【正文】 立了動態(tài)模型。三、數(shù)據(jù)說明(一)變量的選取 對于變量的選取，本文參考了國內(nèi)研究同類問題時所采用的測度指標(biāo)。而本文則選取專利的授權(quán)量（I）（單位：百個）作為被解釋變量區(qū)域創(chuàng)新能力的代理變量。D經(jīng)費支出（K）（單位：億元）作為當(dāng)?shù)乜蒲械奈镔|(zhì)資本投入；Ramp。(二)數(shù)據(jù)的來源說明本文的數(shù)據(jù)從1996年至2007年河北、山東、浙江、福建、廣東和江蘇等東部六省的12年的時間序列數(shù)據(jù)，之所以沒有選取其他東部省份是由于，海南省雖然是沿海強(qiáng)省但是其吸引外資較少，同時每年的專利授權(quán)量較之其他各省有明顯的差距，因此不具有可比性。而本文的數(shù)據(jù)全部來源于19972008年的中國統(tǒng)計年鑒和19972007年的東部六省的省統(tǒng)計年鑒。四、FDI對區(qū)域創(chuàng)新能力影響的實證分析(一)模型的初步設(shè)定為了克服樣本不足的問題，采用計量經(jīng)濟(jì)學(xué)當(dāng)中的面板數(shù)據(jù)模型（panel data）進(jìn)行實證分析，初步建立的研發(fā)活動的產(chǎn)出函數(shù)表示為I=f（L，K，F(xiàn)DI，PGDP，T）。初步模型的具體表示形式為： （1*）在進(jìn)行參數(shù)估計時，以（1*）式為基礎(chǔ)，采用對數(shù)模型（2）進(jìn)行回歸。 （2）（二）模型的檢驗根據(jù)（2）式截距項向量和系數(shù)向量中各分量的不同限制要求，可以將（2）式所描述的面板數(shù)據(jù)模型劃分為三種類型：無個題影響的不變系數(shù)模型即為式（2）；含有個體影響的不變系數(shù)模型，即變截距模型（2*）；含有個體影響的變系數(shù)模型，即變系數(shù)模型（2**）。如果模型形式設(shè)定不正確，估計結(jié)果將于所要模擬的經(jīng)濟(jì)現(xiàn)實偏離甚遠(yuǎn)。我們采用協(xié)方差分析檢驗如下兩個假設(shè)：H1：個體變量系數(shù)相等H2：截距項和個體變量系數(shù)相等如果H2被結(jié)束，則接受（2）式；如果H2被拒絕，則檢驗假設(shè)H1。分別記（2）式、（2*）式、（2**）式殘差平方和分別為、。計算得到=，遠(yuǎn)大于5%顯著性水平下的F臨界值，從而可以再95%，在H1假設(shè)條件下檢驗統(tǒng)計量也服從F分布，即：～計算得到=，同樣大于5%顯著水平下的F臨界值，因此采用變系數(shù)模型（2**）式來擬合。但是按照一般的理解，F(xiàn)DI就與各地的人均GDP存在高度的相關(guān)性，而且各地的技術(shù)市場合同交易額也與其人均GDP在一定程度上存在相關(guān)性。如果事實確實如此，同時將這四個變量納入回歸模型可能會造成解釋變量的多重共線性，對此我們必須加以檢驗[2]。表1 解釋變量之間的相關(guān)系數(shù) FDILKPGDPTFDILKPGDPT從相關(guān)系數(shù)的計算結(jié)果可以看出，各地科研開發(fā)活的物質(zhì)資本投入、人均GDP以及技術(shù)市場合同交易額之間的相關(guān)性較高，如果將這些變量同時納入回歸模型，將使的發(fā)生多重共線性的可能性大大增加。而這樣做也可以這樣解釋，雖然人均GDP在很大程度上反映了各地區(qū)的對科研開發(fā)的物質(zhì)資本投入和創(chuàng)新環(huán)境，但是卻不具體，而分別將代表這兩個水平的變量納入回歸模型中則更為客觀。對（3）式選用估計模型是選擇cross section weights，即使用可行的廣義最小二乘法（GLS）估計，以減少由于截面數(shù)據(jù)造成的異方差影響。說明該模型很好的解釋了，由上表可以得出以下結(jié)果：（1），但是不顯著，而其他東部省份，除去浙江省不顯著外，其他東部省份其FDI對與當(dāng)?shù)氐膮^(qū)域創(chuàng)新能力都有顯著性的正相關(guān)影響，可見FDI對于江蘇省的區(qū)域創(chuàng)新能力的正面的技術(shù)溢出效應(yīng)十分顯著。