党的十九大报告再次强调，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。报告中10余次提到科技、50余次强调创新，并且提出到2035年我国要跻身创新型国家前列的目标。可见，创新是一国保持强劲发展动力、饱满发展活力的重要源泉，而产业创新则是一国或地区经济实现可持续增长的发动机，是推动区域经济发展的重要引擎。
近年来，越来越多的国家或地区把产业集群发展作为提升区域经济竞争力的重要举措，产业集群在地方经济中发挥的作用也愈加明显。而高技术产业集群凭借产品附加值高、效益好、产业带动性强的优势，成为区域经济创造制高点的重要手段。2015年，全国116家国家高新区共创收25.37万亿元。其中，42家高新区GDP占所在城市GDP比重超过20%，21家超过30%，7家超过50%；高新区内企业R&D经费支出占全国31.8%。
高技术产业集群的核心竞争力——创新能力处于不断变化中，且直接影响创新绩效及经济发展。为此，本文基于知识溢出角度深入挖掘产业集群创新力的影响因素及作用关系，并试图对集群创新能力的提升提出有效对策，具有重要的理论与现实意义。
一、文献综述
国内外从知识溢出视角对产业集群创新能力的研究梳理如下：
(1) 关于知识溢出的来源。国外学者最先认为产业集群知识溢出源自产业集群内知识溢出(MAR知识溢出)和产业集群间知识溢出(Jacobs知识溢出)两方面。Henderson(1995)运用美国1970—1987年数据实证发现，产业集群存在MAR知识溢出与Jacobs知识溢出，两者都影响产业集群创新能力[1]。雅各布斯(Jacobs，1969)认为，空间集聚产业的差异性和多样性促使产业集群中的企业创新，产生Jacobs知识溢出，Jacobs知识溢出又提升产业集群的创新能力，且产业集群多样化程度越高越有利于创新，进而推动产业集群发展。Maskell(2006)则认为，产业集群知识溢出源自MAR知识溢出，并将其分为水平方向与垂直方向的知识溢出，强调水平方向的MAR知识溢出源自集群内产品相似的竞争企业间，存在于集群形成的早期，对知识的转移发挥着重要作用[2]。Gwanghoon(2006)运用经济合作与发展组织(OECD)中16个小组1981—2000年的面板数据，选取外来与对外直接投资、中间产品进口和无形直接渠道、国家间的技术相似度、专利引用度等指标，通过反映非平稳面板数据计量模型，实证模拟了知识溢出的产生，结论表明：MAR知识溢出通过外来直接投资和无形直接渠道产生，具有显著性和开放性，而对外直接投资与中间产品的进口不利于国际知识的溢出[3]。
国内学者赵彦吉(2008)通过实证研究证明了产业集群内与集群间均存在知识溢出效应，且MAR知识溢出对产业集群创新活动产生影响。张玉明等(2009)通过空间滞后模型，基于1996—2005年数据实证研究了Jacobs知识溢出对我国各省份经济増长的影响，得出Jacobs知识溢出促进地区经济增长的结论[4]。彭向、蒋传海(2011)运用我国1999—2007年30个地区21个工业行业数据，研究了知识溢出及企业竞争程度对地区产业创新的影响，表明Jacobs知识溢出促进了地区产业创新[5]。
(2) 关于产业集群知识溢出的传导路径。Kesidou和Szirmai(2008)通过对发展中国家的研究，验证了知识溢出对创新绩效和出口绩效的重要作用，结论表明：发展中国家的知识溢出效应可通过产品出口实现，进口国可以通过进口产品了解国际产品信息知识，从而进行模仿创新；同时，出口产生的知识溢出又促进自身创新能力的提升[6]。Hu和Jefferson(2009)发现，知识溢出可通过研发资本、人力资本进行传递，研发过程也是企业员工互相学习的过程，可形成有效知识互补与知识共享，并证明了中国的研发强度与中国的环境有关[7]。Timothy和Jonathan(2010)研究发现，知识溢出渠道多样化，其中外国直接投资促进一国经济增长，且对创新能力有较强影响，进而成为知识溢出的一个有效渠道[8]。Stam(2013)实证研究了知识员工流动、技术知识溢出与产业集群的关系，发现知识员工的流动是知识溢出的途径[9]。Carlino和Jake(2013)认为，劳动力之间的沟通能促进知识溢出，提升创新能力[10]。Xiang和Cai(2013)结合专利引用数和合作研发信息测量国际产业知识溢出，发现国际知识溢出的变化会影响合作研发人员社会关系，也同样影响国家之间显性知识和隐性知识的扩散[11]。
