企业自媒体平台的知识溢出赋能效应:基于企业微信公众号的证据

谢雨欣1,毛琦梁1,2

(1.首都经济贸易大学 城市经济与公共管理学院;2.首都经济贸易大学 城市群系统演化与可持续发展的决策模拟研究北京市重点实验室, 北京 100070)

摘 要:作为信息传播的重要载体,企业自媒体平台在知识共享与跨区域传播中的作用日益凸显。以微信公众号作为企业自媒体平台的典型代表,采用专利引用数据,构建多期双重差分模型,系统考察企业开通微信公众号的知识溢出赋能效应及其空间特征。研究结果表明,企业在开通微信公众号后,其专利被引用次数显著增加,呈现出较强的知识溢出效应。该效应在知识基础雄厚和产业结构多元化的地区以及中心城市表现更为突出。从多维距离衰减视角看,地理距离和文化差异未显著抑制企业自媒体平台对知识溢出的赋能效应,行政分割则表现出显著的抑制作用。由此表明,自媒体平台一定程度上有助于突破地理和文化壁垒,但难以克服行政边界对跨区域知识联系的阻碍。进一步研究显示,由于企业自媒体平台以非互动式信息传播为主,其知识溢出主要推动知识接收方依托原有技术基础开展开发性创新,对探索性创新的支持作用相对不足。本研究为厘清企业自媒体平台与知识扩散之间的内在逻辑提供了实证依据,也为推动知识资源跨区域流动与创新生态系统优化提供了参考与启示。

关键词:企业自媒体平台;企业微信公众号;知识溢出;时空压缩;异质性技术创新

The Enabling Effect of Knowledge Spillovers on Enterprise-Owned Social Media Platforms: Evidence from Corporate WeChat Official Accounts

Xie Yuxin1, Mao Qiliang1,2

(1.School of Urban Economics and Public Administration, Capital University of Economics and Business;2.Beijing Key Laboratory of Megaregions Sustainable Development Simulation, Capital University of Economics and Business, Beijing 100070, China)

Abstract:Although knowledge spillovers fuel innovation, they are subject to significant distance-decay constraints. As the distance between regions increases, the costs of searching for, accessing, and interpreting external knowledge also rise, making effective cross-regional learning more difficult. While information and communication technologies (ICT) have developed rapidly, the specific impact of enterprise-owned social media on cross-regional knowledge flows is underexplored. By standardizing information release, these platforms may fundamentally reshape the geography of knowledge spillovers. Previous studies have examined the role of ICT in facilitating knowledge diffusion from a macro perspective, but the micro-level mechanisms through which digital disclosure platforms reshape spatial knowledge flows remain unclear. This study, therefore, contextualizes the analysis using WeChat official accounts as a representative enterprise-owned social media platform and investigates their effects on knowledge spillovers.Specifically, this study addresses three core questions: (1) whether establishing a WeChat official account significantly amplifies inter-firm knowledge spillovers; (2) whether such effects are moderated by regional absorptive capacity and multidimensional distance; and (3) how the platform′s one-to-many, weakly interactive architecture shapes exploitative versus exploratory innovation.

To answer these questions, the study uses patent citation data and constructs a multi-period difference-in-differences model to estimate the impact of firms launching WeChat official accounts on knowledge spillovers. Patent citations serve as a useful proxy for the flow and diffusion of technological knowledge, allowing researchers to trace the spatial pattern of inter-regional knowledge linkages. The analysis further investigates how the effects of enterprise-owned social media vary with geographical distance, cultural barriers, and administrative segmentation, whether these effects are influenced by regional absorptive capacity and local innovation environments, and whether enterprise-owned social media exerts heterogeneous effects on different types of technological innovation.

The results show that a firm′s patents are significantly more cited after establishing a WeChat official account, indicating a clear knowledge spillover effect. This result holds after placebo tests, robustness checks, and instrumental-variable estimations. However, the effect is spatially uneven. While WeChat official accounts can help reduce the obstacles that geographical distance and cultural barriers pose to knowledge diffusion across regions, their ability to alleviate administrative segmentation is limited. This finding suggests that while ICT can relax the time and space constraints in the circulation of information, institutional barriers continue to impose substantial frictions on inter-regional knowledge exchange. The magnitude of knowledge spillovers strongly depends on regional absorptive capacity and the local innovation environment. Cities with stronger related knowledge bases, more diversified industrial structures, or more advantageous positions in the urban hierarchy benefit more from digital knowledge spillovers. From a technological diffusion perspective, enterprise-owned social media platforms are more likely to stimulate exploitative innovation than exploratory innovation. This is because WeChat official accounts operate primarily through one-to-many communication and lack frequent reciprocal interaction; they are more suited to supporting the search, screening, and incremental application of codified or semi-codified knowledge rather than fostering exploratory technological development.

This study contributes to the existing literature in the following aspects. First, by linking firm-level digital disclosure behavior to regional knowledge flows, it provides new insights into how digital transformation reshapes the spatial patterns of knowledge diffusion. Second, by examining regional absorptive capacities and variations in the innovation environment, it clarifies the spatial heterogeneity and attenuation mechanisms of digitally mediated knowledge spillovers. Third, by highlighting the differential effects of non-interactive knowledge spillovers on exploitative and exploratory innovation, it extends innovation diffusion theory within digital media environments. Overall, the findings contribute to a deeper understanding of how enterprise-owned social media influences inter-regional knowledge transmission. The study also offers important implications for companies and policymakers aiming to foster more balanced regional innovation.

Key WordsEnterprise-owned Social Media Platforms; WeChat Official Account; Knowledge Spillovers; Time-space Compression; Heterogeneous Technological Innovation

收稿日期:2025-12-01

修回日期:2026-05-26

基金项目:国家自然科学基金面上项目(72173090);河南省哲学社会科学规划年度青年项目(2025CZH035);首都经济贸易大学研究生科技创新项目(2025KJCX017)

作者简介:谢雨欣(1999-),女,河北唐山人,首都经济贸易大学城市经济与公共管理学院博士研究生,研究方向为经济空间组织演化;毛琦梁(1987-),男,浙江湖州人,博士,首都经济贸易大学城市经济与公共管理学院、城市群系统演化与可持续发展的决策模拟研究北京市重点实验室教授、博士生导师,研究方向为制度环境与经济空间组织演化。

通讯作者:毛琦梁。

DOI:10.6049/kjjbydc.D22025120037

开放科学(资源服务)标识码(OSID):

中图分类号:F124

文献标识码:A

文章编号:1001-7348(2026)15-0138-12

0 引言

知识的空间溢出是推动区域创新与经济增长的重要动力。知识经济时代,知识在空间上的流动与扩散在推动区域经济高质量发展与区域协调发展中的作用日益凸显[1]。然而,既有研究发现,知识溢出具有显著的空间衰减特征,地理距离是阻碍知识跨区域传播的重要因素[1-2]。当前,信息技术的发展通过时空压缩效应,打破了传统的地理限制,为知识跨区域传播提供了新的可能性。这自然引出一个关键问题:信息技术进步能否缓解知识溢出的空间衰减特性,并进一步重塑区域间的创新联系格局?尽管已有研究从宏观层面肯定了信息技术对知识溢出的推动作用[3-4],但仍难以揭示具体作用路径。因此,有必要从微观层面深入探讨信息传播机制的数字化转型如何影响知识溢出的生成与扩散。在此背景下,自媒体平台作为信息技术深度嵌入知识传播过程的重要载体,凭借高效的传递方式、多样的内容表达形式与较低的使用成本,正逐渐成为企业进行信息披露与知识传播的重要通道[5],为跨区域知识传播奠定了基础。鉴于此,本文从企业微信公众号这一微观视角出发,系统分析其对知识溢出效应的影响,旨在揭示信息技术如何通过重构微观信息传播机制,进而影响区域间的知识联系与创新空间格局。

