科技创新是产业转型升级和经济可持续发展的重要驱动力,是实现经济高质量增长的重要保障。推动以科技创新为核心的全面创新,加快形成以创新为主要引领和支撑的发展模式,就要为科技创新培育良好的生态系统,构建现代化科技创新体系。城市创新体系是国家创新体系的重要组成部分,国家创新体系建设是以城市创新体系建设为基础的。习近平总书记指出,应当发挥各地在创新发展中的积极性和主动性,形成国家科技创新合力。为了推动城市实现创新发展,国家采取了一系列措施,完善科技创新的顶层设计,引导经济发展模式的转换,即由要素驱动向创新驱动转变。如早在1988年,国家就批准实施火炬计划,旨在推动中国高技术、新技术产业形成和发展。作为火炬计划的重要组成部分,在此后的三十年时间里,国家级高新技术产业开发区(下文简称国家高新区)逐步蔓延至全国30个省、自治区和直辖市,成为完善城市创新体系、提高城市创新能力的重要政策工具。
自1988年北京中关村科技园区批准建设以来,我国国家高新区建设走过了30年历程,走出了一条具有中国特色的高新技术产业发展道路。高新区也以其独特的发展模式,逐渐成为城市创新体系的重要组成部分。高新区是以发展高新技术产业为目的,在城市内部设置的特定区域,是促进中国高新技术成果商品化、产业化和国际化的重要平台。1988年5月,国家批准在北京建立中关村科技园区,其主导产业包括电子信息、新材料、生物医药等六个领域。1991年和1992年国家又批准在天津等城市分别设立了26个和25个国家高新区。此后的十余年时间里,国家高新区设立的增速放缓,但是2010年以来,国家高新区建设步伐有所加快。2010年国家批复在营口、昆山等25个城市设立国家高新区,2011年至2018年,国家高新区陆续增加了85个。截止到2018年3月,中国国家高新区数量已经达到169家。高新区的发展不仅仅体现在其数量的增加,更体现在其庞大的经济体量上,国家高新区的发展为中国经济增长提供了强大动能(刘瑞明、赵仁杰,2015)。如2016年纳入火炬统计的国家高新区(包括苏州工业园)生产总值达8.98万亿,超过经济大省广东省的地区生产总值,约占我国国内生产总值的12.1%,国家高新区正加速成为推动我国经济发展的重要力量(王胜光等,2012)。
国家高新区是我国探索具有中国特色创新发展道路的先行区和示范区,是新时代落实创新驱动发展战略、推动经济高质量发展的重要载体(程郁、陈雪,2013)。以往文献从规模效应、要素配置效应、竞争效应等角度分析了高新区、产业园区等经济集聚区内部创新活动的开展。如Engel and Del-Palacio(2011)、Filip and Beveren(2012)以及Ning et al.(2016)均认为,集聚能够推动创新要素流动和知识传播与溢出,对创新活动具有显著的促进作用;Van der Panne(2004)认为,集聚为企业创新提供了更多的资源优势和更好的制度环境,促进了企业创新。但是也有研究发现,园区内部企业的无序竞争不利于创新活动的开展。如Arrow(1962)认为,竞争性企业集聚导致技术竞争、窃取以及搭便车行为,抑制了企业创新激励;万道侠、胡彬(2018)也发现,集聚扭曲了市场竞争机制,强化了企业创新惰性,抑制了创新活动开展。就中国现实情况而言,顾元媛、沈坤荣(2015)研究发现,在设立高新区的城市中,政府干预对高新技术产业集聚绩效具有正向影响。程郁、陈雪(2013)研究发现,我国高新区技术进步明显高于其所在省区平均水平,并且创新已经成为高新区经济增长的核心驱动力。而刘满凤、李圣宏(2012)对56个国家高新区创新效率进行测算后发现,我国高新区创新效率普遍偏低,创新资源浪费严重。李凯等(2007)同样发现,我国高新区的产业集群效应尚未出现,产业集聚对创新活动并没有显著的促进效应。究其原因,田新豹(2013)认为,高新区发展存在路径依赖性,资本投入仍旧是高新区经济发展的主要驱动力,创新对高新区经济发展的支撑作用逐渐减弱。Cao(2004)认为,创新体系建设尚未完善,内部企业缺乏创新激励,产权界定不清晰等问题是制约我国高新区创新活动有效开展的重要因素。吕政、张克俊(2006)认为,国家高新区存在着传统的体制惯性、价值链低端锁定、企业无序扎堆等问题,导致由产业主导向创新突破的转换受阻,发展效率低下。上述文献多对高新区创新绩效进行评价,忽视了高新区对城市创新带动效应的研究。
类似于上述文献对高新区技术进步、科技创新水平等方面存在的诸多争议,现有研究对高新区建设的经济增长效应和产业结构效应也存在争议。如刘瑞明、赵仁杰(2015)研究发现,国家高新区建设显著促进了地区GDP和人均GDP增长。这是由于一方面,国家高新区享受着特殊的优惠政策,如税收优惠、信贷优惠、土地和人才引进优惠等,这些优惠政策有利于增长要素集聚,直接推动了经济增长;另一方面,国家高新区具有较为完善的基础设施建设,为科技创新和经济增长提供了良好的基础设施保障,有利于加快要素流动和优化配置,提高科技创新和经济增长效率,从而间接推动了经济增长。与上述结论不同,谭静、张建华(2018)研究发现,我国中部地区高新区建设对城市全要素生产率具有显著的负向影响;袁航、朱承亮(2018)发现,国家级高新区建设难以推动地区产业转型升级,甚至对城市产业结构合理化产生了显著的抑制作用。其原因主要包括:一方面,高新区技术创新不足和创新效率低下(闫国庆等,2008),难以为城市产业发展提供有效的科技支撑;另一方面,一些高新区设立之初定位失准,在后续发展中没能够有效发挥自身的比较优势,导致高新区内部各主体间缺乏有效协同,资源配置效率低下。
综上分析可见,当前研究对于高新区建设的经济效应仍旧存在分歧,而分歧产生的主要原因在于高新区建设对城市创新活动影响效果的争论。如果国家高新区能够有效带动地方创新水平提升,为经济实现高质量发展提供科技支撑,则能有效促进经济增长;反之,如果国家高新区建设难以带动地方科技创新和产业发展,那么其对地方经济增长的贡献较弱,甚至会扭曲资源配置,导致经济发展效率低下。可见,不能避开高新区建设的创新效应而空谈其增长效应,但当前文献较少关注高新区建设对城市创新活动的影响效果。为此,本文重点探讨国家高新区建设对城市创新水平的影响,试图打开国家高新区对地方经济增长作用机制的黑箱。同时,作为政府推动城市创新发展的重要政策工具,探讨高新区建设的创新效应,能够在一定程度上澄清政府创新政策有效性问题,为政府制定合理的创新政策提供理论指导与实践指南。
