张晓月,陈鹏龙,赵顺龙
(南京工业大学 经济与管理学院，江苏 南京 211816)
摘要：在全国倡导大力发展专利密集型产业、建设专利密集型产业集聚区的背景下，以江苏省2011-2015年工业数据为研究对象，采用面板数据回归模型探究不同集聚模式对产业创新活力的影响，并以专利密集型产业为划分依据，分析产业集聚对产业创新活力的影响是否因产业性质不同而有所差异。结果显示，产业集聚对专利密集型与非专利密集型产业创新活力的影响有显著差异，多样化集聚模式能够促进专利密集型产业创新活力，但对于非专利密集型产业而言，产业集聚并没有促进其产业创新活力提升。政府部门在规划产业布局时，可以引导区域内产业多元化发展。
关键词：专业化集聚；多样化集聚； 产业创新； 专利密集型产业；非专利密集型产业
自2012年美国商务部发布《知识产权与美国经济：产业聚焦》报告以来，如何发展专利密集型产业受到政府和学术界的广泛关注[1]。中国国家知识产局于2016年10月发布的《中国专利密集型产业主要统计数据报告(2015)》指出，2010—2014年我国专利密集型产业增加值占GDP比重由最初的9.2%上升为12.5%，专利密集型产业对GDP增长的贡献率在2014年更是达到了22.6%，体现出专利密集型产业对我国经济日趋增强的拉动作用。着力发展专利密集型产业对于实现我国产业转型升级、推动经济持续增长、加速实施创新驱动发展战略具有十分重要的影响[2]。因此，国务院办公厅2015年印发的《国务院关于新形势下加快知识产权强国建设的若干意见》重点强调了试点设立知识产权密集型产业集聚区，各省市也对建设专利集群管理示范区非常重视[3]。
发展专利密集型产业能促进专利密集型产业集聚，如何规划产业布局才能更好地提升专利密集型产业创新优势成为一个待探讨的问题。其实，哪种集聚模式能够提升产业创新活力，一直以来都是学术界争论的焦点[4]。此外，对于专利密集型和非专利密集型两种不同性质的产业，产业集聚对其创新活力的影响是否存在差异，也是一个值得探究的问题。研究产业集聚对不同产业创新活力的影响，对于区分不同性质的产业发展规划，发挥专利密集型产业创新优势、科学建设专利密集型产业集聚区具有重要的实践价值。
最早提出产业集聚对产业创新存在影响的是新古典学派创始人马歇尔[5](Alfred Marshall)。马歇尔分析了产业内集聚外部性的3个来源——知识与服务溢出、劳动市场共享和专业化投入品共享，其中知识技术外溢被普遍认为是产业集聚促进创新的主要因素。Arrow[6]与Romer[7]对Marshall所说的外部性进行进一步研究，形成了MAR外部性理论。该理论认为，知识溢出主要来自于相同产业内企业，区域内专业化产业集聚度越高，越能促进技术知识溢出，就越有利于企业创新能力提升，即产业专业化集聚能够促进创新能力提升。与MAR外部性理论不同的是，Jacobs[8]认为，知识溢出主要来自于不同产业间的企业，区域内产业越多样化越能促进知识传播，就越有利于技术创新，即产业多样化集聚能够提升技术创新能力。
此后，多名国内外学者对两派观点进行实证探究，但研究结论不尽相同。以下学者的研究结果支持MAR外部性观点：Baptista与Swann[9]基于1975—1982年英国248家制造业企业数据的实证分析表明，专业化集聚能够提升企业创新能力，多样化集聚则对创新能力提升作用不显著；Beaudry 与Breschi[10]通过对意大利和英国高新技术产业的实证研究，证实专业化集聚对产业技术创新有正向影响[10]；刘军等[11]对1999-2007我国省级面板数据探究发现，不仅高技术产业专业化集聚有利于区域创新，而且传统产业集聚对区域创新也有正向影响；段会娟[12]基于2000-2007年我国省级制造业面板数据研究发现，专业化集聚对知识溢出和创新具有更为显著的作用。
上述学者们的研究支持MAR的外部性观点，但也有学者的实证结果证实Jacobs的外部性观点。Maryann P Feldman[13]通过考察美国城市和产业数据，发现在产业水平上多样化集聚比专业化集聚更有利于技术创新；Antonietti[14]基于结构模型对意大利制造企业空间集聚在企业创新等方面的作用进行研究，发现多样化集聚促进了当地企业创新水平提升；程中华[15]基于中国内地285个城市统计数据，实证MAR外部性抑制城市绿色全要素生产率提升，Jacobs外部性促进了城市绿色全要素生产率提升；陶爱萍[16]选取全国内地20个制造业相关数据，在研究知识溢出与产业集聚的交互作用中发现，多样化产业区域环境为技术创新奠定了良好的基础，从而有利于知识溢出[16]。与程中华与陶爱萍不同的是，陈劲等[17]只采用高技术产业数据，研究结果显示，当集聚水平较低时，专业化集聚有利于创新，而多样化集聚会阻碍创新；当集聚水平较高时，专业化集聚阻碍了技术进步，多样化集聚反而会促进技术创新。
