基于历史遗留问题和各地经济发展速度的不同,我国区域科技资源呈现东西部梯次分布、核心区域辐射扩散特征。为了弥补区域科技资源的短缺,促进区域科技资源合理配置,国家出台各项政策推动科技资源匮乏地区与科技资源丰富地区对接,试图通过地理空间的邻近效应促成产学研协同创新成果的涌现。在此背景下,京津冀、长三角、珠三角、成都平原经济区等科技经济聚集区陆续形成。
地理邻近促进了跨区域产学研协同创新绩效了吗?这一问题,学者们的观点泾渭分明。早期的经济地理学者认为:“知识在走廊和街道之间传播要比跨越海洋和洲际容易得多”[1]。Mansfield等[2]采集分析实地数据后发现,本地大学(100英里以内)与本地企业合作更频繁,这表明了企业有与地理邻近科研机构合作的偏好。Petruzzelli[3]将产学研合作创新的绩效设定为企业与大学合作申请专利数量,研究结论是地理邻近其对影响显著,按照这个思路,Wei Hong[4]利用中国的专利数据验证了Petruzzelli的研究结论。陈光华等[5]实证检验了地理距离对跨区域产学研合作创新绩效的影响,结果显示地理距离对专利产出的影响不显著,对新产品产出有显著的负向影响。李学鑫[6]基于关系邻近和认知邻近论证了中国农区文化产业集群的知识吸收能力形成路径,强调了父传子、师带徒等面对面非正式交往的作用。
也有学者质疑地理邻近“促进论”,他们认为现代交通条件的改善极大地节省了因地理距离较远产生的协同创新成本,信息通讯技术可以将隐性知识转化成编码化的知识,从而增加了远距离合作的可能性,甚至有学者提出了“地理已死”(Krugman)、“地理不再重要”(Cairncross)等观点。Mora-Valentine等[7]对西班牙产学研合作项目的研究,Bercovitz和Feldman[8]对合作创新团队的研究以及Schwartz等对德国合作R&D项目的研究,结论都是地理邻近对合作项目的绩效影响并不显著。
基于邻近视角研究合作创新以及协同创新是一个新兴研究领域,有待解决的主要问题一是邻近的维度需要重新界定,多维邻近性的层次需要进一步区分;二是不同维度的邻近对协同创新重要性大小需测度。以Torre等[9]为代表的法国邻近动力学派以及以Boschma等[10]为代表的其他欧盟学者探讨了包括地理邻近、组织邻近、制度邻近、社会邻近等在内的多维邻近在组织合作与交互学习中的作用。本文尝试将制度邻近、社会邻近、技术邻近和关系邻近作为中间变量整合到地理邻近促进产学研协同创新的机理机制中,用来自中国的数据验证所构建的理论模型,希望研究结果能够为区域创新政策的制定提供有效的理论指导和决策参考。
1 研究假设 1.1 制度邻近与产学研协同创新制度邻近性是指不同的创新主体在类似的制度环境中,创新行为遵从一致认同的正式制度(政策、法律)和非正式制度(惯例、文化)。制度邻近对产学研跨区域协同创新非常重要,共同遵守的创新制度鼓励集体学习,使主体间能够实现有效的合作;有约束力的利益协调机制防范产学研“搭便车”行为,使得各类创新资源能够自由流动。
制度邻近包括很多方面,其中对产学研跨区域协同创新影响最大的是地方保护主义。地方保护主义通过两种方式极大的阻碍协同创新:一是地方政府通过区域封锁和贸易壁垒,形成市场分割,阻碍创新要素自由流动和有效配置,直接影响跨区域协同创新的成功率;二是地方保护主义导致的区域产业结构单一雷同,削弱了进行跨区域产学研协同创新的动力。因此,摒弃地方保护主义,跳出区域创新资源限制,与制度邻近的产学研主体合作,是提高产学研创新绩效的重要策略。据此,提出研究假设:
H1:制度邻近对产学研协同创新有正向促进作用。
1.2 技术邻近与产学研协同创新技术邻近的前提是协同创新主体拥有共同的“知识基(knowledge base)”,反映的是各主体间技术构成的相似程度。对产学研而言,技术知识的相似度越高,技术知识在组织之间的获取、共享和利用可能性越大。技术邻近对隐性知识的共享作用巨大,一方面,只有拥有共同知识背景的创新主体才能理解并掌握那些非正式的、难以表达的技能、技巧和诀窍;另一方面,也只有技术邻近的合作伙伴才能正确评估那些无法编码和存储的隐性知识的价值,而知识评估正是协同合作创新的第一步。得出研究假设:
H2:技术邻近对产学研协同创新有正向促进作用。
1.3 关系邻近与产学研协同创新现实中产学研协同创新行为往往是在契约不完全或者是信息不对称条件下进行的,在中国这样一个充满潜规则、依赖人际关系的国家,创新主体关系的好坏在某种意义上决定着创新成功与否。关系邻近反映的是产学研协同创新行为的紧密度,一般而言,产学研先前合作成功的经验会降低跨区域组织间研发创新中的不确定性,长期的合作关系会消减交易成本,增加产学研协同创新的成功率。据此分析,提出研究假设:
H3:关系邻近对产学研协同创新有正向促进作用。
1.4 社会邻近与技术邻近、关系邻近地理邻近只是为产学研协同创新提供了互动学习交流空间地域上的便利,对企业来讲,主动通过与其他主体建立伙伴关系而嵌入到社会网络中更重要,在社会网络中的所处的位置往往影响自己的创新效果。Agrawal等从员工的工作经历入手,发现曾在同一个公司工作过的员工更容易促成企业之间合作创新[11]。他们解释这种现象产生的原因是这些离职员工曾经的共同工作经历积累了丰富社会资本,包括相对固定的工作条例程序和彼此的信任关系,而这两者都是创新成果的关键因素。据此分析,提出研究假设:
H4:社会邻近通过技术邻近间接对产学研协同创新有正向促进作用。
H5:社会邻近通过关系邻近间接对产学研协同创新有正向促进作用。
1.5 地理邻近与其他邻近20世纪90年代以后,创新系统理论建立,该理论认为创新是一个系统工程,不仅依赖于技术部门和产业部门的协同互动,还与政治环境、产权制度、社会文化等要素息息相关。由于环境、制度和文化都具有特定的地理属性,使得创新研究有了地理空间含义,地理邻近对其他邻近的积极影响正在从实证上被证明。
作为单一变量的地理邻近虽然并不是协同创新的必要条件,但是通过其他邻近变量的中介作用地理邻近可以间接影响协同创新效率。创新主体由于地理空间邻近的优势,在创新活动中增加了面对面接触的频率,合作关系和信任关系更容易建立,地理邻近客观上提高了创新主体的关系邻近和社会邻近。已有的研究表明了同一区域内产学研协同创新的技术领域具有趋同性[12],地理邻近可以促进技术邻近。虽然创新激励政策和制度是全国“一盘棋”,但是具体到不同地区还是各具特色,跨区域间的制度环境差异很大,共同经济圈如京津冀、长三角的制度往往具有同一性。综上所述,提出研究假设:
H6:地理邻近对其他邻近有正向促进作用。
1.6 其他邻近与产学研协同创新20世纪上半叶,传统的空间经济学和经济地理学将地理邻近看作是成本减少的来源,他们认为空间集聚现象是由于经济主体与同行、顾客、竞争对手的邻近所产生的正外部性产生。Marshall首次提出地理邻近概念:不同经济活动主体在同一集群内部空间上的协同定位关系。Porter的集聚经济理论和产业集群理论都是从产业区范围内各类组织地理邻近的角度研究竞争优势产生的原因。经济全球化和现代通讯技术的发展打破了创新活动固定区域的束缚,创新逐渐实现跨区域协同甚至跨国协同。在此背景下,学者们的研究开始超越地理和空间的束缚,从更为广阔的人文视野审视创新主体和创新绩效。从中观区域层面和微观组织视角进行分析,在众多的邻近维度中,地理邻近性理应是第一维度,在多数情况下,地理邻近通过影响其他形式的邻近进而影响产学研协同创新。因此,提出研究假设:
H7:地理邻近通过其他邻近间接对产学研协同创新有正向促进作用。
根据以上分析,本文提出基于其他邻近为中间变量的地理邻近影响对产学研协同创新的概念模型,见图 1。
本研究采用偏最小二乘法(PLS)的结构方程模型,使用SmartPLS 2.0输入数据并运行结果。PLS是一种基于协方差的结构方程模型技术,它通过最小化误差的平方和找到一组数据的最佳函数匹配。PLS对样本的大小和分布限制比较严格,它同时评估测量模型和理论结构模型,能够解决多重共线性问题,体现了传统路径分析与因子分析的完美结合。虽然降维损失了点数据信息,但PLS允许在样本点个数少于变量个数的条件下进行回归建模。PLS第一步是使用验证性评价模型因素分析,评估理论建构的信度和效度;第二步是通过对理论结构模型的检验,寻找多个理论假设之间的相关关系。
设有q个因变量{y1, …, yq}和p个自变量{x1, …, xp}。为了研究因变量和自变量的统计关系,我们观测了n个样本点,由此构成了自变量与因变量的数据表X={x1, …, xp}和Y={y1, …, yq}。偏最小二乘回归分别在X与Y中提取出成分t1和u1(也就是说,t1是x1, …, xp的线形组合,u1是y1, …, yq的线形组合)。在提取这两个成分时,为了回归分析的需要,有下列两个要求:① t1和u1尽可能大地携带他们各自数据表中的变异信息;② t1与u1的相关程度能够达到最大。这两个要求表明,t1和u1应尽可能好的代表数据表X和Y,同时自变量的成分t1对因变量的成分u1又有最强的解释能力。
