中國區域知識復雜性測度及其對創新的影響

崔兆財,周向紅,王 俐

(同濟大學 經濟與管理學院,上海 200092)

0 引言

若將知識創新與積累稱為技術變革和經濟增長的關鍵驅動力，學界與政界莫不云集景附，點頭稱善。殊不知，“創造性破壞”的狂風顛覆了整個資本主義經濟結構，對產業格局重新洗牌并除舊布新，不斷將新鮮“血液”注入經濟系統，得以支撐國民經濟不斷向前發展[1]。創新便是這“新鮮血液”，知識就像血液中的造血細胞，不斷新陳代謝，供給其在整個系統中循環流轉。索羅[2]于1951年在《資本化過程中的創新：對熊彼特理論的評價》中指出：技術的變化，包括現有知識被投入實際應用所帶來的具體技術安排、技術組合方面的變化，可稱之為創新。當熊彼特“創造性破壞”的狂風過后，無數學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創新如何驅動經濟、社會發展的浪潮。

如將眾多學者的研究成果束廣就狹，要而論之，大致可以將其總結為3個重要階段：20世紀70年代以前，創新動力的技術推動與需求拉動之爭。理論界將技術創新中的技術推動作用與市場需求拉動作用總結為技術推動論和需求拉動論[3-4]，兩者形成了較為鮮明的理論觀點。然而,無論是技術推動還是需求拉動觀點,都不是創新動力研究的單一偏向理論[5]。20世紀70-90年代，創新理論繼續發展并衍生出誘導型技術創新、演化經濟學和路徑依賴模型3種方法以理解技術變革[6]。誘導型技術創新強調，生產要素的相對價格變化促進了旨在節約稀缺要素的技術創新[7]。演化經濟學觀點建立在熊彼特對創新的理解以及有限理性和不確定性的概念之上，該觀點認為，企業創新決策中的有限理性和不確定性都會導致一種思維定式，這種思維模式通常傾向于對現有產品或流程進行漸進式創新[8]。路徑依賴模型源自于收益遞增的思想，即技術應用過程中規模經濟、學習效應、適應性預期和網絡經濟等機制產生的收益遞增會進一步強化技術創新與應用[9-10]。20世紀以來，理論界越來越關注將舊的線性創新模型發展為更能準確反映創新過程復雜性和相互依賴性的系統創新模型，并逐漸將創新系統研究框架由企業層面擴展至國家、部門和區域層面[11-12]，研究重點是對不同國家、區域和技術創新系統進行甄別與比較分析。或一言以蔽之，基于不同層級的考察，試圖找到驅動技術創新的關鍵因素。

目前，國內研究趨勢主要是基于新的實證方法如薈萃分析法[13]、空間自相關[14]、包絡分析法[15]和基于投入-產出角度優化后的包絡分析法[16]，從不同研究維度如企業創新實踐、產業集聚、創新效率和創新能力差異等考量各種創新影響因素。雖然現有研究從多層面、多維度探討潛在創新影響因素，卻忽略驅動創新的知識本身，也就是經濟體中知識存量的非均質和復雜性特征對創新的潛在影響。在這一點上，國內進展明顯滯后于國外同類研究。一些國外學者很早就基于專利數據引用、申請和訴訟等多重信息構建了一種個人專利復雜性測度方法[17-18]，以此作為對其知識結構的重要反映指標。因此，中國區域知識復雜性測度領域研究亟待補充。

關于知識復雜性測度研究，Archibugi & Pianta[19]、Pianta & Meliciani[20]首開先河，通過對專利分布數據進行國際比對，總結出知識多樣性與經濟增長間的非線性關系；Hidalgo & Hausmann[21]根據國民經濟產品層面的多樣性和空間范圍，創新了產品和地方復雜性度量方法。在上述研究中，不同國家或地區具有不同的核心競爭力，積累的能力越多，地方能生產的專業化產品就越多。因此，專業(復雜)程度高的產品只有少數經濟體能生產，后者以此構成了長期競爭優勢的基礎。以Hidalgo等的研究成果為基礎， Rigby等[22]構建知識復雜性指數(Knowledge Complex Index,KCI)概念，并通過該指數刻畫了美國城市知識復雜性空間演化特征。Antonelli等[23]同樣借鑒Hidalgo & Hausmann提出的反射法，利用歐盟國家IPC專利分類數據，通過構建KCI指數對歐盟國家間的區域知識結構進行測度。隨后，不斷有學者對其理論進行拓展并加以實踐應用。本文將主要基于以上學者的測度方法構建中國內地31個省市區域知識復雜性指數，并進一步將其運用于區域創新影響實證檢驗中，以期進一步推動相關理論、方法在中國實踐應用。

