第五章 科技资源辐射效应研究

一、引言

之前的研究中，我们构建了科技资源权重模型，并分析了科技资源对区域经济发展的影响。一个区域的科技资源不仅会对经济发展产生影响，同时当区域内科技资源达到一定相对强度时，还会对其他地区产生辐射带动作用，本部分将就科技资源的辐射效应开展实证研究。

在前人研究中，资源辐射的实证研究多集中于金融及文体领域。例如林江鹏（2008）指出，由于具有差异性特征的金融机构在特定区域的汇集,?从而带来知识与技术等溢出效应,?从而造成金融产业集聚具有显著的辐射效应。安子铮，安子炜(2008)认为在产业高度集聚状态下，金融中心具备集聚和辐射功能，但是基于差别层级的金融集聚区的辐射能力有所不同。任英华、徐玲（2010）通过构建金融集聚影响因子模型，对28个国内省市的金融集聚影响因素进行了计量分析，结论为我国各省市金融集聚具备较高的空间依赖性和正向辐射效应，说明邻域发达的金融产业能促进本地金融业发展，但金融集聚知识技术的外溢与辐射效应不高，因此，要加大金融业研发资金的投入力度，促进金融集聚可持续发展。黄永兴，徐鹏，孙彦骊（2011）选取长江三角洲经济带16个城市的年度数据，采用空间面板模型，论证了长三角各个城市的空间辐射效应，指出长三角地区表现出负外部溢出效应，这是由于长江经济带正在处于以上海市为中心的积累性发展阶段，在这一阶段通过“极化效应”扩大了区域间的金融差异，这意味着各金融集聚区在制定金融发展策略时需要考虑整体趋势与宏观状况，以免发生同质化现象。刘红（2008）在LS模型框架下的研究表明，金融集聚区对周边地域的辐射包括金融资源集聚产生的福利补偿效应以及金融资源辐射产生的涓流效应，金融资源集中能够使得区域经济获得高增长率。

科技资源辐射方面，理论上已有指出科技辐射效应既与辐射主体的辐射强度正相关，也与辐射客体的吸收能力正相关。而无论辐射主体的辐射强度，还是辐射客体的吸收能力都与科研投入密切相关（Terutom，2003；Woolthui，2005）。实证研究方面，目前只有胡安俊等（2012）以京津冀地区为样本，利用向量自回归VAR模型分析了北京及天津地区的科技辐射效应，另还有焦继文（2015）对长三角、珠三角、环渤海等各个区域内部的科技资源辐射情况进行了讨论。本部分拟打算利用之前构建的指标体系，对我国各省市的科技资源辐射效应情况进行测算。

二、研究设计

（一）理论基础

产业集群理论是在区位经济理论的基础上应运而生的。区位经济理论是研究资源如何在特定区域内达到最优配置以追求利润最大化的学说。运用区位经济理论能够从供给与需求两方面分别解释金融集聚的产生。从需求层面看，知识经济全球化背景下著名的科技中心往往都处在经济高度发达地区，周边有着丰富的各种资源。从供给层面看,科技机构所提供的产品、场地、人力都会受到政治经济环境的影响，宽松的环境能降低科技产品开发的成本，而优质的人力资源能为科技研发提供保障。越发达的地区，往往越有着更为宽松的环境以及更为优质的人力资源，而这些将会造成科技资源的不断集聚。

美国学者迈克尔在此基础上创立了产业集群理论,该理论认为某一产业在一特定区域形成产业集群，将会形成更为激烈的竞争机制，更为共享的公共设施和市场环境，这一过程除了会降低企业的生产成本，还会有效降低企业的经营与信息成本，集群化的产业最终会在该区域形成集聚效应，提升区域竞争力。集群化的科技资源内存在着密切的互动，又蕴含巨大的竞争。合作可以减少信息交流的成本，而竞争会不断激励企业创新科技产品，这两者都会提高区域内科技产业的整体利润，形成独特的区域优势，最终发展为科技集聚。

科技资源辐射的理论基础源于法国经济学家佩鲁在1950年提出的增长极理论，该理论指出在某特定地理空间中进行的经济活动主体客体间存在很多联系，并形成一定的边界，经济空间比起地理空间更加着眼于经济联系，由这种联系能推动资源的流动和转移。根据该理论，当一个国家领土面积达到一定规模，要想实现绝对的平衡发展几乎是不可能的，经济的全面增长往往要依托某些地区的某些产业首先实现高速经济增长，达到一定规模后在逐渐向其他部门或区域传导。为了地区经济整体能有更好的发展，政府应当选择特定的产业或地区进行投资政策倾斜，培育经济增长极，从而促进相关地域经济与产业的发展。

