空间溢出效应（共10篇）
空间溢出效应 篇1
一、引言
改革开放以来,随着经济的不断发展,中国的城市化进程不断 推进。中国的 国内生产 总值从1978年的3645. 2亿元增加到2010年的401202亿元,成为了仅次于美国的世界第二 大经济体; 城市化率 从1978年的17. 92% 提高到2013年的53. 7% ,已经进入了高速城市化阶段。然而中国经济的增长主要是由于资源的投入而不是效率的提升,经济的发展不能只单单追求经济产出的提高,更应该追求效率的提升,同样,城市化的过程也应该以追求效率为目标,即提高城市化的质量。
近年来,城市化效率的研究也逐渐引起学者们的广泛关注。从靳相木( 2005) 首先提出城市化( 城镇化) 效率的概念[1]以来,我国学者对中国的城市化效率进行了不同层次的研究,主要可以分为两大类: 第一类选取指标体系和方法,从整体或区域的角度对城市化效率进行测度及分析。刘晓峰( 2007) 等从经济、人口、社会三个方面选取输出指标,以财政支出、固定资产投资以及就业人员为评价单元输入,以全国15个省会城市和计划单列市为例,应用DEA评价城市化的相对效率[2]。李胜会、冯邦彦( 2012) 对我国三大城市群的综合城市化效率进行了研究,并进行了比较分析,发现京津冀和长三角城市群无论综合效率水平还是效率改善均优于珠三角城市群[3]。李红锦、李胜会( 2012) 也运用DEA模型对我国三大城市群的城市化效率进行对比分析,发现城市化效率不高的主要原因是要素投入冗余与资源在空间配置不合理[4]。另有学者分别对内蒙古、四川、新疆、河南等11个省区市的城市化效率进行了测算与分析。
第二类研究在对城市化效率进行测度的基础上,分析了各种因素对城市化效率影响的机理。戴永安( 2010)分析了各因素对城市化效率的影响,指出城市的初始状态、区位、空间集聚水平、产业结构效益与基础设施水平对各城市化效率存在显著的正向作用,人口因素和政府的作用限制城市化效率的提高,技术进步是推进中国城市化的主要动力[5]。吴旭晓( 2013) 对河南省的新型城镇化效率的演化趋势及驱动机制进行研究,指出河南省的新型城镇化效率的驱动力量主要有农业现代化和现代服务业,而传统工业化发展模式和市场化水平低下对河南省的新型城镇化效率形成了制约[6]。张明斗( 2013)对中国30个省区市的城市化效率作用机理进行了探讨,研究表明: 经济规模总量等要素对提高城市化效率具有正向作用,城市空间的人口承载力则对提高城市化效率具有阻碍作用[7]。
纵观已有研究不难发现,现有的研究大多是对城市化效率的测算,以及对城市化效率影响因素及作用机理的初步研究,对城市化效率之间的空间相互作用进行的研究还不多。事实上,区域城市化效率不仅受地区内部因素的影响,还受到外部区域因素的影响。因此有必要从空间层面对城市化效率的影响机理,尤其是不同区域间的城市化效率的空间溢出效应进行探讨。本文首先利用数据包络方法( DEA) 对中国31个省区市城市化效率进行测算,然后着重借助空间计量方法来对各省区市城市化效率的空间溢出效应进行研究。
二、研究方法
( 一) 数据包络分析方法
由于很难从整个经济系统找出城市化投入与产出的明确的函数关 系,因此我们 采用数据 包络分析 方法( DEA) 对中国31个省区市城市化效率进行测算。
数据包络分析方法( DEA) 基本原理为: 假设有n个决策单元( DMU) ,同时假设每个决策单元有m种类型的投入变量和s种类型的产出变量,xij为第j个决策单元第i种投入变量,yrj为第j个决策单元第r种产出变量,Vi和Vr分别表示第i种投入和第r种产出的权变量。现在考察DMU0的效率,根据经典的效益成本理论,则有:
其中,公式( 1) 中的ε是一个阿基米德无穷小量,取值10- 6。如果TE0= 1,则称DMU0为技术有效,否则,则称DMU0为技术无效,而此时的技术效率则为TE0。
( 二) 空间计量方法
1. 空间自相关
本文选取Moran's I指数进行空间自相关检验。
Moran's I指数定义如下:
其中,,Wij为临近空间权值矩阵,Yi表示第i个地区的观测值,本文中为各地区的城市化效率。Moran's I指数的取值范围为(-1,1),Moran's I>0表示地区间呈现正的空间相关性;Moran's I<0表示地区间呈现负的空间相关性,Moran's I=0表示地区间不存在空间相关性。Moran's I指数的显著性检验主要采用服从标准正态分布的Z统计量来进行。
2. 空间面板数据模型
为了进一步反 映区域间 的自相关 存在的形 式,Anselin指出可以通过采用空间自回归模型来进一步研究空间自相关存在的形式。空间自回归模型包括空间滞后模型( Spatial Lag Model,SLM) 和空间误差模型( SpatialError Model,SEM) 。
空间滞后模型主要是探讨各变量在一地区是否有扩散现象( 溢出效应) ,其模型表达式为:
式中,y表示N×1阶的因变量,X表示K×N阶的自变量,β表示K×1阶的回归系数向量,W表示N×N阶的空间权重矩阵,ρ表示空间自回归系数,主要用来衡量相邻地区的变值对本地区变量的影响方向,空间滞后因变量ρWy是一内生变量,反映了空间距离对区域行为的作用。如果ρ > 0,表示存在溢出效应; 反之则不存在。
空间误差模型的基本表达式如下:
式中,y、X、β、W与空间滞后模型中表示的意义相同,ε为随机误差项向量,λ表示N×1阶空间误差系数,用来衡量相邻地区的变值对本地区变量的影响方向,μ为正态分布的随机误差向量。如果λ > 0,表示存在外溢效应; 反之则不存在。
对于SLM和SEM这两种模 型的估计 主要采用Anselin和Rey提出的拉格朗日乘子检验形式,并且这种方法还可以对SLM和SEM这两种模型进行选择,如果在检验中LMLAG在统计上 比LMERR要显著,则选择SLM,反之则选择SEM。
三、实证研究
( 一) 数据选取及变量说明
用于测度城市化效率的指标应该尽可能地反映城市化的内涵,包括经济发展水平、人口城市化水平及社会发展指标。本文参考相关文献,分别用非农产出、人口城市化率及人均年社会消费品零售总额代表以上三方面指标。输入指标方面也应该从劳动、资本、土地三方面考虑,本文选取就业人口、固定资产投资及城市建成区面积分别代表以上三方面指标。
中国各省区市城市化效率溢出效应的控制变量包括: 1. 产业结构( Inds) 。产业结构的差异会导致资源以及劳动力向效率高的产业和地区流动和转移,用第三产业占比来衡量; 2. 政府的作用( Gov) 。政府的合理干预会使经济健康发展、城市化进程高效率推进,但是过度的政府干预也会造成城市化效率的低下,用政府财政支出占GDP的比例来表示; 3. 经济开放水平( Open) 。一般经济开放水平高的地区城市化水平较高,用外企投资占全社会总投资比例来衡量经济开放水平; 4. 非公有制占比( Nonpub) 。非公有制企业的活跃度及效率相对要高一些,在合理范围内对促进城市的发展有积极作用,用非公有制就业人员占总就业人员比例来衡量。
本文选取2005—2012年全国31个省区市( 不包括香港、澳门、台湾) 8年的数据进行研究,所用数据均来自国家统计局网站及《新中国60年统计资料汇编》。各省固定资产投资按照固定资产投资平减指数进行缩减,非农产值按照GDP平减指数进行缩减,其余均按照CPI进行平减; 另外缺失数据取该地区前后两年平均值。
( 二) 中国 31 个省区市城市化效率的测算
根据DEAP2. 1软件计算出2005—2012年中国城市化效率值,如表1所示。
由表1可以看出,北京、天津、上海、广东等地区的城市化效率每年都是最高的; 而西藏和青海,由于人口比较少、城市化率不高而政府的财政支出较大,从而测算出的城市化效率较高; 历年城市化效率较低的省份为江西、吉林、广西、四川、黑龙江、重庆。从总体上看,东部地区的城市化效率是最高的,其次为中部地区,最后为西部地区。我国城市化效率大致呈现由东部沿海向内陆地区依次递减的格局。
表1 2005—2012年中国31个省区市城市化效率状况
( 三) 空间自相关检验
在共同边界上定义一阶邻接空间权值矩阵的基础上计算出的Moran's I指数,如表2所示。
由表2可以看出,在2005—2012年间我国城市化效率的Moran's I指数均为正,且全部通过了显著性检验,说明我国31个省区市城市化效率具有明显的正自相关关系和空间依赖性,较高城市化效率的省份与较高城市化效率的省份相邻,较低城市化效率的省份与较低城市化效率的省份相邻,即城市化效率存在着空间集聚效应。我国城市化效率的空间差异呈现不断缩小的趋势。
表2 2005—2012年中国31个省区市城市化效率的Moran's I指数检验
( 四) 中国 31 个省区市城市化效率的溢出效应检验
首先进行普通最小二乘法估计,以及通过Moran's I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,结果如表3。
表 3 最小二乘法的回归结果
表3的Moran's I指数又一次验证城市化效率的空间依赖性非常明显。我们从两个拉格朗日乘数的空间依赖性检验结果可以看出,由于SLM模型与SEM模型的空间滞后项值均通过了显著性检验,建立两个模型都是可以的,LMLAG比LMERR的统计值大而且更显著,因此选择SLM模型更合适。我们将两种模型全部估计出来。根据上面的理论基础我们得到如下模型:
1. 空间面板滞后模型( SLM) :
2. 空间面板误差模型( SEM) :
经检验,我们选择随机效应模型,SLM模型与SEM模型的估计结果如表4。
表 4 空间滞后模型和空间误差模型估计结果
注:***、**、*分别代表1%、5%、10%显著性水平下显著。
由表4可以看出: 1. 空间因素确实对我国各省区市的城市化效率有影响。由模型中ρ/λ均为正,且全部通过了1% 的显著性检验,可以看出我国各省区市城市化效率存在正的溢出效应,说明我国各省区市城市化效率是相互促进的。空间滞后模型ρ估计值比空间误差模型λ估计值更加显著,说明空间面板滞后模型是更合适的模型。如表4所示,当相邻地区城市化效率平均提高1%时,能够带动本地区城市化效率0. 3440% 的提高。因此与高效率的地区相邻能够提高本地区的城市化效率。2. 在纳入空间影响因素的前提下,控制变量中产业结构、政府的作用、经济开放水平、经济活跃度都通过了显著性检验。因此除了空间因素的影响外,还有社会和经济因素影响着城市化效率。
产业结构即第三产业占比与城市化效率呈正向变化,并且对城市化效率的影响较大。由表4可知,第三产业占比每提高1% ,城市化效率将提高约0. 2672% 。第三产业比例的提高可以促进一二产业的发展,培育新的经济增长点,扩大就业门路,缓解就业压力,目前第三产业容纳的就业人口数量要大于第一产业和第二产业,是解决就业的重要途径。第三产业是促进城市化效率提高的主要因素。
政府的作用对城市化效率的影响为负,表明政府的财政支出占GDP比重越高越不利于城市化效率的提高,政府财政支出占比提高1% 会导致城市化效率下降约0. 1967% 。政府财政支出相对规模越高,越不利于城市效率的提高,这与戴永安( 2010) 等学者的结论一致。过多的政府干预会对经济增长造成多方面的损害,最为直接的影响是导致资源配置发生扭曲和效率出现损失。
对外开放水平对城市化效率作用为正,对外开放水平的提高可以有效促进城市化效率的提高。由表4可知,对外开放水平每提高1% ,会促进城市化效率提高0. 0362% 。通过吸引使用外资,可以带来先进的生产和管理技术、管理经验等,促进经济的增长,吸纳就业人口,从而促进经济发展和推进城市化进程,提高城市化效率。
非公有制占比对城市化效率的影响为负,即非公有制占比越高越不利于城市化效率的提高。由表4可知,非公有制就业人员占比提高1% 会导致城市化效率下降0. 2033% 。非公有制经济不仅繁荣了城乡经济,增加了财政收入,在创造就业岗位、吸纳就业人员、促进社会稳定方面也发挥了重要的作用,但其本身面临的技术创新不足、融资渠道不畅、违规经营频现、劳资矛盾等问题导致单纯的就业人口的增加不利于自身效率的提高,从而不利于城市化效率的提高。
四、结论及建议
上述研究表明: 1. 中国31个省区市的城市化效率在空间上存在溢出效应,原因在于邻近地区有着比较紧密的经济联系,人力资源和资本等不断进行交流,且各省区市政府为实现经济目标而通过学习、模仿相邻地区相关政策和制度等从而提升本地区的城市化效率。2. 在纳入空间因素的情况下,产业结构能够显著地提高城市化效率,政府的作用对城市化效率的影响为负,经济开放水平对城市化效率有促进作用,非公有制占比对城市化效率的影响为负。
根据上述研究结果,应着重从以下几方面采取措施提高城市化效率: 1. 加强区域间的经济合作与交流。各地区充分发挥自身优势,学习邻近地区的先进经验和好的政策,充分利用城市化效率的溢出效应,促进资源流动,突破竞争模式以达到双赢的局面; 2. 优化区域经济结构。依托资源优势,在兼顾第一、二产业的基础上,大力发展第三产业; 3. 实施政府对经济的适度干预。制定相应政策,优化市场环境,拓宽非公有制经济发展的空间,增强非公有制经济发展的活力; 4. 全面改善和优化投资环境。各地区应该结合自身的优势大量吸引外资,不断提高对外开放水平,从而促进经济健康发展。
参考文献
[1]靳相木.土地集体制度与中国城镇化效率[J].山东农业大学学报(社会科学版),2005(1):78-81.
[2]刘晓峰,陈通,柳锦铭.城市化相对效率评价指标选择及评价方法研究[J].华中科技大学学报(城市科学版),2007,24(3):82-85.
[3]李胜会,冯邦彦.基于综合城市化的城市群效率研究——我国三大城市群的实证比较[J].学术研究,2012(1):66-73.
[4]李红锦,李胜会.基于DEA模型的城市化效率实证研究——我国三大城市群的比较[J].大连理工大学学报(社会科学版),2012(9):51-56.
[5]戴永安.中国城市化效率及其影响因素——基于随机前沿生产函数的分析[J].数量经济技术经济研究,2010(12):103-117.
[6]吴旭晓.新型城镇化效率演化趋势及其驱动机制研究[J].商业研究,2013(3):44-51.
[7]张明斗.中国城市化效率的时空分异与作用机理[J].财经问题研究,2013(10):103-110.
