知識溢出跨地域邊界的影響因素研究
——以生物技術產業為例

初大智，張麗麗，黃澤彬，丁婉玲

（深圳大學管理學院，廣東深圳 518061）

1 問題的提出

知識經濟時代，知識已經成為區域競爭最重要的資源，而知識溢出是內生經濟增長理論、新經濟地理學等經濟學分支解釋集聚、創新和區域增長的重要概念之一。當某一創新主體產生的創意無償被其他主體習得時，就發生了知識溢出。知識溢出指學習他人的創意、有效地建立源自外部并用于自身研究與發展的知識存量。

自從Jaffe等［1］學者發現了知識溢出本地化證據以來，也有學者如Breschi等［2］提出了知識溢出非本地化的證據。知識溢出的地理邊界問題一直是西方發達國家創新經濟學和經濟地理學者們備受爭議的話題之一。由于知識生產具有明顯的空間外部性，許多學者從“企業”轉向“空間”研究知識的外部性［3］。

在此基礎上，關于知識溢出影響因素的研究主要可以分為兩大類：一類是區域之間知識溢出的影響因素研究［4］；另一類是關于區域內知識溢出影響因素的研究。前者一般基于知識發送方和接收方的視角，研究認知距離、學習能力、地理距離［5］，如Cani?ls等［6］對地區間溢出的影響，以實現地區間區域經濟增長趨同或趨異的關系；而后者多見于高科技園區和產業集聚等研究，主要研究區域、產業和時間三個方面因素在知識溢出本地化過程中的作用［7］，如區域的產業集聚水平、社會資本、企業規模、產業結構和市場結構，以及作為知識和人力資本生產者的大學機構、產業的知識密集度、知識資本的時間積累等對本地知識溢出的影響［8］。

通過對已有文獻的梳理發現，由于缺乏統一的視角，現有文獻多是把區域內和區域間知識溢出的影響因素分開探討，沒有合并在一起探討哪些因素易于實現區域內知識溢出，哪些因素易于實現區域外知識溢出。關于區域內溢出影響因素的探討主要集中在英美發達國家，而區域間主要集中發展中國家，且主要是從知識接收方的角度，而沒有從發送方的角度來研究。如陳傲等［9］學者也對中國的空間知識溢出影響因素的作用機制進行了探討，但是他們主要是從知識接收方的角度，來探討邊緣城市與中心城市的地理距離、中心城市人口相對擁擠程度、自身的吸收能力等因素如何促進或者阻礙邊緣城市對中心城市溢出知識的吸收。之所以主要從接收方角度來研究中國區域的知識溢出，是因為很多學者認為，中國屬于發展中國家，其主要作為吸收方，吸收來自美國、日本和德國等先進國家的知識溢出。此外根據對外投資理論，西方發達國家跨國公司的技術研發僅僅在母國進行，跨國公司在發展中國家的投資主要集中在制造業和簡單的裝配業［10］，由于發達國家在高層次技術引進和技術轉移等方面設置了種種限制，發展中國家很難引進真正先進的核心技術。這樣，發展中國家可能就難以作為知識溢出方出現。

然而對于像中國這樣面積廣闊，企業和地區之間差異巨大的國家來說，隨著近幾年經濟的高速增長，目前難以界定其到底位于典型發達經濟體和典型的欠發達經濟體之間的什么位置。因為如果說中國是欠發達經濟體，但它還有接近發達國家和地區水平的珠三角和長三角地區，那里作為改革開放前沿陣地，存在著極具自主創新能力的華為、富士康、華大基因和邁瑞等公司［11］；與此同時，中國也有欠發達的省份，如中西部的廣西、甘肅、云南和貴州等，那里有大量只是由低收入工人從事簡單裝配的組裝公司。由此可見，在中國的部分地區，作為知識的發送方，知識創造及知識溢出是存在的。這些區域的知識溢出分為區域內知識溢出和區域間知識溢出兩種，近年來已有研究表明，在中國區域內生產的知識約有59%留在區域內部，41%知識將溢出到外部［12］。

由于知識溢出具有創新效應［13］，因此從區域內和區際國際兩個層面，以專利引用作為視角，研究中國知識溢出的影響因素，對于合理評估專利對區域內以及區域外的價值，并分別從各省和國家層面制定正確的政策，合理利用有限資源，對滿足需要的專利進行獎勵和支持，從而促進區域內或者區域間知識溢出，實現區域創新效應，具有重要的意義。

