中国高新技术产业开发区的知识基础及其创新效应——基于国家级高新区上市企业的研究

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

林剑铬¹, 夏丽丽^,¹^,², 蔡润林³, 蔡虹绮¹

1.华南师范大学地理科学学院,广州510631

2.华南师范大学粤港澳大湾区村镇可持续发展研究中心,广州510631

3.中山大学地理科学与规划学院,广州510275

The knowledge bases of China's High-Tech Industrial Development Zones and their effects on innovation: A study on the listed enterprises

LIN Jiange¹, XIA Lili^,¹^,², CAI Runlin³, CAI Hongqi¹

1. School of Geography, South China Normal University, Guangzhou 510631, China

2. Research Center for Sustainable Development of Villages and Towns in Guangdong-Hong Kong-Macao Greater Bay Area, South China Normal University, Guangzhou 510631, China

3. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China

通讯作者: 夏丽丽（1975-）,女,安徽寿县人,博士,副研究员,硕士生导师,主要研究方向为产业空间演变、创新与区域发展。E-mail: hslily@163.com

收稿日期:2019-11-11接受日期:2020-06-2网络出版日期:2021-02-10

基金资助:

国家自然科学基金项目.41001079
广东省软科学项目.2016A070705050

Received:2019-11-11Accepted:2020-06-2Online:2021-02-10
作者简介 About authors
林剑铬（1995-）,男,广东德庆人,硕士研究生,主要研究方向为城市与区域创新,产业创新的空间组织与演变过程。E-mail: 2018022328@m.scnu.edu.cn

摘要
以国家级高新区上市企业为主体,量化划分知识基础类型并以之反映高新区知识基础属性。建立多元线性和地理加权回归模型,通过技术收入、产品销售收入和商品销售收入探究高新区知识基础属性的创新效应。结果表明：① 对样本企业的聚类分析在传统知识基础类型的基础上识别并定义了新的“效率型”知识基础;② 对高新区技术收入的增加,知识基础均衡化呈负效应,其强度由南往北逐渐增强,解析型知识基础专业化只在局部高新区呈正效应;③ 对高新区产品销售收入的增加,知识基础均衡化的效应为正且强度由中部向南北两侧渐增,象征型知识基础专业化呈负效应且相对集中于南部;④ 企业数量超过“门槛”值时,象征型知识基础专业化有利于商品销售收入增加。
关键词： 知识基础;高新技术产业开发区;企业;创新效应;聚类分析;地理加权回归

Abstract

In China, High-Tech Industrial Development Zones (HTIDZs) are industrial spatial agglomerations acting as the contributors to technological change and economic development. However, some current major issues, e.g. ‘enterprises’, the practical actors underpinning knowledge absorption and production of HTIDZs, are rarely discussed in previous literature. From the perspective of enterprises, lack of research is therefore leading to the inadequate cognition to the heterogeneity of knowledge bases and their effects on innovation. In this study, the listed enterprises located in state-level HTIDZs are utilized as microcosmic subjects. By implementing a cluster analysis based on data sets of the above-mentioned enterprises, we come up with a typology of knowledge bases, which may enable the classification of enterprise knowledge bases and presentations of HTIDZ knowledge base attributes. In order to further explore the effects of knowledge base attributes on innovation competitiveness, a multiple linear regression model is established for demonstration of the relatedness between knowledge base attributes and Commodity Sales Income of HTIDZs. Correspondingly, two geographically weighted regression models are constructed and applied when Technical Income and Product Sales Income are respectively taken as dependent variables. The results indicate that: (1) “efficient” knowledge base, distinct from “analytical” knowledge base, “synthetic” knowledge base and “symbolic” knowledge base that have been highlighted in previous literature, is identified and defined based on the cluster analysis of enterprises. (2) For HTIDZ, proportional equalization of knowledge bases inhibits the increase of Technology Income, and from the south to the north, the intensity of such inhibiting effect is strengthened. Specialization of analytical knowledge base has motivating effect for the increase of Technology Income while only a few HTIDZs are under discussion. (3) For HTIDZ, proportional equalization of knowledge bases is an effective way to increase Product Sales Income. It is illustrated that such influence tends to be gradually enhanced from the middle to the north and the south. The relative concentration of symbolic knowledge base goes against the improvement of product competitiveness, especially in southern China. (4) For those HTIDZs whose enterprise quantities outnumber a certain threshold, the promotion of specialization of symbolic knowledge base contributes to the growth of Commodity Sales Income. Policy making which aims to foster innovation capabilities of HTIDZs may benefit from this research under the view of “enterprises-knowledge”.

Keywords：knowledge bases;High-Tech Industrial Development Zones;enterprises;effects on innovation;cluster analysis;geographical weighted regression

PDF (2636KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
林剑铬, 夏丽丽, 蔡润林, 蔡虹绮. 中国高新技术产业开发区的知识基础及其创新效应——基于国家级高新区上市企业的研究. 地理研究[J], 2021, 40(2): 387-401 doi:10.11821/dlyj020190979
LIN Jiange, XIA Lili, CAI Runlin, CAI Hongqi. The knowledge bases of China's High-Tech Industrial Development Zones and their effects on innovation: A study on the listed enterprises. Geographical Research[J], 2021, 40(2): 387-401 doi:10.11821/dlyj020190979

1 引言

高新技术产业开发区（高新区）作为高新技术企业与产业的空间载体,是国家政策支持下重点发展的前沿技术和智能密集区域。在知识经济背景下,以创新为根基的高新技术产业及其他新兴产业在特定区域内依托生产网络产生的外向联系与地方根植^[1,2,3,4],是经济地理学重要的研究议题。从高新技术产业对特定知识的需求、搜索、获取与再创造的动态出发,构建产业区基于创新能力的“竞争优势”^[5],也是建设与发展中国高新区、打造区域与国家创新体系的重要路径。

关于区域发展研究,有两种主流的理论建构视角,一是全球-区域-地方“纵向”的价值分布,二是集群层面“横向”的学习与互动,知识的流动能够链接不同的空间尺度^[6],促进两种理论视角的融合。在后工业时代,技术与人才超脱于传统的资本要素,成为区域经济发展的重要禀赋^[7,8,9],而创新的来源是知识——一种通过智力、教育、工作经验和人际互动而产生并不断更新的无限资源。技术进步与制度革新以知识为载体,知识的创造、发展、使用与传播也是技术溢出与人力资本外部性之间的连接渠道。因此,在为创新发展提供理论基础与决策依据方面,“知识”这一研究范畴极具潜力^[10]。

进入21世纪后,关于知识基础（knowledge base,又译作“知识基”）的研究兴起。欧洲经济地理****的成果在其中最具代表性,它们基于知识的分类^[11,12],将知识基础视为创新过程中输入的基本知识的类型或知识搜索、学习与创造模式的类型^[5,13-15]。Laestadius 最先提出解析型（analytical）和综合型（synthetic）两种知识基础^[16]。Asheim和 Coenen 进一步发展这种知识基础分类方法,并补充了象征型（symbolic）知识基础,形成目前学术界流行的知识基础的三分法^[17]。解析型知识基础指依赖科学知识,通过科学规律的发现和应用来理解和解释自然或社会系统,其主体有新型药物研发、生物技术、电子信息与通讯技术等行业;综合型知识基础往往基于工程知识,针对具体问题,应用或重组现有知识以研制新型器物或技术,其主体有船舶和汽车制造等较为复杂的工程制造、设备安装等行业;象征型知识基础是对符号化产品的文化内涵和审美属性的解译、设计、创造与传播,其主体有文娱、策划咨询、广告、设计、出版等行业^{[13,14,18,19]}。****们用知识基础分类的方法去解释创新地理中产业或行业间的特定差异与地区间的分异^[18,20,21],回答关于不同类型的知识基础在创新过程中的组织、协作模式、区位、邻近性及绩效等问题^[14,18,22]。正因知识基础明确地考虑了区域、产业及企业在经济活动中的交叉、转型特征^[21]和在创新网络中的交互内容^[23],在面向“区域创新系统”等实践概念时有很强的应用性。