1 區域知識復雜性測度

1.1 測度方法

基于Hidalgo & Hausmann所創建的應用于創新活動多樣性、普遍性和復雜性評價的HH方法，本文對中國內地31個省市區的知識結構組成和技術稟賦情況展開分析。HH方法的特殊之處在于不步人腳，摒棄了依靠技術距離這一指標測度知識復雜性程度的角度，而技術距離往往是在專利大樣本基礎上計算得出的，通常會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跨地區分布經驗，觀察推導出其隱含的地理分布特征。由此可以看出，HH方法在捕捉地區知識創造動態演化方面更具有優越性，因其是不同知識屬性創新活動地理集聚程度的現實反映。因此，HH的計算結果中將包含技術和地理空間在內的多重信息。

HH構建過程中主要基于反射法，反射法通過各地區專利分類映射計算知識復雜度。此外，還會用到顯示技術優勢指數(Revealed Technological Tdvantage index，RTA)，借以反映不同地區在某一專利方面的比較優勢。區域知識結構測度具體方法如下：

首先，顯示技術優勢指數(RTA)的計算表達式如下：

其中，Prt是區域r關于專利分類t的數量，R是總區域數量，T是總專利類別。分子表示區域r中專利分類t占區域中專利總量的比重，分母表示專利分類t占所有區域專利總量的比重，最后得到的是可以看作經過標準化處理后的數值。此外，RTArt=1代表地區技術專業化的閾值：當RTArt>1時，說明區域r在技術領域t具有專業化優勢。

其次，建立二值專業化矩陣M描述區域和專利分類之間的聯系。其中，行表示區域，列表示專利類別，當區域r對專利t具有比較優勢時，對應矩陣元素M(r,t)=1，反之則等于0。即：

反射法通過迭代方式對技術專業化矩陣M進行變換，最終可以得到反映地區和知識專業化結構不同維度的顯示指標。矩陣數據可以看作是連接兩個集合的網絡，分別是地區集合和這些地區具有相對比較優勢的技術集合。稱地區具有相對比較優勢的技術數量為多樣性，對于有多少地區就某類專利具有比較優勢稱為普遍性，多樣性和普遍性是區域知識結構測算的兩個重要維度。多樣性和普遍性計算如下：

令向量IX作為維數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 數據描述

1.2.1 專利數據來源

本文所用專利數據來自于SooPAT專利檢索網站，選擇該網站的主要原因是基于其專利數據可靠性和專利檢索便捷性。SooPAT中，中國專利數據鏈接均來自國家知識產權局互聯網檢索數據庫，并且支持基于專利申請人所屬省份、申請時間及專利所屬IPC分類號的語法表達式高級檢索。需要注意的是，每份專利申請書均標明其所屬的一個或多個IPC分類號，而IPC分類號是區域知識結構組成分析的重要基礎。本文最終選取621個IPC分類號以衡量中國內地31個省市知識構成情況，并在整理過程中對于具有多個IPC分類號的專利給予重復統計。

1.2.2 專利數據有效性

本文收集并整理了2003-2016年15 988 864件專利數據。為了證明所選取專利數據的有效性，特將其與歷年《中國專利統計年報》中的專利申請數據進行比對。觀察圖1可以看出，文中整理的專利數據占歷年中國專利申請總量的比重最低為0.74，樣本涵蓋比率很高，說明樣本數據可靠。

圖1 2003—2016年樣本數據選取情況

1.2.3 專利數據空間分異特征

在進一步研究之前，本文基于2000—2015年《中國專利統計年報》專利申請數據，利用Arcgis10.2軟件繪制中國專利重心遷移空間路徑圖，通過觀察其動態軌跡及時空演變格局，初步了解中國專利數據空間分異情況。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區間，2000—2015年專利重心移動軌跡大體經歷了3個階段：第一階段為2000-2006年我國專利重心總體呈向東南方向移動趨勢，2002、2003年出現反復；第二階段為2006—2011年整體向北移動，2009年、2010年出現反復；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

