鄰近對知識溢出的影響

姚德文 韋林源

摘?要：關于鄰近與知識溢出二者之間的關系在經濟學界已經有了不少的經濟學者對此做了相關的研究，本文以長三角地區4個省市26個城市（上海、南京、蘇州、無錫、常州、南通、鎮江、泰州、揚州、鹽城、杭州、紹興、寧波、嘉興、舟山、湖州、臺州、金華、合肥、蕪湖、滁州、安慶、馬鞍山、宣城、銅陵、池州）的專利申請量和研發投入數據作為觀察樣本，通過莫蘭指數與空間滯后模型進行分析，發現，長三角地區專利申請量與地理鄰近是正相關的。

關鍵詞：地理鄰近;知識溢出;長三角地區;專利數量;空間分析

中圖分類號：F270??????文獻標識碼：A??????文章編號：1008-4428（2018）12-0008-04

一、 引言

目前我們身處的21世紀是關注知識經濟的時代，創新、知識與科技已經是世界各國在發展經濟時都十分重視的因素。知識也就成為幾個傳統生產要素之外促進經濟增長的重要因素進入經濟學家們的研究視野，但是由于知識自身不易度量的屬性，如何分析知識，就成為經濟學中的一個重要的主題。自19世紀以來，已經有許多科學家通過鄰近的角度來分析知識獨特的外溢現象，到如今已經有許多進展，提出了很多相關的理論，從概念界定到實證研究，經濟學家們用各種不同的方式來分析了不同種鄰近與知識溢出之間存在著聯系。

二、 文獻綜述

（一）知識溢出

包含諸如信息、技術、管理經驗等的各類知識利用交易或者非交易的形式流出之前擁有知識的主體，這就是我們常說的知識溢出（Knowledge Spillovers）。知識本身所具有的稀缺性、流動性和擴散性特征是知識外溢產生的根源。將知識溢出概念歸類于內生增長理論以及新經濟地理學的知識范疇是當今經濟學界所普遍采用的方式，經濟學者們也常用知識溢出來解讀集聚現象、創新以及區域經濟增長。馬歇爾（1890）在其對于外部性的研究中也闡述了自己對于知識溢出的看法，他認為知識溢出是一種正外部性的表現，是影響產業集聚的重要因素之一。麥克·杜格爾（1960）在研究東道主國家接受外國直接投資的獲益問題時，認為在FDI（Foreign Direct Investment）問題上，知識溢出產生了十分重要的影響。阿羅（1962）是率先闡述知識累積過程及其主要經濟學內涵的經濟學家，他的主要觀點是認為知識與公共物品存在著相類似的屬性，在企業的技術研發過程中，一個企業不付出任何費用，就可以獲取研發企業的技術知識，這種情況就是知識溢出。在阿羅（1962）的研究基礎上，羅默（1986，1990）在其關于內生增長理論的研究中，首次將知識要素納入了生產函數之中，并認為知識溢出出現的重要原因在于知識本身所固有的非競爭性與部分排他性。格里利謝斯（1992）將同產業間相似企業在生產活動中可以通過交互從其他企業取得好處的情形定義為知識溢出。賈菲（1996）對于知識溢出的定義是，模仿企業通過信息交流的方式獲取了創新企業創造的知識，但模仿企業沒有對其所獲取的創新知識付費，或者所支付的費用低于創新企業創造知識的成本。將知識溢出概念引入對于產業的研究之后，則有了兩種關于知識溢出的基本分類，也即，MAR溢出與Jacobs溢出。MAR溢出是自馬歇爾開始，其后是由阿羅和羅默繼續發展研究，是對行業內知識溢出的研究，也被稱為專業化溢出。Jacobs溢出是雅各布斯研究的行業間發生的知識溢出現象，認為鄰近行業的多樣性可以促進本行業發展，因此被稱為多元化溢出。法拉赫等人（2004）區分了“知識溢出”和“知識轉移”的概念。他們認為“知識溢出”是交際過程中不同主體發生的無意識知識傳播，“知識轉移”則是有意識的知識傳播。