本文的边际贡献主要体现在以下几个方面。第一,研究内容上的创新。本文重点研究了国家高新区对城市创新的溢出和带动效应,并对其空间效应和异质性进行分析,为理解高新区建设的经济增长效应提供了新的视角与实证经验。第二,研究对象上的创新。本文基于城市面板数据进行分析,弥补了现有文献在城市创新方面研究的不足。受限于数据可获得性,以往文献对高新区建设与城市创新的关系缺乏足够的实证分析。而本文基于城市创新指数,分析了高新区对城市创新水平的影响,弥补了当前文献对城市创新生态系统实证研究的不足。第三,研究方法上的创新。本文基于双重差分方法分析高新区建设的创新效应,以解决模型中由于遗漏变量等原因所导致的内生性问题,并运用倾向得分匹配双重差分模型、反事实分析等方法进行稳健性检验。多种现代计量分析方法的应用使得本文结论更为可靠。此外,基于空间双重差分模型和中介效应模型的机制分析为探究国家高新区对城市创新水平影响的作用机理提供了实证参考。
二、作用机制与研究假说高新区作为城市创新要素集聚、知识密集度较高的特定区域,能够通过知识与技术溢出等渠道促进城市创新发展(谭静、张建华,2018)。首先,高新区作为城市实施创新驱动发展战略的前沿阵地,对城市创新具有重要的溢出效应和带动效应,会间接推动城市创新水平提升。国家高新区创新网络不仅覆盖园区内部,更外延至整个城市甚至更广的区域,对城市创新具有一定的辐射带动效应。国家高新区对城市创新的溢出效应主要有三种作用机制。第一,园区内外部企业间的知识扩散与溢出,即企业间知识溢出,这种溢出的主要载体是中间产品或技术转让。由于园区空间承载能力有限,与园区内产业相关联的产业与创新要素不仅仅集中在园区内部,而且分布在园区周边,甚至整个城市范围内。高新区企业与园区外关联产业和创新主体加强合作,或进行技术转让,形成了覆盖整个城市的创新网络,将园区内部技术向园区外扩散,带动城市创新水平提升。第二,园区内企业与城市高校、科研院所的创新联结,其主要形式是产学研协同创新。高新区建设在加快高新技术产业集聚的同时,也意味着对高新技术和知识的需求,进而带动园区周边科教资源的整合与集聚,提高产学研协同创新效率。高新区内部企业开展研发活动往往面临着一定的基础知识缺口,而相对于高校和科研院所,企业在基础知识研发方面具有一定的惰性和弱势。因此,加强园区企业与高校间的研发合作,有利于推动园区企业创新水平,并通过企业所生产的中间产品或最终产品,将技术扩散至园区外企业和市场(杨国忠,2016)。在这一过程中,知识与技术并非单向传播,因为高校和科研院所通过与企业合作,其研究更加贴近市场前沿,满足经济社会发展的现实需求。第三,园区内外以人员流动为载体的技术传播会强化国家高新区对城市创新的扩散和带动效应。国家高新区往往是应用型人才的集聚区,而园区内企业高管、技术骨干、研发人员甚至普通员工向园区外企业流动,往往会将企业隐性知识与技术带走,带动园区外企业创新水平提升。除此之外,国家高新区内外部关联产业与科教资源集聚会促进城市内部专业化劳动力市场和资本市场的形成与发展,为科技创新提供了充足的要素供给,也会促进城市创新水平提升。
其次,高新区是城市经济活动的重要组成部分,国家高新区建设能够带动城市投资集聚,在促进园区创新水平提升的同时,能够带动高新区所在城市平均创新水平提升。不同于西方国家市场机制调节下的自发式集聚,中国高新区是在政府政策和地方发展战略引导下的牵引式集聚,并在集聚区内形成政策洼地,吸引高新技术产业和创新资本集聚。一方面,集聚区内企业创新活动不仅享受着高新区内部特殊的发展政策,如较低的用地价格、低于高新区外部的优惠税费政策等,低地价和税费优惠降低了企业经营成本,一定程度上减少了对高新区内部企业创新资金的挤压和侵占,保障了企业创新活动的资金供给,促进企业创新水平提升。另一方面,高新区内部企业享受着国家特殊的创新政策扶持(刘瑞明、赵仁杰,2015),同时也享受着园区高效的行政服务。为了转变园区发展方式,即由投资驱动向创新驱动转型,科技部在2001年提出高新区要实现“二次创业”,加强对内涵式发展思路的引导和支持。如为了引导和激励企业创新,政府往往为园区企业开展创新活动提供专项研发补贴;为了维护企业合法创新所得,园区多鼓励企业申请和维护专利,加强对企业知识产权的保护;为了鼓励园区企业参与产学研协同创新,园区为高校、科研院所设立定向培养全日制专业人才,加强对校企共建研发平台的补贴和支持等。此外,国家高新区内部完善的基础设施为企业开展创新活动创造了良好的硬环境,也能吸引国外优质创新资本入驻,提高园区创新水平。一系列针对高新区的优惠政策和创新扶持提高了高新区投资集聚能力,也会因此提升城市平均创新水平。依据上述分析,本文提出如下研究假说:
假说1:国家高新区能够有效带动城市创新水平提升。
假说1.1:要素集聚是高新区带动城市创新水平提升的重要机制,国家高新区设立能够带动城市投资集聚,间接促进城市创新水平提升。
再次,如前所述,高新区设立能够有效带动城市投资集聚,带动城市创新水平提升。而某一城市创新要素集聚的过程往往并非是帕累托改进的过程,高新区设立在集聚创新资源的同时,可能会导致邻近地区创新要素的流失。一般来讲,高新区能够以其较低的用地价格、低于高新区外部的优惠税费政策等政策洼地优势,吸引周边城市和省内其他城市创新要素向高新区城市集聚,在提高高新区城市创新水平的同时,也对周边城市和省内其他城市产生了一定的虹吸效应,抑制周边城市创新水平。基于此,本文提出如下研究假说:
假说2:高新区设立在提升高新区城市创新水平的同时,也会对周边城市要素产生一定的虹吸效应,抑制周边城市创新水平提升。
不同城市在经济规模、创新要素集聚能力、创新资源配置效率以及中央政策获取与执行能力等方面具有较大差异,这些差异可能会进一步导致国家高新区建设对城市创新水平的影响在不同城市之间存在较大差异。例如,一般来讲,重点城市(为了便于表述,本文简单地将直辖市、省会城市与副省级城市定义为重点城市)往往是国家或区域经济发展战略的中心和先行者。创新驱动发展战略下,相对于一般城市(本文中一般城市特指除直辖市、省会城市以及副省级城市以外的一般地级市),重点城市多具有较强的创新要素集聚能力,并凭借其经济发展的规模优势、政策优势以及创新要素集聚优势等,发展创新与创业型经济(赵玉林、贺丹,2009),城市创新潜力得到充分释放。此时,国家高新区建设对城市创新水平的提升作用较弱,甚至没能有效促进城市创新水平提升。而对于一般城市,科教资源相对贫乏,科技创新起步较晚,创新发展具有较大的潜力和后发优势。在一般城市建设国家高新区,以及与高新区设立相伴生的创新要素集聚与知识溢出,能够充分释放城市创新活力,提高城市创新水平。再如,我国东部地区对外开放水平高,科教资源丰富,产业基础较好,基础设施较为完善,科技创新面临的资金、人才等要素缺口和基础设施缺口较小,城市创新处于相对较高的水平,高新区的设立对城市创新水平的边际提升作用较小,甚至不显著。而在中西部地区,国家高新区的设立能够带动城市基础设施较大程度的改善,并为中西部地区发展创新型经济奠定良好的高新技术产业基础,能够有效带动城市创新水平提升。综上,本文提出如下假说:
