李洪涛,王丽丽

(大连理工大学 人文与社会科学学部,辽宁 大连 116024)

0 引言

科技创新在新中国发展建设中始终扮演着重要角色,更是新时代突破技术“卡脖子”问题、建设创新型国家的关键。从国家政策导向看,“十四五”规划强调中心城市和城市群在区域发展中的重要作用,新时代下必须大力推动区域创新高地建设,增强区域发展平衡性,促进共同富裕。从区域经济理论看,集聚—扩散效应是城市发展的客观规律。内生增长理论与演化经济地理理论通过对科技创新内生性、外部性及空间溢出效应的考察,提出科技创新对区域发展存在发散效应、收敛效应两种截然不同的理论分析框架。中心城市科技创新能否推动以差距收敛为表征的区域共同富裕存在学术争议。从现实问题看,由于科技创新在经济增长过程中存在内生性与外部性影响,导致集聚—扩散效应同时作用于区域经济发展。那么,从长期看,区域经济发展趋势究竟是发散还是收敛?

综上,基于国家政策导向、区域经济理论、现实问题的分析发现,充分发挥中心城市和城市群作用是新时代实现区域共同富裕的关键,而现有关于中心城市科技创新对区域共同富裕影响的研究尚不明晰。由于城市规模报酬处于动态变化中[1],中心城市科技创新水平在集聚—扩散效应作用下对区域整体产生影响。一方面,在集聚效应作用下,中心城市凭借人力资本、市场规模、科学技术、基础设施、交易费用、要素资源等方面的绝对优势,成为区域经济发展的增长极,科技创新活动往往在中心城市内部发生并完善成熟,区域经济增长呈现出发散趋势。另一方面,城市在发展过程中通过科技创新、产业升级的辐射扩散,使得周边地区创新成本降低、劳动生产率提高,产生中心—外围的一体化带动作用。鉴于现有研究关于中心城市科技创新对区域发展影响的发散与收敛效应存在争论,本文认为中心城市科技创新对具备学习效应的城市形成带动作用,应当考虑中心城市科技创新空间溢出效应的路径选择问题。因此,引入演化经济地理理论模型框架,从动态演化视角分析中心城市科技创新推动区域共同富裕的作用机制。

相较以往研究,本文边际贡献在于:第一,在研究主题上,从共同富裕视角针对性地考察中心城市科技创新能否促进区域共同富裕问题,对于澄清当前学界关于中心城市科技创新内生性、外部性及空间溢出效应的争论具有一定理论价值。第二,在理论上,基于演化经济地理理论,引入生态学Logistic曲线模型,建立包含集聚—扩散效应动态变化的城市间协调发展模型,从而将科技创新在经济增长过程中的内生性与外部性问题纳入统一分析框架,实现在城市间交流竞争、资源禀赋约束等条件下中心城市科技创新对区域共同富裕的机制分析,有利于进一步揭示中心城市科技创新对区域共同富裕的影响机制及传导路径。第三,在方法上,采用固定效应模型与空间计量模型相结合的方法考察中心城市科技创新、学习效应与区域共同富裕的作用关系及空间维度的路径选择倾向,可以提高研究结论的精确度与可信度。研究对于建立以中心城市与城市群为主要空间的区域共同富裕新机制、增强城市创新活力、实施创新驱动发展战略具有重要理论与实践价值。

1 文献综述

中央财经委第十次会议强调要推进共同富裕,增强区域发展的平衡性。目前围绕中心城市科技创新与共同富裕的研究极为少见,相关研究主要关注大城市科技创新与区域发展差距问题。一方面,新经济地理理论认为大城市科技创新会扩大区域发展差距,不利于区域共同富裕[2]。学者们运用实证计量模型对大城市科技创新导致区域发展差距扩大的现象进行了验证[3-5]。另一方面,科技创新存在外部性和空间溢出效应[6]。Cooke等[7]通过引入演化经济学分析框架,提出大城市科技创新的影响呈现动态演化特征,从长期趋势看,大城市科技创新能够缩小区域发展差距,推动区域共同富裕。基于实证分析角度,学者们运用空间计量模型对大城市科技创新的外部性和空间溢出效应进行考察,发现大城市科技创新具有显著的空间溢出效应,能够推动区域共同富裕[8-10]。

