中国省际创新异质性及其影响因素研究

1、中国省际创新异质性及其影响因素研究整体来看，各因素对区域创新水平的影响程度有显著差异，表现为回归系数值范围变动幅度较大。OLS的回归结果仅代表总体的平均状况，对局部地区的预测效果不佳。从R2和AICc的统计值来看，GWR模型较优于OLS模型。为更详细展示GWR的回归结果，将每一个回归点的系数估计值总结于表4。由表4可以看出：地区RD经费支出lnRDzc对区域创新水平均有正向促进作用，其中影响最小为黑龙江0.4433，最大为-1.4365。从系数平均值来看，地区RD经费支出对西部地区的创新水平影响最大1.1971，高于东中部超过0.4个单位。地区RD人员投入lnRDry的系数值除西部地区的-、云南外，都表现为正，且在中东部地区其对区域创新的正向促进作用远大于西部。人力资本lnedu的系数为负值，人力资本水平提高对各区域创新反而有负作用，且对中部地区的负效应大于东西部。人均GDPlnpgdp的系数表现为对区域创新有正向促进作用。东部地区系数平均值为0.0936，明显高于西部地区系数平均值0.0455。系数值排名靠前的海南、广东、福建、广西、浙江、上海、江西、江苏、湖南、安徽等地区，除广西外

2、，均处中东部地区，而排名靠后的青海、甘肃、宁夏、内蒙古、四川、陕西等省，均处西部地区。技术市场水平lnjssc的系数大多表现为负，影响较大的地区为-、云南、四川、贵州、广西、青海等西部地区，影响较小的地区为吉林、辽宁、天津、北京、上海、山东等中东部地区。四、基于分位数回归模型分析分位数回归QuantileRegression是依据被解释变量的条件分位数对解释变量进行回归，从而得到多个分位数下的回归模型。分位数回归模型并不直接引入空间坐标信息，但由于我国省际创新水平存在明显块状开展特征，且不同地区具有差异性，故可以到达异质性分析的目的。相比普通最小二乘法只能描述被解释变量的均值回归，分位数模型更能精确刻画自变量对不同局部因变量的分布产生的不同影响，并且采用面板数据进行分位数回归的各参数估计比OLS回归估计更稳健。基于这个特点，沿用模型3进行面板分位数回归，研究不同区域创新水平上各因素的影响差异。这里列出0.1、0.3、0.5、0.7、0.9各分位点的参数估计结果，如表5所示。通过分位数回归结果可以看出，当区域创新能力处于不同水平上时，各因素对其影响有很大差异。RD经费支出lnRDzc的系

3、数估计值均显著为正，说明其对区域创新的正向促进作用明显。但是其系数值随着分位点的提高總体下降，即随着区域创新能力的提高，RD经费支出对区域创新水平的影响作用在降低。RD人员投入lnRDry在分位数较高点的系数估计值最大，且显著为正，即在创新能力较高区域，增加RD人员投入显著提高当地创新产出。人力资本lnedu在各个分位点的系数估计值为负，且大多显著。这可能是因为当前我国人力资本水平总体不高样本中人均受教育年限在7.46年至11.54年之间，相对低端的人力资本对区域创新活动的推动作用有限，甚至可能会抑制创新产出，这与刘曙光等2021的研究结论一致。随着分位点的提高，人力资本水平对区域创新的负作用先增大后减小，即对区域创新水平处于中间段的负面效应大于低水平区域和高水平区域。区域经济实力lnpgdp对区域创新有正向影响。在区域创新水平位于低分位点0.1和高分位点0.9时，人均GDP增长对创新的拉动作用较为显著。在分位数处于中间段的时候，其显著性不明显，且随着分位数提高，影响强度总体下降。创新低水平区域，需要打好经济根底，支撑创新增长，创新高水平区域，同样需要通过强大经济实力来提升核心竞争力。