假说3.1:国家高新区对城市创新水平的影响存在空间异质性,对重点城市创新水平的影响较小,甚至不显著,而能显著提升一般城市创新水平。
假说3.2:国家高新区对城市创新水平的影响存在空间异质性,对东部地区城市创新水平的影响较小,甚至不显著,而能显著提升中西部地区城市创新水平。
上述国家高新区对城市创新水平影响空间异质性的猜想均建立在“边际效应递减”的假设条件下,即当城市创新处于较高水平时,一方面,城市研发攻关难度加大,导致单位研发投入或政策措施对城市创新水平的提升作用有限;另一方面,城市创新活动的规模效应已经形成,甚至投入冗余,此时高新区建设对城市创新水平提升的边际效应较小,甚至难以有效提升城市创新水平。因此,对于创新水平较高的城市,国家高新区建设对城市创新水平的边际作用较小,甚至不显著;而当城市创新水平较低时,国家高新区建设能够为城市创新奠定良好的产业基础、要素基础,有效挖掘城市创新潜力,释放城市创新活力,提高城市创新水平。基于上述分析,本文做出如下研究假说:
假说3.3:国家高新区对城市创新水平的影响存在空间异质性,城市创新水平越高,国家高新区对城市创新水平的提升作用就越弱。
三、研究设计与数据特征 (一) 实证模型国家高新区的设立始于1988年,至今已有30年时间。在这30年时间里,国家设立的高新区数量达169家(包括苏州工业园区),分布在全国近150个城市。本文以国家高新区设立作为一次准自然实验,将2003年至2016年期间设立国家高新区的城市作为实验组,期间没有设立高新区的城市作为控制组,估计国家高新区建设对城市创新水平的影响效果。在估计过程中,传统回归模型难以解决由于遗漏变量等原因所导致的内生性问题。为此,本文运用双重差分方法对试点政策效果进行检验。由于我国高新区设立是逐年推进的,传统的双重差分模型仅能观测单一时点所实施政策的效果。为此,本文借鉴Autor(2003)、Bertrand and Mullainathan(2003)、张亚斌等(2018)的做法,构建多时点双重差分模型,具体如式(1)所示:
$ lninno_{i i}=\alpha_{0}+\alpha_{1} d i d_{i t}+\sum \gamma_{j} X_{j i t}+v_{y e a r}+\mu_{c i t y}+\varepsilon_{i t} $ | (1) |
其中,lninno表示城市创新水平的对数值,i为城市编号,t为年份标识。did表示国家高新区设立虚拟变量,其回归系数α1可以反映出国家高新区建设对城市创新水平的影响效果。X表示所有控制变量的集合,vyear表示控制时间固定效应,μcity表示城市个体固定效应,ε为随机误差项。式(1)所示的多时点双重差分模型通过双向固定效应,使得不同城市个体特征差异、政策实施与否以及随时间变化的城市特征均得到有效控制。
(二) 变量与数据城市创新水平是本文的因变量。受统计数据可获得性限制,以往针对城市创新活动的研究较为有限,更没有文献关注国家高新区建设对城市创新水平的影响。现有对城市创新活动考察的文献中,赵玉林、贺丹(2009)基于15个副省级以上城市样本研究城市科技资源配置效率;高翔(2015)基于中国专利信息网检索出的城市专利数据,研究城市规模与创新水平的关系。上述文章对城市创新水平影响因素进行了开创性探索。但是需要指出的是,由于副省级以上城市在创新资源集聚程度、创新政策获取能力等方面与一般城市存在较大差异,因此基于副省级城市进行分析所得出的结论其规律的一般性和普适性仍需进一步检验。而手工检索专利信息网工作量大且繁琐,并且难以反应不同创新活动的真实价值。寇宗来、刘学悦(2017)基于中国国家知识产权局发布的专利数据,通过专利更新模型估算其价值,并将专利价值加总到城市层面,得到城市创新指数。该指数能够在一定程度上解决专利价值异质性问题,因此,本文以该创新指数作为对城市创新水平的衡量指标,具体计算方法参见寇宗来、刘学悦(2017),并运用城市专利数据作为城市创新水平的测度指标进行稳健性检验。
国家高新区设立是本文的核心解释变量,本文以虚拟变量的形式加以设定。定义高新区设立当年及其以后年份为1;其余为0。考虑到一些年份国家高新区设立的时间较晚,设立当年对城市创新水平产生的影响较弱。为此,本文做如下处理:若国家高新区设立时间为1月至9月,则计当年为该城市国家高新区设立的起始年份;若国家高新区设立时间为10月至12月,则计下一年度为该城市国家高新区设立的起始年份。此外,本文还设立了组别虚拟变量(treated),2003年至2016年期间设立国家高新区的城市为1,即为实验组,期间没有设立高新区的城市为0,即为对照组。
借鉴以往研究(高翔,2015),本文还从城市创新活动的对外开放环境、科教环境、经济环境以及政策条件等角度出发,控制了影响城市创新水平的其他变量,主要包括:外商直接投资(fdi),用城市外商直接投资额占地区生产总值比重表示(Girma et al., 2009);科教资源规模(edu_s),用高等学校在校生人数占城市总人口比重测度(Earl,2001;钱晓烨等,2010);科教资源质量(edu_q),用该城市是否有“211工程大学”为依据设置虚拟变量,若该城市有“211工程大学”,则设置为1,否则为0;经济发展水平(pgdp),用以2003年为基期消除价格因素的人均实际地区生产总值表示;金融发展水平(finc),用各城市年末金融机构各项存贷款余额与地方生产总值的比值来测度;产业结构水平(ind),用非农产业增加值占地区生产总值比重表示;政府支持(g_tec),用政府财政支出中科学与技术支出所占比重表示(李政、杨思莹,2018);城市创业水平(entr),用城镇私营和个体从业人员数占城市年末总人口比重表示。
