0 引言

随着我国宏观经济步入“四期叠加”的新常态发展阶段，经济增长动力结构严重失衡，加之“人口红利”渐逝，用工矛盾凸显，要素成本上涨，经济增长驱动力逐渐从增加要素投入、加大投资向依靠技术进步和绿色创新转变，创新驱动发展已上升为国家战略。在知识经济时代的开放式创新背景下，除了采用自主研发创新这一传统创新模式进行创新外，技术引进和国内技术购买也是实现技术进步的有效途径[1]，不同的技术选择模式对技术进步的影响存在异质性[2]，进而导致对绿色创新绩效有不同程度的影响[3]。此外，作为全球经济体的活力之最，中国经济增长传奇的本质是经济集聚不断深化的结果[4]。制造业集聚作为经济集聚的主体，在深化过程中，通过集聚效应所引致的正负外部性显著影响企业创新行为[5]，如知识溢出效应、规模经济效应、竞争效应均被认为是影响绿色创新绩效的重要因素。研究表明，我国制造业空间集聚增长日益显著,大多数制造业行业向东部沿海集中成为高度集聚或非常集聚的行业。进而，本文考虑技术进步路径选择对制造业集聚影响绿色创新绩效存在复杂异质性效应，从技术进步路径选择视角探讨中国制造业集聚驱动区域绿色创新绩效的时空差异、门槛特征及技术进步实现机制，从而为平衡地区制造业集聚规模，实现区域绿色创新绩效提供理论参考与实践借鉴。

1 文献综述

在创新驱动发展战略和开放式创新背景下，学术界主要针对产业集聚对创新绩效的影响展开研究，但尚未形成定论。第一种观点认为产业集聚正向影响创新绩效。Catherine Beaudry等[6]基于意大利和英国工业企业数据，实证得出位于产业集群内的企业比位于集群外的企业更具有创新性，产业集聚显著促进企业创新；Ruiz-Ortega[7]以西班牙制鞋业为例，同样得出聚集在工业区里的公司比工业区外的公司在业绩增长、盈利能力、创新表现和总体表现方面更具有竞争优势。第二种观点认为产业集聚负向影响创新绩效。Pruzansky[8]研究得出企业知识产权保护可以促进创新商业化；Liu[9]等认为知识产权保护不仅显著增加创新投入，而且提高了创新绩效；陈劲等(2013)以中国高技术产业为例，探索了产业集聚和创新绩效的关系，结果发现低集聚水平下多样化集聚抑制创新，高集聚水平下专业化集聚抑制创新；彭向等[10]基于中国工业行业数据，实证得出区域内竞争负向影响创新活动。第三种观点则辩证地认为产业集聚与创新绩效之间呈现“倒U型”非线性关系。Fritsch等[11]认为专业化集聚与创新绩效之间存在“倒U型”关系；Flath[12]利用日本74个四位数工业行业的面板数据，估计出柯布-道格拉斯生产函数和各行业索洛剩余，并基于估计结果进一步分析了产业集聚和创新的决定因素，揭示了产业集聚到创新的U型映射关系。

同时，现有研究表明制造业集聚对技术进步的影响不容忽视[13]，制造业集聚和不同路径下实现的技术进步存在密切关系。Kakamu等[14]认为集聚能力越强，外源性技术进步越强；Gaigne等[15]认为集聚是由技术进步引起的，技术进步将生产转向具有更多技术密集型技术的过程中；徐涛[16]以江苏省制造业为例，实证研究得出产业集聚促进江苏省制造业技术进步；范剑勇等[17]研究得出专业化集聚促进前沿技术进步。

现阶段我国绝大多数地区正值生产型区域向创新型区域转型期，绿色创新作为技术创新的新模式，是提高中西部追赶绩效、缩小东西部差距的有效途径，其发展将影响中国总体经济格局[18]。基于此，立足绿色发展背景，创新性地将制造业集聚、技术进步和绿色创新绩效置于同一框架下，并基于线性模型引入制造业集聚的平方项和产业集聚与3种技术进步路径的交互项，深入分析制造业集聚对绿色创新绩效的非线性作用机制和制造业集聚与技术进步的协同效应对绿色创新绩效的影响，为提升区域绿色创新绩效寻求多样化的技术进步路径。

