高质量发展是新时代背景下推动国家现代化建设所必须遵循的长期战略[1]。新时代背景下,中国经济发展呈现出由“高速度发展”,向“高质量发展”转变的基本特征,高质量发展也成为新时代中国特色社会主义建设的根本目标和核心要求[2]。近年来,科技创新通过优化产业结构、提高资源利用效率等方式,深刻影响区域核心竞争力与发展格局[3],成为高质量发展的有力支撑[4]。在此背景下,有必要研究科技创新影响区域高质量发展作用机制,提升科技创新驱动区域高质量发展效率。

本文基于2008—2017年间中国30个省市自治区面板数据,运用耦合协调度模型,测算各区域高质量发展水平指数,并分析其整体特征、动态变化趋势与空间分布特征;在此基础上,从科技创新人才储备、科技创新资金投入、科技创新成果产出视角入手,构建面板数据回归模型与门槛回归模型,实证分析科技创新影响区域高质量发展作用机制。

一、理论机制与研究假说

(一)科技创新综合影响区域高质量发展作用机制

科技创新从创新、协调、绿色、开放、共享等层面影响区域发展。从科技创新人才储备、科技创新资金投入、科技创新成果产出视角研究科技创新影响区域高质量发展的作用机理。

首先,科技创新人才储备为区域高质量发展提供人才支撑。一是创新人才支撑创新成果的设计、研发、生产等关键环节,促进创新成果产出。二是通过对优秀科技创新人才的引进和安置,从根本上提升区域创新意识和教育实力,促进区域高质量发展。此外,创新人才储备存在成效累积效应,具备知识溢出特征,并存在一定的代际影响现象,为提升创新水平、促进高质量发展提供长效人才支撑。

其次,科技创新资金投入为区域高质量发展提供资金支撑。一是支撑科技创新成果的设计、生产、销售等各环节,促进创新成果产出。二是支撑科技创新人才的招募和安置,促进区域创新人才储备。此外,创新资金投入存在后续反馈激励,为提升创新水平、促进高质量发展提供长效资金支撑。

最后,科技创新成果产出为区域高质量发展提供成果支撑。一是反馈科技创新人才储备、资金投入,三者形成良好的科技创新循环体系,为区域高质量发展各领域建设提供创新成果保障。二是通过创新成果的合理转化、高效应用、迭代创新,提升区域发展核心竞争力。此外,创新成果在迭代创新过程中,形成创新成效累积效应,具备知识溢出特征,为提升创新水平、促进高质量发展提供长效成果支撑。

综合上述讨论,提出如下假设:

H1:从科技创新人才储备、科技创新资金投入、科技创新成果产出视角看,科技创新与区域高质量发展正相关,即科技创新促进区域高质量发展。

(二)不同科技创新要素影响区域高质量发展异质性效应

科技创新人才储备能够提升区域高质量发展水平,且呈“S”型影响趋势。一是科技创新人才积累初期,优秀创新人才规模较小,人才成本较高,形成的创新效应有限,对区域高质量发展产生缓慢影响,甚至出现负向影响;二是科技创新人才积累中期,创新人才发挥明显促进作用,在区域发展的各个领域、各个环节发挥其巨大的创新潜力,显著提升区域高质量发展水平;三是科技创新人才积累过多,创新效率有限,但人才规模过大,人力资本负担加重,边际收益下降,对区域高质量发展的正向影响趋缓。因此,提出如下假设:

H2:科技创新人才储备对区域高质量发展的影响是非线性的,存在门槛效应。

科技创新资金投入能够提升区域高质量发展水平,且呈“S”型影响趋势。一是科技创新资金投入初期,形成的创新效应有限,对区域高质量发展有一定促进作用,但影响缓慢;二是科技创新资金投入中期,资金投入发挥明显效用,在区域高质量发展的各个领域、各个环节发挥其巨大的资金支持作用,显著提升区域高质量发展水平;三是科技创新资金投入过多,但创新成果产出规模有限、速率缓慢,边际收益下降,对区域高质量发展的正向影响趋缓。因此,提出如下假设:

