Spatiotemporal evolution of China’s high quality economic development and its driving mechanism of scientific and technological innovation
SUN Yixuan,, CHENG Yu,, LIU NaCollege of Geography and Environment, Shandong Normal University, Jinan 250358, China通讯作者:
收稿日期:2020-02-19修回日期:2020-05-11网络出版日期:2021-01-25
基金资助: |
Received:2020-02-19Revised:2020-05-11Online:2021-01-25
作者简介 About authors
孙艺璇,女,山东招远人,硕士研究生,研究方向为区域可持续发展。E-mail:
摘要
关键词:
Abstract
Keywords:
PDF (4052KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
孙艺璇, 程钰, 刘娜. 中国经济高质量发展时空演变及其科技创新驱动机制. 资源科学[J], 2021, 43(1): 82-93 doi:10.18402/resci.2021.01.07
SUN Yixuan, CHENG Yu, LIU Na.
1 引言
自中国经济发展进入新常态,其基本特征由高速增长阶段转向高质量发展阶段。经济高质量发展是创新成为第一动力的发展,是能够满足人民美好生活需要的发展。而创新发展作为“十三五”乃至更长时期的五大发展理念之首,是引领经济持续发展的第一驱动力,更是国家实现经济高质量发展的核心力量。目前中国科技创新能力大幅提高,据国家统计局测算的《中国创新指数研究》[1],中国创新指数在2018年首次突破200,比2017年增长了8.6%,且在创新各领域均实现不同程度的增长。2019年政府工作报告中指出,要深入实施创新驱动发展战略,进一步提升创新效率和创新能力,为中国经济实现持续高质量发展提供强大推动力,对社会健康发展、提升综合国力和国际竞争力具有重要的意义和作用。早期学术界的研究多关注经济增长数量方面,对经济增长质量涉及较少,并且经济高质量发展是党的十九大中首次提出的新概念,因此关于经济高质量发展的研究尚在初步阶段,任保平等[2]指出经济高质量发展是一个地区实现经济社会结构高效化的过程。目前,国内****多在建立指标体系的基础上运用经济模型对经济高质量发展效率进行衡量和测算[3,4,5],例如马茹等[6]建立供给、需求、经济、效率、开放5个维度的指标体系,运用基于道格拉斯(C-D)生产函数[7]的索罗余值法对中国区域经济高质量发展进行测度,显示其呈现东—中—西依次递减的不均衡状态;陈晓雪等[8]从经济、创新、开放、绿色、民生、协调等方面建立经济高质量发展指标体系,运用综合指数法对经济高质量发展进行综合性评价和差异性分析,发现区域间发展差异存在逐年缩小的趋势;孟祥兰等[9]采用加权因子分析法测算湖北16个地市的经济高质量发展,认为区域间存在不平衡不充分的发展问题。
国外对于经济发展质量的驱动因素研究较为广泛,但多集中于人力资本、产业结构和金融等方面。早在1954年Lewis[10]就提出“二元经济发展模式”,其中涉及到产业结构的变化对经济增长质量存在影响;Frolov等[11]指出经济生产的增长率也是影响经济增长质量的关键要素;Agbola[12]、Niebel[13]、Ghosh[14]通过计量算法分别探讨了劳动力、通讯技术、金融全球化等因素对经济增长的影响。近年来,随着中国大力发展科技创新、关注经济高质量发展,科技创新对经济高质量发展水平的影响和驱动机制已逐渐成为国内****的研究热点,多数研究表明科技创新与经济高质量发展之间有较强的耦合互动关系,并且科技创新对经济高质量发展有不容忽视的重要作用[15,16,17,18]。例如张治河等[19]提出科技创新是驱动经济高质量发展不断提升的源动力,在各类型的创新驱动系统中始终属于最核心地位;刘思明等[20]在对国家创新驱动力进行测度的基础上,考察其经济高质量发展的效应机制,研究一方面表明创新驱动力与经济发展水平有着密切联系,另一方面证明创新能力对国家经济高质量发展的积极效应,且该效应在发达国家中表现更为突出;华坚等[21]构建两者的耦合协调度评价模型,对中国省级地区的科技创新与经济高质量发展进行耦合协调评价,表明各地区虽存在差距,但总体上科技创新与经济高质量已显现出较好的协调发展模式。
纵观国内外相关研究,国外****主要对提升经济发展质量的驱动因素进行了探究,主要涉及创新、金融和劳动力等领域,而国内****更多针对经济高质量发展的理论内涵和测度评价等方面,对于科技创新和经济高质量发展的研究也多从单个方面进行剖析[22,23,24,25],较少涉及科技创新和经济高质量发展的内在机理。一方面缺乏区域之间经济高质量发展差异的研究[26,27,28],另一方面涉及科技创新对经济高质量发展驱动机制的分析较少[29,30,31]。本文以中国30个省(区、市)为研究对象,阐述科技创新对经济高质量发展的作用机制,从有效提高科技创新驱动力、注重经济发展质量、关注民生等方面提出对策建议,对提升国家科技竞争力具有一定意义。
2 研究方法与数据来源
2.1 研究方法
