创新要素流动能否促进地区制造业结构优化

奥鹏网院作业

创新要素流动能否促进地区制造业结构优化——理论解析与实证检验创新要素流动能否促进地区制造业结构优化
——理论解析与实证检验

摘 要： 在理论阐述创新要素流动对制造业结构优化的作用机理及依赖条件的基础上，利用2000—2016年省际面板数据，采用空间计量分析方法，实证检验R&D人员和R&D资本流动对制造业结构优化的影响，以及相应的影响机制与效应。研究发现，整体上，地区间制造业结构优化存在显著的空间相关效应，且受此效应的作用，两类创新要素在区际间的流动显著促进了地区制造业结构合理化和高度化。影响机制检验表明，R&D人员流动可以通过刺激消费需求和“倒逼”制度变革间接加速制造业结构优化，而R&D资本流动仅通过消费需求这个中介变量，促进了制造业结构优化；此外，创新要素区际流动对制造业结构优化的推进作用还高度依赖于各地区的技术市场发展水平和政府支持程度。

关键词： 制造业结构优化； 创新要素流动； 空间面板计量； 作用机制

一、引言

改革开放以来，中国制造业凭借初级生产要素的低成本优势得以持续、快速发展，成为全球第一制造大国和制成品出口大国。但是，也要清醒地认识到，中国制造业多而不精、大而不强的特征依然突出，产品附加值低、核心技术缺乏的状况仍然存在，并且受到国内外诸多因素的制约。从国内看，近年来随着土地、劳动力、原材料价格的上涨，制造业发展依托的低成本优势逐步消失，资源环境约束日益加剧。从国际看，欧美等发达国家纷纷出台实施“再工业化”战略，吸引中高端制造业回流；东南亚等发展中国家以“环境污染天堂”和廉价生产要素，吸引制造业中低端行业落地，“中国制造”面临双重挤压。在此情形下，中国实施创新驱动发展战略，以创新驱动制造业结构优化，增强制造业国际竞争力，成为推动经济高质量发展的必然要求。

随着创新驱动发展战略的不断推进，各地区纷纷增加对创新生产的投入，并积极创造各种有利条件，以促使创新要素向本地区流动。创新要素在区际间的流动，对区域创新绩效的影响也越来越明显。已有研究表明，创新要素的区际流动推动了其在区域空间上的优化配置，有利于地区整体创新效率水平的提升[1]。事实上，创新要素流动加速了区域创新合作网络的形成[2]，推动了创新知识和创新技能的传播与扩散[3]，势必会对区域经济发展的各个方面产生深远影响。由此，不禁产生这样的疑问：创新要素的区际流动能否促进地区制造业结构优化？如果能，其中的作用机制又是什么？在加快实施国家创新驱动发展战略的关键时期，解答上述问题不仅有利于丰富地区制造业优化路径的相关研究，而且可为新时代下加速创新要素在区际间的合理流动提供一定的决策依据。

通过Ellman比色法评价了共19种天然产物粗提物的抗AChE活性，结果显示，黄柏、元胡、钩藤、血三七的粗提取物具有较为显著的AChE抑制活性。应用亲和超滤液质联用技术对钩藤粗提物进行乙酰胆碱酯酶抑制剂的分离、鉴别，发现化合物3-二氢异卡丹宾或者3-二氢卡丹宾；钩藤碱、异钩藤碱、柯诺辛或异柯诺辛为活性化合物。

基于此，本文采用空间计量分析方法研究创新要素流动对地区制造业结构优化的影响，可能的边际贡献在于：一是，基于创新要素动态流动的视角，将创新要素流动纳入到制造业升级的分析框架中，系统剖析其对制造业结构优化的内部作用机理，在理论上进行有益探讨；二是，在考虑地区间制造业结构优化可能存在空间相关性的基础上，运用空间计量模型，实证检验创新要素流动对制造业结构优化的影响，从方法上使得研究结果更具有说服力；三是，进一步就创新要素流动对制造业结构优化的影响机制进行实证检验，从而深化了创新要素流动与制造业结构优化关系的研究。

二、文献回顾与机制分析(一)文献回顾

从现有文献来看，与本文最密切相关的研究有以下两类：一是创新要素投入对地区产业升级的影响分析；二是创新要素流动的效应评价。因此，本文文献综述部分将基于上述两类研究展开。

1.创新要素投入对产业升级的影响

创新要素(以R&D资本和R&D人员为主)作为创新综合过程的基础和核心，是加快实施创新驱动发展战略，推进产业结构优化升级的重要战略资源，因而受到学界的高度关注。Freeman和Soete(1997)[4]、郑新立(2010)[5]考察了创新要素影响产业升级的内在机制和影响途径，认为创新要素的技术进步效应可以有效推动产业结构升级。Altenburg(2008)[6]的研究表明，中国不断增加的创新投入，使其产品竞争力得以较快提升，产业结构也更加合理。付宏等(2013)[7]基于中国省级面板数据揭示了创新要素投入对产业结构高级化具有促进作用，但这种影响并不存在显著的动态连续性特征。储德银和张同斌(2013)[8]对高技术产业的分析显示，R&D资本投入在短期和长期内均会显著促进高新技术产业的发展。蔡玉蓉和汪慧玲(2018)[9]采用分位数回归方法的研究发现，R&D资本投入在所有分位点均推动了地区产业结构升级，且作用程度按东、中、西部地区依次递减。此外，徐珊等(2016)[10]还讨论了大企业创新投入与产业升级的非线性关系，结果表明，专业化集聚对提高R&D人员和R&D资本的产业升级效应具有正向调节作用，而市场化则未表现出积极的影响。综合来看，上述文献多以创新要素本身为考察对象，从静态化的视度研究创新要素投入对地区产业发展的影响。但结合我国开放式创新情景，研究创新要素的动态流动对产业结构影响的文献尚不多见，考察创新要素流动影响制造业结构优化的文献则更少。

2.创新要素流动的效应评价

在创新要素流动效应的已有研究中，相关文献重点考察了创新要素的区际流动对区域经济发展和创新绩效的影响。如周振华和韩汉君(2002)[11]认为资金、人才等创新要素通过一定方式的流动，能够有效完成资源规模的扩大和价值的实现，有利于经济部门生产效益的提升。白俊红等(2017)[12]研究发现，创新要素流动具有显著的空间知识溢出效应，且这一溢出效应对经济增长呈现积极的正向影响。卓乘风和邓峰(2017)[13]检验了创新要素流动对区域创新效率的影响，结果表明，创新要素在区际间的流动显著促进了地区创新效率的提升。王钺和刘秉镰(2017)[14]基于空间计量模型的实证分析显示，R&D资本的区际流动对区域全要素生产率具有显著的提升效应，而R&D人员流动的作用效应并不显著。邵汉华和钟琪(2018)[15]讨论了创新要素流动对协同创新效率的影响及其非线性关系，发现过低的金融支持、过高的研发投入强度均不利于创新要素流动的协同创新效应的充分发挥。不难看出，现有创新要素流动与创新效率、经济增长关系的研究已较为完善，但都没有直接与制造业结构优化升级的问题联系起来，这为本文展开进一步的研究提供了广阔空间。