H3:科技创新资金投入对区域高质量发展的影响是非线性的,存在门槛效应。

科技创新成果产出能够提升区域高质量发展水平,但在达到一定成果规模之前,对高质量发展水平产生负向影响。一是创新成果积累未达到高质量发展需求,但是资本消耗较大,因此边际收益下降;二是成果积累初期创新成果层次不一,低质成果较多,不利于区域高质量发展;三是创新成果积累初期,可应用成果的选择余地较小,区域高质量发展过程中的创新成果应用存在风险,不利于区域高质量发展。达到一定成果规模之后,创新产出积累形成良性循环,逐步达到高质量发展需求,资本消耗下降,边际收益上升;创新成果由量变形成质变;各领域创新成果全面、多样,创新成果应用风险大大降低,有利于区域高质量发展。因此,提出如下假设:

H4:科技创新成果产出对区域高质量发展的影响是非线性的,存在门槛效应。

二、研究设计

(一)区域高质量发展水平测度

1.指标体系

区域高质量发展内涵丰富。从系统论视角来看,区域“高质量发展”是一个复杂系统,各子系统之间存在相互作用、彼此影响的密切关联。在已有研究基础上,根据“创新、协调、绿色、开放、共享”五大发展理念要求,遵循科学、系统、可靠等指标体系构建原则,构建区域高质量发展评价指标体系,包含5个一级指标和25个二级指标,如表1所示。

表1 区域高质量发展评价指标体系系统指标名称单位指标编号功效性S1创新高技术产业全部建成投产项目数个S11+高技术产业新产品销售收入万元S12+技术市场成交合同金额万元S13+规模以上工业企业新产品销售收入万元S14+规上工业企业有效发明专利数件S15+S2协调居民人均可支配收入元S21+第三产业增加值占GDP比重比率S22+城镇人口比重比率S23+15-64岁人口占比比率S24+城乡消费水平对比对比数(负)S25-S3绿色城市污水处理率比率S31+生活垃圾无害化处理率比率S32+人均水资源量立方米/人S33+环境污染治理投资占GDP比重比率S34+建成区绿化覆盖率比率S35+S4开放外商投资总额万美元S41+对外承包工程营业额万美元S42+进出口总额万美元S43+外国留学生毕业生数人S44+在境外从事承包工程人数人S45+S5共享人均财政支出元/人S51+人均教育经费元/人S52+基本医疗保险参保人数万人S53+每千人医疗卫生机构床位数张S54+万人拥有公共交通车辆标台S55+

2.测度模型

在现有研究基础上,根据区域高质量发展评价指标体系,采用熵权法测算高质量发展S1～S5子系统发展指数,并结合耦合协调度模型(式1),测算各区域高质量发展水平指数。

式(1)中,s1～s5依次为创新、协调、绿色、开放、共享5个高质量发展子系统的发展指数;C∈[0,1]为耦合度,数值越大,各子系统之间的相互影响越大。T∈[0,1]为五大子系统综合发展指数,数值越大,各子系统综合发展水平越高。θ1～θ5为待定权重,且需满足区域高质量发展各子系统间相互影响、彼此配合、协调发展。因此,将各权重设定为1/5,即为耦合协调度,数值越大,各子系统之间耦合协调程度越好,即区域高质量发展水平越高。此外,在相关研究[5-6]基础上,将耦合协调度D划分为十级,如表2所示。

表2 耦合协调度等级划分耦合协调度D～0.10.1～0.20.2～0.30.3～0.40.4～0.5 等级划分极度失调严重失调中度失调轻度失调濒临失调 耦合协调度D0.5～0.60.6～0.70.7～0.80.8～0.90.9～1.0 等级划分勉强协调初级协调中级协调良好协调优质协调

(二)计量模型与数据来源

1.计量模型

为分析科技创新对区域高质量发展的影响方向与影响程度,构建如下回归模型:

