专利创新与区域经济增长关联机制的空间计量经济分析.docx
《专利创新与区域经济增长关联机制的空间计量经济分析.docx》由会员分享，可在线阅读，更多相关《专利创新与区域经济增长关联机制的空间计量经济分析.docx（15页珍藏版）》请在冰豆网上搜索。
专利创新与区域经济增长关联机制的空间计量经济分析
一、引言
随着科教兴国战略的全面实施,以及国家对科学技术及创新对经济增长作用的重视,我国的专利申请和授权量增长迅速,发明专利所占比重进一步提高,专利创新结构进一步优化。
据统计[4],2004年,我国专利申请和授权量创历史新高,分别达到35.38万件和19.02万件,同比增长14.70%和4.40%。
在专利申请方面,发明、实用新型和外观设计专利申请量均突破11万件。
其中,发明专利申请量达到了13.01万件,同比增长23.60%;实用新型和外观设计专利申请量分别达到11.28万件和11.08万件,同比增长3.40%和17.90%。
三类专利申请量呈现出“三分天下”的格局,所占比重分别为36.78%、31.89%和31.33%。
从专利授权方面来看,我国发明专利授权量达到了4.94万件,同比增长32.9%,其在三种专利授权量中的比重达到了25.95%。
实用新型专利授权量为7.06万件,所占比重从历史最高的85.00%（1988年降低到37.12%。
外观设计专利授权为7.03万件,占全部专利授权量的36.93%。
国外将专利计量作为测度技术进步或创新的指标研究已有近30年的历史,取得了许多令人鼓舞的研究成果[5,6],大多研究结果显示,专利创新与经济增长之间存在正相关关系。
刘华[7]使用专利授权数与国内生产总值的16对样本值,通过相关分析和回归分析后,得出中国的专利授权数与国内生产总值相关性显著,一个国家专利授权数越高对该国经济增长的贡献率越大,专利授权数每增加一个单位对应于0.82个单位的国内生产总值增长,专利制度对经济增长具有持续的促进作用等结论。
徐竹青[8]对部分国家以及我国部分地区人均GDP（GNP、R&D支出和专利授权进行统计分析研究后认为,专利、创新与经济发展水平密切相关,专利活动对经济增长有明显的贡献。
鞠树成[9]使用Granger因果关系检验和回归分析法对中国经济增长与专利产出之间的关系进行了实证研究,结果发现,中国经济增长与专利产出之间不存在明显的因果关系,1985-2002年间,专利产出对我国经济增长的贡献率约为17.87%,专利产出的实施在一定程度上促进了我国经济的增长,但作用不是很
专利创新与区域经济增长关联机制的空间计量经济分析
张继红1,吴玉鸣2,3,何建坤2
（1.北京新材料发展中心,北京100083;2.清华大学公共管理学院,北京100084;3.广西师范大学经济管理学院,广西桂林541004
摘要:
运用空间计量经济学的空间自相关Moran指数模型、空间滞后模型和空间误差模型,利用省域专利授权总数及三种类型的专利授权与经济增长数据,对我国31个省域专利创新与区域经济增长的关联机制进行了空间计量经济实证分析。
关键词:
专利创新;区域经济增长;关联机制;空间计量经济模型
中图分类号:
F18:
F062.9文献标识码:
A文章编号:
1002-0241（200701-0083-07
收稿日期:
2006-06-12
基金项目:
北京市科委科学研究计划项目（Z0004094040112;全国教育科学“十五”规划重点课题（DFB030294
第一作者简介:
张继红（1968-,男,河南驻马店人,博士,副研究员,北京新材料发展中心主任,研究方向:
科技创新与管理决策。
83科学学与科学技术管理创新管理
大。
高雯雯等[10]通过用时间序列动态均衡关系分析方法,对我国1985-2002年的专利产出与经济增长的有关数据变量进行协整分析与因果关系检验,同样发现我国专利产出与经济增长之间存在着较强的相关性,尽管各自的增长是非稳定的,但就长期而言,它们之间却构成了长期稳定的均衡关系。
短期内滞后一年、三年的经济增长变量和滞后一年、两年的专利申请量对实际GDP的变动影响显著,经济增长和专利产出之间的均衡关系对当期非均衡误差调整的自身修正能力不是很强。
我国专利产出与经济增长之间总体上不存在明显的因果关系。
这些为数不多的研究存在的明显不足是,忽视了专利创新在地理空间上的依赖性、集群与溢出效应,进行的是简单的相关分析或回归分析,只能揭示专利产出与经济增长之间的时间相关关系,无法衡量专利创新与区域经济之间在地理空间上的关联机制。
实际上,许多研究发现,区域经济增长和创新行为在地理空间上存在明显的空间相互作用[12,13]。
但是,许多研究都忽视了这种空间关联机制在经济增长和创新过程中的作用[7-11],这导致了一些研究的结果及推论出现了偏差。
因此,在我国地区科技发展和自主创新过程中,作为创新的主要衡量指标,专利产出增长对区域经济增长正在发挥着重要作用,专利创新与经济增长之间的空间关联机制不容忽视。
由此可见,专利创新与区域经济增长之间在地理空间上具有什么样的联系?
