知識網絡、城市合作與綠色創新追趕
2023-10-03 06:52:25林子秋
科技進步與對策 2023年8期
林子秋
摘 要：“雙碳”目標為我國城市加快綠色創新提供了戰略導向，后發城市如何抓住機遇、推動能源技術升級、實現綠色創新追趕，對未來區域協調發展有著重要意義。采用專利前向引用網絡中城市度數占比變化刻畫城市綠色創新追趕速度，并基于我國277個地級市2003—2017年面板數據，引入知識要素網絡與城市合作網絡視角，分析城市在兩類網絡中的節點屬性與位置特征是否會影響其在能源效率領域的創新追趕速度。研究發現：城市在知識網絡中的要素多樣性、度數中心性、介數中心性以及在合作網絡中的內部度數中心性都對城市綠色創新追趕有著促進作用，而合作網絡外部度數中心性則并未對創新追趕發揮顯著作用。進一步分析表明，城市知識要素多樣性與網絡中心性在促進綠色創新追趕上具有協同互補效應，要素多樣性對追趕速度的影響會隨著網絡中心性提升而不斷增大，該影響效應對知識網絡中心性與合作網絡中心性同樣存在。
關鍵詞：能源效率；知識網絡；城市合作；創新追趕
DOI：10.6049/kjjbydc.Q202207355
中圖分類號：F290
文獻標識碼：A
文章編號：1001-7348（2023）08-0032-12
0 引言
如何妥善解決溫室氣體排放問題已經成為世界各國各地區科技界、經濟界和政治界面臨的重要議題。為解決溫室氣體排放問題，人們正在試圖減少對傳統化石能源的依賴，但化石燃料仍將是未來一段時期內的主要能源。在地區分布上，經濟發展產生能源需求，大部分溫室氣體排放增量來自新興發展中國家或地區，在新能源技術實現全面覆蓋前，經濟與民生發展的剛性訴求意味著能源效率技術仍是兼顧經濟增長與環境保護的重要技術支撐。對這些國家或地區而言，其強大減排需求是否以及如何能轉化為能源效率技術發明與創新，實現綠色領域的創新追趕甚至引領創新發展，受到越來越多研究者的關注。大量文獻從地理和技術演化角度闡述近50年世界范圍內發生的各種綠色技術趕超浪潮［1–2］。我國政府自“十一五”以來加大對環境保護的重視，在近20年不斷提高環境考核標準，這樣的制度動因形塑了各城市在綠色創新領域的競爭追趕態勢，各地方政府相繼加大綠色創新補貼力度，激勵企業從事節能環保創新，綠色專利申請與授權數量實現突飛猛進的增長。
創新追趕是指后發國家或地區相對于技術領先者提高其創新能力的過程［3］。對于創新追趕的成因，現有研究主要分為戰略方法與發生條件兩個方面。如陳一博（2012）和李曉丹等（2018）從國際研發聯盟戰略視角出發，提出后發國家通過構建跨國企業的技術依賴關系促進技術引進與獲取，通過消化再吸收實現產品創新追趕；Meliciani等［4］從技術方法層面指出，追趕型國家應基于現有知識基礎的技術領域努力提高技術多樣化水平，培育高技術部門，依靠其帶動其它技術領域的追趕；張海豐等［5］和Lema等［6］從追趕條件層面認為，機會之窗是由技術變革以及當地與全球需求條件和制度環境變化開啟的，后發者通過努力尋覓新窗口做到另辟蹊徑，激發創新的內生動力實現對在位者的追趕。
在上述研究中，創新追趕體現為國家或地區某領域專利或產品在數量及市場份額上的增長速率，其更加側重于創新追趕的事前評估（ex-ante），即關注戰略和條件通過知識重組實現創新追趕。相比于非綠色創新，綠色創新技術傳播的廣泛性、普遍性和影響力更顯著［7-8］，高質量綠色創新能催生出更多優質技術和產品，提高國家或地區在技術領域的影響力和創新地位，但現有研究鮮有對綠色創新的事后表現（ex-post）作出評估。相比于當期創新數量，創新的后續影響力更能代表技術的真實質量和長期地位［9-10］。專利引用網絡作為刻畫知識流動與擴散關系的標尺，通常用于評估創新事后（ex-post）影響力，是全局技術分布的重要呈現方式，因此可通過網絡位置變化表征國家或地區綠色創新追趕水平。
相比非綠色創新，綠色創新的知識復雜性與新穎度更高，主體合作頻率也高于大部分技術領域。多項研究表明，綠色創新因其特殊屬性，在知識網絡與合作網絡中有著更深的嵌入。楊立成等［11］、Yayavaram等［12］將綠色創新知識基礎視為由知識元素間耦合關系形成的網絡，這些關系記錄了創新過程中的知識要素結合與從屬關系，為創新提供知識流動和搜索渠道，進而影響綠色創新演化；Araújo等［13］指出，綠色創新合作者通過共享資源、知識、想法和信息，提高綠色創新質量。然而，很少有研究探討知識網絡、合作網絡與創新追趕關系，尤其是創新主體在兩個網絡中的位置是否會影響其在引用網絡中的位置問題，至今仍然沒有受到關注。
針對上述研究缺口，本文聚焦城市間的綠色創新追趕，選擇綠色創新中代表性的能源效率技術（Fossil-Energy-Efficiency-Technologies）作為研究對象，使用該類技術2003-2017年間的專利引用網絡數據進行實證分析。引入知識要素網絡與城市合作網絡，分析城市在知識網絡與合作網絡的結構性位置是否會影響其在引用網絡中的位置變遷速度以及綠色創新追趕情況。研究發現，城市在知識網絡中的要素多樣性、度數中心性和介數中心性以及合作網絡中的內部度數中心性都對城市綠色創新追趕速度具有促進作用，而合作網絡外部度數中心性則未對創新追趕發揮顯著作用。進一步分析表明，城市知識要素多樣性與網絡中心性在促進綠色創新追趕上有著協同互補效應，要素多樣性對追趕速度的影響會隨著網絡中心性提升而不斷增強，該效應對知識網絡中心性與合作網絡中心性也同樣存在。
