劉宇

（江西理工大學(xué)商學(xué)院，南昌330013）

長江經(jīng)濟(jì)帶是我國重要的經(jīng)濟(jì)區(qū)域，先進(jìn)制造業(yè) （Advanced Manufacturer Industry，AM 產(chǎn)業(yè)）是制造業(yè)的重要組成部分。 2016 年長江經(jīng)濟(jì)帶AM產(chǎn)業(yè)工業(yè)銷售產(chǎn)值為215980.83 億元，占全國比重的49.43%； 長江經(jīng)濟(jì)帶2016 年加權(quán)專利數(shù)為250072.3 件，占全國比重的49.4 %。 為探索區(qū)域創(chuàng)新能力對長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)空間集聚和空間演變的影響， 現(xiàn)對2007—2016 年省際面板數(shù)據(jù)進(jìn)行動態(tài)分析，以發(fā)現(xiàn)長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)全局自相關(guān)和局部自相關(guān)的特征，通過構(gòu)建空間杜賓模型探索長江經(jīng)濟(jì)帶區(qū)域創(chuàng)新能力對AM 產(chǎn)業(yè)發(fā)展的貢獻(xiàn)度，從而更好地實現(xiàn)創(chuàng)新驅(qū)動長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)的發(fā)展。

一、文獻(xiàn)綜述

制造業(yè)是經(jīng)濟(jì)發(fā)展的重要組成部分，制造業(yè)生產(chǎn)率、競爭優(yōu)勢提升和制造業(yè)升級的過程中，技術(shù)創(chuàng)新起到了重要的作用。有學(xué)者對發(fā)達(dá)國家從工業(yè)化初期向工業(yè)經(jīng)濟(jì)成熟期轉(zhuǎn)變的過程進(jìn)行研究，發(fā)現(xiàn)經(jīng)濟(jì)增長的驅(qū)動因素由資本積累轉(zhuǎn)變?yōu)榧夹g(shù)進(jìn)步[1]。 有學(xué)者對歐洲、美國、亞洲等地的制造業(yè)進(jìn)行研究后發(fā)現(xiàn)，技術(shù)創(chuàng)新和技術(shù)轉(zhuǎn)讓有利于企業(yè)生產(chǎn)率的提高，并且公司盈利水平有了較好的表現(xiàn)[2-4]。而且技術(shù)創(chuàng)新可以塑造企業(yè)的差異化，這種差異化逐步形成企業(yè)的競爭優(yōu)勢[5]。 而綠色技術(shù)創(chuàng)新可以通過提升行業(yè)集中度來促進(jìn)制造業(yè)集約化和規(guī)?；l(fā)展[6]。另外，還可以通過多地協(xié)同創(chuàng)新來促進(jìn)先進(jìn)制造業(yè)升級[7-8]。

總體而言，現(xiàn)有的研究中大部分都是應(yīng)用傳統(tǒng)計量的方法研究技術(shù)創(chuàng)新如何影響制造業(yè)發(fā)展，有少量學(xué)者從空間計量的角度進(jìn)行分析[9]。 從研究對象來看， 一部分學(xué)者從宏觀層面即國家層面研究，一部分學(xué)者從微觀層面即某一具體行業(yè)進(jìn)行研究，少有學(xué)者從中觀層面針對某一特定的產(chǎn)業(yè)集合進(jìn)行研究。 從研究的范圍來看，大部分學(xué)者研究技術(shù)創(chuàng)新對本地區(qū)的制造業(yè)發(fā)展的影響，僅有少量學(xué)者從研發(fā)產(chǎn)業(yè)集聚的角度研究了技術(shù)創(chuàng)新對本地和周邊地區(qū)的影響[10]。 因此，需要運用空間計量的方法從中觀層面對某一經(jīng)濟(jì)區(qū)域的產(chǎn)業(yè)集合進(jìn)行研究，從而探索其空間經(jīng)濟(jì)特征。

二、影響機制、數(shù)據(jù)來源、模型設(shè)定與選擇

（一）影響機制

技術(shù)創(chuàng)新對制造業(yè)發(fā)展的影響機制已得到了諸多學(xué)者的論證，影響機制主要可以概括為兩個方面，如圖1 所示。

圖1 技術(shù)創(chuàng)新對制造業(yè)發(fā)展的影響機制

1. 技術(shù)創(chuàng)新對制造業(yè)發(fā)展的直接影響

技術(shù)創(chuàng)新可以促進(jìn)制造企業(yè)價值創(chuàng)造能力和轉(zhuǎn)型升級能力的提升，具體而言技術(shù)創(chuàng)新可以通過優(yōu)化勞動、資本、原材料等要素的配置來提高全要素生產(chǎn)率[11]，而生產(chǎn)率的提高可以直接驅(qū)動制造業(yè)轉(zhuǎn)型升級[12-16]，從而實現(xiàn)制造業(yè)發(fā)展的高級化、合理化、集約化，最終提升制造業(yè)競爭力，促進(jìn)制造業(yè)的健康發(fā)展[17]。

