牛沖槐，宋 磊

(太原理工大學 經(jīng)濟管理學院，山西 太原 030024)

一、引言

創(chuàng)新是一個國家經(jīng)濟增長的前提[1]，一個國家創(chuàng)新能力的強弱將決定國家的經(jīng)濟發(fā)展水平，而人才是創(chuàng)新的主體，一個國家是否具備創(chuàng)新能力，很大程度上是由人才決定的。人才并不是孤立存在的，在一定范圍內(nèi)會形成人才聚集現(xiàn)象，產(chǎn)生人才聚集效應(yīng)，因此準確了解人才聚集效應(yīng)對創(chuàng)新的影響是十分必要的。

國外尚未明確提出人才聚集的概念，因此也不存在人才聚集效應(yīng)對創(chuàng)新影響的研究，但國外學者在研究其他事物時提出了一些相關(guān)見解。經(jīng)濟學家ROSEN認為人與人關(guān)聯(lián)性的增加會增強知識累積能力[2]，這種知識的累積會對創(chuàng)新產(chǎn)生積極影響。人才聚集恰好為增加人與人的關(guān)聯(lián)提供了條件，因此人才聚集會促進創(chuàng)新的產(chǎn)生。此外，還有學者從產(chǎn)業(yè)人力資產(chǎn)角度探討了這一問題。J.H.LOVE 和S.ROPER認為產(chǎn)業(yè)聚集所導致的人力資本聚集與集群技術(shù)創(chuàng)新活動有很強的正相關(guān)關(guān)系[3]。R.BAPTISTA指出企業(yè)、研究機構(gòu)、大學在形成集群之后，由于其從業(yè)人員大都具有較高的知識水平，會形成科技型人力資本聚集，使區(qū)域內(nèi)創(chuàng)新活動大量增加，增強了創(chuàng)新效應(yīng)[4]。

國內(nèi)就人才聚集對創(chuàng)新影響的研究也不多，但相對來說概念較為明確。文獻[5]在提出人才聚集效應(yīng)的同時暗示了其八個子效應(yīng)存在著某種關(guān)聯(lián)，即人才聚集的某些效應(yīng)對創(chuàng)新效應(yīng)是有影響的，但是沒有進行進一步描述。芮雪琴等通過研究創(chuàng)新網(wǎng)絡(luò)中的科技型人才聚集效應(yīng)，發(fā)現(xiàn)創(chuàng)新網(wǎng)絡(luò)中的技能凈增量與知識存量是人才聚集效應(yīng)的體現(xiàn)，這意味著人才聚集在創(chuàng)新網(wǎng)絡(luò)中扮演著促進者的角色[6]。郭麗芳等以山西省為例研究了科技投入對科技型人才聚集效應(yīng)的影響，認為科技投入會促進科技型人才的創(chuàng)新[7]。

通過文獻梳理發(fā)現(xiàn)，雖然人才聚集效應(yīng)與創(chuàng)新存在著顯著的關(guān)聯(lián)性，但國內(nèi)外對其研究并不是很充分，因此，本文試圖以人才聚集效應(yīng)為視角，利用空間計量經(jīng)濟學方法，以揭示區(qū)域創(chuàng)新效應(yīng)的空間特性，以及人才聚集效應(yīng)對其的影響。