2.1.1 Super-SBM模型数据包络分析(Data Envelopment Analysis,DEA)是一种将数理学、计算机科学、运筹学等包括在内的多学科交叉新领域,是对多个投入-产出决策单元的相对有效性进行分析和计算的数量规划模型;但是,在实际测度时由于随机因素的干扰,传统DEA模型可能会产生数据问题的不精确性。因此,研究选用Super-SBM模型,能够更好地解决多个决策单元同时有效以及投入-产出变量的松驰性等问题,研究假设决策单元有m个投入指标和N个产出指标,其基本的数学表达式为:
式中:
2.1.2 空间面板数据回归模型
研究结合STIRPAT模型,并基于科技创新、经济、技术及环境等因素的作用[32,33],得出影响中国经济高质量发展W的基本表达式为:
式中:K、E、T、P分别代表中国30个省(区、市)的科技、经济、技术及环境条件;a、b、c、d表示相应因素的估计参数;
将式(2)转为对数形式:
将科技创新、产业结构、城镇化水平、市场化程度、环境规制等影响因素纳入STIRPAT模型:
式中:EQ、GII、STR、UR、MAR、REGU分别表示经济高质量发展、科技创新、产业结构、城镇化水平、市场化程度、环境规制;m为省(区、市),n为年份;
2.1.3 经济高质量发展效率测度
经济高质量发展要实现以较少的生产要素投入、较低的资源环境治理成本获得较高的经济效率和社会效益。中观层面的经济高质量发展主要体现在区域和区域产业的经济发展质量,涉及区域的产业布局、资本投入、劳动力配置以及资源消耗等方面。因此研究考虑到指标选取原则,并结合中国经济高质量发展的现状和趋势,分别从经济发展水平、劳动力就业结构以及环境改善情况3个维度出发,从而建立中国经济高质量发展的投入-产出指标。其中,投入指标具体包括资本要素、劳动要素、能源要素。资本要素方面,利用永续盘存法对固定资本存量进行测算[34,35],研究参考吴延瑞[36]、李颖[37]等的做法,选取省(区、市)相应的固定资产折旧率,同时以2000年为基期进行平减;劳动要素和能源要素方面,分别运用全部从业人员数量和能源消费总量予以表征。产出指标中的期望产出和非期望产出分别运用国民生产总值和COD排放量、SO2排放量表示(表1)。
Table 1
表1
表1中国经济高质量发展效率指标评价体系
Table 1
指标类型 | 一级指标 | 二级指标 | 单位 |
---|---|---|---|
投入指标 | 资本要素 | 固定资本存量 | 亿元 |
劳动要素 | 全部从业人员数量 | 万人 | |
能源要素 | 能源消费总量 | 万t标准煤 | |
产出指标 | 期望产出 | 地区生产总值 | 亿元 |
非期望产出 | COD排放量 | 万t | |
SO2排放量 | 万t |
新窗口打开|下载CSV
2.2 变量选取与数据来源
2.2.1 变量选取与说明本文综合考虑中国经济高质量发展的演变趋势及指标数据的可获取性[38],选择经济高质量发展效率为被解释变量,确定科技创新作为解释变量,同时增加产业结构、城镇化水平、市场化程度、环境规制作为控制变量来综合解释中国30个省(区、市)的经济高质量发展情况。另外,为防止“伪回归”现象,在进行模型分析前采用ADF及LLC方法对变量数据的单位根进行平稳性检验,以确保回归结果的有效性[39],同时考虑到异方差性的存在从而对各变量进行取对数处理。
被解释变量:经济高质量发展效率(EQ)。经济高质量发展是以高效率、高效益为生产方式,向全社会提供高质量的产品和服务的经济发展,研究采用经济高质量发展效率值来衡量各地区的经济高质量发展水平。
解释变量:科技创新水平(GII)。科技创新水平是指企业、机构或个人在某个科学技术领域所具备的创新能力,科技创新能够通过企业或机构的经济实力以及科研人员的知识水平和结构,创造出相应的科技成果。因此本文用资金投入(INV)、人才支撑(TAL)、技术成果(TEC)来表征科技创新水平,具体包括R&D经费占GDP比重、R&D人员全时当量及专利授权数3个方面。
控制变量:考虑到经济高质量发展也可能受到产业内部各种生产要素、地区城镇化程度、市场在资源配置中的作用以及地区环境污染程度等方面的影响,故增加产业结构(STR)、城镇化水平(UR)、市场化程度(MAR)和环境规制(REGU)作为控制变量,分别通过工业增加值占GDP比重、城镇人口占总人口比重、市场化指数及工业污染治理完成投资占GDP比重来表征(表2)。
Table 2
表2
表2影响因素指标选取
Table 2
指标属性 | 指标名称 | 指标解释 |
---|---|---|
被解释变量 | 经济高质量发展 效率(EQ) | 经济高质量发展效率值 |
解释变量(科技创新水平)(GII) | 资金投入(INV) | R&D经费占GDP比重/% |
人才支撑(TAL) | R&D人员全时当量/万人年 | |
技术成果(TEC) | 专利授权数/件 | |
控制变量 | 产业结构(STR) | 工业增加值占GDP比重/% |
城镇化水平(UR) | 城镇人口占总人口比重/% | |
市场化程度(MAR) | 市场化指数 | |
环境规制(REGU) | 工业污染治理完成投资占GDP比重/% |
新窗口打开|下载CSV
2.2.2 数据来源
考虑到港澳台地区数据统计方式不一致以及西藏数据不全等因素,本文以中国30个省(区、市)为研究区域,其数据主要来源于2001—2018年《中国统计年鉴》《中国科技统计年鉴》《中国工业统计年鉴》以及各省(区、市)统计年鉴等。根据研究需要及地域划分,将30个省(区、市)分为4个区域,分别为东北(黑龙江、吉林、辽宁)、东部(北京、天津、河北、山东、江苏、浙江、上海、福建、广东、海南)、中部(河南、湖北、山西、江西、安徽、湖南)、西部(内蒙古、青海、甘肃、新疆、宁夏、陕西、广西、云南、重庆、四川、贵州)。
