一、引言

技术创新是推动经济发展的助力器, 我国各地区逐年加大了对创新活动的投入, 因此创新产出的绝对量不断提高。但是, 与此伴随的也是区域创新产出不均衡的状态——东西差异、南北差异、经济发达地区与经济欠发达地区差异日益凸显, 尤其是笔者所处的西部地区与东部地区相比, 差异甚大。另一方面, 长期以来, 只考虑时间维度而不考虑空间维度一直是现代主流经济学的一个突出特点。因此，学者们更擅长于从平面角度探索区域创新产出的差异性。但是现实中, 无论是自然资源还是各类创新资源在各个地区并非是均匀分布的，研究区域问题还必须考虑到这些资源禀赋在空间内的流动性和流动距离的问题。即我们不能再理想化地认为空间是均质的, 必须考虑研究对象的空间效应问题。另一方面, 近年来由于ARCGIS、GEODA等空间分析专业软件的广泛运用, 使得从空间分析的角度来研究区域创新产出的差异成为可能。因此, 本文力图比较西部省域创新产出的区域差异, 并描述其空间差异演变的特征和内在的机理, 希望能呈现西部地区技术创新问题的真实状态, 为研究区域创新问题提供较为合理可靠的理论依据和参考。

二、文献述评

对区域创新能力的提升, 区域创新绩效的评价等相关内容的研究是目前学者们比较关注的领域。但是, 对于区域创新产出的研究比较鲜见, 仅有的几篇文章也基本展现了区域创新产出的研究状况。

(一) 区域创新产出的空间相关性研究

罗发友(2004)^[1]以专利和产业R & D作为中国创新产出的测度指标, 展现了中国创新产出由西向东呈梯度提高的空间分布态势。张玉明、李凯(2007)^[2]以1996—2005年专利数据作为衡量创新产出的指标, 通过可视化的空间分布图描述了中国省际专利分布概况; 通过测算创新产出的集中度初步证实了我国省际创新产出集聚的判断; 通过创新聚集的空间相关性检验了集聚产生的原因。李国平、王春杨(2012)^[3]用专利数量度量创新产出水平, 用万人专利数量度量创新强度, 用全局和局部自相关分析测度省域创新产出的空间依赖性。不同于以往研究的是何键芳、张虹鸥等(2013)^[4]，用大中型工业企业新产品产值数据测度创新产出水平, 利用Gini指数、Moran散点图等分析工具, 分析了广东省域创新产出的空间差异和空间分布特征, 发现广东省创新产出水平逐年提升, 但未形成高集中趋势, 应进一步加强广州和深圳增长极的带动和辐射作用。

(二) 对区域创新产出的影响因素研究

张丽华、林善浪(2011)^[5]利用面板数据模型, 对我国创新产出的影响因素进行探究, 发现技术邻居之间对于研发投入资源具有竞争性, 地理邻居之间在创新活动中具有合作性。另外, 各省区国有企业所占的比重及人力资源水平对创新产出水平也有影响。方远平、谢蔓(2012)^[6]运用探索性空间技术的全局自相关分析, 发现我国省域之间的创新要素存在正相关的现象; 通过局部自相关分析中的Moran散点图和LISA集聚图展现了具体的集聚区域和模式; 运用地理加权回归分析, 较好地解释了创新产出的影响因素及影响因素产生的影响结果。

(三) 区域创新产出与其他因素的关系研究

学界比较关注各类创新投入与创新产出的关系研究。于明洁、郭鹏等(2012)^[7]意识到创新产出与创新环境之间相辅相成的关系, 在构建区域创新环境和区域创新产出的评价指标体系的基础上, 借助于协调发展度模型, 测算二者的协调性。结果表明:我国各区域创新环境与创新产出协调发展能力较弱。蔺玉、顾新等(2013)^[8]采用政策信息研究法, 利用柯布-道格拉斯生产函数, 验证了学习型区域政府创新投入与创新产出之间并无明显的相关性。并基于此结果, 提出了建设学习型区域的政策建议。

