徐 悦，杨 力

(安徽理工大学 经济管理学院，安徽 淮南 232001)

20世纪中后期，出现了以高新技术产业，经济高质量发展等为主要特征的技术革命，经济领域与技术创新产业高度融合，衍生出产业新形态，影响世界经济发展格局。2016年，中国提出了“国家创新驱动发展战略”[1]，并且把技术创新作为引领发展的第一动力，把创新摆在国家发展的核心位置，建设技术创新型国家。

随着经济全球化进程的加快和改革开放的推进[2]，国内经济快速发展，各地区经济实力显著提升。以科技创新为主的区域经济协同发展成为国内经济高质量发展的新动能[3]，从而成为地区经济发展的重要动力源。基于我国经济发展面临的现实问题，研究区域经济与技术创新能力的协同关系，识别不同地区现状及差异，分析短板因素，对推进科技创新共同体建设，促进地区经济高质量发展具有一定现实意义。

一、相关研究

技术创新能够促进产业升级，提高地方经济能力[4]，这一结论已被业界学者公认。近年来，国内外研究主要侧重于定量分析，选取模型和指标各不相同，但大多处于模型优化和深化研究阶段。张妍等[5](2021)选取项目专利数、R&D经费支出金额等，构建创新驱动经济发展评价指标体系，研究商洛市创新协同度，得出二者协同度呈上升趋势，但仍然处于初级状态。原伟鹏等[6](2021)基于熵权-变异系数法组合赋权研究西北经济发展和地区创新能力，证实GDP整体呈现逐年递增态势,但与全国平均水平存在一定差距。司训练等[7](2020)选取了我国省级地区为研究对象，采用固定效益模型，分析地区城镇化及经济水平是否会影响技术创新，研究结果表明，经济增长对技术创新有显著的正向促进作用。越发达的地方，技术创新水平越高；越不发达的地方，该区的技术创新水平越低，技术创新对经济增长的贡献率也越低。刘德伟[8](2008)构建多元回归模型，认为从经济增长作用的强弱来看，劳动力和资金是首位影响力。R&D经费及人员的带动作用则相对较弱。李寿德[9](2020)通过把技术创新划分为生产过程创新和产品创新，分别分析两种创新对经济的作用方式，得出前者提高生产率能够推动经济增长速度的提高，后者改变产品的质量和差异性不一定加速增长。技术创新是现代经济增长的引擎，产品创新在后工业时代是技术创新的主要形式。辜胜阻等[10](2018)认为提升我国核心技术创新水平的关键是加快改革, 构建既以企业为主体、又充分发挥大学知识创新作用的“产学研用”一体化技术创新体系，促进产业和经济高质量发展。

Tripathi等[11](2017)从微观层面进行分析，说明城市化与技术创新之间存在一定相关性。Lanchero[12](2016)利用行业企业面板数据，评估对外投资对企业在国内技术投资的个体效应和组合效应，总结技术相关投资如何影响经济发展。Luis Aguiar等[13](2017)基于欧盟框架计划研究，认为在科研项目中保证R&D资金支持，可有效提高劳动生产率，进而促进行业经济发展。Khan Anwar等[14](2021)利用稳健的标准误差回归和动态GMM估计，表明可再生能源、技术创新、金融和经济发展之间存在双向因果关系。国外学者对技术创新和经济发展方面的定量分析集中于动态回归、因子分析和DEA模型等。

综合领域内文献可知，技术创新和经济发展之间存在协同关系。就研究方法而言，多数学者对此方面集中于单一模型分析，多种方法综合对比分析较少。由于研究数据来源不完整，采用的线性模型往往存在一定偏差，无法对研究进行实证检验。本文考察技术创新和经济发展的协同关系，通过实证研究得出二者耦合协调度，将线性模型和聚类分析结合起来，突破了传统研究的局限性，拟合线性模型实证分析不同地区的创新能力，并结合研究结果对区域技术创新发展提供可借鉴的政策建议。

二、数据选取及模型方法确定

1.数据来源

根据国家政策和技术创新理论，参考领域内相关文献，遵循指标相关性和完整性原则，构建评价对比模型。整理2013—2018年中国31个省(自治区、直辖市)R&D经费支出数据(如表1所示)，利用2019年度各省(自治区、直辖市)GDP数据建立模型进行比较(如表2所示)。其中，各项数据均来自于中国统计年鉴、中国科技年鉴。数据具有真实可靠性且度量单位、统计口径一致。

