研發(fā)要素空間極化—涓滴效應(yīng)對(duì)區(qū)域創(chuàng)新績(jī)效的影響研究

姜濤

摘? 要：基于安徽省16個(gè)地級(jí)市2012-2021年面板數(shù)據(jù)，運(yùn)用修正勞瑞引力模型和超效率SBM模型分別測(cè)度各地級(jí)市研發(fā)要素流動(dòng)量和創(chuàng)新績(jī)效，并利用LM、Hausman等計(jì)量檢驗(yàn)確定區(qū)域研發(fā)要素的空間極化效應(yīng)、空間涓滴效應(yīng)分別對(duì)創(chuàng)新績(jī)效影響的空間計(jì)量模型。結(jié)果顯示：安徽省各地級(jí)市區(qū)域創(chuàng)新績(jī)效差距較大，區(qū)域發(fā)展極不均衡。創(chuàng)新研發(fā)資本的極化效應(yīng)形成了區(qū)域間創(chuàng)新績(jī)效提升的良性互動(dòng)、合作共贏，而研發(fā)人員的極化效應(yīng)僅僅是數(shù)量上的簡(jiǎn)單累積，并沒有切實(shí)起到提質(zhì)增效的作用。另外，本地區(qū)創(chuàng)新研發(fā)資本和周圍地區(qū)創(chuàng)新人員的涓滴效應(yīng)均促進(jìn)了區(qū)域創(chuàng)新績(jī)效的提升。

關(guān)鍵詞：極化效應(yīng)；涓滴效應(yīng)；創(chuàng)新績(jī)效；超效率SBM

中圖分類號(hào)：F124.3? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? 文章編號(hào)：1671-9255（2023）03-0037-06

一、引言

我國經(jīng)濟(jì)經(jīng)歷了改革開放40年高速增長(zhǎng)，人口數(shù)量紅利逐漸減少，資本邊際收益不斷下降，經(jīng)濟(jì)增長(zhǎng)速度持續(xù)下滑等傳統(tǒng)要素驅(qū)動(dòng)增長(zhǎng)的弊端不斷顯現(xiàn)。以習(xí)近平同志為核心的黨中央適時(shí)提出“創(chuàng)新、協(xié)調(diào)、綠色、開放、共享”全新的發(fā)展理念，多次強(qiáng)調(diào)“創(chuàng)新是引領(lǐng)發(fā)展的第一動(dòng)力”“抓創(chuàng)新就是抓發(fā)展，謀創(chuàng)新就是謀未來”。創(chuàng)新要素作為創(chuàng)新的物質(zhì)基礎(chǔ)，無疑是解決這些經(jīng)濟(jì)發(fā)展矛盾的重要保障。然而，如何有效地配置創(chuàng)新要素從而提升區(qū)域創(chuàng)新績(jī)效成為專家學(xué)者們亟待解決的重要問題。很多專家學(xué)者從創(chuàng)新要素流動(dòng)等角度做出了探索性的研究。第一，創(chuàng)新人員流動(dòng)對(duì)區(qū)域創(chuàng)新績(jī)效的影響。卓乘風(fēng)，鄧峰（2017）等學(xué)者則基于面板數(shù)據(jù)通過空間滯后與空間誤差模型探討政府支持在創(chuàng)新要素區(qū)際流動(dòng)與地區(qū)創(chuàng)新績(jī)效間關(guān)系的非線性調(diào)節(jié)作用，他們認(rèn)為研發(fā)人員區(qū)際流動(dòng)會(huì)對(duì)流入地的創(chuàng)新績(jī)效有明顯的正向作用；政府對(duì)于研發(fā)人員的政策支持是積極有效的，而對(duì)于研發(fā)資本的政策效果并不明顯。[1]第二，創(chuàng)新資本流動(dòng)對(duì)區(qū)域創(chuàng)新績(jī)效的影響研究。王淑英等（2020）從空間金融集聚視角出發(fā)，運(yùn)用SDM實(shí)證考察了創(chuàng)新資本資源流動(dòng)對(duì)區(qū)域創(chuàng)新績(jī)效的影響，以及金融集聚在其中的調(diào)節(jié)作用。[2]實(shí)證分析得出這種影響具備明顯的正向激勵(lì)，且具有積極的空間溢出效應(yīng)；金融集聚有助于推動(dòng)創(chuàng)新要素流動(dòng)與本地創(chuàng)新知識(shí)產(chǎn)出間的良性互動(dòng)，而不利于創(chuàng)新要素流動(dòng)與鄰接區(qū)域創(chuàng)新知識(shí)產(chǎn)出間的融合發(fā)展。第三，創(chuàng)新要素流動(dòng)對(duì)區(qū)域創(chuàng)新績(jī)效的影響研究。黃明鳳（2022），裴育（2023）等學(xué)者與之前的研究者不同，他們更加強(qiáng)調(diào)研發(fā)人員、研發(fā)資本等創(chuàng)新要素的不同流動(dòng)方向通過直接效應(yīng)、空間溢出效應(yīng)來影響區(qū)域創(chuàng)新績(jī)效。[3-4]

