摘要：基于2003—2018年19个大城市数据，设置空间地理权重矩阵计算Moran′sI指数和Geary′sC指数检验城市创新产出的空间自相关，借助stata软件构建并选择时空双固定效应的空间面板杜宾模型。实证性研究发现航空运输能够压缩城市时空距离，加快人才流动中所产生的知识空间溢出，促进城市创新能力;进一步研究表明，发展航空运输与现代通信技术对于城市创新能力的影响呈互补关系;航空运输通过增强知识精英与研发资金、教育活动投入等创新要素之间的相互作用，从而促进城市的创新能力，并且也对周边城市的创新能力起到积极作用。
关键词：航空运输;知识溢出;城市创新
随着知识经济时代和第三次产业革命的到来，技术创新对区域的可持续发展甚至在国际竞争中取得竞争优势的重要性愈发凸显。城市作为节约交易成本和实现群居生活的组织，是各个产业和人口的高度集中地区，也是区域研发和技术创新的中心地，自然成为了研究技术创新的“天然实验室”。在第五个冲击波作用下[1]，航空运输的及时性、便捷性、高效性等特点改变了当代经济的时空效应，增强了城市间地理邻近性(geographicproximity)，越来越成为链接各个地方之间、地方与全球之间的重要纽带，在加快全球知识精英流动、优化资源配置方面起到了不可替代的关键性作用。在日益紧密和复杂化的全球网络中，具有航空运输枢纽的大型城市逐渐成为各类资本、技术、人才等高级要素的聚集地。通过深入研究分析航空运输如何加快劳动力流动，优化资本、技术、人才等资源配置状况，诱发城市间广泛知识(尤其是默会知识)的传播和溢出，推动城市创新发展。
航空运输作为承担旅客跨区域流动的主要交通方式，其影响主要表现在以下几个方面：①打破区域间的时空障碍，提高城市的可达性[2-3]，充分发挥“同城效应”，使知识精英的远距离旅行和面对面交流更加容易，从而诱发城市间广泛的知识传播和知识溢出。Shaw等[4]运用具有固定效应的空间面板模型控制空间依赖性，研究发现运输基础设施总体上对区域经济增长呈正向作用，且大部分来自溢出效应。Jiao等[5]的研究发现城市通达的交通与企业生产力呈正相关。②拥有航空枢纽的城市具有更强的汇聚资本和知识精英等创新资源的能力，成为高科技产业的优质区位，为城市研发活动奠定更加充分的物质基础。Haynes[6]讨论流动性和改善交通对城市劳动力市场的影响。Yin等[7]对比国际经验及其对中国的潜在影响，进一步研究了高速铁路对城市发展的影响。Button等[8]和Percoco[9]实证研究了航空港与城市高科技产业和服务业之间的关系，得出航空港推动提升城市产业发展水平。③航空运输也可能会因城市间对高级资源的竞争性而不利于某些地区经济发展，形成中心—外围，即进一步加强大城市的“虹吸效应”，不利于周边中小城市的发展[10-13]。
现有研究仅仅关注航空运输与区域经济的关系以及航空运输是否有助于促进高新技术产业的集聚与发展[14]，但并没有深入探究航空运输对城市创新能力的影响及影响机制，特别是没有分析因知识精英的空间流动而带来的知识空间溢出效应。然而，所有的事物都与邻近的事物有着密切的联系。研究航空运输对城市创新能力的影响及其空间溢出效应，也要加以考虑其所处的空间环境。因而，使用2003—2018年中国19个大型城市的面板数据并运用空间计量模型，研究航空运输对城市创新能力的影响及空间溢出效应。
1航空运输对城市创新能力的作用机理及研究假设
一方面，航空运输作为全球化运输网络的重要交通方式，赋予了所在城市更强的集聚资本和知识精英等创新要素的能力，为城市开展创新活动奠定了充分的物质基础;另一方面，航空运输提高了城市间的连通性，促进城市间集聚，使高级精英的远距离旅行和面对面交流更加便捷，从而诱发城市间广泛的知识传播和知识溢出，表现为知识的空间溢出，进而促进城市创新产出增加;同时航空运输能够压缩时空距离，加强创新要素之间的相互作用，促进知识空间溢出，带来不同以往的经济效应。
1.1航空机场通过直接效应———高级要素集聚功能影响城市创新
Kasarda的“第五波理论”认为航空运输将是带动区域和城市发展的主要交通方式。在经济全球化深入发展的时代背景下，航空运输成为加速全球分工和要素配置的催化剂，机场日渐成为物流、人流和信息流的集聚节点。Castells认为发展经济的地理区位将由传统的“地方空间”转向基于网络的“流空间”。布局中心辐射型航空网络帮助定义了大型枢纽机场，机场逐渐成为“流中心”，成为高级生产要素的集聚地，为城市开展创新活动奠定充足的物质基础。因此，提出以下假设：