專利重心空間移動特征符合我國不同時期區域發展戰略指向。眾所周知，20世紀90年代以前，東北老工業基地和環渤海地區一直是我國經濟較發達地區。自1997年以來，國家實施國民經濟戰略性結構調整，經濟發展重心向東部沿海地區傾斜。21世紀以來，區域經濟發展又進行了新的戰略調整，推進西部大開發、振興東北老工業基地、促進中部地區崛起等一系列舉措，引導資源要素向中、西部地區不斷集聚以及向東北地區回流。隨著國家戰略指向下經濟社會發展重心區際轉移，專利重心也隨之產生偏移。

1.3 區域知識復雜性測度結果

圖3、圖4分別為2003—2009和2010—2016年區域技術多樣性與普遍性取平均值后的散點圖。整體來看，如果忽略圖中個別異常離散值，技術多樣性與普遍性呈現出顯著負相關性關系，意味著技術多樣化區域更傾向于創造專業性強、難復制的異質性技術，多樣化程度低的區域則傾向于創造專業性不強、易復制的普遍性技術。多樣性程度高代表區域內具有比較優勢技術的專利種類較多，普遍性越高代表專利異質性越低，即專利技術含量低，很容易被區域外轉移和模仿。

此外，多樣性與普遍性的二維圖呈現出東、中、西部地區極化現象。中、西部省(市)多集中于散點圖左上限，東部省(市)多集在右下限，說明東、中西部地區在專利研發能力和專利技術含量方面依然存在較大鴻溝，中、西部地區顯然處于劣勢地位。盡管如此，結合圖3和圖4的時間演化特征不難發現，中、西部地區在區域創新中的劣勢處境正在改善，其專利研發技術多樣性逐步提高，部分省份逐漸步入專利研發的第一梯隊，即圖4中右下限區域。

圖3 2003-2009年多樣性與普遍性二維分布

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

圖5 2003-2009與2010-2016年平均KCI變化趨勢

需要注意的是，東、中、西部地區在知識復雜性方面的表現并非一成不變，反而處于動態演化過程中。通過圖5的45°線可以看出，東部地區部分省市如北京、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上述省市的知識復雜性相較于2003—2009年出現下降。大多數中西部地區省市位于45°線上方，說明雖然中、西部省市的知識復雜性落后于東部省市，但其自身知識復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，當前我國區域間知識復雜性處于一個趨同演變過程，中、西部地區尤其是中部省市的知識復雜性逐步趕超東部地區。

基于以上東、中、西部地區知識復雜性KCI指數分析，得到以下發現：首先，KCI指數提供知識基礎結構演變對區域競爭力影響的相關信息，即東部地區省市表現出更多的技術專業化，上述技術通常普遍性較低，反映出東部地區稀缺技術掌握能力。此外，跨期觀察結果顯示，中、西部地區技術多樣性不斷提升，說明落后地區正逐漸進入新的技術領域。即便如此，東部地區依然保持著復雜技術專業化模式。其次，以上分析說明在區域層面創新發展多樣化技術組合的重要性。新產品中日益增強的技術依存性和相關科學領域交叉融合，為那些具備多樣化知識結構基礎的地區帶來持續優勢，因而不能單憑少數領域專業化謀求競爭優勢[25-26]。

2 模型設定與數據說明

以上內容探討了中國區域知識復雜性的空間分異情況和動態演化過程，近年來，經濟地理學、創新研究和復雜系統領域文獻在解釋區域增長和創新活動空間分布時，越來越多地提到知識復雜性所發揮的重要影響。借助構建的區域知識復雜性指數KCI，本文將進一步探究知識復雜性和區域創新產出之間的相關性。Griliches(1979)所構建的C-D型知識生產函數中將知識產出表示為R&D產出=F(X,K,μ)，其中，投入X代表通常投入要素如勞動力和資本，K度量的是現有技術知識水平，本文以KCI指數作為替代變量，因而考慮知識復雜性的知識生產函數重表達為：

R&D產出=DCαLβKCIγeλt+μ

(1)