截至2018年10月,经国务院批准（复）建设的国家级高新区数量达到169个 ( 其中包括享受国家高新区政策的苏州工业园,但由于其统计口径与其他高新区不一致,本文不将它纳入研究范围内。),经过多年经营,高新区显著推动了高新技术产业化进程和科技实力的进步^[24]。目前,针对高新区的研究已有不少成果,包括高新区与城市经济空间结构关系的理论分析^[25]、单个高新区土地利用绩效评价^[26]、运用数据包络分析进行宏观尺度的绩效评价^[27,28]、技术扩散空间效应的测度^[28]138-150等,但以企业为微观单元的实证研究仍然缺乏。高新区产业活动中最活跃的知识吸收与再生产主体是企业,它们在利用创新资源进行知识创造的方面存在异质性,这为反映区域和国家的创新能力和经济活力^[29]提供新的“企业-知识视角”。此外,在关于知识基础的研究中,许多文献选择质性分析^[18,30,31]或主观判断^[22,32,33]的方法去界定产业属于何种知识基础。以企业数据为基础建立系统的量化指标,可在一定程度上弥补该领域内定量化方法的不足^[22],提升知识基础分类的解释力和不同案例间的可比性。

至2018年底,114个国家级高新区拥有上市企业 (2 本文中的“上市企业”指在主板、中小板、创业板和新三板4个板块中上市的企业。),本文对上述企业的营业数据、知识产权数据和供应链数据进行聚类分析以识别并定义企业的知识基础类型,并通过多元线性回归和地理加权回归（GWR）模型探析上述高新区知识基础的属性对其创新竞争力的影响。这一通过微观企业主体的知识基础类型去反映区域知识基础属性的自下而上的研究逻辑,与从部门和国家创新系统出发的自上而下的研究视角互为补充^[23],也为进一步培育中国高新区的创新能力提供新的理论基础。

2 研究方法与数据来源

2.1 研究方法

2.1.1 企业知识基础的k均值聚类知识基础被看作“相同类型知识创造组织之间可以共享、共用的基础性的信息或知识”^[15],强调的是知识创造活动的“输入形式”与“知识存量”。但是,企业或产业活动的知识输入状态非常复杂而难以测度,隐性和显性知识不断相互融通和转化^[18];同时,知识基础不只是作为静态存在的知识客体,它更应被关注的是知识创造、使用等动态的属性^[14]。因此,本文采用“知识创造的成果”与通常被忽略的“知识创造的过程”去体现创新活动的本质特点。据此,从知识创造的投入、动力、研发绩效和经济绩效四个维度,使用k均值聚类法 (3 聚类分析是将数据划分成不同的类,同一个类中的数据对象彼此相似,而不同类中的数据对象的相似度较低,彼此相异。k均值聚类算法是一种典型的聚类算法,其思想简单、收敛速度快,已得到广泛的应用和研究。)对样本企业知识基础进行分类,其中最优k值（聚类数）由平均半径的手肘法 (4 理论上,对同一数据集按不同k值进行多次聚类,随着k值增大,类簇的平均半径会减小。但类簇的平均半径随k值增大的分布曲线呈现形似“弯曲手臂”的凹状,类簇平均半径减小速率显著降低的点（手肘）对应的k值即最贴合实际的聚类数。)确定;再通过单因素方差分析和T检验得到不同类知识基础企业之间的具体差异。企业知识基础聚类分析的维度及对应变量为：① 知识创造的投入,知识创造与创新必须要以一定的资源投入作为起点,包括资金和人力投入两个方面,前者用研发费用与营业收入之比度量,后者用技术人员员工数在总员工数中的占比和本科及以上学历员工数在总员工数中的占比度量,分别反映职能上的人力资本投入和对高学历人才的需求程度。② 动力,不同知识基础主体拥有差异化动力,可通过两方面度量,一是流动资产在总资产中的占比,反映资产构成情况,用以判断知识创造与固定要素投入或流动性资产的关联程度;二是前五大供应商总采购份额和前五大客户总销售份额,反映供应链上下游的营业份额集中度,用以表征知识创造需求的集中度。③ 研发绩效,包括创造的知识构成和知识创造的效率两方面。由于隐性知识难以量化,采用专利的三种类型——发明、实用新型和外观设计,分别对应解析型、综合型和象征型三种知识基础的主要显性知识成果,并以其在专利总数中的占比表示知识成果的构成类型。此外,发明公布数、发明授权数、实用新型数、外观设计数、商标数与研发费用之比分别衡量这几种知识产权的产出效率 (5 知识产权还包括著作权,但因为只有少数企业有著作权的记录数,故不纳入分析范围。)。④ 经济绩效,反映企业的盈利能力,以总资产净利率表示（表1）。

Tab. 1
表1
表1企业知识基础划分变量及指标
Tab. 1Variables and indicators for classifying enterprises knowledge bases

维度	层次	变量	指标
投入	资金	研发投入强度	研发费用/营业收入
	人力	本科及以上学历员工占比	本科及以上学历员工数/总员工数
		技术人员员工占比	技术人员员工数/总员工数
动力	资产流动性	流动资产占比	流动资产/总资产
	供应链上的交互	供应商份额集中度	前五大供应商总采购份额
		客户份额集中度	前五大客户总销售份额
研发绩效	创造的知识构成	发明占比	发明公布数/专利总数
		实用新型占比	实用新型数/专利总数
		外观设计占比	外观设计数/专利总数
	知识创造的效率	发明公布产出效率	发明公布数/研发费用
		实用新型产出效率	实用新型数/研发费用
		外观设计产出效率	外观设计数/研发费用
		发明授权产出效率	发明授权数/研发费用
		商标产出效率	商标数/研发费用
经济绩效	盈利能力	总资产净利率	总资产净利率

新窗口打开|下载CSV

2.1.2 不同知识基础类型的高新区创新效应的分析框架与变量选取高新区是以创新经济为导向的产业空间,其企业产出的产品与服务具有先进技术和智能密集的特性,所以其市场流通与占有情况在一定程度上反映了创新竞争力的大小,高新区企业营业收入数据与高新区的创新活动具有密切关联。营业收入主要包括技术收入、产品销售收入与商品销售收入。技术收入指企业全年用于技术转让、技术承包、技术咨询与服务、接受委托的科研收入等,直接反映科技创新成果的商务交流与合作情况;产品销售收入是制造业企业的产品出售或中介劳务所得,商品销售收入则反映了商业企业的创收水平,两者是高新技术产业化和市场化发展的重要指标。

高新区的知识基础属性主要通过两个方面影响技术收入、产品销售收入和商品销售收入：其一是体现某一类知识基础的专业化水平的区位商,即一个高新区中的某种知识基础企业数量占该高新区企业总数的比例与全国高新区中的该种知识基础企业数量占全国高新区企业总数的比例的比值,计算公式为：

（1）

L Q_{ab} = \frac{Nu m_{ab} / \overset{k}{\sum_{b}} Nu m_{ab}}{\overset{114}{\sum_{a}} Nu m_{ab} / \overset{114}{\sum_{a}} \overset{k}{\sum_{b}} Nu m_{ab}}

式中：

L Q_{ab}

为高新区a中b知识基础的区位商;

