EN中文

经济地理 >

2024 , Vol. 44 >Issue 9: 37 - 46

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.09.005

区域经济与理论方法

城际专利联系网络对绿色全要素生产率的影响及其溢出效应

  • 王腾飞 , 1 ,
  • 马仁锋 2
展开
  • 1.宁波大学 中东欧经贸合作研究院/商学院，中国浙江 宁波 315211
  • 2.宁波大学 陆海国土空间利用与治理浙江省协同创新中心，中国浙江 宁波 315211

王腾飞（1990—），男，博士，讲师，研究方向为区域经济。E-mail：

收稿日期: 2023-10-18

  修回日期: 2024-04-12

  网络出版日期: 2024-10-31

基金资助

浙江省软科学研究计划项目(2024C35002)

宁波市社会科学研究基地项目(JD6-006)

宁波大学高级别人文社会科学前期培育项目(XPYQ22003)

收起

The Impact of Intercity Patent Network on Green Total Factor Productivity and Its Spillover Effect

  • WANG Tengfei , 1 ,
  • MA Renfeng 2
Expand
  • 1. Institute of Central and Eastern European Economic and Trade Cooperation/Business School，Ningbo University，Ningbo 315211，Zhejiang，China
  • 2. Zhejiang Collaborative Innovation Center for Land and Marine Spatial Utilization and Governance Research，Ningbo University，Ningbo 315211，Zhejiang，China

Received date: 2023-10-18

  Revised date: 2024-04-12

  Online published: 2024-10-31

Fold

摘要

数字经济时代，伴随信息、资本、劳动力和商品等各要素流动性的显著提升，技术知识流动网络越发成为区域经济内生增长的重要动力。文章采用专利引证大数据测度中国城际专利联系网络，并构建空间面板数据模型探究了城际专利联系网络对绿色全要素生产率的影响。研究发现：①中国城际专利联系网络趋向密集化演变，同时呈现邻近互动和远距离互动并存的多区位关联特征；②人力资本、环境规制和产业结构通过城际专利联系网络对关联区域的绿色全要素生产率产生显著的溢出效应，且专利网络越紧密，溢出效应就越显著；③相较于地理邻近，城际专利联系网络显著扩大了人力资本对绿色全要素生产率的正向溢出效应，以及环境规制和产业结构对绿色全要素生产率的负向溢出效应。研究结果为以知识网络溢出为核心的区域经济内生增长路径提供了科学参考。

关键词： 专利引证; 网络外部性; 地理邻近; 空间面板数据模型; 绿色全要素生产率; 溢出效应; 知识密集型产业

本文引用格式

王腾飞 , 马仁锋 . 城际专利联系网络对绿色全要素生产率的影响及其溢出效应[J]. 经济地理, 2024 , 44(9) : 37 -46 . DOI: 10.15957/j.cnki.jjdl.2024.09.005

Abstract

In the era of digital economy,with the significant improvement of the mobility of information,capital,labor and commodities, the flow network of technical knowledge has become an important driving force for the endogenous growth of regional economy. This research uses the big data of authorized invention patent citation of knowledge-intensive industries to measure the intercity patent network in China,and uses the spatial panel data model to explore the impact of the intercity patent network on the green total factor productivity. It's found that: 1) China's intercity patent network tends to be dense as a whole. There is strong adjacent interaction and distant interaction in the patent network,which conforms to the multi-location network features. 2) Human capital,environmental regulation and industrial structure have significant network spillover effects on the green total factor productivity of network-related regions through patent network. The closer the patent network is,the more significant the network spillover effects are. 3) Compared with geographical proximity,the intercity patent network significantly expands the positive spillover effects of human capital factor on green total factor productivity and the negative spillover effects produced by environmental regulation and industrial structure. The research results provide scientific references for the endogenous growth path of regional economy with knowledge network spillovers as the core.

Key words： patent citation; network externalities; geographical proximity; spatial panel data model; green total factor productivity; spillover effect; knowledge intensive industry

