大连理工大学 经济管理学院，辽宁 大连 116024
收稿日期：2021-09-29
基金项目：国家自然科学基金资助项目(71734001)。
作者简介：潘雄锋(1980-)，男，湖南浏阳人，大连理工大学教授，博士生导师。
摘要：针对中国各省域技术市场发展不均衡问题，以技术市场成交合同金额为研究数据，运用齐夫定律对2006—2018年中国技术转移源地与汇地的空间规模结构变化进行分析，并对各省技术转移发展态势和影响因素进行了研究.结果表明：中国技术转移源地与汇地的空间规模结构变化均符合单分形齐夫分布，并且技术源地分布相较汇地更为集中；大多数省份的技术输出与流入发展态势不尽一致，技术汇地位序变化相比源地波动更大；专利授权数、研发投入与研发人员对地区技术输出会有正向促进作用，地区经济发展水平、产业结构、固定资产投资的提升会吸引技术流入.
关键词：技术转移齐夫定律规模结构位序变化影响因素
Analysis of the Spatial Scale Structure and Influencing Factors of China's Interprovincial Technology Transfer
PAN Xiong-feng, WANG Meng-yang
School of Economics and Management, Dalian University of Technology, Dalian 116024, China
Corresponding author: WANG Meng-yang, E-mail: 15735174968@163.com.
Abstract: Regarding the unbalanced development of China's provincial technology markets, using the contract value of the technology markets from 2006 to 2018 as the research data, the spatial scale structure changes, development trends and influencing factors of China's technology transfer sources and sinks are analyzed. The results show that the spatial scale and structure changes of China's technology transfer sources and sinks are in conformity with the monofractal Zipf distribution, and the distribution of technology transfer sources is relatively concentrated. The development trend of technology output and inflow in most provinces is different, and the changes in the sequence of the technology sinks are more volatile than the changes in the sources. Patents, R & D investment and R & D personnel will have a positive effect on regional technology output, and the improvement of regional economic development level, industrial structure, and fixed asset investment will attract more technology inflow.
Key words: technology transferZipf lawscale structureposition changeinfluencing factor
技术转移是现代市场体系和国家创新体系的重要组成部分.伴随着中国经济进入新常态，经济正由高速增长转向高质量增长，技术作为驱动经济增长的关键因素之一[1]，技术市场也需保持较高的活跃度.自2006年以来，国务院、国家科技部相继出台了《国家中长期科学和技术发展规划纲要(2006—2020年)》《关于加快发展技术市场的意见》《国家技术转移促进行动实施方案》等一系列促进中国技术市场发展的政策法规，技术转移机制逐渐完善，技术市场规模逐步壮大.2006年全国技术市场成交额1 818亿元，到2018年高达17 697亿元，技术交易总额增加了接近十倍.然而受地理条件、资源禀赋、政策导向等因素影响，中国各省域的科学技术水平发展差异较大，直接导致中国技术市场发展的不均衡.本文旨在分析中国省际技术转移的现状以改善技术水平发展不平衡问题，进而促进各区域经济趋向高质量发展.
技术转移(technology tranfer)于1964年第一届联合国贸易发展大会被首次提出.技术转移具有多重含义，从水平转移层面来讲指的是技术以商品形式从一个地区转移到另一个地区的过程[1].技术转移一直是学术研究热点之一，国内外****从多角度多方面进行了研究.关于技术转移的研究既有从城市、省域及区域等宏观层面着手，也有从企业、高校为代表的微观层面着手，多集中于技术转移的空间网络结构[2]、溢出效应[3]、影响因素[4]、效率测度[5]等方面.****常以专利数、技术转让数为研究数据，运用社会网络分析方法[6]、GIS分析方法[7]、重心模型[8]等方法研究技术转移的时空分布特征.技术转移呈现出的空间特征受地区人力资本[9]、地区经济发展水平[10]、政府政策[11]、科研投入[12-13]、信息化水平、对外开放水平[14-15]等因素影响.
现有文献通过不同数据和方法从不同角度对技术转移进行研究，但仍有不足之处：第一，现有研究采用的社会网络分析、GIS分析等方法均从技术转移规模出发，而未从技术转移的位序变化角度进行研究，忽略了省际技术转移空间变化的内在原因；第二，技术转移是一个双向的过程，每个地区既是技术的供应方也是技术的需求方，而目前文献大多仅以技术市场输出规模为研究数据分析技术转移的空间分布，未对技术市场流入规模进行分析，难以全面反映技术转移状态.
