摘要：文章基于1996—2016年中国工业35个两位数行业数据，在向量自回归模型框架下，利用格兰杰因果检验方法对行业间的技术溢出进行识别，并从“关系”角度出发，借助社会网络分析方法揭示出工业行业间技术溢出的网络结构特征。结果发现：工业行业间的技术溢出关系呈现出复杂的网络结构形态；烟草制品业、煤炭开采和洗选业、化学纤维制造业、石油和天然气开采业和交通设备制造业在网络中处于核心地位，并发挥着桥梁中介作用；在行业间技术溢出网络中，煤炭开采和洗选业等8个行业属于“净溢出板块”；医药制造业等11个行业属于“双向溢出板块”；黑色金属矿采选业等8个行业属于“经纪人板块”；食品制造业等8个行业属于“净受益板块”。
关键词：行业间技术溢出；格兰杰因果检验；网络结构；社会网络分析
0引言
自改革开放以来，中国经济高速发展，然而在高速增长的背后却是环境污染加剧、雾霾天气频发，在新时期如何实现“创新、协调、绿色、开放、共享”的发展理念，关键在于技术创新。大量研究表明，技术创新对经济增长具有显著的促进作用[1-3]，技术创新的溢出效应已经成为促进经济增长的重要源泉[4，5]。
国内外研究技术溢出的文献较多，主要思路分为两种。一是研究技术在地理空间上的溢出。该观点认为，本地的技术进步对相邻地区技术水平的提升具有显著的促进作用；二是研究FDI会在东道国的工业行业间产生技术外溢效应。该观点认为，FDI在行业间会产生水平溢出效应[6，7]和垂直溢出效应[8，9]，而现有研究对FDI在行业间溢出效应的发挥和吸收效果存在较大争议[10-12]。虽然现有文献具有一定的参考价值，但仍存不足。一是现有文献在考察工业行业间的技术溢出效应时均是基于技术创新的“属性”数据进行实证考察，并未从“关系”角度对工业行业间的技术溢出效应进行分析，而“关系”结构往往决定“属性”数据的表现，更具分析价值。二是现有文献并未对每个具体行业在行业间技术溢出效应中所处位置及发挥作用进行考察，而了解各个行业在溢出关系中的地位和作用是充分利用行业间的技术溢出效应、提升行业整体创新能力的前提。鉴于此，本文利用1996—2016年中国工业35个两位数行业的技术创新数据，在向量自回归（VectorAutoRegress，VAR）框架下利用格兰杰因果检验方法对中国工业技术创新的行业间溢出效应进行识别，并借助社会网络分析方法（SocialNetworkAnalysis，SNA）揭示各个工业行业在技术溢出网络中的地位和作用，这对我国工业行业间的技术创新能力的协同提升具有重要的现实意义。
1研究方法与数据来源
1.1工业行业间技术溢出关系的识别
引力模型和格兰杰因果检验方法是识别变量间关系的主要方法，格兰杰因果检验方法主要通过检验一个变量的历史信息能否增强对另一个变量的预测能力，来判断两个变量间是否存在因果关系，该方法能够从时间序列角度揭示工业行业间的技术溢出关系。将两个工业行业技术创新时间序列变量设定为{xt}和{yt}，为检验两个行业的技术创新是否存在格兰杰因果关系，首先构造两个VAR模型：
其中，αj、βj、γj(j=1，2)为待估参数，{εj，t}(j=1，2)为残差项，服从标准正态分布。m、n、p、q为自回归项的滞后阶数。在VAR框架下，通过对自回归模型（1）的参数进行联合显著性检验，如果任何一个或全部的γ1j显著，则认为{yt}是{xt}的格兰杰因，即{yt}的历史信息可以解释{xt}，溢出关系可表示为{yt}→{xt}。同理对自回归模型（2）进行检验，如果任何一个或全部的γ2j显著，则认为{xt}是{yt}的格兰杰因，即{xt}的历史信息可以解释{yt}，溢出关系可表示为{xt}→{yt}。如果模型（1）和模型（2）检验结果为{yt}的历史信息有助于解释{xt}，{xt}的历史信息也可以解释{yt}，则认为两个行业的技术溢出存在双向因果关系，此时溢出关系可以表示为{xt}↔{yt}。在5%的显著性水平下，如果x行业是y行业的格兰杰因，则在工业行业间技术溢出网络关系中画一条由x行业指向y行业的有向线，表明x行业的技术创新有助于解释y行业的技术创新，据此构建出35个工业行业间的技术溢出关系网络。
