向興華 武曉娜 孫麗昕

一、引言

粵港澳大灣區(qū)作為我國開放程度最高、經(jīng)濟活力最強的區(qū)域之一，在國家發(fā)展中具有重要的戰(zhàn)略地位。2019年2月，中共中央、國務院印發(fā)《粵港澳大灣區(qū)發(fā)展規(guī)劃綱要》，提出將粵港澳大灣區(qū)建設成“具有全球影響力的國際科技創(chuàng)新中心”。這就要求粵港澳大灣區(qū)瞄準世界科技發(fā)展前沿，面向國家重大發(fā)展需求，大力發(fā)展新技術、新產(chǎn)業(yè)，打造具有國際競爭力的高技術產(chǎn)業(yè)集群。其中，高校作為人才培養(yǎng)和科學研究的主體，對灣區(qū)創(chuàng)新發(fā)展有著重要的支撐和引領作用?？v觀世界三大灣區(qū)，都有世界級大學集群，尤其是高水平大學集群，能為其提供強大的人才保障和智力支撐。與之相比，粵港澳大灣區(qū)雖集聚了眾多高校，具備一定的體量，但高校與產(chǎn)業(yè)發(fā)展的互動性不強、對科技創(chuàng)新的支撐性不夠，沒有發(fā)揮出明顯的“集聚-溢出”效應，尚處于集而不群的狀態(tài)?？梢哉f，高等教育仍是粵港澳大灣區(qū)最為突出的短板。因此，研究粵港澳大灣區(qū)高等教育集聚對科技創(chuàng)新的空間效應，有助于推動高等教育集群發(fā)展，使其更好地服務于灣區(qū)國際科技創(chuàng)新中心的建設，具有重要的理論與現(xiàn)實意義。

二、文獻綜述

大學是知識生產(chǎn)和傳播的關鍵場所，其在區(qū)域上的集聚有利于知識更好地溢出，從而對區(qū)域創(chuàng)新產(chǎn)生影響。國外學者在此方面已有深入研究，如Cowan等實證分析了大學擴張對地方產(chǎn)業(yè)創(chuàng)新的影響，發(fā)現(xiàn)平均來講創(chuàng)辦一所新學校會使地區(qū)企業(yè)專利申請數(shù)變化7%。Kantor等量化了研究型大學集聚溢出的程度和規(guī)模，發(fā)現(xiàn)大學活動會對當?shù)仄髽I(yè)和工人產(chǎn)生持續(xù)的溢出效應，但影響十分有限，技術上更接近大學的企業(yè)獲得的溢出效應更大。在大學知識溢出影響區(qū)域創(chuàng)新的機制方面，Orlando等發(fā)現(xiàn)大學與區(qū)域創(chuàng)新之間的相關性是通過大學與區(qū)域人力資本之間的正相關來關聯(lián)的。Ponds等認為除了本地化溢出外，大學與產(chǎn)業(yè)的遠距離研究合作網(wǎng)絡也是重要的知識溢出機制。Fukugawa研究發(fā)現(xiàn)，大學對企業(yè)存在不同類型的知識溢出渠道，吸收能力較強的大公司可以通過長期、個人和非正式的關系從大學研究中獲得溢出，而吸收能力較弱的小公司則通過地方公共技術中心的技術擴散獲得溢出。

隨著我國高等教育的快速發(fā)展，集聚已經(jīng)成為高等教育的一個普遍現(xiàn)象，引起了國內(nèi)學者的廣泛關注。潘海生等認為，高校集聚現(xiàn)象的本質(zhì)是集群，集聚體內(nèi)的這些高校并不是相互孤立的，而是通過正式和非正式的關系使各種資源得到有效的共享與整合，從而獲得創(chuàng)新優(yōu)勢。可以說，集聚所帶來的這種優(yōu)勢非常強大，當知識集聚到一定程度時會向外輻射，產(chǎn)生溢出效應，從而影響整個區(qū)域乃至國家的發(fā)展。吳衛(wèi)紅等研究發(fā)現(xiàn)，高校創(chuàng)新要素只有在適度范圍內(nèi)集聚才能對本區(qū)域創(chuàng)新效率產(chǎn)生正向影響。何宜慶等通過構建面板分位數(shù)回歸模型，發(fā)現(xiàn)高等教育空間集聚在不同分位點下均正向促進創(chuàng)新績效提升。此外，王家庭等、朱芮瑤、陳林心的研究也表明，高等教育集聚能顯著影響區(qū)域創(chuàng)新能力，但影響效果存在地區(qū)差異。在影響機制方面，學者們從不同角度展開了研究，如易銳研究表明我國大學主要通過技術轉(zhuǎn)讓和校辦產(chǎn)業(yè)等大學創(chuàng)業(yè)活動來促進高技術產(chǎn)業(yè)的發(fā)展。郭泉恩等指出科技人才和校企合作是高校知識溢出促進區(qū)域創(chuàng)新的主要途徑。張華基于演化博弈理論發(fā)現(xiàn)在長期協(xié)同創(chuàng)新中，產(chǎn)學研三方機構最終會采用充分合作策略，且知識溢出的增加有利于進一步促進穩(wěn)定合作關系的形成。