通过梳理现有研究成果, 发现区域创新产出的空间相关性研究是目前的研究重点和热点问题:第一, 大部分学者已经注意到, 与时间纬度一样, 对人类经济活动的分析也离不开空间维度。因此, 在创新活动中真正引入了“空间”因素。第二, 对区域创新产出的衡量更多的以专利数据为准, 至于是采用专利授权量还是申请量, 学界并未达成共识。第三, 学界更加关注我国省域范围和东部发达地区创新产出的空间差异及相关性的研究, 得出的结论更多是创新活动的空间集中水平不断提高, 缺乏对西部欠发达地区创新产出的空间差异及演变特征的分析和研究, 以及东西部地区区域创新产出空间集聚模式的对比研究。针对现有研究的不足, 本文拟对西部地区区域创新产出的空间差异及其演变过程展开研究, 希望能对优化西部地区创新空间格局和制定合理的区域科技政策具有促进作用。

三、测度指标、数据和测度方法 (一) 测度指标和数据

创新产出的形式和内容是多样的, 但对于创新产出的测度, 目前还没有开发出非常适合的综合指标。固然利用专利数据衡量创新产出有不足之处, 但笔者依然使用专利数据衡量创新产出的合理性在于:第一, 由于GEODA空间分析工具目前只能处理单变量和双变量, 所以空间数据处理存在技术上的难度; 第二, 虽然距离商业推广和应用还有一步之遥, 但专利已经基本反映了创新活动的概貌, 因此它仍然是反映创新活动最独特的资源^[9](Griliches Z., 1990)。因此本文仍用专利数据(国内专利申请授权数)测度创新的产出水平，主要的研究区域只涉及西部十二省市区。其中专利数据来源于《中国科技统计年鉴》(2006—2016)。

(二) 测度方法

本文为了清晰展现西部省域创新产出的空间差异, 拟从两方面入手:

第一, 在不考虑空间因素的情况下, 利用传统的区域差异测度指标——锡尔系数和人均专利相对增长率进行实证分析, 其结果只能得到西部地区创新产出均衡发展或不均衡发展的简单结论。

第二, 考虑到省域创新产出间的空间关联性, 借助于目前应用比较广泛的探索性空间数据分析(Exploratory Spatial Data Analysis, 简称ESDA), 展现西部省域创新产出隐含的空间相关性。ESDA是在众多数据中搜寻有用信息的过程。借助于ESDA方法, 研究人员必须借助之前的理论或假设, 深度探索暗含在数据中的联系和发展趋势, 常用的两种方式是全局空间关联分析和局部空间关联分析^[10]。全局空间关联分析是通过对属性值在整个区域的空间效应的展示，来反映事物或现象在总体空间上的联系程度^[11-13]。局部空间关联分析也有相应的统计量, 它进一步反映事物或现象在局部空间里的联系程度。本文通过估计、检验全局和局部空间关联统计量, 探寻西部省域创新产出在总体或局部空间上的差异以及演变特征。

四、西部地区创新产出分布的不平衡性计量 (一) 锡尔系数

锡尔系数由Theil在20世纪60年代提出, 原本用于测度不同国家间的收入差距, 现在已被广泛用于测度区域之间的差异, 只需要用区域替代国家就可实现。锡尔系数的算法有两种:锡尔系数T和锡尔系数L。它们的区别在于锡尔系数T以GDP比重加权计算, 而锡尔系数L是以人口比重加权计算的。这里, 我们借用锡尔系数T来衡量西部省域创新产出水平的不均衡性, 锡尔系数的计算方法如(1)式:

(1)

式(1)中, PAT_{i, t}表示样本区域i省在t年的国内专利申请授权数; ; N代表区域样本数, 本文研究西部地区十二个省域, 所以N=12;t代表年份, t=2005, …, 2015。锡尔系数的值越大说明专利数据代表的创新产出水平分布越不均衡, 区域间差异越大; 反之, 锡尔系数的值越小说明专利数据代表的创新产出水平分布越均衡, 区域间差异越小。Theil=0表示各省(区、市)的创新产出水平完全均衡的情况；当西部地区十二省域所有的创新产出集中在一个省域时, Theil=ln(12)=2.4849代表完全不均衡的情况。我们将计算出的2005—2015年西部十二省域创新产出的锡尔系数列在表 1中。

由表 1可知, 在2005—2015年之间, 锡尔系数的变化趋势成山峰状, 从2005年的0.4478增加到2010年的0.706 9, 再降低到2015年的0.536 1, 这表明西部十二省域创新产出分布并不均衡, 创新产出高的越来越趋向于集聚在一起; 另一方面相对于完全不均衡的状态时，Theil=ln(12)=2.484 9的值来说, 也表明西部地区创新产出集聚的速度较为缓慢。