本文可能的邊際貢獻主要表現在3個方面：第一，引入網絡視角分析綠色創新追趕，將知識網絡、合作網絡與引用網絡納入同一研究框架，分析其協同效應；第二，連通創新的事前評估（ex-ante）與事后評估（ex-post）視角。知識與合作網絡刻畫了專利產生的基礎及過程，屬于事前視角，而引用網絡位置變遷屬于專利的事后評估，二者連結為創新追趕及成因分析提供了更全面的分析框架；第三，將研究單元聚焦于城市層面，統籌經濟地理與創新管理理論，從知識技術引導和區域創新合作維度，為地方政府綠色科技發展提供政策建議。
1 理論分析與研究假設
1.1 綠色創新追趕
綠色創新模式不斷演變，并向后發國家或地區擴散，我國的發展就是最典型的案例。Wu等［14］指出，中國的綠色專利申請從2000年開始大幅增加，在太陽能光伏產業中，中國和韓國正成為重要參與者，其角色不僅包括生產者，也包括創新者和出口者，其它發展中國家也分別在風力技術［15］與電動車領域［16］有著實質性追趕。同時，綠色創新的領導者地位也并非一成不變，Hascic&Migotto［17］基于經合組織和金磚國家證據指出，即使是綠色創新的領先者也可能在某一特定技術領域或特定時期落后，而后發者則有可能抓住機會實現趕超。在城市研究中，陳詩一等［18］通過使用綠色全要素生產率探討環境規制對城市綠色創新的影響；Losacker［19］使用綠色專利轉讓數據刻畫中國城市領先市場的變化趨勢，指出網絡結構和節點屬性都會影響城市領先市場的地位變遷。
作為綠色創新領域的代表性技術分支，化石能源效率提升技術（Fossil-Energy-Efficiency-Technologies，以下稱能源效率技術）是指那些在生產和分配、運輸、建筑、廢物管理環節有助于提高能源使用效率，減少溫室氣體排放的技術［17］，其主要作用對象是煤炭、天然氣和原油等化石燃料，依靠燃燒效率提升（improved combustion）、新能源整合（integration）、熱電聯產（combined heat and power）等方式促進燃料電轉換各階段的效率提升［20，21］。在“雙碳”背景下，能源效率技術是實現經濟可持續增長、避免環境污染和自然資源枯竭的重要手段。在可再生能源尚未被廣泛應用的背景下，化石能源價格上漲使得效率提升技術成為國家和地方能源政策的關鍵組成部分。
我國作為發展中大國，中央及地方政府開展綠色創新的制度動因使得后發地區的追趕趨勢逐漸顯現。從我國能源效率技術專利前向引用網絡2000-2017年的度分布變化趨勢來看，頭部城市集中度逐年下降（見圖1柱狀分布），起步較晚城市的能源效率技術專利前向引用數呈現趕超態勢（見圖1曲線，如天津、蘇州、鄭州、東莞等代表性城市）。城市作為地區創新的重要場域，是創新主體在空間、制度與網絡層面的重要載體，在區域經濟學與創新管理領域有大量文獻探討了地區綠色創新質量與地區知識流動影響因素，其中涵蓋了技術制度［22，23］、政策互補［24］、空間溢出［25，26］、協同創新（陳子韜等，2022）等理論視角，但對于創新追趕，尤其是能源效率這種深嵌于現有能源結構中的技術關注較少。為填補上述空白，本文聚焦綠色創新領域中的能源效率技術，使用專利前向引用網絡測度其創新追趕速度。
專利引用網絡是創新領域顯性知識流動的結構化呈現，其廣泛用于知識流動、創新地位與創新質量研究。節點可包括專利、企業、城市、國家等，不同級別的加總方式可以適配不同研究對象。專利引用是有向網絡，主體在網絡中的前向引用度數值能夠表征其影響力，后向引用度數值則代表了其從屬地位和學習強度。很多學者使用專利前向引用網絡刻畫專利、發明人、申請人或國家創新質量、技術影響力或創新網絡地位［27，28］。本文借鑒Britto［29］、Jang［30］等的方法，構建中國277個地級市能源效率技術的城市前向引用網絡，采用申請人所在城市的全部同族專利前向引用之和表示城市在網絡中的度數，用城市度數在全國的占比變化率刻畫城市創新追趕速度。
1.2 知識要素網絡與城市合作網絡
創新是一種社會型知識生產過程，創新主體不僅嵌入在社會網絡中，也嵌入在知識網絡中［12］。在創新過程中，知識元素彼此關聯，構成知識網絡，該網絡記錄了它們過去的組合關系。較少有研究分析知識網絡對城市創新追趕的影響，也很少有研究將知識網絡與社會網絡統合到一個分析框架下并探討它們對城市創新追趕的影響。
知識是組織或地區實現競爭優勢的核心資源［31］。許多學者認為創新主體知識是不同知識要素的簡單聚合［32-33］。與此不同的是，Yayavaram&Ahuja［12］從網絡結構視角考察知識，認為主體知識是由知識要素之間的耦合關系形成的網絡，這些關系記錄了知識要素在創新過程中過去的組合和附屬關系，作為知識的流動和搜索渠道，指導未來潛在的知識要素的組合或重組。Wang等［34］首次將組織內個人協作網絡和知識網絡整合到一個研究框架中，發現兩個網絡的結構特征不同，并通過不同機制以不同方式影響個體探索性創新。基于上述研究，本文分別從節點自身屬性和節點位置屬性兩方面考察城市與知識網絡的聯系。
在節點自身屬性上，借鑒宋煒等［35］的研究，分析城市能源效率相關專利所包含的知識要素多樣性。豐富且多元化的要素能夠為城市創新主體帶來新知識組合模式，對顛覆性創新有著積極作用。基于多元化要素產生的專利質量和價值較高，其影響力與傳播力也更廣，有利于推動城市向引用網絡中心節點移動，助力其創新追趕。據此，本文提出如下研究假設：
H1a：城市知識多樣性對城市能源效率技術創新追趕起正向作用。