Nu m_{ab}

为高新区a中b知识基础的企业数。k为经聚类分析得到的知识基础类型数。

其二是体现知识基础均衡化水平的知识基础类型熵值,衡量高新区内不同类型知识基础企业组合的“混杂”程度,计算公式为：

（2）

IEK B_{a} = - \overset{k}{\sum_{b}} \frac{Nu m_{ab}}{\overset{k}{\sum_{b}} Nu m_{ab}} \ln \frac{Nu m_{ab}}{\overset{k}{\sum_{b}} Nu m_{ab}}

式中：

IEK B_{a}

为高新区a的知识基础类型熵值;

Nu m_{ab}

为高新区a中b知识基础的企业数;k为经聚类分析得到的知识基础类型数。

上述区位商与熵值的计算依据,一是高新区拥有哪些企业,二是经聚类分析得到的这些企业所属的知识基础类型。此外,借鉴相关研究^[34,35],本文认为企业个数、R&D人员全时当量、科技活动经费内部支出与高新区企业的营业收入均直接相关。

2.1.3 不同知识基础类型的高新区创新效应的多元回归模型以技术收入、产品销售收入和商品销售收入为因变量,以知识基础区位商和知识基础类型熵值为解释变量,以企业个数、R&D人员全时当量、科技活动经费内部支出等其他影响高新区营业收入的变量为控制变量,构建多元回归模型,探究知识基础属性对高新区的创新效应,模型包括普通多元线性回归和地理加权回归（GWR）两种。首先,如果OLS拟合的多元线性回归模型的Koenker标准化BP统计量通过检验,则自变量回归系数受地理位置影响,回归关系可能在地理空间上存在差异,应当采用GWR改进OLS拟合的模型,用局部参数估计探究回归关系的地理空间变异特征及规律;其次,当上述检验未通过,则回归关系在空间上平稳,直接对多元线性回归模型的结果作解读。多元线性回归模型如下：

（3）

y = α_{0} + \overset{p}{\sum_{h = 1}} α_{h} x_{h} + ε, h = 1,2, \dots, p

式中：

y

是因变量值;

α_{0}

是常数项;

α_{h}

是第h个回归系数;

x_{h}

为第h个自变量的值;p是自变量个数;

ε

是误差项。

GWR能够将数据的空间特性嵌入回归模型中,容许参数随空间位置变动而变化,模型设定如下^[36]：

（4）

y_{i} = β_{i 0} (u_{i}, v_{i}) + \overset{q}{\sum_{j = 1}} β_{ij} (u_{i}, v_{i}) x_{ij} + ε_{i, j} = 1,2 \dots, q

式中：

y_{i}

是样本i的因变量值;

(u_{i}, v_{i})

是样本i的点位置坐标;

β_{i 0} (u_{i}, v_{i})

是样本i的常数估计项;

β_{ij} (u_{i}, v_{i})

是样本i的第j个回归系数;

x_{ij}

是样本i的第j个自变量值;q是自变量个数;

ε_{i}

是误差项。

2.2 数据来源与评估

2.2.1 聚类分析的企业样本说明通过同花顺iFinD软件筛选,截至2018年底,拥有上市企业的114个国家级高新区内共有在主板、中小板、创业板和新三板上市的企业2663家（图1）。以之作为聚类分析的样本。国家级高新区给予入驻企业良好的政策优惠的同时,对企业的准入有较为严格的准则,入驻企业或被认定为高新技术企业,或与高新技术产业活动有密切关联。而在上述板块融资的企业大多数在资本市场运作良好,企业数据公开透明。因此选取的样本保证了代表性与数据可获得性。

图1

新窗口打开|下载原图ZIP|生成PPT
图1拥有上市企业的国家级高新区的位置分布与其上市企业数量

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2020)4619号）绘制,底图无修改。
Fig. 1The locations and quantities of listed enterprises of state-level High-Tech Industrial Development Zones

2.2.2 聚类分析的数据来源与处理企业知识基础的k均值聚类分析所用的研发费用、营业收入、本科及以上学历员工数、技术人员员工数、总员工数、流动资产、总资产和总资产净利率为企业的营业数据,摘自同花顺iFinD软件中的年报,具体数值均取2013—2017年的5年平均值;发明公布数、实用新型数、外观设计数、专利总数、发明授权数和商标数为企业的知识产权数据,摘自企查查网站（https://www.qichacha.com/）,具体数值均取2014—2018年的5年平均值;前五大供应商总采购份额和前五大客户总销售份额为企业的供应链数据,来源于企查查网站,受年份缺失影响,具体数值取2017年年报公布的数值。为了符合后续的方差分析与T检验对正态性和方差齐性的要求,对部分指标值作自然对数处理。

2.2.3 多元回归分析的数据来源与描述性统计高新区企业知识基础创新效应的多元回归分析中,因变量及控制变量值摘自《中国火炬统计年鉴2018》 (6 为2017年末的统计数据。),其描述性统计见表2。解释变量数值则须经聚类分析而获取。引入解释变量与控制变量的交互项,以观察控制变量对解释变量的调节效应 (7 当样本内部的规模差异较大,交互项可用以分析不同规模（控制变量）对知识基础属性创新效应的调节作用。)。

Tab. 2
表2
表2多元回归模型因变量与控制变量的描述统计
Tab. 2Descriptive statistics of dependent variables and control variables in multiple regression models

变量名		观测数	平均数	标准差	最大值	最小值
因变量1	技术收入(亿CNY)	114	285.24	992.42	9369.58	0.00
因变量2	产品销售收入(亿CNY)	114	1729.30	2354.11	15934.18	30.97
因变量3	商品销售收入(亿CNY)	113	266.16	1561.71	16406.14	0.07
控制变量	企业个数	114	821.96	2181.80	22013.00	26.00
	R&D人员全时当量(man $?$ yr)	114	13083.49	24089.21	182450.00	66.00
	科技活动经费内部支出(亿CNY)	114	83.23	229.14	2100.90	1.05

注：阜新高新技术产业开发区的商品销售收入数据缺失,因此商品销售收入观测数为113。

新窗口打开|下载CSV

3 实证结果分析

3.1 国家级高新区上市企业的知识基础分类

聚类分析结果显示,最优k值为4,2663个样本被划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四类,数量（比例）分别为673(25.27%)、709(27.38%)、534(20.05%)、747(28.05%)。在聚类分析中,系统从样本总体中随机抽取4家企业作为初始聚类中心,依次将其他的企业划分到与其最近的初始聚类中心所在的类中,重新计算每个聚类的中心,迭代上述聚类过程直到聚类中心不再发生变化,便得到最终聚类中心。初始聚类中心和最终聚类中心皆显示,发明占比相对最高的是Ⅰ类,实用新型占比相对最高的是Ⅱ类,外观设计占比相对最高的是Ⅲ类（表3）。已有研究表明,解析型创造的知识以显性知识为主,主要体现为专利,尤其是发明专利,综合型创造的知识除隐性知识外,也有显性知识,如实用新型专利等,象征型创造的知识有强隐性特征,但也不排除会将知识显性化^[14,18],如外观设计专利、商标等。因此,可将发明占比、实用新型占比和外观设计占比作为聚类的标志变量,确定Ⅰ类为解析型,Ⅱ类为综合型,Ⅲ类为象征型。Ⅳ类在3个标志变量的数值方面未表现出相对优势,需要进一步分析后定义。

Tab. 3
表3
表3三类专利的聚类中心及其在聚类中的方差分析结果
Tab. 3Aggregation centers and results of analysis of variance of three kinds of patents

	初始聚类中心				最终聚类中心				F值	P值
	Ⅰ	Ⅱ	Ⅲ	Ⅳ	Ⅰ	Ⅱ	Ⅲ	Ⅳ	F值	P值
标志变量
发明占比	1.00	0.00	0.00	0.11	0.57	0.46	0.45	0.40	34.17^**	0.00
实用新型占比	0.00	1.00	0.00	0.44	0.43	0.52	0.35	0.41	19.14^**	0.00
外观设计占比	0.00	0.00	1.00	0.44	0.00	0.02	0.20	0.19	196.94^**	0.00
企业数量	673	709	534	747	673	709	534	747