生物技術產業是中國近年來大力發展的尖端前沿技術產業，其創新模式不同于中國一直表現良好的電子信息技術，是一種非線性模式。而且生物技術產業的新知識，往往都以專利形式表現出來，因此生物技術的專利引用，相對于電子信息等其他產業，更能全面反映知識溢出的軌跡。

在這種情況下，我們以中國生物技術產業為例，尋求在中國情境下，哪些因素促進了知識更好地本地化溢出，從而促進本地化知識創造，提高了本地的知識資本；而哪些因素又促進了知識跨區域溢出，實現更大的社會福利。

不同以往的區域層面的研究，本文采用微觀的專利引用作為知識溢出的代理變量，對現有研究進一步拓展，從專利特征角度探討，何種特征能夠影響該專利的本地化或非本地化被引，實現知識溢出的本地化或非本地化，進而影響其后續的知識創造？從而將區域內和區域外知識溢出影響因素納入到一個統一的理論框架內，加深對知識溢出與區域創新和經濟增長理論的認識。本文從科技關聯度，專利技術搜索的廣度，研究合作，專利權利要求數，專利范圍和新穎度等6個專利特征入手，探討影響中國生物技術產業專利本地化與非本地化被引的因素，嘗試用專利特征數據衡量中國生物技術產業是否跨地域溢出的影響因素。

2 理論基礎與研究假設

自從20世紀90年代以來，城市、區域甚至到國家層面的知識溢出本地化問題一直是經濟地理學、區域經濟學、區域創新和創新管理等領域最具爭議的問題之一［14］。這些研究往往以專利引用作為替代變量，并且使用引用專利和被引專利的信息來決定知識溢出的地理效應，即如果引用專利和被引專利的地址在一個地理單位內，如同一個城市，同一州/省或是同一國家，那么它們就被視為本地信息流［15］。大多數學者更經常用發明者的地址而非受讓人的地址作為地理信息。他們認為，知識溢出是否本地化，是基于引用專利和被引專利的發明者是否居于同一個城市，或者是更廣泛的同一個州/省，還是更廣泛的同一個國家。然而，審查者對專利引用情況的鑒定會導致引用包含的信息產生噪聲。在本文中，我們試圖通過控制審查者的引用來提高知識溢出度量的質量。另外，專利引用的強度也是一種噪聲。有些學者認為，在不同的技術領域情況下會有不同的專利引用率，在某些領域具有較高的引用率，在另一個領域可能會適中或者較小。但是在本文中，我們只關注生物技術領域。

（1）科技關聯度。學者們普遍認為，相比學術作者，專利申請人在選擇科學文獻時更加地謹慎，因為基礎研究是應用研究的先決條件和催化劑，也是技術創新的根本驅動動力。Narin等［16］對當代美國專利引文進行了大規模和系統的分析，發現在過去的6年中，美國科學與技術之間的聯系增加了2倍，這表明公共科學知識在技術創新中起著重要的作用。Martin B R［17］認為，專利對科學論文的引用可視為科學與技術之間的緊密聯系。專利中引用科學文獻越多，技術開發與科學研究之間的關系就越密切，特別是對于生物技術產業來說更是如此。因為如Martin R［18］以及Plum等［19］所言，生物技術產業是以科學為基礎而不是基于工程學［18-19］，在一個以科學為基礎的行業，學者們認為知識流來源于科學知識的生產者，即大學，政府實驗室和研發密集型企業［20］。

Meyer［21］在美國進行了納米技術領域的專利案例研究。他認為，納米科技論文的引用應該被理解為科學與技術之間多層次，高度復雜的相互作用。Fleming［22］研究了美國專利和商標局在1990年5月和6月批準的16 822項美國專利，發現引用了科學論文的專利有助于提高其被引用的頻率，特別是對于需要高技術和科學知識密切結合的生物技術領域。其原因是，引用科學文獻的專利加速了知識的傳播，促進了技術創新［23］。趙志耘等［24］通過專利引用的非專利引文的分析視角探討了中國生物技術領域的科技關聯度，實證結果表明我國生物科技領域的專利對SCI論文的引用頻次要明顯高于其他技術領域，這說明我國生物科技領域的技術創新對基礎研究的需求較高，且隨著時間的推移，技術創新對基礎研究的依賴程度也不斷加強。以上文獻均表明，科技關聯度越高，知識溢出水平越大。為此，本文提出第一個假設：

