石 敏，沈亚男

（1.淮北师范大学数学科学学院，安徽淮北 235000；2.哈尔滨商业大学研究生院，黑龙江哈尔滨 150028）

习近平总书记在“十九大”报告中谈到创新发展理念，在转型升级、新旧动能加快转换的关键时期，加快建设创新型国家尤为关键。据《国家创新指数报告》2020 年全球创新指数排名，我国保持上升势头，排在第14位，处于中等偏上地位。据国家知识产权局最新数据，全球共有1360 万件有效专利，其中22%在美国，15%在日本，7%在韩国，9%在中国，可以看出我国创新能力仍有很大的进步空间。“十四五”规划提出，我国需要加强基础性研究，以解决关键性领域核心研发技术的瓶颈问题，因此提升技术创新能力十分重要。

我国的内部经济环境较为复杂，创新能力与发达国家除了在国际间存在差距，国内也一直存在经济发展区域不协调的问题。中国科技统计年鉴数据显示，2019 年我国专利申请量前10 名的省份中，西部地区一个名额都没有，东部地区占据了7 个名额，中部地区占据了3 个名额；其中前5 名的省份，全部属于东部地区，由此可以看出，我国区域之间的创新产出存在显著差异。《2020人力资本趋势报告》中显示，人力资本在区域间也存在显著的差异，除了区域技术创新投入以及区域技术创新环境等因素是区域技术创新能力的重要影响因素外，人力资本在不同地区存在的显著差异，也直接或间接地造成区域技术创新能力发展不均衡。

人力资本结构高级化与区域技术创新能力是否存在空间依赖性？如何促进人力资本结构高级化，推动区域技术创新能力保持较快增长，实现向创新型国家的转变，这是需要我们思考的问题，亦是学术界需要回答的问题。

1 文献综述

从目前学者的研究情况来看，人力资本与区域技术创新能力关于空间相关的研究被学者们广泛关注，主要集中在两个方面：①人力资本与区域技术创新的关系。姚丽，谷国锋[1]利用探索性空间数据分析对区域技术创新水平进行深入研究，研究表明高技术产业技术创新能力有明显的局域性空间集聚，人力资本对区域技术创新的贡献远大于资金投入；汪彦、华钢、曾刚[2]采用空间计量方法对区域技术创新产出进行研究，结果表明长三角城市群技术创新产出具有显著空间自相关性，其中东、中部的技术创新产出较高，西部地区则较低；方大春，裴梦迪[3]采用地理加权回归法对我国区域技术创新水平进行深入研究，发现R&D 经费支出对西部区域技术创新水平提升贡献最大，东、中部的区域技术创新水平提升则主要受R&D 人员投入和人均GDP 的影响，其中低水平人力资本对区域技术创新水平有显著的抑制作用。②人力资本结构高级化方面的研究。钱晓烨、迟巍、黎波等学者[4]基于空间计量方法研究表明，接受高等教育的从业人员比重越大，越有利于区域技术创新能力的提升；刘智勇等[5]实证分析发现，相较于人力资本存量等其他影响因素，人力资本结构高级化对经济增长的贡献更大；张治栋，吴迪[6]实证分析表明，人力资本结构高级化有利于提升长江经济带产业创新效率，并且受经济发展阶段与产业类型影响而表现出异质性。各学者的研究发现高质量人力资本的作用越来越重要，人力资本整体对自主创新并没有显著作用，而高质量人力资本对创新有显著的促进作用。

综上所述，已有研究表明初级人力资本比重在经济发展进程中逐渐减少，高级人力资本比重在经济发展进程中逐渐提高，以平均受教育年限测度的人力资本将难以真实反映人力资本效力。从人力资本结构高级化视角探讨区域技术创新能力的空间相关性的研究较少，因此将使用探索性空间数据分析方法（ESDA）探讨区域技术创新能力、“技术创新-人力资本”的空间相关性状态，深入探讨以初级人力资本向高级人力资本演进为特征的人力资本结构变化与区域科技创新能力的空间相关关系。