党的二十大报告指出，着力提高全要素生产率，推动经济实现质的有效提升和量的合理增长。这意味着中国亟须从资源要素主导的传统粗放式经济增长模式转向创新驱动的集约型经济发展模式。事实上，早在1980年代，新增长学派就开始探索知识溢出与经济内生增长之间的关系；后续，城市经济学者将知识空间溢出效应纳入集聚外部性理论框架解释空间集聚现象。随着数字技术和高铁等基础设施的发展，运输成本和信息管理成本得到大幅降低，创新要素跨域流动日益密集，使得知识溢出呈现多尺度特征[1-3]。近年来，部分学者探究公路和高铁等基础设施对知识溢出效应的影响，并认为完善的交通基础设施可以使创新主体能够获得更远位置的知识和技术等资源[4-5]。这说明，区域间的溢出效应逐渐突破地理距离的限制，越发依赖于网络关系邻近性，从而导致仅利用集聚经济外部性理论无法合理解释当前经济和创新活动的跨区域组织现象[6-9]。换言之，数字经济时代，技术知识网络及其溢出效应越发成为区域经济内生增长的重要动力。
已有研究认为，区域创新网络是不同主体通过跨地理和组织等多重边界从外部获取新知识的重要方式，在自演化和择优链接作用下倾向呈现小世界网络[10]和多中心特征[11]。与空间溢出效应不同，创新网络溢出的区位和强度主要取决于节点的网络位置和权力[12-13]，且技术基础是影响节点网络位置的重要因素[14]。部分研究认为创新网络对区域经济增长产生正向和负向溢出效应[15]，且知识溢出效应与区域间认知和制度水平所决定的复合邻近性存在正向关系[16-17]。需要指出的是，伴随数字技术的快速发展，知识表现出在线化、多元化、共享化和复杂化等新特性[18]，使得知识跨域组合愈发普遍，并趋向多区位网络演化，对区域经济内生增长产生重要影响[19]。基于此，本文尝试探究如下问题：①数字经济时代，中国城际专利联系网络呈现何种演化特征，对绿色全要素生产率产生何种影响?②与集聚外部性相比，城际专利联系网络溢出是否对绿色全要素生产率的影响更加显著?为科学解答好这些问题，本文利用专利引证大数据，并构建空间面板数据模型探究中国城际专利联系网络的空间特征及其对绿色全要素生产率的影响，以期为区域知识动力学理论提供中国案例；同时，从技术知识关联视角深入认识数字经济时代区域经济发展过程中的空间相互依赖性，推进区域创新学派关于经济发展中知识动力问题的研究，以助于为区域经济高质量发展提供科学参考。

1 理论基础与研究假说

绿色全要素生产率涵盖经济绩效和资源环境绩效双重内涵，是反映经济高质量发展的重要指标[20-21]。已有研究主要从本地尺度探究绿色全要素生产率的影响因素。其中，由于技术进步和创新是区域经济高质量增长的根本动力，较高的人力资本水平可以提升要素利用率和企业生产率，减少环境污染，从而对绿色全要素生产率产生正向影响；而传统制造业技术水平较低，使得过高的第二产业占比可能对城市绿色全要素生产率产生负向影响[22]。环境规制对城市绿色全要素生产率的影响存在2种可能：①合理的环境规制有利于激发企业的创新活力，从而提升企业的生产效率和城市环境；②环境规制增加了企业治污成本，从而抑制企业的创新能力，对绿色全要素生产率产生负向影响[22]。信息化水平完善的地区容易进行技术交流和学习，有助于集聚创新人才和企业，从而提升城市绿色全要素生产率[23]。土地财政制度对绿色全要素生产率产生一定影响。在土地出让过程中，中国地方政府往往借助住宅商服用地高出让价格所获收入来抵补工业用地低出让价格产生的损失，该模式降低了土地要素资源配置效率，从而对城市绿色全要素生产率产生负向影响[24]。外商直接投资通过为中国本土企业带来先进的生产技术和管理体系，促进城市经济增长和创新水平提高，从而对绿色全要素生产率产生正向影响[22]。此外，金融资本可以通过为城市技术革新和创新型产业培育提供资金支持，带动产业发展和创新活力，从而促进绿色全要素生产率的提升。
需要指出的是，数字经济时代，经济活动主体更便于利用互补关系和协同效应参与合作网络，并通过利用规模经济扩大网络群体间的溢出效应[19,25]。拓展至空间层面，伴随知识跨域流动愈加频繁，地方人力资本、产业结构和环境规制等因素通过知识网络溢出效应影响技术关联区域的绿色全要素生产率。技术知识网络影响区域绿色全要素生产率的内在机制主要表现在：①数字经济时代，创新要素跨域流动愈加频繁，并构建起一种新的区域相互作用关系，使得地方人力资本、产业结构和环境规制基于上述相互作用关系对技术关联区域绿色全要素生产率产生网络溢出效应[17]；②知识网络所依赖的认知邻近使得地方人力资本对具有相似技术基础的区域具有更显著的正向溢出作用，而在地方产业升级政策和环境规制背景下，技术知识网络使得区域的污染型制造企业和低端生产技术更容易转移到与之存在技术关联的外围区域，并引起集聚过程[26]，从而扩大了上述制度安排对技术关联区域绿色全要素生产率的负向溢出效应；③结合认知学习理论和网络外部性理论，区域间的技术关联越强，认知水平越邻近，知识的学习和吸收效率越高，技术知识网络的溢出效应就越大。基于此，本文提出假说1。
假说1：人力资本、产业结构和环境规制等因素通过技术知识网络对关联区域的绿色全要素生产率产生显著的外部效应，且技术知识网络越紧密，外部效应越显著。
传统区域创新相关研究多是以知识累积动力为理论基点开展的，强调知识创新的内源性和地理邻近性，在解释数字经济时代区域发展过程中知识跨域流动现象时表现出诸多缺陷。近年来，一些区域知识动力学者在批判性反思传统区域创新理论的基础上，认为数字技术的快速发展突出了知识组合动力的重要性，使得知识跨域流动呈现多区位特征（即知识流动同时存在于邻近区域和远距离区域），并对区域经济发展产生重要影响[27]。区域知识动力学理论认为基于本地技术基础促进产业专业化的模式逐渐转向在多区位网络中捕获特定技术知识和资源促进区域创新发展的模式[27-29]。重要的是，这种多区位学习模式使得区域经济发展不再仅仅取决于本地区既定的生产系统和初始资源分配，越来越依赖于本地经济活动主体跨区域锚定外部知识的能力[27]。综上，区域知识动力学理论的特点在于：立足于数字经济时代背景，强调多区位知识网络驱动区域创新发展的重要作用，并认为相对于地理邻近，认知邻近对知识溢出效应的影响更大。因此，在假说1的基础上，本文提出假说2。
假说2：人力资本、产业结构和环境规制等因素通过技术知识网络对关联区域的绿色全要素生产率产生的网络溢出效应比地理邻近条件下的空间溢出效应更显著。