在第一个成分t1和u1被提取后,偏最小二乘回归分别实施X对t1的回归以及Y对u1的回归。如果回归方程已经达到满意的精度,则算法终止;否则,将利用X被t1解释后的残余信息以及Y被t1解释后的残余信息进行第二轮的成分提取。如此往复,直到能达到一个较满意的精度为止。若最终对X共提取了m个成分t1, …, tm,偏最小二乘回归将通过实施yk对t1, …, tm,的回归,然后再表达成yk关于原变量x1, …, xm的回归方程,k=1, 2, …, q。
2.2 变量测度(1)地理邻近的测度
学者多采用地理学意义上的球面直线距离dAB来衡量产学研协同创新的地理邻近性,计算公式见(1)。其中,R为地球的平均半径,计算时取天文学和地质学公认的6371 km;latA和latB分别代表A、B两地的纬度(弧度值);longA和longB分别代表A、B两地的经度(弧度值)。
$ {{d}_{AB}}=R\times \text{arccos}\left[\begin{align} &\text{sin}(la{{t}_{A}})\text{sin}(la{{t}_{B}})+\text{cos}(la{{t}_{A}}) \\ &\text{cos}(la{{t}_{B}})\text{cos}(|lon{{g}_{A}}-lon{{g}_{B}}|) \\ \end{align} \right] $ | (1) |
为便于在SmartPLS 2.0软件中进行逻辑回归(logistic regression)的分析,本文将变量地理邻近做定距变量处理,首先将距离设置为5个分界点0%、11%、35%、65%、89%和100%,然后对测量得到的地理距离(km)进行转换并赋值,其中0代表地理距离为0;1代表地理距离在0%到11%之间,定义为“距离很近”;2代表地理距离在12%到2017年第4期总第156期人文地理35%之间,定义为“距离较近”;3、4、5分别代表“距离一般”、“距离较远”和“距离最远”。
(2)产学研协同创新绩效的测度
作为因变量,本文采用产学研共同申请的专利来衡量产学研协同创新绩效。虽然仅使用专利这一单一因素来度量产学研协同创新的绩效过于片面,但在考虑了衡量标准的客观性、权威性、可获取性以及可对比性后,基于申请专利的产学研协同创新绩效评价是最合理的选择[13]。经过在中国专利数据库的搜索整理(2008-01-01—2013-12-31),采用数据可视化软件Gephi刻画全国范围内跨区域产学研协同研发专利数据的分层图,每一项专利为一个从大学到企业的有向图,按照科技资源的流向,将大学所在地设为始点,将企业所在地设为终点,如图 2所示。
(3)技术邻近的测度
技术邻近性主要测度同一产学研联盟在不同技术领域拥有的专利数。通过查询国家知识产权局技术许可双方在许可年之前申请专利涉及的四位IPC技术分类,构建向量fi=[p1, p2, …, pn]和fj=[p1, p2, …, pm];其中fi和fj分别代表被许可企业和许可组织的专利技术分类构成向量;根据技术结构相似性计算公式,得到产学研技术邻近性系数:
$ {{T}_{ij}}=\frac{{{f}_{i}}^{\prime }{{f}_{j}}^{\prime }}{{{[({{f}_{i}}{{f}_{j}})({{f}_{i}}{{f}_{j}})]}^{-\frac{1}{2}}}} $ | (2) |
技术邻近性系数为0—1之间的连续变量。数值越大,代表技术许可双方的技术经验和知识基础越趋于一致,反之差异性越大[14]。
(4)关系邻近的测度
关系邻近反映的是处在不同区域内的产学研合作关系的频繁度和紧密度,可以用先前共同从事的创新活动合作经验来表示。在国家知识产权局专利检索系统中剔除以个人名义申请的专利,只测度不同区域内产学研协同创新的先前专利合作总量和合作的次数总和。根据国家统计局数据,我国产学研平均生命周期为五年,故本文采用五年移动窗口测算。
(5)社会邻近的测度
社会邻近反映的是产学研在创新网络的位置和重要性。本文对社会邻近的衡量通过上一时段两节点在创新网络中关系距离的倒数来计算[15]。如果产学研单线直接联系,可以认定他们社会邻近距离为1,社会邻近系数为1;如果产学研通过一个中介组织建立联系,可以认定他们的社会邻近距离为2,社会邻近系数为0.5。以此类推,将社会邻近构造为随机连续定距变量。
(6)制度邻近的测度
本文借鉴党兴华等人[16]的研究,采用区域间地方保护程度相似性的数据来衡量制度邻近。区域间地方保护程度相似性主要通过计算不同区域市场分割程度指标的比值和均值的乘积。具体算法是根据《中国统计年鉴》中的“地区商品零售价格分类指数”,从尼斯分类表内34类商品中抽取出各年度可以对应市场通用的13类商品零售价格指数,计算各省的市场分割指数,按照上述方法计算得到2008— 2013年30个区域间地方保护程度相似性。
