1、1我国工业集聚结构对知识溢出影响的空间计量研究湖南大学 吴宏丹、樊帆、金巧强摘 要：知识溢出是在产业集聚过程中知识传播、扩散的一种经济集聚活动，知识溢出具有区域关联性。本文以我国工业集聚的专业化、多样化和竞争度 3个变量为核心变量，以对外开放度、人口规模等为控制变量，选取 2003-2009年我国 30 个省（市）作为样本数据的空间单元，建立空间面板数据模型，研究我国工业集聚结构对工业知识溢出的影响。研究发现，我国工业知识溢出在空间上存在自相关性，并且空间相关性逐年增强；工业集聚存在显著的 MAR 溢出，但 Jacobs 溢出不显著；工业集聚的竞争度在时间维度上有利于知识溢出，但在空间、时空维
2、度上不利于知识溢出。关键词：工业集聚结构 知识溢出 空间面板模型产业集聚是当今产业组织发展的重要特征之一。随着全球经济和国际市场一体化程度的不断提高，国际分工水平逐步深化，产业在世界范围内重新定位和布局，区域产业集聚现象不但没有削弱反而得到了加速的扩张（Scott，1988 1;Porter，1998 2; Fujita，2003 3），例如美国硅谷、英国的剑桥、日本的筑波、印度的班加罗尔、中国台湾的新竹，这些产业集群都表现出极强的创新能力和知识溢出能力，并成为本国本地区的竞争优势来源。知识溢出现象表明，企业创新行为并不是独立的，会受到外部因素的影响，多样化、专业化以及竞争性的集聚结构必然会对
3、知识溢出产生影响。虽然产业集聚的多样化、专业化、竞争程度与知识溢出的研究倍受学者关注，但现有研究中往往忽视空间因素的作用。作为一种经济活动，知识溢出本身是产业集聚演化过程中的地理空间现象，这种忽视和脱离“地域特征”的研究导致了产业集聚的多样化、专业化、竞争程度对知识溢出影响的相关研究结论存在较大偏差。因此，本文在考虑空间因素影响条件下，从工业集聚结构的角度，采用空间经济计量技术分析工业集聚结构对知识溢出的影响，从而揭示知识溢出的空间规律，为提升我国工业集聚的创新产出能力提供合理的参考依据。本文主要解决以下问题：工业集聚的知识溢出现象是否存在？工业集聚结构是否会对知识溢出产生影响？若存在影响，工
4、业集聚结构对知识溢出的作用机制如何？一、文献述评国内外关于集聚结构对知识溢出的影响研究大致可分为以下两个方面：1.产业集聚的专业化与多样化对知识溢出的影响研究。Marshall(1890) 4、Arrow(1962)5、Romero(1986) 6认为，知识溢出主要存在于聚集在一起的同一2产业的企业之间，产业集聚的专业化有利于创新，即 MAR 溢出理论。Jacobs(1970)7强调产业集聚的多样性的影响，认为知识溢出发生在不同产业之间，即 Jacobs 溢出理论。Feldman)( i地区总数； 为二进制的邻接空间权值矩阵，表示其中的任一元素，采用邻接ijW标准或距离标准，其目的是定义空间对
5、象的相互邻接关系，便于把地理信息系统(GIS)数据库中的有关属性放到所研究的地理空间上来对比。一般邻接标准的为： ij不 相 邻 ；区 域和当 区 域 相 邻 ；区 域和当 区 域 jiij01习惯上，令 的所。 NMN;,21;,2 W有对角线元素 =0。iWMorans I指数可看作各地区观测值的乘积和，其取值范围在 -1到1之间，若各地区间经济行为为空间正相关，其数值应当较大；负相关则较小。当目标区域数据在空间区位上相似的同时也有相似的属性值时，空间模式整体上就显示出正的空间自相关性；而当在空间上邻接的目标区域数据不同寻常地具有不相似的属性值时，就呈现为负的空间自相关性；零空间自相关性出
6、现在当属性值的分布与区位数据的分布相互独立时。根据Morans I指数的计算结果，可采用正态分布假设进行检验 个区域是否i存在空间自相关关系，其标准化形式为：)( )(IVAREsMorandZ如果Morans I指数的正态统计量的 值大于正态分布函数在显著性水平下的Z临界值时，表明经济变量在空间分布上具有明显的正向相关关系，正的空间相关代表相邻地区的类似特征值出现集群趋势。2.空间面板数据模型空间面板数据模型分为空间固定效应面板模型和空间随机效应面板模型两种。当样本回归分析局限于一些特定的个体（如中国的30个省级区划单位）时，固定效应模型应该是更好的选择(Baltagi ，2001) 25。