注：^**表示通过显著性水平为0.01的检验。

新窗口打开|下载CSV

单因素方差分析及事后T检验（LSD）证实,在知识创造的投入、知识创造的动力,创造的知识构成、知识创造的效率和盈利能力方面,四种知识基础在统计上存在不同程度、不同表现形式的分异 (8 所有聚类变量均通过单因素方差分析F检验（0.01显著性水平）,证明对于所有变量,4个聚类之间的差异具有统计意义。)。将四种知识基础的所有变量的最终聚类中心作标准化处理后 (9 对每一个变量,采用该变量的样本总体均值与标准差作为4个聚类中心标准化处理的参数。),计算变量相对值大小（图2）。

图2

新窗口打开|下载原图ZIP|生成PPT
图2四种知识基础的聚类变量相对值大小的比较

Fig. 2Comparison of relative values of four knowledge bases' clustering variables

由图2可知,Ⅳ类的资金与人力投入并不突出,但发明公布、发明授权、实用新型、外观设计的产出效率均为最高,因此其决定性特征并非知识构成,而是知识创造的效率。故将Ⅳ类定义为效率型（efficient）。在四种知识基础类型中,解析型与象征型的知识创造投入表现相对突出,解析型研发投入强度较高,象征型则在高学历员工占比与技术人员占比方面占优;综合型与效率型则处于落后位置。在知识创造的动力方面,象征型的资产流动性明显比另外三者更强。效率型的供应商与客户份额集中度最小,表明它更依赖分散的、多源的供应商和客户信息,象征型的供应商份额集中度和综合型的客户份额集中度最大,表明象征型更为看重关键供应商的信息传导,而综合型的知识创造更多地考虑重点客户的信息反馈。在知识创造成果的类型构成上,解析型、综合型与象征型的优势分别是发明、实用新型与外观设计,体现了三者专业化的特征,效率型三种专利类型的比例较为接近象征型。与此相对应,解析型的发明公布与发明授权产出效率处于领先地位;然而综合型的实用新型产出效率、象征型的外观设计产出效率并不突出;效率型的发明公布、发明授权、实用新型、外观设计的产出效率均最高;在商标产出效率方面,象征型最高,解析型与效率型紧随其后,综合型远远落后,反映各类型知识基础对“品牌效应”追逐的差异。由此,可总结四种知识基础的基本特征为：① 解析型知识基础的发明占比相对大,发明公布与发明授权创造效率相对高;倾向于将知识“商业化”形成商标;知识创造依赖于研发资金投入,也很需要高学历人才与技术型人才;盈利能力强。代表性行业 (10 此处的行业标准为证监会的行业标准,上市企业的行业归属是根据其主要经营活动划分的,行业标准与《国民经济行业标准》几乎相同,但精细度只到达二级行业。)有研究和试验发展、医药制造业、化学原料和化学制品制造业。② 综合型知识基础的实用新型占比相对大;不太重视商标产出;对人力资本中的学历、经验与实操能力有一定需求;知识的创造更看重重点客户需求;盈利能力中等。代表性行业有土木工程建筑业、铁路、船舶、航空航天和其他运输设备制造业。③ 象征型知识基础的外观占比相对大;商标产出效率最高;对人力资本的要求高,这符合所谓“创意产业”的“高人力资本倾向”^[37];知识创造更多地被重点供应商提供的信息驱动;盈利能力稍弱。代表性行业有互联网和相关服务、商务服务业。④ 效率型知识基础各专利的比例较为均衡;除商标外各类知识成果的创造效率皆最高;研发资金与人力资本投入处于较低水平;更依赖于分散的、多源的供应商和客户信息;盈利能力较强。代表性行业有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、仪器仪表制造业等高技术含量的制造业。它在行业分布上与综合型相似,但知识结构更均衡,又在投入相对低的条件下取得比解析型更强的知识成果产出,可推测它为出现于中国国家级高新区的,综合型知识基础的优化形态。

3.2 不同知识基础类型的高新区创新效应

3.2.1 OLS多元线性回归模型与GWR模型的合理性检验与估算分别以技术收入、产品销售收入和商品销售收入为因变量,构建多元回归方程。以解释变量、控制变量、解释变量与控制变量的交互项为可供筛选的自变量。对自变量进行筛选的思路分为两种：① 优先通过“向前步进”逐步回归,使模型通过Koenker标准化BP检验,识别具有空间相关性的自变量组合,再以之为自变量构建GWR模型分析回归关系的空间差异;② 当无法使模型通过Koenker标准化BP检验时,则保留逐步回归方法选出的显著的自变量组合。两种筛选方法皆保证模型不具有严重的多重共线性。最终,3个OLS模型和2个GWR模型（表4）被纳入进一步的讨论。其中,模型1与模型3的Koenker标准化BP检验表明,两者均在0.01水平下显著,存在空间非平稳性,使用GWR方法改进模型1,得到模型2,探究其自变量在不同地理位置 (11 GWR模型中的样本地理位置取114个国家级高新区所在城市市政府的地理坐标。)对技术收入的影响效应,改进模型3得到模型4,探究其自变量在不同地理位置对产品销售收入的影响效应。模型5的Koenker标准化BP统计量未通过检验,故采用OLS拟合的结果,其调整R²为0.96,Durbin-Watson值为1.88,总体拟合程度较高而且残差无明显相关性。

Tab. 4
表4
表4OLS多元线性回归与GWR模型的参数估计与拟合检验
Tab. 4Parameter estimations and fitting tests of OLS multiple linear regression models and GWR models

	因变量：技术收入		因变量：产品销售收入		因变量：商品销售收入
	模型1(OLS)	模型2(GWR)	模型3(OLS)	模型4(GWR)	模型5(OLS)
参数估计
截距	-115.76		70.78		90.98^*
解析型区位商	46.83	13.16%
综合型区位商	51.32	2.63%
象征型区位商	78.34	0.88%	-180.56	18.42%	-140.92^**
效率型区位商
知识基础类型熵值	-289.71^**	87.72%	1125.20^**	85.96%
R&D人员全时当量	0.04^**	100%^**			-0.01^**
科技活动经费内部支出			8.73^**	100%^**
象征型区位商×企业个数					0.57^**
拟合检验
Koenker (BP)统计量	75.84^**		75.62^**		1.66
F值	113.00^**	7.97^**	188.98^**	5.69^**	970.74^**
调整R²	0.83	0.94	0.83	0.91	0.96
Akaike 信息准则	1702.23	1613.31	1896.10	1842.80
残差平方和	17859572.82	5186350.54	101761953.88	47175005.30

注：1、解释变量为解析型区位商、综合型区位商、象征型区位商、效率型区位商、知识基础类型熵值;其余自变量为控制变量或控制变量与解释变量的交互项;2、^*和^**分别表示通过显著性水平为0.05和0.01的检验;3、GWR模型中,参数估计显示的是0.1显著性水平下变量参数的T检验通过率（参数通过检验的样本占全部样本的比例）,参数估计的^**表示变量通过显著性水平为0.01的F检验（存在空间非平稳性）。