4、技术市场水平lnjssc的系数估计值均显著为负，说明技术市场水平的提升对区域创新有明显负效应。随着分位点的提高，其对区域创新水平的负面影响先下降后提升。出现这种情况的原因可能有两方面：一是创新能力处于低分位点时，地区经济开展水平相对落后，对创新的需求和消化能力较弱，技术市场水平的提高不能发挥其对区域创新能力的促进作用。二是创新水平处于较高点时，存在较强技术外溢，创新高地的技术溢出到其他地区，使得技术市场活泼度不能很好转化为当地区域创新能力。五、结论与建议采用MoransI指数和LISA指数对20212021年中国30个省市自治区区域创新水平的全局和局部空间相关性进行探测，并利用地理加权回归和分位数回归探讨各因素对区域创新的具体影响。研究得出以下主要结论：第一，样本期间内，我国各区域创新水平之间存在正向空间相关性，相似水平的区域表现出空间集聚，且集聚程度总体加强。局部空间相关性分析说明，东部地区的山东、江苏、浙江和上海始终处于HH区域，表达明显的高高空间集聚效应。广东、北京和四川一直处于HL区域，其区域创新水平相对于周边地区较高，表现为高值被低值包围的集聚特征。江西、广西、湖南和海南等地

5、区始终位于LH区域，其创新水平总是低于其周边区域。黑龙江，-，山西，宁夏等经济欠兴旺西部地区的区域创新水平较低，且其周边地区均表现为低水平，分布在LL区域，呈现低低集聚模式。近年来，安徽和福建两地创新水平逐渐提高，依次从LH区域转变为HH区域。第二，创新水平的影响因素对各区域创新能力的效应有所不同，区别于OLS那样仅有一个简单的平均估计值。具体表现为随空间位置的变动，回归系数值的范围变动幅度较大，影响强度有显著差异。个别变量在不同地区表现为正负不同的影响，可能是由于各个地区有着不同的经济条件、创新体制、产业结构等原因使估计系数具有空间非平稳性。模型拟合优度也存在空间差异，但都较好拟合数据，GWR模型较优于OLS模型。第三，地理加权回归分析说明，在区域创新水平提高方面，RD经费支出对西部地区促进作用最大，高于东中部地区超过0.4个单位。RD人员投入和人均GDP对东中部的促进作用大于西部地区。人力资本水平提高对各区域创新有负作用，且对中部的负效应大于东西部地区，低端人力资本抑制创新产出。技术市场水平对西部地区创新负作用大于东中部地区。第四，分位数回归说明，当区域创新能力处于不同水平上时，各

6、因素对其影响有很大差异。随创新能力的提高，RD经费支出对区域创新的促进作用降低。RD人员投入对创新高水平段影响较大，人力资本对创新水平中间段的负效应大于低水平和高水平段，低端人力资本抑制创新产出。人均GDP对创新低水平和高水平段的拉动作用显著，技术市场水平对创新低水平和高水平段的负影响较大。基于以上结论，提出相关政策建议。第一，东部打造创新集聚高地，发挥空间外溢效应。对于江苏、浙江、上海、北京、广东等东部创新高区域，加快形成创新集聚高地，发挥对相邻中部省份的溢出效应，逐步形成高高集聚空间;进一步增加RD人员投入，发挥其对创新水平的显著促进作用。第二，中部创新体制机制，主动接受辐射效应。中部应该着力打破当地与周边创新高地之间的创新溢出壁垒，接受周边创新高地的辐射效应，加强与创新高地的全方位合作，努力提高创新水平。加大对高端教育的投入，不断吸引、培育高层次人才，使人力资本提升成为提高区域创新水平的重要推手。第三，优化创新投入资源配置，加大西部研发经费投入。西部地区经济水平落后，依靠当地财政很难保持对创新水平活动的维持。因此，从国家大局、地区创新平衡方面综合考虑，应加大西部研发经费投入，实现