本文借助齐夫定律，以技术市场输出金额与流入金额为研究数据，分析中国技术转移源地、汇地的空间规模结构变化，并探析其位序发展态势和影响因素.本文的创新点体现在：第一，通过齐夫参数反映技术转移的规模分布状态，同时通过齐夫定律可以准确判断技术转移规模的标度分段及无标度区范围，从而直观地从空间角度分析技术转移的动态趋势；第二，从技术输出与技术流入两个维度对技术转移进行比较分析，更加完整地反映技术转移特征及存在的问题，并提出科学的对策以缓解中国各省域技术市场发展不均衡现状.
1 研究方法与数据说明1.1 研究方法1.1.1 齐夫定律1949年Zipf提出在经济发达国家, 城市规模与其城市规模位序的乘积为常数，即齐夫定律[16].齐夫定律是研究一国或地区城市体系发展状况的重要指标[17].
本文运用齐夫定律研究中国省际技术转移的空间规模结构变化，其表达式为
 | (1) |
 | (2) |
对式(1)和式(2)进行对数变换，得到线性表达式：
 | (3) |
 | (4) |
1.1.2 计量模型设定本文以技术输出量与技术流入量为被解释变量，参考国内外现有研究以及技术市场发展的实际情况，选取专利授权数(PT)、研发投入(RD)、研发人员(PRD)作为省际技术输出的解释变量，选取地区经济发展水平(GDP)、产业结构(IS)、固定资产投资(FAI)作为省际技术流入的解释变量进行实证研究，构建计量模型如下：
 | (5) |
 | (6) |
1.2 数据说明本文采用技术市场成交合同金额度量各省域的技术转移，并将其分为技术输出合同金额与技术流入合同金额两部分作为研究数据，其他研究数据如表 1所示.受限于数据的可得性，本文选用2006年至2018年共13年的数据为研究样本，选择去除西藏自治区、台湾省、香港特别行政区及澳门特别行政区之外的30个省区(直辖市)为研究对象，研究数据全部来源于2006年至2018年的《中国统计年鉴》和《中国科技统计年鉴》.
表 1(Table 1)
 表 1 变量定义Table 1 Variable definitions
| 表 1 变量定义 Table 1 Variable definitions |
2 中国省际技术转移的空间规模结构变化2.1 中国省际技术源地的空间规模结构变化依据式(3)对中国省域技术输出规模及其位序进行双对数线性拟合，其结果如表 2和图 1所示.模型的拟合优度均大于90%，说明中国技术输出符合齐夫分布.对于符合齐夫定律的分布，如果存在至少1条拟合直线，即存在无标度区.当存在1条拟合直线时，为单分形分布；存在2条拟合直线时，为双分形分布[18].由拟合结果可以看出，各年度的齐夫分布均具有存在一个无标度区的单分形特征.
表 2(Table 2)
表 2 源地技术输出位序与规模分布的齐夫定律检验Table 2 Zipf law examination on rank-size distribution of technology output in source provinces
| 表 2 源地技术输出位序与规模分布的齐夫定律检验 Table 2 Zipf law examination on rank-size distribution of technology output in source provinces |
图 1(Fig. 1)
 | 图 1 源地技术输出位序与规模分布的双对数坐标图Fig.1 Ln-ln plot on rank-size distribution of technology output in source provinces (a)—2006年；(b)—2010年；(c)—2014年；(d)—2018年. |
模型各年份的齐夫参数均大于1，呈现出先波动增大后减小的趋势，在2015年达到最大值后开始逐年降低，说明在2015年前中国技术源地趋于集中的力量大于趋于分散的力量，2015年后技术源地开始逐渐趋于分散，呈现总体分散、局部集中的分布特征.2006年位于无标度区首位的北京技术输出规模是无标度区末位山西的102倍，2018年位于无标度区首位的北京技术输出规模是位于无标度区末位青海的62倍，其变差逐渐减小，这源于近些年位于中位序省份的技术输出规模在不断增大.中位序省份多处于中西部地区，随着国家持续推出的支持中西部地区科技发展的一系列政策意见逐渐有了成效，中西部省份与东部省份科技水平差距正逐渐缩小，因此中位序省份的技术市场输出规模逐渐增大.
