知識溢出對區(qū)域創(chuàng)新效率的調(diào)節(jié)機制

王崇鋒??

摘要

通過促進知識溢出提高區(qū)域創(chuàng)新效率是實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略和實現(xiàn)區(qū)域經(jīng)濟收斂的有效途徑之一?；贕rilichesJaffe知識生產(chǎn)函數(shù)回歸模型，以2009-2012年中國大陸30個省級經(jīng)濟單元為研究對象，通過因子分析法，構(gòu)建了由R&D研究機構(gòu)數(shù)、R&D經(jīng)費支出、R&D人員全時當量組成的創(chuàng)新投入因子，由規(guī)上工業(yè)企業(yè)技術(shù)引進經(jīng)費支出、規(guī)上工業(yè)企業(yè)購買國內(nèi)技術(shù)經(jīng)費支出、規(guī)上工業(yè)企業(yè)技術(shù)消化吸收經(jīng)費組成的知識溢出因子，由專利申請授權(quán)數(shù)、國外主要工具檢索科研論文數(shù)、規(guī)上工業(yè)企業(yè)新產(chǎn)品產(chǎn)值增長、科技促進經(jīng)濟社會發(fā)展指數(shù)組成的創(chuàng)新產(chǎn)出因子，在此基礎(chǔ)上實證分析了創(chuàng)新投入、知識溢出對創(chuàng)新產(chǎn)出的影響。結(jié)果表明：區(qū)域創(chuàng)新要素投入、知識溢出會顯著影響區(qū)域創(chuàng)新能力，其中創(chuàng)新要素投入因子的回歸系數(shù)為0.72，知識溢出因子的回歸系數(shù)為0.23；知識溢出會顯著正向調(diào)節(jié)創(chuàng)新投入與創(chuàng)新產(chǎn)出之間的關(guān)系，由知識溢出因子、創(chuàng)新投入因子構(gòu)成的調(diào)節(jié)效應交互項的回歸系數(shù)為0.09，即創(chuàng)新要素投入在知識溢出的調(diào)節(jié)下，會進一步提高創(chuàng)新產(chǎn)出水平，增強區(qū)域創(chuàng)新能力，其調(diào)節(jié)水平可能與區(qū)域創(chuàng)新系統(tǒng)成熟度以及地區(qū)教育水平密切相關(guān)。最后，針對研究結(jié)果提出相應的優(yōu)化對策和建議：第一，需進一步加大區(qū)域創(chuàng)新要素投入建立合理的創(chuàng)新激勵機制。第二，應鼓勵企業(yè)技術(shù)購買與引進，引進人才，增強企業(yè)技術(shù)消化吸收能力。第三，需加強區(qū)域創(chuàng)新網(wǎng)絡(luò)集群系統(tǒng)的構(gòu)建，通過空間聚集使創(chuàng)新網(wǎng)絡(luò)系統(tǒng)的知識溢出循環(huán)效應最大化，提高區(qū)域創(chuàng)新效率。第四，應加強政府、企業(yè)和高校、科研機構(gòu)間官產(chǎn)學研合作以及企業(yè)間的互動合作，使知識要素在區(qū)域內(nèi)最大化發(fā)揮溢出作用，有效提升區(qū)域創(chuàng)新效率，實現(xiàn)區(qū)域創(chuàng)新驅(qū)動發(fā)展。

關(guān)鍵詞知識溢出；創(chuàng)新驅(qū)動；區(qū)域創(chuàng)新能力；區(qū)域創(chuàng)新效率

中圖分類號F061.5

文獻標識碼A

文章編號1002-2104（2015）07-0077-07

doi：10.3969/j.issn.1002-2104.2015.07.011

隨著經(jīng)濟的發(fā)展和競爭的日益加劇，提升區(qū)域創(chuàng)新能力已成為推動區(qū)域產(chǎn)業(yè)升級、占領(lǐng)價值鏈制高點，實現(xiàn)區(qū)域經(jīng)濟收斂的必由之路。大量研究表明，區(qū)域創(chuàng)新效率的高低是導致我國當前區(qū)域創(chuàng)新能力差異和區(qū)域經(jīng)濟發(fā)展不平衡的重要原因之一。以專利申請授權(quán)量為例，2012年江蘇省專利申請授權(quán)量為269 944件，相比之下與江蘇省經(jīng)濟、人口規(guī)模相似，人均R&D經(jīng)費甚至要高于江蘇的山東（山東省人均R&D經(jīng)費為36.94萬，江蘇省為31.09萬），2012年專利申請授權(quán)量為75 496件，約是江蘇省的五分之一。由此可見，除了區(qū)域創(chuàng)新資源投入之外，效率問題的重要性更為突出。隨著內(nèi)生經(jīng)濟增長理論對知識外部性及其動態(tài)特征的研究，知識溢出成為研究區(qū)域創(chuàng)新的一個嶄新視角。從目前研究來看，國內(nèi)針對知識溢出對區(qū)域創(chuàng)新效率影響的文獻較少，且大多數(shù)文獻僅停留在定性研究階段，少有的實證研究也僅僅驗證了知識溢出對區(qū)域創(chuàng)新效率的正向促進作用。因此，評價我國區(qū)域創(chuàng)新效率并揭示知識溢出對其影響作用具有重要的理論及現(xiàn)實意義。

