高技术产业集聚与区域创新：线性抑或非线性？*

唐晓华，李静雯，邱国庆

（辽宁大学经济学院，沈阳 110036）

中国经济已由高速增长转向高质量增长的“新常态”阶段，经济增长模式正由过去的要素粗放拉动型向技术创新驱动型过渡，创新驱动日益成为实现经济高质量发展的有效途径。具备高R&D投入强度和知识技术密度的高技术产业已经成为区域创新建设的重要支撑。如从全国层面上看，2019年高技术产业R&D经费支出约为4 278亿元，有效专利发明数量为471 949件；
从分地区层面上看，东、中、西及东北地区高技术产业R&D经费支出分别约为3 227亿元、579亿元、407亿元、66亿元，有效专利发明数量分别为389 528件、42 762件、32 003件、7 656件。①数据来源：《中国高技术产业统计年鉴》（中国统计出版社2020年版，第97、123页）。可见，中国高技术产业R&D经费支出与有效专利发明数量存在一定地区性差异，同时出现区域高技术产业集聚现象，意味着区域高技术产业集聚程度越高，区域有效发明专利数量越多，进一步说明高技术产业集聚与区域创新水平呈现一定正向相关关系。

目前，关于产业集聚与区域创新相关研究主要聚焦在以下方面：第一，竞争效应。相关研究表明，随着大量企业集聚而导致企业间竞争。为了满足不同消费群体的多样化需求，迫使企业加速产品的更新换代，致使创新能力强的企业占领市场，从而激励整个行业提升创新水平。②Richardson，G.B.，Competition，Innovation and Increasing Returns，DRUID Working Paper，Vol.97，no.4（1996）.③陈建军、胡晨光：《产业集聚的集聚效应——以长江三角洲次区域为例的理论和实证分析》，《管理世界》2008年第6期。④王永进、张国峰：《开发区生产率优势的来源：集聚效应还是选择效应？》，《经济研究》2016年第7期。第二，集聚效应。产业集聚通过知识溢出、劳动力投入以及投入产出关联的集聚效应，实现区域产业创新水平的提高。⑤Murata Yasusada，Ryo Nakajima，Ryosuke Okamoto，et al.，Localized knowledge spillovers and patent citations：a distance-based approach，Review of Economics and Statistics，Vol.96（2015），pp.967-985.⑥谢子远、吴丽娟：《产业集聚水平与中国工业企业创新效率——基于20个工业行业2000—2012年面板数据的实证研究》，《科研管理》2017年第1期。⑦黄小勇、龙小宁：《在集聚中走向创新——专利生产中的集聚经济效应研究》，《产业经济研究》2020年第1期。第三，规模效应。产业集聚会降低交通运输成本，促使上下游企业创新产品销售进而降低获取成本，从而提高区域企业创新水平。⑧Lundvall，B.A.，National Systems of Innovation：Toward A Theory of Innovation and Interactive Learning，London：Anthem Press，Vol.2（2010）.四是拥挤效应。当产业集聚水平超过一定限度时，会产生资源配置效率低、技术研发成本高、生态环境污染等问题，也会对区域创新建设产生负面影响。⑨HENDERSON J V.，Marshall"s scale economies，Journal of urban economics，Vol.53，no.1（2003），pp.1-28．⑩BRULHAR T M，MATHYS N A.，Sectoral agglomeration economies in a panel of European regions，Regional science and urban economics，Vol.38，no.4（2008），pp.348-362．⑪陶爱萍、查发强、陈宝兰：《产业集聚对技术创新的非线性影响》，《技术经济》2017年第5期。可见，产业集聚对区域创新的作用机理相对复杂，同时也说明了高技术产业逐渐成为推动区域创新发展的重要手段。随着相关研究不断深入，大量经验研究发现高新技术产业集聚显著提高区域创新水平。⑫BEAUD R Y C，BRESCHI S.，Are firms in clusters really more innovative，Economics of innovation＆new technology，Vol.12，no.4（2003），pp.325-342.⑬颜克益、芮明杰、巫景飞：《产业集聚视角下高技术产业创新绩效影响因素研究——基于中国省际面板数据（1998—2007）的研究》，《经济与管理研究》2010年第12期。⑭杜威剑、李梦洁：《产业集聚会促进企业产品创新吗?——基于中国工业企业数据库的实证研究》，《产业经济研究》2015年第4期。然而，也有一些研究对高技术产业集聚与区域创新的正向关系持有怀疑态度，⑮⑯王琛、林初昇、戴世续：《产业集群对技术创新的影响——以电子信息产业为例》，《地理研究》2012第8期。并认为还会产生一定的阻碍作用。⑰COMBES P P.，Economic structure and local growth：France，1984—1993，Journal of urban economics，Vol.47，no.4（2000），pp.329-355.

