长江经济带城市创新效率差异及空间演化特征研究

《长江经济带城市创新效率差异及空间演化特征研究》由会员分享，可在线阅读，更多相关《长江经济带城市创新效率差异及空间演化特征研究（9页珍藏版）》请在金锄头文库上搜索。

1、长江经济带城市创新效率差异及空间演化特征研究2017/6 江苏社会科学一、 引言创新发展是国家重大发展战略之一。随着经济全球化的深入发展和知识经济的快速到来， 以创新驱动发展， 靠创新不断进步， 已成为新常态下经济发展的新引擎， 同时也是指引新五年经济发展和转型的重心。区域创新作为国家和地区经济发展的关键 “助推器” ， 一直备受国内外学者的关注， 而创新效率能够很好的反映区域创新的能力和水平。长江经济带是我国T型中国三大经济战略规划之一， 在区域经济一体化背景下， 长江经济带发展成为中国经济最发达、 最具战略意义的区域之一， 区域仍存在广阔的发展空间， 这是中国的其他内陆经济带所无法比拟的。

2、因此研究长江经济带城市创新效率差异及空间演化特征， 有利于比较城市创新水平， 找出创新效率随时间和空间的演化规律， 提升创新效率， 进一步推动长江经济带城市的创新发展。本文运用DEA的CCR、 BCC模型和Malmquist指数， 测度了长江经济带城市的创新效率。并采用ESDA空间统计分析法， 通过全局和局部空间自相关指数， 分析了创新效率的空间演化规律。长江经济带城市创新效率差异及空间演化特征研究肖滢邓宏兵内容提要本文以 2006-2015 年长江经济带 108 个城市面板数据为研究样本， 采用 DEA 模型及Malmquist指数分析方法对长江经济带城市创新效率进行测度， 再结合ESDA空

3、间分析技术研究了创新效率的空间演化特征。分析结果表明： 长江经济带东部地区城市创新效率高于中、 西部地区城市， 且均在周期性波动中缓慢上升， 而创新效率低下主要是受技术效率影响。长江经济带城市创新效率在空间上表现为正的空间自相关性， 集聚趋势呈倒 “V” 字型； 集聚模式显示 “东高西低” 的空间格局， 而集聚程度随时间逐渐减弱； 创新效率的热点分布则呈 “核心-外围-边缘” 梯度结构演化。关键词长江经济带创新效率空间演化肖滢， 中国地质大学 （武汉） 经济管理学院博士研究生430074邓宏兵， 中国地质大学区域经济与投资环境研究中心教授43007432经济学研究江苏社会科学 2017/6二、

4、 数据来源与研究方法1. 研究区域选取长江经济带作为我国经济密度最大的流域经济地带， 通过开发其广阔的经济腹地， 将成为中国未来30年经济增长潜力最大的地区。根据2014年国务院发布的 国务院关于依托黄金水道推动长江经济带发展的指导意见 中指出的， 包括上海、 江苏、 浙江、 安徽、 江西、 湖北、 湖南、 重庆、 四川、 贵州、 云南11个长江经济带覆盖省。根据数据的完整性及可获得性， 本文选择长江经济带地级及以上108个城市作为研究对象， 由于毕节市和铜仁市2011年以前数据缺失， 本文确定研究样本108个， 数据主要来源于2006-2015年 中国城市统计年鉴 。2. 研究方法与指标体系

5、构建（1） DEA模型及Malmquist指数效率分析数据包络分析DEA模型是当前学术界测度相对效率的主流方法。它是以相对效率概念为基础，根据多指标投入和多指标产出对同类型决策单元 （DMU） 进行相对有效性和多目标决策分析。CCR模型假设规模报酬不变， 进而计算每个DMU的相对效率。BCC模型假设规模报酬可变， 在CCR模型的基础上增加了凸性假设I1 =1， 从而将技术效率 （也称综合效率） 分解为纯技术效率和规模效率两部分。本文选用基于投入导向的CCR模型和BCC模型对长江经济带城市创新效率进行测度。公式如下， 设有n个DMU， 每个DMU都有m种投入和s种产出， 分别用输入xj和输出yj