由图 1可以看出，各年度处于无标度区内的节点个数变化不大，位序处于末五位的省份基本均未落在无标度区内.虽然北京与无标度区末位省份的技术输出规模变差正逐渐变小，但北京与其他省份技术输出规模绝对差额仍然很大.北京作为全国的科技创新中心，拥有众多科研院校和研发中心，其科技创新能力一直高居全国第一，因此技术输出远远高于其他省份.由于处于末位序省份的技术输出规模与其他省份相差较大，因此一直未落在无标度区内.
2.2 中国省际技术汇地的空间规模结构变化依据式(4)对中国省域技术流入规模及其位序进行双对数线性拟合，其结果如表 3和图 2所示.模型的拟合优度均在90%以上，说明中国技术流入符合齐夫分布.由拟合结果可以看出，各年份均存在一个无标度区，且均为单分形分布.
表 3(Table 3)
表 3 汇地技术流入位序与规模分布的齐夫定律检验Table 3 Zipf law examination on rank-size distribution of technology input in sink provinces
| 表 3 汇地技术流入位序与规模分布的齐夫定律检验 Table 3 Zipf law examination on rank-size distribution of technology input in sink provinces |
图 2(Fig. 2)
 | 图 2 汇地技术流入位序与规模分布的双对数坐标图Fig.2 Ln-ln plot on rank-size distribution of technology input in sink provinces (a)—2006年；(b)—2010年；(c)—2014年；(d)—2018年. |
模型的齐夫参数除了2011年大于1外，其余年份均小于1.在2011年以前，中国技术转移汇地的齐夫参数呈逐年波动上升趋势，直到2011年齐夫参数突破1.说明技术流入趋于集中的力量大于趋于分散的力量.在2011年位于无标度区首位的上海技术流入金额接近于位于无标度区末位的宁夏的13倍，省际技术流出规模差距在逐渐减小.在2011年齐夫参数接近于1，说明2011年中国技术汇地基本呈现帕累托分布状态.2011年后，中国技术转移汇地的齐夫参数呈现逐年波动趋势且均小于1，说明技术流入趋于分散的力量大于趋于集中地力量.2006年以来国家相继制定了中部崛起战略、振兴东北老工业基地战略、《关于中西部地区承接产业转移的指导意见》以及中部地区城市圈、经济区的发展，中西部地区对技术产生极大的需求，因此技术流入汇地相比技术源地较为分散.
由图 2可以看出，各省份技术流入规模在逐年增加，但其极差在逐渐减小.由于位于首位序的北京与其他省份技术流入规模相差较小，所以部分年份北京不在无标度区内.同时处于无标度区外的省份在逐渐减少，技术汇地越来越趋向于齐夫分布.
2.3 中国省际技术源地与汇地的空间规模结构变化比较分析对比技术源地与技术汇地空间规模结构的变化，中国技术转移源地与汇地均符合齐夫分布，其分形结构均为单分形分布.从技术转移的对数值和无标度区范围，均可以看出各省份间技术输出规模的差异相比技术流入规模更大，可见不同省份间技术发展水平仍有较大差距.
对比技术源地与技术汇地的齐夫参数可以发现，中国技术转移源地与汇地的齐夫参数均经历了波动增大后减小的变化，其中技术输出规模的齐夫参数一直大于1，而技术流入规模的齐夫参数除2011年外均小于1，说明技术转移源地技术输出较为集中，这源于技术源地往往科技发展水平较高，而现今中国科技资源仍然主要集中于少数几个地区.技术汇地技术流入较为分散，因为科技发展水平较低的地区往往对技术也有较大需求，因此相较于技术源地更符合帕累托分布状况.本文将就省际技术转移位序发展态势进行分析，探究空间规模结构变化的内在原因.
3 中国省际技术转移的发展态势分析为深刻分析中国省际技术转移的发展态势，对30个省份技术输出与流入进行位序规模排序，并将发展态势分为平稳型、波动型、上升型、下降型四种形态.平稳型发展态势主要表现为位序变化幅度有限，规模增速稳定；波动型发展态势表现为位序和规模随时间存在或大或小的波动，但无明显的上升或衰退趋势；上升型发展态势表现为位序和规模均明显有上升趋势；衰退型表现为位序和规模均明显有下降趋势[19].