本文样本时间跨度为2003年至2016年。由于国家高新区的设立始于1988年,并且2017年和2018年均有新的国家高新区设立。为了消除2003年之前和2016年以后设立高新区城市样本对检验结果造成的影响,本文剔除了2003年以前和2016年以后设立国家高新区的城市样本。本文所涉及数据中,除城市创新水平数据来源于《中国城市和产业创新力报告2017》外,其他数据皆来源于EPS数据平台和国家数据库。各指标统计特征及其与城市创新水平的相关系数如表 1所示。从实验组和对照组的创新水平来看,实验组创新水平对数值的均值为-0.109,而对照组均值为-1.299,可见设立高新区的城市创新水平要高于没有高新区的城市。从Pearson相关系数来看,国家高新区与城市创新水平的相关系数在1%的水平下显著正相关,初步表明国家高新区对城市创新具有一定的促进作用。
以上结果表明,设立高新区的城市其创新水平高于没有设立国家高新区的城市,并且国家高新区的设立与城市创新水平在统计上呈正相关关系。为了进一步探究国家高新区设立对城市创新水平的影响,本文逐年给出实验组与对照组创新水平均值,具体如图 1所示。需要说明的是,为了更为清晰地呈现出各年份城市创新水平均值的变化情况,本文纵坐标为城市创新水平的非对数值和每年高新区设立数量,横坐标为各年份。从中可以看出,大约从2007年至2010年开始,实验组与对照组城市创新水平加速分化。而在2010年前后的几年时间里,也是国家高新区数量增长较快的几年。如2007年国家设立了宁波高新区;2009年国家又增设了泰州医药高新区、湘潭高新区两个高新区;而2010年一年,国家增设了营口高新区等27个高新区,此后2012年至2015年间,国家每年都有新的高新区落户。因此可以推断,国家高新区在一定程度上提升了城市创新水平,从而加剧了实验组与对照组城市创新水平的分化。当然,该统计分析仍旧停留在数据表面,仍需进行进一步实证检验。
双重差分模型的使用前提是政策实施前实验组与对照组具有共同趋势。为了检验这一条件是否满足,本文首先统计了2008年及其之前年份高新区城市与非高新区城市创新水平均值(为了保存样本,本文删掉2007年设立高新区的宁波市样本),并画出折线图如图 2所示。从中可以看出,相对于非高新区城市,高新区城市具有更高的创新水平。同时,高新区城市与非高新区城市均具有相同的变动趋势,说明本文中实验组与对照组创新水平满足共同趋势条件,双重差分模型适用于本文中高新区建设的城市创新效应评估。
此外,本文还进一步运用回归法检验实验组与对照组城市创新水平是否满足共同趋势条件,即设定如式(2)所示回归模型:
$ lninno_{i t}=\alpha_{0}+\alpha_{1} treated+\sum\limits_{k=2003}^{2007} \delta_{k} year _{k}+\sum\limits_{j=2003}^{2007} \gamma_{j} \operatorname{year}_{j} \cdot treated +\varepsilon_{i t} $ | (2) |
其中,year为年份虚拟变量,时间跨度为2003年至2007年。year·treated表示年份虚拟变量与组别虚拟变量的交叉项。若交叉项系数γj联合不显著,则说明政策实施前实验组与对照组并无显著差异,双重差分模型具有较好的适用性。在对式(2)进行回归的基础上对系数γj进行联合显著性检验,结果显示,P(γ1=γ2=γ3=γ4=0)= 0.955,因此接受γj联合为0的原假设,即政策实施前实验组与对照组创新水平变动趋势并无明显差异,再次说明双重差分模型具有适用性。
四、实证分析 (一) 基准回归首先,为了检验国家高新区建设对城市创新水平的影响效果,本文对式(1)进行估计,结果如表 2所示。模型1中,本文仅以国家高新区作为解释变量进行回归,其系数在1%的水平下显著为正,说明设立国家高新区以后,城市创新水平有所提高,并且普遍高于没有设立高新区的城市,这可能是由于三个方面的原因:第一,时间趋势效应,即随着时间推移,城市创新水平不断提升;第二,批准设立高新区的城市本身就具有较高的创新水平;第三,国家高新区显著提升了城市创新水平。模型2在模型1的基础上控制了时间固定效应,从时间虚拟变量的回归结果来看,确实存在着城市创新水平逐年提升的时间趋势效应①,第一种原因得以证实,并且控制时间趋势效应后,高新区回归系数依旧显著。模型3进一步加入了组别虚拟变量,可以看出,组别虚拟变量的回归系数同样显著,说明相对于未设立国家高新区的城市,设立高新区的城市本身具有较高的创新水平,第二种原因得以证实。并且控制了时间趋势效应和高新区城市自身创新优势后,高新区回归系数依旧显著,说明国家高新区能够显著提升城市创新水平。为了消除城市个体特征对估计结果造成的偏差,模型4进一步控制了城市个体固定效应,模型5在模型3的基础上加入了影响城市创新水平的控制变量,模型6在模型5的基础上控制了城市个体固定效应。从回归结果来看,模型4至模型6中,国家高新区虚拟变量始终在1%的水平下显著为正,说明国家高新区设立显著提升了城市创新水平,假说1得以证实。
① 由于篇幅限制,本文未在此给出时间虚拟变量回归结果。
从控制变量的回归结果来看,外商直接投资对城市创新水平的影响并不显著,说明当前我国外商直接投资的技术含量仍旧较低,加大高质量外商直接投资引进力度,改善外商直接投资质量,是当前我国扩大开放力度、提高开放质量的重要导向。科教资源规模对城市创新水平产生了负向影响,而科教资源质量对城市创新具有显著的正向影响。因此应当适度控制科教资源规模,提高科教资源质量和配置效率。经济发展水平对城市创新具有显著的正向影响,说明经济发展为科技创新提供了良好的经济基础,能够促进城市创新水平提升。金融发展规模对城市创新具有显著的促进作用,因此应当适度扩大金融规模,提高金融服务实体经济创新发展的能力。产业结构升级为城市创新奠定了良好的基础,能够显著提升城市创新水平,应当在合理提高非农产业比重的同时,提高农业发展质量与水平。政府支持对城市创新产生了显著的促进作用,应当采取措施提高政府创新激励,进一步强化政府在城市创新系统中的主体作用。创业型经济发展为城市创新提供了良好的市场环境,有利于促进市场繁荣和公平竞争,提高企业创新激励和城市创新水平。
