The Impact of Industry Leadership on Knowledge Spillover under Global Production Network

Dai Xiang1，2，Lin Yi'an1

(1.School of Economics，Nanjing Audit University，Nanjing 211815，China； 2.Business School of Wuxi Taihu University， Wuxi 214064, China)

Abstract：Since the 1980s, the international division of labor has undergone profound changes, that is, from the international division of labor with the final product as the boundary to the new division with the product value-added links and stages as the boundary. As multinational corporations build production networks around the world, the innovation achievements of enterprises are no longer limited to the benefits of enterprises themselves, but also benefit other enterprises in the network through spillover effect. This is because, on the one hand, the construction of production network itself includes the global layout of industrial innovation network; on the other hand, in the complex global production network structure, the innovation achievements made at any node or stage will produce knowledge spillovers through the whole production network, so that all enterprises in the industrial chain can share R&D achievements, and the overall production efficiency of the industry will be improved. However, it is worth noting that in the process of forming the global division of labor network or industrial chain, the status of different industrial clusters or industrial groups in the same industrial chain is differentiated. Some industrial clusters and industrial groups gradually occupy advantages in the industrial chain because of their superior geographical location, strong financial support or government policy support because of the core industrial cluster and industrial group in the industrial network. Generally speaking, the core industrial cluster controls most of the scarce monopoly resources of the industrial chain and grasps the key technologies of industrial innovation and upgrading. Therefore, it takes control of the whole industrial chain and product supply by its leadership of the industrial chain.

From the perspective of the traditional international division of labor model, the present studies have confirmed that innovation can produce spillover effects through trade from the national and enterprise levels. However, there is rare research based on the industrial level, and there is a lack of investigation and distinction of different leadership in the industrial chain, as well as the possible impacts on technology spillovers. In view of this, this paper uses the number of patent applications as the index to measure industrial innovation based on the theoretical analysis, and refers to the construction method of micro enterprise leadership in the existing research, constructs the index to measure the leadership of core industries by using the value chain participation index and bilateral import and export volume, and discusses the impact of core industry leadership on knowledge spillovers. Furthermore it studies the influence mechanism of industrial control power weighted by geographical distance on knowledge spillover.

It is found that (1)the industrial leadership has a significant positive impact on knowledge spillover, which is embodied in that the core industry with leadership transmits innovative R&D achievements to non-core industrial areas through the form of value chain participation; (2)the core industry leadership weighted by geographical distance has a significant negative impact on the innovation efficiency of non-core industrial areas, and the mechanism is that geographical distance weakens the knowledge spillover effect of core industry leadership on non-core industrial areas through institutional distance; (3) knowledge spillovers show significant effects under different conditions of regional heterogeneity.

This study has advanced the knowledge of knowledge spillover under the division of labor of global production network from the perspective of industrial leadership: it firstly focuses on the promotion mechanism of industry level leadership on intra-industry knowledge spillovers; then in the model construction,it puts forward a comprehensive measurement method of industrial leadership; thirdly, in the research process, it uses the fixed effect model to study multiple industries at the same time in order to obtain more robust conclusions. In addition, this paper further verifies the impact mechanism of geographical location on knowledge spillover. In summary,this study puts forward a new understanding, and provides important policy suggestions on how to promote the inclusive development of global industrial chain and value chain, and upgrade towards the middle and high end of global industrial chain at the key stage of global industrial chain and value chain reconstruction.

Key Words:Global Production Network; Core Industry; Industrial Control; Industry Leadership; Knowledge Spillovers

收稿日期：2021-03-08

修回日期：2021-05-16

基金项目：全国统计科学重点研究项目(2020LZ11)

作者简介：戴翔(1980-)，男，安徽合肥人，南京审计大学经济学院特聘教授、博士生导师，无锡太湖学院商学院教授，研究方向为开放创新；林益安(1997-)，男，山东泰安人，南京审计大学经济学院硕士研究生，研究方向为开放创新。本文通讯作者：林益安。

DOI：10.6049/kjjbydc.2021030245

开放科学(资源服务)标识码(OSID)：

中图分类号：C933

文献标识码：A

文章编号：1001-7348(2023)04-0124-10

0 引言

第二次世界大战后，尤其是20世纪80年代以来经济全球化的一个突出特征就是国际分工形态发生深刻变化，即从以最终产品为界限的国际分工模式逐步演变为以产品增值环节和阶段为界限的新型国际分工模式。伴随跨国公司开始在全球范围内构建生产网络，企业创新成果不再局限于企业自身受益，同时通过溢出效应使网络内其它企业也获益。这是因为，一方面，生产网络构建本身就包括产业创新网络的全球布局，如当前的研发国际化就具有显著的技术和知识溢出效应[1]；另一方面，在复杂的全球生产网络结构中，任何节点或阶段取得的创新成果均会通过整个生产网络产生知识溢出效应，使产业链中的所有企业能够共享研发成果，从而有助于提升产业整体生产效率[2]。然而值得注意的是，在全球分工网络或者产业链形成过程中，同一产业链中的不同产业集群或产业集团的地位出现分化，部分产业集群、产业集团或因占据优越地理区位，或因凭借雄厚财力支持，或因取得政府政策支持，逐渐在产业链中占据优势[3]，成为产业网络中的核心产业集群和产业集团。通常而言，核心产业集群控制了该产业链条的大部分稀缺性垄断资源，同时，掌握着产业创新升级的关键技术[4]，进而具备控制和领导整个产业链的领导力，并依靠其对产业链的领导力控制产品供给。