围绕企业信息披露的经济后果,既有研究展开了系统讨论。一方面,强调信息披露在缓解企业与投资者、债权人等外部利益相关者之间信息不对称中的作用,认为企业通过主动披露关键信息,可以改善外部融资环境、降低不确定性风险,从而提升市场表现[6]。另一方面,从创新扩散的视角关注信息披露的外部效应,指出企业公开研发成果和专利信息后,相关知识将进入公共领域,成为其他创新主体学习与模仿的重要资源[7]。在此过程中,信息披露通过降低创新主体的学习成本、促进技术扩散与交易、提升后续创新质量[7],促进知识扩散和技术进步。

值得关注的是,尽管自媒体平台具有“广播式”传播的特点,理论上为不同区域的创新主体提供近乎均等的信息获取机会,但既有研究表明,通信技术进步仍未完全消除地理距离对知识流动的抑制效应[8]。更关键的是,除地理约束外,制度壁垒、文化差异等多维距离因素仍然可能影响创新主体的知识溢出[1]。此外,由于自媒体平台的信息传播多以“一对多”的弱连接为主,缺少高频互动,其在拓展信息覆盖面的同时,可能难以有效推动深层次知识交流[9]。从异质性技术创新视角看,探索性创新往往依赖于主体间的高频互动与思维碰撞,而开发性创新则更多依托于对现有知识的吸收与重组[10]。因此,自媒体平台所激发的知识溢出效应是否在不同类型的技术创新之间存在差异,仍有待进一步研究。

综上所述,本文旨在系统考察企业自媒体平台的知识溢出赋能效应以及空间特征,并进一步探索其对溢出接收地技术创新的异质性影响。由于上市公司通常处于行业技术前沿,其创新活动和技术动态具有较高的示范性,相应的自媒体平台更易在跨区域知识传播中发挥关键节点作用。本文以上市公司为研究对象,以专利被引用情况刻画知识溢出,将微信公众号的开通视为自媒体平台建立事件,并据此构建多期双重差分模型进行实证检验。

本文的创新与边际贡献主要体现在3个方面:第一,将微观企业视角与中观区域视角相结合,通过追踪上市公司专利被引用的空间特征,系统考察企业微信公众号开通对知识溢出的影响,为理解信息披露模式的数字化转型如何重塑知识流动的空间格局提供新证据,进而深化对知识传播与创新扩散微观机制的认识。第二,基于地区知识吸收能力和创新环境差异,揭示企业自媒体平台知识溢出赋能效应的空间非均衡特征,并从地理、文化和制度等多维距离视角检验其衰减机制,为理解新型信息媒介如何影响知识空间交互模式及区域创新非均衡演化提供新的视角。第三,立足企业自媒体平台的信息传播特征,揭示非互动式知识溢出对开发性创新与探索性创新的差异化影响,进一步拓展数字媒介环境下创新扩散理论的解释维度。

1 理论分析与研究假设

1.1 企业自媒体平台与知识溢出

在知识的创造、传播与应用过程中,企业的知识与技术信息会向其他创新主体扩散,进而形成知识溢出。企业通过公开专利等核心知识资产,提升信息透明度、缓解信息不对称,促进跨组织的知识共享与扩散[11-12]。这一过程有助于创新主体突破认知局限、拓展知识边界,进而提升创新效率,加快技术迭代进程[13-14]。因此,高效的信息传播系统成为知识跨组织流动的重要基础。作为连接知识供给方与需求方的枢纽,信息媒介在知识传播过程中发挥着不可替代的作用。报纸、广播、电视等传统媒介曾在企业与外部环境之间承担着重要的信息传递职能,不仅向利益相关方披露财务状况与市场动态,也在一定程度上推动了创新成果的扩散与行业技术的演进[13]。理论上,信息技术的迅速发展可突破时空限制,显著提高知识获取与交流的便捷性,进而提高知识溢出的效率,扩大覆盖范围。一方面,信息技术通过突破时空限制,可以有效缩短信息传递的时间与空间距离,弱化传统知识传播中的时空约束,进一步拓展信息传播与知识溢出的空间范围[15]。企业自媒体平台以智能终端为主要载体,能够通过虚拟空间强化主体之间的互动与感知,为部分难以编码的缄默知识提供新的传播路径[16]。另一方面,相较于传统信息传播媒介,数字平台在信息传播过程中表现出更强的自主性、实时性、交互性与非线性特征,显著降低知识传播的门槛与成本,同时,有效提升知识传播的效率与效果[17]。基于此,本文提出如下假设:

H1:企业自媒体平台的建立有助于提高知识溢出效应。

1.2 企业自媒体平台与知识溢出效应的多维距离衰减

地理、文化与制度等多维距离在区域间的交流与知识互动中扮演着关键角色。已有研究表明,多维距离构成了知识传播的重要障碍[18-19]。其中,地理距离对知识溢出具有最直观的影响。显性知识通常可通过语言和文字进行编码与传递,结构清晰、易于远距离扩散;而缄默知识则嵌于个体经验与技能中,难以形式化表达,往往依赖面对面交流与高频互动实现有效传播[20]。此外,知识本身的本真性与时效性会随传播距离增加而削弱,传播成本则相应上升[15]。因此,知识溢出普遍呈现出随地理距离增加而递减的空间特征[21]。距离知识源更近的企业更容易通过频繁的互动提升知识获取效率,加快技术创新过程;而远距离则会降低偶然性接触的概率、提高交流成本,从而阻碍知识在区域间有效流动。

除了物理空间的阻隔,文化距离亦对知识扩散构成重要影响。文化相似性有助于减少信息摩擦、提高沟通效率,增强信任,从而促进知识溢出[22]。相似的价值观与行为规范能够提升创新主体之间的理解与协作水平,为知识交流和联合创新创造更有利的条件。相反,文化差异往往加剧沟通障碍、降低学习效果,成为制约知识溢出的重要因素[8]。其中,语言差异作为文化距离的核心维度,会产生重要影响。语言不仅是交流工具,更承载着知识结构的认知框架,是理解外部知识、整合资源和实现有效吸收的基础[20]。已有研究表明,语言障碍会削弱主体的交流意愿,干扰知识处理流程,进而抑制知识创新与扩散活动[23]。因此,知识溢出更多地发生在文化背景相似、语言交流顺畅的区域之间。

制度距离同样对知识的跨区域流动构成显著制约。行政区划中的制度差异增加了制度成本与不确定性,一定程度上阻碍了知识跨区传播[1],在知识产权保护、技术转化等关键环节,不同地区之间存在显著制度落差,易诱发机会主义行为,妨碍合作与信任机制建立[22]。由于地方政府在创新资源配置中具有属地化倾向,各地更倾向于扶持本地创新,缺少对跨区域创新合作的政策激励,从而限制人才、技术与资本等创新要素的自由流动,进而抑制知识的空间溢出。