(二)作用机制与理论假设

1.创新要素流动对制造业结构优化的影响效应

由于制造业结构调整是一个动态演进的过程，现有文献多从合理化和高度化两个维度来反映制造业结构的优化升级。其中，制造业结构合理化主要强调经济运行中各细分行业之间的聚合质量及资源配置效率，刻画了制造业内部协调发展的程度。而制造业高度化一般强调细分行业从劳动密集型到资本密集型、再到知识技术密集型的顺次转换，主要用于反映制造业内部结构的转型升级。本文沿用既有研究的做法，从制造业结构合理化和高度化两个维度，探讨创新要素流动对制造业结构优化的影响效应。

首先，创新要素流动的结构合理化效应。制造业内部行业间原有技术基础的不同，使得创新要素流动的知识溢出对各行业劳动生产率的影响效果存在明显差异，从而导致行业间产出与利润率的变化，打破了经济部门原有的均衡[16]。而经济状态的失衡又会引发劳动、资本、信息等要素资源从低效率行业向高效率行业的流动，使行业部门间资源配置结构不断完善，要素投入产出结构耦合程度逐步提升，最终推进制造业结构合理化进程。此外，由于创新要素的“知识性”和“技术性”特征，其在区际间的自由流动，可以优化R&D资源的配置，带动产业技术效率的提高。随着技术效率水平的改进，各生产性要素资源会得到更有效的利用，制造业结构也会更加合理化[17]。

其次，创新要素流动的结构高度化效应。创新要素在区际间的合理流动有助于加速制造业技术创新的步伐，从而推动制造业不断从技术中、低端向高端环节的攀升[18]。一方面，创新要素往往携带丰富的知识信息以及高超的研发技能，因此，创新要素在区域间的动态流动，将会加速新知识、新技能的形成、传播与交流，继而推动地区制造业技术水平的提升，实现制造业结构的根本性变革；另一方面，创新要素流动能够推进地区间的协同创新，加快不同创新执行部门创新合作网络的形成，并通过协同创新网络间的分工、合作、互动，提升知识链、产业链和价值链的联动[15]，进一步促进地区制造业的高度化发展。结合上述理论分析，提出如下假设。

H1 创新要素流动对制造业结构优化具有积极的促进效应。

2.创新要素流动促进效应产生的机制

3.加强培训，提升素质。新时代给企业思想政治工作提出了高要求，这不仅要求政工人员要严于律己、以身作则，同时要求政工人员有着科学的工作方式和能力素质，只有这样才能够保证思想政治工作的科学性。因此，企业应当加强对政工人员的培训，俗话说“打铁还需自身硬”，只有将员工自身的思想政治素质提升之后才能够发挥其重要的教育作用。除了对思想的培训外，企业还应当对员工的教育素质进行培训，例如开展心理学、管理学以及语言学等与思想政治工作相关的理论课程，以此来为思想政治工作打下坚实的理论基础。

已有研究表明，一个国家(地区)制造业结构的变迁往往与该国(地区)的消费需求、制度变革密切相关，而创新要素在区际间的流动又会对一个国家(地区)的消费需求、制度变革等方面产生潜移默化的影响。为此，本文主要从消费需求和制度变革两个渠道来剖析创新要素流动对制造业结构优化影响的中介效应。

创新要素在区际间的流动促使消费需求结构变化，是实现地区制造业结构优化的重要途径。一方面，流入的创新要素，特别是R&D人员通常具备较高的消费能力以及技术偏好，在基本生活需求得到满足的前提下，会不断加大对高技术含量、高附加值产品的需求，这推动了消费需求升级，而需求是经济活动的起点，消费需求升级可以通过“鲍莫尔效应”和“恩格尔效应”带动产业升级，有利于制造业结构合理化和高度化发展[19]；另一方面，作为技术创新活动的基础，创新要素在流入地的生产活动推动了新材料、新产品、新机器等不断出现，这不仅会引起生产性需求结构的变动，而且也会诱发个人消费需求结构的变化，从而导致制造业结构必须加快优化升级的步伐才能适应需求结构的变动。基于消费需求的视角，提出如下假设。

H2a 消费需求在创新要素流动影响制造业结构优化的关系中具有中介作用。

制度经济学认为，制造业结构变迁的根本原因之一，是经济制度安排和社会劳动分工的变化[20]。经济制度作为生产关系中的一种特殊形式，决定着一国(地区)资源配置的方式，所以制度的革新会在某种程度上影响产业的转型升级。已有经验研究也表明，产业发展进程中确实会出现经济体制改革和制度创新的趋势[21]。与此同时，创新要素往往包含有较高的创新水平和先进的管理技术，其在区际间的合理、有序流动，必然会推动产业部门摆脱传统经济思想和管理制度的束缚，加快地区经济制度革新的步伐，从而对制造业结构的转型升级带来影响和冲击。此外，无论是R&D人员还是控制R&D资金流向的人，均具有追逐自身利益最大化的倾向，创新要素的流入有助于加快地区资源配置机制的完善和人事分配制度的改革，为增强产业转型的制度供给添砖加瓦，进而实现地区制造业合理化与高级化发展。基于制度变革的视角，提出如下假设。

H2b 制度变革在创新要素流动影响制造业结构优化的关系中具有中介作用。

此外，考虑到市场与政府是优化配置创新资源的两种重要手段，完善的市场机制和有效的政府支持不仅对构建高效国家创新体系具有重要意义，也是更好地推动创新要素区际流动的重要因素。接下来，本文将阐述技术市场发展、政府支持在创新要素流动影响制造业结构优化的过程中可能存在的调节作用。

健全的市场机制与激烈的市场竞争，是促进地区技术创新的重要前提[22]。而这一前提的实现，又依赖于完善的技术市场为创新资源的合理流动以及创新成果的转让、转化提供平台支持与体制保障。因此，技术市场的不断发展不仅对建设地区科技创新体系意义重大，也是促进创新资源自由、有序流动，进而实现制造业结构合理化和高级化的重要条件。已有研究揭示，在技术市场发展到一定规模的情况下，创新资源的“价格机制”逐渐形成和完善，这有利于创新资源的有效配置，对企业技术创新效率的提升有着积极的促进作用[23]。同时，在技术市场发展程度较高的地区，企业科技创新的交易流程会被大大缩短，交易成本也会显著降低，这有助于创新资源的自由流动，进而推动制造业技术水平的发展。反之，在技术市场发展滞后的区域，创新资源的流动性较差，企业不能合理配置研发资源，从而导致科技创新成果产出不足，妨碍了制造业结构的转型升级。基于技术市场发展的视角，提出如下假设。

