EN中文

经济地理 >

2020 , Vol. 40 >Issue 8: 1 - 8

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.08.001

区域经济与理论方法

中国跨境知识溢出的地理格局及影响因素

  • 司月芳 , 1, 2 ,
  • 梁新怡 1, 2 ,
  • 曾刚 1, 2 ,
  • 王丰龙 , 1, 3, ※
展开
  • 1.华东师范大学 中国现代城市研究中心，中国 上海 200062
  • 2.华东师范大学 城市与区域科学学院，中国 上海 200062
  • 3.华东师范大学 城市发展研究院，中国 上海 200062
※王丰龙（1988—），男，内蒙古赤峰人，博士，副教授。主要研究方向为幸福感、经济地理和政治地理等。E-mail：。

司月芳（1982—），女，河北沧州人，博士，副教授。主要研究方向为中国对外直接投资、创新网络和区域经济发展。E-mail：。

收稿日期: 2019-07-20

  修回日期: 2020-05-20

  网络出版日期: 2025-04-18

基金资助

国家自然科学基金项目(41871110)

收起

Geographical Patterns and Determinants of Transnational Knowledge Spillovers in China

  • SI Yuefang , 1, 2 ,
  • LIANG Xinyi 1, 2 ,
  • ZENG Gang 1, 2 ,
  • WANG Fenglong , 1, 3, ※
Expand
  • 1. The Center for Modern Chinese City Studies，East China Normal University，Shanghai 200062, China
  • 2. School of Urban & Regional Science，East China Normal University，Shanghai 200062, China
  • 3. Institute of Urban Development，East China Normal University，Shanghai 200062, China

Received date: 2019-07-20

  Revised date: 2020-05-20

  Online published: 2025-04-18

Fold

摘要

经济全球化背景下，知识作为创新的源泉，其空间分布及流动深刻地影响着国家及区域的经济发展水平。现有跨境知识溢出研究主要关注发达国家，对于新兴经济体的关注较少。文章基于2003—2012年中国在全球专利统计数据库（PATSTAT）中的专利被引数据，采用Tobit模型分析中国对外跨境知识溢出的空间分布及影响因素。研究发现中国跨境知识主要流入全球创新体系的核心国家，而非边缘国家。中国跨境知识溢出主要受地理距离、知识通道通达性的影响，东道国与中国的地理距离越近、知识通道通达性越好，中国跨境知识溢出的强度越大。东道国技术吸收能力及东道国在全球创新体系中的层级对中国跨境知识溢出无显著影响。

关键词： 中国跨境知识溢出; 地理距离; 技术吸收能力; 知识通道通达性; 全球创新体系的层级; 东道国; 专利

本文引用格式

司月芳 , 梁新怡 , 曾刚 , 王丰龙 . 中国跨境知识溢出的地理格局及影响因素[J]. 经济地理, 2020 , 40(8) : 1 -8 . DOI: 10.15957/j.cnki.jjdl.2020.08.001

Abstract

Under the background of economic globalization,knowledge's spatial distribution and flow profoundly affect the level of economic development of the country and the region. Existing cross-border knowledge spillovers research focuses on knowledge spillovers in developed countries and less attention to knowledge spillovers in emerging economies. Based on the patent citation data of China in the Global Patent Statistics Database (PATSTAT) from 2003 to 2012,this paper uses the Tobit model to analyze the spatial distribution and influencing factors of cross-border knowledge spillovers in China. The study found that China's cross-border knowledge mainly flows into the core countries of the global innovation system,not the periphery countries. China's cross-border knowledge spillover is mainly affected by geographical distance and accessibility of knowledge channels. The closer the geographical distance between the host country and China and better the accessibility of knowledge channels,the greater the intensity of cross-border knowledge spillovers in China. The technology absorption capacity of the host country and the level of the host country in the global innovation system have no significant impact on China's cross-border knowledge spillovers.

Key words： cross-border knowledge spillover in China; geographical distance; technology absorption capacity; accessibility of knowledge channels; hierarchy of the global innovation system; host country; patent