以往研究更多關(guān)注的是創(chuàng)新要素流動(dòng)所帶來的動(dòng)態(tài)優(yōu)化配置、空間溢出等對(duì)區(qū)域創(chuàng)新績(jī)效產(chǎn)生積極效應(yīng)，很少關(guān)注到要素流動(dòng)可能引發(fā)的競(jìng)爭(zhēng)擁擠、倒吸效應(yīng)對(duì)區(qū)域創(chuàng)新績(jī)效的抑制作用。

二、研究設(shè)計(jì)

（一）變量選取及數(shù)據(jù)說明

1．被解釋變量：區(qū)域創(chuàng)新績(jī)效

借鑒李東海（2022）等學(xué)者構(gòu)建區(qū)域創(chuàng)新績(jī)效評(píng)價(jià)指標(biāo)體系（見表1）的基本原則，以R&D人員全時(shí)當(dāng)量和R&D經(jīng)費(fèi)投入總額作為創(chuàng)新投入類指標(biāo)，以專利授權(quán)量和新產(chǎn)品銷售收入作為創(chuàng)新產(chǎn)出類指標(biāo)，采用超效率SBM模型測(cè)度區(qū)域創(chuàng)新績(jī)效（Rie），考慮到安徽省各市區(qū)域創(chuàng)新具

有規(guī)模報(bào)酬遞增的效率，本文選擇規(guī)模報(bào)酬可變下非徑向、非導(dǎo)向超效率SBM模型，計(jì)算環(huán)境為Matlab2021a軟件。[5]

計(jì)算結(jié)果顯示，各地區(qū)創(chuàng)新績(jī)效差距較大，整體分為四個(gè)梯隊(duì)。作為安徽省的省會(huì)，合肥市創(chuàng)新績(jī)效最高且遙遙領(lǐng)先于其他城市；滁州、六安、亳州、池州、阜陽、蕪湖、宿州和銅陵等8市創(chuàng)新績(jī)效值介于0.8-1.5之間，創(chuàng)新績(jī)效水平較高，處在第二梯隊(duì)；安慶、黃山和馬鞍山等3市的創(chuàng)新績(jī)效值介于0.5-0.8之間，創(chuàng)新績(jī)效水平一般，處在第三梯隊(duì)；宣城、蚌埠、淮北和淮南等4市的創(chuàng)新績(jī)效值在0.5以下，創(chuàng)新績(jī)效水平較弱，處在最后一個(gè)梯隊(duì)。