在多维距离的制约下,自媒体平台作为新型知识传播媒介,为突破地理、文化与制度壁垒提供了新的契机,即借助互联网构建的“赛博空间”打破传统地理边界,为跨区域的知识交流与互动提供低成本、高效率的虚拟空间[24]。数字平台的信息发布与获取几乎实现了去时间化与去空间化,显著提升了信息获取的即时性与可达性。这种传播方式搭建起覆盖广泛的知识连接网络,为区域间知识资源的整合与流动提供了重要支持,助推知识在更大空间尺度上高效扩散。

从文化维度看,跨文化传播在某种程度上更需要辅以非理性直觉体验以及具体语境的感知参照,以帮助双方跨越文化距离开展更深层次的交流[25]。由信息技术催生的自媒体平台使跨文化传播的感性实践成为可能,进一步强化了网络空间中“面对面”交流的即时感和沉浸感,不同文化背景的个体能够突破传统交流方式的束缚,更为便捷地交流和分享信息[26]。这一过程有助于弱化区域间的文化隔阂,带来文化邻近效应,降低文化距离对知识流动的阻碍,提高区域间知识联系的可达性,促进知识的空间扩散与溢出。

然而,自媒体平台在缓解制度性障碍方面的作用相对有限。制度壁垒具有较强刚性,不会因传播技术的提升而自动削弱。制度性障碍往往涉及市场准入、产权保护、资源配置等核心环节,即便数字平台可推动政策扩散,其制度调整仍受制于地方利益格局与行政权限划分[27]。此外,制度变革需经历较长的博弈与执行周期,短期内难以形成实际影响。因此,制度距离对知识溢出的约束更具结构性与持续性,数字平台的赋能效应难以有效突破。为促进知识在制度差异较大的地区间顺畅流动,需同步推进跨区域政策协调、政府间合作以及市场一体化等关键制度安排。基于此,本文提出如下假设:

H2:企业自媒体平台有助于缓解地理距离与文化差异对知识溢出的限制,但对行政分割带来的制度性约束削弱作用较为有限。

1.3 自媒体平台与知识溢出效应的区域异质性

通过信息披露促进知识溢出的前提是信息能够被有效接收与利用。接收主体能否从纷繁的信息中提取有价值的内容并转化为创新实践,很大程度上取决于其知识吸收能力(Absorptive Capacity)[17]。事实上,即便信息本身具有较高的创新潜力,若接收方缺乏足够的吸收能力,也难以实现有效转化。因此,知识吸收能力在知识溢出与创新扩散中发挥着关键作用,并在区域层面造成自媒体平台的知识溢出赋能效应的异质性。

首先,企业的吸收能力与其在相关技术领域的知识积累密切相关。已有研究表明,相关知识储备不仅可以增强企业识别、获取新知识的能力,还可以提升其理解、整合和应用外部知识的效率[28]。企业在学习与自身技术体系相近的知识时表现出更高绩效,而对陌生领域的学习则相对困难[17]。这意味着,技术相似度越高,越有利于知识的跨组织流动与溢出,因为企业更容易捕捉与其技术路径相关的信息,为创新提供基础支撑。其次,区域间知识吸收能力还受创新环境的影响。该环境由区域生产体系、科研能力及文化氛围等共同构成[29]。城市行政等级与产业结构是造成区域间创新环境差异的重要因素。中心城市凭借枢纽地位和完善的基础设施,不仅集聚了大量创新要素,还拥有高效的科研体系和信息流通机制,使其在知识获取、吸收与再创新方面具备明显优势[30]。此外,产业结构多元化程度较高的地区技术知识池更为丰富,能够高效地整合和利用多元化的知识资源;而产业结构单一的地区则因技术多样性不足,吸收和利用外部新知识的能力相对较弱。基于此,本文提出如下假设:

H3:相关知识基础、城市行政等级与产业结构不同,使得企业自媒体平台的知识溢出赋能效应呈现明显的区域异质性。

2 研究设计

2.1 研究方法

遵循Jaffe等[21]的研究方法,利用专利引用数据刻画知识溢出,并构建如下模型评估微信公众号开通对企业知识溢出的赋能效应:

spilloveri,zj,c,t+1=∂1+α1woaz,t+βkkXk+μi,t+θj,t+ρc,i+σz+ωs+ε

(1)

其中,下标zcijts分别代表企业、专利分类号、知识溢出源头城市(即被引用专利的企业所在的城市)、知识溢出接收城市(即引用专利的企业所在的城市)、年份和企业所属行业。专利技术类别依据IPC分类号前四位界定,并以地级市为空间单元。spilloveri,zj,c,t+1表示知识溢出效应,反映第t+1年位于城市i的企业z的专利被城市j的企业引用的情况。woaz,t为企业微信公众号开通的虚拟变量。Xk为控制变量,主要包括城市间创新能力差异(tech_gapi,j,t)和知识溢出接收城市的学习能力(densityj,c,t)。模型进一步引入多维固定效应,包括知识溢出源头城市—年份固定效应(μi,t)、知识溢出接收城市—年份固定效应(θj,t)、专利类别—源头城市固定效应(ρc,i)、企业(σz)及行业固定效应(ωs),以系统控制区域、技术、企业及行业层面不可观测的异质性,缓解潜在遗漏变量偏误对估计结果的影响。随机扰动项记为ε

为进一步检验地理、文化与制度距离对企业知识溢出的制约作用,以及其对企业自媒体平台知识溢出赋能效应的影响,构建如下模型进行实证分析:

spilloveri,zj,c,t+1=∂2+α2woaz,t+α3woaz,t×barrieri,j+α4barrieri,j+βkkXk+μi,t+θj,t+ρc,i+σz+ωs+ε

(2)

其中,barrieri,j表示城市ij之间的多维距离特征,具体从地理距离、文化差异和行政分割三个方面刻画。

2.2 变量选取

2.2.1 企业微信公众号开通

从信息披露功能与知识传播特征的角度看,微信公众号在信息发布对象、内容组织方式及传播机制等方面与其他数字平台存在差异。微信公众号以不特定主体为披露对象,通过持续、系统的信息发布机制,将企业经营动态、研发进展与技术成果呈现于公共信息环境之中,为外部创新主体获取、筛选与学习相关知识提供较为稳定的信息来源。相较于泛娱乐化社交媒体,其内容属性与发布节奏更具专业性和连续性;相较于面向投资者的数字平台,如“互动易”,其更有助于企业知识向更大范围的创新主体扩散[5]。在微信平台体系中,订阅号是企业面向公众开展信息披露与内容传播的主要渠道,广泛用于发布企业新闻、研发动态等信息。相比较而言,服务号主要聚焦客户服务,企业号则侧重组织内部沟通,二者的信息发布重心并非对外信息披露,因而难以持续向外部主体释放可用于学习与再创新的知识信息。基于此,本文选取微信公众号中的订阅号作为企业自媒体平台的典型代表开展研究,即本文中的微信公众号特指订阅号。

本文以中国上市公司为企业样本,用是否开通微信公众号反映企业是否建立了企业自媒体平台。具体地,若企业在第t年开通了微信公众号,将开通以前年份赋值为0,其余年份赋值为1;未开通微信公众号企业的全部年份都赋值为0。微信公众号信息来源于新榜网站及上市公司的微信公众号。