1國內(nèi)外研究現(xiàn)狀評述

內(nèi)生經(jīng)濟增長理論、新地理經(jīng)濟學等經(jīng)濟學分支將知識溢出作為解釋區(qū)域經(jīng)濟增長、創(chuàng)新等問題的新的研究思路。自Arrow創(chuàng)造性地提出知識累積及其經(jīng)濟內(nèi)涵后，Romer研究發(fā)現(xiàn)技術(shù)知識的部分排他性與非競爭性是知識溢出產(chǎn)生的根本原因，并將知識作為獨立的生產(chǎn)要素變量引入生產(chǎn)函數(shù)，構(gòu)建內(nèi)生經(jīng)濟增長模型。知識溢出最初主要應用于企業(yè)的技術(shù)進步與創(chuàng)新等研究對象領(lǐng)域中。知識作為創(chuàng)新要素投入，不僅能夠使企業(yè)生產(chǎn)出新產(chǎn)品，同時還會溢出到其他企業(yè)并促使其創(chuàng)新，這些新的創(chuàng)新知識又會不斷的溢出，形成企業(yè)間知識溢出循環(huán)，帶來知識溢出創(chuàng)新收益的乘數(shù)效應。但大量經(jīng)驗研究發(fā)現(xiàn)，知識溢出與區(qū)域整體經(jīng)濟水平有關(guān)，且這種關(guān)系在城市和區(qū)域等宏觀層面更加顯著，僅在企業(yè)微觀層面探討知識溢出與創(chuàng)新產(chǎn)出間的關(guān)系意義不大。繼Jaffe將研究對象從企業(yè)層面轉(zhuǎn)向區(qū)域?qū)用嬷?，空間因素被納入到知識生產(chǎn)函數(shù)中，有關(guān)知識溢出方面的研究也由個體轉(zhuǎn)向區(qū)域。

無論在企業(yè)微觀層面還是在區(qū)域宏觀層面上，知識溢出的存在和重要性是不容置疑的。區(qū)域內(nèi)、區(qū)域間通過相互學習、信息交流等一系列“互搭便車”行為提升區(qū)域創(chuàng)新效率、促進區(qū)域經(jīng)濟增長。從知識溢出與區(qū)域創(chuàng)新效率內(nèi)在邏輯關(guān)系來看，知識溢出的局域性與根植性所導致的知識溢出效率的空間衰減性會促使創(chuàng)新主體聚集、創(chuàng)新活動集中，這種空間集中會降低區(qū)域創(chuàng)新活動的內(nèi)在不確定性，并形成一種集群式創(chuàng)新網(wǎng)絡(luò)發(fā)展模式，促進創(chuàng)新產(chǎn)出的增加。