7、全国创新水平的总体提高。第四，搭建技术交流平台，构建创新协作机制。技术市场活泼度不能很好转化为区域创新能力，因此政府要搭建技术交流平台，促进知识双向流动，构建创新协作机制，提高创新资源配置效率，进而提高各地区创新水平。注释研究对象为除-、香港地区、澳门地区和台湾地区外30个省、自治区和直辖市。参考文献【1】史自力.区域创新能力与经济增长质量关系的实证研究J.重庆大学学报社会科学版，2021，196：1-8.【2】王丽洁.区域创新能力与经济增长动态关系研究J.统计与决策，202116：142-144.【3】白俊红，蒋伏心.协同创新、空间关联与区域创新绩效J.经济研究，2021，507：174-187.【4】卓乘风，邓峰.创新要素流动与区域创新绩效空间视角下政府调节作用的非线性检验J.科学学与科学技术管理，2021，387：15-26.【5】贺德方.创新型国家评价方法体系构建研究J.中国软科学，20216：117-128.【6】张爱华.区域创新评价指标体系构建J.统计与决策，202124：51-54.【7】王鹏，高妍伶俐.中国区域创新能力差异的实证研究兼评各地区创新能力的影响因素J.南京工

8、业大学学报社会科学版，2021，161：121-128.8李慧.區域创新产出影响因素与地区差异的实证研究基于江苏省13个地级市面板数据的分析J.华东经济管理，2021，286：8-13.9方远平，谢蔓.创新要素的空间分布及其对区域创新产出的影响基于中国省域的ESDAGWR分析J.经济地理，2021，329：8-14.10冯南平，陈思宇，司家兰.基于ESDAGWR的安徽省创新产出空间分布及影响因素分析J.科技管理研究，2021，3711：78-85.11苏屹，林周周.区域创新活动的空间效应及影响因素研究J.数量经济技术经济研究，2021，3411：63-80.12王春杨，吴国誉.研发资源配置、溢出效应与中国省域创新空间格局J.研究与开展管理，2021，301：106-114.13王聪，朱先奇，刘玎琳，等.京津冀协同开展中科技资源配置效率研究基于超效率DEA-面板Tobit两阶段法J.科技进步与对策，2021，3419：47-52.14赖德胜，纪雯雯.人力资本配置与创新J.经济学动态，20213：22-30.15蒋天颖.浙江省区域创新产出空间分异特征及成因J.地理研究，2021，3310：

9、1825-1836.16赵雨涵，宋旭光.我国区域创新空间关联的测度与分析兼论区域创新网络结构的动态特征J.西南民族大学学报人文社科版，2021，387：84-92.17TOBLERWR.AcomputermoviesimulatingurbangrowthintheDetroitregionJ.Economicgeography，1970，462：234-240.18BOWMANAW.AnalternativemethodofcrossvalidationforthesmoothingofdensityestimatesJ.Biometrika，1984：71.19FOTHERINGHAMAS，BRUNSDONC，CHARLTONME.Geographicallyweightedregression：theanalysisofspatiallyvaryingrelationshipsM.WestSussex：JohnWileySonsLtd.，2021.20刘曙光，张涵.人力资本与欧盟区域创新活动研究基于探索性空间数据分析和地理加权回归模型J.科技管理研究，2021，3719：155-163。Abstract：Toinvestigatetheinfluencingfactorsofinnovationbetweenprovincesfromtheperspectiveofheterogeneityishelpfultograspthedifferencesofdifferentfactorsbetweenprovinces.TheresultsoftheMoransIindexandtheLISAclustershowthat，Chineseinnovationlevelpresentsspatialcorrelation，andsimilarhorizontalareasexhibitspatialagg

《中国省际创新异质性及其影响因素研究》由会员公****分享，可在线阅读，更多相关《中国省际创新异质性及其影响因素研究》请在金锄头文库上搜索。