其中，D為常數,C為資本投入要素，L是勞動力投入要素，KCI為文中所測算的知識復雜程度。將式(1)兩邊同時取對數變形可得：

lnR&D產出=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產出為被解釋變量，反映區域創新發展狀況，KR0/KR1和KCI是核心解釋變量，反映知識相對稀缺程度和區域知識復雜水平，d=lnD表示常數項，εit是誤差項。為了進一步提高估計結果準確性，加入控制變量Xcontrl。

2.1 變量選擇

2.1.1 被解釋變量(R&D產出)

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

2.1.2 核心解釋變量(KCI與KR0/KR1)

本文除重點考察知識復雜程度對區域創新的潛在影響外，還構造變量KR0/KR1I,t，以捕捉區域專業化知識相對稀缺程度對創新的影響。

2.1.3 其它解釋變量

將R&D研發經費投入作為創新產出的資本投入要素度量，用R&D研發人員全時當量衡量勞動力要素投入。

2.1.4 控制變量

為避免遺漏變量造成估計結果偏誤，基于之前的研究設定方法，本文選取人均GDP、對外開放度作為控制變量[28-29]。人均GDP采用國內生產總值/年末人口總數得到；地區對外開放程度測算采用進出口貿易總額/GDP總值表示，以捕捉區域經濟特征和對外開放水平對創新的影響。

2.2 數據來源

本文整理的中國內地31個省市專利授權量、研發經費和研發人員全時當量等相關數據均來自于2004—2017年《中國科技統計年鑒》。核心解釋變量為本文所計算的區域知識復雜性指數KCI。其它控制變量：年末人口總數、地區生產總值、進出口額等相關數據來源于2004—2017《中國統計年鑒》，具體變量釋義詳見表2。

2.3 實證結果分析

在實證模型篩選方面，根據LM統計檢驗和豪斯曼檢驗結果，發現固定效應模型和隨機效應模型優于混合OLS模型，且隨機效應模型優于固定效應模型。因此，實證結果重點參考表3中回歸III、回歸IV修正后的隨機效應估計結果。對于估計過程中可能存在的異方差和序列相關問題，回歸IV是修正異方差和序列相關問題后的估計結果，采用異方差—序列相關穩健標準誤，得到的估計結果更加可靠。根據回歸III和IV的估計結果，知識復雜性指數KCIi,t與被解釋變量lnPATi,t顯著正相關，表明作為雅各布斯外部性的重要來源，區域知識基礎結構對創新增長具有積極貢獻，即區域知識復雜性程度越高，越能促進區域創新績效提高。變量KR0/KR1i,t能夠捕捉區域知識基礎構成的多樣性/普遍性特征，即區域專業化知識數量和相對稀缺性。回歸IV中，KR0/KR1i,t估計系數顯著為正，意味著不僅區域知識多樣性對創新至關重要，而且知識質量，即所掌握知識的相對稀缺性同樣是區域創新不可或缺的因素。

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中的估計結果顯著且為正，說明人均收入水平、研發人員投入、研發經費投入和區域開放程度均能夠積極促進區域創新，與之前學者的研究結論相一致[28-29]。

表3 總體回歸估計結果

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均進行了異方差和序列相關修正，括號內為異方差—序列相關穩健標準差，回歸I、II括號內是未修正的標準差

2.4 分區域回歸結果

將區域樣本分成東、中和西部地區后，估計結果同樣表明，知識復雜性能夠顯著促進區域創新(見表4)。從回歸VI、VIII和回歸X的估計結果看，東部地區關于KCII,t的參數估計值為0.607，中部地區為0.338，西部地區為0.033且均顯著，說明知識復雜程度對區域創新的促進效應排序為東部地區>中部地區>西部地區。以上結果表明，東部發達地區的專利產出與知識復雜性指數KCII,t具有更強的相關性。這是由于區域內部知識復雜性程度越高，其空間粘性就越強，知識將很難被其它區域所復制[24]，會進一步強化區域內復雜知識的自我累積，促進專利產出提高。