研究假设1城市航空运输发展能够促进所在城市的科技创新能力，表现为航空运输的发展与城市创新成果数量呈显著的正向关系。
1.2航空运输通过间接效应———扩大人才流动半径加快知识溢出影响城市创新创
新是参与要素之间相互合作、彼此作用的非线性过程，城市创新的核心是具有专业知识的高技能人才。魏守华等[15]认为知识空间溢出的重要途径包括人才流动过程中的隐性知识溢出、研发过程中的技术知识溢出以及直接引用研发创新的专利成果等。但由于空间阻滞效应的存在，知识空间溢出的范围有限，会随着时空距离的增加而递减。现代通信技术的快速发展能够产生“时空压缩”效应，实现虚拟化、网络化沟通，但Hippel[16]认为面对面交流仍是人类沟通的重要途径和知识传播最佳方式。航空运输的发展与航空网络的全球布局能够增强城市间的通达性与连接性，有效地压缩城市间的时空距离，扩大旅客的交往半径，使得社会精英的远距离旅行更加便捷，面对面交流的机会也更多，从而诱发以高级劳动力、技术密集型产品为载体的知识、技术、信息的传播和扩散，有效地推动隐性知识跨区域传播与扩散，即知识的空间溢出，加快各城市的知识积累、技术更新和信息再利用，从而促进与周边城市的创新协同发展。因此，提出以下假设：
研究假设2城市航空运输发展能够影响其邻近城市的科技创新活动，表现为航空运输的发展与邻近城市创新成果数量呈显著的正向关系。
研究假设3航空运输与现代信息通信设施对城市创新能力的影响呈现为补充关系。
1.3航空运输通过交叉作用———创新投入要素之间相互作用影响城市创新并产生空间溢出
城市创新的要素投入包括高素质人才、研发资金、教育投入等。便利通达的交通是城市经济发展的先行条件，这是因为交通运输能够实现要素的空间位置，更多的通过溢出效应影响其他部门的经济活动。张学良[17]认为这种经济效应不但会作用于本城市，还会对邻近城市的经济活动产生正向或负向的影响。发展航空运输能够提高城市间的连通度，加强城市间人才、科技教育投入等创新投入要素的影响，促进彼此间的相互作用，除了能够提升城市创新能力，还会通过投入要素的相互合作产生正向空间溢出效应提升邻近城市的创新能力;或者通过增加城市对各种资源和要素的吸引力产生负向的空间溢出效应，不利于邻近城市创新能力的提升。就此，提出以下假设：
研究假设4城市航空运输与人才、研发资金以及教育活动投入等要素相互作用，不但能够促进当地的创新活动，还可能会对其邻近城市的创新能力产生正向或负向的空间溢出效应。
2计量模型设定、变量与数据
2.1关于知识生产函数分析城市的创新生产和溢出可以借鉴国外学者Green[18]在估算从事研发活动对于经济增长的贡献时所提出的知识生产函数(knowledgeproduc-tionfunction，KPF)，简单表述为
RDproduct=F(labor，capital，RDinput，μ)(1)式中：labor和capital是传统人力、资本要素投入，RDinput是当前的知识技术水平，可以由过去和现在的研发支出(researchanddevelopmentexpendi-ture)来衡量;μ为对产出的其他不可观测的决定因素。
Jaff[19]对该函数模型进行拓展和改进形成Griliches-Jaff知识生产函数模型，并分析了大学研发溢出和企业专利发明对于区域创新的影响，表述为含两种要素投入的修正的科布道格拉斯(CobbDouglas)模型：
lnKnowledgei=β1lnEnterprisei+β2lnUniversityi+εi(2)式中：Knowledge为生产出的有经济价值的新知识;Enterprise为企业研发投入;University为大学研发投入;ε为随机误差项。该模型在测度城市创新能力及其影响因素时实证操作便捷，已被大量实证性研究引用。同时，该研究模型可广泛应用于从企业到国家各个层面的有关知识生产与技术创新的研究工作中，适用范围广泛。知识生产模型将创新投入与创新产出相联系，可以分析和探明不同的创新活动系统之间促进知识生产和科技创新的动力及其影响因素，因而成为了检验区域创新影响因素和分析创新空间溢出的常用且有效的方法和工具，故基于知识生产模型解析中国大型城市创新能力及其影响因素。
为量化航空运输水平及空间溢出效应对城市创新的影响，结合Brueckner[20]的分析框架和Grili-ches-Jaff知识生产函数考察城市创新能力，并提出以下城市创新模型形式：