2 研究方法与数据来源

2.1 网络和空间权重矩阵设置

根据《知识产权（专利）密集型产业统计分类》文件，知识产权密集型产业（下文简称知识密集型产业）是一种基于复杂技术知识实现产品生产的产业集合。该类产业的授权发明专利的引证数据对刻画技术知识网络而言更具代表性。中国发明专利的申请授权流程较为繁杂，整个流程需要历时3年左右，这使得可获取的且较为完整的最新授权发明专利数据为2020年的专利数据。
本文研究的区域对象是部分地级及以上城市，包括直辖市、省会城市和专利联系较强的地级市。借鉴相关研究的测度方法[6,17]，专利联系网络矩阵（ W p n）由2006、2011、2016和2020年中国城市间知识密集型产业授权发明专利引用总次数的平均值构成。为对专利联系网络下的空间计量模型的实证结果进行稳健性分析，本文利用2016和2020年城市间知识密集型产业授权发明专利引用总次数的平均值构建新的城际专利联系网络权重矩阵 W p n *。 W p n的计算公式如下：
W p n = 0 ,                                 i = j 1 T ∑ t = 2006 K i , j t , i ≠ j
式中：t=2006，2011，2016，2020；T为专利数据年份的总数量，值为4； K i , j t为t时期i城市和j城市之间的专利引用数量。
地理距离邻近矩阵（Wgd）由城市之间的空间距离（通过ArcGIS10.2计算得到）的倒数构成。为对比专利联系网络与地理邻近2种权重矩阵的空间模型的实证结果，本文对上述2种矩阵均进行了标准化处理。

2.2 变量选取与数据处理

被解释变量及其测度方法。借鉴相关研究[20]，绿色全要素生产率（GTFP）采用Luenberger生产率指数法进行测度，计算公式如下：
G T F P t t + 1 = 1 2 R v t x t , y t , b t ; g - R v t x t + 1 , y t + 1 , b t + 1 ; g + R v t + 1 x t , y t , b t ; g - R v t + 1 x t + 1 , y t + 1 , b t + 1 ; g
式中： G T F P t t + 1为t期和t+1期之间的绿色全要素生产率； R v t表示可变规模报酬下的方向性距离函数； x t为每个城市单元t期的能源、劳动和资本投入； y t为以2000年为基期的t期的正向产出； b t为以2000年为基期的t期的负向产出；g为方向向量；相应地， R v t + 1、 x t + 1、 y t + 1、 b t + 1为t+1时期各变量的含义。其中，正向产出选用以2000年为基期的城市实际地区生产总值；负向产出以CO2和SO2的排放量作为代理变量。在能源投入方面，鉴于能源消费是非期望产出的主要来源，故能源消费可作为衡量能源投入；由于石油、天然气和煤炭3种化石能源消费总量缺少城市尺度的统计，已有相关研究采用全社会用电量来衡量能源投入，并得到可信的测度结果[30-31]。因此，本文采用用电量来衡量资源投入。劳动投入以城市从业人员数来衡量。资本投入采用永续盘存法计算，并且使用永续盘存法时主要涉及当期投资指标的选择、基期资本值计算、折旧率选择和投资平减4个问题。其中，根据刘秉镰等的研究[32]，选择固定资产投资额作为当年投资指标，并利用固定资产投资价格指数进行调整，得到以2000年为不变价格的各城市的实际投资序列数据；进一步确定1952年的资本存量为基期资本存量；借鉴张军等的研究[33]，折旧率设定为9.6%。由于绿色全要素生产率是经济发展相关变量，长时间段的面板数据有利于回归结果的稳定性；同时考虑到经济增长相对于知识流动的滞后性，本文利用Max DEA转件测度了2007—2021年中国城市的GTFP。GTFP测度所需数据来自城市相应年份的统计年鉴。
解释变量及其数据来源。根据已有相关研究[22-24]，本文选取人力资本水平（talent）、产业结构（indust_ratio）、环境规制（envir_regul）、信息化水平（inform）、人均土地出让收入（landreve）、外商直接投资（fdi）、金融发展水平（finan）和资本—劳动结构（capit_lab）为解释变量。上述解释变量2006—2020年的原始数据来源于中国城市相应年份的统计年鉴；另外，2006—2020年城市土地出让数据来自中国土地市场网爬取土地交易数据。被解释变量和解释变量计算方法和描述性统计见表1。
表1 变量含义与描述性统计

