笪瓊瑤

咸陽師范學(xué)院 咸陽 712000

引言

知識(shí)經(jīng)濟(jì)時(shí)代，信息瞬間萬變、創(chuàng)新加速更迭，知識(shí)和技術(shù)的重要性日益凸顯，因此，越來越多的經(jīng)濟(jì)主體在開展經(jīng)濟(jì)活動(dòng)時(shí)，不僅關(guān)注土地、勞動(dòng)力等生產(chǎn)要素，更為關(guān)注知識(shí)資源和創(chuàng)新條件，知識(shí)溢出逐步成為影響經(jīng)濟(jì)決策的重要因素。Caniels[1]將知識(shí)溢出定義為通過信息交流而獲取的智力成果，具有純粹的外部性，其本質(zhì)在于空間單元上的知識(shí)能使該空間單元中全部企業(yè)獲取回報(bào)。因其外部性的特質(zhì)，知識(shí)溢出對(duì)于區(qū)域或國家的經(jīng)濟(jì)增長、科技創(chuàng)新發(fā)揮著巨大作用，然而，由于知識(shí)溢出發(fā)生時(shí)并沒有明顯的痕跡[2]，以至于選擇何種方法對(duì)其進(jìn)行科學(xué)的測(cè)度就成為研究知識(shí)溢出活動(dòng)與效應(yīng)的最大障礙[3]。因此，對(duì)知識(shí)溢出展開科學(xué)有效的測(cè)度既是研究的難點(diǎn)，也是研究的熱點(diǎn)，十分重要且必要。

隨著研究的不斷發(fā)展，對(duì)于知識(shí)溢出的測(cè)度問題也不斷突破，測(cè)度方法上，主要有Griliches[4]、Jaffe[5,6]為代表的知識(shí)函數(shù)法；有Jaffe等[7]、Kitahara等[8]以專利引用重疊建立技術(shù)關(guān)系矩陣，以此測(cè)度知識(shí)溢出的文獻(xiàn)追蹤法；有Caniels測(cè)度知識(shí)溢出能力的蜂巢模型法[1]；此外，還包括極值邊界法與成本函數(shù)法等。然而，盡管學(xué)者們利用這些方法對(duì)知識(shí)溢出展開了不同程度的研究，極力探索知識(shí)溢出的范圍與程度，但這些研究更多的在探討與分析知識(shí)溢出效應(yīng)，而對(duì)于如何測(cè)算知識(shí)溢出實(shí)際數(shù)量，尤其是區(qū)域?qū)嶋H能獲取的溢出數(shù)量的測(cè)度。與此同時(shí)，實(shí)際獲取的知識(shí)溢出數(shù)量對(duì)分析知識(shí)溢出的特征、評(píng)估其對(duì)經(jīng)濟(jì)發(fā)展的影響十分重要，因此，選擇一種方法對(duì)知識(shí)溢出進(jìn)行數(shù)量測(cè)度很有必要。

本文基于Jaffe[5,6]、Caniels[1]對(duì)知識(shí)溢出的測(cè)度思路，將城市實(shí)際獲取的知識(shí)溢出構(gòu)建為吸收能力、技術(shù)臨近、地理距離等影響下的城市可獲得的知識(shí)池的函數(shù)，對(duì)2004—2013年間中國255個(gè)城市實(shí)際接收的知識(shí)溢出進(jìn)行了測(cè)度，并在此基礎(chǔ)上分析了知識(shí)溢出的傳導(dǎo)機(jī)制，研究發(fā)現(xiàn)，我國255個(gè)地級(jí)城市實(shí)際可獲得的知識(shí)溢出數(shù)量分布不均，差距較大，所有城市10年間所獲得知識(shí)溢出均呈現(xiàn)出上升趨勢(shì)，整體上保持了高速增長。對(duì)其進(jìn)一步分析發(fā)現(xiàn)，知識(shí)溢出的高速增長得益于2006年我國提出建設(shè)創(chuàng)新型國家戰(zhàn)略的影響，而分布不均主要受城市人才流動(dòng)、產(chǎn)學(xué)研合作、新建企業(yè)數(shù)以及對(duì)外貿(mào)易數(shù)額的影響。

1 知識(shí)溢出測(cè)度模型的構(gòu)建

1.1 Jaffe知識(shí)生產(chǎn)函數(shù)與Caniels蜂巢模型

1.1.1 Jaffe知識(shí)生產(chǎn)函數(shù)法

知識(shí)生產(chǎn)函數(shù)法由Griliches[4]最先提出，經(jīng)Jaffe[5,6]擴(kuò)展，其基本方法在于為企業(yè)可獲得的外部知識(shí)池設(shè)置正確的權(quán)重，以此計(jì)算企業(yè)所俘獲的外部知識(shí)溢出。在知識(shí)溢出對(duì)生產(chǎn)率的影響效應(yīng)進(jìn)行度量時(shí)，Griliches開創(chuàng)性的提出了以企業(yè)可接收或利用的外部知識(shí)池的知識(shí)數(shù)量為基礎(chǔ)，對(duì)這一數(shù)量設(shè)置權(quán)重進(jìn)而對(duì)知識(shí)溢出進(jìn)行數(shù)量測(cè)度的思路，但并未就權(quán)重如何設(shè)置給予說明。Jaffe[5]在此基礎(chǔ)上創(chuàng)造性的提出以技術(shù)臨近程度作為權(quán)重的計(jì)算方法，以該權(quán)重乘以企業(yè)可獲取的外部知識(shí)池以此測(cè)度知識(shí)溢出，其主要思想為：企業(yè)可獲得的知識(shí)不僅包括其自身研究活動(dòng)的研究成果，而且還包括其他與技術(shù)有關(guān)的公司的研究成果。