综上分析可知，产业集聚和区域创新相关研究比较丰富，也为本文研究提供了重要参考。

值得关注的是，高技术产业集聚与区域创新的关系尚未达成一致性结论。鉴于此，与已有研究相比，本文研究的主要贡献在于：一是构建了高技术产业集聚影响区域创新的理论模型，深入揭示高技术产业集聚和区域创新的因果关系；
二是基于理论分析，对高技术产业集聚和区域创新的关系进行了非线性和动态滞后性的实证检验。三是考虑到区域异质性问题，考察高技术产业集聚在全国和分地区两个层面对区域创新的影响效应。四是进一步揭示高技术产业集聚影响区域创新的渠道，以优化其对区域创新的作用效果。

为了揭示高技术产业集聚与区域创新的因果关系，本文借鉴Melitz and Ottaviano的做法①MELITZ M J，OTTAVIANO G I P.，Market size，trade，and productivity，The review of economic studies，Vol.75，no.1（2008），pp.295-316．，假定消费者具有相同的效用函数U，其函数形式如下：

式中，i∈Ω为消费者偏好的产品集合，q0表示消费者对普通产品（非创新品）的消费水平，qi表示消费者对创新产品i的消费水平，e、f、g表示需求参数且为正值。其中，e和g表示消费者对普通产品和创新产品的偏好程度，f表示消费者对于创新产品内部各子类产品的偏好程度，e的增加和g的减少都表明消费者对创新产品的需求增加。

假定消费者对普通产品（非创新品）的消费需求q0为正，则在效用最大化的目标下，消费者对创新产品i的反需求函数为：

令Ω*⊂Ω表示消费者消费的创新产品集合，由此可将式（2）转换为需求函数：

式（3）中，N表示消费者消费的创新产品集合Ω*中创新产品种类数，表示创新产品的平均价格。进一步地，为了得到创新产品的市场最高价格pmax与pi之间的关系，令消费者需求为零，由此得到下式：

接下来，用L表示消费者总量，Qi表示创新产品i面临的市场总需求，由此得到创新产品价格pi和市场总需求Qi之间的关系为：

令高技术产业集聚程度为εi，由式（6）可以看出，创新产品价格pi不受产业集聚的影响，仅与市场最高价格、市场总需求、消费者总量和消费者偏好相关。接下来，我们借助Cobb-Douglas生产函数，分析创新产品i的创新能力，设产业创新生产函数为：

其中，Y表示该产业创新产出水平，A表示该产业的高技术生产率，K和L分别代表创新性的资本和劳动投入，α和β为产出弹性，即创新性资本和劳动对产出的贡献比例，且满足规模报酬不变。借鉴Hsieh和戴魁早、刘友金的研究方法①HSIEH C T，KLENOW P J.，Misallocation and manufacturing TFP in China and India，The quarterly journal of economics，Vol.124，no.4（2009），pp.1403-1448．②戴魁早、刘友金：《要素市场扭曲与创新效率——对中国高技术产业发展的经验分析》，《经济研究》2016年第7期。，用创新产品的收益水平衡量创新能力，计算方式如下：