(二) 稳健性检验I:PSM-DID方法1991年国务院发布的《关于批准国家高新技术产业开发区和有关政策规定的通知》中明确指出,“许多地方在一些知识、技术密集的大中城市和沿海地区相继建立起一些高新技术产业开发区”,可见我国高新技术产业开发区的选址和设立并非是一个随机选择过程。而从图 1也可以看出,国家高新区设立之前,设立国家高新区的城市相比没有国家高新区的城市具有一定的创新优势。可见,国家高新区的设立存在着一定的选择性偏差问题,可能导致估计结果出现偏误。因此,为了检验上述结果是否具有稳健性,本文进一步采用倾向得分匹配双重差分方法(PSM-DID)进行估计。首先,选择城市对外开放水平(fdi)、科教资源规模(edu_s)、科教资源质量(edu_q)、经济发展水平(pgdp)、金融发展水平(finc)、产业发展水平(ind)、政府支持(g_tec)以及城市创业水平(entr)等作为匹配特征变量,基于2006年样本,并通过构建Logic回归模型,采用一对一近邻匹配方法进行匹配,最终得到实验组样本为1134个,控制组样本为1204个。
基于上述匹配方法得到匹配后样本进行双重差分估计,结果如表 3中模型1所示。从中可以看出,高新区虚拟变量的回归系数仍旧在1%的水平下显著为正,说明表 2中双重差分估计结果具有稳健性,国家高新区能够显著提升城市创新水平。
专利是研发与创新活动最直接的产出,因此以往研究多运用专利产出作为衡量创新水平的重要指标(Griliches,1990)。为此,本文用城市专利申请授权数作为测度城市创新水平的衡量指标进行回归分析,结果如表 3中模型2所示。从中可以看出,高新区设立虚拟变量的回归系数同样在1%的水平下显著为正,说明国家高新区设立显著提升了城市创新水平,前述结论具有稳健型。
(四) 稳健性检验III:反事实分析采用双重差分模型检验国家级高新区对城市创新的影响时,其前提假设是若不存在高新区设立的冲击效应,高新区城市(实验组)和非高新区城市(控制组)的创新水平变动趋势随时间变化不会存在系统性差异(陈刚,2012)。由此,本文采用反事实分析方式检验上述前提是否成立。具体来说,为了尽可能多地保留样本,本文首先删除了2007年设立高新区的城市,即宁波市,同时删除高新区开通年份即2009年及其以后年份的样本。然后假设国家高新区设立时间为2006年(dt=2006),并设立组别虚拟变量(treated)与高新区设立时间虚拟变量的交叉项(did),运用双重差分模型进行回归,结果如表 3中模型3所示。从中可以看出,交叉项did的回归系数不显著,说明除去高新区设立的冲击外,实验组与控制组城市创新水平的变动趋势不存在系统性差异,前述估计结果有效。
五、作用机制分析 (一) 投资集聚的中介机制分析为了深入研究高新区建设对城市创新水平影响的作用机制,本文进一步对假说1.1进行检验,即考察高新区设立能否通过带动城市固定资产投资集聚,进而促进城市创新水平提升。为此,本文设定如式(3)至式(5)所示中介效应模型:
$ lninno_{i i}=\alpha_{0}+\alpha_{1} d i d_{i i}+\sum \gamma_{j} X_{j i t}+v_{y e a r}+\mu_{c i t y}+\varepsilon_{i t} $ | (3) |
$ invest _{i_{i}}=\beta_{0}+\beta_{1} d i d_{i i}+\sum \gamma_{j} X_{j i t}+v_{\text {row }}+\mu_{\text {caly }}+\varepsilon_{i t} $ | (4) |
$ lninno_{i i}=\theta_{0}+\theta_{1} d i d_{i t}+\theta_{2} invest _{i t}+\sum \gamma_{j} X_{j i t}+v_{y e a r}+\mu_{c i t y}+\varepsilon_{i t} $ | (5) |
其中,式(4)中invest表示城市投资集聚程度,用各城市新增固定资产投资与城市面积的比值表示。对上述三组模型同时进行回归,若α1显著,说明国家高新区对城市创新具有显著的促进作用;进一步检验β1和θ2的系数,若两者同时显著,说明国家高新区会通过影响城市投资集聚程度进而影响城市创新水平,其影响程度为β1×θ2;若两者中某一系数不显著,说明城市投资集聚程度的中介效应不显著,即国家高新区难以通过影响投资集聚进而影响城市创新水平。控制了城市投资集聚的中介效应后,若式(5)中θ1依旧显著,说明高新区对城市创新水平既有直接影响,又能够通过影响城市投资集聚进而间接影响城市创新水平;若此时θ1不再显著,说明国家高新区仅仅会通过影响城市投资集聚对城市创新产生间接影响,高新区对城市创新并无直接影响或其他作用机制。
对式(3)至式(5)进行估计,结果如表 4所示。首先,模型1显示,高新区设立显著提升了城市创新水平,该结论与前述结果一致。其次,模型2显示,高新区对城市投资集聚的回归系数在1%的水平下显著为正,说明高新区建设显著提升了城市投资集聚程度。模型3显示,投资集聚对城市创新水平的回归系数在1%的水平下显著为正,说明城市投资集聚能够带动城市创新水平提升。结合模型2中回归结果可以发现,高新区设立能够通过促进城市投资集聚进而带动城市创新水平提升,其中介效应为0.072(0.180×0.397),约占总效应的46.75%。可见高新区设立带动的城市投资集聚是推动城市创新水平提升的重要原因。模型3中,控制了城市投资集聚的中介效应后,高新区设立的回归系数依旧在1%的水平下显著为正,说明高新区建设既能够直接提升城市创新水平,又能够通过影响城市投资集聚,间接促进城市创新水平提升。此外,Sobel检验和Boostrap检验结果均表明,高新区设立对城市创新水平的直接效应和城市投资集聚中介效应在较高的水平下显著。综上结论,假说1.1得以证实。
如前所述,国家高新区在本质上是政府政策和地方发展战略引导下的牵引式集聚,即通过制定优惠的创新创业政策,在城市内部特定区域内形成政策洼地,吸引高新技术产业和创新资本集聚。特殊的创新政策会对创新型企业产生集聚效应,那么这是否意味着高新区建设的政策洼地效应会对周边地区创新资源和要素产生掠夺和虹吸效应?为了回答这一问题,借鉴Delgado and Florax(2015)、Paliska(2018)等的研究方法,本文进一步构造如式(6)所示空间双重差分模型(Spatial-difference-in-differences,SDID),检验国家高新区设立对周边城市的影响效果。