3 结果与分析
3.1 中国经济高质量发展时空演变特征分析
3.1.1 中国经济高质量发展时序演变特征研究运用Super-SBM模型对2000—2017年省级面板数据进行效率测算,以此评价中国经济高质量发展情况(图1)。
图1
新窗口打开|下载原图ZIP|生成PPT图12000—2017年中国经济高质量发展时序演变特征
Figure 1Temporal change of China’s high quality economic development, 2000-2017
中国经济高质量发展效率总体呈现上升趋势,主要分为3个阶段(图2):第一阶段为缓慢下降阶段(2000—2003年),该阶段中国经济高质量发展效率的年平均值为0.18。主要依靠工业经济推动国家的高水平发展,国内生产总值虽不断增加,但能源消耗总量和污染物排放总量居高不下,致使经济高质量发展效率不显著;第二阶段为缓慢增长阶段(2004—2015年),其效率年均值从2004年的0.19缓慢上升至2015年的0.29,年均增长率为3.96%。一方面国家开始注重环境问题,于2007年提出了应对气候变化的国家方案,另一方面国家对外开放程度不断加深,实施加快发展和培育战略性新兴产业等政策措施,均有利于国家经济从高水平发展向高质量发展方向转变;第三阶段为加速增长阶段(2016—2017年),从2016年的0.34快速增加至2017年的0.44,年增长率为28.49%。2016年中国加快自主创新步伐,国家科技创新能力不断提高,同时对外开放程度继续加深,在践行“绿水青山就是金山银山”理念的基础上,重视资源节约和环境保护,因此国家经济高质量发展效率增长显著。
图2
新窗口打开|下载原图ZIP|生成PPT图22000—2017年中国经济高质量发展效率演变阶段
Figure 2Stage of the high quality development of China’s economy, 2000-2017
从各地区来看,东部地区经济高质量发展效率整体保持较高水平,且始终高于全国平均水平,主要原因在于东部沿海地区拥有得天独厚的地理优势以及政策支撑,在社会生产力、资金投入、创新科教等基本要素方面都优于东北地区及中西部地区,有助于从供给-需求、对外开放、政府决策等层面为地区经济高质量发展提供全方位的支持,能够加快东部地区产业结构优化调整和城镇化进程,居民生活质量和居住环境得到有效改善;中部地区经济高质量发展情况较平稳,但2016—2017年其效率值迅速上升,从0.27上升至0.52,且2000年和2017年的经济高质量发展效率值高于全国平均水平。2016年《促进中部地区崛起“十三五”规划》[40]的批复使得中部地区在全国发展格局中占据重要地位,由于国家政策的影响,中部地区在新型城镇化建设、农业绿色发展、生态文明建设、全方位对外开放等领域拥有良好的客观条件,有助于与东部地区形成良性互动的协调发展格局,因此中部地区的经济高质量发展效率值在2016年之后迅速上升;西部地区由于地理区位的影响,其经济高质量发展一直不高且增长缓慢,始终低于全国平均水平且发展较平稳,效率值由2000年的0.15小幅度波动上升至2017年的0.24;而东北地区由于老工业基地的衰落以及人口外流严重,其在产业发展和生产效率等方面劣势明显,远远落后于东部地区,导致东北地区经济高质量发展速度缓慢,其经济高质量发展呈先下降后上升的趋势,效率值从2000年的0.20波动下降至2009年的0.19,再逐渐上升至2017年的0.35。从各地区对比来看,2000年除西部地区经济高质量发展相对较低之外,其余各地区效率值大致相同,自2000年之后各地区经济高质量发展逐渐开始出现明显差距。东部地区经济高质量发展远远高于东北及中西部地区,而中部地区较西部和东北地区上涨趋势显著,且其经济高质量发展效率值于2016年之后超过了东北地区。
3.1.2 中国经济高质量发展空间演变特征
选取2000、2006、2012、2017年4个时间段的截面数据,将经济高质量发展效率划为高水平发展区、较高水平发展区、中等水平发展区、较低水平发展区和低水平发展区,分析中国30个省(区、市)的经济高质量发展变化状况(表3)。
Table 3
表3
表32000—2017年中国经济高质量发展空间演变特征
Table 3
年份 | 类型 | 省份 |
---|---|---|
2000年 | 高水平发展区 | 江苏、上海、黑龙江、浙江、广东、福建 |
较高水平发展区 | 湖南、广西、海南、北京、江西、山东 | |
中等水平发展区 | 吉林、内蒙古、重庆、天津、安徽、河南、辽宁 | |
较低水平发展区 | 河北、山西、云南、湖北、陕西 | |
低水平发展区 | 宁夏、青海、贵州、四川、甘肃、新疆 | |
2006年 | 高水平发展区 | 广东、浙江、北京、上海 |
较高水平发展区 | 黑龙江、湖南、山东、海南、福建、江苏、天津 | |
中等水平发展区 | 河北、辽宁、陕西、重庆、江西、广西、河南、湖北 | |
较低水平发展区 | 四川、内蒙古、云南、甘肃、山西、安徽、新疆、吉林 | |
低水平发展区 | 宁夏、青海、贵州 | |
2012年 | 高水平发展区 | 北京、上海、浙江 |
较高水平发展区 | 江苏、天津、广东 | |
中等水平发展区 | 江西、辽宁、吉林、陕西、湖南、内蒙古、海南、重庆、湖北、山东、福建 | |
较低水平发展区 | 四川、新疆、山西、河北、安徽、广西、黑龙江、河南 | |
低水平发展区 | 甘肃、贵州、青海、宁夏、云南 | |
2017年 | 高水平发展区 | 浙江、上海、北京、山西 |