2.2.2 知识溢出

基于2005—2019年上市公司专利被所在地以外城市引用的数据,刻画企业层面的跨区域知识溢出效应,并从知识溢出发生与溢出强度两个维度进行衡量。知识溢出发生(link)用于识别城市间是否发生了知识溢出,如果城市j的上市公司在t+1年引用了位于城市i的上市公司z的专利,则link取值为1,否则为 0。知识溢出强度(intensity)以城市jt+1年对上述专利引用次数加总予以衡量。鉴于本文关注企业知识溢出的空间特征,在专利引用的测算中,仅纳入非自引的国内专利,企业被其异地子公司引用的情形不予考虑。

2.2.3 控制变量

城市间创新能力差异(tech_gap)用于衡量引用城市与被引用城市在创新能力上的相对差距。一般而言,城市间创新能力越接近,其在知识储备、技术研发与创新资源配置等方面的相似性越高,知识传播与扩散的制度性和技术性障碍越小。基于此,本文以引用城市与被引用城市专利保有量之比刻画二者的创新能力差异。

接收城市的学习能力(density)用于衡量知识溢出接收城市在特定技术类别上的学习能力。一般而言,地区围绕特定技术类别所形成的能力禀赋反映其在相关领域的知识基础与吸收能力。基于此,本文构建技术密度指标,以刻画特定技术类别与接收城市现有技术结构之间的关联程度[31],从而反映接收城市在既有技术结构下学习和发展该技术的能力,计算方法如下:

(3)

其中,xj,c,t表示在年份t城市j的技术子类c是否具有显性比较优势。φc,k表示技术c与技术k的关联度,基于两类技术同时在一个地区具有显性比较优势的共同发生概率予以测度,计算方法如下:

φc,k=min{P(RCAc|RCAk),P(RCAk|RCAc)}

(4)

其中,RCAcRCAk分别表示技术ck是否具有显性比较优势,具有比较优势则赋值为1,否则为0。

2.2.4 多维距离变量

地理距离(geo_distance)用于衡量知识来源城市与接收城市之间的空间分隔程度。一般而言,地理距离越远,创新主体之间面对面交流、人员流动和非正式知识传递的成本越高,知识扩散越容易受到阻碍。本文以城市i与城市j之间的直线距离刻画地理距离,数值越大表示两地空间分隔程度越高。

文化差异(cul_proximity)[32]用于衡量城市间文化距离。文化背景相近的地区在语言习惯、沟通方式和社会信任基础等方面更为接近,有助于降低知识理解与合作沟通中的摩擦成本。本文以方言相似性作为文化差异的代理变量,其取值区间为0到1,数值越大表示两地文化相似程度越高、文化距离越小[33]

行政分割(ins_division)[34]用于衡量行政边界形成的制度距离。不同省级行政区之间可能存在行政壁垒、地方保护和市场分割,从而阻碍要素流动与信息扩散。本文以城市i与城市j是否属于同一省级行政区刻画制度分割,若两地属于同一省级行政区,则取值为0,否则取值为1。

2.3 数据来源与处理

本文考察2005—2019年上市公司的专利引用行为,专利数据来源于国家知识产权局公开数据。考虑到数据构成对研究结果的影响,本文对上市公司样本进行如下处理:①剔除观测期内被ST、*ST等特殊处理的上市公司;②剔除退市公司;③剔除金融和保险类公司;④剔除微信公众号开通时间不明确的公司。最终获得2 137家上市公司的微信公众号开通及专利被引用数据,并构建了4 161 836条“年份—企业—技术类别—地级市”层面的面板数据。主要变量的描述性统计结果见表1。鉴于本文变量以二元变量和比例变量为主,基准回归未进行额外变换,且对于连续型知识溢出强度指标,在稳健性检验中采用加1取对数的方式重新估计。考虑到2020—2022年新冠疫情可能对企业创新、区域协作和信息传播机制产生系统性冲击,基准回归主要采用疫情前样本,以降低外生冲击干扰。在稳健性检验中将样本期拓展至2024年,以检验主要结论是否受样本区间设定影响。

表1 主要变量描述性统计结果

Table 1 Descriptive statistics of the main variables

变量名称 变量符号 样本量均值标准差最小值最大值知识溢出发生link4 161 8360.112 30.315 701知识溢出强度intensity4 161 8360.220 30.754 805企业微信公众号开通woa4 161 8360.353 60.478 101接收城市的学习能力density4 161 8360.437 60.372 101城市间创新能力差异tech_gap4 161 8360.004 20.044 20.000 09.398 9地理距离geo_distance4 161 8360.928 60.585 60.000 14.297 1文化差异cul_proximity4 161 8360.614 10.181 00.353 01行政分割ins_division4 161 8360.894 70. 307 001

3 实证结果与分析

3.1 基准回归

本文利用公式(1)实证检验企业微信公众号开通对知识溢出的影响,表2列(2)结果显示,在控制相关变量与多维固定效应后,企业微信公众号开通变量的系数显著为正,说明当企业开通公众号后,其专利被更多创新主体引用,换言之,微信公众号的开通明显促进了知识溢出。列(4)结果显示,从知识溢出强度角度看,企业微信公众号开通同样呈现正向且显著的影响。综上,开通微信公众号有助于增强企业与其他城市之间的知识联系,对企业的知识扩散具有显著促进作用,假设H1得以验证。

表2 企业微信公众号开通影响知识溢出的估计结果

Table 2 Estimation results for the effect of enterprise WeChat official account launch on knowledge spillovers

变量link(1)(2)intensity(3)(4)woa0.067 0***0.030 2***0.248 5***0.159 9***(0.000 3)(0.007 1)(0.004 2)(0.046 6)density0.032 2***0.443 6***(0.002 7)(0.126 9)gap_patent-0.077 2**-1.592 3**(0.032 8)(0.744 1)固定效应NOYESNOYESConstant0.091 3***0.089 2***0.247 6***0.089 3(0.000 2)(0.002 9)(0.002 4)(0.066 5)Observations4 161 8364 161 7184 161 8364 161 718R20.009 70.092 10.000 80.032 5

注:*、**、***分别表示在10%、5%、1%水平上显著,括号内为稳健标准误,下同

3.2 稳健性检验与内生性问题

3.2.1 平行趋势检验

双重差分模型依赖于平行趋势假设,即在处理前,实验组与对照组在知识溢出方面不存在系统性差异。为验证该前提假设,构建以下模型:

(5)

其中,Dz,t为一组虚拟变量,如果企业z在第t年开通微信公众号,取值为1,反之取值为0。如图1,微信公众号开通前各期的估计系数均不显著;而在微信公众号开通后,各期的估计系数均显著为正。由此说明,实验组和对照组企业在微信公众号开通前的知识溢出并不存在显著差异,而公众号开通则显著促进了企业的知识溢出,研究样本通过平行趋势检验。

图1 平行趋势检验结果

Fig.1 Parallel trends test results

注:本文以微信公众号开通前的第10期作为基期,短竖线对应95%置信区间

3.2.2 安慰剂检验

为避免实验组和对照组企业的知识溢出差异是由时间变化导致的,本文假定企业微信公众号的开通时间分别提前3年和4年,构建了对应的时间虚拟变量,分别为woafalse3woafalse4,并依次替代企业微信公众号开通变量进行模型估计,结果如表3所示。其中,各变量的估计系数均不显著,这意味着实验组和对照组企业的时间趋势没有系统性差异,也再次证明微信公众号对企业知识溢出的促进作用。