Tab.1 Meaning and descriptive statistics of variables

变量符号 含义 计算方法 均值 标准差
GTFP 绿色全要素生产率 Luenberger生产率指数法 0.997 0.027
talent 人力资本水平 科研技术服务业从业人数/总人口 0.051 0.035
indust_ratio 产业结构 第二产业比重/第三产业比重 1.016 0.387
envir_regul 环境规制 一般工业固体废物综合利用率 0.852 0.209
inform 信息化水平 互联网宽带接入用户数/总人口 0.354 0.284
landreve 人均土地出让收入 土地出让收入/总人口（对数） 5.157 3.078
fdi 外商直接投资 外商直接投资实际使用额（对数） 13.601 1.416
finan 金融发展水平 年末金融机构存贷款余额/GDP 4.106 2.231
capit_lab 资本—劳动结构 资本存量/从业人员数 4.391 0.988

注：所有变量观测值均为645。

2.3 空间效应检验与空间杜宾模型选定

构建空间计量模型之前，需要对被解释变量和解释变量进行空间效应检验。本文分别利用专利联系网络矩阵和地理邻近矩阵对相关变量进行LM检验和Robust LM检验，结果均显著为正，说明被解释变量和解释变量之间存在空间关联特征。为进一步探究上述变量之间的网络/空间溢出效应，根据Elhorst的研究[34]，本文重点采用时空双重固定效应的空间杜宾模型进行分析。基于已选取的相关变量，模型设定如下：
$\begin{aligned} \text { GTFP }_{i, t}= & \alpha_0+\beta G T F P_{i, t} W+\alpha_1 \text { talent }_{i, t-1}+ \\ & \alpha_2 \text { indus_ratio }_{i, t-1}+ \\ & \alpha_3 \text { envir_regul }_{i, t-1}+ \\ & \alpha_4 \text { inform }_{i, t-1}+\alpha_5 \text { landreve }_{i, t-1}+ \\ & \alpha_6 \text { fdi }_{i, t-1}+\alpha_7 \text { finan }_{i, t-1}+ \\ & \alpha_8 \text { capit_lab }_{i, t-1}+ \\ & \theta_1 \text { talent }_{i, t-1} W+ \\ & \theta_2 \text { indus_ratio }_{i, t-1} W+ \\ & \theta_3 \text { envir_regul }_{i, t-1} W+ \\ & \theta_4 \text { inform }_{i, t-1} W+\theta_5 \text { landreve }_{i, t-1} W+ \\ & \theta_6 \text { fdi }_{i, t-1} W+\theta_7 \text { finan }_{i, t-1} W+ \\ & \theta_8 \text { capit_lab }_{i, t-1} W+\delta_i+ \\ & \gamma_{t-1}+\varepsilon_{i, t-1}\end{aligned}$
式中： β为空间自回归系数； δ i为个体固定效应； γ t - 1为时间固定效应； ε i , t - 1为随机误差项；W为网络/空间权重矩阵。

3 结果与分析

3.1 中国城际专利联系网络时空演化特征

图1a~图1d分别显示了2006、2011、2016和2020年中国城市知识密集型产业专利联系网络的空间特征。时间层面，中国城市知识密集型产业的专利联系网络整体上趋向密集化演变。即，北京—成都、北京—深圳、北京—广州、上海—深圳、北京—苏州、北京—杭州等发达城市之间的专利联系频次不断增加，同时，产生专利联系的城市数量也逐渐增多。空间层面，中国城际专利联系网络呈现明显的非均衡性特征。即，中国城际专利联系网络基本符合“胡焕庸线”空间分异规律；另外，东部密集区域的城际专利联系网络呈现以北京、上海、深圳和成都为顶点的菱形结构，且较强的专利联系同时存在于邻近城市间（例如，北京—天津、上海—苏州）和远距离城市间（例如，北京—深圳、北京—上海和上海—深圳等城市对），呈现多区位联系特征。这说明，数字经济时代，中国城际专利联系网络逐渐突破地理距离的限制形成多区位关联特征，并在溢出效应作用下可能对网络关联区域的绿色全要素生产率产生重要影响。
图1 中国知识密集型产业的城际专利联系网络的演化特征

注：基于自然资源部标准地图服务网站审图号为GS（2020）4 619号标准地图制作，底图无修改。

Fig.1 Evolution of intercity patent networks in China's knowledge intensive industries

3.2 城际专利联系网络对绿色全要素生产率的影响分析

根据Elhorst的研究[34]，空间计量模型回归结果的间接效应是判识空间溢出效应是否存在的重要基础。表2报告了城际专利联系网络邻近矩阵（模型1）和地理距离邻近矩阵（模型2）条件下的空间杜宾模型回归结果的间接效应和总效应。其中，模型1的talent的间接效应显著为正且系数较大，说明与本地存在技术关联的其他城市的人力资本对本地绿色全要素生产率产生较为显著的正向溢出效应；inform和fdi的间接效应系数也显著为正，说明与本地存在技术关联的其他城市的信息化水平和外商直接投资均对本地绿色全要素生产率产生正向溢出效应，但是溢出强度相对较小。另外，模型1的indust_ratio、envir_regul和landreve的间接效应系数显著为负，说明与本地存在技术关联的其他城市的产业结构（二、三产业比值）、环境规制和土地出让收入对本地绿色全要素生产率产生显著的负向效应。究其原因：某城市较高的第二产业占比使得本地区集聚了更多的工业企业和工业资本，使得与其存在技术关联的其他城市难以升级工业生产技术，进而降低了关联城市的绿色全要素生产率；城市较强的环境规制使得一些低效率和污染性企业搬迁至与其存在技术关联的其他城市，从而降低了引进低效率企业的城市的绿色全要素生产率；另外，通过横向补贴模式实现土地出让收入快速增加的城市对与之具有技术关联城市的创新型企业产生一定虹吸效应，降低了技术关联城市的创新能力。因此，本文初步认为，人力资本、产业结构和环境规制等因素通过城际专利联系网络对绿色全要素生产率产生外部效应，且城市间专利联系网络越紧密，外部效应就越显著。其中，地方人力资本通过城际专利网络对绿色全要素生产率发挥较为显著的正向溢出效应；地方产业结构和环境规制通过城际专利联系网络对绿色全要素生产率产生较为显著的负向溢出效应。上述结果证明假说1成立。
表2 网络/空间权重矩阵的空间杜宾模型溢出效应分解