具體而言，Jaffe[5]假設(shè)技術(shù)領(lǐng)域記為k=1,2,…,K，定義技術(shù)向量Fi=(Fi1,Fi2, …,Fik)為企業(yè)i所申請(qǐng)的專利在相應(yīng)類別的技術(shù)領(lǐng)域所占的份額，Sij表示i，j兩個(gè)企業(yè)之間的技術(shù)臨近程度，即：

企業(yè)可獲取的知識(shí)溢出為：

Rj是j企業(yè)R&D活動(dòng)的投資。

該方法的貢獻(xiàn)在于首次給出了知識(shí)溢出測(cè)度的具體公式，并在技術(shù)的衡量上使用專利信息；局限性在于技術(shù)距離并不是真正的距離且假定溢出只發(fā)生在同一技術(shù)領(lǐng)域內(nèi)。

1.1.2 Caniels蜂巢模型法

參考文獻(xiàn)Arrow[9]所提出的“干中學(xué)效應(yīng)”，構(gòu)建了測(cè)度知識(shí)溢出能力的模型——基于六邊形區(qū)域的空間知識(shí)溢出蜂巢模型。該模型假設(shè)區(qū)域間知識(shí)溢出來自于技術(shù)落后區(qū)域（i）與技術(shù)先進(jìn)區(qū)域（j）的知識(shí)差距（Gij）。由此，得到落后區(qū)域i接受技術(shù)先進(jìn)區(qū)域j的知識(shí)溢出效應(yīng)公式：

其中，Si為i區(qū)從j區(qū)獲取的知識(shí)溢出水平；δij為i區(qū)的學(xué)習(xí)能力；Gij為兩區(qū)間知識(shí)存量的差距；γij為兩區(qū)間的地理距離；ui為技術(shù)追趕系數(shù)。

將區(qū)域數(shù)從2擴(kuò)展到k，其中任意一個(gè)區(qū)域所接受的知識(shí)溢出是來自k-1個(gè)區(qū)域知識(shí)溢出效應(yīng)的加總，即：

蜂巢模型在測(cè)度區(qū)域接受的知識(shí)溢出時(shí)，假設(shè)區(qū)域間存在的知識(shí)差距是引發(fā)知識(shí)溢出的原動(dòng)力，區(qū)域?qū)W習(xí)能力積極影響區(qū)域知識(shí)溢出的能力，而地理距離則相反，阻礙了區(qū)域間溢出效應(yīng)，因?yàn)樵跍y(cè)度時(shí)全面的考慮到了各項(xiàng)因素對(duì)知識(shí)溢出水平的影響，因而被廣泛運(yùn)用。然而，蜂巢模型僅計(jì)算區(qū)域間的知識(shí)溢出，未考慮區(qū)域內(nèi)的知識(shí)溢出；該模型從兩個(gè)地區(qū)間知識(shí)存量的差距出發(fā)考慮溢出，但并未對(duì)這種差距背后的因素進(jìn)行深入的考量。

1.2 改進(jìn)的知識(shí)溢出測(cè)度模型

以Jaffe[5]、Caniels[1]對(duì)知識(shí)溢出的測(cè)度為基礎(chǔ)，將城市實(shí)際獲取的知識(shí)溢出構(gòu)建為吸收能力、技術(shù)臨近、地理距離等影響下城市可獲得的知識(shí)池的函數(shù)，對(duì)中國255個(gè)地級(jí)城市實(shí)際接受的知識(shí)溢出數(shù)量進(jìn)行了測(cè)度。

1.2.1 測(cè)度的重點(diǎn)是城市實(shí)際可接收的知識(shí)溢出

根據(jù)Caniels[1]對(duì)知識(shí)溢出的定義可知，知識(shí)溢出是一種通過一定渠道進(jìn)行傳播而獲取的智力成果，傳播過程是無意識(shí)的，或者換句話說只要有知識(shí)就發(fā)生了溢出。既然是無意識(shí)的傳播，勢(shì)必存在經(jīng)濟(jì)中溢出總量和實(shí)際接受到的溢出不對(duì)等的問題。Kedia等[10]提出的“知識(shí)吸收能力”，正是對(duì)這一不均等現(xiàn)象產(chǎn)生原因的研究與解答。因此，在對(duì)溢出總量進(jìn)行度量的基礎(chǔ)上，還需深入研究目標(biāo)主體實(shí)際吸收到的溢出量該如何度量。對(duì)于這個(gè)問題的測(cè)度，本文借鑒Jaffe[5]的思路，以目標(biāo)主體（本文為城市）可以獲得的外部知識(shí)池設(shè)置權(quán)重來測(cè)度，為此本文設(shè)置了“技術(shù)臨近”與“城市知識(shí)吸收能力”兩個(gè)權(quán)重，即城市間技術(shù)越接近、城市吸收知識(shí)的能力越強(qiáng)，城市對(duì)于已經(jīng)發(fā)生溢出的實(shí)際接收量也就越多。