目前國內(nèi)外針對知識溢出與區(qū)域創(chuàng)新效率的研究，主要聚焦于知識溢出的發(fā)生機制，即從集聚角度分析知識溢出對區(qū)域創(chuàng)新效率的影響。Becker和Kevin 基于知識溢出與企業(yè)集群關(guān)系的模型研究發(fā)現(xiàn)只有空間集聚的企業(yè)才能獲取企業(yè)集群內(nèi)的公共知識，企業(yè)創(chuàng)新效率與空間距離呈反方向變動。Audretch和Feldman通過案例研究證實了與生產(chǎn)活動相比，創(chuàng)新活動更加集中，且企業(yè)間集群知識溢出效應大于價格競爭離心效應。Jaffe et al，Adams et al，Acs et al 分別從專利引用、創(chuàng)新產(chǎn)出、創(chuàng)新活動分布等角度分析知識溢出對提高區(qū)域創(chuàng)新效率的作用機理。Fritsch以專利申請授權(quán)量作為衡量創(chuàng)新產(chǎn)出的指標，分析了歐洲11個地區(qū)研發(fā)人員及研發(fā)資金這兩個研發(fā)投入變量對于研發(fā)產(chǎn)出的投入彈性，結(jié)果發(fā)現(xiàn)兩個投入變量在不同地區(qū)的投入彈性存在明顯差異，相對于外圍企業(yè)而言，處于集聚中心的企業(yè)具有更高的產(chǎn)出彈性，該模型在證實了理論假設(shè)外還驗證了集聚經(jīng)濟對創(chuàng)新產(chǎn)出的促進作用。Bode通過對20世紀末期德國的相關(guān)數(shù)據(jù)研究發(fā)現(xiàn)，盡管知識溢出存在空間效應，但由于存在空間交易成本，僅有一部分溢出可以對臨近區(qū)域創(chuàng)新產(chǎn)出產(chǎn)生影響。Lim從區(qū)域內(nèi)溢出與區(qū)域間溢出兩個方面，更加全面的研究了知識溢出對于創(chuàng)新空間分布的影響。Peri通過對北美和歐洲113個區(qū)域1975-1996年的專利引用數(shù)據(jù)進行實證分析，驗證了技術(shù)、知識流動對于創(chuàng)新的正向影響關(guān)系。國內(nèi)學者有關(guān)知識溢出和區(qū)域創(chuàng)新效率的研究中，林毅夫、董先安、殷韋實證驗證了知識溢出的地理位置假說；吳玉鳴和龍志和、張馨之分別驗證了創(chuàng)新的空間自相關(guān)，知識溢出的空間邊界及其對區(qū)域創(chuàng)新活動在地級空間上的顯著影響，并指出知識溢出程度與空間距離的反向關(guān)系；解學梅和曾賽星認為知識溢出所形成的知識鏈在產(chǎn)學研合作中形成持續(xù)的知識累積，促進了集群區(qū)域內(nèi)部創(chuàng)新人才的流動，促進了區(qū)域創(chuàng)新集群網(wǎng)絡(luò)內(nèi)部互動；吳玉鳴利用我國省際面板數(shù)據(jù)構(gòu)建了改進的知識生產(chǎn)函數(shù)，實證分析了地區(qū)間合作帶來的知識溢出效應對區(qū)域創(chuàng)新效率的影響，施宏偉和王梓蓉認為產(chǎn)業(yè)集聚與知識溢出的內(nèi)在相互作用使得創(chuàng)新性知識要素同生產(chǎn)要素相結(jié)合，增強了產(chǎn)業(yè)間的凝聚度，進一步提升了區(qū)域創(chuàng)新強度；段會娟認為產(chǎn)業(yè)集聚是實現(xiàn)區(qū)域創(chuàng)新效率提升的一大助力，且實證分析表明產(chǎn)業(yè)結(jié)構(gòu)專業(yè)化帶來的知識溢出對區(qū)域創(chuàng)新效率的提升具有顯著正向作用；趙喜倉等以江蘇省為例，將外部知識溢出作為創(chuàng)新要素引入創(chuàng)新生產(chǎn)函數(shù)模型中，實證分析得出外部知識溢出對江蘇省區(qū)域創(chuàng)新以及江蘇省與臨近區(qū)域間創(chuàng)新效率提升具有顯著正向效應。宋來勝和蘇楠對全國創(chuàng)業(yè)知識溢出對創(chuàng)新產(chǎn)品轉(zhuǎn)化效應進行實證分析，結(jié)果顯示，創(chuàng)業(yè)知識溢出在轉(zhuǎn)化為企業(yè)創(chuàng)新產(chǎn)品時具有顯著的區(qū)域差異，這種差異同樣映射到區(qū)域創(chuàng)新效率中。

綜上所述，已有研究為知識溢出提升區(qū)域創(chuàng)新效率提供了大量有價值的證據(jù)，與現(xiàn)有文獻相比，本研究的主要貢獻在于：一是對于指標評價體系的改進。對于知識溢出的衡量而言，本研究不考慮不同區(qū)域之間地理距離等因素的影響，僅使用區(qū)域自身屬性對區(qū)域知識溢出水平進行評價。在創(chuàng)新投入的衡量方面，除傳統(tǒng)的R&D人員投入以及R&D經(jīng)費支出，本研究加入研究機構(gòu)數(shù)量這一指標，使得不同規(guī)模區(qū)域（就研究機構(gòu)數(shù)量而言）具有更一般的可比性。在創(chuàng)新產(chǎn)出方面，以專利，論文反映其成果性產(chǎn)出，以新產(chǎn)品產(chǎn)值增長，科技促進經(jīng)濟發(fā)展指數(shù)，反映其經(jīng)濟效益以及社會效益。二是對于知識溢出與創(chuàng)新之間作用機制的重新設(shè)定。傳統(tǒng)研究認為，知識溢出是創(chuàng)新與經(jīng)濟發(fā)展的中介變量，忽略了創(chuàng)新本身這一過程。在創(chuàng)新投入產(chǎn)出過程中，知識溢出實際上可能存在調(diào)節(jié)效應，即在高知識溢出水平的地區(qū)，單位創(chuàng)新投入所帶來的創(chuàng)新產(chǎn)出也相應的較高，反之，在低知識溢出的地區(qū)，單位創(chuàng)新投入所帶來的創(chuàng)新產(chǎn)出較低，即創(chuàng)新效率較低。本研究將通過調(diào)節(jié)效應模型驗證這一作用機理。