产业集群的知识溢出效应研究 篇2
关键词: 产业集群；知识溢出；竞争力
新世纪是知识爆炸的世纪,人类对什么因素在经济运行过程中发挥支点作用的认识,从最初的劳动决定论上升到知识资本决定论层面。当今产业集群的蓬勃发展并体现出很强的竞争优势，现象的背后必然有其经济学的内在机制和原因。其中知识溢出、风险投资集中、低交易费用等高新技术产业的效应无疑是其中的重要因素。
一、产业集群及其知识溢出的内涵
产业集群指在某一特定区域下的一个特别领域，存在着一群相互关联的公司、供应商，关联产业和专门化的制度和协会，形成产业集群知识溢出系统(图1)。波特认为，集群即是一种经济发展的思考方式又是引起变革的一种手段，具有活性方面的优势。而集群现象存在的重要理论基础就是集群内外存在着知识溢出。
产业集群不仅在地理位置上集中了大量高科技企业、科研机构，还集中大量的科技研发人员，形成了产、学、研相结合的综合体系。地理位置的集中可以使集群享有“外部经济”，这种知识溢出效应可以使接近重要知识来源的企业较位于其它区域的企业可以更快的引入创新成果。“知识溢出”效应促进了产业集群的发展，产业集群的发展又加速了“知识溢出”效应的发挥，“知识溢出”是产业集群成功的重要因素。
二、产业集群中知识溢出的主要途径
知识溢出过程包括三个方面——知识溢出方、知识接受方和渠道。知识溢出方的能力是它与其他部门之间的技术差距，借用物理学的概念，可以形象地理解为溢出的“势能”。一般情况下，这种“势能”总会是存在的，它的大小取决于知识溢出接受方的对外开放程度以及随之而形成的知识差距。与一般知识流动的双向互动性特征不同，产业集群的知识溢出具有单向性和滞后性特征。知识溢出的单向性是指知识从高势能企业向低势能企业溢出的过程，知识溢出与企业间(或企业与研究机构间)知识和技术的势差息息相关。产业集群的知识溢出主要通过以下途径来实现。
1.人力资本流动
人力资本是指相对于物化资本而存在，表现为人所具有的知识、技能、经验、健康等人口质量素质总和。人力资本流动对知识溢出的影响可以描述为:知识溢出方增加人力资源培训→人力资本平均水平提高→劳动力流动→知识溢出。知识溢出方人力资本的丰裕度无论是对吸引知识转移以形成溢出“势能”，还是对知识溢出效应都起着至关重要的作用。
在生产同一类产品的不同企业及其相关组织机构形成的产业集群中，产品趋同、生产工艺趋同和市场趋同，形成企业内的生产工人、产品营销人员和企业管理人员的工种趋同；集群企业地域接近性而形成的劳动力与人才市场为工种趋同的人员提供了流动平台，而人员流动的背后，带来的是源源不断的“技术流”、“信息流”、“经验流”、“知识流”，有力地促进了知识的溢出与扩散。
另外，企业衍生加速了集群内部人才的流动和知识溢出。企业衍生出的新企业与母体之间存在着千丝万缕的联系。一方面，它促进了人力资本的流动，引发的知识溢出与扩散效应。另方面，它又促进了与当地企业间正式合作关系的建立和非正式沟通，并通过正式合作关系和非正式沟通来促进人才的流动和知识的溢出。从大学和科研机构衍生出企业是高新技术产业集群区最重要的衍生活动。世界上几乎所有的高新区的形成与演变都与邻近大学和研究机构的衍生活动息息相关。
2.产品流动
知识溢出也可以固化在货物中，产品是一个良好的知识溢出载体。在不触犯法律保护的相关商业机密和产权的前提下，良性的产品流动能带动竞争者的模仿性创新，有效节省了开发研究成本，提高了技术进步的效益。随产品流动而产生的知识迅速扩散，能促进整个产业集群内企业技术进步。集群内企业的联系和合作的频率大，同处价值链上的供应商和合作伙伴能够参与创新过程，进一步确保与客户需求一致，在互惠共生、资源共享和合作的前提下，企业间的产品设计思想、工艺技术诀窍、市场营销创新、组织管理程序等隐性知识的交流壁垒低。从相邻的各种知识源那里获得所需的知识，从而不断扩充自身知识。
3.非正式交流渠道
知识的存在形态直接影响其流动性，隐含程度高的知识很难通过可触知的媒体传播开来，这导致在本质上越隐性的知识就越需要面对面的接触和交流。知识越难解码和表达出来，地理上的集中性就会越显著。研究与开发所形成的知识越隐性，研究与开发活动不但地理上会越集中，而且研究与开发的相关管理活动在地理上也会很集中。在产业集群区，同行业的生产厂家、供应商、重要的客户以及相关产业和支持性产业交织在一起。由于地理位置的临近，它们的职员可能同上一家餐馆，同参加一个俱乐部；送孩子们去同样的学校就读，上下班乘同一辆汽车。人际间的频繁接触和交流，增加了彼此间经营的“透明度”，“空气中弥漫着产业的气息”。 集群区这种人际间频繁接触和非正式交流方式极大地促进了知识信息技术的外溢效应。
三、产业集群的知识溢出效应
知识溢出是知识的非自愿性扩散，是经济外部性的一种表现。产业集群的知识溢出能够推动产业集群内部成员企业的技术创新和产业集群整体的技术升级，使个体及群体的竞争力都得到提升。主要表现在以下方面：
1.提升创新能力,降低创新成本
企业知识存量是一个动态概念，随着时间的变化会使原来的知识老化，研究开发又使企业知识增加。企业技术创新所需的知识来自于集群内部，那么企业的存量知识就来自于两部分，一是企业创新所形成的自有知识，二是企业从集群中获取的共享知识。集群内部的共享知识是由于知识的溢出形成的，集群内的每个成员都可以无偿地获取。
集群环境加速了企业间的知识溢出，使群内企业能低成本地获取溢出知识，从而降低企业获取创新资源的成本与创新的不确定性，提高企业的创新产出。集群内企业因知识溢出而产生的创新优势效应，在知识密集型产业中表现得尤为突出。
2.形成学习网络,提高知识积累水平
处于产业集群内的众多企业存在很多的共同需求。为了能够使自身的技术与竞争者既趋同又保持一定差异。各企业在竞争的压力下，会通过各种途径向对方学习和搜索相关技术信息。进而形成高效知识交流渠道和交错的学习网络,进而推动整个群体内浓厚学习氛围的树立。
集群内企业可利用集群优势，同区域内的产学研机构组成联合体，参加行业协会和地方经济组织，大量的专业信息通过个人关系、各种社区联系、人员流动等等进行交流，节省了研发和交易成本。新知识的利用速度大大加快，利用效率也大大提高。同时集群内相关行为主体的非正式交流网络的形成，也提升了集群内成员企业间知识的共享水平。集群内这种基于知识溢出的知识积累机制的存在，使集群能够创造出独特的知识，通过知识溢出机制转化为集群水平的共享知识，从而不断提高集群整体的知识积累水平。
3.降低生产成本，提高生产效率
产业集群的知识溢出加速技术在各企业之间的交流和创新，整个群体的生产建立在不断更新的技术体系上，生产效率持续提高，产品性能持续改进，生产组织方法更加有效。各类人员从集群的知识溢出中学会更有效的工作方法。并且知识溢出为集群内企业的衍生和发展提供出技术、劳动力、企业家能力和市场拓展等完善的便利条件，降低了开办新企业的创业风险。因此，知识溢出可使生产成本下降，提高了企业及集群的生产效率。
4.激活默会性知识，提升整体竞争力
集群内部的默会性知识包括具有成员企业自身特性的默会知识和具有集群特性的默会知识。默会性知识一般难以模仿与吸收，集群内部成员企业间的同一产业基础、相互作用、相互依赖以及共同利益使得它们具有理解这些默会性知识的基础。这种基于交互作用和非贸易相互依赖性的集群水平的系统知识的形成，不仅使集群内企业间的默会性知识溢出变得容易，而且还提高了群内企业对其它企业的默会性知识的理解与吸收能力。默会性知识是形成企业创新、核心竞争力的重要基础，激活企业和集群的默会性知识，有助于企业和集群获得特殊的持续的竞争优势。
产业集群内知识溢出效应，使得企业能够在较短的时间内以较低的成本获得所需的各种知识，为企业的创新活动提供重要依据，提高了企业和集群的知识积累水平和创新水平，增强了整体的竞争能力。
作者单位：华侨大学工商管理学院
参考文献：
[1] 孙兆刚.知识溢出的路径分析[J]. 科学成果纵横.2006.6:30-32.
[2] 赵骅,冯铁龙.产业集群知识溢出效应的保障机制[J]. 改革.2006，4:124-126.
[3] 李琳,郑利.产业集群中的知识溢出及其区域竞争力提升效应[J].西北民族大学学报(哲学社会科学报).2006，1:32-34，98.
[4] 臧良运.企业知识溢出效应与产业集群竞争力分析[J].北方经贸.2004，11:38-39.
空间溢出效应 篇3
关键词：能源效率,影响因素,空间面板数据模型,空间溢出效应
能源效率问题不仅是经济问题, 还是社会问题。提高能源效率是保障中国经济社会可持续发展的重要举措之一, 但各个地区采取不同的措施提高能源效率不但会影响到本地区的能源效率, 而且会对其他地区的能源效率产生一定的影响, 即产生空间溢出效应。这种空间溢出效应既可能是因为过度竞争而产生的负外部效应, 也可能是由示范效应、联系效应而导致的正外部效应。目前, 已有一些学者尝试着运用空间计量经济来研究能源效率问题, 如沈能运用空间计量分析方法, 从地理空间溢出的角度研究了中国区域能源效率的空间分布特征及主要影响因素[1];赵媛等分析了江苏省能源效率的空间分布特征[2];刘立涛和沈镭借助GIS空间分析技术, 刻画了1997—2007年中国区域全要素能源效率的时空演进格局, 并运用空间计量方法分析了区域能源效率的影响因素[3];徐盈之和管建伟运用空间计量分析方法对中国区域能源效率的收敛性进行了实证研究[4]。但一个地区在提升能源效率时究竟会对其他地区能源效率产生什么样的影响, 影响程度如何并未得到充分的关注。
本文运用基于投入导向规模报酬不变的超效率DEA模型, 将燃料燃烧工业废气排放量作为非期望产出, 对1998—2009年中国30个省区的能源效率进行了测算, 并运用空间计量经济模型研究了省域能源效率的溢出效应, 探索了影响省域能源效率的主要因素, 为各省区、各地区采取有效措施提高能源效率提供依据。
1 理论模型和数据来源
1.1 理论假设
影响能源效率的因素众多, 并且各因素之间的关系错综复杂, 分析和梳理中国省域能源效率的主要影响因素, 便于有针对性地采取措施, 促进能源效率的提高。本文选择如下影响能源效率的指标, 并提出相关假设。
城市化对能源效率的影响:众多学者对城市化水平与能源消费总量的关系、城市化对能源消费结构的影响以及城市规模和结构对能源消费总量的影响进行了广泛研究, 但城市化水平对能源效率的影响并未得到学术界的广泛关注。目前, 中国正处于全面工业化和城市化进程不断加快的特殊历史阶段, 短期看能源需求结构不会发生太大变化, 工业化和城市化水平的提高致使能源需求增长超过经济增长, 对能源效率的提升产生了负面影响。因此, 本文假设H1:城市化水平的提高对能源效率产生消极影响。
产业结构对能源效率的影响:由于第三产业能耗较低, 比重的提高对能源效率的提高具有积极影响。因此, 本文假设H2:第三产业产值占地区生产总值比重的提高对能源效率产生积极影响;H3:第二产业产值占地区生产总值比重的提高对能源效率产生消极影响。
技术进步对能源效率的影响:技术进步主要通过以下途径影响能源效率。 (1) 通过提高各种能源产品的加工转换率, 实现能源的节约利用与高效利用; (2) 通过提高产品的科技含量, 降低其对能源的依赖性, 促进产品能耗降低[5]。本文分别从投入和产出两个角度, 用R&D投入和专利申请量来衡量技术进步, 假设H4:省域R&D经费支出占全国的比重越高, 其能源效率越高;H5:省域专利申请量占全国的比重越高, 其能源效率越高。
能源消费结构对能源效率的影响:由于煤炭的热效率较低且污染较高, 煤炭在一次能源消费中所占的比重越高, 给能源效率提高带来的负面影响越大;而石油、天然气等在一次能源消费中所占的比重越高, 给能源效率提高带来的正面影响越大[6]。由于煤炭和石油在中国一次能源消费中所占的比重非常高, 天然气以及其他一次能源所占的比重微乎其微, 因此天然气以及其他一次能源消费对能源效率的影响可忽略不计, 因此本文假设H6:煤炭消费量在能源消费总量中的比重越高, 能源效率越低;H7:石油消费量在能源消费总量中的比重越高, 能源效率越高。
1.2 变量的选取与数据来源
能源效率:在全要素能源效率框架下, 基于投入导向规模报酬不变的超效率DEA模型测算中国省域能源效率。本文以能源、资本和人力资本作为投入要素;以国内生产总值 (GDP) 作为期望产出, 以燃料燃烧工业废气排放量作为非期望产出。其中, 能源投入以各地区一次能源消费总量来表示;资本投入以地区当期的物质资本存量来表示;人力投入用平均受教育年限的人力资本来表示。数据来源于《中国统计年鉴》和《中国能源统计年鉴》。
城市化水平:学界一般用城镇人口占总人口的比重来衡量城市化水平, 但由于中国省域城镇人口统计数据不全, 因此本文用非农人口占总人口的比重来衡量城市化水平。数据来源于各年度《中国人口与就业统计年鉴》。
产业结构:用省域第二产业、第三产业产值占GDP比重来衡量产业结构。数据来源于中国知网《中国统计年鉴数据库》。
技术进步:技术进步的投入指标用省域R&D经费内部支出占全国的比重来衡量;技术进步的产出指标用省域专利申请量占全国的比重来衡量。数据来源于各年度的《中国科技统计年鉴》。
能源消费结构:用省域煤炭消费量、石油消费量占能源消费总量的比重衡量能源消费结构。部分省份该项数据缺失, 本文通过能源平衡表计算得出。数据来源于中国知网《中国统计年鉴数据库》和《中国能源统计年鉴》。
1.3 模型构建
空间计量经济学理论认为, 一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上同一现象或属性值存在一定的相关性, 几乎所有的空间数据都具有空间依赖性或空间自相关性的特征[7,8]。而在研究能源效率影响因素时, 这种空间依赖性尚未引起足够的重视。邹艳芬和陆宇海[9]、徐盈之和管建伟等的研究证实了能源效率具有一定的空间依赖性[4]。因此, 本文在对中国省域能源效率影响因素进行评价时, 将其空间依赖性考虑进去。
Anselin等[10]指出, 在确定空间依赖性时, 基于空间面板数据的模型主要有空间滞后模型、空间误差模型和空间Durbin模型。空间滞后模型主要探讨各变量在某一地区是否存在溢出效应, 即某一地区能源效率的所有解释变量都会通过一定的空间传导机制作用于其他地区。空间误差模型主要探讨邻近地区因变量的误差冲击对本地区观测值的影响程度。此外, 自变量可能存在的空间相关性也是一个越来越受重视的因素。空间Durbin模型考虑了自变量的空间自相关性, 研究自变量的溢出效应对因变量的影响。