对经济增长的贡献有多大?
专利创新在地理空间上是否存在依赖性、集群与溢出效应?
定量研究这些问题对增强我国各个省域专利创新对经济发展的贡献以及各具特色的区域创新战略的制定具有重要的理论和政策意义。
为此,本文以中国除香港、澳门特别行政区和台湾省外的31个省级区域（以下简称为省域为研究的空间样本,基于最新的2004年省域数据,使用空间计量经济学模型,针对专利创新与中国区域经济增长之间的关联机制关系展开空间计量检验和分析,力图得出一些有价值的研究结论。
二、专利创新与区域经济增长关联机制的空间计量经济模型
根据空间统计和空间计量经济学原理方法[12-16],进行空间计量经济分析的思路是:
首先采用空间统计分析Moran指数法检验因变量（被解释变量是否存在空间自相关性,如果存在,则需要在空间计量经济学理论方法支持下,建立空间计量经济模型,进行专利创新与区域经济增长的空间计量估计和检验。
1.空间自相关检验方法
检验区域专利创新的空间相关性存在与否,在实际的空间相关分析应用研究中,空间统计学较常使用空间自相关指数Moran'I,定义如下:
Moran'I=
n
i=1
!
n
j=1
!
Wij（Yi-Y"（Yj-Y"
S2
i=1
!
n
j=1
!
Wij
（1其中,S2=
1n
i=1
!
（Yi-Y",Y"=1n
i=1
!
Yi,表示第i地区的观测值（在本文为专利授权数,n为区域总数
（本文为31,W
ij
为二进制的邻接空间权值矩阵,表示其中的任一元素,采用邻接标准或距离标准,其目的是定义空间对象的相互邻接关系。
一般邻接标准的
W
ij
为:
W
ij
=
1当区域i区域j相邻;
0当区域i区域j不相邻
#
。
式中,i=1,2,…,n;j=1,2,…,m*m=n或m≠n。
Moran'I可看作各地区观测值的乘积和,其取值范围为-1≤Moran'I≤1。
若各地区间创新行为为空间正相关,Moran'I的数值应当较大。
负相关则较小。
具体到区域创新行为的空间依赖性问题上,当目标区域数据（如专利授权数在空间区位上相似的同时也有相似的属性值时,空间模式整体上就显示出正的空间自相关性。
而当在空间上邻接的目标区域数据不同寻常地具有不相似的属性值时,就呈现为负的空间自相关性。
零空间自相关性出现在当属性值的分布与区位数据的分布相互独立时。
2007.01科学学与科学技术管理
创新管理
2.空间滞后模型、空间误差模型
本文使用的空间计量经济模型主要是纳入了空间效应（空间自相关的空间回归模型,包括空间滞后模型与空间误差模型两种。
空间计量经济学的基本思想是将区域间的空间相互作用引入模型,对经典的基本线性回归模型通过一个空间权重矩阵W进行修正:
y=Xβ+ε（2根据模型设定时对“空间”的体现方法不同,空间计量模型主要分成两种:
一种是空间滞后模型（Spa-tialLagModel,SLM,主要是用于研究相邻地区的行为对整个系统内其他地区的行为都有影响的情形:
y=ρWy+Xβ+ε（3其中,W是n×n阶的空间权重矩阵,也就是n个地区之间相互关系网络结构的一个矩阵,Wy为空间滞后因变量,ρ是空间自回归系数。
另一种是空间误差模型（SpatialErrorModel,SEM,地区间的相互关系通过误差项来体现。
当地区之间的相互作用因所处的相对位置不同而存在差异时,则采用这种模型,具体形式如下:
y=Xβ+ε
ε=λWε+μ（4y=Xβ+（I-λW-1μ
其中,参数λ是空间自相关系数,衡量了样本观察值中的空间依赖作用,即相邻地区的观察值y对本地区观察值y的影响方向和程度。
3.估计技术
对于上述两种模型的估计如果仍采用最小二乘法估计,系数估计值会有偏或者无效,需要通过工具变量法、极大似然法或广义最小二乘估计等其他方法来进行估计。