基于传统国际分工模式的研究表明，创新能够通过贸易产生溢出效应。该类研究主要从国家宏观层面和企业微观层面展开分析。在国家宏观层面，发达经济体对发展中经济体的产品出口会对其生产效率[5]及创新绩效[6]等产生正向影响。在企业层面，根据竞争力差异，企业分化为核心企业和非核心企业。其中，核心企业具有企业控制力，由于企业间存在控制力悖论，导致上述控制力对其附属的非核心企业创新绩效存在正反两方面作用[7]。总之，基于传统国际分工模式，目前的研究侧重于从国家宏观层面或企业微观层面探讨核心主体对非核心主体创新绩效的作用机制，并未涉及产业中观层面的分析。

此外，也有部分文献基于全球产业链分工背景，探讨知识溢出问题并取得了具有启发意义和借鉴价值的研究成果。现有研究表明，全球化使创新成果能够伴随产品跨国流动而扩散，进而在不同主体间生成以跨境流动产品为载体的创新绩效关联影响机制[8]，进而导致创新主体对非创新主体绩效产生一定影响，如发展中经济体融入全球产业链和价值链能获得更多专业技术以及进入贸易网络的机会[9]。同时，在基于全球产业链和价值链的知识溢出影响机制方面，已有文献探讨了产业集聚和区域文化[10]、地区经济水平[11]、国际供应链[12]以及人力资本投资[13]等对知识溢出的正向促进作用。在研究视角上，针对全球产业链和价值链知识溢出效应的研究也主要聚焦于国家宏观层面或企业微观层面。更确切地说，大多数学者基于宏观视角研究促进产业知识溢出的宏观影响因素，与此同时，部分学者将视角聚焦于微观层面，以公司为案例，研究核心企业控制力对知识溢出的影响。但是，与基于传统国际分工模式的研究类似，从全球产业链分工视角出发的研究未在产业中观层面展开进一步探讨和分析。

综上可见，基于传统国际分工模式对知识溢出效应问题的探讨虽然涉及到核心与非核心关系，但与当前国际分工已经演变为全球产业链和价值链的分工形态完全不同，因此需要重新分析和评估溢出机制与效应等，同时，现有研究鲜有基于中观层面的探讨。而基于全球产业链和价值链分工的探讨中，一方面同样鲜有基于产业层面的专门研究，另一方面缺乏对产业链上不同领导力的考察和区分，由此可能对技术溢出产生一定影响。本文根据已有研究，通过构造衡量产业集群对产业价值链的控制力指标，研究产业集群控制力对产业集群和产业集团内知识溢出的影响。鉴于此，本文将聚焦于产业层面，研究核心产业领导力对产业内知识溢出的促进效用。该研究一方面可以进一步细化国家宏观层面的知识溢出效用与影响机制，另一方面，可以将视角从企业拓展至产业层面，完善国家、产业、企业3个不同视角下的知识溢出理论。更重要的是，研究产业领导力对知识溢出的促进作用，能够为处于生产过程中不同位势的产业集群实现持续发展提供理论依据。本文的创新之处在于：第一，在研究视角上聚焦于产业层面的领导力对产业内知识溢出的促进作用；第二，在模型构建上提出了产业领导力综合衡量方法；第三，在研究过程中采用固定效应模型同时分析多个产业，以获得更稳健的结论。此外，本文还进一步验证了地理区位对知识溢出的影响机制。

1 理论分析与研究假设

在微观层面，王伟光等[7]将核心企业控制力定义为产业创新网络中的企业依托价值资本和关系资本演化形成的协调成员创新行为的能力。基于微观产业创新网络，核心企业能够带动其辐射的非核心企业开展区域性产业创新研发，提升集群在全球产业链中的核心竞争力，并在中观层面形成以核心产业集群和产业集团为中心、中小产业区为外围的宏观产业创新网络。