基于上述理论假设, 构建了如下能源效率影响因素评价模型:
式 (1) — (3) 中, EE为省域能源效率;CITY为省域城市化发展水平;THI为省域第三产业产值占GDP的比重;SI为省域第二产业产值占GDP的比重;RD为省域R&D经费内部支出占全国的比重;PAT为省域专利申请量占全国的比重;COL为省域煤炭消费量占能源消费总量的比重;OIL为省域石油消费量占能源消费总量的比重。
2 模型检验与估计
主要是: (1) 运用MATLAB7.0对本文构建的空间滞后模型和空间误差模型进行LM检验。Nselin提出了判断空间计量模型的LMLAG、LMERR检验和判断稳健性的Robust-LMLAG、Robust-LMERR检验。在残差独立同分布的假设下, LM-Lag和LM-Error检验统计量渐进服从自由度为1的卡方分布x2 (1) 。LM检验结果见表1。从表1可见, 在5%的显著性水平下, 地区固定的空间滞后模型和空间误差模型都通过了LM检验, 但都没有通过LM Robust检验;时间固定以及地区、时间固定的空间滞后模型和空间误差模型都没有通过LM检验。因此, 空间滞后模型和空间误差模型都不能很好地对中国省域能源效率的影响因素进行模拟。 (2) 对空间Durbin模型进行Wald检验。Wald检验结果见表2。根据表2的结果可知, 在5%的显著性水平下, 时间固定和地区、时间固定的H01和H02被拒绝。根据LM检验和Wald检验结果, 时间固定和地区、时间固定的空间Durbin模型通过了统计检验。 (3) 对时间固定的空间Durbin模型和地区、时间固定的空间Durbin模型进行估计, 结果见表3。根据表3的结果可知, 地区、时间固定的空间Durbin模型的R2和对数似然值都大于时间固定的空间Durbin模型。因此, 地区、时间固定的空间Durbin模型能更好地对中国省域能源效率影响因素进行评估。从统计学的角度来看, 在10%的显著性水平下, 变量COL、OIL、W×ln COL和w×dep.var没有通过显著性检验。 (4) 对基于地区固定效应的空间Durbin模型进行直接效应和间接效应检验。空间计量经济模型能揭示出观察单元之间复杂的依赖结构, 某个观察单元特定自变量的变动将会影响本单元的因变量, 即直接效应;某个观察单元自变量的改变也可能潜在地影响着所有其他单元的因变量, 即间接效应, 这种间接效应就是所谓的溢出效应。中国省域能源效率各个影响因素的直接效应、间接效应及总效应见表4。
注:***和**分别表示1%和5%的显著性水平;括号内的数据为卡方统计量的概率值。
注:***表示1%的显著性水平。
注:括号内的数据为统计量的值, ***、**和*分别表示1%、5%和10%的显著性水平, 表4同。
3 计量结果
我国区域能源效率并不存在明显的邻近空间溢出效应, 这一结论与徐盈之和管建伟的结论一致。而能源效率的城市化水平、产业结构和技术进步存在明显的空间溢出效应。城市化发展水平对中国省域能源效率影响总体上是消极的, 总效应为-0.4717。其中, 直接效应为-0.2125, 间接效应为-0.2593。即本地区城市化发展水平每提高1%, 能源效率就会降低0.2125%;而相邻地区城市化发展水平每提高1%, 会导致本地区能源效率降低0.2593, 因此H1得到了证实。
第三产业产值占GDP比重所表征的产业结构调整对中国省域能源效率影响总体上是消极的, 总效应为-0.6257。其中, 直接效应为-0.1664、间接效应为-0.4593。即本地区第三产业比重每提高1%, 能源效率会降低0.1664%;而相邻地区第三产业比重每提高1%, 会导致本地区能源效率降低0.4593, 因此H2不成立。该结论与吴琦和武春友的研究结论一致, 说明加快产业结构调整步伐, 并不能有效提高能源效率。究其原因不难发现, 尽管第三产业在各省区经济所占比重在逐年增加, 但第二产业在经济中的比重仍然处于较高的水平。2006—2009年各省区第二产业在经济中的比重的平均值都高于47%, 而且第二产业中钢铁、电力、化工等能源密集型行业增长过快, 直接导致了第三产业比重增加所带来的能源效率被能源密集型行业的过快增长所抵消, 产业结构调整对能源效率的影响最终表现为负面影响。
从总体上看, 第二产业产值占GDP比重对中国省域能源效率的影响是消极的, 总效应为-0.3626。其中, 直接效应为-0.1319、间接效应为-0.2307。即本地区第二产业比重每提高1%, 能源效率就会降低0.1319%;而相邻地区第二产业比重每提高1%, 会导致本地区能源效率降低0.2307, 因此H3成立。
R&D经费支出所表征的技术进步投入要素对中国省域能源效率的影响总体上是消极的, 总效应为-0.1481。其中, 直接效应为-0.0585、间接效应为-0.0896。即本地区R&D经费支出占全国比重每提高1%, 能源效率会降低0.1481%;而相邻地区R&D经费支出占全国比重每提高1%, 会导致本地区能源效率降低0.0896, 因此H4不成立。这可能是技术进步的回弹效应所导致的, 即R&D经费投入的增加在促进经济快速增长的同时, 促进了对能源需求的增加, 从而部分抵消了其节能效应, 所以R&D经费的增加并不会一定引起能源效率的提高。
专利申请量所表征的技术进步产出要素对能源效率产生的影响总体上是积极的, 总效应为0.1638。其中, 直接效应为0.0360、间接效应为0.1278。即本地区专利申请量占全国比重每提高1%, 能源效率就会提高0.0360%;而相邻地区专利申请量占全国比重每提高1%, 会导致本地区能源效率提高0.1278%, 因此H5成立。
煤炭消费比重的提高会对能源效率的提高产生微弱的积极影响, 总效应为0.0021。其中, 直接效应为-0.0064、间接效应为0.0085。在不考虑空间溢出的情况下, 本地区煤炭消费比重的提高对能源效率的提升会产生消极影响, 这与多数学者得出的结论是一致的。但实际的情况是, 煤炭资源丰富的地区会充分利用该优势, 将煤炭转化成电力等能源向相邻地区输出, 间接地提高了相邻地区的能源效率, 而对本地区能源效率的提升产生消极影响, 因此H6也是成立的。
石油消费比重的提高对能源效率产生的影响总体上是消极的, 总效应为-0.0012。其中, 直接效应为-0.0056、间接效应为0.0044。由于石油在中国能源消费中的比重是逐年降低的, 石油消费比重的降低对能源效率产生消极影响, 从反面证实了H7。
4 结论及政策建议
制定科学合理的能源政策关键在于有效测算区域能源效率, 并找到影响能源效率的关键因素。鉴于前人对中国能源效率影响因素的研究很少考虑空间效应, 而能源效率及其影响因素在地区之间会存在一定的溢出效应。忽略这一效应, 得出的研究结论会存在一定的局限性。
本文将空间因素纳入研究框架, 构建了基于空间面板数据的固定效应空间Durbin模型, 综合考虑空间效应、城市化水平、技术进步、产业结构、能源消费结构等因素对中国省域能源效率的影响。通过研究发现, 城市化发展水平、产业结构和技术进步是影响中国省域能源效率的主要因素。
基于本文的研究结论, 提出如下几点政策建议: (1) 协调城市化与经济发展之间的关系, 正确把握城市化发展速度。城市化发展水平的进一步提高在短期内会对能源效率产生负面影响。经过几十年的快速发展, 中国的城市化水平已得到了大幅度的提升, 因此稳定城市化发展速度, 提高城市化质量对提升能源效率具有重要意义。陈明星也提出加速城市化不应成为中国“十二五”规划的重大战略抉择[11]。 (2) 加大技术创新投入。技术进步产出是提高能源效率的主要途径之一, 加大对技术创新的支持力度, 尤其是能源利用各环节的技术创新对能源效率的提升具有重要意义。同时, 加大对创新成果保护和推广, 尤其要更好地促进风能、水能和生物质能等新型、清洁、高效能源的推广利用。 (3) 调整第二产业内部结构。由于提高经济发展水平和人民生活水平是政府的主要任务, 2006—2009年各省区第二产业比重的平均值都高于47%, 因此短时间内大幅度降低第二产业的比重不现实。鉴于此, 通过能源价格改革、税收调节以及行政管制等措施对第二产业内部结构进行调整, 抑制高耗能产业的增长, 能在短期内显著提高能源效率。 (4) 重视区域间的协调发展。本文在研究过程中发现, 城市化水平、产业结构调整和技术进步等影响能源效率的主要因素都存在显著的空间溢出效应。因此, 如果从从全局的角度出发, 各地区在制定能源政策时不但要考虑政策对本地区的影响, 而且要考虑对相邻地区的影响, 同时进一步加强地区之间的交流与合作, 合理利用积极的空间溢出效应, 规避消极的空间溢出效应, 形成空间联动的能源效率区域协调发展模式。
参考文献
[1]沈能.能源投入, 污染排放与中国能源经济效率的区域空间分布研究[J].财贸经济, 2010, (1) ∶107-113.
[2]赵媛, 郝丽莎, 杨足膺.江苏省能源效率空间分异特征与成因分析[J].地理学报, 2010, 65 (8) ∶919-928.
[3]刘立涛, 沈镭.中国区域能源效率时空演进格局及其影响因素分析[J].自然资源学报.2010, 25 (12) ∶2142-2153.
[4]徐盈之, 管建伟.中国区域能源效率趋同性研究:基于空间经济学视角[J].财经研究, 2001, 37 (1) ∶112-123.
[5]杨冕, 杨福霞, 陈兴鹏.中国能源效率影响因素研究——基于VEC模型的实证研究[J].资源科学, 2011, 33 (1) ∶163-168.
[6]吴琦, 武春友.我国能源效率关键影响因素的实证研究[J].科研管理, 2010, 31 (5) ∶104-171.
[7]Anselin Luc.Spatial Econometrics:Methods and Models[Z].Netherlands:Kluwer Academic Publishers, 1998.
[8]吴玉鸣.空间计量经济模型在省域研发与创新中的应用研究[J].数量经济技术经济研究[J].2006, (5) ∶74-85.
[9]邹艳芬, 陆宇海.基于空间自回归模型的中国能源利用效率区域特征分析[J].统计研究, 2005, (10) ∶67-71.
[10]Anselin Luc, Gallo J Le, Jayet H.Spatial Panel Econometrics.In the Econometrics of Panel Data, Fundamentals and Recent Developments in Theory and Practice[Z].Netherlands:Kluwer Academic Publishers, 2008.
空间溢出效应 篇4
[关键词] 外商直接投资 溢出效应
外商直接投资（FDI）的快速发展是20世纪80年代以来世界经济中的一大热点。本文将在现有理论文献基础上，对中国制造业的FDI产生的产业内溢出效应和产业间溢出效应进行实证分析，说明FDI的溢出效应大多是发生在产业间还是产业内。
一、我国FDI溢出效应的比较分析
外商直接投资的溢出效应有三种:横向效应、后向效应和前向效应。横向效应指的是外商直接投资的溢出效应发生在同一产业内。横向效应可以通过以下三种渠道产生：第一，跨国公司通过示范效应加速本土企业采用新技术的速度，有助于本土企业效率的提高;第二，跨国公司子公司的进入和存在，在东道国市场引进竞争，迫使国内同类企业采用更有效率的生产和管理手段;第三，经跨国公司培训的本地工人和管理者逐渐地从跨国公司流入本土企业，从而提高本土企业的人力资本积累。
纵向效应是指外商直接投资的溢出效应发生在不同产业间，其中又分为后向联系产生的效应和前向联系产生的效应。前者指的是处于产业下游的外商投资企业通过购买国内中间产品从而对上游的国内供应商企业产生的溢出效应；后者是指处于产业下游的外商投资企业通过向下游的本土企业销售产品而产生的溢出效应。
实际上，外商直接投资对东道国的负向外溢效应也同样存在。它可能出现在横向方面：由于外商投资企业拥有比本土企业先进很多的技术和管理经验，他们的进入和存在垄断了东道国原来的竞争市场，降低了本土企业的市场份额；外商投资企业实行高工资制度，造成本土企业人力资本的减少和积累速度的减慢等。负向外溢效应也同样可能存在于纵向方面：外商投资企业在排挤同业中的本土企业之后，在中间投入的采购方面，从国外进口中间产品，这将导致本国中间产品或上游产品生产厂商受到排挤而发生生产能力的萎缩；由于外商投资企业生产的中间投入品的技术标准远远超过国内下游企业的技术要求，从而使国内下游企业萎缩等。
下文就针对FDI的这几个效应，建立估计模型，用我国制造业28个行业的数据进行实证检验，以检查上述分析的有效性。
二、 模型方法
本文运用计量经济学中的多元线性回归分析方法，采用道格拉斯函数模型，将FDI的横向效应、FDI的后向效应、FDI的前向效应作为模型的解释变量，产出作为被解释变量引入到方程中来，然后利用EVIEWS软件中的广义最小二乘法（generalized least squared, GLS）进行回归估计，来检验我国制造业外商直接投资的溢出效应与制造业产出之间的关系。由于制造业的FDI占我国FDI总额的比重较高，约为67%，因此，回归模型选用1995年～2003年中国制造业里的28个行业的数据，其中1998年的数据缺失。估计模型如下：
是行业j在t-1时的实际产出，本文用以1997年为定基的工业品出厂价格指数来调整的工业总产值数据来表示;为资本，用经1997年为定基的固定资产投资价格指数调整后的固定资产净值来表示;表示劳动力，用职工人数代替;为原材料投入，用经1997年为定基的原材料购进价格指数调整后的各年各行业的中间投入来代替，其中:中间投入=工业总产值工业增加值+应交增值税;表示外商直接投资横向效应;表示后向效应;表示前向效应;为外商直接投资的份额，用外商直接投资企业的资产合计占我国全部企业的资产合计的比例表示。其中：=行业外商直接投资企业的工业总产值/行业全部工业总产值。
行业j表示外商投资企业k的上游产业,表示行业j的产量供应给行业k的比例，k if k≠j是指不包括同一产业内的效应，因为这已经包含在横向效应里面（下文前向效应的公式也类似）。例如，假设纺织业提供占总产出30%的产品给家具制造业、30%产出给造纸业、40%产出给服装业，如果家具制造业、造纸业、服装业的外商直接投资横向效应分别为0.2、0.1、0.1，则纺织业的外商直接投资前向效应为:30%×0.2+30%×0.1+40%×0.1=0.13。的数据来自于1995年和1997年的投入产出表。其中1995年～1997年的用1995年投入产出表的直接消耗系数表示，1999年～2003年的用1997年投入产出表的直接消耗系数表示。根据投入产出表直接消耗系数表，由列的方向由上往下看，就可以得到。因为投入产出表的数据并不是按照制造业28个行业进行编排的，为使本文数据的一致性，笔者将投入产出表的数据按照28个行业进行了重新编排。