3.1 中国省际技术源地的发展态势分析由图 3可以看出，发展态势为平稳型的省份中，北京的位序和规模始终处于首位，上海、广东、天津、山东、江苏虽有小幅波动但稳居于前十，宁夏、海南的位序和规模始终处于末位.不难发现发展态势平稳的省份或为经济发达地区或为经济落后地区，受地理环境或资源的影响，政策导向对这部分地区技术输出规模的作用效果较小.发展态势为波动型的省份，除浙江外其余省份均为中西部不发达地区，这些地区技术输出规模及增速均不稳定.其中，云南、内蒙古在2012年位序有较大幅度上升，江西、山西、广西在2013年位序均有不同幅度的上升，这可能源于自2010年提出《关于中西部地区承接产业转移的指导意见》后，土地和人力成本更有优势的中西部地区纷纷制定优惠政策引进沿海地区的产业，并且江西、内蒙古、山西、广西等地均出现产业转移示范区，技术水平得到较大提升，因此技术输出规模也得到较大幅度提升.浙江虽处于长三角经济发达地区，但其技术输出规模位序并不靠前，主要原因在于浙江技术市场竞争力低于江苏和上海.对于发展态势为上升型的省份，其位序和技术输出规模呈现出良好的增长趋势，陕西、四川、湖北、安徽、吉林由于其省会城市是高校聚集地，随着产学研的深入推进，位序和技术输出规模呈现出良好的增长趋势.贵州并非科教军工大省，但一直重视发展科技，先后推出政策、搭建平台，逐步建立完善的技术交易体系，技术输出水平得以提升.发展态势为衰退型的包括湖南、河南、福建、辽宁、重庆、甘肃、新疆，其位序均存在不同程度的下降.辽宁、重庆、湖南在2006年时技术输出位序较高，到2018年均已跌出前十.
图 3(Fig. 3)
 | 图 3 源地技术输出位序变化Fig.3 Sequence change of technology source (a)—平稳型；(b)—波动型；(c)—上升型；(d)—衰退型. |
综合技术转移源地空间规模结构变化和发展态势图可以看出，我国东部省份一直处于无标度区范围内，技术输出主要集中在京津冀、长三角及珠三角地区.处于发达经济圈的省份经济发展较快，科技水平也居于全国前茅，因此为全国各地提供大量的技术输出.西部地区的宁夏、广西、新疆以及海南基本一直处于无标度区外，源于这几个省份与其他省份的技术输出规模差距过大，难以落在无标度区内.2012年之前无标度区内位于前五的省份为北京、上海、广东、辽宁、江苏，2012年之后无标区内位于前五的省份为北京、上海、广东、湖北、陕西，说明以陕西、湖北为代表的中西部地区技术输出规模增速较大.这源于陕西和湖北是全国高校集中地区，还是中国高技术产业的重要地区，众多高校、科研机构以及聚集的人才为其技术输出打造了坚实的基础.随着近年来产学研结合的落实，高校、科研机构和企业间的跨区域合作更为频繁，技术输出规模位于全国前茅.
3.2 中国省际技术汇地的发展态势分析由图 4可以看出，发展态势为平稳型的有北京、江苏、广东、宁夏、青海五个省份，北京技术流入规模的位序始终处于首位，江苏和广东技术流入位序一直处于前五，宁夏、青海的位序始终在末位徘徊.从发展态势为波动型的省份较多，广西、海南、新疆在2012年左右均发生较大的变化，这些省份承接了产业后对先进技术产生较大需求.发展态势为上升型的包括湖北、陕西、四川、吉林、安徽、贵州这六个省份，与技术输出发展态势为上升型的省份一致.贵州由于科技基础薄弱，为实现产业转型升级，对科技创新服务和科技成果的需求较高，因此技术流入位序在不断升高.对于发展态势为衰退型的省份，天津、上海、浙江、辽宁由于科技发展水平较高，其在很大程度上可以满足自身技术需求，因此来自外省的技术流入相较技术输出而言并不多.
图 4(Fig. 4)
 | 图 4 汇地技术流入位序变化Fig.4 Sequence change of technology sink (a)—平稳型；(b)—波动型；(c)—上升型；(d)—衰退型. |
综合上文技术转移汇地空间规模结构变化和发展态势图可以看出，东部省份基本一直处于无标度区范围内，北京、上海、江苏、广东四个省份的技术流入规模一直居于前列，东部地区较高的技术发展水平、优越的地理位置吸引来较高质量的人才，较高人才聚集程度反向促进高技术企业的入驻，从而吸引来源于其他地区的技术流入.宁夏、海南、广西、新疆四个省份的技术流入规模位序虽有小幅波动但几乎一直居于末位，且频频处于无标度区外，这四个省份的技术吸纳能力较弱.
