孙瑜康^1,, 孙铁山^1,, 席强敏²
1. 北京大学政府管理学院,北京 100871
2. 南开大学经济学院,天津 300071

Influence factors and spillover effect of the innovation agglomeration in Beijing

SUNYukang^1,, SUNTieshan^1,, XIQiangmin²
1. School of Government, Peking University, Beijing 100871, China
2. School of Economics, Nankai University, Tianjin 300071, China
通讯作者:通讯作者：孙铁山（1978- ）,男,内蒙古包头人,博士,副教授,主要研究方向为城市与区域经济学。E-mail:tieshansun@hotmail.com
收稿日期:2017-06-7
修回日期:2017-09-7
网络出版日期:2017-12-15
版权声明:2017《地理研究》编辑部《地理研究》编辑部
基金资助:国家自然科学基金项目（41671120,41371005）国家社会科学基金青年项目（15CJY055）
作者简介:
-->作者简介：孙瑜康（1988- ）,男,山东莱阳人,博士研究生,主要研究方向为区域经济与创新地理。E-mail:sunyukang521@126.com



展开

摘要
创新对邻近性的高度依赖使得创新活动在城市层面最为活跃和丰富,但由于城市内部创新数据的缺乏,大多数的创新研究都停留在国家和区域尺度,而城市内部创新活动研究一直难以获取。利用北京市乡镇街道层面的专利数据,深入分析了城市内部创新集聚的空间特征、影响因素及其空间溢出效应。研究发现：① 北京市的创新活动高度集聚并呈现出明显的“中心—外围”结构,在市域内形成了中关村—上地、望京、CBD、金融街、亦庄经济技术开区、丰台科技城6个创新集群。② 城市内部创新集聚的空间分布主要受创新投入和创新环境两类因素的影响。企业、大学与研究机构的研发投入是影响本地创新产出的重要因素,地区的科技服务水平、产业多样化程度、制造业基础、大公司比例等创新环境因素也对本地的创新集聚有重要影响。③ 创新投入和创新环境对创新集聚的影响具有明显的空间溢出效应。企业、大学与研究机构的研发投入、地区科技服务业水平和产业多样化水平的提高都会促进周边地区的创新产出。其中,企业研发投入和地区产业多样性水平比大学和研究机构研发投入、地区科技服务业的空间溢出范围更大。

关键词：创新集聚;空间特征;创新投入;创新环境;空间溢出;北京
Abstract
Innovation activities are most active and abundant at the city level, because innovation is highly dependent on the spatial proximity. But there are few in-depth studies on the urban internal innovative activities for the lack of micro-scale innovation data. Using the patent data at township and sub-district levels, this article analyzes the spatial structure, influencing factors and spillover effect of the innovation agglomeration in Beijing. The following conclusions can be drawn: Firstly, innovation shows a higher degree of spatial concentration than production. The spatial distribution of innovation activities presents a "core-periphery" pattern and the core area includes the six main districts such as Haidian, Chaoyang, Shijingshan, Fengtai, Dongcheng and Xicheng. However, innovation activities are not concentrated in the center of the city, instead an innovation ring forms in the range of 5-20 km from the city center. In the administrative region of Beijing, six innovation clusters are formed: Zhongguancun-Shangdi, Wangjing, CBD, Financial Street, Yizhuang Economic and Technological Development Zone, and Fengtai Science and Technology City. Secondly, we use SDM (Spatial Dubin Model) method to analyze the factors that can influence the innovative agglomeration. Result shows that the spatial distribution of urban internal innovation is mainly affected by innovation input and innovation environment factors. The more R&D personnel and capital are injected by companies, universities and research institutions, the more patents the local innovation system has. Besides, the innovation environment factors including local technology service level, the degree of industrial diversity, the manufacturing base and the proportion of large companies have great influence on the local innovation agglomeration. Thirdly, we divided the influence into direct effect and indirect effect, while the indirect effect reflects the spillover effect of the innovative factors. Then, we found that the innovation input and innovation environment factors have obvious spatial spillover effects on the innovative agglomeration. R&D input from the enterprises, universities and research institutions have positive externalities on the surrounding areas, and local technology service level and the degree of local industrial diversity also have positive influence on the innovation out of the surrounding areas. But the manufacturing base and the proportion of large companies do not show obvious spatial externalities. In addition, there are obvious differences in the spatial distance of innovative spillovers. The R&D input from companies and the degree of local industrial diversity have a greater distance of spillover than R&D input from universities and research institutions and local technology service industry.

Keywords：innovation agglomeration;spatial characteristics;innovation input;innovation environment;spatial spillover;Beijing

-->0
PDF (1803KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
孙瑜康, 孙铁山, 席强敏. 北京市创新集聚的影响因素及其空间溢出效应[J]. 地理研究, 2017, 36(12): 2419-2431 https://doi.org/10.11821/dlyj201712012
SUN Yukang, SUN Tieshan, XI Qiangmin. Influence factors and spillover effect of the innovation agglomeration in Beijing[J]. , 2017, 36(12): 2419-2431 https://doi.org/10.11821/dlyj201712012

1 引言

创新是知识经济时代推动全球经济发展和社会进步的最重要因素,也是创新地理学关注的核心问题之一。根据熊彼特的理论,创新具有明显的集聚效应。大城市集聚了大量的人才、大学、科研机构和高技术企业,是新思想和新技术的主要产出地^[1-3]。自2005年中国实施创新驱动战略以来,北京、上海、深圳等大城市纷纷提出打造世界级创新中心的目标,创新能力已经成为新时期大城市发展追求的核心竞争力。
但是从目前国内外的相关研究来看,创新研究主要集中在国家和区域等宏观尺度层面,对于城市层面的研究还比较少。知识溢出对邻近性的高度依赖使得创新活动通常高度集聚在较小的空间范围内,因此创新活动在城市内部是最为活跃和丰富的,应是创新研究重点关注的对象之一。但由于城市内部创新数据难以获取,目前城市层面的创新研究主要是将城市作为一个整体研究城市与创新的关系,比如城市创新能力评价、城市产业结构与创新、城市规模与创新等,对于创新活动在城市内部如何分布和运作却没有很好地反映,城市对于创新研究来说仍然是一个黑箱。
近年来,一些西方****在这方面已经进行了一些探索。首先,部分研究者对发达国家的一些大城市内部的创新活动空间分布进行了观察和描述。如Birch等对美国和西班牙大城市的研究发现,创新型企业常常聚集在服务业发达、充满活力的CBD及其周边地区,它们所营造的知识创新环境也是中心城区保持活力的重要因素^[4,5]。Airoldi等对米兰、伦敦、巴黎等大城市的研究发现,创新企业倾向于分布在郊区及卫星城,既依托高速公路与市区保持便捷联系,又有较大的建设空间和优良的生态环境^[6-8]。Shearmur对蒙特利尔的研究发现,高新技术企业的集聚既存在于CBD也存在于郊区的科技园区^[9]。另外,也有部分****尝试对形成这些现象的内在机制进行解释。例如,Florida从创意阶层集聚的角度分析了城市内部创新集聚的形成过程^[10]。Simmie从高技能劳动力和基础设施的角度分析了影响城市创新体系正常运转的因素^[11]。Teirlinck等从企业开放性、外部知识联系与创新环境三个方面讨论了创新在城市内部的分布机制。但这些解释比较碎片化,缺乏系统性,对创新集聚的影响机制解释也不够清楚^[12]。国内对城市内部创新活动的空间分布及其影响因素的研究很少。2015年,段德忠等利用邮区层面的数据分析了上海和北京城市内部创新活动的空间分布特征,但并没有解释造成这种空间分布的内在机制^[13]。
从国内外的现有研究看,本研究的理论意义和创新点主要体现在以下三方面：一是系统地描述大城市内部创新活动的空间分布规律,填补国内在这方面研究的不足,也为西方理论界提供发展中国家大都市内部创新活动空间规律的研究经验。二是对城市内部创新分布影响因素和溢出效应进行分析与测度,突破传统研究关于“知识外部性”的模糊定义,提供具体的影响机制并测度不同机制的空间溢出效应差异。三是实现数据方法上的突破,现有对城市层面创新集聚的研究大多使用的都是高科技产业数据,并不能直接反映创新活动的特点。而作为能直接衡量创新产出的指标,专利数据正逐渐被应用到西方的创新问题研究中去^[14],但目前国内利用专利数据对城市内部创新活动的研究还非常缺乏。
从以上三点出发,本文使用地理编码方法汇总乡镇街道层面的专利数据,剖析北京市微观层面创新活动的空间特征,并深入研究创新投入、创新环境等因素及其溢出效应对创新活动在城市内部空间分布的影响,为更好地理解城市内部创新活动的分布特征及形成机制提供经验证据,也为指导中国创新型城市建设提供有力支撑。