在中观层面，传统分工模式下的国际贸易主要集中于独立分工生产的产品，即分工和贸易的边界是最终产品，在该前提下，产业内的知识溢出方式仅局限于特定区域内企业之间的互联互通。由于成本或政策限制，产业集群和产业集团的研发创新虽然在一定程度上可以通过对外贸易形成扩散与传播，但效果不佳，难以实现区域间的链条式传导。在全球贸易发展至以中间产品为主要内容后，或者说国际分工演进至全球产业链和价值链的当前，基于成本降低、政策开放引致的生产地域性分散有助于产业集群和产业集团以更广泛视角统筹全球资源，实现生产效率提升与生产模式优化[14]。随着价值链的延伸，一些产业集群和产业集团凭借其所在地区的政策支持、资源禀赋、对外开放程度以及核心产业控制力等宏微观因素，形成全球或局部的产业控制力[15]，该控制力强度和范围存在差异，拥有优势的一方能够凭借其整体能力迅速实现价值链垄断以及地位提升，成为价值链中的核心产业集群和产业集团。而有形、无形资源相对匮乏的一方，其控制力和影响范围仅限于价值链局部，且依赖于与核心产业集群和产业集团的联系实现价值创造及积累。另一方面，核心产业集群和产业集团拥有资金、技术、设备、信息等关键资源，同时，凭借有力的政策扶持控制诸多中小产业区，导致其处于相对劣势地位，进而产生基于供给和需求层面的路径依赖[16]。核心产业控制力使核心产业集群和产业集团能够主导中小产业区的外部中间产品及最终产品供求，影响整个产业价值链创新方向与速度，以及中小产业区之间的跨产业关系缔结，同时，会对中小产业区与核心产业集群、产业集团等利益共同体的关系结构演化产生促进作用，塑造网络组织间的分工协作体系。在该条件下，产业集群和产业集团之间不再局限于单纯的价值交换，更多地是促进技术研发在全球流动。此时，价值链参与程度能综合反映产业集群和产业集团在价值链中的贡献程度。另一方面，Jones等[17]的研究表明，经济体参与全球产业链和价值链生产分工体系，能够显著提升生产效率与技术溢出效应，从而促进经济增长。基于此，本文对王伟光等[7]提出的企业控制力概念在产业中观层面进行拓展，将核心产业控制力定义为核心产业集群和产业集团基于政策、资源禀赋影响下的价值链参与程度，以及对非核心产业集群和产业集团创新行为的影响能力。

新型的分工模式有助于细化产业创新网络，进而引发更多研发成果外溢[18]，而分化后的核心产业集群和非核心产业集群是否强化了知识外溢效果还有待进一步实证。据此，本文提出如下理论假设：

H1:核心产业集群和产业集团控制力能够正向促进产业集群、产业集团间的知识溢出效应。

知识溢出源自有意或无意识的知识流动。Ahuja等[19]认为，流动过程存在正外部性，使得研发者无法完全控制其产出的知识成果，从而产生知识外溢。王伟光等[20]的研究表明，知识溢出程度受地理范围限制，地理位置毗邻的企业间紧密合作，更有利于促进包含专有资产性质的隐性知识溢出。Keller等[21]估算出，知识产出者与知识接收者在162km内，50%的知识能够被接收者吸收，而在2 000km处只有5%的知识被吸收。Nelson等[22]认为，企业基于自身能力、日常活动以及发展战略等方面积累的经验和知识，是难以复制、相对独立和稀缺的专有创新资源。在微观层面，张雄林和刚蕾[23]认为，知识溢出与空间聚集紧密关联，地理距离与经济主体间的中间阻力具有显著正向关系，使得邻近区域的相关主体凭借地理上的邻近，借助非正式渠道开展知识交流变得更加容易，知识溢出的获得成本也相应更低，从而提高了企业创新产出。同时，Howells等[24]认为，企业间密切、深层次的“面对面”R&D 合作及人才流动，有助于核心企业向中小企业的知识溢出；Tomlinson等[25]认为，基于供应链关系形成的网络关系更有助于增强中小企业创新能力。可见，从微观层面看，地理空间是影响知识溢出的重要因素。

在中观层面，整个产业创新绩效的提升依赖于核心产业集群和产业集团对非核心中小产业区在供求方面的价值控制能力。核心产业集群和产业集团的控制力越强，产业内的生产分工与合作关系越紧密，这样既能保证产业间、地区间创新合作的广度和深度，又能促进产业内的知识流动与再创新。核心产业集群和产业集团的创新产出更多依赖于客观条件，不同的客观条件导致溢出效果存在差异，如关税壁垒产生区域间溢出差异。核心产业集群和产业集团的全球产业链、价值链参与度与对外贸易强度，是影响产业集群和产业集团间价值溢出的关键因素。对于核心产业集群和产业集团来说，其前向与后向价值链参与度越大，越容易获得宏观政策支持，获取全球经济发展红利。从产业中观层面看，随着地理距离增大，可能存在两种效应：一方面，正如以往基于微观层面的研究所证实的，随着地理距离增大，两地区贸易成本增加，导致价值流动速度远不如邻近地区，因此出现了贸易过程中的滞后性，这种滞后性会影响产业控制力强度，进而降低知识溢出强度；另一方面，随着地理距离增大，各区域间的地域差异逐渐显现，这种地域性差异包含文化差异、制度差异等，上述差异会对核心产业集群和产业集团的领导力产生一定排斥作用，使得该地区的信息、资源流入减少，导致该产业科技发展滞后，进一步影响国内产业创新研发，对产业升级产生负向影响。因此，本文提出研究假设：