H3a 技术市场发展在创新要素流动影响制造业结构优化的关系中具有正向调节作用，即在技术市场发展水平越高的区域，创新要素流动对制造业结构优化的促进效应越强。

科技创新活动的公共物品属性及其面临的市场、技术风险[24]，使得完全依靠市场机制配置创新资源难以满足产业发展的需要，必须由政府给予更多地支持，以加快创新要素在区际间的合理流动，提升创新效率，促进制造业技术水平的提升。其中，对于创新人员而言，当政府通过财政拨款、减免税收等多种手段支持企业创新活动时，企业将会拥有更多的资金用于引进R&D人员、改善创新活动环境，推动产业技术创新，而政府出台和实施的各种保护创新活动的法律、法规，则会给流入本地的R&D人员传递一个积极的信号，促使其产生更大的创新效应；就创新资本而言，政府对于创新项目的补助、对创新活动的支持以及知识产权保护体系的完善，可以在一定程度上分担创新主体的生产成本，降低创新活动的潜在风险，从而有利于流入本地的R&D资本提升创新效率，为制造业结构合理化和高级化提供技术支撑。基于政府支持的视角，提出如下假设。

H3b 政府支持在创新要素流动影响制造业结构优化的关系中具有正向调节作用，即在政府支持程度越高的地区，创新要素流动促进制造业结构优化的作用越明显。

三、模型设定、变量说明和数据来源(一)空间计量模型的设定

由于传统计量经济学忽视了空间地理因素的存在，因而较少关注区域之间的空间相关性。Rey和Montouri(1999)[25]认为区域经济问题的分析中，忽略空间地理因素的模型设定可能难以获得精准的研究结果。空间计量方法改变了传统计量数据均质性与无关联的假定，通过增加截面单元的位置信息(或相互距离)，充分考虑经济数据的空间相关性特征，从而一定程度上避免了实证分析中非一致性参数估计结果的产生。鉴于此，本文采用空间计量分析方法进行实证分析。关于空间计量模型的设定，整体来看，国内大多数文献主要将其分为两类模型，即空间滞后模型(SAR)和空间误差模型(SEM)[14]。在空间滞后模型中，空间相关性由领近区域因变量的滞后因子来反映，用于分析创新要素流动与制造业结构优化关系的SAR模型可设定为

   

(1)

   

(2)

上述两式中，下标i、t分别表示地区和时间。Yit代表制造业结构优化，FPit、FCit分别为R&D人员流动和R&D资本流动，以反映创新要素在区际间的流动情况。X为控制变量所组成的集合。εit为随机扰动项表示被解释变量的空间滞后因子，Wij表示空间权重矩阵W中的元素。依据空间依赖关系的不同，空间权重矩阵主要有“邻近式”“几何距离”和“经济距离”等不同设置方式。由于邻近式空间权重矩阵的选取过于简单，而区域间的溢出效应又不仅仅是空间距离的近似函数，对于空间权重矩阵的选取还需要考虑区域间单位经济发展规模的交互影响。鉴此，参照Fingleton和Gallo(2008)[26]的做法，设定经济距离权重矩阵，见式(3)。dij表示观察期内i、j两地区省会城市间的地理距离，根据国家地理基础信息中心网站提供的经纬度数据可求分别表示两地区的人均表示空间权重矩阵的“行标准化”。

   
   

(3)

当通过误差项来体现区域间的相互关系时，则采用空间误差模型(SEM)。检验创新要素流动与制造业结构优化关系的SEM模型如下

Yit=α+βFPit+δXit+εit，

   

(4)

Yit=α+βFCit+δXit+εit，

   

(5)

其中,λ为空间误差系数，πit为随机误差项，其余变量定义同上。

(二)变量说明

1.被解释变量

制造业结构优化包括结构合理化和结构高度化两个方面。其中，制造业结构合理化(ER)强调各细分行业的协调水平、资源配置效率以及结构聚合质量等。本文借鉴于斌斌(2015)[27]的做法，使用泰勒指数的倒数来表征地区制造业结构合理化水平，具体计算公式为

   

(6)

其中，TL为泰勒指数，Y、L、i、m分别表示产出、从业人员、行业部门类型、行业部门总数。当TL=0时，经济体系保持均衡状态，TL数值越大经济运行偏离均衡状态的程度越严重，制造业结构也就越不合理。而ER与TL的作用机理相反，即ER数值越大，要素投入-产出结构的耦合程度越高，也即制造业结构越合理。

制造业高度化(TS)一般是指细分行业从劳动密集型到资本密集型、再到知识技术密集型的顺次转换，主要用于反映制造业内部结构的转型升级。本文借鉴傅元海(2016)[28]的做法，将制造业细分行业划分为低端、中端和高端技术产业三大类，以高端技术产业总产值占制造业的比例来表征制造业结构高度化水平。

2.核心解释变量

选取创新要素中处于主体地位的R&D人员和R&D资本流动来反映创新要素在区域间的流动情况，并依据白俊红和蒋伏心(2015)[1]的做法，采用引力模型对R&D要素的流动数量予以测算。引力模型是物理学中牛顿的引力法则在经济学中的成功运用，通常用于研究经济社会中的空间交互作用问题。早在19世纪，英国学者雷文茨坦就率先采用这一模型来研究地区间人口流动所产生的空间联系，之后经Bergstrand(1985)[29]、Anderson和Wincoop(2003)[30]等学者的进一步确认和拓展，逐渐成为考察要素流动问题的一个主流模型。引力模型的一般形式设定为

社会环境的变化使摄影技术在人民群众的生活中被广泛接触和使用，不再局限于少数人的圈子。群众摄影不仅能够培养人民群众的审美能力和艺术感知，还推进了人民群众精神生活的多样化发展。县文化馆是本县当地人民群众文化活动的中心场所，笔者在县文化馆从事多年摄影工作，不仅记录了县文化馆文化宣传教育和文娱生活的点滴，还在本县推广摄影知识，极力将摄影普及到人民群众的日常生活中去。[1]本文结合多年来的摄影工作经验，主要从以下两方面对群众文化摄影的社会时尚引导力的提升进行探讨。

   

(7)

上式中，Fij表示从i地区流动到j地区的要素数量；K表示区域i、j之间的的引力系数，一般取1；Ni、Nj为两地区某种流动要素(如人员和资本)的度量；a为引力参数，一般取1；dij为地区i与地区j之间的地理距离；b为距离衰减指数，一般取2。

参照式(7)的表述形式，在充分考虑R&D人员和资本流动特征的基础上，本文分别构建测算两种创新要素流动量的引力模型。

(1)R&D人员流动量(FP)的引力模型。在分析人员流动时，美国学者Bogue D J提出的“推力—拉力”理论能够较好地阐释人员的动态流动，该理论认为人口迁移的原因是由迁出地的推力因素与迁入地的拉力因素共同作用的结果[13]。基于此，建立如下模型