部分学者进一步对中心城市科技创新与区域共同富裕、中心城市科技创新与区域协调发展问题展开研究。如曹清峰等[11]通过对单中心城市与区域经济协调发展进行实证分析,发现单中心城市科技创新水平与区域经济协调发展之间呈倒U型关系;李洪涛和王丽丽[12-13]通过对中心城市科技创新与城市群结构、产业结构进行实证研究,发现中心城市科技创新对区域整体发展呈现出先抑制后促进的U型作用关系。

基于上述分析可知,尽管学界围绕大城市科技创新与区域发展差距问题进行了大量研究,但得到的结论不尽相同。在理论层面,关于大城市科技创新与区域发展差距的关系尚存在发散效应与收敛效应的争论。在实证层面,学者们运用国内外经验数据研究中心城市科技创新对区域发展与共同富裕的影响,得到正向推动作用、负向影响、非线性关系等不同结论。因此,本文关注新时代下中国区域共同富裕问题,基于演化经济地理理论,建立城市规模报酬动态变化的Logistic模型,将城市自身学习效应纳入分析框架,对新时代以中心城市和城市群为主要空间促进区域共同富裕的新机制展开理论与实证分析,进而尝试回答如下问题:①中心城市科技创新与学习效应如何影响区域共同富裕?②中心城市科技创新通过何种路径产生空间溢出效应?

2 理论模型与研究假设

在中心城市和区域发展过程中,客观存在着中心城市集聚—扩散效应的影响。在集聚效应作用下,大中小城市呈现出梯度化的城镇格局;在扩散效应作用下,城市间通过广泛连接逐渐演化成为更高级的区域空间形式——城市群。城市在发展过程中会经历发展初期规模报酬递增、发展成熟阶段规模报酬不变、发展后期规模报酬递减的非线性动态演化,并且城市发展还受到其它城市竞争、客观资源禀赋等方面的约束限制。基于上述分析,本文引入Logistic曲线模型[14],建立包含集聚—扩散效应动态变化的城市间协调发展模型,从而将科技创新在经济增长过程中的内生性与外部性纳入统一分析框架,实现在城市间交流竞争、资源禀赋约束等条件下中心城市科技创新、学习效应对区域共同富裕的机制分析。

基于Logistic方程对单一城市的经济增长模型进行描述,如式(1)。

(1)

其中,n为城市经济规模,N为城市最大环境可承载范围,k为城市经济增长率。其中,城市发展的规模报酬呈动态变化。

引入双城市经济增长模型,如式(2)。

(2)

其中,β为城市n1、n2之间的竞争状态,0≤β≤1;R为城市的学习效应,P为城市的科技创新实力。基于演化经济学研究框架,科技创新的空间溢出效应与学习效应相关[15],科技创新扩散是一种多层次的学习效应[16],需要通过特定渠道被外界接受采用[17]。从接受者角度而言,对于科技创新的接受实际上也是学习的过程[18]。

进一步引入城市间互动作用下的承载力模型[19],城市n1的有效资源约束承载力C1可表示为:

(3)

当城市n1、n2处于竞争状态时,需要满足:

(4)

在演化经济学模型中,城市间状态主要有两种:城市1取代城市2和演化竞争下城市1与城市2处于相应稳态。进一步结合区域经济学理论,竞争取代也意味着城市1对城市2形成虹吸效应。在竞争稳态下,可以理解为城市1与城市2之间的协调状态。若城市经济规模未达到资源限制条件,则城市处于健康发展状态[20]。

将城市科技创新实力与学习效应纳入分析模型,如式(5)。

R=a×r,0

(5)

R为城市的学习效应函数[21],a为城市市场规模(环境份额),r为城市学习使用新科技的人数。

就城市内部的有效资源约束承载力而言,在考虑城市学习效应后,可以得到:

(6)

在学习效应推动下,形成动态化的有效资源约束承载力N*,可表示为:

(7)

联立式(7)后,可以得到:

(8)

式(8)表明市场的开放与规模扩大有利于推动城市资源利用效率提升。当城市处于市场规模积累阶段时,受到其它城市科技创新的作用,城市有效资源约束承载力不断提升,反映出城市具有虹吸效应。

结合式(2)(4)(5),对两城市间的稳态模型进行分解,如式(9)。

(9)