內生增長理論把知識看作是和勞動力、土地、資本一樣重要的生產要素，但是相較于另外三個要素來說，知識由于其難以準確計量的個性而顯得尤為特別。邁克爾·波蘭尼（1958）提出了重要的隱性知識的概念，由此，知識可以根據知識是否可以清晰地表達和有效傳達來分為顯性知識和隱性知識。顯性知識是指“可以明確表達的知識”，即人們可以通過口頭傳授、教科書、參考資料、期刊雜志、專利文獻、視聽媒體、軟件和數據庫等方式獲取，可以通過語言、書籍、文字、數據庫等編碼方式傳播，并且這些方式也很容易為人們所學習。隱性知識就是與顯性知識相對的一個概念，指那些不能或者難以通過編碼的方式進行傳播交流的知識，它內隱于個人的身上，這類知識的學習與傳播需要依賴的是人與人之間進行面對面的談話與交流。

（二）鄰近

鄰近性（proximity）通常指的是物體間在地理位置上的相互接近或靠近，即地理鄰近。但是，在鄰近概念被提出以后，經濟學家們認為鄰近不只是地理鄰近一個維度，鄰近是一個多維的概念，可以區分為技術鄰近、組織鄰近、制度鄰近、認知鄰近、社會鄰近、文化鄰近等維度。地理鄰近是其中最為簡單的鄰近，指的是不同交流主體之間的地理距離或者空間距離是相近的，這有助于主體間進行信息的交流。

（三）鄰近與知識溢出的關系

正是由于隱性知識只能通過“面對面”直接交流進行傳播的特性，經濟學家普遍認為地理距離這個因素在知識溢出的過程中發揮了重要的作用。賈菲等（1993）在研究中使用的一個指標是專利引用數，借此來研究知識溢出的地理特性。在之后的研究中，許多研究者也將專利相關數據作為知識溢出的重要測量指標。奧德斯和費爾德曼（1996）在產業活動中觀測產業地理集群與知識溢出的相關現象，發現在知識溢出的影響下，新技術產業更容易發生產業集群現象。奧蘭多（2000）認為相較于地理鄰近來說，技術鄰近更有助于企業間R&D知識溢出。隨著空間計量技術的發展，越來越多的研究者借助空間計量的手段研究知識溢出問題。費雪與瓦爾加（2003）在研究知識溢出存在空間效應問題上利用了空間計量方法，認為知識溢出的空間效應可以超越行政區域的地理距離，并伴隨有明顯的地理距離減弱傾向。在研究20世紀90年代的德國時，波特（2004）采用了計量方法，引入了空間交易成本概念，認為，總體上來說，區域間知識溢出對于區域間創新具有正向的積極作用，但如果把空間交易成本也納入考慮范圍的話，就會發現事實上只有部分的知識溢出是可以被利用到的?？臻g交易成本概念的提出也意味著地理距離較小的區域由于空間交易成本也相對較小，因此可以從區域間知識溢出中獲取更大收益。湯普森和福克斯基恩（2005）通過研究發現證明知識溢出具備明顯的區域性特征，隨著距離的擴大，知識溢出的區域性特性會隨之衰減，并認為決定知識溢出對創新影響的重要因素是地理距離。

袁立科（2007）運用博弈論的分析方法，在寡頭壟斷市場中構建企業研發戰略和企業距離之間的互動關系模型，在這種外溢的情況下，利用模型分析了企業的地理位置和研發投資選擇之間的戰略互動。認為針對不同可達性的背景，一個區域的規模和地域位置影響著連貫的區域創新系統的發展。王慶喜和王巧娜（2013）使用中國31個省級行政區在2001—2010年間的高新技術產業的數據，通過空間滯后面板模型，測試了技術鄰近度，地理接近度和綜合鄰近度對地區知識溢出效果的影響。并認為在考慮了鄰近效應后，一個省的R&D投入對其產出具有顯著的正向影響，各省之間的知識溢出效應非常明顯。葉靜怡、林佳、姜蘊璐（2016）基于2001—2012年間長三角城市群的數據，考察了知識溢出效應和城市間距對創新的影響。研究發現，地理距離與經濟距離的距離越近，大學知識溢出對城市創新的積極影響越大;位于前排城市的創新主要取決于他們自己的研發，同時也受到其他城市大學知識溢出的影響;落后的城市創新也受到其他城市大學的知識溢出影響，但其自身研發的影響并不顯著。