patent=F(Wpatent，airline，Wairline，X，WX)+ε(3)式中：patent为被解释变量，反映为城市创新水平;airline为解释变量，表示城市航空运输水平;X为影响城市创新水平的外生变量;Wpatent、Wairline、WX表示为周边城市的创新水平、航空运输水平及相关外生变量对于本城市创新水平的影响，即空间溢出效应的考察;ε为随机误差项。式(3)表明，在控制住外生变量X及其空间溢出效应WX的前提下，城市的创新能力会随其航空运输水平的不同而出现差异，并观察周边城市的创新能力与其航空运输水平对本城市创新能力的影响。数据预处理时为提高数据的平稳性，对式(3)两边均取自然对数。
2.2空间计量模型的建立
“地理学第一定律”强调了事物在地理空间上的相关性和依赖性。城市创新能力的提高，除了依靠自身资源要素及政府政策外，也受到邻近城市的外部关联即创新空间溢出效应的影响，发展航空运输为城市间高级要素的流动提供了便捷通道。因此若忽略航空运输过程中高级要素流动所伴随产生的空间相关性可能会导致模型设定错误。基于此，将选用空间计量分析技术考虑到城市创新活动的空间相关性
城市创新能力的提高，不仅依靠自身的资源禀赋及内部因素，也依赖于与周边城市的外在关联即创新空间溢出[21]，航空运输的发展为城市间要素流动提供便捷通道。因此忽略航运发展促进要素流动所伴随产生的空间相关性可能会造成模型的错误设定。基于此，选用空间计量分析技术将城市创新活动的空间相关性考虑在内，并考察航空运输发展与城市创新产出的关系及其作用机制。
以往空间计量模型应用主要集中于只包含空间因变量滞后项的空间自回归模型(SAR)和只包含空间误差项自相关的空间误差模型(SEM)[22]。然而，空间效应的传导可能同时发生于因变量的空间滞后和随机冲击所造成的误差项变化。Lesage和Pace[23]综合上述两种空间传导机制构建了空间杜宾模型(SDM模型)和空间交叉模型(SAC模型)。因而，为获取拟合效果最优的空间计量模型，并探究不同类型的计量模型能否相互转化，依次设定并检验模型，构建式(4)～式(7)所示模型。其中式(4)、式(5)分别为SDM模型、SAC模型，式(6)、式(7)为在SDM模型和SAC模型基础上分别附加一定的限制条件得到的SAR模型和SEM模型。
2.3变量说明与数据来源
2.3.1被解释变量
城市创新能力(lnpatentit)。沈能[24]在研究中国制造业企业的创新能力时指出专利数量是知识生产及创新的最终表现，是反映城市或区域创新活动成果的较好度量标准[25-26]，具有可靠性[27]。中外众多学者研究认为专利授权数比专利申请数更能反映城市的创新能力[28-31]。因而，被解释变量城市创新能力选取城市的专利授权数衡量。
2.3.2解释变量与控制变量
城市航空运输水平(lnairlineit)采用城市航空客运量衡量。尽管城市创新与航空货运也有关，但考虑到在回归中货运与客运之间存在共线性，故没有把航空货邮运量也作为一个解释变量。除此之外，还包括以下控制变量：
1)城市经济规模。城市开展创新活动具有投资风险，需要一定的经济基础作为支撑。一般而言，经济实力越强的城市，对知识精英等要素的吸引力越强，城市的创新能力也越强。在此，使用城市生产总值(lnscaleit)来衡量城市经济发展水平。
2)创新资金投入。可以是企业研发投入，也可以是政府财政的科研支出。创新资金投入越高意味着城市科技实力越强。由于不同城市的企业研发投入统计口径不同，lnrdit用当年政府财政支出中的科学支出金额来衡量，也体现了政府对城市创新活动的扶持力度。
3)城市高级人才数量。高素质人才是城市创新的动力。城市知识精英越多、素质越高，城市的科研创新成果也越多，质量也越高。尽管城市高级人才数量的度量方法较多，如劳动者收入法、教育年限法等，但考虑到数据的可得性和有效性，采用城市从事科研和技术服务人员数量(lnhumanit)来衡量。
4)城市经济对外开放水平，反映了城市对外开放度、包容度和对新知识引进和吸收的能力。城市接受外来直接投资获得国际技术溢出，通过对外开放吸收消化外来创新技术，组织研发活动以提升自身创新能力。因而采用城市实际使用外来直接投资金额(lnfdiit)作为衡量城市开放程度的指标。
5)城市环境。优美的居住环境能够为城市吸引到企业和高级人才。采用城市工业二氧化硫排放量(lnenviit)来衡量城市居住环境质量水平，其中工业二氧化硫排放量越高，城市环境质量越差，越不利于吸引高级人才等创新要素。