表3 安慰剂检验的估计结果

Table 3 Placebo test results

变量link(1)(2)intensity(3)(4)woafalse30.007 80.054 2(0.006 7)(0.044 2)woafalse4-0.002 70.009 3(0.005 4)(0.033 5)控制变量YESYESYESYES固定效应YESYESYESYESConstant0.094 6***0.100 2***0.111 30.133 8*(0.004 2)(0.003 8)(0.073 5)(0.068 9)Observations4 161 7184 161 7184 161 7184 161 718R20.091 80.091 80.032 50.032 5

3.2.3 稳健性检验

为验证基准回归结果的稳健性,本文从样本构成、处理效应识别等多个方面进行了检验。

(1)在样本筛选方面,考虑到直辖市和省会城市通常具有较高的信息化水平和创新能力,其企业开通微信公众号可能带来更强的知识溢出效应,进而影响整体估计结果。因此,本文剔除该类地区样本后重新进行模型估计,以排除区域特征可能导致的偏误。

(2)在处理效应识别方面,鉴于企业自2012年起陆续开通微信公众号,存在多期处理的问题,参照冯苑等[35]的研究方法,将处理组限定为2012年首批开通微信公众号的企业,剔除后续年份新开通的样本,采用单期DID模型进行重新估计,以消除多期处理效应的干扰。

(3)本文基准回归采用2005—2019年的新冠疫情前样本,为检验基准回归结果是否受到样本期设定的影响,即核心结论是否仅在疫情前样本中成立,本文将样本期扩展至2024年,并重新进行模型估计,以考察在纳入疫情冲击期及后续恢复期样本后,核心结论是否稳健。

(4)在变量处理方面,考虑到知识溢出强度为连续变量,本文对该指标加1后取自然对数,重新进行估计以验证基准回归结果的稳健性。

表4报告的稳健性检验结果表明,企业微信公众号开通变量的系数依然显著为正,验证了基准回归结果的稳健性。

表4 稳健性检验的估计结果

Table 4 Robustness test results

变量 link样本筛选单期DID延长样本窗口(1)(2)(3)intensity样本筛选单期DID延长样本窗口取对数(4)(5)(6)(7)woa0.029 6***0.074 3**0.020 9***0.111 7***0.527 9***0.103 6***0.038 3***(0.006 8)(0.030 6)(0.003 9)(0.028 2)(0.169 0)(0.021 4)(0.009 1)控制变量YESYESYESYESYESYESYES固定效应YESYESYESYESYESYESYESConstant0.084 7***0.079 5***0.064 9***0.094 7**-0.037 90.055 1*0.080 4***(0.002 2)(0.006 2)(0.002 0)(0.043 8)(0.223 3)(0.029 0)(0.005 7)Observations2 152 537190 5545 648 0552 152 537190 5545 648 0554 161 718R20.090 00.146 40.108 60.031 50.056 30.029 40.110 3

3.2.4 内生性问题

为缓解企业微信公众号开通与知识溢出之间可能存在的内生性问题,本文采用行业层面的微信公众号开通强度(woa_industry)作为工具变量进行检验。表5结果显示,企业微信公众号开通变量的系数仍显著为正,表明本文结论具有较好的稳健性。

表5 内生性检验的估计结果

Table 5 Estimation results of the endogeneity test

变量First stagewoa(1)Second stagelinkintensity(2)(3)woa_IV0.064 0***0.673 9***(0.006 7)(0.205 8)woa_industry0.706 4***(0.082 0)控制变量YESYESYES固定效应YESYESYESObservations4 161 7184 161 7184 161 718

4 空间特征分析

4.1 知识溢出效应的多维距离衰减

4.1.1 地理距离

表6报告了地理距离对企业自媒体平台知识溢出赋能效应的影响。Panel A和Panel B 分别以知识溢出发生与溢出强度为被解释变量,估计结果展示了一致的结论。列(1)显示,地理距离的估计系数显著为负,表明地理距离对跨地区知识溢出具有显著抑制作用,知识溢出存在明显的空间衰减特征。列(2)显示,企业微信公众号开通与地理距离交互项的估计系数不显著,说明其知识溢出赋能效应并未随地理距离变化而呈现显著差异。进一步地,本文根据城市间地理距离将样本划分为近距离、中距离、中远距离和远距离四组进行分组回归。列(3)~(6)的结果表明,企业微信公众号开通在各距离组中均显著促进了知识溢出,尽管估计系数存在一定波动,但整体差异较小。值得特别说明的是,中距离组的估计系数相对偏低。可能的原因在于,对于远距离地区而言,公众号可以极大缓解地理阻隔对信息传播的限制;对近距离地区而言,便利的线上信息获取可以带动线下互动交流,由此增强知识溢出;但中距离地区没有近距离地区间较为便利的面对面交流优势,且数字化的信息传播方式对地理距离摩擦的缓解强度要弱于远距离地区,从而使得公众号开通赋能的知识溢出效应相对较弱。综上所述,公众号开通所引致的知识溢出赋能效应并未随地理距离的变化而显著减弱,表明企业自媒体平台有助于突破地理障碍,促进地区之间形成知识联系。

表6 地理距离调节效应的估计结果

Table 6 Estimation results for the moderating effect of geographic distance

变量全样本全样本近距离中距离中远距离远距离(1)(2)(3)(4)(5)(6)Panel A:以知识溢出发生(link)为被解释变量woa0.032 4***0.033 8***0.023 9***0.032 3***0.032 2***(0.007 3)(0.007 5)(0.008 7)(0.007 2)(0.009 1)geo_distance-0.008 0***-0.007 2***(0.000 8)(0.000 8)woa×geo_distance-0.002 4(0.001 5)R20.091 90.092 20.103 60.093 10.099 40.107 5Panel B:以知识溢出强度(intensity)为被解释变量woa0.170 4***0.195 9***0.107 5***0.148 0***0.222 3***(0.038 3)(0.057 6)(0.030 7)(0.042 4)(0.054 0)geo_distance-0.110 7***-0.106 9***(0.035 3)(0.040 0)woa×geo_distance-0.011 6(0.028 4)R20.032 60.032 70.054 60.040 60.050 30.040 3控制变量YESYESYESYESYESYES固定效应YESYESYESYESYESYESObservations4 161 7184 161 7181 053 8311 228 7371 220 214657 799

注:地区分组基于两地间的直线距离划定,近距离地区组:距离500 km以内的地区;中距离地区组:距离500~1 000 km的地区;中远距离地区组:距离1 001~1 500 km的地区;远距离地区组:距离1 500 km以上的地区

4.1.2 文化差异

表7考察了地区间文化距离是否会限制企业自媒体平台的知识溢出赋能效应。列(1)显示,方言相似性变量的估计系数显著为正,表明文化邻近性有助于加强地区间的知识联系,知识溢出更容易发生于文化相似地区,并随文化距离的扩大而减弱。列(2)进一步引入企业微信公众号开通与文化相似度的交互项,估计系数不显著,说明文化距离并未对企业微信公众号所带来的知识溢出赋能效应产生显著调节作用。此外,本文将样本划分为文化相似地区与文化相异地区,分别估计微信公众号开通的知识溢出赋能效应。结果显示,两类地区中均存在显著的知识溢出效应,且估计系数差异较小。综合来看,企业通过微信公众号产生的知识扩散并未受到区域文化壁垒的显著制约,表明企业自媒体平台在一定程度上有助于缓解文化差异对跨区域知识传播的约束。

