纪祥裕

(暨南大学 产业经济研究院，广东 广州 510632)

一、问题提出

当前，中国经济面临不少亟待解决的难题，例如人口红利消融、环境约束趋紧、外部需求不足、传统产业产能过剩等，这也意味实现经济发展方式转变迫在眉睫。党的十八大将创新驱动发展上升为国家战略，党的十九大进一步强调了科技创新在现代化经济体系建设中的战略支撑作用。不难发现，创新发展正成为中国经济结构战略性调整进程中的新动能与新优势。

城市是开展经济活动的基本空间单元，在集聚效应的作用下各类创新要素不断流入，并产生了大量技术创新成果。在城市经济学中，城市规模问题一直以来都是学者们研究的重点。事实上，对城市规模大小与技术创新二者间关系的探讨由来已久，也产生了丰富且有意义的研究成果，然而研究结论并不一致。一方面，不少学者确认了城市规模对城市创新的正向作用。例如，大城市在创新活动方面更具优势[1]；较大的城市规模为创新活动提供了相当大的优势，但是这种优势随着时间推移而逐渐消失[2]。这种正向关系的结论得到了基于中国数据的经验研究的支持[3-4]。另一方面，也有学者提出不一样的看法：城市就业密度对专利强度具有关键作用，规模不大的城市往往拥有更多人均专利数[5]；城市规模与企业创新成功率的并非是简单的线性关系，而是呈倒U型发展趋势[6]。

综上所述，既有文献存在两方面的不足：第一，在研究中国情境下区域创新的影响因素时，绝大多数文献是基于省级数据展开的。但是这样的处理方式并不能反映城际创新资源的差异。已有学者指出，在同一省级层面内往往呈现出城市创新资源非均质的空间分布特征，具体表现为创新要素主要集中于少数城市，而周边城市享有较少的创新资源[7]。第二，既然创新资源非均质的空间分布状态是一个客观事实，那么创新活动就会产生城际效应，但是着重讨论城市创新的空间互动现象以及城市规模溢出效应的文献较为鲜见。

在改进既有文献的不足的基础上，本文试图对城市规模与中国区域创新能力的关系进行再检验。本文所做的工作主要有：第一，本文将使用样本信息更为丰富的地级及以上城市面板数据，对城市规模与创新水平的关系展开定量分析；同时，本文还将分析在城市特征的约束条件下，上述影响效应是否会产生显著变化。第二，大城市往往具有更大的市场规模与更高的金融集聚水平，进而可能对创新活动产生积极影响。本文通过中介效应模型证实了市场潜能与金融集聚两类中介效应的存在。第三，本文进一步使用空间计量方法考察城市创新的空间集聚特征以及城市规模的空间外溢作用。

二、理论分析与研究假设

(一)城市规模影响城市创新的直接机制

在人口密度更大、经济活动更为密集的大城市中，集聚经济的外部性能更好发挥[8]。首先，创新人才可获得性是创新能否成功的关键所在。与小城市相比，大城市拥有更多高端人才，能形成较大的劳动力池[6]，提升了创新人才与高科技企业之间的匹配数量与质量，进而对创新产生促进作用。其次，大城市高密度的经济活动使得异质性企业可以专注于同类产品链上的不同组装工序，并逐渐形成专业化、网络化的分工体系。这种专业而联系密切的发展格局不仅实现了规模经济，而且大大降低了企业交易成本，分摊了企业经营风险[9]，进而引导企业将更多资金配置到研发创新活动当中。再者，大城市在知识溢出上拥有很大优势，原因在于，较大的城市规模具备更大体量先前经验的本地知识库。由于新想法大多来源于新老知识间的融合贯通[10]，因此大城市无疑为企业间的知识交流提供了更大的平台，推动其迸发创新思想的火花，进而对创新产生激励作用。与此同时，大城市的多样化特征在企业的创新过程中也具有重要作用，具体表现在：第一，产业多样化有利于不同产业间劳动力资源配置的优化。当本地的某个行业因产能过剩等原因而出现大量多余的劳动力时，与实施跨区域就业决策相比，这些劳动者往往会留在本地，并搜寻其他行业可能适合的工作[11]。这样一来，厚实多样的劳动力蓄水池不仅为创新企业提供了必不可少的高素质人才，而且为企业雇佣其他行业劳动力以获取不同专业背景的新想法提供了可能性。第二，企业可以利用大城市多样化产业形成的上下游关联来降低生产成本。大城市上下游可达性较好，企业的投入需求能容易地从本地市场获取，这直接降低了中间品尤其是非标准化服务中间品的获取成本[12]，促使企业配置更多资金与精力用于创新活动当中。第三，多样化环境能够加速行业间知识溢出，形成创新源泉。多样化环境拓宽了各类知识溢出渠道，有助于不同专业背景的人才彼此学习，进而促进企业对技术的吸收、整合以及创新。正如戈雷瑟等(Gleaser et al.，1992)指出，行业间知识溢出更有助于创新的产生[13]。据此，提出假设1。