2研究設(shè)計

2.1模型構(gòu)建

Griliches最初對知識生產(chǎn)函數(shù)進行定義，其目的是用于量度研究開發(fā)和知識溢出對生產(chǎn)率增長的影響，在該函數(shù)中，Griliches將創(chuàng)新產(chǎn)出看作為創(chuàng)新投入的函數(shù)，即式（1）所示函數(shù)形式：

R&Doutput=α（R&Dinput）β （1）

Jaffe在其基礎(chǔ)上，對函數(shù)形式進行了完善。他認為創(chuàng)新產(chǎn)出的主要形式是新經(jīng)濟知識（new economic knowledge），而創(chuàng)新投入的主要形式為研發(fā)經(jīng)費投入與人力資源投入。因此經(jīng)典GrilichesJaffe模型如式（2）所示：

Yi=AKαiLβiε （2）

其中，Y為創(chuàng)新產(chǎn)出；K和L分別為R&D資金與R&D人員投入；α和β分別為R&D資金與R&D人員的投入彈性；ε為隨機誤差項。

大量實證研究表明，GrilichesJaffe函數(shù)作為一個經(jīng)驗模型，為研究區(qū)域創(chuàng)新效率提供了有效的理論分析框架。知識生產(chǎn)過程應當與實物生產(chǎn)過程一樣，其本質(zhì)上都是一種投入產(chǎn)出過程。因此，本研究把創(chuàng)新活動看作是一項知識的生產(chǎn)活動，借鑒并改進Griliches的分析思路研究區(qū)域創(chuàng)新效率。

將II定義為創(chuàng)新要素投入，其不僅限于K和L等要素，將KS定義為知識溢出，這樣GrilichesJaffe模型就替換為：

Yi=AIIαiKSβiξi （3）

α和β分別為創(chuàng)新投入與知識溢出彈性，對（2）式取對數(shù)可得：

ln（Yi）=ai+αln（IIi）+βln（KSi）+εi （4）

為了測量知識溢出對區(qū)域創(chuàng)新效率的調(diào)節(jié)作用，本文將通過采取引入交互項的方式來解決這一問題，具體公式如下：

ln（Yi）=bi+α1ln（IIi）+β1ln（KSi）

+χln（IIi）ln（KSi）+λi （5）

實際上，式（5）由式（6）形式轉(zhuǎn)化而成，因此交互項的回歸系數(shù)可反映交互項中兩因素的調(diào)節(jié)作用。

ln（Yi）=bi+β1ln（KSi）+（α1+χln（KSi））ln（IIi）

+λi （6）

在評價指標的選取方面，由于單一指標度量的有效性問題值得考究，因此本文將構(gòu)造評價系統(tǒng)。由于樣本量較小，若將多指標一同帶入回歸方程，可能使回歸效果較差，因此本文通過探索性因子分析（Exploratory Factor Analysis）凝聚成綜合因子f1、f2和f3來反映創(chuàng)新投入、知識溢出及創(chuàng)新產(chǎn)出。考慮到式（5）中的函數(shù)形式，本文首先將因子所對應各指標進行對數(shù)處理，進而進行探索性因子分析，最終得到關(guān)于對數(shù)化后各指標的三個綜合因子。

使用綜合因子替代式（4），式（5）中的單一指標，得到回歸方程如下：

fi3=ai+αfi1+βfi2+εi （7）

fi3=bi+α1fi1+β1fi2+χ1fi1fi2+λi （8）

在具體指標選取上，本文在系統(tǒng)回顧文獻基礎(chǔ)上，在區(qū)域創(chuàng)新要素投入指標上將借鑒曹洪軍、趙翔、黃少堅及段姍、蔣泰維等的研究成果，在區(qū)域創(chuàng)新產(chǎn)出指標選取上將借鑒張義梁、張嵎喆及賀靈、單汨源等的研究成果，在知識溢出指標選取方面，本文將借鑒張繼宏、張洪輝的相關(guān)研究成果，具體指標描述見表1。