H1:科技關聯度能夠促進本地化知識溢出。

（2）技術搜索廣度。專利技術搜索基礎的廣度被定義為技術搜索的范圍，或組織在其創新活動中依賴的外部技術類別的數量。Rosenkopf［25］和Cassiman等［26］學者們認為，創新往往取決于企業廣泛搜索知識的能力，因為更廣泛的搜索增加了發現新的和有用的知識組合的可能性［27］。根據英國2707家制造企業的創新調查數據，Laursen等［28］使用16種外部知識來源來衡量企業的知識搜索水平。結果表明，知識搜索庫的廣度和創新績效之間存在倒U關系，激發了同行的興趣。之后，學者們基于不同國情進行了跨文化比較研究。Wu等［29］通過分析美國1990—2000年電子醫療設備行業的專利引文數據，發現探索性知識搜索的廣度和創新績效之間存在倒U關系。Hwang 等［30］通過對韓國創新調查中提取的123個信息和通信企業樣本的分析，發現知識搜索廣度與創新績效呈倒U關系。

基于實證研究的結果，學者們深入探討了知識搜索廣度對創新績效U形影響的內在機制。Katila等［31］認為，通過增加搜索廣度，加強知識的變化和重組，擴大組織的知識庫，能夠提高組織的創新績效。Chen［32］等學者以中國企業的樣本作出了相同的研究結論。Ruan等［33］從正式-非正式知識搜索的角度考察了知識搜索廣度對中國企業創新績效的影響，發現網絡嵌入和吸收能力在二者間起到了調節作用。然而Cohen等［34］認為，過廣的搜索范圍也會導致對不同范式的新知識的整合需求增加，從而擴大了整合的難度和成本。為此，本文提出第二個假設：

H2:技術搜索的廣度與本地化知識溢出呈現倒U型關系。

（3）研究合作。近幾年來，政府和各級機構積極地推動科研合作。Chang［35］和Gao等［36］認為研究應該與合作伙伴一同展開而不是單獨進行。通過合作，研究者們不僅可以獲得專業知識、必要的資源和資金，還可以交流彼此的看法，尤其是在跨學科領域，這對于生物技術產業極其重要。此外，合作研究還可以匯集復雜問題的專業知識［37-38］，學習新的技能［39］并獲得更高的生產力［40］，因此，合作研究將會大大提高創新過程［41-43］。Rigby等［44］研究表明，高質量的研究成果也會經合作研究中而實現。實際上合作研究使組織能夠擴大自己的知識基礎，從而探索新的機會和解決方案［45］，這反過來又可能導致技術上有價值的創新發展［46］。基于此，本文提出第三個假設：

H3：研究合作促進非本地化知識溢出。

（4）權利要求數。專利權利要求可以被歸類為主體和從屬權利，前者定義了發明的基本新穎特征，而后者描述了創新的詳細特征,專利權利要求定義了專利所賦予的保護范圍，或專利申請中所尋求的保護。關于專利權利要求的數量如何影響專利權的保護，專利價值，專利質量，專利訴訟等方面，相關學者已經做了大量的研究。

大部分專利權利都是由一組專利要求組成的，每一個專利要求都有嚴格的技術貢獻［23］。在專利申請過程中，權利要求的內容和數量在反映專利權保護范圍中發揮著至關重要的作用［47-48］。學者們試圖研究專利權利要求對專利價值的影響。Lanjouw等［49］和Liu等［50］認為，對于大多數行業專利來說，權利要求數量是評估專利價值的基本指標之一。Ouyang等［51］和Chen等［52］研究表明，專利權利要求數越多，專利的價值就越高。Shane［53］認為，與專利權范圍狹窄的專利相比，專利權范圍廣的專利顯示出更大的經濟價值。此外，Scellato等［54］學者認為，專利權利要求的數量越多，專利持有人對技術的理解越透徹，專利訴訟的質量就越高。