2 城市内部创新集聚影响因素及溢出效应的理论回顾

为了解释创新活动在城市内部的空间分布,需要讨论创新集聚形成的影响因素。与工业区位论认为工业生产倾向于布局在靠近原料产地类似,创新活动也存在这种“天然属性”。创新活动对资金、人才、信息、文化环境等因素更为敏感,这些因素都是难以移动或复制的,这使创新集聚只产生在一些特定区位。一些西方****对影响创新集聚的因素进行了研究。

2.1 城市内部创新集聚的影响因素

随着演化经济地理学、区域创新系统等理论的出现,****们从不同角度对创新活动空间集聚的影响因素进行了探讨,本研究将其归纳为创新投入和创新环境两类。
首先,根据Griliches的知识生产函数定义,一个地区的创新产出主要受其创新投入的影响,因而创新最活跃的地区往往是那些创新投入最密集的地区^[15]。而创新投入的 主体又主要分为企业和大学两部分。对于企业的创新投入与产出的关系,大部分**** 都认为企业创新投入是影响企业技术创新能力重要的因素,较高的研发经费投入能够确保企业比竞争对手拥有相对的竞争优势^[16]。而作为当地科技发展与增长的重要引擎,大学的创新投入也对当地的创新表现起到非常重要的作用^[17]。Woodward等对硅谷的研究发现当地大学的R&D投入对吸引高科技企业的集聚和提高本地创新产出具有重要作用^[18]。在创新投入中,最重要的是人力资本的投入,许多****认为创新活动更容易发生在高素质劳动力资源丰富的地区^[19,20]。人才资源丰富不仅能提供有力地创新投入,还能通过形成高素质劳动力池来有效地促进本地区的创新。例如,Berliant等指出在大城市为高技能劳动力提供更多的选择,高技能劳动力可以更快地相互匹配以降低等待合作伙伴的机会成本,也可以满足这些公司不可预见或具有挑战性的需求。另外,创新集群中的高技能劳动力通过频繁的跳槽和创业,也加快了知识在不同群体之间的传播^[21]。
其次,区域创新系统学派对国际上一些著名的创新集群研究发现,本地的市场、文化、制度等外在因素对创新的集聚和生产起着重要作用。****们将这些外在因素称之为“创新环境”^[22]。创新环境主要包括创新服务、产业的专业化和多样化、制造业基础、地区企业规模结构等方面。第一,创新集群规模的扩大使得创新分工不断细化,进而形成了很多专业化的创新服务,共享专业化的创新服务（如专利律师、商业产品测试实验室、贸易组织、创业投资等）有利于降低创新成本^[23]。第二,产业的专业化和多样化对创新产出具有重要意义。马歇尔外部性理论认为创新集聚主要源于集聚在一起的同一产业内部不同企业之间通过模仿、劳动力流动、新思想的传播等方式创新^[24-26]。雅各布斯外部性理论认为大量不同产业的集中比同一行业内部企业的集中更能促进创新和增长^[27,28]。第三,地区制造业基础也对本地创新发展产生重要影响。创新集聚与制造业集聚有密切内在关联。Jaffe等指出一些行业的创新集中的原因是这些行业的生产区位集中^[17]。Paci等也认为一个地区的创新水平显著受该地区的制造业区位特征影响^[29]。第四,地区企业规模结构也是影响地区创新产出的重要因素。“熊彼特假说”认为大企业是技术创新的主要来源,大企业的资源优势和垄断地位保证了大规模的研发投入,并使企业具有较强的风险抵御能力,因此一个地区的大企业的多少对地区的创新产出有重要影响^[30]。

2.2 创新集聚影响因素的溢出效应

虽然根据知识生产函数,创新产出最多的地区是那些创新投入最多的地区。但是很多研究发现在城市或集群层面,不少小企业虽然在研发投入上不是很多,但它们的创新产出也比较高,这正是由于创新的溢出效应在发挥作用,一个地区的创新投入的提高或创新环境的改善都可能会对临近地区的创新活动产生显著影响。创新的溢出可以分为企业间溢出、大学与研究机构的溢出、创新环境共享等。一方面,由于隐形知识的传播具有明显的距离衰减效应。企业间研发的合作、产品的交易、人才的流动、人际的交往等都会加快知识流动,因此企业最优的区位选择策略就是与竞争对手聚集在同一知识外溢空间内。另一方面,大学与研究机构生产的知识为企业提供技术开发资源或知识源泉,并通过合作研发和人力资本流动等溢出机制促进本地企业获得新的知识和技术,从而使该地区更具比较优势^[31]。此外,创新环境的共享也是创新溢出的重要途径。Tallman等认为企业更愿意把生产地点建立在临近良好创新环境的地点,如临近多样化的中间服务、专业化基础设施和政府、科研机构、高等院校等能提供专业化的培训、研发和技术支持的地区,以降低创新成本,提高创新效率^[32]。

3 研究方法与数据来源

3.1 数据来源

研究数据来源于国家知识产权局的“中国专利数据库”,选取2011-2013年三年的北京全市专利申请数据,参考西方****的普遍做法,为避免单年专利数据的偶然性,将三年的数据加总后进行分析。研究所获得三年有效专利共有190982条,包含专利内容、IPC分类号、申请人地址邮编、单位名称等信息。运用GIS软件,将所有专利的申请人地址转换为地理坐标并定位到地图上,进而统计出各个乡镇街道的专利产出情况,实现了微观层面创新数据的获取。本研究对数据的属性进行了进一步处理,首先,通过对申请人单位名称中“公司”“大学”“研究院”等关键词识别出各个专利的创新主体,从识别结果来看,2011-2013年,北京市专利申请中有67.81%来自企业,17.01%来自大学,15.18%来自于研究机构,这说明大学和研究机构也在北京市的创新产出中发挥了重要作用。相比于大多数研究只研究企业专利,该数据能够准确反映各类创新主体创新活动分布情况。其次,根据专利的IPC分类号,采用国际通用的IPC分类标准与中国国民经济行业分类标准进行对照,识别出专利所属的行业大类,进而得到不同产业的专利产出情况。从统计结果来看,计算机、通信和其他电子设备制造业,仪器仪表制造业,专用设备制造业,通用设备制造业,软件和信息技术服务业,电气机械和器材制造业6个产业的专利申请量分别占到北京市专利申请量的18.23%、10.41%、9.16%、7.52%、6.55%、5.98%,是北京市创新产出的主要行业。
为了研究城市内部影响创新集聚的因素,还使用了产业与企业数据,其中各乡镇街道制造业的就业人口、研发人员数量、科技服务业规模、企业规模等变量数据来自于2013年北京市第三次经济普查,高校与研究机构研发人员数据来自于《高等学校科技统计资料汇编》和互联网。
另外,以北京市287个乡镇街道为基本空间分析单元。一方面,乡镇街道是城市内部最基本的空间单元,由于北京创新集聚区很多都是科技园区、高校或大公司,这些主体的空间分布往往和乡镇街道边界有较高的契合度,如果换成区县尺度则空间范围过大。另一方面,企业研发投入等影响因素数据的空间单元也是乡镇街道的,这样可以实现专利数据与产业、人口等其他社会经济数据在街道层面的匹配,有利于分析城市内部创新活动的空间分布及对创新集聚影响因素空间溢出效应的测度。

