主页 > 案例大全 > 论文技巧大全-创新集聚与经济发展:基于市级数据的实

论文技巧大全-创新集聚与经济发展:基于市级数据的实

2021-05-20 15:40:53

  创新满足了人类生存和发展的客观需求,推动了技术的飞快发展,同时也是现代经济发展的重要动力。随着城市群概念的普及,城市产业集聚和城市协同创新愈加重要,创新在城市级别的集聚和扩散与区域经济发展紧密相关。本文基于中国285个地级及以上城市数据,检验了城市国内生产总值和城市授权专利数量的正空间自相关性,并运用了面板回归和空间计量的方法研究了城市创新集聚和其他重要生产要素对区域经济发展的影响,检验了创新集聚的溢出效应。实证结果表明:创新集聚在城市级别对经济发展有显著的促进作用,创新集聚有显著的正的空间溢出效应,正的外部性促进相邻城市的经济发展。同时本文计算并对比了中国长三角,珠三角和京津冀这三大城市群创新的赫芬达尔—赫希曼指数,分析城市群内创新的集中度,比较城市群内城市创新的差异程度;文章对比了中国三大城市群的经济增长模式,发现了三大城市群不同生产要素对经济发展不同的作用,也体现了三个城市群发展阶段的不同。因此,我国需要继续深入实施创新驱动发展战略,加强城市群建设,增强城市协同发展的动能,强化城市群全面的合作融合,促进区域间均衡发展。

  经济增长一直是经济学家关注的重要话题。在经济学200多年的发展历史中,经济学家们一直试图用经济学语言理解,解释甚至预测宏观经济增长。随着时代的变化,人们对经济发展的认识也在迅速的改变。

  创新由奥地利经济学家熊彼特于二十世纪初提出,创新被认为是生产要素的重新组合,企业家的职能就是创新。在此之后,创新理论被经济学家们逐渐重视,创新的界定也被扩大。二十世纪七十年代以后,创新理论开始形成系统性框架,创新在经济发展的重要性逐渐被提升;二十一世纪以后,创新已经从促进经济发展的基本要素升级为推动经济发展的核心驱动,几乎被全世界国家认为是经济发展的核心要素,是推动一个国家、一个民族向前发展的重要力量,创新提高了社会资源的利用效率,优化企业资源配置。我国早已实施创新驱动型经济发展战略,创新已是我国民族复兴、经济飞跃的核心推动力。科技创新与制度创新、管理创新、商业模式创新、业态创新和文化创新相结合,推动发展方式向依靠持续的知识积累、技术进步和劳动力素质提升转变,促进经济向形态更高级、分工更精细、结构更合理的阶段演进。哈佛大学教授,竞争战略之父迈克尔?波特提出国家经济持续发展的阶段性,不同阶段的驱动力是完全不一样且层层递进的----要素驱动,投资驱动,创新驱动,财富驱动。许多发达国家如英美的单纯劳动力投入和资本投入已经无法推动经济增长,已经从要素驱动,投资驱动逐渐转型到创新驱动型国家----技术创新和制度创新,美国二战后经济迅速发展的主要原因便是重视科学技术,鼓励创新创造,加大研究发现,推出许多促进技术创新的政策。

  自改革开放以来,中国不断加速工业化,提升社会生产力,以极快的速度进行城镇化,城市人口快速增加,城市成为经济发展的载体。发达国家城镇化进程不止步于城市规模与人数,城市群概念开始出现,美国的波士顿-华盛顿城市带和五大湖城市群,日本的太平洋沿岸城市群都是非常成功的经济合作区,随着中国城市化的迅速推进,长三角城市群和珠三角城市群(后升级为粤港澳大湾区)逐渐形成,城市间协同合作,相互交融,在中国和世界经济都有着重要地位。城市群内各个城市分工协调,产业集聚,形成规模经济,促进区域经济发展。

  因此研究创新的集聚与区域经济发展有很强的理论和实践意义,有助于理解创新、经济发展之间的关系,为我国城市群建设提供实际的政策建议,帮助我国从投资驱动型经济转向创新驱动型经济。

  1.2国内外在该方向的研究现状

  1.2.1经济增长模型

  在工业革命之前,从李嘉图到马尔萨斯,古典主义经济学认为除去劳动力之外,土地才是最重要的生产力要素。工业革命后,资本主义迅速发展,资本开始逐渐替代土地成为劳动力之后最重要的生产力要素,经济学家意识到资本的积累对经济增长的绝对必要性。随着信息技术的发展,第三次工业革命迅速开展起来,古典经济增长理论已经无法解释很多经济问题,经济学已经深入利用数学,统计等知识建立模型,帮助理解和分析问题,现代经济增长理论也开始有别与古典经济增长理论,利用模型解释增长问题。哈罗德-多马经济增长模型(Harrod-Domar model)是由英国经济学家罗 金?F?哈罗德(1939)和美国经济学家埃夫塞?多马(1946)分别独立提出的,关注于国家经济的稳定增长和就业均衡,将静态的凯恩斯体系动态化,得出经济增长率与储蓄率(投资率,此模型假定储蓄等于投资)成正比,与产出-资本比成反比的结论[1][2]。新古典主义经济学家认为此模型下资本主义经济不能自动纠正,一旦经济偏离均衡,就会走向正反馈的循环,经济无法稳定增长。罗伯特?索洛(1956)在1956年提出索洛增长模型(Solow growth model),将技术外生,假定资本和劳动是可相互替代的,最终推出结论,经济增长的路径是稳定的,在长期只有外生的技术进步才是经济增长的最终来源[3]。科学技术的快速发展,让新古典经济增长理论难以解释经济增长的源头技术是外生的,阿罗(1962)开始将技术化为内生变量,提出“干中学”(Learning By Doing)的模型[4],其后保罗?罗默(1986)提出内生增长模型,解释技术发展的内生机理[5]。得益于迪克西特-斯蒂格利茨模型(D-S模型)的出现,罗默的内生增长模型从完全竞争到垄断竞争,从外部规模经济(干中学,知识溢出,人力资本溢出)到内部规模经济转变。罗默(1987)用D-S模型生产函数,解释了中间品的需求增加可以导致内生经济增长[6]。Mankiw,Romer,Weil(1992)扩展的MRW模型将人力资本(有别于劳动力)加入生产要素中,此后,MRW模型成为经济增长模型的经典范例[7]。