表1 2013—2018年31省(自治区、直辖市)研究与试验发展(R&D)经费支出情况

表2 2019年31省(自治区、直辖市)GDP总量及增速情况

2.分析方法

系统聚类方法也称层次聚类法[15]，由于类与类之间的距离计算方法多样，使其适应不同要求。步骤如下：先将m个样品分类，每个样品自成一类。然后每次将具有最小距离的两类合并为一个新类，合并后重新计算类与类之间的距离，这个过程一直继续到所有样品归为一类。这样连续并类的过程可用一种类似于树状结构的聚类谱系图来表示，由聚类图可以清楚看出全部样本的聚类过程，做出对全部样本的分类。

聚类方法多样，由于样本间距离采用欧氏距离，结果合理、分类效果好，一般采用离差平方和法。步骤如下：计算m个样品两两间的距离。构造b类，每类包含一个样品，合并距离最近两类为新类，计算新类与各类距离，类个数合理时，方能得出结果。最后绘制系统聚类图，确定样品名称和分类情况。

假定已经将m个样本分成了k类P1,P2,…,Pk，用Xit表示Pt中的第i个样本的变量指标向量，mt表示类Pt中样本个数，xt表示Pt的重心，则Pt中的样本离差平方和如公式(1)：

(1)

全部类内离差平方和如公式(2)：

(2)

单从统计角度来看，理想的聚类结果一般应是类的个数适当、类之间较为分开、类相近、避免出现不合理的过大的类等。从经济意义的角度来看，理想的聚类结果应该是类之间的特征，明显不同类内的特征彼此接近。相较于其他的聚类方法(如重心法，类平均法等)，离差平方和法计算类间距离与样本数有较大关系，可对样本合理分类，不易出现差距较大的类，更满足聚类的实际需要。

相关性分析可通过指标判断涉及的变量之间相关程度的大小，由于变量间具有对等关系，因此，能确定变量间的唯一相关系数r，其结果可作为是否能进行回归分析的前提条件。其中，r的取值范围为[-1,1]，r绝对值越接近1，表示两个变量的线性相关性越强；r的绝对值接近于0时，表示两个变量之间几乎不存在相关性。

线性回归分析是对两个具有强相关性的变量应用合适的线性回归方程，根据自变量的变化总结和推算因变量平均发展情况的方法。其中，线性方程的模型满足公式(3)：

yc=a+bx

(3)

其中，x表示自变量，yc表示因变量，a,b为待定参数，a决定关系直线的斜率，b表示自变量取0时因变量的值。

三、实证分析

1.数据处理结果

整合表1数据，结合离差平方和公式(1)、公式(2)，利用R语言软件建立聚类分析模型，得到聚类结果如图1所示。

图1 不同省(自治区、直辖市)R&D经费支出情况聚类分析结果

选取表1、表2数据计算相关性，过程如图2所示。

图2 相关性值计算过程

利用R语言软件建立线性回归模型，结合公式(3)得到自变量与因变量间的散点图及回归直线，如图3所示。

图3 R&D经费支出和地区GDP线性关系图

2.聚类结果分析

从技术创新经费应用视角来看，图1聚类计算将R&D经费之处区域大致分为三类，且每类之间的要素表现结果相似。第一类：江苏，上海，浙江，北京，广东，山东；第二类：湖北，湖南，天津，福建，四川，安徽，河南，辽宁；第三类：西藏，黑龙江，云南，广西，内蒙古，吉林，重庆，江西，宁夏，海南，贵州，山西，青海，新疆 。其中，第一类集中于技术创新发展程度较好的省市，R&D经费支出连续几年位居前列，南方省市居多，北方的北京市和山东省也处于第一类中。说明第一类省市技术创新能力总体差异不大，且更重视发展高新技术产业，R&D支出水平较高。第二类省市技术创新能力中等，集中于中部省市和人口大省，R&D经费支出程度一般，未来具有一定发展潜力。第三类省市技术创新能力较差，多位于不发达的偏远地区，也包括一些地域面积较小、新兴产业少、人口较少的地区，技术研发水平不够，与第一类省市水平相差甚远。技术创新投资可以依据聚类结果对不同地区合理安排投资布局规划，针对具备不同创新能力的省市群体，考虑其实际情况。