(3) 从知识吸收能力的角度研究产业集群创新。Huber(2012)认为，专业化人力资本需要具有特殊技术能力，即需要培养具有隐性知识能力的人力资本，该种人力资本需要较长时间的教育和培训，并通过长期社会实践才能培养出来，在教育和培训过程中进行知识吸收与转化[12]。Meng(2009)认为，员工一起学习、知识共享，可以促进产业集群创新，降低创新风险[13]。Florian和Joilson(2014)认为，员工自身消化吸收知识，员工间的相互学习和合作、员工与企业间的交流都会促进集群创新[14]。
综上所述，从知识溢出视角研究产业集群创新能力主要侧重于知识溢出对区域经济增长及影响，产业集群知识溢出的来源、传导路径、吸收能力等单个环节，而基于知识溢出视角，纵观知识溢出全过程，对特定产业进行产业集群创新能力研究的文献较为缺乏。本文从知识溢出的来源角度，深入分析高技术产业集群内企业间的知识溢出机理，深挖知识溢出影响因素，提出相关假说，并利用中国16省市高技术产业的实证数据对上述假说进行实证检验，提出相应对策。
二、计量模型及结果分析
(一) 模型设定
产业集群的创新与技术流动得益于新知识的存在，为此，模型构建时必须考虑知识生产函数。知识生产函数描述了在生产函数的总体框架下研发投入和研发产出之间的关系(Griliches，1979)。
知识函数R&D Output=F(R&D Input)，其基本假设是研发资本或投入的结果导致了创新过程的产出。在此不考虑土地因素，因为高技术产业对土地不敏感。
将科研投入变量引入其中得到模型(1)，即
INNOVijt=a+a1STMRijt+a2STHRijt+
a3CLSijt+θ
(1)
式中：INNOVijt为创新绩效，i代表地区，j代表产业，t代表时间；STMRijt为科研经费投入比重；STHRijt为科研人员投入比重；CLSijt为产业集聚度，用区位熵衡量。
在模型(1)基础上引入交互项CLSijSTMRij和CLSijSTHRij，分别得到模型(2)、(3)，即
INNOVijt=a+a1STMRijt+a2STHRijt+a3CLSijt+
a4CLS ijtSTMRij+θ
(2)
INNOVijt=a+a1STMRijt+a2STHRijt+a3CLSijt+
a4CLSijtSTHRij+θ
(3)
基于模型(1)引入结构因素变量及其交互项，形成模型(4)～(6)，即
INNOVijt=a+a1STMRijt+a2STHRijt+a3CLSijt+
a4TRUijt+a5ODDijt+θ
(4)
INNOVijt=a+a1STMRijt+a2STHRijt+a3CLSijt+
a4TRUijt+a5ODDijt+a6CLSijtTRUijt+θ
(5)
INNOVijt=a+a1STMRijt+a2STHRijt+a3CLSijt+
a4TRUijt+a5ODDijt+a6CLSijtODDijt+θ
(6)
式中：TRUijt为社会信任度；ODDijt为全球网络嵌入度，用外向依存度衡量。
基于模型(1)引入集群外部环境因素变量及其交互项，得到模型(7)～(10)，即
INNOVijt=a+a1STMRijt+a2STHRijt+a3CLSijt+
a4MKijt+a5CFDijt+a6DIVijt+θ
(7)
INNOVijt=a+a1STMRijt+a2STHRijt+a3CLSijt+
a4MKijt+a5CFDijt+a6DIVijt+
a7CLSijtMKijt+θ
(8)
INNOVijt=a+a1STMRijt+a2STHRijt+a3CLSijt+
