借助空间计量模型对产业升级与技术创新关联性分析,计量经济学论文

借助空间计量模型对产业升级与技术创新关联性分析,计量经济学论文关于产业升级与技术创新的关联性，以往的研究主要侧重于定性分析，实证研究则相对较少。而在已有实证研究文献中，主要是从时间维度讨论产业升级与技术创新之间的关联性。然而，根据经济地理第一定律，经济变量往往具有空间相关性，故本文以为有必要从空间异质性角度，借助空间计量模型对产业升级与技术创新之间的关联性进行讨论。同时，又考虑到技术创新对产业升级的促进作用可能存在某些门槛，所以本文力图在上述方面进行尝试，并努力获得突破。二、实证分析〔一〕数据来源本文数据来自于中国统计年鉴〔2001-2020〕以及各省市区的统计年鉴〔2001-2020〕,并以2000年为基期，对相关数据进行价格处理。〔二〕产业升级与技术创新水平的基本情况分析本文利用DEA-Malmquist方式方法对我们国家31个地区的全要素生产率进行测度。2000-2018年，我们国家各地区产业升级、技术创新平均水平如此图1所示。【图1】从统计数据能够发现，内蒙古、四川、吉林，其技术创新水平相对较高，但其产业升级排名却较低，原因可能是由于这些技术创新对周围地区产生了较大的空间外溢性，进而使这些地区产业升级遭到了损失。同时，有些地区如陕西、宁夏、青海、福建，其技术创新水平较低，但其产业升级水平较高，原因可能是由于周围创新水平较高的地区对其产生了正向溢出效应，提高了这些地区的产业升级水平，这讲明产业升级与技术创新存在空间相关性和外溢性。〔三〕产业升级、技术创新的空间自相关性分析1.空间自相关检验本文采用Geoda软件对2000-2018年的产业升级和技术创新水平进行空间自相关性MoranI检验，并且选取Randomization模拟999次检验，其结果如表1所示：【表1】从表1能够看出，在2000-2018年，无论是产业升级还是技术创新水平，都呈显着的空间正自相关性，呈现一定的空间聚集性特征，即高产业升级水平〔技术创新水平〕地区和高产业升级水平〔技术创新水平〕地区相邻，低产业升级水平〔技术创新水平〕地区和低产业升级水平〔技术创新水平〕地区相邻。2.空间相关形式的散点图分析为了验证以上我们国家产业升级和技术创新空间地理聚集性分布特征，我们对2000-2020年产业升级与技术创新的平均水平进一步作了MoranI散点图分析，结果如此图2、3所示，对应地区分布如表2所示。【表2】图2和表2表示清楚，2000-2020年技术创新总体上呈显着的正自相关性，其相关系数为0.3390.华而不实位于第二象限的吉林、内蒙古技术创新水平较高，其排名分别为第4和第10名，但其产业升级排名分别为第18和20名，黑龙江、陕西、宁夏技术创新水平相对较低，其排名分别为第18、20、25名，但其产业升级排名分别为12、13、14名，究其原因可能是由于周围地区吉林和内蒙古对其产生了技术创新溢出作用，所以促进了其产业升级。同时，吉林和内蒙古由于技术创新溢出损失，进而相对降低了其产业升级水平。位于第四象限的地区有浙江、福建、四川、青海，华而不实浙江、四川为技术创新较快的地区，其技术创新排名分别为第9名和第6名，福建、青海为技术创新较慢的地区，其技术创新排名分别为第21名和第30名，但其产业升级排名分别为第11名和第10名，究其原因，可能是由于其周围地区浙江和四川对其产生了技术创新溢出作用，进而促进了福建和青海地区的产业升级水平。总之，位于第一三象限的地区比位于第二四象限的地区要更多，我们国家各地区技术创新水平分布并非随机分布，而是表现出一定程度的空间集聚性特征。【图2.3】同时，图3和表2表示清楚，2000-2020年产业升级在总体上呈现显着的正自相关性，其相关系数为0.2602.华而不实位于第一象限〔HH〕的有13个地区，这些地区均为产业升级相对较快的地区。位于第二象限〔LH〕的有5个地区，位于第三象限〔LL〕的有10个地区，这些地区产业升级相对较慢。位于第四象限〔HL〕的有3个地区。总之，位于第一三象限的地区比位于第二四象限的地区要更多，这讲明了我们国家产业升级在空间分布上呈现聚集性特征。〔四〕技术创新对产业升级的空间溢出效应检验由于产业升级不仅受全要素生产增长率的影响，而且也受人力资本和物力资本的影响。因而，为了进一步考察技术创新与产业升级的关系，本文首先构建如下线性模型：【1】华而不实IU〔Industrialupgrading〕表示产业升级〔用第二三产业产值占比例来表示〕,HC〔HumanCapital〕表示人力资本〔用各地区大专以上人数与总人数比率表示〕,CFR〔CapitalFormationRate〕表示物质资本构成率〔用固定资本额与比率表示〕.为分析技术创新的空间溢出效应，本文设空间滞后模型和空间误差模型分别为：空间滞后模型〔SLM〕:【2-3】为了比拟时间维度线性模型与空间计量模型，本文对上面的〔1〕、〔2〕、〔3〕式进行相应的估计，其结果见表3.