（1）技術(shù)臨近

學(xué)術(shù)界以Jaffe[5]將技術(shù)臨近作為權(quán)重測(cè)度知識(shí)溢出為基礎(chǔ)，隨后對(duì)設(shè)定權(quán)重方法在Griliches-Jaffe知識(shí)生產(chǎn)函數(shù)的框架下進(jìn)行了一些修改與拓展，主要表現(xiàn)在：Rosenkopf等[11]利用技術(shù)向量之間的Euclid距離計(jì)算技術(shù)鄰近；Bloom等[12]和Akcigit等[13]在以技術(shù)臨近作為權(quán)重時(shí)，將同一技術(shù)領(lǐng)域擴(kuò)展到不同技術(shù)領(lǐng)域間。然而，盡管這些研究對(duì)技術(shù)臨近的測(cè)度進(jìn)行了深入挖掘，但均是分行業(yè)以企業(yè)的專利在技術(shù)領(lǐng)域所占的份額來設(shè)置技術(shù)向量，即依靠申請(qǐng)專利所屬的類別占區(qū)域這一領(lǐng)域的比例來度量地區(qū)間技術(shù)相似程度。使用分行業(yè)專利申請(qǐng)類別來度量?jī)傻亻g的技術(shù)臨近存在一定程度的不準(zhǔn)確性，一方面，假設(shè)兩地在兩個(gè)技術(shù)差異很小的不同行業(yè)上申請(qǐng)不同專利，因?yàn)樾袠I(yè)本身技術(shù)差異小，因此實(shí)際上這兩地的技術(shù)應(yīng)該比較臨近即技術(shù)臨近值將較高，但以分行業(yè)專利申請(qǐng)情況的相似程度來測(cè)度的話，則將獲得一個(gè)非常小的技術(shù)臨近值（兩地技術(shù)相似度較低）；另一方面，這種方法的隱含假設(shè)在于行業(yè)間技術(shù)差異沒有差異，但顯然，這并不符合現(xiàn)實(shí)，現(xiàn)實(shí)情況是行業(yè)之間技術(shù)存在差異。

因此，為了彌補(bǔ)這一方面的不足，本文基于產(chǎn)品空間理論的地區(qū)生產(chǎn)能力稟賦相似度來測(cè)度兩地間技術(shù)結(jié)構(gòu)相似程度，即：

其中χij為兩地區(qū)之間的技術(shù)臨近，ωki表示i地區(qū)k產(chǎn)品的生產(chǎn)能力稟賦，ωkj表示i地區(qū)k產(chǎn)品的生產(chǎn)能力稟賦。生產(chǎn)能力稟賦反映了地區(qū)生產(chǎn)某項(xiàng)產(chǎn)品是否具有潛在的比較優(yōu)勢(shì)，是對(duì)一個(gè)地區(qū)的某種產(chǎn)品在基礎(chǔ)設(shè)施、技術(shù)投入、制度環(huán)境進(jìn)行綜合的測(cè)度。根據(jù)Hidalgo等[14]和Hausmann等[15]的研究可知，潛在產(chǎn)品k周邊累積的生產(chǎn)能力稟賦大小通過“產(chǎn)品密度”加以說明，“產(chǎn)品密度”用以測(cè)度一種潛在產(chǎn)品與該地區(qū)目前所生產(chǎn)產(chǎn)品的平均接近程度，即該地區(qū)生產(chǎn)產(chǎn)品集合的既定條件下，該產(chǎn)品周邊所有產(chǎn)品所具備的生產(chǎn)能力。因此產(chǎn)品密度越大，該產(chǎn)品潛在的生產(chǎn)能力稟賦就越高，生產(chǎn)能力稟賦越高就說明區(qū)域越容易進(jìn)行這種產(chǎn)品的生產(chǎn)。

其中xik取0或1，以表示i地區(qū)k行業(yè)是否具有顯性比較優(yōu)勢(shì)，通過Balassa提出的顯性比較優(yōu)勢(shì)指標(biāo)（Revealed Comparative Advantage，以下簡(jiǎn)稱RCA）[16]加以判斷，計(jì)算公式為：

x(i,k)為i地區(qū)k產(chǎn)品的產(chǎn)值，Σkx(i,k)為i地區(qū)所有產(chǎn)品的產(chǎn)值，Σkx(i,k)為所有地區(qū)k產(chǎn)品的產(chǎn)值，Σi,kx(i,k)為所有地區(qū)全部產(chǎn)品的總產(chǎn)值。則xik的取值為：φkm表示k與m之間的產(chǎn)品臨近度，計(jì)算公

式為：

其中，Pr(k|m)為當(dāng)生產(chǎn)產(chǎn)品m時(shí)，同時(shí)生產(chǎn)k的條件概率，同理，

（2）城市知識(shí)吸收能力

“知識(shí)吸收能力”（Knowledge Absorptive Capacity）概念最早出現(xiàn)于1988年，由Kedia等提出，但真正受到重視是在1990年，Cohen等[17]對(duì)其定義為企業(yè)從環(huán)境對(duì)知識(shí)進(jìn)行識(shí)別，并極力吸收加以利用的能力，不僅包括企業(yè)模仿新工藝進(jìn)行產(chǎn)品改造的能力，而且包括企業(yè)利用外部知識(shí)進(jìn)行產(chǎn)品創(chuàng)新的能力。隨著研究的不斷深入，吸收能力被總結(jié)為，經(jīng)濟(jì)主體獲取、吸收、轉(zhuǎn)化、利用知識(shí)的一套組織慣例與過程[18]。Crescenzi等[19]對(duì)該觀點(diǎn)也表示支持。