梳理上述文獻可以發(fā)現(xiàn)，國內(nèi)外學者在高等教育集聚與溢出方面展開了大量研究，從不同層面分析了其對區(qū)域創(chuàng)新的影響效果和作用機制，但國內(nèi)研究尺度以東中西三大區(qū)域和各省市為主，且大多采用傳統(tǒng)面板數(shù)據(jù)模型，忽視了高等教育與科技創(chuàng)新的空間特征，較少有研究采用空間計量模型對高等教育集聚影響科技創(chuàng)新的空間效應進行分解。對粵港澳大灣區(qū)來說，學者們主要從高等教育融合發(fā)展、教育合作、高校集群、經(jīng)驗借鑒等理論層面展開研究，針對高等教育的空間集聚與溢出效應，大多學者只是在文中泛泛提及，較少對其展開具體分析，實證研究更是匱乏。然而，粵港澳大灣區(qū)各城市高等教育與科技創(chuàng)新發(fā)展差異較大，其空間效應不容忽視。因此，本文以粵港澳大灣區(qū)為研究區(qū)域，基于其2010-2019年的面板數(shù)據(jù)，先進行空間自相關檢驗，厘清高等教育集聚與科技創(chuàng)新的空間分布特征，再構建空間計量模型，分解高等教育集聚影響科技創(chuàng)新的空間效應，為推動灣區(qū)高等教育集群發(fā)展、提升整體科技創(chuàng)新水平提供參考。

三、研究方法與數(shù)據(jù)說明

(一)研究方法

1.高等教育集聚測度

集聚的測度有多種方法，本文借鑒大多數(shù)學者的做法，采用區(qū)位熵指數(shù)來測算高等教育集聚水平，其值越大，表明該地區(qū)高等教育集聚水平越高。已有研究大多通過高等學校在校生人數(shù)來計算高等教育集聚區(qū)位熵指數(shù)，但教師也是高校開展科學研究的重要主體，因此，為綜合考慮學生和教師的作用并消除由數(shù)量級差異產(chǎn)生的影響，本文先分別測算學生集聚和教師集聚的區(qū)位熵指數(shù)，以衡量其集聚水平，再對二者進行加權求和，以衡量高等教育整體集聚水平。計算公式如下：

(1)學生集聚區(qū)位熵指數(shù)

(1)

(2)教師集聚區(qū)位熵指數(shù)

(2)

(3)高等教育集聚區(qū)位熵指數(shù)

,=05,+05,

(3)

其中，和分別表示區(qū)域和灣區(qū)全域在時期的普通高等學校在校生人數(shù)，和分別表示區(qū)域和灣區(qū)全域在時期的普通高等學校專任教師數(shù)，和分別表示區(qū)域和灣區(qū)全域在時期的年末常住人口數(shù)。

2.空間自相關檢驗

(1)全局空間自相關。常用全局Moran’s I指數(shù)檢驗，以反映變量在整個研究區(qū)域的分布情況，其計算公式如下:

(4)

該指數(shù)的取值范圍是[-1,1]，顯著為正、負分別表示空間正相關、負相關，絕對值越大相關性越強；0表示空間不相關，觀測值呈隨機分布。

(2)局部空間自相關。常用局部Moran’s I指數(shù)檢驗，以反映變量在研究區(qū)域內(nèi)部即局部地區(qū)之間的相關特征，其計算公式如下：

(5)

式中各變量含義與前述相同。該指數(shù)顯著為正表示要素屬性相似的地區(qū)相鄰，即存在正的空間依賴性；顯著為負表示要素屬性相異的地區(qū)相鄰，即存在負的空間依賴性。

3.空間計量模型設定

為探究粵港澳大灣區(qū)不同城市間高等教育集聚與科技創(chuàng)新的交互作用，本文采用空間計量模型進行實證分析，目前常用的有以下三種：

(1)空間滯后模型(SLM)。該模型用于檢驗被解釋變量是否存在空間溢出效應，其模型表達式如下：

(6)