Tab.2 Decomposition of spillover effect in spatial Durbin model （network/spatial weight matrix）

间接效应 总效应
模型1（Wpn） 模型2（Wgd） 模型1（Wpn） 模型2（Wgd）
talent 0.977***
（0.334）		 0.489***
（0.153）		 0.979***
（0.331）		 0.461***
（0.163）
indust_ratio -0.072**
（0.036）		 0.014
（0.016）		 -0.070*
（0.036）		 0.012
（0.019）
envir_regul -0.087**
（0.041）		 -0.011
（0.022）		 -0.088**
（0.042）		 -0.013
（0.023）
inform 0.018**
（0.008）		 0.034***
（0.012）		 0.026***
（0.009）		 0.044***
（0.013）
landreve -0.008***
（0.003）		 -0.003**
（0.002）		 -0.009***
（0.003）		 -0.004***
（0.001）
fdi 0.024**
（0.012）		 0.010*
（0.005）		 0.023*
（0.012）		 0.008*
（0.005）
finan 0.004
（0.003）		 0.002
（0.002）		 0.004*
（0.003）		 0.002
（0.002）
capit_lab -0.011
（0.013）		 -0.001
（0.005）		 -0.011
（0.014）		 0.002
（0.005）
Spatial rho 0.396***
（0.098）		 0.191***
（0.013）		 0.396***
（0.098）		 0.191***
（0.013）
城市固定 是 是 是 是
时间固定 是 是 是 是
R2（within） 0.220 0.140 0.220 0.140

注：***、**和*分别表示相关变量在1%、5%和10%水平下显著；括号中的数值是稳健标准误。表3~表5同。

模型2的talent和fdi等变量的间接效应显著为正，但是与模型1相比，上述变量的系数相对较小。究其原因，由于技术知识学习和吸收具有一定的认知门槛，某些地理邻近的城市之间可能存在一定程度的认知差距，从而导致认知水平较低的城市无法有效吸收相邻城市外溢的新知识。相反，某些空间距离较远但技术关联性较强的城市可通过互联网等新一代信息技术进行有效的知识互动，从而较大程度地吸收对方的知识，提升绿色全要素生产率水平。模型1和模型2的总效应系数也显示，人力资本、产业结构和环境规制等变量通过城际专利网络产生的溢出效应比地理邻近下的溢出效应更显著。因此，上述实证结果证明假说2成立。
为检验上述结论的稳健性，本文将专利联系网络邻近矩阵更换为 W p n *，并纳入空间杜宾模型进行回归。表3显示，模型3与模型1的间接效应回归结果接近。即talent、inform和fdi的系数显著为正，且inform和fdi的系数相对较小；landreve、indust_ratio和envir_regul的系数显著为负，且landreve的系数相对较小。这说明上述相关变量通过城际专利联系网络的确对技术关联城市的绿色全要素生产率产生显著的溢出效应。另外，与地理邻近下的溢出效应相比，地方人力资本、产业结构和环境规制等因素通过专利联系网络对绿色全要素生产率所产生的溢出效应更大。究其原因，数字技术时代，创新要素流动逐渐突破地理距离壁垒，使得存在强技术关联的城市间更容易进行知识互动和学习，同时，受产业升级和环境制度约束的企业趋向技术知识邻近区域进行转移，从而使得人力资本、产业结构和环境规制通过专利联系网络影响技术关联区域的绿色全要素生产率。进一步将间接效应和总效应均不显著的finan和capit_lab变量剔除，再次进行回归。模型4的回归结果再次证明模型1的回归结果具有稳健性。这也进一步论证了假说1和假说2的合理性。
表3 专利联系网络溢出效应的稳健性检验结果