2．解釋變量

（1）區(qū)域研發(fā)人員的極化—涓滴效應(yīng)測(cè)度

對(duì)于區(qū)際間要素流動(dòng)量的測(cè)度，許多文獻(xiàn)采用的都是傳統(tǒng)引力模型。然而，傳統(tǒng)引力模型僅以研究人員數(shù)量和空間距離為影響因素，忽略了其他因素和要素流動(dòng)方向?qū)τ谘邪l(fā)人員流動(dòng)影響的重要作用。因此，本文以修正勞瑞引力模型為基礎(chǔ)，補(bǔ)充引入研發(fā)人員自身更加關(guān)注的要素。這些要素包括代表經(jīng)濟(jì)發(fā)展水平的人均GDP（RGDP），代表工資水平的城鎮(zhèn)居民人均可支配收入（Wage）和代表居住成本的住宅平均銷售價(jià)格（HOU）。本文以區(qū)域間要素的級(jí)差作為影響因素，以區(qū)域間要素的比值代表這一級(jí)差，不僅實(shí)現(xiàn)了影響因素總量上的補(bǔ)充，而且實(shí)現(xiàn)了影響因素結(jié)構(gòu)上的優(yōu)化。比如，區(qū)域間工資水平比值、經(jīng)濟(jì)發(fā)展水平的比值越高，越吸引研發(fā)人員流入，反之，則流出。而居住成本的比值越低，越吸引研發(fā)人員流入，反之，則流出。基于修正勞瑞引力模型的研發(fā)人員具體測(cè)度公式為：

3．控制變量

為了更加準(zhǔn)確有效地估計(jì)被解釋變量，我們選取了三個(gè)控制變量：（1）信息化發(fā)展水平，以互聯(lián)網(wǎng)寬帶接入用戶數(shù)（NIBA）表示；（2）政府支持力度，以財(cái)政性教育經(jīng)費(fèi)占GDP比重（PEF）表示；（3）人力資本發(fā)展水平，以人均受教育年限（ASY）表示。

4．?dāng)?shù)據(jù)說明

本文選用2012—2021年安徽省16個(gè)地級(jí)市15個(gè)指標(biāo)的面板數(shù)據(jù)，對(duì)于個(gè)別缺失值采用線性插值法進(jìn)行補(bǔ)充，對(duì)于離群值、異常值采用對(duì)連續(xù)變量在1%水平上進(jìn)行縮尾Winsorize處理，從而緩解異常值對(duì)實(shí)證結(jié)果的影響，相關(guān)數(shù)來自《安徽統(tǒng)計(jì)年鑒》和《中國城市統(tǒng)計(jì)年鑒》。

（二）模型設(shè)定及檢驗(yàn)

1．模型設(shè)定

為了更好地探討空間單元之間的交互作用，我們基于阿里數(shù)據(jù)可視化平臺(tái)下載包含安徽省16個(gè)地級(jí)市經(jīng)緯度數(shù)據(jù)的電子地圖，運(yùn)用Geoda軟件生成學(xué)者們經(jīng)常使用的0-1鄰接權(quán)重矩陣（W）。在此基礎(chǔ)上，構(gòu)建基于0-1鄰接權(quán)重矩陣的空間計(jì)量模型來探究創(chuàng)新要素極化效應(yīng)、涓滴效應(yīng)對(duì)創(chuàng)新績(jī)效的影響程度。當(dāng)前基于面板數(shù)據(jù)的空間計(jì)量模型主要包括空間滯后模型（SAR）、空間誤差模型（SEM）和空間杜賓模型（SDM），SAR重點(diǎn)討論某一空間單元的被解釋變量會(huì)通過空間交互作用影響其他空間單元的被解釋變量，而SEM則強(qiáng)調(diào)空間單元間的交互作用是隨機(jī)沖擊的結(jié)果，SDM 實(shí)質(zhì)上是SAR和SEM的結(jié)合?？紤]到安徽省地級(jí)市創(chuàng)新績(jī)效是否取決于各市自身創(chuàng)新要素流動(dòng)等強(qiáng)外生因素，故模型中是否加入創(chuàng)新績(jī)效的空間滯后項(xiàng)是不確定的，且忽略誤差項(xiàng)中的空間自相關(guān)性的風(fēng)險(xiǎn)很高。因此，本文通過以空間杜賓模型（SDM）和空間杜賓誤差模型（SDEM）為空間計(jì)量模型基礎(chǔ)，依據(jù)后期的空間計(jì)量檢驗(yàn)，分別判斷選擇創(chuàng)新要素雙向流動(dòng)是否對(duì)區(qū)域創(chuàng)新績(jī)效具有顯著影響。