表7 文化差异调节效应的估计结果

Table 7 Estimation results for the moderating effect of cultural differences

变量全样本全样本文化相似地区文化相异地区(1)(2)(3)(4)Panel A:以知识溢出发生(link)为被解释变量woa0.026 4***0.031 5***0.029 7***(0.007 3)(0.006 4)(0.008 3)cul_proximity0.021 5***0.019 5***(0.003 3)(0.002 8)woa×cul_proximity0.006 2(0.003 9)R20.091 90.092 20.094 60.095 8Panel B:以知识溢出强度(intensity)为被解释变量woa0.062 20.182 8***0.146 7***(0.077 4)(0.062 9)(0.041 4)cul_proximity0.302 6***0.252 0***(0.099 8)(0.085 0)woa×cul_proximity0.159 3(0.100 1)R20.032 60.032 70.043 40.042 0控制变量YESYESYESYES固定效应YESYESYESYESObservations4 161 7184 161 7181 576 4432 584 968

注:根据地区间方言相似度将样本划分为文化相近地区和文化相异地区组,文化相近地区组:地区间方言相似度大于等于0.5;文化相异地区组:地区间方言相似度小于0.5

4.1.3 行政分割

表8检验了行政分割是否影响企业微信公众号开通所带来的知识溢出赋能效应。列(1)显示,行政分割变量的估计系数显著为负,表明当地区处于不同省份时,跨区域知识溢出显著减弱。列(2)显示,企业微信公众号开通与行政分割交互项的估计系数亦显著为负,说明行政壁垒在一定程度上削弱了企业自媒体平台的正向赋能效应。进一步地,列(3)(4)分别报告了不同行政分割情境下的回归结果。相较于省内区域,跨省情境下企业公众号开通所引致的知识溢出效应明显减弱。这表明,尽管企业自媒体平台有助于加强跨区域知识联系,但其溢出效应在行政边界的约束下难以充分发挥。总体而言,行政分割构成了知识溢出的重要制度性约束。尽管数字化平台能够提升信息传播效率并增强知识连接,但在既定制度环境下,跨区域知识扩散仍面临政策协调与制度异质性等交易成本,在一定程度上限制了数字化工具的赋能作用。综上所述,假设H2得以验证。

表8 行政分割调节效应的估计结果

Table 8 Estimation results for the moderating effect of administrative division

变量全样本全样本同省地区跨省地区(1)(2)(3)(4)Panel A:以知识溢出发生(link)为被解释变量woa0.045 8***0.039 0***0.029 1***(0.006 5)(0.006 5)(0.007 4)ins_division-0.015 6***-0.013 0***(0.001 6)(0.001 3)woa×ins_division-0.008 3***(0.002 5)R20.091 90.092 30.126 80.091 4Panel B:以知识溢出强度(intensity)为被解释变量woa0.456 8***0.319 6**0.139 7***(0.125 9)(0.126 4)(0.038 7)ins_division-0.283 4***-0.234 4***(0.082 6)(0.077 9)woa×ins_division-0.157 3**(0.061 7)R20.032 90.033 00.157 30.034 3控制变量YESYESYESYES固定效应YESYESYESYESObservations4 161 7184 161 718437 7923 723 403

4.2 异质性分析

4.2.1 相关知识基础

为探讨知识基础是否影响地区技术学习能力并导致企业微信公众号知识溢出赋能效应的区域异质性,本文采用技术密度指标衡量城市在特定技术领域的知识积累水平,并据其中位数将样本划分为高、低知识基础两组,分组回归结果见表9。企业微信公众号开通变量在两组中均表现出显著的正向促进作用,但高知识基础组的估计系数明显更大,表明此类地区在外部知识的识别、吸收与转化方面具备更强的能力,从而更能放大企业自媒体平台带来的知识溢出效应。

表9 基于相关知识基础异质性的估计结果

Table 9 Estimation results by heterogeneity in related knowledge base

变量link低知识基础高知识基础(1)(2)intensity低知识基础高知识基础(3)(4)woa0.026 7***0.031 9***0.078 3***0.201 0***(0.006 6)(0.007 8)(0.017 1)(0.063 8)控制变量YESYESYESYES固定效应YESYESYESYESConstant0.090 9***0.089 0***0.166 2***-0.000 7(0.002 1)(0.003 5)(0.006 1)(0.109 2)Observations1 494 1182 666 9931 494 1182 666 993R20.082 30.104 70.058 30.043 1

4.2.2 城市行政等级

为检验企业微信公众号开通所引致的知识溢出赋能效应在不同行政等级城市间的差异性,参照颜银根等[36]的划分方法,将直辖市、省会城市及副省级城市界定为中心城市,其余为非中心城市,并据此重新进行估计。表10的估计结果显示,企业开通微信公众号在两类城市中均可以显著提升知识溢出水平,且对中心城市的影响更强。这说明,中心城市更高效的信息传播渠道与更强的知识吸收能力,使得通过公众号披露的信息更易扩散并转化为本地创新动能。

表10 基于城市行政等级异质性的估计结果

Table 10 Estimation results based on the heterogeneity of urban administrative levels

变量link中心城市非中心城市(1)(2)intensity中心城市非中心城市(3)(4)woa0.031 2***0.028 1***0.180 2***0.116 7**(0.009 2)(0.010 3)(0.063 3)(0.044 9)控制变量YESYESYESYES固定效应YESYESYESYESConstant0.092 1***0.085 5***0.106 90.102 6**(0.003 9)(0.003 3)(0.088 6)(0.051 3)Observations2 655 4271 506 2742 655 4271 506 274R20.088 60.101 40.034 30.031 8

4.2.3 产业结构

通常而言,非资源型城市产业结构更为多元,技术知识基础更为丰富;而资源型城市以资源开发为主,产业结构相对单一、技术多样性较低。这种产业结构的差异可能导致企业微信公众号开通所引致的知识溢出赋能效应存在显著异质性。为检验这一差异,参照颜银根等[36]的方法,将样本划分为资源型城市与非资源型城市。表11中的估计结果显示,企业微信公众号开通对非资源型城市的知识溢出赋能效应均显著强于资源型城市。这表明,企业自媒体平台的知识溢出效应受地区产业结构制约,非资源型城市因产业多元、技术基础较好,更易吸收和转化外部知识;而资源型城市因产业结构相对单一、技术多样性不足,削弱了公众号的知识溢出赋能作用。综上所述,假设H3得以验证。

表11 基于产业结构异质性的估计结果

Table 11 Estimation results by industrial structure heterogeneity

变量link非资源型城市资源型城市(1)(2)intensity非资源型城市资源型城市(3)(4)woa0.031 1***0.016 50.167 6***0.040 1*(0.007 4)(0.013 0)(0.048 9)(0.023 4)控制变量YESYESYESYES固定效应YESYESYESYESConstant0.090 0***0.084 9***0.090 60.140 4***(0.003 1)(0.003 1)(0.069 5)(0.007 3)Observations3 804 213357 3653 804 213357 365R20.090 50.122 20.032 40.110 4

注:除国务院印发的《全国资源型城市可持续发展规划(2013—2020年)》中公布的地级市以外,若一个地级市内有某个县级行政区也是该文件中确定的资源型城市,本文也将该市视为资源型城市