$ lninno_{i t}=\alpha_{0}+\alpha_{1} d i d_{i t}+\alpha_{2} W \cdot d i d_{i t}+\sum \gamma_{j} X_{j i t}+v_{y e a r}+\mu_{c i t y}+\varepsilon_{i t} $ | (6) |
其中,W表示空间权重矩阵,本文设置了三种权重矩阵。第一种权重矩阵是省内关联权重矩阵,即假设高新区设立政策的影响范围局限于本市和所在省份其他城市,主要考察高新区设立对本省其他城市创新水平的外部性特征。第二种权重矩阵是省外相邻城市关联权重矩阵,即假设高新区设立政策的影响范围局限于本市和周边的省外城市,考察高新区设立对相邻的外省城市创新水平的外部性特征。第三种权重矩阵是本省与邻近外省城市关联权重矩阵,即假设高新区设立政策的影响范围涉及到本市、周边外省城市和本省其他城市。
基于上述三组权重矩阵,对式(6)进行回归,结果如表 5所示。其中,模型1至模型3依次使用上述三种权重矩阵。首先,模型1使用了省内相关权重矩阵,从中可以看出,政策虚拟变量与空间项的回归系数均在1%的水平下显著为正,说明高新区设立不仅提升了所在城市创新水平,而且对省内其他城市产生了显著的溢出效应,促进了省内其他城市创新水平提升。其次,模型2使用了邻近外省城市关联权重矩阵,从中可以看出,政策虚拟变量的回归系数依旧显著为正,同时,空间项回归系数在5%的水平下显著为正,说明高新区设立对邻近的外省城市产生了显著的溢出效应。最后,模型3使用了本省与省外邻近权重矩阵,结果发现,政策虚拟变量与空间项的回归系数依旧在1%的水平下显著为正,说明高新区建设在提升本市创新水平的同时,也会对周边城市和省内城市产生显著的溢出效应,促进周边城市和省内城市创新水平提升。由此可见,高新区设立并未引致高新区城市与周边城市的创新资源竞争和虹吸效应,相反高新区创新活动的溢出范围不仅仅局限于本市,而且会在省内和省外邻近城市产生广泛的溢出效应,与假说2相悖。
为了检验假说3,即考察在不同等级城市设立国家高新区对城市创新水平影响的异质性,本文进一步将高新区城市样本分为重点城市样本和一般城市样本,并分别与非高新区城市样本合并进行差分估计。如前所述,为了简化研究,本文将重点城市定义为省会城市、副省级城市和直辖市,将一般城市定义为一般地级市。这是由于省会城市、副省级城市和直辖市一般多为本省或所在区域的经济、政治和文化中心,集聚了大量的科教资源,对本地区经济与科技发展具有重要的带动作用,将这三类城市定义为重点城市具有一定的合理性。对两类样本进行回归,结果如表 6所示。模型1和模型2给出了高新区设立对一般城市创新水平的回归结果。从中可以看出,模型1中,高新区设立虚拟变量的回归系数在1%的水平下显著为正,模型2进一步加入控制变量后结果依旧显著,说明高新区设立对一般城市创新水平具有显著的提升作用。模型3中,高新区设立对重点城市创新水平的回归系数并不显著,模型4进一步加入控制变量后,其系数绝对值有所增加,但仍旧不显著,说明高新区设立对重点城市创新水平的影响不显著,假说3.1得以证实。
在我国,重点城市因其完善的基础设施和较高社会服务水平等便利条件,吸引了诸多高素质劳动者和高新技术产业,其科技创新处于比较高的水平。此时,在重点城市设立高新区对城市创新水平的边际提升作用较弱。而一般城市科技创新处于相对落后的状态,具有一定的后发优势,但其城市创新体系有待于进一步完善,创新资源投入缺口较大。国家高新区建设一方面为城市探索具有地方特色的创新体系提供了良好的空间载体,推动城市科技创新体系建设;另一方面国家高新区建设能够吸引更多的高新技术产业和科技创新资源入驻,弥补城市科技创新的要素缺口,推动了城市创新水平提升。
(二) 区位异质性检验为了检验假说3.2,即考察国家高新区建设对城市创新水平影响的区位异质性,本文进一步将高新区城市样本细分为东部地区城市和中西部地区城市两个子样本,并分别与非高新区城市样本合并进行双重差分估计,结果如表 7所示。从中可以看出,在四组模型中国家高新区对城市创新水平的回归系数均在1%的水平下显著为正,说明无论是在东部地区,还是在中西部地区,国家高新区对城市创新均具有显著的提升作用。此外,本文进一步加入高新区设立虚拟变量与地区虚拟变量交叉项,检验高新区设立对城市创新水平的影响效果大小是否存在显著差异,结果如表 7中模型5所示。结果表明,控制了影响创新水平的城市特征变量后,高新区设立虚拟变量与地区虚拟变量交叉项系数的回归结果并不显著,这表明,区位差异并不会导致国家高新区对城市创新作用大小的差异,假说3.2并不成立。这可能是由于东部地区和中西部地区的大部分高新区城市均处在创新发展的关键时期,高新区设立对城市创新具有显著的带动作用,因此并不存在国家高新区对城市创新影响方向和作用力大小的区位异质性。
为了检验假说3.3,即考察不同城市创新水平下高新区建设对城市创新水平的影响,借鉴邵朝对等(2018)研究方法,本文运用分位数回归模型进行双重差分估计。本文选择了10%、25%、50%、75%和90%五个分位点,回归结果如表 8所示。从中可以看出,在10%、25%、50%和75%分位点上,国家高新区建设对城市创新水平的回归系数均在5%以上的水平下显著为正,而在90%分位点上,国家高新区对城市创新水平的回归系数虽然为正,但并不显著。上述结果表明,当城市创新水平相对较低时,国家高新区建设能够显著提升城市创新水平;而当城市创新达到较高水平时,高新区建设对城市创新的带动作用减弱,甚至不再显著。上述结果一定程度上证实了假说3.3。
而从回归系数大小来看,当创新水平较低时,国家高新区对城市创新的边际带动作用会随着创新水平的提升而增强(模型1和模型2),这似乎与假说3.3不相符。这可能是由于当城市创新处于较低水平时,与国家高新区建设相伴生的城市创新要素投入增加会带来规模效应,表现为随着城市创新水平的提升,高新区建设对城市创新的边际带动效应显著增强。而当城市创新水平达到一定程度后,高新区对城市创新的带动作用逐渐减弱(模型3和模型4),甚至不再显著(模型5)。这主要是由于城市创新水平达到一定程度后,高新区建设和创新资源投入的规模经济效应不复存在;而随着城市创新水平提升,研发攻关难度随之加大,高新区对城市创新的边际带动效应递减,直至难以推动城市创新。