3.3 中国省际技术源地与汇地的发展态势比较分析对比技术源地和汇地的位序变化，可以发现北京、上海、广东的输出和流入规模基本始终位于前五，说明经济发达地区不仅可以提供大量的技术输出，也会吸引大量的技术流入.一方面，经济发达地区由于科技发展水平较高，可以为全国各地提供大量的技术支持；另一方面，经济发达地区由于优越的地理位置、配套的发展政策等原因吸引了高新技术企业入驻，吸纳了大量来自其他地区的技术流入，因此其技术输出和技术流入规模均在较高水平.
整体来说，发展态势为平稳型的多为高位序省份和低位序省份，中间位序的中西部省份技术转移发展态势多为波动型，并且可以发现技术汇地的位序变化相比技术源地的位序变化波动较大.作为技术供给方，其技术输出能力很大程度上取决于当地的科技发展水平；作为技术需求方，其技术流入规模则受当地产业背景、政策导向等多重因素的影响，因此一个地区的技术流入规模相较技术输出规模不稳定性更大，这便导致整体上技术汇地的位序变化更大.本文将分别对技术输出与流入的影响因素进行分析，从外生角度解释中国省际技术转移现状.
4 中国省际技术转移的影响因素分析4.1 中国省际技术输出影响因素分析4.1.1 单位根检验首先对各变量统一进行对数处理，以缩小数据的绝对值并消除数据存在的异方差问题.然后通过不同的单位根检验方法检验数据的平稳性.为增强检验结果的可靠性，本文同时采用LLC检验、ADF-Fisher检验和PP-Fisher检验三种常用的面板数据单位根检验方法进行检验.检验结果如表 4所示，技术市场输出交易额、专利授权数、研发支出、研发人员数量的一阶差分的单位根检验在各方法下均显著拒绝存在单位根的原假设，即在10%的显著性水平下，技术市场输出与各影响因素的一阶差分均具有良好的平稳性.
表 4(Table 4)
表 4 单位根检验Table 4 Unit root test
| 表 4 单位根检验 Table 4 Unit root test | ||||||||||||||||||||||||||||||
4.1.2 协整检验经上述单位根检验得出技术市场输出成交额与影响因素变量均为一阶单整，因此通过Pedroni检验方法进行协整检验，检验结果如表 5所示.检验结果均在1%水平下拒绝不存在协整关系的原假设，即技术输出影响因素的面板数据之间存在稳定的均衡关系.
表 5(Table 5)
表 5 协整检验Table 5 Cointegration test
| 表 5 协整检验 Table 5 Cointegration test |
4.1.3 回归分析为避免异方差和序列相关带来的干扰，本文采用FGLS(feasible GLS)估计法对中国省域层面技术输出影响因素面板数据进行回归分析，模型估计结果如表 6所示.
表 6(Table 6)
表 6 回归结果Table 6 Regression results
| 表 6 回归结果 Table 6 Regression results |
回归分析结果显示，2006—2018年我国各省域专利授权数、研发支出、研发人员数量对技术输出均存在显著的正向关系，同时经T检验专利授权数的系数显著大于研发支出与研发人员数量的系数.其中，专利授权数是影响技术输出的首要因素，各省份专利授权数越多，技术输出规模则越大.专利授权数不仅反映出地区技术创新能力的大小，也直接反映出地区技术输出的供给能力，因此专利授权数对地区技术输出的影响较大.研发支出和研发人员数量也是影响地区技术输出的重要因素，研发经费支出体现了地区对技术创新的重视，人才是技术活动的主体，都会对地区技术输出产生正向作用.但值得注意的是，研发人员对地区技术输出的影响程度较低，其原因可能是：一方面研发人员所从事的研发活动并不都具有商业性质，不会直接参与到技术转移过程；另一方面对研发人员缺乏激励机制，研发产出效率较低.
4.2 中国省际技术流入影响因素分析4.2.1 单位根检验单位根检验结果如表 7所示，技术市场流入交易额、地区生产总值、产业结构、固定资产投资的一阶差分的单位根检验在各方法下均显著拒绝存在单位根的原假设，均具有良好的平稳性.