2. 技術(shù)創(chuàng)新對周邊地區(qū)制造業(yè)發(fā)展的間接影響

在技術(shù)市場發(fā)展水平較高且政府支持程度較高的前提下，研發(fā)人員和研發(fā)資本等創(chuàng)新要素可以在區(qū)際自由流動，研發(fā)人員的流動可以通過刺激消費需求和倒逼制度變革來推動制造業(yè)結(jié)構(gòu)優(yōu)化，而研發(fā)資本的流動主要通過以消費需求為中介實現(xiàn)制造業(yè)結(jié)構(gòu)優(yōu)化[18]。 另外，由于制造業(yè)集約式發(fā)展，企業(yè)之間的交流與合作會產(chǎn)生知識溢出，從而促進(jìn)周邊地區(qū)創(chuàng)新要素的集聚，進(jìn)而形成創(chuàng)新集群[19-20]，最終帶動周邊地區(qū)制造業(yè)的發(fā)展。

（二） 數(shù)據(jù)來源

工業(yè)銷售產(chǎn)值數(shù)據(jù)來源于2007—2016 年《中國工業(yè)統(tǒng)計年鑒》， 固定資產(chǎn)投資數(shù)據(jù)來源于2007—2016 年的各省市統(tǒng)計年鑒，按照2007 年的可比價格計算。 專利數(shù)據(jù)來源于國家知識產(chǎn)權(quán)局2007—2016 年統(tǒng)計年報。AM 產(chǎn)業(yè)可分為化學(xué)原料及化學(xué)制品制造業(yè)、醫(yī)藥制造業(yè)、通用設(shè)備制造業(yè)、電氣機械及器材制造業(yè)、電子及通信設(shè)備制造業(yè)和交通運輸設(shè)備制造業(yè)6 個行業(yè)[21]。 而長江經(jīng)濟(jì)帶可劃分為上游、中游和下游三個區(qū)域，其中上游地區(qū)包括貴州、四川、云南和重慶3 省1 市；中游地區(qū)包括安徽、江西、湖北和湖南4 省；下游地區(qū)包括浙江、江蘇和上海2 省1 市。

被解釋變量為AM 產(chǎn)業(yè)發(fā)展水平， 用AM 產(chǎn)業(yè)工業(yè)銷售產(chǎn)值 （Sales Value of Industry，SVI）衡量；解釋變量資本投入，用AM 產(chǎn)業(yè)固定資產(chǎn)投資（Investment in Fixed Assets，IFA）衡量；解釋變量創(chuàng)新能力，用區(qū)域創(chuàng)新能力（Region Innovation Ability，RIA）衡量。 考慮到數(shù)據(jù)的可獲得性，區(qū)域創(chuàng)新能力采用發(fā)明專利、實用新型專利和外觀設(shè)計專利的加權(quán)平均數(shù)代替，其中發(fā)明專利、實用新型專利和外觀設(shè)計專利所占的比重分別為0.5、0.3、0.2[22]。

（三） 模型設(shè)定與選擇

1. 傳統(tǒng)計量與空間計量模型的選擇

由于長江經(jīng)濟(jì)帶包括東部、中部和西部，橫跨九省二市，而各省市的經(jīng)濟(jì)發(fā)展水平和區(qū)域創(chuàng)新能力存在著明顯的差異，也就是存在空間異質(zhì)性。 另外，由于長江經(jīng)濟(jì)帶地理區(qū)域上的鄰近，區(qū)域內(nèi)部企業(yè)之間的合作十分頻繁，經(jīng)濟(jì)發(fā)達(dá)省市對欠發(fā)達(dá)省市有帶動作用，也就是存在空間溢出效應(yīng)。 由于傳統(tǒng)計量模型存在獨立同分布假設(shè)，所以難以處理異質(zhì)性問題，而空間計量模型的兩大特征就是空間自相關(guān)和空間異質(zhì)性，因此，選擇空間計量模型進(jìn)行實證分析。

