| 位置: 主页 > 资料下载 >

区域创新的空间分析及其影响因素

时间:2019-02-07 07:20  点击:  作者:飞天小白龙  来源:杏耀平台原创

杏耀娱乐资讯:

利用空间自相关模型,空间计量空间模型和空间计量空间误差模型,利用31项省级专利资助,总人口为、,大学毕业生经济增长数据创建了中国31个省。通过空间测量分析影响因素。

区域创新的空间分析及其影响因素

论文关键词创新输出;影响因素;空间测量

在中国区域科技发展过程中,影响专利创新的因素的空间相关机制不容忽视。在地理空间领域是否依赖专利创新及其相关影响因素?影响因素对创新有多大影响?定量研究对于制定中国独特的区域创新战略具有重要的理论和政策意义。

关于使用空间测量方法分析国外专利数据的研究很多。例如,ansellin和其他研究教育和科研投入对创新产生重大影响。他们建立了知识生产函数,并利用美国数据进行空间实证分析。

创新的内在影响和相互作用在不同的文献中有不同的观点。除了教育和研究投入外,西蒙认为每个人都有发现新技术的机会。在历史的任何一点,人数决定了创新的数量。 “干中学”模式认为知识是经济生产活动的副产品。在中国,使用空间测量方法的论文较少。吴玉明利用空间测量方法研究中国各省的研发和创新。

针对中国专利数据的特殊性,结合已有的成果,本文利用2004年和2006年中国大陆31个省市的相关数据,分析了、人口、大学毕业生的经济状况等因素。创新能力的影响。

1创新产出和影响因素的空间测量

区域创新的空间分析及其影响因素

1.1模型的建立和指标的选择

在内生经济增长模型中,romer,grossman和helpman的研究和开发模型将新思想的产生视为研究投资的函数、劳动量l和技术水平a,其功能是Cobb和格拉斯形式。

其中t是不同的周期,da是知识的增量,b是传递参数。

作为参数。事实上,投入研究的资本k和人力并没有得到很好的衡量。研究投入不足,大多数专利创新不是来自研究投资。获得资金支持的部门没有很高比例的专利申请。大多数科学研究成果以论文、的出版形式发表。因此,利用科学研究来解释创新存在一些问题。本文采用了更广泛的研究投入,即gdp取代k。这种替代也符合“干中学”的原则。 pgdp按消费者价格指数转换为当前年份的实际价值。同样,由于创新主体的广泛分布,即创新主体不仅限于全职研究人员,它也被人口流行所取代。这种替代也可以在西蒙的人口决定创新数量的理论中找到。知识存量水平,a难以衡量。许多文献没有直接考虑知识的存量水平,而是通过教育投入间接反映知识存量水平的作用。原因是知识存量的水平通过教育转移给生产者。生产新知识。然而,使用教育投入来反映知识存量的水平同样存在问题。由于中国高校有庞大的行政物流管理人员,而且由于机构分散,管理体制不完善,浪费了、专业和不合理的课程设置等,很多教育资源都没有用于知识革新。更好的方法是选择受过教育的人来反映知识水平,因为知识最终由受过良好教育的人进行和教育。本文利用大学毕业生数量衡量教育发展程度,并反映知识存量水平转化为新知识生产的程度,而不是a,因此模型变为

该模型采用两侧的对数,lzsq是专利授权的数量,代表知识的增量水平。考虑到创新的滞后,本文的影响因素落后于第二阶段。创新产出在2006年采用了专利创新,其影响因素采用了2004年大学毕业生、人口的经济增长率。

各省的创新能力之间存在相互作用。例如杏耀平台注册,在该省接受培训的学生可以到省内进行科学研究活动; A省的一项专利,其思路可能会刺激B省的另一项创新;该省的经济发展也可以推动邻近省份的创新活动。因此,在研究创新活动时,不考虑空间相关性是不现实的。

1.2空间测量结果和分析

1.2.1测量结果。首先计算3l个省市的专利授权(lnz.lsq)、大学毕业生(lnedu)、人口(lnpop)、经济增长(lnpgdp)的moran指数是0.3355、0.3086、0.2434、和0.3501, Moran指数的正态统计值大于0.01(1.96)水平的正态分布函数的临界值,表明各省的专利创新和大学毕业生的、人口经济增长为、。空间分布不表现出完全随机的状态,而是表现出相似值之间的空间聚类。

空间自相关测试结果表明,对中国专利创新和影响创新相关因素的理论和实证研究,传统的研究思路只从时间维度出发,忽略了空间维度的相关性和异质性,存在严重的问题。理论上的缺点。它与创新的现实和与创新相关的因素不符。在进行专利创新及其相关因素时,有必要考虑纳入空间依赖性的空间计量经济模型。为了比较,首先给出ols估计结果,如表杏耀娱乐平台1所示。下面给出两个拉格朗日乘数的moran指数检验、,以确定空间计量经济模型slm和sem的形式,使用最大似然估计(ml的参数估计结果如表2所示。比较表1和测试表2中的结果发现,空间延迟模型slm和空间误差模型sem的拟合优度检验值高于ols模型,对数似然函数值logl、aic和sc值在ols、slm和sem中,sem具有最大的logl,而aic和sc是最小的,因此sem模型相对更好。可以看出空间滞后模型和空间误差模型被用作忽略地理空间效应的经典回归模型的修正。消除了模型的空间自相关性。估计具有ols的slm和sem模型是有偏差的或不一致的。经典的线性回归模型基于由于省略了空间误差自相关,ols方法没有得到充分的设计。与ols估计相比,ml方法估计的sem和slm模型消除了模型的设定偏差,结果更准确。、更可靠,是正确的模型设置形式。


如果喜欢此文章,转载请注明本文地址:http://www.hb2520.com/afd/ziliaoxiazai/20190207/760.html

杏耀娱乐平台股份有限公司成立于2012年4月,是首家从事杏耀平台注册,杏耀手机游戏注册研究的高科技企业

Copyright © 2012-2019 版权所有:杏耀娱乐官方网站 本站技术支持:www.hb2520.com 备案号:浙ICB备-551264214-B43