二、人才聚集效應(yīng)對創(chuàng)新的影響分析及假設(shè)提出

人才聚集效應(yīng)是在人才聚集現(xiàn)象的基礎(chǔ)上形成的。所謂人才聚集現(xiàn)象，指在一定的時間內(nèi)，隨著人才流動，大量同類型或者相關(guān)人才按照一定關(guān)系，在某一地區(qū)或某一行業(yè)所形成的聚類現(xiàn)象[5]。大量人才聚集在一起，在適宜環(huán)境作用下，容易具有人才聚集的經(jīng)濟性，即出現(xiàn)人才聚集效應(yīng)。人才聚集效應(yīng)可以分為組織效應(yīng)、環(huán)境效應(yīng)與成員自身效應(yīng)三大方面，在此基礎(chǔ)上又細分為信息共享效應(yīng)、集體學習效應(yīng)、知識溢出效應(yīng)、規(guī)模效應(yīng)、時間效應(yīng)、激勵效應(yīng)、區(qū)域效應(yīng)、創(chuàng)新效應(yīng)八個子效應(yīng)[5]。這八個子效應(yīng)并不是各自孤立存在的，而是相互作用、相互影響的，本文主要分析各個效應(yīng)對創(chuàng)新效應(yīng)的影響。

信息共享效應(yīng)指人才聚集條件下信息獲得者會提供免費或者價格低廉的信息給大家使用。知識的積累和獲得是創(chuàng)新的基礎(chǔ)，易得且價格低廉的信息為人才獲取知識進行創(chuàng)新提供了一個途徑。隨著人才聚集程度的加大，提供的信息量會越來越大，而由人才聚集所造成的人才交流，會使被共享的信息進一步擴大，為創(chuàng)新提供了有效的知識儲備。為此提出假設(shè)H1：信息共享效應(yīng)會促進創(chuàng)新效應(yīng)的產(chǎn)生。

知識溢出效應(yīng)指人才聚集過程中會產(chǎn)生知識的溢出，特別是隱性知識的溢出。隱性知識是難以傳遞的，人才的聚集為人才相互交流提供了條件，隨著人才之間的交流增多，隱形知識傳遞的機會也就增多，產(chǎn)生的溢出效應(yīng)也就越大。由于隱性知識所包含的技巧方法較多，因此在知識生產(chǎn)中起的作用也越大，對創(chuàng)新的推動作用也就越突出。為此提出假設(shè)H2：知識溢出效應(yīng)能促進創(chuàng)新效應(yīng)。

集體學習效應(yīng)指知識溢出的聯(lián)動效應(yīng)。人才聚集條件下，人們?yōu)榱双@取知識，會更愿意創(chuàng)造一種積極學習機會，以期得到更多的知識，集體學習效應(yīng)的增強意味著交換知識機會的增多，有助于推動知識溢出效應(yīng)的產(chǎn)生，溢出知識越多對創(chuàng)新推動越大。為此提出假設(shè) H3：集體學習效應(yīng)有助于創(chuàng)新效應(yīng)。

激勵效應(yīng)是隨著人才聚集程度的加大而產(chǎn)生，人才聚集所產(chǎn)生的激勵與競爭是共生的關(guān)系，人才的增多會導致競爭，而競爭的本質(zhì)是優(yōu)勝劣汰。人才為了避免被淘汰會進行自我提高，努力提升自身的能力和知識水平，而人才是創(chuàng)新的主體，這種自身能力和知識水平的提高會有助于創(chuàng)新效應(yīng)的產(chǎn)生。為此提出假設(shè)H4：激勵效應(yīng)會促進創(chuàng)新效應(yīng)。

時間效應(yīng)指人才所攜帶知識的時效性。當代社會科學技術(shù)飛速發(fā)展，知識更新速度加快，不同時效性的知識對創(chuàng)新的作用是不同的。新的、前沿性的知識對創(chuàng)新的推動力較大，而陳舊、將要淘汰的知識對創(chuàng)新的推動力較弱甚至沒有，因此，知識的時效性很大程度決定了創(chuàng)新是否成功。為此提出假設(shè)H5：時間效應(yīng)的增強會促進創(chuàng)新效應(yīng)。

規(guī)模效應(yīng)指隨著人才規(guī)模的增加，人才聚集效應(yīng)才會產(chǎn)生，才會發(fā)展。量變引起質(zhì)變，事物只有達到一定規(guī)模才能引起質(zhì)的變化。隨著人才規(guī)模的擴大，人才之間的交流會增多，信息的共享強度會增強，共享知識的數(shù)量會加大。而由此產(chǎn)生的知識溢出也會隨著人才交流的增多而增多，各種人才聚集效應(yīng)會連鎖式系統(tǒng)性的提升，根據(jù)知識生產(chǎn)理論[8-9]，由人才聚集所導致的知識投入增加，以及人員增加會提升創(chuàng)新效應(yīng)。為此提出假設(shè)H6：規(guī)模效應(yīng)的提升會促進創(chuàng)新效應(yīng)。

