馬有才，張榮芳，劉 柱

（山東科技大學經濟管理學院，山東青島 266590）

一、引言

知識經濟時代，知識在區(qū)域發(fā)展中起著舉足輕重的作用。然而，我國的知識分布呈現出非均衡態(tài)勢。以2016 年為例，在我國的省級行政單位中，以R&D 研發(fā)經費內部支出測度的知識存量最高省份為最低省份的669 倍；以專利授權量測度的知識存量最高省份為最低省份的1 076 倍；以發(fā)明專利授權量測度的知識存量最高省份為最低省份的663倍。巨大的知識空間分異造就了擁有豐富知識資源的“知識核心區(qū)域”與知識資源相對匱乏的“知識邊緣區(qū)域”。

知識的空間分布不均，造就了各區(qū)域不同的知識動態(tài)，影響著企業(yè)創(chuàng)新[1]：在知識供給與知識溢出方面，“知識核心區(qū)域”要顯著優(yōu)于“知識邊緣區(qū)域”。那么一個值得探究的問題是，知識的空間分異對企業(yè)創(chuàng)新造成怎樣的影響：如果位于“知識核心區(qū)域”的企業(yè)擁有更好的創(chuàng)新表現，那么“知識邊緣區(qū)域”企業(yè)依靠什么來實現創(chuàng)新的“逆襲”；如果“知識核心區(qū)域”并沒有給企業(yè)帶來更好的創(chuàng)新表現，那么其背后的原因又是什么？

本文對知識空間分異對企業(yè)創(chuàng)新的影響展開探討。首先，在利用永續(xù)盤存法對知識存量測度的基礎上，對知識空間分異特征進行了論述；其次，從知識溢出非對稱性視角出發(fā)，探討了企業(yè)知識強度這一異質性因素對區(qū)域知識存量與企業(yè)創(chuàng)新關系的調節(jié)機理，并使用2005—2017 年我國制造業(yè)上市公司數據進行了實證；最后，針對實證分析結果，對如何更好地促進企業(yè)創(chuàng)新提出建議。

二、知識空間分異特征

（一）區(qū)域知識存量的測度

本文使用永續(xù)盤存法對狹義上的知識存量——即區(qū)域在以往研究開發(fā)所產生的知識積累，也稱為技術知識存量或R&D 知識存量進行測度。其合理性在于：第一，知識的推陳出新使得通過永續(xù)盤存法對知識存量進行估算成為可能；第二，廣義而言，任何觀察及觀察基礎上的思索都可以認為是知識的生產活動，這種復雜性使得很難對廣義上的知識進行測度，因而對技術知識存量的測度更具有操作性；第三，技術知識存量能夠在一定程度上反映區(qū)域知識水平[2-3]。具體方法如下：

其中，KSi，t表示i 區(qū)域t 年的技術知識存量，δ為知識折舊率，Ni，t為i 區(qū)域t 年知識的增加量。根據Goto 和Suzuki 的觀點，基年知識存量KSi，t為：

其中，gi為i 區(qū)域新知識年增長率的算術平均。

在測度區(qū)域知識存量時，需要先明確技術知識的衡量標準、區(qū)域層次、基期與知識折舊率。借鑒已有研究，分別以專利數量、R&D 經費支出作為技術知識的衡量標準；以省為分析單元探究知識分異特征；設定2000 年作為基期；知識折舊率參照蔡虹、張永林課題組的做法，設定為0.071 4。

KS 為區(qū)域知識存量的絕對值，為了更好地進行地區(qū)間知識存量差異的比較，構造區(qū)域知識存量的相對值：

（二）知識分布的空間特征

在測度省際知識存量的基礎上，采用ArcGIS 技術對其分布進行描繪。圖1 展示了2016 年各城市的知識存量分布。

圖1 2016 年各城市知識存量分布

通過圖1，可以得出以下結論：第一，整體上呈現出東部沿海地區(qū)技術知識存量大于中部大于西部的分布態(tài)勢；第二，極化特征顯著，一些城市的技術知識存量按照發(fā)明專利測度超過了10%，按照總專利測度也超過了5%；第三，省份內部呈現出非均衡分布態(tài)勢，一省內往往呈現出個別城市技術知識存量大，而其余城市少的分布；第四，省會城市與技術知識存量的分布存在著較高的重疊，表現為一省的省會往往是技術知識存量較大的城市。