  1.2.2创新的定义与区域创新

  创新的定义很多,创新理论的奠基人熊彼特认为创新是“建立一种新的生产函数”,即“生产要素的重新组合”,所以创新是有别于发明的。创新分为渐进式创新和激进式创新,渐进式创新是不断的,渐进的,连续的微小创新;而激进式创新是突变的,创造性毁灭式的。而创新的衡量历来饱受争议,主要有三方面的衡量标准,一是创新的投入,如企业或者政府的研发投入,风投基金的投资等,此过程的劣势是创新在研发阶段具有很大的不确定性,无法得知创新投入的效率与最终结果;二是中间的产出,如专利,是当今衡量创新最常用的方法,优点是反映了创新的中间过程,缺点是过于直接,专利并不等于商业化的产品;第三个便是新产品销售收入占产品销售收入比重,优点在于体现了创新在企业层面的实际成效,缺点是数据可及性较差。即使在全球化的今天,信息交流和产品物流都比之前迅速许多,但是地理距离的隔离仍远远没有消除信息传递和物质运输成本,创新具有明显的空间溢出效应,Howells(2002)认为创新过程中产生的知识更多的是隐性知识,具有默会性,个体性,情景性和文化性等特点,且知识的载体是人力资本,使得创新知识约束于其地理位置,这种知识只能在较为集中的区域内是公共品,Howells总结创新与区域地理紧密相连的,创新的知识转移是有很强的空间依赖性的[8]。人力资本作为创新知识的载体,对增长的影响涉及多个渠道。一方面,人力资本的增加本身就提升劳动生产率直接影响经济增长。另一方面,人力资本是研发的重要投入要素,通过加速技术进步间接提高了劳动生产率。Cinnirella和Streb(2017)用19世纪末普鲁士的专利、人力资本、创新和专利数据探究他们之间的关系,他们发现第二次工业革命是人力资本作用的过度时期,工匠的“有用知识”与创新密切相关,特别是与独立发明家有关;且基础教育的质量与工人生产率和企业的研发过程精密相关;而创新的增加也会带来识字率的提高[9]。

  图注:数据来源是世界银行的世界发展指标(WDI)数据库,专利总数量由非居民专利和居民专利相加计算得出。

  图1-1中国和美国两个国家GDP(国内生产总值)和专利总数量散点图

  一般专利数可大致代表一个国家的创新水平,总产出用GDP来表示,由图1的散点图可知国家的创新能力与经济总产出紧密相关。

  科技是第一生产力,创新是推动技术进步的源泉。而现代社会的创新的一个极其重要的特点是创新活动往往是聚集在一定的区域内的。Audretsch和Feldman(2004)验证了知识的空间溢出效应,并认为R&D和人力资本的投资的溢出效应也可能是内生增长的一个途径,在这溢出过程中新知识产生,外部化并商业化,这是微观经济增长到宏观经济增长的路径之一[10]。Ning等(2016)用中国城市数据验证了由FDI导致的城市产业聚集与其外部性的相互作用,地理相近和产业结构都是影响FDI溢出效应的重要原因,且FDI的空间溢出取决于城市内部和城市之间产业集聚的强度[11]。Jang等(2017)用空间计量的方法分析首尔的移动游戏产业,研究了公司产品创新如何受到较小区域内企业集聚的影响,即产品创新的微观地理学(microgeography of product innovation),证实了微观地理聚集在促进城市集群内的产品创新中起着关键作用[12]。Howell(2019)研究了中国背景下所有制,知识吸收能力和集聚对公司创新的影响,证实了本地相关产业的溢出效应会增强公司的创新,且民营企业的创新比国有企业更有效率[13]。Florida等(2017)认为城市是创新和企业家集中的容器,创新不仅仅只是发生在城市,而是需要城市这一重要元素才能发生[14]。

  1.2.3创新与城市群发展

  发布于1950年的美国人口普查地图清楚地表明从波士顿北部到华盛顿南部的大都市经济带已经形成,Gottmann(1957)将美国东北海岸的进一步城市化称为城市群(Megalopolis,大都市区)[15]。中国自改革开放以来,不断推动城市化和工业化,随着城市化的不断推进,城市也开始发生质的改变。生产要素在城市内集聚,产生规模经济,进一步产业集聚开始形成,在城市内会逐渐形成成熟的产业链,如同企业和产业,不断的资源集聚和流动也给城市带来规模经济,城市之间的连接和互动也变得重要起来;以地理互通为根本,城市内和城市间的交通网络和公共设施帮助城市资金互通,产业互联,信息互享,人才互用,这些都将一个个城市连接成一个有机整体。在互通互联的城市间传递信息,转移知识,使得创新在城市间可扩散,并激发企业等新的创新点。Chen等(2020)用亚洲25个发展中国家和城市边界数据发现了城市群对企业创新的影响的证据,他们发现城市人口的增加提高了企业参加过程和产品创新以及科研活动的可能性,城市可以从中获取可观的效益;而且集聚效应是通过知识溢出这个渠道发生的,尤其是通过城市内的顶级大学的出现和企业在研发中的努力而发生。这些发现都证实了城市规模经济对提升创新知识的意义[16]。

