1175 【论文复刻】“强省会”战略的创新效应研究
摘要
在经济高质量发展背景下，多省开始实施“强省会”战略，而“强省会”战略的创新效应尚不清晰。利用各省和省会城市以及上市公司数据，检验了“强省会”战略对全省创新绩效的影响机制，并从知识溢出和吸收的视角分析了产业同构和教育资源对上述关系的调节作用。研究结果显示，“强省会”战略对区域创新绩效具有显著的促进作用，省会城市规模存在门槛效应，随着城市规模的扩大，“强省会”战略对区域创新的作用增强。机制检验结果表明，“强省会”战略存在明显的溢出效应，“强省会”战略不仅促进了省会对非省会的溢出效应，同时促进了非省会城市的创新能力。产业同构和非省会教育资源都可以强化“强省会”战略对区域创新绩效的正向作用。异质性检验结果表明，“强省会”战略对东西部地区、非特大超大城市地区、创新领先地区和经济发达地区的影响更大。研究结果对于各地依托“强省会”战略实现高质量发展具有重要启示意义。
为促进区域高质量发展，多个省级行政区先后将“强省会”战略写入“十四五”规划建议，旨在通过加大对省会城市的力度，强化省会城市对全省经济和创新的带动和辐射作用。但“强省会”战略在提升省会城市首位度过程中是否可以通过集聚效应和溢出效应带动全省区域创新绩效提高，以及存在哪些具体作用机制，仍有待探究。文章检验了中国情境下省会首位度对区域创新绩效的影响，拓展了城市首位度理论研究；通过调节效应分析，证实了省会与非省会城市的产业同构和非省会城市的教育资源在一定程度上强化了“强省会”战略对区域创新的正向影响；阐明了“强省会”战略在提升省会首位度过程中存在的省会城市知识溢出和非省会城市学习效应两大机制；验证了“强省会”战略具有城市规模的门槛效应，并指出了“强省会”战略对区域创新的正向影响具有来自省份的区位分布、城市集聚、创新能力和经济发展水平的异质性。2. 研究假设
H1:“强省会”战略对全省区域创新具有正向影响。
H2:省会与非省会城市的产业同构，强化了“强省会”战略对区域创新的正向影响。
H3:非省会城市的教育资源强化了“强省会”战略对区域创新绩效的正向作用。
（1）《中国经济统计数据库》隶属于国家信息中心，是中国权威的经济数据库之一，内容涵盖宏观经济、行业经济、区域经济、世界经济等多个领域。本研究使用其中的 “分省宏观年度库”子数据库，涉及的数据主要包括人均GDP、固定资产投资、分地区专利申请和发明专利申请、进出口总额、技术市场交易额等。（2）《中国劳动统计年鉴》由国家统计局编制，是一部全面反映中华人民共和国劳动经济情况的资料性年刊，是本研究计算产业集聚的主要来源。（3）《中国城市统计年鉴》是由国家统计局城市社会经济调查司编写，全面反映中国城市社会经济发展情况的资料性年刊，是本研究中省会城市相关数据的主要来源。此外，本研究还结合 wind 数据库等对数据进行核对和补充。（4）中国研究数据服务平台，是国内领先的财经数据服务平台，本文从该平台获取上市公司财务、专利和基本信息数据。为检验“强省会”战略对区域创新的作用机制，本文构建以下基准模型来进行假设检验:RIit=α+βiPriit+γiContralit+εit （1）其中,RIit代表省份i在年份t的创新绩效，Priit代表省份i省会城市在年份t的规模，Contralit代表控制变量，βi代表省会城市规模对区域创新绩效的影响系数。为进一步检验产业同构和教育资源的调节作用，本文构建以下调节作用模型进行假设检验:RIit=α+β1Priit+β2Modit+β3Pri×Modit+γiContralit+εit （2）其中,Modit代表调节变量,如非省会城市的产业同构性指标KRU和教育资源指数EDU。Pri×Modit是交互项,代表调节变量与省会城市规模的交互作用。为检验“强省会”战略对区域创新的影响，基于（1）式模型，利用面板固定效用进行假设检验，结果如表1所示。从表1可知，控制个体和年份固定效应后，省会首位度对区域创新绩效具有显著的正向影响。上加入控制变量结果，省会首位度对区域创新绩效的正向影响依然显著。使用人口首位度做自变量，结果依然支持省会首位度对区域创新的促进作用。本文考虑到“强省会”战略与区域创新绩效之间可能存在内生性。一方面，省会首位度与区域创新之间可能存在反向因果，即区域创新能力较强的省份，有更多创新要素集聚到省会城市，进而提升省会首位度。另一方面，虽然本文回归结果中，对可能影响区域创新能力的变量进行了控制，但无法完全排除遗漏变量偏差。为此，本研究通过工具变量回归的方式对研究结果进行稳健性检验，本文将地形起伏程度与全国公路、铁路和内河航道的里程数之和的倒数乘积，作为经济省会首位度的工具变量; 将地形起伏程度与全国客运总量的倒数乘积，作为人口省会首位度的工具变量。