在節點位置屬性上，通常使用3項測量指標，分別是度數中心性、介數中心性以及接近中心性。度數中心性（Degree Centrality）是刻畫節點中心性（Centrality）的最直接度量指標。一個節點的度數中心性越高，意味著該節點在網絡中越重要。在知識要素網絡中，城市所含要素的平均度數中心性越高，證明城市掌握該領域通用性知識要素越多，基于此類技術開發的專利勢必具有更顯著的適用性和普遍性，能引發更多的后續創新，從而提升城市在引用網絡中的核心度，帶動城市創新追趕。介數中心性（Betweenness Centrality）是指網絡內通過其節點的最短路徑數占全網絡中所有最短路徑數的比例，節點的介數中心性越高，表明該節點在網絡中的控制力越強，大量的連邊傳遞將通過該節點完成。在知識要素網絡中，要素的介數中心性越強，意味著該要素的橋梁作用越顯著，更多新專利發明都不能缺少這類知識要素的參與。城市擁有節點的平均介數中心性越高，該城市未來的創新影響力越強，越有利于實現追趕。接近中心性（Closeness Centrality）用于考量每個節點到其它節點最短路徑的平均長度，也就是說，對于一個節點而言，距離其它節點越近，其接近中心性越高。在知識要素網絡中，要素的接近中心性越高，表明其在不同技術間的通達性越強，雖然有助于提高專利的普適性，但同時也會損失部分新穎性或復雜性，長期來看，對專利擴散的影響不明確。據此，本文提出以下研究假設：
H1b：城市知識網絡度數中心性正向影響城市能源效率技術的創新追趕；
H1c：城市知識網絡介數中心性正向影響城市能源效率技術的創新追趕；
H1d：城市知識網絡介數中心性對城市能源效率技術創新追趕的作用不確定。
合作網絡是指基于技術合作而形成的社會關系，反映個體、團隊、組織甚至地區之間的社會互動［36］。這些節點構成社會關系，如彼此間的正式與非正式合作，通過將其它節點的資源、知識、想法和信息匯集起來，投入到創新過程中。這些關系作為社會資本，代表了知識與信息的流動和搜索渠道［37］。關于合作網絡如何促進或限制不同行為主體創新的爭論一直未停，主要集中于社會網絡結構和關系特征方面［38］。在城市層面，部分研究認為城市內部合作可以促進知識深化，提升專有化程度，進而提高本地創新質量，帶動創新追趕［19］。然而關于城市合作對創新追趕的研究中則存在不同意見，有些研究認為城市合作有助于知識擴散，能夠為本地城市帶來異質性知識，提升城市創新水平［36］；也有部分研究指出，當城市間技術差距較大時，遠距離合作往往不利于創新者集體智能開發，同時，異質性知識也會帶來組織學習的不確定性，降低專利質量，不利于城市創新追趕。
據此，本文提出以下研究假設：
H2a：城市合作網絡內部度數中心性正向影響城市能源效率技術的創新追趕；
H2b：城市合作網絡外部度數中心性對城市能源效率技術創新追趕的作用不確定。
2 數據選取、變量定義與模型設定
2.1 數據選取
本文選擇能源效率技術為樣本驗證研究假設。根據國際能源署（2015年）的測算，能源效率技術將是未來提高能源效率、促進經濟低碳轉型的主要技術貢獻者。該領域創新涉及與既有技術、產業鏈及企業組織的協調，因此其知識結構具有復雜性與動態性。同時，研究單個行業也可規避行業異質性對結論效度的影響。依據現有文獻中關于能源效率技術的搜索專利號［21，39］，從Incopat數據庫中搜索對應的IPC分類號，獲得1985.1.1—2022.12.31我國內地的所有能源效率專利，共計398 045條，申請人涵蓋企業、高等院校、機關團體、個人。
專利中的技術代碼包括世界知識產權組織（WIPO）定義的國際專利分類代碼（IPC）或美國專利商標局（USPTO）定義的技術類別，上述兩類被認為是表征知識要素或組成部分的有效代理［40］。考慮到數據可用性，將IPC分類號作為知識要素的代表。依據分層結構，IPC分類號包括部、大類、小類、大組。現有研究大量使用四位數的IPC分類號表示知識要素，即部-大類-小類［41］，四位數的IPC分類號基本可以反映專利的技術或知識特征。基于此，本文也使用四位IPC分類號表示能源效率領域的知識要素。在將每個能源效率專利去重后，可以歸入一個或多個四位的IPC分類號。
合作網絡是根據專利的聯合申請人構建的，申請人包括企業、機關團體、大專院校、個人等，將申請人根據所在城市進行加總，構建城市專利合作網絡。本文采用常用的三年期移動窗口，在R軟件的幫助下構建每個城市的三年期t，t－3知識要素網絡與專利合作網絡。
2.2 變量定義
2.2.1 因變量：城市綠色創新追趕
綠色創新追趕是后發國家或地區相對于技術領先者提高自身創新能力的過程，追趕在指標表達上是一個變化率數據，即創新水平提升速度。現有研究在表達綠色創新追趕速度時主要采用3種指標構建方法：一是采用綠色全要素生產率變化水平衡量［42］，二是使用綠色專利占比或綠色產品市場份額變化率測度［17］，三是采用城市綠色專利在前向引用網絡中的位置變化刻畫［43］。綜合前文對綠色創新特殊性的論述，本文重點關注綠色創新事后影響力的追趕水平，因此選用第三種測度方式刻畫城市綠色創新追趕速度，也就是使用城市能源效率技術專利5年窗口期t，t+5的前向被引數在全國所有能源效率技術專利5年窗口期前向被引總數中的占比年度變化率表征綠色創新追趕速度；在穩健性檢驗中，分別使用8年窗口期占比變化率和5年窗口期高被引專利數量占比變化率進行檢驗。因變量計算公式如下：
Δlnratio=lnratioit+1－lnratioit
2.2.2 核心解釋變量
（1）知識要素網絡變量。基于1985-2022年全部能源效率專利所包含的4位IPC分類號構建知識要素網絡，將各城市每年申請專利中的四位IPC分類號對應到網絡節點中，以三年為滾動窗口，計算各城市三年期t，t－3的平均知識要素度數中心性、介數中心性和接近中心性，并作歸一化處理。
第一，計算城市c的知識要素平均度數中心性k_dcc。
式中，ki表示現有與要素節點i相連的邊的數量，N－1表示要素節點i與其它要素節點都相連的邊的數量。
第二，城市c的知識要素平均介數中心性k_bcc的計算公式。
