域经济增长集聚与差异：空间计量经济实证分析[J].世界经济文汇，2007(2):37-57.

Wu Y M. Agglomeration and Disparity of County Economic Growth : Empirical Analysis of Spatial Econometrics [J]. World Economic Collection, 2007(2):37-57.

[5] Baumol W J.Productivity growth,convergence and welfare:what the longrun data show[J]. American Economic Review,1986(76): 1872- 1885.

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

[7] Barro R J, Sala-I-Martin.Convergence across states and regions[J]. Brookings papers on Economic Activity, 1991(1):107-182.

[8] Barro R J.Determinants of Economic Growth：A cross-country empirical study[M].Cambridge Massachusetts，London，England: The MIT Press.1998.

[9] Markiw N G, David R, David N W. A contribution to the Empirics of economic growth[J]. The Quarterly Journal of Economics, 1992(107): 407-437.

[10] Galor O. Convergence? Inferences from theoretical models[J].The Economic Journal,1996(106): 1056 -1069.

[11] Lucas R E. On the Mechanics of economic development[J].Journal of Monetary Economics,1988(22): 3-42.

[12] Romer P M. Increasing returns and long-run growth[J].Journal of Political Economy,1986(94): 1002-1037.

[13] Islam N. Growth Empirics: A panel data approach[J]. Quarterly Journal of Economics,1995(110):1127-1170.

[14] Bernard A B, Durlauf S N.Convergence in international output[J]. Journal of Applied Econometrics,1995,10(2): 97-108.

[15] 傅强, 李四维. 基于经济增长理论的经济收敛性理论研究述评[J].经济问题探索，2016(11):161-172.

Fu Q, Li S W. A Review of Economic Convergence Theory Research Based on Economic Growth Theory[J].Exploration of Economic Problems,2016(11):161-172.

[16] 魏后凯.中国地区经济增长及其收敛性[J].中国工业经济，1997(3): 31-37.

Wei H K. Economic Growth and Convergence in China[J]. China Industrial Economics,1997(3): 31-37.

[17] 申海. 中国区域经济差距的收敛性分析[J].数量经济技术经济研究，1999(8):55-57.

Shen H. Analysis of The Convergence of China's Regional Economic Disparity[J].Journal of Quantitative & Technical Economics,1999(8): 55-57.

[18] 蔡昉, 都阳. 中国地区经济增长的趋同与差异[J].经济研究，2000(10):30-37.

Cai F, Du Y. The Convergence and Difference of Economic Growth in China[J].Economic Research Journal, 2000(10):30-37.

[19] 刘强.中国经济增长的收敛性分析[J].经济研究，2001(6):70-77.

Liu Q.Regional Convergence in China [J].Economic Research Journal,2001(6):70-77.

[20] 沈坤荣, 马俊.中国经济增长的“俱乐部收敛”特征及其成因研究[J].经济研究，2002(1):33-39.

Shen K R, Ma J. Study on The Characteristics of "Club Convergence" of China's Economic Growth and Its Cause[J]. Economic Research Journal,2002(1):33-39.

[21] 李四维, 傅强, 王庆宇.中国社会融资结构变迁与经济收敛的关系[J].财经科学，2017(10):17-29.

Li S W, Fu Q, Wang Q Y.The Relationship Between The Change of Social Financing Structure in China and Economic Convergence[J]. Journal of Finance and Economics,2017(10):17-29.

[22] Lin G P.Computational econometrics: Gauss programming for econometricians and financial analysis[M]. Los Angles: Etext Publishing, 2001.

[23] 吴玉鸣.中国省域经济增长趋同的空间计量经济分析[J].数量经济技术经济研究，2006(12):101-108.

Wu Y M. The Spatial Econometric Analysis of Provincial Economic Convergence in China[J]. Journal of Quantitative & Technical Economics, 2006(12):101-108.

[24] 潘文卿.中国区域经济差异与收敛[J].中国社会科学，2010(1):72-84.

Pan W Q. The Regional Economic Differences and Convergence in China[J].Social Sciences in China,2010(1):72-84.

[25] 史修松, 赵曙东.中国经济增长的地区差异及其收敛机制（1978—2009年）[J].数量经济技术经济研究，2011(1):51-62.

Shi X S, Zhao S D. Regional Differences of China's Economic Growth and Its Convergence Mechanism(1978-2009)[J]. Journal of Quantitative & Technical Economics,2011(1):51-62.

[26] 何天祥, 陈晓红.动态外部性与城市群经济增长收敛的实证研究[J].系统工程理论与实践，2017，37(11):2791-2801.