2．計(jì)量檢驗(yàn)

面板數(shù)據(jù)每個(gè)截面的數(shù)據(jù)樣本量?jī)H為16個(gè)，不能滿足利用莫蘭指數(shù)進(jìn)行空間相關(guān)性檢驗(yàn)所需樣本量的最低要求。因此，本文使用Wald、LR和LM等檢驗(yàn)判斷空間滯后項(xiàng)、空間滯后誤差項(xiàng)等在模型中是否顯著，從而建立相應(yīng)的空間計(jì)量模型。表2的診斷檢驗(yàn)結(jié)果顯示，對(duì)于極化效應(yīng)模型，LM-error和穩(wěn)健性LM-error的統(tǒng)計(jì)量同時(shí)在1%的顯著性水平下拒絕“不存在空間滯后誤差項(xiàng)”的原假設(shè)，說明該模型存在空間滯后誤差項(xiàng)。而LM-lag和穩(wěn)健性LM-lag不一致，且統(tǒng)計(jì)量值均小于LM-error相應(yīng)統(tǒng)計(jì)量，無法拒絕“不存在空間滯后項(xiàng)”的原假設(shè)，即接受區(qū)域創(chuàng)新績(jī)效的空間滯后項(xiàng)不存在。同理，對(duì)于涓滴效應(yīng)模型，LM-lag和穩(wěn)健性LM-lag的統(tǒng)計(jì)量均在1%的顯著性水平下拒絕原假設(shè)，說明該模型存在創(chuàng)新績(jī)效的空間滯后項(xiàng)。而LM-error和穩(wěn)健性LM-error不一致，且統(tǒng)計(jì)量值均小于LM-lag相應(yīng)統(tǒng)計(jì)量，無法拒絕“不存在空間滯后誤差項(xiàng)”的原假設(shè)，即接受空間滯后誤差項(xiàng)不存在。進(jìn)一步來說，Wald檢驗(yàn)和LR檢驗(yàn)無論在空間滯后項(xiàng)，還是空間誤差項(xiàng)上，均能在1%的顯著性水平下拒絕原假設(shè)，說明SDM不能簡(jiǎn)化為SAR或SEM。結(jié)合LM檢驗(yàn)結(jié)果，極化效應(yīng)模型不包含因變量空間滯后項(xiàng)，適合采用SDEM，涓滴效應(yīng)模型不包含空間滯后誤差項(xiàng)，適合采用SDM。另經(jīng) Hausman 檢驗(yàn)發(fā)現(xiàn)，極化效應(yīng)模型包含空間（spatial）和時(shí)間（time-period）的雙固定效應(yīng)，而涓滴效應(yīng)模型則采用空間（spatial）固定效應(yīng)效果更優(yōu)?？傮w來講，關(guān)于極化效應(yīng)的SDEM模型和涓滴效應(yīng)的SDM模型均符合Anselin（1988）模型設(shè)定應(yīng)該遵循Wald>LR>LM檢驗(yàn)的基本原則，所以極化效應(yīng)和涓滴效應(yīng)模型設(shè)定正確。

三、實(shí)證結(jié)果分析及穩(wěn)健性檢驗(yàn)