式（8）中，TRi为创新能力，将（8）对高技术产业集聚程度εi进行一阶求导得：

从式（9）中可以看出，高技术产业集聚程度和高技术生产率之间的关系决定了高技术产业集聚程度和创新能力之间的作用效果。根据产业区位理论可以得知，产业集聚发展到一定程度存在一个最佳的规模经济，使得生产效率达到最大。当地区集聚的高技术企业较少且小于这个规模时，无法达到最佳的外部经济，因此，只能获取相对较低的生产率，但整体来说效益还是增加的；
相反，当集聚的企业过多并大于这个规模时，可能出现由于种种原因导致整体效益下降的问题，最终降低各企业整体的生产率。也就是说，相对低程度的高技术产业集聚可以提高地区高技术生产率，而较高程度的产业集聚水平却会降低其生产率产业区位理论已经得到大量研究的支持。③④蔡玉蓉、汪慧玲：《科技创新、产业集聚与地区劳动生产率》，《经济问题探索》2018年第10期。

因此，假定最佳规模经济下高技术产业集聚水平为ε0，基于以上分析可以得出如下关系式：

式（10）表明，当高技术产业集聚水平较低时，提高产业集聚水平会促进创新发展，当高技术产业集聚水平较高时，提高产业集聚水平会阻碍区域创新的发展，高技术产业集聚和区域创新之间呈现先促进后抑制的倒“U”型关系。

在上述分析基础上，可将创新能力TRi与高技术产业集聚程度εi之间的影响设定为二次线函数形式，具体形式如下：

式（11）中，m、n和μ为参数，且使得m＜0,n＞0。由此式可以得出高技术产业集聚和区域创新的关系式为∂TRi∂εi=2mεi+n，同时得出区域创新能力最大时所达到的最佳高技术产业集聚规模为ε*=-n( 2m)。

综上所述，相对低水平的高技术产业集聚可以提高地区生产率，因此，提高产业集聚水平会促进区域创新发展。相反，当高技术产业集聚超过特定规模时，可能由于种种原因降低各企业整体的生产率，即不利于区域创新发展。其原因主要在于，在高技术产业集聚度较低，即产业集聚初期，经济经常表现为多样化集聚。通常认为，一个地区的产业多样性越高，越有利于人力资本的积累，进而形成更大的劳动力市场，实现劳动者的高效匹配，实现劳动技能和劳动生产率的提高，以促进区域创新发展。然而，在高技术产业集聚程度较高，且超过最佳规模时，产业会逐渐向专业化方向集聚，随着专业化程度的提高，对高技术型人力资本的需求会增加，失业风险也会加大，会造成工资增长过快或将牺牲劳动生产率，制约区域创新发展。①赵伟、隋月红：《集聚类型、劳动力市场特征与工资——生产率差异》，《经济研究》2015第6期。同时集聚产生的规模经济效应超过最佳规模时会产生抑制效应，只有在最佳规模之内才能呈现积极的影响。②DELUCIO J J，HERCE J A，GOICOLEA A.，The effects of externalities on productivity growth in Spanish industry，Regional Science and Urban Economics，Vol.32，no.2（2002），pp.241-258.

（一）变量定义

被解释变量：区域创新。本文选取万人发明专利授权量来衡量区域创新能力，其主要原因在于：专利包含了许多关键技术信息，能够较好地反映区域创新能力，同时不同地区专利申请、审批及授权制度基本一致，克服了异质性差异，且专利数也较容易获取。

核心变量：高技术产业集聚。高技术产业集聚指标的测度方式主要有区位熵、赫芬达尔指数、空间基尼系数、E-G指数等，由于产业集聚以一种空间状态，使用区位熵测度能够更好地反应在不同地理空间上产业的集聚程度，消除地区间异质性和规模带来的影响，使结果更为合理。本文借鉴邓峰和任转转的做法，③邓峰、任转转：《信息网络、高技术产业集聚与工业绿色转型》，《经济经纬》2021年第3期。采用区位熵测度高技术产业集聚，具体计算公式为：

其中，aggit代表i省t年高技术产业集聚程度，用i省t年高技术产业就业人数占i省全部产业就业人数比重与t年全国高技术产业就业人数占t年全国就业总人数比重的比值表示。相关高技术产业就业人数数据来源于《中国高技术产业统计年鉴》。

另外，为了缓解遗漏变量的内生性问题，借鉴国内现有文献，本文从高技术产业层面和区域层面将各省份的经济发展水平（pgdp）、企业规模（scale）、产业对外开放水平（open）、政府支出力度（gov）以及专利保护程度（pat）变量加以控制。具体变量定义和描述性统计见表1。