a4MKijt+a5CFDijt+a6DIVijt+
a7CLSijtCFDijt+θ
(9)
INNOVijt=a+a1STMRijt+a2STHRijt+a3CLSijt+
a4MKijt+a5CFDijt+a6DIVijt+
a7CLSijtDIVijt+θ
(10)
式中：MKijt为市场化程度；CFDijt为基础设施完善度；DIVijt为产业多样性。
(二) 变量定义
(1) 产业集群集聚度(CLS)。指特定产业在特定空间内发展的集中程度与优势。测量方法有地区行业规模以上企业数、区位熵(LQ值)、Hoover指数，βij系数、γij系数。考虑数据可获得性，本文采用了区位墒指标来衡量CLS。
(2) 产业集群创新绩效(INNOV)是指定在特定空间内的产业集群所表现出来的创新成果。既有文献大多采用拥有发明专利数、专利申请数、新产品总销售额、新产品总产值来表示，本文用新产品产值除以工业总产值表示创新产出密度的思路，以新产品销售额占行业总销售额的比重来定义它。
(3) MK指产业集群所在地域的市场化程度。本文采用樊纲、王小鲁通过比较法度量的各省市自治区的市场化相对进程的市场化指数。
(4) 基础设施是产业集群发展的基础，本文从道路交通设施完善度角度与信息化程度角度计算基础设施完善度，公式为
CFDij=IRALij+IRDij+IRIVij
式中：IRALij、IRDij、IRIVij分别为某省份某年的铁路、公路、内河发展水平的无纲量化指数[15]。
(5) 产业集群内社会信任度(TRU)指产业集群内各主体企业、银行、政府以及协会组织等之间的互信程度。最好的方法是现场问卷测量，但本文用集群内企业资金来源多样化程度替代。企业若更依赖自己筹资而不是银行或政府，则说明信用不发达，社会信任度较低。本文从金融机构贷款额、企业资金、政府资金三个角度分解科技活动经费，通过计算这三者的赫芬达尔指数来衡量该地区某行业的资金渠道的多样性，从而反映社会信任度[16]。
(6) 产业集群全球网络嵌入度(ODD)反映特定地区特定产业经济活动与世界经济活动的联系程度。该指标用外向依存度来体现，用某地区某产业的出口交货值与其销售总额之比度量。
(7) 集群所在地产业多样性(DIV)用赫希曼
赫芬达尔指数的倒数来衡量。
(8) 科技研发经费投入一般包括用于自主创新的科技活动内部经费支出和由购买国内技术经费、技术引进经费、技术改造经费支出和消化吸收经费支出加总而成的外部吸收经费支出。为剔除地区规模差异，产业集群的科技研发经费投入比重(STMR)用某地区某产业内、外部科技活动经费支出与其销售总额之比来衡量。
(9) 产业集群的科技研发人员投入比重(STHR)用该产业从事科技活动人员数与该产业从业人员总数之比来衡量。
(三) 假说设立
基于相关理论研究，本研究从产业集群集聚度、内部结构、外部环境3个角度对影响产业集群创新能力的因素设立假说，构建7个一级假说，13个二级假说，囊括集聚度、创新投入、市场化程度、嵌入度、基础设施、社会信任度等因素(见图1和表1)，通过后续模型实证检验假说成立与否[17]。
图1 假说分析框架
(四) 样本数据
选取2013—2016年中国16个省市5大高技术产业作为原始样本。数据源自于2013年《中国市场化指数报告》。表2给出了回归分析采用的主要变量描述性统计信息。
表1 理论假说汇总
表2 样本数据统计结果
表2(续)
表2(续)
表2(续)
(五) 假说实证检验
以Stata 13.0为分析工具对数据进行参数检验，然后选择面板数据回归分析方法进行回归分析，对假说进行实证分析。
1. 关于假说1、2的实证检验
对模型1～3进行检验，结果如表3所示。表3表明，三模型的豪斯曼检验结果均表明固定效应模型更好。Wooldridge相关性检验、沃尔德截面异方差检验表明，三模型都存在自相关和异方差，故均采用FGLS对假说H1、H2进行回归分析，结果如表4所示。
表3 模型1、2、3各类检验结果汇总
表4 模型1、2、3回归分析结果