假设1：城市规模与城市创新之间具有显著的正相关关系。

(二)城市规模影响城市创新的间接机制

与中小城市相比，大城市具有更大的市场规模。从需求侧的角度来说，市场竞争促进技术创新水平提升的路径是可能存在的。城市规模的扩张通过增加消费者数量、提升消费能力来影响市场需求。首先，城市空间扩张有助于吸引和承载更多的企业和劳动力，这直接增加了消费者数量。其次，由于具备更完善的城市交通体系、更丰富的娱乐设施以及更优质的教育医疗资源，大城市更容易吸引高素质人才流入。这部分劳动力不仅拥有更强的消费能力，而且还呈现出更加多样化的消费需求。多样性环境在需求刺激的作用下逐渐形成，能够为不同行业的从业人员搭建起深入交流的平台。在频繁交流的过程中，企业不仅能使用更多新思想用于制定产品方案，而且可以使用新技术生产多样化的新产品[14]。与此同时，更大的市场规模也意味着更激烈的竞争，“优胜劣汰”的市场机制将不断压缩创新能力不足企业的生存空间[15]。这样一来，为了获取足够的竞争优势或避免退出市场，企业会加大研发投入，致力于研发新技术与新产品，进而提升了技术创新水平。据此，提出假设2。

假设2：城市规模的扩张会刺激市场需求，进而对城市创新水平的提升具有促进作用。

企业进行研发创新时往往需要专业的金融服务。与中小城市相比，大城市往往是交通枢纽中心，是互联网和供应链的核心，拥有更强大的信息收集和信息处理能力，是金融信息的源头。王如玉等(2019)发现，随着人口规模的不断扩大，城市的资本集中度与金融集聚水平越高[16]。金融集聚主要通过缓解信贷约束、提高资源配置效率以及分散创新风险来激励城市创新。首先，金融机构为研发活动提供资金支持，缓解企业由于内源性融资不足而面临的信贷约束，进而提高创新项目成功率。其次，金融机构在空间上的集聚有助于提升生产效率，促进金融资源的有效利用，具体表现在金融机构可以对资金需求者做出更准确的评估，并挑选出最具创新与成长能力的企业[17]，因此优质创新项目总能被准确识别并优先得到支持。最后，研发风险是让投资者“望而却步”的重要因素，而金融机构能通过设计各类风险分散组合予以缓解。在研发创新可持续的预期下，企业会有足够激励增加创新投入[18]。据此，提出假设3。