式中，nist表示經過要素節點i且為最短路徑的路徑數量，gst表示連接s與t的最短路徑數量。
第三，城市c的知識要素平均接近中心性k_ccc的計算公式。
式中，di表示要素節點i到其余各要素節點的平均距離，平均距離的倒數就是接近中心性。
第四，城市的知識要素多樣性采用熵值法測度，該指標通常用來測度要素分布的均衡性，要素分布越均衡，代表城市知識要素的多樣性水平越高。其計算公式如下：
式中，Pci表示第i類四位IPC分類號在本城市所有四位IPC分類號數中所占比例，其中，Pci=0的值會被剔除，這是因為limPci→0PcilnPci=0。
（2）城市合作網絡變量。篩選出專利申請人數大于2的專利，剔除個人單獨申請的專利，保留組織聯合申請樣本，依據申請人組織所在城市構建城市合作網絡，由于部分申請人的地址并未在其名稱中體現，因此將申請人名稱與天眼查工商信息進行匹配，最終得到7 401個組織申請人，共28 376個合作專利。其中，城市內合作數量為19 879件，城市間合作數量為8 497件。依據度分布的計算方法，構建城市三年期t，t－3的城市內合作度數中心性intra_dcc、城市間合作度數中心性inter_dcc。由于兩個度分布均呈現右偏特征，故采取加1取自然對數的方法處理。
2.2.3 控制變量
控制變量包括兩個部分，分別是創新相關變量與城市經濟社會發展相關變量。創新相關變量包括城市創新強度、城市研究型創新主體占比以及城市上一年的前向引用總數。城市社會經濟發展相關變量包括城市人均GDP對數、城市人口密度、城市污染水平、城市產業結構與財政科技支出占比。
城市創新水平。①城市創新強度變量intensityit：參照Malerba［2］的做法，計算城市當年的人均能源效率專利數表征城市在該領域的創新強度，該取值越高，表示城市在該領域的創新活力和基礎越好，其專利的前項引用增長越快，越有利于實現創新追趕；②城市研究型創新主體占比academicit：大專院校、科研機構、機關團體等單位相比市場化企業更有傾向從事基礎性研發工作，更有可能提升城市的創新前向引用數量；③城市當年前向引用總數對數值lnratioit：依據追趕模型一般公式，引入城市當年的前向引用占比對數值捕捉該城市究竟是否存在追趕效應，該變量符號預期為負，意味著基礎較弱城市的增長速度更快。
城市經濟社會發展水平。①采用城市人均GDP的對數值lngdp_pcit控制城市經濟發展水平，經濟發展水平高的城市對環境往往有著更高要求，其綠色創新程度也會更高；②采用地區產業結構indus_strit（第二產業增加值與第三產業增加值之比）表征城市產業高級化程度；③城市人口密度densityit，一定程度上反映了城市經濟集聚效應，城市人口密度越大，城市內的交流合作越密切，有助于隱性知識擴散與更新；④采用城市財政科技支出比例techratioit表征城市對創新的支持強度，政府科技投入占比能夠反映地方政府對本地創新活動的偏好與支持程度，有利于為創新發展提供充分的公共產品供給；⑤地區人力資本存量采用城市普通高等學校在校生人數unistuit衡量，普通高等學校在校生人數能夠為城市創新研發提供人力資本，其規模越大，潛在的創新能力就越強；⑥能源效率技術的創新與擴散在很大程度上源自專利人所在地的環境規制強度，而環境規制強度又與地區環境污染程度有較強相關性。為檢驗環境規制對創新追趕的激勵效果，本文借鑒Peng［44］的方法，構建本地環境污染程度的綜合指標，使用城市工業二氧化硫排放量、工業廢水排放量和工業固體廢物排放量在全國所有城市中的相對排放強度pig的均值polit表征，具體計算如下：
2.3 模型設定
本文旨在研究知識要素網絡與城市合作網絡構成因素對城市創新追趕速度的影響，因此使用城市專利前向被引數在全國占比的變化率或者高被引專利數在全國占比的變化率作為因變量，使用固定效應模型進行分析。方程構建如下：
ΔYit→t+1=β1Xit+β2Zit+β3Yit+δi+θt+εit
ΔYit→t+1為城市能源效率專利前向引用數在全國總數中占比的年度變化率Δlnratio，Xit為全部核心解釋變量（知識要素網絡與城市合作網絡變量）；Zit為控制變量（城市創新基礎與城市經濟社會基礎）；Yit是城市能源效率專利前向引用數在全國總數中占比的當期項；δi與θt分別是城市固定效應和時間固定效應；εit為隨機擾動項。
3 實證分析
3.1 描述性統計
本文使用1985-2022年的能源效率專利數據，由于專利的前向引用存在時間窗口，學界常用的標準為5年與8年窗口期限［8，45，46］，以此反映專利影響力。因此，為了全面覆蓋專利的前向引用，本文將焦點專利最晚截止年份設定為2017年（滯后5年窗口期剛好為2022年）。同時，由于2003年以前參與能源效率技術創新活動的城市較少，因此選取2003-2017年我國277個地級市面板數據。277個城市均有能源效率專利產出，但部分城市早期在該領域并沒有從事研發，因此專利積累為0，本文將這些專利產出為正數前的城市—年份樣本（共計262個）剔除，得到非平衡面板樣本3 893個；在穩健性檢驗中使用Heckman兩階段回歸法排除其可能造成的樣本選擇偏差。城市創新基礎、經濟社會發展水平等數據主要來源于《中國城市統計年鑒》、CSMAR數據庫與CNRDS數據庫，部分缺失值采用插值法補齊。
3.2 實證結果
3.2.1 基礎回歸結果
由于知識要素網絡中三類中心性有著很強相關性，同時放入會造成多重共線性，而知識多樣性與3個變量間的相關性較低，因此首先放入知識多樣性（k_v），再依次放入網絡度數中心性、介數中心性和接近中心性3個變量（k_dc，k_bc，k_cc）。表2中的模型（1）-（4）表明，Hausman檢驗在1%水平下拒絕隨機效應假設，故本文使用固定效應模型分析城市綠色創新追趕速度的影響因素。