空間計量模型共有8 種類型，其中常用的是空間滯后模型（SAR）、空間誤差模型（SEM）和空間杜賓模型（SDM），而判斷是否需要建立空間計量模型的一般方法是檢驗?zāi)Ｐ突貧w后的殘差是否具有空間自相關(guān)性[23]。 如果殘差存在空間自相關(guān)現(xiàn)象，則可以通過添加因變量的空間滯后項或空間自相關(guān)誤差項來消除殘差中的空間自相關(guān)現(xiàn)象，即分別通過構(gòu)建SAR 模型或SEM 模型來實現(xiàn)[24]。

于是分別構(gòu)建SAR 模型和SEM 模型。 依照慣例，在構(gòu)建空間模型之前先構(gòu)建一個基準(zhǔn)模型作為對比，常用的基準(zhǔn)模型就是最小二乘法模型，根據(jù)索洛增長模型構(gòu)建理論模型[25]，如公式（1）所示：

其中，α 代表常數(shù)項；β 代表待估系數(shù)；ε 代表隨機誤差項。

空間滯后模型如式（2）所示：

其中，ρ 代表因變量空間滯后項的待估系數(shù)， 即空間自回歸系數(shù)；W 代表空間權(quán)重矩陣，其他符號同于式（1）。

空間誤差模型如式（3）所示：

其中，λ 代表空間自相關(guān)誤差項的待估系數(shù)，即空間自相關(guān)系數(shù)；μ 代表誤差項，其他符號同于式（1）。

SAR 和SEM 模型的LM 檢驗結(jié)果如表1 所示。

表1 SAR 和SEM 模型的LM 檢驗P 值

從表1 的P 值數(shù)據(jù)可以看出，SAR 和SEM 模型都通過了5%的顯著性檢驗，說明還有更優(yōu)的模型存在，于是對模型進(jìn)行拓展，引入SDM 模型，如式（4）所示：

2. SAR、SEM、SDM 模型的選擇

由于SDM 嵌套了SAR 和SEM 模型， 所以可以通過對比LR 檢驗的統(tǒng)計量來判斷SDM 模型是否優(yōu)于SAR 和SEM 模型[26]。 因此，對SAR、SEM、SDM 的LR 檢驗值進(jìn)行對比，如表2 所示。

表2 SAR、SEM、SDM 模型的LR 檢驗值對比

可以看出，SAR 和SDM 模型、SEM 和SDM 模型兩兩比較時都通過了1%的顯著性檢驗，都拒絕了原假設(shè)，即認(rèn)為SAR 和SDM、SEM 和SDM 有明顯差異， 即SDM 模型優(yōu)于SAR 和SEM 模型，因此，選擇SDM 模型為研究模型。

三、實證分析

在以下的實證分析中，均對歷年的工業(yè)銷售產(chǎn)值、制造業(yè)固定資產(chǎn)投資數(shù)據(jù)和區(qū)域創(chuàng)新數(shù)據(jù)進(jìn)行取對數(shù)處理，然后進(jìn)行空間統(tǒng)計分析、空間自相關(guān)分析、 回歸分析， 實證過程用到的軟件有Geoda、Eviews、Matlab。

（一）空間統(tǒng)計分析

限于篇幅， 僅對長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)2007 和2016 年lnSVI、lnIFA、lnRIA 進(jìn)行三分位統(tǒng)計分析，以明確其空間格局的高中低分布及發(fā)展變化。

1. 2007 年lnSVI、lnIFA、lnRIA 三分位統(tǒng)計

通過對2007 年lnSVI、lnIFA、lnRIA 進(jìn)行三分位統(tǒng)計分析，如表3 所示。

表3 2007 年長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)lnSVI、lnIFA、InRIA 的三分位統(tǒng)計

2. 2016 年lnSVI、lnIFA、lnRIA 三分位統(tǒng)計

通過對2016 年lnSVI、lnIFA、lnRIA 進(jìn)行三分位統(tǒng)計分析，如表4 所示。

表4 2016 年長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)lnSVI、lnIFA、InRIA 的三分位統(tǒng)計

從表3 和表4 可以看出，2007 年和2016 年長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)的lnSVI 數(shù)據(jù)處于高位的是江蘇、浙江、上海、湖北；處于中位的是四川、重慶、安徽；處于低位的是云南、貴州、湖南、江西。從發(fā)展趨勢來看， 空間格局的高中低分布沒有發(fā)生變化，但絕對數(shù)據(jù)呈現(xiàn)增長趨勢。

2007 年長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)的lnIFA 數(shù)據(jù)處于高位的江蘇、安徽、浙江、四川；處于中位的是湖北、江西和上海；處于低位的是云南、貴州、重慶、湖南。 2016 年處于高位的是江蘇、安徽、湖北、江西；處于中位的是四川、湖南、浙江；處于低位的是貴州、云南、重慶、上海。從發(fā)展趨勢看，湖北和江西加大了AM 產(chǎn)業(yè)固定資產(chǎn)投資的增幅，從中位上升到了高位，四川和浙江降低了AM 產(chǎn)業(yè)固定資產(chǎn)投資的增幅，從高位下降到了中位，上海降低了AM 產(chǎn)業(yè)固定資產(chǎn)投資的增幅，從中位下降到了低位。