增长极理论强调要依靠政府以及外来企业等力量的牵引创造增长极，增长极地区本身会产生集聚，而其对周围地区会产生辐射效应。增长极区域发展到某种规模后，其集聚优势便会逐渐弱化，在企业家们追求利益最大化的驱使下，生产要素会向周边的被辐射地区流动，进而促进周边区域的发展，换句话讲，在极地地区的发展过程中，通过辐射带动周边地区发展将是一种自发过程。

科技资源在集聚与形成增长极的过程中会产生科技辐射。随着科技集聚地科技水平的发展，部分信息、技术以及相对低端科技资源会随着竞争溢出到周边地区，推动整体区域内科技资源数量和质量的提升，而随着周边区域科技产业的发展，又会有更为优质的资源向中心地区流动，最终形成良性互动。这里还有一点需要指出的是，科技集聚区对其周边地带科技发展产生影响的大小除了受到集聚区本身辐射力强度的影响，还会受到周边地区对辐射接受能力的影响。

核心—边缘理论是现代空间经济学的重要部分，美国空间经济学家弗里德曼于1966年根据拉美国家的经济特征进行研究而正式提出这一理论模型。在一个空间范畴的经济地域内，各个组织会形成一个“核心辐射边缘、边缘支持核心”的动态演化过程。核心—边缘理论能够为科技资源的集聚与辐射提供理论支撑。科技作为资源的重要组成部分，通过一系列作用机理被吸附到经济发达地区，这样即获得了高效的市场，又能够减少交易成本；而经济欠发达地区由于无法为科技机构提供此类的优势，使得科技资源逐渐减少了向这些地区的流动，从而形成了核心—边缘模型的雏形。伴随经济相对落后地区的发展与进步，科技资源又会流入欠发达地区。在这一模型中，核心区并不是恒定不变的，而会随着经济发展、产业结构等要素的变动而发生变化。一方面，经济发展能够内在地影响科技区位的变化，科技资源在经济发展大环境下能够产生迅速的流动态势，甚至会产生强烈的影响；另一方面，科技资源的波动也能在一定程度影响经济的发展状况，通过影响经济环境产生一系列的经济效应。

（二）科技资源辐射机制分析

科技资源的集聚与辐射同属于科技资源地域运动的范畴，当一个地区的科技发展到一定程度时，科技资源依靠其自然属性与内在驱动力形成凝聚力，进而形成科技集聚区。当科技资源集聚到一定程度，则会产生空间辐射效应，进而影响区域科技的发展。通过对科技资源集聚与辐射效应形成路径的动态考察，能够对科技资源集聚与辐射效应奠定分析的基础。

科技资源集聚的形成路径源于各地区资源禀赋的差异性。科技资源空间分布的不均衡性是引起科技资源流动的内在原因。科技资源通过地域运动形成科技产业，在内在推动作用下，产生了组织内部和外部科技要素的地域运动。由于不同地域系统的科技资源产生与发展的轨迹不同，因此科技资源的运动速度、规模与强度也不相同。在科技资源运动的初始阶段，科技资源在一定程度上在区域的核心城市聚集。由于各地区资源禀赋与政策等条件的差异性，中心城市逐渐分化，一些资源禀赋突出的城市发展成为科技增长极，形成区域内的科技中心。

科技增长极形成后，则会产生空间辐射效应。当科技资源集聚到一定程度时，反过来会对该区域的产业发展形成强大的资源助力，产生“涓流效应”。科技创新中心大量的科技资源，使得周边地区的科技发展也能够得益，周边区域科技的发展又会反过来带动科技创新中心的繁荣，进而实现科技的可持续发展。

（三）模型构建

用科技辐射能力度量科技集聚区对其周边腹地的溢出效应，也就是测算出科技集聚区的辐射半径及辐射力度。资源的集聚与辐射实际上是一种空间概念下的相互作用，在构建模型之时应当以空间概念下的相互作用为基础，地理经济学中的一些理论恰好可以满足这一要求。威尔逊在1970年提出了“最大熵原理”，通过数理模型描述了因人的行为产生的空间相互作用，为通过定量方法测度科技辐射效应奠定了理论基础。