综上所述，学者们对产业集聚能否促进产业技术进步作了大量研究，但至今没有得到统一结论。Glaeser[18]认为还没有解决专业化和多样化对技术创新的作用问题，不同样本和不同时间得出的结果不同，表明在这个问题上还没有普遍共识。国内学者对于产业集聚的研究，大多只关注制造业或者高技术产业，很少学者将不同性质的产业进行分类、对比研究。产业集聚中的知识溢出形式会因行业不同而不同，由于创新所涉及的知识类型不同，不同性质的产业在集聚形式和集聚程度上存在较大差异。因此，有必要就不同性质的产业分别探究产业集聚对其创新活力的影响。尤其对于专利密集型和非专利密集型产业而言，产业性质有根本性区别，分别探究专业化集聚和多样化集聚对其创新活力的影响，可帮助各级政府调整产业发展政策，精确制定专利密集型产业与非专利密集型产业未来不同的发展规划。
熊波特[19]在其创新产业集聚理论中提出，产业集聚有助于创新，创新依赖于产业集聚，创新不是企业的孤立行为，它需要企业间的竞争与合作，需要依靠企业集聚才能实现。产业集聚带来知识技术外溢并促进产业技术进步。MAR外部性理论认为，产业集聚带来的知识溢出主要产生于产业内部不同的企业之间，知识溢出方式包括创新思想迅速传播、企业间的相互模仿、企业间高素质劳动者流动交流等，这种知识溢出效应将推动技术创新。
近年来有学者提出，产业专业化集聚会对产业创新带来负面影响，即引发拥挤效应。一方面，产业集聚加剧产业内部竞争，迫使企业被动采取低价格策略，最终导致企业利润减少，从而使能够投入到技术创新的资金也相应减少；另一方面，集聚带来与要素投入市场竞争紧密相关的土地价格与职工工资提高等负面货币外部性，从而导致企业生产成本增加[20]。已有研究证实，在中、高技术领域产业中专业化集聚的拥挤效应已超过了正向知识溢出效应[21]。总结已有理论可知，专业化集聚带来的知识溢出是肯定存在的，但专业化集聚能否对产业创新活力产生促进作用，关键在于知识溢出效用能否大于过度竞争带来的副作用。基于此，本文提出以下两个问题：
问题1:产业专业化集聚对产业创新活力起促进还是抑制作用？
问题2：专业化集聚对专利密集型与非专利密集型产业创新活力的影响是否存在差异？
与MAR外部性理论相反，Jacobs等提出，知识溢出不仅存在于产业内部，而且某个产业的相关知识也能够应用于其它产业。产业多样化集聚强调不同产业之间异质性知识存在互补性的可能，并且这种互补性知识对企业创新有非常重要的促进作用，许多突破性创新恰恰是在多个领域的交流、踫撞过程中产生的，狭窄的技术专业化可能会阻碍新知识产生进而抑制技术革新[4]。相反，也有理论指出多样化集聚会使资源分散，不同产业企业难以形成统一协调的行为规范，资源和知识流动与共享存在很大障碍[17]。基于此，本文提出以下问题：
问题3:多样化产业集聚会对产业创新活力起促进还是抑制作用？
知识溢出可分为隐性与显性知识溢出。技术含量高的产业由于对知识要求较高，需要更多隐性知识，这决定了其要与科研机构紧密合作，多样化集聚是一个更好的选择。技术含量低的产业则对显性知识要求更高，并且由于低技术含量行业技术大多具有可编码性，更容易通过专业化集聚方式从同行业其它企业的知识外溢中达到企业自身创新的目的[22]。因此，产业多样化集聚带来的知识溢出效应对技术密集度高的产业影响更显著。非专利密集型产业多是劳动力集聚、资本集聚等非技术集聚产业，知识溢出效应对非专利密集型产业的作用较小，产业集聚反而导致更多竞争和资源分散，抑制非专利密集型产业技术创新。对于技术密集度较高的产业，多样化产业集聚结构能够显著推动其创新水平提升和创新能力培育，新技术和新产品更多地在具有多元化知识基础的产业多样化地区进行开发[23]。因此，专利密集型产业必然比非专利密集型产业能够得到更多的多样化集聚增益。基于此，提出本文第4个问题：