H2：随着地理距离增大，地理距离加权的产业领导力对非核心产业区的创新效率有负向效应。

H2a：地理距离增大对核心产业领导力有负向影响；

H2b：地理距离增大导致核心产业集群、产业集团与非核心产业区的制度距离增大，进而降低非核心产业区的创新效率。

H2c：地理距离增大导致核心产业集群、产业集团与非核心产业区的文化距离增大，进而降低非核心产业区的创新效率。

2 模型构建与数据选择

2.1 指标选取、测度及数据说明

(1)被解释变量选取与测度。本文的被解释变量为专利申请数量(Patentsikt)。沿用Piermartini[12]使用的专利申请数作为衡量产业创新的指标。专利申请数综合反映了一国在各个产业领域的创新研发绩效。本文依据全球五大知识产权局统计的以IPC标准分类的22个国家、29个产业专利申请数作为被解释变量。在数据来源上，由于各国政策环境、专利申请费存在差异，专利数可能无法真实反映产业创新成果，因此本文选取各国在全球五大专利局申请的产业专利数。其原因在于，包含中国专利局、日本专利局、韩国专利局、欧洲专利局、美国专利局在内的全球五大专利局的世界认可度较高，影响范围基本覆盖了全球所有高收入、中高收入以及中等收入国家，因此数据更完整；另一方面，五大专利局拥有相同的申请标准，能够控制不同主客观因素对专利申请数有效性的影响。在数据选取上，首先，为了保证数据的完整性及合理性，本文根据五大专利局统计的各国分产业专利申请数量中统计数据完整的22个国家作为数据截面，同时，根据五大专利局数据库中统计的2012-2017年各国分产业专利申请数量作为被解释变量数据来源。此外，由于专利局数据依照IPC4标准对产业进行分类，为了与被解释变量保持一致，本文对照IPC4标准分类表与ISIC/Rev.4分类表，将产业分类进行对照转化，并以此筛选出29个产业作为被解释变量的最终数据。

(2)解释变量选取与测度。本文第一个核心解释变量为产业控制力l_departmentijt。产业分工地位可以反映产业领导能力。毛海欧等[26]通过研究发现，生产位置可以影响产业地位。因此，本文参考上述研究，通过对22个国家29个产业的生产位置数据进行排序，筛选出各产业中生产位置最高的作为该产业链核心产业，同时，基于产业集群和产业集团控制力的定义，以该产业全球产业链和价值链参与指数加权的进出口额之和，作为非核心产业区对核心产业集群和产业集团产品供求的依赖程度，同时，除以非核心产业区产业增加值衡量非核心产业区产出的依赖指数，即核心产业控制力系数。基于此，本文构造如下控制力系数计算公式：

l_departmentijt=

(1)

其中，i、j分别表示非核心产业区所在国家、核心产业集群与产业集团所在国家，k、t分别表示产业和时间，l_departmentijkt表示t时j国核心产业k对i国k产业的控制力，GVCPt_fjt、GVCPt_bjt分别表示j国价值链前向参与度指数及价值链后向参与度指数，Exportijkt代表产业出口，GDPikt代表产业增加值，以上数据来源于对外经贸大学创建的UIBE GVC Indicators数据库。其中，GVCPt_fjt、GVCPt_bjt采用Wang，Wei，Yu等[27]提出的价值链参与度衡量方法。

本文第二个核心解释变量为地理距离加权的产业领导系数dis_lij。该解释变量研究产业控制力随地理距离变化对非核心产业集群和产业集团的影响，其中，Disij代表i、j两国地理距离。根据理论分析，随着地理距离扩大，产业控制力会有正反两个方面的影响，但其负向影响大于正向影响，最终效应为负。因此，本文引入以地理距离加权的产业控制力系数探究上述种影响是否显著。因此，将其计算方式定义为：

dis_lij=ln(Disij)×l_departmentijkt

(2)

其它变量选择。i国k产业t时期的研发投入rdikt。某产业创新效率直接受到该产业创新研发投入的影响。因此，为了避免方程可能存在的内生性问题，本文加入i国k产业t时期的研发投入衡量指标。该指标数据来自世界银行公布的各国R&D投入占GDP的百分比与中央财经大学UIBE GVC Indicators数据库搜集的各国各产业年产出之积。

同时，为了保证研究回归的稳健性，构造另一组控制力系数衡量指标，其计算方式如下：

L_departmentijkt=

(3)

其中，Poi_upjt、Poi_downjt分别表示产业前向生产长度及产业后向生产长度，其数据来源于UIBE GVC Indicators数据库，计算方法依据Wang、Wei & Yu等[28]构建的生产长度衡量模型。

Wang、Wei & Yu等[28]的研究表明，一国产业基于价值链的生产长度决定了该产业在价值链中的位置，长度较大的企业可以吸附更多非核心产业进行生产与研发，提升生产效率与产品转换效率。因此，用生产长度对产业进出口数据进行加权，同样能够比较准确地衡量该核心产业领导能力。

