地理鄰近對產業集群創新影響效應的實證研究

李 琳，韓寶龍，高 攀

(1.湖南大學經貿學院，湖南長沙410079;2.中國科學院生態環境研究中心，北京100085)

一、引言

地理鄰近的重要性早在19世紀就受到學者們的重視，但在傳統空間科學的研究中卻一直被視為“黑箱”。隨著上世紀80年代末知識經濟的蓬勃興起，新經濟地理學、新產業地理學等學科的眾多學者試圖從新的不同角度對地理鄰近與知識溢出、交互學習等論題進行探討(Audretsch和Feldman，1996;Storper，1998;Morgan，1997)［1－3］，并得出一個基本的結論:地理鄰近對創新產生重要影響。大致的觀點是:同一產業或相關產業內的組織，地域上的鄰近有利于知識尤其是隱性知識的吸收與傳遞，并激勵冒險與風險共擔，進而假定企業創新過程從本地聯系中較非本地聯系中獲得更大的益處。隨著研究的深入，有學者對地理鄰近在創新中的作用提出了異議(Grotz，Braun，1997;Tremblay，2004;Weterings，2009)［4－6］，他們的研究認為，地理鄰近對企業(尤其是高技術企業)創新并沒有顯著的影響，而其他形式的鄰近(如組織鄰近等)更重要;地理鄰近對創新的影響更有可能是通過強化其它維度鄰近性的作用來實現的(Boschma，2005)［7］。盡管對于地理鄰近的創新促進效應存在異議，但地理鄰近作為西方學界研究最多的鄰近性維度，對于其在區域創新(發展)中的作用已基本達成共識。

在地理鄰近對產業(區域)創新影響的實證研究方面，不少西方學者進行了探討。Tremblay DG.，Juan－ Luis Klein J－ L.(2004)［5］等學者通過實地訪談和問卷調查的方法，對蒙特利爾地區生物醫藥、通訊技術及航空三個高技術產業中的企業創新活動影響因素進行調研，結果表明，地理鄰近不是影響企業創新的決定性因素，組織或關系鄰近因素更重要。Ganesan S.，Malter A.J.(2005)［8］采用問卷調查與統計分析相結合的方法，對地理鄰近在美國制造企業間的聯系及新產品合作開發中的作用進行實證分析，結果顯示，地理鄰近促進了企業間的聯系，但對企業間的新產品合作開發的影響效應不顯著。Pond R.，Oort F.V.(2007)［9］以共同出版物為表征合作的指標，應用問卷調查與統計分析相結合的方法，探討了地理鄰近在企業與大學、研究機構的科學研究合作中的作用，結果顯示，不同類型組織間的合作較同類型組織間的合作更傾向于本地化。也就是說，地理鄰近與組織鄰近在企業與大學、研究機構的科學研究合作中起相互替代作用。Boufaden N.，Plunket A.(2005)［10］，應用計量分析方法，對地理鄰近對法國巴黎地區生物技術企業創新(專利申請)的影響進行實證研究，結果表明，地理鄰近于技術相似的企業創新績效明顯優于其它企業，這意味著技術關聯的企業間的地理鄰近對創新具有顯著影響。Weterings A.，Boschma R.(2009)［6］采用電話咨詢與回歸分析相結合的方法，以荷蘭軟件企業為研究對象，對地理鄰近對客商－供應商的交互作用及企業的創新績效的影響進行實證分析，結果表明，地理鄰近促進了客商－供應商間的面對面的交互作用，但并沒有改善企業的創新績效。Silvestre B.D.S.，Dalcol P.R.T.(2009)［11］采用案例分析方法，對地理鄰近對巴西坎普斯盆地石油天然氣產業集聚區企業的創新活動的影響進行探討，結果顯示，地理鄰近對企業創新產出具有正的影響效應。