2 理论分析

2.1 人力资本结构高级化的涵义

人力资本理论指出，在经济发展诸多影响要素中，最重要的要素就是人，人的质量的提高是关键。对于知识技能的消化吸收，不同“质”的人力资本是不同的，而其应用并在此基础上的创新肯定也有所不同，人力资本又具有向下兼容性的特点，一国或地区为了满足经济社会对高素质人力资本的需求，高级人力资本比重的逐渐上升，以此促进人力资本不同类型协调发展，达到人力资本结构的优化。人力资本结构呈现出的变化是具有规律性的，且这种变化是与经济社会的不断发展戚戚相关的，所以通过教育这一指标来度量人力资本结构高级化，可以定义为低教育程度人力资本比重的逐渐减少，高教育程度人力资本比重的逐渐增多。

2.2 探索性空间数据分析方法

探索性数据分析常使用的是全域空间相关性工具和局域空间相关性工具。总的来说，就是利用一系列方法对数据集进行分析，探索空间内各空间单元属性值之间的联系。

（1）全域空间相关性

空间自相关是指某一空间单元的某一属性值与临近空间单元上同一属性值之间存在的空间相关程度。空间相关性分析把空间权重矩阵加入相关性的研究，并计算相关系数。若空间自相关系数为正，表明空间单元之间某属性值随着距离的邻近表现的越相似；若是为负，则表示某属性值随距离的邻近表现的越不同；若是系数为零，则说明某属性值在空间中呈现随机分布。

最常用来测量空间相关性的工具是Moran'sI、Geary'sC和Global'G这三种，这里采用Moran'sI。其计算公式为：

其中，n为被测量的所有空间单元数，xi和xj为所有空间单元i区域或j区域的属性值，为所有区域该属性值的平均值，wij为空间权重矩阵。

（2）局域空间相关性

局域空间相关性用来刻画局域空间单元即某一单元与周围空间单元的属性值的分布特征，全局空间相关性则是用来刻画整个空间单元的属性值的分布。局域空间相关性与全域空间相关性的结论并非完全一致，全域空间相关性分析得到空间单元之间存在空间相关性的结论，局域空间相关性分析并不一定得到空间相关的结论；同样，全域空间相关性分析得出不存在空间相关性的结论时，局域空间相关性分析也有可能会得到某一空间单元与周围空间单元存在空间相关的结论。局域空间相关性分析工具主要包括局部Moran'sI统计量、局部Geary'sC统计量和局部Global'G统计量，其中常用的是局部Moran'sI。局部Moran’sI公式如下：

3 指标与数据

3.1 区域技术创新能力

技术创新过程可分解为两个过程: 第一个是技术开发过程，第二个是技术转化过程。首先是将技术创新投入变成技术性科技成果的过程，然后是将技术性科技成果转化成商业化产品的过程。此次主要研究技术开发阶段，区域技术创新能力借鉴芦峰等（2015）的文献研究，从创新产出角度选定专利申请数作为区域技术创新能力的衡量指标。

3.2 人力资本结构高级化

关于人力资本结构高级化指数的测算，借鉴靖学青[7]的产业结构高级化度量方法，首先将从业人员按研究生、本科、专科、高中、中等职业5 类受教育程度依次由高至低排列，将它们的比重设为Hj(j=1,2,3,4,5)，Hj的权重Wj参见伏润民[8]的做法，则人力资本结构高级化指数:

3.3 数据来源

数据来源于2009-2020 年《中国统计年鉴》、《中国科技统计年鉴》、《中国劳动统计年鉴》、《中国人口和就业统计年鉴》、《中国教育统计年鉴》、《全国教育事业发展统计公报》、《中国科技人力资源发展研究报告》、《国民经济和社会发展统计公报》、各省统计年鉴和科技部网站。

4 实证分析

4.1 空间权重矩阵的确定

空间权重矩阵是数据空间结构的表现形式，是对空间单元之间空间关系的量化，主要表达的是空间相邻或空间距离的位置关系以及空间之间社会、经济等属性关系。空间权重矩阵的一般表达式为：