此外，本文根据现有研究揭示的可能影响知识溢出的关键因素，在计量模型中加入如下控制变量：①i国在t时刻的产出GDPit，该数据来源于世界银行数据库公布的全球各国年产出数据；②j国k产业在t时刻的产出GDPjkt，该数据来源于世界银行数据库公布的全球各国年产出数据；③i国在t时刻的人均产出GDPPCit，该数据来源于世界银行数据库公布的全球各国人均产出数据；④i国研究人员数量researcherjt，该数据来源于联合国教科文组织数据统计研究所公布的全球各国研究人员数量。

2.2 模型构建

基于以上分析，为研究产业核心控制力与地理距离加权的产业控制力对非核心产业区知识溢出效用的影响，参考Roberta 等[12]研究知识溢出的方法，构建如下计量模型：

leadijkt=l_departmentijt×ln(GDPjkt)

(4)

其中，leadijkt代表以产业控制力系数加权的j国k产业在t时期对i国k产业的领导能力，将j国k产业t时期产出用产业控制力系数进行加权，以衡量j国k产业产出通过价值链领导对i国k产业创新研发的作用，其系数反映了该效用强度。同时，为进一步验证回归稳健性，构建另一核心变量进行稳健性回归，其方程如下：

Leadijkt=L_departmentijt×ln(GDPjkt)

(5)

由于无法完全排除变量遗漏问题，因此加入国家固定效应、产业固定效应与年份固定效应，以保证回归稳健性。其中，国家固定效应、产业固定效应和年份固定效应分别用γi、κi以及ηt表示。

3 实证结果与分析

3.1 基准回归结果分析

表1报告了产业控制力对产业内知识溢出促进作用的基准回归结果，为了避免异方差等问题带来的影响，在估算过程中采用稳健标准误对异方差进行处理(后文亦采用同样方法)。表1第(1)列反映了考虑R&D投入与产业控制力核心变量但未考虑其它非观测变量的固定效应回归结果；第(2)列是考虑了计量模型所有可观测变量，但没有控制其它非观测变量的固定效应回归结果；第(3)列是在第(1)列的基础上考虑了国家固定效应的回归结果；第(4)-第(6)列为依次对所有可观测变量控制国家固定效应、产业固定效应、年份固定效应后的回归结果。第(1)列回归结果表明，产业控制力(lead)系数估计值为0.048，且通过了显著性统计检验，说明核心产业控制力对知识流动具有积极促进作用；第(2)列回归结果显示，在加入所有可观测变量后，产业控制力(lead)系数仍然为正且通过了显著性统计检验，说明在考虑其它可观测解释变量后，核心产业控制力对知识流动具有正向促进作用。据此，前文理论假设H1得到初步验证。进一步观察第(2)列回归结果可以看出，以地理距离加权的产业控制力系数为-0.339，且通过了显著性检验，说明地理距离加权的控制力对知识溢出有显著负向影响，因此理论假设H2也得到了初步验证。第(3)列回归结果显示，加入国家固定效应后对核心产业控制力(lead)的系数为0.042，与第(1)列相比，有小幅下降但仍然保持高度显著；第(4)-(6)列回归结果表明，在依次控制其它非观测固定效应的条件下，无论是影响方向，还是系数估计值的显著性方面，产业控制力(lead)及距离加权的产业控制力(dis_l)系数估计值均没有发生实质性改变，说明检验结果具有较好稳健性，进一步验证了前文的理论假设。

对于控制变量，非核心产业区总产出GDP(lngdp)系数为负且通过了显著性统计检验，说明非核心产业区产出提高会导致产业创新效率下降。其可能的原因是，对于非核心产业区来说，其采用的技术相对落后，生产效率较低，该国总产出增加主要来自禀赋投入增加。因此，对于非核心产业区来说，其增加的产出绝大部分源于生产成本增加，同时，由于非核心产业区存在对核心产业集群和产业集团的路径依赖，缺乏创新研发激励。随着产出增大，更多的资源被用于扩大生产而非创新研发，进而导致非核心产业区的创新研发进一步滞后，产生负向影响。核心产业区各产业的总产出(lngdp2)系数为正且通过了显著性统计检验，说明核心产业集群和产业集团的产出越高，其应用创新研发的比例也就越高，进而导致有意或无意的知识外溢越多，促进了知识流动。非核心产业区的人均总产出(lngdpp)系数为正且通过了显著性统计检验，说明与总产出不同，人均产出反映了单位劳动力的禀赋收益，单位禀赋收益越高说明该国生产率越高，进而有助于将部分产出用于创新研发。因此，人均GDP越高，产出效率越高，进而正向影响该国创新绩效。非核心产业区研发人员数量(lnreri)系数为正且通过了显著性统计检验，说明产业创新能力同样受到研究人员数量的影响，研究人员是直接参与本国创新研发的关键变量，其数量对产业创新具有显著正向影响。据此，前文理论假设H1、H2得到进一步验证。