（二）数据说明

限于数据的可得性和完备性，剔除数据缺失严重的年份，以及数据波动性偏大的西藏自治区，同时鉴于《中国高技术产业统计年鉴》在2017年未出版问题，考虑到数据的连续性，最终本文选取2001—2016年中国30个省份作为样本区间，样本量共480个。其中，区域创新的原始数据源自《中国科技统计年鉴》；
高技术产业集聚、企业规模、产业对外开放水平、政府支持力度的原始数据源自《中国高技术产业统计年鉴》；
经济发展水平和专利保护度的原始数据源自《中国金融年鉴》。

表1 变量定义与描述性统计

（三）模型构建

为了验证前文理论分析，本文将高技术产业集聚的二次项引入计量模型中，最终模型设定如下：

其中，i和t分别表示地区和年份，innoit代表区域创新；
aggit代表高技术产业集聚；
Xit代表控制变量；
β0为截距项；
μi为地区个体固定效应；
λt为时点固定效应；
εit为随机误差项。

考虑到高技术产业集聚可能存在的“滚雪球效应”“滞后性”，在原有模型设定基础上，进一步将高技术产业集聚和区域创新的滞后一期引入模型，最终模型设定如下。

（一）基准回归

1.非线性关系检验

如图1所示，区域创新与高技术产业集聚呈非线性关系，与库兹涅茨倒U形曲线类似。因此引入高技术产业集聚的平方项，检验区域创新与高技术产业集聚是否具有倒U形关系。本文将运用面板双向固定效应回归模型进行估计，以检验高技术产业集聚和区域创新之间的非线性关系。由于双向固定效应回归模型通过对个体和时点固定效应进行控制，以解决不随个体和时点变化因素而带来的遗漏变量及内生性问题，使得模型估计结果更稳健。表2中模型（1）、（2）、（3）为双向固定效应模型检验结果。模型（1）结果表明，高技术产业集聚和区域创新之间不存在显著的线性关系。模型（2）中为引入高技术产业集聚二次项的回归结果，可以看出高技术产业集聚和区域创新之间呈显著的倒“U”型关系。模型（3）为将控制变量引入模型后的结果，可以看出高技术产业集聚和区域创新之间仍然呈现显著的倒“U”型关系。因此，随着高技术产业集聚水平的提高，我国区域创新水平呈现“先提升、后下降”的趋势，验证了前面的理论分析。

图1 区域创新与高技术产业集聚散点图

2.动态滞后性检验

本文将再次选用系统广义矩估计法（SYS-GMM）对模型动态滞后性进行检验，因为SYS-GMM可以使估计结果更加精确，能够有效解决动态模型的内生性问题。表2中模型（4）为检验结果。可以看出AR（1）、AR（2）的结果均接受扰动项无自相关的原假设，Sargan的检验结果表明，该模型不存在过度识别问题，在整体上该模型的工具变量是有效的。

表2中模型（4）显示区域创新水平自回归估计系数显著为正，表明若前一期区域创新水平提高1%，当期区域创新水平提高0.556%。借鉴肖兴志和李沙沙的研究思路，①肖兴志、李沙沙：《产业集聚对制造业资源错配的纠正效应：线性抑或非线性》，《产业经济研究》2018年第5期。将当期和滞后期高技术产业集聚分为作为核心解释变量，结果显示（表2列（4）），当期高技术产业集聚和滞后期高技术产业集聚水平对区域创新的影响存在明显差异，当期高技术产业集聚水平提高1%，区域创新水平提高0.242%，存在显著的正相关关系，滞后期高技术产业集聚水平提高1%，区域创新水平降低0.122%，即存在显著的负相关关系。因此，高技术产业集聚对区域创新的抑制作用存在显著的滞后性特征。其主要原因或许在于：我国高技术产业集聚水平偏低，地方政府适当的支持会吸引大量高技术产业集聚，提高了本辖区创新能力。由于高技术产业集聚所具有的“滚雪球”效应，当上述产业集聚带来正外部性时，会吸引大量高技术产业集聚，本辖区高技术产业集聚水平也会逐渐提高，其集聚竞争效应也逐渐显现，竞争效应的存在迫使低收益企业退出市场的同时，造成政府对经济干预的普遍存在，此时的产业集聚可能会加剧要素资源错配，造成原料和人力资本紧张使成本上升，同时市场内卷收入下降，创新投入下降，不利于辖区创新发展。总之，高技术产业集聚会先推动区域创新后阻碍区域创新发展，高技术产业集聚抑制区域创新发展存在显著的滞后性。该结论和表2中模型（3）中得到的高技术产业集聚和区域创新之间存在倒“U”型关系的结论本质上具有一致性。