目前，從微觀視角研究企業(yè)知識(shí)吸收能力較多，并多采用調(diào)查問卷的形式獲取數(shù)據(jù)，數(shù)據(jù)的可靠性與問卷問題的設(shè)置依據(jù)性難以保證。在對(duì)區(qū)域知識(shí)吸收能力的研究上，Yoguel等[20]從量、質(zhì)、質(zhì)量三個(gè)方面構(gòu)建了知識(shí)吸收能力的指標(biāo)體系，將其分解為人力資本、知識(shí)傳播系統(tǒng)、交通條件、信息硬件等指標(biāo)對(duì)區(qū)域知識(shí)吸收能力進(jìn)行測(cè)度。

本文以Yogue等[20]的研究為基礎(chǔ)，將知識(shí)吸收能力分解為獲取知識(shí)的能力（條件與渠道）、消化知識(shí)的能力（人力與技術(shù)）與應(yīng)用知識(shí)的能力（知識(shí)產(chǎn)生的效果），結(jié)合城市層面數(shù)據(jù)可得性，建立如下城市知識(shí)吸收能力指標(biāo)體系如表1所示。

表1 城市知識(shí)吸收能力指標(biāo)評(píng)價(jià)體系

1.2.2 城市實(shí)際能接收的知識(shí)溢出既來自城市內(nèi)又來自城市間，城市間的知識(shí)溢出隨距離而不斷衰減。

知識(shí)溢出是知識(shí)在不同主體之間通過直接或間接互動(dòng)交流方式進(jìn)行的傳播，這一過程既發(fā)生在較近的空間范圍內(nèi)，也可以發(fā)生在較大的空間范圍內(nèi)。然而，由于知識(shí)的隱形、默會(huì)性、局部性等特點(diǎn)，面對(duì)面溝通是交流思想、傳遞知識(shí)、促進(jìn)溢出的最好辦法。Rosenthal等[21]基于EG指數(shù)的比較研究發(fā)現(xiàn)，知識(shí)溢出在集聚類型的最小空間尺度上（郵政編碼層面）發(fā)揮積極作用；Bottazzi等[22]探討了在區(qū)域產(chǎn)生新思想能力上研發(fā)及其外部性的影響，發(fā)現(xiàn)知識(shí)溢出效應(yīng)在300公里范圍內(nèi)有效并隨距離的增長而不斷減弱，由此可見，知識(shí)溢出在空間中不斷衰減，離知識(shí)溢出源的空間距離越近則能夠獲取的知識(shí)溢出越大，知識(shí)溢出存在空間限制。

因此，本文在測(cè)度城市實(shí)際能接收的知識(shí)溢出時(shí)，將其來源分為由城市自身溢出部分與其他城市溢出部分，并隨著地理距離γij越遠(yuǎn)，從其他城市所獲取的溢出越小。

1.2.3 改進(jìn)的知識(shí)溢出模型

基于上述分析，本文對(duì)知識(shí)溢出模型進(jìn)行改進(jìn)，改進(jìn)的模型如下：

其中，ωki表示i地區(qū)k產(chǎn)品的生產(chǎn)能力稟賦，γij為i、j兩區(qū)間的空間距離，δi為i區(qū)的知識(shí)吸收能力，Kj為j區(qū)知識(shí)池?cái)?shù)量。

本文將通過此模型對(duì)我國255個(gè)城市實(shí)際可獲取的知識(shí)溢出進(jìn)行數(shù)量測(cè)度。

2 知識(shí)溢出的測(cè)度

2.1 樣本選取及數(shù)據(jù)來源

本文以2003—2013年為分析時(shí)期，以中國大陸地級(jí)及以上城市為空間單元。測(cè)度技術(shù)臨近的產(chǎn)值數(shù)據(jù)來源于《中國工業(yè)企業(yè)數(shù)據(jù)庫》，知識(shí)吸收能力指標(biāo)體系的數(shù)據(jù)均來自于《中國城市統(tǒng)計(jì)年鑒》?；凇吨袊鞘薪y(tǒng)計(jì)年鑒》統(tǒng)計(jì)數(shù)據(jù)連續(xù)性，選擇了有連續(xù)并完整數(shù)據(jù)統(tǒng)計(jì)的255個(gè)城市。