行业j表示外商投资企业m的上游产业,表示行业j的产量供应给行业m的比例，其中1995年～1997年的用1995年投入产出表的直接消耗系数表示，1999年～2003年的用1997年投入产出表的直接消耗系数表示。根据投入产出表直接消耗系数表，由行的方向从左到右看，就可以得到。下面的图1、图2、图3分别描绘了外商直接投资的横向效应、后向效应、前向效应从1995年到2003年的变化比例。由图1可以看出，大部分行业的FDI的横向效应都增加了，其中增幅较大的有专用设备制造业、印刷业和记录媒介的复制、造纸及纸制品业、化学原料及化学制品业、通用设备制造业、仪器仪表及文化办公用机械制造业等，增幅都在70%以上。此外，石油加工、炼焦及核燃料加工业的增加比例达到609%，由于其增加比例远远大于图表中的其他行业，不方便在同一个图表中表示，所以没有在图1中描绘出来（石油加工、炼焦及核燃料加工业的前向效应的增加比例达到657%，增幅远远大于其它行业，由于上述类似原因，因此也没有在图3中表示出来）。只有纺织服装鞋帽制造业、皮革毛皮羽毛(绒)及其制品业和木材加工及木竹藤棕草制品业三个行业是减少了的。由图2可以看出，除了石油加工、炼焦及核燃料加工业的后向效应是减少（减幅较大，约为55%）的外，其他行业的后向效应都是增加的，其中仪器仪表及文化、办公用机械制造业的增幅约为110%，电气机械及器材制造业的增幅约为98%，通信设备、计算机及其他电子设备制造业约为89%。由图3可以得知，大部分行业的FDI前向效应都是增加的，其中家具制造业、专用设备制造业、通信设备计算机及其他电子设备制造业等的增幅较大，都在100%以上。纺织服装鞋帽制造业、皮革毛皮羽毛(绒)及其制品业和有色金属冶炼及压延加工业的FDI前向效应是减少了的。
图1横向效应的变化比例（1995年～2003年）
图2后向效应的变化比例（1995年～2003年）
图3后向效应的变化比例（1995年～2003年）
三、 模型结果及分析
利用eviews的pool workfile,对方程(1)进行多元线性回归,得回归方程:
回归结果如下:
上述经济计量分析的各项统计检验（拟和优度检验、t检验和f检验）基本符合要求，回归效果较好。该模型检验了我国外商直接投资的溢出效应对我国经济增长的影响程度。回归方程（4）的系数表明:第一，FDI的横向效应和我国的工业总产值成负向关系，FDI在我国产业内产生的是负的溢出效应，这是主要因为FDI带来的同行竞争对本土企业产生了挤出反应;第二，FDI的后向效应和我国的工业总产值成正向关系，外商直接投资企业对我国上游的本土企业产生的是正的溢出效应，但是这种正效应并不显著，这是因为：外商投资企业从国外进口中间产品或实行后向一体化战略，因而对上游的本土企业溢出不足；我国企业对溢出的消化吸收能力不强;第三，FDI的前向效应对我国工业总产值产生负的影响，即外商直接投资企业对我国下游的本土企业产生的溢出效应是负的，不过这种负效应并不是太明显;第四，FDI的份额和我国的工业总产值成正向关系，说明引进外资有利于我国经济的发展。
四、结论
引进外商直接投资，利用外部资源，是一国在开放经济条件下促进经济发展的手段之一。综合上面理论研究和实证分析，我们得到以下结论：
1.外商直接投资对我国经济增长起到重要的促进作用，外商直接投资对我国的产业结构优化和产业升级、就业增加、出口增加、技术进步等都起到了重要的促进作用。
2.由于外商投资企业在技术上和管理能力上的优势，在与我国的本土企业的同业竞争中一般处于上风，在某些行业我国的本土企业和外商投资企业的技术差距还较大，学习模仿的效率不够高，因此FDI在我国产业内产生负的溢出效应。
3.我国多数的外商直接投资企业都会向上游的供应商购买中间投入品，出于对技术和成本的考虑，外企会给上游本土企业提供技术指导和人员交流，或协助他们提高管理水平，因此FDI在我国一般产生正的后向效应，但是这种效应不显著。
4.外商投资企业也可能给下游的本土企业提供支持，但是由于外商投资企业生产的中间投入品的技术标准可能会远远超过国内下游企业的技术要求，从而使国内下游企业萎缩等，FDI在我国产生负的前向效应。
参考文献:
[1]陈涛涛:《中国FDI行业内溢出效应的内在机制研究》.《世界经济》，2003年第9期
[2][英]邓宁:Ｈ．《重估外国直接投资的利益》，《管理世界》，1999（1）
[3]《中国高技术产业统计年鉴2001》.《中国高技术产业统计年鉴2004》
空间溢出效应 篇5
改革开放30多年来,随着经济建设的稳步推进,我国越来越注重科技创新,并将其作为新常态下经济持续增长的重要驱动力。全国各地区为了在新一轮经济发展中保持持续竞争力,纷纷加大创新投入力度,积极构建区域创新系统。然而,在我国经济高速发展的同时,区域创新产出空间分布存在严重不均衡。以区域知识产出为例,《中国科技统计年鉴》数据显示,长三角地区(包括上海市、浙江省、江苏省)2004—2013年期间,发明专利授权量占全国总量的21.51%~32.07%,同时该地区的科技论文数、新项目开发数均占全国总量的20%以上。从区域创新系统角度考虑,地区的创新产出通常来源于如下两类因素:一类是区域创新系统内创新要素禀赋的作用,由于区域内各类资源禀赋条件的不同,导致了创新产出的地区差异;另一类是区域创新系统之间创新要素的流动带来的影响,随着资本、劳动力等各类创新要素在不同区域创新系统之间流动,会对流入地与流出地的创新产出水平产生重要影响。而在创新要素的区际流动过程中,知识溢出已经成为最重要的途径之一。
在已有的相关研究成果中,大多数是针对上述第一类因素的研究,如:漆艳茹等[1]通过计算我国30个省级行政区的创新能力综合评价值发现,经济基础好、教育水平高、市场经济发达的“北上广”地区的创新能力最强;潘雄锋等[2]基于中国30个省级行政区1990—2010年数据进行实证分析发现,经济发展水平和人力资本状况对区域创新具有重要影响。而针对上述第二类因素,特别是针对知识溢出的研究相对较少。实际上,随着人员、资本等传统要素在区域间流动的同时,必然伴随着知识的流动(知识溢出),而知识溢出又促进了区域创新产出水平的提升;另外,从空间因素上来讲,知识(特别是隐性知识)的流动与空间距离有关,随着距离的增大,知识溢出水平逐渐降低[3]。因此,在研究区域创新系统间的知识溢出效应时需要考虑空间相关因素的影响。基于此,本文在考虑空间相关的视角下,旨在对区域创新系统间的知识溢出效应及其影响因素进行深入研究,以期对相关部门提供政策参考。
目前,国内外学界非常重视区域创新系统的研究,关于“区域创新系统”的概念,顾新[4]认为,区域创新系统是指在一国之内的一定地域空间,纳入了新的经济发展要素或要素组合、资源配置方式更加有效的系统。区域创新系统能够进一步推动产业结构升级,形成区域竞争优势,促进区域经济跨越式发展。李婧等[5]指出,在国家创新系统的整体框架内,作为其子系统的区域创新系统之间存在普遍关联性,尤其当地理位置邻接或邻近时,这种关系愈发明显。针对区域创新系统与知识溢出的关系,苏屹等[6]通过研究发现,我国区域创新系统间存在知识存量的不公平性,知识存量除了和自有知识相关,还受到其他区域创新系统知识溢出的影响。
“知识溢出”最早是由Arrow[7]在《经济学》一书中提出。Fallah等[8]认为,知识溢出是指知识在主体之间无意识地传递。陈傲等[9]指出,空间知识溢出主要指知识在区域之间通过信息交换获得R&D成果,区域之间可以通过知识溢出达到相互学习、相互促进的目的,进而促进区域经济的增长。知识溢出由于具有非竞争性和部分非排他性的特点,往往可以冲破制度、贸易壁垒,成为创新系统间先进技术、管理方式传播的重要途径。知识溢出是一个过程,而知识溢出效应则是知识溢出所产生的结果和影响。20世纪60年代以来,知识溢出的形成吸引了诸多学者的关注,新经济增长理论更是将知识视为现代经济增长的重要动力,并认为经济增长和技术创新全部建立在新知识不断溢出的基础之上。学者们对知识溢出的研究,主要从区域、行业以及企业角度入手,从而分析或验证知识溢出效应。从区域角度来看,徐盈之等[10]发现省域间存在知识溢出现象,且知识溢出对区域经济具有显著促进作用;Audretsh等[11]、曹建清[12]研究证明区域知识溢出受到地理空间限制;此外,曹建清[12]还发现R&D投入、运输条件、专利授权量以及地区GDP对知识溢出具有影响;施晓丽[13]则通过构建空间权重发现贸易进口、人力资本和FDI对区域知识溢出具有一定作用。从行业角度来看,王向阳等[14]通过研究发现,FDI知识溢出的增加可以促进高技术企业技术创新能力提高,即二者具有显著的正向效应;刘鸿燕等[15]分别从内、外部因素入手,发现技术差距、吸收能力以及贸易环境是知识溢出效应的影响因素。从企业角度来看,Philippe等[16]研究发现知识溢出能够激励企业进行研发创造,对外部知识的吸收消化是企业发明活动的重要影响因素;Agrawal[17]、杨眉[18]的研究表明,企业间知识溢出和溢出接受方的吸收能力密切相关。
知识溢出由于自身的复杂性,测度非常困难。针对知识溢出测度这一问题,学者们分别从理论探讨和实证分析两方面展开研究。在理论研究方面,赵勇等[19]从空间知识溢出出发,分类论述了知识溢出的多种测度方法,并对未来研究方向给予建议;金雯倩[20]通过对技术流量、成本函数等4种研究方法的综合论述,讨论各个方法的优缺点,最后指出知识溢出测度问题的研究前景。在实证研究方面,Nadiri[21]曾将研究知识溢出的分析方法分成知识流动方法与成本函数方法两种,此外还包括文献跟踪法、生产函数法等。其中,生产函数法可以展现知识溢出的时空特征,同时知识投入和产出可以通过一系列变量进行衡量,因此学者们多采用知识生产函数法(KPF)对知识溢出加以分析。此外,许箫迪等[22]采用C-D结构对数模型对知识溢出效应的各个影响因子进行实证研究;施晓丽[13]基于经济距离权重矩阵构建知识生产函数,验证区域间知识溢出的存在。
已有的相关成果对本文的研究提供了非常有益的参考,然而相关的研究中主要还存在以下3个方面的不足:第一,在知识溢出效应的替代变量寻找方面的不足。已有研究多采用单一指标如专利数、劳动生产率等来衡量知识溢出效应,如,许箫迪等[22]利用全员劳动生产率作为知识溢出的衡量指标对知识溢出的影响因子进行测度;马野青等[23]基于专利授权数量对FDI是否对东道主国产生知识溢出效应这一问题作相应研究。事实上,知识溢出的效应是全方位、多视角、发散式的影响过程[24],仅利用单一指标并不能全面反映知识溢出效应。第二,目前学者多从区域、行业、企业角度对知识溢出进行研究[10,14,16],而从系统角度对区域创新系统之间的知识溢出效应的研究相对较少。知识溢出作为上述第二类影响区域创新绩效的重要途径,在区域创新系统之间产生重要影响。第三,关于知识溢出效应的空间相关性,目前的研究一方面承认空间因素的影响,而另一方面在实证研究中又普遍缺乏对空间因素的考虑。实际上,知识溢出必然受到空间距离的影响,因此对空间因素的考虑在分析知识溢出效应中必不可少。
综上所述,本文将着重对以下3个问题作出进一步研究:知识溢出效应的替代变量如何确定?区域创新系统间知识溢出效应出的空间分布如何?知识溢出效应的影响因素有哪些?基于此,本文将按照行政区域划分,将中国划分为30个独立的区域创新系统(由于数据获取原因,不含西藏和港澳台地区),构建知识溢出效应评价指标体系,分析知识溢出效应的分布特征规律;并基于知识生产函数建立相关的空间计量经济模型,探讨影响知识溢出效应强度的因素。
本文后续部分作以下安排:第二部分是对相关研究方法的介绍;第三部分介绍数据来源、变量选取以及建立空间面板数据模型;第四部分是实证分析部分;最后第五部分是本文结论。
2 研究方法介绍
2.1 熵权法
由于知识溢出效应是多角度、全方位的,因此不能通过单一指标简单测度。本文通过构建评价指标体系,从多个维度对知识溢出效应进行评价,但是对于各个指标权重大小的确定不可以仅凭主观臆断,因此需要对各指标权重大小进行客观评价。熵权法作为一种客观的赋权方法,通过利用各指标的熵值所提供信息量的大小来决定指标权重的大小,恰好满足本文在确定加权指标时避免主观随意性的需要,所以本文引入熵权法对指标进行加权。熵权法要求对各个指标的数据进行标准化处理,标准化后的数据集合为,其中hij与lij分别表示标准化处理前与标准化处理后第i个区域创新系统的第j个指标值,i=1,2,3,…,n,j=1,2,3,…,m(本文中n=30,m=8);min(hi)与max(hi)分别表示标准化处理前指标数据集合中的最小值和最大值。对各指标数据进行标准化处理后可以进一步计算熵值:,其中;当gij=0时,。得到各个指标的熵值后可以最终确定各个指标的权重:,其中m为指标个数。
2.2 Moran I检验
本文主要考察区域创新系统间知识溢出的空间效应,因此需要检验各个系统之间的空间相关性。在空间计量经济学中,空间相关性的检验通常采用Moran I指数,其定义式如下:
其中:,Xi表示第i个区域创新系统的观察值,n是区域创新系统总数,Wij是空间二进制的空间相邻权重矩阵元素。Moran I的指数范围是[-1,1],指数大于0表示空间正相关,小于0表示空间负相关。其绝对值越大,表明相关程度越强;绝对值越小,则说明相关程度越弱。
Moran I散点图可以呈现直观的空间自相关效果,在进行空间自相关分析过程中作用重大。经典的Moran I散点图以(z,f)为坐标点,其中f=Mz=n Wz。陈彦光[25]对此做出了改进,在纵轴中同时给出f和f*的值,其中(zi,fi)代表观测值、(zi,fi*)代表趋势值,观测值是凌乱的散点,趋势值则是标准的直线。空间自相关的散点和直线拟合得越好,则表明空间自相关程度越强;反之,则越弱。
2.3 空间计量经济模型
在通过Moran I指数检验确定了知识溢出效应存在空间相关性以后,应考虑空间因素构建空间计量经济模型。空间计量经济学(Spatial Econometrics)最早是由Paelinck于1974年的荷兰统计协会年会中提出,其后Anselin等[26]针对空间计量经济学的已有理论进行梳理,形成了空间计量经济学的基本框架。空间计量经济学主要包含空间自回归模型(SAR)和空间误差模型(SEM)2种,其表达式分别为:
上述两式中,Y为被解释变量;X为n×k的自变量矩阵;ρ为空间回归系数;W为n×n阶的空间权重矩阵;WY为空间滞后被解释变量;ε为随机误差项向量;λ是n×1的截面被解释变量向量的空间误差系数;μ是随机误差向量,服从正态分布。
参数λ用来衡量样本中各观察值的空间依赖作用,即邻近地区的Y值对本地区Y值的影响程度;参数β反映了X对Y的影响强度。空间误差模型的空间依赖作用存在于扰动误差项之中,测度了邻近地区关于Y的误差冲击对本地区观察值影响的大小。通常为了保证估计值的无偏性和有效性,需要采用极大似然法或广义最小二乘估计等方法进行估计。
3 数据与变量
3.1 数据来源
本文以中国30个省级行政区(由于缺乏相关数据,不含西藏和港澳台地区)为研究对象,考察期间为2004—2013年,所有数据均来自《中国统计年鉴》、《中国科技统计年鉴》等,其中R&D经费、R&D人员、国外主要检索工具收录中国科技论文数、专利、新产品开发项目数、国外引进技术合同金额以及技术市场成交合同额等数据出自《中国科技统计年鉴》(2004—2013),各省级行政区的经济生产总值、受教育年限等数据来自《中国统计年鉴》(2004—2013)。
3.2 变量说明
3.2.1 技术创新绩效
对于区域创新系统来说,知识溢出效应并不是单一的,而表现在促进经济增长、技术进步等多方面,对区域创新系统技术创新能力的提高是知识溢出对区域创新系统的重要作用机制。对于知识溢出效应的替代变量,学者们过去通常采用专利数作为衡量指标,例如官建成等[27]、吴玉鸣等[28]的相关研究。虽然对使用专利数作为产出变量存在一系列争议,例如学者Pakes等[29]认为,并不是所有的发明都申请了专利,因此专利在衡量创新产出的所有成果时存在缺陷。一些学者尝试使用其他的指标来衡量,比如新产品销售收入[30]。虽然新产品销售收入可以很好地衡量创新产出(即知识溢出效应),但是在相关统计年鉴中并没有分地区的数据,因此在实证方面缺乏可行性。只利用单一指标作为替代变量太过片面,不能对知识溢出效应进行全面衡量,因此本文将从经济效应、R&D效应两方面入手,通过构建技术创新绩效评价指标体系分析区域创新系统间的知识溢出效应。其中,经济效应可以通过人均GDP直接反映;R&D效应分别从高校和企业两个角度出发,通过论文、专利、新项目开发数这3个指标进行量化,最后通过熵权法将这4个指标转化成技术创新绩效这一指标,并以之作为知识溢出效应的替代变量。
在上述指标的具体数据选取上,本文如此考虑:科技论文是衡量高校及研发机构创新产出的重要指标,各大高校均十分重视论文的发表情况,将其视为学者创新能力的重要表现之一。对于论文这一指标,选取的是国外主要检索工具收录我国科技论文数量,这在一定程度上可以表征知识溢出对高校技术创新产出的影响。专利数采用的是发明专利授权专利数,由于发明专利数能够很好地反映企业、研发机构的技术创新能力,而其又较少地受到专利审核授权机构的限制,因此可以很好地反映区域创新系统的原始创新能力。新项目开发数可以看作企业的隐性技术创新产出,这是因为有时企业为了保持竞争能力、以防先进技术被模仿而选择不申请专利,所以特引入新项目开发数这一指标来衡量企业的隐性技术创新产出。
综上,构建区域创新系统技术创新绩效评价指标体系如图1所示,可以将知识溢出对区域创新系统创新产出各方面的效应综合成技术创新绩效这一个指标,具体过程通过熵权法实现。
3.2.2 R&D密度
R&D密度表示本区域创新系统的人均R&D投入,包括R&D经费投入和R&D人员投入两部分。此处用各区域创新系统R&D经费投入除以R&D人员投入来表示各区域创新系统的R&D密度。R&D人员是指在统计年度内,一个地区参与研发工作并且具有创新能力的主体,包含研究、管理和辅助工作人员的投入。对于R&D人员投入这一变量,本文选用各地区各期R&D人员全时当量这一指标。经费投入是指在统计年度内各个研发单位实际用于基础研究、应用研究和试验发展的经费支出。R&D经费主要包括科研机构、高等院校和企业的R&D经费。由于R&D活动对知识生产的影响不仅表现在当期,对以后若干时期的创新生产也会产生影响[31],因此本文将利用永续盘存法将R&D经费支出折算为R&D经费存量,具体计算公式如下:
其中:Kit、Ki,t-1分别表示第i地区第t、第t-1期的资本存量;δ为折旧率,一般取值15%;Eit表示第i地区第t期的实际R&D经费支出,可以利用R&D经费支出价格指数[32]核算得到(R&D支出价格指数=0.55×消费价格指数+0.45×固定资产投资价格指数,以2004年为基期,对名义R&D经费支出作平减处理)。
在估计基期资本存量时,假设资本存量的增长率和R&D经费的增长率相等,得出基期资本存量Ki0,具体计算公式如下:
其中:Ei0为基期实际R&D经费支出,g为考察期内实际R&D经费支出的平均增长率,δ为折旧率。根据此式可计算出各地区各期的R&D资本存量。
3.2.3 R&D人员流动
区域创新系统间知识型人才流动,势必会影响区域创新系统的技术创新能力,特别是高级人才的流动必定会为区域创新系统带来巨大效益。理论上来说,R&D人员流动与知识溢出效应是正相关关系。本文通过引用引力模型实现对劳动力流动的测度,借鉴蒋天颖等[33]学者的研究,建立引力模型如下:
其中:Fij表示两区域劳动力产出联系量;Ni、Nj分别表示两区域创新系统的R&D人员全时当量;dij表示i、j之间的地理距离,这里采用省际之间的直线距离测算;K表示引力常数,一般为1。在此基础上测算该区域创新系统与其他所有区域创新系统间的R&D人员流动总量:
其中Fi为i对外R&D人员流动总量,n为对外区域创新系统个数。
3.2.4 受教育程度
为了反映人力资源水平对知识溢出效应的影响程度,引入人均受教育程度这一变量。由于《中国统计年鉴》中多数年份的大专以上人数并没有具体给出,因此在核算时为了便于统计,将大专以上学历(含大专)的受教育年限默认为16年。一般来说,拥有较好的人力资源基础,尤其高知识人才储备较多,人力资源势差相对较小,能够对外来溢出知识作出更快反应,更加快捷、高效地吸收和消化先进知识,受教育程度越高,个体吸收能力越强,则整体吸收能力越强。因此,理论上来说,人均受教育年限与技术创新绩效应呈显著正相关,这也表明人力资源水平在一定程度上影响区域创新系统的创新能力以及经济增长。
3.2.5 国外技术引进合同额
国外技术引进主要包括专利技术和专有技术的许可或转让、技术咨询及服务、商标许可等方面。区域创新系统对国外先进技术的引进,能够给本系统带来先进的知识、成熟的技术,一定程度上能够刺激区域创新系统的技术创新能力提升,从而促进区域创新系统的技术进步,进而提高技术创新绩效;另外,在带动区域创新系统内部技术创新的同时,先进技术知识也会在相邻或邻近区域的创新系统之间发生溢出,进而带来知识溢出效应的提高。
3.2.6 技术市场合同成交额
技术市场合同成交包括技术开发、技术转让、技术咨询和技术服务4种方式。区域创新系统之间的技术合作是知识溢出的重要途径。在技术成交过程中,能够直接带来技术知识的转移:技术较先进一方向技术相对落后一方的技术输出,可以促进落后方对先进技术知识的学习,同时带来各种优质资源,推动技术创新能力的提高;而输出方也能够从中获得经济效益,并转化为技术创新长效发展的经济基础。技术市场成交合同额能够表征各区域创新系统间相互交流、学习的情况,这一变量在理论上应对知识溢出效应具有正向影响。
3.3 模型建立
3.3.1 构建空间权重矩阵
空间权重矩阵表明空间各单元间的相互关联性和依赖性。作为空间计量分析的基础和前提,选择正确的空间权重矩阵是对空间计量模型进行合理分析的重要保证,本文从地理特征出发构建空间权重矩阵:
(1)空间邻接权重矩阵。通常两个区域创新系统间的知识溢出效应可能与二者处所的空间相对位置相关,通过空间邻接权重矩阵的构建来表示二者的邻接关系,其中对角线上的元素为0,其他元素满足。
(2)空间地理距离权重矩阵。上述空间邻接权重矩阵认为两区域创新系统的相关性取决于地理位置的相邻,但实际上某个区域创新系统A对与之相邻的两个区域创新系统B、C的知识溢出效应并非完全相同,同时A对于不与之相邻的区域创新系统D、E的知识溢出效应也并不一定相同。由于经济发展水平、交通便利程度的不同,即使对于两个或多个与溢出主体的区域创新系统都相邻的区域创新系统而言,学习吸收能力以及转化能力的不同都会造成知识溢出效应的不同。基于这种考虑,本文还将基于地理距离标准构建权重矩阵:,其中d为两区域创新系统中心位置之间的距离。
3.3.2 知识溢出效应评价模型
知识溢出效应是知识的接受者或需求者消化吸收知识、创新知识从而提高创新能力、提升创新绩效以及推动经济增长而产生的关联效应,这种促进作用表现在:先进技术、知识一旦得到利用,便可以有效地促进区域创新系统内相同行业或相关行业的技术进步和管理方式改进。对于区域创新系统来说,知识溢出效应在于提升整个区域创新系统的技术创新绩效。
知识溢出效应的大小受到两方面的影响,分别是知识溢出接受者的吸收能力和创新投入水平。知识溢出接受者的吸收能力是对接受者是否具有一定基础能力的考量,即与知识溢出者之间的知识势差大小,如人力资源水平、创新投入力度等相关。一般来说,人力资源素质较高的地区能够更加有效地吸收、消化先进知识,使之转化为促进经济发展的动力。平均受教育年限这一指标可以很好地衡量人力资源素质高低。对区域创新系统来说,R&D密度可以直接衡量区域创新系统的创新投入水平。另外,国外技术引进水平意味着所在系统对外部技术、知识的引进力度,技术市场成交合同额反映区域创新系统间技术、知识的交互状况,二者可以间接反映区域创新系统的创新投入水平,因此本文选用R&D密度、国外技术引进水平和技术市场成交合同额这3个指标来衡量创新投入力度。通常区域创新系统创新投入力度越大,则越有利于知识溢出的发生,因此知识溢出效应也更加显著。另外,R&D人员流动过程中伴随着知识溢出现象,从理论上来说,R&D人员流动与知识溢出效应为正相关关系。为了衡量不同影响因子对知识溢出效应的作用,我们建立基于空间计量经济学扩展的知识生产函数,为了便于分析,对模型两侧取对数形式:
其中:JX表示技术创新绩效;RD、LD、JY、JS和JE分别表示R&D密度、R&D人员流动、平均受教育年限、国外技术引进合同金额和技术市场合同成交总额;ε为随机误差项;λ为空间自相关系数,取值范围为[-1,1];W为空间权重矩阵;φ为溢出成分误差,ξ为非系统随机误差项,假设二者服从独立同分布且不相关。
4 实证分析
4.1 技术创新绩效综合评价得分
基于上文构建的技术创新绩效评价指标体系,利用我国30个省级行政区2004—2013年10年的数据,采用熵权法计算得出专利授权数、国外主要检索工具收录科技论文数、新产品开发项目数以及人均GDP等4个指标的权重,最终计算出各区域创新系统技术创新绩效的加权综合得分如表1所示。
根据表1数据,计算出我国区域创新系统技术创新绩效综合得分各年份的平均值,以及各区域创新系统技术创新绩效增长率,分别如图2、图3所示。
观察图2可以发现,从全国范围来看,2004—2013年技术创新绩效平稳上升。其中,2007—2008年有所下降,这可能与2008年的全球金融危机有关,当时国内外经济形势严峻,因此各区域创新系统对创新投入力度有所缩减,区域创新系统间技术、知识的交流减少,从而造成知识溢出效应减弱;2008年之后,随着我国经济状况逐步好转,各个区域创新系统投入力度加大,创新产出成果逐渐增多,知识溢出效应愈发增强。
从图3来看,2004—2013年期间,各个区域创新系统的技术创新绩效平均增长率各有不同。其中,平均增长率最高的为广东(70.94%),其次分别为河南(62.59%)、江苏(61.72%)和重庆(57.31%);平均增长率最低的为上海(20.60%),其次分别为甘肃(25.46%)和北京(25.56%)。分析产生如此差异化结果的原因在于:北京、上海两地由于早期国家政策倾斜,本身经济基础好,同时作为全国重要的科教中心,高校云集、人才众多,科技创新投入大,早在2004年京沪两地的技术创新成果已经在国内遥遥领先;另外,正因为两地创新水平很高,造成知识流出量大,而知识流入量较少,因此增长率比其他地区低。而甘肃、青海、新疆等区域创新系统由于经济发展水平落后、人力资源素质较低,吸收能力较弱,因此知识溢出效应低下。相比较而言,位于沿海地区的广东、邻近上海的江苏以及重庆等区域创新系统,虽然前期创新发展不是很好,但是由于所处位置交通发达、对外联系方便,经济基础好,能够更加便利地吸收外部溢出的技术和知识;同时在知识溢出过程中,逐步强化创新意识,加大创新投入,最终实现技术创新绩效的迅速发展。
4.2 空间自相关性检验
Moran I指数可以检验技术创新绩效的空间自相关性。表2是2004—2013年我国30个省级行政区技术创新绩效的Moran I指数以及显著性概率。从表2可以看出,过去10年间区域创新系统的技术创新绩效存在正向空间自相关性,相关系数在0.189~0.226之间波动,除了2007年,其他年份均通过了显著性概率检验,表明我国区域创新系统技术创新活动并非无规律的活动,过去10年间技术创新绩效存在明显的空间自相关性。
注:*表示显著性概率p≤0.1,**表示显著性概率p≤0.05,***表示显著性概率p≤0.01
根据空间自相关性检验的结果可以发现,技术创新绩效在空间分布上具有较明显的特征。大多数东部沿海地区处于“高-高”区域,其中包括北京和上海地区;而中部地区并没有显著的分布特征,唯有四川省处于“高-低”区域;西北部的新疆对其邻近区域具有“低-低”相关性。技术创新绩效之所以如此分布的具体原因分析为:第一,位于东部沿海的区域创新系统自身经济发展水平较高,行业之间或行业内交流更为频繁,有利于知识、技术的流动。第二,区域创新系统自身良好的经济发展趋势有利于吸引更多外来创新资源的投资,带来的物质资本和人力资源有利于先进知识、技术的引进;另外,随着创新资源的流动,知识溢出效应随之加强。第三,综合上述两种因素,东部沿海经济发达地区由于拥有优越的创新资源,对内、外部知识溢出的吸收和消化能力较强,从而更高效地转化为进一步促进知识溢出良性循环的推动力。对于中西部地区来说,由于自身经济发展水平、人力资源水平较低,导致不能很好地利用创新资源,造成创新资源的流失,因此很难对知识溢出进行有效吸收和消化;另外,由于邻近区域的创新环境同样落后,知识溢出效应较不明显。值得一提的是四川省,该区域创新系统处于“高-低”区域,这是因为四川省虽然位于西部地区,但其经济发展水平相对较发达、交通便利、高校众多,同时作为我国西南部重要的科技研发中心,各方面基础条件良好,有利于知识的吸收和消化,因此其知识溢出效应明显。