表2 整体回归结果分析

（二）进一步分析

1.区域异质性分析

为进一步考察高技术产业集聚对区域创新水平的倒“U”型关系是否受地区异质性影响，本文分别对东部、中部、西部和东北地区进行回归分析，具体结果如表3所示。表3中模型（1）、（3）、（5）和（7）结果表明高技术产业集聚和区域创新之间的非线性关系不受区域异质性影响。模型（2）、（4）和（6）中引入高技术产业集聚二次项后的实证结果与全国层面仍然保持相对一致，即东、中、西部地区高技术产业集聚与区域创新之间呈倒“U”型关系。

但模型（8）的东北地区回归结果显示，高技术产业集聚和区域创新之间呈现显著的正“U”型关系，这种相悖的现象可能与东北地区产业结构有关。东北地区虽作为老工业基地，整体上高技术产业基础相对薄弱。在政府干预下，一些企业为追求政策红利而产生虚假集聚现象，这种现象导致企业生产率和资源配置效率降低。在高技术产业集聚初期，高技术产业集聚对东北地区技术创新水平提升的激励效果不十分明显。与此同时，随着高技术产业集聚水平的提高，企业数量不断增加，低水平的企业可能被迫加大研发创新投入，促使东北地区高技术产业基础有所增强，在一定程度上缓解了虚假产业集聚所造成的资源配置效率低问题，当这种正向作用超过负向作用时，高技术产业集聚显然有助于东北地区技术创新水平的提高。另外，根据国家统计局公布的数据显示，中国服务业增加值占国内生产总值比重、对国内生产总值增长的拉动和对经济增长贡献率分别从2000年的39.8%、3.1%、36.2%上升到2019年的53.9%、3.6%和59.4%。从发展趋势上看，服务业已经超过第二产业，成为实现经济高质量发展的动力和源泉。相比之下，东北地区作为重化工为主导的制造业产业基地，仍存在过度依赖投资和制造业的现象，现有的低端产能存在过剩现象，逐渐进入到技术淘汰边缘，低端产能过剩和技术的制约一定程度上会阻碍高技术产业的发展，无法进一步带动东北地区技术创新水平提升。此外，近年来东北地区人才新政和供给侧结构性改革等政策的落实，逐渐吸引一批高技能劳动力流入东北，各地区更加注重高端装备制造业、服务业等高技术新兴产业的发展。据辽宁统计局数据显示，2020年上半年，辽宁新能源汽车增长5.5倍，汽车制造工业增加值同比增长13.3%，服务器和集成电路增长也高达7.6倍；
高新技术企业突破7000家，科技型中小企业突破1万家，每万人口发明专利拥有量达10.98件。可见，东北地区高技术产业集聚程度逐渐提高，进一步推动了区域创新水平提升。

表3 区域异质性检验结果

2.影响渠道分析

为了进一步揭示高技术产业集聚对区域创新的作用效果，本文对两者之间的影响渠道进行回归分析。采用高技术产业发明专利数量衡量技术溢出（tech），采用高技术产业主营业务收入占从业人员数的比值衡量劳动生产率（lab），采用高技术产业中企业数量占工业总企业数量的比值衡量规模经济（size）。因此，本文将技术溢出、劳动生产率和规模经济与高技术产业集聚的交互项分别引入计量模型中，分析高技术产业集聚所带来的技术溢出、劳动生产率和规模经济对区域创新的影响效应，其实证回归结果如表4所示。结果表明，技术溢出、劳动生产率和规模经济与高技术产业集聚的交互项均在5%的水平上显著为正，说明高技术产业集聚所带来的技术溢出、劳动生产率和规模经济都有助于提升区域创新能力。同时，劳动生产率和规模经济与高技术产业集聚交互项的回归系数大于技术溢出与高技术产业的回归估计系数，说明高技术产业集聚带来的劳动生产率和规模溢出效应要大于技术溢出效应。随着高技术产业集聚，高技术产业园区规模效应不断扩大，吸引各类高素质技术型人才汇聚，提高了本辖区劳动生产率。但由于知识产权的保护越来越受到国家的重视，高技术产业对自身企业的技术信息优势也逐渐隐蔽，促使技术溢出效应相对较小。