联立式(3)(5),令k1=k2=k,N1=N2=N,可以得到:

(10)

β=1代表城市间处于完全竞争状态,β=0则意味着城市间严重的市场分割。若β=0,两城市间科技创新的溢出交流受到城市经济规模、客观承载力、经济增长影响。若β=1,可以进一步对模型进行简化,如式(11)。

(a1r1)P2n2<(a2r2)P1n1

(11)

若P1n1>P2n2,则无法判断两城市间科技创新溢出的影响关系;若P1n1

由于演化经济学模型主要是对单一主体、双主体的模型推导,本文引入双城市模型,以分析两个城市间形成稳态的影响条件,并在最终推导部分对城市1、城市2的规模大小进行区分,得到相应结论:大城市科技创新、学习效应能够促进区域形成共同富裕稳态,同时科技创新的空间溢出效应受到城市经济规模、市场规模、学习能力影响。

在双城市关系解析的基础上,本文推广至中心城市对城市群整体的影响,即大城市对周边中小城市的影响。基于上述分析,本文提出以下研究假设:

H1:中心城市在科技创新与学习效应两个维度都具备引领带动作用,通过强化中心城市科技创新与学习效应可以推动区域共同富裕。

H2:科技创新的空间溢出效应存在区位要素的路径选择,城市经济规模与市场规模越大,学习能力越强,溢出效应越显著。

3 实证模型设定与变量说明

根据研究构建的理论模型,中心城市科技创新、学习效应能够正向推动区域共同富裕,城市间科技创新的空间溢出效应具有显著的路径选择特征。本文以中国19个城市群为研究对象,运用固定效应模型对中心城市科技创新、学习效应与区域共同富裕的影响进行检验。考虑到中心城市科技创新、学习效应可能存在内生性问题,进一步通过内生性检验与反事实估计方法对研究结论进行检验,以提高研究结论的精确度与可信度。同时,运用空间计量模型对城市科技创新的空间溢出效应及其路径选择问题展开验证。

3.1 基本回归模型设定

构建中心城市科技创新、学习效应与区域共同富裕的估计模型如下:

LnYit=α0+β1LnINNOit+β2LnMarketit+β3LnStudyit+βicontrolit+timet+cityi+uit

(12)

Lnyit=α0+β1LnINNOit+β2LnMarketit+β3LnStudyit+βicontrolit+timet+cityi+uit

(13)

Tit=α0+β1LnINNOit+β2LnMarketit+β3LnStudyit+βicontrolit+timet+cityi+uit

(14)

研究以城市群人均GDP(Yit)、城市群排除中心城市后的人均GDP(yit)、城市群泰尔指数(Tit)3个指标衡量区域共同富裕。区域共同富裕强调要增强区域发展平衡性,即缩小区域内大中小城市间的发展差距,应当从人均意义上促进发展的相对平衡[22]。因此,本文选取城市群人均GDP、城市群排除中心城市后的人均GDP、城市群经济协调发展度验证中心城市科技创新、学习效应对区域共同富裕的带动作用。同时,以发明专利数量INNOit衡量中心城市科技创新水平。参考学习效应函数,以Marketit(市场规模)、Studyit(学习能力)衡量中心城市学习效应。

3.2 空间计量模型构建

构建基于地理距离、经济地理、市场规模、学习能力的空间矩阵,以验证城市科技创新是否存在空间溢出效应,分析城市科技创新空间溢出效应的路径选择问题。运用空间计量模型对式(12)进行修正,得到式(15)。

LnYit=βLnXit+Wij(LnXit)+Wij(LnYit)+εi+uit

(15)

其中,Yit为城市人均GDP,Xit表示模型的解释变量与控制变量,Wij为空间矩阵元素。参考曾鹏和李洪涛[23]的做法,构建地理空间权重矩阵W1、经济地理权重矩阵W2、市场规模地理权重矩阵W3、学习能力地理权重矩阵W4。

(16)

W2=W1*Wj,Wj=1/(|yi-yj|+1)

(17)