由于我国存在明显的地区发展不均衡问题，部分地区的工具变量与自变量之间的相关性不强，尽管第一阶段F值小于10，但在5%的水平上显著。工具变量回归结果表明，经济首位度和人口首位度对区域创新具有显著正向影响。为检验基准回归结果的稳健性，本文对变量和样本进行一系列处理后，重新进行假设检验。具体包括：（1）使用地区的专利授权数量作为因变量，并将自变量和控制变量滞后三期；（2）使用地区发明专利申请做因变量；（3）使用地区 GDP 对专利申请数进行平均，得到万元均专利申请数作为因变量；（4）对省会首位度进行 ( 1，99) 缩尾处理。本文进一步通过分析省会首位度对上市公司创新的影响，对 “强省会”战略的创新效应进行检验。利用上市公司所在地和年份与区域数据进行匹配，最终得到3024家企业的 30200 条数据。首先控制了企业层面的变量，包括企业营业收入、企业价值、有形资产率、企业盈利能力、股权结构、金融风险和企业业务能力。其次，使用不同因变量和样本进行检验。将专利申请、独立申请、发明专利、专利授权作为因变量，另外，考虑到制造业在创新中的重要地位，以专利申请为因变量对制造业企业进行单独检验。检验结果如表4所示。考虑到我国各省份在资源禀赋、经济结构和发展水平等方面的差异，本文利用分组回归，进行异质性检验。分组的标准为：（1）区位分布；（2）城市规模；（3）创新能力，异质性检验结果如表5所示。这种溢出效应一般表现为扩散效应和学习效应，前者是指由于技术的正外部性，一项技术形成以后，会通过各种渠道向外扩散，并帮助周边地区提升技术能力; 后者是指非省会城市通过学习省会城市的先进技术和经验，提高自身创新能力。为此，本文进一步从两个方面检验溢出效应，一是“强省会”战略的扩散效应，二是“强省会”战略对非省会城市创新能力的影响。本文使用空间引力模型来测度知识溢出，知识存量使用产出法来测度，基期知识存量的计算、非省会城市知识存量的计算分别如式（4）-（7）所示：从表6回归结果来看，省会首位度对知识扩散具有显著正向影响，，表明 “强省会”战略促进了省会知识向非省会城市的扩散和溢出。省会首位度对非省会具有显著的正向影响，即 “强省会”战略促进了非省会城市创新绩效。![]()
本文通过门槛效应检验“强省会”战略对经济和人口规模的非线性影响。门槛效应回归如表8所示，其中省会经济规模的双重门槛效应结果显示，“强省会”战略均对区域创新绩效具有显著正向影响，且随着省会经济规模的提升，上述影响效果增强。省会首位度人口规模的门槛效应结果显示，“强省会”战略均对区域创新绩效具有显著影响，且随省会人口规模增加，上述影响效果增强。为检验产业同构和教育资源的调节作用，基于（2）式模型，利用面板固定效用进行假设检验，结果如表9所示。如表9，使用省会首位度进行检验，结果显示，省会首位度与产业同构、教育资源的交互项对区域创新具有显著正向影响，此时省会首位度对区域创新的影响表现为其与产业同构、教育资源的混合效应，假设 2 和假设 3得到验证。另外，使用人口首位度进行检验，结果显示，人口首位度对区域创新具有正向影响，同时人口首位度与产业同构和教育资源交互项的系数也均显著为正，支持假设 2 和假设 3。1.本文结论
第一，“强省会”战略对全省区域创新绩效具有显著正向影响。同时，省会城市经济规模和人口规模均在省会首位度对区域创新影响中存在门槛效应， 随着城市规模的增加，省会首位度对区域创新的影响效果递增。
第二，产业同构和教育资源均在 “强省会”战略与区域创新之间具有正向调节作用。具体而言，省会与非省会城市的产业结构越相似，省会首位度对区域创新的带动效应越强; 非省会城市的高校等教育资源，强化了 “强省会”战略的带动作用。
第三，“强省会”战略对区域创新绩效的影响存在地区异质性。“强省会”战略在东部和中部地区、非特大超大城市地区、创新领先地区、经济发达地区对区域创新具有显著更大影响。
2.政策建议
（1）省会首位度对区域创新绩效具有促进作用，各省可以根据自身发展制定 “强省会”战略；
（2）引导省内产业结构的合理化协同发展，合理规划全省的产业布局。（3）注重省内科教资源的合理配置，提升非省会城市的研发能力和吸收能力。
（4）“强省会”战略的实施与推动要充分考虑 “因地制宜”。
参考文献
[1]杨博旭,柳卸林,常馨之.“强省会”战略的创新效应研究[J].数量经济技术经济研究,2023,(03):168-188.
1.点击公众号右上角三个点-设为星标
2.文章底部右下角点击”在看“图标
![]()
3.公众号后台发送
数据编号 1272
按照提示添加客服微信
转发朋友圈
发送保留1小时截图（要有5个点赞哦）和编号