三、知識存量、知識溢出與企業(yè)創(chuàng)新

（一）知識存量與知識溢出

“知識溢出”是指區(qū)域內企業(yè)由于存在某種社會關系而更易獲得創(chuàng)新信息的一種經濟外部性現象[4]。相較于“知識邊緣區(qū)域”，“知識核心區(qū)域”在溢出數量、溢出渠道與溢出質量方面均有著其優(yōu)勢，原因如下：第一，從知識溢出的數量而言，“知識核心區(qū)域”有著更為豐富的創(chuàng)新信息，區(qū)域在以往的研發(fā)過程中積累的知識為知識溢出奠定了堅實的基礎。已有研究多從知識存量出發(fā)對區(qū)域間的知識溢出進行測度[5-6]，在一定程度上說明學者對這一觀點的認可。第二，“知識核心區(qū)域”提供了更多的溢出渠道。知識存量的豐富不僅帶來了更多的知識交流的機會[7]，并且更容易形成知識交換市場，這種交流與交換促進了創(chuàng)新主體間的知識溢出。第三，從知識溢出的質量而言，由于跨國企業(yè)往往選擇“知識核心區(qū)域”作為其研發(fā)中心，因而“知識核心區(qū)域”的知識質量相對較高。在實證方面，曾經成功進行創(chuàng)新地區(qū)孵化出的企業(yè)更容易創(chuàng)新成功，以及同一地區(qū)內的專利更容易存在相互引用現象都表明知識溢出更容易發(fā)生于知識存量豐富的地區(qū)。

（二）知識溢出與企業(yè)創(chuàng)新

從區(qū)域創(chuàng)新的視角來看，一個地區(qū)的知識溢出效應越顯著，則區(qū)域內企業(yè)的創(chuàng)新能力也就越強，具體原因如下：

（1）區(qū)域在以往的研發(fā)過程中積累的知識為創(chuàng)新的開展奠定了堅實的知識基礎。Feldman 研究表明，曾經成功進行創(chuàng)新地區(qū)孵化出的企業(yè)更容易創(chuàng)新成功；（2）由于隱性知識難以突破地理距離的限制[8]，積累的隱性知識更能夠影響該地區(qū)的創(chuàng)新；（3）知識溢出豐富的地區(qū)內部存在著更多的知識溝通交流的機會[7-9]，這種交流為區(qū)域內各創(chuàng)新主體間的進一步知識溢出提供了契機；（4）研發(fā)活動積累下來的知識溢出會形成集聚效應，從而吸引更多的資金和人才參與到創(chuàng)新活動中，由于R&D 活動的開展對勞動力的素質提出了要求，因此創(chuàng)新活動更可能集聚發(fā)展[10]；（5）知識溢出的集聚區(qū)更容易形成知識交換的市場，從而能夠更好地實施創(chuàng)新。

綜合以上論述，提出本文的假設1：

H1：在其他條件不變的情況下，區(qū)域的技術知識存量與該區(qū)域內企業(yè)的創(chuàng)新能力呈正向關系：區(qū)域技術知識存量越多，則該地區(qū)企業(yè)的創(chuàng)新能力越高；區(qū)域技術知識存量越少，則該地區(qū)企業(yè)的創(chuàng)新能力越低。

（三）知識溢出的非對稱性

從區(qū)域層面而言，知識存量的豐富帶來了知識溢出效應。然而知識溢出的非對稱性特征決定了知識溢出對不同知識強度的企業(yè)的影響存在差異：知識強度高的企業(yè)在擁有較高吸收能力，更好地利用其他企業(yè)知識溢出的同時，也面臨著內部知識向其他企業(yè)“反向溢出”的風險；而知識強度低的企業(yè)雖不能夠充分利用其他企業(yè)的知識溢出，卻不必擔心向其他企業(yè)的“反向溢出”。圍繞著知識溢出的“非對稱性特征”，學者對于知識溢出對企業(yè)創(chuàng)新的影響產生了兩種觀點：“互補論”及“均衡論”。“互補論”的支持者認為，知識溢出更有利于知識強度高的企業(yè)[5]；“均衡論”的支持者則認為，雖然知識強度高的企業(yè)能夠更有效地吸收本地其他企業(yè)的知識溢出，但是，其同時也是知識溢出的源頭[11-12]。