问题4：多样化集聚对于专利密集型产业与非专利密集型产业的创新活力能否产生完全不同的影响？
虽然专业化集聚和多样化集聚具有不同优势来源，但都基于知溢出这个共同前提。事实上，区域内产业专业化与多样化集聚是同时存在的，尤其对于工业发达地区来说，两者同时对产业创新活力产生影响[24]。也有学者提出专业化和多样化是两种截然不同的集聚方式，两者相互排斥，并且专业化集聚可能会降低多样化集聚对创新绩效的影响[17]。基于此，本文提出以下问题：
问题5：专业化集聚与多样化集聚的交互作用对专利密集型和非专利密集型产业创新活力会产生怎样的影响？
区别于以往大多数学者以中国内地所有省份为研究对象，本文以江苏省工业行业为研究对象。江苏省于2017年1月发布了《江苏省知识产权密集型产业统计报告》，该统计报告是继美国、欧洲发布的知识密集型产业统计报告后，我国首个集专利、商标和版权的知识密集型产业统计报告[25]。江苏省工业发展水平和对发展专利密集型产业的重视程度在全国领先。
本文数据从2012-2016年《江苏省统计年鉴》、《江苏省科技统计年鉴》中摘录，剔除个别缺失数据，选取38个工业产业共190个有效样本数据。依据《江苏省知识产权密集型产业统计报告》公布的江苏省专利密集型产业目录，将医药制造业、化学原料及化学制品制造业等12个行业列为专利密集型产业，共60个有效样本。其余26个行业共130个样本作为非专利密集型产业。
为了能够较为精确地探究产业集聚对产业创新活力的影响，除产业专业化集聚指数与多样化集聚指数外，本文将科技人员投入水平、科技经费投入水平、外商投资水平作为控制变量加入模型。因此，本文计量模型设定为:
lnPatentit=α11+β11×SPEit+β12×DIVit+β13×
ZRDit+β14×lnSRDit+β15×OPENit+ε1it
(1)
为探究专业化与多样化集聚的交互作用对产业创新活力的影响，加入SPEit*DIVit的交互项，形成模型(2)：
lnPatentit=α2+β21×SPEit+β22×DIVit+β23×
ZRDit+β24×lnSRDit+β25×OPENit+β26×
SPEit*DIVit+ε2it
(2)
其中，lnPatent为被解释变量，表示产业创新活力;SPE、DIV为解释变量， 分别表示专业化产业集聚与多样化产业集聚水平;ZRD、SRD、OPEN为控制变量，分别表示产业科研人员投入水平、科研经费投入水平及外商投资水平;下标i和t分别表示行业和年份; 其它字母分别表示模型常数项、变量系数及模型残差。
本文将产业创新活力(Patent)作为被解释变量。发明作为3种专利类别中技术含量最高、创新性要求最严苛的专利，一个产业每年发明专利授权量最能体现该产业的创新活力。鉴于专利产出滞后性，本文选择滞后一年的发明专利授权量测量产业创新活力，以降低模型出现内生性问题的概率。
本文选择专业化集聚(SPE)和多样化集聚(DIV)作为研究的解释变量，探究不同集聚结构对产业创新活力的影响。学者们在测量专业化集聚和多样化集聚指数上采用了多种方法，应用最为广泛的是基于 Hirschman-Herfindahl 指数与从业人员数量测量方法[26]。本文采用修正后的Hirschman-Herfindahl指数对专业化集聚和多样化集聚进行测量[27]。
专业化集聚
(3)
多样化集聚
(4)
式(3)、(4)中，SPEi代表江苏省i产业专业化集聚程度，DIVi代表江苏省i产业多样化集聚程度，Ei代表江苏省i产业平均用工人数，E代表江苏省工业行业平均用工人数，
代表全国范围内i产业平均用工人数，E*代表全国范围内工业产业平均用工人数。
科研经费投入水平[28](ZRD)。选取产业研究与发展(R&D)经费内部支出占产业利润总额的比重作为衡量产业科研经费投入水平的变量。
科研人员投入水平[28](SRD)。选取产业研究与发展人员投入数作为衡量科研人员投入水平的变量。
外商投资水平[28](OPEN)。将外商流动资产合计占整个产业流动资产的比例作为外商投资水平衡量指标。
表1描述性统计结果
从表1可以看出，专利密集型产业专业化集聚平均指数(1.203)大于非专利密集型产业(0.073)，而其多样化集聚平均指数(5.471)小于非专利密集型产业(6.410)，专利密集型与非专利密集型产业在集聚模式上有显著差异。无论在哪种性质的产业中，多样化集聚指数均大于专业化集聚指数，体现出江苏省产业结构呈多样化发展趋势。
