摘 要:基于2006―2015年我国省级区域创新指数,通过社会网络分析(SNA)和QAP回归分析,考察区域创新空间关联的网络特征及其影响因素,结果发现:各区域创新均不断加强,但中西部地区与东部地区还存在一定差距;各区域趋向平等化发展,区域创新的空间联系更加紧密,但还有很大提升空间;创新中心集中在东部地区,东部地区吸引其他地区的创新资源流入,并对其他地区的创新活动有较大影响,其区域创新联动也明显优于中西部地区;地理位置、产业结构、科技投入、对外开放、经济发展水平等的区域差异均显著影响区域创新的空间关联和溢出效应。应制定差别化的区域创新政策,充分发挥各区域在整体创新网络中的积极作用;要加快推进区域协调发展战略,缩小创新环境和创新活动的区域差距,促进整体区域协同创新。
关键词:区域创新;空间关联;网络结构;网络中心性;网络板块结构;社会网络分析;区域创新指数;区域协同创新;溢出效应
中图分类号:F127;F061.5 文献标志码:A 文章编号:1674-8131(2018)02-0050-12
一、引言
十九大报告明确提出要加快建设创新型国家,并指出坚持创新是引领发展的第一动力,是建设现代化经济体系的战略支撑。一个国家创新能力的提高,可以通过攻关研究以提高核心技术创新能力,也可以通过优化创新资源间配置以提高区域协同创新能力。关于我国的区域创新,很多研究着眼于区域内部,对区域创新的能力、绩效及环境等进行探讨[1-8]。随着区域经济一体化进程加快,区域创新的空间关系以及区域协同创新也成为研究重点。白俊红和蒋伏心(2015)基于1998―2012年省际面板数据,运用空间计量分析方法研究表明,协同创新的总效果在长期过程中对区域创新绩效具有显著的正向影响[9]。赵雨涵和宋旭光(2017)运用最小生成树法研究表明,中国区域创新活动具有明显的空间关联性,并随着时间的推移显著增强[10]。张静和李平(2017)运用空间面板模型分析发现,中国的区域创新绩效存在明显的空间关联,主要以增长极为中心的组团方式分布[11]。李晨等(2017)运用SAR模型分析发现,创新空间溢出对区域创新的影响,交通邻近的作用最大,技术邻近次之,地理邻近居第三位,经济邻近的作用最小[12]。李婧和何宜丽利用2004―2013年30个省区面板数据的分析显示,我国区域创新绩效和知识溢出水平显著提高,知识溢出对区域创新绩效具有显著正向影响[13]。赵少平和黄飞(2016)采用常规空间计量方法研究表明,长三角的区域创新集聚存在空间正相关性[14]。
从现有研究来看,大部分学者对于区域创新的空间关系只局限于地理位置“邻近”的区域。其实,随着经济全球化与区域一体化的深入推进,区域创新的溢出效应随着知识、技术和人才等的跨区域流动,超越了地理上“邻近”区域,而表现为“跨区域”流动。这种跨区域流动,使得各地区创新能力的提升与其他地区(不仅仅是相邻地区)紧密相关,呈现出网络结构特征。因此,只有全面掌握区域创新网络结构的整体特征及各节点(各区域)在其中的角色和作用,才能更有效地推进区域协同创新。有鉴于此,本文通过构建区域创新指标体系计算我国省级区域创新指数,进而运用社会网络分析方法(Social Network Analysis,SNA)考察我国区域创新空间关联的整体网络特征、网络中心性和空间聚类特征,并进一步运用二次指派程序(Quadratic Assignment Procedure,QAP)探究区域创新空间关联的主要影响因素。
二、我国区域创新指数测度
运用社会网络分析方法分析区域创新的空间关联,首先要测算各区域的创新指数,因此需要构建合理的区域创新指标体系。基于区域创新评价的科学性、整体性、可操作性及动态连续性原则,参照彭迪云(2016)和齐伟(2015)的研究[4][7],将区域创新分为创新投入、创新产出和创新环境三个维度,采用10个指标测算我国各区域的创新指数,具体见表1。