在國內，關于地理鄰近性對創新影響的專題研究較為缺乏。王緝慈(2005)［12］指出，要提高我國工業園區的創新能力，不僅要重視企業的地理鄰近，更要促進地理距離遙遠的產業聯系的形成。李福剛、王學軍(2007)［13］從知識流動和集體學習視角，對地理鄰近對區域創新的作用機理進行探討，并指出地理鄰近是“距離產生美”，太多或太少的地理鄰近對集體學習和區域創新都不利。汪濤、曾剛(2008)［14］通過解析上海浦東高技術企業創新合作伙伴的空間分布狀況，對地理鄰近在本地層面和區域層面上對企業創新活動的影響效應進行探討，并得出在本地層面影響甚微而在區域層面發揮一定作用的結論。桂婕、喬曉東等(2008)［15］應用改進的知識生產函數模型，對我國ICT、生物醫藥、化工和機械四個不同行業的企業在吸收利用基礎研究的過程中，企業與大學合作的基礎研究與其專利發明的地理鄰近性特征進行實證探討，結果得出:企業進行外部基礎研究合作時，其對基礎研究部門的選擇具有地理鄰近特征，強鄰近的基礎研究合作對專利發明產出的影響更大。韓寶龍、李琳(2009)［16］以我國53個國家級高新區為對象，通過建立半對數回歸模型，對地理鄰近性對高新區創新績效影響進行了實證分析，得出結論:地理鄰近性對我國高新區創新績效產生正的影響，這種正的影響效應具有邊際報酬遞減的特征;現階段我國高新區尚不存在過度地理鄰近對區域創新的抑制效應。李琳、楊田(2011)［17］在探析地理鄰近和組織鄰近對產業集群創新的影響機制的基礎上，以我國汽車產業集群為對象采用對數函數與指數函數相結合的方法進行實證檢驗，得出結論:地理鄰近對集群創新產生正效應;地理鄰近與縱向組織鄰近對集群創新影響呈替代關系，與橫向組織鄰近呈互補關系。

概之，在西方，對于地理鄰近與創新論題的研究已取得豐碩成果。相比之下，國內研究明顯滯后。而在地理鄰近對創新影響的實證研究方面，即使在西方也是更多的停留于基于問卷調查的案例分析或統計分析，尚缺乏一個規范的較為科學的研究模型范式。基于此，本文開創性地運用人工神經網絡前導的計量分析方法，以我國國家級軟件園區軟件產業集群為研究對象，創造性地將地理鄰近劃分為區內(集群內)地理鄰近和區間(集群間)地理鄰近這兩個分維度，對軟件產業集群創新中的地理鄰近效應進行實證研究，得出結論:區內地理鄰近對集群創新的影響呈“S”型階段特征;區間地理鄰近對創新影響呈邊際報酬遞減的正效應。

二、地理鄰近對產業集群創新的影響機制

對地理鄰近的討論由來已久，地理鄰近作為隱性知識溢出與傳播的空間組織形式，是區域經濟學者對區域創新研究的空間起點。地理鄰近，反映集群企業間空間距離的遠近性，這種距離不單純從空間距離衡量，還需要考慮運輸或傳播時間與成本的因素(Beckman，2000;李琳、韓寶龍，2009)［18－19］。本文以產業集群為區域單元，將地理鄰近劃分為集群內地理鄰近即區內地理鄰近和集群區間地理鄰近即區間地理鄰近。產業集群作為相關行為主體創新活動的合作網絡載體，它既承擔著集群內的創新合作網絡的功能，又吸引著集群外和集群間知識的交流，據此，將集群內的企業集聚狀況稱為區內地理鄰近，在集群間的集聚和鄰近狀況稱為區間地理鄰近。

地理鄰近對集群創新的影響表現在顯性(可測度)和隱性(不可直接測度)兩個方面(Boschma，2005;李福剛、王學軍，2007)［7，13］，它們分別與集群創新硬投入和軟投入相對接，以對中間環節的需求和供給為機制，構成地理鄰近對集群創新的影響流程。具體來說，產業集群創新對創新硬投入(研發設備、管理人才、技術人才等顯性投入)的直接需求創造了對人才、技術、物資等投入要素交流成本費用減少的引致需求;對創新軟投入(合作協同、知識溢出、模仿競爭)的直接需求創造了對人才、技術、物資等要素交流頻率增加的引致需求(韓寶龍、李琳，2011)［20］;而無論是交流成本的減少，還是交流頻率的增加都需要通過地理鄰近性的增強來實現(見圖1)。

