崔兆財(cái),周向紅,王 俐

(同濟(jì)大學(xué) 經(jīng)濟(jì)與管理學(xué)院,上海 200092)

0 引言

若將知識(shí)創(chuàng)新與積累稱為技術(shù)變革和經(jīng)濟(jì)增長的關(guān)鍵驅(qū)動(dòng)力，學(xué)界與政界莫不云集景附，點(diǎn)頭稱善。殊不知，“創(chuàng)造性破壞”的狂風(fēng)顛覆了整個(gè)資本主義經(jīng)濟(jì)結(jié)構(gòu)，對(duì)產(chǎn)業(yè)格局重新洗牌并除舊布新，不斷將新鮮“血液”注入經(jīng)濟(jì)系統(tǒng)，得以支撐國民經(jīng)濟(jì)不斷向前發(fā)展[1]。創(chuàng)新便是這“新鮮血液”，知識(shí)就像血液中的造血細(xì)胞，不斷新陳代謝，供給其在整個(gè)系統(tǒng)中循環(huán)流轉(zhuǎn)。索羅[2]于1951年在《資本化過程中的創(chuàng)新：對(duì)熊彼特理論的評(píng)價(jià)》中指出：技術(shù)的變化，包括現(xiàn)有知識(shí)被投入實(shí)際應(yīng)用所帶來的具體技術(shù)安排、技術(shù)組合方面的變化，可稱之為創(chuàng)新。當(dāng)熊彼特“創(chuàng)造性破壞”的狂風(fēng)過后，無數(shù)學(xué)者從這一顛覆性概念的震撼中清醒，隨即掀起了一股研究技術(shù)創(chuàng)新如何驅(qū)動(dòng)經(jīng)濟(jì)、社會(huì)發(fā)展的浪潮。

如將眾多學(xué)者的研究成果束廣就狹，要而論之，大致可以將其總結(jié)為3個(gè)重要階段：20世紀(jì)70年代以前，創(chuàng)新動(dòng)力的技術(shù)推動(dòng)與需求拉動(dòng)之爭。理論界將技術(shù)創(chuàng)新中的技術(shù)推動(dòng)作用與市場(chǎng)需求拉動(dòng)作用總結(jié)為技術(shù)推動(dòng)論和需求拉動(dòng)論[3-4]，兩者形成了較為鮮明的理論觀點(diǎn)。然而,無論是技術(shù)推動(dòng)還是需求拉動(dòng)觀點(diǎn),都不是創(chuàng)新動(dòng)力研究的單一偏向理論[5]。20世紀(jì)70-90年代，創(chuàng)新理論繼續(xù)發(fā)展并衍生出誘導(dǎo)型技術(shù)創(chuàng)新、演化經(jīng)濟(jì)學(xué)和路徑依賴模型3種方法以理解技術(shù)變革[6]。誘導(dǎo)型技術(shù)創(chuàng)新強(qiáng)調(diào)，生產(chǎn)要素的相對(duì)價(jià)格變化促進(jìn)了旨在節(jié)約稀缺要素的技術(shù)創(chuàng)新[7]。演化經(jīng)濟(jì)學(xué)觀點(diǎn)建立在熊彼特對(duì)創(chuàng)新的理解以及有限理性和不確定性的概念之上，該觀點(diǎn)認(rèn)為，企業(yè)創(chuàng)新決策中的有限理性和不確定性都會(huì)導(dǎo)致一種思維定式，這種思維模式通常傾向于對(duì)現(xiàn)有產(chǎn)品或流程進(jìn)行漸進(jìn)式創(chuàng)新[8]。路徑依賴模型源自于收益遞增的思想，即技術(shù)應(yīng)用過程中規(guī)模經(jīng)濟(jì)、學(xué)習(xí)效應(yīng)、適應(yīng)性預(yù)期和網(wǎng)絡(luò)經(jīng)濟(jì)等機(jī)制產(chǎn)生的收益遞增會(huì)進(jìn)一步強(qiáng)化技術(shù)創(chuàng)新與應(yīng)用[9-10]。20世紀(jì)以來，理論界越來越關(guān)注將舊的線性創(chuàng)新模型發(fā)展為更能準(zhǔn)確反映創(chuàng)新過程復(fù)雜性和相互依賴性的系統(tǒng)創(chuàng)新模型，并逐漸將創(chuàng)新系統(tǒng)研究框架由企業(yè)層面擴(kuò)展至國家、部門和區(qū)域?qū)用鎇11-12]，研究重點(diǎn)是對(duì)不同國家、區(qū)域和技術(shù)創(chuàng)新系統(tǒng)進(jìn)行甄別與比較分析?；蛞谎砸员沃诓煌瑢蛹?jí)的考察，試圖找到驅(qū)動(dòng)技術(shù)創(chuàng)新的關(guān)鍵因素。