  中国一些经济较为发达的地区在二十世纪末已经有集群的倾向,如长三角和珠三角地区,这些经济地带内的城市的经济发展更加快速,区域之间协调较好,合作更为紧密,产业链也互通,劳动力分工更加合理,逐渐有了形成城市群的基础,二十一世纪初至现在,中国已经已经形成几大城市群,其中最有影响力的是长三角城市群,珠三角城市群和京津冀城市群。Li和Phelps(2018)研究了长三角都市区的多中心知识协同,用长三角地区2000年至2014年的论文出版与合作论文出版数据来实证长三角地区内部和对外的知识产出和知识合作的结构变得越来越多中心化。长三角区域在城市群层面上是知识的孵化者,而在国家层面上是知识合作的枢纽[17]。吴福象(2008)等借鉴生物群落动态的生态演变的特点将城市群称为城市化群落,认为城市群和城市化群落无本质区别,且城市化群落已经是长三角地区经济增长的新引擎;他们基于要素流动驱动模型和投入-产出模型,探究了长三角城市化群落经济发展的机制主要有两个,一个是城市化群落内生产要素自由流动,主要元素在大城市集聚,其他元素则在中小城市集聚,提升了城市合作效率,要素合理分配;另一个是城市化群落内地方政府为促进经济发展会加大固定资产投资,制定吸引外商投资的政策,加大基础设施建设,促进物质资本的累计和公共品的提供,这本身就进一步促进工业化,基础设施降低商品运输和通讯信息的成本,也是其他产业升级的前提和基础[18]。陈建军(2009)研究了中国222个主要城市的生产型服务业集聚的主要原因,发现城市规模和政府大小,信息化水平,知识精密度对此种服务业的集聚有很强的正的影响;生产型服务业多是知识密集型产业,知识溢出也促进创新集聚,因此知识精密度越高,对产业集聚的促进作用越大;信息传播的成本已经逐渐超过商品物流运输的成本,良好的通信设施和信息系统对服务业及其重要,服务业的信息化水平越高,市场潜能越被激发,集聚效应越强;城市规模对生产型服务业集聚的影响呈现倒U形状,一开始被城市化的城市随着人口的增多对生产型服务业的需求大幅上涨,会导致服务业迅速发展,迅速集聚,但是随着人口的不断迁入,租金,交通和环境等问题反而会对生产型服务业的集聚产生负面影响;部分城市政府对制造业的过分重视自然导致服务业不被政府扶持,而生产型服务业涉及经济命脉,更可能被政府直接控制或接管,过强的政府规模和管制会降低生产型服务业的集聚程度[19]。

  刘鉴(2018)等用10年面板数据实证分析了长三角城市群26个城市创新产出的空间集聚和溢出效应,发现了长三角城市群创新显著的空间自相关性,且有显著的正的空间溢出效应,以上海市为核心,南京市,杭州市,宁波市和合肥市为重要创新节点[20]。张云飞(2014)在Fujita的两区域内生增长模型的基础上证明了经济增长与产业集聚并非线性关系,并用山东半岛城市群的经济数据验证了产业集聚与经济发展的的倒U关系,一开始产业在城市群内不断集聚会对城市群经济增长产生促进作用,但是当产业集聚程度到达一定程度后对经济增长的促进作用开始减少,而产业过于集中反而会对经济增长有很大的负面影响,实例有大庆市等极度依赖于自然资源发展的城市[21]。任英华(2010)在省层面上实证了中国金融行业的发展有很强的空间依赖性和空间溢出,金融集群之间的各种联系和沟通激发隐形的创新知识,帮助产品更新换代,由于金融业属于知识密集型产业,城市内的金融企业一般也集聚在交通便捷,通讯快捷的金融中心。不仅仅如此,经济基础和对外开放与金融集聚有很强的正相关性,决定金融集聚的核心因素是城市创新,创新水平的提升极大地提升了城市金融水平[22]。

  1.3本文的主要研究内容

  1.3.1研究内容

  基于以上国内外研究,本文想在全国范围内在城市级别检验创新集聚与经济增长的关系,同时想验证经济产出和创新集聚是否会有较强的空间依赖性,对比分析中国最发达的三个城市群的创新能力,故本文提出以下假说:

  假说一:创新集聚,物质资本,劳动力对我国城市的经济增长有显著正的影响。

  假说二:我国285个地级及以上城市的经济总产出和创新集聚有很强的空间依赖性。

  假说三:我国285个地级及以上城市的创新集聚有很显著的空间溢出效应,正的外部性促进邻近城市的发展。

  1.3.2本文创新点

  本文相比之前文献的创新点有以下几点:(一)之前文献研究创新对经济发展使用的数据集多是整合多个国家数据或者中国多个省份数据来进行检验,本文在数据层面使用更细致的全国285个地级及以上城市的面板数据,从现代经济运行的基本单位城市入手,在城市级别验证了基本生产要素对经济发展的影响;(二)之前文献多直接用专利数据代表创新产出,分析产业集聚、科学研究支出、物质资本和人力资本与创新产出的关系,而本文借鉴余冬筠等(2013)的方法用单位行政区域土地面积(平方公里)所承载的专利数量来衡量城市的创新集聚指数,探究创新的集聚对经济发展的影响;(三)本文同时也计算了长三角、珠三角和京津冀三大城市群的HHI指数(赫芬达尔—赫希曼指数)来比较城市群内的创新集中度,分析城市群创新的差异程度,探究创新对驱动经济发展在三大城市群发挥的不同作用,而之前文献多是探究长三角城市群创新产出、产业集聚、经济产出等之间的关系,没有城市群之间的对比。

  本文主要研究创新集聚对经济发展的影响,利用全国285个地级及以上城市的经济和地理数据验证创新对经济增长的促进作用,检验城市创新集聚和城市GDP的空间相关性,然后分别用面板回归和空间计量的方法实证检验创新集聚对经济发展的显著影响以及创新集聚的空间溢出性。同时本文对比分析长三角,珠三角和京津冀三个城市群内的创新发展的集中度差异,比较城市集群内创新发展是否均衡,同时用空间计量的方法检验创新集聚在中国三大城市群的对经济增长促进作用的差异。