2007 年，長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)的lnRIA 數(shù)據(jù)處于高位的是江蘇、浙江、上海、四川；處于中位的是重慶、湖北、湖南；處于低位的是云南、貴州、江西、安徽。 2016 年，處于高位的是江蘇、浙江、上海、安徽；處于中位的是四川、重慶、湖北；處于低位的是云南、貴州、湖南、江西。從發(fā)展趨勢看，四川的創(chuàng)新能力的增幅在降低，從高位下降到了中位；湖南的創(chuàng)新能力增幅在降低，從中位下降到了低位；安徽的創(chuàng)新能力的增幅在快速提升，從低位上升到了高位。

（二）空間自相關(guān)分析

1. 空間權(quán)重矩陣

空間權(quán)重矩陣常用的有基于地理鄰近性的空間權(quán)重矩陣和基于距離的空間權(quán)重矩陣。 基于地理鄰近性的空間權(quán)重矩陣又可分為Rook 和Queen 空間權(quán)重矩陣。 由于Queen 空間權(quán)重矩陣更合理[27]，因此，文章選擇Queen 空間權(quán)重矩陣。

2. 全局空間自相關(guān)分析 (Global Indicator of Spatial Association,GISA)

為了觀察長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)在空間上的自相關(guān)特征， 運用GeoDa 軟件進(jìn)行Moran 散點圖分析，Moran’s I 統(tǒng)計量即為斜率，縱軸為wy，橫軸為y。第一象限為是高值—高值，代表高觀察值空間被高觀察值空間所包圍； 第二象限為低值—高值，代表低觀察值空間單元被高觀察值單元所包圍；第三象限為低值—低值，代表低觀察值空間單元被低觀察值空間單元所包圍； 第四象限為高值—低值，代表高觀察值空間單元被低觀察值空間單元所包圍。

（1）計算公式

在地理空間范圍內(nèi)，某一空間單元的某個屬性值或某一變量的觀察值與相互鄰近的空間單元的某個屬性或某個變量觀察值的相似性，說明可能存在空間依賴性，這些與空間位置相關(guān)的屬性或變量的觀察值之間的相似現(xiàn)象被稱為空間自相關(guān)。

空間自相關(guān)需要經(jīng)過檢驗，經(jīng)典的空間自相關(guān)檢驗統(tǒng)計量有Moran’s I 和Getis-Ord General G，由于Moran’s I 應(yīng)用得很廣泛， 故此處也應(yīng)用Moran’s I 檢驗。

Moran’s I 的定義如式（5）所示[28]：

其中，N 表示空間單元的個數(shù)；y 表示研究變量的觀察值；表示變量y 觀察值的均值；wij表示空間權(quán)重矩陣中的元素；S0表示空間權(quán)重矩陣所有元素之和。

Moran’s I 統(tǒng)計量的取值范圍在[-1，1]之間，正值表示正向的空間自相關(guān)（空間集聚），負(fù)值表示負(fù)向的空間自相關(guān)（空間分散）。+1 表示完全空間集聚，-1 表示完全空間分散，0 表示在空間上隨機分布。

為了進(jìn)行統(tǒng)計假設(shè)檢驗， 可以將Moran’s I統(tǒng)計量轉(zhuǎn)化為Z 值， 檢驗其是否大于1.96 或小于-1.96，以顯示該空間自相關(guān)檢驗是否在5%水平下顯著。

（2）顯著性檢驗

為了判斷真實的空間分布有多大可能性存在空間自相關(guān)，需要對Moran’s I 進(jìn)行顯著性檢驗，因此， 運用GeoDa 軟件對2007—2016 年所有的lnSVI、lnIFA、lnRIA 數(shù)據(jù)進(jìn)行空間全局自相關(guān)的顯著性檢驗， 檢驗結(jié)果顯示，lnSVI 除2013 年外均通過了1%的顯著性檢驗，lnIFA 僅2013 年通過了5%的顯著性檢驗，而lnRIA 所有的年份都通過5%顯著性檢驗。說明長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)的工業(yè)銷售產(chǎn)值與區(qū)域創(chuàng)新能力均具有很強的空間自相關(guān)特征，可以進(jìn)行空間相關(guān)分析。

（3）2007—2016 年長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)全局空間自相關(guān)分析