(二) 人均专利的相对增长率

虽然锡尔系数能测度创新产出分布的不均衡程度, 但是, 仅凭锡尔系数并不能具体反映出哪些省区高出西部地区创新产出的平均水平, 哪些省区低于平均水平。因此我们还需通过计算西部各省域人均专利增长率来识别此问题。西部地区各省域人均专利相对增长率的计算公式如下:

(2)

式(2)中, PGR_i代表i省(区、市)人均专利相对增长率, PERPAT_{i, t}表示i省(区、市)在t年的人均专利水平, SPERPAT_t表示西部各省域在t年的人均专利水平。计算可知, 西部地区在2005年到2015年人均专利水平的年增长率达到27%。PGR_i=1表示该省(区、市)t年相对于t₀年人均专利增长速度与整个西部地区保持一致; PGR_i>1表示该省区t年相对于t₀年人均专利增长速度高于西部地区水平; 相应的, PGR_i < 1表示增速低于西部地区水平。西部各省域2015年相对于2005年的人均专利增长速度的计算结果见表 2。

从表 2中可以看出, 在2005—2015十年间, 陕西、贵州、青海、四川四个省属于创新产出增长的领先地区, 它们的人均专利增长速度超过了西部总体水平。尤其是陕西省的PGR_i位居第一, 成为西部地区中创新产出增长的领先地区, 主要是因为2015年国内专利申请授权数(33 350件)相对于2005年(1 894件)来说, 增速非常快。青海省位居前四名, 原因也是如此; 另一方面, 四川和贵州两省2015年的年末人口数较2005年不仅没有增长, 反而出现下降的趋势, 因此以上四个省测算的PGR_i较大。而其他八省区市的PGR_i < 1, 说明这八个省区市属于创新产出增长的落后地区，表明该省区创新增长的速度与领先省区的差距较大。

五、西部省域创新产出的空间差异及演化特征

近年来, 西部地区的创新活动在数量上有很大的增幅。2005年西部地区国内专利申请授权总数为16 272件, 2015年增加到201 038件, 年平均增长率为24.24%。专利虽然只是创新过程的中间环节, 但是专利数据逐年增加却显示出我国创新活动不断繁荣的景象。不过, 值得我们注意的是:从前面泰尔指数的计算结果可知, 我国创新活动的发展并不均衡, 区域间的差异较大, 部分创新产出高的省区集聚在一起, 而另一部分创新产出低的省区也倾向于集聚在一起, 并随着时间进程保持了相当稳定的特征^[14]。下面的空间关联性分析可以进一步展现西部省域创新产出的空间演化特征。

(一) 全局空间相关分析

本文借助常用的全局空间自相关统计指标Moran’s Ⅰ来度量各个省域创新产出在总体空间里的关联程度。Moran’s Ⅰ的计算结果一般是-1 < 0 < 1, -1代表样本区域的属性值在空间内存在极强的负相关, 1代表存在极强的正相关。由表 3可知, 2005—2015年国内专利申请授权数的Moran’s Ⅰ值有正值也有负值, 且正值的数值都不是太大, 如果我们研究的省域之间不存在空间自相关, 那么E(I)=-1/(12-1)=-0.0909, 2005—2015年国内专利申请授权数的Moran’s Ⅰ值均大于-0.0909, 即便是2009、2010及2011年的Moran’s Ⅰ是负值, 分别是-0.0326、-0.0207、-0.0117, 它们也比E(I)的值更大。以上结果表明2005—2015年我国西部省域创新产出的空间分布呈现为一种集聚趋势, 但是集聚的程度并不明显。具体表现为西部省域中, 几个创新产出较高的地区聚集在一起, 同样的, 几个创新产出较低的地区也聚集在一起。这表明, 西部十二省域整体的空间差异逐渐缩小, 但缩小的速度较为缓慢。不过, 省域总体空间差异的缩小并不能得出西部地区创新产出水平高, 创新活动频繁, 创新能力强的结论, 它恰恰是西部地区区域创新活动空间分异的反映。全局空间自相关只能判断属性值在特定区域内是否有集聚特征存在。要想具体了解集聚的位置或是探测是否有空间异常存在还需要进行局部空间相关分析。

(二) 局部空间相关分析

前面我们所分析的空间关联性是对整个西部地区空间模式的探索, 属于全局统计量, 但是, 以各个省区为中心的区域空间自相关水平未必是完全一致的^[15]。因此, 我们进一步采用Moran散点图来揭示具体的细节。基于2005年、2015年国内专利申请授权数的Moran散点图可以得到表 4。