  本文分为五部分。第一部分是绪论,包括研究目的、研究意义、文献综述和本文的主要内容与创新点;第二部分是数据及统计性描述,包括数据来源和处理,重要变量的描述和实证模型的建立;第三部分是实证结果和分析,包括全国城市的面板回归、空间计量回归结果与分析,城市重要变量的空间自相关性检验和三大城市群的异质性分析;第四部分是稳健性检验,检验之前分析结果是否稳健;第五部分是结论,包括论文的总结、政策意义和论文分析的局限性;第六部分是参考论文;第七部分是原创性声明;第八部分是致谢;最后会附上附录。

  第2章数据和实证模型

  2.1数据来源与变量描述

  本文研究地级及以上城市的创新和经济问题。经济数据来源于《中国城市统计年鉴》,收集中国285个城市的整个城市的年末总人口(万人)、年末单位从业人员数(万人)、行政区域土地面积(平方公里)、地区生产总值(当年价格万元)、人均地区生产总值(元)、全社会固定资产投资总额(万元)、当年实际使用外资金额(万美元)、财政科学支出(万元)数据整合为5年的面板数据。本文选用专利来衡量城市的创新能力(已授权的专利数量和发明专利数量),数据来源是中国研究数据服务平台(CNDRS),参考产业集聚指标的计算,用单位行政区域土地面积(平方公里)所承载的专利数量来衡量城市的创新集聚指数(余冬筠等,2013)。本文还会用到这285个城市的GIS数据来获取城市间地理交互信息,选取GADM数据库中的GIS矢量数据(gadm.org,version 2.5,July 2015)来量化这些城市的空间关系。

  城市的经济总产出(GDP)用城市的国内生产总值或者是人均国内生产总值来体现,本文选用国内生产总值GDP,本文后会用人均国内生产总值做稳健性检验,人均生产总值可体现一个区域的劳动效率,更方便不同体量城市之间的平行比较。物质资本存在累积与损耗,之前文献有用永续盘算法来计算省份的资本存量,但中国的资本折旧率没有官方的数据来统一,不同文献使用的折旧率相差很大,从5%到10%不等,参考一些文献的做法,本文用城市内全社会固定资产投资总额来体现城市资本存量的水平。现有文献中已有成熟的方法计算产业的集聚程度,如赫芬达尔—赫希曼指数(HHI)、空间基尼系数(Gini)、Ellison-Glaeser(E-G系数);需要注意的是创新集聚和产业集聚虽然有很大的相关性,但是两者还是有区别的,创新活动往往比行业活动更加集中(Carlino,2015),相同产业的企业在空间的一定程度的集聚会提高企业的创新能力,但是若产业没有在创新中进化或者升级,高密度的产业集聚在过了一定阶段后会有害于创新。根据所得创新相关的数据,本文最终权衡使用区域内的专利数据来代理城市的创新能力,用区域内单位行政面积所承载的授权专利数来代表城市的创新集聚指数。由于中国的专利分类为发明、实用新型、外观设计三种,本文最后会用这三种中的发明专利来代替授权专利数做稳健性检验。本文用美元兑换人民币的年平均汇率将当年实际使用外资金额(万美元)转换成人民币,并将此作为城市的外国直接投资(FDI)。2005年至2009年美元兑人民币的汇率分别是8.194316667、7.973438333、7.6075325、6.948655、6.831416052,数据来源是世界银行的世界发展指标(WDI)数据库。

  表2-1是实证模型中关键变量的一些实际描述:

  表2-1关键变量描述

  关键变量定义

  创新区域内授权专利总数量

  区域面积行政区域土地面积(平方公里)

  创新集聚指数单位行政区域土地面积承载的授权专利数量

  劳动力年末单位从业人员数(万人)

  总产出地区生产总值(当年价格万元)

  人均产出(稳健性检验)人均地区生产总值(元)

  物质资本区域内全社会固定资产投资总额(万元)

  人力资本区域内平均教育年限(年)

  财政科学支出财政科学支出(万元)

  FDI当年实际使用外资金额(万元)

  创新(稳健性检验)区域内授权的发明专利总数量

  创新集聚指数(稳健性检验)单位行政区域土地面积承载的授权的发明专利数量

  表2-2是实证模型中关键变量的描述性统计:

  表2-2关键变量的描述性统计

  关键变量Obs Mean SD Min Max

  创新1429 915.829 2482.563 1.000 32396.000

  区域面积1426 16481.576 21876.512 1113.000 2.53e+05

  创新集聚指数1425 0.150 0.618 0.000 12.777

  劳动力1427 40.116 53.658 4.210 878.050

  总产出1425 9.59e+06 1.36e+07 4.49e+05 1.50e+08

  人均产出(稳健性检验)1425 21761.310 17416.552 99.000 1.34e+05

  物质资本1428 4.89e+06 6.32e+06 2.95e+05 5.32e+07

  财政科学支出1428 19443.161 95786.248 0.130 2.15e+06

  FDI 1361 3.38e+05 7.72e+05 151.495 7.20e+06

  创新(稳健性检验)1429 112.396 520.990 0.000 9006.000

  创新集聚指数(稳健性检验)1425 0.017 0.145 0.000 4.304

  2.2城市群间的比较

  近年来城市群概念逐渐被重视,国家政策也极其重视城市群的长远发展,区域间的协调合作,克服城市化进程的困难。现在在中国最有影响力的三大城市群是长三角城市群,珠三角城市群(已升级为粤港澳大湾区),京津冀城市群。三大城市群经济实力雄厚,集中了全国最好的人才和资源,在2019年已占我国经济总量的40%以上,是我国经济发展最为重要的发动机。其中长三角城市群有27个中心区城市,以上海市为中心,最新国家规划的范围已经包含苏浙皖三个省和上海市一个直辖市的全部区域,人口已达2.4亿人,是中国第一大经济圈;珠三角城市群以广州市和深圳市为核心,一共有九座城市,后扩充六座城市,均在广东省内,珠三角与香港特别行政区、澳门特别行政区一直合作密切,后一起扩展为粤港澳大湾区,纳入国家战略,是我国人口聚集密度最高,经济活力最强的区域之一;京津冀城市群以北京市为核心,包含天津市和河北省所有城市,是中国经济在北方的重要核心。