目前，國內(nèi)研究趨勢(shì)主要是基于新的實(shí)證方法如薈萃分析法[13]、空間自相關(guān)[14]、包絡(luò)分析法[15]和基于投入-產(chǎn)出角度優(yōu)化后的包絡(luò)分析法[16]，從不同研究維度如企業(yè)創(chuàng)新實(shí)踐、產(chǎn)業(yè)集聚、創(chuàng)新效率和創(chuàng)新能力差異等考量各種創(chuàng)新影響因素。雖然現(xiàn)有研究從多層面、多維度探討潛在創(chuàng)新影響因素，卻忽略驅(qū)動(dòng)創(chuàng)新的知識(shí)本身，也就是經(jīng)濟(jì)體中知識(shí)存量的非均質(zhì)和復(fù)雜性特征對(duì)創(chuàng)新的潛在影響。在這一點(diǎn)上，國內(nèi)進(jìn)展明顯滯后于國外同類研究。一些國外學(xué)者很早就基于專利數(shù)據(jù)引用、申請(qǐng)和訴訟等多重信息構(gòu)建了一種個(gè)人專利復(fù)雜性測(cè)度方法[17-18]，以此作為對(duì)其知識(shí)結(jié)構(gòu)的重要反映指標(biāo)。因此，中國區(qū)域知識(shí)復(fù)雜性測(cè)度領(lǐng)域研究亟待補(bǔ)充。

關(guān)于知識(shí)復(fù)雜性測(cè)度研究，Archibugi & Pianta[19]、Pianta & Meliciani[20]首開先河，通過對(duì)專利分布數(shù)據(jù)進(jìn)行國際比對(duì)，總結(jié)出知識(shí)多樣性與經(jīng)濟(jì)增長間的非線性關(guān)系；Hidalgo & Hausmann[21]根據(jù)國民經(jīng)濟(jì)產(chǎn)品層面的多樣性和空間范圍，創(chuàng)新了產(chǎn)品和地方復(fù)雜性度量方法。在上述研究中，不同國家或地區(qū)具有不同的核心競(jìng)爭力，積累的能力越多，地方能生產(chǎn)的專業(yè)化產(chǎn)品就越多。因此，專業(yè)(復(fù)雜)程度高的產(chǎn)品只有少數(shù)經(jīng)濟(jì)體能生產(chǎn)，后者以此構(gòu)成了長期競(jìng)爭優(yōu)勢(shì)的基礎(chǔ)。以Hidalgo等的研究成果為基礎(chǔ)， Rigby等[22]構(gòu)建知識(shí)復(fù)雜性指數(shù)(Knowledge Complex Index,KCI)概念，并通過該指數(shù)刻畫了美國城市知識(shí)復(fù)雜性空間演化特征。Antonelli等[23]同樣借鑒Hidalgo & Hausmann提出的反射法，利用歐盟國家IPC專利分類數(shù)據(jù)，通過構(gòu)建KCI指數(shù)對(duì)歐盟國家間的區(qū)域知識(shí)結(jié)構(gòu)進(jìn)行測(cè)度。隨后，不斷有學(xué)者對(duì)其理論進(jìn)行拓展并加以實(shí)踐應(yīng)用。本文將主要基于以上學(xué)者的測(cè)度方法構(gòu)建中國內(nèi)地31個(gè)省市區(qū)域知識(shí)復(fù)雜性指數(shù)，并進(jìn)一步將其運(yùn)用于區(qū)域創(chuàng)新影響實(shí)證檢驗(yàn)中，以期進(jìn)一步推動(dòng)相關(guān)理論、方法在中國實(shí)踐應(yīng)用。

1 區(qū)域知識(shí)復(fù)雜性測(cè)度

1.1 測(cè)度方法

基于Hidalgo & Hausmann所創(chuàng)建的應(yīng)用于創(chuàng)新活動(dòng)多樣性、普遍性和復(fù)雜性評(píng)價(jià)的HH方法，本文對(duì)中國內(nèi)地31個(gè)省市區(qū)的知識(shí)結(jié)構(gòu)組成和技術(shù)稟賦情況展開分析。HH方法的特殊之處在于不步人腳，摒棄了依靠技術(shù)距離這一指標(biāo)測(cè)度知識(shí)復(fù)雜性程度的角度，而技術(shù)距離往往是在專利大樣本基礎(chǔ)上計(jì)算得出的，通常會(huì)忽略專利地理分布特征。與之相反，HH方法能夠基于專利活動(dòng)跨地區(qū)分布經(jīng)驗(yàn)，觀察推導(dǎo)出其隱含的地理分布特征。由此可以看出，HH方法在捕捉地區(qū)知識(shí)創(chuàng)造動(dòng)態(tài)演化方面更具有優(yōu)越性，因其是不同知識(shí)屬性創(chuàng)新活動(dòng)地理集聚程度的現(xiàn)實(shí)反映。因此，HH的計(jì)算結(jié)果中將包含技術(shù)和地理空間在內(nèi)的多重信息。