从表2可以看出，多样化集聚水平与各变量相关系数均为负，与其它变量呈反向变化。科研人员投入水平与其它解释变量的相关系数较大，为检测是否出现伪回归问题，对每个模型结果进行vif检验。
为了检验理论假设，本研究对相关变量进行对数化处理，采用逐步加入控制变量、自变量、交互项的层级回归模型进行数据分析。回归1、回归6、回归11是只含有控制变量的回归模型; 回归2、回归7、回归12是加入专业化集聚的回归结果；回归3、8、13是加入专业化集聚的回归结果；回归4、回归9、回归14是控制变量与自变量对因变量的主效应回归模型；回归5、回归10、回归15加入专业化集聚与多样化集聚的交互项，如表3、表4、表5所示。为尽可能避免解释变量出现共线性问题，在加入专业化集聚与多样化集聚交互项之前，对专业化与多样化集聚指数进行中心化处理。
表2相关性检验结果
本文采用Stata13.1软件对各回归模型进行分析，并通过F检验与霍斯曼检验，选择合适的回归模型。
表3全部产业回归结果
固定效应回归通过F检验，F值均小于0.05，且通过Hausman检验，结果显示P值均小于0.05。因此，全部产业回归模型均选择固定效应模型。
表4专利密集型产业回归结果
固定效应回归通过F检验，F值均大于0.05，因而专利密集型产业回归模型均选择混合效应模型。
固定效应回归通过F检验，F值均小于0.05，并通过Hausman检验，结果显示P值均小于0.05。因此，非专利密集型产业回归模型均选择固定效应模型。
在全部回归结果中，解释变量的符号均没有发生改变，表现出一致性，增强了回归模型设定的可信度。每个模型结果均通过vif检验，变量间不存在明显共线性问题。
表5非专利密集型产业回归结果
(1)控制变量的影响。科研人员投入对产业创新活力有显著促进作用(β=6.822，P<0.01)。事实上，知识溢出效应更多地通过员工间的交流隐性传播。科研经费投入水平对产业创新活力具有正向影响(β=1.103，P<0.01)。外资流动资产占该产业整体的流动资产比重越大，反而会对产业创新活力产生负面影响，尤其对于专利密集型产业来说更加明显(β=-1.793,P<0.01)。如果外资占产业流动资产的比例较大，说明外资掌控着该产业创新主动权，限制了其它企业创新渠道，将不可避免地抑制产业创新产出。
(2)从全部产业和非专利密集型产业看，专业化产业集聚抑制产业创新活力提升(均在1%的水平上显著)，专利密集型产业专业化集聚与创新活力呈不显著负相关，意味着专业化集聚并不能促进产业创新活力提升，并且专业化集聚对专利密集型与非专利密集型产业创新活力的影响有差异。当集聚程度较高时，对于一些传统劳动密集型产业而言，其更愿意通过降低生产成本和用工成本增加利润，缺乏创新意识，更缺乏资金投入到技术创新活动中。
(3)多样化产业集聚对全部产业创新活力的影响不显著，对专利密集型产业创新具有显著促进作用(β=-0.066,P<0.01)，对非专利密集型产业创新活力则具有显著抑制作用(β=-0.032,P<0.05)。多样化集聚对于专利密集型与非专利密集型产业创新活力具有完全不同的影响。从表4结果看，多样化集聚指数每增加1，专利密集型产业专利产出提升6.6%。
(4)专业化与多样化集聚的交互作用在全部产业和专利密集型产业中是正向显著的，而对非专利密集型产业的影响不显著。专利密集型产业专业化集聚程度提高有利于发挥多样化集聚对创新活力的促进作用(β=0.076,P<0.1)。在全部产业中，由于多样化集聚存在，削弱了专业化集聚对创新活力的抑制作用(β=0.060,P<0.1)。
(5)综上所述，专业化产业集聚对专利密集型产业的影响不显著，对非专利密集型产业具有显著抑制作用；多样化产业集聚促进专利密集型产业创新活力而抑制非专密型产业创新活力；专业化与多样化的交互作用对专利密集型产业创新活力的促进作用显著而对非专密型产业的效果不显著。无论是专业化集聚还是多样化集聚，对专利密集型产业创新活力的促进作用均强于非专利密集型产业。
本文模型尝试替换企业平均规模、外商直接投资、R&D投入等其它控制变量，模型结果均保持高度一致性，体现出模型结果的稳健性。