5 进一步分析

5.1 企业自媒体平台与合作创新

创新主体间的互动交流是推动技术进步的重要基础,其作用不仅在于促进技术、市场等可编码信息流动,更在于推动隐性知识和经验性知识传递。企业自媒体平台虽然提升了信息传播效率并拓展了知识扩散范围[9],但其传播方式具有标准化、非接触性和弱关联特征,难以支撑合作创新所需的社会关系建构、持续互动与信任积累,使知识交流呈现一定的“去社会化”倾向[37],从而限制技术细节、组织经验等隐性知识的深度共享[38]。因此,该平台更适合推动知识的广泛传播,却难以支撑依赖高频互动与深度合作的创新活动。为进一步验证企业自媒体平台与区域合作创新之间的关系,本文以企业与知识溢出接收地是否存在合作创新行为(coop)及合作专利数量(ncoop)为衡量指标。表12回归结果显示,企业微信公众号开通变量的估计系数均不显著,表明其强化的区域间知识联系主要体现为非互动式信息扩散,而非基于双向交流的深层次合作创新。这可能源于微信公众号“一对多”的广播式传播特征,企业主要通过标准化内容推送传播显性信息,平台交流也多依赖非实时留言与评论,缺乏持续互动、反馈机制和情境化沟通。综上,企业自媒体平台虽有助于提升知识可达性,但在推动合作创新方面存在局限,更多促成的是知识广域扩散,而非深层次协同。

表12 企业微信公众号开通影响合作创新的估计结果

Table 12 Estimation results for the effect of enterprise WeChat official account launch on collaborative innovation

变量 coopncoop(1)(2)woa0.000 50.004 9(0.000 3)(0.003 6)控制变量YESYES固定效应YESYESConstant0.000 8**0.001 7(0.000 4)(0.009 1)Observations4 161 7184 161 718R20.031 60.011 4

5.2 企业自媒体平台与技术扩散效应

知识溢出是推动技术创新的重要机制,现有研究通常将创新分为开发性(渐进式)与探索性(突破式)两类[39-41]。前者强调对既有技术路径的优化与深化,后者则强调对原有认知和技术范式的突破。企业自媒体平台通过标准化、低门槛的信息传播,使企业能够在无需建立互动关系的情况下获取可编码知识,有助于提升技术利用效率[41],进而推动开发性创新。然而,探索性创新通常依赖深度交流、认知重构与复杂知识共创,数字平台则多呈现“一对多”式的单向传播特征,缺少实时互动与情境反馈,故而难以有效支撑探索性创新[42]

为进一步检验企业自媒体平台对接收城市两类技术创新的影响,本文从两个维度构建指标并重新估计。首先,依据IPC四位编码划分技术领域,将各地区截至t年已申请专利所属领域界定为“已有技术池”,并据此将当年新申请专利划分为已有技术领域专利和新技术领域专利,分别衡量开发性创新(exploitative)与探索性创新(exploratory)。其次,从技术重组视角出发,若某地区首次出现由两个及以上IPC号构成的技术组合,则视为技术重组。其中,仅涉及本地既有技术领域的组合定义为重组利用,包含至少一个新技术领域的组合定义为重组创造,分别对应开发性创新与探索性创新[31]

表13报告了企业微信公众号开通对接收城市两类技术创新的影响。列(1)(3)显示,企业微信公众号开通变量的估计系数显著为正,表明数字化信息披露能够促进接收地基于既有技术路径开展技术深化和资源重组。列(2)(4)结果不显著,说明其对接收城市突破原有知识边界、开辟新技术路径的促进作用有限。总体来看,企业微信公众号开通虽有助于推动区域间知识溢出,但其作用主要体现为促进开发性创新,对探索性创新的赋能效应相对不足。

表13 企业微信公众号开通影响接收地异质性技术创新的估计结果

Table 13 Estimation results for the effect of enterprise WeChat official account launch on heterogeneous technological innovation in recipient cities

变量细分技术领域角度exploitativeexploratory(1)(2)新技术组合角度exploitativeexploratory(3)(4)woa68.244 1***-0.003 00.593 3**-0.003 4(22.528 3)(0.003 1)(0.251 2)(0.003 5)控制变量YESYESYESYES固定效应YESYESYESYESConstant127.413 0***0.126 0***14.438 0***0.114 2***(44.984 8)(0.001 9)(0.440 6)(0.001 6)Observations4 161 7184 161 7184 161 7184 161 718R20.310 70.061 20.316 10.055 0

6 结论与建议

本文利用企业微信公众号的开通事件,系统探讨了企业自媒体平台在推动知识跨区域溢出方面的作用。研究结果显示,企业在开通微信公众号后,其专利被引用的次数明显增加,表现出明显的知识溢出效应。然而,该效应呈现出复杂的空间分布特征。一方面,知识在地区间的流动与扩散通常会受到地理、文化和制度等多维距离的阻碍。开通微信公众号可以帮助知识流动与传播突破地理障碍和文化壁垒,但对削弱行政壁垒的作用较为有限。这意味着,在信息技术迅速发展背景下,制度分割依旧是制约知识跨区域流动的重要因素。另一方面,知识溢出的程度受地区知识吸收能力与创新环境的影响,中心城市、相关知识基础或产业多元化程度更高的城市受益更多。从技术扩散的角度看,企业自媒体平台往往难以有效支持深层次的知识交互,因此更有利于促进知识溢出接收地基于自身技术知识池进行开发性创新而非探索性创新。

研究结论为进一步加强企业自媒体平台的知识溢出和创新赋能作用提供了政策启示:

第一,强化企业自媒体平台的应用,提升区域间知识扩散效能。研究发现,平台可打破知识传播的时空壁垒,为企业间的技术成果与创新经验共享提供高效载体。故此,应积极引导企业充分发挥平台功能,鼓励通过微信公众号等数字媒介主动披露知识内容,增强企业知识传播的内生动力。同时,关注知识接收端的能力建设,提升其对优质、异质性知识资源的识别、吸收与转化能力,推动平台知识溢出效应从“信息可达”向“知识可用”转变。

第二,从制度层面正视行政分割对平台知识溢出效应的抑制作用。研究发现,尽管平台在一定程度上弱化了地理和文化距离对知识流动的限制,但行政分割仍显著抑制跨区域知识扩散。这表明信息的可获得性并不必然转化为知识的有效流动,其受到区域政策壁垒、项目属地化管理等因素的制约。因此,应在平台建设基础上,推动跨区域创新政策协同,探索建立跨行政区的技术需求对接机制、成果互认机制和联合支持框架,以降低制度性摩擦对知识跨域流动的阻碍。

第三,将企业数字平台建设与区域创新资源配置机制深度融合,提升知识的吸收与再创造能力。研究发现,知识溢出的实现不仅依赖于信息供给端,更取决于接收主体的知识吸收与转化能力。因此,应推动企业与高校、科研机构及本地产业体系建立协同联动机制,推动产学研联合创新、跨区域创新项目共建等实践,增强企业对外部新知识的理解、整合与再创新能力,以避免知识停留在“可见但不可用”阶段。

第四,着力提升数字平台对探索性创新的支持能力。与开发性创新主要依赖显性知识不同,探索性创新更依赖于跨组织、跨区域的持续互动和协同探索。数字平台在打破地理边界、拓展信息覆盖面方面具有优势,但其推动探索性创新的能力仍有待强化。为此,应引导创新主体依托数字平台,从松散的信息交换逐步转向多层次的协作模式,如跨区域联合研发、创新人才双向流动、产业技术联盟建设等。通过构建制度化协作网络,进一步延伸数字平台的创新链条,推动主体间隐性知识有效传递,进而提升数字平台在探索性创新中的赋能作用。

参考文献:

[1] 刘修岩, 王峤. 知识溢出的边界效应——来自专利引用数据的证据[J]. 经济研究, 2022, 57(11): 84-101.