HH構(gòu)建過程中主要基于反射法，反射法通過各地區(qū)專利分類映射計(jì)算知識(shí)復(fù)雜度。此外，還會(huì)用到顯示技術(shù)優(yōu)勢(shì)指數(shù)(Revealed Technological Tdvantage index，RTA)，借以反映不同地區(qū)在某一專利方面的比較優(yōu)勢(shì)。區(qū)域知識(shí)結(jié)構(gòu)測(cè)度具體方法如下：

首先，顯示技術(shù)優(yōu)勢(shì)指數(shù)(RTA)的計(jì)算表達(dá)式如下：

其中，Prt是區(qū)域r關(guān)于專利分類t的數(shù)量，R是總區(qū)域數(shù)量，T是總專利類別。分子表示區(qū)域r中專利分類t占區(qū)域中專利總量的比重，分母表示專利分類t占所有區(qū)域?qū)＠偭康谋戎?，最后得到的是可以看作?jīng)過標(biāo)準(zhǔn)化處理后的數(shù)值。此外，RTArt=1代表地區(qū)技術(shù)專業(yè)化的閾值：當(dāng)RTArt>1時(shí)，說明區(qū)域r在技術(shù)領(lǐng)域t具有專業(yè)化優(yōu)勢(shì)。

其次，建立二值專業(yè)化矩陣M描述區(qū)域和專利分類之間的聯(lián)系。其中，行表示區(qū)域，列表示專利類別，當(dāng)區(qū)域r對(duì)專利t具有比較優(yōu)勢(shì)時(shí)，對(duì)應(yīng)矩陣元素M(r,t)=1，反之則等于0。即：

反射法通過迭代方式對(duì)技術(shù)專業(yè)化矩陣M進(jìn)行變換，最終可以得到反映地區(qū)和知識(shí)專業(yè)化結(jié)構(gòu)不同維度的顯示指標(biāo)。矩陣數(shù)據(jù)可以看作是連接兩個(gè)集合的網(wǎng)絡(luò)，分別是地區(qū)集合和這些地區(qū)具有相對(duì)比較優(yōu)勢(shì)的技術(shù)集合。稱地區(qū)具有相對(duì)比較優(yōu)勢(shì)的技術(shù)數(shù)量為多樣性，對(duì)于有多少地區(qū)就某類專利具有比較優(yōu)勢(shì)稱為普遍性，多樣性和普遍性是區(qū)域知識(shí)結(jié)構(gòu)測(cè)算的兩個(gè)重要維度。多樣性和普遍性計(jì)算如下：

令向量IX作為維數(shù)X=R或T的元素全為1的列向量，初始條件可以表示為：

表1 變量含義解釋

注：變量含義解釋詳見Balland[24]

1.2 數(shù)據(jù)描述

1.2.1 專利數(shù)據(jù)來源

本文所用專利數(shù)據(jù)來自于SooPAT專利檢索網(wǎng)站，選擇該網(wǎng)站的主要原因是基于其專利數(shù)據(jù)可靠性和專利檢索便捷性。SooPAT中，中國專利數(shù)據(jù)鏈接均來自國家知識(shí)產(chǎn)權(quán)局互聯(lián)網(wǎng)檢索數(shù)據(jù)庫，并且支持基于專利申請(qǐng)人所屬省份、申請(qǐng)時(shí)間及專利所屬IPC分類號(hào)的語法表達(dá)式高級(jí)檢索。需要注意的是，每份專利申請(qǐng)書均標(biāo)明其所屬的一個(gè)或多個(gè)IPC分類號(hào)，而IPC分類號(hào)是區(qū)域知識(shí)結(jié)構(gòu)組成分析的重要基礎(chǔ)。本文最終選取621個(gè)IPC分類號(hào)以衡量中國內(nèi)地31個(gè)省市知識(shí)構(gòu)成情況，并在整理過程中對(duì)于具有多個(gè)IPC分類號(hào)的專利給予重復(fù)統(tǒng)計(jì)。

1.2.2 專利數(shù)據(jù)有效性

本文收集并整理了2003-2016年15 988 864件專利數(shù)據(jù)。為了證明所選取專利數(shù)據(jù)的有效性，特將其與歷年《中國專利統(tǒng)計(jì)年報(bào)》中的專利申請(qǐng)數(shù)據(jù)進(jìn)行比對(duì)。觀察圖1可以看出，文中整理的專利數(shù)據(jù)占?xì)v年中國專利申請(qǐng)總量的比重最低為0.74，樣本涵蓋比率很高，說明樣本數(shù)據(jù)可靠。