KR0/KR1i,t的估計結果均顯著為正，說明區域所掌握的專業化知識種類越多，知識稀缺性越高，就越能夠促進區域創新發展。值得一提的是，指標KR0/KR1I,t的估計結果在地區間分布特征與KCII,t恰好相反，東部地區KR0/KR1I,t的參數估計值為0.015，小于中部地區的0.137和西部地區的0.094。這一結果表明，同步提升區域知識池內專業化知識數量(KR0)和質量(KR1)對中部與西部地區大有裨益，其邊際增益效果優于東部地區。但同時應該注意到，必須兼顧專業化知識累積數量和質量，如果區域內新增專業化知識具有較高的KR1值，即在區域間具有很高的普遍性，或者稀缺性很低，此時KR0/KR1I,t比值變小，那么新增專業化知識對創新產出的影響將是有限的。

2.5 穩健性檢驗

為了進一步檢驗以上結果的可靠性，本文穩健性檢驗策略如下：①將被解釋變量專利授權數更替為技術市場成交額。侯建和陳恒(2016)認為,技術市場成交額是衡量區域技術創新活動整個生產過程績效和價值的重要指標，可以作為區域創新績效的替代指標；②引入發明專利申請量所占比重這一控制變量。操龍升和趙景峰(2019)認為,發明專利數量與質量可以較好地反映出一個國家和地區的創新能力，將發明專利申請量占所有專利的比例作為影響技術創新績效的其它控制變量引入模型，以檢驗文中結果的穩健性。

表5估計結果中，將被解釋替換成技術市場成交額后，知識復雜性指數和多樣性/普遍性參數估計結果為正值，且在5%的水平下顯著，與上文估計結果一致。引入控制變量發明專利占比后，知識復雜性指數和多樣性/普遍性依然保持對創新績效的正向影響，均在5%的水平下顯著。并且，影響效應在區域間的分布特征同樣與上文保持一致，即知識復雜程度對區域創新的促進效應排序為東部地區>中部地區>西部地區，而KR0/KR1i,t的估計結果是東部小于中部地區和西部地區。綜上，穩健性檢驗結果表明，上文所得結果是可靠的。

表4 東部與中西部分區域回歸估計結果

3 研究結論與啟示

知識作為創新的核心驅動力，一直是技術和創新研究領域的關注點。然而，已有文獻大多從純數量角度衡量知識產出，并隱含假定所有知識都是同質的，忽略了知識質量維度。最新文獻在考察創新活動空間分布時，開創性地提出知識復雜性概念(Balland&Rigby，2017)，從空間角度理解知識復雜性并實證測算，重點關注區域層面的復雜知識分布和演化特征。本文首先梳理了該流派的學術脈絡，發現其是隸屬于區域創新系統研究脈絡的分支，再通過測算出的KCI指數描述中國區域知識復雜性時空演化特征，最后實證檢驗知識復雜性與區域創新之間的相關性，以及對東部地區和中、西部地區影響的異質性。

本研究發現，我國專利重心不斷在區際間動態遷移，伴隨著專利重心遷移的是東、中、西部地區知識復雜性不斷變化。首先，知識復雜性指數提供了知識基礎結構演變對區域競爭力影響的相關信息，即東部地區省市稀缺技術掌握能力高于中、西部地區省市。但中、西部地區的劣勢正在逐漸改變，并不斷進入新的技術領域，東部地區則作為國內創新高效區域擁有最復雜的技術專業化模式。

表5 穩健性檢驗結果

注：僅匯報了關鍵關鍵變量KCII,t和KR0/KR1I,t的估計結果，并且將兩列結果匯總至同一列中

在進一步實證檢驗過程中發現，知識復雜性和區域創新產出之間存在很強的相關性。即區域知識復雜性程度越高，越能促進區域創新績效提高。區域在知識創造過程中，不僅要重視量的增長，更要保證質的提高，即通過自主創新生產稀缺性高、難以被模仿的知識，從而為區域競爭優勢獲取提供堅實的基礎。此外，雖然東部發達地區的專利產出與知識復雜性具有更強的相關性，但中西部落后地區具有更高的邊際增益，即落后地區通過模仿、引進或創新等途徑主動提升區域內稀缺知識池的存量和質量，能夠更顯著地促進區域內專利產出增長，從而對發達地區實現趕超。本研究結果表明，在國內區域層面存在技術能力擴散和多樣化過程，這就要求政策制定者在制定創新政策時，應以聚集多樣化和高質量知識為目標，而不僅僅只是謀求單一領域內的競爭優勢。