三、 地理鄰近與知識溢出的空間自相關分析

本文主要理論依據是空間經濟學知識，運用空間計量工具，通過對長三角地區26個城市的專利數據與地理數據進行統計以及空間計量分析，證實在長三角地區城市群中，地理位置的鄰近作為一個重要的因素，影響了城市間知識的溢出，并提出相關政策建議。

（一）空間計量建模與分析

傳統的計量經濟學模型能夠處理單一性質的時間序列數據與界面數據或者兩種屬性疊加的面板數據，但是在探究與空間地理相關問題時，傳統的模型就有限制性。但空間計量模型是以傳統的計量模型作為基礎，在此之上同時引入了空間結構因素，這也就意味著將地區之間產生的相互作用納入考察范圍。通過估計空間相關系數，就可以了解地區間的空間關聯度。

通過大量閱讀現有的文獻，可以了解到地理鄰近與知識溢出之間存在關聯，因此在前人的研究基礎之上，本文旨在從地理鄰近的角度，利用實證分析的方法分析地理鄰近對于知識溢出的影響。由于本人知識積累與能力有限，關于知識溢出具體測度的問題依舊沒有更加創新且合理的方式，因此，在下文中采用研究該問題的各位學者廣泛使用的專利申請數作為衡量知識溢出的指標。在實證分析過程中，本文主要采用的是2016年長三角地區城市群的專利數據，通過研究它們的專利申請量與城市間的地理鄰近是否存在空間上的關聯性，以此證明在長三角區域內地理鄰近影響著知識溢出的發生與傳遞。

（二）指標與數據

1. 指標

鄰近指標：就鄰近來說，包含著多種鄰近，本文使用的鄰近指標是地理鄰近，也即長三角26個城市之間的地理距離。

2. 空間鄰近的測度

構建空間權重矩陣。為了揭示空間存在的相關性，我們需要探索空間對象的空間依賴性。在空間統計和計量中，空間權重矩陣可以用來表現這種空間依賴關系?！班徑有浴笨臻g依賴關系相對應空間權重矩陣元素值的定義是：鄰接為1，不鄰接為0。目前在研究中經常使用的空間權重矩陣有兩種形式：“車式（rook）”鄰接和“后式（queen）”鄰接?！昂笫健编徑又溉绻麅蓚€地域單元之間存在公共邊或公共頂點，就定義它們為“鄰接”，否則，就定義為“不鄰接”;“車式”鄰接則是指如果兩個地域單元存在公共邊就可以定義為“鄰接”。

在本文中將使用空間統計分析軟件GeoDa來直接生成“車式”地理鄰近的空間權重矩陣，解釋各個城市間的空間效應，并在此基礎上進行后續分析。

3. 知識溢出指標

本文采用的用于衡量知識溢出的指標是各個城市的專利數據，與專利相關的常見數據有專利申請量和專利授權量兩種，但由于專利授權量相較于專利申請量來說更受到專利部門政策等的影響，而專利申請量則更能反映一個地區自發性的知識產出，于是本文使用了專利申請量作為具體的指標。

4. 數據來源

本文所使用的數據來自26個城市2016年的《國民經濟與社會發展統計公報》，以及對應省市知識產權局的統計數據。

（三）專利申請量的空間自相關分析

空間自相關概念：變量在空間中的集聚意味著在某個區域內，這個變量在每個地理單元之間具有正自相關性：某個地理單位的某個變量較高，那么其周圍區域單位該變量也較高;地理單位的變量較低，周圍地理單位中的變量也較低。反之則表現出負的空間自相關性。空間自相關性說明的是某一空間上的某一屬性的值與其相鄰空間上的屬性值之間的關系。在測度空間自相關性時，通常采用的指標有全局莫蘭指數I和蓋里指數C，本文采用全局莫蘭指數I作為標準檢驗空間自相關性。