在知识经济时代，知识价值逐渐被挖掘，知识流动活力凸显，知识创新发挥的作用越来越重要，有效的知识吸收成为国家提高竞争力的关键[1]。进入21世纪以来，中国创新能力迅速提升。2018年7月10日，由世界知识产权组织、美国康奈尔大学和英士国际商学院联合发布的全球创新指数报告显示，中国已成为世界第17大创新型经济体，仅低于西欧、北美发达经济体和东亚的日本和韩国[2]。在参与全球知识流动过程中，中国积极提高自身研究水平和吸收全球创新资源，目前已成功实现从知识流动低水平区域向高水平区域的转变，并在全球创新网络中占据核心位置[3-4]。在这一转变过程中，中国不仅吸收、利用外部知识，同时也逐渐将自身创造的新知识和新技术传播、扩散到其他国家和地区[5]。然而现有关于中国对外跨境知识溢出的地理格局和具体影响因素研究落后于快速发展的中国对外技术扩散现象。
对中国跨境知识溢出的地理格局研究主要关注发达国家对华知识溢出是否促进新兴工业化国家区域创新能力提高和经济增长[6⇓-8]以及中国如何从发达国家的知识溢出中受益（主要通过贸易[9-10]、外商直接投资[11-12]、对外直接投资[13-14]等方式）等议题。随着中国创新能力的快速提高，一些学者认为应该同时关注中国对发达国家的反向溢出效应[15-16]。通过对中国ICT产业的分析，Guo等发现，中国本地企业的自主创新对外资企业的创新绩效产生了显著的正向影响[17]，这一发现也印证了Liu等人提出的“中国企业与外国企业的知识溢出是双行道”的观点[18]。通过访谈调研中资跨国企业在德国跨国收购中的知识转移过程，Haasis等也发现了相似的结论，中资跨国企业与德国被收购企业间的知识转移是双向的[19]。另外，还有一些学者通过分析特定领域（如水能、风能、太阳能等）的全球技术动态，发现中国的技术转移在逐渐打破传统的以南北技术转移为主的国际技术转移格局，南南技术转让、合作现象日趋明显[20⇓-22]。不难发现，中国对外跨境知识溢出不仅影响发展中国家，也影响发达国家。然而，这些研究多是针对个别企业、个别产业的案例研究，基于国家层面统计数据分析的研究尚不多见，中国对外跨境知识溢出主要影响发展中国家还是发达国家尚不明晰。
对中国跨境知识溢出影响机制的研究则主要关注对华技术溢出的影响因素研究。东道国技术吸收能力、地理距离、知识通道通达性和东道国在全球创新体系中的层级是主要的关注因素。东道国的技术吸收能力是影响知识溢出效果的主要因素。东道国只有具备有一定的吸收能力才能将外部知识内部化、调整外部知识和技术使之与内部特有的流程和规程相适应，进而产生新知识[23]。知识溢出强度随着东道国技术吸收能力的增加而增加[24⇓-26]。地理距离影响知识溢出的机理在于知识传播需要空间交易成本，知识的累积性也使知识溢出具有空间局域性[27]。虽然发达的通信技术和便利的交通降低了知识的运输成本，但是地理距离对知识流动空间过程的影响依然存在[28-29]。知识通道是知识溢出得以实现的必要条件，通畅的知识通道有利于知识溢出，反之则阻碍知识溢出[30-31]。Bathelt等发现来自于加拿大集群的公司都更倾向于在中国同一领域的集群中投资，表明构成知识网络的特定区域之间的知识通道只受惠于网络内成员[32]。Bathelt等还认为，知识通道越多，本地集群内公司受益于本地蜂鸣的质量和价值就越高[33]。另外，知识在全球范围内的流动呈现出“等级效应”。通过分析1981—1985、1991—1995和2001—2005年三个时期的世界各国（地区）USPTO实用专利引用数据，Chen等发现国际知识扩散具有明显的核心—外围结构，大多数知识流动发生在核心国家间，核心国家和边缘国家之间存在广泛的知识流动但强度不大，而边缘国家间的知识流动少[34]。基于全球52个样本国家和地区的引文数据，刘云等的研究也表明参与国的知识网络位置越核心，知识流量越大[35]。与地理格局的研究类似，关于中国对外知识溢出影响机制的相关研究尚处于起步阶段。
综上，本文拟解决两个问题：①中国对外跨境知识溢出的地理格局是怎样的?②东道国技术吸收能力、地理距离、知识通道通达性和东道国在全球创新体系中的层级等四类因素是否在中国对外跨境知识溢出中发挥促进或抑制作用?据此，基于全球专利统计数据库（PATSTAT）2003—2012年国家间专利引用数据，以中国专利被引为分析对象，本文从宏观层面分析研究中国对外跨境知识溢出的空间格局与影响因素。研究旨在展现中国在全球创新体系中的地位和中国对世界其他国家和地区创新知识的贡献，丰富跨境知识溢出的研究。