Tab.3 Robustness test results of patent network spillover effects

W p n *（模型3） W p n *（模型4）
间接效应 总效应 间接效应 总效应
talent 0.983***
（0.332）		 0.987***
（0.330）		 1.083***
（0.277）		 1.097***
（0.288）
indust_ratio -0.075**
（0.037）		 -0.073**
（0.037）		 -0.060***
（0.013）		 -0.057***
（0.010）
envir_regul -0.082**
（0.041）		 -0.082*
（0.042）		 -0.116***
（0.036）		 -0.116***
（0.038）
inform 0.018**
（0.008）		 0.026***
（0.009）		 0.016**
（0.008）		 0.023***
（0.009）
landreve -0.008***
（0.003）		 -0.009***
（0.003）		 -0.009***
（0.003）		 -0.010***
（0.004）
fdi 0.021*
（0.012）		 0.020*
（0.012）		 0.033***
（0.011）		 -0.033***
（0.012）
finan 0.004
（0.003）		 0.005*
（0.003）
capit_lab -0.013
（0.014）		 -0.013
（0.014）
Spatial rho 0.399***（0.097） 0.422***（0.095）
城市固定 是 是
时间固定 是 是
R2（within） 0.219 0.206

3.3 动态效应分析

进一步考虑到城市经济发展的路径依赖性，滞后一期的绿色全要素生产率可能对当期的绿色全要素生产率产生影响，即绿色全要素生产率可能存在动态效应。因此，本文将滞后一期的 G T F P i , t - 1纳入空间杜宾模型，并将静态分析中的不显著变量finan和capit_lab剔除，构建动态空间杜宾模型。根据Elhorst的研究[34]，动态空间杜宾模型利用偏微分方法可以将解释变量对被解释变量的影响分为短期效应（包括短期的直接效应、间接效应和总效应）和长期效应（长期的直接效应、间接效应和总效应）。动态空间杜宾模型设定如下：
G T F P i , t = α 0 + φ G T F P i , t - 1 + β G T F P i , t W + α 1 t a l e n t i , t - 1 + α 2 i n d u s _ r a t i o i , t - 1 + α 3 e n v i r _ r e g u l i , t - 1 + α 4 i n f o r m i , t - 1 + α 5 l a n d r e v e i , t - 1 + α 6 f d i i , t - 1 + θ 1 t a l e n t i , t - 1 W + θ 2 i n d u s _ r a t i o i , t - 1 W + θ 3 e n v i r _ r e g u l i , t - 1 W + θ 4 i n f o r m i , t - 1 W + θ 5 l a n d r e v e i , t - 1 W + θ 6 f d i i , t - 1 W + δ i + γ t - 1 + ε i , t - 1
表4显示，进一步考虑绿色全要素生产率的动态效应后，在模型5的短期和长期间接效应中，talent的系数显著为正，indust_ratio和envir_regul的系数均显著为负。这说明与本地存在技术关联的其他城市的人力资本水平在短期和长期时间内对本地绿色全要素生产率均产生正向溢出效应；而与本地存在技术关联的其他城市的产业结构（二、三产业比值）和环境规制在短期和长期内对本地绿色全要素生产率产生显著的负向溢出效应。进一步对比模型5和模型6的间接效应和总效应的系数发现，上述变量通过城际专利联系网络所产生的溢出效应整体上大于通过地理邻近所产生的溢出效应（包括短期效应和长期效应）。
表4 网络/空间权重矩阵的动态空间杜宾模型溢出效应分解

Tab.4 Decomposition of spillover effects in dynamic spatial Durbin models (network/spatial weight matrix)

间接效应 总效应
模型5（Wpn） 模型6（Wgd） 模型5（Wpn） 模型6（Wgd）
短
期
效
应		 talent 0.777**
（0.280）		 0.663***
（0.255）		 0.758**
（0.293）		 0.684***
（0.271）
indust_ratio -0.073***
（0.018）		 -0.036
（0.028）		 -0.083***
（0.017）		 -0.052*
（0.029）
envir_regul -0.109**
（0.050）		 -0.008
（0.031）		 -0.112**
（0.053）		 -0.011
（0.034）
inform 0.006
（0.012）		 -0.010
（0.038）		 0.018
（0.013）		 0.002
（0.039）
landreve 0.006
（0.009）		 -0.002
（0.003）		 0.004
（0.010）		 -0.004
（0.003）
fdi -0.014
（0.033）		 0.014
（0.008）		 -0.016
（0.034）		 0.013
（0.010）
长
期
效
应		 talent 0.680***
（0.242）		 0.557***
（0.201）		 0.661***
（0.253）		 0.547***
（0.198）
indust_ratio -0.063***
（0.014）		 -0.032
（0.025）		 -0.072***
（0.014）		 -0.047*
（0.026）
envir_regul -0.095**
（0.043）		 -0.007
（0.028）		 -0.098**
（0.045）		 -0.010
（0.030）
inform 0.005
（0.010）		 -0.009
（0.034）		 0.016
（0.012）		 0.002
（0.035）
landreve 0.005
（0.008）		 -0.002
（0.003）		 0.004
（0.008）		 -0.004
（0.003）
fdi -0.012
（0.028）		 0.012*
（0.007）		 -0.013
（0.028）		 0.012
（0.009）
Spatial rho 0.489***
（0.095）		 0.049***
（0.011）		 0.489***
（0.095）		 0.049***
（0.011）
城市固定 是 是 是 是
时间固定 是 是 是 是
R2（within） 0.235 0.235 0.235 0.235
为检验动态空间杜宾模型的实证结果是否具有稳健性，本文将城际专利联系网络邻近矩阵更换为 W p n *，并纳入动态空间杜宾模型进行回归。表5的模型7显示，在短期和长期间接效应中，talent的系数显著为正；indust_ratio和envir_regul的系数显著为负。进一步将不显著变量inform、landreve和fdi剔除，再次进行回归发现，模型5的回归结果具有稳健性。
表5 专利联系网络动态溢出效应的稳健性检验结果