2 机理分析及研究假设

通过梳理文献可知，针对制造业集聚和绿色创新绩效关系的研究，学者们得出的结论并非一致，甚至截然相反，故本文将深度剖析制造业集聚影响绿色创新绩效的内在机理，并基于此提出相关研究假设。

2.1 制造业集聚对绿色创新绩效的正向影响机理

基于集聚经济理论、Marshall&Jacobsd的外部性理论，制造业集聚提升创新绩效的影响机制依赖于集聚产生的多种效应。一是集聚的知识溢出效应。知识是开展创新活动最重要的生产要素，知识溢出的空间局域特性促进经济和创新活动各主体之间产生近距离良性互动，同时使得邻近区域创新资源集聚，有利于知识传播和使用，降低了创新知识学习和交流成本，进而对创新绩效产生积极影响[19]；二是集聚的规模经济效应。区域制造业集聚带来的空间距离的缩短导致规模经济效应，进而引起制造企业和专业性劳动力汇集，集聚区企业可共享研发资源，包括专业化研发人员、研发基础设施、研发知识等，进而激励制造企业创新，提高创新绩效；三是集聚的竞争效应。区域内制造业集聚在一定程度上会加剧制造企业间竞争，为保持竞争优势，迫于竞争压力，制造企业会致力于创新和改进产品以满足消费者偏好[20]，率先创新成功者将打破原有竞争格局，弱化甚至淘汰先前创新带来的成果，激发制造业新一轮创新动力，从而提高创新产出。

2.2 制造业集聚对绿色创新绩效的负向影响机理

区域制造业过度集聚或集聚规模不足会加大企业绿色创新风险。一方面，绿色创新绩效受集聚区创新资源禀赋条件制约。集聚程度较低时，区域基础设施不完善，资源配置效率低，创新成本相对较高，此时严重影响制造业创新产出。而集聚程度过高后，集群内制造企业将失去原有资源优势，并为争夺有限的创新资源展开激烈竞争，加上创新人员的随意流动，导致创新成果被竞相模仿或抄袭，某种程度上使绿色创新受到阻碍。另一方面，制度环境会影响企业战略决策，进而对绿色创新绩效产生消极影响。集聚规模较小时，集群内行为规范尚未统一，企业间制度差异会阻碍创新资源、知识、技术和信息流动，不利于制造企业绿色创新[10]。随着集聚程度加深，制度环境压力迫使集群内深度合作企业间战略决策趋同，企业间产品差异越发不显著，企业创新性优势减弱或消失，从而诱发不良竞争，对制造企业绿色创新产生消极影响。

基于上述机理分析，制造业集聚与绿色创新绩效间并非简单的正向线性关系，集聚程度到达一定门槛值后，反而抑制创新绩效提升。图1为中国制造业集聚水平与用绿色专利产出和国内专利申请受理数衡量的绿色创新绩效关系的散点拟合图，进而推断制造业集聚与绿色创新绩效之间呈“倒U型”关系。为此提出如下假设：

H1:制造业集聚与绿色创新绩效之间呈现“倒U型”的复杂非线性作用关系。

2.3 制造业集聚与技术进步协同效应对绿色创新绩效的影响机理

制造业产业区位集中引起的制造业集聚及由此产生的技术进步本质是一切集聚效应的根源，构成集聚区域创新绩效的源泉。一方面，制造业产业集中推动集聚内部的知识外溢和技术扩散，能够有效降低单个企业创新成本，减少创新过程中的不确定性，从而激励制造企业增加研发收入，促进技术进步；另一方面，制造业集聚引起区域内制造业产业之间竞争加剧，促使区域内制造业企业改进技术和提高竞争力。而技术进步实现路径在制造集聚影响绿色创新绩效的作用机制中发挥重要作用，如Rojas R等[21]研究发现技术进步路径对企业绩效有直接影响。进而，提出如下假设：