Anselin[14]建议采用极大似然法（Maxi-mumLikelihood,ML估计空间滞后模型（SLM和空间误差模型（SEM的参数。
（1空间滞后模型SLM的估计
①对模型y=β0x+ε0作OLS估计;
②对模型Wy=βLX+εL作OLS估计;
③分别计算上述两个OLS估计的残差e0=y-β^0
X和eL=Wy-β^LX;
④由e0和eL值,通过极大化集中对数似然函数得到Lc的参数ρ的估计值ρ^;
Lc=-（n/2ln[（1/n（e0-ρeL'（e0-ρeL]+ln|I-ρW|
⑤由ρ^值计算其余参数估计值β^=（β^0-ρ^β^L,σ^2ε=（1/n（e0-ρeL'（e0-ρeL,极大对数似然函数为:
LogL=-（N/2ln（2π-（N/2lnσ^2
ε
+ln|I-ρ^W|-（1/2
σ^2
ε
（y-ρ^Wy-β^X'（y-ρ^Wy-β^X
如果SLM模型设定正确,那么解释变量在重复抽样过程中的变动,将会导致OLS估计产生有偏且不一致的结果。
（2空间误差模型SEM的估计
①对模型y=βx+μ进行OLS估计,得到β的无偏估计值β^J
②计算OLS估计的残差为e=y-β^X;
③由e值,通过对数极大似然函数Lc得到参数λ的估计值λ^:
Lc=-n（n/2ln[（1/n（e-λWe'（e-λ^We]+ln|I-ρ^W|
④由λ^计算其余参数的估计值,σ^2
ε
=（1/n（e-λ^We'（e-λ^Wc,极大对数似然函数logLc=-（N/2ln
（2π-（N/2lnσ^2
ε
+ln|I-ρ^W|-（1/2σ^2
ε
e'（1-λW'（1-λ^We。
若SEM模型设定正确,则误差项的空间依赖将会导致OLS估计产生无偏但不一致的结果。
鉴于空间经济计量估计中的空间权值问题比较复杂,目前,一般空间计量模型都局限于一阶滞后模型、一阶自回归或一阶移动平均模型。
本研究仅限于讨论一阶模型。
85
科学学与科学技术管理创新管理
4.空间自相关检验与SLM、SEM的选择
判断地区间的空间相关存在与否,一般除了通过前面介绍的Moran指数检验外,还可通过两个拉格朗日乘数（LagrangeMultiplier形式LMERR、LMLAG和稳健（Robust的R-LMERR、R-LMLAG等一系列空间效应检验来进行。
由于事先无法根据先验经验推断在SLM和SEM模型中是否存在空间依赖性,有必要构建一种判别准则,以决定哪种空间模型更加符合客观实际。
Anselin,Florax&Rey[15]提出了如下判别准则:
如果在空间依赖性的检验中发现,LMLAG较之LMERR在统计上更加显著,且R-LMLAG显著而R-LMERR不显著,则可以断定适合的模型是空间滞后模型。
相反,如果LMERR比LMLAG在统计上更加显著,且R-LMERR显著而R-LMLAG不显著,则可以断定空间误差模型是恰当的模型。
除了拟合优度R2检验以外,常用的检验准则还有:
自然对数似然函数值（Loglikelihood,LogL、似然比率（LikelihoodRa-tio,LR、赤池信息准则（Akaikeinformationcriterion,AIC、施瓦茨准则（Schwartzcriterion,SC。
对数似然值LogL越大,AIC和SC值越小,模型拟合效果越好。
这几个指标也用来比较OLS估计的经典线性回归模型和SLM、SEM,似然值自然对数最大的模型最好。
三、专利产出与首都区域经济增长关联机制的实证分析
（一数据来源及处理