3 研究结果 3.1 信度和效度根据SmartPLS 2.0运行结果如表 1所示。SmartPLS主要用各结构变量的组合信度(CR)测量信度。本研究的值CR都达到了0.85以上,说明6个变量都具有较高的可靠性。每个变量的平均方差抽取量(AVE)大于0.5,说明每个维度的各个测量指标平均都至少解释了该建构模型的50%。
统计结果(见表 2)显示支持H1、H3、H6和H7。H1表示制度邻近对产学研协同创新有正向促进作用(路径系数0.54,p < 0.001);H3表示关系邻近对产学研协同创新有正向促进作用(路径系数0.31,p < 0.01);H6表示地理邻近对其他四种邻近有正向促进作用,地理邻近对技术邻近的影响系数为0.44(p < 0.001),地理邻近对社会邻近的影响系数为0.61(p < 0.001),地理邻近对关系邻近的影响系数为0.49(p < 0.001),地理邻近对技术邻近的影响系数为0.36(p < 0.001);H7表示地理邻近对产学研协同创新有正向促进作用(路径系数0.32,p < 0.01)。
统计结果显示不支持H2、H4和H5。拒绝H2意味着技术邻近不能明显促进产学研协同创新(路径系数为−0.11,p > 0.05);拒绝H4和H5表示社会邻近并不能很好的通过技术邻近和关系邻近的中介来促进产学研协同创新,其中社会邻近对技术邻近的影响系数为−0.05(p > 0.05),社会邻近对关系邻近的影响系数为0.08(p > 0.05)。研究假设H2、H4和H5统计学意义上路径影响系数微小且无显著性差异,故被拒绝。为直观表示变量关系,做出地理邻近影响产学研协同创新路径图,见图 3。
(1)研究结果证实了地理邻近作为第一维邻近性的重要作用。地理邻近不仅对技术邻近、社会邻近、关系邻近、制度邻近有正向的促进作用,其对产学研协同创新绩效也有正向的影响,地理邻近性可以被认定是跨区域协同创新的主要影响因素。实证数据表明:地理邻近是多维邻近的第一维,其他邻近都是在地理邻近的影响下作用于协同创新绩效的。在全球化浪潮下,应该存在除自然资源禀赋之外的固着于地理空间,难以移动、复制或取代的事物,这些事物受地理区域的限制,是国家创新系统或区域创新绩效的重要来源。
(2)社会邻近虽然正向作用于技术邻近和关系邻近,但是通过技术邻近和关系邻近影响产学研协同创新绩效微乎其微。主要原因可能是技术邻近和关系邻近极大的消解了社会邻近对产学研协同创新的作用,由于技术邻近自身对产学研协同创新绩效基本无影响,那么可以认为,在邻近维度中对关系邻近和社会邻近的分类需要调整,两者可以归纳为一种邻近。许多研究证实技术邻近与创新绩效是倒U型关系[17],本文的研究发现技术邻近与产学研协同创新绩效的关系还处在倒U型曲线的前半部分。
(3)制度邻近和关系邻近对产学研协同创新的影响很显著。我国业已形成的几个区域创新中心,已经在实践上证实了地方科技资源保护主义的存在。地区间制度环境差异不但影响创新要素的自由流动,而且对创新成果的市场化应用影响巨大,很多创新成果无法走出当地就是证明。对创新组织而言,统一的市场有利于科技资源合理配置,长期的合作关系和信任关系可以减少机会主义行为,降低交易成本,这些因素对提高创新成功机率都是非常重要的。
4 政策启示地理邻近对产学研协同创新的促进作用已得到证实,但在知识经济和全球化的冲击下,ICTS(信息通讯技术)正消解以前认为难以逾越的地理空间距离以及带来的协同创新成本,在此前提下讨论政府的区域科技政策很有必要。
(1)推动区域科技资源适度聚集,以科技创新推动战略性区域发展。鼓励跨部门、跨区域、跨领域协作,构建多渠道、多形式、网络化的协同创新格局,支持行业骨干企业与高等院校、科研机构联合组建研发平台和科技创新战略联盟,合作开展核心技术、共性技术、关键技术研发和攻关。需要注意的是,区域发展战略应转向缩小政策单元、强化战略针对性。“十三五”规划的制定和执行,应淡化“四大板块”(东部地区、西部地区、中部地区、东北地区)的战略表达,要针对特定区域内具体的科技、经济、文化等问题制定相应的政策。
(2)加快区域间市场化一体化和制度一体化改革。地方政府应进一步加快改革,破除地方保护主义壁垒,提高市场化程度,制定鼓励跨区域技术创新合作的政策,为跨区域产学研协同创新创造良好的制度环境。2015年5月1日起已经在全国范围内推开区域通关一体化改革,未来的发展方向是要素一体化和政策一体化。要敢于打破计划经济遗留的条块分割、画地为牢的“蜂窝状”经济结构形态,通过改革中央和地方政府关系、重建地方政府竞争秩序、建立科学的公务员的绩效评价体系等措施,循序渐进推动区域市场和制度的一体化进程。