H2：技术进步在制造业集聚影响绿色创新绩效的机制中发挥重要作用，且制造业集聚与不同技术进步路径的协同效应对绿色创新绩效的影响存在异质性。

基于上述理论分析，认为制造业集聚能直接影响绿色创新绩效，制造业集聚产生的技术进步在提升绿色创新绩效中也起着关键作用，通常技术进步实现路径包括自主研发创新、技术引进和国内技术购买，且异质性技术进步路径选择对创新绩效有不同程度的影响，进而构建如图2所示的理论框架。

3 研究设计

3.1 制造业集聚影响绿色创新绩效的基准模型设定

为解决聚集经济研究中知识外溢测定的难题，Griliches[22]构建了Cobb-Douglas生产函数形式的知识生产函数，揭示了企业研发经费(K)对创新产出(Y)的影响。此外，Jaffe[23]、Almeida[24]分别以大学和区域为研究对象，将人员投入(L)同步纳入该知识生产函数。进而，国内学者陈恒等(2016)基于Jaffe&Almeida 改进的知识生产函数进一步作出修正和扩展，考虑非研发投入变量(NR)对创新产出的影响，基本模型设定如下：

Yi=δ·Ai·Liα1·Kiα2·NRiβ·ε

(1)

其中，A表示规模参数，α1、α2、β表示K、L、NR的产出弹性，ε表示随机扰动项。

本文基于陈恒等(2016)的研究作出扩展，将制造业集聚、技术进步引入绿色创新绩效函数。设定为：

GIEi=δ·MIiα1·RDPiα2·TPiα3·ε

(2)

其中，GIE表示绿色创新绩效，MI表示制造业集聚，RDP表示研发人员投入，TP表示技术进步。

将自主研发、技术引进、国内技术购买3种技术进步路径变量纳入绿色创新绩效生产函数，制造业集聚影响绿色创新绩效的基准模型设定为：

LNGIEit=θ+α1LNMIit+α2LNRDPit+α3LNTPit+ε

(3)

其中，TPit=IRDit+TIit+RDEit，IRD表示自主研发创新，TI表示技术引进，RDE表示国内技术购买。

除研发人员投入外，政府调控能力[3]和人力资本水平也是影响绿色创新绩效的重要因素，故将这些变量作为控制变量引入扩展模型，考虑滞后效应。

LNGIEit=θ+α1LNGIEit-1+α2LNMIit+α3LNRDPit+α4LNTPit+α5LNGIAit+α6LNPKSit+ε

(4)

其中，GIA表示地区经济发展水平，PKS表示人力资本水平。为检验制造业集聚与绿色创新绩效是否存在非线性关系，在式(4)基础上引入制造业集聚的平方项。

LNGIEit=θ+β1LNGIEit-1+β2LNMIit+β3LNMIit2+β4LNRDPit+β5LNTPit+β6LNGIAit+β7LNPKSit+ε

(5)

3.2 考虑制造业集聚与技术进步协同效应的模型扩展

考虑制造业集聚与技术进步协同效应对绿色创新绩效的影响，基于式(4)表示的线性模型，立足异质性技术进步路径视角，分别引入制造业集聚与不同技术进步路径的乘积，具体模型如(6)、(7)、(8)所示。

LNGIEit=θ+λ1LNGIEit-1+λ2LNMIit+λ3LNRDPit+λ4LNTPit+λ5LNGIAit+λ6LNPKSit+λ7LNGIEit·LNIRDit+ε

(6)

LNGIEit=θ+φ1LNGIEit-1+φ2LNMIit+φ3LNRDPit+φ4LNTPit+φ5LNGIAit+φ6LNPKSit+φ7LNMIit·LNTIit+ε

(7)

LNGIEit=θ+ω1LNGIEit-1+ω2LNMIit+ω3LNRDPit+ω4LNTPit+ω5LNGIAit+ω6LNPKSit+ω7LNMIit·LNRDEit+ε

(8)

3.3 指标选择与数据说明

被解释变量：绿色创新绩效(GIE)。专利在很大程度上能够反映创新能力，专利申请与新技术发展态势相一致[25]，是区域创新主体技术创新努力程度的重要体现，相比于专利授权，其不存在时间滞后，受人为影响较小[1]，常用于表征创新产出。故本文选取绿色专利申请数衡量区域绿色创新绩效。