區(qū)域效應(yīng)指人才各種社會生產(chǎn)活動的區(qū)域特征，人才聚集效應(yīng)的區(qū)域特征主要是指區(qū)域經(jīng)濟特征。區(qū)域經(jīng)濟的發(fā)展意味著可支配資源的增多，政府和企業(yè)會更有能力增加創(chuàng)新投入，創(chuàng)新投入的增加會導致區(qū)域創(chuàng)新效應(yīng)提升，而區(qū)域經(jīng)濟的發(fā)展還會帶動人才流動，為人才提供更適宜的環(huán)境，綜合提升人才聚集效應(yīng)。這些效應(yīng)會系統(tǒng)性的提升，最終導致區(qū)域創(chuàng)新效應(yīng)的增強。為此提出假設(shè)H7：區(qū)域效應(yīng)的提升會促進創(chuàng)新效應(yīng)。

三、創(chuàng)新的空間特性與空間計量經(jīng)濟學模型

對創(chuàng)新的傳統(tǒng)研究大多采用時序數(shù)據(jù)進行分析，忽略了創(chuàng)新的空間特性，鄰近區(qū)域的創(chuàng)新活動能夠相互影響。傳統(tǒng)的計量經(jīng)濟學方法無法衡量這種地理鄰近性所帶來的相互作用，但空間計量經(jīng)濟學很好地解決了這一問題。依據(jù)ANSELIN的觀點，空間計量經(jīng)濟學是研究由空間導致的各種特性的區(qū)域科學模型統(tǒng)計分析方法[10]。本文以人才聚集效應(yīng)為角度進行創(chuàng)新效應(yīng)的空間計量分析，采用Moran指數(shù)法檢驗創(chuàng)新效應(yīng)是否具有空間自相關(guān)性，如果具有，則運用空間計量經(jīng)濟學模型，進行區(qū)域創(chuàng)新效應(yīng)的相關(guān)空間計量分析。

(一)空間自相關(guān)與創(chuàng)新效應(yīng)空間計量分析的方法

通常認為，鄰近地區(qū)的同一現(xiàn)象存在相關(guān)性，空間相關(guān)性的證實打破了經(jīng)典統(tǒng)計分析中相互獨立的基本假設(shè)，彌補了空間相關(guān)分析的空白。檢驗區(qū)域創(chuàng)新效應(yīng)的空間相關(guān)性是否存在，空間計量經(jīng)濟學在分析時引入了Moran’s I指數(shù)的概念[11]，Moran’s I指數(shù)是一種分析空間相關(guān)性現(xiàn)象的統(tǒng)計分析技術(shù)，其定義如下：

(1)

Moran’s I指數(shù)可以看成各個區(qū)域觀測值的乘積之和，取值范圍為-1

(二)空間滯后模型、空間誤差模型及估計技術(shù)

1.空間滯后模型[12]

空間滯后模型，即空間自回歸模型(SLM)，其主要功能是探討各個變量在該地區(qū)是否有擴散現(xiàn)象，其表達式為：

Y=ρWY+Xβ+ε.

(2)

式中，Y為因變量；X為n×k的外生解釋變量矩陣；ρ為空間回歸的相關(guān)系數(shù)；W為n×n階的空間權(quán)重值矩陣，一般采用鄰接矩陣；WY為空間滯后因變量；ε為隨機誤差項向量。

2.空間誤差模型[12]

空間誤差模型，即空間自相關(guān)模型(SEM)，其作用是度量鄰接區(qū)域因變量的誤差沖擊對本區(qū)域觀測值的影響，其數(shù)學表達式為：

Y=Xβ+ε.