圖1 2003—2016年樣本數(shù)據(jù)選取情況

1.2.3 專利數(shù)據(jù)空間分異特征

在進(jìn)一步研究之前，本文基于2000—2015年《中國專利統(tǒng)計(jì)年報(bào)》專利申請(qǐng)數(shù)據(jù)，利用Arcgis10.2軟件繪制中國專利重心遷移空間路徑圖，通過觀察其動(dòng)態(tài)軌跡及時(shí)空演變格局，初步了解中國專利數(shù)據(jù)空間分異情況。從圖2可見，中國專利重心位于31.593°N-32.476°N和115.670°E-116.570°E區(qū)間，2000—2015年專利重心移動(dòng)軌跡大體經(jīng)歷了3個(gè)階段：第一階段為2000-2006年我國專利重心總體呈向東南方向移動(dòng)趨勢(shì)，2002、2003年出現(xiàn)反復(fù)；第二階段為2006—2011年整體向北移動(dòng)，2009年、2010年出現(xiàn)反復(fù)；第三階段為2012—2015年重心整體向西偏移。

圖2 2000-2015年中國專利重心空間遷移軌跡

專利重心空間移動(dòng)特征符合我國不同時(shí)期區(qū)域發(fā)展戰(zhàn)略指向。眾所周知，20世紀(jì)90年代以前，東北老工業(yè)基地和環(huán)渤海地區(qū)一直是我國經(jīng)濟(jì)較發(fā)達(dá)地區(qū)。自1997年以來，國家實(shí)施國民經(jīng)濟(jì)戰(zhàn)略性結(jié)構(gòu)調(diào)整，經(jīng)濟(jì)發(fā)展重心向東部沿海地區(qū)傾斜。21世紀(jì)以來，區(qū)域經(jīng)濟(jì)發(fā)展又進(jìn)行了新的戰(zhàn)略調(diào)整，推進(jìn)西部大開發(fā)、振興東北老工業(yè)基地、促進(jìn)中部地區(qū)崛起等一系列舉措，引導(dǎo)資源要素向中、西部地區(qū)不斷集聚以及向東北地區(qū)回流。隨著國家戰(zhàn)略指向下經(jīng)濟(jì)社會(huì)發(fā)展重心區(qū)際轉(zhuǎn)移，專利重心也隨之產(chǎn)生偏移。

1.3 區(qū)域知識(shí)復(fù)雜性測(cè)度結(jié)果

圖3、圖4分別為2003—2009和2010—2016年區(qū)域技術(shù)多樣性與普遍性取平均值后的散點(diǎn)圖。整體來看，如果忽略圖中個(gè)別異常離散值，技術(shù)多樣性與普遍性呈現(xiàn)出顯著負(fù)相關(guān)性關(guān)系，意味著技術(shù)多樣化區(qū)域更傾向于創(chuàng)造專業(yè)性強(qiáng)、難復(fù)制的異質(zhì)性技術(shù)，多樣化程度低的區(qū)域則傾向于創(chuàng)造專業(yè)性不強(qiáng)、易復(fù)制的普遍性技術(shù)。多樣性程度高代表區(qū)域內(nèi)具有比較優(yōu)勢(shì)技術(shù)的專利種類較多，普遍性越高代表專利異質(zhì)性越低，即專利技術(shù)含量低，很容易被區(qū)域外轉(zhuǎn)移和模仿。

此外，多樣性與普遍性的二維圖呈現(xiàn)出東、中、西部地區(qū)極化現(xiàn)象。中、西部省(市)多集中于散點(diǎn)圖左上限，東部省(市)多集在右下限，說明東、中西部地區(qū)在專利研發(fā)能力和專利技術(shù)含量方面依然存在較大鴻溝，中、西部地區(qū)顯然處于劣勢(shì)地位。盡管如此，結(jié)合圖3和圖4的時(shí)間演化特征不難發(fā)現(xiàn)，中、西部地區(qū)在區(qū)域創(chuàng)新中的劣勢(shì)處境正在改善，其專利研發(fā)技術(shù)多樣性逐步提高，部分省份逐漸步入專利研發(fā)的第一梯隊(duì)，即圖4中右下限區(qū)域。

圖3 2003-2009年多樣性與普遍性二維分布

圖5展示了作為區(qū)域技術(shù)稟賦重要參照的知識(shí)復(fù)雜性指數(shù)KCI在中國各省市的分布情況。根據(jù)所選取的兩個(gè)時(shí)期，從2003-2009與2010-2016年KCI平均值變化看，東部和中、西部省市在知識(shí)復(fù)雜性的表現(xiàn)上具有顯著不同。大部分東部地區(qū)省(市)除海南外，往往具有較高的知識(shí)復(fù)雜性，且在時(shí)間上具有連續(xù)性特征；大多數(shù)中部地區(qū)省(市)的知識(shí)復(fù)雜度低于東部地區(qū)但高于西部地區(qū)，處于中間位置；西部地區(qū)省(市)除四川、重慶、陜西和廣西外，其余省(市)均落在圖5中左下角區(qū)域，處于相對(duì)劣勢(shì)地位。