(2)空間誤差模型(SEM)。該模型用于檢驗隨機誤差項中的空間依賴性，其模型表達式如下：

(7)

(3)空間杜賓模型(SDM)。該模型同時考慮了被解釋變量和解釋變量的空間滯后項，是SLM和SEM的一般形式，其模型表達式如下：

(8)

在公式(6)～(8)中，和分別表示地區(qū)和時間，表示空間單元的個數(shù)，表示被解釋變量，表示解釋變量(包括核心解釋變量和控制變量)，表示解釋變量參數(shù)，表示空間權重矩陣中的元素，表示誤差項，表示空間自回歸系數(shù)，表示誤差項空間自相關系數(shù)，表示解釋變量空間自相關系數(shù)，為服從正態(tài)分布的隨機誤差向量。

(二)數(shù)據(jù)說明

1.變量選取

(1)被解釋變量：科技創(chuàng)新水平(PAT)。衡量區(qū)域科技創(chuàng)新水平的指標有多種，但考慮到數(shù)據(jù)的代表性和可及性，專利是學者們最為常用的指標之一。專利是將知識應用于市場的關鍵，其從發(fā)明到授權基本上貫穿科技創(chuàng)新的整個過程，相比于申請量，授權量更能真實地反映出一個地區(qū)的科技實力和產(chǎn)出水平。因此，本文以各城市每萬(常住)人口專利授權量取對數(shù)來衡量其科技創(chuàng)新水平。

(2)核心解釋變量：學生集聚水平()和教師集聚水平()。科技創(chuàng)新的主體是人，在高校中則體現(xiàn)為學生和教師這兩類人，因此，本文將高等教育集聚分為學生集聚和教師集聚兩個維度，分別用其區(qū)位熵指數(shù)來衡量，以考察其對科技創(chuàng)新的影響。

(3)控制變量：①經(jīng)濟發(fā)展水平(PGDP)，用人均GDP取對數(shù)來衡量。地區(qū)經(jīng)濟發(fā)展水平不同，對科技創(chuàng)新的需求和投入也不同，這將直接影響科技創(chuàng)新的發(fā)展，故將其納入控制變量。②產(chǎn)業(yè)結構(STRU)，用第三產(chǎn)業(yè)產(chǎn)值占GDP比重來衡量?？萍紕?chuàng)新能推動產(chǎn)業(yè)結構的轉(zhuǎn)型升級，反之產(chǎn)業(yè)結構也會影響科技創(chuàng)新的發(fā)展變化，因此將其加入模型。③研發(fā)投入強度(R&D)，用全社會R&D經(jīng)費內(nèi)部支出占GDP比重來衡量。研發(fā)投入是區(qū)域創(chuàng)新的直接動力來源，其強度體現(xiàn)了一個地區(qū)開展科技創(chuàng)新的能力，在模型中需加以考慮。④政府支持力度(GOV)，用財政科學技術支出占比來衡量政府對科技的支持力度()，用財政教育支出占比來衡量政府對教育的支持力度()。政府對科技和教育的支持力度體現(xiàn)了其發(fā)展科技和教育的決心，這對地區(qū)的創(chuàng)新發(fā)展尤為重要，故將其加入模型。

2.數(shù)據(jù)來源與處理

本文選取粵港澳大灣區(qū)11個城市2010-2019年的面板數(shù)據(jù)進行分析。其中，廣東9市的數(shù)據(jù)來自各市《統(tǒng)計年鑒》、《國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》，以及《廣東統(tǒng)計年鑒》、廣東省市場監(jiān)督管理局、廣東科技統(tǒng)計網(wǎng)公布的統(tǒng)計數(shù)據(jù)。香港、澳門的專利數(shù)據(jù)來自《中國統(tǒng)計年鑒》，香港其余數(shù)據(jù)來自香港政府統(tǒng)計處、大學教育資助委員會以及各高校官網(wǎng)公布的統(tǒng)計資料，澳門其余數(shù)據(jù)來自澳門統(tǒng)計暨普查局和聯(lián)合國教科文組織統(tǒng)計研究所公布的統(tǒng)計資料，貨幣類數(shù)據(jù)分別以當年平均匯率換算成人民幣。由于港澳地區(qū)部分數(shù)據(jù)統(tǒng)計標準與內(nèi)地不同，本文依據(jù)各變量含義對其進行整理后得到對應數(shù)據(jù)。