知識要素網絡對城市綠色追趕速度的影響。表2的基礎回歸模型（1）表明，城市在能源效率領域的知識多樣性（k_v）對城市未來5年前向引用占比增速起正向促進作用，知識多樣性能夠為城市創新主體提供更加豐富且均衡的知識要素，促進不同要素整合與重塑，在此條件下更容易產生探索性創新，同時，創新成果質量與影響力也會相應提升。表2的基礎回歸模型（2）-（4）表明，知識要素網絡的三類中心性中，度數中心性和介數中心性的系數分別在5%與1%的水平下顯著為正，表明城市擁有的知識網絡度數中心性與介數中心性越高，能源效率專利前向引用占比增速越快，其創新追趕效應也越顯著，而接近中心性對城市綠色創新追趕的作用方向盡管也為正，但未通過顯著性檢驗。上述結果與本文假設預期一致，即城市度數中心性越高，其知識要素在整體知識網絡中的位置越趨于核心，由該部分知識要素形成的專利發明更會獲得后續研發者使用，其影響力也越強；擁有處于“橋梁”位置的知識要素越多，在貫通其它子領域知識方面的網絡優勢越強，包含這類知識要素的專利更容易在多個領域流通，無論是在領域內，還是跨領域都能發揮作用，因此獲取這類知識要素的城市的技術影響力也更大。
城市合作網絡對城市綠色追趕速度的影響。表2的模型（1）～（4）表明，城市內合作的度數中心性在1%水平下顯著為正，說明城市內合作有助于充分整合城市內部資源，發揮空間溢出與地理集聚效應，提升創新的后續影響力，帶動城市綠色創新追趕。但城市間合作的度數中心性在10%水平下起負向抑制作用，可能的解釋是能源效率技術區別于其它綠色技術，其本地依賴度與專有化程度較高，因此跨城市合作盡管能帶來異質性知識，但不一定對專利質量起促進作用。
控制變量。人均GDP水平的自然對數值在5%水平下顯著為正，表明經濟發展水平越高的地方對綠色發展有著更高訴求，其創新動力越強，創新的追趕效應能夠被充分激發；產業結構（第二產業增加值/第三產業增加值）對占比增速的影響在1%水平下顯著為正，表明城市第二產業越發達，其能源效率需求越旺盛，“使用者—創新者”的反饋機制越能充分體現，同時，第二產業占比較高的城市也更有動力從事能源效率技術研發，其實現技術追趕的產業基礎更扎實。普通高校在校學生人數對占比增速的影響在1%水平下顯著為正，表明地區人力資本存量與綠色創新追趕正向關聯；城市科技類財政支出結構對占比增速有正向影響，表明政府對科技發展的偏好會在一定程度上會促進地方創新能力提升，通過政策傾斜、財政補貼等形式間接提升綠色創新質量。為了避免面板數據可能導致的自相關問題，本文在方程中引入城市創新強度和當期的城市專利前向引用占比對數值，以控制城市綠色創新基礎的影響，當期城市專利前向引用占比對數值的回歸系數在1%的水平下顯著為負，說明創新追趕的“基數”效應確實存在，即基礎薄弱的城市，其未來增速也會更快；城市創新強度使用的是人均能源效率專利數，該變量系數在1%水平下顯著為正，表明城市創新強度能夠顯著促進城市綠色創新追趕，該變量在一定程度上克服了因城市綜合創新能力差異而造成的遺漏變量內生性問題。值得注意的是，城市環境污染強度并未對城市創新追趕起顯著促進作用，可能的解釋是污染強度通過環境規制推動能源效率創新活動開展，但本文使用的因變量是城市專利的前向引用占比，代表專利質量，城市環境規制盡管能夠促進創新活動，但易誘發企業等創新主體的短視行為，被動從事策略型創新，對長期質量沒有起到促進作用。城市專利申請主體中的科研機構占比也未對城市創新追趕起顯著促進作用，可能的原因是能源效率技術更多地來自工業企業的創新活動，來自科研機構的專利在應用性或實踐導向上有所欠缺。
3.2.2 知識多樣性與知識網絡中心性的協同作用
既有研究表明，知識要素多樣性與網絡位置之間存在協同性，二者在促進綠色創新上有著“1+1>2”的效果。為了進一步驗證該假設是否在城市能源效率創新追趕領域適用，引入知識多樣性與三類知識網絡中心性的交互項模型。結果顯示，表3的模型（1）-（3）的交互項系數均在1%水平下顯著為正，表明城市知識多樣性能夠與知識網絡中心性產生協同效應，即均衡的知識分布匹配關鍵的知識網絡位置能夠對二者的創新追趕起到增強作用。
3.2.3 知識網絡中心性與合作網絡中心性的協同作用
知識網絡刻畫了城市知識要素及其關聯性，而城市合作網絡則代表了創新主體間的社會關系，這種社會關系作為重要的知識生產場域，其特定的節點屬性是否會與某類知識網絡屬性產生互補效應，從而對綠色創新追趕產生促進作用？這是既有研究尚未關注到的方面。為此，本文引入城市合作網絡內部度數中心性與三類知識網絡中心性的交互項模型檢驗協同效應是否存在。表3的模型（4）（5）的交互項系數均在1%水平下顯著為正，表明城市合作網絡內部度數中心性能夠與城市兩類知識網絡中心性產生協同效應，即更加密切的城市內部合作有助于更好地整合關鍵性知識要素，通過城市內部交流與合作，促進知識要素重組，從而發揮社會網絡與知識網絡的協同作用。
3.3 穩健性檢驗
3.3.1 Heckman兩階段法
本文的核心關注點是城市專利知識特征與申請者互動特征是否會對專利后續表現產生影響。因此，剔除那些尚未開展能源效率專利研發的樣本，保留已經開始從事能源效率創新的城市與年份數據。然而，城市自身是否或是否有條件進行能源效率創新在一定程度上也會對后續創新追趕產生影響，剔除這部分樣本不能排除回歸中的樣本選擇性偏誤，故本文使用Heckman兩階段回歸法，檢驗是否存在樣本選擇偏誤并加以克服。第一階段，城市是否從事或是否有條件從事能源效率創新，即選擇方程；第二階段，城市能源效率創新追趕速度由什么因素決定，即影響因素方程。兩階段方程分別為：