表 7(Table 7)
表 7 单位根检验Table 7 Unit root test
| 表 7 单位根检验 Table 7 Unit root test |
4.2.2 协整检验经上述单位根检验得出技术市场流入与影响因素变量均为一阶单整，因此通过Pedroni检验方法进行协整检验.检验结果如表 8所示.
表 8(Table 8)
表 8 协整检验Table 8 Cointegration test
| 表 8 协整检验 Table 8 Cointegration test |
检验结果均在1%水平下拒绝不存在协整关系的原假设，即技术流入影响因素的面板数据之间存在稳定的均衡关系，可以直接对面板数据进行实证分析.
4.2.3 回归分析对中国省域层面技术流入影响因素面板数据进行回归分析，模型估计结果如表 9所示.
表 9(Table 9)
表 9 回归结果Table 9 Regression results
| 表 9 回归结果 Table 9 Regression results |
回归分析结果显示，2006—2018年各省域生产总值、产业结构、固定资产投资对技术流入均存在显著的正向关系，同时经T检验产业结构的系数显著大于地区生产总值与固定资产投资的系数.其中，产业结构是影响技术流入的首要因素，其对技术流入的影响系数最大，即第三产业比重越高，地区技术流入规模越高.第三产业比重越高，则地区技术服务业越发达，这为技术流入创造了便利的条件.同时地区生产总值、固定资产投资也是影响技术流入的重要因素.地区生产总值越高则地区经济越发达，政府、企业往往出于产业升级、绿色生产等目标对先进技术的需求也更大，这便形成了技术转移的需求侧.投资有利于增强地方经济活力，固定资产投资通常被用于制造业，而制造业相比其他行业对技术的需求更高，促进了技术交易的活跃.
5 结论与政策启示1) 中国技术转移源地与汇地分布均符合齐夫分布，技术源地分布较为集中，技术汇地分布相对分散.
2) 无论技术源地还是汇地，发展态势为平稳型的多为高位序省份和低位序省份，中间位序的中西部省份技术转移发展态势多为波动型，且技术汇地位序变化相较技术源地波动较大.
3) 专利授权数、研发投入对省际技术输出规模的影响较大，研发人员数量也是技术输出的重要影响因素；产业结构是各省域技术流入的首要影响因素，地区生产总值、固定资产投资的提升也会促进地区技术流入.
根据研究结果，提出以下政策启示：
1) 针对当前技术源地集中于东部地区的现状，西部省份应优化技术创新发展环境，在政府引导下支持企业加大科技创新投入，引进技术创新型人才，提升科技成果转化率，逐步提升技术输出能力，缩小与东部地区的差距.
2) 在东、中、西部经济发展水平和产业结构极不平衡的情况下，技术汇地的分布相对分散与固定资产投资有较大关系，固定资产投资的增加会促进地区技术流入.因此，经济欠发达地区应持续加大基础设施的投入，同时对来自本地或外地的投资实行优惠政策，提高技术流入规模.
3) 根据不同省份技术转移发展态势类别，结合地区资源优势制定不同的技术市场发展策略.对于发展态势为波动型和衰退型的省份，其对政策依赖性较大，因而应加强与东部地区的技术交流，积极承接新技术，强化自身技术创新能力，形成稳定的技术供给侧或技术需求侧；对于发展态势为平稳型和上升型的省份，在稳固现有技术基础的前提下，加快产业结构转型升级，进一步激发创新活力，提升技术输出能力，吸引外地技术流入.