[2] 王铮, 马翠芳, 王莹, 等. 区域间知识溢出的空间认识[J]. 地理学报, 2003, 58(5): 773-780.

[3] 涂心语, 严晓玲. 数字化转型、知识溢出与企业全要素生产率——来自制造业上市公司的经验证据[J]. 产业经济研究, 2022,21(2): 43-56.

[4] 马茜, 廖甍, 张红兵. 网络基础设施建设、知识流动与城市包容性绿色增长——基于调节中介与链式中介的综合分析框架[J]. 统计研究, 2024, 41(8): 98-111.

[5] 徐高彦, 张婷婷. 公司自媒体可以提供更多的指导性信息吗?——基于企业微信公众号技术创新披露的文本分析[J]. 经济管理, 2024, 46(6): 164-189.

[6] 叶康涛, 曹丰, 王化成. 内部控制信息披露能够降低股价崩盘风险吗?[J]. 金融研究, 2015,58(2): 192-206.

[7] KANG Y K, LENG X, LIAO Y X, et al. Information disclosure, spillovers, and knowledge accumulation[J]. China Economic Review, 2024, 84: 102135.

[8] COTTERLAZ P, GUILLOUZOUIC A. The percolation of knowledge across space[J]. Journal of International Economics, 2025, 153: 104026.

[9] LIN Y L, FREY C B, WU L F. Remote collaboration fuses fewer breakthrough ideas[J]. Nature, 2023, 623(7989): 987-991.

[10] MARCH J G.Exploration and exploitation in organizational learning[J].Organization Science,1991,2(1):71-87.

[11] 汪炜, 蒋高峰. 信息披露、透明度与资本成本[J]. 经济研究, 2004, 39(7): 107-114.

[12] ACOSTA M,CORONADO D,FERRANDIZ E,et al.Effects of knowledge spillovers between competitors on patent quality:what patent citations reveal about a global duopoly[J].The Journal of Technology Transfer,2022,47(5):1451-1487.

[13] JUNG Y R, LEE J, HWANG J, et al. Knowledge spillovers and innovation performance of the originator: the moderating effect of technological alliances[J]. Journal of Innovation &Knowledge, 2024, 9(3): 100540.

[14] ZANDER U, KOGUT B. Knowledge and the speed of the transfer and imitation of organizational capabilities: an empirical test[J]. Organization Science, 1995, 6(1): 76-92.

[15] 李雪, 吴福象, 竺李乐. 互联网发展水平、知识溢出与区域创新能力[J]. 经济经纬, 2022, 39(3): 15-25.

[16] 王如玉, 梁琦, 李广乾. 虚拟集聚: 新一代信息技术与实体经济深度融合的空间组织新形态[J]. 管理世界, 2018, 34(2): 13-21.

[17] COHEN W M, LEVINTHAL D A. Absorptive capacity: a new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990, 35(1): 128.

[18] 杨大飞,孙守恒,胡倩.多维邻近性及交互性对合作创新网络演化的影响——以中国智能制造装备业为例[J].科技进步与对策,2025,42(2):11-21.

[19] 王慧扬, 刘建华, 赵玉冰. 关键核心技术产学研合作创新网络演化特征及多维邻近性机理研究——以AI芯片为例[J]. 科技进步与对策, 2025, 42(24): 36-47.

[20] 毛琦梁. 时空压缩下的空间知识溢出与产业升级[J]. 科学学研究, 2019, 37(3): 422-435.

[21] JAFFE A B, TRAJTENBERG M, HENDERSON R. Geographic localization of knowledge spillovers as evidenced by patent citations[J]. The Quarterly Journal of Economics, 1993, 108(3): 577-598.

[22] TANG C H, QIU P, DOU J M. The impact of borders and distance on knowledge spillovers:evidence from cross-regional scientific and technological collaboration[J]. Technology in Society, 2022, 70: 102014.

[23] TENZER H,PUDELKO M,ZELLMER-BRUHN M. The impact of language barriers on knowledge processing in multinational teams[J]. Journal of World Business, 2021, 56(2): 101184.

[24] LEVINE S,MCLUHAN M.Understanding media:the extensions of man[J].American Quarterly,1964,16(4):646.

[25] 单波. 跨文化传播的基本理论命题[J]. 华中师范大学学报(人文社会科学版), 2011, 50(1): 103-113.

[26] MADIANOU M, MILLER D. Polymedia: towards a new theory of digital media in interpersonal communication[J]. International Journal of Cultural Studies, 2013, 16(2): 169-187.

[27] 陈家喜, 汪永成. 政绩驱动: 地方政府创新的动力分析[J]. 政治学研究, 2013,29(4): 50-56.

[28] ERIKSSON K, CHETTY S. The effect of experience and absorptive capacity on foreign market knowledge[J]. International Business Review, 2003, 12(6): 673-695.

[29] MAILLAT D, LECOQ B, NEMETI F, et al. Technology district and innovation: the case of the Swiss Jura Arc[J]. Regional Studies, 1995, 29(3): 251-263.

[30] 王之禹, 李富强. 城市规模对创新活动的影响——基于区域知识吸收能力视角的分析[J]. 中国软科学, 2021,36(8): 140-151.

[31] GIORGI J,PLUNKET A,STAROSTA DE WALDEMAR F. Inter-regional highly skilled worker mobility and technological novelty[J]. Research Policy, 2025, 54(1): 105113.

[32] 刘修岩,王峤.知识溢出的边界效应——来自专利引用数据的证据[J].经济研究,2022,57(11):84-101.

[33] MAO Q L, MAO X Z. The shaping of inter-regional industrial linkages by institutional and cultural division in China: characteristics and differences[J]. Economic Analysis and Policy, 2024, 81: 1113-1132.

[34] 李兰冰.中国区域协调发展的逻辑框架与理论解释[J].经济学动态,2020,61(1):69-82.

[35] 冯苑, 聂长飞, 张东. 宽带基础设施建设对城市创新能力的影响[J]. 科学学研究, 2021, 39(11): 2089-2100.

[36] 颜银根, 倪鹏飞, 刘学良. 高铁开通、地区特定要素与边缘地区的发展[J]. 中国工业经济, 2020,38(8): 118-136.

[37] 王发明,朱美娟.互联网平台企业主导的创新生态系统演化风险识别及规避[J].中国科技论坛,2021,37(3):75-83.

[38] FUENTES-FERNANDEZ R, SANCHEZ-GARCIA E, MARTINEZ-FALCO J, et al. Uncovering external factors that influence the acquisition of knowledge for innovative purposes[J]. Operational Research, 2024, 24(3): 45.

[39] BYUN S K, OH J M, XIA H. Incremental vs. breakthrough innovation: the role of technology spillovers[J]. Management Science, 2021, 67(3): 1779-1802.

[40] 代飞,赵鑫.耐心资本如何影响企业双元创新——基于管理者短视的机制检验[J].科技进步与对策,2026,43(10):110-119.

[41] ROPER S, LOVE J H, BONNER K. Firms′ knowledge search and local knowledge externalities in innovation performance[J]. Research Policy, 2017, 46(1): 43-56.

[42] GLUCKLER J. Knowledge, networks and space: connectivity and the problem of non-interactive learning[J]. Regional Studies, 2013, 47(6): 880-894.

(责任编辑:梅岚峤)