1 研究数据与研究方法

1.1 指标选取与数据来源

专利引用是一个成熟且客观的测度知识流动与溢出的指标[36]，通过分析专利引用可以对无形的知识溢出进行追踪[29]。本文数据主要来源于欧洲专利局（European Patenting Office，EPO）开发的全球专利统计数据库（Worldwide Patent Statistical Database，PATSTAT），包括专利信息、发明者信息、引证记录、发明人及专利权人地址，以分析各国（或地区）专利引证情况。PATSTAT是目前世界上收录最全的专利数据库，也是学者们常用的数据来源[37]。考虑到专利通常需要4~5年的时滞才能从公开达到引用峰值[38]，且中国早期专利的引用现象不明显，故本文选取2003—2012年这10年的数据进行分析。从2003年1月1日到2012年12月31日，中国PATSTAT专利被引共计249 948次。文中的中国指中国大陆地区，不包括港澳台地区。模型中具体指标选取如下：
①跨境知识溢出。虽然知识溢出不能被直接观测，但专利引用能把无形的知识溢出过程显性化，从而得到知识溢出的路径和强度[29]，因此本文使用中国大陆专利年度被引数量衡量知识溢出的强度。这一数据来源于全球专利统计数据库。
②东道国技术吸收能力。目前学者们已从研发、人力资本、金融市场、知识产权保护等多个角度诠释东道国技术吸收能力的概念、内涵及影响作用[39]，而基于技术能力（研发）衡量东道国技术吸收能力是学者们普遍采用的视角，为此本文从东道国技术能力（研发）来衡量东道国技术吸收能力。本文主要从研发投入和产出角度出发，采用东道国的人均专利申请数量、研发经费、高新技术产品出口占比3个指标。其中，人均专利申请数量来自全球专利统计数据库；研发投入和高新技术产品出口的数据来源于世界银行。
③地理距离。东道国与中国的地理距离采用谷歌地图计算得到的该国（地区）与中国中心位置之间的空间距离衡量。
④知识通道通达性。行为主体之间需要知识通道才能传播与交流知识[31]。共同发明专利说明发明人之间有着较为密切的技术知识交流，其中必然存在知识通道[40]。知识通道越通畅，知识流动越快，共同发明专利则越多。据此本文采用各国（地区）与中国的联合申请专利数量来衡量东道国与中国的知识通道通达性。这一数据来源于全球专利统计数据库。
⑤东道国在全球创新体系中的层级。参考世界体系理论，东道国在全球创新体系中所处的位置（层级）不同，其能够接收的知识溢出也不同[41-42]。本文基于全球专利统计数据库中各国（地区）在2003—2012年的专利引用数据构建全球创新体系，从而将各国（地区）按照核心国家、半边缘国家、边缘国家三个层级分类。
⑥模型中还包含三个控制变量。现有研究表明，无论是外国直接投资还是对外直接投资，以及贸易，都有利于促进跨境知识流动[43⇓⇓-46]，因此本研究将中国与其他国家（地区）之间的直接投资流量（双向）和中国与其他国家（地区）之间的海关货物进出口总额列为控制变量，以控制这些渠道中的知识溢出。再者，一国的经济水平也可能会影响跨境知识溢出的强度，因此本研究也将东道国GDP作为控制变量。中国与其他国家（地区）之间的直接投资流量（双向）数据和东道国GDP数据均来自世界银行，中国与其他国家（地区）之间的海关货物进出口总额数据来自中国统计年鉴。
本文对上述自变量的共线性进行了检验，方差膨胀因子均显著小于10，说明自变量间不存在严重的多重共线性，可用于回归分析。为了使数据更接近正态分布，本文对模型中的连续变量（百分比形式的变量除外）进行了对数处理。各类变量的界定、来源见表1。
表1 变量定义及数据来源

Tab.1 List of variables and data sources

定义 数据来源
自变量
Y 中国专利被其他国家引用的数量（件） PATSTAT
因变量
X1 东道国人均专利申请数量（件） PATSTAT
X2 东道国研发投入（亿美元） 世界银行
X3 东道国高新技术产品出口占比（%） 世界银行
X4 东道国与中国地理中心的直线距离（km） 谷歌地图
X5 东道国与中国的联合申请专利数量（件） PATSTAT
X6 各国在全球创新体系中的地位（核心国家=1；半边缘国家=2；边缘国家=3） PATSTAT
控制变量
X7 中国与各国（地区）的直接投资流量（双向）（亿美元） 世界银行
X8 中国与各国（地区）海关货物进出口总额（亿美元） 中国统计
年鉴
X9 东道GDP（按2010年不变价格计算；亿美元） 世界银行