在表4中，科研人员投入比重(STHR)、科研经费投入比重(STMR)、产业集聚度(CLS)都与创新绩效正相关，表明产业的科研投入越大、集聚度越大，产业集群的创新效果越显著。假说H1显然成立。
其次，交互项CLS&STMR与INNOV在1%的显著水平下正相关，表明集聚度与科研经费投入都和创新绩效正相关，且集聚度促进科研经费投入与创新绩效间的正向作用，即产业集聚度越高，科研经费投入的增加更能促进产业集群的创新，假说H2-1成立。
交互项CLS&STHR与INNOV在10%的显著水平下正相关，表明集聚度与科研人力投入都能促进创新绩效，且集聚度促进科研人力投入与创新绩效间的正向作用，即产业集聚度越高，科研人员投入的增加更能促进产业集群的创新，假说H2-2成立。
2. 关于假说3、4的实证检验
对模型4～6进行检验，结果如表5所示。从豪斯曼检验可以看出固定效应模型较好。三模型都存在自相关和异方差，均采用FGLS对模型4～6进行回归分析，结果如表6所示。
表5 模型4、5、6各类检验结果汇总
表6 模型4、5、6回归分析结果
从3个模型的回归结果可知，社会信任度(TRU)与创新绩效正相关。也就是说，企业融资渠道越多元化，得到的社会支持越多，企业创新就更高效。假说H3-1成立。
外向依存度(ODD)与创新绩效负相关，与假说H4-1相悖。
在模型5中，交互项CLS&ODD与创新绩效正相关，表明集聚度与嵌入度都与创新绩效正相关，开放度促进集聚度与创新绩效间的正向关系，即嵌入度越高，产业集聚度与创新绩效的正相关关系越显著。据此，假说H4-2得到验证。
在模型6中，交互项CLS&TRU与创新绩效正相关，信任度对集聚度与创新绩效之间的正相关关系有促进作用，假说H3-2成立。即对于产业集群发展，企业融资渠道更多元化，社会支持越多，则产业集群创新效率越高。
3. 关于假说5、6、7的实证检验
对模型7～10进行检验，结果如表7所示。从表7豪斯曼检验可以看出，选择固定效应模型较好。4个模型都存在自相关和异方差，故均采用FGLS对模型7～10进行回归分析，结果见表8。
表7 模型7、8、9、10各类检验结果汇总
表8 模型7、8、9、10回归分析结果
在4个模型中，基础设施完善度(CFD)与创新绩效无显著正向关系，假说H5-1没有得到验证。这说明基础设施完善度并不是创新的重要影响因素，基础设施发达的地方不一定创新能力强。
在模型7、10中，市场化度(MK)与创新绩效正相关，但在模型8、9中，这种正向关系又不显著，假说H6-1基本得到验证。这说明市场化可以某种程度上影响创新绩效，但这种影响并不是非常显著。
在4个模型中，产业多样性(DIV)均表现为与创新绩效正相关。显然，产业的多样化可以很好地促进产业创新，这一点与国内外很多学者的实证结果不谋而合。集群地产业多样性越明显，不同产业之间的知识溢出效应愈丰富，则产业创新更容易发生[18]。据此，假说H7-1成立。
在模型8中，交互项CLS&DIV与创新绩效在1%的显著水平下显著正相关，说明集群地产业多样性对集聚度与创新能力之间的正向关系有积极的影响。假说H7-2成立。这与很多地方为了促进产业创新，通过建立不同形式的产业园增加产业集聚度，然后引进多样化产业的举措相符[18]。
在模型9中，交互项CLS&MK与创新绩效在10%的显著水平下显著正相关，说明集群市场化促进集聚度与创新能力之间是正向关系。即市场化程度越高，集聚度越高的产业集群发展更具有创新力。据此，假说H6-2成立。
在模型10中，交互项CLS&CFD与创新绩效无正向关系，基础设施与创新绩效不存在必然联系，假说H5-2不成立。
三、实证结果汇总分析
本文以中国16个省市的5大高技术产业为研究对象，通过设定10个计量经济模型对7大假说进行了实证检验，绝大部分假说得到验证(见表9)，说明其比较符合事实。
表9 假说检验汇总