3.2 稳健性回归结果及分析

3.2.1 替换核心解释变量的稳健性回归

为了验证基准回归的稳健性，通过替换核心解释变量leadijkt 以及dis_lij的计算方法,重构核心解释变量Leadijkt以及dis_Lij，据此进行稳健性回归，回归结果见表2。

从回归结果可以看出，两种核心解释变量Leadijkt和dis_Lij对非核心产业区创新成果的影响仍然保持显著，且控制变量的回归结果与基准回归结果基本相同，说明前文基准回归是稳健的。

3.2.2 基于产业性质的分样本回归结果

产业创新能力受到其所属产业性质的影响，部分产业利润转化率较高且资本周转速度快，导致不同产业创新能力存在差异，这种影响可能由于未对产业性质进行区分而被掩盖，影响回归估计结果的准确性和精确性。因此，为了进一步验证回归结果的稳健性，按照被解释变量所属产业性质，将其划分为农业、工业、服务业3组进行回归，所得回归估计结果见表3。其中，第(1)列、第(3)列、第(5)列未加入控制变量；第(2)列、第(4)列及第(6)列加入控制变量。从回归结果可以看出，第(1)列和第(2)列中核心解释变量(lead)均不再显著，其原因是组内统计量较小且存在较多数据缺失，无法获得准确的统计结果。第(3)-(6)列回归结果显示，核心解释变量(lead)、距离加权的核心解释变量(dis_l)与基准回归结果基本一致。上述回归结果验证了本文的理论假设，即知识溢出效应确实在不同属性产业间具有异质性。相对而言，在工业和服务领域，知识更容易透过全球生产网络产生溢出效应；农业由于自身属性以及在全球生产网络构建中滞后于制造业和服务业，其知识溢出效应相对不显著。

3.2.3 基于区域划分的分样本回归结果

实际上，在全球产业链和价值链演进过程中，仍然具有较强的区域价值链特征。因此，为了进一步验证回归结果的稳健性，按照被解释变量所属区域，将其划分为欧洲、亚洲、美洲4组进行回归。由于大洋洲仅有一个样本，因此不对其进行回归分析。回归估计结果如表4所示，其中，第(1)列、第(3)列、第(5)列未加入控制变量，第(2)列、第(4)列及第(6)列加入控制变量。从回归结果可以看出，第(3)列和第(4)列中两者不再显著，原因是统计数据缺失的样本主要集中在亚洲国家，因此估计偏差较大。除此之外，其它各列中的核心解释变量(lead)、距离加权的核心解释变量(dis_l)与基准回归结果基本相同，说明回归结果具有稳健性。

4 进一步拓展分析

上述研究发现，地理距离加权的产业控制力对非核心产业区的创新效率具有负向影响，根据理论分析，本文认为地理距离对控制力具有两方面作用。首先，地理距离扩大会导致核心产业控制力下降；其次，随着地理距离扩大，地理距离加权的控制力增强，核心产业区与非核心产业区的文化差异、制度差异增大，进而导致非核心产业区对控制力的排斥作用，负向影响非核心产业区的创新绩效。为了验证该假设，本文对两个方向的影响作进一步验证，以深入探究产业领导力在知识溢出中的作用。

4.1 地理距离对控制力的抑制作用检验

为了验证地理距离对控制力的抑制作用，构建如下计量检验方程：

leadijkt=β0+β1ln(Disij)+β2(rdikt)+β3GDPit+β4ln(GDPjkt)+β5ln(GDP_Pit)+β6ln(researcherikt)+γi+κi+ηt+εijkt

(6)

同时，为了验证回归结果的稳健性，将被解释变量(leadijkt)替换为Leadijkt并进一步作稳健性回归，回归结果如表5所示。

表5报告了地理距离对控制力的抑制作用检验结果，为了保证回归结果的稳健性，每次回归都控制了国家固定效应、产业固定效应以及年份固定效应。其中，第(1)列和第(3)列分别展示了未加入控制变量时地理距离对产业控制力影响的回归结果，第(2)列和第(4)列分别列示了加入所有可观测变量后地理距离对产业控制力的影响。从第(1)列可以看出，地理距离(lnd )的系数为-0.197且具有显著性影响；从第(2)列可以看出，在加入所有可观测变量后，地理距离(lnd)的系数为-0.197，较模型(1)有所下降，但仍保持显著。据此可以看出，随着地理距离扩大，核心产业控制力呈现出递减趋势，由此本文的机制假设H2a得到验证。从表5第(3)列及第(4)列回归结果可以看出，在替换被解释变量后，回归结果仍然保持为负且比较显著，证明了回归结果的稳健性。

4.2 地理距离加权的控制力中介效应检验

本文认为地理距离加权的控制力对非核心产业区创新效率的负向作用来自地理距离加权的控制力提升，核心产业区及非核心产业区之间的文化差异及制度差异增大，导致对控制力的排斥作用。因此，本文参考Kogut 和Singh[29]构建的文化距离测度指数CDij测度两国文化异质性，其表达式如下：

(7)