圖5 2003-2009與2010-2016年平均KCI變化趨勢(shì)

需要注意的是，東、中、西部地區(qū)在知識(shí)復(fù)雜性方面的表現(xiàn)并非一成不變，反而處于動(dòng)態(tài)演化過程中。通過圖5的45°線可以看出，東部地區(qū)部分省市如北京、遼寧、上海、江蘇、浙江、山東和廣東均位于45°線以下位置，說明2010—2016上述省市的知識(shí)復(fù)雜性相較于2003—2009年出現(xiàn)下降。大多數(shù)中西部地區(qū)省市位于45°線上方，說明雖然中、西部省市的知識(shí)復(fù)雜性落后于東部省市，但其自身知識(shí)復(fù)雜程度處于不斷提升過程中，如湖北、湖南、安徽、河南等。綜上可知，當(dāng)前我國區(qū)域間知識(shí)復(fù)雜性處于一個(gè)趨同演變過程，中、西部地區(qū)尤其是中部省市的知識(shí)復(fù)雜性逐步趕超東部地區(qū)。

基于以上東、中、西部地區(qū)知識(shí)復(fù)雜性KCI指數(shù)分析，得到以下發(fā)現(xiàn)：首先，KCI指數(shù)提供知識(shí)基礎(chǔ)結(jié)構(gòu)演變對(duì)區(qū)域競(jìng)爭力影響的相關(guān)信息，即東部地區(qū)省市表現(xiàn)出更多的技術(shù)專業(yè)化，上述技術(shù)通常普遍性較低，反映出東部地區(qū)稀缺技術(shù)掌握能力。此外，跨期觀察結(jié)果顯示，中、西部地區(qū)技術(shù)多樣性不斷提升，說明落后地區(qū)正逐漸進(jìn)入新的技術(shù)領(lǐng)域。即便如此，東部地區(qū)依然保持著復(fù)雜技術(shù)專業(yè)化模式。其次，以上分析說明在區(qū)域?qū)用鎰?chuàng)新發(fā)展多樣化技術(shù)組合的重要性。新產(chǎn)品中日益增強(qiáng)的技術(shù)依存性和相關(guān)科學(xué)領(lǐng)域交叉融合，為那些具備多樣化知識(shí)結(jié)構(gòu)基礎(chǔ)的地區(qū)帶來持續(xù)優(yōu)勢(shì)，因而不能單憑少數(shù)領(lǐng)域?qū)I(yè)化謀求競(jìng)爭優(yōu)勢(shì)[25-26]。

2 模型設(shè)定與數(shù)據(jù)說明

以上內(nèi)容探討了中國區(qū)域知識(shí)復(fù)雜性的空間分異情況和動(dòng)態(tài)演化過程，近年來，經(jīng)濟(jì)地理學(xué)、創(chuàng)新研究和復(fù)雜系統(tǒng)領(lǐng)域文獻(xiàn)在解釋區(qū)域增長和創(chuàng)新活動(dòng)空間分布時(shí)，越來越多地提到知識(shí)復(fù)雜性所發(fā)揮的重要影響。借助構(gòu)建的區(qū)域知識(shí)復(fù)雜性指數(shù)KCI，本文將進(jìn)一步探究知識(shí)復(fù)雜性和區(qū)域創(chuàng)新產(chǎn)出之間的相關(guān)性。Griliches(1979)所構(gòu)建的C-D型知識(shí)生產(chǎn)函數(shù)中將知識(shí)產(chǎn)出表示為R&D產(chǎn)出=F(X,K,μ)，其中，投入X代表通常投入要素如勞動(dòng)力和資本，K度量的是現(xiàn)有技術(shù)知識(shí)水平，本文以KCI指數(shù)作為替代變量，因而考慮知識(shí)復(fù)雜性的知識(shí)生產(chǎn)函數(shù)重表達(dá)為：

R&D產(chǎn)出=DCαLβKCIγeλt+μ

(1)

其中，D為常數(shù),C為資本投入要素，L是勞動(dòng)力投入要素，KCI為文中所測(cè)算的知識(shí)復(fù)雜程度。將式(1)兩邊同時(shí)取對(duì)數(shù)變形可得：

lnR&D產(chǎn)出=d+αlnCit+βlnLit+lnKCIit+Xcontrl+εit

(2)

模型(2)中，省份用i表示，年份用t表示，R&D產(chǎn)出為被解釋變量，反映區(qū)域創(chuàng)新發(fā)展?fàn)顩r，KR0/KR1和KCI是核心解釋變量，反映知識(shí)相對(duì)稀缺程度和區(qū)域知識(shí)復(fù)雜水平，d=lnD表示常數(shù)項(xiàng)，εit是誤差項(xiàng)。為了進(jìn)一步提高估計(jì)結(jié)果準(zhǔn)確性，加入控制變量Xcontrl。