2.2數(shù)據(jù)選擇

本研究選取2009-2012中國大陸30個省級行政區(qū)域（西藏由于數(shù)據(jù)缺乏，將其略去）為研究對象，以區(qū)域創(chuàng)新投入及知識溢出對創(chuàng)新產(chǎn)出的影響關(guān)系為研究目標。由于創(chuàng)新過程存在滯后期，本文參照魏守華等研究成果，將創(chuàng)新滯后期設(shè)置為一年。原始數(shù)據(jù)來源為《中國統(tǒng)計年鑒》（2010-2013）、《中國科技統(tǒng)計年鑒》（2010-2013）以及《全國及各地區(qū)科技進步統(tǒng)計監(jiān)測結(jié)果》（2010-2013）。經(jīng)整理共得到90條數(shù)據(jù)，鑒于海南省2010年規(guī)模以上工業(yè)企業(yè)技術(shù)引進經(jīng)費支出的數(shù)據(jù)缺失，將其剔除，最終本文共得到有效數(shù)據(jù)89條。

3實證分析

3.1探索性因素分析

探索性因素分析可以將具有復雜關(guān)系的觀測指標綜合成幾個核心因子，它主要包括主成分分析法（Principal Component Analysis）和因子分析法（Factor Analysis Method）。本文選取主成分分析法作為提取綜合因子的方法。主成分分析法是將多指標化為少數(shù)幾個綜合指標的一種統(tǒng)計方法，由Pearson提出，主成分分析法多用于實證分析中復雜指標的處理，其結(jié)果都表明該方法對于數(shù)據(jù)降維有著較高的有效性。主成分分析實際上是一種降維技術(shù)，該方法在不丟失過多原始變量信息的情況下，將原始變量組合為少數(shù)的主成分。由于本研究數(shù)據(jù)量較小，僅有89條，因此采用主成分分析將多指標降維，綜合為少數(shù)幾個主成分，使用主成分建立回歸模型將提高模型的回歸效果，使得回歸參數(shù)更加合理。

首先，由于原始變量單位以及量綱的不同，在使用主成分分析前，應將變量進行標準化處理。即令：

X*j=Xj-μjσjj，j=1，2，…，p （9）

其中，X*，X，μ，σ分別為原始指標的標準化值，原始值，平均值及方差。其次，在對指標數(shù)據(jù)進行主成分分析之前，應當檢驗樣本數(shù)據(jù)是否符合主成分分析的要求。常用的檢驗有KMO and Bartlett檢驗。KMO值反映了是否擁有足夠的樣本量進行主成分分析，對于一個適合于進行主成分分析的樣本而言，KMO值應當至少大于0.5。Bartlett檢驗是驗證各個指標之間的相關(guān)程度，若Barlett檢驗顯著，則說明各指標之間擁有足夠的相關(guān)程度，使得樣本可以進行主成分分析。

最后，應當對指標進行Cronbach α信度檢驗，對于數(shù)據(jù)穩(wěn)定性較好的樣本而言，Cronbach α值應當大于0.8。

通過使用SPSS20.0對各維度指標進行KMO 和 Bartletts檢驗，發(fā)現(xiàn)各維度KMO值均大于0.50，Bartletts檢驗結(jié)果均顯著，滿足主成分分析條件；對各維度（即創(chuàng)新投入、知識溢出和創(chuàng)新產(chǎn)出）觀測指標進行Cronbach α信度檢驗，發(fā)現(xiàn)各維度信度都在0.80以上，數(shù)據(jù)穩(wěn)定性較好。最后對各個維度進行主成分分析，提取特征值大于1的因子，發(fā)現(xiàn)各維度均能提取一個公共因子f1、f2和f3，累計方差貢獻率均接近或大于70%（最小貢獻率為68.609%）。各個維度KMO值、Cronbach α信度系數(shù)及累計方差貢獻列入表2。3.2回歸分析

通過SPSS20.0對公式（8）、公式（9）進行回歸分析。

根據(jù)回歸方程結(jié)果可知，在不引入交互項f1f2時（公式（8）），創(chuàng)新投入增加、知識溢出水平的提高均會提升創(chuàng)新產(chǎn)出水平，增強區(qū)域創(chuàng)新效率，其回歸系數(shù)分別為0.747和0.276，且在1% 的顯著性水平上都是顯著地，模型F值為301.129，擬合優(yōu)度R2為0.875，模型擬合較好，回歸模型總體顯著；當引入交互項f1f2時（公式（8）），模型擬合優(yōu)度R2為0.884大于0.875，說明后者擬合效果更佳，公式

（8）結(jié)果顯示，創(chuàng)新投入增加、知識溢出水平的提高同樣會提升創(chuàng)新產(chǎn)出水平，其回歸系數(shù)分別為0.722和0.229，且在1% 的顯著性水平上都是顯著地；知識溢出會顯著正向調(diào)節(jié)創(chuàng)新投入—產(chǎn)出之間的關(guān)系，提高區(qū)域創(chuàng)新效率，但從其回歸系數(shù)0.093來看，其調(diào)節(jié)作用較小。