式（1）為城市從事能源效率創新的第一階段選擇方程，利用Probit模型估計城市從事該類創新的概率，由此得出逆米爾斯比率（inverse Mills ratio）估計值；式（2）為第二階段城市綠色創新追趕影響因素方程，將逆米爾斯比率估計值納入該方程作為控制變量之一，用以控制城市是否從事該類創新的選擇偏誤。式（1）中被解釋變量為城市當年是否從事能源效率創新的二值變量Innovateit，控制變量Xit包括原回歸方程中的全部變量，同時引入地區工業企業數作為外生變量，這是因為工業企業數與城市開展能源效率創新有關，但與后續創新追趕關聯度較低，因此滿足外生性假設。從結果上看，表4的模型（1）～（3）中，逆米爾斯比率并未顯著拒絕原假設，表明回歸中樣本選擇偏誤并不明顯，同時，在兩階段回歸后，原有系數符號與顯著性水平皆未發生顯著改變，證明了結果的穩健性。表5的交互項結果顯示，知識多樣性和知識網絡中心性的3個交互項在方向及顯著性水平上與基礎回歸結果一致，但知識網絡中心性與合作網絡中心性的3個交互項并未通過顯著性檢驗。
3.3.2 更換因變量
為了提升結論的可靠性，采用更換因變量的方法進行穩健性檢驗。分別采用城市能源效率專利8年窗口期前向引用占比增速（Δlnratio_8y_fc）和城市5年窗口期內被引次數大于等于3次的能源效率專利數（Δlnratio_5y_pat3）替換原因變量。表4中的模型（1）-（6）表明，原基礎回歸結果的系數方向即顯著性水平未發生改變，表5的交互項檢驗結果同樣在1%水平下顯著為正，表明上文中對知識多樣性與知識網絡中心性、知識網絡中心性與合作網絡中心性間協同互補關系的判斷是穩健的。
4 結果分析與政策建議
在“雙碳”戰略背景下，我國能源效率技術蓬勃發展，城市間合作日益密切，后發城市正著力構建自身區域創新體系，依靠綠色創新，實現本地可持續發展。2003—2017年我國城市前向引用網絡數據表明，我國多數城市在能源效率方面表現出技術趕超發展態勢，頭部城市的前向引用集中度逐年下降。這一現象打破了Barabasi-Albert提出的無標度網絡中先發者“強者恒強”的論斷，意味著在網絡形成中，除時間外，有其它重要變量助力后發城市趕超，分析并找到這些變量對綠色創新助力區域協調發展至關重要。本文引入網絡視角，探討城市在知識網絡和合作網絡中的節點屬性是否會影響其在引用網絡中的創新追趕，有如下研究發現：
第一，城市在知識網絡中的要素多樣性、度數中心性和介數中心性對城市綠色創新追趕有促進作用。知識多樣性能夠為城市創新主體提供更加豐富且均衡的知識要素，促進不同元素整合與重塑，在此條件下更易產生探索性創新，創新成果質量與影響力也會相應提升；城市擁有的知識要素越接近中心位置，其重要性和橋梁作用越強，基于此類要素的專利發明更有利于得到后續研發者的認可與使用，創新擴散的影響力也更強；擁有處于橋梁位置的知識要素越多，在貫通其它子領域方面將具有更強網絡優勢，包含這類知識要素的專利更容易在多個領域間流通，無論是在領域內，還是跨領域都能發揮作用，因此擁有這些知識要素的城市的技術影響力也會越強。
第二，城市在合作網絡的內部度數中心性對創新追趕有促進作用，而外部度數中心性則未對創新追趕發揮顯著作用。城市內合作有助于充分整合城市內部資源，發揮空間溢出與地理集聚效應，提升創新的后續影響力，帶動城市綠色創新追趕；但能源效率技術區別于其它綠色技術，其本地依賴度與專有化程度更高，跨城市合作盡管能帶來異質性知識，但不一定對專利質量起促進作用。
第三，城市知識多樣性與網絡中心性在促進綠色創新追趕上具有協同互補效應，在知識網絡中心性與合作網絡中心性之間也同樣存在。均衡的知識分布匹配關鍵的知識網絡位置能夠對二者的創新追趕起到增強作用，二者在促進綠色創新上有著“1+1>2”的效果；密切的城市內部合作有助于更好地整合關鍵性知識要素，通過城市內部交流與合作，促進其重組，從而發揮合作網絡與知識網絡的協同效果。
基于本文研究，提出如下政策建議：
（1）地方政府應加強技術引導的科學性與前瞻性，以核心知識要素作為政策抓手。地方政府在識別優勢技術或產業時，應注重技術知識演化邏輯，重點識別那些具有中心屬性或橋梁作用的技術要素，同時，在綠色能源領域鼓勵多樣化技術均衡發展，建設跨學科跨領域交流平臺，促進工業界和創新領域的雙向反饋，實現知識要素驅動下的創新追趕。
（2）地方政府應鼓勵區域內科技合作，促進創新要素的區域內集聚與交流。統一標準體系，聯通行業間、行業上下游的創新標準，為主體間合作提供制度支持，創設示范園區、產業園區等合作載體，為區域內聯合研發與知識交流提供空間支持。打造扎根城市產業特征的創新合作網絡，充分發揮行業協會的社會連結功能，依靠主體間社會資本帶動知識資本流通整合。
（3）地方政府應建立矩陣式創新技術政策，激活創新主體合作與創新技術選擇之間的協同耦合效果。創新技術政策既包括篩選優勢產業的縱向選擇性政策，也包括鼓勵競爭、保護知識產權、促進創新合作的橫向功能性政策，未來地方政府應從多維度協同發力，依靠功能性政策為優勢技術提供開放共享的環境，同時，針對優勢技術特征有的放矢，出臺功能性政策，實現二者協同耦合。
參考文獻：
［1］吳曉波， 余璐， 雷李楠. 超越追趕：范式轉變期的創新戰略［J］. 管理工程學報， 2020， 34（1）： 1-8.
［2］CORROCHER N， MALERBA F， MORRISON A. Technological regimes， patent growth， and catching-up in green technologies［J］. Industrial and Corporate Change， 2021， 30（4）： 1084-1107.