3.2 研究方法

本研究一方面要寻找出影响城市内部创新集聚的主要因素,这方面大多数的研究使用的都是知识生产函数模型^[15]。而另一方面要测度这些影响因素的空间溢出效应,这就需要用到空间计量方法。考虑到本研究的数据特点,从知识函数的基本形式出发,运用空间截面计量方法,构建起北京市创新集聚的影响因素模型进行分析。
3.2.1 变量选择 为进一步讨论北京创新活动空间分布的影响因素,以各乡镇街道的创新产出作为因变量,以上文理论综述所总结的影响因素为自变量,构建空间计量模型,具体的变量选择如下：
（1）因变量：创新产出P_i采用2011-2013年北京市乡镇街道专利申请总量来代表,为了消除单年创新产出的不稳定性,将2011-2013年三年的专利数加总作为截面数据。
（2）自变量：共包括创新环境和创新投入两组变量,其中创新环境包括企业研发投入I和大学与科研机构研发投入U两个变量,创新投入包括科技服务业水平Sci、产业专业化水平Pro、制造业基础Ind、大公司比例Lar、交通可达性Tra共5个变量。其中,企业研发投入用各乡镇街道的企业研发人员数量来表示,大学与科研机构研发投入用各乡镇街道大学与研究机构科研人员数量来表示,科技服务业水平用各乡镇街道的科技服务业就业人数来表示,其包含研究和试验发展、专业技术服务业、科技推广和应用服务业、互联网和相关服务、软件和信息技术服务业、货币金融服务6个服务业大类的就业人数。产业专业化水平用各乡镇街道的专业化指数Pro=max(S_ij/S_j)来表示,制造业基础用各乡镇街道的制造业就业人数来表示,大公司比例用各乡镇街道的大公司就业人数占全部就业人数的比例来表示,交通可达性用各乡镇街道的高速公路出入口数量来表示。
3.2.2 模型构建 创新是一个依赖于知识生产活动的过程,回顾众多创新研究的文献,知识生产函数是研究区域创新活动的主要理论模型。知识生产函数最早由Griliches提出,具体形式可以表示为 Ii=αRDiβHKiγεi,式中：RD表示研发投入;HK表示人力资本投入;i表示国家、产业等不同研究对象^[15]。1986年,Jaffe考虑了知识外溢的地理区域限制性,把大学的研发及其溢出效应也加入到模型里^[14]。后来的****在Jaffe的模型基础上,进一步加入了商业服务、产品集中度、交通条件等因素,使得模型能更好地反映创新活动的特点^[33,34]。
本研究将从Jaffe的知识生产函数出发,首先考虑创新投入和创新环境的影响,构造模型形式如下：
ln(Pi)=β1ln(Ii)+β2ln(Ui)+β3ln(Proi)+β4ln(Scii)+β5ln(Lari)+β6ln(Trai)+β7ln(lndi)+εi（1）
同时,为了进一步体现创新溢出效应对创新区位选择的影响,本研究使用空间计量模型来反映创新的空间溢出效应。空间计量模型的基本形式有三种：空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）。空间杜宾模型不仅考虑了被解释变量的空间相关性,还考虑了解释变量的空间相关性,模型的基本形式为：
Y=ρWY+Xβ+θWX+ε（2）
式中：Y是被解释变量;X是解释变量;W是反映空间邻接关系的空间权重矩阵;ρ反映邻近地区WY对被解释变量Y的影响;θ反映邻近地区WX对被解释变量Y的影响;ε是模型的残差项且满足ε~N（0,σ²I）。
空间杜宾模型是空间滞后模型和空间误差模型的一般形式,为不失一般性,本研究将模型设置为空间杜宾模型。模型形式如下：
ln(Pi)=ρWln(Pi)+β1ln(Ii)+β2ln(Ui)+β3ln(Proi)+β4ln(Scii)+β5ln(Lari)+β6ln(Trai)+β7ln(Indi)+θ1Wln(Ii)+θ2Wln(Ui)+θ3Wln(Proi)+θ4Wln(Scii)+θ5Wln(Lari)+θ6Wln(Trai)+θ7Wln(Indi)+εi（3）
在对空间权重矩阵的选择上,常用的空间权重矩阵有二元邻接、K最近邻、地理距离、经济距离等几种形式。由于北京乡镇街道的面积相差较大,中心城区的街道面积较小,具有很多邻近单元,而郊区的乡镇面积较大,邻近单元较少,比较适合使用K最近邻矩阵。K最近邻矩阵是选取空间单元最近的k个空间单元赋值为1,其余空间单元赋值为0。

4 北京市创新集聚影响因素及溢出效应的实证分析

4.1 北京市创新集聚的空间特征

北京是全国创新资源最丰富的城市和科技力量最集中的地区,从专利产出的角度来看,北京市创新活动在空间上呈现出以下特征：
4.1.1 空间分布特征 首先,创新活动高度集聚,但不同行业的创新活动的集聚水平差异较大。使用赫芬达尔指数^①(① H=∑i=1n(ti/T)2,式中：t_i是指i乡镇某产业的专利数或就业人数;n为乡镇街道总数;T为全市某产业的专利总数或就业总人数。)测度创新活动的空间集聚程度发现,北京市创新活动的赫芬达尔指数为0.027高于制造部门的0.021,说明创新活动在空间上是高度集聚的。从不同行业的创新集聚程度来看,石油加工、炼焦和核燃料加工业,汽车制造业,黑色金属冶炼和压延加工业等产业的创新集聚程度较高,因为这些产业的创新主要集中在中石油、中石化、北汽福田、首钢等大型企业,空间位置相对集中;而计算机、通信和其他电子设备制造业,通用设备制造业,仪器仪表制造业、医药制造业等在市域内的创新集聚程度相对较低,因为这些行业创新主体丰富、中小企业创新能力强,会在多个地区形成创新集群。
其次,从创新活动的空间分布来看,北京市的创新活动主要集中在五环以内的地区,呈现出明显的“中心—外围”结构（图1）。2011-2013年间,由海淀、朝阳、东城、西城、石景山、丰台构成的城六区就占到北京市专利申请总数的85.3%。另外,城六区还占据了北京市81.5%的企业研发人员,95.4%的大学研发人员,85.6%的科技服务业从业人员,而外围的10个区县无论在创新投入和创新产出方面都占比很低。但创新活动并不是集中在市区的最中心,而是在距离市中心5~20 km的地方形成了一条环形创新带,包含中关村、上地、望京、丰台科技城等重要的创新集聚地区。
显示原图|下载原图ZIP|生成PPT
图1基于空间插值分析的北京市乡镇街道层面专利申请分布图（2011-2013年）
-->Fig. 1The distribution of patent applications of Beijing from 2011 to 2013 based on the analysis of spatial interpolation
-->

4.1.2 空间集群特征 由于创新溢出对邻近性的高度依赖,因此会在空间上形成明显的集群状态,而城市正是创新集群的最主要的发生地。采用空间插值方法识别出专利申请数量较高且在空间上连片分布的地区作为创新集群,从识别结果可以看出,目前北京市域内形成了中关村—上地、望京、CBD、金融街、亦庄经济技术开发区、丰台科技城六大创新集群（图1、表1）。
Tab. 1
表1
表1北京市主要的创新集群
Tab. 1The main innovation cluster of Beijing

创新集群	专利数(件)	面积(km2)	到市中心距离(km)	创新主体	创新行业
中关村—上地地区	76707	150	8~18	高校、 研究机构、 高科技企业	计算机、通信和其他电子设备制造业,仪器仪表制造业,电气机械和器材制造业,通用设备制造业,专用设备制造业,医药制造业,化学原料和化学制品制造业
朝阳望京地区	10018	53	9~13	高科技企业	计算机、通信和其他电子设备制造业,专用设备制造业,电气机械和器材制造业,通用设备制造业
CBD地区	7946	9	3~6	大型国企总部、外企、研究机构	化学原料和化学制品制造业,石油加工、炼焦和核燃料加工业,专用设备制造业,仪器仪表制造业
金融街地区	6047	8	2~4	大型国企总部	计算机、通信和其他电子设备制造业,电气机械和器材制造业
大兴亦庄经开区	3885	58	15~20	企业	专用设备制造业,电气机械和器材制造业,计算机、通信和其他电子设备制造业
丰台科学城	3558	51	12~15	企业	仪器仪表制造业,电气机械和器材制造业,计算机、通信和其他电子设备制造业

新窗口打开
首先,“中关村—上地”地区是北京市内规模最大、历史最久、最具活力和竞争力的创新集群。20世纪90年代,依托清华、北大和中科院等高校院所的科研资金和人才,在中关村地区形成了创新集群的雏形。近年来,随着大量高科技企业的集聚和孵化,创新集群进一步向北部的上地、沙河地区扩展,形成了占地约150 km²的大规模创新集群。2011-2013年,“中关村—上地”地区的专利申请量占整个北京市的41.3%,远远超过其他集群。高校、研究机构和企业的创新产出比例分别为25.14%、30.12%和44.74%,产学研一体化程度较高;专利中计算机、通信和其他电子设备制造业等多个行业的占比达到北京市的四成以上,创新的多样化程度很高。
其次,朝阳的望京地区是仅次于中关村—上地地区的北京市次级创新中心,2011-2013年该地区专利申请量约占整个北京市的6.7%。望京地区的区位与中关村类似,距市中心的距离在9~13 km。以望京科技园为依托,包含周边的多家科技企业和研究机构在内,专利的行业主要集中在计算机、通信和其他电子设备制造业,专用设备制造业,电气机械和器材制造业,通用设备制造业。
CBD和金融街地区都位于三环以内,2011-2013年专利产出分别占到北京市的3.8%和3.4%。其中CBD地区集聚了中石化、中粮等大型国企和强生、诺基亚等跨国公司的管理和研发部门,专利集中在化学原料和化学制品制造、石油加工、炼焦和核燃料加工、专用设备制造等行业。金融街地区集聚了中国移动、中国联通、中国电信等通讯行业总部及部分研究机构,在计算机、通信和其他电子设备制造业和电气机械和器材制造业有比较高的创新产出。
亦庄经济技术开发区和丰台科技城都处于距离市中心12~20 km的近郊区,属于典型的高科技园区。依托北京经济技术开发区和中关村丰台园的大量企业,2011-2013年两地的专利申请量占北京市总量的2.9%和2.4%。创新的行业也比较类似,集中在专用设备制造业,仪器仪表制造业,电气机械和器材制造业,计算机、通信和其他电子设备制造业。