表1 区域创新指数的指标体系
本文研究样本为我国不包括港、澳、台地区和西藏的30个省级区域,时间区间为2006―2015年,原始数据来自于2007―2016年的《中国统计年鉴》和各省市统计年鉴以及《中国科技统计年鉴》。为了消除价格因素的影响,以2006年为基期对相关指标数据按照GDP平减指数进行平减。由于选取的指标具有不同的单位,需要进行标准化处理。选取的指标都是正向指标,标准化处理的公式为:z′i = zi -Xmin Xmax -Xmin 。其中,i表示各项指标,z′i为标准化之后的值,zi为原始值;Xmax和Xmin分别表示2006年至2015年期间i指标的最大值和最小值。
准确、合理的权重分配是进行多指标分析的关键,权重的确定方法主要有德尔菲法(专家评议法)、主成分分析法、层次分析法、灰色关联度法、熵值法、变异系数法等。其中,变异系数法不仅较为客观,而且可操作性强(郑广华,2010)[15],因此本文选取变异系数法确定权重。计算得到各样本区域2006―2015年的创新指数(见表2)。从整体均值来看,区域创新指数呈现不断增加趋势,说明我国区域创新不断增强;从各区域看,创新指数也是递增的,各区域的创新不断提升;从区域排名看,创新指数排在前五位基本是北京、上海、江苏、浙江、广东,排名后五位的基本是青海、宁夏、海南、新疆、甘肃、贵州等西部省区,说明区域创新在整体上依旧是东部地区优于西部地区。
表2 各样本区域的创新指数
三、我国区域创新的空间关联特征
1.区域创新空间网络结构模型
本文基于区域创新指数构建区域创新空间关联网络,参考刘华军等(2015)的引力模型[16],并根据本文研究的需要进行修正,得到如下模型:
xi,j=ki,j3PiGiIi3PjGjIjD2i,j,ki,j=IiIi+Ij,Di,j=di.jgi-gj 表4 我国区域空间关联网络的板块结构
注:期望内部关系比例根据“(板块内区域数-1)/(网络中所有区域数-1)”计算,实际内部关系比例根据“板块内部关系数/板块的溢出关系总数”计算。
图4 我国区域创新空间关联网络的四大板块
2015年,我国区域创新空间关联网络一共有227个关联关系(板块内26个关联关系,板块外201个关联关系),表明我国区域创新存在着明显的空间关系和溢出效应。双向溢出板块的成员有4个区域(有北京、天津、内蒙古、山东),净受益板块的成员有5个区域(上海、江苏、浙江、广东、福建)板块的期望内部关系比例小于实际内部关系比例,则属于双向溢出板块或净受益板块。双向溢出板块中,受益关系总共74个(板块内8个,板块外66个),溢出关系总共26个(板块内8个,板块外18个),期望内部关系比例10.34%小于实际内部关系比例30.77%;净受益板块中,受益关系总共81个(板块内7个,板块外74个),溢出关系总共38个(板块内7个,板块外31个),期望内部关系比例13.79%小于实际内部关系比例18.42%;由于后者的受益关系数大于前者,故将前者作为双向溢出板块,后者作为净受益板块。 ,经纪人板块的成员有9个区域(吉林、河北、山西、陕西、辽宁、宁夏、黑龙江、重庆、青海),净溢出板块的成员有12个区域(湖北、湖南、广西、河南、四川、贵州、云南、安徽、海南、江西、甘肃、新疆)板块的期望内部关系比例大于实际内部关系比例,则属于经纪人板块或净溢出板块。经纪人板块中,受益关系总共24个(板块内9个,板块外15个),溢出关系总共67个(板块内9个,板块外58个),期望内部关系比例27.59%大于实际内部关系比例13.43%;净溢出板块中,受益关系总共48个(板块内2个,板块外46个),溢出关系总共96个(板块内2个,板块外94个),期望内部关系比例37.93%大于实际内部关系比例2.13%。由于后者的溢出关系数明显大于前者,故将前者作为经纪人板块,后者作为净溢出板块。 。总的来看,净受益板块的成员大多属于东部沿海地区,而净溢出板块大多数属于中西部地区。东部地区凭借自身的经济发展优势吸引着中西部地区的创新资源,进而区域创新网络在整体上表现出非均衡的特征。