四、實證分析

(一)空間相關性分析

1.全局空間自相關分析

為從整體上判斷粵港澳大灣區(qū)高等教育集聚與科技創(chuàng)新是否存在空間相關性，本文分別基于標準化后的地理鄰接權重矩陣和經(jīng)濟距離權重矩陣，根據(jù)公式(4)依次測算全局Moran’s I指數(shù)，結果如表1所示。

表1 全局空間自相關Moran’s I指數(shù)

從表1可以看出，采用地理鄰接權重矩陣時，高等教育集聚與科技創(chuàng)新的Moran’s I指數(shù)均不顯著，說明相鄰城市相關性較弱。而采用經(jīng)濟距離權重矩陣時，高等教育集聚與科技創(chuàng)新的Moran’s I指數(shù)基本都在10%的水平下顯著為正，說明二者均存在顯著的空間正相關性。由此可見，相比于地理鄰接權重矩陣，經(jīng)濟距離權重矩陣下的空間自相關性更強，說明粵港澳大灣區(qū)的高等教育集聚更傾向于一種經(jīng)濟空間上的集聚，科技創(chuàng)新也更傾向于向經(jīng)濟發(fā)展差距較小的城市溢出。因此，本文基于經(jīng)濟距離權重矩陣進行后續(xù)分析。

從變化趨勢來看，高等教育集聚的Moran’s I指數(shù)基本都在平均值0.167上下浮動，空間相關性整體呈平穩(wěn)態(tài)勢，說明粵港澳大灣區(qū)高等教育集聚表現(xiàn)出相對穩(wěn)定的空間分布格局。科技創(chuàng)新的Moran’s I指數(shù)整體呈上升趨勢，尤其從2013年開始，指數(shù)值和顯著性均有明顯改善，這可能緣于2012年底黨的十八大明確提出要實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，灣區(qū)各城市為積極響應國家政策，不斷加大科技創(chuàng)新投入力度，加快科技體制機制改革，致力于營造良好的科技創(chuàng)新環(huán)境，以提高自主創(chuàng)新能力，從而導致灣區(qū)科技創(chuàng)新的空間相關性明顯增強。由于灣區(qū)各城市科技創(chuàng)新的發(fā)展水平和發(fā)展速度不一，導致Moran’s I指數(shù)也會存在一定程度的上下波動，空間相關性在某些年份有所減弱，但從整體來看仍呈上升態(tài)勢。

2.局部空間自相關分析

上述全局分析反映的是灣區(qū)整體情況，并不能體現(xiàn)各城市間的具體關系。因此，本文利用公式(5)測算了灣區(qū)高等教育集聚與科技創(chuàng)新的局部Moran’s I指數(shù)，并畫出散點圖，來進一步分析城市間的空間集聚特征及變化情況，如圖1和圖2所示。

(a)2010年

(b)2019年

(a)2010年

(b)2019年

Moran’s I散點圖將分布結果可視化，其四個象限分別代表高高集聚、低高集聚、低低集聚、高低集聚。從圖1可以看出，2010年和2019年粵港澳大灣區(qū)高等教育集聚的空間格局基本相同，各城市均未發(fā)生象限變化。具體來看，廣州、珠海、香港、澳門處于第一象限，計算可知這4個城市的高等教育集聚區(qū)位熵均大于1，說明其高等教育集聚水平較高，同時廣州和珠海、香港和澳門的人均GDP較為相近，說明與其經(jīng)濟距離相近的城市高等教育集聚水平也較高，因此呈高高集聚狀態(tài)。其余7個城市的區(qū)位熵均小于1，意味著高等教育集聚水平較低。其中，深圳和佛山處于第二象限，在經(jīng)濟距離上分別與高等教育集聚水平較高的珠海、廣州相近，屬于低高集聚，但高值地區(qū)缺乏對低值地區(qū)的正向帶動，甚至還可能產(chǎn)生一定的“虹吸效應”?；葜?、東莞、中山、江門、肇慶處于第三象限，各地高校數(shù)量較少且質(zhì)量偏低，難以滿足本地發(fā)展需求，且這5個城市人均GDP較低，在經(jīng)濟距離上彼此相近，因此呈低低集聚狀態(tài)。

