论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　3创新要素的空间聚集与空间相关性分析
　　3.1创新要素的空间聚集
　　由于产业聚集性带来了创新要素聚集，而大部分研究认为创新要素聚集会通过外溢效应，进而以相互“搭便车”的方式对技术创新效率产生正面影响;P〇rter(1998)指出由于存在技术重叠，相关产业和研究成果的技术流动使得创新更有效率&0。现有创新要素空间聚集度指标主要分为两类，第一类不能度量溢出效果，包括区位熵(LQ)、水平集聚区位商（HCLQ)、区域基尼系数(LGC)和Herfindahl-Hirschman指数（HHI)。第二类在一定程度是可以测度溢出效果，包括Elli-son-Glaeser地理集中度指数（EGGCI)和地理集中指数（GCI)(赵建吉，曾刚,2009E1)。本文在测度创新要素空间聚集度时借鉴Henderson(1995)研究中采用的测度方法计算了创新要素聚集度M,为了估计需要,我们利用公式（PS-1)/(PS+1)对指数进行规格化处理。
　　3.2空间相关性分析
　　Moran用于全局空间相关的检验,MoranI的取值范围为（-1,1)。当其大于〇时,表明各地区间某经济变量为空间正相关，即存在空间集聚现象M;当其小于0时，表明各地区间某经济变量为空间负相关，即存在空间排斥现象;当其等于0时，表明各地区间某经济变量与区位i(W,.+W-,)2W,.和Wv.分别为空间权值矩,=1阵中，行和,列之和。
　　Stata10.0软件计算得出的2002-2009年中国各创新主体创新效率的MoranI检验结果。数据显示.科研机构在2002年、2004年、2008年和2009年存在空间自相关，而在其他年份空间自相关性不明显。这是因为科研机构尤其是国家级科研机构在全国的布局较为分散，尤其是在我国传统体制下的军工等涉及国家安全的科研机构主要布局在中西部地区，这就造成了这些机构在科研成果市场化过程中效率并不是很高，进而研发效率的区域特征不是十分明显。高校在2005年空间相关性没有通过显著性检验，其他年份都通过了显著性检验，这说明随着经济的发展高校的创新要素和创新效率具有一定的空间外溢性。企业在2002-2009年各个年份中的MoranI值均通过了1%水平下的显著性检验，且各个MoranI值均为正值，说明全国各省域企业创新的空间分布并非表现出完全随机状态，而是表现出空间集聚现象。
　　在了解空间相关的时间趋势后，我们进一步观察它的地理分布。所采用的工具为Moran散点图（Anselin,1996M)。我们根据2009年的数据，对各地区创新效率进行Moran散点图分析。
　　4创新要素聚集的空间外溢效应实证分析
　　4.1模型设定
　　经典计量经济学中的线性回归模型的经典假定面对异常复杂的经济系统和因素变量之间的交互影响，尤其是碰到横截面数据之间存在空间自相关性和空间异质性时，经典计量的线性回归模型在测算时就难免出现偏差，而空间计量经济方法是在继承和发展完善经典统计和计量方法的基础上,将经典统计和计量方法应用于与地理位置及空间交互作用相关的地理空间数据，通过地理位置与空间联系建立的统计与计量关系，以统计和计量方法识别和度量空间变动的规律与空间模式的决定因素。由于本文研究的为创新要素集聚对创新效率的空间外溢效应，正是因为创新的空间外溢效应得到了广泛的认可，所以创新要素的空间聚集必然会通过空间外溢效应带来创新效率的提升，所以本文采用空间计量方法来研究这个问题具有很强的应用性和合理性。
　　空间计量方法在研究中主要用到两类模型。当模型的误差项在空间上相关时，即为空间误差模型（SpatialErrorModel,SEM);当变量间的空间依赖性对模型显得非常关键而导致了空间相关时，即为空间滞后模型（SpatialLagModel,SLM)(Anselin,1988M)。
　　SEM模型可表示为：
　　脚标i、分别标示各个地区和样本的观察年度;Y为因变量;X.为一系列自变量;和为服从正态分布的随机误差项;a0为截距,a.、p、A为系数;W为空间权重矩阵。由于实际操作中的自由度限制，空间权重矩阵无法利用数据和模型生成。根据目前国际国内文献中通行的设定方法，本文这里使用距离的_阶相邻函数矩阵来表示，即将相邻的区域赋予1,不相邻的区域赋予0(Lesage,199916)。此外，为了衡量空间外溢效应的递减规律,本文将分别以400公里和800公里为标准设定空间权重矩阵，通过观察空间外溢系数的变化来观察空间外溢效应的递减规律。具体方法参照符淼（2009)提供的方法。由于空间自相关的存在，用传统的OLS方法来估计SEM模型虽然是无偏的，但是不具有有效性,而用其来估计SLM模型则不仅是有偏的，而且是不一致的。为克服这一问题，本文采用了Elhorst(2003)针对空间面板模型的极大似然估计方法，并采用对数似然函数值（Log-Likelihood)来判断模型适宜性。