较高水平发展区 | 辽宁、江苏、广东、天津 | |
中等水平发展区 | 河南、吉林、陕西、湖南、海南、重庆、湖北、山东、福建 | |
较低水平发展区 | 河北、广西、四川、安徽、黑龙江、江西、内蒙古 | |
低水平发展区 | 青海、宁夏、新疆、甘肃、云南、贵州 |
新窗口打开|下载CSV
整体来看,中国经济高质量发展大致呈现从东部沿海地区向中西部地区逐渐递减的趋势。从各年份看,2000年经济高质量发展地区间差距明显,中等水平、较高水平和高水平发展区数量最多,其中高水平发展区共有6个,主要集中于东部沿海的江苏、浙江、福建、广东、上海以及东北地区的黑龙江,中等水平发展区有吉林、内蒙古、重庆、天津、安徽、河南、辽宁共7个;2006年较2000年的高水平发展区的数量略有下降,但仍集中于东部沿海地区,而较低水平区和中等水平发展区的数量有所增加,数量分别从2000年的5个、7个增长到2006年的8个、8个,且多集中于中部和西部地区,经济高质量发展状况略有向中部转移的趋势;2012年的高水平和较高水平发展区数量最少,仅有北京、上海、浙江和江苏、天津、广东,相比较来看,较低水平和中等水平发展区的数量较多,主要包括四川、新疆等西部地区以及湖北等多数中部地区和少数东部、东北地区,可以看出,2012年地区间经济高质量发展差距开始缩小,但高质量发展区数量少且不突出;2017年地区间经济高质量发展较均衡,多处于中等水平发展区,主要包括河南、湖南、陕西、重庆、湖北等中西部地区,高水平发展区仍集中于浙江、上海、北京等东部沿海地区,但山西省于2017年也属于高水平发展区且发展情况较突出,可能原因在于山西省近年来积极推进主导产业转型,大力发展清洁能源,在改善山西省生态环境的同时能够获得可观的绿色经济效益,促进山西省经济高质量发展的快速提升。
综合来看,出现以上空间特征的原因可能在于,东部沿海地区不论在资源配置、能源结构、社会福利、产业创新等方面都存在巨大优势和强大吸引力,能够促进人才引进和对外合作交流,而且东部地区享有政府优良政策的支撑,与中西部地区相比拥有经济高质量发展的绝对优势;中西部地区尤其是西部地区,交通闭塞、对外联系不紧密、区位优势较差等原因导致其地区效益产出低、经济发展的质量不高、社会优越性较低等。近年来随着国家和社会的不断发展,加之东部沿海地区对内陆地区的带动性加强以及中部崛起、西部大开发、东北振兴等国家战略兴起,东北地区及中西部地区从经济、社会、生态发展的各方面着手,在经济提升的基础上,追求经济-社会-生态的协调发展,从而带动地区经济水平的高质量发展,最终使得东部、东北与中西部地区经济高质量发展差距有明显缩小,中国整体的经济高质量发展逐渐趋于均衡化。
3.2 科技创新对经济高质量发展的驱动机制分析
3.2.1 全国层面的科技创新驱动机制运用固定效应模型、随机效应模型进行回归分析。根据Hausman检验结果确定采用随机效应模型的估计结果进行分析(表4)。模型结果表明,科技创新驱动经济高质量发展提升的作用十分显著。
Table 4
表4
表4全国层面的模型估计结果
Table 4
变量 | 固定效应模型 | 随机效应模型 |
---|---|---|
Cons | -2.7529*** (-2.83) | -0.7683 (-1.30) |
lnINV | -0.0262* (-0.41) | 0.0524** (1.27) |
lnTAL | 0.0425 (0.53) | 0.1087* (2.34) |
lnTEC | 0.0045*** (0.13) | 0.5112*** (1.62) |
lnSTR | -0.0410** (-0.33) | -0.1426*** (-1.67) |
lnUR | 0.1662 (1.05) | 0.0235** (0.19) |
lnMAR | 0.1326 (1.07) | 0.1878* (1.94) |
lnREGU | -0.0163 (-0.57) | -0.0062** (-0.23) |
R2 | 0.4870 | 0.4610 |
F统计量 | 1.25 | - |
新窗口打开|下载CSV
专利授权数量对地区经济高质量发展的驱动效应十分明显,并且在1%水平下显著,且专利授权数量变量的影响系数为0.5112。专利授权数是衡量创新活动中知识产出水平的一个通用指标,是知识性成果的直接反映,专利提质增效作为激励科技创新的重要“催化剂”,有利于提高国家和地区的科技创新竞争力,推动经济高质量发展不断提升。据统计到2018年,中国国内的发明专利授权量较上年同期增长5.8%,有效地为地区经济高质量发展注入技术活力。其次,R&D经费占GDP比重以及R&D人员全时当量驱动经济高质量发展的作用较强且分别在5%和10%水平下显著,影响系数分别为0.0524、0.1087,表明R&D人员全时当量的驱动作用比R&D经费占GDP比重的更强。在经济高质量发展过程中,R&D经费投入的增加意味着地区科研投入占比增加,对地区科技创新的支持倾向性增大,另一方面R&D人员全时当量的增加也表明地区用于科技人力投入的程度加大,这有利于吸引更多高素质劳动力和科研人员的迁入,人口的大量集聚能够加快地区产业升级,大大提高劳动生产效率,由此产生的空间溢出效应能够有效驱动地区经济高质量发展。
从其他控制变量来看,城镇化水平(UR)和市场化程度(MAR)对经济高质量发展的驱动效应为正且较为显著;与前两者变量相反,产业结构(STR)和环境规制(REGU)变量对经济高质量发展效率则具有显著的负向抑制作用,且两者的负向影响系数分别为0.1426、0.0062,说明产业结构变量的阻碍作用大于环境规制变量的阻碍作用。