7、因此，为了同时控制时间和空间因素，本文采用空间双固定效应面板模型，具体包括空间滞后面板数据模型和空间误差面板数据模型。空间滞后面板数据模型主要探讨各变量在一个地区是否有扩散现象（溢出效应），其基本形式为：XYWIYNT)(8式中， 为因变量； 为 的外生解释变量矩阵； 为空间回归关系YXKNT数；反映了样本观测值中的空间依赖作用，即相邻区域的观测值 对本地区观Y察值 的影响方向和程度； 为 阶的空间权值矩阵； 为空间滞后因WW变量， 为随机误差项向量。参数 反映了自变量 对因变量 的影响，空间X滞后因变量 是内生变量，反映了空间距离对区域行为的作用。Y空间误差面板数据模型主要探讨经济变量的空间
8、依赖性存在误差扰动项中来测度邻近地区因变量的误差冲击对本地区因变量经济行为的影响程度，空间误差面板数据模型的基本形式为：uXYWINT)(式中， 为随机误差项向量，衡量了样本观察值的误差项引起的因变量经济行u为变动程度， 为正态分布的随机误差向量。 为空间误差系数，衡量了样本观察值中的空间依赖作用。即相邻地区的不可观测因素会对该地区产生影响。根据变量的选取，本文具体设定的空间面板模型如下：空间面板滞后模型（SLPDM）：ittiititititititit WINScpOenCompDSIN 54321空间面板误差模型（SEPDM）： ittiitititititit u，itititWu),
9、0(2dNit其中，为避免虚拟变量陷阱，设定 ， 为回归参数。 是011TtNi的分块空间权重矩阵， ， 为第 地区的区域特定固定效应，表示在控NTi制其他解释变量后，区域 自身的区域特性对本区域内历年知识溢出所产生的长i期固定影响。 为第 年的时间特定固定效果，表示在控制其他解释变量后，t自身的区域特性在第 年对各区域的知识溢出产生的短期固定效应。 为空间回归相关系数，反映了相邻区域的知识溢出对本地区知识溢出的影响方向和程度，参数 为知识溢出的空间误差系数，衡量了相邻地区的知识溢出对本地区知识溢出的影响方向和程度。 、 为随机误差项。u3.模型选择和参数估计在对SLPDM和SEPDM模型进行
10、选择时，可以通过比较两个拉格朗日乘数(Lagrange Multiplier)形式LMERR 、LMLAG 和稳健(Robust)的R-LMERR 、R-LMLAG等来实现。由于事先无法根据先验经验推断在 SLPDM和SEPDM模型中是否存在空间依赖性，有必要构建一种判别准则，以决定哪种空间模型更加符合客观实际。Anselin 等（2004）提出了如下判别准则：如果在空间依赖性的检验中发现，LMLAG 较之LMERR 在统计上更加显著，且R-LMLAG显著而R-LMERR不显著，则可以断定适合的模型是空间滞后模型；相反，如果LMERR9比LMLAG在统计上更加显著，且R-LMERR显著而R-L
11、MLAG不显著，则可以断定空间误差模型是恰当的模型。除了拟合优度 检验以外，常用的检验准则还2R有：自然对数似然函数值(Log likelihood，LogL)，似然比率(Likelihood Ratio，LR) 、赤池信息准则(Akaike information criterion，AIC)，施瓦茨准则(Schwartz criterion，SC) 。对数似然值越大，AIC和SC 值越小，模型拟合效果越好。对于上述两种模型的估计如果仍然采用最小二乘法，系数估计值会有偏或者无效，需要通过工具变量法、极大似然法或广义最小二乘估计等其他方法来进行估计。本文采用了Anselin（1988）的建议，
12、采用极大似然法估计 SEPDM和SLPDM的参数。四、我国工业集聚结构对知识溢出作用机制的实证分析（一）数据来源本文的样本为2003-2009年中国30个省、自治区、直辖市（以下简称省份）相关数据，其中，西藏、香港、澳门特别行政区和台湾省除外。知识溢出和各自变量的基础数据来源于2004-2010年的中国统计年鉴 ，中国科技统计年鉴 。由于缺乏各地区全部工业企业数据，本文以规模以上工业企业个数除以地区人口数作为竞争度的代表指标；为简化计算，本文将工业分为采矿业、制造业、电力、燃气及水的生产和供应业三大行业计算产业多样化和专业化；以城镇单位就业人员数代表工业从业人员数。实证研究借助于Matlab7