為此提出本文的第四個假設：

H4:專利權利要求數與知識溢出本地化呈正相關。

（5）專利范圍。為了從專利所包含的知識基礎的角度來研究創新，許多學者提出了專利范圍的概念［55-57］，專利范圍是衡量專利所含知識的復雜性和異質性，反映了專利所涵蓋的技術范圍。根據國際專利分類方法，每個專利都會被分配到對應的技術領域。專利范圍越廣，或者可以重新整合的知識元素越多，新技術的出現頻率就會越高［58-59］。Lerner［60］首先提出，專利范圍越廣，其對專利前置引用的解釋力越強，生物技術行業初創公司的價值越強。通過對醫藥行業的分析，Nesta等［61］發現，專利范圍越是多樣化，企業的創新績效就越顯著。然而Novelli［62］研究表明，當專利被分配到更多的技術類別時，發明公司建立在之前專利的知識基礎上的后續發明的可能性越小。Messeni 等［63］發現，專利的范圍與專利對非生物技術專利的前向引用有正相關關系，專利影響力與跨組織邊界的發明具有倒U形關系。

基于此，本文提出第五個假設：

H5:專利范圍與知識溢出本地化呈現正相關。

（6）專利高度。專利制度主要涉及3個維度，即保護期限（長度），保護范圍（寬度）和新穎性（高度），三者的結合決定了專利保護的力度［64-65］。專利的新穎性是反映創新質量和程度的一種手段。學者主要從兩個角度進行分析：一個是它可以被區分為突破性和漸進性的創新［66］。與后者相比，突破性創新（也稱為顛覆性創新，重大技術變革或不連續創新等）是一種產品，設備或材料等的不連續變化［65］，這將導致創新績效和功能的轉變，導致市場、產品、服務或業務模式的不連續變化。二是可以根據國內或國際市場不同的市場進入時間來定義。如果新產品是最早進入全球市場的產品，那么它可以被評為最高創新產品。否則，如果新產品只限于企業內部，就意味著創新只是后續性的。

雖然具有新穎性的技術專利會為企業帶來競爭優勢和壟斷利潤，但其潛在的技術和商業績效的不確定性仍然存在［67］，因為不是所有新穎的發明總是成功的帶來技術和經濟上的影響［22］。技術和市場演變的階段［68］，也可能影響買家作出是否會投資的決定［69-71］，最終影響一項新穎專利能否擴散和成功地奪取市場［72］。Messeni 等［63］指出，專利的新穎性與專利在整個行業和組織邊界的影響之間存在倒U關系。

基于此，本文提出第六個假設：

H6:專利高度與知識溢出本地化呈現倒U型關系。

從上述討論中我們可以看到，通過使用專利引用，來分析專利特征為我們研究知識溢出跨地域的影響因素提供了很好的視角。

3 數據選取與變量說明

3.1 數據來源

本文以美國專利數據庫（USPTO）作為數據來源，提取了1999—2014年的所有中國生物技術的專利數據，在相同的5年時間窗內選取專利的前向引用數，最終篩選出764個中國生物專利，每個專利都是一個分析單元，對于每個專利，我們都搜集它的目錄文獻信息，以及它的前向和后向的專利引用。樣本數據的篩選遵從以下兩個條件：（1）只要專利受讓人或者發明人中至少有一個是中國人，則我們認為該專利屬于中國專利；（2）對于生物技術的定義，我們遵循Rothaermel等［73］的方法，因為它是少數幾個基于美國專利分類（USPTO）來定義的。盡管Van Beuzekom等［74］提供了基于WIPO的國際專利分類（IPC）碼，且IPC的分類方法近年來深受學者喜愛，但因樣本數據中早期的專利沒有IPC碼，我們最終選擇了基于美國專利分類碼去提取生物技術專利。

基于以前的研究，生物技術領域是使用以下3位數的美國技術類別碼來確定的：424,435,436,514,530,536,800,930和PLT［73］。從專利受讓人的角度，樣本專利的分布如圖1所示。在各種專利受讓人中，外商投資企業，研究機構以及國內公司、大學和各種類型的合作申請，分別占總數的36%，22%，16%，11%，15%。外商直接投資的專利數目是270件，占比為36%，居所有類型專利受讓人之首。從專利技術的主要技術類別來看，樣本專利的分布如圖2所示。主要技術類別的數目和比例分別如下：No.514是數目最多，占比最大的。大約占總數的51%。其他類型的技術類別，如No.424,435,436,530,800,930,PLT等分別占21%，5%，4%，7%，10%，2%，0%，0%。