为更深层次剖析四个板块之间的空间关联,通过UCINET软件计算得出各板块之间的密度矩阵,然后与整体网络密度(0.261)比较,若板块之间的密度大于0.261,赋值为1(该两板块之间存在较强的空间关联),相反则赋值为0,得到像矩阵(见表5)。从整体来看,各板块基本能够发挥各自的优势,体现板块功能。像矩阵可以直观地反映区域创新在各板块间的溢出效应,经纪人板块和净溢出板块对双向溢出板块和净受益板块具有较强的溢出效应,反映出中西部区域创新资源向|部地区流动的趋势;双向溢出板块和净受益板对自身具有较强的溢出效应,而经纪人板块和净溢出板块的自身溢出效应不明显,表明东部地区的区域创新联动更为显著,而中西部地区的区域创新联动较弱。
表5 我国区域创新空间关联网络四大板块之间的密度矩阵与像矩阵
四、我国区域创新空间关联的影响因素〖*1〗
1. 模型设定与指标选取
本文采用社会网络矩阵QAP分析影响我国区域创新空间关联的主要因素,QAP是一种基于关系数据探究不同矩阵之间相关系数,并对该系数进行非参数检验的方法。由于地理位置上的先天优势,一个区域通常更易受到相邻区域溢出效应的影响。从前文的密度矩阵分析来看,各板块之间存在着明显的空间关联关系与溢出效应,但各板块之间的空间溢出又存在差异性,这可能是由于不同区域拥有不同的创新资源和环境所造成的,因此,本文选择若干刻画区域创新差异的指标,构建模型:I=f(D,R,K,S,F,G,T) 。
其中,I为区域创新空间关联矩阵,D为空间邻接矩阵(两区域相邻取1,否则为0),R为R&D人员全时当量差异矩阵,K为R&D经费支出差异矩阵,S为第三产业产值占GDP比重差异矩阵,F为实际利用外资差异矩阵,G为人均GDP差异矩阵,T为科技支出占财政支出比重差异矩阵。取各区域对应的指标在样本期间(2006―2015年)的均值,用各区域实际值与均值之差的绝对值建立差异矩阵,再利用UCINET软件进行QAP相关性分析和回归分析。
2.QAP相关性分析
通过QAP相关性分析可以得出不同矩阵之间的相关性。QAP以某个矩阵的行和列同时置换为基础,多次重复计算置换后的矩阵与其他矩阵之间的相关系数,并通过随机重排计算出相应相关系数分布,进而根据事先确定的显著性水平得出相关系数(刘军,2014)[19]。由UCINET软件通过10 000次置换,分别得到被解释变量与解释变量之间的相关系数(见表6)。其中,最大值和最小值分别是实际相关系数中的最大值和最小值;P1≥0、P2≤0分别表示10 000次随机置换中观测到的相关系数大于等于、小于等于实际相关系数的概率。根据表6,各变量的相关系数均通过了1%的显著性水平检验,且系数都为正数,表明选取的指标对我国区域创新的空间关联有着显著的正向影响。
表6 区域创新空间关联矩阵与影响因素的QAP相关性
表7 各差异矩阵之间的相关系数与显著性水平
注:***、**、*分别代表1%、5%、10%的显著性水平。
为了更进一步检验选取的指标差异矩阵之间是否存在相关关系,进一步对差异矩阵进行QAP相关性分析,得到其相关系数及其显著性水平(见表7)。R&D经费支出差异矩阵与R&D人员投入差异矩阵具有显著的相关性(相关关系达到0.932),两者存在严重共线性,且与其他变量也存在一定的共线性问题。为了减小变量间共线性问题带来的估计误差,剔除R&D经费支出差异矩阵K,得到修正模型:I′=f(D,R,S,F,G,T)。 3. QAP回归分析