(3)加强基础设施统筹与管理,实现区域基础设施建设一体化。跨区域间基础设施对接、互联和融合可高效整合各区域间的科技资源。基础设施建设的一体化首先是规划先行,建立技术标准体系统一、管理制度规范“基础设施高速公路”;其次是建管并进,谨记“建成平台,丢失舞台”的教训,一手抓建设,一手抓管理;三是规范兼容,处理好跨区域建设出现的民族隔阂和宗教禁忌问题,打造成平等互利、求同存异的经济共同体。
[1] | Edward G, Hedi D, Andrei S. Growth in cities[J]. Journal of Political Economy, 1992, 100(6): 1126-1152. DOI:10.1086/261856 |
[2] | Edwin M, Jeong Y L. The modern university:Contributor to industrial innovation and recipient of industrial R&D support[J]. Research Policy, 1996, 25(7): 1047-1058. DOI:10.1016/S0048-7333(96)00893-1 |
[3] | Petruzzelli A M. The impact of technological relatedness, prior ties, and geographical distance on university-industry collaborations:A joint-patent analysis[J]. Technovation, 2011, 31(7): 309-319. DOI:10.1016/j.technovation.2011.01.008 |
[4] | Wei H, Su Y S. The role of proximity in university-business cooperation for innovation[J]. Research Policy, 2010, 39(5): 662-673. DOI:10.1016/j.respol.2010.01.012 |
[5] | 陈光华, 王烨, 杨国梁. 地理距离阻碍跨区域产学研合作绩效了吗?[J]. 科学学研究, 2015, 33(1): 76-82. [Chen Guanghua, Wang Ye, Yang Guoliang. Geographical distance and non-local university-industry collaborations performance[J]. Studies in Science of Science, 2015, 33(1): 76-82. ] |
[6] | 李学鑫. 农区文化产业集群吸收能力与学习研究——以石佛寺玉雕产业集群为例[J]. 人文地理, 2012, 27(5): 115-119. [Li Xuexin. Cluster absorptive capability and learning of the cultural industry in Chinese rural areas[J]. Human Geography, 2012, 27(5): 115-119. ] |
[7] | Valentine M, Sanchez M. Determining factors in the success of R & D cooperative agreements between firms and research organizations[J]. Research Policy, 2004, 33(1): 17-40. DOI:10.1016/S0048-7333(03)00087-8 |
[8] | Bercovitz J, Feldman M. The mechanisms of collaboration in inventive teams:Composition, social network and geography[J]. Research Policy, 2011, 40(1): 81-93. DOI:10.1016/j.respol.2010.09.008 |
[9] | Shaw A T, Gilly J P. On the analytical dimension of proximity dynamics[J]. Regional Studies, 2000, 34(2): 169-180. DOI:10.1080/00343400050006087 |