4.2 创新集聚影响因素的回归结果及溢出效应分析

基于理论综述中对创新集聚影响因素的总结,使用知识生产函数构建模型对北京进行实证分析。本部分将总结创新集聚的影响因素,并利用空间计量方法进一步讨论这些影响因素的空间溢出效应。
空间计量模型回归分析前首先进行空间相关性检验以确定是否存在空间自相关。空间自相关检验结果表明,北京市乡镇街道层面的创新产出的Moran's I值为4.2833,且在1%的水平下通过过显著性检验,说明北京市创新活动存在着明显的空间相关性,需要采用空间计量模型来纠正偏差。进一步通过似然比检验和Wald检验判定空间杜宾模型（SDM）不能简化为空间滞后模型（SLM）和空间误差模型（SEM）,这说明对于创新活动而言,空间杜宾模型更为适宜。为了检验空间杜宾模型和所选变量的稳健性,同时对OLS、SLM和SEM模型进行估计,作为对比。
从回归结果可以看出,空间杜宾模型的R²=0.8927相比OLS、SLM和SEM模型有所提高,说明空间杜宾模型的拟合优度更高（表2）。而SDM、SLM和SEM模型中的空间滞后回归系数ρ和空间误差回归系数λ都在1%的水平上显著为正,这说明在传统的知识生产函数中常常被忽视的区域间外部性对创新产出的确有重要的影响。三个空间计量模型中,企业的研发投入、大学与研究机构的研发投入、地区科技服务业水平、制造业基础、大公司比例5个变量的系数显著为正,说明这5个因素的增加对区域创新水平的提高有显著且稳定的正面影响;而地区产业专业化水平的系数为负且都通过显著性检验,说明地区的多样化程度的提高对地区创新水平的提高有积极且稳定的正面影响。而交通变量的系数都为正但显著性不稳定,说明交通条件对创新的影响在街道层面并不明显。
Tab. 2
表2
表2创新产出影响因素的计量分析
Tab. 2Regression analysis of the factors influencing innovative output

	OLS	SLM	SEM	SDM
I	0.7107*** (0.0313)	0.6199*** (0.0827)	0.6929*** (0.0823)	0.6838** (2.7215)
U	0.1474*** (0.0820)	0.1364*** (0.0303)	0.1441*** (0.0322)	0.1394*** (4.1930)
Pro	-0.0165 (0.0117)	-0.0144*** (0.0112)	-0.0149*** (0.0114)	-0.0377*** (-2.8464)
Sci	0.1860*** (0.0464)	0.1473*** (0.0463)	0.1972*** (0.0456)	0.3388*** (7.7527)
Lar	0.0128 (0.0097)	0.0103*** (0.0094)	0.0135*** (0.0091)	0.0235** (2.530)
Tra	0.0317*** (0.0118)	0.0197*** (0.0117)	0.0239** (0.0122)	0.0187 (1.3688)
Ind	0.2601*** (0.0449)	0.2604*** (0.0433)	0.2475*** (0.0456)	0.2916*** (5.6180)
W×I				0.0877* (1.6031)
W×U				0.0354* (0.7327)
W×Pro				-0.0257 (-1.2769)
W×Sci				0.0033 (0.0512)
W×Lar				0.0074 (0.4524)
W×Tra				0.0315 (1.5772)
W×Ind				-0.2723* (-3.6767)
ρ或λ		0.1824*** (0.0503)	0.3165*** (0.0769)	0.2809*** (4.3304)
R2	0.8155	0.8241	0.8272	0.8927
Log-likehood	-477.518	-470.946	-470.321	-378.2222

注：1. 表中汇报的SDM是采用k=3时的矩阵,是溢出效果最显著的情况。2. （）内为t统计量,^*、^**和^***分别表示在10%、5%和1%水平下通过显著性检验。
新窗口打开
空间杜宾模型（SDM）同时包含了解释变量与被解释变量的空间滞后项,某个地区的解释变量的变化将不仅影响本地区的被解释变量,而且影响其他地区的被解释变量。因此,不能简单地用回归系数反映解释变量对被解释变量的影响。LeSage等运用偏微分方法将总效应分成了直接效应和间接效应^[35]。其中,直接效应表示被解释变量对本地区造成的平均影响,间接效应表示被解释变量对相邻地区造成的平均影响,即溢出效应。
从直接效应来看,创新投入因素对地区创新的产出发挥了重要作用（表3）。企业研发投入、大学与研究机构研发投入的直接效应系数分别为0.0914和0.1452,且都在1%的水平上显著,这说明在城市内部尺度,知识生产函数所揭示的创新投入与产出机制是有效的,企业、大学与研究机构的研发投入越多,本地区的创新产出就越多。北京市的6个主要创新集群都是研发投入力度很大的地区,这些地区的企业和大学不但研发投入的总量在不断增加,研发投入所占比例也在不断提高,大量的研发投入也确保了这些地区能在创新竞争中保持持续的优势。另外,因为多重共线性的问题,没有在模型中直接加入单独的高素质劳动力变量,而是用企业、大学和研究机构研发人员数量来代表。由于这两个变量的直接效应系数都显著为正,说明本地高素质劳动力的规模对创新产出具有明显的正向影响。
Tab. 3
表3
表3空间杜宾模型的总效应、直接效应与间接效应
Tab. 3Total, direct and indirect effects of SDM results

	总效应		直接效应		间接效应
	系数	P值	系数	P值	系数	P值
I	0.2407	0.0024	0.0914	0.0068	0.1493	0.0332
U	0.2447	0.0002	0.1452	0.0000	0.0995	0.0988
Sci	0.4762	0.0000	0.3451	0.0000	0.1311	0.0790
Pro	-0.0893	0.0021	-0.0405	0.0023	-0.0487	0.0574
Ind	0.0241	0.0147	0.2797	0.0000	-0.2556	0.0055
Lar	0.0441	0.0708	0.0245	0.0120	0.0195	0.3649
Tra	0.0692	0.0012	0.0214	0.1033	0.0478	0.0451

新窗口打开
此外,从直接效应还可以看出创新环境因素也对地区创新产出产生重要影响。首先,地区科技服务业的直接效应系数为0.3451,且在1%的水平上显著,说明创新活动更趋向于布局在科技服务业发达的地区。Gerlach等指出共享创新服务允许成员以较低的成本实现自己的创新想法,因此科技服务业发达地区的公司相比于其他地区的公司更愿意冒风险进行创新^[36]。其次,产业专业化指数的直接效应系数为-0.0405且在1%的水平上显著,说明多样化程度的提高有利于促进地区创新产出,这与Glaeser等的结论一致^[27],随着创新研究跨学科、跨行业的趋势越来越普遍,具有相关性或互补性的多样化部门带来的知识溢出在地区创新活动中将扮演更加重要的角色。第三,地区制造业基础的直接效应系数为0.2797且在1%的水平上显著,说明地区的制造业基础对于创新产出有积极的正面影响。其中主要是技术密集型制造业的存在对本地创新具有重要意义,技术密集型制造业对隐形知识的要求很高,需要研发人员的密切交流,因此创新与制造部门在空间上距离很近^[37]。第四,地区大公司比例的直接效应系数为0.0245且在1%的水平上显著,说明大公司的存在是提升地区创新产出的重要动力。目前北京技术密集型产业的创新行业集中度都比较高,出现明显的行业巨头垄断技术创新现象,符合熊彼特假说对大公司创新引领作用的论断。
从间接效应来看,创新投入和创新环境的溢出效应对于创新集聚具有非常重要的作用。首先,企业研发投入、大学与研究机构研发投入的间接效应系数分别为0.1493和0.0995,且都在10%的水平上显著,说明企业、大学和研究机构的研发投入对周边地区的创新产出都有明显的溢出效应。企业间的知识溢出主要通过供应商与客户关系、正式或非正式的合作研发、企业间人才的流动以及创业和衍生企业等途径实现。大学与研究机构的知识溢出则主要通过人才培养和流动、科研人员创业、产学研合作等途径实现。其次,创新环境的溢出效应则呈现出多样化的特点。地区科技服务业的间接效应系数为0.1311且在10%的水平上显著,说明本地科技服务业水平的提高会促进周边地区的创新产出。本地产业专业化指数的间接效应系数显著为负,说明本地产业的多样性的提高也会对周边地区的创新水平产生正面影响。地区制造业基础的间接系数显著为负但直接效应系数显著为正,说明制造业基础对创新的正面影响是本地化的,对周边地区的创新产出却有负的外部性。同样地,大公司比例对创新的影响也是本地化的,并不影响周边地区的创新产出。
在空间杜宾模型中,通过设置K最近邻空间权重矩阵的K值大小,可以分析不同的空间距离下的创新溢出效应。本研究分别对K=3~8时的空间杜宾模型进行了回归分析（表4）。分析发现,企业研发投入和地区产业多样性的间接效应系数在K=3~7时都显著,说明二者能在较大的空间尺度上保持创新溢出的有效性。而大学和研究机构研发投入、科技服务业对周边创新的间接效应系数只能在K=3或4时显著,说明这些因素的溢出效应则只能在较近的空间范围内产生作用。
Tab. 4
表4
表4不同空间距离下创新活动的溢出效应
Tab. 4Spillover effects of innovation activities in different distances