(3)

ε=λWε+μ.

(4)

式中，ε為隨機誤差項向量；λ為n×1的截面因變量空間誤差系數(shù)；μ為正態(tài)分布的隨機誤差向量；參數(shù)λ用以衡量樣本觀察中的空間依賴作用，即相鄰地的觀測值對本地的觀測值的影響方向和程度；參數(shù)β反映了自變量X對Y的影響。

3.估計技術(shù)

空間依賴性的估計比時間序列估計要復雜，OLS估計由于其有偏性是不準確的，因此，20世紀60-80年代許多學者研究了空間計量經(jīng)濟學的模型估計，到80年代以后，極大似然估計成為文獻主流的估計方法，因此本文也采用ANSELIN建議的極大似然法來估計SLM和SEM參數(shù)[10]。

4.空間自相關(guān)檢驗及SLM、SEM的選擇

Moran’s I檢驗只能對空間自相關(guān)的存在性進行檢驗，而要確定具體使用哪一個模型，則需要進行LM-lag檢驗和LM-error檢驗[12]。ANSELIN提出了以下判別標準：若空間相關(guān)性檢驗中的LMLAG比LMERR顯著，并且R-LMAGE顯著而R-LMERR不顯著，則應(yīng)采用空間滯后模型；反之，則應(yīng)采用空間誤差模型[10]。另外，在檢測模型的顯著性方面，傳統(tǒng)的OLS回歸主要采用R2擬合優(yōu)度、自然對數(shù)似然函數(shù)值、赤池信息準則等，這些方法同樣適用于SLM與SEM模型的檢驗。

四、變量選取、模型設(shè)定及數(shù)據(jù)來源

為了驗證上文所提出的假設(shè)，本文基于文獻[5]提出的人才聚集效應(yīng)，用專利授權(quán)量(Y)作為創(chuàng)新效應(yīng)的代理變量，亦是本文的被解釋變量；公共圖書館藏書量(X1)作為信息共享效應(yīng)的代理變量；R&D課題數(shù)(X2)作為知識溢出效應(yīng)的代理變量；以集體學習場所數(shù)量(即高校與科研機構(gòu)數(shù)量X3)作為集體學習效應(yīng)的代理變量；以高級職業(yè)技能證書獲得人數(shù)(X4)作為激勵效應(yīng)的代理變量；以國內(nèi)外科技論文發(fā)表增量(X5)作為時間效應(yīng)的代理變量；以研究與試驗發(fā)展(R&D)人員全時當量(人年)(X6)作為規(guī)模效應(yīng)的代理變量；以人均GDP(X7)作為區(qū)域效應(yīng)的代理變量，設(shè)立雙對數(shù)模型：

lnY=β0+β1lnX1+β2lnX2+β3lnX3+β4lnX4+β5lnX5+β6lnX6+β7lnX7+εi.

式中：β為回歸參數(shù)；i為1，2，…，31個省域；ε為隨機誤差項。

研究中所用的中國省域矢量地圖主要通過ArcGis9.3制作，隨后運用GEODA0.9.5.i軟件，將2009年31省市自治區(qū)的數(shù)據(jù)建立空間計量經(jīng)濟學模型，用以檢驗省域創(chuàng)新效應(yīng)的空間相關(guān)性，以及人才聚集各效應(yīng)對創(chuàng)新效應(yīng)的影響。本文中所用數(shù)據(jù)均來自《2010中國統(tǒng)計年鑒》。