  图2-1三大城市群(京津冀,珠三角,长三角地区)的HHI指数比较(赫芬达尔—赫希曼指数)

  本文选用HHI指数来衡量创新的集聚程度,分别在每年三个城市群内平行进行比较。HHI指数(赫芬达尔—赫希曼指数)是测度市场集中度的常用指标,用每个城市群内所有城市的授权专利数的份额比例的平方和来表示,该指数越大,城市创新的差异程度越大,可以进一步反应城市群的创新结构。从图一的HHI指数分布可知从2005年到2009年每年三大城市群的HHI指数趋势大致相同,京津冀地区的HHI指数相比其他两个地区高出很多,也说明了京津冀地区经济发展的不均衡,河北地区的经济和北京和天津经济的差距较大,创新难以形成体系,协同发展困难较多。珠三角地区的核心城市有两个----广州市和深圳市,是中国对外经济最活跃的地方,创新的集聚程度比京津冀地区要低,但是还是比长三角地区高很多,分析其主要原因可能是珠三角城市群的城市不多,且都在深圳和广州的强辐射下,其他城市多依附于深圳和广州的发展,集聚程度较高。长三角地区城市较多,空间分布面积很大,中心区城市较多,分布在各省市,发展相对均衡,集聚程度不高。

  图2-2三大城市群(京津冀,珠三角,长三角地区)的授权专利总数比较

  图2-3三大城市群(京津冀,珠三角,长三角地区)内平均授权专利数量比较

  2.3模型构建

  设城市在年份的总产出为,设城市的总生产函数为:

  (21)

  公式经整理可得

  (22)

  其中,表示产出,表示技术水平,表示物质资本投入,表示劳动力投入,表示创新集聚水平,表示其他的生产要素,分别表示物质资本,劳动力,创新集聚和其他要素的产出弹性。此总生产函数与一般的柯布—道格拉斯生产函数相比,不仅仅考虑了经济模型中常见的一般生产要素如物质资本,劳动力,也考虑了创新集聚效应和其他要素,比如外国直接投资、科学支出。

  2.4本章小结

  本章主要介绍了论文的数据来源和关键变量的描述和统计;计算了三大城市群的HHI指数,分析创新的集聚程度的不同;同时构建了论文分析的实证模型。

  第3章实证结果和分析

  本章为实证结果和分析,主要检验绪论提出的三个假说,本文先会检验创新集聚指数对经济发展影响,之后会检验GDP和创新集聚指数的空间自相关性,用空间杜宾模型(SDM)、空间自回归模型(SAR)和空间误差模型(SEM)来检验创新集聚指数与经济发展之间的关系,最后会对比三大城市群做异质性分析,分析城市群不同的经济增长。

  3.1面板回归

  表3-1创新集聚对经济发展的促进作用

  (1)(2)(3)

  VARIABLES GDP GDP GDP

  创新集聚指数0.067***0.067***0.138**

  (0.011)(0.011)(0.054)

  劳动力0.303***0.302***0.247

  (0.030)(0.030)(0.157)

  固定资本0.387***0.388***0.254***

  (0.031)(0.031)(0.057)

  财政科学支出0.068***0.068***0.079***

  (0.013)(0.013)(0.025)

  FDI 0.034***0.034***0.023

  (0.012)(0.012)(0.022)

  Observations 1,356 1,356 1,356

  R-squared 0.288

  Estimator随机效应MLE固定效应

  备注:1.数据来源:中国城市统计年鉴,中国研究数据服务平台(CNDRS);

  2.三个回归的因变量都是城市的GDP;

  3.标准误在方括号里;

  4.*、**和***依次代表估计系数在10%、5%和1%水平上显著。

  由表3-1的基本面板回归结果可知此实证模型基本符合实际情况,基本验证假说一。三个回归的被解释变量都是城市的GDP,解释变量包括城市的创新集聚指数,劳动力,物质资本和两个控制变量,财政科学支出,利用外资金额。由随机效应和MLE的分析可知创新集聚,劳动力,物质资本对经济都是在1%以内的显著的正的影响,但是使用固定效果后,虽然创新集聚,物质资本的回归结果依然在1%以内显著,但是劳动力的结果已经不显著,这也进一步反应中国可能在2005年起已经从劳动力密集型的经济发展进一步升级。

  3.2空间自相关性

  沃尔多·托伯勒于1970年提出地理学第一定理:一切事物都与其他事物相关联,但近处的事物比远处的事物更相关。众所周知,经济全球化的今天国家之间经济发展都无法相互脱离,更何况一个国家城市之间的发展。

  本文尝试用空间计量的方法来检验相关假说,在确定是否能用空间计量的方法来检验创新集聚指数对经济增长的影响前,首先需要检验创新集聚指数和经济指标的空间依赖性,文献用最常用的度量空间自相关程度的莫兰指数I(Moran’s I)和Geary’s C指数,和Getis&Ord’s G指数来检验空间相关性是否显著存在。

  自相关性是指一个变量与它自己的相关性,比较常见的有两种自相关性----时间序列的自相关性和空间自相关性。空间自相关性的定义是相同属性(变量)在不同位置的相关性,是一个具体的数值,可正可负,可表示数值相似度与位置相似度的重合度;所以如果有空间依赖性的话,是不可能在不影响样本信息的情况下改变某些变量值位置的。