	K=3	K=4	K=5	K=6	K=7	K=8
I	0.1493**	0.1724**	0.2022**	0.2093**	0.1906**	0.2021
U	0.0995*	0.0776*	0.0641	0.0773	0.0933	0.1396
Pro	-0.0487*	-0.0686**	-0.0752**	-0.0772**	-0.0694*	-0.0844*
Sci	0.1311*	0.1112	0.1694*	0.1548	0.1022	0.0364
Lar	0.0195	0.0341	0.0270	0.0348	0.0564	0.0670*
Tra	0.0478**	0.0453*	0.0392	0.0370	0.0353	0.0330
Ind	-0.2556***	-0.2515	-0.2995**	-0.2962	-0.2512	-0.2023

注：^*、^**和^***分别表示在10%、5%和1%水平下通过显著性检验。
新窗口打开

5 结论与讨论

从创新产出的视角,利用乡镇街道层面的专利数据描述了北京市内部创新活动的空间特征,分析了创新投入、创新环境因素对创新活动在城市内的空间分布的影响及其空间溢出效应,主要结论如下：
第一,城市内部的创新活动是高度集聚的,且创新活动的集聚程度整体上高于制造业。从北京市创新活动的地区分布来看,北京市的创新活动主要集中在五环以内的地区,呈现出明显的“中心—外围”结构。但创新活动并不是集中在市区的最中心的区域,而是在距离市中心5~20 km的地方形成了一条环形创新带。同时,创新集群是创新活动在城市内部存在的主要形式,北京市形成了中关村—上地、望京、CBD、金融街、亦庄经济技术开发区、丰台科技城6个创新集群。
第二,在城市内部,某一乡镇街道的创新产出主要受到本乡镇街道的创新投入和创新环境的影响。从创新投入因素来看,企业、大学与研究机构的研发投入的提高都会促本地的创新产出。从创新环境因素来看,本地的中间服务水平、产业多样化程度、制造业基础、大公司比例都对地区的创新产出具有重要影响,而交通因素在城市内部对创新产出的影响并不明显。
第三,在城市内部,创新投入和创新环的影响具有明显的空间溢出效应。企业、大学与研究机构的研发投入具有明显的正向外部性,地区科技服务业水平和产业多样化水平的提高也会促进周边地区的创新产出。而地区制造业基础和大公司的比例对创新产出的影响则是本地化的,并不产生正面的溢出效应。另外,从创新溢出的空间尺度来看,企业研发投入和地区产业多样性的溢出效应较强,能在较大的空间尺度上对创新产出产生正面影响。而大学和研究机构研发投入、地区科技服务业对周边地区创新产业的溢出效应则只能在较近的空间范围内发挥作用。
The authors have declared that no competing interests exist.