4結(jié)論與建議

在國內(nèi)外區(qū)域創(chuàng)新效率研究中，基于GrilichesJaffe知識生產(chǎn)函數(shù)的實證分析已較為成熟，也已得到國內(nèi)外眾多學者的肯定。本文

在改進GrilichesJaffe知識生產(chǎn)函數(shù)基礎(chǔ)上，運用SPSS20.0計量軟件，分析2009-2012年我國30個?。ㄊ小^(qū)）相關(guān)數(shù)據(jù)，建立創(chuàng)新投入、知識溢出與創(chuàng)新產(chǎn)出模型，實證結(jié)果顯示：第一，區(qū)域創(chuàng)新要素投入、知識溢出會顯著影響區(qū)域創(chuàng)新能力。具體而言，創(chuàng)新要素包括R&D人員、機構(gòu)及經(jīng)費投入的增加，區(qū)域內(nèi)以企業(yè)技術(shù)購買、引進及消化吸收經(jīng)費為代表的知識溢出水平的提高，均會導致以專利授權(quán)數(shù)、科研論文及新產(chǎn)品產(chǎn)值等指標為代表的創(chuàng)新產(chǎn)出增加；第二，知識溢出會顯著正向調(diào)節(jié)創(chuàng)新投入—產(chǎn)出之間的關(guān)系，即創(chuàng)新要素投入在知識溢出的調(diào)節(jié)下，會進一步提高創(chuàng)新產(chǎn)出水平，增強區(qū)域創(chuàng)新能力，其調(diào)節(jié)水平可能與區(qū)域創(chuàng)新系統(tǒng)成熟度以及地區(qū)教育水平密切相關(guān)。

與此相應，本文提出相關(guān)創(chuàng)新政策與建議如下：第一，進一步加大區(qū)域創(chuàng)新要素投入，特別是R&D研究機構(gòu)和平臺的建設(shè)力度，加強對R&D人員的培訓與教育，建立合理的創(chuàng)新激勵機制。第二，鼓勵企業(yè)技術(shù)購買與引進，鼓勵企業(yè)引進人才，增強企業(yè)技術(shù)消化吸收能力。第三，加強區(qū)域創(chuàng)新網(wǎng)絡(luò)集群系統(tǒng)的構(gòu)建，通過空間聚集使創(chuàng)新網(wǎng)絡(luò)系統(tǒng)的知識溢出循環(huán)效應最大化，提高區(qū)域創(chuàng)新效率。第四，加強政府、企業(yè)和高校、科研機構(gòu)間官產(chǎn)學研合作以及企業(yè)間的互動合作，在政府創(chuàng)新政策引導下，依靠企業(yè)與高校智力合作創(chuàng)新，同時加強產(chǎn)學研基地建設(shè)以及企業(yè)間的優(yōu)勢合作，增強區(qū)域知識溢出以及區(qū)域自主創(chuàng)新能力，使知識要素在區(qū)域內(nèi)最大化發(fā)揮溢出作用，有效提升區(qū)域創(chuàng)新效率，實現(xiàn)區(qū)域創(chuàng)新驅(qū)動發(fā)展。

（編輯：李琪）

參考文獻（References）

Archibugi D， Pianta M. Innovation， Patents and Technological Strategies： The State of the Art. Paris， 1994.

Furman J L， Porter M E， Stern S. The Determinants of National Innovative Capacity. Research Policy， 2002，31（6）：899-933.

Jungmittag A. Innovation Dynamics in the EU： Convergence or Divergence？ A Crosscountry Panel Data Analysis. Empirical Economics， 2006，31（2）：313-331.

池仁勇. 企業(yè)技術(shù)創(chuàng)新效率及其影響因素研究. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 2003，（6）： 105-108.. Quantitative & Technical Economics， 2003，（6）： 105-108.]

池仁勇， 唐根年. 基于投入與績效評價的區(qū)域技術(shù)創(chuàng)新效率研究. 科研管理， 2004，（4）： 23-27.. Science Research Management， 2004，（4）： 23-27.]

陳瑤瑤， 池仁勇. 產(chǎn)業(yè)集群發(fā)展過程中創(chuàng)新資源的聚集和優(yōu)化. 科學學與科學技術(shù)管理， 2005，（9）：63-66.. Science of Science and Management of S & T， 2005，（9）：63-66.]

李習保. 區(qū)域創(chuàng)新環(huán)境對創(chuàng)新活動效率影響的實證研究. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 2007，（8）：13-24.. The Journal of Quantitative & Technical Economics， 2007，（8）：13-24.]