五、創(chuàng)新效應(yīng)的空間統(tǒng)計描述

空間相關(guān)是指觀測值與區(qū)位的一致性，即當一個地區(qū)的經(jīng)濟數(shù)據(jù)值較高時，周圍地區(qū)的經(jīng)濟數(shù)據(jù)值也會相應(yīng)高。為了驗證省域創(chuàng)新效應(yīng)的空間相關(guān)關(guān)系，本文采取Moran’s I指數(shù)法測算創(chuàng)新效應(yīng)的空間相關(guān)性，其中空間權(quán)重采用一階權(quán)重，測得Moran’s I為0.383 4，Moran Z為3.513 5，Z值超過了1.96，說明在0.05概率下的創(chuàng)新效應(yīng)的空間相關(guān)性是顯著的。為了更形象地展示省域創(chuàng)新集聚特征的存在，本文使用GeoDA0.9.5.i軟件計算并給出了區(qū)域Moran’s I指數(shù)的散點圖(見圖1)。上述結(jié)果表明我國省域創(chuàng)新效應(yīng)具有明顯的正空間相關(guān)關(guān)系，省域創(chuàng)新效應(yīng)強的地區(qū)其周圍地區(qū)創(chuàng)新效應(yīng)也強，創(chuàng)新效應(yīng)弱的地區(qū)其周圍地區(qū)創(chuàng)新效應(yīng)也弱，形成了創(chuàng)新效應(yīng)的空間集群現(xiàn)象。

圖1 Moran’s I散點圖

六、空間計量實證檢驗與結(jié)果分析

(一)模型的實證檢驗

上述結(jié)果已經(jīng)證明了2009年31個省域之間創(chuàng)新效應(yīng)存在著較強的空間相關(guān)性，說明本文以空間計量經(jīng)濟學方法來研究這個問題是恰當?shù)?，接下來將要探索人才聚集其他效?yīng)是否影響創(chuàng)新效應(yīng)，以及影響程度如何。由此需要進行空間估計與結(jié)果檢驗，為了更好地說明空間模型要比傳統(tǒng)的OLS檢驗優(yōu)良，本文先進行傳統(tǒng)的OLS檢驗，結(jié)果見表1。

通過OLS檢驗結(jié)果可知，模型的擬合度較好，能夠解釋這個問題。為了進一步進行空間計量經(jīng)濟

學分析，需要確定運用哪個空間模型，根據(jù)上文介紹的ANSELIN提出的判別標準[10]，結(jié)合表1數(shù)據(jù)發(fā)現(xiàn)：LMERR檢驗較之LMAGE檢驗更為顯著，R-LMAGE檢驗與R-LMERR檢驗同樣都是顯著的，因此ANSELIN的判別方法在此處失效，無法確定具體運用哪一個模型，所以本文將兩個空間模型的檢驗都給出，具體結(jié)果見表2。

表1 OLS檢驗結(jié)果

注：***、**、*分別代表通過了10%、5%、1%水平下的顯著性檢驗。

表2 省域創(chuàng)新效應(yīng)全域空間估計

注：***、**、*分別代表通過了10%、5%、1%水平下的顯著性檢驗。

由表2中兩種估計方式的結(jié)果可以看出，SLM與SEM估計的R2值均大于0.8，AIC、SC檢驗等都在適宜范圍內(nèi)，說明運用空間計量經(jīng)濟學模型可以很好地解釋問題，其中SEM模型的檢驗值要優(yōu)于SLM模型。無論R2、LOGL、AIC、SC檢驗還是各個指標的顯著性上，兩個空間模型都比OLS估計要優(yōu)良，說明考慮空間權(quán)重的SLM與SEM模型比不考慮權(quán)重的OLS估計要合理。比較SLM與SEM檢驗的結(jié)果發(fā)現(xiàn)，信息共享效應(yīng)在兩個檢驗中的符號相反，說明考慮空間滯后與考慮空間自相關(guān)時，信息共享效應(yīng)對創(chuàng)新效應(yīng)的影響是不同的，其影響究竟如何，本方法無法給出精確的判斷，因此不對H1進行判斷。知識溢出在兩個檢驗中的系數(shù)都為正，但是都不夠顯著，說明知識溢出對創(chuàng)新效應(yīng)的影響是正向的，但是在顯著性上不強，與H2的分析基本一致。集體學習效應(yīng)在兩個檢驗中系數(shù)都為負，并且顯著，因此H3被拒絕。激勵效應(yīng)在兩個檢驗中的系數(shù)都為負，但不顯著，因此拒絕H4。時間效應(yīng)在兩個檢驗中的系數(shù)為負，其中SLM檢驗結(jié)果顯著，這說明知識有效性的提升并沒有顯著改善創(chuàng)新效應(yīng)，因此拒絕H5，這可能是由于知識的使用需要與實際社會生產(chǎn)情況相結(jié)合，過于先進的理論在短期內(nèi)很難形成有效的技術(shù)成果，也很難推動社會經(jīng)濟發(fā)展。規(guī)模效應(yīng)在兩個檢驗中系數(shù)都為正且顯著，因此接受H6。本文對創(chuàng)新效應(yīng)的衡量是用專利數(shù)量做代理變量，而人才規(guī)模的擴大導致創(chuàng)新活動的增多，作為創(chuàng)新產(chǎn)出的專利數(shù)量也會因此提升。區(qū)域效應(yīng)在兩個檢驗中符號相反，因此無法對H7進行判斷。