---

参考文献文献选项 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	Feldman M P, Audretsch D B.Innovation in cities: Science-based diversity, specialization and localized competition. European Economic Review, 1999, 43(2): 409-429.https://doi.org/10.1016/S0014-2921(98)00047-6URL [本文引用: 1]
[2]	Ciccone A.Agglomeration effects in Europe. European Economic Review, 2002, 46(2): 213-227.https://doi.org/10.1016/S0014-2921(00)00099-4URL
[3]	Packalen M, Bhattacharya J. Cities and ideas . NBER Working Papers, 2007, No. 20921. [本文引用: 1]
[4]	Birch E L.Downtown in the "new American city". The Annals of the American Academy of Political and Social Science, 2009, 626(1): 134-153.https://doi.org/10.1177/0002716209344169URL [本文引用: 1]
[5]	Méndez R, Moral S S.Spanish cities in the knowledge economy: Theoretical debates and empirical evidence. European Urban and Regional Studies, 2011, 18(2): 136-155.https://doi.org/10.1177/0969776410381039URL [本文引用: 1]
[6]	Airoldi A, Janetti G B, Gambardella A, et al.The impact of urban structure on the location of producer services. Service Industries Journal, 1997, 17(1): 91-114.https://doi.org/10.1080/02642069700000005URL [本文引用: 1]摘要 This article aims at estimating the density functions and gradients related to the locations of services in Milan. Density curves constructed from data on the location of producer services confirm theoretical expectations and the pattern of their location clearly assumes a quadratic exponential shape. The better to understand the interrelation between services and space at the intra-urban level, a number of indices and coeficients have been analysed. In order to verify the impact of urban structures on services locations a comparative analysis has been made on the effects of a new underground line. The impact of urban structure on services location has been confirmed.
[7]	Teirlinck P, Spithoven A.The spatial organization of innovation: Open innovation, external knowledge relations and urban structure. Regional Studies, 2008, 42(5): 689-704.https://doi.org/10.1080/00343400701543694URL摘要 Teirlinck P. and Spithoven A. The spatial organization of innovation: open innovation, external knowledge relations and urban structure, Regional Studies. The increased use of external knowledge relations, complementary to in-house research and development, influences the way firms are organized to manage innovation. The ‘new’ imperative of open innovation promotes the idea that firms organize innovation, to a greater extent, in interaction with outside parties. This paper argues that both the organization of innovation as well as the use of external knowledge depends on the physical, socio-economic and cultural environment. The outcome of the analysis supports the idea that (open) innovation is spatially organized. Contrary to the expectations, innovative firms in less urbanized areas show a higher degree of openness. Teirlinck P. et Spithoven A. L'organisation géographique de l'innovation: l'innovation ouverte, les rapports de connaissance externe et l'ossature urbaine, Regional Studies. L'emploi accru des rapports de connaissance externe, qui complètent la R et D interne, influe la fa04on dont les entreprises s'organisent pour gérer l'innovation. Le ‘nouveau’ impératif, à savoir l'innovation ouverte, laisse supposer que, dans une large mesure, les entreprises organisent l'innovation à partir de l'interaction avec le monde extérieur. Cet article cherche à affirmer qu'aussi bien l'organisation de l'innovation que l'emploi de la connaissance externe dépendent des milieux physique, socioéconomique et culturel. Le résultat de l'analyse soutient l'idée que l'innovation (ouverte) s'organise sur le plan géographique. Contre toute attente, les entreprises à caractère innovateur situées dans les zones moins urbanisées font preuve d'un taux d'ouverture plus élevé. Innovation ouverte69Rapports de connaissance externe69Ossature urbaine Teirlinck P. und Spithoven A. Die r01umliche Organisation der Innovation: offene Innovation, externe Wissensbeziehungen und urbane Struktur, Regional Studies. Die zunehmende Nutzung externer Wissensbeziehungen zur Erg01nzung der firmeninternen Forschung und Entwicklung wirkt sich darauf aus, wie Firmen zur Lenkung der Innovation organisiert werden. Der ,neue' Imperativ einer offenen Innovation f02rdert die Idee, dass Firmen die Innovation in gr0208erem Umfang in Wechselwirkung mit externen Partnern organisieren sollten. In diesem Beitrag wird argumentiert, dass sowohl die Organisation der Innovation als auch die Nutzung von externem Wissen von der physischen, sozio02konomischen und kulturellen Umgebung abh01ngen. Das Ergebnis der Analyse bekr01ftigt die Idee, dass eine (offene) Innovation r01umlich organisiert ist. Wider Erwarten weisen innovative Firmen in weniger urbanisierten Gegenden ein h02heres Ma08 an Offenheit auf. Offene Innovation69Externe Wissensbeziehungen69Urbane Struktur Teirlinck P. y Spithoven A. La organización espacial de la innovación: innovación abierta, relaciones de conocimiento externo y estructura urbana, Regional Studies. El uso cada vez más frecuente de las relaciones externas de conocimiento, junto con la I + D del lugar, influye en el modo en que las empresas se organizan para gestionar las innovaciones. El ‘nuevo’ principio obligatorio de innovación abierta fomenta la idea de que las empresas organicen sus innovaciones en gran medida interactuando con entidades externas. En este artículo sostenemos que tanto la organización de innovación como el uso de conocimiento externo dependen del entorno físico, socioeconómico y cultural. El resultado del análisis respalda la idea de que la innovación (abierta) está organizada de forma espacial. En contra de todos los pronósticos, las empresas innovadoras en áreas menor ubanizadas muestran un grado superior de apertura. Innovación abierta69Relaciones de conocimiento externo69Estructura urbana
[8]	Halbert L.Collaborative and collective: Reflexive co-ordination and the dynamics of open innovation in the digital industry clusters of the Paris region. Urban Studies, 2012, 49(11): 2357-2376.https://doi.org/10.1177/0042098011427186URL [本文引用: 1]摘要 Economic geography increasingly conceptualises innovation as a collective action. However, the literature on clusters often reduces the collective dimension to the circulation of knowledge between local and regional organisations based on various forms of (market, organisational, social, institutional or cognitive) co-ordination. This paper diverges from this grass-roots perspective by discussing the role of collective actions in clusters--i.e. actions developed by a large number of cluster members acting as a group. Empirical evidence drawing on a study of three digital clusters in the Paris region shows that the cluster as a collective entity holds agency and-- thanks to reflexive co-ordination--can contribute to open innovation, including innovation-seeking partnerships in the early stages of cluster life cycles.
[9]	Shearmur R.The geography of intrametropolitan KIBS innovation: Distinguishing agglomeration economies from innovation dynamics. Urban Studies, 2012, 49(11): 2331-2356.https://doi.org/10.1177/0042098011431281URL [本文引用: 1]摘要 Much has been written about innovation, territory, knowledge spill-overs and agglomeration economies, but neighbourhood-level processes of innovation have rarely been studied in a systematic fashion. This article explores whether knowledge-intensive business services (KIBS) are systematically more innovative when they are located in employment clusters. In doing so, it distinguishes between the simple co-location of innovative firms with other activities, and possible dynamic effects (identified by controlling for firm-level innovation factors): most identified geographical patterns are resilient to controls, but the geography of innovation is not straightforward. In Montreal, whilst certain types of innovation occur in employment clusters, others display no spatial patterns. Furthermore, the most intensive KIBS innovators tend to locate away from high-employment and from high-KIBS zones. KIBS innovation does not behave as expected if innovation dynamics were localised in a fashion similar to agglomeration economies: it is therefore important to distinguish between the two.
[10]	Florida R.The Rise of the Creative Class-Revisited: Revised and Expanded. New York: Basic books, 2014.URL [本文引用: 1]摘要 Abstract Initially published in 2002, The Rise of the Creative Class quickly achieved classic status for its identification of forces then only beginning to reshape our economy, geography, and workplace. Weaving story-telling with original research, Richard Florida identified a fundamental shift linking a host of seemingly unrelated changes in American society: the growing importance of creativity in people’s work lives and the emergence of a class of people unified by their engagement in creative work. Millions of us were beginning to work and live much as creative types like artists and scientists always had, Florida observed, and this Creative Class was determining how the workplace was organized, what companies would prosper or go bankrupt, and even which cities would thrive.In The Rise of the Creative Class Revisited, Florida further refines his occupational, demographic, psychological, and economic profile of the Creative Class, incorporates a decade of research, and adds five new chapters covering the global effects of the Creative Class and exploring the factors that shape “quality of place” in our changing cities and suburbs.
[11]	Simmie J. Innovative Cities . London: Routledge, 2003. [本文引用: 1]