2.1 變量選擇

2.1.1 被解釋變量(R&D產(chǎn)出)

本文參照操龍升和趙景峰[27]的做法，最終選擇專利授權(quán)量作為區(qū)域創(chuàng)新績效代理變量。

2.1.2 核心解釋變量(KCI與KR0/KR1)

本文除重點(diǎn)考察知識(shí)復(fù)雜程度對(duì)區(qū)域創(chuàng)新的潛在影響外，還構(gòu)造變量KR0/KR1I,t，以捕捉區(qū)域?qū)I(yè)化知識(shí)相對(duì)稀缺程度對(duì)創(chuàng)新的影響。

2.1.3 其它解釋變量

將R&D研發(fā)經(jīng)費(fèi)投入作為創(chuàng)新產(chǎn)出的資本投入要素度量，用R&D研發(fā)人員全時(shí)當(dāng)量衡量勞動(dòng)力要素投入。

2.1.4 控制變量

為避免遺漏變量造成估計(jì)結(jié)果偏誤，基于之前的研究設(shè)定方法，本文選取人均GDP、對(duì)外開放度作為控制變量[28-29]。人均GDP采用國內(nèi)生產(chǎn)總值/年末人口總數(shù)得到；地區(qū)對(duì)外開放程度測(cè)算采用進(jìn)出口貿(mào)易總額/GDP總值表示，以捕捉區(qū)域經(jīng)濟(jì)特征和對(duì)外開放水平對(duì)創(chuàng)新的影響。

2.2 數(shù)據(jù)來源

本文整理的中國內(nèi)地31個(gè)省市專利授權(quán)量、研發(fā)經(jīng)費(fèi)和研發(fā)人員全時(shí)當(dāng)量等相關(guān)數(shù)據(jù)均來自于2004—2017年《中國科技統(tǒng)計(jì)年鑒》。核心解釋變量為本文所計(jì)算的區(qū)域知識(shí)復(fù)雜性指數(shù)KCI。其它控制變量：年末人口總數(shù)、地區(qū)生產(chǎn)總值、進(jìn)出口額等相關(guān)數(shù)據(jù)來源于2004—2017《中國統(tǒng)計(jì)年鑒》，具體變量釋義詳見表2。

2.3 實(shí)證結(jié)果分析

在實(shí)證模型篩選方面，根據(jù)LM統(tǒng)計(jì)檢驗(yàn)和豪斯曼檢驗(yàn)結(jié)果，發(fā)現(xiàn)固定效應(yīng)模型和隨機(jī)效應(yīng)模型優(yōu)于混合OLS模型，且隨機(jī)效應(yīng)模型優(yōu)于固定效應(yīng)模型。因此，實(shí)證結(jié)果重點(diǎn)參考表3中回歸III、回歸IV修正后的隨機(jī)效應(yīng)估計(jì)結(jié)果。對(duì)于估計(jì)過程中可能存在的異方差和序列相關(guān)問題，回歸IV是修正異方差和序列相關(guān)問題后的估計(jì)結(jié)果，采用異方差—序列相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤，得到的估計(jì)結(jié)果更加可靠。根據(jù)回歸III和IV的估計(jì)結(jié)果，知識(shí)復(fù)雜性指數(shù)KCIi,t與被解釋變量lnPATi,t顯著正相關(guān)，表明作為雅各布斯外部性的重要來源，區(qū)域知識(shí)基礎(chǔ)結(jié)構(gòu)對(duì)創(chuàng)新增長具有積極貢獻(xiàn)，即區(qū)域知識(shí)復(fù)雜性程度越高，越能促進(jìn)區(qū)域創(chuàng)新績效提高。變量KR0/KR1i,t能夠捕捉區(qū)域知識(shí)基礎(chǔ)構(gòu)成的多樣性/普遍性特征，即區(qū)域?qū)I(yè)化知識(shí)數(shù)量和相對(duì)稀缺性?；貧wIV中，KR0/KR1i,t估計(jì)系數(shù)顯著為正，意味著不僅區(qū)域知識(shí)多樣性對(duì)創(chuàng)新至關(guān)重要，而且知識(shí)質(zhì)量，即所掌握知識(shí)的相對(duì)稀缺性同樣是區(qū)域創(chuàng)新不可或缺的因素。

其它控制變量如lnper_GDPi,t、lnR&D_POPi,t、lnR&Di,t和lnOPNEi,t在回歸III與回歸V中的估計(jì)結(jié)果顯著且為正，說明人均收入水平、研發(fā)人員投入、研發(fā)經(jīng)費(fèi)投入和區(qū)域開放程度均能夠積極促進(jìn)區(qū)域創(chuàng)新，與之前學(xué)者的研究結(jié)論相一致[28-29]。