假设3：城市规模的扩张会强化金融集聚程度，进而对城市创新水平的提升具有激励效应。

(三)城市规模对城市创新的空间溢出机制

在一定空间范围内，城市规模会产生城际创新抑制作用。由于研发创新具有长周期、高风险、高投入的特征，因此投资者在考虑创新项目的选址时会充分评估城市的资金流、人才流和信息流的状况。正如上文所述，与规模较小的城市相比，大城市颇具规模的实体经济部门可以有效保证金融体系的规模化经营，充足的资金供给和完善的金融安排也对创新企业具有很大的吸引力。因此，周边地区的投资者会将更多创新项目在本城市落地，以期获得更高的创新回报。同时，大城市聚集了更多知识密集型企业，新知识、新技术更容易在研发人员的频繁交流中产生。也就是说，城市规模越大，对资金流、人才流和信息流等创新投入要素的引力作用就越大。值得关注的是，中国情境下城市规模的扩张在一定程度上是地方政府竞争的结果[19]。为了实现本地经济的高速增长以获得上级政府认可，地方主政官员往往会采取最大限度地开发、利用各类资源的发展策略[20]。地方政府动用土地财政等手段实现城市空间持续扩张，以达到吸引更多生产要素流入本地的目的，其中也包括对创新资源的激烈争夺。据此，提出假设4。

假设4：城市规模对周边城市创新具有显著的负向空间溢出效应。

三、模型设定、指标选取与数据说明

(一)模型设定

为了研究城市规模与创新水平之间的关系，本文设定了以下面板数据回归模型：

Innoit=α0+α1Popit+ηXit+vt+ui+εit

(1)

其中，Innoit表示城市i在第t年的创新产出；α0为常数项；Pop衡量城市规模，α1为其系数；X表示一系列控制变量，η为控制变量的系数，具体变量的选择在下文予以说明；为了控制年份固定效应与城市固定效应，本文进一步在模型中添加了vt和ui，εit为模型的误差项。本文还将进一步检验二者的内在动力机制，为此，设定以下中介效应模型：

Mediatorit=β0+β1Popit+θXit+vt+ui+εit

(2)

Innoit=δ0+δ1Popit+δ2Mediatorit+ωXit+vt+ui+εit

(3)

式(1)可视为第一步，关键在于考察城市规模变量的显著性；第二步是考察城市规模变量对两类中介变量(Mediator，即市场潜能或金融集聚)的作用关系，倘若式(2)中的系数β1通过了显著性检验，意味着可以进行最后一步；式(3)中同时包含了城市规模与两类中介变量，在δ1与δ2都显著的情况下，如果δ1与式(1)的α1相比，数值和显著性大小都有所减少，意味着存在中介效应。

(二)指标选取

被解释变量(Inno)。在研究区域创新的众多文献中，专利是衡量创新成果最为常见的指标之一[21]。与实用新型和外观设计专利相比，发明专利的研发成本更高，承载的技术复杂程度更大。与此同时，无论在申请程序抑或在保护规定上都具有十分严格的限制。因此，不少学者认为发明专利数据更能体现地区实质性创新水平[22]。本文采取人均发明专利授权量作为城市创新的衡量指标。

解释变量(Pop)。参考已有研究的一般做法，使用城市年平均人口数来衡量城市规模。

控制变量。经济发展水平(Pgdp)，使用城市实际人均国内生产总值(GDP)表示；财政科技支出(Govinno)，使用每一年度政府用于支持科技发展的财政支出与GDP之比进行刻画；固定投资规模(Invest)，采用固定资产投资与GDP之比来表示；实际利用外资水平(Fdi)，使用实际利用外资占GDP的比重来衡量；信息化水平(Inform)，使用人均意义上的邮电量与GDP之比作为代理指标[23]；产业结构(Upg)，使用产业结构指数进行衡量，即Upg=∑qm，m(m=1，2，3)，其中，m表示产业，qm表示产业增加值占GDP的比重[24]。

中介变量。当一个城市里的消费者拥有越强的消费能力且呈现出越加多样化的消费需求，那么该城市的市场潜能指数也就越大。哈里斯(Harris)函数是刻画市场潜能的良好指标，已在众多文献中得到广泛应用[25]，因此本文沿袭已有文献的一般做法，设定市场潜能指标如下：