综合来看,科技创新因素对地区经济高质量发展具有较强的驱动作用,创新通过作用于生产力结构改革和动力机制转换,促进地区经济发展(图3)。科技创新是以资金投入、人才支撑、技术成果作为储备要素,各要素通过市场配置的方式作用于创新主体,创新主体经过一系列相互作用与影响产生出创新成果,不同地区之间通过创新成果作用,在经济、环境、社会效益等方面得到层级提升:经济效益的提升意味着生产效率的提高;环境效益的改善代表生态环境水平提高、地区污染排放最小化等,是推进社会绿色发展的根本动力;社会福利增加是社会效益提高的结果,为地区实现开放型、共享型发展提供基础和支撑。一系列创新成果产生的效益均有利于提升国家的市场竞争力和优势,同时有利于提升国家经济增长质量,最终有利于国家经济的高质量发展。
图3
新窗口打开|下载原图ZIP|生成PPT图3科技创新对经济高质量发展的驱动机制
Figure 3The driving mechanism of scientific and technological innovation to high quality economic development
3.2.2 不同分区的科技创新驱动机制
为了探究不同地区科技创新水平对经济高质量发展的驱动机制,研究分别对东北、东部、中部以及西部地区利用固定效应模型、随机效应模型进行面板数据的回归计算与分析。结合Hausman检验结果确定东北地区和中部地区选用固定效应模型,东部地区和西部地区选用随机效应模型(表5)。
Table 5
表5
表5不同分区的模型估计结果
Table 5
变量 | 东北地区 | 东部地区 | 中部地区 | 西部地区 | |||||||
---|---|---|---|---|---|---|---|---|---|---|---|
固定效应 | 随机效应 | 固定效应 | 随机效应 | 固定效应 | 随机效应 | 固定效应 | 随机效应 | ||||
Cons | -0.1792 (-0.03) | -2.3145 (-0.56) | -4.5853*** (-2.68) | -2.7489*** (-3.22) | -3.6337* (-1.80) | -2.2273* (-1.85) | -2.9951 (-1.56) | 2.1494*** (2.77) | |||
lnINV | 0.2985 (1.57) | 0.1898 (1.24) | 0.0566 (0.51) | 0.0113** (0.18) | -0.0743 (-0.66) | -0.0356 (-0.41) | 0.0719*** (0.62) | 0.2363*** (3.97) | |||
lnTAL | 0.1760*** (0.35) | 0.1353 (0.39) | 0.2900* (1.86) | 0.0204 (0.31) | 0.0594 (0.42) | 0.1224 (1.62) | 0.0131 (0.07) | 0.2010*** (2.78) | |||
lnTEC | 0.2802 (1.65) | 0.3469** (2.13) | 0.0831 (1.40) | 0.0203*** (0.41) | 0.0853** (1.52) | 0.0730 (1.40) | 0.0914 (1.11) | 0.0607** (1.04) | |||
lnSTR | -0.7792** (-2.38) | -0.7595** (-2.31) | -0.1943 (-0.76) | -0.3212*** (-3.63) | -0.1194** (-0.53) | -0.1576 (-1.20) | -0.5068* (-1.84) | -0.3848 (-1.59) | |||
lnUR | 0.7171 (1.19) | 0.7407 (1.22) | -0.5226 (-1.57) | -0.2480 (-1.45) | 0.1388 (0.42) | 0.1560 (0.68) | 0.2053 (0.75) | 0.0850*** (0.45) | |||
lnMAR | 0.6733* (1.91) | 0.8027** (2.52) | 0.0065* (0.03) | 0.0501* (0.26) | 0.0256 (0.11) | 0.1109 (0.54) | 0.4616** (2.07) | 0.0004 (0.01) | |||
lnREGU | -0.0235** (-0.26) | 0.0016 (0.02) | -0.0071 (-0.18) | -0.0192 (-0.54) | -0.0020 (-0.04) | -0.0177 (-0.40) | -0.0115 (-0.19) | -0.0294 (-0.61) | |||
R2 | 0.5211 | 0.9824 | 0.7672 | 0.8663 | 0.2823 | 0.6343 | 0.5293 | 0.8072 | |||
F统计量 | 2.13 | - | 1.85 | - | 0.93 | - | 1.33 | - |
新窗口打开|下载CSV
科技创新各要素对四大地区经济高质量发展的驱动作用仍较为显著,但各地区间存在差距。其中,R&D经费占GDP比重仅对东部地区和西部地区有明显驱动作用,且对西部地区的驱动作用要强于东部地区,对东北地区和中部地区没有驱动效应;R&D人员全时当量对东北地区和西部地区的驱动作用均较强,影响系数分别为0.1760、0.2010,说明该要素对西部地区的驱动作用略大于东北地区;专利授权数对东部地区、中部地区和西部地区均有驱动作用,其中对东部地区驱动作用的显著性最强,通过了1%的显著性检验,对中部地区和西部地区的驱动作用仅通过了5%的显著性检验。