圖1 地理鄰近對產業集群創新影響機制

同時，正如產業集群的發展演化具有階段性特征一樣，地理鄰近對集群創新影響也具有階段性(Boschma，2005;Balland P － A.，Van M.de，Boschma，2011)［7，21］。一般認為，在集群發展到一定發展階段后(如成熟階段)，集群內過高的企業集聚度引致的過度地理鄰近會產生“地理鎖定”的負面影響:一方面，當一個區域集群變得過分空間鄰近時，區域內主體的學習能力會明顯減弱以至于不能對外部的變化作出及時反應，造成集群系統的自封閉性;另一方面，過高的地理鄰近會引致集群內企業高度競爭和技術、產品過分相似，從而導致知識產權保護問題，抑制集群的創新活動(Boschma，2005;Malmberg，Maskell，1997;Friese，Sorensen，2005)［7，22－23］。同時，本文還認為，在集群形成的初期，由于企業的數量有限集聚程度不夠，地理鄰近水平不足，地理鄰近對區域創新的影響機制尚未形成，其對創新的影響效應很有限;而具體到我國軟件產業集群，在軟件園發展的初期，園內企業產品和產業鏈位勢功能上相似單一，過度競爭和技術簡單模仿問題凸顯，這樣甚至會抑制區域創新活動的產生。綜之，本文認為，地理鄰近對集群創新具有促進效應，這種促進效應具有階段性特征，在集群形成初級階段地理鄰近水平不足或集群發展成熟階段地理鄰近水平過度，這種促進效應會減弱，甚至會出現抑制作用。因此，地理鄰近對產業集群創新影響效應大致呈“S”型特征(見圖2)。

圖2 地理鄰近對集群創新的階段性影響特征

三、地理鄰近對集群創新影響效應的實證分析

(一)研究方法的選擇

從前述理論機制中可以看出，地理鄰近性對產業集群創新的影響機制不僅是地理鄰近對集群創新的單一作用，更是各種顯性投入因素和隱性投入因素交織在一起的復合作用。地理鄰近在這個過程中不僅具有單獨對集群創新產生影響的途徑，又有與其他因素協同作用的可能，故影響機制的具體數理化模型可能是多輸入、單輸出的復雜非線性形式。為了解決此類沒有已知模型范式的作用過程，本文采用以人工神經網絡為前導的計量經濟分析方法。為了明確模型的具體形式，先采取神經網絡模擬的方法，模擬出地理鄰近性對產業集群的影響機制數量關系，進而控制各解釋變量，只放松一個解釋變量自由變化，觀測該解釋變量與被解釋變量的變動關系，進而探究該解釋變量對被解釋變量的影響方式，以明確該解釋變量在整個影響模型中的形式和作用。在對所有解釋變量進行上述操作后，對所掌握信息進行組合，推算出可能的數理模型形式。在數理模型形式確定后，用OLS方法對所收集的數據進行擬合方程回歸，判斷方程優劣，并進行調整進行下一次回歸，直至模型通過檢驗。最后，判斷數理方程對理論機制的解釋程度，修正方程。本文的神經網絡方法依靠Matlab軟件得以實現，最小二乘回歸分析依靠Eviews6軟件實現。

(二)研究對象的確定與指標選取

1.研究對象的確定

本文選擇我國國家級軟件園軟件產業集群作為實證研究對象，基于以下考慮:①探討地理鄰近對產業集群創新的影響，應選擇研發合作和創新活動顯著的集群作為典型案例，軟件產業集群顯然具有這一特征;②我國軟件園區多始于政策引導型的企業集聚園區，園區企業間地理鄰近性客觀存在;③國家級軟件園區產業集群已經過16年的發展演變，現整體上進入成熟階段，在集群形成初期(集聚階段)地理鄰近的創新影響機制尚未形成以及在集群成熟階段的“地理鎖定”機制的產生，使地理鄰近對軟件產業集群創新的影響很有可能為負效應

2.指標選取與數據來源

產業集群創新績效(I)。本文采用新產品產值表示該指標，軟件行業的特殊性在于其產品更新換代快，產品的升級與創新層出不窮，故不同年份之間軟件行業所銷售的軟件產品基本為新產品，所以實證部分以國家級軟件產業園年軟件銷售收入衡量產業集群創新績效。又軟件行業從投入到產出的轉換周期短，故投入和產出之間不采用滯后處理，即當年研發投入對應當年研發產出。

區內地理鄰近水平(G)。擬采用國家級軟件產業園內企業集聚程度表示該指標，但因不同軟件園發展特點不一，有些軟件園以小企業為主，另一些軟件園大企業較多，在同樣軟件園面積和企業數量情況下，后者比前者明顯密度大，集聚程度更高。鑒于此，本文改用軟件從業人員密度衡量集聚狀況，即以國家級軟件產業園單位面積上年末軟件從業人員數為指標，衡量產業集群內的地理鄰近水平。