Mpi=∑i≠jYj/dij+Yi/dii

(4)

其中，Mpi表示城市i的市场潜能；Y表示城市GDP；dij表示城市i驻地与城市j驻地间的直线距离；dii表示城市i的内部距离，设定dii=(2/3)(areai/π)1/2，areai表示城市i的面积。关于金融集聚程度，参考陶锋等(2017)[26]的做法，构建地理密度指数来刻画金融集聚，具体如下：

Finit=Dit/Areait

(5)

在式(5)中，Fin为金融集聚的代理指标，是金融活动程度(D)与城市建成区面积(Area)的比值。金融活动程度使用年末金融机构贷款余额进行表示，原因在于现阶段中国金融资源供给状况主要取决于银行体系贷款指标。

(三)数据说明

在数据可获得性的前提下，本文收集了2003—2017年中国277个地级及以上城市的面板数据进行分析。城市发明专利授权量数据来源于国家知识产权局网站中的中国专利公布公告系统；城市规模、控制变量以及中介变量的数据来自《中国城市统计年鉴》，需要强调的是，本文使用的是市辖区层面的数据；从《中国统计年鉴》中获取省级价格指数，用于将名义变量调整为实际变量。

四、实证结果与分析

(一)基准回归结果分析

在表1中，城市规模系数均在1%水平下显著为正，这说明城市规模与城市创新之间具有显著正相关关系，假设1得到了初步验证。由列(7)可以分析控制变量的影响：经济发展水平(Pgdp)对城市创新具有显著正效应，这是因为随着经济不断发展，要素市场更为充分，能为研发活动提供高级化生产要素，同时市场机制的日益完善也可以营造良好的创新竞争环境；财政科技投入(Govinno)系数显著为正，这说明地方政府加大对科技创新的财政支持力度具有显著的创新激励效应；固定投资规模(Invest)变量系数为-1.181，且通过了1%水平下显著性检验，意味着固定投资对创新活动产生了拖累效应，可能的解释是，过度投资活动往往是企业费用负担增加的根源，会导致企业无法配置足够资金用于研发创新。

表1 基准回归结果

(二)稳健性检验

首先，对因变量进行重新刻画。从专利申请的角度来衡量城市创新，即把基准回归中的人均发明专利授权量替换为人均发明专利申请量(Inno_apply)，具体结果见表2列(1)。同时，还使用《中国城市和产业创新力报告2017》中的城市创新能力指数(Inno_index)作为新的被解释变量[27]，具体结果见表2列(2)。结果显示，城市规模与城市创新之间仍然呈现稳定的正向关系。

其次，使用当期专利数据可能无法全面反映专利在研发、申请和授权等环节上的耗时状况，进而可能会造成衡量误差问题。因此，将解释变量和控制变量均依次采取滞后一期和滞后二期的处理，以消除时滞对估计结果的影响。同时，将解释变量作滞后处理也能够消除反向因果关系，使得内生性问题得到有效缓解。表2列(3)是对解释变量和控制变量均采取滞后一期处理后的估计结果，表2列(4)则是采取滞后两期处理后的估计结果。不难发现，城市规模变量系数在5%水平下显著为正，说明上文结论是较为稳健的。

最后，考虑到少部分城市的数据可能存在异常值或离群值的情况，如创新产出等变量的数值过低或过高等，进而影响估计结果的准确性。因此，对人均发明专利授权量与城市规模这两个关键变量进行上下1%的缩尾处理后重新进行估计，具体结果见表2列(5)。可以发现，城市规模系数仍在1%水平下显著为正，这进一步支撑了上文的研究结论。