Cdij表示i、j两国的文化距离指数；Iik及Ijk分别表示两国第k维度的得分。根据Kogut 和Singh(1988)的分析，两国文化异质性可通过计算个人主义、权力距离、男性气质、不确定性规避、长期导向和放纵指数6个维度获得；Vk表示所有样本国家k维度分数的方差。

另一方面，本文根据De Groot等[30]构造的制度异质性指数Idij测度制度异质性。

(8)

Idij表示i、j两国的制度距离指数；Jik及Jjk分别表示两国第k维度的得分。根据De Groot 等[30]的分析，两国制度异质性可通过腐败控制、政府管制效率、政治稳定性、监管质量、法治环境和民主议政程度6个维度计算；Vk表示所有样本国家k维度分数的方差。

为了验证地理距离加权的控制力对非核心产业区创新效率的负向作用，采用中介效应模型进行相关检验。本文构造的检验模型如下：

Cdij=β0+β1leadijkt+β2Disij+γi+κi+εijkt

(9)

Idij=β0+β1leadijkt+β2Disij+γi+κi+εijkt

(10)

ln(Patentsikt)=β0+β1ln(rdikt)+β2leadijkt+β3dis_lij+β4Cdij+β5Idij+γi+κi+εijkt

(11)

据此所得回归估计结果如表6所示。

表6第(2)列和第(3)列回归结果显示，地理距离增大对制度距离以及文化距离都具有显著负向影响，而根据第(4)列回归结果可以看出，制度距离对非核心产业区创新效率的影响显著为负，因此基本验证了本文假设H2b，即随着地理距离增大，制度距离随之增大，制度异质性增强，进而导致非核心产业区创新效率降低。至于文化距离对非核心产业创新效率的影响，表6所得回归估计结果并不显著，说明并没有证据表明文化距离抑制了知识溢出，即文化距离对知识溢出的作用不确定，从而进一步验证前文理论假设H2c。

5 结论与启示

本文从当前全球产业链分工角度，以及基于产业链不同产业集群和产业集团具有非对称领导地位的特征与事实出发，利用22个国家29个产业相关数据对核心产业领导力进行定义，验证了核心产业领导力对知识溢出的影响，分析了地理距离对产业领导力进而间接影响知识溢出的现实效应。研究表明：①产业链条中各产业集群和产业集团可以划分为核心产业区与非核心产业区，而核心产业区对非核心产业区具有一定控制力；②以价值链参与度表征的核心产业控制力对知识溢出具有显著正向影响，这种影响来自核心产业集群和产业集团通过价值链参与形式，将创新研发成果输出至非核心产业区，这种输出隐藏于价值流动中；③地理距离加权的核心产业控制力对非核心产业区的创新效率具有显著负向影响，从机制上看，其主要原因是随着地理距离增大，核心产业区和非核心产业区之间的制度距离拉大，而制度距离对非核心产业区的创新绩效具有负向影响。因此，随着制度距离增大，以地理距离加权的核心产业控制力对非核心产业创新绩效的影响显著为负。

对核心产业集团来说，不断加大价值链参与度，通过构建全球生产网络促进研发成果溢出，一方面有助于提升产业整体生产效率，提高产业内分工配合的默契度，使核心产业集群和产业集团能够充分利用产业控制力进行产业转型升级；另一方面，李腾[31]的研究表明，知识扩散和传播同样存在正反馈效应，即非核心产业吸收的外部知识溢出将会转化为非核心产业深入研发的基础，最终产生新知识并逆向传递给核心产业，促进核心产业创新绩效提升。对于非核心产业来说，实施合理有效的对外开放政策，积极参与全球生产，能够更充分地吸收来自核心产业集团外溢的研发成果，激发本产业集团创造活力，实现价值链地位攀升。

在当前全球产业链和价值链重构的关键阶段，中国以人类命运共同体理念为引领，积极推动经济全球化朝着更加开放、包容、普惠、平衡、共赢方向发展。基于本文研究发现，为经济全球化发展作出更多贡献，推动全球产业链和供应链重构，尤其是推动全球产业链和价值链朝着更加包容的方向发展，中国亟待提升自身在全球产业链和价值链中的分工地位，强化在区域价值链乃至全球产业链、价值链中的领导力和控制力。据此可见，中共十九大报告提出的“加快促进产业迈向全球产业链和价值链中高端”的战略目标，以及“打造世界级的先进制造业产业集群”等观点，实际上不仅是新阶段中国迈向高质量发展的现实需要，也是在经济全球化走到“十字路口”的关键阶段更好发挥中国在推动乃至引领新一轮经济全球化发展中作用的现实需要。考虑到空间地理距离以及由此产生的制度差异等影响，加大推进“一带一路”倡议，率先从区域价值链构建上实现突破，进而实现全球产业链和价值链分工地位提升，可能是一种切实有效的选择。此外，考虑到我国在全球产业链分工格局中的现实情况，对于一些在全球产业链和价值链分工中仍然处于中低端的产业而言，需要不断在竞争与合作中取得优势，进一步深度融入全球产业链价值链分工体系，不断加深与核心产业集群和产业集团的分工及合作。

参考文献:

[1] 吴崇,张诗帆,薄思怡.研发国际化模式选择能否促进企业创新[J].中国科技论坛,2020，36(6):26-36.