6、表示， Xj=(x1j,x2j,， xmj)T,Y j=(y1j,y2j,， ysj)T， x ij表示第j个DMU的第j种输入向量， yrj表示第j个DMU的第r种输入向量， i=1,2,3,s。j为n个DMU的某种组合权重。xj0和yj0分别为所评价的第j0个DMU的投入和产出向量。S-和S+为松弛变量向量， S-=(s1-,s2-,， sm-)T， S+=(s1+,s2+,， sm+)T。若 （D） 的最优值VD=1， 则第j0个DMU为弱DEA有效， 反之亦然； 若 （D） 的最优值VD=1， 并且它的每个最优解*， s*-,s*+,*,都有s*-=0， s*+=0， 则第j0个DMU

7、为DEA有效。（D） Min=VDs.t.j=1n jxj+s-=xj0 j=1n jyj-s+=yj0j0,j=1,2,n从产出不变投入减小角度构造（D） max=VDs.t.j=1n jxj+s-=xj0 j=1n jyj-s+=yj0j0,j=1,2,n从投入不变产出增加角度构造由于 CCR 和 BCC 模型属于静态效率测度， 不能反映效率发展的动态变化， 所以我们选取了Malmquist指数测度了在t期技术条件下， 决策单元从t期到t+1期投入产出技术效率变化， 以及在t+1期技术条件下， 决策单元从t期到t+1期全要素生产率变化 （TEPCH） 。模型构建如下：M （xiyixt+1

8、yt+1） =Dt+1(x t+1yt+1) Dt(x tyt)Dt(x t+1yt+1) Dt+1(x t+1yt+1)Dt(x tyt) Dt+1(x tyt)1/2=EFFCHTECH式中， Dt与Dt+1分别代表参照t期和t+1期的技术水平决策单元的相应的投入产出相对效率。当M大于1时， 则从t期到t+1期全要素生产率呈增长态势； 当M等于1时， 则表示呈停滞状态， 当小于1时，则表示呈下降态势。由于技术效率 （EFF） 等于纯技术效率 （PE） 与规模效率 （SE） 之乘积， 所以全要素生产变动又可进一步分解为下式：M （xiyixt+1yt+1） =TFPCH=EFFCHTECH=

9、PECHSECHTECH33长江经济带城市创新效率差异及空间演化特征研究2017/6 江苏社会科学技术效率变化 （EFFCH） 代表了两个时期相对技术效率的变化， 它测定了从第t期到第t+1期每一决策单元对生产可能性边界的追赶速度。技术进步 （TECH） 实际上是t和t+1时期生产前沿面的移动， 若TECH大于1， 则生产前沿面向前移动， 发生了技术进步。（2） ESDA空间自相关分析a. 全局空间自相关在衡量创新效率在整个区域内的空间分布特征时， 通过计算全局Moran s I指数来反映全局空间自相关性。公式如下：I=n i=1n j=1n Wij|xi-x |xj-x /i=1n j=1n

10、 Wiji=1n |xj-x 2式中xi、 xj、x 和n等各变量的涵义与公式中对应变量的涵义相同； Wij表示二进制的空间权重矩阵。Moran s I指数的大小介于-1至1之间， 当创新效率在空间分布上呈现空间负相关时， 其Moran s I指数小于0； 当创新效率在空间分布上呈现空间正相关时， 其Moran s I指数大于0； 当创新效率在空间分布上呈现随机分布状态时， 其Moran sI 指数等于0。检验创新效率的空间自相关特征， 再计算其标准化统计量Z。公式如下：Z=I-E(I)VAR(I)当Z0且显著时， 创新效率表现正的空间自相关特征； 当Z0且显著， 则局部空间存在高值集聚现象；