表 4中, 2005年在第一象限的区域有3个:陕西、重庆、四川。这些区域反映了创新产出的高高自相关关系集群, 表明这三个省市自身创新产出水平较高, 其周边地区也较高; 在第二象限的区域有4个:贵州、宁夏、内蒙古、广西。这些区域反映了创新产出的低高自相关关系集群, 说明这4个省区的创新产出水平较低, 但周边的临近省区创新产出水平较高, 贵州省与周围地区之间的空间差异比较大, 其间可能不存在空间扩散的作用; 在第三象限的区域有3个:青海、新疆、西藏, 反映的是低低自相关关系集群, 这表明这些省区自身创新产出水平较低, 其周边地区也较低; 甘肃、云南两省处于第四象限, 反映的是高低自相关关系集群。

经过十年的发展, 到2015年, 西部省域创新产出的显著性水平有所提高。各个省(区、市)的创新产出出现了向陕西、重庆聚集的趋势, 第一、二、三象限变化的省区不太明显, 但是第四象限变化明显, 减少了甘肃和云南, 增加了四川。这说明, 四川省自身的创新产出水平在2015年较高, 但周边地区的创新产出水平较低, 二者之间的空间差异较大。我们知道, 四川省在地理上与云南、甘肃、青海、西藏等省区邻近, 同时它也与陕西、重庆邻近。但邻近的省份中, 经济发展落后、创新产出水平低的地区毕竟多于条件相对较好的省份。这就是四川省在2015年属于HL类型省区的原因。由此可知, 十年来, 西部省域创新活动有所发展, 但省域之间的空间差异程度几乎没有发生太大的变化。这一事实表明, 西部省域创新活动发展的道路还很长。这与表 3中全局自相关分析的结果基本一致, 也与西部创新活动的实际发展情况也基本吻合。自从西部大开发战略实施以来, 创新产出稳步提升, 但是创新发展的结构性矛盾仍然存在, 创新产出不均衡, 地区差异较大:四川、陕西、重庆等西部省市表现出作为一个高水平的创新输出区域为中心的创新活动蓬勃发展的现象, 这些地区内部创新产出省域间的差异在不断缩小; 内蒙古、广西、贵州、云南、甘肃、宁夏等省区构成创新产出中等水平的地区, 省域之间的创新程度比较接近。

六、结论

区域是一个开放的系统, 因此, 对区域创新活动的分析既不能离开时间维度也不能离开空间维度^[16]。本文综合运用数理统计方法和探索性空间数据分析方法, 对西部省域创新产出的空间差异及其演化特征进行了实证分析, 展现了西部省域创新产出差异的水平和结构, 结果表明:

(1) 在不考虑空间因素的情况下, 2005—2015年十年间, 锡尔系数的值均在0.4以上且变化趋势成山峰状, 表明西部十二省域创新产出水平呈不均衡状态, 地区间差异较大。随着时间的发展, 差异逐渐呈收敛态势。另一方面, 西部十二省域中, 除了陕西、贵州、青海、四川四省的人均专利增长速度略超过西部平均水平, 剩余省份人均专利增长速度低于平均水平。这说明, 大部分省区创新产出的增速并不高, 创新活动疲软。

(2) 在考虑空间因素的情况下, 从全局自相关分析的结果来看:西部省域创新产出在空间上呈正相关分布, 表现出创新产出指标接近的地区在空间上趋于集聚的态势, 但是集聚的程度并不十分明显; 从局部自相关分析的结果来看, 以陕西、重庆、四川等省市形成了一个区域性的创新活动发展较快的核心圈, 这些地区的创新产出水平较高, 特别是四川省, 其创新产出水平与周围邻接区域相比差异显著。

以上的研究结果并不能说明西部地区创新活动的发展已经走上健康快速的发展之路, 它恰恰是西部地区创新活动空间分异的表现。在循环累积的作用下, 西部核心区和边缘区内部省域的差异可能会逐渐缩小, 但是核心区和边缘区之间的差异会逐渐增大, 而这种空间格局对西部的经济发展会起到滞缓的作用, 甚至会产生严重的弊病。希望本文的论证能引起相关人员的重视与关注, 同时希望能对西部区域发展起到积极的推动作用。