（一）實(shí)證結(jié)果分析

從表3中極化效應(yīng)的SDEM估計(jì)結(jié)果可以看出，本地區(qū)研發(fā)人員和研發(fā)資本的估計(jì)系數(shù)分別為-1.356和0.339，均能通過1%的顯著性水平檢驗(yàn)，即本區(qū)域創(chuàng)新研發(fā)人員的極化效應(yīng)每增加1%，本區(qū)域創(chuàng)新績(jī)效水平下降1.356%；研發(fā)資本的極化效應(yīng)每增加1%，創(chuàng)新績(jī)效水平卻增加0.339%。其中，本地區(qū)研發(fā)人員的極化效應(yīng)并沒有增加區(qū)域創(chuàng)新績(jī)效，不大符合預(yù)期?？赡茉蚴潜緟^(qū)域研發(fā)人員的極化效應(yīng)是初級(jí)研發(fā)人員流入帶來的，加劇了初級(jí)研發(fā)人員的惡性競(jìng)爭(zhēng)，產(chǎn)生了較強(qiáng)的擠出效應(yīng)和負(fù)外部性，從而并沒有提升本區(qū)域創(chuàng)新績(jī)效。另外，周圍地區(qū)創(chuàng)新研發(fā)人員和研發(fā)資本的極化效應(yīng)估計(jì)系數(shù)分別為1.499和0.307，至少通過了10%的顯著性水平檢驗(yàn)，也就意味著他們均能增強(qiáng)本地區(qū)的創(chuàng)新績(jī)效，原因是其承接了本地區(qū)低質(zhì)要素的區(qū)間轉(zhuǎn)移，起到了產(chǎn)業(yè)升級(jí)提質(zhì)增效的區(qū)域聯(lián)動(dòng)效應(yīng)。控制變量信息化發(fā)展水平（NIBA）和人力資本發(fā)展水平（ASY）的估計(jì)系數(shù)分別為0.357和0.367，均為正，表明其有助于創(chuàng)新活動(dòng)的切實(shí)開展，有利于區(qū)域創(chuàng)新績(jī)效的顯著提升。

從表3關(guān)于涓滴效應(yīng)的SDM估計(jì)結(jié)果可以看出，本地區(qū)和周圍地區(qū)研發(fā)人員和研發(fā)資本、控制變量的估計(jì)系數(shù)均能通過至少10%的顯著性水平檢驗(yàn)，空間杜賓模型的擬合優(yōu)度R為0.799，對(duì)數(shù)似然值為-100.235，說明空間杜賓模型整體的估計(jì)效果很好。然而，SDM分析回歸系數(shù)一般不能全面反映影響效果，需要進(jìn)一步分析其直接與間接效應(yīng)。從表4的統(tǒng)計(jì)結(jié)果可知：研發(fā)人員涓滴效應(yīng)的直接效應(yīng)系數(shù)是-0.337，但未通過顯著性水平檢驗(yàn)。間接效應(yīng)系數(shù)為0.581，且通過了5%的顯著性水平檢驗(yàn)，說明周圍地區(qū)研發(fā)人員流出這一涓滴效應(yīng)確實(shí)提升了本區(qū)域創(chuàng)新績(jī)效。然而，周邊地區(qū)研發(fā)人員流出所帶來的空間溢出效應(yīng)切實(shí)提升了區(qū)域創(chuàng)新績(jī)效，主要原因是周圍地區(qū)流出的研發(fā)人員恰好契合本地區(qū)創(chuàng)新發(fā)展的要素需求，實(shí)現(xiàn)了區(qū)域資源的優(yōu)化配置，從而提升了本地區(qū)的區(qū)域創(chuàng)新績(jī)效。研發(fā)資本涓滴效應(yīng)的直接效應(yīng)系數(shù)是0.159，通過了10%的顯著性水平檢驗(yàn)，說明本地區(qū)研發(fā)資本流出在一定程度上提升了本地區(qū)的創(chuàng)新績(jī)效，原因很有可能是政府為了產(chǎn)業(yè)升級(jí)的需要，利用產(chǎn)業(yè)政策或創(chuàng)新政策抑制了落后產(chǎn)能研發(fā)資本的發(fā)展并促使其轉(zhuǎn)移，從而提升了本區(qū)域創(chuàng)新績(jī)效。

（二）穩(wěn)健性檢驗(yàn)