其中,i表示省份(i=1,2,3,…,30),t表示年份(t=2008,2009,2010,…,2017);HQD表示区域高质量发展水平,作为被解释变量;xstaff表示科技创新人才储备,xinvest表示科技创新资金投入,xpatent表示科技创新成果产出,作为核心解释变量;控制变量control包含互联网发展水平(internet)、固定资产投资水平(fixedinvest)、旅游业发展水平(travel)和研究生人才培养水平(graduate);εit表示随机误差项。回归模型相关变量的代表符号、变量含义与测度方式如表3所示。

表3 回归变量说明变量符号变量含义变量测度HQD高质量发展水平高质量发展水平指数xstaff科技创新人才储备R&D人员全时当量的自然对数xinvest科技创新资金投入R&D经费投入强度xpatent科技创新成果产出三种专利人均申请受理数(授权数)的自然对数internet互联网发展水平互联网宽带接入端口数的自然对数fixedinvest固定资产投资水平固定资产投资额的自然对数travel旅游发展水平接待入境过夜游客人数的自然对数graduate高校研究生培养规模高校研究生毕业人数的自然对数

2.数据来源及样本说明

基于上述指标和变量的数据可得性,采用2008—2017年间,我国除西藏地区(数据缺失严重)之外,30个省市自治区的省级面板数据进行模型估计。样本数据均来源于《中国统计年鉴》、《中国高技术统计年鉴》、《中国科技统计年鉴》、《中国教育统计年鉴》、《中国环境统计年鉴》、《中国对外贸易统计年鉴》等国家官方数据统计材料。

三、实证结果分析

(一)各区域高质量发展水平特征

基于相关数据,运用耦合协调度模型,测度我国除西藏地区(数据缺失严重)之外,30个省市自治区高质量发展水平指数,测算结果如表4所示(篇幅有限,完整数据表可联系作者获得)。从以下角度分析。(1)高质量发展水平指数整体特征。由表4可知,高质量发展水平均值处于[0.401,0.42],十年来波动性、小幅上升,但整体处于中等偏下水平;高质量发展水平指数最大值处于[0.705,0.765],有所下降;最小值处于[0.147,0.227],缓慢上升。区域间高质量发展水平差距逐年缩小(表4“MAX-MIN”数据)。(2)各区域高质量发展动态趋势。由表4可知,东部地区高质量发展水平基本保持较高水平,但部分区域出现停滞或略微下降;中、西部地区高质量发展整体处于中等偏下水平,但高质量发展水平的上升趋势较为明显。(3)各区域高质量发展空间分布。由表可知,2008—2017 年间,30 个省市自治区的高质量发展水平整体介于[0.236,0.765],区域高质量发展水平两极分化现象明显。此外,从耦合协调度等级划分看,各区域高质量发展过程中,既不存在“极度失调”和“严重失调”,也没有实现“良好协调”和“优质协调”,且“轻度失调”地区占比高达46.67%,如表5所示。只有北京地区的高质量发展水平达到“中级协调”;“勉强协调”及以上地区占比只有23.33%。

表4 2008—2017年各区域高质量发展水平测算结果地区…2最大值最小值均值北京……天津…………江苏…………………………………………………………陕西……甘肃……新疆……最大值……最小值……均值…………

表5 各区域高质量发展协调等级划分耦合协调度协调等级地区个数占比0.2～0.3中度失调广西、贵州、甘肃、青海、新疆516.67%0.3～0.4轻度失调河北、山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖南、海南、重庆、云南、陕西、宁夏1446.67%0.4～0.5濒临失调辽宁、福建、湖北、四川413.33%0.5～0.6勉强协调天津、浙江、山东310%0.6～0.7初级协调上海、江苏、广东310%0.7～0.8中级协调北京13.33%

(二)计量回归结果及分析

1.回归变量描述性分析

从科技创新人才储备、资金投入、成果产出视角入手,实证分析科技创新对区域高质量发展的影响作用。被解释变量、核心解释变量、控制变量的描述性统计结果如表6所示。运用软件,进行全样本和分样本回归分析。

表6 回归变量的描述性统计变量符号变量含义均值标准差最小值最大值HQD高质量发展水平 xstaff科技创新人才储备.245 xinvest科技创新资金投入 xpatent科技创新成果产出- internet互联网发展水平- fixedinvest固定资产投资水平.919 travel旅游发展水平 graduate高校研究