其中,d代表城市间的欧氏距离,yi、yj分别为城市i、j的人均GDP。与W2的构建方式一致,W3、W4分别基于市场规模均值、学习能力均值进行矩阵构建。

3.3 研究范围与变量说明

根据“十三五”期间国家发改委陆续发布的城市群规划及《中国城市群地图集》,确定19个城市群为本文研究对象。参考李洪涛和王丽丽[12]的研究,通过经济规模、人口规模判断识别城市群的中心城市。构建2007—2020年中国19个城市群的面板数据,涉及的城市数据来源于EPS数据平台,并对相关价格数据进行平减处理。

(3)控制变量。本文进一步引入可能对经济增长产生影响的城镇结构(城镇化率urban)、产业结构(非农产业比率industry)、信息流通(邮电业务总量LnPost)、政府规模(政府财政收入与GDP之比Gov)作为控制变量。表1为19个城市群面板数据的描述性统计结果。

表1 变量描述性统计结果

4 实证模型分析

4.1 基本回归模型估计

首先采用固定效应模型,通过控制聚类标准误差缓解模型异方差、自相关问题,结果见表2。

表2 基本回归结果

列(1)(2)结果显示,中心城市科技创新对城市群人均GDP、城市群排除中心城市后的人均GDP具有显著正向作用,而中心城市市场规模、学习能力与城市群人均GDP、城市群排除中心城市后的人均GDP之间的关联性较低。这说明城市群整体经济发展主要依赖于中心城市科技创新产生的技术外部性与知识溢出效应。列(3)结果显示,中心城市科技创新与泰尔指数之间呈负向关系,说明中心城市科技创新水平提升会导致区域内城市间差距扩大,不利于区域共同富裕。此外,中心城市市场规模扩大、学习能力提升有助于推动区域共同富裕。

4.2 内生性检验与反事实估计

考虑到科技创新内生于经济增长,导致模型可能存在互为因果问题以及模型设计中可能出现遗漏、估计偏差,需要进一步进行内生性检验。通过Durbin-Wu-Husman内生性检验得到P值为0.000,拒绝原假设,说明模型确实存在内生性问题。为此,通过选取工具变量,运用两阶段最小二乘法对模型进行内生性检验。由于科技创新对经济增长的影响可能存在滞后效应,本文选取滞后一期的发明专利数量作为中心城市科技创新的工具变量。同时,《中国城市和产业创新力报告》从多维度对城市科技创新水平进行系统估计,因而选取其中的城市创新指数作为工具变量。本文采用工具变量法与两阶段GMM估计方法对核心解释变量进行内生性检验,结果见表3。

表3 内生性检验结果

表3中内生性检验结果与表2中回归结果基本一致,说明研究结论具有较高的可信度。为证明工具变量选取的合理性,对模型进行识别不足检验和弱工具变量检验。结果显示,识别不足的P值为0.016,拒绝原假设,说明不存在识别不足问题;Cragg-Donald Wald F统计量为367.234,大于10%的临界值(9.08),拒绝原假设,不存在弱工具变量的干扰,表明工具变量选取合理;在过度识别检验中,3个模型的Hansen-J统计量分别为0.594、0.465、0.789,P值分别为0.533、0.370、0.441,在5%水平上接受原假设,说明模型基本满足过度识别假定。

基于式(12)(13),进一步运用反事实估计方法提取依次剔除中心城市科技创新、学习效应后的模型拟合值,再对拟合值进行收敛回归,计算得到收敛系数δ,结果见表4。

表4 反事实分析结果对比

表4结果显示,当原模型中包含科技创新、学习效应时,城市群人均GDP与城市群剔除中心城市后人均GDP之间的收敛系数δ为1.039;当剔除中心城市科技创新后,收敛系数δ上升至1.040;当剔除中心城市学习效应后,收敛系数δ进一步上升至1.041;当同时剔除中心城市科技创新、学习效应后,收敛系数δ为1.042。通过对比模型收敛系数δ,再次验证了中心城市科技创新、学习效应有利于推动城市群内城市间发展差距的收敛。

4.3 进一步机制分析

根据知识生产函数,进一步将科技创新分解为城市科技资本投入、科技人员、技术效率[29],构建中心城市科技创新的中介效应模型如下:

LnCapit=α0+δ1LnINNOit+δ2LnMarketit+δ3LnStudyit+δicontrolit+timet+cityi+uit

(18)

LnLabit=α0+δ1LnINNOit+δ2LnMarketit+δ3LnStudyit+δicontrolit+timet+cityi+uit

(19)