[10] | Boschma R A. Proximity and innovation:A critical assessment[J]. Regional Studies, 2005, 39(1): 61-74. DOI:10.1080/0034340052000320887 |
[11] | Agrawal A, Cockburn I, Mchale J. Gone but not forgotten:Knowledge flows, labor mobility, and enduring social relationships[J]. Journal of Economy Geography, 2006, 6(5): 571-591. DOI:10.1093/jeg/lbl016 |
[12] | 谭文柱. 地理空间与创新:理论发展脉络与思考[J]. 世界地理研究, 2012, 21(9): 94-100. [Tan Wenzhu. Geographic space and innovation:The development and thinking[J]. World Regional Studies, 2012, 21(9): 94-100. ] |
[13] | 顾新, 王元地, 杨雪. 中国区域创新体系发展的理论与实践[M]. 北京: 经济管理出版社, 2014: 143-145. [Gu Xin, Wang Yuandi, Yang Xue. Regional Innovation System and Its Development in China[M]. Beijing: Economic & Management Press, 2014: 143-145.] |
[14] | 刘凤朝, 邬德林, 马荣康. 专利技术许可对企业创新产出的影响研究——三种邻近性的调节作用[J]. 科研管理, 2015, 36(4): 91-100. [Liu Fengchao, Wu Delin, Ma Rongkang. Patent technology licensing and innovation performance of licensee firms:The moderating effects of three different types of proximity[J]. Science Research Management, 2015, 36(4): 91-100. ] |
[15] | 吕国庆, 曾刚, 顾娜娜. 基于地理邻近与社会邻近的创新网络动态演化分析——以我国装备制造业为例[J]. 中国软科学, 2014(5): 97-106. [Lv Guoqing, Zeng Gang, Gu Nana. Dynamic evolution of innovation network in China's equipment manufacturing industrial[J]. China Soft Science, 2014(5): 97-106. ] |
[16] | 党兴华, 弓志刚. 多维邻近性对跨区域技术创新合作的影响——基于中国共同专利数据的实证分析[J]. 科学学研究, 2013, 31(10): 1590-1600. [Dang Xinghua, Gong Zhigang. Impact of multidimensional proximities on cross region technology innovation cooperation:Empirical analysis based on Chinese coin vent patent data[J]. Studies in Science of Science, 2013, 31(10): 1590-1600. DOI:10.3969/j.issn.1003-2053.2013.10.024] |
[17] | 夏丽娟, 谢富纪. 多维邻近视角下的合作创新研究评述与未来展望[J]. 外国经济与管理, 2014, 36(11): 45-54. [Xia Lijuan, Xie Fuji. A literature review of collaborative innovation from a perspective of multidimensional proximity[J]. Foreign Economics & Management, 2014, 36(11): 45-54. ] |