综合来看科技创新要素对中国四大地区具有较强的驱动机制,但对不同地区的驱动作用不同。东部地区地理位置优越、经济发达,拥有充足的科技创新资金投入,同时科研人员的集聚为东部地区带来巨大的知识溢出效应,从而带来的专利授权数量也影响着东部地区的经济发展质量;东北地区作为中国重要的工业基地,近年来其经济发展逐渐落后于东部沿海地区,东北地区的产业萎缩加之人才外流严重,使得科研创新人员数量的增加有利于东北地区经济的高质量发展;西部地区深处内陆,地广人稀、资源配置不均衡的特点导致其经济较落后,对科研人才的吸引力不够,因此R&D经费的投入、R&D人员数量等要素的增加,均能有效推动西部地区经济高质量发展;中部地区处于东部和西部地区过渡的第二梯队,是中国重要的经济腹地,但在科技研发专利方面落后于东部地区,因此提升中部地区的经济发展质量,科研专利授权数量的增加具有重要的驱动作用。总之,科技创新的进步帮助产生一系列高新技术以及信息网络的发展,有利于促进地区各生产要素的利用,生产要素使用率和劳动生产率的提高能有效推动地区经济的高质量发展,但由于地理区位、资源禀赋以及政策支撑等原因的影响,科技创新对于不同地区经济高质量发展的作用存在较强的差异性。
在控制变量方面,城镇化水平(UR)因素仅对西部地区有显著驱动效应,市场化程度(MAR)对东北地区和东部地区均存在正向驱动作用,影响系数分别为0.6733、0.0501;与前两者驱动作用相反,产业结构(STR)对东部、东北和中部地区经济高质量发展均具有负向抑制作用,环境规制(REGU)因素仅对东北地区有较明显的负向抑制作用。
3.2.3 稳健性检验
考虑模型构建中可能会存在遗漏变量或变量之间通常存在的双向因果关系,从而产生的内生性问题会导致模型回归结果的不稳定性[41]。因此为了保证研究结果的稳健性,同时解决内生性问题,将各解释变量的滞后一期作为工具变量,采用二阶段最小二乘法(2SLS)对四大地区进行稳健性检验(表6)。从结果来看,科技创新水平各解释变量的显著性程度、影响性质均与原始回归结果基本一致,控制变量中除了产业结构对东北地区的影响效果不显著外,其他控制变量的结果也与原始结果基本一致,因此稳健性检验结果可靠。
Table 6
表6
表6稳健性检验结果
Table 6
变量 | 东北地区 | 东部地区 | 中部地区 | 西部地区 |
---|---|---|---|---|
Cons | -19.4362* (-1.69) | 0.6192 (0.20) | -6.8745*** (-3.46) | 0.0565 (0.04) |
lnINV | 0.3127 (0.79) | 0.2938** (1.14) | -0.3547*** (-3.07) | 0.0186*** (0.14) |
lnTAL | 0.9318** (1.03) | 0.3099 (1.09) | 0.1457 (1.06) | 0.0733*** (0.46) |
lnTEC | 0.0734 (0.16) | 0.1657 (0.82) | 0.0207** (0.30) | 0.0833** (0.91) |
lnSTR | -0.0843 (-0.11) | -0.1319*** (-0.87) | -0.5609** (-1.96) | -0.6710 (-2.27) |
lnUR | 1.0896 (1.07) | -0.2499 (-1.16) | 0.1107 (0.17) | 0.1872*** (1.00) |
lnMAR | 0.0486* (0.07) | 0.4112* (0.97) | 0.0380 (0.12) | 0.0069 (0.04) |
lnREGU | -0.1828** (-1.34) | -0.0060 (-0.16) | -0.0024 (-0.04) | -0.0202 (-0.32) |
新窗口打开|下载CSV
4 结论与政策建议
4.1 结论
本文运用Super-SBM模型测算中国经济高质量发展效率值并分析其时空演变特征,利用空间面板数据回归模型探究科技创新水平对中国经济高质量发展的驱动机制。主要结论如下:(1)中国经济高质量发展在时间上整体呈上升
趋势,其效率值从2000年的0.18上升至2017年的0.44。地区发展差异较明显,东部地区经济高质量发展明显优于东北地区和中西部地区;空间上大致呈现由东部沿海向中西部递减的趋势,且各省份之间经济高质量发展的差距逐渐缩小。
(2)从整体的模型估计结果看,科技创新要素对中国经济高质量发展的驱动作用显著,其中专利授权数对经济高质量发展有明显的正向驱动效应,R&D经费占GDP比重和R&D人员全时当量对经济高质量发展存在较为显著的正向驱动作用;其他控制变量中城镇化水平和市场化程度的驱动作用较强,产业结构和环境规制则具有抑制作用。
(3)科技创新各要素对四大地区经济高质量发展驱动作用存在差异,科技创新要素方面,R&D经费占GDP比重对东、西部地区的驱动作用较强,R&D人员全时当量对东北和西部地区有驱动效应,专利授权数对东、中、西部地区均有驱动作用。控制变量方面,市场化程度和城镇化水平分别对东部、东北和西部地区具有促进作用,产业结构和环境规制对东、中部和东北地区则存在抑制作用。
4.2 政策建议