Tecit=α0+δ1LnINNOit+δ2LnMarketit+δ3LnStudyit+δicontrolit+timet+cityi+uit

(20)

LnYit=α0+θ1LnINNOit+θ2LnCapit+θ3LnLabit+θ4Tecit+θ5LnMarketit+θ6LnStudyit+θicontrolit+timet+cityi+uit

(21)

Lnyit=α0+θ1LnINNOit+θ2LnCapit+θ3LnLabit+θ4Tecit+θ5LnMarketit+θ6LnStudyit+θicontrolit+timet+cityi+uit

(22)

Tit=α0+θ1LnINNOit+θ2LnCapit+θ3LnLabit+θ4Tecit+θ5LnMarketit+θ6LnStudyit+θicontrolit+timet+cityi+uit

(23)

其中,Capit为科技资本投入,用中心城市政府财政支出中的科学技术支出衡量;Labit为科技人员,用中心城市科学研究、技术服务和地质勘查业从业人员数衡量;Tecit为技术效率,参考刘建国(2012)、杨浩昌(2018)的做法,基于DEA-Malmaquist指数模型计算城市全要素生产率(TFP)。

若δ1、θ1、θ2、θ3、θ4均显著,说明中心城市科技资本投入(Capit)、科技人员(Labit)、技术效率(Tecit)存在中介作用。若θ1显著,说明存在不完全中介作用;若θ1不显著,则说明具有完全中介效应。中介效应模型的回归结果见表5。

表5 中介效应模型回归结果

表5中列(1)～(3)结果显示,中心城市科技资本投入、科技人员、技术效率与科技创新之间呈显著正向关系,能够作为中心城市科技创新的中介变量。列(4)～(6)是纳入核心解释变量与中介变量的估计结果,可以发现,中心城市科技资本投入、科技人员、技术效率对科技创新起到部分中介效应。这说明中心城市科技创新通过中心城市科技资本投入、科技人员、技术效率推动区域共同富裕。

4.4 空间计量模型估计

首先对式(15)进行基本回归,再对其残差项、城市人均GDP、城市科技创新等关键变量进行空间相关性检验。结果显示,模型中变量存在空间自相关性,说明模型可以进行空间计量分析。同时,进一步通过LR检验、Wald检验对选用的空间计量模型进行判断识别,发现4个空间矩阵均拒绝原假设,应当采用空间杜宾模型进行估计分析。因此,本文运用空间杜宾模型对基于式(15)构建的空间计量模型进行分析,结果如表6所示。

表6 空间计量模型回归结果

表6结果显示,W1、W2、W3、W4矩阵模型均在1%的水平上通过空间相关性检验,主要解释变量的系数也与基本模型所得结果一致。从空间相关性方面分析,城市科技创新主要在经济地理权重矩阵、学习能力地理权重矩阵上保持显著。

由于表6中各解释变量对被解释变量的影响存在空间溢出,因此需要进一步对空间杜宾模型进行分解,分析空间杜宾模型中主要解释变量的直接效应与间接效应,结果如表7所示。

表7 中心城市科技创新的直接、间接效应回归结果

在直接效应下,中心城市科技创新在地理空间权重矩阵、经济地理权重矩阵、市场规模地理权重矩阵、学习能力地理权重矩阵中均具有显著正向作用,这与基本回归结论保持一致。在间接效应下,中心城市科技创新在经济地理权重矩阵、学习能力地理权重矩阵中均具有显著正向作用,说明中心城市科技创新的外部性及空间溢出效应主要依赖于城市的经济关联性与学习能力。

5 结论与讨论

5.1 研究结论

本文通过对中心城市科技创新、学习效应与区域共同富裕进行理论与实证研究,得到以下主要结论:第一,中心城市科技创新、学习效应能够显著促进区域共同富裕。其中,中心城市科技创新水平提升能够推动城市群内其它城市的经济增长,中心城市学习能力的提高、市场规模的扩大有利于缩小城市群内城市间发展差距。第二,中心城市科技创新以城市间的经济联系、学习能力为主要路径形成空间溢出效应。