1950年，莫蘭提出了全局莫蘭指數I，它可以反映整個研究區內每個地理單位與其相鄰地理單位之間的相似性，有單變量全局莫蘭指數與交叉變量全局莫蘭指數。本文采用的單變量全局莫蘭指數I的計算公式為：

I=n∑ni=1∑nj=1wij（xi-x）（xj-x）S2∑ni=1∑nj=1wij

公式中Wij為空間權重矩陣，I為莫蘭指數，S2=∑i（xi-x）2，x=1n∑ni=1xi。莫蘭指數I的取值一般落在[-1，1]的范圍內，大于0時意味著存在正的自相關，與1接近則意味著相似的屬性產生了集聚（高高鄰近、低鄰近）;小于0則說明負相關，與-1接近時表明具有相異的屬性發生了集聚（高低鄰近、低低高鄰近）;為0時表明空間事物的屬性不存在空間相關性，空間分布是隨機的。

如下圖1就是通過GeoDa分析軟件，在rook鄰接的方式下生成的長三角26個城市2016年專利申請量的莫蘭散點圖，計算得出的全局莫蘭指數I約為0.11，存在著較為顯著的正的空間自相關性。

莫蘭散點圖中的四個象限代表了四種類型的空間聯系形式：第一象限是高高鄰接，即高觀測值與高觀測值鄰接;第二象限是低高鄰接，表示低觀測值的區域被高值的區域包圍;第三象限是低低鄰接，表示低觀測值區域被低觀測值區域所包圍;第四象限是高低鄰接，表示高觀測值區域被低值區域包圍。其中第一象限和第三象限表現出的是正的自相關性，第二象限和第四象限表現出相鄰區域的負空間自相關性。

通過莫蘭散點圖可以得出圖2即長三角26個城市具體在四個象限的分布。從圖中可以看出，位于高高象限的城市有上海、蘇州、無錫、南通、紹興、寧波，說明這6個城市自身是專利申請量較高的區域，并且與他們相鄰的也是專利申請量較高的地區;處在高低象限的有常州、南京、杭州、合肥，說明這4個城市在2016年中專利申請量較高，但這四個城市的相鄰城市的專利申請量較低;位于低低象限的城市有鎮江、泰州、揚州、鹽城、臺州、蕪湖、金華、滁州、安慶、馬鞍山、宣城、銅陵、池州，說明這13個城市自身的專利申請量較低，并且圍繞在城市周邊的相鄰城市的專利申請量也較低;位于低高象限的城市有嘉興、舟山、湖州，意味著這3個城市自身的專利申請量較低，但與其相鄰的周邊鄰近城市的專利申請量卻較高。統計之后可以發現，共有19個城市位于第一象限或者第三象限，占樣本總數的73.1%，這意味著長三角區域大部分城市的專利申請量有正的空間自相關性。

對莫蘭指數I的顯著性進行檢驗，需要利用GeoDa軟件進行檢驗（圖3），得到的p-value值為0.113，說明在88.7%置信度下空間相關是顯著的。

從上述分析中，可以看到2016年長三角26個城市間的專利申請量存在著某種程度上的空間集群，這表明某一區域的創新行為會影響鄰近區域的創新活動，也就是說在這些鄰近的區域內發生了知識溢出的現象，也因此，在知識溢出的研究中，將空間上的相關性納入考慮范圍是很有必要的。

（四）空間滯后模型分析

由于空間自相關性的存在，在利用空間數據研究變量間相互關系的時候，需要在一般回歸模型的基礎上加入空間自相關因素，由此形成了空間自回歸模型?？臻g自回歸是指在因變量中囊括有因變量的其他地理單位的值。格里夫和奧德于1981年率先在經典的回歸模型中融入了空間自相關因素，初步形成了空間自回歸模型。隨后，安塞林于1988年正式提出了空間自回歸一般模型，即：Y=ρW1Y+Xβ+ε。在一般模型的基礎上又派生出了三種特殊的空間自回歸模型：一階空間自回歸模型、空間滯后模型和空間誤差模型。