考慮到空間權(quán)重矩陣對(duì)空間計(jì)量模型影響的敏感性問題，借鑒胡詠梅（2022）等學(xué)者的做法，選取0-1鄰接權(quán)重矩陣以外的空間權(quán)重矩陣對(duì)模型進(jìn)行穩(wěn)健性檢驗(yàn)。[6]本文選擇16個(gè)地市間的地理距離權(quán)重矩陣（Wd）對(duì)文章中的極化效應(yīng)（SDEM）和涓滴效應(yīng)（SDM）兩個(gè)模型進(jìn)行穩(wěn)健性檢驗(yàn)，具體結(jié)果如表5。

根據(jù)表5的穩(wěn)健性檢驗(yàn)結(jié)果可以發(fā)現(xiàn)，基于地理距離權(quán)重矩陣的整體空間效應(yīng)顯著，且核心變量、控制變量均通過顯著性檢驗(yàn)。另外，對(duì)比表3與表5不難發(fā)現(xiàn)，核心解釋變量、控制變量對(duì)區(qū)域創(chuàng)新績(jī)效的影響與基于0-1鄰接矩陣的影響方向相同，說明空間計(jì)量模型結(jié)果較為穩(wěn)健。

四、結(jié)論及建議

基于安徽省16個(gè)地級(jí)市2012—2021年的面板數(shù)據(jù)，構(gòu)建修正勞瑞引力模型測(cè)度各地級(jí)市研發(fā)要素的極化—涓滴效應(yīng)，采用超效率SBM模型測(cè)度區(qū)域創(chuàng)新績(jī)效，借助空間杜賓誤差模型和空間杜賓模型分析研發(fā)要素的空間極化效應(yīng)、涓滴效應(yīng)對(duì)區(qū)域創(chuàng)新績(jī)效的影響，從而得出以下結(jié)論。

首先，安徽省16個(gè)地級(jí)市近10年間區(qū)域創(chuàng)新績(jī)效差距較大，共分為四個(gè)梯隊(duì)。第二和第三梯隊(duì)的大部分城市的創(chuàng)新績(jī)效保持著良性發(fā)展?fàn)顟B(tài)，但首尾兩個(gè)梯隊(duì)間的創(chuàng)新績(jī)效值均值差距近4倍以上，創(chuàng)新績(jī)效發(fā)展極不均衡。其次，創(chuàng)新研發(fā)資本的極化效應(yīng)形成了區(qū)域間創(chuàng)新績(jī)效提升的良性互動(dòng)、合作共贏，而研發(fā)人員的極化效應(yīng)僅僅是數(shù)量上的簡(jiǎn)單累積，沒有切實(shí)起到提質(zhì)增效的作用。最后，本地區(qū)創(chuàng)新研發(fā)資本和周圍地區(qū)創(chuàng)新人員的涓滴效應(yīng)均有效提升了區(qū)域創(chuàng)新績(jī)效水平。