Tab.5 Robustness test results of dynamic spillover effects of patent network

W p n *（模型7） W p n *（模型8）
间接效应 总效应 间接效应 总效应
短
期
效
应		 talent 0.740***
（0.280）		 0.720**
（0.294）		 0.873***
（0.208）		 0.867***
（0.220）
indust_ratio -0.074***
（0.018）		 -0.083***
（0.017）		 -0.076***
（0.015）		 -0.086***
（0.013）
envir_regul -0.103**
（0.051）		 -0.106**
（0.053）		 -0.101*
（0.052）		 -0.103*
（0.054）
inform 0.004
（0.012）		 0.016
（0.014）
landreve 0.008
（0.009）		 0.006
（0.010）
fdi -0.021
（0.034）		 -0.023
（0.035）
长
期
效
应		 talent 0.648***
（0.242）		 0.629**
（0.254）		 0.768***
（0.175）		 0.760***
（0.185）
indust_ratio -0.064***
（0.015）		 -0.073***
（0.014）		 -0.066***
（0.013）		 -0.076***
（0.011）
envir_regul -0.090**
（0.043）		 -0.093**
（0.046）		 -0.088**
（0.044）		 -0.090*
（0.047）
inform 0.003
（0.010）		 0.014
（0.012）
landreve 0.007
（0.008）		 0.005
（0.008）
fdi -0.018
（0.028）		 -0.019
（0.029）
Spatial rho 0.496***（0.093） 0.454***（0.082）
城市固定 是 是
时间固定 是 是
R2（within） 0.232 0.237
综上，专利联系网络和地理邻近2种权重矩阵下的空间杜宾模型回归结果表明，地方人力资本、产业结构和环境规制通过城际专利联系网络对关联城市的绿色全要素生产率产生显著影响，外商直接投资和信息化水平的影响相对较小。在此基础上构建动态空间杜宾模型，回归结果显示，地方人力资本、产业结构和环境规制通过城际专利联系网络对其关联城市的绿色全要素生产率产生显著外部效应（包括短期效应和长期效应）；另外，上述变量通过城际专利联系网络所产生的短期和长期溢出效应均显著大于通过地理邻近所产生的短期和长期溢出效应。上述实证结果为假说1和假说2的成立提供了论据。

4 结论与建议

数字经济时代，本地链接外部知识网络的能力越发成为影响地方绿色全要素生产率的重要因素。基于此，本文利用授权专利引证大数据，并构建空间面板数据模型探究了城际专利联系网络对绿色全要素生产率的影响。主要结论如下：①数字经济时代，中国城市知识跨域流动日趋紧密，城际专利联系网络呈现邻近互动和远距离互动并存的多区位关联特征，为我国经济高质量发展注入新的内生动力。②人力资本、产业结构和环境规制通过城际专利联系网络对绿色全要素生产率产生显著的溢出效应，且专利联系网络越紧密，溢出效应越显著。其中，人力资本通过城际专利联系网络对关联城市的绿色全要素生产率产生显著的正向溢出效应；而地方环境规制和产业结构通过城际专利联系网络对关联城市的绿色全要素生产率产生显著的负向溢出效应。③在数字技术快速发展的背景下，与地理邻近相比，技术知识跨域联系更好地反映了空间关联性，这使得上述影响因素通过城际专利联系网络所产生的溢出效应整体上大于通过地理邻近所产生的溢出效应。需要说明的是，网络外部性是数字经济时代经济内生增长动力解析的一个重要维度，并与集聚外部性形成补充而非互斥关系。
根据上述结论，本文提出相关政策建议如下：①构建合理的城际专利联系网络，优化创新资源空间配置。一是通过培育虚拟集群和创新飞地（即创新外围城市主动在创新核心城市反向设立飞地园区集聚创新要素，实现生产和研发跨域联动的创新合作发展模式）等方式强化“胡焕庸线”两侧城市间的专利联系；二是通过提高成都和重庆的创新能级，加强北京—深圳—成都三角形区域的专利网络密度，从而进一步优化中国城际专利联系网络的菱形空间结构。②加快推进城际高铁和轨道交通、大数据中心、人工智能和工业互联网等新型基础设施建设，增强城际网络连通性，从而促进外围城市尽快融入全国多尺度的生产和研发网络。③依托城市群和经济带等国家级战略促进区域知识共享和价值共创。即基于网络邻近性思维科学布局城市群和经济带的产业体系，通过强化城际产业分工与合作来优化区域创新协同网络，进而充分发挥专利网络溢出效应，同时降低中心城市对邻域中、小城市的虹吸效应。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
白俊红, 王钺, 蒋伏心, 等. 研发要素流动,空间知识溢出与经济增长[J]. 经济研究, 2017, 52(7):109-123.

[2]
刘君洋, 朱晟君. 多尺度知识溢出研究——以进出口互动效应为例[J]. 地理研究, 2020, 39(11):2493-2507.