威尔逊熵模型的提出受到了万有引力定律的启示，其模型用交通成本或时间成本?来代替万有引力定律中物体间的距离，将地区i和j之间的经济活动总量分别设为?和?，可以得出引力定律在地理学中的应用形式：

?T_ij=K^※O_i^※D_j/C²_ij （5.01）

其中K为一个常数，式5.01可进一步变形为：

?T_ij=K^※O_i^※D_j^※C^-n_ij （5.02）

威尔逊假定，区域是一个由节点构成的封闭系统，如果将区域i定义为供给区，区域j定义为需求区，则可以将区域i到j之间的流量定义为Fij，表达了区域i对j的作用强度。尽管任何区域除了资源流动还都必然伴随着自身的资源消耗，但长期来讲，系

统内部是均衡的，可以用如下两式来表达：

???

其中，M和N分别代表供给和需求量，D和N分别是供给和需求区域数。假定在系统中运输的费用总量为C，用Cij来表示单位资源在区域i和j之间的运输费用，可以得到：

（5.05）若用pij表示区域间资源流动的概率，则P_ij=F_ij^※C_ij=C （5.06）将区域i的资源所流向的所有区域看成一个子系统i，则子系统i的熵Si为：

（5.07）

当宏观总量达到稳定状态之时，意味着子系统Si的熵也达到最大值，通过拉格朗日定理可以求解，在假定区域之间相互作用强度相等的情况之下，可以得出：

T_ij=KO_iD_jexp(-βc_ij) （5.08）

Tij表示区域之间资源作用能力，?为衰减因子，cij代表了区域之间的阻尼作用，一般认为阻尼作用是距离的线性函数，则令?，可对式（5.08）进行变换：

T_ij=AO_iD_jexp(-βr_ij) ?（5.09）

A是个不同于K的常数，rij是距离，公式两边同时除以Oi，区域i拥有最大资源总量为Mi，并设定一阀值?，令?，两边去对数可得到测算科技资源辐射半径r的模型：

?r=(1/β)^※ln(Mi/θ) （5.10）

一般用资源集聚度的综合因子得分衡量区域金融资源总量Mi，而用因子综合得分为正的样本中的最小值的数量级作为阀值?。

根据式（5.08），将辐射区域i和被辐射区域j视为一个子系统，可以得到科技资源辐射强度的测量模型：

T_ij=JO_iexp(-β_ij r_ij) （5.11）

其中Tij代表辐射强度，K为常熟，O为辐射区域的金融集聚度，?为衰减因子，r为区域间的距离。

由于距离越大，辐射强度越低，即Tij是关于r的连续函数，因此K=1，得到最终的科技资源辐射强度测度模型：

T_ij=O_iexp(-β_ij r_ij) （5.12）

三、实证研究

（一）数据说明

本部分同样使用第三部分中构建的指标体系进行分析。在数据分析过程中，很多变量的单位是不统一的，数据的无量纲化处理可以在保持原数据趋势不变的情况下将数据压缩至统一范围，即可以解决单位不同一造成的模型拟合度降低，同时还可以在描述统计分析过程中使得变量组变得更为清晰直观。本部分采用最大最小值法对数据进行无量纲化处理，最大最小值法对数据处理过程中，正向指标和逆向指标应采取两种不同方法进行处理，正向指标的处理方法为：Yi=（Xi-MinXi）/(MaxXi-MinXi)；逆向指标的处理方法为：Yi=（MaxXi-Xi）/(MaxXi-MinXi)。本文构建的指

标体系全部为正向指标。

（二）指标体系信度及效度检验

???本文运用SPSS17.0进行数据处理，在进行因子分析之前，首先应当对变量进行信度及效度检验，我们用Cronbach?值检验指标体系的信度，样本的?值达到了0.78（表5.1），表明样本具有较好的信度，KMO值达到了0.717，而Bartlett球形检验sig值为0.011，拒绝了单位相关阵的原假设，表明样本具有较好的效度（表5.2）。较好的信度和效度再次验证了我们所构建指标体系的合理性，同时表明我们选择的样本适合进行因子分析。