但是總體上來看，F(xiàn)DI對于東部省份都有顯著地影響，但是河北省的影響為負(fù)值，且不顯著，國內(nèi)的其他研究者發(fā)現(xiàn)FDI對東道國的溢出效應(yīng)的同時存在“門檻效應(yīng)”，而且在全國性的研究當(dāng)中發(fā)現(xiàn)，F(xiàn)DI對于我國的中西部地區(qū)沒有顯著性的影響。（2）科研開發(fā)的人力資本的投入對于各個省份的區(qū)域創(chuàng)新能力都存在顯著性的影響，這可以看出人力資本的投入對區(qū)域創(chuàng)新能力的重要性。（3）科研開發(fā)的物質(zhì)資本的投入對區(qū)域創(chuàng)新能力存在顯著性的影響。不應(yīng)該簡單的認(rèn)為在自主創(chuàng)新能力的投入上越高越好，而是應(yīng)該提高產(chǎn)出效率，優(yōu)化結(jié)構(gòu)。但是對于創(chuàng)新能力的影響值都較小，但是不能就此說明創(chuàng)新環(huán)境對與區(qū)域創(chuàng)新能力不存在重要的影響，而可能是因為我國的自主創(chuàng)新能力還沒有達(dá)到較高的水平，以至對創(chuàng)新能力不能產(chǎn)生積極的影響。由于篇幅的關(guān)系，表中各地區(qū)的變截距沒有列出。而干預(yù)分析的研究始于美國威斯康辛大學(xué)統(tǒng)計系教授Box與Tiao于1975年聯(lián)合發(fā)表的《經(jīng)濟(jì)與環(huán)境問題的干預(yù)分析及應(yīng)用護(hù)》以后，干預(yù)分析的概念和干預(yù)分析模型引起了人們廣泛關(guān)注，并迅速地被應(yīng)用去描繪經(jīng)濟(jì)政策的變化及其給經(jīng)濟(jì)帶來的影響。(一)模型的基本簡介(1)干預(yù)模型簡介干預(yù)模型的基本變量是干預(yù)變量即確定性輸入序列，它有兩種基本形式，第一種是持續(xù)性的干預(yù)變量，形式為：表示在時刻T之后干預(yù)的影響仍保留下去。其中T是時間變量，是表示干預(yù)事件發(fā)生的年份。其中B為后移算子。其模型為:。3)干預(yù)突然開始產(chǎn)生短暫的影響。4)干預(yù)逐漸開始產(chǎn)生短暫的影響，干預(yù)模型為：。(2)ARIMA模型的基本類型單變量時間序列模型一般有四種：自回歸模型AR(p)，滑動平均模型MA(q)，自回歸滑動平均模型ARMA(p，q)，求和自回歸滑動平均模型ARIMA(p，d，q)。其中前面三個模型只適用于刻畫一個平穩(wěn)序列的自相關(guān)性，然而實際生活中遇到的經(jīng)濟(jì)數(shù)據(jù)大多是非平穩(wěn)的時間序列，這些序列的數(shù)字特征是隨著時間的變化而變化的，難以通過序列已知的信息去掌握時間序列整體上的隨機(jī)性。 (3)ARIMA模型的識別及選擇模型類型的識別及選擇：時間序列{yt}經(jīng)過預(yù)處理后成為零均值、正態(tài)、平穩(wěn)的新序列，模型的選擇一般是依據(jù)自相關(guān)函數(shù)ACF圖和偏自相關(guān)函數(shù)PACF圖來進(jìn)行判斷，其規(guī)則如表1：表3平穩(wěn)時間序列模型結(jié)構(gòu)的識別規(guī)則模型AR(p)MA(q)ARMA(p，q)自相關(guān)函數(shù)拖尾截尾拖尾偏自相關(guān)函數(shù)截尾拖尾拖尾但是，對于ARMA(p，q)序列，不能用自相關(guān)或偏相關(guān)函數(shù)來定階，其定階方法主要有3種：自相關(guān)和偏相關(guān)函數(shù)定階法；FPE準(zhǔn)則法；AIC及BIC準(zhǔn)則，其中AIC及BIC準(zhǔn)則應(yīng)用最廣。在模型的擬合過程中，選取不同的p，q及模型參數(shù)，對{yt}進(jìn)行擬合和參數(shù)估計，找出使AIC值達(dá)到最小的模型確定為最佳模型?；贐ox和Tiao的研究，干預(yù)模型具有如下的形式：其中，代表干預(yù)的影響，用確定性輸入序列的形式來表示， 是噪聲，表示在沒有敢于影響是對序列的觀測背景[16]。顯然模型的適應(yīng)性檢驗實質(zhì)上是對殘差項的獨立性檢驗。當(dāng)殘差檢驗為獨立是，則認(rèn)為模型擬合效果好，可以進(jìn)一步將其進(jìn)行預(yù)測，反之則要進(jìn)一步修正。其中利用Eviews5完成對序列的單位根檢驗、差分平穩(wěn)性分析、序列相關(guān)性分析，再利用SAS軟件包實現(xiàn)干預(yù)的ARIMA模型的擬合和預(yù)測。由圖2可以看出，河北省實際利用外商直接投資額在