为了更为直观地考察随着城市创新水平的提升,高新区设立对城市创新水平影响的差异性,本文进一步绘制了所有分位点上的回归系数,如图 3所示。可以看出,随着创新水平的提升,国家高新区对城市创新的带动作用呈现出明显的先增强、后减弱的非对称“倒V型”变化特征。
本文基于我国2003年至2016年215个城市面板数据,运用双重差分模型和分位数回归模型等方法,实证分析了国家高新区建设对城市创新水平的影响及其空间异质性特征;为了检验结论的稳健性,本文还运用倾向得分匹配双重差分方法、反事实分析方法等加以检验,主要得出以下结论:第一,整体来看,国家高新区建设能够显著提升城市创新水平,并且高新区设立带动的城市投资集聚是推动城市创新水平提升的重要原因;第二,高新区设立并未引致高新区城市与周边城市的创新资源竞争和虹吸效应,相反高新区创新活动的溢出范围不仅仅局限于本市,而且会在省内城市和省外邻近城市产生广泛的溢出效应,带动周边城市和本省其他城市创新水平提升。第三,从城市异质性视角来看,一方面,国家高新区对省会城市、直辖市和副省级城市创新水平的影响不显著,而能够有效提升一般地级市创新水平;另一方面,国家高新区对城市创新水平影响的区位异质性并不显著,对东部地区和中西部地区城市创新均具有显著的推动作用;此外,随着城市创新水平的提升,国家高新区对城市创新水平的影响呈现出显著的非对称“倒V型”变化特征,即高新区建设对城市创新水平的促进作用先增强,后减弱,直至不再显著。
上述发现不仅是对国家高新区影响城市经济发展机制探索的有效补充,同时也具有一定的现实指导意义。当前我国经济发展面临着严重的资源与环境约束,实现经济发展由要素驱动向创新驱动转变成为推动经济可持续发展的重要任务。国家高新区建设对城市创新具有重要的推动作用,而这种带动作用不仅仅局限于本城市内部,而且会辐射到省内其他城市甚至省外邻近城市。因此,应当总结我国高新区建设经验,有序扩大高新区建设范围。同时,由于经济发展水平、资源集聚能力和政策环境等经济制度环境差异,国家高新区对不同城市创新水平的影响也存在着差异化特征;推动高新区建设应当充分考虑地方科技与经济发展差异,避免单一化、一概而论的一元化做法,倡导多元化发展战略;坚持因地制宜、一地一策的原则,提高我国高新区建设模式的包容性与灵活性。此外,在重点城市和创新水平较高的城市,高新区对城市创新水平的影响不显著,应当对这类城市国家高新区建设进行有效的跟踪评价与监测,及时调整园区建设方案、定位与配套措施,发挥高新区建设对城市创新的带动作用。
[] |
陈刚, 2012, “法官异地交流与司法效率——来自高院院长的经验证据”, 《经济学(季刊)》, 第 4 期, 第 1171-1192 页。 |
[] |
程郁、陈雪, 2013, “创新驱动的经济增长——高新区全要素生产率增长的分解”, 《中国软科学》, 第 11 期, 第 26-39 页。DOI:10.3969/j.issn.1002-9753.2013.11.004 |
[] |
高翔, 2015, “城市规模、人力资本与中国城市创新能力”, 《社会科学》, 第 3 期, 第 49-58 页。 |
[] |
顾元媛、沈坤荣, 2015, “简单堆积还是创新园地?——考察高新区的创新绩效”, 《.科研管理》, 第 9 期, 第 64-71 页。 |
[] |
寇宗来、刘学悦, 2017, 《中国城市和产业创新力报告2017》, 上海: 复旦大学产业发展研究中心。 |
[] |
李凯、任晓艳、向涛, 2007, “产业集群效应对技术创新能力的贡献——基于国家高新区的实证研究”, 《科学学研究》, 第 3 期, 第 448-452 页。DOI:10.3969/j.issn.1003-2053.2007.03.011 |
[] |
李政、杨思莹, 2018, “创新活动中的政府支持悖论:理论分析与实证检验”, 《经济科学》, 第 2 期, 第 88-100 页。 |
[] |
刘满凤、李圣宏, 2012, “国家级高新技术开发区的创新效率比较研究”, 《江西财经大学学报》, 第 3 期, 第 5-17 页。DOI:10.3969/j.issn.1008-2972.2012.03.001 |
[] |
刘瑞明、赵仁杰, 2015, “国家高新区推动了地区经济发展吗?——基于双重差分方法的验证”, 《管理世界》, 第 8 期, 第 30-38 页。 |
[] |
吕政、张克俊, 2006, “国家高新区阶段转换的界面障碍及破解思路”, 《中国工业经济》, 第 2 期, 第 5-12 页。DOI:10.3969/j.issn.1006-480X.2006.02.001 |
[] |
钱晓烨、迟巍、黎波, 2010, “人力资本对我国区域创新及经济增长的影响——基于空间计量的实证研究”, 《数量经济技术经济研》, 第 4 期, 第 107-121 页。 |
[] |
邵朝对、苏丹妮、包群, 2018, “中国式分权下撤县设区的增长绩效评估”, 《世界经济》, 第 10 期, 第 101-125 页。 |
[] |
谭静、张建华, 2018, “国家高新区推动城市全要素生产率增长了吗?”, 《经济与管理研究》, 第 9 期, 第 75-90 页。 |
[] |
田新豹, 2013, “我国高新区经济发展影响因素的实证分析”, 《宏观经济研究》, 第 6 期, 第 72-76 页。 |
[] |
万道侠、胡彬, 2018, “产业集聚、金融发展与企业的创新惰性”, 《产业经济研究》, 第 1 期, 第 28-38 页。 |
[] |
王胜光、程郁、刘会武, 2012, “高新区创新中国——对20年国家高新区发展的总结评价及对未来发展的思考”, 《中国科学院院刊》, 第 6 期, 第 678-696 页。DOI:10.3969/j.issn.1000-3045.2012.06.004 |
[] |
闫国庆、孙琪、陈超、仲鸿生、任建雄, 2008, “国家高新技术产业开发区创新水平测度指标体系研究”, 《中国软科学》, 第 4 期, 第 141-148 页。DOI:10.3969/j.issn.1002-9753.2008.04.018 |
[] |
杨国忠, 2016, “论国家级高新区多元技术创新扩散路径”, 《科技管理研究》, 第 14 期, 第 18-23 页。DOI:10.3969/j.issn.1000-7695.2016.14.004 |
[] |