現(xiàn)運用GeoDa 軟件對2007—2016 年長江經(jīng)濟(jì) 帶AM 產(chǎn) 業(yè) 的lnSVI、lnIFA、lnRIA 數(shù) 據(jù) 進(jìn) 行Moran’s I 分析，如表5 所示。

歷年的Moran’s I 的符號都為正， 說明數(shù)據(jù)呈現(xiàn)正相關(guān)，即長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)的空間集聚特征明顯。 從數(shù)據(jù)的變化可以看出，這種空間集聚特征呈 現(xiàn) 下 降 趨 勢，lnSVI 的Moran’s I 從2007 年 的0.5 逐年下降到了2016 年的0.35。而區(qū)域創(chuàng)新能力的空間集聚特征也很明顯， 并且呈現(xiàn)上升趨勢，從2007 年的0.32 逐步上升到了2016 年的0.41，說明長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)的區(qū)域創(chuàng)新能力空間集聚特征越來越明顯。

3. 局部空間自相關(guān)分析 (Local Indicator of Spatial Association, LISA)

全局空間自相關(guān)是假定空間存在同質(zhì)性，為了更準(zhǔn)確地探索長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)的各自空間特征，現(xiàn)對其進(jìn)行異質(zhì)性分析。

（1）計算公式

局部空間自相關(guān)對全域空間自相關(guān)Moran’s I統(tǒng)計量進(jìn)行了修改，使得局部空間自相關(guān)的統(tǒng)計量可以分解全局空間自相關(guān)Moran’s I 統(tǒng)計量， 因此能夠發(fā)現(xiàn)每個空間單元觀察值的貢獻(xiàn)。

表5 2007—2016 年lnSVI、lnIFA、lnRIA 的Moran’s I 指數(shù)

局部空間自相關(guān)定義如式（6）所示[29]：

上式中的Si2如式（7）所示：

其中，N 表示空間單元的個數(shù)；y 表示研究變量的觀察值；表示變量y 觀察值的均值；wij表示空間權(quán)重矩陣中的元素。

（2）顯著性檢驗

同理， 為了進(jìn)一步判斷在真實空間分布上有多大可能性存在局部空間自相關(guān)，需要進(jìn)行顯著性檢驗，因此，運用GeoDa 軟件對2007—2016 年長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)的所有l(wèi)nSVI、lnIFA、lnRIA數(shù)據(jù)進(jìn)行空間異質(zhì)性即LISA 分析，所有LISA 結(jié)果全部通過5%的顯著性檢驗， 因此可以進(jìn)行局部空間自相關(guān)分析。

（3）2007—2016 年長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)局部空間自相關(guān)分析

限于篇幅， 這里僅對2007 年和2016 年的lnSVI、lnIFA 和lnRIA 數(shù)據(jù)進(jìn)行LISA 集聚分析，將數(shù)據(jù)匯總后如表6 和表7 所示。

表6 2007 年長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)lnSVI、lnIFA、InRIA 的LISA 集聚分布

表7 2016 年長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)lnSVI、lnIFA、InRIA 的LISA 集聚分布

從長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)lnSVI 的發(fā)展變化來看，2007 年高—高集聚的是江蘇、 浙江和上海，2016 年安徽取代浙江，成為高—高集聚的區(qū)域，其他沒變，即低—低集聚的空缺，高—低集聚的只有四川。 從lnIFA 的發(fā)展變化來看，2007 年高—高集聚的是上海和安徽，低—高特征的空缺，低—低集聚的只有貴州， 高—低集聚的只有四川；2016 年高-高集集聚的只有安徽， 低—低集聚的新增了云南，其他不變。 從lnRIA 的發(fā)展變化來看，2007 年高—高集聚的是江蘇、浙江、上海，低—高、低—低、高—低都空缺；2016 年高—低特征新增了四川，其他沒變。

從 年 度 數(shù) 據(jù) 來 看，2007 年 的lnSVI、lnIFA、lnRIA 都呈現(xiàn)高—高集聚的是上海，2016 年都呈現(xiàn)高—低特征的是四川。

以上數(shù)據(jù)說明，長江經(jīng)濟(jì)帶下游的江蘇、上海和浙江的工業(yè)銷售產(chǎn)值和區(qū)域創(chuàng)新能力都呈現(xiàn)高—高集聚的特征，并且固定資產(chǎn)的投入增幅在降低，說明區(qū)域創(chuàng)新能力對長江經(jīng)濟(jì)帶下游AM 產(chǎn)業(yè)的發(fā)展貢獻(xiàn)度較大。長江經(jīng)濟(jì)帶中游的安徽通過增加固定資產(chǎn)的投資實現(xiàn)了AM 產(chǎn)業(yè)的快速發(fā)展。長江經(jīng)濟(jì)帶上游的四川在工業(yè)銷售產(chǎn)值、固定資產(chǎn)投資和區(qū)域創(chuàng)新能力方面都呈現(xiàn)高—低特征，并且區(qū)域創(chuàng)新能力實現(xiàn)了快速的發(fā)展。