表2 稳健性检验结果

(三)异质性分析

首先，考察地区异质性可能产生的影响。从经济发展阶段来看，东部城市经济起步更早，在资本和技术上具备更好的先天条件。从人力资本上看，东部城市拥有丰富教育资源，加之中、西部劳动力大量涌入，进而形成了能为企业输送高素质创新人才的厚劳动力池。从基础设施来看，东部城市在互联网、物联网和供应链上更具优势，拥有更强的信息收集和处理能力，可以有效降低创新过程中的信息不对称和风险，进而提升企业创新能力。基于此，本文分别对东部城市与中、西部城市两个子样本进行估计，具体结果见表3列(1)、列(2)。可以发现，无论是东部还是中、西部，城市规模均能产生显著创新提升效应。为了比较二者的大小，进一步构建了地区虚拟变量(Area)，即当城市处于东部时赋值为1，当城市处于中、西部时赋值为0，并在式(1)基础上引入城市规模与地区虚拟变量的交互项(Area×Pop)进行回归，具体结果见表3列(3)。结果显示，交互项系数为1.837，且通过了1%水平的显著性检验，这说明与中、西部城市相比，东部城市规模扩张的创新促进效应更大。

其次，尝试分析资源禀赋异质性带来的影响。自然资源丰裕是资源型城市的优势所在，然而这些城市也容易走上资源依赖型道路。更为重要的是，长期以资源型产业为主导的经济体并不太需要高技能劳动力，导致当地的高素质创新人才流失殆尽。同时，由于经济结构单一并且缺乏知识密集型产业，资源型城市中的企业对技术改造和技术升级的创新意愿也不够强烈。鉴于此，根据国务院《全国资源型城市可持续发展规划(2013—2020年)》将全样本划分为资源型城市与非资源型城市后进行估计，具体结果见表3列(4)、列(5)。结果显示，非资源型城市的城市规模具有显著创新提升效应，而资源型城市的规模扩张却无法对创新产生实质性影响。对此可能的解释是，资源型城市普遍存在“荷兰病”等“资源诅咒”现象，长期以资源产业为主导的经济结构使得城市规模扩张也无法提升城市创新水平。

表3 异质性检验结果

(四)机制甄别检验

这一部分将使用中介效应模型来验证市场效应与金融集聚效应的存在与否。表1列(7)是中介效应模型第一步的估计结果，其中城市规模对城市创新产出具有显著正效应。表4列(1)是检验市场效应的第二步估计结果，其中城市规模的扩大提升了城市创新能力。第三步表4列(2)中市场潜能系数为1.751，且在1%水平下显著为正，说明市场潜能对城市创新具有显著促进作用。同时，城市规模系数为0.270，与表1列(7)相比有所下降，这意味着市场潜能存在部分中介效应，恰恰验证了假设2。

接着，进一步考察金融集聚变量的中介效应。表4列(3)是第二步的相应估计结果，可以发现，城市规模与金融集聚度呈现显著正相关关系。第三步表4列(4)结果中金融集聚系数显著为正，说明金融集聚水平的提升具有正向创新效应。同时，城市规模系数为0.628，与表1列(7)相比有所下降，这意味着金融集聚存在部分中介效应，至此假设3得到验证。

表4 机制甄别检验结果

五、进一步讨论：空间互动的视角

这一部分将着重考察空间互动因素，同时对假设4进行检验。在变量间存在空间互动的情况下，应该借助空间计量模型进行分析。在众多空间计量模型当中，空间杜宾模型(SDM)不仅将被解释变量的空间互动纳入分析范围，而且能够准确辨别解释变量的空间溢出效应。因此，构建SDM如下：

(6)

在式(6)中，ρ为空间滞后系数，当数值为正时，表明城市创新具有正向的空间集聚特征；Wij为空间权重矩阵中的元素，由两两城市驻地间欧式直线距离平方的倒数来衡量；Innojt表示第j个城市(j≠i)在第t年的创新产出；Popjt表示第j个城市(j≠i)在第t年的城市规模；θ1与η1分别刻画了城市规模对城市创新的直接效应与空间溢出效应；Xjt为第j个城市(j≠i)在第t年的控制变量指标；θ2与η2分别衡量了一系列控制变量对城市创新的直接效应与空间溢出效应；vt、ui和εit分别为年份固定效应、城市固定效应和误差项。