He T X, Chen X H. Empirical Analysis of Dynamic Externality and Growth Convergence among Urban Agglomeration[J].Systems Engineering - Theory & Practice,2017,37(11):2791-2801.

[27] Sehumpeter J A. The theory of economics development[M].Cambrige, MA: HarVard Univesrity Press, 1934.

[28] 威廉·阿瑟·刘易斯.二元经济论[M].北京：北京经济学院出版社，1989:29-33.

William A L. Dual economic theory[M]. Beijing: Beijing Economics Institute Press,1989:29-33.

[29] [Cabrer-Borrás B,Serrano-Domingo G．Innovation and R&D spillover effects in spanish regions:A spatial approach[J]. General Information, 2007(36):1357-1371．

[30] Seck A．International technology diffusion and economic growth: explaining the spillover benefits to developing countries[J].Structural Change and Economic Dynamics,2012(23):437-451．

[31] 李婧, 谭清美, 白俊红.中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实研究[J].管理世界，2010(7):43-65.

Li J, Tan Q M, Bai J H. Spatial Measurement Analysis of China's Regional Innovation Production-A Practical Study Based on Static and Dynamic Spatial Panel Models[J]. Management World, 2010(7): 43-65.

[32] 庞瑞芝, 范玉, 李扬. 中国科技创新支撑经济发展了吗[J].数量经济技术经济研究，2014(10):37-52.

Pang R Z, Fan Y, Li Y. Does China's Scientific and Technological Innovation Support Economic Development?[J]. Quantitative Economics and Technical Economics Research, 2014(10):37-52.

[33] 范柏乃, 江蕾, 罗佳明.中国经济增长与科技投入关系的实证研究[J].科研管理，2004(5):104-109.

Fan B N, Jiang L, Luo J M. An Empirical Study on the Relationship between China’s Economic Growth and Scientific and Technological Input [J]. Scientific Research Management, 2004(5): 104-109.

[34] 洪银兴.论创新驱动经济发展战略[J].经济学家，2013(1):5-12.

Hong Y X. Discussion on Innovation-driven Economic Development Strategy[J]. Economist, 2013(1): 5-12.

[35] 许庆瑞, 吴志岩.企业技术创新体系建设战略的理论初探[J].管理工程学报，2014，28(4):1-9.

Xu Q R, Wu Z Y. Theoretical Study on the Construction Strategy of Enterprise Technology Innovation System[J]. Journal of Industrial Engineering Management, 2014, 28(4):1-9.

[36] 王家庭.科技创新、空间溢出与区域经济增长：基于30省区数据的实证研究山[J].当代经济管理，2012(11):49-54.

Wang J T. Technological Innovation, Spatial Spillover and Regional Economic Growth: An Empirical Study Based on Data from 30 Provinces and Regions[J].Contemporary Economic Management, 2012(11): 49-54.

[37] 张志强.金融发展、研发创新与区域技术深化[J].经济评论，2012(3):82-92.

Zhang Z Q. Financial Development,R&D Innovation and Regional Technology Deepening[J].Economic Review,2012(3): 82-92.

[38] 钟祖昌.研发投入及其溢出效应对省区经济增长的影响[J].科研管理，2013(5):64 -72

Zhong Z C. The Impact of R&D Investment and Its Spillover Effect on Economic Growth in Provinces[J].Scientific Research Management, 2013(5):64 -72.

[39] 林毅夫, 张鹏飞.后发优势、技术引进和落后国家的经济增长[J].经济学（季刊），2005(10):53-74.

Lin Y F, Zhang P F. Advantages of Late-generation,Technology Iintroduction and Economic Growth in Backward Countries [J]. Journal of Economics,2005(10):53-74.

[40] 任玲玉, 薛俊波, 刘银国,等. R&D边际生产力驱动区域经济收敛研究[J].科学学研究，2014(11):1661-1667.

Ren L Y, Xue J B, Liu Y G, el al. Research on Regional Economic Convergence Driven by R&D Marginal Productivity[J].Scientifica Sinica,2014(11): 1661-1667.

[41] 杨朝峰, 赵志耘, 许治.区域创新能力与经济收敛实证研究[J].中国软科学，2015(1):88-95.

Yang C F, Zhao Z Y, Xu Z. An Empirical Study on Regional Innovation Capacity and Economic Convergence[J].China Soft Science,2015(1): 88-95.

[42] 白俊红, 王林东. 创新驱动对中国地区经济差距的影响：收敛还是发散？[J].经济科学，2016(2):18-27.