   

(8)

   

(9)

式(8)中，FPij表示从i地区流动到j地区的R&D人员流动量；pei为i地区的R&D人员数，其值越大，说明i地区研发人员稀缺性的降低以及相互竞争程度的提升，从而形成了一种向外的“推力”；wagej是j地区的平均工资，由于“趋利性”的存在，j地区较高的工资水平会对i省R&D人员的流动形成“拉力”；dij同式(3)。式(9)中，FPi表示某一年份i地区R&D人员的总流动量。

(2)R&D资本流动量(FC)的引力模型。相对于R&D人员流动而言，R&D资本流动较少受到上述“推力-拉力”理论的影响，更多地受到金融发展水平的影响，发达的金融系统有利于R&D资本在区际间的自由流动，因此，关于R&D资本流动的测算，采用如下模型

   

(10)

   

(11)

上述两式中，FCij表示从i地区流动到j地区的R&D资本流动量；Ki与Kj分别表示两地区的R&D资本存量，借鉴吴延兵(2006)[31]的做法，采用永续盘存法进行估算，计算公式为Kit=Iit+(1-δ)Kit-1，式中，δ为折旧率，取值为δ=0.15，Iit为当年R&D经费投入金额；FCi表示某一年份i地区R&D资本的总流动量，其余符号含义同上。

3.控制变量

实证分析中为尽量控制其他因素对制造业结构优化的影响，参照已有文献的做法，本文控制了如下变量：(1)经济发展水平(pgdp)，选择人均GDP来表示各地区经济发展水平；(2)城镇化率(urban)，以按户籍计算的城镇人口占总人口的比重来测度；(3)外商直接投资水平(fdi) ，采用各省份当年实际利用外资额除以固定资产投资总额反映地区外商投资水平；(4)金融发展水平(fis)，使用金融发展规模指标，即各地区金融机构贷款余额占GDP的比重来衡量。

(三)数据来源和基本统计量信息

本文样本统计范围为2000—2016年中国30个省(市区)的面板数据，西藏由于数据缺失严重不在考察范围之内。数据来源于中经网、中宏网、国研网、《中国统计年鉴》(历年)、《中国工业统计年鉴》(历年)、《中国科技统计年鉴》(历年)以及各省份历年统计年鉴，并对个别省份的缺失数据采用插值法进行补充。相关变量的定义及统计性描述见表1。

表1 主要变量的统计性描述

     

变量名称符号均值标准差最小值最大值观察值制造业结构合理化ER16.041 56.956 32.377 755.584 2510制造业结构高度化TS0.292 70.086 50.136 40.642 1510R&D人员流动量FP3.977 50.760 81.101 85.349 9510R&D资本流动量FC4.748 31.051 61.027 46.682 7510经济发展水平pgdp0.029 20.022 90.002 80.118 2510 城镇化率urban0.437 70.165 70.175 60.903 3510外商直接投资fdi0.012 10.043 80.000 10.480 2510金融发展水平finance1.032 80.325 60.426 92.142 5510

四、 空间计量回归及结果分析(一)空间自相关的检验分析

存在空间相关性(空间依赖性)是使用空间计量方法分析问题的前提条件，实际研究中，一般使用Moran’s I指数来检验区域经济数据的空间相关性。参照已有研究文献，本文运用全域Moran’s I指数检验区域制造业优化升级的空间自相关性，具体计算公式如下

   

(12)

式中，Wij为空间权重矩阵的元素，Yi为i地区制造业结构优化指标，为其均值，S2为制造业优化升级的方差。I为Moran’s I指数，I∈(-1,1)，如果I>0，则说明中国各省份制造业变迁具有正自相关性，即制造业优化的低值与低值聚集、高值与高值聚集；如果I<0，则意味着负自相关性的存在，即制造业结构优化的低值与高值聚集。

表2列示了2000—2016年中国30个省份制造业结构优化的全域Moran’s I指数，结果显示历年制造业结构合理化和高度化的全域Moran’s I指数数值均大于0，且至少在10%的水平上显著，这表明，我国制造业结构优化的空间分布具有较强的正自相关性，也说明本文选用空间计量模型进行实证分析是适宜的。

(二)基准模型实证分析

对于空间计量模型SAR与SEM模型的取舍问题，本文参照 Anselin(1988)[32]的研究思路，通过比较两个Lagrange乘数及其稳健性，将SEM模型作为实证分析模型。关于空间面板模型估计方法的选取，本文采用极大似然估计法(ML)进行参数估计，该方法不仅可以有效克服传统OLS方法中存在的内生性问题，而且可以很好地反映经济变量的空间溢出效应。同时，Hausman检验拒绝了随机效应的原假设，故本文选择固定效应模型，计量回归结果见表3。

表2 2000—2016年制造业结构优化的全域Moran’s I指数

     

年份制造业结构合理化制造业结构高度化Moran’s IZ值Moran’s IZ值20000.195**2.5820.129*1.80920010.184**2.4740.142**1.98420020.190**2.5720.124*1.79620030.191***2.6220.141**1.98820040.183**2.5360.126*1.80620050.185**2.5840.110*1.65220060.182***2.5950.122*1.81320070.189***2.6780.145**2.07420080.195***2.7500.136**2.01120090.199***2.7850.147**2.10820100.224***3.0560.171**2.36520110.232***3.1620.198***2.67120120.234***3.1690.198***2.66120130.209***2.8680.158**2.17220140.222***2.9990.159**2.18420150.215***2.920.153**2.11920160.245***3.2340.192**2.532

注：*、** 、***分别表示显著性概率为p≤0.1、p≤0.05、p≤0.01。

由表3可以看出，模型1-模型8中空间误差自相关系数都在统计上高度显著且数值为正，说明各地区间制造业变迁的空间效应明显，一个地区的制造业结构优化与其邻近地区的制造业发展状况紧密相关，邻近区域制造业结构的优化升级对本地区制造业结构的变革具有积极的正向影响。同时，这也进一步表明，本文基于空间相关性的角度来考察创新要素流动对制造业结构优化的影响效应是合适的。

具体而言，在模型1和模型2中，本文检验了R&D人员流动对制造业结构合理化指数的影响，结果显示，R&D人员流动的回归系数均为正，且通过了1%水平下的显著性检验。从经济意义上看，加入控制变量后，R&D人员流动每增加1个单位，制造业结构合理化指数则会提高0.888个单位。在模型3和模型4中，R&D资本流动对制造业结构合理化影响的估计系数为0.265，控制相关变量后，系数降为0.205，且在1%的水平上显著。在模型5-模型8中，进一步将被解释变量替换为制造业结构高度化指数，回归结果表明，R&D人员和R&D资本流动的回归系数依然非常显著，在控制其他变量的情况下，R&D人员流动和R&D资本流动对制造业结构高度化的估计系数分别为0.160和0.043。