针对中国经济高质量发展效率水平的时空演变特征,以及科技创新对经济高质量发展的驱动机制,提出对策建议:(1)重视发展现状及特色,制定适合本地区的发展对策。东部地区在依托经济优势的前提下,大力发展创新型产业和高新技术产业,为经济高质量发展提供良好环境和强大吸引力;中西部地区应继续贯彻落实中部崛起及西部大开发等国家战略,重视国营经济和民营经济的能动作用,致力于提高经济发展环境和区域创新竞争力;东北地区在人才外流及环境破坏较为严重的现状下,应培育良好的教育体制和环境,补齐人才缺口,注重能源节约高效利用,为经济高质量发展提供良好的生态环境。
(2)加快提升地区科技创新能力,为经济高质量发展提供技术支撑。各地区应重视地区科技创新实力对经济高质量发展的重要作用,科学规划人才培养和人才引进策略,积极促进地区自主创新能力的培养,淘汰一部分技术落后产业,培育一批具有竞争影响力的新兴自主创新产业作为部分地区的主导产业,由点带面提高地区整体科技创新能力。
(3)加强政府与企业的沟通联系,建立科技创新与经济高质量发展的长效协调机制。政府要制定相关的科技创新成果奖励制度,从资金、市场、人才等多方面保障创新成果的有效转化,将科技创新水平作为衡量地区经济高质量发展的一项指标,加强与自主创新型企业的沟通协调,有效提升科技要素的配置效率和创新成果的转化效率,形成政府与企业之间由上至下的科技支撑协调发展机制,促进地区创新经济高质量发展。
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[R/OL]. (
URL [本文引用: 1]
[R/OL]. (
URL [本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
DOI:10.1111/j.1467-9957.1954.tb00021.xURL [本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
DOI:10.1080/13547860.2014.880282URL [本文引用: 1]
This paper empirically investigates the impact of foreign direct investment (FDI) and human capital on economic growth in the Philippines. An economic growth model for the Philippines is specified and estimated by a canonical cointegrating technique and employing annual data spanning the period 1965-2010. Our empirical results indicate that FDI is an important vehicle for achieving economic growth in the Philippines, but only when there is sufficient absorptive capacity created by increased human capital and infrastructure development. The other key factors influencing Philippine economic growth are economic growth in its major trading partners, political climate and prevailing economic conditions within the economy. The relative size of government investment is found to crowd-out private investment, thus suggesting the need for government investment to be directed at human capital and infrastructure development as this has the potential to attract FDI and thus achieve sustained economic growth and development in the Philippines.
[J]. ,
DOI:10.1016/j.worlddev.2017.11.024URL [本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
DOI:10.1126/science.36.914.19URL [本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
DOI:10.1080/02331880108802727URL [本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
DOI:10.11821/dlxb201810011URL [本文引用: 1]