圖1 生物技術專利在不同類型機構中的分布

圖2 生物技術專利在不同主要技術類別中的分布

3.2 變量測度

3.2.1 因變量

本模型中的因變量建立在Thompson等［75］采用的本地化知識溢出指數（ILKS）的基礎上。該指數的出現取代了Jaffe等［1］學者的產業標準指數，主要創新之處是使用發明者引用和審查者引用的差值。在專利申請中，發明人需要列出與該專利相關的早期專利，發明者往往沒有考慮到全部的專利，因此導致發明人少提供了一些專利，專利當局的審查員就會增補了缺失的引用。發明人所引用的引用被稱為“發明人引用”，而審查員添加的引用是“審查員引用”。發明人會添加他實際知道的先前專利，另一方面，審查員可能對該領域有更全面的了解，因此，審查員引用更好地反映了該技術的研發活動的分布，而發明人引用則反映了實際的知識流動。如果發明人引用比審查員引用更加本地化，我們可以得出結論，知識溢出存在本地化。

在這篇文章中，我們計算了發明者和審查者引用的本地化引用比率，并將他們之間的差值作為本地化溢出的度量。

3.2.2 自變量

科技關聯度我們通過專利的非專利引用數目得到，非專利后向引用的數量是衡量專利基于科學知識的程度的一種合適的方法［16,76］。專利的技術基礎（TechBreadth）廣度，由以下公式測算可得，，其中Sij是指專利i中所引用的專利屬于由USPTO分配給該專利的N個技術類別中的j類別所占的比例，由于這個變量不能在沒有后向引用的情況下定義，即當專利沒有引用科學文獻時，技術廣度默認為0。

專利的聯合開發是通過計算授予專利的申請人的數量來計算的［77-78］。對于專利所賦予的保護范圍，我們測量了每項專利的專利要求數［48,79-80］。根據Lerner［60］提出的方法，我們將專利的范圍作為一個時間不變的計數，即USPTO分配給該專利的三位數技術類別的數目［76］。最后，專利的新穎度被評估為專利i所引用的專利對應的三位數技術類別數目，但不包括專利i所對應的技術類別［53］。

表1 因變量、自變量與控制變量的定義

4 實證分析結果與討論

4.1 描述性統計

表2為各個自變量和因變量的描述性統計結果和相關性矩陣。由表2可知，各獨立變量之間的相關性較低，排除了多重共線性問題。在創建變量平方項并進行回歸之前，我們對變量進行了標準化。當測試變量的曲線效應時，潛在的多重共線性問題將通過估算過程中的標準化而減少［81］。此外，當在回歸模型中發現一個獨立變量的平方項無統計學意義時，我們進行了排除這一項的回歸，這使得我們能夠通過進一步降低多共線性問題的風險獲得更好的估計。

表2 變量的描述性統計和相關性矩陣

4.2 回歸結果

由表3可知，科技關聯度對跨地域知識溢出產生了U形效應（Sci-Tech Relation,β=-0.02,P＜ 0.01；Sci-Tech Relation2,β=0.02,P＜ 0.01）。這表明，當科技關聯度超過一定的臨界值（0.51）時，會給后續的專利發明產生了積極的影響,也就是說，專利引用非專利文獻的數量越多，其專利外溢本地化就越突出。令我們感到驚訝地是，人們普遍會認為科學知識是一種顯性編碼化的知識，更多地是通過學術期刊和會議等正式渠道溢出，對研究人員之間的地理鄰近性敏感度不高。且Storper等［82］研究表明，引用許多科學論文需要研究人員之間的信任和地理上的接近。另外，多方參與合作的專利（Research,β=-0.042 96,P＜ 0.01）對本地化知識溢出具有負面的影響，即當發明人數超過一個時，該專利的知識溢出不太可能被本地化。這似乎是一個可預測的結果，因為共同發明者經常有不同的網絡，而這些網絡又延伸到不同的城市、地區和國家。結果還表明，技術搜索基礎的廣度，權利要求的數量，專利范圍和專利高度，通常不會顯著影響專利知識溢出的本地化程度。

表3 科技關聯度、研究合作影響知識溢出跨地域的回歸結果表

4.3 穩健性檢驗

為使模型估計結果更具穩健性，本文對數據樣本分年度進行穩健性測試。穩健性檢驗檢驗的是實證結果是否隨著參數設定的改變而發生變化，如果改變參數設定以后，結果發現符號和顯著性發生了改變，說明不是robust的，需要尋找問題的所在。一般根據自己文章的具體情況選擇穩健性檢驗：（1）從數據出發，根據不同的標準調整分類，檢驗結果是否依然顯著；（2）從變量出發，從其他的變量替換，如：公司size可以用total assets衡量，也可以用total sales衡量；前文已經分析出科技關聯度與本地化知識溢出是U型關系，因此使用變量Sci-tech relation2，檢驗模型的穩定型。（3）從計量方法出發，可以用OLS,FIX EFFECT及GMM等。