表4 影响渠道检验结果

（三）稳健性与内生性检验

1.稳健性检验

为了使研究结论更具稳健性，本文采用了三种方式进行稳健性检验。第一，更换被解释变量指标，本文选取区域创新能力综合值作为区域创新的另一个指标参数，其数据主要来自于《中国区域创新能力评价报告》。其原因在于：该报告中的区域创新能力综合值是由各区域知识创造、知识获取、技术创新能力、创新环境以及创新的经济效益5个维度的创新能力综合指标构成，具有较高的权威性，被国内外研究学者认可。①柳卸林、杨博旭：《多元化还是专业化?产业集聚对区域创新绩效的影响机制研究》，《中国软科学》2020年第9期。

表5中模型（1）报告了更换区域创新指标后的回归结果，可以看出主要解释变量估计系数的显著性和符号方向与原模型基本保持一致，即高技术产业集聚对区域创新水平仍表现为先促进、后抑制的倒“U”型状态。

第二，更换核心解释变量指标。本文借鉴林伯强和谭睿鹏的测度方式，②林伯强、谭睿鹏：《中国经济集聚与绿色经济效率》，《经济研究》2019年第2期。选取《中国高技术产业统计年鉴》中高技术产业从业人数占地区土地面积作为高技术产业集聚水平的另一个测度指标，其中地区土地面积来源于《中国城市统计年鉴》。其回归结果如表5中模型（2）所示，可以看出高技术产业集聚的二次项系数仍显著为负，与原模型基本保持一致，即高技术产业集聚对区域创新水平表现为先促进后抑制的倒“U”型状态。第三，本文将采用Tobit回归方式再次进行回归分析，③由于文章中被解释变量均不小于0，因此采用受限因变量模型中的Tobit模型进行回归分析。其回归结果如表5中模型（3）所示，结果表明高技术产业集聚对区域创新水平仍表现为先促进后抑制的倒“U”型状态。可见，无论是更换区域创新指标、高技术产业集聚指标还是更换模型估计方式，都保持了与前文相对一致的研究结论，表明本文研究结论具有稳健性。

2.内生性检验

模型中内生性问题的存在会造成估计结果的偏误，本文采用的面板双向固定效应回归模型虽然在一定程度上解决了不随时间和个体变化而带来的内生性问题，但反向因果关系带来的内生性问题是该模型无法解决的。因此，本文采用两种方式对予以解决。第一，本文仍采用面板双向固定效应模型进行估计，但是在高技术产业集聚指数滞后一期的基础上进行检验。第二，本文加入区域创新滞后一期即系统广义矩估计法考察该模型的动态变化。具体检验结果如表5中模型（4）、（5）所示。

模型（4）为双向固定效应模型回归结果，回归结果显示高技术产业集聚以及二次项回归系数与前文显著一致，表明高技术产业集聚和区域创新之间呈显著的倒“U”型关系。模型（5）为系统广义矩估计法的估计结果，AR（1）、AR（2）的结果均接受扰动项无自相关的原假设，Sargan的检验结果表明，该模型不存在过度识别问题，在整体上该模型工具变量使用是有效的。且滞后一期制造业区域创新水平的回归估计系数在在1%置信水平上显著为正，说明区域创新尚未出现反复与短暂回调现象。高技术产业集聚及其平方项回归系数方向与前文结论一致且显著，因此，在系统广义矩估计法方法下，高技术产业集聚与区域创新之间仍呈现先促进后抑制的显著倒“U”型关系。综上所述，上述两种回归方式与前文基准模型得到的结论一致，且估计结果是稳健性，因此，前文基准模型并不存在内生性问题，研究结论是可靠的。