13、.0和Geoda0.9.1两个软件。表1显示了数据集中变量的描述性统计结果。表1 变量描述性统计结果变量名 均值 最大值 最小值 标准差知识溢出每万人拥有专利申请数 0.6901 5.1775 0.0060 0.9583核心变量专业化指数多样化指数竞争度0.27837.66583.47772.465078.958138.95810.01270.62710.45010.35458.01664.9229控制变量对外开放度人力资本0.50183.78555.846463.29580.06230.01000.65695.4228（二）实证分析空间权重矩阵是空间统计计量模型的关键，也是地区间空间影响方式
14、的体现。目前，空间权重矩阵的基本形式有只考虑地理相邻信息，即“地理”空间权重矩阵( )，也有考虑涉及经济差距的空间权重矩阵的扩展形式，即“经济”W空间权重矩阵( )。 “地理”空间权重矩阵(W) 最常用的是简单二分权重矩阵，E遵循的判定规则是 Rook 相邻规则，即两个地区拥有共同边界则视为相邻。本10文选用的是“地理”空间权重矩阵( )，利用 Geoda0.9.1 软件生成。W1.知识溢出的空间相关性检验除北京、上海、天津、广东等地的知识溢出水平比较高以外，大部分地区的知识溢出水平均偏低（见附表 1） 。用分位图（见图 1）描述我国 2009 年 30个省份工业知识溢出的空间分布格局。整体上
15、，东部沿海地区的工业知识溢出水平高于中部和西部地区，西部地区的工业知识溢出最低。我国工业知识溢出在空间上呈现为非均衡分布的现象。图1 我国2009年30个省份工业知识溢出的空间分布图为检验知识溢出在地理空间上的相关性，即空间依赖性，下面利用 2003-2009 年中国 30 个省份的知识溢出指标计算 Morans I 指数，相关结果见表 2。表 2 中 Morans I 值除 2005 年外，在 0.1 显著性水平下均显著，这表明我国 30个省域的知识溢出在空间上具有明显的正自相关关系(即空间依赖性)，说明工业知识溢出的发展在空间分布并非表现出完全随机的状态，而是表现出某些省份的相似值之间在空
16、间上趋于集聚，也就是说，具有较高知识溢出的省份相互靠近，或者较低知识溢出的省域相对地互相相邻的空间联系结构。Morans I 指数呈现逐渐增强的趋势，也表明我国工业产业知识溢出的空间相关性不断增强。我国各省份之间的工业知识溢出的发展是存在空间相关性的，我国工业知识溢出在空间上存在明显的集聚现象，并且集聚趋势不断增强。表2 中国30个省域知识溢出Morans I指数年份 Morans I Morans I期望值 )(E正态性统计量 Z 小概率 值p2003 0.1276 -0.0345 1.5068 0.06202004 0.2620 -0.0345 2.5649 0.01102005 0.09
17、76 -0.0345 1.1987 0.10502006 0.2021 -0.0345 2.1106 0.02302007 0.2303 -0.0345 2.2441 0.0150112008 0.2704 -0.0345 2.7199 0.00502009 0.3278 -0.0345 3.3300 0.0060为进一步分析我国工业知识溢出的空间集聚特征，根据各年份工业知识溢出的空间相关性检验结果，本文给出了2009年我国工业知识溢出的局域Moran指数散点图（见图2） 。图2展示了空间滞后W_Y作为纵轴和Y 作为横轴的分布情况。其中，Y为工业知识溢出的集聚度，W_Y表示邻近值的加权平均值。
18、图2 2009年我国知识溢出Moran指数散点图根据散点图，可将各个省份知识溢出集聚情况分为4个象限的集群模式，分别识别一个地区及其与邻近地区的关系：图的右上方的第1象限，表示高知识溢出的地区被高知识溢出的其他地区所包围（HH） ，代表正的空间自相关关系的集群；左上方的第2象限，表示低知识溢出的地区被高知识溢出的其他地区所包围(LH) ，代表负的空间自相关关系的集群；左下方的第3象限，表示低知识溢出的地区被低知识溢出的其他地区所包围(LL) ，代表正的空间自相关关系的集群；右下方的第4象限，表示高知识溢出的地区被低知识溢出的其他地区所包围(HL)，代表负的空间自相关关系的集群。第1、第3象限正