［3］H ODAGIRI， A GOTO， A SUNAMI， et al. Intellectual property rights， development， and catch-up： an international comparative study［M］. Oxford： Oxford University Press， 2010.
［4］MELICIANI V. The impact of technological specialisation on national performance in a balance-of-payments-constrained growth model［J］. Structural Change and Economic Dynamics， 2002， 13（1）： 101-118.
［5］張海豐， 李國興. 后發國家的技術追趕戰略：產業政策、機會窗口與國家創新系統［J］. 當代經濟研究， 2020（1）： 66-73.
［6］LEMA R， FU X， RABELLOTTI R. Green windows of opportunity： latecomer development in the age of transformation toward sustainability［J］. Industrial and Corporate Change， 2020， 29（5）： 1193-1209.
［7］紀建悅，孫亞男.環境規制、研發投入與綠色技術進步——基于中國省級面板數據的實證分析［J］.河南師范大學學報（哲學社會科學版），2021，48（6）：52-59.
［8］BARBIERI N， MARZUCCHI A， RIZZO U. Knowledge sources and impacts on subsequent inventions：do green technologies differ from non-green ones［J］. Research Policy， 2020， 49（2）： 103901.
［9］龔紅， 江俊霖. 綠色與非綠色技術對后續創新影響的比較——“厚此薄彼”還是“雙贏策略”［J］. 科技進步與對策， 2022， 39（2）： 1-10.
［10］HANER U-E. Innovation quality—a conceptual framework［J］. International Journal of Production Economics， 2002， 80（1）： 31-37.
［11］ 楊立成，周正，張蕓蕓.知識溢出與企業綠色創新——制度壓力與吸收能力的調節作用［J/OL］.軟科學：1-19［2023-04-12］.http：//kns.cnki.net/kcms/detail/51.1268.g3.20221027.1257.002.html.
［12］ YAYAVARAM S， AHUJA G. Decomposability in knowledge structures and its impact on the usefulness of inventions and knowledge-base malleability［J］. Administrative Science Quarterly， 2008， 53（2）： 333-362.
［13］ ARA?JO R， FRANCO M. The use of collaboration networks in search of eco-innovation：a systematic literature review［J］. Journal of Cleaner Production， 2021， 314： 127975.
［14］ WU C-Y， MATHEWS J A. Knowledge flows in the solar photovoltaic industry： insights from patenting by Korea， and China［J］. Research Policy， Elsevier， 2012， 41（3）： 524-540.
［15］ 周江華， 李紀珍， 劉子谞. 雙重機會窗口下管理認知模式與創新追趕路徑選擇——以中國風電產業的后發企業為例［J］. 中國工業經濟， 2022，39（3）： 171-188.
［16］ 李新劍. 后技術趕超時期創新趕超模式研究——創新網絡構建視角［J］. 科技進步與對策， 2019， 36（21）： 26-34.
［17］ HASCIC I， MIGOTTO M. Measuring environmental innovation using patent data［R］. OECD Publishing， 2015.
［18］ 陳詩一. 中國的綠色工業革命：基于環境全要素生產率視角的解釋（1980—2008）［J］. 經濟研究， 2010， 45（11）： 21-34，58.
［19］ LOSACKER S.'License to green'： regional patent licensing networks and green technology diffusion in China［J］. Technological Forecasting and Social Change， 2022， 175： 121336.
［20］謝里， 陳宇. 節能技術創新有助于降低能源消費嗎——“杰文斯悖論”的再檢驗［J］. 管理科學學報， 2021， 24（12）： 77-91.
［21］ LANZI E， VERDOLINI E， HASCIC I. Efficiency-improving fossil fuel technologies for electricity generation： Data selection and trends［J］. Energy Policy， 2011， 39（11）： 7000-7014.
［22］ 伊志宏， 陳欣， 田柳. 公眾環境關注對企業綠色創新的影響［J］. 經濟理論與經濟管理， 2022， 42（7）： 32-48.
［23］ 李青原， 肖澤華. 異質性環境規制工具與企業綠色創新激勵——來自上市企業綠色專利的證據［J］. 經濟研究， 2020， 55（9）： 192-208.
［24］ 劉鳳朝， 孫玉濤. 我國科技政策向創新政策演變的過程、趨勢與建議——基于我國289項創新政策的實證分析［J］. 中國軟科學， 2007，22（5）： 34-42.
［25］ 王銳淇. 我國區域技術創新能力空間相關性及擴散效應實證分析——基于1997-2008空間面板數據［J］. 系統工程理論與實踐， 2012， 32（11）： 2419-2432.
［26］ 王婧， 杜廣杰. 中國城市綠色創新空間關聯網絡及其影響效應［J］. 中國人口·資源與環境， 2021， 31（5）： 21-27.
［27］BARBER?-TOM?S D， JIM?NEZ-S?EZ F， CASTELL?-MOLINA I. Mapping the importance of the real world： The validity of connectivity analysis of patent citations networks［J］. Research Policy， 2011， 40（3）： 473-486.
［28］ LI X， YUAN X. Tracing the technology transfer of battery electric vehicles in China：a patent citation organization network analysis［J］. Energy， 2022， 239： 122265.
［29］ BRITTO J N DE P， RIBEIRO L C， ARA?JO L T， et al. Patent citations， knowledge flows， and catching-up： evidences of different national experiences for the period 1982-2006［J］. Science and Public Policy， 2020， 47（6）： 788-802.
［30］ JANG S-L， LO S， CHANG W H. How do latecomers catch up with forerunners？ analysis of patents and patent citations in the field of flat panel display technologies［J］. Scientometrics， 2009， 79（3）： 563-591.
［31］ 李峰， 劉爽， 趙毅， 等. 互聯網普及、知識溢出與區域創新空間演進［J］. 科技管理研究， 2021， 41（20）： 24-34.
［32］ CARNABUCI G， OPERTI E. Where do firms' recombinant capabilities come from？intraorganizational networks， knowledge， and firms' ability to innovate through technological recombination［J］. Strategic Management Journal， 2013， 34（13）： 1591-1613.
［33］QUINTANA-GARCI-A C，BENAVIDES-VELASCO C A. Innovative competence， exploration and exploitation： the influence of technological diversification［J］. Research Policy， Elsevier， 2008， 37（3）： 492-507.