运用UCINET软件,选择10 000次随机置换,回归结果如表8所示。概率1表示随机置换后的判定系数绝对值不小于观察到的判定系数的概率;相反,概率2表示置换后的判定系数不大于观察到的判定系数的概率。由表8可知,空间邻接矩阵D在1%的水平上显著,说明地理位置确实对区域创新的空间关联具有显著影响;R&D人员全时当量差异矩阵(R)、人均GDP差异矩阵(G)和科技支出占财政支出比重差异矩阵(T)都在1%的水平上显著,第三产业产值占GDP比重差异矩阵(S)和实际利用外资差异矩阵(F)分别在5%与10%的显著性水平上显著。可见,我国区域创新的空间关联在不同程度上受到这些因素的影响。回归系数为负,表明区域间第三产业产值占GDP比重、实际利用外资和科技支出占财政支出比重的差异越小,区域创新的空间关联越强;回归系数为正,表明区域间R&D人员全时当量和人均GDP的差异越大,区域创新的空间关联越强。
表8 区域创新空间关联影响因素的QAP回归分析
五、结论与启示
本文基于我国2006―2015年30个省级样本区域的相关数据构建区域创新指数,并采用社会网络分析法(SNA)和QAP回归分析法,考察我国区域创新空间关联的网络特征及其影响因素,得出以下结论:(1)我国区域创新指数呈现不断上升的趋势,东部地区的区域创新指数明显高于中西部地区,说明虽然各区域创新均不断加强,但中西部地区与东部地区还存在一定差距。(2)我国区域创新空间关联网络的关联关系和网络密度呈现不断上升的趋势,区域创新的空间联系更加紧密,但还有很大提升空间;网络等级度和网络效率整体上呈现下降趋势,各区域趋向平等化发展,空间关联更加密切。(3)我国的创新中心集中在东部地区,东部地区吸引其他地区的创新资源流入,并对其他地区的创新活动有较大影响。(4)我国区域创新空间关联网络的四大板块基本发挥了各自的优势和功能;净受益板块的成员大多属于东部沿海地区,而净溢出板块大多数属于中西部地区;经纪人板块和净溢出板块对双向溢出板块和净受益板块具有较强的溢出效应;东部地区的区域创新联动更为显著,而中西部地区的区域创新联动较弱。(5)我国区域创新的空间关联和溢出效应受到各区域地理位置差异、科技投入差异、产业结构差异、利用外资差异以及经济发展水平差异等因素的显著影响。
基于上述研究结论,本文提出以下建议:
第一,从全国一盘棋的战略角度实施区域创新政策。上海、北京、天津、江苏等东部地区作为我国区域创新的中心地带,应继续发挥其优势,进一步提高创新能力。虽然中西部地区的区域创新相对落后,但也拥有丰富的创新资源,东部地区可在中西部地区设立创新平台,形成优势互补,避免中西部地区的创新资源过度流入东部地区,进而在全国层面形成更为均衡的区域协同创新格局。
第二,制定差别化的区域创新政策。充分考虑各板块之间的结构特征,避免“一刀切”。一方面,双向溢出板块和净受益板块是我国区域创新的核心地带,有着强大的优势,要在提升其自身创新能力的同时,积极引导净溢出板块与经纪人板块的创新发展。另一方面,净溢出板块与经纪人板块要充分发挥其资源优势,并积极学习和引进先进技术,主动参与跨区域创新活动,从而提高全国的区域创新关联密度和创新效率。
第三,努力缩小中西部地区与东部地区的创新差距。要鼓励东部地区拥有自主知识产权的创新型企业向中西部地区转移,加大区域创新知识、技术和人才的溢出效应。同时,中西部地区应加大基础设施建设,改善区域创新环境,主动引进、消化并吸收国内外先进技术,逐步提高自身自主创新和发展的能力。
第四,积极推进区域协调发展战略,缩小区域创新环境差距。QAP回归分析表明,区域间产业结构、对外开放、科技投入等方面的差异越小,区域创新的空间关联和溢出效应越大。因此,落后地区应加快推进产业结构优化升级,扩大对外开放,加大科技投入,努力缩小区域间差异,从而推动整体区域协同创新。