表5 稳健性与内生性检验

本文从高技术产业集聚视角入手，分析了高技术产业集聚与区域创新之间的作用效应。首先，本文通过模型构建探讨了高技术产业集聚与区域创新的因果关系。其次，基于2001—2016年我国30个省份的面板数据估计验证了高技术产业集聚对区域创新的作用。最后，进一步从区域异质性和影响渠道两个层面揭示高技术产业集聚与区域创新之间的作用效果。结果表明：（1）高技术产业集聚和区域创新之间呈现显著的先促进、后抑制的倒“U”型关系。（2）高技术产业集聚对区域创新的抑制存在显著的滞后性。表现为当期高技术产业集聚会促进区域创新水平的提升，滞后期高技术产业集聚则会阻碍区域创新发展。（3）高技术产业集聚对区域创新的影响因地区不同而有所差异，尤其是东北地区二者之间呈现显著的“U”型关系。（4）在技术溢出、劳动生产率和规模经济三种效应的影响机制下，高技术产业集聚能够进一步提升区域创新能力，且劳动生产率和规模经济效应大于技术溢出效应。

基于上述研究结论，得到如下政策启示：第一，合理控制高技术产业集聚规模。从本文理论和实证分析结果发现，高技术产业集聚程度存在一个可以使区域创新能力达到最高的规模经济。地区产业集聚水平显著地促进了企业所获得的财政补贴，①唐晓华、李静雯：《财政分权、扭曲效应与制造业产业集聚》，《西南民族大学学报（人文社会科学版）》2021年第4期。合理控制高技术产业集聚程度可通过调整税收等优惠政策等方式来实现。如通过财政补贴和减免税收等方式，以在地区高技术产业集聚程度较低时加强对当地高技术企业的吸引力。与此同时，应该减少上述优惠政策方式，以在高技术产业集聚程度较高时由市场自主决定高技术企业的去留，实现优胜劣汰。

第二，以不同地区产业发展需要为导向，因地制宜制定产业集聚政策。从本文的地区异质性分析中发现，东北地区与其他地区的在高技术产业集聚与区域创新之间的关系不同。因此，应该综合考虑各地区产业发展的态势，采取差异化的产业集聚政策。如高技术产业基础较强的地区，为了保障高技术企业之间的交流合作，应该采取支持地方化高技术产业集聚发展的政策。然而，高技术产业基础薄弱的地区，应该采取支持城市化高技术产业集聚发展的政策，促进不同企业之间相互交流与合作，保障高技术产业集聚的多样性，为企业创新提供更好的发展条件。

第三，强化高技术产业集聚中创新资源的技术溢出效应。本文影响渠道分析表明，高技术产业集聚所带来的技术溢出效应对区域创新的影响相对较小。各地区和企业在注重保护知识产权的同时，应促进不同主体之间创新资源的交流与合作，充分发挥创新资源的技术溢出效应。如加强各区域内企业与高校交流合作，激励高校科研人员积极融入企业的创新生产活动，促进高校创新型人才跨区域自由流动，以提高知识技术溢出效应。同时，各企业要借助高技术产业集聚带来的规模经济效应和劳动生产率的正向效应，以促进产业结构优化升级、技术进步以及生产力水平的提高，从而实现区域创新协调发展的良性循环。

猜你喜欢 高技术效应区域 铀对大型溞的急性毒性效应核科学与工程(2021年4期)2022-01-122021年上半年高技术制造业快速增长智能制造(2021年4期)2021-11-14分割区域发明与创新·小学生(2021年3期)2021-03-25懒马效应今日农业(2020年19期)2020-12-14应变效应及其应用中学物理·高中(2016年12期)2017-04-22区域发展篇北京教育·普教版(2017年1期)2017-02-05欧阳明高技术控的产业情怀汽车观察(2016年3期)2016-02-28航天项目管理——高技术复杂项目管理航天器工程(2014年1期)2014-03-11区域民生周刊(2012年10期)2012-10-14高技术条件下空袭与反空袭的作战模式军事历史(2001年3期)2001-08-21

相关热词搜索：线性 高技术 区域