  莫兰指数I的计算公式如下:

  (31)

  其中,式中,表示第城市的我们关注的变量,为城市的总数,是空间权重矩阵,常用相邻函数来决定空间矩阵具体值。莫兰指数I经过标准化后,一般介于-1.0至1.0之间,指数大于0表明变量之间有正的空间相关性,值越大,正相关性越强;指数等于0时变量之间在空间上无相关性;指数小于0表明变量之间有负的空间相关性,值越小,负相关性越强。

  Geary's C指数也是用来检验空间相关性的指数,定义如下:

  (32)

  其中是空间权重矩阵,是矩阵位于位置处的元素,是城市的总数量,是关注变量在位置的值。

  Geary's C的值大于等于0,如果值小于1则有正的空间自相关,值越接近0相关性越大;如果值大于1则有负的空间自相关,值越大于1负的相关性越大。Geary's C的值和Moran’s I的值是负相关的,但不是严格的反比例关系,而且Moran’s I是衡量全局空间自相关性的,而Geary's C对局部空间自相关性更加敏感。

  Getis&Ord’s G指数也是检验空间自相关性的一种指数(Getis and Ord 1992),又称高低值聚类,在原假设是不存在空间聚类的基础上会统计两个值,一个是观测的General G指数,另一个是期望的General G指数。

  (33)

  (34)

  其中是空间权重矩阵,是矩阵位于位置处的元素,是城市的总数量,是关注变量在位置的值。

  Z值的正负符号是有含义的,若观测General G值大于期望General G值,Z值也大于0,被关注的变量在高值区域聚类;若观测General G值小于期望General G值,Z值也小于于0,被关注的变量在低值区域聚类;若两个指数数值相等,Z值为0,高值聚类和低值聚类倾向于相互抵消。

  空间权重矩阵(spatial weights matrix)是体现一组数据空间结构的一种方式,可以量化数据集中我们关注的数据的空间关系,我们定义城市和城市的距离是,是空间区域的数量,空间权重矩阵是一个的正对称非随机矩阵,在位置处具有元素,一般主对角线元素的。如下所示:

  (35)

  本文选择用从面板数据中截取2005年的横截面数据做城市GDP和城市创新集聚指数的整体空间自相关检验,计算三种指数,双尾检验Moran's I指数,Geary's c指数和Getis&Ord's G指数,空间权重矩阵选用车相邻规则,即两个城市有共同的边界就是相邻关系。

  表3-2 GDP的空间自相关性检验

  Moran's I

  Variables I E(I)sd(I)z p-value*

  GDP(log)0.254-0.004 0.037 6.91 0

  Geary's C

  Variables c E(c)sd(c)z p-value*

  GDP(log)0.712 1 0.051-5.618 0

  Getis&Ord's G

  Variables G E(G)sd(G)z p-value*

  GDP(log)0.017 0.017 0 2.424 0.015

  表3-3创新集聚指数的空间自相关性检验

  Moran's I

  Variables I E(I)sd(I)z p-value*

  创新集聚0.438-0.004 0.037 11.814 0

  Geary's C

  Variables c E(c)sd(c)z p-value*

  创新集聚0.45 1 0.05-10.936 0

  Getis&Ord's G

  Variables G E(G)sd(G)z p-value*

  创新集聚0.019 0.017...

  由表3-2和表3-3的GDP的莫兰指数I和Geary's c的计算结果可知位置相近的城市确实具有相似的GDP,高GDP的城市更有可能和高GDP的城市聚集在一起,低GDP的城市更有可能和低GDP的城市聚集在一起,由P值可知城市的GDP有在1%显著的正空间自相关性。Getis&Ord's G的Z值显示中国这285个城市的GDP在高值类聚,也就是GDP产出高的城市更可能在地理上聚集在一起。创新集聚指数的莫兰指数I和Geary's c指数也是在1%显著正自相关,创新能力强的城市往往和其他创新能力强的城市距离相近,合作和交流的可能性大大增加,以此循环累计形成创新集聚。由上述分析可知创新集聚指数和经济总产出有很强的空间依赖性,因此可以使用空间计量的方法来研究问题,同时也验证假说二,即我国285个地级及以上城市的经济总产出和创新集聚有很强的空间依赖性。

  3.3空间计量回归

  空间计量处理不同空间之间的交互作用,与时间序列分析变量的时间依赖较为相似,空间计量关注变量在空间的依赖。时间序列变量的滞后项可以影响时间维度在后的观测值的属性,而时间维度在后的观测值的属性一般被认为不可能影响其滞后项属性,变量在时间层面的依赖是单向的。与时间序列很大不同的是空间计量的两个区域之间的空间依赖是双向的,相互影响,而且空间计量在度量依赖程度时比时间序列更加灵活,用空间权重矩阵来量化空间的自相关性。

  现在空间计量经济学中常用的模型有三种,空间杜宾模型(SDM),空间自回归模型(SAR)和空间误差模型(SEM)。空间杜宾模型(SDM)的建模主要考虑并部分解决了遗漏变量和空间异方差的问题,认为城市的国民生产总值不仅仅依赖于自己城市的各种生产要素----物质资本,劳动力,FDI,财政科学支出和创新集聚,也可能依赖于其他城市的生产要素,本文选取创新集聚指数作为影响其他城市经济发展的杜宾生产要素。空间自回归模型(SAR)的建模认为城市的国民生产总值与其距离相近的城市的国民生产总值相互依赖,一般采用最大似然估计。空间误差模型(SEM)认为中的误差项是存在空间依赖性的,自变量和误差项是相互独立的,但是系数的最小方差不是最有效率的,但仍然是无偏的。因为SEM模型不涉及自变量的空间滞后,所以估计出来的可以被认为是偏微分,一般采用最大似然估计。