2.2 測(cè)度方法

公式（11）由知識(shí)溢出的測(cè)度模型可知，要對(duì)某一城市實(shí)際能接收的知識(shí)溢出進(jìn)行測(cè)度，需計(jì)算城市間的技術(shù)臨近程度、城市間的空間距離、城市的吸收能力與城市知識(shí)池中知識(shí)的數(shù)量。對(duì)于城市間的空間距離本文采用Yu[23]的測(cè)度數(shù)據(jù)，城市知識(shí)池中知識(shí)的數(shù)量本文參照Colombellia等[24]的做法，以根據(jù)永續(xù)盤存法平減的城市每年三類專利（發(fā)明、實(shí)用新型及外觀設(shè)計(jì)專利）的數(shù)量總和表示。城市間的技術(shù)臨近采用地區(qū)生產(chǎn)能力稟賦相似度來測(cè)度，吸收能力在構(gòu)建指標(biāo)體系的基礎(chǔ)上，通過熵權(quán)法確定指標(biāo)權(quán)重，對(duì)城市的知識(shí)吸收能力予以評(píng)價(jià)。城市技術(shù)臨近與吸收能力的具體測(cè)度過程如下。

2.2.1 技術(shù)臨近

本文根據(jù)公式（5）～（10）利用地區(qū)生產(chǎn)能力稟賦對(duì)城市間的技術(shù)臨近度進(jìn)行測(cè)度。在數(shù)據(jù)正式處理之前，參照Cai等[25]將關(guān)鍵指標(biāo)缺失的觀測(cè)值進(jìn)行剔除，涉及的指標(biāo)包括：總資產(chǎn)、職工人數(shù)、工業(yè)總產(chǎn)值、固定資產(chǎn)凈值、銷售額等；考慮到一些觀測(cè)值明顯不符合會(huì)計(jì)原則，如職工人數(shù)少于8人、總資產(chǎn)小于流動(dòng)資產(chǎn)、總資產(chǎn)小于固定資產(chǎn)凈值、累計(jì)折舊小于當(dāng)期折舊的觀測(cè)值，參照謝千里等[26]、Cai等[25]予以剔除。此外，參照謝千里等[26]剔除了固定資產(chǎn)凈值為負(fù)數(shù)，增加值和銷售額的比率小于等于0 或大于等于1，實(shí)收資本小于等于0的觀測(cè)值。

對(duì)于數(shù)據(jù)的正式處理主要包括兩個(gè)方面：一是根據(jù)各年度中國工業(yè)企業(yè)數(shù)據(jù)庫法人單位的地區(qū)編碼、企業(yè)ID和行業(yè)類別代碼等信息，將企業(yè)層面的產(chǎn)品產(chǎn)值數(shù)據(jù)匯總到城市小類產(chǎn)品層面。二是在2002年、2011年對(duì)《國民經(jīng)濟(jì)行業(yè)分類與代碼》進(jìn)行了較大的修訂，因此本文對(duì)照《國民經(jīng)濟(jì)行業(yè)分類與代碼（GB/T 4754—2002），將2012 年和2013 年各省（直轄市、自治區(qū)）各小類產(chǎn)品產(chǎn)值數(shù)據(jù)進(jìn)行歸口處理。在數(shù)據(jù)處理的過程中對(duì)產(chǎn)值占總產(chǎn)值的比重低于0.1‰，且數(shù)據(jù)時(shí)間沒有保持10年連續(xù)的產(chǎn)品予以剔除，最終整理得到333個(gè)城市493小類產(chǎn)品產(chǎn)值數(shù)據(jù)。

2.2.2 城市知識(shí)吸收能力

對(duì)指標(biāo)體系進(jìn)行綜合評(píng)價(jià)，為指標(biāo)賦權(quán)的基本方法可分為主觀法和客觀法兩種。主觀方法依據(jù)專家的經(jīng)驗(yàn)判斷，一般由于缺乏客觀的依據(jù)可能導(dǎo)致估計(jì)出現(xiàn)偏差，同時(shí)主觀賦予的權(quán)重難以反映客觀條件的變化。本文采用客觀賦權(quán)法之一的熵權(quán)法（Shannon）[27]對(duì)城市知識(shí)吸收能力進(jìn)行評(píng)價(jià)，能避免權(quán)重產(chǎn)生的主觀性和靜態(tài)性，并有效規(guī)避評(píng)價(jià)者對(duì)指標(biāo)的偏好，獲得客觀的計(jì)算結(jié)果。該方法基于信息論原則，由于信息熵是系統(tǒng)無序性的測(cè)度值，越大表明系統(tǒng)的無序性越高，綜合評(píng)價(jià)中賦予信息熵的權(quán)重就更低，即熵權(quán)法計(jì)算的參數(shù)權(quán)重越大，對(duì)評(píng)估結(jié)果的影響就越大。

具體計(jì)算步驟如下：

1）建立初始矩陣：

樣本數(shù)量為m（m=255），指標(biāo)數(shù)量為n（n=10），構(gòu)成評(píng)價(jià)指標(biāo)值初始矩陣Xm×n，并對(duì)矩陣中的所有元素進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化矩陣Am×n：其中A的元素aij是指第i個(gè)城市的在第j個(gè)指標(biāo)上的標(biāo)準(zhǔn)化取值：

經(jīng)過標(biāo)準(zhǔn)化處理之后，樣本各項(xiàng)指標(biāo)aij的值均屬于[0,1]，具有可比性。2）計(jì)算所有指標(biāo)的熵值ej：

