实证策略与数据说明详解

本节依托2004—2016年中国273个地级市的相关数据来经验分析创新及其溢出效应对中国经济高质量发展的影响。为考察创新和经济高质量发展之间的关系，我们借鉴沈坤荣等（2017）的研究，构建如下基准回归模型：

其中，下标i和t分别表示城市和年份。yit为测算的用以表征经济高质量发展水平的指数和人均GDP，为了准确分析创新和经济高质量发展之间的关系，我们用测算的经济高质量发展指数来衡量城市经济发展质量状况，同时用人均实际GDP（2004年不变价）来表征经济发展数量作为参考对照。其中，经济高质量发展指数采用算术平均法从发展的基本面、发展的社会成果和发展的生态成果三个维度进行了测算，以强调在经济高质量发展过程中，经济、社会和生态具有同等地位，需要全方位均衡发展^[1]。ln innovationit和Wln innovationit是核心解释变量，分别表示本市的创新和相邻城市的创新，即创新的溢出效应，W是空间权重矩阵。国外学者研究表明创新的扩散与地理距离有显著的相关性（Keller，2002），而舒元和才国伟（2007）对我国的研究亦证明创新溢出效应与地理距离成相反关系，因此我们采用基于地理距离倒数的空间权重，表明地理距离越近的城市，创新的空间溢出效应越强。由于专利的授予需要检测并交纳年费，同时也易于受官僚因素的干扰，相比较而言专利申请量较能真实客观地反映一个地区的创新水平。因此，采用城市万人专利申请量（专利申请量与城市年末人口的比值）作为城市创新能力的衡量指标以剔除城市经济规模的影响。三类专利具有较高的相关性，为了避免出现多重共线性，在实证模型中我们将分别纳入三类专利。Xit为表示城市特征的一系列控制变量。结合已有研究，我们在回归模型中控制了如下变量来缓解因遗漏变量而造成的估计偏误：利用人均实际外商投资和人均实际社会消费品零售额分别来表示对外开放水平和对内开放水平；利用人均实际金融机构贷款余额来度量金融发展程度^[2]；采用互联网用户数量来度量城市互联网普及程度；选用人均绿地面积来表征城市绿化水平。θi为城市效应，εit为误差项。考虑到回归系数的经济含义，同时为了增加数据的平滑性，对各变量均进行取自然对数的处理^[3]。准确识别创新和经济高质量发展之间的关系，内生性问题是一大挑战，所以我们选用知识产权作为创新的工具变量，详细说明见下文内生性处理部分。

本章所使用的2004—2016年273个地级城市的数据来自历年的《中国城市统计年鉴》以及CEIC数据库。考虑到数据的可得性以及可比性，我们以2004年为基年剔除价格波动的影响，缺失数据使用插值法进行补充。模型中的被解释变量、核心解释变量以及一系列控制变量的统计描述，见表1。(www.xing528.com)

表1　主要变量的描述性统计