按照知識溢出與企業(yè)知識強度互補的觀點，提出本文的假設2：

H2：在其他條件不變的情況下，企業(yè)知識強度對區(qū)域技術知識存量與企業(yè)創(chuàng)新的關系產生正向調節(jié)作用：相較于知識強度低的企業(yè)，知識強度高的企業(yè)更能夠從技術知識存量豐富區(qū)域獲益。

按照知識溢出與企業(yè)知識強度均衡的觀點，提出本文的假設3：

四、研究設計

（一）樣本選擇

由于使用專利衡量企業(yè)創(chuàng)新產出，而專利主要來自于制造業(yè)[13]，因此選擇A 股2005—2017 年所有制造業(yè)上市公司作為研究對象。參照已有研究的做法，剔除以下樣本：（1）專利數據缺失樣本；（2）關鍵變量缺失的樣本；（3）ST 類企業(yè)。所有連續(xù)變量進行了上下1%分位的縮尾處理。經過以上處理，最終得到11 481 個樣本。

（二）變量選取與說明

1.關鍵變量選取。企業(yè)創(chuàng)新產出：采用專利授權數衡量企業(yè)創(chuàng)新產出。其中，2010 年及之前的上市公司專利授權數據源自于CPDP 項目，2010 年之后的數據參照He 等（2018）[14]與蔡衛(wèi)星等（2019）[13]的做法，利用國家知識產權局專利檢索及分析系統進行獲取。

區(qū)域知識存量：對地級市的專利授權量采用永續(xù)盤存法測度地級市知識存量，方法見公式（1）～公式（3）。需要進行說明的是，由于各地級市的研發(fā)支出數據存在口徑不一的情況：一些城市報告了研發(fā)經費支出，而一些城市僅報告了研發(fā)經費內部支出，還有一些城市僅匯報了規(guī)模以上企業(yè)的研發(fā)支出，因此并沒有采用研發(fā)支出數據測度地級市的知識存量。各地級市的專利數據源于國家知識產權局專利檢索系統，檢索方式參考馬靜等（2017）[1]。

企業(yè)知識強度：借鑒龍小寧等（2018）[15]的做法，以企業(yè)的“知識資本”，即企業(yè)截止每年末有效存續(xù)的專利數量與企業(yè)規(guī)模之比來測度企業(yè)的知識強度——即以單位資產的知識資本衡量企業(yè)的知識強度。

2.模型設定。不同于實用新型專利與外觀設計專利，發(fā)明專利體現的更多是關鍵技術成果，黎文靖和鄭曼妮（2016）[16]認為，企業(yè)的發(fā)明專利能夠衡量企業(yè)的實質性創(chuàng)新。因此，為了更全面地考察區(qū)域知識存量、企業(yè)知識強度對企業(yè)創(chuàng)新的影響，將企業(yè)創(chuàng)新劃分為以專利授權總量衡量的企業(yè)整體創(chuàng)新與以發(fā)明專利授權衡量的企業(yè)實質性創(chuàng)新；將區(qū)域知識存量劃分為總體知識存量與發(fā)明知識存量。

考慮到區(qū)域知識存量、企業(yè)知識強度對企業(yè)創(chuàng)新的影響，建立如下形式的線性回歸模型：

在回歸方程中，Innovationi，t表示t 時期企業(yè)i 的創(chuàng)新產出，分別使用企業(yè)的專利授權總量與發(fā)明專利授權量衡量，RKSi，t表示企業(yè)所在城市的知識存量，分別使用總體知識存量與發(fā)明知識存量衡量，KFi，t表示企業(yè)的知識強度。Xi和δ 分別是K*1 維控制變量向量和系數向量。