6)城市教育投入。教育是政府财政支出的重要方向，体现了政府对人才创新政策的支持和保障力度。大多数情况下，教育活动支出越高意味着城市自主创新实力越强。使用当年政府财政支出中的教育支出金额(lneducationit)衡量城市对教育活动的投入情况。
7)城市现代通信设施建设。人们能够以极低的成本使用现代通信技术获取信息，增强信息和知识交流共享，促进城市创新能力。但是信息通讯并不能完全满足直接的、面对面的交流沟通。因此，控制住城市通信设施建设这一变量，就更能够突出航空运输在人才流动过程中所产生的知识溢出对于城市创新产出的影响。在此，使用城市接入国际互联网用户数(lninternetit)衡量城市通信水平。
主要变量描述性统计如表1所示。
2.3.3数据来源
由于只有大型机场才具备集聚高端人才等资源，加强其区际快速流动的能力，并且作为城市创新节点的城市需具备一定的经济实力，所以选取中国19个大型城市作为潜在的研究对象，包括北京、天津、重庆、上海、广州、武汉、哈尔滨、南京、杭州、济南、沈阳、长春、大连、成都、厦门、西安、深圳、青岛、宁波等城市。这些城市均为直辖市、省会城市或副省级城市，是中国实现科技自主创新的主要载体，且城市规模不一、区位各异，代表性较强。数据时间跨度为2003—2018年，来源于国家知识产权局、各省市统计年鉴。
3实证结果与分析
3.1空间溢出效应检验
使用全域Moran′sI指数和Geary′sC指数测算空间相关性，初步确认城市创新是否存在空间依赖性。表2显示，在空间地理距离权重矩阵下，Moran′sI指数大于0而Geary′sC指数小于1且均在1%的水平上显著，表明城市创新能力存在较强的空间依赖性，即某一城市创新水平增长，也会导致相对邻近的城市创新水平增长。这表明城市创新水平的空间分布并非完全随机，而是表现出明显的非均质性，这就要求要考虑到城市创新水平存在的空间依赖性，否则会违反估计结果无偏性。
3.2航空运输对城市创新产出的空间计量分析
选用空间面板SAR、SEM、SAC和SDM模型进行估计以将城市创新活动的各种空间相关性考虑在内，提高模型回归结果的准确性。按照模型判断规则，选用LM检验或RobustLM检验、Wald检验、LR检验以及自然对数数值(Log-L)检验模型拟合效果，经Hausman检验，空间面板计量模型均采用时空双固定效应模型，模型检验结果见表3。空间面板模型回归见表4。
由表3可知，LM-lag检验、LM-err检验及稳健LM-lag检验皆在1%限制性水平下显著通过检验，稳健LM-err在5%水平下显著通过检验，说明SAR模型与SEM模型皆可选择。其次，LR检验结果表明SAR模型与SEM模型两者都存在时空双重固定效应。进一步经Hausman检验可知，SAR模型、SEM模型与SDM模型均在1%显著性水平下拒绝采用随机效应模型的原假设，因而采用时空双重固定效应模型。最后使用Wald检验对SDM模型进行弱化检验，即SDM模型是否可以简化为SAR模型或SEM模型，针对原假设H0：θi=0和H0：θi=-δβi，检验结果均在5%的水平下拒绝原假设，表明SDM模型不能等价转换为SAR和SEM模型，即SDM模型包含的两种空间传导机制对城市创新的作用不可忽略。同时从表4的估计结果中看，在模型拟合效果上，SDM模型较之SAR、SEM和SAC模型的自然对数数值(Log-L)较大。综合考虑，最终选择空间SDM时空双重固定效应模型进行分析。
从表4来看，SDM模型中城市创新水平的空间交互项显著为负，意味着该城市创新水平的增加不利于周边城市的创新，表现为“核心—边缘”特征。
而航空客运量的水平项和空间交互项对提高城市创新能力均有显著影响，验证假设1和假设2。但由于SDM模型的回归系数并不能直接反映自变量对因变量的影响程度，因此需要计算直接效应、空间溢出效应和总效应才能具体表征。计算结果参见表5。——论文作者：李倩倩，陈薇
相关期刊推荐：《经营与管理》杂志是由国家新闻出版总署批准,省级正规期刊,中国期刊网全文收录。主要栏目：经营管理、学术研究、实证分析、财税金融、人力资源、经济论丛、电子商务、高校管理、市场营销、党政建设、科技教育、工程技术、法制园地、百科论坛。
转载请注明来自：http://www.lunwencheng.com/lunwen/jgu/20467.html