新窗口打开|下载CSV

模型2与模型4皆采用AIC准则法确定最优带宽,并以高斯核函数构造空间权重,两模型通过显著性水平为0.05的F检验,表明模型整体存在空间非平稳性。模型2相比于模型1、模型4相比于模型3,调整R²明显提高,残差平方和、Akaike信息准则明显下降,表明GWR模型的拟合效果比OLS模型更好。另外,对残差的空间自相关性检验结果显示,模型2与模型4的莫兰Ⅰ指数分别为-0.05（P值0.313）和-0.08（P值0.120）,可认为残差在空间上是随机分布的,GWR模型设置合理,不缺失关键变量。3.2.2 对技术收入的影响由表4可知,在模型2中,只有控制变量R&D人员全时当量通过了F检验（存在空间非平稳性,其回归系数随空间变化而波动）,并且全部样本的R&D人员全时当量回归系数通过T检验（对因变量的影响显著）,表明该变量存在对技术收入的空间效应。87.72%和13.16%的样本分别通过知识基础类型熵值和解析型区位商回归系数T检验,这两个解释变量对因变量也有一定程度的影响。而综合型区位商和象征型区位商T检验通过率过低（低于10%）,分析其影响效应的意义不大。控制变量和两个解释变量的标准化回归系数的空间分布如图3所示（回归系数按照自然断裂法分组）。

图3

新窗口打开|下载原图ZIP|生成PPT
图3以技术收入为因变量的GWR模型（模型2）自变量的回归系数的空间分布

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2020)4619号）绘制,底图无修改。
Fig. 3The spatial distributions of regression coefficients of independent variables in the GWR model with Technical Income as dependent variable (Model 2)

结合图3与上文可知,R&D全时人员当量的回归系数全部显著为正,说明研发的人力资本投入的增加有效推动技术收入的增加,回归系数由南向北递增。基于R&D人员全时当量回归系数的自然断裂分组,进一步把高新区分为南部低值类、中部中值类、北部高值类,在此基础上探究高新区的知识基础类型熵值和解析型区位商的创新效应差异,结果如表5所示。

Tab. 5
表5
表5模型2中解释变量回归系数的显著性差异
Tab. 5Significance differences of regression coefficients of explanatory variables in Model 2

基于控制变量回归系数分组的高新区分类	南部低值类 (501.37~688.73)	中部中值类 (703.87~971.99)	北部高值类 (998.98~1242.28)
高新区样本数	36	34	44
知识基础类型熵值
回归系数T检验通过率(%)	61.11	100.00	100.00
显著的回归系数最小值	-97.73	-147.41	-221.16
显著的回归系数最大值	-69.91	-63.24	-78.86
显著的回归系数均值	-76.06	-84.25	-125.90
解析型区位商
回归系数T检验通过率(%)	22.22	0.00	15.91
显著的回归系数最小值	67.06	-	63.69
显著的回归系数最大值	81.29	-	89.34
显著的回归系数均值	74.40	-	76.88

注：T检验通过率指在各分类高新区样本中,回归系数通过T检验（0.1显著性水平）的样本所占比例。

新窗口打开|下载CSV

变量的回归系数T检验通过率表示变量效应的存在情况,而显著的回归系数最小值、最大值、均值则反映效应的强度。据表5,知识基础类型熵值回归系数T检验通过率较高,而且显著的回归系数均为负,说明对于大部分高新区,知识基础主体均衡程度的提高不利于其技术收入的增加。就科技创新成果的商务交流与合作而言,知识基础的均衡发展无法起到促进作用,相反更需要特定类型的知识基础的主导。随着R&D人员全时当量回归系数由南往北增大,知识基础类型熵值的T检验通过率升高,且显著的回归系数的绝对值呈增大趋势,即知识基础均衡化对技术收入的负效应逐渐增强。解析型区位商回归系数T检验通过率较低,通过T检验的系数为正,其样本主要属于南部低值类与北部高值类,表明重视科学知识生产的解析型知识基础在一定程度上推动了技术收入的提高,而这种正效应只存在于部分高新区。

3.2.3 对产品销售收入的影响据表4,在模型4中,同样只有控制变量科技活动经费内部支出通过F检验,并且全部样本的该变量回归系数通过T检验,表明它也是唯一对产品销售收入具有空间效应的变量。知识基础类型熵值和象征型区位商的T检验通过率分别为85.96%和18.42%。控制变量和两个解释变量的标准化回归系数的空间分布如图4所示（回归系数按照自然断裂法分组）。

图4

新窗口打开|下载原图ZIP|生成PPT
图4以产品销售收入为因变量的GWR模型（模型4）自变量的回归系数的空间分布

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2020)4619号）绘制,底图无修改。
Fig. 4The spatial distributions of regression coefficients of dependent variables in the GWR model with Product Sales Income as dependent variable (Model 4)

据上文与图4,科技活动经费内部支出的回归系数全部显著为正,内源的科技活动投入有效推动产品销售收入的增加,回归系数由中部向南北两侧递减。基于科技活动经费内部支出回归系数的自然断裂分组,把高新区分为南部中值类、中部高值类和北部低值类。由表6可知,知识基础类型熵值回归系数T检验通过率较高,而且显著的回归系数都为正,表明大部分高新区的知识基础主体均衡程度对产品竞争力产生正向效应。产品销售收入既包含了制造与加工过程带来的收益,也包括符号与审美元素转化而成的价值,因此在知识的需求上更为多元。随着科技活动经费内部支出回归系数由中部向南北两侧降低,知识基础类型熵值的T检验通过率呈升高趋势,且显著回归系数的绝对值增大,即知识基础均衡化对产品销售收入的正效应逐渐增强。象征型区位商的回归系数T检验通过率较低,显著的样本主要集中在南部中值类,通过T检验的回归系数为负,表明对于大部分南部中值类高新区,其象征型区位商的专业化不利于产品销售收入的增加,这可能是象征型知识基础对其他类型知识基础的挤占作用所致。

Tab. 6
表6
表6模型4中解释变量回归系数的显著性差异
Tab. 6Significance differences of regression coefficients of explanatory variables in Model 4

基于控制变量回归系数分组的高新区分类	南部中值类（2151.90~3031.03)	中部高值类 (2916.38~3782.12)	北部低值类 (1623.29~2902.91)
高新区样本数	23	40	51
知识基础类型熵值
回归系数T检验通过率(%)	100.00	60.00	100.00
显著的回归系数最小值	289.77	159.38	238.76
显著的回归系数最大值	496.28	393.47	612.98
显著的回归系数均值	436.78	267.26	379.98
象征型区位商
回归系数T检验通过率(%)	73.91	10.00	0.00
显著的回归系数最小值	-304.98	-223.39	-
显著的回归系数最大值	-210.13	-178.53	-
显著的回归系数均值	-283.98	-210.00	-

注：T检验通过率指在各分类高新区样本中,回归系数通过T检验（0.1显著性水平）的样本所占比例。

新窗口打开|下载CSV

3.2.4 对商品销售收入的影响模型5的估算结果表明,企业个数对象征型区位商的调节作用显著且为正（0.57）,但具体到象征型区位商对商品销售收入的偏效应（实际影响）时,须结合企业个数的具体数值（如均值）进行计算。因为企业个数的分布呈偏态,所以选取其上下四分位数、中位数和部分百分位数作为特征数据,描述偏效应变化的趋势。结果显示,当企业个数大于等于402时,象征型区位商对商品销售收入的偏效应显著为正,随着企业个数的上升,正向影响被放大。当企业个数达到801时,象征型区位商每增大1,商品销售收入相应提高317.33亿元（表7）。象征型区位商的创新效应虽然不具有地理差异性,但受高新区规模的制约,对于企业数超过一定门槛的高新区而言,象征型区位商的增大意味着商品销售收入的增加。这种“规模效应”与象征型知识基础的性质有关,为了创收,象征型企业不只注重商品销售活动本身,亦看重跨部门、跨产业与跨企业的思维碰撞与非正式交流^[13],这就需要多样化的创新主体与宽松的产业环境,即所在高新区具备一定规模。此外,R&D人员全时当量对商品销售收入的影响显著为负（-0.01）,一般来说,研发投入越多,产品尤其是新产品的销售额越高,但商品销售收入与商业活动的关系密切,商品销售需要象征型的知识创造活动,以解析型或综合型知识创造为目的的R&D反而可能对之有“挤出效应”,不利于商品销售收入的增加。