  (36)

  (37)

  ;(38)

  表3-4创新集聚对经济发展的促进作用

  (1)(2)(3)(4)

  Model SDM FE SDM RE SAR SEM

  VARIABLES GDP GDP GDP GDP

  Main

  创新集聚指数0.037***0.041***0.096***0.102***

  (0.011)(0.012)(0.037)(0.037)

  物质资本0.390***0.397***0.241***0.267***

  (0.029)(0.030)(0.048)(0.047)

  劳动力0.330***0.364***0.217*0.222*

  (0.031)(0.030)(0.118)(0.119)

  财政科学支出0.081***0.050***0.086***0.093***

  (0.018)(0.013)(0.016)(0.016)

  FDI-0.012-0.004-0.035**-0.035**

  (0.009)(0.008)(0.017)(0.017)

  Wx

  创新集聚指数0.043***0.071***

  (0.013)(0.013)

  Spatial

  rho 0.166***0.022***0.088**

  (0.029)(0.006)(0.040)

  lambda 0.042

  (0.042)

  R-squared

  N 1425 1425 1425 1425

  备注:1.数据来源:中国城市统计年鉴,中国研究数据服务平台(CNDRS),GADM GIS数据;

  2.四个回归的因变量都是城市的GDP,四个模型分别是带有固定效应的SDM模型,带有随机效应的SDM模型,SAR模型,SEM模型;

  3.标准误在方括号里;

  4.*、**和***依次代表估计系数在10%、5%和1%水平上显著。

  由以上表3-4的回归结果的SDM模型的固定效果和随机效果可以发现创新集聚指数,物质资本,财政科学支出和劳动力与城市经济生产总值在1%的显著性水平下正相关,也印证了前面的面板回归结果;同时可以发现创新集聚显著的正的空间溢出效应,一个城市的创新能力很有可能影响到相邻城市的经济表现,深圳市的创新研发最终可能在惠州市的工厂真正转化为产品,此分析验证了假说三,即我国285个地级及以上城市的创新集聚有很显著的空间溢出效应,正的外部性促进邻近城市的发展;系数为0.153和0.022,在1%的程度显著,拒绝了无空间杜宾效应的原假设。由SAR模型也可印证创新集聚指数对经济发展的正的影响,可知城市的国民生产总值本身有空间依赖性,直观的来说,相邻城市的经济产出会相互影响,最终的产出GDP是相互作用后的结果,如上海和苏州,深圳和惠州的经济发展就紧密相连;系数为0.088,在5%的程度显著,拒绝了无空间效应的假设。SEM模型的回归结果也印证了之前的结论。

  3.4异质性分析

  之前本文计算了本文计算并对比了三大城市群(京津冀,珠三角,长三角地区)创新集聚指数的HHI指数(赫芬达尔—赫希曼指数),可以发现三大区域创新方面的差异,现本位尝试用面板回归的方法分别分析各个生产要素对经济发展的关系,选用的自变量有创新集聚指数,劳动力,物质资本和外国直接投资(FDI)。

  表3-5三大城市群创新集聚对对经济发展的促进作用

  (1)(2)(3)

  长三角珠三角京津冀

  GDP GDP GDP

  创新集聚指数0.090***0.071**0.039

  (0.024)(0.028)(0.072)

  劳动力0.420***-0.098*0.184

  (0.057)(0.058)(0.133)

  物质资本0.497***0.814***0.537***

  (0.077)(0.111)(0.115)

  fdi-0.028 0.271**0.091

  (0.037)(0.131)(0.088)

  R-squared

  N 210 45 65

  备注:1.数据来源:中国城市统计年鉴,中国研究数据服务平台(CNDRS);

  2.三个回归的因变量都是城市的GDP;

  3.标准误在方括号里;

  4.*、**和***依次代表估计系数在10%、5%和1%水平上显著。

  5.第一、二、三列的城市分别位于长三角,珠三角和京津冀地区。

  对比回归结果得出以下结论:(一)三个回归中,物质资本与经济总产出都有极其显著的相关性,物质资本在三大城市群乃至全国的经济发展中仍然扮演十分重要的角色,固定资产投资带来的物质资本的累积仍然是推动经济发展的重要一环;(二)长三角和珠三角地区的城市创新集聚与国民生产总值有正的相关性且通过1%以下的显著性检验,分别为0.09和0.067,而京津冀地区结果为0.031,在统计上并不显著,因为三个回归都是相同的自变量和因变量且单位相同,系数可以横行比较,长三角地区在2005年至2009年期间的创新对经济增长的促进上稍大于珠三角地区的,远大于京津冀地区;(三)外国直接投资对珠三角地区经济增长促进作用十分显著,珠三角作为我国对外开放的窗口,有很强的吸引外资的能力,一直与香港、澳门和外国资本密切合作,外国资本投资对珠三角地区经济发展十分重要,长三角和京津冀地区相比较珠三角地区拥有更多的国企和央企。

  3.5本章小结

  本章主要检验论文提出的三个假说,先用普通面板回归分析创新集聚与经济发展之间的关系;然后检验了中国285个地级及以上城市的GDP和创新集聚指数的显著的空间自相关性;并用空间计量模型分析创新集聚对经济发展的影响,发现了创新集聚的空间溢出效应;最后本章做异质性分析,对比分析了三大城市群经济发展的不同。

  第4章稳健性检验

  第3章本文首先用普通面板回归分析了城市创新集聚指数,劳动力,物质资本对经济发展的影响,结果发现了城市创新集聚指数,劳动力,物质资本对经济发展正的显著的促进作用。本文选用城市的授权专利作为城市创新的代理变量,三种专利中发明专利一般被认为比实用新型和外观设计更加能体现创新产出,故本文用发明专利代替授权专利来做稳健性检验一。人均GDP可以消除城市规模和等级不同所带来的分析偏差,也可大致体现一个城市的劳动生产率,故本文用人均GDP代替GDP来做稳健性检验二.