1.2 研究方法

首先，进行全球创新体系的划分。基于PATSTAT 2003—2012年国家（地区）间的专利引用数据，本文采用Pajek块模型分析中的层次聚类算法（hierarchical clustering），获取层级文件，进而将全球专利引用网络中的国家分为核心国家—半边缘国家—边缘国家3个层次。第二，采用专题地图方法，利用ArcGIS制作2003—2012年各国（地区）引用中国PATSTAT专利的专题地图，刻画中国跨境知识溢出的时间变化和空间分布格局。第三，本文采用面板回归模型分析中国跨境知识溢出的影响因素。对面板数据的分析通常采用固定效应模型、随机效应模型、空间面板模型等方法。然而，由于固定效应模型无法估计那些不随时间变化的变量（如地理距离）的效应，因此在研究非时变变量的效应时，一般采用随机效应模型、仅考虑时间固定效应的面板模型或面板校正标准误差估计（PCSE）等方法。不过随机效应模型一般不容易得到一致的估计，而PCSE的估计系数与OLS估计系数一致，因此本文主要采用考虑时间固定效应的面板回归模型，通过将时间虚拟变量纳入模型控制未观测的时间效应。此外，由于很多国家并未引用中国专利，说明因变量的数值是删失（Censored）的，因此宜采用Tobit面板回归模型。

2 全球创新体系

全球创新体系如图1所示，一个节点代表一个国家（地区），一条边表示两个国家（地区）之间的引用关系。节点大小与国家（地区）引用强度正相关，边大小也与国家（地区）间引用的专利频次正相关。全球创新体系呈现明显的核心—边缘结构，利用Pajek的层次聚类算法将全球专利引用网络分为5个等级，并以此将所有国家分为三个层级：核心国家、半边缘国家和边缘国家。核心国家由前两个等级组成。美国和日本是全球创新体系的核心和知识来源的领导者，与其他国家（地区）有密集的知识互动，与这两个国家有专利引用关系的国家（地区）数量分别超过170个和130个，对全球创新体系具有深远影响。8个欧洲国家（德国、英国、法国、瑞士、瑞典、荷兰、意大利和芬兰），5个亚洲国家（地区）（韩国、中国台湾、中国大陆、澳大利亚和以色列）和加拿大是第二类核心国家。这16个核心国家之间存在密切的专利引用关系，各国间引用数量多，凸显了富人俱乐部特征。此外，作为全球专利引用网络的枢纽，许多半边缘国家和边缘国家也与核心国家建立了引用关系。来自核心国家的知识不仅经常在核心国家之间流动，而且也在核心国家和半边缘国家以及边缘国家之间流动。半边缘国家由第三等级和第四等级组成。第三等级包括25个国家（地区），包括丹麦、比利时、挪威、爱尔兰、新加坡、印度、中国香港、西班牙等，印度尼西亚、罗马尼亚、泰国、塞浦路斯等在内的30个国家组成第四等级。半边缘国家的知识主要流入核心国家和半边缘国家，而较少流入边缘国家。最后156个国家被归为边缘国家。这些国家的经济水平和技术水平通常都比较低，一般从核心国家和半边缘国家获取知识，引用专利的频次少。此外，这些国家之间的知识流动也很少。
图1 全球创新体系

Fig.1 Global innovation system

3 中国跨境知识溢出时空特征分析

3.1 中国跨境知识溢出的时间特征

自2003年以来，中国跨境知识广泛传播且受到越来越多国家（地区）的关注。如图1所示，引用中国PATSTAT专利的国家（地区）逐年增加，从2003年的17个增加到2012年的47个。截止到2012年，共有59个国家（地区）引用了中国专利。与此同时，中国PATSTAT专利被引用数量呈指数式增长，从2 513增加到42 637，增长了16倍左右。中国PATSTAT专利年度引用国家和年度引用数量的上升趋势充分体现了中国创新绩效和创新国际影响力的不断增长。
图2 2003—2012年中国PATSTAT专利被引的时间变化

Fig.2 The trends of Chinese PATSTAT patents citation in 2003-2012

3.2 中国跨境知识溢出的空间分布特征

为了更好地展示中国创新国际影响力的范围和程度，本文利用ArcGIS绘制中国跨境知识溢出的专题地图。如图3所示，中国跨境知识溢出的辐射范围较广，中国跨境知识不仅流入日本、韩国等邻国，而且也流入遥远的非洲、南美洲和太平洋岛屿上的国家。中国跨境知识溢出似乎不受地理距离的约束。然而，从专利引用数量来看，中国跨境知识溢出的空间分布表现出较大的差异，中国跨境知识主要流入西欧（德国、英国、瑞典）、北美（美国和加拿大）和东亚（中国大陆、中国台湾、日本、韩国）等发达国家（地区）。从全球创新体系来看，中国跨境知识溢出的主要目的地是核心国家和半边缘国家，而非边缘国家。
图3 中国跨境知识溢出的空间分布（2003—2012年）