袁航、朱承亮, 2018, “国家高新区推动了中国产业结构转型升级吗”, 《中国工业经济》, 第 8 期, 第 60-77 页。 |
[] |
张亚斌、朱虹、范子杰, 2018, “地方补贴性竞争对我国产能过剩的影响——基于倾向匹配倍差法的经验分析”, 《财经研究》, 第 5 期, 第 36-47 页。 |
[] |
赵玉林、贺丹, 2009, “智力密集型城市科技创新资源利用效率实证分析”, 《中国软科学》, 第 10 期, 第 109-116 页。DOI:10.3969/j.issn.1002-9753.2009.10.014 |
[] |
Arrow, K. J., 1962, "Economic Welfare and the Allocation of Resources for Invention", In: Richard Nelson (Ed.), The Rate and Direction of Inventive Activity, Princeton University Press, Princeton.
|
[] |
Autor D. H., 2003, "Outsourcing at Will:The Contribution of Unjust Dismissal Doctrine to the Growth of Employment Outsourcing". Journal of Labor Economics, 21(1), 1–23.
|
[] |
Bertrand M., Mullainathan S., 2003, "Enjoying the Quiet Life? Corporate Governance and Managerial Preferences". Journal of Political Economy, 111(5), 1043–1075.
DOI:10.1086/376950 |
[] |
Cao C., 2004, "Zhongguancun and China's High-Tech Parks in Transition 'Growing Pains' or 'Premature Senility'". Asian Survey, 44(5), 647–668.
DOI:10.1525/as.2004.44.5.647 |
[] |
Delgado M. S., Florax R., 2015, "Difference-in-differences Techniques for Spatial Data:Local Autocorrelation and Spatial Interaction". Economics Letters, 137, 123–126.
DOI:10.1016/j.econlet.2015.10.035 |
[] |
Earl M., 2001, "Knowledge Management Strategies:Toward a Taxonomy". Journal of Management Information Systems, 18(1), 215–242.
|
[] |
Engel J. S., Del-Palacio I., 2011, "Global Clusters of Innovation:The Case of Israel and Silicon Valley". California Management Review, 53(2), 27–49.
DOI:10.1525/cmr.2011.53.2.27 |
[] |
Filip D. B., Beveren I. V., 2012, "Does Firm Agglomeration Drive Product Innovation and Renewal? An Application for Belgium". Tijdschrift Voor Economische En Sociale Geografie, 103(4), 457–472.
DOI:10.1111/j.1467-9663.2012.00715.x |
[] |
Girma S., Gong Y., Görg H., 2009, "What Determines Innovation Activity in Chinese State-owned Enterprises? The Role of Foreign Direct Investment". World Development, 37(4), 866–873.
DOI:10.1016/j.worlddev.2008.07.017 |
[] |
Griliches Z., 1990, "Patent Statistics as Economic Indicators:A Survey". Journal of Economic Literature, 12, 16–61.
|
[] |
Ning L., Wang F., Li J., 2016, "Urban Innovation, Regional Externalities of Foreign Direct Investment and Industrial Agglomeration:Evidence from Chinese Cities". Research Policy, 40, 368–379.
|
[] |
Paliska D., Fabjan D., Vodopivec R., Drobne S., 2018, "The Impact of the Construction of Motorways and Expressways on Housing Prices in North-east Slovenia". Geodetski Vestnik, 62(2), 218–234.
DOI:10.15292/geodetski-vestnik.2018.02.218-234 |
[] |
Panne G., van der., 2004, "Agglomeration Externalities:Marshall Versus Jacobs". Journal of Evolutionary Economics, 14(5), 593–604.
DOI:10.1007/s00191-004-0232-x |