區間地理鄰近水平(GX)。該指標用以衡量不同產業集群之間的鄰近水平，設一個國家級軟件產業園A所在區域B內(B省內)除A本身外，還有n個國家級軟件產業園，與該區域(B省)接壤鄰近的省份共有m個國家級軟件產業園，則A軟件產業園總計區間地理鄰近得分為2n+m，因此GX為取整數值得離散型隨機變量。

人力資源投入(L)，本文采用軟件園內軟件從業人員數表示該項指標。研發資金投入(RD)采用園區研發經費支出表示該項指標。海外知識獲取(F)，由于海外知識的獲取和交流總是建立在貿易往來的基礎上，以產品的購銷路徑為依托完成的，所以本文采用軟件產業園出口創匯額表示該項指標。

本文的數據主要來源于國家火炬中心提供的《火炬中心統計資料2005－2010》，其中2009年國家級軟件產業園35個，2008年35個，2007年34個，2006年33個，2005年32個，2004年29個。實證中假設國家級軟件產業園發展特征及模式是一樣的，不同軟件產業園之間的發展差別在于它們分別處在不同的發展階段，故可將上述數據整理為197個截面樣本，因少部分樣本缺失數據太多難以調整，實際獲得樣本165個。進一步經過SPSS軟件的異常值分析，剔除5%的異常值，最后獲得實證有效樣本129個。

(三)實證分析過程

1.人工神經網絡數據預處理及其訓練

為了消除數量模型中不同指標系數上的數量級差異，在數據分析前對指標的數據進行標準化;同時考慮實證的研究意圖在于驗證地理鄰近與創新績效之間的作用機理，并非構建嚴格的數量關系，且在神經網絡訓練與模擬中，需要盡可能的保持量綱上的一致性，因此對所有變量進行標準化，將變量值域限定在［1，100］。

標準化過程為

即Z變量的第i個樣本的數據的標準化值為其原值減去Z變量所有樣本最小值，再除以所有樣本最大值與最小值之差，乘99再加1。

人工神經網絡結構一般是主觀選擇，然后再根據人工神經網絡訓練結果進行調整。本文的人工神經網絡訓練中將性能函數設為最小方差函數，訓練終止值為0.001，強迫終止循環次數為10000次，這種設置較一般(0.01，1000)的設置大幅提高了對人工神經網絡模擬精度的要求，可以在10000次循環計算中尋找最優人工神經網絡模擬解。

2.人工神經網絡控制模擬

在人工神經網絡訓練完成后，即假設該網絡能夠模擬集群創新產出和創新要素之間的投入－產出機制，進一步采取人工神經網絡控制性模擬，以逐一探究各創新要素對創新產出的影響機理。

區間地理鄰近(GX)、區內地理鄰近(G)、人力資源投入(L)、研發投入(R)、海外知識獲取(F)的標準化后期望值分別為 56.5628、10.6632、6.3426、7.922、4.3500。

在研究GX與創新產出I之間的關系時，需要控制其他創新影響因素變量(G、L、R、F)，將這些受控制變量取值為期望值，而GX則保持動態變化。將 GX 與受控制的 G'、L'、R'、F'輸入已訓練好的人工神經網絡中，利用神經網絡產生隨GX變動而變動的創新產出I'GX。同理重復上述方法，通過控制其他影響因素來對待分析因素和創新產出關系進行模擬，可以得到相應的模擬創新產出I'G、I'L、I'R、I'F 。

由于人工神經網絡模擬過程中所使用的均為標準化后的數據，因此為了分析其真實的數量關系，需要對輸入數據和模擬輸出數據進行逆標準化。

將逆標準化后的GX和逆標準化后的I'GX繪出散點圖圖4(a)，同時將未控制GX與I的對應關系散點圖繪做圖4(b)。可以發現其余變量受控制后，GX對模擬創新產出I'GX的關系特征明顯，而未受控制前由于受到其他因素的相互影響，則關系特征不明顯。

重復上述方法，通過控制其他影響因素來就待分析因素和創新產出關系進行模擬，可以得到相應的模擬創新產出，并生成如圖3－圖7的關系散點圖。

圖3 區間鄰近性與創新產出關系散點圖

圖4 區內鄰近性與創新產出關系散點圖

圖5 研發人力資源與創新產出關系散點圖

圖6 研發投入與創新產出關系散點圖

圖7 海外知識獲取與創新產出關系散點圖

3.計量經濟分析

將實際采集的連續數據GX(逆標準化后數據)和其他創新影響因素控制后模擬出的創新產出值 I'GX(逆標準化后)進行 OLS分析，有GX－I'GX的擬合關系曲線表達式表1。同理對G－I'G、L－I'L、R－I'R 、F－I'F進行 OLS分析得到集群創新產出與其影響因素的逐一對應關系見表1。

