科技创新对区域经济发展影响的实证分析——以苏州为例

Empirical Analysis of Impact of Science & Technology Innovation on

Regional Economy：An Example of Suzhou

孙杰① SUN Jie；刘洪久② LIU Hong-jiu

（①江苏省生产力促进中心，南京 210042；②常熟理工学院，苏州 215500）

（①Jiangsu Productivity Promotion Center，Nanjing 210042，China；

②Changshu Institute of Technology，Suzhou 215500，China）

摘要： 论文从科研事业研究机构、地区整体科技状况和大中型企业科技状况三个方面选取了12项指标代表区域科技创新能力，并且通过多元线性回归模型定量研究了各影响因素和经济产出之间的关系。实证分析表明：影响区域GDP产出的主要正向驱动因素为区域科技人员的数量和大中型企业的技术开发投入费用。

Abstract： Twelve factors are selected from institutes of science & technology， regional science & technology conditions and large and medium-sized enterprises conditions. And by multiple regression analysis， we studied the relationships between economic output and the factors. Empirical analysis indicates that the quantity of regional researchers and R&D investment of large and medium-sized enterprises are the main and positive factors to drive economy.

关键词： 科技创新；区域经济；实证分析；政策研究

Key words： innovation of science & technology；regional economy；empirical analysis；policy research

中图分类号：F124 文献标识码：A 文章编号：1006-4311（2013）32-0161-02

作者简介：孙杰（1961-），女，江苏南京人，毕业于江苏省委党校，研究方向为科技管理。

0 引言

创新能力是推动区域经济发展、调整产业结构的重要手段[1]。探讨推动区域科技创新能力的提高的影响因素以及这些因素对经济增长的作用程度，可为地方政府制定科技创新的政策提供决策依据。

Hsu等认为政府应解决促进技术创新面临的问题并提出具体的解决方案，尤其是关于专利等知识产权保护方面[2]。Bye等发现在开放的经济体中，由国际贸易带来的知识对国内创新的作用超过自身研发的投入[3]。Trippl认为一个区域创新系统包括创新机构、教育机构、技术中介组织和区域内的企业[4]。国内学者唐德祥的研究表明经济增长和固定资本投资、劳动投入、科技创新投入之间存在着长期均衡的协整关系[5]。陈世海根据经济结构调整与科技创新的内在耦合关系和区域经济结构发展的特点，提出了结构导向型区域创新体系[6]。张斌等采用同样的数据，利用Translog函数，发现技术转化对经济发展的促进作用要大于R&D投入的作用并且可以加强R&D投入的效果[7]。

综上所述，国内外学者从各个角度研究了科技创新的影响因素及其对经济增长的作用，但从系统的角度评价科技创新能力及其对经济增长的研究较少。

1 科技创新能力评价指标体系

本着科学性、可行性以及数据可获得性的原则，从投入产出的角度选择具有代表性与典型性的指标。具体的指标体系如表1。

2 构建模型和实证分析

为了定量研究科技创新影响因素与经济产出间的关系，我们采用多元线性回归模型为：

Y=b0+b1X1+b2X2+…+b12X12 （1）

其中，b0为常数项，b1，b2，…，bn为回归系数，Y为因变量，X1，X2，…，X12为自变量。

将归一化后数据代入SPSS软件，采用逐步回归，可得模型的回归系数。输出结果见表2所示。

根据标，回归方程为：

Y′=0.021+0.529X10′+0.441X6′ （2）

多元线性回归模型初步建立之后，还需要对模型进行各项检验分析，以确定模型是否合理。

2.1 经济学意义检验

从指标选取上看，逻辑上应当所有的指标都对产业经济的产出起正向驱动作用，而实证模型符合要求。

2.2 统计检验

①拟合优度检验。根据表3的数据可知：R2和调整R2均接近于1，所以模型在整体上拟合较好。

②回归方程的显著性检验—F检验。当P值？燮0.05时，|F|？叟F0.025，即我们应认为回归方程具有显著性。通过表4可知：P=sig=0.000，则回归方程通过显著性检验。

③回归系数的显著性检验—t检验。由表2可知，两个变量的回归系数显著性t检验的概率sig都大于显著水平5%。因此，它们与被解释变量的线性关系是显著的。

2.3 计量经济学检验

①自相关检验。根据表3，由于DW=2.164，其值接近于2，根据计量经济学的理论，通常当DW的值在2左右时，无需查表，可直接认为模型不存在序列的自相性。

②异方差检验。回归方程的各影响因素与残差的等级相关系数rs和P值见表5和表6。

根据表5可知对于X6’，有rs=-0.068且P=0.803，则可认为残差绝对值|ei|与自变量X6′不显著相关，故不存在异方差；同理，根据表6可知对于X10′，有rs=0.076且P=0.778，则可认为残差绝对值|ei|与自变量X10′不显著相关，同样不存在异方差。因此，可认为模型通过异方差检验。

③多重共线性检验。由于仅有16年的数据，样本容量小于300个，X6′和X10′的方差扩大因子VIF大于10，所以影响因素可能存在多重共线性，但由于其对预测效果影响有限，所以不做进一步检验。

综合以上分析和检验，我们可以认为模型具有有效性和稳定性。

3 结果分析

为了进一步明确这两个因素对GDP的影响，我们可以根据公式（2）对公式（3）进行反归一化。

Y=-11.6652+0.001532X10+0.005381X6 （3）

由公式（3），大中型企业的技术开发投入费用每增加10000元，GDP的增加值为153200元，地区科技人员的数量每增加1人，GDP的增加值为538100元。简单推断，为推动经济的发展应当优先增加科技人员的数量，其次是增加企业的研发费用。但我们根据前述的分析，由于存在多重共线性，实际上人员的增加导致费用也将增加。因此，对于GDP增长的主要驱动因素是大中型企业的技术开发投入费用。

参考文献：

[1]Adams M. Sustainable packaging is a brand loyalty issue for Australians[J]. FOOD AUSTRALIA， 2009， 61（12）： 514.

[2]Hsu G J Y， Lin Y H， Wei Z Y. Competition policy for technological innovation in an era of knowledge-based economy[J]. Knowledge-Based Systems， 2008， 21（8）： 826-832.

[3]Bye B， Faehn T， Grunfeld L A. Growth and Innovation Policy in a Small， Open Economy： Should You Stimulate Domestic R&D or Exports？[J]. B E Journal of Economic Analysis & Policy， 2011， 11（1）.

[4]Trippl M. DEVELOPING CROSS-BORDER REGIONAL INNOVATION SYSTEMS： KEY FACTORS AND CHALLENGES[J]. Tijdschrift Voor Economische En Sociale Geografie， 2010， 101（2）： 150-160.

[5]唐德祥，孟卫东，许雄奇.科技创新投入影响经济增长的内在机制——基于中国实际经济运行的经验证据（1978-2005）[J].数理统计与管理，2009（4）：579-587.

[6]陈世海.基于科技创新的辽宁经济结构战略性调整对策[J].科技进步与对策，2011（4）：39-43.

[7]张斌，方健雯，朱学新.科技创新和技术转化的互动及其对经济发展的影响——基于超越对数模型的实证研究[J].科技管理研究.2007（9）：109-111.