19、的空间自相关关系揭示了区域的集聚和相似性，而第2、第4象限负的空间自相关关系揭示区域的异质性。如果观测值均匀地分布在4个象限则表明地区之间不存在空间自相关性。根据图2所显示的结果，可以得到我国30个省份区域的空间相关模式，如表3所示。表3 知识溢出集聚度各省际区域的空间相关模式空间相关模式 地区第 1 象限 HH 上海 浙江 江苏 福建 北京 天津 第 2 象限 LH 江西 安徽 河北 湖南 海南 广西第 3 象限 LL 湖北 甘肃 贵州 四川 云南 青海 新疆 陕西 吉林 辽宁 宁夏 陕西 河南 内蒙古 黑龙江 山西第 4 象限 HL 山东 重庆 广东 位于 2、4 象限的省域较少，第 1、
20、3 象限省份工业知识溢出局部的 HH 和LL 分化，表明我国各省份知识溢出在地理空间的分布上存在着依赖性和异质性。12以广东和上海为例来进行说明，经测算，上海和广东的知识溢出分别为 5.1775和 4.6873，其 2009 年的知识溢出排名分别为第 1 位和第 2 位，但根据散点图的结果，上海位于第一象限，广东却位于第四象限。这是因为上海邻近的地区如江苏、浙江等都是工业知识溢出比较显著的地区，即高知识溢出的地区被高知识溢出的其他地区所包围，反映了工业知识溢出在地理空间分布上的依赖性。而广东虽然知识溢出较显著，但其邻近的地区为广西、江西、海南等是知识溢出较低的地区，即高知识溢出地区被低知识溢出
21、的其他地区所包围，反映了知识溢出在地理空间分布上的异质性。以上的定量分析表明，我国省份工业知识溢出存在空间集聚，地区分布不均衡现象。因此，有必要从空间维度的相关性和异质性出发，研究我国工业集聚结构对知识溢出的影响。2.空间面板模型的选择与估计利用极大似然估计法(ML)对空间滞后面板数据模型和空间误差面板数据模型进行参数估计，结果如表 4 所示。表4 SLPDM模型和SEPDM 估计结果无固定效应 空间固定效应 时间固定效应 时空固定效应空间滞后面板数据模型ConstantSDCompOpenLaborW*dep.var.R-squaredRbar-saquaredSigma2Log-likel
22、ihood-0.08650.4609*0.00540.0689*0.2585*0.0501*0.0710*0.35020.33100.5939-243.38620.4957*-0.0011-0.0084-0.2610*0.0186*0.2630*0.84630.81530.1405-93.64460.3464*0.00340.0433*0.2562*0.0551*0.11300.26510.22030.6717-258.70080.3269*0.0016-0.0117*-0.2830*0.0207*0.8352*0.83520.79500.01506-126.0888空间误差面板数据模型Con
23、stantSDCompOpenLaborSpat.aut.R-squaredRbar-saquaredSigma2Log-likelihood-0.12310.5533*0.00800.1119*0.07700.0454*0.4319900.42750.41380.5233-234.95390.4884*0.0003-0.0105-0.3297*0.0194*0.5700*0.87250.84770.1165-81.62480.3478*0.00400.0507*0.2030*0.0560*0.2480*0.26790.22730.6691-257.30760.17020.0020-0.014
24、2*-0.2955*0.0249*0.5080*0.81150.76690.1723-120.502913注：表中*，*，*分别代表计量检验结果的显著性水平为 0.001，0.01，0.05。由表 4 可知，所有 8 种情况下方程估计的对数似然函数值 log-likehood 的绝对值都比较大。模型的拟合优度 R-squared 在空间固定效应和时空固定效应模型的检验值均很高，但是在无固定效应和时间固定效应模型的检验值均较小。这说明地区之间既存在空间固定效应影响，又存在时间固定效应影响，但是时间固定效应的影响较小。标志空间依赖关系的空间自回归系数 和误差空间自相关系数 ，即 W*dep.var