從圖2可以看出，2010年和2019年粵港澳大灣區(qū)科技創(chuàng)新的空間格局有所改變，大多數(shù)城市分布在第一、三象限，個別城市發(fā)生了象限變化。分類型來看，廣州、珠海、佛山、東莞、中山一直處于第一象限，這些城市自身科技創(chuàng)新能力較強，屬于高高集聚，其中廣州作為省會城市，匯聚了大量創(chuàng)新資源和創(chuàng)新人才，科技創(chuàng)新水平當屬灣區(qū)前列，其余4個城市雖然在創(chuàng)新規(guī)模上不如廣州，但其人口基數(shù)較小，綜合來看科技創(chuàng)新發(fā)展也處于灣區(qū)較高水平。肇慶、香港、澳門一直處于第三象限，屬于低低集聚，其中肇慶經(jīng)濟發(fā)展水平處于灣區(qū)下游，香港和澳門雖然經(jīng)濟發(fā)展水平高，但分別以金融業(yè)和博彩業(yè)等見長，科技創(chuàng)新水平均較低。在發(fā)生象限變化的城市中，江門從高低集聚變?yōu)榈偷图郏砻鹘陙砥淇萍紕?chuàng)新發(fā)展緩慢，科技創(chuàng)新水平有所下降?；葜菘萍紕?chuàng)新水平一直較低，因其在經(jīng)濟距離上與江門相近，受江門變化的影響，惠州從低高集聚變?yōu)榈偷图?。深圳作為全國首個“標準國際化創(chuàng)新型城市”，科技創(chuàng)新水平一直走在全國前列，并且具有一定的輻射作用，其從高低集聚向高高集聚移動，表明與其經(jīng)濟距離相近的城市科技創(chuàng)新水平升高，受到了來自深圳的正向溢出。

綜合來看，對粵港澳大灣區(qū)內(nèi)部多個城市來說，其高等教育集聚與科技創(chuàng)新的發(fā)展水平一致、分布特征相同，一定程度上說明高等教育與區(qū)域科技創(chuàng)新密切相關。但目前灣區(qū)高等教育集聚水平處于低值的城市居多，其高等教育資源無法滿足本地科技創(chuàng)新進一步發(fā)展的需求，且大多缺乏與高值地區(qū)的有效合作，導致“低值抱團”現(xiàn)象明顯，長此以往，會使城市間科技創(chuàng)新水平的差距進一步擴大。

(二)空間計量模型的選擇

上述Moran’s I指數(shù)檢驗結果表明采用空間計量模型是合理的，但無法指定哪種模型最為合適，因此需要通過以下檢驗來進行最優(yōu)模型的選擇。首先是LM檢驗，判斷采用空間滯后模型還是空間誤差模型。從表2的檢驗結果可知，LM-lag和LM-error均顯著，Robust LM-error顯著而Robust LM-lag不顯著，依據(jù)Anselin等提出的判斷準則，應選擇空間誤差模型。其次，采用Hausman檢驗進行隨機效應和固定效應的選擇，表2顯示，Hausman統(tǒng)計量為125.95，在1%的水平下顯著，說明應選擇固定效應。而固定效應包括時間固定、空間固定、時間空間雙固定，回歸結果顯示在時間固定效應下，三種空間計量模型的擬合優(yōu)度均最大，回歸效果最好，因此應選擇時間固定效應。最后，采用Wald檢驗和LR檢驗判斷空間杜賓模型能否簡化為空間滯后模型或空間誤差模型，表2顯示，Wald和LR統(tǒng)計量均在1%水平下顯著，說明不能簡化，應選擇空間杜賓模型?？梢钥闯?，LM檢驗與Wald檢驗、LR檢驗指向的模型不同，此時應選擇空間杜賓模型，因為它是更為一般的形式。綜上，本文選擇時間固定的空間杜賓模型。

表2 模型檢驗結果

(三)模型結果分析

1.SDM結果分析

為了便于對比分析，表3分別給出了6種模型估計結果?？梢钥闯觯诓煌Ｐ秃蜋嘀鼐仃囅?，各解釋變量的估計結果基本一致，說明模型較為穩(wěn)健。同時，采用經(jīng)濟距離權重矩陣W2估計的空間杜賓模型SDM方差最小，擬合優(yōu)度和對數(shù)似然估計值Log-L較大，證明前述選擇最優(yōu)。因此，本文主要對此模型進行結果分析。

表3 空間面板計量模型估計結果

由表3最后一列可知，被解釋變量科技創(chuàng)新水平的空間自回歸系數(shù)為-0.069，未通過顯著性檢驗，說明粵港澳大灣區(qū)內(nèi)部科技創(chuàng)新的空間溢出效應不明顯，總體上各城市科技創(chuàng)新水平受相鄰地區(qū)科技創(chuàng)新的影響較小。