1.2工业行业间技术溢出网络特征刻画
社会网络分析是以“关系”数据为基础，研究变量间“关系”的属性、结构和演变的学科。本文以“关系数据”为基础，利用社会网络分析方法对中国35个工业行业间技术溢出网络特征进行刻画。社会网络分析方法主要采用网络密度、网络关联度、网络等级度和网络效率四个指标对中国35个行业间技术溢出网络的整体特征进行衡量[13]。其中，网络密度是反映技术溢出效应强弱的关键指标，网络密度越大，说明行业间技术溢出效应就越强；网络关联度是反映技术溢出网络的稳健性指标，如果关联度小于1，说明行业间技术溢出网络稳健性较差。网络等级度是反映各行业在技术溢出网络中地位及作用的指标，等级度越高，说明各行业在技术溢出网络中的地位和作用的差异就越大。网络效率是反映行业间技术溢出渠道多少的指标，效率越低，行业间技术溢出的渠道就越多，技术溢出网络就越稳定。个体网络特征主要从度数中心度、接近中心度和中介中心度三个维度来刻画[13]。其中，度数中心度是反映各行业在技术溢出网络中的所处位置的指标，度数越高，说明该行业在网络中与其他行业之间的关系就越紧密，即该行业在技术溢出网络中处于核心位置。接近中心度是反映各行业在技术溢出网络中不受其他行业控制的程度，度数越高，说明该行业与网络中其他行业的“距离”越短，该行业在网络中更容易产生溢出效应。中介中心度是反映各行业在技术溢出网络中的桥梁中介作用的大小，度数越高，说明该行业在技术溢出网络中的作用就越重要。
1.3块模型分析
通过块模型分析，可以揭示和刻画出技术溢出关系网络的内部结构状态以及各节点（行业）在板块中的地位和作用，进而可以对各板块之间的溢出关系展开深入分析。参考刘华军等（2015）[14]的研究可将把板块分为四种类型，即净溢出板块、双向溢出板块、净受益板块和经纪人板块。
1.4数据来源
本文选取1997—2017年《中国统计年鉴》公布的39个工业行业中35个工业行业作为研究对象，其中，将“塑料”和“橡胶”合并为“橡胶和塑料制品业”，将“汽车制造业”和“铁路、船舶、航空航天和其他运输设备制造业”合并为“交通设备制造业”，删除“其他制造业”。参考已有研究，考虑数据的连续性和可获得性，本文选择各个工业行业的专利申请数量作为技术创新水平的代理变量。
2工业行业间技术溢出的网络结构特征
2.1行业间技术溢出网络的可视化
本文根据格兰杰因果检验识别了35个工业行业间的技术溢出关系。为全面展示35个工业行业间的技术溢出关系网络，本文利用UCINET软件中的Netdraw模块绘制了35个工业行业间的技术溢出关系网络图。下页图1显示在样本考察期内我国工业行业间的技术溢出关系呈现出复杂的网络结构形态。
2.2技术溢出网络的整体特征分析