11、 若Gi*1.96 或 Z-1.96 表示通过检验） ， 表明存在显著的空间表22006-2015年长江经济带城市Malmquist指数及其分解重庆市 四川省 贵州省 云南省 湖北省 湖南省 江西省 安徽省 上海市 江苏省 浙江省EFFCH 0.981 0.988 0.984 1.015 0.981 0.993 0.928 1.006 1.037 1.001 1.004TECH 0.977 0.971 0.959 0.991 0.949 0.980 0.881 1.014 1.046 1.021 0.980PECH 0.988 0.994 0.979 1.005 0.995 0.995 0.9

12、19 1.013 1.018 0.996 1.009SECH 0.993 1.003 1.005 1.010 0.986 1.036 0.926 1.036 1.018 1.003 0.994TFPCH 0.959 0.960 0.944 1.006 0.932 0.972 0.894 1.020 1.084 1.021 0.98436经济学研究江苏社会科学 2017/6图1西部、 中部、 东部地区创新效率图变动趋势图2综合效率、 技术效率和规模效率变化趋势图4长江经济带城市创新效率空间分布图图32006-2015年长江经济带城市创新效率Moran s I变化趋势表32006-2015年长江经

13、济带城市创新效率Moran s I指数值Year Moran I P Z2006 0.191 0.0003 3.5422007 0.258 0.001 3.9032008 0.222 0.0005 3.4622009 0.220 0.0002 3.3482010 0.241 0.002 3.6782011 0.277 0 5.0612012 0.370 0 5.6282013 0.310 0 4.7592014 0.244 0 3.7312015 0.229 0 3.538自相关特征。 从 Moran s I 指数值来看， 2006-2015 年Moran s I均大于0， 表现为全域正相关关

14、系。说明创新效率相似的城市呈空间集聚态势， 见表3。2006-2012年， Moran s I指数逐步增大， 反映此阶段长江经济带城市创新效率集聚呈现持续加强态势， 各城市联系越来越紧密， 合作创新越来越多； 2012-2015年， Moran s I指数逐步减小， 说明此阶段长江经济带城市创新效率集聚逐步弱化， 各个城市之间的知识及技术溢出减弱。如图 3 所示，2006-2015 年长江经济带城市创新效率的集聚发展， 呈现倒 “V” 字型的形态分布。（2） 局部空间聚类分析探索性空间数据分析方法中的Moran s I指数只能反映长江经济带城市创新效率的整体集聚水平， 而无法反映城市与城市之间

15、的集聚程度与集聚模式。局部空间自相关分析可以研究各城市间是否存在局部集聚现象， 更直观的反映各城市创新效率水平的空间关联格局。本文以2006年、 2012年和2015年作为研究节点， 分别做出各城市创新效率LISA集聚图， 将长江经济带城市创新效率水平分37长江经济带城市创新效率差异及空间演化特征研究2017/6 江苏社会科学为四种空间演化模式： 高高集聚 （H-H） 指创新效率水平高的城市被周围创新效率水平高的城市包围；低低集聚 （L-L） 指创新效率水平低的城市被周围创新效率水平低的城市包围； 高低集聚 （H-L） 指创新效率水平高的城市被周围创新效率水平低的城市包围； 低高集聚 （L-H

16、） 指创新效率水平低的城市被周围创新效率水平高的城市包围。如图4， 创新效率的空间特征随着时间变化存在不同程度的演变。集聚模式始终呈现 “东高西低” 的空间格局， 集聚程度则表现为H-H集聚区和L-L集聚区出现明显的收缩，“极化效应” 逐渐减弱。a. 空间集聚模式H-H集聚区主要由东部地区城市组成， L-L集聚区主要由西部地区城市组成， 呈现出明显的 “东高西低” 空间格局。东部长三角地区是我国经济发展速度最快的地区之一， 工业基础雄厚、 商品经济发达、 水陆交通方便、 国际资本和民间资本大量积聚， 并且周围形成一批 “小巨人” 城市为 “长三角” 都市圈了带来丰富性和层次感的县域经济， 使城市极具活力与竞争力。因此该区域通过优越的创新基础和创新环境， 实现了很好的扩散效应和示范效应， 促进了周边城市创新水平的发展， 相互之间存在明显的空间依赖关系。而西部地区较