Fig.3 The distribution of cross-border knowledge spillovers in China （2003-2012）

4 中国跨境知识溢出的影响因素

为了进一步检验中国跨境知识溢出的影响因素，本文构建了Tobit回归模型，模型估计结果见表2。从Tobit回归模型的结果来看，地理距离、知识通道通达性这两类因素对中国跨境知识溢出都有显著影响，而东道国技术吸收能力及东道国在全球创新体系中的层级对中国跨境知识溢出无显著影响。首先，中国跨境知识溢出的强度与两国的地理距离成反比，说明中国跨境知识更容易扩散到距离较近的国家（地区）。这与现有的许多研究发现类似[47⇓-49]，即知识溢出存在距离衰减效应。原因在于，距离相近的国家（地区）间文化、制度更相似，更有利于人员、信息、资金等要素在空间上的流动，因而更可能促进知识的溢出[50]。
表2 2003—2012年中国知识溢出影响因素的估计结果

Tab.2 Results of regression for Chinese patent citation,2003-2012

全球创新体系
系数 P值
X1 0.395*** 0.00
X2 0.129 0.18
X3 0.096 0.20
X4 -0.422*** 0.00
X5 0.253*** 0.00
X6（对照组为核心国家） 半边缘国家 -0.073 0.77
边缘国家 -2.268*** 0.00
X7 0.063*** 0.00
X8 0.039 0.62
X9 0.783*** 0.00
年度虚拟变量
（对照组为2003年）		 2004 0.000
2005 0.294 0.38
2006 0.136 0.69
2007 0.443 0.18
2008 0.614* 0.06
2009 1.081*** 0.00
2010 0.865*** 0.01
2011 0.775** 0.02
2012 0.906*** 0.01
常数项 -18.082*** 0.00
N 2 026

注：***、**、*分别表示回归模型系数在1%、5%、10%水平上显著。

其次，知识通道通达性与中国跨境知识溢出的强度呈显著正相关，即东道国与中国的知识通道通达性越好，该国（地区）引用的中国专利数量越多。如前所述，知识通道是知识流动的重要保证[30]。本文使用各国（地区）与中国的联合申请专利数量基于一个潜假设：共同发明专利说明发明人之间有着较为密切的技术知识交流，其中必然存在知识通道[40]。共同发明专利越多，说明双方的知识交流越快，知识通道越通畅。知识通道越通畅，越有利于知识的溢出知识通道[31]。因此，知识通道的通达性对中国跨境知识的传播至关重要[51]。
再次，本研究发现东道国技术吸收能力对中国跨境知识溢出的影响不大。东道国的人均专利申请量与中国跨境知识溢出强度呈显著的正相关关系，这说明技术先进的发达国家是中国对外跨境知识溢出的优先链接区[52]。然而，东道国的研发经费投入及高新技术产品出口占比对中国跨境知识溢出无显著影响。虽然从全球创新体系的划分来看，中国归属于核心国家，但由于中国目前还处于赶超发展阶段，中国的知识、技术还未达到世界顶尖水平，与其他发达国家和地区仍存在差距，对技术先进的东道国研发创新的贡献仍有限[53-54]，因此一国在投入更多研发经费进行尖端技术研究时可能不需要引用中国的专利，所以出现这种无关联的结果。这种解释同样适用于东道国高新技术产品出口占比与中国跨境知识溢出的无相关关系。
另外，从实证结果来看，虽然归属于边缘国家与中国跨境知识溢出强度呈显著的负相关关系，但是归属于半边缘国家与中国跨境知识溢出强度并无相关关系，这表明东道国在全球创新体系中的层级与中国跨境知识溢出无相关关系。究其原因，边缘国家在全球创新体系中处于边缘位置，不利于知识搜寻，其自身较弱的知识水平也阻碍了对知识的吸收[34]，所以不利于中国跨境知识的流动。归属于半边缘国家也表现出与中国跨境知识溢出强度的负向影响，但并未通过显著性检验。这一发现的原因与上述东道国技术吸收能力和中国跨境知识溢出间无相关关系的解释类似，表明现阶段尽管中国已进入全球创新体系的核心国家行列，但其对全球创新体系的影响力还有限，不足以形成从“核心—半边缘—边缘”的影响力[53-54]。
最后，本研究控制了东道国与中国的直接投资流量（双向）、东道国与中国海关货物进出口总额、东道国GDP和年份对中国跨境知识溢出的影响。实证结果表明，东道国与中国的直接投资流量（双向）越多、东道国GDP越高，中国跨境知识溢出强度越大。这主要由于发达国家往往是技术强国，无论是发达国家对中国的直接投资还是中国对发达国家的直接投资，都有助于建立知识通道，从而促进中国跨境知识溢出[17,19,50]。东道国与中国海关货物进出口总额与中国跨境知识溢出无显著相关性。一种可能的解释是虽然中国进口其他国家（地区）的产品增加了知识交流的通道，但是这知识通道主要影响对华知识溢出，有助于中国吸收、利用外部知识[55]，而非影响中国对外跨境知识溢出；另一种可能的解释是现阶段中国出口的产品仍以劳动密集型为主[56]，而出口劳动密集型产品不存在对外技术转移[57]，因此对于中国跨境知识溢出无影响。从年份系数来看，2008年以后的年份系数与中国跨境知识溢出强度均呈现显著正相关，且系数表现为波动上升趋势，出现这种现象的原因可能有以下两点：一是专利引用的时滞性[38]；二是2008年以后中国创新能力和国际影响力的提高吸引了更多国家（地区）对中国创新绩效的关注[55]。