Tab. 7
表7
表7模型5象征型区位商的偏效应分析
Tab. 7The analysis of partial effects of symbolic location quotient in Model 5

企业个数		象征型区位商的偏效应
累计百分比	数值	象征型区位商的偏效应
0.25	178.00	-39.12
0.50	340.50	53.82
0.55	402.00	88.99^*
0.75	801.25	317.33^**

注：^*和^**分别表示通过显著性水平为0.05和0.01的检验。

新窗口打开|下载CSV

4 结论与讨论

在知识经济中,知识的创造、流动、应用和转化是国家与区域创新发展的中枢。国家级高新区是国家与区域高新技术产业活力的重要来源,对其发展的研究应与知识紧密结合。基于知识基础理论,本研究识别了国家级高新区内的上市企业在知识创造过程与成果方面的异质性,并自下而上地反映高新区的知识基础属性,探析高新区知识基础属性对其创新竞争力的影响。具体结论如下：

（1）国家级高新区上市企业的知识基础可分为解析型、综合型、象征型和效率型四种。解析型是知识创造以发明专利为导向并十分依赖研发资金投入的知识基础。综合型是知识创造以实用新型为导向并受重点客户的需求指引的知识基础。象征型是知识创造以外观设计与“品牌效应”为导向,注重人才创意能力的支撑作用及供应商的信息引导的知识基础。效率型是综合型的“优化形态”,在知识结构上比综合型更为均衡;在行业构成上以高技术含量的制造业为主;总体而言其知识创造的效率高于解析型;分散的、多源的供应商和客户信息在其知识网络中有重要地位。

（2）知识基础属性与反映高新区创新竞争力的营业收入指标之间存在数量关系。其中,以技术收入和产品销售收入为因变量的拟合关系在空间上存在差异。研发人力资本投入对技术收入具有正效应,且由南向北逐渐增强;知识基础主体均衡程度对技术收入具有负效应,其强度变化趋势与人力资本投入同步;解析型知识基础的专业化水平在南部和北部的部分高新区中呈正效应。内源的科技活动投入对产品销售收入呈正效应,并且由中部向南北两侧递减;知识基础主体均衡程度对产品销售收入呈正效应,其强度变化与科技活动投入变化趋势相反;象征型知识基础的专业化水平主要在南部的高新区中呈负效应。以企业数量达到“门槛”值为前提,象征型知识基础专业化水平的提高意味着商品销售收入的增加;而研发人力投入对商品销售收入的影响为负。

（3）在高新区创新发展的实践上,对有特定发展目标和地域特点的高新区,应采用差异化的具体方案。就推进科技成果的市场化及提高科技创新能力而言,应该根据所在地区的特点开拓相应的知识基础“专业化”的发展路径,避免知识基础分散的不利影响,同时注意研发人力投入的积极作用;如旨在提高高新技术产品的市场竞争力,应该注重科技资金投入,同时适度削减象征型知识基础的相对集中程度,“多样化”地发展各类型知识基础;如旨在提高商品的市场占有程度,应考虑高新区的“规模效应”,在保证一定数量的企业的前提下,推动象征型知识基础的“专业化”。由此可知,“专业化”与“多样化”是两大策略核心。“专业化”使某一类或两类知识基础的创新效应得到充分发挥;“多样化”注重在三种或以上的知识基础主体的组合中产生的“协同作用”,这印证了组合式的知识基础对于区域创新的重要意义^[20,22]。

本文运用定量化方法对宏观尺度下的微观个体进行分类,但并未考虑企业个体内部的知识利用和开发与知识基础间的联系以及以企业作为节点的创新网络;知识基础分类与创新效应的时序变化也尚未挖掘,这限制了对知识基础的形成、发展与演化的模式和机制的探究。未来可以在宏观尺度研究中加入时间跨度以探究知识基础的时空异质性,将研究渗透到知识基础的过程与机制层面;在微观尺度上,从知识基础视角出发深入调查企业内部的知识探索、开发与利用的具体协调过程,并解释企业在创新网络中的作用。

致谢

衷心感谢评审专家在论文评审中所付出的时间和精力。匿名评审专家对本文区域划分、地理加权回归模型统计推断与结果解读提出的修改意见,提升了本文对不同知识基础类型的高新区创新效应分析的科学性和严谨性;对本文结论中增加高新区建设发展对策的建议,进一步加强了研究的现实意义,使本文获益匪浅。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

何金廖, 黄贤金, 司月芳. 产业集群的地方嵌入与全球生产网络链接: 以上海文化创意产业园区为例
地理研究, 2018,37(7):1447-1459.

[本文引用: 1]

[ He

Jinliao

, Huang

Xianjin

, Si

Yuefang

. Local embeddedness and global production network of industrial clusters: Case study of the cultural creative districts in Shanghai
Geographical Research, 2018,37(7):1447-1459.] DOI: 10.11821/dlyj201807015.

[本文引用: 1]

[2]

刘志高, 张薇. 中国大都市区高新技术产业分叉过程及动力机制: 以武汉生物产业为例
地理研究, 2018,37(7):1349-1363.

[本文引用: 1]

[ Liu

Zhigao

, Zhang

Wei

. The process and dynamics of high-tech industrialbranching in China's metropolitan areas: A case study of biotechnology industry in Wuhan
Geographical Research, 2018,37(7):1349-1363.] DOI: 10.11821/dlyj201807008.

[本文引用: 1]

[3]

Liu

. The dynamics of local upgrading in globalizing latecomer regions: A geographical analysis
Regional Studies, 2017,51(6):880-893. DOI: 10.1080/00343404.2016.1143924.

[本文引用: 1]

[4]

夏丽丽, 王润晓, 梁新怡, 等. 全球-地方背景下东道国企业研发行为的演变及其影响因素研究: 基于技术溢出视角的广州本土制造企业微观实证
地理科学, 2019,39(2):277-284.

[本文引用: 1]

[ Xia

Lili

, Wang

Runxiao

, Liang

Xinyi

, et al. Evolution of R&D behavior and influential factors of indigenous enterprises of host countries under the global-local background: A case study of manufacturing enterprises in Guangzhou from the perspective of technology spillover
Geographica Sinica, 2019,39(2):277-284.] DOI: 10.13249/j.cnki.sgs.2019.02.012.

[本文引用: 1]

[5]

Asheim

, Coenen

, Moodysson

, et al. Constructing knowledge-based regional advantage: Implications for regional innovation policy
International Journal of Entrepreneurship and Innovation Management, 2007,7(2-5):140-155. DOI: 10.1504/IJEIM.2007.012879.

[本文引用: 2]

[6]

Crevoisier

, Jeannerat

. Territorial knowledge dynamics: From the proximity paradigm to multilocation milieus
European Planning Studies, 2009,17(8):1223-1241. DOI: 10.1080/09654310902978231.

[本文引用: 1]

[7]

Romer

. Increasing returns and long-run growth
Journal of Political Economy, 1986,94(5):1002-1037. DOI: 10.1086/261420.

[本文引用: 1]

[8]

Lucas

. On the mechanics of economic development
Journal of Monetary Economics, 1988,22(1):3-42. DOI: 10.1016/0304-3932(88)90168-7.

[本文引用: 1]

[9]

Florida

. The Rise of The Creative Class
New York: Basic Books, 2002: 228-265.

[本文引用: 1]

[10]

许吉黎, 杨帆, 薛德升. 德国汉堡生物医药集群研发和商务知识的网络结构与空间流动
地理科学, 2019,39(2):325-333.