其中，n代表空间单元的数量，wij衡量i地区和j地区在空间上的量化关系。

研究内容是我国31 个省的技术创新能力，距离空间权重矩阵和K 临近空间权重矩阵都是基于空间单元之间的地理位置关系进行测算的。我国不存在省之间以点相邻的情况，因此采用邻近空间权重矩阵。

4.2 区域技术创新能力全域空间相关性的检验

表1 显示，2008-2019 年每年的Moran'sI均显著大于0，且P值均小于0.1，从整个空间单元属性值的分布来看，我国技术创新能力在空间上存在显著的正向相关性。空间邻接矩阵下Moran'sI呈现先上升后回落的趋势。2010 年Moran'sI达到了最大值0.243，说明在2010年区域间的技术创新溢出效应相对较强，这可能与“十一五”规划突出强调加强自主创新，建设创新型国家有较大关系，区域间的溢出效应较强；之后Moran'sI呈现下降，这可能是区域间的创新溢出引导区域间的差异逐渐趋同，从而导致区域间的收敛效应出现。

表1 我国区域技术创新能力全域空间相关性检验

4.3 区域技术创新能力局域空间相关性的检验

从图1 可以看出，2008 年与2019 年我国各区域多数处于一、三象限，表明我国区域技术创新能力在空间上存在正相关关系，其中位于第三象限的地区数量最多，说明处在低低聚集区的地区最多，较低的技术创新能力伴随较低的技术创新能力。2008 年与2019 年的Moran 散点图可发现，第二象限的区域数量明显减少，第一象限的区域数量有所增加，这可能是低技术创新能力的区域与高技术创新能力的区域相邻，受其辐射带动。

图1 我国区域技术创新能力的Moran散点图

由表2 可以看出，我国区域技术创新能力位于H-H 聚集区以及H-L 孤岛区的省较少，L-H 空心区相对多一点，L-L 萧条区省数量最多。其中稳定位于H-H 聚集区的有4个省：山东、江苏、上海和浙江。安徽和福建在2019 年也位于第一象限，说明这些省的技术创新产出较高，并且这些省邻近的也是技术创新能力比较强的省，空间分布呈现出高技术创新能力与高技术创新能力集聚的现象。稳定位于L-H 的省有4 个：天津、湖南、广西和江西。表明低技术创新产能力的省被高技术创新能力的省包围，即存在负向空间相关性，在空间上呈现出空心区的现象。稳定位于L-L 的省大多处于我国的中、西部地区，在空间上呈现出较低技术创新能力区域聚集的现象。稳定位于H-L 的有3 个：北京、广东和四川，这表明高技术创新能力被低技术创新能力的省份包围，在空间上呈现出孤岛现象。正如北京技术创新产出较强，而其邻近的天津、河北却是技术创新产出较低的地区。

表2 我国区域技术创新能力局域空间分布结果

4.4 “技术创新-人力资本”全域空间相关性的检验

为探讨某一空间单元的技术创新能力与其邻近空间单元人力资本之间的空间相关性，采用双变量Moran'sI统计量来进行研究，双变量Moran'sI的计算公式如下：

其中，xi代表i区域的区域技术创新能力，yj代表j区域的人力资本结构高级化指数。

由表3 可以看出2008-2019 年，每年的Moran'sI均显著大于0，且P值均小于0.05，从整个空间单元属性值的分布来看，我国某一空间单元的技术创新能力与邻近空间单元的，人力资本在空间上存在显著的正相关性，这表明技术创新能力水平较高的省份往往和人力资本水平较高的省份邻近，低技术创新能力的省份与低人力资本水平的省份聚集。空间邻接矩阵下2013 年Moran'sI绝对值达到了最大值0.256，可能的原因是区域间技术创新能力较好的地区更容易吸引邻近区域高水平人力资本集聚，之后Moran'sI绝对值整体呈下降态势，这可能是“十二五”规划提出推动区域协同发展，建设高素质人才队伍的号召，区域间扩散效应起着重要作用。