25、.和 spat.aut 的系数估计值在四种情况下均为正数，且在空间固定效应和时空固定效应下均高度显著，说明我国知识溢出在邻近省份之间形成了正的空间溢出效应，进一步验证了知识溢出的空间相关性。表5 相关检验统计量表检验方法 样本数 检验值 临界值 概率LMerrorLMsarLratiosMoranWalds21021021021021017.4984133.870519.95234.446354.597117.61106.63506.63501.96006.63500.00000.00000.00000.00240.0000从表 4、表 5 可以看到，SLPDM 和 SEPDM 的拟合优度均较
26、高，由于采用ML 法估计参数，基于残差平方和分解的拟合优度检验的意义不是很大，因此，比较极大似然值。从表中可以看出，在 0.05 的显著性水平下，SLPDM 与SEPDM 的系数显著性检验大致相同，SLPDM 的极大似然值大于 SEPDM，且LMsarLMerror，表明 SLPDM 比 SEPDM 优越，因此本文采用 SLPDM。3.结果分析表4给出了我国工业集聚结构对知识溢出影响系数及相关检验结果，基于SLPDM估计结果，为更好的进行比较分析，本文分析选取的变量在4种固定效应下对知识溢出的影响。其中，显著性水平取为0.05。（1）我国工业集聚的专业化有利于知识溢出，存在显著的MAR溢出。工
27、业集聚的专业化指数的系数在四种情况下均为正值，且均显著，说明工业的专业化集聚对知识溢出具有促进作用，我国工业集聚存在MAR溢出。专门化是工业知识溢出重要的解释因素之一（乔彬，2008），我国工业集聚的MAR溢出意味着工业在特定区域内集聚程度越高，越有利于知识在企业之间的扩散。工业行业对技术的要求较高，对人力资本和设施设备的要求比较专业化，聚集在一起的同一或相似产业的工业企业之间，通过共享劳动力市场与公共设施，增加了知识溢出的机会；从事相似产业的劳动力在区域内的流动增加了知识外溢的可能性和可理解性。因此，工业集聚的专业化促进了工业知识溢出水平。工业集聚专业化指数的系数在空间固定效应下大于时间固定
28、效应的值，表明工业集聚的专业化对知识在区域内溢出的影响大于长期影响作用。MAR溢出强调知识的溢出来源于产业内，固定的时间下，相同或相似工业产业集聚，形14成专业化的投入品和服务，通过共享劳动力市场和公共设施，增加了专业化知识通过非正式交流溢出的机会，促进了创新产出；但是在区域内，企业长期的专业化，降低了知识溢出的效率。工业集聚专业化在空间固定效应下大于时空固定效应下对知识溢出的影响，是因为企业长期缺乏与相关联企业的交流，导致获取新信息的能力下降，削弱了工业集聚对相同产业知识溢出的促进作用。（2）我国工业集聚的多样化对知识溢出的促进作用不显著，即Jacobs溢出不显著。工业集聚的多样化系数在时间
29、和时空固定效应下虽为正值，但均不显著，这说明工业产业的多样化集聚对知识溢出的促进作用不显著，即Jacobs溢出不显著。这可能是因为我国工业集聚大多是依地理位置、资源禀赋的集聚，也就是说，我国工业集聚大多是相同或相似工业产业的集聚，使得我国工业集聚的专业化较强，阻碍了工业集聚的多样化，使得工业集聚的多样化对知识溢出的促进作用不显著。工业集聚的多样化系数在空间固定效应下为负，说明工业集聚的多样化在空间维度抑制了知识溢出。这可能是因为受工业专业技术性的影响，导致聚集在一起的关联企业之间，无法实现劳动力市场与公共设施的共享，增加了知识溢出的成本；工业的专业技术性也不利于人力资本在多样化集聚区内的流动，
30、减少了知识溢出的机会，导致多样化集聚在空间上抑制了知识溢出水平。（3）我国工业集聚在时间维度下存在Porter溢出，空间和时空维度下竞争不利于知识溢出。在时间固定效应下，工业集聚的竞争程度系数为正值，说明随着时间的发展，我国工业集聚程度的提高，工业集聚区内竞争进一步加强，企业为寻求长期的发展，竞争的厂商或供应商为提高自身的竞争力，会主动寻求知识溢出，积极实现知识溢出的创新产出。长期竞争也不断提高劳动力的技术水平，增加了工业雇佣熟练劳动力的机会，降低了工业信息获取的成本。因此，从时间维度看，工业集聚的竞争会促进知识溢出。工业集聚竞争程度的系数在空间和时空交互影响下为负值，且不显著，说明空间维度下