表3 總體回歸估計(jì)結(jié)果

注：*、**、***分別表示10%、5%和1%的顯著性水平，下同；其中回歸III和回歸IV均進(jìn)行了異方差和序列相關(guān)修正，括號(hào)內(nèi)為異方差—序列相關(guān)穩(wěn)健標(biāo)準(zhǔn)差，回歸I、II括號(hào)內(nèi)是未修正的標(biāo)準(zhǔn)差

2.4 分區(qū)域回歸結(jié)果

將區(qū)域樣本分成東、中和西部地區(qū)后，估計(jì)結(jié)果同樣表明，知識(shí)復(fù)雜性能夠顯著促進(jìn)區(qū)域創(chuàng)新(見表4)。從回歸VI、VIII和回歸X的估計(jì)結(jié)果看，東部地區(qū)關(guān)于KCII,t的參數(shù)估計(jì)值為0.607，中部地區(qū)為0.338，西部地區(qū)為0.033且均顯著，說明知識(shí)復(fù)雜程度對(duì)區(qū)域創(chuàng)新的促進(jìn)效應(yīng)排序?yàn)闁|部地區(qū)>中部地區(qū)>西部地區(qū)。以上結(jié)果表明，東部發(fā)達(dá)地區(qū)的專利產(chǎn)出與知識(shí)復(fù)雜性指數(shù)KCII,t具有更強(qiáng)的相關(guān)性。這是由于區(qū)域內(nèi)部知識(shí)復(fù)雜性程度越高，其空間粘性就越強(qiáng)，知識(shí)將很難被其它區(qū)域所復(fù)制[24]，會(huì)進(jìn)一步強(qiáng)化區(qū)域內(nèi)復(fù)雜知識(shí)的自我累積，促進(jìn)專利產(chǎn)出提高。

KR0/KR1i,t的估計(jì)結(jié)果均顯著為正，說明區(qū)域所掌握的專業(yè)化知識(shí)種類越多，知識(shí)稀缺性越高，就越能夠促進(jìn)區(qū)域創(chuàng)新發(fā)展。值得一提的是，指標(biāo)KR0/KR1I,t的估計(jì)結(jié)果在地區(qū)間分布特征與KCII,t恰好相反，東部地區(qū)KR0/KR1I,t的參數(shù)估計(jì)值為0.015，小于中部地區(qū)的0.137和西部地區(qū)的0.094。這一結(jié)果表明，同步提升區(qū)域知識(shí)池內(nèi)專業(yè)化知識(shí)數(shù)量(KR0)和質(zhì)量(KR1)對(duì)中部與西部地區(qū)大有裨益，其邊際增益效果優(yōu)于東部地區(qū)。但同時(shí)應(yīng)該注意到，必須兼顧專業(yè)化知識(shí)累積數(shù)量和質(zhì)量，如果區(qū)域內(nèi)新增專業(yè)化知識(shí)具有較高的KR1值，即在區(qū)域間具有很高的普遍性，或者稀缺性很低，此時(shí)KR0/KR1I,t比值變小，那么新增專業(yè)化知識(shí)對(duì)創(chuàng)新產(chǎn)出的影響將是有限的。

2.5 穩(wěn)健性檢驗(yàn)

為了進(jìn)一步檢驗(yàn)以上結(jié)果的可靠性，本文穩(wěn)健性檢驗(yàn)策略如下：①將被解釋變量專利授權(quán)數(shù)更替為技術(shù)市場(chǎng)成交額。侯建和陳恒(2016)認(rèn)為,技術(shù)市場(chǎng)成交額是衡量區(qū)域技術(shù)創(chuàng)新活動(dòng)整個(gè)生產(chǎn)過程績效和價(jià)值的重要指標(biāo)，可以作為區(qū)域創(chuàng)新績效的替代指標(biāo)；②引入發(fā)明專利申請(qǐng)量所占比重這一控制變量。操龍升和趙景峰(2019)認(rèn)為,發(fā)明專利數(shù)量與質(zhì)量可以較好地反映出一個(gè)國家和地區(qū)的創(chuàng)新能力，將發(fā)明專利申請(qǐng)量占所有專利的比例作為影響技術(shù)創(chuàng)新績效的其它控制變量引入模型，以檢驗(yàn)文中結(jié)果的穩(wěn)健性。

表5估計(jì)結(jié)果中，將被解釋替換成技術(shù)市場(chǎng)成交額后，知識(shí)復(fù)雜性指數(shù)和多樣性/普遍性參數(shù)估計(jì)結(jié)果為正值，且在5%的水平下顯著，與上文估計(jì)結(jié)果一致。引入控制變量發(fā)明專利占比后，知識(shí)復(fù)雜性指數(shù)和多樣性/普遍性依然保持對(duì)創(chuàng)新績效的正向影響，均在5%的水平下顯著。并且，影響效應(yīng)在區(qū)域間的分布特征同樣與上文保持一致，即知識(shí)復(fù)雜程度對(duì)區(qū)域創(chuàng)新的促進(jìn)效應(yīng)排序?yàn)闁|部地區(qū)>中部地區(qū)>西部地區(qū)，而KR0/KR1i,t的估計(jì)結(jié)果是東部小于中部地區(qū)和西部地區(qū)。綜上，穩(wěn)健性檢驗(yàn)結(jié)果表明，上文所得結(jié)果是可靠的。