3.控制變量選取。知識擴散已成為促進地區(qū)創(chuàng)新發(fā)展的潛在技術機會窗口之一[17]，企業(yè)創(chuàng)新不僅受到本地知識溢出的影響，還受到非本地知識溢出的影響，因此以其他城市對企業(yè)所在城市的知識溢出量作為衡量企業(yè)受到的非本地知識溢出的影響。

其中，KRi，t表示i 所在城市t 時期接收的其他地區(qū)的知識溢出量，為溢出知識存量的絕對值，KSj，t表示j 地區(qū)t 時期的知識存量，以專利總量衡量的區(qū)域總體知識存量衡量，dij表示i，j 兩地的地理距離，λ 為地理距離的調節(jié)系數，RKRi，t表示地區(qū)接收的其他地區(qū)的知識溢出量占該時期全國知識地區(qū)間知識溢出總量的比例，為區(qū)域接受的知識溢出量的相對值。在λ 的取值方面，參考Grillitsch 和Nilsson（2015）[18]的研究，將其設定為0.017。

目前，該軟件的最新版本為2016年2月18日發(fā)布的 ERICA Assessment Tool 1.2，可以在網絡上免費下載使用。

上市公司不僅在其注冊地開展業(yè)務，還存在異地經營的現象。曹春方等（2015）[19]研究表明，中國地方制造業(yè)上市公司有42.15%的子公司為外省的異地子公司。企業(yè)的異地經營使得企業(yè)接觸到更廣闊的市場以及更為多樣的知識，從而影響到企業(yè)創(chuàng)新。因此，本文控制了企業(yè)異地經營這一變量，如果上市公司存在異地子公司，該變量取值為1，否則取值為0。

企業(yè)集團內部的知識市場影響著企業(yè)的創(chuàng)新產出。本文參照已有研究[13]設置企業(yè)集團的虛擬變量：當兩家或兩家以上上市公司在同一年度具有相同的最終控制人時，就認定這些上市公司從屬于企業(yè)集團，取值為1，否則取值為0。

此外，本文還控制了企業(yè)規(guī)模、資產負債率、企業(yè)年齡、企業(yè)性質、經營現金流比率、資本密集度以及城市的人均國內生產總值及外商直接投資等一系列變量（見表1）。

五、實證分析

（一）基準回歸

由于采用專利授權量衡量企業(yè)創(chuàng)新，因此本文更適合采用計數模型進行回歸。由于泊松回歸需要滿足”均等分散“假定，而本文的數據更接近于負二項分布，因此選擇負二項回歸作為基準回歸方式。

在基準回歸中，首先采用區(qū)域知識存量對企業(yè)創(chuàng)新進行單獨回歸，以驗證其對企業(yè)創(chuàng)新的影響；然后加入企業(yè)知識強度以及區(qū)域知識存量與企業(yè)知識強度的交互項，來驗證企業(yè)知識強度在區(qū)域知識存量與企業(yè)創(chuàng)新中的調節(jié)作用；最后進一步控制企業(yè)層面、區(qū)域層面的控制變量及年份、行業(yè)、城市等效應，從而降低遺漏變量的可能性。此外，將企業(yè)的創(chuàng)新表現劃分為整體創(chuàng)新與實質性創(chuàng)新，將區(qū)域知識存量劃分為總體知識存量與發(fā)明知識存量?；貧w結果如表2 所示。