本文采用第一種方法，進行文件性檢驗，即從數據出發，根據不同的標準調整分類，檢驗結果是否依然顯著。即將因變量引用數據分為后續引用三年內、兩年內、及后續引用四年內；實驗結果如表4的Model/2/3/4所示，結果穩健。科學知識對知識本地化溢出呈現倒U型關系，正負號不變；多方參與合作的專利對本地化知識溢出具有負面的影響，均在1%的水平上顯著。

表4 穩健性回歸結果

4.4 結果討論

本文從專利特征視角探討了知識溢出跨地域邊界的主要決定因素。在0.51引用值的左側，以科學引文為度量指標的科學技術關聯度越大，施引專利發明者本地化程度越弱。這與學者Meyer［21］和Perri等［83］的發現相符。然而，在0.51引用值的右側，更多科學文獻的引用引起本地化程度的增強。盡管充分理解這一現象需要進一步研究，但是我們仍能基于現有文獻加以如下推斷。

（1）我國生物技術科學文獻引用主要來自于美、日、德等先進國家的基礎研究成果，Malva等［84］、DAHLIN等［85］學者證實，生物技術專利引用科學文獻越多，科技關聯度越高，與基礎研究聯系越緊密，專利技術的新穎性就越大，成為突破性創新的可能性就越大。然而由于我國各區域經濟發展水平及生物技術發展水平差異較大，生物技術專利主要集中在有限的幾個省份。區域之間科技實力上的差異，是主導區域之間知識擴散的主要因素之一。技術落后的區域，為了迎頭趕上先進區域的科技水平，會通過引證一些先進區域的專利以產生知識擴散的效應，來學習其科學技術。但是那些引用的基礎研究成果較多，技術較先進前沿的技術，由于技術勢差大的緣故，并不能被中國其他大多數落后的區域很好地吸收，反而會更多地流入本區域內部，進行進一步的改進和完善。這些具有較高科技關聯度的專利技術所屬區域，往往具有較強的經濟基礎和區域吸收能力、良好的創業環境和強大的集聚效應［86］。這也就是為什么隨著專利引用科學文獻數量從0逐漸到接近極值0.51，專利知識溢出的本地化程度降低，而過了極值0.51以后，專利知識溢出的本地化程度提高的原因。

（2）如果專利是合作研究的，那么后續引用該專利的技術，是跨地域產生的可能性更大。即當專利是合作發明時，知識溢出難以本地化，即地理鄰近性不那么重要，原因可能與中國生物技術產業的性質有關。中國的生物技術發展較晚，但后勁十足，其中主要進展部分歸功于與發達經濟體公司或跨國公司總部在早期階段的合作［83,87］。因此，研究合作越多，參與者就越多樣化，知識溢出就越少本地化。以上因素增加了專利對后續發明技術跨地域影響的可能性。

5 結論

本文采用專利引用作為知識溢出的代理變量，探討專利特征是如何影響本地化與非本地化知識溢出；用本地化知識溢出指數(ILKS)來度量發明者本地化指數與審查者本地化指數的差，基于1999—2014年764個中國生物技術專利的實證分析，測量了這些專利的6個專利特征（科技關聯度、技術搜索廣度、研究合作、權利要求數、專利范圍、專利高度）對后續專利技術的地域影響。實證結果發現，合作開發對知識本地化溢出具有負向影響，而科學知識對知識本地化溢出呈現U型關系。本文鮮有地從微觀的專利特征視角，對中國生物技術專利是否跨地域的前因因素進行深入探討，其研究結果可以為區域和國家兩個層面制定適當的創新政策提供參考。

從區域層面，如果地方政府希望增加知識溢出的本地化，以最大限度地發揮其管轄范圍內政策的效益，提高區域知識資本水平，則應該高度重視科學技術關聯程度，從而提高知識溢出本地化水平。地方政府應該制定政策措施來支持高度依賴科學投入的研發活動，因為如果以引用更多科學文獻作為刺激性政策，可能會產生機會主義行為從而導致大量無用科學文獻的引用。從國家層面，如果中國政府希望擴大專利的社會影響，則應該鼓勵多邊合作，從而實現知識的跨地域溢出。