31、工业集聚的竞争程度越高越不利于知识溢出。这可能是因为由于我国工业的垄断性较强，削弱了集聚竞争对知识溢出的促进作用，导致工业集聚竞争对知识溢出影响不显著。（4）对外开放在长期内有利于工业产业知识溢出，人力资本促进知识溢出。外资的流入带来资金、新技术、人力资本的流动，长期内对知识溢出有促进作用，但由于外商投资企业对技术的封锁，在空间维度下阻碍了知识溢出。高素质人力资本的流动提供了知识溢出的机会，增强了创新产出能力。因此，人力资本对知识溢出具有促进作用。五、结论15本文以工业集聚的专业化指数、多样化指数和竞争度 3 个变量为核心变量，对外开放度、人口规模等变量为控制变量，选取我国 30 个省（市）作
32、为样本数据的空间单元，建立空间面板数据模型，研究 2003-2009 年间我国工业集聚结构对知识溢出的影响，得到如下结论：1.我国工业知识溢出在空间上存在自相关性，各省份之间形成了较强的空间依赖作用，知识溢出的空间集聚现象逐渐增强。工业在我国经济发展处于核心地位，知识溢出的不均衡分布，导致工业知识创新产出的不均衡，进一步加大了我国各省区经济发展的差距，不利于我国经济协调可持续发展目标的实现。因此，各省份应加强合作，为知识的溢出创造机会，以提高创新产出能力，实现经济的均衡发展。2.我国工业集聚存在显著的 MAR 溢出，即工业集聚的专业化对知识溢出与创新产出具有促进作用。因此，我国工业集聚应以相似
33、或相同产业集聚为基础，通过公共设施的共享，减少生产成本；通过共享劳动力市场，增加知识溢出的机会，以提高创新产出能力。3.我国工业集聚的 Jacobs 溢出不显著。工业集聚的多样化有利于知识溢出，但受我国工业集聚专业化的限制，导致工业集聚的多样化对知识溢出的促进作用不显著。为提高我国工业集聚的知识溢出水平，提高创新产出能力，应加强与关联产业的交流合作，促进知识与技术的流动，以实现知识的互补。4.我国工业集聚在时间维度下存在显著的 Porter 溢出，即工业集聚的竞争性对知识溢出具有促进作用。因此，为实现我国工业集聚创新能力的可持续发展，适当加强工业集聚的竞争度，以促使工业企业主动提高经营效率和专
34、业化水平，促进知识溢出向创新产出的转化。5.对外开放长期内促进知识溢出，人力资本显著的提高了知识溢出。加大工业的对外开放度，增加与外资企业合作交流机会；进一步提高人力资本素质，增强人力资本流动性，以实现外资、人力资本流动对知识溢出的促进作用。本文构建的我国工业集聚结构对工业知识溢出影响的空间面板数据模型，可以很好地解决回归模型中复杂的空间相互作用与空间依存性结构问题，但模型还可以进一步扩展和完善。如在核心变量的选取中，还可以寻求更加科学的方法计算专业化指数和多样化指数，寻找更好的指标代表工业企业的竞争性，以进行更细致的考察；权重的选择上，只考虑了地理距离，而没有考虑经济距离。这些将对本文的实证
35、结果产生一定的影响，这些问题将是我们在今后的研究中需不断改进和加强的地方。16参考文献1 Scott,A.JFlexible Production Systems and Regional Development: the Rise of New Industrial Spaces in North American and Western Europe.International Journal of Urban and Regional Research, 1988,12.2 Michael E Porter.Clusters and the New Economics of Compet
36、ition.Harvard Business Review,1998,(6):77-90.3 Fujita M.,Thisse J-F. Does Geographical Agglomeration Foster Economic Growth?and Who Gains and Loses From it.the Japanese Economic Review, 2003,54:121-145.4 Marshall a. Principles of EconomicsM, Acmillan, London 1890.5Arrow K. The economic implications