表4 東部與中西部分區(qū)域回歸估計(jì)結(jié)果

3 研究結(jié)論與啟示

知識(shí)作為創(chuàng)新的核心驅(qū)動(dòng)力，一直是技術(shù)和創(chuàng)新研究領(lǐng)域的關(guān)注點(diǎn)。然而，已有文獻(xiàn)大多從純數(shù)量角度衡量知識(shí)產(chǎn)出，并隱含假定所有知識(shí)都是同質(zhì)的，忽略了知識(shí)質(zhì)量維度。最新文獻(xiàn)在考察創(chuàng)新活動(dòng)空間分布時(shí)，開創(chuàng)性地提出知識(shí)復(fù)雜性概念(Balland&Rigby，2017)，從空間角度理解知識(shí)復(fù)雜性并實(shí)證測(cè)算，重點(diǎn)關(guān)注區(qū)域?qū)用娴膹?fù)雜知識(shí)分布和演化特征。本文首先梳理了該流派的學(xué)術(shù)脈絡(luò)，發(fā)現(xiàn)其是隸屬于區(qū)域創(chuàng)新系統(tǒng)研究脈絡(luò)的分支，再通過測(cè)算出的KCI指數(shù)描述中國區(qū)域知識(shí)復(fù)雜性時(shí)空演化特征，最后實(shí)證檢驗(yàn)知識(shí)復(fù)雜性與區(qū)域創(chuàng)新之間的相關(guān)性，以及對(duì)東部地區(qū)和中、西部地區(qū)影響的異質(zhì)性。

本研究發(fā)現(xiàn)，我國專利重心不斷在區(qū)際間動(dòng)態(tài)遷移，伴隨著專利重心遷移的是東、中、西部地區(qū)知識(shí)復(fù)雜性不斷變化。首先，知識(shí)復(fù)雜性指數(shù)提供了知識(shí)基礎(chǔ)結(jié)構(gòu)演變對(duì)區(qū)域競(jìng)爭力影響的相關(guān)信息，即東部地區(qū)省市稀缺技術(shù)掌握能力高于中、西部地區(qū)省市。但中、西部地區(qū)的劣勢(shì)正在逐漸改變，并不斷進(jìn)入新的技術(shù)領(lǐng)域，東部地區(qū)則作為國內(nèi)創(chuàng)新高效區(qū)域擁有最復(fù)雜的技術(shù)專業(yè)化模式。

表5 穩(wěn)健性檢驗(yàn)結(jié)果

注：僅匯報(bào)了關(guān)鍵關(guān)鍵變量KCII,t和KR0/KR1I,t的估計(jì)結(jié)果，并且將兩列結(jié)果匯總至同一列中

在進(jìn)一步實(shí)證檢驗(yàn)過程中發(fā)現(xiàn)，知識(shí)復(fù)雜性和區(qū)域創(chuàng)新產(chǎn)出之間存在很強(qiáng)的相關(guān)性。即區(qū)域知識(shí)復(fù)雜性程度越高，越能促進(jìn)區(qū)域創(chuàng)新績效提高。區(qū)域在知識(shí)創(chuàng)造過程中，不僅要重視量的增長，更要保證質(zhì)的提高，即通過自主創(chuàng)新生產(chǎn)稀缺性高、難以被模仿的知識(shí)，從而為區(qū)域競(jìng)爭優(yōu)勢(shì)獲取提供堅(jiān)實(shí)的基礎(chǔ)。此外，雖然東部發(fā)達(dá)地區(qū)的專利產(chǎn)出與知識(shí)復(fù)雜性具有更強(qiáng)的相關(guān)性，但中西部落后地區(qū)具有更高的邊際增益，即落后地區(qū)通過模仿、引進(jìn)或創(chuàng)新等途徑主動(dòng)提升區(qū)域內(nèi)稀缺知識(shí)池的存量和質(zhì)量，能夠更顯著地促進(jìn)區(qū)域內(nèi)專利產(chǎn)出增長，從而對(duì)發(fā)達(dá)地區(qū)實(shí)現(xiàn)趕超。本研究結(jié)果表明，在國內(nèi)區(qū)域?qū)用娲嬖诩夹g(shù)能力擴(kuò)散和多樣化過程，這就要求政策制定者在制定創(chuàng)新政策時(shí)，應(yīng)以聚集多樣化和高質(zhì)量知識(shí)為目標(biāo)，而不僅僅只是謀求單一領(lǐng)域內(nèi)的競(jìng)爭優(yōu)勢(shì)。