[2] DELGADO M, PORTER M E, STERN S. Clusters and entrepreneurship[J]. Journal of Eeconomic Geography, 2010,10(4): 495-518.

[3] ZHAO W, WATANABE C, GRIFFY-BROWN C. Competitive advantage in an industry cluster: the case of Dalian Software Park in China[J]. Technology in Society, 2009,31(2): 139-149.

[4] 魏后凯.对产业集群与竞争力关系的考察[J].经济管理,2003，25(6):4-11.

[5] DEL PRETE D, GIOVANNETTI G, MARVASI E. Global value chains participation and productivity gains for North African firms[J]. Review of World Economics, 2017,153(4): 675-701.

[6] TAJOLI L, FELICE G. Global value chains participation and knowledge spillovers in developed and developing countries: an empirical investigation[J]. The European Journal of Development Research, 2018,30(3): 505-532.

[7] 王伟光,冯荣凯,尹博.产业创新网络中核心企业控制力能够促进知识溢出吗[J].管理世界,2015，31(6):99-109.

[8] 柏晶菁,李俊峰.产业集群内企业创新网络与创新绩效关联性实证研究——以安徽高沟电缆产业集群为例[J].世界地理研究,2021,30(1):157-166.

[9] REDDY K,CHUNDAKKADAN R,SASIDHARAN S.Firm innovation and global value chain participation[J]. Small Business Economics,2020,57：1995-2015.

[10] INGERMAN S H,PIORE M J,SABEL C F. The second industrial divide:possibilities for prosperity[J]. Le Travail,1987,20:302.

[11] 刘胜.知识溢出、制度和生产率增长——一个理论分析框架[J].南京财经大学学报,2012(6):1-6，23.

[12] PIERMARTINI R, RUBNOV S. Knowledge spillovers through international supply chains (No. ERSD-2014-11)[D]. WTO Staff Working Paper,2014.

[13] HU G G. Is knowledge spillover from human capital investment a catalyst for technological innovation? The curious case of fourth industrial revolution in BRICS economies[J]. Technological Forecasting and Social Change,2021,162:120-327.

[14] 孙文远.产品内价值链分工视角下的产业升级[J].管理世界,2006，22(10):156-157.

[15] 赵元铭,黄茜.产业控制力:考察产业安全的一个新视角[J].徐州工程学院学报(社会科学版),2009,24(3):24-28.

[16] 成青青.全球价值链演变、趋势及方向性启示[J].上海市经济管理干部学院学报,2020,18(6):34-40.

[17] JONES R W. A framework for fragmentation (No. 00-056/2)[D]. Tinbergen Institute Discussion Paper,2000.

[18] 郑彦.产业集群组织模式与集群内企业合作创新的互动机制研究[J].经济经纬,2006(1):35-37.

[19] AHUJA G. Collaboration networks, structural holes, and innovation: a longitudinal study[J]. Administrative science quarterly,2000，45(3)：425-455.

[20] 王伟光,高宏伟,白雪飞.中国大企业技术创新体系本地化实证研究——基于地区层面的一种分析[J].中国工业经济,2011，28(12):67-77.

[21] KELLER W. Geographic localization of international technology diffusion[J]. American Economic Review,2002, 92(1): 120-142.

[22] NELSON R R.An evolutionary theory of economic change[M]. Harvard University Press,2009.

[23] 张雄林,刚蕾.区域经济中知识溢出的距离研究[J].商业时代,2012(35):124-126.

[24] HOWELLS J R. Tacit knowledge, innovation and economic geography[J]. Urban studies, 2002,39(5-6): 871-884.

[25] TOMLINSON P R, FAI F M. The nature of SME co-operation and innovation: a multi-scalar and multi-dimensional analysis[J]. International Journal of Production Economics,2013, 141(1): 316-326.

[26] 毛海欧,刘海云.中国制造业全球生产网络位置如何影响国际分工地位:基于生产性服务业的中介效应[J].世界经济研究,2019，38(3):93-107，137.

[27] WANG Z, WEI S J, YU X, et al. Measures of participation in global value chains and global business cycles (No. w23222)[D]. National Bureau of Economic Research,2017.

[28] WANG Z, WEI S J, YU X, et al. Characterizing global value chains: Production length and upstreamness (No. w23261)[D]. National Bureau of Economic Research,2017.

[29] KOGUT B, SINGH H. The effect of national culture on the choice of entry mode[J]. Journal of International Business Studies,1988, 19(3): 411-432.

[30] DE GROOT H L, LINDERS G J, RIETVELD P, et al. The institutional determinants of bilateral trade patterns[J]. Kyklos,2004， 57(1)： 103-123.

[31] 李腾. 创新生态系统对非核心企业反向知识溢出的影响研究[D].沈阳：辽宁大学,2020.

(责任编辑：胡俊健)