對于解釋變量，在對本地的影響中，學生集聚水平和教師集聚水平均通過了1%的顯著性檢驗，但作用方向相反。其中，學生集聚水平的估計系數(shù)為正，說明學生集聚水平對本地科技創(chuàng)新有顯著促進作用。高校在校生是重要的創(chuàng)新力量，其能將知識轉(zhuǎn)化為生產(chǎn)力，為科技創(chuàng)新注入活力，一個地區(qū)高校學生集聚水平越高，就能為本地提供越多的科研人才和高素質(zhì)勞動者，從而促進本地科技創(chuàng)新的發(fā)展。而教師集聚水平的估計系數(shù)為負，說明教師集聚水平對本地科技創(chuàng)新產(chǎn)生了顯著抑制作用。究其原因，一方面，分析面板數(shù)據(jù)可知，雖然十年來灣區(qū)各城市高校教師數(shù)量普遍有所增加，但隨著人口規(guī)模的快速擴大，珠海、中山、澳門等多個城市的高校教師集聚水平呈下降態(tài)勢，從而導致教師集聚水平的平均影響為負，表現(xiàn)出抑制作用。另一方面，可能是因為高校教師大多開展學術研究，成果產(chǎn)出以論文為主，專利較少，并且在科研過程中缺乏與灣區(qū)當前產(chǎn)業(yè)需求的對接，導致科技成果轉(zhuǎn)化存在一定難度，并不能直接作用于本地的科技創(chuàng)新。控制變量均通過了顯著性檢驗。其中，經(jīng)濟發(fā)展水平、研發(fā)投入強度和政府支持力度的估計系數(shù)為正，與預期結果一致，說明一個地區(qū)經(jīng)濟發(fā)展情況越好、研發(fā)投入強度越高、政府支持力度越大，科技創(chuàng)新水平就越高。產(chǎn)業(yè)結構的估計系數(shù)為負，說明第三產(chǎn)業(yè)占比并非越大越好。對粵港澳大灣區(qū)來說，香港、澳門第三產(chǎn)業(yè)占比超過90%，但科技創(chuàng)新水平較低。相反，佛山、惠州等多個城市仍以第二產(chǎn)業(yè)為主，制造業(yè)的發(fā)展尤為關鍵，因此灣區(qū)既要保持第三產(chǎn)業(yè)的發(fā)展，也要推動第二產(chǎn)業(yè)的創(chuàng)新。

在對鄰地的影響中，學生集聚水平的空間系數(shù)為正向不顯著，說明本地學生集聚水平可能對鄰地科技創(chuàng)新有促進作用，這可能是因為本地高校學生集聚水平的提升會使部分學生選擇到經(jīng)濟相近的城市就業(yè)，同時也會吸引鄰地不斷加強與本地的科技交流與合作，從而提升了鄰地科技創(chuàng)新水平，不過這種效應并不明顯。教師集聚水平的空間系數(shù)為負向不顯著，由前述可知現(xiàn)有的教師集聚水平尚未滿足本地科技創(chuàng)新的發(fā)展需求，因此更難以作用于鄰地?？刂谱兞恐?，產(chǎn)業(yè)結構的空間系數(shù)在1%的水平下顯著為負，說明對相鄰地區(qū)產(chǎn)生了顯著的負向溢出，這可能是由于經(jīng)濟相近的地區(qū)之間存在較強的資源競爭，本地第三產(chǎn)業(yè)占比的提高會吸引鄰地的科技人才、創(chuàng)新資金等要素，從而抑制了鄰地科技創(chuàng)新的發(fā)展。政府支持力度的空間系數(shù)均為正，但僅對教育的支持力度通過了顯著性檢驗，產(chǎn)生了正向溢出效應，說明政府對科技的支持力度還不夠，而其對教育的支持形成了一種示范作用，能夠影響與其經(jīng)濟相近地區(qū)的政府決策，使其加強對教育的支持，進而影響科技創(chuàng)新的發(fā)展。經(jīng)濟發(fā)展水平與研發(fā)投入強度未通過顯著性檢驗，說明不存在明顯的空間溢出效應。

2.空間效應分解

由于空間杜賓模型包含了被解釋變量的空間滯后項，導致模型中解釋變量的估計系數(shù)并非其對被解釋變量的真實影響。LeSage和Pace將真實的空間效應分解為直接效應與間接效應，分別表示解釋變量對本地和鄰地的平均影響，二者之和為總效應，表示解釋變量對整體區(qū)域的平均影響?；诖耍疚膶2下的SDM進行空間效應分解，結果如表4所示。