本文以江苏省2011-2015年工业数据为研究对象，采用面板数据回归模型探究不同集聚结构对产业创新活力的影响。结果证实了产业集聚对专利密集型与非专利密集型产业创新活力的影响有显著差异。并且，专业化集聚对创新活力无促进作用，尤其是在非专利密集型产业中，专业化集聚程度越高反而会抑制产业创新活力；多样化集聚只对专利密集型产业创新活力有显著促进作用，而对非专利密集型产业创新活力具有显著抑制作用；专业化与多样化集聚的交互作用对专利密集型产业创新活力有正向影响，对非专利密集型产业的影响则不显著。
对专利密集型产业而言，与专业化产业集聚相比，多样化集聚对产业创新活力促进作用更加突出。这一结论呼应了Feldman[13]、陶爱萍等[16]的研究结论，验证了多样化集聚对创新的重要性。工业发展水平高的地区更能从产业多样性中受益，首要原因在于工业发展水平高的地区有能力供应具有规模收益递增的多样化投入品[4]，技术含量高的专利密集型产业能够从中得到更多隐形知识溢出。因此，江苏省专利密集型产业较多地受益于Jacobs外部性。
对非专利密集型产业而言，产业集聚抑制了产业创新活力提升。技术含量较低的非专利密集型产业不能从产业集聚知识溢出中受益，因为产业集聚程度高会激化竞争，小规模的创新投入所得到的收益或从知识溢出得到的效益远不及“拥挤效应”带来的副作用。
政府部门可以依据最优产业规模原则制定相应的发展政策。针对产业聚集类型，对专业化集聚进行严格控制，防止其过度聚集而产生损失。进一步细分产业发展政策细则，对不同性质产业的发展规划区别对待，有的放矢，确保细分后的政策能够充分发挥专利密集型产业的创新优势。
在专利密集型产业专业化集聚程度较高的区域，应当注重产业差异化、多样化发展。引进及培育带动力强、技术含量高的产业，极力引导其与技术创新主体进行深入、广泛合作，促进知识溢出，提升产业集聚层次。在产业集聚区内制定相应机制，加强生产人员之间、科技人员之间各种正式与非正式交流，以此提高知识溢出效益。
尽量避免区域内非专利密集型产业集聚。在工业发展水平高的地区，制造业要由重型工业化向新型工业化过渡，可采用产业梯度转移方式降低本区域内非专利密集型产业的集聚度，加快环境污染重、技术含量低及劳动密集型产业转移，从而为专利密集型产业发展腾出空间。
参考文献:
[1] 姜南,单晓光.知识产权密集型产业对经济发展的推动作用——《知识产权与美国经济:产业聚焦》报告简评[J].科技与法律,2012(5):75-79.
[2] 孙迪.专利密集型产业：经济发展的新增长极[N].中国知识产权报,2016-11-09(001).
[3] 佚名.国务院关于新形势下加快知识产权强国建设的若干意见[J].中国有色建设,2015(4).
[4] 程开明.专业化、多样性与技术创新:一个文献综述[J].自然辩证法研究,2011(9):42-47.
[5] MARSHALL A.Principles of economics: an introductory volume[J].Social Science Electronic Publishing,1927,67(17):457.
[6] ARROW K J.The Economic implications of learning by doing[M].UK：Palgrave Macmillan,1971:155-173.
[7] ROMER P M.Increasing returns and long-run growth[J].Journal of Political Economy,1986,94(5):1002-1037.
[8] JACOBS J.The economy of cities.[M].New York:Random House,1970:1018-1020.
[9] RUI B,SWANN P.Do firms in clusters innovate more[J].Research Policy,1998,27(5):525-540.
[10] BEAUDRY C,BRESCHI S.Are firms in clusters really more innovative[J]．Economics of Innovation and New Technology,2003,12(4):325-342．
[11] 刘军,李廉水,王忠.产业聚集对区域创新能力的影响及其行业差异[J].科研管理,2010,31(6):191-198.