4.3 知识溢出效应分析
通过技术创新绩效的空间自相关性检验结果可以发现,区域创新系统创新产出活动存在显著为正的空间自相关性,因此需要对空间因素加以考虑,并对建立的空间计量模型进行分析,表3、表4是分别基于空间邻接矩阵和空间地理距离权重矩阵估计的结果。
注:1)*、**、***分别表示显著性概率p≤0.1、p≤0.05、p≤0.01;2)/表示该项为空白。下同
观察表3和表4的估计结果可以发现:
第一,从R2、极大似然值的统计结果可以看出,2个模型均具有很好的拟合优度,表明建立的空间计量模型能够很好地表征中国区域创新系统知识溢出效应的特征。结合模型中各因变量系数的估计结果来看,截面固定,即地区固定、时间不固定时多数变量通过了显著性检验,此时估计结果较好,因此在后续研究中将以此结果作为分析对象。实际上,地区固定效应和时间固定效应分别反映的是区位变化及时间变化对知识溢出效应的影响。在知识溢出效应分析过程中,地区固定效应反映区域创新系统的自然、社会结构特征的不同带来的影响;时间固定效应则反映随着时间改变,经济周期以及突发事件带来的影响,这种影响不仅表现在当期,对未来周期内的知识溢出效应仍然产生一定的影响。
第二,从2个模型4种效应的估计结果来看,大多数模型的空间相关系数均通过了显著性概率为1%的检验,并且空间相关系数为正,则可以充分说明知识溢出效应存在明显的空间正相关效应,即一个区域创新系统技术创新绩效的提高和与之空间特征相似的区域创新系统的创新投入和创新产出有所关联。观察表3和表4中模型的空间相关系数(分别为0.625和0.754),说明空间地理邻近对溢出效应具有显著正向作用,而地理位置相邻或者较接近,为知识、技术的传播提供了良好的客观条件,有利于资源共享。而表4中模型空间相关系数比表3中的模型空间相关系数更大,说明地理距离对知识溢出效应的影响强于空间邻接的影响,原因可能在于知识溢出并不局限于相邻区域创新系统之间,不相邻区域创新系统间仍然存在知识、技术的相互辐射、相互接受的现象。相比较而言,地理距离权重矩阵可以更加真实地反映实际情况。
第三,区域创新系统技术创新绩效与R&D密度、R&D人员流动、人均受教育水平、国外引进技术合同额以及技术市场合同金额均存在显著的空间正相关关系。具体分析如下:
(1)R&D密度。估计结果表明,R&D投入程度越高,创新产出就越多。这与多数学者的观点一致。R&D密度包含R&D经费支出和R&D人员投入两方面,其中R&D人员投入是影响知识溢出的主要人力要素,而R&D经费支出则是影响知识溢出的经济基础要素。
(2)R&D人员流动。模型估计结果表明,R&D人员流动和知识溢出效应呈显著的正相关关系。劳动力流动,尤其是知识型员工流动对知识溢出效应具有显著影响。通常熟练劳动力、知识型员工在区域创新系统间流动,能够促进知识扩散,进而提高技术创新水平。比较表3和表4中模型的空间相关系数,分别为0.023和0.020,可以看出邻接权重矩阵下的相关性稍强,说明在地理位置相邻时,劳动力流动对知识溢出效应的影响程度要更强烈,这可能由于地理位置相邻,R&D人员流动更加频繁,知识扩散更简易。
(3)人均受教育年限。根据表3和表4中2个模型的估计结果发现,人均受教育年限通过了显著性检验;观察所有变量发现,人均受教育年限相关系数最大,说明受教育水平和知识溢出效应之间具有强烈正相关关系。通常来说,人力资源基础对知识溢出具有重要作用,人力资源基础好的区域创新系统更利于先进知识、技术的学习吸收,并将其最终转化为自身的创新能力。因此,我国应持续加大对教育事业的投入,从而为技术创新提供人才,为区域创新系统的创新发展提供良好的人才环境。
(4)国外技术引进合同金额。根据2个模型的估计结果发现,国外技术引进这一变量通过了显著性检验,说明国外技术引进合同金额对知识溢出效应具有一定促进作用。事实上,国外技术的引进可以直接带来先进的技术知识,从而带动区域创新系统的技术进步;同时对研发能力、研发投入有一定刺激作用,有助于对国外先进技术的学习,进一步提高区域创新系统的创新能力,进而提高知识溢出效应。另外,相邻或邻近区域创新系统之间由于对国外技术不同程度的引进、吸收,能够在交流沟通中促进技术知识的交换,从而加剧知识溢出效应空间分布的不均衡。
(5)技术市场合同成交额。根据2个模型的估计结果发现,该变量和创新产出具有显著的正相关关系,即表明技术市场成交合同额的提高对知识溢出效应具有促进作用。这一变量可以表征区域创新系统间直接的技术交流活动,期间必定带来技术转移、知识溢出。通常,区域创新系统的技术市场合同金额越高,则证明该系统对外交流活动更加频繁,外部区域创新系统的技术引进势必会提高本区域创新系统的技术水平以及技术创新能力,因此知识溢出效应也愈加明显。
5 结论
本文将我国30个省级行政区(由于数据获取原因,不含西藏和港澳台地区))视为独立的区域创新系统,基于此考察区域创新系统间的知识溢出效应。本通过构建技术创新绩效评价指标体系选取合适指标,进而利用熵权法计算得出技术创新绩效的综合得分,将其作为知识溢出效应的替代变量;从地理区位特征出发,分别构建空间邻接权重矩阵和空间距离权重矩阵,多角度考察知识溢出效应的影响因素。根据Moran I指数检验的结果可以发现,我国区域创新系统间的知识溢出效应存在规律性的不均衡分布现象:在东部沿海地区形成“高-高”集聚的良性态势,而在中西部地区则出现相反现象。说明相邻区域创新系统的良好发展会对本区域创新系统的R&D活动起到刺激作用;同时先进知识、技术的外溢能够提升本区域创新系统的创新能力,进而造成知识溢出效应的空间分布不均衡。
研究还发现,知识溢出效应除了与空间距离有关外,还与R&D投入(R&D经费支出和R&D人员全时当量)、劳动力流动、人均受教育水平、国外技术引进水平以及技术市场成交水平有密切关联,不同影响因素对知识溢出效应产生不同程度的影响。其中,人均受教育水平对知识溢出效应的影响最大,且对知识溢出效应的影响为正,平均受教育年限越高,知识溢出效应越强,反之则越弱;R&D投入与知识溢出效应呈显著正相关,即R&D投入的增加能够促进知识溢出效应增强;R&D人员流动对知识溢出效应的影响为正,说明劳动力特别是知识型劳动力流动会带来知识的流动,进而正作用于知识溢出效应;国外技术引进水平对知识溢出效应具有显著正向影响;区域创新系统间技术市场成交合同的订立有利于知识溢出效应水平的提高。
空间溢出效应 篇6
一、研究内容与方法
(一) 研究内容
2010年颁布的《国家中长期教育改革与发展规划纲要 (2010~2020年) 》指出, 高教发展方式的转变路径, 即“提高质量是高等教育发展的核心任务, 是建设高等教育强国的基本要求”。各省级政府都通过多元化投资渠道, 加大了对教育, 尤其是高等教育的投入力度, 希冀通过并依靠高等教育实现强省 (市) 富民的目的。为了科学地实现由高等教育强省 (市) 向高等教育强国进军的战略部署, 有必要对高等教育强省 (市) 的评价指标进行研究, 并依据相对科学合理的指标对全国范围内省域高等教育实力及其分布进行分类评价, 以便有针对性地做出策略安排。目前对省域高等教育的评价与排名大多依据高等教育投入与产出联合总量或产出绝对量的省域比较, 而忽视高教产出效率的比较与分析, 但是, 穷国兴办大高等教育, 必须重视资源配置效率, 各省域高等教育投入与产出不一定同步, 可能存在高投入、低产出或低投入、高产出的情况, 有必要对此进行评价和分析。
该研究针对我国31个省级行政区的高等教育 (管理) 投入和产出, 依据2007年至2009年的数据, 分别构建了指标体系, 采用不同的计量方法, 对省域高等教育实力排序、效率差异、管理效率影响因素和投入产出效率的空间统计特征进行了较为全面的分析。研究发现, 处于高等教育强省地位的前三名依次是北京、上海、江苏, 其中北京处于超级强势地位;而高等教育实力最弱的三个省依次是贵州、甘肃、青海。高等教育实力省域分布呈严重不均衡态势。某些高等教育实力强的省 (市) 如上海、天津、辽宁, 产出效率排名靠后;而实力并不很强的广西、湖北、江西、湖南的产出效率依次排名前四位。我国高等教育产出效率区域分布呈中部高、东部和西部低的态势。高等教育投入、产出的省际空间分布不均衡, 存在异质性;各指标具有空间正自相关性, 相应指标存在全国省际空间聚集现象;普通高等教育投入与产出总量在我国东中部地区呈现高值省域与高值省域聚集状态, 而在西部地区则呈现低值省域与低值省域聚集态势;省际高教投入与产出的属性值主要呈现正向空间自相关的依赖关系;相邻省域投入、产出指标存在空间溢出效应。
(二) 研究方法
1. 数据标准化方法
借鉴1990年联合国开发计划署首次发布《人类发展报告》编制人类发展指数 (Human Development Index) 的方法, 对各指标原始数据进行标准化处理, 形成分项指数。分项指数= (实际值-最小值) / (最大值-最小值) , 该计算方法是简单的0—1标准化技术, 目的是将具有不同量纲的指标数据调节到0至1之间, 赋予相同的量纲和数量级。该研究利用各分项指数经过加权平均后形成的各类别平均指数和最终综合指数, 对省域高等教育实力及其分布进行分析评价。
2. 主成分分析法
依据效益—成本分析理论, 采取基于主成分分析的综合指标评价方法, 通过产出综合指标得分与投入综合指标得分之间的比较, 评价区域高教产出效率, 重点揭示在教育资源开发利用的相对产出绩效上的省域差异, 重视相对“效益”或“效率”的省域排序与对比, 促进区域高等教育资源的有效配置, 为建设高等教育强省提供建议。
3. 复合数据包络分析法
把我国省级行政区内的普通高校整体视为生产单位或决策单元 (称为DMU) , 在投入导向的CCR模型基础上, 首先计算各决策单元的综合技术效率;其次依次剔除模型中的投入产出指标, 形成相应的投入产出指标组合, 并计算各组合的技术效率值;最后测算各投入产出指标对技术效率的影响系数。借助上述分析方法, 可以挖掘影响投入产出技术效率的关键指标, 进而得出优化投入产出配置的方案。
4. 空间计量经济学方法
Anselin和Hudak建议, 在回归分析中, 采用空间计量经济学方法对数据进行检验和模型估计, 需要经过如下三个步骤:第一步, 构建空间权重矩阵 (spatial weight matrices) 。第二步, 在空间统计和空间回归模型中诊断、检验空间自相关和空间依赖性 (关联性) 。第三步, 在存在空间自相关的前提下, 通过比较稳健的LM检验 (Robust LM Test) 的显著性, 或比较两种空间回归模型的统计检验值, 确定是使用空间滞后回归模型, 还是使用空间误差回归模型来进行回归估计。
二、研究结论与对策
(一) 高等教育强省应帮助、带动高等教育弱省共同前进, 最终实现高等教育强国。强省不仅要给弱省“输血”, 还要帮助弱省提升“造血”功能, 这样才可能使弱省尽快赶上强省的发展水平
高等教育实力的分类结果表明, 北京、上海、江苏、浙江、广东、天津、湖北、陕西和山东等属于高等教育强省行列。北京和上海的特殊地位明显, 处于中国政治和文化中心地位的北京, 在优质高等教育资源的占有和教育经费投入两方面具有绝对优势, 经济发达的上海的科研水平遥遥领先于全国其他地区。江苏、浙江、广东、天津、湖北、陕西和山东等依靠良好的高等教育发展基础, 各自在优质资源的占有、师资力量等方面具有优势。高等教育实力属于较强类别的省份包括辽宁、四川、黑龙江、吉林、湖南、河北、江西、河南、重庆、福建、宁夏、海南、云南、安徽、山西共15个省 (市) , 主要集中在东北部、中部地区, 各自在经费来源、人才培养等方面具备竞争优势。高等教育强省指数属于较弱类的地区几乎都集中在了西部地区, 包括了广西、西藏、新疆、内蒙古、青海、甘肃和贵州7个省区。这些地区高等教育发展水平低, 高等教育的整体质量和社会贡献都落后于全国平均水平, 应当集中力量在高等教育产出规模, 尤其是优质高等教育产出的数量和质量方面加快发展步伐, 才可能缩短与强省 (市) 的差距。同时, 也应看到除了个别省份以外, 大多数西部落后省份近几年发展速度快, 冲劲足, 做强高等教育的努力程度大, 具备迎头追赶的潜力。
从综合指数分布上看, 最高值北京的指数 (0.810) 是最低值贵州 (0.145) 的5.6倍;综合指数的差异系数为46%, 低于产出类和投入类差异系数。可见, 综合水平上看, 高等教育实力省域分布依然是不均衡的, 不均衡集中表现在产出和投入方面各省 (市) 差距过大。其根本原因是经济社会发展水平的省域差别过大, 如果希望高等教育强省帮助、带动高等教育弱省共同前进, 最终实现高等教育强国, 必然要求高等教育强省付出更大的努力, 不仅要在师资、科研人才、教育理念与内容上给予巨大帮助, 还要在教育经济上、教育投入上给予无私援助, 不仅要给弱省“输血”, 还要帮助弱省提升“造血”功能, 这样才可能使弱省尽快赶上强省的发展水平。
(二) 提高高等教育投入产出效率, 加强高教区域资源整合, 跨省建立高等教育主体功能区, 将发达省市富足的高教资源在联省高教功能区范围内配置, 有效提高资源利用效率, 改善高等教育发达区域产出效率不高的现状
从地理结构上看, 高效率水平组中的4个省份都不属于我国东部省域, 处于中高水平的11个省份中也只有3个属于东部省份, 其余有3个中部省份和5个西部省份。处于中低水平组的12个省 (市) 有7个东部省 (市) 、1个中部省份、4个西部省份, 上海、天津、广东、辽宁、山东等东部高教强省 (市) 也处在此列。而低水平组的4个省份中有1个东部省份、1个中部省份、2个西部省份。这表明, 虽然现行“东、中、西三大地带”区划不能很好地反映出来我国高等教育产出效率水平的空间分布状况, 但是, 仍然反映出这样的区域轮廓:东部地区总体上高教产出效率, 并没有像投入水平和产出水平那样处于全国领先地位, 而是处于中等偏下的水平;中部地区的8个省 (市) , 除吉林、黑龙江处于中低水平及以下之外, 其余都处于中高水平及以上, 表明中部省域的高教产出效率水平居于全国领先地位。我国高等教育产出效率区域分布呈中部高、东部和西部低的态势。
那是什么决定了各地区间高教产出效率水平的高低差异?