[12]	Teirlinck P, Spithoven A.The spatial organization of innovation: Open innovation, external knowledge relations and urban structure. Regional Studies, 2008, 42(5): 689-704.https://doi.org/10.1080/00343400701543694URL [本文引用: 1]摘要 Teirlinck P. and Spithoven A. The spatial organization of innovation: open innovation, external knowledge relations and urban structure, Regional Studies. The increased use of external knowledge relations, complementary to in-house research and development, influences the way firms are organized to manage innovation. The ‘new’ imperative of open innovation promotes the idea that firms organize innovation, to a greater extent, in interaction with outside parties. This paper argues that both the organization of innovation as well as the use of external knowledge depends on the physical, socio-economic and cultural environment. The outcome of the analysis supports the idea that (open) innovation is spatially organized. Contrary to the expectations, innovative firms in less urbanized areas show a higher degree of openness. Teirlinck P. et Spithoven A. L'organisation géographique de l'innovation: l'innovation ouverte, les rapports de connaissance externe et l'ossature urbaine, Regional Studies. L'emploi accru des rapports de connaissance externe, qui complètent la R et D interne, influe la fa04on dont les entreprises s'organisent pour gérer l'innovation. Le ‘nouveau’ impératif, à savoir l'innovation ouverte, laisse supposer que, dans une large mesure, les entreprises organisent l'innovation à partir de l'interaction avec le monde extérieur. Cet article cherche à affirmer qu'aussi bien l'organisation de l'innovation que l'emploi de la connaissance externe dépendent des milieux physique, socioéconomique et culturel. Le résultat de l'analyse soutient l'idée que l'innovation (ouverte) s'organise sur le plan géographique. Contre toute attente, les entreprises à caractère innovateur situées dans les zones moins urbanisées font preuve d'un taux d'ouverture plus élevé. Innovation ouverte69Rapports de connaissance externe69Ossature urbaine Teirlinck P. und Spithoven A. Die r01umliche Organisation der Innovation: offene Innovation, externe Wissensbeziehungen und urbane Struktur, Regional Studies. Die zunehmende Nutzung externer Wissensbeziehungen zur Erg01nzung der firmeninternen Forschung und Entwicklung wirkt sich darauf aus, wie Firmen zur Lenkung der Innovation organisiert werden. Der ,neue' Imperativ einer offenen Innovation f02rdert die Idee, dass Firmen die Innovation in gr0208erem Umfang in Wechselwirkung mit externen Partnern organisieren sollten. In diesem Beitrag wird argumentiert, dass sowohl die Organisation der Innovation als auch die Nutzung von externem Wissen von der physischen, sozio02konomischen und kulturellen Umgebung abh01ngen. Das Ergebnis der Analyse bekr01ftigt die Idee, dass eine (offene) Innovation r01umlich organisiert ist. Wider Erwarten weisen innovative Firmen in weniger urbanisierten Gegenden ein h02heres Ma08 an Offenheit auf. Offene Innovation69Externe Wissensbeziehungen69Urbane Struktur Teirlinck P. y Spithoven A. La organización espacial de la innovación: innovación abierta, relaciones de conocimiento externo y estructura urbana, Regional Studies. El uso cada vez más frecuente de las relaciones externas de conocimiento, junto con la I + D del lugar, influye en el modo en que las empresas se organizan para gestionar las innovaciones. El ‘nuevo’ principio obligatorio de innovación abierta fomenta la idea de que las empresas organicen sus innovaciones en gran medida interactuando con entidades externas. En este artículo sostenemos que tanto la organización de innovación como el uso de conocimiento externo dependen del entorno físico, socioeconómico y cultural. El resultado del análisis respalda la idea de que la innovación (abierta) está organizada de forma espacial. En contra de todos los pronósticos, las empresas innovadoras en áreas menor ubanizadas muestran un grado superior de apertura. Innovación abierta69Relaciones de conocimiento externo69Estructura urbana
[13]	段德忠, 杜德斌, 刘承良. 上海和北京城市创新空间结构的时空演化模式 . 地理学报, 2016, 70(12): 1911-1925.https://doi.org/10.11821/dlxb201512005URL [本文引用: 1]摘要 基于城市邮编区划空间数据库,从创新产出的视角建构城市创新评价指标体系,对1991-2014年上海市和北京市的创新空间结构的空间演化模式进行了探讨。研究发现：1邮政区划为研究城市创新空间结构的生长提供了全新的视角,基于随机边缘点连线以及泰森多边形法构建的城市邮编空间数据库评价城市创新空间结构的结果较为理想,因此具有推广价值;2 25年间,上海市和北京市的创新空间结构生长体现出了诸多的共性特征：随着参与创新的城市空间单元逐年增加,区域创新产出虽总体差距在缩小,但空间集聚趋势在加剧;3 25年间,上海市和北京市的创新空间结构生长也体现出了共性上的差异性,其中上海市创新空间结构在创新资源郊区化转移的趋势下,呈现出由单核驱动向多核共振演进,以交通干道为空间扩散廊道的辐射效应凸显,相应的,其创新产出空间关联效应也显现出了市中心空心化现象;而北京市创新空间结构始终为市中心单核主导型,并在创新资源不断向中心集聚趋势下,其创新产出空间关联效应呈现出＂农村包围城市＂的演化特征;4上海市和北京市创新空间结构与其所在的区域创新空间结构（长三角城市群和京津冀城市群）具有内在的一致性,表明城内尺度科技创新活动空间分布的均衡与非均衡规律与其所处的区域创新格局密切相关。 [Duan Dezhong, Du Debin, Liu Chengliang.Spatial-temporal evolution mode of urban innovation spatial structure: A case study of Shanghai and Beijing. Acta Geographica Sinica, 2016, 70(12): 1911-1925.]https://doi.org/10.11821/dlxb201512005URL [本文引用: 1]摘要 基于城市邮编区划空间数据库,从创新产出的视角建构城市创新评价指标体系,对1991-2014年上海市和北京市的创新空间结构的空间演化模式进行了探讨。研究发现：1邮政区划为研究城市创新空间结构的生长提供了全新的视角,基于随机边缘点连线以及泰森多边形法构建的城市邮编空间数据库评价城市创新空间结构的结果较为理想,因此具有推广价值;2 25年间,上海市和北京市的创新空间结构生长体现出了诸多的共性特征：随着参与创新的城市空间单元逐年增加,区域创新产出虽总体差距在缩小,但空间集聚趋势在加剧;3 25年间,上海市和北京市的创新空间结构生长也体现出了共性上的差异性,其中上海市创新空间结构在创新资源郊区化转移的趋势下,呈现出由单核驱动向多核共振演进,以交通干道为空间扩散廊道的辐射效应凸显,相应的,其创新产出空间关联效应也显现出了市中心空心化现象;而北京市创新空间结构始终为市中心单核主导型,并在创新资源不断向中心集聚趋势下,其创新产出空间关联效应呈现出＂农村包围城市＂的演化特征;4上海市和北京市创新空间结构与其所在的区域创新空间结构（长三角城市群和京津冀城市群）具有内在的一致性,表明城内尺度科技创新活动空间分布的均衡与非均衡规律与其所处的区域创新格局密切相关。
[14]	Jaffe A B, Trajtenberg M, Henderson R.Geographic localization of knowledge spillovers as evidenced by patent citations. The Quarterly Journal of Economics, 1993, 108(3): 577-598.https://doi.org/10.2307/2118401URL [本文引用: 2]
[15]	Griliches Z.Issues in assessing the contribution of research and development to productivity growth. The Bell Journal of Economics, 1979, 10(1): 92-116.https://doi.org/10.2307/3003321URL [本文引用: 3]摘要 This article outlines the production function approach to the estimation of the returns to R&D and then proceeds to discuss in turn two very difficult problems: the measurement of output in R&D intensive industries and the definition and measurement of the stock of R&D "capital." The latter concept leads to a discussion of modeling of the spillover effects of R&D and to suggestions for possible measurement of such effects via the concept of technological distance between firms and industries. Somewhat more familiar econometric problems (multicollinearity and simultaneity) are taken up in the next section and another section is devoted to estimation and inference problems arising more specifically in the R&D context. Several recent studies of returns to R&D are then surveyed, and the paper concludes with a plea for a lowering of expectations as to what the available data can tell us and with suggestions for ways of expanding the current data base in this field.
[16]	Crépon B, Duguet E, Mairessec J.Research, innovation and productivity: An econometric analysis at the firm level. Economics of Innovation and New Technology, 1998, 7(2): 115-158.https://doi.org/10.1080/10438599800000031URL [本文引用: 1]
[17]	Jaffe A B.Real effects of academic research. The American Economic Review, 1989, 79(5): 957-970.https://doi.org/10.2307/3502129URL [本文引用: 2]摘要 The existence of geographically mediated "spillovers" from university research to commercial innovation is explored using state-level time-series data on corporate patents, corporate R&D, and university research. A significant effect of university research on corporate patents is found, particularly in the areas of Drugs and Medical Technology, and Electronics, Optics, and Nuclear Technology. In addition, university research appears to have an indirect effect on local innovation by inducing industrial R&D spending.
[18]	Woodward D, Figueiredo O, Guimaraes P.Beyond the Silicon Valley: University R&D and high-technology location. Journal of Urban Economics, 2006, 60(1): 15-32.https://doi.org/10.1016/j.jue.2006.01.002URL [本文引用: 1]
[19]	Strange W, Hejazi W, Tang J.The uncertain city: Competitive instability, skills, innovation and the strategy of agglomeration. Journal of Urban Economics, 2006, 59(3): 331-351.https://doi.org/10.1016/j.jue.2005.10.006URL [本文引用: 1]摘要 This paper considers the microfoundations of agglomeration economies, in particular agglomeration economies that arise from uncertainty. The paper begins with a simple model that captures several sorts of uncertainty-driven agglomeration. These include competitive instability, the need for skilled workers, and technological innovativeness. The model's key result is that firms facing more uncertainty will agglomerate with each other in large cities or industry clusters. Firms facing less uncertainty will be found in small cities or outside of clusters. The paper tests these ideas by employing survey data to see if establishments in large cities or industry clusters describe themselves as facing these sorts of uncertainty. The empirical results are consistent with the existence of all three of the agglomerative forces mentioned above. However, the forces operate in different ways. Competitive instability and technological innovativeness are associated with city size, while skill-orientation is associated with industry clustering.
[20]	孙瑜康, 李国平, 袁薇薇, 等. 创新活动空间集聚及其影响机制研究评述与展望 . 人文地理, 2017, 32(5): 17-24.URL [本文引用: 1]摘要 创新的空间集聚现象是创新活动最重要的空间特征之一。传统的基于经济学的创新研究框架忽视了空间的重要性，20世纪90年代以来，随着创新地理学的兴起，对创新集聚的空间问题研究得到大力扩展和延伸。本文围绕创新活动在空间上是否集聚、在哪里集聚、如何集聚等问题，从集聚化、本地化和网络化三个方面对创新集聚的空间特征进行了梳理，并归纳总结出影响创新集聚的五种机制：知识溢出、服务共享、高技能劳动力匹配、不确定性和竞争，在此基础上讨论了当前研究存在的问题，并提出了深化创新集聚空间特征研究、完善创新活动与区域及城市间的互动理论、推动对创新网络的测度与演化研究、加强创新集聚的微观机制及模型化工作等建议。 [Sun Yukang, Li Guoping, Yuan Weiwei, et al.The spatial concentration of innovation and its mechanisms: A literature review and prospect. Human Geography, 2017, 32(5): 17-24.]URL [本文引用: 1]摘要 创新的空间集聚现象是创新活动最重要的空间特征之一。传统的基于经济学的创新研究框架忽视了空间的重要性，20世纪90年代以来，随着创新地理学的兴起，对创新集聚的空间问题研究得到大力扩展和延伸。本文围绕创新活动在空间上是否集聚、在哪里集聚、如何集聚等问题，从集聚化、本地化和网络化三个方面对创新集聚的空间特征进行了梳理，并归纳总结出影响创新集聚的五种机制：知识溢出、服务共享、高技能劳动力匹配、不确定性和竞争，在此基础上讨论了当前研究存在的问题，并提出了深化创新集聚空间特征研究、完善创新活动与区域及城市间的互动理论、推动对创新网络的测度与演化研究、加强创新集聚的微观机制及模型化工作等建议。
[21]	Berliant M, Reed R R, Wang P.Knowledge exchange, matching, and agglomeration. Journal of Urban Economics, 2006, 60(1): 69-95.https://doi.org/10.1016/j.jue.2006.01.004URL [本文引用: 1]摘要 Despite wide recognition of their significant role in explaining sustained growth and economic development, uncompensated knowledge spillovers have not yet been fully modeled with a microeconomic foundation. This paper illustrates the exchange of knowledge as well as its consequences for agglomerative activity in a general-equilibrium search-theoretic framework. Agents, possessing differentiated types of knowledge, search for partners to exchange ideas in order to improve production efficacy. Contrary to previous work, we demonstrate that a decentralized equilibrium may be underpopulated or overpopulated and underselective or overselective in knowledge exchange, compared to the social optimum.