DOI:10.13249/j.cnki.sgs.2019.02.017 URL [本文引用: 1]

① 不同认识视角下知识溢出对地理距离的敏感性存在差异,知识流动相较于知识网络更加依赖地理邻近性。② 不同类型知识的溢出具有差异化的空间需求,研发和商务知识溢出在多尺度空间上表现出强度和结构的异质性。③ 以大学、研究机构、产业协会和跨国企业为中心的地方产学研合作体系,创新能力均衡的国家城市体系以及发达国家之间的技术和商业合作推动知识网络的形成。分流教育和空间均衡的人才培养体系,国内充分的人才空间流动以及西欧北美地区的人才环流促进知识的空间流动。]]>

[ Xu

Jili

, Yang

Fan

, Xue

Desheng

. Differentiated knowledge bases, knowledge networks, and spatial flows: Evidence from the biomedical cluster in Hamburg, Germany
Geographica Sinica, 2019,39(2):325-333.] DOI: 10.13249/j.cnki.sgs.2019.02.017.

[本文引用: 1]

[11]

Polanyi

, Sen

. The Tacit Dimension. Chicago: The University Of Chicago Press, 2009: 3-25.

[本文引用: 1]

[12]

Johnson

, Edward

, Lundvall

B-?

. Why all this fuss about codified and tacit knowledge?
Industrial & Corporate Change, 2002,11(2):245-262. DOI: 10.1093/icc/11.2.245.

[本文引用: 1]

[13]

Asheim

, Boschma

, Cooke

. Constructing regional advantage: Platform policies based on related variety and differentiated knowledge bases
Regional Studies, 2011,45(7):893-904. DOI: 10.1080/00343404.2010.543126.

URL [本文引用: 3]

ASHEIM B. T., BOSCHMA R. and COOKE P. Constructing regional advantage: platform policies based on related variety and differentiated knowledge bases, Regional Studies. This paper presents a regional innovation policy model based on the idea of constructing regional advantage. This policy model brings together concepts like related variety, knowledge bases and policy platforms. Related variety attaches importance to knowledge spillovers across complementary sectors. The paper categorizes knowledge into 'analytical' (science based), 'synthetic' (engineering based) and 'symbolic' (arts based) in nature, with different requirements of 'virtual' and real proximity mixes. The implications of this are traced for evolving 'platform policies' that facilitate economic development within and between regions in action lines appropriate to incorporate the basic principles behind related variety and differentiated knowledge bases.

[14]

Manniche

. Combinatorial knowledge dynamics: On the usefulness of the differentiated knowledge bases model
European Planning Studies, 2012,20(11):1823-1841. DOI: 10.1080/09654313.2012.723423.

URL [本文引用: 4]

On the basis of existing literature and newly collected empirical evidence this article discusses the theoretical, empirical, research methodological and policy implications of a recently introduced knowledge taxonomy, the so-called Differentiated Knowledge Bases model (Asheim et al., 2011), which distinguishes between three epistemologically different approaches that are summarized in the notions of analytical (theoretically understanding), synthetic (instrumentally solving problems) and symbolic (culturally creating meanings). The article suggests that these differentiated knowledge bases, though ideal-typical constructs, seem applicable to micro-level, intra-or inter-organizational modes and communities of learning involved in firm innovation but that firms and meso-and macro-level social systems (sectors, clusters, regions, etc.) rarely rely on one single knowledge base but coordinate its actions in more learning modes and communities. The potentials for innovation research of this particular knowledge taxonomy are mainly connected with its integrative and wide perspective on the identification of the types of knowledge, modes of learning and institutional contexts that are relevant for firm innovation and regional economic development and that exceed the sectoral divides and production bias often characterizing innovation research. For innovation policy, this integrative perspective may provide new opportunities for encouraging the development, diffusion and use of economically valuable knowledge of different kinds and from varying societal spheres in ways that truly break with one-size-fits-all policies.

[15]

牛盼强, 李本乾, 陈德金. 产业知识基础与区域创新体系构建研究述评
科学学与科学技术管理, 2011,32(2):96-103.

[本文引用: 2]

[ Niu

Panqiang

, Li

Benqian

, Chen

Dejin

. Review of the researches on the industrial knowledge bases and the building of regional innovational system
Science of Science and Management of S.＆T. , 2011,32(2):96-103.] DOI: cnki:SUN:KXXG.0.2011-02-012.

[本文引用: 2]

[16]

Laestadius

. Technology Level, Knowledge Formation and Industrial Competence in Paper Manufacturing
In: Eliasson G, Green C, McCann R. Microfoundations of Economic Growth. Ann Arbor:The University of Michigan Press, 1998: 212-226.

[本文引用: 1]

[17]

Asheim

, Coenen

. Face-to-face, buzz, and knowledge bases: Sociospatial implications for learning, innovation, and innovation policy
Environment and Planning C: Government and Policy, 2007,25(5):655-670. DOI: 10.1068/c0648.

[本文引用: 1]

[18]

Moodysson

, Coenen

, Asheim

. Explaining spatial patterns of innovation: Analytical and synthetic modes of knowledge creation in the Medicon Valley life science cluster
Environment and Planning A, 2008,40(5):1040-1056. DOI: 10.1068/a39110.

URL [本文引用: 6]

[19]

牛盼强, 谢富纪. 综合型知识基础与解析型知识基础的比较研究
科学学研究, 2011,29(1):25-30.

[本文引用: 1]

[ Niu

Panqiang

, Xie

Fuji

. A comparative research on synthetic knowledge bases and analytical knowledge bases
Studies in Science of Science, 2011,29(1):25-30.] DOI: cnki:SUN:KXYJ.0.2011-01-004.

[本文引用: 1]

[20]

Eder

. Peripheralization and knowledge bases in Austria: Towards a new regional typology
European Planning Studies, 2019,27(1):42-67. DOI: 10.1080/09654313.2018.1541966.

URL [本文引用: 2]

[21]

Martin

. Measuring knowledge bases in Swedish regions
European Planning Studies, 2012,20(9):1569-1582. DOI: 10.1080/09654313.2012.708022.

URL [本文引用: 2]

Within the literature on innovation systems, there are a growing number of scholars emphasizing the importance of differentiated knowledge bases underlying innovation activities. The existing work on knowledge bases is largely grounded on in-depth case studies; while surprisingly little effort has been done so far to operationalize the concept in a more systematic manner. In this article, an attempt is made to develop a scheme of analysis to identify the knowledge base of a regional economy. We suggest using occupation data in association with a location quotient analysis, to assess whether a regional economy has a particular strength in one (or more) knowledge bases. To bring the analytical scheme into practice and assess it, we apply it on the county level in Sweden. The results are explained and contrasted with insights into the regional economies taken from secondary sources. We conclude that the proposed scheme of analysis leads to fairly reliable results, and could stimulate further empirical research on differentiated knowledge bases.

[22]

Grillitsch

, Martin

, Srholec

. Knowledge base combinations and innovation performance in Swedish regions
Economic Geography, 2017,93(5):458-479. DOI: 10.1080/00130095.2016.1154442.

URL [本文引用: 4]

[23]

Asheim

, Grillitsch

, Trippl

. Introduction: Combinatorial knowledge bases, regional innovation, and development dynamics
Economic Geography, 2017,93(5):429-435. DOI: 10.1080/00130095.2017.1380775.

URL [本文引用: 2]

[24]

李享, 谷潇磊, 张琳, 等. 2018 年国家高新区综合发展与数据分析报告
中国科技产业, 2019(12):61-72.

[本文引用: 1]

[ Li

Xiang

, Gu

Xiaolei

, Zhang

Lin

, et al. Report on the comprehensive development and data analysis of China National High-Tech Industrial Development Zones in 2018
Science & Technology Industry of China, 2019(12):61-72] DOI: 10.16277/j.cnki.cn11-2502/n.2020.03.018.