首先是影响产出的那些因素, 比如人才培养的数量和质量、科研产出的数量和质量。理论上说, 在其他条件 (比如投入水平) 一定的情况下, 一个地区高教培养人才和科研产出的数量越大, 质量越高, 产出效率水平就会越高。
其次是高教投入水平。在评价省域高教实力和竞争力时, 投入水平越高越好。但是, 在评价产出效率时, 情况正好相反, 在产出既定的情况下, 投入的资源越少, 产出效率就越高。
由于教育事业的特殊性, 决定了不能苛求教育资源的节省, 不能以牺牲质量为代价来提高产出效率。所以, 在政策选择上, 只能在不降低高教资源投入的前提下, 千方百计地提高高教系统的产出数量和质量, 从而提高高教产出效率。或者, 选择高教区域整合, 跨省建立高等教育主体功能区, 将发达省市富足的高教资源在联省高教功能区范围内配置, 这将有助于尽快提高发达省域高教产出效率。
(三) 教学科研人员数量和在校及注册学生数量不足是导致我国省域高教管理效率DEA无效的关键原因。高等教育资源配置相对不均衡, 东、中、西部区域内高教发展不均衡情况也很严重, 不发达地区高等教育通过努力也可以实现管理高效;应继续加大对中部地区的教育经费及师资力量投入, 东部普通高校要特别加强对公用经费的管理, 西部普通高校应注意对行政人员的管理
虽然东部地区普通高校管理效率整体最高, 区内发展水平也较为均衡, 但是却尚有64%的东部省域普通高校管理效率非DEA有效。相比较而言, 西部地区管理效率最低, 区域发展水平差异最大, 但是西部却也有42%的省域实现了DEA效率, 高于东部。因此, 省域普通高校管理效率虽与区域经济发展状况密切相关, 但从个别来看, 也并非单纯受发展水平影响, 经济不发达地区也可以实现DEA技术效率。
中西部地区公用经费投入不足, 行政人员工作效率较低, 应进一步加大对中西部地区普通高校的公用经费投入, 加强对行政人员的管理。东部地区行政人员工作效率较高, 但是公用经费利用效率较低, 应加强东部地区公用经费的使用管理。山西、贵州、西藏三省区应继续加大公用经费投入, 进一步加强对行政人员的管理, 提高工作效率或相应减少人员数量。上海、江苏、浙江、安徽、河南、广西、重庆等7省 (市) 应加强普通高校公用经费的使用管理。
西部普通高等教育规模相对最大, 但是高教规模区内差异也最大;中部地区相对师资规模及教育经费收入额最少, 全时科研人员数量在现有管理投入水平上相对东、西部最多但区内分布最不均衡;东部地区教育经费收入和固定资产总额方面规模最大, 但是区内分布也最不均衡。因此, 应进一步优化调整我国高等教育发展战略, 优化西部高教发展的规模结构, 实现西部高等教育均衡发展。加大对中部地区的高等教育经费投入及扩大师资规模, 优化中部地区科研人员的分布结构。进一步优化东部地区高等教育经费投入及固定资产的投资。
在18个管理效率非DEA有效的省域中, 造成DEA无效的关键原因, 不在于投入指标, 而是作为产出指标的教学及科研人员数量、在校及注册学生数量相对不足造成的。投入指标间相比较, 公用经费投入较行政人员投入更为关键。因此, 在DEA无效的省域, 应继续增加教师数量, 扩大教育规模, 或者加强对公用经费和行政人员的管理及相应减少投入数量。
因此, 不发达地区的普通高等教育管理也可以通过努力实现技术效率;应进一步优化我国高等教育资源的区域配置均衡;部分地区的普通高等教育规模和专职教师规模还应进一步扩大;中部地区的高等教育经费投入及师资规模还应继续扩大;西部应加强对行政人员的管理, 或相应减少行政人员数量;东部要特别加强对公用经费的使用管理和节约。
(四) 我国应制定按地理区位成片推进和反梯度推移的高等教育开放和发展战略, 充分发挥相邻省域高等教育联动功能和外溢效果, 推动若干相邻省域高教与科技发展政策与规划的协同制定和联动实施
基于我国省域普通高等教育2008年数据的实证研究表明, 高等教育投入、产出的省际空间分布不均衡, 存在异质性;各指标具有空间正自相关性, 相应指标存在全国省际空间聚集现象;普通高教投入与产出总量在我国东中部地区呈现高值省域与高值省域聚集状态, 而在西部地区则呈现低值省域与低值省域聚集态势;省际高教投入与产出的属性值主要呈现出同类聚集状态, 即正向空间自相关的依赖关系;相邻省域投入、产出指标存在空间溢出效应, 即本省域投入、产出的增加会带动相邻省域相应指标一定比例的增长。为什么会有这种两个邻居省域的空间溢出效应?原因可能来自于两方面, 一是最近邻居的影响最大, 相邻省域在人力与物力资源的投入上存在攀比与竞争;二是共同遵循高等教育外延式或内涵式发展一般规律所致。单一省域会主动对相邻省域的高教投入决策做出同步反应, 在调整自身投入水平时, 会参考周边邻居省域同种投入水平。一个行政管辖区某种战略规划变量的变动会受到相邻行政管辖区同种规划变量变动水平的影响, 省域间高教投入要素会发生战略交互作用。因此, 我国应制定按地理区位成片推进和反梯度推移的高教开放和发展战略, 充分发挥相邻省域高等教育联动功能和外溢效果, 推动若干相邻省域高教与科技发展政策与规划的协同制定和联动实施。
空间溢出效应 篇7
改革开放以来, 我国第一产业的就业比重相比第二产业和第三产业持续降低, 第三产业就业比重增长速度最快, 但是目前我国第三产业就业比重与其他发达国家相比是较低的, 产业结构偏离度过大。有学者认为应该采取一定的措施来纠偏, 但就业结构一定与产业结构同步吗?是什么让劳动力在不同的产业之间进行流动?这种流动是否会受到空间溢出效应的影响?迄今为止, 我们对区域之间的这种空间溢出作用的强度和作用范围的实证研究依然有限。
二、研究方法及数据处理
(一) 全要素生产率的测算
对生产率进行测量是为了辨别产出差异当中那些不能被投入差异解释的部分。相同的企业生产相同的产品, 如果投入越少, 我们就说其生产率越高。为了使生产率得以提高, 我们需要观测并控制应用于投入和产出的技术水平。如果企业之间的技术水平发生变化、规模经济不变, 首选的方法是数据包络分析 (DEA) 。运用DEA模型时, 我们不需要设定具体的生产函数, 还允许企业间技术异质的存在。
Malmquist指数被应用于生产效率的测算并依据效率测算的结果进行比较研究。我们将每个省区作为一个决策单元, 在一定时期内, 投入函数为xk, t= (Xk) , 产出函数为yk, t= (Yk) , k代表我国各省区。我们从产出角度来运用非参数数据包络分析方法构造t时期的不变规模报酬, 即
其中, Z表示不同横截面观察值的权重。相应的k省区的产出距离函数为
此产出距离函数是使θ最大来求解线性规划的, 其目的是在投入给定的情况下求出产出最大。当Dct=1时, 生产在技术上有效率;当Dct>1, 生产在技术上无效率。
根据经济学家等 (1989) 的研究, Malmquist生产率变化指数可设为
若Mt (k, t, t+1) 大于1, 表明全要素生产率在改进, 小于1则意味着生产率在退化。
(二) 计量模型
1. Moran I指数
空间计量通常使用空间自相关指数Moran I, 即
Yi表示第i个地区的观测值, n代表观测的地区总数, Wij代表空间权重矩阵, 如果两个地区相邻则取“1”, 反之则为“0”。Moran I的范围在-1到1之间, 当Moran I>0, 意味着地区之间空间呈现正相关, Moran I<0, 表示两个地区之间空间不相关。
2. 空间误差模型 (SEM) 与空间滞后模型 (SLM)
根据设定模型时对“空间”体现方法的不同, 我们将空间计量模型分为两种:空间滞后模型和空间误差模型, 表示形式为
其中, Y是被解释变量, X代表外生解释变量矩阵, X的参数向量是β, ρ代表的是空间滞后回归的系数, λ是空间误差回归系数, ε=λWε+μ, 和都代表示随机误差项, 空间权重矩阵为W。
本文采用的是0到1的空间权重矩阵, 相邻的区域空间权重为“1”, 不相邻区域为“0”, 即
确定空间权重的方法有很多种, 关于空间权重的选择外生并且任意。由于邻接方法简便, 它被广泛使用, 本文使用这一方法。
3. 模型设定及变量选取
本文的被解释变量为就业结构对数值 (lnn觶/n) , 其中n为某行业的就业人数占工业总就业人数的比重。本文主要研究工业各行业内部结构变化。我们将待估计的计量模型设定为
其中, 下标i表示各省区, t表示年份, αi表示地区效应, γt是时间效应, 其他变量涵义同上。
为了考察地区就业结构与产业全要素生产率的关系, 本文选取的主要变量是已经被证实影响着就业结构。本文将工业分为采矿业、制造业和电力、燃气及水的生产和供应业。回归方程的被解释变量是第二产业中各行业就业结构指标的对数值, 解释变量包括资本劳动比、各产业发展水平, 相对全要素生产率的增长和人均收入水平的对数值。
(三) 指标选择及数据处理
本文所采用的样本包括我国28个省区, 同时我们将重庆的数据并入四川, 考察期为1987~2012年, 共700个观测值。工业全要素生产率的产出变量为工业增加值, 投入变量包括资本存量和劳动投入, 选取固定资产净值作为资本投入并以各行业固定资产投资价格指数进行平减。劳动投入指标以职工年均人数代表劳动投入。
本文用工业各行业职工人数占工业职工人数的比重来衡量就业结构。将国内生产总值 (GDP) 作为我国经济总量的唯一统计指标。我们从各省相应年份《统计年鉴》获得28个省区的生产总值 (1987年=100) , 将生产总值的指数全部换算为以1987年我基数的不变价格。各年份各省区人口采用年末人口数指标, 这一数据来自于《中国统计年鉴》及各地区《统计年鉴》相应年份。
三、实证分析
(一) 工业各产业全要素生产率的变动分析
运用DEAP2.0软件, 我们得到我国工业各行业的全要素生产率呈现增长趋势, 其中采矿业的全要素生产率增长最快, 平均增长率为17%, 制造业和电力、燃气及水的生产和供应业的平均增长率分别为6.9%和7.8%。采矿业的全要素生产率从1988年的0.89上升到2012年的1.41。制造业和电力、燃气及水的生产和供应业的全要素生产率则分别从1.17和0.94到0.94和0.85。
(二) 空间计量结果
由于允许共同冲击的存在, 所以模型中扰动项目中有空间滞后变量的存在, 即 (εit=λWε-it+μit~iid (0, σμ2) , |ρ|≤) 。对于公式 (7) 来说, 其做法是先进行固定效应的预估计, 从而得到一致估计的系数β和ρ。然后, 利用得到的残差结合矩方法估计λ、σμ2和σt2。最后, 根据估计结果使用FGLS法, 再次估计式 (7) 中的固定效应, 得到β和ρ的一致有效估计。
注:***、**、*分别表示在1%、5%和10%的显著性水平上拒绝原假设。
以上采用的是固定效应模型, 从回归结果来看, 资本劳动比对工业各产业就业结构产生负向的影响。采矿业的资本劳动比每增加1个百分点, 其就业份额增加约0.5个百分点。对于制造业来说, 资本劳动比前的系数较小。这表明提高制造业的资本劳动比对制造业就业份额的减少影响不大。
全要素生产率都对工业各产业的就业结构产生负面的影响, 并且估计结果相当显著。人均GDP的增长对制造业就业结构的影响不显著, 人均GDP的增长对采矿业就业结构的影响为负, 对电力、燃气及水的生产和供应业影响为正。这说明经济的发展会加大对电力等行业的需求, 减少对采矿业等初级加工的需求。从空间相关系数来看, 这些指标都为正值并且都通过了1%的显著性概率检验。这说明, 本地区的产业的就业结构容易受到周边地区的就业结构的影响。
四、结论
通过研究, 本文得出以下几点结论。
第一, 样本期内, 我国采矿业的全要素生产率的增长率最高, 其次是电力、燃气及水的生产和供应业, 最后是制造业。这表明要提高工业总体的全要素生产率, 关键是制造业。
第二, 就业结构不一定要与产业结构发展变化同步, 这取决于资本产出比、相对全要素生产率和人均收入水平的变化。
第三, 一个地区的就业结构分布是有规律的, 它取决于其相邻地区的经济发展和产业发展情况。提高制造业的就业份额关键在于空间相关效应。
摘要：运用空间计量分析技术, 本文考察了19882012年中国大陆28个省级就业结构转变和区域工业全要素生产率增长之间的关系。研究发现, 我国区域工业就业结构存在显著的正向相关性, 相对全要素生产率的增长和资本产出比的提高会降低产业的就业份额。人均收入的提高对产业就业份额的影响可正可负。产业结构与就业结构的变动未必同步。提高制造业的就业份额关键在于空间效应的提高。
关键词：就业结构,全要素生产率,空间面板
参考文献
[1]Franco Malerba.Innovation and the evolution of industries[J].Journal of Evolutionary Economics, 2006 (16) .
[2]牛仁亮, 陈永奇.加速技术进步:结构调整的必由之路[J].管理世界, 2004 (12) .
[3]黄茂兴, 李军军.技术选择、产业结构升级与经济增长[J].经济研究, 2009 (07) .
空间溢出效应 篇8
旅游是否存在空间溢出[4]?根据滕丽、刘晓红、李凡等学者对珠三角旅游圈、长三角地区旅游城市群和山东旅游城市群等区域进行的实证研究表明, 区域主体间的旅游溢出效应广泛存在, 并成为区域旅游合作 (正溢出效应) 与竞争 (负溢出效应) 的内在动力[5,6,7,8]。然而上述研究均以东部发达地区多核型旅游圈为实证对象, 在空间等级结构、旅游产品多样化、交通区位条件和客源市场方面存在差异, 空间溢出效应的作用机制和结果也大不相同。本文拟以昆明—滇西北旅游圈为研究对象, 分析单核心旅游圈空间溢出效应对旅游区竞合机制、空间结构及演化进程的作用。
1 单核心旅游圈的界定
与旅游区相比较, 旅游圈概念的内涵更丰富, 能从空间结构、等级分布、产业协作等角度全面描述区域旅游经济活动。马勇、董观志最早定义了旅游圈概念, “以大城市为中心, 从区域整个的自然、经济、文化、交通和区位条件出发, 合理配置大城市与周边旅游地的旅游资源效应和接待服务优势, 从而形成旅游业的城市—区域与市场—资源共轭型的空间结构综合体”[9]。阎友兵认为:“旅游圈是为了获得最佳经济、社会和环境效益, 以旅游资源为核心组成的具有一定地理范围的协作区域, 是一定区域内各种旅游经济要素间相互联系、相互作用而形成的区域空间组织形式”[10]。李山将旅游圈定义为:“旅游圈是以一个或多个旅游集散地为核心, 以多个旅游景区为依托所组成的具有一定地理范围的空间协作组织, 这个组织起来的区域能为游客一次有效用的出游活动提供足够的产品供应”[11]。根据上述定义可归纳旅游圈的基本特征, 即空间等级性、地域均质性 (整体性) 、产业协同性。
弗里德曼提出核心—外围理论, 试图解释一个区域如何由互不关联、孤立发展变成彼此联系、发展不平衡, 又由极不平衡发展变为相互关联的平衡发展的区域系统。从空间结构和形成机制来看, 旅游圈具有典型的核心—外围结构特征。旅游者基本上有两种方式前往某城市旅游目的地:一是直接前往, 二是通过某一中转旅游城市间接前往。当一个城市的旅游产品规模和旅游交通规模集聚到一定程度, 实现旅游目的地与旅游中转地的统一, 即成为该区域的核心;通过共享核心旅游城市的客源, 外围区域得到发展。旅游经济核心区与外围区间通过集聚与外溢效应, 旅游圈层不断外延, 旅游等级不断增加, 逐渐形成以大城市旅游区为核心, 以边缘城市和景区为外围的核心—外围空间结构。
根据核心—外围理论, 每个旅游圈都分布着一个或多个交通发达、游客流量大、旅游产品丰富、旅游经济较发达的核心城市。据此, 旅游圈可分为多核型、双核型、单核型旅游圈。单核型旅游圈即由单一旅游中心城市与外围地域组成的区域旅游空间结构。对外围地域, 单核心城市具有等级规模差异大、交通区位优势显著、客源资源垄断性强的特点。单核型旅游圈形成并发展的前提是:核心城市旅游发展排他程度的降低和边缘区域依附于核心城市程度的提升, 即旅游圈内部产生溢出效应, 旅游产业实现区域协作共生。此外, 一般认为旅游圈空间结构具有动态特征, 即随着核心对外围区域正溢出效应 (集聚效应>扩散效应) 的扩大, 区域旅游经济不断趋于均衡, 空间结构呈现由单核心到多核心演变趋势。然而在我国西部地区, 单核心旅游圈结构广泛存在, 不全是核心城市空间过度集聚的结果, 特殊的地形区位、闭塞的交通也是重要因素。因此, 对单核心旅游圈溢出效应进行测度, 分析旅游圈内部的竞合关系, 有助于认识我国西部旅游圈的发展特征和趋势。