表1 變量定義及描述性統計

從表2 可以看出，各控制變量的符號均符合預期，在分別使用區(qū)域總體知識存量還是發(fā)明知識存量對企業(yè)創(chuàng)新單獨回歸時，無論被解釋變量為整體創(chuàng)新還是實質性創(chuàng)新，區(qū)域知識存量都在1%水平上顯著促進企業(yè)創(chuàng)新（模型（1）、模型（4））。在考慮了企業(yè)知識強度及其與區(qū)域知識存量的交互項之后，可以發(fā)現，交互項回歸系數顯著為負（模型（2）、模型（5）），說明企業(yè)知識強度對區(qū)域知識存量與企業(yè)創(chuàng)新的關系有著負向調節(jié)作用：知識存量豐富的地區(qū)有利于知識強度低的企業(yè)提升創(chuàng)新產出，而不利于知識強度高的企業(yè)創(chuàng)新產出的提升。在進一步控制了企業(yè)層面、城市層面控制變量以及年份、行業(yè)、城市虛擬變量后，各主要變量的回歸系數及其顯著性并沒有發(fā)生太大的變化（模型（3）、模型（6））。模型（7）、模型（8）進一步探究了區(qū)域發(fā)明知識存量對企業(yè)總體創(chuàng)新的影響以及總體知識存量對企業(yè)實質性創(chuàng)新的影響，結果仍然顯著。

表2 基準回歸結果

（二）穩(wěn)健性檢驗

1.更改回歸方式。為檢驗回歸結果對回歸方法的穩(wěn)健性，參考已有研究[20]，將被解釋變量加1 后取對數作為新的被解釋變量，采用混合回歸與面板數據固定效應模型分別回歸。從回歸結果可以看出，無論是使用混合回歸還是固定效應模型進行回歸，主要解釋變量在符號與顯著性方面仍然符合預期，因此可以認為研究結論不受回歸方式的影響。

2.納入滯后項?？紤]到區(qū)域知識存量對企業(yè)創(chuàng)新的影響可能存在滯后性，因此將主要解釋變量滯后一期進行穩(wěn)健性檢驗。回歸結果表示，無論是使用滯后項還是加入研發(fā)投入，以上結論仍然穩(wěn)健，此外，研發(fā)投入顯著地影響了企業(yè)的創(chuàng)新表現。

3.子樣本回歸。為了確保結論的穩(wěn)健性不存在樣本偏差，使用子樣本進行回歸：（1）按照企業(yè)產權性質劃分為國有企業(yè)與非國有企業(yè)進行回歸，其中國有企業(yè)與非國有企業(yè)的劃分按照股權控制鏈計算所得；（2）按照行業(yè)性質劃分為高科技企業(yè)與非高科技企業(yè)進行回歸，參照李詩等、黎文靖和鄭曼妮（2016）[16]的分類，將通用設備制造業(yè)，專用設備制造業(yè)，交通運輸設備制造業(yè)，電器機械及器材制造業(yè)，計算機、通信及其它電子設備制造業(yè)，儀器儀表制造業(yè)，文化辦公用機械制造業(yè)、有色金屬冶煉和壓延加工業(yè)、金屬制品業(yè)化為高科技行業(yè)，其它行業(yè)為非高科技行業(yè)。從分組回歸的結果來看，雖然個別組的顯著性水平與基準回歸存在著差異，但是各變量符號均符合預期，以上結論仍然成立。

4.更改變量衡量方式。由于各個城市的轄區(qū)面積、人口的不同可能造成擁有更大轄區(qū)面積與更多人口的城市有著更好的知識存量，因此分別使用單位面積知識存量（絕對知識存量/城市面積）與人均知識存量（絕對知識存量/總人口）衡量區(qū)域的知識存量；此外，由于2007 年新會計準則要求原無形資產分別在“無形資產”、“商譽”和“投資性房地產”中核算，因此新會計準則下的無形資產主要由專利權和非專利技術構成[21]，故選擇2008 年及之后企業(yè)的無形資產與期末總資產比重衡量企業(yè)的知識強度。從回歸結果可以看出，雖然個別回歸結果在系數的符號及顯著性方面有著一定的差異，但整體而言，主要結論是穩(wěn)健的。

（三）內生性問題的探討

基準回歸可能存在內生性偏誤：第一，盡管通常認為單個企業(yè)很難影響到城市層面的變量，由于知識溢出效應的存在、標桿企業(yè)的進入也能吸引更多企業(yè)進入相應城市，從而以集聚的形式影響到城市的知識存量，這種反向因果會高估城市知識存量對企業(yè)創(chuàng)新的影響；第二，城市的知識存量與企業(yè)創(chuàng)新可能同時受到某一因素的影響，從而導致二者較高的相關性；第三，可能遺漏了一些與解釋變量相關的其他變量，導致擾動項與解釋變量相關。