DOI

[3]
王腾飞. 知识跨区域流动的隐形壁垒及其作用机制[J]. 地理科学, 2023, 43(12):2101-2109.

DOI

[4]
Agrawal A, Galasso A, Oettl A. Roads and innovation[J]. Review of Economics and Statistics, 2017, 99(3):417-434.

[5]
毛琦梁. 时空压缩下的空间知识溢出与产业升级[J]. 科学学研究, 2019, 37(3):422-435.

[6]
王腾飞, 马仁锋, 庄汝龙. 数字经济背景下长三角城市产业比较优势演化及其知识流动驱动研究[J]. 地理科学进展, 2024, 43(2):203-214.

DOI

[7]
王婧, 杜广杰. 中国城市绿色创新空间关联网络及其影响效应[J]. 中国人口·资源与环境, 2021, 31(5):21-27.

[8]
谭爽, 魏冶, 李晓玲, 等. 不同邻近性视角下城市网络外部性,集聚外部性对城市经济的影响[J]. 地理研究, 2022, 41(9):2404-2417.

DOI

[9]
姚常成, 吴康. 集聚外部性、网络外部性与城市创新发展[J]. 地理研究, 2022, 41(9):2330-2349.

DOI

[10]
周灿, 曾刚, 曹贤忠. 中国城市创新网络结构与创新能力研究[J]. 地理研究, 2017, 36(7):1297-1308.

DOI

[11]
马海涛, 徐楦钫, 江凯乐. 中国城市群技术知识多中心性演化特征及创新效应[J]. 地理学报, 2023, 78(2):273-292.

DOI

[12]
王腾飞, 谷人旭. 中国区域知识溢出网络特征及其影响因素[J]. 软科学, 2021(8):94-99.

[13]
盛科荣, 王丽萍, 孙威. 网络权力, 知识溢出对中国城市绿色经济效率的影响[J]. 资源科学, 2021, 43(8):1509-1521.

DOI

[14]
Cortinovis N, Oort F V. Between spilling over and boiling down[J]. Journal of Economic Geography, 2019, 19(6):1233-1260.

DOI

[15]
安頔, 胡映洁, 万勇. 中国城市网络关联与经济增长溢出效应[J]. 地理研究, 2022, 41(9):2465-2481.

DOI

[16]
孙哲, 周密, 刘秉镰. 复合邻近条件下大城市的区域吸收能力[J]. 科学学研究, 2017, 35(5):720-728.

[17]
殷德生, 吴虹仪, 金桩. 创新网络、知识溢出与高质量一体化发展[J]. 上海经济研究, 2019(11):30-45.

[18]
王如玉, 梁琦, 李广乾. 虚拟集聚:新一代信息技术与实体经济深度融合的空间组织新形态[J]. 管理世界, 2019, 34(2):13-21.

[19]
王腾飞. 知识流动的隐形壁垒与区域经济高质量发展[M]. 北京: 经济科学出版社, 2024.

[20]
王兵, 吴延瑞, 颜鹏飞. 中国区域环境效率与环境全要素生产率增长[J]. 经济研究, 2010(5):95-109.

[21]
余泳泽, 杨晓章, 张少辉. 中国经济由高速增长向高质量发展的时空转换特征研究[J]. 数量经济技术经济研究, 2019, 36(6):3-21.

[22]
陈超凡. 中国工业绿色全要素生产率及其影响因素[J]. 统计研究, 2016, 33(3):53-62.

[23]
卢福财, 刘林英, 徐远彬. 互联网发展对工业绿色全要素生产率的影响研究[J]. 江西社会科学, 2021(1):39-50.

[24]
张少辉, 余泳泽. 土地出让、资源错配与全要素生产率[J]. 财经研究, 2019, 45(2):73-85.

[25]
张英浩, 汪明峰, 刘婷婷. 数字经济对中国经济高质量发展的空间效应与影响路径[J]. 地理研究, 2022, 41(7):1826-1844.

DOI

[26]
王腾飞, 谷人旭, 马仁锋, 等. “集聚—扩散”视角下中国区域创新极及其知识溢出区位[J]. 经济地理, 2021, 41(5):11-18.

DOI

[27]
Crevoisier O, Jeannerat H. Territorial knowledge dynamics[J]. European Planning Studies, 2009, 17(8):1223-1241.

[28]
Crespo J, Vicente J. Proximity and distance in knowledge relationships[J]. Regional Studies, 2016, 50(2):202-219.

[29]
王腾飞. 区域经济发展的知识动力及其多区位机制[J]. 地理科学进展, 2023, 42(4):782-795.

DOI

[30]
李艳军, 华民. 中国城市经济的绿色效率及其影响因素研究[J]. 城市与环境研究, 2014, 1(2):36-52.

[31]
易明, 程晓曼. 长江经济带城市绿色创新效率时空分异及其影响因素[J]. 城市问题, 2018(8):31-39.

[32]
刘秉镰, 李清彬. 中国城市全要素生产率的动态实证分析[J]. 南开经济研究, 2009(3):139-152.

[33]
张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算:1952—2000[J]. 经济研究, 2004(10):35-44.

[34]
Elhorst J P. Matlab software for spatial panels[J]. International Regional Science Review, 2014, 37(3):389-405.

Options
文章导航

/

〈 〉