35个工业行业间的技术溢出关系最大可能数为1190（35×34），而经过格兰杰因果检验在5%的水平上具有显著因果关系的总数是576个，即35个工业行业间技术溢出的整体网络密度是0.484（576/1190）。这说明在样本考察期内35个工业行业间的技术溢出呈现出显著的网络关系，但从数值上看各行业间的技术溢出关系仍存在进一步加强的空间，这为强化行业间的技术溢出效应、提升行业间技术溢出网络的稳定性、实现行业间技术创新能力的协同提升创造了条件。网络关联度为1，说明所有行业均处于行业间技术溢出关系网络当中，各工业行业间的连通性较好，即35个工业行业间存在显著的技术溢出效应。网络等级度为0.057，这说明工业行业技术溢出网络中的各个行业之间并不存在明显的等级性，在各个水平上的技术创新均有可能对其他行业产生溢出效应。网络效率为0.303，较低的网络效率说明该行业间技术溢出关系网络中的冗余较多，即工业行业间技术溢出效应存在多重叠加现象，这为网络稳定性的增强提供了强力支撑。
2.3技术溢出网络的个体特征分析
为揭示各行业在技术溢出关系网络中的地位和作用，本文对35个工业行业间的个体网络特征进行测度，如表1所示。
在35个工业行业中，度数中心度均值为71.429，超过均值的行业有15个，这15个行业的度数中心度均值为87.674，远高于度数中心度的整体均值71.429。这些行业在工业行业间技术溢出关系网络中与其他行业产生技术溢出关系较多，这些行业的点入度和点出度也高于均值，说明这些行业既对其他行业产生技术溢出效应，也会接收到来自其他行业的技术溢出。金属制品业、食品制造业等20个行业的度数中心度较小，说明这些行业在技术溢出关系网络中与其他行业的联系较少，可能原因是这些行业本身的技术创新水平不高，从而使这些行业对其他行业的影响相对较小。在35个行业中，点出度的均值是16.457，点出度大于均值的行业是煤炭开采和洗选业、石油和天然气开采业、有色金属矿采选业等15个行业，这说明这些行业对其他行业产生的技术溢出效应较大。
中介中心度的行业均值为0.866，超过均值的行业共有13个，说明这13个行业在技术溢出网络中控制其他行业的技术溢出能力较强，即上述行业对行业间技术溢出网络的形成发挥着桥梁中介作用。电力热力生产和供应业、化学原料和化学制品制造业、食品制造业等22个行业的中介中心度较小，说明这些行业在技术溢出关系网络中对其他行业的影响较小。
接近中心度的行业均值为79.181，超过均值的行业共有15个，说明这15个行业在技术溢出网络中与其他行业之间的距离较近，更容易与其他行业产生前向关联和后向关联的技术溢出效应，在技术溢出关系网络中具有“引领”作用。电力热力生产和供应业、化学原料和化学制品制造业、食品制造业等20个行业的接近中心度较小，说明这些行业在技术溢出关系网络中处于“跟随”状态。
2.4技术溢出网络的块模型分析
采用UCINET软件中的CONCOR模块，以深度为2和集中度为0.2的标准，并结合各节点接收和发出的关系总数及其期望比例与实际比例的大小对中国35个工业行业技术溢出关系的整体网络进行板块划分。第一板块由煤炭开采和洗选业、石油和天然气开采业、黑色金属冶炼和压延加工业、有色金属矿采选业、计算机及通信设备制造业、电力热力生产和供应业、水的生产和供应业、交通设备制造业8个行业构成；第二板块由医药制造业、橡胶和塑料制品业、电气机械和器材制造业、造纸和纸制品业、化学纤维制造业、农副食品加工业、非金属矿物制品业、有色金属冶炼和压延加工业、通用设备制造业、皮革毛皮羽毛及其制品业、家具制造业11个行业构成；第三板块由黑色金属矿采选业、非金属矿采选业、烟草制品业、纺织业、酒水饮料和精制茶制造业、印刷和记录媒介复制业、文教体娱用品制造业、燃气生产和供应业8个行业构成；第四板块由食品制造业、服装服饰业、石油加工及炼焦业、化学原料和化学制品制造业、金属制品业、仪器仪表制造业8个行业构成。