37、of learning by doingJ.Review of Economic Studies,1962,29(3):157-173.6RomerP. Endogenous Technological ChangeJ.Journal of Political Economy,1990(98):71-102.7 Jacobs J. The Economy of CitiesM. New York: Vintage,(1969).8 Audretsch B,Feldman P.Knowledge Spillovers and the Geography of InnovationJ.handbo
38、ok of Urban and Regional Economics,2004(4).9 Stefano Breschi. Agglomeration Economics, Knowledge Spillovers, Technological Diversity and Spatial Clustering of InnovationsC. LIUC Papers in Economics 57, Cattaneo University,1998.10 Raffaele Paci,Stefano Usai.Externalities,Knowledge Spillovers and the
39、Spatial Distribution of InnovationC. Working paper CRENoS 200002,University of Cagliari and Sassari, Centre for North South Economic Research,2000.11 Catherine Beaudry. Does Clustering Really Help Firms Innovative Activities?C. KITeS Working Papers 111, KITeS, Central for knowledge, internationaliza
40、tion and technology studies, Univeraita Bocconi,Milano,Italy,2000.12 Oerlemans,Meeus. Do organizational and spatial proximity impact of firm performanceJ. Regional studies, 2005(39):89-104. 13 Porter M E. The Competitive Advantage of NationsM. New York: Free Press,1990.14 J.A.Schumpeter. Capitalism,
41、Socialism,and Demaracy M. New York:Harper and Row,1942.15 Demsetz.H Information and Efficiency:Another ViewpointJ. Journal of Law and Economics.1969,(12):1-22.16 乔彬,李国平.在联立框架中的产业集聚与知识溢出J.当代经济科学.2008.6(30):15-21.1717 吴梅.知识溢出对广东高技术产业发展影响的实证研究J.科技管理研究.2011(1):156-159.18Anselin L.Advances in spatial eco
42、nometrics:Methodology,Tools and Applications.Berlin：Springer,2004.19 Kokko A,Foreign Direct Investment, Host Country characteristics and spilloversJ, the economic research institute, Stockholm,1992.20 Stiglitz J E. A New View of Technological ChangeJ. Economic Journal,1969,79:116-131.21 Stoneman P.