Arrow K J. The Economic Implications of Learning by Doing. Review of Economic Studies， 1962， 29（3）： 155-173.

Arrow K J. Economic Welfare and the Allocation of Resources for Innovation. Princeton： Princeton University Press， 1962.

Romer P M. Increasing Returns and Long Run Growth. Journal of Political Economy， 1986， 94 （5）： 1002-1037.

Romer P M. Endogenous Technological Change. Journal of Political Economy， 1990，98（S5）： S71-S102.

Jaffe A. Real Effects of Academic Research. The American Economic Review， 1989，（3）： 957-970.

Canils M，Verspagen B. Barriers to Knowledge Spillovers and Regional Convergence in an Evolutionary Model. Journal of Evolutionary Economics， 2001， 11（3）：307-329.

Audretsch D， Feldman M. R&D Spillovers and the Geography of Innovation and Production. The American Economic Review， 1996，86：630-640.

Anselin L， Varga A， Acs Z. Local Geographic Spillovers Between University Research and High Technology Innovations. Journal of Urban Economics， 1997，42（3）：422-448.

Maurseth P， Verspagen B. Knowledge Spillovers in Europe： A Patent Citations Analysis. Scandinavian Journal of Economics， 2002， 104（4）： 531-545.

Rosenthal S， Strange W. Evidence on the Nature and Source of Agglomeration Economies. Handbook of Regional and Urban Economics， 2004.

Rosenthal S， Strange W. The Attenuation of Human Capital Spillovers： A Manhattan Skyline Approach. University of Toronto Mimeo，2005.

Becker G， Kevin M. The Division of Labor， Coordination Costs， and Knowledge . Quarterly Journal of Economics， 1992， （4）：1137-1160.

Jaffe A， Trajtenberg M， Henderson R. Geographic Localization of Knowledge Spillovers as Evidenced by Patent Citations. Quarterly Journal of Economics， 1993，108： 577-598.

Adams J， Jaffe A. Bounding the Effects of R&D： An Investigation Using Matched Establishmentfirm Data. NBER Working Paper， 1996.

Acs Z， Fitzroy F， Smith I. High Technology Employment， Wages and University R&D Spillovers： Evidence from US Cities. Economics of Innovation and New Technology， 1999，（8）： 57-78.

Fritsch M， Franke G. Innovation， Regional Knowledge Spillovers and R&D Cooperation . Research Policy， 2004， 33（2）： 245-255.

Bode E. The Spatial Pattern of Localized R&D Spillovers： An Empirical Investigation for Germany. Journal of Economic Geography， 2004，（4）： 43-64.

Lim U. The Spatial Distribution of Innovative Activity in US Metropolitan Areas： Evidence from Patent Data. Journal of regional Analysis & Policy， 2003，33（2）： 97-126.

Peri G. Determinants of Knowledge Flows and Their Effects on Innovation. Review of Economics and Statistics， 2005， 87（2）： 308-322.

林毅夫， 董先安， 殷韋. 技術(shù)選擇、技術(shù)擴散與經(jīng)濟收斂. 財經(jīng)問題研究， 2004，（6）： 3-10. . Research on Financial and Economic Issues， 2004，（6）： 3-10.]

吳玉鳴. 中國區(qū)域研發(fā)、知識溢出與創(chuàng)新的空間計量經(jīng)濟研究. 北京：人民出版社， 2007. . Beijign：Peoples Publishing House， 2007.]

張馨之， 龍志和. 中國區(qū)域經(jīng)濟發(fā)展水平的探索性空間數(shù)據(jù)分析. 寧夏大學學報：人文社會科學版， 2006，（6）：106-109.. Journal of Ningxia University：Humanities & Social Sciences Edition， 2006，（6）：106-109.]

解學梅， 曾賽星. 創(chuàng)新集群跨區(qū)域協(xié)同創(chuàng)新網(wǎng)絡(luò)研究述評. 研究與發(fā)展管理， 2009， 21（1）： 9-17.. R&D Management， 2009， 21（1）： 9-17.]

吳玉鳴. 官產(chǎn)學R&D合作、知識溢出與區(qū)域?qū)＠麆?chuàng)新產(chǎn)出. 科學學研究， 2009，（10）： 1486-1494.. Studies in Science of Science， 2009，（10）： 1486-1494.]

施宏偉， 王梓蓉. 基于產(chǎn)業(yè)聚集的知識溢出及累積性創(chuàng)新增長過程研究. 軟科學， 2010， 24（11）： 15-19.. Soft Science， 2010， 24（11）： 15-19.]