从上述结果可见，无论是以R&D人员流动量FP，还是以R&D资本流动量FC作为衡量创新要素流动的变量，无论是制造业结构优化采用合理化指标，还是采用高度化指标，创新要素流动的回归系数均显著为正。这一致说明，R&D人员与R&D资本在区际间的动态流动显著促进了制造业结构合理化和高级化水平，初步验证了本文理论假设1的成立，即创新要素流动能够促进地区制造业结构的优化升级。

对上述回归模型包含的控制变量，本文做以下简单解释：经济发展水平(pgdp)，样本期间，地区经济发展促进了制造业结构优化，表明经济发展水平的提升是推动制造业结构优化升级的重要影响因素；城镇化(urban)对制造业结构优化升级的回归系数显著为正，城镇化可以通过促进产业分工与重组、提升资源利用效率、推动产业集聚等途径，为制造业结构向更高级转化提供强大动力；外商直接投资(fdi)对产业结构优化升级的作用效果并不显著，这可能源于我国外资利用效率较低，容易造成产业同质和产能过剩的问题，一定程度抑制了FDI对产业结构升级的外溢效应；关于金融发展(finance)，回归结果显示，金融发展促进了区域产业结构升级，这意味着金融体系的发展是推动地区产业结构优化升级的重要外部支撑条件。

表3 创新要素流动对制造业结构优化的影响

     

变量制造业结构合理化(ER)制造业结构高度化(TS)模型1模型2模型3模型4模型5模型6模型7模型8FP1.581***(7.954)0.888***(4.377)——0.198***(14.18)0.160***(7.88)——FC——0.265**(2.272)0.205***(3.410)——0.056***(10.16)0.043***(7.05)pgdp—4.871***(3.449)—6.164***(4.509)—0.078(0.57)—0.182(1.30)urban—0.460**(2.414)—0.518***(2.710)—0.062***(3.12)—0.074***(3.78)fdi—-0.077(-0.302)—-0.106(-0.412)—0.016(0.60)—0.013(0.47)finance—0.475***(7.352)—0.500***(7.679)—0.030***(4.43)—0.034***(4.83)λ0.626***(13.75)0.513***(9.63)0.725***(13.67)0.500***(8.82)0.489***(9.19)0.414***(6.73)0.579***(11.79)0.458***(7.44)R20.5450.6480.5030.6510.5970.6410.5470.626N510510510510510510510510

注：*、** 、*** 分别表示显著性概率为p≤0.1、p≤0.05、p≤0.01；()内为t统计量。

(三)稳健性分析

1.改变创新要素流动测算方式

这是商景兰对于自我价值的理解和思考，是女性觉醒的可贵声音。以“才”为归结点，商景兰把现世幸福的失落，在“立言”以求不朽中得到了超越，从而将文学活动作为生命苦难的感性慰藉，升华到扬名后世的理性追求。商景兰后半生的生命探索与价值追寻，至此划上了圆满的句号。

创新要素流动作为本文实证模型的核心解释变量，其测算方式的科学性尤为重要。为保证实证结果的稳健性，将改变R&D人员和R&D资本流动的测算方式并运行空间计量模型进行实证分析。具体而言，参照王钺和刘秉镰(2017)[14]的做法，将衡量地区“拉力”因素的平均工资替换为人均GDP重新测算R&D人员流动量；依据Toole(2012)[33]的研究思路，将R&D资本折旧率取值为20%对R&D资本的流动量进行测算。表4模型9-模型12列示了计量模型的回归结果，从各列结果可以看出，改变创新要素流动测算方式的空间计量结果与前文最大的不同在于R&D人员流动和R&D资本流动的系数估计值有所提高或降低，但得到的结论是一致的。这表明，创新要素流动促进区域制造业结构优化的基本结论是稳健的。

2.采用SAR模型

为进一步验证上述实证结果的稳健性，本文采用空间滞后模型(SAR)，对创新要素流动影响制造业结构优化的作用效果重新进行回归分析，表4模型13-模型16汇报了SAR模型的实证结果。不难看出，空间相关系数均在1%水平上显著为正，说明各地区的制造业结构优化具有明显的正向相关关系。这也表明，不管选取何种空间计量模型，实证结果均表明，在制造业优化升级问题的研究中，不能将各地区视为独立的个体来考察，地区间制造业结构变迁存在明显的空间集聚现象，应当采用空间计量方法对地区间的相互关系进行分析。同时，R&D人员和R&D资本在区际间的流动对区域制造业优化的促进效应仍然存在，控制变量对产业结构升级的影响与前文分析结果也基本一致。由此可见，前文实证结果具有较好地稳健性和可靠性。

表4 稳健性分析的回归结果

     

变量改变R&D要素流动测算方式采用SAR模型模型9模型10模型11模型12模型13模型14模型15模型16FP0.804***(5.34)—0.117***(11.38)—0.563***(4.23)—0.091***(5.97)—FC—0.322***(3.44)—0.057***(10.30)—0.131***(3.23)—0.023***(5.11)pgdp5.179***(4.01)5.260***(4.07)0.159(1.18)0.160(1.18)2.302**(2.10)2.205**(1.99)0.0369(0.32)0.0177(0.15)urban0.589***(3.29)0.666***(3.77)0.066***(3.43)0.076***(4.03)0.331*(1.81)0.485***(2.76)0.0490**(2.53)0.0660***(3.52)fdi-0.125(-0.50)-0.119(-0.48)0.011(0.41)0.010(0.36)-0.119(-0.47)-0.117(-0.45)0.0239(0.88)0.0228(0.84)finance0.475***(7.16)0.485***(7.18)0.031***(4.51)0.033***(4.67)0.433***(8.23)0.445***(8.31)0.0310***(5.52)0.0327***(5.74)λ0.642***(13.19)0.677***(13.15)0.461***(7.99)0.497***(8.92)————ρ————0.568***(13.87)0.595***(14.65)0.434***(8.36)0.483***(9.87)R20.5980.5770.6310.6160.6430.6350.6530.637N510510510510510510510510

注：*、** 、***分别表示显著性概率为p≤0.1、p≤0.05、p≤0.01；()内为t统计量。

五、 影响机制检验

上文实证结果已验证，创新要素在区际间的流动对区域制造业结构优化具有积极的促进作用。但是，创新要素流动是如何促进了制造业结构的优化升级仍停留在理论分析层面。鉴于此，在这一节，本文将通过中介效应和调节效应的实证检验，试图提供进一步的经验证据，以期打开创新要素流动影响制造业优化的“黑箱”。