2.全样本回归结果

基于2008—2017年间30个省市自治区面板数据,进行全样本回归分析,回归结果如表7所示。为检验回归方程稳健性,依次添加不同的控制变量,对解释变量进行面板数据逐步回归。此外,模型均通过Hausman检验,因而选择固定效应(FE)方法进行模型分析。

表7 全样本回归分析结果全样本模型1模型2模型3模型4模型***0.035***0.039***0.034***0.05******2.896***2.732***2.818***4.169******0.043***0.042***0.043***0.035******0.087***0.082***0.082*** *0.008*****_cons0.61***0.452***0.448***0.488***0.43***Hausman testFeFeFeFeFe R_ obs300注:*、**、***分别表示在1%、5%、10%的统计水平上显著,下同。

由表7可知,模型1至模型5中,三个核心解释变量xstaff、xinvest、xpatent的影响系数均显著为正(1%显著性水平下)。该结果表明,科技创新人才储备、科技创新资金投入与科技创新成果产出,均显著促进区域高质量发展,验证了假说1。科技创新人才在区域高质量发展各领域形成智力支持,并通过人才教育和培养产生创新能力与知识溢出,有利于区域高质量发展;科技创新资金投入通过资本累积效应与市场激活效应促进区域高质量发展;科技创新成果产出通过应用支撑与创新累积效应,提升区域高质量发展水平。控制变量中,互联网发展水平的影响系数始终显著为正,即对区域高质量发展始终产生促进作用。固定资产投资对区域高质量发展并未产生显著影响。旅游业发展水平影响系数较小,但对区域高质量发展产生显著促进作用。高校研究生培养规模对区域高质量发展产生一定抑制作用。

此外,在逐一添加控制变量的过程中,模型1至模型5中同一回归变量的影响系数的数值、符号及其显著性均未出现较大变化,证明该回归模型具备较好的稳健性;各模型R2由不含控制变量时的0.861(模型1),逐渐增加到四个控制变量时的0.893(模型5),表明回归方程整体解释力不断增强。

3.分区域回归结果

中国地大物博,各区域发展特点不同,科技创新实力与高质量发展水平均存在较大差异。将30个省市自治区分为东、中、西三个地区,从科技创新人才储备、科技创新资金投入与科技创新成果产出视角出发,检验科技创新对三个地区高质量发展水平的影响,回归分析结果如表8所示。由表7可知,全样本回归模型5的整体解释能力最强。因此,在进行分样本回归分析时,选择该模型进行估计,进而得到分样本回归模型1至模型3。由表8可知,三个模型均通过了Hausman检验,选择固定效应模型进行分析;R2最小值为0.691,模型1、模型2的R2均大于0.9,表明模型解释力较好。

表8 分样本回归分析结果东部地区中部地区西部地区模型1模型2模型***-******-0.015**0.031***0.032**0.046****0.019*0.068*****0.028***-0.003 **0.07***-0.038**_***-0.648***0.278***Hausman testFeFeFe R_ obs

由表8可知,科技创新人才储备对东、西部地区高质量发展虽有促进作用,但并不显著;对中部地区高质量发展形成负向影响,但不显著。可能原因为,东中西部地区的科技创新人才储备和高质量发展水平存在较大差异,且人才流动的人员主观选择性突出,较难通过硬性规制手段进行调配。科技创新资金投入对东、西部地区高质量发展有显著促进作用,与全样本回归模型结论一致;对中部地区高质量发展形成负向影响,但不显著。可能原因为,中部地区高质量发展水平较为相近,上升势头较为明显,但相对于中部地区中等均值、明显上升的高质量发展水平,科技创新资金投入尚未形成正向影响。科技创新成果产出对东、西部地区高质量发展有显著促进作用,与全样本回归模型结论一致;对中部地区高质量发展形成负向显著影响。可能原因为,相对于上升的高质量发展水平,中部地区科技创新成果转化效率有待提升,创新成果产出尚未发挥正向作用。