本文在一般模型的基礎上選取其中派生的空間滯后模型進行分析，這里的“滯后”一詞與傳統意義上的“滯后”不一樣，此處的“滯后”指某一地域單元的一種變量通過反饋效應與其周圍地區相同的變量產生相互影響。同時在研究專利申請量的問題上，本文認為不同地區的年度研發投入即R&D經費支出在很大程度上會對專利申請數量產生影響，因此在構建的空間自回歸模型中引入R&D經費投入這個變量，由此本文生成的模型為：PAT=ρWPAT+RD+ε，式中W為上文所構建的空間權重矩陣，ρ為空間滯后系數，度量地理鄰近城市的專利申請量對其他城市的影響，PAT則是指各個城市的專利申請量。利用GeoDa軟件進行分析，得出的估計結果如表1。

從表1中可得到的回歸模擬結果為：PAT=15704.9+0.0837PAT+126.494RD。由回歸結果可知，空間滯后參數ρ為正值，但統計檢驗結果顯著性不明顯，這說明在長三角地區城市群的實證分析中地理鄰近對于知識溢出存在正向的但在模型上不太顯著的影響。實證中出現這種情況的原因可能是耿一村（2013）在研究中提到的知識溢出的負面效應，他認為知識溢出的接受方可能會產生“搭便車”的心理，將會降低生產知識的積極性。因而可以知道，地理鄰近對于知識溢出產生正向影響不顯著的原因也可能是長三角部分鄰近城市不自覺的“搭便車”影響了各個城市的專利申請量。模型同時說明了各個城市的R&D經費投入對于城市的專利申請量有比較大的影響，R&D投入每增加1億元，專利申請量增加約126個。

四、 研究結論與政策建議

長三角地區城市群當中鄰近城市的專利申請量存在溢出效應。通過空間自相關性的分析可知，長三角26個城市中大部分城市的專利申請量呈現正的空間自相關性，在上海市周圍形成了高專利申請量與高專利申請量的鄰近格局，說明在此區域內的鄰近城市間可能產生了比較強烈的知識溢出，某一城市的創新活動也說明該區域范圍內的創新活動十分頻繁，有較高的創新水平。而在長三角區域的東部，以安徽省所屬城市為主的范圍內，則形成了低專利申請量與低專利申請量鄰近的格局，這說明該區域內的知識溢出現象較弱，創新活動較弱。

地理鄰近對知識溢出產生了影響。正如地理學第一定律所說的那樣，任何東西都存在著相關性，并且相近的事物比距離較遠的事物之間的相關性更強烈。通過對比長三角地區行政區劃圖與上文莫蘭散點圖中各個城市的坐標分布，可知與上海這個東部創新活動異常密集的城市的鄰近城市也產生了較為密集的創新活動，與上海存在著地理上的鄰近關系是影響這些城市創新活動的重要因素之一。

從長三角26個城市在莫蘭散點圖四個象限的分布中除了可以看出一三象限城市間相似屬性的集群屬性外，還可以發現江蘇省、浙江省以及安徽省三省的省會城市南京、杭州與合肥三個城市都位于第四象限——高低象限，意味著三個省會城市自身的創新活動較為活躍，表現為專利申請量較高，但是與這三個省會城市相鄰的周邊城市的專利申請量卻較低，創新活動較不活躍。由于省會城市在一個省份中的特殊政治地位以及經濟地位，經濟實力較強，創新活動較為活躍是正常的。但同時從上述分布情況也可以看出三個省會城市對于周圍鄰近城市在創新活動方面的輻射作用是比較弱的，并且在創新活動、知識產出方面表現較為活躍的大學高校與研究所一般都分布在省會城市，由此也可以看出作為一省知識產出中心的省會城市沒有實現對于周邊城市良好的知識溢出。這個現象就值得我們去關注，并且思考要采取什么樣的方式擴大知識產出高的城市對于周邊其他城市的知識溢出，帶動提升周邊其他城市的知識創新能力，由上海市周圍形成的高值圍繞著高值的集群情況來看，這種想法是非常必要并且可行的。