（三）回歸分析

經(jīng)過LM 檢驗，已經(jīng)確定了可以運用SDM 模型進(jìn)行分析，接下來首先進(jìn)行Hausman 檢驗以確定模型是具有固定效應(yīng)還是隨機效應(yīng)， 其次解讀模型分析結(jié)果，最后進(jìn)行直接效應(yīng)和間接效應(yīng)的分解。

1. Hausman 檢驗

Hausman 分析結(jié)果如表8 所示， 可以看出，Hausman 檢驗值為34.4560，P 值為0.0000， 在1%的顯著性下拒絕原假設(shè)， 說明固定效應(yīng)模型更優(yōu)，因此，運用固定效應(yīng)空間SDM 模型進(jìn)行回歸分析。

表8 Hausman 檢驗結(jié)果

2. 回歸結(jié)果分析

對模型（1）時間固定效應(yīng)模型、模型（2）空間固定效應(yīng)模型、模型（3）雙向固定效應(yīng)模型分別進(jìn)行分析，分析結(jié)果如表9 所示。

表9 固定效應(yīng)空間SDM 模型估計

由于長江經(jīng)濟(jì)帶屬于連續(xù)研究區(qū)域中的鄰近空間單元， 同時考慮到長江經(jīng)濟(jì)帶的上中下游區(qū)域的經(jīng)濟(jì)發(fā)展具有較明顯的差異，另外2007—2016 年以來國家在AM 產(chǎn)業(yè)發(fā)展方面的宏觀政策沒有明顯的變動。 因此，綜合經(jīng)濟(jì)意義、擬合優(yōu)度、最大對數(shù)似然函數(shù)值和顯著性檢驗， 選擇空間固定效應(yīng)SDM 模型進(jìn)行回歸分析。

3. 直接效應(yīng)和間接效應(yīng)分解

為了更好地了解本地區(qū)和鄰近地區(qū)的區(qū)域創(chuàng)新能力對本地區(qū)AM 產(chǎn)業(yè)的工業(yè)銷售產(chǎn)值的不同影響，現(xiàn)把溢出效應(yīng)進(jìn)行分解，分解后的直接效應(yīng)、間接效應(yīng)、總效應(yīng)如表10 所示。

表10 固定效應(yīng)空間SDM 模型估計系數(shù)的直接、間接效應(yīng)

區(qū)域創(chuàng)新能力對本地區(qū)AM 產(chǎn)業(yè)發(fā)展的直接效應(yīng)為0.2971，大于間接效應(yīng)，換言之，本地區(qū)的AM 產(chǎn)業(yè)發(fā)展更多地來源于本地區(qū)域創(chuàng)新能力的發(fā)揮，而鄰近地區(qū)的區(qū)域創(chuàng)新能力對于本地區(qū)AM產(chǎn)業(yè)發(fā)展影響為負(fù)。這符合區(qū)域經(jīng)濟(jì)學(xué)中的虹吸效應(yīng)，說明創(chuàng)新能力強的江蘇、浙江、上海等省市對于鄰近區(qū)域的創(chuàng)新資源有強大的吸納作用。

四、結(jié)論與建議

（一）結(jié)論

1. 長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)具有明顯的空間集聚特征

2007—2016 年 的lnSVI 的Moran’s I 指 數(shù) 都大于0.35，說明空間自相關(guān)性較強。 局部空間自相關(guān)的分析結(jié)果表明，長江經(jīng)濟(jì)帶下游區(qū)域的AM 產(chǎn)業(yè)的工業(yè)銷售產(chǎn)值和區(qū)域創(chuàng)新能力呈現(xiàn)高—高集聚特征，并且區(qū)域創(chuàng)新能力對于AM 產(chǎn)業(yè)發(fā)展的貢獻(xiàn)較大。 長江經(jīng)濟(jì)帶中游區(qū)域AM 產(chǎn)業(yè)從2007—2016 年的發(fā)展過程中， 僅安徽在工業(yè)銷售產(chǎn)值和區(qū)域創(chuàng)新能力上呈現(xiàn)高—高集聚特征，其他3 省集聚特征不明顯。 長江經(jīng)濟(jì)帶上游區(qū)域中， 四川的AM 產(chǎn)業(yè)的工業(yè)銷售產(chǎn)值和區(qū)域創(chuàng)新能力呈現(xiàn)高—低特征， 并且區(qū)域創(chuàng)新能力有了較大提升，而其他3 省1 市空間集聚特征不明顯。