即，

3）計(jì)算所有指標(biāo)的信息冗余度：fj= 1-ej。

4）計(jì)算所有指標(biāo)的客觀權(quán)重Wj：

5）計(jì)算第i個(gè)城市吸收能力評(píng)價(jià)結(jié)果：

3 城市實(shí)際接收的知識(shí)溢出測(cè)度結(jié)果

3.1 基本情況

通過公式（9）對(duì)我國255個(gè)地級(jí)城市2004—2013年實(shí)際獲得知識(shí)溢出測(cè)度發(fā)現(xiàn)，知識(shí)溢出分布不均，差距較大。從2004—2013年間呈現(xiàn)出東南沿海城市知識(shí)溢出較多，中西部城市知識(shí)溢出較少的分布特征。表2為255個(gè)城市10年來實(shí)際接收知識(shí)溢出的描述性統(tǒng)計(jì)情況，可以發(fā)現(xiàn)10年來實(shí)際獲得知識(shí)溢出最高的城市與最低城市相比，其倍數(shù)從6905.51擴(kuò)大至67132.78。

表2 255個(gè)城市實(shí)際接收知識(shí)溢出的描述性統(tǒng)計(jì)情況

10年間實(shí)際獲得知識(shí)溢出最多的10個(gè)城市與最少的10個(gè)城市表3、表4所示?？梢园l(fā)現(xiàn)，深圳、上海、北京穩(wěn)穩(wěn)的占據(jù)前三名，前十名的城市中廣東省占據(jù)4個(gè)城市呈現(xiàn)出絕對(duì)優(yōu)勢(shì)，其中深圳市十年間9年都排名第一位；與此同時(shí)，而10年間實(shí)際獲取知識(shí)溢出最少的10個(gè)城市中來自云南省的城市共3個(gè)，而黑龍江省則為5個(gè)，這兩個(gè)省幾乎包攬了實(shí)際獲取知識(shí)溢出最少的10個(gè)城市。

表3 2004—2013年實(shí)際獲得知識(shí)溢出最多的10個(gè)城市

表4 2004—2013年實(shí)際獲得知識(shí)溢出最少的10個(gè)城市

3.2 變化趨勢(shì)

2004—2013年10年間，盡管各個(gè)城市實(shí)際接收的知識(shí)溢出數(shù)量差別較大，但在增長趨勢(shì)上均呈現(xiàn)出上升趨勢(shì)。圖1為31個(gè)省會(huì)城市10年來實(shí)際接受知識(shí)溢出的數(shù)量趨勢(shì)圖，圖2為10年來實(shí)際接收溢出最多的10個(gè)城市與最少的10個(gè)城市的數(shù)量趨勢(shì)圖，從圖形中能夠發(fā)現(xiàn)盡管排名最后的城市實(shí)際接收知識(shí)溢出的數(shù)量少，但增長速度并不慢。

圖1 中國內(nèi)地30個(gè)省會(huì)城市（直轄市，不含西藏地區(qū)）2004—2013年實(shí)際接收溢出數(shù)量趨勢(shì)

圖2 2004—2013實(shí)際接收溢出最多的10個(gè)城市與最少10個(gè)城市的溢出數(shù)量趨勢(shì)

進(jìn)一步分析，通過計(jì)算10年間255個(gè)城市實(shí)際獲取知識(shí)溢出的平均增長率可以發(fā)現(xiàn)，整體上看，10年間255個(gè)城市實(shí)際獲取的知識(shí)溢出保持了高速增長，最低水平的平均增長率為12.82%（山東省東營市），平均增長率最高為65.98%（江蘇省連云港市），大多數(shù)城市增長實(shí)際接收的知識(shí)溢出的平均增長率為20%～40%之間。增長率分布情況，如圖3、圖4所示。

圖3 255個(gè)城市實(shí)際接收知識(shí)溢出的年平均增長率分布圖

圖4 城市實(shí)際接收知識(shí)溢出的平均增長率

3.3 影響城市實(shí)際獲得知識(shí)溢出的原因分析

通過對(duì)知識(shí)溢出進(jìn)行數(shù)量測(cè)度再次證明了知識(shí)溢出的確存在且數(shù)量差距較大，糾其原因主要還是在于知識(shí)溢出的形成與產(chǎn)生的機(jī)制，即溢出的本質(zhì)是知識(shí)通過不同途徑與方式在個(gè)人和區(qū)域之間的互動(dòng)過程中無意識(shí)的傳播。因此，城市中人才流動(dòng)的數(shù)量、科研院所的數(shù)量、企業(yè)的數(shù)量、新建企業(yè)數(shù)量、對(duì)外貿(mào)易活動(dòng)程度均影響其接收知識(shí)溢出。