5.2 进一步讨论

首先,研究发现中心城市科技创新、学习效应能够推动区域共同富裕。具体而言,中心城市科技创新有助于推动城市群整体经济发展,中心城市的市场规模与学习能力有助于缩小城市群内城市间发展差距,实现区域共同富裕。这一现象表明区域共同富裕实际上包含两个部分:一方面,在以中心城市为增长极的带动下,城市群整体形成健康可持续发展态势,中心城市市场规模扩张与学习能力提升反映出市场和人力资本的正外部性,有助于形成广泛联系的城市群经济互联体系,实现城市群的一体化构建[30],从而缩小各城市间发展差距。另一方面,中心城市科技创新使得劳动生产率不断提升,客观上形成集聚效应[31],进而使得中心城市在城市群内占据绝对主导地位。这一发现为中央强调我国新时代以中心城市和城市群为主要空间,建立具备梯度化、广泛互联的大中小城市和小城镇共同富裕的城镇格局,最终实现在发展中营造平衡的区域共同富裕新思路提供了理论与现实层面的论证。

其次,研究发现城市科技创新的空间溢出路径存在显著差异。具体地,中心城市科技创新以经济联系为路径形成广泛的空间溢出效应,说明要素资源自由流动使得中心城市科技创新的空间溢出路径并不固定,城市间的经济互联促使科技创新资本、人力产生扩散效应。这一现象反映出城市科技创新存在显著外部性。同时,中心城市科技创新还以经济联系、学习能力为路径形成空间溢出效应,说明城市的外部扩散存在路径选择性,承接技术扩散的地区往往与扩散源之间具有紧密的地理关联,并且其自身学习能力会进一步强化这一空间溢出效应[32]。中心城市科技创新同时存在以经济联系和学习能力为路径的选择性扩散,这解释了科技创新在经济增长过程中的内生性与外部性问题[33]。后发地区在提升科技创新水平的过程中,必须以强化与大中城市的经济联系和提高自身学习能力为先决条件,依托中心城市科技创新实现城市群范围内的共同富裕。

5.3 政策建议

(1)打造“点—线—面”一体化的区域创新体系,形成城市间相互融合的空间格局。应当以中心城市科技创新为第一发展动力,建立以中心城市为核心、关键节点城市相连接、城市群市场统一的区域创新体系。具体地,推动以中心城市为核心的都市圈建设,促进中心城市与周边地区相互融合;引导和鼓励中心城市、次中心城市、节点城市间的广泛紧密连接,形成区域多中心、多节点、多层级的区域创新网络;搭建连接人力、资本、技术、信息、基础设施等创新要素资源的平台,形成城市群大中小城市的统一市场。

(2)促进科技创新要素在城市群内、不同创新主体间的自由流动,发挥区域创新体系的功能作用。应当打破行政壁垒,引导和鼓励人力、资本、技术等各类要素资源在大中小城市间、不同主体间(企业、研发机构、政府、高校、社会组织等)自由流动。不仅要发挥中心城市在科技创新活动中的引领示范作用,带动城市群整体科技创新水平提升,还要推进区域创新体系建设,促进科技创新的研究开发、转移转化、互补共享等,构建一体化的城市群科技创新平台。

(3)提高城市群科技创新协同发展水平,实现区域共同富裕。以城市群为主体建设区域创新体系,实际上就是形成区域创新共同体,重点是提升中心城市的集聚水平与辐射带动能力,促进城市群内大中小城市协同发展。应当通过对城市群整体政策进行系统设计,保持城市群范围内的科技创新政策步调一致,加强大中小城市间各领域的协同合作,推动城市群大中小城市形成功能互补、经济互联、协同创新的新机制,增强区域发展平衡性,推动区域发展,实现共同富裕。

5.4 研究不足与展望

本文利用中国19个城市群面板数据评估分析中心城市科技创新对区域共同富裕的作用,但缺乏微观企业层面的分析,亟需探讨企业科技创新活动对各类要素流动与集聚的作用机制。未来可尝试从微观企业层面,利用上市公司数据对中心城市的科技创新水平进行评估,进一步细化创新演化的颗粒度。“十四五”规划强调企业是创新的主体,将中观城市层面数据与微观企业层面数据进行匹配,从而精确地定量估计中心城市科技创新对区域共同富裕的影响,对于指导创新驱动发展战略与区域协调发展战略的实施、增强中心城市科技创新的引领带动作用具有突出的现实价值。