表5.1 信度检验结果表可靠性统计量

（三）科技资源辐射效应测算

我们通过最常用的特征值大于1的方法选取因子，结果显示最终提取了三个因子，累计方差贡献率达到了78%，解释了大多数信息。两院院士数量、国家级高新企业数量、985高校数量、国家级大学科技园数量、国家级重点实验室数量、国家级工程技术研究中心数量等指标属于因子一；独角兽企业数量、211大学数量（不含985）、普通高校数量（不含211、985）、中科院研究所数量、其他省部级研究所数量、国家级科学装置数量等指标属于因子二；千人及万人计划人才数量、其他人才数量、高职高专学校数量、其他科研院所数量、国家实验室数量、国家科技企业孵化器数量等指标属于因子三。可以看到，三个因子的分类大概是按照级别排序分类，例如985高校数量属于因子一、211大学数量（不含985）、普通高校数量（不含211、985）属于因子二而高职高专学校数量属于因子三。从结果看，尽管通过数据分析法的指标体系分类结果与本文的分类方法并不完全一致，但因子分析中指标分类的这种“逻辑合理性”在一定程度上也印证了本研究所构建的指标体系的合理性。进一步，按照每种因子的方差贡献率为权重，计算每个样本的综合因子得分，算法为综合因子=0.28FAC1+0.25FAC2+0.20*FAC3，计算结果如表5.3所示。根据结果显示，得分为正，从高到低的地区依次为北京、江苏、上海、广东、浙江、辽宁、安徽、四川、山东、福建，可以看到，这一结果与本研究第二部分构建指标体系得出的排名比较一致。按照威尔逊熵模型，得分为正省市为资源辐射地区，根据公式5.10，我们在测算科技资源辐射半径之前首先要确定阀值?，由表5.3可知，在我们的样本中，数值为正的样本为福建的0.08，百分之一数量级，故令阀值?=0.01，即认定当科技资源集聚度综合因子得分小于0.001时，该地区不会对周边地区产生科技资源辐射作用。

表5.3 各样本因子综合得分表

式5.1的β?刻画了科技核心城市的辐射效应作用于周边城市时所受到的阻力,我们通过王铮（2002）提出的方法对?进行计算：

?????????????????????????????????????????????（5.1）

其中D表示样本中所有地区的平均行政土地面积，T表示样本城市个数，t_max表示科技资源辐射城市个数。根据各地区统计年鉴数据可将31个省市面积加总并求平均得到D=309677.419平方公里，我们共选了31个样本，因此T=31，北京、江苏、上海、广东、浙江、辽宁、安徽、四川、山东、福建等10个地区为科技资源辐射省市，因此t_max=10，最后计算得出阻尼系数β=0.004474。

将综合得分以及θ、β的值带入式5.10，得到各省市辐射半径（表5.4）。按辐射半径有高到低排名依次为北京（1008.65公里）、江苏（984.88公里）、上海（925.97）公里、广东（887.34）、湖北（739.63）公里、辽宁（728.62）公里、四川（555.36）公里、山东（535.92）公里、福建（464.74）公里。

表5.4各省科技资源辐射半径计算结果表（单位：公里）

四、主要结论

本部分从资源集聚理论出发，以全国各省市为样本，综合探讨了科技资源集聚程度、集散路径，并实证分析了全国各个省市科技资源的集聚程度与辐射效应，运用威尔逊模型对辐射半径与辐射强度进行测算，综合分析了科技资源集聚省市能够对辐射区域内的科技发展产生影响作用。本文主要研究结论如下：

（一）科技资源集聚与空间辐射效应的形成路径与传递机制。科技资源集聚是区域科技发展到一定阶段的产物，主要是由于资源禀赋的不同以及在帕累托最优规律下的内在推动，促使资本、人才、技术等科技资源向区域内形成集聚效应，从而形成了所谓的科技中心；而随着科技中心发展到一定阶段，又会对周边地区产生外溢效应，从而带动周边地区科技发展。我国科技资源的集聚与辐射效应具备其特殊之处，以政府为主导，市场中运作，通过产业联合促进了科技资源的集散。

（二）科技资源的集聚程度。本文通过之前构建的科技资源指标体系，选取两院院士数量、国家级高新企业数量、985高校数量、国家级大学科技园数量、国家级重点实验室数量、国家级工程技术研究中心数量、独角兽企业数量、211大学数量（不含985）、普通高校数量（不含211、985）、中科院研究所数量、其他省部级研究所数量、国家级科学装置数量、千人及万人计划人才数量、其他人才数量、高职高专学校数量、其他科研院所数量、国家实验室数量、国家科技企业孵化器数量等作为主要评价指标。通过测算各个城市的金融集聚程度，可以得出，北京、江苏、上海、广东、浙江、辽宁、安徽、四川、山东、福建的科技资源集聚度为正数，而其他各省市的集聚程度得分均为负数，向外省的辐射能力较弱。