(一)中介效应

正如前文假设2a和2b所阐述，创新要素流动可通过消费需求效应和制度变革效应间接促进制造业结构优化，为验证这一机制假说的正确性，本文借鉴Baron和Kenny(1986)[34]的三步因果分析法进行回归分析，具体步骤如下：第一，将被解释变量(结构合理化和高度化)对解释变量(R&D人员和R&D资本流动)进行回归；第二，将中介变量(消费需求和制度变革)对解释变量进行回归；第三，将被解释变量同时对解释变量和中介变量进行回归。其中，第一步回归结果如表3所示，余下两步中介效应的实证结果见表5和表6。此外，对于中介变量消费需求(consum)和制度变革(institu)的衡量，consum采用各省份人均社会零售消费总额表示，institu参照蔡海亚和徐盈之(2017)[21]的做法，以各地区人均财政支出与中央人均财政支出的比值进行刻画。

表5报告了创新要素流动对制造业结构优化的消费需求效应的检验结果。模型17中R&D人员流动的估计系数为正，通过了1%的显著性水平检验，说明R&D人员在区际间的流动确实促进了地区消费水平的提升。模型19、模型21中R&D人员流动(FP)与制造业结构合理化、高度化呈高度正相关，且估计系数小于基准回归模型2、模型6中的估计系数，这意味着消费需求效应确实是R&D人员流动促进制造业结构优化的一个重要渠道，符合前文理论机制分析。模型18的实证结果表明，R&D资本在区域间的流动对消费需求存在显著的促进作用，同时，模型20与模型22中R&D资本流动(FC)的系数值也低于基准回归中的系数值，说明消费需求效应部分中介了R&D资本流动与制造业结构合理化和高度化之间的关系，上述回归结果证实了本文假设2a的成立。

表5 消费需求的中介效应回归结果

     

变量消费需求(consum)制造业结构合理化(ER)制造业结构高度化(TS)模型17模型18模型19模型20模型21模型22FP1.337***(3.91)—0.725***(4.23)—0.149***(9.26)—FC—0.272**(2.52)—0.176***(3.28)—0.037***(8.48)consum——0.286***(7.72)0.307***(8.39)0.007*(1.74)0.009**(2.22)pgdp3.728***(2.72)3.562***(2.61)4.104***(3.37)3.926***(3.21)0.146(1.09)0.128(0.95)urban0.299(1.55)0.359*(1.87)0.427**(2.46)0.507***(2.96)0.059***(3.00)0.073***(3.80)fdi0.363(1.36)0.387(1.46)-0.220(-0.92)-0.232(-0.97)0.011(0.40)0.008(0.30)finance0.270***(3.61)0.295***(3.93)0.365***(5.84)0.382***(6.04)0.027***(3.96)0.030***(4.30)λ0.784***(20.72)0.818***(27.23)0.568***(12.00)0.569***(11.28)0.411***(6.62)0.454***(7.41)R20.6700.6100.6690.6680.6440.630N510510510510510510

注：*、** 、***分别表示显著性概率为p≤0.1、p≤0.05、p≤0.01；()内为t统计量。

表6采用制度变革作为中介变量，由模型23的回归结果可以看出，R&D人员流动对制度变革的估计系数为2.254，且在1%水平上显著，说明R&D人员流动(FP)的确能对区域经济体制的变革带来积极的影响。与基准回归相比，模型25、模型27中R&D人员流动对制造业结构合理化和高度化的影响系数依然显著为正，但影响程度减弱，这表明经济制度变革在R&D人员流动对区域制造业结构合理化和高度化的影响中存在中介效应，推动经济体制变革确实是R&D人员流动促进制造业结构优化的一个重要手段，假设2b得到验证。另外，虽然模型24中R&D资本流动的估计系数为正，但并未通过统计性检验，就样本回归期间而言，R&D资本在区际间的流动“倒逼”地区经济制度变革的效应并不明显，这与假设2b的预期不符。为进一步检验R&D资本流动是否会通过制度变革效应对制造业结构合理化和高度化产生影响，我们参照Hayes的研究方法对回归结果进行Sobel检验。计算发现制造业结构合理化和高度化所对应的检验统计量Z依次为0.673、0.023，均小于临界值1.96，即Sobel检验的Z统计量未通过统计性检验，从而可以认定R&D资本流动并不会通过制度变革效应促进制造业结构的优化。对此可能的原因是，近年来，我国金融体系的不断完善以及互联网金融技术的迅猛发展，为R&D资本由利润率低的地区流向利润率高的地区提供了极大的便利，使得R&D资本在这一地区形成过度集聚，造成其稀缺性的不断减弱，并对“倒逼”制度变革显现出“拥挤效应”，从而导致制度变革在R&D资本流动影响制造业结构优化关系中的中介作用并未表现出来。

本项目采用直流PNP型NC常闭SN04-P2传感器，棕色线接电源正极，蓝色负极，黑色输出信号。接5V直流电后灯亮，开始工作，输出高电平0.7V；金属靠近灯灭，输出低电平，加74LS04非门将信号取反，与其他输出信息一致，即金属物体靠近，响应电路发出报警。

表6 制度变革的中介效应回归结果

     

变量制度变革(institu)制造业结构合理化(ER)制造业结构高度化(TS)模型23模型24模型25模型26模型27模型28FP2.254***3.72)—0.814***(5.25)—0.146***(10.05)—FC—0.177(0.77)—0.194***(4.60)—0.044***(9.32)institu——0.144***(7.93)0.155***(8.63)0.004*(1.87)0.005***(2.61)pgdp7.157**(2.51)6.991**(2.48)4.078***(3.36)3.845***(3.14)0.142(1.07)0.122(0.90)urban0.714*(1.78)0.844**(2.13)0.414**(2.40)0.487***(2.85)0.058***(2.96)0.071***(3.73)fdi0.601(1.08)0.688(1.26)-0.208(-0.87)-0.220(-0.92)0.011(0.41)0.008(0.31)finance0.665***(4.30)0.664***(4.28)0.353***(5.63)0.374***(5.94)0.027***(3.86)0.029***(4.19)λ0.733***(16.88)0.802***(23.45)0.572***(12.13)0.567***(11.30)0.410***(6.64)0.452***(7.46)R20.5990.4630.6690.6710.6450.632N510510510510510510

注：*、** 、*** 分别表示显著性概率为p≤0.1、p≤0.05、p≤0.01；()内为t统计量。

(二)调节效应

依据前文理论分析，本文认为创新要素流动与制造业结构优化的关系会受到各地区技术市场发展和政府研发支持等外部因素的影响。本文参照戴魁早(2018)[35]、李政等(2018)[36]的做法：(1)选取地区技术市场交易额和地方政府财政支出中科技支出占比作为表征各地区技术市场发展水平(MAR)和政府支持程度(GOV)的度量指标；(2)在基准回归方程(4)式和(5)式基础上，分别引入R&D人员流动(FP)和R&D资本流动(FC)与调节变量MAR的交乘项FP×MAR、FC×MAR，构建包含调节效应的实证模型，以检验技术市场发展在创新要素流动与制造业结构优化关系中的调节作用，对于政府支持与创新要素流动的融合对制造业结构优化影响的处理方式与之类似。表7汇报了调节效应的回归结果。