表4 SDM空間效應分解結果

可以看出，空間效應分解結果與表3報告的結果基本一致，說明上述分析是合理的。具體來看，學生集聚水平的直接效應和總效應均顯著為正，但間接效應不顯著。教師集聚水平的間接效應和總效應均不顯著，且直接效應顯著為負。根據(jù)這一結果，結合面板數(shù)據(jù)可知，從2010年到2019年，粵港澳大灣區(qū)每萬人口專利授權量增長了286%，而每萬人口高校學生、教師數(shù)僅增長了33%、25%，遠低于專利數(shù)量的漲幅，說明目前灣區(qū)高等教育的規(guī)模還不能與科技創(chuàng)新的發(fā)展相匹配。雖然總體上學生集聚水平能顯著促進科技創(chuàng)新的發(fā)展，即學生集聚水平每增加1%，能引起灣區(qū)總體科技創(chuàng)新水平提升1.737%，但其空間溢出效應不顯著，說明作用效果仍需進一步加強。并且，教師集聚水平不但空間溢出效應不顯著，對本地科技創(chuàng)新還產(chǎn)生了顯著的抑制作用，更加說明灣區(qū)高校教師數(shù)量遠遠不夠，教師的作用尚未真正發(fā)揮出來。對于控制變量，產(chǎn)業(yè)結構、研發(fā)投入強度和政府支持力度的總效應均通過了顯著性檢驗，說明均對粵港澳大灣區(qū)總體科技創(chuàng)新水平的提升有顯著影響，并且從系數(shù)來看，研發(fā)投入強度的影響效應最大。

五、結論與建議

本文利用粵港澳大灣區(qū)11個城市2010-2019年的面板數(shù)據(jù)，通過測算高等教育集聚與科技創(chuàng)新的Moran’s I指數(shù)分析了其空間相關性和集聚特征，并在此基礎上構建了空間杜賓模型，實證分析高等教育集聚影響科技創(chuàng)新的空間效應。結果表明：(1)在經(jīng)濟距離下，粵港澳大灣區(qū)高等教育集聚與科技創(chuàng)新均存在顯著的空間正相關性，且空間分布以高高集聚和低低集聚為主，城市間的集聚特征呈現(xiàn)出兩極分化現(xiàn)象。可見灣區(qū)內(nèi)部高等教育資源分布相當不均衡，這樣的空間分布特征不利于高校知識和技術的溢出，是導致城市間科技創(chuàng)新水平差距較大的重要原因，因此高等教育的空間布局亟需優(yōu)化改善。(2)學生集聚水平能顯著促進本地科技創(chuàng)新水平的提升，教師集聚水平的作用與之相反，但二者的空間溢出效應均不顯著，且從總效應來看，僅學生集聚水平對灣區(qū)總體科技創(chuàng)新有顯著促進作用，教師的作用尚不明顯。說明目前灣區(qū)高等教育對科技創(chuàng)新的作用效果有限，現(xiàn)有的學生規(guī)模和教師規(guī)模僅能直接作用于本地科技創(chuàng)新，表明灣區(qū)高等教育規(guī)模還不夠大，尤其是教師規(guī)模，需進一步擴大來實現(xiàn)其正向作用。同時，也表明在現(xiàn)有規(guī)模上高?？萍紕?chuàng)新能力不強、地區(qū)交流合作程度不夠，不足以達到溢出的效果，未來需要高校和政府共同發(fā)力。(3)經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結構、研發(fā)投入強度和政府支持力度也在不同程度上影響著灣區(qū)科技創(chuàng)新的發(fā)展，政府應予以關注，充分發(fā)揮其主導作用。