参考文献
| [1] | Gene M G, Elhanan H. Endogenous innovation in the theory of growth[J]. Journal of Economic Perspectives, 1994, 8(1): 23-44. DOI:10.1257/jep.8.1.23 |
| [2] | 段德忠, 杜德斌, 谌颖. 中国城市创新网络的时空复杂性及生长机制研究[J]. 地理科学, 2018, 38(11): 1759-1768. (Duan De-zhong, Du De-bin, Chen Ying, et al. Spatial-temporal complexity and growth mechanism of city innovation network in China[J]. Scientia Geographica Sinica, 2018, 38(11): 1759-1768.) |
| [3] | Javorcik B S. Does foreign direct investment increase the productivity of domestic firms? In search of spillovers through backward linkages[J]. American Economic Review, 2004, 94(3): 605-627. DOI:10.1257/0002828041464605 |
| [4] | 张欣炜, 林娟. 中国技术市场发展的空间格局及影响因素分析[J]. 科学学研究, 2015, 33(10): 1471-1478. (Zhang Xin-wei, Lin Juan. Research on the distribution and determinants of technology market in China[J]. Studies in Science of Science, 2015, 33(10): 1471-1478.) |
| [5] | Anderson T R, Daim T U, Lavoie F F. Measuring the efficiency of university technology transfer[J]. Technovation, 2007, 27(5): 306-318. DOI:10.1016/j.technovation.2006.10.003 |
| [6] | Hussler C, Ronde P. Explaining the geography of co-patenting in the scientific community: a social network analysis[J]. Annales d' Economie et de Statistique, 2007, 87/88: 357-372. |
| [7] | Yi T, Wei S. Research on the network structure and evolution of spatial distribution of universities' cross-regional technology transfer[J]. Journal of Service Science and Management, 2017, 10(2): 112-124. DOI:10.4236/jssm.2017.102010 |
| [8] | 潘雄锋, 张静, 米谷. 中国区际技术转移的空间格局演变及内部差异研究[J]. 科学学研究, 2017, 35(2): 240-246. (Pan Xiong-feng, Zhang Jing, Mi Gu. Spatial pattern evolution and inner differences of Chinese interregional technology transfer[J]. Studies in Science of Science, 2017, 35(2): 240-246. DOI:10.3969/j.issn.1003-2053.2017.02.010) |
| [9] | Lestari E P, Caroline C. How does human capital spillover inflow of foreign workers affect economic growth?[J]. Frontiers in Sociology, 2021, 6: 750946. DOI:10.3389/fsoc.2021.750946 |
| [10] | 刘承良, 牛彩澄. 东北三省城际技术转移网络的空间演化及影响因素[J]. 地理学报, 2019, 74(10): 2092-2107. (Liu Cheng-liang, Niu Cai-cheng. Spatial evolution and factors of interurban technology transfer network in Northeast China from national to local perspectives[J]. Acta Geographica Sinica, 2019, 74(10): 2092-2107.) |
| [11] | Lopez-Mendoza X, Mauricio D. Factors of technology transfer and its relation to success[J]. International Journal of Business and Systems Research, 2021, 15(2): 227-252. DOI:10.1504/IJBSR.2021.113409 |
| [12] | Goh B, Yee A, Kendall G, et al. Industrial R & D expenditure: its determinants and propensity of technology transfer of top ten companies in Malaysia, Singapore and Taiwan[J]. Asian Journal of Innovation and Policy, 2017, 6(3): 354-378. |
| [13] | Yun J J, Liu Z, Zhao X F, et al. Factors influencing technology transfer in companies at emerging economies[J]. Science, Technology and Society, 2021, 26(2): 242-271. DOI:10.1177/09717218211005615 |
| [14] | 宁烨, 崔欣欣, 王金婷. OFDI逆向技术溢出对中国出口竞争力的影响——基于技术差距视角的实证分析[J]. 东北大学学报(自然科学版), 2021, 42(4): 589-597. (Ning Ye, Cui Xin-xin, Wang Jin-ting. Impact of OFDI reverse technology spillover on China's export competitiveness: an empirical analysis from perspective of technological gap[J]. Journal of Northeastern University(Natural Science), 2021, 42(4): 589-597.) |
| [15] | Mamica S K, Geoffrey G G. International technology transfer: evidence on foreign direct investment in Albania[J]. Journal of Economic Studies, 2020, 47(2): 286-306. |
| [16] | Zipf G K. Human behavior and the principle of least effort[M]. Cambridge: Addison-Wesley, 1949. |
| [17] | Carroll G R. National city-size distributions: what do we know after 67 years of research?[J]. Progress in Human Geography, 1982, 6(1): 1-43. |
| [18] | Benoit M. How long is the coast of Britain? Statistical self-similarity and fractional dimension[J]. Science, 1967, 156(3775): 636-638. |
| [19] | 包富华, 何粉鸽. "一带一路"重点省区五星级酒店位序规模差异化研究[J]. 世界地理研究, 2017, 26(4): 107-116. (Bao Fu-hua, He Fen-ge. The study on regional disparity of five star hotels in the Belt and Road key provinces[J]. World Regional Studies, 2017, 26(4): 107-116.) |