如表7模型29-模型32所示，当引入技术市场发展交互项时，核心解释变量FP和FC的系数值与基准回归的结果基本一致。同时，R&D人员流动、R&D资本流动与市场市场发展的交乘项FP×MAR、FC×MAR在回归模型中均显著为正，表明完善的技术市场促进了R&D人员和R&D资本流动对制造业结构优化正向作用的充分发挥，即技术市场发展水平越高的地区，创新要素流动对制造业结构优化的驱动效应越强。改革开放40年来，随着技术市场的不断发展，市场在创新资源配置过程中的决定性作用逐渐凸显出来，这加快了创新要素在区域间的自由、有序流动，提高了区域创新资源的利用效率，使创新要素流动的溢出效应得以增强，从而促进地区制造业结构的转型升级。因此，区域技术市场化的发展有利于创新要素流动推进制造业结构优化作用的充分发挥，这验证了本文假设3a的成立。

表7 调节效应回归结果

     

变量技术市场发展的调节作用政府支持的调节作用结构合理化(ER)结构高度化(TS)结构合理化(ER)结构高度化(TS)模型29模型30模型31模型32模型33模型34模型35模型36FP0.835***(4.48)—0.122***(6.60)—0.581***(2.98)—0.117***(6.38)—FC—0.123*(1.90)—0.028***(4.37)—0.009(0.12)—0.028***(4.59)FP×MAR0.204***(4.98)—0.017***(3.98)—————FC×MAR—0.185***(5.36)—0.016***(4.62)————FP×GOV————2.776***(7.16)—0.185***(4.38)—FC×GOV—————2.585***(8.00)—0.169***(4.81)pgdp4.744***(3.69)4.554***(3.48)0.146(1.09)0.132(0.98)2.781**(2.22)2.286*(1.82)0.052(0.39)0.018(0.13)urban0.445**(2.49)0.530***(2.99)0.0550***(2.87)0.064***(3.41)0.620***(3.63)0.765***(4.59)0.068***(3.56)0.083***(4.49)fdi-0.175(-0.71)-0.195(-0.79)0.010(0.36)0.006(0.24)-0.375(-1.57)-0.381(-1.60)-0.009(-0.32)-0.011(-0.42)finance0.471***(7.24)0.500***(7.57)0.029***(4.20)0.032***(4.60)0.456***(7.28)0.464***(7.37)0.028***(4.13)0.031***(4.45)λ0.596***(12.38)0.602***(11.65)0.477***(8.20)0.510***(9.39)0.646***(15.04)0.680***(15.32)0.472***(8.40)0.510***(9.53)R20.6360.6310.6360.6220.6320.6200.6410.627N510510510510510510510510

注：*、**、***分别表示显著性概率为p≤0.1、p≤0.05、p≤0.01；()内为t统计量。

从表7模型33-模型36回归结果来看，交互项FP×Gov、FC×Gol的回归系数均在1%的置信水平下显著为正，说明地方政府对研发创新的支持能够正向调节R&D人员流动、R&D资本流动与制造业结构变迁的关系。科技创新活动固有的正外部性决定了政府支持的重要性，政府通过对创新主体给予“精准”支持，使创新要素资源向高效率的地区流动，对提升科技创新的产出水平具有促进作用，而技术创新是地区制造业结构优化的根本动力。由此可知，在政府支持力度较大的地区，创新要素流动对制造业结构优化升级的促进作用更为明显，这证实了本文假设3b的内容。

六、 结论和启示

随着中国创新驱动战略的逐步推进，创新要素在区际间的流动规模不断扩大，并将对地区制造业结构优化产生重要影响。本文在深入分析创新要素流动影响制造业结构优化内在机理的基础上，利用中国分省区面板数据，采用空间计量经济学方法，实证考察了R&D人员和R&D资本流动对制造业结构优化的影响及其作用机制。研究结果表明：第一，R&D人员和R&D资本在区际间的动态流动不仅促进了制造业结构的合理化，还有助于制造业结构的高度化发展。第二，在创新要素流动影响制造业优化的路径上，R&D人员流动可以通过刺激消费需求、“倒逼”制度变革等渠道间接促进制造业结构优化；而R&D资本流动仅通过消费需求这个中介变量，促进了制造业结构优化，制度变革并不是一个有效的中介变量。第三，技术市场发展和政府支持对创新要素流动与制造业结构优化的关系具有正向调节作用，在技术市场发展水平越好、政府支持力度越大的地区，创新要素流动对制造业结构优化的促进效应越强。

上述研究结论，对科学引导创新要素的合理流动，实现创新资源的优化配置，推动中国制造业的优化升级具有一定的启示意义。首先，政府应进一步破除区域制度性壁垒，通过深化户籍制度改革，完善资本市场建设等途径，促进R&D人员和R&D资本等创新要素在区际间的自由流动，借此加速新知识、新技能在区际间的形成、传播与交流，从而推动我国制造业从劳动密集型、资本密集型向技术密集型的转型，引导制造业朝智能化、信息化和服务化方向的升级。其次，要积极拓展和优化创新要素流动促进制造业结构优化的其他渠道，有效增强消费需求、制度变革的中介作用。关于消费需求，应加快完善基本公共服务和社会保障体系，提高消费水平，同时，要不断改善金融环境，降低消费风险，以促进创新要素流动“消费需求”效应的充分发挥。在经济制度革新带来的产业升级中，各级政府要摆脱原有经济思想和制度的束缚，加快开放型经济体制的建设，以深度释放制度红利；另外，还应注意不同类型要素流动影响制度变革的差异性，着重优化R&D资本的投入结构和配置效率，以此促进R&D资本流动发挥其“制度变革”效应。最后，地方政府要充分重视技术市场发展和政府研发支持在创新要素流动影响制造业结构优化过程中的“催化剂”作用，扩大创新要素流动的效用。具体而言，一方面，通过完善技术市场的监督管理体系和法律保障体系，提升技术市场服务水平，规范技术市场的交易流程，以推进技术市场发展，增强创新要素流动对制造业结构优化的提升效应；另一方面，政府要加大科技创新活动的支持力度，优化创新资助谱系和支持机制，从而提升创新要素的流通速度和创新效率，加快制造业结构的转型升级。

当然，本文的研究也存在一些不足之处。由于时间及数据的限制，本文只关注了创新要素在区际之间的流动对制造业结构优化的带动效应，并没有考虑创新要素在各个地区内部的流动对地区制造业升级的影响，这可能具有一定的片面性。因此，在未来研究中，我们将对其给予重点关注。

参考文献

[1]白俊红,蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究,2015,50(7):174-187.