Bai J H, Wang L D. The Impact of Iinnovation-driven on China's Regional Economic Gap: Convergence or Divergence?[J].Economic science,2016(2):18-27.

[43] Qin CH L，Liu Y X，Li C.Spatial spillovers and the convergence of regional economic growth: A case study based on the Yangtze River delta[J]. Social Sciences in China,2013,34(3): 159-173.

[44] Krugman P. Increasing returns and economic geography[J].Journal of Political Economy, 1999(993):483-499.

[45] Martin R，Sunley P. Slow convergence? The new endogenous growth theory and regional development[J]. Economic Geography, 1998, 74(3): 201-207.

[46] Yu J，Lee L. Convergence: a spatial dynamic panel data approach[J]. Global Journal of Economics,2012,1(1):1-37.

[47] Myrdal G. Economic theory and undeveloped regins[M].London: Duckworth,1957.

[48] 林光平，龙志和，吴梅.中国地区经济σ收敛的空间计量实证分析[J].数量经济技术经济研究，2006(4):14-21，69.

Lin G P, Long Z H, Wu M. A Spatial Investigation of σ-convergence in China[J]. Journal of Quantitative & Technical Economics, 2006(4): 14-21,69.

[49] J P Elhorst. Spatial econometrics: from cross-sectional data to spatial panels[M].Berlin:Springer,2014.

Innovation-driven spatial spillover effect and regional economic convergence:Based on spatial measurement analysis

LI Siwei, FU Qiang*, LIU Ke

（School of Economics and Business Administration, Chongqing University, Chongqing 400044, China）

While China's economy maintains sustained growth, the development of non-equilibrium contradictions is still prominent, and regional economic convergence has become an important goal of macroeconomic regulation. Relying on innovation to drive development is an important measure for China's macroeconomic regulation and control in recent years. China has a vast territory, and there are quite differences in the level of regional economic development and regional innovation driving capabilities.

Based on panel data from 31 provinces in China from 2005 to 2015, this paper uses spatial econometric techniques, including global and local spatial autocorrelation tests of Moran's I index, spatial static and spatial dynamic analysis, and time-phased and sub-regional verification, and empirically examine the spatial spillover effect and formation mechanism of innovation drive on regional economic convergence. First, the theoretical mechanism of innovation drive and regional economic convergence are analyzed. Then, an evaluation index system of innovation drive is constructed. Third, the spatial correlation of innovation drive through the global and local spatial autocorrelation test of Moran's I index is analyzed; Fourth, through the dynamic spatial Dubin model we conduct spatial econometric analysis of innovation-driven and economic convergence, and take a consideration of the direct effects and spillover effects of innovation-driven. Finally, the time-phased and sub-region verification is conducted.

The main empirical conclusion is that the spatial correlation of economic development between regions makes the innovation drive a positive direct effect on regional economic convergence, but also produces a positive spatial spillover effect. This spillover effect affects other regions and then reacts to the region itself, that is, the cumulative effect. In such dynamic adjustments, the long-term effects of direct effects and spatial spillover effects are greater than those of short-term effects. This process can be seen as a path for China's innovation to drive economic convergence. In addition, it is concluded that there is both conditional β convergence and club convergence in economic development across the country. Since the innovation-driven development strategy was clearly proposed in 2012, China's regional economic convergence has accelerated significantly.

Based on the empirical results, some advice on China’s regional economic convergence and innovation-driven development strategies are provided: when formulating regional development strategies, it is necessary to pay attention to the interaction mechanism of spatial correlation and fully consider the depth and breadth of the impact of innovation-driven strategies on regions with different economic development levels nationwide. Therefore, in order to gradually achieve regional economic convergence, it is very important to actively build an innovation-driven regional coordinated and shared development cooperation platform to promote regional economic coordination and shared development.

Innovation driven; Economic convergence; Space overflow; Space econometric analysis

F061

A

1004-6062(2020)06-0191-011

10.13587/j.cnki.jieem.2020.06.020

2018-07-21

2019-01-09

Supported by the Youth Project of National Social Science Foundation(14CJY021), the Basic scientific research business projects of central universities(2017 CDJSK01XK18) and the Humanities and Social Science Fund of Education Ministry(12YJCZH123)

2018-07-21

2019-01-09

国家社会科学基金资助青年项目（14CJY021）；中央高校基本科研业务项目（2017 CDJSK01XK18）；教育部人文社会科学项目（12YJCZH123）

傅强（1963—），男，重庆人，重庆大学经济与工商管理学院，教授，博士生导师；研究方向：技术创新与技术管理、金融系统动力学与风险投资理论。

中文编辑：杜 健；英文编辑：Boping Yan