主要解释变量：制造业集聚(MI)。研究中针对制造业集聚的测度方法很多，鉴于测度问题的复杂性，学界尚未统一衡量标准，诸多学者以EG指数、Hoover地方化系数、Gini系数、区位熵等作为制造业集聚的衡量指标。EG指数基于企业层面测算中国制造业集聚水平，Hoover地方化系数、Gini系数、区位熵则适用于从非企业层面研究空间集聚问题。本文选择区位熵衡量地区制造业集聚水平，一方面研究立足区域层面，另一方面区位熵能够消除区域规模差异，真实反映地理要素的空间分布。测算公式如下：

MIit=(manuit/MANAt)/(peapit/PEOPt)

(9)

其中，i表示省份，t表示时间，manu表示各省制造业就业人口，MANA表示全国制造业就业人口，peop表示各省就业总人口，PEOP表示全国就业总人口。

技术进步路径变量(TP)。①自主研发创新(IRD)：依靠自主创新驱动技术进步是创新驱动经济发展的关键，选取R&D内部经费支出衡量地区自主研发创新；②技术引进(TI)：技术引进和消化吸收再创新是技术进步的重要途径[3]，选用技术引进经费和消化吸收经费之和衡量技术引进能够全面体现引进效果；③国内技术购买(RDE)：除自主研发创新和技术引进外，国内技术购买也是技术进步的主要实现路径，采用购买国内技术经费衡量。

控制变量:①研发人员投入(RDP)。研发人员是区域创新的主体和根本驱动力，采用国际上通用的R&D人员全时当量衡量；②政府调控能力(GIA)。政府调控能力也是影响绿色创新绩效的重要因素，采用各地区科学技术财政支出衡量；③人力资本水平(PKS)。一般来说，技术人员越多，工资水平相对越高，本文采用各地区城镇单位就业人员平均工资衡量地区人力资本水平。

样本数据主要来源于2009-2016年《工业企业科技活动统计年鉴》、《中国科技统计年鉴》、《中国工业经济统计年鉴》、《中国统计年鉴》和中国国家知识产权局网(http://www.cnpat.com.cn/)的内地30个省市自治区(西藏因数据不全，未纳入统计分析)面板数据。需要特别说明的是，当前我国尚未明确专利分类绿色清单，本文借鉴李婉红的研究[25]，立足绿色创新的内涵，查看并识别各专利摘要后获得各省年度绿色专利数。此外，少数缺失数据采用线性插值法填补，为消除异方差和量纲影响，对采用绝对数衡量的变量的原始数据作对数处理。样本描述性统计分析结果如表1所示。

4 实证分析

4.1 区域制造业集聚水平时空异质性分析

限于篇幅，制造业集聚测度结果未列示。参考Ellison & Glaese[26]对产业集聚的区间划分，将中国2008-2015年30个区域划分为低度制造业集聚(0

时间层面上，2008-2010年我国大多数省份位于中低度制造业集聚区间，这个阶段很可能是受全球金融危机影响，制造业由集聚转为扩散，随着时间延伸，部分省份从中度制造业集聚区间进入高度制造业集聚区间，高度制造业集聚区间地区数量呈现缓慢增加态势，2011年以后，高度制造业集聚区间地区数量逐渐减小，但依然占比最大，截至2015年仍有43.33%的省份处于高度制造业集聚状态。

空间层面上，表3列示了中国内地30个区域集聚程度分布情况，可以更加直观地进行比较分析。天津、河北、辽宁、上海、江苏、浙江、福建、江西、山东、湖北、广东、重庆等地长期位于高度制造业集聚区间，并且，这些省份几乎全隶属于东部地区。究其原因，相较于中西部地区，东部地区人力和物力资源更为丰富，技术和资金条件良好，产业基础优渥、区位优势明显，导致其制造业集聚保持较高水平。

