导语：科技人才集聚对区域创新产出有哪些影响？

一、模型方法的选择及原理

如果数据之间存在空间关联则采用空间门槛回归，如果不存在空间关联则采用普通的门槛回归，采用门槛回归的作用是分析科技人才集聚对区域创新产出的影响是否存在一个突变。

从而对科技人才集聚对区域创新产出的倒“U”型影响进行印证，如果存在门槛效应则说明科技人才集聚对区域创新产出确实有非线性影响，如果没有门槛效应则说明科技人才集聚对区域创新产出的影响不存在突变，用线性模型即可分析两者的关系。其次，运用门槛回归的另一个作用是通过门槛回归确定门槛值，以门槛值为界分阶段进行回归。

在分阶段回归中，通过门槛值将科技人才集聚分为高集聚阶段和低集聚阶段并且分别进行回归，在高集聚和低集聚阶段分析时，由于科技人才集聚与区域创新产出会存在内生性问题，为解决这个此问题，本文利用广义矩模型，该模型通过滞后项来避免因变量互为因果导致的内生性现象。在具体的应用中，如果存在空间关联则采用空间GMM模型，如果不存在空间关联则采用普通面板GMM模型。

二、数据来源和变量选择

在科技人才集聚的基础上还有其他要素对区域创新的影响，根据区域协同创新模式影响区域创新产出的因素有科技人才投入、资本投入、政府、中介服务机构等。为避免遗漏重要变量，相关学者的研究得出区域创新的影响还有经济发展、产业结构和外商直接投资等因素。因此，本文选取除西藏以外的全国30个省市自治区二〇〇〇-二〇一七年18年的面板数据。

数据来源主要为《中国科技统计年鉴》和《中国统计年鉴》，各变量以二〇〇〇年为基期，区域创新产出：国内外文献有多种度量技术创新产出的方式，包括专利授权量、专利申请量、科技论文产出量、高新技术产品出口比重、新产品销售收入等，其中专利数量和新产品销售量是衡量技术创新能力的常用指标。专利具有审核标准严格、数据全面易获取等优点，且以往研究表明专利和创新能力的关系十分密切。

李平、刘雪燕的研究表明专利授权数剔除掉了专利申请数中不具代表性、未被授权的发明，用来衡量技术创新能力更为科学。新产品销售收入可以反映从创新到产业化的全过程，较好的体现创新活动的市场价值。此外，科技论文产出量也是区域创新产出的重要指标。基于此，本文选择各省份每万人历年专利授权量、新产品销售和科技论文产出来衡量我国各省份的区域创新能力。

科技人才集聚是最重要的核心指标，是指单位空间内科技人才分布的集中程度，衡量集聚的指标有很多：区位商、水平集群区位商、区位基尼系数等，这些相对指标无法就本地区在时间上的集聚度变化给予反映。科技人才集聚与区域创新产出的各指标在莫兰指数的变化上大体表现一致。

首先我国科技人才集聚的莫兰指数在二〇〇四年之前并不显著，但数据变化依然可以看出相应的变化。从二〇〇〇年至二〇一七年科技人才集聚莫兰指数从0.031上升到二〇一五年的0484，而后在二〇一七年下降到0.441，科技人才集聚指数呈现出先上升后下降的趋势。

专利授权量的莫兰指数也呈现出先上升后下降的特征，从二〇〇〇年的0.209上升到二〇一一年的0.472，随后下降到二〇一七年的0.365，新产品销售的莫兰指数从二〇〇三年开始显著，数值为0.651随后有所下降，在二〇一七年下降到0.406，但全部在1%的水平上显著。

科技论文的莫兰指数在二〇〇五年开始显著，数值为0.585在1%的水平上显著，此后也一直保持显著状态，在二〇一七年的数值为0.450，同样在1%的水平上显著。

由此得出，科技人才集聚和各个区域创新产出指标均存在空间相关特征。科技人才集聚之间具有空间相关性，本文运用面板数据的空间门槛效应模型回归对科技人才集聚对区域创新产出的门槛值进行测算，主要目的一是验证科技人才集聚对区域创新产出是否存在门槛效应，二是如果存在门槛值，那么门槛值的大小是多少，为下一步具体测算科技人才集聚对区域创新产出的边际影响分析做好铺垫。

空间面板门槛效应模型能够很好的解决本文所要研究的科技人才集聚对区域创新产出的非线性问题，但空间面板门槛效应模型并不是简单的空间计量模型和门槛模型结合，而是将这两种模型的设定，检验和估计方法的合理推算结合，使其能够成为一套具有完整逻辑的方法理论。目前空间面板门槛效应模型的理论研究才刚刚起步，相关理论和实证研究还不完善。

因此本文安排如下：首先对目前空间面板门槛效应解决的方法进行论述，在此基础上运用能够实现的空间面板门槛效应模型分析科技人才集聚对区域创新产出的影响的门槛值。综上所述，由于传统的回归分析假定变量之间为相对独立数据，因此对存在空间依赖关系的变量而言，普通的回归分析不再有效。

为了正确得到自变量和因变量的关系，必须采取一定的措施对变量的空间依赖关系进行控制。为了达到这个目的空间滤波法的作用就是去除变量的空间依赖性，再使用普通的回归方法对去除空间效应的那部分变量进行分析，从而得出二者的关系。当数据存在空间关系时，通过将空间关系纳入到模型之中，从而消除变量的空间效应，是另一种研究思路。

在本文中首先对进行了空间过滤处理后的数据进行空间效应检验，若处理后的数据能够很好将空间依赖性去除，那么随后采用一般的面板门槛模型进行估计与检验。科技人才集聚、专利授权量、新产品销售和科技论文等变量经过Getis法过滤后得到的莫兰指数和P值。

通过P值可知，专利授权量、新产品销售和科技论文等变量的空间相关性已经被过滤掉，科技人才集聚变量的处理后仅在二〇一七年还存在部分相关性。利授权变量在二〇〇〇和二〇一七年的空间相关性经过2次过滤后去除，其余年份经过1次过滤。新产品销售变量和科技论文变量均在1次过滤后将空间相关性去除。在变量科技人才集聚变量在二〇〇八年的空间相关性经过1次过滤后去除。

本文内容由小涵整理编辑！