段會娟. 集聚、知識溢出類型與區(qū)域創(chuàng)新效率：基于省級動態(tài)面板數(shù)據(jù)的GMM方法. 科技進步與對策， 2011， 28（19）： 140-144. . Science & Technology Progress and Policy， 2011， 28（19）： 140-144.]

趙喜倉， 徐朋輝. R&D知識溢出對江蘇城市創(chuàng)新績效的空間計量經(jīng)濟分析. 科技進步與對策， 2011， 28（20）： 29-32. . Science & Technology Progress and Policy， 2011， 28（20）： 29-32.]

宋來勝， 蘇楠. 創(chuàng)業(yè)知識溢出對知識轉(zhuǎn)化為創(chuàng)新產(chǎn)品的影響：基于省級面板數(shù)據(jù)的GMM分析. 科技管理研究， 2014，（2）： 111-114. . Science and Technology Management Research， 2014，（2）： 111-114.]

Griliches Z. Issues in Assessing the Contribution of Research and Development to Productivity Growth. Chicago University of Chicago Press， 1998.

Fritsch M. Cooperation and the Efficiency of Regional R&D Activities. Cambridge Journal of Economics， 2004，28（6）：829-846.

曹洪軍， 趙翔， 黃少堅. 企業(yè)自主創(chuàng)新能力評價體系研究. 中國工業(yè)經(jīng)濟， 2009，（9）：105-114.. China Industrial Economics， 2009，（9）：105-114.]

段姍， 蔣泰維， 張潔音， 等. 區(qū)域企業(yè)技術(shù)創(chuàng)新發(fā)展評價研究：浙江省、11個設(shè)區(qū)市及各行業(yè)企業(yè)技術(shù)創(chuàng)新評價指標體系分析. 中國軟科學，2014，（5）：85-96.. China Soft Science， 2014，（5）：85-96.]

張義梁， 張嵎喆. 國家自主創(chuàng)新能力評價指標體系研究. 經(jīng)濟學家， 2006，（6）：28-34. . Economist， 2006，（6）：28-34.]

賀靈， 程鑫， 邱建華. 技術(shù)創(chuàng)新要素協(xié)同對企業(yè)創(chuàng)新績效影響的實證分析. 財經(jīng)理論與實踐， 2012，（3）：103-107.. The Theory and Practice of Finance and Economics， 2012，（3）：103-107.]

張繼宏， 張洪輝. 國家集成創(chuàng)新能力評價指標體系研究：我國自主創(chuàng)新的一個子系統(tǒng). 技術(shù)經(jīng)濟與管理研究， 2010，（S1）： 40-43. . Technoeconomics & Management Research， 2010，（S1）： 40-43.]

魏守華， 吳貴生， 呂新雷. 區(qū)域創(chuàng)新能力的影響因素：兼評我國創(chuàng)新能力的地區(qū)差距. 中國軟科學， 2010，（9）：76-85.. China Soft Science， 2010，（9）：76-85.]

Pearson R A. Section I， Social and Economic Science. Science， 1901， 14（363）： 912-926.

顏莉. 我國區(qū)域創(chuàng)新效率評價指標體系實證研究. 管理世界， 2012，（5）：174-175.. Management World， 2012，（5）：174-175.]

鈔小靜， 任保平. 中國經(jīng)濟增長質(zhì)量的時序變化與地區(qū)差異分析. 經(jīng)濟研究， 2011，（4）：26-40.. Economic Research Journal， 2011，（4）：26-40.]

魯小偉， 畢功兵. 基于主成分分析法的區(qū)域文化產(chǎn)業(yè)效率評價. 統(tǒng)計與決策， 2014，（1）：63-65.. Statistics & Decision， 2014，（1）：63-65.]

夏海力， 賈海成， 黃瑩. 基于因子分析的長三角主要城市研發(fā)產(chǎn)業(yè)發(fā)展綜合評價與分析. 科技進步與對策， 2012，（21）：109-112.. Science & Technology Progress and Policy， 2012，（21）：109-112.]

張玉臣， 周潔. 外資高新技術(shù)企業(yè)創(chuàng)新績效及其行為特征. 科技進步與對策， 2013，（17）：81-86.. Science & Technology Progress and Policy， 2013，（17）：81-86.]

吳玉鳴. 空間計量經(jīng)濟模型在省域研發(fā)與創(chuàng)新中的應用研究. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 2006，（5）： 74-85. . The Journal of Quantitative & Technical Economics， 2006，（5）： 74-85.]

吳素春. 創(chuàng)新型城市內(nèi)部企業(yè)R&D模式與創(chuàng)新績效研究. 科研管理， 2014， 35（1）： 33-40. . Science Research Management， 2014， 35（1）： 33-40.]