为了定量地测定中国区域专利创新与区域经济增长的关系,根据《中国统计年鉴》（2005[4]获得了2004年我国31个省域的地区生产总值（GDP数据作为被解释变量,其变化反映区域经济增长,专利授权量（PATENT及其构成发明专利（INVENT、实用新型专利（UTILITM、外观设计专利（DESIGN的数据作为解释变量,其变化反映区域专利创新增长。
因为对数变换不会影响原始变量之间的变化态势,而且对数变换往往可以消除异方差现象,所以,对GDP与专利数据进行了对数变换。
同时,为了客观地反映变量间的真实关系,我们用物价指数（商品零售价格指数对各个省域的GDP进行折算调整获得了区域GDP的真实值。
（二计量模型
根据前面的理论分析和所选取的专利创新和区域经济增长变量,我们建立了如下计量模型:
GDP=f（PATENT+e,PATENT=INVENT,UTILITM,DESIGN
其中,GDP代表省域经济增长,PATENT代表省域专利授权总数,包括了发明专利、实用新型专利及外观设计专利等三种创新形式,e代表没有考虑到的因素,如人力资本等对区域经济增长的影响。
实证研究中用到的计量模型是双对数一元线性回归分析方程,具体模型为:
lnGDP=α+βlnPATENT,i=1,2,…,31
其中,如果系数β为正且通过相关的统计检验,则表明专利创新及其构成对区域经济增长影响显著且做出了贡献。
（三空间计量实证分析
1.空间自相关性检验
首先检测2004年中国31个省域的专利创新和经济增长在地理空间上的相关性即空间相互依赖性。
计算出的区域专利（PATENT、发明专利（INVENT、实用新型专利（UTILITM、外观设计专利（DESIGN及区域经济增长（GDP的Moran指数分别为0.3431、0.2265、0.3208、0.3994和0.3506,Moran指数的正态统计量Z值均大于正态分布函数在0.01水平下的临界值（1.96,表明中国31个省、直辖市和自治区的专利创新和区域经济增长在空间分布上具有明显的正自相关关系（空间依赖性,说明全国各省域的专利创新和经济增长的空间分布并非表现出完全随机状态,而是表现出相似值之间的空间集群（Clustering,正的空间相关代表相邻地区的特性相类似的空间联系结构,即具有较高创新和经济增长的省区相对地趋于与较高创新和经济增长的省区相靠近,较低的创新和经济增长的省域相对地趋于与较低的创新和经济增长的省域相邻。
因此,从整体上讲,省域之间的创新和
2007.01科学学与科学技术管理
创新管理
经济增长是存在空间相关性的,也就是说存在着空间上明显的集群现象,省域的专利创新和经济增长的地区差异比较显著。
2.空间回归估计与分析
空间自相关检验结果表明,对有关中国专利创新和区域经济增长的理论与实证研究,传统研究的思路只从时间维度出发,忽视空间维度的相关性和异质性,在理论上存在严重不足,与创新和经济发展现实不符。
有必要在使用省域数据进行专利创新和经济增长研究时考虑纳入空间依赖性的空间计量经济模型进行估计。
以下给出了Moran指数检验、两个拉格朗日乘数来判断空间计量经济学模型SLM和SEM的形式,当然,为了比较,同时给出了OLS估计结果,见表1。
利用极大似然估计（ML的参数估
计结果如表2所示。
其中模型Ⅰ、Ⅱ、Ⅲ
和Ⅳ分别表示以专利授权总数、发明、
实用新型和外观设计专利授权数作为
解释变量的估计和检验结果。
表1中的OLS估计结果显示,模型
的回归拟合效果显著。
在各变量的系数
中,专利授权量（PATENT及其构成发
明专利（INVENT、实用新型专利（U-
TILITM和外观设计专利（DESIGN均
通过了变量为1%水平下的显著性检
验,表明专利创新在一定程度上能够解
释其对区域经济增长的影响,它们对区
域经济增长有显著的正效应。
由IN-
VENT、UTILITM、DESIGN三者的回归
系数可以看出,其大小排序依次为发