比如，产业集聚度、社会信任度、市场化程度、产业多样性均与创新绩效正相关，即假说H1、H3-1、H6-1、H7-1成立。又如，科研经费投入、科研人力投入、社会信任度、市场化程度、产业多样性都可以促进产业集聚度与产业创新绩效之间的正相关关系，即假说H2-1、H2-2、H3-2、H6-2、H7-2成立。显然，经费、人力、融资、产业融合、市场化是促进产业集群创新的重要动力。
其中，假说H4-1完全不成立，得到外向依存度越高而创新绩效越差的结论。这是因为我国高新技术产业在全球产业价值链中处于低端，市场越开放，我们的依附趋势更明显，对自主创新的重视程度更低，研发投入增长更缓慢，因而创新能力越低。
值得注意的是，虽然假说H4-1不成立，外向依存度与创新绩效负相关，但假说H4-2得到充分验证，对外开放度促进集聚度与创新绩效间的正相关关系，即外向依存度越高，产业集聚度与创新绩效的正相关关系越显著。这说明，如果没有产业集群，对外开放度高并不能促进产业创新。只有当产业集群具有规模时，增加对外开放度才能促进产业集群创新。
此外，假说H5-1、H5-2没得到预期验证，即集群地硬件基础设施与创新绩效并非正相关，对产业集群规模与创新绩效之间的正相关关系也不存在促进作用。这是因为基础设施并不是产业集群的充分条件，基础设施发达不一定就可以造就很强的创新能力，基础设施无法作为区分产业集群创新能力的因素。相比较而言，当今很多地区的创新发展更多地是依赖软环境。比如，软环境中的市场化程度对集群创新绩效起正相关作用，并且对集群规模与创新绩效之间的正向关系起促进作用[19]。
四、对策及建议
立足于实证结论，对产业集群创新能力提升提出以下对策与建议。
1. 明确产业集群发展的主体地位
假说H1、H2-1、H2-2的成立表明，产业集聚度、科研经费投入、科研人力投入与集群创新绩效正相关。应明确产业主体地位，推动更多人力、资金、政策等资源向产业集群创新发展集中，通过一系列的激励机制、扶持政策、市场调节、政府引导措施，推动产业集群创新的快速发展，从而实现产业可持续竞争力的提升[20]。
2. 坚持以市场化为基础
假说H6-1、H6-2的成立表明，集群地市场化程度对于集群创新绩效有积极作用，不论是直接的促进还是对集聚度与创新绩效提升正向关系的间接促进。市场化有利于促进信息、资金、人才、技术的流动，有利于提升竞争活力，从而激活产业创新。为此，应充分发挥市场作用，这有利于为产业集群迎来更多创新活力[21]。
3. 拓宽企业融资渠道
假说H3-1、H3-2的成立表明，社会信任程度与集群创新绩效呈现正相关关系，且社会信任度对产业集聚度与产业创新绩效的正相关关系有促进作用。企业资金来源越多元化，得到的社会资金支持越多，企业创新就越高效。为此，应建立和完善企业融资政策机制，帮助企业高效获得金融机构贷款、政府资金的支持，建立社会诚信体系，引导更多社会资本加入产业集群发展队伍，这是提高产业集群创新能力的稳健方式[22]。
4. 加强区域间的交流与合作，在开放环境中鼓励自主创新
假说H4-1的不成立与假说H4-2的成立表明，在产业集聚度增加的情况下，增加对外开放度才能促进产业集群创新。产业集群本身就是一个在开放环境中努力汲取新知识、收获新技术、保持创新活力，提高产业在全球价值链位置的过程。产业集群的创新绩效不仅与科研经费投入、人力投入、产业结构等因素相关，还受周围区域的影响。为此，建立和完善区域合作机制，创建跨区域合作交流平台，加强与周边地区人才、信息的交流，促进创新共享平台的建设，对推动产业创新发展具有重要作用[23]。
5. 提高产业多样化程度
H7-1、H7-2的成立表明，产业多样化能直接或间接地促进跨产业的知识信息交流，推动产业融合与发展，从而促进产业创新。因此，各地在发展产业集聚与产业专业化的同时，也要考虑到产业多样性对区域创新活动的影响，引进多样化的产业，引导各产业在集群区的百花齐放，争取更大程度地提升产业集群的创新能力，实现经济的稳定可持续发展[24]。
参考文献：
[1] Henderson C.Knowledge spillover and innovation in technological cluster [J].Globelics Academy，1995(3)：43-51.