交通投资作为经济增长的加速器备受空间规划与发展政策的重视,其对经济增长的多样化影响一直是研究热点。然而,交通投资对经济的影响机理及路径仍存在争议,且较缺乏地理差异和空间关联的视角。为了全面理解交通投资对经济的空间集聚效应与多样化路径,首先基于1997-2015年中国交通投资与经济增长的省际数据,采用空间面板回归(Spatial Panel Regression)分析考虑空间关联的交通投资的经济影响,随后采用结构方程模型理解交通投资对经济增长的多样化路径。结果表明:① 无论是混合最小二乘回归(Pooled OLS)、固定效应面板模型还是空间面板回归,都显示了交通投资对经济增长的显著作用。空间面板回归结果指出交通投资有利于经济活动空间集聚,但考虑空间自相关影响后,对经济增长作用呈现降低;② 交通投资的经济影响具有地理差异与时滞效应,其对东部地区的经济作用明显高于中西部地区,且有利于空间集聚;随着时间的推移,交通投资的经济效应逐渐增强;当前投资和前期投资对经济增长均有促进作用,但前期投资效果更显著,并驱动经济活动的空间分散;③ 在影响路径上,交通投资对经济的直接效应低于间接效应,多样化影响路径主要通过增加关联产业投资、促进就业增长、推进城镇化等方式产生。
[J].
DOI:10.11821/dlxb201810011URL [本文引用: 1]
As one of the significant economic development tools, the transport investment's comprehensive economic effects considering spatiotemporal heterogeneity have attracted attention from different levels of government and private development sectors. Much of current literature, however, lacks a perspective of spatial differences and spatial linkages, and the relevant economic influential paths still need to be further examined. To fill this understanding gap, the paper attempts to understand the economic growth and spatial aggregation effects of transport investment and the potential influential paths based on a joint estimation by the spatial panel and structural equation modeling, respectively. The results of the study indicate that: (1) The significant economic growth, as well as economic impacts of spatial aggregation of transport investment are observed, but in general the effects would decrease after controlling the spatial autocorrelation issue; (2) The economic effects of the investment in transport sectors have considerable spatial and temporal differences. For areas with high level of urbanization and economic performance, the economic effect of transport investment is much higher and more significant. To some extent, transport investment in these areas exerts a more significant impact of spatial aggregation. The temporal effects show that from 1997 to 2015 the transport investment can reinforce the economic performance and the level of spatial aggregation. Also, the transport investments at the previous stage, in general, have a greater effect on economic growth, and would lead to a spatial decentralization trend of economic activities; (3) Transport investment can promote economic growth by direct and a variety of indirect pathways. The indirect pathways can affect the investments on the related industries, labor growth, and urbanization. These findings would provide some policy implications for the decision-making of transport investment in urban China.
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]