  4.1面板回归的稳健型检验

  表4-1创新集聚对经济发展的促进作用

  (1)(2)(3)

  VARIABLES GDP GDP GDP

  创新集聚指数2(稳健性检验)0.040***0.040***0.073**

  (0.011)(0.011)(0.030)

  劳动力0.319***0.319***0.229

  (0.032)(0.032)(0.156)

  物质资本0.381***0.381***0.271***

  (0.032)(0.032)(0.064)

  财政科学支出0.084***0.084***0.103***

  (0.013)(0.013)(0.023)

  FDI 0.047***0.047***0.025

  (0.012)(0.012)(0.020)

  Observations 1,325 1,325 1,325

  R-squared 0.315

  Estimator随机效应MLE固定效应

  备注:1.数据来源:中国城市统计年鉴,中国研究数据服务平台(CNDRS);

  2.三个回归的因变量都是城市的GDP;

  3.标准误在方括号里;

  4.*、**和***依次代表估计系数在10%、5%和1%水平上显著。

  5.用城市的授权专利中发明专利的数量作为城市创新的指标并以此来计算城市创新集聚指数2。

  表4-2创新集聚对经济发展的促进作用

  (1)(2)(3)

  VARIABLES人均GDP人均GDP人均GDP

  创新集聚指数0.114***0.114***0.074**

  (0.014)(0.014)(0.037)

  劳动力-0.141***-0.141***0.161

  (0.037)(0.037)(0.107)

  物质资本0.252***0.252***0.316***

  (0.031)(0.031)(0.041)

  财政科学支出0.085***0.085***0.076***

  (0.011)(0.011)(0.017)

  FDI 0.024*0.025*0.008

  (0.013)(0.013)(0.018)

  Observations 1,356 1,356 1,356

  R-squared 0.422

  Estimator随机效应MLE固定效应

  备注:1.数据来源:中国城市统计年鉴,中国研究数据服务平台(CNDRS);

  2.三个回归的因变量都是城市的人均GDP;

  3.标准误在方括号里;

  4.*、**和***依次代表估计系数在10%、5%和1%水平上显著。

  由表4-1和表4-2的稳健性检验可知创新集聚对经济发展的正的显著促进作用并没有因为变量的替代而改变,物质资本,财政科学支出和实际利用外资对经济发展的显著影响也是稳健的,验证假说一。

  4.2空间计量的稳健型检验

  表4-3创新集聚对经济发展的促进作用

  (1)(2)(3)(4)

  Model SDM FE SDM RE SAR SEM

  VARIABLES GDP GDP GDP GDP

  Main

  创新集聚指数2 0.038***0.030***0.044**0.047**

  (0.013)(0.011)(0.019)(0.020)

  固定资本0.404***0.380***0.262***0.292***

  (0.075)(0.031)(0.046)(0.045)

  劳动力0.302***0.379***0.220*0.225*

  (0.060)(0.032)(0.118)(0.119)

  财政科学支出0.096***0.060***0.097***0.104***

  (0.021)(0.013)(0.015)(0.015)

  FDI 0.011 0.003-0.036**-0.036**

  (0.036)(0.009)(0.017)(0.017)

  Wx

  创新集聚指数2-0.046 0.077***

  (0.067)(0.012)

  Spatial

  rho 0.210 0.036***0.093**

  (0.191)(0.007)(0.039)

  lambda 0.049

  (0.042)

  R-squared

  N 1425 1425 1425 1425

  备注:1.数据来源:中国城市统计年鉴,中国研究数据服务平台(CNDRS),GADM GIS数据;

  2.四个回归的因变量都是城市的GDP,四个模型分别是带有固定效应的SDM模型,带有随机效应的SDM模型,SAR模型,SEM模型;

  3.标准误在方括号里;

  4.*、**和***依次代表估计系数在10%、5%和1%水平上显著。

  5.用城市的授权专利中发明专利的数量作为城市创新的指标并以此来计算城市创新集聚指数2。

  表4-4创新集聚对经济发展的促进作用

  (1)(2)(3)(4)

  Model SDM FE SDM RE SAR SEM

  VARIABLES人均GDP人均GDP人均GDP人均GDP

  Main

  创新集聚指数0.157***0.117***0.073**0.079***

  (0.012)(0.019)(0.028)(0.030)

  固定资本投资0.212***0.213***0.161***0.225***

  (0.032)(0.034)(0.036)(0.039)

  劳动力-0.119***-0.091**0.095 0.094

  (0.036)(0.042)(0.091)(0.093)

  财政科学支出0.072***0.080***0.072***0.094***

  (0.021)(0.012)(0.012)(0.014)

  利用外资金额-0.034***-0.025**-0.011-0.013

  (0.009)(0.011)(0.013)(0.013)

  Wx

  创新集聚指数-0.035***0.051**

  (0.013)(0.021)

  Spatial

  rho 0.296***0.020 0.269***

  (0.036)(0.017)(0.035)

  lambda 0.234***

  (0.037)

  R-squared

  N 1425 1425 1425 1425

  备注:1.数据来源:中国城市统计年鉴,中国研究数据服务平台(CNDRS),GADM GIS数据;

  2.四个回归的因变量都是城市的人均GDP,四个模型分别是带有固定效应的SDM模型,带有随机效应的SDM模型,SAR模型,SEM模型;

  3.标准误在方括号里;

  4.*、**和***依次代表估计系数在10%、5%和1%水平上显著。

  同样的,表格4-3和表格4-4一个是用发明专利代替授权专利计算创新集聚指数来做的稳健性检验,一个是用人均GDP代替GDP作为因变量的稳健型检验,结果与第3章的实证结果对比后可以发现我们的回归和结论都是稳健的,再次验证了假说三。