[2] Maskell L.The effectiveness of international know-ledge spillover channels [J].European Economic Review，2006(5)：2075-2088.
[3] Gwanghoon L.The effectiveness of international knowledge spillover channels [J].European Econo-mic Review，2006(8)：2075-2088.
[4] 张玉明，曼艳华，李凯.知识溢出对区域创新产出影响的实证分析：以高技术产业为例 [J].软科学，2009(7)：99-102.
[5] 彭向，蒋传海.产业集聚、知识溢出与地区创新：基于中国工业行业的实证检验 [J].经济学(季刊)，2011(3)：913-934.
[6] Kesidou E，Szirmai A.Local knowledge spillover，innovation and export performance in developing countries：empirical evidence from the Uruguay software cluster [J].The European Journal of Development Research，2008，20(2)：281-298.
[7] Hu A G，Jefferson G H.A great wall of patents：what is behind China’s patent explosion? [J].Journal of Development Economics，2009(1)：57-68.
[8] Timothy C F，Jonathan C R.Why buy what you can get for free?the effect of foreign direct investment on stable patent rates [J].Urban Economics，2010(1)：72-81.
[9] Stam E.Knowledge and entrepreneurial employees：a country-level analysis [J].Small Business Econo-mics，2013(4)：887-898.
[10]Carlino G A，Jake K C.Clusters of knowledge：R&D proximity and the spillover effect [J].Business Economics，2013(3)：11-21.
[11]Xiang X Y，Cai H.International knowledge spillover：R&D proximity and the spillover through co-inventors：an empirical study using Chinese assignees’ patent data [J].Technological Forecasting and Social Change，2013(8)：161-174.
[12]Huber F.Do clusters really matter for innovation practices in information technology?questioning the significance of technological knowledge spillovers [J].Economic Geograpgy，2012(1)：107-126.
[13]Meng X.Human capital externality，knowledge spill-over，and sustainable economic growth [J].Annals of Economics and Finance，2009(1)：155-198.
[14]Florian S，Joilson D.Two tales on human capital and knowledge spillovers：the case of the US and Brazil [J].Economics，2014(4)：2733-2743.
[15]吴玉鸣，何建坤.研发溢出、区域创新集群的空间计量经济分析 [J].管理科学学报，2008，11(4)：59-66.
[16]颜克益.知识溢出视角下产业集群创新能力提升研究：基于中国高技术产业的实证分析 [D].上海：复旦大学，2009.
[17]张明倩，赵彦云.产业集聚对创新活动空间差异的影响：基于中国制造业数据的实证研究 [J].统计与信息论坛，2008(3)：213-223.
[18]任晶.产业多样化与城市增长的理论及实证研究：以中国31个省会城市为例 [J].地理科学，2008(10)：631-635.
[19]王缉慈.创新的空间企业集群和区域发展 [M].北京：北京大学出版社，2001.
[20]马歇尔.经济学原理 [M].北京：商务印书馆，1983：125-128.
[21]孟權.从国有企业到产业集群：老工业基地集群创新的演化分析 [J].经济管理，2012(5)：19-27.
[22]陈剑锋，唐振鹏.国外产业集群研究综述 [J].外国经济与管理，2002，24(8)：22-27.
[23]Porter M E.The competitive advantage of nations [M].New York：Free Press，1990：93-94.
[24]纪玉俊.基于网络组织的产业集群分析 [J].财经科学，2010(1)：75-82.