块模型分析结果如表2所示：在工业行业间的技术溢出关系网络中，各个板块内部间共有94条溢出关系，占到关系总数的16.4%。板块间的技术溢出关系共有482个占到关系总数的83.6%，这说明工业行业间技术创新存在着显著的溢出效应。其中，第一板块内部的关系总数为28个，来自其他板块的溢出关系总数高达95个，向其他板块溢出关系总数为169个，期望内部比例关系为21%，大于实际内部比例关系12%，属于“净溢出板块”。第二板块内部的关系总数为23个，来自其他板块的溢出关系为115个，向其他板块溢出关系总数为164个，期望内部比例关系为29%，大于实际内部比例关系14%，属于“双向溢出板块”。第三板块内部的关系总数为29个，来自其他板块的溢出关系为161个，向其他板块溢出关系总数为70个，期望内部比例关系为21%，大于实际内部比例关系29%，属于“净受益板块”。第四板块内部的关系总数为14个，来自其他板块的溢出关系为111个，向其他板块溢出关系总数为79个，期望内部比例关系为21%，大于实际内部比例关系15%，属于“经纪人板块”，该板块成员在工业行业技术溢出网络中起着“承上启下”的“桥梁”中介作用。
根据工业行业间技术溢出关系在板块间的分布，计算出各板块的网络密度矩阵，以反映技术溢出关系在四大板块间的分布状况。为进一步考察各板块在整体技术溢出网络中所扮演的角色，35个工业行业的技术溢出网络密度是0.486，如果板块内部的网络密度大于0.486，表明行业间的技术溢出主要集中于该版块中的各个工业行业间，将此情形赋值为1，否则赋值为0，据此将各板块的网络密度矩阵转化为像矩阵，如表3所示，并利用Netdraw工具画出各板块间的技术溢出关系图，如图2所示。
图2直观地展示了四大板块间的技术溢出关系，其中，第一板块对其他三个板块均存在溢出关系，仅有第三板块对其产生了溢出关系，这说明第一板块中的各行业在工业行业间技术溢出网络中扮演着“净溢出”角色。第二板块不仅接收来自第一板块的技术溢出，同时也向第三、第四板块产生技术溢出关系，属于典型的“双向溢出”。第三板块的技术溢出关系不仅来自于板块内的各行业，同时还接收来自其他三个板块所产生的技术溢出，在工业行业的技术溢出网络中扮演着“净受益”角色。第四板块既接收来自第一板块和第二板块的技术溢出，同时又向第三板块发出技术溢出，这说明第四板块在工业行业间的技术溢出网络中扮演着“经纪人”角色，对板块间的技术溢出起桥梁中介作用。
3结论
本文基于1996—2016年中国35个工业行业的技术创新数据，运用格兰杰因果检验模型对中国35个工业行业间的技术溢出关系进行识别，并依此构建关系矩阵，在此基础上采用社会网络分析方法实证检验了中国35个工业行业间技术溢出网络的网络结构特征。结果发现：
（1）在整体层面，中国工业行业间的技术溢出关系呈现出较为复杂的网络结构，且所有行业均处于整体网络当中。网络效率为0.303，意味着行业间的技术溢出关系存在多重叠加，网络具有较强的稳定性。0.057的网络等级度则说明各个行业均有可能对其他行业产生技术溢出，具有典型的小世界特征。
（2）在个体层面，烟草制品业、煤炭开采和洗选业、化学纤维制造业、石油和天然气开采业和交通设备制造业在35个工业行业中具有较高的度数中心度、中介中心度和接近中心度，在工业行业间的技术溢出网络中处于核心地位，并发挥着桥梁中介作用。
（3）块模型分析表明，煤炭开采和洗选业、石油和天然气开采业、黑色金属冶炼和压延加工业等8个行业属于“净溢出板块”；医药制造业、橡胶和塑料制品业、电气机械和器材制造业等11个行业属于“双向溢出板块”；黑色金属矿采选业、非金属矿采选业、烟草制品业的等8个行业属于“经纪人板块”；食品制造业、纺织服装、服饰业等8个行业属于“净受益板块”。