明、实用新型、外观设计专利创新,这与人们的一般认识不尽一致,而且前述的空间统计的Moran指数检验已经证明了31个省域的专利创新和经济增长存在明显的空间自相关性,这说明忽视空间自相关性直接采用OLS法建立模型进行估计分析可能存在一定问题,出现这种问题的原因,可能是遗漏了重要的变量,或者模型设定有问题,譬如忽视了截面单元（省域之
间的空间相关性。
根据前面介绍的判别准则,由表1中的Moran指数检（误差检验表明,除了PATENT和DESIGN未通过10%水平的显著性检验外,INVENT和UTILITM的经典回归误差的空间依赖性（相关性比较明显（通过了水平为3.47%、3.26%的显著性检验。
同时,为了区分是内生的空间滞后还是空间误差自相关,根据前面介绍的判别准则,表1中的拉格朗日乘子误差和滞后及其稳健性检验的LMERR、LMLAG、R-LMERR、R-LMLAG均未能通过10%水平下的显著性检验,无法明确区分是内生的空间滞后还是空间误差自相关。
需要通过比较用ML方法估计的模型SLM和SEM的各种统计检验值来确定（见表2。
比较表1和表2中的检验结果发现,空间滞后模型SLM和空间误差模型SEM的拟合优度检验值均高于OLS模型,而且比较对数似然函数值LogL、AIC和SC值就会发现,在OLS、SLM和SEM中,SEM的LogL最大,而AIC、SC值最小,故SEM模型相对更好一些。
由此可见,空间滞后模型和空间误差模型作为对忽视了地理空间效应的经典回归模型的修正,消除表1中国专利创新与区域经济增长的OLS估计结果
87
科学学与科学技术管理创新管理
创新管理表２中国专利创新与区域经济增长的ＳＬＭ和ＳＥＭ估计结果科学学与科学技术管理进一步考察表２中ＳＥＭ模型的空间自相关系数λ发现，实用新型和发明专利模型的λ分别为０．４９１２和０．４３７９，在统计上通过了０．９５％和２．９０％显著性检验，这表明一个区域的实用新型和发明专利创新不仅可以增强自身区域的创新能力，而且会溢出到邻近区域，使邻近区域发明和实用新型专利的创新能力随之增强。
另外，比较表１和表２中模型中参数的系数估计值的变化发现，专利创新三种构成的ＯＬＳ估计系数的排序是发明专利（０．６２０６）、用新型专实了模型的空间自相关。
ＯＬＳ估计ＳＬＭ和ＳＥＭ模型用是有偏误的（Ｂｉａｓｅｄ）或不一致的（Ｉｎｃｏｎｓｉｓｔｅｎｔ），基于利（０．６１５６）和外观设计专利创新（０．５７０８），而考虑了地理空间效应的ＳＬＭ和ＳＥＭ估计值的排序是实用新型专利（０．６００４）、发明专利（０．５７２４）和外观设计专利（０．５６７５）创新，这表明，考虑了地理空间效应和溢出效应的专利创新的空间计量经济模型的估计结果，更加符合人们的一般认识和客观实际。
四、结论与政策含义ＯＬＳ法的经典线性回归模型由于遗漏了空间误差自相关性而设定的模型不够恰当。
而使用ＭＬ法（极大似然法）估计的ＳＥＭ和ＳＬＭ模型与ＯＬＳ估计相比较，ＳＥＭ和ＳＬＭ消除了模型的设置偏误，结果更为准确、更加可信，是正确的模型设定形式。
从ＳＥＭ模型估计结果可以看出（表２），四个模型中专利授权总数、发明、实用新型和外观设计专利授权数等变量的回归系数都是显著的（显著性水平在１．空间计量经济学模型在专利创新与区域经济增长关联机制研究中具有良好的估计结果，较之经典回归模型的估计结果，由于考虑了地理空间效应对专利创新的作用，因而，结果更加符合专利创新的客观实际，具有很好的实用性和推广价值，也隐含着更加丰富和科学的实证研究政策含义。
１％），而且模型中变量系数的符号与我们的预期一致，这表明我国省域的专利创新对区域经济增长通过地理空间机制的确在发挥着作用。
四个模型中，专利创新及其三种形式构成的弹性系数分别为０．６２８４、２．
升级会员 