［34］WANG C， RODAN S， FRUIN M， et al. Knowledge networks， collaboration networks， and exploratory innovation［J］. Academy of Management Journal， Academy of Management， 2014， 57（2）： 484-514.
［35］宋煒， 周勇. 創新要素流動、地方保護主義與空間知識溢出——來自2000—2016年中國省級的經驗證據［J］. 管理評論， 2021， 33（7）： 107-119.
［36］YAO L， LI J， LI J. Urban innovation and intercity patent collaboration： a network analysis of China's national innovation system［J］. Technological Forecasting and Social Change， 2020， 160： 120185.
［37］POWELL W W， WHITE D R， KOPUT K W， et al. Network dynamics and field evolution： the growth of interorganizational collaboration in the life sciences［J］. American Journal of Sociology， 2005， 110（4）： 1132-1205.
［38］UZZI B， SPIRO J. Collaboration and creativity： the small world problem［J］. American Journal of Sociology， 2005， 111（2）： 447-504.
［39］BOSETTI V，VERDOLINI E.Clean and dirty international technology diffusion［J］.Economy and Society，2013.
［40］CARNABUCI G， BRUGGEMAN J. Knowledge specialization， knowledge brokerage and the uneven growth of technology domains［J］. Social Forces， 2009， 88（2）： 607-641.
［41］GUAN J， LIU N. Exploitative and exploratory innovations in knowledge network and collaboration network： a patent analysis in the technological field of nano-energy［J］. Research Policy， 2016， 45（1）： 97-112.
［42］張寧. 碳全要素生產率、低碳技術創新和節能減排效率追趕——來自中國火力發電企業的證據［J］. 經濟研究， 2022， 57（2）： 158-174.
［43］許東彥， 林婷， 張國建. 環境規制對綠色技術擴散的影響［J］. 中南財經政法大學學報， 2022，65（5）： 147-160.
［44］PENG X. Strategic interaction of environmental regulation and green productivity growth in China：green innovation or pollution refuge［J］. Science of The Total Environment， 2020， 732： 139200.
［45］FERN?NDEZ A M， FERR?NDIZ E， MEDINA J. The diffusion of energy technologies：evidence from renewable， fossil， and nuclear energy patents［J］. Technological Forecasting and Social Change， 2022， 178： 121566.
［46］SQUICCIARINI M， DERNIS H， CRISCUOLO C. Measuring patent quality： indicators of technological and economic value［R］. OECD Science， Technology and Industry Working Papers， Paris： OECD， 2013.
（責任編輯：胡俊健）
Knowledge Network， Urban Cooperation and Green Innovation Catch-up： An Analysis Based on Fossil Energy Efficiency Technologies
Lin Ziqiu
（School of Public Policy and Management， Tsinghua University， Beijing 10084， China）
Abstract：How to solve the problem of greenhouse gas emissions has become a major issue of global concerns. China's low-carbon development strategy motivates its cities to improve their levels of green innovation. In the future ten to twenty years， most of the national energy demands and greenhouse gas emissions will come from the emerging or developing cities. The energy efficiency technologies will keep providing important technical support before the full coverage of renewable energy technologies. For them， it is of great significance for the green transformation and regional coordinated development of whether and how strong demand for emission reduction can be transformed into energy efficiency technology innovation， and help them catch up with leading cities.
Innovation catch-up is defined as the process by which latecomer countries or regions improve their innovation capabilities relative to technology leaders. Regarding the causes of innovation catch-up， the existing studies provide the region's strategic choices and macro technical condition changes as the main reasons. These arguments are more focused on the ex-ante evaluation of innovation catch-up. However， compared with non-green innovations， green innovations have stronger technology complexity， diversity and novelty. High-quality green innovations can enlighten more mature technologies and products in the future. Existing research rarely evaluates the above-mentioned ex-post performance? of green innovation. Besides， the complexity， diversity and novelty of green innovation make its generation process deeply rooted in knowledge networks and cooperation networks， but few studies have explored the relationship between knowledge network， cooperation network and green innovation catch-up.
To fill the above research gaps， this paper focuses on green innovation among Chinese cities and tests the relationship among a city's knowledge network， urban cooperation network and its catch-up speed. It selects the patent citation data of fossil-energy-efficiency technologies from 2003 to 2017 and analyzes whether the structural position of a city in the knowledge network and cooperation network will affect its degree growth rate in the citation network. The study has several findings： （1） the city's knowledge diversity， knowledge degree centrality， and knowledge betweenness centrality as well as the internal degree centrality in the cooperation network all promote the city's green innovation catch-up speed， while the external degree centrality of the cooperation network does not show this effect; （2） the city's knowledge diversity and knowledge network centrality have complementary effects in promoting green innovation catch-up speed， the margin effect of knowledge diversity on catch-up speed will increase with the ascension of knowledge network centrality; （3） the complementary effects also exist between knowledge network centrality and cooperation network centrality，and stronger intra-city cooperation will better integrate the knowledge network elements and facilitate the knowledge recombination through intra-city idea exchanges and R&D cooperation.
Several policy suggestions are put forward accordingly. （1） The local governments should strengthen the forward-looking guidance of technology development and identify the core knowledge elements as the policy starting point.（2） They should also encourage regional scientific and technological cooperation， and promote regional agglomeration to boost the exchange of innovative ideas. （3） The “matrix-like” innovation policies to expected are activate the synergistic coupling effect between the institutional facility and advanced technology identification.
This paper may make contributions in the following three aspects. First， it introduces the network perspective to analyze green innovation catch-up， integrates the knowledge network， cooperation network， and citation network into a unified analysis framework， and tests the complementary effects among them. Second， it connects the ex-ante evaluation of innovation with the ex-post evaluation， where the knowledge and cooperation network that form the basis and process of patent generation belongs to the ex-ante perspective， while the location change in the citation network belongs to the ex-post assessment. Third， it focuses the research units on the city level， coordinates the theories of economic geography and innovation management， and provides policy suggestions about the development of green technology for local governments from the perspective of knowledge and technology guidance and regional innovation cooperation.
Key Words：Energy Efficiency; Knowledge Network; Urban Cooperation; Innovation Catch-up