基于上述研究結論，為推動粵港澳大灣區(qū)高等教育集群發(fā)展，提升灣區(qū)整體科技創(chuàng)新水平，本文提出以下建議。

第一，進一步擴大高等教育規(guī)模并合理優(yōu)化空間布局。與世界三大灣區(qū)相比，粵港澳大灣區(qū)占地面積最大，但高水平大學數(shù)量較少、競爭力較低。據(jù)統(tǒng)計，截至2021年6月，粵港澳大灣區(qū)進入四大排行榜前500名的大學只有15所，且主要集中在香港、廣州、澳門和深圳，即灣區(qū)四大核心城市。相對而言，其他城市高校數(shù)量較少且沒有高水平大學，高等教育的集聚水平和辦學水平普遍較低，且空間分布多呈低低集聚，不利于灣區(qū)的發(fā)展。因此，為提高灣區(qū)高等教育整體實力，應進一步擴大高等教育規(guī)模，尤其是擴大高水平大學規(guī)模，并合理優(yōu)化高等教育空間布局，使其在區(qū)域分布、層次結構、辦學水平等方面更加合理。首先，應圍繞地方主導產(chǎn)業(yè)需求，加快建設一批高水平大學，以補齊數(shù)量差距，提高集聚水平。其次，應對不同層次的高校實行錯位發(fā)展，使之與產(chǎn)業(yè)結構相協(xié)調(diào)、城市規(guī)劃相匹配，從而凸顯集聚優(yōu)勢。最后，應充分發(fā)揮核心城市高等教育資源優(yōu)勢，依托粵港澳高校聯(lián)盟，加強三地高水平大學有效合作，實現(xiàn)先進帶動后進。

第二，著力提升高?？萍紕?chuàng)新能力。擁有較強的科技創(chuàng)新能力是高校發(fā)揮溢出效應、促進區(qū)域創(chuàng)新的重要前提。根據(jù)廣東科技統(tǒng)計網(wǎng)公布的數(shù)據(jù)，在全省專利授權量按申請人的構成中，2010年高校占1.61%，企業(yè)占47.20%，到2019年高校占2.84%，企業(yè)占77.93%?？梢娋蛷V東省來說，企業(yè)在科技創(chuàng)新中占主導地位，而高校的占比較低、增速較慢，科技創(chuàng)新能力相對較弱。同樣，這一現(xiàn)象也存在于包含廣東9市的粵港澳大灣區(qū)。因此，為更好地發(fā)揮科技創(chuàng)新主力軍作用，各高校應加快轉(zhuǎn)變辦學理念，以灣區(qū)發(fā)展戰(zhàn)略需求為導向，以在國際科技創(chuàng)新中心建設中發(fā)揮關鍵作用為定位和使命，全面盤活創(chuàng)新資源，發(fā)揮創(chuàng)新集聚優(yōu)勢。其次，高校應根據(jù)產(chǎn)業(yè)發(fā)展需求調(diào)整學科專業(yè)結構，大力開展創(chuàng)新創(chuàng)業(yè)教育和實踐教學，不斷提高學生的科研興趣和創(chuàng)新能力，為社會發(fā)展提供強有力的人才支撐。最后，高校應結合創(chuàng)新發(fā)展需求不斷引進高層次人才，以擴充師資力量、優(yōu)化師資結構，并實行有效的激勵政策和獎勵制度，鼓勵教師創(chuàng)新創(chuàng)業(yè)，使其在開展基礎研究的同時，聚焦科技前沿，著力解決關鍵技術“卡脖子”問題，進一步加強產(chǎn)學研合作，推動科技成果轉(zhuǎn)移轉(zhuǎn)化，溢出真正有益于社會發(fā)展的知識和技術，從而發(fā)揮高校教師在科技創(chuàng)新中的作用。

第三，持續(xù)加大政府支持引導力度?；浉郯拇鬄硡^(qū)四大核心城市經(jīng)濟實力雄厚、就業(yè)機會較多、發(fā)展空間較大，是眾多高校畢業(yè)生就業(yè)的首選之地，但人才的過度集聚不利于灣區(qū)其他城市的創(chuàng)新發(fā)展，容易導致兩極分化現(xiàn)象。因此，政府應根據(jù)各城市發(fā)展需求科學制定人才引流政策，并配套相應的人才引進優(yōu)惠政策以提高非核心城市的吸引力，從而促進人才的區(qū)域流動，實現(xiàn)人才溢出。同時，政府還應積極引導灣區(qū)各城市開展科技創(chuàng)新合作，重點加強廣州、深圳等科技創(chuàng)新水平高值地區(qū)對低值地區(qū)的正向帶動，發(fā)揮核心城市的輻射作用。此外，研究結果表明，政府支持力度能顯著促進粵港澳大灣區(qū)科技創(chuàng)新水平的提升。因此，地方政府要持續(xù)加大教育和科技支出，提高對科技創(chuàng)新的重視程度和支持力度，進一步彰顯政府的示范引領作用。同時，產(chǎn)業(yè)結構對灣區(qū)科技創(chuàng)新有顯著負向影響，說明過度提高第三產(chǎn)業(yè)占比對粵港澳大灣區(qū)來說并不適合，政府應找準城市發(fā)展定位，合理布局產(chǎn)業(yè)結構，在關注服務業(yè)的同時，推動先進制造業(yè)的發(fā)展。