注：限于篇幅，仅列示2009、2011、2013和2015年样本数据

4.2 计量结果及分析

面板数据模型包括静态面板模型和动态面板模型两种。在检验面板数据回归模型设定的有效性上，静态面板估计方法能够直接解决常见的解释变量内生性问题，故较多使用，包括固定效应(FE)、随机效应(RE)和混合效应估计法(POLS)。然而，综合分析本文研究变量，除解释变量间可能存在的内生性问题外，被解释变量绿色创新绩效因投入变量的时滞性可能存在一定的惯性延续，故在模型估计时，引入绿色创新绩效的滞后项变量，以捕捉制造业绿色创新的动态特征。针对静态面板估计方法不能有效解决绿色创新绩效滞后项与随机误差项相关而产生的内生性问题，以及随机误差项自身可能存在的异方差和自相关问题造成估计结果有偏，本文采用动态面板数据SYS-GMM估计法进行研究。实证研究过程中以国内专利申请受理量衡量绿色创新绩效，并以相关估计结果，验证制造业集聚对绿色创新绩效的影响是否稳健。首先，选取变量的一阶滞后项作为实证估计的工具变量。其次，采用Arellano-Bond(2)检验判断误差项是否存在二阶自相关以及Sargan检验判断工具变量的过度识别问题。最后，利用广义最小二乘法(FGLS)对回归模型分样本重新进行检验，以保证估计结果的稳健性。

4.2.1 基准模型的SYS-GMM估计结果分析

表4同时列示了以绿色专利申请数和国内专利申请受理量衡量绿色创新绩效的基准模型回归结果。总体上，各模型AR(2)统计量的P值大于0.1，拒绝随机误差项存在二阶自相关的原假设，Sargan统计量的P值大于0.1，即工具变量不存在过度识别问题，表明模型设定合理。此外，各模型关于制造业集聚、技术进步对绿色创新绩效的影响效应基本保持一致。模型(3)、模型(3)′中，制造业集聚在1%显著性水平下正向影响绿色创新绩效。技术进步路径变量中，自主研发创新对绿色创新绩效的影响效应显著为正，然而，技术引进和国内技术购买的估计系数并不显著，甚至为负，这一结论也与陈恒等[26]的研究相一致，证明技术进步路径选择对绿色创新产出具有重要作用。因此，技术引进及购买时需考虑合理的技术结构，并注重技术消化吸收再创新过程，避免创新效果适得其反。

对于控制变量而言，由模型(4)、模型(4)′的估计结果可知，人力资本水平和政府调控能力对绿色创新绩效具有显著正向影响，说明人力资本和政府调控能力是提高区域绿色创新绩效的重要影响因素。然而，研究结果表明研发人员投入与绿色创新绩效显著负相关，这与预期相背离，理论上研发人员投入对于地区持续性创新发展具有正向推动作用[26]。因此，需要合理实施减人增效措施，归并及调整组织机构，适当裁员，有效解决人员冗余问题。

模型(5)、模型(5)′引入了制造业集聚的平方项，由估计结果可知，二次项系数显著为负，验证了假设H1中制造业集聚与绿色创新绩效之间呈现“倒U型”的非线性关系，即存在一个阈值拐点，制造业集聚程度不足或过度都将抑制绿色创新产出，拐点0.032 5之前的阶段，制造业集聚通过知识溢出效应、规模经济效应和竞争效应促进绿色创新，跨越拐点0.032 5后制造业集聚过度导致制造企业绿色创新风险和制度环境压力大幅提升，从而对绿色创新绩效产生显著负向影响。实证回归结果中制造业集聚的拐点0.032 5位于中度制造业集聚区间，也在一定程度上反映出本文实证结果切合实际。

4.2.2 考虑协同效应的SYS-GMM估计结果分析

考虑制造业集聚与技术进步的协同效应，分别加入制造业集聚与自主研发创新、技术引进和国内技术购买的交互项，得到模型(6)、(7)、(8)。表5中制造业集聚、技术进步对绿色创新绩效的影响系数符号、数值及显著性与基准模型的估计结果趋同，相对应的模型(6)′、(7)′、(8)′也保持基本一致。模型(6)中，制造业集聚与自主研发创新的协同效应在1%显著性水平下正向影响绿色创新绩效；模型(7)中，制造业集聚与技术引进负向影响绿色创新绩效，但不显著；模型(8)中，制造业集聚与国内技术购买的交互项系数在5%显著性水平下为负。以国内专利申请受理量衡量绿色创新绩效，相对应的模型(6)′、(7)′、(8)′中制造业集聚与技术进步路径变量的交互项系数相一致，显著性稍弱。验证了假设H2，即技术进步在制造业集聚影响绿色创新绩效的机制中发挥重要作用，且制造业集聚与不同技术进步路径的协同效应对绿色创新绩效的影响存在异质性。