作為長(zhǎng)三角一體化發(fā)展的重要支點(diǎn)，安徽省應(yīng)借助長(zhǎng)三角一體化高質(zhì)量發(fā)展契機(jī)，充分發(fā)揮各地市區(qū)域發(fā)展的要素優(yōu)勢(shì)，大力發(fā)展科技創(chuàng)新，著力提升區(qū)域創(chuàng)新績(jī)效水平。結(jié)合上述研究結(jié)論，提出如下建議：第一，打破區(qū)際研發(fā)人員流動(dòng)的制度瓶頸，促進(jìn)研發(fā)人員和諧有序流動(dòng)。戶籍制度和人才激勵(lì)措施等方面往往存在著制約研發(fā)人員流動(dòng)的制度障礙。一方面，應(yīng)逐步實(shí)現(xiàn)基本公共服務(wù)與戶籍脫鉤，建立與常住人口掛鉤的體制機(jī)制，降低研發(fā)人員流動(dòng)的制度成本；另一方面，應(yīng)進(jìn)一步強(qiáng)化人才激勵(lì)的創(chuàng)新效率導(dǎo)向，破除統(tǒng)一管理的制度約束，實(shí)施研發(fā)人員的分層分類管理，提升研發(fā)人員流動(dòng)的經(jīng)濟(jì)效益。第二，推進(jìn)金融服務(wù)與科技創(chuàng)新的深度融合，實(shí)現(xiàn)資本要素區(qū)際的良性轉(zhuǎn)移。健全金融服務(wù)與科技創(chuàng)新跨區(qū)域的合作體系，積極搭建適應(yīng)科技創(chuàng)新的金融服務(wù)平臺(tái)，拓寬科技創(chuàng)新在不同地域的資本融資渠道，為科技創(chuàng)新設(shè)立專項(xiàng)金融基金，建立科技創(chuàng)新全方位的金融支持措施，確保研發(fā)資本流動(dòng)的科學(xué)有效性。第三，進(jìn)一步發(fā)揮創(chuàng)新基礎(chǔ)要素的積極作用。鼓勵(lì)各地區(qū)加快推進(jìn)數(shù)字基建，加大在教育領(lǐng)域的財(cái)政支持力度，重視科技創(chuàng)新研發(fā)人員的培育，建立區(qū)際創(chuàng)新資源和創(chuàng)新活動(dòng)的聯(lián)動(dòng)機(jī)制，從而全面高效提升區(qū)域創(chuàng)新績(jī)效。

參考文獻(xiàn)：

[1] 卓乘風(fēng)，鄧峰.創(chuàng)新要素流動(dòng)與區(qū)域創(chuàng)新績(jī)效[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2017（7）：15-25.

[2] 王淑英，王潔玉，寇晶晶.創(chuàng)新資源流動(dòng)對(duì)區(qū)域創(chuàng)新績(jī)效的影響研究[J].科技管理研究，2020（7）：57-64.

[3] 黃明鳳，姚棟梅.研發(fā)要素流動(dòng)、空間溢出效應(yīng)與區(qū)域創(chuàng)新效率[J].科研管理，2022（4）：149-157.

[4] 裴育，李秋梓.研發(fā)人員和研發(fā)資本流動(dòng)對(duì)區(qū)域創(chuàng)新績(jī)效的影響機(jī)制研究[J].審計(jì)與經(jīng)濟(jì)研究，2023（2）：1-13.

[5] 李東海.創(chuàng)新要素流動(dòng)對(duì)區(qū)域創(chuàng)新效率的影響[J].統(tǒng)計(jì)與決策，2022（20）：164-168.

[6] 胡詠梅，薛遠(yuǎn)康.高等教育規(guī)模與質(zhì)量對(duì)城鄉(xiāng)收入差距的影響[J].教育經(jīng)濟(jì)評(píng)論，2022（4）：17-40.

Research on the Impact of Spatial Polarization of R&D Elements on Regional Innovation Performance through Trickle-down Effect—— Spatial econometric analysis based on super efficiency SBM and modified Lorry gravity model measurement

Jiang Tao

（School of Finance and Technology， Anhui Business College， Wuhu Anhui 241002）

Abstract： This article is based on panel data from 16 prefecture level cities in Anhui Province from 2012 to 2021. The modified Laurie gravity model and super efficiency SBM model are used to measure the flow of R&D factors and innovation performance in each prefecture level city， and LM， Hausman， and other econometric tests are used to determine the spatial polarization effect and spatial trickle-down effect of regional R&D factors on innovation performance. The results show that there is a significant gap in regional innovation performance among various cities in Anhui Province， and regional development is extremely uneven. The polarization effect of innovative R&D capital has formed a positive interaction and win-win cooperation for improving innovation performance among regions， while the polarization effect of R&D personnel is only a simple accumulation in quantity and does not effectively improve quality and efficiency. In addition， the trickle-down effect of innovation and R&D capital in the local area and innovation personnel in surrounding areas has promoted the improvement of regional innovation performance.

Key words： Polarization effect; Trickle-down effect; Innovation performance; Ultra efficient SBM; Modified Laurie gravity model