2 模型结构与变量修正
2.1 模型结构
在开放经济条件下, 蒙代尔—弗莱明 (MF模型) 为多区域增长溢出分析提供了经典模型。卡尼尔斯和渥斯培根引入空间距离和技术距离 (知识缺口) 影响, 构建了一个基于知识缺口和牛顿型空间衰减的经典知识溢出公式[10]:
式中, Sj为j地接受的溢出, Gij为i、j两地间的知识缺口, rij为i、j两地之间的空间距离, δj为j的学习能力, uj为校正常数。
关于旅游经济外溢模型研究, 基于旅游资源差异性和公共性, 具有与知识类似的共享性特征。邓悦、王铮等借鉴经典知识溢出模型的形式, 将旅游业的“知识”缺口理解为两个旅游区之间的类型差异和等级差异, 建立了旅游业区域溢出的机理模型[11];李山、王铮在模型中引入旅游地的规模等级差异、旅游地类型差异、旅游地空间距离以及溢出接收方的学习能力等影响因素, 实现了模型的可计算[12]。
式中, Sj (i) 表示j旅游区接受到来自i旅游区的溢出, Gij (k) 为i、j两地间的规模等级缺口, Glij为i、j两地间的类型差异缺口, rij为i、j两地之间的空间距离缺口, δj、δj (l) 、δj (k) 是j地的学习能力, β是旅游空间相互作用阻尼参数。根据李山对旅游业区域溢出可计算模型的检验, 参数的取值为δj、δj (l) 、δj (k) , 所对应的幂指数α=0.06、β=0.00446, 模型拟合度最好。Gj (i) 项前面的符号为“-”, 表明两地间旅游资源规模等级差异越大, 组合起来共享同一客源市场的可能性就越小;rij项前面的符号为“-”, 表明随着两地间距离增加, 溢出作用趋弱[12]。在此定义式 (2) 指数项中的指数部分为“溢出指数”Iij。如果Iij>O, 则认为i对j有正的溢出作用, 反之即为负溢出作用。
2.2 空间距离变量的修正
由于旅游交通方式的多样化, 航空、铁路、公路、水运等方式所对应的旅途时间大不相同。在基本模型的应用中, 有的学者简单地使用旅游地间空间距离的概念, 即采用i、j两地之间直线距离或交通距离。值得注意的是, 在市场经济条件下, 距离已异化为一个货币成本和时间成本的组合概念, 并随着交通基础设施的建设产生年际变化。所以, 把r的内涵仅界定为旅游地间空间距离是不可取的, 简单地使用距离的概念无法真正体现两地间的空间溢出效应。因此, 在模型的应用中把r描述为一个货币和时间的组合概念, 即游客选择某种交通方式的货币成本和时间成本:
式中, rij为i地与j地之间的综合交通值, n代表i、j两地间的第i种运输方式, λij代表i、j两地间第n种运输方式的权重, Cij代表i、j两地间第n种运输方式的货币成本, Tij代表i、j两地间第n种运输方式的时间成本。
3 昆明—滇西北旅游圈空间溢出效应测算
3.1 昆明—滇西北旅游圈范围界定
根据前文对单核型旅游圈的判定, 昆明—滇西北旅游圈中核心城市昆明具有等级规模差异大、交通区位优势显著、客源资源垄断性强的特点;外围区域依附于昆明发展, 呈现出以昆明为单核心, 以滇西北地区、滇西南地区、滇东北地区、滇东南地区和滇中地区为外围的核心—外围空间结构。基于昆明—滇西北旅游圈旅游规模大、产业协作模式较成熟、涉及区域多的特点, 本文选择该区域为研究案例。此外, 楚雄州是昆明市与滇西北地区的中间地带, 其旅游业也逐渐融入到滇西北旅游圈, 所以将楚雄州一并列入。据此, 昆明—滇西北旅游圈范围包括昆明市、楚雄州、大理州、丽江市、迪庆州、怒江州6个州 (市) 。截止2010年, 该地区旅游业总收入481亿元, 占全省旅游总收入的59.4%;全省5家5A级景区全部在本区域内, 有4A级景区24家, 占全省总量的54%。综上所述, 昆明—滇西北旅游圈不但是云南大旅游产业发展的典型区域, 而且在全国旅游的知名度和产业影响力较显著, 对其空间溢出效应研究具有典型意义和借鉴价值。
3.2 空间溢出效应测算
通过对综合交通值的计算, 结合昆明—滇西北城市间的交通运输方式, 对不同运输方式的权重、时间成本和货币成本做以下假定: (1) 根据各地交通设施, 把交通方式分为航空+公路、公路+铁路、公路+铁路+航空三种类型; (2) 根据各地发送的旅客数据确定各交通方式权重 (表1) ; (3) 设火车的运输成本为0.5, 公路的运输成本为1, 航空的运输成本为3, 计算得到昆明—滇西北城市间的综合交通值总体与空间距离呈正相关, 但局部不遵循空间距离递增规律。如怒江与迪庆空间距离近, 但交通方式仅有次等级公路, 时间成本较高, 导致值最高;同理, 丽江便利的航空运输、新开通的铁路等交通优势克服了空间区位劣势, 这也反映了交通设施投资对旅游区发展的贡献。
3.3 其他指标测算
主要是: (1) Gij (k) 关于规模等级缺口指标, 取i、j两地之间接待游客总人数比值得到自然函数来表示。 (2) Gij (l) 类型差异缺口以本区5A级景区的分类为自然风光、民族风情、历史古迹和人造景观四种类型本底景观, 本地百度指数最高的景区定义为奇葩景观。当奇葩景观与本底景观完全相同时, 取值ln 1=0;当本底景观相同但奇葩景观不同时, 取值ln 2=1.098;当其完全不同时, 取值ln 4≈1.386[13]。 (3) 通常认为, 一个地区的经济发展水平越高, 其学习能力越强, 因此旅游的学习能力δ可采用人均GDP来衡量。
注:游客接待人数、旅游总收入、人均GDP来自2011年云南省各地《统计年鉴》;本底景观类型根据5A所属类型总结;奇葩景观根据百度指数选择;景区差异值根据前述类型差异缺口方法计算得到。
3.4 计算结果
通过对昆明—滇西北旅游圈6个城市间的两两城市数据的计算得到30个方程式, 获取的溢出指数和溢出值见表2。
注:括号内的值为溢出指数, 括号外值为溢出值。
昆明—滇西北旅游圈旅游经济的关联性强, 具有显著的正溢出, 旅游经济的溢出作用明显。从溢出区分析, 从大到小分别是昆明 (21.407) 、丽江 (12.277) 、大理 (12.171) 、迪庆 (9.604) 、楚雄 (9.495) 、怒江 (6.667) 。作为溢出区的城市, 接受的总溢出效应对其他城市的总溢出与该城市的旅游经济发展水平基本呈正相关, 总溢出越多, 旅游经济规模越高。李凡在对珠江三角洲城市旅游的溢出分析中得出的结论是:城市的旅游经济规模与其对其他城市的总溢出效应呈负相关。之所以出现截然相反的结论, 主要有以下原因:一是地域结构特征区别大, 珠三角城市旅游圈为多级中心的放射型结构, 城市间的竞争是排他性的;而昆明—滇西北旅游圈为单中心的“口袋型”结构, 绝大多数游客选择昆明作为入口和出口, 滇西北旅游圈城市间形成共赢的产业链。二是昆明—滇西北旅游圈类型差异缺口大, 多民族的文化旅游、多类型的自然地貌景观集聚, 也是合作大于竞争的原因。
从接受的区域看, 从大到小分别是昆明 (24.915) 、大理 (22.538) 、丽江 (20.23455) 、迪庆 (12.028) 、楚雄 (8.868) 、怒江 (7.952) 。城市的总溢出效应, 即其他城市对该城市的总溢出与其旅游发展水平基本相当, 这也体现经济社会发展水平与区域学习能力的程度。
观察昆明—滇西北旅游圈城市间的溢出效应变化, 发现总体上遵循距离衰减规律, 称之为“近邻溢出” (接触溢出) 。部分城市间虽然距离短, 但溢出值较低, 溢出效应在空间上具有非连续性现象, 称之为“跳跃溢出” (飞地溢出) 。如楚雄的总溢出值小于更为偏远的迪庆, 反映出旅游业中景区的吸引度比交通区位优势更重要。丽江的总溢出值大于大理, 体现了丽江在旅游产品吸引度和交通便捷的优势。
昆明是昆明—滇西北旅游圈乃至整个云南大旅游圈的中心城市和旅游枢纽, 其溢出效应影响着外围旅游区的发展。从单核心旅游圈结构看, 中心城市主动溢出总效应最大, 说明中心城市对旅游圈城市旅游经济发展的控制程度和自主程度高;中心城市接受溢出总效应最大, 反映了外围城市旅游经济增长对中心城市旅游经济发展的贡献度高。因此, 在单核心旅游圈结构中, 中心城市旅游经济的发展为外围区域提供客流、知识等资源, 外围旅游区的壮大形成了支撑中心城市旅游经济规模扩大的合力, 中心与外围互相促进。
4 结论
空间溢出效应 篇9
上海率先在全国开展保险机构和高管人员备案管理改革。2016年3月5日，上海保监局率先在全国开展保险机构和高级管理人员备案管理改革，将上海自贸区保险机构和高级管理人员备案管理改革的成功经验复制推广至全市范围。此次改革进一步简化准入管理，精简备案材料，缩短审批时间，将原20个工作日的审批时间缩短为自收齐备案材料3个工作日的备案时间。
保险要素进一步集聚上海。表现为上海功能性保险机构有突破性进展。2016年1月，中保投资公司落户上海自貿区，成为保险资金扩大海外投资、服务实体经济和国家战略的重要载体。另外，2015年获批筹建的上海保交所也有望在上海开业。2015年2月，注册在自贸区内的上海人寿获批开业，成为总部设上海自贸区内的首家全国性人身保险公司。这些功能性保险机构的成立，标志着上海成为名副其实的国内保险中心。
上海国际航运保险的参与度显著提升。除了上海国际航运保险协会加入国际海上保险联盟之外，2016年1月12日，2016上海航运保险国际论坛在陆家嘴开幕。另外，上海还在积极申请下一届国际海上保险联盟会议，旨在通过会议活动让世界更多地了解中国，中国航运保险业也通过这类活动了解更多的世界航运保险业前沿信息。
上海航运保险保费收入占全国半壁江山。目前，我国已经成为继英国之后的第二大航运保险市场。其中，2015年1月至11月，上海的船舶险和货运险总保费收入达到36.85亿元，占全国航运保险保费收入的27.47%，其中船舶险占全国船舶险保费收入45.52%，几乎占据半壁江山。
从上可见，作为金融业和航运业的连接点，上海航运保险制度创新和发展，不仅有利于航运保险要素集聚上海，而且促进长三角、中国航运保险业发展。
首先，自贸区航运保险制度创新示范效应已经显现。2015年4月15日，保监会根据《国务院关于推广中国（上海）自由贸易试验区可复制改革试点经验的通知》要求和相关试点情况，支持上海自贸区保险业发展的11项支持政策放宽至福建、天津、广东三个新设自贸区和上海自贸区扩区区域。随着上海自贸区航运保险制度取得里程碑式的进展，实务界看到了重振上海航运保险业的希望，也促使上海、苏州等地把航运保险视为未来现代服务业的重要发展方向。苏州于2015年4月出台《加快发展现代保险服务业实施意见》明确提出“积极承接上海自贸区和上海国际航运中心的溢出效应，加快发展航运保险”。随着上海自贸区航运保险制度溢出效应的显现，借助于太仓港吞吐量的进一步提高及港口建设步伐加快，苏州航运保险发展也指日可待。
其次，航运保险在上海自贸区内取得的制度探索成果，使自贸区形成足够的制度优势。对此，区外竞争者也会积极改善自身制度质量以“力争上游”，形成竞争效应。从目前来看，上海市区与自贸区、上海与浙江之间的竞争还是相当激烈，竞争效应比较明显。
再者，联系效应紧密。我国航运保险营运中心的经营体制特色，使自贸区内各公司航运保险营运中心与全国各地保险公司有着紧密的联系。设立在上海自贸区内的航运保险营运中心与全国各省市均有货运险业务联系，使自贸区内的制度红利以最低成本扩散到其他省市区。
技术合作或援助也会带来联系效应。例如，上海航运保险协会明确目标是：致力于我国航运保险专业化建设，包括推动航运保险的条款制定、解释，形成具有影响力的航运保险定价机制与标准化的相关机制；建立技术风险的纯风险损失率制度，加强航运保险风险管理的技术研究、行业自律、航保人才培训等方面建设；大力推进航运保险业信息化建设，加强航运业与保险业之间的数据共享和平台建设等。因此，尽管上海航运保险协会落户于上海，但是其业务、功能和影响力将辐射全国。
不可否认，上海自贸区航运保险制度创新力度及其溢出效应还受其他方面影响，如全球贸易总值下降、全球航运业低迷、航运保险承保能力过剩等。但结合上海国际金融中心建设、国际航运中心建设、航运保险中心建设现状，在全球航运保险市场严峻挑战时率先突围，抓住并服务 “一带一路”国家战略、“自由贸易区”国家战略，都将促使上海、长三角航运保险更加快速健康发展，服务全国、走向世界。
品牌联盟内部溢出效应浅析 篇10
一、品牌联盟对参盟品牌的溢出效应
许多学者已对不同形式的品牌联盟对品牌的溢出效应进行了研究, 发现品牌联盟策略能能在短时间内使联盟中各品牌资产增加, 提高消费者对各品牌的评价。Gammoth等人 (2010) 指出不知名的品牌与知名品牌联盟或加入多元的品牌联盟, 能提高消费者对其评价。无论与其它参盟品牌是否同质, 消费者评价都将高于加入联盟前的评价。学者还发现品牌联盟降低消费者感知风险, 使其愿意接受联盟品牌溢价, 如果消费者原先对参盟品牌产品持正面态度, 将更愿意接受溢价。但是, 品牌联盟并不总是能带来产品正溢价, 因为参盟品牌之间的不一致会减少潜在顾客量, 所以利润会削减。
另外, 大量研究发现品牌联盟会给各搭档品牌带来正溢出影响, 对主品牌的溢出则根据搭档品牌不同而不同。主品牌受到的溢出影响和品牌联盟成功与否也有关, 品牌联盟对于主品牌可以看作一种品牌延伸, 成功的品牌联盟会提高消费者对主品牌的评价, 相反, 失败的品牌联盟会削弱消费者对主品牌的评价。
二、参盟品牌———参盟品牌溢出效应
品牌联盟中各品牌中间存在相互影响, 消费者对其中某一品牌的认知和评价会直接给其它品牌带去影响。消费者通常认为高质量的品牌只会与其它高质量的品牌结成联盟, 因为高质量品牌的质量评价会转移到其它质量较低的品牌, 为该品牌的产品发出高质量信号。如果某一不知名的国外品牌与国内知名品牌联盟, 将更容易获得国内消费者的正面评价。但是, 形象不一致的品牌进行联盟, 会增加消费者的不确定性, 改变原有的品牌评价, 对各参盟品牌产生负面影响。选择适合的搭档品牌联盟, 可提高主品牌名称用于产品延伸的成功率, 明显优于主品牌单一化直接延伸或子品牌化。
三、参盟品牌———品牌联盟溢出效应
品牌联盟中联盟伙伴的选择相当重要, 两个高品牌资产的品牌进行联盟, 会让消费者对品牌联盟有更正面的评价。并且, 高资产的品牌通常伴随着高的消费者品牌熟悉度、品牌支持度和品牌忠诚度。有学者指出消费者对主品牌的忠诚度是联盟品牌延伸的评价的基础驱动力, 消费者对主品牌的原有态度和评价会影响对品牌联盟的态度和评价。另外, 产品的类别和功能对消费者的联盟评价有影响。各参盟品牌产品类别具有互补性, 联盟产品融合各类别特征时, 对消费者有巨大吸引力, 能提高重复购买率。当产品功能具有互补性时, 消费者对联盟品牌的态度和购买意向受到正面影响, 并且, 消费者对于互补性产品的品牌联盟评价明显更高。
参盟品牌与品牌联盟之间的溢出是相互的。联盟伙伴的选择会影响溢出效果和程度, 以往研究从支持度、熟悉度、使用经历、品牌资产等角度对参盟品牌———品牌联盟溢出的影响进行了分析 (Swaminathan et al, 2012) 。品牌形象一致度的高低会对联盟正面或负面溢出, 与消费者对联盟品牌的评价和购买意愿正相关。除品牌形象一致性会影响溢出, 产品类别和功能的一致性或互补性也会影响消费者对品牌联盟的评价。
随着经济全球化, 企业国际化是一个趋势, 品牌联盟是企业进入新市场或推出新产品的一个途径, 但品牌国际化的过程中必定要经历全球品牌本土化阶段, 品牌本身是一种文化, 融合了区域、民族和组织内部文化的特征, 当它进入另一个文化中, 应如何获得认可, 品牌联盟战略具体要怎么做, 这是我国品牌想要走向海外必须要面对的一个问题, 否则难以发挥联盟的实际作用, 仅是单纯的捆绑而已。
品牌联盟不是只涉及到各品牌企业, 其对整个市场, 甚至整个社会都会产生影响。因此, 品牌联盟的视角不能局限于企业或产业内部, 社会应该为品牌联盟提供良好的发展环境, 完善配套措施, 建立信息服务平台, 邀请业界专家和专业咨询、培训机构, 为企业管理者进行培训、诊断、示范指导等, 定期举行联席会议, 建立畅通高效的沟通渠道, 及时更新企业管理知识和经营理念, 帮助企业进行正确的联盟定位和分工, 不断改进修正, 取得有益的探索结果。
参考文献
[1]Gammoth, B.S., Voss, K.E.and Fang, X.. (2010) .Multiple Brand Alliances:A Portfolio Diversification Perspective, Journal of Product&Brand Management, 19 (1) :27-33.