因此，对于集聚引致的开放式创新环境，实证结果验证了制造业集聚与技术进步协同效应对绿色创新绩效的重要作用，异质性路径选择在决定制造业集聚对绿色创新绩效的影响效果中存在较大差异，制造业集聚与自主研发创新的协同效应对绿色创新绩效具有显著正向影响，制造业集聚与技术引进及国内技术购买的协同效应对绿色创新绩效起到显著负向影响。因此，为加快驱动制造企业创新发展，迫切需要突出技术进步路径中自主研发创新的核心地位，改善当前技术引进与国内技术购买中消化吸收再创新能力落后于创新发展速度的问题，正确处理制造业集聚、技术进步与绿色创新绩效间关系，充分发挥制造业集聚与3种技术进步路径的正向协同效应，依据实际情况合理适当协调3种技术进步路径的分配方式，从而有效促进绿色创新绩效提升。

4.3 稳健性检验

由前文可知，替换绿色创新绩效的度量变量改变了被解释变量的实证数据，导致各参数系数变化，但对应参数的符号及显著性并未发生较大改变，从而判断回归模型是稳健的。为使研究结论更加可靠，进而按区域特征将整体样本分为东部地区和中西部地区两个子样本，并利用具有控制异方差优势的FGLS重新进行估计，从而相互验证估计结果。表6列示了利用FGLS法分区域检验的回归结果。

对比表4、表5，由表6可知，两个子样本模型估计结果的各参数符号及显著性与总体样本回归结果基本保持一致。各模型估计系数在0.8以上，方程拟合效果较好，制造业集聚平方项的系数在两个子样本中依然显著为负，进一步验证了假设H1，即制造业集聚与绿色创新绩效之间呈“倒U型”关系，而且说明无论是东部地区还是中西部地区，制造业集聚与绿色创新绩效的“倒U型”关系均成立。此外，制造业集聚与技术引进的协同驱动效应分样本回归同样不显著，再次证实了前述结论及估计结果的稳健性。

5 结论与启示

利用2008-2015年中国省际面板数据，实证分析了中国制造业集聚、中国制造业集聚与不同技术进步路径间的协同效应对区域绿色创新绩效的影响及差异，并进一步探讨了制造业集聚水平的时空异质性，所得结论如下：①制造业集聚水平存在明显的区域差异，高度制造业集聚区间(MI≥0.05)主要为东部地区省份，中西部地区省份则较多位于低度制造业集聚区间(0

本文研究结论对于平衡区域制造业集聚水平差异、协调多样化技术进步路径、提升区域绿色创新绩效提供了重要思路和政策借鉴。政府应采取有效措施适度降低东部地区集聚规模，一方面，通过调整财政、金融和税收政策等激励东部地区制造企业转移至中西部地区发展；另一方面，引导创新资源从东部向中西部流动，平衡区域间创新能力差异，改善中西部地区人力、资金和技术基础等缺乏或薄弱现状，有效降低东部地区集聚规模。其次，地方政府应继续加强宏观调控能力，充分保证市场经济的有序运行。制造企业应加大高水平人力资本投入，同时避免研发人员冗余问题，及时归并、调整管理组织机构，并重视多样化技术进步路径选择，一是避免技术引进和国内技术购买的惯性行为影响制造企业自主研发创新；二是注重技术引进和国内技术购买的消化吸收过程，不能盲目采取“拿来主义”，应与实际相结合，努力实现二次创新；三是以自主研发创新为主，形成自身核心竞争力。

参考文献:

[1] 侯建,陈恒.外部知识源化、非研发创新与专利产出——以高技术产业为例[J].科学学研究,2017,35(3): 447-458.

[2] 董景荣,刘冬冬,王亚飞.装备制造业技术进步路径选择:理论分析与实证研究[J].科技进步与对策,2015,32(23): 49-53.