[22]	Cooke P.Regional innovation systems: Competitive regulation in the new Europe. Geoforum, 1992, 23(3): 365-382.https://doi.org/10.1016/0016-7185(92)90048-9URL [本文引用: 1]摘要 ABSTRACT This paper is concerned with the concept of regulation. Formerly, economic regulation was seen as a necessary corrective to capitalism's cyclical and spatially variable tendencies, enabling a competitive system of economic activity to remain in place without collapsing under the strains of its own internal centrifugal forces. Increasingly, the role of regulation has been reinterpreted, being viewed either as a major source of unnecessary restraint upon enterprise or as a necessary element in enabling firms to compete more effectively. This paper examines the role regulation can play as a form of proactive support for industry. It does so in three key sections. The first focusses upon three different approaches to regional innovation, drawing on material evidence from Japan, Germany and France. The second focusses upon regional innovation within the United Kingdom, with particular reference to Wales. The third reports upon developments which have attempted to move the microregulatory structure of Wales towards European best practice within the sphere of regional innovation through a process of earning through interaction with more dynamic, institutionally networked regions in Europe. The main conclusions of the paper are that such interactive learning can produce evidence of very rapid institutional reactions, although there is a time lag before the economic performance and dynamism of business is harmonized across regions. Nevertheless, the case of regulatory intervention in the development of a network innovation system in Wales testifies to the importance of a regulatory perspective which is equal to tackling the liberating, as well as the controlling, dimensions of regulatory activity.
[23]	Porter M E.Clusters and the New Economics of Competition. Boston: Harvard Business Review, 1998. [本文引用: 1]
[24]	Henderson V, Kuncoro A, Turner M.Industrial development in cities. Journal of Political Economy, 1995, 103(5): 1067-1090.https://doi.org/10.1086/262013URL [本文引用: 1]
[25]	Baptista R, Swann P.Do firms in clusters innovate more?. Research Policy, 1998, 27(5): 525-540.https://doi.org/10.1016/S0048-7333(98)00065-1URL摘要 This paper analyses whether firms located in strong industrial clusters or regions are more likely to innovate than firms outside these regions. The study examines innovative activity using a database of innovations in the UK. The innovative record of 248 manufacturing firms during 8 years (1975 1982) is examined and related to employment in the region where they are located, and other variables. The results show that a firm is considerably more likely to innovate if own-sector employment in its home region is strong. On the other hand, the effect of strong employment in other industries does not appear to be significant. This may indicate that congestion effects outweigh any benefits that may come from diversification within clusters. The limitations of the data, however, do not allow for any definitive conclusion.
[26]	吴玉鸣. 大学, 企业研发与首都区域创新的局域空间计量分析 . 科学学研究, 2006, 24(3): 398-404.https://doi.org/10.3969/j.issn.1003-2053.2006.03.014 [本文引用: 1]摘要 运用空间计量经济学的空间变系数回归模型--地理加权回归模型,在全国31个省级区域创新系统的大背景下,着重对首都区域创新及其影响因素进行了空间计量经济分析。全域估计结果发现:中国31个省域创新能力的贡献主要是由企业研发投入实现,大学研发对区域创新能力没有明显的贡献,大学研发与企业研发的结合也没有对区域创新表现出显著的作用。局域地理加权回归计量分析结果显示:首都地区的企业研发能力和人力资本对首都区域创新能力具有正向促进作用,首都强大的研发成果没能近距离扩散,对首都创新能力的形成没有提供应有的贡献。寻求建立大学研发与企业研发之间的技术转移渠道及相互作用机制是目前首都地区大学、企业研发与区域创新联动面 [Wu Yuming.A local spatial econometric analysis of university enterprise R&D and regional innovation of the capital. Studies in Science of Science, 2006, 24(3): 398-404.]https://doi.org/10.3969/j.issn.1003-2053.2006.03.014 [本文引用: 1]摘要 运用空间计量经济学的空间变系数回归模型--地理加权回归模型,在全国31个省级区域创新系统的大背景下,着重对首都区域创新及其影响因素进行了空间计量经济分析。全域估计结果发现:中国31个省域创新能力的贡献主要是由企业研发投入实现,大学研发对区域创新能力没有明显的贡献,大学研发与企业研发的结合也没有对区域创新表现出显著的作用。局域地理加权回归计量分析结果显示:首都地区的企业研发能力和人力资本对首都区域创新能力具有正向促进作用,首都强大的研发成果没能近距离扩散,对首都创新能力的形成没有提供应有的贡献。寻求建立大学研发与企业研发之间的技术转移渠道及相互作用机制是目前首都地区大学、企业研发与区域创新联动面
[27]	Glaeser E L, Kallal H D, Scheinkman J A, et al.Growth in cities. Journal of Political Economy, 1992, 100(6): 1126-1152.https://doi.org/10.1086/261856URL [本文引用: 2]
[28]	李学鑫, 苗长虹. 多样性, 创造力与城市增长 . 人文地理, 2009, 24(2): 7-11. [本文引用: 1] [Li Xuexin, Miao Changhong.Diversity, creativity and urban growth. Human Geography, 2009, 24(2): 7-11.] [本文引用: 1]
[29]	Paci R, Usai S.Externalities, knowledge spillovers and the spatial distribution of innovation. GeoJournal, 1999, 49(4): 381-390.https://doi.org/10.1023/A:1007192313098URL [本文引用: 1]摘要 The aim of the paper is to investigate the process of spatial agglomeration of innovation and production activities and to assess the extent to which the degree of specialisation or diversity externalities in the area may affect the innovative output in a particular local industry. The analysis is carried out thanks to an original databank on innovation and production activity across 85 industrial sectors and 784 Italian Local Labour Systems, which are groupings of municipalities characterised by a high degree of self-contained flows of commuting workers. According to the global and local indicators of spatial association there are clear signs of spatial correlation in the distribution of innovation activities. The econometric analysis shows that the two types of externalities – specialisation and urbanisation economies – are both effective. Moreover, we find evidence for knowledge spillovers since technological activities of a local industry influence positively innovations of the same sectors in contiguous areas.
[30]	Schumpeter J A.The Theory of Economic Development. Cambridge, MA: Harvard University Press, 1934. [本文引用: 1]
[31]	Audretsch D B, Lehmann E E, Warning S.University spillovers and new firm location. Research Policy, 2005, 34(7): 1113-1122.https://doi.org/10.1016/j.respol.2005.05.009URL [本文引用: 1]摘要 This paper examines the impact of locational choice as a firm strategy to access knowledge spillovers from universities. Based on a large dataset of publicly listed, high-technology startup firms in Germany, we test the proposition that proximity to the university is shaped by different spillover mechanisms—research and human capital—and by different types of knowledge spillovers—natural sciences and social sciences. The results suggest that spillover mechanisms as well as spillover types are heterogeneous. In particular, the evidence suggests that new knowledge and technological-based firms have a high propensity to locate close to universities, presumably in order to access knowledge spillovers. However, the exact role that geographic proximity plays is shaped by the two factors examined in this paper—the particular knowledge context, and the specific type of spillover mechanism.
[32]	Tallman S, Jenkins M, Henry N, et al.Knowledge, clusters, and competitive advantage. Academy of Management Review, 2004, 29(2): 258-271.https://doi.org/10.5465/AMR.2004.12736089URL [本文引用: 1]摘要 Researchers in international strategy are increasingly investigating the role of regional clusters as features of international industry, most concerned with the competitive role of clusters and the competitive interactions among cluster firms. We look instead at knowledge sharing between firms through the medium of untraded interdependencies--knowledge exchanged informally and without explicit compensation. We specifically address knowledge development at the firm and the cluster level and examine the role of knowledge stocks and flows in establishing competitive advantage for clusters and firms.
[33]	Fischer M M, Varga A.Spatial knowledge spillovers and university research: Evidence from Austria. The Annals of Regional Science, 2003, 37(2): 303-322.https://doi.org/10.1007/s001680200115URL [本文引用: 1]摘要 This paper provides some evidence on the importance of geographically mediated knowledge spillovers from university research activities to regional knowledge production in high-technology industries in Austria. Spillovers occur because knowledge created by universities has some of the characteristics of public goods, and creates value for firms and other organisations. The paper lies in the research tradition that finds thinking in terms of a production function of knowledge useful and looks for patents as a proxy of the `output' of this process, while university research and corporate R&D investment represent the `input' side. We refine the classical regional knowledge production function by introducing a more explicit measure to capture the pool of relevant spatial academic knowledge spillovers. A spatial econometric approach is used to test for the presence of spatial effects and when needed to implement models that include them explicitly. The empirical results confirm the presence of geographically mediated university spillovers that transcend the spatial scale of political districts. They, moreover, demonstrate that such spillovers follow a clear distance decay pattern.
[34]	Ronde P, Hussler C.Innovation in regions: What does really matter?. Research Policy, 2005, 34(8): 1150-1172.https://doi.org/10.1016/j.respol.2005.03.011URL [本文引用: 1]摘要 The literature on systems of innovation conceptualises innovation as an evolutionary and social process of collective learning. But three main questions remain open: is this learning process rather internal or external? What are the boundaries of this process? Is this social process voluntary or rather unintended? This paper strives to tackle those questions by analysing the determinants of regional innovative levels in French manufacturing industries. By estimating a knowledge production function we find that building external interactions is of greater importance than developing internal innovative competences. Second, unintended knowledge flows have less influence on regional innovative performance than deliberate ones. Lastly, the French innovation system looks regional rather than sectoral.
[35]	LeSage J P, Pace R K. Interpreting spatial econometric models. In: LeSage J P, Pace R K. Handbook of Regional Science. Berlin Heidelberg: Springer, 2014: 1535-1552. [本文引用: 1]
[36]	Gerlach H, R?nde T, Stahl K.Labor pooling in R&D intensive industries. Journal of Urban Economics, 2009, 65(1): 99-111.https://doi.org/10.1016/j.jue.2008.10.001URL [本文引用: 1]
[37]	Audretsch D B, Feldman M P.R&D spillovers and the geography of innovation and production. The American Economic Review, 1996, 86(3): 630-640. [本文引用: 1]