表1 集群創新產出與其影響因素關系的OLS回歸分析結果

將上述公式分別計算一階導、二階導為0時的取值以進一步確定這種作用機制的變動趨勢，結果見表2。

表2 數量關系式所反映的曲線趨勢

(四)實證結果分析

結合圖3－圖7中擬合的趨勢曲線，以及表2中給出的極值點，可以看出:

①區間地理鄰近對產業集群創新影響呈現先正效應(值GX=4.5前正影響遞增，之后正影響遞減)，到達GX=11.26的極值后，轉變為負效應，起抑制作用;

②區內地理鄰近對產業集群創新的影響呈現“S”型變換特征，在區內地理鄰近性形成初期，對產業集群創新影響為負，在跨過值G=1858.77后，轉為正的影響效應，且正影響效應遞增直至G=6826.26，在此之后，區內地理鄰近正影響效應遞減，到達G=9984.24點后，區內地理鄰近對創新開始產生抑制效應，即負的影響效應;

③現階段我國軟件產業集群中的人力資源對創新產出的影響為正，且在L=91666.67之前這種正的促進作用遞增，在L=2184050時人力資源貢獻能力才達到飽和，開始起負作用;

④在研發投入達到R=144755.21后，對產業集群的創新產生正的影響，且這種正影響遞增;

⑤在海外知識獲取程度超過F=55340.61后，海外知識對產業集群創新開始產生正的影響效應，且這種正的影響效應遞增。

四、結論與政策建議

上述實證結果所反映的各因素對集群創新績效的影響趨勢與前文論及的地理鄰近對集群創新影響理論機制觀點基本吻合，即:

①區間地理鄰近(GX)對產業集群創新的影響在現階段呈現正的影響趨勢，但隨著區間鄰近性的增加，這種正效應的邊際報酬遞減，跨過峰值(11.26)后出現負影響效應，這種變動趨勢符合投入要素的邊際報酬遞減原理，說明了由于過度競爭導致的過度區間地理鄰近性存在。

②區內地理鄰近(G)對產業集群創新影響的階段性特征比較明顯，在園區企業集聚的初級階段，由于企業數量不足和合作機制尚未形成，集群的優勢效應尚未顯現，相反由于知識產權保護機制不力以及企業產品單一差異度不夠，造成過度競爭，進而使地理鄰近對集群創新產生負的總效應;而隨著區內企業數目的不斷增加，以及各種設施機構的日趨完善，集群的優勢開始凸現，區內地理鄰近開始產生正的影響效應，在區內地理鄰近處于1858.77至6826.26之間時其正邊際報酬遞增，6826.26至9984.24之間時規模報酬遞減，在此階段符合投入要素的一般產出規律;跨過9984.24的峰值后，企業的過度密集導致過度區內地理鄰近性產生，由于管理效率和過度競爭產生的不經濟性限制了創新績效的增長。

③在人力資源投入(L)影響因素方面，從其長期趨勢線來看呈現邊際報酬遞減特征，在峰值為2184050處才轉為負的影響效應，由于200萬的就業量基本是園區就業量不可能接近量，所以可以認為人力資源投入符合邊際報酬遞減特征，且在現實情況中不會產生負的影響;在研發資金投入(R)和海外知識獲取(F)方面，以現有的統計數據來看，并沒有邊際報酬遞減的趨勢，相反邊際報酬遞增的特征使得在這兩方面的投入將產生極大的經濟效益，這一點符合現階段我國資本投入品回報率的基本特征。

結合上述結論針對我國軟件產業集群提出以下建議:首先，在不同省域設立國家級軟件產業園時要考慮其周邊軟件產業園個數和密集度，以避免出現區間過度地理鄰近產生的不經濟性;其次，在軟件產業園內進行招商引資和產業布局時要充分考慮企業的密度，過低的企業密度難以形成集聚優勢，企業間協調合作機制也難以形成，進而影響創新活動的產生;同樣，過度的區內地理鄰近會造成知識產權保護難以監管和產品同質性、過度競爭等不經濟性，也會抑制區內的創新活動;最后，人力資源投入、研發資金投入和凈出口貿易(海外知識獲取)三要素的正影響以及現階段影響效應呈邊際報酬遞增特征表明，加大人力資源和研發資金的投入以及加強國際合作能夠極大地促進我國軟件園創新績效和經濟產出的提升。

［1］Audretsch D B，Feldman M.R＆D Spillovers and the Geography of Innovation and Production［J］.American Economic Review，1996(86):630－640.