[2]BROEKEL T, GRAF H. Structural properties of cooperation networks in Germany: from basic to applied research: Jena Economic Research Papers 2010-078[R]. [S. l.]: Friedrich Schiller University Jena, 2010.

[3]ALMEIDA P, KOGUT B. Localization of knowledge and the mobility of engineers in regional networks [J]. Management Science, 1999, 45(7): 905-917．

[4]FREEMAN C, SOETE L．The economics of industrial innovation [M]. Cambridge, MA: MIT Press, 1997.

[5]郑新立.自主创新是实现产业升级的中心环节[J].求是,2010(2):21-24.

[6]ALTENBURG T, SCHMITZ H, STAMM A. Breakthrough China’s and India’s transition from production to innovation [J]. World Development, 2008, 36(2): 325-344.

[7]付宏,毛蕴诗,宋来胜.创新对产业结构高级化影响的实证研究——基于2000—2011年的省际面板数据[J]. 中国工业经济,2013(9):56-68.

[8]储德银,张同斌.自主研发、技术引进与高新技术产业成长[J].科研管理,2013,34(11):53-60+113.

[9]蔡玉蓉,汪慧玲.创新投入对产业结构升级的影响机制研究——基于分位数回归的分析[J].经济问题探索,2018(1):138-146.

[10]徐珊,刘笃池,梁彤缨.大企业创新投入驱动区域产业升级效应研究[J].科学学与科学技术管理,2016,37(10):38-48.

[11]周振华,韩汉君.流量经济及其理论体系[J].上海经济研究,2002(1):21-31.

[12]白俊红,王钺,蒋伏心,等.研发要素流动、空间知识溢出与经济增长[J].经济研究,2017,52(7):109-123.

[13]卓乘风,邓峰.创新要素流动与区域创新绩效——空间视角下政府调节作用的非线性检验[J].科学学与科学技术管理,2017,38(7):15-26.

[14]王钺,刘秉镰.创新要素的流动为何如此重要?——基于全要素生产率的视角[J].中国软科学,2017(8):91-101.

[15]邵汉华,钟琪.研发要素空间流动与区域协同创新效率[J].软科学,2018,32(11):120-123+129.

[16]高素英,钦彦祥,张烨.创新投入影响产业结构优化升级路径分析——基于本地效应与多元空间溢出效应[J].科技进步与对策,2017,34(19):60-67.

[17]阳立高,龚世豪,韩峰.劳动力供给变化对制造业结构优化的影响研究[J].财经研究,2017,43(2):122-134.

[18]傅元海,叶祥松,王展祥.制造业结构优化的技术进步路径选择——基于动态面板的经验分析[J].中国工业经济,2014(9):78-90.

[19]杨天宇,陈明玉.消费升级对产业迈向中高端的带动作用:理论逻辑和经验证据[J].经济学家,2018(11):48-54.

[20]YOUNG A A. Increasing returns and economic progress [J]. Economic Journal, 1928, 38(152): 527-542.

[21]蔡海亚,徐盈之.贸易开放是否影响了中国产业结构升级?[J].数量经济技术经济研究,2017,34(10):3-22.

[22]ACEMOGLU D, ROBINSON J A, VERDIER T. Can't we all be more like Scandinavians? Asymmetric growth and institutions in an interdependent world: NBER Working Paper, No.18441 [R]. [S. l.: s. n.], 2012.

[23]叶祥松,刘敬.政府支持、技术市场发展与科技创新效率[J].经济学动态,2018(7):67-81.

[24]ARROW K J. The economic implications of learning by doing [J]. Review of Economic Studies, 1962, 29(3): 155-173.

[25]REY S J, MONTOURI B D. US regional income convergence: a spatial econometric perspective [J]. Regional Studies, 1999, 33(2): 143-156.

[26]FINGLETON B, GALLO J L. Estimating spatial models with endogenous variables, a spatial lag and spatially dependent disturbances: finite sample properties [J]. Regional Science Review, 2008, 87(3): 319-339.

[27]于斌斌.产业结构调整与生产率提升的经济增长效应——基于中国城市动态空间面板模型的分析[J].中国工业经济,2015(12):83-98.

[28]傅元海,叶祥松,王展祥.制造业结构变迁与经济增长效率提高[J].经济研究,2016,51(8):86-100.

[29]BERGSTRAND J H. The gravity equation in international trade: some microeconomic foundations and empirical evidence [J].Review of Economics and Statistics, 1985, 67(3): 474-481.

[30]ANDERSON J E, VAN WINCOOP E. Gravity with gravitas: a solution to the border puzzle [J]. American Economic Review, 2003, 93(1):170-192.

[31]吴延兵.R&D存量、知识函数与生产效率[J].经济学(季刊),2006(3):1129-1156.

[32]ANSELIN L. Spatial econometrics: methods and models [M]. Dordrecht: Kluwer Academic Publishers, 1988.

[33]TOOLE A A. The impact of public basic research on industrial innovation: evidence from the pharmaceutical Industry [J]. Research Policy, 2012, 41(1): 1-12.

[34]BARON R M, KENNY D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic and statistical considerations [J].Journal of Personality and Social Psychology, 1986, 51(6):1173-1182.

[35]戴魁早.技术市场发展对出口技术复杂度的影响及其作用机制[J].中国工业经济,2018(7):117-135.

[36]李政,杨思莹.创新活动中的政府支持悖论:理论分析与实证检验[J].经济科学,2018(2):88-100.

Does Innovation Factors Flow Improve Structural Optimization of Manufacturing——Theoretical Interpretation and Empirical Analysis

ZHANG Ying-ying1, GAO Yu1,2

(1. School of Economic & Management, Northwest University, Xi’an 710127, China;2. Center for Studies of China Western Economic Development, Northwest University,Xi’an 710127, China)

Abstract：This paper first analyzed the reason why innovation Factors Flow can affect structural optimization of manufacturing industry in theory. It then used the panel data of provinces from 2000 to 2016 in China and the spatial econometric method to empirically test the impact of the interregional flow of R&D person and R&D capital on structural optimization of manufacturing industry, and the influence mechanism and effect. The results show that the regional optimization of manufacturing structure has spatial correlation effect obviously, and the R&D elements’ mobility could significantly make a positive effect on regional rationalization and upgrading of manufacturing structure. The path test shows that the interregional flow of R&D person has promoted optimization of manufacturing industry through stimulating consumer demand and forcing institutional reform, while the interregional flow of R&D person has promoted optimization of manufacturing industry only through stimulating consumer demand. In addition, the impact of the interregional flow of R&D person and R&D capital on structural optimization of manufacturing industry is also highly dependent on the level of technological market development and government support.

Key words：optimization of manufacturing structure; innovation factors flow; spatial econometric; acting mechanism