四、科技创新与区域高质量发展异质性检验

由上述研究结论可知,从科技创新人才储备、资金投入、成果产出视角来看,科技创新显著促进区域高质量发展。然而,由于各区域在人才储备、资金投入与成果产出等科技创新要素上存在较大差异,科技创新与区域高质量发展之间可能并非仅存在简单线性关系,科技创新对区域高质量发展可能具有异质性效应。因而,使用 Hansen门槛分析方法实证检验科技创新对区域高质量发展是否存在异质性影响。

(一)门槛模型设定

依据Hansen门槛分析方法,构建如下面板门槛模型:

HQD=λ0+λ1xstaffitI(xtaff≤γ1)+

λ2xstaffitI(γ1

λnxstaffitI(γn-1

λn+1xstaffitI(xstaff>γn)+

HQD=η0+η1xinvestitI(xinvest≤γ1)+

η2xinvestitI(γ1

ηnxinvestitI(γn-1

ηn+1xinvestitI(xinvest>γn)+

HQD=ω0+ω1xpatentitI(xpatent≤γ1)+

ω2xpatentitI(γ1

ωnxpatentitI(γn-1

ωn+1xpatentitI(xpatent>γn)+

其中,xstaff、xinvest、xpatent分别为上述三个门槛回归模型(式3～式5)的核心解释变量和门槛变量,γ1,γ2,…,γn为待估计门槛值,I(·)代表示性函数,λi,ηi,ωi分别为各变量在三个门槛回归模型中的回归系数。

(二)门槛效应检验与估计值

基于已有数据,利用stata12. 0软件,对科技创新与区域高质量发展之间的门槛效应进行实证分析。为提高门槛效应显著性检验,本文采用连玉君和程建[7]Bootstrap自举法重复抽样300次。根据门槛模型设定(式2～式4),分别将科技创新人才储备、资金投入、成果产出设定为门槛变量。假设存在单一门槛、双重门槛和多重门槛,分别检验在1%、5%和10%显著性水平下的门槛效应显著性,结果见表9。

表9 门槛效应检验门槛变量模型F值P值BS次数1%5%10%xstaff单一门槛19.177***0.00..1747.116双重门槛9.992**三重门槛11.861**单一门槛31.144***0.00..3019.083双重门槛6.889**三重门槛5.0410..单一门槛22.127***双重门槛1.708*三重门槛1.6530..注:*、**、***分别表示在1%、5%、10%的统计水平上显著。

进一步分析可知,以科技创新人才储备为门槛变量的双重门槛回归模型、以科技创新资金投入为门槛变量的单一门槛回归模型、以科技创新成果产出为门槛变量的单一门槛回归模型中,各门槛变量的门槛估计值相应的LR统计量均小于临界值 7.35。说明这三个模型的门槛估计值具有准确性[8]。综上,分别选取以科技创新人才储备为门槛变量的双重门槛模型、以科技创新资金投入为门槛变量的单一门槛模型、以科技创新成果产出为门槛变量的单一门槛模型进行回归分析,门槛估计值与相应的 95%置信区间如表10所示。

表10 门槛估计值和置信区间门槛变量门槛参数门槛估计值95%置信区间xstaffγ118.594[8.547,10.021]γ1210.054[10.054,10.075]xinvestγ20.031[0.03,0.031] xpatentγ3-6.33[-6.536,-6.343]

(三)门槛模型实证检验

从科技创新人才储备、资金投入、成果产出三要素视角出发,实证分析科技创新与区域高质量发展之间的门槛效应,结果见表11。从表11中模型1的估计结果可以看出,科技创新人才储备与区域高质量发展之间基于人才储备存在显著非线性关系。结果表明,随着科技创新人才储备的不断增加,其对区域高质量发展产生的作用,由“初期抑制”向“积极促进”、“缓慢促进”转变,验证了假说2的“S”型作用趋势。从表11中模型2的估计结果可以看出,科技创新资金投入与区域高质量发展之间基于资金投入存在显著非线性关系。