【表3】表3表示清楚，采用空间滞后模型计量产业升级与技术创新之间的关系更为合理。检验结果表示清楚，技术创新对产业升级的弹性为0.4672,表示清楚技术创新增长每变动1%,产业升级则同向变动0.4672%.物质资本构成率对产业水平升级的弹性为0.2021,表示清楚物质资本构成率每变动1%,产业升级则同向变动0.2021%.人力资本增长对产业水平升级的弹性为0.1603,表示清楚人力资本每变动1%,产业升级则同向变动0.1603%.〔五〕技术创新对产业升级作用的门槛效应检验本文以技术创新为门槛变量，根据Hansen〔1999〕,设定如下门槛面板模型：【4】华而不实1,2,，n表示TFP门槛值，I〔〕表示示性函数。根据门槛面板模型〔4〕，我们采用Bootstrapf进行500次抽样发现，技术创新存在着两个门槛值〔见表4〕,其分别为1.050和0.972.当TFP0.972时，其对产业升级的弹性为0.4853.当0.972TFP1.050时，其对产业升级的弹性为0.4617.当TFP1.050时，其对产业升级的弹性为0.4301.技术创新对产业升级的影响并非呈现简单的线性递增或者递减规律，而是存在着门槛效应。随着技术创新的提高，其对产业升级的作用反而在减少。根据门槛值分布，我们进一步对各个地区分布进行了归类，其结果见表5.【表4.5】三、结论及政策含义〔一〕研究结论本文基于2000-2020年全国31个地区面板数据，运用空间计量回归模型和门槛面板模型，对各地区之间的产业升级与技术创新的关系进行了深切进入分析，得出如下结论：1.空间自相关研究表示清楚：在2001到2018年这12年中，所有年份地区间产业升级和技术创新呈显着空间正自相关性。这讲明地区间产业升级和技术创新呈现出较强的空间聚集性特征，这一点通过MoranI散点图进一步得到了验证。2.技术创新对产业升级存在空间溢出效应，空间滞后模型检验表示清楚，技术创新对产业升级的弹性为0.4672,表示清楚技术创新每提高1%,产业水平则提高0.4672%.3.技术创新对产业升级的促进作用并非呈线性关系，而是存在着显着的门槛效应。当TFP0.972时，其对产业升级的弹性为0.4853.当0.972TFP1.050时，其对产业升级的弹性为0.4617.当TFP1.050时，其对产业升级的弹性为0.4301.〔二〕政策含义1.由于技术创新对产业升级存在着空间外溢效应，这在某种程度上解释了内蒙古、四川、吉林等地区技术创新水平较高，但产业升级水平较低；而黑龙江、陕西、宁夏、青海等地区技术创新水平较低，但其产业升级水平相对较高的原因。这是由于内蒙古、四川、吉林等技术创新水平较高的地区对周围技术创新水平较低的地区如黑龙江、陕西、宁夏、青海产生了空间外溢效应，进而提高了黑龙江、陕西、宁夏、青海等地区的产业升级水平，而内蒙古、四川、吉林等地区由于技术创新溢出效应的发生，使其本身产业升级在一定程度上遭到了损失，进而降低了产业升级水平。十分是四川，其技术创新水平排名第6位，但其产业升级排名第28位，这很可能是由于四川同时向青海、陕西、甘肃等多地发生了技术溢出，其本身产业升级遭到了较大的损失。因而，在考虑技术创新与产业升级时，应充分利用这一特点，根据我们国家技术创新现在状况，一方面，对于那些技术创新水平较低的地区，应加大技术创新力度。同时，对于那些技术创新辐射能力较强的地区，能够加大技术创新支持力度。另一方面通过溢出效应带动周围地区技术创新水平的发展，促进周边地区产业升级，同时又弥补本身技术创新溢出所产生的负面效应。2.由于技术创新对产业升级的促进作用具有显着的两重门槛特征，对于技术创新水平较高的地区，技术创新对产业升级的作用相对较低，而技术创新水平较低的地区，其技术创新对产业升级的作用反而较大。所以，对于那些技术创新水平较高的地区，应该协调平衡好技术创新力度、物质资本构成、人力资本投入之间的关系，做到有效促进产业升级。对于那些技术创新水平较低的地区，应进一步加大技术创新力度，进而加快这些地区的产业升级，推动地区经济构造转型，促进经济发展。以下为参考文献：[1]Abernathy,W.j.andUtterback,J.W.PatternsofIndus-trialInnovation[J].TechnologyReview,1980,〔6〕:20-29.[2]RothwellR.Towardsthefifth-generationinnovationprocess[J].InternationalMarketingReview,1994,11〔1〕:7-32.[3]李时椿。技术创新：我们国家传统产业升级改造的必由之路[J].山西财经大学学报，2001,〔10〕.[4]徐康宁，冯伟。基于本土市场规模的内生化产业升级：技术创新的第三条道路[J].中国工业经济，2018,