（一）加強中心城市與周邊城市間的交通建設

地理上的鄰近對于隱性知識的溢出有著天然的優勢，但是在如今時代車輪滾滾前進的情形之下，我們的交通出行方式已經變得越來越多樣，尤其城際鐵路的快速發展也使得各個城市間的時間距離越來越短。便利的交通條件便利了人們的出行，使得人們在鄰近城市間的短時出行更加頻繁，將會增加不同城市間人們之間的交流與溝通，自發的知識溢出也會增加。這將使得知識發揮更大的作用，不僅作用于知識產生的城市，也將作用相鄰的城市，促進創新能力較低城市的知識水平提高，從而提高其經濟發展水平，減小不同城市間的經濟發展水平差距。

（二）構建城市間的知識溢出與交流平臺

交通條件的改進促進人們的互動與交流，同時促進的是人們之間自發的知識交流與溢出，但在政府層面來看，應當對當前的城市間知識溢出做出合理的評判，利用政策優勢，構建城市間良好的知識交流平臺，為不同城市間的交流提供契機。創新水平較低的城市通過與水平較高城市的交流，可以從中了解比較前沿的知識動態，與自身的實際情況相結合之后，必定可以有新的知識創造。

（三）結合互聯網，利用“互聯網+”促進城市間知識溢出

21世紀是互聯網的時代，在李克強總理提出“互聯網+”的概念之后，互聯網與實體經濟的結合變得更加引人關注，而互聯網本身就是傳播知識的很好的載體。雖說顯性知識通過文字的方式可以更好地進行傳播與交流，而隱性知識則更多地依賴潛移默化的溝通，但是現在互聯網已經不僅僅提供了文字傳播的方式，也提供語音交流與視頻交流的便利方式等，通過這些新穎的方式進行知識交流與分享，可以在一定程度上便利人們的溝通，促使一些隱性知識傳播在看似隨意的談話中潛移默化地發生。而我們要做的就是利用好互聯網的優勢，形成優質的知識集群，將知識聚集然后進行傳播與擴散，促進知識的溢出。

參考文獻：

[1]Geert Vissers， Ben Dankbaar. Knowledge and Proximity[J]. European Planning Studies，2013，21（5）：700-721.

[2]Wang J， Zhang X， Yeh A G O. Spatial proximity and location dynamics of knowledge-intensive business service in the Pearl River Delta， China[J]. Habitat International，2016（53）：390-402.

[3]王慶喜，王巧娜，徐維祥.我國高技術產業省際知識溢出：基于地理和技術鄰近的分析[J].經濟地理，2013，33（5）：111-116.

[4]袁立科.鄰近對技術創新的影響研究[D].重慶：重慶大學，2007.

[5]耿一村.產業集聚、知識溢出與城市經濟增長——基于浙江省的實證研究[D].下沙：浙江工商大學，2013.

[6]李婧，何宜麗.基于空間相關視角的知識溢出對區域創新績效的影響研究——以省際數據為樣本[J].研究與發展管理，2017，29（1）：42-54.

[7]葉靜怡，林佳，姜蘊璐.知識溢出、距離與創新——基于長三角城市群的實證分析[J].世界經濟文匯，2016（3）：21-41.

[8]馮榮凱.知識溢出及其影響因素：一個文獻綜述[J].商品與質量：理論研究，2012（4）：321.

[9]趙勇，白永秀.知識溢出：一個文獻綜述[J].經濟研究，2009（1）：144-156.

[10]楊中楷，沈露威.基于GeoDA-GIS的我國有效專利空間分異研究[J].圖書情報工作，2011，55（10）：69-73.

[11]唐曉旭，張懷清，劉銳.基于GeoDA的遼寧省GDP空間關聯度分析研究[J].林業科學研究，2008，21（s1）：60-64.