3.相关性回归分析

通过计算R&D经费投入和各省(自治区、直辖市)GDP间皮尔森相关系数可知，相关性系数值为0.902(计算过程如图2所示)，接近于1，说明两变量间相关性较高，满足线性回归模型分析条件。利用2013—2018年各省市R&D支出值求出年均值，将各省市R&D经费支出年均值作为自变量x，各省市2019年GDP水平作为因变量y，二者建立线性回归模型。通过软件计算得到变量关系散点图和拟合直线，并对散点分布情况做分类(如图3所示)。由图3可知，R&D经费支出较多的地区，相对来说GDP排名较高，技术创新支出与经济发展程度具有较高正相关性，且二者满足线性回归模型。按照纵坐标2019年GDP数值范围和拟合直线的交点对省市间进行分类，总体可分为三类，第一类省市GDP大于60000亿元，离散分布于拟合直线上部，对应的R&D支出较多。第二类省市GDP处于30000亿至60000亿之间，集中分布于拟合直线中部，对应的R&D支出程度居中。第三类省市GDP小于30000亿元，集中分布于拟合直线下部，对应的R&D支出较少。第一类省市有江苏，上海，北京，广东，浙江，山东，第二类省市有湖北，四川，安徽，河南，辽宁，湖南，天津，福建，第三类省市有西藏，黑龙江，云南，广西，内蒙古，吉林，重庆，江西，宁夏，海南，贵州，山西，青海，新疆。对应横坐标R&D经费支出情况看，大部分省市仍然处于GDP和R&D支出较低的水平，所以，第三类省市较多。

4.总体性分析

从研究方法来看，回归分析和聚类分析对省市分类结果较为接近，由此可知，选择的聚类方法、分类数目都较为合理，可以反映省市技术创新的大致水平。回归分析中，结果呈现较为清晰，散点分布的区域划分对应聚类分析结果，应证了指标选取的有效性和研究方法的可靠性，生成的拟合直线说明R&D经费支出和GDP间具有强相关性。两种分析方法相互验证，可提升研究可信度。

从研究结果来看，技术创新能力总体形势呈现南强北弱，东强西弱的地理格局[16]，且逐渐形成“东中一体”的区域集群发展模式，东部地区普遍较强，均处于第一类和第二类省市群体中。中部地区逐渐重视技术发展，并依靠相邻省市资源共建和一系列政策帮扶措施，大部分地区的技术创新能力和GDP水平有所提升，位于第二类省市群体中。两种分析方法得到的第三类省市大部分位于西部气候条件较差或地理位置偏远地区[17]，如内蒙古，西藏，宁夏，青海等地，多受制于客观因素，如气候条件恶劣[18]，人口基数较少等，导致GDP水平较低，技术创新能力发展受限，对高端人才的吸引力小于东部发达省市。

四、主要结论与政策建议

1.主要结论

国内不同地区的技术创新水平存在差异性，但大部分地区处于中等偏下水平，且技术创新能力与GDP水平之间存在一定的正相关性。技术创新水平对地区经济发展有较大影响，GDP较高省份更注重技术产业发展[19]，形成技术经济高效发展的良性循环。R&D经费、经济水平和技术创新的政策体系还需进一步完善。区域创新能力不断变化，协同发展使地区间差异逐渐缩小，但整体水平仍需增强。

2.政策建议

(1)联动创新，强化区域协同发展

东部省市经济基础较好，创新能力强，资源集中，技术产业发展处于领先地位，与其他地区相比更具优势。从全局来看，技术创新能力存在地域差异性。因此，东部地区要加强创新区域协同性[20]，建立省市联盟，促进创新技术、人才、资金和信息的区域内流动，共建创新平台，促进整体联动发展。同时，依托“一带一路”等发展政策[21]，较不发达省市要加强交流合作，借鉴优秀区域技术创新投资经验；优秀区域要发挥自身能力，对较不发达地区实现技术帮扶，优化创新发展道路，推动经济发展。

(2)引进人才，优化创新激励机制

技术创新投入主要包括人力资本和资金支持，专业人才是科技创新产业的重要支柱，加快引进技术行业特需人才和团队，培养技术独立人才，提升研究水平[22]。一方面，政府应制定相应政策，行使公共服务管理职能，优化创新激励机制，解决引入人才面临的一系列问题，如落户难，科研启动资金不够等；另一方面，鼓励企业吸引人才，对创新行业实现政策倾斜，如减免税收，简化审批程序等。

(3)产业革新，促进科技成果转化

加快较不发达省市供给侧改革，摒弃传统高污染行业，尽快实现企业转型，以国家战略为指导，市场需求为导向，培育规模较大、能力较强的复合实验室，大力推进创新行业相关项目申报及立项，促进“产—学—研”深度合作，为技术革新成果提供更优质的孵化平台。

(4)自主创新，对接全球前沿科技

加强引进技术的转化和再创新，聚焦全球研究前沿，确定国际主流发展方向。结合国内情况，在战略性技术行业，加大资金投入和人才投入，同时利用各省市科技创新平台，深化基础研究，激发高等院校创新能力。全面推进技术创新活动，充分利用现有资源对接全球高端技术，实现自主创新，促进国内经济高质量发展。