2. 區(qū)域創(chuàng)新能力對于AM 產(chǎn)業(yè)發(fā)展的影響更大

表9 中l(wèi)nIFA 和lnRIA 的系數(shù)分別為0.1660和0.3093，兩個系數(shù)都大于0，說明固定資產(chǎn)投資和區(qū)域創(chuàng)新能力與AM 產(chǎn)業(yè)的工業(yè)銷售產(chǎn)值都呈現(xiàn)正相關(guān)特征，并且區(qū)域創(chuàng)新能力對于AM 產(chǎn)業(yè)的貢獻(xiàn)更大（0.3093＞0.1660）。模型的擬合優(yōu)度和修正擬合優(yōu)度分別為0.9923 和0.9491， 說明回歸方程擬合得很好。

3. 區(qū)域創(chuàng)新能力對于下游AM 產(chǎn)業(yè)發(fā)展的影響更大

對區(qū)域創(chuàng)新能力而言， 長江經(jīng)濟(jì)帶下游的江蘇、上海、浙江在2007 年和2016 年都呈現(xiàn)高—高集聚狀態(tài)，而中上游高—高集聚的現(xiàn)象不顯著。 從分位地圖統(tǒng)計來看，2007 年處于高位的是江蘇、上海、浙江和四川，到2016 年處于高位的是江蘇、上海、 浙江和安徽。 雖然中部的安徽由于與江蘇、上海、浙江的地位鄰近性而出現(xiàn)了區(qū)域創(chuàng)新能力的提升，但是與中上游區(qū)域相比，下游區(qū)域的區(qū)域創(chuàng)新能力對AM 產(chǎn)業(yè)發(fā)展的貢獻(xiàn)更大。

4. 本地區(qū)比鄰近地位的區(qū)域創(chuàng)新能力對AM產(chǎn)業(yè)發(fā)展的影響更大

lnRIA 的直接效應(yīng)為0.2971， 間接效應(yīng)為-0.144，即本地區(qū)的區(qū)域創(chuàng)新能力比鄰近地區(qū)的區(qū)域創(chuàng)新能力對于AM 產(chǎn)業(yè)發(fā)展有更大的影響，并且區(qū)域創(chuàng)新能力強的省市對于鄰近區(qū)域的優(yōu)質(zhì)創(chuàng)新資源有吸納作用。

（二）建議

綜上，需要進(jìn)一步提升中上游區(qū)域的AM 產(chǎn)業(yè)的區(qū)域創(chuàng)新能力并加強相關(guān)載體建設(shè)，長江經(jīng)濟(jì)帶下游區(qū)域的區(qū)域創(chuàng)新能力遠(yuǎn)遠(yuǎn)大于中上游區(qū)域，中游區(qū)域和上游區(qū)域可以在區(qū)域創(chuàng)新能力較強的安徽和四川的帶動下，逐步提升整體區(qū)域創(chuàng)新能力及加強相關(guān)載體建設(shè)，以更好地承接產(chǎn)業(yè)轉(zhuǎn)移，同時擴大下游區(qū)域創(chuàng)新能力的空間溢出效應(yīng)，具體建議如下。

1. 促進(jìn)AM 產(chǎn)業(yè)空間集聚

總體而言，長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)空間集聚特征明顯，但是從歷年數(shù)據(jù)來看，lnSVI 的Moran’s I 指數(shù)呈下降趨勢，因此需要進(jìn)一步提升長江經(jīng)濟(jì)AM產(chǎn)業(yè)的空間聚集水平。另外長江經(jīng)濟(jì)帶的中上游的空間集聚特征不如下游區(qū)域明顯。因此在保持下游空間集聚水平的同時，在中游和上游分別培養(yǎng)形成以安徽和四川、重慶為集聚極的集聚區(qū)域，在集聚極的帶動下， 逐步形成中游和上游區(qū)域的集聚圈，從而最終提升長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)的總體集聚度。在實現(xiàn)安徽、四川、重慶成為集聚極的過程中，以各省的優(yōu)勢AM 產(chǎn)業(yè)為支撐， 培育和強化各省市具有核心競爭力的優(yōu)勢AM 產(chǎn)業(yè)[30]，實現(xiàn)產(chǎn)業(yè)錯位發(fā)展。