人才流動(dòng)方面，知識(shí)溢出的載體即為人才，不僅如此，人才還與知識(shí)的吸收能力緊密相連，一個(gè)區(qū)域的人才越多、承載的知識(shí)進(jìn)行的互動(dòng)傳播活動(dòng)就越多、區(qū)域消化知識(shí)的能力越強(qiáng)、區(qū)域吸收知識(shí)的能力越大，區(qū)域能接收到的知識(shí)溢出越多。科研院所方面，內(nèi)生增長理論認(rèn)為科學(xué)研究機(jī)構(gòu)與企業(yè)研發(fā)部門是知識(shí)創(chuàng)造和溢出的重要來源，一方面研究院所無償支持當(dāng)?shù)貐^(qū)域的科學(xué)技術(shù)發(fā)展、幫助區(qū)域的企業(yè)完成技術(shù)轉(zhuǎn)移工作，并為當(dāng)?shù)靥峁┚陀辛己弥R(shí)背景的勞動(dòng)力；另一方面為區(qū)域的經(jīng)濟(jì)主體提供了進(jìn)行技術(shù)交流的平臺(tái)，促進(jìn)了產(chǎn)學(xué)研的交流、合作與升級(jí)，加速了知識(shí)溢出，因此勢(shì)必科研院所的數(shù)量多，城市可獲取的溢出也多。企業(yè)數(shù)量，尤其是新企業(yè)數(shù)量方面，企業(yè)家活動(dòng)不僅僅涉及發(fā)現(xiàn)機(jī)會(huì)，而且還包括對(duì)溢出知識(shí)的有效利用，企業(yè)家在企業(yè)聚集區(qū)域的創(chuàng)業(yè)活動(dòng)能夠蓄積大量的知識(shí)，特別是隱性知識(shí)。因?yàn)椋瑩碛袆?chuàng)意或?qū)＠钠髽I(yè)家的創(chuàng)業(yè)活動(dòng)是在于不同的群體之間發(fā)生交流中得以實(shí)現(xiàn)、逐步完善、走向成熟，雖然在這一過程中有以專利等形式出現(xiàn)的顯性知識(shí)，但更多的是默會(huì)性的隱性知識(shí)。這一過程的知識(shí)溢出的豐富程度以新建企業(yè)率、自我雇用率和就業(yè)率等形式表現(xiàn)，顯然新建企業(yè)率越高、自我雇傭率越高、就業(yè)率越高的城市將擁有更多的知識(shí)溢出。對(duì)外貿(mào)易方面，貿(mào)易作為技術(shù)知識(shí)溢出的一種重要渠道,將知識(shí)技術(shù)進(jìn)行物化以傳遞，其實(shí)質(zhì)就是通過引入嵌入了先進(jìn)技術(shù)的貿(mào)易商品，技術(shù)落后地區(qū)獲取了模仿前沿技術(shù)的機(jī)會(huì)，于是在“干中學(xué)”的模仿過程中進(jìn)行了下一輪的創(chuàng)新。因此開展豐富的貿(mào)易活動(dòng)，引入更多的跨區(qū)域投資（如FDI），是城市獲取知識(shí)溢出的重要渠道。

在產(chǎn)業(yè)活動(dòng)空間相對(duì)集中的區(qū)域或人口密度多樣化的城市，這些城市具備較多的科研院所、較多的企業(yè)、對(duì)外貿(mào)易活動(dòng)豐富，因此容易吸引更多的知識(shí)人才在這些城市，人才進(jìn)入城市后隨著知識(shí)的進(jìn)一步傳播與交流更加容易迸發(fā)出新的知識(shí)，新的知識(shí)又將促使新企業(yè)的產(chǎn)生，進(jìn)而不斷的豐富經(jīng)濟(jì)活動(dòng)，于是這些城市更加能夠接收更多的知識(shí)溢出。與此同時(shí)，盡管知識(shí)溢出是沒有界限的，能廣為傳播，但在傳播過程中隨空間衰減，因此為了獲取更豐富、有效的知識(shí)，容易形成產(chǎn)業(yè)集聚現(xiàn)象，進(jìn)而表現(xiàn)出知識(shí)溢出較多城市的附近城市知識(shí)溢出也多，知識(shí)溢出較少城市的附近城市知識(shí)溢出也少。通過對(duì)我國255個(gè)地級(jí)城市連續(xù)10年實(shí)際獲取的知識(shí)溢出的測(cè)度，也證實(shí)了這一結(jié)論。知識(shí)溢出較多的城市也體現(xiàn)出了經(jīng)濟(jì)帶、城市群的特征，比如以深圳、廣州為軸心的珠三角、以上海為軸心的江浙滬、以武漢為中心的中部城市群等。同樣，知識(shí)溢出較少的城市也以城市群形式出現(xiàn)，比如黑龍江省的地級(jí)城市整體上實(shí)際接收的知識(shí)溢出較低，同樣情況的還有云南省、貴州省等。不僅如此，知識(shí)與創(chuàng)新、創(chuàng)業(yè)的內(nèi)生循環(huán)作用，使得城市實(shí)際獲取知識(shí)溢出的差距不斷的擴(kuò)大，即便有些省份加大對(duì)知識(shí)吸收能力的建設(shè)，比如寧夏省的各個(gè)城市，但是收效甚微。

4 結(jié)論

本文在基于前人對(duì)知識(shí)溢出的測(cè)度思路，將城市實(shí)際獲取的知識(shí)溢出構(gòu)建為吸收能力、技術(shù)臨近、地理距離等影響下城市可獲得的知識(shí)池的函數(shù)，對(duì)中國255個(gè)地級(jí)城市實(shí)際接受的知識(shí)溢出數(shù)量進(jìn)行了測(cè)度，相關(guān)結(jié)果顯示我國255個(gè)城市實(shí)際可獲得的知識(shí)溢出數(shù)量分布不均，差距較大，東部城市所獲得的知識(shí)溢出較多、中西部城市較少。盡管數(shù)量分布不均，但是這255個(gè)城市10年間所獲得知識(shí)溢出表現(xiàn)出上升趨勢(shì)，255個(gè)城市中48%的城市平均增長率介于20%～30%，36%的城市實(shí)際接收的知識(shí)溢出平均增長率介于30%～40%，整體上保持了高速增長。實(shí)際可獲得知識(shí)溢出的高速增長得益于我國對(duì)于科技創(chuàng)新的重視，我國于2006年提出提高自主創(chuàng)新能力、建設(shè)創(chuàng)新型國家的重大戰(zhàn)略目標(biāo)，此后科技創(chuàng)新活動(dòng)蓬勃發(fā)展。與此同時(shí)，受人才流動(dòng)、科研院所數(shù)、企業(yè)數(shù)、