表3 我国“技术创新-人力资本”全域空间相关性检验

4.5 “技术创新-人力资本”局域空间相关性的检验

局域空间相关性分析可以用来刻画局域某一单元的技术创新能力与周围空间单元间的人力资本结构高级化的分布特征，全局空间相关性分析则是用来刻画整个总体层面的区域技术创新能力与人力资本结构高级化的空间相关性。因此为了了解各区域的空间局域分布的真实状况，使用双变量局域Moran'sI来测度局域空间相关性，其计算公式如下：

其中，xi表示i空间单元的区域技术创新能力，yj表示j空间单元的人力资本结构高级化指数，统计量近似服从标准正态分布，因此其统计检验与全域Moran'sI相同。

从图2 中可以看出，2008 年与2019 年我国各区域大都处于一、三象限，表明我国区域技术创新能力与人力资本在空间上存在正相关关系，高技术创新能力的省技术创新水平提升可能对邻近省人力资本水平提升起到促进作用。其中位于第三象限的地区数量最多，说明较低技术创新能力与较低人力资本的区域相邻的较多。由2008年与2019年的Moran散点图可对比发现，其中第一象限即高技术创新能力与高人力资本水平邻近的区域数量增加，这可能是低技术创新能力的区域受其相邻高人力资本区域扩散效应的作用，其技术创新能力有所提升。

图2 我国“技术创新-人力资本”的Moran散点图

由表4可以看出，我国“技术创新-人力资本”局域空间相关性稳定位于H-H 的有4个省：北京、江苏、上海、浙江，说明这些省的技术创新产出较高，并且这些省邻近人力资本较强的省，在空间上呈现出高技术创新能力与高人力资本集聚的现象。稳定位于L-H 的省有2个：天津、河北。说明技术创新产出低的省被相邻人力资本高的省包围，在空间上是负相关关系，呈现出空心分布的现象。稳定位于L-L的省大多处于我国的中、西部地区，数量较多，在空间上是正向相关关系，呈现出低技术创新能力与低人力资本区域聚集的现象。稳定位于H-L的省有1个：广东，这表明其本身技术创新能力水平高，而其周围邻近的省人力资本处于较低的水平。正如广东技术创新产出较强，而其邻近省却是技术创新产出处于较低的水平。

表4 我国“技术创新-人力资本”局域空间分布结果

5 结论与建议

基于2008-2019年31个地区的面板数据，利用从业人员受教育比重构建人力资本高级化指数，据此研究了其与区域技术创新能力的空间相关性，得到如下主要结论：区域技术创新能力具有显著的正向空间相关性，随着时间的不断发展，空间集聚分布的现象呈现出先增强后减弱的态势；2008 年与2019 年位于第一、三象限的省高达22个以上，大多位于东部沿海和西部地区。“技术创新-人力资本”也具有显著的正向相关性，我国处于萧条区的省市数量较多。

区域技术创新发展不平衡，中西部地区技术创新能力较为落后，东部地区技术创新能力较高，因此加强区域间创新合作，促进区域协调发展尤为重要。落后区域可以通过与发达区域加强合作吸收其扩散效应以提升自身技术创新能力，区域间可以加强产学研合作，鼓励协同区域间高等院校、科研机构、企业等共性技术联合攻关，加快科研成果转化；搭建人才信息交流平台，鼓励人才相互交流合作学习，实现资源共享，对区域间技术创新的合作交流起到促进作用，推动区域技术创新协同发展。

技术创新能力具有空间依赖性，为促进区域技术创新能力提升，政府应努力缩小地区间人力资本结构高级化的差异，把控好人力资本结构高级化地区差异的重点与着力点。首先，应对中、西部落后地区加大教育投资力度，提升其高等教育人力资本的比重，缩小与东部地区的差距；其次，在保障中、西部地区基础教育的前提下，鼓励其接受高等教育，政府应大力发展高等教育，扩大高等教育、继续教育等院校的办学规模，提升教学质量，出台针对西部生源的优惠政策，并且中、西部地区的高等院校也应学习东部地区先进优秀的人才教育管理方法，建设人才交流平台，培养出更多高质量创新型人才，实现区域技术创新能力的协调发展。