2. 提升AM 產(chǎn)業(yè)區(qū)域創(chuàng)新能力

由于區(qū)域創(chuàng)新能力對長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)發(fā)展有積極促進(jìn)作用，因此需要進(jìn)一步提升長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)區(qū)域創(chuàng)新能力。 具體而言，長江經(jīng)濟(jì)帶各省市可以根據(jù)當(dāng)?shù)谹M 產(chǎn)業(yè)發(fā)展特征，提煉出當(dāng)?shù)谹M 產(chǎn)業(yè)發(fā)展的共性技術(shù)難題，與長江經(jīng)濟(jì)帶高校和科研院所乃至全球高校及科研院所進(jìn)行技術(shù)協(xié)同創(chuàng)新，在市場創(chuàng)新、制度創(chuàng)新、機制創(chuàng)新的共同作用下，實現(xiàn)技術(shù)協(xié)同創(chuàng)新的良性循環(huán)，以取得更多的具有自主知識產(chǎn)權(quán)的專利技術(shù)。 另外，促進(jìn)互聯(lián)網(wǎng)技術(shù)、智能制造技術(shù)、虛擬制造技術(shù)等先進(jìn)技術(shù)與AM 產(chǎn)業(yè)的融合發(fā)展，并以這些先進(jìn)技術(shù)為手段，大幅度提升AM 產(chǎn)業(yè)自主創(chuàng)新能力[31]。

3. 建立區(qū)域創(chuàng)新能力學(xué)習(xí)機制

由于下游的區(qū)域創(chuàng)新能力的影響力大于中上游的，因此中上游的AM 產(chǎn)業(yè)需要進(jìn)一步學(xué)習(xí)如何提升區(qū)域創(chuàng)新能力。調(diào)查發(fā)現(xiàn)，相比中上游區(qū)域，下游的知識產(chǎn)權(quán)相關(guān)教育和培訓(xùn)比較成熟，很多高校設(shè)有知識產(chǎn)權(quán)學(xué)院并且定期而向社會進(jìn)行知識產(chǎn)權(quán)培訓(xùn)，并且產(chǎn)學(xué)研合作項目眾多。因此，中上游的政府、高校和企業(yè)，可以綜合江蘇大學(xué)知識產(chǎn)權(quán)研究中心和南京理工大學(xué)知識產(chǎn)權(quán)學(xué)院等高校知識產(chǎn)權(quán)學(xué)院的教育、培訓(xùn)、社會服務(wù)等方面的經(jīng)驗，完善中上游區(qū)域的綜合性大學(xué)和理工類大學(xué)的知識產(chǎn)權(quán)本科教育體系，定期組織AM 產(chǎn)業(yè)從業(yè)人員進(jìn)行知識產(chǎn)權(quán)培訓(xùn)，擴大中上游區(qū)域知識產(chǎn)權(quán)教育和培訓(xùn)的受眾，通過知識產(chǎn)權(quán)的創(chuàng)造、運營、保護(hù)、管理等手段， 實現(xiàn)以知識產(chǎn)權(quán)服務(wù)為主體的現(xiàn)代服務(wù)體系建設(shè)， 從而提升長江經(jīng)濟(jì)帶中上游的區(qū)域創(chuàng)新能力， 最終實現(xiàn)長江經(jīng)濟(jì)帶總體區(qū)域創(chuàng)新能力的提升。

4. 發(fā)揮空間溢出效應(yīng)

研究結(jié)果表明，本地區(qū)的區(qū)域創(chuàng)新能力影響力大于鄰近地區(qū)的，說明長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)發(fā)展空間溢出效應(yīng)需要進(jìn)一步加強。 具體來說，最重要的創(chuàng)新要素就是人力資源，長江經(jīng)濟(jì)帶各省市應(yīng)以當(dāng)?shù)赜懈偁巸?yōu)勢的AM 產(chǎn)業(yè)為依托，提升人力資源服務(wù)載體建設(shè)，通過多平臺聚才等制度創(chuàng)新措施吸納更多的高質(zhì)量的人力資源到本區(qū)域工作，形成“引智—用智—留智”的動態(tài)機制，充分發(fā)揮高質(zhì)量人力資源的價值。 特別是中上游地區(qū)，需要進(jìn)一步優(yōu)化科技人員的工作和生活服務(wù)平臺，適當(dāng)采用柔性引進(jìn)等方式吸引高科技人才[32]，從而充分發(fā)揮長江經(jīng)濟(jì)帶內(nèi)部相對優(yōu)勢地區(qū)對相對劣勢地區(qū)的空間溢出效應(yīng)，縮小長江經(jīng)濟(jì)帶內(nèi)部差距，最終實現(xiàn)長江經(jīng)濟(jì)帶AM 產(chǎn)業(yè)高質(zhì)量發(fā)展。