5 结论与讨论

现阶段，随着全球化进程的加速，知识的流动不再局限于特定的地区或国家，而是更多地跨越国界，在全球范围内流通，不断塑造全球创新格局。本文基于2003—2012年中国PATSTAT专利被引数量，分析了中国跨境知识溢出的空间分布特征，并研究了东道国技术吸收能力、地理距离、知识通道通达性和全球创新体系层级对中国跨境知识溢出的影响。研究结论如下：首先，通过构建基于2003—2012年国家（地区）间专利引文的全球创新体系，本文发现中国大陆已跻身全球创新体系的核心位置，其跨境知识主要流入全球创新体系的核心国家而非边缘国家。这一发现与现有的南南技术转移认知不同，但与部分学者发现的中国创新反向溢出发达国家的研究一致。这表明现阶段中国与发达国家间的知识转移不是单向线性的，而是双向互动的[17⇓-19]。第二，本研究验证了地理距离和知识通道通达性对中国跨境知识溢出的显著影响。东道国与中国地理距离越小，中国跨境知识溢出强度越高。这一结论与Jaffe等使用美国专利数据的发现一致，再次验证了地理距离对知识溢出的抑制作用[29]。另外，本研究还发现知识通道通达性越好，中国跨境知识溢出强度越高，说明知识通道是知识流动的保证[31]。中国在与其他国家（地区）进行知识交流时，一方面可以吸收、利用外部知识，另一方面也可以将自身创造的知识传播、扩散，从而实现良好的知识互动。第三，本研究并未发现东道国技术吸收能力和东道国在全球创新体系中层级与中国跨境知识溢出的相关关系。这表明，中国尽管已经位列全球创新体系的核心国家，但由于仍处于赶超发展阶段，知识、技术还未达到世界顶尖水平，对全球创新体系的影响力仍有限，因此中国仍需加强创新先锋能力的培养，进而提升国际创新影响力[53-54]。
本文的研究存在以下局限：首先，本文使用的中国PATSTAT专利跨境引用指标只考虑了能够记录在档的、可文本化的显性知识的流动，不能反映隐性知识的传播过程。虽然专利引用数据能够较为有效地反映知识流动的轨迹，但由于隐性知识的存在，所以无法全面、客观地反映现实世界的知识流动[58]。Xiang等发现专利引用不能充分反映知识溢出，并证明共同发明人比专利引用更能反映知识溢出[59]。因此后续的研究可以考虑通过分析国家间共有发明人专利指标来探究中国跨境隐性知识的流动。其次，用于分析的数据是基于国家层面的，只能说明中国跨境知识溢出的宏观动态，不能从微观层面剖析影响中国跨境知识溢出的具体机制。未来的研究可以聚焦于中国跨国公司的知识动态，以深入了解中国的跨境知识流动。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
华连连, 张悟移. 知识流动及相关概念辨析[J]. 情报杂志, 2010, 29(10):112-117.

[2]
WIPO. Global Innovation Index 2018:Energizing the World with Innovation[EB/OL]. https://www.wipo.int/pressroom/en/articles/2018/article_0005.html, 2018-07-10.

[3]
程旖婕, 刘云. 中国创新体系国际化的知识流动模式研究[J]. 研究与发展管理, 2018, 30(5):15-26.

[4]
刘承良, 桂钦昌, 段德忠, 等. 全球科研论文合作网络的结构异质性及其邻近性机理[J]. 地理学报, 2017, 72(4):737-752.

DOI

[5]
田丽娜, 杨祖国. 基于“反向引用”视角的中国专利技术与世界科学关联分析[J]. 图书情报工作, 2017, 61(2):107-113.

DOI

[6]
曹广喜. FDI对中国区域创新能力溢出效应的实证研究——基于动态面板数据模型[J]. 经济地理, 2009, 29(6):894-899.