現有文獻多采用準自然試驗的方法來解決上述內生性問題[22-23]。由于企業(yè)的選址通常不是隨機的，很難找到外生沖擊事件，因此采用工具變量法解決上述內生性偏誤[24]。選擇中國1919 年各地基督教教會初級小學注冊學生數占總人口的比例作為區(qū)域知識存量的工具變量，原因在于：第一，近代科學和科學革命誕生在歐洲，中國近代的科學啟蒙很大程度上依賴于西方，這在技術知識方面體現的更為明顯；第二，區(qū)別于傳統的學校，基督教教會小學在課程設置方面加入了諸如算術、圖畫、手工以及自然科學的啟蒙教育，為各地現代知識體系的建立奠定了基礎；第三，知識的累積性特征使得過去形成的知識體系影響著當前的技術知識存量；與此同時，作為歷史變量，其并不直接影響當前企業(yè)的創(chuàng)新，并且也不會通過宗教等因素影響企業(yè)的創(chuàng)新。在數據方面，由于地級市行政區(qū)劃變動頻繁，因此使用縣級的行政區(qū)劃進行匹配，并在地級市層面進行加總；在數據來源方面，1919 年的縣區(qū)數據及基督教教會初級小學注冊學生數來自于《1901—1920年中國基督教調查資料》。

表3 工具變量法估計結果

利用1919 年基督教教會初級小學注冊學生占比作為工具變量對區(qū)域知識存量、企業(yè)知識強度與企業(yè)創(chuàng)新進行工具變量回歸發(fā)現，三者之間的關系依然穩(wěn)?。簠^(qū)域知識存量對企業(yè)創(chuàng)新的影響受到企業(yè)知識強度的調節(jié)，知識強度高的企業(yè)能夠從知識存量豐富的地區(qū)提升創(chuàng)新表現，而知識強度低的企業(yè)創(chuàng)新表現則可能在知識存量豐富的地區(qū)得到抑制。

六、結論與建議

如何促進企業(yè)創(chuàng)新，推動發(fā)展方式轉變是我國當前面臨的重大問題之一。本研究從我國知識空間分異這一現象出發(fā)，探討了知識空間分異的時空特征及其對企業(yè)創(chuàng)新的影響。研究表明：（1）在技術知識存量與企業(yè)創(chuàng)新關系方面，基準回歸結果驗證了在不考慮其他因素的條件下，區(qū)域的技術知識存量越豐富，企業(yè)的創(chuàng)新表現越好。（2）在考慮知識溢出非對稱性特征的基礎上，在回歸中加入企業(yè)知識強度這一調節(jié)變量，基準回歸結果驗證了知識溢出非對稱性的存在。（3）穩(wěn)健性檢驗結果表明，在更改回歸方式、更改變量的測度方式、使用子樣本回歸以及納入滯后項等情況下，均保持了基本結論的不變；為解決可能存在的內生性問題，本文使用歷史數據作為工具變量，工具變量回歸結果依然支持了本文的主要結論。

基于以上研究結論，為更為有效地推動企業(yè)創(chuàng)新與區(qū)域創(chuàng)新的協調發(fā)展，提出以下建議：第一，對于位于“知識核心區(qū)域”的知識強度低的企業(yè)而言，應當積極利用自身的區(qū)位優(yōu)勢開展創(chuàng)新活動，從而形成自身的競爭力；而對于“知識核心區(qū)域”的知識強度高的企業(yè)而言，可以借助于企業(yè)的異地經營與集團化等方式趨利避害，從而更好地開展創(chuàng)新。第二，對區(qū)域政策的制定者而言，由于處于“知識邊緣區(qū)域”的地區(qū)知識資源的局限性，其應當大力引入知識強度高的企業(yè)，以該類企業(yè)的創(chuàng)新促成發(fā)展方式的轉變；而處于“知識核心區(qū)域”的地區(qū)則應當充分利用其知識資源優(yōu)勢，鼓勵新創(chuàng)企業(yè)探索新的發(fā)展方向，從而實現發(fā)展方式的轉變。