表11 面板门槛系数估计结果门槛模型门槛变量xstaffxinvestxpatent 模型1模型2模型3fe_robustfe_robustfe_(0.49)(0.15)(-0.73)***0.036***0.042***(3.58)(4.39)(4.99)*0.009*0.005 (1.7)(1.53)(0.96)***-0.069***-0.064**(-3.84)(-2.87)(-2.68)xstaff_1-0.004***(-3.85)xstaff_20.008*(0.5)xstaff_30.004***(3.67)xinvest_11.047**(1.05)xinvest_2-2.544***(-11.03)xpatent_1-0.005***(-2.87)xpatent_20.013*(1.55)_***0.665***0.649***(3.53)(2.83)(2.64)R_ obs注:*、**、***分别表示在1%、5%、10%的统计水平上显著;2)括号内的数值为检验P值。

结果表明,随着科技创新资金投入的不断增加,其对区域高质量发展产生的作用,由“积极促进”向“过剩抑制”转变,与假说3的“S”型趋势存在差异。其中,在一定资金投入规模之后,对高质量发展水平产生负向影响,可从三个方面解释。一是随着科技创新资金投入的持续增加,创新产出有限,边际收益下降;二是过度的资金投入导致资源浪费,不利于区域高质量发展;三是导致其它关键环节资金投入的减少,影响区域均衡发展,不利于区域高质量发展。从表11中模型3的估计结果可以看出,科技创新成果产出与区域高质量发展之间基于成果产出存在显著非线性关系。结果表明,随着科技创新成果产出的不断增加,其对区域高质量发展产生的作用,由“初期抑制”向“积极促进”转变,验证了假说4。

五、结论与启示

基于2008—2017年间中国30个省市自治区的面板数据,运用耦合协调度模型测算了各区域高质量发展水平指数,从科技创新人才储备、资金投入、成果产出视角入手,构建面板数据回归模型与门槛回归模型,实证研究科技创新影响区域高质量发展的作用机制。研究发现:

首先，区域高质量发展水平动态趋势与空间分布特征各具特色;各区域高质量发展过程中,“轻度失调”地区占比高达46.67%,“勉强协调”及以上地区占比只有23.33%。

其次，科技创新人才储备、资金投入、成果产出均对区域高质量发展有显著正向影响,科技创新促进区域高质量发展;从东、中、西部回归结果来看,科技创新影响区域高质量发展的地区差异显著。

最后，科技创新影响区域高质量发展具有异质性效应,二者之间呈现非线性关系。一是科技创新人才储备影响区域高质量发展,由“初期抑制”向“积极促进”、“缓慢促进”转变。二是科技创新资金投入影响区域高质量发展,由“积极促进”向“过剩抑制”转变。三是科技创新成果产出影响区域高质量发展,由“初期抑制”向“积极促进”转变。

国家创新体系建设、区域高质量发展背景下,科技创新促进区域高质量发展相关研究逐渐受到关注。需重视科技创新人才储备的数量与质量,资金投入的规模与方式,成果产出的数量与质量,优化科技创新环境、增强科技创新实力,努力提升科技创新促进区域高质量发展效率。本文分析科技创新影响区域高质量发展作用机制,希望能够为其他学者提供参考,为科技创新促进区域高质量发展做出学术贡献。□

[1] 张军扩,侯永志,刘培林,等.高质量发展的目标要求和战略路径[J].管理世界,2019(07).

[2] 李梦欣,任保平.新时代中国高质量发展的综合评价及其路径选择[J].财经科学,2019(05).

[3] 刘汉初,樊杰,周侃.中国科技创新发展格局与类型划分——基于投入规模和创新效率的分析[J].地理研究,2018(05).

[4] 王慧艳,李新运,徐银良.科技创新驱动我国经济高质量发展绩效评价及影响因素研究[J].经济学家,2019(11).

[5] 廖重斌.环境与经济协调发展的定量评判及其分类体系——以珠江三角洲城市群为例[J].热带地理,1999(02).

[6] 白雪,宋玉祥,浩飞龙.东北地区“五化”协调发展的格局演变及影响机制[J].地理研究,2018(01).

[7] 连玉君,程建.不同成长机会下资本结构与经营绩效之关系研究[J].当代经济科学,2006(02).

[8] 邵汉华,汪元盛.人口结构与技术创新[J].科学学研究,2019(04).