[7]
陶锋. 吸收能力、价值链类型与创新绩效——基于国际代工联盟知识溢出的视角[J]. 中国工业经济, 2011(1):140-150.

[8]
刘振兴, 葛小寒. 进口贸易R&D二次溢出、人力资本与区域生产率进步——基于中国省级面板数据的经验研究[J]. 经济地理, 2011, 31(6):915-919.

[9]
Coe D T, Helpman E. International r&d spillovers[J]. European Economic Review, 1995, 39(5):859-887.

[10]
黄先海, 张云帆. 我国外贸外资的技术溢出效应分析[J]. 国际贸易问题, 2005(1):27-32.

[11]
Mansfield E, Romeo A. Technology transfer to overseas subsid-iaries by US-based firms[J]. The Quarterly Journal of Economics, 1980, 95(4):737-750.

[12]
陈继勇, 雷欣, 黄开琢. 知识溢出、自主创新能力与外商直接投资[J]. 管理世界, 2010(7):30-42.

[13]
Li J, Li Y, Shapiro D. Knowledge seeking and outward FDI of emerging market firms:the moderating effect of inward FDI[J]. Global Strategy Journal, 2012, 2(4):277-295.

[14]
林青, 陈湛匀. 中国技术寻求型跨国投资战略:理论与实证研究——基于主要10个国家FDI反向溢出效应模型的测度[J]. 财经研究, 2008(6):86-99.

[15]
Bruche G. The emergence of China and India as new competi-tors in MNCs' innovation networks[J]. Competition & Change, 2009, 13(3):267-288.

[16]
Govindarajan V, Ramamurti R. Reverse innovation,emerging markets,and global strategy[J]. Global Strategy Journal, 2011, 1(3‐4):191-205.

[17]
Wang C C, Guo Y. Local innovativeness and knowledge spillovers of indigenous firms on foreign firms:evidence from China's ICT industry[J]. The Professional Geographer, 2017, 69(1):117-125.

[18]
Liu X, Lu J, Choi S. Bridging knowledge gaps:returnees and reverse knowledge spillovers from Chinese local firms to foreign firms[J]. Management International Review, 2014, 54(2):253-276.

[19]
Haasis T I, Liefner I, Garg R. The organization of knowledge transfer in the context of Chinese cross-border acquisitions in developed economies[J]. Asian Business & Management, 2018, 17(4):286-311.

[20]
Chen Y. Comparing North-South technology transfer and South-South technology transfer:the technology transfers impact of Ethiopian Wind Farms[J]. Energy policy, 2018, 116:1-9.

[21]
Nordensvard J, Zhou Y, Zhang X. Innovation core,innovation semi-periphery and technology transfer:the case of wind energy patents[J]. Energy policy, 2018, 120:213-227.

[22]
Urban F. China's rise:Challenging the North-South technolo-gy transfer paradigm for climate change mitigation and low carbon energy[J]. Energy Policy, 2018, 113:320-330.

[23]
Narula R, Marin A. FDI spillovers,absorptive capacities and human capital development:evidence from Argentina[J]. Research Memorandum, 2003, 10:199-218.

[24]
Autant-Bernard C, Massard N. Underlying mechanisms of knowledge diffusion[R]. IAREG Working Paper, 2009.

[25]
Autant-Bernard C, Fadairo M, Massard N. Knowledge diffu-sion and innovation policies within the European regions:challenges based on recent empirical evidence[J]. Research Policy, 2013, 42(1):196-210.

[26]
Morone P, Taylor R. Knowledge diffusion and innovation:modelling complex entrepreneurial behaviours[J]. Edward Elgar Publishing, 2010.

[27]
郭嘉仪. 知识溢出理论的研究进展与述评[J]. 技术经济与管理研究, 2012(3):25-29.

[28]
汪涛, 任瑞芳, 曾刚. 知识网络结构特征及其对知识流动的影响[J]. 科学学与科学技术管理, 2010, 31(5):150-155.

[29]
Jaffe A B, Trajtenberg M. Patents,citations, and innovations:A window on the knowledge economy[M]. Cambridge: The MIT Press, 2002.

[30]
曾刚, 林兰. 不同空间尺度的技术扩散影响因子研究[J]. 科学学与科学技术管理, 2006(2):22-27.

[31]
马铭波, 王缉慈. 制造业知识通道的建立及地方政府的作用——以国内乐器制造业为例[J]. 经济地理, 2012, 32(1):85-89.

[32]
Bathelt H, Li P F. Global cluster networks-foreign direct in-vestment flows from Canada to China[J]. Journal of Economic Geography, 2014, 14(1):45-71.