［2］Storper M.Innovation Milieux and New Generations of Regional Policies［J］.Entrepreneurship and Regional Development，1998(10):1 －6.

［3］Morgan K.The Learning Region:Institutions，Innovation and Regional Renewal［J］.Regional Studies，1997，31(5):491－503.

［4］Grotz R，Braun B.Territorial or Trans－territorial Networking:Spatial Aspects of Technology－oriented Cooperation within the German Mechanical Engineering Industry［J］.Regional Studies，1997，31(6):545 －557.

［5］Tremblay D G，Klein J L，Fontan J M，et al.Territorial Proximity and Innovation:A Survey of the Montreal Region.Research Note No 2004－06A［R］.Canada Research Chair on the Socio－Organizational Challenges of the Knowledge Economy，2004:1－7.

［6］Weterings A，Boschma R.Does Spatial Proximity to Customers Matter for Innovative Performance?Evidence from the Dutch Software Sector［J］.Research Policy，2009，38:746－755.

［7］Boschma R.Proximity and Innovation:A Critical Assessment［J］.Regional Studies，2005(39):61 －74.

［8］Ganesan S，Malter A L，Rindfleisch A.Does Distance Still Matter?Geographic Proximity and New Product Development［J］.Journal of Marketing，2005，69:44 －60.

［9］Ponds R，Van Oort FG，Frenken K.The Geographical and Institutional Proximity of Scientific Collaboration Networks［J］.Regional Studies，2007(3):79 －91.

［10］Boufaden N，Plunket A.Investigating Technological and Geographic Proximity on Forms'Innovation in an Immature Cluster:The Paris Area Biotech Cluster［Z］.Copenhagen:DRUID Conference，2005:69－75

［11］Bruno dos Santos Silvestre，Paulo Roberto Tavares Dalcol.Geographical Proximity and Innovation:Evidences from the Campoe Basin Oil＆Gas Industrial Agglomerateion－Brazil［J］.Technovation，2009，29:546 －561.

［12］王輯慈.產業集群和工業園區發展中的企業鄰近與集聚辨析［J］.中國軟科學，2005(12):91－98.

［13］李副剛，王學軍.地理鄰近性與區域創新關系探討［J］.中國人口.資源與環境，2007(3):35－39.

［14］汪 濤，曾 剛.地理鄰近與上海浦東高技術企業創新活動研究［J］.世界地理研究，2008(1):47－53.

［15］桂 婕，喬曉東.基礎研究與專利發明的地理鄰近性測度研究［J］.數字圖書館論壇，2008(11):6－10.

［16］韓寶龍，李 琳.地理鄰近對高新區創新績效影響效應的實證研究［J］.科技進步與對策，2009(9):40－43.

［17］李 琳，楊 田.地理鄰近和組織鄰近對產業集群創新影響——基于對我國汽車產業集群的實證研究［J］.中國軟科學，2011(9):133－143.

［18］Beckman M.Interurban Knowledge Networks.Batten D，et al(eds).Learning，Innovaiton and the Urban Evolution［M］.London:Kluwer Academic Publishers，2000:347－357.

［19］李 琳，韓寶龍.組織合作中的多維鄰近性:西方文獻評述與思考.社會科學家［J］.2009(7):108－112.

［20］韓寶龍，李 琳.區域產業創新驅動力的實證研究——基于隱性知識和地理鄰近視角［J］.科學學研究，2011(2):314－320.

［21］Balland P－A，Van M de，Boschma R.The Dynamics of Innovateion Networks along the Industry Life Cycle:The Case of the Video Games Industry［A］.Atlanta Coference on Science and Innovation Policy［C］.Georgia Institute of Technology，2011:1853 －1879.

［22］Maskell P，Malmberg A.Localised Learning and Industrial Competitiveness［J］.Cambridge Journal of Economics，1999，23(2):167－186.

［23］Friese H S，Sorensen J S.Linkage Lock－in and Regional Economic Development:The Case of the Resund Meditech Plastic Industry［J］.Entrepreneurship and Regional Development，2005，17:267 －29.