[本文引用: 1]

[25]

王战和, 许玲. 高新技术产业开发区与城市经济空间结构演变
人文地理, 2005,20(2):98-100.

[本文引用: 1]

[ Wang

Zhanhe

, Xu

Ling

. High-tech industries development zone and evolution of urban economic spatial structure
Human Geography, 2005,20(2):98-100.] DOI: 10.3969/j.issn.1003-2398.2006.02.014.

[本文引用: 1]

[26]

班茂盛, 方创琳, 刘晓丽, 等. 北京高新技术产业区土地利用绩效综合评价
地理学报, 2008,63(2):175-184.

DOI:10.11821/xb200802007 URL [本文引用: 1]

高新技术产业区是建设创新型城市的重要载体, 在实施国家自主创新战略中具有重要作用。针对高新技术产业区土地利用评价中存在的问题, 引入了土地利用绩效的概念, 构建了包括土地效益、土地利用效率和创新功能三个维度的高新技术产业区土地利用绩效理论模型, 以这一模型为理论基础建立了由3 个二级指标, 8 个三级指标, 37 个四级指标组成的高新技术产业区土地利用绩效综合评价指标体系, 同时以土地利用绩效概念模型为理论基础, 构造了与土地利用绩效指标体系相匹配的矢量评价模型。在此基础上, 以北京市高新技术产业区中5 个不同类型的园区为例做了综合评价, 评价结果显示, 清华科技园、上地信息产业基地以及中关村西区的土地利用绩效指数较高, 中关村软件园和永丰基地的土地利用绩效指数较低。通过与其他评价模型的对比验证, 本文构造的评价模型对高新技术产业区创新能力指数的变化更为敏感。

[ Ban

Maosheng

, Fang

Chuanglin

, Liu

Xiaoli

, et al. Comprehensive evaluation of land use performance of Beijing High-tech industrial Zone
Acta Geographica Sinica, 2008,63(2):175-184.] DOI: 10.3321/j.issn:0375-5444.2008.02.007.

[本文引用: 1]

[27]

李涛, 武增海, 赵江洪. 中国高新技术开发区的发展分析
统计与信息论坛, 2014,29(7):65-70.

[本文引用: 1]

[ Li

Tao

, Wu

Zenghai

, Zhao

Jianghong

. Analyzing the development about high-tech development zone in China
Statistics & Information Forum, 2014,29(7):65-70.] DOI: 10.3969/j.issn.1007-3116.2014.07.012.

[本文引用: 1]

[28]

李圣宏. 高新技术开发区技术创新效率测度及其空间扩散研究
南昌: 江西财经大学博士学位论文, 2016.

[本文引用: 1]

[ Li

Shenghong

. Study on technology innovation efficiency measurement and spatial diffusion of high-tech development zone
Nanchang: Doctoral Dissertation of Jiangxi University of Finance & Economics, 2016.]

[本文引用: 1]

[29]

赵新正, 冯长安, 李同昇, 等. 中国城市网络的空间组织特征研究: 基于开发区联系的视角
地理研究, 2019,38(4):898-910.

DOI:10.11821/dlyj020170982 URL [本文引用: 1]

城市网络研究是全球化和信息化背景下城市研究领域的前沿热点。基于开发区数据,借助引力模型构建了中国城市关联网络,并采用社会网络分析方法对网络发育特征进行了研究。研究显示：① 城市网络中心度呈现为少数城市占主导的金字塔结构,网络覆盖城市具有沿海、沿江和地方中心三个指向。高新区城市关联网络由珠三角和长三角城市群内的城市共同主导,经开区城市关联网络由长三角地区城市主导。② 城市网络从城市群内部开始向其他区域扩展,并从团簇结构逐步向鸟巢结构转变。高新区和经开区城市关联网络在哈尔滨-成都-深圳（广州）-福州-上海围合成的网络密集区内分别呈现北密南疏和东密西疏的非对称格局。③ 基于国家级开发区所形成的两类城市网络均表现出极弱的多中心特征。随着时间的推移两类网络的多中心趋势均在增强。④ 板块经济的运行以及城市群战略的实施对城市网络联系具有积极的影响。基于国家级开发区数据,测度了城市间的关联网络,结果反映了开发区政策对于中国城市网络体系重构的重要作用,不仅对于理解中国城市关联网络的演化具有重要意义,而且为城市网络研究提供了新的数据源。

[ Zhao

Xinzheng

, Feng

Changan

, Li

Tongsheng

, et al. Spatial organization characteristics of urban network in China: An analysis based on linkages between China's national-level development zones
Geographical Research, 2019,38(4):898-910.] DOI: 10.11821/dlyj020170982.

[本文引用: 1]

[30]

Ingstrup

, Jensen

, Christensen

. Cluster evolution and the change of knowledge bases: The development of a design cluster
European Planning Studies, 2017,25(2):202-220. DOI: 10.1080/09654313.2016.1276885.

URL [本文引用: 1]

[31]

薛捷. 产业集群的知识基础与创新网络研究: 以东莞石龙电子信息产业集群为例
科技进步与对策, 2009,26(16):66-70.

[本文引用: 1]

[ Xue

Jie

. Research on knowledge base and innovation network of industry cluster: A case study of electronic information industry in Dongguan
Science & Technology Progress and Policy, 2009,26(16):66-70.] DOI: cnki:SUN:KJJB.0.2009-16-021.

[本文引用: 1]

[32]

Asheim

, Hansen

. Knowledge bases, talents, and contexts: On the usefulness of the creative class approach in Sweden
Economic Geography, 2009,85(4):425-442. DOI: 10.1111/j.1944-8287.2009.01051.x.

URL [本文引用: 1]

[33]

李琳, 蒋婷, 徐洁. 我国区域产业知识基础的测算及动态变化
经济地理, 2016,36(5):107-114.

[本文引用: 1]

[ Li

Lin

, Jiang

Ting

, Xu

Jie

. The measurement and dynamic change of China's regional industrial know-ledge base
Economic Geography, 2016,36(5):107-114.] DOI: 10.15957/j.cnki.jjdl.2016.05.015.

[本文引用: 1]

[34]

杨清可, 段学军. 基于DEA-Malmquist模型的高新技术产业发展效率的时空测度与省际差异研究
经济地理, 2014,34(7):103-110.

[本文引用: 1]

[ Yang

Qingke

, Duan

Xuejun

. The time-space measurement of efficiency of development of high-technology industry and provincial differences based on the DEA-Malmquist TFP index
Economic Geography, 2014,34(7):103-110.] DOI: cnki:SUN:JJDL.0.2014-07-016.

[本文引用: 1]

[35]

武增海, 李忠民. 高新技术产业开发区研究与开发活动效率评价研究: 基于56家国家级高新技术开发区的DEA分析
华东经济管理, 2013,27(6):81-85.

[本文引用: 1]

[ Wu

Zenghai

, Li

Zhongmin

. Research on theefficiency evaluation of the R&D activities of the high-tech development zones: Based on the DEA analysis for 56 state-level high-tech development zones
East China Economic Management, 2013,27(6):81-85.] DOI: 10.3969/j.issn.1007-5097.2013.06.016.

[本文引用: 1]

[36]

覃文忠. 地理加权回归基本理论与应用研究
上海: 同济大学博士学位论文, 2007: 9-10.

[本文引用: 1]

[ Cen

Wenzhong

. The basic theoretics and application research on geographically weighted regression
Shanghai:Doctoral Dissertation of Tongji University, 2007: 9-10.]

[本文引用: 1]

[37]

Lassen

, Mckelvey

, Ljungberg

. Knowledge intensive entrepreneurship in manufacturing and creative industries: Same, same, but different
Creativity and Innovation Management, 2018,27(3):284-294. DOI: 10.1111/caim.12292.

URL [本文引用: 1]