[33]
朱贻文, 曾刚, 曹贤忠, 等. 不同空间视角下创新网络与知识流动研究进展[J]. 世界地理研究, 2017, 26(4):117-125.

[34]
Chen G, Guan J. The core‐peripheral structure of international knowledge flows:evidence from patent citation data[J]. R & D Management, 2015, 46(1):62-79.

[35]
刘云, 程旖婕. 基于文献引证的国际知识流动影响因素探究[J]. 科学学研究, 2018, 36(9):1623-1631.

[36]
黄鲁成, 王宁. 专利视角下的技术扩散研究综述[J]. 科学学与科学技术管理, 2011, 32(10):27-34.

[37]
Kang B, Tarasconi G. PATSTAT revisited:suggestions for bet-ter usage[J]. World Patent Information, 2016, 46:56-63.

[38]
樊霞, 陈双丽. 产学研合作更有利于产业共性技术研发创新吗——对USPTO中国专利数据的实证检验[J]. 科技进步与对策, 2016, 33(13):59-65.

DOI

[39]
赖明勇, 包群. 关于技术外溢与吸收能力的研究综述——外商直接投资理论研究新进展[J]. 经济学动态, 2003(8):75-79.

[40]
向希尧, 蔡虹. 组织间跨国知识流动网络结构分析——基于专利的实证研究[J]. 科学学研究, 2011, 29(1):97-105.

[41]
Wallerstein I. The modern world-system I:Capitalist agricul-ture and the origins of the European world-economy in the sixteenth century[M]. University of California Press, 2011.

[42]
Nordensvard J, Zhou Y, Zhang X. Innovation core,innovation semi-periphery and technology transfer:the case of wind energy patents[J]. Energy policy, 2018, 120:213-227.

[43]
Hejazi W, Safarian A E. Trade,foreign direct investment,and R&D spillovers[J]. Journal of International Business Studies, 1999, 30(3):491-511.

[44]
Braconier H, Sjöholm Fredrik. National and international spill-overs from R&D:comparing a neoclassical and an endogenous growth approach[J]. Weltwirtschaftliches Archiv, 1998, 134(4):638-663.

[45]
Globerman S, Kokko A, Sjöholm F. International technology diffusion:evidence from Swedish Patent Data[J]. 2000, 53(1):17-38.

[46]
Xu B, Wang J. Trade,FDI,and international technology diffu-sion[J]. Journal of Economic Integration, 2000, 15(4):585-601.

[47]
Audretsch D. R&D spillovers and the geography of innovation and production[J]. American Economic Review, 1996, 86(3):630-640.

[48]
Maurseth P B, Verspagen B. Knowledge spillovers in Europe:a patent citations analysis[J]. Scandinavian Journal of Economics, 2010, 104(4):531-545.

[49]
Rosenkopf L, Almeida P. Overcoming local search through al-liances and mobility[J]. Management Science, 2003, 49(6):751-766.

[50]
司月芳, 王岱, 王丰龙. 对华跨境技术转移影响因素研究[J]. 地理科学, 2019, 39(2):259-266.

DOI

[51]
赵建吉, 曾刚. 基于技术守门员的产业集群技术流动研究——以张江集成电路产业为例[J]. 经济地理, 2013, 33(2):111-116.

[52]
李丹丹, 汪涛, 周辉. 基于不同时空尺度的知识溢出网络结构特征研究[J]. 地理科学, 2013, 33(10):1180-1187.

DOI

[53]
闵超, 步一, 孙建军. 基于专利大数据的中国国际专利技术流动分析[J]. 图书与情报, 2017(5):33-39.

[54]
杨中楷, 沈露威. 国家关系视角下中国在美专利引用状况计量研究[J]. 图书情报工作, 2010, 54(22):80-84,120.

[55]
李小平, 朱钟棣. 国际贸易、R&D溢出和生产率增长[J]. 经济研究, 2006(2):31-43.

[56]
吕政. 中国经济新常态与制造业升级[J]. 财经问题研究, 2015(10):3-8.

[57]
陈启斐, 刘志彪. 进口服务贸易、技术溢出与全要素生产率——基于47个国家双边服务贸易数据的实证分析[J]. 世界经济文汇, 2015(5):1-21.

[58]
Nonaka I. A dynamic theory of organizational knowledge cre-ation[J]. Organization Science, 1994, 5(1):14-37.

[59]
Xiang X Y, Cai H, Lam S, et al. International knowledge spill-over through co-inventors:an empirical study using Chinese assignees' patent data[J]. Technological Forecasting and Social Change, 2013, 80(1):161-174.

Options
文章导航

/

〈 〉