(二)結(jié)論

(1)省域創(chuàng)新效應(yīng)具有正的空間相關(guān)關(guān)系，出現(xiàn)了一定的空間聚集現(xiàn)象。(2)人才聚集效應(yīng)中知識溢出效應(yīng)、規(guī)模效應(yīng)對創(chuàng)新效應(yīng)有正向推動作用，而集體學習效應(yīng)、激勵效應(yīng)與時間效應(yīng)則對創(chuàng)新效應(yīng)有負向作用，信息共享效應(yīng)與區(qū)域效應(yīng)的作用效果較為復雜，無法判斷。(3)雖然經(jīng)典的OLS模型與空間計量模型的估計結(jié)果基本一致，但考慮了空間權(quán)重的空間滯后模型在R2擬合度、AIC檢驗及整體的顯著性上都比傳統(tǒng)的OLS估計要好，這種改善對解釋人才聚集效應(yīng)對創(chuàng)新的影響更有說服力。

參考文獻：

[1] 約瑟夫·阿洛斯·熊彼特.經(jīng)濟周期循環(huán)論[M].北京：中國長安出版社，2009.

[2] ROSEN S.Specialization and Human Captial[J].Journal of Labor Economics，1983(1)：43-49.

[3] J·H·Love，S·Roper.Location and Network Effects on Innovation Success：Evidence for UK，German and Irish Manufacturing Plants[J].Research Policy，2001(4)：643-662.

[4] R·Baptista.Research Round Up：Industrial Clusters and Technological Innovation[J].Business Strategy Review，1996(2)：59-64.

[5] 牛沖槐，接 民，張 敏，等.人才聚集效應(yīng)及其評判[J].中國軟科學，2006(4)：118-123.

[6] 芮雪琴，牛沖槐，陳新國，等.創(chuàng)新網(wǎng)絡(luò)中科技人才聚集效應(yīng)的測度及產(chǎn)生機理[J].科技進步與對策，2011(18)：146-151.

[7] 郭麗芳，楊彥超，牛沖槐，等.山西省科技投入對科技型人才聚集效應(yīng)的影響研究[J].科技進步與對策，2011(5)：49-53.

[8] GRILICHES Z.Issues in Assessing the Contribution of R&D to Productivity Growth[J].Bell Journal of Economics，1979(1)：92-116.

[9] GRILICHES Z.Productivity，R&D，and Basic Research at the Firm Level in the 1970s[J].American Economic Review，1986(1)：141-154.

[10] ANSELIN L.Spatial Econometrics：Methods and Models[M].Dordrecht：Kluwer Academic Publishers，1988.

[11] 王立平，萬倫來.計量經(jīng)濟學理論與應(yīng)用[M].合肥：合肥工業(yè)大學出版社，2008.

[12] LESAGE J P.The Theory and Practice of Spatial Econometrics[M].University of Toledo，1999.