[3] 李光泗,沈坤荣.技术能力、技术进步路径与创新绩效研究[J].科研管理,2013,34(3): 1-6.

[4] 师博,沈坤荣.政府干预、经济集聚与能源效率[J].管理世界,2013(10): 6-18.

[5] HUALLACHAIN B, LEE D S. Urban centers and networks of co-invention in American biotechnology [J]. The Annals of Regional Science, 2014, 52(3): 799-823.

[6] CATHERINE B, STEFANO B. Are firms in clusters really more innovative[J]. Economics of Innovation & New Technology, 2010, 12(12): 325-342.

[7] RUIZ-ORTEGA M J, PARRA-REQUENA G, GARCIA-VILLAVERDE P M. Do territorial agglomerations still provide competitive advantages? a study of social capital, innovation, and knowledge [J]. International Regional Science Review, 2016, 39(3): 259-290.

[8] PRUZANSKY Y, WAGMAN L. Intellectual property protection and firm innovation [J]. Social Science Electronic Publishing, 2011, 31: 2922-2932.

[9] LIU X, JIANG S. Bank equity connections, intellectual property protection and enterprise innovation——A bank ownership perspective [J]. China Journal of Accounting Research, 2016, 9(3): 207-233.

[10] 彭向,蒋传海.产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J].经济学：季刊,2011,10(3): 913-934.

[11] FRITSCH M, SLAVTCHEV V. Industry specialization, diversity and the efficiency of regional innovation systems [J]. Ssrn Electronic Journal, 2007, 45(1): 87-108.

[12] FLATH D. Industrial concentration, price-cost margins, and innovation [J]. Japan & the World Economy, 2011, 23(2): 129-139.

[13] TABUCHI T, THISSE J F, ZHU X. Technological progress and economic geography [J]. Cepr Discussion Papers, 2014(5).

[14] KAKAMU K, FUKUSHIGE M. Economies of agglomeration and exogenous technological progress [J]. Proceedings of Japan Society of Regional Science, 2005, 35(1): 143-153.

[15] GAIGNE C, RIOU S. Technical change and agglomeration [J]. Working Papers, 2007, 18(3): 1-5.

[16] 徐涛.产业集聚、企业特征与制造业技术进步——基于江苏省制造业行业的研究[J].华东经济管理,2013(2): 7-12.

[17] 范剑勇,冯猛,李方文.产业集聚与企业全要素生产率[J].世界经济,2014(5): 51-73.

[18] 付帼,卢小丽,武春友.中国省域绿色创新空间格局演化研究[J].中国软科学,2016(7): 89-99.

[19] MAGGIONI M A, UBERTI T E, NOSVELLI M. Does intentional mean hierarchical? knowledge flows and innovative performance of European regions [J]. The Annals of Regional Science, 2014, 53(2): 453-485.

[20] RICHARDSON G B. Competition, innovation and increasing returns [J]. Economics of Innovation & New Technology, 1998, 9(2): 149-181.

[21] MARTIN-ROJASS R, GARCIA-MORALES V J, MIHI-RAMIREZ A. How can we increase Spanish technology firms′ performance[J]. Journal of Knowledge Management, 2011, 15(5): 759-778.

[22] GRILICHES Z. Issues in assessing the contribution of research and development to productivity growth [J]. Bell Journal of Economics, 1979, 10(1): 92-116.

[23] JAFFE A B, TRAJTENBERG M, HENDERSON R. Geographic localization of knowledge spillovers as evidenced by patent citations [J]. Quarterly Journal of Economics, 1992, 108(3): 577-598.

[24] ALMEIDA P, KOGUT B. The exploration of technological diversity and the geographic localization of innovation [J]. Small Business Economics, 1997, 9(1): 21-31.

[25] 李婉红.中国省域工业绿色技术创新产出的时空演化及影响因素:基于30个省域数据的实证研究[J].管理工程学报,2017, 31(2): 9-19.

[26] ELLISON G, GLAESE E. Geographic concentration in U.S. manufacturing industries: a dartboard approach [J]. Journal of Political Economy, 1997, 105(5): 889-927.