43、Handbool of the Economics of the Innovation and Technological Change, Blackwell, Oxford,1995,265-297.22Glaeserel, Kallalhd, Scheinkman J A. Growth in citiesJ. Journal of Political Economy,1992,(100):1126-1152.23 Jaffe A.Geographic Location of Knowledge Spillovers as Evidenced by Patent CitationsJ.Qu
44、arterly Journal of Economic,1993,108(3):577-598.24Caves,Richard. Multinational Mnterprise and Economic AnalysisM: Cambridge University Press,1999 .25 Caves,Richard. Multinational Mnterprise and Economic AnalysisM: Cambridge University Press,1999 .18附 表 12003-2009 年我国 30 个省域每万人拥有专利数（件）2003 2004 2005
45、2006 2007 2008 2009黑龙江 0.1381 0.2256 0.1408 0.1912 0.2225 0.2758 0.3147 内蒙古 0.0992 0.1665 0.0884 0.3554 0.1688 0.2573 0.3394 新 疆 1.4966 1.5101 1.5372 0.1405 0.1394 0.1713 0.3025 吉 林 0.0828 0.1798 0.1219 0.1366 0.1949 0.2462 0.3088 辽 宁 0.1102 0.2917 0.3167 0.3030 0.3671 0.6584 0.8849 甘 肃 0.0369 0.086
46、7 0.0879 0.1546 0.1330 0.2861 0.1575 河 北 0.0743 0.1770 0.1163 0.1270 0.1589 0.2086 0.3442 北 京 0.9160 1.5606 0.8830 1.0892 1.5077 2.7268 2.4952 山 西 0.0628 0.0960 0.0665 0.1070 0.1860 0.2891 0.4158 天 津 2.3959 3.1230 2.8360 1.7860 1.9040 3.0740 3.8423 陕 西 0.0897 0.1428 0.1927 0.1751 0.2962 0.3639 0.503
47、4 宁 夏 0.4491 0.4523 0.4558 0.2467 0.1410 0.3934 0.3743 青 海 0.0712 0.1354 0.1363 0.1807 0.2083 0.1461 0.1418 山 东 0.3448 0.5320 0.5364 0.6367 0.8441 1.2443 1.4425 河 南 0.0797 0.1880 0.1569 0.2140 0.3114 0.4320 0.5772 江 苏 0.3889 0.9565 0.6991 0.8301 1.1620 1.7299 2.5247 安 徽 0.0622 0.1668 0.1471 0.2046 0
48、.4720 0.4429 0.7397 四 川 0.1141 0.2806 0.1313 0.1840 0.2606 0.2906 0.4101 湖 北 0.0591 0.1873 0.1543 0.1883 0.2816 0.4570 0.8205 重 庆 0.5754 0.9347 1.1633 1.1620 1.1783 1.4537 1.6719 上 海 1.5868 3.1079 2.5793 2.5251 2.9516 3.4250 5.1775 浙 江 0.6840 2.0867 1.1186 1.7574 2.7014 3.1049 3.8541 湖 南 0.1929 0.25
49、66 0.1298 0.1867 0.2288 0.2923 0.8773 江 西 0.0320 0.0691 0.0828 0.1032 0.1495 0.1284 0.2229 云 南 0.0519 0.0861 0.0593 0.0529 0.1092 0.0905 0.1280 贵 州 0.0411 0.0858 0.0654 0.1139 0.1542 0.2389 0.3217 福 建 0.2176 0.3725 0.3395 0.3966 0.4035 0.6271 1.3606 广 西 0.0574 0.1544 0.0674 0.0954 0.1315 0.1813 0.1860 海 南 0.0074 0.0526 0.0060 0.0443 0.0959