在对空间杜宾模型进行估计之前必须进行空间相关性检验。具体来说，使用莫兰指数对城市创新进行空间相关性检验。根据表5的检验结果可得，样本观测期内莫兰指数的数值均显著为正，意味着现阶段城市创新具有正向空间集聚特征。上述空间集聚性在整个观测期发生了较大变化，莫兰指数在2003—2009年处于较低水平。自2010年开始，其数值便开始快速上升，表明城市创新的正向空间集聚特征呈现加强的趋势。对此的解释是，随着国家出台一系列旨在实现创新驱动发展的规划与政策，不少城市借助制度红利加快了研发创新的脚步，并在一定区域范围内形成了创新俱乐部现象。

表5 空间相关性检验结果

表6 SDM效应分解结果

根据勒沙杰和佩斯(LeSage & Pace，2009)[28]提出的偏微分方法将式(6)分解为直接效应与溢出效应(间接效应)两部分。表6列(1)报告的是效应分解中的直接效应部分，直接效应刻画的是本地区域特征变量对本地创新的影响。可以看出，城市规模系数仍然在1%水平下显著为正。本文关注的重点是溢出效应的方向和力度，这部分结果见表6列(2)。结果显示，城市规模的溢出系数为-4.084，且通过了1%的显著性水平检验，意味着本地城市规模的持续扩大会对周边地区的创新水平产生抑制作用。可能的原因在于，大城市在人力资本、市场发展、信息收集与处理上更具优势，会对周边城市的优质创新要素产生虹吸效应，最终抑制了周边城市的创新水平而提升了本地的创新能力。至此，假设4亦得到了验证。

六、主要结论与政策建议

在大力实施创新驱动战略的背景下，本文深入分析了城市规模及其空间互动对城市创新的影响效应，并使用2003—2017年中国277个地级及以上城市的面板数据对若干命题进行了实证检验。主要发现有：第一，基于全样本的估计结果，随着城市规模持续扩大，城市创新产出不断增加，但是该正向作用会受到所处地区和资源禀赋两类城市异质性的约束。第二，本文进一步考察了城市规模影响城市创新的机制路径，中介效应模型的估计结果表明，更大的市场需求规模与更高的金融集聚水平是大城市拥有更多创新产出的重要原因。第三，为了分析城市规模对城市创新活动的空间溢出效应，本文借助空间杜宾模型进行检验发现，城市规模对周边城市创新能力具有显著的负向溢出效应。

基于上述经验结论，本文对于如何推进创新驱动战略、提升区域整体创新水平提出如下政策建议：(1)在中国大部分地级市的实际规模仍然具有较大提升空间的现实情境下，应该适度推动城市尤其是中小城市的规模扩张，发挥城市承载创新要素的空间优势，提高人口集聚程度，为企业研发创新提供厚实的智力储备。(2)要根据城市特征来安排城市规划。对于东部或非资源型城市而言，应优化城市规模的发展路径，进一步挖掘城市的集聚经济优势；对于中西部或资源型城市而言，在城市规模扩张的过程中要合理引导城市产业发展，培育和发展先进制造业，形成现代服务业体系。(3)要重视市场需求与金融集聚在城市规模创新效应中的作用。具体来说，要发挥市场需求对企业研发创新活动的拉动作用，促使企业生产更多新产品；也要发挥金融集聚对创新活动的资本配置功能和风险分散功能，构建、完善多层次的资本市场，提高金融体系服务实体经济研发创新的能力。(4)本文的研究结果表明，大城市对周边城市创新要素产生了虹吸效应。对此，区域创新中心城市的创新网络应该向创新能力较弱的城市延伸，形成以点带面的创新空间格局，在区域内形成创新的“扩散效应”，缩小城际创新能力差距。