對(duì)外貿(mào)易活動(dòng)對(duì)知識(shí)溢出的作用，我國城市間實(shí)際獲得知識(shí)溢出的數(shù)量差距大，且呈現(xiàn)出一多皆多、一少皆少的城市群特點(diǎn)。基于此，各城市要充分利用可獲得的知識(shí)資源，開展更深入的創(chuàng)新創(chuàng)業(yè)活動(dòng)，促進(jìn)新時(shí)代經(jīng)濟(jì)的高質(zhì)量發(fā)展，共同富裕偉大目標(biāo)的實(shí)現(xiàn)。

4.1 加速基于知識(shí)溢出的創(chuàng)新創(chuàng)業(yè)活動(dòng)

隨著“大眾創(chuàng)業(yè)萬眾創(chuàng)新”活動(dòng)的熱烈開展，創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的深入實(shí)施，我國科技創(chuàng)新的穩(wěn)步推進(jìn)也必將帶來知識(shí)溢出數(shù)量的進(jìn)一步增多，由于知識(shí)溢出與創(chuàng)新的內(nèi)生互動(dòng)，要有效利用知識(shí)溢出尋找更多的創(chuàng)新創(chuàng)業(yè)活動(dòng)，努力縮小城市之間實(shí)際所獲得知識(shí)溢出的數(shù)量差異。要重視“知識(shí)溢出-創(chuàng)新/創(chuàng)業(yè)-知識(shí)溢出”的這一良性循環(huán)本質(zhì)，結(jié)合城市特點(diǎn)，進(jìn)行有差異化的創(chuàng)新創(chuàng)業(yè)活動(dòng)。對(duì)于知識(shí)溢出較少的城市，要尋找自身比較優(yōu)勢(shì)，深度挖掘現(xiàn)有知識(shí)溢出之下的創(chuàng)新機(jī)會(huì)與創(chuàng)業(yè)渠道；對(duì)于知識(shí)溢出較多的城市，要利用知識(shí)優(yōu)勢(shì)、尋求可持續(xù)發(fā)展的創(chuàng)新創(chuàng)業(yè)模式，減少創(chuàng)新創(chuàng)業(yè)風(fēng)險(xiǎn)、提高創(chuàng)新創(chuàng)業(yè)成功概率，優(yōu)化創(chuàng)新效率。

4.2 有效利用知識(shí)資源實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展

可獲得知識(shí)溢出較多的城市意味著該城市能獲取更多的人才、科技資訊、技術(shù)前沿企業(yè)等優(yōu)勢(shì)資源，反之，可獲得知識(shí)溢出較少的城市所獲取的此類資源也相對(duì)欠缺。在邊際報(bào)酬遞減規(guī)律的作用下，在知識(shí)溢出較多的城市，要防止人才與資源的擁堵，產(chǎn)生資源的低效率；在知識(shí)溢出較低的城市，要?jiǎng)?chuàng)造有利條件，既要充分發(fā)揮資源邊際貢獻(xiàn)遞增的作用，又要擴(kuò)展資源吸納的渠道。在經(jīng)濟(jì)高質(zhì)量發(fā)展這一新時(shí)代背景下，發(fā)充分發(fā)揮市場(chǎng)的自動(dòng)調(diào)節(jié)與政府的服務(wù)功能，對(duì)產(chǎn)業(yè)布局進(jìn)行進(jìn)一步的優(yōu)化與協(xié)調(diào)，優(yōu)化資源配置，減少資源錯(cuò)配所產(chǎn)生的發(fā)展低效率。

4.3 加快數(shù)字化轉(zhuǎn)型，暢通知識(shí)流動(dòng)，實(shí)現(xiàn)共同富裕

抓住當(dāng)前數(shù)字經(jīng)濟(jì)蓬勃發(fā)展這一時(shí)代契機(jī)，加快產(chǎn)業(yè)數(shù)字化與數(shù)字產(chǎn)業(yè)化建設(shè)。一方面，通過搭建數(shù)字化平臺(tái)整合既有知識(shí)資源，暢通城市間知識(shí)流動(dòng)，實(shí)現(xiàn)城市間生產(chǎn)效率、協(xié)調(diào)效率和運(yùn)行效率的提高；另一方面，依靠數(shù)字技術(shù)，縮小空間距離所帶來的知識(shí)傳播的衰減。通過創(chuàng)造更行之有效、豐富多樣的知識(shí)傳播方式，進(jìn)而縮小東中西部城市獲取新知識(shí)的差距，為共同富裕的實(shí)現(xiàn)創(chuàng)造知識(shí)基礎(chǔ)。