[12] 段会娟.集聚、知识溢出类型与区域创新效率——基于省级动态面板数据的GMM方法[J].科技进步与对策,2011,28(19):140-144..
[13] FELDMAN M P,AUDRETSCH D B.Innovation in cities[J].European Economic Review,1999,43(2):409-429.
[14] ANTONIETTI R,CAINELLI G.The role of spatial agglomeration in a structural model of innovation,productivity and export: a firm-level analysis[J].The Annals of Regional Science,2011,46(3):577-600.
[15] 程中华,于斌斌.产业集聚与技术进步——基于中国城市数据的空间计量分析[J].山西财经大学学报,2014,36(10):58-66.
[16] 陶爱萍,李青钊,TAOAi-ping,等.产业集聚与知识溢出的交互作用:基于联立方程的实证检验[J].华东经济管理,2016,30(3):77-82.
[17] 陈劲,梁靓,吴航.开放式创新背景下产业集聚与创新绩效关系研究——以中国高技术产业为例[J].科学学研究,2013,31(4):623-629
[18] GLAESER E L.The rise of the skilled city with comments[J].Brookings-Wharton Papers on Urban Affairs,2004,2004(35):47-105
[19] 约瑟夫·熊彼特.经济分析史(第二卷)[M].北京：商务印书馆,2011
[20] CATHERINE BEAUDRY.Entry,growth and patenting in industrial clusters:a study of the aerospace industry in the UK[J].International Journal of the Economics of Business,2001,8(3):405-436.
[21] DE BEULE F,VAN BEVEREN I.Does firm agglomeration drive product innovation and renewal[J].Ssrn Electronic Journal,2010,103(4):457-472.
[22] 刘修岩,王璐.集聚经济与企业创新——基于中国制造业企业面板数据的实证研究[J].产业经济评论,2013,12(3):35-53.
[23] HENDERSON J V,TURNER M,KUNCORO A.Industrial development in cities[J].Journal of Political Economy,1995,103(5):1067-1090.
[24] DURANTON G,PUGA D.Diversity and specialisation in cities[J].Urban Stud,2001,37(3):533-555.
[25] 我省发布国内首个知识产权密集型产业统计报告[N].江苏经济报,2017-01-03(A01).
[26] BEAUDRY C,SCHIFFAUEROVA A.Who's right,Marshall or Jacobs?the localization versus urbanization debate[J].Research Policy,2009,38(2):318-337.
[27] COMBES P P.Economic structure and local growth:France,1984-1993[J].Journal of Urban Economics,2000,47(3):329-355.
[28] 刘军,杨浩昌,李廉水.产业聚集对技术创新能力的影响及其区域差异[J].中国科技论坛,2015(6):65-69.
Zhang Xiaoyue,Chen Penglong,Zhao Shunlong
(School of Economic and Management,Nanjing Tech University, Nanjing 211816,China)
Abstract：Under the background of advocating the development of patent-intensive industries and promoting the construction of patent-intensive industrial agglomeration zones in the whole country and the provinces,this paper takes the industrial data of Jiangsu Province from 2011 to 2015 as the research object,and explore the influence of industrial agglomeration on industrial innovation.On the basis of patent-intensive industries,it studies whether the impact of industrial agglomeration on regional industrial innovation and vitality is different because of the nature of the industry.The empirical results show that diversification can promote the innovation of patent-intensive industries.For non-patent-intensive industries,industrial agglomeration does not promote the innovation of industrial innovation.In the construction of patent intensive industrial agglomeration areas,the government departments can guide the diversification planning of agglomeration areas.
KeyWords:Specialized Agglomeration; Diversified Agglomeration; Industrial Innovation; Patent-Intensive Industrial；Non-Patent-Intensive Industrial
收稿日期：2017-10-16
基金项目：国家自然科学基金项目(71473120)；江苏省软科学基金项目(BR2015055)
作者简介：张晓月(1976-)，女，江苏苏州人，南京工业大学经济与管理学院副教授，研究方向为知识产权与科技创新管理；陈鹏龙(1991-)，男，江苏沭阳人，南京工业大学经济与管理学院硕士研究生，研究方向为知识产权与科技创新管理；赵顺龙(1965-)，男，安徽铜陵人，博士，南京工业大学经济与管理学院教授，研究方向为技术创新与区域经济发展。
DOI：10.6049/kjjbydc.2017080153
中图分类号：F260
文献标识码：A
文章编号：1001-7348(2018)10-0066-06
(责任编辑：张 悦)